知识点推荐方法、装置及存储介质

知识点推荐方法、装置及存储介质
【技术领域】
1.本技术属于推荐领域，特别涉及一种知识点推荐方法、装置及存储介质。


背景技术：

2.在线学习逐渐兴起，中国慕课(mooc)平台逐渐成为在线学习的主要方式。用户在mooc平台可自由选择感兴趣的课程以及知识进行学习。在线的mooc平台应用了个性化的课程推荐技术，但主要是根据用户的历史学习记录，针对推荐用户可能感兴趣的课程。
3.现有知识点推荐技术，大多都是基于用户的历史行为，专注于推荐结果的准确性情况，主要是根据用户的特征表示和知识点特征表示来预测特定用户对特定知识点的偏好，据此向不同的用户推荐不同的知识点。
4.然而仅仅只是从知识点的偏好出发向用户推荐知识点，会导致推荐的知识点往往会超出用户学习能力范围，不能很好的满足用户的学习需求。


技术实现要素：

5.本技术提供一种知识点推荐方法、装置及存储介质，综合考虑到了用户对知识点的偏好以及用户对知识点的认知状态，进而向用户推荐更适合用户学习水平和符合用户偏好的知识点。
6.本技术第一方面提供了一种知识点推荐方法，包括：
7.确定目标用户所对应的用户嵌入向量、n个知识点所对应的知识点嵌入向量以及m个练习问题所对应的练习问题嵌入向量，其中，所述目标用户为网络教育平台中待推荐知识点的用户，所述n个知识点为所述网络教育平台中的知识点，且所述n个知识点与所述m个练习问题相对应，其中，n和m均为大于或等于1的整数；
8.根据所述用户嵌入向量以及所述知识点嵌入向量确定所述目标用户对所述n个知识点中每个知识点的兴趣偏好；
9.根据所述用户嵌入向量以及所述练习问题嵌入向量确定所述目标用户对所述n个知识点中每个知识点的认知状态；
10.根据所述目标用户对所述n个知识点中每个知识点的兴趣偏好以及所述目标用户对所述n个知识点中每个知识点的认知状态确定所述n个知识点中每个知识点所对应的知识点推荐度；
11.根据所述n个知识点中每个知识点所对应的知识点推荐度向所述目标用户推荐知识点。
12.一种可能的设计中，所述确定目标用户所对应的用户嵌入向量、n个知识点所对应的知识点嵌入向量以及m个练习问题所对应的练习问题嵌入向量包括：
13.构建所述网络教育平台所对应的异质信息网络；
14.提取所述异质信息网络中与所述目标用户所对应的用户元路径、与所述n个知识点所对应的知识点元路径以及与所述m个练习问题所对应的练习问题元路径；
15.根据所述用户元路径、所述知识点元路径以及所述练习问题元路径确定所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题嵌入向量。
16.一种可能的设计中，所述构建所述网络教育平台所对应的异质信息网络包括：
17.获取所述网络教育平台中每个用户所对应的课程；
18.确定所述每个用户所对应的课程的知识点、练习问题；
19.根据所述每个用户所对应的课程、所述每个用户所对应课程的知识点以及练习问题构建所述异质信息网络。
20.一种可能的设计中，所述根据所述用户元路径、所述知识点元路径以及所述练习问题元路径确定所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题的嵌入向量包括：
21.训练所述网络教育平台所对应的图卷积神经网络，所述图卷积神经网络为对所述异质信息网络网络中提取多种元路径进行训练得到的；
22.将所述用户元路径、所述知识点元路径以及所述练习问题元路径输入所述图卷积神经网络，以得到所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题嵌入向量。
23.一种可能的设计中，所述根据所述目标用户对所述n个知识点中每个知识点的兴趣偏好以及所述目标用户对所述n个知识点中每个知识点的认知状态确定所述n个知识点中每个知识点所对应的知识点推荐度；包括：
24.将所述目标用户对所述n个知识点中每个知识点的认知状态进行处理，以得到所述n个知识点所对应的知识点权重；
25.根据所述知识点权重与所述目标用户对所述n个知识点中每个知识点的兴趣偏好确定所述知识点推荐度。
26.一种可能的设计中，所述根据所述用户嵌入向量以及所述知识点嵌入向量确定所述目标用户对所述n个知识点中每个知识点的兴趣偏好包括：
27.将所述用户嵌入向量以及所述知识点嵌入向量进行交互，得到交互值；
28.将所述交互值确定为所述目标用户对所述n个知识点中每个知识点的兴趣偏好。
29.本技术第二方面提供了一种知识点推荐装置，包括：
30.第一确定单元，用于确定目标用户所对应的用户嵌入向量、n个知识点所对应的知识点嵌入向量以及m个练习问题所对应的练习问题嵌入向量，其中，所述目标用户为网络教育平台中待推荐知识点的用户，所述n个知识点为所述网络教育平台中的知识点，且所述n个知识点与所述m个练习问题相对应，其中，n和m均为大于或等于1的整数；
31.第二确定单元，用于根据所述用户嵌入向量以及所述知识点嵌入向量确定所述目标用户对所述n个知识点中每个知识点的兴趣偏好；
32.第三确定单元，用于根据所述用户嵌入向量以及所述练习问题嵌入向量确定所述目标用户对所述n个知识点中每个知识点的认知状态；
33.第四确定单元，用于根据所述目标用户对所述n个知识点中每个知识点的兴趣偏好以及所述目标用户对所述n个知识点中每个知识点的认知状态确定所述n个知识点中每个知识点所对应的知识点推荐度；
34.推荐单元，用于根据所述n个知识点中每个知识点所对应的知识点推荐度向所述目标用户推荐知识点。
35.一种可能的设计中，所述第一确定单元具体用于：
36.构建所述网络教育平台所对应的异质信息网络；
37.提取所述异质信息网络中与所述目标用户所对应的用户元路径、与所述n个知识点所对应的知识点元路径以及与所述m个练习问题所对应的练习问题元路径；
38.根据所述用户元路径、所述知识点元路径以及所述练习问题元路径确定所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题嵌入向量。
39.一种可能的设计中，所述第一确定单元构建所述网络教育平台所对应的异质信息网络包括：
40.获取所述网络教育平台中每个用户所对应的课程；
41.确定所述每个用户所对应的课程的知识点、练习问题；
42.根据所述每个用户所对应的课程、所述每个用户所对应课程的知识点以及练习问题构建所述异质信息网络。
43.一种可能的设计中，所述第一确定单元根据所述用户元路径、所述知识点元路径以及所述练习问题元路径确定所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题的嵌入向量包括：
44.训练所述网络教育平台所对应的图卷积神经网络，所述图卷积神经网络为对所述异质信息网络网络中提取多种元路径进行训练得到的；
45.将所述用户元路径、所述知识点元路径以及所述练习问题元路径输入所述图卷积神经网络，以得到所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题嵌入向量。
46.一种可能的设计中，所述第四确定单元具体用于：
47.将所述目标用户对所述n个知识点中每个知识点的认知状态进行处理，以得到所述n个知识点所对应的知识点权重；
48.根据所述知识点权重与所述目标用户对所述n个知识点中每个知识点的兴趣偏好确定所述知识点推荐度。
49.一种可能的设计中，所述第二确定单元具体用于：
50.将所述用户嵌入向量以及所述知识点嵌入向量进行交互，得到交互值；
51.将所述交互值确定为所述目标用户对所述n个知识点中每个知识点的兴趣偏好。
52.本技术实施例第三方面提供了一种计算机设备，其包括至少一个连接的处理器、存储器和收发器，其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中的程序代码来执行上述第一方面所述的知识点推荐方法的步骤。
53.本技术实施例第四方面提供了一种计算机存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述任一方面所述的知识点推荐方法的步骤。
54.相对于相关技术，本技术提供的实施例中，知识点推荐装置在向用户推荐知识点时，综合考虑到了用户对知识点的偏好以及用户对知识点的认知状态，进而向用户推荐更适合用户学习水平和符合用户偏好的知识点。
【附图说明】
55.图1为本技术实施例提供的知识点推荐方法的流程示意图；
56.图2为本技术实施例提供的知识点推荐装置的虚拟结构示意图；
57.图3为本技术实施例提供的服务器的硬件结构示意图。
【具体实施方式】
58.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，而不是全部的实施例。
59.下面从知识点推荐装置的角度对知识点推荐方法的进行说明，请结合参阅图1，图1为本技术实施例提供的知识点推荐方法的流程示意图，包括：
60.101、确定目标用户所对应的用户嵌入向量、n个知识点所对应的知识点嵌入向量以及m个练习问题所对应的练习问题嵌入向量。
61.本实施例中，知识点推荐装置在向目标用户推荐网络教育平台中的知识点时，可以首先确定目标用户所对应的用户嵌入向量、n个知识点所对应的知识点嵌入向量以及m个练习问题所对应的练习问题嵌入向量，其中，该目标用户为网络教育平台中的任意一个待推荐知识点的用户，该n个知识点为网络教育平台中的知识点，该m个练习问题为该n个知识点所对应的练习问题。
62.一个实施例中，知识点推荐装置确定目标用户所对应的用户嵌入向量、n个知识点所对应的知识点嵌入向量以及m个练习问题所对应的练习问题嵌入向量包括：
63.构建网络教育平台所对应的异质信息网络；
64.提取异质信息网络中与目标用户所对应的用户元路径、与n个知识点所对应的知识点元路径以及与m个练习问题所对应的练习问题元路径；
65.根据用户元路径、知识点元路径以及练习问题元路径确定用户嵌入向量、知识点嵌入向量以及练习问题的嵌入向量。
66.本实施例中，知识点推荐装置可以构建网络教育平台所对应的异质信息网络，具体的可以获取网络教育平台中每个用户所对应的课程，确定每个用户所对应的课程的知识点以及练习问题，并根据每个用户所对应的课程、每个用户所对应课程的知识点以及每个知识点所对应的练习问题构建得到异质信息网络。也即用户在网络教育平台学习时，一次学习过程中会浏览多个知识点视频，用户点击学习这些知识点视频的行为可以认为是一个用户兴趣表达的过程。例如，用户如果觉得当前学习的知识点视频不符合兴趣，或学习难度不符合，则会点击推荐列表中的其他知识点视频，如果点击的这个知识点视频符合自己的兴趣或学习水平，则会停留在本知识点视频中长时间观看，如果不满足自己的兴趣或知识水平，则继续浏览其他知识点视频，直到满意为止，这样就形成了一个完整的点击序列，且可以认为最后一个观看的知识点视频是符合用户偏好的，前面的都不满足，由此可以获取网络教育平台中每个用户所对应的完整的点击序列，之后进行数据清洗、序列提取以及数据划分等步骤，抽取用户的历史学习路径(选课记录、知识点视频观看记录)、练习记录，得到用户的历史知识点视频学习路径、练习记录后，建立异质信息网络。也就是说，在网络教育平台中，一个用户会选择多门课程、每个课程也会对应不同知识点和练习问题，同时每门课程都可以被不同用户选择，在网络教育平台中还存在诸多类似的关系，由此可以以实体(用户、课程、知识点以及练习问题等)为点，以实体之间的关系(选课管科、课程与知识点的包含关系等)为边，建立异质信息网络。
67.异质信息网络建立后，知识点推荐装置从用户实体出发，以实体之间的边为路，就
可以生成元路径，不同种类的元路径代表了不同的含义，例如以用户出发，得到用户-课程-用户的路径，提取多种不同类型的元路径以充分表达实体之间的关系。同理，从知识点实体以及练习问题实体出发可生成知识点元路径以及练习问题元路径。由此，提取与目标用户所对应的用户元路径、与n个知识点所对应的知识点元路径以及与m个练习问题所对应的练习问题元路径。
68.最后，可以将从异质信息网络提取出的用户元路径、知识点元路径以及练习问题元路径输入预先训练得到图卷积神经网络，得到目标用户、n个知识点以及m个练习问题的表示，该目标用户、n个知识点以及m个练习问题的表示即为目标用户的用户嵌入向量、n个知识点的知识点嵌入向量以及m个练习问题的练习问题嵌入向量中。具体的，知识点推荐装置可以训练网络教育平台所对应的图卷积神经网络，图卷积神经网络为对异质信息网络网络中提取多种元路径进行训练得到的，并将用户元路径、知识点元路径以及练习问题元路径输入图卷积神经网络，以得到用户嵌入向量、知识点嵌入向量以及练习问题嵌入向量。
69.102、根据用户嵌入向量以及知识点嵌入向量确定目标用户对n个知识点中每个知识点的兴趣偏好。
70.本实施例中，知识点推荐装置在确定用户嵌入向量、知识点嵌入向量以及练习问题嵌入向量之后，可以根据用户嵌入向量以及知识点嵌入向量确定目标用户对n个知识点中每个知识点的兴趣偏好。
71.一个实施例中，知识点推荐装置根据用户嵌入向量以及知识点嵌入向量确定目标用户对n个知识点中每个知识点的兴趣偏好包括：
72.将用户嵌入向量以及知识点嵌入向量进行交互，得到交互值；
73.将交互值确定为目标用户对n个知识点中每个知识点的兴趣偏好。
74.本实施例中，知识点推荐装置可以提前训练一个兴趣偏好预测模型，将用户嵌入向量以及知识点嵌入向量输入兴趣偏好预测模型得到目标用户对n个知识点中每个知识点的兴趣偏好，此处具体不限定兴趣偏好预测模型的训练流程，只要能通过用户嵌入向量以及知识点嵌入向量确定兴趣偏好即可。具体的，可以将用户嵌入向量以及知识点嵌入向量相乘之后再求平均即可以得到交互值，该交互值即为目标用户对n个知识点中每个知识点的兴趣偏好。
75.103、根据用户嵌入向量以及练习问题嵌入向量确定目标用户对n个知识点中每个知识点的认知状态。
76.本实施例中，知识点推荐装置在确定用户嵌入向量以及练习问题嵌入向量之后，可以根据用户嵌入向量以及练习问题嵌入向量确定目标用户对n个知识点中每个知识点的认知状态。具体的，可以通过提前训练的认知诊断模型来确定，该认识诊断模型用来确定用户对知识点的认知状态，该认知状态指的是用户对知识点的掌握状态，通过用户做练习的对错情况来确定，可以将用户嵌入向量与练习问题嵌入向量进行输入提前训练好的认知诊断模型来确定，进而可以得到用户对n个知识点的掌握程度。
77.需要说明的是，通过步骤102可以确定目标用户对n个知识点中每个知识点的兴趣偏好，通过步骤103可以确定目标用户对n个知识点中每个知识点的认知状态，然而这两个步骤之间并没有先后执行顺序的限制，可以先执行步骤102，也可以先执行步骤103，或者同时执行，具体不做限定。
78.104、根据目标用户对n个知识点中每个知识点的兴趣偏好以及目标用户对n个知识点中每个知识点的认知状态确定n个知识点中每个知识点所对应的知识点推荐度。
79.本实施例中，知识点推荐装置在得到目标用户对n个知识点中每个知识点的兴趣偏好以及目标用户对n个知识点中每个知识点的认知状态之后，可以根据目标用户对n个知识点中每个知识点的兴趣偏好以及目标用户对n个知识点中每个知识点的认知状态确定n个知识点中每个知识点所对应的知识点推荐度。具体的，可以将目标用户对n个知识点中每个知识点的认知状态进行处理，以得到n个知识点所对应的知识点权重，并根据知识点权重与目标用户对n个知识点中每个知识点的兴趣偏好确定知识点推荐度，也即将用户对知识点的认知状态处理后作为权重乘以兴趣偏好，得到的值即为该n个知识点的知识点推荐度。
80.105、根据n个知识点中每个知识点所对应的知识点推荐度向目标用户推荐知识点。
81.本实施例中，知识点推荐装置在得到n个知识点中每个知识点所对应的知识点推荐度之后，可以根据n个知识点中每个知识点所对应的知识点推荐度向目标用户推荐。具体的，可以将n个知识点中知识点推荐度达到预设阈值的知识点向目标用户推荐，当然也还可以采取其他的方式，例如在得到n个知识点中每个知识点的知识点推荐度之后，可以将n个知识点按照知识点推荐度从高至低进行排列，向用户推荐排名前10或前5的知识点，当然也还可以向用户推荐知识点推荐度最高的知识点，具体的可以根据用户的需求进行设定。
82.综上所述，可以看出，本技术提供的实施例中，知识点推荐装置在向用户推荐知识点时，综合考虑到了用户对知识点的偏好以及用户对知识点的认知状态，进而向用户推荐更适合用户学习水平和符合用户偏好的知识点。
83.上面从知识点推荐方法对本技术进行说明，下面从知识点推荐装置的角度对本技术进行说明。
84.请参阅图2，图2为本技术实施例提供的知识点推荐装置的虚拟结构示意图，该知识点推荐装置200包括：
85.第一确定单元201，用于确定目标用户所对应的用户嵌入向量、n个知识点所对应的知识点嵌入向量以及m个练习问题所对应的练习问题嵌入向量，其中，所述目标用户为网络教育平台中待推荐知识点的用户，所述n个知识点为所述网络教育平台中的任意一个知识点，且所述n个知识点与所述m个练习问题相对应，其中，n和m均为大于或等于1的整数；
86.第二确定单元202，用于根据所述用户嵌入向量以及所述知识点嵌入向量确定所述目标用户对所述n个知识点中每个知识点的兴趣偏好；
87.第三确定单元203，用于根据所述用户嵌入向量以及所述练习问题嵌入向量确定所述目标用户对所述n个知识点中每个知识点的认知状态；
88.第四确定单元204，用于根据所述目标用户对所述n个知识点中每个知识点的兴趣偏好以及所述目标用户对所述n个知识点中每个知识点的认知状态确定所述n个知识点中每个知识点所对应的知识点推荐度；
89.推荐单元205，用于根据所述n个知识点中每个知识点所对应的知识点推荐度向所述目标用户推荐知识点。
90.一种可能的设计中，所述第一确定单元201具体用于：
91.构建所述网络教育平台所对应的异质信息网络；
92.提取所述异质信息网络中与所述目标用户所对应的用户元路径、与所述n个知识点所对应的知识点元路径以及与所述m个练习问题所对应的练习问题元路径；
93.根据所述用户元路径、所述知识点元路径以及所述练习问题元路径确定所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题嵌入向量。
94.一种可能的设计中，所述第一确定单元201构建所述网络教育平台所对应的异质信息网络包括：
95.获取所述网络教育平台中每个用户所对应的课程；
96.确定所述每个用户所对应的课程的知识点、练习问题；
97.根据所述每个用户所对应的课程、所述每个用户所对应课程的知识点以及练习问题构建所述异质信息网络。
98.一种可能的设计中，所述第一确定单元201根据所述用户元路径、所述知识点元路径以及所述练习问题元路径确定所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题的嵌入向量包括：
99.训练所述网络教育平台所对应的图卷积神经网络，所述图卷积神经网络为对所述异质信息网络网络中提取多种元路径进行训练得到的；
100.将所述用户元路径、所述知识点元路径以及所述练习问题元路径输入所述图卷积神经网络，以得到所述用户嵌入向量、所述知识点嵌入向量以及所述练习问题嵌入向量。
101.一种可能的设计中，所述第四确定单元具204体用于：
102.将所述目标用户对所述n个知识点中每个知识点的认知状态进行处理，以得到所述n个知识点所对应的知识点权重；
103.根据所述知识点权重与所述目标用户对所述n个知识点中每个知识点的兴趣偏好确定所述知识点推荐度。
104.一种可能的设计中，所述第二确定单元202具体用于：
105.将所述用户嵌入向量以及所述知识点嵌入向量进行交互，得到交互值；
106.将所述交互值确定为所述目标用户对所述n个知识点中每个知识点的兴趣偏好。
107.图3为本技术服务器的结构示意图，如图3所示，本实施例的服务器300包括至少一个处理器301，至少一个网络接口304或者其他用户接口303，存储器305，和至少一通信总线302。该服务器300可选的包含用户接口303，包括显示器，键盘或者点击设备。存储器305可能包含高速ram存储器，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。存储器305存储执行指令，当服务器300运行时，处理器301与存储器305之间通信，处理器301调用存储器305中存储的指令，以执行上述知识点推荐方法。操作系统306，包含各种程序，用于实现各种基础业务以及处理根据硬件的任务。
108.本技术实施例提供的服务器，可以执行上述的知识点推荐方法的实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
109.本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现上述任一方法实施例中与知识点推荐装置相关的方法流程。对应的，该计算机可以为上述知识点推荐装置。
110.本技术实施例还提供了一种计算机程序或包括计算机程序的一种计算机程序产品，该计算机程序在某一计算机上执行时，将会使所述计算机实现上述任一方法实施例中
与知识点推荐装置相关的方法流程。对应的，该计算机可以为上述的知识点推荐装置。
111.在上述图1对应的实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。
112.如本技术所公开的知识点推荐装置以及服务器，其中多个服务器可组成为一区块链，而服务器为区块链上的节点。
113.所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
114.应理解，本技术中提及的处理器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或者该处理器也可以是任何常规的处理器等。
115.还应理解，本技术中的处理器的数量可以是一个，也可以是多个，具体可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。本技术实施例中的存储器的数量可以是一个，也可以是多个，具体可以根据实际应用场景调整，此处仅仅是示例性说明，并不作限定。
116.还需要说明的是，当知识点推荐装置包括处理器(或处理单元)与存储器时，本技术中的处理器可以是与存储器集成在一起的，也可以是处理器与存储器通过接口连接，具体可以根据实际应用场景调整，并不作限定。
117.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，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
118.在本技术所提供的几个实施例中，应该理解到，所揭露的系统，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，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。
119.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。
120.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。
121.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，或者其他设备等)执行本技术图2或3的实施例所述方法的全部或部分步骤。
122.应理解，本技术中提及的存储介质或存储器可以包括易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，rom)、可编程只读存储器(programmable rom，prom)、可擦除可编程只读存储器(erasable prom，eprom)、电可擦除可编程只读存储器(electrically eprom，eeprom)或闪存。易失性存储器可以是随机存取存储器(random access memory，ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(static ram，sram)、动态随机存取存储器(dynamic ram，dram)、同步动态随机存取存储器(synchronous dram，sdram)、双倍数据速率同步动态随机存取存储器(double data rate sdram，ddr sdram)、增强型同步动态随机存取存储器(enhanced sdram，esdram)、同步连接动态随机存取存储器(synch link dram，sldram)和直接内存总线随机存取存储器(direct rambus ram，dr ram)。
123.应注意，本文描述的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
124.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范围。