业务策略的制定方法、装置及相关设备与流程

1.本发明涉及人工智能技术领域，尤其涉及业务策略的制定方法、装置、计算机设备及存储介质。


背景技术：

2.在产品销售竞争日益激烈的当下环境中，需要对用户进行精准的分析并制定合适的业务策略来提升目标产品的购买率，传统方式是使用单一的用户评论数据和用户基本信息，进行较为片面的分析得到用户的情感，导致对用户的真实情感值计算不够准确且效率低下。


技术实现要素：

3.本发明实施例提供一种业务策略的制定方法、装置、计算机设备及存储介质，以解决传统方法制定的业务策略对用户的真实情感值计算不够准确且效率低下的问题。
4.一种业务策略的制定方法，包括：
5.获取业务系统中用户的业务讨论文本和历史用户信息数据；
6.从所述业务讨论文本中提取内容实体以及所述内容实体对应的情感词；
7.从所述业务讨论文本中提取所述内容实体对应的产品属性特征，根据所述内容实体、所述产品属性特征和所述历史用户信息数据对所述业务系统中用户进行分类；
8.根据所述内容实体、所述产品属性特征、所述情感词和所述分类的结果，对所述业务系统中用户进行情感分析；
9.根据所述情感分析的结果和所述历史用户信息数据对所述业务系统中用户制定业务策略。
10.一种业务策略的制定装置，包括：
11.数据获取模块，用于获取业务系统中用户的业务讨论文本和历史用户信息数据；
12.内容提取模块，用于从所述业务讨论文本中提取内容实体以及所述内容实体对应的情感词；
13.用户分类模块，用于从所述业务讨论文本中提取所述内容实体对应的产品属性特征，根据所述内容实体、所述产品属性特征和所述历史用户信息数据对所述业务系统中用户进行分类；
14.情感分析模块，用于根据所述内容实体、所述产品属性特征、所述情感词和所述分类的结果，对所述业务系统中用户进行情感分析；
15.业务策略模块，用于根据所述情感分析的结果和所述历史用户信息数据对所述业务系统中用户制定业务策略。
16.一种计算机设备，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，所述处理器执行所述计算机程序时实现上述业务策略的制定方法的步骤。
17.一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上述业务策略的制定方法的步骤。
18.上述业务策略的制定方法、装置、计算机设备及存储介质，通过获取用户的业务讨论文本和历史用户信息数据，从所述业务讨论文本中提取内容实体以及所述内容实体对应的情感词，从所述业务讨论文本中提取所述内容实体对应的产品属性特征，并对用户进行分类，同时对用户进行情感分析，根据所述情感分析的结果和所述历史用户信息数据对对应的用户制定业务策略，因为更加全面的分析了用户对目标产品的情感，使得分析用户对目标产品的情感值更加准确和高效。
附图说明
19.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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发明的一些实施例，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。
20.图1是本发明一实施例中业务策略的制定方法的一应用环境示意图；
21.图2是本发明一实施例中业务策略的制定方法的一流程图；
22.图3是本发明一实施例中业务策略的制定装置的结构示意图；
23.图4是本发明一实施例中计算机设备的一示意图。
具体实施方式
24.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，所描述的实施例是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.本技术提供的业务策略的制定方法，可应用在如图1的应用环境中，其中，服务器101可以是独立的服务器，也可以是提供云服务、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、内容分发网络(content delivery network，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。传统的业务策略制定的过程中，会以用户的基本信息数据、用户业务浏览数据和用户业务评价数据等历史数据为基础，去制定对应的业务策略，但是所述历史数据只能部分反应出用户的情感数据，即使用所述历史数据对用户进行画像的结果并不完整，甚至还可能是偏离了用户的情感方向，不完整甚至偏离方向的用户画像数据无法对业务策略的制定起到正向作用，甚至还会起到负向作用，消耗大量的人力和物力资源。因此本技术采集用户关于业务的讨论数据，所述讨论数据不仅仅局限于用户在业务所在的平台的软件、应用或系统发表的讨论数据，还包括在业务无关的其他平台的软件、应用或系统发表的与业务有关的讨论数据，将获取的用户关于业务的所述讨论数据，再使用自然语言处理技术分析所述讨论数据，与所述历史数据进行结合，更新对用户的画像结果，将用户对业务的情感进行综合分析，得到用户对业务的各项情感数值，基于新的画像结果和用户对业务的各项情感数值制定业务策略。因为所述情感数值是基于用户对业务的讨论数据，所述讨论数据中包含了更多用户对业务的情感信
息；新的业务策略制定方法中加入了对用户情感分析的过程，所以新的业务策略在执行过程中会更加有效。
26.其中，若无特殊说明，在本实施例中，用户均指所述业务系统中用户。
27.在一实施例中，如图2所示，提供一种业务策略的制定方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤s201至s205。
28.s201、获取业务系统中用户的业务讨论文本和历史用户信息数据。当用户第一次接触到所述业务时，就会产生与业务相关的用户关联业务数据，所述用户关联业务数据的内容包括但不限于：用户基本信息数据、用户平台浏览数据、用户评价数据、用户已办理业务数据和用户反馈数据等，所述用户关联业务数据的形式包括但不限于：文字、数字、图片、音频和视频等，所述服务器101中还运行对应的文字分析服务、数字分析服务、图片分析服务、音频分析服务和视频分析服务，前述的各种分析服务用于分析对应的文字、数字、图片、音频和视频，得到所述用户关联业务数据。服务器101中将会保存所述用户关联业务数据作为第一历史用户信息数据，所述第一历史用户信息数据都是基于所述业务所在的第一平台获得，即可以从所述第一平台的至少一个软件、应用或系统中获取与用户关联的数据；同时，所述服务器101上还部署了第二历史用户信息采集应用，所述信息采集应用通过公开的渠道或方法，或者达成协议的方式，从其他非第一平台获取用户相关的用户第三方数据(第一平台为第一方，用户为第二方，其他非第一平台为第三方)，并从所述用户第三方数据中筛选出与业务有关联关系的数据作为所述第二历史用户信息数据，最后所述第一历史用户信息数据和所述第二历史用户信息数据共同组成所述历史用户信息数据。所述用户的业务讨论文本的来源为所述第一平台和所述第三方数据。其中，用户在所述第一平台中至少一个软件、应用或系统中对业务进行讨论产生的文本数据，都将作为所述用户的业务讨论文本来源；还可以从所述第三方数据中采集，具体操作为从所述第三方数据中获取评论文本数据，再从所述评论文本数据从提取与业务有关联关系的评论文本数据作为所述用户的业务讨论文本。
29.进一步地，获取用户的业务讨论文本数据之后，还使用预先设置的基础词库、行业词库以及预先设置的文本识别规则，将所述业务讨论文本中业务无关信息文本去除，得到第二业务讨论文本，所述无关信息文本包括但不限于：无法识别的文本、包含不良信息的文本、包含广告信息的文本和包含虚假信息，并将发布包含不良信息文本、广告信息文本和虚假信息文本的用户基本信息发送至平台的用户管理系统进行处理。然后，将所述第二业务讨论文本的字体格式修改为预先设置的目标字体格式，得到第三业务讨论文本，避免后续的步骤中因为文本的字体格式不统一而无法识别。最后，根据预先设置的错字库和别字库，修改所述第三业务讨论文本中的错字和别字，得到标准业务讨论文本。所述标准业务讨论文本是经过基本的数据清洗后的干净文本，是后续使用自然语言处理方法分析用户情感的基础数据。
30.s202、从所述业务讨论文本中提取内容实体以及所述内容实体对应的情感词。
31.其中，所述内容实体是行业内具有特定含义的专有实体，且所述内容实体与本实施例中的业务策略中的业务存在一定的关联关系，若所述内容实体与所述业务不存在关联关系，分析用户对所述内容实体的情感数值则变得无意义，根据无意义的情感数值制定的业务策略也没有价值。
32.其中，所述情感词不仅仅是从所述业务讨论文本中提取，还可根据所述内容实体在所述业务讨论文本的上下文进行分析，从预先设置的情感词词库中匹配至少一个情感词，作为用户对所述内容实体的情感表达。从文本数据中获取表示情感的情感词，是基于传统的自然语言处理技术和机器学习技术，即使用机器学习预先设置好的情感词匹配案例，再让机器去分析新的文本数据进行情感词匹配，最后，还可以使用有监督学习的方式对机器的匹配结果进行校正，达到监督的目的，也帮助提高机器匹配情感词的准确率。
33.s203、从所述业务讨论文本中提取所述内容实体对应的产品属性特征，根据所述内容实体、所述产品属性特征和所述历史用户信息数据对所述业务系统中用户进行分类。
34.具体地，在进行相应的文本处理之前，获取基于贝叶斯原理预先生成的决策树分类模型，所述决策树分类模型不仅包括所有的用户类型，还包括用户判断用户类型的规则；所述用户类型的划分，既可以根据用户所讨论过的业务类型进行划分，还可以在已经划分业务类型的基础上，进一步根据收入、年龄、性别等其他用户相关的信息进行分类，更详细的用户分类会让本实施例制定的业务策略具有更好的有益效果，但是用户分类的粒度进一步细化需要占用所述服务器101上更多的计算机资源，所以对用户分类的粒度也需要根据所述服务器101上计算机资源的剩余情况进行平衡，对于如何合理分配计算机资源以达到服务器上已经部署应用都处在最佳运行状态的方法是基于传统技术。
35.进一步地，在使用所述决策树分类模型进行分析之前，需要对所述业务讨论文本进行相应的预处理，获得待分析文本数据。所述预处理是指对所述业务文本数据进行包括但不限于：词干提取、词形还原、文本规范化、噪音消除和文本增强。对业务讨论文本进行预处理的结果会提升对所述用户进行分类的效率，能够快速处理大量的用户讨论文本数据，提升制定业务策略的效率。然后使用正则表达式处理所述待分析文本数据，得到待确认产品属性特征词，将所述待确认产品属性特征词添加到预先设置的特征词待确认集合。在遍历所述特征词待确认集合，分别判断各所述待确认产品属性特征词是否存在于预先设置的特征词库中，若是，则将对应的待确认产品属性特征词添加到产品属性特征集合中。其中，所述产品属性特征词可以是实物的产品属性特征词(例如衣服、鞋子等)，也可以是非实物的产品属性特征词(例如保险产品、贷款产品等)。最后将所述业务讨论文本对应的所述内容实体、所述产品属性特征集合和所述历史用户信息数据输入到所述决策树分类模型，获得用户分类的结果。其中，从所述待分析文本数据中提取产品属性特征词，并将所述产品属性特征词作为用户分类的依据之一，可以将用户更好的与产品建立强关联关系，便于所述业务策略能够更加精准的识别用户对产品的感情，提升业务相关的产品的购买率。
36.s204、根据所述内容实体、所述产品属性特征、所述情感词和所述分类的结果，对所述业务系统中用户进行情感分析。
37.具体地，首先从所述用户分类的结果中获取目标类别用户关联的内容实体以及关联的所述内容实体包含的情感词，需要特别说明的是所述情感词包括积极情感、消极情感和中性情感。然后根据所述情感词预测所述目标类别用户对关联的所述内容实体的情感值，用于计算情感值的传统方法包括但不限于：朴素贝叶斯、最大熵、支持向量机和各类神经网络。在本实施例中，由于所述用户的业务讨论文本在保持一个不定时增加的状态，所以适合使用朴素贝叶斯方法去进行增量式计算所述情感值，需要特别说明的是可以选用至少两种传统方法计算所述情感值，再根据至少两个传统方法的计算结果进行均值处理等数据
处理方法获取最终的情感值。再根据关联的所述内容实体对应的产品属性特征，匹配至少一个目标产品，所述目标产品具备至少一个所述产品属性特征，若无法匹配到至少一个目标产品，则将未匹配到产品的所述产品属性特征发送至产品开发相关人员，便于相关人员根据所述产品属性特征开发新的产品。在所述匹配至少一个目标产品的过程后，建立所述目标类别用户、所述目标产品和所述情感值的关联关系，将所述关联关系添加到用户情感分析集合，所述关联关系是一一对应的关联关系，即一类目标用户对应一个目标产品，再对应一情感值，一类目标用户对应多个目标产品的情况将建立多个一一对应关联关系，例如一类目标用户对应另一个目标产品，再对应另一情感值，对于情感值的情况与此类似，不再赘述。最后循环所述从所述用户分类的结果中获取目标类别用户关联的内容实体以及关联的所述内容实体包含的情感词至所述将所述关联关系添加到用户情感分析集合之间的步骤，直至所有分类的用户都被分析。
38.进一步地，所述根据所述内容实体、所述产品属性特征、所述情感词和所述用户分类的结果，对用户进行情感分析的步骤之后还包括：将所述情感值超出预设情感值范围的对应关联关系发送至人工审核系统进行审核，根据审核的结果更新或删除对应的关联关系，所述情感值超出预设情感值范围说明所述情感值数据已经失去了使用价值，若再继续使用将导致后续的计算出现偏差，此时则需要人工进行干预，相关专业人员在审核与所述情感值相关的所述用户的讨论文本数据后，对所述情感值进行纠正更新或直接删除；最后还需要根据预设定时任务循环所述获取用户的业务讨论文本至所述对用户进行情感分析的步骤，监测所述关联关系的变化，因为用户的情感在第一计算过程结束后会处于一个不可控的随机变化状态，所以需要不断的定时去监测所述关联关系的变化，在用户的情感发生变化后去调整所述业务策略，所述监测的时间粒度可以根据所述服务器101中计算机资源的剩余情况去合理分配，例如所述服务器101中计算机资源富余的情况下，可以适当增加所述监测过程的频率，在所述服务器101中计算机资源紧缺的情况下，可以适当减小所述监测过程的频率。
39.s205、根据所述情感分析的结果和所述历史用户信息数据对所述业务系统中用户制定业务策略。
40.具体地，首先根据所述关联关系为用户按照所述情感值从大到小的顺序分配预设数量的目标产品，需要特别说明的是所述情感值是指所述用户对所述目标产品的积极情感而不是消极情感或中性情感，因为只有拥有积极情感的所述用户才有较大几率对所述目标产品产生购买行为，同时所述情感值越大也表明所述用户购买所述目标产品的几率较大，基于积极情感值排序结果制定的所述业务策略才能提高所述目标产品的购买率；在为用户分配了预设数量的目标产品之后，还需要为所述目标产品设置至少一个推送时间区间，以及设定至少一个推送渠道，建立所述目标类别用户、所述目标产品、目标推送时间区间和所述推送渠道的推送关系，在当前时刻满足所述推送时间区间时，通过已经设置的所述推送渠道向对应的所述目标用户推送所述目标产品。
41.其中，所述推送时间区间可以是设定了24小时制下的某一时间区间，也可以是具体到某年某月某日中的某个时间区间，例如对所述目标产品进行每日的常规推送，和对所述目标产品进行活动性质的推送。所述推送时间区间还根据所述推送渠道的反馈结果进行进一步优化，所述推送渠道的反馈结果包括但不限于：所述目标产品的推送信息的到达率
(所述目标产品的推送信息到达用户的设备，因为存在网络故障等因素会导致无法到达，在某个时间区间某些地区的到达率会存在差异)、所述目标产品的推送信息的打开率(所述目标产品的推送信息虽然到达了用户的设备，但是存在用户并不点击打开查看所述推送信息的情况，因为用户在某个时间区间打开推送消息的意愿低)。进一步地，还可以根据目标分类用户的其他不同用户信息设置不同的推送时间，例如所述目标分类用户的时区不一样，则需要根据所述目标分类用户所在时区设置不同的推送时间，根据所述目标分类用户的年龄设置不同的推送时间。
42.其中，所述推送渠道也需要根据实际的产品信息推送效果进行优化，因为在产品购买流程中，可以记录用户对产品进行购买时，用户获取所述产品信息的渠道来源，即记录让用户产生了购买行为的推送渠道，在后续的推送渠道优化过程中，加大所述让用户产生了购买行为的推送渠道。所述推送渠道包括了所述第一平台的至少一个软件、应用或系统的推送渠道，还包括了其他非第一平台但拥有推送功能的第三方平台(第一平台为第一方，用户为第二方，其他非第一平台为第三方)。
43.其中，所述推送关系是一一对应的对应关系，即一类目标用户对应一个目标产品，再对应一个推送时间区间，最后对应一个推送渠道，例如将对保险类产品积极情感值高的用户在每天的下午六点至八点之间通过支付宝、京东金融等金融消费类移动应用推送保险类的产品消息。对应一类目标用户分配了多个目标产品的应用场景，需要建立多条一一对应的对应关系，例如某一类用户对贷款类产品和保险类产品都拥有积极情感的用户，需要建立两条一一对应的对应关系，一条对应关系是关联贷款类产品，另一条对应关系是关联保险类产品。关于根据推送时间区间和推送渠道去分别建立一一对应的对应关系的方法，与根据目标产品建立一一对应的对应关系类似，在此不再赘述。
44.进一步地，所述业务策略在第一次完成制定后，在所述服务器101的环境中运行，还根据该业务策略运行的效果不断进行优化调整，首先是对于用户对目标产品的情感值的不断更新，其次是对于目标产品的推送时间区间的不断优化，最后是对目标产品的推送渠道不断优化。
45.需要特别说明的是，在本实施例中对于用户是中性情感的目标产品，可以给用户先进行少量次数所述目标产品的推送，根据用户对所述目标产品的行为数据以及讨论文本数据进行推送次数的增加或减少。
46.在本实施例中，通过采集用户的业务讨论文本，分析所述业务讨论文本和历史用户信息数据，对所述业务讨论文本使用自然语言处理技术进行处理，使用决策分类树模型对用户进行分类，从所述业务讨论文本中提取产品属性词匹配到合适的目标产品，从所述业务讨论文本中提取情感词，预测每一类用户对于不同目标产品的情感值，根据用户对目标产品的情感值建立相应的情感关联关系，基于所述情感关联关系建立业务策略，并选择合适的推送时间区间和合适的推送渠道，将所述目标产品的产品信息推送至用户处，记录用户对于所述目标产品的后续行为数据，并根据所述行为数据不断优化所述业务策略。
47.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，而不应对本发明实施例的实施过程构成任何限定。
48.在一实施例中，提供一种业务策略的制定装置，该业务策略的制定装置与上述实
施例中业务策略的制定方法一一对应。如图3所示，该业务策略的制定装置包括数据获取模块301、内容提取模块302、用户分类模块303、情感分析模块304和业务策略模块305。各功能模块详细说明如下：
49.数据获取模块，用于获取业务系统中用户的业务讨论文本和历史用户信息数据；
50.内容提取模块，用于从所述业务讨论文本中提取内容实体以及所述内容实体对应的情感词；
51.用户分类模块，用于从所述业务讨论文本中提取所述内容实体对应的产品属性特征，根据所述内容实体、所述产品属性特征和所述历史用户信息数据对所述业务系统中用户进行分类；
52.情感分析模块，用于根据所述内容实体、所述产品属性特征、所述情感词和所述分类的结果，对所述业务系统中用户进行情感分析；
53.业务策略模块，用于根据所述情感分析的结果和所述历史用户信息数据对所述业务系统中用户制定业务策略。
54.进一步地，所述数据获取模块还包括：
55.文本清洗子模块，用于使用预设的词库和识别规则，去除所述业务讨论文本中业务无关信息文本，得到第二业务讨论文本；
56.文本格式处理子模块，用于将所述第二业务讨论文本的字体格式修改为预设目标字体格式，得到第三业务讨论文本；
57.文本错别字子模块，用根据预设的错字库和别字库，修改所述第三业务讨论文本中的错字和别字，得到标准业务讨论文本。
58.进一步地，所述用户分类模块还包括：
59.分类模型子模块，用于获取基于贝叶斯原理预先生成的决策树分类模型；
60.文本提取子模块，用于预处理所述业务讨论文本，获得待分析文本数据；
61.正则分析子模块，用于使用正则表达式处理所述待分析文本数据，得到待确认产品属性特征词，将所述待确认产品属性特征词添加到待确认集合；
62.遍历判断子模块，用于遍历所述待确认集合，分别判断各所述待确认产品属性特征词是否存在于预设的特征词库中，若是，则将对应的待确认产品属性特征词添加到产品属性特征集合中；
63.分类用户子模块，用于将所述业务讨论文本对应的所述内容实体、所述产品属性特征集合和所述历史用户信息数据输入到所述决策树分类模型，获得用户分类的结果。
64.进一步地，所述情感分析模块包括：
65.目标信息获取子模块，用于从所述用户分类的结果中获取目标类别用户关联的内容实体以及关联的所述内容实体包含的情感词；
66.情感值预测子模块，用于根据所述情感词预测所述目标类别用户对关联的所述内容实体的情感值；
67.产品匹配子模块，用于根据关联的所述内容实体对应的产品属性特征，匹配至少一个目标产品；
68.情感分析集合子模块，用于建立所述目标类别用户、所述目标产品和所述情感值的关联关系，将所述关联关系添加到用户情感分析集合；
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，所述处理器是所述计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
83.所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述计算机装置的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、视频数据等)等。
84.所述存储器可以集成在所述处理器中，也可以与所述处理器分开设置。
85.在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中业务策略的制定方法的步骤，例如图2所示的步骤201至步骤205及该方法的其它扩展和相关步骤的延伸。或者，计算机程序被处理器执行时实现上述实施例中业务策略的制定装置的各模块/单元的功能，例如图3所示模块301至模块305的功能。为避免重复，这里不再赘述。
86.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是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非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
87.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。
88.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。