用户留存分析方法、装置、电子设备和存储介质与流程

1.本发明涉及数据分析技术领域，具体而言，涉及一种用户留存分析方法、装置、电子设备和存储介质。


背景技术：

2.随着技术的发展，大数据处理分析可以应用在社交业务、游戏业务以及直播业务等业务场景中。
3.在这些业务场景中，对用户的留存率是很有必要的。在相关技术中，由于业务场景的更新，或者是选择的测试用户存在偏差，导致预测不准确或者精度较低。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种用户留存分析方法、装置、电子设备和存储介质。
5.为了实现上述目的，本发明实施例采用的技术方案如下：
6.第一方面，本发明提供一种用户留存分析方法，所述方法包括：
7.根据第一用户组的行为特征集，得到所述第一用户组具有特定行为特征的第一预测值集；
8.根据所述第一预测值集，获取到第二用户组；所述第二用户组具有所述特定行为特征的第二预测值集与所述第一预测值集相差预设范围；
9.根据所述第一用户组的第一留存率和所述第二用户组的第二留存率，得到所述特定行为特征与留存率的关系。
10.在可选的实施方式中，所述第一用户组包括多个第一用户，所述第一用户组的行为特征集包括每个所述第一用户的行为特征；
11.所述根据第一用户组的行为特征集，得到所述第一用户组具有特定行为特征的第一预测值集的步骤，包括：
12.根据每个所述第一用户的行为特征和预测模型，得到每个所述第一用户具有所述特定行为特征的第一估计值；
13.根据全部第一估计值，得到所述第一预测值集。
14.在可选的实施方式中，所述第一预测值集包括多个第一预测值；
15.所述根据所述第一预测值集，获取到第二用户组的步骤，包括：
16.获取多个待定用户的行为特征；
17.根据每个所述待定用户的行为特征和所述预测模型，得到每个所述待定用户具有所述特定行为特征的第二预估值；
18.从所述多个待定用户中确定出多个目标用户；每个所述目标用户的第二估计值均与一个所述第一预测值相差预设范围；所述第二用户组包括全部目标用户。
19.在可选的实施方式中，所述根据所述第一用户组的第一留存率和所述第二用户组
的第二留存率，得到所述特定行为特征与留存率的关系的步骤，包括：
20.根据所述第一用户组的第一留存率和所述第二用户组的第二留存率，得到留存率差值；
21.根据所述预设范围和所述留存率差值，得到所述特征行为特征与所述留存率的关系。
22.第二方面，本发明提供一种用户留存分析装置，所述装置包括：
23.获取模块，用于根据第一用户组的行为特征集，得到所述第一用户组具有特定行为特征的第一预测值集；
24.确定模块，用于根据所述第一预测值集，获取到第二用户组；所述第一预测值集与所述第二用户组具有所述特定行为特征的第二预测值集相差预设范围；
25.分析模块，用于根据所述第一用户组的第一留存率和所述第二用户组的第二留存率，得到所述特定行为特征与留存率的关系。
26.在可选的实施方式中，所述第一用户组包括多个第一用户，所述第一用户组的行为特征集包括每个所述第一用户的行为特征；所述获取模块具有用于：
27.根据每个所述第一用户的行为特征和预测模型，得到每个所述第一用户具有所述特定行为特征的第一估计值；
28.根据全部第一估计值，得到所述第一预测值集。
29.在可选的实施方式中，所述第一预测值集包括多个第一预测值；所述确定模块具体用于：
30.获取多个待定用户的行为特征；
31.根据每个所述待定用户的行为特征和所述预测模型，得到每个所述待定用户具有所述特定行为特征的第二预估值；
32.从所述多个待定用户中确定出多个目标用户；每个所述目标用户的第二估计值均与一个所述第一预测值相差预设范围；所述第二用户组包括全部目标用户。
33.在可选的实施方式中，所述分析模块具体用于：
34.根据所述第一用户组的第一留存率和所述第二用户组的第二留存率，得到留存率差值；
35.根据所述预设范围和所述留存率差值，得到所述特征行为特征与所述留存率的关系。
36.第三方面，本发明提供一种电子设备，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现前述实施方式中任一项所述的方法。
37.第四方面，本发明提供一种存储介质，所述存储介质上存储有计算机程序，该计算机程序被处理器执行时，实现前述实施方式中任一项所述的方法。
38.本发明实施例提供的用户留存分析方法、装置、电子设备和存储介质。通过根据第一用户组的行为特征集，得到第一用户组具有特定行为特征的第一预测值集；然后基于第一预测值集，获取到第二用户组，第二用户组具有特定行为特征的第二预测值集与第一预测值集相差预设范围；最后根据第一用户组的第一留存率和第二用户组的第二留存率，得到特定行为特征与留存率的关系。从而通过设定第一预测值集与第二预测值集的条件，使第一用户组和第二用户具有关联关系。相比现有技术，可以避免在选择测试用户过程中产
生选择性偏差，实现对用户留存率的分析，可以获取到准确的结果，有益于分析出关键的影响因素。
39.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
40.图1示出了本发明实施例提供的一种场景示意图；
41.图2示出了本发明实施例提供的电子设备方框示意图；
42.图3示出了本发明实施例提供的用户留存分析方法的一种流程示意图；
43.图4示出了本发明实施例提供的用户留存分析方法的又一种流程示意图；
44.图5示出了本发明实施例提供的用户留存分析方法的又一种流程示意图；
45.图6示出了本发明实施例提供的用户留存分析方法的又一种流程示意图；
46.图7示出了本发明实施例提供的用户留存分析装置的一种功能模块图。
47.图标：100
‑
服务器；102
‑
终端设备；120
‑
处理器；130
‑
存储器；170
‑
通信接口；300
‑
用户留存分析装置；310
‑
获取模块；330
‑
确定模块；350
‑
分析模块。
具体实施方式
48.下面将结合本发明实施例中附图，对本发明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发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
49.因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
50.需要说明的是，术语“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“包括一个
……”
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。
51.现有技术中，对于用户的留存率分析，可以采用ab测试的方式，对实验组实行策略，以与对照组进行对比，但是这种方式的可行性和准确性都存在较大的困难。或者采用选择两个测试用户群体的方式，基于这两个测试用户群体的留存率，分析出对留存率产生影响的关键因素。但是采用这种方式，对于测试用户群体的选择较为严格，其可能会因为测试用户群体的挑选存在选择性偏差(selection bias)，而导致分析的结果不准确。进而本发明实施例提供了一种用户留存分析方法，以解决上述相关技术存在的技术问题，下面将对本发明实施例提供的用户留存分析方法进行介绍。
52.请参阅图1，是本发明实施例提供的一种场景示意图。其中，包括服务器100和多个终端设备102，并且服务器100与多个终端设备102通信连接，以实现数据交互。
53.服务器100可以是独立的服务器或者是多个服务器组成的服务器集群。
54.终端设备102可以是智能手机、个人计算机、平板电脑、可穿戴设备、笔记本电脑、超级移动个人计算机(ultra
‑
mobilepersonalcomputer，umpc)、上网本、个人数字助理(personaldigitalassistant，pda)等。本发明实施例对此不作任何限制。
55.可选地，该场景示意图可以用于提供多种可能的服务，包括但不限于：多媒体流服务、云游戏、分布式存储等服务。以视频直播为例为例，该服务器100可以为提供视频直播流的服务器，终端设备102可以安装视频直播相关应用(application，简称app)。
56.服务器100可以基于不同的分析目的，对终端设备102中与视频直播应用相关的数据进行采集与分析。终端设备102可以获取用户在使用视频直播应用时的相关数据，并上报给服务器100。
57.请参阅图2，是本发明实施例提供的一种电子设备的方框示意图。该电子设备包括处理器120、存储器130以及通信接口170。
58.处理器120、存储器130以及通信接口170各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。用户留存分析装置300包括至少一个可以软件或固件(firmware)的形式存储于存储器130中或固化在服务器100的操作系统(operating system，os)中的软件功能模块。处理器120用于执行存储器130中存储的可执行模块，例如用户留存分析装置300包括的软件功能模块或计算机程序。
59.其中，处理器120可以是一种集成电路芯片，具有信号的处理能力。上述的处理器120可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(dsp)、专用集成电路(asic)、现成可编程门阵列(fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
60.存储器130可以是，但不限于，随机存取存储器130(random access memory，ram)，只读存储器130(read only memory，rom)，可编程只读存储器130(programmable read
‑
only memory，prom)，可擦除只读存储器130(erasable programmable read
‑
only memory，eprom)，电可擦除只读存储器130(electric erasable programmable read
‑
only memory，eeprom)等。其中，存储器130用于存储程序，处理器120在接收到执行指令后，执行程序，本发明实施例任一实施例揭示的流过程定义的服务器100所执行的方法可以应用于处理器120中，或者由处理器120实现。
61.通信接口170可以用于与其他节点设备进行信令或数据的通信。
62.需要说明的是，图2所示的结构仅为电子设备的结构示意图，电子设备还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
63.可以理解的是，图2所示的电子设备，其结构可以用于实现上述图1中服务器100或终端设备102；为了实现终端设备的相应功能，该电子设备还可以包括其他模块，例如：射频电路、i/o接口、电池、触控屏、麦克/扬声器等。此处不与限定。
64.下面将以上述的服务器100作为执行主体，执行本发明实施例提供的各个方法中
的各个步骤，并实现对应技术效果。
65.请参阅图3，图3是本发明实施例提供的一种用户留存分析方法的流程示意图。
66.步骤s202，根据第一用户组的行为特征集，得到第一用户组具有特定行为特征的第一预测值集；
67.可以理解的是，用户在使用应用程序的过程中，终端设备可以获取到用户的使用情况即为行为特征。
68.特定行为特征指值预先设置的，用于分析其对用户留存率的影响的行为特征。例如，当分析订阅行为这个行为特征对用户留存率的影响时，订阅行为就是特定行为特征。
69.可选地，可以预先设定多个用户作为第一用户组，例如，在直播业务场景中，用户在使用直播视频应用程序的过程中，用户的终端设备可以采集该用户的行为特征，如观看时长、观看天数、观看次数、弹幕、注册时长、活跃天数、观看主播数、等级等行为特征，然后将这些行为特征发送给服务器。
70.服务器在接受到每个用户的行为特征后，可以得到第一用户组的行为特征集，根据该行为特征集，可以得到该第一用户组具有特定行为特征的第一预测值集。可以将这个第一预测值集理解为是用于表示该第一用户组产生该特定行为特征的倾向性分值。
71.步骤s204，根据第一预测值集，获取到第二用户组；
72.可选地，服务器获取到第一用户组的第一预测值集后，可以根据第一预测值集，获取到第二用户组。
73.可选地，该第二用户组具有特征行为特征的第二预测值集与第一预测值集满足预设条件，该预设条件可以是第二预测值集与第一预测值集相差预设范围，如第二预测值集与第一预测值集的差值可以是第一预测值集的预设倍数。第二预测值集可以理解为是用于表示第二用户组具有特征行为特征的倾向性分值。
74.可以理解的是，第一用户组的第一预测值集与第二用户组的第二预测值集满足预设条件，则第一用户组和第二用户组也存在一定的关联关系。
75.步骤s206，根据第一用户组的第一留存率和第二用户组的第二留存率，得到特定行为特征与留存率的关系；
76.可选地，得到第一用户组和第二用户组之后，可以分别计算这两个用户的留存率，即第一用户组的第一留存率和第二用户组的第二留存率，基于两个用户组的留存率，可以得到该特定行为特征与留存率的关系，即特定行为特征对用户留存率的影响。
77.为了便于理解，下面将以订阅行为作为特定行为特征，结合图1所示的场景示意图进行举例说明，对上述步骤进行介绍。
78.如图1所示，可以预先设定第一用户组的数量，通过多个终端设备102采集到第一用户组的行为特征集，其中包括如观看时长、观看天数、观看次数、弹幕、注册时长、活跃天数、观看主播数、等级等行为特征；然后每个终端设备102将采集的行为特征上报个服务器100。
79.服务器100获取到第一用户组的行为特征集后，根据第一用户组的行为特征集，得到第一用户组具有特定行为特征的第一预测值集，即得到第一用户组具有订阅行为的倾向性分值。
80.然后根据第一预测值集，获取到第二用户组，该第二用户组具有特定行为特征的
第二预测值集与第一预测值集相差预设范围。可选地，第一预测值集的平均值为第一平均值，第二预测值集的平均值为第二平均值。第二预测值集与第一预测值集相差预设范围，可以是，第一平均值与第二平均值的差值可以是第一平均值的预设倍数，如0.05倍。
81.服务器100获取到第二用户组之后，得到第一用户组的第一留存率和第二用户组的第二留存率，基于这两个用户组的留存率，得到特定行为特征与留存率的关系，即订阅行为与用户留存率的影响。
82.可见基于上述步骤，通过根据第一用户组的行为特征集，得到第一用户组具有特定行为特征的第一预测值集；然后基于第一预测值集，获取到第二用户组，其第二用户组具有特定行为特征的第二预测值集与第一预测值集相差预设范围；最后根据第一用户组的第一留存率和第二用户组的第二留存率，得到特定行为特征与留存率的关系。从而通过设定第一预测值集与第二预测值集的条件，使第一用户组和第二用户具有关联关系。相比现有技术，可以避免在选择测试用户过程中产生选择性偏差，实现对用户留存率的分析，可以获取到准确的结果，有益于分析出关键的影响因素。
83.可选地，从上述步骤中得知，第一用户的第一预测值集会对结果分析产生影响，进而为了提高准确性，本发明实施例提供了一种可能实现的方式，请参阅图4，其中，步骤s202还可以包括以下步骤：
84.步骤s202
‑
1，根据每个第一用户的行为特征和预测模型，得到每个第一用户具有特定行为特征的第一估计值；
85.其中，第一用户组包括多个第一用户，第一用户组的行为特征集包括每个第一用户的行为特征；
86.预测模型是预先根据大量测试数据构建的模型，该预测模型可以根据用户的行为特征预测出该用户产生特定定位特征的倾向性分值。如预测模型是以是逻辑回归模型：g(z)＝1/(1 e
‑
z)，z表示行为特征，g(z)表示预测出的用户产生特定行为特征的倾向性分值，这个倾向性分值也可以用s表示。
87.可选地，可以将每个第一用户的行为特征作为预测模型的输入，该预测模型的输出即为每个第一用户具有特定行为特征的第一估计值。第一估计值可以理解为是用于表示该第一用户产生该特定行为特征的倾向性分值。
88.步骤s202
‑
3，根据全部第一估计值，得到第一预测值集；
89.可以理解的是，得到的全部第一估计值中，可能存在异常值，为了避免这些异常值影响分析结果的准确性，需要进行对全部第一估计值进行筛选。
90.可选地，可以基于全部的第一估计值，计算均值和标准差，均值可以用u表示，标准差可以用б表示，则可以将在预设区间内如在[u
‑
3б，u 3б]区间内的第一估计值构成的数集，作为第一预测值集。需要说明的是，预设区间可以按照实际需求设计，本发明实施例不做限定。
[0091]
通过上述步骤，根据第一用户组中每个第一用户的行为特征和预测模型，可以得到每个第一用户具有特定行为特征的第一估计值，再对全部第一估计值进行筛选，得到第一预测值集。通过筛选掉异常值，避免了异常值导致的分析不准确，从而提高了准确性。
[0092]
可选地，上述步骤中提到基于第一预测值集可以获取到第二用户，使该第一用户组与第二用户组具有一定的关联关系。进而，本发明实施例提供了一种可能的实现方式，请
参阅图5，其中步骤s204还可以包括以下步骤：
[0093]
步骤s204
‑
1，获取多个待定用户的行为特征；
[0094]
可选地，可以通过终端设备采集多个待定用户的行为特征，并将每个待定用户的行为特征发送给服务器，使服务器获取到多个待定用户的行为特征。
[0095]
步骤s204
‑
3，根据每个待定用户的行为特征和预测模型，得到每个待定用户具有特定行为特征的第二预估值；
[0096]
可选地，可以将每个待定用户的行为特征最为预测模型的输入，该预测模型的输出即为每个待定用户具有特定行为特征的第二估计值。第二估计值可以理解为是用于表示该待定用户产生该特定行为特征的倾向性分值。
[0097]
步骤s204
‑
5，从多个待定用户中确定出多个目标用户；
[0098]
可以理解的使，第一预测值集中包括多个第一预测值，第一预测值可以理解为是在上述预设区间的第一估计值。
[0099]
可选地，可以根据全部第二估计值，从多个待定用户中确定出符合预设标准的多个目标用户，该预设标准为目标用户的第二估计值与一个第一估计值相差预设范围，例如，目标用户的第二估计值与一个第一预测值的差值，为该第一预测值的预设倍数且第一预测值大于第二估计值。
[0100]
可选地，将多个待定用户中满足该预设标准的全部目标用户，作为第二用户组。
[0101]
为了更好的理解本发明，下面将以订阅行为作为特定行为特征，对上述步骤进一步地举例说明。
[0102]
例如，当分析订阅行为对用户留存分析的影响时，采用本发明实施例提供的用户留存分析方法，可以使获取到的两个用户组在订阅行为如订阅次数具有较为接近的倾向性，并且同时该订阅行为存在一定差异，从而可以消除挑选用户带来的选择性偏差，可以准确性的分析出订阅行为对用户留存率的影响。
[0103]
假设用户是否受到策略干预与订阅行为有关联关系，则可以用二值干预t来表示用户是否受到了策略干预，即t
i
＝0表示用户未受到干预，t
i
＝1表示用户受到干预。
[0104]
对于每个用户i，其基于是否受到策略干预会产生两个结果，即y
i0
和y
i1
。其中，y
i0
表示用户未受到干预时，其留存概率提升值；y
i1
表示用户受到干预时，其留存概率提升值。可以用y表示用户产生的结果，如当用户未受到干预即t
i
＝0时，y＝y
i0
。
[0105]
为了避免选择性偏差，可以模拟用户与该用户本身进行比较，则可以用公式表示：att＝e[y
i1
‑
y
i0
|t＝1]，t＝1表示受到干预的用户，att表示策略对于受到干预的用户产生的平均影响效应。
[0106]
但是，针对一个用户，不能即受到干预又未受到干预，即上述公式中的y
i1
‑
y
i0
无法计算。进而可以通过本发明实施例提供的用户留存分析方法，获取到与该用户在订阅行为较为接近的目标用户，从而使两个用户组即第一用户组和第二用户存在同质性。则用户的订阅行为倾向性分值s可以表示为：s＝pr[t＝1|x＝x],x表示用户的行为特征，t＝1表示受到干预的用户。
[0107]
进而，基于第一用户组中每个第一用户的行为特征和预测模型，可以得到每个第一用户的订阅行为的倾向性分值即第一估计值，对于全部第一估计值进行筛选后，得到多个第一预测值即第一预测值集。
[0108]
根据第一预测值，获取到该第一预测值对应的目标用户，该目标用户的订阅行为的倾向性分值即第二估计值与第一预测值相差预设范围，如第二估计值与第一预测值的差值，是第一预测值的0.05倍，且第一预测值大于第二估计值。
[0109]
可见，基于第一预测值集中每个第一预测值获取到满足预设标准的目标用户，将全部目标用户作为第二用户组。可避免第一用户组和第二用户组存在选择性差异，进而消除了选择性差异带来的影响，提高了分析的准确性。
[0110]
针对上述步骤s206，本发明实施例提供了一种可能的实现方式。请参阅图6，其中，步骤s206还可以包括以下步骤：
[0111]
步骤s206
‑
1，根据第一用户组的第一留存率和第二用户组的第二留存率，得到留存率差值；
[0112]
可选地，在获取到第一用户组和第二用户组后，可以计算第一用户组的留存率均值即第一留存率，还有第二用户组的留存率均值即第二留存率。可以用u1表示第一留存率，u2表示第二留存率，则留存率差值u3＝u1
‑
u2。
[0113]
步骤s206
‑
3，根据预设范围和留存率差值，得到特征行为特征与所述留存率的关系；
[0114]
可选地，得到留存率差值后，可以根据预设范围和该留存率差值，得到特定行为特征与留存率的关系。
[0115]
例如，以订阅行为作为特定行为特征例子，当预设范围为5％时，即第一用户的第一预测值与其对应的目标用户的第二估计值的差值，是第一预测值的0.05倍时。可以理解为，当一个用户的行为倾向性分值变化5％，则该用户的留存率的变化为u3。则可以得到订阅行为对用户留存率的影响，即特定行为特征与留存率的关系。
[0116]
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种用户留存分析装置的实现方式。请参阅图7，图7为本发明实施例提供的一种用户留存分析装置300的功能模块图。需要说明的是，本实施例所提供的用户留存分析装置300，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该用户留存分析装置300包括：
[0117]
获取模块310，用于根据第一用户组的行为特征集，得到第一用户组具有特定行为特征的第一预测值集；
[0118]
确定模块330，用于根据第一预测值集，获取到第二用户组；第一预测值集与第二用户组具有特定行为特征的第二预测值集相差预设范围；
[0119]
分析模块350，用于根据第一用户组的第一留存率和第二用户组的第二留存率，得到特定行为特征与留存率的关系。
[0120]
可选地，第一用户组包括多个第一用户，第一用户组的行为特征集包括每个第一用户的行为特征；获取模块310具有用于：根据每个第一用户的行为特征和预测模型，得到每个第一用户具有特定行为特征的第一估计值；根据全部第一估计值，得到第一预测值集。
[0121]
可选地，第一预测值集包括多个第一预测值；确定模块330具体用于：获取多个待定用户的行为特征；根据每个待定用户的行为特征和预测模型，得到每个待定用户具有特定行为特征的第二预估值；从多个待定用户中确定出多个目标用户；每个目标用户的第二估计值均与一个第一预测值相差预设范围；第二用户组包括全部目标用户。
[0122]
可选地，分析模块350具体用于：根据第一用户组的第一留存率和第二用户组的第二留存率，得到留存率差值；根据预设范围和留存率差值，得到特征行为特征与留存率的关系。
[0123]
本发明实施例还提供了一种电子设备，包括处理器120和存储器130，存储器130存储有计算机程序，处理器执行计算机程序时，实现上述实施例揭示的用户留存分析方法。
[0124]
本发明实施例还提供了一种存储介质，其上存储有计算机程序，该计算机程序被处理器120执行时实现本发明实施例揭示的用户留存分析方法。
[0125]
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，也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，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装置、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。
[0126]
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。
[0127]
所述功能如果以软件功能模块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，本发明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(可以是个人计算机，服务器，或者网络设备等)执行本发明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、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0128]
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。