一种分析用户行为周期的方法和装置与流程

本申请涉及用户行为分析技术领域，特别涉及一种分析用户行为周期的方法和装置。

背景技术：

很多现有技术都试图通过分析用户的交易行为，得到用户的潜在交易行为倾向，但是由于用户很难一直以一个稳定周期产生交易行为，因此，例如使用快速傅里叶变换等快速计算时域序列周期的方法都不能很好的适用于用户交易行为的分析，因此很难准确的得到用户对商户或者平台的忠诚度等数据。

技术实现要素：

为解决现有技术中的上述问题，本申请的一个目的在于提出一种分析用户行为周期的方法和装置，能够更加准确的分析用户行为以及评价用户，根据该评价结果可以指导商家调整生产，以对目标用户提供相对应的定制服务或者产品，从而可以提高生产服务的效率，降低盲目生产带来的资源浪费。

为达到上述目的，本申请实施例提出了一种分析用户行为周期的方法，包括：获取用户行为的时间间隔序列；寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列；计算所有所述周期时间间隔子序列的分值；根据所述分值对用户进行分级评价。

为达到上述目的，本申请实施例提出了一种分析用户行为周期的装置，包括：获取单元，用于获取用户行为的时间间隔序列；子序列单元，用于寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列；计算单元，用于计算所有所述周期时间间隔子序列的分值；评价单元，用于根据所述分值对用户进行分级评价。

由以上本申请实施例提供的技术方案可见，通过上述本申请实施例的方法，可以找到用户行为的周期特性，并对该周期性的行为进行打分，量化了对用户评价的过程，用数字化的方式描述了用户的特征，能够更加准确的分析用户行为以及评价用户，根据该评价结果可以指导商家调整生产，以对目标用户提供相对应的定制服务或者产品，从而可以提高生产服务的效率，降低盲目生产带来的资源浪费。

本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明 显，或通过本申请的实践了解到。

当然实施本申请的任一产品或者方法必不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，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。

图1所示为本申请实施例一种分析用户行为周期的方法的流程图；

图2所示为本申请实施例一种分析用户行为周期的装置的结构示意图；

图3所示为本申请实施例一种分析用户行为周期方法的具体流程图；

图4所示为本申请实施例的用户消费行为的时间序列示意图；

图5所示为本申请实施例一种分析用户行为周期的方法的具体流程图。

具体实施方式

本申请实施例提供一种分析用户行为周期的方法及装置。

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都应当属于本申请保护的范围。

如图1所示为本申请实施例一种分析用户行为周期的方法的流程图，在本图中描述了通过对用户行为进行分析得到用户行为周期，以及根据该用户行为周期对用户进行分析评价的方法。在现有技术中通过efm模型其中r代表最近一次消费(recency)，f代表消费频率(frequency)，m代表消费金额(monetary)，主要通过这三个指标来分析用户对于商户或者平台的忠诚度，该方法虽然能够在一定程度上描述用户的行为，但无法精确的刻画用户在整个时间轴上的行为分布。而且，由于用户行为的离散性，现有技术中的快速傅里叶变换也不能很好的应用于用户行为周期的分析之中。通过本申请实施例中的方法判断构成序列的用户行为时间间隔的波动程度是否超过门限值，来寻找所述序列中以周期形式呈现的子序列，并对所有子序列进行评分，从而可以得到对该用户的分析结果。

该方法具体包括步骤101，获取用户行为的时间间隔序列。

步骤102，寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序 列。

步骤103，计算所有所述周期时间间隔子序列的分值。

步骤104，根据所述分值对用户进行分级评价。

作为本申请的一个实施例，所述寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列进一步包括，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列。

其中，用户行为的时间间隔序列可以例如为，用户在1月3号、1月7号，1月12号在肯德基有消费行为，以1月1号为起始日期，则生成相应用户行为的时间序列为(2，6，11)，即计算消费日期与起始日期的时间差，而该用户行为的时间间隔序列为所述用户行为的时间序列中各用户行为时间之间的间隔，也就是说用户行为的时间间隔序列为(4，5)，所述元素就是指时间间隔序列中的每个时间间隔。

作为本申请的一个实施例，所述波动包括所述子序列中相邻元素的方差，或者子序列中相邻元素的比值。

其中，对于相邻元素的比值，可以使用相邻两个元素中较大的作为分子，较小的作为分母，从而可以得到两个相邻元素的比值，对于相邻元素波动的判断还可以采用其它现有技术中的方法，本申请实施例只是列举了几种方式，并不限定使用哪种方式得到相邻元素的波动。

作为本申请的一个实施例，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列进一步包括，以时间间隔序列中某元素为头，另一元素为尾形成连续的子序列，计算当前子序列是否为周期时间间隔子序列，若所述子序列为周期时间间隔子序列，则不再计算该子序列中是否还存在其它周期时间间隔子序列。

其中，计算子序列是否为周期时间间隔子序列是一个遍历过程，如果一个子序列为周期时间间隔子序列则该子序列中的任何一段都为周期时间间隔子序列，这样就可以避免在寻找周期时间间隔子序列时，在该子序列中重复的寻找计算更短的周期时间间隔子序列，从而减小了计算复杂度。

作为本申请的一个实施例，以时间间隔序列中某元素为头，另一元素为尾形成连续的子序列中进一步包括，选择所述子序列中头元素与尾元素时，以两者之间具有的元素越多越好。

其中，可以选择整个时间间隔序列的头和尾元素作为子序列中的头和尾元素，然后所述子序列中的头和尾元素变为其它元素进行遍历，通过选择遍历长序列，可以减少遍历计算的次数，从而可以进一步减少计算复杂度。

作为本申请的一个实施例，当所述时间间隔序列的某段连续的子序列中相邻元素的波动 小于预定值时，则该连续的子序列为周期时间间隔子序列进一步包括，所述连续的子序列满足如下公式则为周期时间间隔子序列：

variance(list)/mean(list)＜epsilon/f(length(list))

其中，variance(list)是指子序列中相邻元素的波动，mean(list)是指子序列中元素的均值，epsilon是指根据场景的预设值，f(length(list))是指考虑到子序列长度的惩罚值。

其中，例如子序列为(1，1，2，2，4)，则mean(list)为(1+1+2+2+4)/5＝2，根据场景的不同epsilon的取值也不同，例如在用户消费行为的场景中epsilon可能取1，在用户进行水电费缴费的场景中epsilon可能取2或其它值；子序列如果越长f(length(list))就越小，可以是根据应用的场景不同而采用不同的运算，length(list)是指子序列长度，f(length(list))例如可能是子序列长度的开根运算，或者为其它运算，或者就等于子序列长度。

作为本申请的一个实施例，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列进一步包括，所述连续的子序列满足如下公式则为周期时间间隔子序列：

variance(list)＜epsilon

其中，variance(list)是指子序列中相邻元素的波动，epsilon是指根据场景的预设值。

作为本申请的一个实施例，计算所有所述周期时间间隔子序列的分值进一步包括，提取所述周期时间间隔子序列的周期、波动以及长度，分配以不同的权重值，并获得所述周期时间间隔子序列结束至当前时间的时间信息，计算得到该周期时间间隔子序列的分值，并计算所有周期时间间隔子序列分值的和。

作为本申请的一个实施例，计算得到该周期时间间隔子序列的分值进一步包括，所述周期时间间隔子序列的分值符合以下公式：

s＝(a*period+b*variance+c*times)*f(tonow)

其中，s为周期时间子序列的分值，a、b、c为权值，period为所述周期时间子序列的周期，variance为所述周期时间子序列中相邻元素的波动，times为所述周期时间子序列的元素个数；tonow为所述周期时间间隔子序列结束至当前时间的时间信息，f()为对所述时间信息的函数运算。

所述period越小，说明用户行为越频繁，此项的值应当越大，a*period可以为负相关运算，例如y＝1/x；variance越小，说明波动越小，此项的值应当越大，b*variance可以为负相关运算，例如y＝1/x；times越大，说明周期越长，此项的值应当越大，c*times可以为正相关运算，例如y＝x；所述tonow越大时，说明该周期时间间隔子序列的价值越低，该子 序列的分值应道较低，f()可以为开根运算、取log运算、e^-x运算等等，其中x为时间信息，该f()可以根据应用场景不同而不同。

作为本申请的一个实施例，计算所有所述周期时间间隔子序列的分值进一步包括，记录所有所述周期时间间隔子序列的参数，包括用户id，周期时间粒度，所述周期时间间隔子序列的周期、波动、元素个数、周期开始时间、周期结束时间。

其中，记录的内容还可以包括用户行为的客体，例如网购的商家id，真实消费行为的商家id等，还可以记录其它周期时间间隔子序列的参数，以便用于后期的数据分析。

通过上述本申请实施例的方法，可以找到用户行为的周期特性，并对该周期性的行为进行打分，量化了对用户评价的过程，用数字化的方式描述了用户的特征，能够更加准确的分析用户行为以及评价用户，根据该评价结果可以指导商家调整生产，以对目标用户提供相对应的定制服务或者产品，从而可以提高生产服务的效率，降低盲目生产带来的资源浪费。

如图2所示为本申请实施例一种分析用户行为周期的装置的结构示意图，在本图中描述了通过寻找用户行为的周期性，可以对用户行为进行分析和评分，从而可以对用户进行分析和评价，其中各个功能单元均可以采用可编程逻辑器件实现，或者使用计算机或者计算机集群实现，并且各个功能单元可以集成在一台计算机之中，或者由多台计算机实现某个功能单元或者某几个功能单元的功能。

该装置具体包括获取单元201，用于获取用户行为的时间间隔序列。

子序列单元202，用于寻找所述时间间隔序列中相邻元素的波动满足预定条件的周期时间间隔子序列。

计算单元203，用于计算所有所述周期时间间隔子序列的分值。

评价单元204，用于根据所述分值对用户进行分级评价。

作为本申请的一个实施例，所述子序列单元具体用于，当所述时间间隔序列的某段连续的子序列中相邻元素的波动小于预定值时，则该连续的子序列为周期时间间隔子序列。

作为本申请的一个实施例，所述波动包括所述子序列中相邻元素的方差，或者子序列中相邻元素的比值。

作为本申请的一个实施例，所述子序列单元具体用于，以时间间隔序列中某元素为头，另一元素为尾形成连续的子序列，计算当前子序列是否为周期时间间隔子序列，若所述子序列为周期时间间隔子序列，则不再计算该子序列中是否还存在其它周期时间间隔子序列。

作为本申请的一个实施例，所述子序列单元具体用于，选择所述子序列中头元素与尾元素时，以两者之间具有的元素越多越好。

作为本申请的一个实施例，所述子序列单元具体用于，所述连续的子序列满足如下公式则为周期时间间隔子序列：

variance(list)/mean(list)＜epsilon/f(length(list))

其中，variance(list)是指子序列中相邻元素的波动，mean(list)是指子序列中元素的均值，epsilon是指根据场景的预设值，f(length(list))是指考虑到子序列长度的惩罚值。

作为本申请的一个实施例，所述子序列单元具体用于，所述连续的子序列满足如下公式则为周期时间间隔子序列：

variance(list)＜epsilon

其中，variance(list)是指子序列中相邻元素的波动，epsilon是指根据场景的预设值。

作为本申请的一个实施例，所述计算单元具体用于，提取所述周期时间间隔子序列的周期、波动以及长度，分配以不同的权重值，并获得所述周期时间间隔子序列结束至当前时间的时间信息，计算得到该周期时间间隔子序列的分值，并计算所有周期时间间隔子序列分值的和。

作为本申请的一个实施例，所述计算单元具体用于，计算得到该周期时间间隔子序列的分值进一步包括，所述周期时间间隔子序列的分值符合以下公式：

s＝(a*period+b*variance+c*times)*f(tonow)

其中，s为周期时间子序列的分值，a、b、c为权值，period为所述周期时间子序列的周期，variance为所述周期时间子序列中相邻元素的波动，times为所述周期时间子序列的元素个数；tonow为所述周期时间间隔子序列结束至当前时间的时间信息，f()为对所述时间信息的函数运算。

作为本申请的一个实施例，所述计算单元还用于，记录所有所述周期时间间隔子序列的参数，包括用户id，周期时间粒度，所述周期时间间隔子序列的周期、波动、元素个数、周期开始时间、周期结束时间。

通过上述本申请实施例的装置，可以找到用户行为的周期特性，并对该周期性的行为进行打分，量化了对用户评价的过程，用数字化的方式描述了用户的特征，能够更加准确的分析用户行为以及评价用户，根据该评价结果可以指导商家调整生产，以对目标用户提供相对应的定制服务或者产品，从而可以提高生产服务的效率，降低盲目生产带来的资源浪费。

如图3所示为本申请实施例一种分析用户行为周期的方法的具体流程图，在本图中描述了以用户的消费行为为例对用户进行分析的方法，在现实中，用户可能在某一时间段保持着每隔一天消费一次，渐而出现间断，之后又每隔两天消费一次，这种消费行为使用现有技术 中的快速傅里叶变换是无法找到规律的，在本申请的方案中发明人提供了一种准遍历的周期寻找方法，可以找到用户消费行为中的周期子序列，从而可以细分用户的行为以及对具有相应行为的用户进行分级评价。

步骤301，获取用户消费行为的时间序列。

在本步骤中，用户的消费行为如图4所示开始时用户的消费行为周期为1，而在过了7天以后，用户的消费行为周期为2，该时间序列为(1，2，3，4，6，11，13，15)，代表该用户的消费行为分别发生在1日，2日，3日，4日，6日，11日，13日，15日。

步骤302，根据所述用户消费行为的时间序列得到用户消费行为的时间间隔序列。

由于用户的行为为消费行为，则时间间隔序列的粒度为“天”。根据图4所示的消费行为的时间序列图，可以得到时间间隔序列(1，1，1，2，5，2，2)，该时间间隔序列表示上述的时间序列的时间间隔。

步骤303，遍历时间间隔序列中的所有子序列，寻找其中的周期时间间隔子序列。

在本步骤中，遍历时间间隔序列的所有子序列，遍历的方式需满足一个原则：优先遍历长的子序列，如果该长的子序列为周期序列，则该子序列中所有的子序列都将不再判断；同时如果当前子序列是周期序列集合e中任一序列的子序列，也不再判断是否为周期序列，这样就可以有效的减小计算复杂度，因此将本算法命名为“准遍历法”。

具体流程可以参考如下伪程序：

输入：时间序列m

输出：周期时间序列集合e，及相应的周期参数

其中，length(n)为取时间间隔序列的长度，list为子序列，e.append(list)为将list子序列放入序列集合e中，在本实施例中通过循环，从最长的时间间隔序列开始进行判断(参见上述程序第5行)，逐步的减少时间间隔序列中的元素(从最后一位元素开始向前减少)构成时间间隔子序列(参见上述程序第4行)，判断每个时间间隔子序列是否为周期时间间隔子序列，然后将时间间隔序列中的头元素向后移动(参见上述程序第3行)，重新判断当前时间间隔子序列是否为周期时间间隔子序列，如果某个时间间隔子序列为周期时间间隔子序列则不再继续判断该子序列中是否还包括其它周期时间间隔子序列(参见上述程序第7行)。

判断子序列是否为周期时间间隔子序列具体方法可以为，判断时间间隔子序列的方差是否小于一预定值，即variance(list)＜epsilon，其中，variance(list)是指子序列的方差，epsilon是指根据场景的预设值，在用户消费行为的场景中可以预设为1。

例如第一次循环时，时间间隔序列为(1，1，1，2，5，2，2)，该时间间隔序列的均值为(1+1+1+2+5+2+2)/7＝2，该时间间隔序列的方差为((2-1)²+(2-1)²+(2-1)²+(2-2)²+(5-2)²+(2-2)²+(2-2)²)/7＝12/7，方差大于预设值1，该时间间隔序列不为周期时间间隔序列；在随后的某个循环中，时间间隔子序列为(1，1，1，2)，该时间间隔子序列的均值为5/4，该时间间隔子序列的方差为3/16，方差小于预设值1，该时间间隔子序列(1，1，1，2)为周期时间间隔子序列。

通过类似的方法可以找到另一个周期时间间隔子序列(2,2)。

在另一个实施例中，还可以根据如下公式判断时间间隔子序列是否为周期时间间隔子序列：

variance(list)/mean(list)＜epsilon/f(length(list))

其中，variance(list)是指子序列的方差，mean(list)是指子序列中元素的均值，epsilon是指根据场景的预设值，f(length(list))是指考虑到子序列长度的惩罚值。

步骤304，计算上述寻找出的周期时间间隔子序列的分值。

在本步骤中，周期时间间隔子序列的分值可以根据该子序列各项参数的权值计算，例如，参考该周期时间间隔子序列的周期、波动以及长度计算该子序列的分值，

s＝a*period+b*variance+c*times

其中，a、b、c为权值，period为所述周期时间子序列的周期，variance为所述周期时间子序列的波动，times为所述周期时间子序列的元素个数。其中，period越小，说明用户行为越频繁，此项的值应当越大，a*period可以为负相关运算，例如y＝1/x；variance越小，说明波动越小，此项的值应当越大，b*variance可以为负相关运算，例如y＝1/x；times 越大，说明周期越长，此项的值应当越大，c*times可以为正相关运算，例如y＝x。

按照相同的方式，计算其它周期时间间隔子序列的分值，将所有的周期时间间隔子序列的分值相加，得到该时间间隔序列的分值。

在另一个实施例中，还可以考虑所述周期时间间隔子序列结束至当前时间的惩罚值，即周期时间间隔子序列结束时间到当前时间越长，则分值应该相对较低，若周期时间间隔子序列结束时间到当前时间越短，则分值应该相对较高：

s＝(a*period+b*variance+c*times)*f(tonow)

其中，tonow为所述周期时间间隔子序列结束至当前时间的时间信息，f()为对所述时间信息的函数运算，可以为开根运算、取log运算、e^-x运算等等，其中x为时间信息，该f()可以根据应用场景不同而不同。

可以将上述用户消费行为的时间间隔子序列分别存储起来，例如可以存储入下表所示的表格1中，根据该表格可以方便其它用户评价算法进行评价。

表格1

步骤305，根据所述分值对用户进行分级评价。

根据各个周期时间间隔子序列的参数可以分析得到用户的忠诚度，例如分值越高的用户忠诚度越高，并且可以根据上述表格中的各种参数对用户群体进行聚类，例如将周期值相同 或者类似的用户分为一个类别，根据用户消费行为的波动划分等级，将用户分类或者分级后，可以根据分类或者分级向用户提供不同的服务，其中可以包括向用户发送不同的信息，给予客户不同的折扣等等，也就是说通过前述各个步骤可以对用户进行分级评价，之后可以利用上述的数据对用户提供各种服务。

如图5所示为本申请实施例一种分析用户行为周期方法的具体流程图，在本图中描述了以用户缴纳电费的行为为例对用户进行分析的方法，在本实施例中为了举例，假设用户可能在某一时间段保持着每隔一周缴纳电费一次，渐而出现间断，之后又每隔两周缴费一次，这种缴费行为使用现有技术中的快速傅里叶变换是无法找到规律的，在本申请的方案中发明人提供了一种准遍历的周期寻找方法，可以找到用户缴纳电费行为中的周期子序列，从而可以细分用户的行为以及对具有相应行为的用户进行分级评价。

步骤501，获取用户缴费行为的时间序列。

在本步骤中，为了简便说明时间序列还是以图4为例，所不同的是以周为粒度，代表该用户的缴费行为分别发生在第1周，第二周，第3周，第4周，第6周，第11周，第13周，第15周。

步骤502，根据所述用户缴费行为的时间序列得到用户缴费行为的时间间隔序列。

在本步骤中，由于用户的行为为缴费行为，则时间间隔序列的粒度为“周”。可以得到时间间隔序列(1，1，1，2，5，2，2)，该时间间隔序列表示上述的时间序列的时间间隔。

步骤503，遍历时间间隔序列中的所有子序列，寻找其中的周期时间间隔子序列。

在本步骤中，可以采用“贪婪法”遍历时间间隔序列寻找其中周期时间间隔子序列，或者直接遍历时间间隔序列寻找其中周期时间间隔子序列。

“贪婪法”是指在对问题求解时，总是做出在当前看来是最好的选择。利用“贪婪法”来提取序列的子序列，有效降低计算时间复杂度，但会遗漏一部分存在周期性的子序列。

为了简便说明，在本实施例中采用直接遍历的方法寻找周期时间间隔子序列，从时间间隔序列的头元素开始向后一个元素一个元素的判断相邻元素之间的波动，如果超过预定值，则以遍历过的时间间隔子序列为周期时间间隔子序列，并从波动超过预定值的元素开始继续向后寻找相邻元素的波动小于预定值的子序列。

在本实施例中，相邻元素之间的波动可以以两个元素之间的比值进行判断，当两个元素的比值较大时，则认为这两个元素的波动较大，有可能周期性被破坏，比值较小时，则认为这两个元素之间的波动较小，有可能存在周期性。

根据上述波动，可以直接根据相邻元素的比值与预定值的比较结果得到最后这个元素是否和前面已经遍历过的元素子序列构成周期时间间隔子序列。

步骤504，计算上述寻找出的周期时间间隔子序列的分值。

本步骤可以参考上述图3所示实施例的相应步骤，在此不再赘述。

步骤505，根据所述分值对用户进行分级评价。

通过上述本申请实施例中的方法及装置，可以找到用户行为的周期特性，并对该周期性的行为进行打分，量化了对用户评价的过程，用数字化的方式描述了用户的特征，能够更加准确的分析用户行为以及评价用户，根据该评价结果可以指导商家调整生产，以对目标用户提供相对应的定制服务或者产品，从而可以提高生产服务的效率，降低盲目生产带来的资源浪费。

对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice,pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片2。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存储器控制器还可以被 实现为存储器的控制逻辑的一部分。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请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，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，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)执行本申请各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，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。

本申请可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络pc、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而 不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。