一种虚拟资源的控制方法、电子设备及存储介质与流程

1.本技术涉及人工智能技术领域，特别是涉及一种虚拟资源的控制方法、电子设备及存储介质。


背景技术：

2.目前虚拟资源多采用人工配置，相关工作人员根据不同渠道进行人工投放；例如，虚拟资源包括电子优惠券或电子红包等，在各大电子商务平台发放电子优惠券、电子红包等虚拟资源。然而，人工配置不同种类的优惠券以及发送优惠券会耗费人力和时间。随着促销活动的日益频繁，虚拟资源的配置及发放会耗费大量的人力和时间，并且人工配置虚拟资源出错的情况经常出现。同时，人工配置的虚拟资源不能按照用户的特征及特性而定制其专属虚拟资源，从而导致发放的虚拟资源可能并不是用户所需要的，导致促销活动并没有起到预期的效果。


技术实现要素：

3.鉴于此，本技术提供一种虚拟资源的控制方法、电子设备及存储介质，以解决上述技术问题。
4.本技术第一方面提供了一种虚拟资源的控制方法，该方法包括：从数据库中获取所有用户端所产生的消费相关数据，所述消费相关数据至少包括属性数据和/或行为数据；获取目标用户端在所述消费相关数据中的第一行为数据，对所述第一行为数据进行清洗；将清洗后的所述第一行为数据与预设的标签进行匹配，基于匹配结果对所述目标用户端设置对应的至少一个标签；基于所述至少一个标签的组合关系，向所述目标用户端发放对应的虚拟资源。
5.在一些实施例中，所述基于所述至少一个标签的组合关系，向所述目标用户端发放对应的虚拟资源的步骤包括：判断所述至少一个标签的组合关系是否在人工智能采集库内；若是，则将所述目标用户端的历史消费相关数据存储至所述人工智能采集库，基于人工智能算法向所述目标用户端发放对应的所述虚拟资源。
6.在一些实施例中，所述判断所述至少一个标签的组合关系是否在人工智能采集库内的步骤包括：若否，则基于所述人工智能算法得到所述目标用户端的标签和对应的所述虚拟资源，并将所述目标用户端的标签和对应的所述虚拟资源存储至所述人工智能采集库内。
7.在一些实施例中，所述获取目标用户端在所述消费相关数据中的第一行为数据，对所述第一行为数据进行清洗的步骤包括：对所述第一行为数据采用大数据清洗，将所述第一行为数据进行数据分析处理、缺失值处理、异常值处理、去重处理以及噪音处理，得到清洗后的所述第一行为数据。
8.在一些实施例中，所述将清洗后的所述第一行为数据与预设的标签进行匹配之前的步骤包括：获取所述目标用户端在所述消费相关数据中的第一属性数据；所述将清洗后
的所述第一行为数据与预设的标签进行匹配，基于匹配结果对所述目标用户端设置对应的至少一个标签的步骤进一步包括：将清洗后的所述第一行为数据与所述目标用户端的第一属性数据进行关联，得到所述目标用户端的匹配数据；将所述目标用户端的匹配数据与所述预设的标签进行匹配，得到所述匹配结果；基于匹配结果对所述目标用户端设置对应的至少一个标签。
9.在一些实施例中，所述目标用户端的历史消费数据包括所述至少一个标签的组合关系以及对应的所述虚拟资源。
10.在一些实施例中，所述基于所述人工智能算法得到所述目标用户端的标签和对应的所述虚拟资源，并将所述目标用户端的标签和对应的所述虚拟资源存储至所述人工智能采集库内的步骤包括：基于所述人工智能算法得到所述目标用户端的标签和对应的所述虚拟资源，向所述目标用户端发放对应的所述虚拟资源；将所述目标用户端的标签和对应的所述虚拟资源存储至所述人工智能采集库内。
11.在一些实施例中，所述虚拟资源包括向所述目标用户端发放对应的优惠券和/或红包。
12.本技术第二方面提供了一种电子设备，包括相互耦接的存储器和处理器，所述处理器用于执行所述存储器中存储的程序指令，以实现上述第一方面中的虚拟资源的控制方法。
13.本技术第三方面提供了一种计算机可读存储介质，其上存储有程序指令，所述程序指令被处理器执行时实现上述第一方面中的虚拟资源的控制方法。
14.本技术提供的一种虚拟资源的控制方法、电子设备及存储介质，可以从数据库中获取目标用户端产生的消费相关数据，对消费相关数据处理进行处理后打上至少一个标签，并根据标签的组合关系向目标用户端发放对应的虚拟资源，可以有效减少工作人员耗费的时间和精力，有效降低人工发放虚拟资源的错误概率，同时精准满足用户的消费需求，提升相关产品销量。
15.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，而非限制本技术。
附图说明
16.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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。
17.图1是本技术的虚拟资源的控制方法一实施例的流程示意图；
18.图2是图1中步骤s14的一实施例的流程示意图；
19.图3是图2中步骤s22的一实施例的流程示意图；
20.图4是图2中步骤s23的一实施例的流程示意图；
21.图5是本技术电子设备一实施例的框架示意图；
22.图6为本技术非易失性计算机可读存储介质一实施例的框架示意图。
具体实施方式
23.下面结合说明书附图，对本技术实施例的方案进行详细说明。特别指出的是，以下实施例仅用于说明本技术，但不对本技术的范围进行限定。同样的，以下实施例仅为本技术的部分实施例而非全部实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本技术保护的范围。
24.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
25.在本技术的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
26.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。此外，本文中的“多”表示两个或者多于两个。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
27.此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
28.流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领域的技术人员所理解。
29.若本技术技术方案涉及个人信息，应用本技术技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本技术技术方案涉及敏感个人信息，应用本技术技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。例如，在摄像头等个人信息采集装置处，设置明确显著的标识告知已进入个人信息采集范围，将会对个人信息进行采集，若个人自愿进入采集范围即视为同意对其个人信息进行采集；或者在个人信息处理的装置上，利用明显的标识/信息告知个人信息处理规则的情况下，通过弹窗信息或者请个人自行上传其个人信息等方式获得个人授权；其中，个人信息处理规则可包括个人信息处理者、个人信息处理目的、处理方式以及处
理个人信息种类等信息。
30.请参阅图1，图1是本技术的虚拟资源的控制方法一实施例的流程示意图。该方法的执行主体可以是数据处理装置，例如，数据处理方法可以由终端设备或服务器或其它处理设备执行，其中，终端设备可以为用户设备(user equipment，ue)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(personal digital assistant，pda)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。具体而言，可以包括如下步骤：
31.步骤s11：从数据库中获取所有用户端所产生的消费相关数据，消费相关数据至少包括属性数据和/或行为数据。
32.在本实施例中，数据库记录了所有用户端产生的消费相关数据，消费相关数据至少包括属性数据和/或行为数据。具体的，可以选用sql(structured query language，结构化查询语言)结合hive进行数据存储。其中，sql是一种操作数据库的语言，包括创建数据库、删除数据库、查询记录、修改记录、添加字段等。hive是一个数据仓库工具，用来进行数据提取、转化、加载，这是一种可以存储、查询和分析存储的大规模数据的机制。hive数据仓库工具能将结构化的数据文件映射为一张数据库表，并提供sql查询功能。
33.其中，属性数据包括用户的性别、年龄、工作、收入区间、工作地、居住地、是否结婚、是否有子女以及其用户的父母情况等与用户相关的数据。
34.行为数据包括用户通过用户端在各方面的消费数据，例如生活用品类的消费数据，例如用户购买的护肤种类、服装品牌等；出行相关的消费数据，例如通勤选择的出行方式、每月家用轿车的加油费用等；教育相关的消费数据，例如参与兴趣培训的费用等；通讯相关的消费数据，例如话费充值、流量充值等；餐饮相关的消费数据，例如用户聚餐的饭店名称、订购外卖的品牌等；娱乐相关的消费数据，例如用户购买的电影票、参加的艺术展等；已使用的优惠券，例如话费红包、购物优惠券等。以上内容仅作为示例，本技术对此不做限定。
35.需要注意的是，应用本技术技术方案的产品在处理个人信息前，已明确告知个人信息处理规则，并取得个人自主同意。若本技术技术方案涉及敏感个人信息，应用本技术技术方案的产品在处理敏感个人信息前，已取得个人单独同意，并且同时满足“明示同意”的要求。
36.步骤s12：获取目标用户端在消费相关数据中的第一行为数据，对第一行为数据进行清洗。
37.从所有用户端产生的消费相关数据进行筛选，得到目标用户端在数据库中记录的所有消费相关数据，该消费相关数据包括第一行为数据和第一属性数据，其中第一行为数据为目标用户端的所有行为数据，第一属性数据为目标用户端的所有属性数据。在获取到目标用户端的所有行为数据之后，对其进行大数据清洗，去除掉记录的无效数据。例如，在目标用户生活用品的消费数据中，记录有用户购买的护肤种类、服装品牌和用户生日。在目标用户生活用品的消费数据中，用户生日就属于无效数据，需要清除掉该数据。
38.步骤s13：将清洗后的第一行为数据与预设的标签进行匹配，基于匹配结果对目标用户端设置对应的至少一个标签。
39.如上述，将清洗后的第一行为数据与预设的标签进行匹配，在一些实施例中，通过
数学建模，将清洗后的目标用户端所有行为数据结合所有属性数据，与预设的标签进行匹配，得到匹配结果。并基于匹配结果对目标用户端设置对应的至少一个标签。
40.例如，经过大数据清洗后，得到某目标用户端的所有行为数据，该行为数据包括：中等价位护肤品、汽车和某电影，同时该目标用户端的所有属性数据包括：男、未婚。通过数学建模，为该目标用户端设置标签组合：男、未婚、汽车出行、娱乐电影、护肤品中等价位。又例如，经过大数据清洗后，得到某目标用户端的所有行为数据，该行为数据包括：幼儿舞蹈班、话费月均消费100元、曾使用话费红包，通过数学建模，为该目标用户设置标签组合：女、已婚、教育幼儿、使用话费红包。
41.步骤s14：基于至少一个标签的组合关系，向目标用户端发放对应的虚拟资源。
42.虚拟资源包括向目标用户端发放对应的电子优惠券和/或电子红包，本技术对此不做限定。在一些实施例中，基于目标用户端的标签组合关系，通过人工智能算法得到对应的虚拟资源并向目标用户端发放。例如，得到某目标用户端的标签组合，该标签组合包括：男、未婚、汽车出行、娱乐电影、护肤品中等价位；通过人工智能算法发放其对应的虚拟资源，其对应的虚拟资源包括：加油优惠券、电影红包、中等价位护肤品优惠券。又例如，得到某目标用户端的标签组合，该标签组合包括：女、已婚、教育幼儿、使用话费红包；通过人工智能算法发放其对应的虚拟资源，其对应的虚拟资源包括：培训班优惠券、话费红包。
43.在本技术中，可以从数据库中获取目标用户端产生的消费相关数据，对消费相关数据处理进行处理后打上至少一个标签，并根据标签的组合关系向目标用户端发放对应的虚拟资源，可以有效减少工作人员耗
44.费的时间和精力，有效降低人工发放虚拟资源的错误概率，同时精准满5足用户的消费需求，提升相关产品销量。
45.请参阅图2，图2是图1中步骤s14的一实施例的流程示意图。步骤s14包括如下步骤：
46.步骤s21：判断至少一个标签的组合关系是否在人工智能采集库内。
47.将目标用户端的标签组合关系与人工智能采集库内存储的所有标0签组合关系进行比对，若在人工智能采集库中查找到该标签组合关系，
48.则进入步骤s22；若在人工智能采集库中未查找到该标签组合关系，则进入步骤s23。
49.例如，目标用户端的标签组合关系为“男、未婚、汽车出行、娱乐
50.电影、护肤品中等价位”，依据此标签组合关系在人工智能采集库中进5行比对，若查找到与该标签组合关系相同的数据“男、未婚、汽车出行、娱乐电影、护肤品中等价位”，则进入步骤s22；若未查找到与该标签组合关系相同的数据，则进入步骤s23。
51.步骤s22：将目标用户端的历史消费相关数据存储至人工智能采集库，基于人工智能算法向目标用户端发放对应的虚拟资源。
52.0其中，目标用户端的历史消费数据包括至少一个标签的组合关系以
53.及对应的虚拟资源。例如目标用户端的历史消费数据包括标签组合“男、未婚、汽车出行、娱乐电影、护肤品中等价位”以及对应虚拟资源“加油优惠券、电影红包、中等价位护肤品优惠券”。
54.步骤s23：基于人工智能算法得到目标用户端的标签和对应的虚拟5资源，并将目
标用户端的标签和对应的虚拟资源存储至人工智能采集库内。
[0055][0056]
根据目标用户端的标签组合关系，基于机器学习得到该标签组合关系对应的虚拟资源，同时向目标用户发放对应的虚拟资源。
[0057]
在一个实施场景中，上述步骤s23和步骤s23可以按照先后顺序执行，例如，先执行步骤s22，后执行步骤s23；或者，先执行步骤s23，后执行步骤s22。在另一个实施场景中，上述步骤s22和步骤s23还可以同时执行，具体可以根据实际应用进行设置，在此不做限定。
[0058]
可选的，获取目标用户端在所述消费相关数据中的第一行为数据，5对所述第一行为数据进行清洗。
[0059]
在一些实施例中。对第一行为数据采用大数据清洗，将第一行为数据进行数据分析处理、缺失值处理、异常值处理、去重处理以及噪音处理，得到清洗后的第一行为数据。
[0060]
大数据清洗简单概述就是对企业在运行经营过程中，产生的纷繁复0杂的数据进行抽取、转换、加载三个部分，具体细化过程为数据分析处理、缺失值处理、异常值处理、去重处理以及噪音处理。
[0061]
其中，数据分析处理是数据清洗的前提和基础，通过人工检测或者计算机分析程序的方式对原始数据源的数据进行检测分析，从而得出原始数据源中存在的数据质量问题。
[0062]
5缺失值处理包括删除处理、均值填补和热卡填补。删除处理是指缺失部分在整体数据样本中占比较低时，直接删除。均值填补是指依据数据值属性相关度，对影响最大的那一组数据拆成几个部分，计算出每部分的均值，加入到缺失数据中即可。
[0063]
异常值处理包括统计分析和模型检测。其中统计分析是指对数据进0行简单的描述性统计，通过选取最大最小阈值来判断是否符合常识。模型检测是指根据正常状态，建立数据模型，将数据表现与模型不拟合的数据定义为异常值。
[0064]
去重处理包括对两个数据集或者一个合并后的数据集进行检测，从而确定同一个数据是否进行重复记录，并将重复数据删除。
[0065]
5噪音处理是指去除数据中的杂质，处理方法包括分箱法和回归法，
[0066]
其中分箱法通过考察对比数据周边值来光滑有序数据值，这些数值被分布到一些箱中，再由分箱考察对比周边近邻值。以箱为单位对素质进行平均值替换或者中位数替换，箱中最大值最小值被视为边界，箱中的每个值被最近的边界值替换。
[0067]
请参阅图3，图3是图2中步骤s22的一实施例的流程示意图。步骤s22包括如下步骤：
[0068]
步骤s31：将清洗后的第一行为数据与目标用户端的第一属性数据进行关联，得到目标用户端的匹配数据。
[0069]
其中，第一行为数据为目标用户端的所有行为数据，第一属性数据为目标用户端的所有属性数据。
[0070]
在目标用户端的所有行为数据经过大数据清洗后，与目标用户端的所有属性数据进行关联，得到目标用户端的匹配数据。例如，某目标用户端的所有行为数据包括“中等价位护肤品、汽车、某电影”，所有属性数据包括“男、未婚”。将以上行为数据和属性数据进行关联，得到匹配数据“男、未婚、中等价位护肤品、汽车、某电影”。
[0071]
步骤s32：将目标用户端的匹配数据与预设的标签进行匹配，得到匹配结果。
[0072]
其中，匹配数据包括某用户端的所有行为数据和属性数据。目标用户端的匹配数据通过数学建模，将匹配数据与预设的标签进行匹配，得到匹配结果。其中数学建模可以采用pipeline来完成一系列的任务，pipeline是一套运行于jenkins上的工作流框架，将原本独立运行于单个或者多个节点的任务连接起来，实现单个任务难以完成的复杂流程编排与可视化。而jenkins是一个开源的、提供友好操作界面的持续集成工具，主要用于持续、自动的构建/测试软件项目、监控外部任务的运行。
[0073]
步骤s33：基于匹配结果对目标用户端设置对应的至少一个标签。
[0074]
基于匹配结果，为目标用户端设置对应的至少一个标签。例如某目标用户端匹配数据包括“男、未婚、中等价位护肤品、汽车、某电影”，则为目标用户端设置对应的标签组合为“男、未婚、汽车出行、娱乐电影、护肤品中等价位”。
[0075]
请参阅图4，图4是图2中步骤s23的一实施例的流程示意图。步骤s23包括如下步骤：
[0076]
步骤s41：基于人工智能算法得到目标用户端的标签和对应的虚拟资源，向目标用户端发放对应的虚拟资源。
[0077]
其中，人工智能算法包括机器学习。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能核心，是使计算机具有智能的根本途径。
[0078]
在一些实施例中，根据目标用户端的标签组合关系，基于机器学习得到该标签组合关系对应的虚拟资源，同时向目标用户发放对应的虚拟资源。例如某目标用户端的标签组合关系包括“男、已婚、出行地铁、幼儿舞蹈班”，基于机器学习得到该标签组合关系对应的虚拟资源“地铁电子购票优惠券、培训班优惠券”，并向目标用户端发放对应的虚拟资源。
[0079]
步骤s42：将目标用户端的标签和对应的虚拟资源存储至人工智能采集库内。
[0080]
在一些实施例中，通过机器学习得到目标用户端的标签和对应的虚拟资源，将该目标用户端的标签和对应的虚拟资源存储至人工智能采集库中，补充人工智能采集库中关于该目标用户端的数据。
[0081]
以上所述仅为本技术的实施方式，并非因此限制本技术的专利范围，凡是利用本技术说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本技术的专利保护范围内。
[0082]
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
[0083]
请参阅图5，图5是本技术电子设备一实施例的框架示意图。电子设备50包括相互耦接的存储器51和处理器52，处理器52用于执行存储器51中存储的程序指令，以实现上述任一银行用户地址保存方法实施例的步骤。在一个具体的实施场景中，电子设备50可以包括但不限于：微型计算机、服务器，此外，电子设备50还可以包括笔记本电脑、平板电脑等移动设备，在此不做限定。
[0084]
具体而言，处理器52用于控制其自身以及存储器51以实现上述任一银行用户地址
保存方法实施例的步骤。处理器52还可以称为cpu(central processing unit，中央处理单元)。处理器52可能是一种集成电路芯片，具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(field-programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。另外，处理器52可以由集成电路芯片共同实现。
[0085]
请参阅图6，图6为本技术非易失性计算机可读存储介质一实施例的框架示意图。非易失性计算机可读存储介质60存储有能够被处理器运行的程序指令601，程序指令601用于实现上述任一银行用户地址保存方法实施例的步骤。
[0086]
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
[0087]
上文对各个实施例的描述倾向于强调各个实施例之间的不同之处，其相同或相似之处可以互相参考，为了简洁，本文不再赘述。
[0088]
在本技术所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其它的方式实现。例如，以上所描述的装置实施方式仅仅是示意性的，例如，模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性、机械或其它的形式。
[0089]
另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
[0090]
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该
[0091]
技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件5产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施方式方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机
[0092]
存取存储器(ram，random access memory)、磁碟或者光盘等各种可0以存储程序代码的介质。