移动网络的用户分组的制作方法

移动网络的用户分组


背景技术：

1.本发明总体上涉及移动网络领域，并且更具体地涉及识别移动网络的各个用户的分组。
2.自然语言处理(nlp)是已知的。截至2019年12月3日，“自然语言处理”的维基百科条目陈述如下：“自然语言处理(nlp)是语言学、计算机科学、信息工程、以及与计算机和人类(自然)语言之间的交互有关的人工智能的子领域，特别是如何对计算机进行编程以处理和分析大量自然语言数据。自然语言处理中的挑战经常涉及语音识别、自然语言理解和自然语言生成。”3.术语“国际移动用户标识”(imsi)是已知的。截至2019年12月3日，“国际移动用户标识”的维基百科条目陈述如下：“国际移动用户标识或imsi
……
是唯一地识别蜂窝网络的每个用户的数字。其被存储为64比特字段并且由移动设备发送到网络。其还用于在归属位置寄存器(hlr)中或者在访问者位置寄存器中本地拷贝时获取移动设备的其他细节。为了防止窃听者在无线电接口上识别和跟踪用户，尽可能少地发送imsi，并且代替地发送随机生成的tmsi
……
imsi通常呈现为15位数字，但是可以更短
……
。[移动网络代码]mnc的长度取决于[移动国家代码]mcc的值，并且建议长度在mcc区域内是一致的。剩余的数字是网络的客户群内的移动订阅标识号(msin)，根据mnc的长度，通常9至10位长。imsi符合itu e.212编号标准。”[0004]
术语“word2vec”是已知的。截至2019年12月4日，“word2vec”的维基百科条目陈述如下：“word2vec是用于产生单词嵌入的一组相关模型。这些模型是浅的、双层神经网络，其被训练以重建单词的语言上下文。word2vec将大的文本语料库作为其输入，并产生通常具有几百个维度的向量空间，语料库中的每个唯一词语被分配该空间中的对应向量。字向量位于向量空间中，使得在语料库中共享共同上下文的字在空间中彼此靠近。”

技术实现要素：

[0005]
本发明的实施例提供了一种用于识别移动网络的各个用户的分组的方法。这种方法可以是计算机实施的。本发明的实施例进一步提供一种计算机程序产品，包括当在处理器上执行时用于实施所提出的方法的计算机程序代码。本发明实施例还提供了一种适于执行该计算机程序代码的系统。
[0006]
本发明的实施例还提供一种用于识别移动网络的各个用户的分组的系统。根据本发明的实施例，提供了一种用于识别移动网络的各个用户的分组的方法。该方法包括从移动网络的一个或多个移动网络提供商获得交易数据记录。该方法还包括基于获得的交易数据记录识别多个用户出现，每个用户出现表示相关的用户在移动网络内的时间和位置的出现。该方法还包括对多个用户出现应用词嵌入(word embedding)以生成将多个用户出现映射到词汇表的词语的词嵌入模型。该方法还包括用自然语言处理nlp算法来处理词嵌入模型以识别移动网络的不同用户之间的关系。
[0007]
所提出的是用于通过在几个不同时间和位置使用它们的关联设备来识别移动通
信网络的用户的分组(例如，社交群组、共享兴趣群组等)的概念。本发明的一些实施例利用常规地由移动网络提供者收集的数据作为用于识别分组的信息的源。
[0008]
作为示例，对用户分组的识别可基于与移动网络的使用有关的数据。具体地，国际移动用户标识(imsi)、网络与移动设备之间的交互的时间戳、以及用于连接的网络的单元小区的标识符可以被用作用于识别移动网络的不同用户之间的关系的信息的重要来源。例如，利用这些数据变量，实施例可以被提供有足够的信息以将imsi关联到对应的用户，以及在特定时间窗口期间关联到特定的地点。在进行这种关联之后，可以确定并分析同现(co-occurrence)以识别用户和/或位置之间的关联(affinity)。
[0009]
一些实施例利用具有移动网络连接性能力的移动计算设备(例如，智能电话、平板、智能手表、膝上型计算机等)的广泛可用性和使用，以获得或访问可用于识别和验证用户之间的关系的大量信息。
[0010]
实施例解决了传统方法需要处理非常大量的imsi和小区id的问题(其产生许多可能的并发性)。特别地，一些实施例应用词嵌入模型，如已知的word2ve或glove模型，以关联由特定时间中的特定小区中的移动装置的同时激活引起的识别的用户出现。此外，一些实施例采用自然语言处理(nlp)模型用于词嵌入，其被设计为与大量文本语料库和大量词语词典一起工作。以此方式，一些实施例利用非常适合于从由移动网络提供商生成的大数据变量捕获关联模式的过程。
[0011]
本发明的一些实施例解决了来自移动网络提供商的大量交易数据记录(tdr)中的高水平的噪声和伪事件的问题，以便通过构建移动网络用户的群组来识别社交群组，并且这可以基于空间时间同现标准来完成。
[0012]
移动网络的广泛扩散提供了可以从中提取信息的大数据集。然而，数据的维度使得难以识别用户之间的社交关系。在一些实施例中，对数据集采用词嵌入技术提供了一种改进的方法，该方法可以潜在地提供关于用户分组和/或关系的有价值的信息。
[0013]
在一些实施例中，识别多个用户出现还包括：识别相对于时间或位置的用户出现的同现；以及基于识别的用户出现的同现，训练词嵌入和nlp算法中的至少一个。实施例因此采用学习技术来提高确定的准确度。
[0014]
交易数据记录包括关于以下各项的数据：与交易相关联的国际移动用户标识imsi；交易的时间；以及移动网络的单元小区的标识符。以这种方式，实施例利用经由移动网络提供商可容易获得的数据，因此减轻了生成新的和/或专有信息的需要。
[0015]
在一些实施例中，应用词嵌入包括采用词到向量(word2vec)模型来产生词嵌入。这有助于创建包含关于imsi的关系的信息的imsi的低维数表示。
[0016]
在一些实施例中，用nlp算法处理词嵌入模型包括：对于词嵌入模型的多个子集中的每个，将负采样算法应用于词嵌入模型的子集，以便确定用于用户出现的加权值。进一步，用nlp算法处理词嵌入模型还包括：基于所确定的权重值确定用于每个用户出现的向量。
[0017]
应用词嵌入包括用包括多个imsi的连续词包来训练词嵌入模型。这有助于训练来捕捉imsi之间的一个或多个关系。
[0018]
根据本发明的另一实施例，提供了一种用于识别移动网络的各个用户的分组的计算机程序产品，该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质具有
与其体现的程序指令，该程序指令可由处理单元执行以使处理单元在数据处理系统的至少一个处理器上执行时执行根据一个或多个实施例的方法。
[0019]
根据又一实施例，提供了一种处理系统，包括至少一个处理器和根据一个或多个实施例的计算机程序产品，其中，至少一个处理器适于执行所述计算机程序产品的计算机程序代码。
[0020]
根据本发明的另一实施例，提供了一种用于识别移动网络的各个用户的分组的系统。该系统包括接口组件，该接口组件被配置成从该移动网络的一个或多个移动网络提供商获得交易数据记录。系统还包括数据分析组件，数据分析组件被配置为基于获得的交易数据记录来识别多个用户出现，每个用户出现表示相关的用户在移动网络内的时间和位置的出现。该系统还包括词嵌入组件，其被配置为将词嵌入应用于多个用户出现，以生成将多个用户出现映射到词汇表的词语的词嵌入模型。该系统还包括被配置为利用nlp算法处理词嵌入模型以识别移动网络的不同用户之间的关系的处理单元。
[0021]
一些实施例结合现有和/或常规移动网络使用。例如，可以提供包括根据提出的实施例的系统的移动网络。可替代地，一些实施例在服务器设备中实现。这样的服务器设备是可经由互联网访问的基于云的服务器资源。
[0022]
根据一个方面，提供了一种计算机实现的方法，包括：从移动网络的一个或多个移动网络提供商获取交易数据记录；基于获取的交易数据记录，识别多个用户出现，其中，每个用户出现表示相关的用户在移动网络内的时间和位置的出现；向多个用户出现应用词嵌入以生成将多个用户出现映射到词汇表的词语的词嵌入模型；以及利用自然语言处理(nlp)算法来处理词嵌入模型以识别移动网络的不同用户之间的关系。
[0023]
根据另一个方面，提供了一种计算机程序产品，包括：机器可读存储设备；以及存储在机器可读存储设备上的计算机代码，该计算机代码包括用于使处理器组执行以下操作的指令和数据：从移动网络的一个或多个移动网络提供商获取交易数据记录，基于获得的交易数据记录识别多个用户出现，其中每个用户出现表示相关的用户在移动网络内的时间和位置的出现，向多个用户出现应用词嵌入以生成将多个用户出现映射到词汇表的词语的词嵌入模型，以及利用自然语言处理(nlp)算法来处理词嵌入模型以识别移动网络的不同用户之间的关系。
[0024]
根据另一个方面，提供了一种系统，该系统包括：接口组件，该接口组件被配置成用于从该移动网络的一个或多个移动网络提供商获得交易数据记录；数据分析组件，其被配置成基于获得的交易数据记录来识别多个用户出现，其中每个用户出现表示相关的用户在移动网络内的时间和位置的出现；词嵌入组件，其被配置为将词嵌入应用于多个用户出现，以生成将多个用户出现映射到词汇表的词语的词嵌入模型；以及处理单元，被配置为利用自然语言处理nlp算法来处理词嵌入模型以识别移动网络的不同用户之间的关系。
[0025]
附图简要说明
[0026]
现在将参考附图仅通过示例的方式来描述本发明的实施例，在附图中：
[0027]
图1是可以实现说明性实施例的方面的示例性分布式系统的图形表示；
[0028]
图2是根据本发明的一个实施例的分布式通信系统的示意图；
[0029]
图3是示出根据本发明的一些实施例的涉及创建其中可应用word2vec模型的输入数据集的步骤的流程图；以及
[0030]
图4是根据本发明的一个实施例的系统的框图。
具体实施方式
[0031]
本发明的一些实施例涉及识别移动网络的各个用户的分组。具体地，本发明的一些实施例被配置为从一个或多个移动网络提供商获得交易数据记录。另外，可通过应用词嵌入来捕捉数据中的关联模式来识别用户的分组。
[0032]
应当理解，附图仅是示意性的并且不是按比例绘制的。还应当理解的是，在整个附图中使用相同的附图标记来表示相同或相似的部件。
[0033]
在本技术的上下文中，当本发明的实施例构成方法时，应当理解的是，这样的方法可以是用于由计算机执行的过程，即.可以是计算机可实现的方法。因此，该方法的各个步骤可反映计算机程序的各个部分，例如。一个或多个算法的各个部分。
[0034]
此外，在本发明的上下文中，系统可以是适于执行本发明的方法的一个或多个实施例的单个设备或分布式设备的集合。例如，系统可以是个人计算机(pc)、服务器或经由诸如局域网、互联网等的网络连接的pc和/或服务器的集合，以协作地执行本发明的方法的至少一个实施例。进一步，组件可以是由一个或多个处理单元执行的集成流程。
[0035]
本发明的一些实施例认识到以下事实、潜在问题和/或潜在领域用于相对于现有技术的改进：(i)识别人群是常见的需求(例如，出于营销的目的)；(ii)对人分组的常规方法通常需要大量时间和/或计算资源；(iii)随着移动智能电话和物联网(iot)系统的广泛存在的最近技术革命已经创造了空前的可用数据量，引入分析人类社交交互的更多细节的可能性；(iv)用户与技术系统的交互可以生成记录用户的集体行为的大数据集；和/或(v)尽管数据集(以及因此可用信息)已经在体积上增加，但是噪声和假事件的水平也已经增加。
[0036]
在一些实施例中，移动网络包括移动网络通信系统，该系统包括多个服务器和经由由移动网络提供的通信链路连接到服务器的多个客户端(移动)计算设备。每个客户端(移动)计算设备可以与特定用户相关联，并且被配置为经由网络与移动网络提供者通信，该移动网络提供者使得能够与其他客户端(移动)计算设备通信。每个客户端(移动)计算设备可被指派对设备和/或相关联用户唯一的国际移动用户身份。
[0037]
下文呈现用于识别移动网络的各个用户的分组的实施例。采用这样的实施例来识别移动网络的用户之间的关系或关联。这对于克服来自移动网络供应商的大量交易数据记录(transaction data record，tdr)中的噪音和假事件是特别有益的。具体地，一些实施例采用词嵌入的应用以识别用户出现。
[0038]
通过示例的方式，一些实施例被配置为通过在不同时间在若干位置用户的关联设备的激活来识别用户的社交群组。这样的实施例利用由移动网络提供者收集的tdr作为数据源。分组的识别可基于关于移动网络的使用的相关数据。具体地，实施例使用关于国际移动用户标识(imsi)的信息、网络和移动设备之间的交互的时间戳、以及用于连接的网络的单元小区的标识符。使用这样的数据，imsi可以与移动网络中的用户出现相关联。
[0039]
作为示例，一些实施例利用word2vec机器学习概括能力来确定移动通信网络内的用户关系。这可以使用在网络内可用的tdr来构建表示用户的同现的训练数据集来完成。
[0040]
图1是可以实现说明性实施例的方面的示例性分布式系统的图形表示。分布式系
统100可包括其中可实现说明性实施例的方面的计算机网络。分布式系统100包含至少一个移动网络102，移动网络102是用于在分布式数据处理系统100内连接在一起的不同移动设备和计算机之间提供通信链路的介质。网络102可以包括诸如有线、无线通信链路或光纤电缆之类的连接。
[0041]
在所描绘的示例中，第一服务器104和第二服务器106与存储单元108连接到网络102。此外，客户端110、112和114也连接到网络102。客户端110、112和114可以是边缘设备，例如个人计算机、网络计算机、iot设备等。在所描绘的示例中，第一服务器104向客户端110、112和114提供诸如引导文件、操作系统映像和应用之类的数据。在所描绘的示例中，客户端110、112和114是第一服务器104的客户端。分布式处理系统100可包括额外的服务器、客户端和未示出的其他设备。
[0042]
在所描绘的示例中，分布式系统100是互联网，其中网络102表示使用传输控制协议/互联网协议(tcp/ip)协议组来彼此通信的网络和网关的全球集合。互联网的核心是主节点或主计算机之间的高速数据通信线路的主干，由数千个路由数据和消息的商业、政府、教育和其他计算机系统组成。当然，分布式系统100还可被实现为包括多个不同类型的网络，诸如例如内联网、局域网(lan)、广域网(wan)等。如上所述，图1旨在作为示例，而不是作为对本发明的不同实施例的架构限制，并且因此，图1中所示的特定元件不应当被认为是关于其中可以实现本发明的说明性实施例的环境的限制。
[0043]
本领域普通技术人员将理解，图1中的硬件可以取决于实现方式而变化。此外，举例实施例的过程可以应用于除了前面提到的系统之外的多处理器数据处理系统，而不脱离本发明的范围。
[0044]
此外，实施例可以采取许多不同数据处理系统中的任的形式，包括客户端计算装置、服务器计算装置、平板计算机、膝上型计算机、电话或其他通信装置、个人数字助理(pda)等。在一些说明性示例中，根据实施例的系统可以是便携式计算设备，其配置有闪存以提供用于存储操作系统文件和/或用户生成的数据的非易失性存储器。由此，根据所提出的实施例的系统可以基本上是任何已知的或以后开发的数据处理系统，而没有架构限制。
[0045]
所提出的实施例提供了一种用于识别移动网络的各个用户之间的关联的方法和系统。通过进一步解释，现在将关于包括多个用户3101、3102和多个网络提供者3301、3302的分布式通信系统来描述所提出的系统300的实施例。
[0046]
参见图2，描绘了根据实施例的分布式通信系统的示意图。通信系统包括根据实施例的用于识别移动网络的各个用户之间的关联的系统300。
[0047]
在该示例中，第一客户端3101和第二客户端3102被配置为经由网络335与第一网络提供者3301和第二网络提供者3302通信。第一网络提供者3301和第二网络提供者3302将交易数据记录保持在经由网络335可访问的数据库355中。作为示例，存储在数据库中的每个交易数据记录包括关于以下各项的数据：与每个交易相关联的imsi；交易的时间；以及移动网络的单元小区的标识符。
[0048]
系统300包括接口组件320，用于从一个或多个网络提供者获得tdr。在该实例中，从网络提供商获得tdr包括在数据库355中访问与该网络提供商相关联的tdr。
[0049]
系统300还包括数据分析组件322。数据分析组件322被配置成基于获得的交易数据记录来识别多个用户出现。这里，每个用户出现代表关联的用户在移动网络内的时间和
位置的出现，即tdr中用户的出现是设备和移动网络之间的交互。
[0050]
更具体地，在图2的示例性实施例中，数据分析组件322包括识别组件324，识别组件324被配置成识别用户出现相对于时间或位置的同现。数据分析组件322还包括训练组件325，该训练组件325被配置成基于所识别的用户出现的同现来训练词嵌入和nlp算法中的至少一个。
[0051]
系统300还包括词嵌入组件326，词嵌入组件326被配置为将词嵌入应用于多个用户出现，以生成将多个用户出现映射到词汇表的词语的词嵌入模型。作为示例，词嵌入组件326被配置成采用word2vec模型来产生词嵌入。此外，词嵌入组件326被配置成利用包括多个imsi的连续词袋(continuous bag of words)来训练词嵌入模型。
[0052]
系统300还包括处理单元328。处理单元328被配置为利用自然语言处理nlp算法来处理词嵌入模型以识别移动网络的不同用户之间的关系。具体地，在该示例中，处理单元328被配置为对于词嵌入模型的多个子集中的每个子集，将负采样算法应用于词嵌入模型的子集，以确定用于用户出现的加权值。基于确定的加权值，处理单元328然后确定每个用户出现的向量。
[0053]
通过所提出的概念的进一步解释和说明，根据实施例的方法的示例性实现方式可以包括以下三个基本步骤：
[0054]
(i)创建两个数据表输入，以利用来自检索的tdr的一系列数据库操作建立word2vec模型。这两个表中的第一个包含imsi的序列列表，并且这两个表中的第二个包含tdr中每个imsi的记录计数的分布。第一表格对应于nlp问题中的句子语料库，并且第二表格对应于词语在语料库中的出现的分布。作为示例，图3示出了涉及创建输入数据集的步骤，其中可应用word2vec模型。这里，最好将从网络提供者通常维护的客户关系管理记录中选择的imsi的子集加入tdr表。然而，对可以使用的数据表没有限制。可优选使用crm，因为在实践中，tdr中存在的一些imsi可能不是有用的。
[0055]
(ii)使用连续词袋(cbow)和负采样训练词嵌入模型。
[0056]
(iii)设置一个imsi，计算剩余的最相似的imsi的列表。这通过计算给定imsi与其他imsi之间的所有余弦相似性来完成。
[0057]
在完成以上三个步骤(i)-(iii)之后，可以识别在给定的位置花费更多时间但不能识别与特定位置相关联的相关模式的用户。这通过对word2vec(如“doc2vec”)应用小变化(small variation)来完成。将变化结果馈送到模型中，该模型被配置成学习文档矢量表示。由此，如果认为小区id是段落指示符(来自nlp类比)，则可以获得能够调整相似度计算并且预测最近的人-位置关联的标签/中心并且构建用于识别社交群组的相关集群。
[0058]
这些步骤因此可以总结如下：
[0059]
(a)类似地执行在以上三个步骤(i)-(iii)中描述的过程，唯一的差别是在最后从小区和时间标记创建唯一标识符。具体地，向小区(cell)id添加(在串的通常级联之后)一周中的一天和一天的时间段的标签。该新标签可以是doc2vec的段落指示符。
[0060]
(b)训练词嵌入模型，将位置id添加到上述步骤(ii)中的cbow。
[0061]
(c)给定一个imsi，计算网络中最相似的imsi的列表。但是，此时，添加该天的id位置和时段以获得与位置和时间相关的列表。
[0062]
从以上描述中将了解，所提出的实施例可经配置以通过识别人的社交群组来提供
关于移动网络的扩展功能性。具体地，实施例可被配置为监测不同位置中和不同时间的(用户相关的)装置的激活，并且这可使用来自移动网络供应商的tdr完成。例如，该tdr数据可包含imsi、时间戳和单元小区标识符。可通过应用词嵌入模型(例如word2vec)在数据中捕获关联模式来识别用户分组。
[0063]
一些实施例通过确定用户的共同出现(在给定时间帧内在特定小区id处发生多个imsi)通过排他性地定位用户与网络的交互来识别用户之间的关系。例如，可以基于从“imsi”、“小区id”和“时间戳”中提取的数据识别这种同现。该同现信息随后可用于训练word2vec模型，该word2vec模型又可用于确定经训练的模型与网络的其余用户之间的相似度关系。
[0064]
图3示出流程图400，其具有涉及创建输入数据集的步骤，其中根据本发明的一些实施例，可以应用word2vec模型。更具体地，流程图400包括以下：crm信息存储模块402、选择的imsi 404、聚合的内部加入imsi 406、tdr表存储器408、imsi聚合418、选择的时间戳/位置/imsi 420、时间戳存储器422、时间/位置/imsi聚合424、选择的imsi 426、数据字段存储器428和events表存储器430。
[0065]
此外，流程图400示出了根据本发明的一个实施例的方法，该方法包括以下操作(不一定按照以下顺序)：(i)按照降序对结果进行排序(操作410)；(ii)至少部分地基于记录的总数来归一化该结果(操作412)；(iii)将归一化的结果存储在pdf表中(操作414)；以及(iv)创建嵌入表(操作416)。
[0066]
图4是根据本发明的一个实施例的系统的框图。图4包括计算机系统70，它可以形成联网系统7的一部分。例如，根据实施例的被配置为基于所获得的交易数据记录来识别多个用户出现的数据分析组件可以在计算机系统70中实施(例如，作为处理单元71)。计算机系统/服务器70的组件可以包括但不限于一个或多个处理布置，例如包括处理器或处理单元71、系统存储器74和将不同系统组件(包括系统存储器74)耦合到处理单元71的总线90。
[0067]
系统存储器74可包括易失性存储器形式的计算机系统可读介质，诸如随机存取存储器(ram)75和/或高速缓存76。系统存储器74还包括存储系统77。计算机系统/服务器70还可以包括其他可移动/不可移动、易失性/非易失性计算机系统存储介质。在这样的情况下，每一个可以通过一个或多个数据介质接口连接到总线90。存储器74可以包括至少一个程序产品，该程序产品具有被配置为执行所提出的实施例的功能的一组(例如，至少一个)程序模块。例如，存储器74可包括计算机程序产品，该计算机程序产品具有可由处理单元71执行的程序，以使输入/输出(i/o)接口72执行根据提出的实施例的用于识别移动网络的各个用户的分组的方法。
[0068]
具有一组(至少)程序模块79的程序/实用程序78可以存储在存储器74中。程序模块79通常执行所提出的实施例的功能和/或方法以用于对存储器的部分写入操作。
[0069]
计算机系统/服务器70还可以与一个或多个外部设备80(例如键盘、定点设备、显示器85等)、使用户能够与计算机系统/服务器70交互的一个或多个设备、和/或使计算机系统/服务器70能够与一个或多个其他计算设备通信的任何设备(例如，网卡、调制解调器等)通信。这种通信可经由输入/输出(i/o)接口72发生。此外，计算机系统/服务器70可以经由网络适配器73与诸如局域网(lan)、通用广域网(wan)和/或公共网络(例如，互联网)的一个或多个网络通信(例如，以向分布式网络的边缘设备传递dfwf的确定的最佳值)。
[0070]
在本技术的上下文中，当本发明的实施例构成方法时，应当理解的是，这样的方法是用于由计算机执行的过程，即是一种计算机可实现的方法。因此，该方法的步骤反映计算机程序的各个部分，例如，一个或多个算法的部分。
[0071]
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可包括其上具有用于使处理器执行本发明的各方面的计算机可读程序指令的计算机可读存储介质(或多个介质)。
[0072]
计算机可读存储介质可为可保留和存储供指令执行装置使用的指令的有形装置。计算机可读存储介质可以是，例如但不限于，电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备、或者上述的任意合适的组合。计算机可读存储介质的更具体示例的非穷尽列表包括以下各项：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、存储级内存(scm)、静态随机存取存储器(sram)、便携式紧凑盘只读存储器(cd-rom)、数字通用盘(dvd)、记忆棒、软盘、诸如穿孔卡或者具有记录在其上的指令的凹槽中的凸起结构之类的机械编码设备、以及上述各项的任何合适的组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，例如无线电波或其他自由传播的电磁波、通过波导或其他传输媒体传播的电磁波(例如，穿过光纤电缆的光脉冲)或通过电线发射的电信号。
[0073]
本文中所描述的计算机可读程序指令可以经由网络(例如，互联网、局域网、广域网和/或无线网络)从计算机可读存储介质下载到相应的计算/处理设备，或者下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口接收来自网络的计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
[0074]
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或以一种或多种程序设计语言的任何组合编写的源代码或目标代码，这些程序设计语言包括面向对象的程序设计语言(诸如smalltalk、python、c++等)、以及常规的过程式程序设计语言(诸如“c”程序设计语言或类似程序设计语言)。计算机可读程序指令可以完全地在用户计算机上执行、部分在用户计算机上执行、作为独立软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可通过任何类型的网络(包括局域网(lan)或广域网(wan))连接至用户计算机，或者可连接至外部计算机(例如，使用互联网服务提供商通过互联网)。
[0075]
在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)的电子电路可以通过利用计算机可读程序指令的状态信息来使电子电路个性化来执行计算机可读程序指令，以便执行本发明的各方面。
[0076]
下面将参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。这些计算机可读程序指令可被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现在流程图和/或框图的或多
个框中指定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置、和/或其他设备以特定方式工作，从而，其中存储有指令的计算机可读存储介质包括包含实现流程图和/或框图中的一个或多个方框中规定的功能/动作的方面的指令的制造品。
[0077]
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的处理，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
[0078]
附图中的流程图和框图示出了根据本发明的不同实施例的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。对此，流程图或框图中的每个框可表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些备选实现中，框中标注的功能可以不按照图中标注的顺序发生。例如，取决于所涉及的功能，连续示出的两个块实际上可以基本上同时执行，或者这些块有时可以以相反的顺序执行。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作或执行专用硬件与计算机指令的组合的专用的基于硬件的系统来实现。
[0079]
已经出于说明的目的呈现了本发明的各种实施方式的描述，但并不旨在是详尽的或者限于所公开的实施方式。在不脱离所描述的实施例的范围和精神的情况下，许多修改和变化对本领域普通技术人员将是显而易见的。这里使用的术语被选择来最好地解释实施例的原理、实际应用或对在市场中找到的技术的技术改进，或者使得本领域普通技术人员能够理解这里公开的实施例。
[0080]
下文呈现一些有用的定义。
[0081]
本发明：不应被视为由术语“本发明”描述的主题由提交的权利要求或由在专利审查之后最终发布的权利要求覆盖的绝对指示；虽然术语“本发明”用于帮助读者获得普遍的感觉，在此对这些感觉的披露内容被认为是潜在新的，如由术语“本发明”的使用所指示的，这种理解是暂时性的和临时性的，并且在专利审查过程中随着相关信息发展并且随着权利要求被潜在修改而经历改变。
[0082]
实施例：参见以上“本发明”的定义-相似的注意事项适用于术语“实施例”。
[0083]
和/或：包括或；例如，a、b“和/或”c表示a或b或c中的至少一个是存在的并且适用的。
[0084]
包括(including)/包括(include)/包括(includes)：除非另有明确说明，是指“包括但不限于”。