一种手机银行的优惠活动推荐方法及装置

摘要

本发明提供一种手机银行的优惠活动推荐方法及装置，可用于金融领域或其他领域。所述方法包括：获取各个客户的优惠活动相关数据；根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；根据各个候选客户的筛选参数以及筛选模型，获得推荐客户；其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的。所述装置用于执行上述方法。本发明实施例提供的手机银行的手机银行的优惠活动推荐方法及装置，提高了优惠活动推荐的精确性。

说明书

技术领域

本发明涉及金融科技技术领域，具体涉及一种手机银行的优惠活动推荐方法及装置。

背景技术

本部分旨在为权利要求书中陈述的本发明实施例提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

目前，银行为了吸引客户，会不定期开展优惠活动，比如生活缴费优惠、话费充值优惠、出行优惠、购物优惠、刷卡优惠等。而不同的客户，感兴趣的优惠活动不同。因此，如何提出一种手机银行的优惠活动推荐方法，更精准地将优惠活动推荐给有需求的客户成为本领域亟待解决的重要课题。

发明内容

针对现有技术中的问题，本发明实施例提供一种手机银行的优惠活动推荐方法及装置，能够至少部分地解决现有技术中存在的问题。

第一方面，本发明提出一种手机银行的优惠活动推荐方法，包括：

获取各个客户的优惠活动相关数据；

根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；

根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；

根据各个候选客户的筛选参数以及筛选模型，获得推荐客户；其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的。

进一步地，所述筛选参数包括活动浏览匹配度、活动参与度和活动参与匹配度；相应地，所述根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数包括：

根据所述候选客户最近预设次数浏览的优惠活动的活动类型以及当前优惠活动的活动类型，获得所述候选客户的活动浏览匹配度；

根据所述候选客户预设时间段内参与的优惠活动数量以及所述预设时间段内开展的优惠活动数量，获得所述候选客户的活动参与度；

根据所述候选客户预设时间段内参与的每个优惠活动的活动类型以及当前优惠活动的活动类型，获得所述候选客户的活动参与匹配度。

进一步地，基于历史客户的筛选参数集以及活动标签训练获得筛选模型包括：

获取历史客户的筛选参数以及活动标签；

根据历史客户的筛选参数集以及活动标签对原始模型进行训练，获得所述筛选模型。

进一步地，所述原始模型包括：

Q＝M

其中，Q表示兴趣值，A表示活动浏览匹配度，B表示活动参与度，C表示活动参与匹配度，M

第二方面，本发明提出一种手机银行的优惠活动推荐装置，包括：

第一获取单元，用于获取各个客户的优惠活动相关数据；

筛选单元，用于根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；

第一获得单元，用于根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；

第二获得单元，用于根据各个候选客户的筛选参数以及筛选模型，获得推荐客户；其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的。

进一步地，所述筛选参数包括活动浏览匹配度、活动参与度和活动参与匹配度；相应地，所述第一获得单元具体用于：

根据所述候选客户最近预设次数浏览的优惠活动的活动类型以及当前优惠活动的活动类型，获得所述候选客户的活动浏览匹配度；

根据所述候选客户预设时间段内参与的优惠活动数量以及所述预设时间段内开展的优惠活动数量，获得所述候选客户的活动参与度；

根据所述候选客户预设时间段内参与的每个优惠活动的活动类型以及当前优惠活动的活动类型，获得所述候选客户的活动参与匹配度。

进一步地，本发明实施例提供的手机银行的优惠活动推荐装置还包括：

第二获取单元，用于获取历史客户的筛选参数以及活动标签；

训练单元，用于根据历史客户的筛选参数集以及活动标签对原始模型进行训练，获得所述筛选模型。

进一步地，所述原始模型包括：

Q＝M

其中，Q表示兴趣值，A表示活动浏览匹配度，B表示活动参与度，C表示活动参与匹配度，M

第三方面，本发明提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一实施例所述手机银行的优惠活动推荐方法。

又一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述手机银行的优惠活动推荐方法。

还一方面，本发明提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现上述任一实施例所述手机银行的优惠活动推荐方法。

本发明实施例提供的手机银行的优惠活动推荐方法及装置，获取各个客户的优惠活动相关数据；根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；根据各个候选客户的筛选参数以及筛选模型，获得推荐客户，能够更精准地获得推荐客户，提高了优惠活动推荐的精确性。

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他的附图。在附图中：

图1是本发明第一实施例提供的手机银行的优惠活动推荐方法的流程示意图。

图2是本发明第二实施例提供的手机银行的优惠活动推荐方法的流程示意图。

图3是本发明第三实施例提供的手机银行的优惠活动推荐装置的结构示意图。

图4是本发明第四实施例提供的手机银行的优惠活动推荐装置的结构示意图。

图5是本发明第五实施例提供的计算机设备的实体结构示意图。

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明白，下面结合附图对本发明实施例做进一步详细说明。在此，本发明的示意性实施例及其说明用于解释本发明，但并不作为对本发明的限定。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互任意组合。本申请技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。

下面以服务器作为执行主体为例，对本发明实施例提供的手机银行的优惠活动推荐方法的具体实现过程进行说明。

图1是本发明第一实施例提供的手机银行的优惠活动推荐方法的流程示意图，如图1所示，本发明实施例提供的手机银行的优惠活动推荐方法，包括：

S101、获取各个客户的优惠活动相关数据；

具体地，银行通过手机银行开展优惠活动时，需要将优惠活动推荐给客户。为了精准地将优惠活动推荐给客户，服务器可以获取到各个客户的优惠活动相关数据，客户的优惠活动相关数据可以包括客户年限、活动类型、优惠金额、优惠活动浏览记录等，根据实际需要进行设置，本发明实施例不做限定。

其中，客户年限是指客户使用手机银行的年限，即从客户注册手机银行到当前时间有多少年。活动类型是指优惠活动的活动类型，活动类型包括但不限于公共交通、充值、旅行、购物等，根据实际需要进行设置，本发明实施例不做限定。优惠金额是指参与优惠活动能够享受到减免或者增加，比如充值100减10元，减免了10元，充值100元实际到账105元，增加了5元。优惠活动浏览记录是指客户通过手机银行浏览优惠活动的记录，通过手机银行可以抓取到客户的浏览记录。其中，抓取客户在手机银行上的浏览记录是经过客户授权的。其中，生活缴费和话费充值的活动类型为充值。

S102、根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；

具体地，对于获取到的每个客户的优惠活动相关数据，所述服务器会判断客户的优惠活动相关数据是否满足初步筛选规则，如果客户的优惠活动相关数据满足初步筛选规则，那么将客户作为一个候选客户；客户的优惠活动相关数据不满足初步筛选规则，那么不会将客户作为候选客户。其中，所述初步筛选规则是预设的，根据优惠活动进行设置，本发明实施例不做限定。通过初步筛选规则可以对客户进行粗筛，减少候选客户的数量，提高客户的筛选效率。

例如，某优惠活动，初步筛选规则设置为：客户年限大于等于3年，至少参与一次活动类型为公共交通的优惠活动，以及最近1个月浏览过活动类型为公共交通的优惠活动。从客户的优惠活动相关数据中获取客户的客户年限，参与过的优惠活动的活动类型，以及最近1个月在手机银行上的优惠活动浏览记录。如果客户的客户年限大于3年，参与过的优惠活动的活动类型包括公共交通，并且最近1个月在手机银行上的优惠活动浏览记录包括活动类型为公共交通的优惠活动，那么将客户作为候选客户。如果客户的客户年限小于3年，参与过的优惠活动的活动类型不包括公共交通，或者最近1个月在手机银行上优惠活动浏览记录不包括活动类型为公共交通的优惠活动，那么不会将客户作为候选客户。

S103、根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；

具体地，所述服务器基于每个候选客户的优惠活动相关数据，可以获得每个候选客户的筛选参数。其中，所述筛选参数包括活动浏览匹配度、活动参与度和活动参与匹配度等，根据实际需要进行设置，本发明实施例不做限定。筛选参数的具体获得过程见下文所述，此处不进行赘述。

S104、根据各个候选客户的筛选参数以及筛选模型，获得推荐客户；其中，所述筛选模型是基于历史客户的筛选参数以及活动标签训练获得的。

具体地，所述服务器将每个候选客户的筛选参数输入到筛选模型中，经过筛选模型的处理可以输出每个候选客户对当前优惠活动感兴趣或者不感兴趣，如果输出的是候选客户对当前优惠活动感兴趣，那么将客户归属于推荐客户；如果输出的是候选客户对当前优惠活动不感兴趣，那么不会将客户作为推荐客户。在获得推荐客户之后，可以将当前优惠活动推送给推荐客户。其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的，活动标签是预设的，活动标签可以包括参与和没参与，参与表明客户对优惠活动感兴趣，没参与表明客户对优惠活动不感兴趣。

例如，可以发送优惠活动推荐消息到手机银行上，供客户查询当前优惠活动，实现将优惠活动推荐给客户。

本发明实施例提供的手机银行的优惠活动推荐方法，获取各个客户的优惠活动相关数据；根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；根据各个候选客户的筛选参数以及筛选模型，获得推荐客户，能够更精准地获得推荐客户，提高了优惠活动推荐的精确性。

在上述各实施例的基础上，进一步地，所述筛选参数包括活动浏览匹配度、活动参与度和活动参与匹配度；相应地，所述根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数包括：

根据所述候选客户第一预设时间段预设次数浏览的优惠活动的活动类型以及当前优惠活动的活动类型，获得所述候选客户的活动浏览匹配度；

根据所述候选客户预设时间段内参与的优惠活动数量以及所述预设时间段内开展的优惠活动数量，获得所述候选客户的活动参与度；

根据所述候选客户预设时间段内参与的每个优惠活动的活动类型以及当前优惠活动的活动类型，获得所述候选客户的活动参与匹配度。

具体地，所述服务器从候选客户的优惠活动相关数据中获得客户在手机银行上最近预设次数浏览的每个优惠活动的活动类型，并将预设次数个优惠活动的活动类型与当前优惠活动的活动类型进行比较，统计出预设次数个优惠活动的活动类型与当前优惠活动的活动类型相同的数量a，计算数量a与预设次数的比值，作为候选客户的活动浏览匹配度。活动浏览匹配度越高说明候选客户对与当前优惠活动的活动类型相同的优惠活动越感兴趣。其中，预设次数根据实际需要进行设置，本发明实施例不做限定。最近是指距离当前时间最短。

所述服务器从候选客户的优惠活动相关数据中获得候选客户在预设时间段内参与的每个优惠活动，并统计出候选客户预设时间段内参与的优惠活动数量c。所述服务器可以统计出银行在预设时间段内开展的与手机银行相关的优惠活动的数量，作为所述预设时间段内开展的优惠活动数量d。所述服务器计算候选客户预设时间段内参与的优惠活动数量c与预设时间段内开展的优惠活动数量d的比值，作为候选客户的活动参与度。活动参与度越高，说明候选客户参与优惠活动的兴趣越高。

所述服务器从候选客户的优惠活动相关数据中获得候选客户在预设时间段内参与的每个优惠活动的活动类型，并将上述参与的每个优惠活动的活动类型与当前优惠活动的活动类型进行比较，统计出上述参与的各个优惠活动的活动类型与当前优惠活动的活动类型相同的数量e，候选客户预设时间段内参与的优惠活动数量为c，所述服务器计算e与c的比值，作为候选客户的活动参与匹配度。活动参与匹配度越高，说明候选客户参与当前优惠活动的活动类型的优惠活动的可能性越大。

例如，所述服务器获得客户在手机银行上最近三次浏览的优惠获得的活动类型分别为公共交通、充值、旅行，当前优惠活动为充值，最近三次浏览的优惠获得的活动类型与当前优惠活动的活动类型相同的数量为1，该候选客户的活动浏览匹配度1/3。

例如，所述服务器统计出候选客户过去一年内参与的优惠活动数量为10，过去一年内开展的优惠活动数量为50，那么候选客户的活动参与度为10/50＝1/5。

例如，所述服务器统计出候选客户过去一年内参与的优惠活动数量为10，参与的上述10个优惠活动的活动类型与当前活动的活动类型相同的数量为3，那么候选客户的活动参与匹配度为3/10。

图2是本发明第二实施例提供的手机银行的优惠活动推荐方法的流程示意图，如图2所示，在上述各实施例的基础上，进一步地，基于历史客户的筛选参数集以及活动标签训练获得筛选模型包括：

S201、获取历史客户的筛选参数集以及活动标签；

具体地，可以收集历史时间段内各个客户的优惠活动相关数据，然后根据历史时间段内各个客户的优惠活动相关数据，获得各个客户的筛选参数，构成历史客户的筛选参数集。历史客户的筛选参数集包括每个客户的筛选参数，每个客户的筛选参数对应一个活动标签，每个客户的筛选参数对应的活动标签为参与或者没参与，根据客户实际是否参与优惠活动进行设置。其中，所述历史时间段根据实际需要进行设置，本发明实施例不做限定。

S202、根据历史客户的筛选参数集以及活动标签对原始模型进行训练，获得所述筛选模型。

具体地，所述服务器根据所述历史客户的筛选参数集以及活动标签，对原始模型进行训练，可以训练获得所述筛选模型。其中，原始模型是预设的，可以采用支持向量机(Support Vector Machine，简称SVM)模型，根据实际需要进行设置，本发明实施例不做限定。模型的具体训练过程为现有技术，此处不进行赘述。

在上述各实施例的基础上，进一步地，所述原始模型包括：

Q＝M

其中，Q表示兴趣值，A表示活动浏览匹配度，B表示活动参与度，C表示活动参与匹配度，M

具体地，所述原始模型包括Q＝M

图3是本发明第三实施例提供的手机银行的优惠活动推荐装置的结构示意图，如图3所示，本发明实施例提供的手机银行的优惠活动推荐装置包括第一获取单元301、筛选单元302、第一获得单元303和第二获得单元304，其中：

第一获取单元301用于获取各个客户的优惠活动相关数据；筛选单元302用于根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；第一获得单元303用于根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；第二获得单元304用于根据各个候选客户的筛选参数以及筛选模型，获得推荐客户；其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的。

具体地，银行通过手机银行开展优惠活动时，需要将优惠活动推荐给客户。为了精准地将优惠活动推荐给客户，第一获取单元301可以获取到各个客户的优惠活动相关数据，客户的优惠活动相关数据可以包括客户年限、活动类型、优惠金额、优惠活动浏览记录等，根据实际需要进行设置，本发明实施例不做限定。

对于获取到的每个客户的优惠活动相关数据，筛选单元302会判断客户的优惠活动相关数据是否满足初步筛选规则，如果客户的优惠活动相关数据满足初步筛选规则，那么将客户作为一个候选客户；客户的优惠活动相关数据不满足初步筛选规则，那么不会将客户作为候选客户。其中，所述初步筛选规则是预设的，根据优惠活动进行设置，本发明实施例不做限定。通过初步筛选规则可以对客户进行粗筛，减少候选客户的数量，提高客户的筛选效率。

第一获得单元303基于每个候选客户的优惠活动相关数据，可以获得每个候选客户的筛选参数。其中，所述筛选参数包括活动浏览匹配度、活动参与度和活动参与匹配度等，根据实际需要进行设置，本发明实施例不做限定。

第二获得单元304将每个候选客户的筛选参数输入到筛选模型中，经过筛选模型的处理可以输出每个候选客户对当前优惠活动感兴趣或者不感兴趣，如果输出的是候选客户对当前优惠活动感兴趣，那么将客户归属于推荐客户；如果输出的是候选客户对当前优惠活动不感兴趣，那么不会将客户作为推荐客户。在获得推荐客户之后，可以将当前优惠活动推送给推荐客户。其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的，活动标签是预设的，活动标签可以包括参与和没参与，参与表明客户对优惠活动感兴趣，没参与表明客户对优惠活动不感兴趣。

本发明实施例提供的手机银行的优惠活动推荐装置，获取各个客户的优惠活动相关数据；根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；根据各个候选客户的筛选参数以及筛选模型，获得推荐客户，能够更精准地获得推荐客户，提高了优惠活动推荐的精确性。

在上述各实施例的基础上，进一步地，所述筛选参数包括活动浏览匹配度、活动参与度和活动参与匹配度；相应地，第一获得单元303具体用于：

根据所述候选客户最近预设次数浏览的优惠活动的活动类型以及当前优惠活动的活动类型，获得所述候选客户的活动浏览匹配度；

根据所述候选客户预设时间段内参与的优惠活动数量以及所述预设时间段内开展的优惠活动数量，获得所述候选客户的活动参与度；

根据所述候选客户预设时间段内参与的每个优惠活动的活动类型以及当前优惠活动的活动类型，获得所述候选客户的活动参与匹配度。

图4是本发明第四实施例提供的手机银行的优惠活动推荐装置的结构示意图，如图4所示，在上述各实施例的基础上，进一步地，本发明实施例提供的手机银行的优惠活动推荐装置还包括第二获取单元305和训练单元306，其中：

第二获取单元305用于获取历史客户的筛选参数以及活动标签；训练单元306用于根据历史客户的筛选参数集以及活动标签对原始模型进行训练，获得所述筛选模型。

在上述各实施例的基础上，进一步地，所述原始模型包括：

Q＝M

其中，Q表示兴趣值，A表示活动浏览匹配度，B表示活动参与度，C表示活动参与匹配度，M

本发明实施例提供的装置的实施例具体可以用于执行上述各方法实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。

需要说明的是，本发明实施例提供的手机银行的优惠活动推荐方法及装置可用于金融领域，也可用于除金融领域之外的任意技术领域，本发明实施例对手机银行的优惠活动推荐方法及装置的应用领域不做限定。

图5是本发明第五实施例提供的计算机设备的实体结构示意图，如图5所示，该计算机设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行如下方法：获取各个客户的优惠活动相关数据；根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；根据各个候选客户的筛选参数以及筛选模型，获得推荐客户；其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的。

此外，上述的存储器503中的逻辑指令可以通过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。

本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取各个客户的优惠活动相关数据；根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；根据各个候选客户的筛选参数以及筛选模型，获得推荐客户；其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的。

本实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述各方法实施例所提供的方法，例如包括：获取各个客户的优惠活动相关数据；根据各个客户的优惠活动相关数据以及初步筛选规则，筛选出至少一个候选客户；其中，所述初步筛选规则是预设的；根据每个候选客户的优惠活动相关数据，获得每个候选客户的筛选参数；根据各个候选客户的筛选参数以及筛选模型，获得推荐客户；其中，所述筛选模型是基于历史客户的筛选参数集以及活动标签训练获得的。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。