基于大数据的资金规划推荐方法、装置、设备和存储介质

摘要

本申请提供一种基于大数据的资金规划推荐方法、装置、设备和存储介质，方法包括：获得具有留学意向的用户的留学意向需求；其中，留学意向需求包括计划入学年份、计划留学国家、计划留学阶段、学校性质；利用基于资金规划大数据预先构建的聚类算法，对资金规划需求进行分析，以在各个规划方案中筛选出多个备选规划方案；利用分类决策树算法，从多个备选规划方案中确定出一个待推荐规划方案，并向用户推送待推荐规划方案的详细方案信息。本方案利用聚类算法和分类决策树算法，实现了留学资金规划的智能推荐，提高了留学资金规划服务的效率。

说明书

技术领域

本发明涉及大数据技术领域，特别涉及一种基于大数据的资金规划推荐方法、装置、设备和存储介质。

背景技术

随着社会的发展，出国留学将逐步常态化、平民化。针对这一情况，商业银行提供了针对留学的留学资金规划服务。在留学资金规划服务中，银行会预先建立多套资金规划方案，任一有留学需求的客户可以向银行描述其具体的留学需求，然后由银行业务员在多种资金规划方案中筛选合适的方案提供给客户。

然而银行设置的资金规划方案的数量较多，完全依赖业务员人工筛选耗时较长，导致目前的留学资金规划服务的服务效率较低，客户需要很长时间才能获得银行推荐的合适的资金规划方案。

发明内容

针对上述现有技术存在的问题，本申请提供一种基于大数据的资金规划推荐方法、装置、设备和存储介质，以提高留学资金规划服务的服务效率。

本申请第一方面提供一种基于大数据的资金规划推荐方法，包括：

获得具有留学意向的用户的留学意向需求；其中，所述留学意向需求包括计划入学年份、计划留学国家、计划留学阶段、学校性质；

利用基于资金规划大数据预先构建的聚类算法，对所述资金规划需求进行分析，以在各个规划方案中筛选出多个备选规划方案；

利用分类决策树算法，从所述多个备选规划方案中确定出一个待推荐规划方案，并向所述用户推送所述待推荐规划方案的详细方案信息。

可选的，所述向所述用户推送所述待推荐规划方案的详细方案信息之后，还包括：

获得所述用户的资产信息和风险等级；

根据所述资产信息，所述风险等级，以及所述待推荐规划方案的详细方案信息，生成投资建议。

可选的，所述利用分类决策树算法，从所述多个备选规划方案中确定出一个待推荐规划方案，包括：

利用由多个备选规划方案组成的训练数据集构建一个分类决策树；

利用验证数据集对所述分类决策树进行剪枝操作，从而在多个备选规划方案中确定出一个待推荐规划方案；其中，所述验证数据集包括多个已实施的规划方案以及用户对所述已实施的规划方案的评价。

本申请第二方面提供一种基于大数据的资金规划推荐装置，包括：

获得单元，用于获得具有留学意向的用户的留学意向需求；其中，所述留学意向需求包括计划入学年份、计划留学国家、计划留学阶段、学校性质；

分析单元，用于利用基于资金规划大数据预先构建的聚类算法和分类决策树，对所述资金规划需求进行分析，以在各个规划方案中筛选出多个备选规划方案；

推送单元，利用分类决策树算法，从所述多个备选规划方案中确定出一个待推荐规划方案，并向所述用户推送所述待推荐规划方案的详细方案信息。

可选的，所述装置还包括生成单元，用于：

获得所述用户的资产信息和风险等级；

根据所述资产信息，所述风险等级，以及所述待推荐规划方案的详细方案信息，生成投资建议。

可选的，所述推送单元利用分类决策树算法，从所述多个备选规划方案中确定出一个待推荐规划方案时，具体执行：

利用由多个备选规划方案组成的训练数据集构建一个分类决策树；

利用验证数据集对所述分类决策树进行剪枝操作，从而在多个备选规划方案中确定出一个待推荐规划方案；其中，所述验证数据集包括多个已实施的规划方案以及用户对所述已实施的规划方案的评价。

本申请第三方面提供一种计算机存储介质，用于存储计算机程序，所述计算机程序被执行时，具体用于实现本申请第一方面任意一项所提供的基于大数据的资金规划推荐方法。

本申请第四方面提供一种电子设备，包括存储器和处理器；

其中，所述存储器用于存储计算机程序；

所述处理器用于执行所述计算机程序，具体用于实现本申请第一方面任意一项所提供的基于大数据的资金规划推荐方法。

本申请提供一种基于大数据的资金规划推荐方法、装置、设备和存储介质，方法包括：获得具有留学意向的用户的留学意向需求；其中，留学意向需求包括计划入学年份、计划留学国家、计划留学阶段、学校性质；利用基于资金规划大数据预先构建的聚类算法，对资金规划需求进行分析，以在各个规划方案中筛选出多个备选规划方案；利用分类决策树算法，从多个备选规划方案中确定出一个待推荐规划方案，并向用户推送待推荐规划方案的详细方案信息。本方案利用聚类算法和分类决策树算法，实现了留学资金规划的智能推荐，提高了现有的留学资金规划服务的效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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的前提下，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供的一种基于大数据的资金规划推荐方法的流程图；

图2为本申请实施例提供的一种跨境留学资金规划咨询系统的组成结构示意图；

图3为本申请提供的跨境留学资金规划咨询系统的工作流程的示意图；

图4为本申请实施例提供的一种基于大数据的资金规划推荐装置的结构示意图；

图5为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，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。

首先简要介绍本申请可能涉及的术语。

大数据：一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。

分类决策树(Classification and Regression Trees，CART)：是一种决策树分类方法，采用基于最小距离的基尼指数估计函数，用于决定由该子数据集生成的决策树的拓展形。如果目标变量是标称的，称为分类树。

小批量K均值聚类算法(Mini BatchK-Means:K-Means)：按照样本之间的距离大小，将样本集划分为K个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。Mini Batch K-Means用样本集中的一部分的样本做K-Means，这样可以避免样本量太大时的计算难题，算法收敛速度大大加快。

如今，出国留学已不再是精英阶层的特权，越来越多普通家庭的孩子走出国门，出国留学将逐步常态化、平民化。商业银行的无法掌握子女的留学计划大致费用情况，并不能直观具体了解孩子计划入学学份、计划留学国家、计划留学阶段、学校性质。在留学中介服务机构咨询各个国家学校情况，花费大量人力和物力。本专利提供一种基于大数据技术的跨境留学资金规划咨询系统，可以智能测算展示留学所需各项费用项目及预估总费用区间，引导提前进行资金规划，使得跨境留学资金规划服务流程更加高效。

本申请第一方面提供一种基于大数据的资金规划推荐方法，请参考图1，该方法可以包括：

S101、获得具有留学意向的用户的留学意向需求。

其中，留学意向需求包括计划入学年份、计划留学国家、计划留学阶段、学校性质。

S102、利用基于资金规划大数据预先构建的聚类算法，对资金规划需求进行分析，以在各个规划方案中筛选出多个备选规划方案。

S103、利用分类决策树算法，从多个备选规划方案中确定出一个待推荐规划方案。

S104、向用户推送待推荐规划方案的详细方案信息。

其中，一个待推荐规划方案详细方案信息可以包括：

用户基于当前的留学意向需求留学时，每一年度预估花费的总费用，以及预估的这些总费用的使用情况。例如，待推荐资金规划方案中可能包括，按当前留学意向需求留学时，每一年度预估总计花费X元，其中X1元为该年度的学费，X2元为该年度的住宿费，X3元为该年度的交通费用，X4元为该年度的饮食费用，X1至X4后等于X。

可选的，在执行步骤S104之后，即向用户推送待推荐规划方案的详细方案信息之后，本实施例所提供方法还可以包括如下步骤：

获得用户的资产信息和风险等级；

根据资产信息，风险等级，以及待推荐规划方案的详细方案信息，生成投资建议。

可选的，步骤S103，即利用分类决策树算法，从多个备选规划方案中确定出一个待推荐规划方案的具体实现方式，可以是：

利用由多个备选规划方案组成的训练数据集构建一个分类决策树；

利用验证数据集对分类决策树进行剪枝操作，从而在多个备选规划方案中确定出一个待推荐规划方案；其中，验证数据集包括多个已实施的规划方案以及用户对已实施的规划方案的评价。

上述实施例所提供的基于大数据的资金规划推荐方法，可以由一个预先建立的计算机系统执行，该系统可以称为跨境留学资金规划咨询系统，如图2所示，该系统具体可以包括数据获取模块，数据存储模块，数据分析和模型预测模块，以及信息显示模块。

下面对上述各个步骤的具体实现方式进行说明：

在步骤S101中，留学意向需求可以由用户通过多种方式输入。例如，用户可以登陆跨境留学资金规划咨询系统提供的意向需求输入页面，然后基于页面中的提示，输入具体的留学意向需求。

或者用户也可以与跨境留学资金规划咨询系统的智能客服(一种模拟人工客服的计算机软件)对话，智能客服通过分析用户的对话内容，确定出用户的留学意向需求。

在步骤S102中，聚类算法的执行过程可以是：

跨境留学资金规划咨询系统收集一批资金规划大数据，一批资金规划大数据中，包含过去一段时间内(如可以是过去一年内)多个用户的留学意向需求，以及跨境留学资金规划咨询系统为这些用户推荐的待推荐资金规划。

比如，一批资金规划大数据可以包括过去一年内1000个用户输入的留学意向需求(不妨记为历史留学意向需求)，以及跨境留学资金规划咨询系统为这1000个用户推荐的待推荐规划方案。

然后，跨境留学资金规划咨询系统可以采用Mini Batch K-Means算法对这批大数据中的1000份历史留学意向需求进行聚类，将这1000份历史留学意向需求划分为K个类簇(K是预设的正整数，如可以设定为10)。

在划分类簇时，可以基于每两个历史留学意向需求之间的相似度进行划分。具体的，可以针对每一份留学意向需求，根据这份留学意向需求包含的计划入学年份、计划留学国家、计划留学阶段、学校性质等数据，生成一个表征这份历史留学意向需求的特征向量，对于每两个历史留学意向需求，可以计算这两个历史留学意向需求的特征向量之间的余弦相似度，若这两个历史留学意向需求的特征向量的余弦相似度大于一定的相似度阈值，就将这两个历史留学意向需求划分至同一个类簇，反之，若这两个历史留学意向需求的特征向量的余弦相似度不大于(小于或等于)相似度阈值，就将这两个历史留学意向需求划分至两个不同的类簇。

完成划分出K个类簇的步骤后，跨境留学资金规划咨询系统就可以确定当前获得的，也就是步骤S101中获得的这个留学意向需求属于K个类簇中的哪一个类簇，然后将所属的那个类簇中各个历史留学意向需求对应的待推荐规划方案确定为备选规划方案。

例如，假设步骤S101中用户输入的留学意向需求属于第4个类簇，该类簇中各个历史留学意向需求所对应的待推荐规划方案分别是资金规划方案1，资金规划方案2和资金规划方案2，于是就可以将资金规划方案1，资金规划方案2和资金规划方案2确定为本次输入的留学意向需求所对应的备选规划方案。

需要说明的是，在步骤S102中，上述聚类算法的执行过程可以执行一次或多次，当执行多次时，每一次执行时所获得的用于聚类的一批资金规划大数据均不相同，例如，第一次聚类时获得了1000份历史留学意向需求和对应的待推荐规划方案，则第二次聚类时就会获得另外的1000份历史留学意向需求和对应的待推荐规划方案，这样，每一次执行过程均会针对当前输入的留学意向需求确定出不同的备选规划方案，最后所有的备选规划方案均会进入步骤S103，通过分类决策树算法确定出其中最优的规划方案，也就是待推荐规划方案。也就是说，可以通过跑多次Mini Batch K-Means算法，确定出多个备选规划方案。

在步骤S103中，首先可以将多个备选规划方案组成一个训练数据集，然后，根据每个备选规划方案对应的年度总花费，以及在各个项目(这里的项目是指学费，住宿费，交通费用，饮食费用)上的花费对这个训练数据集进行分类，最后生成一个由该训练数据集构建的分类决策树。

其中，利用一个训练数据集构建对应的分类决策树的方法，可以参考相关的现有技术，此处不再赘述。

构建好的分类决策树包含多个叶节点，每一个叶节点均存储有上述训练数据集中的一个或多个备选规划方案。

构建好分类决策树后，可以利用验证数据集对分类决策树进行剪枝操作，从而在多个备选规划方案中确定出一个待推荐规划方案。

其中，验证数据集包括多个已实施的规划方案以及用户对已实施的规划方案的评价。

具体来说，可以收集过去一段时间内(如最近一年内)每一个已经被用户实施(采纳)的资金规划方案，以及预先记录的用户对这些已实施(采纳)的资金规划方案的评价，这里的评价可以用方案评分的方式表示，某个资金规划方案的方案评分越高，表示实施该方案的用户对其的满意度越高，反之，方案评分越低，则用户对其的满意度越低。

将前面收集到的已实施的资金规划方案和对应的评价作为验证数据集，可以对前面构建好的分类决策树进行剪枝操作。

对于一个分类决策树，进行剪枝操作是指，从该分类决策树中删除一个或多个叶节点，以及叶节点所在的分支，从而减少分类决策树中叶节点的数量。剪枝操作的具体执行过程和原理可以参考与分类决策树相关的现有技术，此处不再赘述。

在本申请中，对构建好的分类决策树的剪枝操作可以反复执行，直至分类决策树中仅剩余一个叶节点为止。当剪枝至分类决策树中仅剩一个叶节点时，可以读取该叶节点所包含的备选规划方案。

若最后剩余的这个叶节点只包含前述训练数据集中的一个备选规划方案，就可以直接将这个备选规划方案作为待推荐规划方案。

若最后剩余的这个叶节点包含前述训练数据集中的多个备选规划方案，那么，可以选择该叶节点包含的多个备选规划方案中，年度总费用最少的那个备选规划方案，作为待推荐规划方案。

在步骤S104中，跨境留学资金规划咨询系统可以通过多种形式向用户推送待推荐规划方案的详细方案信息。

其一，跨境留学资金规划咨询系统可以直接通过信息显示模块输出一个详细方案页面，页面上可以采用文字，表格和图形等多种方式展示待推荐规划方案的详细方案信息。

其二，跨境留学资金规划咨询系统可以用待推荐规划方案的详细方案信息生成一个短消息文本，然后将这个短消息文本发送至用户的手机或者其他终端设备上，由此完成详细方案信息。

最后，如前文所述，本申请所提供的方法还可以根据为用户确定的待推荐规划方案，生成对应的投资建议。

具体来说，首先可以通过多种渠道，获得该用户的资产信息，同时可以获得银行系统中为该用户评定的风险等级。

其中，用户的资产信息可以包括，该用户的存款额度，负债情况，固定资产，家庭成员，工作收入，理财收入等信息，用户的风险等级，则可以由银行系统根据用户以外的交易行为评定，比如，若该用户过去一年内频繁使用信用卡，且多次发生信用卡还款逾期，则可以将其风险等级评定为高，反之，若该用户过去一年内较少发生借贷行为，则可以将其风险等级评定为低。

最后，可以根据该用户的资产信息，风险等级，以及待推荐规划方案的详细方案信息，为该用户生成投资建议。

投资建议的具体例子可以参考下文。

本申请提供一种基于大数据的资金规划推荐方法，方法包括：获得具有留学意向的用户的留学意向需求；其中，留学意向需求包括计划入学年份、计划留学国家、计划留学阶段、学校性质；利用基于资金规划大数据预先构建的聚类算法，对资金规划需求进行分析，以在各个规划方案中筛选出多个备选规划方案；利用分类决策树算法，从多个备选规划方案中确定出一个待推荐规划方案，并向用户推送待推荐规划方案的详细方案信息。本方案利用聚类算法和分类决策树算法，实现了留学资金规划的智能推荐，提高了现有的留学资金规划服务的效率。

在本申请的其他实施例中，在系统向用户展示了待推荐规划方案的详细方案信息后，用户可以对这一待推荐规划方案进行评价，评价选项可以包括满意和不满意两种，当用户对当前的这个待推荐规划方案的评价为不满意时，系统可以再次执行如图1所述的实施例，为该用户重新确定一个待推荐规划方案。

上述实施例中，步骤S101可以由数据获取模块执行，步骤S102，步骤S103可以由数据分析和模型预测模块执行，步骤S104可以由信息显示模块执行，数据存储模块则可以用于存储执行上述方法的过程中产生的各种数据。

上述各个模块中，数据获取模块：根据的需求，跨境留学资金规划咨询系统将根据提供的计划入学学份、计划留学国家、计划留学阶段、学校性质等数据进行归类(数据整合)。获取用户咨询和资金规划各项要求内容等数据，进行收集整合动作。

数据存储模块，负责将用户咨询和资金规划各项要求内容等数据传到后台系统。

数据分析和模型预测模块：后台系统通过筛选无用数据和重复信息，重新整合有效内容和数据，形成有用数据仓库。(根据提供的计划入学学份、计划留学国家、计划留学阶段、学校性质等数据进行归类，试图找到数据的内在结构)。为了增加算法的准确性，预测模块将会跑多次Mini Batch K-Means算法，用得到不同的随机采样集来得到聚类簇。在原先的预测模型里面输入需要预测的数据，剔除相对较差的规划方案，最终得到推荐的留学资金规划方案。

信息显示模块：支付账务信息、项目相关文件以及资金规划策略都展示在APP或者跨境留学资金规划咨询系统界面。

在实际应用场景中，本申请所提供的跨境留学资金规划咨询系统的工作流程可以如图3所示：

首先，客户(即有留学需求的用户)可以在跨境留学资金规划咨询系统提出咨询请求，在跨境留学资金规划咨询系统响应后，客户反馈留学意向需求，系统录入留学意向需求，相当于前述步骤S101中的获得留学意向需求。

然后，跨境留学资金规划咨询系统根据留学意向需求确定待推荐规划方案，具体的确定方法就是前述图1所对应的实施例所介绍的方法。

在待推荐规划方案的详细方案信息向客户展示后，若客户满意，则本次咨询结束，若客户不满意待推荐规划方案，跨境留学资金规划咨询系统重新确定待推荐规划方案，也就是再次执行如图1所示的实施例，确定出一个新的待推荐规划方案，如此重复，直至确定出一个客户满意的待推荐规划方案为止。

根据用户输入的留学意向需求，跨境资金咨询系统利用Mini Batch K-Means算法和人工智能的列举法和归纳法，可以快速推算出每个的投资风险和喜好。主要包括：MiniBatch K-Means算法和CART分类算法将根据提供的计划入学学份、计划留学国家、计划留学阶段、学校性质等数据进行归类，试图找到数据的内在结构。为了增加算法的准确性，咨询系统将会跑多次Mini Batch K-Means算法，用得到不同的随机采样集来得到聚类簇，选择其中最优的聚类簇。CART分类算法通过事后剪枝方法检测训练数据中的异常，减去准确率低的未知的数据，用独立的验证数据集对训练集生长的树进行剪枝，最终得到待推荐规划方案。

例如：跨境资金咨询系统将会根据用户的年龄和需求做出初步的判断，最终结合用户给的预期效果，将方案反馈给用户。用户(大学生)输入的留学意向需求可以是，预计入学年份(2021年)、计划留学国家(英国)、计划留学阶段(3年本科)、学校性质(罗素大学集团)后，系统将会根据用户提供的需求，快速匹配系统中最符合该留学意向需求的资金规划方案，将其作为待推荐规划方案反馈给用户。

其中，一个待推荐规划方案，可以包括如下信息：

用户基于当前的留学意向需求留学时，每一年度预估花费的总费用，以及预估的这些总费用的使用情况。例如，待推荐资金规划方案中可能包括，按当前留学意向需求留学时，每一年度预估总计花费X元，其中X1元为该年度的学费，X2元为该年度的住宿费，X3元为该年度的交通费用，X4元为该年度的饮食费用，X1至X4后等于X。

跨境留学资金规划咨询系统向用户提供规划相关文件以及投资策略，主要包括：资金规划投资策略将会根据用户提供的计划入学学份、计划留学国家、计划留学阶段、学校性质等数据，智能测算展示留学所需各项费用项目、预估总费用区间、以及用户的保证金存款何时可以解冻。

支付咨询费用后，跨境留学资金规划咨询系统根据的风险等级及资产情况，给出相应投资建议；例如：用户预计2021年去伦敦大学读三年本科，计划存入1000万到银行(用户设定三年的总学费300万和生活费200万)。用户计划在伦敦投资房地产、海外置业或中行海外行金融衍生品等理财产品。系统将会根据伦敦大学官方学费和预计生活费算出剩余金额；再根据用户的高风险高回报指示，推荐购买伦敦市区内换手率较高的固定资产或中行海外行理财产品。

签订资金规划合同后，跨境留学资金规划咨询系统显示账务信息。

结合本申请实施例提供的基于大数据的资金规划推荐方法，本申请实施例还提供一种基于大数据的资金规划推荐装置，请参考图4，该装置可以包括如下单元：

获得单元401，用于获得具有留学意向的用户的留学意向需求。

其中，留学意向需求包括计划入学年份、计划留学国家、计划留学阶段、学校性质。

分析单元402，用于利用基于资金规划大数据预先构建的聚类算法和分类决策树，对资金规划需求进行分析，以在各个规划方案中筛选出多个备选规划方案。

推送单元403，利用分类决策树算法，从多个备选规划方案中确定出一个待推荐规划方案，并向用户推送待推荐规划方案的详细方案信息。

可选的，该装置还包括生成单元404，用于：

获得用户的资产信息和风险等级；

根据资产信息，风险等级，以及待推荐规划方案的详细方案信息，生成投资建议。

可选的，推送单元403利用分类决策树算法，从多个备选规划方案中确定出一个待推荐规划方案时，具体执行：

利用由多个备选规划方案组成的训练数据集构建一个分类决策树；

利用验证数据集对分类决策树进行剪枝操作，从而在多个备选规划方案中确定出一个待推荐规划方案；其中，验证数据集包括多个已实施的规划方案以及用户对已实施的规划方案的评价。

本申请实施例提供的基于大数据的资金规划推荐装置，其具体工作原理可以参考本申请任一实施例所提供的基于大数据的资金规划推荐方法，此处不再赘述。

本申请提供一种基于大数据的资金规划推荐装置，其中，获得单元401获得具有留学意向的用户的留学意向需求；其中，留学意向需求包括计划入学年份、计划留学国家、计划留学阶段、学校性质；分析单元402利用基于资金规划大数据预先构建的聚类算法，对资金规划需求进行分析，以在各个规划方案中筛选出多个备选规划方案；推送单元403利用分类决策树算法，从多个备选规划方案中确定出一个待推荐规划方案，并向用户推送待推荐规划方案的详细方案信息。本方案利用聚类算法和分类决策树算法，实现了留学资金规划的智能推荐，提高了现有的留学资金规划服务的效率。

本申请实施例还提供一种计算机存储介质，用于存储计算机程序，计算机程序被执行时，具体用于实现本申请任一实施例所提供的基于大数据的资金规划推荐方法。

本申请实施例还提供一种电子设备，请参考图5，该电子设备包括存储器501和处理器502；

其中，存储器用于存储计算机程序；

处理器用于执行计算机程序，具体用于实现本申请任一实施例所提供的基于大数据的资金规划推荐方法。

最后，还需要说明的是，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，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。

需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。