用户分群方法、装置、电子设备及计算机存储介质与流程

1.本发明属于业务支撑技术领域，尤其涉及一种用户分群方法、装置、电子设备及计算机存储介质。


背景技术：

2.随着运营商市场竞争的日益激烈，传统粗犷式地用户圈选统一营销的运营模式愈显短板，精细化的客户管理显得愈加重要。如何科学合理划分用户群并凸显群体特征差异，让业务人员能因群施策，制定不同活动策略渠道，从而提升整体营销成功率值得深究。
3.目前，常见的用户分群方法是采用将机器学习算法与业务规则相结合的方式，其使用的用户特征数据数量太多且不具有代表性，易形成“维度灾难”，对计算资源消耗大。
4.因此，如何在进行用户分群的过程中减少计算资源的消耗是本领域技术人员亟需解决的技术问题。


技术实现要素：

5.本发明实施例提供一种用户分群方法、装置、电子设备及计算机存储介质，能够在进行用户分群的过程中减少计算资源的消耗。
6.第一方面，本发明实施例提供一种用户分群方法，包括：
7.获取用户的目标业务特征数据；
8.依次对目标业务特征数据进行截尾处理和切片处理，得到多个区间组合特征数据；
9.分别确定各个区间组合特征数据的信息值(information value，iv)；
10.基于各个区间组合特征数据的信息值和预设筛选规则信息，从多个区间组合特征数据中筛选出目标区间组合特征数据；
11.基于目标区间组合特征数据，确定用户的分群结果。
12.可选地，基于目标区间组合特征数据，确定用户的分群结果，包括：
13.确定目标区间组合特征数据的分布异度；
14.基于分布异度，确定目标区间组合特征数据的分裂增益率；
15.基于分裂增益率，确定用户的分群结果。
16.可选地，在确定目标区间组合特征数据的分布异度之后，方法还包括：
17.判断分布异度的绝对值是否不小于预设门限阈值；
18.当确定分布异度的绝对值不小于预设门限阈值时，基于目标区间组合特征数据确定规则列表。
19.可选地，规则列表中的规则包括目标区间组合特征数据；在当确定分布异度的绝对值不小于预设门限阈值时，基于目标区间组合特征数据确定规则列表之后，方法还包括：
20.对规则列表中的规则进行删减和/或合并，得到更新后的规则列表。
21.可选地，在得到更新后的规则列表之后，方法还包括：
22.显示更新后的规则列表和分群结果。
23.可选地，基于各个区间组合特征数据的信息值和预设筛选规则信息，从多个区间组合特征数据中筛选出目标区间组合特征数据，包括：
24.基于各个区间组合特征数据的信息值，按照从大到小的顺序对各个信息值进行排序，得到信息值排序表；
25.基于信息值排序表和预设筛选规则信息，将预设数量个较大信息值对应的区间组合特征数据，确定为目标区间组合特征数据。
26.可选地，获取用户的目标业务特征数据，包括：
27.获取用户的初始业务特征数据；
28.针对初始业务特征数据进行数据清洗，得到目标业务特征数据。
29.第二方面，本发明实施例提供了一种用户分群装置，包括：
30.获取模块，用于获取用户的目标业务特征数据；
31.数据处理模块，用于依次对目标业务特征数据进行截尾处理和切片处理，得到多个区间组合特征数据；
32.第一确定模块，用于分别确定各个区间组合特征数据的信息值；
33.筛选模块，用于基于各个区间组合特征数据的信息值和预设筛选规则信息，从多个区间组合特征数据中筛选出目标区间组合特征数据；
34.第二确定模块，用于基于目标区间组合特征数据，确定用户的分群结果。
35.可选地，第二确定模块，用于确定目标区间组合特征数据的分布异度；基于分布异度，确定目标区间组合特征数据的分裂增益率；基于分裂增益率，确定用户的分群结果。
36.可选地，第二确定模块，还用于判断分布异度的绝对值是否不小于预设门限阈值；当确定分布异度的绝对值不小于预设门限阈值时，基于目标区间组合特征数据确定规则列表。
37.可选地，规则列表中的规则包括目标区间组合特征数据；第二确定模块，还用于对规则列表中的规则进行删减和/或合并，得到更新后的规则列表。
38.可选地，第二确定模块，还用于显示更新后的规则列表和分群结果。
39.可选地，筛选模块，用于基于各个区间组合特征数据的信息值，按照从大到小的顺序对各个信息值进行排序，得到信息值排序表；基于信息值排序表和预设筛选规则信息，将预设数量个较大信息值对应的区间组合特征数据，确定为目标区间组合特征数据。
40.可选地，获取模块，用于获取用户的初始业务特征数据；针对初始业务特征数据进行数据清洗，得到目标业务特征数据。
41.第三方面，本发明实施例提供了一种电子设备，电子设备包括：处理器，以及存储有计算机程序指令的存储器；
42.处理器读取并执行计算机程序指令，以实现第一方面或者第一方面任一可选的实现方式中的用户分群方法。
43.第四方面，本发明实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面或者第一方面任一可选的实现方式中的用户分群方法。
44.本发明实施例的用户分群方法、装置、电子设备及计算机存储介质，能够在进行用
户分群的过程中减少计算资源的消耗。该用户分群方法，在依次对用户的目标业务特征数据进行截尾处理和切片处理，得到多个区间组合特征数据后，分别确定各个区间组合特征数据的信息值，并基于各个区间组合特征数据的信息值和预设筛选规则信息，从多个区间组合特征数据中筛选出目标区间组合特征数据，避免了现有技术中由于用户特征数据数量太多且不具有代表性而形成“维度灾难”的问题，故能够在进行用户分群的过程中减少计算资源的消耗。
附图说明
45.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，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的附图。
46.图1是本发明实施例提供的一种用户分群方法的流程示意图；
47.图2是本发明实施例提供的一种用户分群装置处理流程图；
48.图3是本发明实施例提供的一种用户分群流程示意图；
49.图4是本发明实施例提供的一种分群结果展示示意图；
50.图5是本发明实施例提供的一种用户分群装置的结构示意图；
51.图6是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
52.下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
53.需要说明的是，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。
54.目前，常见的用户分群方法是采用将机器学习算法与业务规则相结合的方式，其使用的用户特征数据数量太多且不具有代表性，易形成“维度灾难”，对计算资源消耗大。
55.为了解决现有技术问题，本发明实施例提供了一种用户分群方法、装置、电子设备及计算机存储介质。下面首先对本发明实施例所提供的用户分群方法进行介绍。
56.图1示出了本发明实施例提供的一种用户分群方法的流程示意图。如图1所示，该用户分群方法可以包括以下步骤：
57.s101、获取用户的目标业务特征数据。
58.为了减少计算资源的消耗，在一个实施例中，获取用户的目标业务特征数据，可以包括：获取用户的初始业务特征数据；针对初始业务特征数据进行数据清洗，得到目标业务特征数据。
59.s102、依次对目标业务特征数据进行截尾处理和切片处理，得到多个区间组合特征数据。
60.s103、分别确定各个区间组合特征数据的信息值。
61.s104、基于各个区间组合特征数据的信息值和预设筛选规则信息，从多个区间组合特征数据中筛选出目标区间组合特征数据。
62.为了筛选出信息值更大的目标区间组合特征数据，在一个实施例中，基于各个区间组合特征数据的信息值和预设筛选规则信息，从多个区间组合特征数据中筛选出目标区间组合特征数据，可以包括：基于各个区间组合特征数据的信息值，按照从大到小的顺序对各个信息值进行排序，得到信息值排序表；基于信息值排序表和预设筛选规则信息，将预设数量个较大信息值对应的区间组合特征数据，确定为目标区间组合特征数据。
63.s105、基于目标区间组合特征数据，确定用户的分群结果。
64.为了更加准确地对用户进行分群，在一个实施例中，基于目标区间组合特征数据，确定用户的分群结果，可以包括：确定目标区间组合特征数据的分布异度；基于分布异度，确定目标区间组合特征数据的分裂增益率；基于分裂增益率，确定用户的分群结果。
65.为了更加准确地确定对用户进行分群的规则列表，在一个实施例中，在确定目标区间组合特征数据的分布异度之后，还可以包括：判断分布异度的绝对值是否不小于预设门限阈值；当确定分布异度的绝对值不小于预设门限阈值时，基于目标区间组合特征数据确定规则列表。
66.为了满足不同业务的需求，在一个实施例中，规则列表中的规则可以包括目标区间组合特征数据；在当确定分布异度的绝对值不小于预设门限阈值时，基于目标区间组合特征数据确定规则列表之后，还可以包括：对规则列表中的规则进行删减和/或合并，得到更新后的规则列表。
67.此外，在得到更新后的规则列表之后，还可以包括：显示更新后的规则列表和分群结果。
68.该用户分群方法，在依次对用户的目标业务特征数据进行截尾处理和切片处理，得到多个区间组合特征数据后，分别确定各个区间组合特征数据的信息值，并基于各个区间组合特征数据的信息值和预设筛选规则信息，从多个区间组合特征数据中筛选出目标区间组合特征数据，避免了现有技术中由于用户特征数据数量太多且不具有代表性而形成“维度灾难”的问题，故能够在进行用户分群的过程中减少计算资源的消耗。
69.下面以一个具体实施例对上述内容进行介绍，具体如下：
70.本发明实施例所提供的用户分群装置，主要可以包括四个模块，分别是数据处理模块、特征选取模块、用户分群模块、结果展示模块。如图2所示，处理流程主要包括：先对数据进行初步处理，然后利用数据处理模块进行截尾处理和切片处理得到完成分段的数据，再利用特征选取模块进行特征选取，得到选好特征的数据和特征得分列表，再利用用户分群模块进行分群计算、规则提取和用户打分，得到分群数据和提取规则，最后利用结果展示模块将其进行展示。具体处理流程如下：
71.首先要对数据进行初步的处理，处理包括缺失值删补、脏数据清洗、混合格式转化为统一格式等基础数据清洗，之后获得经过初步处理的数据导入装置中。
72.1、数据处理模块：
73.数据处理模块主要包含两个功能，分别是截尾处理与切片处理。
74.(1)截尾处理：
75.异常值具有数值偏离正常群体较远，占比数量小的特点，为了防止异常值对特征切片的影响，结合业务理解，对特征数据进行截尾处理。例如，将大于q
0.95
值的异常值处理为q
0.95
，将小于0值的异常值处理为0。
76.(2)切片处理：
77.第一步：细分小段。根据特征的业务属性，将特征进行不同颗粒间隔d的小段细分，得到多个区间向量(a代表特征，k代表特征序号，m代表小段序号)。间隔划分细则为：
78.(1)当离散型变量的类别数小于20时，不划分；当类别数大于20时，若为数值变量，则按连续变量划分；若为字符型变量，取前十类别，剩余并为“其他”类。
79.(2)对于连续型变量，若包含流量，则d＝1；若包含饱和度，则d＝0.1；若包含时长，则d＝3；其它情况，则d＝10。
80.当特征类型为字符时，为使得分类尽可能合理，不会出现分得过度细的情况，则保留top5的字符显示，以外的则替换为“其他”。
81.第二步：确定阈值。对区间向量进行阈值划分，采用基尼系数指标，针对小段区间{d1,d2，
…
，d
m
}进行划分，获得使基尼系数最小的最佳阈值点d
i1
，然后继续在{d1,d2，
…
，d
i1
}和{d
i1 1
,
…
,d
m
}中分别找到最佳阈值点d
i2
和d
i3
，依次递归划分。基尼系数计算公式如下：
[0082][0083][0084]
其中，d1＝d{d1,d2,
…
,d
i1
}代表以d
i1
为阈值点划分的一份样本，d2＝d{d
i1 1
,
…
,d
m
}代表以d
i1
为阈值点划分的两位一份样本。d
i
为样本，p
ik
代表样本d
i
中第k个类别所占的比例。
[0085]
最后，可通过设置划分的次数c，每次划分后的样本量最小值s，划分的区间数n，最后得到最佳阈值划分向量di{d
i1
,d
i2
,
…
,d
in-1
}。
[0086]
第三步：特征切片。根据阈值划分向量di{d
i1
,d
i2
,
…
,d
in-1
}，对特征进行切片，从而得到n个区间组合特征有效降低特征阈值空间复杂度。
[0087]
2、特征选取模块：
[0088]
特征选取模块是以iv分析为核心的计算模块，因数据处理模块已将连续的数据也处理为离散数据，故可直接通过iv分析得到所有特征的iv值，并依据iv值大小排序。
[0089]
根据专家经验，iv值在0.5以上的为分群变量，因此选取iv值在0.5以上的特征进入下一阶段，如果没有0.5以上的特征，则选取排名前30％的特征，作为分群所使用的特征，
并形成处理好的数据与特征得分列表。
[0090]
3、用户分群模块：
[0091]
用户分群模块是本装置的主要计算模块，实施模式如图3所示：
[0092]
第一步，提取特征，计算差异：
[0093]
从处理好的数据中，按照特征筛选模块输出的特征iv值排名表，选取排名第一的特征，计算该特征字段在成功用户中的分布与总体用户在该字段的分布的差异，即分布异度，分布异度的计算公式如下：
[0094][0095]
其中，i为每一段分段，a为该分段特征变量，a
i
为该分段样本量，为在该段中成功的样本量，n
*
是数据集中成功的样本量，n为数据集总体样本量。
[0096]
第二步，分群计算：
[0097]
(1)为了分群的结果尽可能地使得分出的群满足成功用户的特征显著以及包含信息量大两个要求，因此使用差异率作为分群的标准，并使用分裂增益率来选择最佳分群点，分裂增益率计算公式如下：
[0098][0099]
且ε∈[min(|diff
i
|),max(|diff
i
|)]
[0100]
其中，其中，其中，为分布异度绝对值大于等于ε的分段信息增益率的平方和，为分布异度绝对值小于ε的分段信息增益率的平方和。
[0101]
为使得分段信息量足够大，需要找到分裂增益率最大的分段点，即：
[0102]
ε
*
＝argmax(v
a|o
(ε))
[0103]
且ε
*
∈[min(|diff
i
|),max(|diff
i
|)]
[0104]
根据ε
*
将该特征下的数据分成两个集合，差异率绝对值小于ε
*
的分段集合，大于等于ε
*
的分段集合，对两个集合分别做处理。
[0105]
(2)分布异度绝对值小于ε的集合：将数据集中的a
i
作为数据集，a
i 1
为特征重复执行之前的步骤操作，直至所有选出的特征分完或所有分段差异率大于等于0.3。
[0106]
分布异度绝对值大于等于ε的集合：将该集合中的分段作为规则保留，存入规则列表。
[0107]
第三步，规则剪枝合并：
[0108]
为了能够限制生成的规则条数，使得每条规则的查全率、查准率都尽量高，需要对生成的“用户群规则树”进行剪枝合并，分两部分进行剪枝处理。
[0109]
(1)分布异度绝对值小于ε的集合：
[0110]
当集合的样本数小于将样本均分到选出的特征中最大的分段里每一分枝的平均
样本数时，认为该合集没有继续分下去的意义，因为特殊性太大。因此，计算分支规则最小样本量阈值ω的计算公式如下：
[0111][0112]
当样本量小于ω时，则将该集合合并为一个群，不再继续往下分，否则，继续进行下一个循环。
[0113]
(2)叶子节点样本量控制：
[0114]
生成的规则所处的叶子节点的样本量若较小，即小于总样本量的5％，则进行合并处理，生成一条规则。
[0115]
第四步，用户打分：
[0116]
计算每个分支群体的实际成功率，作为该群体用户的成功可能性分值对该用户进行打分。
[0117]
4、结果展示模块
[0118]
提取出每一固定下的用户集合，上溯分群的特征及分段，作为该用户群的分群标准，并将规则展示出来，展示形式如图4所示。其中，上溯特征和分段若为连续的则并成一段；不连续的分段以“或”为连接进行展示。图4中的规则(rules)包括主资费月费、每用户平均收入(average revenue per user，arpu)均值、每个客户月均流量消费额(discharge of usage，dou)均值，且图4中展示了每条规则对应的成功率和筛选人数。
[0119]
此外，为了使得业务人员能够直观看出目标群体的规则及反向选择群体规则，可以将实际成功率作为查准率，所占人数为查全率，计算f1值，并以f1值为评判标准进行展示排序。其中，f1值为查准率和查全率的调和均值。
[0120]
其中，目标群体的规则：展示f1值最高的前十条。反向选择群体规则：即可以通过该规则排除非目标用户，也即该部分用户不适合该营销方案或营销产品，不宜打扰。展示查准率异常小，f1值在0.99范围外，筛选人数较多的规则。
[0121]
基于上面的描述，本发明实施例具有如下有益效果：
[0122]
(1)使用iv值对特征进行了筛选，避免了灾难维度，又采用链式规则挖掘的模式提升了规则的可读性。
[0123]
(2)充分挖掘链式规则信息。创新使用基于分布异度递归划分特征的方法，根据特征重要度顺序使用分布差异指标依次得到各级显著切片阈值，层级间相互依赖，从而形成链式规则组合，解决单一维度的特征展示信息不充分的问题，输出能够彰显群体差异的核心特征规则组合。
[0124]
(3)提升规则结果可操作性。通过降低阈值向量复杂度和链式规则组合方法，大大增强了规则的可读性，使得业务人员可以很好理解并根据经验灵活调整规则阈值。另外，该方法输出每条规则的营销成功率与用户规模，从而可判断每个用户的潜在营销概率，通过圈选高概率用户群，提升营销效果。
[0125]
如图5所示，本发明实施例还提供一种用户分群装置，其可以包括：
[0126]
获取模块501，用于获取用户的目标业务特征数据；
[0127]
数据处理模块502，用于依次对目标业务特征数据进行截尾处理和切片处理，得到多个区间组合特征数据；
[0128]
第一确定模块503，用于分别确定各个区间组合特征数据的信息值；
[0129]
筛选模块504，用于基于各个区间组合特征数据的信息值和预设筛选规则信息，从多个区间组合特征数据中筛选出目标区间组合特征数据；
[0130]
第二确定模块505，用于基于目标区间组合特征数据，确定用户的分群结果。
[0131]
可选地，在一个实施例中，第二确定模块505，用于确定目标区间组合特征数据的分布异度；基于分布异度，确定目标区间组合特征数据的分裂增益率；基于分裂增益率，确定用户的分群结果。
[0132]
可选地，在一个实施例中，第二确定模块505，还用于判断分布异度的绝对值是否不小于预设门限阈值；当确定分布异度的绝对值不小于预设门限阈值时，基于目标区间组合特征数据确定规则列表。
[0133]
可选地，在一个实施例中，规则列表中的规则包括目标区间组合特征数据；第二确定模块505，还用于对规则列表中的规则进行删减和/或合并，得到更新后的规则列表。
[0134]
可选地，在一个实施例中，第二确定模块505，还用于显示更新后的规则列表和分群结果。
[0135]
可选地，在一个实施例中，筛选模块504，用于基于各个区间组合特征数据的信息值，按照从大到小的顺序对各个信息值进行排序，得到信息值排序表；基于信息值排序表和预设筛选规则信息，将预设数量个较大信息值对应的区间组合特征数据，确定为目标区间组合特征数据。
[0136]
可选地，在一个实施例中，获取模块501，用于获取用户的初始业务特征数据；针对初始业务特征数据进行数据清洗，得到目标业务特征数据。
[0137]
图5所示装置中的各个模块/单元具有实现图1中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
[0138]
图6示出了本发明实施例提供的一种电子设备的结构示意图。
[0139]
电子设备可以包括处理器601以及存储有计算机程序指令的存储器602。
[0140]
具体地，上述处理器601可以包括中央处理器(central processing unit，cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
[0141]
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个或更多个以上这些的组合。在一个实例中，存储器602可以包括可移除或不可移除(或固定)的介质，或者存储器602是非易失性固态存储器。存储器602可在电子设备的内部或外部。
[0142]
在一个实例中，存储器602可以是只读存储器(read only memory，rom)。在一个实例中，该rom可以是掩模编程的rom、可编程rom(prom)、可擦除prom(eprom)、电可擦除prom(eeprom)、电可改写rom(earom)或闪存或者两个或更多个以上这些的组合。
[0143]
处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现图1所示实施例中的方法，并达到图1所示实例执行其方法达到的相应技术效果，为简洁描述在此不再赘述。
[0144]
在一个示例中，电子设备还可包括通信接口603和总线610。其中，如图6所示，处理
器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
[0145]
通信接口603，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
[0146]
总线610包括硬件、软件或两者，将电子设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(accelerated graphics port，agp)或其他图形总线、增强工业标准架构(extended industry standard architecture，eisa)总线、前端总线(front side bus，fsb)、超传输(hyper transport，ht)互连、工业标准架构(industry standard architecture，isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线610可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
[0147]
另外，本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现图1所示的用户分群方法。
[0148]
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
[0149]
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(application specific integrated circuit，asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(radio frequency，rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
[0150]
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
[0151]
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。