基于用户画像的消费推荐方法、装置、设备及存储介质与流程

1.本发明涉及人工智能技术领域，尤其涉及一种基于用户画像的消费推荐方法、装置、设备及存储介质。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.随着网络信息现代化的发展，银行的客户量也不断地增长，每日的交易数据量也更加巨大。在用户产生大量数据以及大数据相关技术把处理海量数据变为可行的前提下，如何发现数据中的价值，提升服务质量是本领域广泛关注的问题。然而，现有技术中大多是通过对用户的历史消费行为进行分析，然后构建用户的消费模型，从而为用户进行消费推荐，但历史消费行为中的某些消费对用户来说可能仅是一次性消费，若仍将一次性消费对应的产品推荐给用户，对用户来说即为垃圾信息，影响用户的消费体验。例如用户购买了某些产品，在后续很长一段时间内该用户不需要再次购买该产品，继续为用户推荐该产品将严重影响用户的消费体验。
4.现在亟需一种基于用户画像的消费推荐方法，从而解决现有的利用消费模型进行消费推荐的方法中存在对一次性消费的推荐，影响用户的消费体验的问题。


技术实现要素：

5.为解决现有技术中存在的问题，本发明实施例提供了一种基于用户画像的消费推荐方法、装置、设备及存储介质，能够避免一次性消费产品的推荐，解决现有技术中利用消费模型进行消费推荐的方法中存在对一次性消费的推荐，影响用户的消费体验的问题。
6.为了解决上述技术问题，本文的具体技术方案如下：
7.一方面，本发明实施例提供一种基于用户画像的消费推荐方法，包括：
8.获取目标用户的结构化数据和非结构化数据，形成源数据；
9.按照多个维度对所述结构化数据进行标签化，得到所述源数据的属性标签；
10.对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据；
11.对过滤所述一次性产品数据后的所述非结构化数据进行标签化，得到所述源数据的消费标签；
12.根据所述属性标签和所述消费标签生成所述目标用户的用户画像；
13.根据所述用户画像对所述目标用户进行消费推荐。
14.进一步地，所述非结构化数据中包括消费产品；
15.对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据进一步包括，
16.采用第一聚类算法根据所述非结构化数据的每一所述消费产品的类别对各所述消费产品进行聚类分群，得到多个消费产品集；
17.根据所述消费产品集的类别以及预设一次性产品类别列表，在所述多个消费产品集中选择第一一次性产品集；
18.在所述非结构化数据中过滤所述第一一次性产品集中的产品对应的数据。
19.进一步地，所述非结构化数据中还包括所述目标用户的浏览产品；
20.对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据进一步包括，
21.根据所述浏览产品以及所述消费产品，在所述浏览产品中确定一次性产品；
22.在所述非结构化数据中过滤所述一次性产品对应的数据。
23.进一步地，根据所述浏览产品以及所述消费产品，在所述浏览产品中确定所述一次性产品进一步包括，
24.采用第二聚类算法根据所述浏览产品的类别对各所述浏览产品进行聚类分群，得到多个浏览产品集；
25.根据所述浏览产品集类别以及所述预设一次性产品类别列表，在所述多个浏览产品集中选择第二一次性产品集；
26.判断每个所述消费产品的类别与所述第二一次性产品集的类别是否相同；
27.若存在至少一个所述消费产品的类别与所述第二一次性产品集的类别相同，则判断在所述消费产品的消费时间之后，所述目标用户是否浏览了与所述消费产品的类别相同的浏览产品，若否，则将所述第二一次性产品集中的产品作为所述一次性产品。
28.进一步地，根据所述用户画像对所述目标用户进行消费推荐进一步包括，
29.根据用户画像之间的相似度以及预设门限值，将多个用户中与所述目标用户的用户画像的相似度超过所述预设门限值的用户，作为参考用户；
30.根据所述参考用户的一次性产品数据以及所述目标用户的消费数据对所述目标用户进行消费推荐。
31.进一步地，根据所述参考用户的一次性产品数据以及所述目标用户的消费数据对所述目标用户进行消费推荐进一步包括，
32.判断所述目标用户的多个消费数据对应的多个消费产品中的任意一个消费产品的类别是否与所述参考用户的一次性产品数据对应的产品的类别相同；
33.若否，则将所述参考用户的一次性产品数据对应的产品的类别作为推荐产品类别，并将属于所述推荐产品类别的产品推荐给所述目标用户。
34.进一步地，根据所述用户画像对所述目标用户进行消费推荐进一步包括，
35.在产品列表中确定与所述用户画像对应的属性标签以及消费标签相匹配的产品，作为推荐消费产品；
36.将所述推荐消费产品推荐给所述目标用户。
37.另一方面，本发明实施例还提供了一种基于用户画像的消费推荐装置，包括：
38.数据获取单元，用于获取目标用户的结构化数据和非结构化数据，形成源数据；
39.属性标签生成单元，用于按照多个维度对所述结构化数据进行标签化，得到所述源数据的属性标签；
40.非结构化数据过滤单元，用于对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据；
41.消费标签生成单元，用于对过滤所述一次性产品数据后的所述非结构化数据进行标签化，得到所述源数据的消费标签；
42.用户画像生成单元，用于根据所述属性标签和所述消费标签生成所述目标用户的用户画像；
43.消费推荐单元，用于根据所述用户画像对所述目标用户进行消费推荐。
44.另一方面，本发明实施例还提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在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方法。
45.另一方面，本发明实施例还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有计算机程序，所述计算机程序被处理器执行时实现上述方法。
46.最后，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述方法。
47.本发明实施例中，首先获取目标用户的结构化数据和非结构化数据，形成源数据，其中结构化数据可以包括目标用户的年龄、性别、婚否等，非结构化数据可以包括目标用户的消费产品、浏览产品、消费时间、消费金额等消费信息。然后按照多个维度对结构化数据进行标签化，得到源数据的属性标签，属性标签可以包括目标用户的年龄标签、性别标签、婚否标签，然后在对非结构化数据进行分析，过滤掉非结构化数据中的一次性产品数据，一次性产品数据可以表示目标用户已消费且短期内不需要再次消费的产品的数据，然后再对过滤一次性产品数据后的非结构化数据进行标签化，得到源数据的消费标签，再根据包括目标用户的年龄标签、性别标签等的属性标签以及过滤掉一次性产品数据的消费标签，生成目标用户的用户画像，从而根据用户画像对目标用户进行消费推荐。通过本发明实施例的方法，由于在目标用户的非结构化数据中去除了一次性产品数据，在根据用户画像对目标用户进行消费推荐时，避免了一次性消费产品的推荐，解决现有技术中利用消费模型进行消费推荐的方法中存在对一次性消费的推荐，影响用户的消费体验的问题。
附图说明
48.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：
49.图1为本发明实施例中一种基于用户画像的消费推荐方法的实施系统示意图；
50.图2为本发明实施例中一种基于用户画像的消费推荐方法的流程示意图；
51.图3为本发明实施例中对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据的过程；
52.图4为本发明实施例中对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据的过程；
53.图5为本发明实施例中根据所述用户画像对所述目标用户进行消费推荐的过程；
54.图6为本发明实施例中一种基于用户画像的消费推荐装置的结构示意图；
55.图7为本发明实施例计算机设备的结构示意图。
56.附图符号说明：
57.101、终端；
58.102、服务器；
59.601、数据获取单元；
60.602、属性标签生成单元；
61.603、非结构化数据过滤单元；
62.604、消费标签生成单元；
63.605、用户画像生成单元；
64.606、消费推荐单元；
65.702、计算机设备；
66.704、处理设备；
67.706、存储资源；
68.708、驱动机构；
69.710、输入/输出模块；
70.712、输入设备；
71.714、输出设备；
72.716、呈现设备；
73.718、图形用户接口；
74.720、网络接口；
75.722、通信链路；
76.724、通信总线。
具体实施方式
77.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。
78.需要说明的是，本文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，以便这里描述的本文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、装置、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。
79.需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
80.如图1所示为本发明实施例一种基于用户画像的消费推荐方法的实施系统示意图，可以包括终端101和服务器102，所述终端101与服务器102之间建立通信连接，能够实现数据的交互。终端101上有对应获取目标用户的结构化数据和非结构化数据的接口，将获取
到的目标用户的结构化数据和非结构化数据发送给服务器102，服务器102对目标用户的结构化数据和非结构化数据进行分析处理，生成目标用户的用户画像，然后根据生成的用户画像目标用户确定为目标用户推荐的消费产品，将消费产品发送给终端101，以使终端101将推荐的消费产品展示给目标用户，供目标用户选择。
81.在本说明书实施例中，所述服务器102上可以部署有处理相关业务的服务器，其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、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(cdn,content delivery network)、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。
82.在一个可选的实施例中，终端101可以包括但不限于智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(ar,augmented reality)/虚拟现实(vr,virtual reality)设备、智能可穿戴设备等类型的电子设备。可选的，电子设备上运行的操作系统可以包括但不限于安卓系统、ios系统、linux、windows等。
83.此外，需要说明的是，图1所示的仅仅是本公开提供的一种应用环境，在实际应用中，还可以包括其他应用环境，本说明书不做限制。
84.为了解决现有技术中存在的问题，本发明实施例提供了一种基于用户画像的消费推荐方法，能够避免一次性消费产品的推荐，解决现有技术中利用消费模型进行消费推荐的方法中存在对一次性消费的推荐，影响用户的消费体验的问题。图2所示为本发明实施例一种基于用户画像的消费推荐方法的流程示意图。在本图中描述了对目标用户进行消费推荐的过程，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或装置产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。具体的如图2所示，由服务器执行，所述方法可以包括：
85.步骤201：获取目标用户的结构化数据和非结构化数据，形成源数据；
86.步骤202：按照多个维度对所述结构化数据进行标签化，得到所述源数据的属性标签；
87.步骤203：对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据；
88.步骤204：对过滤所述一次性产品数据后的所述非结构化数据进行标签化，得到所述源数据的消费标签；
89.步骤205：根据所述属性标签和所述消费标签生成所述目标用户的用户画像；
90.步骤206：根据所述用户画像对所述目标用户进行消费推荐。
91.通过本发明实施例的方法，首先获取目标用户的结构化数据和非结构化数据，形成源数据，其中结构化数据可以包括目标用户的年龄、性别、婚否等，非结构化数据可以包括目标用户的消费产品、浏览产品、消费时间、消费金额等消费信息。然后按照多个维度对结构化数据进行标签化，得到源数据的属性标签，属性标签可以包括目标用户的年龄标签、性别标签、婚否标签，然后在对非结构化数据进行分析，过滤掉非结构化数据中的一次性产品数据，一次性产品数据可以表示目标用户已消费且短期内不需要再次消费的产品的数据，然后再对过滤一次性产品数据后的非结构化数据进行标签化，得到源数据的消费标签，
再根据包括目标用户的年龄标签、性别标签等的属性标签以及过滤掉一次性产品数据的消费标签，生成目标用户的用户画像，从而根据用户画像对目标用户进行消费推荐。通过本发明实施例的方法，由于在目标用户的非结构化数据中去除了一次性产品数据，在根据用户画像对目标用户进行消费推荐时，避免了一次性消费产品的推荐，解决现有技术中利用消费模型进行消费推荐的方法中存在对一次性消费的推荐，影响用户的消费体验的问题。
92.在本发明实施例中，对结构化数据进行标签化的多个维度可以与结构化数据中的每一数据的类型对应，例如，按照年龄、性别、婚姻状况等多个维度对结构化数据进行标签化，得到属性标签。非结构化数据中可以包括消费数据，一次性产品可以表示用户已消费过且短期内不需要再次消费的产品，可以对消费数据中目标用户针对每一消费产品的消费频率确定一次性产品，然后在非结构化数据中过滤掉一次性产品数据，然后再对过滤掉一次性产品数后的非结构化数据进行标签化，得到消费标签，消费标签可以包括目标用户的消费产品类型、消费金额等。最后生成包括目标用户的年龄标签、性别标签、婚姻状况标签等的属性标签以及消费产品类型、消费金额等的消费标签的用户画像。
93.在本发明实施例中，根据目标用户的每一消费产品的消费频率确定的一次性产品的方法可能存在一定的偏差，例如目标用户可能虽针对某些产品的使用频率较低，但该产品却为目标用户的刚需产品，此外，对消费频率进行判断的阈值也不容易确定。因此，根据本发明的一个实施例，如图3所示，步骤203中对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据的过程进一步包括，
94.步骤301：采用第一聚类算法根据所述非结构化数据的每一所述消费产品的类别对各所述消费产品进行聚类分群，得到多个消费产品集；
95.步骤302：根据所述消费产品集的类别以及预设一次性产品类别列表，在所述多个消费产品集中选择第一一次性产品集；
96.步骤303：在所述非结构化数据中过滤所述第一一次性产品集中的产品对应的数据。
97.在本发明实施例中，首先根据消费产品的类别对非结构化数据中的消费产品进行聚类，得到多个消费产品集，然后再根据消费产品集的类别以及预设一次性消费类别列表，确定哪些消费产品集为第一一次性产品集，该第一一次性产品集中的产品对应的数据即为一次性产品数据，从而在非结构化数据中过滤第一一次性产品集中的产品对应的数据。通过如图3所示的方法，由于根据消费产品类别对消费产品进行聚类，再根据得到的消费产品集的类别以及预设一次性产品类别列表确定哪些消费产品集属于第一一次性产品集，相比于根据消费产品的消费频率确定一次性产品的方法，解决了消费频率的阈值确定较为困难并且确定的一次性产品存在一定的偏差的问题。
98.在现有的消费产品推荐方法中，大多根据用户浏览过的产品进行消费推荐，例如用户浏览过产品a，则将产品a的类别对应的多个产品推荐给目标用户，但当用户购买过产品a后，仍会将产品a的类别对应的多个产品推荐给用户，只有当用户对产品a的类别对应的产品的浏览频率降低后，才不向用户推荐产品a的类别对应的产品。在此之前，大量的产品a的类别对应的产品将给用户带来一定的不便。因此，针对上述情况，根据本发明的一个实施例，如图4所示，步骤203对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据的过程进一步包括，
99.步骤401：根据所述浏览产品以及所述消费产品，在所述浏览产品中确定一次性产品；
100.步骤402：在所述非结构化数据中过滤所述一次性产品对应的数据。
101.在本发明实施例中，根据用户浏览过的产品以及消费过的产品，在浏览过的产品中确定一次性产品，从而在用户浏览过的产品中过滤掉一次性产品，在根据用户浏览过的茶产品向用户进行消费推荐时，不再推荐已经过滤掉的一次性产品的类别对应的产品，从而提升了用户的消费体验。
102.根据本发明的一个实施例，步骤401根据所述浏览产品以及所述消费产品，在所述浏览产品中确定所述一次性产品进一步包括，
103.采用第二聚类算法根据所述浏览产品的类别对各所述浏览产品进行聚类分群，得到多个浏览产品集；
104.根据所述浏览产品集类别以及所述预设一次性产品类别列表，在所述多个浏览产品集中选择第二一次性产品集；
105.判断每个所述消费产品的类别与所述第二一次性产品集的类别是否相同；
106.若存在至少一个所述消费产品的类别与所述第二一次性产品集的类别相同，则判断在所述消费产品的消费时间之后，所述目标用户是否浏览了与所述消费产品的类别相同的浏览产品，若否，则将所述第二一次性产品集中的产品作为所述一次性产品。
107.在本发明实施例中，首先按照浏览产品的类别对浏览产品进行聚类，得到多个浏览产品集，然后再根据浏览产品集以及预设一次性产品类别列表，在浏览产品集中选择第二一次性产品集，第二一次性产品集中的产品可以初步判定为一次性产品，但为了进一步地提高初步判定的一次性产品的准确度，再判断每个消费产品的类别与第二一次性产品集的类别是否相同，若存在至少一个消费产品的类别与第二一次性产品集的类别相同，则进一步地确定在该消费产品的消费时间之后，该用户是否还浏览了与该消费产品的类别相同的浏览产品，若是，则表示用户对该第二一次性消费产品的类别对应的产品仍存在购买需求，则继续将用户推荐该类别的产品，若否，则表示用户在购买过该类别的产品后，短期内不再需要再次购买该类别的其他产品，则可以确定该第二一次性产品集中的产品为一次性产品，不再向用户推荐。
108.根据本发明的一个实施例，步骤206根据所述用户画像对所述目标用户进行消费推荐进一步包括，
109.在产品列表中确定与所述用户画像对应的属性标签以及消费标签相匹配的产品，作为推荐消费产品；
110.将所述推荐消费产品推荐给所述目标用户。
111.在本发明实施例中，将与用户画像对应的属性标签以及消费标签相匹配的产品作为推荐消费产品，可以理解为，推荐消费产品与用户的年龄、性别、婚姻状况等以及消费过的产品、浏览过的产品、消费金额等相匹配，将确定的推荐消费产品推荐给用户进行选择，提升了用户的消费体验。
112.在本发明的一些其他实施例中，为了提升用户的消费兴趣，促进消费从而促进经济发展，还可以确定不同用户画像之间的相似度，根据相似度对多个用户画像对应的多个用户进行消费推荐，例如，用户a的用户画像1与用户b的用户画像2的相似度较高，则可以将
用户a的消费产品或浏览产品推荐给用户b，因此，根据本发明的一个实施例，如图5所示，步骤206中根据所述用户画像对所述目标用户进行消费推荐的过程进一步包括，
113.步骤501：根据用户画像之间的相似度以及预设门限值，将多个用户中与所述目标用户的用户画像的相似度超过所述预设门限值的用户，作为参考用户；
114.步骤502：根据所述参考用户的一次性产品数据以及所述目标用户的消费数据对所述目标用户进行消费推荐。
115.在本发明实施例中，根据用户画像之间的相似度以及预设门限值，确定多个参考用户，由于目标用户的用户画像与多个参考用户的用户画像之间的相似度较高，表示目标用户对参考用户的一次性产品的类别对应的产品可能也感兴趣，然后再根据多个参考用户的一次性产品数据以及目标用户的消费数据对目标用户进行消费推荐。
116.具体地，可以确定多个参考用户的多个一次性产品的类别，然后再统计每个类别的一次性产品的数量(其中，若同一参考用户的一个类别中的一次性产品的数量为多个，则在统计该类别的一次性产品的数量时，该参考用户的该类别的一次性产品的数量记为1)，然后计算同一类别的一次性产品的数量以及参考用户的数量的比值，该比值可以表示该一次性产品对应的类别的消费趋势，当比值超过阈值时，将该一次性消费产品的类别对应的产品推荐给目标用户。
117.可以理解为，相似度超过预设门限值的参考用户和目标用户的年龄、性别、消费水平等可能相同，参考用户的一次性产品可以表示能够促进消费的产品，若一次性消费产品对应类别的消费趋势超过阈值，则可以表示该一次性消费产品的类别为热点类别，将该热点类别的产品推荐给目标用户，从而促进目标用户的消费。
118.进一步地，为了避免同一类别的产品在目标用户上的重复推荐，对目标用户带来不便，步骤502根据所述参考用户的一次性产品数据以及所述目标用户的消费数据对所述目标用户进行消费推荐进一步包括，
119.判断所述目标用户的多个消费数据对应的多个消费产品中的任意一个消费产品的类别是否与所述参考用户的一次性产品数据对应的产品的类别相同；
120.若否，则将所述参考用户的一次性产品数据对应的产品的类别作为推荐产品类别，并将属于所述推荐产品类别的产品推荐给所述目标用户。
121.在本发明实施例中，虽然从多个参考用户的多个一次性产品中确定的一次性产品的类别为热点类别，但若目标用户已经消费过该热点类别的产品，再次为该目标用户推荐该热点类别的产品将给目标用户造成不便。因此，只有在该类别的产品不在目标用户的消费产品的类别中(表示目标用户尚未购买过该类别的产品)，将确定的一次性消费产品的类别对应的产品推荐给目标用户，可以促进目标用户的消费。
122.本发明实施例还提供了一种基于用户画像的消费推荐装置，如图6所示，包括，
123.数据获取单元601，用于获取目标用户的结构化数据和非结构化数据，形成源数据；
124.属性标签生成单元602，用于按照多个维度对所述结构化数据进行标签化，得到所述源数据的属性标签；
125.非结构化数据过滤单元603，用于对所述非结构化数据进行分析，过滤所述非结构化数据中的一次性产品数据；
126.消费标签生成单元604，用于对过滤所述一次性产品数据后的所述非结构化数据进行标签化，得到所述源数据的消费标签；
127.用户画像生成单元605，用于根据所述属性标签和所述消费标签生成所述目标用户的用户画像；
128.消费推荐单元606，用于根据所述用户画像对所述目标用户进行消费推荐。
129.由于上述装置解决问题的原理与上述方法相似，因此上述装置的实施可以参见上述方法的实施，重复之处不再赘述。
130.如图7所示为本文实施例计算机设备的结构示意图，本文中的装置可以为本实施例中的计算机设备，执行上述本文的方法。计算机设备702可以包括一个或多个处理设备704，诸如一个或多个中央处理单元(cpu)，每个处理单元可以实现一个或多个硬件线程。计算机设备702还可以包括任何存储资源706，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储资源706可以包括以下任一项或多种组合：任何类型的ram，任何类型的rom，闪存设备，硬盘，光盘等。更一般地，任何存储资源都可以使用任何技术来存储信息。进一步地，任何存储资源可以提供信息的易失性或非易失性保留。进一步地，任何存储资源可以表示计算机设备702的固定或可移除部件。在一种情况下，当处理设备704执行被存储在任何存储资源或存储资源的组合中的相关联的指令时，计算机设备702可以执行相关联指令的任一操作。计算机设备702还包括用于与任何存储资源交互的一个或多个驱动机构708，诸如硬盘驱动机构、光盘驱动机构等。
131.计算机设备702还可以包括输入/输出模块710(i/o)，其用于接收各种输入(经由输入设备712)和用于提供各种输出(经由输出设备714)。一个具体输出机构可以包括呈现设备716和相关联的图形用户接口(gui)718。在其他实施例中，还可以不包括输入/输出模块710(i/o)、输入设备712以及输出设备714，仅作为网络中的一台计算机设备。计算机设备702还可以包括一个或多个网络接口720，其用于经由一个或多个通信链路722与其他设备交换数据。一个或多个通信总线724将上文所描述的部件耦合在一起。
132.通信链路722可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信链路722可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器等的任何组合。
133.本发明实施例还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有计算机程序，所述计算机程序被处理器执行时实现上述方法。
134.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述方法。
135.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。
136.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。
137.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。
138.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。
139.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。