基于深度优先搜索的评等方法、装置、设备及存储介质与流程

1.本发明涉及医院管理技术领域，尤其涉及一种基于深度优先搜索的评等方法、装置、设备及存储介质。


背景技术：

2.目前等级医院评审，只能用传统手段的数据抽取，并根据数据抽取的内容进行匹配，且抽取过程是人为抽取，抽取过程中容易出错或遗漏，同时评审过程中是靠人为创建的节点流程化进行审核，无法根据医院的不同来随机变量化调整，也无法从医院数据本身的内容和等级评审管理内容相结合，因此往往对医院等级评审过程漫长，且存在一定的不公正性，同时还容易导致等级评审结果的不准确。


技术实现要素：

3.本发明的主要目的在于提供一种基于深度优先搜索的评等方法、装置、设备及存储介质，旨在解决现有技术如何高效快速且准确的对医院进行等级评审的技术问题。
4.为实现上述目的，本发明提供了一种基于深度优先搜索的评等方法，所述基于深度优先搜索的评等方法包括：
5.获取待评审医院的待评审数据；
6.根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据；
7.根据所述评审运算数据确定所述待评审医院的评定等级；
8.根据所述评定等级完成对所述待评审医院的等级评审。
9.可选地，所述获取待评审医院的待评审数据，包括：
10.获取待评审医院的初始评审文件；
11.根据预设权重等级对所述初始评审文件进行变量梳理，得到初始评审变量；
12.根据预设医疗标签对所述初始评审变量进行特征定义，得到所述待评审医院的待评审数据。
13.可选地，所述根据预设权重等级对所述初始评审文件进行变量梳理，得到初始评审变量，包括：
14.根据预设评审规则和预设检测模型对所述初始评审文件进行缺陷检测，得到缺陷文件；
15.根据等级评审目标集和预设权重等级对所述缺陷文件进行变量梳理，得到初始评审变量。
16.可选地，所述根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据，包括：
17.根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审搜索，得到问题数据和现状数据；
18.对所述问题数据和所述现状数据进行权重处理，得到第一评审数据；
19.根据所述第一评审数据和所述预设深度优先搜索模型进行模型构建，得到构建评审模型；
20.根据所述构建评审模型和所述待评审数据进行评审运算，得到评审运算数据。
21.可选地，所述根据所述第一评审数据和所述预设深度优先搜索模型进行模型构建，得到构建评审模型，包括：
22.对所述预设深度优先搜索模型进行模型改进，得到改进深度优先搜索模型；
23.根据第一评审数据和预设条件检测方式对所述改进深度优先搜索模型进行模型检测，得到检测结果；
24.根据所述检测结果得到构建评审模型。
25.可选地，所述根据所述构建评审模型和所述待评审数据进行评审运算，得到评审运算数据，包括：
26.根据所述构建评审模型和所述待评审数据进行评审搜索，得到第二评审数据；
27.根据所述第二评审数据进行评审分析，得到评审分析结果；
28.根据所述评审分析结果确定评审运算数据。
29.可选地，所述根据所述第二评审数据进行评审分析，得到评审分析结果，包括：
30.根据预设评审模型对所述待评审数据进行评审运算，得到第三评审数据；
31.将所述第二评审数据和所述第三评审数据进行结果对比，得到第一对比结果；
32.根据所述待评审数据和所述第二评审数据进行缺陷对比，得到第二对比结果；
33.根据所述第一评审数据和所述第二评审数据进行结果对比，得到第三对比结果；
34.根据所述第一对比结果、第二对比结果以及第三对比结果得到评审分析结果。
35.此外，为实现上述目的，本发明还提出一种基于深度优先搜索的评等装置，所述基于深度优先搜索的评等装置包括：
36.获取模块，用于获取待评审医院的待评审数据；
37.运算模块，用于根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据；
38.确定模块，用于根据所述评审运算数据确定所述待评审医院的评定等级；
39.评审模块，用于根据所述评定等级完成对所述待评审医院的等级评审。
40.此外，为实现上述目的，本发明还提出一种基于深度优先搜索的评等设备，所述基于深度优先搜索的评等设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于深度优先搜索的评等程序，所述基于深度优先搜索的评等程序配置为实现如上文所述的基于深度优先搜索的评等方法。
41.此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于深度优先搜索的评等程序，所述基于深度优先搜索的评等程序被处理器执行时实现如上文所述的基于深度优先搜索的评等方法。
42.本发明通过获取待评审医院的待评审数据；根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据；根据所述评审运算数据确定所述待评审医院的评定等级；根据所述评定等级完成对所述待评审医院的等级评审。通过上述方式，根据预设深度优先搜索模型和预设评审规则对待评审医院的待评审数据进行
评审运算，使待评审数据可以与预设评审规则进行高度匹配，从而得到可真实反应待评审医院实际情况的评审运算数据，并基于评审运算数据可客观准确的确定待评审医院的评定等级，最终实现高效快速且准确的完成对待评审医院的等级评审。
附图说明
43.图1是本发明实施例方案涉及的硬件运行环境的基于深度优先搜索的评等设备的结构示意图；
44.图2为本发明基于深度优先搜索的评等方法第一实施例的流程示意图；
45.图3为本发明基于深度优先搜索的评等方法第二实施例的流程示意图；
46.图4为本发明基于深度优先搜索的评等方法一实施例的整体流程示意图；
47.图5为本发明基于深度优先搜索的评等装置第一实施例的结构框图。
48.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
49.应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
50.参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于深度优先搜索的评等设备结构示意图。
51.如图1所示，该基于深度优先搜索的评等设备可以包括：处理器1001，例如中央处理器(central processing unit，cpu)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(wireless-fidelity，wi-fi)接口)。存储器1005可以是高速的随机存取存储器(random access memory，ram)存储器，也可以是稳定的非易失性存储器(non-volatile memory，nvm)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
52.本领域技术人员可以理解，图1中示出的结构并不构成对基于深度优先搜索的评等设备的限定，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。
53.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于深度优先搜索的评等程序。
54.在图1所示的基于深度优先搜索的评等设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明基于深度优先搜索的评等设备中的处理器1001、存储器1005可以设置在基于深度优先搜索的评等设备中，所述基于深度优先搜索的评等设备通过处理器1001调用存储器1005中存储的基于深度优先搜索的评等程序，并执行本发明实施例提供的基于深度优先搜索的评等方法。
55.本发明实施例提供了一种基于深度优先搜索的评等方法，参照图2，图2为本发明一种基于深度优先搜索的评等方法第一实施例的流程示意图。
56.基于深度优先搜索的评等方法包括以下步骤：
57.步骤s10：获取待评审医院的待评审数据。
58.需要说明的是，本实施例的执行主体为终端设备，终端设备可为电脑、平板电脑以及手机等其他智能终端，本实施例对此不加以限制，终端设备获取待评审医院的待评审数据，根据待评审数据、预先深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据，根据评审运算数据确定待评审医院的评定等级，根据评定等级完成对待评审医院的等级评审。
59.可以理解的是，待评审医院指的是需要进行等级评审的医院，待评审数据指的是待评审医院所提供的用于等级评审的相关数据，待评审数据是基于预设深度优先搜索模型进行变量梳理后的数据。
60.在具体实现中，为了得到结构化且便于后续评审的待评审数据，进一步地，所述获取待评审医院的待评审数据，包括：获取待评审医院的初始评审文件；根据预设权重等级对所述初始评审文件进行变量梳理，得到初始评审变量；根据预设医疗标签对所述初始评审变量进行特征定义，得到所述待评审医院的待评审数据。
61.需要说明的是，初始评审文件指的是待评审医院提供的用于评审的文件内容，初始评审文件涵盖大量医学管理内容，医学管理内容穿插着医学诊疗内容。为了使初始评审文件结构化，根据预设权重等级对初始评审文件进行变量梳理。预设权重等级指的是预设深度优先搜索模型的权重等级，预设深度优先搜索模型是基于记忆化深度优先搜索算法训练得到的，预设医疗标签指的是预先设定的具有医院管理意义的特征标签。根据预设深度优先搜索模型的权重等级对初始评审文件进行变量梳理，将其转化为可计量的算法特征变量，并根据预设医疗标签对初始评审变量进行特征定义，从而对初始评审变量赋予医学管理意义的定义，得到待评审医院的待评审数据。
62.可以理解的是，为了得到准确的初始评审变量，进一步地，所述根据预设权重等级对所述初始评审文件进行变量梳理，得到初始评审变量，包括：根据预设评审规则和预设检测模型对所述初始评审文件进行缺陷检测，得到缺陷文件；根据等级评审目标集和预设权重等级对所述缺陷文件进行变量梳理，得到初始评审变量。
63.在具体实现中，预设评审规则指的是预先设定的医院等级评审地区规则、医院等级评审国家规则以及其他等级评审相关规则，预设检测模型是基于深度优先搜索算法训练得到的。
64.需要说明的是，根据预设评审规则和预设检测模型对初始评审文件进行缺陷检测，从而对初始评审文件进行缺陷标注，对存在问题的文件标注对应的缺陷内容，对不存在问题的文件则不予进行缺陷标注，进行缺陷标注后的初始评审文件即为缺陷文件。
65.可以理解的是，等级评审目标集包括但不限于评审背景细则内容特征集、评审目的流程特征集以及评审目的特征意义集，根据等级评审目标集和预设权重等级对缺陷文件进行变量梳理，得到初始评审变量。
66.步骤s20：根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据。
67.需要说明的是，预设深度优先搜索模型基于记忆化深度优先搜索算法训练得到的，预先深度优先搜索模型的核心是在等评审级的基础上新增了一个记录文档，递归中间状态和数据的容器，当再次递归到相同的状态时，直接使用容器的缓存结果即可，从而实现剪枝的效果，这也是一种空间换时间的策略。而预设深度优先搜索模型的时间复杂度之所
以降低到幂数级别，是因为由于缓存容器的存在，搜索的空间由原来的递归栈变成了容器的大小，简单来说，当容器填满时预设深度优先搜索模型将不再进行所有的数据都可以从容器中直接获取，所有其时间复杂度变相的变成填满容器的幂数级别。而预设深度优先搜索模型的难点也正是在于其容器的定义，并且在很多情况下，预设深度优先搜索模型都能够转变为动态规划，而缓存容器也就是动态规划的dp数组，只不过预设深度优先搜索模型填充容器是通过“暴力”搜索来实现，而动态规划填充dp是通过状态转移方程来实现。
68.可以理解的是，根据预设深度优先搜索模型和预设评审规则对待评审数据进行评审运算，可得到评审运算数据。评审运算数据包括待评审医院中与预设评审规则对应的关联内容及其合理性、待评审医院当前存在的问题、待评审医院未来必然会出现的问题、待评审医院历史存在的问题、待评审医院的评定等级以及评定等级的通过率。
69.步骤s30：根据所述评审运算数据确定所述待评审医院的评定等级。
70.需要说明的是，终端设备根据评审运算数据可确定待评审医院的评定等级，同时可确定待评审医院的评等等级对应的通过率。
71.步骤s40：根据所述评定等级完成对所述待评审医院的等级评审。
72.需要说明的是，在得到待评审医院的评定等级后，即可完成对待评审医院的等级评审。
73.可以理解的是，对待评审医院进行等级评审可促进医院科学管理水平提高，能够促进完善自身质量管理体系；能够提升医院救治能力和服务效能；能够促进医院持续质量改进；能够促进医院信息化建设；能够保障医院质量安全并强化医院管理团队。
74.本实施例通过获取待评审医院的待评审数据；根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据；根据所述评审运算数据确定所述待评审医院的评定等级；根据所述评定等级完成对所述待评审医院的等级评审。通过上述方式，根据预设深度优先搜索模型和预设评审规则对待评审医院的待评审数据进行评审运算，使待评审数据可以与预设评审规则进行高度匹配，从而得到可真实反应待评审医院实际情况的评审运算数据，并基于评审运算数据可客观准确的确定待评审医院的评定等级，最终实现高效快速且准确的完成对待评审医院的等级评审。
75.参考图3，图3为本发明一种基于深度优先搜索的评等方法第二实施例的流程示意图。
76.基于上述第一实施例，本实施例基于深度优先搜索的评等方法中所述步骤s20，包括：
77.步骤s21：根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审搜索，得到问题数据和现状数据。
78.需要说明的是，根据预设深度优先搜索模型和预设评审规则对待评审数据进行评审搜索，可得到待评审医院的现状分析数据和问题分析数据，现状分析数据即为问题数据，问题分析数据即为问题数据，问题数据和现状数据均为待评审医院自查结果。
79.步骤s22：对所述问题数据和所述现状数据进行权重处理，得到第一评审数据。
80.需要说明的是，对问题数据和现状数据分配对应的预设权重等级，从而得到分配了权重的问题数据和现状数据，基于分配了权重的问题数据和现状数据即可得到第一评审数据，第一评审数据即为待评审医院的自查最终结果。
81.步骤s23：根据所述第一评审数据和所述预设深度优先搜索模型进行模型构建，得到构建评审模型。
82.需要说明的是，根据第一评审数据和预设深度优先搜索模型进行模型构建，得到改进后的构建评审模型，构建评审模型是用于对待评审医院进行等级评审的模型。
83.可以理解的是，为了构建准确的构建评审模型，从而使评审过程更为精确，进一步地，所述根据所述第一评审数据和所述预设深度优先搜索模型进行模型构建，得到构建评审模型，包括：对所述预设深度优先搜索模型进行模型改进，得到改进深度优先搜索模型；根据第一评审数据和预设条件检测方式对所述改进深度优先搜索模型进行模型检测，得到检测结果；根据所述检测结果得到构建评审模型。
84.在具体实现中，在对预先深度优先搜索模型进行改进之前，需要在大量预设样本模型中进行模型搜索，将搜索到的模型与等级评审进行相关性匹配，匹配度均不超过预设阈值时，则使用预设深度优先搜索模型，对预设深度优先搜索模型进行模型改进，从而得到改进后的深度优先搜索模型，并根据第一评审数据和预设条件检测方式对改进深度优先搜索模型进行模型检测，当检测结果为合格时，则说明改进深度优先搜索模型可使用，此时根据检测结果确定构建评审模型。预设条件检测方式即为预先设定的权重与结果条件检测。
85.步骤s24：根据所述构建评审模型和所述待评审数据进行评审运算，得到评审运算数据。
86.需要说明的是，根据构建评审模型对待评审医院的待评审数据进行二次评审运算，从而得到包括待评审医院中与预设评审规则对应的关联内容及其合理性、待评审医院当前存在的问题、待评审医院未来必然会出现的问题、待评审医院历史存在的问题、待评审医院的评定等级以及评定等级的通过率的评审运算数据。
87.可以理解的是，为了得到准确的评审运算数据，进一步地，所述根据所述构建评审模型和所述待评审数据进行评审运算，得到评审运算数据，包括：根据所述构建评审模型和所述待评审数据进行评审搜索，得到第二评审数据；根据所述第二评审数据进行评审分析，得到评审分析结果；根据所述评审分析结果确定评审运算数据。
88.在具体实现中，构建评审模型对待评审数据进行评审搜索，从而得到待评审医院的评审相关内容及合理性，待评审医院的评审相关内容及合理性即为第二评审数据，对第二评审数据进行评审分析，得到评审分析结果，根据评审分析结果确定评审运算数据，且评审运算数据中还包含了待评审医院不合理的内容及出现问题所对应的改进策略。
89.需要说明的是，为了得到准确的评审分析结果，进一步地，所述根据所述第二评审数据进行评审分析，得到评审分析结果，包括：根据预设评审模型对所述待评审数据进行评审运算，得到第三评审数据；将所述第二评审数据和所述第三评审数据进行结果对比，得到第一对比结果；根据所述待评审数据和所述第二评审数据进行缺陷对比，得到第二对比结果；根据所述第一评审数据和所述第二评审数据进行结果对比，得到第三对比结果；根据所述第一对比结果、第二对比结果以及第三对比结果得到评审分析结果。
90.可以理解的是，预设评审模型指的是其他医院在进行等级评审时所使用的主流模型，根据预设评审模型对待评审医院的待评审数据进行评审运算，得到预设评审模型对应的评审检测结果，预设评审模型对应的评审检测结果即为第三评审数据。将构建评审模型对应的第二评审数据和第三评审数据进行对比分析，从而得到第一对比结果，将待评审数
据中的缺陷文件和第二评审数据进行不同缺陷类型识别检测对比，从而得到第二对比结果，将医院自查得到的第一评审数据和第二评审数据进行结果对比，得到第三对比结果，第一对比结果、第二对比结果以及第三对比结果中均体现了第二评审数据与各数据中的差异内容。根据第一对比结果、第二对比结果以及第三对比结果可得到最终的评审分析结果。
91.在具体实现中，如图4所示，根据预设检测模型和预设评审规则对初始评审文件进行缺陷检测，并基于预设权重等级、评审背景细则内容特征集、评审目的流程特征集以及评审目的特征意义集对缺陷文件进行变量数据，基于得到的待评审数据根据预设深度优先搜索模型进行评审搜索，得到问题数据和现状数据，并对问题数据和现状数据进行权重处理，得到第一评审数据即评审内容权重处理后的集合。基于第一评审数据进行模型构建，得到构建评审模型，基于构建评审模型得到第二评审数据，再基于第二评审数据进行数据分析，分析包括预设评审模型检测结果对比、不同缺陷类型识别检测对比以及预设深度优先搜索模型与构建评审模型检测结果对比，最终基于分析结果得到评审运算数据。本实施例中利用预设深度优先搜索模型的权重等级，对初始评审文件进行变量梳理，把所得的变量结果都转化为可计量的算法特征，在预设医疗标签上赋予医学管理意义的定义，进行联合计算，给予当前结果最优瀑布型结果，再由结果路径进行逆流数据统计梳理，最终判断当前结果的平滑度，根据数据变量集最小的路径进行流程自动生成，给予最终结果。同时利用取值的内容在根据数据流中最后一个分支结果返回的位置，可以确定每个返回值中的权重比例的增加，每次数据分支都会形成结果权重的再次更改，并保证结果中的内容与审核的内容完全匹配，可不断进行填充、分权、重新定义权重结果，最后结果满足当前要求的完整内容直接呈现。
92.本实施例中通过根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审搜索，得到问题数据和现状数据；对所述问题数据和所述现状数据进行权重处理，得到第一评审数据；根据所述第一评审数据和所述预设深度优先搜索模型进行模型构建，得到构建评审模型；根据所述构建评审模型和所述待评审数据进行评审运算，得到评审运算数据。
93.此外，参照图5，本发明实施例还提出一种基于深度优先搜索的评等装置，所述基于深度优先搜索的评等装置包括：
94.获取模块10，用于获取待评审医院的待评审数据。
95.运算模块20，用于根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据。
96.确定模块30，用于根据所述评审运算数据确定所述待评审医院的评定等级。
97.评审模块40，用于根据所述评定等级完成对所述待评审医院的等级评审。
98.本实施例通过获取待评审医院的待评审数据；根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审运算，得到评审运算数据；根据所述评审运算数据确定所述待评审医院的评定等级；根据所述评定等级完成对所述待评审医院的等级评审。通过上述方式，根据预设深度优先搜索模型和预设评审规则对待评审医院的待评审数据进行评审运算，使待评审数据可以与预设评审规则进行高度匹配，从而得到可真实反应待评审医院实际情况的评审运算数据，并基于评审运算数据可客观准确的确定待评审医院的评定等级，最终实现高效快速且准确的完成对待评审医院的等级评审。
99.在一实施例中，所述获取模块10，还用于获取待评审医院的初始评审文件；
100.根据预设权重等级对所述初始评审文件进行变量梳理，得到初始评审变量；
101.根据预设医疗标签对所述初始评审变量进行特征定义，得到所述待评审医院的待评审数据。
102.在一实施例中，所述获取模块10，还用于根据预设评审规则和预设检测模型对所述初始评审文件进行缺陷检测，得到缺陷文件；
103.根据等级评审目标集和预设权重等级对所述缺陷文件进行变量梳理，得到初始评审变量。
104.在一实施例中，所述运算模块20，还用于根据所述待评审数据、预设深度优先搜索模型以及预设评审规则进行评审搜索，得到问题数据和现状数据；
105.对所述问题数据和所述现状数据进行权重处理，得到第一评审数据；
106.根据所述第一评审数据和所述预设深度优先搜索模型进行模型构建，得到构建评审模型；
107.根据所述构建评审模型和所述待评审数据进行评审运算，得到评审运算数据。
108.在一实施例中，所述运算模块20，还用于对所述预设深度优先搜索模型进行模型改进，得到改进深度优先搜索模型；
109.根据第一评审数据和预设条件检测方式对所述改进深度优先搜索模型进行模型检测，得到检测结果；
110.根据所述检测结果得到构建评审模型。
111.在一实施例中，所述运算模块20，还用于根据所述构建评审模型和所述待评审数据进行评审搜索，得到第二评审数据；
112.根据所述第二评审数据进行评审分析，得到评审分析结果；
113.根据所述评审分析结果确定评审运算数据。
114.在一实施例中，所述运算模块20，还用于根据预设评审模型对所述待评审数据进行评审运算，得到第三评审数据；
115.将所述第二评审数据和所述第三评审数据进行结果对比，得到第一对比结果；
116.根据所述待评审数据和所述第二评审数据进行缺陷对比，得到第二对比结果；
117.根据所述第一评审数据和所述第二评审数据进行结果对比，得到第三对比结果；
118.根据所述第一对比结果、第二对比结果以及第三对比结果得到评审分析结果。
119.由于本装置采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
120.此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于深度优先搜索的评等程序，所述基于深度优先搜索的评等程序被处理器执行时实现如上文所述的基于深度优先搜索的评等方法的步骤。
121.由于本存储介质采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
122.需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。
123.另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的基于深度优先搜索的评等方法，此处不再赘述。
124.此外，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。
125.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
126.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(如只读存储器(read only memory，rom)/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，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的方法。
127.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。