一种信息处理方法及装置与流程

1.本技术涉及计算机信息处理领域，尤其涉及一种信息处理方法及装置。


背景技术：

2.在it运维过程中需要进行一些中长期预测，例如，容量规划。容量规划，简单的讲就是评估目前设备性能是否与用户需求匹配，如果高于用户需求，常常处于闲置状态，则可以关闭或封存一些设备，减少日常电能消耗和维护成本；如果低于用户需求，则可以申请从库存中获取或添置设备以满足用户需求。
3.具体地，进行容量规划时，往往需要获取以下信息，例如：单台设备到底最大处理能力是多少？目前线上有多少设备正在被使用？在一次大促前，当前的设备数是否能够支撑？什么时候需要增加设备，加多少？
4.但由于商业活动持续演进，而一些产品和服务领域的迭代速度不断变快，这就造成用于进行中长期预测可参考的历史数据的时间跨度越来越短，数据越来越少；另一方面，由于业务环境变化频繁，导致每个周期内可参考的历史数据在不同的周期之间变化相对剧烈。
5.因此，如果仍然采用传统方法，直接根据上述可参考的历史数据进行“容量规划”这类中长期预测的话，难度会越来越大，准确度也会越来越低。


技术实现要素：

6.本技术人创造性地提供一种信息处理方法及装置。
7.根据本技术实施例第一方面，提供一种信息处理方法，该方法包括：根据第一时间序列数据进行第一预测得到第一预测结果；根据第一差异函数确定第一时间序列数据和第一预测结果之间的差异，得到第一时间序列差异值；判断第一时间序列差异值是否小于第一阈值，若否，则根据第一时间序列权重对第一时间序列数据进行修正得到第二时间序列数据；根据第二时间序列数据进行第二预测得到第二预测结果。
8.根据本技术实施例一实施方式，该方法还包括：根据第三信息对第一预测结果或第二预测结果进行修正得到修正后的预测结果。。
9.根据本技术实施例一实施方式，在根据第一时间序列数据进行第一预测得到第一预测结果之前，该方法还包括：对第三时间序列数据进行异常数据检测和处理，得到第一时间序列数据。
10.根据本技术实施例一实施方式，根据第一时间序列权重对第一时间序列数据进行修正得到第二时间序列数据，包括：对第一时间序列差异值与第一时间序列权重进行乘积运算得到第二时间序列差异值；根据第一预测结果和第二时间序列差异值确定第二时间序列数据。
11.根据本技术实施例一实施方式，在对第一时间序列差异值与第一时间序列权重进行乘积运算得到第二时间序列差异值之后，该方法还包括：对第二时间序列差异值进行归
一化处理得到归一化的第二时间序列差异值；相应地，根据第一预测结果和第二时间序列差异值，确定第二时间序列数据，包括：根据第一预测结果和归一化的第二时间序列差异值，确定第二时间序列数据。
12.根据本技术实施例一实施方式，确定第一时间序列权重，包括：根据预先设定的分布参数，获取与第一时间序列数据的时间对应的第一时间序列权重曲线；对第一时间序列权重曲线进行归一化处理后得到第一时间序列权重。
13.根据本技术实施例一实施方式，第一时间序列权重曲线包括使近期数据修正幅度较大且使久远数据修正幅度较小的分布曲线。
14.根据本技术实施例一实施方式，在得到第一时间序列权重之后，该方法还包括：根据第四信息对第一时间序列权重进行修正得到修正后的第一时间序列权重。
15.根据本技术实施例第二方面，提供一种信息处理装置，该装置包括：第一预测模块，用于根据第一时间序列数据进行第一预测得到第一预测结果；差异值计算模块，用于根据第一差异函数确定第一时间序列数据和第一预测结果之间的差异，得到第一时间序列差异值；数据修正模块，用于判断第一时间序列差异值是否小于第一阈值，若否，则根据第一时间序列权重对第一时间序列数据进行修正得到第二时间序列数据；第二预测模块，用于根据第二时间序列数据进行第二预测得到第二预测结果。
16.根据本技术实施例第三方面，提供一种计算机可读存储介质，存储介质包括一组计算机可执行指令，当指令被执行时用于执行上述任一项的信息处理方法。
17.本技术实施例提供一种信息处理方法及装置，该方法根据某一时间周期内实际的时间序列数据进行初次预测得到一个预测结果，如果该时间周期内预测结果与实际的时间序列数据相差较大，则可以通过时间序列权重和预测结果对实际的时间序列数据进行修正；然后，再基于修正后的时间序列数据进行第二次预测。
18.根据第一时间序列权重对预测所基于的时间序列数据进行修正，可指定不同时期的数据在预测过程中的权重和影响力。如此，使用修正后的数据再次进行预测，可使预测特别是中长期预测更加准确。
19.需要理解的是，本技术的实施并不需要实现上面所述的全部有益效果，而是特定的技术方案可以实现特定的技术效果，并且本技术的其他实施方式还能够实现上面未提到的有益效果。
附图说明
20.通过参考附图阅读下文的详细描述，本技术示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本技术的若干实施方式，其中：
21.在附图中，相同或对应的标号表示相同或对应的部分。
22.图1为本技术一实施例信息处理方法的实现流程示意图；
23.图2为本技术一实施例第一时间序列数据以及基于该第一时间序列数据得到的预测结果的示意图；
24.图3为本技术一实施例第二时间序列数据以及基于该第二时间序列数据得到的预测结果的示意图。
25.图4为本技术另一实施例信息处理方法的实现流程示意图；
26.图5为本技术图4所示实施例第一预测结果与第一时间序列的残差数据d1的示意图；
27.图6为本技术图4所示实施例对残差数据d1进行修正后得到的残差数据d2的示意图；
28.图7为本技术一实施例信息处理装置的组成结构示意图。
具体实施方式
29.为使本技术的目的、特征、优点能够更加的明显和易懂，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，所描述的实施例仅仅是本技术一部分实施例，而非全部实施例。基于本技术中的实施例，本领域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。
30.在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
31.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
32.图1示出了本技术一实施例信息处理方法的实现流程。参考图1，该方法包括：操作110，根据第一时间序列数据进行第一预测得到第一预测结果；操作120，根据第一差异函数确定第一时间序列数据和第一预测结果之间的差异，得到第一时间序列差异值；操作130，判断第一时间序列差异值是否小于第一阈值，若否，则确定第一时间序列权重，根据第一时间序列权重对第一时间序列数据进行修正得到第二时间序列数据；操作140，根据第二时间序列数据进行第二预测得到第二预测结果。
33.其中，时间序列数据(time series data)是在不同时间上收集到的数据，用于所描述事务或现象随时间变化的情况。例如，记录每小时的设备状况数据形成设备状况日数据；记录每日的设备状况数据形成设备状况周数据和月数据等等。
34.由于时间序列数据常常能体现出事务或现象随时间变化的趋势和规律，因此常常用于进行各种预测。
35.在操作110中，第一预测指基于时间序列数据所进行的预测，例如，气温预告、产能预测、人口增长趋势预测、容量规划等等。
36.第一时间序列数据指第一预测所基于的时间序列数据，通常是以一定频率记录下的一段时间内的历史数据。该时间序列数据可以是实时采集得到的原始数据，也可以是对原始数据进行清洗或预处理过的数据，还可以是对某一时间序列数据进行修正或调整后得到的数据。
37.第一预测结果指根据第一时间序列数据进行第一预测所得到的趋势数据，该趋势数据通常代表预测对象在预测时间区间内的可能值。为了验证预测的数据是否准确或可信，预测区间通常包括获取第一时间序列数据的过去时间和在此基础上向后延申的一段时间。
38.图2示出了本实施例第一时间序列数据以及基于该第一时间序列数据得到的预测结果的示意图。
39.在图2中，横轴为时间，纵轴为存储设备a的已用容量，实线所示数据为2021年5月至2021年9月的第一时间序列数据。
40.根据上述第一时间序列数据可以采用任意适用的预测方法(例如，线性回归)进行存储设备a容量使用情况的预测(第一预测)，即可以得到预测区间为从2021年5月至2022年9月(由于篇幅限制，预测数据仅显示到2021年10月)存储设备a的已用容量(第一预测结果)。
41.假设，此次预测得到的预测结果是图2中虚线所示的数据。
42.由于在2021年5月至2021年9月这一时间段存在既有的第一时间序列数据(实线所示的数据)，也存在预测结果(虚线所示的数据)，因此可通过比对这一时间段的预测结果和实际记录的第一时间序列数据来评定该预测是否准确。预测结果与实际记录的第一时间序列数据的差异越小，说明第一预测结果越准确，也就说明第一预测结果中2021年9月之后预测的存储设备a的已用容量的可信度也越高。
43.在操作120中，第一差异函数就是用来确定预测结果与实际记录的第一时间序列数据的差异度的函数，例如，差、平方差、商等。
44.由于有多少对数据就会产生多少个差异值，因此通过第一差异函数确定的第一时间序列数据和第一预测结果之间的差异值也是一组时间序列数据，即第一时间序列差异值。
45.通常不同的预测需求，对预测的精准程度也有不同的要求。第一阈值就是能接受的最大差异值或最大平均差异值等用来限制差异值大小的阈值。该第一阈值通常是根据预测需求和经验值指定的。当对预测精准程度要求较高时，可将第一阈值设为较小的值；反之，当对预测精准程度要求较低时，可将第一阈值设为较大的值。
46.在判断第一时间序列差异值是否小于第一阈值时，如果第一阈值是可接受的最大差异值，则可以将第一时间序列差异值中的每一差异值与第一阈值进行比较；如果第一阈值是可接受的最大平均差异值，则可以将第一时间序列差异值中的所有差异值的平均值与第一阈值进行比较。
47.如果上述比较的结果为小于，则说明第一预测已达到预期，可以结束本次预测。
48.如果上述比较的结果为等于或大于，则说明第一预测还未达到预期，需要对第一预测进行修正。
49.如前所述，在本技术信息处理方法所应用的预测场景中，特别是在中长期预测的场景中，之所以预测结果会存在较大偏差，主要是因为不管数据距离当前时间的远近，所有时间点的数据在预测中的权重都是相同的，但实际上不同时间点的数据对于特定的预测来说，其预测价值不同，重要程度也不同。例如，距离当前时间越短的数据的预测价值越大，距离当前时间越长的数据的预测价值越低；正常时段的数据的预测价值较大，异常时段的数
据的预测价值越低。
50.因此，在本技术实施例对第一预测进行修正时，主要考虑如何修正第一时间序列数据中不同时间点的数据在预测中的权重，从而使第一时间序列数据能够克服各个时间点数据的预测权重与实际的预测价值不一致的问题。
51.在操作130中，第一时间序列权重是针对第一时间序列数据对应的每个时间点(图2所示的时间轴上对应的点)给出一个相应的权重值而得到的一组时间序列数据。
52.其中，每个时间点所对应的权重值可以用于对该时间点对应的数据进行微调，以调整该时间点的数据在预测中的权重和对预测结果的影响。
53.例如，对于正常情况下得到的典型数据，或具有最新特点的近期数据，比起异常时段的异常数据或已经过时的久远数据更能够代表事物或现象的发展规律或最新趋势。因此，可以将这些典型数据或近期数据对应的时间点的权重设置得更大，以增强这些数据在预测中的权重和对预测结果的影响，从而使预测结果更准确。
54.而对于在异常情况下得到的异常数据，或已经过时的久远数据，由于其数据不能体现发展规律或最新趋势，则可以根据专家经验、或某些分布规律以及距离当前时间的远近程度来设置这一权重以放大或缩小不同时间点的数据变化幅度(或其他能突显趋势的指标)，从而得到更符合事物发展规律、更能体现最新趋势的数据。
55.如此，经过上述根据第一时间序列权重对第一时间序列数据进行修正后得到的第二时间序列数据，会更符合事物发展规律，更能体现最新趋势的数据，如图3中所示的实线所示的数据。
56.之后，经过操作140根据第二时间序列数据进行第二次预测，就可以得到更为准确的第二预测结果，如图3中虚线所示的数据。其中，第二次预测和第一预测从本质上讲，预测目标一致、使用的预测方法也基本相同，但由于预测所基于的数据得到了修正，所以会使预测过程中使用的一些参数和配置发生变化，从而导致不同的预测结果。参考图3，经过修正后的第二时间序列数据(图3中实线所示的数据)与第二预测结果(图2中实线所示的数据)之间的差异更小，也就说明第二预测结果比起第一预测结果更准确。
57.需要说明的是图1所示的实施例仅为本技术比例风险回归模型训练方法最基本的一个实施例，实施者还可在其基础上进行进一步细化和扩展。
58.根据本技术实施例一实施方式，该方法还包括：根据第三信息对第一预测结果或第二预测结果进行修正得到修正后的预测结果。
59.在本实施方式中，第三信息指实际应用场景可以预知的会影响到实际可能值得因素，例如，对于存储器的已用容量来说，使用到该存储设备的一些工作计划就是可预知的影响因素。如果可以获取这些工作计划，则可以根据这些计划对第一预测结果或第二预测结果进行修正，以得到更为准确的预测结果。
60.根据本技术实施例一实施方式，在根据第一时间序列数据进行第一预测得到第一预测结果之前，该方法还包括：对第三时间序列数据进行异常数据检测和处理，得到第一时间序列数据。
61.其中，第三时间序列数据指实际采集或记录的原始数据，由于在采集过程中发生的一些意外情况，例如设备故障，会采集到一些异常数据，比如，突然增大或突然降低的异常数据。这些数据用于预测时会成为离群点数据，并对预测结果产生干扰。
62.因此，在本实施方式中，会对实际采集或记录的原始数据进行异常数据检测。在检测出异常数据之后，对异常数据进行相应的修复处理。例如，使用异常检测技术识别离群点，并根据不同条件进行离群点数据修正，包括但不限于：
63.1)按照序列从右向左(从最近到久远)进行数据处理；
64.2)如果数值超过某个离群点，且位于x倍标准差之外，则使用x倍标准差之内最接近的数据差值替换原始数据，其中，x为可接受的标准差的倍数阈值。
65.经过上述离群点数据修正处理后，可确保用于第一预测的第一时间序列数据是合法有效，不存在太多无意义或偏差较大的异常数据。而第一时间序列数据是第一预测结果的基础，第一序列数据合法有效就可以使第一预测结果以及基于预测结果得到扩充的第二序列数据更准确，进而使基于第二序列数据的第二预测结果更为准确。
66.根据本技术实施例一实施方式，根据第一时间序列权重对第一时间序列数据进行修正得到第二时间序列数据，包括：对第一时间序列差异值与第一时间序列权重进行乘积运算得到第二时间序列差异值；根据第一预测结果和第二时间序列差异值确定第二时间序列数据。
67.在本实施方式中，主要通过第一时间序列权重对第一时间序列差异值修正进行修正，然后再基于第一预测结果和修正后的时间序列差异值得到修正后的时间序列数据。
68.采用这一实施方式可以通过放大或缩小数据的残差而增强或减弱数据的变化幅度，进而能够突显或淡化数据变化所体现的趋势。
69.此外，仅对残差进行修正，可确保修正后的数据仍然以原有的第一序列数据为基础。从而最大程度地确保用于预测的数据仍是可靠的，不会有太大偏差。
70.根据本技术实施例一实施方式，在对第一时间序列差异值与第一时间序列权重进行乘积运算得到第二时间序列差异值之后，该方法还包括：对第二时间序列差异值进行归一化处理得到归一化的第二时间序列差异值；相应地，根据第一预测结果和第二时间序列差异值，确定第二时间序列数据，包括：根据第一预测结果和归一化的第二时间序列差异值，确定第二时间序列数据。
71.归一化处理可以对原有数据进行进一步处理和加工，例如，将有量纲的表达式转换为无量纲的表达式，得到相应的标量，使不同量纲的特征处于同一数值量级。如此，可减少某些方差较大的特征所产生的负面影响，使模型更准确。
72.与之类似，在某些实施方式下也可以使用标准化对原有数据进行进一步的处理。
73.根据本技术实施例一实施方式，确定第一时间序列权重，包括：根据预先设定的分布参数，获取与第一时间序列数据的时间对应的第一时间序列权重曲线；对第一时间序列权重曲线进行归一化处理后得到第一时间序列权重。
74.通常特定事物或现象的变化趋势是具有一定规律，如果这一规律已知，则可利用描述该规律的分布函数来确定第一时间序列权重，使修正后的数据更符合已知规律，成为较平稳的时间序列数据。
75.如果这一规律未知，则可以使用beta分布这些可以通过指定不同参数模拟各种可能的分布。
76.根据本技术实施例一实施方式，第一时间序列权重曲线包括使近期数据修正幅度较大且使久远数据修正幅度较小的分布曲线。
77.在本实施方式中，考虑到距离当前时间越短的近期数据价值越大，距离当前时间越长的久远数据价值越低。故而通过指定分布参数，生成使近期数据修正幅度较大，久远数据修正幅度较小的分布曲线。从而尽可能放大近期数据在预测过程中的权重和对预测结果的影响力，并减小久远数据在预测过程中的权重和对预测结果的影响力。
78.如此，可使近期数据相对于久远数据在预测过程中的发挥更大地作用，使预测更为准确。
79.根据本技术实施例一实施方式，在得到第一时间序列权重之后，该方法还包括：根据第四信息对第一时间序列权重进行修正得到修正后的第一时间序列权重。
80.此处，第四信息主要指专家经验，即通过专家标注，或者集成专家系统获得不同时间点的数据状况，对不同时间点进行权重值的修订。例如，获知某一时间段出现了故障，则可以通过仍人工标注或修改权重值的方式，对改时间段的时间序列数据进行修正，以使预测结果更加契合业务场景特点。
81.图4示出了本技术另一个实施例信息处理方法的实现流程。该实施例用于预测存储设备a在一年内的容量使用情况，以便对存储设备a进行容量规划，具体包括：
82.步骤4010，获得时间序列数据；
83.假设获得的时间序列数据为2021年5月到2021年9月存储设备a的已用容量。
84.步骤4020，计算时间序列相邻数据点的差值；
85.步骤4040，计算差值的分布，获得代替离群点数据策略或取值；
86.步骤4040，使用异常检测算法识别差值的离群点；
87.步骤4050，根据数据分布特性识别有效离群点；
88.步骤4060，合并步骤4040和步骤4050的处理结果，生成修正的时间数据s；
89.上述步骤4020至步骤4060就是用于对步骤4010，获得时间序列数据的时间序列数据进行异常数据检测和处理，以得到合法(valid)有效的时间序列数据。
90.假设得到的合法有效的时间序列为图2中实线所示的数据。
91.步骤4070，生成预测模型m1，例如，线性回归；
92.步骤4080，根据s与m1进行预测得到预测结果n1(图2中虚线所示的数据)，并计算得到n1与s的残差d1(如图5所示)；
93.步骤4090，判断残差标准差《第一阈值，若是，则返回预测结果；若否，则继续步骤4100；
94.步骤4100，根据经验值或者历史参数获得beta分布参数；
95.在本实施方式中，由于存储设备的使用情况的发展变化并不是很有规律，在不同时期和不同的使用场景下其容量需求变化也会有所不同。因此，在本实施例中使用了beta分布。如此，可通过指定不同的beta分布参数得到与实际应用场景较为贴合，并与不同时间点数据所具有的不同预测价值更为一致的分布曲线。例如，将beta分布参数指定为beta(4,1)就可以得到使近期数据修正幅度较大且使久远数据修正幅度较小的分布曲线。
96.步骤4110，获得一段时间序列数据点范围内的曲线，例如2021年5月到2021年9月；
97.步骤4120，归一化到指定min，max区间之间，获得序列b；
98.其中，此处的min，max为近期数据中的最小值和最大值，指定这一区间进行归一化，可尽可能使较为久远的数据更符合较新的发展趋势和分布特点。
99.步骤4140，获得d1xb的序列d2并归一化，得到图6所示的数据；
100.通过图6与图5的对比可以看到，近期数据的残差修正幅度变大，而久远数据的残差修正幅度变小。如此，可尽可能地放大近期数据在预测过程中的权重和对预测结果的影响力，并减小久远数据在预测过程中的权重和对预测结果的影响力，从而使预测更准确，也更符合数据的时间特性和业务特点
101.步骤4140，获得时间序列数据d2 n1，即带有时间序列权重信息的时间序列数据(如图3中实线所示的数据)；
102.步骤4150，生成预测模型m2，生成预测结果n2(如图3中虚线所示的数据)。
103.在生成预测模型m2时也使用线性回归，与生成预测模型m1时使用的方法相同，但由于生成预测模型所用的数据发生了变化，会导致模型的某些参数发生改变，从而使预测结果不同。
104.通过比较图2和图3可见，第一序列数据与第一预测结果之间的差异值与第一序列数据与第一预测结果之间的差异值相比变小了，这也说明第二预测结果比起第一预测结果更准了。
105.进一步地，本技术实施例还提供一种信息处理装置。如图7所示，该装置70包括：第一预测模块701，用于根据第一时间序列数据进行第一预测得到第一预测结果；差异值计算模块702，用于根据第一差异函数确定第一时间序列数据和第一预测结果之间的差异，得到第一时间序列差异值；数据修正模块703，用于判断第一时间序列差异值是否小于第一阈值，若否，则确定第一时间序列权重，根据第一时间序列权重和对第一时间序列数据进行修正得到第二时间序列数据；第二预测模块704，用于根据第二时间序列数据进行第二预测得到第二预测结果。
106.根据本技术实施例一实施方式，该装置70还包括：预测修正模块，用于根据第三信息对第一预测结果或第二预测结果进行修正得到修正后的预测结果。
107.根据本技术实施例一实施方式，该装置70还包括：异常数据检测和处理模块，用于对第三时间序列数据进行异常数据检测和处理，得到第一时间序列数据。
108.根据本技术实施例一实施方式，数据修正模块703包括：第二时间序列差异值计算子模块，用于对第一时间序列差异值与第一时间序列权重进行乘积运算得到第二时间序列差异值；第二时间序列数据确定子模块，用于根据第一预测结果和第二时间序列差异值确定第二时间序列数据。
109.根据本技术实施例一实施方式，第二时间序列数据确定子模块还包括：归一化处子理模块，用于对第二时间序列差异值进行归一化处理得到归一化的第二时间序列差异值；相应地，第二时间序列数据确定子模块具体用于根据第一预测结果和归一化的第二时间序列差异值，确定第二时间序列数据。
110.根据本技术实施例一实施方式，数据修正模块703具体用于对所对第一时间序列权重与第一时间序列数据进行乘积运算得到第二时间序列数据。
111.根据本技术实施例一实施方式，数据修正模块703包括：时间序列权重确定子模块，用于确定第一时间序列权重。
112.根据本技术实施例一实施方式，时间序列权重确定子模块包括：第一时间序列权重曲线获取单元，用于根据预先设定的分布参数，获取与第一时间序列数据的时间对应的
第一时间序列权重曲线；第一时间序列权重归一化处理单元，用于对第一时间序列权重曲线进行归一化处理后得到第一时间序列权重。
113.根据本技术实施例一实施方式，时间序列权重确定子模块还包括：第一时间序列权重修正单元，用于根据第四信息对第一时间序列权重进行修正得到修正后的第一时间序列权重。
114.根据本技术实施例第三方面，提供一种计算机可读存储介质，存储介质包括一组计算机可执行指令，当指令被执行时用于执行上述任一项的信息处理方法。
115.这里需要指出的是：以上针对信息处理装置实施例的描述和以上针对计算机可读存储介质实施例的描述，与前述方法实施例的描述是类似的，具有同前述方法实施例相似的有益效果，因此不做赘述。对于本技术对信息处理装置实施例的描述和对计算机可读存储介质实施例的描述尚未披露的技术细节，请参照本技术前述方法实施例的描述而理解，为节约篇幅，因此不再赘述。
116.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。
117.在本技术所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个装置，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
118.上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
119.另外，在本技术各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，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利用硬件的形式实现，也可以利用硬件加软件功能单元的形式实现。
120.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储介质、只读存储器(read only memory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
121.或者，本技术上述集成的单元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，也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)执行本技术各个实施例方法的全部或部分。而前述的存储介质包括：移动存储介质、rom、磁碟或者光盘等各种可以存储程序代码的介质。
122.以上，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，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以权利要求的保护范围为准。