评估方法、装置、终端设备及计算机可读存储介质与流程

1.本技术属于数据处理技术领域，尤其涉及评估方法、装置、终端设备及计算机可读存储介质。


背景技术：

2.大多企业都需要定期进行评估。例如，定期对企业的财务状况进行评估，对企业的业绩进行评估等等。由于不同的评估对象涉及到的评估指标不同，无法形成统一的评估体系，因此，现有方法中，通常由评估人员搜集指标数据，再根据指标数据进行人工测评。通常评估指标较多，每个指标下涉及的数据量较大，现有的这种评估方法，人力成本较高，且人工测评的主观性较强，评估结果的客观性较差、可靠性较低。


技术实现要素：

3.本技术实施例提供了一种评估方法、装置、终端设备及计算机可读存储介质，可以有效减少人力成本、提高评估结果的客观性和可靠性。
4.第一方面，本技术实施例提供了一种评估方法，包括：
5.获取样本数据集，所述样本数据集中包括多个样本评估对象各自对应的一组样本数据，每组样本数据中包括用于表征评估结果的第一评估总分和多个评估参数各自对应的第一参数值；
6.根据所述样本数据集生成评估模型，所述评估模型中的自变量为所述多个评估参数，因变量为所述评估结果；
7.获取目标评估对象的所述多个评估参数的第二参数值；
8.将所述第二参数值输入所述评估模型，获得所述目标评估对象的第二评估总分。
9.本技术实施例中，通过获取到的样本数据集，可以自动生成以评估参数为自变量、以评估结果为因变量的评估模型。通过上述方法，避免了由于人工评估的主观性导致的评估结果误差，能够有效提高评估的客观性和可靠性，并大大减少了人力成本。另外，上述方法可以应用与不同的评估体系，适用性较强。
10.在第一方面的一种可能的实现方式中，所述获取样本数据集，包括：
11.对于每组所述样本数据，计算所述样本数据中所述第一评估总分与每个所述第一参数值之间的相关系数；
12.若所述相关系数不在第一预设范围内，则从所述样本数据中删除所述相关系数对应的所述第一参数值，并将所述相关系数对应的所述第一参数值添加到备用样本库中。
13.在第一方面的一种可能的实现方式中，所述根据所述样本数据集生成评估模型，包括：
14.根据样本数据集中的多组样本数据，计算所述自变量的回归系数、以及所述自变量和所述因变量之间的常数系数；
15.根据计算出的所述回归系数和所述常数系统生成所述自变量和所述因变量之间
的候选模型；
16.对所述候选模型进行可行性验证；
17.若验证通过，则将所述候选模型确定为所述评估模型。
18.在第一方面的一种可能的实现方式中，所述可行性验证包括精度验证；
19.相应的，所述对所述候选模型进行可行性验证，包括：
20.将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；
21.计算所述第三评估总分和所述第一评估总分之间的可决系数；
22.若所述可决系数超过第二预设范围，则验证未通过；
23.若所述可决系数在所述第二预设范围内，则验证通过。
24.在第一方面的一种可能的实现方式中，所述可行性验证包括联合假设检验；
25.相应的，所述对所述候选模型进行可行性验证，包括：
26.将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；
27.根据所述第一评估总分和所述第三评估总分计算联合假设检验的实际统计值；
28.根据预设的显著性参数确定临界统计值；
29.若所述实际统计值在所述临界统计值的范围内，则验证通过；
30.若所述实际统计值不在所述临界统计值的范围内，则验证未通过。
31.在第一方面的一种可能的实现方式中，所述可行性验证包括残差检验；
32.相应的，所述对所述候选模型进行可行性验证，包括：
33.将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；
34.计算所述第一评估总分和所述第三评估总分支架的残差值；
35.若所述残差值服从预设的正态分布，则验证通过；
36.若所述残差值不服从预设的正态分布，则验证未通过。
37.在第一方面的一种可能的实现方式中，在对所述候选模型进行可行性验证之后，所述方法还包括：
38.若验证未通过，则从所述备用样本库中获取备用样本数据；
39.根据所述备用样本数据重新生成候选模型。
40.第二方面，本技术实施例提供了一种评估装置，包括：
41.样本获取单元，用于获取样本数据集，所述样本数据集中包括多个样本评估对象各自对应的一组样本数据，每组样本数据中包括用于表征评估结果的第一评估总分和多个评估参数各自对应的第一参数值；
42.模型生成单元，用于根据所述样本数据集生成评估模型，所述评估模型中的自变量为所述多个评估参数，因变量为所述评估结果；
43.数据获取单元，用于获取目标评估对象的所述多个评估参数的第二参数值；
44.对象评估单元，用于将所述第二参数值输入所述评估模型，获得所述目标评估对象的第二评估总分。
45.第三方面，本技术实施例提供了一种终端设备，包括存储器、处理器以及存储在所
述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的评估方法。
46.第四方面，本技术实施例提供了一种计算机可读存储介质，本技术实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的评估方法。
47.第五方面，本技术实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的评估方法。
48.可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
附图说明
49.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
50.图1是本技术实施例提供的评估方法的流程示意图；
51.图2是本技术实施例提供的评估模型的生成流程示意图；
52.图3是本技术实施例提供的评估装置的结构示意图；
53.图4是本技术实施例提供的终端设备的结构示意图。
具体实施方式
54.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
55.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
56.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
57.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0058]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0059]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。
[0060]
参见图1，是本技术实施例提供的评估方法的流程示意图，作为示例而非限定，所述方法可以包括以下步骤：
[0061]
s101，获取样本数据集，所述样本数据集中包括多个样本评估对象各自对应的一组样本数据。
[0062]
每组样本数据中包括用于表征评估结果的第一评估总分和多个评估参数各自对应的第一参数值。
[0063]
可以通过爬虫算法从公开文档中获取相关数据，再将这些数据生成样本数据集。以企业评估应用场景为例，可以获取企业临时填报、企业定期填报、以及一些应用程序中的公开数据。可以对搜集到的文本、文档进行关键词检索，根据检索出的关键词获取相关数据。例如，评估参数为年度营业额，可以从搜集到的文本、文档中检索与年度营业额相关的关键词，如“营业额”、“年营业额”等，然后将检索到的关键词前/后的数据确定为该评估参数的相关数据。
[0064]
由于样本数据集关系到后续评估模型的精度，因此，在构建样本数据集的过程中，可以引入专家评估法。具体的，由相关领域专家对搜集到的相关数据进行分析，整理出一套评估体系，评估体系中包括与评估结果相关的评估参数，还可以包括每个评估参数下的问题。多个专家根据整理出的评估体系对样本评估对象打分。去掉每个评估参数下每个问题的最高分和最低分后，计算每个评估参数下每个问题的平均分；去掉每个评估参数对应的最高分和最低分后，计算每个评估参数的平均分。根据上述计算出的平均分计算样本评估对象的评估总分。将各个样本评估对象的评估总分、对应的每个评估参数的得分、以及对应的每个评估参数下每个问题的得分作为一组样本数据。
[0065]
本技术实施例中，根据每个评估参数下问题的得分计算每个评估参数的得分，根据每个评估参数的得分计算每个样本评估对象的评估总分。
[0066]
获得样本数据集后，可以对样本数据集进行初步错误检查，判断数据是否正确。具体的，可以预先设定各个评估参数对应的阈值，若该评估参数的参数值在阈值范围内，则数据正确；若该评估参数的参数值不在阈值范围内，则数据错误。例如，评估参数为研发人员的数量，其对应的阈值为大于0的正整数。
[0067]
为了进一步获得较纯净的样本数据集，在一个实施例中，获取样本数据集的过程中还包括数据清洗的步骤。具体的，数据清洗包括：
[0068]
对于每组所述样本数据，计算所述样本数据中所述第一评估总分与每个所述第一参数值之间的相关系数；若所述相关系数不在第一预设范围内，则从所述样本数据中删除所述相关系数对应的所述第一参数值，并将所述相关系数对应的所述第一参数值添加到备用样本库中。
[0069]
可选的，本技术实施例中，可以采用皮尔森公式计算相关系数。皮尔森公式为其中，cov(x,y)表示变量x和y之间的协方差，σ
x
表示变量x的标准差，σy表示变量y的标准差。
[0070]
如上所述，评估结果由多个评估参数确定，每个评估参数可以由多个问题确定。因
此，可以针对每个评估参数下的问题，两两问题之间计算皮尔森相关系数，滤除不符合第三预设范围的问题。针对评估结果，两两评估参数之间计算皮尔森相关系数，滤除不符合第一预设范围的评估参数。
[0071]
s102，根据所述样本数据集生成评估模型，所述评估模型中的自变量为所述多个评估参数，因变量为所述评估结果。
[0072]
如上所述，评估结果由多个评估参数确定，每个评估参数可以由多个问题确定。因此，评估模型中相当于包含了两部分，一部分为评估结果为因变量、评估参数为自变量的模型，另一部分为评估参数为因变量、评估参数下的问题为自变量的模型。
[0073]
示例性的，评估结果为因变量、评估参数为自变量的模型为：
[0074]
y1＝a0 a1x1 a2x2 a3x3
…
anxn anxn ε1；
[0075]
其中，y1为评估结果，xn表示第n个评估参数，an为第n个评估参数对应的回归系数，ε1为常数系数。
[0076]
评估参数为因变量、评估参数下的问题为自变量的模型：
[0077]
xn＝b
n0
b
n1zn1
b
n2zn2
b
n3zn3

…
b
nnznn
ε2n；
[0078]
其中，z
nn
为第n个评估参数xn下的第n个问题，b
nn
为第n个评估参数xn下的第n个问题对应的回归系数，ε2n为常数系数。
[0079]
如上所示，计算出评估参数为因变量、评估参数下的问题为自变量的模型后，将其代入评估结果为因变量、评估参数为自变量的模型，即可得到评估模型。
[0080]
为了保证评估模型的可行性，在一个实施例中，评估模型的生成方式还包括对模型的可行性验证过程，具体的：
[0081]
根据样本数据集中的多组样本数据，计算所述自变量的回归系数、以及所述自变量和所述因变量之间的常数系数；根据计算出的所述回归系数和所述常数系统生成所述自变量和所述因变量之间的候选模型；对所述候选模型进行可行性验证；若验证通过，则将所述候选模型确定为所述评估模型；若验证未通过，则从所述备用样本库中获取备用样本数据，并根据所述备用样本数据重新生成候选模型。
[0082]
可选的，所述可行性验证包括精度验证。相应的，所述对所述候选模型进行可行性验证，包括：
[0083]
将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；计算所述第三评估总分和所述第一评估总分之间的可决系数；若所述可决系数超过第二预设范围，则验证未通过；若所述可决系数在所述第二预设范围内，则验证通过。
[0084]
第一评估总分表示实际值，第三评估总分表示预测值。具体的，可决系数的计算方式为：
[0085]
计算总离差平方和：(yi为实际值，为实际值的平均值)；
[0086]
计算回归平方和：(为预测值)；
[0087]
计算残差平方和：
[0088]
计算可决系数：
[0089]
可选的，可以对可决系数进行微调，再判断微调后的可决系数是否满足第二预设
范围。具体的，通过公式计算对可决系数进行微调，其中，n为样本量，k为自变量的数量。
[0090]
实际应用中，可决系数介于0和1之间。优选的，设定第二预设范围为
[0091]
可选的，所述可行性验证包括联合假设检验。相应的，所述对所述候选模型进行可行性验证，包括：
[0092]
将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；根据所述第一评估总分和所述第三评估总分计算联合假设检验的实际统计值；根据预设的显著性参数确定临界统计值；若所述实际统计值在所述临界统计值的范围内，则验证通过；若所述实际统计值不在所述临界统计值的范围内，则验证未通过。
[0093]
本技术中的联合假设检验为f检验。可以通过公式计算统计量服从(k,n-k-1)的f分布(即实际统计值)。
[0094]
优选的，本技术实施例中的显著性参数α可以设置为α＝0.1、0.05和0.01。查询分布表可以得到与α对应的临界统计值f
α
(k,n-k-1)。
[0095]
可选的，所述可行性验证包括残差检验。相应的，所述对所述候选模型进行可行性验证，包括：
[0096]
将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；计算所述第一评估总分和所述第三评估总分支架的残差值；若所述残差值服从预设的正态分布，则验证通过；若所述残差值不服从预设的正态分布，则验证未通过。
[0097]
优选的，本技术实施例中的预设的正态分布可以为n(0,σ2)分布。
[0098]
可选的，还可以把实际值和预测值一起可视化展示，通过直观分析来判断实际值与预测值是否贴近；若贴近，则代表模型训练好了。
[0099]
如上所述，可行性验证可以包括多种验证方式，上述的多种验证方式可以是并行的，也可以是串行的。当然，还可以包括其他的验证方式，在此不做具体限定。
[0100]
当可行性验证包括多种验证方式时，相应的，上述的候选模型验证未通过，可以指任意一种验证方式未通过。
[0101]
若候选模型验证通过，则将该候选模型确定为评估模型，该候选模型中每个变量的回归系数记为评估模型中变量的权重。
[0102]
进一步的，可以通过层次分析法对权重进行验证。具体过程依次为：相关系数取整数、得到比例标度、构建对比矩阵、求出行均值、得出规模型指标权重、进行一致性校验。
[0103]
实际应用中，可以根据不同评估需求分配权重比例。例如，评估结果的总分值为100，根据上述计算出的各个变量的权重，将100分配给各个变量。
[0104]
s103，获取目标评估对象的所述多个评估参数的第二参数值。
[0105]
s104，将所述第二参数值输入所述评估模型，获得所述目标评估对象的第二评估总分。
[0106]
本技术实施例中，通过获取到的样本数据集，可以自动生成以评估参数为自变量、以评估结果为因变量的评估模型。通过上述方法，避免了由于人工评估的主观性导致的评估结果误差，能够有效提高评估的客观性和可靠性，并大大减少了人力成本。另外，上述方
法可以应用与不同的评估体系，适用性较强。
[0107]
参见图2，是本技术实施例提供的评估模型的生成流程示意图。如图2所示，根据样本数据(图2所示的拟有效样本)自动设置因变量和自变量；根据样本数据建立评估模型(图2所示的多元线性回归模型)；将样本数据代入评估模型求解模型中的常数项和回归系数；之后对评估模型进行验证。验证过程包括确认评估模型(图2所示的回归方程)的精度是否满足条件、f校验是否显著成立、残差分析是否服从正态分布、以及实际值和预测值可视化展示是否贴近。若上述任一验证未通过，则从备用样本数据(图2所示的备用优化样本数据库)中选取相关系数较高的数据重新生成评估模型。若上述验证均通过，则根据层次分析法对权重进行一致性校验；若验证通过，则确定最优权重，进而确定最终的评估模型。在应用中，根据评估总分对权重比例进行映射，得到所需的权重比例。
[0108]
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本技术实施例的实施过程构成任何限定。
[0109]
对应于上文实施例所述的评估方法，图3是本技术实施例提供的评估装置的结构框图，为了便于说明，仅示出了与本技术实施例相关的部分。
[0110]
参照图3，该装置包括：
[0111]
样本获取单元31，用于获取样本数据集，所述样本数据集中包括多个样本评估对象各自对应的一组样本数据，每组样本数据中包括用于表征评估结果的第一评估总分和多个评估参数各自对应的第一参数值。
[0112]
模型生成单元32，用于根据所述样本数据集生成评估模型，所述评估模型中的自变量为所述多个评估参数，因变量为所述评估结果。
[0113]
数据获取单元33，用于获取目标评估对象的所述多个评估参数的第二参数值。
[0114]
对象评估单元34，用于将所述第二参数值输入所述评估模型，获得所述目标评估对象的第二评估总分。
[0115]
可选的，样本获取单元31还用于：
[0116]
对于每组所述样本数据，计算所述样本数据中所述第一评估总分与每个所述第一参数值之间的相关系数；
[0117]
若所述相关系数不在第一预设范围内，则从所述样本数据中删除所述相关系数对应的所述第一参数值，并将所述相关系数对应的所述第一参数值添加到备用样本库中。
[0118]
可选的，模型生成单元32还用于：
[0119]
根据样本数据集中的多组样本数据，计算所述自变量的回归系数、以及所述自变量和所述因变量之间的常数系数；
[0120]
根据计算出的所述回归系数和所述常数系统生成所述自变量和所述因变量之间的候选模型；
[0121]
对所述候选模型进行可行性验证；
[0122]
若验证通过，则将所述候选模型确定为所述评估模型。
[0123]
可选的，所述可行性验证包括精度验证；相应的，模型生成单元32还用于：
[0124]
将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；
[0125]
计算所述第三评估总分和所述第一评估总分之间的可决系数；
[0126]
若所述可决系数超过第二预设范围，则验证未通过；
[0127]
若所述可决系数在所述第二预设范围内，则验证通过。
[0128]
可选的，所述可行性验证包括联合假设检验；相应的，模型生成单元32还用于：
[0129]
将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；
[0130]
根据所述第一评估总分和所述第三评估总分计算联合假设检验的实际统计值；
[0131]
根据预设的显著性参数确定临界统计值；
[0132]
若所述实际统计值在所述临界统计值的范围内，则验证通过；
[0133]
若所述实际统计值不在所述临界统计值的范围内，则验证未通过。
[0134]
可选的，所述可行性验证包括残差检验；相应的，模型生成单元32还用于：
[0135]
将所述样本数据中的所述第一参数值输入所述候选模型，获得预测的第三评估总分；
[0136]
计算所述第一评估总分和所述第三评估总分支架的残差值；
[0137]
若所述残差值服从预设的正态分布，则验证通过；
[0138]
若所述残差值不服从预设的正态分布，则验证未通过。
[0139]
可选的，模型生成单元32还用于：
[0140]
若验证未通过，则从所述备用样本库中获取备用样本数据；
[0141]
根据所述备用样本数据重新生成候选模型。
[0142]
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本技术方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
[0143]
另外，图3所示的评估装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元，也可以作为独立的挂件集成到所述终端设备中，还可以作为独立的终端设备存在。
[0144]
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、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单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本技术的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0145]
图4是本技术实施例提供的终端设备的结构示意图。如图4所示，该实施例的终端设备4包括：至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在所述存储器41中并可在所述至少一个处理器40上运行的计算机程序42，所述处理器40执行所述计算机程序42时实现上述任意各个评估方法实施例中的步骤。
[0146]
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，图4仅仅是终
端设备4的举例，并不构成对终端设备4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，例如还可以包括输入输出设备、网络接入设备等。
[0147]
所称处理器40可以是中央处理单元(central processing unit，cpu)，该处理器40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或者该处理器也可以是任何常规的处理器等。
[0148]
所述存储器41在一些实施例中可以是所述终端设备4的内部存储单元，例如终端设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述终端设备4的外部存储设备，例如所述终端设备4上配备的插接式硬盘，智能存储卡(smart media card,smc)，安全数字(secure digital,sd)卡，闪存卡(flash card)等。进一步地，所述存储器41还可以既包括所述终端设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(boot loader)、数据以及其他程序等，例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
[0149]
本技术实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
[0150]
本技术实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
[0151]
所述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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、电载波信号、电信信号以及软件分发介质。例如u盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
[0152]
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
[0153]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0154]
在本技术所提供的实施例中，应该理解到，所揭露的装置/终端设备和方法，可以
通过其它的方式实现。例如，以上所描述的装置/终端设备实施例仅仅是示意性的，例如，所述模块或单元的划分，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，例如多个单元或组件可以结合或者可以集成到另一个系统，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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
[0155]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者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者全部单元来实现本实施例方案的目的。
[0156]
以上所述实施例仅用以说明本技术的技术方案，而非对其限制；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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围，均应包含在本技术的保护范围之内。