商家信息推荐方法、装置、电子设备及存储介质与流程

1.本技术实施例涉及互联网技术领域，特别是涉及一种商家信息推荐方法、装置、电子设备及存储介质。


背景技术：

2.在外卖场景下，由于天气、交通管制、运力紧张等一些客观的情况，当订单量超过能服务的数量时，经过人工的审核会进行爆单。
3.现有的爆单策略主要有两类：1)商家爆单：针对商家出餐慢等情景，通过提升配送费、缩减配送范围等方式，降低商家订单；2)区域爆单：针对区域订单量过高、运力不足的情景，通过缩减区域内商家配送范围，抑制用户需求达到减少订单的目的。图1是现有技术中的商家爆单场景中缩减配送范围的示意图，图2是现有技术中的区域爆单场景中缩减配送范围的示意图，如图1和图2所示，在爆单时，将商家的配送范围缩减至商家周边，大大缩减了配送范围。
4.在爆单场景下，现有的商家信息推荐方式主要是通过缩减商家配送范围来减少订单，虽然这种方式可以缓解配送压力，但是减少了大量的订单，导致用户在爆单场景下较大可能找不到自己喜爱的菜品，影响用户体验，而且缩减配送范围后订单分布仍然较为分散，影响配送效率。


技术实现要素：

5.本技术实施例提供一种商家信息推荐方法、装置、电子设备及存储介质，有助于提高订单密度，提高配送效率，提升用户体验。
6.为了解决上述问题，第一方面，本技术实施例提供了一种商家信息推荐方法，包括：
7.当订单量超过可服务单量时，确定待推荐商家poi所属配送区域内的所有aoi；
8.根据所述待推荐商家poi的历史数据和每个所述aoi的历史数据，分别确定每个aoi与所述待推荐商家poi的相关性；
9.根据每个aoi与所述待推荐商家poi的相关性，确定至少一个aoi，作为待推荐aoi；
10.向位于所述待推荐aoi内的用户终端发送所述待推荐商家poi的信息。
11.第二方面，本技术实施例提供了一种商家信息推荐装置，包括：
12.区域内aoi确定模块，用于当订单量超过可服务单量时，确定待推荐商家poi所属配送区域内的所有aoi；
13.相关性确定模块，用于根据所述待推荐商家poi的历史数据和每个所述aoi的历史数据，分别确定每个aoi与所述待推荐商家poi的相关性；
14.待推荐aoi确定模块，用于根据每个aoi与所述待推荐商家poi的相关性，确定至少一个aoi，作为待推荐aoi；
15.商家信息推荐模块，用于向位于所述待推荐aoi内的用户终端发送所述待推荐商
家poi的信息。
16.第三方面，本技术实施例还提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本技术实施例所述的商家信息推荐方法。
17.第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本技术实施例公开的商家信息推荐方法的步骤。
18.本技术实施例提供的商家信息推荐方法、装置、电子设备及存储介质，通过在当前订单量超过可服务单量时，确定待推荐商家poi所属配送区域内的所有aoi，根据待推荐商家poi的历史数据和每个aoi的历史数据，分别确定每个aoi与待推荐商家poi的相关性，根据每个aoi与待推荐商家poi的相关性，确定至少一个aoi，作为待推荐aoi，向位于待推荐aoi内的用户终端发送待推荐商家poi的信息，实现了将待推荐商家poi的订单集中到至少一个aoi中，从而提高了订单密度，可以提高配送效率，并可以缓解配送压力，而且使得用户在高峰期也可以找到自己喜爱的菜品，提升用户体验。
附图说明
19.为了更清楚地说明本技术实施例的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
20.图1是现有技术中的商家爆单场景中缩减配送范围的示意图；
21.图2是现有技术中的区域爆单场景中缩减配送范围的示意图；
22.图3是本技术实施例一提供的一种商家信息推荐方法的流程图；
23.图4是本技术实施例中的aoi与poi的相关性预测模型的结构示意图；
24.图5是本技术实施例中的商家爆单场景中商家信息推荐范围的示意图；
25.图6是本技术实施例中的区域爆单场景中商家信息推荐范围的示意图；
26.图7是本技术实施例二提供的一种商家信息推荐装置结构示意图；
27.图8是本技术实施例三的一种电子设备的结构示意图。
具体实施方式
28.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，所描述的实施例是本技术一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
29.实施例一
30.本实施例提供的一种商家信息推荐方法，如图3所示，该方法包括：步骤310至步骤340。
31.步骤310，当订单量超过可服务单量时，确定待推荐商家poi所属配送区域内的所有aoi。
32.其中，可服务单量可以是预先设置的数值，或者，也可以是根据当前配送运力数
量、当前配送运力分布以及商家订单量等信息动态确定的数值，或者，还可以是接收商家根据自身服务情况手动触发的信息。
33.当订单量超过可服务单量时，需要缩减配送范围来减少部分订单。本技术实施例中，在缩减配送范围时，将订单集中到至少一个aoi(area of interest，兴趣面)中，这时需要确定合适的aoi，使得单量不至于缩减太多，因此需要确定待推荐商家poi(point of interest，兴趣点)所属配送区域内的所有aoi，之后可以从所有aoi中确定至少一个aoi，并向确定的至少一个aoi内的用户终端推荐待推荐商家poi的信息。其中，所述aoi可以是一个小区或者一个写字楼等区域。
34.在本技术的一个实施例中，当订单量超过可服务单量时，确定待推荐商家poi所属配送区域内的所有aoi，包括：
35.在当前商家poi的订单量超过可服务单量时，将所述当前商家poi作为待推荐商家poi，并确定所述待推荐商家poi所属配送区域内的所有aoi；或者
36.当配送区域内订单量超过可服务单量时，确定所述配送区域内的所有aoi，并获取所述配送区域内的商家poi簇，遍历所述商家poi簇，将当前商家poi簇作为所述待推荐商家poi。
37.订单量超过可服务单量，即出现了爆单的情况，这时可以分为两种情况，即商家爆单和区域爆单。在商家爆单场景中，是当前商家poi的订单量超过可服务单量，这时将爆单的当前商家poi作为待推荐商家poi，确定该待推荐poi所属配送区域内的所有aoi。在区域爆单场景中，是当前的配送区域的订单量超过可服务单量，这时可以从商家poi簇的存储位置获取配送区域内的商家poi簇，或者实时对配送区域内的商家poi进行聚类得到配送区域内的商家poi簇，针对每个poi簇分别确定待推荐的aoi，这时需要遍历配送区域内的所有商家poi簇，将遍历到的当前商家poi簇作为待推荐商家poi，此时待推荐商家poi会包括多个商家poi，将这多个商家poi作为一个整体进行信息推荐。其中，商家poi簇是指距离较近的多个商家poi。
38.在本技术的一个实施例中，在所述获取所述配送区域内的商家poi簇之前，还包括：根据所述配送区域内的商家poi的经纬度坐标，对所述商家poi进行聚类，得到所述配送区域内的商家poi簇。
39.在线下场景中，根据配送区域内的商家poi的经纬度坐标，通过dbscan算法对配送区域内的商家poi进行聚类，将距离较近的商家poi聚类到同一个商家poi簇，得到配送区域内的多个商家poi簇，并存储配送区域内的商家poi簇。通过线下对配送区域内的商家poi进行聚类，在出现区域爆单时，可以直接获取线下的聚类结果，提高线上处理速度。
40.步骤320，根据所述待推荐商家poi的历史数据和每个所述aoi的历史数据，分别确定每个aoi与所述待推荐商家poi的相关性。
41.其中，aoi与待推荐商家poi的相关性表示该aoi内的用户群体对待推荐商家poi的喜爱度。
42.对待推荐商家poi的历史数据和每个aoi的历史数据进行分析整理，确定待推荐商家的基础特征、每个aoi内的用户群体特征以及待推荐商家与每个aoi的交叉特征，对于每个aoi分别预测相关性，将一个aoi的用户群体特征、待推荐商家poi的基础特征、以及该aoi与待推荐商家poi的交叉特征输入aoi与poi的相关性预测模型，通过相关性预测模型对这
些特征的处理，得到该aoi与待推荐商家的相关性，每个aoi分别通过该相关性预测模型进行预测后得到每个aoi与待推荐商家poi的相关性。
43.在本技术的一个实施例中，根据所述待推荐商家poi的历史数据和每个所述aoi的历史数据，分别确定每个aoi与所述待推荐商家poi的相关性，包括：根据所述待推荐商家poi的历史数据和每个所述aoi的历史数据，分别确定每个aoi的用户群体特征、所述待推荐商家poi的基础特征、以及所述待推荐商家poi与每个aoi的交叉特征；确定所述待推荐商家poi与每个aoi的距离，并获取当前时间特征；根据所述用户群体特征、所述基础特征、所述交叉特征、距离和当前时间特征，分别确定每个aoi与所述待推荐商家poi的相关性。
44.对待推荐商家poi的历史数据进行分析，统计待推荐商家poi的历史销量、待推荐商家poi在当前时刻的历史销量以及待推荐商家poi的活动信息等，得到待推荐商家poi的基础特征。针对每个aoi分别确定用户群体特征，对每个aoi的历史数据分别进行分析，确定每个aoi内的订单量、用户转化率以及用户分布信息等，得到每个aoi的用户群体特征。对每个aoi的历史数据分别与待推荐商家poi的历史数据进行综合分析，确定待推荐商家poi在每个aoi内的历史订单量以及历史用户点击率等，得到待推荐商家poi与每个aoi的交叉特征。基于待推荐商家poi的经纬度坐标，以及每个aoi的经纬度坐标，分别确定待推荐商家poi与每个aoi的距离，并获取当前时间特征(如当前时刻所属时间段、周几等)。对于每个aoi分别将对应的用户群体特征、与待推荐商家poi的交叉特征、待推荐商家poi的基础特征、距离、当前时间特征等分别输入aoi与poi的相关性预测模型，经过相关性预测模型的处理，得到每个aoi与待推荐商家poi的相关性。
45.图4是本技术实施例中的aoi与poi的相关性预测模型的结构示意图，如图4所示，将aoi的用户群体特征、待推荐商家poi的基础特征、aoi与poi的交叉特征、距离和当前时间特征等拼接为一个整体的特征，经过多个全连接层的处理，得到aoi与待推荐商家poi的相关性。
46.通过基于对待推荐商家poi的历史数据和每个aoi的历史数据的分析，确定aoi与待推荐商家poi的相关性，可以较为准确的确定相关性，从而能够提高订单的分布密度，有利于提高配送效率，减缓配送压力。
47.步骤330，根据每个aoi与所述待推荐商家poi的相关性，确定至少一个aoi，作为待推荐aoi。
48.根据每个aoi对待推荐商家的相关性，从所有aoi中选取相关性最高的至少一个aoi，作为待推荐aoi；或者，还可以根据每个aoi对待推荐商家的相关性并结合待推荐商家poi的历史单量和每个aoi对待推荐商家poi的当前单量，从所有aoi中选取相关性最高的至少一个aoi，作为待推荐aoi。
49.在本技术的一个实施例中，所述根据每个aoi与所述待推荐商家poi的相关性，确定至少一个aoi，作为待推荐aoi，包括：确定所述相关性最高的预设数量的aoi，作为待选取aoi；根据所述待选取aoi与待推荐商家poi的相关性、所述待选取aoi对所述待推荐商家poi的当前单量以及所述待推荐商家poi的历史单量，确定至少一个待选取aoi，作为待推荐aoi。
50.在确定配送区域内所有aoi与待推荐商家poi的相关性后，从所有aoi中确定相关性最高的预设数量的aoi，作为待选取aoi，后续从待选取aoi中确定至少一个aoi，作为待推
荐aoi。在从待选取aoi中确定待推荐aoi时，可以按照相关性从高到低的顺序，从待选取aoi中确定当前单量之和不超过待推荐商家poi的历史单量的至少一个待选取aoi，将确定的至少一个待选取aoi作为待推荐aoi。通过确定相关性最高的预设数量的aoi，作为待选取aoi，并基于相关性、待选取aoi的当前单量和待推荐商家poi的历史单量从待选取aoi中确定至少一个待选取aoi，作为待推荐aoi，可以减少确定当前单量的计算量，提高处理速度。
51.在本技术的一个实施例中，根据所述待选取aoi与待推荐商家poi的相关性、所述待选取aoi对所述待推荐商家poi的当前单量以及所述待推荐商家poi的历史单量，确定至少一个待选取aoi，作为待推荐aoi，包括：确定当前时刻每个待选取aoi的可配送商家数量；根据所述可配送商家数量以及权重与可配送商家数量的反比关系，确定每个所述待选取aoi的权重；根据所述相关性和所述权重，对所述预设数量的待选取aoi进行重新排序；根据所述待选取aoi对所述待推荐商家poi的当前单量以及所述待推荐商家poi的历史单量，从重新排序后的待选取aoi中确定至少一个待选取aoi，作为待推荐aoi。
52.其中，权重与可配送数量的反比关系是一个权重关于可配送数量的单调递减函数。
53.统计当前时刻每个待选取aoi的可配送商家数量；根据每个待选取aoi的可配送商家数量，以及权重与可配送商家数量的反比关系，确定每个待选取aoi的权重，以对可配送商家数量较少的待选取aoi进行提权，对可配送商家数量较多的待选取aoi进行降权；之后根据待选取aoi对待推荐商家poi的相关性和待选取aoi的权重，对预设数量的待选取aoi进行重新排序；从重新排序后的待选取aoi中，确定topk个待选取aoi，即确定至少一个待选取aoi，作为待推荐aoi，使得待推荐aoi的当前单量之和不超过待推荐商家poi的历史单量。通过基于可配送商家数量来确定待选取aoi的权重，以对可配送商家数量较少的待选取aoi进行提权，对可配送商家数量较多的待选取aoi进行降权，从而可以优先选取可配送商家数量较少的待选取aoi作为待推荐aoi，以满足该待推荐aoi的用户需求，保证对该待推荐aoi的供给。
54.在一种可选的实施方式中，所述根据所述相关性和所述权重，对所述预设数量的待选取aoi进行重新排序，包括：根据所述待选取aoi的权重，对所述待选取aoi对应的相关性进行调整，得到调整后相关性；根据每个所述待选取aoi对应的调整后相关性，对所述待选取aoi进行重新排序。
55.在确定待选取aoi的权重后，使用待选取aoi的权重对待选取aoi与待推荐商家poi的相关性进行调整，即将待选取aoi的权重乘以待选取aoi与待推荐商家poi的相关性，得到待选取aoi的调整后相关性；按照调整后相关性从高到低的顺序，对待选取aoi进行重新排序。通过使用待选取aoi的权重对相关性进行调整，并进行重新排序，可以优先选取相关性较高和可配送商家数量较少的aoi区域，作为待推荐aoi区域，以保证对可配送商家数量较少的aoi区域的供给。
56.在一种可选的实施方式中，根据所述待选取aoi对所述待推荐商家poi的当前单量以及所述待推荐商家poi的历史单量，从重新排序后的待选取aoi中确定至少一个待选取aoi，作为待推荐aoi，包括：按照顺序，从重新排序后的待选取aoi中确定至少一个待选取aoi，使得至少一个待选取aoi对待推荐商家poi的当前单量之和不超过所述待推荐商家poi的历史单量，将所述至少一个待选取aoi确定为待推荐aoi。
57.在对待选取aoi进行重新排序时，若是按照调整后相关性从高到低的顺序进行的排序，则可以按照从头开始的顺序，从重新排序后的待选取aoi中确定至少一个待选取aoi，使得至少一个待选取aoi对待推荐商家poi的当前单量之和不超过所述待推荐商家poi的历史单量。在确定至少一个待选取aoi时，首先比较第一个aoi对待推荐商家poi的当前单量与待推荐商家poi的历史单量；若第一个aoi的当前单量小于待推荐商家poi的历史单量，则比较第一个aoi与第二个aoi的当前单量之和与待推荐商家poi的历史单量；若第一个aoi与第二个aoi的当前单量之和大于待推荐商家poi的历史单量，则将第一个aoi确定为至少一个待选取aoi，若第一个aoi与第二个aoi的当前单量之和等于待推荐商家poi的历史单量，则将第一个aoi和第二个aoi确定为至少一个待选取aoi，若第一个aoi与第二个aoi的当前单量之和大于待推荐商家poi的历史单量，则继续将第一个aoi、第二个aoi与第三个aoi的当前单量之和，与待推荐商家poi的历史单量进行比较，直至找到至少两个待选取aoi的当前单量之和大于待推荐商家poi的历史单量时停止比较，并将至少两个待选取aoi中除最后一个待选取aoi外的待选取aoi确定为至少一个待选取aoi。其中，待选取aoi对待推荐商家poi的当前单量可以是预估得到的结果，待推荐商家poi的历史单量是待推荐商家poi在当前时段的历史单量。
58.通过使得至少一个待选取aoi对待推荐商家poi的当前单量之和不超过待推荐商家poi的历史单量，保证对待推荐aoi的最大供给。
59.步骤340，向位于所述待推荐aoi内的用户终端发送所述待推荐商家poi的信息。
60.向位于待推荐aoi内的用户终端发送待推荐商家poi的商品信息以及其他信息，这样使得在待推荐aoi内的用户终端可以显示待推荐商家poi的信息，而其他区域的用户终端不会接收到待推荐商家poi的信息，从而缩减了待推荐商家poi的配送区域。其中，其他信息例如可以是活动信息等。
61.在商家爆单场景中，待推荐商家poi就是一个商家poi，这时，通过本技术实施例提供的商家信息推荐方法确定的商家信息推荐范围的示意图如图5所示，即将订单集中到了至少一个aoi(箭头所指向的aoi)中，从而提高了订单密度，可以提高配送效率。
62.在区域爆单场景中，待推荐商家poi是一个商家poi簇，包括多个商家poi，这时，通过本技术实施例提供的商家信息推荐方法确定的商家信息推荐范围的示意图如图6所示，将每个商家poi簇的订单分别集中到至少一个aoi(箭头所指向的aoi)中，从而提高了订单密度，可以提高配送效率。
63.本技术实施例提供的商家信息推荐方法，通过当前订单量超过可服务单量时，确定待推荐商家poi所属配送区域内的所有aoi，根据待推荐商家poi的历史数据和每个aoi的历史数据，分别确定每个aoi与待推荐商家poi的相关性，根据每个aoi与待推荐商家poi的相关性，确定至少一个aoi，作为待推荐aoi，向位于待推荐aoi内的用户终端发送待推荐商家poi的信息，实现了将待推荐商家poi的订单集中到至少一个aoi中，从而提高了订单密度，可以提高配送效率，并可以缓解配送压力，而且使得用户在高峰期也可以找到自己喜爱的菜品，提升用户体验。
64.实施例二
65.本实施例提供的一种商家信息推荐装置，如图7所示，所述商家信息推荐装置700包括：
66.区域内aoi确定模块710，用于当订单量超过可服务单量时，确定待推荐商家poi所属配送区域内的所有aoi；
67.相关性确定模块720，用于根据所述待推荐商家poi的历史数据和每个所述aoi的历史数据，分别确定每个aoi与所述待推荐商家poi的相关性；
68.待推荐aoi确定模块730，用于根据每个aoi与所述待推荐商家poi的相关性，确定至少一个aoi，作为待推荐aoi；
69.商家信息推荐模块740，用于向位于所述待推荐aoi内的用户终端发送所述待推荐商家poi的信息。
70.可选的，所述待推荐aoi确定模块包括：
71.待选取aoi确定单元，用于确定所述相关性最高的预设数量的aoi，作为待选取aoi；
72.待推荐aoi确定单元，用于根据所述待选取aoi与待推荐商家poi的相关性、所述待选取aoi对所述待推荐商家poi的当前单量以及所述待推荐商家poi的历史单量，确定至少一个待选取aoi，作为待推荐aoi。
73.可选的，所述待推荐aoi确定单元包括：
74.可配送商家数量确定子单元，用于确定当前时刻每个待选取aoi的可配送商家数量；
75.权重确定子单元，用于根据所述可配送商家数量以及权重与可配送商家数量的反比关系，确定每个所述待选取aoi的权重；
76.重新排序子单元，用于根据所述相关性和所述权重，对所述预设数量的待选取aoi进行重新排序；
77.待推荐aoi确定子单元，用于根据所述待选取aoi对所述待推荐商家poi的当前单量以及所述待推荐商家poi的历史单量，从重新排序后的待选取aoi中确定至少一个待选取aoi，作为待推荐aoi。
78.可选的，所述重新排序子单元具体用于：
79.根据所述待选取aoi的权重，对所述待选取aoi对应的相关性进行调整，得到调整后相关性；
80.根据每个所述待选取aoi对应的调整后相关性，对所述待选取aoi进行重新排序。
81.可选的，所述待推荐aoi确定子单元具体用于：
82.按照顺序，从重新排序后的待选取aoi中确定至少一个待选取aoi，使得至少一个待选取aoi对待推荐商家poi的当前单量之和不超过所述待推荐商家poi的历史单量，将所述至少一个待选取aoi确定为待推荐aoi。
83.可选的，所述相关性确定模块包括：
84.交叉特征确定单元，用于根据所述待推荐商家poi的历史数据和每个所述aoi的历史数据，分别确定每个aoi的用户群体特征、所述待推荐商家poi的基础特征、以及所述待推荐商家poi与每个aoi的交叉特征；
85.距离时间特征确定单元，用于确定所述待推荐商家poi与每个aoi的距离，并获取当前时间特征；
86.相关性确定单元，用于根据所述用户群体特征、所述基础特征、所述交叉特征、距
离和当前时间特征，分别确定每个aoi与所述待推荐商家poi的相关性。
87.可选的，所述区域内aoi确定模块具体用于：
88.在当前商家poi的订单量超过可服务单量时，将所述当前商家poi作为待推荐商家poi，并确定所述待推荐商家poi所属配送区域内的所有aoi；或者
89.当配送区域内订单量超过可服务单量时，确定所述配送区域内的所有aoi，并获取所述配送区域内的商家poi簇，遍历所述商家poi簇，将当前商家poi簇作为所述待推荐商家poi。
90.可选的，所述装置还包括：
91.poi聚类模块，用于根据所述配送区域内的商家poi的经纬度坐标，对所述商家poi进行聚类，得到所述配送区域内的商家poi簇。
92.本技术实施例提供的商家信息推荐装置，用于实现本技术实施例一中所述的商家信息推荐方法的各步骤，装置的各模块的具体实施方式参见相应步骤，此处不再赘述。
93.本技术实施例提供的商家信息推荐装置，通过在当前订单量超过可服务单量时，确定待推荐商家poi所属配送区域内的所有aoi，根据待推荐商家poi的历史数据和每个aoi的历史数据，分别确定每个aoi与待推荐商家poi的相关性，根据每个aoi与待推荐商家poi的相关性，确定至少一个aoi，作为待推荐aoi，向位于待推荐aoi内的用户终端发送待推荐商家poi的信息，实现了将待推荐商家poi的订单集中到至少一个aoi中，从而提高了订单密度，可以提高配送效率，并可以缓解配送压力，而且使得用户在高峰期也可以找到自己喜爱的菜品，提升用户体验。
94.实施例三
95.本技术实施例还提供了一种电子设备，如图8所示，该电子设备800可以包括一个或多个处理器810以及与处理器810连接的一个或多个存储器820。电子设备800还可以包括输入接口830和输出接口840，用于与另一装置或系统进行通信。被处理器310执行的程序代码可存储在存储器820中。
96.电子设备800中的处理器810调用存储在存储器820的程序代码，以执行上述实施例中的商家信息推荐方法。
97.本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本技术实施例一所述的商家信息推荐方法的步骤。
98.本说明书中的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他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置实施例而言，由于其与方法实施例基本相似，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。
99.以上对本技术实施例提供的一种商家信息推荐方法、装置、电子设备及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的一般技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。
100.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各实施方式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实现。基于这样的理
解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。