推荐系统、方法、装置及电子设备与流程

本申请涉及智能推荐技术领域，特别是涉及推荐系统、方法、装置及电子设备，以及用于构建推荐模型的方法、装置及电子设备。

背景技术：

为了更好的进行组织管理，经常存在对目标组织关联的对象进行推荐处理的需求。以企业划分出的部门作为目标组织，对部门关联的员工进行员工评优(即，从部门关联的员工中推荐出优秀员工)为例，需要先人工收集可参与评优的员工的相关数据，再通过人工统计的方式进行数据汇总以及数据比对，最终确定出可推荐的优秀员工。

如此处理方式，如果参与评优的员工的数量较多，评优过程可能需要消耗大量的人力成本以及时间成本，致使推荐效率低下。此外，存在多个部门时，现有方案只能由各部门分别进行内部评优，无法进行全员的横向对比，且在评优过程中，各部门之间还可能存在评优指标不一致的情况，例如，可能收集不同类型的数据进行评优、可能针对相同类型的数据设置不同的权重等，致使各部门之间的衡量标准不一致，推荐结果的准确性以及客观性较差。

技术实现要素：

本申请提供了一种推荐系统、方法、装置及电子设备，以及用于构建推荐模型的方法、装置及电子设备，有助于提高推荐处理的效率、准确性以及客观性。

本申请提供了如下方案：

一种推荐系统，所述系统包括：第一客户端、第二客户端以及服务端，

所述第一客户端，用于确定对目标组织关联的目标对象进行推荐处理的至少一个目标影响因子，并获得与所述至少一个目标影响因子相关的第一样本数据；利用所述第一样本数据构建推荐模型；其中，所述第一样本数据包括：第一样本对象关联的各目标影响因子下的数据、以及第一样本对象的推荐结果信息；

所述服务端，用于获得所述推荐模型以及所述至少一个目标影响因子；确定目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；调用所述推荐模型对所述目标数据进行推荐处理，获得推荐结果信息，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息；

所述第二客户端，用于接收所述服务端下发的所述推荐结果信息。

一种用于构建推荐模型的方法，包括：

第一客户端对可用影响因子进行展示，并获得所述第一客户端关联的第一用户从中选择的至少一个目标影响因子；

获得与所述至少一个目标影响因子相关的第一样本数据，所述第一样本数据包括：第一样本对象关联的各目标影响因子下的数据、以及所述第一样本对象的推荐结果信息，所述第一样本对象属于目标组织；

利用所述第一样本数据构建推荐模型，所述推荐模型用于对所述目标组织关联的目标对象进行推荐处理。

一种推荐方法，包括：

服务端获得第一客户端构建的推荐模型、以及至少一个目标影响因子；

从目标组织关联的对象中确定目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

调用所述推荐模型对所述目标数据进行推荐处理，获得推荐结果信息，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息；

将所述推荐结果信息下发至第二客户端。

一种推荐方法，包括：

第二客户端接收服务端下发的推荐结果信息，所述推荐结果信息为所述服务端调用推荐模型对目标组织关联的目标对象进行推荐处理后获得，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息。

一种推荐方法，包括：

选定目标组织关联的至少一个目标影响因子，获得所述至少一个目标影响因子对应的推荐模型；

确定隶属于所述目标组织的目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

将所述目标数据输入所述推荐模型，获得待推荐对象。

一种用于构建推荐模型的装置，应用于第一客户端，包括：

目标影响因子获得单元，用于对可用影响因子进行展示，并获得所述第一客户端关联的第一用户从中选择的至少一个目标影响因子；

第一样本数据获得单元，用于获得与所述至少一个目标影响因子相关的第一样本数据，所述第一样本数据包括：第一样本对象关联的各目标影响因子下的数据、以及所述第一样本对象的推荐结果信息，所述第一样本对象属于目标组织；

推荐模型构建单元，用于利用所述第一样本数据构建推荐模型，所述推荐模型用于对所述目标组织关联的目标对象进行推荐处理。

一种推荐装置，应用于服务端，包括：

信息获得单元，用于获得第一客户端构建的推荐模型、以及至少一个目标影响因子；

目标数据获得单元，用于从目标组织关联的对象中确定目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

推荐结果获得单元，用于调用所述推荐模型对所述目标数据进行推荐处理，获得推荐结果信息，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息；

推荐结果下发单元，用于将所述推荐结果信息下发至第二客户端。

一种推荐装置，应用于第二客户端，包括：

推荐结果接收单元，用于接收服务端下发的推荐结果信息，所述推荐结果信息为所述服务端调用推荐模型对目标组织关联的目标对象进行推荐处理后获得，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息。

一种推荐装置，包括：

推荐模型获得单元，用于选定目标组织关联的至少一个目标影响因子，获得所述至少一个目标影响因子对应的推荐模型；

目标数据获得单元，用于确定隶属于所述目标组织的目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

待推荐对象获得单元，用于将所述目标数据输入所述推荐模型，获得待推荐对象。

一种电子设备，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：

对可用影响因子进行展示，并获得第一客户端关联的第一用户从中选择的至少一个目标影响因子；

获得与所述至少一个目标影响因子相关的第一样本数据，所述第一样本数据包括：第一样本对象关联的各目标影响因子下的数据、以及所述第一样本对象的推荐结果信息，所述第一样本对象属于目标组织；

利用所述第一样本数据构建推荐模型，所述推荐模型用于对所述目标组织关联的目标对象进行推荐处理。

一种电子设备，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：

获得第一客户端构建的推荐模型、以及至少一个目标影响因子；

从目标组织关联的对象中确定目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

调用所述推荐模型对所述目标数据进行推荐处理，获得推荐结果信息，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息；

将所述推荐结果信息下发至第二客户端。

一种电子设备，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：

接收服务端下发的推荐结果信息，所述推荐结果信息为所述服务端调用推荐模型对目标组织关联的目标对象进行推荐处理后获得，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息。

一种电子设备，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：

选定目标组织关联的至少一个目标影响因子，获得所述至少一个目标影响因子对应的推荐模型；

确定隶属于所述目标组织的目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

将所述目标数据输入所述推荐模型，获得待推荐对象。

根据本申请提供的具体实施例，本申请公开了以下技术效果：

通过本申请实施例，第一客户端可以确定对目标组织关联的目标对象进行推荐处理的至少一个目标影响因子，并获得与至少一个目标影响因子相关的第一样本数据进行推荐模型训练，其中，推荐模型的输入可以是目标对象关联的各目标影响因子下的目标数据，输出可以是该目标对象是否为待推荐对象。对应于此，服务端可以确定目标组织关联的目标对象，并获得目标对象关联的目标数据，进而通过调用推荐模型的方式，由推荐模型对目标数据进行推荐处理，获得推荐结果信息，并将推荐结果信息下发到第二客户端。如此方案，不仅有助于提高推荐处理效率，还可以提高推荐处理的准确性以及客观性，特别是在对多个目标组织关联的目标对象进行推荐处理时，可以实现目标对象之间的横向对比。

当然，实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种系统的示意图；

图2是本申请实施例提供的第一种方法的流程图；

图3是本申请实施例提供的一种界面的示意图；

图4是本申请实施例提供的第二种方法的流程图；

图5是本申请实施例提供的第三种方法的流程图；

图6是本申请实施例提供的第四种方法的流程图；

图7是本申请实施例提供的第五种方法的流程图；

图8是本申请实施例提供的第一种装置的示意图；

图9是本申请实施例提供的第二种装置的示意图；

图10是本申请实施例提供的第三种装置的示意图；

图11是本申请实施例提供的第四种装置的示意图；

图12是本申请实施例提供的计算机系统的架构的示意图；

图13是本申请实施例提供的电子设备的架构的示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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所获得的所有其他实施例，都属于本申请保护的范围。

为了提高推荐处理的效率、准确性以及客观性，本申请实施例提供一种进行推荐处理的工具。参见图1所示系统示意图，可以包括第一客户端、第二客户端以及服务端。

第一客户端可以部署在开发人员关联的终端设备上，获得至少一个目标影响因子，并利用与至少一个目标影响因子相关的第一样本数据训练得到推荐模型。其中，推荐模型的输入可以是目标对象关联的各目标影响因子下的目标数据，输出可以是该目标对象是否为待推荐对象。需要说明的是，开发人员即为本申请实施例中的第一用户。

服务端可以部署在云端服务器上，获得第一客户端训练得到的推荐模型、以及至少一个目标影响因子，并在获得目标用户关联的各目标影响因子下的目标数据后，调用推荐模型对目标数据进行推荐处理，获得推荐结果信息。其中，推荐结果信息中可以包括从目标对象中确定的待推荐对象的标识信息。

第二客户端可以部署在目标组织的相关人员关联的终端设备上，接收服务端下发的推荐结果信息，据此确定出与本组织相关的待推荐对象。需要说明的是，目标组织的相关人员即为本申请实施例中的第二用户。

作为一种示例，第二客户端可以体现为安装在终端设备上的应用程序(app)。在一种实现方式下，第二客户端可以体现为独立开发的app；或者，在另一种实现方式下，第二客户端可以作为一项应用功能集成在已有app中，例如，集成在已有的即时通讯app中，本申请实施例对第二客户端的表现形式可不做具体限定。

下面结合图2所示流程图，对本申请实施例的实现过程进行解释说明。

实施例1

s101：第一客户端构建推荐模型。

作为一种示例，第一客户端可以通过机器学习的方式构建推荐模型，以便服务端基于推荐模型自动从目标对象中确定待推荐对象。

针对不同应用场景，本申请实施例中目标组织的表现形式可能会有所不同。下面进行举例说明。

以企业场景下的对象推荐为例，目标组织可以是企业，可以将该企业划分出的多个部门确定为目标对象，从中确定出待推荐部门。作为一种示例，如果需要进行部门评优，则从目标对象中确定出的待推荐部门即为优秀部门；如果需要从多个部门中确定出执行某项任务的部门，则从目标对象中确定出的待推荐部门即为任务执行部门。

仍以企业场景下的对象推荐为例，目标组织可以是企业划分出的部门，可以将隶属于该部门的多个员工确定为目标对象，从中确定出待推荐员工。作为一种示例，如果需要进行员工评优，则从目标对象中确定出的待推荐员工即为优秀员工；如果需要从多个员工中确定出加入其它组织的员工，例如，其它组织可以是工会组织，则从目标对象中确定出的待推荐员工即为可加入工会的员工。

在其他应用场景下，例如，进行学生评优时，目标对象可以是班级关联的多个学生；进行运动员选拔时，目标对象可以是俱乐部关联的多个运动员。本申请实施例对方案的应用场景可不做具体限定。

下面为目标组织为企业划分出的部门为例，对第一客户端创建推荐模型的实现过程进行解释说明。

首先，第一客户端可以对可用影响因子进行展示，获得第一客户端关联的第一用户从中选择的至少一个目标影响因子。

目标对象通常具有多维特征信息，且基于不同维度的特征信息进行推荐处理时，确定出的待推荐对象可能会有所不同，故，本申请实施例可以基于目标对象不同维度的特征信息获得可用影响因子，并在模型训练时将可用影响因子提供给第一用户，以便第一用户从中选取本次模型训练所需的至少一个目标影响因子，即，训练获得的推荐模型主要基于哪些维度的特征信息，从目标对象中确定待推荐对象。

作为一种示例，可以将目标对象关联的数据划分为初心、奉献、业务以及创新4种可用影响因子，每种可用影响因子可以关联至少一个特征维度的数据，下面进行举例说明。

如果可用影响因子为初心，关联的数据可以是与目标对象的意愿以及价值观相关的数据。以员工评优为例，目标对象的意愿可以体现为目标对象加入目标组织的时间、是否积极纳税等数据；以选取工会会员为例，目标对象的意愿可以体现为目标对象是否提交了加入工会的申请、提交申请的时间等数据。价值观可以体现为上一年度目标组织对目标对象考核的结果。

如果可用影响因子为奉献，关联的数据可以是与目标对象对组织、社会的影响相关的数据，例如，目标对象参与公益活动、组织内部活动等活动的次数信息。通常，目标对象参与的活动越多，其对组织和社会的影响力就越大。

如果可用影响因子为业务，关联的数据可以是目标对象在本职工作上的绩效考核结果。通常，目标对象的绩效考核结果越好，表示其在本职工作上的表现越优异，能更好的在工作中起到带头作用。

如果可用影响因子为创新，关联的数据可以是与目标对象先进性相关的数据，例如，目标对象在管理创新以及技术创新等方面的相关数据。以技术创新相关的数据为例，至少可以包括专利、论文以及文章等文献的数量信息。

本申请实施例中，可以结合实际应用需求划分可用影响因子，以及结合实际应用需求建立可用影响因子与数据类型之间的关联关系，本申请实施例对此可不做具体限定。

作为一种示例，获得可用影响因子关联的数据后，可以对数据进行标准化以及归一化处理。例如，对于时间相关的数据来说，可以基于数据分箱技术以及onehot编码技术进行数据处理。对于纳税相关的数据来说，可以将积极纳税转换为预设数值“1”，将不积极纳税转换为预设数值“0”。对于次数信息相关的数据来说，可以通过均值方差归一化算法进行数据处理。对于绩效考核结果相关的数据来说，可以通过预设阈值d进行归一化处理，例如，大于d的绩效分值可以转换为预设数值“1”，等于d的绩效分值可以转换为预设数值“0”，小于d的绩效分值可以转换为预设数值“-1”。以上数据处理的具体实现过程可参见相关技术，此处不做详述。

其次，第一客户端可以获得与至少一个目标影响因子相关的第一样本数据，利用第一样本数据训练得到推荐模型。其中，第一样本数据可以包括：第一样本对象的标识信息、第一样本对象关联的各目标影响因子下的数据、以及第一样本对象的推荐结果信息。作为一种示例，推荐模型可以体现为通过线性回归构建的二分类模型。

以第一用户将奉献以及创新确定为目标影响因子为例，下面对获得第一样本数据的实现过程进行举例说明。

在一种实现方式下，第一样本数据可以是人工推荐处理的历史数据。例如，人工推荐处理时将目标对象a确定为优秀员工，则可将目标对象a的标识信息，目标对象a为优秀员工的推荐结果信息，以及目标对象a在奉献以及创新这2个目标影响因子下的数据确定为第一样本数据。

或者，在另一种实现方式下，第一样本数据可以是人工打标处理的数据。例如，目标对象b未被推优(例如，目标对象b因为加入目标组织的时间不符合要求，不能参与评优)，但通过人工分析目标对象b关联的数据确定目标对象b符合被推优的条件，则可将目标对象b打标为优秀员工，并将目标对象b的标识信息，目标对象b被打标为优秀员工的推荐结果信息，以及目标对象b在奉献以及创新这2个目标影响因子下的数据确定为第一样本数据。

在实际应用过程中，可以利用以上两种实现方式中的任一种确定第一样本数据，进行模型训练；或者，在某种实现方式对应的第一样本数据的数量较少时，可以利用以上两种实现方式确定用于进行模型训练的第一样本数据。

可以理解地，如果模型的训练效果较差，即推荐模型输出的推荐结果信息的准确率相对较低，第一客户端可以提示第一用户进行模型优化。例如，第一客户端可以通过图3所示界面对可用模型优化方式信息进行展示，并在第一用户从中确定目标模型优化方式信息后，提供用于提交目标模型优化方式信息关联的优化数据的操作选项；通过操作选项获得优化数据后，可以根据优化数据对推荐模型进行模型优化处理。

作为一种示例，目标模型优化方式可以为新增目标影响因子。即，可能因为用于进行模型训练的目标影响因子的种类较少，导致模型训练效果不理想，故可以通过新增目标影响因子的方式进行模型优化。如图3所示，第一用户将新增目标影响因子确定为目标模型优化方式后(即，点击了新增目标影响因子对应的操作选项)，第一客户端可以提供初心对应的操作选项以及业务对应的操作选项(即，可以向第一用户展示未被确定为目标影响因子的可用影响因子)，供第一用户进行选择。

如果第一用户点击初心对应的操作选项，则可通过该操作选项获得与初心相关的优化数据，并根据优化数据对推荐模型进行模型优化处理。本示例中，优化数据可以是与新增目标影响因子相关的第二样本数据，包括：第一样本对象的标识信息，第一样本对象的推荐结果信息，以及第一样本对象在初心目标影响因子下的数据。也就是说，此时参与模型优化的样本数据可以包括：第一样本对象的标识信息，第一样本对象的推荐结果信息，以及第一样本对象在奉献、创新以及初心这3个目标影响因子下的数据。

作为一种示例，目标模型优化方式可以为新增样本数据。即，可能因为用于进行模型训练的样本数据的数量较少，导致模型训练效果不理想，故可以通过新增样本数据的方式进行模型优化。具体地，第一用户将新增样本数据确定为目标模型优化方式后，第一客户端可以提供用于获得优化数据的操作选项。本示例中，优化数据可以是与第二样本对象相关的第二样本数据，包括：第二样本对象的标识信息，第二样本对象的推荐结果信息，以及第二样本对象在奉献以及创新这2个目标影响因子下的数据。也就是说，此时参与模型优化的样本数据可以包括：第一样本对象的标识信息，第一样本对象的推荐结果信息，第一样本对象在奉献以及创新这2个目标影响因子下的数据，第二样本对象的标识信息，第二样本对象的推荐结果信息，以及第二样本对象在奉献以及创新这2个目标影响因子下的数据。

作为一种示例，模型优化方式可以为调整目标影响因子关联的权重值。即，可能因为权重值设置不合理，导致模型训练效果不理想，故可以通过调整目标影响因子关联的权重值的方式进行模型优化。具体地，第一用户将调整目标影响因子关联的权重值确定为目标模型优化方式后，第一客户端可以提供奉献对应的操作选项以及创新对应的操作选项(即，可以向第一用户展示目标影响因子)，供第一用户进行选择。

如果第一用户点击奉献对应的操作选项，则可通过该操作选项获得与奉献相关的优化数据，并根据优化数据对推荐模型进行模型优化处理。本示例中，优化数据可以是奉献关联的调整后权重值。也就是说，此时参与模型优化的仍然是第一样本数据，只不过奉献关联的权重值发生了变化。

s102：服务端获得第一客户端构建的推荐模型、以及至少一个目标影响因子，并从目标组织关联的对象中确定目标对象。

本申请实施例中，服务端进行推荐处理时可以获得以下三方面信息：

1.第一客户端创建的推荐模型

服务端可以与第一客户端交互，获得第一客户端训练好的推荐模型，以便后续获得目标对象关联的目标数据时可以调用推荐模型进行推荐处理，获得推荐结果信息。

2.目标对象的标识信息

以员工评优为例，服务端可以获得部门关联的员工的相关信息，根据预设条件从中确定出目标对象。作为一种示例，员工的相关信息可以是加入部门的时间，预设条件可以是加入部门满1年，即可以将加入部门满1年的员工确定为目标对象。或者，员工的相关信息可以是纳税信息，预设条件可以是积极纳税，即可以将积极纳税的员工确定为目标对象。本申请实施例对员工的相关信息、预设条件以及确定目标对象的方式等可不做具体限定。

可以理解地，如果针对某个部门进行员工评优，确定出的目标对象隶属于同一个部门；如果针对多个部门进行员工评优，确定出的目标对象可能隶属于不同部门，也就是说，本申请实施例可以对多部门的员工进行横向对比确定出优秀员工。如此推荐处理，有助于提高推荐结果的客观性以及准确性。

3.目标影响因子

服务端可以获得推荐模型训练时采用的目标影响因子，以便后续根据目标影响因子确定需要获得目标对象关联的哪些数据，进行推荐处理。结合上文所举示例可知，服务端获得的目标影响因子可以为奉献以及创新。

s103：服务端获得目标对象关联的各目标影响因子下的目标数据。

作为一种示例，服务端可以获得预设数据库，数据库中可以保存目标组织关联的对象在各可用影响因子下的数据。服务端获得目标对象的标识信息以及目标影响因子后，可以根据这两个信息从数据库中获得对应的目标数据。

或者，服务端可以访问其他业务系统，例如，oa办公系统、税务信息查询系统等业务系统。服务端获得目标对象的标识信息以及目标影响因子后，可以访问oa办公系统获得目标对象的绩效考核结果，访问税务信息查询系统获得目标对象的纳税信息。

本申请实施例对获得目标数据的方式、目标数据的来源等可不做具体限定。

s104，调用推荐模型对目标数据进行推荐处理，获得推荐结果信息，推荐结果信息包括从目标对象中确定的待推荐对象的标识信息。

仍以员工评优为例，如果服务端获得的目标对象的标识信息为员工1～员工300，则可分别获得这300名目标对象在奉献以及创新这2个目标影响因子下的目标数据，作为输入提交到推荐模型进行推荐处理，获得推荐结果信息。

具体地，服务端可以获得推荐模型输出的预测结果信息，并从预测结果信息包括的候选对象中确定待推荐对象，获得推荐结果信息。

下面对获得推荐结果信息的实现过程进行解释说明。

在一种实现方式下，可以不限定待推荐对象的数量，将全部候选对象确定为待推荐对象。例如，推荐模型输出的预测结果信息中包括60名候选对象的标识信息，即这60名员工均为可被推优的优秀员工，服务端可以将这60名候选对象均确定为待推荐对象，推荐结果信息中可以包括60名员工的标识信息。

或者，在另一种实现方式下，服务端可以获得待推荐对象的数量信息，并根据该数量信息将部分候选对象确定为待推荐对象。

如果对多个目标组织关联的目标对象进行推荐处理，且数量信息为待推荐对象的总数量，服务端可以从多个目标组织关联的候选对象中确定出与总数量相符的待推荐对象。其中，待推荐对象的总数量可以是预先设置的固定数值；或者，可以是服务端根据目标对象的数量以及预先设置的比例值计算出的可变数值。以预设比例值为10％为例，如果目标对象的数量为300，则待推荐对象的总数量为30。

作为一种示例，如果待推荐对象的总数量为30名，服务端可以从60名候选对象中确定出30名待推荐对象，即推荐结果信息中包括30名员工的标识信息。具体地，服务端可以随机从60名候选对象中确定30名待推荐对象；或者，可以根据推荐模型对各候选对象的预测评分值进行排序，将评分值高的前30名候选对象确定为待推荐对象。

此外，如果对多个目标组织关联的目标对象进行推荐处理，且数量信息为各目标组织关联的待推荐对象的数量，服务端可以从各目标组织关联的候选对象中确定出各自对应数量的待推荐对象。

例如，本次推荐处理针对3个部门，且部门1具有10个推优名额，部门2具有5个推优名额，部门3具有15个推优名额，服务端获得的待推荐对象的数量信息可以体现为：部门1关联的第二客户端1提交的数量信息10、部门2关联的第二客户端2提交的数量信息5、以及部门3关联的第二客户端3提交的数量信息15。

本示例中，服务端可以分别为各部门确定出各自关联的待推荐对象。以部门1为例，可以先确定出部门1关联的候选对象，再随机从中确定10名待推荐对象；或者，可以根据推荐模型对部门1关联的候选对象的预测评分值进行排序，将评分值高的前10名候选对象确定为待推荐对象。

本示例中，如果部门1关联的候选对象的数量小于10，服务端可以生成提示信息下发到第二客户端1。对应地，第二客户端1关联的第二用户可以据此修改待推荐对象的数量信息，并将修改后的待推荐对象的数量信息提交到服务端，由服务端重新确定待推荐对象。如果部门1关联的候选对象的数量多于10，服务端可以从候选对象中确定不少于10名待推荐对象，例如，为部门1确定出12名待推荐对象。对应地，第二客户端1关联的第二用户可以从12名待推荐对象中选定被推优的10名优秀员工。

此外，作为一种优选方案，推荐结果信息中还可以包括待推荐对象关联的目标数据，服务端将该推荐结果信息下发到第二客户端后，第二客户端可以对待推荐对象的标识信息以及待推荐对象关联的目标数据进行展示，便于第二用户查看，明确哪些对象被确定为待推荐对象，以及该对象被确定为待推荐对象的原因(即，待推荐对象在各目标影响因子下的目标数据)。

s105，第二客户端接收服务端下发的推荐结果信息。

第二客户端可以接收服务端下发的推荐结果信息，获得可被推优的待推荐对象的标识信息进行展示。或者，如果如上文所做介绍，服务端下发的推荐结果信息中包括的待推荐对象的数量多于第二客户端关联的目标组织的推优名额，第二客户端可以对待推荐对象的标识信息进行展示，以便第二用户从中选定本次推优的对象。

作为一种优选方案，如果在实际应用过程中出现新增可用影响因子的情况，本申请实施例还可以利用与新增可用影响因子相关的信息对推荐模型进行模型优化。其中，与新增可用影响因子相关的信息可以包括：新增可用影响因子、以及新增可用影响因子关联的数据类型。作为一种示例，新增可用影响因子可以是奖惩，关联的数据可以是组织、社会对目标对象的评价相关的数据，可以包括正面评价以及负面评价。以员工评优为例，正面评价至少可以包括优秀员工、先进个人、劳动模范等数据，负面评价至少可以包括记过、处分记录等数据。

具体地，第二客户端可以提供用于提交与新增可用影响因子相关的信息的操作选项；通过所述操作选项获得所述与新增可用影响因子相关的信息后，提交到所述服务端，以便所述服务端将所述与新增可用影响因子相关的信息转发至第一客户端，由所述第一客户端根据接收到的信息对所述推荐模型进行模型优化处理。

作为一种示例，第一客户端获得与新增可用影响因子相关的信息后，一方面可以根据新增可用影响因子对本地保存的可用影响因子进行更新，这样，第一客户端后续便可利用更新后的可用影响因子进行模型训练以及模型优化，具体实现过程可以参照上文所做介绍，此处不再赘述。另一方面，第一客户端可以根据与新增可用影响因子相关的信息获得第三样本数据，可以包括：第一样本对象的标识信息，第一样本对象的推荐结果信息，以及第一样本对象关联的新增可用影响因子关联的数据类型下的数据，并利用第三样本数据对推荐模型进行模型优化处理。

实施例2

本申请实施例中，第一客户端可以从可用影响因子中选取一组目标影响因子(可以包括至少一个目标影响因子)进行模型训练，获得一个推荐模型；或者，第一客户端可以从可用影响因子中选取多组目标影响因子(每组可以包括至少一个目标影响因子)，分别针对每组目标影响因子训练获得对应的推荐模型，即获得多个推荐模型。

下面结合图4所示流程图，对多个推荐模型场景下的推荐处理过程进行解释说明。

s201：选定目标组织关联的至少一个目标影响因子，获得所述至少一个目标影响因子对应的推荐模型。

s202：确定隶属于所述目标组织的目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据。

s203：将所述目标数据输入所述推荐模型，获得待推荐对象。

以第二客户端为企业版即时通讯客户端为例，可以获得企业的组织架构信息，这样，在第二客户端关联的用户将部门a确定为目标组织时，可以获得部门a关联的所有员工的相关信息。本示例中，可以将部门a关联的所有员工确定为目标对象，或者，可以根据需求将部门a关联的部分员工确定为目标对象，例如，可以将加入部门a满1年的员工确定为目标对象。

第二客户端关联的用户可以结合实际应用需求，选取不同的目标影响因子组合，进而根据所选取目标影响因子组合对应的推荐模型进行推荐处理，获得待推荐对象。

具体地，第二客户端可以提供用于进行推荐处理的操作选项，例如，在即时通讯工具栏中设置与推荐处理相关的按键，在第二客户端关联的用户点击该按键后，第二客户端可以对多个可用影响因子进行展示，供用户从中选取至少一个目标影响因子。

第二客户端获得至少一个目标影响因子后，可以通过多种实现方式进行推荐处理。例如，在一种实现方式下，第二客户端可以将用户选定的至少一个目标影响因子提交到服务端，以便服务端获得至少一个影响因子对应的推荐模型，并在获得隶属于部门a的目标对象关联的各目标影响因子下的相关数据后，将这些相关数据输入推荐模型，得到待推荐对象的标识信息下发到第二客户端进行展示。

或者，在另一种实现方式下，第二客户端可以将至少一个目标影响因子提交到服务端，并接收服务端下发的至少一个目标影响因子对应的推荐模型，进而在获得隶属于部门a的目标对象关联的各目标影响因子下的相关数据后，将这些相关数据输入推荐模型，得到待推荐对象的标识信息进行展示。

实施例3

该实施例3是与实施例1相对应的，从第一客户端的角度，提供了一种用于构建推荐模型的方法，参见图5，该方法具体可以包括：

s301：第一客户端对可用影响因子进行展示，并获得所述第一客户端关联的第一用户从中选择的至少一个目标影响因子；

s302：获得与所述至少一个目标影响因子相关的第一样本数据，所述第一样本数据包括：第一样本对象关联的各目标影响因子下的数据、以及所述第一样本对象的推荐结果信息；

s303：利用所述第一样本数据构建推荐模型，所述推荐模型用于对所述目标组织关联的目标对象进行推荐处理。

实施例4

该实施例4是与实施例1相对应的，从服务端的角度，提供了一种推荐方法，参见图6，该方法具体可以包括：

s401：服务端获得第一客户端构建的推荐模型、以及至少一个目标影响因子；

s402：从目标组织关联的对象中确定目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

s403：调用所述推荐模型对所述目标数据进行推荐处理，获得推荐结果信息，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息；

s404：将所述推荐结果信息下发至第二客户端。

实施例5

该实施例5是与实施例1相对应的，从第二客户端的角度，提供了一种推荐方法，参见图7，该方法具体可以包括：

s501：第二客户端接收服务端下发的推荐结果信息，所述推荐结果信息为所述服务端调用推荐模型对目标组织关联的目标对象进行推荐处理后获得，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息。

关于前述实施例2至实施例5中的未详述部分，可以参见前述实施例中的记载，这里不再赘述。

与实施例1相对应，本申请实施例还提供了一种用于构建推荐模型的装置，参见图8，该装置应用于第一客户端，包括：

目标影响因子获得单元601，用于对可用影响因子进行展示，并获得所述第一客户端关联的第一用户从中选择的至少一个目标影响因子；

第一样本数据获得单元602，用于获得与所述至少一个目标影响因子相关的第一样本数据，所述第一样本数据包括：第一样本对象关联的各目标影响因子下的数据、以及所述第一样本对象的推荐结果信息，所述第一样本对象属于目标组织；

推荐模型构建单元603，用于利用所述第一样本数据构建推荐模型，所述推荐模型用于对所述目标组织关联的目标对象进行推荐处理。

其中，所述装置还包括：

目标模型优化方式获得单元，用于对可用模型优化方式信息进行展示，并获得所述第一用户从中选择的目标模型优化方式信息；

操作选项提供单元，用于提供用于提交所述目标模型优化方式信息关联的优化数据的操作选项；

模型优化处理单元，用于通过所述操作选项获得所述优化数据后，根据所述优化数据对所述推荐模型进行模型优化处理。

其中，所述目标模型优化方式信息为新增目标影响因子，则所述目标模型优化方式信息关联的优化数据为与所述新增目标影响因子相关的第二样本数据，所述新增目标影响因子属于所述可用影响因子；

所述第二样本数据包括：第一样本对象关联的新增目标影响因子下的数据。

其中，所述目标模型优化方式信息为新增样本数据，则所述目标模型优化方式信息关联的优化数据为与第二样本对象相关的第二样本数据；

所述第二样本数据包括：所述第二样本对象关联的各目标影响因子下的数据、以及所述第二样本对象的推荐结果信息。

其中，所述目标模型优化方式信息为调整所述目标影响因子关联的权重值，则所述目标模型优化方式信息关联的优化数据为所述目标影响因子关联的调整后权重值。

其中，所述装置还包括：

信息接收单元，用于接收服务端发送的与新增可用影响因子相关的信息，所述与新增可用影响因子相关的信息由第二客户端提交到所述服务端，且所述与新增可用影响因子相关的信息包括：新增可用影响因子、以及新增可用影响因子关联的数据类型；

第三样本数据获得单元，用于根据所述与新增可用影响因子相关的信息获得第三样本数据，所述第三样本数据包括：所述第一样本对象关联的新增可用影响因子关联的数据类型下的数据、以及所述第一样本对象的推荐结果信息；

所述模型优化处理单元，还用于根据所述第三样本数据对所述推荐模型进行模型优化处理。

与实施例1相对应，本申请实施例还提供了一种推荐装置，参见图9，该装置应用于服务端，包括：

信息获得单元701，用于获得第一客户端构建的推荐模型、以及至少一个目标影响因子；

目标数据获得单元702，用于从目标组织关联的对象中确定目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

推荐结果获得单元703，用于调用所述推荐模型对所述目标数据进行推荐处理，获得推荐结果信息，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息；

推荐结果下发单元704，用于将所述推荐结果信息下发至第二客户端。

其中，所述推荐结果获得单元具体用于：

获得所述推荐模型输出的预测结果信息，从所述预测结果信息包括的候选对象中确定所述待推荐对象，获得所述推荐结果信息。

其中，所述装置还包括：

数量信息获得单元，用于获得待推荐对象的数量信息；

所述推荐结果获得单元具体用于：根据所述数量信息从所述候选对象中确定所述待推荐对象。

其中，如果对多个目标组织关联的目标对象进行推荐处理，且所述数量信息为待推荐对象的总数量，

所述推荐结果获得单元具体用于：从候选用户中确定出与所述总数量相符的目标用户。

其中，所述数量信息为所述第二客户端提交的所述第二客户端关联的目标用户的数量，

所述推荐结果获得单元具体用于：从与所述第二客户端关联的候选用户中确定出与所述目标用户的数量相符的目标用户。

与实施例1相对应，本申请实施例还提供了一种推荐装置，参见图10，该装置应用于第二客户端，包括：

推荐结果接收单元801，用于接收服务端下发的推荐结果信息，所述推荐结果信息为所述服务端调用推荐模型对目标组织关联的目标对象进行推荐处理后获得，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息。

其中，所述装置还包括：

操作选项提供单元，用于提供用于提交与新增可用影响因子相关的信息的操作选项，所述与新增可用影响因子相关的信息包括：新增可用影响因子、以及新增可用影响因子关联的数据类型；

信息提交单元，用于通过所述操作选项获得所述与新增可用影响因子相关的信息后，提交到所述服务端，以便所述服务端将所述与新增可用影响因子相关的信息转发至第一客户端，由所述第一客户端根据接收到的信息对所述推荐模型进行模型优化处理。

其中，如果所述推荐结果信息还包括所述待推荐对象关联的目标数据，则对所述待推荐对象的标识信息以及所述待推荐对象关联的目标数据进行展示。

与实施例2相对应，本申请实施例还提供了一种推荐装置，参见图11，包括：

推荐模型获得单元901，用于选定目标组织关联的至少一个目标影响因子，获得所述至少一个目标影响因子对应的推荐模型；

目标数据获得单元902，用于确定隶属于所述目标组织的目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

待推荐对象获得单元903，用于将所述目标数据输入所述推荐模型，获得待推荐对象。

其中，推荐装置可以应用于服务端，可以接收第二客户端选定的目标组织关联的至少一个目标影响因子，并根据至少一个目标影响因子对应的推荐模型进行推荐处理。

或者，推荐装置可以应用于第二客户端，选定目标组织关联的至少一个目标影响因子后，可以提交到服务端，请求服务端将至少一个目标影响因子对应的推荐模型下发到第二客户端，由第二客户端进行推荐处理。

另外，本申请实施例还提供了一种电子设备，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：

对可用影响因子进行展示，并获得第一客户端关联的第一用户从中选择的至少一个目标影响因子；

获得与所述至少一个目标影响因子相关的第一样本数据，所述第一样本数据包括：第一样本对象关联的各目标影响因子下的数据、以及所述第一样本对象的推荐结果信息，所述第一样本对象属于目标组织；

利用所述第一样本数据构建推荐模型，所述推荐模型用于对所述目标组织关联的目标对象进行推荐处理。

以及一种电子设备，其特征在于，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：

获得第一客户端构建的推荐模型、以及至少一个目标影响因子；

从目标组织关联的对象中确定目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

调用所述推荐模型对所述目标数据进行推荐处理，获得推荐结果信息，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息；

将所述推荐结果信息下发至第二客户端。

以及一种电子设备，其特征在于，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：

接收服务端下发的推荐结果信息，所述推荐结果信息为所述服务端调用推荐模型对目标组织关联的目标对象进行推荐处理后获得，所述推荐结果信息包括从所述目标对象中确定的待推荐对象的标识信息。

以及一种电子设备，包括：

一个或多个处理器；以及

与所述一个或多个处理器关联的存储器，所述存储器用于存储程序指令,所述程序指令在被所述一个或多个处理器读取执行时，执行如下操作：

选定目标组织关联的至少一个目标影响因子，获得所述至少一个目标影响因子对应的推荐模型；

确定隶属于所述目标组织的目标对象，并获得所述目标对象关联的各目标影响因子下的目标数据；

将所述目标数据输入所述推荐模型，获得待推荐对象。

其中，图12示例性的展示出了计算机系统的架构，具体可以包括处理器1010，视频显示适配器1011，磁盘驱动器1012，输入/输出接口1013，网络接口1014，以及存储器1020。上述处理器1010、视频显示适配器1011、磁盘驱动器1012、输入/输出接口1013、网络接口1014，与存储器1020之间可以通过通信总线1030进行通信连接。

其中，处理器1010可以采用通用的cpu(centralprocessingunit，中央处理器)、微处理器、应用专用集成电路(applicationspecificintegratedcircuit，asic)、或者一个或多个集成电路等方式实现，用于执行相关程序，以实现本申请所提供的技术方案。

存储器1020可以采用rom(readonlymemory，只读存储器)、ram(randomaccessmemory，随机存取存储器)、静态存储设备，动态存储设备等形式实现。存储器1020可以存储用于控制计算机系统1000运行的操作系统1021，用于控制计算机系统1000的低级别操作的基本输入输出系统(bios)。另外，还可以存储网页浏览器1023，数据存储管理系统1024，以及推荐系统1025等等。上述推荐系统1025就可以是本申请实施例中具体实现前述各步骤操作的服务端。总之，在通过软件或者固件来实现本申请所提供的技术方案时，相关的程序代码保存在存储器1020中，并由处理器1010来调用执行。

输入/输出接口1013用于连接输入/输出模块，以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出)，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。

网络接口1014用于连接通信模块(图中未示出)，以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如usb、网线等)实现通信，也可以通过无线方式(例如移动网络、wifi、蓝牙等)实现通信。

总线1030包括一通路，在设备的各个组件(例如处理器1010、视频显示适配器1011、磁盘驱动器1012、输入/输出接口1013、网络接口1014，与存储器1020)之间传输信息。

另外，该计算机系统1000还可以从虚拟资源对象领取条件信息数据库1041中获得具体领取条件的信息，以用于进行条件判断，等等。

需要说明的是，尽管上述设备仅示出了处理器1010、视频显示适配器1011、磁盘驱动器1012、输入/输出接口1013、网络接口1014，存储器1020，总线1030等，但是在具体实施过程中，该设备还可以包括实现正常运行所必需的其他组件。此外，本领域的技术人员可以理解的是，上述设备中也可以仅包含实现本申请方案所必需的组件，而不必包含图中所示的全部组件。

其中，图13示例性的展示出了电子设备的架构，例如，设备1100可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理，飞行器等。

参照图13，设备1100可以包括以下一个或多个组件：处理组件1102，存储器1104，电源组件1106，多媒体组件1108，音频组件1110，输入/输出(i/o)的接口1112，传感器组件1114，以及通信组件1116。

处理组件1102通常控制设备1100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1102可以包括一个或多个处理器1120来执行指令，以完成本公开技术方案提供的方法的全部或部分步骤。此外，处理组件1102可以包括一个或多个模块，便于处理组件1102和其他组件之间的交互。例如，处理部件1102可以包括多媒体模块，以方便多媒体组件1108和处理组件1102之间的交互。

存储器1104被配置为存储各种类型的数据以支持在设备1100的操作。这些数据的示例包括用于在设备1100上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1106为设备1100的各种组件提供电力。电源组件1106可以包括电源管理系统，一个或多个电源，及其他与为设备1100生成、管理和分配电力相关联的组件。

多媒体组件1108包括在设备1100和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1108包括一个前置摄像头和/或后置摄像头。当设备1100处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1110被配置为输出和/或输入音频信号。例如，音频组件1110包括一个麦克风(mic)，当设备1100处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1104或经由通信组件1116发送。在一些实施例中，音频组件1110还包括一个扬声器，用于输出音频信号。

i/o接口1112为处理组件1102和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1114包括一个或多个传感器，用于为设备1100提供各个方面的状态评估。例如，传感器组件1114可以检测到设备1100的打开/关闭状态，组件的相对定位，例如所述组件为设备1100的显示器和小键盘，传感器组件1114还可以检测设备1100或设备1100一个组件的位置改变，用户与设备1100接触的存在或不存在，设备1100方位或加速/减速和设备1100的温度变化。传感器组件1114可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1114还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1114还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1116被配置为便于设备1100和其他设备之间有线或无线方式的通信。设备1100可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信部件1116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件1116还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。

在示例性实施例中，设备1100可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1104，上述指令可由设备1100的处理器1120执行以完成本公开技术方案提供的方法。例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请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，该计算机软件产品可以存储在存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。

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，对于系统或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的系统及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上对本申请所提供的推荐系统、方法、装置及电子设备，用于构建推荐模型的方法、装置及电子设备，进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本申请的限制。