一种岗位推荐方法、装置、可读存储介质和电子设备与流程

1.本公开涉及计算机技术领域，尤其是一种岗位推荐方法、装置、可读存储介质和电子设备。


背景技术：

2.当前社会大学生就业情况严峻，职业教育学生更是如此，据根据官方公布的数据显示，在2022年全国高校应届毕业生人数已经达到了1100万人以上，与2021年相比同比增长了100万人以上。就业市场竞争大，企业招聘的名额有限，对于职业教育学生来说，入学时比较迷茫，对于专业并没有一个定义以及对于未来的方向性。而目前的就业推荐还是利用筛选机制，或是点击次数按照多次点击来获取常数的方式来进行推荐，这样的方式在针对学生就业方面并不智能、并没有一个指向性建议。
3.在院校方面分析，现目前院校对于专业的介绍来自于院校与企业的对接，不过院校与企业之间存在滞后，而在未来院校在行业发展与趋势以及人才的要求和需求方面需要更加贴近企业，以提高毕业生质量来满足企业需求才是最有价值的。


技术实现要素：

4.为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种岗位推荐方法、装置、可读存储介质和电子设备。
5.根据本公开实施例的一个方面，提供了一种岗位推荐方法，包括：
6.显示与用户信息匹配的第一岗位数据，所述第一岗位数据包括至少一个岗位特性信息；
7.获取用户针对所述任一个或多岗位特性信息的点击次数和浏览时间；
8.根据所述点击次数和浏览时间，显示第二岗位数据，所述第二岗位数据包括至少一个推荐岗位的岗位信息；
9.根据所述用户的目标岗位的岗位信息、用户信息向所述用户推荐与所述目标岗位匹配的目标课程信息，其中，所述目标岗位为用户选定的任一个所述推荐岗位。
10.根据本公开实施例的另一个方面，提供了一种岗位推荐装置，包括：
11.第一显示模块，用于显示与用户信息匹配的第一岗位数据，所述第一岗位数据包括至少一个岗位特性信息；
12.获取模块，用于获取用户针对所述任一个或多岗位特性信息的点击次数和浏览时间；
13.第一推荐模块，用于根据所述点击次数和浏览时间，显示第二岗位数据，所述第二岗位数据包括至少一个推荐岗位的岗位信息；
14.第二推荐模块，用于根据所述用户的目标岗位的岗位信息、用户信息向所述用户推荐与所述目标岗位匹配的目标课程信息，其中，所述目标岗位为用户选定的任一个所述推荐岗位。
15.根据本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述岗位推荐方法。
16.根据本公开实施例还提供了一种电子设备，所述电子设备包括：
17.处理器；
18.用于存储所述处理器可执行指令的存储器；
19.所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述岗位推荐方法。
20.基于本公开上述实施例提供的一种岗位推荐方法、装置、可读存储介质和电子设备，获取用户针对所述任一个或多岗位特性信息的点击次数和浏览时间；根据所述点击次数和浏览时间，显示第二岗位数据，所述第二岗位数据包括至少一个推荐岗位的岗位信息；根据所述用户的目标岗位的岗位信息、用户信息向所述用户推荐与所述目标岗位匹配的目标课程信息，利用用户信息、岗位信息等使用户情况与岗位进行匹配，使匹配出来的数据更加的贴近客户需求，此外，更加贴近企业，以企业所需来对应用户所学，以提高用户个人能力来满足企业需求。
21.下面通过附图和实施例，对本公开的技术方案做进一步的详细描述。
附图说明
22.通过结合附图对本公开实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
23.图1是本公开一示例性实施例提供的岗位推荐方法的流程示意图。
24.图2是本公开另一示例性实施例提供的岗位推荐方法的流程示意图。
25.图3是本公开另一示例性实施例提供的岗位推荐方法的流程示意图。
26.图4是本公开一示例性实施例提供的岗位推荐装置的结构示意图。
27.图5是本公开一示例性实施例提供的电子设备的结构图。
具体实施方式
28.下面，将参考附图详细地描述根据本公开的示例实施例。显然，所描述的实施例仅仅是本公开的一部分实施例，而不是本公开的全部实施例，应理解，本公开不受这里描述的示例实施例的限制。
29.应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
30.本领域技术人员可以理解，本公开实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
31.还应理解，在本公开实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
32.还应理解，对于本公开实施例中提及的任一部件、数据或结构，在没有明确限定或
者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
33.另外，本公开中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本公开中字符“/”，一般表示前后关联对象是一种“或”的关系。
34.还应理解，本公开对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
35.同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
36.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。
37.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
38.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
39.本公开实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
40.终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
41.示例性方法
42.图1是本公开一示例性实施例提供的岗位推荐方法的流程示意图。本实施例可应用在电子设备上，如图1所示，包括如下步骤：
43.步骤101，显示与用户信息匹配的第一岗位数据，所述第一岗位数据包括至少一个岗位特性信息。
44.步骤102，获取用户针对所述任一个或多岗位特性信息的点击次数和浏览时间。
45.步骤103，根据所述点击次数和浏览时间，显示第二岗位数据，所述第二岗位数据包括至少一个推荐岗位的岗位信息。
46.步骤104，根据所述用户的目标岗位的岗位信息、用户信息向所述用户推荐与所述目标岗位匹配的目标课程信息，其中，所述目标岗位为用户选定的任一个所述推荐岗位。
47.在一些实施例中还可以包括如下步骤：基于所述目标岗位的岗位信息、所述用户信息以及所述目标岗位所属企业的企业信息，通过神经网络模糊算法确定针对所述用户的所述目标岗位的职业发展数据。
48.在另一些实施例中，用户信息包括第一类信息和第二类信息，所述第一类信息包括用户名、电话号码、就读院系、学历信息，所述第二类信息包括专业和技术爱好信息，基于此，本发明还可以包括如下步骤：确定第一预设数据库中是否包括有所述第一类信息中的就读院系的信息；如确定没有包括所述就读院系的信息，则在第二预设数据库中对所述第二类信息进行模糊搜索，得到与所述第二类信息的近似数据的信息，其中，所述第二预设数据库包括多个专业的专业信息，接收所述用户从所述近似数据中选择的目标数据，并存储至第三预设数据库。示例性地，举例而言，将用户的相关信息进行分类，形成不同集合，例如如下：
49.a＝用户文件夹、b＝通用数据集合、c＝异常数据集合、d＝爱好技术、x＝用户个人信息、y＝筛选源数据、e＝相似特征点、f＝用户特征点、g＝岗位库、h＝意图数据源、x＝用户数据集合、y＝筛选源数据、z＝院校数据库。用户启动系统后，程序将对用户信息进行注册，程序将收集用户名字，电话号码，院校，学历等信息，将存入用户的个人信息子集。收集用户专业、爱好置入推荐算法的一级数据源。
50.具体地，可参考如下：
51.用户1：青小职、电话号码：137xxxxxxx、院校：漳州xx技术学院、学历：专科在读、专业：计算机应用技术、爱好技术：嵌入式设计；
52.a1——用户信息集合：
53.第一类信息，如包括：用户个人信息x{“青小职”(x1——用户名)、：“137xxxxxxx”(x2——电话号码)，“漳州xx技术学院”(x3——院校)，“专科在读”(x4——学历)}；
54.第二类信息，如包括：筛选源数据y{“计算机应用技术”(y1——专业)、“嵌入式设计”(y2——爱好技术)}。
55.进一步地，将收集到的专业信息配对院校库信息，获取院校对此专业设置，如若目标院校并未收录进“青职”院校库，那将会调用“青职”通用专业设置库。具体参考如下：
56.用户：院校库(第一预设数据库)z{z1,z2,z3,z.....}
57.1、如果x3＝z{z3}，打开z3集合{a1，a2，a3，a.....}；
58.2、如果z中不存在x3，打开通用数据(第二预设数据库)b{a1，a2，a3，a.....}；
59.3、如果y1＝z3{a1}或＝b{a1}，打开z或b集合中的a1集合{a1，a2，a3，a.....}；
60.4、如果z集合中不存在y1，提取y1关键词如“计算机”“应用”等经过模糊搜索，列出如“计算机应用技术”“计算机xx应用”等，用户可选择相似专业数据进行调取，并添加进c库(如第三预设数据库)中，系统将自动对系统管理员进行数据警报反馈。下次出现此专业时，在系统管理员暂未进行维护的情况下，可将c库数据优先进行调取。
61.更进一步地，示例性地，步骤101，具体可以包括：将所述专业信息与第四预设数据库中的技术爱好信息进行匹配，以确定所述专业信息与所述技术爱好信息的特征点；根据所述用户的专业信息、技术爱好信息及所述专业信息与所述技术爱好信息的特征点得到所述第一岗位数据并显示。
62.举例来讲，将用户的专业信息与用户的爱好进行解析，分析其特征点与相似点，并进行集合收集。具体地：
63.1、打开专业集合{a1,a2,a3,a...}；
64.2、将y2与爱好技术库(第四预设数据库)d{a1,a2,a3,a.....}进行配对；
65.3、如果y2＝d{a1}，打开d{a1}集合{a1,a2,a3,a...}；
66.4、如果d集合中不包含y2，暂不配对爱好信息，并向系统管理员提出警告，并收录c集合中；
67.5、将专业集合与爱好技术集合进行模糊搜索，配对特征点，得出包含用户专业与爱好共存的特征点，并保留于e集合中。其余信息保留于f集合中。将用户的y1，y2，e进行1:1:1的比例配置，并将匹配出e的结果优先显示。
68.在另一些实施例中，本发明的步骤103具体可以实现为：根据所述点击次数和浏览时间确定所述用户点击的兴趣岗位特性信息；结合所述兴趣岗位特性信息与所述第二类信息，通过神经网络模糊算法从预设岗位数据库中确定出所有的推荐岗位，以得到所述第二岗位数据并显示。
69.继续前述示例，将前述用户特征点f集合与前述岗位库g集合进行匹配，确定出待推荐给用户的推荐岗位，并将这些推荐岗位的信息发送至在预设网站或者平台(例如，青职)中的版面进行输出，进而显示给用户。进一步例如，将用户点击的岗位特性信息进行收集，并存储于h集合中，用于判断用户意图(用户的兴趣岗位)，具体参考如下：系统获取用户点击岗位数据或者岗位特性信息：如点击xx岗位后，系统将获取岗位特性信息对应的岗位名称，浏览时长等数据，统计点击次数等数据，并进行储存，更进一步地，根据用户的岗位浏览时间、岗位点击次数、岗位特征进行二次分类，将优先使用h集合中的数据，后使用y集合数据，并逐渐调整比例。利用岗位特征点，通过模糊搜索以及神经算法进行匹配近似岗位。举例来讲，例如，用户点击的岗位特性信息如“摄影师”，则就可关联匹配出“摄影师助理”，“新媒体运营”等工作，并按照岗位热度排序。当用户填写二次数据后，将对h集合中的数据再一次的更新，达到最优方案。
70.在本发明另一些实施例中，还包括预设岗位推荐模型的构建，可以包括如下步骤：获取岗位及所述企业的数据信息，以确定源数据；对所述源数据中的岗位及所述企业的数据信息进行语料清洗，得到预处理结果；对预处理结果构建词袋，以进行one-hot编码，得到所述岗位及所述企业的数据信息的特征词出现的频率；根据所述岗位及所述企业的数据信息、以及对应的特征词出现的频率进行模型训练，得到所述预设岗位推荐模型。
71.具体可以参考如图2所示。其中，one-hot编码规则：序列中出现的词语数值为1，序列中未出现的数值为0。其数学表达式为：
[0072][0073]
再进行tf-idf处理，tf-idf的计算规则为序列中的词语其tf-idf值为词语在所在文本中的频次(特征词出现的频率)乘以词语的逆文档频率，序列中未出现的词语其数值为0，其中，数学表达式为：
[0074][0075][0076]
cx表示词语x，count(cx)表示词语x在序列中出现的次数。
[0077]
更进一步地，将处理的数据进行数据划分，进行模型训练与测试，将测试结果进行
特征提取，并使模型进行向量化转换，计算其余弦相似度。余弦相似度数学公式：
[0078][0079]
根据该余弦相似度的结果对其特征进行相似匹配，最终实现预设岗位推荐模型的构建。
[0080]
在本发明另一些实施例中，步骤103中取得推荐岗位信息是利用决策树模型。具体地，如图3所示，是采用一个if-then的规则集合，从根节点到最终的子结点的每一条路径构建成了一条规则，且这些规则具备互斥性与完备性。决策树学习算法原理例如包括：构造根节点，将数据源放于根节点，选择最优特征进行划分，将数据源划分为多个子集，若该子集节点已经具备较好的分类效果则直接构造叶节点，若不达效果，则递归进行上述操作，直至所有数据被基本正确分类，或已经无特征可以继续进行分类。详细地，可以包括如下步骤：
[0081]
1、特征选择
[0082]
1-1、选择信息增益较高的特征，采取信息增益算法如下：
[0083][0084]
其中n为特征e的个数
[0085]
1-2、选择信息增益比较大的特征，其中，信息增益比算法如下：
[0086]
g(e,f)＝h(e)-h(e|f)
[0087]
1-3、选择基尼系数低的特征，基尼系数算法如下：
[0088][0089]
2、决策树生成
[0090]
2-1、id3算法：在决策树各节点利用信息增益选择特征，递归构建决策树；
[0091]
2-2、c4.5算法：在决策树各节点利用信息增益比选择特征，递归构建决策树；
[0092]
2-3、cart分类树算法：利用基尼系数来选择特征的算法。
[0093]
3、决策树的处理
[0094]
3-1、预剪枝：在决策流程中，对各节点进行预先估计，若该决策不能使决策树决策能力提高，则停止划分。
[0095]
3-2、后剪枝：对完整决策树自下而上的对非必要节点进行考察，若该节点替换成叶节点能提高决策效果，则对其进行替换。
[0096]
最后，对生成的决策树进行模型训练与模型测试。
[0097]
综上，基于本公开上述实施例提供的一种岗位推荐方法，获取用户针对所述任一个或多岗位特性信息的点击次数和浏览时间；根据所述点击次数和浏览时间，显示第二岗位数据，所述第二岗位数据包括至少一个推荐岗位的岗位信息；根据所述用户的目标岗位的岗位信息、用户信息向所述用户推荐与所述目标岗位匹配的目标课程信息，利用用户信
息、岗位信息等使用户情况与岗位进行匹配，使匹配出来的数据更加的贴近客户需求，以及，更加贴近企业，以企业所需来对应用户所学，以提高用户个人能力来满足企业需求。
[0098]
此外，本发明实施例利用人工智能匹配算法，如人工神经网络算法模糊算法计算，使用用户与企业职位所需(岗位信息)进行匹配，使得岗位推荐更加智能，匹配出来的数据更加的贴近用户需求。更加贴近企业，以企业所需来对应用户所学，以提高用户个人能力来满足企业需求。
[0099]
再者，本发明是实施例根据用户信息、用户岗位选择信息、企业信息等，输出针对用户的职业发展路线，对于在校生等用户的职业生涯规划有着积极的作用，以确立未来的职业发展目标为学习增加动力和目标性，以提高用户个人能力。
[0100]
本公开实施例提供的任一种岗位推荐方法可以由任意适当的具有数据处理能力的设备执行，包括但不限于：终端设备和服务器等。或者，本公开实施例提供的任一种岗位推荐方法可以由处理器执行，如处理器通过调用存储器存储的相应指令来执行本公开实施例提及的任一种岗位推荐方法。下文不再赘述。
[0101]
示例性装置
[0102]
图4是本公开一示例性实施例提供的岗位推荐装置的结构示意图。如图4所示，本发明的一种岗位推荐装置可以包括：第一显示模块41、获取模块42、第一推荐模块43、第二推荐模块44。其中：
[0103]
第一显示模块41，用于显示与用户信息匹配的第一岗位数据，所述第一岗位数据包括至少一个岗位特性信息；
[0104]
获取模块42，用于获取用户针对所述任一个或多岗位特性信息的点击次数和浏览时间；
[0105]
第一推荐模块43，用于根据所述点击次数和浏览时间，显示第二岗位数据，所述第二岗位数据包括至少一个推荐岗位的岗位信息；
[0106]
第二推荐模块44，用于根据所述用户的目标岗位的岗位信息、用户信息向所述用户推荐与所述目标岗位匹配的目标课程信息，其中，所述目标岗位为用户选定的任一个所述推荐岗位。
[0107]
在一些实施例中，本发明的一种岗位推荐装置还可以包括：
[0108]
第三推荐模块，用于基于所述目标岗位的岗位信息、所述用户信息以及所述目标岗位所属企业的企业信息，通过神经网络模糊算法确定针对所述用户的所述目标岗位的职业发展数据。
[0109]
综上，基于本公开上述实施例提供的一种岗位推荐方法，获取用户针对所述任一个或多岗位特性信息的点击次数和浏览时间；根据所述点击次数和浏览时间，显示第二岗位数据，所述第二岗位数据包括至少一个推荐岗位的岗位信息；根据所述用户的目标岗位的岗位信息、用户信息向所述用户推荐与所述目标岗位匹配的目标课程信息，利用用户信息、岗位信息等使用户情况与岗位进行匹配，使匹配出来的数据更加的贴近客户需求，以及，更加贴近企业，以企业所需来对应用户所学，以提高用户个人能力来满足企业需求。
[0110]
此外，本发明实施例利用人工智能匹配算法，如人工神经网络算法模糊算法计算，使用用户与企业职位所需(岗位信息)进行匹配，使得岗位推荐更加智能，匹配出来的数据更加的贴近用户需求。更加贴近企业，以企业所需来对应用户所学，以提高用户个人能力来
满足企业需求。
[0111]
再者，本发明是实施例根据用户信息、用户岗位选择信息、企业信息等，输出针对用户的职业发展路线，对于在校生等用户的职业生涯规划有着积极的作用，以确立未来的职业发展目标为学习增加动力和目标性，以提高用户个人能力。
[0112]
需要说明的是，前述每个虚拟装置模块详细的实现原理和算法解具体可以参加前述对应的方法实施例，为了简洁，在此不再赘述。
[0113]
示例性电子设备
[0114]
下面，参考图5来描述根据本公开实施例的电子设备。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。
[0115]
图5图示了根据本公开实施例的电子设备的框图。
[0116]
如图5所示，电子设备包括一个或多个处理器501和存储器502。
[0117]
处理器501可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
[0118]
存储器502可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器501可以运行所述程序指令，以实现上文所述的本公开的各个实施例的岗位推荐方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
[0119]
在一个示例中，电子设备还可以包括：输入装置503和输出装置504，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
[0120]
例如，在该电子设备是第一设备或第二设备时，该输入装置503可以是上述的麦克风或麦克风阵列，用于捕捉声源的输入信号。在该电子设备是单机设备时，该输入装置503可以是通信网络连接器，用于从第一设备和第二设备接收所采集的输入信号。
[0121]
此外，该输入设备503还可以包括例如键盘、鼠标等等。
[0122]
该输出装置504可以向外部输出各种信息，包括确定出的距离信息、方向信息等。该输出设备504可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
[0123]
当然，为了简化，图5中仅示出了该电子设备中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
[0124]
示例性计算机程序产品和计算机可读存储介质
[0125]
除了上述方法和设备以外，本公开的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的岗位推荐方法中的步骤。
[0126]
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如
java、c++等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
[0127]
此外，本公开的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本公开各种实施例的岗位推荐方法中的步骤。
[0128]
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、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)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0129]
以上结合具体实施例描述了本公开的基本原理，但是，需要指出的是，在本公开中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本公开的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本公开为必须采用上述具体的细节来实现。
[0130]
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，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。
[0131]
本公开中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
[0132]
可能以许多方式来实现本公开的方法和装置。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和装置。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
[0133]
还需要指出的是，在本公开的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本公开的等效方案。
[0134]
提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本公开。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本公开的范围。因此，本公开不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
[0135]
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本公开的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。