基于用户画像的普惠金融快贷产品推荐方法和装置与流程

本发明涉及人工智能技术领域，尤其涉及一种基于用户画像的普惠金融快贷产品推荐方法和装置。

背景技术：

目前，普惠经营快贷产品分类和摆放均是按照内部管理视角来展示，没有从用户角度出发，推荐和展示适合用户的产品。银行从业人员多采用用户经理现场调研或者依赖于第三方授信等方式为某一用户群体形成较为固定的产品模型，这些方法存在效率较低且无法满足单一用户需求等问题，造成银行经营成本高且获客能力不足、单一用户满意度低等问题。

技术实现要素：

针对现有技术中的问题，本发明提供一种基于用户画像的普惠金融快贷产品推荐方法和装置、电子设备以及计算机可读存储介质，能够至少部分地解决现有技术中存在的问题，高效灵活推荐产品。

为了实现上述目的，本发明采用如下技术方案：

第一方面，提供一种基于用户画像的普惠金融快贷产品推荐方法，包括：

获取用户个人数据，所述用户个人数据包括：个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志；

对所述用户个人信息进行特征提取；

将提取到的用户特征作为预测样本输入预训练的基于k-means++算法的用户价值模型得到用户画像；

根据所述用户画像推荐普惠金融快贷产品。

进一步地，基于用户画像的普惠金融快贷产品推荐方法还包括：

获取训练样本并定义类别；

对每条训练样本打标签，所述标签包括基础信息标签以及动态信息标签；

随机选取一个训练样本作为初始聚类中心，计算每个训练样本与所述初始聚类中心之间的最短距离；

根据所述最短距离计算每个训练样本被选为下一个聚类中心的概率；

根据所述概率，按照轮盘法选择出下一个聚类中心，而后计算每个训练样本与当前聚类中心之间的最短距离，迭代选择聚类中心，最终选择出k个聚类中心；

选取距离当前用户较近的聚类中心所代表的类作为该用户的实际分类，将对应标签赋予用户，表征用户的金融消费倾向。

进一步地，基于用户画像的普惠金融快贷产品推荐方法还包括：

利用网络爬虫抓取用户个人数据。

进一步地，基于用户画像的普惠金融快贷产品推荐方法还包括：

对所述用户个人数据进行清洗和整合。

第二方面，提供一种基于用户画像的普惠金融快贷产品推荐装置，包括：

数据获取模块，获取用户个人数据，所述用户个人数据包括：个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志；

特征提取模块，对所述用户个人信息进行特征提取；

用户画像预测模块，将提取到的用户特征作为预测样本输入预训练的基于k-means++算法的用户价值模型得到用户画像；

产品推荐模块，根据所述用户画像推荐普惠金融快贷产品。

进一步地，基于用户画像的普惠金融快贷产品推荐装置还包括：

训练样本获取模块，获取训练样本并定义类别；

数据标签模块，对每条训练样本打标签，所述标签包括基础信息标签以及动态信息标签；

初始聚类模块，随机选取一个训练样本作为初始聚类中心，计算每个训练样本与所述初始聚类中心之间的最短距离；

概率计算模块，根据所述最短距离计算每个训练样本被选为下一个聚类中心的概率；

迭代选取模块，根据所述概率，按照轮盘法选择出下一个聚类中心，而后计算每个训练样本与当前聚类中心之间的最短距离，迭代选择聚类中心，最终选择出k个聚类中心；

分类模块，选取距离当前用户较近的聚类中心所代表的类作为该用户的实际分类，将对应标签赋予用户，表征用户的金融消费倾向。

进一步地，基于用户画像的普惠金融快贷产品推荐装置还包括：

数据爬取模块，利用网络爬虫抓取用户个人数据。

进一步地，基于用户画像的普惠金融快贷产品推荐装置还包括：

数据清洗整合模块，对所述用户个人数据进行清洗和整合。

第三方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的基于用户画像的普惠金融快贷产品推荐方法的步骤。

第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的基于用户画像的普惠金融快贷产品推荐方法的步骤。

本发明提供的基于用户画像的普惠金融快贷产品推荐方法和装置，适于金融领域，该方法包括：获取用户个人数据，所述用户个人数据包括：个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志；对所述用户个人信息进行特征提取；将提取到的用户特征作为预测样本输入预训练的基于k-means++算法的用户价值模型得到用户画像；根据所述用户画像推荐普惠金融快贷产品，其中，基于个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志等数据，结合k-means++算法评价用户画像，进而推荐快贷产品，对用户进行产品的智能推荐，辅助客户进行精准推荐，控制信贷风险的同时为不同客户提供不同产品，提高获客率。

为让本发明的上述和其他目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附图式，作详细说明如下。

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，下面将对实施例或现有技术描述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。在附图中：

图1为本发明实施例中的服务器s1与客户端设备b1之间的架构示意图；

图2为本发明实施例中的服务器s1、客户端设备b1及数据库服务器s2之间的架构示意图；

图3是本发明实施例中的基于用户画像的普惠金融快贷产品推荐方法的流程示意图一；

图4示出了本发明实施例中步骤s500～步骤s1000的具体内容；

图5例举了一种本发明实施例中的基于用户画像的普惠金融快贷产品推荐方法的流程；

图6示出了本发明实施例中的数据预处理装置的结构框图；

图7示出了本发明实施例中的模型预测装置的结构框图；

图8示出了本发明实施例中的模型优化装置的结构框图；

图9是本发明实施例中的基于用户画像的普惠金融快贷产品推荐装置的结构框图；

图10为本发明实施例电子设备的结构图。

具体实施方式

为了使本技术领域的人员更好地理解本申请方案，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的实施例，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，都应当属于本申请保护的范围。

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。

需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

现有快贷产品的推荐技术的效率较低且无法满足单一用户需求，造成银行经营成本高且获客能力不足、单一用户满意度低等问题。

为至少部分解决现有技术中的上述技术问题，本发明实施例提供一种基于用户画像的普惠金融快贷产品推荐方法，基于个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志等数据，结合k-means++算法评价用户画像，进而推荐快贷产品，对用户进行产品的智能推荐，辅助客户进行精准推荐，控制信贷风险的同时为不同客户提供不同产品，提高获客率。

有鉴于此，本申请提供了一种基于用户画像的普惠金融快贷产品推荐装置，该装置可以为一种服务器s1，参见图1，该服务器s1可以与至少一个客户端设备b1通信连接，所述客户端设备b1可以将用户个人数据发送至所述服务器s1，用户个人数据包括：个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志；所述服务器s1可以在线接收所述用户个人数据。所述服务器s1可以在线或者离线对获取的用户个人数据进行预处理，对所述用户个人信息进行特征提取；将提取到的用户特征作为预测样本输入预训练的基于k-means++算法的用户价值模型得到用户画像；根据所述用户画像推荐普惠金融快贷产品。而后，所述服务器s1可以将推荐结果在线发送至所述客户端设备b1。所述客户端设备b1可以在线接收所述推荐结果。

另外，参见图2，所述服务器s1还可以与至少一个数据库服务器s2通信连接，所述数据库服务器s2用于存储训练样本。所述数据库服务器s2在线将所述训练样本发送至所述服务器s1，所述服务器s1可以在线接收所述训练样本，而应用所述训练样本集对基于k-means++算法的用户价值模型进行模型训练。

可以理解的是，所述客户端设备b1可以包括智能手机、平板电子设备、网络机顶盒、便携式计算机、台式电脑、个人数字助理(pda)、车载设备、智能穿戴设备等。其中，所述智能穿戴设备可以包括智能眼镜、智能手表、智能手环等。

在实际应用中，进行基于用户画像的普惠金融快贷产品推荐的部分可以在如上述内容所述的服务器s1侧执行，即，如图1所示的架构，也可以所有的操作都在所述客户端设备b1中完成，且该所述客户端设备b1可以直接与数据库服务器s2进行通信连接。具体可以根据所述客户端设备b1的处理能力，以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述客户端设备b1中完成，所述客户端设备b1还可以包括处理器，用于进行基于用户画像的普惠金融快贷产品推荐的具体处理。

所述服务器与所述客户端设备之间可以使用任何合适的网络协议进行通信，包括在本申请提交日尚未开发出的网络协议。所述网络协议例如可以包括tcp/ip协议、udp/ip协议、http协议、https协议等。当然，所述网络协议例如还可以包括在上述协议之上使用的rpc协议(remoteprocedurecallprotocol，远程过程调用协议)、rest协议(representationalstatetransfer，表述性状态转移协议)等。

在本申请的一个或多个实施例中，所述测试用历史xx数据为未包含在用于模型训练的历史xx数据中的，且针对所述测试用历史xx数据，需获取其已知评价结果。

图3是本发明实施例中的基于用户画像的普惠金融快贷产品推荐方法的流程示意图一；如图3所示，该基于用户画像的普惠金融快贷产品推荐方法可以包括以下内容：

步骤s100：获取用户个人数据，所述用户个人数据包括：个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志；

步骤s200：对所述用户个人信息进行特征提取；

其中，发起数据抓取行为后，利用网络爬虫抓取用户的个人属性数据、征信数据、消费数据等信息，大数据平台首先由spark将抓取到的数据进行清洗与数据的整合交换，生成用于用户行为分析的建模数据，实现特征提取。

步骤s300：将提取到的用户特征作为预测样本输入预训练的基于k-means++算法的用户价值模型得到用户画像；

其中，采用k-means++算法搭建用户价值模型，从消费金融、财富管理、融资服务等角度出发，得到用户的基础信息标签及动态信息标签。

具体地，使用聚类算法(k-means++)对用户的行为日志进行分析处理，把用户抽象成标签的集合，达到为用户“画像”的目的。

步骤s400：根据所述用户画像推荐普惠金融快贷产品。

为解决在普惠经营快贷产品定制成本高、单一用户满意度低的问题，本发明提供了一种基于用户画像的交互式产品智能推荐方法，采用聚集爬虫抓取大数据平台分析处理动态数据，利用聚类算法(k-means++)搭建用户价值模型，高效全面地提供目标用户的用户画像。其优点如下：

1、提高了评估效率，基于大数据和机器学习预测用户需求，估值更为准确，一定程度上减少了人为评估的主观影响。

2、提高了获客率，避免单一产品无法满足所有用户需求的问题，细化金融产品，根据用户画像对不同客户进行智能推荐。

3、提高了准确性，系统可以抓取最新的数据，动态获取客户需求。同时采用结果反馈机制优化模型，进一步做到精准推荐。

在一个可选的实施例中，参见图4，该基于用户画像的普惠金融快贷产品推荐方法还可以包括：模型训练步骤；

其中，模型训练步骤可以包括以下内容：

步骤s500：获取训练样本并定义类别；

步骤s600：对每条训练样本打标签，所述标签包括基础信息标签以及动态信息标签；

步骤s700：随机选取一个训练样本作为初始聚类中心，计算每个训练样本与所述初始聚类中心之间的最短距离；

步骤s800：根据所述最短距离计算每个训练样本被选为下一个聚类中心的概率；

步骤s900：根据所述概率，按照轮盘法选择出下一个聚类中心，而后计算每个训练样本与当前聚类中心之间的最短距离，迭代选择聚类中心，最终选择出k个聚类中心；

步骤s1000：选取距离当前用户较近的聚类中心所代表的类作为该用户的实际分类，将对应标签赋予用户，表征用户的金融消费倾向。

具体地，采用k-means++算法搭建用户价值模型，从消费金融、财富管理、融资服务等角度出发，得到用户的基础信息标签及动态信息标签。将步骤2中清洗后得到数据送入模型训练，从数据集中随机选取一个样本作为初始聚类中心，然后计算每个样本与当前已有聚类中心之间的最短距离，进一步计算每个样本被选为下一个聚类中心的概率。最后，按照轮盘法选择出下一个聚类中心。最终选择出k个聚类中心。选取距离较近的聚类质心所代表的类作为该用户的实际分类，将对应标签赋予用户，表征用户的金融消费倾向。

为了使本领域技术人员更好地理解本申请，参见图6至图8，对本发明的实现过程进行补充说明：

为解决在普惠经营快贷产品定制成本高、单一用户满意度低的问题，本发明提供了一种基于用户画像的交互式产品智能推荐方法，结合用户的基本数据及用户浏览行为，通过以hadoop分布式集群为基础的大数据平台结合聚集算法，对数据进行加工处理，分析出用户兴趣偏好，为用户标记不同权重的标签，进而对用户进行产品的智能推荐。辅助客户进行精准推荐，控制信贷风险的同时为不同客户提供不同产品，提高获客率。

参见图5，本发明提供的基于用户画像的普惠金融快贷产品推荐方法，主要包括如下步骤：

步骤1)：抓取用户的个人属性数据、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送数据、访问日志等数据存入数据库。

步骤2)：大数据平台首先由spark将抓取到的数据进行清洗与数据的整合交换，生成用于用户行为分析的建模数据，通过步骤3)的算法对建模数据进行分析。

步骤3)：采用k-means++算法搭建用户价值模型，从消费金融、财富管理、融资服务等角度出发，得到用户的基础信息标签及动态信息标签。将步骤2中清洗后得到数据送入模型训练，从数据集中随机选取一个样本作为初始聚类中心，然后计算每个样本与当前已有聚类中心之间的最短距离，进一步计算每个样本被选为下一个聚类中心的概率。最后，按照轮盘法选择出下一个聚类中心。最终选择出k个聚类中心。选取距离较近的聚类质心所代表的类作为该用户的实际分类，将对应标签赋予用户，表征用户的金融消费倾向。

步骤4)：客户经理根据用户标签进行对应产品推荐。收集应用后的结果，进一步对模型进行优化。

参见图6至图8，包含如下装置：

数据预处理装置1，发起数据抓取行为，抓取用户的个人属性数据、征信数据、消费数据等信息，并进行数据清洗。

其中，数据预处理装置1可以包括数据清洗11、数据规约12以及数据变换13三个模块，对数据进行清洗、规约和变换。

模型预测装置2，发起用户价值评估行为，使用聚类算法(k-means++)对用户的行为日志进行分析处理，把用户抽象成标签的集合，达到为用户“画像”的目的。

其中，模型预测单元包括用于输入数据的数据输入单元21以及进行预测的模型预测单元22。

模型优化装置3，发起模型优化行为，采集使用模型后的业务数据及应用结果，进一步优化模型。

具体地，模型优化装置3包括数据输入单元31，用于输入模型优化数据，模型优化单元32用于对模型进行优化，进一步提高推荐效果。

基于同一发明构思，本申请实施例还提供了一种基于用户画像的普惠金融快贷产品推荐装置，可以用于实现上述实施例所描述的方法，如下面的实施例所述。由于基于用户画像的普惠金融快贷产品推荐装置解决问题的原理与上述方法相似，因此基于用户画像的普惠金融快贷产品推荐装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的，术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图9是本发明实施例中的基于用户画像的普惠金融快贷产品推荐装置的结构框图一。如图9所示，该基于用户画像的普惠金融快贷产品推荐装置具体包括：数据获取模块10、特征提取模块20、用户画像预测模块30以及产品推荐模块40。

数据获取模块10获取用户个人数据，所述用户个人数据包括：个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志；

特征提取模块20对所述用户个人信息进行特征提取；

用户画像预测模块30将提取到的用户特征作为预测样本输入预训练的基于k-means++算法的用户价值模型得到用户画像；

产品推荐模块40根据所述用户画像推荐普惠金融快贷产品。

其中，基于个人属性信息、征信信息、经营信息、不动产信息、贷款记录、账户流水、消费信息、合作方上送信息以及访问日志等数据，结合k-means++算法评价用户画像，进而推荐快贷产品，对用户进行产品的智能推荐，辅助客户进行精准推荐，控制信贷风险的同时为不同客户提供不同产品，提高获客率。

在一个可选的实施例中，基于用户画像的普惠金融快贷产品推荐装置还包括：训练样本获取模块、数据标签模块、概率计算模块、迭代选取模块以及分类模块。

训练样本获取模块，获取训练样本并定义类别；

数据标签模块，对每条训练样本打标签，所述标签包括基础信息标签以及动态信息标签；

初始聚类模块，随机选取一个训练样本作为初始聚类中心，计算每个训练样本与所述初始聚类中心之间的最短距离；

概率计算模块，根据所述最短距离计算每个训练样本被选为下一个聚类中心的概率；

迭代选取模块，根据所述概率，按照轮盘法选择出下一个聚类中心，而后计算每个训练样本与当前聚类中心之间的最短距离，迭代选择聚类中心，最终选择出k个聚类中心；

分类模块，选取距离当前用户较近的聚类中心所代表的类作为该用户的实际分类，将对应标签赋予用户，表征用户的金融消费倾向。

在一个可选的实施例中，基于用户画像的普惠金融快贷产品推荐装置还包括：数据爬取模块，利用网络爬虫抓取用户个人数据。

在一个可选的实施例中，基于用户画像的普惠金融快贷产品推荐装置还包括：数据清洗整合模块，对所述用户个人数据进行清洗和整合。

上述实施例阐明的装置、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电子设备，具体的，电子设备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。

在一个典型的实例中电子设备具体包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的基于用户画像的普惠金融快贷产品推荐方法的步骤。

下面参考图10，其示出了适于用来实现本申请实施例的电子设备600的结构示意图。

如图10所示，电子设备600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram))603中的程序而执行各种适当的工作和处理。在ram603中，还存储有系统600操作所需的各种程序和数据。cpu601、rom602、以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡，调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装如存储部分608。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的基于用户画像的普惠金融快贷产品推荐方法的步骤。

在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。

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。

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。

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。

本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请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，本申请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。