商户排序方法、装置、介质及电子设备与流程

本公开涉及电子商务技术领域，具体涉及一种商户排序方法商户排序装置、计算机可读介质及电子设备。

背景技术：

随着计算机和互联网技术的发展，通过网络平台进行电子商务交易已经逐渐成为人们生活中必不可少的一部分。例如，饮食、衣物、家具、电器等商品均可以通过电子商城的网站或者应用程序进行购买或者销售。这种通过网络平台的交易方式，不仅可以降低交易成本，而且可以帮助消费者快速准确地对商户和商品进行筛选。

在各种类型的网络平台上，一般会根据商户的热门程度进行排序以形成热门榜单。热门榜单作为消费者进行商户交易决策的重要参考，是消费者寻找高人气商户的主要途径，可以给排序靠前的商户带来明显的流量提升。现有的网络平台大多采用单一维度进行排序，例如将商户网络页面的点击量作为衡量商户热门程度的标准。这种排序方式容易出现商户作弊行为，影响商户排序的有效性。因此，如何提高商户排序的准确性和有效性的目前亟待解决的问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

本公开的目的在于提供一种商户排序方法、商户排序装置、计算机可读介质及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的商户排序维度单一、准确性低、有效性差等技术问题。

根据本公开的一个方面，提供一种商户排序方法，该方法包括：

基于至少一种热度类型的热度数据，确定待排序商户的第一排序值；

基于质量反馈特征，确定待排序商户的第二排序值；

基于所述第一排序值和所述第二排序值，确定所述待排序商户的综合排序值；

根据所述待排序商户的综合排序值，对所述待排序商户进行排序并输出所述待排序商户的排序结果。

在以上技术方案的基础上，在基于至少一种热度类型的热度数据，确定待排序商户的第一排序值之前，所述方法还包括：

获取与待排序商户相关的对应于至少一种热度类型的初始热度数据；

确定与所述初始热度数据相关的热度主体信息；

根据所述热度主体信息对所述初始热度数据进行有效性判断；

根据所述有效性判断的判断结果从所述初始热度数据中筛选得到有效热度数据。

在以上技术方案的基础上，所述至少一种热度类型包括访问流量，所述方法还包括：

获取与所述访问流量相关的访问主体类型信息和访问时间信息；

根据所述访问主体类型信息和所述访问时间信息确定所述访问流量的热度权重；

根据所述热度权重确定对应于所述访问流量的有效访问流量。

在以上技术方案的基础上，在基于质量反馈特征，确定待排序商户的第二排序值之前，所述方法还包括：

确定与当前时间节点相对应的历史反馈周期，并确定组成所述历史反馈周期的多个历史反馈区间；

分别在各个所述历史反馈区间内抽取所述待排序商户的区间质量特征，并在所述历史反馈周期内抽取所述待排序商户的周期质量特征；

根据所述区间质量特征和所述周期质量特征确定所述待排序商户的质量反馈特征。

在以上技术方案的基础上，所述基于质量反馈特征，确定待排序商户的第二排序值，包括：

确定与当前时间节点相对应的质量预测区间；

根据质量反馈特征确定对应于所述质量预测区间的质量预测特征；

根据所述质量预测特征确定所述待排序商户的第二排序值。

在以上技术方案的基础上，所述根据所述质量预测特征确定所述待排序商户的第二排序值，包括：

将所述质量预测特征输入预先训练的质量预测模型以得到所述待排序商户的质量标签和质量置信度；

对所述质量标签和所述质量置信度进行映射处理以得到所述待排序商户的第二排序值。

在以上技术方案的基础上，基于所述第一排序值和所述第二排序值，确定所述待排序商户的综合排序值，包括：

获取所述待排序商户的位置信息；

根据所述位置信息确定所述第一排序值和所述第二排序值的排序权重；

按照所述排序权重对所述第一排序值和所述第二排序值进行加权处理以得到所述待排序商户的综合排序值。

根据本公开的一个方面，提供一种商户排序装置，该装置包括：

第一排序模块，被配置为基于至少一种热度类型的热度数据，确定待排序商户的第一排序值；

第二排序模块，被配置为基于质量反馈特征，确定待排序商户的第二排序值；

综合排序模块，被配置为基于所述第一排序值和所述第二排序值，确定所述待排序商户的综合排序值；

排序输出模块，被配置为根据所述待排序商户的综合排序值，对所述待排序商户进行排序并输出所述待排序商户的排序结果。

根据本公开的一个方面，提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以上任一所述的方法。

根据本公开的一个方面，提供一种电子设备，包括处理器和存储器；其中，存储器用于存储所述处理器的可执行指令，所述处理器被配置为经由执行所述可执行指令来执行以上任一所述的方法。

本公开实施例所提供的技术方案中，通过从人气热度和商户质量两个维度对商户进行排序，可以避免单一排序维度带来的局限性，也可以杜绝商户数据造假，因此可以提高商户排序结果的准确性和有效性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

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。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示意性示出了本公开示例性实施方式中的商户排序方法的步骤流程图。

图2示意性地示出了本公开示例性实施方式中筛选热度数据的步骤流程图。

图3示意性地示出了本公开示例性实施方式中对访问流量进行有效性折算的步骤流程图。

图4示意性地示出了本公开示例性实施方式中获取质量反馈特征的步骤流程图。

图5示意性地示出了基于质量反馈特征确定第二排序值的步骤流程图。

图6示意性地示出了用于提取特征的时间区间示意图。

图7示意性地示出了在一应用场景中用于计算综合排序值的计算模型示意图。

图8示意性地示出了本公开示例性实施方式中商户排序装置的组成框图。

图9示意性示出本公开示例性实施方式中一种电子设备的模块示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施例使得本公开将更加全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

图1示意性示出了本公开示例性实施方式中的商户排序方法的步骤流程图。如图1所示，该商户排序方法主要可以包括以下步骤：

步骤s110：基于至少一种热度类型的热度数据，确定待排序商户的第一排序值。

参与排序的商户即为待排序商户，本步骤通过对各个待排序商户进行数据采集可以计算得到每个待排序商户的第一排序值。其中，用于计算第一排序值的数据主要是对应于一种或者多种热度类型的热度数据。例如，本步骤中的热度数据可以包括三种热度类型的数据，即种草数据、到店数据和访问流量。“种草”指的是分享推荐某一商品以激发他人购买欲望的行为；与一个待排序商户相关的种草数据可以是用户向其他网络平台转发该商户的次数或者向其他用户推荐该商户的次数。到店数据可以是待排序商户的线上用户实际到店消费的数量。访问流量可以是待排序商户的详情页的访问量。

步骤s120：基于质量反馈特征，确定待排序商户的第二排序值。

质量反馈特征是从待排序商户的历史交易数据中提取得到的特征，主要是由消费者对待排序商户的质量进行反馈的数据。例如，本步骤可以先获取待排序商户在一定历史周期内的交易订单数据，从这些交易订单数据中可以获取到消费者对商户的质量评价数据，如评价数量和差评率等等。在消费者完成消费后可以有选择性地对商户的质量作出评价，评价内容可以分为好评、中评、差评等多种不同的评价类型。一般而言，评价数量越多，商户质量评价的客观性越强，可靠性也越高。因此，本步骤可以将评价数量和差评率共同作为待排序商户的质量评价数据。对每个待排序商户的质量评价数据进行特征提取可以得到各个待排序商户的质量反馈特征，基于质量反馈特征可以计算得到待排序商户的第二排序值。

步骤s130：基于第一排序值和第二排序值，确定待排序商户的综合排序值。

第一排序值主要反映的是待排序商户的人气热度信息，而第二排序值可以反映待排序商户的质量信息，将第一排序值与第二排序值进行整合可以得到待排序商户的综合排序值。例如，本步骤可以按照预设权重对待排序商户的第一排序值和第二排序值进行加权求和以得到待排序商户的综合排序值。

步骤s140：根据待排序商户的综合排序值，对待排序商户进行排序并输出待排序商户的排序结果。

在得到每个待排序商户的综合排序值后，可以按照综合排序值的高低顺序对各个待排序商户进行排序，并最终输出得到待排序商户的排序结果。该排序结果可以表现为一个商户榜单，在商户榜单中排序靠前的商户，表示其人气热度较高且商户质量较好。

在本公开示例性实施方式提供的商户排序方法中，通过从人气热度和商户质量两个维度对商户进行排序，可以避免单一排序维度带来的局限性，也可以杜绝商户数据造假，因此可以提高商户排序结果的准确性和有效性。第一排序值作为基于人气热度的粗排维度，通过挖掘真实反应商户热度的特征，包括有效流量、实际到店情况、种草情况等，横向丰富商户画像，提升热门商户入围门槛。第二排序值作为基于商户质量的精排维度，从用户体验角度对热门商户的质量提出了新的定义，基于评论数量和差评率预测商户入榜之后的质量表现，提前规避低质量商户。本公开创新性地结合粗排维度和精排维度，可以在保证商户热度的基础上优化上榜商户质量。

为了避免商户造假和刷榜现象对排序结果的影响，本公开可以对采集到的商户数据进行筛选，以提高排序结果的有效性。图2示意性地示出了本公开示例性实施方式中筛选热度数据的步骤流程图。如图2所示，在步骤s110之前，对热度数据进行筛选的方法包括以下步骤：

步骤s210：获取与待排序商户相关的对应于至少一种热度类型的初始热度数据。

初始热度数据例如可以包括种草数据、到店数据、访问流量等等。与一个待排序商户相关的种草数据可以是用户向其他网络平台转发该商户的次数或者向其他用户推荐该商户的次数。到店数据可以是待排序商户的线上用户实际到店消费的数量。访问流量可以是待排序商户的详情页的访问量。

步骤s220：确定与初始热度数据相关的热度主体信息。

热度主体信息指的是产生初始热度数据的用户信息，例如与种草数据相关的热度主体信息可以包括转发用户的账号信息、转发时间信息，与到店数据相关的热度主体信息可以包括到店用户的账号信息、到店时间信息，与访问流量相关的热度主体信息可以包括访问用户的账号信息、访问时间信息。

步骤s230：根据热度主体信息对初始热度数据进行有效性判断。

根据步骤s220中获得的热度主体信息，可以对初始热度数据是否有效做出判断。举例而言，根据访问用户的访问时间信息可以确定访问用户在待排序商户的详情页面的停留时间，如果该停留时间小于预设时间阈值(如1秒)，则可以判断此次访问产生的访问流量为无效数据。产生无效数据的原因可能是用户的误操作，也可能是商户的数据造假行为。又例如，本步骤可以根据用户的账号信息判断每个转发用户、到店用户或者访问用户是否为真实用户，真实用户产生的热度数据为有效数据，而非真实用户(如僵尸号)产生的热度数据为无效数据。

步骤s240：根据有效性判断的判断结果从初始热度数据中筛选得到有效热度数据。

根据有效性判断的判断结果可以对每种热度类型的初始热度数据进行筛选，从而得到有效热度数据。以访问流量为例，某个待排序商户的初始热度数据为月均一万人次的访问流量，而经过有效性判断进行筛选后，可以得到其有效热度数据为月均七千人次的访问流量。

针对访问流量，本公开还可以按照一定的预设规则对其进行有效性折算，以便进一步提高数据的可靠性。图3示意性地示出了本公开示例性实施方式中对访问流量进行有效性折算的步骤流程图。如图3所示，对访问流量进行有效性折算的方法可以包括以下步骤：

步骤s310：获取与访问流量相关的访问主体类型信息和访问时间信息。

访问主体指的是对待排序商户的详情页面实施点击访问行为的用户主体，根据用户主体的账号注册时间，可以判断一个访问主体的访问主体类型为新用户或者非新用户，从而确定访问主体类型信息。例如，当一个用户主体的账号注册时间不足一个月时，可以判定该用户主体的访问主体类型为新用户；而如果其账号注册时间超过一个月，可以判定为访问主体类型为非新用户。访问时间信息指的是访问主体对待排序商户的详情页面实施点击访问行为的点击时间信息，以提供餐饮服务的商户为例，可以根据一天中的点击时间确定访问流量为晚间正餐流量和日间非正餐流量。

步骤s320：根据访问主体类型信息和访问时间信息确定访问流量的热度权重。

针对不同的访问主体类型和不同的访问时间，可以分配不同大小的热度权重。例如，针对访问主体类型，从注册时间的角度可以划分为新用户和非新用户两种类型，新用户指的是注册时间小于某一时间阈值(如一个月)的用户，非新用户指的是注册时间大于或等于该时间阈值的用户。对于新用户产生的访问流量，可以为其分配一个相对较低的热度权重；而对于非新用户产生的访问流量，可以为其分配一个相对较高的热度权重。另外，也可以从资深用户/普通用户等其他维度对访问主体类型进行划分；资深用户指的是通过金额充值或者官方认证等方式确定的有别于普通用户的特殊用户群体，例如可以是vip用户(veryimportantperson)；对于普通用户产生的访问流量，可以为其分配一个相对较低的热度权重；而对于资深用户产生的访问流量，可以为其分配一个相对较高的热度权重。针对访问时间，可以划分不同的时间范围，对不同时间范围内产生的访问流量可以分配不同的热度权重，以餐饮行业的商户为例，晚间时段(正餐时间)产生的访问流量可以分配相对较高的热度权重，日间时段(非正餐时间)产生的访问流量可以分配相对较低的热度权重。

步骤s330：根据热度权重确定对应于访问流量的有效访问流量。

利用热度权重对访问流量的数据进行加权计算，可以确定与之对应的有效访问流量。

用于计算第二排序值的质量反馈特征可以是对待排序商户的历史数据进行特征提取得到的。图4示意性地示出了本公开示例性实施方式中获取质量反馈特征的步骤流程图。如图4所示，获取质量反馈特征的方法可以包括以下步骤：

步骤s410：确定与当前时间节点相对应的历史反馈周期，并确定组成历史反馈周期的多个历史反馈区间。

步骤s420：分别在各个历史反馈区间内抽取待排序商户的区间质量特征，并在历史反馈周期内抽取待排序商户的周期质量特征。

步骤s430：根据区间质量特征和周期质量特征确定待排序商户的质量反馈特征。

历史反馈周期是以当前时间节点为终点的一个历史时间段，历史反馈周期由多个历史反馈区间组成。例如，历史反馈周期可以是在当前时间节点之前的一个月，历史反馈区间可以是这一个月内的每个周。考虑到商户流量的自然周期，如果单独以月为维度抽取商户特征，获得的数据特征具有滞后性，且样本不具有多样性；而如果单独以周为维度抽取商户特征，样本的代表性不足。因此，本公开示例性实施方式将短时间的区间质量特征和长时间的周期质量特征相结合，共同确定待排序商户的质量反馈特征，以提高质量反馈特征的表征能力。

图5示意性地示出了基于质量反馈特征确定第二排序值的步骤流程图。如图5所示，步骤s120：基于质量反馈特征，确定待排序商户的第二排序值，可以包括以下步骤：

步骤s510：确定与当前时间节点相对应的质量预测区间。

步骤s520：根据质量反馈特征确定对应于质量预测区间的质量预测特征。

步骤s530：根据质量预测特征确定待排序商户的第二排序值。

质量预测区间是以当前时间节点为起始点的未来的一段时间区间，例如可以是未来一周。根据由历史反馈周期以及历史反馈区间内提取数据得到的质量反馈特征，可以确定质量预测区间的质量预测特征，从而确定待排序商户的第二排序值。图6示意性地示出了用于提取特征的时间区间示意图。如图6所示，在当前时间节点601之前，可以确定一个质量反馈周期602，质量反馈周期602的时间跨度为一个月。质量反馈周期602由多个质量反馈区间603组成，每个质量反馈区间603的时间跨度为一周。在当前时间节点601之后，可以确定一个质量预测区间604，质量预测区间604的时间跨度可以与质量反馈区间603相同，也可以与之不同。以用户评论作为质量反馈的依据，根据过去一个月的用户评论数据，可以预测未来一周的评论数量和差评率等数据特征。

由步骤s520得到质量预测特征后，可以将其输入预先训练的质量预测模型以得到待排序商户的质量标签和质量置信度；然后，再对质量标签和质量置信度进行映射处理以得到待排序商户的第二排序值。

质量预测模型可以是预先训练得到的机器学习模型，由质量预测模型可以预测待排序商户的质量标签和质量置信度。

质量标签例如可以包括高、中、低三种类型。其中，质量标签预测为高的商户，表示其未来一段时间内的差评率很低且评论数较多，或者差评率较低且评论数很多。质量标签为中的商户，表示其未来一段时间内的差评率较高且评论数满足一定门槛。质量标签为低的商户，表示其未来一段时间内的差评率很高且评论数满足一定门槛，或者评论数很少。

质量置信度表示待排序商户被添加某一质量标签的可信程度，由质量预测模型根据质量预测特征计算得到。

利用预设的映射函数对质量标签和质量置信度进行映射处理即可得到待排序商户的第二排序值。例如第二排序值利用如下函数公式预测得到：

第二排序值＝f(predict_score,label,alpha)

其中，函数f可以是一单调递增函数，predict_score为质量置信度，label为质量标签，alpha是预测为不同质量标签时的调整参数。

在同一置信度下，模型预测质量标签分别为高、中、低的三个待排序商户，其第二排序值依次降低。而对于模型预测质量标签相同的两个待排序商户而言，质量置信度较高的商户，第二排序值也相对较高。

第一排序值是基于人气热度的粗排分数，而第二排序值是基于商户质量的精排分数，基于两种分数可以加权计算得到待排序商户的综合排序值。在一些可选的实施方式中，可以根据待排序商户的地理位置调整两种分数的权重。具体而言，可以先获取待排序商户的位置信息，然后根据位置信息确定第一排序值和第二排序值的排序权重，最后按照排序权重对第一排序值和第二排序值进行加权处理以得到待排序商户的综合排序值。

基于地理位置对两种分数在综合排序值中的占比进行调整，可以提高商户排序结果的灵活性和可靠性，符合线下商户的地域特征。

图7示意性地示出了在一应用场景中用于计算综合排序值的计算模型示意图。如图7所示，该计算模型可以包括粗排模型701和精排模型702两部分。

粗排模型701通过采集待排序商户的有效种草数据、有效到店数据和有效访问流量可以得到与人气热度相关的热度数据，基于该热度数据可以得到作为促排分数的第一排序值。

具体而言，在粗排模型701中，可以提取待排序商户最近一段时间内的有效流量。其中，用户在商户详情页的停留时长满足预设区间，非诚信判定作弊的流量，才算一次有效访问。对新用户和非新用户区分处理，并对晚间正餐流量和日间非正餐流量区分处理。根据以上筛选逻辑，可以计算得到商户近一段时间内的有效访问流量。另外，可以提取近一段时间有效到店和种草数据，过滤诚信判定作弊的虚假账号和设备并过滤线下活动导流数据后可以得到待排序商户的有效种草数据和有效到店数据。最后再对有效访问流量、有效种草数据和有效到店数据进行计算以得到第一排序值。

精排模型702是在粗排模型701的基础上构建的机器学习模型，用于预测商户入榜之后的商户质量。基于待排序商户的评价评分特征和商户稳定性，可以预测商户在未来一周的评论数及差评率，根据预测结果可以将商户质量评价为对应于高、中、低三个等级的商户标签，进而计算得到待排序商户的第二排序值。

最后将粗排模型701和精排模型702的输出结果整合成最后的综合排序值，用以对待排序商户完成排序。

需要说明的是，虽然以上示例性实施方式以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或者必须执行全部的步骤才能实现期望的结果。附加地或者备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

图8示意性地示出了本公开示例性实施方式中商户排序装置的组成框图。如图8所示，商户排序装置800主要可以包括以下组成部分：

第一排序模块810，被配置为基于至少一种热度类型的热度数据，确定待排序商户的第一排序值；

第二排序模块820，被配置为基于质量反馈特征，确定待排序商户的第二排序值；

综合排序模块830，被配置为基于第一排序值和第二排序值，确定待排序商户的综合排序值；

排序输出模块840，被配置为根据待排序商户的综合排序值，对待排序商户进行排序并输出待排序商户的排序结果。

在以上实施方式的基础上，商户排序装置800还可以进一步包括：

数据获取模块，被配置为获取与待排序商户相关的对应于至少一种热度类型的初始热度数据；

信息确定模块，被配置为确定与初始热度数据相关的热度主体信息；

有效性判断模块，被配置为根据热度主体信息对初始热度数据进行有效性判断；

数据筛选模块，被配置为根据有效性判断的判断结果从初始热度数据中筛选得到有效热度数据。

在以上实施方式的基础上，至少一种热度类型包括访问流量，商户排序装置800还可以进一步包括：

信息获取模块，被配置为获取与访问流量相关的访问主体类型信息和访问时间信息；

权重确定模块，被配置为根据访问主体类型信息和访问时间信息确定访问流量的热度权重；

流量确定模块，被配置为根据热度权重确定对应于访问流量的有效访问流量。

在以上实施方式的基础上，商户排序装置800还可以进一步包括：

历史时间确定模块，被配置为确定与当前时间节点相对应的历史反馈周期，并确定组成历史反馈周期的多个历史反馈区间；

特征抽取模块，被配置为分别在各个历史反馈区间内抽取待排序商户的区间质量特征，并在历史反馈周期内抽取待排序商户的周期质量特征；

质量反馈特征确定模块，被配置为根据区间质量特征和周期质量特征确定待排序商户的质量反馈特征。

在以上实施方式的基础上，第二排序模块820可以进一步包括：

质量预测区间确定单元，被配置为确定与当前时间节点相对应的质量预测区间；

质量预测特征确定单元，被配置为根据质量反馈特征确定对应于质量预测区间的质量预测特征；

第二排序值确定单元，被配置为根据质量预测特征确定待排序商户的第二排序值。

在以上实施方式的基础上，第二排序值确定单元可以进一步包括：

模型预测子单元，被配置为将质量预测特征输入预先训练的质量预测模型以得到待排序商户的质量标签和质量置信度；

映射处理子单元，被配置为对质量标签和质量置信度进行映射处理以得到待排序商户的第二排序值。

在以上实施方式的基础上，综合排序模块830可以进一步包括：

位置信息获取单元，被配置为获取待排序商户的位置信息；

排序权重确定单元，被配置为根据位置信息确定第一排序值和第二排序值的排序权重；

综合排序值确定单元，被配置为按照排序权重对第一排序值和第二排序值进行加权处理以得到待排序商户的综合排序值。

上述商户排序装置的具体细节已经在对应的商户排序方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施方式中，还提供一种计算机可读介质，其上存储有计算机程序，所述计算机程序被处理器执行时可实现本公开的上述的方法。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码；该程序产品可以存储在一个非易失性存储介质(可以是cd-rom、u盘或者移动硬盘等)中或网络上；当所述程序产品在一台计算设备(可以是个人计算机、服务器、终端装置或者网络设备等)上运行时，所述程序代码用于使所述计算设备执行本公开中上述各示例性实施例中的方法步骤。

根据本公开的实施方式的用于实现上述方法的程序产品可以采用便携式紧凑磁盘只读存储器(cd-rom)并包括程序代码，并可以在计算设备(例如个人计算机、服务器、终端装置或者网络设备等)上运行。然而，本公开的程序产品不限于此。在本示例性实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或者多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。

可读存储介质例如可以为但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件、或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件或者上述的任意合适的组合。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任意可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c++等，还包括常规的过程式程序设计语言，诸如c语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户计算设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络(包括局域网(lan)或广域网(wan)等)连接到用户计算设备；或者，可以连接到外部计算设备，例如利用因特网服务提供商来通过因特网连接。

在本公开的示例性实施方式中，还提供一种电子设备，所述电子设备包括至少一个处理器以及至少一个用于存储所述处理器的可执行指令的存储器；其中，所述处理器被配置为经由执行所述可执行指令来执行本公开中上述各示例性实施例中的方法步骤。

下面结合图9对本示例性实施方式中的电子设备900进行描述。电子设备900仅仅为一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

参见图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：至少一个处理单元910、至少一个存储单元920、连接不同系统组件(包括处理单元99和存储单元920)的总线930、显示单元940。

其中，存储单元920存储有程序代码，所述程序代码可以被处理单元910执行，使得处理单元910执行本公开中上述各示例性实施例中的方法步骤。

存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元921(ram)和/或高速缓存存储单元922，还可以进一步包括只读存储单元923(rom)。

存储单元920还可以包括具有一组(至少一个)程序模块925的程序/实用工具924，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其他程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用各种总线结构中的任意总线结构的局域总线。

电子设备900也可以与一个或多个外部设备1000(例如键盘、指向设备、蓝牙设备等)通信，还可以与一个或者多个使得用户可以与该电子设备900交互的设备通信，和/或与使得该电子设备900能与一个或多个其他计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(i/o)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(lan)、广域网(wan)和/或公共网络，例如因特网)通信。如图9所示，网络适配器960可以通过总线930与电子设备900的其他模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

本领域技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

上述所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中，如有可能，各实施例中所讨论的特征是可互换的。在上面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组件、材料等。在其它情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本公开的各方面。