物品推荐方法、计算机设备及计算机可读存储介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种物品推荐方法、计算机设备及计算机可读存储介质。


背景技术：

2.推荐系统作为一种筛选信息的工具，存在于海量数据的基础上，可以有效解决信息过载的问题。推荐系统可以通过推荐算法从海量数据中挖掘出用户感兴趣的项目(如信息、服务、物品等)，并将结果推荐给用户，以满足用户的需求。
3.现有的协同过滤算法虽然可以减缓数据稀疏性和冷启动对推荐结果的影响，但是并没有考虑海量数据对其评论的物品的评价值，导致推荐效果不佳，影响用户使用体验。


技术实现要素：

4.有鉴于此，有必要针对物品推荐的准确性不高的技术问题，提供一种物品推荐方法、计算机设备及计算机可读存储介质。
5.本技术一实施例提供一种物品推荐方法，包括：获取多个评价文本，其中多个评价文本涉及多个物品；对多个评价文本中的每个评价文本进行分词处理，得到与每个评价文本对应的语句集；利用预设情感词典提取每个评价文本的情感评价词，得到与每个评价文本对应的情感评价词集；基于预设评价对象词典、预设副词词典及每个评价文本对应的语句集与情感评价词集，得到与每个评价文本对应的情感评价单元集，情感评价单元集包括至少一个情感评价单元；基于每个评价文本的情感评价单元集计算得到每个评价文本对其记载的物品的评价得分，及汇总每个物品的评价得分得到每个物品的评价值；根据每个物品的评价值从多个物品中选取至少一个物品推荐给目标用户。
6.在一些实施例中，预设情感词典包括基础情感词典、网络用语情感词典及表情图片情感词典，基础情感词典包括多个正面情感词、多个负面情感词、多个正面评价词及多个负面评价词，网络用语情感词典包括多个积极网络词语及多个消极网络词语，表情图片情感词典包括多个表情图片及与所述多个表情图片对应的情感极性词语，预设评价对象词典包括多个物品名称及多个物品部件名称，预设副词词典包括多个用于表征情感极性或者情感程度的副词，物品推荐方法还包括：对每个评价文本进行停用词剔除处理、词性标注处理。
7.在一些实施例中，利用预设情感词典提取每个评价文本的情感评价词，得到与每个评价文本对应的情感评价词集，包括：利用预设情感词典提取评价文本的情感评价词；从提取到的情感评价词中筛选在评价文本出现次数大于预设次数的情感评价词；基于筛选得到的情感评价词构建与评价文本对应的情感评价词集。
8.在一些实施例中，多个评价文本包括第一评价文本，基于预设评价对象词典、预设副词词典及每个评价文本对应的语句集与情感评价词集，得到与每个评价文本对应的情感评价单元集，包括：遍历第一评价文本对应的语句集中的语句，判断语句是否包含预设评价对象词典中的词语，及包含与第一评价文本对应的情感评价词集中的词语；当语句包含预
设评价对象词典中的第一词语，且包含情感评价词集中的第二词语时，基于第一词语与第二词语构建二元评价单元，及将二元评价单元加入至与第一评价文本对应的情感评价单元集；判断语句是否包含预设副词词典中的词语；当语句包含预设副词词典中的第三词语，且第一词语与第三词语在语句中的词语位置满足预设要求时，基于第一词语、第二词语及第三词语构建三元评价单元，及将情感评价单元集中的二元评价单元替换为三元评价单元。
9.在一些实施例中，物品推荐方法还包括：当二元评价单元在情感评价单元集中出现的次数小于预设次数时，将二元评价单元从情感评价单元集中删除。
10.在一些实施例中，基于每个评价文本的情感评价单元集计算得到每个评价文本对其记载的物品的评价得分，包括：根据与评价文本对应的情感评价单元集中的三元评价单元的个数计算得到评价文本的评论分；基于评价文本的影响力指数与评论分，计算得到评价文本对其记载的物品的评价得分，其中评价文本的影响力指数基于发布评价文本的用户的粉丝数、评价文本的转发数量与评论数量得到。
11.在一些实施例中，每个物品的评价值通过以下算式计算得到：
[0012][0013]
r
m
＝j
×
k
×
p，
[0014]
e
m
＝αx βy γz，
[0015][0016]
其中，d
u
为物品u的评价值，n为评价文本的总数量，r
m
为第m个评价文本的影响力指数，e
m
为第m个评价文本的评论分，j为发布第m个评价文本的用户的粉丝数，k为第m个评价文本的转发数量，p为第m个评价文本的评论数量，x为第m个评价文本所包含的三元评价单元的评论分均值，y为转发第m个评价文本的转发文本所包含的三元评价单元的评论分均值，z为评论第m个评价文本的评价文本所包含的三元评价单元的评论分均值，h1为第m个评价文本所包含的三元评价单元的个数，h2为转发第m个评价文本的转发文本所包含的三元评价单元的个数，h3为评论第m个评价文本的评价文本所包含的三元评价单元的个数，x
i
为第m个评价文本所包含的第i个三元评价单元的评论分，y
i
为转发第m个评价文本的转发文本所包含的第i个三元评价单元的评论分，z
i
为评论第m个评价文本的评价文本所包含的第i个三元评价单元的评论分，α、β、γ均为预设常量。
[0017]
在一些实施例中，根据每个物品的评价值从多个物品中选取至少一个物品推荐给目标用户，包括：根据每个物品的评价值得到每个物品的评价等级；将处于预设评价等级的物品推荐给目标用户。
[0018]
本技术一实施例提供一种计算机设备，包括处理器及存储器，存储器上存储有若干计算机程序，处理器用于执行存储器中存储的计算机程序时实现上述物品推荐方法的步骤。
[0019]
本技术一实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有多条指令，多条所述指令可被一个或者多个处理器执行，以实现上述物品推荐方法的步骤。
[0020]
与现有技术相比，上述物品推荐方法、计算机设备及计算机可读存储介质，基于与物品关联的多个评价文本构建情感评价单元，根据情感评价单元得到评价文本对其记载的
物品的评价得分，再根据物品的评价得到对多个物品进行评价值分类，选择将落入评价值较好的分类的物品推荐给用户，物品推荐效果更佳。
附图说明
[0021]
图1是本技术一实施方式的物品推荐方法的应用环境图。
[0022]
图2是本技术一实施方式的物品推荐方法的流程图。
[0023]
图3是本技术一实施方式的物品推荐装置的功能模块图。
[0024]
图4是本技术一实施方式的电子设备的结构示意图。
[0025]
主要元件符号说明
[0026][0027][0028]
如下具体实施方式将结合上述附图进一步说明本技术。
具体实施方式
[0029]
为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。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，都属于本技术保护的范围。
[0030]
进一步需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0031]
需要说明的是，本技术中“至少一个”是指一个或者多个，“多个”是指两个或多于两个。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b可以表示：单独存在a，同时存在a和b，单独存在b的情况，其中a，b可以是单数或者复数。本技术的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不是用于描述特定的顺序或先后次序。
[0032]
图1为本技术一实施例的物品推荐方法的应用环境图。参照图1，物品推荐方法应用于物品推荐系统。物品推荐系统可以包括终端11和服务器12，终端11可以是目标用户使用的电子设备。终端11和服务器12通过有线网络或无线网络连接。终端11具体可以是台式终端或移动终端，移动终端具体可以手机、平板电脑、笔记本电脑等中的至少一种。服务器12可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
[0033]
物品推荐系统是一种以海量数据挖掘为基础的关联用户和物品的一种工具，它能够在信息过载的环境中帮助用户筛选他们感兴趣的信息，为用户提供个性化的决策支持和信息服务。物品推荐系统可以指为用户进行商品(如食品、生活用品、电子产品、衣服等)推荐、音视频内容推荐、文章推荐等。本技术对此不作限定。
[0034]
图2为本技术一实施方式中物品推荐方法的流程图。本实施例以该方法应用于上述图1中的服务器12来举例说明，根据不同的需求，所述流程图中步骤的顺序可以改变，某些步骤可以省略。
[0035]
步骤s20、获取多个评价文本。
[0036]
在一些实施例中，多个评价文本可以涉及多个物品。每个评价文本可以涉及一个物品的评价。评价文本可以是诸如微博用户发布的微博文本、微信用户发布的朋友圈文本、论坛/社区用户发布的帖子、测评网站用户发布的测评文本等。某些应用或者网站的服务器上可以存储有多个涉及物品的评价文本，进而可以从该服务器上获取得到多个评价文本。在其他实施例中，也可以通过诸如网络爬取等方式获取多个评价文本。
[0037]
步骤21、对多个评价文本中的每个评价文本进行分词处理，得到与每个评价文本对应的语句集。
[0038]
在一些实施例中，当获取得到多个评价文本时，可以对每个评价文本进行分词处理，得到与每个评价文本对应的语句集。语句集可以包括至少一语句。例如，可以采用ictclas汉语分词系统对中文评价文本进行分词处理，得到多个语句。
[0039]
在一些实施例中，在分词处理过程中，还可以对评价文本进行去停用词处理与词
性标注处理，记录语句中具有预设词性的词语的位置信息等。例如，记录名称、形容词、副词在语句中的位置信息。
[0040]
步骤22、利用预设情感词典提取每个评价文本的情感评价词，得到与每个评价文本对应的情感评价词集。
[0041]
在一些实施例中，预设情感词典可以包括基础情感词典、网络用语情感词典及表情图片情感词典。基础情感词典可以包括多个正面情感词、多个负面情感词、多个正面评价词及多个负面评价词，例如基础情感词典可以是知网情感词典(hownet)。网络用语情感词典可以包括多个积极网络词语及多个消极网络词语，例如可以通过收集多个网络词语网站中的网络用语，并筛选带有情感极性的词语构建网络用语情感词典。表情图片情感词典可以包括多个表情图片及与多个表情图片对应的情感极性词语，表情图片可以是评价文本所对应的网站或者应用中所包含的表情图片。
[0042]
在一些实施例中，当利用预设情感词典从评价文本中提取到多个情感评价词时，可以根据情感评价词的出现次数进行排序，例如由出现次数的多到少进行排序或者由出现次数的少到多进行排序，从中筛选出现次数大于预设值或者排名在预设位置的情感评价词，再基于筛选得到的情感评价词构建与该评价文本对应的情感评价词集。预设值或预设位置可以根据实际需求进行设定，本技术对此不作限定。
[0043]
步骤23、基于预设评价对象词典、预设副词词典及每个评价文本对应的语句集与情感评价词集，得到与每个评价文本对应的情感评价单元集。
[0044]
在一些实施例中，预设评价对象词典可以包括多个物品名称及多个物品部件名称，例如物品名称可以是厂商 产品，如小米手机，与该物品名称关联的物品部件名称可以是电池、屏幕、边框等。预设副词词典可以包括多个用于表征情感极性或者情感程度的副词，例如用于表征情感极性的副词可以包括“并没有、不、不对、不是、不至于、从不、没有、没、也不”等，用于表征情感程度的副词可以包括“非常、分外、十分、特别、过度、稍微、比较、有点、异常、挺”等。
[0045]
在一些实施例中，情感评价单元集可以包括至少一个三元情感评价单元。以下以对多个评价文本中的第一评价文本进行处理为例进行说明：当得到与第一评价文本对应的第一语句集与第一情感评价词集时，遍历第一语句集中的语句，判断语句是否包含预设评价对象词典中的词语，及包含第一情感评价词集中的词语；当该语句包含预设评价对象词典中的第一词语，且包含第一情感评价词集中的第二词语时，基于第一词语与第二词语构建二元评价单元，及将二元评价单元加入至与第一评价文本对应的情感评价单元集；判断该语句是否包含预设副词词典中的词语；当语句包含预设副词词典中的第三词语，且第一词语与第三词语在语句中的词语位置满足预设要求时(例如第一词语与第三词语在语句中相隔4个词之内，即认为满足预设要求)，基于第一词语、第二词语及第三词语构建三元评价单元，及将情感评价单元集中的该二元评价单元替换为该三元评价单元。
[0046]
在一些实施例中，当二元评价单元在情感评价单元集中出现的次数小于预设次数时，可以将二元评价单元从情感评价单元集中删除，即不对该二元评价单元进行三元评价单元转换处理。预设次数可以根据实际需求进行设定，例如，预设次数可以是2次。
[0047]
在一些实施例中，可以通过情感评价单元构建模型来得到每个评价文本的情感评价单元集。情感评价单元构建模型的输入可以包括：评价文本的词语集s、评价文本的情感
评价词集f、评价对象集l、副词集b、预设次数t及范围d，情感评价单元构建模型的输出可以包括情感评价单元集w。情感评价单元构建模型可以通过以下方式构建得到该评价文本的情感评价单元集：a1).初始化参数t、d、w；a2).对于词语集s中的每个语句s1，若语句s1中存在词语e1∈f且存在词语e2∈l，将词语e1与词语e2进行笛卡尔乘积运算，构成二元评价单元<e1,e2>，及将二元评价单元<e1,e2>加入情感评价单元集w；a3).对于情感评价单元集w中的每个二元评价单元，若该二元评价单元出现的次数小于预设次数，将该二元评价单元从情感评价单元集w中去除；a4).对于经过去除处理的情感评价单元集w中的每个二元评价单元，例如二元评价单元<e1,e2>，获取词语e1在语句s1中的位置i，若语句s1中存在词语e3∈b且e3∈[i
‑
d,i d]，构建三元评价单元<e1,e2,e3>，将三元评价单元<e1,e2,e3>替换情感评价单元集w中的二元评价单元<e1,e2>，否则将情感评价单元集w中的二元评价单元<e1,e2>替换为三元评价单元<e1,e2,0>。
[0048]
步骤24、基于每个评价文本的情感评价单元集计算得到每个评价文本对其记载的物品的评价得分，及汇总每个物品的评价得分得到每个物品的评价值。
[0049]
在一些实施例中，可以根据与评价文本对应的情感评价单元集中的三元评价单元的个数计算得到评价文本的评论分，再基于评价文本的影响力指数与评论分，计算得到评价文本对其记载的物品的评价得分，其中评价文本的影响力指数可以基于发布评价文本的用户的粉丝数、评价文本的转发数量与评论数量得到。
[0050]
当计算得到每个评价文本对其记载的物品的评价得分之后，可以汇总每个物品的评价得分得到每个物品的评价值。
[0051]
在一些实施例中，每个评价文本涉及的物品评价信息可存在于评价文本本身中、转发该评价文本的转发文本中及评论该评价文本的评论文本中，即每个评价文本的评论分可以由三部分组成：评价文本自身的评论分、转发文本的评论分及评论文本的评论分。每个物品的评价值可以通过以下算式(i)计算得到：
[0052][0053]
r
m
＝j
×
k
×
p，
[0054]
e
m
＝αx βy γz，
[0055][0056]
其中，d
u
为物品u的评价值，n为评价文本的总数量，r
m
为第m个评价文本的影响力指数，e
m
为第m个评价文本的评论分，j为发布第m个评价文本的用户的粉丝数，k为第m个评价文本的转发数量，p为第m个评价文本的评论数量，x为第m个评价文本所包含的三元评价单元的评论分均值，y为转发第m个评价文本的转发文本所包含的三元评价单元的评论分均值，z为评论第m个评价文本的评论文本所包含的三元评价单元的评论分均值，h1为第m个评价文本所包含的三元评价单元的个数，h2为转发第m个评价文本的转发文本所包含的三元评价单元的个数，h3为评论第m个评价文本的评论文本所包含的三元评价单元的个数，x
i
为第m个评价文本所包含的第i个三元评价单元的评论分，y
i
为转发第m个评价文本的转发文本所包含的第i个三元评价单元的评论分，z
i
为评论第m个评价文本的评论文本所包含的第
i个三元评价单元的评论分，α、β、γ均为预设常量。
[0057]
在一些实施例中，每个三元评价单元的评论分可以根据实际需求进行预先设定，或者基于三元评价单元的笛卡尔乘积进行设定。
[0058]
步骤25、根据每个物品的评价值从多个物品中选取至少一个物品推荐给目标用户。
[0059]
在一些实施例中，当计算得到每个物品的评价值时，可以根据预设规则将每个物品的评价值换算得到每个物品的评价等级，将处于预设评价等级的物品推荐给目标用户。例如评价等级可以包括四个等级：强消极、消极、积极、强积极，可以将强积极的物品推荐给用户，或者将属于积极区间及以上的物品进行从高到低的评价值排序，选择排名靠前的v位物品推荐给目标用户。
[0060]
上述物品推荐方法，基于与物品关联的多个评价文本构建情感评价单元，根据情感评价单元得到评价文本对其记载的物品的评价得分，再根据物品的评价得到对多个物品进行评价值分类，选择将落入评价值较好的分类的物品推荐给用户，物品推荐效果更佳。
[0061]
基于与上述实施例中的物品推荐方法相同的思想，本技术还提供物品推荐装置，该装置可用于执行上述物品推荐方法。为了便于说明，物品推荐装置实施例的结构示意图中，仅仅示出了与本技术实施例相关的部分，本领域技术人员可以理解，图示结构并不构成对该装置的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
[0062]
如图3所示，物品推荐装置100包括获取模块101、处理模块102、提取模块103、构建模块104、计算模块105及推荐模块106。在一些实施例中，上述模块可以为存储于存储器中且可被处理器调用执行的可程序化软件指令。可以理解的是，在其他实施方式中，上述模块也可为固化于处理器中的程序指令或固件(firmware)。
[0063]
获取模块101用于获取多个评价文本。
[0064]
在一些实施例中，多个评价文本可以涉及多个物品。每个评价文本可以涉及一个物品的评价。评价文本可以是诸如微博用户发布的微博文本、微信用户发布的朋友圈文本、论坛/社区用户发布的帖子、测评网站用户发布的测评文本等。
[0065]
处理模块102用于对多个评价文本中的每个评价文本进行分词处理，得到与每个评价文本对应的语句集。
[0066]
在一些实施例中，处理模块102可以采用ictclas汉语分词系统对中文评价文本进行分词处理，得到多个语句。处理模块102在分词处理过程中，还可以对评价文本进行去停用词处理与词性标注处理，记录语句中具有预设词性的词语的位置信息等。
[0067]
提取模块103用于利用预设情感词典提取每个评价文本的情感评价词，得到与每个评价文本对应的情感评价词集。
[0068]
在一些实施例中，预设情感词典可以包括基础情感词典、网络用语情感词典及表情图片情感词典等。当利用预设情感词典从评价文本中提取到多个情感评价词时，可以根据情感评价词的出现次数进行排序，例如由出现次数的多到少进行排序或者由出现次数的少到多进行排序，从中筛选出现次数大于预设值或者排名在预设位置的情感评价词，再基于筛选得到的情感评价词构建与该评价文本对应的情感评价词集。预设值或预设位置可以根据实际需求进行设定，本技术对此不作限定。
[0069]
构建模块104用于基于预设评价对象词典、预设副词词典及每个评价文本对应的语句集与情感评价词集，得到与所述每个评价文本对应的情感评价单元集。
[0070]
在一些实施例中，情感评价单元集可以包括至少一个三元情感评价单元。以下以构建模块104对多个评价文本中的第一评价文本进行处理为例进行说明：当得到与第一评价文本对应的第一语句集与第一情感评价词集时，遍历第一语句集中的语句，判断语句是否包含预设评价对象词典中的词语，及包含第一情感评价词集中的词语；当该语句包含预设评价对象词典中的第一词语，且包含第一情感评价词集中的第二词语时，基于第一词语与第二词语构建二元评价单元，及将二元评价单元加入至与第一评价文本对应的情感评价单元集；判断该语句是否包含预设副词词典中的词语；当语句包含预设副词词典中的第三词语，且第一词语与第三词语在语句中的词语位置满足预设要求时，基于第一词语、第二词语及第三词语构建三元评价单元，及将情感评价单元集中的该二元评价单元替换为该三元评价单元。
[0071]
计算模块105用于基于每个评价文本的情感评价单元集计算得到每个评价文本对其记载的物品的评价得分，及汇总每个物品的评价得分得到每个物品的评价值。
[0072]
在一些实施例中，计算模块105可以根据与评价文本对应的情感评价单元集中的三元评价单元的个数计算得到评价文本的评论分，再基于评价文本的影响力指数与评论分，计算得到评价文本对其记载的物品的评价得分，其中评价文本的影响力指数可以基于发布评价文本的用户的粉丝数、评价文本的转发数量与评论数量得到。当计算得到每个评价文本对其记载的物品的评价得分之后，计算模块105还可以汇总每个物品的评价得分得到每个物品的评价值。
[0073]
推荐模块106用于根据每个物品的评价值从多个物品中选取至少一个物品推荐给目标用户。
[0074]
在一些实施例中，当计算得到每个物品的评价值时，推荐模块106可以根据预设规则将每个物品的评价值换算得到每个物品的评价等级，将处于预设评价等级的物品推荐给目标用户。例如评价等级可以包括四个等级：强消极、消极、积极、强积极，可以将强积极的物品推荐给用户，或者将属于积极区间及以上的物品进行从高到低的评价值排序，选择排名靠前的v位物品推荐给目标用户。
[0075]
参考图4，为本技术一实施例提供的电子设备10的硬件结构示意图。如图4所示，电子设备10可以包括处理器1001、存储器1002及通信总线1003。存储器1002用于存储一个或多个计算机程序1004。一个或多个计算机程序1004被配置为被处理器1001执行。该一个或多个计算机程序1004包括指令，上述指令可以用于实现在电子设备10中执行如图2所述的物品推荐方法。
[0076]
处理器1001可以是中央处理单元(central processing unit，cpu)，还可以是其他通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field
‑
programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器等。
[0077]
存储器1002可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,
sd)卡，闪存卡(flash card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
[0078]
可以理解的是，本实施例示意的结构并不构成对电子设备10的具体限定。在另一些实施例中，电子设备10可以包括比图示更多或更少的部件，或者组合某些部件，或者拆分某些部件，或者不同的部件布置。
[0079]
本实施例还提供一种计算机存储介质，该计算机存储介质中存储有计算机指令，当该计算机指令在电子设备上运行时，使得电子设备执行上述相关方法步骤实现上述实施例中的物品推荐方法。
[0080]
本实施例还提供了一种计算机程序产品，当该计算机程序产品在计算机上运行时，使得计算机执行上述相关步骤，以实现上述实施例中的物品推荐方法。
[0081]
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。
[0082]
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，可以通过其它的方式实现。例如，以上所描述的装置实施例是示意性的，例如，该模块或单元的划分，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装置，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，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0083]
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。
[0084]
该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，可以存储在一个可读取存储介质中。基于这样的理解，本技术实施例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个设备(可以是单片机，芯片等)或处理器(processor)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、移动硬盘、只读存储器(read
‑
only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0085]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何在本技术揭露的技术范围内的变化或替换，都应涵盖在本技术的保护范围之内。