确定有效样本的方法，装置及电子设备与流程

1.本技术涉及大数据应用领域，具体而言，涉及一种确定有效样本的方法，装置及电子设备。


背景技术：

2.数字化智能化转型是传统行业不变的使命，当前的行业竞争是前所未有的，行业的变化日新月异。汽车行业自2018年以来正逐步从增量市场转变为存量市场，近些年经济发展遭受各方面影响，使得汽车销售方面频频受挫。
3.如何在汽车市场中精准地找到潜在人群成为各大车企最为重要的课题。汽车行业传统的做法是，梳理近年来的业务经验，归纳出较为凸显的复购规律，例如购车年限大于5年，行驶里程超过10万公里等硬规则，运用这样硬规则的筛选，找到潜在的复购用户人群。但是这一做法过于主观，没有经过大量数据的校验，其方法存在一定的劣势，同时需要耗费大量的人力物力开展这一课题。同样，少数车企已经开始采用机器学习模型应用于这一场景，通过大数据的训练得到一个模型，找到潜在的复购人群，应用与业务当中取得一定的进展。现有的做法是，将所有样本都放入模型进行训练，但是存在的几个缺陷：
4.1.在汽车复购场景下，历史所有的正样本周期跨度过长，存在不同阶段的复购行为特点，全部样本进行训练使得效果不好。
5.2.在汽车复购场景下，正负样本极度不平衡，负样本的数量远远超过正样本，使得模型训练效果不佳。
6.针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

7.本技术实施例提供了一种确定有效样本的方法，装置及电子设备，以至少解决由于相关技术中样本数据选择不准确造成的模型训练结果不佳，无法精准识别潜在的客户群体的技术问题。
8.根据本技术实施例的一个方面，提供了一种确定有效样本的方法，包括：根据目标群体的历史购买记录确定目标产品的第一复购周期；根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据；根据滑动时间窗口对历史正样本进行划分，得到有效正样本。
9.可选地，在根据第一复购周期确定有效正样本对应的滑动时间窗口之后，方法还包括：获取滑动时间窗口对应的各个可选参数，调用各个可选参数对应的预定模型对历史正样本进行预测，得到各个可选参数对应的各个预测准确率；其中，各个可选参数对应的预定模型版本不同；确定各个预测准确率中的最大值，根据最大值对应的目标可选参数调整滑动时间窗口的大小。
10.可选地，根据最大值对应的目标可选参数调整滑动时间窗口的大小，包括：确定滑
动时间窗口对应的起始时间；确定目标可选参数与起始时间的乘积，确定乘积为滑动时间窗口调整后的目标起始时间。
11.可选地，根据最大值对应的目标可选参数调整滑动时间窗口的大小，包括：获取滑动时间窗口对应的时间长度；确定目标可选参数与时间长度的乘积，确定乘积为滑动时间窗口的最佳时间长度。
12.可选地，在根据滑动时间窗口对历史正样本进行划分，得到有效正样本之后，方法还包括：确定有效正样本与负样本组成的模型数据集；将模型数据集划分为训练集与测试集，基于机器学习模型对训练集与测试集进行训练得到复购分类识别模型。
13.可选地，在基于机器学习模型对训练集与测试集进行训练得到复购分类识别模型之后，方法还包括：基于复购分类识别模型对样本数据进行预测，得到模型打分结果，其中，模型打分结果用于指示目标对象发生复购行为的概率，样本数据包括：多个目标对象的复购行为特征信息；基于模型打分结果对多个目标对象进行划分，得到不同复购意向等级的集合，其中，打分结果的分值越高，复购意向等级越高。
14.可选地，根据目标群体的历史购买记录确定目标产品的第一复购周期，包括：解析目标群体的历史购买记录得到目标群体中各个对象对应的各个第二复购周期；确定各个第二复购周期对应的平均值，确定平均值为目标产品的第一复购周期。
15.根据本技术实施例的另一方面，还提供了一种确定有效样本的装置，包括：第一确定模块，用于根据目标群体的历史购买记录确定目标产品的第一复购周期；第二确定模块，用于根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；获取模块，用于获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据；划分模块，用于根据滑动时间窗口对历史正样本进行划分，得到有效正样本。
16.根据本技术实施例的另一方面，还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行任意一种确定有效样本的方法。
17.根据本技术实施例的另一方面，还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为执行指令，以实现任意一种确定有效样本的方法。
18.在本技术实施例中，采用确定滑动时间窗口，以基于滑动时间窗口确定有效样本的方式，通过根据目标群体的历史购买记录确定目标产品的第一复购周期；根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据，达到了根据滑动时间窗口对历史正样本进行划分，得到有效正样本的目的，从而实现了提高样本数据的准确度，进而提高模型训练的效果，精确识别潜在的客户群体的技术效果，进而解决了由于相关技术中样本数据选择不准确造成的模型训练结果不佳，无法精准识别潜在的客户群体的技术问题。
附图说明
19.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本申
请的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
20.图1是根据本技术实施例的确定有效样本的方法的流程示意图；
21.图2是本技术一示例性实施例中的识别有效样本的系统结构图；
22.图3是根据本技术实施例的另一种确定有效样本的装置的结构示意图；
23.图4示出了可以用来实施本技术的实施例的示例电子设备400的示意性框图。
具体实施方式
24.为了使本技术领域的人员更好地理解本技术方案，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清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，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，都应当属于本技术保护的范围。
25.需要说明的是，本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
26.根据本技术实施例，提供了一种确定有效样本的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
27.图1是根据本技术实施例的确定有效样本的方法，如图1所示，该方法包括如下步骤：
28.步骤s102，根据目标群体的历史购买记录确定目标产品的第一复购周期；
29.步骤s104，根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；
30.步骤s106，获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据；
31.步骤s108，根据滑动时间窗口对历史正样本进行划分，得到有效正样本。
32.该确定有效样本的方法中，通过根据目标群体的历史购买记录确定目标产品的第一复购周期；根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据，达到了根据滑动时间窗口对历史正样本进行划分，得到有效正样本的目的，从而实现了提高样本数据的准确度，进而提高模型训练的效果，精确识别潜在的客户群体的技术效果，进而解决了由于相关技术中样本数据选择不准确造成的模型训练结果不佳，无法精准识别潜在的客户群体的技术问题。
33.本技术一些实施例中，在根据第一复购周期确定有效正样本对应的滑动时间窗口
之后，还可以获取滑动时间窗口对应的各个可选参数，调用各个可选参数对应的预定模型对历史正样本进行预测，得到各个可选参数对应的各个预测准确率；其中，各个可选参数对应的预定模型版本不同；确定各个预测准确率中的最大值，根据最大值对应的目标可选参数调整滑动时间窗口的大小。
34.例如，关于有效正样本的滑动时间窗口的最佳参数σ确定，通常情况下σ＝1，借助现有数据，寻找到最佳的σ取值，我们可以通过预留最近一个周期(最近一个月度)数据进行衡量。分别对σ取{0.5,0.6,0.7,0.8,0.9,1.0,1.1,1.2,1.3,1.4,1.5}等常见取值进行模型训练。即可以得到不同σ取值下的模型版本，对最近一个周期(最近一个月度)数据进行预测，得到每个模型版本下预测效果的准确率p{0.5,0.6,0.7,0.8,0.9,1.0,1.1,1.2,1.3,1.4,1.5},根据准确率p值的表现，即可确定参数σ的最佳取值。
35.作为一种可选的实施方式，根据最大值对应的目标可选参数调整滑动时间窗口的大小，包括：确定滑动时间窗口对应的起始时间；确定目标可选参数与起始时间的乘积，确定乘积为滑动时间窗口调整后的目标起始时间。
36.作为另一种可选的实施方式，根据最大值对应的目标可选参数调整滑动时间窗口的大小，可通过如下方式确定：获取滑动时间窗口对应的时间长度；确定目标可选参数与时间长度的乘积，确定乘积为滑动时间窗口的最佳时间长度。
37.在本技术一些实施例中，在根据滑动时间窗口对历史正样本进行划分，得到有效正样本之后，可确定有效正样本与负样本组成的模型数据集；将模型数据集划分为训练集与测试集，基于机器学习模型对训练集与测试集进行训练得到复购分类识别模型。
38.本技术一些实施中，在基于机器学习模型对训练集与测试集进行训练得到复购分类识别模型之后，可基于复购分类识别模型对样本数据进行预测，得到模型打分结果，其中，模型打分结果用于指示目标对象发生复购行为的概率，样本数据包括：多个目标对象的复购行为特征信息；基于模型打分结果对多个目标对象进行划分，得到不同复购意向等级的集合，其中，打分结果的分值越高，复购意向等级越高。例如，根据模型打分的结果，按照概率值在0-0.5之间视为低意向人群，0.5-0.8之间视为中意向人群，0.8-1.0之间视为高意向人群。应用过程中可根据实际应用场景进行人群划分的调整。
39.需要说明的是，根据目标群体的历史购买记录确定目标产品的第一复购周期，可通过如下方式实现，可解析目标群体的历史购买记录得到目标群体中各个对象对应的各个第二复购周期；确定各个第二复购周期对应的平均值，确定平均值为目标产品的第一复购周期。
40.图2是本技术一示例性实施例中的识别有效样本的系统结构图，如图2所示，原始数据集分为历史正样本集，以及负样本集，通过识别将历史正样本集分为过时正样本以及有效正样本，然后，将有效正样本与负样本集混合后作为测试集与训练集对模型进行训练，进而利用得到模型识别出低意向人群，中意向人群以及高意向人群。
41.可以理解的，模型训练过程中，需要输入的分为标签信息、特征信息，以及模型框架。标签信息即是样本信息，正样本统一设为1，负样本统一设为0。特征信息即样本身上具备的属性，例如性别属性，分为男性、女性。最后输入的是模型框架即选择机器学习中的一种模型方案，例如逻辑回归、随机森林、xgboost等。模型训练完成后，输出的是具备预测能力的模型，可以直接进行应用。模型预测过程中，输出的是尚未发生复购的群体，以及预测
群体的特征信息。其特征的数量以及计算方式必须与模型训练过程中保持一致。采用已训练的模型进行预测，即可给每个用户打上可能发生复购的概率。
42.根据模型打分的结果，按照概率值在0-0.5之间视为低意向人群，0.5-0.8之间视为中意向人群，0.8-1.0之间视为高意向人群。应用过程中可根据实际应用场景进行人群划分的调整。
43.现结合一具体的汽车行业的复购领域，对本技术的上述技术方案进行说明，具体的：
44.step 1：针对汽车行业的复购领域，为了促使保有用户复购本品牌汽车，维护好保有客户的粘性，再一次转化为本品牌的复购用户。需要精准识别复购模型的有效正样本，而不是将所有正样本放入模型进行训练，导致模型效果带来更大的偏误。在这里需引入一些新的变量
‑‑
复购用户的产品周期(product cycle of repurchase users，简称pcpu)，识别有效正样本的滑动时间窗口(sliding time window，简称stw)。
45.step 2：通过一方历史数据，梳理拿到历史正样本集p。为了找到有效正样本首先筛选最近1-2年发生复购的用户数据，经过统计分析出最近复购用户的平均复购周期可视为当前复购用户的产品周期pcpu。有了复购用户的产品周期pcpu，可以确定有效正样本的滑动时间窗口stw为，system time至system time
–
pcpu之间。进而将历史正样本划分为过时正样本(outdated positive samples，简称op)和有效正样本(effective positive samples，简称ep)。后续直接通过有效正样本与负样本进行模型学习，即可减少所有正样本放入模型训练带来的偏误。
46.step 3：通过上述有效正样本与负样本组成的模型数据集，划分为训练集与测试集。借助机器学习模型，这里可以采用catboost、xgboost、random forest、svm等分类模型进行训练，得到有效的复购分类模型。
47.step 4：借助有效的复购分类模型，对所有保有用户进行分类预测，即可找到潜在的复购行为的保有用户，也可以通过预测分值划分为不同等级的用户人群(高意向人群/中意向人群/低意向人群)，实现业务上精准地用户管理。减少粗放式的管理减少运营成本，转化为精耕细作的精准营运，提高效率，带来更大的产值。
48.下表上述实施例中识别有效样本的相关参数的判断标准，如下表所示：
[0049][0050]
图3是根据本技术实施例的另一种确定有效样本的装置，如图3所示，该装置包括：
[0051]
第一确定模块30，用于根据目标群体的历史购买记录确定目标产品的第一复购周期；
[0052]
第二确定模块32，用于根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；
[0053]
获取模块34，用于获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据；
[0054]
划分模块36，用于根据滑动时间窗口对历史正样本进行划分，得到有效正样本。
[0055]
该确定有效样本的装置中，第一确定模块30，用于根据目标群体的历史购买记录确定目标产品的第一复购周期；第二确定模块32，用于根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；获取模块34，用于获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据；划分模块36，用于根据滑动时间窗口对历史正样本进行划分，从而实现了提高样本数据的准确度，进而提高模型训练的效果，精确识别潜在的客户群体的技术效果，进而解决了由于相关技术中样本数据选择不准确造成的模型训练结果不佳，无法精准识别潜在的客户群体的技术问题。
[0056]
根据本技术实施例的另一方面，还提供了一种非易失性存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行任意一种确定有效样本的方法。
[0057]
具体地，上述存储介质用于存储以下功能的程序指令，实现以下功能：根据目标群
体的历史购买记录确定目标产品的第一复购周期；根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据；根据滑动时间窗口对历史正样本进行划分，得到有效正样本。
[0058]
可选地，在本实施例中，上述存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。上述存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0059]
在本技术一示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现上述任一项的确定有效样本的方法。
[0060]
可选地，该计算机程序在被处理器执行时可实现如下步骤：
[0061]
根据目标群体的历史购买记录确定目标产品的第一复购周期；根据第一复购周期确定有效正样本对应的滑动时间窗口，其中，第一复购周期越长，滑动时间窗口对应的时间长度越长；获取目标群体对应的历史正样本数据，其中，历史正样本数据包括：历史时段具有复购行为的用户的数据；根据滑动时间窗口对历史正样本进行划分，得到有效正样本。
[0062]
根据本技术的实施例提供了一种电子设备，该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述任一项的确定有效样本的方法。
[0063]
可选地，上述电子设备还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入设备输出设备和上述处理器连接。
[0064]
图4示出了可以用来实施本技术的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本技术的实现。
[0065]
如图4所示，设备400包括计算单元401，其可以根据存储在只读存储器(rom)402中的计算机程序或者从存储单元408加载到随机访问存储器(ram)403中的计算机程序，来执行各种适当的动作和处理。在ram 403中，还可存储设备400操作所需的各种程序和数据。计算单元401、rom 402以及ram 403通过总线404彼此相连。输入/输出(i/o)接口405也连接至总线404。
[0066]
设备400中的多个部件连接至i/o接口405，包括：输入单元406，例如键盘、鼠标等；输出单元407，例如各种类型的显示器、扬声器等；存储单元408，例如磁盘、光盘等；以及通信单元409，例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
[0067]
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工
智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理，例如确定有效样本的方法。例如，在一些实施例中，确定有效样本的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元408。在一些实施例中，计算机程序的部分或者全部可以经由rom 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到ram 403并由计算单元401执行时，可以执行上文描述的确定有效样本的方法的一个或多个步骤。备选地，在其他实施例中，计算单元401可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行确定有效样本的方法。
[0068]
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
[0069]
用于实施本技术的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
[0070]
在本技术的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
[0071]
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
[0072]
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部
件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
[0073]
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
[0074]
上述本技术实施例序号仅仅为了描述，不代表实施例的优劣。
[0075]
在本技术的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0076]
在本技术所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，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接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0077]
所述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。
[0078]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0079]
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0080]
以上所述仅是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。