地点推荐方法、装置、电子设备以及存储介质与流程

1.本技术涉及计算机技术领域，具体涉及一种地点推荐方法、装置、电子设备以及存储介质。


背景技术：

2.随着智能设备和移动互联网技术的发展，结合互联网的新型出行方式也出现了蓬勃的发展。为了更好地满足用户的需求，许多应用具备地点推荐功能。
3.在目前的地点推荐方案中，是通过应用采集用户设备的一些数据进行地点推荐，如用户设备的定位、用户设备的历史轨迹以及用户画像等数据，此外，在某些厂商的应用中，还会调用其他应用的应用数据，以确保地点推荐的准确性。
4.然而，当用户关闭其定位以及应用调用权限时，目前的地点推荐方案无法准确地向用户进行地点推荐。


技术实现要素：

5.本技术实施例提供一种地点推荐方法、装置、电子设备以及存储介质，可以提高地点推荐的准确性。
6.本技术实施例提供了一种地点推荐方法，包括：
7.获取历史检索请求序列，所述历史检索请求包括多个按照时间顺序排列的历史检索请求，所述历史检索请求携带至少一个历史推荐地点；
8.分别对所述历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注；
9.提取所述历史推荐地点在不同维度下的地点特征；
10.基于所述历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型；
11.根据所述地点推荐模型推荐目标地点。
12.可选的，在一些实施例中，所述基于所述历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型，包括：
13.将提取的地点特征输入至预设的推荐模型中，得到所述历史检索请求选择所述历史推荐地点的选择概率；
14.基于所述选择概率以及所述历史推荐地点对应的标签对所述推荐模型进行训练，得到地点推荐模型。
15.可选的，在一些实施例中，所述基于所述选择概率以及所述历史推荐地点对应的标签对所述推荐模型进行训练，得到地点推荐模型，包括：
16.将所述选择概率最大的历史推荐地点确定为所述历史检索请求对应的预估检索地点；
17.将标签为预设标签的历史推荐地点确定为历史检索地点；
18.基于所述预估检索地点和历史检索地点对所述推荐模型进行训练，得到地点推荐模型。
19.可选的，在一些实施例中，所述基于所述预估检索地点和历史检索地点对所述推荐模型进行训练，得到地点推荐模型，包括：
20.计算所述预估检索地点的标签与所述历史检索地点的标签之间的差值；
21.基于所述差值对所述推荐模型的权重矩阵进行更新；
22.对所述推荐模型的权重矩阵迭代更新预设次数后，得到地点推荐模型。
23.可选的，在一些实施例中，所述分别对所述历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注，包括：
24.对所述历史检索请求中已选择的历史推荐地点标注为第一标签，以及；
25.对所述历史检索请求中未选择的历史推荐地点标注为第二标签。
26.可选的，在一些实施例中，所述提取所述历史推荐地点在不同维度下的地点特征，包括：
27.提取所述历史推荐地点对应的地点时间特征；
28.提取所述历史推荐地点的地点热度特征，以及；
29.提取所述历史推荐地点的地点类型特征。
30.可选的，在一些实施例中，所述根据所述地点推荐模型推荐目标地点，包括：
31.显示地点检索界面；
32.响应于针对所述地点检索界面触发的地点检索操作，根据所述地点推荐模型推荐目标地点。
33.相应的，本技术还提供一种地点推荐装置，包括：
34.获取模块，用于获取历史检索请求序列，所述历史检索请求包括多个按照时间顺序排列的历史检索请求，所述历史检索请求携带至少一个历史推荐地点；
35.标注模块，用于分别对所述历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注；
36.提取模块，用于提取所述历史推荐地点在不同维度下的地点特征；
37.训练模块，用于基于所述历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型；
38.推荐模块，用于根据所述地点推荐模型推荐目标地点。
39.相应的，本技术还提供一种电子设备，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，其中，所述处理器执行所述程序时如上任一所述方法的步骤。
40.本技术还提供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，所述计算机程序被处理器执行时实现如上任一所述方法的步骤。
41.本技术实施例提供的地点推荐方案，在获取历史检索请求序列后，所述历史检索请求包括多个按照时间顺序排列的历史检索请求，所述历史检索请求携带至少一个历史推荐地点，分别对所述历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注，接着，提取所述历史推荐地点在不同维度下的地点特征，然后，基于所述历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型，最后，
根据所述地点推荐模型推荐目标地点。在本技术提供的地点推荐的方案中，利用历史推荐地点在不同维度下的地点特征以及历史推荐地点对应的标签对推荐模型进行训练，在后续进行地点推荐时，地点推荐模型会关注于地点本身的特性，即便用户关闭其定位以及应用调用权限，也可以进行地点推荐，由此，提高了地点推荐的准确性。
附图说明
42.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。
43.图1是本技术实施例提供的地点推荐方法的流程示意图；
44.图2是本技术实施例提供的地点推荐方法中地点推荐模型的结构示意图；
45.图3是本技术实施例提供的地点推荐装置的结构示意图；
46.图4是本技术实施例提供的电子设备的结构示意图。
具体实施方式
47.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
48.本技术实施例提供一种地点推荐方法、装置、电子设备和存储介质。
49.其中，该地点推荐装置具体可以集成在服务器或者终端中，服务器可以包括一个独立运行的服务器或者分布式服务器，也可以包括由多个服务器组成的服务器集群，终端可以包括手机、平板电脑或个人计算机(pc，personal computer)。
50.以下分别进行详细说明。需说明的是，以下实施例的描述顺序不作为对实施例优先顺序的限定。
51.一种地点推荐方法，包括：获取历史检索请求序列，分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注；提取历史推荐地点在不同维度下的地点特征；基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型；根据地点推荐模型推荐目标地点。
52.请参阅图1，图1为本技术实施例提供的地点推荐方法的流程示意图。该地点推荐方法的具体流程可以如下：
53.101、获取历史检索请求序列。
54.其中，历史检索请求包括多个按照时间顺序排列的历史检索请求，历史检索请求携带至少一个历史推荐地点。历史检索请求指的是在历史时段内触发的检索请求，比如，历史检索请求序列包括在过去一个月内产生的历史检索请求a、历史检索请求b以及历史检索请求c，其中，历史检索请求a携带历史推荐地点a1、历史推荐地点a2以及历史推荐地点a3，历史检索请求b携带历史推荐地点b1和历史推荐地点b2，历史检索请求c携带历史推荐地点c1、历史推荐地点c2以及历史推荐地点c3，且历史检索请求b的时间早于历史检索请求a，零
食检索请求c的时间早于历史检索请求b，即，该历史检索请求序列为：历史检索请求c-历史检索请求b-历史检索请求a。
55.102、分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注。
56.在本技术中，采用有监督训练对预设的推荐模型进行训练，有监督训练又称监督学习，监督学习是从标记的训练数据来推断一个功能的机器学习任务。训练数据包括一套训练示例。在监督学习中，每个实例都是由一个输入对象(通常为矢量)和一个期望的输出值(也称为监督信号)组成。监督学习算法是分析该训练数据，并产生一个推断的功能，其可以用于映射出新的实例。一个最佳的方案将允许该算法来正确地决定那些看不见的实例的类标签。这就要求学习算法是在一种“合理”的方式从一种从训练数据到看不见的情况下形成。
57.比如，历史检索请求中包括历史推荐地点a、历史推荐地点b和历史推荐地点c，在该历史检索请求中，用户选择了历史推荐地点a，故，可以将历史推荐地点a的标签中标注为1，将历史推荐地点b的标签中标注为0，以及将历史推荐地点c的标签中标注为0，即，可选的，在一些实施例中，步骤“分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注”，具体可以包括：对历史检索请求中已选择的历史推荐地点标注为第一标签，以及对历史检索请求中未选择的历史推荐地点标注为第二标签。
58.103、提取历史推荐地点在不同维度下的地点特征。
59.本技术的地点推荐模型为时间序列模型，故，时间信息和地点信息为该地点推荐模型的强依赖，因此，在特征提取阶段，可以提取地点以及时间相关的特征，便于后续对推荐模型的训练。
60.可选的，在一些实施例中，地点特征具体可以包括：地点时间特征、地点热度特征以及地点类型特征，即，步骤“提取历史推荐地点在不同维度下的地点特征”，具体可以包括：提取历史推荐地点对应的地点时间特征、提取历史推荐地点的地点热度特征，以及提取历史推荐地点的地点类型特征。
61.其中，地点时间特征用于表征该历史推荐地点被推荐的时间；地点热度特征用于表征该历史推荐地点在每个区域被推荐的次数；地点类型特征用于表征每个时间段该历史推荐地点被推荐的次数。
62.104、基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型。
63.可选的，在一些实施例中，该推荐模型可以为循环神经网络(recurrent neuralnetworks，rnn)模型，该rnn模型一般以序列数据为输入,通过网络内部的结构设计可以有效捕捉序列之间的关系特征,一般也是以序列形式进行输出。rnn循环机制使模型上一时间步产生的结果能够作为下一个时间步输入的一部分，对下一个时间步的输出产生影响，这就是所说的序列信息。
64.可选的，在一些实施例中，利用提取的地点特征预估历史检索请求选择历史推荐地点的选择概率，并基于该选择概率和历史推荐地点对应的标签进行模型训练，即，步骤“基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型”，具体可以包括：
65.(11)将提取的地点特征输入至预设的推荐模型中，得到历史检索请求选择历史推荐地点的选择概率；
66.(12)基于选择概率以及历史推荐地点对应的标签对推荐模型进行训练，得到地点推荐模型。
67.例如，具体的，将历史推荐地点a、历史推荐地点b和历史推荐地点c的地点特征输入至预设的推荐模型中，由该推荐模型输出历史推荐地点a的选取概率为85％、历史推荐地点a的选取概率为60％以及历史推荐地点a的选取概率为15％，随后，将该历史推荐地点a确定为预估检索地点，即，预估历史检索请求的用户所选择的检索地点为历史推荐地点a，最后，基于该历史推荐地点a预估值和真实值训练推荐模型，从而得到地点推荐模型，即，可选的，在一些实施例中，步骤“基于选择概率以及历史推荐地点对应的标签对推荐模型进行训练，得到地点推荐模型”，具体可以包括：
68.(21)将选择概率最大的历史推荐地点确定为历史检索请求对应的预估检索地点；
69.(22)将标签为预设标签的历史推荐地点确定为历史检索地点；
70.(23)基于预估检索地点和历史检索地点对推荐模型进行训练，得到地点推荐模型。
71.需要说明的是，在一些实施例中，已选择的历史推荐地点的标签为1，未选择的历史推荐地点的标签为0，故，在训练时，同样可以对预估检索地点进行标注，即，将预估检索地点标注为1，随后，计算预估检索地点的标签与历史推荐地点的标签之间的差异，从而对推荐模型进行训练，即，可选的，在一些实施例中，步骤“基于预估检索地点和历史检索地点对推荐模型进行训练，得到地点推荐模型”，具体可以包括：
72.(31)计算预估检索地点的标签与历史检索地点的标签之间的差值；
73.(32)基于差值对推荐模型的权重矩阵进行更新；
74.(33)对推荐模型的权重矩阵迭代更新预设次数后，得到地点推荐模型。
75.请参阅图2，图2为本技术提供的地点推荐方法中地点推荐模型的结构示意图，本技术的地点推荐模型为一个输入层，一个输出层、两个隐藏层，每一层有若干神经元组成，神经元的概念就是把输入数据x经过激活函数relu后输出y，实现x数据的非线性映射。而本技术的地点推荐模型中y的值不再是relu(x)，而是和上一时刻的状态有关，也就是把隐藏层横向看做一条时间线，下一时刻的状态由上一时刻状态决定，具体可以采用下式对推荐模型进行训练
[0076][0077][0078][0079]
其中，为t时段内第i个输出单元对应的输入数据，wi为第i个输出单元对应的权重矩阵，i为输出单元的总数，θ是一个非线性函数(激活函数)，表示第一层隐藏层h的状态，表示第二层隐藏层h的状态，表示最终的输出，从公式中不难看出，地点推荐模型的最终输出受每一层的状态、输入数据、权重矩阵和激活函数共同决定。
[0080]
105、根据地点推荐模型推荐目标地点。
[0081]
例如，当用户需要进行货运运输时，可以通过该地点推荐模型进行地点推荐，从而可以提高货运运输的效率，具体的，可以将该地点推荐模型集成在手机中，手机可以显示相关的界面，当用户通过该界面进行操作时，可以根据地点推荐模型推荐目标地点，即，可选的，在一些实施例中，步骤“根据地点推荐模型推荐目标地点”，具体可以包括：
[0082]
(41)显示地点检索界面；
[0083]
(42)响应于针对地点检索界面触发的地点检索操作，根据地点推荐模型推荐目标地点。
[0084]
需要说明的是，在本技术的一些实施例中，可以预先构建推荐地点集合，在实际进行地点推荐时，可以根据地点推荐模型和构建的推荐地点集合，为用户推荐目标地点，由此，减少了地点推荐的计算量，并且，当用户关闭其定位以及应用调用权限，也可以进行地点推荐，故，提高了地点推荐的准确性。
[0085]
本技术实施例提供一种地点推荐方法，在获取历史检索请求序列后，该历史检索请求包括多个按照时间顺序排列的历史检索请求，历史检索请求携带至少一个历史推荐地点，分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注，接着，提取历史推荐地点在不同维度下的地点特征，然后，基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型，最后，根据地点推荐模型推荐目标地点。在本技术提供的地点推荐的方案中，利用历史推荐地点在不同维度下的地点特征以及历史推荐地点对应的标签对推荐模型进行训练，在后续进行地点推荐时，地点推荐模型会关注于地点本身的特性，即便用户关闭其定位以及应用调用权限，也可以进行地点推荐，由此，提高了地点推荐的准确性。
[0086]
为便于更好的实施本技术实施例的地点推荐方法，本技术实施例还提供一种基于上述地点推荐装置(简称推荐装置)。其中名词的含义与上述地点推荐方法中相同，具体实现细节可以参考方法实施例中的说明。
[0087]
请参阅图3，图3为本技术实施例提供的地点推荐装置的结构示意图，其中该训练装置可以包括获取模块201、标注模块202、提取模块203、训练模块204以及推荐模块205，具体可以如下：
[0088]
获取模块201，用于获取历史检索请求序列。
[0089]
其中，历史检索请求包括多个按照时间顺序排列的历史检索请求，历史检索请求携带至少一个历史推荐地点。
[0090]
标注模块202，用于分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注。
[0091]
可选的，在一些实施例中，标注模块202具体可以用于：对历史检索请求中已选择的历史推荐地点标注为第一标签，以及对历史检索请求中未选择的历史推荐地点标注为第二标签。
[0092]
提取模块203，用于提取历史推荐地点在不同维度下的地点特征。
[0093]
可选的，在一些实施例中，地点特征具体可以包括：地点时间特征、地点热度特征以及地点类型特征，即，提取模块203具体可以用于：提取历史推荐地点对应的地点时间特征、提取历史推荐地点的地点热度特征，以及提取历史推荐地点的地点类型特征。
[0094]
训练模块204，用于基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型。
[0095]
可选的，在一些实施例中，利用提取的地点特征预估历史检索请求选择历史推荐地点的选择概率，并基于该选择概率和历史推荐地点对应的标签进行模型训练。
[0096]
可选的，在一些实施例中，训练模块204具体可以包括：
[0097]
输出单元，用于将提取的地点特征输入至预设的推荐模型中，得到历史检索请求选择历史推荐地点的选择概率；
[0098]
训练单元，用于基于选择概率以及历史推荐地点对应的标签对推荐模型进行训练，得到地点推荐模型。
[0099]
可选的，在一些实施例中，训练单元具体可以包括：
[0100]
第一确定子单元，用于将选择概率最大的历史推荐地点确定为历史检索请求对应的预估检索地点；
[0101]
第二确定子单元，用于将标签为预设标签的历史推荐地点确定为历史检索地点；
[0102]
训练子单元，用于基于预估检索地点和历史检索地点对推荐模型进行训练，得到地点推荐模型。
[0103]
可选的，在一些实施例中，训练子单元具体可以用于：计算预估检索地点的标签与历史检索地点的标签之间的差值；基于差值对推荐模型的权重矩阵进行更新；对推荐模型的权重矩阵迭代更新预设次数后，得到地点推荐模型。
[0104]
推荐模块205，用于根据地点推荐模型推荐目标地点。
[0105]
本技术实施例提供一种地点推荐装，在获取模块201获取历史检索请求序列后，该历史检索请求包括多个按照时间顺序排列的历史检索请求，历史检索请求携带至少一个历史推荐地点，标注模块202分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注，接着，提取模块203提取历史推荐地点在不同维度下的地点特征，然后，训练模块204基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型，最后，推荐模块205根据地点推荐模型推荐目标地点。在本技术提供的地点推荐的方案中，利用历史推荐地点在不同维度下的地点特征以及历史推荐地点对应的标签对推荐模型进行训练，在后续进行地点推荐时，地点推荐模型会关注于地点本身的特性，即便用户关闭其定位以及应用调用权限，也可以进行地点推荐，由此，提高了地点推荐的准确性。
[0106]
此外，本技术实施例还提供一种电子设备，如图4所示，其示出了本技术实施例所涉及的电子设备的结构示意图，具体来讲：
[0107]
该电子设备可以包括一个或者一个以上处理核心的处理器301、一个或一个以上计算机可读存储介质的存储器302、电源303和输入单元304等部件。本领域技术人员可以理解，图4中示出的电子设备结构并不构成对电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
[0108]
处理器301是该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302内的软件程序和/或模块，以及调用存储在存储器302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。可选的，处理器301可包括一个或多个处理核心；优选的，处理器301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301中。
[0109]
存储器302可用于存储软件程序以及模块，处理器301通过运行存储在存储器302的软件程序以及模块，从而执行各种功能应用以及地点推荐。存储器302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电子设备的使用所创建的数据等。此外，存储器302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。相应地，存储器302还可以包括存储器控制器，以提供处理器301对存储器302的访问。
[0110]
电子设备还包括给各个部件供电的电源303，优选的，电源303可以通过电源管理系统与处理器301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。电源303还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
[0111]
该电子设备还可包括输入单元304，该输入单元304可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
[0112]
尽管未示出，电子设备还可以包括显示单元等，在此不再赘述。具体在本实施例中，电子设备中的处理器301会按照如下的指令，将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器302中，并由处理器301来运行存储在存储器302中的应用程序，从而实现各种功能，如下：
[0113]
获取历史检索请求序列，分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注；提取历史推荐地点在不同维度下的地点特征；基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型；根据地点推荐模型推荐目标地点。
[0114]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0115]
本技术实施例在获取历史检索请求序列后，该历史检索请求包括多个按照时间顺序排列的历史检索请求，历史检索请求携带至少一个历史推荐地点，分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注，接着，提取历史推荐地点在不同维度下的地点特征，然后，基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型，最后，根据地点推荐模型推荐目标地点。在本技术提供的地点推荐的方案中，利用历史推荐地点在不同维度下的地点特征以及历史推荐地点对应的标签对推荐模型进行训练，在后续进行地点推荐时，地点推荐模型会关注于地点本身的特性，即便用户关闭其定位以及应用调用权限，也可以进行地点推荐，由此，提高了地点推荐的准确性。
[0116]
本领域普通技术人员可以理解，上述实施例的各种方法中的全部或部分步骤可以通过指令来完成，或通过指令控制相关的硬件来完成，该指令可以存储于一计算机可读存储介质中，并由处理器进行加载和执行。
[0117]
为此，本技术实施例提供一种存储介质，其中存储有多条指令，该指令能够被处理
器进行加载，以执行本技术实施例所提供的任一种地点推荐方法中的步骤。例如，该指令可以执行如下步骤：
[0118]
获取历史检索请求序列，分别对历史检索请求中已选择的历史推荐地点和未选择的历史推荐地点进行标注；提取历史推荐地点在不同维度下的地点特征；基于历史推荐地点对应的标签以及提取的地点特征对预设的推荐模型进行训练，得到地点推荐模型；根据地点推荐模型推荐目标地点。
[0119]
以上各个操作的具体实施可参见前面的实施例，在此不再赘述。
[0120]
其中，该存储介质可以包括：只读存储器(rom，readonlymemory)、随机存取记忆体(ram，randomaccessmemory)、磁盘或光盘等。
[0121]
由于该存储介质中所存储的指令，可以执行本技术实施例所提供的任一种地点推荐方法中的步骤，因此，可以实现本技术实施例所提供的任一种地点推荐方法所能实现的有益效果，详见前面的实施例，在此不再赘述。
[0122]
以上对本技术实施例所提供的一种地点推荐方法、装置、电子设备以及存储介质进行了详细介绍，本文中应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。