流量策略选择方法和流量策略选择装置

摘要

本发明提出了一种流量策略选择方法和一种流量策略选择装置，其中，流量策略选择方法包括：获取若干个用户的流量数据；根据流量数据，对若干个用户进行聚类，得到多个聚类集合；确定多个聚类集合中的任一聚类集合内的至少一种预设用户类型；根据至少一种预设用户类型，确定具有至少一种预设用户类型的聚类集合对应的流量策略。通过本发明的技术方案，可以依据聚类后的每个聚类集合中的至少一种预设用户类型来确定该聚类集合对应的流量策略，从而更加适应用户的实时需求，使得流量策略的安排更具有效性和实用性。

说明书

【技术领域】

本发明涉及移动通信技术领域，尤其涉及一种流量策略选择方法和一种流量策略选择装置。

【背景技术】

目前，随着移动互联网、社交网络、电子商务等应用的日益发展，迫切需要有效地确定移动网络用户的业务偏好特征，从而为运营商进行数据流量经营提供更多的辅助信息。

然而，目前很多运营商的流量经营策略分为如下几类：分带宽、分用户、分时段和分区域，其中，分带宽主要是通过智能管道在传统流量计费基础上，实现按带宽计费；分用户主要是依据智能管道的优先级应用；分时段主要是提供“低价格+段时间”的临时高速流量服务；分区域主要是采用更加动态和基于小区的算法，保证高价值小区的数据使用。

然而，随着网络用户上网兴趣偏好呈现多样性和复杂性，这些流量策略都因其单一性受限，造成流量策略不能很好地适应用户的实际情况的缺陷。

因此，如何获得更具有效性的流量策略，成为目前亟待解决的技术问题。

【发明内容】

本发明实施例提供了一种流量策略选择方法和一种流量策略选择装置，旨在解决如何获得更具有效性的流量策略的技术问题，可以依据聚类后的每个聚类集合中的至少一种预设用户类型来确定该聚类集合对应的流量策略，从而更加适应用户的实时需求，使得流量策略的安排更具有效性和实用性。

第一方面，本发明实施例提供了一种流量策略选择方法，包括：获取若干个用户的流量数据；根据所述流量数据，对所述若干个用户进行聚类，得到多个聚类集合；确定所述多个聚类集合中的任一聚类集合内的至少一种预设用户类型；根据所述至少一种预设用户类型，确定具有所述至少一种预设用户类型的聚类集合对应的流量策略。

在本发明上述实施例中，在获取若干个用户的流量数据的步骤之前，还包括：从多种预定流量维度中选择若干个流量维度；为所述若干个流量维度中的每个流量维度设置至少一种属性类型；根据所述若干个流量维度和所述每个流量维度对应的属性类型，设置多种预设用户类型。

在本发明上述实施例中，所述若干个流量维度包括以下四种参数中至少一个或多个的组合：数据流量的总量、流量业务类型、流量使用时间段和单位时间内的数据流量值。

在本发明上述实施例中，根据所述流量数据，对所述若干个用户进行聚类的步骤，具体包括：根据所述流量数据，对所述若干个用户进行粗聚类；根据所述粗聚类的结果，通过模糊C-均值聚类进行聚类参与点划分，得到所述多个聚类集合。

在本发明上述实施例中，根据所述至少一种预设用户类型，确定具有所述至少一种预设用户类型的聚类集合对应的流量策略，具体包括：在所述至少一种预设用户类型中选择满足预定条件的预设用户类型；将所述满足预定条件的预设用户类型对应的流量策略确定为具有所述至少一种预设用户类型的聚类集合对应的流量策略；其中，所述预定条件包括：只满足占用比例最高、优先级最高、在占用比例排在前预定位的预设用户类型中优先级最高和在优先级排前预定位的预设用户类型中占用比例最高四个条件中的一个或同时满足所述四个条件中的多个。

在本发明上述实施例中，在获取若干个用户的流量数据的步骤之前，还包括：为多种预设用户类型中的每种预设用户类型设置对应的流量策略。

第二方面，本发明实施例提供了一种流量策略选择装置，包括：流量数据获取单元，用于获取若干个用户的流量数据；聚类单元，用于根据所述流量数据，对所述若干个用户进行聚类，得到多个聚类集合；用户类型确定单元，用于确定所述多个聚类集合中的任一聚类集合内的至少一种预设用户类型；流量策略确定单元，用于根据所述至少一种预设用户类型，确定具有所述至少一种预设用户类型的聚类集合对应的流量策略。

在本发明上述实施例中，还包括：流量维度选择单元，用于在所述流量数据获取单元获取若干个用户的流量数据之前，从多种预定流量维度中选择若干个流量维度；属性类型设置单元，用于为所述若干个流量维度中的每个流量维度设置至少一种属性类型；用户类型设置单元，用于根据所述若干个流量维度和所述每个流量维度对应的属性类型，设置多种预设用户类型。

在本发明上述实施例中，所述若干个流量维度包括以下四种参数中至少一个或多个的组合：数据流量的总量、流量业务类型、流量使用时间段和单位时间内的数据流量值。

在本发明上述实施例中，所述聚类单元具体用于：根据所述流量数据，对所述若干个用户进行粗聚类，并根据所述粗聚类的结果，通过模糊C-均值聚类进行聚类参与点划分，得到所述多个聚类集合。

在本发明上述实施例中，所述流量策略确定单元具体用于：在所述至少一种预设用户类型中选择满足预定条件的预设用户类型，将所述满足预定条件的预设用户类型对应的流量策略确定为具有所述至少一种预设用户类型的聚类集合对应的流量策略；其中，所述预定条件包括：只满足占用比例最高、优先级最高、在占用比例排在前预定位的预设用户类型中优先级最高和在优先级排前预定位的预设用户类型中占用比例最高四个条件中的一个或同时满足所述四个条件中的多个。

在本发明上述实施例中，还包括：关联设置单元，用于在所述流量数据获取单元获取若干个用户的流量数据之前，为多种预设用户类型中的每种预设用户类型设置对应的流量策略。

本发明的再一方面提出了一种服务器，包括上述实施例中任一项所述的流量策略选择装置，因此，该终端具有和上述实施例中任一项所述的流量策略选择装置相同的技术效果，在此不再赘述。

通过以上技术方案，针对相关技术中的流量策略不能很好地适应用户的实际情况的问题，可以依据聚类后的每个聚类集合中的至少一种预设用户类型来确定该聚类集合对应的流量策略，从而更加适应用户的实时需求，使得流量策略的安排更具有效性和实用性。

【附图说明】

为了更清楚地说明本发明实施例提供的技术方案，下面将对实施例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发明的一些实施例，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它的附图。

图1示出了根据本发明的一个实施例提供的流量策略选择方法的流程图；

图2示出了根据本发明的另一个实施例提供的流量策略选择方法的流程图；

图3示出了根据本发明的一个实施例提供的聚类方法的流程图；

图4示出了根据本发明的一个实施例提供的流量策略选择装置的框图；

图5示出了根据本发明的一个实施例提供的预设用户类型的分布图；

图6示出了根据本发明的另一个实施例提供的预设用户类型的分布图；

图7示出了根据本发明的一个实施例提供的服务器的框图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例提供的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

图1示出了根据本发明的一个实施例提供的流量策略选择方法的流程图。

如图1所示，根据本发明的一个实施例提供的流量策略选择方法，包括：

步骤102，获取若干个用户的流量数据。

步骤104，根据流量数据，对若干个用户进行聚类，得到多个聚类集合。

步骤106，确定多个聚类集合中的任一聚类集合内的至少一种预设用户类型。

步骤108，根据至少一种预设用户类型，确定具有至少一种预设用户类型的聚类集合对应的流量策略。

其中，若干个用户的流量数据可以从深度报文检测系统中获取，而对获取到的若干个用户的流量数据，可以通过聚类得到多个聚类集合，从而便于依据每个聚类集合中的至少一种预设用户类型来确定该聚类集合对应的流量策略，以更加适应用户的实时需求，使得流量策略的安排更具有效性和实用性。

图2示出了根据本发明的另一个实施例提供的流量策略选择方法的流程图。

如图2所示，根据本发明的另一个实施例提供的流量策略选择方法，包括：

步骤202，从多种预定流量维度中选择若干个流量维度。

步骤204，为若干个流量维度中的每个流量维度设置至少一种属性类型。

步骤206，根据若干个流量维度和每个流量维度对应的属性类型，设置多种预设用户类型。

比如，在第一流量维度中选择属性类型a，在第二流量维度中选择属性类型b，那么a和b的组合就对应有一种预设用户类型，这样，即可完成用户类型的预设。

步骤208，为多种预设用户类型中的每种预设用户类型设置对应的流量策略。

其中，流量维度和每个流量维度对应的属性类型可以由供应商根据实际需求进行增加或删减，每种预设用户类型也可以由供应商根据实际需求进行增加或删减。

步骤210，获取若干个用户的流量数据。

步骤212，根据流量数据，对若干个用户进行粗聚类。

步骤214，根据粗聚类的结果，通过模糊C-均值聚类进行聚类参与点划分，得到多个聚类集合。

需要补充的是，粗聚类的目的是为了获取聚类中心，以便对该聚类中心进行模糊C-均值聚类。

步骤216，确定多个聚类集合中的任一聚类集合内的至少一种预设用户类型。

步骤218，在至少一种预设用户类型中选择满足预定条件的预设用户类型。

步骤220，将满足预定条件的预设用户类型对应的流量策略确定为具有至少一种预设用户类型的聚类集合对应的流量策略。

其中，每个聚类集合内都具有一种或多种预设用户类型，根据每个聚类集合内的预设用户类型满足满足预定条件的情况，可以选取对应的流量策略。

前述的预定条件包括：只满足占用比例最高、优先级最高、在占用比例排在前预定位的预设用户类型中优先级最高和在优先级排前预定位的预设用户类型中占用比例最高四个条件中的一个或同时满足四个条件中的多个。多样化的预定条件可以适应不同的需求，使得选取流量策略更具有效性。

另外，前述的若干个流量维度包括但不限于以下四种参数中至少一个或多个的组合：数据流量的总量、流量业务类型、流量使用时间段和单位时间内的数据流量值。多样化的流量维度可以使供应商从多方面多角度考虑用户的实际流量使用状况，便于为用户提供更加合理、更具实用性的流量策略。

图3示出了根据本发明的一个实施例提供的聚类方法的流程图。

如图3所示，根据本发明的一个实施例提供的聚类方法，包括：

步骤302，输入流量数据。

步骤304，计算每个数据点的密度，得到密度指标。

步骤306，将密度指标最大的数据作为聚类中心。

步骤308，除去这个点的密度。

步骤310，判断是否满足收敛条件，当判断结果为是时，进入步骤312，否则，返回步骤304。

步骤312，输出隶属度中心。

步骤314，初始化基本参数、隶属度矩阵。

步骤316，判断迭代次数T是否小于LPOOP，当判断结果为是时，进入步骤318，否则，进入步骤324。

步骤318，计算新的隶属度矩阵。

步骤320，进行隶属度划分，得到新的聚类中心，t＝t+1。

步骤322，判断目标函数是否符合条件，当判断结果为是时，进入步骤324，否则，返回步骤316。

在本发明的上述实施例中，密度指标的计算公式为：

其中

其中，τ₁表示该点以距离的形式影响的范围，越大则管的范围越大，越小则越集中，分的类越多。

即去除密度指标最大的数据的密度，再计算所有点的密度指标：

其中

其中，τ₂表示表示该点以距离的形式影响的范围，与τ₁的区别在于τ₂考虑的是权重影响的范围，若很小，则容易重合聚类，即在原聚类中心又找了一个类中心，因此，τ₂一般要大于τ₁。

接着，再找到最大的密度指标，并把此点作为聚类中心依次循环，直到当某次的密度指标的最大值与第一次的比值小于某一个数δ，则迭代停止。

确定聚类数C，初始化隶属度矩阵P(0)，p_ij∈{0,1}，置迭代次数t＝0，计算聚类中心如下：

$>q_i^{\left(t\right)}=\frac{\underset{j=1}{\overset{n}{\Sigma }}{p}_{ij}^{\left(t\right)}{w}_j}{\underset{j=1}{\overset{n}{\Sigma }}{p}_{ij}^{\left(t\right)}}$>

对于第t步，修改隶属度矩阵P(t)如下：

$>p_{ij}^{(t+1)}=\left(\begin{array}{cc}1& d_{ij}^{\left(t\right)}=min\left\{d_{ij}^{\left(t\right)}\right\},\forall i\in c\\ 0& other\end{array}\right)$>

若||P(h+1)-P(h)||≥σ，则进入下一步，否则置t＝t+1并返回计算聚类中心。

选择常数σ>0，置迭代次数h＝0，以上述步骤的结果作为模糊C-均值聚类算法的初始聚类中心Q(0)。

根据Q(h)按下式计算隶属度矩阵P(h)：

$>p_{ij}^{(t+1)}={\left[\underset{k=1}{\overset{C}{\Sigma }}{\left(\frac{d_{ij}^{\left(t\right)}}{d_{kj}^{\left(t\right)}}\right)}^{2/(m-1)}\right]}^{-1}$>

按下式进一步调整类别中心Q(h+1)：

$>q_i^{\left(t\right)}=\frac{\underset{j=1}{\overset{n}{\Sigma }}{\left(p_{ij}^{\left(t\right)}\right)}^m{w}_j}{\underset{j=1}{\overset{n}{\Sigma }}{\left(p_{ij}^{\left(t\right)}\right)}^m}$>

若||P(h+1)-P(h)||≤σ，则算法结束，输出聚类的中心和隶属度矩阵P；否则，置h＝h+1，返回继续根据Q(h)按下式计算隶属度矩阵P(h)。

由计算得到的隶属度矩阵P就可以确定每一个数据点分别对各个聚类的隶属度，其中隶属度最大的聚类即为该数据点所属的聚类。

综上，该发明在传统模糊C-均值聚类算法基础之上，考虑减小计算聚类中心个数的复杂度以及提高聚类中心计算的精准度，将聚类分为粗聚类和细聚类两个层面进行，即先使用减法聚类算法快速寻找聚类中心的个数；然后使用模糊C-均值聚类算法完成聚类参与点的划分。

图4示出了根据本发明的一个实施例提供的流量策略选择装置的框图。

如图4所示，根据本发明的一个实施例提供的流量策略选择装置400，包括：流量数据获取单元402、聚类单元404、用户类型确定单元406和流量策略确定单元408。

流量数据获取单元402用于获取若干个用户的流量数据；聚类单元404用于根据流量数据，对若干个用户进行聚类，得到多个聚类集合；用户类型确定单元406用于确定多个聚类集合中的任一聚类集合内的至少一种预设用户类型；流量策略确定单元408用于根据至少一种预设用户类型，确定具有至少一种预设用户类型的聚类集合对应的流量策略。

其中，若干个用户的流量数据可以从深度报文检测系统中获取，而对获取到的若干个用户的流量数据，可以通过聚类得到多个聚类集合，从而便于依据每个聚类集合中的至少一种预设用户类型来确定该聚类集合对应的流量策略，以更加适应用户的实时需求，使得流量策略的安排更具有效性和实用性。

在本发明上述实施例中，聚类单元404具体用于：根据流量数据，对若干个用户进行粗聚类，并根据粗聚类的结果，通过模糊C-均值聚类进行聚类参与点划分，得到多个聚类集合。

其中，粗聚类的目的是为了获取聚类中心，以便对该聚类中心进行模糊C-均值聚类。

需要补充的是，流量策略确定单元408具体用于：在至少一种预设用户类型中选择满足预定条件的预设用户类型，将满足预定条件的预设用户类型对应的流量策略确定为具有至少一种预设用户类型的聚类集合对应的流量策略。

其中，每个聚类集合内都具有一种或多种预设用户类型，根据每个聚类集合内的预设用户类型满足满足预定条件的情况，可以选取对应的流量策略。

前述的预定条件包括：只满足占用比例最高、优先级最高、在占用比例排在前预定位的预设用户类型中优先级最高和在优先级排前预定位的预设用户类型中占用比例最高四个条件中的一个或同时满足四个条件中的多个。多样化的预定条件可以适应不同的需求，使得选取流量策略更具有效性。

在本发明上述实施例中，还包括：流量维度选择单元410，用于在流量数据获取单元获取若干个用户的流量数据之前，从多种预定流量维度中选择若干个流量维度；属性类型设置单元412，用于为若干个流量维度中的每个流量维度设置至少一种属性类型；用户类型设置单元414，用于根据若干个流量维度和每个流量维度对应的属性类型，设置多种预设用户类型。

另外，流量策略选择装置400还包括：关联设置单元416，用于在流量数据获取单元获取若干个用户的流量数据之前，为多种预设用户类型中的每种预设用户类型设置对应的流量策略。

前述的若干个流量维度包括以下四种参数中至少一个或多个的组合：数据流量的总量、流量业务类型、流量使用时间段和单位时间内的数据流量值。

其中，流量维度和每个流量维度对应的属性类型可以由供应商根据实际需求进行增加或删减，每种预设用户类型也可以由供应商根据实际需求进行增加或删减。

比如，在第一流量维度中选择属性类型a，在第二流量维度中选择属性类型b，那么a和b的组合就对应有一种预设用户类型，这样，即可完成用户类型的预设。下面结合图5和图6具体描述预设用户类型的分布。

如图5所示，采用了业务类型和数据流量大小两种流量维度，业务类型分为业务类型1、业务类型2、…、业务类型n，共计n种属性，数据流量大小分为低(无)、中、高三种属性，其中，任两种流量维度中各自任选一种属性，组合形成一种预设用户类型，比如，业务类型1和数据流量大小的中属性对应有用户类型2。

具体地，如图6所示，将业务类型划分为即时通信、网页搜索以及视频类，将用户数据流量划分为低(无)、中、高三类。

这样，用户数据流量与业务类型两个维度相结合，具有九类用户属性：

A:即时通信低流量用户(含沉默用户)。

B:即时通信中流量用户。

C:即时通信高流量用户。

D:网页搜索低流量用户(含沉默用户)。

E:网页搜索中流量用户。

F:网页搜索高流量用户。

G:视频类低流量用户(含沉默用户)。

H:视频类中流量用户。

I:视频类高流量用户。

根据之前介绍的聚类模型，先对用户位置信息和用户流量信息组成的二维数组进行聚类运算，得到用户群体聚类结果，将用户兴趣偏好群体分为九类，分别用G1、G2、G3、G4、G5、G6、G7、G8、G9表示。然后根据用户类别分类法则，计算九类用户类别的占比，结果如下表1所示。

表1

最后结合聚类所得的每个群体包含的不同用户类别的比重，确定移动网络用户群体的典型偏好特征。

其中，G1占总用户群体12.15％，G2占总用户群体16.1％，G3占总用户群体11.8％，G4占总用户群体19.9％，G5占总用户群体10.32％，G6占总用户群体9.1％,G7占总用户群体8.78％,G8占总用户群体6.25％,G9占总用户群体5.6％。下面对每个用户群体包含的不同用户类别进行分析。

A类别用户的特征是用户在即时通信类业务产生的数据流量不高甚至没有。对于G1，A类别用户比例占据绝大部分比重，说明该群体主要是普通居民，并且对流量的需求不高。用户套餐及增值服务主要以满足群众日常通讯需求(比如短信套餐、通话套餐等)为导向，并辅助以手机报、电子类期刊等业务的推送，可以将其列为可发展用户。

对于G2，B类别用户占比高说明该群体绝大多数用户对即时通信类业务类型有一定的需求量，并且产生一定的数据流量，这类群体主要以普通居民或者Wi-Fi使用者为主。因此，对此类用户可以进行商品折扣信息推送，用户套餐以及增值服务可以将其列为潜力用户。

C类别用户的特征是，用户经常使用即时通信类业务，并且产生大量的数据流量。对于G3，C类别用户占比高说明该类群体主要以年轻消费人群为主，可以对此类用户进行流量品牌套餐的营销推广，用户套餐及增值服务主要以满足年轻消费人群的需求为导向，可以将其列为可重点用户。

D类别用户的特征是，用户群体在网页搜索类业务产生的数据流量不高甚至没有。对于G4用户群体，D类别用户占总用户群体比例较高说明这类群体主要以普通居民或者Wi-Fi使用者为主，用户套餐及增值服务主要以满足日常需求为导向，可以将其列为可发展用户。

对于G5，E类别用户占比高说明，这类群体使用网页搜索类业务，并且有一定数据流量需求，这类群体主要以普通人群为主要导向，针对这一类的消费人群可以对其进行日常商品促销信息推送。用户套餐及增值服务可以将其列为潜力用户。

F类别用户的特征是，用户经常使用网页搜索类业务，并且数据流量使用量较高。对于G6用户群体，F类别用户占总用户群体比例高说明，这类群体对网络的需求较高，并且有一定的经济能力，可以重点对其进行O2O推销业务推送，用户套餐及增值服务可以将其列为重点用户。

G类别用户的特征是，用户群体在视频类业务产生的数据流量不高甚至没有。对于G7用户群体，G类别用户占总用户群体比例较高说明这类群体主要以普通居民或者Wi-Fi用户为主，用户套餐及增值服务上可以对其进行流量优惠套餐业务推送推送，可以将其列为可发展用户。

H类别用户的特征是，这类群体使用视频类业务，并且有一定数据流量需求。对于G8用户群体，主要以普通人群为主要导向，针对这一类的消费人群可以对其进行流量特惠包业务的推送或者手机看视频优惠业务的推送。用户套餐及增值服务可以将其列为潜力用户。

I类别用户的特征是，用户经常使用网页搜索类业务，并且数据流量使用量较高。对于G9用户群体，I类别用户占总用户群体比例高说明，这类群体对网络的需求较高，并且有一定的经济能力，可以重点对其进行视频业务或者流量包业务的推送，用户套餐及增值服务可以将其列为重点用户。

由此可见，本发明的技术方案能够有效确定网络用户群体的典型偏好特征，并针对不同偏好的用户群体采用差异化针对性的流量经营策略，从而实现提升流量价值的营销目标。

图7示出了根据本发明的一个实施例提供的服务器的框图。

如图7所示，根据本发明的一个实施例提供的服务器700，包括图4示出的流量策略选择装置400，因此，该服务器700具有和图4示出的流量策略选择装置400相同的技术效果，在此不再赘述。

以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，针对相关技术中的流量策略不能很好地适应用户的实际情况的问题，可以依据聚类后的每个聚类集合中的至少一种预设用户类型来确定该聚类集合对应的流量策略，从而更加适应用户的实时需求，使得流量策略的安排更具有效性和实用性。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

需要说明的是，本发明实施例中所涉及的终端可以包括但不限于个人计算机(Personal Computer，PC)、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备、平板电脑(Tablet Computer)、手机、MP3播放器、MP4播放器等。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以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。

另外，在本发明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，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。