报告结论智能生成方法、装置及计算机可读存储介质与流程

1.本发明涉及计算机应用技术领域，尤其涉及报告结论智能生成方法、装置及计算机可读存储介质。


背景技术：

2.公司价值服务团队，需要定期给客户输出产品支持服务的成果，能够将服务交付的各种指标及时向客户透明，提高客户对公司服务价值的感知，在交付过程中，需要同时基于服务工单数据、告警数据、产品业务指标数据等进行盘点分析。
3.但是在分析的过程中交付人员会面临以下痛点：分析结论不知道怎么写，业务点繁多，交付人员业务知识点不能面面俱到，而新的人员入职，需要理解所有的业务点，前期培训成本比较大；针对不同的客户，很多维度的数据逻辑及分析逻辑都相同，但是数据内容不同，分析结论不同，如果分析结论一个个去编写，会耗费大量的人力；个人写的分析结论比较片面，每个人有每个人的想法，但是自己的想法可能没有代表性，需要综合其他人员写的结论，进行参考，归纳出更合适、更有意义的分析结论。


技术实现要素：

4.本发明的主要目的在于提供一种报告结论智能生成方法、装置及计算机可读存储介质，旨在解决如何在报告分析过程中更加快速地归纳出最佳的分析结论的技术问题。
5.为实现上述目的，本发明提供一种报告结论智能生成方法，所述报告结论智能生成方法包括以下步骤：接收报告结论分析请求，获取所述报告结论分析请求中包含的配置信息；基于预设知识库，调用预设的智能分析组件对所述配置信息进行分析以得到智能分析结果；根据所述配置信息获取智能分析结果中包含的报告结论；根据所述配置信息中包含的报告结论指定位置向智能分析报告中添加所述报告结论。
6.可选地，所述配置信息包括数据集信息，所述获取所述报告结论分析请求中包含的配置信息的步骤之后包括：根据所述配置信息中的数据集信息选定对应的预设的智能分析组件。
7.可选地，所述调用预设的智能分析组件对所述配置信息进行分析以得到智能分析结果的步骤包括：调用预设的智能分析组件对所述数据集信息进行逐层分析以得到业务层分析结果，将所述业务层分析结果视为智能分析结果。
8.可选地，所述调用预设的智能分析组件对所述数据集信息进行逐层分析的步骤包括：调用预设的智能分析组件对所述数据集信息进行逻辑抽象基础分析、数据集维度
分析和业务层分析。
9.可选地，所述预设的智能分析组件包括基础分析组件，所述调用预设的智能分析组件对所述数据集信息进行逻辑抽象基础分析的步骤包括：调用所述基础分析组件对所述数据集信息进行逻辑抽象基础分析，以得到逻辑抽象基础分析结果。
10.可选地，所述预设的智能分析组件还包括维度分析组件，所述得到逻辑抽象基础分析结果的步骤之后包括：调用所述维度分析组件对所述逻辑抽象基础分析结果进行数据集维度分析，以得到数据集维度分析结果。
11.可选地，所述预设的智能分析组件还包括业务层分析组件，所述得到数据集维度分析结果的步骤之后包括：调用所述业务层分析组件对所述数据集维度分析结果进行业务层分析，以得到所述业务层分析结果。
12.可选地，所述预设的智能分析组件还包括概览分析组件，所述得到所述业务层分析结果的步骤之后包括：调用所述概览分析组件对所述业务层分析结果进行分类整合，以生成所述智能分析报告的概览页面。
13.此外，为实现上述目的，本发明还提供一种报告结论智能生成装置，所述报告结论智能生成装置包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的报告结论智能生成程序，所述报告结论智能生成程序被所述处理器执行时实现如上所述的报告结论智能生成方法的步骤。
14.此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有报告结论智能生成程序，所述报告结论智能生成程序被处理器执行时实现如上所述的报告结论智能生成方法的步骤。
15.本发明提出一种报告结论智能生成方法、装置及计算机可读存储介质，所述报告结论智能生成方法的提出，符合实际生产的多样的分析需求，有效地增加了实际生产的效率。用户侧不需编写代码，不用每个报告一个个写分析结论，只需配置自己需要的分析结论，然后自动化生成。后台会根据用户的需求，安排算法工程师不断地增加服务内容，并提供接口给用户使用即可，此工作是一个累加的过程，能够为用户提供丰富的报告结论智能分析能力。
附图说明
16.图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；图2为本发明报告结论智能生成方法第一实施例的流程示意图；图3为本发明第一实施例中从数据层到应用层智能分析的流程示意图；图4为本发明第一实施例中以产品_故障分析与诊断为例实现智能分析的流程示意图。
17.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
18.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
19.本发明实施例的主要解决方案是：一种报告结论智能生成方法，所述报告结论智能生成方法包括以下步骤：接收报告结论分析请求，获取所述报告结论分析请求中包含的配置信息；基于预设知识库，调用预设的智能分析组件对所述配置信息进行分析以得到智能分析结果；根据所述配置信息获取智能分析结果中包含的报告结论；根据所述配置信息中包含的报告结论指定位置向智能分析报告中添加所述报告结论。
20.由于在报告结论分析的过程中交付人员会面临以下痛点：分析结论不知道怎么写，业务点繁多，交付人员业务知识点不能面面俱到，而新的人员入职，需要理解所有的业务点，前期培训成本比较大；针对不同的客户，很多维度的数据逻辑及分析逻辑都相同，但是数据内容不同，分析结论不同，如果分析结论一个个去编写，会耗费大量的人力；个人写的分析结论比较片面，每个人有每个人的想法，但是自己的想法可能没有代表性，需要综合其他人员写的结论，进行参考，归纳出更合适、更有意义的分析结论。
21.本发明提供一种报告结论智能生成方法，符合实际生产的多样的分析需求，有效地增加了实际生产的效率。用户侧不需编写代码，不用每个报告一个个写分析结论，只需配置自己需要的分析结论，然后自动化生成。后台会根据用户的需求，安排算法工程师不断地增加服务内容，并提供接口给用户使用即可，此工作是一个累加的过程，能够为用户提供丰富的报告结论智能分析能力。
22.如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。
23.本发明实施例终端可以是pc，也可以是智能手机、平板电脑、便携计算机等可移动式终端设备。
24.如图1所示，该终端可以包括：处理器1001，例如cpu，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（display）、输入单元比如键盘（keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如wi-fi接口）。存储器1005可以是高速ram存储器，也可以是稳定的存储器（non-volatile memory），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
25.可选地，终端还可以包括摄像头、rf（radio frequency，射频）电路，传感器、音频电路、wifi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上（一般为三轴）加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用（比如横竖屏切换、相关游戏、磁力计姿态校准）、振动识别相关功能（比如计步器、敲击）等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。
26.本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
27.如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及报告结论智能生成程序。
28.在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端（用户端），与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的报告结论智能生成程序，并执行以下操作：接收报告结论分析请求，获取所述报告结论分析请求中包含的配置信息；基于预设知识库，调用预设的智能分析组件对所述配置信息进行分析以得到智能分析结果；根据所述配置信息获取智能分析结果中包含的报告结论；根据所述配置信息中包含的报告结论指定位置向智能分析报告中添加所述报告结论。
29.进一步地，处理器1001可以调用存储器1005中存储的报告结论智能生成程序，还执行以下操作：所述配置信息包括数据集信息，所述获取所述报告结论分析请求中包含的配置信息的步骤之后包括：根据所述配置信息中的数据集信息选定对应的预设的智能分析组件。
30.进一步地，处理器1001可以调用存储器1005中存储的报告结论智能生成程序，还执行以下操作：所述调用预设的智能分析组件对所述配置信息进行分析以得到智能分析结果的步骤包括：调用预设的智能分析组件对所述数据集信息进行逐层分析以得到业务层分析结果，将所述业务层分析结果视为智能分析结果。
31.进一步地，处理器1001可以调用存储器1005中存储的报告结论智能生成程序，还执行以下操作：所述调用预设的智能分析组件对所述数据集信息进行逐层分析的步骤包括：调用预设的智能分析组件对所述数据集信息进行逻辑抽象基础分析、数据集维度分析和业务层分析。
32.进一步地，处理器1001可以调用存储器1005中存储的报告结论智能生成程序，还执行以下操作：所述预设的智能分析组件包括基础分析组件，所述调用预设的智能分析组件对所述数据集信息进行逻辑抽象基础分析的步骤包括：调用所述基础分析组件对所述数据集信息进行逻辑抽象基础分析，以得到逻辑抽象基础分析结果。
33.进一步地，处理器1001可以调用存储器1005中存储的报告结论智能生成程序，还执行以下操作：所述预设的智能分析组件还包括维度分析组件，所述得到逻辑抽象基础分析结果的步骤之后包括：
调用所述维度分析组件对所述逻辑抽象基础分析结果进行数据集维度分析，以得到数据集维度分析结果。
34.进一步地，处理器1001可以调用存储器1005中存储的报告结论智能生成程序，还执行以下操作：所述预设的智能分析组件还包括业务层分析组件，所述得到数据集维度分析结果的步骤之后包括：调用所述业务层分析组件对所述数据集维度分析结果进行业务层分析，以得到所述业务层分析结果。
35.进一步地，处理器1001可以调用存储器1005中存储的报告结论智能生成程序，还执行以下操作：所述预设的智能分析组件还包括概览分析组件，所述得到所述业务层分析结果的步骤之后包括：调用所述概览分析组件对所述业务层分析结果进行分类整合，以生成所述智能分析报告的概览页面。
36.参照图2，本发明第一实施例提供一种报告结论智能生成方法，所述报告结论智能生成方法包括：步骤s10，接收报告结论分析请求，获取所述报告结论分析请求中包含的配置信息；本实施例中，执行主体为报告结论智能生成系统，该系统是基于python语言进行构建的。所述报告结论分析请求由正在使用所述报告结论智能生成系统的用户发出，系统在接收到该请求后，会获知用户需要分析的内容、想得到的结论以及智能分析结论应该填写在报告的哪个位置。
37.本实施例中，所述配置信息包括数据集信息，即用户选定的需要分析的数据集，步骤s10之后包括：根据所述配置信息中的数据集信息选定对应的预设的智能分析组件。
38.需要说明的是，本实施例中，需要提前进行标准化数据集的设置，因为每个基础分析内容都需要传入标准的分析数据集。
39.步骤s20中需要使用的逻辑抽象基础分析组件，需设定标准的数据传送样式，需要约定的内容为：传送的数据列数，传送的数据类型，传送的数据行数等，如果传送数据不满足条件会传送相关的信息给前台，提示用户不能使用此分析组件的原因。
40.数据选择的时候需要使用者了解逻辑抽象基础分析组件需要传送的数据样式，页面相应的地方也会给用户提醒。
41.步骤s20，基于预设知识库，调用预设的智能分析组件对所述配置信息进行分析以得到智能分析结果；需要说明的是，本实施例提供一种报告结论智能分析自动生成的方法，该方法充分使用python的pandas、numpy等基础包的数据分析能力，提炼基础的逻辑抽象基础分析，再根据传送的数据进行基于数据集的自动分析，然后提供给业务层面的单维度应用，同时还能提供整个报告所有数据集的概览分析。在进行各种报告分析时，积累了大量的文本分析数据，在提供产品支持服务的时候也积累了很多人工填写的各类告警事件单、客户咨询
单、客服故障单等文本数据资产，本文对这些文本数据进行挖掘，形成特有的知识库体系，提供给报告智能分析部分维度使用。所述预设知识库的构建包括数据源的获取、告警原因分析及告警解决分类算法的实现、结果归纳、结果入口等步骤。
42.本实施例中，步骤s20包括：调用预设的智能分析组件对所述数据集信息进行逐层分析以得到业务层分析结果，将所述业务层分析结果视为智能分析结果。
43.具体地，所述调用预设的智能分析组件对所述数据集信息进行逐层分析的步骤包括：调用预设的智能分析组件对所述数据集信息进行逻辑抽象基础分析、数据集维度分析和业务层分析。
44.本实施例中，所述预设的智能分析组件包括基础分析组件、维度分析组件、业务层分析组件和概览分析组件。
45.所述得到业务层分析结果的步骤包括：调用所述基础分析组件对所述数据集信息进行逻辑抽象基础分析，以得到逻辑抽象基础分析结果；调用所述维度分析组件对所述逻辑抽象基础分析结果进行数据集维度分析，以得到数据集维度分析结果；调用所述业务层分析组件对所述数据集维度分析结果进行业务层分析，以得到所述业务层分析结果。
46.需要说明的是，所述基础分析组件为逻辑抽象基础分析模块，用于提供基础分析服务。数据分析底层的数据分析维度主要是量化数据、分析数据变化、选取符合特征的数据标签、计量对比等，本实施例中把这些分析维度细化，封装成接口，提供上层应用。
47.现阶段封装的基础分析组件样例如下：获取top值的标签名：根据数值列升序(降序)，返回排名top3(top5)的标签名；占比分析：根据数据值，选取特定标签的数据量占比；获取top值的标签名及占比：根据数值列升序(降序)，返回排名top3(top5)的标签名及占比；总量分析：根据条件筛选，返回数值的和；计算均值：根据条件筛选，返回符合条件数值的均值；频次分析：根据条件筛选，返回符合条件标签的频次；筛选按数值条件筛选：根据数据值，返回大于(小于)筛选数值的标签名；筛选按特定条件筛选：根据数据值，返回数据值大于数据均值、小于数据均值、大于众数、小于众数等的标签名；获取筛选条件的标签列的数值占比：根据标签，筛选符合条件的标签行的数据值占比；趋势分析：根据标签及数值，返回数据变化定性规律，上升、下降、先升后降、先降后升等；知识库匹配：选择需要匹配的知识库类型，输入，返回匹配的主要问题点及建议的解决方法。
48.现阶段已经封装39个逻辑抽象基础分析能力，实际生产需要添加的逻辑抽象基础分析方法，都按此模块的框架方法提供使用，使用过程根据选择数据，选择需要的逻辑抽象基础分析控件。
49.需要说明的是，所述维度分析组件为数据集分析抽象模块，用于提供数据集维度分析服务。
50.基于数据集维度分析结论不仅需要逻辑抽象的结果，还需基于数据集的特定表述语言，数据集分析抽象主要实现单维度数据集的分析，实现方法是我司的智能报告服务平台，文本控件+抽象分析控件的方法，平台传入的是填写的文本空间的内容，选择抽象空间选定分析的数据，然后进行拉取拼接，形成对应数据集维度的分析方法。
51.现阶段已经实现189个维度的数据集抽样分析方法，提供实际生产使用。
52.需要说明的是，所述业务层分析组件为业务层分析抽象模块。
53.面向业务层使用，一个业务层分析与多个数据相关，业务层分析抽象是基于数据分析抽象，实现方法为选定业务层需要的数据集，然后指定每个维度数据集分析抽象的方法，最后的结果即为每个数据分析结果的拼接。
54.用户需要在前端选择本业务维度需要的数据集，经过数据层到应用层的分析后即可得到最终的分析结果，即包含了所述报告结论的智能分析结果。
55.基于上述流程，即可实现数据层到应用层的智能分析，以业务层应用为基础单位，每个业务层应用包含多个数据集，每个数据集对应一种智能分析方法，每个数据集的智能分析方法可以包含多个逻辑抽象基础分析模块。
56.参照图3，图3为本实施例中从数据层到应用层智能分析的流程示意图，假设用户选择的数据集包括应用支持数据、产品支持数据和业务分析数据，那么逻辑抽象基础分析模块会对上述数据集进行获取top、占比分析、均值分析、总量分析、频次分析、趋势分析、求和计量分析、知识库匹配、阈值筛选、因果匹配等操作，并将得到的结果提供给数据集分析抽象模块执行故障量及故障率月度趋势分析、各告警类别占比分析、个人审批量排行榜分析、各子系统数据巡检结果分析、系统健康度得分分析、签约周期分析、数据巡检不通过规则分析等操作，并将得到的结果提供给业务层分析抽象模块执行产品_故障分析与诊断、销售系统账号使用情况、审批效率分析等操作，最终得到能够应用的报告结论，即报告页标题分析、报告页概览分析、报告页详情分析、报告页小结分析、报告首页分析等。
57.此外，本实施例中，步骤s20之后包括：调用所述概览分析组件对所述业务层分析结果进行分类整合，以生成所述智能分析报告的概览页面。
58.需要说明的是，所述概览分析组件即概览分析模块，在进行分析报告输出的时候，最前页通常为概览页，概览页是对整个分析报告所有内容的总结与归纳，需要考虑的是整篇报告的分析数据，如果单维度对概览页进行智能分析，需要一次传送报告全部的数据，传送量非常大，性能压力大，且计算速度不是很快。最后概览页智能分析我们采用的是分而治之的方法，把概览页分析内容进行拆分，在进行单业务层维度智能分析时候，留一个接口返回概览页需要的分析结论，最后的概览页智能分析通过提供整合服务的方式，进行概览页内容的智能分析。此实现方法避免整个报告数据内容的多次传送，完成分析内容的同时，没
有额外增加数据传送及增加大的计算量，效率非常高。
59.本实施例中，还可以直接调用所述预设知识库实现智能分析。
60.具体地，相关维度数据分析需要用到知识库的时候，从入库的知识库表获取相关维度的知识库内容，进行实际生产数据与知识库内容的匹配，得到最后的分析结果，实现数据价值输出。
61.如在进行月度工单类型分析，需要达到的目标是告知客户本月产品故障主要问题点及建议的解决方法，实际生产实现步骤：（1）数据获取：工单详情数据，产品故障支持知识库内容；（2）“工单细类”匹配“相似问题”，定位到“标准问题”；（3）根据“标准问题”对“工单量”求和记为“总工单量”；（4）对“总工单量”排序，取前三：“标准问题”+“建议方案”；（5）输出结论。
62.通过上述方法，能实现3条线的智能分析：基于数据集的智能分析、基于知识库的智能分析和基于全局的概览分析。
63.实现过程只需利用本实施例中提供的报告结论智能生成系统配置智能分析场景、配置数据集、配置基础分析组件及文本写入表述性语言，在生成报告的时候就能秒级展示智能分析结果。
64.参照图4，图4为本实施例中以产品_故障分析与诊断为例实现智能分析的流程示意图，从左至右数据集分别为第一组数据集“故障量及故障率月度趋势”，第二组数据集“故障工单的类型分布”和第三组数据集“故障sla月度趋势”；对应的产品故障支持_知识库数据分别为“月份2021-02，工单量1754，故障量78，故障率4.45%”“故障类型为环境故障，对应的故障细类为客户端环境问题，工单量为33；故障类型为程序故障，对应的故障细类为程序异常，工单量为32；故障类型为接口异常，对应的故障细类为第三方接口异常，工单量为9；故障类型为环境故障，对应的故障细类为服务器环境胃疼，工单量为4”和“月份2021-02，sla98.72，目标值99，达标值95”；由第一组数据集及其对应的知识库数据可以得出title为本月的故障率较低，还可以得出detail_1即本月的故障率趋势分析“系统的稳定性较好，本月故障率为4.45%”；由第二组数据集及其对应的知识库数据可以得出detail_2即产品故障说明“产品故障：异常都已经提交问题单至研发进行排查根治”；由第三组数据集及其对应的知识库数据可以得出detail_3即故障解决sla分析“本月故障解决sla为98.72%，达标”。基于上述title自动生成的报告结论最终标题title_last为“本月的故障率较低”；基于上述detail_1、detail_2和detail_3分析得出最终概要summary_last为“需重点关注高频发生的故障，推动进行故障根治，维持高sla解决达成率”；将上述detail_1、detail_2和detail_3合并得到最终详情detail_last为“本月故障率趋势分析：系统的稳定性较好，本月故障率为4.45%。产品故障说明：产品故障：异常都已经提交问题单至研发进行排查根治。
65.故障解决sla分析：本月故障解决sla为98.72%，达标。”步骤s30，根据所述配置信息获取智能分析结果中包含的报告结论；可以理解的是，智能分析结果中包含了许多由不同数据集产生的不同的报告结论，但是用户只需要其中的一部分，用户的获取需求也可以从所述配置信息中得知，根据用户需求获取用户需要的报告结论即可。
66.步骤s40，根据所述配置信息中包含的报告结论指定位置向智能分析报告中添加所述报告结论。
67.可以理解的是，前文已说明所述配置信息中包括了用户指定的智能分析结论填写位置这一信息，当成功获知报告结论后，只需将其填写在智能分析报告中的用户指定位置即可。
68.在本实施例中，上述所有过程，用户侧都不用参与代码测编写，只需前台配置需要分析的内容，及想得到的结论，并指定智能分析结论在报告的位置，生成报告的时候就能实现智能分析，自动填写分析结论，用户不需要再编写。依附于我司的报告平台，智能分析内容可以在多种文件格式的中展示，ppt、word、pdf等等。
69.对于定期报告和同样分析逻辑的报告，用户也只需设置一次报告模板，后期按设置的报告计划，定期生成需要的报告(报告可以是ppt、word、pdf等多种形式)。
70.本实施例中提出的一种报告结论智能生成方法，对于企业能大大节约人工成本，例如某公司交付团队，每个月需要向2000人以上的客户输出产品与应用支持服务月报，还有季报、半年报、年报，还有产品支持事件排查报告、安全风险告知函等，如果分析内容都人工写，会耗费大量的人工成本，现用此方法，实现了秒级生成报告，工程师只需查看报告，进行部分个性化的修改，就能完成报告，并发送给客户，一份报告的工作时间从小时级别压缩到分钟级。
71.本实施例中提出的一种报告结论智能生成方法，能符合实际生产的多样的分析需求，实际生产效率高。用户侧不需编写代码，不用每个报告一个个写分析结论，只需配置自己需要的分析结论，然后自动化生成。后台会根据用户的需求，算法工程师不断地增加服务内容，并提供接口给用户使用即可，此工作是一个累加的过程，提供丰富的智能分析能力。
72.此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有报告结论智能生成程序，所述报告结论智能生成程序被处理器执行时实现如上所述任一实施例中报告结论智能生成方法的步骤。
73.需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
74.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
75.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
76.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。