利用置信度评估企业风险的方法、装置及电子设备

摘要

本发明提供了一种利用置信度评估企业风险的方法、装置及电子设备。所述方法包括：采集传导企业和被传导企业的企业信息，并且从企业信息提取传导企业和被传导企业的风险数据并确定传导企业和被传导企业之间的风险传导系数；通过将置信度叠加到风险传导系数获得置信风险传导系数，将置信风险传导系数和风险数据输入到预设的风险传导计算模型，通过预设的风险传导计算模型输出被传导企业的风险传导值。根据本发明的利用置信度评估企业风险的方法、装置及电子设备，可以通过增设置信度来减少或避免由于专家打分差异而导致的企业信息由定性到定量转化过程中的误差，提高风险评估的精准度。

说明书

技术领域

本发明涉及企业风险评估领域，尤其是涉及一种利用置信度评估企业风险的方法、装置及电子设备。

背景技术

随着经济的迅速发展，在各行业、各地区以及各领域中逐渐形成复杂的企业关系结构，各个企业之间不仅在企业运营中相互关联，而且当某个企业发生风险事件时，与该风险企业相关的关联企业以及与这些关联企业相关的周边企业可能都会受到风险源的影响。为了分析企业受到其他企业的风险事件的影响程度，目前采用了风险传导分析来对风险传导进行评估。

一般来说，企业的风险主要是依托于企业的特征和企业图谱来传导。在当前的风险传导分析中，在分析企业的特征属性时，均是利用专家经验来评估，对诸如企业规模、企业性质等的企业特征进行定性到定量的转化。由于这一转化过程过度依靠专家经验，在这种情况下，专家的个体差异以及企业所在行业、地域等的不同会导致不同的专家对企业特征在定性到定量的转换过程中产生差别，导致风险传导分析的结果受到影响，使得风险评估结果不够准确和可靠，无法实现风险传导的自动计算过程。

发明内容

鉴于在现有的风险传导分析方法中存在对企业特征的定量转化过程过度依赖专家行为而导致风险评估结果不准确、不可靠且无法实现自动计算的问题，本发明提出一种利用置信度评估企业风险的方法、装置及电子设备。利用本发明的利用置信度评估企业风险的方法、装置及电子设备可以通过增设置信度来减少或避免由于专家行为而导致的误差，提高风险评估的精准度。

本发明的第一方面提供一种利用置信度评估企业风险的方法，所述方法包括：采集传导企业和被传导企业的企业信息，并且从所述企业信息提取所述传导企业和所述被传导企业的风险数据并确定所述传导企业和所述被传导企业之间的风险传导系数；通过将置信度叠加到所述风险传导系数获得置信风险传导系数，将所述置信风险传导系数和所述风险数据输入到预设的风险传导计算模型，通过所述预设的风险传导计算模型输出所述被传导企业的风险传导值，其中，所述风险传导系数是指所述被传导企业受到所述传导企业相关的风险事件传导的影响系数，所述置信度是指从所述企业信息提取的所述风险传导系数及所述风险数据的预定可信度。

可选地，所述置信度可以根据所述预设的风险传导计算模型的捕获率来确定，所述捕获率可以是指在预定历史时间段内实际发生风险的企业数量与通过所述预设的风险传导计算模型预测发生风险的企业数量之比。

可选地，在通过将置信度叠加到所述风险传导系数获得置信风险传导系数的步骤之前，所述方法还可以包括：采集在预定历史时间点的多个样本企业的历史企业信息，从所述历史企业信息提取所述多个样本企业之间的历史风险传导系数及所述多个样本企业的历史风险数据，并且采集所述多个样本企业中的在所述预定历史时间点后的所述预定历史时间段内发生风险事件的实际风险企业数量；选取多个置信估计值，并且将所述多个置信估计值分别叠加到所述历史风险传导系数，获得与所述多个置信估计值对应的历史置信风险传导系数；将所述历史置信风险传导系数和所述历史风险数据输入到所述预设的风险传导计算模型，通过所述预设的风险传导计算模型输出与所述多个置信估计值对应的预测风险企业数量；根据所述实际风险企业数量和所述预测风险企业数量确定分别与所述多个置信估计值对应的捕获率，将与最大捕获率所对应的置信估计值作为置信度。

可选地，通过将置信度叠加到所述风险传导系数获得置信风险传导系数的步骤可以包括：获取企业的免疫系数，并且将所述免疫系数作为所述风险传导系数；将所述置信度加权到所述免疫系数获得的置信免疫系数，确定为所述置信风险传导系数；其中，所述免疫系数是指被所述传导企业本身对所述传导企业的风险事件的免疫程度。

可选地，通过所述预设的风险传导计算模型输出所述被传导企业的风险传导值的步骤可以包括：获取企业的衰减系数、配对系数、时间衰减系数以及多关系权重系数；基于所述置信免疫系数、所述衰减系数、所述配对系数、所述时间衰减系数以及所述多关系权重系数通过下式确定所述被传导企业的风险传导值R

R

其中，R

本发明的第二方面提供一种利用置信度评估企业风险的装置，所述装置包括：获取单元，采集传导企业和被传导企业的企业信息，并且从所述企业信息提取所述传导企业和所述被传导企业的风险数据并确定所述传导企业和所述被传导企业之间的风险传导系数；处理单元，通过将置信度叠加到所述风险传导系数获得置信风险传导系数，评估单元，将所述置信风险传导系数和所述风险数据输入到预设的风险传导计算模型，通过所述预设的风险传导计算模型输出所述被传导企业的风险传导值，其中，所述风险传导系数是指所述被传导企业受到所述传导企业相关的风险事件传导的影响系数，所述置信度是指从所述企业信息提取的所述风险传导系数及所述风险数据的预定可信度。

可选地，所述置信度根据所述预设的风险传导计算模型的捕获率来确定，所述捕获率是指在预定历史时间段内实际发生风险的企业数量与通过所述预设的风险传导计算模型预测发生风险的企业数量之比。

可选地，所述处理单元可以采集在预定历史时间点的多个样本企业的历史企业信息，从所述历史企业信息提取所述多个样本企业之间的历史风险传导系数及所述多个样本企业的历史风险数据，并且采集所述多个样本企业中的在所述预定历史时间点后的所述预定历史时间段内发生风险事件的实际风险企业数量；所述处理单元可以选取多个置信估计值，并且将所述多个置信估计值分别叠加到所述历史风险传导系数，获得与所述多个置信估计值对应的历史置信风险传导系数；所述处理单元可以将所述历史置信风险传导系数和所述历史风险数据输入到所述预设的风险传导计算模型，通过所述预设的风险传导计算模型输出与所述多个置信估计值对应的预测风险企业数量；所述处理单元可以根据所述实际风险企业数量和所述预测风险企业数量确定分别与所述多个置信估计值对应的捕获率，将与最大捕获率所对应的置信估计值作为置信度。

本发明的第三方面提供一种电子设备，所述电子设备包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，实现根据上面所述的利用置信度评估企业风险的方法。

本发明的第四方面提供一种存储有计算机程序的计算机可读存储介质，当所述计算机程序被处理器执行时实现根据上面所述的利用置信度评估企业风险的方法。

为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。

图1示出了根据本发明示例性实施例的利用置信度评估企业风险的方法的流程图；

图2示出了根据本发明示例性实施例的利用置信度评估企业风险的装置的示意框图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

为了使得本领域技术人员能够使用本发明内容，以下将给出示例性的实施方式。对于本领域技术人员来说，在不脱离本发明的精神和范围的情况下，可以将这里定义的一般原理应用于其他实施例和应用场景，本文中给出的仅是示例，以便于本领域技术人员更好地理解本发明的构思。

需要说明的是，本发明实施例中将会用到术语“包括”，用于指出其后所声明的特征的存在，但并不排除增加其他的特征。

此外，如本文中使用的术语“企业风险”表示在信用管理(例如信用监管)领域中所涉及的风险，其不同于一般的商业信用风险，目的是为了保障企业不会出现重大风险变故而导致社会问题，而不旨在考察企业是否能如约履行商业约定。

本发明的一个方面涉及一种利用置信度评估企业风险的方法。

图1示出了根据本发明示例性实施例的利用置信度评估企业风险的方法的流程图。

这里，所述方法可以通过在电子装置中的利用置信度评估企业风险的装置来实现，也可完全通过计算机程序来实现，例如，所述方法可通过安装在电子装置中的用于利用置信度评估企业风险的应用来执行，或者通过电子装置的操作系统中实现的功能程序来执行。作为示例，所述电子装置可以是个人计算机、服务器、平板电脑、智能手机等具有人工智能运算功能的电子装置。

如图1所示，在步骤S1中，可以采集传导企业和被传导企业的企业信息，并且从企业信息提取传导企业和被传导企业的风险数据并确定传导企业和被传导企业之间的风险传导系数。这里，风险传导系数是指被传导企业受到所述传导企业相关的风险事件传导的影响系数。

具体来说，企业的风险传导受到企业本身的状况、企业所在的行业和领域、与企业相关联的其他企业的状况等因素的影响，通过收集传导企业和被传导企业的企业信息并对这些信息进行处理和分析，可以用于评估和预测企业的风险，例如企业发生风险的概率。

作为示例，企业信息可以包括企业的基础信息、企业的财务信息以及传导企业和被传导企业的关联信息。基础信息可以是企业的注册资本、企业所在的行业以及企业所在地区等。财务信息可以是与企业经营相关的财务数据，例如企业在某个时间段内的净利润、流动资产与流动负债的比率等。关联信息可以涉及股权分配、交易关系、担保关系、上下游关系等。此外，企业信息既可以包括传导企业和被传导企业自身的信息，也可以包括传导企业和被传导企业之间的关联情况，例如，传导企业和被传导企业之间的关联路径以及在该关联路径上的各企业的信息。

基于上述内容，通过获取的企业信息，一方面可以提取传导企业和被传导企业的风险数据。例如，可以对传导企业的信息进行归类处理，例如企业的风险事件、企业性质、企业特征等，具体来说，风险事件可包括破产、投诉、法律纠纷、营销事件等，企业性质可包括国有企业、私营企业等，企业特征可包括上市公司、非上市公司等。可以通过采集这些企业信息根据预定的分类打分标准对企业的风险传导系数进行打分作为量化的风险值，例如，企业破产的风险值可以为90分，投诉事件的风险值可以为30分。类似地，可以与上述过程相似地提取被传导企业的风险数据，该被传导企业的风险数据可用于确定下面将描述的风险传导系数。

通过获取的企业信息，另一方面可以确定传导企业和被传导企业之间风险传导系数。该风险传导系数可以表征被传导企业受到传导企业相关的风险事件传导的影响程度，用于将传导企业的风险数据转化为被传导企业的风险传导值。

风险传导系数可以包括但不限于免疫系数、衰减系数、配对系数、时间衰减系数和企业之间的多关系权重系数。

这里，免疫系数可以通过下式来表示：

δ＝ω

其中，ω

衰减系数可具有高斯衰减函数的形式，具体来说，衰减系数可以通过下式来表示：

其中，δ为免疫系数，σ为高斯衰减函数的标准差。

配对系数可以通过免疫系数来获得，具体来说，配对系数可以通过下式来表示：

其中，From_δ和To_δ分别代表在从传导企业到被传导企业之间的传导过程中所涉及的各企业的免疫系数，所涉及的各企业可以是传导企业和被传导企业之间的关联路径上的企业。

时间衰减系数可以表示为风险源的指数型时间波动因子函数，其具体可以通过下式来表示：

其中，δ为免疫系数函数，ΔT(ξ)是风险的传播窗口，ξ表示风险源的类型，其可以为根据风险源的类型的预设值，t表示时间，k是预设的超参数，其表示风险在传导过程中随时间变化波动趋势的陡峭程度。

这里，ΔT(ξ)仅与ξ有关，与风险源(例如，传导企业)自身的风险严重程度、传导时间以及其他传导因素均无关。ΔT(ξ)可以通过下式来表示：

ΔT(ξ)＝t

其中，t

企业之间的多关系权重系数可表示企业之间的多维关系，其可通过引入多维关系下的现有的风险微观传播模型和关系适应度来建立超网络结构体系，并且将多维复合关系映射到单一维度下，使其综合影响程度趋于特定的临界值，从而得到多关系权重系数。

如上所述，由于风险传导系数来源于传导企业和被传导企业的企业信息，而目前对企业信息从定性到定量的转化过程可通过专家法或经验法来进行，因此，所得到的风险传导系数可能会过度依赖于专家行为或专家经验，当风险传导系数不准确时，会很大程度地影响企业风险评估的结果。

这里，以企业免疫系数为例，免疫系数是指被传导企业本身对风险事件的免疫程度。企业免疫系数是由企业特征决定的，而企业特征是依靠专家打分的方式从定性到定量进行转换。当对免疫系数的估算不准确时，在评估企业风险时，对企业抗风险能力的判断将会受到影响，进而影响最终的评估结果。

为了减少或避免专家行为或专家经验所带来的不可靠性，在步骤S2中，可以通过将置信度叠加到风险传导系数来获得置信风险传导系数。这里，置信度是指从企业信息提取的风险传导系数及所述风险数据的预定可信度。

置信度θ可以表示通过专家法或经验法对企业信息由定性到定量的转化过程中的可信度，其可以满足θ∈(0,1]。置信度θ为1可以表示专家打分的可信度完全可信，置信度θ为0可以表示专家打分的可信度为0，即，完全不可靠。一般来说，置信度θ不为0(如上面的置信度θ的取值区间所示)，但是在特定情况下，置信度θ也可为0。

作为示例，置信度可以通过加权的方式叠加到风险传导系数。

仍然以上面的企业免疫系数为例，当将免疫系数作为风险传导系数时，可以将置信度加权到免疫系数而获得置信免疫系数。因此，企业的置信免疫系数可以表示为：

置信免疫系数＝θ×免疫系数，

如此，可通过置信免疫系数来获得被传导企业的风险传导值。

这里，风险传导系数可以是通过将企业信息利用预设的专家或经验打分规则进行转化而得到的系数。以免疫系数为例，免疫系数基于预设的超参数ω

在获得置信风险传导系数后，在步骤S3中，可将置信风险传导系数和风险数据输入到预设的风险传导计算模型，通过预设的风险传导计算模型输出被传导企业的风险传导值。

具体来说，可以将置信风险传导系数和传导企业的风险数据作为预设的风险传输模型的输入量，风险传导计算模型可以基于输入量而输出预测的被传导企业的风险传导值。这里预设的风险传导计算模型可以是例如神经元模型、深度优选算法等的计算模型，但是其也可以是可用于基于企业风险数据评估企业风险的其他计算模型，在本发明中，对风险传导计算模型不作特别限制。

例如，在获得企业的置信免疫系数后，可进一步获取企业的衰减系数、配对系数、时间衰减系数以及多关系权重系数，结合上述置信免疫系数，通过下式确定被传导企业的最终风险传导值R

R

其中，R

尽管上面以免疫系数为风险传导系数为例进行了描述，但是其仅是一个示例，风险传导系数也可以为其他参数，例如，可以将与预设的根据专家或经验打分的其他系数作为风险传导系数来与置信度叠加。

在通过风险传导计算模型进行风险评估的情况下，置信度可以根据预设的风险传导计算模型的捕获率来确定。捕获率是指在预定历史时间段内实际发生风险的企业数量与通过预设的风险传导计算模型预测发生风险的企业数量之比，捕获率可以通过下式来表示：

捕获率＝实际发生风险企业数量/预测发生风险企业数量。

风险传导计算模型的捕获率可以用于衡量风险传导计算模型的最终效率。

作为示例，在通过将置信度叠加到风险传导系数获得置信风险传导系数的步骤之前，可以先通过风险传导计算模型的捕获率获得最佳置信度。这里，可以采用控制变量法来确定最佳置信度。

一般来说，控制变量法是物理学中针对多因素(多变量)问题常常采用控制因素(变量)的方法，其可以把多因素的问题变成多个单因素的问题。在控制变量法中，每一次只改变多因素中的某一个因素，而控制其余几个因素不变，从而研究被改变的这个因素对事物的影响，分别加以研究，最后再综合解决。在本发明中，置信度可以借助于控制变量法来测定，具体来说，在控制风险传导计算模型中的除了置信度θ以外的其他参数保持不变的情况下，可以分别设定不同的置信度估计值，然后利用风险传导计算模型的捕获率来衡量确定最佳的置信度值。

具体来说，首先，可以采集在预定历史时间点的多个样本企业的历史企业信息，从历史企业信息提取多个样本企业之间的历史风险传导系数及多个样本企业的历史风险数据。并且采集多个样本企业中的在预定历史时间点后的预定历史时间段内发生风险事件的实际风险企业数量。这里，历史风险传导系数可以是通过专家法或经验法确定的风险传导系数。

接着，可选取多个置信估计值，并且将多个置信估计值分别叠加到历史风险传导系数，获得与多个置信估计值对应的历史置信风险传导系数。这里，置信估计值可以按照预定间隔例如在(0,1]的范围内选取，例如，可以以0.1的间隔选取(如下表1中所示)。然后分别获得与多个置信估计值对应的多组历史风险数据。

然后，可将历史置信风险传导系数和历史风险数据输入到预设的风险传导计算模型，通过预设的风险传导计算模型输出与多个置信估计值对应的预测风险企业数量。

然后，根据实际风险企业数量和预测风险企业数量确定分别与多个置信估计值对应的捕获率，将与最大捕获率所对应的置信估计值作为置信度。

例如，以下表1为例，当置信估计值为0.5时，模型的捕获率最大。

表1：

此外，还可以通过比较设置置信度和未设置置信度两种情况下的模型捕获率来表征本发明的方法对风险评估准确度的提升，例如，可以通过捕获率提升度来表示，捕获率提升度可以表示为：

通过在实际示例性的应用中的验证，在风险传导评估过程，捕获率提升度可达到1.13％，总体上提升了0.13个百分点。

通过比较设置置信度和未设置置信度两种情况下的模型捕获率，可以看出，在设置置信度后，模型的捕获率得到提升，这表明风险传导评估的精准度得到提高，进而减少或避免了由于专家打分差异而带来的误差。

利用本发明的方法，通过增设置信度，可以利用采集的企业信息实现自动计算过程，减少或避免由于专家打分差异而导致的人为误差，提高风险评估结果的精准度。此外，由于可以通过置信度来保证风险评估结果的可靠性，因此该方法的应用范围可更广泛，对于不同应用场景的适应性和可协调性更强。

本发明的另一方面涉及一种利用置信度评估企业风险的装置。图2示出了根据本发明的示例性实施例的利用置信度评估企业风险的装置的示意框图。

如图2所示，根据本发明的示例性实施例的利用置信度评估企业风险的装置可以包括获取单元100、处理单元200和评估单元300。

获取单元100可以采集传导企业和被传导企业的企业信息，并且从企业信息提取传导企业和被传导企业的风险数据并确定传导企业和被传导企业之间的风险传导系数，其中，风险传导系数是指被传导企业受到传导企业相关的风险事件传导的影响系数。

处理单元200可以通过将置信度叠加到风险传导系数获得置信风险传导系数，其中，置信度是指从企业信息提取的风险传导系数及风险数据的预定可信度。

评估单元300可以将置信风险传导系数和风险数据输入到预设的风险传导计算模型，通过预设的风险传导计算模型输出被传导企业的风险传导值。该风险传导计算模型可以预选存储于评估单元300中或者也可从其他外部电子存储装置被评估单元300调用。

作为示例，置信度可以根据预设的风险传导计算模型的捕获率来确定，捕获率是指在预定历史时间段内实际发生风险的企业数量与通过预设的风险传导计算模型预测发生风险的企业数量之比。

具体来说，处理单元200可以采集在预定历史时间点的多个样本企业的历史企业信息，从历史企业信息提取多个样本企业之间的历史风险传导系数及多个样本企业的历史风险数据，并且采集多个样本企业中的在预定历史时间点后的预定历史时间段内发生风险事件的实际风险企业数量。

处理单元200还可以选取多个置信估计值，并且将多个置信估计值分别叠加到历史风险传导系数，获得与多个置信估计值对应的历史置信风险传导系数。

接着，处理单元200可以将历史置信风险传导系数和历史风险数据输入到预设的风险传导计算模型，通过预设的风险传导计算模型输出与多个置信估计值对应的预测风险企业数量。

如此，处理单元200可以根据实际风险企业数量和预测风险企业数量确定分别与多个置信估计值对应的捕获率，将与最大捕获率所对应的置信估计值作为置信度。

获取单元100、处理单元200和评估单元300可执行的机器可读指令可以执行如上述图1所示的方法实施例中的利用置信度评估企业风险的方法的步骤，具体实现方式可参见上面描述的方法实施例，在此不再赘述。

本发明实施例还提供一种电子设备，电子设备包括处理器和存储器。存储器存储有计算机程序。当计算机程序被处理器执行时，电子设备可以执行如上述图1所示的方法实施例中的利用置信度评估企业风险的方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

本发明实施例还提供一种存储有计算机程序的计算机可读存储介质，当计算机程序被执行(例如，被处理器执行)时可以执行如上述图1所示的方法实施例中的利用置信度评估企业风险的方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

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，可以通过其他的方式实现。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，又例如，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。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

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。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品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设备(可以是个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，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。

根据本发明的利用置信度评估企业风险的方法、装置及电子设备，可以通过增设置信度来减少或避免由于专家打分差异而导致的企业信息由定性到定量转化过程中的误差，提高风险评估的精准度。

此外，根据本发明的利用置信度评估企业风险的方法、装置及电子设备，可以通过风险传导计算模型的捕获率确定置信度，从而可以获得最佳置信度，进一步提高风险评估的精准度。

此外，根据本发明的利用置信度评估企业风险的方法、装置及电子设备，由于对专家打分差异引起的误差进行了系统的规避，因此本发明的应用范围可更广泛，对于不同应用场景的适应性和可协调性更强。

最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。