载具信息推送方法、装置、电子设备及存储介质与流程

1.本技术涉及信息推送领域，具体而言，涉及一种载具信息推送方法、装置、电子设备及存储介质。


背景技术：

2.目前在用户、载具和场景相结合的信息推送场景里，大多数只能解决某一个，或某两两场景之间的关联，而在三者相结合的场景里通常无法精准的，个性化的，围绕着用户提供服务。大多数向用户推荐的内容都是与用户本人无关的信息，因此用户需要消费，如对载具进行保养、改装等，根据自己需求去搜索对应的消费场景，因此存在推送信息不精准，用户体验差的问题。


技术实现要素：

3.有基于此，本技术实施例的目的在于提供一种载具信息推送方法、装置、电子设备及存储介质，通过构建用户偏好矩阵以及结合多种预测手段预测用户对消费信息的偏好程度，从而实现精准的载具信息推送，以提高用户体验。
4.第一方面，本技术实施例提供一种载具信息推送方法，包括：
5.接收用户触发的载具启动指令，确定载具是否处于冷启动状态；
6.在所述载具不处于冷启动状态时，收集第一用户信息，并基于所述第一用户信息构建用户偏好矩阵，以表征用户对消费信息或多个消费信息的组合的偏好程度；
7.基于所述用户偏好矩阵向所述用户推送消费信息。
8.在上述实现过程中，可以通过获取用户的行为数据从而构建用户偏好矩阵，从而根据偏好矩阵预测向用户推送个性化的消费信息，可以围绕用户、载具以及场景相结合的场景，针对用户的实际需求向用户提供个性化的消费信息推送，可以提高信息推送的准确性，从而提高用户体验。
9.可选地，在所述收集第一用户信息，并基于所述第一用户信息构建用户偏好矩阵之后，所述方法可以包括：
10.对所述第一用户信息进行数据清理；
11.基于清理后的所述第一用户信息为不同的消费信息赋权，以表征所述用户对消费信息或多个消费信息的组合的偏好程度。
12.在上述实现过程中，可以对获取的用户信息进行数据清理，从中过滤出不必要的信息，基于对用户的行为进行加权，可以提高用户偏好矩阵的合理性，并产生多种合理的组合推荐，从而可以进一步提高信息推送的准确性。
13.可选地，在所述基于所述用户偏好矩阵向所述用户推送消费信息之前，所述方法还可以包括：
14.基于预设降维算法对所述用户偏好矩阵进行降维，缩小所述用户偏好矩阵，以基于缩小后的所述用户偏好矩阵向用户推送所述消费信息。
15.在上述实现过程中，能够针对单个用户数据数量有限的情况，对用户偏好矩阵进行降维，将稀疏的行为矩阵缩小，从而即使面对收集用户数据少的情况，也能够生成合理的消费推荐方案。
16.可选地，所述基于所述用户偏好矩阵向所述用户推送消费信息还可以包括：
17.基于协同过滤算法计算多个其他用户的第二用户信息与所述第一用户信息的用户项目相似度和项目节点相似度；
18.基于所述用户项目相似度和所述项目节点相似度得到与所述用户匹配的推送方案；
19.基于所述推送方案向所述用户推送所述消费信息。
20.在上述实现过程中，可以通过计算出的用户项目相似度和所述项目节点相似度确定与用户具有相似行为数据的其他用户，并结合用户与其他用户的行为数据生成对应的信息推送方案，可以针对用户数据少的情况向用户推送对应的消费信息，提高信息推送的适用性。
21.可选地，在所述基于所述用户项目相似度和所述项目节点相似度得到与所述用户匹配的推送方案之后，所述方法还可以包括：
22.基于预设逻辑回归算法计算所述用户项目相似度和所述项目节点相似度的权重值；
23.基于所述权重值预测所述用户对所述推送方案的喜好程度。
24.在上述实现过程中，可以基于协同过滤的思路，根据用户的行为数据匹配到拥有共同喜好或者感兴趣信息的其他用户，通过其他用户的行为数据为过滤用户的喜好提供筛选依据，从而可以提高信息推送的适用性。
25.可选地，在所述基于所述用户偏好矩阵向所述用户推送消费信息之后，所述方法还可以包括：
26.获取所述用户接收所述推送消费信息后的行为数据，并基于所述行为数据调整所述用户偏好矩阵。
27.可选地，在所述接收用户触发的载具启动指令，确定载具是否处于冷启动状态之后，所述方法还可以包括：
28.在所述载具处于冷启动状态时，基于所述第一用户信息建立关联项，以确定第一用户信息中各个基础信息的权重比；
29.基于所述权重比的排序向所述用户推送消费信息。
30.在上述实现过程中，可以根据确认用户的载具是否处于冷启动状态从而基于不同的启动状态提供对应的信息推送方案，可以提高信息推送的灵活性和适用性。
31.第二方面，本技术实施例提供一种载具信息推送装置，可以包括：
32.接收模块，用于接收用户触发的载具启动指令，确定载具是否处于冷启动状态；
33.偏好矩阵构建模块，用于在所述载具不处于冷启动状态时，收集第一用户信息，并基于所述第一用户信息构建用户偏好矩阵，以表征用户对消费信息或多个消费信息的组合的偏好程度；
34.推送模块，用于基于所述用户偏好矩阵向第一用户推送消费信息。
35.可选地，载具信息推送装置还可以包括数据清理模块，用于：
36.对所述第一用户信息进行数据清理；以及基于清理后的所述第一用户信息为不同的消费信息赋权，以表征所述用户对消费信息或多个消费信息的组合的偏好程度。
37.可选地，载具信息推送装置还可以包括降维模块，用于：
38.基于预设降维算法对所述用户偏好矩阵进行降维，缩小所述用户偏好矩阵，以基于缩小后的所述用户偏好矩阵向用户推送所述消费信息。
39.可选地，推送模块还可以用于：
40.基于协同过滤算法计算多个其他用户的第二用户信息与所述第一用户信息的用户项目相似度和项目节点相似度；基于所述用户项目相似度和所述项目节点相似度得到与所述用户匹配的推送方案；以及基于所述推送方案向所述用户推送所述消费信息。
41.可选地，载具信息推送装置还可以包括预测模块，用于：
42.基于预设逻辑回归算法计算所述用户项目相似度和所述项目节点相似度的权重值；以及基于所述权重值预测所述用户对所述推送方案的喜好程度。
43.可选地，预测模块还可以用于：
44.获取所述用户接收所述推送消费信息后的行为数据，并基于所述行为数据调整所述用户偏好矩阵。
45.可选地，推送模块还可用于：
46.在所述载具处于冷启动状态时，基于所述第一用户信息建立关联项，以确定第一用户信息中各个基础信息的权重比；以及基于所述权重比的排序向所述用户推送消费信息。
47.第三方面，本技术实施例提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器读取并运行所述程序指令时，执行上述任一实现方式中的步骤。
48.第四方面，本技术实施例还提供一种计算机可读存储介质，所述可读取存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行上述任一实现方式中的步骤。
附图说明
49.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本技术的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
50.图1为本技术实施例提供的载具信息推送方法的步骤示意图；
51.图2为本技术实施例提供的对用户信息进行数据清理的步骤示意图；
52.图3为本技术实施例提供的另一种信息推送方式的步骤示意图；
53.图4为本技术实施例提供的预测用户喜好程度的步骤示意图；
54.图5为本技术实施例提供的针对载具冷启动用户的消费信息推送步骤示意图；
55.图6为本技术实施例提供的载具信息推送装置的示意图。
具体实施方式
56.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行描述。例如，附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。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的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
57.申请人在研究的过程中发现，目前载具信息的推送都是用户通过手机进行搜索，根据自己的需求去导航到对应的消费地点。信息推送不能根据用户的行为习惯为用户提供最佳方案。另外，即使通过收集用户的信息并进行相关的消息推送，在载具冷启动的情况下，由于用户行为数据过少，也会导致推荐不够精准。
58.因此，本技术实施例提供一种载具信息推送方法，可以应用于载具终端，通过获取用户的行为数据从而构建用户偏好矩阵，从而根据偏好矩阵预测向用户推送个性化的消费信息，提高信息推送的精准性。请参看图1，图1为本技术实施例提供的载具信息推送方法的步骤示意图，载具信息推送的实现方式可以包括步骤如下：
59.在步骤s11中，接收用户触发的载具启动指令，确定载具是否处于冷启动状态。
60.其中，载具可以是车辆，可以是船只，可以是载人飞行器，也可以是工程载具设备，本技术实施例中，将以车辆作为实施例进行说明。冷启动状态是指载具发动机水温低的情况下启动，一般可以指该车辆在经过一定时间段后没有发动过的状态。
61.本技术实施例中，检测载具是否处于冷启动状态的目的在于确定是否有足够多的用户行为数据进行分析，在载具处于冷启动的状态时，表征该载具有一段时间处于闲置状态，因此能够用于对用户行为进行分析的数据较少，需要采用其他方式预测用户行为，本技术将在以下的内容中进行具体说明。
62.在步骤s12中，在所述载具不处于冷启动状态时，收集第一用户信息，并基于所述第一用户信息构建用户偏好矩阵，以表征用户对消费信息或多个消费信息的组合的偏好程度。
63.其中，确定载具是否处于冷启动状态的方式可以是查询用户的历史行为记录，在用户的最后一条历史行为记录与当前时间的差值超过预设时间阈值时，可以确认当前载具处于冷启动状态。若用户的最后一条历史行为记录与当前时间的差值未超过预设时间阈值，则可进行之后的步骤。
64.第一用户信息可以包括用户的用车情况、车辆信息、消费习惯，消费偏好等信息，第一用户信息的收集方式可以是由车载设备记录的车辆数据，如carvin码、车型、品牌、油量信息、发动机信息、火花塞信息以及空调滤芯信息等数据，通过车联网上传至后台系统，后台系统根据上报的车辆数据，根据用户id向用户画像系统提取用户画像，并基于用户画
像确定分别针对用户的用车情况、车辆信息、消费习惯，消费偏好等历史行为特点。
65.建立用户偏好矩阵的实施方式可以是收集用户的行为数据，如用户经常去同一家4s店进行车辆保养、保养的频次、消费高低以及养车的美容习惯等，可以基于加权算法分别为用户的多种行为赋予权值，从而计算用户对某一商品，或是多种商品的组合的偏好程度，得到用户偏好矩阵。
66.其中，用户对于某一商品或消费行为的偏好程度可以直接基于权重值进行确定，而对于多种商品或消费的组合的偏好程度可以是基于用户多种行为对应的权值，以及结合用户选择该组合的权值进行加权得到，也可以是将该商品或该消费行为的组合作为单一类，并为该类赋予权值，直接基于该权值确定用户对该组合的偏好程度。
67.在步骤s13中，基于所述用户偏好矩阵向所述用户推送消费信息。
68.示例性地，形成的用户偏好矩阵可以如下表所示：
69.偏好程度贴膜洗车改装保养喷漆轮胎权重0.90.80.30.90.40.6
70.由此，便可以基于该用户偏好矩阵确定权重值的排序，并向用户推送贴膜、保养以及洗车的消费信息。具体地，消费信息可以包括商品数据标记：如洗车、美容、小保养、大保养、爱车升级等等更精细的颗粒度划分，可以包括具体的商品名称、描述的关键字以及文本信息，可以包括不同的商家、工厂店以及不同的商品、热销商品的价格以及优缺点等信息，还可以包括商品或商家的销量、质量以及评论信息等。
71.本技术实施例中，当用户拿到与之匹配的推荐消费方案时，还可以根据当前用户的城市帮用户计算出最优的行车路线、出行路况、天气、以及周边等信息以供用户参考。
72.由此可见，本技术实施例可以通过获取用户的行为数据从而构建用户偏好矩阵，从而根据偏好矩阵预测向用户推送个性化的消费信息，可以围绕用户、载具以及场景相结合的场景，针对用户的实际需求向用户提供个性化的消费信息推送，可以提高信息推送的准确性，从而提高用户体验。
73.在一可选的实施例中，在步骤s11之后，本技术实施例提供的载具信息推送方法还可以包括对用户信息进行数据清理的实施方式，请参看图2，图2为本技术实施例提供的对用户信息进行数据清理的步骤示意图，对用户信息进行数据清理的实施方式可以包括步骤如下：
74.在步骤s21中，对所述第一用户信息进行数据清理。
75.本技术实施例汇总，数据清理的方式可以是包括降噪处理和归一处理，降噪处理可以是基于预设策略以及数据挖掘算法，过滤出第一用户信息中多余的数据，如可以采用c4.5算法、k-means算法等对数据进行过滤。归一处理可以是采用lr逻辑回归算法对用户的行为进行加权，另外，本技术实施例中也可以采用smartbi mining平台对数据进行降噪和归一。
76.在步骤s22中，基于清理后的所述第一用户信息为不同的消费信息赋权，以表征所述用户对消费信息或多个消费信息的组合的偏好程度。
77.由此可见，本技术实施例可以对获取的用户信息进行数据清理，从中过滤出不必要的信息，基于对用户的行为进行加权，可以提高用户偏好矩阵的合理性，并产生多种合理的组合推荐，从而可以进一步提高信息推送的准确性。
78.在一可选的实施例中，在步骤s13向用户推送消费信息之前，本技术实施例提供的载具信息推送方法还可以包括：
79.基于预设降维算法对所述用户偏好矩阵进行降维，缩小所述用户偏好矩阵，以基于缩小后的所述用户偏好矩阵向用户推送所述消费信息。
80.申请人发现，用户偏好矩阵随着时间的增长，其中的数据也随之不断增长。但是对于单个用户，有过行为的数据数量相当有限，因此会产生用户偏好矩阵较为稀疏，有效数据量少的情况。
81.因此，本技术实施例中，可以通过将稀疏的行为矩阵缩小，减少计算量完全通过数学的方法进行抽象降维，从而得到用户数据少的推荐方案。
82.示例性地，形成的用户偏好矩阵可以如下表所示：
[0083][0084]
基于该用户偏好矩阵，可以对该用户偏好矩阵进行降维，从而得到降维后的用户偏好矩阵：
[0085][0086]
由此，便可以确定向用户推送改装、品牌保养、美容洗车以及轮胎的消费推荐方案。
[0087]
由此可见，本技术实施例能够针对单个用户数据数量有限的情况，对用户偏好矩阵进行降维，将稀疏的行为矩阵缩小，从而即使面对收集用户数据少的情况，也能够生成合理的消费推荐方案。
[0088]
在一可选的实施例中，针对步骤s13，本技术实施例还可以基于协同算法以其他相似用户的行为数据生成与用户匹配的推送方案，请参看图3，图3为本技术实施例提供的另一种信息推送方式的步骤示意图，该信息推送方式可以包括：
[0089]
在步骤s31中，基于协同过滤算法计算多个其他用户的第二用户信息与所述第一用户信息的用户项目相似度和项目节点相似度。
[0090]
本技术实施例中，以用户为用户a，其他用户包括用户b、用户c、用户d和用户e为例进行说明，可以分别根据上述用户的行为数据得到如下用户项目(item)相似度和项目
(item)节点相似度：
[0091]
用户item相似度
[0092]
相似度用户c用户d用户e用户a0.90.90.9用户b0.90.90.9
[0093]
其中，项目可以是上述实现过程中任一消费项目，而项目节点可以选择车辆品牌以进行计算：
[0094]
item节点相似度
[0095]
相似度品牌c品牌d品牌e品牌a0.90.90.9品牌b0.90.90.9
[0096]
在步骤s32中，基于所述用户项目相似度和所述项目节点相似度得到与所述用户匹配的推送方案。
[0097]
在步骤s33中，基于所述推送方案向所述用户推送所述消费信息。
[0098]
由此可见，本技术实施例可以通过计算出的用户项目相似度和所述项目节点相似度确定与用户具有相似行为数据的其他用户，并结合用户与其他用户的行为数据生成对应的信息推送方案，可以针对用户数据少的情况向用户推送对应的消费信息，提高信息推送的适用性。
[0099]
在一可选的实施例中，在经过步骤s31向用户推送了消费信息后，本技术实施例提供的方法还可以包括预测用户喜好程度的实施方式，请参看图4，图4为本技术实施例提供的预测用户喜好程度的步骤示意图，预测用户喜好程度的步骤可以为：
[0100]
在步骤s41中，基于预设逻辑回归算法计算所述用户项目相似度和所述项目节点相似度的权重值。
[0101]
在步骤s42中，基于所述权重值预测所述用户对所述推送方案的喜好程度。
[0102]
本技术实施例中，预设逻辑回归算法可以是lr逻辑回归算法，通过将用户项目相似度和项目节点相似度的值映射到[0，1]的区间中，通过对用户数据矩阵进行模拟计算从而提取出特征值的权重，判断该预测结果为正样本或是负样本，估计预测用户喜好与真实情况相同的概率，从而预测用户对推送方案的喜好程度。
[0103]
由此可见，本技术实施例可以基于协同过滤的思路，根据用户的行为数据匹配到拥有共同喜好或者感兴趣信息的其他用户，通过其他用户的行为数据为过滤用户的喜好提供筛选依据，从而可以提高信息推送的适用性。
[0104]
在一可选的实施例中，在步骤s13之后，本技术实施例还可以包括对推送方案进行优化的实施方式，可以包括：
[0105]
获取所述用户接收所述推送消费信息后的行为数据，并基于所述行为数据调整所述用户偏好矩阵。
[0106]
在一可选的实施例中，对于步骤s11中，若确定载具处于冷启动状态时，本技术实施例还提供一种针对载具冷启动用户的消费信息推送方式，请参看图5，图5为本技术实施例提供的针对载具冷启动用户的消费信息推送步骤示意图，针对载具冷启动用户的消费信息推送方式可以包括如下步骤：
[0107]
在步骤s51中，在所述载具处于冷启动状态时，基于所述第一用户信息建立关联项，以确定第一用户信息中各个基础信息的权重比。
[0108]
在步骤s52中，基于所述权重比的排序向所述用户推送消费信息。
[0109]
本技术实施例中，可以基于先验知识建立关联规则，具体地，可以按照车型、用户性别，年龄，消费层次等一些基础信息的权重比排序，并基于排序的权重比向用户推送消费信息。
[0110]
由此可见，本技术实施例可以根据确认用户的载具是否处于冷启动状态从而基于不同的启动状态提供对应的信息推送方案，可以提高信息推送的灵活性和适用性。
[0111]
基于同一发明构思，本技术实施例还提供一种载具信息推送装置60，请参看图6，图6为本技术实施例提供的载具信息推送装置的示意图，载具信息推送装置60可以包括：
[0112]
接收模块61，用于接收用户触发的载具启动指令，确定载具是否处于冷启动状态。
[0113]
偏好矩阵构建模块62，用于在所述载具不处于冷启动状态时，收集第一用户信息，并基于所述第一用户信息构建用户偏好矩阵，以表征用户对消费信息或多个消费信息的组合的偏好程度。
[0114]
推送模块63，用于基于所述用户偏好矩阵向第一用户推送消费信息。
[0115]
由此可见，本技术实施例可以通过获取用户的行为数据从而构建用户偏好矩阵，从而根据偏好矩阵预测向用户推送个性化的消费信息，可以围绕用户、载具以及场景相结合的场景，针对用户的实际需求向用户提供个性化的消费信息推送，可以提高信息推送的准确性，从而提高用户体验。
[0116]
可选地，载具信息推送装置60还可以包括数据清理模块，用于：
[0117]
对所述第一用户信息进行数据清理；以及基于清理后的所述第一用户信息为不同的消费信息赋权，以表征所述用户对消费信息或多个消费信息的组合的偏好程度。
[0118]
由此可见，本技术实施例可以对获取的用户信息进行数据清理，从中过滤出不必要的信息，基于对用户的行为进行加权，可以提高用户偏好矩阵的合理性，并产生多种合理的组合推荐，从而可以进一步提高信息推送的准确性。
[0119]
可选地，载具信息推送装置60还可以包括降维模块，用于：
[0120]
基于预设降维算法对所述用户偏好矩阵进行降维，缩小所述用户偏好矩阵，以基于缩小后的所述用户偏好矩阵向用户推送所述消费信息。
[0121]
由此可见，本技术实施例能够针对单个用户数据数量有限的情况，对用户偏好矩阵进行降维，将稀疏的行为矩阵缩小，从而即使面对收集用户数据少的情况，也能够生成合理的消费推荐方案。
[0122]
可选地，推送模块63还可以用于：
[0123]
基于协同过滤算法计算多个其他用户的第二用户信息与所述第一用户信息的用户项目相似度和项目节点相似度；基于所述用户项目相似度和所述项目节点相似度得到与所述用户匹配的推送方案；以及基于所述推送方案向所述用户推送所述消费信息。
[0124]
由此可见，本技术实施例可以通过计算出的用户项目相似度和所述项目节点相似度确定与用户具有相似行为数据的其他用户，并结合用户与其他用户的行为数据生成对应的信息推送方案，可以针对用户数据少的情况向用户推送对应的消费信息，提高信息推送的适用性。
[0125]
可选地，载具信息推送装置60还可以包括预测模块，用于：
[0126]
基于预设逻辑回归算法计算所述用户项目相似度和所述项目节点相似度的权重值；以及基于所述权重值预测所述用户对所述推送方案的喜好程度。
[0127]
由此可见，本技术实施例可以基于协同过滤的思路，根据用户的行为数据匹配到拥有共同喜好或者感兴趣信息的其他用户，通过其他用户的行为数据为过滤用户的喜好提供筛选依据，从而可以提高信息推送的适用性。
[0128]
可选地，预测模块还可以用于：
[0129]
获取所述用户接收所述推送消费信息后的行为数据，并基于所述行为数据调整所述用户偏好矩阵。
[0130]
可选地，推送模块63还可用于：
[0131]
在所述载具处于冷启动状态时，基于所述第一用户信息建立关联项，以确定第一用户信息中各个基础信息的权重比；以及基于所述权重比的排序向所述用户推送消费信息。
[0132]
由此可见，本技术实施例可以根据确认用户的载具是否处于冷启动状态从而基于不同的启动状态提供对应的信息推送方案，可以提高信息推送的灵活性和适用性。
[0133]
基于同一发明构思，本技术实施例还提供一种电子设备，所述电子设备包括存储器和处理器，所述存储器中存储有程序指令，所述处理器读取并运行所述程序指令时，执行上述任一实现方式中的步骤。
[0134]
基于同一发明构思，本技术实施例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中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行上述任一实现方式中的步骤。
[0135]
所述计算机可读存储介质可以是随机存取存储器(random access memory，ram)，只读存储器(read only memory，rom)，可编程只读存储器(programmable read-only memory，prom)，可擦除只读存储器(erasable programmable read-only memory，eprom)，电可擦除只读存储器(electric erasable programmable read-only memory，eeprom)等各种可以存储程序代码的介质。其中，存储介质用于存储程序，所述处理器在接收到执行指令后，执行所述程序，本发明实施例任一实施例揭示的过程定义的电子终端所执行的方法可以应用于处理器中，或者由处理器实现。
[0136]
在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0137]
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0138]
再者，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部
分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0139]
可以替换的，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。
[0140]
所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。
[0141]
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。而且，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、物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
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0142]
以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。