技术领域
[0001] 本
发明涉及
大数据技术领域，尤其涉及一种信用评价方法和装置。
背景技术
[0002] 随着金融行业的快速发展，贷款业务也越来越普遍，例如：“房贷”、“消费贷”和“商业贷”等。在贷款业务中一个核心点就是用户的信用评价，用户的信用评价可为判断该用户是否具有偿还贷款的能
力提供重要依据。因此，如何准确高效地实现用户的信用评价成为金融行业亟待解决的问题。
[0003]
现有技术中，普遍的做法是通过人工经验根据用户的不同信息给出综合评价。然而，这种做法一方面需要耗费大量的人力成本，另一方面准确性依赖于评估者的经验，导致评估结果不稳定。
发明内容
[0004] 本发明提供一种信用评价方法和装置。用以提高用户信用评价结果的准确度。
[0005] 第一方面，本发明提供一种信用评价方法，包括：
[0006] 根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、
国籍和年收入中的至少一种；
[0007] 根据所述待评价用户的还款能力，确定所述待评价用户
申请目标贷款类型时贷款方的预期收益；
[0008] 根据所述预期收益，确定是否给所述待评价用户发放贷款。
[0009] 可选的，所述根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力之前，还包括：
[0010] 获取所述信用评价模型。
[0011] 可选的，所述获取所述信用评价模型，包括：
[0012] 根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，所述第一属性特征集合包括所述N个样本中任一样本包含的属性特征，所述还款能力为对所述目标贷款类型的还款能力；
[0013] 根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型。
[0014] 可选的，所述根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，包括：
[0015] 根据以下公式确定第一属性特征集合中每个属性特征对应的还款能力；
[0016]
[0017] 其中，bi,j表示属性特征i对目标贷款类型j的还款能力，ys,i,j表示样本s的属性特征i对目标贷款类型j的还款能力，ni表示样本的个数。
[0018] 可选的，所述根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型，包括：
[0019] 获取模型参数集合W；其中，W＝{wi,j}，wi,j表示属性特征i对于目标贷款类型j的重要程度；wi,j的取值范围为(0,1)；
[0020] 根据所述参数集合W，采用以下公式确定所述信用评价模型；
[0021]
[0022] 其中，Yu,j表示用户u对目标贷款类型j的还款能力，fu表示第二属性特征集合，所述第二属性特征集合包括用户u的所有属性特征。
[0023] 可选的，所述获取模型参数集合W，包括：
[0024] 获取所述用户u的贷款记录；
[0025] 根据所述贷款记录和所述信用评价模型，确定模型损失函数；
[0026] 根据所述模型损失函数，采用
梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值；
[0027] 根据所述模型参数值，确定所述模型参数集合W。
[0028] 可选的，所述根据所述贷款记录和所述信用评价模型，确定模型损失函数；包括：
[0029] 根据以下公式确定所述模型损失函数；
[0030]
[0031] 其中，los(W)表示模型损失函数，U表示用户u的全部贷款记录，yu,j表示用户u对贷款类型p的贷款记录，yu,j＝1表示用户u已按时偿还贷款类型p，yu,j＝0表示用户u未按时偿还贷款类型p； θ表示
迭代参数。
[0032] 可选的，所述根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值，包括：
[0033] 根据以下公式进行迭代计算，确定所述wi,j；
[0034]
[0035] 其中，ρ表示前进步长，θ表示迭代参数，los(W)表示模型损失函数。
[0036] 可选的，所述根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益，包括：
[0037] 根据预设数量的样本和所述信用评价模型，确定所述预设数量的样本中每个样本的还款能力；
[0038] 根据每个样本的还款能力，确定M个信用分段；
[0039] 根据每个信用分段对应的样本数量，确定对应分段的正样本比例；
[0040] 根据待评价用户的还款能力和所述正样本比例，确定所述预期收益。
[0041] 可选的，所述根据待评价用户的还款能力和所述正样本比例，确定所述预期收益，包括：
[0042] 根据以下公式确定所述预期收益；
[0043] Eearn(k,j)＝Akej-(1-Ak)vj
[0044] 其中，Eearn(k,j)表示待评价用户申请目标贷款类型j时贷款方的预期收益，k表示待评价用户的还款能力对应的信用分段，Ak表示第k个信用分段的正样本比例，ej为待评价用户能够按时偿还目标贷款类型j时贷款方的收益，vj为待评价用户不能按时偿还目标贷款类型j时贷款方的损失。
[0045] 第二方面，本发明提供一种信用评价装置，包括：
[0046] 第一确定模
块，用于根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、国籍和年收入中的至少一种；
[0047] 第二确定模块，用于根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益；
[0048] 第三确定模块，用于根据所述预期收益，确定是否给所述待评价用户发放贷款。
[0049] 可选的，上述装置，还包括：
[0050] 获取模块，用于获取所述信用评价模型。
[0051] 可选的，所述获取模块具体用于，根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，所述第一属性特征集合包括所述N个样本中任一样本包含的属性特征，所述还款能力为对所述目标贷款类型的还款能力；
[0052] 根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型。
[0053] 可选的，所述获取模块具体用于，根据以下公式确定第一属性特征集合中每个属性特征对应的还款能力；
[0054]
[0055] 其中，bi,j表示属性特征i对目标贷款类型j的还款能力，ys,i,j表示样本s的属性特征i对目标贷款类型j的还款能力，ni表示样本的个数。
[0056] 可选的，所述获取模块具体用于，获取模型参数集合W；其中，W＝{wi,j}，wi,j表示属性特征i对于目标贷款类型j的重要程度；wi,j的取值范围为(0,1)；
[0057] 根据所述参数集合W，采用以下公式确定所述信用评价模型；
[0058]
[0059] 其中，Yu,j表示用户u对目标贷款类型j的还款能力，fu表示第二属性特征集合，所述第二属性特征集合包括用户u的所有属性特征。
[0060] 可选的，所述获取模块具体用于，获取所述用户u的贷款记录；
[0061] 根据所述贷款记录和所述信用评价模型，确定模型损失函数；
[0062] 根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值；
[0063] 根据所述模型参数值，确定所述模型参数集合W。
[0064] 可选的，所述获取模块具体用于，根据以下公式确定所述模型损失函数；
[0065]
[0066] 其中，los(W)表示模型损失函数，U表示用户u的全部贷款记录，yu,j表示用户u对贷款类型p的贷款记录，yu,j＝1表示用户u已按时偿还贷款类型p，yu,j＝0表示用户u未按时偿还贷款类型p； θ表示迭代参数。
[0067] 可选的，所述获取模块具体用于，根据以下公式进行迭代计算，确定所述wi,j；
[0068]
[0069] 其中，ρ表示前进步长，θ表示迭代参数，los(W)表示模型损失函数。
[0070] 可选的，所述第二确定模块，具体用于根据预设数量的样本和所述信用评价模型，确定所述预设数量的样本中每个样本的还款能力；
[0071] 根据每个样本的还款能力，确定M个信用分段；
[0072] 根据每个信用分段对应的样本数量，确定对应分段的正样本比例；
[0073] 根据待评价用户的还款能力和所述正样本比例，确定所述预期收益。
[0074] 可选的，所述第二确定模块，具体用于根据以下公式确定所述预期收益；
[0075] Eearn(k,j)＝Akej-(1-Ak)vj
[0076] 其中，Eearn(k,j)表示待评价用户申请目标贷款类型j时贷款方的预期收益，k表示待评价用户的还款能力对应的信用分段，Ak表示第k个信用分段的正样本比例，ej为待评价用户能够按时偿还目标贷款类型j时贷款方的收益，vj为待评价用户不能按时偿还目标贷款类型j时贷款方的损失。
[0077] 第三方面，本发明提供一种计算机可读存储介质，其上存储有
计算机程序，所述计算机程序被处理器执行时实现上述信用评价方法。
[0078] 第四方面，本发明提供一种
服务器，包括：
[0079] 处理器；以及
[0080]
存储器，用于存储所述处理器的可执行指令；
[0081] 其中，所述处理器配置为经由执行所述可执行指令来实现上述信用评价方法。
[0082] 本发明提供的信用评价方法和装置，首先根据预先建立的信用评价模型和待评价用户的属性特征，确定该待评价用户的还款能力；然后根据该待评价用户的还款能力，确定该待评价用户申请目标贷款类型时贷款方的预期收益，如果该预期收益大于零，则决定为该待评价用户发放贷款，和现有技术中依靠人工经验进行信用评价的方法相比，提高了评价结果的准确度。
附图说明
[0083] 图1为本发明提供的信用评价方法的
实施例一的流程示意图；
[0084] 图2为本发明提供的信用评价方法的实施例二的流程示意图；
[0085] 图3为本发明提供的信用评价方法的实施例二的另一流程示意图；
[0086] 图4为本发明提供的信用评价方法的实施例三的流程示意图；
[0087] 图5为本发明提供的信用评价装置的实施例一的结构示意图；
[0088] 图6为本发明提供的服务器的
硬件结构示意图。
具体实施方式
[0089] 为使本发明实施例的目的、技术方案和优点更加清楚，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。
[0090] 本发明中，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。
[0091] 现有技术中，对用户进行信用评价时，普遍的做法是通过人工经验根据用户的不同信息给出综合评价。然而，这种做法一方面需要耗费大量的人力成本，另一方面准确性依赖于评估者的经验，导致评估结果不稳定。
[0092] 本发明提供一种信用评价方法和装置。通过预先建立的信用评价模型和待评价用户的属性特征，确定该待评价用户的还款能力，上述属性特征包括年龄、国籍和年收入等；然后根据该待评价用户的还款能力，确定该待评价用户申请目标贷款类型时贷款方的预期收益；最后根据该预期收益，确定是否给该待评价用户发放贷款。和现有技术中依靠人工经验进行信用评价的方法相比，提高了评价结果的准确度。
[0093] 可选的，本发明提供的方法可由安装有对应
软件的服务器执行。
[0094] 下面以具体地实施例对本发明的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明的实施例进行描述。
[0095] 图1为本发明提供的信用评价方法的实施例一的流程示意图。本实施提供的信用评价方法，包括：
[0096] S101、根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、国籍和年收入中的至少一种。
[0097] 其中，信用评价模型为根据预先存储的大量样本计算得到的评价模型。每个样本代表一个客户，每个样本的样本信息包括：客户的属性特征和该客户的贷款记录。客户的属性特征可以是客户的性别、客户的国籍或者客户的年收入等；客户的贷款记录可以包括客户历史贷款类型，以及每种贷款类型的还款状态等。
[0098] 其中，在得到待评价用户的属性特征的
基础上，将该待评价用户的属性特征输入上述信用评价模型，便可得到该待评价用户的还款能力值，该还款能力值越大，代表该待评价用户还款能力越高。
[0099] S102、根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益。
[0100] S103、根据所述预期收益，确定是否给所述待评价用户发放贷款。
[0101] 其中，经S101得到待评价用户的还款能力的基础上，结合该待评价用户能够按时偿还目标贷款类型时贷款方的收益，以及该待评价用户不能按时偿还目标贷款类型时贷款方的损失，计算该待评价用户申请目标贷款类型时贷款方的预期收益。
[0102] 可选的，在上述预期收益大于零时，可决定给待评价用户发放贷款；在上述预期收益小于零时，可决定不给上述待评价用户发放贷款。
[0103] 本实施例提供的信用评价方法，首先根据预先建立的信用评价模型和待评价用户的属性特征，确定该待评价用户的还款能力；然后根据该待评价用户的还款能力，确定该待评价用户申请目标贷款类型时贷款方的预期收益，如果该预期收益大于零，则决定为该待评价用户发放贷款，和现有技术中依靠人工经验进行信用评价的方法相比，提高了评价结果的准确度。
[0104] 图2为本发明提供的信用评价方法的实施例二的流程示意图。为了通过信用评价模型实现对用户的信用评价，在上述实施例的基础上，本实施提供的信用评价方法，在S101之前，还包括：获取所述信用评价模型。
[0105] 可选的，获取信用评价模型的实现方式为：
[0106] S201、根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，所述第一属性特征集合包括所述N个样本中任一样本包含的属性特征，所述还款能力为对所述目标贷款类型的还款能力；
[0107] S202、根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型。
[0108] 可选的，参见图3所示，S201的一种可实现的方式包括：
[0109] S203、根据以下公式确定第一属性特征集合中每个属性特征对应的还款能力；
[0110]
[0111] 其中，bi,j表示属性特征i对目标贷款类型j的还款能力，ys,i,j表示样本s的属性特征i对目标贷款类型j的还款能力，ni表示样本的个数。
[0112] 其中，针对样本s，如果经查证样本s对应的客户已经还清目标贷款类型j，则该样本s对应的ys,i,j为1，如果样本s对应的客户未还清目标贷款类型j，则该样本对应的ys,i,j为0。
[0113] 可选的，S202的一种可实现的方式包括：
[0114] S204、获取模型参数集合W；其中，W＝{wi,j}，wi,j表示属性特征i对于目标贷款类型j的重要程度；wi,j的取值范围为(0,1)。
[0115] 可选的，可通过如下步骤a-步骤d获取模型参数集合W：
[0116] 步骤a、获取用户u的贷款记录；
[0117] 步骤b、根据所述贷款记录和所述信用评价模型，确定模型损失函数；
[0118] 可选的，对于wi,j，令
[0119] 则
[0120] 那么，
[0121] 可选的，可根据以下公式确定所述模型损失函数；
[0122]
[0123] 其中，los(W)表示模型损失函数，U表示用户u的全部贷款记录，yu,j表示用户u对贷款类型p的贷款记录，yu,j＝1表示用户u已按时偿还贷款类型p，yu,j＝0表示用户u未按时偿还贷款类型p； θ表示迭代参数。
[0124] 步骤c、根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值；
[0125] 可选的，对于wi,j对应的θi，可根据以下公式进行迭代计算，确定所述wi,j；
[0126]
[0127] 其中，ρ表示前进步长，θ表示迭代参数，los(W)表示模型损失函数。
[0128] 步骤d、根据所述模型参数值，确定所述模型参数集合W。
[0129] S205、根据所述参数集合W，采用以下公式确定所述信用评价模型；
[0130]
[0131] 其中，Yu,j表示用户u对目标贷款类型j的还款能力，fu表示第二属性特征集合，所述第二属性特征集合包括用户u的所有属性特征。
[0132] 其中，通过上述公式计算待评价用户的还款能力时，将fu的元素替换为待评价用户的属性特征即可。
[0133] 本实施例提供的信用评价方法，描述了获取信用评价模型的一种可实现的方式，为后续根据该模型确定待评价用户的还款能力提供了依据。
[0134] 图4为本发明提供的信用评价方法的实施例三的流程示意图。本实施例是进一步对上述实施例中S102的一种可实现方式的描述，如图4所示，S102具体可以包括：
[0135] S301、根据预设数量的样本和所述信用评价模型，确定所述预设数量的样本中每个样本的还款能力；
[0136] S302、根据每个样本的还款能力，确定M个信用分段；
[0137] S303、根据每个信用分段对应的样本数量，确定对应分段的正样本比例；
[0138] 其中，上述预设数量越大，得到的评价结果越准确。例如可以随机选取1万个样本。
[0139] 其中，得到上述预设数量的样本后，第一步、根据上述实施例得到的信用评价模型，计算每个样本对应的还款能力；第二步、按照还款能力从大到小的顺序将预设数量的样本降序排列；第三步、参见表1所示，将降序排列后的样本平均分为100个信用分段；第四步、计算每个信用分段的正样本的比例。
[0140] 其中，正样本的比例指的是：每个信用分段中，已经按时还清目标还款类型j的样本数量占该信用分段所涵盖的所有样本数量的比例。以信用分段(S1，S2)为例，假设根据上述第一步至第三步得到信用分段(S1，S2)涵盖的样本总数量为100个，经查证该100个样本中已按时还清目标贷款类型j的样本数量为50个，那么该信用分段(S1，S2)的正样本的比例即为：50/100＝0.5。
[0141]信用分段 正样本比例
(S1，S2) A1％
(S2，S3) A2％
…… ……
(S100，S101) A100％
[0142] 表1
[0143] S304、根据待评价用户的还款能力和所述正样本比例，确定所述预期收益。
[0144] 其中，在得到待评价用户的还款能力的基础上，通过表1查询待评价用户的还款能力属于哪个得分分段，进而获取该得分分段对应的正样本比例，假设为Ak。可选的，可根据以下公式确定所述预期收益；
[0145] Eearn(k,j)＝Akej-(1-Ak)vj
[0146] 其中，Eearn(k,j)表示待评价用户申请目标贷款类型j时贷款方的预期收益，k表示待评价用户的还款能力对应的信用分段，Ak表示第k个信用分段的正样本比例，ej为待评价用户能够按时偿还目标贷款类型j时贷款方的收益，vj为待评价用户不能按时偿还目标贷款类型j时贷款方的损失。
[0147] 本实施提供的信用评价方法，描述了如何根据待评价用户的还款能力确定该待评价用户申请目标贷款类型时贷款方预期收益的一种可实现方式。为后续判断是否为该待评价用户发放贷款提供了依据。
[0148] 图5为本发明提供的信用评价装置的实施例一的结构示意图。如图5所示，本实施例提供的信用评价装置，包括：
[0149] 第一确定模块501，用于根据信用评价模型和待评价用户的属性特征，确定所述待评价用户的还款能力，所述信用评价模型用于指示用户的属性特征和用户的还款能力之间的关系；所述待评价用户的属性特征包括：性别、国籍和年收入中的至少一种；
[0150] 第二确定模块502，用于根据所述待评价用户的还款能力，确定所述待评价用户申请目标贷款类型时贷款方的预期收益；
[0151] 第三确定模块503，用于根据所述预期收益，确定是否给所述待评价用户发放贷款。
[0152] 可选的，本实施例提供的信用评价装置，还包括：
[0153] 获取模块504，用于获取所述信用评价模型。
[0154] 可选的，所述获取模块504具体用于根据预先存储的N个样本，确定第一属性特征集合中每个属性特征对应的还款能力，所述第一属性特征集合包括所述N个样本中任一样本包含的属性特征，所述还款能力为对所述目标贷款类型的还款能力；
[0155] 根据所述第一属性特征集合中每个属性特征对应的还款能力，确定所述目标贷款类型对应的信用评价模型。
[0156] 可选的，所述获取模块504具体用于根据以下公式确定第一属性特征集合中每个属性特征对应的还款能力；
[0157]
[0158] 其中，bi,j表示属性特征i对目标贷款类型j的还款能力，ys,i,j表示样本s的属性特征i对目标贷款类型j的还款能力，ni表示样本的个数。
[0159] 可选的，所述获取模块504具体用于获取模型参数集合W；其中，W＝{wi,j}，wi,j表示属性特征i对于目标贷款类型j的重要程度；wi,j的取值范围为(0,1)；
[0160] 根据所述参数集合W，采用以下公式确定所述信用评价模型；
[0161]
[0162] 其中，Yu,j表示用户u对目标贷款类型j的还款能力，fu表示第二属性特征集合，所述第二属性特征集合包括用户u的所有属性特征。
[0163] 可选的，所述获取模块504具体用于获取所述用户u的贷款记录；
[0164] 根据所述贷款记录和所述信用评价模型，确定模型损失函数；
[0165] 根据所述模型损失函数，采用梯度下降法确定所述模型损失函数最小时属性特征i对应的模型参数值；
[0166] 根据所述模型参数值，确定所述模型参数集合W。
[0167] 可选的，所述获取模块504具体用于根据以下公式确定所述模型损失函数；
[0168]
[0169] 其中，los(W)表示模型损失函数，U表示用户u的全部贷款记录，yu,j表示用户u对贷款类型p的贷款记录，yu,j＝1表示用户u已按时偿还贷款类型p，yu,j＝0表示用户u未按时偿还贷款类型p； θ表示迭代参数。
[0170] 可选的，所述获取模块504具体用于根据以下公式进行迭代计算，确定所述wi，j；
[0171]
[0172] 其中，ρ表示前进步长，θ表示迭代参数，los(W)表示模型损失函数。
[0173] 可选的，所述第二确定模块502，具体用于根据预设数量的样本和所述信用评价模型，确定所述预设数量的样本中每个样本的还款能力；
[0174] 根据每个样本的还款能力，确定M个信用分段；
[0175] 根据每个信用分段对应的样本数量，确定对应分段的正样本比例；
[0176] 根据待评价用户的还款能力和所述正样本比例，确定所述预期收益。
[0177] 可选的，所述第二确定模块502，具体用于根据以下公式确定所述预期收益；
[0178] Eearn(k,j)＝Akej-(1-Ak)vj
[0179] 其中，Eearn(k,j)表示待评价用户申请目标贷款类型j时贷款方的预期收益，k表示待评价用户的还款能力对应的信用分段，Ak表示第k个信用分段的正样本比例，ej为待评价用户能够按时偿还目标贷款类型j时贷款方的收益，vj为待评价用户不能按时偿还目标贷款类型j时贷款方的损失。
[0180] 本实施例提供的信用评价装置，可用于执行图1-图4所示实施例中的方法，其实现原理和技术效果类似，在此不再赘述。
[0181] 图6为本发明提供的服务器的硬件结构示意图。如图6所示，本实施例的服务器可以包括：
[0182] 存储器601，用于存储程序指令。
[0183] 处理器602，用于在所述程序指令被执行时实现上述任一实施例描述的方法，具体实现原理可参见上述实施例，本实施例此处不再赘述。
[0184] 本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述的信用评价方法。
[0185] 本发明还提供一种程序产品，所述程序产品包括计算机程序，所述计算机程序存储在可读存储介质中，至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得服务器实施上述的信用评价方法。
[0186] 在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，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。
[0187] 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。
[0188] 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。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
[0189] 上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动
硬盘、
只读存储器(英文：Read-Only Memory，简称：ROM)、
随机存取存储器(英文：Random Access Memory，简称：RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0190] 在上述网络设备或者终端设备的实施例中，应理解，处理器可以是中央处理单元(英文：Central Processing Unit，简称：CPU)，还可以是其他通用处理器、数字
信号处理器(英文：Digital Signal Processor，简称：DSP)、专用集成
电路(英文：Application Specific Integrated Circuit，简称：ASIC)等。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。结合本申请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。
[0191] 最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行
修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
