本发明涉及数据分析
技术领域：
：，尤其涉及一种渠道用户推荐方法、服务器及计算机可读存储介质。
背景技术：
：：对于智能外呼系统，一般有多个不同的运营商，即服务渠道，并且每个渠道都有对应的规则限制，系统需要根据每个渠道的限制条件和用户信息将不同的用户推荐给不同的渠道。而现有的推荐方式，在精准性和重复性上做的不够完善，推荐给渠道的用户可能不够准确，或者出现一个用户重复推荐多次的情况，导致用户投诉，影响品牌效应。另外，在接入新渠道时，需要重新修改代码、测试、发版，服务可用性和稳定性降低、人力维护成本高。技术实现要素：有鉴于此，本发明提出一种渠道用户推荐方法、服务器及计算机可读存储介质，以解决至少一个上述技术问题。首先，为实现上述目的，本发明提出一种渠道用户推荐方法，该方法包括步骤：在前端配置各个渠道信息和用户信息；将所有渠道信息和用户信息保存至后台缓存；通过布隆过滤器过滤所缓存的用户信息中的重复用户；将符合渠道预设条件的用户信息进行组装，放入mongodb数据库中；及根据所述mongodb数据库中的用户信息，将对应的用户推荐给不同的渠道。可选地，该方法还包括步骤：当向所述渠道推荐对应的用户信息后，从所述渠道接收用户推荐是否成功的反馈信息，并将所述反馈信息同步到所述用户信息中。可选地，该方法还包括步骤：针对推荐成功的用户，设置在预定时间段内不再推荐所述用户至所述渠道。可选地，所述用户信息至少包括用户姓名、手机号码和证件号码。可选地，所述通过布隆过滤器过滤所缓存的用户信息中的重复用户包括：以所述用户信息中每个用户的手机号码作为所述布隆过滤器的关键字，检索所述手机号码是否在所述用户信息中其他所有用户的手机号码集合中，从而判断出重复的手机号码，继而过滤掉对应的重复用户。可选地，所述将符合渠道预设条件的用户信息进行组装，放入mongodb数据库中的步骤包括：从所述渠道动态获取所需的所述预设条件并进行智能解析；轮循所述缓存中的用户信息，与所述预设条件进行匹配；对满足所述渠道所有预设条件的用户的信息按所匹配的渠道进行分组，放入所述mongodb数据库中。可选地，所述预设条件包括用户信息类别和限制因素。可选地，所述根据所述mongodb数据库中的用户信息，将对应的用户推荐给不同的渠道的步骤包括：根据所述mongodb数据库中针对每个渠道存储的对应的用户信息集合，获取所述渠道对应的用户信息，然后将所述用户信息通过预设方式推荐给对应的渠道。此外，为实现上述目的，本发明还提供一种服务器，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的渠道用户推荐系统，所述渠道用户推荐系统被所述处理器执行时实现如上述的渠道用户推荐方法的步骤。进一步地，为实现上述目的，本发明还提供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渠道用户推荐系统，所述渠道用户推荐系统可被至少一个处理器执行，以使所述至少一个处理器执行如上述的渠道用户推荐方法的步骤。相较于现有技术，本发明所提出的渠道用户推荐方法、服务器及计算机可读存储介质，可以动态获取每个渠道所需的预设条件并进行智能解析，将符合渠道预设条件的用户信息进行组装，放入mongodb中，以根据mongodb中的用户信息精准地为不同的渠道推荐符合条件的用户信息，提高推荐成功率。还可以通过布隆过滤器过滤重复用户，并对推荐成功的用户在预定时间段内不再重复推荐，以避免重复推荐影响该渠道处理效率和用户体验。另外，在接入新渠道时，可以采用相同的流程进行处理，不需要重新修改代码、测试、发版，提高了服务可用性和稳定性，降低了人力维护成本。附图说明图1是本发明服务器一可选的硬件架构的示意图；图2是本发明渠道用户推荐系统第一实施例的程序模块示意图；图3是本发明渠道用户推荐系统第二实施例的程序模块示意图；图4是本发明渠道用户推荐方法第一实施例的流程示意图；图5是本发明渠道用户推荐方法第二实施例的流程示意图；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说明。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。基于本发明中的实施例，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，都属于本发明保护的范围。需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。参阅图1所示，是本发明服务器2一可选的硬件架构的示意图。本实施例中，所述服务器2可包括，但不仅限于，可通过系统总线相互通信连接存储器11、处理器12、网络接口13。需要指出的是，图1仅示出了具有组件11-13的服务器2，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，所述服务器2可以是机架式服务器、刀片式服务器、塔式服务器或机柜式服务器等计算设备，该服务器2可以是独立的服务器，也可以是多个服务器所组成的服务器集群。所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，sd或dx存储器等)、随机访问存储器(ram)、静态随机访问存储器(sram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、可编程只读存储器(prom)、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器11可以是所述服务器2的内部存储单元，例如该服务器2的硬盘或内存。在另一些实施例中，所述存储器11也可以是所述服务器2的外部存储设备，例如该服务器2上配备的插接式硬盘，智能存储卡(smartmediacard,smc)，安全数字(securedigital,sd)卡，闪存卡(flashcard)等。当然，所述存储器11还可以既包括所述服务器2的内部存储单元也包括其外部存储设备。本实施例中，所述存储器11通常用于存储安装于所述服务器2的操作系统和各类应用软件，例如渠道用户推荐系统200的程序代码等。此外，所述存储器11还可以用于暂时地存储已经输出或者将要输出的各类数据。所述处理器12在一些实施例中可以是中央处理器(centralprocessingunit，cpu)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器12通常用于控制所述服务器2的总体操作。本实施例中，所述处理器12用于运行所述存储器11中存储的程序代码或者处理数据，例如运行所述的渠道用户推荐系统200等。所述网络接口13可包括无线网络接口或有线网络接口，该网络接口13通常用于在所述服务器2与其他电子设备之间建立通信连接。至此，己经详细介绍了本发明相关设备的硬件结构和功能。下面，将基于上述介绍提出本发明的各个实施例。首先，本发明提出一种渠道用户推荐系统200。参阅图2所示，是本发明渠道用户推荐系统200第一实施例的程序模块图。本实施例中，所述渠道用户推荐系统200包括一系列的存储于存储器11上的计算机程序指令，当该计算机程序指令被处理器12执行时，可以实现本发明各实施例的渠道用户推荐操作。在一些实施例中，基于该计算机程序指令各部分所实现的特定的操作，渠道用户推荐系统200可以被划分为一个或多个模块。例如，在图2中，所述渠道用户推荐系统200可以被分割成配置模块201、保存模块202、过滤模块203、组装模块204、推荐模块205。其中：所述配置模块201，用于在前端配置各个渠道信息和用户信息。具体地，不同的渠道所对应的渠道信息是不同的，例如有的渠道需要获客标签和名单来源，有的需要获客渠道和媒体来源投放码，可以分别为每个渠道配置所需的渠道信息。每个渠道所需的用户信息也不一样，基本含有用户姓名、手机号码和证件号码。也就是说，所述用户信息至少包括用户姓名、手机号码和证件号码，另外根据每个渠道的具体要求，还可以配置对应用户的其他信息。所述保存模块202，用于将所有渠道信息和用户信息保存至后台缓存。具体地，在前端配置好所有渠道信息和用户信息后，将所有信息存储至后台缓存中，以备后续进一步处理。所述过滤模块203，用于通过布隆过滤器过滤重复用户。具体地，所述重复用户通过重复号码值(即用户手机号码)进行判断。布隆过滤器(bloomfilter)实际上是由一个很长的二进制向量和一系列随机映射函数组成，其算法类似一个hashset，可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率(假正例falsepositives，即bloomfilter报告某一元素存在于某集合中，但是实际上该元素并不在集合中)和删除困难，但是没有识别错误的情形(即假反例falsenegatives，如果某个元素确实没有在该集合中，那么bloomfilter是不会报告该元素存在于集合中的，所以不会漏报)。该算法无需存储key(关键字)的值，对于每个key，只需要k个比特位，每个存储一个标志，用来判断key是否在集合中。具体算法包括：1.首先需要k个hash函数，每个函数可以把key散列成为1个整数；2.初始化时，需要一个长度为n比特的数组，每个比特位初始化为0；3.当某个key加入集合时，用k个hash函数计算出k个散列值，并把数组中对应的比特位置为1；4.判断某个key是否在集合时，用k个hash函数计算出k个散列值，并查询数组中对应的比特位，如果所有的比特位都是1，则认为key在集合中。具体而言，本实施例中以所述用户信息中每个用户手机号码作为所述key，判断该手机号码是否在集合(其他所有用户的手机号码)中，从而判断出重复的手机号码，继而过滤掉对应的重复用户。所述组装模块204，用于将符合渠道预设条件的用户信息进行组装，放入mongodb数据库中。具体地，所述预设条件包括所需的用户信息类别、限制因素(例如区域限制)等。每个渠道都有对应的规则限制，需要从各个渠道动态获取所需的所述预设条件并进行智能解析，然后再与用户信息进行匹配。根据渠道要求轮循缓存中的用户信息，对满足该渠道所有预设条件的用户的信息进行组装。例如，某个渠道需要的用户信息有某十条，且还有区域限制，只有这些条件都满足的用户才会让该渠道为该用户提供服务，将符合条件的用户信息与该渠道进行匹配。所述组装是指将所有用户信息按所匹配的渠道进行分组，然后根据现有的接口，将用户信息放入mongodb数据库中。mongodb是一个基于分布式文件存储的数据库，由c++语言编写，旨在为web应用提供可扩展的高性能数据存储解决方案。mongodb支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。mongodb最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。mongodb包括以下特征：面向集合(collection-oriented)，即数据被分组存储在数据集中，被称为一个集合(collection)。每个集合在数据库中都有一个唯一的标识名，并且可以包含无限数目的文档。集合的概念类似关系型数据库(rdbms)里的表(table)，不同的是它不需要定义任何模式(schema)。nytromegaraid技术中的闪存高速缓存算法，能够快速识别数据库内大数据集中的热数据，提供一致的性能改进。模式自由(schema-free)，意味着对于存储在mongodb数据库中的文档，不需要知道它的任何结构定义。如果需要的话，可以把不同结构的文档存储在同一个数据库里。存储在集合中的文档，被存储为键-值对的形式。键用于唯一标识一个文档，为字符串类型，而值则可以是各种复杂的文件类型。所述推荐模块205，用于根据mongodb数据库中的用户信息，将对应的用户推荐给不同的渠道。具体地，mongodb数据库中针对每个渠道存储有对应的用户信息集合，从mongodb中获取每个渠道对应的用户信息，然后将这些用户通过预设方式推荐给对应的渠道。本实施例提供的渠道用户推荐系统，可以动态获取每个渠道所需的预设条件并进行智能解析，将符合渠道预设条件的用户信息进行组装，放入mongodb中，以根据mongodb中的用户信息精准地为不同的渠道推荐符合条件的用户信息，提高推荐成功率。还可以通过布隆过滤器过滤重复用户，以避免重复推荐影响该渠道处理效率和用户体验。参阅图3所示，是本发明渠道用户推荐系统200第二实施例的程序模块图。本实施例中，所述的渠道用户推荐系统200除了包括第一实施例中的所述配置模块201、保存模块202、过滤模块203、组装模块204、推荐模块205之外，还包括同步模块206、设置模块207。所述同步模块206，用于接收反馈信息，将反馈信息同步到用户信息中。具体地，当向渠道推荐对应的用户信息后，还需要从每个渠道接收反馈信息，即该用户推荐是否成功，然后将反馈信息同步到该用户信息中，以备后续精准的人工服务。所述设置模块207，用于针对推荐成功的用户，设置在预定时间段内不再推荐该用户至该渠道。具体地，可以定时或者触发式地启动上述流程，进行用户与渠道之间的匹配，为每个渠道推荐对应的用户信息。对于推荐成功的用户会记录推荐时间和渠道，并设置在预定时间段内不会再次推荐该用户到该渠道，以避免重复推荐影响该渠道处理效率和用户体验。另外，当有新的渠道接入或者用户信息变更(新增、删除、修改)时，只需要采用以上相同的流程进行处理即可更新用户与渠道之间的匹配关系，为新渠道推荐对应的用户信息，或者将新用户推荐给对应的渠道。本实施例提供的渠道用户推荐系统，可以动态获取每个渠道所需的预设条件并进行智能解析，将符合渠道预设条件的用户信息进行组装，放入mongodb中，以根据mongodb中的用户信息精准地为不同的渠道推荐符合条件的用户信息，提高推荐成功率。还可以通过布隆过滤器过滤重复用户，并对推荐成功的用户在预定时间段内不再重复推荐，以避免重复推荐影响该渠道处理效率和用户体验。另外，本实施例在接入新渠道时，可以采用相同的流程进行处理，不需要重新修改代码、测试、发版，提高了服务可用性和稳定性，降低了人力维护成本。此外，本发明还提出一种渠道用户推荐方法。参阅图4所示，是本发明渠道用户推荐方法第一实施例的流程示意图。在本实施例中，根据不同的需求，图4所示的流程图中的步骤的执行顺序可以改变，某些步骤可以省略。该方法包括以下步骤：步骤s400，在前端配置各个渠道信息和用户信息。具体地，不同的渠道所对应的渠道信息是不同的，例如有的渠道需要获客标签和名单来源，有的需要获客渠道和媒体来源投放码，可以分别为每个渠道配置所需的渠道信息。每个渠道所需的用户信息也不一样，基本含有用户姓名、手机号码和证件号码。也就是说，所述用户信息至少包括用户姓名、手机号码和证件号码，另外根据每个渠道的具体要求，还可以配置对应用户的其他信息。步骤s402，将所有渠道信息和用户信息保存至后台缓存。具体地，在前端配置好所有渠道信息和用户信息后，将所有信息存储至后台缓存中，以备后续进一步处理。步骤s404，通过布隆过滤器过滤重复用户。具体地，所述重复用户通过重复号码值(即用户手机号码)进行判断。布隆过滤器实际上是由一个很长的二进制向量和一系列随机映射函数组成，其算法类似一个hashset，可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难，但是没有识别错误的情形。该算法无需存储key的值，对于每个key，只需要k个比特位，每个存储一个标志，用来判断key是否在集合中。具体算法包括：1.首先需要k个hash函数，每个函数可以把key散列成为1个整数；2.初始化时，需要一个长度为n比特的数组，每个比特位初始化为0；3.当某个key加入集合时，用k个hash函数计算出k个散列值，并把数组中对应的比特位置为1；4.判断某个key是否在集合时，用k个hash函数计算出k个散列值，并查询数组中对应的比特位，如果所有的比特位都是1，则认为key在集合中。具体而言，本实施例中以所述用户信息中每个用户手机号码作为所述key，判断该手机号码是否在集合(其他所有用户的手机号码)中，从而判断出重复的手机号码，继而过滤掉对应的重复用户。步骤s406，将符合渠道预设条件的用户信息进行组装，放入mongodb数据库中。具体地，所述预设条件包括所需的用户信息类别、限制因素(例如区域限制)等。每个渠道都有对应的规则限制，需要从各个渠道动态获取所需的所述预设条件并进行智能解析，然后再与用户信息进行匹配。根据渠道要求轮循缓存中的用户信息，对满足该渠道所有预设条件的用户的信息进行组装。例如，某个渠道需要的用户信息有某十条，且还有区域限制，只有这些条件都满足的用户才会让该渠道为该用户提供服务，将符合条件的用户信息与该渠道进行匹配。所述组装是指将所有用户信息按所匹配的渠道进行分组，然后根据现有的接口，将用户信息放入mongodb数据库中。mongodb是一个基于分布式文件存储的数据库，由c++语言编写，旨在为web应用提供可扩展的高性能数据存储解决方案。mongodb支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。mongodb最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。步骤s408，根据mongodb数据库中的用户信息，将对应的用户推荐给不同的渠道。具体地，mongodb数据库中针对每个渠道存储有对应的用户信息集合，从mongodb中获取每个渠道对应的用户信息，然后将这些用户通过预设方式推荐给对应的渠道。本实施例提供的渠道用户推荐方法，可以动态获取每个渠道所需的预设条件并进行智能解析，将符合渠道预设条件的用户信息进行组装，放入mongodb中，以根据mongodb中的用户信息精准地为不同的渠道推荐符合条件的用户信息，提高推荐成功率。还可以通过布隆过滤器过滤重复用户，以避免重复推荐影响该渠道处理效率和用户体验。如图5所示，是本发明渠道用户推荐方法的第二实施例的流程示意图。本实施例中，所述渠道用户推荐方法的步骤s500-s508与第一实施例的步骤s400-s408相类似，区别在于该方法还包括步骤s510-s512。该方法包括以下步骤：步骤s500，在前端配置各个渠道信息和用户信息。具体地，不同的渠道所对应的渠道信息是不同的，例如有的渠道需要获客标签和名单来源，有的需要获客渠道和媒体来源投放码，可以分别为每个渠道配置所需的渠道信息。每个渠道所需的用户信息也不一样，基本含有用户姓名、手机号码和证件号码。也就是说，所述用户信息至少包括用户姓名、手机号码和证件号码，另外根据每个渠道的具体要求，还可以配置对应用户的其他信息。步骤s502，将所有渠道信息和用户信息保存至后台缓存。具体地，在前端配置好所有渠道信息和用户信息后，将所有信息存储至后台缓存中，以备后续进一步处理。步骤s504，通过布隆过滤器过滤重复用户。具体地，所述重复用户通过重复号码值(即用户手机号码)进行判断。布隆过滤器实际上是由一个很长的二进制向量和一系列随机映射函数组成，其算法类似一个hashset，可以用于检索一个元素是否在一个集合中。它的优点是空间效率和查询时间都远远超过一般的算法，缺点是有一定的误识别率和删除困难，但是没有识别错误的情形。该算法无需存储key的值，对于每个key，只需要k个比特位，每个存储一个标志，用来判断key是否在集合中。具体算法包括：1.首先需要k个hash函数，每个函数可以把key散列成为1个整数；2.初始化时，需要一个长度为n比特的数组，每个比特位初始化为0；3.当某个key加入集合时，用k个hash函数计算出k个散列值，并把数组中对应的比特位置为1；4.判断某个key是否在集合时，用k个hash函数计算出k个散列值，并查询数组中对应的比特位，如果所有的比特位都是1，则认为key在集合中。具体而言，本实施例中以所述用户信息中每个用户手机号码作为所述key，判断该手机号码是否在集合(其他所有用户的手机号码)中，从而判断出重复的手机号码，继而过滤掉对应的重复用户。步骤s506，将符合渠道预设条件的用户信息进行组装，放入mongodb数据库中。具体地，所述预设条件包括所需的用户信息类别、限制因素(例如区域限制)等。每个渠道都有对应的规则限制，需要从各个渠道动态获取所需的所述预设条件并进行智能解析，然后再与用户信息进行匹配。根据渠道要求轮循缓存中的用户信息，对满足该渠道所有预设条件的用户的信息进行组装。例如，某个渠道需要的用户信息有某十条，且还有区域限制，只有这些条件都满足的用户才会让该渠道为该用户提供服务，将符合条件的用户信息与该渠道进行匹配。所述组装是指将所有用户信息按所匹配的渠道进行分组，然后根据现有的接口，将用户信息放入mongodb数据库中。mongodb是一个基于分布式文件存储的数据库，由c++语言编写，旨在为web应用提供可扩展的高性能数据存储解决方案。mongodb支持的数据结构非常松散，是类似json的bson格式，因此可以存储比较复杂的数据类型。mongodb最大的特点是它支持的查询语言非常强大，其语法有点类似于面向对象的查询语言，几乎可以实现类似关系数据库单表查询的绝大部分功能，而且还支持对数据建立索引。步骤s508，根据mongodb数据库中的用户信息，将对应的用户推荐给不同的渠道。具体地，mongodb数据库中针对每个渠道存储有对应的用户信息集合，从mongodb中获取每个渠道对应的用户信息，然后将这些用户通过预设方式推荐给对应的渠道。步骤s510，接收反馈信息，将反馈信息同步到用户信息中。具体地，当向渠道推荐对应的用户信息后，还需要从每个渠道接收反馈信息，即该用户推荐是否成功，然后将反馈信息同步到该用户信息中，以备后续精准的人工服务。步骤s512，针对推荐成功的用户，设置在预定时间段内不再推荐该用户至该渠道。具体地，可以定时或者触发式地启动上述流程，进行用户与渠道之间的匹配，为每个渠道推荐对应的用户信息。对于推荐成功的用户会记录推荐时间和渠道，并设置在预定时间段内不会再次推荐该用户到该渠道，以避免重复推荐影响该渠道处理效率和用户体验。另外，当有新的渠道接入或者用户信息变更(新增、删除、修改)时，只需要采用以上相同的流程进行处理即可更新用户与渠道之间的匹配关系，为新渠道推荐对应的用户信息，或者将新用户推荐给对应的渠道。本实施例提供的渠道用户推荐方法，可以动态获取每个渠道所需的预设条件并进行智能解析，将符合渠道预设条件的用户信息进行组装，放入mongodb中，以根据mongodb中的用户信息精准地为不同的渠道推荐符合条件的用户信息，提高推荐成功率。还可以通过布隆过滤器过滤重复用户，并对推荐成功的用户在预定时间段内不再重复推荐，以避免重复推荐影响该渠道处理效率和用户体验。另外，本实施例在接入新渠道时，可以采用相同的流程进行处理，不需要重新修改代码、测试、发版，提高了服务可用性和稳定性，降低了人力维护成本。本发明还提供了另一种实施方式，即提供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渠道用户推荐程序，所述渠道用户推荐程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的渠道用户推荐方法的步骤。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。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，空调器，或者网络设备等)执行本发明各个实施例所述的方法。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。当前第1页12当前第1页12