客户实体的家庭关系预测方法、装置和系统

摘要

本发明提供了一种客户实体的家庭关系预测方法、装置和系统。该方法包括：从源数据库获取多个实体和多个实体之间的实体关系；基于多个实体和多个实体关系更新图谱数据库；从图谱数据库中获取样本；其中，样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系；将样本输入预先训练完成的预测模型，输出预测结果；其中，预测结果表征两个客户实体是否具有家庭关系；基于预测结果更新图谱数据库；基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。可以准确识别客户，增强数据准确性和丰富性，提高家庭关系预测的准确率，并且能够灵活高效地应对未来数据量和数据类型的增长带来的困难。

说明书

技术领域

本发明数据处理技术领域，尤其是涉及一种客户实体的家庭关系预测方法、装置和系统。

背景技术

随着保险行业的飞速发展，保险公司的经营方式开始发生巨大转变。比如在经营方式上从传统的委托代理人销售的代理人制度，开始向直销制度转变；在产品险种上由针对个人的产品开始发展出针对家庭的产品。

在传统模式下，针对家庭的产品通常由代理人向其所掌握的客户资源进行推销工作。在直销模式下，通常由公司掌握的客户名单开始，通过电销、网销团队完成推销工作。这其中，客户名单的准确度和丰富度至关重要。

对于家庭客户的识别和发掘，主要依靠代理人对于客户的个人关系紧密程度来实现。从数据层面上，一般是基于客户投保保单时主动填写的相关信息确定客户的家庭关系，如保单上登记的投保人和被保人关系，以及被保人和受益人关系的数据。

然而，仅仅基于客户投保保单时主动填写的相关信息确定客户的家庭关系的方式，难以进一步挖掘表单上没有填写的客户的家庭关系。对于公司来说，客户的家庭关系，上述方式缺乏一种可靠的主动挖掘、识别的方法。这无疑是对公司积累的海量数据的浪费。

发明内容

有鉴于此，本发明的目的在于提供一种客户实体的家庭关系预测方法、装置和系统，可以准确识别客户，增强数据准确性和丰富性。

第一方面，本发明实施例提供了一种客户实体的家庭关系预测方法，应用于客户实体的家庭关系预测系统，客户实体的家庭关系预测系统包括源数据库、图谱数据库、预测模型和展示模块；方法包括：从源数据库获取多个实体和多个实体之间的实体关系；其中，实体的类型包括客户实体、手机号、账号、保单和车辆；基于多个实体和多个实体关系更新图谱数据库；从图谱数据库中获取样本；其中，样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系；将样本输入预先训练完成的预测模型，输出预测结果；其中，预测结果表征两个客户实体是否具有家庭关系；基于预测结果更新图谱数据库；基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。

在本申请较佳的实施例中，上述基于多个实体和多个实体关系更新图谱数据库的步骤，包括：对多个实体和多个实体关系进行数据校验处理；如果多个实体和多个实体关系通过数据校验处理，基于多个实体和多个实体关系更新图谱数据库。

在本申请较佳的实施例中，上述方法还包括：如果多个实体和多个实体关系中存在没有通过数据校验处理的实体或实体关系，删除没有通过数据校验处理的实体或实体关系。

在本申请较佳的实施例中，上述基于多个实体和多个实体关系更新图谱数据库的步骤，包括：对于多个实体之间或和多个实体与图谱数据库中存储的实体中，基于实体关系确定是否有多个目标实体满足预先设定的合并条件；对多个目标实体执行合并处理；基于合并处理后的多个实体和多个实体关系更新图谱数据库。

在本申请较佳的实施例中，上述对多个目标实体执行合并处理的步骤，包括：创建一个实体；将多个目标实体的属性信息合并后写入创建的实体；将除了目标实体之外的其他实体与目标实体的实体关系作为其他实体与创建的实体的实体关系。

在本申请较佳的实施例中，上述方法还包括：从图谱数据库中获取训练样本；其中，训练样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系；基于训练样本训练预测模型，以调整预测模型的参数。

在本申请较佳的实施例中，上述预测模型至少包括二分类模型和/或深度学习模型。

在本申请较佳的实施例中，上述将样本输入预先训练完成的预测模型，输出预测结果的步骤，包括：确定样本的数据形式；如果样本的数据形式为表格形式，将样本输入二分类模型，输出预测结果；和/或如果样本的数据形式为图结构形式，将样本输入深度学习模型，输出预测结果。

第二方面，本发明实施例还提供一种客户实体的家庭关系预测装置，应用于客户实体的家庭关系预测系统，客户实体的家庭关系预测系统包括源数据库、图谱数据库、预测模型和展示模块；装置包括：实体获取模块，用于从源数据库获取多个实体和多个实体之间的实体关系；其中，实体的类型包括客户实体、手机号、账号、保单和车辆；第一更新模块，用于基于多个实体和多个实体关系更新图谱数据库；样本获取模块，用于从图谱数据库中获取样本；其中，样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系；预测结果输出模块，用于将样本输入预先训练完成的预测模型，输出预测结果；其中，预测结果表征两个客户实体是否具有家庭关系；第二更新模块，用于基于预测结果更新图谱数据库；统计结果展示模块，用于基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。

第三方面，本发明实施例还提供一种客户实体的家庭关系预测系统，用于执行上述的客户实体的家庭关系预测方法；客户实体的家庭关系预测系统包括源数据库、图谱数据库、预测模型和展示模块；其中，源数据库、预测模型和展示模块均与图谱数据库连接。

本发明实施例带来了以下有益效果：

本发明实施例提供的一种客户实体的家庭关系预测方法、装置和系统，从源数据库获取多个实体和多个实体之间的实体关系，更新图谱数据库并从图谱数据库中获取样本；将样本输入预先训练完成的预测模型，输出预测结果，基于预测结果更新图谱数据库，基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。该方式中，可以准确识别客户，增强数据准确性和丰富性，提高家庭关系预测的准确率，并且能够灵活高效地应对未来数据量和数据类型的增长带来的困难。

本公开的其他特征和优点将在随后的说明书中阐述，或者，部分特征和优点可以从说明书推知或毫无疑义地确定，或者通过实施本公开的上述技术即可得知。

为使本公开的上述目的、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具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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的附图。

图1为本发明实施例提供的一种客户实体的家庭关系预测方法的流程图；

图2为本发明实施例提供的另一种客户实体的家庭关系预测方法的流程图；

图3为本发明实施例提供的一种客户实体的家庭关系预测方法的示意图；

图4为本发明实施例提供的一种客户实体的家庭关系预测装置的结构示意图；

图5为本发明实施例提供的一种客户实体的家庭关系预测系统的结构示意图；

图6为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，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。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。

目前，对于家庭客户的识别和发掘，主要依靠代理人对于客户的个人关系紧密程度来实现。从数据层面上，一般是基于客户投保保单时主动填写的相关信息确定客户的家庭关系，如保单上登记的投保人和被保人关系，以及被保人和受益人关系的数据。

然而，仅仅基于客户投保保单时主动填写的相关信息确定客户的家庭关系的方式，难以进一步挖掘表单上没有填写的客户的家庭关系。对于公司来说，客户的家庭关系，上述方式缺乏一种可靠的主动挖掘、识别的方法。这无疑是对公司积累的海量数据的浪费。基于此，本发明实施例提供的一种客户实体的家庭关系预测方法、装置和系统，提供了一种基于知识图谱的家庭客户挖掘方法，可以准确识别客户，增强数据准确性和丰富性。

为便于对本实施例进行理解，首先对本发明实施例所公开的一种客户实体的家庭关系预测方法进行详细介绍。

实施例一：

本发明实施例提供一种客户实体的家庭关系预测方法，应用于客户实体的家庭关系预测系统，客户实体的家庭关系预测系统包括源数据库、图谱数据库、预测模型和展示模块。参见图1所示的一种客户实体的家庭关系预测方法的流程图，该客户实体的家庭关系预测方法包括如下步骤：

步骤S102，从源数据库获取多个实体和多个实体之间的实体关系；其中，实体的类型包括客户实体、手机号、账号、保单和车辆。

首先，可以从源数据库获取用于更新图谱数据库的多个实体和多个实体之间的实体关系。源数据库可以为公司范围内包含客户及其关联实体相关信息的所有原始数据的集合，其用于创建家庭客户图谱数据库。图谱数据库包括各类实体以及实体关系，实体关系可以理解为实体间的关联关系。

实体的类型包括客户实体、手机号、账号、保单和车辆等，各类实体还应包括公司所能收集到的实体的相应信息。例如：客户实体应包括客户姓名、年龄、身份证号等，车辆实体应包括车架号、车牌号、车价等信息。

实体间的关联关系包括客户与手机号、客户与保单关系、保单与车辆等关系。实体间的关联关系还应包括关系的详细信息：如客户与保单关系中，应有客户在保单中担任的角色，如投保人，被保人，受益人等；客户与车辆关系中，应有客户在该车中承担的角色，如车主，驾驶员，乘员等角色。

步骤S104，基于多个实体和多个实体关系更新图谱数据库。

获取多个实体和多个实体之间的实体关系之后，可以基于获取的多个实体和多个实体关系更新图谱数据库。

步骤S106，从图谱数据库中获取样本；其中，样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系。

更新图谱数据库之后，可以从图谱数据库中获取用于进行预测的样本。其中，样本包括两个相邻的客户实体(两个客户实体之间的连接路径上不存在其他客户实体)，两个客户实体之间的连接路径上的实体的可以为出了客户实体之外的其他类型的实体。

步骤S108，将样本输入预先训练完成的预测模型，输出预测结果；其中，预测结果表征两个客户实体是否具有家庭关系。

预测模型用于确定样本中的两个客户实体是否具有家庭关系，并将结果预测结果写回图谱数据库。

步骤S110，基于预测结果更新图谱数据库。

预测模型完成预测之后，可以将预测结果写入图谱数据库，即基于预测结果更新图谱数据库。

步骤S112，基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。

展示模块可以从图谱数据库中获取统计结果并进行统计结果的可视化展示，其功能包括预测结果统计报表展示，家庭客户查询及可视化展示等。

本发明实施例提供的一种客户实体的家庭关系预测方法，从源数据库获取多个实体和多个实体之间的实体关系，更新图谱数据库并从图谱数据库中获取样本；将样本输入预先训练完成的预测模型，输出预测结果，基于预测结果更新图谱数据库，基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。该方式中，可以准确识别客户，增强数据准确性和丰富性，提高家庭关系预测的准确率，并且能够灵活高效地应对未来数据量和数据类型的增长带来的困难。

实施例二：

本实施例提供了另一种客户实体的家庭关系预测方法，该方法在上述实施例的基础上实现，如图2所示的另一种客户实体的家庭关系预测方法的流程图，本实施例中的客户实体的家庭关系预测方法包括如下步骤：

步骤S202，从源数据库获取多个实体和多个实体之间的实体关系；其中，实体的类型包括客户实体、手机号、账号、保单和车辆。

参见图3所示的一种客户实体的家庭关系预测方法的示意图，可以先更新源数据库的数据，升级预测模型。

步骤S204，对多个实体和多个实体关系进行数据校验处理。

如图3所示，可以从源数据库抽取多个实体和多个实体之间的实体关系，之后可以进行校验处理。其中，该校验处理可以包括：数据合法性校验，例如：身份证，手机号是否满足预设的规则。用户客户号，身份证号是否唯一对应一个名字。

其中，如果多个实体和多个实体关系中存在没有通过数据校验处理的实体或实体关系，删除没有通过数据校验处理的实体或实体关系。例如，没有通过数据校验处理的实体或实体关系可以指不满足规则的值，需要从所有实体中删除该值。

步骤S206，如果多个实体和多个实体关系通过数据校验处理，基于多个实体和多个实体关系更新图谱数据库。

如图3所示，可以先判断是否有实体满足合并条件。如果是，可以合并实体和实体关系，基于合并后的多个实体和多个实体关系更新图谱数据库；如果否，则直接更新图谱数据库。

例如：对于多个实体之间或和多个实体与图谱数据库中存储的实体中，基于实体关系确定是否有多个目标实体满足预先设定的合并条件；对多个目标实体执行合并处理；基于合并处理后的多个实体和多个实体关系更新图谱数据库。

合并处理也可以称为实体对齐操作，判断任意两个同类实体是否具有共同属性和关系，是否满足合并条件。如果满足，说明两个实体为同一个实体，则可以将两个实体作为目标实体，可以通过下述步骤对多个目标实体执行合并处理：创建一个实体；将多个目标实体的属性信息合并后写入创建的实体；将除了目标实体之外的其他实体与目标实体的实体关系作为其他实体与创建的实体的实体关系。

例如，实体1与实体2中，若双方的客户号相同；或身份账号相同；或姓名相同，且关联同一手机号，并且实体1与实体2的其他个人标识(如两者的身份证号)不存在冲突的情况(至少一方为空)则认为实体1与实体2为目标实体。

合并方式具体可以为：创建一个新的实体，将原两个目标实体的属性信息进行合并。由上述步骤的数据校验处理，可以保证两个目标实体的信息不存在冲突的情况。之后可以将原两个目标实体的实体关系进行合并，即原目标实体A、B和其他实体之间的关系变更为新的实体C与其他实体之间的关系。

步骤S208，从图谱数据库中获取样本；其中，样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系。

本实施例中还可以从图谱数据库中获取训练样本训练预测模型，例如：从图谱数据库中获取训练样本；其中，训练样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系；基于训练样本训练预测模型，以调整预测模型的参数。

从图谱数据库抽取训练样本，训练样本所包含的信息为任意两个相邻客户实体，以及两个相邻客户实体之间的连接路径上的实体及关联关系信息(相邻指其路径之间没有其他客户)。训练目标为二分类任务，预测两个客户是否具有家庭关系。

具体地，本实施例的预测模型至少包括二分类模型和/或深度学习模型。

步骤S210，将样本输入预先训练完成的预测模型，输出预测结果；其中，预测结果表征两个客户实体是否具有家庭关系。

如图3所示，可以从图谱数据库中获取样本，通过预测模型输出样本的预测结果。具体地，可以确定样本的数据形式；如果样本的数据形式为表格形式，将样本输入二分类模型，输出预测结果；和/或如果样本的数据形式为图结构形式，将样本输入深度学习模型，输出预测结果。

根据样本的数据形式，可以采用不同类型模型。如样本为表格形式，则采用包括不限于逻辑回归、LightGBM等二分类模型。若样本为图结构形式，则采用深度学习模型。包括依次连接的输入层、图卷积层，逻辑回归层。首先将训练数据输入输入层，经由图卷积层获得训练数据的图嵌入Embedding，最后经过逻辑回归层得到输出结果。其中，具体训练过程可以如下：

h

一个示例训练过程为：

对于每个实体i，计算获得其图嵌入embedding：

其次对该训练样本中所有实体i进行聚合，得到训练样本的图嵌入。最后，使用逻辑回归进行结果预测,获得客户A和客户B之间的预测概率。

步骤S212，基于预测结果更新图谱数据库。

当客户A、B之间由知识图谱中实体关系得知，具有真实家庭关系，或预测概率大于一定阈值，则可认为客户A、B具有家庭关系。

据此，可以建立一个临时图数据库，其实体为客户，若客户A、B之间具有真实家庭关系，或预测概率大于一定阈值，则在客户之间建立一条关系边。在此图数据库中运行连通分量搜索算法，每个连通分量则为一个家庭客户群体，为每个家庭群体设立一个独立标识(ID)，将ID)以及客户预测关系写回家庭客户图谱数据库中。

步骤S214，基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。

如图3所示，可以生成统计结果并在展示模块中展示。基于图谱数据库可以计算统计结果，如真实家庭数，模型预测家庭数等；基于图数据库查询语句从图谱数据库中返回数据，并在展示模块的前端页面展示。

本发明实施例提供的上述方法，基于知识图谱技术提供了一种家庭客户挖掘方法。在多源数据处理中采用的客户合并方法能够加强对客户数据痕迹的追踪，准确识别客户，增强数据准确性和丰富性。基于知识图谱结构的数据挖掘模型能够提供更加准确的预测。该方案能够灵活高效地应对未来数据量和数据类型的增长带来的困难。

实施例三：

对应于上述方法实施例，本发明实施例提供了一种客户实体的家庭关系预测装置，应用于客户实体的家庭关系预测系统，客户实体的家庭关系预测系统包括源数据库、图谱数据库、预测模型和展示模块。参见图4所示的一种客户实体的家庭关系预测装置的结构示意图，该客户实体的家庭关系预测装置包括：

实体获取模块41，用于从源数据库获取多个实体和多个实体之间的实体关系；其中，实体的类型包括客户实体、手机号、账号、保单和车辆；

第一更新模块42，用于基于多个实体和多个实体关系更新图谱数据库；

样本获取模块43，用于从图谱数据库中获取样本；其中，样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系；

预测结果输出模块44，用于将样本输入预先训练完成的预测模型，输出预测结果；其中，预测结果表征两个客户实体是否具有家庭关系；

第二更新模块45，用于基于预测结果更新图谱数据库；

统计结果展示模块46，用于基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。

本发明实施例提供的一种客户实体的家庭关系预测装置，从源数据库获取多个实体和多个实体之间的实体关系，更新图谱数据库并从图谱数据库中获取样本；将样本输入预先训练完成的预测模型，输出预测结果，基于预测结果更新图谱数据库，基于图谱数据库生成具有家庭关系的多个实体的统计结果，在展示模块中展示统计结果。该方式中，可以准确识别客户，增强数据准确性和丰富性，提高家庭关系预测的准确率，并且能够灵活高效地应对未来数据量和数据类型的增长带来的困难。

上述第一更新模块，用于对多个实体和多个实体关系进行数据校验处理；如果多个实体和多个实体关系通过数据校验处理，基于多个实体和多个实体关系更新图谱数据库。

上述第一更新模块，还用于如果多个实体和多个实体关系中存在没有通过数据校验处理的实体或实体关系，删除没有通过数据校验处理的实体或实体关系。

上述第一更新模块，用于对于多个实体之间或和多个实体与图谱数据库中存储的实体中，基于实体关系确定是否有多个目标实体满足预先设定的合并条件；对多个目标实体执行合并处理；基于合并处理后的多个实体和多个实体关系更新图谱数据库。

上述第一更新模块，用于创建一个实体；将多个目标实体的属性信息合并后写入创建的实体；将除了目标实体之外的其他实体与目标实体的实体关系作为其他实体与创建的实体的实体关系。

上述装置还包括预测模型训练模块，用于：从图谱数据库中获取训练样本；其中，训练样本包括两个相邻的客户实体，以及两个客户实体之间的连接路径上的实体和实体关系；基于训练样本训练预测模型，以调整预测模型的参数。

上述预测模型至少包括二分类模型和/或深度学习模型。

上述预测结果输出模块，用于确定样本的数据形式；如果样本的数据形式为表格形式，将样本输入二分类模型，输出预测结果；和/或如果样本的数据形式为图结构形式，将样本输入深度学习模型，输出预测结果。

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，上述描述的客户实体的家庭关系预测装置的具体工作过程，可以参考前述的客户实体的家庭关系预测方法的实施例中的对应过程，在此不再赘述。

实施例四：

对应于上述方法实施例，本发明实施例提供一种客户实体的家庭关系预测系统，用于上述的客户实体的家庭关系预测方法。参见图5所示的一种客户实体的家庭关系预测系统的结构示意图，该客户实体的家庭关系预测系统包括源数据库、图谱数据库、预测模型和展示模块；其中，源数据库、预测模型和展示模块均与图谱数据库连接。

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，上述描述的客户实体的家庭关系预测系统的具体工作过程，可以参考前述的客户实体的家庭关系预测方法的实施例中的对应过程，在此不再赘述。

实施例五：

本发明实施例还提供了一种电子设备，用于运行上述客户实体的家庭关系预测方法；参见图6所示的一种电子设备的结构示意图，该电子设备包括存储器100和处理器101，其中，存储器100用于存储一条或多条计算机指令，一条或多条计算机指令被处理器101执行，以实现上述客户实体的家庭关系预测方法。

进一步地，图6所示的电子设备还包括总线102和通信接口103，处理器101、通信接口103和存储器100通过总线102连接。

其中，存储器100可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口103(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。总线102可以是ISA总线、PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。

处理器101可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器，包括中央处理器(Central Processing 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(DigitalSignal Processor，简称DSP)、专用集成电路(Application Specific IntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array，简称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发明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也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器100，处理器101读取存储器100中的信息，结合其硬件完成前述实施例的方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令在被处理器调用和执行时，计算机可执行指令促使处理器实现上述客户实体的家庭关系预测方法，具体实现可参见方法实施例，在此不再赘述。

本发明实施例所提供的客户实体的家庭关系预测方法、装置和系统的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，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，上述描述的系统和/或装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

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(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。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

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所述以权利要求的保护范围为准。