一种确定信用风险级别的方法和装置

摘要

本申请实施例提供一种确定信用风险级别的方法和装置，该方法包括：构建信用度量空间，其中，信用度量空间中信用主体间的距离为担保网络中对应信用主体间的最近距离；利用密度聚类算法对信用度量空间中的信用主体进行聚类，以得到至少一个群体；获取至少一个群体中每个群体内信用主体间的担保金额的总和；根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别。本申请实施例基于担保网络建立信用度量空间，以及在信用度量空间中可对信用主体进行聚类，并可识别群体的信用风险级别，从而解决了现有技术中存在着的无法识别群体的信用风险的问题。

说明书

技术领域

本申请涉及计算机技术领域，尤其涉及一种确定信用风险级别的方法和装置。

背景技术

随着计算机和互联网技术的发展，越来越多的业务通过网络来实现，例如商品交易、钱款支付或者金融借贷等。然而，在许多业务的执行和处理中，如果不对申请用户的信用风险进行评估，就很可能带来较大风险。

目前，现有的信用风险的识别方法是通过抓取用户的消费、存款和借贷等信息，并利用上述信息提取用户的信用特征向量，最后利用信用特征向量对用户的风险进行识别。其中，信用特征向量既可以通过传统的特征工程来提取，也可以在信用网络关系基础上使用图像神经网络(Graph Neural Network，GNN)来提取。

虽然现有的信用风险的识别方法能够确定单个信用用户的信用风险，但是，其无法识别群体的信用风险。并且，由于通过分析群体的信用风险能够确定造成信用风险的成因及其趋势等，因此，群体的信用风险的确定是十分必要的。

发明内容

本申请实施例的目的在于提供一种确定信用风险级别的方法和装置，以解决现有技术中存在着的无法识别群体的信用风险的问题。

第一方面，本申请实施例提供了一种信用风险级别的方法，该方法包括：构建信用度量空间，其中，信用度量空间中信用主体间的距离为担保网络中对应信用主体间的最近距离；利用密度聚类算法对信用度量空间中的信用主体进行聚类，以得到至少一个群体；获取至少一个群体中每个群体内信用主体间的担保金额的总和；根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别。

因此，本申请实施例基于担保网络建立信用度量空间，以及在信用度量空间中可对信用主体进行聚类，并可识别群体的信用风险级别，从而解决了现有技术中存在着的无法识别群体的信用风险的问题。

在一个可能的实施例中，信用风险级别包括第一信用风险等级和第二信用风险等级，第一信用风险等级对应的信用风险高于第二信用风险等级对应的信用风险；其中，根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别，包括：在当前群体内信用主体间的担保金额的总和大于等于预设担保金额的情况下，确定当前群体的信用风险级别为第一信用风险等级。

因此，在当前群体内信用主体间的担保金额的总和大于等于预设担保金额的情况下，能够精准地确定当前群体的信用风险级别为第一信用风险等级。

在一个可能的实施例中，根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别，还包括：在当前群体内信用主体间的担保金额的总和小于预设担保金额的情况下，确定当前群体的信用风险级别为第二信用风险等级。

因此，在当前群体内信用主体间的担保金额的总和小于预设担保金额的情况下，能够精准地确定当前群体的信用风险级别为第二信用风险等级。

在一个可能的实施例中，在信用度量空间中添加有新增信用主体的情况下，方法还包括：

利用邻近算法确定新增信用主体对应的群体，其中，新增信用主体和信用度量空间中其他信用主体间的距离为担保网络中新增信用主体到担保网络中其他信用主体的最近距离；将新增信用主体对应的群体的信用风险级别作为新增信用主体的信用风险级别。

因此，本申请实施例不仅可以确定群体的信用风险级别，还可确定新增信用主体的信用风险级别。

在一个可能的实施例中，担保网络中对应信用主体间的最近距离是通过如下公式来确定的：

其中，v

因此，借助于上述技术方案，本申请实施例能够精准地确定信用主体间的最近距离。

第二方面，本申请实施例提供了一种确定信用风险级别的装置，该装置包括：构建模块，用于构建信用度量空间，其中，信用度量空间中信用主体间的距离为担保网络中对应信用主体间的最近距离；聚类模块，用于利用密度聚类算法对信用度量空间中的信用主体进行聚类，以得到至少一个群体；获取模块，用于获取至少一个群体中每个群体内信用主体间的担保金额的总和；第一确定模块，用于根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别。

在一个可能的实施例中，信用风险级别包括第一信用风险等级和第二信用风险等级，第一信用风险等级对应的信用风险高于第二信用风险等级对应的信用风险；

第一确定模块，具体用于在当前群体内信用主体间的担保金额的总和大于等于预设担保金额的情况下，确定当前群体的信用风险级别为第一信用风险等级。

在一个可能的实施例中，第一确定模块，具体用于在当前群体内信用主体间的担保金额的总和小于预设担保金额的情况下，确定当前群体的信用风险级别为第二信用风险等级。

在一个可能的实施例中，在信用度量空间中添加有新增信用主体的情况下，装置还包括：

第二确定模块，用于：利用邻近算法确定新增信用主体对应的群体，其中，新增信用主体和信用度量空间中其他信用主体间的距离为担保网络中新增信用主体到担保网络中其他信用主体的最近距离；将新增信用主体对应的群体的信用风险级别作为新增信用主体的信用风险级别。

在一个可能的实施例中，担保网络中对应信用主体间的最近距离是通过如下公式来确定的：

其中，v

第三方面，本申请实施例提供了一种存储介质，该存储介质上存储有计算机程序，该计算机程序被处理器运行时执行第一方面或第一方面的任一可选的实现方式所述的方法。

第四方面，本申请实施例提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当所述电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行第一方面或第一方面的任一可选的实现方式所述的方法。

第五方面，本申请提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行第一方面或第一方面的任意可能的实现方式中的方法。

为使本申请实施例所要实现的上述目的、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申请实施例的技术方案，下面将对本申请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申请的某些实施例，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示出了本申请实施例提供的一种确定信用风险级别的方法的流程图；

图2示出了本申请实施例提供的一种确定信用风险级别的方法的具体流程图；

图3示出了本申请实施例提供的一种确定信用风险级别的装置的结构框图；

图4示出了本申请实施例提供的一种电子设备的结构框图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

为了解决现有技术中存在的无法确定群体的信用风险的问题，本申请实施例通过构建信用度量空间，其中，信用度量空间中信用主体间的距离为担保网络中对应信用主体间的最近距离，随后利用密度聚类算法对信用度量空间中的信用主体进行聚类，以得到至少一个群体，随后获取至少一个群体中每个群体内信用主体间的担保金额的总和，最后根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别。

因此，本申请实施例基于担保网络建立信用度量空间，以及在信用度量空间中可对信用主体进行聚类，并可识别群体的信用风险级别。

此外，在确定群体的信用风险级别后，后续还可通过分析群体的信用风险级别来确定造成信用风险的成因及其趋势等。

为了便于理解本申请实施例，下面对本申请实施例中的一些术语进行解释如下：

“担保网络”：它是由发生担保业务的对象

例如，在担保网络包含有A、B、C和D四个对象的情况下，对象A为对象B进行担保，对象B为对象C进行担保，对象C为对象D进行担保，则n为4，m为3。

“信用主体之间的最近距离”：设v

其中，ρ(v

“信用度量空间”：它在数学中是指一个集合，并且该集合中的任意信用主体之间的距离是可定义的。同时，在担保网络(v,e)中，定义两个信用主体之间的最近距离ρ为网络中两个信用主体之间的距离(或者度量)，从而可在担保网络上定义一个度量空间，并可将该度量空间称为信用度量空间，即信用度量空间可记为(v,e,ρ)。

此外，信用度量空间也具备度量空间的特点，即信用度量空间也具有正定性、对称性和三角不等式的特点。

请参见图1，图1示出了本申请实施例提供的一种确定信用风险级别的方法的流程图。应理解，图1所示的方法可以由确定信用风险级别的装置执行，该装置可以与下文中的图3所示的装置对应，该装置可以是能够执行该方法的各种设备，例如，如个人计算机、服务器或网络设备等，本申请实施例并不限于此。具体地，该方法包括如下步骤：

步骤S110，构建信用度量空间。其中，信用度量空间中信用主体间的距离为担保网络中对应信用主体间的最近距离。

应理解，构建信用度量空间的具体过程可根据实际需求来进行设置，本申请实施例并不局限于此。

例如，在定义信用主体之间的最近距离的公式的情况下，可利用迪杰斯特拉算法(或者，Dijkstra算法)计算担保网络中所有信用主体之间的最近距离，从而可构成信用度量空间。

还应理解，信用主体可以是企业，也可以是个人等。

还应理解，信用主体还可称为节点，也可以称为对象等。

为了便于理解本申请实施例，下面通过具体的实施例来进行描述。

具体地，在担保网络中所有信用主体和信用度量空间中所有信用主体一致的情况下，可计算担保网络中所有信用主体之间的最近距离，并可最近距离作为信用度量空间中对应的信用主体之间的距离。

这里需要说明的是，本申请实施例是在假设担保网络是连通的情况下进行的，即若担保网络中两个信用主体之间连通(例如，无需通过其他信用主体直接连通或者通过其他信用主体实现间接连通)，则这两个信用主体之间的最近距离是以能够实现连通的最近距离为准；若担保网络中两个信用主体之间不连通，则这两个信用主体之间的最近距离可为无穷大。

步骤S120，利用密度聚类算法对信用度量空间中的信用主体进行聚类，以得到至少一个群体。

应理解，密度聚类算法的具体算法可根据实际需求来进行设置，本申请实施例并不局限于此。

例如，密度聚类算法可以为具有噪声应用的基于密度的空间聚类(Density-BasedSpatial Clustering of Application with Noise，DBSCAN)算法。

还应理解，在密度聚类算法为DBSCAN密度聚类算法的情况下，DBSCAN密度聚类算法的参数可根据实际需求来进行设置，本申请实施例并不局限于此。

例如，在DBSCAN密度聚类算法的参数包括扫描半径和最小包含点数的情况下，则可根据实际需求来设置扫描半径和最小包含点数。

步骤S130，获取至少一个群体中每个群体内信用主体间的担保金额的总和。

应理解，获取至少一个群体中每个群体内信用主体间的担保金额的总和过程可根据实际需求来进行设置，本申请实施例并不局限于此。

例如，在某个群体包含A、B、C和D这四个对象以及对象A为对象B担保10万以及对象B为对象C担保2万以及对象C为对象D担保5万，则该群体的担保金额的总和为17万。

步骤S140，根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别。

应理解，信用风险级别所包含的信用风险等级可根据实际需求来进行设置，本申请实施例并不局限于此。

例如，信用风险级别包括第一信用风险等级和第二信用风险等级，第一信用风险等级对应的信用风险高于第二信用风险等级对应的信用风险。

这里需要说明的是，第一信用风险等级可称为高风险，第二信用风险等级可称为低风险。

还应理解，根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别的具体过程可根据实际需求来进行设置，本申请实施例并不局限于此。

例如，在信用风险级别包括第一信用风险等级和第二信用风险等级的情况下，若当前群体内信用主体间的担保金额的总和大于等于预设担保金额，则确定当前群体的信用风险级别为第一信用风险等级；若当前群体内信用主体间的担保金额的总和小于预设担保金额，确定当前群体的信用风险级别为第二信用风险等级。

也就是说，可遍历所有群体，并统计所有群体内信用主体之间的担保金额总和，如果担保金额的总和大于等于预设担保金额，则对应的群体的信用风险级别为第一信用风险等级，否则为第二信用风险等级。

还应理解，预设担保金额的具体值可根据实际需求来进行设置，本申请实施例并不局限于此。

此外，由于每个群体是由多个信用主体构成的，从而在确定当前群体的信用风险级别后，可将当前群体的信用风险级别作为当前群体所包含的多个信用主体的信用风险级别，即信用主体的信用风险级别与对应的群体的信用风险级别是一样的。

例如，在当前群体的信用风险级别为第一信用风险等级且当前群体包括第一信用主体的情况下，则第一信用主体的信用风险级别为第一信用风险等级。

因此，本申请实施例在获取到群体的信用风险级别的同时，还可以获取对应的群里中信用主体的信用风险级别。

另外，由于担保网络中的信用主体是不断更新的，本申请实施例可按照也可对群体的信用风险级别进行不断的更新。

例如，在删除了信用度量空间(或者担保网络)中的预设数量的信用主体的情况下，可依次按照步骤S110至步骤S140对群体的信用风险级别进行更新。

再例如，在信用度量空间(或者担保网络)中添加有新增信用主体的情况下，利用邻近算法确定新增信用主体对应的群体，其中，新增信用主体和信用度量空间中其他信用主体间的距离为担保网络中新增信用主体到担保网络中其他信用主体的最近距离，随后将新增信用主体对应的群体的信用风险级别作为新增信用主体的信用风险级别。

也就是说，可将新增信用主体放入到担保网络中，并计算新增信用主体到担保网络中其他信用主体的最近距离，并将最近距离作为信用度量空间中新增信用主体到信用度量空间中其他信用主体的距离。随后，可利用邻近算法确定新增信用主体对应的群体，并将新增信用主体对应的群体的信用风险级别作为新增信用主体的信用风险级别。

应理解，邻近算法也可以称为k最邻近分类算法。

因此，本申请实施例可基于担保网络建立信用度量空间，以及在信用度量空间中可对信用主体进行聚类，并可识别群体的信用风险级别和新增信用主体的信用风险级别。

同时，相较于现有的信用风险的识别方法，本申请实施例提出了建立信用度量空间，不需要提取信用主体的信用特征向量，并可利用密度聚类算法就可以无监督的识别信用主体的风险，还能发现信用群体的风险，并具有很好的可解释性。

为了便于理解本申请实施例，下面通过具体的实施例来进行描述。

请参见图2，图2示出了本申请实施例提供的一种确定信用风险级别的方法的具体流程图。如图2所示的方法包括：

步骤S210，构建信用度量空间。

步骤S220，对信用度量空间中的信用主体进行聚类。

步骤S230，识别各个群体的信用风险级别。

步骤S240，对新增信用主体进行分类，把其归入到对应的群体中。

步骤S250，根据信用主体所对应群体的信用风险级别确定该信用主体的信用风险级别。

应理解，上述确定信用风险级别的方法仅是示例性的，本领域技术人员根据上述的方法可以进行各种变形，该变形之后的方案也属于本申请的保护范围。

请参见图3，图3示出了本申请实施例提供的一种确定信用风险级别的装置300的结构框图，应理解，该装置300能够执行上述方法实施例中的各个步骤，该装置300具体的功能可以参见上文中的描述，为避免重复，此处适当省略详细描述。装置300包括至少一个能以软件或固件(firmware)的形式存储于存储器中或固化在装置300的操作系统(operatingsystem，OS)中的软件功能模块。具体地，该装置300包括：

构建模块310，用于构建信用度量空间，其中，信用度量空间中信用主体间的距离为担保网络中对应信用主体间的最近距离；聚类模块320，用于利用密度聚类算法对信用度量空间中的信用主体进行聚类，以得到至少一个群体；获取模块330，用于获取至少一个群体中每个群体内信用主体间的担保金额的总和；第一确定模块340，用于根据每个群体内信用主体间的担保金额的总和，确定每个群体的信用风险级别。

在一个可能的实施例中，信用风险级别包括第一信用风险等级和第二信用风险等级，第一信用风险等级对应的信用风险高于第二信用风险等级对应的信用风险；

第一确定模块340，具体用于在当前群体内信用主体间的担保金额的总和大于等于预设担保金额的情况下，确定当前群体的信用风险级别为第一信用风险等级。

在一个可能的实施例中，第一确定模块340，具体用于在当前群体内信用主体间的担保金额的总和小于预设担保金额的情况下，确定当前群体的信用风险级别为第二信用风险等级。

在一个可能的实施例中，在信用度量空间中添加有新增信用主体的情况下，装置还包括：

第二确定模块(未示出)，用于：利用邻近算法确定新增信用主体对应的群体，其中，新增信用主体和信用度量空间中其他信用主体间的距离为担保网络中新增信用主体到担保网络中其他信用主体的最近距离；将新增信用主体对应的群体的信用风险级别作为新增信用主体的信用风险级别。

在一个可能的实施例中，担保网络中对应信用主体间的最近距离是通过如下公式来确定的：

其中，v

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，上述描述的装置的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

请参见图4，图4示出了本申请实施例提供的一种电子设备400的结构框图，如图4所示，电子设备400可以包括处理器410、通信接口420、存储器430和至少一个通信总线440。其中，通信总线440用于实现这些组件直接的连接通信。其中，本申请实施例中设备的通信接口420用于与其他节点设备进行信令或数据的通信。处理器410可以是一种集成电路芯片，具有信号的处理能力。上述的处理器410可以是通用处理器，包括中央处理器(CentralProcessing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器410也可以是任何常规的处理器等。

存储器430可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-OnlyMemory，PROM)，可擦除只读存储器(Erasable Programmable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory，EEPROM)等。存储器430中存储有计算机可读取指令，当所述计算机可读取指令由所述处理器410执行时，电子设备400可以执行上述方法实施例涉及的各个步骤。

电子设备400还可以包括存储控制器、输入输出单元、音频单元、显示单元8。

所述存储器430、存储控制器、处理器410、外设接口、输入输出单元、音频单元、显示单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通信总线440实现电性连接。所述处理器410用于执行存储器430中存储的可执行模块，例如电子设备400包括的软件功能模块或计算机程序。并且，电子设备400用于执行下述方法：构建信用度量空间，其中，所述信用度量空间中信用主体间的距离为担保网络中对应信用主体间的最近距离；利用密度聚类算法对所述信用度量空间中的信用主体进行聚类，以得到至少一个群体；获取所述至少一个群体中每个群体内信用主体间的担保金额的总和；根据所述每个群体内信用主体间的担保金额的总和，确定所述每个群体的信用风险级别。

输入输出单元用于提供给用户输入数据实现用户与所述服务器(或本地终端)的交互。所述输入输出单元可以是，但不限于，鼠标和键盘等。

音频单元向用户提供音频接口，其可包括一个或多个麦克风、一个或者多个扬声器以及音频电路。

显示单元在所述电子设备与用户之间提供一个交互界面(例如用户操作界面)或用于显示图像数据给用户参考。在本实施例中，所述显示单元可以是液晶显示器或触控显示器。若为触控显示器，其可为支持单点和多点触控操作的电容式触控屏或电阻式触控屏等。支持单点和多点触控操作是指触控显示器能感应到来自该触控显示器上一个或多个位置处同时产生的触控操作，并将该感应到的触控操作交由处理器进行计算和处理。显示单元可以显示处理器410执行各个步骤的执行结果。

输入输出单元用于提供给用户输入数据实现用户与处理终端的交互。所述输入输出单元可以是，但不限于，鼠标和键盘等。

可以理解，图4所示的结构仅为示意，所述电子设备400还可包括比图4中所示更多或者更少的组件，或者具有与图4所示不同的配置。图4中所示的各组件可以采用硬件、软件或其组合实现。

本申请还提供一种计算机介质，该计算机介质上存储有计算机程序，该计算机程序被处理器运行时执行方法实施例所述的方法。

本申请还提供一种计算机程序产品，所述计算机程序产品在计算机上运行时，使得计算机执行方法实施例所述的方法。

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，上述描述的系统的具体工作过程，可以参考前述方法中的对应过程，在此不再过多赘述。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请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)执行本申请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(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。