真实门店的验证方法、装置、设备及存储介质与流程

1.本技术属于数据处理领域，尤其涉及一种真实门店的验证方法、装置、设备及存储介质。


背景技术：

2.随着电子支付技术的发展，电子支付的应用范围也越来越广泛。人们在门店进行支付时，大多数情况下都会选择电子支付。在一些情况下，有部分人会伪造门店，利用伪造的门店进行收款，对用户的电子支付带来风险。因此，判断门店的真实性成为了重点关注的问题之一。
3.现阶段，判断门店的真实性需要派遣专门的工作人员进行网格化巡检，即派遣工作人员去往门店所在地一一进行实地巡检，但人工巡检判断门店真实性的速度较慢，效率也非常低。


技术实现要素：

4.本技术实施例提供一种真实门店的验证方法、装置、设备及存储介质，能够提高验证门店真实性的效率。
5.第一方面，本技术实施例提供一种真实门店的验证方法，包括：获取输入的第一门店的门店信息，门店信息包括门店名称和门店地址；基于第一门店的门店名称和第一门店的门店地址，在电子地图中的第一目标区域查找第一目标门店名称，第一目标门店名称为第一目标区域中与第一门店的门店名称的相似度满足第一预设条件的门店名称；基于第一门店的门店地址、预设的真实门店地址数据库和第一门店的门店名称，在电子地图中的第二目标区域查找第二目标门店名称，第二目标门店名称为第二目标区域中与第一门店的门店名称的相似度满足第二预设条件的门店名称，真实门店地址数据库包括真实门店的门店地址；在第一目标门店名称或第二目标门店名称存在的情况下，确定第一门店为真实门店。
6.第二方面，本技术实施例提供一种真实门店的验证装置，包括：获取模块，用于获取输入的第一门店的门店信息，门店信息包括门店名称和门店地址；第一查找模块，用于基于第一门店的门店名称和第一门店的门店地址，在电子地图中的第一目标区域查找第一目标门店名称，第一目标门店名称为第一目标区域中与第一门店的门店名称的相似度满足第一预设条件的门店名称；第二查找模块，用于基于第一门店的门店地址、预设的真实门店地址数据库和第一门店的门店名称，在电子地图中的第二目标区域查找第二目标门店名称，第二目标门店名称为第二目标区域中与第一门店的门店名称的相似度满足第二预设条件的门店名称，真实门店地址数据库包括真实门店的门店地址；确定模块，用于在第一目标门店名称或第二目标门店名称存在的情况下，确定第一门店为真实门店。
7.第三方面，本技术实施例提供一种真实门店的验证设备，包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现第一方面的真实门店的验证方法。
8.第四方面，本技术实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面的真实门店的验证方法。
9.本技术实施例提供一种真实门店的验证方法、装置、设备及存储介质，在本技术实施例中，可基于输入的第一门店的门店名称和第一门店的门店地址，在电子地图中的第一目标区域查找与第一门店的门店名称的相似度满足条件的门店名称即第一目标门店名称。还可并行基于输入的第一门店的门店地址、输入的第一门店的门店名称和预设的真实门店地址数据库中的真实门店的门店地址，在电子子图中的第二目标区域查找与第一门店的门店名称的相似度满足条件的门店名称即第二目标门店名称。能够查找到第一目标门店名称和第二目标名称中的至少一个，表示第一门店在电子地图中存在实体门店，即在现实世界存在实体门店，从而可确定门店的真实性，该过程不需人工参与，提高了验证门店真实性的效率。
附图说明
10.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单的介绍，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。
11.图1为本技术提供的真实门店的验证方法的一实施例的流程图；
12.图2为本技术提供的真实门店的验证方法的另一实施例的流程图；
13.图3为本技术实施例提供的第一区域与第二区域的一示例的示意图；
14.图4为本技术提供的真实门店的验证方法的再一实施例的流程图；
15.图5为本技术提供的真实门店的验证装置的一实施例的结构示意图；
16.图6为本技术提供的真实门店的验证装置的另一实施例的结构示意图；
17.图7为本技术提供的真实门店的验证设备的一实施例的结构示意图。
具体实施方式
18.下面将详细描述本技术的各个方面的特征和示例性实施例，为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本技术进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本技术，而不是限定本技术。对于本领域技术人员来说，本技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本技术的示例来提供对本技术更好的理解。
19.随着电子支付技术的发展，电子支付的应用范围也越来越广泛。人们在门店进行支付时，大多数情况下都会选择电子支付。在一些情况下，有部分人会伪造门店，利用伪造的门店进行收款，对用户的电子支付带来风险。因此，判断门店的真实性成为了重点关注的问题之一。真实的门店应该与现实世界中的一个实体门店对应。为了判断门店的真实性，可派遣专门的工作人员进行网格化巡检，即派遣工作人员去往门店所在地一一进行实地巡检，但人工巡检判断门店真实性的速度较慢，效率也非常低。而且，由于工作人员的资质参差不齐，有可能会出现误判、错判的情况，也会影响门店真实性的判断准确度。
20.本技术实施例提供一种真实门店的验证方法、装置、设备及存储介质，可结合电子
地图，利用输入的门店信息与电子地图中门店信息进行相似度比对，来验证门店的真实性，不需进行人工巡检，能够提高验证门店真实性的效率，在一定程度上，也能够提高验证门店真实性的准确度。
21.下面对本技术实施例中的真实门店的验证方法、装置、设备及存储介质一一进行说明。
22.本技术第一方面提供一种真实门店的验证方法，可应用于真实门店的验证装置或设备，即该真实门店的验证方法可由真实门店的验证装置或设备执行，在此并不限定。图1为本技术提供的真实门店的验证方法的一实施例的流程图。如图1所示，该真实门店的验证方法可包括步骤s101至步骤s104。
23.在步骤s101中，获取输入的第一门店的门店信息。
24.第一门店即为待验证的门店。门店信息包括门店名称和门店地址。第一门店的门店信息可为本文形式，或者为由图片或其他形式转换得到的文本形式。例如，第一门店的门店名称为“a1省a2市a3有限公司”，第一门店的门店地址为“a1省a2市a4区a5街道a6号”。
25.在一些示例中，可对门店名称进行去冗余处理。去冗余处理是将对相似度的准确性产生不良影响的字段从门店名称中去除。例如，“有限公司”、“公司”、“xx省”、“xx市”、“个体户”等字段是采集得到的门店名称中频繁出现的字段即冗余字段，容易对相似度产生不良影响，因此，可预先将门店名称中的冗余字段去除，利用去除冗余字段后的门店名称进行后续的步骤。
26.在步骤s102中，基于第一门店的门店名称和第一门店的门店地址，在电子地图中的第一目标区域查找第一目标门店名称。
27.第一目标门店名称为第一目标区域中与第一门店的门店名称的相似度满足第一预设条件的门店名称。具体地，可利用电子地图的搜索功能，在电子地图中搜索输入的第一门店的门店地址所能得到的位置，在包括该位置的一个区域即第一目标区域中查找与第一门店的门店名称的相似度满足第一预设条件的门店名称，将满足第一预设条件的门店名称作为第一目标门店名称。
28.第一预设条件用于筛选第一目标区域中最有可能指示的是第一门店的门店名称，在此并不限定。在一些示例中，第一预设条件可包括第一目标区域中与第一门店的门店名称的相似度最高且大于真实相似度阈值。也就是说，第一预设条件可包括两个条件，条件一：第一目标门店名称为第一目标区域中与第一门店的门店名称的相似度最高的门店名称；条件二：第一目标门店名称与第一门店的门店名称的相似度大于真实相似度阈值。真实相似度阈值可根据场景、需求、经验等设定，在此并不限定。例如，真实相似度阈值可为0.6。
29.但需要注意的是，也存在在第一目标区域中无法查找到与第一门店的门店名称的相似度满足第一预设条件的门店名称的情况，即可能发生第一目标门店名称不存在的情况。
30.在步骤s103中，基于第一门店的门店地址、预设的真实门店地址数据库和第一门店的门店名称，在电子地图中的第二目标区域查找第二目标门店名称。
31.真实门店地址数据库包括真实门店的门店地址。真实门店地址数据库中可包括通过各种方式累积得到的真实门店的门店地址。第二目标门店名称为第二目标区域中与第一门店的门店名称的相似度满足第二预设条件的门店名称。具体地，可先在真实门店地址数
据库中查找与第一门店的门店地址最相似的真实门店的门店地址，再利用电子地图的搜索功能，在电子地图中搜索最相似的真实门店的门店地址所能得到的位置，在包括该位置的一个区域即第二目标区域中查找与第一门店的门店名称的相似度满足第二预设条件的门店名称，将满足第二预设条件的门店名称作为第二目标门店名称。
32.第二预设条件用于筛选第二目标区域中最有可能指示的是第一门店的门店名称，在此并不限定。在一些示例中，第二预设条件可包括第二目标区域中与第一门店的门店名称的相似度最高且大于真实相似度阈值。也就是说，第二预设条件可包括两个条件，条件一：第二目标门店名称为第二目标区域中与第一门店的门店名称的相似度最高的门店名称；条件二：第二目标门店名称与第一门店的门店名称的相似度大于真实相似度阈值。真实相似度阈值的具体内容可参见上述实施例中的相关说明，在此不再赘述。
33.但需要注意的是，也存在在第二目标区域中无法查找到与第一门店的门店名称的相似度满足第二预设条件的门店名称的情况，即可能发生第二目标门店名称不存在的情况。
34.在步骤s104中，在第一目标门店名称或第二目标门店名称存在的情况下，确定第一门店为真实门店。
35.第一目标门店名称和第二目标门店名称中至少一个存在，表示在电子地图中与第一门店的门店信息的描述相匹配的区域内存在该第一门店，即第一门店在现实世界存在实体门店，可确定第一门店为真实门店。
36.在本技术实施例中，可基于输入的第一门店的门店名称和第一门店的门店地址，在电子地图中的第一目标区域查找与第一门店的门店名称的相似度满足条件的门店名称即第一目标门店名称。还可并行基于输入的第一门店的门店地址、输入的第一门店的门店名称和预设的真实门店地址数据库中的真实门店的门店地址，在电子子图中的第二目标区域查找与第一门店的门店名称的相似度满足条件的门店名称即第二目标门店名称。能够查找到第一目标门店名称和第二目标名称中的至少一个，表示第一门店在电子地图中存在实体门店，即在现实世界存在实体门店，从而可确定门店的真实性，该过程不需人工参与，提高了验证门店真实性的效率。而且，利用输入的门店信息结合电子地图，在电子地图中基于不同条件的两个目标区域中查找相似的门店名称，也能够避免查找过程中的误差，提高验证门店真实性的准确度。
37.在一些实施例中，可利用电子地图，分别基于第一门店的门店名称和第一门店的门店地址，转换得到对应的地理位置，从而得到第一目标区域和第二目标区域。图2为本技术提供的真实门店的验证方法的另一实施例的流程图。图2与图1的不同之处在于，图1中的步骤s102可具体细化为图2中的步骤s1021至步骤s1025，图1中的步骤s103可具体细化为图2中的步骤s1031至步骤s1035。
38.在步骤s1021中，利用电子地图，将第一门店的门店地址转换为第一地理位置。
39.具体地，可调用电子地图用于搜索周边兴趣点(point of interest，poi)功能的接口，将第一门店的门店地址输入电子地图的该接口，以利用电子地图，将第一门店的门店地址转换为地理位置即第一地理位置。第一地理位置为利用电子地图转换第一门店的门店地址得到的地理位置。第一地理位置具体可包括经度和纬度，也可包括其他具体参数，在此并不限定。
40.在步骤s1022中，计算第一门店的门店名称与电子地图中第一地理位置所在的第一区域内各门店的门店名称的相似度。
41.第一目标区域包括第一区域。第一区域包括第一地理位置，第一区域的大小、形状和位置可根据场景、需求、经验等设定，在此并不限定。在一些示例中，第一区域可为以第一地理位置为中心，以距离r1为半径的圆形区域，距离r1可根据场景、需求、经验等设定，例如，距离r1可为1000米。
42.第一门店的门店名称与第一区域中某一门店的门店名称的相似度越高，表示第一门店与第一区域中的这一门店为同一门店的可能性越高。第一门店的门店名称与第一区域中各门店的门店名称的相似度可基于门店名称属性方面的相似度计算得到。门店名称的属性方面可包括语义方面、特征结构方面、语序方面等中的一方面或两个方面以上，在此并不限定。
43.在步骤s1023中，根据第一门店的门店名称与第一区域内各门店的门店名称的相似度和第一预设条件，查找第一目标门店名称。
44.在第一区域内存在门店的门店名称与第一门店的门店名称的相似度满足第一预设条件的情况下，可将第一区域中该门店的门店名称作为第一目标门店名称。
45.例如，第一预设条件包括：第一目标区域中与第一门店的门店名称的相似度最高且大于真实相似度阈值。第一区域内包括5家门店，5家门店的门店名称分别为xxxx1、xxxx2、xxxx3、xxxx4和xxxx5，其中，xxxx3与第一门店的门店名称的相似度在这5家门店的门店名称与第一门店的门店名称的相似度是最高的，且xxxx3与第一门店的门店名称的相似度大于真实相似度阈值，则可将xxxx3作为第一目标门店名称。
46.在步骤s1024中，在第一区域内未查找到第一目标门店名称的情况下，计算第一门店的门店名称与电子地图中包围第一区域的第二区域内各门店的门店名称的相似度。
47.在一些情况下，由于电子地图对第一门店的门店名称到第一地理位置的转换出现误差或其他因素等，在第一区域内并不能查找到与第一门店的门店名称的相似度满足第一预设条件的门店的门店名称，即在第一区域内并不能查找到第一目标门店名称。在这种情况下，可扩大第一目标区域的范围，在扩大后的范围内继续查找第一目标门店名称。
48.具体地，第一目标区域还可包括第二区域。第二区域为第一区域向外的扩展，第二区域可包围第一区域。在一些示例中，第二区域的内边界可与第一区域的外边界重合或相邻，第一区域的外边界到第一地理位置的距离小于第二区域的外边界到第一地理位置的距离。第二区域可围绕第一地理位置设置，第二区域的外边界到第一地理位置的距离可根据场景、需求、经验等确定，在此并不限定，如第二区域的外边界到第一地理位置的距离可为2000米。例如，图3为本技术实施例提供的第一区域与第二区域的一示例的示意图。如图3所示，第一地理位置为o(gps_x，gps_y)，其中，gps_x为经度，gps_y为纬度；第一区域为以第一地理位置为中心，半径为r1的圆形区域；第二区域的内边界与第一区域的外边界重合，第二区域的外边界到第一地理位置o的距离为r2，第二区域为图3中的环形阴影区域。
49.第一门店的门店名称与第二区域中某一门店的门店名称的相似度越高，表示第一门店与第二区域中的这一门店为同一门店的可能性越高。第一门店的门店名称与第二区域中各门店的门店名称的相似度可基于门店名称属性方面的相似度计算得到。门店名称的属性方面可包括语义方面、特征结构方面、语序方面等中的一方面或两个方面以上，在此并不
限定。
50.在步骤s1025中，根据第一门店的门店名称与第二区域内各门店的门店名称的相似度和第一预设条件，查找第一目标门店名称。
51.在第二区域内存在门店的门店名称与第一门店的门店名称的相似度满足第一预设条件的情况下，可将第二区域中该门店的门店名称作为第一目标门店名称。
52.在步骤s1031中，从预设的真实门店地址数据库中，查找与第一门店的门店地址的相似度最高的第一门店地址。
53.具体地，可计算第一门店的门店地址与真实门店地址数据库中各真实门店的门店地址的相似度，将相似度最高的真实门店的门店地址确定为第一门店地址。第一门店的门店地址与真实门店的门店地址的相似度可基于门店地址的属性方面的相似度计算得到。门店地址的属性方面可包括语义方面、特征结构方面、语序方面等中的一方面或两个方面以上，在此并不限定。
54.在步骤s1032中，利用电子地图，将第一门店地址转换为第二地理位置。
55.具体地，可调用电子地图用于搜索周边兴趣点功能的接口，将第一门店地址输入电子地图的该接口，利用电子地图，将第一门店地址转换为地理位置即第二地理位置。第二地理位置为利用电子地图转换第一门店地址得到的地理位置。第二地理位置具体可包括经度和纬度，也可包括其他具体参数，在此并不限定。
56.在步骤s1033中，计算第一门店的门店名称与电子地图中第二地理位置所在的第三区域内各门店的门店名称的相似度。
57.第二目标区域包括第三区域。第三区域包括第二地理位置，第三区域的大小、形状和位置可根据场景、需求、经验等设定，在此并不限定。在一些示例中，第三区域可以第二地理位置为中心，以距离r3为半径的圆形区域，距离r3可根据场景、需求、经验等设定，例如，距离r3可为1000米。
58.第一门店的门店名称与第三区域中某一门店的门店名称的相似度越高，表示第一门店与第三区域中的这一门店为同一门店的可能性越高。第一门店的门店名称与第三区域中各门店的门店名称的相似度可基于门店名称属性方面的相似度计算得到。门店名称的属性方面可包括语义方面、特征结构方面、语序方面等中的一方面或两个方面以上，在此并不限定。
59.在步骤s1034中，根据第一门店的门店名称与第三区域内各门店的门店名称的相似度和第二预设条件，查找第二目标门店名称。
60.在第三区域内存在门店的门店名称与第一门店的门店名称的相似度满足第二预设条件的情况下，可将第三区域中该门店的门店名称作为第二目标门店名称。
61.在步骤s1035中，在第三区域内未查找到第二目标门店名称的情况下，计算第一门店的门店名称与包围第三区域的第四区域内各门店的门店名称的相似度。
62.在一些情况下，由于电子地图转换地理位置的误差、相似度计算误差或其他因素等，在第三区域内并不能查找到与与第一门店的门店名称的相似度满足第二预设条件的门店的门店名称，即在第三区域内并不能查找到第二目标门店名称。在这种情况下，可扩大第二目标区域的范围，在扩大后的范围内继续查找第二目标门店名称。
63.具体地，第二目标区域还可包括第四区域。第四区域为第三区域向外的扩展，第四
区域可包围第三区域。在一些示例中，第四区域的内边界可与第三区域的外边界重合或相邻，第三区域的外边界到第二地理位置的距离小于第四区域的外边界到第二地理位置的距离。第四区域可围绕第二地理位置设置，第四区域的外边界到第二地理位置的距离可根据场景、需求、经验等确定，在此并不限定，如第四区域的外边界到第二地理位置的距离可为2000米。第三区域与第四区域的关系可参见上述实施例中第一区域与第二区域的关系，在此不再赘述。
64.第一门店的门店名称与第四区域中某一门店的门店名称的相似度越高，表示第一门店与第四区域中的这一门店为同一门店的可能性越高。第一门店的门店名称与第四区域中各门店的门店名称的相似度可基于门店名称属性方面的相似度计算得到。门店名称的属性方面可包括语义方面、特征结构方面、语序方面等中的一方面或两个方面以上，在此并不限定。
65.在步骤s1036中，根据第一门店的门店名称与第四区域内各门店的门店名称的相似度和第二预设条件，查找第二目标门店名称。
66.在第四区域内存在门店的门店名称与第一门店的门店名称的相似度满足第二预设条件的情况下，可将第四区域中该门店的门店名称作为第二目标门店名称。
67.上述步骤s1021至步骤s1025是基于第一门店的门店名称得到第一地理位置，从而根据第一地理位置选定查找第一目标门店名称的第一目标区域。上述步骤s1031至步骤s1036是基于真实门店地址数据库中与第一门店的门店地址最相似的第一门店地址得到第二地理位置，从而根据第二地理位置选定查找第二目标门店名称的第二目标区域。通过两个目标区域即第一目标区域和第二目标区域的相互弥补，避免了由于某方面的误差导致的真实门店的误判，进一步提高了门店真实性判定的准确度。
68.在一些实施例中，可能会出现未查找到第一目标门店名称和第二目标门店名称的情况，为了避免真实门店的误判，可将查找范围扩大至整个电子地图的区域。图4为本技术提供的真实门店的验证方法的再一实施例的流程图。图4与图1的不同之处在于，图4所示的真实门店的验证方法还可包括步骤s105至步骤s109。
69.在步骤s105中，在第一目标门店名称和第二目标门店名称均不存在的情况下，计算第一门店的门店名称与电子地图中各门店的门店名称的相似度。
70.在未查找到第一目标门店名称和第二目标门店名称的情况下，可继续扩大查找范围。第一门店的门店名称与电子地图中各门店的门店名称的相似度可基于门店名称属性方面的相似度计算得到。门店名称的属性方面可包括语义方面、特征结构方面、语序方面等中的一方面或两个方面以上，在此并不限定。
71.在步骤s106中，获取电子地图中的候选门店。
72.候选门店包括门店名称与第一门店的门店名称的相似度高于真实相似度阈值的门店。真实相似阈值的具体内容可参见上述实施例中的相关说明，在此并不限定。
73.在步骤s107中，利用电子地图，获取候选门店的地理位置。
74.具体地，可获取候选门店在电子地图中的地理位置。候选门店的地理位置可包括候选门店的经度和纬度，也可包括其他具体参数，在此并不限定。
75.在步骤s108中，在候选门店的地理位置与第一地理位置的距离小于或等于预设距离阈值的情况下，确定第一门店为真实门店。
76.第一地理位置为将第一门店的门店地址利用电子地图转换得到的地理位置。预设距离阈值为用于判断第一门店是否为候选门店。预设距离阈值可根据场景、需求、经验等设定，在此并不限定。例如，预设距离阈值可为1000米。候选门店的地理位置与第一地理位置的距离小于或等于预设距离阈值，表示第一门店即为候选门店。候选门店为电子地图中记录的实体门店，因此确定第一门店为真实门店。
77.在步骤s109中，在候选门店的地理位置与第一地理位置的距离大于预设距离阈值的情况下，确定第一门店为非真实门店。
78.候选门店的地理位置与第一地理位置的距离大于预设距离阈值，表示第一门店不是候选门店。在电子地图中未找到与第一门店足够相似的实体门店，因此确定第一门店为非真实门店，即确定第一门店不是真实门店。
79.下面对上述实施例中关于门店名称的相似度的计算、门店地址的相似度的计算进行具体说明。
80.上述实施例中的相似度可基于属性相似度计算得到。具体地，门店名称的相似度可基于门店名称的属性相似度计算得到，同理，门店地址的相似度可基于门店地址的属性相似度计算得到。
81.属性相似度即为参与相似度计算的对象的属性方面的相似度。在一些示例中，属性相似度可包括但不限于以下一项或两项以上：语义相似度、特征结构相似度、语序相似度。例如，属性相似度包括语义相似度、特征结构相似度和语序相似度。
82.第一对象与第二对象的语义相似度指的是第一对象和第二对象在语义即语言的含义上的相似度。第一对象与第二对象的特征结构相似度指的是第一对象和第二对象在语言结构上的相似度。第一对象与第二对象的语序相似度指的是第一对象和第二对象在语序即语言里词语的组合次序上的相似度。
83.语义相似度可根据第一对象转换得到的特征向量和第二对象转换得到的特征向量计算得到。在第一对象包括第一门店的门店名称的情况下，第二对象包括门店名称，第二对象具体可包括上述实施例中的第一目标区域中门店的门店名称、第二目标区域中门店的门店名称、电子地图中门店的门店名称等，可根据具体需求选择，在此并不限定。在第一对象包括第一门店的门店名称的情况下，第二对象包括门店名称，第二对象具体可包括真实门店地址数据库中真实门店的门店地址，在此并不限定。
84.具体地，可通过文本特征抽取模型，将第一对象和第二对象分别转换为特征向量。在此并不限定文本特征抽取模型的类型，例如，文本特征抽取模型可为bert(即bidirectional encoder representation from transformers)模型，利用bert模型将第一对象和第二对象分别转换得到的特征向量可如下关系式(1)和(2)所示：
85.u＝bert(mchnt1)[
′
pooler_output
′
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0086]
v＝bert(mchnt2)[
′
pooler_output
′
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0087]
其中，bert为bert模型，mchnt1为第一对象，mchnt2为第二对象，u为第一对象转换得到的特征向量，v为第二对象转换得到的特征向量，pooler_output为抽取得到的句级别特征向量。第一对象和第二对象转换得到的特征向量为句级别特征向量。
[0088]
为了便于处理，可将第一对象转换得到的特征向量和第二对象转换得到的特征向量均设置为d维特征向量，d为正整数，可根据场景、需求、经验得到，在此并不限定。例如，d
可设置为3。
[0089]
在一些示例中，语义相似度可根据第一对象的特征向量的平均语义信息、第二对象的特征向量的平均语义信息和预设的平滑系数计算得到。可基于第一对象转换得到的特征向量和第二对象转换得到的特征向量，计算得到第一对象转换得到的特征向量的第一模长和第二对象转换得到的特征向量的第二模长。第一模长可为第一对象转换得到的特征向量的平均语义信息，第二模长可为第二对象转换得到的特征向量的平均语义信息。再根据第一模长与第二模长的乘积、第一模长的平方值、第二模长的平方值和预设的第一平滑系数，计算得到第一对象与第二对象的语义相似度。
[0090]
例如，第一对象与第二对象的语义相似度可由第一对象转换得到特征向量与第二对象转换得到的特征向量表示，可根据以下关系式(3)至(5)计算得到：
[0091][0092][0093][0094]
其中，ui为第一对象转换得到的特征向量中的第i维数据；vi为第二对象转换得到的特征向量中的第i维数据；d为特征向量的维度；μu为第一对象转换得到的特征向量的平均语义信息，即第一对象的句级别特征向量的模长，也就是第一模长；μv为第二对象转换得到的特征向量的平均语义信息，即第二对象的句级别特征向量的模长，也就是第二模长；c1为第一平滑系数；l(u,v)为第一对象转换得到的特征向量与第二对象转换得到的特征向量的语义相似度。第一平滑系数c1的取值可根据场景、需求、经验确定，在此并不限定。在一些示例中，第一平滑系数c1＜1。
[0095]
特征结构相似度可根据第一对象转换得到的特征向量和第二对象转换得到的特征向量计算得到。在第一对象包括第一门店的门店名称的情况下，第二对象包括门店名称，第二对象具体可包括上述实施例中的第一目标区域中门店的门店名称、第二目标区域中门店的门店名称、电子地图中门店的门店名称等，可根据具体需求选择，在此并不限定。在第一对象包括第一门店的门店名称的情况下，第二对象包括门店名称，第二对象具体可包括真实门店地址数据库中真实门店的门店地址，在此并不限定。
[0096]
具体地，可通过文本特征抽取模型，将第一对象和第二对象分别转换为特征向量。文本特征抽取模型以及特征向量的内容可参见上述实施例中的相关说明，在此不再赘述。第一对象转换得到的特征向量和第二对象换换得到的特征向量的关系式可参见上述实施例中的关系式(1)和(2)。
[0097]
在一些示例中，特征结构相似度可根据第一对象的特征向量的标准差、第二对象的特征向量的标准差、第一对象的特征向量与第二对象的特征向量的协方差和预设的第二平滑系数计算得到。基于第一对象转换得到的特征向量和第二对象转换得到的特征向量，计算得到第一对象转换得到的特征向量的第一标准差、第二对象转换得到的特征向量的第二标准差与第一对象转换得到的特征向量和第二对象转换得到的特征向量的协方差。再根据第一标准差与第二标准差的乘积、协方差和预设的第二平滑系数，计算得到第一对象与
第二对象的特征结构相似度。需要说明的是，计算特征结构相似度所用的第二平滑系数与计算语义相似度所用的第一平滑系数可以相同，也可不同，在此并不限定。
[0098]
例如，第一对象与第二对象的语义相似度可由第一对象转换得到的特征向量与第二对象转换得到的特征结构相似度表示，可根据以下关系式(6)至(9)计算得到：
[0099][0100][0101][0102][0103]
其中，ui、vi、μu、μv和d的定义与上述实施例中的定义相同，在此不再赘述；σu为第一对象转换得到的特征向量的标准差；σv为第二对象转换得到的特征向量的标准差；σ
uv
为第一对象转换得到的特征向量与第二对象转换得到的特征向量的协方差，即句级别特征在各个语义方向上变化的一致程度；s(u,v)为第一对象转换得到的特征向量与第二对象转换得到的特征结构相似度；c2为预设的第二平滑系数，可根据场景、需求、经验等设定，在此并不限定。例如，第二平滑系数c2＜1。
[0104]
语序相似度根据第一对象转换得到的特征矩阵和第二对象转换得到的特征矩阵计算得到。在第一对象包括第一门店的门店名称的情况下，第二对象包括门店名称，第二对象具体可包括上述实施例中的第一目标区域中门店的门店名称、第二目标区域中门店的门店名称、电子地图中门店的门店名称等，可根据具体需求选择，在此并不限定。在第一对象包括第一门店的门店名称的情况下，第二对象包括门店名称，第二对象具体可包括真实门店地址数据库中真实门店的门店地址，在此并不限定。
[0105]
具体地，可通过文本特征抽取模型，将第一对象和第二对象分别转换为特征矩阵。在此并不限定文本特征抽取模型的类型，例如，文本特征抽取模型可为bert模型，利用bert模型将第一对象和第二对象分别转换得到的特征矩阵可如下关系式(10)和(11)所示：
[0106]
n＝bert(mchnt1)[
′
last_hidden_state
′
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)
[0107]
m＝bert(mchnt2)[
′
last_hidden_state
′
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(11)
[0108]
其中，bert、mchnt1和mchnt2的定义与上述实施例中的定义相同，在此不再赘述；n为第一对象转换得到的特征矩阵；m为第二对象转换得到的特征矩阵；last_hidden_state为抽取得到的词级别特征矩阵。第一对象和第二对象转换得到的特征矩阵为词级别特征矩阵。
[0109]
为了便于处理，可将第一对象转换得到的特征矩阵设置为长度为第一对象的文本长度n、宽度为维度d的特征矩阵，即第一对象转换得到的特征矩阵为n
×
d矩阵。可将第二对象转换得到的特征矩阵设置为长度为第二对象的文本长度m、宽度为维度d的特征矩阵，第二对象转换得到的特征矩阵为m
×
d矩阵。特征矩阵的维度d可与上述实施例中特征向量的维度d相同。
[0110]
在一些示例中，语序相似度可利用n-gram模型来计算语序相似度。语序相似度可
根据第一对象转换得到的特征矩阵中连读多个词向量和第二对象转换得到的特征矩阵中连续多个词向量的相似度、第一对象的文本长度、第二对象的文本长度以及第一对象和第二对象的文本长度的惩罚项计算得到。可从第一对象转换得到的特征矩阵中获取列元素形成的第一词向量。从第二对象转换得到的特征矩阵中获取列元素形成的第二词向量。第一对象转换得到的特征矩阵中每列元素可形成一个第一词向量。第二对象转换得到的特征矩阵中每列元素可形成一个第二词向量。根据第一词向量和第二词向量，计算连续x个第一词向量与连续x个第二词向量之间的词向量相似度，x＝1,2,3，
…
。连续x个第一词向量与连续x个第二词向量的相似度可表征第一对象中文本长度为x的字串与第二对象中文本长度为x的字串的相似度。根据多个词向量相似度、第一对象的文本长度、第二对象的文本长度以及第一对象和第二对象的文本长度的惩罚项，计算得到语序相似度。结合x取不同值的情况下文本长度为x的字串与第二对象中文本长度为x的字串的相似度，以得到第一对象与第二对象语序相似度。
[0111]
例如，第一对象与第二对象的语序相似度可由第一对象转换得到的特征矩阵与第二对象转换得到的特征矩阵的语序相似度表示，可根据以下关系式(12)至(14)计算得到：
[0112][0113][0114][0115]
其中，max为取最大值计算；min为取最小值计算；pi为在匹配文本长度为i的条件下的匹配度即i-gram的匹配度；n为第一对象的文本长度；m为第二对象的文本长度；nj为第一对象转换得到的特征矩阵中第j列元素形成的第一词向量；m
j+k
为第二对象转换得到的特征矩阵中第j+k列元素形成的第二词向量；为点乘计算；为第一对象转换得到的特征矩阵和第二对象转换得到的特征矩阵的词级别特征进行点乘计算，表示两者的相似度；为共计算m-i轮的相似度的加和；pi为对计算的m-i轮的相似度的加和取平均值。为第一对象转换得到的特征矩阵中连续k个第一词向量和第二对象转换得到的特征矩阵中连续k个第二词向量的相似度；为第一对象转换得到的特征矩阵中连续k-1个第一词向量和第二对象转换得到的特征矩阵中连续k-1个第二词向量的相似度；为第一对象转换得到的特征矩阵中连续k-n+i个第一词向量和第二对象转换得到的特征矩阵中连续k-n+i个第二词向量的相似度；penalty为第一对象的文本长度和第二对象的文本长度的惩罚项；o(n,m)为第一对象转换得到的特征矩阵与第二对象转换得到的特征矩阵的语序相似度；ωi为i的倒数。i的最大取值，在此并不限定，可根据场景、需求、经验等设定。在一些示例中，为了便于计算，可使i的最大取值小于或等于4。在关系式(12)至(14)中，第一对象的文本长度与第二对象的文本长度相差越大，惩罚项的值越
低，第一对象与第二对象的语序相似度越低。
[0116]
在一些示例中，第一对象与第二对象的相似度可为各属性相似度的ai次方的乘积。ai为第i项所述属性相似度的权重参数，i为正整数。权重参数可根据各属性相似度的重要性设定，在此并不限定。在相似度包括一项属性相似度的情况下，第一对象与第二对象的相似度可为这一项属性相似度的a1次方。需要说明的是，ai中的i与上述关系式(1)至(14)中的i是相互独立的，并不相互影响。
[0117]
例如，属性相似度包括语义相似度，则相似度计算可根据以下关系式(15)计算得到：
[0118][0119]
其中，l(u,v)和a1可参见上述实施例中定义，在此不再赘述；sim(mchnt1,mchnt2)为第一对象和第二对象的相似度。
[0120]
又例如，属性相似度包括语义相似度和特征结构相似度，则相似度计算可根据以下关系式(16)计算得到：
[0121][0122]
其中，sim(mchnt1,mchnt2)、l(u,v)、s(u,v)、a1和a2可参见上述实施例中定义，在此不再赘述。
[0123]
再例如，属性相似度包括语义相似度、特征结构相似度和语序相似度，则相似度计算可根据以下关系式(17)计算得到：
[0124][0125]
其中，sim(mchnt1,mchnt2)、l(u,v)、s(u,v)、o(u,v)、a1、a2和a3可参见上述实施例中定义，在此不再赘述。
[0126]
下面以一示例来对上述真实门店的验证方法进行说明，其中真实相似度阈值为0.6。
[0127]
输入第一门店的门店名称“xxx”，该门店名称“xxx”未包括冗余字段。将门店名称“xxx”输入电子地图，通过电子地图转换得到第一地理位置(gps_x1，gps_y1)。在第一地理位置(gps_x1，gps_y1)周围1000米内可查找到的门店名称包括“yyy1”、“yyy2”和“yyy3”，其中，门店名称“xxx”与门店名称“yyy1”的相似度最高，下面给出门店名称“xxx”与门店名称“yyy1”的相似度计算过程。
[0128]
特征向量的维度以及特征矩阵的维度d＝3。属性相似度包括语义相似度、特征结构相似度和语序相似度，且a1＝a2＝a3＝1。按照上述关系式(1)至(14)以及(17)，可得到以下算式：
[0129]
u＝[-0.1170-0.0428-0.1075]；
[0130]
v＝[0.0212-0.2200-0.2130]；
[0131]
[0132][0133][0134][0135]
l(u,v)＝0.9164；
[0136]
σu＝0.0404；
[0137]
σv＝0.1373；
[0138]
σ
uv
＝0.003；
[0139]
s(u,v)＝0.6110；
[0140][0141]
p2≈p3≈0；
[0142]
penalty≈1；
[0143]
o(n,m)≈0.8181；
[0144]
s(u,v)＝0.6110；
[0145]
sim(mchnt1,mchnt2)＝0.9146
×
0.6110
×
0.8181＝0.4581；
[0146]
门店名称“xxx”与门店名称“yyy1”的相似度为0.4581，该相似度小于真实相似度阈值0.6，因此，并未在第一地理位置(gps_x1，gps_y1)周围1000米内查找到第一目标门店名称。扩大查找范围，在第一地理位置(gps_x1，gps_y1)周围1000米至2000米内再次进行查找和相似度计算，在第一地理位置(gps_x1，gps_y1)周围1000米至2000米内也未查找到第一目标门店名称。
[0147]
从预设的真实门店地址数据库中，查找得到与第一门店的门店地址“zzzz1”相似度最高的第一门店地址“zzzz2”，并将第一门店地址“zzzz2”输入电子地图，转换得到第二地理位置(gps_x2，gps_y3)。在第二地理位置(gps_x2，gps_y3)周围1000米内查找与门店名称“xxx”相似度最高的门店名称“xxx”，该查找到的门店名称“xxx”与第一门店的门店名称“xxx”的相似度大于真实相似度阈值，即存在第二目标门店名称，可判定输入的门店名称为“xxx”的第一门店为真实门店。
[0148]
本技术第二方面提供一种真实门店的验证装置。图5为本技术提供的真实门店的验证装置的一实施例的结构示意图。如图5所示，该真实门店的验证装置200可包括获取模块201、第一查找模块202、第二查找模块203和确定模块204。
[0149]
获取模块201可用于获取输入的第一门店的门店信息。
[0150]
门店信息包括门店名称和门店地址。
[0151]
第一查找模块202可用于基于第一门店的门店名称和第一门店的门店地址，在电子地图中的第一目标区域查找第一目标门店名称。
[0152]
第一目标门店名称为第一目标区域中与第一门店的门店名称的相似度满足第一预设条件的门店名称。
[0153]
在一些示例中，第一预设条件包括：第一目标区域中与第一门店的门店名称的相似度最高且大于真实相似度阈值。
[0154]
第二查找模块203可用于基于第一门店的门店地址、预设的真实门店地址数据库和第一门店的门店名称，在电子地图中的第二目标区域查找第二目标门店名称。
[0155]
真实门店地址数据库包括真实门店的门店地址。第二目标门店名称为第二目标区域中与第一门店的门店名称的相似度满足第二预设条件的门店名称。
[0156]
在一些示例中，第二预设条件包括：第二目标区域中与第一门店的门店名称的相似度最高且大于真实相似度阈值。
[0157]
确定模块204可用于在第一目标门店名称或第二目标门店名称存在的情况下，确定第一门店为真实门店。
[0158]
在本技术实施例中，可基于输入的第一门店的门店名称和第一门店的门店地址，在电子地图中的第一目标区域查找与第一门店的门店名称的相似度满足条件的门店名称即第一目标门店名称。还可并行基于输入的第一门店的门店地址、输入的第一门店的门店名称和预设的真实门店地址数据库中的真实门店的门店地址，在电子子图中的第二目标区域查找与第一门店的门店名称的相似度满足条件的门店名称即第二目标门店名称。能够查找到第一目标门店名称和第二目标名称中的至少一个，表示第一门店在电子地图中存在实体门店，即在现实世界存在实体门店，从而可确定门店的真实性，该过程不需人工参与，提高了验证门店真实性的效率。而且，利用输入的门店信息结合电子地图，在电子地图中基于不同条件的两个目标区域中查找相似的门店名称，也能够避免查找过程中的误差，提高验证门店真实性的准确度。
[0159]
在一些实施例中，第一查找模块202可用于：利用电子地图，将第一门店的门店地址转换为第一地理位置；计算第一门店的门店名称与电子地图中第一地理位置所在的第一区域内各门店的门店名称的相似度，第一目标区域包括第一区域；根据第一门店的门店名称与第一区域内各门店的门店名称的相似度和第一预设条件，查找第一目标门店名称。
[0160]
在一些实施例中，第一查找模块202还可用于：在第一区域内未查找到第一目标门店名称的情况下，计算第一门店的门店名称与电子地图中包围第一区域的第二区域内各门店的门店名称的相似度，第一目标区域还包括第二区域；根据第一门店的门店名称与第二区域内各门店的门店名称的相似度和第一预设条件，查找第一目标门店名称。
[0161]
在一些示例中，第一区域以第一地理位置为中心。第二区域的内边界与第一区域的外边界重合或相邻，第一区域的外边界到第一地理位置的距离小于第二区域的外边界到第一地理位置的距离。
[0162]
在一些实施例中，第二查找模块202可用于：从预设的真实门店地址数据库中，查找与第一门店的门店地址的相似度最高的第一门店地址；利用电子地图，将第一门店地址转换为第二地理位置；计算第一门店的门店名称与电子地图中第二地理位置所在的第三区域内各门店的门店名称的相似度，第二目标区域包括第三区域；根据第一门店的门店名称与第三区域内各门店的门店名称的相似度和第二预设条件，查找第二目标门店名称。
[0163]
在一些实施例中，第二查找模块202还可用于：在第三区域内未查找到第二目标门店名称的情况下，计算第一门店的门店名称与包围第三区域的第四区域内各门店的门店名称的相似度，第二目标区域还包括第四区域；根据第一门店的门店名称与第四区域内各门
店的门店名称的相似度和第二预设条件，查找第二目标门店名称。
[0164]
在一些示例中，第三区域以第二地理位置为中心。第四区域的内边界与第三区域的外边界重合或相邻，第三区域的外边界到第二地理位置的距离小于第四区域的外边界到第二地理位置的距离。
[0165]
图6为本技术提供的真实门店的验证装置的另一实施例的结构示意图。图6与图5的不同之处在于，图6所示的真实门店的验证装置200还可包括第三查找模块205。
[0166]
第三查找模块205可用于：在第一目标门店名称和第二目标门店名称均不存在的情况下，计算第一门店的门店名称与电子地图中各门店的门店名称的相似度；获取电子地图中的候选门店，候选门店包括门店名称与第一门店的门店名称的相似度高于真实相似度阈值的门店；利用电子地图，获取候选门店的地理位置。
[0167]
上述确定模块204还可用于：在候选门店的地理位置与第一地理位置的距离小于或等于预设距离阈值的情况下，确定第一门店为真实门店，第一地理位置为将第一门店的门店名称利用电子地图转换得到的地理位置；在候选门店的地理位置与第一地理位置的距离大于预设距离阈值的情况下，确定第一门店为非真实门店。
[0168]
上述实施例中的相似度基于属性相似度计算得到。
[0169]
在一些示例中，属性相似度包括以下一项或两项以上：语义相似度、特征结构相似度、语序相似度。
[0170]
在一些示例中，相似度为各属性相似度的ai次方的乘积，ai为第i项属性相似度的权重参数。
[0171]
在一些示例中，语义相似度根据第一对象转换得到的特征向量和第二对象转换得到的特征向量计算得到。
[0172]
特征结构相似度根据第一对象转换得到的特征向量和第二对象转换得到的特征向量计算得到。
[0173]
语序相似度根据第一对象转换得到的特征矩阵和第二对象转换得到的特征矩阵计算得到。
[0174]
其中，在第一对象包括第一门店的门店名称的情况下，第二对象包括门店名称。在第一对象包括第一门店的门店地址的情况下，第二对象包括门店地址。
[0175]
在一些示例中，上述真实门店的验证装置200还可包括计算模块。
[0176]
计算模块可用于：基于第一对象转换得到的特征向量和第二对象转换得到的特征向量，计算得到第一对象转换得到的特征向量的第一模长和第二对象转换得到的特征向量的第二模长；根据第一模长与第二模长的乘积、第一模长的平方值、第二模长的平方值和预设的第一平滑系数，计算得到第一对象与第二对象的语义相似度。
[0177]
计算模块可用于：基于第一对象转换得到的特征向量和第二对象转换得到的特征向量，计算得到第一对象转换得到的特征向量的第一标准差、第二对象转换得到的特征向量的第二标准差与第一对象转换得到的特征向量和第二对象转换得到的特征向量的协方差；根据第一标准差与第二标准差的乘积、协方差和预设的第二平滑系数，计算得到第一对象与第二对象的特征结构相似度。
[0178]
计算模块可用于：从第一对象转换得到的特征矩阵中获取列元素形成的第一词向量；从第二对象转换得到的特征矩阵中获取列元素形成的第二词向量；根据第一词向量和
第二词向量，计算连续x个第一词向量与连续x个第二词向量之间的词向量相似度，x＝1,2,3，
…
；根据多个词向量相似度、第一对象的文本长度、第二对象的文本长度以及第一对象和第二对象的文本长度的惩罚项，计算得到语序相似度。
[0179]
本技术第三方面还提供了一种真实门店的验证设备。图7为本技术提供的真实门店的验证设备的一实施例的结构示意图。如图7所示，真实门店的验证设备300包括存储器301、处理器302及存储在存储器301上并可在处理器302上运行的计算机程序。
[0180]
在一个示例中，上述处理器302可以包括中央处理器(cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0181]
存储器301可包括只读存储器(read-only memory，rom)，随机存取存储器(random access memory，ram)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本技术实施例中真实门店的验证方法所描述的操作。
[0182]
处理器302通过读取存储器301中存储的可执行程序代码来运行与可执行程序代码对应的计算机程序，以用于实现上述实施例中的真实门店的验证方法。
[0183]
在一个示例中，真实门店的验证设备300还可包括通信接口303和总线304。其中，如图7所示，存储器301、处理器302、通信接口303通过总线304连接并完成相互间的通信。
[0184]
通信接口303，主要用于实现本技术实施例中各模块、装置、单元和/或设备之间的通信。也可通过通信接口303接入输入设备和/或输出设备。
[0185]
总线304包括硬件、软件或两者，将真实门店的验证设备300的部件彼此耦接在一起。举例来说而非限制，总线304可包括加速图形端口(accelerated graphics port，agp)或其他图形总线、增强工业标准架构(enhanced industry standard architecture，eisa)总线、前端总线(front side bus，fsb)、超传输(hyper transport，ht)互连、工业标准架构(industry standard architecture，isa)总线、无限带宽互连、低引脚数(low pin count，lpc)总线、存储器总线、微信道架构(micro channel architecture，mca)总线、外围组件互连(peripheral component interconnect，pci)总线、pci-express(pci-e)总线、串行高级技术附件(serial advanced technology attachment，sata)总线、视频电子标准协会局部(video electronics standards association local bus，vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线304可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
[0186]
本技术第四方面还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序指令，该计算机程序指令被处理器执行时可实现上述实施例中的真实门店的验证方法，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，上述计算机可读存储介质可包括非暂态计算机可读存储介质，如只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等，在此并不限定。
[0187]
需要明确的是，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或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。对于装置实施例、设备实施例、计算机可读存储介质实施例而言，相关之处可以参见方法实施例的说明部分。本技术并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本技术的精神之后，作出各种改变、修改和添加，或者改变步骤之间的顺序。并且，为了简明起见，这里省略对已知方法技术的详细描述。
[0188]
上面参考根据本技术的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本技术的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
[0189]
本领域技术人员应能理解，上述实施例均是示例性而非限制性的。在不同实施例中出现的不同技术特征可以进行组合，以取得有益效果。本领域技术人员在研究附图、说明书及权利要求书的基础上，应能理解并实现所揭示的实施例的其他变化的实施例。在权利要求书中，术语“包括”并不排除其他装置或步骤；数量词“一个”不排除多个；术语“第一”、“第二”用于标示名称而非用于表示任何特定的顺序。权利要求中的任何附图标记均不应被理解为对保护范围的限制。权利要求中出现的多个部分的功能可以由一个单独的硬件或软件模块来实现。某些技术特征出现在不同的从属权利要求中并不意味着不能将这些技术特征进行组合以取得有益效果。