基于知识表征的企业供应链推荐方法、装置及存储介质与流程

1.本发明涉及供应链技术领域，并且更具体地，涉及一种基于知识表征的企业供应链推荐方法、装置及存储介质。


背景技术：

2.企业在生产经营活动中将产品和服务提供给上下游企业与用户，逐渐形成网络结构的供应链体系，随着经济的不断发展和企业间交易的密切，供应链会逐渐趋于稳定，然而由于信息的制约和企业规模的扩大，企业在发展过程中往往会出现瓶颈，导致企业上游不能及时的提供原材料或者企业下游的销售渠道无法打开，从而影响企业的发展进而影响地区整体的经济发展和复工复产。
3.在供应链“企业-商品-企业”中，如果企业的交易对象单一、企业交易链长度过长，说明供应链薄弱且容易因为个别企业的经营问题导致整个供应链的瘫痪。因此需要企业不断拓宽交易渠道，扩大上下游交易对象规模，增强企业的抗风险能力，才能更好的加强整个交易市场的稳定性。传统的推荐方法采用协同过滤或者基于内容的推荐方法，可以有效的根据用户的历史行为和多个用户的潜在偏好提出推荐，但是该方法存在交互稀疏和冷启动问题，同时该方法忽略了被推荐产品本身的特性。


技术实现要素：

4.针对现有技术的不足，本发明提供一种基于知识表征的企业供应链推荐方法、装置及存储介质。
5.根据本发明的一个方面，提供了一种基于知识表征的企业供应链推荐方法，包括：
6.收集目标企业的进销商品集，并根据进销商品集确定与目标企业相关的粗排企业集合；
7.根据粗排企业集合，构建供应链网络知识图谱；
8.根据供应链网络知识图谱，确定粗排企业集合中企业的知识表征；
9.根据粗排企业集合中企业的知识表征，确定目标企业的待交易企业集。
10.可选地，进销商品集包括进项商品集以及销项商品集，并且根据进销商品集确定目标企业的粗排结果的操作，包括：
11.根据进项商品集，确定生产进项商品集中商品的第一企业名单；
12.根据销项商品集，确定购买销项商品集中商品的第二企业名单；
13.根据第一企业名单以及第二企业名单，确定粗排企业集合。
14.可选地，根据粗排企业集合，构建供应链网络知识图谱的操作，包括：
15.根据目标企业、第一企业名单以及第二企业名单，构建供应链网络知识图谱，其中供应链网络知识图谱包括企业、商品、地区、行业以及经营范围。
16.可选地，根据供应链网络知识图谱，确定粗排企业集合中企业的知识表征的操作，包括：
17.根据供应链网络知识图谱，确定粗排企业集合中企业的上下游综合表征向量；
18.根据粗排企业集合中企业的特征信息，确定粗排企业集合中企业的特征向量；
19.根据粗排企业集合中企业的上下游综合表征向量以及特征向量，确定粗排企业集合中企业的知识表征。
20.可选地，根据供应链网络知识图谱，确定粗排企业集合中企业的上下游综合表征向量的操作，包括：
21.利用word2vec模型对粗排企业集合中企业的上下游节点信息进行向量转换，确定粗排企业集合中企业的上下游节点的向量信息；
22.根据粗排企业集合中企业的上下游节点的向量信息，确定粗排企业集合中企业的上下游综合表征向量。
23.可选地，其中粗排企业集合中企业的特征信息包括企业规模、企业经营状况、企业信用程度、企业资本、企业年限、企业人数以及企业营收，并且根据粗排企业集合中企业的特征信息，确定粗排企业集合中企业的特征向量的操作，包括：
24.利用one-hot独热编码对特征信息分别编码后进行拼接，确定粗排企业集合中企业的特征向量。
25.可选地，该方法还包括：
26.根据供应链网络知识图谱对粗排企业集合进行划分，确定交易企业集以及待推荐企业集，其中交易企业集为与目标企业存在交易关系的企业。
27.可选地，根据粗排企业集合中企业的知识表征，确定目标企业的待交易企业集的操作，包括：
28.将交易企业集中企业的知识表征进行求和，确定交易企业知识表征向量和；
29.将交易企业知识表征向量和分别和待推荐企业集中企业的知识表征进行求和，分别确定待推荐企业集中企业的企业特征知识表征向量；
30.分别将企业特征知识表征向量输入至预先设置的多层感知机进行计算，分别确定待推荐企业集中企业的推荐概率；
31.对待推荐企业集中企业的推荐概率进行排序，确定预定数量的与目标企业待交易的待交易企业集。
32.根据本发明的另一个方面，提供了一种基于知识表征的企业供应链推荐装置，包括：
33.第一确定模块，用于收集目标企业的进销商品集，并根据进销商品集确定与目标企业相关的粗排企业集合；
34.构建模块，用于根据粗排企业集合，构建供应链网络知识图谱；
35.第二确定模块，用于根据供应链网络知识图谱，确定粗排企业集合中企业的知识表征；
36.第三确定模块，用于根据粗排企业集合中企业的知识表征，确定目标企业的待交易企业集。
37.根据本发明的又一个方面，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本发明上述任一方面所述的方法。
38.根据本发明的又一个方面，提供了一种电子设备，所述电子设备包括：处理器；用
于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现本发明上述任一方面所述的方法。
39.从而，本发明提供的基于知识表征的企业供应链推荐方法，通过收集目标企业的进销商品集，并根据进销商品集确定与目标企业相关的粗排企业集合；根据粗排企业集合，构建供应链网络知识图谱；根据供应链网络知识图谱，确定粗排企业集合中企业的知识表征；根据粗排企业集合中企业的知识表征，确定目标企业的待交易企业集。从而通过基于交易商品关联查询的召回方法和基于知识表征的精准排序两个步骤，预测市场中每个企业的潜在交易伙伴，达到供应链网络企业精细化推荐的技术效果。
附图说明
40.通过参考下面的附图，可以更为完整地理解本发明的示例性实施方式：
41.图1是本发明一示例性实施例提供的基于知识表征的企业供应链推荐方法的流程示意图；
42.图2是本发明一示例性实施例提供的供应链网络知识图谱的示意图；
43.图3是本发明一示例性实施例提供的基于知识表征的供应链企业推荐流程示意图；
44.图4是本发明一示例性实施例提供的基于知识表征的企业供应链推荐装置的结构示意图；
45.图5是本发明一示例性实施例提供的电子设备的结构。
具体实施方式
46.下面，将参考附图详细地描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。
47.应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
48.本领域技术人员可以理解，本发明实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
49.还应理解，在本发明实施例中，“多个”可以指两个或两个以上，“至少一个”可以指一个、两个或两个以上。
50.还应理解，对于本发明实施例中提及的任一部件、数据或结构，在没有明确限定或者在前后文给出相反启示的情况下，一般可以理解为一个或多个。
51.另外，本发明中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本发明中字符“/”，一般表示前后关联对象是一种“或”的关系。
52.还应理解，本发明对各个实施例的描述着重强调各个实施例之间的不同之处，其相同或相似之处可以相互参考，为了简洁，不再一一赘述。
53.同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际
的比例关系绘制的。
54.以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
55.对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，技术、方法和设备应当被视为说明书的一部分。
56.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
57.本发明实施例可以应用于终端设备、计算机系统、服务器等电子设备，其可与众多其它通用或专用计算系统环境或配置一起操作。适于与终端设备、计算机系统、服务器等电子设备一起使用的众所周知的终端设备、计算系统、环境和/或配置的例子包括但不限于：个人计算机系统、服务器计算机系统、瘦客户机、厚客户机、手持或膝上设备、基于微处理器的系统、机顶盒、可编程消费电子产品、网络个人电脑、小型计算机系统﹑大型计算机系统和包括上述任何系统的分布式云计算技术环境，等等。
58.终端设备、计算机系统、服务器等电子设备可以在由计算机系统执行的计算机系统可执行指令(诸如程序模块)的一般语境下描述。通常，程序模块可以包括例程、程序、目标程序、组件、逻辑、数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。计算机系统/服务器可以在分布式云计算环境中实施，分布式云计算环境中，任务是由通过通信网络链接的远程处理设备执行的。在分布式云计算环境中，程序模块可以位于包括存储设备的本地或远程计算系统存储介质上。
59.示例性方法
60.图1是本发明一示例性实施例提供的基于知识表征的企业供应链推荐方法的流程示意图。本实施例可应用在电子设备上，如图1所示，基于知识表征的企业供应链推荐方法100包括以下步骤：
61.步骤101，收集目标企业的进销商品集，并根据进销商品集确定与目标企业相关的粗排企业集合。
62.可选地，进销商品集包括进项商品集以及销项商品集，并且根据进销商品集确定目标企业的粗排结果的操作，包括：
63.根据进项商品集，确定生产进项商品集中商品的第一企业名单；
64.根据销项商品集，确定购买销项商品集中商品的第二企业名单；
65.根据第一企业名单以及第二企业名单，确定粗排企业集合。
66.具体地，首先根据整个供应链网络中的企业交易信息，获得待推荐企业的进销项商品集合，根据企业的交易商品信息，查询整个交易市场中生产和购买企业进销项商品的企业列表，形成潜在的召回客户集合(推荐中将筛选企业的初步潜在对象集合的过程叫召回)。即收集待推荐的企业的进销项商品集，形成i(cn)和o(cn)分表表示企业进项商品集合和销项商品集合，分别对进销项集合中的商品进行查询，获得整个市场交易网络中生产i(cn)和购买o(cn)商品的企业名单，形成待推荐企业的粗排结果。
67.步骤102，根据粗排企业集合，构建供应链网络知识图谱。
68.可选地，根据粗排企业集合，构建供应链网络知识图谱的操作，包括：
69.根据目标企业、第一企业名单以及第二企业名单，构建供应链网络知识图谱，其中
供应链网络知识图谱包括企业、商品、地区、行业以及经营范围。
70.具体地，参考图2所示，构建供应链网络知识图谱，包含企业、商品、地区、行业、经营范围五类节点类型。供应链知识图谱简单结构图如图3所示(由于图谱面积过大图3仅示出了以企业a为中心节点的知识图谱)。例如，粗排企业集合中包含1000家企业，那么根据目标企业以及该1000家企业绘制供应链网络知识图谱。
71.从而针对供应链网络，根据构造供应链知识图谱，包含企业、商品、地区、行业等节点信息，以及企业资格类型、企业信用程度、企业规模等企业基本信息。
72.步骤103，根据供应链网络知识图谱，确定粗排企业集合中企业的知识表征。
73.可选地，根据供应链网络知识图谱，确定粗排企业集合中企业的知识表征的操作，包括：
74.根据供应链网络知识图谱，确定粗排企业集合中企业的上下游综合表征向量；
75.根据粗排企业集合中企业的特征信息，确定粗排企业集合中企业的特征向量；
76.根据粗排企业集合中企业的上下游综合表征向量以及特征向量，确定粗排企业集合中企业的知识表征。
77.可选地，根据供应链网络知识图谱，确定粗排企业集合中企业的上下游综合表征向量的操作，包括：
78.利用word2vec模型对粗排企业集合中企业的上下游节点信息进行向量转换，确定粗排企业集合中企业的上下游节点的向量信息；
79.根据粗排企业集合中企业的上下游节点的向量信息，确定粗排企业集合中企业的上下游综合表征向量。
80.可选地，其中粗排企业集合中企业的特征信息包括企业规模、企业经营状况、企业信用程度、企业资本、企业年限、企业人数以及企业营收，并且根据粗排企业集合中企业的特征信息，确定粗排企业集合中企业的特征向量的操作，包括：
81.利用one-hot独热编码对特征信息分别编码后进行拼接，确定粗排企业集合中企业的特征向量。
82.具体地，参考图2和图3所示，对于每个企业来说，企业的知识表征由企业自身的基本特征如企业规模、企业经营状况、企业信用程度等，和企业的上下游节点的embedding(低维向量)均值构成。其中企业自身的特征信息用one-hot独热编码组成，每个特征的独热编码为w，多个特征信息拼接成企业自身embedding信息w＝[w1,w2,w3,...,wn]，商品、地域、行业等节点信息由word2vec表示，企业的上下游综合表征方法如公式(1)：
[0083][0084]
其中e是待推荐的企业节点，contextnode(e)是在知识图谱中与企业有直接联系的节点，ei是企业节点，ni是商品、地域等非企业节点。
[0085]
此外，word2vec的用途是将文本转换成向量，本专利用的是开源通用word2vec工具，转换结果就是公式一中的ei和ni的向量表示。context(e)是模，作用是归一化。
[0086]
将企业自身的embedding信息和企业上下游综合embedding信息进行线性变换后拼接，最终的企业表征e(t)为：
[0087][0088]
其中g(e)是映射，g(e)＝me，m是映射矩阵，可以通过训练得到。对于孤立节点，g(e)设为0。
[0089]
从而，构造了一种新的供应链网络节点表示方式，通过节点自身的知识和相邻节点的聚合完成企业的embedding表示。
[0090]
步骤104，根据粗排企业集合中企业的知识表征，确定目标企业的待交易企业集。
[0091]
可选地，该方法还包括：
[0092]
根据供应链网络知识图谱对粗排企业集合进行划分，确定交易企业集以及待推荐企业集，其中交易企业集为与目标企业存在交易关系的企业。
[0093]
具体地，参考图2所示，例如企业a即为目标企业，那么企业b、c、d、e、f、g即为交易企业集，其中交易企业集中的企业为正在和目标企业存在交易关系的企业。从而通过供应链网络知识图谱可以清楚的划分交易企业集以及待推荐企业集，例如粗排企业集合中包含1000家企业，和目标企业存在交易关系的企业为100家，那么此时交易企业集为100，待推荐企业集为900。
[0094]
可选地，根据粗排企业集合中企业的知识表征，确定目标企业的待交易企业集的操作，包括：
[0095]
将交易企业集中企业的知识表征进行求和，确定交易企业知识表征向量和；
[0096]
将交易企业知识表征向量和分别和待推荐企业集中企业的知识表征进行求和，分别确定待推荐企业集中企业的企业特征知识表征向量；
[0097]
分别将企业特征知识表征向量输入至预先设置的多层感知机进行计算，分别确定待推荐企业集中企业的推荐概率；
[0098]
对待推荐企业集中企业的推荐概率进行排序，确定预定数量的与目标企业待交易的待交易企业集。
[0099]
具体地，参考图3所示，将企业知识表征获得的w作为卷积神经网络cnn的双通道的输入，得到所有企业的嵌入表征，将召回集合中的企业逐个与待推荐企业已有的交易企业进行求和，获得候选企业对用于目标企业每个交易企业的attention。其中attention是注意力机制，目的是在训练的过程中找到目标企业最感兴趣的企业特征(如信用、资本等)。
[0100]
其中，attention的体现方式是求和的方式，将召回企业的池化层结果[1,1,1,0,1,0]与目标企业的交易企业向量[1,1,0,0,1,1]向量相加，变成[2,2,1,0,2,1]。
[0101]
其中，拼接的意思是将两个向量拼接成一个向量，如[1,1,1,0,1,0]与[1,1,0,0,1,1]拼接，变成[1,1,1,0,1,0,1,1,0,0,1,1]。
[0102]
例如粗排企业集合有10000家企业，目标企业的交易企业有100家，待推荐企业集有900家，企业综合表征需要对待推荐企业集的900家和目标企业存在交易关系的交易企业集的100家都进行企业上下游综合表征。每个企业有一个表征向量w。
[0103]
将求和后的embedding表征送入mlp多层感知机计算，或对目标企业的召回集合中每个企业的推荐概率，并根据概率大小排序，例如可以返回前100家企业作为最终的精确推荐结果，即待交易企业集。例如每个召回集合(待推荐企业集)的企业都是潜在的推荐对象，每个召回集合的企业进行表征、卷积、池化后形成一个向量，跟注意力机制计算后的向量进行拼接，比如(1,1,1,0,1)和(1,1,0,1)拼接后变成(1,1,1,0,1,1,1,0,1)，将这个向量放入
mlp计算会得到一个0～1之间的值，值的大小代表推荐程度，比如一个粗排企业的概率值是0.95，说明是需要推荐给目标企业的优质企业，如果概率是0.1说明这个粗排企业不建议推荐给目标企业。根据这个值进行排序，把前n家(例如前100家)企业推荐给目标企业。
[0104]
从而，通过商品相似度计算完成推荐粗排(召回)，通过知识表征的多层感知器完成企业的精细化推荐。
[0105]
构造供应链交易网络，根据企业自身的知识以及企业的交易商品信息、地域信息、行业信息等知识计算企业自身的知识表示，最后采用多层感知机计算不同企业之间的推荐度，完成供应链网络企业精细化推荐。
[0106]
从而，本发明从拓宽供应链网络，增强企业发展稳定性的角度出发，提取市场中的企业、商品等数据构造供应链知识图谱，采用企业基本信息和企业关联节点知识融合的方式获得企业的双通道特征信息，利用cnn、mlp等神经网络算法完成企业表征的提取和构建，最终计算召回候选集合中与目标企业最接近的上下游企业，完成精细化的企业交易推荐，可以有效的帮助企业拓宽上下游销售渠道，增强市场的稳定性，帮助政府加快复工复产。
[0107]
示例性装置
[0108]
图4是本发明一示例性实施例提供的基于知识表征的企业供应链推荐装置的结构示意图。如图4所示，装置400包括：
[0109]
第一确定模块410，用于收集目标企业的进销商品集，并根据进销商品集确定与目标企业相关的粗排企业集合；
[0110]
构建模块420，用于根据粗排企业集合，构建供应链网络知识图谱；
[0111]
第二确定模块430，用于根据供应链网络知识图谱，确定粗排企业集合中企业的知识表征；
[0112]
第三确定模块440，用于根据粗排企业集合中企业的知识表征，确定目标企业的待交易企业集。
[0113]
可选地，进销商品集包括进项商品集以及销项商品集，并且第一确定模块410，包括：
[0114]
第一确定子模块，用于根据进项商品集，确定生产进项商品集中商品的第一企业名单；
[0115]
第二确定子模块，用于根据销项商品集，确定购买销项商品集中商品的第二企业名单；
[0116]
第三确定子模块，用于根据第一企业名单以及第二企业名单，确定粗排企业集合。
[0117]
可选地，构建模块420，包括：
[0118]
构建子模块，用于根据目标企业、第一企业名单以及第二企业名单，构建供应链网络知识图谱，其中供应链网络知识图谱包括企业、商品、地区、行业以及经营范围。
[0119]
可选地，第二确定模块430，包括：
[0120]
第四确定子模块，用于根据供应链网络知识图谱，确定粗排企业集合中企业的上下游综合表征向量；
[0121]
第五确定子模块，用于根据粗排企业集合中企业的特征信息，确定粗排企业集合中企业的特征向量；
[0122]
第六确定子模块，用于根据粗排企业集合中企业的上下游综合表征向量以及特征
向量，确定粗排企业集合中企业的知识表征。
[0123]
可选地，第四确定子模块，包括：
[0124]
第一确定单元，用于利用word2vec模型对粗排企业集合中企业的上下游节点信息进行向量转换，确定粗排企业集合中企业的上下游节点的向量信息；
[0125]
第二确定单元，用于根据粗排企业集合中企业的上下游节点的向量信息，确定粗排企业集合中企业的上下游综合表征向量。
[0126]
可选地，其中粗排企业集合中企业的特征信息包括企业规模、企业经营状况、企业信用程度、企业资本、企业年限、企业人数以及企业营收，并且第五确定子模块，包括：
[0127]
第三确定单元，用于利用one-hot独热编码对特征信息分别编码后进行拼接，确定粗排企业集合中企业的特征向量。
[0128]
可选地，该方法还包括：
[0129]
第四确定模块，用于根据供应链网络知识图谱对粗排企业集合进行划分，确定交易企业集以及待推荐企业集，其中交易企业集为与目标企业存在交易关系的企业。
[0130]
可选地，第三确定模块440，包括：
[0131]
第七确定子模块，用于将交易企业集中企业的知识表征进行求和，确定交易企业知识表征向量和；
[0132]
第八确定子模块，用于将交易企业知识表征向量和分别和待推荐企业集中企业的知识表征进行求和，分别确定待推荐企业集中企业的企业特征知识表征向量；
[0133]
第九确定子模块，用于分别将企业特征知识表征向量输入至预先设置的多层感知机进行计算，分别确定待推荐企业集中企业的推荐概率；
[0134]
第十确定子模块，用于对待推荐企业集中企业的推荐概率进行排序，确定预定数量的与目标企业待交易的待交易企业集。
[0135]
示例性电子设备
[0136]
图5是本发明一示例性实施例提供的电子设备的结构。该电子设备可以是第一设备和第二设备中的任一个或两者、或与它们独立的单机设备，该单机设备可以与第一设备和第二设备进行通信，以从它们接收所采集到的输入信号。图5图示了根据本发明实施例的电子设备的框图。如图5所示，电子设备500包括一个或多个处理器501和存储器502。
[0137]
处理器501可以是中央处理单元(cpu)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元，并且可以控制电子设备中的其他组件以执行期望的功能。
[0138]
存储器502可以包括一个或多个计算机程序产品，所述计算机程序产品可以包括各种形式的计算机可读存储介质，例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(ram)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(rom)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令，处理器501可以运行所述程序指令，以实现上文所述的本发明的各个实施例的软件程序的对历史变更记录进行信息挖掘的方法以及/或者其他期望的功能。在一个示例中，电子设备还可以包括：输入装置503和输出装置504，这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
[0139]
此外，该输入装置503还可以包括例如键盘、鼠标等等。
[0140]
该输出装置504可以向外部输出各种信息。该输出装置504可以包括例如显示器、
扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
[0141]
当然，为了简化，图5中仅示出了该电子设备中与本发明有关的组件中的一些，省略了诸如总线、输入/输出接口等等的组件。除此之外，根据具体应用情况，电子设备还可以包括任何其他适当的组件。
[0142]
示例性计算机程序产品和计算机可读存储介质
[0143]
除了上述方法和设备以外，本发明的实施例还可以是计算机程序产品，其包括计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的对历史变更记录进行信息挖掘的方法中的步骤。
[0144]
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c 等，还包括常规的过程式程序设计语言，诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
[0145]
此外，本发明的实施例还可以是计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行本说明书上述“示例性方法”部分中描述的根据本发明各种实施例的对历史变更记录进行信息挖掘的方法中的步骤。
[0146]
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、系统或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0147]
以上结合具体实施例描述了本发明的基本原理，但是，需要指出的是，在本发明中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本发明的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本发明为必须采用上述具体的细节来实现。
[0148]
本说明书中各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似的部分相互参见即可。对于系统实施例而言，由于其与方法实施例基本对应，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0149]
本发明中涉及的器件、系统、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、系统、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。
[0150]
可能以许多方式来实现本发明的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本发明的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本发明的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本发明实施为记录在记录介质中的程序，这些程序包括用于实现根据本发明的方法的机器可读指令。因而，本发明还覆盖存储用于执行根据本发明的方法的程序的记录介质。
[0151]
还需要指出的是，在本发明的系统、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本发明。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本发明的范围。因此，本发明不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。
[0152]
为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本发明的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。