用户画像的构建方法及装置、计算机存储介质、电子设备与流程

1.本技术涉及数据处理技术领域，具体涉及一种用户画像的构建方法及其装置、计算机存储介质、电子设备。


背景技术：

2.基于大数据解决方案，通过对收集的企业数据进行清洗分析、整理等一系列深度挖掘，进而提供数据综合查询或分类查询服务，比如查询企业相关的信息，包括投资情况、股东情况等，这些数据仍然仅仅与经营主体直接相关，由此导致用户的日活量和留存率较低。


技术实现要素：

3.本技术实施例提供一种用户画像的构建方法及其装置、计算机存储介质、电子设备，用以克服或者缓解现有技术中存在的上述技术问题。
4.本技术实施例提供的技术方案如下：
5.一种用户画像的构建方法，其包括：
6.获取用户的画像关联数据，所述用户画像关联数据包括用户关心公司以及用户关心词语；
7.确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系；
8.根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像。
9.可选地，一实施例中，所述用户关心词语包括：用户关心行业词语、用户关心地区词语、用户关心业务词语中至少其一；
10.所述确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系，包括：确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心行业词语、用户关心地区词语、用户关心业务词语中至少其一的映射关系。
11.可选地，一实施例中，所述用户关心词语包括用户关心业务词语；则所述确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系，包括：
12.确定所述用户观看过的视频，并获取所述视频的描述信息；
13.从所述描述信息中提取有效视频业务词语，以建立所述有效视频业务词语与所述用户关心词语的映射关系。
14.可选地，一实施例中，所述确定所述用户观看过的视频，并获取所述视频的描述信息，包括：确定所述用户观看过的视频，并获取所述视频的标题信息、作者信息、简介信息中至少其一，所述描述信息包括标题信息、作者信息、简介信息中至少其一。
15.可选地，一实施例中，所述从所述描述信息中提取有效视频业务词语，以建立所述
有效视频业务词语与所述用户关心词语的映射关系，包括：从所述描述信息中提取原始视频业务词语，对所述原始视频业务词语进行滤噪处理得到有效视频业务词语，以建立所述有效视频业务词语与所述用户关心词语的映射关系。
16.可选地，一实施例中，所述根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像，之后还包括：根据用户对所述视频的实时评价数据，对构建的所述画像进行修正。
17.可选地，一实施例中，所述根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像，包括：将所述用户关心公司与所述描述信息进行排列组合，并根据所述描述信息对应的映射关系，确定每一排列组合中所述描述信息对应的用户关心词语；
18.根据所述用户关心公司、所述描述信息对应的用户关心词语，构建用户画像。
19.可选地，一实施例中，所述根据所述用户关心公司、所述描述信息对应的用户关心词语，构建用户画像，包括：所述用户关心公司的关键词、所述描述信息的关键词对应的用户关心词语，构建用户画像。
20.可选地，一实施例中，所述用户关心公司的关键词、所述描述信息的关键词对应的用户关心词语，构建用户画像，包括：为所述用户关心公司的关键词、所述描述信息的关键词对应的用户关心词语配置不同的关键词标签；根据所述用户关心公司的关键词、所述描述信息的关键词对应的用户关心词语配置不同的关键词标签，构建用户画像。
21.可选地，一实施例中，所述用户关心公司包括用户强关心公司以及用户弱关心公司；
22.对应地，根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像，包括：根据所述用户强关心公司、所述描述信息以及对应的映射关系，以及根据所述用户弱关心公司、所述描述信息以及对应的映射关系，构建用户画像。
23.可选地，一实施例中，所述根据所述用户强关心公司、所述描述信息以及对应的映射关系，以及根据所述用户弱关心公司、所述描述信息以及对应的映射关系，构建用户画像，包括：
24.根据所述用户强关心公司、所述描述信息以及对应的映射关系，生成m条画像数据；
25.根据所述用户弱关心公司、所述描述信息以及对应的映射关系，生成n条画像数据；
26.根据所述m条画像数据以及所述n条画像数据，构建用户画像，其中m、n均为非零整数。
27.可选地，一实施例中，所述分别根据所述用户强关心公司、所述描述信息以及对应的映射关系，以及根据所述用户弱关心公司、所述描述信息以及对应的映射关系，构建用户画像，还包括：
28.为所述m条画像数据和所述n条画像数据分配不同的使用优先级，以在根据所述用户画像向对应的用户推荐视频时，优先使用所述m条画像数据；
29.对应地，根据所述m条画像数据以及所述n条画像数据，构建用户画像，包括：所述m条画像数据及其对应的优先级、所述n条画像数据及其对应的优先级，构建用户画像。
30.可选地，一实施例中，所述分别根据所述用户强关心公司、所述描述信息以及对应的映射关系，以及根据所述用户弱关心公司、所述描述信息以及对应的映射关系，构建用户画像，还包括：当m小于设定的阈值t时，则从所述n条画像数据选取若干条画像数据以凑齐t条画像数据。
31.可选地，一实施例中，所述方法还包括：当监听到所述画像关联数据和/或所述描述信息有变化时，保存发生了变化的所述画像关联数据和/或所述描述信息的时间戳，以判断是否需要对针对所述用户构建的用户画像进行修正。
32.一种视频推荐方法，其包括：
33.获取根据本技术实施例任一项所述用户画像的构建方法构建的用户画像；
34.根据所述用户画像，确定向用户推荐的视频，并推荐给所述用户。
35.一种用户画像的构建装置，其包括：
36.数据获取单元，用于获取用户的画像关联数据，所述用户画像关联数据包括用户关心公司以及用户关心词语；
37.映射关系单元，用于确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系；
38.画像构建单元，用于根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像。
39.一种视频推荐装置，其包括：
40.画像获取单元，用于获取本技术实施例任一项所述用户画像的构建方法构建的用户画像；
41.视频推荐单元，用于根据所述用户画像，确定向用户推荐的视频，并推荐给所述用户。
42.一种计算机存储介质，所述计算机存储介质上存储有计算机可执行程序，所述计算机可执行程序被运行以实施本技术实施例任一项所述的方法。
43.一种电子设备，所述电子设备包括存储器以及处理器，所述存储器上用于存储计算机可执行程序，所述处理器用于运行所述计算机可执行程序以实施本技术实施例任一项所述的方法。
44.本技术实施例，获取用户的画像关联数据，所述用户画像关联数据包括用户关心公司以及用户关心词语；确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系；根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像，从而实现了在构建用户画像时引入了用户观看过的视频，从而构建了准确的用户画像，基于该用户画像，实现了准确的视频推荐，实现了千人千面的效果，从而增加了用户的日活量和留存率。
附图说明
45.图1为本技术实施例的应用场景示意图；
46.图2a为本技术实施例中用户画像的构建方法的一流程示意图；
47.图2b为本技术实施例中用户画像的构建方法的另一流程示意图；
48.图2c为本技术实施例中用户画像的构建方法的还一流程示意图；
49.图3为本技术实施例的视频推荐方法流程示意图；
50.图4为本技术实施例用户画像的构建装置结构示意图；
51.图5为本技术实施例视频推荐装置的结构示意图；
52.图6为本技术实施例电子设备的结构示意图。
具体实施方式
53.为使本技术要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
54.本技术实施例，获取用户的画像关联数据，所述用户画像关联数据包括用户关心公司以及用户关心词语；确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系；根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像，从而实现了在构建用户画像时引入了用户观看过的视频，从而构建了准确的用户画像，基于该用户画像，实现了准确的视频推荐，实现了千人千面的效果，从而增加了用户的日活量和留存率。
55.图1为本技术实施例的应用场景示意图；如图1所示，该应用场景针对一视频推荐系统，该视频推荐系统包括终端设备101、视频推荐服务器102，视频推荐服务器102可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备101可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。终端设备101以及上述视频推荐服务器可以通过无线通信方式(如网络)进行直接或间接地连接，本技术在此不做限制。
56.视频推荐服务器102主要获取构建的用户画像；根据所述用户画像，确定向用户推荐的视频，并推荐给所述用户。
57.示例性地，终端设备101上安装某一应用程序(application，简称app)，该应用程序中包括显示页面，视频推荐服务器102可将待推荐的视频推送到该显示页面中进行展示。当然，除了在显示页面中展示被推荐的视频外，也可以展示其他内容，比如，如果应用到对经营主体的关联数据进行挖掘场景的app，除了展示与公司直接相关的数据，还可以展示被推荐的视频。
58.以下实施例对如何构建用户画像进行示例性说明，在下述实施例中，以所述视频推荐服务器为执行主体进行说明，当然，也可以设置一独立于视频推荐服务器的用户画像构建服务器来执行如下的构建方法。当然，所述视频推荐服务器和用户画像构建服务器也可以基于功能实现的不同，配置在同一服务器上，但在逻辑上相互区分即可。
59.图2a为本技术实施例中用户画像的构建方法的一流程示意图；如图2a所示，其包括：
60.s201a、获取用户的画像关联数据，所述用户画像关联数据包括用户关心公司以及用户关心词语；
61.本实施例中，用户的画像关联数据可以从存储在第三方平台上，为此步骤s201a中，视频推荐服务器从所述第三方平台获取用户的画像关联数据。当然也可以将用户的画
像关联数据缓存到视频处理服务器本地，直接从视频处理服务器本地获取用户的画像关联数据。
62.本实施例中，所述用户画像关联数据在第三方平台或者视频处理服务器上存储时，存储的格式可以；用户id：用户关心公司：用户关心词语，其具体可以表格或者方式存储，当然也可以其他方式存储。
63.本实施例中，用户关心公司和用户关心词语可以通过对用户进行数据查询使用的关键词，或者查看检索结果的历史数据中得到。
64.本实施例中，所述用户关心词语可以根据应用场景来确定。不同的应用场景，可能具有不同的用户关心词语，只要是可以进行用户画像的建立即可，或者又称之反映出用户的喜好即可，以便于后续进行视频推荐时，能准确地向用户推荐视频。
65.s202a、确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系；
66.本实施例中，所述用户观看过的视频可以存储在第三方平台上，或者存储在视频推荐服务器本地。在执行步骤s202时，从第三方平台或者视频推荐服务器本地获取所述存储的视频即可知道用户观看过的视频，为了区别不同用户看过的视频，可以在视频的描述信息中携带有用户id。
67.本实施例中，通过建立所述描述信息与所述用户关心词语的映射关系，以便于在后续构建用户画像时，增加用户对视频的兴趣或者喜好考量，从而保证了在推荐视频时，向用户推荐的视频时候用户感兴趣的视频。
68.本实施例中，所述视频的描述信息可以为任意能体现出用户兴趣或者喜好的信息，其具体内容可以根据应用场景的需求灵活选择。
69.s203a、根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像。
70.本实施例中，所述描述信息为接近于口语表达的表述信息，表达方式多种多样，而用户关心词语是经过业务梳理、归纳总结的，具有标准的描述方式。为了避免构建的用户画像不准确，为此，在构建用户画像时，使用所述描述信息参与构建，再映射关系映射到所述用户关心词语上。
71.比如，所述描述信息中包括限制出行，与其有映射关系的用户关心词为限制消费，如果以描述信息参与所述步骤s203中用户画像的构建，就可以描绘出用户对限制消费方面的信息有兴趣或者有喜好，但是，如果以用户关键词直接代替所述描述信息去构建用户画像，则限制出行就会被忽略，从而导致构建的用户画像不准确。
72.在构建用户画像时，确定出用户关心公司、与所述用户关心词语具有映射关系的所述描述信息的组合关系，再将该描述关系映射回所述用户关心词语，由于描述信息是从用户确定的视频中获取到的，从而本质上相当于确定出用户关心公司、用户关心词语与视频的组合关系，以准确地构建用户画像，以向用户推荐包括了用户关心公司和用户关心词语的视频。
73.图2b为本技术实施例中用户画像的构建方法的另一流程示意图；如图2b所示，其包括：
74.s201b、获取用户的画像关联数据，所述用户画像关联数据包括用户关心公司以及
processing)模型来从所述描述信息中提取原始视频业务词语，对所述原始视频业务词语进行滤噪处理得到有效视频业务词语，以建立所述有效视频业务词语与所述用户关心词语的映射关系。比如，在一具体应用场景中，所述自然语言处理模型为bert(bidirectional encoder representations from transformers)模型，通过对所述描述信息进行文本切分、关键词识别等处理步骤，从而从中提取到原始视频业务词语，再进一步对原始视频业务词语处理进行滤噪处理，筛除掉脏数据，从而得到有效视频业务词语，从而保证了准确的映射关系。
87.在一应用场中，有效视频业务词语包括：限制消费*、限消、胜诉、败诉、官司、法律、和解、赔偿、追偿、刑事责任、民事责任......等，*为可能出现其他口语表述化词，用心关心业务词语包括：限制消费令、法律诉讼......等，为此，有效视频业务词语与用心关心业务词语之间的映射关系可以表述为：【限制消费令：限制消费*、限消......等】；【法律诉讼：胜诉、败诉、官司、法律、和解、赔偿、追偿、刑事责任、民事责任......等】。需要说明的是，此处仅仅是示例，并未唯一性限定，有效视频业务词语与用心关心业务词语可能会随着语言表述手段的变化，而发生变化；或者基于场景的不同，也会存在不同。当然，此处需要说明的是，有效视频业务词语与用心关心业务词语可能会有部分表述是相同的，但是有效视频业务词语相对于用心关心业务词语来说，表述方式更加多样化。
88.当然，此处仅仅以bert模型为例进行说明，也可以使用其他模型，比如lstm(long short-term memory)模型。
89.s203b、根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像。
90.具体地，本实施例中，所述根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像，可以包括：
91.s213b、将所述用户关心公司与所述描述信息进行排列组合，并根据所述描述信息对应的映射关系，确定每一排列组合中所述描述信息对应的用户关心词语；
92.s223b、根据所述用户关心公司、所述描述信息对应的用户关心词语，构建用户画像。
93.具体地，可以将所述用户画像关联数据、所述描述信息以及对应的映射关系输入到所述自然语言处理(nlp，natural language processing)模型中，由该自然语言处理模型执行所述步骤s213b和s223b得到的输出为用户画像，该用户画像保存在视频推荐服务器上。
94.具体地，如果所述描述信息包括比较口语化的视频业务词语，所述用户关心词语包括用户关心行业词语、用户关心地区词语、用户关心业务词语，考虑到用户关心行业词语、用户关心地区词语的表述方式比较单一或者叫法比较同一，因此，在构建用户画像时直接使用即可，而视频业务词语的表述比较口语话，可能会存在实质含义一样但表述方式多种多样的词语，因此，为了防止映射关系的遗漏或者错误，在构建用户画像时使用该视频业务词语，与用户关心公司、用户关心行业词语、用户关心地区词语进行排列组合，得到各种用户关心公司-用户关心行业词语、用户关心地区词语-视频业务词语的排列，再将所述视频业务词语映射到用户关心业务词语上，得到用户关心公司-用户关心行业词语-用户关心地区词语-用户关心业务词语。当然，考虑到针对同一用户，用户关心公司、用户关心行业词
语、用户关心地区词语、用户关心业务词语可能分别有多个，就会得到若干条排列组合，这若干条排列组合整体就相当于构建的用户画像，从而在向用户推荐时，推荐视频的描述信息中包括有用户关心公司-用户关心行业词语-用户关心地区词语-用户关心业务词语的视频。
95.考虑到一些应用场景中，需要构建若干个用户的用户画像，而相互之间需要进行区别，因此，在构建的用户画像中还包括用户id，比如，每条排列组合为：用户id-用户关心公司-用户关心行业词语-用户关心地区词语-用户关心业务词语。
96.当然，在上述描述信息中也可以增加用户id，以区别不同的用户。
97.本实施例中，所述根据所述用户关心公司、所述描述信息对应的用户关心词语，构建用户画像，可以包括：所述用户关心公司的关键词、所述描述信息的关键词对应的用户关心词语，构建用户画像。此处，用户关心公司的关键词可以为公司的全称，也可以为公司商号，而描述信息的关键词具体可以为其中能体现描述信息特征信息的任意关键词，基于关键词构建用户画像，从而提高了构建的速度，同时减少了存储的数据量。
98.进一步地，本实施例或者其他实施例中，所述用户关心公司的关键词、所述描述信息的关键词对应的用户关心词语，构建用户画像，包括：为所述用户关心公司的关键词、所述描述信息的关键词对应的用户关心词语配置不同的关键词标签；根据所述用户关心公司的关键词、所述描述信息的关键词对应的用户关心词语配置不同的关键词标签，构建用户画像。基于关键词标签从而保证了快速的完成用户画像构建，同时实现了数据量的减少。比如，用户关心公司的关键词标签为1，即1对应用户关心公司，用户关心行业词语的关键词标签为2，即2对应用户关心行业词语，所述描述信息的关键词对应的用户关心词语的关键词标签为3，即3对应用户关心词语。由于用户关心地区的关键词由于字段比较短，无须分配标签，直接使用即可。
99.图2c为本技术实施例中用户画像的构建方法的还一流程示意图；如图2c所示，其包括：
100.s201c、获取用户的画像关联数据，所述用户画像关联数据包括用户关心公司以及用户关心词语；
101.本实施例中，与上述实施例不同的是，所述用户关心公司包括用户强关心公司以及用户弱关心公司；
102.s202c、确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系；
103.s203c、根据所述用户强关心公司、所述描述信息以及对应的映射关系，以及根据所述用户弱关心公司、所述描述信息以及对应的映射关系，构建用户画像。
104.基于对用户关心公司进行强弱之分，使得上述排列组合的条数更多，从而使得构建的用户画像更为准确，在向用户推荐视频时，优先推荐包括了用户强关心公司的视频，同时又可以推荐包括了用户弱关心公司的视频。
105.具体地，所述分别根据所述用户强关心公司、所述描述信息以及对应的映射关系，以及根据所述用户弱关心公司、所述描述信息以及对应的映射关系，构建用户画像，包括：
106.根据所述用户强关心公司、所述描述信息以及对应的映射关系，生成m条画像数据；
107.根据所述用户弱关心公司、所述描述信息以及对应的映射关系，生成n条画像数据；
108.根据所述m条画像数据以及所述n条画像数据，构建用户画像，其中m、n均为非零整数。
109.具体地，在一应用场景中，如果考虑向用户推荐的视频总量是固定不变的，则所述m和n的和为定值，从而使得构建的用户画像在粒度上更加精细，具体在向用户推荐视频时，依据每一条画像数据，从而使得推荐的视频针对性更强。
110.进一步地，考虑到相对来说，用户更加希望能看到与其强关联公司的视频，因此，所述分别根据所述用户强关心公司、所述描述信息以及对应的映射关系，以及根据所述用户弱关心公司、所述描述信息以及对应的映射关系，构建用户画像，还可以包括：
111.为所述m条画像数据和所述n条画像数据分配不同的使用优先级，以在根据所述用户画像向对应的用户推荐视频时，优先使用所述m条画像数据；
112.对应地，根据所述m条画像数据以及所述n条画像数据，构建用户画像，包括：所述m条画像数据及其对应的优先级、所述n条画像数据及其对应的优先级，构建用户画像。
113.如果考虑到向用户推荐的视频，既要包括一定量关联于用户强关心公司的，又要包括一定量关联于用户弱关心公司的，但是推荐的视频总量固定不变，为此，当m小于设定的阈值t时，则从所述n条画像数据选取若干条画像数据以凑齐t条画像数据，其中t为非零整数，其大小可以根据应用场景设定。
114.进一步地，在上述任一实施例的基础上，所述方法还包括：当监听到所述画像关联数据和/或所述描述信息有变化时，保存发生了变化的所述画像关联数据和/或所述描述信息的时间戳，以判断是否需要对针对所述用户构建的用户画像进行修正。
115.所述时间戳具体可以包括在一监听服务数据库中，比如redis数据库上。
116.基于所述时间戳去视频推荐服务器或者第三方获取对应的画像关联数据，比如用户关心公司，判断是新增了用户关心公司或者删除了已有的用户关心公司，或者，描述信息表征用户查看了的视频发生了变化，比如视频的作者名称发生了变化，为此，则对所述用户构建的用户画像进行修正。修正的过程类似上述构建的过程，在此不再赘述。
117.参见表一，为基于用于强关心公司建立的排列组合表，在该表中，针对用户id为243905418的用户构建了用户画像，其中，用户关心公司的关键词标签为1，即1对应用户关心公司，用户关心行业词语的关键词标签为2，即2对应用户关心行业词语，所述描述信息的关键词对应的用户关心词语的关键词标签为3，即3对应用户关心词语，比如为具体为用户关心业务词语。
118.进一步地，在其他实施例中，所述根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像，之后还可以包括：根据用户对所述视频的实时评价数据，对构建的所述画像进行修正，从而实现了根据用户对其观看过的视频的实时评价数据(比点赞，不喜欢等)，修正针对该用户构建的所述画像，使得用户画像与用户的喜好更加贴好，便于后续准确的进行视频推荐。
119.图3为本技术实施例的视频推荐方法流程示意图；如图3所示，其包括：
120.s301、获取根据本技术任一项实施例所述用户画像的构建方法构建的用户画像；
121.s302、根据所述用户画像，确定向用户推荐的视频，并推荐给所述用户。
122.图4为本技术实施例用户画像的构建装置结构示意图；如图4所示，其包括：
123.数据获取单元401，用于获取用户的画像关联数据，所述用户画像关联数据包括用户关心公司以及用户关心词语；
124.映射关系单元402，用于确定所述用户观看过的视频，并获取所述视频的描述信息，以建立所述描述信息与所述用户关心词语的映射关系；
125.画像构建单元403，用于根据所述用户画像关联数据、所述描述信息以及对应的映射关系，构建用户画像。
126.图5为本技术实施例视频推荐装置的结构示意图；如图5所示，其包括：
127.画像获取单元501，用于获取根据本技术任一项实施例所述用户画像的构建方法构建的用户画像；
128.视频推荐单元502，用于根据所述用户画像，确定向用户推荐的视频，并推荐给所述用户。
129.本技术实施例还提供一种计算机存储介质，所述计算机存储介质上存储有计算机可执行程序，所述计算机可执行程序被运行以实施本技术任一项实施例所述的方法。
130.图6为本技术实施例电子设备的结构示意图；如图6所示，所述电子设备包括存储器601以及处理器602，所述存储器上用于存储计算机可执行程序，所述处理器用于运行所述计算机可执行程序以实施本技术实施例任一项所述的方法。
131.以上所述实施例，仅为本技术的具体实施方式，用以说明本技术的技术方案，而非对其限制，本技术的保护范围并不局限于此，尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：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，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本技术实施例技术方案的精神和范围，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所述以权利要求的保护范围为准。