营业厅的推荐方法、装置、电子设备及存储介质与流程

1.本发明涉及数据处理技术领域，特别是涉及一种营业厅的推荐方法、一种营业厅的推荐装置、一种电子设备以及一种计算机可读存储介质。


背景技术：

2.随着互联网技术的不断发展，用户前往线下营业厅办理业务之前，通常会在地图应用程序中查找与用户所处地理位置附近的营业厅，并依据地图应用程序提供的距离信息，选取离用户自身最近的营业厅。
3.虽然上述用户仅依据距离大小选择营业厅的方式较为简单、快捷，但是其没有考虑到用户所办理的业务与当前距离用户最近的营业厅是否匹配，容易出现用户所选择的营业厅与用户需求不匹配的问题，导致业务办理成功率低以及用户体验感差等问题。


技术实现要素：

4.本发明实施例是提供一种营业厅的推荐方法、装置、电子设备以及计算机可读存储介质，以解决现有技术中，由于用户所选择的营业厅与用户需求不匹配，导致业务办理成功率低以及用户体验感差的问题。
5.本发明实施例公开了一种营业厅的推荐方法，包括：
6.响应于业务办理请求，获取与用户账户对应的当前用户位置、用户账户信息、与所述当前用户位置对应的若干个候选营业厅以及所述候选营业厅的营业厅信息；
7.若所述业务办理请求中包含针对所述候选营业厅的出行方式信息，则根据所述出行方式信息对各个所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
8.根据各个所述候选营业厅的计算顺序将各个所述候选营业厅的营业厅信息以及所述用户账户信息输入至预设的厅店推荐模型中，获得各个所述候选营业厅的推荐信息，所述推荐信息至少包括推荐优先级、目标推荐分值以及导航路线；
9.将所述推荐优先级最高的所述候选营业厅作为与所述厅店推荐请求对应的推荐营业厅，并显示所述推荐营业厅对应的目标推荐分值和导航路线。
10.可选地，所述推荐信息包括推荐营业厅名称，所述方法还包括：
11.获取所述用户账户的业务办理结果；
12.若所述业务办理结果为所述用户账户存在与所述业务办理请求对应的业务办理记录，则获取与所述业务办理结果对应的办理营业厅和所述办理营业厅的办理营业厅名称；
13.若所述办理营业厅名称与所述推荐营业厅名称一致，则保持所述推荐营业厅的推荐优先级；
14.若所述办理营业厅名称与所述推荐营业厅名称不一致，则获取所述推荐营业厅的历史推荐信息，并提高所述办理营业厅的推荐优先级。
15.可选地，所述历史推荐信息包括用户选择次数和模型推荐次数，所述方法还包括：
16.若所述业务办理结果为所述用户账户不存在与所述业务办理请求对应的业务办理记录，则获取所述推荐营业厅的历史推荐信息；
17.将所述用户选择次数和所述模型推荐次数之间的比值作为所述推荐营业厅的历史推荐分值；
18.若所述历史推荐分值大于或等于预设推荐分值，则保持所述推荐营业厅的推荐优先级；
19.若所述历史推荐分值小于所述预设推荐分值，则降低所述推荐营业厅的推荐优先级。
20.可选地，所述响应于业务办理请求，获取与用户账户对应的当前用户位置、用户账户信息、与所述当前用户位置对应的若干个候选营业厅以及所述候选营业厅的营业厅信息，包括：
21.响应于针对业务推送页面或业务办理页面的业务办理操作，获取与所述用户账户对应的所述当前用户位置以及所述用户账户信息；
22.以所述当前用户位置为中点，获取预设范围内的若干个候选营业厅以及所述候选营业厅的营业厅信息。
23.可选地，所述根据所述出行方式信息对各个所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序，包括：
24.根据所述出行方式信息，确定从所述当前用户位置至各个所述候选营业厅的导航路线以及所述导航路线对应的到店时长；
25.按照所述到店时长的大小对所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
26.其中，所述出行方式信息包括自驾、地铁、公交、骑车、步行中的一种。
27.可选地，所述根据各个所述候选营业厅的计算顺序将各个所述候选营业厅的营业厅信息以及所述用户账户信息输入至预设的厅店推荐模型中，获得各个所述候选营业厅的推荐信息，包括：
28.分别对所述营业厅信息和所述用户账户信息进行数据清洗和特征融合，获得与所述候选营业厅对应的业务特征信息和厅店位置，与所述用户账户对应的用户特征信息和用户轨迹信息；
29.根据所述计算顺序逐一将所述业务特征信息、所述厅店位置、所述用户特征信息以及所述用户轨迹信息输入至所述预设的厅店推荐模型中，获取各个所述候选营业厅的推荐信息。
30.可选地，所述营业厅信息包括厅店位置，所述方法还包括：
31.若所述业务办理请求中不包含针对所述候选营业厅的出行方式信息，则计算各个所述候选营业厅的厅店位置与所述当前用户位置之间的距离值，按照所述距离值的大小对各个所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
32.根据各个所述候选营业厅的计算顺序将各个所述候选营业厅的营业厅信息以及所述用户账户信息输入至预设的厅店推荐模型中，获得各个所述候选营业厅的推荐信息，所述推荐信息至少包括推荐优先级、目标推荐分值以及导航路线；
33.将所述推荐优先级最高的所述候选营业厅作为与所述厅店推荐请求对应的推荐
营业厅，并显示所述推荐营业厅对应的目标推荐分值和导航路线。
34.可选地，所述厅店推荐模型通过如下方式生成：
35.构建与所述候选营业厅对应的初始厅店推荐模型；
36.获取至少一个所述用户账户的历史用户轨迹信息，所述历史用户轨迹信息包括历史到店信息和用户未到店信息；
37.将所述历史到店信息作为正样本，和所述用户未到店信息作为负样本，将所述正样本和所述负样本作为用于训练所述厅店推荐模型的模型训练数据；
38.按照预设训练比例将所述模型训练数据划分为训练集、测试集以及验证集；
39.采用所述训练集、所述测试集以及所述验证集训练所述初始厅店推荐模型，并采用预设收缩权重系数、预设树最大深度和预设轮数对所述初始厅店推荐模型进行参数设置，生成所述预设的厅店推荐模型。
40.本发明实施例还公开了一种营业厅的推荐装置，包括：
41.候选营业厅获取模块，用于响应于业务办理请求，获取与用户账户对应的当前用户位置、用户账户信息、与所述当前用户位置对应的若干个候选营业厅以及所述候选营业厅的营业厅信息；
42.计算顺序确定模块，用于若所述业务办理请求中包含针对所述候选营业厅的出行方式信息，则根据所述出行方式信息对各个所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
43.推荐信息获取模块，用于根据各个所述候选营业厅的计算顺序将各个所述候选营业厅的营业厅信息以及所述用户账户信息输入至预设的厅店推荐模型中，获得各个所述候选营业厅的推荐信息，所述推荐信息至少包括推荐优先级、目标推荐分值以及导航路线；
44.推荐营业厅确定模块，用于将所述推荐优先级最高的所述候选营业厅作为与所述厅店推荐请求对应的推荐营业厅，并显示所述推荐营业厅对应的目标推荐分值和导航路线。
45.可选地，所述推荐信息包括推荐营业厅名称，所述装置具体用于：
46.获取所述用户账户的业务办理结果；
47.若所述业务办理结果为所述用户账户存在与所述业务办理请求对应的业务办理记录，则获取与所述业务办理结果对应的办理营业厅和所述办理营业厅的办理营业厅名称；
48.若所述办理营业厅名称与所述推荐营业厅名称一致，则保持所述推荐营业厅的推荐优先级；
49.若所述办理营业厅名称与所述推荐营业厅名称不一致，则获取所述推荐营业厅的历史推荐信息，并提高所述办理营业厅的推荐优先级。
50.可选地，所述历史推荐信息包括用户选择次数和模型推荐次数，所述装置具体用于：
51.若所述业务办理结果为所述用户账户不存在与所述业务办理请求对应的业务办理记录，则获取所述推荐营业厅的历史推荐信息；
52.将所述用户选择次数和所述模型推荐次数之间的比值作为所述推荐营业厅的历史推荐分值；
53.若所述历史推荐分值大于或等于预设推荐分值，则保持所述推荐营业厅的推荐优先级；
54.若所述历史推荐分值小于所述预设推荐分值，则降低所述推荐营业厅的推荐优先级。
55.可选地，所述候选营业厅获取模块具体用于：
56.响应于针对业务推送页面或业务办理页面的业务办理操作，获取与所述用户账户对应的所述当前用户位置以及所述用户账户信息；
57.以所述当前用户位置为中点，获取预设范围内的若干个候选营业厅以及所述候选营业厅的营业厅信息。
58.可选地，所述计算顺序确定模块具体用于：
59.根据所述出行方式信息，确定从所述当前用户位置至各个所述候选营业厅的导航路线以及所述导航路线对应的到店时长；
60.按照所述到店时长的大小对所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
61.其中，所述出行方式信息包括自驾、地铁、公交、骑车、步行中的一种。
62.可选地，所述推荐信息获取模块具体用于：
63.分别对所述营业厅信息和所述用户账户信息进行数据清洗和特征融合，获得与所述候选营业厅对应的业务特征信息和厅店位置，与所述用户账户对应的用户特征信息和用户轨迹信息；
64.根据所述计算顺序逐一将所述业务特征信息、所述厅店位置、所述用户特征信息以及所述用户轨迹信息输入至所述预设的厅店推荐模型中，获取各个所述候选营业厅的推荐信息。
65.可选地，所述营业厅信息包括厅店位置，所述装置具体用于：
66.若所述业务办理请求中不包含针对所述候选营业厅的出行方式信息，则计算各个所述候选营业厅的厅店位置与所述当前用户位置之间的距离值，按照所述距离值的大小对各个所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
67.根据各个所述候选营业厅的计算顺序将各个所述候选营业厅的营业厅信息以及所述用户账户信息输入至预设的厅店推荐模型中，获得各个所述候选营业厅的推荐信息，所述推荐信息至少包括推荐优先级、目标推荐分值以及导航路线；
68.将所述推荐优先级最高的所述候选营业厅作为与所述厅店推荐请求对应的推荐营业厅，并显示所述推荐营业厅对应的目标推荐分值和导航路线。
69.可选地，所述厅店推荐模型通过如下方式生成：
70.构建与所述候选营业厅对应的初始厅店推荐模型；
71.获取至少一个所述用户账户的历史用户轨迹信息，所述历史用户轨迹信息包括历史到店信息和用户未到店信息；
72.将所述历史到店信息作为正样本，和所述用户未到店信息作为负样本，将所述正样本和所述负样本作为用于训练所述厅店推荐模型的模型训练数据；
73.按照预设训练比例将所述模型训练数据划分为训练集、测试集以及验证集；
74.采用所述训练集、所述测试集以及所述验证集训练所述初始厅店推荐模型，并采
用预设收缩权重系数、预设树最大深度和预设轮数对所述初始厅店推荐模型进行参数设置，生成所述预设的厅店推荐模型。
75.本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；
76.所述存储器，用于存放计算机程序；
77.所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。
78.本发明实施例还公开了一种计算机可读存储介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。
79.本发明实施例包括以下优点：
80.在本发明实施例中，可以响应于业务办理请求，获取与用户账户对应的当前用户位置、用户账户信息、与当前用户位置对应的若干个候选营业厅以及候选营业厅的营业厅信息，若业务办理请求中包含针对候选营业厅的出行方式信息，则根据出行方式信息对各个候选营业厅进行排序，获得各个候选营业厅对应的计算顺序，然后根据各个候选营业厅的计算顺序将各个候选营业厅的营业厅信息以及用户账户信息输入至预设的厅店推荐模型中，获得各个候选营业厅的推荐优先级、目标推荐分值以及导航路线，并将推荐优先级最高的候选营业厅作为与厅店推荐请求对应的推荐营业厅，显示出推荐营业厅对应的目标推荐分值和导航路线，通过结合出行方式信息对各个候选营业厅进行排序，实现按照用户实际出行需求进行筛选和推荐，同时通过将针对候选营业厅的营业厅信息和针对用户的用户账户信息输入至预设的厅店推荐模型中，获得与用户账户特征匹配较高的推荐营业厅，提高营业厅的推荐精度，并显示出推荐营业厅的目标推荐分值和导航路线，以直观地引导用户到达推荐营业厅，提高用户体验。
附图说明
81.图1是本发明实施例中提供的一种营业厅的推荐方法的步骤流程图；
82.图2是本发明实施例中提供的业务推送页面示意图的步骤流程图；
83.图3是本发明实施例中提供的业务办理页面示意图的步骤流程图；
84.图4是本发明实施例中提供的采用厅店推荐模型输出推荐营业厅的步骤流程图；
85.图5是本发明实施例中提供的一种营业厅的推荐装置的结构框图；
86.图6是本发明实施例中提供的一种电子设备的结构框图。
具体实施方式
87.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
88.参照图1，示出了本发明实施例中提供的一种营业厅的推荐方法的步骤流程图，具体可以包括如下步骤：
89.步骤101，响应于业务办理请求，获取与用户账户对应的当前用户位置、用户账户信息、与所述当前用户位置对应的若干个候选营业厅以及所述候选营业厅的营业厅信息；
90.在本发明实施例中，相关的营业厅推荐应用程序在响应于业务办理请求之后，可以获取与用户账户对应的当前用户位置、用户账户信息以及与当前用户位置对应的若干个候选营业厅以及各个候选营业厅的营业厅信息。
91.可选地，业务办理请求可以为用户在用户账户所属用户终端的业务推送页面或业务办理页面进行用户操作生成的请求，例如，参照图2示出了本发明实施例中提供的业务推送页面示意图，业务推送页面可以为通知页面，并在业务推送页面显示业务办理推荐消息，当检测到用户在通知页面点击该业务办理推荐消息进入业务办理页面时，可以生成对应的业务办理请求，参照图3示出了本发明实施例中提供的业务办理页面示意图，业务办理页面可以为业务应用程序中的套餐办理页面，由用户主动打开相关应用程序进入套餐办理页面，当检测到用户在套餐办理页面选中某一业务时，可以生成对应的业务办理请求。
92.用户账户可以为在营业厅推荐应用程序中所登录的账户，如移动手机的号码、用户自定义的账号，当前用户位置可以为用户账户所属用户终端的lbs(location based services)地理位置数据，lbs位置服务是指围绕地理位置数据而展开的服务，其由移动终端使用无线通信网络或卫星定位系统基于空间数据库获取用户的地理位置坐标信息并将移动通信技术和定位技术相结合而提供与位置有关的一种增值服务，用户通过使用移动设备的定位技术来获得自身的地理位置，并根据用户账户的位置信息和查询信息以及通过网络为用户提供与位置相关的各种服务。用户账户信息可以为用户账户的属性信息，例如，用户业务受理需求信息、历史套餐信息、出账信息等等。营业厅信息可以为营业厅的属性信息，例如，营业厅信息可以包括厅店业务办理量、交易金额、员工数量、厅店评分等等。
93.在具体实现中，可以以当前用户位置为中点，获取预设范围内的若干个候选营业厅以及候选营业厅的营业厅信息，预设范围可以为距离当前用户位置的距离范围，例如，预设范围可以为【0米，1000米】、【0米，2000米】等。
94.作为一种示例，假设存在一营业厅推荐应用程序，用户在该应用程序中登陆了用户账户a，预设范围为【0米,1500米】，当检测到用户在该应用程序所属用户终端的业务推送页面中选择业务办理推送消息“5g套餐限时8折优惠”，则响应于用户终端发送的业务办理请求，然后获取该用户终端当前的lbs位置，接着获取以lbs位置为中心，在【0米，1500米】以内的候选营业厅a、候选营业厅b、候选营业厅c、候选营业厅d，以及各个候选营业厅的厅店业务办理量、交易金额、员工数量、厅店评分等营业厅信息。
95.步骤102，若所述业务办理请求中包含针对所述候选营业厅的出行方式信息，则根据所述出行方式信息对各个所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
96.在本发明实施例中，若业务办理请求中携带了针对候选营业厅的出行方式信息，则可以根据出行方式信息对各个候选营业厅进行排序，然后获得各个候选营业厅所对应的计算顺序。
97.可选地，出行方式信息可以为用户所设置的从当前用户位置运动到各个候选营业厅的方式，其可以包括自驾、地铁、公交、骑车、步行中的一种，计算顺序可以为按照到店时长和到店距离的大小所确定的顺序，其用于显示各个候选营业厅的排列顺序以及计算次序，例如，候选营业厅a、候选营业厅b、候选营业厅c、候选营业厅d，且各个候选营业厅的计算顺序为：候选营业厅a
‑‑
候选营业厅c
‑‑
候选营业厅b
‑‑
候选营业厅d。
98.在具体实现中，可以根据出行方式信息确定从当前用户位置至各个候选营业厅的导航路线以及导航路线对应的到店时长，按照到店时长的大小对候选营业厅进行排序，获得各个候选营业厅对应的计算顺序。
99.作为一种示例，用户账户a所对应的出行方式信息为步行，预设范围为【0米，1500米】，分别获取在预设范围内与当前用户位置对应的候选营业厅a、候选营业厅b以及候选营业厅c，以及候选营业厅a、候选营业厅b以及候选营业厅c对应的导航路线，结合步行方式以及各个候选营业厅的导航路线，确定出候选营业厅a的到店时长为10分钟，候选营业厅b的到店时长为15分钟，候选营业厅c的到店时长为12分钟，则按照各个营业厅的到店时长的大小对候选营业厅a、候选营业厅b以及候选营业厅c进行排序，获得各个候选营业厅对应的计算顺序为：候选营业厅a
‑‑
候选营业厅c
‑‑
候选营业厅b。
100.在本发明的另一种示例中，若业务办理请求中不包含针对候选营业厅的出行方式信息，则可以计算各个候选营业厅的厅店位置与当前用户位置之间的距离值，按照距离值的大小对各个候选营业厅进行排序，获得各个候选营业厅对应的计算顺序，根据各个候选营业厅的计算顺序将各个候选营业厅的营业厅信息以及用户账户信息输入至预设的厅店推荐模型中，获得各个候选营业厅的推荐信息，推荐信息至少包括推荐优先级、目标推荐分值以及导航路线，将推荐优先级最高的候选营业厅作为与厅店推荐请求对应的推荐营业厅，并显示推荐营业厅对应的目标推荐分值和导航路线。
101.步骤103，根据各个所述候选营业厅的计算顺序将各个所述候选营业厅的营业厅信息以及所述用户账户信息输入至预设的厅店推荐模型中，获得各个所述候选营业厅的推荐信息，所述推荐信息至少包括推荐优先级、目标推荐分值以及导航路线；
102.在本发明的实施例中，采用当前用户位置获取到各个候选营业厅的计算顺序之后，可以将各个候选营业厅的营业厅信息以及用户账户信息输入至预设厅店推荐模型中，由厅店推荐模型输出各个候选营业厅的推荐优先级、目标推荐分值以及导航路线。
103.其中，厅店推荐模型可以为预测用户偏好营业厅的模型，推荐优先级可以为相关技术人员约定或者定义厅店推荐模型对多个候选营业厅进行处理和输出时的优先等级的参数，推荐优先级越高表征候选营业厅与用户需求越匹配，例如，各个候选营业厅的推荐优先级可以为：候选营业厅a＞候选营业厅c＞候选营业厅b，推荐分值则为厅店推荐模型根据用户账户信息和营业厅信息进行计算后得到的分值，用于表征候选营业厅的推荐分数，目标推荐分值为满足预设范围内的候选营业厅的推荐分值，历史推荐分值则为厅店推荐模型输出的推荐营业厅在业务办理请求之前的推荐分值，推荐分数越高表征候选营业厅与用户需求越匹配，例如，若推荐分值总分为5分，则候选营业厅a的目标推荐分值可以为4.9分，候选营业厅b的目标推荐分值可以为4.2分，候选营业厅c的目标推荐分值可以为4.5分，若推荐分值总分为100分，则候选营业厅a的目标推荐分值可以为90分，候选营业厅b的目标推荐分值可以为80分，候选营业厅c的目标推荐分值为70分。导航路线为基于当前用户位置与厅店位置，结合用户的出行方式和当前的交通情况所确定的路线。
104.具体的，厅店推荐模型通过如下方式生成：
105.s11，构建与所述候选营业厅对应的初始厅店推荐模型；
106.s12，获取至少一个所述用户账户的历史用户轨迹信息，所述历史用户轨迹信息包括历史到店信息和用户未到店信息；
107.s13，将所述历史到店信息作为正样本，和所述用户未到店信息作为负样本，将所述正样本和所述负样本作为用于训练所述厅店推荐模型的模型训练数据；
108.s14，按照预设训练比例将所述模型训练数据划分为训练集、测试集以及验证集；
109.s15，采用所述训练集、所述测试集以及所述验证集训练所述初始厅店推荐模型，并采用预设收缩权重系数、预设树最大深度和预设轮数对所述初始厅店推荐模型进行参数设置，生成所述预设的厅店推荐模型。
110.可选地，预设的厅店推荐模型可以通过python的sklearn库中的xgboost进行训练，xgboost算法(extreme gradient boosting)是基于boosting框架的一个算法工具包，在并行计算效率、缺失值处理、预测性能上较为优越。历史到店信息可以为统计的各个用户前往候选营业厅的信息，用户未到店信息可以为统计的各个用户未前往候选营业厅的信息，预设训练比例可以为将样本数据划分为训练集、测试集以及验证集的比例，例如，预设训练比例可以为7:2:1，预设收缩权重可以为学习率eta(learning rate)，由相关技术人员指定用于控制迭代速率、更新步长收缩来防止过度拟合，在每一步中收缩权重使得模型更加稳健，预设树最大深度max_depth，定义了一棵树的最大深度，其也可以用于控制过度拟合，预设轮数num_boost_round，可以为迭代次数(树的个数)，可以基于网格搜索的方式对模型的各个参数进行调优，从而获取最优模型指标以及对应的模型参数。预设收缩权重系数、预设树最大深度和预设轮数的取值范围如下表1所示：
[0111][0112]
表1
[0113]
在具体实现中，在预测用户偏好的推荐营业厅之前，可以先分别对营业厅信息和用户账户信息进行数据清洗和特征融合，获得与候选营业厅对应的业务特征信息和厅店位置、与用户账户对应的用户特征信息和用户轨迹信息，然后根据计算顺序逐一将各个候选营业厅的业务特征信息、厅店位置以及用户账户的用户特征信息、用户轨迹信息输入至预设的厅店推荐模型中，获取各个候选营业厅的推荐信息，从而实现针对用户的个性化推荐营业厅功能。
[0114]
可选地，数据清洗是指由计算机发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性、处理无效值和缺失值等等，特征融合是指对同一模式抽取不同的特征矢量进行优化组合，一方面，从融合和预测的先后顺序而言，特征融合可以分为早融合和晚融合，早融合(early fusion)：是指在特征上进行融合，进行不同特征的连接，输入到一个模型中进行训练(先融合多层的特征，然后在融合后的特征上训练预测器，只有在完全融合之后，才进行检测)，晚融合(late fusion)：指的是在预测分数上进行融合，训练多个模型，每个模型都会有一个预测分数，我们对所有模型的结果进行融合，从而得到最后的预测结果(通过结合不同层的检测结果改进检测性能，尚未完成最终融合之前，在部分融合
的层上就开始检测，会有多层的检测，最终将多个检测结果进行融合)，另一方面，从模型结构的角度而言，特征融合可以分为串行策略、并行策略，串行策略：整个模型只有一个支路，并行策略：模型会有多个支路，每个支路处理不同的特征。
[0115]
在本发明中，通过对营业厅信息和用户账户信息进行数据清洗，以删除营业厅信息和用户账户信息中的重复数据，然后对进行数据清洗后的营业厅信息和用户账户信息进行特征融合，以更好地利用不同特性的特征，并对这些不同特征进行联合建模，进而提高厅店推荐模型的性能。
[0116]
具体的，对营业厅信息和用户账户信息进行数据清洗之后，提取出移动dpi数据(deep packet inspection，深度包检测技术)、crm受理数据(customer relationship management，客户关系管理)、计费系统数据、厅店基本信息数据以及终端平台数据，然后对移动dpi数据、crm受理数据、计费系统数据、厅店基本信息数据以及终端平台数据进行特征融合，得到与候选营业厅对应的业务特征信息和厅店位置、与用户账户对应的用户特征信息和用户轨迹信息。其中，业务特征信息可以为营业厅的基本信息，例如，营业厅的厅店业务办理量、营业厅交易金额、营业厅员工数据、营业厅评分等等基本信息，厅店位置可以为营业厅的经纬度位置信息，例如，用户特征信息可以为用户的特性和偏好信息，例如，用户年龄、用户账户套餐价格、家庭组成、终端价格、消费趋势、月均出账金额、月均充值金额等信息，用户轨迹信息可以为用户历史前往营业厅办理业务的信息，例如，用户前往营业厅办理业务的往返时间、营业厅名称、营业厅位置、停留时间等信息。
[0117]
步骤104，将所述推荐优先级最高的所述候选营业厅作为与所述厅店推荐请求对应的推荐营业厅，并显示所述推荐营业厅对应的目标推荐分值和导航路线。
[0118]
在本发明实施例中，通过预设的厅店推荐模型可以计算出各个候选营业厅的推荐优先级，并将推荐优先级最高的候选营业厅作为与厅店推荐请求对应的推荐营业厅，同时显示出推荐营业厅所对应的目标推荐分值和导航路线，例如，各个候选营业厅的推荐优先级可以为：候选营业厅a＞候选营业厅c＞候选营业厅b，则预设的厅店推荐模型可以将候选营业厅a输出至相应的营业厅推荐页面，并将候选营业厅a的目标推荐分值和导航路线显示在该营业厅推荐页面中。
[0119]
在一种示例中，向用户推荐相应的推荐营业厅之后，可以通过获取用户账户的业务办理结果进一步对预设的厅店推荐模型进行动态优化，若业务办理结果为用户账户存在与业务办理请求对应的业务办理记录，则获取与业务办理结果对应的办理营业厅，将办理营业厅的办理营业厅名称、厅店位置与推荐营业厅的推荐营业厅名称、厅店位置进行比对，若办理营业厅的办理营业厅名称、厅店位置与推荐营业厅的推荐营业厅名称、厅店位置一致，则保持推荐营业厅的推荐优先级。
[0120]
其中，业务办理记录可以为用户账户中记录有办理与业务办理请求对应业务的历史用户行为，这表示用户前往了营业厅办理业务，例如，业务办理请求为“办理5g套餐”，若用户账户中存在与“订购5g套餐”对应的“该账户订购了60元5g套餐”的行为，则表示用户成功办理了相应的业务，若用户账户中没有记录与5g套餐对应的历史用户行为，则表示用户没有办理相应的业务。
[0121]
在另一种示例中，若办理营业厅名称与推荐营业厅名称不一致，则获取推荐营业厅的历史推荐信息，并提高办理营业厅的推荐优先级。例如，与例如，业务办理请求为“办理
5g套餐”，预设的厅店推荐模型输出了推荐营业厅a，推荐营业厅a的营业厅名称为“中国电信杨箕营业厅”，厅店位置为“广东省广州市越秀区中山一路杨箕大街”，用户账户a的业务办理结果为用户账户a中存在办理5g套餐的记录，但是用户账户a所前往的办理营业厅的营业厅名称为“中国电信中山一路营业厅”，厅店位置为“广东省广州市越秀区金羊二街”，经过营业厅之间的信息比对，确定用户账户a办理业务的办理营业厅与预设的厅店推荐模型输出的推荐营业厅并不相同，则获取推荐营业厅a的历史推荐信息，然后根据历史推荐信息调整推荐营业厅的推荐优先级。
[0122]
在另一种示例中，若业务办理结果为用户账户不存在与业务办理请求对应的业务办理记录，则获取推荐营业厅的历史推荐信息，例如，业务办理请求为“办理5g套餐”，预设的厅店推荐模型输出推荐营业厅a，然而用户账户中并不存在办理5g业务的历史用户行为，则获取推荐营业厅a的历史推荐信息，然后根据历史推荐信息调整推荐营业厅的推荐优先级。
[0123]
在具体实现中，历史推荐信息包括用户选择次数和模型推荐次数，将用户选择次数和模型推荐次数之间的比值作为推荐营业厅的历史推荐分值，若历史推荐分值大于或等于预设推荐分值，则保持推荐营业厅的推荐优先级，若历史推荐分值小于预设推荐分值，则降低推荐营业厅的推荐优先级。
[0124]
可选地，用户选择次数可以为各个用户在相关应用程序中选中前往办理业务的营业厅的次数，模型推荐次数可以为预设的厅店推荐模型在响应业务办理请求时，推荐或者输出的次数，历史推荐分值则为用户选择次数和模型推荐次数之间的比值，例如，推荐分值总分为100分，用户选择次数为30次，模型推荐次数为50次，则历史推荐分值可以为60分，预设推荐分值则为相关技术人员按照实际需求设置的推荐阈值，例如，60分、70分、80分等，通过依据用户实际的业务办理结果优化预设的厅店推荐模型，使所推荐的营业厅更加准确，与用户需求匹配度更高。
[0125]
作为一种示例，参照图4示出了本发明实施例提供的采用厅店推荐模型输出推荐营业厅的步骤流程图，假设存在一用户账户a，用户在通知页面点击“5g套餐优惠办理”的推送消息，且用户账户a所对应的出行方式信息为骑车，预设范围为【0米，3000米】，分别获取在【0米，3000米】内存在与用户账户a的当前用户位置对应的候选营业厅a、候选营业厅b以及候选营业厅c，根据“骑车”的出现方式确定出候选营业厅a的到店时长为10分钟，候选营业厅b的到店时长为15分钟，候选营业厅c的到店时长为12分钟，则按照各个营业厅的到店时长的大小对候选营业厅a、候选营业厅b以及候选营业厅c进行排序，获得各个候选营业厅对应的计算顺序为：候选营业厅a
‑‑
候选营业厅c
‑‑
候选营业厅b，并按照计算顺序逐一将各个候选营业厅的营业厅信息和用户账户信息输入预设的厅店推荐模型中，获得各个候选营业厅的推荐优先级为：候选营业厅a＞候选营业厅c＞候选营业厅b，候选营业厅a的目标推荐分值为90分，候选营业厅c的目标推荐分值为85分，候选营业厅b的目标推荐分值为80分，则可以将候选营业厅a作为推荐营业厅，并显示候选营业厅a的骑车导航路线和目标推荐分值，若用户所前往的办理营业厅名称与推荐营业厅名称不一致，则将用户选择次数和模型推荐次数之间的比值作为推荐营业厅的历史推荐分值，根据历史推荐分值调整推荐营业厅的推荐优先级，并优化预设的厅店推荐模型。
[0126]
需要说明的是，本发明实施例包括但不限于上述示例，可以理解的是，在本发明实
施例的思想指导下，本领域技术人员可以根据实际情况进行设置，本发明对此不作限制。
[0127]
在本发明实施例中，可以响应于业务办理请求，获取与用户账户对应的当前用户位置、用户账户信息、与当前用户位置对应的若干个候选营业厅以及候选营业厅的营业厅信息，若业务办理请求中包含针对候选营业厅的出行方式信息，则根据出行方式信息对各个候选营业厅进行排序，获得各个候选营业厅对应的计算顺序，然后根据各个候选营业厅的计算顺序将各个候选营业厅的营业厅信息以及用户账户信息输入至预设的厅店推荐模型中，获得各个候选营业厅的推荐优先级、目标推荐分值以及导航路线，并将推荐优先级最高的候选营业厅作为与厅店推荐请求对应的推荐营业厅，显示出推荐营业厅对应的目标推荐分值和导航路线，通过结合出行方式信息对各个候选营业厅进行排序，实现按照用户实际出行需求进行筛选和推荐，同时通过将针对候选营业厅的营业厅信息和针对用户的用户账户信息输入至预设的厅店推荐模型中，获得与用户账户特征匹配较高的推荐营业厅，提高营业厅的推荐精度，并显示出推荐营业厅的目标推荐分值和导航路线，以直观地引导用户到达推荐营业厅，提高用户体验。
[0128]
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
[0129]
参照图5，示出了本发明实施例中提供的一种营业厅的推荐装置的结构框图，具体可以包括如下模块：
[0130]
候选营业厅获取模块501，用于响应于业务办理请求，获取与用户账户对应的当前用户位置、用户账户信息、与所述当前用户位置对应的若干个候选营业厅以及所述候选营业厅的营业厅信息；
[0131]
计算顺序确定模块502，用于若所述业务办理请求中包含针对所述候选营业厅的出行方式信息，则根据所述出行方式信息对各个所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
[0132]
推荐信息获取模块503，用于根据各个所述候选营业厅的计算顺序将各个所述候选营业厅的营业厅信息以及所述用户账户信息输入至预设的厅店推荐模型中，获得各个所述候选营业厅的推荐信息，所述推荐信息至少包括推荐优先级、目标推荐分值以及导航路线；
[0133]
推荐营业厅确定模块504，用于将所述推荐优先级最高的所述候选营业厅作为与所述厅店推荐请求对应的推荐营业厅，并显示所述推荐营业厅对应的目标推荐分值和导航路线。
[0134]
在本发明实施例的一种可选实施例中，所述推荐信息包括推荐营业厅名称，所述装置具体用于：
[0135]
获取所述用户账户的业务办理结果；
[0136]
若所述业务办理结果为所述用户账户存在与所述业务办理请求对应的业务办理记录，则获取与所述业务办理结果对应的办理营业厅和所述办理营业厅的办理营业厅名称；
[0137]
若所述办理营业厅名称与所述推荐营业厅名称一致，则保持所述推荐营业厅的推荐优先级；
[0138]
若所述办理营业厅名称与所述推荐营业厅名称不一致，则获取所述推荐营业厅的历史推荐信息，并提高所述办理营业厅的推荐优先级。
[0139]
在本发明实施例的一种可选实施例中，所述历史推荐信息包括用户选择次数和模型推荐次数，所述装置具体用于：
[0140]
若所述业务办理结果为所述用户账户不存在与所述业务办理请求对应的业务办理记录，则获取所述推荐营业厅的历史推荐信息；
[0141]
将所述用户选择次数和所述模型推荐次数之间的比值作为所述推荐营业厅的历史推荐分值；
[0142]
若所述历史推荐分值大于或等于预设推荐分值，则保持所述推荐营业厅的推荐优先级；
[0143]
若所述历史推荐分值小于所述预设推荐分值，则降低所述推荐营业厅的推荐优先级。
[0144]
在本发明实施例的一种可选实施例中，所述候选营业厅获取模块501具体用于：
[0145]
响应于针对业务推送页面或业务办理页面的业务办理操作，获取与所述用户账户对应的所述当前用户位置以及所述用户账户信息；
[0146]
以所述当前用户位置为中点，获取预设范围内的若干个候选营业厅以及所述候选营业厅的营业厅信息。
[0147]
在本发明实施例的一种可选实施例中，所述计算顺序确定模块502具体用于：
[0148]
根据所述出行方式信息，确定从所述当前用户位置至各个所述候选营业厅的导航路线以及所述导航路线对应的到店时长；
[0149]
按照所述到店时长的大小对所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
[0150]
其中，所述出行方式信息包括自驾、地铁、公交、骑车、步行中的一种。
[0151]
在本发明实施例的一种可选实施例中，所述推荐信息获取模块503具体用于：
[0152]
分别对所述营业厅信息和所述用户账户信息进行数据清洗和特征融合，获得与所述候选营业厅对应的业务特征信息和厅店位置，与所述用户账户对应的用户特征信息和用户轨迹信息；
[0153]
根据所述计算顺序逐一将所述业务特征信息、所述厅店位置、所述用户特征信息以及所述用户轨迹信息输入至所述预设的厅店推荐模型中，获取各个所述候选营业厅的推荐信息。
[0154]
在本发明实施例的一种可选实施例中，所述营业厅信息包括厅店位置，所述装置具体用于：
[0155]
若所述业务办理请求中不包含针对所述候选营业厅的出行方式信息，则计算各个所述候选营业厅的厅店位置与所述当前用户位置之间的距离值，按照所述距离值的大小对各个所述候选营业厅进行排序，获得各个所述候选营业厅对应的计算顺序；
[0156]
根据各个所述候选营业厅的计算顺序将各个所述候选营业厅的营业厅信息以及所述用户账户信息输入至预设的厅店推荐模型中，获得各个所述候选营业厅的推荐信息，
所述推荐信息至少包括推荐优先级、目标推荐分值以及导航路线；
[0157]
将所述推荐优先级最高的所述候选营业厅作为与所述厅店推荐请求对应的推荐营业厅，并显示所述推荐营业厅对应的目标推荐分值和导航路线。
[0158]
在本发明实施例的一种可选实施例中，所述厅店推荐模型通过如下方式生成：
[0159]
构建与所述候选营业厅对应的初始厅店推荐模型；
[0160]
获取至少一个所述用户账户的历史用户轨迹信息，所述历史用户轨迹信息包括历史到店信息和用户未到店信息；
[0161]
将所述历史到店信息作为正样本，和所述用户未到店信息作为负样本，将所述正样本和所述负样本作为用于训练所述厅店推荐模型的模型训练数据；
[0162]
按照预设训练比例将所述模型训练数据划分为训练集、测试集以及验证集；
[0163]
采用所述训练集、所述测试集以及所述验证集训练所述初始厅店推荐模型，并采用预设收缩权重系数、预设树最大深度和预设轮数对所述初始厅店推荐模型进行参数设置，生成所述预设的厅店推荐模型。
[0164]
对于装置实施例而言，由于其与方法实施例基本相似，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。
[0165]
另外，本发明实施例还提供了一种电子设备，包括：处理器，存储器，存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述营业厅的推荐方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
[0166]
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质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营业厅的推荐方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等。
[0167]
图6为实现本发明各个实施例的一种电子设备的结构示意图。
[0168]
该电子设备600包括但不限于：射频单元601、网络模块602、音频输出单元603、输入单元604、传感器605、显示单元606、用户输入单元607、接口单元608、存储器609、处理器610、以及电源611等部件。本领域技术人员可以理解，图6中示出的电子设备结构并不构成对电子设备的限定，电子设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。在本发明实施例中，电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
[0169]
应理解的是，本发明实施例中，射频单元601可用于收发信息或通话过程中，信号的接收和发送，具体的，将来自基站的下行数据接收后，给处理器610处理；另外，将上行的数据发送给基站。通常，射频单元601包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元601还可以通过无线通信系统与网络和其他设备通信。
[0170]
电子设备通过网络模块602为用户提供了无线的宽带互联网访问，如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
[0171]
音频输出单元603可以将射频单元601或网络模块602接收的或者在存储器609中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元603还可以提供与电
子设备600执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元603包括扬声器、蜂鸣器以及受话器等。
[0172]
输入单元604用于接收音频或视频信号。输入单元604可以包括图形处理器(graphics processing unit，gpu)6041和麦克风6042，图形处理器6041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元606上。经图形处理器6041处理后的图像帧可以存储在存储器609(或其它存储介质)中或者经由射频单元601或网络模块602进行发送。麦克风6042可以接收声音，并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元601发送到移动通信基站的格式输出。
[0173]
电子设备600还包括至少一种传感器605，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板6061的亮度，接近传感器可在电子设备600移动到耳边时，关闭显示面板6061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；传感器605还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等，在此不再赘述。
[0174]
显示单元606用于显示由用户输入的信息或提供给用户的信息。显示单元606可包括显示面板6061，可以采用液晶显示器(liquid crystal display，lcd)、有机发光二极管(organic light-emitting diode,oled)等形式来配置显示面板6061。
[0175]
用户输入单元607可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元607包括触控面板6071以及其他输入设备6072。触控面板6071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板6071上或在触控面板6071附近的操作)。触控面板6071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器610，接收处理器610发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板6071。除了触控面板6071，用户输入单元607还可以包括其他输入设备6072。具体地，其他输入设备6072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆，在此不再赘述。
[0176]
进一步的，触控面板6071可覆盖在显示面板6061上，当触控面板6071检测到在其上或附近的触摸操作后，传送给处理器610以确定触摸事件的类型，随后处理器610根据触摸事件的类型在显示面板6061上提供相应的视觉输出。虽然在图6中，触控面板6071与显示面板6061是作为两个独立的部件来实现电子设备的输入和输出功能，但是在某些实施例中，可以将触控面板6071与显示面板6061集成而实现电子设备的输入和输出功能，具体此处不做限定。
[0177]
接口单元608为外部装置与电子设备600连接的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端
口、用于连接具有识别模块的装置的端口、音频输入/输出(i/o)端口、视频i/o端口、耳机端口等等。接口单元608可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到电子设备600内的一个或多个元件或者可以用于在电子设备600和外部装置之间传输数据。
[0178]
存储器609可用于存储软件程序以及各种数据。存储器609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、电话本等)等。此外，存储器609可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
[0179]
处理器610是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器609内的软件程序和/或模块，以及调用存储在存储器609内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。处理器610可包括一个或多个处理单元；优选的，处理器610可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器610中。
[0180]
电子设备600还可以包括给各个部件供电的电源611(比如电池)，优选的，电源611可以通过电源管理系统与处理器610逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
[0181]
另外，电子设备600包括一些未示出的功能模块，在此不再赘述。
[0182]
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
[0183]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
[0184]
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
[0185]
本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0186]
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0187]
在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0188]
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0189]
另外，在本发明各个实施例中的各功能单元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。
[0190]
所述功能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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
[0191]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。