法律状态公告日
法律状态信息
法律状态
2022-05-20
公开
发明专利申请公布
技术领域
本发明涉及智能设备技术领域，尤其涉及一种基于区块链和隐私技术的求职信息匹配方法与系统。
背景技术
为避免求职简历欺诈问题，可以由求职者曾就职机构将工作经历上传至区块链，利用区块链技术有时间记录、不可更改、公开等优势，以保证简历信息可靠性，同时公司也可以通过工作经历更好地了解求职者，匹配所需员工。然而，上传详细、经认证的工作经历还有可能导致以下问题：
1）HR浏览简历信息有限，将过多的工作经历纳入简历信息很有可能造成信息冗余，埋没价值较高的信息；
2）工作经历纳入简历信息，在大量查询和信息囤积下，可能造成求职者曾经就职机构工作内容被泄露。
发明内容
本发明的目的是为了解决上述技术问题，提供一种基于区块链和隐私技术的求职信息匹配方法。
本发明的另一目的是为了提供一种基于区块链和隐私技术的求职信息匹配系统。
本发明的目的可以通过采取如下技术方案达到：
求职者与曾经所在机构双方确定简历中的工作条目及工作经历佐证，通过系统获取公钥和私钥；所述曾经所在机构为所述简历中的所述工作条目及所述工作经历佐证添加认证标签后，通过认证端发送至应聘端；所述求职者通过所述应聘端上传所述简历至区块链，选择意向第三方公司招聘端进行投递；通过预先部署于区块链的匹配算法进行所述第三方公司的招聘要求、公司标签与所述求职者的部分简历信息的初步匹配；预先部署的智能合约根据匹配评分对所有所述求职者投递的所述简历进行排序，推荐至所述招聘端；所述第三方公司从所述招聘端浏览所述简历，所述招聘端记录所述第三方公司浏览行为，进行隐私保护，并生成招聘画像提供至所述应聘端；所述应聘端向所述求职者推送工作经历安排建议，所述求职者根据需求调整所述工作经历佐证；所述智能合约提供过度查询预警服务和公司名称隐私保护服务，防止所述曾经所在机构的工作内容隐私通过所述简历泄漏。
进一步可选地，所述求职者与曾经所在机构双方确定简历中的工作条目及工作经历佐证，通过系统获取公钥和私钥，包括： 所述求职者在所述系统中注册，选择曾经所在机构并获取公钥和私钥； 所述求职者与曾经所在机构分别确定工作条目以及工作经历佐证，以初步避免公司或研究所机密信息泄露； 所述曾经所在机构，包括高校、研究所、曾经就职公司等； 所述工作条目，包括所述曾经就职机构认证标签、机构名称、职务、在职时间以及工作内容梗概； 所述工作经历佐证，包括所述工作条目下的具体工作内容、推荐信、实习证明、项目证书等，例如：某求职者的所述工作条目如下：机构名称：A咨询公司；职务：咨询师助理；工作时长：6个月；工作内容梗概：行研报告撰写、案头研究；所述工作经历佐证如下：收集并分析XX行业一级市场资料，开展针对XX公司的访谈，撰写针对XX行业的研究报告，参与XX公司的股权投资评估项目。
进一步可选地，所述所述曾经所在机构为所述简历中的所述工作条目及所述工作经历佐证添加认证标签后，通过认证端发送至应聘端，包括： 所述曾经所在机构在所述系统注册，获取认证标签； 确定后的所述工作条目与所述工作经历佐证由所述曾经所在机构附上所述认证标签，添加至所述简历，由所述认证端通过所述公钥加密上传至区块链；
所述求职者可通过所述应聘端接收所述简历，通过所述私钥解密；
所述应聘端、认证端，指本方法所采用系统分别与求职者及曾经所在机构对接的端口。
进一步可选地，所述所述求职者通过所述应聘端上传所述简历至区块链，选择意向第三方公司招聘端进行投递，包括：
所述求职者上传所述简历至区块链，并向意向第三方公司的所述招聘端投递，被上传以及被投递的简历均不显示所述工作经历佐证；
所述第三方公司在所述系统注册，获得公司标签； 所述公司标签根据所述第三方公司公开信息进行确定，内容为所述第三方公司的信息摘要，包括以下项目：公司名称、规模、行业、头衔、发展阶段，如下为一种所述公司标签的示例：名称：XX科技有限公司；规模：500人以上，行业：互联网；特殊头衔：500强公司；发展阶段：上市公司；
所述招聘端，指所述系统部署于所述第三方公司的端口，可以进行简历浏览，同时可返还所述第三方公司的查询或浏览行为至智能合约。
进一步可选地，所述通过预先部署于区块链的匹配算法进行所述第三方公司的招聘要求、公司标签与所述求职者的部分简历信息的初步匹配，包括： 基于TalentSnap开发的FitScore算法，在区块链上通过自然语言处理初步匹配所述求职者部分简历信息与招聘要求，为求职者进行百分制打分；
所述部分简历信息，包括个人信息、经过认证的所述工作条目，未经过认证的所述工作条目不参与匹配评分； 所述个人信息，指所述求职者姓名、性别、学历、期望薪资、工作经验年限、专业范围、期望工作地点。 进一步可选地，所述预先部署的智能合约根据匹配评分对所有所述求职者投递的所述简历进行排序，推荐至所述招聘端，包括： 所述智能合约将评分较高的所述简历推送至所述第三方公司：对于所述求职者已向所述第三方公司提交简历的情况，所述智能合约会对已投递简历根据所述匹配评分进行排序，再发送至所述招聘端供查看；对于所述求职者未向第三方进行投递但已上传所述简历至区块链的情况，所述智能合约会根据所述匹配评分情况和招聘人数，决定是否向所述招聘端推送，具体规则如下：若岗位招聘人数为1-n人，则未投递但已上传的简历中，若有评分可在已投递简历中排至前n名的简历，以备选的形式同步推荐至所述招聘端；
被推荐和被投递的简历均会被所述智能合约记录其所携带的所述认证标签，以所属所述曾经所在机构为单位进行统计。
进一步可选地，所述所述第三方公司从所述招聘端浏览所述简历，所述招聘端记录所述第三方公司浏览行为，进行隐私保护，并生成招聘画像提供至所述应聘端，包括：
在初步通过匹配、排序和推荐后，所述第三方公司可从所述招聘端浏览所述简历，此时所述简历将呈现所述求职者的工作经历佐证，以便第三方公司更好地了解求职者；
在积累了达到统计学数量的浏览所述求职者所述简历的所述第三方公司数量后，为所属求职者提供所述招聘画像，具体包括：
1）所述招聘画像，包括以下项目：
a. 所述第三方公司招聘要求与所述求职者的所述部份简历信息的所述匹配评分，以及各所述第三方公司总查看次数；
b. 所述第三方公司浏览所述简历的总时长，以及所述总时长在所述第三方公司浏览该岗位其他求职者简历总时长中的排名；
c. 所述第三方公司浏览所述简历所述工作条目以及所述工作经历佐证时长在浏览所述简历的总时长中的占比，若有多家有相同或相似（80%相同）所述公司标签的所述第三方公司浏览所述简历，则取平均占比；
2）为保证所述第三方公司隐私，提供所述招聘画像至所述应聘端时，遵守以下原则：
a. 所述智能合约同时收集针对所述简历进行浏览的所有所述第三方公司的所述招聘画像，并以所述公司标签代替公司名称；
b. 对2) a.中收集的所述招聘画像在本地进行基于拉普拉斯机制的差分隐私保护，再上传至区块链，发送至该所述应聘端供所述求职者查看。
进一步可选地，所述所述应聘端向所述求职者推送工作经历安排建议，所述求职者根据需求调整所述工作经历佐证的内容，包括：
基于所述招聘画像，在所述求职者向其他带相同或相近（80%以上相同）所述公司标签的所述第三方公司投递所述简历时，向所忽视求职者推送所述工作经历安排建议，提示所述求职者为浏览时间占比较高的所述工作经历条目及工作经历佐证进行星标，并可对浏览时间占比较少的所述工作经历条目下属工作经历佐证进行删减；
所述浏览时间占比较高，指浏览时间占比在所述简历上所有所述工作经历条目及所述工作经历佐证浏览时间占比可排至前50%；
所述求职者接受提醒，可自行添加星标和进行删减后重新上传简历，附在先前所述简历之后，后续针对其他带相同或相近（80%以上相同）所述公司标签的所述第三方公司投递时，以重新上传的简历为准；
所述星标，指可通过所述应聘端功能进行添加的标注，不可通过其他方式进行添加；
所述删减，只允许删除所述工作经历佐证的内容，不允许更改所述工作条目，若需要添加所述工作经历佐证的内容，则需要重新与所述曾经所在机构进行确认添加。
进一步可选地，所述智能合约提供过度查询预警服务和公司名称隐私保护服务，防止所述曾经所在机构的工作内容隐私通过所述简历泄漏，包括：
1）所述过度查询预警服务，包括以下内容：
a. 所述系统提供自主搜索服务，即除了推荐和投递的简历，所述第三方公司还可以基于岗位需求，通过所述招聘端进行其他条件设定下的简历搜索；
b. 所述智能合约将对采用所述自主搜索服务的所述第三方公司单日内所搜索简历中所述认证标签所属所述曾经所在机构进行统计；
c. 当统计结果显示单日内某所述第三方公司对于某所述曾经所在机构离职的求职者搜索量过多时，则会通过所述招聘端和所述认证端分别向某所述第三方公司和某所述曾经所在机构发送查询预警，以避免过多查询导致某所述曾经所在机构的内部信息过度泄露；所述搜索数量过多，指某所述第三方公司，采用所述自主搜索服务中搜索到的简历中包含的某所述曾经所在机构所述认证标签数量，多于被推送与被投递至某所述第三方公司的简历中某所述曾经所在机构所述认证标签数量；
d. 某所述第三方公司次日所述搜索量大于或等于发送所述查询预警当日所述搜索量，则冻结向某所述第三方公司提供的所述过度查询预警服务1个月，即当其他第三方公司对从某所述第三方公司离职的所述求职者的简历搜索数量过多时，某所述第三方公司无法收到所述查询预警。
2）所述公司名称隐私保护服务，包括以下内容：
在所述第三方公司开始浏览被投递、被推荐以及通过所述所述自主搜索服务获取的简历前，首先对于所述求职者的所述曾经所在机构以及所述第三方公司的所述公司标签根据预设规定进行比对；根据比对结果选择呈现所述工作条目及所述工作经历佐证对应的曾经所在机构名称或者所述公司标签。
所述预设规定如下：
a. 比较所述公司标签中的“行业”项目，若并非同一行业，则可呈现所述曾经所在机构的名称；
b. 若比较后为同一行业，则比较所述公司标签中的“规模”项目，若为相同规模，则不呈现所述曾经所在机构的名称，仅呈现所述公司标签；若为不同规模，则可呈现所述曾经所在机构的名称。
本发明的另一目的可以通过采取如下技术方案达到：
一种基于区块链和隐私技术的求职信息匹配系统，其特征在于，所述系统包括：
分别与所述第三方公司、所述求职者以及所述曾经所在机构相连的招聘端、认证端以及应聘端，以及部署于区块链的匹配模块以及智能合约；
所述认证端，具有与所述求职者对所述工作条目以及所述工作经历佐证进行沟通、确认、添加所述认证标签、加密并发送给所述应聘端的功能，还可接收来自区块链的所述查询预警；所述曾经所在机构在所述认证端注册后会获得所述认证标签；
所述应聘端，具有上传所述简历、接收查看所述招聘画像、为所述工作条目以及所述工作经历佐证添加所述星标、删减所述工作经历佐证的功能；所述求职者在所述应聘端注册后，会获得所述公钥和私钥；
所述招聘端，具有简历查看浏览的功能，在经过所述第三方公司同意后，可以记录所述第三方公司的浏览行为，经过隐私保护后，上传至区块链；所述第三方公司在所述招聘端注册后，会获得所述公司标签；
所述匹配模块，部署于区块链，具有通过TalentSnap所开发FitScore匹配算法匹配所述部份简历信息与所述第三方公司的招聘要求、得到匹配度评分的功能；
所述智能合约，又可分为以下模块：
1）简历推荐排序模块：主要用于对所述简历进行排序和推荐：规则如下：所述智能合约会对已投递简历根据所述匹配评分进行排序，再发送至所述招聘端供查看；若岗位招聘人数为1-n人，则未投递但已上传的简历中，若有评分可在已投递简历中排至前n名的简历，以备选的形式同步推荐至所述招聘端；
2）招聘画像推送模块：主要用于将所述招聘端上传的所述招聘画像推送至所述求职者的所述应聘端；
3）认证标签识别统计模块：主要用于被推荐和被投递的所述简历所携带的所述认证标签数量识别与统计，以所述认证标签所属所述曾经所在机构为单位进行统计；
4）隐私保护预警模块：主要用于提供所述过度查询预警服务和公司名称隐私保护服务。
本发明实施例提供的技术方案可以包括以下有益效果： 方法可以根据认证标签以及第三方公司的查询浏览时间，在避免简历造假的基础上，为求职者提供建立优化的建议；同时认证标签与查询次数也监测了第三方公司对于特定曾经所在机构的查询量，避免过度查询，囤积大量信息，造成曾经所在机构的工作内容泄露。
【附图说明】 图1为本发明的一种基于区块链和隐私技术的求职信息匹配方法的流程示意图。 图2为本发明的一种基于区块链和隐私技术的求职信息匹配系统的装置示意图。
【具体实施方式】 为了使本发明的目的、技术方案和优点更加清楚，下面结合附
图和具体实施例对本发明进行详细描述。
图1为本发明的一种基于区块链和隐私技术的求职信息匹配方法的流程示意图。如图1所示，本实施例一种基于区块链和隐私技术的求职信息匹配方法具体可以包括：
S1：求职者与曾经所在机构双方确定简历中的工作条目及工作经历佐证，通过系统获取公钥和私钥，包括： 所述求职者在所述系统中注册，选择曾经所在机构并获取公钥和私钥。 所述求职者与曾经所在机构分别确定工作条目以及工作经历佐证，以初步避免公司或研究所机密信息泄露。 所述曾经所在机构，包括高校、研究所、曾经就职公司等。 所述工作条目，包括所述曾经就职机构认证标签、机构名称、职务、在职时间以及工作内容梗概。所述工作经历佐证，包括所述工作条目下的具体工作内容、推荐信、实习证明、项目证书等，例如：某求职者的所述工作条目如下：机构名称：A咨询公司；职务：咨询师助理；工作时长：6个月；工作内容梗概：行研报告撰写、案头研究；所述工作经历佐证如下：收集并分析XX行业一级市场资料，开展针对XX公司的访谈，撰写针对XX行业的研究报告，参与XX公司的股权投资评估项目。
S2：所述曾经所在机构为所述简历中的所述工作条目及所述工作经历佐证添加认证标签后，通过认证端发送至应聘端，包括： 所述曾经所在机构在所述系统注册，获取认证标签。 确定后的所述工作条目与所述工作经历佐证由所述曾经所在机构附上所述认证标签，添加至所述简历，由所述认证端通过所述公钥加密上传至区块链。
所述求职者可通过所述应聘端接收所述简历，通过所述私钥解密。
所述应聘端、认证端，指本方法所采用系统分别与求职者及曾经所在机构对接的端口。
S3：所述求职者通过所述应聘端上传所述简历至区块链，选择意向第三方公司招聘端进行投递，包括：
所述求职者上传所述简历至区块链，并向意向第三方公司的所述招聘端投递，被上传以及被投递的简历均不显示所述工作经历佐证。
所述第三方公司在所述系统注册，获得公司标签。 所述公司标签根据所述第三方公司公开信息进行确定，内容为所述第三方公司的信息摘要，包括以下项目：公司名称、规模、行业、头衔、发展阶段，如下为一种所述公司标签的示例：名称：XX科技有限公司；规模：500人以上，行业：互联网；头衔：500强公司；发展阶段：上市公司。
所述招聘端，指所述系统部署于所述第三方公司的端口，可以进行简历浏览，同时可返还所述第三方公司的查询或浏览行为至智能合约。
S4：通过预先部署于区块链的匹配算法进行所述第三方公司的招聘要求、公司标签与所述求职者的部分简历信息的初步匹配，包括： 基于TalentSnap开发的FitScore算法，在区块链上通过自然语言处理初步匹配所述求职者部分简历信息与招聘要求，为求职者进行百分制打分。
所述部分简历信息，包括个人信息、经过认证的所述工作条目，未经过认证的所述工作条目不参与匹配评分。 所述个人信息，指所述求职者姓名、性别、学历、期望薪资、工作经验年限、专业范围、期望工作地点。
S5：预先部署的智能合约根据匹配评分对所有所述求职者投递的所述简历进行排序，推荐至所述招聘端，包括： 所述智能合约将评分较高的所述简历推送至所述第三方公司：对于所述求职者已向所述第三方公司提交简历的情况，所述智能合约会对已投递简历根据所述匹配评分进行排序，再发送至所述招聘端供查看；对于所述求职者未向第三方进行投递但已上传所述简历至区块链的情况，所述智能合约会根据所述匹配评分情况和招聘人数，决定是否向所述招聘端推送，具体规则如下：若岗位招聘人数为1-n人，则未投递但已上传的简历中，若有评分可在已投递简历中排至前n名的简历，以备选的形式同步推荐至所述招聘端。
被推荐和被投递的简历均会被所述智能合约记录其所携带的所述认证标签，以所属所述曾经所在机构为单位进行统计。
S6：所述第三方公司从所述招聘端浏览所述简历，所述招聘端记录所述第三方公司浏览行为，进行隐私保护，并生成招聘画像提供至所述应聘端，包括：
在初步通过匹配、排序和推荐后，所述第三方公司可从所述招聘端浏览所述简历，此时所述简历将呈现所述求职者的工作经历佐证，以便第三方公司更好地了解求职者；
在积累了达到统计学数量的浏览所述求职者所述简历的所述第三方公司数量后，为所属求职者提供所述招聘画像，具体包括：
1）所述招聘画像，包括以下项目：
a. 所述第三方公司招聘要求与所述求职者的所述部份简历信息的所述匹配评分，以及各所述第三方公司总查看次数；
b. 所述第三方公司浏览所述简历的总时长，以及所述总时长在所述第三方公司浏览该岗位其他求职者简历总时长中的排名；
c. 所述第三方公司浏览所述简历所述工作条目以及所述工作经历佐证时长在浏览所述简历的总时长中的占比，若有多家有相同或相似（80%相同）所述公司标签的所述第三方公司浏览所述简历，则取平均占比；
2）为保证所述第三方公司隐私，提供所述招聘画像至所述应聘端时，遵守以下原则：
a. 所述智能合约同时收集针对所述简历进行浏览的所有所述第三方公司的所述招聘画像，并以所述公司标签代替公司名称；
b. 对2) a.中收集的所述招聘画像在本地进行基于拉普拉斯机制的差分隐私保护，再上传至区块链，发送至该所述应聘端供所述求职者查看。
S7：所述应聘端向所述求职者推送工作经历安排建议，所述求职者根据需求调整所述工作经历佐证的内容，包括：
基于所述招聘画像，在所述求职者向其他带相同或相近（80%以上相同）所述公司标签的所述第三方公司投递所述简历时，向所忽视求职者推送所述工作经历安排建议，提示所述求职者为浏览时间占比较高的所述工作经历条目及工作经历佐证进行星标，并可对浏览时间占比较少的所述工作经历条目下属工作经历佐证进行删减。
所述浏览时间占比较高，指浏览时间占比在所述简历上所有所述工作经历条目及所述工作经历佐证浏览时间占比可排至前50%。
所述求职者接受提醒，可自行添加星标和进行删减后重新上传简历，附在先前所述简历之后，后续针对其他带相同或相近（80%以上相同）所述公司标签的所述第三方公司投递时，以重新上传的简历为准。
所述星标，指可通过所述应聘端功能进行添加的标注，不可通过其他方式进行添加。
所述删减，只允许删除所述工作经历佐证的内容，不允许更改所述工作条目，若需要添加所述工作经历佐证的内容，则需要重新与所述曾经所在机构进行确认添加。
S8：所述智能合约提供过度查询预警服务和公司名称隐私保护服务，防止所述曾经所在机构的工作内容隐私通过所述简历泄漏，包括：
1）所述过度查询预警服务，包括以下内容：
a. 所述系统提供自主搜索服务，即除了推荐和投递的简历，所述第三方公司还可以基于岗位需求，通过所述招聘端进行其他条件设定下的简历搜索；
b. 所述智能合约将对采用所述自主搜索服务的所述第三方公司单日内所搜索简历中所述认证标签所属所述曾经所在机构进行统计；
c. 当统计结果显示单日内某所述第三方公司对于某所述曾经所在机构离职的求职者搜索量过多时，则会通过所述招聘端和所述认证端分别向某所述第三方公司和某所述曾经所在机构发送查询预警，以避免过多查询导致某所述曾经所在机构的内部信息过度泄露；所述搜索数量过多，指某所述第三方公司，采用所述自主搜索服务中搜索到的简历中包含的某所述曾经所在机构所述认证标签数量，多于被推送与被投递至某所述第三方公司的简历中某所述曾经所在机构所述认证标签数量；
d. 某所述第三方公司次日所述搜索量大于或等于发送所述查询预警当日所述搜索量，则冻结向某所述第三方公司提供的所述过度查询预警服务1个月，即当其他第三方公司对从某所述第三方公司离职的所述求职者的简历搜索数量过多时，某所述第三方公司无法收到所述查询预警。
2）所述公司名称隐私保护服务，包括以下内容：
在所述第三方公司开始浏览被投递、被推荐以及通过所述所述自主搜索服务获取的简历前，首先对于所述求职者的所述曾经所在机构以及所述第三方公司的所述公司标签根据预设规定进行比对；根据比对结果选择呈现所述工作条目及所述工作经历佐证对应的曾经所在机构名称或者所述公司标签。
所述预设规定如下：
a. 比较所述公司标签中的“行业”项目，若并非同一行业，则可呈现所述曾经所在机构的名称；
b. 若比较后为同一行业，则比较所述公司标签中的“规模”项目，若为相同规模，则不呈现所述曾经所在机构的名称，仅呈现所述公司标签；若为不同规模，则可呈现所述曾经所在机构的名称。
图2为本发明的一种基于区块链和隐私技术的求职信息匹配系统的装置示意图。如图2所示，本实施例一种基于区块链和隐私技术的求职信息匹配系统具体可以包括：
分别与所述第三方公司、所述求职者以及所述曾经所在机构相连的招聘端、认证端以及应聘端，以及部署于区块链的匹配模块以及智能合约；
所述认证端，具有与所述求职者对所述工作条目以及所述工作经历佐证进行沟通、确认、添加所述认证标签、加密并发送给所述应聘端的功能，还可接收来自区块链的所述查询预警；所述曾经所在机构在所述认证端注册后会获得所述认证标签；
所述应聘端，具有上传所述简历、接收查看所述招聘画像、为所述工作条目以及所述工作经历佐证添加所述星标、删减所述工作经历佐证的功能；所述求职者在所述应聘端注册后，会获得所述公钥和私钥；
所述招聘端，具有简历查看浏览的功能，在经过所述第三方公司同意后，可以记录所述第三方公司的浏览行为，经过隐私保护后，上传至区块链；所述第三方公司在所述招聘端注册后，会获得所述公司标签；
所述匹配模块，部署于区块链，具有通过TalentSnap所开发FitScore匹配算法匹配所述部份简历信息与所述第三方公司的招聘要求、得到匹配度评分的功能；
所述智能合约，又可分为以下模块：
1）简历推荐排序模块：主要用于对所述简历进行排序和推荐：规则如下：所述智能合约会对已投递简历根据所述匹配评分进行排序，再发送至所述招聘端供查看；若岗位招聘人数为1-n人，则未投递但已上传的简历中，若有评分可在已投递简历中排至前n名的简历，以备选的形式同步推荐至所述招聘端；
2）招聘画像推送模块：主要用于将所述招聘端上传的所述招聘画像推送至所述求职者的所述应聘端；
3）认证标签识别统计模块：主要用于被推荐和被投递的所述简历所携带的所述认证标签数量识别与统计，以所述认证标签所属所述曾经所在机构为单位进行统计；
4）隐私保护预警模块：主要用于提供所述过度查询预警服务和公司名称隐私保护服务。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。 用于实现本发明进行信息控制的程序，可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、python、C++，还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。 程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。 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。 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。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设备（可以是个人计算机，服务器，或者网络设备等）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 AccessMemory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
