广告产品投放方法及装置、电子设备及可读存储介质与流程

1.本发明涉及广告投放技术领域，具体而言，涉及一种广告产品投放方法及装置、电子设备及可读存储介质。


背景技术：

2.广告主需要在外卖广告投放系统中，依靠长时间的精细化运营，探索最合适自己的广告产品进行投放，来尽可能提升门店的进店量。
3.对于不同广告主而言，一般都会存在多条产品线，将有限的广告资源投放到哪条产品线能获得更好的广告效果是千人千面的，不同商家特征、时间阶段以及各产品线的策略变化，都会影响最终的投放结果。如何选择合适自己的广告产品投放，广告主需要投入较多的精力去探索，广告主目标广告投放困难，无法做到较好的用户触达。
4.可见，相关技术中针对上述的问题，目前尚未提出有效的解决方案。


技术实现要素：

5.本发明实施例提供了一种广告产品投放方法及装置、电子设备及可读存储介质，以至少解决由于相关技术中无法根据商家的个性化广告投放效果来进行相应的广告产品投放，导致商家投放的广告无法做到较好的用户触达的技术问题。
6.根据本发明实施例的一个方面，提供了一种广告产品投放方法，包括：确定目标商家投放的各个广告产品对应的点击率门槛；通过预先训练完成的点击率预估模型，根据目标平台中的业务数据确定各个产品线的在投放周期内当前时刻对应的预计点击率；在所述当前时刻的广告流量中对合格广告产品进行广告投放，其中，所述合格广告产品为所述预计点击率与所述点击率门槛符合预设条件的广告产品。
7.进一步地，确定目标商家投放的各个广告产品对应的点击率门槛，包括：根据所述目标商家的历史点击数据以及历史曝光数据，获取所述目标商家的商家点击率门槛；通过预先训练完成的曝光量预估模型，根据所述历史曝光数据，确定所述广告产品在所述当前时刻的预估曝光量；根据所述目标商家在当前投放周期内的实际曝光量、所述预估曝光量以及所述商家点击率门槛，确定所述点击率门槛。
8.进一步地，根据所述目标商家的历史点击数据以及历史曝光数据，获取所述目标商家的商家点击率门槛，包括：根据预先训练完成的点击量预估模型，根据所述历史点击数据确定所述当前投放周期对应的点击量；根据所述历史曝光数据确定所述当前投放周期对应的曝光量；根据所述当前投放周期对应的点击量以及所述当前投放周期对应的曝光量确定所述商家点击率门槛。
9.进一步地，根据所述目标商家在当前投放周期内的实际曝光量、所述预估曝光量以及所述商家点击率门槛，确定所述点击率门槛，包括：获取所述实际曝光量与所述预估曝光量的差值；根据所述差值对所述商家点击率门槛进行调整，以得到所述广告产品对应的点击率门槛。
10.进一步地，在在所述当前时刻的广告流量中对合格广告产品进行广告投放之前，还包括：确定所述预计点击率大于或等于所述点击率门槛的广告产品为所述合格广告产品。
11.根据本发明实施例的另一方面，还提供了一种广告产品投放装置，包括：第一确定模块，用于确定目标商家投放的各个广告产品对应的点击率门槛；第二确定模块，用于通过预先训练完成的点击率预估模型，根据目标平台中的业务数据确定各个产品线的在投放周期内当前时刻对应的预计点击率；广告投放模块，用于在所述当前时刻的广告流量中对合格广告产品进行广告投放，其中，所述合格广告产品为所述预计点击率与所述点击率门槛符合预设条件的广告产品。
12.进一步地，所述第一确定模块包括：获取子模块，用于根据所述目标商家的历史点击数据以及历史曝光数据，获取所述目标商家的商家点击率门槛；第一确定子模块，用于通过预先训练完成的曝光量预估模型，根据所述历史曝光数据，确定所述广告产品在所述当前时刻的预估曝光量；第二确定子模块，用于根据所述目标商家在当前投放周期内的实际曝光量、所述预估曝光量以及所述商家点击率门槛，确定所述点击率门槛。
13.进一步地，所述获取子模块包括：第一确定单元，用于根据预先训练完成的点击量预估模型，根据所述历史点击数据确定所述当前投放周期对应的点击量；第二确定单元，用于根据所述历史曝光数据确定所述当前投放周期对应的曝光量；第三确定单元，用于根据所述当前投放周期对应的点击量以及所述当前投放周期对应的曝光量确定所述商家点击率门槛。
14.进一步地，所述第二确定子模块包括：获取单元，用于获取所述实际曝光量与所述预估曝光量的差值；调整单元，用于根据所述差值对所述商家点击率门槛进行调整，以得到所述广告产品对应的点击率门槛。
15.进一步地，还包括：第三确定模块，用于在在所述当前时刻的广告流量中对合格广告产品进行广告投放之前，确定所述预计点击率大于或等于所述点击率门槛的广告产品为所述合格广告产品。
16.根据本发明实施例的另一方面，还提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上所述的广告产品投放方法的步骤。
17.根据本发明实施例的另一方面，还提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如上所述的广告产品投放方法的步骤。
18.在本发明实施例中，通过确定目标商家投放的各个广告产品对应的点击率门槛；通过预先训练完成的点击率预估模型，根据目标平台中的业务数据确定各个产品线的在投放周期内当前时刻对应的预计点击率；在当前时刻的广告流量中对合格广告产品进行广告投放，其中，合格广告产品为预计点击率与点击率门槛符合预设条件的广告产品。本实施例中，通过预估商家投放的广告产品在投放周期内各个时刻对应的预计点击率，以及确定各个广告产品对应的点击率门槛，来判断当前时刻的广告流量是否符合商家的目标需求，并对当前时刻的广告流量进行投放。进而解决了由于相关技术中无法根据商家的个性化广告投放效果来进行相应的广告产品投放，导致商家投放的广告无法做到较好的用户触达的技
术问题。
附图说明
19.此处所说明的附图用来提供对本发明的进一步理解，构成本技术的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
20.图1是根据本发明实施例的一种可选的广告产品投放方法的流程示意图；
21.图2是根据本发明实施例的一种可选的基于pid算法调整点击率门槛的示意图；
22.图3是根据本发明实施例的一种可选的广告产品投放装置的结构示意图。
具体实施方式
23.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明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发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
24.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
25.实施例1
26.在介绍本发明实施例的技术方案之前，首先对以下名词进行解释：
27.曝光量：在指定时间内商家的产品或信息在线上指定平台中被买家看到的次数。当买家在指定平台中找到商家的供求信息以及产品介绍后，商家的信息被展示在页面上，都会被计算入曝光量。
28.点击量：点击量是指某一段时间内某个或者某些关键词广告被点击的次数，是针对网络广告推广等被点击的一种量词。
29.点击率：指网站页面或平台中上某一广告内容被点击的次数与被显示次数之比，即点击量与曝光量的比值。
30.根据本发明实施例，提供了一种广告产品投放方法，如图1所示，该方法包括：
31.s102，确定目标商家投放的各个广告产品对应的点击率门槛；
32.在实际的应用场景中，广告产品包括但不限于搜索引擎排名广告、目标平台的展示排名广告以及商家优惠券/红包广告等。每个商家在指定平台的线上店铺运营过程中，会在多个广告产品选择一个或多个广告产品进行广告投放，以期待获取较高的点击率等指标。
33.在本实施例中，可以根据目标商家的店铺运营情况以及历史广告投放数据来设定一个点击率门槛。例如可以根据目标商家在一个月内每天投放某个广告产品得到的点击率
的平均值，来确定该广告产品对应的点击率门槛。
34.可选地，在本实施例中，确定目标商家投放的各个广告产品对应的点击率门槛，包括但不限于：根据目标商家的历史点击数据以及历史曝光数据，获取目标商家的商家点击率门槛；通过预先训练完成的曝光量预估模型，根据历史曝光数据，确定广告产品在当前时刻的预估曝光量；根据目标商家在当前投放周期内的实际曝光量、预估曝光量以及商家点击率门槛，确定点击率门槛。
35.在实际的应用场景中，根据目标商家的历史点击数据以及历史曝光数据可以确定目标商家的商家点击率门槛，即目标商家在商店或门店经营中，全局统一的点击率门槛。而在实际的应用场景中，由于不同广告产品对应的广告流量的差异，使用全局统一的点击率ctr门槛可能会造成广告流量的变动及分配不均，需要根据不同广告产品对点击率门槛进行动态调整。
36.在本实施例中，通过预先训练完成的曝光量预估模型，根据目标商家的历史曝光数据确定指定广告产品在不同时刻的预估曝光量。
37.需要说明的是，在本实施例中，目标商家的广告投放的投放周期内存在不同的广告投放时刻，每个时刻对应一个时间段。例如以一天为投放周期，该投放周期包括早餐时段、午餐时段、下午茶时段、晚餐时段以及夜宵时段。
38.具体地，利用目标商家在不同时刻的历史曝光数据，结合对应广告产品、商品品类、不同时刻曝光量等特征，训练生成曝光量预估模型，预估商家未来一天内不同广告产品在不同时刻的曝光量，以判断目标商家在某个时刻的流量利用情况。本实施例中，通过曝光量预估模型可以预测目标商家在某个指定广告产品在某个时刻投放能够获得的曝光量。
39.本实施例中的曝光量预估模型的训练样本为目标平台中目标商家在广告投放过程中的历史曝光数据。其中，训练样本包括广告产品、商品品类、所属时段等特征。训练样本的数据结构为《广告产品、商品品类、时刻，曝光量》，其中，曝光量为曝光量预估模型的训练目标。根据目标商家的历史曝光数据构建训练样本，对预先设置的深度学习模型进行训练，直至模型收敛或迭代预设次数后，得到曝光量预估模型。需要说明的是，本实施例对深度学习模型不做具体限定。
40.在获取到目标商家在当前时刻的预估曝光量以及商家点击率门槛之后，获取目标商家在广告投放周期内的实际曝光量，根据当前时刻对应的实际曝光量、预估曝光量对商家全局统一的商家点击率门槛进行调整，得到适合该广告产品的点击率门槛。
41.通过上述示例，根据历史曝光数据，确定广告产品在当前时刻的预估曝光量；根据目标商家在当前投放周期内的实际曝光量、预估曝光量以及商家点击率门槛，确定某个广告产品实际的点击率门槛，以保证流量能够尽可能地被利用。
42.可选地，在本实施例中，根据目标商家的历史点击数据以及历史曝光数据，获取目标商家的商家点击率门槛，包括但不限于：根据预先训练完成的点击量预估模型，根据历史点击数据确定当前投放周期对应的点击量；根据历史曝光数据确定当前投放周期对应的曝光量；根据当前投放周期对应的点击量以及当前投放周期对应的曝光量确定商家点击率门槛。
43.其中，点击量预估模型用于预测目标商家在一个投放周期内的广告的点击量，通过历史点击数据中的广告产品、商品品类以及历史平均点击量等对目标商家在一个投放周
期的点击量。
44.本实施例中的点击量预估模型的训练样本为目标平台中目标商家在广告投放过程中的历史点击数据。其中，训练样本包括广告产品、商品品类、历史平均点击量等特征。训练样本的数据结构为《广告产品、商品品类、历史平均点击量，点击量》，其中，点击量为点击量预估模型的训练目标。根据目标商家的历史点击数据构建训练样本，对预先设置的深度学习模型进行训练，直至模型收敛或迭代预设次数后，得到点击量预估模型。需要说明的是，本实施例对深度学习模型不做具体限定。
45.具体地，目标商家在未来的某个投放周期的投放广告得到的曝光量，由于曝光量是商家可以手动设定的，因此可以通过商家的历史曝光数据获取，例如根据目标商家历史曝光数据的平均值来获取下一个投放周期对应的曝光量。
46.在一个可选地实施例中，可以根据目标商家的历史曝光数据中的广告产品、商品品类、时刻以及历史平均曝光量等训练一个周期曝光量预估模型，该周期曝光量用于预测目标商家在某个投放周期对应的曝光量。
47.以下对目标商家的商家点击率门槛的获取方式进行详细介绍：
48.具体地，假定投放周期为天，利用目标商家的历史点击数据，结合目标商家的广告产品、商品品类、历史平均点击量等特征，训练生成点击量预估模型，预估目标商家在未来一天在广告产品i的点击量p
clk,i
。
49.然后，利用商家的历史曝光数据，结合其产品线、商圈id、品类、时间、历史平均曝光等特征，预估商家未来一天在广告产品i的曝光量p
exp,i
。
50.根据以上，得到不同产品线下的ctr门槛：
[0051][0052]
通过上述示例，根据当前投放周期对应的点击量以及当前投放周期对应的曝光量确定商家点击率门槛，以实现准确地确定目标商家全局统一的商家点击率门槛。
[0053]
可选地，在本实施例中，根据目标商家在当前投放周期内的实际曝光量、预估曝光量以及商家点击率门槛，确定点击率门槛，包括但不限于：获取实际曝光量与预估曝光量的差值；根据差值对商家点击率门槛进行调整，以得到广告产品对应的点击率门槛。
[0054]
具体地，根据目标商家在当前投放周期内的实际曝光量、预估曝光量动态调整不同广告产品的ctr门槛，由于不同广告产品线在流量上投放的差异，使用全局统一的商家点击率门槛可能会造成流量的变动及分配不均，需要根据不同广告产品对商家点击率门槛进行调整，本实施例中，采用保证曝光量的方式，在优先保证曝光的基础上，最大限制提升点击量。
[0055]
本实施例中不同广告产品的点击率门槛动态调整策略如下：
[0056]
首先，计算不同产品线的流量利用情况。
[0057]
具体地，每个时间段在广告产品i的流量利用情况为实际曝光量r
exp,i
，而预估曝光量为e
exp,i
,预估曝光量流量可通过流量预估模型得到，则实际曝光和预期曝光的差值为：
[0058]ei
＝e
exp,i-r
exp,i
[0059]
然后，根据实际曝光量和预估曝光量的差值ei，来调整不同广告产品线上的ctr门槛t
ctr,i
，采用微积分pid算法，如图2所示，具体方法如下：
[0060]
s1，通过pid算法输出累积信号，k
p
,ti,td分别为调节参数
[0061][0062]
s2，对于广告产品线，其调节后的ctr门槛如下，m为ctr门槛调节系数。
[0063]
t
ctr,i
＝t
ctr
m*ui[0064]
通过上述示例，根据目标商家在当前投放周期内的实际曝光量、预估曝光量动态调整不同广告产品对应的点击率门槛，确定目标商家不同的广告产品对广告流量的实际利用情况。
[0065]
s104，通过预先训练完成的点击率预估模型，根据目标平台中的业务数据确定各个产品线的在投放周期内当前时刻对应的预计点击率；
[0066]
在本实施例中，点击率预估模型用于预测目标商家投放指定广告产品对应的点击量，通过历史点击数据中的广告产品、商品品类、时刻、点击率以及用户点击行为等预测目标商家广告产品对应的点击率。
[0067]
本实施例中的点击率预估模型的样本数据包括目标商家在目标平台中投放广告对应的平台日志、业务数据以及用户点击行为等数据。其中，训练样本包括广告产品、商品品类、点击率、业务数据以及用户点击行为等特征。训练样本的数据结构为《广告产品、商品品类、业务数据、用户点击行为、点击率》，其中，点击率为点击率预估模型的训练目标。根据目标商家的历史点击率数据构建训练样本，对预先设置的深度学习模型进行训练，直至模型收敛或迭代预设次数后，得到点击率预估模型。需要说明的是，本实施例对深度学习模型不做具体限定。
[0068]
具体地，根据收集到的线上日志特征和用户点击行为，训练点击率预估模型，预测当前光产品用户在产品流量i上的预估点击率p
ctr,i
。
[0069]
s106，在当前时刻的广告流量中对合格广告产品进行广告投放，其中，合格广告产品为预计点击率与点击率门槛符合预设条件的广告产品。
[0070]
在本实施例中，根据广告产品对应的实际流量利用情况确定广告产品对应的点击率门槛，然后基于广告产品的预计点击率以及点击率门槛来确定符合预设条件的广告产品为合格广告产品，在当前时刻的广告流量中对合格广告产品进行广告投放。
[0071]
具体地，预设条件可以是预计点击率与点击率门槛之间的差值符合预设差值阈值，则确定预计点击率与点击率门槛符合预设条件。
[0072]
可选地，在本实施例中，在在当前时刻的广告流量中对合格广告产品进行广告投放之前，还包括：确定预计点击率大于或等于点击率门槛的广告产品为合格广告产品。
[0073]
具体地，若广告产品对应的预计ctr大于广告产品动态的点击率门槛ctr，表明当前流量符合商家目标需求，选择对当前流量进行投放该广告产品。
[0074]
此外，在本实施例中，将目标商家当前投放周期内产生的曝光量和点击量作为训练模型的数据，根据目标点击量是否达成的情况，动态调整t 1该目标商家的广告投放目标，例如商家点击率门槛。基于对上述各个模型的不断训练，实现一种稳态的进店量最大化的流量分配策略，建立智能化的一站式投放机制。
[0075]
通过本实施例，确定目标商家投放的各个广告产品对应的点击率门槛；通过预先训练完成的点击率预估模型，根据目标平台中的业务数据确定各个产品线的在投放周期内
当前时刻对应的预计点击率；在当前时刻的广告流量中对合格广告产品进行广告投放，其中，合格广告产品为预计点击率与点击率门槛符合预设条件的广告产品。本实施例中，通过预估商家投放的广告产品在投放周期内各个时刻对应的预计点击率，以及确定各个广告产品对应的点击率门槛，来判断当前时刻的广告流量是否符合商家的目标需求，并对当前时刻的广告流量进行投放。进而解决了由于相关技术中无法根据商家的个性化广告投放效果来进行相应的广告产品投放，导致商家投放的广告无法做到较好的用户触达的技术问题。
[0076]
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0077]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
[0078]
实施例2
[0079]
根据本发明实施例，还提供了一种用于实施上述广告产品投放方法的广告产品投放装置，如图3所示，该装置包括：
[0080]
1)第一确定模块30，用于确定目标商家投放的各个广告产品对应的点击率门槛；
[0081]
2)第二确定模块32，用于通过预先训练完成的点击率预估模型，根据目标平台中的业务数据确定各个产品线的在投放周期内当前时刻对应的预计点击率；
[0082]
3)广告投放模块34，用于在所述当前时刻的广告流量中对合格广告产品进行广告投放，其中，所述合格广告产品为所述预计点击率与所述点击率门槛符合预设条件的广告产品。
[0083]
可选地，在本实施例中，所述第一确定模块30包括：
[0084]
1)获取子模块，用于根据所述目标商家的历史点击数据以及历史曝光数据，获取所述目标商家的商家点击率门槛；
[0085]
2)第一确定子模块，用于通过预先训练完成的曝光量预估模型，根据所述历史曝光数据，确定所述广告产品在所述当前时刻的预估曝光量；
[0086]
3)第二确定子模块，用于根据所述目标商家在当前投放周期内的实际曝光量、所述预估曝光量以及所述商家点击率门槛，确定所述点击率门槛。
[0087]
可选地，在本实施例中，所述获取子模块包括：
[0088]
1)第一确定单元，用于根据预先训练完成的点击量预估模型，根据所述历史点击数据确定所述当前投放周期对应的点击量；
[0089]
2)第二确定单元，用于根据所述历史曝光数据确定所述当前投放周期对应的曝光量；
[0090]
3)第三确定单元，用于根据所述当前投放周期对应的点击量以及所述当前投放周
期对应的曝光量确定所述商家点击率门槛。
[0091]
可选地，在本实施例中，所述第二确定子模块包括：
[0092]
1)获取单元，用于获取所述实际曝光量与所述预估曝光量的差值；
[0093]
2)调整单元，用于根据所述差值对所述商家点击率门槛进行调整，以得到所述广告产品对应的点击率门槛。
[0094]
可选地，在本实施例中，还包括：
[0095]
1)第三确定模块，用于在在所述当前时刻的广告流量中对合格广告产品进行广告投放之前，确定所述预计点击率大于或等于所述点击率门槛的广告产品为所述合格广告产品。
[0096]
本实施例中，通过预估商家投放的广告产品在投放周期内各个时刻对应的预计点击率，以及确定各个广告产品对应的点击率门槛，来判断当前时刻的广告流量是否符合商家的目标需求，并对当前时刻的广告流量进行投放。进而解决了由于相关技术中无法根据商家的个性化广告投放效果来进行相应的广告产品投放，导致商家投放的广告无法做到较好的用户触达的技术问题。
[0097]
实施例3
[0098]
根据本发明实施例，还提供了一种电子设备，包括处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上所述的广告产品投放方法的步骤。
[0099]
可选地，在本实施例中，存储器被设置为存储用于执行以下步骤的程序代码：
[0100]
s1，确定目标商家投放的各个广告产品对应的点击率门槛；
[0101]
s2，通过预先训练完成的点击率预估模型，根据目标平台中的业务数据确定各个产品线的在投放周期内当前时刻对应的预计点击率；
[0102]
s3，在所述当前时刻的广告流量中对合格广告产品进行广告投放，其中，所述合格广告产品为所述预计点击率与所述点击率门槛符合预设条件的广告产品。
[0103]
可选地，本实施例中的具体示例可以参考上述实施例1中所描述的示例，本实施例在此不再赘述。
[0104]
实施例4
[0105]
本发明的实施例还提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如上所述的广告产品投放方法的步骤。
[0106]
可选地，在本实施例中，可读存储介质被设置为存储用于执行以下步骤的程序代码：
[0107]
s1，确定目标商家投放的各个广告产品对应的点击率门槛；
[0108]
s2，通过预先训练完成的点击率预估模型，根据目标平台中的业务数据确定各个产品线的在投放周期内当前时刻对应的预计点击率；
[0109]
s3，在所述当前时刻的广告流量中对合格广告产品进行广告投放，其中，所述合格广告产品为所述预计点击率与所述点击率门槛符合预设条件的广告产品。
[0110]
可选地，存储介质还被设置为存储用于执行上述实施例1中的方法中所包括的步骤的程序代码，本实施例中对此不再赘述。
[0111]
可选地，在本实施例中，上述存储介质可以包括但不限于：u盘、只读存储器(rom，
read-only memory)、随机存取存储器(ram，random access memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
[0112]
可选地，本实施例中的具体示例可以参考上述实施例1和实施例2中所描述的示例，本实施例在此不再赘述。
[0113]
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
[0114]
上述实施例中的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，可以存储在上述计算机可读取的存储介质中。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全部或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存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、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。
[0115]
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
[0116]
在本技术所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，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信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
[0117]
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。
[0118]
另外，在本发明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。
[0119]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。