一种低效功能确定方法和装置

技术领域

本申请属于涉及人工智能技术领域，尤其涉及一种低效功能确定方法和装置。

背景技术

金融软件复杂庞大，低效功能的问题尤其突出，低效功能如果不及时识别，会占用企业大量的资源去研发和维护，然而实际却无法产生相匹配的收益，导致资源的严重浪费。

为了提升产品的生命周期管理，减少资源浪费，需要一种有效识别低效功能的机制，以便定期清理低效功能，从而保证产品可以高效运行。

然而，针对如何有效识别低效功能，目前尚未提出有效的解决方案。

发明内容

本申请目的在于提供一种低效功能确定方法和装置，可以有效识别低效功能，从而保证产品可以高效运行。

本申请提供一种低效功能确定方法和装置是这样实现的：

一种低效功能确定方法，所述方法包括：

获取目标功能在目标场景下的业务数据；

对所述业务数据进行整合，得到多个指标项数据；

将所述多个指标项数据，输入到预先训练的识别模型中，识别出所述目标功能在所述目标场景下是否为低效功能。

在一个实施方式中，预先训练所述识别模型，包括：

获取目标功能在目标场景下预定时间周期的业务数据；

对所述预定时间周期的业务数据进行预处理，得到预处理后的样本数据；

对所述预处理后的样本数据，以预定时间长度为时间窗进行数据分析，得到各时间窗内多个指标项的取值；

将各时间窗中各指标项的最小值和平均值，作为各指标项的最小值和平均值；

以各指标项的最小值和平均值进行训练，得到所述识别模型。

在一个实施方式中，将所述多个指标项数据，输入到预先训练的识别模型中，识别出所述目标功能在所述目标场景下是否为低效功能，包括：

获取预先训练得到的各指标项的最小值和平均值；

对各指标项数据执行如下操作：确定当前指标项数据是否小于该指标项的平均值，在小于平均值的情况下，确定该指标项是否小于该指标项的最小值的预设倍数，在确定小于的情况下，确定当前指标项数据为低效指标；

在确定各指标项数据都为低效指标的情况下，确定所述目标功能在所述目标场景下为低效功能。

在一个实施方式中，预先训练的识别模型为基于随机森林算法的机器学习模型。

在一个实施方式中，获取目标功能在目标场景下的业务数据，包括：

从数据湖中按业务场景获取原始数据；

从所述原始数据中抽取日客户数、日交易量和日交易金额作为业务数据；

相应的，对所述业务数据进行整合，得到多个指标项数据，包括：

对所述业务数据进行清洗，得到清洗后的数据；

对清洗后的数据加工，得到多个指标项数据。

在一个实施方式中，对清洗后的数据加工，得到多个指标项数据，包括：

对所述清洗后的数据按照时间进行排序；

选择预定时间段内的数据作为待处理数据；

对所述预定时间段内的数据从多个指标维度进行统计，以得到多个指标项数据，其中，所述多个维度包括以下维度至少之一：客户数量维度、交易数量维度、交易金额维度。

在一个实施方式中，获取目标功能在目标场景下的业务数据，包括：

获取对目标银行数据存储单元的数据获取权限；

在获取到获取权限后，以目标场景作为检索词，从所述存储单元中匹配得到与所述目标场景关联的用户交易数据，作为所述业务数据。

在一个实施方式中，所述指标项数据包括以下至少之一：季客户数、季交易量和季交易金额。

在一个实施方式中，所述目标功能为银行应用中的功能。

一种低效功能确定装置，包括：

获取模块，用于获取目标功能在目标场景下的业务数据；

整合模块，用于对所述业务数据进行整合，得到多个指标项数据；

识别模块，用于将所述多个指标项数据，输入到预先训练的识别模型中，识别出所述目标功能在所述目标场景下是否为低效功能。

一种终端设备，包括处理器以及用于存储处理器可执行指令的存储器，所述处理器执行所述指令时实现上述方法的步骤。

一种计算机可读存储介质，其上存储有计算机指令，所述指令被执行时实现上述方法的步骤。

本申请提供的低效功能确定方法和装置，通过获取目标功能在目标场景下的业务数据，然后，对这些业务数据进行整合，得到多个指标项数据，进而将这多个指标项数据，输入到预先训练的识别模型中，从而可以识别出目标功能在所述目标场景下是否为低效功能。即，给出了一种简单高效以自动识别低效功能的方案，通过上述方案解决了现有的低效功能的存在导致产品无法高效运行的问题，达到了有效识别低效功能，从而可以有针对性地对低效功能进行优化或删除，从而使得产品整体可以高效运行，减少资源浪费。

附图说明

为了更清楚地说明本申请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申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请提供的低效功能确定方法一种实施例的方法流程图；

图2是本申请提供的比较规则一种示意图；

图3是本申请提供的确定低效功能的装置的结构模块示意图；

图4是本申请提供的一种低效功能确定方法的电子设备的硬件结构框图；

图5是本申请提供的一种低效功能确定装置一种实施例的模块结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，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，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都应当属于本申请保护的范围。

图1是本申请提供的低效功能确定方法一种实施例的方法流程图。虽然本申请提供了如下述实施例或附图所示的方法操作步骤或装置结构，但基于常规或者无需创造性的劳动在所述方法或装置中可以包括更多或者更少的操作步骤或模块单元。在逻辑性上不存在必要因果关系的步骤或结构中，这些步骤的执行顺序或装置的模块结构不限于本申请实施例描述及附图所示的执行顺序或模块结构。所述的方法或模块结构的在实际中的装置或终端产品应用时，可以按照实施例或者附图所示的方法或模块结构连接进行顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至分布式处理环境)。

具体的，如图1所示，上述的低效功能确定方法可以包括如下步骤：

步骤101：获取目标功能在目标场景下的业务数据；

其中，上述的目标功能可以是银行产品所提供的功能，例如：转账功能、汇款功能，支付功能等，其中，目标场景可以是：pos机场景、支付宝场景、微信场景、实体店扫码场景等。针对不同的功能，以及功能所在的场景的不同，都是需要专门的运维的，对于软件开发和维护而言，成本是很高的。

步骤102：对所述业务数据进行整合，得到多个指标项数据；

步骤103：将所述多个指标项数据，输入到预先训练的识别模型中，识别出所述目标功能在所述目标场景下是否为低效功能。

在上例中，通过获取目标功能在目标场景下的业务数据，然后，对这些业务数据进行整合，得到多个指标项数据，进而将这多个指标项数据，输入到预先训练的识别模型中，从而可以识别出目标功能在所述目标场景下是否为低效功能。即，给出了一种简单高效以自动识别低效功能的方案，通过上述方案解决了现有的低效功能的存在导致产品无法高效运行的问题，达到了有效识别低效功能，从而可以有针对性地对低效功能进行优化或删除，从而使得产品整体可以高效运行，减少资源浪费。

上述预先训练的识别模型可以是按照如下方式训练得到的：

S1：获取目标功能在目标场景下预定时间周期的业务数据；

例如，可以获取之前一年的数据，例如，当前为2022年，那么可以获取2021年整年的业务数据作为目标数据。即，以前一年的数据作为历史数据进行分析，以确定指标阈值，以指标阈值作为比较基础，确定某个目标功能在某个目标场景下是否为低效功能。

S2：对所述预定时间周期的业务数据进行预处理，得到预处理后的样本数据；

其中，预处理可以是例如：从所述业务数据中剔除重复的数据、从所述业务数据中剔除交易处理失败的数据等。

S3：对所述预处理后的样本数据，以预定时间长度为时间窗进行数据分析，得到各时间窗内多个指标项的取值；

例如，可以以“月”“季度”等作为预定时间长度，或者是“30天”“90天”作为预定时间长度都可以，从而确定在时间窗内各个指标项的平均值、和最小值。其中，指标项可以是：季客户数、季交易量和季交易金额等，也可以是：月客户数、月交易量和月交易金额。考虑到以月作为参考的话，波动较大，因此，优选的以“季客户数、季交易量和季交易金额等”作为指标项。

S4：将各时间窗中各指标项的最小值和平均值，作为各指标项的最小值和平均值；

之所以选择各指标项的最小值和平均值作为比较基础，主要是考虑到最小值和平均值可以反映应用中功能的转换情况是否变得较差。

S5：以各指标项的最小值和平均值进行训练，得到所述识别模型。

在得到各指标项的最小值和平均值之后，就可以以各指标项的最小值和平均值作为基准，对识别模型进行训练，即，以最小值和平均值作为识别模型各分支节点的比较基准。

在具体实现的时候，为了减少对比次数，以便快速确定出低效功能，在将所述多个指标项数据，输入到预先训练的识别模型中，识别出所述目标功能在所述目标场景下是否为低效功能的时候，可以是先获取预先训练得到的各指标项的最小值和平均值；然后，对各指标项数据执行如下操作：确定当前指标项数据是否小于该指标项的平均值，在小于平均值的情况下，确定该指标项是否小于该指标项的最小值的预设倍数，在确定小于的情况下，确定当前指标项数据为低效指标；在确定各指标项数据都为低效指标的情况下，确定所述目标功能在所述目标场景下为低效功能。

假设预先设定了三个指标项，那么需要三个指标项都小于该指标项的最小值的预设倍数，才将其作为低效功能，如果有一个或多个指标未小于该指标项的最小值的预设倍数，则不将其作为低效功能。为了提升比较效率，先将其与“平均值”进行比较，只有小于平均值，才会触发与“该指标项的最小值的预设倍数”进行比较。

具体的，以“季客户数、季交易量和季交易金额等”作为指标项为例进行说明，比较流程可以如图2所示：即，获取业务场景数据，抽取出：季客户数、季交易量和季交易金额，然后，每个指标项走自身单独的对比流程进行对比，以确定每个指标项是否符合低效功能，如果三个指标都符合，则确定为低效功能。

因为存在多个指标的分别对比识别，因此，上述预先训练的识别模型可以选择基于随机森林算法的机器学习模型，从而实现多分支的联合判断。

对于上述步骤101，获取目标功能在目标场景下的业务数据，可以是按照如下步骤实现的：

S1：数据湖中按业务场景获取原始数据；

S2：从所述原始数据中抽取日客户数、日交易量和日交易金额作为业务数据；

相应的，对所述业务数据进行整合，得到多个指标项数据，可以包括：

S1：对所述业务数据进行清洗，得到清洗后的数据；

S2：对清洗后的数据加工，得到多个指标项数据。

其中，对所述业务数据进行清洗，得到清洗后的数据，可以但不限于：从所述业务数据中剔除重复的数据；从所述业务数据中剔除交易处理失败的数据。

上述的指标项数据可以包括但不限于以下至少之一：季客户数、季交易量和季交易金额。

具体的，对清洗后的数据加工，得到多个指标项数据，可以是对所述清洗后的数据按照时间进行排序；选择预定时间段内的数据作为待处理数据；对所述预定时间段内的数据从多个指标维度进行统计，以得到多个指标项数据，其中，所述多个维度可以包括但不限于以下维度至少之一：客户数量维度、交易数量维度、交易金额维度。例如，时间段为“季度”那么就可以以“季度”作为预定时间段，因为数据已经按照时间进行排序，因此，可以获取落于该时间段内的数据作为目标数据，然后将目标数据，按照预设的“统计维度”进行统计，例如：客户数量维度、交易数量维度、交易金额维度进行统计，从而可以得到季客户数、季交易量和季交易金额等作为指标项数据，用于进一步准确判断是否为低效功能。

进一步的，考虑到本例是面向的业务维度，需要获取的是用户的交易记录等，为此，这些数据不是任何人都可以获取的，是需要设置严格的获取权限的，因此，可以设置数据获取权限，只有访问权限被验证通过，才可以获取数据，从而可以保证数据的安全性。具体的，获取目标功能在目标场景下的业务数据，可以包括：获取对目标银行数据存储单元的数据获取权限；在获取到获取权限后，以目标场景作为检索词，从所述存储单元中匹配得到与所述目标场景关联的用户交易数据，作为所述业务数据。

上述目标功能可以是银行应用中的功能。

下面结合一个具体实施例对上述方法进行说明，然而，值得注意的是，该具体实施例仅是为了更好地说明本申请，并不构成对本申请的不当限定。

在本例中提出了一种基于机器学习技术，识别归纳出低效功能的逻辑和行为，以便在研发阶段可以及时清理低效功能逻辑，从而保证产品可以高效能运做，同时强化产品生命周期管理，提升产品运营和研发效能，防范潜在风险。

具体的，在本例中提供了一种智能识别低效功能的系统，可以如图3所示包括：数据处理装置1、模型训练装置2、低效功能识别装置3，其中：

1)数据处理装置1，用于获取日客户数、月客户数、季客户数等历史数据，以及相关的其它影响低效功能判断的数据，例如，可以包括：日交易量、月交易量、季交易量、日交易金额、月交易金额、季交易金额等数据。

具体的，数据处理装置1可以包括：数据获取单元11、数据存储单元12、数据清洗单元13，其中：

数据获取单元11，用于从数据湖中按业务场景获取原始数据；

其中，可以是从各受理渠道等获取数据，将数据存入数据湖中。

数据存储单元12，用于将数据获取单元中获取的原始数据按规则抽取日客户数、日交易量、日交易金额等。

数据清洗单元13，用于获取数据库中存储单元中的近一年的日客户数、日交易量、日交易金额等数据进行清洗处理，其中，清洗处理可以包括：剔除重复数据、对异常数据进行处理。具体的，首先可以筛选完全相同的数据，剔除多余的重复数据。剔除交易处理失败数据，只保留交易成功数据。然后将清洗处理后的数据通过数据加工生成特征数据，以便于后续进行建模预测时取得更好的预测结果，对于最终需要识别的数据以及训练所用的数据，都可以采用这种方式进行处理。

2)模型训练装置2，用于采用机器学习算法进行模型训练，生成低效功能识别算法模型，用于后续进行低效功能识别。具体的，模型训练装置可以包括：特征工程单元21、算法训练单元22。其中：

特征工程单元21，用于对获取的业务场景工作日期、客户数量、交易量及交易金额等相关数据进行特征加工和归一化处理，通过选取近一年的业务场景日交易量、日交易金额及日客户数，进行时间周期滑窗，以每季为周期，生成观察期的季交易量最小值、季交易金额最小值、季客户数最小值、季交易量平均值、季交易金额平均值、季日客户数平均值等，得到可用于机器学习算法训练的数据格式，用于后续使用回归/分类学习算法进行建模，供模型分析使用。

算法训练单元22，用于使用randomforesta算法对特征工程单元21生成的特征数据集进行模型训练，得到多个单算法训练模型。首先，可以将特征数据处理成不同机器学习算法要求的数据结构；然后，采用超参数自动调优的方式对候选机器学习算法进行在线训练模型。

3)低效功能识别装置3，用于根据模型训练装置2构建的模型，输入数据进行低效功能识别。

在上例中，提出了一种基于机器学习的低效功能识别的学习方法和装置，利用数据处理装置、模型训练装置及低效功能识别装置，识别及分析低效能业务场景，从而可以有效识别出低效功能，从而可以定期清理低效功能业务场景，以保证各种类产品可以高效能运做，同时提高了软件研发效率及用户体验度。

本申请上述实施例所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在电子设备上为例，图4是本申请提供的一种低效功能确定方法的电子设备的硬件结构框图。如图4所示，电子设备10可以包括一个或多个(图中仅示出一个)处理器02(处理器02可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器04、以及用于通信功能的传输模块06。本领域普通技术人员可以理解，图4所示的结构仅为示意，其并不对上述电子装置的结构造成限定。例如，电子设备10还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。

存储器04可用于存储应用软件的软件程序以及模块，如本申请实施例中的低效功能确定方法对应的程序指令/模块，处理器02通过运行存储在存储器04内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的应用程序的低效功能确定方法。存储器04可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器04可进一步包括相对于处理器02远程设置的存储器，这些远程存储器可以通过网络连接至电子设备10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

传输模块06用于经由一个网络接收或者发送数据。上述的网络具体实例可包括电子设备10的通信供应商提供的无线网络。在一个实例中，传输模块06包括一个网络适配器(Network Interface Controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，传输模块06可以为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

在软件层面，上述低效功能确定装置可以如图5所示，包括：

获取模块501，用于获取目标功能在目标场景下的业务数据；

整合模块502，用于对所述业务数据进行整合，得到多个指标项数据；

识别模块503，用于将所述多个指标项数据，输入到预先训练的识别模型中，识别出所述目标功能在所述目标场景下是否为低效功能。

在一个实施方式中，预先训练所述识别模型，可以包括：

S1：获取目标功能在目标场景下预定时间周期的业务数据；

S2：对所述预定时间周期的业务数据进行预处理，得到预处理后的样本数据；

S3：对所述预处理后的样本数据，以预定时间长度为时间窗进行数据分析，得到各时间窗内多个指标项的取值；

S4：将各时间窗中各指标项的最小值和平均值，作为各指标项的最小值和平均值；

S5：以各指标项的最小值和平均值进行训练，得到所述识别模型。

在一个实施方式中，识别模块503具体可以用于获取预先训练得到的各指标项的最小值和平均值；对各指标项数据执行如下操作：确定当前指标项数据是否小于该指标项的平均值，在小于平均值的情况下，确定该指标项是否小于该指标项的最小值的预设倍数，在确定小于的情况下，确定当前指标项数据为低效指标；在确定各指标项数据都为低效指标的情况下，确定所述目标功能在所述目标场景下为低效功能。

在一个实施方式中，预先训练的识别模型可以是基于随机森林算法的机器学习模型。

在一个实施方式中，获取模块501具体可以用于从数据湖中按业务场景获取原始数据；从所述原始数据中抽取日客户数、日交易量和日交易金额作为业务数据；相应的，对所述业务数据进行整合，得到多个指标项数据，包括：对所述业务数据进行清洗，得到清洗后的数据；对清洗后的数据加工，得到多个指标项数据。

在一个实施方式中，指标项数据可以包括但不限于以下至少之一：季客户数、季交易量和季交易金额。

在一个实施方式中，上述目标功能为银行应用中的功能。

本申请的实施例还提供能够实现上述实施例中的低效功能确定方法中全部步骤的一种电子设备的具体实施方式，所述电子设备具体包括如下内容：处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述处理器用于调用所述存储器中的计算机程序，所述处理器执行所述计算机程序时实现上述实施例中的低效功能确定方法中的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤1：获取目标功能在目标场景下的业务数据；

步骤2：对所述业务数据进行整合，得到多个指标项数据；

步骤3：将所述多个指标项数据，输入到预先训练的识别模型中，识别出所述目标功能在所述目标场景下是否为低效功能。

从上述描述可知，本申请实施例通过获取目标功能在目标场景下的业务数据，然后，对这些业务数据进行整合，得到多个指标项数据，进而将这多个指标项数据，输入到预先训练的识别模型中，从而可以识别出目标功能在所述目标场景下是否为低效功能。即，给出了一种简单高效以自动识别低效功能的方案，通过上述方案解决了现有的低效功能的存在导致产品无法高效运行的问题，达到了有效识别低效功能，从而可以有针对性地对低效功能进行优化或删除，从而使得产品整体可以高效运行，减少资源浪费。

本申请的实施例还提供能够实现上述实施例中的低效功能确定方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的低效功能确定方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

步骤1：获取目标功能在目标场景下的业务数据；

步骤2：对所述业务数据进行整合，得到多个指标项数据；

步骤3：将所述多个指标项数据，输入到预先训练的识别模型中，识别出所述目标功能在所述目标场景下是否为低效功能。

从上述描述可知，本申请实施例通过获取目标功能在目标场景下的业务数据，然后，对这些业务数据进行整合，得到多个指标项数据，进而将这多个指标项数据，输入到预先训练的识别模型中，从而可以识别出目标功能在所述目标场景下是否为低效功能。即，给出了一种简单高效以自动识别低效功能的方案，通过上述方案解决了现有的低效功能的存在导致产品无法高效运行的问题，达到了有效识别低效功能，从而可以有针对性地对低效功能进行优化或删除，从而使得产品整体可以高效运行，减少资源浪费。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于硬件+程序类实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

虽然本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、车载人机交互设备、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

虽然本说明书实施例提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或终端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境，甚至为分布式数据处理环境)。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、产品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、产品或者设备所固有的要素。在没有更多限制的情况下，并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。

为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本说明书实施例时可以把各模块的功能在同一个或多个软件和/或硬件中实现，也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。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。

本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，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)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本说明书实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书实施例，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本说明书实施例的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

以上所述仅为本说明书实施例的实施例而已，并不用于限制本说明书实施例。对于本领域技术人员来说，本说明书实施例可以有各种更改和变化。凡在本说明书实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的权利要求范围之内。