本发明属于信息处理技术领域，尤其涉及一种内容推荐方法、系统及终端设备。
背景技术：
随着互联网技术的发展，用户更多的应用智能终端观看影视节目，通常用户查找节目的方法包括通过推荐内容查找用户喜欢的节目，或者直接查找已知的节目进行观看。
目前，通过推荐内容查找用户喜欢的节目的方法包括基于内容协同过滤推荐算法和基于用户行为的协同过滤推荐算法，其中，基于内容协同过滤推荐算法的推荐结果固定、推荐结果容易一成不变；基于用户行为的协同过滤推荐算法的推荐结果是根据与用户相近的用户节目做推荐，推荐结果能时常更新，但计算量大。
技术实现要素：
有鉴于此，本发明实施例提供了一种内容推荐方法、系统及终端设备，以解决现有技术中存在的推荐结果一成不变、计算量大的问题。
本发明实施例的第一方面提供了一种内容推荐方法，包括：
获取用户的历史收视记录；
根据历史收视记录，得到预设时段以及预设标签对应的分时分标签权重；
根据历史收视记录，得到预设标签对应的加分因子和衰减因子；
获取预设标签对应的节目推荐列表，并对节目推荐列表中的节目进行赋值，得到推荐赋值；
根据分时分标签权重、加分因子、衰减因子和推荐赋值，得到推荐内容。
本发明实施例的第二方面提供了一种内容推荐系统，包括：
历史收视记录获取模块，用于获取用户的历史收视记录；
分时分标签权重获取模块，用于根据历史收视记录，得到预设时段以及预设标签对应的分时分标签权重；
影响因子获取模块，用于根据历史收视记录，得到预设标签对应的加分因子和衰减因子；
推荐节目赋值模块，用于获取预设标签对应的节目推荐列表，并对节目推荐列表中的节目进行赋值，得到推荐赋值；
推荐内容获取模块，用于根据分时分标签权重、加分因子、衰减因子和推荐赋值，得到推荐内容。
本发明实施例的第三方面提供了一种终端设备，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程序，所述处理器执行所述计算机程序时实现如上所述内容推荐方法的步骤。
本发明实施例的第四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程序，所述计算机程序被处理器执行时实现如上所述内容推荐方法的步骤。
本发明实施例与现有技术相比存在的有益效果是：通过获取用户的历史收视记录；根据历史收视记录，得到预设时段以及预设标签对应的分时分标签权重；根据历史收视记录，得到预设标签对应的加分因子和衰减因子；获取预设标签对应的节目推荐列表，并对节目推荐列表中的节目进行赋值，得到推荐赋值；根据分时分标签权重、加分因子、衰减因子和推荐赋值，得到推荐内容。本发明实施例通过考虑预设时段的用户感兴趣的节目，计算得出用户在预设时段对预设标签的感兴趣程度，并计算出在预设时段推送给用户的推荐内容，从而更加精准的推送给用户特定的推荐内容，优化了用户体验。
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内容推荐方法的实现流程示意图；
图2是本发明实施例提供的图1中步骤S102的实现流程示意图；
图3是本发明实施例提供的图1中步骤S103的实现流程示意图；
图4是本发明实施例提供的图3中步骤S303的实现流程示意图；
图5是本发明实施例提供的图3中步骤S306的实现流程示意图；
图6是本发明实施例提供的内容推荐系统的结构示意图；
图7是本发明实施例提供的图6中分时分标签权重获取模块的结构示意图；
图8是本发明实施例提供的图6中影响因子获取模块的结构示意图；
图9是本发明实施例提供的图8中全时影响因子获取单元的结构示意图；
图10是本发明实施例提供的图8中分时影响因子获取单元的结构示意图；
图11是本发明实施例提供的终端设备的示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。
本发明的说明书和权利要求书及上述附图中的术语“包括”以及它们任何变形，意图在于覆盖不排他的包含。例如包含一系列步骤或单元的过程、方法或系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。此外，术语“第一”、“第二”和“第三”等是用于区别不同对象，而非用于描述特定顺序。
为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
实施例1：
图1示出了本发明的一个实施例提供的一种内容推荐方法的实现流程，本实施例的流程执行主体可以是终端设备，其过程详述如下：
在步骤S101中，获取用户的历史收视记录。
在本实施例中，获取用户预设时间长度的历史收视记录，所述历史收视记录中包含有多个按照时间前后顺序排列的节目。
在步骤S102中，根据历史收视记录，得到预设时段以及预设标签对应的分时分标签权重。
在本实施例中，所述预设时段可以为凌晨时段(00:00～6:00)、早上(6:00～11:00)、午间(11:00～13:00)、下午(13:00～17:00)、傍晚(17:00～19:00)、晚间黄金时段(19:00～22:00)、晚间临睡(22:00～24:00)。
在本实施例中，历史收视记录中的每个节目都携带着至少一个预设标签。所述预设标签可以包括古装、都市、玄幻、爱情、战争、动作等。
在步骤S103中，根据历史收视记录，得到预设标签对应的加分因子和衰减因子。
在步骤S104中，获取预设标签对应的节目推荐列表，并对节目推荐列表中的节目进行赋值，得到推荐赋值。
在步骤S105中，根据分时分标签权重、加分因子、衰减因子和推荐赋值，得到推荐内容。
从上述实施例可知，通过获取用户的历史收视记录；根据历史收视记录，得到预设时段以及预设标签对应的分时分标签权重；根据历史收视记录，得到预设标签对应的加分因子和衰减因子；获取预设标签对应的节目推荐列表，并对节目推荐列表中的节目进行赋值，得到推荐赋值；根据分时分标签权重、加分因子、衰减因子和推荐赋值，得到推荐内容。本发明实施例通过考虑预设时段的用户感兴趣的节目，计算得出用户在预设时段对预设标签的感兴趣程度，并计算出在预设时段推送给用户的推荐内容，从而更加精准的推送给用户特定的推荐内容，优化了用户体验。
如图2所示，在本发明的一个实施例中，图2示出了图1中步骤S102的具体实现流程，详述如下：
在步骤S201中，从历史收视记录中提取预设时段对应的节目，得到分时收视序列。
在本实施例中，历史收视记录中的节目包括观看时间，根据所述观看时间和预设时段，提取所述分时收视序列。根据上述预设时段，历史收视记录可以被划为为凌晨分时收视序列、晨间分时收视序列、午间分时收视序列、下午分时收视序列、傍晚分时收视序列、晚间黄金分时收视序列、晚间临睡分时收视序列。
在步骤S202中，从分时收视序列中提取预设标签对应的节目，得到分时分标签收视序列。
在本实施例中，当得到所述分时收视序列时，根据预设标签得到分时分标签收视序列，每一个标签对应一个分时分标签收视序列。
以一个具体的应用场景为例：
在历史收视记录中，节目“湄公河行动”的预设标签为动作、犯罪，观看时间为8:00；节目“秀丽江山之长歌行”的预设标签为爱情、古装，观看时间为14:00、三生三世十里桃花的预设标签为古装、玄幻、爱情，观看时间为15:00、战狼2的预设标签为战争、动作，观看时间为16:30。
取预设时段为下午，得到的分时收视序列为秀丽江山之长歌行、三生三世十里桃花、战狼2。
根据所述分时收视序列，取预设标签为爱情，则分时分标签收视序列为：秀丽江山之长歌行、三生三世十里桃花。
在步骤S203中，将分时分标签收视序列中的节目总数量除以分时收视序列中的节目总数量，得到分时分标签权重。
在本实施例中，设预设标签为i，预设时段为t，则分时分标签收视序列的节目总数量为Num(nt,i)，分时收视序列中的节目总数量为Num(nt)，则分时分标签权重Wt,i为Wt,i表示在预设时段t下的预设标签i对应的分时分标签权重。
如图3所示，在本发明的一个实施例中，图3示出了图1中步骤S103的实现流程，详述如下；
在步骤S301中，按照第一预设规则为历史收视记录中的节目赋值，得到每一个节目对应的节目分值。
在本实施例中，所述按照第一预设规则为所述历史收视记录中的节目赋值包括按照时间先后的顺序为所述历史收视记录中的节目以预设公差递增赋值。例如排在历史收视记录第一位置的节目分值为1，排在第二位置的节目分值为2，如此，以1为预设公差依次递增为历史收视记录中的节目赋值。
在步骤S302中，从历史收视记录中提取预设标签对应的节目，得到分标签收视序列。
在步骤S303中，根据节目分值和分标签收视序列，计算得到预设标签对应的全时加分因子和全时衰减因子。
在步骤S304中，从历史收视记录中提取预设时段对应的节目，得到分时收视序列。
在步骤S305中，从分时收视序列中提取预设标签对应的节目，得到分时分标签收视序列。
在步骤S306中，根据节目分值、分时收视序列和分时分标签收视序列，计算得到预设标签对应的分时加分因子和分时衰减因子。
如图4所示，在本发明的一个实施例中，图4示出了图3中步骤S303的实现流程，详述如下：
在步骤S401中，计算分标签收视序列中的节目对应的节目分值的总和，得到分标签节目分值总和。
在步骤S402中，基于第一预设计算规则，根据分标签节目分值总和、分标签收视序列中的节目总数量、历史收视记录中的节目总数量和第一预设衰减系数，计算得到预设标签对应的全时衰减因子。
在本实施例中，第一预设计算规则为：
ai＝1+d1*(nL*Num(ni)-Sum(ni))
其中，ai为预设标签i对应的全时衰减因子；d1为第一预设衰减系数；nL为历史收视记录中的节目总数量，在本实施例中，nL可以取值为10，用于表示用户近一段时间喜欢收看的节目；Num(ni)为分标签收视序列中的节目总数量；Sum(ni)为分标签节目分值总和。
通过上述第一预设计算规则，从而得到预设标签对应的全时衰减因子。
在步骤S403中，当历史收视记录中存在连续N个节目对应的预设标签均相同时，获取N值，所述N≥2。
在本实施例中，当所述历史收视记录中连续N个位置的节目包含同一预设标签时，表明此时有一连续收视，用户对此预设标签更感兴趣，所以获取N值，计算该预设标签对应的全时加分因子。
在步骤S404中，将N值与第一预设加分系数相乘，得到预设标签对应的全时加分因子。
在本实施例中，全时加分因子的计算公式为：bi＝a1*N，其中a1为第一预设加分系数；bi为所述预设标签i对应的全时加分因子。
如图5所示，在本发明的一个实施例中，图5为图3中步骤S306的实现流程，详述如下：
在步骤S501中，计算分时分标签收视序列中的节目对应的节目分值的总和，得到分时分标签节目分值总和。
在步骤S502中，基于第二预设计算规则，根据分时分标签节目分值总和、分时分标签收视序列中的节目总数量、历史收视记录中的节目总数量和第二预设衰减系数，计算得到预设标签对应的分时衰减因子。
在本实施例中，第二预设计算规则为：
at,i＝1+d2*(nL*Num(nt,i)-Sum(nt,i))；
其中，d2为第二预设衰减系数；Num(nt,i)为分时分标签收视序列中的节目总数量；Sum(nt,i)为分时分标签节目分值总和。通过上述第二预设计算规则，得到分时衰减因子at,i
在步骤S503中，当分时收视序列中存在连续M个节目对应的预设标签均相同时，获取M值，M≥2。
在本实施例中，当所述分时收视序列中连续M个位置的节目包含同一预设标签时，表明此预设时段有一连续收视，用户在此预设时段对此预设标签更感兴趣，所以获取M值，计算该预设标签的分时加分因子。
在步骤S504中，将M值与第二预设加分系数相乘，得到预设标签对应的分时加分因子。
在本实施例中，步骤S504包括：bt,i＝a2*M，其中a2为第二预设加分系数，bt,i为预设标签i对应的分时加分因子。
在本实施例中，图1中步骤S104的具体流程，包括：
在步骤S601中，获取公共节目推荐列表。
在本实施例中，服务器向终端设备推送公共节目推荐列表，服务器包括内部推荐系统，内部推荐系统的预设算法包括基于内容的协同过滤推荐算法、基于用户行为的协同过滤推荐算法、热门播放推荐算法、热门搜索推荐算法。
在本实施例中，公共节目推荐列表还包括基于外部数据源获取的节目列表，如豆瓣节目排行榜、百度电影收视指数推荐榜等。
在本实施例中，根据预设算法的不同，得到的公共节目推荐列表也不同，若预设算法为多个，则获取到的公共推荐列表也为多个。
步骤S602：从公共节目推荐列表中提取所有的预设标签对应的节目，得到每一个预设标签对应的节目推荐列表。
在本实施例中，通过提取所有的预设标签对应的节目，得到每一个预设标签对应的节目推荐列表。
步骤S603：对节目推荐列表中的节目按照第二预设规则进行赋值，得到公共节目推荐列表中的每一个节目对应的推荐赋值。
在本实施例中，步骤S603包括：按照公共节目推荐列表中节目的排列顺序排列每一个预设标签对应的节目推荐列表中的节目，并为节目推荐列表中的节目以预设公差递减赋值。如，以1为预设公差，为所有的预设标签对应的节目推荐列表中第一位置的节目赋值为100，第二位置的节目赋值为99，依次类推，得到公共节目推荐列表中的所有节目的推荐赋值。
在本发明的一个实施例中，图1中步骤S105的具体实现流程，包括：
步骤S701：基于第三预设计算规则，对分标签权重、加分因子、衰减因子和推荐赋值进行积分运算，得到公共节目推荐列表中节目的推荐评分。
在本发明的一个实施例中，所述内容推荐方法还包括：
获取所有公共推荐列表中每一个节目出现的次数及预设标签的数量。
在本实施例中，由于预设算法存在多个，对应得到的公共节目推荐列表也有多个，获取所有公共推荐列表中每一个节目出现的次数。
在本实施例中，以公共节目推荐列表中的一个节目p为例，计算所述节目p的推荐评分，具体包括：
第三预设计算规则为：
其中，np表示所有公共推荐列表中节目p出现的次数；nx,p表示节目p的预设标签的数量；i表示预设标签i；t表示预设时段t；at,i表示预设标签i对应的分时衰减因子；ai表示预设标签i对应的全时衰减因子；bt,i表示预设标签i对应的分时加分因子；bi表示预设标签i对应的全时加分因子；c表示预设加分项；wt,i表示分时分标签权重；Dx,i,p表示采用预设算法x筛选得到的节目p在预设标签i对应的节目推荐列表中的推荐赋值。
在本实施例中，所述预设加分项c包括第一预设加分值和第二预设加分值，所述预设加分项c的数值的获取过程包括：
1)当节目p对应的一个预设标签与历史收视记录中第一位置的节目对应的一个预设标签相同时，c为第一预设加分值。
2)当节目p对应的预设标签与历史收视记录中第一位置的节目对应的所有预设标签均不同时，c为第二预设加分值。
在本实施例中，第一预设加分值可以设置为0.02,第二预设加分值设置为0。通过获取加分项数值，可以对用户当前感兴趣的预设标签加分，从而使推荐的内容更加迎合用户当前的兴趣。
按照上述第三预设计算规则，计算得到所述公共节目推荐列表中所有节目的推荐评分。
步骤S702：按照推荐评分从高到低的顺序对应排列所述公共节目推荐列表中的节目，得到推荐内容。
在本实施例中，为所述公共节目推荐列表中的节目按照推荐评分从高到低的顺序排序，并从推荐评分最高的节目开始往下获取预设推荐数量的节目作为推荐内容。
在本发明的一个实施例中，当获取到的推荐内容中的节目包括历史收视记录中的节目时，去除该与历史收视记录中的节目相同的节目，并从公共推荐列表剩下的节目中选取推荐评分最高的节目放入推荐内容，排在推荐内容的最后位置，依次类推，直到推荐内容中不存在用户的历史收视记录中的节目为止。从而保证了推荐内容为用户未看过且可能感兴趣的内容。
从上述实施例可知，通过获取分标签权重、加分因子和衰减因子，实现对用户连续收看的预设标签进行加分，对用户当前感兴趣的标签进行加分，从而使推荐给用户的推荐内容更加迎合用户当前的兴趣，并且根据预设时段，对用户不同预设时段的历史收视记录进行了划分，从而可以得到不同时段用户感兴趣的推荐内容，避免用户错过感兴趣的内容，同时，本内容推荐算法计算简单，只需要简单的加减乘除计算即可完成，计算量较小，缩短了运算时间，提高了运算效率，优化了用户体验。
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。
实施例2：
如图6所示，本发明的一个实施例提供的内容推荐系统1000，用于执行图1所对应的实施例中的方法步骤，其包括：
历史收视记录获取模块1100，用于获取用户的历史收视记录；
分时分标签权重获取模块1200，用于根据历史收视记录，得到预设时段以及预设标签对应的分时分标签权重；
影响因子获取模块1300，用于根据历史收视记录，得到预设标签对应的加分因子和衰减因子；
推荐节目赋值模块1400，用于获取预设标签对应的节目推荐列表，并对节目推荐列表中的节目进行赋值，得到推荐赋值；
推荐内容获取模块1500，用于根据分时分标签权重、加分因子、衰减因子和推荐赋值，得到推荐内容。
从上述实施例可知，通过获取用户的历史收视记录；根据历史收视记录，得到预设时段以及预设标签对应的分时分标签权重；根据历史收视记录，得到预设标签对应的加分因子和衰减因子；获取预设标签对应的节目推荐列表，并对节目推荐列表中的节目进行赋值，得到推荐赋值；根据分时分标签权重、加分因子、衰减因子和推荐赋值，得到推荐内容。本发明实施例通过考虑预设时段的用户感兴趣的节目，计算得出用户在预设时段对预设标签的感兴趣程度，并计算出在预设时段推送给用户的推荐内容，从而更加精准的推送给用户特定的推荐内容，优化了用户体验。
如图7所示在本发明的一个实施例中，图7示出的图6所对应的实施例中的分时分标签权重获取模块1200还包括用于执行图2所对应的实施例中的方法步骤的结构，其包括：
分时收视序列获取单元1210，用于从所述历史收视记录中提取所述预设时段对应的节目，得到分时收视序列；
分时分标签收视序列获取单元1220，用于从所述分时收视序列中提取所述预设标签对应的节目，得到分时分标签收视序列；
分时分标签权重获取单元1230，用于将分时分标签收视序列中的节目总数量除以分时收视序列中的节目总数量，得到分时分标签权重。
如图8所示在本发明的一个实施例中，图8输出的图6所对应的实施例中的影响因子获取模块1300还用于执行图3所对应的实施例中的方法步骤的结构，包括：
节目分值获取单元1310，用于按照第一预设规则为历史收视记录中的节目赋值，得到每一个节目对应的节目分值；
分标签收视序列获取单元1320，用于从历史收视记录中提取预设标签对应的节目，得到分标签收视序列；
全时影响因子获取单元1330，用于根据节目分值和分标签收视序列，计算得到预设标签对应的的全时加分因子和全时衰减因子；
分时收视序列获取单元1340，用于从历史收视记录中提取预设时段对应的节目，得到分时收视序列；
分时分标签收视序列获取单元1350，用于从分时收视序列中提取预设标签对应的节目，得到分时分标签收视序列；
分时影响因子获取单元1360，用于根据所述节目分值、分时收视序列和分时分标签收视序列，计算得到预设标签对应的分时加分因子和分时衰减因子。
如图9所示，在本发明的一个实施例中，图9中示出的图8中的全时影响因子获取单元1330还用于执行图4所对应的实施例中的方法步骤的结构，包括：
分标签节目分值总和计算子单元1331，用于计算分标签收视序列中的节目对应的节目分值的总和，得到分标签节目分值总和；
全时衰减因子计算子单元1332，用于基于第一预设计算规则，根据分标签节目分值总和、分标签收视序列中的节目总数量、历史收视记录中的节目总数量和第一预设衰减系数，计算得到预设标签对应的全时衰减因子；
N值获取子单元1333，用于当历史收视记录中存在连续N个节目对应的预设标签均相同时，获取所述N值，所述N≥2；
全时加分因子获取子单元1334，用于将N值与第一预设加分系数相乘，得到预设标签对应的全时加分因子。
如图10所示，在本发明的一个实施例中，图10示出的图8中分时影响因子获取单元1360还用于执行图5所对应的实施例中的方法步骤的结构，包括：
分时分标签节目分值总和获取子单元1361，用于计算分时分标签收视序列中的节目对应的节目分值的总和，得到分时分标签节目分值总和；
分时衰减因子计算子单元1362，用于基于第二预设计算规则，根据分时分标签节目分值总和、分时分标签收视序列中的节目总数量、历史收视记录中的节目总数量和第二预设衰减系数，计算得到预设标签对应的分时衰减因子；
M值获取子单元1363，用于当分时收视序列中存在连续M个节目对应的预设标签均相同时，获取所述M值，所述M≥2；
分时加分因子获取子单元1364，用于将M值与第二预设加分系数相乘，得到预设标签对应的分时加分因子。
在本发明的一个实施例中，图6中的推荐节目赋值模块1400包括：
公共节目推荐列表获取单元，用于获取公共节目推荐列表；
节目推荐列表获取单元，用于从公共节目推荐列表中提取所有的所述预设标签对应的节目，得到每一个预设标签对应的节目推荐列表；
推荐赋值获取单元，用于对节目推荐列表中的节目按照第二预设规则进行赋值，得到公共节目推荐列表中的每一个节目对应的推荐赋值。
在本发明的一个实施例中，图6中的推荐内容获取模块1500还包括：
推荐评分计算单元，用于基于第三预设计算规则，对预设算法的数量、分标签权重、加分因子、衰减因子和推荐赋值进行积分运算，得到公共节目推荐列表中节目的推荐评分；
推荐内容获取单元，用于按照推荐评分从高到低的顺序对应排列所述公共节目推荐列表中的节目，得到推荐内容。
从上述实施例可知，通过获取分标签权重、加分因子和衰减因子，实现对用户连续收看的预设标签进行加分，对用户当前感兴趣的标签进行加分，从而使推荐给用户的推荐内容更加迎合用户当前的兴趣，并且根据预设时段，对用户不同预设时段的历史收视记录进行了划分，从而可以得到不同时段用户感兴趣的推荐内容，避免用户错过感兴趣的内容，同时，本内容推荐算法计算简单，只需要简单的加减乘除计算即可完成，计算量较小，缩短了运算时间，提高了运算效率，优化了用户体验。
实施例3：
本发明实施例还提供了一种终端设备11，包括存储器111、处理器110以及存储在存储器111中并可在处理器110上运行的计算机程序112，所述处理器110执行所述计算机程序112时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述处理器110执行所述计算机程序112时实现如实施例2中所述的各装置实施例中的各模块的功能，例如图6所示的模块1100至1500的功能。
所述终端设备11可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备11可包括，但不仅限于，处理器、存储器。例如所述终端设备11还可以包括输入输出设备、网络接入设备、总线等。
所称处理器110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111可以是所述终端设备11的内部存储单元，例如终端设备11的硬盘或内存。所述存储器111也可以是所述终端设备11的外部存储设备，例如所述终端设备11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11还可以既包括终端设备11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序112以及所述终端设备11所需的其他程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
实施例4：
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机程序112，计算机程序被处理器执行时实现如实施例1中所述的各实施例中的步骤，例如图1所示的步骤S101至步骤S105。或者，所述计算机程序被处理器执行时实现如实施例2中所述的各装置实施例中的各模块的功能，例如图6所示的模块1100至1500的功能。
所述的计算机程序112可存储于一计算机可读存储介质中，该计算机程序112在被处理器110执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序112包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。
本发明实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。
本发明实施例系统中的模块或单元可以根据实际需要进行合并、划分和删减。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。