基于个性化差分隐私的手机银行理财产品推荐方法和装置与流程

1.本发明涉及大数据技术领域，尤其涉及一种基于个性化差分隐私的手机银行理财产品推荐方法和装置。


背景技术：

2.本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
3.在金融领域中，手机银行会根据用户的喜好，推荐适合用户的理财产品等金融服务，以满足用户“千人千面”的需求。手机银行推荐是通过分析用户的历史理财行为，来预测用户感兴趣的理财产品。如果用户的行为数据泄露，将会导致用户信息的泄露。不仅会导致银行金融推荐服务质量的下降，也会让用户对银行的口碑产生不信任。因此，保证推荐算法的准确性的同时，兼顾用户隐私信息的安全性，是十分重要的。
4.目前的推荐算法都需要设计加密解密技术，目前用到的隐私推荐方法大多基于加密技术来实现的，同时加密解密技术需要大量的计算开销。
5.常见推荐算法都使用差分隐私技术来增强推荐算法的隐私保护，但是没有考虑到现实中客户端隐私偏好的个性化，对所有参与的客户端都采取相同的较高隐私保护程度，会导致模型精度的下降，且算法在移动端的运行开销都较大。
6.因此，如何提供一种新的方案，其能够解决上述技术问题是本领域亟待解决的技术难题。


技术实现要素：

7.本发明实施例提供一种基于个性化差分隐私的手机银行理财产品推荐方法，对所有参与的客户采取不同的隐私保护权重，提升模型精度的同时，降低算法的运行开销，该方法包括：
8.获取用户在手机银行上购买理财产品的历史行为信息，确定评分矩阵；
9.对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处理后的评分矩阵；
10.计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵；
11.对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵；所述个性化的高斯噪声扰动与剩余隐私预算的高斯噪声扰动构成隐私预算池；
12.根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合。
13.本发明实施例还提供一种基于个性化差分隐私的手机银行理财产品推荐装置，包括：
14.评分矩阵确定模块，用于获取用户在手机银行上购买理财产品的历史行为信息，确定评分矩阵；
15.预处理模块，用于对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处
理后的评分矩阵；
16.用户因子矩阵确定模块，用于计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵；
17.项目因子矩阵确定模块，用于对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵；所述个性化的高斯噪声扰动与剩余隐私预算的高斯噪声扰动构成隐私预算池；
18.推荐理财产品集合确定模块，用于根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合。
19.本发明实施例还提供一种计算机设备，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计算机程序时实现上述一种基于个性化差分隐私的手机银行理财产品推荐方法。
20.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于个性化差分隐私的手机银行理财产品推荐方法。
21.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述一种基于个性化差分隐私的手机银行理财产品推荐方法。
22.本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法和装置，包括：获取用户在手机银行上购买理财产品的历史行为信息，确定评分矩阵；对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处理后的评分矩阵；计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵；对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵；所述个性化的高斯噪声扰动与剩余隐私预算的高斯噪声扰动构成隐私预算池；根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合。能有效解决现有隐私保护推荐方案中推荐效果不佳和隐私安全性差的问题，从而可以为用户提供既安全且高效的推荐。本发明使用个性化高斯噪声的模型，对所有参与的客户采取不同的隐私保护权重，提升模型精度的同时，降低算法的运行开销；主要在预处理、矩阵分解两个阶段使用个性化的高斯噪声扰动和剩余隐私预算的高斯噪声扰动，实现了对用户数据隐私的安全保护。将差分隐私技术和集成推荐方法相结合，可以在保证用户数据隐私安全的同时，还能保证有较好的推荐效果，具有较高的实用性。本发明可以让手机银行提供更加安全且有效的金融推荐服务，也会吸引更多手机银行用户来使用手机银行的服务，进一步提升手机银行理财产品在市场推广的商业价值。本发明实施例为用户提供安全高效的推荐算法，低成本适配移动多终端设备，保障用户推荐算法的隐私安全性问题。
附图说明
23.为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的一些实施例，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：
24.图1为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐方法示意图。
25.图2为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐方法的确定预处理后的评分矩阵过程示意图。
26.图3为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐方法的确定用户因子矩阵过程示意图。
27.图4为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐方法的确定项目因子矩阵过程示意图。
28.图5为运行本发明实施的一种基于个性化差分隐私的手机银行理财产品推荐方法的计算机设备示意图。
29.图6为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐装置示意图。
具体实施方式
30.为使本发明实施例的目的、技术方案和优点更加清楚明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。
31.图1为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐方法示意图，如图1所示，本发明实施例提供一种基于个性化差分隐私的手机银行理财产品推荐方法，对所有参与的客户采取不同的隐私保护权重，提升模型精度的同时，降低算法的运行开销，该方法包括：
32.步骤101：获取用户在手机银行上购买理财产品的历史行为信息，确定评分矩阵；
33.步骤102：对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处理后的评分矩阵；
34.步骤103：计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵；
35.步骤104：对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵；所述个性化的高斯噪声扰动与剩余隐私预算的高斯噪声扰动构成隐私预算池；
36.步骤105：根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合。
37.本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法，包括：获取用户在手机银行上购买理财产品的历史行为信息，确定评分矩阵；对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处理后的评分矩阵；计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵；对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵；所述个性化的高斯噪声扰动与剩余隐私预算的高斯噪声扰动构成隐私预算池；根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合。能有效解决现有隐私保护推荐方案中推荐效果不佳和隐私安全性差的问题，从而可以为用户提供既安全且高效的推荐。本发明使用个性化高斯噪声的模型，对所有参与的客户采取不同的隐私保护权重，提升模型精度的同时，降低算法的运行开销；主要在预处理、矩阵分解两个阶段使用个性化的高斯噪声扰动和剩余隐私预算的高斯噪声扰动，实现了对
用户数据隐私的安全保护。将差分隐私技术和集成推荐方法相结合，可以在保证用户数据隐私安全的同时，还能保证有较好的推荐效果，具有较高的实用性。本发明可以让手机银行提供更加安全且有效的金融推荐服务，也会吸引更多手机银行用户来使用手机银行的服务，进一步提升手机银行理财产品在市场推广的商业价值。本发明实施例为用户提供安全高效的推荐算法，低成本适配移动多终端设备，保障用户推荐算法的隐私安全性问题。
38.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法时，在一个实施例中，包括：
39.获取用户在手机银行上购买理财产品的历史行为信息，确定评分矩阵；
40.对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处理后的评分矩阵；
41.计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵；
42.对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵；所述个性化的高斯噪声扰动与剩余隐私预算的高斯噪声扰动构成隐私预算池；
43.根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合。
44.图2为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐方法的确定预处理后的评分矩阵过程示意图，如图2所示，具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法时，在一个实施例中，对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处理后的评分矩阵，包括：
45.步骤201：对评分矩阵进行预处理，根据用户在手机银行预先选择的隐私预算确定个性化的高斯噪声扰动；
46.步骤202：将个性化的高斯噪声扰动加入评分矩阵进行扰动处理，通过个性化差分隐私算法向模型更新信息中添加不同程度的高斯噪声，获取更新后的模型更新信息，确定预处理后的评分矩阵。
47.实施例中，对评分矩阵进行预处理的过程，主要包括：对评分矩阵进行预处理，加入个性化的高斯噪声扰动，得到预处理后的评分矩阵；通过添加高斯噪声来实现差分隐私是目前主流方式之一，而隐私预算则是决定噪声水平的重要参数。客户端根据自己之前选择的隐私预算通过个性化差分隐私算法向模型更新信息中添加不同程度的高斯噪声，获取更新后的模型更新信息。本发明基于这种个性化高斯噪声模型，对所有参与的客户采取不同的隐私保护权重，提升模型精度，减小推荐算法的运行开销。
48.图3为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐方法的确定用户因子矩阵过程示意图，如图3所示，具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法时，在一个实施例中，计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵，包括：
49.步骤301：计算预处理后的评分矩阵的用户相似度矩阵，获得多个用户相似度矩阵；
50.步骤302：对多个用户相似度矩阵按照相似度从高到低进行排序，确定用户相似度矩阵列表；
51.步骤303：在用户相似度矩阵列表中从相似度最高的用户相似度矩阵开始，取预设数量的用户相似度矩阵，构成用户因子矩阵。
52.实施例中，计算预处理后的评分矩阵的用户相似度矩阵确定用户因子矩阵，主要过程包括：
53.计算预处理后的评分矩阵的用户相似度矩阵，获得与当前服务的用户之间存在相似的多个用户相似度矩阵；
54.对多个用户相似度矩阵按照相似度从高到低进行排序，确定用户相似度矩阵列表m；
55.在用户相似度矩阵列表中从相似度最高的用户相似度矩阵开始，取top-k用户相似度矩阵，构成用户因子矩阵。前述的取的top-k用户相似度矩阵，是指从最高的用户相似度矩阵开始算，一直取到第k个用户相似度矩阵，将top-k用户相似度矩阵构成用户因子矩阵。
56.图4为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐方法的确定项目因子矩阵过程示意图，如图4所示，具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法时，在一个实施例中，对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵，包括：
57.步骤401：获取隐私预算池中除去个性化的高斯噪声扰动后剩余隐私预算的高斯噪声扰动；
58.步骤402：对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动进行扰动处理，确定项目因子矩阵。
59.实施例中，确定项目因子矩阵的过程主要包括：首先，获取隐私预算池中除去个性化的高斯噪声扰动后剩余隐私预算的高斯噪声扰动；然后，对预处理后的评分矩阵进行评分预测，实现矩阵分解，加入剩余隐私预算的高斯噪声扰动进行扰动处理，确定项目因子矩阵。本发明使用个性化高斯噪声的模型，对所有参与的客户采取不同的隐私保护权重，提升模型精度的同时，降低算法的运行开销；主要在预处理、矩阵分解两个阶段使用个性化的高斯噪声扰动和剩余隐私预算的高斯噪声扰动，实现了对用户数据隐私的安全保护。将差分隐私技术和集成推荐方法相结合，可以在保证用户数据隐私安全的同时，还能保证有较好的推荐效果，具有较高的实用性。
60.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法时，在一个实施例中，根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合，包括：
61.利用用户因子矩阵和项目因子矩阵拟合预测评分矩阵，获取每个理财产品的评分；
62.将全部理财产品按照评分从高到低进行排序，确定理财产品评分表；
63.在理财产品评分表中从评分最高的理财产品开始，取预设数量的理财产品，构成推荐理财产品集合。
64.实施例中，根据用户因子矩阵和项目因子矩阵确定推荐理财产品集合，主要过程包括：
65.利用用户因子矩阵和项目因子矩阵拟合预测评分矩阵，获取每个理财产品的评分；将全部理财产品按照评分从高到低进行排序，确定理财产品评分表n；在理财产品评分表中从评分最高的理财产品开始，取top-h理财产品，构成推荐理财产品集合。前述的取
top-h理财产品，是指从评分最高的理财产品开始算，一直取到第h个理财产品，将top-h理财产品构成推荐理财产品集合。
66.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法时，在一个实施例中，还包括：将推荐理财产品集合显示在手机银行上以供用户选择购买。
67.本发明所使用的推荐方法是一种个性化差分隐私技术，主要在两个阶段(预处理、矩阵分解阶段)使用个性化的高斯噪声扰动，实现了对用户数据隐私的安全保护。本发明将差分隐私技术和集成推荐方法相结合，可以在保证用户数据隐私安全的同时，还能保证有较好的推荐效果，具有较高的实用性。本发明可以让手机银行提供更加安全且有效的金融推荐服务，也会吸引更多手机银行用户来使用手机银行的服务，进一步提升银行相关移动产品在市场推广的商业价值。为用户提供安全高效的推荐算法，低成本适配移动多终端设备，保障用户推荐算法的隐私安全性问题。
68.下面结合具体场景，对本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法进行简要描述：
69.从手机银行上获取用户购买理财产品的的历史行为信息；对评分矩阵进行预处理，加入个性化的高斯噪声扰动，得到预处理后的评分矩阵；计算原始评分矩阵的用户相似度矩阵，选取与当前服务用户最相似的top-k个用户；使用集成推荐算法进行评分预测，加入剩余隐私预算的高斯噪声进行扰动处理；预测评分矩阵，将评分最高的若干理财产品推荐给手机银行用户。
70.本发明克服现有技术存在的不足之处，提出了一种基于个性化差分隐私保护的集成推荐方案，能有效解决现有隐私保护推荐方案中推荐效果不佳和隐私安全性差的问题，从而可以为用户提供既安全且高效的推荐。
71.图5为运行本发明实施的一种基于个性化差分隐私的手机银行理财产品推荐方法的计算机设备示意图，如图5所示，本发明实施例还提供一种计算机设备500，包括存储器510、处理器520及存储在存储器上并可在处理器上运行的计算机程序530，所述处理器执行所述计算机程序时实现上述一种基于个性化差分隐私的手机银行理财产品推荐方法。
72.本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于个性化差分隐私的手机银行理财产品推荐方法。
73.本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述一种基于个性化差分隐私的手机银行理财产品推荐方法。
74.本发明实施例中还提供了一种基于个性化差分隐私的手机银行理财产品推荐装置，如下面的实施例所述。由于该装置解决问题的原理与一种基于个性化差分隐私的手机银行理财产品推荐方法相似，因此该装置的实施可以参见一种基于个性化差分隐私的手机银行理财产品推荐方法的实施，重复之处不再赘述。
75.图6为本发明实施例一种基于个性化差分隐私的手机银行理财产品推荐装置示意图，如图6所示，本发明实施例还提供一种基于个性化差分隐私的手机银行理财产品推荐装置。
76.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐装置时，在一个实施例中，包括：
77.评分矩阵确定模块601，用于获取用户在手机银行上购买理财产品的历史行为信息，确定评分矩阵；
78.预处理模块602，用于对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处理后的评分矩阵；
79.用户因子矩阵确定模块603，用于计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵；
80.项目因子矩阵确定模块604，用于对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵；所述个性化的高斯噪声扰动与剩余隐私预算的高斯噪声扰动构成隐私预算池；
81.推荐理财产品集合确定模块605，用于根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合。
82.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐装置时，在一个实施例中，预处理模块，具体用于：
83.对评分矩阵进行预处理，根据用户在手机银行预先选择的隐私预算确定个性化的高斯噪声扰动；
84.将个性化的高斯噪声扰动加入评分矩阵进行扰动处理，通过个性化差分隐私算法向模型更新信息中添加不同程度的高斯噪声，获取更新后的模型更新信息，确定预处理后的评分矩阵。
85.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐装置时，在一个实施例中，用户因子矩阵确定模块，具体用于：
86.计算预处理后的评分矩阵的用户相似度矩阵，获得多个用户相似度矩阵；
87.对多个用户相似度矩阵按照相似度从高到低进行排序，确定用户相似度矩阵列表；
88.在用户相似度矩阵列表中从相似度最高的用户相似度矩阵开始，取预设数量的用户相似度矩阵，构成用户因子矩阵。
89.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐装置时，在一个实施例中，项目因子矩阵确定模块，具体用于：
90.获取隐私预算池中除去个性化的高斯噪声扰动后剩余隐私预算的高斯噪声扰动；
91.对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动进行扰动处理，确定项目因子矩阵。
92.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐装置时，在一个实施例中，推荐理财产品集合确定模块，具体用于：
93.利用用户因子矩阵和项目因子矩阵拟合预测评分矩阵，获取每个理财产品的评分；
94.将全部理财产品按照评分从高到低进行排序，确定理财产品评分表；
95.在理财产品评分表中从评分最高的理财产品开始，取预设数量的理财产品，构成推荐理财产品集合。
96.具体实施本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐装置时，在一个实施例中，还包括荐理财产品集合展示模块，用于将推荐理财产品集合显示在手机银行上以供用户选择购买。
97.综上，本发明实施例提供的一种基于个性化差分隐私的手机银行理财产品推荐方法和装置，包括：获取用户在手机银行上购买理财产品的历史行为信息，确定评分矩阵；对评分矩阵进行预处理，加入个性化的高斯噪声扰动，确定预处理后的评分矩阵；计算预处理后的评分矩阵的用户相似度矩阵，确定用户因子矩阵；对预处理后的评分矩阵进行评分预测，加入剩余隐私预算的高斯噪声扰动，确定项目因子矩阵；所述个性化的高斯噪声扰动与剩余隐私预算的高斯噪声扰动构成隐私预算池；根据用户因子矩阵和项目因子矩阵，确定推荐理财产品集合。能有效解决现有隐私保护推荐方案中推荐效果不佳和隐私安全性差的问题，从而可以为用户提供既安全且高效的推荐。本发明使用个性化高斯噪声的模型，对所有参与的客户采取不同的隐私保护权重，提升模型精度的同时，降低算法的运行开销；主要在预处理、矩阵分解两个阶段使用个性化的高斯噪声扰动和剩余隐私预算的高斯噪声扰动，实现了对用户数据隐私的安全保护。将差分隐私技术和集成推荐方法相结合，可以在保证用户数据隐私安全的同时，还能保证有较好的推荐效果，具有较高的实用性。本发明可以让手机银行提供更加安全且有效的金融推荐服务，也会吸引更多手机银行用户来使用手机银行的服务，进一步提升手机银行理财产品在市场推广的商业价值。本发明实施例为用户提供安全高效的推荐算法，低成本适配移动多终端设备，保障用户推荐算法的隐私安全性问题。
98.本技术技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定，本技术获取的个人、客户和人群等相关的个人身份数据、操作数据、行为数据等多种类型的数据，均已获得授权。
99.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。
100.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。
101.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。
102.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。
103.以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。