产品推荐方法、装置、设备及存储介质与流程

本发明涉及计算机技术领域，尤其涉及一种产品推荐方法、装置、设备及存储介质。

背景技术：

随着手机和计算机网络的发展，互联网行业得到了迅速发展。为了达到促销产品和盈利的目的，商家会提供一些优惠活动，比如：满减活动。例如满400减15。

用户在选择满足满减活动条件的产品时，花费的时间较多，进而有可能影响商家的经济利益。为了节省用户时间，提高商家经济利益，目前会根据产品的价格以及满减活动条件，生成产品组合，将生成的产品组合推荐给用户。

但通常情况下，推荐的产品组合并不能满足用户偏好的要求，这就使得产品购买转化率较低。

技术实现要素：

本发明实施例提供一种产品推荐方法、装置、设备及存储介质，能够提高产品购买转化率。

一方面，本发明实施例提供了一种产品推荐方法，方法包括：

确定目标用户的偏好特征；

从预先构建的针对目标商家的推荐产品组合集中，确定与偏好特征匹配的产品组合；

将所确定的产品组合推荐给目标用户。

另一方面，本发明实施例提供了一种产品推荐装置，装置包括：

偏好特征确定模块，用于确定目标用户的偏好特征；

产品组合确定模块，用于从预先构建的针对目标商家的推荐产品组合集中，确定与偏好特征匹配的产品组合；

推荐模块，用于将所确定的产品组合推荐给目标用户。

再一方面，本发明实施例提供一种产品推荐设备，设备包括：存储器和处理器；

存储器用于存储可执行程序代码；

处理器用于读取存储器中存储的可执行程序代码以执行本发明实施例提供的产品推荐方法。

再一方面，本发明实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令；计算机程序指令被处理器执行时实现本发明实施例提供的产品推荐方法。。

本发明实施例的产品推荐方法、装置、设备及存储介质，向用户推荐的产品组合与用户的偏好特征相匹配，即向用户推荐的产品组合能够满足用户偏好要求，能够节省用户选择产品的时间，使得用户购买产品组合的概率大，进而能够提高产品购买转化率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单地介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例提供的产品推荐方法的外卖场景的示意图；

图2示出了本发明实施例提供的商家界面的示意图；

图3示出了本发明实施例提供的所显示的菜品推荐界面的示意图；

图4示出了本发明实施例提供的产品推荐方法的流程示意图；

图5示出了本发明实施例提供的产品推荐装置的结构示意图；

图6示出了能够实现根据本发明实施例的产品推荐方法和装置的计算设备的示例性硬件架构的结构图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

鉴于目前向用户推荐的产品组合不能满足用户偏好要求，产品转化率的问题，本发明实施例提供一种产品推荐方法、装置、设备及存储介质，来提高产品购买转化率。

可以理解的是，本发明实施例的产品可以为菜品，还可以为服装，还可以为家具等等。

对于菜品而言，用户的偏好特征可以包括：品类特征(比如川菜、湘菜、粤菜、东北菜等)、口味特征(比如麻辣、咸鲜、原味、果味等)、食材特征(比如牛肉、羊肉、猪肉、西兰花、芹菜)和价格特征(比如30元以下、30至40元等)。

对于服装而言，用户的偏好特征可以包括：身材特征/尺码特征、材质特征(比如皮革、雪纺、棉麻等)、款式特征(比如休闲、运动、职业)和颜色特征(比如黑色、藏青色、蓝色、卡其色等)。

对于家居而言，用户的偏好特征可以包括：材质特征(比如大理石、石英石、木材、真皮等)和风格特征(比如简约、北欧、中式、田园等)。

下面以本发明实施例提供的产品推荐方法应用于外卖场景为例进行说明。

图1示出了本发明实施例提供的产品推荐方法的外卖场景的示意图。该外卖场景可以包括：用户客户端100和推荐服务器200，用户客户端100与推荐服务器200耦合。该外卖场景中可以有一个或者多个用户客户端100。

在本发明的一个实施例中，用户客户端100可以是可移动设备。例如，可以是手机、平板电脑等。用户客户端100还可以是桌面设备，例如：一体机、电脑等。

在本发明的一个实施例中，上述推荐服务器200中预先构建有针对商家的推荐菜品组合集。

在本发明的一个实施例中，推荐服务器200构建推荐菜品组合集可以依据商家的历史订单和商家当前发布的菜品进行构建。

依据商家的历史订单和商家当前发布的菜品，构建推荐菜品组合集过程如下：

首先根据商家的历史订单数据，构建针对商家的候选菜品组合集。

然后根据商家当前发布的菜品，从该候选菜品组合集中确定包括商家当前未发布的菜品对应的菜品组合。

将所确定的菜品组合从该候选菜品组合集中去除。

基于去除操作后的候选菜品组合集，构建推荐菜品组合集。

在本发明的一个实施例中，根据商家的历史订单数据，构建针对商家的候选菜品组合集时，可以采用基于apriori算法或fp-树频集算法的频繁挖掘模式从商家的历史订单数据挖掘菜品组合，进而依据挖掘出的菜品组合构建候选菜品组合集。其中，菜品组合指由各个菜品组成的整体，比如：由菜品“孜然烤肉”、“西红柿鸡蛋”和“茄子鸡”构成的菜品组合，该菜品组合中包括菜品“孜然烤肉”、“西红柿鸡蛋”和“茄子鸡”。

在本发明的一个实施例中，根据商家当前发布的菜品，从该候选菜品组合集中确定包括商家当前未发布的菜品对应的菜品组合，可以针对该候选菜品组合集中的每一菜品组合，查找该菜品组合中是否存在商家当前未发布的菜品，若查找到该菜品组合中存在商家当前未发布的菜品，则将该菜品组合确定为包括商家当前未发布的菜品对应的菜品组合。

在本发明的一个实施例中，基于去除操作后的候选菜品组合集，构建推荐菜品组合集，可以针对当前候选菜品组合集中的每一个菜品组合，依据菜品组合的一个或多个特征的特征分以及每一个特征对应的权重值，计算菜品组合的综合特征分；基于综合特征分，构建推荐菜品组合集。

在本发明的一个实施例中，上述特征可以包括以下所列项中的一种或几种组合：

菜品组合中菜品搭配的合理性、菜品组合的销售情况、菜品组合的优惠情况和菜品组合的评价情况。

在本发明的一个实施例中，本发明实施例的综合特征分可以等于：

w1*菜品组合中菜品搭配的合理性的分值+w2*菜品组合的销售情况的分值+w3*菜品组合的优惠情况的分值+w4*菜品组合的评价情况的分值。

其中，w1、w2、w3和w4分别为：菜品组合中菜品搭配的合理性、菜品组合的销售情况、菜品组合的优惠情况和菜品组合的评价情况分别对应的权重值。

可以理解的是，本发明实施例的菜品搭配可以包括：2荤1素1主食、1荤1素1主食，1荤2素1主食，2素1主食等等。菜品搭配的合理性分值可以为预先设定的，比如设定1荤1素1主食为10分、1荤2素1主食为8分、2荤1素1主食为8分、2荤1素1主食1饮料为9分等等。

本发明实施例的菜品组合的销售情况可以为菜品组合的销售次数，还可以为菜品组合的销售次数除以购买人数。相应的，菜品组合的销售情况的分值可以等于菜品组合的销售次数，也就是说菜品组合被用户购买一次积1分。菜品组合的销售情况的分值还可以等于菜品组合的销售次数除以购买人数，比如：菜品组合的销售次数为10次，其中，购买人数为8人，则菜品组合的销售情况的分值为10/8＝1.25分。

本发明实施例的菜品组合的优惠情况可以包括：满30减10、满40减15、满50打7折等。则对于满30减10而言，优惠折扣比例在半闭半开区间[0.67，0.75)范围内，其对应的分值可以为(0.67+0.75)/2＝0.61；对于满40减15而言，优惠折扣比例在半闭半开区间[0.625，0.7)范围内，其对应的分值可以为(0.625+0.7)/2＝0.6625；对于满50打7折而言，优惠折扣比例为0.7，其对应的分值可以为0.7。

本发明实施例的菜品组合的评价情况可以包括：好评、中评、差评。相应的，菜品组合的评价情况的分值可以为：(1*好评数量+0*中评数量+(-1)*差评数量)/评价总数量。比如某一菜品组合，好评10次，中评3次，差评1次，则该菜品组合的分值为0.64。

在本发明的一个实施例中，w1、w2、w3和w4可以为预先设置的。随着菜品组合被用户点击次数的增加，被用户购买次数的增加，菜品组合的点击率和/或转化率发生变化，此时可以根据菜品组合的点击率和/或转化率对各个权重值进行调整，来对各个权重值进行优化。

在本发明的一个实施例中，在根据菜品组合的点击率和/或转化率对各个权重值进行调整时，可采用决策树模型、逻辑回归模型、朴素贝叶斯模型和神经网络等等。

示例性的，假设商家当前发布的菜品为孜然烤肉、西红柿鸡蛋、米饭、凉拼、茄子鸡、鲜椒鸡蛋、鸡蛋饼、土豆丝和可乐。

假设商家的历史订单如下：

2017年9月15日，用户a购买1份孜然烤肉，1份西红柿鸡蛋，1份米饭和1份凉拼。

2017年9月23日，用户b购买1份茄子鸡，1份鲜椒鸡蛋和1份米饭。

2017年9月24日，用户c购买1份鸡蛋饼，1份青菜粥，1份土豆丝和1份米饭。

2017年9月24日，用户a购买1份孜然烤肉，1份西红柿鸡蛋，1份米饭和1份凉拼。

则候选菜品组合集中的菜品组合为：孜然烤肉+西红柿鸡蛋+米饭+凉拼；茄子鸡+鲜椒鸡蛋+米饭；鸡蛋饼+青菜粥+土豆丝+米饭。

根据商家当前发布的菜品，可以确定出菜品组合“鸡蛋饼+青菜粥+土豆丝+米饭”中存在商家当前未发布的菜品“青菜粥”，进而将该菜品组合从候选菜品组合集中去除。

基于候选菜品组合集中的菜品组合“孜然烤肉+西红柿鸡蛋+米饭+凉拼”和“茄子鸡+鲜椒鸡蛋+米饭”构建推荐菜品组合集。

对于菜品组合“孜然烤肉+西红柿鸡蛋+米饭+凉拼”而言，该菜品组合为2荤1素1主食，则该菜品组合中菜品搭配的合理性分值为8分；该菜品组合总计销售11次，则该菜品组合的销售情况分值为11分；假设该菜品组合总价为45元，符合满40减15，则该菜品组合的优惠情况分值为0.6625；假设该菜品组合好评6次，差评1次，则该菜品组合的分值为0.61。假设上述四个权重值均为0.25，则该菜品组合的综合特征分为5.09。

假设菜品组合“茄子鸡+鲜椒鸡蛋+米饭”的综合特征分为6.12。

在计算出菜品组合“孜然烤肉+西红柿鸡蛋+米饭+凉拼”和“茄子鸡+鲜椒鸡蛋+米饭”的综合特征分后，基于综合特征分，构建推荐菜品组合集。

在本发明的一个实施例中，在基于综合特征分，构建推荐菜品组合集时，可以对候选菜品组合集中的菜品组合按照综合特征分进行排序，基于排序结果，构建推荐菜品组合集。

比如，按照综合特征分从大到小的顺序对候选菜品组合集中的菜品组合进行排序，选取排序结果中的前n条菜品组合，构建推荐菜品组合集。

在本发明的一个实施例中，在基于综合特征分，构建推荐菜品组合集时，还可以将所计算得到的综合特征分中不小于特征分阈值的综合特征分对应的菜品组合所构成的集合，作为推荐菜品组合集。

示例性的，假设特征分阈值设定为10分，则将所计算得到的综合特征分不小于10对应的菜品组合所构成的集合，作为推荐菜品组合集。

在本发明的一个实施例中，在构建出推荐菜品组合集后，可以为推荐菜品组合集中菜品组合生成标签信息，以便在后续菜品组合推荐时进行匹配。其中，标签信息可以包括菜品的品类、菜品的口味、菜品的食材、菜品的搭配、菜品的价格等等。

以菜品组合“孜然烤肉+西红柿鸡蛋+米饭+凉拼”为例，生成的标签信息可以为：“品类：西北菜，口味：孜然味，食材：牛肉+鸡蛋，搭配：2荤1素1主食，价格：不高于35元”。

当用户通过用户客户端100登录到外卖平台访问商家的页面时，显示如图2所示的界面。图2示出了本发明实施例提供的商家界面的示意图，其中图2中的“满减搭配”为进入菜品组合推荐界面的入口。此时，推荐服务器200确定用户的偏好特征。

对于经常购买外卖的用户而言，其历史订单数据中含有大量的订单数据，此时可以根据用户的历史订单数据，确定用户的偏好特征，比如：确定出用户的偏好特征为“品类：西北菜，口味：孜然味，食材：牛肉+鸡蛋，搭配：2荤1素1主食，价格：不高于35元”。

但是对于不经常购买外卖的用户或者外卖平台的新用户而言，其历史订单数据中的订单数据较少或没有订单数据，对于此类用户，可以根据所有用户的历史订单数据，确定大众用户的偏好特征；将所确定的偏好特征作为用户的偏好特征。对于此类用户，依然能够确定出其偏好特征。进而向其推荐菜品组合。

在本发明的一个实施例中，在从推荐菜品组合集中确定与用户的偏好特征匹配的菜品组合时，可以基于推荐菜品组合集包括的菜品组合对应的标签信息，从推荐菜品组合集中确定与用户的偏好特征匹配的菜品组合。

具体的，从推荐菜品组合集中，查找与用户的偏好特征相匹配的标签信息对应的菜品组合。

在本发明的一个实施例中，在从推荐菜品组合集中确定与用户的偏好特征匹配的菜品组合时，可以从推荐菜品组合集中，确定与偏好特征匹配的、且满足商家的优惠条件的菜品组合。本发明实施例的优惠条件可以为满减条件(比如满40减15)，还可以为满折条件(比如满50打7折)。

示例性的，假设商家的优惠条件为：满30减10。

推荐菜品组合集中与用户的偏好特征匹配的菜品组合为菜品组合a和菜品组合b，其中，菜品组合a的总价格为35，菜品组合b的总价格为29。则最终确定的菜品组合为：菜品组合a。

通常情况下，用户会自主选择一些较喜欢吃的菜品，将该菜品添加至购物车中。此时，在从推荐菜品组合集中确定与用户的偏好特征匹配的菜品组合时，可以基于用户的购物车中的菜品，从推荐菜品组合集中，确定与偏好匹配的、且满足商家的优惠条件的菜品组合。

比如：确定出用户的偏好特征为“品类：西北菜，口味：孜然味，食材：牛肉+鸡蛋，搭配：2荤1素1主食，价格：不高于35元”。

此时，用户的购物车中存在菜品“孜然牛肉”，该菜品为西北菜、孜然味、含牛肉、荤菜、10元。

则再向该用户推荐菜品组合时，可以推荐含鸡蛋、价格不低于20且不高于35、且为“1荤1素1主食”的菜品组合。

当确定出待向用户推荐的菜品组合后，用户点击图2中的“满减搭配”后所显示的界面如图3所示。图3示出了本发明实施例提供的所显示的菜品推荐界面的示意图。其中，图3中示出了所推荐的菜品组合符合用户的偏好，且能享受商家的优惠活动。

基于上述过程，本发明实施例提供的产品推荐方法，可以归纳为图4所示的步骤。图4示出了本发明实施例提供的产品推荐方法的流程示意图。产品推荐方法可以包括：

s401：确定目标用户的偏好特征。

s402：从预先构建的针对目标商家的推荐产品组合集中，确定与偏好特征匹配的产品组合。

s403：将所确定的产品组合推荐给目标用户。

在本发明的一个实施例中，在确定目标用户的偏好特征之前，本发明实施例的产品推荐方法还可以包括：

根据目标商家的历史订单数据以及目标商家当前发布的产品，构建推荐产品组合集。

在本发明的一个实施例中，根据目标商家的历史订单数据以及目标商家当前发布的产品，构建推荐产品组合集，可以包括：

根据目标商家的历史订单数据，构建针对目标商家的候选产品组合集；

根据目标商家当前发布的产品，从候选产品组合集中确定第一产品组合，第一产品组合中包括目标商家当前未发布的产品；

去除候选产品组合集中的第一产品组合；

基于去除第一产品组合后的候选产品组合集，构建推荐产品组合集。

在本发明的一个实施例中，基于去除第一产品组合后的候选产品组合集，构建推荐产品组合集，可以包括：

针对当前候选产品组合集中的每一个产品组合，依据产品组合的一个或多个特征的特征分以及每一个特征对应的权重值，计算产品组合的综合特征分；

基于综合特征分，构建推荐产品组合集。

在本发明的一个实施例中，基于综合特征分，构建推荐产品组合集，可以包括：

对候选产品组合集中的产品组合按照综合特征分进行排序，基于排序结果，构建推荐产品组合集；或，

将所计算得到的综合特征分中不小于特征分阈值的综合特征分对应的产品组合所构成的集合，作为推荐产品组合集。

在本发明的一个实施例中，权重值可以为根据产品组合的点击率或转化率确定的。

在本发明的一个实施例中，产品组合的特征包括以下所列项中的一种或几种组合：

产品组合中产品搭配的合理性、产品组合的销售情况、产品组合的优惠情况和产品组合的评价情况。

在本发明的一个实施例中，确定目标用户的偏好特征，可以包括：

根据目标用户的历史订单数据，确定目标用户的偏好特征；或，

根据所有用户的历史订单数据，确定大众用户的偏好特征；将所确定的偏好特征作为目标用户的偏好特征。

在本发明的一个实施例中，从预先构建的针对目标商家的推荐产品组合集中，确定与偏好特征匹配的产品组合，可以包括：

基于推荐产品组合集包括的产品组合对应的标签信息，从推荐产品组合集中确定与偏好特征匹配的产品组合。

在本发明的一个实施例中，从预先构建的针对目标商家的推荐产品组合集中，确定与偏好特征匹配的产品组合，可以包括：

从推荐产品组合集中，确定与偏好特征匹配的、且满足目标商家的优惠条件的产品组合。

在本发明的一个实施例中，从预先构建的针对目标商家的推荐产品组合集中，确定与偏好特征匹配的产品组合，可以包括：

基于目标用户的购物车中的产品，从推荐产品组合集中，确定与偏好匹配的、且满足目标商家的优惠条件的产品组合。

本发明实施例提供的产品推荐方法，向用户推荐的产品组合与用户的偏好特征相匹配，即向用户推荐的产品组合能够满足用户偏好要求，能够节省用户选择产品的时间，使得用户购买产品组合的概率大，进而能够提高产品购买转化率。并且，向用户推荐的产品组合能使用户享受到商家的优惠。

与图4所示的方法实施例相对应，本发明实施例还提供一种产品推荐装置，如图5所示。图5示出了本发明实施例提供的产品推荐装置的结构示意图。产品推荐装置可以包括：

偏好特征确定模块501，用于确定目标用户的偏好特征；

产品组合确定模块502，用于从预先构建的针对目标商家的推荐产品组合集中，确定与偏好特征匹配的产品组合；

推荐模块503，用于将所确定的产品组合推荐给目标用户。

在本发明的一个实施例中，本发明实施例的产品推荐装置还可以包括：

构建模块，用于根据目标商家的历史订单数据以及目标商家当前发布的产品，构建推荐产品组合集。

在本发明的一个实施例中，构建模块可以包括：

第一构建单元，用于根据目标商家的历史订单数据，构建针对目标商家的候选产品组合集；

确定单元，用于根据目标商家当前发布的产品，从候选产品组合集中确定第一产品组合，第一产品组合中包括目标商家当前未发布的产品；

去除单元，用于去除候选产品组合集中的第一产品组合；

第二构建单元，用于基于去除第一产品组合后的候选产品组合集，构建推荐产品组合集。

在本发明的一个实施例中，第二构建单元可以包括：

计算子单元，用于针对当前候选产品组合集中的每一个产品组合，依据产品组合的一个或多个特征的特征分以及每一个特征对应的权重值，计算产品组合的综合特征分；

构建子单元，用于基于综合特征分，构建推荐产品组合集。

在本发明的一个实施例中，构建子单元具体可以用于：

对候选产品组合集中的产品组合按照综合特征分进行排序，基于排序结果，构建推荐产品组合集；或，

将所计算得到的综合特征分中不小于特征分阈值的综合特征分对应的产品组合所构成的集合，作为推荐产品组合集。

在本发明的一个实施例中，权重值为根据产品组合的点击率或转化率确定的。

在本发明的一个实施例中，产品组合的特征可以包括以下所列项中的一种或几种组合：

产品组合中产品搭配的合理性、产品组合的销售情况、产品组合的优惠情况和产品组合的评价情况。

在本发明的一个实施例中，偏好特征确定模块501具体可以用于：

根据目标用户的历史订单数据，确定目标用户的偏好特征；或，

根据所有用户的历史订单数据，确定大众用户的偏好特征；将所确定的偏好特征作为目标用户的偏好特征。

在本发明的一个实施例中，产品组合确定模块502具体可以用于：

基于推荐产品组合集包括的产品组合对应的标签信息，从推荐产品组合集中确定与偏好特征匹配的产品组合。

在本发明的一个实施例中，产品组合确定模块502具体可以用于：

从推荐产品组合集中，确定与偏好特征匹配的、且满足目标商家的优惠条件的产品组合。

在本发明的一个实施例中，产品组合确定模块502具体可以用于：

基于目标用户的购物车中的产品，从推荐产品组合集中，确定与偏好匹配的、且满足目标商家的优惠条件的产品组合。

本发明实施例提供的产品推荐装置，向用户推荐的产品组合与用户的偏好特征相匹配，即向用户推荐的产品组合能够满足用户偏好要求，能够节省用户选择产品的时间，使得用户购买产品组合的概率大，进而能够提高产品购买转化率。并且，向用户推荐的产品组合能使用户享受到商家的优惠。

图6示出了能够实现根据本发明实施例的产品推荐方法和装置的计算设备的示例性硬件架构的结构图。如图6所示，计算设备600包括输入设备601、输入接口602、中央处理器603、存储器604、输出接口605、以及输出设备606。其中，输入接口602、中央处理器603、存储器604、以及输出接口605通过总线610相互连接，输入设备601和输出设备606分别通过输入接口602和输出接口605与总线610连接，进而与计算设备600的其他组件连接。

具体地，输入设备601接收来自外部的输入信息，并通过输入接口602将输入信息传送到中央处理器603；中央处理器603基于存储器604中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器604中，然后通过输出接口605将输出信息传送到输出设备606；输出设备606将输出信息输出到计算设备600的外部供用户使用。

也就是说，图6所示的计算设备也可以被实现为产品推荐设备，该产品推荐设备可以包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图4和图5描述的产品推荐方法和装置。

本发明实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现本发明实施例提供的产品推荐方法。

需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。

以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块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。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。