基于远程教育的用户画像分析方法、装置及服务器与流程

1.本技术涉及远程教育领域，具体而言，涉及一种基于远程教育的用户画像分析方法、装置及服务器。


背景技术：

2.随着互联网技术的高速发展，尤其是近年来5g技术的快速普及与覆盖，人们可以通过网络进行远程教育，减轻传统教室集中上课的压力，解放更多的线下资源，也让更多人能够接收到优质的教育。然而，目前的远程教育课程普及过程中，用户对于课程的集体感受不能直接被授课者，或者课程制作者，或者远程教育平台宏观了解到，不利于教育方对课程进行适应性优化。


技术实现要素：

3.本发明的目的在于提供一种基于远程教育的用户画像分析方法、装置及服务器，以帮助在远程教育过程中，根据用户的行为进行群体用户画像的分析，以便对远程教育课程的改进提供参考。
4.为了达到上述目的，本发明实施例是这样实现的：
5.第一方面，本发明实施例提供了一种基于远程教育的用户画像分析方法，包括：获取对应于目标用户的画像预警信息，其中，所述画像预警信息为基于所述目标用户的账号交互数据得到；通过所述目标用户的类型信息，将同一类型的所述目标用户对应的画像预警信息存储至同一存储空间；获取所述类型的第一归类信息和与所述类型对应的所述存储空间中每一所述画像预警信息的第二归类信息；通过所述第一归类信息和第二归类信息得到所述类型中的所述目标用户对应的用户群体的预设用户画像。
6.进一步地，所述通过所述第一归类信息和第二归类信息得到所述类型中的所述目标用户对应的用户群体的预设用户画像包括：从与所述类型对应的所述存储空间中选取所述第二归类信息满足预设条件的所述画像预警信息，并存储于一数据集合；基于所述类型的第一归类信息和所述数据集合中的所述画像预警信息的第二归类信息，确定所述用户群体是否满足所述预设用户画像；若满足，则将所述数据集合中的所述画像预警信息的第二归类信息进行共性分析，获取所述用户群体的用户画像分析结果。
7.进一步地，所述第一归类信息包括所述类型的画像预警信息种类集合，所述第二归类信息包括所述画像预警信息的画像预警信息种类，所述预设选取条件包括：所述画像预警信息的所述画像预警信息种类包含于所述类型的所述画像预警信息种类集合。
8.进一步地，所述第一归类信息包括所述类型内的所述目标用户间的课程参与关系；所述基于所述类型的第一归类信息和所述数据集合中的所述画像预警信息的第二归类信息，确定所述用户群体是否满足所述预设用户画像包括：判断所述类型内所述目标用户之间是否具有相同的课程参与基础，且所述数据集合中所有所述画像预警信息对应的目标用户数量小于预设数量阈值；若是，则确定所述用户群体不满足所述预设用户画像；若不
是，则确定所述用户群体满足所述预设用户画像。
9.进一步地，所述将所述数据集合中的所述画像预警信息的第二归类信息进行共性分析，获取所述用户群体的用户画像分析结果之前，所述方法还包括：判断所述类型内的所述目标用户之间的课程参与关系是否为相同梯度用户；若是，则将所述数据集合中的所述画像预警信息的第二归类信息进行共性分析，获取所述用户群体的用户画像分析结果。
10.进一步地，所述第二归类信息包括所述画像预警信息中对应的账号交互数据；所述将所述数据集合中的所述画像预警信息的第二归类信息进行共性分析，获取所述用户群体的用户画像分析结果包括：基于所述画像预警信息的账号交互数据，确定所述数据集合中的所述画像预警信息所属的时间区间；分别利用属于同一所述时间区间的所述画像预警信息的第二归类信息进行共性分析，获取同一时间区间对应的课程内容。
11.进一步地，所述基于所述画像预警信息的账号交互数据，确定所述数据集合中的所述画像预警信息所属的时间区间包括：统计所述数据集合中所有所述画像预警信息的发生时间；若所述画像预警信息之间的时间差值小于预设时间间隔，则确定所述画像预警信息之间属于同一时间区间。
12.进一步地，所述通过所述第一归类信息和第二归类信息得到所述类型中的所述目标用户对应的用户群体的预设用户画像之前，所述方法还包括：当所述画像预警信息对应的账号交互数据的检测时间与当前时间的间隔大于预设时间间隔时，去除所述画像预警信息。
13.第二方面，本发明实施例提供了一种基于远程教育的用户画像分析装置，包括：获取模块，用于获取对应于目标用户的画像预警信息，其中，所述画像预警信息为基于所述目标用户的账号交互数据得到；存储模块，用于通过所述目标用户的类型信息，将同一类型的所述目标用户对应的画像预警信息存储至同一存储空间；所述获取模块还用于获取所述类型的第一归类信息和与所述类型对应的所述存储空间中每一所述画像预警信息的第二归类信息；分析模块，用于画像通过所述第一归类信息和第二归类信息得到所述类型中的所述目标用户对应的用户群体的预设用户画像。
14.第三方面，本发明实施例提供了一种服务器，包括处理器、存储器以及基于远程教育的用户画像分析装置，所述基于远程教育的用户画像分析装置安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模块，所述基于远程教育的用户画像分析装置包括：获取模块，用于获取对应于目标用户的画像预警信息，其中，所述画像预警信息为基于所述目标用户的账号交互数据得到；存储模块，用于通过所述目标用户的类型信息，将同一类型的所述目标用户对应的画像预警信息存储至同一存储空间；所述获取模块还用于获取所述类型的第一归类信息和与所述类型对应的所述存储空间中每一所述画像预警信息的第二归类信息；分析模块，用于画像通过所述第一归类信息和第二归类信息得到所述类型中的所述目标用户对应的用户群体的预设用户画像。
15.本发明实施例提供的基于远程教育的用户画像分析方法，通过获取对应于目标用户的画像预警信息，再通过目标用户的类型信息，将同一类型的目标用户对应的画像预警信息存储至同一存储空间。然后获取类型的第一归类信息和与类型对应的存储空间中每一画像预警信息的第二归类信息。最后，通过第一归类信息和第二归类信息得到类型中的目标用户对应的用户群体的预设用户画像。本发明实施例能够对远程教育中关注的用户相关
画像进行监控，能够实现对用户群体的预设用户画像进行识别，利于后续对教育课程进行优化调整，增加用户的学习粘性。
16.在后面的描述中，将部分地陈述其他的特征。在检查后面内容和附图时，本领域的技术人员将部分地发现这些特征，或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面，当前申请中的特征可以被实现和获得。
附图说明
17.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。
18.附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中参考数字在附图的各个视图中代表相似的机构。
19.图1是根据本技术的一些实施例所示的一种基于远程教育的用户画像分析系统的框图。
20.图2是根据本技术的一些实施例所示的一种服务器中硬件和软件组成的示意图。
21.图3是根据本技术的一些实施例所示的一种基于远程教育的用户画像分析方法的流程图。
22.图4是本技术实施例提供的基于远程教育的用户画像分析装置的架构示意图
具体实施方式
23.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
24.在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本技术。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本技术的方面。
25.这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本技术的一部分。然而，需要理解清楚的是，附图仅仅是为了说明和描述的目的，并不旨在限制本技术的范围。应当了解的是，这些图纸不是按比例绘制的。然而，应当明确理解的是，附图仅用于说明和描述的目的，并不意图限制本技术的范围。应当知晓的是，这些附图并不依照比例。
26.本技术中使用流程图说明根据本技术的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序
或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
27.图1是根据本技术的一些实施例所示的远程教育用户画像分析系统300的系统架构框图，远程教育用户画像分析系统300可以包括互相通信的服务器100和业务交互设备200。
28.业务交互设备200为目标用户接受进行远程教育时使用的设备，例如可以是具备网络交互功能的个人电脑、笔记本电脑、平板电脑或智能手机等。
29.在一些实施例中，请参照图2，是服务器100的架构示意图，该服务器100包括基于远程教育的业务信息处理装置110、存储器120、处理器130和通信单元140。存储器120、处理器130以及通信单元140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。基于远程教育的业务信息处理装置110包括至少一个可以软件或固件(firmware)的形式存储于存储器120中或固化在远程教育服务器的操作系统(operating system，os)中的软件功能模块。处理器130用于执行存储器120中存储的可执行模块，例如基于远程教育的业务信息处理装置110所包括的软件功能模块及计算机程序等。
30.其中，所述存储器120可以是，但不限于，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。其中，存储器120用于存储程序，处理器130在接收到执行指令后，执行所述程序。通信单元140用于通过网络建立服务器100与业务交互设备之间的通信连接，并用于通过网络收发数据。
31.处理器可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(dsp))、专用集成电路(asic)、现场可编程门阵列(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。
32.可以理解，图2所示的结构仅为示意，服务器100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。
33.图3是根据本技术的一些实施例所示的一种基于远程教育的业务信息处理方法的流程图，该方法应用于图1中的服务器100，具体可以包括以下步骤s1
‑
步骤s4。在以下步骤s1
‑
步骤s4的基础上，将对一些可选实施例进行说明，这些实施例应当理解为示例，不应理解为实现本方案所必不可少的技术特征。
34.步骤s1，获取对应于目标用户的画像预警信息。
35.在本实施例中，目标用户为需要进行画像分析的用户，本实施例中的画像分析主要分析用户是否存在满足预设的画像，例如，预设的画像可以是：对课程开始厌倦、对课程不感兴趣、对课程内容不理解等等。本实施例中，画像预警信息表示目标用户可能存在上述
画像的可能性，该画像预警信息为基于目标用户的账号交互数据得到的，例如通过深度学习技术对大量账户交互数据样本进行训练得到深度学习模型，通过该模型对检测到的目标用户的账号交互数据进行分析得到目标用户满足预设画像的可能性，当可能性满足预设条件时，产生画像预警信息。目标用户账号的交互数据可以是目标用户在远程教育过程中产生的各种动作，例如可以直接检测到的课程退订、课程订阅、离开课程、差评等实时数据，也可以是通过终端设备采集用户的实时图像，并经过预设的人工智能模型分析得到的用户参与课程的状态，例如出神、离开终端设备、睡觉等等。
36.步骤s2，通过目标用户的类型信息，将同一类型的目标用户对应的画像预警信息存储至同一存储空间。
37.本实施例中，将用户进行了类型分类，分类的目的是为区分归类，分类的原则可以包括用户的学业进度，例如对于学生而言，分类可以是年级信息，对于非学生而言，分类可以是系列课程的学习进度，具有相同学习进度的用户被分为相同的类型，分类还可以包括用户的其他信息，如从事的行业、感兴趣的领域等。服务器获取到大量的目标用户对应的画像预警信息时，通过预先定义的目标用户的类型信息，将同一类型的目标用户对应的画像预警信息存储至同一存储空间，以便进行后续的数据处理，容易理解，该存储空间可以为存储器中按照类型进行划分的区域，也可以是存储于其他存储设备的区域。
38.步骤s3，获取类型的第一归类信息和与类型对应的存储空间中每一画像预警信息的第二归类信息。
39.在本实施例中，第一归类信息可以包括关注的用户画像，其中，关注的用户画像的数量可以为多个，归类后形成用户画像列表。用户画像可以通过预先设置，例如远程教育平台关注的用户画像可以为：即将失去用户粘性、课程对其不再具有吸引力、课程无法吸引用户注意、用户的学习热情降低等等。第二归类信息也可以是各种用户画像，如即将失去用户粘性、课程对其不再具有吸引力、课程无法吸引用户注意、用户的学习热情降低等等。
40.步骤s4，通过第一归类信息和第二归类信息得到类型中的目标用户对应的用户群体的预设用户画像。
41.获取到第一归类信息和第二归类信息后，可以判断出第二归类信息是否与第一归类信息匹配，以便于分析出相同类型的目标用户对应的用户群体是否满足预设的用户画像，该用户群体预设的用户画像是一个集体画像，当集体画像满足条件，证明用户群体共同参与的课程达到了预设的调整条件，例如用户群体预设的用户画像为用户粘性降低，则课程需要被调整。
42.具体的，步骤s4可以包括以下细分步骤：
43.步骤s41,从与类型对应的存储空间中选取第二归类信息满足预设条件的画像预警信息，并存储于一数据集合。
44.在本实施例中，如前所述，第一归类信息包括多个关注的用户画像，即第一归类信息包括类型的画像预警信息种类集合。在第二归类信息中，还包括画像预警信息的画像预警信息种类，则上述步骤s41中，预设选取条件包括：画像预警信息的画像预警信息种类包含于类型的画像预警信息种类集合。
45.例如，画像预警信息种类集合中，包括的画像预警信息种类包括即将失去用户粘性、课程对其不再具有吸引力、课程无法吸引用户注意、用户的学习热情降低。第二归类信
息中画像预警信息的画像预警信息种类为用户的学习热情降低，则证明画像预警信息的画像预警信息种类包含于类型的画像预警信息种类集合，在该条件下，类型对应的存储空间中的该画像预警信息被选取，并存储在数据集合中，该数据集合中存储的画像预警信息被用于参与后续的数据分析活动中。
46.步骤s42，基于类型的第一归类信息和数据集合中的画像预警信息的第二归类信息，确定用户群体是否满足预设用户画像。
47.由于用户群体的预设用户画像，针对的往往是群体内多个目标用户共性的画像，因此，在评价分析一个用户群体的用户画像时，往往需要对群体内多个用户进行分析，判断群体内是否具有多个具有相同情况的目标用户。在本实施例中，判断类型对应的用户群体内是否存在多个相同情况的用户，还考虑到用户群体中的目标用户之间的关系，例如课程参与关系，课程参与关系可以表示目标用户之间的同学关系、同事关系、同区域关系等，引入课程参与关系的分析条件，更利于判断的准确性，因为具有上述课程参与关系的目标用户的课程参与基础往往相同，课程参与基础表示对于同一课程的学习进度，对相同的课程所反馈的相同的情况，能够更客观准确地反映事实。
48.本实施例中，第一归类信息包括类型内的目标用户间的课程参与关系。
49.步骤s42中，基于类型的第一归类信息和数据集合中的画像预警信息的第二归类信息，确定用户群体是否满足预设用户画像在该分析条件下，可以包括：
50.步骤s421，判断类型内目标用户之间是否具有相同的课程参与基础，且数据集合中所有画像预警信息对应的目标用户数量小于预设数量阈值。
51.类型内的目标用户之间具有相同的课程参与基础，则各目标用户对相同的课程的反应更加具有参考性。如果数据集合中在具有相同课程参与基础的目标用户中，出现画像预警信息的目标用户不是个别现象，则可以说明用户群体有接近预设用户画像的可能性，至于出现多少个目标用户均包括画像预警信息，可以根据实际情况进行选择，例如设置一个预设数量阈值，该预设数量阈值的选择与类型中目标用户的整体数量而浮动，例如，预设数量阈值为类型中目标用户数量的40％。如果画像预警信息对应的目标用户数量小于预设数量阈值，则用户群体满足预设用户画像的可能性低，判断其不满足预设用户画像。
52.即，若类型内目标用户之间是否具有相同的课程参与基础，且数据集合中所有画像预警信息对应的目标用户数量小于预设数量阈值，则确定用户群体不满足预设用户画像；若类型内目标用户之间不具有相同的课程参与基础，和/或数据集合中所有画像预警信息对应的目标用户数量小于预设数量阈值，则确定用户群体不满足预设用户画像。
53.若步骤s42的判断结果为满足，则执行步骤s43。
54.步骤s43，将数据集合中的画像预警信息的第二归类信息进行共性分析，获取用户群体的用户画像分析结果。
55.步骤s43的目的在于分析产生该预设用户画像的共性问题是什么，以便于分析课程的问题。在另一实施方式中，为了提高改善特定群体课程体验的针对性，在步骤s42和步骤s43之间还可以包括步骤：判断类型内的目标用户之间的课程参与关系是否为相同梯度用户。若是，则执行步骤s43。相同梯度可以理解为对于课程的学习理解程度在同一梯度或区间，例如对于学生而言，相同梯度的用户，其某一课程的成绩在相同区间。
56.下面对步骤s43的分析过程进行详细说明。在本实施例中，第二归类信息包括画像
预警信息中对应的账号交互数据，该账号交互数据可以包括退出课程及时间点、打瞌睡及时间点、差评及时间点等等。该步骤s43可以包括以下子步骤：
57.步骤s431，基于画像预警信息的账号交互数据，确定数据集合中的画像预警信息所属的时间区间。
58.每一个画像预警信息的产生都是基于对目标用户的账号交互数据的分析得到，而账号交互数据的产生必对应一个时间区间，例如，账号交互数据呈现的信息为：课程进行到一半时，目标用户退出了课程，此时，对该账号交互数据进行智能分析，得到画像预警信息，该画像预警信息对应的时间区间即课程进行到一半时对应的时间区间，例如15min～20min。
59.步骤s432，分别利用属于同一时间区间的画像预警信息的第二归类信息进行共性分析，获取同一时间区间对应的课程内容。
60.如果多个目标用户在同一时间区间内产生了相同的画像预警信息，则表明该段时间区间内的课程设置可能出现问题，需要进行调整，因此对该时间区间内的第二归类信息进行共性分析，获取同一时间区间对应的课程内容。
61.其中，作为一种实施方式，基于画像预警信息的账号交互数据，确定数据集合中的画像预警信息所属的时间区间可以通过以下方式实现。
62.统计数据集合中所有画像预警信息的发生时间，若画像预警信息之间的时间差值小于预设时间间隔，则确定画像预警信息之间属于同一时间区间。
63.通过以上实施例，本发明实施例提供的基于远程教育的用户画像分析方法，通过获取对应于目标用户的画像预警信息，再通过目标用户的类型信息，将同一类型的目标用户对应的画像预警信息存储至同一存储空间。然后获取类型的第一归类信息和与类型对应的存储空间中每一画像预警信息的第二归类信息。最后，通过第一归类信息和第二归类信息得到类型中的目标用户对应的用户群体的预设用户画像。本发明实施例能够对远程教育中关注的用户相关画像进行监控，能够实现对用户群体的预设用户画像进行识别，利于后续对教育课程进行优化调整，增加用户的学习粘性。
64.作为一种实施方式，为了减少分析的数据量，增加分析效率和及时性，在通过第一归类信息和第二归类信息得到类型中的目标用户对应的用户群体的预设用户画像之前，还可以包括以下步骤：当画像预警信息对应的账号交互数据的检测时间与当前时间的间隔大于预设时间间隔时，去除画像预警信息。对于画像预警信息对应的账号交互数据的检测时间与当前时间的间隔大于预设时间间隔的情况，账号交互数据已经失去了监测的及时性，对后续分析的指导意义较差，因此不再进行分析，直接进行去除，减少数量运算量。
65.请参照图4，是本发明实施例提供的基于远程教育的用户画像分析装置110的架构示意图，该基于远程教育的用户画像分析装置110可用于执行基于远程教育的用户画像分析方法，其中，基于远程教育的用户画像分析装置110包括：
66.获取模块111，用于获取对应于目标用户的画像预警信息，其中，画像预警信息为基于目标用户的账号交互数据得到。
67.存储模块112，用于通过目标用户的类型信息，将同一类型的目标用户对应的画像预警信息存储至同一存储空间。
68.获取模块111还用于获取类型的第一归类信息和与类型对应的存储空间中每一画
像预警信息的第二归类信息。
69.分析模块113，用于画像通过第一归类信息和第二归类信息得到类型中的目标用户对应的用户群体的预设用户画像。
70.获取模块111可用于执行步骤s1和s3，存储模块112可用于执行步骤s2，分析模块113可用于执行s4。
71.由于在上述实施例中，已经对本发明实施例提供的基于远程教育的用户画像分析方法进行了详细的介绍，而该基于远程教育的用户画像分析装置110的原理与该方法相同，此处不再对基于远程教育的用户画像分析装置110的各模块的执行原理进行赘述。
72.在本技术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。
73.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。
74.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。
75.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。
76.需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义，例如针对一些值、系数、权重、指数、因子等术语，本领域技术人员可以根据前后的逻辑关系进行推导和确定，这些数值的取值范围可以根据实际情况进行选取，例如0～1，又例如1～10，再例如50～100，在此均不作限定。
77.本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及目标的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“上一个”、“下一个”、“前一个”、“后一个”、“当前”、“历史”、“最新”、“最佳”、“目标”、“指定”和“实时”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“列表”、“特征”、“序列”、“集合”、“矩阵”、“单元”、“元素”、“轨迹”和“清单”等，也可以根据前后文进行毫无疑义地推导和确定。
78.本技术实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本技术所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
79.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可以对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
80.同时，本技术使用了特定术语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本技术的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
81.另外，本领域普通技术人员可以理解的是，本技术的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本技术的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
82.计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、rf、或类似介质、或任何上述介质的组合。
83.本技术各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net，python等，或类似的常规程序编程语言，如"c"编程语言，visual basic，fortran 2003，perl，cobol 2002，php，abap，动态编程语言如python，ruby和groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域
网络(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
84.此外，除非申请专利范围中明确说明，本技术所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
85.同样应当理解的是，为了简化本技术揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法幷不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。