一种消费信息确定方法及装置与流程

1.本发明涉及数据处理技术领域，具体涉及一种消费信息确定方法及装置。


背景技术：

2.随着计算机技术的飞速发展，人们的支付方式发生了巨大的变化，电子支付被人们逐渐接受，并成为主流的支付方式，因此，提供可用于消费分析的消费信息尤为重要。
3.目前，消费信息中的消费类型需要通过人工的方式去核对每一笔消费，并进行归类，耗费巨大的人力工作，且耗时严重。


技术实现要素：

4.针对现有技术中的问题，本发明实施例提供一种消费信息确定方法及装置，能够至少部分地解决现有技术中存在的问题。
5.一方面，本发明提出一种消费信息确定方法，包括：
6.若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
7.其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；
8.根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
9.其中，所述消费记录数据包括消费记录的业务摘要；相应的，在所述若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息的步骤之前，通过预设消费类型分类模型对消费记录数据进行分类，得到每笔消费对应的消费类型，包括：
10.通过预设消费类型分类模型对单次消费记录的业务摘要进行分类，得到每笔消费对应的消费类型。
11.其中，所述消费记录数据包括消费记录的业务摘要；相应的，在所述若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息的步骤之前，通过预设消费类型分类模型对消费记录数据进行分类，得到每笔消费对应的消费类型，包括：
12.周期性调用所述预设消费类型分类模型，并通过所述预设消费类型分类模型对周期内的批量消费记录的业务摘要进行分类，得到每笔消费对应的消费类型。
13.其中，所述消费记录样本数据包括消费记录的业务摘要样本数据；相应的，预先通过业务摘要样本数据训练预设消费类型分类模型，包括：
14.划分包含所述业务摘要样本数据的数据集为训练数据集和测试数据集；
15.利用所述训练数据集中的业务摘要样本数据对所述语言表征模型进行训练，在满足预设训练终止条件时，利用所述测试数据集的业务摘要样本数据对训练结果进行验证；
16.若确定验证结果通过，则完成训练所述预设消费类型分类模型。
17.其中，在所述预先通过业务摘要样本数据训练预设消费类型分类模型的步骤之前，所述消费信息确定方法还包括：
18.对所述业务摘要样本数据进行预处理，得到等于预设文本长度的文本特征数值。
19.其中，所述对所述业务摘要样本数据进行预处理，得到等于预设文本长度的文本特征数值，包括：
20.对所述业务摘要样本数据进行分词处理，得到所述业务摘要样本数据对应各分词的分词特征数值；
21.根据各分词特征数值之和对应的文本长度和所述预设文本长度的比较结果，采用相应的文本长度处理方法进行处理，并得到等于预设文本长度的文本特征数值。
22.其中，所述根据各分词特征数值之和对应的文本长度和所述预设文本长度的比较结果，采用相应的文本长度处理方法进行处理，并得到等于预设文本长度的文本特征数值，包括：
23.若各分词特征数值之和对应的文本长度小于所述预设文本长度，则用零填充各分词特征数值之和对应的文本长度，得到等于预设文本长度的文本特征数值。
24.其中，所述根据各分词特征数值之和对应的文本长度和所述预设文本长度的比较结果，采用相应的文本长度处理方法进行处理，并得到等于预设文本长度的文本特征数值，包括：
25.若各分词特征数值之和对应的文本长度大于所述预设文本长度，则按照所述预设文本长度对所述各分词特征数值之和对应的文本长度进行截取；
26.对截取后不足所述预设文本长度的剩余文本长度，用零填充所述剩余文本长度，得到等于预设文本长度的文本特征数值。
27.一方面，本发明提出一种消费信息确定装置，包括：
28.获取单元，用于若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
29.其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；
30.确定单元，用于根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
31.再一方面，本发明实施例提供一种电子设备，包括：处理器、存储器和总线，其中，
32.所述处理器和所述存储器通过所述总线完成相互间的通信；
33.所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如下方法：
34.若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
35.其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；
36.根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金
额。
37.本发明实施例提供一种非暂态计算机可读存储介质，包括：
38.所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如下方法：
39.若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
40.其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；
41.根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
42.本发明实施例提供的消费信息确定方法及装置，若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额，能够确定用于消费分析的各消费类型分别对应的消费总金额，且减少人力工作和耗时。
附图说明
43.为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。在附图中：
44.图1是本发明一实施例提供的消费信息确定方法的流程示意图。
45.图2是本发明另一实施例提供的消费信息确定方法的流程示意图。
46.图3是本发明一实施例提供的消费信息确定装置的结构示意图。
47.图4为本发明实施例提供的电子设备实体结构示意图。
具体实施方式
48.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互任意组合。
49.图1是本发明一实施例提供的消费信息确定方法的流程示意图，如图1所示，本发明实施例提供的消费信息确定方法，包括：
50.步骤s1：若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
51.其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数
据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型。
52.步骤s2：根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
53.在上述步骤s1中，装置若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
54.其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型。装置可以是执行该方法的计算机设备，例如可以为服务器。需要说明是，本发明实施例涉及消费信息的获取及分析是经用户授权的。
55.预设时段可以根据实际情况自主设置，可选为1个月。消费类型可以包括教育、交通、娱乐、服装、饮食和其他等。
56.进一步地，若获取到用户执行的在预设时段内消费记录的查询动作，则获取所述用户在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；举例说明如下：
57.用户a在1个月内的消费记录为三天前打车一次，消费金额30元，一天前打车一次，消费金额50元，四天前ktv唱歌一次消费金额200元，则分别对应的消费类型和消费金额为交通-30元、交通-50元、娱乐-200元。
58.消费记录数据可以包括消费记录的业务摘要，例如上述打车对应的消费记录的业务摘要为滴滴出行。
59.通过将滴滴出行输入至预设消费类型分类模型，预设消费类型分类模型对滴滴出行进行分类，并输出消费类型为交通的输出结果。消费记录样本数据可以为有标记的消费记录样本数据，可以包括通过数字标签标记的消费记录的业务摘要样本数据。
60.参照上述举例，教育、交通、娱乐、服装、饮食和其他分别对应的数字标签为0～5。
61.可以通过对用户的消费记录数据进行命名实体识别，得到上述六类消费类型等数据。
62.可以收集训练模型使用的数据，并进行人工标记数据集的消费类型，得到业务摘要样本数据，可以以excel为载体，将第1列作为业务摘要文本描述，例如滴滴出行，将第2列作为该消费类型，例如交通，将第3列作为消费类型对应的标签，例如数字标签1。通过数字标签标记消费类型有助于深度学习模型进行学习。
63.即可以通过content[]数组表示业务摘要的文本内容，通过label[]数组表示业务摘要的文本内容对应的消费类型，并记录它们之间的对应关系。
[0064]
语言表征模型可选为bert，bert的全称为bidirectional encoder representation from transformers。
[0065]
可以获取消费记录的业务摘要，输入到训练完成的预设消费类型分类模型，得到该笔消费的消费类型。将消费时间、消费金额和消费类型作为关键字存入服务器中的数据库。
[0066]
用户查询单个时间段的消费记录，可以有多种方式选择时间段，例如输入方式分别为自主选择消费起始时间、结束时间；
[0067]
或者选择某年、某月，某年作为消费时间。以消费时间为查询条件，从数据库查询到这段时间的消费信息。
[0068]
在上述步骤s2中，装置若根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
[0069]
进一步，可以显示各消费类型分别对应的消费总金额，以响应用户的查询动作。
[0070]
参照上述举例，消费类型为交通对应的消费总金额为30元 50元＝80元；消费类型为娱乐对应的消费总金额为200元。
[0071]
参照上述举例，对从数据库查询到的消费信息按照消费类型进行汇总，并计算得出消费账单，消费账单可以包括各消费类型以及分别对应的消费总金额。
[0072]
可以通过可视化方式显示消费账单，例如通过柱状图或者饼状图进行展示。也可提供消费趋势分析，例如，用户选择两个进行对比的时间段，将两个时间段中各类消费账单进行对比，可视化输出用户较昨日，较上月或者较上年，或者较上个时间段的消费变化。
[0073]
本发明实施例提供的消费信息确定方法，若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额，能够确定用于消费分析的各消费类型分别对应的消费总金额，且减少人力工作和耗时。
[0074]
进一步地，所述消费记录数据包括消费记录的业务摘要；相应的，在所述若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息的步骤之前，通过预设消费类型分类模型对消费记录数据进行分类，得到每笔消费对应的消费类型，包括：
[0075]
通过预设消费类型分类模型对单次消费记录的业务摘要进行分类，得到每笔消费对应的消费类型。即用户每次完成消费时，通过预设消费类型分类模型对该次消费记录的业务摘要进行分类，得到每笔消费对应的消费类型。
[0076]
本发明实施例提供的消费信息确定方法，通过对单次消费记录的业务摘要进行分类，能够及时获取每笔消费对应的消费类型。
[0077]
进一步地，所述消费记录数据包括消费记录的业务摘要；相应的，在所述若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息的步骤之前，通过预设消费类型分类模型对消费记录数据进行分类，得到每笔消费对应的消费类型，包括：
[0078]
周期性调用所述预设消费类型分类模型，并通过所述预设消费类型分类模型对周期内的批量消费记录的业务摘要进行分类，得到每笔消费对应的消费类型。周期性调用预设消费类型分类模型的周期可以根据实际情况自主设置，可选为1小时。例如9点至10点之间用户a完成了两笔消费，分别为9点半通过滴滴出行打车一次，10点在快餐店吃快餐一次，则在10点调用预设消费类型分类模型，对这两笔消费记录的业务摘要进行分类，得到每笔消费对应的消费类型为交通和饮食。
[0079]
本发明实施例提供的消费信息确定方法，通过对周期内的批量消费记录的业务摘要进行分类，能够减少预设消费类型分类模型的使用次数，进而减少数据运算量。
[0080]
进一步地，所述消费记录样本数据包括消费记录的业务摘要样本数据；相应的，预
先通过业务摘要样本数据训练预设消费类型分类模型，包括：
[0081]
划分包含所述业务摘要样本数据的数据集为训练数据集和测试数据集；训练数据集和测试数据集中业务摘要样本数据的比例可以根据实际情况自主设置，可选为9：1。
[0082]
利用所述训练数据集中的业务摘要样本数据对所述语言表征模型进行训练，在满足预设训练终止条件时，利用所述测试数据集的业务摘要样本数据对训练结果进行验证；预设训练终止条件可以包括训练次数达到预设次数，预设次数可以根据实际情况自主设置，可选为32次。
[0083]
可以通过统计训练结果中的正确率占比是否达到预设百分比，来确定验证结果是否通过，预设百分比可以根据实际情况自主设置，可选为99％。例如将1万个业务摘要样本数据对应训练得到的分类结果与测试数据集中的正确分类结果进行对比验证，如果有超过9900个分类结果为正确结果，则验证结果通过。
[0084]
如果低于9900个分类结果为正确结果，则验证结果不通过，对于此情况，可以继续进行模型训练，并再次执行上述验证的步骤，不再赘述。
[0085]
若确定验证结果通过，则完成训练所述预设消费类型分类模型。可参照上述说明，不再赘述。
[0086]
在训练过程中，训练参数batch_size大小可选为256，即每次训练样本个数为256个；emb_dim可选为300，即每个词的向量维度为300；outputclass为6，即分为六个消费类型。
[0087]
本发明实施例提供的消费信息确定方法，能够保证训练完成的预设消费类型分类模型的分类精度。
[0088]
进一步地，在所述预先通过业务摘要样本数据训练预设消费类型分类模型的步骤之前，所述消费信息确定方法还包括：
[0089]
对所述业务摘要样本数据进行预处理，得到等于预设文本长度的文本特征数值。预设文本长度可以根据实际情况自主设置，可选为16个文本特征数值。
[0090]
如图2所示，所述对所述业务摘要样本数据进行预处理，得到等于预设文本长度的文本特征数值，包括：
[0091]
r1：对所述业务摘要样本数据进行分词处理，得到所述业务摘要样本数据对应各分词的分词特征数值；可以使用bert tokenizer对数据集中的每一条业务摘要样本数据进行预处理，即包括分词处理。例如对于“滴滴出行”这样的文本，使用bert嵌入和tokenizer，将文本转换成模型可以处理的数字。
[0092]
例如通过tokenizer.convert_tokens_to_ids(tokenizer.tokenize("滴滴出行"))，将会得到可以代表“滴滴出行”的文本特征数值“4016，4016，1141，7121”，上述文本特征数值的文本长度恰好等于预设文本长度16个文本特征数值，可以不作任何文本长度处理。
[0093]
参照上述举例，即“滴”对应的分词特征数值为“4016”、“出”对应的分词特征数值为“1141”、“行”对应的分词特征数值为“7121”。
[0094]
r2：根据各分词特征数值之和对应的文本长度和所述预设文本长度的比较结果，采用相应的文本长度处理方法进行处理，并得到等于预设文本长度的文本特征数值。
[0095]
若各分词特征数值之和对应的文本长度小于所述预设文本长度，则用零填充各分
词特征数值之和对应的文本长度，得到等于预设文本长度的文本特征数值。即如果各分词特征数值之和对应的文本长度为13，小于上述预设文本长度16，则可以在首个分词的分词特征数值之前填充3个零，使得填充后的各分词特征数值之和对应的文本长度等于预设文本长度。
[0096]
若各分词特征数值之和对应的文本长度大于所述预设文本长度，则按照所述预设文本长度对所述各分词特征数值之和对应的文本长度进行截取；即如果各分词特征数值之和对应的文本长度为20，大于上述预设文本长度16，则可以按照各分词特征数值的先后顺序先截取16个文本长度，后面还剩下4个文本长度的剩余文本长度。
[0097]
对截取后不足所述预设文本长度的剩余文本长度，用零填充所述剩余文本长度，得到等于预设文本长度的文本特征数值。则可以在剩余文本长度中首个分词的分词特征数值之前填充12个零，使得填充后的剩余文本长度中各分词特征数值之和对应的文本长度等于预设文本长度。
[0098]
本发明实施例提供的消费信息确定方法，通过对业务摘要样本数据进行预处理，得到等于预设文本长度的文本特征数值，能够提高模型训练的运算效率。
[0099]
进一步地，所述根据各分词特征数值之和对应的文本长度和所述预设文本长度的比较结果，采用相应的文本长度处理方法进行处理，并得到等于预设文本长度的文本特征数值，包括：
[0100]
若各分词特征数值之和对应的文本长度小于所述预设文本长度，则用零填充各分词特征数值之和对应的文本长度，得到等于预设文本长度的文本特征数值。可参照上述说明，不再赘述。
[0101]
本发明实施例提供的消费信息确定方法，进一步能够提高模型训练的运算效率。
[0102]
进一步地，所述根据各分词特征数值之和对应的文本长度和所述预设文本长度的比较结果，采用相应的文本长度处理方法进行处理，并得到等于预设文本长度的文本特征数值，包括：
[0103]
若各分词特征数值之和对应的文本长度大于所述预设文本长度，则按照所述预设文本长度对所述各分词特征数值之和对应的文本长度进行截取；可参照上述说明，不再赘述。
[0104]
对截取后不足所述预设文本长度的剩余文本长度，用零填充所述剩余文本长度，得到等于预设文本长度的文本特征数值。可参照上述说明，不再赘述。
[0105]
本发明实施例提供的消费信息确定方法，进一步能够提高模型训练的运算效率。
[0106]
本发明实施例的方法还具有如下有益效果：
[0107]
通过对用户每笔消费的消费类型进行归类，并对归类后的消费数据进行汇总，得到消费分析报表，用直观的方式向用户显示汇总结果。用户通过消费分析报表，可以看到自己在每个消费类型的支出情况，以及在总支出中的占比。方便用户了解自己的消费情况，有助于调整未来的消费习惯。
[0108]
需要说明的是，本发明实施例提供的消费信息确定方法可用于金融领域，也可用于除金融领域之外的任意技术领域，本发明实施例对消费信息确定方法的应用领域不做限定。
[0109]
图3是本发明一实施例提供的消费信息确定装置的结构示意图，如图3所示，本发
明实施例提供的消费信息确定装置，包括获取单元301和确定单元302，其中：
[0110]
获取单元301用于若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；确定单元302用于根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
[0111]
具体的，装置中的获取单元301用于若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；确定单元302用于根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
[0112]
本发明实施例提供的消费信息确定装置，若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额，能够确定用于消费分析的各消费类型分别对应的消费总金额，且减少人力工作和耗时。
[0113]
本发明实施例提供消费信息确定装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。
[0114]
图4为本发明实施例提供的电子设备实体结构示意图，如图4所示，所述电子设备包括：处理器(processor)401、存储器(memory)402和总线403；
[0115]
其中，所述处理器401、存储器402通过总线403完成相互间的通信；
[0116]
所述处理器401用于调用所述存储器402中的程序指令，以执行上述各方法实施例所提供的方法，例如包括：
[0117]
若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
[0118]
其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；
[0119]
根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
[0120]
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：
[0121]
若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
[0122]
其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；
[0123]
根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
[0124]
本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：
[0125]
若获取到在预设时段内消费记录的查询动作，则获取在所述预设时段内的消费信息；所述消费信息包括每笔消费对应的消费类型和消费金额；
[0126]
其中，所述每笔消费对应的消费类型是通过预设消费类型分类模型对消费记录数据进行分类得到的；所述预设消费类型分类模型为预先通过消费记录样本数据完成训练的语言表征模型；
[0127]
根据每笔消费对应的消费类型和消费金额，确定各消费类型分别对应的消费总金额。
[0128]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0129]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0130]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0131]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0132]
在本说明书的描述中，参考术语“一个实施例”、“一个具体实施例”、“一些实施例”、“例如”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0133]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详
细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。