本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，尤其涉及一種潛在用戶挖掘方法以及裝置。

背景技術(shù)：

房地產(chǎn)作為國民經(jīng)濟支柱產(chǎn)業(yè)，在國民經(jīng)濟發(fā)展中的地位十分重要，其從業(yè)人員眾多，針對房產(chǎn)銷售的營銷需求旺盛。如何快速有效的獲取大量潛在用戶，成為房產(chǎn)從業(yè)人員的迫切需求。

相關(guān)技術(shù)中，房產(chǎn)從業(yè)人員需要獲取新的買房用戶，會進行大量的推廣活動和廣告投放?，F(xiàn)有的廣告投放方式主要分為網(wǎng)絡廣告和傳統(tǒng)媒體廣告，例如，在各大房產(chǎn)電商網(wǎng)站上購買廣告位，或者在各個廣告聯(lián)盟投放廣告，或者通過報紙、電視廣播等傳統(tǒng)媒體進行推廣。

但是，上述這些營銷方式有一些共同的缺點，就是只能被動的等待用戶，等待用戶的交互，而不能主動的挖掘出更多的潛在用戶，特別是針對某個具體需求的精準潛在用戶，并且，上述這些營銷方式的開銷也比較大，用戶的互動性也比較差，且大大降低了潛在用戶的獲得率。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的旨在至少在一定程度上解決上述的技術(shù)問題之一。

為此，本發(fā)明的第一個目的在于提出一種潛在用戶挖掘方法。該方法可以大大降低潛在用戶的挖掘成本，提高了用戶的互動性，并提高了潛在用戶的獲得率以及精準度。

本發(fā)明的第二個目的在于提出一種潛在用戶挖掘裝置。

本發(fā)明的第三個目的在于提出一種存儲介質(zhì)。

本發(fā)明的第四個目的在于提出一種計算機程序產(chǎn)品。

為達到上述目的，本發(fā)明第一方面實施例提出的潛在用戶挖掘方法，包括：獲取用戶的搜索行為信息；提取所述搜索行為信息中的特征信息；根據(jù)預先訓練得到的潛在用戶挖掘模型對所述特征信息進行預測，判斷所述用戶是否為潛在購買商品房的用戶；如果所述用戶為潛在購買商品房的用戶，則根據(jù)所述搜索行為信息確定所述用戶的細化標簽；將所述用戶以及所述用戶的細化標簽加載至潛在用戶庫中。

本發(fā)明實施例的潛在用戶挖掘方法，可先獲取用戶的搜索行為信息，之后，可提取搜索行為信息中的特征信息，然后，根據(jù)預先訓練得到的潛在用戶挖掘模型對特征信息進行預測，判斷用戶是否為潛在購買商品房的用戶，若是，則根據(jù)搜索行為信息確定用戶的細化標簽，最后，將用戶以及用戶的細化標簽加載至潛在用戶庫中。即利用用戶的搜索行為數(shù)據(jù)，并通過數(shù)據(jù)挖掘方法尋找潛在的買房用戶，同時進一步挖掘潛在買房用戶的精準需求，最終建立起潛在用戶庫，在整個過程中，大大降低了潛在用戶的挖掘成本，提高了用戶的互動性，并提高了潛在用戶的獲得率以及精準度。

為達到上述目的，本發(fā)明第二方面實施例提出了一種潛在用戶挖掘裝置，包括：第一獲取模塊，用于獲取用戶的搜索行為信息；提取模塊，用于提取所述搜索行為信息中的特征信息；預測模塊，用于根據(jù)預先訓練得到的潛在用戶挖掘模型對所述特征信息進行預測，判斷所述用戶是否為潛在購買商品房的用戶；確定模塊，用于在所述用戶為潛在購買商品房的用戶時，根據(jù)所述搜索行為信息確定所述用戶的細化標簽；加載模塊，用于將所述用戶以及所述用戶的細化標簽加載至潛在用戶庫中。

本發(fā)明實施例的潛在用戶挖掘裝置，可通過第一獲取模塊獲取用戶的搜索行為信息，提取模塊提取搜索行為信息中的特征信息，預測模塊根據(jù)預先訓練得到的潛在用戶挖掘模型對特征信息進行預測，判斷用戶是否為潛在購買商品房的用戶，若是，確定模塊則根據(jù)搜索行為信息確定用戶的細化標簽，加載模塊將用戶以及用戶的細化標簽加載至潛在用戶庫中。即利用用戶的搜索行為數(shù)據(jù)，并通過數(shù)據(jù)挖掘方法尋找潛在的買房用戶，同時進一步挖掘潛在買房用戶的精準需求，最終建立起潛在用戶庫，在整個過程中，大大降低了潛在用戶的挖掘成本，提高了用戶的互動性，并提高了潛在用戶的獲得率以及精準度。

為達到上述目的，本發(fā)明第三方面實施例提出的非臨時性計算機可讀存儲介質(zhì)，當所述存儲介質(zhì)中的指令由電子設備的處理器被執(zhí)行時，使得電子設備能夠執(zhí)行一種潛在用戶挖掘方法，所述方法包括：獲取用戶的搜索行為信息；提取所述搜索行為信息中的特征信息；根據(jù)預先訓練得到的潛在用戶挖掘模型對所述特征信息進行預測，判斷所述用戶是否為潛在購買商品房的用戶；如果所述用戶為潛在購買商品房的用戶，則根據(jù)所述搜索行為信息確定所述用戶的細化標簽；將所述用戶以及所述用戶的細化標簽加載至潛在用戶庫中。

為達到上述目的，本發(fā)明第四方面實施例提出的計算機程序產(chǎn)品，當所述計算機程序產(chǎn)品中的指令處理器執(zhí)行時，執(zhí)行一種潛在用戶挖掘方法，所述方法包括：獲取用戶的搜索行為信息；提取所述搜索行為信息中的特征信息；根據(jù)預先訓練得到的潛在用戶挖掘模型對所述特征信息進行預測，判斷所述用戶是否為潛在購買商品房的用戶；如果所述用戶為潛在購買商品房的用戶，則根據(jù)所述搜索行為信息確定所述用戶的細化標簽；將所述用戶以及所述用戶的細化標簽加載至潛在用戶庫中。

本發(fā)明附加的方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本發(fā)明的實踐了解到。

附圖說明

本發(fā)明的上述和/或附加的方面和優(yōu)點從結(jié)合下面附圖對實施例的描述中將變得明顯和容易理解，其中：

圖1是根據(jù)本發(fā)明一個實施例的潛在用戶挖掘方法的流程圖；

圖2是根據(jù)本發(fā)明一個實施例的預先訓練潛在用戶挖掘模型的流程圖；

圖3是根據(jù)本發(fā)明另一個實施例的潛在用戶挖掘方法的流程圖；

圖4是根據(jù)本發(fā)明一個實施例的潛在用戶挖掘裝置的結(jié)構(gòu)示意圖；

圖5是根據(jù)本發(fā)明一個具體實施例的潛在用戶挖掘裝置的結(jié)構(gòu)示意圖；

圖6是根據(jù)本發(fā)明另一個具體實施例的潛在用戶挖掘裝置的結(jié)構(gòu)示意圖；

圖7是根據(jù)本發(fā)明又一個具體實施例的潛在用戶挖掘裝置的結(jié)構(gòu)示意圖；

圖8是根據(jù)本發(fā)明再一個具體實施例的潛在用戶挖掘裝置的結(jié)構(gòu)示意圖。

具體實施方式

下面詳細描述本發(fā)明的實施例，所述實施例的示例在附圖中示出，其中自始至終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的，旨在用于解釋本發(fā)明，而不能理解為對本發(fā)明的限制。

目前，房產(chǎn)在線廣告大多投放于房產(chǎn)電商等房產(chǎn)垂直網(wǎng)站，雖然受眾相對精準，但是垂直網(wǎng)站用戶量比較小的特性決定了這種方式的覆蓋率比較低。除了單純追求曝光的展示效果廣告，其他的很多房產(chǎn)在線廣告的目的是為了獲取用戶的有效信息，例如賬號、手機號碼、郵箱等。但是，大部分用戶并不會進行這些有效互動，所以很大一部分潛在用戶就會流失掉。

傳統(tǒng)媒體廣告雖然能覆蓋更多的用戶，但是反過來說目標受眾分散，效果打折。并且傳統(tǒng)媒體的互動性，時效性非常弱，只能進行單向的傳播，對于受眾的接受程度、反饋無從知曉。所以，傳統(tǒng)媒體更多的用來進行品牌宣傳，對于房產(chǎn)銷售中的一些精準營銷需求難以滿足。

因此，如何尋找更加先進和有效的用戶獲取手段，以拓展買房用戶來源就成了首要問題。為此，本發(fā)明提出了一種能夠提高潛在用戶的獲得率、并降低挖掘成本的潛在用戶挖掘方法以及裝置。具體地，下面參考附圖描述本發(fā)明實施例的潛在用戶挖掘方法以及裝置。

圖1是根據(jù)本發(fā)明一個實施例的潛在用戶挖掘方法的流程圖。需要說明的是，本發(fā)明實施例的潛在用戶挖掘方法可應用于本發(fā)明實施例的潛在用戶挖掘裝置，作為一種示例，該潛在用戶挖掘裝置可被配置于搜索引擎中。

如圖1所示，該潛在用戶挖掘方法可以包括：

S110，獲取用戶的搜索行為信息。

需要說明的是，搜索引擎作為互聯(lián)網(wǎng)的主要流量入口，能夠覆蓋到大多數(shù)的用戶，并且會記錄這些用戶的搜索行為，本發(fā)明實施例的潛在用戶挖掘方法正是基于該搜索引擎的特性，通過從用戶的搜索行為中發(fā)現(xiàn)潛在購買商品房用戶。

具體地，可先獲取用戶的基本信息，之后，可根據(jù)該基本信息獲取該用戶的搜索行為信息。作為一種示例，該基本信息可以是用戶名或賬戶名等，其中，該用戶名或賬戶名可以是用戶注冊時用戶根據(jù)自己喜好所填寫的，也可以是注冊系統(tǒng)自動生成的。

需要說明的是，在本發(fā)明的一個實施例中，獲取用戶的搜索行為信息的時機可以是周期性地獲取，還可以是實時獲取。也就是說，可定期獲取用戶在這一段時間內(nèi)的歷史搜索行為信息，其中，該定期的周期時長可以是3天、7天、或者一個月等；還可實時獲取用戶的搜索行為信息，例如，在監(jiān)控到用戶當前正在使用搜索功能，則可獲取用戶當前的搜索行為信息。

作為一種示例，該搜索行為信息至少包括但不限于搜索關(guān)鍵詞、搜索時間、點擊URL地址、點擊URL地址的主題等。其中，該搜索關(guān)鍵詞可理解為用戶在進行搜索操作時所輸入的內(nèi)容信息；該搜索時間可理解為用戶進行搜索操作時的當前時間；該點擊URL地址可理解為用戶在搜索結(jié)果中頁面中點擊的搜索結(jié)果所對應的URL地址；該點擊URL地址的主題可理解為用戶在搜索結(jié)果中頁面中點擊的搜索結(jié)果所對應的主題。

S120，提取搜索行為信息中的特征信息。

具體地，可對搜索行為信息進行內(nèi)容分析，以從該搜索行為信息中提取特征信息。其中，在本發(fā)明的一個實施例中，該特征信息至少包括但不限于關(guān)鍵詞特征、URL特征和URL的主題特征等。

作為一種示例，上述提取搜索行為信息中的特征信息的具體實現(xiàn)過程可如下：可對搜索關(guān)鍵詞進行分詞處理，統(tǒng)計分詞結(jié)果相同的搜索關(guān)鍵詞，并對分詞結(jié)果相同的搜索關(guān)鍵詞進行行為分析以生成關(guān)鍵詞特征，并從點擊URL地址中獲取與商品房相關(guān)的URL地址，并根據(jù)網(wǎng)站訪問流量和主題相關(guān)程度對與商品房相關(guān)的URL地址進行分析以生成URL特征，以及對點擊URL地址的主題進行分詞處理，并對分詞處理后的點擊URL地址的主題進行關(guān)鍵詞提取，以及對提取結(jié)果進行行為分析以生成URL的主題特征。

更具體地，對于搜索關(guān)鍵詞，可在經(jīng)過對其進行分詞處理之后，對分詞結(jié)果相同的搜索關(guān)鍵詞，統(tǒng)計分析其行為特征以生成關(guān)鍵詞特征，其中，該行為特征例如可為：該搜索關(guān)鍵詞的檢索時間分布、點擊的URL分布、點擊URL的主題分布等；對于點擊URL地址，可綜合利用經(jīng)驗、網(wǎng)站訪問流量和主題相關(guān)程度等方法對與商品房相關(guān)的URL地址進行采集和分析，生成URL特征；對于點擊URL地址的主題，可同樣對該點擊URL地址的主題進行分詞處理、關(guān)鍵詞提取，并在分詞處理以及關(guān)鍵詞提取之后，統(tǒng)計其行為特征，生成URL地址的主題特征，其中，該行為特征例如可為：點擊URL地址的點擊時間分布、點擊URL分布、點擊URL的主題分布等。

S130，根據(jù)預先訓練得到的潛在用戶挖掘模型對特征信息進行預測，判斷用戶是否為潛在購買商品房的用戶。

需要說明的是，上述潛在用戶挖掘模型可以是通過對大量的樣本用戶的樣本搜索行為信息進行分析并訓練而得到的。作為一種示例，如圖2所示，該潛在用戶挖掘模型可通過以下步驟預先訓練得到的：

S210，獲取樣本用戶的樣本搜索行為信息。

S220，按照預設格式對樣本搜索行為信息進行預處理。

可以理解，在本發(fā)明的實施例中，該預設格式可以是預先定義好的，例如，可預先定義數(shù)據(jù)類型、數(shù)據(jù)字符長度等。也就是說，可按照預設格式對獲得的樣本搜索行為信息進行過濾、變換等處理。作為一種示例，可對樣本搜索行為信息進行預處理，并根據(jù)預處理后的樣本搜索行為信息以創(chuàng)建數(shù)據(jù)庫表，生成用戶行為庫。其中，該用戶行為庫可包括樣本用戶的基本信息、搜索關(guān)鍵詞、搜索時間、點擊URL地址、點擊URL地址的主題等。此外，數(shù)據(jù)處理環(huán)節(jié)，可不斷將樣本用戶的新搜索行為合并到已有行為中，以節(jié)省存儲空間，減少數(shù)據(jù)冗余，提高數(shù)據(jù)的關(guān)聯(lián)性。

S230，對預處理后的樣本搜索行為信息進行特征提取以得到樣本搜索行為信息中的樣本特征信息。

作為一種示例，可對預處理后的樣本搜索行為信息進行特征提取，得到該樣本搜索行為信息中的樣本特征信息，并根據(jù)該樣本特征信息創(chuàng)建數(shù)據(jù)庫表，以生成特征庫，以便后續(xù)通過該特征庫獲取特征信息以進行模型訓練。

S240，基于機器學習算法，根據(jù)樣本特征信息進行模型訓練以得到潛在用戶挖掘模型。

由此，通過上述步驟S210至步驟S240即可訓練出該潛在用戶挖掘模型，以便在實際應用中，可根據(jù)該潛在用戶挖掘模型對新用戶以及其歷史搜索行為進行預測，即可判斷該新用戶的購房意愿，即判斷該新用戶是否為潛在購買商品房的用戶。

S140，如果用戶為潛在購買商品房的用戶，則根據(jù)搜索行為信息確定用戶的細化標簽。

可以理解，可預先根據(jù)意圖信息進一步對用戶標簽進行細化，以得到細化標簽。這樣，在實際應用中，在得到潛在購買商品房的用戶之后，可進一步根據(jù)搜索行為信息確定該用戶屬于哪種細化標簽。

作為一種示例，在判斷待挖掘用戶為潛在購買商品房的用戶時，可先對該用戶的搜索行為信息進行分析，以得到與購買商品房相關(guān)的搜索行為信息，之后，可根據(jù)該與購買商品房相關(guān)的搜索行為信息，確定該用戶購買商品房的意向信息，其中，該意向信息包括意向區(qū)域、意向樓盤和意向樓盤類型等，最后，根據(jù)該意向信息對該用戶進行標簽標記，以得到該用戶的細化標簽。其中，該意向區(qū)域可包括城市、區(qū)縣、環(huán)線位置等；該意向樓盤類型可包括樓盤的類型和屬性，例如，住宅、寫字樓、商業(yè)用房、商住兩用、學區(qū)房、小戶型、剛需、改善、別墅、地鐵房、單價范圍、總價范圍、居室等；該意向樓盤可以精確到用戶具體感興趣的樓盤，其中，該意向樓盤的數(shù)量可以為多個。

S150，將用戶以及用戶的細化標簽加載至潛在用戶庫中。

具體地，在根據(jù)搜索行為信息確定用戶的細化標簽之后，可根據(jù)該用戶以及該用戶的細化標簽創(chuàng)建數(shù)據(jù)庫表，生成潛在用戶庫中，這樣，在實際應用中，可不斷地根據(jù)新用戶的搜索行為信息來判斷該新用戶是否潛在購買商品房的用戶，若是，則將該新用戶以及該新用戶的細化標簽加載到該潛在用戶庫中。

本發(fā)明實施例的潛在用戶挖掘方法，可先獲取用戶的搜索行為信息，之后，可提取搜索行為信息中的特征信息，然后，根據(jù)預先訓練得到的潛在用戶挖掘模型對特征信息進行預測，判斷用戶是否為潛在購買商品房的用戶，若是，則根據(jù)搜索行為信息確定用戶的細化標簽，最后，將用戶以及用戶的細化標簽加載至潛在用戶庫中。即利用用戶的搜索行為數(shù)據(jù)，并通過數(shù)據(jù)挖掘方法尋找潛在的買房用戶，同時進一步挖掘潛在買房用戶的精準需求，最終建立起潛在用戶庫，在整個過程中，大大降低了潛在用戶的挖掘成本，提高了用戶的互動性，并提高了潛在用戶的獲得率以及精準度。

為了便于后續(xù)使用，進一步地，在本發(fā)明的一個實施例中，如圖3所示，在如圖1所示的基礎(chǔ)上，在將用戶以及用戶的細化標簽加載至潛在用戶庫中(即上述步驟S150)之后，該潛在用戶挖掘方法還可包括：從潛在用戶的搜索行為信息中，獲取潛在用戶針對商品房的搜索次數(shù)和/或搜索頻率(S310)；根據(jù)搜索次數(shù)和/或搜索頻率生成潛在用戶購買商品房的意愿強度(S320)；根據(jù)意愿強度對潛在用戶進行排序(S330)。

作為一種示例，在根據(jù)意愿強度對潛在用戶進行排序之后，可根據(jù)排序結(jié)果更新該潛在用戶在該潛在用戶庫中的存儲順序，例如，可按照意愿強度由大到小的順序以更新潛在用戶的存儲順序，即意愿強度最大的潛在用戶，其存儲順序為第一，依次類推。由此，通過對潛在用戶庫中的潛在用戶進行存儲順序排序，可以方便后續(xù)數(shù)據(jù)的使用，例如，在調(diào)取該潛在用戶庫中所有潛在用戶中，該調(diào)取出的所有潛在用戶即已經(jīng)為排序后的數(shù)據(jù)。

與上述幾種實施例提供的潛在用戶挖掘方法相對應，本發(fā)明的一種實施例還提供一種潛在用戶挖掘裝置，由于本發(fā)明實施例提供的潛在用戶挖掘裝置與上述幾種實施例提供的潛在用戶挖掘方法相對應，因此在前述潛在用戶挖掘方法的實施方式也適用于本實施例提供的潛在用戶挖掘裝置，在本實施例中不再詳細描述。圖4是根據(jù)本發(fā)明一個實施例的潛在用戶挖掘裝置的結(jié)構(gòu)示意圖。如圖4所示，該潛在用戶挖掘裝置可以包括：第一獲取模塊410、提取模塊420、預測模塊430、確定模塊440和加載模塊450。

具體地，第一獲取模塊410可用于獲取用戶的搜索行為信息。其中，在本發(fā)明的一個實施例中，該搜索行為信息至少包括但不限于搜索關(guān)鍵詞、搜索時間、點擊URL地址、點擊URL地址的主題等。

提取模塊420可用于提取搜索行為信息中的特征信息。其中，在本發(fā)明的一個實施例中，該特征信息至少包括但不限于關(guān)鍵詞特征、URL特征和URL的主題特征等。

作為一種示例，如圖5所示，該提取模塊420可包括：第一生成單元421、第二生成單元422和第三生成單元423。其中，第一生成單元421用于對搜索關(guān)鍵詞進行分詞處理，統(tǒng)計分詞結(jié)果相同的搜索關(guān)鍵詞，并對分詞結(jié)果相同的搜索關(guān)鍵詞進行行為分析以生成關(guān)鍵詞特征。第二生成單元422用于從點擊URL地址中獲取與商品房相關(guān)的URL地址，并根據(jù)網(wǎng)站訪問流量和主題相關(guān)程度對與商品房相關(guān)的URL地址進行分析以生成URL特征。第三生成單元423用于對點擊URL地址的主題進行分詞處理，并對分詞處理后的點擊URL地址的主題進行關(guān)鍵詞提取，以及對提取結(jié)果進行行為分析以生成URL的主題特征。

預測模塊430可用于根據(jù)預先訓練得到的潛在用戶挖掘模型對特征信息進行預測，判斷用戶是否為潛在購買商品房的用戶。

確定模塊440可用于在用戶為潛在購買商品房的用戶時，根據(jù)搜索行為信息確定用戶的細化標簽。其中，在本發(fā)明的一個實施例中，如圖6所示，該確定模塊440可包括：分析單元441、確定單元442和標記單元443。

其中，分析單元441用于對搜索行為信息進行分析，以得到與商品房相關(guān)的搜索行為信息。確定單元442用于根據(jù)與商品房相關(guān)的搜索行為信息，確定用戶購買商品房的意向信息，其中，意向信息包括意向區(qū)域、意向樓盤和意向樓盤類型。標記單元443用于根據(jù)意向信息對用戶進行標簽標記，以得到用戶的細化標簽。

加載模塊450可用于將用戶以及用戶的細化標簽加載至潛在用戶庫中。

作為一種示例，如圖7所示，該潛在用戶挖掘裝置還可包括：預先訓練模塊460，預先訓練模塊460可用于預先訓練潛在用戶挖掘模型。其中，在本發(fā)明的實施例中，如圖7所示，該預先訓練模塊460可包括：獲取單元461、預處理單元462、提取單元463和模型訓練單元464。

其中，獲取單元461用于獲取樣本用戶的樣本搜索行為信息。預處理單元462用于按照預設格式對樣本搜索行為信息進行預處理。提取單元463用于對預處理后的樣本搜索行為信息進行特征提取以得到樣本搜索行為信息中的樣本特征信息。模型訓練單元464用于基于機器學習算法，根據(jù)樣本特征信息進行模型訓練以得到潛在用戶挖掘模型。

進一步地，在本發(fā)明的一個實施例中，如圖8所示，該潛在用戶挖掘裝置還可包括：第二獲取模塊470、生成模塊480和排序模塊490。其中，第二獲取模塊470用于在加載模塊450將用戶以及用戶的細化標簽加載至潛在用戶庫中之后，從潛在用戶的搜索行為信息中，獲取潛在用戶針對商品房的搜索次數(shù)和/或搜索頻率。生成模塊480用于根據(jù)搜索次數(shù)和/或搜索頻率生成潛在用戶購買商品房的意愿強度。排序模塊490用于根據(jù)意愿強度對潛在用戶進行排序。

本發(fā)明實施例的潛在用戶挖掘裝置，可通過第一獲取模塊獲取用戶的搜索行為信息，提取模塊提取搜索行為信息中的特征信息，預測模塊根據(jù)預先訓練得到的潛在用戶挖掘模型對特征信息進行預測，判斷用戶是否為潛在購買商品房的用戶，若是，確定模塊則根據(jù)搜索行為信息確定用戶的細化標簽，加載模塊將用戶以及用戶的細化標簽加載至潛在用戶庫中。即利用用戶的搜索行為數(shù)據(jù)，并通過數(shù)據(jù)挖掘方法尋找潛在的買房用戶，同時進一步挖掘潛在買房用戶的精準需求，最終建立起潛在用戶庫，在整個過程中，大大降低了潛在用戶的挖掘成本，提高了用戶的互動性，并提高了潛在用戶的獲得率以及精準度。

在本發(fā)明的描述中，需要理解的是，術(shù)語“第一”、“第二”僅用于描述目的，而不能理解為指示或暗示相對重要性或者隱含指明所指示的技術(shù)特征的數(shù)量。由此，限定有“第一”、“第二”的特征可以明示或者隱含地包括至少一個該特征。在本發(fā)明的描述中，“多個”的含義是至少兩個，例如兩個，三個等，除非另有明確具體的限定。

在本說明書的描述中，參考術(shù)語“一個實施例”、“一些實施例”、“示例”、“具體示例”、或“一些示例”等的描述意指結(jié)合該實施例或示例描述的具體特征、結(jié)構(gòu)、材料或者特點包含于本發(fā)明的至少一個實施例或示例中。在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結(jié)合和組合。

流程圖中或在此以其他方式描述的任何過程或方法描述可以被理解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方式的范圍包括另外的實現(xiàn)，其中可以不按所示出或討論的順序，包括根據(jù)所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應被本發(fā)明的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。

在流程圖中表示或在此以其他方式描述的邏輯和/或步驟，例如，可以被認為是用于實現(xiàn)邏輯功能的可執(zhí)行指令的定序列表，可以具體實現(xiàn)在任何計算機可讀介質(zhì)中，以供指令執(zhí)行系統(tǒng)、裝置或設備(如基于計算機的系統(tǒng)、包括處理器的系統(tǒng)或其他可以從指令執(zhí)行系統(tǒng)、裝置或設備取指令并執(zhí)行指令的系統(tǒng))使用，或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設備而使用。就本說明書而言，"計算機可讀介質(zhì)"可以是任何可以包含、存儲、通信、傳播或傳輸程序以供指令執(zhí)行系統(tǒng)、裝置或設備或結(jié)合這些指令執(zhí)行系統(tǒng)、裝置或設備而使用的裝置。計算機可讀介質(zhì)的更具體的示例(非窮盡性列表)包括以下：具有一個或多個布線的電連接部(電子裝置)，便攜式計算機盤盒(磁裝置)，隨機存取存儲器(RAM)，只讀存儲器(ROM)，可擦除可編輯只讀存儲器(EPROM或閃速存儲器)，光纖裝置，以及便攜式光盤只讀存儲器(CDROM)。另外，計算機可讀介質(zhì)甚至可以是可在其上打印所述程序的紙或其他合適的介質(zhì)，因為可以例如通過對紙或其他介質(zhì)進行光學掃描，接著進行編輯、解譯或必要時以其他合適方式進行處理來以電子方式獲得所述程序，然后將其存儲在計算機存儲器中。

應當理解，本發(fā)明的各部分可以用硬件、軟件、固件或它們的組合來實現(xiàn)。在上述實施方式中，多個步驟或方法可以用存儲在存儲器中且由合適的指令執(zhí)行系統(tǒng)執(zhí)行的軟件或固件來實現(xiàn)。例如，如果用硬件來實現(xiàn)，和在另一實施方式中一樣，可用本領(lǐng)域公知的下列技術(shù)中的任一項或他們的組合來實現(xiàn)：具有用于對數(shù)據(jù)信號實現(xiàn)邏輯功能的邏輯門電路的離散邏輯電路，具有合適的組合邏輯門電路的專用集成電路，可編程門陣列(PGA)，現(xiàn)場可編程門陣列(FPGA)等。

本技術(shù)領(lǐng)域的普通技術(shù)人員可以理解實現(xiàn)上述實施例方法攜帶的全部或部分步驟是可以通過程序來指令相關(guān)的硬件完成，所述的程序可以存儲于一種計算機可讀存儲介質(zhì)中，該程序在執(zhí)行時，包括方法實施例的步驟之一或其組合。

此外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理模塊中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個模塊中。上述集成的模塊既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能模塊的形式實現(xiàn)。所述集成的模塊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。

上述提到的存儲介質(zhì)可以是只讀存儲器，磁盤或光盤等。盡管上面已經(jīng)示出和描述了本發(fā)明的實施例，可以理解的是，上述實施例是示例性的，不能理解為對本發(fā)明的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的范圍內(nèi)可以對上述實施例進行變化、修改、替換和變型。