一种面向新用户推荐的数据处理方法、系统、设备及介质

技术领域

本发明涉及数据处理技术领域，尤其是涉及一种面向新用户推荐的数据处理方法、系统、设备及介质。

背景技术

目前有关金融类产品的推荐方法都是系统通过分析已有用户的资料，定向推荐相关产品，无法有效实现新用户的业务拓展；同时，由于缺少对新用户的信贷风控措施，导致很多信贷业务存在坏账的情况。

发明内容

本发明的主要目的在于提供一种面向新用户推荐的数据处理方法、系统、设备及介质，旨在提高信贷服务的营销效率，通过合法利用人际资源以及合伙人营销奖励机制，实现产品业务的快速推广以及合伙人的高效拓展。同时，还通过合伙人约束机制，实现信贷业务的有效风控，减少并防范坏账风险的发生。

为实现上述目的，本发明提供一种面向新用户推荐的数据处理方法，该方法包括：

接收第一用户发起的新用户推荐请求；

判断第一用户数据是否为系统用户，若是，则根据新用户推荐请求为第一用户生成并发送专属推荐链接；

获取专属推荐链接引入的第二用户数据，利用校验算法对第二用户数据进行合规校验；

将校验合规的第二用户数据与第一用户数据进行绑定，生成绑定数据；

将绑定数据输入授信评估模型进行计算，得到第二用户授信权重等级参数；

将第二用户授信权重等级参数对照预定义规则表，确定第二用户授信额度参数和第一用户推荐奖励额度参数。

进一步地，将校验合规的第二用户数据与第一用户数据进行绑定，生成绑定数据，具体包括：

将第一用户数据作为主分析项，将校验合规的第二用户数据作为辅分析项；

将主分析项与辅分析项依次进行绑定，生成绑定数据；

其中，第一用户数据包括：第一用户为服务器端已存在用户的身份信息、车辆信息、历史借款信息和还款信息、授信数据和授信额度；

其中，第二用户数据包括：第二用户为服务器端新用户的身份信息、车辆信息、授信数据和授信额度，以及本次借款信息，包括借款金额、借款产品期限、合同签署、紧急联系人信息和人脸图像信息。

进一步地，将绑定数据输入授信评估模型进行计算，得到第二用户授信权重等级参数，具体包括：

预先构建授信评估模型；

将主分析项与辅分析项输入授信评估模型进行矩阵计算，得到各授信评估指标对应的相对重要性权重；

利用德尔菲算法对相对重要性权重进行均值计算，得到第二用户授信权重等级参数。

进一步地，获取专属推荐链接引入的第二用户数据，利用校验算法对第二用户数据进行合规校验之后，该方法还包括：

判断第一用户是否对校验合规的第二用户承担担保责任；

若是，则根据预定义规则表对第二用户数据进行风控评估，得到第二用户授信权重等级参数；若否，则执行将校验合规的第二用户数据与第一用户数据进行绑定，生成绑定数据的步骤。

进一步地，确定第二用户授信额度参数和第一用户推荐奖励额度参数之后，该方法还包括：

根据第二用户授信额度参数和第二用户请求的借款金额，计算出第二用户获批的借款金额；

根据第一用户推荐奖励额度参数和第二用户请求的借款金额，计算出第一用户推荐奖励金额。

进一步地，根据第二用户授信额度参数和第二用户请求的借款金额，计算出第二用户获批的借款金额之后，该方法还包括：

接收第二用户发起的还款请求数据，并对照预定义规则表进行评估；

判断还款请求数据是否符合到期还款标准，若是，则为第一用户发放推荐奖励金额；其中，所述发放推荐奖励金额可以是一次性发放，也可以是分批发放；

当还款请求数据不符合到期还款标准，继续判断第一用户授信权重等级参数是否满足授信降权标准，若是，则根据预定义规则表对第一用户授信权重等级参数做对应授信降权，若否，则根据预定义规则表从第一用户的推荐奖励金额中扣除对应金额。

为实现上述目的，本发明还提供一种面向新用户推荐的数据处理系统，该系统包括：

数据提取模块，用于从用户端采集用户数据并进行解析和校验，提取合规的用户数据；

授信风险评估模块，用于对数据提取模块校验合规的用户数据进行授信风险评估生成评估结果，判断是否为用户数据对应的用户端发送专属推荐链接和推荐结果，以及发起借款和/或奖励金；

用户推荐模块，用于从用户端接收新用户推荐请求数据，并根据授信风险评估模块的评估结果，为符合授信标准的用户端生成专属推荐链接和推荐结果；

资金发起和支付模块，用于根据授信风险评估模块的评估结果，为符合授信标准的用户端发起借款和/或奖励金，并完成支付。

本系统还包括：

资金清算模块，用于从用户端接收还款请求数据，并根据资金发起和支付模块的借款情况接收还款进行清算；

风险约束模块，用于核验资金清算模块接收和清算的资金，根据风险约束机制对用户端的担保和违约责任进行相应约束。

为实现上述目的，本发明还提供一种电子设备，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，处理器运行计算机程序以实现第一方面的方法。

为实现上述目的，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，程序被处理器执行实现第一方面的方法。

本公开的有益效果为：

利用已有信贷用户向新用户的主动推荐方式，有效扩大信贷用户数量，并且通过推荐奖励机制，增强信贷用户的推荐活跃度，提高信贷业务的成交额；同时，通过将新用户与信贷用户的授信数据进行绑定和综合评估，帮助信贷业务更好地评估新用户的信贷风险，并通过对已有信贷用户的奖励机制和约束机制，提高信贷业务的成交额和规避信贷业务的坏账风险。一般情况下，信贷用户推荐的新用户都是授信等级相近的一组群体，因此，这对于信贷服务平台把握新用户的信贷风险有一定的参考性和商业价值。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明实施例1的一种面向新用户推荐的数据处理方法流程图。

图2示出了根据本发明实施例2的一种面向新用户担保推荐的数据处理方法流程图。

图3示出了根据本发明实施例3的一种基于信贷风控的信贷用户约束方法流程图。

图4示出了根据本发明实施例4的一种基于信贷服务平台的多方交互行为方法流程图。

图5示出了根据本发明实施例5的一种基于信贷服务平台的合伙人推荐方法流程图。

图6示出了根据本发明实施例6的一种面向新用户推荐的数据处理系统的功能结构图。

图7示出了根据本发明实施例7的一种电子设备的结构示意图。

图8示出了根据本发明实施例8的一种存储介质的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

实施例1

如图1所示，本实施例提供一种面向新用户推荐的数据处理方法，其中，推荐人客户端相当于第一用户，推荐人客户端的用户数据对应第一用户数据，被推荐客户端相当于第二用户，被推荐人客户端的用户数据对应第二用户数据，该方法包括：

S1、接收推荐人客户端发起的新用户推荐请求数据。

S2、审核推荐人客户端的用户数据，判断用户数据是否为系统用户，若是则为推荐人客户端生成并发送专属推荐链接，若否则自动引导推荐人客户端完成用户数据的采集和解析。

S3、接收专属推荐链接带来的被推荐人客户端发起的注册和授信请求数据，自动引导被推荐人客户端完成用户数据的采集和解析；利用校验算法对采集和解析的被推荐人客户端的用户数据进行合规校验。

其中，校验算法为预定义，例如可以使用查询数据库中白名单的方式来进行。例如，如果推荐人属于白名单用户则校验推荐人该项数据合格，如果推荐人属于黑名单用户则校验推荐人该项数据不合格，不允许推荐人推荐新用户。

S4、将校验合规的被推荐人客户端的用户数据与推荐人客户端的用户数据进行绑定，生成绑定数据。

其中，S4进一步包括：

S4.1、将校验合规的推荐人客户端的用户数据作为主分析项，将校验合规的被推荐人客户端的用户数据作为辅分析项；

S4.2、将主分析项与辅分析项依次进行绑定，生成绑定数据。如表1所示。

表1主分析项与副分析项绑定数据表

其中，推荐人客户端的用户数据包括：用户为平台已存在用户的身份信息、车辆信息、历史借款信息和还款信息、授信数据和授信额度等。

其中，被推荐人客户端的用户数据包括：用户为平台新用户的身份信息、车辆信息、授信数据和授信额度，以及本次借款信息，包括借款金额、借款产品期限、合同签署、紧急联系人信息和人脸图像信息等。

S5、将绑定数据输入授信评估模型进行计算，得到评估结果。

其中，S5进一步包括：

S5.1、构建授信评估模型，如表2所示；

表2授信评估模型表

S5.2、将主分析项与辅分析项输入授信评估模型进行计算；

其中，S5.2进一步包括：

S5.2.1、利用模糊层次分析算法对各授信评估指标对应的指标值进行计算，得到相对重要性权重；

其中，w

S5.2.2、对得到的相对重要性权重进行矩阵计算。

其中，T是矩阵阶数，w

T＝1，u

T＝2，u

......

T＝t，u

根据w

w

w

......

w

S5.3、利用德尔菲算法计算授信权重等级，得到评估结果。

其中，W是授信评估模型对应的授信权重等级，m表示符合条件的相对重要性权重的个数，w

例如，α＝3，T＝2，授信评估指标u

那么，

那么，

w

w

那么，

如果，三级的阈值范围是(0.2,0.59),那么，该绑定的数据对应的被推荐人的授信权重等级是三级。

S6、根据评估结果和授信奖励规则确定被推荐人客户端的可借款金额，发起借款并完成支付。

其中，S6进一步包括：

S6.1、建立预定义的授信奖励规则，如表3所示；

表3授信奖励规则表

S6.2、根据授信权重等级确定被推荐人客户端对应的授信额度；

S6.3、根据授信额度计算出被推荐人客户端的可借款金额；

S6.4、为符合借款标准的被推荐人客户端发起借款，并完成支付。

例如，当授信权重等级为三级时，对应的授信额度80％，推荐奖励额度0.16％，若请求的借款金额30000元，则获批的借款金额30000x80％＝24000元，推荐奖励金额24000x0.16％＝38.4元。

本实施例进一步包括：

S7、根据评估结果和授信奖励规则确定推荐人客户端的推荐奖励金额，发送奖励结果并完成支付。

S7.1、根据授信权重等级确定推荐人客户端对应的推荐奖励额度；

S7.2、根据推荐奖励额度计算出推荐人客户端的推荐奖励金额；

S7.3、为符合推荐奖励标准的推荐人客户端发送奖励结果，并完成支付。

其中，推荐奖励金额可以是一次性发放，也可以是分批发放。

其中，授信奖励规则为预定义，根据授信权重等级，确定对应的授信额度和推荐奖励额度，再根据请求的借款金额，计算出获批的借款金额和推荐奖励金额。

实施例2

如图2所示，本实施例提供一种面向新用户担保推荐的数据处理方法，执行完实施例1中“利用校验算法对采集和解析的被推荐人客户端的用户数据进行合规校验”的步骤后，该方法还包括：

S4’、判断校验合规的推荐人客户端是否对被推荐人客户端发起的注册和授信请求承担担保责任。

S5’、当推荐人客户端对被推荐人客户端发起的注册和授信请求承担担保责任时，根据单方风控评估规则对被推荐人客户端的用户数据进行风控评估，得到评估结果；否则跳转到实施例1中“将校验合规的被推荐人客户端的用户数据与推荐人客户端的用户数据进行绑定，生成绑定数据”的步骤，继续执行后续方法。

其中，推荐奖励金可以是针对本次推荐的全部奖励金，还可以是按照比例分配的部分奖励金，剩余部分奖励金可以在被推荐人客户端完成还款义务后进行支付。

其中，增加对推荐人的约束机制之一的担保责任可选择项，当推荐人选择对被推荐人承担担保责任时，无需将推荐人和被推荐人的用户数据绑定后带入风控评估模型进行综合评估，仅需根据单方风控评估规则对被推荐人的用户数据进行简单评估后就可发放借款，提高了被推荐人的授信和借款审核速度，以及授信概率和借款额度。

实施例3

如图3所示，本实施例提供一种基于信贷风控的信贷用户约束方法，其中，信贷用户相当于推荐人，方法包括：

S8、接收被推荐人客户端发起的还款请求。

S9、根据到期还款规则评估还款请求对应的还款数据。

其中，到期还款规则为预定义，根据借款的到期还款标准和授信降权标准进行设置，如表4所示。

表4到期还款规则表

S10、当被推荐人客户端的还款数据符合到期还款标准时，发放剩余部分奖励金，否则判断推荐人客户端的授信权重等级是否满足授信降权标准。

S11、当推荐人客户端的授信权重等级满足授信降权标准时，根据到期还款规则对推荐人客户端的授信权重等级做对应授信降权，否则根据到期还款规则从推荐人客户端未发放的剩余部分奖励金中按照比例扣除对应金额后再发放。

其中，增加对推荐人的约束机制之二的惩戒措施，比如被推荐人不符合到期还款标准(违约)，系统将优先降低推荐人的授信权重等级，如果推荐人的授信权重等级不足以达到授信降权标准时，随后从推荐人的剩余部分奖励金中按比例扣除一定的违约金作为惩戒。同时，对于该推荐人以后的被推荐人选，系统会提高风控审查标准。

例如，若推荐人对被推荐人承担担保责任，当被推荐人获批的借款金额24000元，借款期12个月，借款利率6.7％，到期应还款金额24000x(1+6.7％)＝25608元(含息)，若迟延还款期超过30天小于180天，则承担担保责任的推荐人应降权三级，若推荐人的授信权重等级是一级，不满足授信降权要求，则应当从剩余部分奖励金扣除对应违约滞纳金，违约滞纳金额度25％，当推荐奖励金38.4元已支付50％，则剩余可支付奖励金38.4x50％-38.4x25％＝9.6元。

实施例4

如图4所示，本实施例提供一种基于信贷服务平台的多方行为交互方法，本实施例的应用场景涉及三方行为的交互，推荐人客户端相当于已有用户，被推荐人客户端相当于新用户，系统相当于信贷服务平台。该方法包括：

S100、已有用户向信贷服务平台发起推荐请求。

其中，S100进一步包括：

S101、信贷服务平台接受已有用户推荐请求，查询已有用户的金融信息；

S102、信贷服务平台根据预定义的校验算法对解析后数据进行校验，判断用户是否合规；

S103、如不合规，反馈已有用户推荐失败；

S104、信贷服务平台为已有用户生成并发送专属推荐链接，链接中包含推荐用户账号以及推荐的业务场景等。

其中，所述用户的金融信息包括用户为平台已有用户的身份信息、车辆信息、历史借款信息和还款信息、授信数据及授信额度等。

S200、已有用户分享链接给新用户。

其中，S200进一步包括：

S201、新用户获取并点击推荐链接，在信贷服务平台上注册用户信息；

S202、新用户在信贷服务平台上提交授信申请；

S203、信贷服务平台根据预定义的校验算法对解析后数据进行校验，判断用户是否合规；

S204、如不合规，反馈新用户授信失败；

S205、信贷服务平台绑定已有用户及新用户的信息数据，保存已有用户的推荐信息。

其中，所述用户信息包括用户为平台新用户的身份信息，金融信息，车辆信息及人脸图像信息等。

S300、新用户提交借款申请。

其中，S300进一步包括：

S301、新用户在信贷服务平台上提交借款信息；

S302、信贷服务平台根据预定义的校验算法对解析后数据进行校验，判断用户是否合规；

S303、如不合规，反馈新用户借款失败；

S304、信贷服务平台判断新用户的授信风控级别和授信额度，并发放借款。

其中，所述借款信息包括借款金额，借款产品期限，合同签署及紧急联系人信息等。

S400、反馈已有用户推荐结果。

其中，S400进一步包括：

S401、信贷服务平台获取新用户的借款信息和用户信息；

S402、信贷服务平台根据预定义的校验算法对数据进行校验，判断新用户是否合规；

S403、信贷服务平台向已有用户反馈本次推荐结果。

其中，所述推荐结果包括新用户的借款结果，借款期是否在规定推荐后的有效时间内等。

S500、已有用户提交奖励金请求。

其中，信贷服务平台给已有用户发放奖励金，完成本次推荐流程。

实施例5

如图5所示，本实施例提供一种基于信贷服务平台的新合伙人推荐方法，本实施例的应用场景涉及三方行为的交互，推荐人客户端相当于信贷用户，被推荐人客户端相当于新合伙人，系统相当于信贷服务平台。该方法包括：

(1)信贷用户为信贷服务平台已存在用户，信贷用户向信贷服务平台提交新合伙人的推荐请求；

(2)信贷服务平台审核信贷用户的推荐请求和权限，若符合合伙人推荐标准，为信贷用户发送专属推荐链接；

(3)信贷用户分享自己的专属推荐链接给新合伙人；

(4)新合伙人通过分享的专属推荐链接于规定期限内，在信贷服务平台上注册账户并授信成功；

(5)信贷服务平台根据新合伙人的借款请求进行付款操作；

(6)信贷服务平台发放推荐奖励给信贷用户，信贷用户成功完成新合伙人推荐并获得推荐奖励。

实施例6

如图6所示，本实施例提供一种面向新用户推荐的数据处理系统，相当于实施例4、5的信贷服务平台，该系统/平台包括以下模块：

数据提取模块501：用于从用户端采集用户数据并进行解析和校验，提取合规的用户数据；

授信风险评估模块502：用于对数据提取模块501校验合规的用户数据进行授信风险评估生成评估结果，判断是否为用户数据对应的用户端发送专属推荐链接和推荐结果，以及发起借款和/或奖励金；

用户推荐模块503：用于从用户端接收新用户推荐请求数据，并根据授信风险评估模块502的评估结果，为符合授信标准的用户端生成专属推荐链接和推荐结果；

资金发起和支付模块504：用于根据授信风险评估模块502的评估结果，为符合授信标准的用户端发起借款和/或奖励金，并完成支付。

该系统/平台还包括以下模块：

资金清算模块505：用于从用户端接收还款请求数据，并根据资金发起和支付模块504的借款情况接收还款进行清算；

风险约束模块506：用于核验资金清算模块505接收和清算的资金，根据风险约束机制对用户端的担保和违约责任进行相应约束。

本实施例提供的一种面向新用户推荐的数据处理系统与实施例1提供的一种面向新用户推荐的数据处理方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。

本申请实施方式还提供一种与前述实施方式所提供的一种面向新用户推荐的数据处理方法对应的电子设备，以执行面向新用户推荐的数据处理方法。本申请实施例不做限定。

实施例7

如图7所示，本实施例提供一种电子设备的结构示意图。所述电子设备2包括：处理器200，存储器201，总线202和通信接口203，所述处理器200、通信接口203和存储器201通过总线202连接；所述存储器201中存储有可在所述处理器200上运行的计算机程序，所述处理器200运行所述计算机程序时执行本申请前述任一实施方式所提供的面向新用户推荐的数据处理方法。

其中，存储器201可能包含高速随机存取存储器(RAM：Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口203(可以是有线或者无线)实现该装置网元与至少一个其他网元之间的通信连接，可以使用互联网、广域网、本地网、城域网等。

总线202可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。其中，存储器201用于存储程序，所述处理器200在接收到执行指令后，执行所述程序，前述本申请实施例任一实施方式揭示的所述面向新用户推荐的数据处理方法可以应用于处理器200中，或者由处理器200实现。

处理器200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200中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器200可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(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申请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译码处理器执行完成，或者用译码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，闪存、只读存储器，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201，处理器200读取存储器201中的信息，结合其硬件完成上述方法的步骤。

本申请实施例提供的电子设备与本申请实施例提供的一种面向新用户推荐的数据处理方法出于相同的发明构思，具有与其采用、运行或实现的方法相同的有益效果。

实施例8

如图8所示，本实施例提供一种与前述实施方式所提供的一种面向新用户推荐的数据处理方法对应的计算机可读存储介质，其示出的计算机可读存储介质为光盘30，其上存储有计算机程序(即程序产品)，所述计算机程序在被处理器运行时，会执行前述任意实施方式所提供的面向新用户推荐的数据处理方法。

需要说明的是，所述计算机可读存储介质的例子还可以包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他光学、磁性存储介质，在此不再一一赘述。

本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的一种面向新用户推荐的数据处理方法出于相同的发明构思，具有与其存储的应用程序所采用、运行或实现的方法相同的有益效果。

需要说明的是：

在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。