技术领域
[0001] 本
发明涉及信息技术领域，更具体地说，涉及一种推荐信息生成方法装置、及系统。
背景技术
[0002] 随着互联网的不断发展，用户越来越习惯于根据互联网中各对象的推荐信息选择目标对象，如视频、音频等。
[0003] 目前，推荐信息主要由推荐系统根据对象的推荐值生成。即推荐系统将各个对象的推荐值推荐给用户，由用户根据推荐值自行选择目标对象。
[0004]
发明人研究发现，目前，对象的推荐值的获取方式为：采集用户体验过该对象后对该对象的推荐值，通过采集众多用户对该对象的推荐值后，将这些推荐值求和后取平局值作为该对象的最后推荐值。在此
基础上，根据该对象的最后推荐值生成对象的推荐信息给用户，以便用户选择目标对象。
[0005] 可以看出，目前只能单一的根据用户推荐值的维度生成推荐信息，即推荐信息的生成维度较为单一，使得推荐信息的
精度较低。
发明内容
[0006] 本发明的目的是提供一种推荐信息生成方法、装置及系统，以提高推荐信息的精度。
[0007] 为实现上述目的，本发明提供了如下技术方案：
[0008] 一种推荐信息生成方法，包括：
[0009] 根据对象的识别标识从网络中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息；
[0010] 根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值；
[0011] 根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值；
[0012] 根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值；
[0013] 根据所述目标推荐值生成所述对象的第一推荐信息。
[0014] 一种推荐信息生成装置，包括：
[0015] 获取模
块，用于根据对象的识别标识从网络中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息；
[0016] 第一确定模块，用于根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值；
[0017] 第二确定模块，用于根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值；
[0018] 第三确定模块，用于根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值；
[0019] 第一生成模块，用于根据所述目标推荐值生成所述对象的第一推荐信息。
[0020] 一种推荐信息生成系统，包括：
[0021] 获取
服务器，用于根据对象的识别标识从网络中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息；
[0022] 推荐值确定服务器，用于根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值；根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值；根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值；
[0023] 推荐信息生成服务器，用于根据所述目标推荐值生成所述对象的第一推荐信息。
[0024] 通过以上方案可知，本
申请提供的一种推荐信息生成方法、装置及系统，从至少两个维度(包括与对象相对应的原始推荐值和与对象对应的评价文本信息)确定对象的目标推荐值，然后根据目标推荐值生成推荐信息。也就是说，本申请
实施例提供的推荐信息生成方法，目标推荐值是整合了原始推荐值和评价文本信息的推荐值，而由于评价文本信息是用户经常考虑的因素，因此，本申请实施例中，目标推荐值所包含的有效信息量增加，使得推荐值更符合用户需求，从而提高了推荐信息的精度。
附图说明
[0025] 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。
[0026] 图1为本申请实施例提供的推荐信息生成方法的一种实现
流程图；
[0027] 图2为本申请实施例提供的根据评价文本信息确定与评价文本信息对应的第二推荐因子的值的步骤的实现流程图；
[0028] 图3为本申请实施例提供的推荐信息生成装置的一种结构示意图；
[0029] 图4为本申请实施例提供的第二确定模块的一种结构示意图；
[0030] 图5为本申请实施例提供的第三确定模块的一种结构示意图；
[0031] 图6为本申请实施例提供的获取模块的一种结构示意图；
[0032] 图7为本申请实施例提供的第一确定模块的一种结构示意图；
[0033] 图8为本申请实施例提供的推荐信息生成装置的另一种结构示意图；
[0034] 图9为本申请实施例提供的推荐信息生成装置的又一种结构示意图；
[0035] 图10为本申请实施例提供的推荐信息生成装置的又一种结构示意图；
[0036] 图11为本申请实施例提供的推荐信息生成装置的又一种结构示意图；
[0037] 图12为本申请实施例提供的推荐信息生成系统的一种结构示意图；
[0038] 图13为本申请实施例提供的信息处理系统的一种结构示意图。
[0039]
说明书和
权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的部分，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示的以外的顺序实施。
具体实施方式
[0040] 下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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他实施例，都属于本发明保护的范围。
[0041] 请参阅图1，图1为本申请实施例提供的推荐信息生成方法的一种实现流程图，可以包括：
[0042] 步骤S11：根据对象的识别标识从网络中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息；
[0043] 对象可以是视频、音频或书籍或其它待推荐的物品，如
电子产品等。
[0044] 与对象相对应的原始推荐值是指通过采集众多用户对该对象的推荐值后，将这些推荐值求和后取平局值得到的推荐值。
[0045] 与对象相对应的评价文本信息是指用户对对象的评价信息。
[0046] 本申请实施例中，可以从一个来源
网站中获取推荐因子信息。来源网站可以是指社区网站，或电商网站等。
[0047] 步骤S12：根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值；
[0048] 当推荐因子信息是从一个来源网站中获取的时，第一推荐因子的值可以是所获取的原始推荐值。
[0049] 步骤S13：根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值；
[0050] 本申请实施例中，将评价文本信息作为确定第二推荐因子取值的依据。
[0051] 其中，步骤S12与步骤S13的执行顺序不做具体限定，可以先执行步骤S12，再执行步骤S13；也可以先执行步骤S13，再执行步骤S14,；或者，步骤S13与步骤S14同步执行。
[0052] 步骤S14：根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值；
[0053] 各个推荐因子的权重可以预先设定好，也可以由用户根据自己的需求自行选择。
[0054] 各个推荐因子的权重之和为1。
[0055] 步骤S15：根据所述目标推荐值生成所述对象的第一推荐信息。
[0056] 本申请实施例提供的一种推荐信息生成方法，从至少两个维度(包括与对象相对应的原始推荐值和与对象对应的评价文本信息)确定对象的目标推荐值，然后根据目标推荐值生成推荐信息。也就是说，本申请实施例提供的推荐信息生成方法，目标推荐值是整合了原始推荐值和评价文本信息的推荐值，而由于评价文本信息是用户经常考虑的因素，因此，本申请实施例中，目标推荐值所包含的有效信息量增加，使得推荐值更符合用户需求，从而提高了推荐信息的精度。
[0057] 上述实施例中，所述根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值的步骤的实现流程图如图2所示，可以包括：
[0058] 步骤S21：提取所述评价文本信息中的情感词，所述情感词至少包括
正面情感词和负面情感词；
[0059] 正面情感词可以是：喜欢、乐意、满意、好、很好、舒服、清楚等表达人的正面情感的词汇；
[0060] 负面情感词可以是：讨厌、厌烦、伤心、坏、不好、不喜欢、模糊、差等表达人的负面情感的词汇。
[0061] 所提取的情感词除了可以包括正面情感词和负面情感词外，还可以包括：中性词，即没有感情色彩的词，如：红色等表示
颜色的词、
质量、手感等等。
[0062] 步骤S22：确定所述正面情感词在所述情感词中所占的比例；
[0063] 提取出情感词后，根据正面情感词的个数和情感词总的个数确定正面情感词在情感词中所占的比例。
[0064] 步骤S23：根据所述比例确定所述第二推荐因子的值。
[0065] 具体，可以将正面情感词所占比例的取值按照第一预设规则映射到与第一推荐因子相同的取值范围内，即第二推荐因子的取值范围与所述第一推荐因子的取值范围相同。
[0066] 上述实施例，优选的，所述根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值可以包括：
[0067] 根据推荐模型确定所述对象的目标推荐值，所述推荐模型可以为：
[0068]
[0069] 其中，S为所述对象的目标推荐值；Ai为第i个推荐因子；wi为与第i个推荐因子对应的权重；n为推荐因子的个数。
[0070] 例如，当推荐因子信息只包括与所述对象相对应的原始推荐值与评价文本信息时，
[0071] 对象的目标推荐值S为：
[0072] S＝A1×w1+A2×w2
[0073] 其中，A1为第一推荐因子的取值；w1第一推荐因子的权重；A2为第二推荐因子的取值；w2为第二推荐因子的权重。
[0074] 本申请实施例中，除了可以从一个来源网站中获取推荐因子信息外，还可以从两个或更多个来源网站获取推荐因子信息，即可以从至少两个来源网站中获取推荐因子信息。
[0075] 当从至少两个来源网站中获取推荐因子信息时，所述根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值可以包括：
[0076] 所述第一推荐因子的值为所获取的至少两个原始推荐值的平均值，也就是所获取的所有原始推荐值的平均值。
[0077] 上述实施例中，优选的，所述推荐因子信息还可以包括：
[0078] 所述对象被选择的数量；
[0079] 本申请实施例中，所述对象被选择的数量可以为对象的播放量，即播放次数。如，当对象为视频或音频时，对象被选择的数量可以为对象的播放量。
[0080] 对象被选择的数量也可以是其它数量值，如对象(如，当对象为电子书时)的阅读量数据、销售量数据等。
[0081] 在根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值之前还包括：
[0082] 确定与所述对象被选择的数量对应的第三推荐因子的值。
[0083] 具体，可以将对象被选择的数量按照第二预设规则映射到与第一推荐因子相同的取值范围内，即第三推荐因子的取值范围也与所述第一推荐因子的取值范围相同。
[0084] 在确定第三推荐因子的值后，根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值可以包括：
[0085] S＝A1×w1+A2×w2+A3×w3
[0086] 其中，S为所述对象的目标推荐值；A1为第一推荐因子的取值；w1为第一推荐因子的权重；A2为第二推荐因子的取值；w2为第二推荐因子的权重；A3为第三推荐因子的取值；w3为第三推荐因子的权重。
[0087] 上述实施例，优选的，还可以包括：
[0088] 按时间对所述对象被选择的数量进行统计，确定所述对象被选择的数量的变化趋势；
[0089] 如，可以以一天为时间周期，统计对象每天被选择的数量，从而形成对象的每天与每天之间的被选择的数量的变化趋势。
[0090] 根据所述目标推荐值和所述对象被选择的数量的变化趋势生成所述对象的第二推荐信息。
[0091] 本申请实施例中，推荐信息中不但包括对象的目标推荐值，还包括对象被选择的数量的变化趋势，丰富了推荐信息的内容，提高了推荐信息对用户的引导性。
[0092] 上述实施例，优选的，还可以包括：
[0093] 提取所述评价文本信息中的单词；
[0094] 将属于近义词的单词构成近义词集合；
[0095] 也就是说，本申请实施例中，将属于近义词的单词分为一组，本申请实施例中，可以将同义词归类为近义词。
[0096] 确定单词个数最多的预设数目个近义词集合；
[0097] 在将单词分组后，可以按各个近义词集合中单词的个数将所有近义词集合排序(升序排序或降序排序)，然后，确定单词个数最多的若干个近义词集合。
[0098] 例如，假设有10个近义词集合U1～U10，这10个近义词集合按照单词个数由大到小的顺序排序为：U1>U2>U5>U9＝U3>U7>U4>U6>U8＝U10，所确定的近义词集合的数目为4个，即确定单词个数最多的四个近义词集合，那么，所确定的四个单词个数最多的近义词集合可以为U1,U2,U5,U9，也可以为：U1,U2,U5,U3。
[0099] 将所确定的近义词集合中，每个近义词集合中出现频次最多的单词作为推荐词；
[0100] 根据所述目标推荐值和所述推荐词生成所述对象的第三推荐信息。
[0101] 本申请实施例中，推荐信息中不但包括对象的目标推荐值，还包括对对象进行描述的推荐词，丰富了推荐信息的内容，提高了推荐信息对用户的引导性。
[0102] 本申请实施例提提供的另一种实施例中，还可以根据所述目标推荐值、所述对象被选择的数量的变化趋势和所述推荐词生成所述对象的第四推荐信息。
[0103] 本申请实施例中，推荐信息中不但包括对象的目标推荐值，还包括对象被选择的数量的变化趋势，以及对对象进行描述的推荐词，进一步丰富了推荐信息的内容，提高了推荐信息对用户的引导性。
[0104] 进一步的，还可以将目标推荐值的取值范围进行分段，并根据第三预设规则建立各个分段范围与预设的词汇的对应关系，从而在生成推荐信息时，推荐信息中既包括目标推荐值又包括与该目标值所属范围对应的词汇，从而进一步丰富了推荐信息的内容，提高了推荐信息对用户的引导性。
[0105] 需要说明的是，本申请实施例提供的推荐信息生成方法，可以按照预设的时间周期执行；
[0106] 也可以在检测到满足触
发条件时执行本申请实施例提供的推荐信息生成方法，如，可以在根据用户输入对象的识别标识检索到对象时执行本申请实施例提供的推荐信息生成方法。
[0107] 与方法实施例相对应，本申请实施例还提供一种推荐信息生成装置，本申请实施例提供的推荐信息生成装置的一种结构示意图如图3所示，可以包括：
[0108] 获取模块31，第一确定模块32，第二确定模块33，第三确定模块34和第一生成模块35；其中，
[0109] 获取模块31用于根据对象的识别标识从网络中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息；
[0110] 第一确定模块32用于根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值；
[0111] 第二确定模块33用于根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值；
[0112] 第三确定模块34用于根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值；
[0113] 第一生成模块35用于根据所述目标推荐值生成所述对象的第一推荐信息。
[0114] 本申请实施例提供的一种推荐信息生成装置，从至少两个维度(包括与对象相对应的原始推荐值和与对象对应的评价文本信息)确定对象的目标推荐值，然后根据目标推荐值生成推荐信息。也就是说，本申请实施例提供的推荐信息生成装置，目标推荐值是整合了原始推荐值和评价文本信息的推荐值，而由于评价文本信息是用户经常考虑的因素，因此，本申请实施例中，目标推荐值所包含的有效信息量增加，使得推荐值更符合用户需求，从而提高了推荐信息的精度。
[0115] 上述实施例，优选的，第二确定模块33的一种结构示意图如图4所示，可以包括：
[0116] 提取单元41，第一确定单元42，第二确定单元43；其中，
[0117] 提取单元41用于提取所述评价文本信息中的情感词，所述情感词至少包括正面情感词和负面情感词；
[0118] 第一确定单元42用于确定所述正面情感词在所述情感词中所占的比例；
[0119] 第二确定单元43用于根据所述比例确定所述第二推荐因子的值。
[0120] 上述实施例，优选的，第三确定模块34的一种结构示意图如图5所示，可以包括：
[0121] 第三确定单元51，用于根据推荐模型确定所述对象的目标推荐值，所述推荐模型为：
[0122]
[0123] 其中，S为所述对象的目标推荐值；Ai为第i个推荐因子；wi为与第i个推荐因子对应的权重；n为推荐因子的个数。
[0124] 上述实施例，优选的，获取模块31的一种结构示意图如图6所示，可以包括：
[0125] 获取单元61，用于根据对象的识别标识从所述对象的至少两个来源网站中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息。
[0126] 上述实施例，优选的，第一确定模块32的一种结构示意图如图7所示，可以包括：
[0127] 计算单元71，用于计算所获取的至少两个原始推荐值的平均值，所述至少两个原始推荐值的平均值为所述第一推荐因子的值。
[0128] 上述实施例，优选的，所述获取模块31获取的推荐因子信息还可以包括：所述对象被选择的数量；相应的，本申请实施例提供的推荐信息生成装置的另一种结构示意图如图8所示，还可以包括：
[0129] 第四确定模块81，分别与所述获取模块31和所述第三确定模块34相连接，用于确定与所述对象被选择的数量对应的第三推荐因子的值。
[0130] 在图8所示实施例的基础上，本申请实施例提供的推荐信息生成装置的又一种结构示意图如图9所示，还可以包括：
[0131] 统计模块91和第二生成模块92；其中，
[0132] 统计模块91用于按时间对所述对象被选择的数量进行统计，确定所述对象被选择的数量的变化趋势；
[0133] 第二生成模块92用于根据所述目标推荐值和所述对象被选择的数量的变化趋势生成所述对象的第二推荐信息。
[0134] 本申请实施例提供的推荐信息生成装置的又一种结构示意图如图10所示，还可以包括：
[0135] 提取模块101，集合构造模块102，第五确定模块103，第六确定模块104和第三生成模块105；其中，
[0136] 提取模块101用于提取所述评价文本信息中的单词；
[0137] 集合构造模块102用于将属于近义词的单词构成近义词集合；
[0138] 第五确定模块103用于确定单词个数最多的预设数目个近义词集合；
[0139] 第六确定模块104用于将所确定的近义词集合中，每个近义词集合中出现频次最多的单词作为推荐词；
[0140] 第三生成模块105用于根据所述目标推荐值和所述推荐词生成所述对象的第三推荐信息。
[0141] 本申请实施例提供的推荐信息生成装置的又一种结构示意图如图11所示，可以包括：
[0142] 至少一个处理器111和与所述至少一个处理器耦合的
存储器112；其中，[0143] 所述至少一个处理器111被配置为：
[0144] 根据对象的识别标识从网络中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息；
[0145] 根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值；
[0146] 根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值；
[0147] 根据预定各个推荐因子的权重与各个推荐因子的值确定所述对象的目标推荐值；
[0148] 根据所述目标推荐值生成所述对象的第一推荐信息。
[0149] 具体的，上述本申请实施例揭示的方法可以应用于处理器111中，或者说由处理器111实现。处理器111可能是一种集成
电路芯片，具有
信号的处理能
力。在实现过程中，上述方法的各步骤可以通过处理器111中的
硬件的集成
逻辑电路或者
软件形式的指令完成。用于执行本申请实施例揭示的方法，上述的处理器可以是通用处理器、
数字信号处理器(DSP)、
专用集成电路(ASIC)、现成可编程
门阵列(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。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑
框图。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，
解码器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及
软件模块组合执行完成。软件模块可以位于随机存储器RAM、闪存Flash Memory、
只读存储器ROM，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器112，处理器读取存储器112中的信息，结合其硬件完成上述方法的步骤。
[0150] 本申请实施例还提供一种推荐信息生成系统，本申请实施例提供的推荐信息生成系统的一种结构示意图如图12所示，可以包括：
[0151] 获取服务器121，用于根据对象的识别标识从网络中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息；
[0152] 推荐值确定服务器122，用于根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值；根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值；根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值；
[0153] 推荐信息生成服务器123，用于根据所述目标推荐值生成所述对象的第一推荐信息。
[0154] 本申请实施例中，通过不同的服务器实现不同的功能，从而生成推荐信息。
[0155] 基于图12所示的实施例，本申请实施例还提供一种信息处理系统，本申请实施例提供的信息处理系统的一种结构示意图如图13所示，可以包括：
[0156] 计算机终端131，WEB服务器132，获取服务器133，推荐值确定服务器134和推荐信息生成服务器135；其中，
[0157] 计算机终端131可以接收用户输入的对象的识别标识，并将用户输入的对象的识别标识发送给WEB服务器，由WEB服务器根据对象的识别标识查找对象；
[0158] 获取服务器133，用于根据对象的识别标识从网络中获取推荐因子信息，所述推荐因子信息包括：与所述对象相对应的原始推荐值与评价文本信息；
[0159] 推荐值确定服务器134，用于根据所述原始推荐值确定与所述原始推荐值对应的第一推荐因子的值；根据所述评价文本信息确定与所述评价文本信息对应的第二推荐因子的值；根据各个推荐因子的预定权重与各个推荐因子的值确定所述对象的目标推荐值；
[0160] 推荐信息生成服务器135，用于根据所述目标推荐值生成所述对象的第一推荐信息。
[0161] 其中，WEB服务器132在查找到对象后，可以向推荐信息生成服务器135
请求针对该对象的生成信息；
[0162] WEB服务器132也可以在查找到对象后，向推荐信息生成服务器135发送指令，指示由获取服务器133、推荐值确定服务器134和推荐信息生成服务器135构成的推荐信息生成系统生成所查找到的对象的推荐信息。
[0163] WEB服务器132在查找到对象后，获取该对象的推荐信息，并将查找到的对象和该对象的推荐信息反馈给计算机终端131。
[0164] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及
算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0165] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0166] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，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，例如多个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。
[0167] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
[0168] 另外，在本发明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。
[0169] 所述功能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，本发明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技术方案的部分可以以软件产品的形式体现出来，该计算机软件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)执行本发明各个实施例所述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)、
随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0170] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种
修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
