基于相似度计算的可替代基金匹配方法及装置与流程

1.本技术涉及数据分析技术领域，尤其涉及一种基于相似度计算的可替代基金匹配方法及装置，还涉及用于执行该基于相似度计算的可替代基金匹配方法的设备及存储介质。


背景技术：

2.随着证券市场的快速发展，投资基金空前火爆，基金数量增长迅猛，产品呈现多元化。然而，基金数量的增多往往会使投资者在面对纷繁的基金时由于无法准确判断各类基金的相似程度，让投资者难以寻找到相似的基金来分散投资风险。另外，投资者在面对爆款基金时，也常常会造成个人投资者无法申购或者实际可购买量不足的现象，让投资者难以寻找到相似的可替代基金。目前现有的比较两个基金之间相似度的方法通常仅考虑基金的净值变动，但由于受基金在一段时间内走势的相关性影响，难以分析基金之间相似性。


技术实现要素：

3.有鉴于此，本技术实施例提供了一种基于相似度计算的可替代基金匹配方法及装置，还涉及用于执行该基于相似度计算的可替代基金匹配方法的设备及存储介质，可以准确地帮助投资者寻找到需要的可替代基金。
4.本技术实施例的第一方面提供了一种基于相似度计算的可替代基金匹配方法，包括：
5.收集目标基金预设时间段内的基金基本数据和超额收益数据；
6.按照时间维度对所述基金基本数据进行主成分分析处理，根据主成分分析结果构建所述目标基金基于时间序列的基础特征；
7.对所述目标基金的超额收益数据进行分解处理，根据分解结果构建所述目标基金基于时间序列的选股收益特征、行业配置收益特征以及互动收益特征；
8.将所述目标基金基于时间序列的基础特征、选股收益特征、行业配置收益特征以及互动收益特征进行特征合并处理，生成用于表征所述目标基金的基金特征；
9.基于所述目标基金的基金特征，计算所述目标基金与待匹配基金之间的特征相似度，根据特征相似度判断所述待匹配基金是否匹配为所述目标基金的可替代基金。
10.结合第一方面，在第一方面的第一种可能实现方式中，所述基于所述目标基金的基金特征，计算出所述目标基金与待匹配基金之间的特征相似度，根据特征相似度判断所述待匹配基金是否匹配为所述目标基金的可替代基金的步骤之前，还包括：
11.获取目标基金对应的行业分类信息和持仓信息；
12.根据所述目标基金对应的持仓信息确定所述目标基金对应的最大权重行业；
13.根据所述目标基金对应的行业分类信息和最大权重行业，从业务系统的所有基金中选取第一预设数量个基金作为待匹配基金。
14.结合第一方面的第一种可能实现方式，在第一方面的第二种可能实现方式中，所
述根据所述目标基金对应的行业分类信息和最大权重行业，从业务系统的所有基金中选取第一预设数量个基金作为待匹配基金的步骤之后，还包括：
15.基于所述目标基金的基金特征，计算所述目标基金分别与所述第一预设数量个待匹配基金中各待匹配基金之间的特征相似度；
16.将所述各个待匹配基金与所述目标基金之间的特征相似度分别与预设的特征相似度阈值进行比较，筛选出特征相似度大于预设相似度阈值的第二预设数量个待匹配基金并按照特征相似度大小对所述第二预设数量个待匹配基金进行排序，获得所述目标基金的可替代基金列表。
17.结合第一方面，在第一方面的第三种可能实现方式中，所述按照时间维度对所述基金基本数据进行主成分分析处理，根据主成分分析结果构建所述目标基金基于时间序列的基础特征的步骤中，所述时间维度包括如下至少两个维度：年维度、季维度、月维度、周维度、日维度。
18.结合第一方面，在第一方面的第四种可能实现方式中，所述按照时间维度对所述基金基本数据进行主成分分析处理，根据主成分分析结果构建所述目标基金基于时间序列的基础特征的步骤中，所述基金基本数据包括持仓数据、收益数据、风险数据、调整后的收益数据、基金经理数据中的一种或多种数据。
19.本技术实施例的第二方面提供了一种基于相似度计算的可替代基金匹配装置，所述基于相似度计算的可替代基金匹配装置包括：
20.收集模块，用于收集目标基金预设时间段内的基金基本数据和超额收益数据；
21.第一构建模块，用于按照时间维度对所述基金基本数据进行主成分分析处理，根据主成分分析结果构建所述目标基金基于时间序列的基础特征；
22.第二构建模块，用于对所述目标基金的超额收益数据进行分解处理，根据分解结果构建所述目标基金基于时间序列的选股收益特征、行业配置收益特征以及互动收益特征；
23.生成模块，用于将所述目标基金基于时间序列的基础特征、选股收益特征、行业配置收益特征以及互动收益特征进行特征合并处理，生成用于表征所述目标基金的基金特征；
24.计算模块，用于基于所述目标基金的基金特征，计算出所述目标基金与待匹配基金之间的特征相似度，根据特征相似度判断所述待匹配基金是否匹配为所述目标基金的可替代基金。
25.结合第二方面，在第二方面的第一种可能实现方式中，所述基于相似度计算的可替代基金匹配装置还包括：
26.第一获取子模块，用于获取目标基金对应的行业分类信息和持仓信息；
27.第一确定子模块，用于根据所述目标基金对应的持仓信息确定所述目标基金对应的最大权重行业；
28.第一选取子模块，用于根据所述目标基金对应的行业分类信息和最大权重行业，从业务系统的所有基金中选取第一预设数量个基金作为待匹配基金。
29.结合第二方面，在第二方面的第二种可能实现方式中，所述基于相似度计算的可替代基金匹配装置还包括：
30.第一计算子模块，用于基于所述目标基金的基金特征，计算所述目标基金分别与所述第一预设数量个待匹配基金中各待匹配基金之间的特征相似度；
31.第二获取子模块，用于将所述各个待匹配基金与所述目标基金之间的特征相似度分别与预设的特征相似度阈值进行比较，筛选出特征相似度大于预设相似度阈值的第二预设数量个待匹配基金并按照特征相似度大小对所述第二预设数量个待匹配基金进行排序，获得所述目标基金的可替代基金列表。
32.本技术实施例的第三方面提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在电子设备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第一方面提供的基于相似度计算的可替代基金匹配方法的各步骤。
33.本技术实施例的第四方面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第一方面提供的基于相似度计算的可替代基金匹配方法的各步骤。
34.本技术实施例提供的一种基于相似度计算的可替代基金匹配方法、装置、电子设备及存储介质，具有以下有益效果：
35.本技术通过收集目标基金预设时间段内的基金基本数据和超额收益数据，按照时间维度分析基金基本数据来获得基金基于时间序列的基础特征，将基金的超额收益数据按照选股收益、行业配置收益以及互动收益进行分解得到三种收益数据，然后按照时间维度分析构建得到基金基于时间序列的选股收益特征、行业配置收益特征以及互动收益特征，进而再结合基础特征、选股收益特征、行业配置收益特征以及互动收益特征来构建获得用于表征基金的基金特征。该基金特征信息全面、丰富，通过该基金特征来计算目标基金与待匹配基金之间的特征相似度，可以更为准确地判断目标基金与待匹配基金之间的相似性，从而可以更好地帮助投资者寻找到需要的可替代基金以及更好地进行资产风险配置，分散投资风险。
附图说明
36.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。
37.图1为本技术实施例提供的一种基于相似度计算的可替代基金匹配方法的实现流程图；
38.图2为本技术实施例提供的基于相似度计算的可替代基金匹配方法中选取待匹配基金时的一种方法流程图；
39.图3为本技术实施例提供的基于相似度计算的可替代基金匹配方法中匹配可替代基金时的一种方法流程示意图；
40.图4为本技术实施例提供的一种基于相似度计算的可替代基金匹配装置的基础结构框图；
41.图5为本技术实施例提供的基于相似度计算的可替代基金匹配装置的第一种细化结构框图；
42.图6为本技术实施例提供的基于相似度计算的可替代基金匹配装置的第二种细化结构框图；
43.图7为本技术实施例提供的一种电子设备的基本结构框图。
具体实施方式
44.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
45.请参阅图1，图1为本技术实施例提供的一种基于相似度计算的可替代基金匹配方法的实现流程图。详述如下：
46.s11：收集目标基金预设时间段内的基金基本数据和超额收益数据。
47.本实施例中，基金基本数据可以表示为多项与基金交易相关的数据。基金基本数据包括但不限于持仓数据、收益数据、风险数据、调整后的收益数据、基金经理数据等多项数据。超额收益数据具体可以表示为超额收益率，即超过正常(或预期)收益率的收益率，超额收益率＝基金当日的收益率-投资者(或市场)当日要求的正常(或预期)收益率。在本实施例中，通过预设数据收集的时间段区间，然后按照预设的时间段区间，从目标基金过往的业务数据中收集该时间段区间内所对应的基金基本数据和超额收益数据。
48.s12：按照时间维度对所述基金基本数据进行主成分分析处理，根据主成分分析结果构建所述目标基金基于时间序列的基础特征。
49.本实施例中，通过将各项基金基本数据分别按照时间顺序排列，可以得到各项数据对应的时间序列数据。针对每项数据对应的时间序列数据，按照不同的时间维度对数据进行特征提取，可以得到多个不同时间维度的特征。在本实施例中，时间维度包括如下至少两个维度：年维度、季维度、月维度、周维度、日维度。示例性的，以持仓数据为例，按照不同的时间维度进行特征提取，可以获得在该设定一个时间区间内，按年维度统计持仓数据的特征、按季维度统计持仓数据的特征、按月维度统计持仓数据的特征、按周维度统计持仓数据的特征、按日维度统计持仓数据的特征，以此得到持仓数据多个不同时间维度的特征。
50.在本实施例中，每一项数据都对应获得多个不同时间维度的特征后，将每一项数据分别作为一个成分，将各项数据的多个不同时间维度的特征作为成分因子进行整合，可以得到一个数据矩阵。具体地，假设有n项数据，m种时间维度，则可以整合获得一个n
×
m的高维数据矩阵。在本实施例中，获得数据矩阵后，计算该数据矩阵的协方差矩阵，通过协方差矩阵求解出数据矩阵中各成分不同时间维度的特征向量，选择每一个成分中的最大特征向量(即方差最大)组成一个1*n的特征向量矩阵，以此实现按照时间维度对基金基本数据进行主成分分析处理，将该1*n的特征向量矩阵构建为目标基金基于时间序列的基础特征。在本实施例中，通过该特征向量矩阵，可以从基金基本数据的角度反映目标基金的特征。示例性的，在本实施例中，基于该n
×
m的高维特征矩阵，表示n项数据中，每项数据需要进行主成分分析的维度变量有m个，在该n
×
m的高维特征矩阵中，第i项数据的第j维变量的特征取值为x
ij
。在进行主成分分析时，首先将n
×
m的高维特征矩阵中各个特征取值x
ij
进行标准化计算，获得协方差矩阵，具体标准化计算公式如下：
[0051][0052]
其中，表示为第j维变量的特征平均值,即：sj表示为第j维变量的特征标准差，即：
[0053]
通过标准化计算获得协方差矩阵后，基于该协方差矩阵，计算协方差矩阵中两个变量(指标变量和维度变量)之间的皮尔逊相关系数r，得到相关系数矩阵。其中，皮尔逊相关系数r定义为两个变量的协方差除以该两个变量的标准差乘积的1/2次方。可以理解的是，r
ij
＝r
ji
，r
ij
表示为第i项数据变量与第j个维度变量之间的相关系数。获得相关系数矩阵后，通过雅可比法求解出矩阵中各成分的特征值及其对应的特征向量。最后，选择每一行特征值最大(即方差最大)的特征所对应的特征向量组成一个1*n的特征向量矩阵。该1*n的特征向量矩阵即为待评估基金的基础特征。
[0054]
s13：对所述目标基金的超额收益数据进行分解处理，根据分解结果构建所述目标基金基于时间序列的选股收益特征、行业配置收益特征以及互动收益特征。
[0055]
本实施例中，目标基金的超额收益数据为预先设定的时间段区间中终止时间的超额收益减去起始时间的超额收益。收集到目标基金的超额收益数据后，通过采用业绩归因算法模型，按照收益来源对超额收益数据进行分解，得到选股收益数据、行业配置收益数据和互动收益数据三个收益数据。针对每一个分解得到的收益数据，按照不同的时间维度对收益数据进行特征提取，获得各收益数据在不同时间维度下所对应的特征，通过对各收益数据在不同时间维度下所对应的特征进行主成分分析处理，构建获得各收益数据基于时间序列的收益特征。在本实施例中，根据分解得到的三个收益数据，可以对应获得选股收益特征、行业配置收益特征以及互动收益特征三个基于时间序列的收益特征。在本实施例中，通过该三个收益特征，可以从超额收益数据的角度反映目标基金的特征。
[0056]
在本实施例中，选股收益是指在资产类别(或行业板块)内部，超配或者低配个股带来的超额收益，计算公式为：行业配置收益是指超配或者低配资产类别(或行业板块)带来的超额收益，计算公式为：互动收益是指超配有正向选股能力的资产类别(或板块)、低配负向选股能力的资产类别(或行业板块)带来的超额收益，计算公式为：其中，基金中股票权重表示为w
p,i
；基准资产股票权重表示为w
b,i
；基金的资产收益表示为r
p,i
；基准资产收益表示为r
b,i
。
[0057]
s14：将所述目标基金基于时间序列的基础特征、选股收益特征、行业配置收益特征以及互动收益特征进行特征合并处理，生成用于表征所述目标基金的基金特征。
[0058]
本实施例中，获得目标基金基于时间序列的基础特征、选股收益特征、行业配置收益特征以及互动收益特征后，可以将基础特征、选股收益特征、行业配置收益特征以及互动收益特征进行特征合并处理，从而合并生成一个包含有该目标基金基础特征、选股收益特征、行业配置收益特征以及互动收益特征的特征矩阵。该合并生成的特征矩阵即为用于表
征该目标基金的基金特征。在本实施例中，具体可以matlab矩阵拼接的方式将该基础特征、选股收益特征、行业配置收益特征以及互动收益特征四个特征进行特征合并。matlab矩阵拼接包括横向拼接和纵向拼接，本实施例可以指定一个方向进行矩阵拼接。示例性的，若目标基金的基础特征表示为1*n的特征矩阵、选股收益特征表示为1*1的特征矩阵、行业配置收益特征表示为1*1的特征矩阵以及互动收益特征表示为1*1的特征矩阵，那么，通过将该四个特征进行合并处理后，获得的基金特征则表示为一个1*(n 3)的特征矩阵。
[0059]
s15：基于所述目标基金的基金特征，计算出所述目标基金与待匹配基金之间的特征相似度，根据特征相似度判断所述待匹配基金是否匹配为所述目标基金的可替代基金。
[0060]
本实施例中，生成目标基金的基金特征后，采用相同的方式生成待匹配基金的基金特征。然后，采用余弦相似度算法比对目标基金的基金特征和待匹配基金的基金特征，计算出目标基金与待匹配基金之间的特征相似度，通过该特征相似度来反映目标基金与待匹配基金之间的相似性。在本实施例中，通过预设一个相似度阈值，将计算出的特征相似度与相似度阈值进行比较，若特征相似度大于相似度阈值，则判断待匹配基金匹配为目标基金的可替代基金。
[0061]
以上可以看出，本实施例提供的基于相似度计算的可替代基金匹配方法通过收集目标基金预设时间段内的基金基本数据和超额收益数据，按照时间维度分析基金基本数据来获得基金基于时间序列的基础特征，将基金的超额收益数据按照选股收益、行业配置收益以及互动收益进行分解得到三种收益数据，然后按照时间维度分析构建得到基金基于时间序列的选股收益特征、行业配置收益特征以及互动收益特征，进而再结合基础特征、选股收益特征、行业配置收益特征以及互动收益特征来构建获得用于表征基金的基金特征。该基金特征信息全面、丰富，通过该基金特征来计算目标基金与待匹配基金之间的特征相似度，可以更为准确地判断目标基金与待匹配基金之间的相似性，从而可以更好地帮助投资者寻找到需要的可替代基金以及更好地进行资产风险配置，分散投资风险。
[0062]
本技术的一些实施例中，请参阅图2，图2为本技术实施例提供的基于相似度计算的可替代基金匹配方法中选取待匹配基金时的一种方法流程图。详细如下：
[0063]
s21：获取目标基金对应的行业分类信息和持仓信息；
[0064]
s22：根据所述目标基金对应的持仓信息确定所述目标基金对应的最大权重行业；
[0065]
s23：根据所述目标基金对应的行业分类信息和最大权重行业，从业务系统的所有基金中选取第一预设数量个基金作为待匹配基金。
[0066]
本实施例中，通过查询申万一级行业分类表获得目标基金对应的行业分类信息，通过数据采集获取目标基金的持仓信息。获得目标基金对应的行业分类信息和持仓信息后，根据持仓信息确定目标基金对应的最大权重行业。具体地，根据持仓信息可以获取目标基金中的所有持仓产品，根据各持仓产品所在行业，可以将目标基金映射到对应的行业中，将各持仓产品在目标基金中所占的持仓比表示为各持仓产品所在的行业在目标基金中的权重。以此，将持仓比最大的持仓产品所在的行业确定为目标基金对应的最大权重行业。进而，根据目标基金对应的行业分类信息和最大权重行业，从业务系统所具有的所有基金中选取第一预设数量个与该目标基金对应的行业分类信息和最大权重行业相匹配的基金作为用于与目标基金进行可替代基金匹配处理的待匹配基金。
[0067]
本技术的一些实施例中，请参阅图3，图3为本技术实施例提供的基于相似度计算
的可替代基金匹配方法中匹配可替代基金时的一种方法流程示意图。
[0068]
详细如下：
[0069]
s31：基于所述目标基金的基金特征，计算所述目标基金分别与所述第一预设数量个待匹配基金中各待匹配基金之间的特征相似度；
[0070]
s32：将所述各个待匹配基金与所述目标基金之间的特征相似度分别与预设的特征相似度阈值进行比较，筛选出特征相似度大于预设相似度阈值的第二预设数量个待匹配基金并按照特征相似度大小对所述第二预设数量个待匹配基金进行排序，获得所述目标基金的可替代基金列表。
[0071]
本实施例中，从业务系统中选取得到的第一预设数量个待匹配基金后，采用与用于生成目标基金的基金特征相同的方法对各待匹配基金进行特征生成处理，获得各待匹配基金各自对应的基金特征。基于目标基金的基金特征，通过将目标基金的基金特征与各待匹配基金的基金特征分别进行特征相似度计算，计算出目标基金与各待匹配基金之间的特征相似度。进而，通过将各个待匹配基金与目标基金之间的特征相似度分别与预设的特征相似度阈值进行比较，从而筛选出特征相似度大于预设相似度阈值的第二预设数量个待匹配基金。按照特征相似度大小对第二预设数量个待匹配基金进行排序，由此获得目标基金的可替代基金列表，即该可替代基金列表中记录的待匹配基金均可匹配为目标基金的可替代基金。
[0072]
可以理解的是，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。
[0073]
本技术的一些实施例中，请参阅图4，图4为本技术实施例提供的一种基于相似度计算的可替代基金匹配装置的基础结构框图。本实施例中该装置包括的各单元用于执行上述方法实施例中的各步骤。具体请参阅上述方法实施例中的相关描述。为了便于说明，仅示出了与本实施例相关的部分。如图4所示，基于相似度计算的可替代基金匹配装置包括：收集模块41、第一构建模块42、第二构建模块43、生成模块44以及计算模块45。其中：所述收集模块41用于收集目标基金预设时间段内的基金基本数据和超额收益数据。所述第一构建模块42用于按照时间维度对所述基金基本数据进行主成分分析处理，根据主成分分析结果构建所述目标基金基于时间序列的基础特征。所述第二构建模块43用于对所述目标基金的超额收益数据进行分解处理，根据分解结果构建所述目标基金基于时间序列的选股收益特征、行业配置收益特征以及互动收益特征。所述生成模块44用于将所述目标基金基于时间序列的基础特征、选股收益特征、行业配置收益特征以及互动收益特征进行特征合并处理，生成用于表征所述目标基金的基金特征。所述计算模块45用于基于所述目标基金的基金特征，计算出所述目标基金与待匹配基金之间的特征相似度，根据特征相似度判断所述待匹配基金是否匹配为所述目标基金的可替代基金。
[0074]
本技术的一些实施例中，请参阅图5，图5为本技术实施例提供的基于相似度计算的可替代基金匹配装置的第一种细化结构框图。如图5所示，所述基于相似度计算的可替代基金匹配装置还包括：第一获取子模块51、第一确定子模块52和第一选取子模块53。其中，所述第一获取子模块51用于获取目标基金对应的行业分类信息和持仓信息。所述第一确定子模块52用于根据所述目标基金对应的持仓信息确定所述目标基金对应的最大权重行业。
所述第一选取子模块53用于根据所述目标基金对应的行业分类信息和最大权重行业，从业务系统的所有基金中选取第一预设数量个基金作为待匹配基金。
[0075]
本技术的一些实施例中，请参阅图6，图6为本技术实施例提供的基于相似度计算的可替代基金匹配装置的第二种细化结构框图。如图6所示，所述基于相似度计算的可替代基金匹配装置还包括：第一计算子模块61和第二获取子模块62。其中，所述第一计算子模块61用于基于所述目标基金的基金特征，计算所述目标基金分别与所述第一预设数量个待匹配基金中各待匹配基金之间的特征相似度。所述第二获取子模块62用于将所述各个待匹配基金与所述目标基金之间的特征相似度分别与预设的特征相似度阈值进行比较，筛选出特征相似度大于预设相似度阈值的第二预设数量个待匹配基金并按照特征相似度大小对所述第二预设数量个待匹配基金进行排序，获得所述目标基金的可替代基金列表。
[0076]
应当理解的是，上述基于相似度计算的可替代基金匹配装置，与上述的基于相似度计算的可替代基金匹配方法一一对应，此处不再赘述。
[0077]
本技术的一些实施例中，请参阅图7，图7为本技术实施例提供的一种电子设备的基本结构框图。如图7所示，该实施例的电子设备7包括：处理器71、存储器72以及存储在所述存储器72中并可在所述处理器71上运行的计算机程序73，例如基于相似度计算的可替代基金匹配方法的程序。处理器71执行所述计算机程序73时实现上述各个基于相似度计算的可替代基金匹配方法各实施例中的步骤。或者，所述处理器71执行所述计算机程序73时实现上述基于相似度计算的可替代基金匹配装置对应的实施例中各模块的功能。具体请参阅实施例中的相关描述，此处不赘述。
[0078]
示例性的，所述计算机程序73可以被分割成一个或多个模块(单元)，所述一个或者多个模块被存储在所述存储器72中，并由所述处理器71执行，以完成本技术。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序73在所述电子设备7中的执行过程。例如，所述计算机程序73可以被分割成收集模块、第一构建模块、第二构建模块、生成模块以及计算模块，各模块具体功能如上所述。
[0079]
所述电子设备可包括，但不仅限于，处理器71、存储器72。本领域技术人员可以理解，图7仅仅是电子设备7的示例，并不构成对电子设备7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，例如所述电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0080]
所述处理器71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。
[0081]
所述存储器72可以是所述电子设备7的内部存储单元，例如电子设备7的硬盘或内存。所述存储器72也可以是所述电子设备7的外部存储设备，例如所述电子设备7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72还可以既包括所述电子设备7的内部存储单元也包括外部存储设备。所述存储器72用于存储所述计算机程序以及所述电子设备所需的
其他程序和数据。所述存储器72还可以用于暂时地存储已经输出或者将要输出的数据。
[0082]
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。
[0083]
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。在本实施例中，所述计算机可读存储介质可以是非易失性，也可以是易失性。
[0084]
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移动终端上运行时，使得移动终端执行时实现可实现上述各个方法实施例中的步骤。
[0085]
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。
[0086]
所述集成的模块/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，也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可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、u盘、移动硬盘、磁碟、光盘、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等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
[0087]
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。
[0088]
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。