网络课程推荐方法、装置、系统、电子设备、存储介质与流程

本公开涉及互联网技术领域，具体涉及网络信息推送技术领域，尤其涉及一种网络课程推荐方法、装置、系统、电子设备、存储介质。

背景技术：

随着互联网技术的发展和应用的普及，网络信息的推荐成为了人们关注的焦点，如网络课程的推荐。

在现有技术中，通过将网络平台上海量的网络课程的资源进行整合，根据用户相对于网络课程的历史数据对用户进行画像(如用户的兴趣爱好)，并根据画像为用户推送网络课程。

在发明人在实现本公开的过程中，发现至少存在如下问题：由于网络课程增长的速度很快，而不同的用户对网络课程的需求并不相同，且用户感兴趣的网络课程并不一定是用户当下需要学习的网络课程，因此，通过现有技术中的推荐方法降低了推荐的成功率。

技术实现要素：

本公开提供一种网络课程推荐方法、装置、系统、电子设备、存储介质，用以解决现有技术中推荐的成功率较低的问题。

一方面，本公开实施例提供一种网络课程推荐方法，响应于用户通过用户终端发送的观看网络课程的请求，获取所述用户的属性，并从预设数据库中获取各网络课程被学习的历史数据；

根据所述历史数据确定标杆学员信息，其中，所述标杆学员信息包括标杆学员的属性，以及被所述标杆学员学习的网络课程，且所述标杆学员的学习参数大于预设的参数阈值；

根据被所述标杆学员学习的网络课程确定待推荐候选集；

根据所述用户的属性、所述标杆学员的属性和所述待推荐候选集确定目标推荐课程；

将所述目标推荐课程推送至所述用户终端，以便所述用户终端对所述目标推荐课程进行显示。

在一些实施例中，所述学习参数包括学习次数和学习网络课程数量，所述参数阈值包括次数阈值和数量阈值，所述学习参数大于预设的参数阈值包括：

所述学习次数大于所述次数阈值，且所述学习网络课程数量大于所述数量阈值。

在一些实施例中，在所述根据被所述标杆学员学习的网络课程确定待推荐候选集之后，所述方法还包括：

确定所述待推荐候选集中各网络课程的平均学习时长和平均学习完成量；

根据所述平均学习时长和所述平均学习完成量确定学习量；

从所述待推荐候选集中删除所述学习量小于预设学习量阈值的网络课程；

以及，所述根据所述用户的属性、所述标杆学员的属性和所述待推荐候选集确定目标推荐课程包括：

根据所述用户的属性、所述标杆学员的属性和经过删除处理的待推荐候选集确定所述目标推荐课程。

在一些实施例中，所述根据所述用户的属性、所述标杆学员的属性和所述待推荐候选集确定目标推荐课程包括：

确定所述用户的属性与所述标杆学员的属性的相似度；

从所述待推荐候选集中选取相似度大于预设相似度阈值的标杆学员的网络课程；

将选取出的网络课程确定为目标推荐课程。

在一些实施例中，所述用户的属性包括所述用户的性别、岗位、职称、年龄和专业类别中的至少一种；

以及，所述标杆学员的属性包括所述标杆学员的性别、岗位、职称、年龄和专业类别中的至少一种。

另一方面，本公开实施例还提供了一种网络课程推荐装置，所述装置包括：

获取模块，用于响应于用户通过用户终端发送的观看网络课程的请求，获取所述用户的属性，并从预设数据库中获取各网络课程被学习的历史数据；

第一确定模块，用于根据所述历史数据确定标杆学员信息，其中，所述标杆学员信息包括标杆学员的属性，以及被所述标杆学员学习的网络课程，且所述标杆学员的学习参数大于预设的参数阈值；

第二确定模块，用于根据被所述标杆学员学习的网络课程确定待推荐候选集，并根据所述用户的属性、所述标杆学员的属性和所述待推荐候选集确定目标推荐课程；

推送模块，用于将所述目标推荐课程推送至所述用户终端，以便所述用户终端对所述目标推荐课程进行显示。

在一些实施例中，所述学习参数包括学习次数和学习网络课程数量，所述参数阈值包括次数阈值和数量阈值；

以及，所述学习次数大于所述次数阈值，且所述学习网络课程数量大于所述数量阈值。

在一些实施例中，所述装置还包括：

第三确定模块，用于确定所述待推荐候选集中各网络课程的平均学习时长和平均学习完成量，并根据所述平均学习时长和所述平均学习完成量确定学习量；

删除模块，用于从所述待推荐候选集中删除所述学习量小于预设学习量阈值的网络课程；

以及所述第二确定模块具体用于，根据所述用户的属性、所述标杆学员的属性和经过删除处理的待推荐候选集确定所述目标推荐课程。

在一些实施例中，所述第二确定模块具体用于，确定所述用户的属性与所述标杆学员的属性的相似度；从所述待推荐候选集中选取相似度大于预设相似度阈值的标杆学员的网络课程；将选取出的网络课程确定为目标推荐课程。

在一些实施例中，所述用户的属性包括所述用户的性别、岗位、职称、年龄和专业类别中的至少一种；

以及，所述标杆学员的属性包括所述标杆学员的性别、岗位、职称、年龄和专业类别中的至少一种。

本公开实施例提供了一种新的网络课程推荐方法，该方法包括：响应于用户通过用户终端发送的观看网络课程的请求，获取用户的属性，并从预设数据库中获取各网络课程被学习的历史数据，根据历史数据确定标杆学员信息，其中，标杆学员信息包括标杆学员的属性，以及被标杆学员学习的网络课程，且标杆学员的学习参数大于预设的参数阈值，根据被标杆学员学习的网络课程确定待推荐候选集，根据用户的属性、标杆学员的属性和待推荐候选集确定目标推荐课程，将目标推荐课程推送至用户终端，以便用户终端对目标推荐课程进行显示，通过确定标杆学员信息，并根据标杆学员信息确定待推荐候选集，并根据用户的属性和标杆学员的属性从带推荐候选集中确定目标推荐课程，以便精准确定与用户需求相匹配的网络课程，并将目标推荐网络课程推送至用户终端，以便用户通过用户终端从目标推荐课程中选取相应的网络课程进行观看，从而实现了基于用户的需求为用户推荐网络课程，且推荐的网络课程具有代表性，进而实现提高推荐的成功率的技术效果。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本公开实施例的网络课程推荐方法的应用场景的示意图；

图2为本公开实施例的用户终端的显示界面示意图；

图3为本公开实施例的网络课程推荐方法的流程示意图；

图4为本公开另一实施例的用户终端的显示界面示意图；

图5为本公开另一实施例的网络课程推荐方法的流程示意图；

图6为本公开实施例的根据用户的属性、标杆学员的属性和待推荐候选集确定目标推荐课程的方法的流程示意图；

图7为本公开实施例的网络课程推荐装置的模块示意图；

图8为本公开另一实施例的网络课程推荐装置的模块示意图；

图9为本公开实施例的电子设备的结构示意图；

附图标记：10、用户，20、用户终端，3、推荐平台，1、获取模块，2、第一确定模块，3、第二确定模块，4、推送模块，5、第三确定模块，6、删除模块。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本公开实施例提供的网络课程推荐方法，可以适用于如图1所示的场景。

在如图1所示的应用场景中，用户10可通过用户终端20下载推荐平台30对应的app，下载完成后可在用户终端20上显示推荐平台30对应的app的图标。

其中，推荐平台30可以是企业基于企业文化设计的平台，也可以是优酷、腾讯视频等视频播放器。

在一些实施例中，当用户10有学习网络课程的需求时，用户10可以通过点击用户终端20上的app的图标触发观看网络课程的请求。推荐平台30在接收到观看网络课程的请求时，将网络课程推荐至用户终端20。用户终端20对推荐平台30推荐的网络课程进行显示，如图2所示。当用户10可通过点击用户终端20上显示的网络课程开启该网络课程的播放。当然，用户10也可通过语音的方式对网络课程进行选择。

当用户10为首次通过用户终端20登陆推荐平台30时，可进行注册，并填写相应的注册信息(包括后文中的属性)，注册信息包括但不限于用户10的年龄、专业类型、性别、所属企业的部门、手机号码和身份证号码等。推荐平台30对注册信息进行存储。

在一些实施例中，推荐平台30根据接收到的注册信息完成对用户10的注册。且为了对不同的用户进行区分，可分别为不同的用户分配不同的标识，标识可以是根据不同用户的手机号码进行确定，或者根据不同的用户的身份证号码进行确定。

且，在一些实施例中，为了便于对网络课程的管理，以便在推荐过程中节约计算量等，推荐平台30还可以为每个网络课程分配不同的标识。

下面以具体地实施例对本公开的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。

一个方面，本公开实施例提供了一种适用于上述场景的网络课程推荐方法。

请参阅图3，图3为本公开实施例的网络课程推荐方法的流程示意图。

如图3所示，该方法包括：

s101：响应于用户通过用户终端发送的观看网络课程的请求，获取用户的属性，并从预设数据库中获取各网络课程被学习的历史数据。

在一些实施例中，执行本公开实施例的网络课程推荐方法的主体可以为网络课程推荐装置，网络课程推荐装置具体可以为推荐平台(如图1所示)，亦可以为服务器等。

结合图1所示的应用场景，在该步骤中，用户10通过点击用户终端20上的推荐平台30的app图标触发观看网络课程的请求。当然，用户10也可以通过语音指令的方式触发用户终端20向推荐平台30发送观看网络课程的请求。

推荐平台30中包括数据库，数据库中存储了各用户(即各学员)的属性、各网络课程，以及各网络课程被各用户(包括用户10和其他用户)学习的历史数据，如学习的时间、学习的次数等。

在一些实施例中，用户10通过用户终端20开启推荐平台30的app，推荐平台30可获取用户终端20的终端编号(可以理解的是，不同的用户终端对应的终端编号并不相同)，根据终端编号确定与该用户终端20对应的用户10的属性。

在另一些实施例中，用户在首次登陆推荐平台30时，在填写注册信息的同时，需要填写用户名和密码，以便后续登陆。当用户10再次登陆时，即用户10通过用户终端20开启推荐平台30的app时，推荐平台30生成登陆指示，并将登陆指示推送至用户终端20，用户终端20根据登陆指示显示登陆界面，如图4所示。用户10在用户终端20上输入用户名和密码，正式启动推荐平台30。推荐平台30对用户终端20反馈的用户名和密码进行判断该用户10是否为合法用户(即用户10此次输入的用户名与密码是否与注册时设置的相同)，如果是，则推荐平台30根据用户10的用户名从注册信息中提取用户10的属性。

s102：根据历史数据确定标杆学员信息，其中，标杆学员信息包括标杆学员的属性，以及被标杆学员学习的网络课程，且标杆学员的学习参数大于预设的参数阈值。

其中，参数阈值可基于需求进行设定。

在该步骤中，具体地，确定学习参数大于参数阈值的学员，将该部分学员确定为标杆学员，确定标杆学员对应的标杆学员的属性，以及被标杆学员学习的网络课程，将确定出的标杆学员的属性和被标杆学员学习的网络课程确定为标杆学员信息。

示范性地，共有m个学员，其中n个学员的学习参数大于参数阈值，则将该n个学员确定为标杆学员。从数据库中提取该n个标杆学员中的每一个标杆学员的属性，并提取每一个标杆学员学习过的网络课程。

在一些实施例中，用户的属性包括用户的性别、岗位、职称、年龄和专业类别中的至少一种；

以及，标杆学员的属性包括标杆学员的性别、岗位、职称、年龄和专业类别中的至少一种。

s103：根据被标杆学员学习的网络课程确定待推荐候选集。

基于上述示例，在一些实施例中，可将n个标杆学员的所有网络课程均添加至待推荐候选集。

当然，在另一些实施例中，也可对n个标杆学员的所有网络课程进行排序，并从排序中选取被n个标杆学员学习次数最多的n个网络课程添加至待推荐候选集。

当然，在另一些实施例中，也可对n个标杆学员的所有网络的学习时长进行排序，从排序中选取学习时长最长的n个网络课程添加至待推荐候选集。

s104：根据用户的属性、标杆学员的属性和待推荐候选集确定目标推荐课程。

在该步骤中，根据用户的属性和标杆学员的属性从待推荐候选集中选取目标推荐课程。

s105：将目标推荐课程推送至用户终端，以便用户终端对目标推荐课程进行显示。

结合图1所示的应用场景，推荐平台30确定目标推荐推荐课程时，将确定出的目标推荐课程推送至用户终端20，用户终端20对目标推荐课程进行显示，如图2所示。

值得说明的是，该方法尤其适用于学习量较低的用户。

本公开实施例提供了一种新的网络课程推荐方法，该方法包括：响应于用户通过用户终端发送的观看网络课程的请求，获取用户的属性，并从预设数据库中获取各网络课程被学习的历史数据，根据历史数据确定标杆学员信息，其中，标杆学员信息包括标杆学员的属性，以及被标杆学员学习的网络课程，且标杆学员的学习参数大于预设的参数阈值，根据被标杆学员学习的网络课程确定待推荐候选集，根据用户的属性、标杆学员的属性和待推荐候选集确定目标推荐课程，将目标推荐课程推送至用户终端，以便用户终端对目标推荐课程进行显示，通过确定标杆学员信息，并根据标杆学员信息确定待推荐候选集，并根据用户的属性和标杆学员的属性从带推荐候选集中确定目标推荐课程，以便精准确定与用户需求相匹配的网络课程，并将目标推荐网络课程推送至用户终端，以便用户通过用户终端从目标推荐课程中选取相应的网络课程进行观看，从而实现了基于用户的需求为用户推荐网络课程，且推荐的网络课程具有代表性，进而实现提高推荐的成功率的技术效果。

在一些实施例中，学习参数包括学习次数和学习网络课程数量，参数阈值包括次数阈值和数量阈值，学习参数大于预设的参数阈值包括：

学习次数大于次数阈值，且学习网络课程数量大于数量阈值。

也就是说，若某学员的学习次数大于次数阈值，且该学员的学习网络课程数量大于数量阈值，则可将该学员确定为标杆学员。

示范性地，lni为学员i的学习次数，m1为次数阈值，cni为学员i的学习网络课程数量，m2为数量阈值。若lni大于m1，且cni大于m2，则将学员i确定为标杆学员。

在一些实施例中，基于用户的历史学习记录，根据用户的历史学习量确定相应的参数阈值，若用户的历史学习量很低，则该用户为低学习量学员(可基于需求设置相应的阈值，并将历史学习量低于该阈值的用户确定为低学习量学员)，则可将m1确定为次数阈值的下限值，并设置m11为次数阈值的上限值，则标杆学员的学习次数位于m1至m11之间。

在一些实施例中，若某学员完成一定比例p的网络课程时长(例如p＝80％)，则认为该学员完成该网络课程的学习。如，令其中，ji为学员i的学习网络课程数量(学习过但不一定学完该网络课程)，其中，lti，j为学员i对网络课程j的学习时长，ctj为网络课程j的课程时长。

请参阅图5，图5为本公开另一实施例的网络课程推荐方法的流程示意图。

如图5所示，该方法包括：

s201：响应于用户通过用户终端发送的观看网络课程的请求，获取用户的属性，并从预设数据库中获取各网络课程被学习的历史数据。

其中，s201的描述可参见s101，此处不再赘述。

s202：根据历史数据确定标杆学员信息，其中，标杆学员信息包括标杆学员的属性，以及被标杆学员学习的网络课程，且标杆学员的学习参数大于预设的参数阈值。

其中，s202的描述可参见s102，此处不再赘述。

s203：根据被标杆学员学习的网络课程确定待推荐候选集。

其中，s203的描述可参见s103，此处不再赘述。

s203’：确定待推荐候选集中各网络课程的平均学习时长和平均学习完成量。

s204’：根据平均学习时长和平均学习完成量确定学习量。

s205’：从待推荐候选集中删除学习量小于预设学习量阈值的网络课程。

示范性地，cttj为课程j的平均学习时长，ctcj为课程j的平均学习完成量。其中，其中，其中，sti，j为每个标杆学员对网络课程c1j的学习时长。

在一些实施例中，若某学员完成一定比例p的网络课程时长(例如p＝80％)，则认为该学员完成该网络课程学习。

令，其中，其中，lti，j的定义可参见上述示例，此处不再赘述。

令学习量其中，α+β＝1，0≤α，β≤1。根据学习量c1j，取最大的n个网络课程作为目标推荐课程。

s204：根据用户的属性、标杆学员的属性和经过删除处理的待推荐候选集确定目标推荐课程。

在该步骤中，根据用户的属性和标杆学员的属性从经过删除处理的待推荐候选集中选取目标推荐课程。

s205：将目标推荐课程推送至用户终端，以便用户终端对目标推荐课程进行显示。

其中，s205的描述可参见s105，此处不再赘述。

结合图6可知，在一些实施例中，s104包括：

s1041：确定用户的属性与标杆学员的属性的相似度。

基于上述示例可知，用户的属性包括但不限于用户的年龄、性别、专业类型、所属企业、所属企业的子组织，标杆学员的属性亦包括但不限于标杆学员的年龄、性别、专业类型、所属企业、所属企业的子组织。

确定相似度即为确定用户与标杆学员的属性值(或者称为对标值)acj，其中，其中，k为属性的数量，若用户与标杆学员具有相同的属性，则ak＝1，否则，ak＝0。

s1042：从待推荐候选集中选取相似度大于预设相似度阈值的标杆学员的网络课程。

s1043：将选取出的网络课程确定为目标推荐课程。

在一些实施例中，在选取出的网络课程中选取学习量最大的前m个网络课程确定为目标推荐课程。

根据本公开实施例的另一个方面，本公开实施例还提供了一种网络课程推荐装置。

请参阅图7，图7为本公开实施例的网络课程推荐装置的模块示意图。

如图7所示，该装置包括：

获取模块1，用于响应于用户通过用户终端发送的观看网络课程的请求，获取所述用户的属性，并从预设数据库中获取各网络课程被学习的历史数据；

第一确定模块2，用于根据所述历史数据确定标杆学员信息，其中，所述标杆学员信息包括标杆学员的属性，以及被所述标杆学员学习的网络课程，且所述标杆学员的学习参数大于预设的参数阈值；

第二确定模块3，用于根据被所述标杆学员学习的网络课程确定待推荐候选集，并根据所述用户的属性、所述标杆学员的属性和所述待推荐候选集确定目标推荐课程；

推送模块4，用于将所述目标推荐课程推送至所述用户终端，以便所述用户终端对所述目标推荐课程进行显示。

在一些实施例中，所述学习参数包括学习次数和学习网络课程数量，所述参数阈值包括次数阈值和数量阈值；

以及，所述学习次数大于所述次数阈值，且所述学习网络课程数量大于所述数量阈值。

结合图8可知，在一些实施例中，所述装置还包括：

第三确定模块5，用于确定所述待推荐候选集中各网络课程的平均学习时长和平均学习完成量，并根据所述平均学习时长和所述平均学习完成量确定学习量；

删除模块6，用于从所述待推荐候选集中删除所述学习量小于预设学习量阈值的网络课程；

以及所述第二确定模块3具体用于，根据所述用户的属性、所述标杆学员的属性和经过删除处理的待推荐候选集确定所述目标推荐课程。

在一些实施例中，所述第二确定模块具体用于，确定所述用户的属性与所述标杆学员的属性的相似度；从所述待推荐候选集中选取相似度大于预设相似度阈值的标杆学员的网络课程；将选取出的网络课程确定为目标推荐课程。

在一些实施例中，所述用户的属性包括所述用户的性别、岗位、职称、年龄和专业类别中的至少一种；

以及，所述标杆学员的属性包括所述标杆学员的性别、岗位、职称、年龄和专业类别中的至少一种。

根据本公开实施例的另一个方面，本公开实施例还提供了一种网络课程推送系统，所述系统包括：用户终端和如上任一实施例所述的网络课程推荐装置，其中，

所述用户终端用于，向所述网络课程推荐装置发送观看网络课程的请求，并对所述网络课程推荐装置推送的目标推荐课程进行显示。。

根据本公开实施例的另一个方面，本公开实施例还提供了一种电子设备，包括：存储器，处理器；

存储器用于存储处理器可执行指令的存储器；

其中，当执行存储器中的指令时，处理器被配置为实现如上任一实施例所述的方法。

请参阅图9，图9为本公开实施例的电子设备的结构示意图。

如图9所示，该电子设备包括存储器和处理器，该电子设备还可以包括通信接口和总线，其中，处理器、通信接口和存储器通过总线连接；处理器用于执行存储器中存储的可执行模块，例如计算机程序。

其中，存储器可能包含高速随机存取存储器(ram，randomaccessmemory)，也可能还包括非不稳定的存储器(non-volatilememory)，例如至少一个磁盘存储器。通过至少一个通信接口可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。

总线可以是isa总线、pci总线或eisa总线等。总线可以分为地址总线、数据总线、控制总线等。

其中，存储器用于存储程序，处理器在接收到执行指令后，执行程序，前述本公开实施例任一实施例揭示的方法可以应用于处理器中，或者由处理器实现。

处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(centralprocessingunit，简称cpu)、网络处理器(networkprocessor，简称np)等；还可以是数字信号处理器(digitalsignalprocessing，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现成可编程门阵列(field-programmablegatearray，简称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。结合本公开实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。

根据本公开实施例的另一个方面，本公开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中存储有计算机执行指令，所述计算机执行指令被处理器执行时用于实现如上任一实施例所述的方法。

读者应理解，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必针对的是相同的实施例或示例。而且，描述的具体特征、结构或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

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，上述描述的装置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。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

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单元来实现本公开实施例方案的目的。

另外，在本公开各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本公开的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或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中，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)执行本公开各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

还应理解，在本公开各实施例中，上述各过程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，而不应对本公开实施例的实施过程构成任何限定。

以上，仅为本公开的具体实施方式，但本公开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公开揭露的技术范围内，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公开的保护范围之内。因此，本公开的保护范围应以权利要求的保护范围为准。