一种企业健康度预判的方法、系统、设备及可读介质

摘要

本发明涉及机器学习预测领域，公开了一种企业健康度预判的方法、系统、设备及可读介质。所述的方法包括：根据对企业健康度进行评价的维度及所述维度的核心评价指标对样本中的企业的财务数据进行预处理，得到所述企业的核心评价指标的数据值及所述企业对应的健康度；根据样本中的企业的核心评价指标的数据值及所述企业对应的健康度得到样本的数据集；对样本的数据集进行训练及验证，得到企业健康度预判的最优化模型；通过最优化模型根据待预判企业的当前核心评价指标的数据值预判待预判企业预定时间后的健康度。本公开的方法实现了对企业健康度进行评价的统一标准以及定期对企业健康度进行检查，进而对企业健康度情况动态监控及诊断。

说明书

技术领域

本发明涉及机器学习预测领域，尤其涉及一种企业健康度预判的方法、系统、设备及可读介质。

背景技术

企业跟人一样，都是有生命的机体，一个企业的健康程度是其能否发展壮大的关键因素。现有技术中对企业健康度进行评价的方法操作复杂，并且没有统一的标准对企业健康度进行评价，不适用于对大量企业样本进行统一标准的健康度的预判，导致企业无法定期进行健康度体检，也就无法对企业自身的健康状况进行动态监控与诊断，进而无法为股东投资者、债权人、潜在投资者、内部管理人员及政府等有关各方提供决策支持。

发明内容

有鉴于此，本发明提出了一种对基础查询对象进行扩展查询的方法、系统、设备及介质。其中，本发明提出的一种对基础查询对象进行扩展查询的方法能够根据实际业务需要进行扩展与定制，在基础查询对象的基础上支持在查询时进行扩展查询。本发明提出的一种对基础查询对象进行扩展查询的方法提供分层查询扩展方法，方便用户基于基础查询对象使用；并且在查询运行时实时生效，复用性、灵活性好。

基于以上目的，本发明的实施例一方面提供了一种企业健康度预判的方法、系统、设备及可读介质。其中，本发明提出的一种企业健康度预判的方法基于对企业健康度进行评价的维度及影响维度的核心评价指标建立对企业健康度评价的多维空间指标评价体系，根据多维空间指标评价体系中的维度及核心评价指标对样本中企业的财务数据进行预处理，由此得到样本中各个企业的健康度分值，将样本中企业的健康度分值按序排序得到各个企业的健康度情况，以此建立对企业健康度进行预判的数据集，对此数据集进行训练及验证，得到企业健康度预判的最优化模型，通过最优模型可以预判企业五个月后的健康度情况。

基于以上目的，本发明的实施例的一个方面提供了一种企业健康度预判的方法，包括以下步骤：根据对企业健康度进行评价的维度及所述维度的核心评价指标对样本中的企业的财务数据进行预处理，得到所述企业的核心评价指标的数据值及所述企业对应的健康度；根据所述样本中的企业的核心评价指标的数据值及所述企业对应的健康度得到所述样本的数据集；对所述样本的数据集进行训练及验证，得到企业健康度预判的最优化模型；通过所述最优化模型根据待预判企业的当前核心评价指标的数据值预判所述待预判企业预定时间后的健康度。

在一些实施例中，所述根据对企业健康度进行评价的维度及所述维度的核心评价指标对样本中的企业的财务数据进行预处理，得到所述企业的核心评价指标的数据值及所述企业对应的健康度包括：对所述企业的核心评价指标的数据值归一化处理，得到所述企业的健康度分值；统计样本中的企业的健康度分值并且对所述样本中的企业的健康度分值进行排序；根据所述排序给所述样本中的企业标记对应的健康度。

在一些实施例中，所述对所述企业的核心评价指标的数据值归一化处理，得到所述企业的健康度分值包括：

对所述企业的核心评价指标的数据值归一化处理，实现将所述数据值归一化为处于第一分值与第二分值的闭区间的分值；确定所述闭区间的第一风险阈值及第二风险阈值，并且按照所述第一风险阈值及第二风险阈值划分所述闭区间为第一风险区间、第二风险区间及第三风险区间；划分评价核心评价指标的风险阶段为第一风险阶段、第二风险阶段及第三风险阶段，并且所述风险阶段与所述闭区间的风险区间一一对应；确定所述核心评价指标的数据值对应的分值在所述闭区间的位置，得到所述核心评价指标所处的风险阶段；统计所述企业的核心评价指标所处的风险阶段，得到所述企业的健康度分值。

在一些实施例中，所述对所述企业的核心评价指标的数据值归一化处理，实现将所述数据值归一化为处于第一分值与第二分值的闭区间的分值包括：设定所述第一分值小于所述第二分值；响应于所述数据值归一化后的分值小于或等于所述第一分值，标记所述数据值归一化后的分值为第一分值；响应于所述数据值归一化后的分值大于所述第二分值，标记所述数据值归一化后的分值为第二分值。

在一些实施例中，所述统计样本中的企业的健康度分值并且对所述样本中的企业的健康度分值进行排序包括：将所述样本中企业的健康度分值按照由高到低的顺序进行排序。

在一些实施例中，所述根据所述排序给所述样本中的企业标记对应的健康度包括：响应于所述企业的健康度分值位于所述排序的前1/3，标记所述企业的健康度为健康；响应于所述企业的健康度分值位于所述排序的后2/3，标记所述企业的健康度为不健康。

在一些实施例中，所述根据对企业健康度进行评价的维度及所述维度的核心评价指标对样本中的企业的财务数据进行预处理，得到所述企业的核心评价指标的数据值及所述企业对应的健康度包括：根据企业的偿债能力、盈利能力、营运能力、成长能力以及价值管理建立企业健康度预判的维度空间；对所述维度空间中每个维度的评价指标进行统计建模，以得到所述每个维度的核心评价指标。

本发明实施例的另一个方面，还提供了一种企业健康度预判的系统，包括以下模块：第一模块，配置用于根据对企业健康度进行评价的维度及所述维度的核心评价指标对样本中的企业的财务数据进行预处理，得到所述企业的核心评价指标的数据值及所述企业对应的健康度；第二模块，配置用于根据所述样本中的企业的核心评价指标的数据值及所述企业对应的健康度得到所述样本的数据集；第三模块，配置用于对所述样本的数据集进行训练及验证，得到企业健康度预判的最优化模型；以及第四模块，配置用于通过所述最优化模型根据待预判企业的当前核心评价指标的数据值预判所述待预判企业预定时间后的健康度。

本发明实施例的另一方面，还提供一种计算机设备，包括至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行时实现上述任一方法的步骤。

本发明实施例的另一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上任一方法步骤的计算机程序。

本发明至少具有以下有益效果：本发明提出的一种企业健康度预判的方法、系统、设备及可读介质，其中，本发明提供的一种企业健康度预判的方法根据对企业健康度进行评价的维度及影响各个维度的核心评价指标建立对企业健康度进行评价的多维空间指标评价体系，通过对样本中提供的企业的数据集进行训练得到了企业健康度预判的最优化模型。根据所述企业健康度预判的最优化模型，可以根据企业当前月份的财务数据，得到所述企业预定时间后的健康度情况，以实现对企业健康度进行评价的统一标准以及定期对企业健康度进行检查，实现了对企业健康度情况动态监控及诊断，进一步，可以根据企业的健康度情况，对企业的健康情况进行评级，以此为股东投资者、债权人、潜在投资者、内部管理人员及政府等有关各方提供决策支持。

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的前提下，还可以根据这些附图获得其它的实施例。

图1为本发明提供的一种企业健康度预判的方法的实施例的示意图；

图2为本发明提供的一种企业健康度预判的方法的另一实施例的示意图；

图3为本发明提供的一种企业健康度预判的系统的实施例的示意图；

图4为本发明提供的一种计算机设备的实施例的示意图；

图5为本发明提供的一种计算机可读存储介质的实施例的示意图。

具体实施方式

以下描述了本发明的实施例。然而，应该理解，所公开的实施例仅仅是示例，并且其它实施例可以采取各种替代形式。

此外，需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。术语“包括”、“包含”或其任何其它变形旨在涵盖非排他性的包括，以使包含一系列要素的过程、方法、物品或装置不仅包括那些要素，也可以包括未明确列出的或这些过程、方法、物品或装置所固有的要素。

下面将结合附图说明本申请的一个或多个实施例。

基于以上目的，本发明实施例的第一个方面，提出了一种企业健康度预判的方法的实施例。图1示出的是本发明提供的一种企业健康度预判方法的实施例的示意图。如图1所示，本发明实施例的一种企业健康度预判方法包括以下步骤：

S1、据对企业健康度进行评价的维度及所述维度的核心评价指标对样本中的企业的财务数据进行预处理，得到所述企业的核心评价指标的数据值及所述企业对应的健康度；

S2、根据所述样本中的企业的核心评价指标的数据值及所述企业对应的健康度得到所述样本的数据集；

S3、对所述样本的数据集进行训练及验证，得到企业健康度预判的最优化模型；

S4、通过所述最优化模型根据待预判企业的当前核心评价指标的数据值预判所述待预判企业预定时间后的健康度。

图2示出的是本发明提供的一种企业健康度预判的方法的实施例的另一示意图。

对企业健康度进行评价的维度，优选地，可以包括企业的偿债能力、盈利能力、营运能力、成长能力以及价值管理维度。对于不同维度而言，影响其自身的核心评价指标不同。其中偿债能力维度的核心评价指标包括资产负债率、速动比率、带息负债比率。资产负债率是企业负债总额占企业资产总额的百分比。资产负债率反映了在企业全部的资产中由债权人提供的资产所占比重的大小，反映了债权人向企业提供信贷资金的风险程度，也反应了企业举债经营的能力。速动比率是指速动资产对流动负债的比率。速动比率是衡量企业流动资产中可以立即变现用于偿还流动负债的能力。带息负债比率是指企业某一时点的带息负债总额与负债总额的比率，反映了企业负债中带息负债的比重，在一定程度上体现了企业未来的偿债(尤其是偿还利息)压力。盈利能力维度的核心评价指标包括盈余现金保障倍数、净资产收益率、销售(营业)利润率、总资产报酬率。盈余现金保障倍数是指企业一定时期经营现金净流量同净利润的比值，反映了企业当期净利润中现金收益的保障程度，真实地反映了企业的盈余的质量。净资产收益率是指利润额与平均股东权益的比值，该指标越高，说明投资带来的收益越高；净资产收益率越低，说明企业所有者权益的获利能力越弱。净资产收益率指标体现了自有资本获得净收益的能力。营业利润率是指企业的营业利润与营业收入的比率，它是衡量企业经营效率的指标，反映了在不考虑非营业成本的情况下，企业管理者通过经营获取利润的能力。总资产报酬率是指企业税前利润与平均总资产之间的比率，用以评价企业运用全部资产的总体获利能力。营运能力维度的核心评价指标包括总资产周转率、应收帐款周转率与存货周转率。总资产周转率是指企业在一定时期内销售(营业)收入同平均资产总额的比值。总资产周转率是综合评价企业全部资产的经营质量和利用效率的重要指标，周转率越大，说明总资产周转越快，反映出销售能力越强。应收帐款周转率是销售收入除以平均应收帐款的比值，也就是年度内应收帐款转为现金的平均次数，它说明应收帐款流动的速度。存货周转率是企业一定时期主营业务成本与平均存货余额的比率，用于反应存货的周转速度，即存货的流动性及存货资金占用量是否合理，促使企业在保证生产经营连续性的同时，提高资金的使用效率，增强企业的短期偿债能力。成长能力维度的核心评价指标包括营业收入增长率、营业利润增长率、资产总额增长率。营业收入增长率是指企业本年营业收入增加额与上年营业收入总额的比率。主营业务增长率表示与上年相比，主营业务收入的增减变动情况，是评价企业成长状况和发展能力的重要指标。营业利润增长率又称为销售利润增长率，其是企业本年营业利润增长额与上年营业利润总额的比率，它反映企业营业利润的增减变动情况。资产总额增长率，是企业当年总资产增长额同年初资产总额的比率，反映企业本期资产规模的增长情况。总资产增长率越高，表明企业一定时期内资产经营规模扩张的速度越快。但在分析时，需要关注资产规模扩张的质和量的关系，以及企业的后续发展能力，避免盲目扩张。价值管理维度的核心评价指标包括资本积累率。资本积累率是指企业本年所有者权益增长额同年初所有者权益的比率。资本积累率表示企业当年资本的积累能力，是评价企业发展潜力的重要指标。

根据上述对企业健康度进行评价的维度及维度的核心评价指标对样本中提供的企业的财务数据进行预处理，得到企业的核心评价指标的数据值，并且进一步得到企业的健康度分值及对应的健康度。在实际应用中，出于方便统计的目的，可以利用红黄灯的亮灯状态直观地反映每个核心评价指标的风险阶段。红灯表示出资企业的所述核心评价指标方面为高风险阶段，黄灯表示出资企业的所述核心评价指标为中风险阶段。若一家企业既不亮红灯也不亮黄灯，表示出资企业的所述核心评价指标为低风险阶段。对企业财务数据进行预处理时，当企业提供的财务数据中有缺失值，优选地，可以利用序列的均值或者中位数进行填充。基于对企业健康度进行评价的维度及维度的核心评价指标对企业的财务数据进行归一化处理，优选地，可以将核心评价指标的数据值归一化为[0，100]的分值。其中归一化的方法包括：设定[0，100]的高风险阈值为20，低风险阈值为40，分别与红黄灯亮灯的临界对应，即核心评价指标的数据值归一化后的分值落在0-20范围内，亮红灯，表示所述核心评价指标为高风险阶段；核心评价指标的数据值归一化后的分值落在20-40范围内，亮黄灯，表示所述核心评价指标为中风险阶段；核心评价指标的数据值归一化后的分值落在40-100范围内，不亮灯，表示所述核心评价指标为低风险阶段。进一步，对于特殊情况，核心评价指标的数据值归一化的分值高于100，将所述核心评价指标的数据值归一化的分值限定为100；核心评价指标的数据值归一化的分值低于0，将所述核心评价指标的数据值归一化的分值限定为0。通过核心评价指标“归一”化，消除了数据量纲影响，便于不同单位或量级的核心评价指标能够进行比较和加权，为后续健康度评级奠定基础。由此针对样本中的每一家企业而言，都有14个核心评价指标，每个核心评价指标都有两种指示器，即每家企业都有28个红黄灯亮灯指示器。

根据企业的核心评价指标的数据值归一化后的分值可以得出企业的健康分值，在实际应用中，可以按照核心评价指标的亮灯状态计算企业的健康分值，进而得到企业对应的健康度状态。在优选的实施例中，按照亮一盏红灯扣5分，亮一盏黄灯扣2分，不亮灯不扣分的原则，从满分100分进行扣除累计，得到企业的健康度分值(即健康度分值＝100分-红灯扣除总分数-黄灯扣除总分数)。按照这种计算方法计算样本中所有企业的健康度分值，优选地，将样本中所有企业的健康度分值按照由高到低进行排序，其中健康度分值位列样本中所有企业的健康度分值的前1/3的企业的健康度为健康，后2/3的企业健康度为不健康，出于方便确认的目的，可以标记健康为1标签，标记不健康为0标签。

根据样本中企业的所有核心评价指标的数据值与企业对应的健康度情况建立数据集，对样本的数据集进行训练和验证以得到企业健康度预判的最优化模型，在实际应用中，可以利用XgBoost模型对样本的数据集进行训练和验证，可以理解的是，也可以利用其它具有同样效果的模型进行训练，不限制于用XgBoost模型进行训练。XgBoost模型是以决策树为基学习器，在每一轮迭代中建立一个决策树，使当前模型的残差在梯度方向上减少。然后将该决策树与当前模型进行线性组合得到新模型，不断重复，直到决策树数目达到指定的值，得到最终的强学习器。通过XgBoost模型构建企业健康度预判模型，即对当前企业预定时间后的健康度情况进行预测，其中因变量为健康、非健康的分类变量，自变量为偿债能力、盈利能力、运营效率、成长能力、及价值管理5大维度中的各自的核心评价指标。

在进行企业健康度预判模型训练时，构建训练和验证的数据，优选地，可以利用企业已有的财务数据构建，可以理解的是，针对不同的预定时间构建训练和验证的数据，按照同样的训练模型的方法，会得到针对不同预定时间的对应的企业健康度预判模型。在本实施例中，对预定时间为五个月后的企业的健康度情况进行预测，由此提供企业2021年上半年的财务数据。构建训练集：从企业提供的2021年1月份的财务数据中得到核心评价指标的数据值，将核心评价指标的数据值归一化得到[0，100]范围内的分值；从企业提供的2021年6月份的财务数据得到企业对应的健康度分值及健康度情况。以1月份的核心评价指标的数据值，预测6月份的企业的健康度情况，以此作为训练数据进行训练，在训练数据中按照7:3的比例将训练数据分为训练集和验证集。在利用训练集在进行模型训练时，可以利用网格搜索算法GridSearchCV进行调参，只要告诉其要进行实验的超参数是什么，以及需要尝试的值，它将会使用交叉验证来评估超参数值的所有可能的组合。最后网格搜索算法会基于模型的评估指标给出最佳的参数组合。利用验证集对经过训练集训练得到的企业健康度预判模型的准确度进行检验，利用训练集的数据进行训练，可以生成验证集上的得分值，如果验证集的精度、召回率达到70％以上，则说明训练的模型是有效的。

当训练得到的企业健康度预判模型为有效模型，对待测数据进行预测。构建待测数据集：利用2021年2月份样本企业中提供的财务数据，预测2021年7月份企业的健康度情况。在实际应用中，由2021年2月份样本中企业的财务数据，可以得到核心评价指标的数据值，将其进行归一化处理，得到归一化后的分值，根据归一化后的核心评价标准的分值，基于企业健康度预判模型，对样本中企业7月份的健康度情况进行预测，即预测企业7月份的健康度分值、出现财务困境的概率以及健康度评级。针对每个企业，可以估计出其出现健康值的概率，健康度分值＝企业出现健康值的概率*100，将健康度分值划分成不同的区间，可以确定出企业健康度的评级结果，将企业的健康度评级结果分为优质、健康、关注、重点关注，如表1所示。

表1

当企业的健康度分值处于80-100时，企业处于优质状态，表明企业运营处于健康可持续发展状态，资金充足，业务发展稳中向好，企业处于行业领先水平；当企业健康度分值处于60-80时，企业处于健康状态，表明企业运营状态良好，资金充足，财务环境较好，业务发展不稳定，处于行业良好水平；当企业健康度分值处于30-60时，企业处于关注状态，表明企业运营状态正常，资金有异常，财务环境不理想，有潜在运营风险，处于行业平均水平；当企业健康度分值处于0-30时，企业处于重点关注状态，表明企业运营状态存在较大问题，资金缺口存在，财务环境严峻，财务风险存在一定规模，处于行业较差水平，企业应采取措施管理好相应的财务指标，使其财务风险进一步降低。

基于以上目的，本发明的实施例的第二个方面，提出了一种企业健康度预判的系统，包括以下模块：第一模块011，配置用于根据对企业健康度进行评价的维度及所述维度的核心评价指标对样本中的企业的财务数据进行预处理，得到所述企业的核心评价指标的数据值及所述企业对应的健康度；第二模块012，配置用于根据所述样本中的企业的核心评价指标的数据值及所述企业对应的健康度得到所述样本的数据集；第三模块013，配置用于对所述样本的数据集进行训练及验证，得到企业健康度预判的最优化模型；以及第四模块014，配置用于通过所述最优化模型根据待预判企业的当前核心评价指标的数据值预判所述待预判企业预定时间后的健康度。

基于以上目的，本发明的实施例的第三个方面，提出了一种计算机设备，图4示出的是本发明提供的一种计算机设备的实施例的示意图。如图4所示，本发明提供的一种计算机设备的实施例，包括以下模块：至少一个处理器021；以及存储器022，存储器022存储有可在处理器021上运行的计算机指令023，所述计算机指令023由所述处理器021执行时实现上述任一方法的步骤。

本发明还提供了一种计算机可读存储介质。图5示出的是本发明提供的一种计算机可读存储介质的实施例的示意图。如图5所示，计算机可读存储介质031存储有被处理器执行时执行如上方法的计算机程序032。

最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，设置系统参数的方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。

此外，根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时，执行本发明实施例公开的方法中限定的上述功能。

此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。

在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(D0L)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、D0L或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。

以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。

应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。

上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。