一种岗位智能推荐方法、装置、电子设备及存储介质

技术领域

本申请涉及互联网信息推荐技术领域，具体而言，涉及一种岗位智能推荐方法、装置、电子设备及存储介质。

背景技术

随着互联网技术的日新月异，企业招聘与用户求职也逐渐从线下招聘演变成了网络招聘，而求职者怎么从网上海量的招聘信息中快速寻找到符合自身要求的工作岗位就成为了其求职过程中的一大难题。

岗位筛选主要通过以下两点作为筛选结果的评判标准：一是筛选出的岗位待遇符合用户求职意向，满足用户的求职需求。二是岗位要求与应聘者能力相匹配，应聘者能力符合岗位职责要求。

目前现有的岗位推荐流程是根据用户填写的求职意向，对用户进行岗位的定向筛选。然而这类推荐方法，推荐结果过于呆板，容易将仅不满足用户求职意向中某一项条件的岗位过滤掉，导致推荐的结果与用户的契合度低，准确性差，用户实际入职率低，进而降低了用户体验和岗位推荐的实际效果。

发明内容

为了解决上述问题，本申请实施例提供了一种岗位智能推荐方法、装置、电子设备及存储介质。

第一方面，本申请实施例提供了一种岗位智能推荐方法，所述方法包括：

确定岗位推荐变量，分别为各所述岗位推荐变量设置变量权重和变量分值，并基于各所述岗位推荐变量构建岗位推荐计算公式，所述岗位推荐变量包括薪资、工作年限、性别、工作地点和岗位要求中的至少两个；

采集用户求职需求数据和岗位信息数据，基于所述岗位推荐变量分别将所述用户求职需求数据和岗位信息数据分类归档至数据库中；

从所述数据库中调用所述各岗位推荐变量对应的各数据库数据，基于各所述数据库数据计算所述岗位推荐计算公式，得到各岗位信息对应的推荐指数信息，并基于所述推荐指数信息向用户实时推送岗位。

优选的，所述确定岗位推荐变量，分别为各所述岗位推荐变量设置变量权重和变量分值，包括：

获取推荐规则信息，基于所述推荐规则信息确定岗位推荐变量，并基于所述推荐规则信息分别为各所述岗位推荐变量设置变量权重和变量分值。

优选的，所述数据库数据包括所述用户求职需求数据对应的第一数据库数据和所述岗位信息数据对应的第二数据库数据；

所述岗位推荐计算公式用以计算各所述岗位推荐变量对应的变量指数之和，所述变量指数为所述岗位推荐变量对应的数据交集结果、变量权重和变量分值的乘积，所述数据交集结果在所述第一数据库数据与第二数据库数据存在交集时为1，所述数据交集结果在所述第一数据库数据与第二数据库数据不存在交集时为0。

优选的，所述基于所述岗位推荐变量分别将所述用户求职需求数据和岗位信息数据分类归档至数据库中，包括：

确定所述用户求职需求数据中与所述岗位推荐变量的数据类型匹配的第一匹配数据，确定所述岗位信息数据中与所述岗位推荐变量的数据类型匹配的第二匹配数据；

基于预设的字典值分别对所述第一匹配数据和第二匹配数据进行转换映射，将所述第一匹配数据和第二匹配数据按照所述数据类型分别归档至数据库内各所述数据库数据对应的字段值中。

优选的，所述基于所述推荐指数信息向用户实时推送岗位，包括：

确定所述推荐指数信息大于预设的推荐指数阈值的目标岗位；

按照所述推荐指数信息由大到小的顺序对各所述目标岗位排序后，基于所述排序向用户实时推送所述目标岗位。

优选的，所述方法还包括：

展示已推送的所述岗位对应的推荐指数上限。

优选的，所述岗位推荐变量包括薪资、工作年限、性别和工作地点中的至少一个以及岗位要求。

第二方面，本申请实施例提供了一种岗位智能推荐装置，所述装置包括：

确定模块，用于确定岗位推荐变量，分别为各所述岗位推荐变量设置变量权重和变量分值，并基于各所述岗位推荐变量构建岗位推荐计算公式，所述岗位推荐变量包括薪资、工作年限、性别、工作地点和岗位要求中的至少两个；

采集模块，用于采集用户求职需求数据和岗位信息数据，基于所述岗位推荐变量分别将所述用户求职需求数据和岗位信息数据分类归档至数据库中；

推荐模块，用于从所述数据库中调用所述各岗位推荐变量对应的各数据库数据，基于各所述数据库数据计算所述岗位推荐计算公式，得到各岗位信息对应的推荐指数信息，并基于所述推荐指数信息向用户实时推送岗位。

第三方面，本申请实施例提供了一种电子设备，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，所述处理器执行所述计算机程序时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。

第四方面，本申请实施例提供了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如第一方面或第一方面的任意一种可能的实现方式提供的方法。

本发明的有益效果为：去除了常规的硬性筛选规则，根据岗位推荐变量以及岗位推荐变量的分值和权重占比来多维度计算出各个岗位相对于用户的推荐指数，能够更加精准有效的对用户进行岗位推荐，使用户更容易找到契合度高的岗位。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需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申请的一些实施例，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。

图1为本申请实施例提供的一种岗位智能推荐方法的流程示意图；

图2为本申请实施例提供的一种岗位智能推荐装置的结构示意图；

图3为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。

下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。

参见图1，图1是本申请实施例提供的一种岗位智能推荐方法的流程示意图。在本申请实施例中，所述方法包括：

S101、确定岗位推荐变量，分别为各所述岗位推荐变量设置变量权重和变量分值，并基于各所述岗位推荐变量构建岗位推荐计算公式，所述岗位推荐变量包括薪资、工作年限、性别、工作地点和岗位要求中的至少两个。

本申请的执行主体可以是云端服务器。

在本申请的一个实施例中，岗位相关的筛选条件中，看重最多的一般是薪资、工作年限、性别、工作地点、岗位要求四个方面。云端服务器将从这四个方面中选择至少两个条件，将选取的条件确定为岗位推荐变量，即后续计算岗位的推荐指数信息时会考虑的数据变量。接着，根据用户自身的需求或招聘市场的实际情况，云端服务器会为确定到的岗位推荐变量设置变量权重和变量分值，进而根据岗位推荐变量、变量权重、变量分支来构建出后续用来计算的推荐指数信息的岗位推荐计算公式。

其中，具体确定哪几个条件作为岗位推荐变量，可以是由用户手动进行选择，云端服务器根据用户的选择来选取，也可以是随机确定一个不小于2的选取数量，再根据该选取数量在预设的各个条件中进行随机选取，还可以是预先设置有模板，直接根据模板进行选择。此外，岗位推荐计算公式的计算方式可以是各个岗位推荐变量对应的数值与变量权重、变量分值的乘积之和。

在一种可实施方式中，所述确定岗位推荐变量，分别为各所述岗位推荐变量设置变量权重和变量分值，包括：

获取推荐规则信息，基于所述推荐规则信息确定岗位推荐变量，并基于所述推荐规则信息分别为各所述岗位推荐变量设置变量权重和变量分值。

在本申请的一个实施例中，云端服务器中可以预先设置有多个推荐规则信息，每一个推荐规则信息中已经存储好了需要选择的岗位推荐变量以及每个岗位推荐变量对应的变量权重和变量分值。用户只需要通过终端操作对具体的某个推荐规则信息进行选择，云端服务器便会响应用户的操作动作所生成的操作指令，进而获取到对应的推荐规则信息。接着，云端服务器便能够根据该推荐规则信息确定出岗位推荐变量、变量权重以及变量分值。相对于用户自己选择设置，按照预设的推荐规则信息进行选择的方式设置的数据更加的合理，进而更容易推荐出契合度高的合适岗位。

S102、采集用户求职需求数据和岗位信息数据，基于所述岗位推荐变量分别将所述用户求职需求数据和岗位信息数据分类归档至数据库中。

在本申请的一个实施例中，根据岗位推荐变量构建好岗位推荐计算公式后，云端服务器将会分别采集用户根据自身求职意向所设置的用户求职需求数据，以及网上招聘单元根据招聘需求所设置的岗位信息数据。由于用户求职需求数据和岗位信息数据中可能会含有不是岗位推荐变量的数据，云端服务器会根据岗位推荐变量对采集到的用户求职需求数据和岗位信息数据进行数据分类，以区分出与岗位推荐变量匹配的相关数据，并将这些数据按照数据类别分类归档至预先设置好的数据库中，以便后续过程能够直接调用数据库中的各个数据对各个岗位的推荐指数信息进行计算。

其中，数据库可以选用ClickHouse数据库，ClickHouse使用列式存储和高度优化的查询引擎，可以快速处理大规模数据集，且它可以处理连续数据流，并支持近实时的查询和聚合操作，能够满足本申请的方案对数据库的需求。

在一种可实施方式中，步骤S102包括：

确定所述用户求职需求数据中与所述岗位推荐变量的数据类型匹配的第一匹配数据，确定所述岗位信息数据中与所述岗位推荐变量的数据类型匹配的第二匹配数据；

基于预设的字典值分别对所述第一匹配数据和第二匹配数据进行转换映射，将所述第一匹配数据和第二匹配数据按照所述数据类型分别归档至数据库内各所述数据库数据对应的字段值中。

在本申请的一个实施例中，云端服务器会在用户求职需求数据的各个数据中确定出能够与岗位推荐变量的数据类型相匹配的第一匹配数据，在岗位信息数据中确定出能够与岗位推荐变量的数据类型相匹配的第二匹配数据。考虑到某些种类的数据，例如性别、工作地点、岗位要求等，在不进行任何处理的情况下无法用作计算，故云端服务器会通过预设的字典值对第一匹配数据和第二匹配数据进行处理，以将这些数据转换映射为能够存储到数据库数据的字段值中的字段数据，进而实现将第一匹配数据和第二匹配数据按照数据类别分类并归档至数据库中的目的。后续需要进行推荐指数信息的计算时，只需要调用数据库中归档存储的数据即可开始计算。

其中，字典值进行转换映射的具体过程可以为：创建一个字典，其中键是原始值，值是目标值。该字典描述了将原始值转换为目标值的映射关系。遍历要转换的数据。对于每个数据项，使用字典的get()方法来获取对应的目标值。get()方法接受一个参数，即要查找的键，如果找到该键，则返回对应的值；如果找不到该键，则返回一个默认值。如果字典中找到了对应的目标值，则将原始值替换为目标值；如果找不到对应的目标值，则根据需求决定是保留原始值还是进行其他处理。

S103、从所述数据库中调用所述各岗位推荐变量对应的各数据库数据，基于各所述数据库数据计算所述岗位推荐计算公式，得到各岗位信息对应的推荐指数信息，并基于所述推荐指数信息向用户实时推送岗位。

在本申请的一个实施例中，云端服务器需要进行岗位推送时，其会从数据库中调用对应的数据库数据，并将数据库数据导入至岗位推荐计算公式，进而计算得到推荐指数信息。推荐指数信息对应的数值越高，则说明该岗位越适合用户。最终，云端服务器将根据推荐指数信息来选择岗位对用户进行实时推送。对于推荐指数信息相同的岗位，将按照计算的先后顺序进行推送。通过本申请的方式进行推荐指数信息的计算，能够根据权重和分值分别对每一个岗位推荐变量进行计算，这样使得即使某些岗位的某一项条件不满足用户的意向条件，也能够根据其他满足项计算出一个推荐指数信息，并向用户进行推送。由于用户所设置的意向条件只是其为了筛选出完美符合其需求的岗位工作，这并不是意味着只要有一项条件不符合需求，用户就完全不考虑该工作。在岗位其他条件适合的情况下，用户很有可能能够接受某一项条件不符合自己的预期。而在现有的岗位推送方式里，这样的岗位将会被直接排除掉，导致某些符合用户心意的岗位无法推送至用户处，进而影响了推荐的实际效果。使用本申请的方案，无论岗位的各项条件是否完美符合用户的意向，均会计算出一个推荐指数信息，并根据推荐指数信息来对用户进行岗位的推荐，更不容易导致用户错过某些合适的岗位，推送准确度高，实际推送效果好。

在一种可实施方式中，所述数据库数据包括所述用户求职需求数据对应的第一数据库数据和所述岗位信息数据对应的第二数据库数据；

所述岗位推荐计算公式用以计算各所述岗位推荐变量对应的变量指数之和，所述变量指数为所述岗位推荐变量对应的数据交集结果、变量权重和变量分值的乘积，所述数据交集结果在所述第一数据库数据与第二数据库数据存在交集时为1，所述数据交集结果在所述第一数据库数据与第二数据库数据不存在交集时为0。

在本申请的一个实施例中，在公式计算过程中会分别确定每个岗位推荐变量对应的用户数据和招聘的岗位数据是否存在交集（即根据第一数据和第二数据确定数据交集结果），进而根据数据交集结果与其对应的变量权重和变量分值相乘，最后将各个乘积结果相加，便能够得到最终的计算结果。

示例性的，假设选择了薪资，性别与工作地点三个对向维度数据作为岗位推荐变量，每个岗位推荐变量的变量分值均为10分，变量权重分别是50%，25%，25%，薪资对应的第一数据库数据为x1，薪资对应的第二数据库数据为y1，性别对应的第一数据库数据为x2，性别对应的第二数据库数据为y2，工作地点对应的第一数据库数据为x3，工作地点对应的第二数据库数据为y3，则岗位推荐计算公式的具体计算式如下：

在一种可实施方式中，所述基于所述推荐指数信息向用户实时推送岗位，包括：

确定所述推荐指数信息大于预设的推荐指数阈值的目标岗位；

按照所述推荐指数信息由大到小的顺序对各所述目标岗位排序后，基于所述排序向用户实时推送所述目标岗位。

在本申请的一个实施例中，将会预先设置有推荐指数阈值，只有高于推荐指数阈值的推荐指数信息所对应的目标岗位，才会被云端服务器作为实时推送的岗位，以筛除掉一些推荐指数信息较低，即和用户契合度较低的岗位，提高岗位推送的实际效果。

在一种可实施方式中，所述方法还包括：

展示已推送的所述岗位对应的推荐指数上限。

在本申请的一个实施例中，根据选择确定的岗位推荐变量的不同，给每个岗位推荐变量所设置的变量分值也可能不同。因此，选择不同的岗位推荐变量，构建不同的岗位推荐计算公式，最终得到的推荐指数信息对应的数值范围也是不同的。用户可能会连续采用不同的岗位推荐计算公式，从不同角度得到推荐结果，而不同的数值范围可能会导致用户将不同岗位推荐计算公式所得到的推荐指数信息放在一起比较时，某些其实与用户契合度较高的岗位因为数值相对其他计算公式得到的结果低而被用户忽略。故在推送岗位以及其对应的推荐指数信息时，还会展示计算该岗位时所使用的计算公式对应的推荐指数上限，以辅助用户判断该岗位与自身的契合程度。

在一种可实施方式中，所述岗位推荐变量包括薪资、工作年限、性别和工作地点中的至少一个以及岗位要求。

在本申请的一个实施例中，目前现有的岗位推荐都是根据用户的意向进行推荐，而求职者一般所关注的是薪资、工作地点等与自身相关的条件，只有在找到符合自身意向的岗位时，才会去看该岗位的具体岗位要求。这可能会导致很多时候用户发现推送的岗位满足自己需求后，发现用户自身的能力条件并不满足岗位的岗位要求，同样使得该岗位为无效推送。这即不利于应聘者找到心仪的工作，也同样不利于招聘者更快的找到自身所需的员工。因此，在进行岗位推荐变量的选择时，可以将岗位要求作为必须选择项，再从其他条件中选择至少一个作为其他的岗位推荐变量。这样的方式能够真正的提高岗位推送的有效性，既使得应聘者能够更快的找到工作，也能同时帮助招聘者更快的招到合适的人选。

下面将结合附图2，对本申请实施例提供的岗位智能推荐装置进行详细介绍。需要说明的是，附图2所示的岗位智能推荐装置，用于执行本申请图1所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图1所示的实施例。

请参见图2，图2是本申请实施例提供的一种岗位智能推荐装置的结构示意图。如图2所示，所述装置包括：

确定模块201，用于确定岗位推荐变量，分别为各所述岗位推荐变量设置变量权重和变量分值，并基于各所述岗位推荐变量构建岗位推荐计算公式，所述岗位推荐变量包括薪资、工作年限、性别、工作地点和岗位要求中的至少两个；

采集模块202，用于采集用户求职需求数据和岗位信息数据，基于所述岗位推荐变量分别将所述用户求职需求数据和岗位信息数据分类归档至数据库中；

推荐模块203，用于从所述数据库中调用所述各岗位推荐变量对应的各数据库数据，基于各所述数据库数据计算所述岗位推荐计算公式，得到各岗位信息对应的推荐指数信息，并基于所述推荐指数信息向用户实时推送岗位。

在一种可实施方式中，确定模块201包括：

获取单元，用于获取推荐规则信息，基于所述推荐规则信息确定岗位推荐变量，并基于所述推荐规则信息分别为各所述岗位推荐变量设置变量权重和变量分值。

在一种可实施方式中，所述数据库数据包括所述用户求职需求数据对应的第一数据库数据和所述岗位信息数据对应的第二数据库数据；

所述岗位推荐计算公式用以计算各所述岗位推荐变量对应的变量指数之和，所述变量指数为所述岗位推荐变量对应的数据交集结果、变量权重和变量分值的乘积，所述数据交集结果在所述第一数据库数据与第二数据库数据存在交集时为1，所述数据交集结果在所述第一数据库数据与第二数据库数据不存在交集时为0。

在一种可实施方式中，采集模块202包括：

第一确定单元，用于确定所述用户求职需求数据中与所述岗位推荐变量的数据类型匹配的第一匹配数据，确定所述岗位信息数据中与所述岗位推荐变量的数据类型匹配的第二匹配数据；

映射单元，用于基于预设的字典值分别对所述第一匹配数据和第二匹配数据进行转换映射，将所述第一匹配数据和第二匹配数据按照所述数据类型分别归档至数据库内各所述数据库数据对应的字段值中。

在一种可实施方式中，推荐模块203包括：

第二确定单元，用于确定所述推荐指数信息大于预设的推荐指数阈值的目标岗位；

排序单元，用于按照所述推荐指数信息由大到小的顺序对各所述目标岗位排序后，基于所述排序向用户实时推送所述目标岗位。

在一种可实施方式中，装置还包括：

展示模块，用于展示已推送的所述岗位对应的推荐指数上限。

在一种可实施方式中，所述岗位推荐变量包括薪资、工作年限、性别和工作地点中的至少一个以及岗位要求。

本领域的技术人员可以清楚地了解到本申请实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列（Field－ProgrammableGate Array，FPGA）、集成电路（Integrated Circuit，IC）等。

本申请实施例的各处理单元和/或模块，可通过实现本申请实施例所述的功能的模拟电路而实现，也可以通过执行本申请实施例所述的功能的软件而实现。

参见图3，其示出了本申请实施例所涉及的一种电子设备的结构示意图，该电子设备可以用于实施图1所示实施例中的方法。如图3所示，电子设备300可以包括：至少一个中央处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。

其中，通信总线302用于实现这些组件之间的连接通信。

其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。

其中，网络接口304可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。

其中，中央处理器301可以包括一个或者多个处理核心。中央处理器301利用各种接口和线路连接整个电子设备300内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行终端300的各种功能和处理数据。可选的，中央处理器301可以采用数字信号处理（Digital SignalProcessing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。中央处理器301可集成中央中央处理器（Central Processing Unit，CPU）、图像中央处理器（GraphicsProcessing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到中央处理器301中，单独通过一块芯片进行实现。

其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-OnlyMemory）。可选的，该存储器305包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器305可选的还可以是至少一个位于远离前述中央处理器301的存储装置。如图3所示，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。

在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而中央处理器301可以用于调用存储器305中存储的岗位智能推荐应用程序，并具体执行以下操作：

确定岗位推荐变量，分别为各所述岗位推荐变量设置变量权重和变量分值，并基于各所述岗位推荐变量构建岗位推荐计算公式，所述岗位推荐变量包括薪资、工作年限、性别、工作地点和岗位要求中的至少两个；

采集用户求职需求数据和岗位信息数据，基于所述岗位推荐变量分别将所述用户求职需求数据和岗位信息数据分类归档至数据库中；

从所述数据库中调用所述各岗位推荐变量对应的各数据库数据，基于各所述数据库数据计算所述岗位推荐计算公式，得到各岗位信息对应的推荐指数信息，并基于所述推荐指数信息向用户实时推送岗位。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统（包括分子存储器IC），或适合于存储指令和/或数据的任何类型的媒介或设备。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

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述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可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服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。

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。

另外，在本申请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。

所述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器中。基于这样的理解，本申请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，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（Read-Only Memory， ROM）、随机存取器（Random AccessMemory，RAM）、磁盘或光盘等。

以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。