爆款潜力的媒体对象的确定方法、装置、介质和计算设备与流程

1.本公开的实施方式涉及音频领域，更具体地，本公开的实施方式涉及爆款潜力的媒体对象的确定方法、装置、介质和计算设备。


背景技术：

2.本部分旨在为本公开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.在多媒体领域中，挖掘具有爆款潜力的电子书、音频、视频等媒体对象是推广媒体对象的重要工作。
4.示例性技术中，通过获取媒体对象的优质评论数据获取媒体对象的向量，该向量再通过与历史爆款媒体对象的媒体对象进行相似度计算，从而基于相似度确定媒体对象是否是具有爆款潜力的媒体对象。
5.但优质评论数据是在媒体对象有较大的阅读量或播放量的基础上获得的，而媒体对象有较大的阅读量或播放量需要较长的时长，也即挖掘媒体对象是否是具有爆款潜力的媒体对象所需的时间较长，导致爆款潜力的媒体对象的挖掘效率较低。


技术实现要素：

6.本公开提供一种爆款潜力的媒体对象的确定方法、装置、介质和计算设备，用以解决爆款潜力的媒体对象的挖掘效率较低的问题。
7.在本公开实施方式的第一方面中，提供了一种爆款潜力的媒体对象的确定方法，包括：将待分发媒体对象分发给目标分发用户，并获取所述目标分发用户在第一预设时间段对所述待分发媒体对象的第一行为数据；响应于所述第一行为数据满足第一预设条件，将所述待分发媒体对象插入榜单，并获取所述榜单对应的用户在第二预设时间段对所述待分发媒体对象的第二行为数据；
8.响应于所述第二行为数据满足第二预设条件，确定所述待分发媒体对象是具有爆款潜力的媒体对象。
9.在本公开一实施例中，所述将待分发媒体对象分发给目标分发用户，包括：
10.响应于所述待分发媒体对象是冷启动的媒体对象，通过所述待分发媒体对象的相似媒体对象确定第一分发用户，并将所述待分发媒体对象分发至所述第一分发对象；
11.确定所述第一分发用户中的第一红心用户，并确定与所述第一红心用户具有相似行为的用户，以作为第二分发用户，且将所述待分发媒体对象分发至所述第二分发对象，所述第一红心用户是对所述待分发媒体对象进行预设操作的第一分发用户；
12.确定与所述第一红心用户以及第二红心用户所相似的用户，以作为第三分发用户，并将所述待分发媒体对象分发至所述第三分发对象，其中，所述目标分发用户包括所述第一分发用户、所述第二分发用户以及所述第三分发用户，所述第二红心用户是对所述待分发媒体对象进行预设操作的第二分发用户。
13.在本公开另一实施例中，所述通过所述待分发媒体对象的相似媒体对象确定第一分发用户，包括：
14.确定所述待分发媒体对象与数据库中各个目标媒体对象之间的第一相似度；
15.在各个所述第一相似度中确定大于第一预设相似度的目标相似度，并根据所述目标相似度对应的目标媒体对象的用户，确定第一分发用户。
16.在本公开另一实施例中，所述确定所述待分发媒体对象与数据库中各个目标媒体对象之间的第一相似度，包括：
17.确定所述待分发媒体对象的第一特征向量；
18.确定所述第一特征向量与各个所述目标媒体对象对应的第二特征向量之间的内积；
19.根据各个所述内积确定所述待分发媒体对象与各个所述目标媒体对象之间的第一相似度。
20.在本公开另一实施例中，所述确定所述待分发媒体对象的第一特征向量，包括：
21.获取所述待分发媒体对象的音频以及文字内容；
22.确定所述音频对应的音频向量，并根据所述文字内容确定文本向量；
23.根据所述音频向量与所述文本向量确定所述待分发媒体对象的第一特征向量。
24.在本公开另一实施例中，还包括：
25.在所述数据库中确定与所述第一特征向量匹配的向量索引，并将所述向量索引匹配的媒体对象确定为所述目标媒体对象。
26.在本公开另一实施例中，所述确定与所述第一红心用户具有相似行为的用户，包括：
27.在所述第一红心用户与目标媒体对象对应的第三红心用户中，确定相同的用户，所述第三红心用户是对所述目标媒体对象进行预设操作的用户；
28.根据所述相同的用户的数量与总数量，确定所述目标媒体对象与所述待分发媒体对象之间的相似度分数，所述总数量是所述第三红心用户的总数量；
29.将大于预设分数的所述相似度分数确定为目标相似度分数；
30.将所述目标相似度分数对应的目标媒体对象的第三红心用户，确定为与所述第一红心用户具有相似行为的用户。
31.在本公开另一实施例中，所述确定与所述第一红心用户以及第二红心用户所相似的用户，包括：
32.获取目标用户、目标媒体对象以及所述目标媒体对象的创作者之间的第一交互信息，所述目标用户包括所述第一红心用户与所述第二红心用户；
33.获取待确定用户、所述目标媒体对象以及所述创作者之间的第二交互信息；
34.根据所述第一交互信息与所述第二交互信息，确定所述待确定用户与所述目标用户之间的第二相似度；
35.将大于第二预设相似度的所述第二相似度对应的待确定用户，确定为与所目标用户所相似的用户。
36.在本公开另一实施例中，所述根据所述第一交互信息与所述第二交互信息，确定所述待确定用户与所述目标用户之间的第二相似度，包括：
37.根据所述第一交互信息确定所述目标用户的第三特征向量，并根据所述第二交互信息确定所述待确定用户的第四特征向量；
38.根据所述第三特征向量与所述第四特征向量，确定所述待确定用户与所述目标用户之间的第二相似度。
39.在本公开另一实施例中，所述将待分发媒体对象分发给目标分发用户之前，还包括：
40.将所述待分发媒体对象分发至鉴赏用户；
41.获取所述鉴赏用户在第三预设时间段对所述待分发媒体对象的第三行为数据；
42.响应于所述第三行为数据满足第三预设条件，将待分发媒体对象分发给目标分发用户。
43.在本公开实施方式第二方面，还提供一种爆款潜力的媒体对象的确定装置，包括：
44.发送模块，用于将待分发媒体对象分发给目标分发用户，并获取第一预设时间段内所述目标分发用户对所述待分发媒体对象的第一行为数据；
45.插入模块，用于响应于所述第一行为数据满足第一预设条件，将所述待分发媒体对象插入榜单，并获取第二预设时间段所述榜单对应的用户对所述待分发媒体对象的第二行为数据；
46.确定模块，用于响应于所述第二行为数据满足第二预设条件，确定所述待分发媒体对象是具有爆款潜力的媒体对象。
47.在本公开一实施例中，还包括：
48.所述确定模块，还用于响应于所述待分发媒体对象是冷启动的媒体对象，通过所述待分发媒体对象的相似媒体对象确定第一分发用户，并将所述待分发媒体对象分发至所述第一分发对象；
49.所述确定模块，还用于确定所述第一分发用户中的第一红心用户，并确定与所述第一红心用户具有相似行为的用户，以作为第二分发用户，且将所述待分发媒体对象分发至所述第二分发对象，所述第一红心用户是对所述待分发媒体对象进行预设操作的第一分发用户；
50.所述确定模块，还用于确定与所述第一红心用户以及第二红心用户所相似的用户，以作为第三分发用户，并将所述待分发媒体对象分发至所述第三分发对象，其中，所述目标分发用户包括所述第一分发用户、所述第二分发用户以及所述第三分发用户，所述第二红心用户是对所述待分发媒体对象进行预设操作的第二分发用户。
51.在本公开另一实施例中，还包括：
52.所述确定模块，还用于确定所述待分发媒体对象与数据库中各个目标媒体对象之间的第一相似度；
53.所述确定模块，还用于在各个所述第一相似度中确定大于第一预设相似度的目标相似度，并根据所述目标相似度对应的目标媒体对象的用户，确定第一分发用户。
54.在本公开另一实施例中，还包括：
55.所述确定模块，还用于确定所述待分发媒体对象的第一特征向量；
56.所述确定模块，还用于确定所述第一特征向量与各个所述目标媒体对象对应的第二特征向量之间的内积；
57.所述确定模块，还用于根据各个所述内积确定所述待分发媒体对象与各个所述目标媒体对象之间的第一相似度。
58.在本公开另一实施例中，还包括：
59.第一获取模块，用于获取所述待分发媒体对象的音频以及文字内容；
60.所述确定模块，还用于确定所述音频对应的音频向量，并根据所述文字内容确定文本向量；
61.所述确定模块，还用于根据所述音频向量与所述文本向量确定所述待分发媒体对象的第一特征向量。
62.在本公开另一实施例中，还包括：
63.所述确定模块，用于在所述数据库中确定与所述第一特征向量匹配的向量索引，并将所述向量索引匹配的媒体对象确定为所述目标媒体对象。
64.在本公开另一实施例中，还包括：
65.所述确定模块，还用于在所述第一红心用户与目标媒体对象对应的第三红心用户中，确定相同的用户，所述第三红心用户是对所述目标媒体对象进行预设操作的用户；
66.所述确定模块，还用于根据所述相同的用户的数量与总数量，确定所述目标媒体对象与所述待分发媒体对象之间的相似度分数，所述总数量是所述第三红心用户的总数量；
67.所述确定模块，还用于将大于预设分数的所述相似度分数确定为目标相似度分数；
68.所述确定模块，还用于将所述目标相似度分数对应的目标媒体对象的第三红心用户，确定为与所述第一红心用户具有相似行为的用户。
69.在本公开另一实施例中，还包括：
70.第二获取模块，用于获取目标用户、目标媒体对象以及所述目标媒体对象的创作者之间的第一交互信息，所述目标用户包括所述第一红心用户与所述第二红心用户；
71.所述第二获取模块，还用于获取待确定用户、所述目标媒体对象以及所述创作者之间的第二交互信息；
72.所述确定模块，还用于根据所述第一交互信息与所述第二交互信息，确定所述待确定用户与所述目标用户之间的第二相似度；
73.所述确定模块，还用于将大于第二预设相似度的所述第二相似度对应的待确定用户，确定为与所目标用户所相似的用户。
74.在本公开另一实施例中，还包括：
75.所述确定模块，还用于根据所述第一交互信息确定所述目标用户的第三特征向量，并根据所述第二交互信息确定所述待确定用户的第四特征向量；
76.所述确定模块，还用于根据所述第三特征向量与所述第四特征向量，确定所述待确定用户与所述目标用户之间的第二相似度。
77.在本公开另一实施例中，还包括：
78.所述发送模块，还用于将所述待分发媒体对象分发至鉴赏用户；
79.第三获取模块，还用于获取所述鉴赏用户在第三预设时间段对所述待分发媒体对象的第三行为数据；
80.所述发送模块，还用于响应于所述第三行为数据满足第三预设条件，将待分发媒体对象分发给目标分发用户。
81.在本公开实施方式的第三方面，还提供一种介质，包括：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所述的爆款潜力的媒体对象的确定方法。
82.在本公开实施方式的第三方面，还提供一种计算设备，包括：
83.存储器以及处理器；
84.所述存储器存储计算机执行指令；
85.所述处理器执行所述存储器存储的计算机执行指令，使得所述处理器执行如上所述的爆款潜力的媒体对象的确定方法。
86.本公开实施方式中，通过目标分发用户对媒体对象的行为数据初步确定媒体对象具有潜力时，将媒体对象插入榜单，再通过榜单中的用户对媒体对象的行为数据来确定媒体对象是否是具有爆款潜力的媒体对象，也即本公开提供的爆款潜力的媒体对象的挖掘方式仅需获取用户的行为数据，对于媒体对象的播放量或阅读量的需求较小，减少了爆款潜力的媒体对象的挖掘时间，提高了爆款潜力媒体对象的挖掘效率，快速试探出媒体对象的潜力能力。
附图说明
87.通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：
88.图1示意性地示出了根据本公开实施方式的爆款潜力的媒体对象的确定方法应用场景示意图；
89.图2示意性地示出了根据本公开一实施例的流程示意图；
90.图3示意性地示出了根据本公开另一实施例的流程示意图；
91.图4示意性地示出了根据本公开又一实施例的流程示意图；
92.图5示意性地示出了根据本公开还一实施例的流程示意图；
93.图6示意性地示出了根据本公开再一实施例的流程示意图；
94.图7示意性地示出了根据本公开又一实施例的流程示意图；
95.图8示意性地示出了根据本公开实施例提供的程序产品的示意图；
96.图9示意性地示出了根据本公开实施例提供的爆款潜力的媒体对象的确定装置的结构示意图；
97.图10示意性地示出了根据本公开实施例提供的计算设备的结构示意图。
98.在附图中，相同或对应的标号表示相同或对应的部分。
具体实施方式
99.下面将参考若干示例性实施方式来描述本公开的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。
100.本领域技术人员知道，本公开的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。
101.根据本公开的实施方式，提出了一种爆款潜力的媒体对象的确定方法、装置、介质和计算设备。
102.此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。
103.另外，本公开所涉及的数据可以为经用户授权或者经过各方充分授权的数据，对数据的采集、传播、使用等，均符合国家相关法律法规要求，本公开实施方式/实施例可以互相组合。
104.下面参考本公开的若干代表性实施方式，详细阐释本公开的原理和精神。
105.发明概述
106.在多媒体领域中，挖掘具有爆款潜力的电子书、音频、视频等媒体对象是推广媒体对象的重要工作。示例性技术中，通过获取媒体对象的优质评论数据获取媒体对象的向量，该向量再通过与历史爆款媒体对象的媒体对象进行相似度计算，从而基于相似度确定媒体对象是否是具有爆款潜力的媒体对象。
107.本专利发明人发现，优质评论数据是在媒体对象有较大的阅读量或播放量的基础上获得的，而媒体对象有较大的阅读量或播放量需要较长的时长，也即挖掘媒体对象是否是具有爆款潜力的媒体对象所需的时间较长，导致爆款潜力的媒体对象的挖掘效率较低。
108.本专利发明人因此想到，通过将媒体对象分发给用户，再采集用户对媒体对象的行为数据，从而基于行为数据确定媒体对象是否是具有爆款潜力的媒体对象，此种方式对于媒体对象的播放量或阅读量的需求较小，减少了爆款潜力的媒体对象的挖掘时间，提高了爆款潜力媒体对象的挖掘效率，快速试探出媒体对象的潜力能力。
109.应用场景总览
110.首先参考图1，图1为本公开实施方式的爆款潜力的媒体对象的确定方法的应用场景示意图。爆款潜力的媒体对象的确定装置100将媒体对象分发至各个目标分发用户的终端200，待分发媒体对象可以是电子书、音频或者视频，分发给终端200指的是将待分发媒体对象的播放链接或者阅读链接发送至目标分发用户的终端200。目标分发用户基于终端200对媒体对象产生行为数据，行为数据例如为对媒体对象的收藏、点赞以及评论等数据。爆款潜力的媒体对象的确定装置100通过终端200采集各个目标分发用户对媒体对象的第一行为数据，若是基于第一行为数据确定媒体对象是具有潜力的媒体对象，爆款潜力的媒体对象的确定装置100则将媒体对象插入榜单。所有的用户300均可参加对榜单中的媒体对象的排名，因而爆款潜力的媒体对象的确定装置100获取榜单用户对媒体对象的第二行为数据，若第二行为数据满足预设条件，即可确定媒体对象是具有爆款潜力的媒体对象。
111.示例性方法
112.下面结合图1的应用场景，参考图2-图7来描述根据本公开示例性实施方式的爆款潜力的媒体对象的确定方法。需要注意的是，上述应用场景仅是为了便于理解本公开的精神和原理而示出，本公开的实施方式在此方面不受任何限制。相反，本公开的实施方式可以应用于适用的任何场景。
113.示例性的，本公开的实施例涉及的爆款潜力的媒体对象的确定装置可以是任意具备数据处理能力的设备，例如，爆款潜力的媒体对象的确定装置可为计算机、服务器等。
114.参照图2，图2示例性的示出了根据本公开实施例提供的爆款潜力的媒体对象的确定方法一实施例的流程示意图，爆款潜力的媒体对象的确定方法包括：
115.步骤s201，将待分发媒体对象分发给目标分发用户，并获取目标分发用户在第一预设时间段对待分发媒体对象的第一行为数据。
116.在本实施例中，执行主体为爆款潜力的媒体对象的确定装置，为了便于描述，以下采用装置指代爆款潜力的媒体对象的确定装置。
117.在多媒体领域中，发现具有爆款潜力的媒体对象是一项很重要的工作。爆款潜力的媒体对象指的是能够被大众用户所喜爱的媒体对象。媒体对象可以是音频、电子书、视频、电视剧、电影等。
118.在媒体对象创建不久后，可以对该媒体对象进行潜力挖掘，也即确定该媒体对象是否是具有爆款潜力的媒体对象。在本实施例中，将进行潜力挖掘的媒体对象定义为待分发媒体对象。
119.装置先确定目标分发用户，装置再将待分发媒体对象分发至各个目标分发用户，也即装置将待分发媒体对象推送至各个目标分发用户的终端，以供目标分发用户播放或阅读待分发媒体对象。例如，待分发媒体对象是电子书，则目标分发用户阅读该电子书，若待分发媒体对象是音频、视频、电视剧或者电影，则目标分发用户播放待分发媒体对象。
120.装置可以根据用户的用户信息来确定该用户是否可被确定为目标分发用户。例如，若用户信息中用户的播放或阅读媒体对象的数量超过1000，则可将该用户确定为目标分发用户。又例如，若用户信息中用户收藏的爆款潜力的媒体对象超过100，且用户的收藏行为是媒体对象被确定为爆款潜力的媒体对象之前进行的，则该用户是鉴赏能力高的用户，该用户可被确定为目标分发用户。
121.目标分发用户在播放或者阅读待分发媒体对象时，会对待分发媒体对象产生第一行为数据。例如，目标分发用户播放待分发音频，会对待分发音频进行点赞、收藏、下载以及评论等行为，也即第一行为数据包括点赞、收藏、下载以及评论中的至少一个。又例如，目标分发用户阅读待分发电子书时，会进行催更的评论、收藏、投票、打赏等行为，则第一行为数据包括评论、打赏、收藏以及投票中的至少一个。
122.为了快速的确定待分发媒体对象是否具有爆款潜力，装置在第一预设时间段内获取目标分发用户对待分发媒体对象的第一行为数据，也即采集一个时间段内用户对待分发媒体对象的行为数据，避免花费较长时长获取第一行为数据。
123.步骤s202，响应于第一行为数据满足第一预设条件，将待分发媒体对象插入榜单，并获取榜单对应的用户在第二预设时间段对待分发媒体对象的第二行为数据。
124.装置收集各个目标分发用户的第一行为数据，若是第一行为数据满足第一预设条件，即初步确定待分发媒体对象是具有爆款潜力的媒体对象。
125.在一示例中，装置可以基于第一行为数据确定目标分发用户是否喜爱待分发媒体对象，若是第一行为数据记录有目标分发用户对待分发媒体对象的点赞、收藏、投票、打赏、正向评论、下载中的至少一种行为操作，则可确定目标分发用户喜爱待分发媒体对象。装置确定表达对待分发媒体对象的喜爱的目标分发用户的数量，若该数量与目标分发用户的总
数量的比值大于第一预设比值，则可确定第一行为数据满足第一预设条件。
126.在另一示例中，装置可以基于第一行为数据中所记录的目标分发用户对媒体对象的操作进行打分，例如，点赞、踩、播放时长、阅读时长、收藏、投票、打赏、下载等行为操作各自对应一个分值。装置确定每个目标分发对象对应的总分值，再确定大于预设分值的总分值的目标分发用户的数量，若该数量与目标分发用户的总数量的比值大于第二预设比值，则可确定第一行为数据满足第一预设条件。
127.目标分发用户群体是特定的人群，待分发媒体对象被目标分发用户群体认可，只能表示在垂直人群中具有较好的转化，不代表待分发媒体对象能够对大众所喜爱，因此，需要无差别的用户对待分发媒体对象的行为数据，来验证待分发媒体对象是否具有破圈能力。也即待分发媒体对象在面对各类用户时，验证待分发媒体对象是否被各类用户喜欢。
128.榜单是一个中心化流量，所有的用户都能够看到榜单中的媒体对象，对于用户来说是无差别的。对此，装置将待分发媒体对象插入至榜单中，以获取榜单中的各类用户对待分发媒体对象的第二行为数据。
129.为了快速的确定待分发媒体对象是否具有爆款潜力，装置在第二预设时间段内获取榜单对应的用户对待分发媒体对象的第二行为数据，也即采集一个时间段内榜单用户对待分发媒体对象的行为数据，避免花费较长时长获取第二行为数据。榜单可以是媒体对象的排行榜。此外，装置还可将待分发媒体对象插入任意中心化场景，中心化场景指的是各类用户均可播放或阅读待分发媒体对象的场景。
130.步骤s203，响应于第二行为数据满足第二预设条件，确定待分发媒体对象是具有爆款潜力的媒体对象。
131.在本实施例中，榜单可以是飙升榜，飙升榜偏重于媒体对象的涨幅。因此，第二行为数据可以是第二预设时间段内待分发媒体对象在飙升榜中的排名变化量。若是排名变化量是正值，则排名变化量大于预设数值，即可确定第二行为数据满足第二预设条件，也即确定待分发媒体对象是具有爆款潜力的媒体对象。
132.此外，装置可以基于第二行为数据确定榜单用户对待分发媒体对象的有效红心率。有效红心率指的是待分发媒体对象的红心数量除以待分发媒体对象的有效播放的数量。红心数量指的是榜单中收藏待分发媒体对象的用户的数量，有效播放指的是持续播放待分发媒体对象的时长大于预设时长。若是有效红心率大于预设阈值，即可确定第二行为数据满足第二预设条件，也即确定待分发媒体对象是具有爆款潜力的媒体对象。
133.在本实施例中，通过目标分发用户对媒体对象的行为数据初步确定媒体对象具有潜力时，将媒体对象插入榜单，再通过榜单中的用户对媒体对象的行为数据来确定媒体对象是否是具有爆款潜力的媒体对象，也即本公开提供的爆款潜力的媒体对象的挖掘方式仅需获取用户的行为数据，对于媒体对象的播放量或阅读量的需求较小，减少了爆款潜力的媒体对象的挖掘时间，提高了爆款潜力媒体对象的挖掘效率，快速试探出媒体对象的潜力能力。
134.参照图3，图3示例性的示出了根据本公开实施例提供的爆款潜力的媒体对象的确定方法另一实施例的流程示意图，基于图1所示的实施例，步骤s201包括：
135.步骤s301，响应于待分发媒体对象是冷启动的媒体对象，通过待分发媒体对象的相似媒体对象确定第一分发用户，并将待分发媒体对象分发至第一分发对象。
136.在本实施例中，待分发媒体对象是冷启动的媒体对象，冷启动的媒体对象指的是待分发媒体对象的用户基础较少，也即仅有少量的用户播放或阅读过待分发媒体对象。
137.由于待分发媒体对象的用户基础较少，待分发媒体对象分发的用户数量较少。对此，装置确定待分发媒体对象对应的相似媒体对象，相似媒体对象所对应的用户的定义为第一分发用户，装置将待分发媒体对象分发至第一分发对象，目标分发对象包括第一分发用户。相似媒体对象所对应的用户，可以是播放或阅读相似媒体对象的用户，也可以是收藏相似媒体对象的用户。
138.相似媒体对象指的是与待分发媒体对象相似的媒体对象。例如，将曲风与待分发媒体对象相同的媒体对象确定为相似媒体对象，曲风例如为欢快、悲伤。又例如，将与待分发媒体对象类型相同的媒体对象确定为相似媒体对象，类型例如为摇滚、国风、古典等。
139.步骤s302，确定第一分发用户中的第一红心用户，并确定与第一红心用户具有相似行为的用户，以作为第二分发用户，且将待分发媒体对象分发至第二分发对象，第一红心用户是对待分发媒体对象进行预设操作的第一分发用户。
140.装置可以基于第一分发用户确定第二分发用户，再将待分发媒体对象发送至第二分发用户，目标分发用户还包括第二分发用户。具体的，装置确定第一分发用户中的第一红心用户，第一红心用户是对待分发媒体对象进行预设操作的第一分发用户，预设操作指的是点赞、收藏、投票、打赏中的一种或多种行为操作。
141.与第一红心用户具有相似行为的用户与第一红心用户可以视为一类人，因此，装置可将与第一红心用户具有相似行为的用户确定为第二分发用户。
142.装置基于各个第一红心用户确定各个第一红心用户所共有的偏好，再将具有相同的偏好的用户确定为与第一红心用户具有相似行为的用户。例如，各个第一红心用户的偏好是播放摇滚的音频的数量超过100首，则播放摇滚的音频的数量超过100首的用户是与第一红心用户具有相似行为的用户。
143.步骤s303，确定与第一红心用户以及第二红心用户所相似的用户，以作为第三分发用户，并将待分发媒体对象分发至第三分发对象，其中，目标分发用户包括第一分发用户、第二分发用户以及第三分发用户，第二红心用户是对待分发媒体对象进行预设操作的第二分发用户。
144.装置可以基于第一红心用户以及第二红心用户确定第三分发用户，再将待分发媒体对象分发至第三分发用户，目标分发用户还包括第三分发用户。
145.第二红心用户是对待分发媒体对象进行预设操作的第二分发用户。第二红心用户的确定方式与第一红心用户的确定方式相同，在此不再进行赘述。
146.装置确定与第一红心用户相似的用户，且确定与第二红心用户相似的用户，作为第三分发对象。例如，装置基于各个第一红心用户的用户信息确定各个第一红心用户是18岁-23岁的喜欢听歌的学生，装置则在所有用户里面筛选出18岁-23岁的喜欢听歌的学生作为与第一红心用户的相似用户。又例如，装置基于各个第二红心用户的用户信息，确定各个第二红心用户喜欢a歌手创作的音频且各个第二红心用户对a歌手的关注时长超过预设时长，装置在所有用户中筛选出关注a歌手的时长超过预设时长的用户，作为与第二红心用户的相似用户。
147.需要说明的是，在当待分发媒体对象不是冷启动的媒体对象，也即待分发媒体对
象具有较多用户播放，装置则无需通过相似媒体确定第一分发用户，可以通过播放待分发媒体对象的用户确定第一红心用户，再将与第一红心用户具有相似的用户确定为第二分发用户，再通过第一红心用户以及第二红心用户确定第三分发用户。此外，装置无需确定第二红心用户，可以直接将第一红心用户的相似用户确定为第三分发用户。
148.在本实施例中，装置通过相似媒体对象、相似行为以及相似用户等方式扩充待分发媒体对象的分发用户，使得装置具有足够多的数据以准确的确定待分发媒体对象是否是具有爆款潜力的媒体对象。
149.参照图4，图4示例性的示出了根据本公开实施例提供的爆款潜力的媒体对象的确定方法又一实施例的流程示意图，基于图3所示的实施例，步骤s301包括：
150.步骤s401，确定待分发媒体对象与数据库中各个目标媒体对象之间的第一相似度。
151.在本实施例中，数据库中存储有多个目标媒体对象，目标媒体对象的类型与待分发媒体对象的类型相同。例如，待分发媒体对象是音频，则目标媒体对象也是音频。
152.装置计算待分发媒体对象与各个目标媒体对象之间的第一相似度。
153.在一示例中，待分发媒体对象包括多个标签，且目标媒体对象也包括多个标签，待分发媒体对象与目标媒体对象具有相同的标签的数量与总数量的比值可以作为第一相似度，总数量可以目标媒体对象的标签的数量。标签例如为a歌手、b作曲人、c作词人、摇滚、正能量等。
154.在另一示例中，装置确定待分发媒体对象的第一特征向量，再确定第一特征向量与目标媒体对象的第二特征向量之间的内积，通过内积即可确定待分发媒体对象与目标媒体对象之间的第一相似度。需要说明的是，装置需要对第一特征向量以及第二特征向量进行归一化，再对第一特征向量以及第二特征向量进行内积以作为第一相似度，第一相似度的取值范围可为0～1。装置可以采用相似度计算模型计算第一相似度。相似度计算模型训练使用的样本是媒体对象推荐场景累计的用户与媒体对象的交互数据。媒体对象推荐场景指的是对用户进行媒体对象的推荐的场景。以媒体对象为音频为例，对于音频a以及音频b，若是基于音频a推荐音频b的红心率和/或完播率超过平均值，则视为音频a与音频b相似，也即音频a与音频b对应的数据可作为训练相似度计算模型的正样本，也即作为相似音频的正样本进行相似度计算模型的训练。红心率即为有效红心率，完播率指的是完整播放音频的数量除以音频的总数量的比值。相似度计算模型训练的负样本采用随机采样的方式，即随机选择一对音频作为不相似的一对负样本，同时保证采用的音频对(两首音频)不是正样本。对于正样本，相似度计算模型训练的得分(得分是正样本的两首音频的相似度)尽量接近1，对于负样本，相似度计算模型训练的得分(得分是负样本的两首音频的相似度)尽量接近0。
155.第一特征向量可以通过待分发媒体对象的音频以及文字内容确定。具体的，装置获取待分发媒体对象的音频以及文字内容，根据文字内容确定文本向量，且确定音频对应的音频向量，也即将文字内容以及音频进行向量化得到音频向量以及文本向量，装置再根据音频向量与文本向量确定待分发媒体对象的第一特征向量。
156.装置可以采用模型确定第一特征向量。具体的，对于音频向量，可使用开源模型yamnet从待分发媒体对象的原始音频信号直接计算出音频向量表达，也即基于开源模型直
接获取待分发媒体对象的音频向量。对于待分发媒体对象的文本内容，例如音频的歌词文本，可以采用经典的文本处理算法word2vec进行文本的词向量计算，并最终将文本内容序列换转换为向量序列得到文本向量。在得到音频向量以及文本向量后，采用深度学习模型计算学习媒体对象的最终向量表示，再采用深度学习模型对音频向量以及文本向量进行转换得到第一特征向量。
157.此外，装置可以利用深度学习模型对数据库中各个媒体对象进行特征向量的计算，从而构建每个媒体对象的特征向量，且基于各个特征向量构建数据库的向量索引，也即将各个特征向量进行分类，基于同一类的特征向量构建该类特征向量对应的向量索引。装置在确定待分发媒体对象的第一特征向量后，在数据库中确定与第一特征相片匹配的向量索引，并将向量索引所匹配的媒体对象确定为目标媒体对象，也即将向量索引下的各个特征向量对应的媒体对象确定为目标媒体对象。装置可以计算第一特征向量与向量索引的相似度，相似度大于预设阈值，即可确定该向量索引匹配第一特征向量。通过此种方式，能够在海量的媒体对象中初步筛选与待分发媒体对象相似的目标媒体对象。
158.步骤s402，在各个第一相似度中确定大于第一预设相似度的目标相似度，并根据目标相似度对应的目标媒体对象的用户，确定第一分发用户。
159.装置在确定待分发媒体对象与各个目标媒体对象之间的第一相似度后，在各个第一相似度中确定目标相似度，目标相似度是大于第一预设相似度的第一相似度。装置根据目标相似度对应的目标媒体对象的用户确定第一分发用户，例如，目标相似度对应的目标媒体对象的用户可以是播放或阅读目标媒体对象的用户，或者，可以是收藏目标媒体对象的用户。
160.在本实施例中，装置通过计算待分发媒体对象与各个目标媒体对象的之间的相似度，来确定与待分发媒体对象的相似媒体对象，从而将相似媒体对象的用户确定为待分发媒体对象的分发用户，准确的定位了待分发媒体对象的分发用户。
161.参照图5，图5示例性的示出了根据本公开实施例提供的爆款潜力的媒体对象的确定方法还一实施例的流程示意图，基于图3或图4所示的实施例，步骤s302包括：
162.步骤s501，在第一红心用户与目标媒体对象对应的第三红心用户中，确定相同的用户，第三红心用户是对目标媒体对象进行预设操作的用户。
163.在本实施例中，装置通过第一红心用户扩大待分发媒体对象的分发用户的数量。
164.具体的，装置确定目标媒体对象所对应的第三红心用户，目标媒体对象为任意的媒体对象，第三红心用户是对目标媒体对象进行预设操作的用户，预设操作具体参照上述说明，在此不再进行赘述。各个第一红心用户视为人群s1，各个第三红心用户视为一个人群s2，s1对应待分发媒体对象，s2对应目标媒体对象，装置计算s1与s2的交集，也即在第一红心用户以及第三红心用户中确定相同用户。
165.步骤s502，根据相同的用户的数量与总数量，确定目标媒体对象与待分发媒体对象之间的相似度分数，总数量是第三红心用户的总数量。
166.装置基于相同的用户的数量与总数量计算目标媒体对象与待分发媒体对象之间的相似度分数。总数量是第三红心用户的总数量。
167.示例性的，装置采用tf表示相同的用户的数量，ru(s2)表示总数量，则相同的用户占第三红心用户的比例tgi＝tf/ru(s2)，待分发媒体对象与目标媒体对象之间的相似度分
数tftgi＝tf*tgi。
168.通过上述方式，装置计算出待分发媒体对象与每个目标媒体对象之间的相似度分数。
169.步骤s503，将大于预设分数的相似度分数确定为目标相似度分数。
170.步骤s504，将目标相似度分数对应的目标媒体对象的第三红心用户，确定为与第一红心用户具有相似行为的用户。
171.装置设置有预设分数，预设分数可为任意合适的数值。装置将大于预设分数的相似度分数确定为目标相似度分数。装置再将目标相似度分数对应的目标媒体对象对应的各个第三红心用户可作为第二分发用户，也即这批第三红心用户是与第一红心用户具有相似行为的用户。
172.与第一红心用户具有相似行为的用户的确定方式，本质是根据用户与媒体对象的交互行为计算待分发媒体对象的相似媒体对象。用户与媒体对象的交互行为可以是红心行为，红心行为指的是对媒体对象进行收藏的行为。
173.在本实施例中，基于待分发媒体对象已有的红心人群，与其他媒体对象的红心人群进行计算，通过人群的重合度和差异度，计算待分发媒体的相似媒体对象，从而将相似媒体对象的红心人群作确定为与第一红心用户具有相似行为的用户。
174.参照图6，图6示例性的示出了根据本公开实施例提供的爆款潜力的媒体对象的确定方法再一实施例的流程示意图，基于图3-图5任一项所示的实施例，步骤s303包括：
175.步骤s601，获取目标用户、目标媒体对象以及目标媒体对象的创作者之间的第一交互信息，目标用户包括第一红心用户与第二红心用户。
176.在本实施例中，可以通过相似用户来扩大待分发媒体对象的分发用户的数量。具体的，在当待分发媒体对象积累了一批红心用户(第一红心用户以及第二红心用户)后，确定这批红心用户的相似用户，
177.对此，装置获取目标用户、目标媒体对象以及目标媒体对象的创作者之间的第一交互信息，目标用户包括第一红心用户以及第二红心用户。目标媒体对象可以是任意的媒体对象。第一交互信息包括目标用户与目标媒体对象的交互，例如，目标用户评论目标媒体对象；第一交互信息还包括创作者通过目标媒体对象与目标用户的交互，例如，创造者在目标媒体对象的评论区回复目标用户的评论。
178.步骤s602，获取待确定用户、目标媒体对象以及创作者之间的第二交互信息。
179.装置进一步获取待确定用户、目标媒体对象以及创作者之间的第二交互信息。第二交互信息包括待确定用户与目标媒体对象的交互，例如，待确定用户评论目标媒体对象；第二交互信息还包括创作者通过目标媒体对象与目待确定用户的交互，例如，创造者在目标媒体对象的评论区回复待确定用户的评论。待确定用户指的是除目标用户之外的用户。
180.步骤s603，根据第一交互信息与第二交互信息，确定待确定用户与目标用户之间的第二相似度。
181.装置基于第一交互信息以及第二交互信息确定待确定用户与目标用户之间的第二相似度。具体的，装置根据第一交互信息确定目标用户的第三特征向量，且根据第二交互信息确定待确定用户的第四特征向量，再通过第三特征向量与第四特征想却确定待确定用户与目标用户之间的第二相似度。
182.装置可以采用计算模型计算第二相似度。计算模型采用异构信息网络。异构信息网络要求将第一交互信息转换为异构图，第一交互信息中的目标用户、目标媒体对象与创作者之间作为异构图中的节点，若目标用户与目标媒体对象进行了交互，该交互行为可以在图中使用目标用户节点与目标媒体对象之间的边进行表示。同样的，创作者与目标媒体对象指教的联系可以采用边表示，因而，可以从图中确定出用户-用户的路径。通过训练图网络在图结构中随机游走，即可得到用户的向量表示，也即可以基于第一交互信息得到第三特征向量，通过第二交互信息得到第四特征向量。通过计算第三特征向量与第四特征向量来确定目标用户与待确定用户之间是否存在关联关系，关联关系指的是目标用户与待确定用户对相同的媒体对象或者创作者进行了交互。
183.步骤s604，将大于第二预设相似度的第二相似度对应的待确定用户，确定为与所目标用户所相似的用户。
184.装置将大于第二预设相似度的第二相似度所对应的待确定用户，确定为目标用户所相似的用户，也即将该待确定用户确定为第三分发用户。
185.在本实施例中，通过待分发媒体对象已有的红心用户来确定相似用户，从而扩大待分发媒体对象的分发的用户的数量，进而获取足够的数据以准确的确定待分发媒体对象是否是具有爆款潜力的媒体对象。
186.参照图7，图7示例性的示出了根据本公开实施例提供的爆款潜力的媒体对象的确定方法又一实施例的流程示意图，基于图3-图6任一项所示的实施例，步骤s201之前，还包括：
187.步骤s701，将待分发媒体对象分发至鉴赏用户。
188.在本实施例中，用户对媒体对象的偏好程度不同，但是有一批具有前瞻性的用户群体，这类用户群体能够在大众发现爆款媒体对象之前，很早就发现了这些媒体对象，对此，将这类用户定义为鉴赏用户。
189.对于一个优质的媒体对象，鉴赏用户的有效红心率显著大于用户的平均水平。对此，装置可以基于用户的用户信息来计算得到每个用户的有效红心率，有效红心率的定义以及计算方式参照上述说明，在此不再进行赘述。
190.若是用户的有效红心率大于平均的有效红心率，则将该用户确定为鉴赏用户。平均的有效红心率是各个用户的有效红心率的平均值。装置将待分发媒体对象分发至各个鉴赏用户所对应的终端。
191.步骤s702，获取鉴赏用户在第三预设时间段对待分发媒体对象的第三行为数据。
192.为了快速的确定待分发媒体对象是否具有爆款潜力，装置在第三预设时间段内获取鉴赏用户对待分发媒体对象的第三行为数据，也即采集一个时间段内鉴赏用户对待分发媒体对象的行为数据，避免花费较长时长获取第三行为数据。
193.步骤s703，响应于第三行为数据满足第三预设条件，将待分发媒体对象分发给目标分发用户。
194.装置收集各个鉴赏用户的第三行为数据，若是第三行为数据满足第三预设条件，则将待分发媒体对象分发给目标分发用户。
195.在一示例中，装置可以基于第三行为数据确定鉴赏用户是否喜爱待分发媒体对象，若是第三行为数据记录有鉴赏用户对待分发媒体对象的点赞、收藏、投票、打赏、正向评
论、下载中的至少一种行为操作，则可确定鉴赏用户喜爱待分发媒体对象。装置确定表达对待分发媒体对象的喜爱的鉴赏用户的数量，若该数量与鉴赏用户的总数量的比值大于第三预设比值，则可确定第三行为数据满足第三预设条件。
196.在另一示例中，装置可以基于第三行为数据中所记录的鉴赏用户对媒体对象的操作进行打分，例如，点赞、踩、播放时长、阅读时长、收藏、投票、打赏、下载等行为操作各自对应一个分值。装置确定每个目标分发对象对应的总分值，再确定大于预设分值的总分值的鉴赏用户的数量，若该数量与鉴赏用户的总数量的比值大于第四预设比值，则可确定第三行为数据满足第三预设条件。
197.在本实施例中，通过具有前瞻性的用户群体对待分发媒体对象先进行检验，检验通过后，再将待分发媒体对象发送至目标分发用户。
198.示例性介质
199.在介绍了本公开示例性实施方式的方法之后，接下来，参考图8对本公开示例性实施方式的存储介质进行说明。
200.参考图8所示，存储介质80中存储着根据本公开的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(cd-rom)并包括计算机执行指令，该计算机执行指令用于使计算设备执行本公开所提供的爆款潜力的媒体对象的确定方法。然而，本公开的程序产品不限于此。
201.程序产品可以采用一个或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。
202.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，其中承载了计算机执行指令。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何可读介质。
203.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公开操作的计算机执行指令，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。计算机执行指令可以完全地在用户计算设备上执行、部分地在用户设备上执行、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)，连接到用户计算设备。
204.示例性装置
205.在介绍了本公开示例性实施方式的介质之后，接下来，参考图9对本公开示例性实施方式的爆款潜力的媒体对象的确定装置进行说明，爆款潜力的媒体对象的确定装置用于实现上述任一方法实施例中的方法，其实现原理和技术效果类似。
206.参考图9，图9示意性地示出了根据本公开实施例提供的爆款潜力的媒体对象的确定装置的结构示意图。
207.如图9所示，爆款潜力的媒体对象的确定装置包括：发送模块910，用于将待分发媒
体对象分发给目标分发用户，并获取第一预设时间段内目标分发用户对待分发媒体对象的第一行为数据；插入模块920，用于响应于第一行为数据满足第一预设条件，将待分发媒体对象插入榜单，并获取第二预设时间段榜单对应的用户对待分发媒体对象的第二行为数据；确定模块930，用于响应于第二行为数据满足第二预设条件，确定待分发媒体对象是具有爆款潜力的媒体对象。
208.在本公开一实施例中，还包括：确定模块930，还用于响应于待分发媒体对象是冷启动的媒体对象，通过待分发媒体对象的相似媒体对象确定第一分发用户，并将待分发媒体对象分发至第一分发对象；确定模块930，还用于确定第一分发用户中的第一红心用户，并确定与第一红心用户具有相似行为的用户，以作为第二分发用户，且将待分发媒体对象分发至第二分发对象，第一红心用户是对待分发媒体对象进行预设操作的第一分发用户；确定模块930，还用于确定与第一红心用户以及第二红心用户所相似的用户，以作为第三分发用户，并将待分发媒体对象分发至第三分发对象，其中，目标分发用户包括第一分发用户、第二分发用户以及第三分发用户，第二红心用户是对待分发媒体对象进行预设操作的第二分发用户。
209.在本公开另一实施例中，还包括：确定模块930，还用于确定待分发媒体对象与数据库中各个目标媒体对象之间的第一相似度；确定模块930，还用于在各个第一相似度中确定大于第一预设相似度的目标相似度，并根据目标相似度对应的目标媒体对象的用户，确定第一分发用户。
210.在本公开另一实施例中，还包括：确定模块930，还用于确定待分发媒体对象的第一特征向量；确定模块930，还用于确定第一特征向量与各个目标媒体对象对应的第二特征向量之间的内积；确定模块930，还用于根据各个内积确定待分发媒体对象与各个目标媒体对象之间的第一相似度。
211.在本公开另一实施例中，还包括：第一获取模块，用于获取待分发媒体对象的音频以及文字内容；确定模块930，还用于确定音频对应的音频向量，并根据文字内容确定文本向量；确定模块930，还用于根据音频向量与文本向量确定待分发媒体对象的第一特征向量。
212.在本公开另一实施例中，还包括：确定模块930，用于在数据库中确定与第一特征向量匹配的向量索引，并将向量索引匹配的媒体对象确定为目标媒体对象。
213.在本公开另一实施例中，还包括：确定模块930，还用于在第一红心用户与目标媒体对象对应的第三红心用户中，确定相同的用户，第三红心用户是对目标媒体对象进行预设操作的用户；确定模块930，还用于根据相同的用户的数量与总数量，确定目标媒体对象与待分发媒体对象之间的相似度分数，总数量是第三红心用户的总数量；确定模块930，还用于将大于预设分数的相似度分数确定为目标相似度分数；确定模块930，还用于将目标相似度分数对应的目标媒体对象的第三红心用户，确定为与第一红心用户具有相似行为的用户。
214.在本公开另一实施例中，还包括：第二获取模块，用于获取目标用户、目标媒体对象以及目标媒体对象的创作者之间的第一交互信息，目标用户包括第一红心用户与第二红心用户；第二获取模块，还用于获取待确定用户、目标媒体对象以及创作者之间的第二交互信息；确定模块930，还用于根据第一交互信息与第二交互信息，确定待确定用户与目标用
户之间的第二相似度；确定模块930，还用于将大于第二预设相似度的第二相似度对应的待确定用户，确定为与所目标用户所相似的用户。
215.在本公开另一实施例中，还包括：确定模块930，还用于根据第一交互信息确定目标用户的第三特征向量，并根据第二交互信息确定待确定用户的第四特征向量；确定模块930，还用于根据第三特征向量与第四特征向量，确定待确定用户与目标用户之间的第二相似度。
216.在本公开另一实施例中，还包括：发送模块910，还用于将待分发媒体对象分发至鉴赏用户；第三获取模块，还用于获取鉴赏用户在第三预设时间段对待分发媒体对象的第三行为数据；发送模块910，还用于响应于第三行为数据满足第三预设条件，将待分发媒体对象分发给目标分发用户。
217.示例性计算设备
218.在介绍了本公开示例性实施方式的方法、介质和装置之后，接下来，参考图10对本公开示例性实施方式的计算设备进行说明。
219.图10显示的计算设备100仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。如图10所示，计算设备100以通用计算设备的形式表现。计算设备100的组件可以包括但不限于：至少一个处理单元1001、至少一个存储单元1002，连接不同系统组件(包括处理单元1001和存储单元1002)的总线1003。其中，至少一个存储单元1002中存储有计算机执行指令；至少一个处理单元1001包括处理器，处理器执行该计算机执行指令，以实现上文描述的方法。
220.总线1003包括数据总线、控制总线和地址总线。
221.存储单元1002可以包括易失性存储器形式的可读介质，例如随机存取存储器(ram)10021和/或高速缓存存储器10022，可以进一步包括非易失性存储器形式的可读介质，例如只读存储器(rom)10023。
222.存储单元1002还可以包括具有一组(至少一个)程序模块10024的程序/实用工具10025，这样的程序模块10024包括但不限于：操作系统、一个或者多个应用程序、其它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。
223.计算设备100也可以与一个或多个外部设备1004(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(i/o)接口1005进行。并且，计算设备100还可以通过网络适配器1006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10所示，网络适配器1006通过总线1003与计算设备100的其它模块通信。应当理解，尽管图中未示出，可以结合计算设备100使用其它硬件和/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。
224.应当注意，尽管在上文详细描述中提及了爆款潜力的媒体对象的确定装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
225.此外，尽管在附图中以特定顺序描述了本公开方法的操作，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操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
226.虽然已经参考若干具体实施方式描述了本公开的精神和原理，但是应该理解，本公开并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本公开旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。