本發(fā)明涉及電子技術(shù)，尤其涉及一種信息處理方法及裝置。

背景技術(shù)：

自2004年以來，中國電影市場進(jìn)入了高速成長時期。2004年我國電影票房收入15億，據(jù)業(yè)內(nèi)人士估計2015年我們電影票房將達(dá)到400億，由此看來十年左右票房增長近30倍；中國故事片產(chǎn)量由2004年的200部增至2014年的638部。電影銀幕數(shù)量激增，據(jù)EBOT藝恩日票房智庫數(shù)據(jù)顯示，2015年上半年(1月1日-6月31日)新增影院600家，新增銀幕2449塊，平均每日13.5塊，全國累計銀幕26244塊，預(yù)計年底將達(dá)到28000塊，從而進(jìn)一步縮小和美國的差距(美國約有4萬塊銀幕)，為票房再上一個臺階打下牢固的地基。而2003年，我國的銀幕數(shù)僅有2296塊，增長近十倍。電影“觀影人次”由2006年的0.89億增長到2014年全國觀影人次6.134億。

但是影院和熒幕數(shù)的增加并沒有帶來觀影者期望的局面，你是否遇到過這樣的尷尬：當(dāng)你走進(jìn)電影院，看到售票臺的熒幕上密密麻麻地排滿了電影，而你想看的影片卻只有寥寥幾場——不是上午10點，就是晚上11點，有些影院甚至一場沒有。而這樣的狀況在4、5月尤其明顯。在好萊塢大片《速7》、《復(fù)聯(lián)2》前后夾擊、超級IP電影《何以笙簫默》、《左耳》的左右圍攻下，夾縫中求生存的《闖入者》幾乎沒有生存空間，其上映當(dāng)日排片率不足1.5％，逼得導(dǎo)演王小帥不得不發(fā)公開信，稱“這是一場實事先張揚的謀殺案”，并呼吁廣大觀眾“請你挺我！”一時間，“到底是誰在操縱影院排片？”這個只有電影業(yè)內(nèi)人才會關(guān)心的話題竟成了普通觀眾討論的焦點。所謂排片率其實就是一部電影在影院享有的放映空間，其排片率越高放映場次就越多。排片率就像影片的生命 線，很大程度上影響著票房成績。

目前中國院線排片主要依賴院線經(jīng)理。一部電影要與觀眾見面，首先要經(jīng)過影院經(jīng)理的評估：安排什么時段的場次、多大容量的影廳等?？梢哉f影院經(jīng)理的一念之間，掌控著電影首日排片的生殺大權(quán)。對于片方和發(fā)行方來講，要讓影片打動觀眾，首先要打動影院經(jīng)理，因為影院經(jīng)理也是觀眾，那么影院經(jīng)理的判斷標(biāo)準(zhǔn)又是什么？作為專業(yè)人士，他們在影片上映前會有個基本的預(yù)判。這個預(yù)判不是去揣測觀眾是否喜歡、影片口碑是否良好，而是預(yù)估有多少觀眾會為這部影片埋單，愿意買票的人越多越好。簡單來說，觀眾只要肯花錢就行，喜不喜歡那是他們自己的事。而為了完成這個預(yù)判，影院經(jīng)理需要找到更多證據(jù)支撐：比如某部影片的提前點映場是否爆滿、觀眾反應(yīng)怎么樣；它的宣傳推廣攻勢是否強大、海報和片花等物料是否足夠吸引人；另外就是它與年輕觀眾是否走得很近。有著多年排片經(jīng)驗的唐秀霞說，一部影片上映前，她經(jīng)常會去網(wǎng)上搜集大家對它的評論，如果評論夠多，不論是罵還是贊，至少說明它關(guān)注度高，就要加以重視。而上映第一天之后，通過觀影人次就可以更直接準(zhǔn)確地看到影片前途和觀眾反應(yīng)，影院經(jīng)理會適時加以調(diào)整，人多的加場而人少的減場。

當(dāng)然，凡事均有例外。即便是經(jīng)驗老到的影院經(jīng)理們，也難免有看走眼的時候。一手發(fā)行過《天地英雄》、《夜宴》、《手機》、《可可西里》等上百部影片的資深發(fā)行人耿躍進(jìn)表示，“其實還是看影片本身，命運在市場手里，在觀眾手里”。這種僅憑院線經(jīng)理經(jīng)驗的排片方式并不符合市場化的發(fā)展方向，因為現(xiàn)有排片方法過于依賴院線經(jīng)理的主觀判斷，參考的因素比較少，這種方法存在著無法客服的缺點：1)，院線經(jīng)理可能會對影片的市場前景判斷存在誤差，其對影片的主觀感覺也會對影片的排片產(chǎn)生影響，造成一些好影片被埋沒，上映的影片上座率低等情況。2)，電影的宣傳推廣攻勢對院線排片的影響很大，大規(guī)模的推廣可能會增加院線的排片，但是推廣程度高低并不能代表電影的好壞以及影迷的好惡。3)，不少電影的排片，都是靠“拼酒”拼出來的。往前倒數(shù)10幾年，中國的影院還比較稀少，很多發(fā)行人員都是拎著拷貝挨家挨戶拜訪影院 經(jīng)理“求放映”，有時候放映合同直接就是在酒桌上簽的，甚至鬧過“一萬票房一杯酒”的故事。如今互聯(lián)網(wǎng)時代，數(shù)字拷貝可以直接網(wǎng)絡(luò)傳送，省時省力。但是拼酒的風(fēng)氣卻并沒有過時。2013年底，香港警匪片《風(fēng)暴》在國內(nèi)公映前，身為主演、發(fā)行人和監(jiān)制的劉德華就在接受記者采訪時坦言，他再也不想做發(fā)行了，因為要陪片商和院線老板吃飯、喝酒，實在是太尷尬了。有著同樣經(jīng)歷的明星還有黃曉明，今年4月底他投資并主演的電影《何以笙簫默》上映，為了宣傳推廣這部影片，黃曉明不但親自跑到多個城市請影院經(jīng)理吃飯，還要拿著自己的手機與他們“求合影”。目的只有一個，博得影院經(jīng)理的好感，在同等質(zhì)量影片競爭中，能多給《何以》排片。4)，其實再往深一步追究，為了獲得更高的排片，陪飯、陪酒都是小兒科，甚至連返點、塞紅包這種赤裸裸的“賄賂”也早已成為業(yè)內(nèi)常態(tài)，尤其在二三四線城市。一些發(fā)行方曾經(jīng)提過一句“返點”的事情，稱如果選擇與影院“合作”的話，影院會適量增加影片排片，但前提是收取票房返點。據(jù)多位院線人士透露，返點現(xiàn)象確實存在，上限基本是票房的3％。以《何以笙簫默》為例，影片最終票房3億多，按3％返點的話，也要付出上千萬的代價，絕對不是一筆小數(shù)目。需要說明的是，這個“返點”又分兩種情況，一是返給院線或影院，這算是正大光明的“合作”關(guān)系；但更多情況是返給影院經(jīng)理個人，這就屬于私下“塞紅包”。拿了好處的影院經(jīng)理會在排片上給予一些比較隱蔽的傾斜。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明實施例為解決現(xiàn)有技術(shù)中存在的至少一個問題而提供一種信息處理方法及裝置，能夠解決現(xiàn)有技術(shù)中主觀排片的低效性和不準(zhǔn)確性。

本發(fā)明實施例的技術(shù)方案是這樣實現(xiàn)的：

第一方面，本發(fā)明實施例提供一種信息處理方法，所述方法包括：獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

獲取針對所述待預(yù)測視頻的每一評論的評論值，并對所有評論的評論值進(jìn)行加權(quán)求和，得到所述待預(yù)測視頻的評論值；

獲取所述待預(yù)測視頻的屬性信息；

將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

輸出所述待預(yù)測視頻的排片值。

第二方面，本發(fā)明實施例提供一種信息處理裝置，所述裝置包括第一獲取單元、第二獲取單元、求和單元、第三獲取單元、處理單元和輸出單元，其中：

所述第一獲取單元，用于獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

所述第二獲取單元，用于獲取針對所述待預(yù)測視頻的每一評論的評論值；

所述求和單元，用于對所有評論的評論值進(jìn)行加權(quán)求和，得到所述待預(yù)測視頻的評論值；

所述第三獲取單元，用于獲取所述待預(yù)測視頻的屬性信息；

所述處理單元，用于將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

所述輸出單元，用于輸出所述待預(yù)測視頻的排片值。

本發(fā)明實施例提供的一種信息處理方法及裝置，其中，獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；獲取針對所述待預(yù)測視頻的每一評論的評論值，并對所有評論的評論值進(jìn)行加權(quán)求和，得到所述待預(yù)測視頻的評論值；獲取所述待預(yù)測視頻的屬性信息；將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；輸出所述待預(yù)測視頻的排片值；如此，能夠解決現(xiàn)有技術(shù)中主觀排片的低效性和不準(zhǔn)確性。

附圖說明

圖1為本發(fā)明實施例一信息處理方法的實現(xiàn)流程示意圖；

圖2為本發(fā)明實施例二信息處理方法的實現(xiàn)流程示意圖；

圖3-1為本發(fā)明實施例種基于用戶點擊和評價的智能影院排片系統(tǒng)的組成 結(jié)構(gòu)示意圖；

圖3-2為本發(fā)明實施例中智能排片方法的流程示意圖一；

圖3-3為本發(fā)明實施例中智能排片方法的流程示意圖二；

圖3-4為本發(fā)明實施例防作弊的實現(xiàn)流程示意圖；

圖3-5為本發(fā)明實施例預(yù)測權(quán)值的過程示意圖；

圖4為本發(fā)明實施例五信息處理裝置的組成結(jié)構(gòu)示意圖；

圖5為本發(fā)明實施例六信息處理裝置的組成結(jié)構(gòu)示意圖。

具體實施方式

下面結(jié)合附圖和具體實施例對本發(fā)明的技術(shù)方案進(jìn)一步詳細(xì)闡述。

實施例一

為了解決現(xiàn)有技術(shù)中存在的技術(shù)問題，本發(fā)明實施例提供一種信息處理方法，從客戶端-服務(wù)器角度而言，該方法應(yīng)用于作為服務(wù)器的計算設(shè)備，該所述計算設(shè)備包括筆記本電腦、個人計算機、智能手機等設(shè)備，該信息處理方法所實現(xiàn)的功能可以通過計算設(shè)備中的處理器調(diào)用程序代碼來實現(xiàn)，當(dāng)然程序代碼可以保存在計算機存儲介質(zhì)中；可見，該計算設(shè)備至少包括處理器和存儲介質(zhì)。

圖1為本發(fā)明實施例一信息處理方法的組成結(jié)構(gòu)示意圖，如圖1所示，該方法包括：

步驟S101，獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

這里，所述視頻至少包括電影、電視。當(dāng)本發(fā)明實施例提供的方法應(yīng)用于電影領(lǐng)域時，所述待預(yù)測視頻即為待上線的電影或待上映的電影。在具體實現(xiàn)的過程中，所述待預(yù)測視頻可以為電影或電視劇的正片，也可以是片花或者正片的一部分。

這里，本發(fā)明實施例提供的方法在服務(wù)器端可以以應(yīng)用程序(APP)的形式實現(xiàn)。在客戶端，當(dāng)用戶對待預(yù)測視頻進(jìn)行了點擊，客戶端即將該點擊事件發(fā)送給服務(wù)器，服務(wù)器對用戶的點擊進(jìn)行計算，生成歸一化的點擊率。具體地， 用戶對待預(yù)測視頻感興趣時，便會點擊該待預(yù)測視頻，當(dāng)用戶點擊了所述待預(yù)測視頻時，客戶端便將該點擊事件發(fā)送給服務(wù)器。用戶根據(jù)未上映影片的展現(xiàn)產(chǎn)生點擊行為，這種點擊行為可以理解為用戶對于未上映電影的興趣程度，因此可以通過這種展現(xiàn)到點擊的所有用戶平均點擊轉(zhuǎn)化率作為一維特征來表示影片。

式(1)中：為平均點擊轉(zhuǎn)化率；Ctr為點擊轉(zhuǎn)化率，其中點擊轉(zhuǎn)換率為視頻的點擊次數(shù)與顯示次數(shù)之比；N表示什么？N表示總用戶數(shù)，對某部電影都會用一定量的點擊和展現(xiàn)求平均值。

為了更好的統(tǒng)一數(shù)據(jù)和使模型更加準(zhǔn)確，在具體實施的過程中可以根據(jù)公式(2)對所有即將上映影片的點擊轉(zhuǎn)化率進(jìn)行線性歸一化，方式如下：

公式(2)中，表示某部電影的平均點擊轉(zhuǎn)化率，Ctr_current表示歸一化的點擊轉(zhuǎn)化率，Ctr_min表示所有電影中最小的平均點擊轉(zhuǎn)換率，Ctr_max表示所有電影中平均點擊轉(zhuǎn)換率的最大值，公式(2)的目的是為了歸一化，使所有電影平均的點擊轉(zhuǎn)化率均勻的分布在0到1之間；

步驟S102，獲取所述待預(yù)測視頻的評論，并分析所述評論，得到所述待預(yù)測視頻的評論值；

這里，在客戶端側(cè)，當(dāng)用戶點擊待預(yù)測視頻后還會寫下對該待預(yù)測視頻的評論，當(dāng)用戶寫下評論后，客戶端就會將該評論上傳至服務(wù)器，在具體實現(xiàn)的過程中，所述評論可以為文字、語音等。當(dāng)評論為語音時，還需要對所述語音進(jìn)行語音識別和語義分析，得到對應(yīng)的文字信息。

這里，用戶可以直接為視頻進(jìn)行打分，打分即為視頻的評論值；用戶也可以不打分，那么本發(fā)明實施例可以直接利用用戶寫下的評論，得到用戶對影片 的評論值。

步驟S103，獲取所述待預(yù)測視頻的屬性信息；

這里，所述屬性信息至少以下信息中的任一項：視頻類別、導(dǎo)演、導(dǎo)演級別、演員、編劇、演員級別、劇本質(zhì)量、出品方、制作公司、視頻頻道、版權(quán)供應(yīng)商、版權(quán)開始時間、版權(quán)占用預(yù)算年、版權(quán)期限、版權(quán)內(nèi)容的評級、是否獨播、所屬頻道、內(nèi)容類別、制片地區(qū)。本發(fā)明實施例中，最終的排片值與視頻的屬性信息有關(guān)，因此，本發(fā)明實施例提供的技術(shù)方案解決了在影片上映前，如何根據(jù)影片的類型、演員以及推廣的因素預(yù)判出影片的觀影人數(shù)以及口碑情況，準(zhǔn)確的進(jìn)行排片。

步驟S104，將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

步驟S105，輸出所述待預(yù)測視頻的排片值。

本發(fā)明實施例中，步驟S102在具體實施的過程中，可以采用如下的方式來實現(xiàn)：

步驟S121，根據(jù)詞典提取每一所述評論，得到情感詞和程度副詞；

這里，可以先對所述評論進(jìn)行預(yù)處理，所述預(yù)處理至少包括分詞、詞性標(biāo)注和語法分析，然后對預(yù)處理后的評論按照預(yù)置的詞典進(jìn)行提取，得到情感詞和程度副詞，這里所述程度副詞包括否定詞和副詞；其中，所述詞典可以采用基于臺灣大學(xué)意見詞詞典(NTUSD，National Taiwan University School of Dentistry)和知網(wǎng)中文詞庫(HowNet)。

步驟S122，根據(jù)所述情感詞和所述程度副詞確定每一所述評論的評論值；

這里，在具體實施的過程中，可以為情感詞和程度副詞定義了一個權(quán)重，被程度副詞修飾后的情感詞其權(quán)值應(yīng)做相應(yīng)調(diào)整，然后根據(jù)所述情感詞和所述程度副詞及其對應(yīng)的權(quán)重計算得出每一評論的評論值。

步驟S123，對所有評論的評論值進(jìn)行加權(quán)求和，得到待預(yù)測視頻的評論值。

上述的步驟S121至S123實際上利用了基于標(biāo)注的語料庫的學(xué)習(xí)方法：首先對情感傾向分析語料庫進(jìn)行標(biāo)注。標(biāo)注的級別包括文檔集的標(biāo)注(即只判斷 文檔的情感傾向性)、短語級標(biāo)注和分句級標(biāo)注。在這些語料的基礎(chǔ)上，利用詞語的共現(xiàn)關(guān)系、搭配關(guān)系或者語義關(guān)系，以判斷詞語的情感傾向性。文本的情感分析是從發(fā)現(xiàn)句中的情感詞開始，通過情感詞的傾向和傾向度，來決定句子的情感，從而決定整個文本的情感。但是在實際生活中會發(fā)現(xiàn)，否定詞的修飾會使情感詞語的情感極性發(fā)生改變。比如：“我很不喜歡這個片子”，該句中“喜歡”是褒義詞，由于否定詞“不”的修飾，使其情感極性發(fā)生了改變，轉(zhuǎn)變成了負(fù)面情感。由于漢語中存在多重否定現(xiàn)象，即當(dāng)否定詞出現(xiàn)奇數(shù)次時，表示否定意思；當(dāng)否定詞出現(xiàn)偶數(shù)次時，表示肯定意思。此外可以單獨構(gòu)建了一個否定詞典notDict，并設(shè)置其權(quán)值為-1，常見的否定詞如：不、沒、無、非、莫、弗、毋、勿、未、否、別、無、休。另外，當(dāng)程度副詞修飾情感詞，該情感詞的情感傾向程度發(fā)生了變化。比如：“畫面特別差”，“差”是一個貶義詞，前面一個程度副詞“特別”的修飾使得“差”原來的情感傾向程度發(fā)生了變化，這比沒有修飾之前更加強烈。因此，為了準(zhǔn)確表達(dá)文本的情感傾向，需做相應(yīng)的權(quán)值調(diào)整。本文中的程度副詞來源于知網(wǎng)(HowNet)，選用“情感分析用詞語集(beta版)”中的“中文程度級別詞語”共219個，把程度副詞劃分六個等級，為每個程度副詞定義了一個權(quán)重，被程度副詞修飾后的情感詞其權(quán)值應(yīng)做相應(yīng)調(diào)整。

本發(fā)明實施例中，所述方法還包括：步驟S106，根據(jù)所述待預(yù)測視頻的排片值對所述待預(yù)測視頻進(jìn)行排片。

這里，排片值代表著所述待預(yù)測視頻的正面評價，正面評價越高，則待預(yù)測視頻越受歡迎，那么在排片的過程中應(yīng)該多為排片值高的視頻排片。需要說明的是，上述的步驟S101至步驟S105可以在第一計算設(shè)備上實現(xiàn)，而步驟S106可以在第二計算設(shè)備上實現(xiàn)，其中第二計算設(shè)備可以為第一計算設(shè)備，當(dāng)然還可以不是第一計算設(shè)備，在具體實現(xiàn)的過程中，為了保證公平性以及有更多的用戶對待預(yù)測視頻進(jìn)行評論，那么第一計算設(shè)備可以為第三方的平臺，該第三方的含義為非電影方和影院方，而是獨立的電影評論方，其中電影方可以為電影的投資方(或制片方)等，所述的第二計算設(shè)備可以為影院的排片計算機， 排片計算機在排片的過程中可以從第一計算設(shè)備上獲取待預(yù)測視頻的排片值，然后根據(jù)待預(yù)測視頻的排片值對所述待預(yù)測視頻進(jìn)行排片。當(dāng)然，上述的步驟S101至步驟S105還可以在排片的計算機上來實現(xiàn)，具體采用何種實現(xiàn)方式，本領(lǐng)域的技術(shù)人員可以根據(jù)實際情況來實現(xiàn)。

本發(fā)明實施例提供的方法，除了適用于影片上映前，還能夠適用于影片上映后，根據(jù)話題口碑等信息形成對影片的評論，從而對影片的排片進(jìn)行調(diào)整，自適應(yīng)的滿足影迷觀影需求。

本發(fā)明實施例中，獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；獲取針對所述待預(yù)測視頻的每一評論的評論值，并對所有評論的評論值進(jìn)行加權(quán)求和，得到所述待預(yù)測視頻的評論值；獲取所述待預(yù)測視頻的屬性信息；將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；輸出所述待預(yù)測視頻的排片值；如此，能夠解決現(xiàn)有技術(shù)中主觀排片的低效性和不準(zhǔn)確性。

實施例二

為了解決現(xiàn)有技術(shù)中存在的技術(shù)問題，本發(fā)明實施例提供一種信息處理方法，從客戶端-服務(wù)器角度而言，該方法應(yīng)用于作為服務(wù)器的計算設(shè)備，該所述計算設(shè)備包括筆記本電腦、個人計算機、智能手機等設(shè)備，該信息處理方法所實現(xiàn)的功能可以通過計算設(shè)備中的處理器調(diào)用程序代碼來實現(xiàn)，當(dāng)然程序代碼可以保存在計算機存儲介質(zhì)中；可見，該計算設(shè)備至少包括處理器和存儲介質(zhì)。

圖2為本發(fā)明實施例二信息處理方法的組成結(jié)構(gòu)示意圖，如圖2所示，該方法包括：

步驟S201，獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)為已上線的視頻的點擊率、評論值和屬性信息；

步驟S202，將所述點擊率、評論和屬性信息作為輸入?yún)?shù)，采用決策樹方法建立排片模型；

這里，步驟S201和步驟S202實際上提供一種建立排片模型的方法。

步驟S203，獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

步驟S204，獲取針對所述待預(yù)測視頻的每一評論的評論值，并對所有評論的評論值進(jìn)行加權(quán)求和，得到所述待預(yù)測視頻的評論值；

步驟S205，獲取所述待預(yù)測視頻的屬性信息；

步驟S206，將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

步驟S207，輸出所述待預(yù)測視頻的排片值。

這里，上述的步驟203至步驟207分別對應(yīng)于實施例一中的步驟101至步驟105，因此，本領(lǐng)域的技術(shù)人員可以參閱實施例一而理解上述的步驟201至步驟205，為節(jié)約篇幅，這里不再贅述。

實施例三

基于前述的實施例，本發(fā)明實施例再提供一種信息處理方法，該方法包括：

步驟S301，獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

步驟S302，將獲取的所述待預(yù)測視頻的評論作為第一評論集合，獲取所述第一評論集合中每一所述評論的IP地址；

步驟S303，當(dāng)所述IP地址對應(yīng)有兩條及兩條以上的評論時，計算所述兩條及兩條以上的評論中兩兩評論的相似度；

步驟S304，判斷所述兩兩評論的相似度是否大于預(yù)設(shè)的第一閾值，得到第一判斷結(jié)果；

步驟S305，當(dāng)所述第一判斷結(jié)果表明所述兩兩評論的相似度大于所述第一閾值時，從所述第一評論集合中刪除所述兩兩評論，得到所述待預(yù)測視頻的第二評論集合；

這里，當(dāng)所述第一判斷結(jié)果表明所述兩兩評論的相似度小于等于所述第一閾值時，不刪除所述兩兩評論，即在所述第一評論集合中保留所述兩兩評論。

步驟S306，所述根據(jù)詞典提取所述第二評論集合中的每一評論，得到情感詞和程度副詞；

步驟S307，根據(jù)所述情感詞和所述程度副詞確定每一評論的評論值；

步驟S308，對所述第二評論集合中每一評論的評論值進(jìn)行加權(quán)求和，得到所述待預(yù)測視頻的評論值；

步驟S309，獲取所述待預(yù)測視頻的屬性信息；

步驟S310，將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

步驟S311，輸出所述待預(yù)測視頻的排片值。

本發(fā)明實施例中，上述的步驟S302至步驟305實際上提供一種防作弊的機制，能夠一些刷得分或者口碑的水軍，防止發(fā)生排片錯誤的情況。

實施例四

基于前述的實施例，本實施例中將以電影為例，通過大數(shù)據(jù)基于點擊轉(zhuǎn)化率進(jìn)行預(yù)排片以及基于用戶評論的情感傾向性分析對影片進(jìn)行自適應(yīng)地智能排片。圖3-1為本發(fā)明實施例種基于用戶點擊和評價的智能影院排片系統(tǒng)的組成結(jié)構(gòu)示意圖，如圖3-1所示，該系統(tǒng)300包括客戶端310和服務(wù)器端320，其中：

客戶端310用于接收用戶對未上映電影的查詢，對正在上映或已上映或未上映電影進(jìn)行評分，還可以包括對電影的推薦。

服務(wù)器端320用于利用訓(xùn)練數(shù)據(jù)建立排片模型，并將未上映電影的評分、點擊率以及屬性信息輸入到所述排片模型后生成排片值，最終利用排片值進(jìn)行排片。

相比于現(xiàn)有僅憑院線經(jīng)理經(jīng)驗的排片方式，本發(fā)明實施例更加注重用戶的興趣和評價，以市場來驅(qū)動排片過程。對于未上映的電影，可以根據(jù)點擊轉(zhuǎn)化率確定用戶的興趣，觀眾可以自己選擇希望在黃金檔看到的電影；對于已上映影片，用戶可以根據(jù)觀影體驗對影片進(jìn)行打分和評論，可以根據(jù)用戶的打分和評論對影片進(jìn)行情感分析以及建模，并結(jié)合影片本身的特征進(jìn)行訓(xùn)練的和測試， 動態(tài)的調(diào)整影片的排片；同時加入防作弊機制，防止水軍對影片進(jìn)行刷分。

本發(fā)明實施例具有以下特點：1)系統(tǒng)自動對影片屬性以及用戶點擊進(jìn)行分析實現(xiàn)特征提取和訓(xùn)練，得到影院排片，避免基于人工排片的繁瑣性和主觀性，避免暗箱操作，大大減少工作量。2)綜合多種特征可使不同特征優(yōu)勢互補，減少單一特征比較片面的缺陷，提高排片的靈活性和通用性，保證院線能夠達(dá)到最大收益。3)通過用戶選取感興趣的進(jìn)行點擊以及評價，使用戶參與選擇，更接近用戶主觀意圖，突出了市場化的價值，使一些不受關(guān)注的好電影得到重視。4)引入相關(guān)反饋機制，使得院線可以根據(jù)市場的反饋動態(tài)的調(diào)整電影的排片，避免因為排片不當(dāng)造成的票房損失，更大程度反映用戶意圖，同時加入反作弊機制，防止惡意的刷評分等行為。

圖3-2和圖3-3為本發(fā)明實施例中智能排片方法的流程示意圖，需要說明的是，智能排片調(diào)整方法與預(yù)排片方法類似，但是需要對用戶評論進(jìn)行情感分析，將每一條評論的評價值作為一維特征來進(jìn)行訓(xùn)練。

為了防止作弊還需要對評論進(jìn)行甄別，具體地可以對評論使用詞袋模型(bag of word)，再用余弦相似度進(jìn)行比較以去除重復(fù)評論。圖3-4為本發(fā)明實施例防作弊的實現(xiàn)流程示意圖，如圖3-4所示，當(dāng)有新評論時，利用詞袋模型進(jìn)行建模，并計算新評論與之前的評論之間的相似度，當(dāng)相似度大于預(yù)設(shè)的閾值的時候，舍棄該新評論；當(dāng)相似度小于預(yù)設(shè)的閾值的時候，將該新評論加入到已有的評論集，然后利用用戶評論對影片進(jìn)行評分；當(dāng)再有新評論時，按照該流程對新評論進(jìn)行甄別，以確定新評論是否為水軍所為。

如圖3-1和圖3-2所示，智能排片調(diào)整方法包括：

1)用戶興趣特征提取，基于用戶點擊轉(zhuǎn)化率(ctr)進(jìn)行特征提取。

用戶根據(jù)未上映影片的展現(xiàn)產(chǎn)生點擊行為，這種點擊行為可以理解為用戶對于未上映電影的興趣程度，因此可以通過這種展現(xiàn)到點擊的所有用戶平均點擊轉(zhuǎn)化率作為一維特征來表示影片，其中點擊率等于用戶影片點擊的次數(shù)/用戶影片顯示次數(shù)。

為了更好的統(tǒng)一數(shù)據(jù)，使模型更加準(zhǔn)確，我們需要對所有即將上映影片的點擊轉(zhuǎn)化率進(jìn)行線性歸一化，方式如下：

2)提取影片的屬性信息。

除用戶信息外，影片本身的信息如演員信息、導(dǎo)演信息、影片類型等對影片的排片也會有很大影響，因此將這三維特征也加入訓(xùn)練集，特征大小可以通過之前的先驗評分來確定，并進(jìn)行線性歸一化。在特征確定后，我們可以得到每個影片對應(yīng)一組向量。同時我們根據(jù)過去兩年的電影票房排名作為目標(biāo)值，準(zhǔn)備進(jìn)行訓(xùn)練過程。

3)評論情感分析

基于人工標(biāo)注語料庫的學(xué)習(xí)方法：首先對情感傾向分析語料庫進(jìn)行手工標(biāo)注。標(biāo)注的級別包括文檔集的標(biāo)注(即只判斷文檔的情感傾向性)、短語級標(biāo)注和分句級標(biāo)注。在這些語料的基礎(chǔ)上，利用詞語的共現(xiàn)關(guān)系、搭配關(guān)系或者語義關(guān)系，以判斷詞語的情感傾向性。文本的情感分析是從發(fā)現(xiàn)句中的情感詞開始，通過情感詞的傾向和傾向度，來決定句子的情感，從而決定整個文本的情感。但是我們在實際生活中會發(fā)現(xiàn)，否定詞的修飾會使情感詞語的情感極性發(fā)生改變。比如：“我很不喜歡這個片子”，該句中“喜歡”是褒義詞，由于否定詞“不”的修飾，使其情感極性發(fā)生了改變，轉(zhuǎn)變成了負(fù)面情感。由于漢語中存在多重否定現(xiàn)象，即當(dāng)否定詞出現(xiàn)奇數(shù)次時，表示否定意思；當(dāng)否定詞出現(xiàn)偶數(shù)次時，表示肯定意思。此外可以單獨構(gòu)建了一個否定詞典notDict，并設(shè)置其權(quán)值為-1，常見的否定詞如：不、沒、無、非、莫、弗、毋、勿、未、否、別、無、休。另外，當(dāng)程度副詞修飾情感詞，該情感詞的情感傾向程度發(fā)生了變化。比如：“畫面特別差?！?，“差”是一個貶義詞，前面一個程度副詞“特別”的修飾使得“差”原來的情感傾向程度發(fā)生了變化，這比沒有修飾之前更 加強烈。因此，為了準(zhǔn)確表達(dá)文本的情感傾向，需做相應(yīng)的權(quán)值調(diào)整。本文中的程度副詞來源于知網(wǎng)(HowNet)，選用“情感分析用詞語集(beta版)”中的“中文程度級別詞語”共219個，把程度副詞劃分六個等級，為每個程度副詞定義了一個權(quán)重，被程度副詞修飾后的情感詞其權(quán)值應(yīng)做相應(yīng)調(diào)整。

4)防作弊機制

為了防止惡意刷單以及刷評論，需要對用戶基于訪問網(wǎng)際協(xié)議(IP)地址進(jìn)行過濾，同時對相似評論進(jìn)行去重。采用詞袋模型來計算評論相似度，由于電影評論具有相似性，因此需要將詞袋模型的閾值設(shè)置的比較高。

5)訓(xùn)練過程

系統(tǒng)訓(xùn)練過程使用GBDT(Gradient Boosting Decision Tree)又叫MART(Multiple Additive Regression Tree)，是一種迭代的決策樹算法，該算法由多棵決策樹組成，所有樹的結(jié)論累加起來做最終答案。它在被提出之初就和SVM一起被認(rèn)為是泛化能力較強的算法，GBDT通過Shrinkage(縮減)來進(jìn)行訓(xùn)練。Shrinkage的思想認(rèn)為，每次走一小步逐漸逼近結(jié)果的效果，要比每次邁一大步很快逼近結(jié)果的方式更容易避免過擬合。即它不完全信任每一個棵殘差樹，它認(rèn)為每棵樹只學(xué)到了真理的一小部分，累加的時候只累加一小部分，通過多學(xué)幾棵樹彌補不足。首先確定初始提升樹f_o(x)，假定第m步的模型，通過經(jīng)驗風(fēng)險極小化確定下一顆樹的參數(shù)。

公式(3)和(4)是用來通過經(jīng)驗風(fēng)險極小化確定參數(shù)，其中提F_m(x)表示表示第m步的模型，F(xiàn)_(m-1)(x)表示表示第(m-1)步的模型，L(,)表示損失函數(shù)，y_i表示第i個目標(biāo)值，γ表示當(dāng)前偏置，x_i表示第i個輸入樣本。

圖3-5為本發(fā)明實施例預(yù)測權(quán)值的過程示意圖，圖3-5示出一個算法模型 這個都是計算出來的過程，舉例倆說，假設(shè)有四部電影，電影的名稱分別為007(5)、我是正人(4)、火星救援(3)和鬼吹燈(2)，假設(shè)權(quán)重越大，排片越多，其中括號內(nèi)的數(shù)字為要預(yù)測的權(quán)重。如圖3-5所示，電影007得分為第一預(yù)測值4.5與第二次預(yù)測的殘差0.5之和5(4.5+0.5＝5)。電影鬼吹燈得分為第一預(yù)測值2.5與第二次預(yù)測的殘差-0.5之和2(2.5-0.5＝2).

實施例五

基于前述的實施例，本發(fā)明實施例還提供一種信息處理裝置，該裝置所包括的第一獲取單元、第二獲取單元、求和單元、第三獲取單元、處理單元和輸出單元等單元，以及各單元所包括的各模塊，都可以通過計算設(shè)備中的處理器來實現(xiàn)，當(dāng)然所述處理器所實現(xiàn)的功能也可通過具體的邏輯電路實現(xiàn)；在具體實施例的過程中，處理器可以為中央處理器(CPU)、微處理器(MPU)、數(shù)字信號處理器(DSP)或現(xiàn)場可編程門陣列(FPGA)等。

圖4為本發(fā)明實施例五信息處理裝置的組成結(jié)構(gòu)示意圖，如圖4所示，該裝置400包括第一獲取單元401、第二獲取單元402、求和單元403、第三獲取單元404、處理單元405和輸出單元406，其中：

所述第一獲取單元401，用于獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

所述第二獲取單元402，用于獲取針對所述待預(yù)測視頻的每一評論的評論值；

所述求和單元403，用于對所有評論的評論值進(jìn)行加權(quán)求和，得到所述待預(yù)測視頻的評論值；

所述第三獲取單元404，用于獲取所述待預(yù)測視頻的屬性信息；

所述處理單元405，用于將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

所述輸出單元406，用于輸出所述待預(yù)測視頻的排片值。

本發(fā)明實施例中，所述裝置還包括排片單元，用于根據(jù)所述待預(yù)測視頻的 排片值對所述待預(yù)測視頻進(jìn)行排片。

實施例六

基于前述的信息處理方法，本發(fā)明實施例還提供一種信息處理裝置，該裝置所包括的第一獲取單元、第二獲取單元、求和單元、第三獲取單元、處理單元和輸出單元等單元，以及各單元所包括的各模塊，都可以通過計算設(shè)備中的處理器來實現(xiàn)，當(dāng)然所述處理器所實現(xiàn)的功能也可通過具體的邏輯電路實現(xiàn)；在具體實施例的過程中，處理器可以為中央處理器(CPU)、微處理器(MPU)、數(shù)字信號處理器(DSP)或現(xiàn)場可編程門陣列(FPGA)等。

圖5為本發(fā)明實施例六信息處理裝置的組成結(jié)構(gòu)示意圖，如圖5所示，該裝置400包括建立單元500、第一獲取單元401、第二獲取單元402、求和單元403、第三獲取單元404、處理單元405和輸出單元406，其中建立單元500，用于建立排片模型，具體包括第二獲取模塊501和建立模塊502，其中：

所述第二獲取模塊501，用于獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)為已上線的視頻的點擊率、評論值和屬性信息；

所述建立模塊502，用于將所述點擊率、評論和屬性信息作為輸入?yún)?shù)，采用決策樹方法建立排片模型。

所述第一獲取單元401，用于獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

所述第二獲取單元402，用于獲取所述待預(yù)測視頻的評論；

所述求和單元403，用于分析所述評論，得到所述待預(yù)測視頻的評論值；

所述第三獲取單元404，用于獲取所述待預(yù)測視頻的屬性信息；

所述處理單元405，用于將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

所述輸出單元406，用于輸出所述待預(yù)測視頻的排片值。

本發(fā)明實施例中，所述裝置還包括排片單元，用于根據(jù)所述待預(yù)測視頻的排片值對所述待預(yù)測視頻進(jìn)行排片。

實施例七

基于前述的實施例，本發(fā)明實施例還提供一種信息處理裝置，該裝置所包括的第一獲取單元、第二獲取單元、求和單元、第三獲取單元、處理單元和輸出單元等單元，以及各單元所包括的各模塊，都可以通過計算設(shè)備中的處理器來實現(xiàn)，當(dāng)然所述處理器所實現(xiàn)的功能也可通過具體的邏輯電路實現(xiàn)；在具體實施例的過程中，處理器可以為中央處理器(CPU)、微處理器(MPU)、數(shù)字信號處理器(DSP)或現(xiàn)場可編程門陣列(FPGA)等。

該裝置400包括建立單元500、第一獲取單元401、第二獲取單元402、求和單元403、第三獲取單元404、處理單元405和輸出單元406，其中所述第二獲取單元402包括第一獲取模塊421、提取模塊422和確定模塊423，其中：

所述第一獲取單元401，用于獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

所述第一獲取模塊421，用于獲取針對所述待預(yù)測視頻的每一評論；

所述提取模塊422，用于根據(jù)詞典提取每一所述評論，得到情感詞和程度副詞；

所述確定模塊423，用于根據(jù)所述情感詞和所述程度副詞確定每一所述評論的評論值。

所述求和單元403，用于對所有評論的評論值進(jìn)行加權(quán)求和，得到待預(yù)測視頻的評論值；

所述第三獲取單元404，用于獲取所述待預(yù)測視頻的屬性信息；

所述處理單元405，用于將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

所述輸出單元406，用于輸出所述待預(yù)測視頻的排片值。

本發(fā)明實施例中，所述裝置還包括排片單元，用于根據(jù)所述待預(yù)測視頻的排片值對所述待預(yù)測視頻進(jìn)行排片。

實施例八

基于前述的實施例，本發(fā)明實施例還提供一種信息處理裝置，該裝置所包括的第一獲取單元、第二獲取單元、求和單元、第三獲取單元、處理單元和輸出單元等單元，以及各單元所包括的各模塊，都可以通過計算設(shè)備中的處理器來實現(xiàn)，當(dāng)然所述處理器所實現(xiàn)的功能也可通過具體的邏輯電路實現(xiàn)；在具體實施例的過程中，處理器可以為中央處理器(CPU)、微處理器(MPU)、數(shù)字信號處理器(DSP)或現(xiàn)場可編程門陣列(FPGA)等。

該裝置400包括第一獲取單元401、第二獲取單元402、求和單元403、第三獲取單元404、處理單元405和輸出單元406，其中所述第二獲取單元402包括獲取模塊421、計算模塊424、判斷模塊425、處理模塊426、提取模塊422、確定模塊423，其中：

所述第一獲取單元401，用于獲取待預(yù)測視頻的歸一化的點擊率，其中所述待預(yù)測視頻為未上線或正在上線的視頻；

所述第二獲取單元402，用于獲取所述待預(yù)測視頻的評論，作為第一評論集合；

所述第一獲取模塊421，用于將獲取的所述待預(yù)測視頻的評論確定為第一評論集合，獲取所述第一評論集合中每一所述評論的網(wǎng)際協(xié)議IP地址；

所述計算模塊424，用于當(dāng)所述IP地址對應(yīng)有兩條及兩條以上的評論時，計算所述兩條及兩條以上的評論中兩兩評論的相似度；

所述判斷模塊425，用于判斷所述兩兩評論的相似度是否大于預(yù)設(shè)的第一閾值，得到第一判斷結(jié)果；

所述處理模塊426，用于當(dāng)所述第一判斷結(jié)果表明所述兩兩評論的相似度大于所述第一閾值時，從所述第一評論集合中刪除所述兩兩評論，得到所述待預(yù)測視頻的第二評論集合；

所述提取模塊422，用于所述根據(jù)詞典提取所述第二評論集合中的每一評論，得到情感詞和程度副詞；

所述確定模塊423，用于根據(jù)所述情感詞和所述程度副詞確定每一評論的評論值；

所述求和單元403，用于對所述第二評論集合中每一評論的評論值進(jìn)行加權(quán)求和，得到所述待預(yù)測視頻的評論值。

所述第三獲取單元404，用于獲取所述待預(yù)測視頻的屬性信息；

所述處理單元405，用于將所述點擊率、評論值和屬性信息輸入到預(yù)設(shè)的排片模型，得到從所述排片模型輸出的所述待預(yù)測視頻的排片值；

所述輸出單元406，用于輸出所述待預(yù)測視頻的排片值。

本發(fā)明實施例中，所述裝置還包括排片單元，用于根據(jù)所述待預(yù)測視頻的排片值對所述待預(yù)測視頻的視頻進(jìn)行排片。

本發(fā)明實施例，通過引入機器學(xué)習(xí)的方法參考電影本身特征以及用戶的點擊轉(zhuǎn)化率(ctr)進(jìn)行特征抽取，訓(xùn)練以及測試，對電影進(jìn)行智能的預(yù)排片。將特征分成影片的本身特征(屬性信息)以及用戶特征(點擊率和評分值)，并通過歸一化將特征統(tǒng)一，通過機器學(xué)習(xí)中隨機森林模型進(jìn)行訓(xùn)練，將得出的模型用于影片的預(yù)排片。在獲取影片評分值的過程中，對用戶評論進(jìn)行情感分析，避免依靠單一評分的片面性，將情感分析的結(jié)果應(yīng)用于特征向量中，訓(xùn)練模型同時定期的進(jìn)行迭代，動態(tài)的對排片進(jìn)行調(diào)整，減少排片不合理帶來的票房損失。本發(fā)明實施例還提供了防作弊機制，可以將評論向量化，通過計算余弦相似度以及對訪問IP進(jìn)行哈希等方法找出惡意的評論評分，防止惡意刷分，對院線的排片產(chǎn)生不良的影響。由此可見，本發(fā)明實施例具有以下優(yōu)點：

1)，通過點擊轉(zhuǎn)化率和評論情感傾向性來確定影院的排片，更接近用戶主觀意圖，避免了人為的主觀性。2)根據(jù)評論信息分析后進(jìn)行排片的動態(tài)調(diào)整，更加準(zhǔn)確并貼近市場需求，能夠及時避免不必要的票房損失。3)通過多個維度的特征選擇，充分考慮了演員、類型、用戶情感等多方面的因素，避免單一特征片面性和應(yīng)用場景的局限性，提高應(yīng)用的普適性和靈活性。4)通過對IP進(jìn)行hash，對評論向量化去重等方式避免了惡意的評論和評分，提高了排片準(zhǔn)確性。綜上所示，本發(fā)明實施例基于大數(shù)據(jù)和機器學(xué)習(xí)技術(shù)，提出了更加智能 并貼近客戶的排片方法，在該框架下系統(tǒng)可融合多種特征，具有準(zhǔn)確行和靈活性，具有十分廣闊的應(yīng)用推廣前景。

這里需要指出的是：以上裝置實施例的描述，與上述方法實施例的描述是類似的，具有同方法實施例相似的有益效果，因此不做贅述。對于本發(fā)明裝置實施例中未披露的技術(shù)細(xì)節(jié)，請參照本發(fā)明方法實施例的描述而理解，為節(jié)約篇幅，因此不再贅述。

應(yīng)理解，說明書通篇中提到的“一個實施例”或“一實施例”意味著與實施例有關(guān)的特定特征、結(jié)構(gòu)或特性包括在本發(fā)明的至少一個實施例中。因此，在整個說明書各處出現(xiàn)的“在一個實施例中”或“在一實施例中”未必一定指相同的實施例。此外，這些特定的特征、結(jié)構(gòu)或特性可以任意適合的方式結(jié)合在一個或多個實施例中。應(yīng)理解，在本發(fā)明的各種實施例中，上述各過程的序號的大小并不意味著執(zhí)行順序的先后，各過程的執(zhí)行順序應(yīng)以其功能和內(nèi)在邏輯確定，而不應(yīng)對本發(fā)明實施例的實施過程構(gòu)成任何限定。上述本發(fā)明實施例序號僅僅為了描述，不代表實施例的優(yōu)劣。

需要說明的是，在本文中，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者裝置不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者裝置所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括該要素的過程、方法、物品或者裝置中還存在另外的相同要素。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的設(shè)備和方法，可以通過其它的方式實現(xiàn)。以上所描述的設(shè)備實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，實際實現(xiàn)時可以有另外的劃分方式，如：多個單元或組件可以結(jié)合，或可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通信連接可以是通過一些接口，設(shè)備或單元的間接耦合或通信連接，可以是電性的、機械的或其它形式的。

上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元；既可以位于一個地方，也可以分布到多個網(wǎng)絡(luò)單元上；可以根據(jù)實際的需要選擇其中的部分或全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各實施例中的各功能單元可以全部集成在一個處理單元中，也可以是各單元分別單獨作為一個單元，也可以兩個或兩個以上單元集成在一個單元中；上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用硬件加軟件功能單元的形式實現(xiàn)。

本領(lǐng)域普通技術(shù)人員可以理解：實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成，前述的程序可以存儲于計算機可讀取存儲介質(zhì)中，該程序在執(zhí)行時，執(zhí)行包括上述方法實施例的步驟；而前述的存儲介質(zhì)包括：移動存儲設(shè)備、只讀存儲器(Read Only Memory，ROM)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

或者，本發(fā)明上述集成的單元如果以軟件功能模塊的形式實現(xiàn)并作為獨立的產(chǎn)品銷售或使用時，也可以存儲在一個計算機可讀取存儲介質(zhì)中。基于這樣的理解，本發(fā)明實施例的技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻(xiàn)的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品存儲在一個存儲介質(zhì)中，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機、服務(wù)器、或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分。而前述的存儲介質(zhì)包括：移動存儲設(shè)備、ROM、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。因此，本發(fā)明的保護范圍應(yīng)以所述權(quán)利要求的保護范圍為準(zhǔn)。