【技術(shù)領(lǐng)域】

本發(fā)明涉及計(jì)算機(jī)應(yīng)用技術(shù)，特別涉及基于人工智能的資源組合優(yōu)化方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)：

人工智能(artificialintelligence)，英文縮寫為ai。它是研究、開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門新的技術(shù)科學(xué)。人工智能是計(jì)算機(jī)科學(xué)的一個(gè)分支，它企圖了解智能的實(shí)質(zhì)，并生產(chǎn)出一種新的能以人類智能相似的方式做出反應(yīng)的智能機(jī)器，該領(lǐng)域的研究包括機(jī)器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。

在feed流、搜索產(chǎn)品等場景中，資源組合優(yōu)化問題是一個(gè)很常見也很重要的問題。

比如，在feed流場景中，在每次向用戶推薦資源時(shí)，會(huì)展現(xiàn)一個(gè)資源組合(約20個(gè)新聞)給用戶瀏覽，用戶可點(diǎn)擊其中感興趣的部分。資源組合優(yōu)化問題即指如何對這個(gè)資源組合進(jìn)行優(yōu)化，以使得最終的收益最大，如使得用戶的點(diǎn)擊次數(shù)最多。

現(xiàn)有技術(shù)中，通常采用以下方式來獲取上述資源組合：

首先，利用一個(gè)打分模型(rankmodel)分別對各候選資源進(jìn)行打分，從而分別獲取到各候選資源的資源評分；

之后，按照預(yù)定規(guī)則分別對各候選資源進(jìn)行排序，比如，可以按照資源評分由大到小的順序?qū)Ω骱蜻x資源進(jìn)行排序，并利用排序后處于前20位的候選資源組成資源組合，展現(xiàn)給用戶。

但是，這種方式在實(shí)際應(yīng)用中會(huì)存在一定的問題，如：在得到各候選資源的資源評分后，基于人工設(shè)定的規(guī)則進(jìn)行候選資源的篩選，以得到展現(xiàn)給用戶的資源組合，而這個(gè)規(guī)則只是人工經(jīng)驗(yàn)下的較優(yōu)，并不是真正意義上的最優(yōu)，從而使得展現(xiàn)給用戶的資源組合不是最優(yōu)的資源組合，進(jìn)而降低了資源組合的收益。

技術(shù)實(shí)現(xiàn)要素：

有鑒于此，本發(fā)明提供了基于人工智能的資源組合優(yōu)化方法、裝置及存儲(chǔ)介質(zhì)，能夠提升資源組合的收益。

具體技術(shù)方案如下：

一種基于人工智能的資源組合優(yōu)化方法，包括：

訓(xùn)練得到基于強(qiáng)化學(xué)習(xí)思想的策略模型；

當(dāng)需要生成資源組合時(shí)，分別獲取各候選資源的資源評分；

根據(jù)各候選資源的資源評分以及所述策略模型，從各候選資源中選出m個(gè)候選資源組成所述資源組合，m為大于一的正整數(shù)。

一種基于人工智能的資源組合優(yōu)化裝置，包括：預(yù)處理單元以及優(yōu)化單元；

所述預(yù)處理單元，用于訓(xùn)練得到基于強(qiáng)化學(xué)習(xí)思想的策略模型；

所述優(yōu)化單元，用于當(dāng)需要生成資源組合時(shí)，分別獲取各候選資源的資源評分，根據(jù)各候選資源的資源評分以及所述策略模型，從各候選資源中選出m個(gè)候選資源組成所述資源組合，m為大于一的正整數(shù)。

一種計(jì)算機(jī)設(shè)備，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)如以上所述的方法。

一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如以上所述的方法。

基于上述介紹可以看出，采用本發(fā)明所述方案，可預(yù)先訓(xùn)練得到基于強(qiáng)化學(xué)習(xí)思想的策略模型，這樣，當(dāng)需要生成資源組合時(shí)，可根據(jù)各候選資源的資源評分以及策略模型，從各候選資源中選出m個(gè)候選資源，利用選出的候選資源組成所需的資源組合，相比于現(xiàn)有技術(shù)，本發(fā)明所述方案中利用通過機(jī)器學(xué)習(xí)得到的策略模型來進(jìn)行候選資源的篩選，從而盡可能地保證了篩選結(jié)果的最優(yōu)，進(jìn)而提升了資源組合的收益。

【附圖說明】

圖1為本發(fā)明所述基于人工智能的資源組合優(yōu)化方法實(shí)施例的流程圖。

圖2為本發(fā)明所述策略模型的設(shè)計(jì)方式示意圖。

圖3為本發(fā)明所述打分模型、策略模型以及評估模型之間的關(guān)系示意圖。

圖4為本發(fā)明所述基于人工智能的資源組合優(yōu)化裝置實(shí)施例的組成結(jié)構(gòu)示意圖。

圖5示出了適于用來實(shí)現(xiàn)本發(fā)明實(shí)施方式的示例性計(jì)算機(jī)系統(tǒng)/服務(wù)器12的框圖。

【具體實(shí)施方式】

為了使本發(fā)明的技術(shù)方案更加清楚、明白，以下參照附圖并舉實(shí)施例，對本發(fā)明所述方案作進(jìn)一步地詳細(xì)說明。

圖1為本發(fā)明所述基于人工智能的資源組合優(yōu)化方法實(shí)施例的流程圖，如圖1所示，包括以下具體實(shí)現(xiàn)方式：

在101中，訓(xùn)練得到基于強(qiáng)化學(xué)習(xí)思想的策略模型；

在102中，當(dāng)需要生成資源組合時(shí)，分別獲取各候選資源的資源評分；

在103中，根據(jù)各候選資源的資源評分以及策略模型，從各候選資源中選出m個(gè)候選資源組成資源組合，m為大于一的正整數(shù)。

可以看出，本實(shí)施例的實(shí)現(xiàn)主要包括兩個(gè)部分，即模型訓(xùn)練及生成資源組合，以下分別進(jìn)行詳細(xì)介紹。

一)模型訓(xùn)練

本發(fā)明所述方案中主要涉及到三個(gè)模型，分別為打分模型(rankmodel)、策略模型(policymodel)以及評估模型(evaluationmodel)。

1)打分模型

打分模型的作用是為資源進(jìn)行打分，從而得到資源評分。

打分模型可以是通過點(diǎn)方式(point-wise)、對方式(pair-wise)或者列表方式(list-wise)訓(xùn)練得到的模型。

打分模型可以是邏輯回歸(lr，logisticregression)模型、梯度提升決策樹(gbdt，gradientboostingdecisiontree)模型或深度神經(jīng)網(wǎng)絡(luò)(dnn，deepneuralnetwork)模型等。

打分模型在進(jìn)行打分時(shí)，考慮了用戶特征、資源本身的特征等底層特征。

用戶特征可包括：用戶的偏好信息、用戶的歷史點(diǎn)擊信息等。

資源本身的特征可包括：資源的熱度信息、資源的歷史點(diǎn)擊率信息等。

如何訓(xùn)練得到打分模型以及如何利用打分模型來對資源進(jìn)行打分為現(xiàn)有技術(shù)。

2)評估模型

評估模型用于針對策略模型生成/產(chǎn)出的資源組合(按順序排列的各資源)，給出收益評分(reward)，并可進(jìn)一步給出預(yù)估指標(biāo)，如資源組合的點(diǎn)擊次數(shù)預(yù)估等。

評估模型是一個(gè)基于dnn的多目標(biāo)的模型，是一個(gè)可以通過list-wise等訓(xùn)練得到的模型。

在實(shí)際應(yīng)用中，為訓(xùn)練得到評估模型，需要首先收集到足夠數(shù)量的訓(xùn)練樣本，每個(gè)訓(xùn)練樣本中可包括：過往實(shí)際展現(xiàn)給用戶的一個(gè)資源組合以及用戶對該資源組合中的各資源的點(diǎn)擊情況等。

通過收集到的訓(xùn)練樣本訓(xùn)練得到評估模型，這樣，當(dāng)后續(xù)每輸入給評估模型一個(gè)資源組合時(shí)，評估模型即可預(yù)估出該資源組合中的各資源的點(diǎn)擊情況等，進(jìn)而可根據(jù)預(yù)估結(jié)果按照預(yù)定計(jì)算方式計(jì)算出一個(gè)收益評分，并可給出該資源組合的預(yù)估指標(biāo)，如資源組合的點(diǎn)擊次數(shù)預(yù)估等。

基于上述介紹，如何訓(xùn)練得到評估模型為現(xiàn)有技術(shù)，

3)策略模型

策略模型用于根據(jù)各候選資源生成資源組合。

即在對各候選資源進(jìn)行篩選以得到所需的資源組合時(shí)，不再是規(guī)則式的，而是模型式的，通過策略模型，可產(chǎn)出每個(gè)候選資源被選中的概率，進(jìn)而根據(jù)概率生成最終的資源組合。

策略模型是一個(gè)基于dnn的policynetwork，采用強(qiáng)化學(xué)習(xí)(reinforcementlearning)的思想。

圖2為本發(fā)明所述策略模型的設(shè)計(jì)方式示意圖，如圖2所示，其中的特征(feature)可包括各候選資源的資源評分以及各候選資源的指定特征等，所述指定特征具體包括哪些內(nèi)容可根據(jù)實(shí)際需要而定，如資源類別等。

在利用訓(xùn)練樣本對策略模型進(jìn)行訓(xùn)練的過程中，當(dāng)策略模型每生成一個(gè)資源組合時(shí)，即可確定出資源組合的收益評分，并按照收益評分對策略模型的模型參數(shù)進(jìn)行調(diào)整，直至達(dá)到收斂。

即利用收益評分來進(jìn)行模型參數(shù)的調(diào)整，可循環(huán)以下過程：生成資源組合—>收益評分—>調(diào)整模型參數(shù)—>按照調(diào)整后的模型參數(shù)生成資源組合，直至達(dá)到收斂，即得到最優(yōu)的模型參數(shù)。

基于上述介紹，如何訓(xùn)練得到策略模型為現(xiàn)有技術(shù)。

其中，確定出資源組合的收益評分即指：將資源組合輸入給評估模型，得到評估模型給出的資源組合的收益評分。

基于1)、2)和3)中的介紹，圖3為本發(fā)明所述打分模型、策略模型以及評估模型之間的關(guān)系示意圖，如圖3所示，打分模型可將得到的各候選資源的資源評分輸入給策略模型，策略模型可根據(jù)資源評分等生成資源組合，并輸入給評估模型以獲取收益評分，進(jìn)而可根據(jù)獲取到的收益評分對策略模型的模型參數(shù)進(jìn)行調(diào)整。

二)生成資源組合

當(dāng)需要生成資源組合時(shí)，如在feed流場景下，當(dāng)需要向用戶展現(xiàn)一個(gè)資源組合供用戶瀏覽時(shí)，可首先分別獲取各候選資源的資源評分，之后根據(jù)各候選資源的資源評分以及策略模型，從各候選資源中選出m個(gè)候選資源組成資源組合，展現(xiàn)給用戶，m為大于一的正整數(shù)，具體取值可根據(jù)實(shí)際需要而定。

具體地，針對每個(gè)候選資源，可分別將該候選資源的指定特征輸入給打分模型，從而得到打分模型給出的該候選資源的資源評分，所述指定特征可包括前述的用戶特征和資源本身的特征等。

之后，可將各候選資源的資源評分及各候選資源的指定特征輸入給策略模型，得到策略模型給出的資源組合。

可以看出，相比于現(xiàn)有技術(shù)，本發(fā)明所述方案中利用通過機(jī)器學(xué)習(xí)得到的策略模型來進(jìn)行候選資源的篩選，從而盡可能地保證了篩選結(jié)果的最優(yōu)，進(jìn)而提升了資源組合的收益。

而且，現(xiàn)有技術(shù)中，在對候選資源進(jìn)行篩選時(shí)，僅考慮了單個(gè)資源的打分，未考慮彼此之間可能存在的關(guān)聯(lián)關(guān)系，而本發(fā)明所述方案中，從資源組合的整體收益上進(jìn)行考量，來進(jìn)行候選資源的篩選，從而進(jìn)一步提升了資源組合的收益。

在此基礎(chǔ)上，還可將得到的資源組合發(fā)送給評估模型，得到評估模型給出的資源組合的收益評分，并且，還可進(jìn)一步得到評估模型給出的資源組合的預(yù)估指標(biāo)，如點(diǎn)擊次數(shù)預(yù)估等。

現(xiàn)有技術(shù)中，只有當(dāng)將資源組合展現(xiàn)給用戶并且用戶進(jìn)行點(diǎn)擊之后，才能得到資源組合的收益情況等信息，而采用本發(fā)明所述方案，可利用評估模型，直接獲取到資源組合的收益評分以及預(yù)估指標(biāo)等信息，從而使得信息的獲取更加方便快捷。

以上是關(guān)于方法實(shí)施例的介紹，以下通過裝置實(shí)施例，對本發(fā)明所述方案進(jìn)行進(jìn)一步說明。

圖4為本發(fā)明所述基于人工智能的資源組合優(yōu)化裝置實(shí)施例的組成結(jié)構(gòu)示意圖，如圖4所示，包括：預(yù)處理單元401以及優(yōu)化單元402。

預(yù)處理單元401，用于訓(xùn)練得到基于強(qiáng)化學(xué)習(xí)思想的策略模型。

優(yōu)化單元402，用于當(dāng)需要生成資源組合時(shí)，分別獲取各候選資源的資源評分，根據(jù)各候選資源的資源評分以及策略模型，從各候選資源中選出m個(gè)候選資源組成資源組合，m為大于一的正整數(shù)。

其中，預(yù)處理單元401在利用訓(xùn)練樣本對策略模型進(jìn)行訓(xùn)練的過程中，當(dāng)策略模型每生成一個(gè)資源組合時(shí)，則確定出資源組合的收益評分，并按照收益評分對策略模型的模型參數(shù)進(jìn)行調(diào)整，直至達(dá)到收斂。

預(yù)處理單元401可將資源組合輸入給預(yù)先訓(xùn)練得到的評估模型，從而得到評估模型給出的資源組合的收益評分。

另外，預(yù)處理單元401還可預(yù)先訓(xùn)練得到打分模型。

這樣，當(dāng)需要生成資源組合時(shí)，優(yōu)化單元402可首先針對每個(gè)候選資源，分別將候選資源的指定特征輸入給打分模型，從而得到打分模型給出的候選資源的資源評分。

之后，優(yōu)化單元402可將各候選資源的資源評分及各候選資源的指定特征輸入給策略模型，從而得到策略模型給出的資源組合。

在此基礎(chǔ)上，優(yōu)化單元402還可將資源組合發(fā)送給評估模型，得到評估模型給出的資源組合的收益評分。

另外，優(yōu)化單元402還可進(jìn)一步得到評估模型給出的資源組合的預(yù)估指標(biāo)，如點(diǎn)擊次數(shù)預(yù)估等。

圖4所示裝置實(shí)施例的具體工作流程請參照前述方法實(shí)施例中的相應(yīng)說明，不再贅述。

圖5示出了適于用來實(shí)現(xiàn)本發(fā)明實(shí)施方式的示例性計(jì)算機(jī)系統(tǒng)/服務(wù)器12的框圖。圖5顯示的計(jì)算機(jī)系統(tǒng)/服務(wù)器12僅僅是一個(gè)示例，不應(yīng)對本發(fā)明實(shí)施例的功能和使用范圍帶來任何限制。

如圖5所示，計(jì)算機(jī)系統(tǒng)/服務(wù)器12以通用計(jì)算設(shè)備的形式表現(xiàn)。計(jì)算機(jī)系統(tǒng)/服務(wù)器12的組件可以包括但不限于：一個(gè)或者多個(gè)處理器(處理單元)16，存儲(chǔ)器28，連接不同系統(tǒng)組件(包括存儲(chǔ)器28和處理器16)的總線18。

總線18表示幾類總線結(jié)構(gòu)中的一種或多種，包括存儲(chǔ)器總線或者存儲(chǔ)器控制器，外圍總線，圖形加速端口，處理器或者使用多種總線結(jié)構(gòu)中的任意總線結(jié)構(gòu)的局域總線。舉例來說，這些體系結(jié)構(gòu)包括但不限于工業(yè)標(biāo)準(zhǔn)體系結(jié)構(gòu)(isa)總線，微通道體系結(jié)構(gòu)(mac)總線，增強(qiáng)型isa總線、視頻電子標(biāo)準(zhǔn)協(xié)會(huì)(vesa)局域總線以及外圍組件互連(pci)總線。

計(jì)算機(jī)系統(tǒng)/服務(wù)器12典型地包括多種計(jì)算機(jī)系統(tǒng)可讀介質(zhì)。這些介質(zhì)可以是任何能夠被計(jì)算機(jī)系統(tǒng)/服務(wù)器12訪問的可用介質(zhì)，包括易失性和非易失性介質(zhì)，可移動(dòng)的和不可移動(dòng)的介質(zhì)。

存儲(chǔ)器28可以包括易失性存儲(chǔ)器形式的計(jì)算機(jī)系統(tǒng)可讀介質(zhì)，例如隨機(jī)存取存儲(chǔ)器(ram)30和/或高速緩存存儲(chǔ)器32。計(jì)算機(jī)系統(tǒng)/服務(wù)器12可以進(jìn)一步包括其它可移動(dòng)/不可移動(dòng)的、易失性/非易失性計(jì)算機(jī)系統(tǒng)存儲(chǔ)介質(zhì)。僅作為舉例，存儲(chǔ)系統(tǒng)34可以用于讀寫不可移動(dòng)的、非易失性磁介質(zhì)(圖5未顯示，通常稱為“硬盤驅(qū)動(dòng)器”)。盡管圖5中未示出，可以提供用于對可移動(dòng)非易失性磁盤(例如“軟盤”)讀寫的磁盤驅(qū)動(dòng)器，以及對可移動(dòng)非易失性光盤(例如cd-rom,dvd-rom或者其它光介質(zhì))讀寫的光盤驅(qū)動(dòng)器。在這些情況下，每個(gè)驅(qū)動(dòng)器可以通過一個(gè)或者多個(gè)數(shù)據(jù)介質(zhì)接口與總線18相連。存儲(chǔ)器28可以包括至少一個(gè)程序產(chǎn)品，該程序產(chǎn)品具有一組(例如至少一個(gè))程序模塊，這些程序模塊被配置以執(zhí)行本發(fā)明各實(shí)施例的功能。

具有一組(至少一個(gè))程序模塊42的程序/實(shí)用工具40，可以存儲(chǔ)在例如存儲(chǔ)器28中，這樣的程序模塊42包括——但不限于——操作系統(tǒng)、一個(gè)或者多個(gè)應(yīng)用程序、其它程序模塊以及程序數(shù)據(jù)，這些示例中的每一個(gè)或某種組合中可能包括網(wǎng)絡(luò)環(huán)境的實(shí)現(xiàn)。程序模塊42通常執(zhí)行本發(fā)明所描述的實(shí)施例中的功能和/或方法。

計(jì)算機(jī)系統(tǒng)/服務(wù)器12也可以與一個(gè)或多個(gè)外部設(shè)備14(例如鍵盤、指向設(shè)備、顯示器24等)通信，還可與一個(gè)或者多個(gè)使得用戶能與該計(jì)算機(jī)系統(tǒng)/服務(wù)器12交互的設(shè)備通信，和/或與使得該計(jì)算機(jī)系統(tǒng)/服務(wù)器12能與一個(gè)或多個(gè)其它計(jì)算設(shè)備進(jìn)行通信的任何設(shè)備(例如網(wǎng)卡，調(diào)制解調(diào)器等等)通信。這種通信可以通過輸入/輸出(i/o)接口22進(jìn)行。并且，計(jì)算機(jī)系統(tǒng)/服務(wù)器12還可以通過網(wǎng)絡(luò)適配器20與一個(gè)或者多個(gè)網(wǎng)絡(luò)(例如局域網(wǎng)(lan)，廣域網(wǎng)(wan)和/或公共網(wǎng)絡(luò)，例如因特網(wǎng))通信。如圖5所示，網(wǎng)絡(luò)適配器20通過總線18與計(jì)算機(jī)系統(tǒng)/服務(wù)器12的其它模塊通信。應(yīng)當(dāng)明白，盡管圖中未示出，可以結(jié)合計(jì)算機(jī)系統(tǒng)/服務(wù)器12使用其它硬件和/或軟件模塊，包括但不限于：微代碼、設(shè)備驅(qū)動(dòng)器、冗余處理單元、外部磁盤驅(qū)動(dòng)陣列、raid系統(tǒng)、磁帶驅(qū)動(dòng)器以及數(shù)據(jù)備份存儲(chǔ)系統(tǒng)等。

處理器16通過運(yùn)行存儲(chǔ)在存儲(chǔ)器28中的程序，從而執(zhí)行各種功能應(yīng)用以及數(shù)據(jù)處理，例如實(shí)現(xiàn)圖1所示實(shí)施例中的方法，即訓(xùn)練得到基于強(qiáng)化學(xué)習(xí)思想的策略模型，當(dāng)需要生成資源組合時(shí)，分別獲取各候選資源的資源評分，根據(jù)各候選資源的資源評分以及策略模型，從各候選資源中選出m個(gè)候選資源組成所述資源組合，m為大于一的正整數(shù)。

其中，在利用訓(xùn)練樣本對策略模型進(jìn)行訓(xùn)練的過程中，當(dāng)策略模型每生成一個(gè)資源組合時(shí)，則確定出資源組合的收益評分，并按照收益評分對策略模型的模型參數(shù)進(jìn)行調(diào)整，直至達(dá)到收斂。

確定出資源組合的收益評分即指，將資源組合輸入給預(yù)先訓(xùn)練得到的評估模型，得到評估模型給出的資源組合的收益評分。

具體實(shí)現(xiàn)請參照前述方法實(shí)施例中的相關(guān)說明，不再贅述。

本發(fā)明同時(shí)公開了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)將實(shí)現(xiàn)如圖1所示實(shí)施例中的方法。

可以采用一個(gè)或多個(gè)計(jì)算機(jī)可讀的介質(zhì)的任意組合。計(jì)算機(jī)可讀介質(zhì)可以是計(jì)算機(jī)可讀信號介質(zhì)或者計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導(dǎo)體的系統(tǒng)、裝置或器件，或者任意以上的組合。計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)的更具體的例子(非窮舉的列表)包括：具有一個(gè)或多個(gè)導(dǎo)線的電連接、便攜式計(jì)算機(jī)磁盤、硬盤、隨機(jī)存取存儲(chǔ)器(ram)、只讀存儲(chǔ)器(rom)、可擦式可編程只讀存儲(chǔ)器(eprom或閃存)、光纖、便攜式緊湊磁盤只讀存儲(chǔ)器(cd-rom)、光存儲(chǔ)器件、磁存儲(chǔ)器件、或者上述的任意合適的組合。在本文件中，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)可以是任何包含或存儲(chǔ)程序的有形介質(zhì)，該程序可以被指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用。

計(jì)算機(jī)可讀的信號介質(zhì)可以包括在基帶中或者作為載波一部分傳播的數(shù)據(jù)信號，其中承載了計(jì)算機(jī)可讀的程序代碼。這種傳播的數(shù)據(jù)信號可以采用多種形式，包括——但不限于——電磁信號、光信號或上述的任意合適的組合。計(jì)算機(jī)可讀的信號介質(zhì)還可以是計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)以外的任何計(jì)算機(jī)可讀介質(zhì)，該計(jì)算機(jī)可讀介質(zhì)可以發(fā)送、傳播或者傳輸用于由指令執(zhí)行系統(tǒng)、裝置或者器件使用或者與其結(jié)合使用的程序。

計(jì)算機(jī)可讀介質(zhì)上包含的程序代碼可以用任何適當(dāng)?shù)慕橘|(zhì)傳輸，包括——但不限于——無線、電線、光纜、rf等等，或者上述的任意合適的組合。

可以以一種或多種程序設(shè)計(jì)語言或其組合來編寫用于執(zhí)行本發(fā)明操作的計(jì)算機(jī)程序代碼，所述程序設(shè)計(jì)語言包括面向?qū)ο蟮某绦蛟O(shè)計(jì)語言—諸如java、smalltalk、c++，還包括常規(guī)的過程式程序設(shè)計(jì)語言—諸如”c”語言或類似的程序設(shè)計(jì)語言。程序代碼可以完全地在用戶計(jì)算機(jī)上執(zhí)行、部分地在用戶計(jì)算機(jī)上執(zhí)行、作為一個(gè)獨(dú)立的軟件包執(zhí)行、部分在用戶計(jì)算機(jī)上部分在遠(yuǎn)程計(jì)算機(jī)上執(zhí)行、或者完全在遠(yuǎn)程計(jì)算機(jī)或服務(wù)器上執(zhí)行。在涉及遠(yuǎn)程計(jì)算機(jī)的情形中，遠(yuǎn)程計(jì)算機(jī)可以通過任意種類的網(wǎng)絡(luò)——包括局域網(wǎng)(lan)或廣域網(wǎng)(wan)—連接到用戶計(jì)算機(jī)，或者，可以連接到外部計(jì)算機(jī)(例如利用因特網(wǎng)服務(wù)提供商來通過因特網(wǎng)連接)。

在本發(fā)明所提供的幾個(gè)實(shí)施例中，應(yīng)該理解到，所揭露的裝置和方法等，可以通過其它的方式實(shí)現(xiàn)。例如，以上所描述的裝置實(shí)施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實(shí)際實(shí)現(xiàn)時(shí)可以有另外的劃分方式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個(gè)地方，或者也可以分布到多個(gè)網(wǎng)絡(luò)單元上。可以根據(jù)實(shí)際的需要選擇其中的部分或者全部單元來實(shí)現(xiàn)本實(shí)施例方案的目的。

另外，在本發(fā)明各個(gè)實(shí)施例中的各功能單元可以集成在一個(gè)處理單元中，也可以是各個(gè)單元單獨(dú)物理存在，也可以兩個(gè)或兩個(gè)以上單元集成在一個(gè)單元中。上述集成的單元既可以采用硬件的形式實(shí)現(xiàn)，也可以采用硬件加軟件功能單元的形式實(shí)現(xiàn)。

上述以軟件功能單元的形式實(shí)現(xiàn)的集成的單元，可以存儲(chǔ)在一個(gè)計(jì)算機(jī)可讀取存儲(chǔ)介質(zhì)中。上述軟件功能單元存儲(chǔ)在一個(gè)存儲(chǔ)介質(zhì)中，包括若干指令用以使得一臺(tái)計(jì)算機(jī)設(shè)備(可以是個(gè)人計(jì)算機(jī)，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)或處理器(processor)執(zhí)行本發(fā)明各個(gè)實(shí)施例所述方法的部分步驟。而前述的存儲(chǔ)介質(zhì)包括：u盤、移動(dòng)硬盤、只讀存儲(chǔ)器(rom，read-onlymemory)、隨機(jī)存取存儲(chǔ)器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲(chǔ)程序代碼的介質(zhì)。

以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明保護(hù)的范圍之內(nèi)。