因子指标的权重确定方法、装置、电子设备及存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及因子指标的权重确定方法、装置、电子设备及存储介质。

背景技术

随着科技的发展、人们生活水平的提高，电子商务平台为居民购物、生活带来了方便与快捷。随之带来的就是如何对电子商务平台上的各种目标变量进行科学的评估，从而为用户推送更具针对性的数据内容。

而在对目标变量进行评估时，通常会综合考虑影响目标变量的多个因子指标，那么，因子指标的权重是影响目标变量评估的重要因素之一。相关技术中使用较为广泛的确定因子指标的权重的方法有两类，一类为主观赋值法，另一类为客观计算法。其中，主观赋值法需要专业人员对影响目标变量的多个因子指标进行打分，从而基于打分结果确定多个因子指标的权重，显然，权重的确定受到用户主观偏好的影响，非常容易使得确定的权重出现偏差。客观计算法中，是按照因子指标携带的信息量大小确定权重，那么，如果某一因子指标携带有其他因子指标没有的信息，但是该信息是对目标变量影响较小的信息，也会使得所确定的权重准确度不高。

若因子指标的准确度不高，则会影响目标变量的评估效果，从而降低电子商务平台推送内容数据的准确性。

发明内容

为克服相关技术中存在的问题，本申请提供因子指标的权重确定方法、装置、电子设备及存储介质，提高确定因子指标的权重的准确度，从而提高电子商务平台推送内容数据的准确性。

本申请第一方面提供因子指标的权重确定方法，包括：

获取指定时间范围内，每指定时间单位的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标；

基于所述目标变量和所述因子指标对回归模型进行拟合，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数；

基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重。

作为本申请一种可能的实施方式，在该实施方式中，还包括：

基于第一剔除规则以所述指定时间单位为剔除单元对所述目标变量和所述至少一个因子指标进行筛选；

其中，所述第一剔除规则包括：若指定时间下的所述因子指标不匹配与所述指定时间对应的指标阈值，或，若指定时间下的所述目标变量不匹配与所述指定时间对应的变量阈值，则剔除所述指定时间下的目标变量和所述至少一个因子指标；和/或，

若所述因子指标未在基于所述因子指标确定的指标阈值范围内，则剔除所述因子指标所属时间下的目标变量和所述至少一个因子指标；

其中，所述指标阈值范围基于所述因子指标的均值和标准差确定。

作为本申请一种可能的实施方式，在该实施方式中，所述因子指标包括至少两个，该方法还包括：

基于第二剔除规则以所述因子指标为剔除单元对所述至少两个所述因子指标进行筛选；

其中，所述第二剔除规则包括：

对所述至少两个因子指标进行排列组合，每两个所述因子指标一组，计算每组的所述两个因子指标的相关系数，剔除所述相关系数低于系数阈值的因子指标；以及，

对所述每组的两个因子指标的相关系数进行显著度检验，确定显著度检验结果，剔除所述显著度检验结果高于显著度阈值的因子指标。

作为本申请一种可能的实施方式，在该实施方式中，所述对拟合完成的回归模型进行标准化处理之前，还包括：

获取拟合完成的回归模型的拟合效度；

判断所述拟合效度是否大于效度阈值；

若否，则停止当前对所述因子指标的权重的确定；

若是，则执行所述对拟合完成的回归模型进行标准化处理的步骤。

作为本申请一种可能的实施方式，在该实施方式中，在所述拟合效度大于所述效度阈值的情况下，还包括：

对所述拟合完成的回归模型进行第一显著度检验，获取第一检验结果；

基于所述第一检测结果判断所述目标变量和所述至少一个因子指标之间的线性关系是否显著；

若否，则停止当前对所述因子指标的权重的确定；

若是，则执行所述对拟合完成的回归模型进行标准化处理的步骤。

作为本申请一种可能的实施方式，在该实施方式中，在确定所述线性关系显著的情况下，还包括：

对所述拟合完成的回归模型中的每一因子指标的回归系数进行第二显著度检验，获取与每一因子指标对应的第二检验结果；

剔除所述回归模型中第二校验结果高于检验阈值的因子指标，保留所述回归模型中第二检验结果不高于所述检验阈值的因子指标。

作为本申请一种可能的实施方式，在该实施方式中，所述基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重，包括：

计算所有因子指标的标准回归系数之和；

将每个因子指标的标准回归系数除以所述标准回归系数之和，得到每一因子指标的权重。

本申请第二方面提供因子指标的权重确定装置，包括：

获取变量指标单元，获取指定时间范围内，每指定时间单位的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标；

确定系数单元，用于基于所述目标变量和所述因子指标对回归模型进行拟合，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数；

确定权重单元，用于基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供了因子指标的权重确定方法，通过获取指定时间范围内，每指定时间范围的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标，从而基于所述目标变量和所述因子指标对回归模型进行拟合，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数，基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重；由此可见，本申请确定因子指标的权重的方式并没有依赖主观判断，不会受到决策者的主观偏好影响，且基于因子指标的标准回归系数进行权重的确定，考虑了因子指标本身的重要程度，使得所确定权重更加客观，提高了权重确定的准确性，从而提升了目标变量的评估效果，使得电子商务平台推送内容数据的准确性更高。

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，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的因子指标的权重确定方法的流程示意图；

图2是本申请实施例示出的基于标准回归系数确定权重的流程示意图；

图3是本申请实施例示出的因子指标的权重确定方法的另一流程示意图；

图4是本申请实施例示出的因子指标的权重确定方法的又一流程示意图；

图5是本申请实施例示出的因子指标的权重确定装置的结构示意图；

图6是本申请实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请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使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

以下结合附图详细描述本申请实施例的技术方案。

图1是本申请实施例示出的因子指标的权重确定方法的流程示意图，该方法包括如下步骤：

步骤101：获取指定时间范围内，每指定时间单位的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标；

因子指标是能够影响目标变量的参数，本申请中不同的目标变量可以对应与其相关的不同的至少一个因子指标。例如，目标变量可以为用户最终成单的销售额GMV(GrossMerchandise Volume)、用户的订单数等中的一个；因子指标可以为点赞量、评论量、收藏量、曝光量、点击量等等中的至少一个。

指定时间单位可以为分、时、天、月、年等中的一个时间单位，指定时间范围是能够表征出起始时间和结束时间的时间长度。例如，可以以当前时间为基准，获取两年内每天的电子商务平台的目标变量和与目标变量相关的至少一个因子指标。

步骤102：基于所述目标变量和所述因子指标对回归模型进行拟合，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数；

本申请中的回归模型可以为岭回归模型，当然也可以为其他回归模型，对此不作限定。通过将指定时间范围内，每指定时间单位的目标变量和因子指标依次作为回归模型的输入参数，来实现对回归模型的拟合，从而对拟合完的回归模型进行标准化处理，来确定与每一因子指标对应的标准回归系数。

标准回归系数能够消除量纲和量级差异的影响，使得不同变量之间具有可比性，标准化回归系数能够用于比较不同因子指标对目标变量的作用大小。

步骤103：基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重。

在本申请一种可能的实施方式中，如图2所示，所述基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重，可以包括如下步骤：

步骤201：计算所有因子指标的标准回归系数之和；

步骤202：将每个因子指标的标准回归系数除以所述标准回归系数之和，得到每一因子指标的权重。

当然也可以有其他基于标准回归系数确定因子指标的权重的方式，本申请不再一一详举。

在一些实施例中，该方法还可以包括：基于所述因子指标的权重确定电子商务平台上与所述目标变量相关的内容数据的推荐量，基于所述推荐量在所述电子商务平台推送与所述目标变量相关的内容数据。

本实施例中，通过获取指定时间范围内，每指定时间范围的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标，从而基于所述目标变量和所述因子指标对回归模型进行拟合，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数，基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重；由此可见，本申请确定因子指标的权重的方式并没有依赖主观判断，不会受到决策者的主观偏好影响，且基于因子指标的标准回归系数进行权重的确定，考虑了因子指标本身的重要程度，使得所确定权重更加客观，提高了权重确定的准确性，从而提升了目标变量的评估效果，使得电子商务平台推送内容数据的准确性更高。

图3是本申请实施例示出的因子指标的权重确定方法的另一流程示意图，如图3所示，该方法可以包括如下步骤：

步骤301：获取指定时间范围内，每指定时间单位的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标；

步骤302：基于第一剔除规则以所述指定时间单位为剔除单元对所述目标变量和所述至少一个因子指标进行筛选；

本步骤中，在基于目标变量和因子指标对回归模型进行拟合之前，可以以指定时间单位为剔除单元剔除掉一些异常的数据。例如，指定时间单位为天，那么如果某一天的某一因子指标或目标变量异常，则将该天的所有因子指标和目标变量剔除。

其中，第一剔除规则包括：若指定时间下的所述因子指标不匹配与所述指定时间对应的指标阈值，或，若指定时间下的所述目标变量不匹配与所述指定时间对应的变量阈值，则剔除所述指定时间下的目标变量和所述至少一个因子指标；和/或，

若所述因子指标未在基于所述因子指标确定的指标阈值范围内，则剔除所述因子指标所属时间下的目标变量和所述至少一个因子指标。

上述第一剔除规则中的指定时间具有上述指定时间单位，例如，指定时间单位为天，则可以预先确定某一天或多天的指标阈值或变量阈值。本申请的指定时间可以为具有重大意义的时间，例如，各个节假日、大促节点(比如6月18日)等。判断指定时间下的因子指标是否匹配与指定时间对应的指标阈值，该指标阈值是与因子指标对应的指标阈值，例如是否大于对应的指标阈值；判断指定时间下的目标变量是否匹配与指定时间对应的变量阈值；若不匹配，例如，因子指标大于对应的指标阈值，或目标变量大于对应的变量阈值，则剔除指定时间下的所有数据。

具体的举例，假设预先确定6月18日这一天因子指标A的指标阈值a1，因子指标B的指标阈值b1，目标变量Z的变量阈值z1，判断6月18日下的因子指标A是否匹配a1，因子指标B是否匹配指标阈值b1，或判断目标变量Z是否匹配z1，若存在不匹配，则剔除6月18日下的所有数据。

上述第一剔除规则中的指标阈值范围是基于因子指标的均值和标准差确定。

例如，设因子指标A的均值为X，标准差为sigma，那么指标阈值范围可以为[X-3sigma,X+3sigma]，指定时间单位为天，以判断每天的因子指标A是否在A的指标阈值范围内，假设2022年1月5日的因子指标A不在因子指标A对应的指标阈值范围内，则剔除2022年1月5日这一天所有的数据。

步骤303：基于第二剔除规则以所述因子指标为剔除单元对所述至少两个所述因子指标进行筛选；

本步骤中，在基于目标变量和因子指标对回归模型进行拟合之前，可以以因子指标为剔除单元剔除掉一些异常的数据。

其中，第二剔除规则包括：

对所述至少两个因子指标进行排列组合，每两个因子指标一组，计算所述每组的所述两个因子指标的相关系数，剔除所述相关系数低于系数阈值的因子指标；以及，

对所述每组的所述两个因子指标的相关系数进行显著度检验，确定显著度检验结果，剔除所述显著度检验结果高于显著度阈值的因子指标。

本步骤中，因子指标包括至少两个，对至少两个因子指标进行两两排序组合，每一组包括两个因子指标，且包含的因子指标不完全与其他组合一致。例如，因子指标包括A,B,C，那么，A,B一组，A,C一组，B,C一组。

可选地，可以计算每组的两个因子指标的皮尔逊相关系数，如果计算的相关系数低于预先设定的系数阈值，则剔除该组中任意一个因子指标。

其中，显著度检验可以为t检验，判断每组的t检验的检验结果是否高于预先设定的显著度阈值，若是，则剔除该组中任意一个因子指标。

本实施例是以同时包括步骤302和步骤303为例进行的说明，但是具体实施过程并不局限于此，在一些实施例中，方法可以包括步骤301-302以及步骤304-305。在另一些实施例中，方法可以包括步骤301、303-305。

步骤304：基于所述目标变量和所述因子指标对回归模型进行拟合，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数；

步骤305：基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重。

本实施例中，在获取指定时间范围内，每指定时间单位的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标后，可以基于第一剔除规则以所述指定时间单位为剔除单元对所述目标变量和所述至少一个因子指标进行筛选；和/或，基于第二剔除规则以所述因子指标为剔除单元对所述至少两个所述因子指标进行筛选，从而基于筛选后的目标变量和因子指标对回归模型进行拟合，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数；由此可见，本实施例能够剔除一些异常数据，进一步提高权重确定的准确性，从而也使得电子商务平台推送内容数据的准确性得到进一步提升。

图4是本申请实施例示出的因子指标的权重确定方法的又一流程示意图，如图4所示，该方法可以包括如下步骤：

步骤401：获取指定时间范围内，每指定时间单位的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标；

步骤402：基于所述目标变量和所述因子指标对回归模型进行拟合；

通过获取的指定时间范围内，每指定时间单位的目标变量和至少一个因子指标对回归模型进行拟合。

步骤403：获取拟合完成的回归模型的拟合效度；

步骤404：判断所述拟合效度是否大于效度阈值；若否，停止当前对所述因子指标的权重的确定；

预先设定效度阈值，从而判断拟合效度R

若拟合效度R

步骤405：对所述拟合完成的回归模型进行第一显著度检验，获取第一检验结果；

本实施例中，第一显著度检验可以为F检验，通过F检验来确定拟合完成后的回归模型是否显著。

步骤406：基于所述第一检测结果判断所述目标变量和所述至少一个因子指标之间的线性关系是否显著；若否，则停止当前对所述因子指标的权重的确定；

若基于所述第一检测结果确定所述目标变量和所述至少一个因子指标之间的线性关系不显著，则停止当前对所述因子指标的权重的确定。

若基于所述第一检测结果确定所述目标变量和所述至少一个因子指标之间的线性关系显著，本实施例中执行步骤407，而在本申请其他实施例中，可以直接执行步骤409。

步骤407：对所述拟合完成的回归模型中的每一因子指标的回归系数进行第二显著度检验，获取与每一因子指标对应的第二检验结果；

本实施例中，第一显著度检验可以为t检验，通过t检验来确定拟合完成后的每一因子指标的回归系数是否显著，t校验的第二检验结果可以对应p值。

步骤408：剔除所述回归模型中第二校验结果高于检验阈值的因子指标，保留所述回归模型中第二检验结果不高于所述检验阈值的因子指标；

预先设定检验阈值，例如设定为0.05，则可以判断p值是否高于0.05，剔除回归模型中p值高于0.05的因子指标，保留回归模型中p值不高于0.05的因子指标，从而使得步骤409中对处理后的回归模型进行标准化处理。

步骤409：对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数；

步骤410：基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重。

本实施例中，在对回归模型进行拟合后，可以基于拟合效度、对回归模型进行显著度检验以及对因子指标的回归系数进行显著度检验，来提高权重确定的准确性，从而也使得电子商务平台推送内容数据的准确性得到进一步提升。

与前述应用功能实现方法实施例相对应，本申请还提供了因子指标的确定装置、电子设备及相应的实施例。

图5是本申请实施例示出的因子指标的权重确定装置的结构示意图，参见图5，该装置包括第一获取单元110、模型拟合单元120、标准化处理单元130以及确定权重单元140；其中：

第一获取单元110，获取指定时间范围内，每指定时间单位的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标；

模型拟合单元120，用于基于所述目标变量和所述因子指标对回归模型进行拟合；

标准化处理单元130，用于对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数；

确定权重单元140，用于基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重。

在本申请一种实施方式下，确定权重单元140包括：

第一计算模块，用于计算所有因子指标的标准回归系数之和；

权重确定模块，用于将每个因子指标的标准回归系数除以所述标准回归系数之和，得到每一因子指标的权重。

本实施例中，通过获取指定时间范围内，每指定时间范围的电子商务平台的目标变量和与所述目标变量相关的至少一个因子指标，从而基于所述目标变量和所述因子指标对回归模型进行拟合，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数，基于所述至少一个因子指标的标准回归系数确定每一所述因子指标的权重；由此可见，本申请确定因子指标的权重的方式并没有依赖主观判断，不会受到决策者的主观偏好影响，且基于因子指标的标准回归系数进行权重的确定，考虑了因子指标本身的重要程度，使得所确定权重更加客观，提高了权重确定的准确性，从而提升了目标变量的评估效果，使得电子商务平台推送内容数据的准确性更高。

在本申请一些实施例中，该装置还包括：

第一筛选单元，用于基于第一剔除规则以所述指定时间单位为剔除单元对所述目标变量和所述至少一个因子指标进行筛选；

其中，所述第一剔除规则包括：若指定时间下的所述因子指标不匹配与所述指定时间对应的指标阈值，或，若指定时间下的所述目标变量不匹配与所述指定时间对应的变量阈值，则剔除所述指定时间下的目标变量和所述至少一个因子指标；和/或，

若所述因子指标未在基于所述因子指标确定的指标阈值范围内，则剔除所述因子指标所属时间下的目标变量和所述至少一个因子指标；

其中，所述指标阈值范围基于所述因子指标的均值和标准差确定。

在本申请一些实施例中，所述因子指标包括至少两个，该装置还包括：

第二筛选单元，用于基于第二剔除规则以所述因子指标为剔除单元对所述至少两个所述因子指标进行筛选；

其中，所述第二剔除规则包括：

对所述至少两个因子指标进行排列组合，每两个所述因子指标一组，计算每组的所述两个因子指标的相关系数，剔除所述相关系数低于系数阈值的因子指标；以及，

对所述每组的两个因子指标的相关系数进行显著度检验，确定显著度检验结果，剔除所述显著度检验结果高于显著度阈值的因子指标。

在本申请一些实施例中，该装置还包括：

获取拟合效果单元，用于获取拟合完成的回归模型的拟合效度；

第一判断单元，用于判断所述拟合效度是否大于效度阈值；

第一停止单元，用于在确定所述拟合效度不大于所述效度阈值下，停止当前对所述因子指标的权重的确定；

可选的，标准化处理单元具体用于在所述拟合效度大于所述效度阈值下，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数。

在本申请一些实施例中，该装置还可以包括：

第一检验单元，用于在所述拟合效度大于所述效度阈值的情况下，对所述拟合完成的回归模型进行第一显著度检验，获取第一检验结果；

第一确定单元，用于基于所述第一检测结果确定所述目标变量和所述至少一个因子指标之间的线性关系是否显著；

可选的，上述第一停止单元用于在确定线性关系不显著下，停止当前对所述因子指标的权重的确定；

上述标准化处理单元，用于在确定线性关系显著下，对拟合完成的回归模型进行标准化处理，确定与每一因子指标对应的标准回归系数。

在本申请一些实施例中，该装置还包括：

第二检验单元，用于在确定所述线性关系显著的情况下，对所述拟合完成的回归模型中的每一因子指标的回归系数进行第二显著度检验，获取与每一因子指标对应的第二检验结果；

第一剔除单元，用于剔除所述回归模型中第二校验结果高于检验阈值的因子指标；

第一保留单元，保留所述回归模型中第二检验结果不高于所述检验阈值的因子指标。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图6是本申请实施例示出的电子设备的结构示意图。

参见图6，电子设备1000包括存储器1010和处理器1020。

处理器1020可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、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。

存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)，和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。

上文中已经参考附图详细描述了本申请的方案。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本申请所必须的。另外，可以理解，本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或电子设备、服务器等)的处理器执行时，使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。

本领域技术人员还将明白的是，结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。

附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。