一种关联对象的识别方法及装置与流程

本申请涉及大数据技术领域，尤其涉及一种关联对象的识别方法及装置。

背景技术：

随着信息化技术的发展，通常以“对象”的概念来区分各个进入人们描述范畴的事物。不同对象(对象实体)在表现形态、特征属性等方面各不相同。但是，具有共性的是每个对象通常既具有区别于其他对象的独立性特点，也具有与其他对象相关联的关联性特点。比如，作为不同对象的PC终端通常相互独立，但它们之间可以通过网络实现关联。由于不同对象之间存在关联性，在某些情况下，可以借助于这种关联性由一个对象来识别与该对象关联的其他对象。这里，作为识别关联对象的基准的对象，可以称为基准对象，通过关联关系识别出来的其他对象可以称为关联对象。

基准对象与关联对象之间关联关系的强弱以及利用关联关系的方式，将影响到识别出来的关联对象是否准确，即依据弱关联关系或不恰当的关联关系利用方式识别出来的关联对象可能并不是用户期望的关联对象。为了提高识别关联对象的准确性，在现有技术中，主要通过判断基准对象的某个信息与待识别对象(即有可能成为关联对象的对象)的某个信息是否完全一致的方式，来识别基准对象的关联对象。但是，采用这种“单信息完全匹配”的方式，可能没有充分利用基准对象与关联对象的关联关系，导致识别结果准确性较低。

技术实现要素：

本申请实施例提供一种关联对象的识别方法，用以解决现有技术对于基准对象的关联对象识别准确性较低的问题。

本申请实施例还提供一种关联对象的识别装置，用以解决现有技术对于基准对象的关联对象识别准确性较低的问题。

本申请实施例采用下述技术方案：

一种关联对象的识别方法，包括：

确定识别基准对象的关联对象的判定基准，所述判定基准根据所述基准对象的至少两个特征信息和特征信息的预设偏差范围确定；获得待识别对象的特征信息；判断所述待识别对象的特征信息与所述判定基准是否匹配，如果匹配，则将所述待识别对象确定为所述基准对象的关联对象。

一种关联对象的识别装置，包括：

判定基准确定单元，用于确定识别基准对象的关联对象的判定基准；所述判定基准，是根据所述基准对象的至少两个特征信息和特征信息的预设偏差范围确定的；待识别对象特征信息获得单元，用于获得待识别对象的特征信息；识别单元，用于判断所述待识别对象的特征信息与所述判定基准是否匹配，如果匹配，则将所述待识别对象确定为所述基准对象的关联对象。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：

采用本申请实施例提供的方法，由于可以支持根据关联对象的判定基准，判断待识别对象是否为基准对象的关联对象，而所述判定基准，是根据所述基准对象的至少两个特征信息和特征信息的预设偏差范围确定的，因此相对于现有技术中主要通过判断基准对象的某个信息是否与待识别对象的某个信息完全一致，从而判定待识别对象是否为基准对象的关联对象的方式相比，由于本申请提供的方案的判定基准覆盖的特征信息更多，更为合理，从而在基准对象的各信息与待识别对象(实质为关联对象)的各信息之间的关联性均较弱时，也能达到较高的识别结果准确性。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部 分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本申请实施例提供的一种关联对象的识别方法的具体实现流程示意图；

图2为本申请实施例提供的一种指定人群成员的识别方法的具体实现流程示意图；

图3为本申请实施例提供的一种关联对象的识别装置的具体结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

实施例1

本申请实施例提供一种关联对象的识别方法，用以解决现有技术对于基准对象的关联对象识别准确性较低的问题。

本申请实施例提供的关联对象的识别方法的执行主体可以是手机、平板电脑以及个人电脑(Personal Computer，PC)等终端设备中的至少一种。此外，该方法的执行主体，也可以是安装在终端设备上的应用程序(Application，APP)，也还可以是服务器。所述的执行主体并不构成对本申请的限定，为了便于描述，本申请实施例均以执行主体是手机上安装的APP为例进行说明。

该方法的具体实现流程示意图如图1所示，主要包括下述步骤：

步骤11，APP确定识别基准对象的关联对象的判定基准；

所述判定基准，是根据所述基准对象的至少两个特征信息确定的。

需要说明的是，为了可以通过所述确定的判定基准，而达到对与基准对象关联性较弱的待识别对象的识别，在一种实施方式中，所述判定基准可以根据基准对象的至少两个特征信息以及特征信息的预设偏差范围来确定。例如，以基准对象为入住酒店的人员A，基准对象的两条特征信息分别为：入住时间9月15号，入住酒店地址在北京市海淀区为例；假设预设的入住时间偏差范围为：前后不超过基准对象入住时间十五天，预设的入住地点偏差范围为：不超过基准对象入住地点所在城市，则根据所述基准对象的两个信息和特征信息的预设偏差范围，可以确定的基准对象的关联对象的判定基准为：入住时间九月份以及入住酒店所在地为北京市。

本申请实施例中，步骤11的实现方式可以包括：直接获得已经生成的判定基准；或者，根据基准对象的至少两个特征信息和特征信息的预设偏差范围，确定该判定基准。

以下，以基准对象为用户A，以基准对象的特征信息为用户A的酒店入住信息(后称入住信息)为例，举例介绍如何根据基准对象的至少两个入住信息以及特征信息的预设偏差范围，确定用户A的关联对象的判定基准：

需要说明的是，入住酒店人员的入住信息往往可以是指：入住时间、入住酒店名称、退房时间、入住酒店地理位置或入住酒店的星级等。

在相关技术中，酒店往往需要入住人员提供身份证号以及手机号，并将这些信息以及入住人员的入住时间、退房时间以及入住酒店的特征信息(比如，酒店的名称、酒店的地理位置以及酒店的星级等)等上传至“入住信息管理服务器”进行对应保存。其中，该“入住信息管理服务器”，是一种“大数据服务器”，即可以提供大数据支持的服务器。所谓大数据支持，比如可以包括但不限于：提供基于数据库中保存的大数据的数据查询、下载、挖掘等等业务。

本申请实施例中，用户可以使用APP向“入住信息管理服务器”发送用户A的入住信息获取请求，从而获得该“入住信息管理服务器”响应于用户A 的入住信息获取请求发送的用户A的入住信息。需要说明的是，所述的用户A的入住信息获取请求中，可以包含用户A的标识(如用户A的身份证号)，则“入住信息管理服务器”可以通过该标识，查询与该标识对应保存的、用户A的入住信息。

当服务器查询到用户A的入住信息后，可以在查询到的入住信息中选择至少两条入住信息，并根据所述至少两条入住信息以及特征信息的预设偏差范围，确定用户A的关联对象的判定基准。具体的，当服务器查询到基准对象的入住信息包括：入住时间为9月10号、退房时间为9月12号以及入住酒店地理位置为北京市朝阳区时，则可以根据入住时间、入住酒店地理位置以及特征信息的预设偏差范围，确定用户A的关联对象的判定基准为：入住时间在9月份，入住酒店地理位置在北京市。

本申请实施例中，考虑到仅根据基准对象的一条入住信息，对基准对象的关联对象进行识别可能会存在识别准确性较低的问题，在一种实施方式中，本申请实施例可以将基准对象的至少两个不同类型的入住信息，作为所述判定基准；或者，也可以根据所述基准对象的至少两个不同类型的入住信息和特征信息的预设偏差范围，确定关联对象的判定基准。

由于判定基准设置规则一般会随着实际需求的变化而变化，因此本申请实施例仅示例性地对其进行上述说明，对其具体内容并不进行限定。

在一种实施方式中，当步骤11的实现方式为直接获得已经生成的判定基准时，生成该判定基准的方式可以参见前文，此处不再赘述。生成该判定基准的执行主体，比如可以是某个服务器。

步骤12，APP获得待识别对象的特征信息；

比如，可以通过向服务器发送待识别对象信息获取请求的方式，获得服务器提供的待识别对象的特征信息。

一般地，所述请求中往往可以包含待识别对象的标识，以使得服务器可以根据所述待识别对象的标识，查找到待识别对象的特征信息。

在一种实施方式中，服务器可以将待识别对象的标识发送至APP展示，以使得用户可以通过APP从展示的标识中选取标识(选取的标识即为待识别对象标识)，从而APP可以向入住信息管理服务器发送包含待识别对象标识的人员信息获取请求。

需要说明的是，所述的服务器往往为大数据服务器，而所述大数据服务器往往会管理和保存海量的数据。此时如果对所述大数据服务器中保存的数据不做区分的进行获取，会耗费大量的处理时间，即获得待识别对象的特征信息的效率较低，且会耗费大量的资源。

为了避免上述问题，在一种实施方式中，本申请实施例中步骤12的具体实现方式可以包括：确定待识别对象的标识；根据所述待识别对象的标识，以及所述判定基准对应的特征信息的类型，从大数据服务器保存的对象的特征信息中，获得待识别对象的特征信息。

其中，所述判定基准对应的特征信息的类型，是指用于确定所述判定基准的基准对象的特征信息的类型。比如，通过对所述判定基准进行解析，或者通过获取预先保存的、与所述判定基准相映射的基准对象的特征信息的类型，可以确定所述判定基准对应的特征信息的类型。例如，判定基准是根据基准对象的入住时间确定的，则所述判定基准对应的特征信息为入住时间，所述判定基准对应的特征信息的类型为时间类型信息。

需要说明的是，确定待识别对象的标识，可以包括：APP获得标识过滤条件；APP根据所述标识过滤条件，从大数据服务器保存的对象标识中，确定满足所述标识过滤条件的对象标识。具体地，APP可以将所述标识过滤条件发送给大数据服务器，并获得该服务器根据该条件返回的、满足该条件的待识别对象标识。该条件可以是由APP本地设置的。

APP在接收到大数据服务器根据标识过滤条件返回的、满足该条件的待识别对象标识后，可以将接收到的待识别对象标识进行展示。后续在接收到针对展示的待识别对象标识的选取指令后，可以将被选取的待识别对象标识，以及 关联对象的判定基准对应的特征信息的类型，发送给大数据服务器，从而触发大数据服务器根据被选取的待识别对象标识以及所述类型，向APP发送选取的待识别对象的特征信息。

步骤13，判断通过执行步骤12获得的待识别对象的特征信息与通过执行步骤11确定的判定基准是否匹配，如果匹配，则将所述待识别对象确定为所述基准对象的关联对象。

比如，步骤13的具体实现方式可以包括：分别判断待识别对象的各信息是否符合相应的判定基准，在得到的判断结果满足设定条件时，将所述待识别对象确定为所述基准对象的关联对象。

考虑到不同类型的特征信息是否满足判定基准，对对待识别对象是否为基准对象的关联对象的判定结果有不同的影响力。因此，为了在判定结果中体现出所述影响力，从而使得判定结果更为准确，本申请实施例中，可以分别为不同类型的特征信息设置不同的判断结果权重，则在得到的判断结果满足设定条件时，将所述待识别对象确定为所述基准对象的关联对象。如，具体实现方式可以包括：根据得到的判断结果，以及针对不同类型的特征信息设置的判断结果权重，判断得到的判断结果是否满足设定条件；在判断结果为是时，将所述待识别对象确定为所述基准对象的关联对象。

比如，可以根据得到的各判断结果，以及针对不同类型的特征信息设置的判断结果权重，分别为各待识别对象进行打分，得到各待识别对象的判定结果分数，进而根据待识别对象的判定结果分数，并判断各待识别对象的判定结果分数是否高于预设的分数，当判断结果为是时，将所述待识别对象确定为所述基准对象的关联对象。

例如，假设下述条件成立：

1、通过步骤11，得到的关联对象的判定基准为：“入住时间在八月份”以及“入住酒店地址在B市”；

2、通过执行步骤12，得到的待识别对象A的入住信息特征项为：“入住 时间为9月5号”以及“入住酒店地址在B市”；

3、通过执行步骤12，得到的待识别对象B的入住信息特征项为：“入住时间为8月5号”以及“入住酒店地址在B市”；

4、设定当待识别人员每有一项入住信息特征项与判定基准进行比较，得到的相应的比较结果为“符合判定基准”时，为待识别人员的判定结果增加一分；

5、设定入住时间的判定结果权重为2；设定入住酒店地理位置的判定结果权重的权重为1。

6、当待识别对象的判定结果分数是否高于2分时，视为判断结果满足设定条件。

那么，通过分别判断待识别对象A的各入住信息是否符合相应的判定基准，可以得到：待识别对象A的入住时间不符合判定基准，而入住酒店的地理位置符合判定基准。则待识别对象A的判定结果分数为：0×2+1×1＝1分，该待识别对象A的判定结果分数小于2分，即待识别对象A的判断结果不满足设定的条件，则可以确定待识别对象A不是基准对象的关联对象。

类似地，通过分别判断待识别对象B的各入住信息是否符合相应的判定基准，可以得到：待识别对象B的入住时间入住时间符合判定基准，且入住酒店的地理位置也符合判定基准。则待识别对象B的判定结果分数为：1×2+1×1＝3分，该待识别对象B的判定结果分数高于2分，即待识别对象B的判断结果满足设定的条件，则可以将待识别对象B确定为所述基准对象的关联对象。

采用本申请实施例1提供的方法，由于可以支持根据关联对象的判定基准，判断待识别对象是否为基准对象的关联对象，而所述判定基准，是根据所述基准对象的至少两个特征信息和特征信息的预设偏差范围确定的，因此相对于现有技术中主要通过判断基准对象的某个信息是否与待识别对象的某个信息完全一致，从而判定待识别对象是否为基准对象的关联对象的方式相比，由于本申请提供的方案的判定基准覆盖的特征信息更多，更为合理，从而在基准对象 的各信息与待识别对象(实质为关联对象)的各信息之间的关联性均较弱时，也能达到较高的识别结果准确性。

需要说明的是，实施例1所提供方法的各步骤的执行主体均可以是同一设备，或者，该方法也由不同设备作为执行主体。比如，步骤11和步骤12的执行主体可以为设备1，步骤13的执行主体可以为设备2；又比如，步骤11的执行主体可以为设备1，步骤12和步骤13的执行主体可以为设备2；等等。

实施例2

本申请实施例提供一种指定人群成员的识别方法，用以解决现有技术对于指定人群成员的识别准确性较低的问题。该方法的具体实现流程示意图如图2所示，主要包括下述步骤：

步骤21，将指定人群中一名确定的成员的入住数据输入手机上安装的“识别APP”。

需要说明的是，所述的“识别APP”可以通过互联网与入住信息管理服务器连接，从而可以通过该APP查询酒店入住人员的入住信息，并可以通过该APP从待识别人员中识别出属于指定人群成员的人员，具体的识别方法参见实施例1的相关描述，此处不再赘述。

例如，假设所述指定人群中一名确定的成员为用户B，且根据该用户B的姓名或者身份证号，可以在服务器上查询到该用户B在近期的酒店入住信息。比如，在最近的一个月内，该用户B入住过3家B市的酒店，且在三家酒店的入住时间分别为9月1号、9月10号以及9月23号。

还需要说明的是，为避免入住人员信息的泄露，本申请实施例提供的“嫌识别APP”可以对使用用户进行身份认证(如，指纹认证、语音认证以及密码认证，等等)，在身份认证通过后，才可以使用该APP。

步骤22，确定指定人群成员的判定基准。

通过执行步骤21，获取已经确定的指定人群中的用户B的入住信息为： 该用户B在9月10号入住了B市的一家酒店，设置的特征信息偏差范围为：入住时间与用户B的入住时间前后不超过5天；入住地点在用户B入住地点周围1公里范围。则此时“识别APP”可以将入住时间在9月5号至9月15号之间，以及入住酒店所在的地理位置在B市周边1公里的范围，确定为所述指定人群成员的判定基准。

步骤23，根据待识别人员标识过滤条件，从保存的各待识别人员标识中，确定满足所述待识别人员标识过滤条件的待识别人员标识，并根据确定的满足待识别人员标识过滤条件的待识别人员标识，查找待识别人员。

例如，“识别APP”可以设置待识别人员标识的过滤条件为：仅获取九月份这一个月内，在B市入住酒店的人员的入住信息，则根据该过滤条件，确定满足条件的待识别人员标识，并根据所述满足条件的待识别人员标识，查找在九月份入住过B市酒店的待识别人员。

假设通过执行步骤23，确定的待识别人员为：待识别人员a、待识别人员b以及待识别人员c。

步骤24，获得待识别人员的入住信息。

例如，通过执行步骤22，确定指定人群成员的判定基准对应的特征信息的类型为：入住时间以及入住酒店所在地理位置。

以通过执行步骤23，确定的待识别人员为：待识别人员a、待识别人员b以及待识别人员c为例。

则通过执行步骤24，可以分别获得：

待识别人员a的入住信息为：入住时间为9月1号，入住酒店所在位置为B市；

待识别人员b的入住信息为：入住时间为9月10号，入住酒店所在位置为B市；

待识别人员c的入住信息为：入住时间为9月25号，入住酒店所在位置为B市。

步骤25，通过判断待识别人员的入住信息与指定人群成员的判定基准是否匹配，判断所述待识别人员是否属于所述指定人群成员。

具体的，可以根据待识别人员所包含的入住信息的判断结果，对该待识别人员的每项入住信息进行打分，并将该待识别人员的每项入住信息的打分结果相加，得到待识别人员的“结果分数”，若待识别人员的“结果分数”越高，则该待识别人员为所述指定人群成员的可能性就越高。

还需要说明的是，为了可以更准确的根据入住信息识别出指定人群成员，本申请实施例可以根据入住信息的不同类型，分别为不同类型的入住信息设置不同的权重。

例如，假设待识别人员每有一项入住信息与判定基准的进行比较，得到的判定结果为符合时，则为待识别人员的判定结果增加一分，且设置入住信息类型为：入住时间的判定结果权重为2，入住信息类型为：入住酒店地理位置的判定结果权重的权重为1。

则通过分别判断待识别人员a的各入住信息是否符合相应的判定基准，得到待识别人员a的入住时间不符合判定基准，而入住酒店的地理位置符合判定基准，则根据得到的各判断结果，以及针对不同类型的入住信息设置的判断结果权重，得到待识别人员a的“结果分数”为：2×0+1×1＝1分。

通过分别判断待识别人员b的各入住信息是否符合相应的判定基准，得到待识别人员b的入住时间符合判定基准，且入住酒店的地理位置也符合判定基准，则根据得到的各判断结果，以及针对不同类型的入住信息设置的判断结果权重，得到待识别人员b的“结果分数”为：2×1+1×1＝3分。

通过分别判断待识别人员c的各入住信息是否符合相应的判定基准，得到待识别人员c的入住时间不符合判定基准，而入住酒店的地理位置符合判定基准，则根据得到的各判断结果，以及针对不同类型的入住信息设置的判断结果权重，待识别人员c的“结果分数”为：2×0+1×1＝1分。

通过比较的待识别人员a、待识别人员b以及待识别人员c的“结果分数” 高低，则待识别人员b为所述指定人群成员的可能性最高。

采用本申请实施例2提供的方法，由于可以支持根据关联对象的判定基准，判断待识别对象是否为基准对象的关联对象，而所述判定基准，是根据所述基准对象的至少两个特征信息和特征信息的预设偏差范围确定的，因此相对于现有技术中主要通过判断基准对象的某个信息是否与待识别对象的某个信息完全一致，从而判定待识别对象是否为基准对象的关联对象的方式相比，由于本申请提供的方案的判定基准覆盖的特征信息更多，更为合理，从而在基准对象的各信息与待识别对象(实质为关联对象)的各信息之间的关联性均较弱时，也能达到较高的识别结果准确性。

实施例3

本申请实施例提供一种关联对象的识别装置，用以解决现有技术对于基准对象的关联对象识别准确性较低的问题。该装置的具体结构示意图如图3所示，包括判定基准确定单元31、待识别对象特征信息获得单元32以及识别单元33。

其中，判定基准确定单元31，用于：用于确定识别基准对象的关联对象的判定基准；所述判定基准，是根据所述基准对象的至少两个特征信息和特征信息的预设偏差范围确定的；

待识别对象特征信息获得单元32，用于获得待识别对象的特征信息；

识别单元33，用于：用于判断所述待识别对象的特征信息与所述判定基准是否匹配，如果匹配，则将所述待识别对象确定为所述基准对象的关联对象。

在一种实施方式中，待识别对象特征信息获得单元32，用于：确定待识别对象的标识；根据所述待识别对象的标识，以及所述判定基准对应的特征信息的类型，从大数据服务器保存的对象的特征信息中，获得待识别对象的特征信息。

在一种实施方式中，待识别对象信息获得单元32，用于：获得标识过滤条件；根据所述标识过滤条件，从大数据服务器保存的对象标识中，确定满足所 述标识过滤条件的对象标识。

在一种实施方式中，判定基准确定单元31，用于：根据基准对象的至少两个不同类型的特征信息，以及所述至少两个不同类型的特征信息分别对应的判定基准设置规则，确定各判定基准。

在一种实施方式中，识别单元33，用于：分别判断待识别对象的各特征信息是否符合相应的判定基准；在得到的判断结果满足设定条件时，将所述待识别对象确定为所述基准对象的关联对象。

在一种实施方式中，识别单元33，用于根据得到的判断结果，以及针对不同类型的特征信息设置的判断结果权重，判断得到的判断结果是否满足设定条件；在判断结果为是时，将所述待识别对象确定为所述基准对象的关联对象。

在一种实施方式中，所述基准对象，为指定人群成员；所述信息，为入住信息特征项；所述至少两个特征信息，包括下述入住信息特征项中的至少两种：

入住时间；

退房时间；

入住酒店名称；

入住酒店地理位置；

入住酒店的星级。

采用本申请实施例3提供的上述装置，由于可以支持根据关联对象的判定基准，判断待识别对象是否为基准对象的关联对象，而所述判定基准，是根据所述基准对象的至少两个特征信息和特征信息的预设偏差范围确定的，因此相对于现有技术中主要通过判断基准对象的某个信息是否与待识别对象的某个信息完全一致，从而判定待识别对象是否为基准对象的关联对象的方式相比，由于本申请提供的方案的判定基准覆盖的特征信息更多，更为合理，从而在基准对象的各信息与待识别对象(实质为关联对象)的各信息之间的关联性均较弱时，也能达到较高的识别结果准确性。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产 品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁 磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的特征信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。