一种产品推荐方法、装置、电子设备和存储介质与流程

本发明涉及大数据技术领域，特别是涉及一种产品推荐方法、装置、电子设备和存储介质。

背景技术：

近几年，产品推荐技术在各种场景中均得到广泛的应用，如：各类购物应用(application，app)中。通过产品推荐技术可以为用户推荐实体产品或虚拟产品。

当前的产品推荐技术基于产品的相似度来向用户进行推荐，推荐的往往是相似度最大的产品，但是本申请发明人研究发现：相似度最大的产品的推荐效果往往较低。

技术实现要素：

本发明实施例的目的在于提供一种产品推荐方法、装置、电子设备和存储介质，以实现优化产品相似度推荐算法，构建客户近期关注行为影响因子，有效改善传统实时推荐方法中将相似度作为推荐优先级而产生的局限性，提高推荐结果的可信度和准确度。具体技术方案如下：

第一方面，本公开提供了一种产品推荐方法，包括：

获得目标用户在第一时间段内评价过的产品构成的第一产品集合，所述第一时间段中的最晚时刻距离当前时刻的时间间隔小于预设间隔；

获得与所述目标用户关注的产品相似的产品构成的第二产品集合；

确定所述第二产品集合中每一个产品分别与所述第一产品集合中每一个产品的相似度；

获得所述相似度高于预设阈值的所述第一产品集合中的产品构成的第三产品集合；

获得所述第三产品集合中各产品的评分，基于所述评分和所述相似度，确定所述第二产品集合中各产品的预测评分sum_simpi；

基于所述第三产品集合中每一个产品分别与所述第二产品集合中各产品的相似度，确定所述第二产品集合中各产品对应的影响因子if；

通过所述第二产品集合中各产品的预测评分sum_simpi和所述第二产品集合中各产品对应的影响因子if，确定所述第二产品集合中各产品的推荐优先度评分；

根据推荐优先度评分将所述第二产品集合中至少一个产品推荐给所述目标用户。

结合第一方面，在某些可选的实施方式中，所述根据推荐优先度评分将所述第二产品集合中至少一个产品推荐给所述目标用户，包括：

获得上一次推荐给所述目标用户的产品构成的第四产品集合；

获得所述第四产品集合与所述第二产品集合的并集；

根据所述并集中各产品的推荐优先度评分将所述并集中至少一个产品推荐给所述目标用户。

结合第一方面，在某些可选的实施方式中，所述基于所述第三产品集合中每一个产品分别与所述第二产品集合中各产品的相似度，确定所述第二产品集合中各产品对应的影响因子if，包括：

将所述第二产品集合中各产品确定为待处理产品，分别对各所述待处理产品进行如下处理：

确定所述待处理产品分别与所述第三产品集合中各产品的相似度中不低于预设相似度阈值的相似度的第一数量，确定所述待处理产品分别与所述第三产品集合中各产品的相似度中低于预设相似度阈值的相似度的第二数量，基于所述第一数量和所述第二数量，确定所述待处理产品对应的影响因子if。

结合第一方面，在某些可选的实施方式中，所述基于所述第一数量和所述第二数量，确定所述待处理产品对应的影响因子if，包括：

基于公式if＝lgmax{efcount,1}-lgmax{wfcount,1}确定所述待处理产品对应的影响因子if，其中，所述efcount表示所述第一数量，wfcount所述第二数量，lg是以2为底的对数。

结合第一方面，在某些可选的实施方式中，所述获得所述第三产品集合中各产品的评分，基于所述评分和所述相似度，确定所述第二产品集合中各产品的预测评分sum_simpi，包括：

基于公式

确定所述第二产品集合中各产品的预测评分sum_simpi，其中，spiqj是所述第二产品集合的产品pi与所述第三产品集合的产品qj的相似度，rqj是所述第三产品集合的产品qj的评分，i和j是产品的序号，l是所述第三产品集合的产品qj的个数。

第二方面，本公开提供了一种产品推荐装置，包括：第一集合获得单元、第二集合获得单元、相似度确定单元、第三集合获得单元、预测评分确定单元、影响因子确定单元、优先度确定单元和产品推荐单元；

所述第一集合获得单元，被配置为执行获得目标用户在第一时间段内评价过的产品构成的第一产品集合，所述第一时间段中的最晚时刻距离当前时刻的时间间隔小于预设间隔；

所述第二集合获得单元，被配置为执行获得与所述目标用户关注的产品相似的产品构成的第二产品集合；

所述相似度确定单元，被配置为执行确定所述第二产品集合中每一个产品分别与所述第一产品集合中每一个产品的相似度；

所述第三集合获得单元，被配置为执行获得所述相似度高于预设阈值的所述第一产品集合中的产品构成的第三产品集合；

所述预测评分确定单元，被配置为执行获得所述第三产品集合中各产品的评分，基于所述评分和所述相似度，确定所述第二产品集合中各产品的预测评分sum_simpi；

所述影响因子确定单元，被配置为执行基于所述第三产品集合中每一个产品分别与所述第二产品集合中各产品的相似度，确定所述第二产品集合中各产品对应的影响因子if；

所述优先度确定单元，被配置为执行通过所述第二产品集合中各产品的预测评分sum_simpi和所述第二产品集合中各产品对应的影响因子if，确定所述第二产品集合中各产品的推荐优先度评分；

所述产品推荐单元，被配置为执行根据推荐优先度评分将所述第二产品集合中至少一个产品推荐给所述目标用户。

结合第二方面，在某些可选的实施方式中，所述产品推荐单元，包括：第一集合获得单元、并集获得单元和推荐单元；

所述第一集合获得单元，被配置为执行获得上一次推荐给所述目标用户的产品构成的第四产品集合；

所述并集获得单元，被配置为执行获得所述第四产品集合与所述第二产品集合的并集；

所述推荐单元，被配置为执行根据所述并集中各产品的推荐优先度评分将所述并集中至少一个产品推荐给所述目标用户。

结合第二方面，在某些可选的实施方式中，所述影响因子确定单元，具体被配置为执行：

将所述第二产品集合中各产品确定为待处理产品，分别对各所述待处理产品进行如下处理：

确定所述待处理产品分别与所述第三产品集合中各产品的相似度中不低于预设相似度阈值的相似度的第一数量，确定所述待处理产品分别与所述第三产品集合中各产品的相似度中低于预设相似度阈值的相似度的第二数量，基于所述第一数量和所述第二数量，确定所述待处理产品对应的影响因子if。

第三方面，本公开提供了一种存储介质，所述存储介质用于存储程序，所述程序被处理器执行时实现上述任一项所述的产品推荐方法。

第四方面，本公开提供了一种电子设备，所述设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的程序，所述程序至少用于实现上述任一项所述的产品推荐方法。

本发明实施例提供的一种产品推荐方法、装置、电子设备和存储介质，可以基于用户近期评价过的产品构成的产品集合以及与用户关注的产品相似的产品构成的产品集合，综合确定需要推荐的产品。本发明实施例可以确定上述两个集合的产品间的相似度，并基于该相似度进行产品过滤，然后基于过滤后的产品的评分和相似度确定产品的预测评分sum_simpi，本发明还基于相似度确定影响因子if并结合影响因子if和预测评分sum_simpi获得推荐优先度评分。可见，本发明得到的推荐优先度评分即考虑了用户近期评价过的产品，又考虑了与用户关注的产品相似的产品，同时基于产品间相似度进行产品过滤并确定推荐优先度评分。本发明实施例可以有效提高产品推荐的可信度和准确度。本发明通过在进行数据分析的过程中，考虑到目标用户的关注行为，将目标用户的关注行为纳入到计算的过程中，将目标用户的关注行为作为参数来计算产品的推荐优先度评分，同时通过影响因子if修正得到的推荐优先度评分。基于本发明提供的方案，可以看出，本发明可以优化产品相似度推荐算法，构建客户近期关注行为影响因子，有效改善传统实时推荐方法中将相似度作为推荐优先级而产生的局限性，提高推荐结果的可信度和准确度。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种产品推荐方法的流程示意图；

图2为本发明提供的一种产品推荐装置的结构示意图；

图3为本发明提供的一种电子设备的结构示意图。

具体实施方式

随着互联网和信息技术的迅猛发展，无论是消费者短时间内从海量信息中获取最感兴趣的信息或推荐产品，还是信息发布者生成的信息或推荐产品广告想要脱颖而出都会变得异常困难。

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，本发明提供了一种产品推荐方法，包括：

s100、获得目标用户在第一时间段内评价过的产品构成的第一产品集合，所述第一时间段中的最晚时刻距离当前时刻的时间间隔小于预设间隔。

可选的，本发明实施例中的第一产品集合中的产品可以为实体产品，也可以为虚拟产品。其中，实体产品为占据一定空间的实体，如鞋子、手机等。虚拟产品为虚拟物品，如游戏道具、理财产品、股票等。

可选的，第一产品集合可以是目标用户最近m次评价的产品的集合，目标用户评价的产品可以为用户购买或关注的产品。

可选的，本发明对第一时间段的时间长度不做限制，任何可行的方式均属于本发明的保护范围。

可以理解的是，第一产品集合中包括目标用户近期评价过的产品。

s200、获得与所述目标用户关注的产品相似的产品构成的第二产品集合。

可选的，可以基于大量用户对大量产品的评分数据，计算各种产品两两之间的相似度，其中就包括了目标用户关注的产品p，然后可以根据目标用户关注的产品p与大量产品之间的相似程度，确定出第二产品集合。

例如，基于海量用户的评分数据生成产品评分矩阵ym×n，ym×n表示m个用户对n个产品的评分矩阵；

可选的，评分数据可以是通过客户浏览、点击、查看、收藏、评价评分等操作动作或停留时间等捕获的实时偏好数据进行权重加成以及归一化处理得到的，本发明对此不做限制。例如评分数据的取值范围为0至1，其中，0为最低评分，1为最高评分。

结合产品评分矩阵ym×n，采用余弦相似度算法计算产品间相似度，形成产品相似矩阵sn×n，其矩阵形式为：

式(1)中s1×n表示产品1与产品n之间的相似程度，其定义如式(2)表示：

式(2)中和从产品评分矩阵ym×n取得，分别表示产品1和产品n的各用户的评分构成的评分向量；经过上述式(1)和式(2)，得到了大量产品之间的产品相似矩阵sn×n，其中也包括了目标用户关注的产品p。

可选的，因为产品相似矩阵计算量大，可以通过批量离线计算方式进行计算，可有效与生产系统进行分离，合理及最大化利用系统资源。

目标用户关注的产品p与其他产品间的相似程度，可用向量表示为：

对式(3)中元素进行排序，取出前k个元素(较大的前k的元素)对应的k个产品，即与产品p(目标用户关注的一个产品)相似程度最大的k个产品，构成产品p的第二产品集合：a＝{p1…pk}。

可选的，上述步骤s100和s200没有必然的先后执行顺序，可以并行执行，也可以先执行步骤s100后，再执行步骤s200；或先执行步骤s200后，再执行步骤s100，本发明对此不做限制。

s300、确定所述第二产品集合中每一个产品分别与所述第一产品集合中每一个产品的相似度。

可选的，步骤s200中获得了与目标用户关注的产品p相似程度最大的k个产品，即第二产品集合。但不是这k个产品均需要推荐给目标用户，还需要计算这k个产品分别与第一产品集合中的每个产品的相似度，以便于后续根据相似度确定可以将k个产品中的哪些产品推荐给目标用户，所以可以执行步骤s300的方法。

可选的，对于第二产品集合中每一个产品而言，计算其与第一产品集合中每一个产品的相似度的方式，本发明不做限制。

可选的，本发明可以根据产品相似矩阵sn×n确定第二产品集合中每一个产品分别与所述第一产品集合中每一个产品的相似度spiqj。

在计算得到第二产品集合中每一个产品分别与所述第一产品集合中每一个产品的相似度后，对于第二产品集合中每一个产品而言，可以从第一产品集合中，选择与其相似度较大的产品，即可以执行步骤s400。

s400、获得所述相似度高于预设阈值的所述第一产品集合中的产品构成的第三产品集合。

对于第二产品集合中每一个产品而言，若第一产品集合中存在与该产品的相似度大于预设阈值的产品，则可以获得相似度大于预设阈值的产品，作为该产品对应的第三产品集合，不限制产品的数量；若第一产品集合中不存在与该产品的相似度大于预设阈值的产品，则不必从第一产品集合中获得相应的产品，本发明对此不做限制。

可选的，对于第二产品集合中每一个产品而言，可以分别获得该产品对应的第三产品集合，也可以获得第二产品集合中每一个产品对应的第三产品集合的并集作为最终的第三产品集合，本文的后续步骤是基于分别获得第二产品集合中每一个产品对应的第三产品集合的方案进行的，本发明对此不做限制。

可选的，预设阈值可以根据实际需要进行设定，本发明对预设阈值的具体数值不做限制，任何可行的方式均属于本发明的保护范围。

s500、获得所述第三产品集合中各产品的评分，基于所述评分和所述相似度，确定所述第二产品集合中各产品的预测评分sum_simpi。

可选的，前述步骤s400已经分别获得第二产品集合中每一个产品对应的第三产品集合，则对于第二产品集合中每一个产品，可以基于其第三产品集合，计算其预测评分sum_simpi。

可选的，若目标用户已对产品已评分，则取当前评分，若目标用户未对产品进行评分，则通过业务设置自动评分机制，如针对产品的整体自动加权评分，本发明对此不做限制。

可选的，计算第二产品集合中的任意一个产品的预测评分sum_simpi的方法可以根据需要进行设定，本发明对此不做限制。

例如，结合图1所示的实施方式，在某些可选的实施方式中，所述步骤s500，包括：

基于公式

确定所述第二产品集合中各产品的预测评分sum_simpi，其中，spiqj是所述第二产品集合的产品pi与所述第三产品集合的产品qj的相似度，rqj是所述第三产品集合的产品qj的评分，i和j是产品的序号，l是所述第三产品集合的产品qj的个数。

可选的，对于第二产品集合中的各产品而言，均可以采用公式(4)计算得到预测评分sum_simpi，例如可以将上述公式(4)中的pi全部修改为p1，从而确定产品p1的预测评分sum_simpi。

s600、基于所述第三产品集合中每一个产品分别与所述第二产品集合中各产品的相似度，确定所述第二产品集合中各产品对应的影响因子if。

可选的，步骤s500中可以获得所述第二产品集合中的各产品的预测评分sum_simpi，但仅依据预测评分sum_simpi确定将哪些产品可以推荐给目标用户，可能效果不是很准确。所以，对于第二产品集合中的各产品而言，可以综合考虑第一产品集合中、与第二产品集合中的各产品分别进行相似度计算的产品的数量，若第一产品集合中、与第二产品集合中具体一个产品进行相似度计算的产品的数量较多，则可以对第二产品集合中的该具体一个产品的预测评分sum_simpi进行增大，增大的方式可以是将第二产品集合中的该具体一个产品的预测评分sum_simpi与其相应的影响因子if进行相加。

可选的，本发明对影响因子if的计算方式不做限制，任何可行的方式均属于本发明的保护范围。

例如，结合图1所示的实施方式，在某些可选的实施方式中，所述步骤s600，包括：

将所述第二产品集合中各产品确定为待处理产品，分别对各所述待处理产品进行如下处理：

确定所述待处理产品分别与所述第三产品集合中各产品的相似度中不低于预设相似度阈值的相似度的第一数量，确定所述待处理产品分别与所述第三产品集合中各产品的相似度中低于预设相似度阈值的相似度的第二数量，基于所述第一数量和所述第二数量，确定所述待处理产品对应的影响因子if。

可选的，结合前一个实施方式，在某些可选的实施方式中，所述基于所述第一数量和所述第二数量，确定所述待处理产品对应的影响因子if，包括：

基于公式if＝lgmax{efcount,1}-lgmax{wfcount,1}确定所述待处理产品对应的影响因子if，其中，所述efcount表示所述第一数量，wfcount所述第二数量，lg是以2为底的对数。

可选的，第一数量还可以是所述待处理产品分别与所述第三产品集合中各产品的相似度中不低于预设相似度阈值，且预测评分sum_simpi不低于预设评分阈值的待处理产品的数量；第二数量可以是所述待处理产品分别与所述第三产品集合中各产品的相似度中低于预设相似度阈值，或，预测评分sum_simpi低于预设评分阈值的待处理产品的数量。

s700、通过所述第二产品集合中各产品的预测评分sum_simpi和所述第二产品集合中各产品对应的影响因子if，确定所述第二产品集合中各产品的推荐优先度评分。

可选的，对于第二产品集合中各产品而言，具体一个产品的推荐优先度评分可以基于公式：eupi＝sum_simpi+if计算得到，其中，eup1是第二产品集合中的任意一个产品pi的推荐优先度评分，sum_simpi是产品pi的预测评分sum_simpi，if是产品pi的影响因子if，本发明对此不做限制。

s800、根据推荐优先度评分将所述第二产品集合中至少一个产品推荐给所述目标用户。

可选的，可以根据推荐优先度评分从第二产品集合中选择推荐优先度评分较高的至少一个产品推荐给目标用户，具体可以根据实际需要设定推荐数量的上限，本发明对此不做限制。

可选的，除了可以根据推荐优先度评分向目标用户推荐产品，还可以参考上次向所述目标用户推进产品的结果，选择合适的产品向目标用户推荐。

例如，结合图1所示的实施方式，在某些可选的实施方式中，所述步骤s800，包括：步骤一、步骤二和步骤三；

步骤一、获得上一次推荐给所述目标用户的产品构成的第四产品集合；

步骤二、获得所述第四产品集合与所述第二产品集合的并集；

步骤三、根据所述并集中各产品的推荐优先度评分eupi将所述并集中至少一个产品推荐给所述目标用户。

可选的，对于步骤二，若第四产品集合与第二产品集合存在相同的产品，则对于相同的产品而言，可以进行如下处理：

1、若该相同的产品在第四产品集合中的推荐优先度评分与在第二产品集合的推荐优先度评分相等，则取其中任意一个推荐优先度评分作为步骤三中该产品的推荐优先度评分。

2、若该相同的产品在第四产品集合中的推荐优先度评分与在第二产品集合的推荐优先度评分不相等，则取该产品在第二产品集合的推荐优先度评分作为步骤三中该产品的推荐优先度评分，或，取该产品在第四产品集合中的推荐优先度评分和在第二产品集合的推荐优先度评分的最大值作为步骤三中该产品的推荐优先度评分，或，取该产品在第四产品集合中的推荐优先度评分和在第二产品集合的推荐优先度评分的平均值作为步骤三中该产品的推荐优先度评分，本发明对此不做限制。

如图2所示，本发明提供了一种产品推荐装置，包括：第一集合获得单元100、第二集合获得单元200、相似度确定单元300、第三集合获得单元400、预测评分确定单元500、影响因子确定单元600、优先度确定单元700和产品推荐单元800；

所述第一集合获得单元100，被配置为执行获得目标用户在第一时间段内评价过的产品构成的第一产品集合，所述第一时间段中的最晚时刻距离当前时刻的时间间隔小于预设间隔；

所述第二集合获得单元200，被配置为执行获得与所述目标用户关注的产品相似的产品构成的第二产品集合；

所述相似度确定单元300，被配置为执行确定所述第二产品集合中每一个产品分别与所述第一产品集合中每一个产品的相似度；

所述第三集合获得单元400，被配置为执行获得所述相似度高于预设阈值的所述第一产品集合中的产品构成的第三产品集合；

所述预测评分确定单元500，被配置为执行获得所述第三产品集合中各产品的评分，基于所述评分和所述相似度，确定所述第二产品集合中各产品的预测评分sum_simpi；

所述影响因子确定单元600，被配置为执行基于所述第三产品集合中每一个产品分别与所述第二产品集合中各产品的相似度，确定所述第二产品集合中各产品对应的影响因子if；

所述优先度确定单元700，被配置为执行通过所述第二产品集合中各产品的预测评分sum_simpi和所述第二产品集合中各产品对应的影响因子if，确定所述第二产品集合中各产品的推荐优先度评分；

所述产品推荐单元800，被配置为执行根据推荐优先度评分将所述第二产品集合中至少一个产品推荐给所述目标用户。

结合图2所示的实施方式，在某些可选的实施方式中，所述产品推荐单元800，包括：第四集合获得单元、并集获得单元和推荐单元；

所述第四集合获得单元，被配置为执行获得上一次推荐给所述目标用户的产品构成的第四产品集合；

所述并集获得单元，被配置为执行获得所述第四产品集合与所述第二产品集合的并集；

所述推荐单元，被配置为执行根据所述并集中各产品的推荐优先度评分将所述并集中至少一个产品推荐给所述目标用户。

结合图2所示的实施方式，在某些可选的实施方式中，所述影响因子确定单元600，具体被配置为执行将所述第二产品集合中各产品确定为待处理产品，分别对各所述待处理产品进行如下处理：

确定所述待处理产品分别与所述第三产品集合中各产品的相似度中不低于预设相似度阈值的相似度的第一数量，确定所述待处理产品分别与所述第三产品集合中各产品的相似度中低于预设相似度阈值的相似度的第二数量，基于所述第一数量和所述第二数量，确定所述待处理产品对应的影响因子if。

结合上一个实施方式，在某些可选的实施方式中，所述影响因子确定单元600基于所述第一数量和所述第二数量，确定所述待处理产品对应的影响因子if，具体被配置为执行：

基于公式if＝lgmax{efcount,1}-lgmax{wfcount,1}确定所述待处理产品对应的影响因子if，其中，所述efcount表示所述第一数量，wfcount所述第二数量，lg是以2为底的对数。

结合图1所示的实施方式，在某些可选的实施方式中，所述预测评分确定单元500，包括：预测评分确定子单元；

所述预测评分确定子单元，被配置为执行基于公式：

确定所述第二产品集合中各产品的预测评分sum_simpi，其中，spiqj是所述第二产品集合的产品pi与所述第三产品集合的产品qj的相似度，rqj是所述第三产品集合的产品qj的评分，i和j是产品的序号，l是所述第三产品集合的产品qj的个数。

本发明提供了一种存储介质，所述存储介质用于存储程序，所述程序被处理器执行时实现上述任一项所述的产品推荐方法。

如图3所示，本发明提供了一种电子设备70，所述电子设备70包括至少一个处理器701、以及与所述处理器701连接的至少一个存储器702、总线703；其中，所述处理器701、所述存储器702通过所述总线703完成相互间的通信；所述处理器701用于调用所述存储器702中的程序，所述程序至少用于实现上述任一项所述的产品推荐方法。本文中的电子设备可以是服务器、pc、pad、手机等。

所述产品推荐装置包括处理器和存储器，上述第一集合获得单元100、第二集合获得单元200、相似度确定单元300、第三集合获得单元400、预测评分确定单元500、影响因子确定单元600、优先度确定单元700和产品推荐单元800等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。

处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来优化产品相似度推荐算法，构建客户近期关注行为影响因子，有效改善传统实时推荐方法中将相似度作为推荐优先级而产生的局限性，提高推荐结果的可信度和准确度。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。

本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述产品推荐方法。

本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述产品推荐方法。

本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有上述的产品推荐方法包括的步骤的程序。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

在一个典型的配置中，设备包括一个或多个处理器(cpu)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。

存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。