本發(fā)明涉及智能電視技術(shù)領(lǐng)域，具體涉及一種電視節(jié)目推薦方法和系統(tǒng)。

背景技術(shù)：

近年來，隨著電視智能化程度和互聯(lián)網(wǎng)化程度的不斷加深，電視節(jié)目的類型和數(shù)量大幅度增加，各種節(jié)目、新聞充斥著人們的生活。面對如此龐雜的內(nèi)容群，人們已經(jīng)無法通過簡單的搜索獲取自己真正感興趣的信息，并且重復(fù)頻繁的搜索方式，會使人們厭倦對節(jié)目的選擇，失去觀賞節(jié)目的興趣。

為解決上述問題，電視節(jié)目推薦系統(tǒng)應(yīng)運而生。電視節(jié)目推薦系統(tǒng)根據(jù)用戶歷史行為數(shù)據(jù)，建立用戶興趣偏好模型，篩選出用戶感興趣的節(jié)目，快速準(zhǔn)確地向用戶推薦所喜好的節(jié)目信息。

在實現(xiàn)本發(fā)明的過程中，本發(fā)明的發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中的節(jié)目推薦系統(tǒng)至少存在如下問題：

在生成推薦列表時，傳統(tǒng)的推薦算法過濾了目標(biāo)用戶已點播的電視節(jié)目，但是有些電視節(jié)目比如連續(xù)劇等，用戶可能并未播放完畢，可能正是用戶希望看到的；

當(dāng)前的電視節(jié)目推薦系統(tǒng)不區(qū)分家庭用戶，不能很好的針對性根據(jù)當(dāng)前用戶的喜好推薦相應(yīng)的節(jié)目；

目前的電視節(jié)目主要是直播居多，點播為輔，但是當(dāng)前的電視節(jié)目未有效的融合當(dāng)天各個頻道的電子節(jié)目菜單，導(dǎo)致有些節(jié)目不能被推薦，而有些推薦的節(jié)目當(dāng)天并不播出；

上述的這些問題導(dǎo)致目前的節(jié)目推薦系統(tǒng)所推薦的節(jié)目的準(zhǔn)確性偏低。

技術(shù)實現(xiàn)要素：

(一)解決的技術(shù)問題

本發(fā)明的一個目的在于至少部分的提高節(jié)目推薦的準(zhǔn)確性。

(二)技術(shù)方案

為達到上述目的，本發(fā)明的第一個方面提供了一種電視節(jié)目推薦方法，包括：

根據(jù)用戶歷史點播記錄和節(jié)目基本屬性記錄為用戶生成離線節(jié)目推薦列表；

根據(jù)當(dāng)前影響因素對所述離線節(jié)目推薦列表進行動態(tài)調(diào)整；所述當(dāng)前影響因素包括當(dāng)前用戶在當(dāng)前時間段內(nèi)的點播行為；

根據(jù)調(diào)整后的實時節(jié)目推薦列表為當(dāng)前用戶推薦電視節(jié)目。

進一步的，所述當(dāng)前影響因素還包括當(dāng)前時間段之后的預(yù)設(shè)時間段內(nèi)多個頻道的實時電子節(jié)目菜單B。

進一步的，所述根據(jù)當(dāng)前影響因素對所述離線節(jié)目推薦列表進行動態(tài)調(diào)整，包括：

根據(jù)節(jié)目集合A和實時電子節(jié)目菜單B生成實時候選集E；

根據(jù)離線節(jié)目推薦列表和實時電子節(jié)目菜單B生成實時候選集D；

融合實時候選集E和實時候選集D，為用戶生成調(diào)整后的實時節(jié)目推薦列表List；所述節(jié)目集合A是當(dāng)前用戶在當(dāng)前時間段內(nèi)點播節(jié)目的集合。

進一步的，所述根據(jù)節(jié)目集合A和實時電子節(jié)目菜單B生成實時候選集E，包括：

根據(jù)用戶興趣建模方法計算用戶對節(jié)目集合A中節(jié)目的偏好pref；并采用基于節(jié)目內(nèi)容的推薦算法，根據(jù)節(jié)目基本屬性計算節(jié)目集合A和實時電子節(jié)目菜單B中節(jié)目屬性間的相似性sim，并根據(jù)節(jié)目屬性相似性sim和用戶對節(jié)目集合A中節(jié)目的偏好pref的乘積生成用戶對實時電子節(jié)目菜單B中節(jié)目的偏好w，根據(jù)偏好w的大小對實時電子節(jié)目菜單B中節(jié)目進行排序，生成實時候選集E。

進一步的，所述根據(jù)用戶歷史點播記錄和節(jié)目基本屬性記錄為用戶生成離線節(jié)目推薦列表，包括：

利用用戶興趣建模方法對用戶歷史點播記錄和節(jié)目基本屬性記錄進行處理，以生成用戶偏好矩陣；

根據(jù)用戶偏好矩陣，利用基于用戶的協(xié)同過濾推薦算法，生成第一初始推薦列表Ulist；和/或利用基于節(jié)目的協(xié)同過濾推薦算法，生成第二初始推薦列表Vlist；

根據(jù)用戶歷史點播記錄中未完成全部集/期播放的系列節(jié)目生成第三初始推薦列表Plist；

根據(jù)生成的第一初始推薦列表Ulist和第二初始推薦列表Vlist生成中間初始推薦列表UVlist；

根據(jù)中間初始推薦列表UVlist和第三初始推薦列表Plist生成離線節(jié)目推薦列表。

第二方面，本發(fā)明提供了一種電視節(jié)目推薦系統(tǒng)，包括：

離線列表推薦模塊，用于根據(jù)用戶歷史點播記錄和節(jié)目基本屬性記錄為用戶生成離線節(jié)目推薦列表；

調(diào)整模塊，用于根據(jù)當(dāng)前影響因素對所述離線節(jié)目推薦列表進行動態(tài)調(diào)整；所述當(dāng)前影響因素包括當(dāng)前用戶在當(dāng)前時間段內(nèi)的點播行為；

實時列表推薦模塊，用于根據(jù)調(diào)整后的實時節(jié)目推薦列表為當(dāng)前用戶推薦電視節(jié)目。

進一步的，所述當(dāng)前影響因素還包括當(dāng)前時間段之后的預(yù)設(shè)時間段內(nèi)多個頻道的實時電子節(jié)目菜單B。

進一步的，所述調(diào)整模塊，用于根據(jù)當(dāng)前影響因素對所述離線節(jié)目推薦列表進行動態(tài)調(diào)整，包括：

根據(jù)節(jié)目集合A和實時電子節(jié)目菜單B生成實時候選集E；

根據(jù)離線節(jié)目推薦列表和實時電子節(jié)目菜單B生成實時候選集D；

融合實時候選集E和實時候選集D，為用戶生成調(diào)整后的實時節(jié)目推薦列表List。

進一步的，所述調(diào)整模塊，用于根據(jù)節(jié)目集合A和實時電子節(jié)目菜單B生成實時候選集E，包括：

根據(jù)用戶興趣建模方法計算用戶對節(jié)目集合A中節(jié)目的偏好程度pref；并采用基于節(jié)目內(nèi)容的推薦算法，根據(jù)節(jié)目基本屬性計算節(jié)目集合A和實時電子節(jié)目菜單B中節(jié)目屬性間的相似性sim，并根據(jù)節(jié)目屬性相似性sim和用戶對節(jié)目集合A中節(jié)目的偏好程度pref的乘積生成用戶對實時電子節(jié)目菜單B中節(jié)目的偏好w，根據(jù)偏好w的大小對實時電子節(jié)目菜單B中節(jié)目進行排序，生成實時候選集E。

進一步的，所述離線列表推薦模塊，用于根據(jù)用戶歷史點播記錄和節(jié)目基本屬性記錄為用戶生成離線節(jié)目推薦列表，包括：

利用用戶興趣建模方法對用戶歷史點播記錄和節(jié)目基本屬性記錄進行處理，以生成用戶偏好矩陣；

根據(jù)用戶偏好矩陣，利用基于用戶的協(xié)同過濾推薦算法，生成第一初始推薦列表Ulist；和/或利用基于節(jié)目的協(xié)同過濾推薦算法，生成第二初始推薦列表Vlist；

根據(jù)用戶歷史點播記錄中未完成全部集/期播放的系列節(jié)目生成第三初始推薦列表Plist；

根據(jù)生成的第一初始推薦列表Ulist和第二初始推薦列表Vlist生成中間初始推薦列表UVlist；

根據(jù)中間初始推薦列表UVlist和第三初始推薦列表Plist生成離線節(jié)目推薦列表。

(三)有益效果

本發(fā)明提供的電視節(jié)目推薦方法，能夠根據(jù)用戶在當(dāng)前時間段內(nèi)的點播行為對節(jié)目推薦列表進行動態(tài)的調(diào)整，并根據(jù)調(diào)整后的節(jié)目推薦列表推薦電視節(jié)目。本發(fā)明中，由于結(jié)合了當(dāng)前用戶的觀看習(xí)慣，因此所推薦的電視節(jié)目為當(dāng)前用戶所要觀看的節(jié)目的概率較大，準(zhǔn)確率較高。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明一實施例提供的電視節(jié)目推薦方法的流程圖；

圖2為本發(fā)明再一實施例提供的電視節(jié)目推薦方法的流程圖；

圖3為圖2中的電視節(jié)目推薦方法中部分流程的示意圖；

圖4為圖2中的電視節(jié)目推薦方法中部分流程的示意圖；

圖5本發(fā)明一實施例提供的電視節(jié)目推薦系統(tǒng)的結(jié)構(gòu)示意圖。

具體實施方式

為使本發(fā)明實施例的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

第一方面，本發(fā)明的基本實施例提供了一種電視節(jié)目推薦方法，參見圖1，該方法包括：

步驟S11，根據(jù)用戶歷史點播記錄和節(jié)目基本屬性記錄為用戶生成離線節(jié)目推薦列表；

步驟S12，根據(jù)當(dāng)前影響因素對所述離線節(jié)目推薦列表進行動態(tài)調(diào)整；所述當(dāng)前影響因素包括當(dāng)前用戶在當(dāng)前時間段內(nèi)的點播行為；

步驟S13，根據(jù)調(diào)整后的實時節(jié)目推薦列表為當(dāng)前用戶推薦電視節(jié)目。

本發(fā)明實施例提供的電視節(jié)目的推薦方法，能夠根據(jù)用戶在當(dāng)前時間段內(nèi)的點播行為對節(jié)目推薦列表進行動態(tài)的調(diào)整，并根據(jù)調(diào)整后的節(jié)目推薦列表推薦電視節(jié)目。本發(fā)明中，由于結(jié)合了當(dāng)前用戶的觀看習(xí)慣，因此所推薦的電視節(jié)目為當(dāng)前用戶所要觀看的節(jié)目的概率較大，準(zhǔn)確率較高。

在具體實施時，還可以按照如下一種或者幾種方式實施，以進一步提高節(jié)目推薦的準(zhǔn)確性：

方式一、所述當(dāng)前影響因素還包括當(dāng)前時間段之后的預(yù)設(shè)時間段內(nèi)多個頻道的實時電子節(jié)目菜單。

這樣在具體實施時，可以避免推薦那些當(dāng)前根本不會播放的節(jié)目，比如綜藝節(jié)目等，進一步提高節(jié)目推薦的準(zhǔn)確性。

更進一步的，此時步驟S12可以具體包括：

步驟S121，根據(jù)節(jié)目集合A和實時電子節(jié)目菜單B生成實時候選集E；

步驟S122，根據(jù)離線節(jié)目推薦列表和實時電子節(jié)目菜單B生成實時候選集D；

步驟S123，融合實時候選集E和實時候選集D，為用戶生成調(diào)整后的實時節(jié)目推薦列表List。

具體來說，在實施時，上述的步驟S121可以具體包括：根據(jù)用戶興趣建模方法計算用戶對節(jié)目集合A中節(jié)目的偏好pref；并采用基于節(jié)目內(nèi)容的推薦算法，根據(jù)節(jié)目基本屬性計算節(jié)目集合A和實時電子節(jié)目菜單B中節(jié)目屬性間的相似性sim，并根據(jù)節(jié)目屬性相似性sim和用戶對節(jié)目集合A中節(jié)目的偏好pref的乘積生成用戶對實時電子節(jié)目菜單B中節(jié)目的偏好w，根據(jù)偏好w的大小對實時電子節(jié)目菜單B中節(jié)目進行排序，生成實時候選集E。

這里的節(jié)目集合A是當(dāng)前用戶在當(dāng)前時間段內(nèi)點播節(jié)目的集合。

方式三：所述根據(jù)用戶歷史點播記錄和節(jié)目基本屬性記錄生成離線節(jié)目推薦列表，包括：

利用用戶興趣建模方法對用戶歷史點播記錄和節(jié)目基本屬性記錄進行處理，以生成用戶偏好矩陣；

根據(jù)用戶偏好矩陣，利用基于用戶的協(xié)同過濾推薦算法，生成第一初始推薦列表Ulist；和/或利用基于節(jié)目的協(xié)同過濾推薦算法，生成第二初始推薦列表Vlist；

根據(jù)用戶歷史點播記錄中未完成全部集/期播放的系列節(jié)目生成第三初始推薦列表Plist；

根據(jù)生成的第一初始推薦列表Ulist和第二初始推薦列表Vlist生成中間初始推薦列表UVlist；

根據(jù)中間初始推薦列表UVlist和第三初始推薦列表Plist生成離線節(jié)目推薦列表。

通過這種方式，能夠較為有效的過濾出用戶感興趣的節(jié)目，去掉用戶不太感興趣的節(jié)目，提高推薦的準(zhǔn)確性。

進一步的，在方式三中，所述根據(jù)生成的第一初始推薦列表Ulist和第二初始推薦列表Vlist生成中間初始推薦列表UVlist，可以按照如下的優(yōu)選方式實施，以進一步提高節(jié)目推薦的準(zhǔn)確性。具體來說，可以包括：

根據(jù)用戶對第一初始推薦列表Ulist和第二初始推薦列表Vlist中的節(jié)目的偏好程度生成中間初始推薦列表UVlist；其中，在第一初始推薦列表Ulist和第二初始推薦列表Vlist均包含同一節(jié)目時，取該節(jié)目的偏好程度為該節(jié)目在第一初始推薦列表Ulist中對應(yīng)的偏好程度和在第二初始推薦列表Vlist中對應(yīng)的偏好程度的平均值。

為了便于理解，下面對本發(fā)明提供的推薦電視節(jié)目的方法的一種優(yōu)選的實施方式進行更為詳細的說明：

參見圖2，該方法的整體流程可以包括如下步驟：

1，利用機頂盒采集裝置，收集用戶歷史點播記錄；利用EPG數(shù)據(jù)采集裝置，收集各個頻道播放的電子節(jié)目菜單和節(jié)目基本屬性記錄；這樣可以得到上述的實時電子節(jié)目菜單B；

2，根據(jù)節(jié)目基本屬性記錄和用戶歷史點播記錄，生成用戶歷史點播記錄中未完成全部集/期播放的系列節(jié)目生成第三初始推薦列表Plist；同時利用用戶興趣建模方法，生成用戶偏好矩陣；

3，根據(jù)用戶偏好矩陣，分別利用基于用戶和基于節(jié)目的協(xié)同過濾推薦算法，為目標(biāo)用戶生成第一初始推薦列表Ulist；利用基于節(jié)目的協(xié)同過濾推薦算法，為目標(biāo)用戶生成第二初始推薦列表Vlist；

4，融合第三初始推薦列表Plist、第一初始推薦列表Ulist和第二初始推薦列表Vlist，生成離線節(jié)目推薦列表UVPlist；

5，利用機頂盒采集裝置，收集用戶實時點播行為，生成當(dāng)前用戶在當(dāng)前時間段內(nèi)點播的節(jié)目集合A

6，基于節(jié)目集合A、離線節(jié)目推薦列表UVPlist和實時電子節(jié)目菜單B，利用基于內(nèi)容的推薦算法，生成實時節(jié)目推薦列表List。

其中，基于用戶的協(xié)同過濾推薦算法和基于節(jié)目的協(xié)同過濾推薦算法只推薦用戶點播過的相似性節(jié)目，不會把用戶已點播的電視節(jié)目再為其推薦，而實際上電視節(jié)目具有重復(fù)性和連續(xù)性的特點，用戶在很大程度上會觀看同一電視節(jié)目的不同集數(shù)，因此在生成最終推薦列表的時候需要考慮用戶歷史點播記錄中未完成全部集/期播放的系列節(jié)目即第三初始推薦列表Plist，生成離線節(jié)目推薦列表UVPlist。

其中，在上述的步驟4中，在各個算法生成各自的推薦列表進行融合的時候，參見圖3，具體操作步驟可以如下：

(1)若節(jié)目為綜藝欄目新聞等時，總集數(shù)F^j的值不確定，此時根據(jù)用戶對該節(jié)目偏好的大小進行排序生成第三初始推薦列表Plist；若節(jié)目為電視連續(xù)劇時，總集數(shù)F^j為固定值，則統(tǒng)計用戶u_u點播過節(jié)目v_j最近時間的集數(shù)與總集數(shù)F^j的關(guān)系，若則根據(jù)用戶u_u對節(jié)目v_j的偏好大小進行排序，生成第三初始推薦列表Plist；若則不把該節(jié)目納入第三初始推薦列表Plist。

(2)根據(jù)用戶對節(jié)目偏好的大小，融合第一初始推薦列表Ulist推薦列表和第二初始推薦列表Vlist中的節(jié)目生成中間初始推薦列表UVlist，若同一節(jié)目分別在中間初始推薦列表UVlist和第二初始推薦列表Vlist中，則取其偏好的平均值，再根據(jù)偏好大小進行排序；

(3)融合中間初始推薦列表UVlist和第三初始推薦列表Plist中的節(jié)目，根據(jù)偏好大小進行排序，生成離線節(jié)目推薦列表UVPlist。

在上述的步驟6中，參見圖4，生成實時節(jié)目推薦列表List的過程可以包括：

(1)根據(jù)當(dāng)前時刻T，向前取t1分鐘的區(qū)間(即[T-t1,T]時間區(qū)間)內(nèi)的用戶所點播的節(jié)目集合A；

(2)利用EPG數(shù)據(jù)采集裝置，根據(jù)當(dāng)前時刻T，向后取t2分鐘的區(qū)間(即[T,T+t2]時間區(qū)間)內(nèi)各個頻道的電子節(jié)目菜單所包含的節(jié)目集合B；這里的節(jié)目集合B即是當(dāng)前影響因素還包括當(dāng)前時間段之后的預(yù)設(shè)時間段內(nèi)多個頻道的實時電子節(jié)目菜單B；

(3)將離線節(jié)目推薦列表UVPlist中所有節(jié)目的集合記為C；

(4)生成實時候選集D＝C∩B；

(5)采用基于節(jié)目內(nèi)容的推薦算法，根據(jù)節(jié)目基本屬性計算節(jié)目集合A和節(jié)目集合B中節(jié)目的屬性相似性sim；

(6)根據(jù)用戶興趣偏好模型，計算用戶對節(jié)目集合A中節(jié)目的偏好pref；

(7)計算用戶對節(jié)目集合B中節(jié)目的偏好w＝pref*sim；

(8)根據(jù)偏好w的大小，生成實時候選集E；

(9)根據(jù)用戶對實時候選集D和實時候選集E中節(jié)目的偏好大小，對實時候選集D和實時候選集E中的節(jié)目進行排序，為當(dāng)前用戶生成實時節(jié)目推薦列表List。

另一方面，本發(fā)明實施例還提供了一種推薦電視節(jié)目的系統(tǒng)，參見5，該系統(tǒng)包括：

離線列表推薦模塊51，用于根據(jù)用戶歷史點播記錄和節(jié)目基本屬性記錄為用戶生成離線節(jié)目推薦列表；

調(diào)整模塊52，用于根據(jù)當(dāng)前影響因素對所述節(jié)目推薦列表進行動態(tài)調(diào)整；所述當(dāng)前影響因素包括當(dāng)前用戶在當(dāng)前時間段內(nèi)的點播行為；

實時列表推薦模塊53，用于根據(jù)調(diào)整后的實時節(jié)目推薦列表為當(dāng)前用戶推薦電視節(jié)目。

進一步的，所述當(dāng)前影響因素還包括當(dāng)前時間段之后的預(yù)設(shè)時間段內(nèi)多個頻道的實時電子節(jié)目菜單B。

進一步的，該系統(tǒng)還包括：所述調(diào)整模塊52，用于根據(jù)當(dāng)前影響因素對所述節(jié)目推薦列表進行動態(tài)調(diào)整，包括：

根據(jù)節(jié)目集合A和實時電子節(jié)目菜單B生成實時候選集E；

根據(jù)離線節(jié)目推薦列表和實時電子節(jié)目菜單B生成實時候選集D；

融合實時候選集E和實時候選集D，為用戶生成調(diào)整后的實時節(jié)目推薦列表List；所述節(jié)目集合A是當(dāng)前用戶在當(dāng)前時間段內(nèi)點播節(jié)目的集合。

更進一步的，所述調(diào)整模塊52，用于根據(jù)節(jié)目集合A和實時電子節(jié)目菜單B生成實時候選集E，可以具體包括：

根據(jù)用戶興趣建模方法計算用戶對節(jié)目集合A中節(jié)目的偏好pref；并采用基于節(jié)目內(nèi)容的推薦算法，根據(jù)節(jié)目基本屬性計算節(jié)目集合A和實時電子節(jié)目菜單B中節(jié)目屬性間的相似性sim，并根據(jù)節(jié)目屬性相似性sim和用戶對節(jié)目集合A中節(jié)目的偏好pref的乘積生成用戶對實時電子節(jié)目菜單B中節(jié)目的偏好w，根據(jù)偏好w的大小對實時電子節(jié)目菜單B中節(jié)目進行排序，生成實時候選集E。

相應(yīng)的，調(diào)整模塊52用于融合實時候選集E和實時候選集D，為用戶生成調(diào)整后的實時節(jié)目推薦列表List。

進一步的，所述離線列表推薦模塊51用于根據(jù)用戶歷史點播記錄和節(jié)目基本屬性記錄為用戶生成離線節(jié)目推薦列表，包括：

利用用戶興趣建模方法對用戶歷史點播記錄和節(jié)目基本屬性記錄進行處理，以生成用戶偏好矩陣；

根據(jù)用戶偏好矩陣，利用基于用戶的協(xié)同過濾推薦算法，生成第一初始推薦列表Ulist；和/或利用基于節(jié)目的協(xié)同過濾推薦算法，生成第二初始推薦列表Vlist；

根據(jù)用戶歷史點播記錄中未完成全部集/期播放的系列節(jié)目生成第三初始推薦列表Plist；

根據(jù)生成的第一初始推薦列表Ulist和第二初始推薦列表Vlist生成中間初始推薦列表UVlist；

根據(jù)中間初始推薦列表UVlist和第三初始推薦列表Plist生成離線節(jié)目推薦列表UVPlist。

不難理解的是，由于上述第二方面介紹的推薦電視節(jié)目的系統(tǒng)為可以執(zhí)行本發(fā)明實施例中的推薦電視節(jié)目的方法的裝置，故而基于本發(fā)明實施例中所介紹的推薦電視節(jié)目的方法，本領(lǐng)域所屬技術(shù)人員能夠了解本實施例的推薦電視節(jié)目的系統(tǒng)的具體實施方式以及其各種變化形式，所以在此對于該推薦電視節(jié)目的系統(tǒng)如何實現(xiàn)本發(fā)明實施例中的推薦電視節(jié)目的方法不再詳細介紹。只要本領(lǐng)域所屬技術(shù)人員實施本發(fā)明實施例中推薦電視節(jié)目的方法所采用的裝置，都屬于本申請所欲保護的范圍。

第三方面，本發(fā)明提供了一種電子設(shè)備，包括處理器和存儲介質(zhì)；所述處理器被用于執(zhí)行所述存儲介質(zhì)中存儲的指令；

所述存儲介質(zhì)中存儲有指令，該指令用于執(zhí)行第一方面中所述及的任意一種方法的指令。

通過以上的實施方式的描述，本領(lǐng)域的技術(shù)人員可以清楚地了解到各實施方式可借助軟件加必需的通用硬件平臺的方式來實現(xiàn)，當(dāng)然也可以通過硬件?；谶@樣的理解，上述技術(shù)方案本質(zhì)上或者說對現(xiàn)有技術(shù)做出貢獻的部分可以以軟件產(chǎn)品的形式體現(xiàn)出來，該計算機軟件產(chǎn)品可以存儲在計算機可讀存儲介質(zhì)中，如ROM/RAM、磁碟、光盤等，包括若干指令用以使得一臺計算機設(shè)備(可以是個人計算機，服務(wù)器，或者網(wǎng)絡(luò)設(shè)備等)執(zhí)行各個實施例或者實施例的某些部分所述的方法。

在此處所提供的說明書中，說明了大量具體細節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細節(jié)的情況下實踐。在一些實例中，并未詳細示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對本說明書的理解。

類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護的本發(fā)明要求比在每個權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權(quán)利要求書由此明確地并入該具體實施方式，其中每個權(quán)利要求本身都作為本發(fā)明的單獨實施例。

本領(lǐng)域那些技術(shù)人員可以理解，可以對實施例中的設(shè)備中的模塊進行自適應(yīng)性地改變并且把它們設(shè)置在與該實施例不同的一個或多個設(shè)備中。可以把實施例中的模塊或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。

此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實施例。例如，在下面的權(quán)利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。

應(yīng)該注意的是上述實施例對本發(fā)明進行說明而不是對本發(fā)明進行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計出替換實施例。在權(quán)利要求中，不應(yīng)將位于括號之間的任何參考符號構(gòu)造成對權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計算機來實現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。

最后應(yīng)說明的是：以上實施例僅用以說明本發(fā)明的技術(shù)方案，而非對其限制；盡管參照前述實施例對本發(fā)明進行了詳細的說明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對前述各實施例所記載的技術(shù)方案進行修改，或者對其中部分技術(shù)特征進行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實施例技術(shù)方案的精神和范圍。