一种解析广告目标人群线下分布的方法、系统及设备与流程

本说明书涉及计算机技术领域，尤其涉及一种解析广告目标人群线下分布的方法、系统及设备。

背景技术：

在广告投放的应用场景中，线下广告投放是重要一环。线下广告投放的特点之一是不同的线下广告投放点位的可触达人群是不同的。也就是说，针对同一广告，如果分别在不同的线下广告投放点位投放，看到该广告的人群是不同的。在进行广告投放时，针对线下广告投放点位的选择会直接影响到最终的广告投放效果。

因此，为了尽可能的获取更优的广告投放效果，在进行线下广告投放之前，首先要根据广告目标人群对所有备选的线下广告点位进行筛选，找出备选线下广告点位中被广告目标人群看到得频次相对较高(广告目标人群高曝光)的线下广告点位，针对这些目标点位投放线下广告，从而提高广告线上购买效果。

在现有技术中，通常沿用线上广告的分析方法针对线下广告点位进行分析，从而获取线下广告点位的广告目标人群高曝光状态。但是，由于线上广告的投放方式以及用户转化行为的采集方式和线下广告有着根本性不同，尤其的，针对线下广告，用户转化行为很难确认，因此导致分析获取的线下广告点位的广告目标人群高曝光状态准确度很低，这就会导致最终筛选出的线下广告点位无法实现预期的广告效果。

技术实现要素：

有鉴于此，本说明书实施例提供了一种解析广告目标人群线下分布的方法、系统及设备，用于解决现有技术中无法准确评估线下广告点位针对广告目标人群的曝光程度的问题。

本说明书实施例采用下述技术方案：

本说明书实施例提供一种解析广告目标人群线下分布的方法，包括：

确定待投放广告对应的种子用户，所述种子用户包括线下种子用户和/或线上种子用户；

根据所述种子用户确定所述待投放广告对应的潜在用户；

确定线下广告点位对应的可触达用户；

解析所述潜在用户及所述种子用户在所述可触达用户中的分布状态，获得广告目标人群分布状态解析结果。

在一实施例中，确定待投放广告对应的线下种子用户，其中，以线下门店中针对所述待投放广告对应的商品和/或相似商品进行了购买行为的用户作为所述线下种子用户。

在一实施例中，确定待投放广告对应的线上种子用户，其中，以针对所述待投放广告对应的商品和/或相似商品进行了线上转换行为的用户作为所述线上种子用户。

在一实施例中，根据所述种子用户确定所述待投放广告对应的潜在用户，包括：

根据所述种子用户进行用户扩散；

根据用户扩散结果确定所述待投放广告对应的潜在用户。

在一实施例中，根据所述种子用户进行用户扩散，其中，所述用户扩散包括uid扩散、和/或tag扩散、和/或brang扩散。

在一实施例中，解析所述潜在用户及所述种子用户在所述可触达用户中的分布状态，获得广告目标人群分布状态解析结果，其中，计算所述可触达用户中所述潜在用户及所述种子用户的ta浓度，根据所述ta浓度获得广告目标人群分布状态解析结果。

在一实施例中，计算所述可触达用户中所述潜在用户及所述种子用户的ta浓度，其中，分别为所述潜在用户及所述种子用户分配匹配的权重。

本申请还提出了一种推荐线下广告点位的方法，所述方法包括：

根据本说明书实施例所述的方法，针对指定的待投放广告，分别获取多个备选线下广告点位对应的广告目标人群分布状态解析结果；

根据各个备选线下广告点位对应的广告目标人群分布状态解析结果，从多个所述备选线下广告点位中选取与所述待投放广告匹配的线下广告点位并推荐给广告投放者。

本申请还提出了一种评价线下广告点位的方法，所述方法包括：

根据本说明书实施例所述的方法，获取待评价线下广告点位对应的多个所述广告目标人群分布状态解析结果，其中，多个所述广告目标人群分布状态解析结果分别针对不同的待投放广告和/或不同的解析时间节点；

综合多个所述广告目标人群分布状态解析结果，生成针对所述待评价线下广告点位的广告效果评估报告。

本申请还提出了一种广告目标人群线下分布解析系统，其特征在于，包括：

种子用户提取模块，其配置为确定待投放广告对应的种子用户，所述种子用户包括线下种子用户和/或线上种子用户；

潜在用户确定模块，其配置为根据所述种子用户确定所述待投放广告对应的潜在用户；

可触达用户分析模块，其配置为确定备选线下广告点位对应的可触达用户；

广告目标人群状态分析模块，其配置为解析所述潜在用户及所述种子用户在所述可触达用户中的分布状态，获得广告目标人群分布状态解析结果。

本申请还提出了一种线下广告点位推荐系统，其特征在于，包括：

根据根据本说明书实施例所述系统的分布状态解析模块，其配置为针对指定的待投放广告，分别获取多个备选线下广告点位对应的广告目标人群分布状态解析结果；

点位推荐模块，其配置为根据各个备选线下广告点位对应的广告目标人群分布状态解析结果，从多个所述备选线下广告点位中选取与所述待投放广告匹配的线下广告点位并推荐给广告投放者。

本申请还提出了一种线下广告点位评价系统，其特征在于，包括：

根据根据本说明书实施例所述系统的分布状态解析模块，其配置为获取待评价线下广告点位对应的多个所述广告目标人群分布状态解析结果，其中，多个所述广告目标人群分布状态解析结果分别针对不同的待投放广告和/或不同的解析时间节点；

评价模块，其配置为综合多个所述广告目标人群分布状态解析结果，生成针对所述待评价线下广告点位的广告效果评估报告。

本申请还提出了一种用于在用户设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行本说明书实施例所述系统所述的方法。

本说明书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：本说明书实施例的方法，通过种子用户以及由种子用户确定的潜在用户来描述广告目标人群，从而解析广告目标人群在线下广告点位对应的可触达用户中的分布状态；相较于现有技术中，根据本说明书实施例的方法，可以更加准确清晰的对广告目标人群进行描述，进而获取更为准确的广告目标人群分布状态解析结果。

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为现有技术的应用程序的运行方法的流程图；

图2、图4以及图5为本说明书实施例中应用程序的运行方法的流程图；

图3为本说明书一实施例中应用程序的运行方法的部分流程图；

图6～9为本说明书实施例中系统的结构框图。

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。

为解决现有技术中无法准确评估广告目标人群在线下广告点位的曝光程度的问题，本申请的发明人首先细致分析了现有的线下广告投放应用场景。在实际应用场景中，广告目标人群在线下广告点位的曝光程度可以与广告目标人群在线下广告点位可触达人群中的分布状况直接关联。具体的，广告目标人群在线下广告点位可触达人群中的占比越高，广告目标人群在线下广告点位的曝光程度也就越高。因此，本说明书实施例提出了一种解析广告目标人群线下分布的方法。在本说明书实施例的方法中，解析广告目标人群在线下广告点位可触达人群中的分布状况，获得广告目标人群分布状态解析结果。这样用户就可以根据广告目标人群分布状态解析结果准确了解广告目标人群在线下广告点位的曝光程度。

进一步的，在现有技术中，通常是基于tag标签来评估广告目标人群在线下广告点位的曝光程度。具体的，如图1所示，用tag标签来刻画广告目标人群(s110)，然后针对备选线下广告点位预估tag标签(s120)，接着根据广告目标人群以及线下广告点位的tag标签匹配度评估广告目标人群在线下广告点位的曝光程度(s130)。

上述流程无法准确评估广告目标人群在线下广告点位的曝光程度，导致这种情况的最主要的原因是：在某些实际应用场景中，无法细致准确的描述广告目标人群。

无法细致准确的描述广告目标人群，这主要是由tag标签的提取过程导致的。生成描述广告目标人群的tag标签的通常做法是：

1)根据广告主经验，选出广告主想要投放的人群tag标签，比如，"年龄＝20-35岁"，"职业＝女白领"，等等；

2)根据广告主业务规则，通过tag标签组合圈选广告主想要投放的人群，比如"年龄在20-35岁之间的女白领"，等等。

上面的做法，tag标签的描述准确性直接由广告主方提供资料的准确性而决定，如果广告主方给与的资料出现偏差，那么最终的tag标签的描述结果必然不会准确。尤其的，广告主方所给与的资料往往是基于自身理解来确定的，过多的人为因素参与，会进一步导致准确性的降低。进一步的，不论是经验、规则，所提取的标签都是显式的，也就是事先设定的，无法做到事中实时调整。而广告目标人群并不是一成不变的，这就使得即使提供了准确的经验、规则资料，根据经验、规则提取的tag标签有着时效性限制，实用价值不高。

另外，在实际应用场景中，tag标签体系一般采用显式的变量，有清晰的解释性。但数据人员能想到的tag变量有限，对数据的利用深度不够，并且有些交叉联系无法用一个标签来表示。这就使得很多场景无法用已有的tag来描述。

基于上述分析，在本说明书实施例的方法中，在解析广告目标人群在线下广告点位可触达人群中的分布状况的过程中，并不是根据广告主方所提供的经验、规则资料来确定广告目标人群的描述，而是利用种子用户来扩展描述广告目标人群。具体的，如果已经可以确定一个广告受众个体属于广告目标人群，那么就可以通过对该广告受众个体的属性分析，确定广告目标人群所应该具备的共性属性，从而最终描述广告目标人群。而被确定属于广告目标人群的广告受众个体就是种子用户。

进一步的，考虑到种子用户只是广告目标人群中的一员，在某些应用场景中，群体中的一员无法完全准确的代表整个群体的共性。因此，在本说明书实施例中，对种子用户进行属性分析，根据种子用户确定待投放广告对应的潜在用户，通过种子用户以及潜在用户共同描述广告目标人群。

由于种子用户本身就属于广告目标人群中的一员，因此，通过种子用户及潜在用户来描述广告目标人群，可以有效避免由于人为理解错误或者经验、规则资料错误而导致的广告目标人群描述错误。并且，由于可以随时提取最新的种子用户以及生成最新的潜在用户，这就能有效保证广告目标人群描述的时效性。

进一步的，在根据种子用户以及潜在用户描述广告目标人群时，可以根据具体需求，多角度的针对种子用户的属性进行分析，针对不同的覆盖面确定对应的潜在用户，这就可以避免tag标签体系中所存在的，固定tag标签无法匹配所有应用场景的问题。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

如图2所示，在本说明书一实施例中，解析广告目标人群线下分布的方法流程包括：

s210，确定待投放广告对应的种子用户，种子用户包括线下种子用户和/或线上种子用户；

s220，根据种子用户确定待投放广告对应的潜在用户；

s230，确定线下广告点位对应的可触达用户；

s240，解析潜在用户及种子用户在线下广告点位对应的可触达用户中的分布状态，获得广告目标人群分布状态解析结果。

本说明书实施例的方法，通过种子用户以及由种子用户确定的潜在用户来描述广告目标人群，从而解析广告目标人群在线下广告点位对应的可触达用户中的分布状态；相较于现有技术中，根据本说明书实施例的方法，可以更加准确清晰的对广告目标人群进行描述，进而获取更为准确的广告目标人群分布状态解析结果。

这里需要说明的是，在本说明书实施例中，并不限定线下广告点位对应的可触达用户的获取方式。在实际应用场景中，可以针对不同的场景特征确定可触达用户。例如，针对某一线下广告点位进行线下/线上用户问卷调查，从而确定该广告点位的可触达用户。

进一步的，在本说明书一实施例中，种子用户包括线下种子用户以及线上种子用户。在本说明书一实施例中，种子用户也可以只包括线下种子用户以及线上种子用户中的一种。

进一步的，在本说明书一实施例中，以针对待投放广告对应的商品和/或相似商品进行了转换行为的用户作为种子用户。具体的，以针对待投放广告对应的商品和/或相似商品进行了线上转换行为的用户作为线上种子用户。具体的，在一应用场景中，线上转换行为包括用户被展示商品广告后进行的对应的浏览、点击、加购、收藏、购买行为。

进一步的，在实际应用场景中，同一产品的购买者具有针对该产品的相似性，也就是说，如果用户a购买了产品a，那么和用户a具备一定相似性的用户b有很大可能也会购买产品a，而用户b正属于广告目标人群。因此，在本说明书一实施例中，考虑到线下转换行为很难确定，以线下门店中针对待投放广告对应的商品和/或相似商品进行了购买行为的用户作为线下种子用户。例如，在一应用场景中，待投放广告是针对产品a的，那么在线下门店中购买了产品a的用户a就可以作为线下种子用户。进一步的，产品b与产品a相似，那么在线下门店中购买了产品b的用户c就也可以作为线下种子用户。

进一步的，在本说明书一实施例中，通过用户扩散来确定潜在用户。具体的，首先获取用户特征，包括行为偏好特征、人口属性特征、rmf特征等等。基于已有的用户特征，根据种子用户，通过扩散算法(如tgi、embedding等)从背景人群中获取潜在用户。

如图3所示，在本说明书一实施例中，确定潜在用户的过程包括：

s310，根据种子用户进行用户扩散；

s320，根据用户扩散结果确定待投放广告对应的潜在用户。

具体的，在本说明书一实施例中，用户扩散包括uid扩散、和/或tag扩散、和/或brang扩散。

具体的，在本说明书一实施例中：

tag扩散执行方式：基于tag(如白领或大学生)作为种子用户。

uid扩散执行方式：提取广告商品及其相似商品的线上转换行为(包括浏览、点击、加购、收藏、购买等)的用户uid作为种子用户。

brand扩散执行方式：提取广告商品或品牌及其相似商品或品牌的线下门店(门店名含有该品牌或者门店销售商品中含有该品牌)的购买行为(购买商品的支付信息中含有该品牌)的用户作为种子用户。

进一步的，在本说明书一实施例中，使用ta浓度描述潜在用户及种子用户在可触达用户中的分布状态。即，在获得广告目标人群分布状态解析结果的过程中，计算可触达用户中所述潜在用户及所述种子用户的ta浓度，根据ta浓度获得广告目标人群分布状态解析结果。

进一步的，考虑到对于广告目标人群而言，种子用户属于精确匹配，而潜在用户属于宽泛匹配。因此，在本说明书一实施例中，在计算可触达用户中潜在用户及种子用户的ta浓度时，分别为潜在用户及种子用户分配匹配的权重，根据权重确定ta浓度。

具体的，在本说明书一实施例中，以线下广告点位探测到的用户作为该点位的可触达用户(记为q)，其中已有种子用户(记为a)和潜在用户(记为b)作为广告目标人群ta。同时，由于种子用户是精确匹配，潜在用户是宽泛匹配，分配的权重可以不一样，分别记为wa和wb。则可以基于如下公式计算该线下广告点位的ta浓度：

ta浓度＝(wa*count(a)+wb*count(b))/count(q)(1)

进一步的，基于本说明书实施例所提出的解析广告目标人群线下分布的方法，本说明书实施例还提出了一种推荐线下广告点位的方法，从多个备选线下广告点位中向广告投放者推荐线下广告点位。具体的，如图4所示，在本说明书一实施例中，推荐线下广告点位的方法流程包括：

s410，根据本说明书实施例所提出的解析广告目标人群线下分布的方法，针对指定的待投放广告，分别获取各个备选线下广告点位对应的广告目标人群分布状态解析结果；

s420，根据各个备选线下广告点位对应的广告目标人群分布状态解析结果，从多个备选线下广告点位中选取与待投放广告匹配的线下广告点位并推荐给广告投放者。

具体的，在本说明书一实施例中，在步骤s420中，首先根据广告目标人群分布状态解析结果为多个备选线下广告点位进行排序(例如，根据ta浓度计算结果进行排序)，然后向广告投放者推荐排序最靠前/最靠后的一个或多个线下广告点位，从而最终使得广告投放者获得最佳的广告投放回报。

具体的，在一应用场景中，以某商户需要在线下公交站点的100个广告点位投放品牌a的线下广告为例：

1.获取广告主(对应品牌a)种子用户

1.1实时获取品牌a的线上种子用户：提取品牌a的商品及其相似商品的最近一周线上转换行为(包括浏览、点击、加购、收藏、购买等)的用户作为种子用户，共计521,101人；

1.2实时获取品牌a线下种子用户：提取该品牌商品及其相似商品的线下门店最近一周购买行为的用户作为种子用户，共计获取11,355人；

1.3关联类标数据：上述每个转换用户作为正样本，共计50万+人，从100个广告点位一周内实时采集到的500米内的用户作为负样本或背景人群，共计285万+人。

2.扩散种子用户，获取潜在转换用户

2.1获取用户特征，包括行为偏好特征、人口属性特征、rmf特征等等共计510维特征。

2.2基于已有用户特征，根据种子用户，通过扩散算法(如tgi、pulearning、embedding等)从背景人群中获取高潜转换用户共计20万人。

3.点位推荐

3.1点位探测到的用户作为该点位触达到的全体用户，即背景人群(记为q)共计285万人，其中已覆盖种子用户(记为a)为11万人，扩散种子用户(记为b)为20万人，a和b作为目标用户ta，前者是精确匹配，后者是宽泛匹配，所以权重不一样，分别记为wa和wb，目前根据经验，wa＝1,wb＝0.3。

3.2统计各个点位ta浓度＝(wa*count(a)+wb*count(b))/count(q)。

3.3根据点位ta浓度，对100个点位进行排序输出，取top30点位进行实际投放，top30的点位浓度范围：4.97％-2.09％。

进一步的，在实际应用场景中，针对某个线下广告点位，投放不同广告的广告效果是不同的，即使是投放同一广告，不同的投放时期也会产生不同的投放效果。因此，为了对线下广告点位进行综合性的评价，基于本说明书实施例所提出的解析广告目标人群线下分布的方法，本说明书实施例还提出了一种评价线下广告点位的方法。

如图5所示，在本说明书一实施例中，评价线下广告点位的方法流程包括：

s510，根据本说明书实施例所提出的解析广告目标人群线下分布的方法，获取待评价线下广告点位对应的多个广告目标人群分布状态解析结果，其中，多个广告目标人群分布状态解析结果分别针对不同的待投放广告和/或不同的解析时间节点；

s520，综合多个广告目标人群分布状态解析结果，生成针对待评价线下广告点位的广告效果评估报告。

这里需要说明的是，在上述流程中，对应不同的解析时间节点的多个广告目标人群分布状态解析结果，并不是仅仅指在不同的时间节点解析获取的广告目标人群分布状态解析结果。也可以是在不同的时间节点提取种子用户并确定可触达用户，然后在某一时间节点针对不同时间节点获取到数据分别解析获取到多个广告目标人群分布状态解析结果。

进一步的，基于本说明书实施例所提出的解析广告目标人群线下分布的方法，本说明书实施例还提出了一种广告目标人群线下分布解析系统。如图6所示，在本说明书一实施例中，系统包括：

种子用户提取模块610，其配置为确定待投放广告对应的种子用户，种子用户包括线下种子用户和/或线上种子用户；

潜在用户确定模块620，其配置为根据种子用户确定待投放广告对应的潜在用户；

可触达用户分析模块630，其配置为确定备选线下广告点位对应的可触达用户；

广告目标人群状态分析模块640，其配置为解析潜在用户及种子用户在可触达用户中的分布状态，获得广告目标人群分布状态解析结果。

进一步的，本说明书实施例还提出了一种线下广告点位推荐系统。如图7所示，在本说明书一实施例中，系统包括：

分布状态解析模块710，其根据本说明书实施例所提出的广告目标人群线下分布解析系统而构造，解析模块配置为针对指定的待投放广告，分别获取多个备选线下广告点位对应的广告目标人群分布状态解析结果；

点位推荐模块720，其配置为根据各个备选线下广告点位对应的广告目标人群分布状态解析结果，从多个备选线下广告点位中选取与待投放广告匹配的线下广告点位并推荐给广告投放者。

进一步的，本说明书实施例还提出了一种线下广告点位评价系统。如图8所示，在本说明书一实施例中，系统包括：

分布状态解析模块810，其根据本说明书实施例所提出的广告目标人群线下分布解析系统而构造，解析模块配置为获取待评价线下广告点位对应的多个广告目标人群分布状态解析结果，其中，多个广告目标人群分布状态解析结果分别针对不同的待投放广告和/或不同的解析时间节点；

评价模块820，其配置为根据解析模块810输出的多个广告目标人群分布状态解析结果，生成针对所述待评价线下广告点位的广告效果评估报告。

进一步的，在本说明书一实施例中，提出了包含解析、推荐以及评价的线下广告点位综合推荐系统。具体的，如图9所示，系统包括：

种子用户提取模块910，其配置为确定待投放广告对应的种子用户；

潜在用户确定模块920，其配置为根据种子用户确定待投放广告对应的潜在用户；

可触达用户分析模块930，其配置为确定备选线下广告点位对应的可触达用户；

广告目标人群状态分析模块940，其配置为解析潜在用户及种子用户在可触达用户中的分布状态，获得广告目标人群分布状态解析结果；

点位推荐模块950，其配置为根据广告目标人群状态分析模块940输出的多个备选线下广告点位对应的广告目标人群分布状态解析结果，从多个备选线下广告点位中选取与待投放广告匹配的线下广告点位并推荐给广告投放者；

评价模块960，其配置为根据广告目标人群状态分析模块940输出的多个广告目标人群分布状态解析结果，生成针对待评价线下广告点位的广告效果评估报告。

进一步的，基于本发明的方法，本发明还提出了一种用于在用户设备端信息处理的设备，该设备包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该设备执行本发明所述的方法。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmablelogicdevice,pld)(例如现场可编程门阵列(fieldprogrammablegatearray，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logiccompiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardwaredescriptionlanguage，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advancedbooleanexpressionlanguage)、ahdl(alterahardwaredescriptionlanguage)、confluence、cupl(cornelluniversityprogramminglanguage)、hdcal、jhdl(javahardwaredescriptionlanguage)、lava、lola、myhdl、palasm、rhdl(rubyhardwaredescriptionlanguage)等，目前最普遍使用的是vhdl(very-high-speedintegratedcircuithardwaredescriptionlanguage)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(applicationspecificintegratedcircuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc625d、atmelat91sam、microchippic18f26k20以及siliconelabsc8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

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(flashram)。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(transitorymedia)，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。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

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。