一种信息推送方法、装置、存储介质和服务器与流程

本发明涉及计算机技术领域，尤其涉及一种信息推送方法、装置、存储介质和服务器。

背景技术：

现有的很多平台在进行信息推送时，一般会将最新发布的产品或信息推送给用户。然而，当同一时间段内更新的产品或信息过多时，频繁、盲目的信息推送会极大影响到用户体验。而且，会造成不必要的带宽资源浪费。

因此，如何提高信息推送的精准度以及减少不必要的带宽资源浪费成为本领域技术人员迫切需要解决的技术问题。

技术实现要素：

有鉴于此，本发明实施例提供了一种信息推送方法、装置、存储介质和服务器，能够提高信息推送的精准度，减少不必要的带宽资源浪费。

本发明实施例的第一方面，提供了一种信息推送方法，包括：

获取指定用户的文本信息；

对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签；

从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系；

向所述指定用户推送与所述目标对象相关联的产品信息；

其中，所述自然语言处理过程包括：

提取所述文本信息的正文内容；

检测所述正文内容中包含的产品名称词，所述产品名称词为预先构建的用于表示产品名称的词组；

从预先构建的产品标签对照表中查询检测到的产品名称词所对应的标签，作为第一兴趣点标签；

删除所述正文内容中包含的产品名称词，得到目标文本；

对所述目标文本执行分词、词性标注以及删除停用词操作；

将执行分词、词性标注以及删除停用词操作后的所述目标文本转换为词向量，输入预先构建的神经网络模型，所述神经网络模型由各个对应于不同标签的文本特征作为训练集训练得到；

根据所述神经网络模型的输出结果确定所述指定用户的第二兴趣点标签；

将所述第一兴趣点标签和所述第二兴趣点标签确定为所述指定用户的兴趣点标签。

本发明实施例的第二方面，提供了一种信息推送装置，包括：

文本获取模块，用于获取指定用户的文本信息；

自然语言处理模块，用于对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签；

目标对象查找模块，用于从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系；

信息推送模块，用于向所述指定用户推送与所述目标对象相关联的产品信息；

其中，所述自然语言处理过程包括：

提取所述文本信息的正文内容；

检测所述正文内容中包含的产品名称词，所述产品名称词为预先构建的用于表示产品名称的词组；

从预先构建的产品标签对照表中查询检测到的产品名称词所对应的标签，作为第一兴趣点标签；

删除所述正文内容中包含的产品名称词，得到目标文本；

对所述目标文本执行分词、词性标注以及删除停用词操作；

将执行分词、词性标注以及删除停用词操作后的所述目标文本转换为词向量，输入预先构建的神经网络模型，所述神经网络模型由各个对应于不同标签的文本特征作为训练集训练得到；

根据所述神经网络模型的输出结果确定所述指定用户的第二兴趣点标签；

将所述第一兴趣点标签和所述第二兴趣点标签确定为所述指定用户的兴趣点标签。

本发明实施例的第三方面，提供了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可读指令，所述计算机可读指令被处理器执行时实现如本发明实施例的第一方面提出的信息推送方法的步骤。

本发明实施例的第四方面，提供了一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如本发明实施例的第一方面提出的信息推送方法的步骤。

本发明实施例提出的信息推送方法包括：获取指定用户的文本信息；对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签；从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系；向所述指定用户推送与所述目标对象相关联的产品信息。上述过程通过获取用户的文本信息，对该文本信息进行自然语言处理，以确定用户的兴趣点；接着从预先构建的知识图谱中查找与该兴趣点关联的目标对象，为用户推送与这些目标对象相关的产品信息，能够提高信息推送的精准度以及减少不必要的带宽资源浪费。

附图说明

为了更清楚地说明本发明实施例中的技术方案，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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种信息推送方法的第一个实施例的流程图；

图2是本发明实施例提供的一种信息推送方法的第二个实施例的流程图；

图3是本发明实施例提供的一种信息推送装置的一个实施例的结构图；

图4是本发明实施例提供的一种服务器的示意图。

具体实施方式

本发明实施例提供了一种信息推送方法、装置、存储介质和服务器，能够提高信息推送的精准度，减少不必要的带宽资源浪费。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1，本发明实施例中一种信息推送方法的第一个实施例包括：

101、获取指定用户的文本信息；

首先，获取指定用户的文本信息，该指定用户可以为个人用户或者企业用户，是平台执行信息推送的客体。该文本信息的来源可以包括两个方面，其一为该指定用户自己提供的文本材料，比如企业的简介、产品说明书、供应商列表以及个人简历等；其二为通过爬虫工具爬取网络上包含相关关键词的文本材料，比如爬取网络上包含该指定用户的企业名称或者产品名称的相关文本材料，可以包括客服反馈信息，社交媒体上的客户评价等。为了更准确地定位用户的兴趣点，一般会获取多个不同的文本信息，比如与该用户相关的一系列文本材料。

进一步的，在步骤101之后，还可以包括：

(1)提取所述文本信息中包含的第一关键词和第二关键词，所述第一关键词为预先定义的正面评价关键词，所述第二关键词为预先定义的负面评价关键词；

(2)分别统计所述第一关键词的数量和所述第二关键词的数量；

(3)若所述第一关键词的数量和所述第二关键词的数量的比值小于预设阈值，则将所述文本信息删除。

为了更准确地确定该指定用户的兴趣点所在，针对获取到的每个文本信息，可以分别提取其内容包含的某些特定关键词(正面评价关键词如好、喜欢、赞赏等；负面评价关键词如坏、不好、厌恶等)，然后通过计算正面评价关键词和负面评价关键词的数量之间的比值，将该比值小于预设阈值的那一部分文本信息删除，从而筛选出文本内容大致属于正面评价，能较为准确地反映用户兴趣点的文本信息。

102、对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签；

在获得文本信息之后，对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签。自然语音处理即NLP处理，主要是为了解析文本信息的语义，从而确定该指定用户的兴趣点。

具体的，该自然语言处理的过程包括：

(1)提取所述文本信息的正文内容；

首先，提取所述文本信息的正文内容。该文本信息通常是一篇文本材料，包含标题、摘要和正文等各部分内容，本发明实施例将正文内容作为感兴趣的内容提取出来，将其它部分的内容视作噪声删除。

(2)检测所述正文内容中包含的产品名称词，所述产品名称词为预先构建的用于表示产品名称的词组；

然后，检测所述正文内容中包含的产品名称词。产品名称词为预先构建的用于表示产品名称的词组，可以是市面上比较知名的品牌名称，比如“XX可乐”，“XX”洗发露等。系统预先收集多个产品或品牌名称词，将这些名称词按照产品类别分类后存储到指定的数据库中。通过检测，可以将所述正文内容中包含的所有产品名称词都提取出来。

(3)从预先构建的产品标签对照表中查询检测到的产品名称词所对应的标签，作为第一兴趣点标签；

接着，从预先构建的产品标签对照表中查询检测到的产品名称词所对应的标签，作为第一兴趣点标签。系统将收集到的产品名称词按照产品类别分类后存储到指定的数据库时，可以同步创建一个产品标签对照表，该表记录每个产品名称词所对应的标签，该标签用于表示产品名称词的产品类别。比如，产品名称词“XX可乐”对应于“饮料”标签，产品名称词为某知名的服装品牌名称，则对应于“服装”标签。若检测到的产品名称词包含“XX可乐”以及某知名的服装品牌名称，则可确定第一兴趣点标签为“饮料”和“服装”。

(4)删除所述正文内容中包含的产品名称词，得到目标文本；

删除所述正文内容中包含的产品名称词，得到目标文本。产品名称词一般是某些知名品牌的名称，这些名称在执行NLP处理时，不能按照通常的汉字或词语进行分词以及后续的语义识别，故需要删除这些产品名称词，得到目标文本，从而提高后续执行NLP处理的准确性。

(5)对所述目标文本执行分词、词性标注以及删除停用词操作；

接着，对所述目标文本执行分词、词性标注以及删除停用词操作。分词一般可以采用基于字符串匹配、基于理解、基于统计、和基于规则等各种分词方法。词性标注是给每个词语打上词性标签，比如动词、形容词和名词等，常见的词性标注方法包括基于统计的词性标注方法、基于最大熵的词性标注方法，基于统计最大概率输出词性和基于HMM的词性标注方法等。删除停用词，指删除对文本特征不作任何贡献的字词，比如标点符号、语气词和人称代词等。

(6)将执行分词、词性标注以及删除停用词操作后的所述目标文本转换为词向量，输入预先构建的神经网络模型，所述神经网络模型由各个对应于不同标签的文本特征作为训练集训练得到；

(7)根据所述神经网络模型的输出结果确定所述指定用户的第二兴趣点标签；

然后，将执行分词、词性标注以及删除停用词操作后的所述目标文本转换为词向量，输入预先构建的神经网络模型，并根据所述神经网络模型的输出结果确定所述指定用户的第二兴趣点标签。将词语转换为词向量，以表示成计算机能够识别和计算的数据。该神经网络模型由各个对应于不同标签的文本特征作为训练集训练得到，通过该神经网络模型会输出一个或多个标签，作为所述指定用户的第二兴趣点标签。具体的，该神经网络模型在训练时，采用各个不同标签对应的文本特征作为训练集，通过比较文本特征的匹配度，确定相应的第二兴趣点标签。比如，输入的文本特征和标签“出口产品”对应的文本特征的匹配度最高，则可确定第二兴趣点标签为“出口产品”。

(8)将所述第一兴趣点标签和所述第二兴趣点标签确定为所述指定用户的兴趣点标签。

最后，将所述第一兴趣点标签和所述第二兴趣点标签确定为所述指定用户的兴趣点标签，从而完成自然语言处理的过程，成功获得所述指定用户的兴趣点标签。

103、从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系；

在得到所述指定用户的兴趣点标签之后，从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系。

知识图谱是显示知识发展进程与结构关系的一系列不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。该知识图谱记录各个预设对象之间的相互关系，比如各个企业、产品、个人之间的相互关系。

具体的，可以预先构建兴趣点标签和该知识图谱中各个预设对象之间的关联关系，比如兴趣点标签“进口产品”与对象“A公司”关联，兴趣点标签“互联网产品”与对象“B公司”以及“C公司”关联。然后，即可通过确定的兴趣点标签从该知识图谱中查找出相应的目标对象。

进一步的，步骤103可以包括：

(1)从所述知识图谱中查找与所述兴趣点标签关联的第一对象；

(2)获取所述知识图谱中与所述第一对象具备连接关系的第二对象；

(3)将所述第一对象和所述第二对象确定为所述目标对象。

比如，兴趣点标签“进口产品”与对象“A公司”关联，则“A公司”为与所述兴趣点标签关联的第一对象，而在知识图谱中，与对象“A公司”具备连接关系的第二对象包括“B公司”和“C产品”，则将“A公司”、“B公司”和“C产品”都作为所述目标对象。

104、向所述指定用户推送与所述目标对象相关联的产品信息。

最后，向所述指定用户推送与所述目标对象相关联的产品信息，从而实现根据用户的兴趣点推送产品信息，提高信息推送的精准度。与目标对象相关联的产品信息可以是各种类型的信息，比如文本、图片、网络连接或者视频等。

进一步的，所述产品信息为网络链接的形式，在步骤104之后，还可以包括：

(1)在预设时长之后，判断所述指定用户是否点击所述网络链接；

(2)若所述指定用户未点击所述网络链接，则扣除所述知识图谱的准确性分值第一分值；

(3)若所述指定用户已点击所述网络链接，则增加所述知识图谱的准确性分值第二分值；

(4)若所述知识图谱的准确性分值小于预设阈值，则输出预设的指示信息。

具体的，服务器将推送的网络链接发送到该指定用户的终端设备处，若在一定的时间之内(比如1天)，该用户点击该网络链接访问相应的产品信息，则增加知识图谱的准确性分值第一分值(比如2分)，若该用户没有点击该网络链接，则扣除该知识图谱的准确性分值第一分值(比如10分)。若该知识图谱的准确性分值小于预设的阈值(比如60分)，则生成预设的报警指示信息，以提醒相关人员注意该知识图谱的准确性过低，需要进行调整和修正。通过这样设置，能够进一步提高信息推送的精准度。

本发明实施例提出的信息推送方法包括：获取指定用户的文本信息；对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签；从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系；向所述指定用户推送与所述目标对象相关联的产品信息。上述过程通过获取用户的文本信息，对该文本信息进行自然语言处理，以确定用户的兴趣点；接着从预先构建的知识图谱中查找与该兴趣点关联的目标对象，为用户推送与这些目标对象相关的产品信息，能够提高信息推送的精准度以及减少不必要的带宽资源浪费。

请参阅图2，本发明实施例中一种信息推送方法的第二个实施例包括：

201、获取指定用户的文本信息；

202、对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签；

203、从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系；

步骤201-203与步骤101-103相同，具体可参照步骤101-103的相关说明。

204、统计所述目标对象的数量；

205、若所述目标对象的数量超过预设阈值，则获取所述指定用户的用户信息；

206、根据所述用户信息分别对各个所述目标对象进行评分；

207、将评分最低的预设数量的目标对象删除；

在某些情况下，从所述客户关系图谱中查找到的与所述兴趣点标签关联的目标对象会有很多，此时若将这些目标对象的相应产品信息全都推送给该指定用户，一方面数据量大，另一方面这些信息中可能夹杂很多用户不感兴趣的信息，会给客户带来干扰。为了解决这个问题，本发明实施例会统计所述目标对象的数量，若该数量超过一定的阈值，则获取所述指定用户的用户信息。若所述指定用户为个人用户，则可以获取所述指定用户的个人信息作为所述用户信息；若所述指定用户为企业用户，则可以获取所述指定用户的采购记录作为所述用户信息。然后，根据所述用户信息分别对各个所述目标对象进行评分，将评分最低的预设数量的目标对象删除，以完成筛选的过程。

比如，若指定用户为个人用户，可以获取年龄、性别、职业、住址等个人信息对各个目标对象进行评分，不同年龄，不同性别，不同职业的人感兴趣的对象一般不同，感兴趣的程度越高则对应越高的评分，比如对于女性用户，服装、化妆品等目标对象的评分较高；对于工程师职业的用户，各种数码产品的评分较高。若指定用户为企业用户，则可以获取该企业的采购记录，根据该采购记录可以统计各类产品的购买次数和数量，然后按照购买次数和数量，为各类产品(即目标对象)评分，购买次数和数量越多，则评分越高。

208、向所述指定用户推送与所述目标对象相关联的产品信息。

步骤208与步骤104相同，具体可参照步骤104的相关说明。

本发明实施例提出的信息推送方法包括：获取指定用户的文本信息；对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签；从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系；统计所述目标对象的数量；若所述目标对象的数量超过预设阈值，则获取所述指定用户的用户信息；根据所述用户信息分别对各个所述目标对象进行评分；将评分最低的预设数量的目标对象删除；向所述指定用户推送与所述目标对象相关联的产品信息。本发明实施例在查找与所述兴趣点标签关联的目标对象之后，还会统计目标对象的数量，若数量过多会根据该指定用户的用户信息对这些目标对象进行筛选，从而能够更精准地为用户推送产品信息，减少不必要的带宽资源浪费。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

上面主要描述了一种信息推送方法，下面将对一种信息推送装置进行描述。

请参阅图3，本发明实施例中一种信息推送装置的一个实施例包括：

文本获取模块301，用于获取指定用户的文本信息；

自然语言处理模块302，用于对所述文本信息进行自然语言处理，得到所述指定用户的兴趣点标签；

目标对象查找模块303，用于从预先构建的知识图谱中查找与所述兴趣点标签关联的目标对象，所述知识图谱记录各个预设对象之间的相互关系；

信息推送模块304，用于向所述指定用户推送与所述目标对象相关联的产品信息；

提取所述文本信息的正文内容；

检测所述正文内容中包含的产品名称词，所述产品名称词为预先构建的用于表示产品名称的词组；

从预先构建的产品标签对照表中查询检测到的产品名称词所对应的标签，作为第一兴趣点标签；

删除所述正文内容中包含的产品名称词，得到目标文本；

对所述目标文本执行分词、词性标注以及删除停用词操作；

将执行分词、词性标注以及删除停用词操作后的所述目标文本转换为词向量，输入预先构建的神经网络模型，所述神经网络模型由各个对应于不同标签的文本特征作为训练集训练得到；

根据所述神经网络模型的输出结果确定所述指定用户的第二兴趣点标签；

将所述第一兴趣点标签和所述第二兴趣点标签确定为所述指定用户的兴趣点标签。

进一步的，所述信息推送装置还可以包括：

关键词提取模块，用于提取所述文本信息中包含的第一关键词和第二关键词，所述第一关键词为预先定义的正面评价关键词，所述第二关键词为预先定义的负面评价关键词；

关键词数量统计模块，用于分别统计所述第一关键词的数量和所述第二关键词的数量；

文本信息删除模块，用于若所述第一关键词的数量和所述第二关键词的数量的比值小于预设阈值，则将所述文本信息删除。

进一步的，所述目标对象查找模块可以包括：

第一对象查找单元，用于从所述知识图谱中查找与所述兴趣点标签关联的第一对象；

第二对象查找单元，用于获取所述知识图谱中与所述第一对象具备连接关系的第二对象；

目标对象确定单元，用于将所述第一对象和所述第二对象确定为所述目标对象。

进一步的，所述信息推送装置还可以包括：

目标对象数量统计模块，用于统计所述目标对象的数量；

用户信息获取模块，用于若所述目标对象的数量超过预设阈值，则获取所述指定用户的用户信息；

目标对象评分模块，用于根据所述用户信息分别对各个所述目标对象进行评分；

目标对象删除模块，用于将评分最低的预设数量的目标对象删除。

更进一步的，所述用户信息获取模块可以包括：

第一信息获取单元，用于若所述指定用户为个人用户，则获取所述指定用户的个人信息作为所述用户信息；

第二信息获取单元，用于若所述指定用户为企业用户，则获取所述指定用户的采购记录作为所述用户信息。

进一步的，所述产品信息为网络链接的形式，所述信息推送装置还可以包括：：

点击判断模块，用于在预设时长之后，判断所述指定用户是否点击所述网络链接；

准确性分值扣除模块，用于若所述指定用户未点击所述网络链接，则扣除所述知识图谱的准确性分值第一分值；

准确性分值增加模块，用于若所述指定用户已点击所述网络链接，则增加所述知识图谱的准确性分值第二分值；

指示信息输出模块，用于若所述知识图谱的准确性分值小于预设阈值，则输出预设的指示信息。

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可读指令，所述计算机可读指令被处理器执行时实现如图1或图2表示的任意一种信息推送方法的步骤。

本发明实施例还提供一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令，所述处理器执行所述计算机可读指令时实现如图1或图2表示的任意一种信息推送方法的步骤。

图4是本发明一实施例提供的服务器的示意图。如图4所示，该实施例的服务器4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机可读指令42。所述处理器40执行所述计算机可读指令42时实现上述各个信息推送方法实施例中的步骤，例如图1所示的步骤101至104。或者，所述处理器40执行所述计算机可读指令42时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块301至304的功能。

示例性的，所述计算机可读指令42可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器41中，并由所述处理器40执行，以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机可读指令段，该指令段用于描述所述计算机可读指令42在所述服务器4中的执行过程。

所述服务器4可以是智能手机、笔记本、掌上电脑及云端服务器等计算设备。所述服务器4可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图4仅仅是服务器4的示例，并不构成对服务器4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，例如所述服务器4还可以包括输入输出设备、网络接入设备、总线等。

所述处理器40可以是中央处理单元(CentraL Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitaL SignaL Processor，DSP)、专用集成电路(AppLication Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieLd-ProgrammabLe Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器41可以是所述服务器4的内部存储单元，例如服务器4的硬盘或内存。所述存储器41也可以是所述服务器4的外部存储设备，例如所述服务器4上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure DigitaL,SD)卡，闪存卡(FLash Card)等。进一步地，所述存储器41还可以既包括所述服务器4的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机可读指令以及所述服务器所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。

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。

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。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元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全部或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、只读存储器(ROM，Read-OnLy Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。