银行系统的等待时间控制方法及装置

摘要

本发明提出了一种银行系统的等待时间控制方法及装置，涉及计算机数据处理技术领域，包括：获取银行客户的客户信息及交易数据；对银行客户进行分类，获得多个客户类型；对每个客户类型进行聚类，获得客户类型对应的多个客户子集；依据客户子集的交易数据，确定客户子集的风险系数向量；从客户类型对应的多个客户子集中选取出客户类型对应的参考客户子集；依据客户类型对应的参考客户子集，确定客户类型的等待时间与风险系数的第一对应关系；依据客户类型对应的非参考客户子集，确定客户类型的等待时间与风险系数的第二对应关系；根据第一对应关系及第二对应关系，修正客户类型对应的非参考客户子集的银行客户使用银行系统时的等待时间阈值。

说明书

技术领域

本发明涉及计算机数据处理技术领域，尤指一种银行系统的等待时间控制方法及装置。

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。

在银行系统，通常会设置一等待时间阈值，如果客户的误操作时长(银行系统的等待时长)超过该等待时间阈值，则银行登录的账号就会推出或者发起的交易就会自动终止。这样可以减小风险的发生，但是目前该等待时间阈值的设置和具体的客户无关，导致一部分客户的风险比较大。

综上来看，亟需一种可以克服上述缺陷，能够对银行系统的等待时间进行控制的技术方案。

发明内容

为解决现有技术存在的问题，本发明提出了一种银行系统的等待时间控制方法及装置。

在本发明实施例的第一方面，提出了一种银行系统的等待时间控制方法，包括：

获取银行客户的客户信息及交易数据；

依据客户信息，对银行客户进行分类，获得多个客户类型；

依据交易数据，对每个客户类型进行聚类，获得该客户类型对应的多个客户子集；

对于每个客户子集，依据该客户子集的交易数据，确定该客户子集的风险系数向量；

对于每个客户类型，依据风险系数向量，从该客户类型对应的多个客户子集中选取出该客户类型对应的参考客户子集；

对于每个客户类型，依据该客户类型对应的参考客户子集，确定该客户类型的等待时间与风险系数的第一对应关系；

对于每个客户类型，依据该客户类型对应的非参考客户子集，确定该客户类型的等待时间与风险系数的第二对应关系；其中，非参考客户子集是除参考客户子集以外的客户子集；

对于每个客户类型，依据该客户类型的等待时间与风险系数的第一对应关系，以及该客户类型的等待时间与风险系数的第二对应关系，修正该客户类型对应的非参考客户子集的银行客户使用银行系统时的等待时间阈值。

在本发明实施例的第二方面，提出了一种银行系统的等待时间控制装置，包括：

数据获取模块，用于获取银行客户的客户信息及交易数据；

客户分类模块，用于依据客户信息，对银行客户进行分类，获得多个客户类型；

客户聚类模块，用于依据交易数据，对每个客户类型进行聚类，获得该客户类型对应的多个客户子集；

风险系数向量确定模块，用于对于每个客户子集，依据该客户子集的交易数据，确定该客户子集的风险系数向量；

参考客户子集确定模块，用于对于每个客户类型，依据风险系数向量，从该客户类型对应的多个客户子集中选取出该客户类型对应的参考客户子集；

第一对应关系确定模块，用于对于每个客户类型，依据该客户类型对应的参考客户子集，确定该客户类型的等待时间与风险系数的第一对应关系；

第二对应关系确定模块，用于对于每个客户类型，依据该客户类型对应的非参考客户子集，确定该客户类型的等待时间与风险系数的第二对应关系；其中，非参考客户子集是除参考客户子集以外的客户子集；

修正模块，用于对于每个客户类型，依据该客户类型的等待时间与风险系数的第一对应关系，以及该客户类型的等待时间与风险系数的第二对应关系，修正该客户类型对应的非参考客户子集的银行客户使用银行系统时的等待时间阈值。

在本发明实施例的第三方面，提出了一种计算机设备，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计算机程序时实现银行系统的等待时间控制方法。

在本发明实施例的第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现银行系统的等待时间控制方法。

在本发明实施例的第五方面，提出了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银行系统的等待时间控制方法。

本发明提出的银行系统的等待时间控制方法及装置通过数据分析对银行客户使用银行系统时的等待时间阈值进行修正，从而得到合理的等待时间阈值，减少客户使用银行系统时风险的发生，保证客户进行交易的安全性。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例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申请的一些实施例，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附图。

图1是本发明一实施例的银行系统的等待时间控制方法流程示意图。

图2是本发明一实施例的对每个客户类型进行聚类的流程示意图。

图3是本发明一实施例的确定客户子集的风险系数向量的流程示意图。

图4是本发明一实施例的从客户类型对应的多个客户子集中选取出客户类型对应的参考客户子集的流程示意图。

图5是本发明一实施例的确定客户类型的等待时间与风险系数的第一对应关系的流程示意图。

图6是本发明一实施例的确定客户类型的等待时间与风险系数的第二对应关系的流程示意图。

图7是本发明一实施例的修正客户类型对应的非参考客户子集的银行客户使用银行系统时的等待时间阈值的流程示意图。

图8是本发明一实施例的银行系统的等待时间控制装置架构示意图。

图9是本发明一实施例的计算机设备结构示意图。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种银行系统的等待时间控制方法及装置，涉及计算机数据处理技术领域。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

图1是本发明一实施例的银行系统的等待时间控制方法流程示意图。如图1所示，该方法包括：

S1，获取银行客户的客户信息及交易数据；

S2，依据客户信息，对银行客户进行分类，获得多个客户类型；

S3，依据交易数据，对每个客户类型进行聚类，获得该客户类型对应的多个客户子集；

S4，对于每个客户子集，依据该客户子集的交易数据，确定该客户子集的风险系数向量；

S5，对于每个客户类型，依据风险系数向量，从该客户类型对应的多个客户子集中选取出该客户类型对应的参考客户子集；

S6，对于每个客户类型，依据该客户类型对应的参考客户子集，确定该客户类型的等待时间与风险系数的第一对应关系；

S7，对于每个客户类型，依据该客户类型对应的非参考客户子集，确定该客户类型的等待时间与风险系数的第二对应关系；其中，非参考客户子集是除参考客户子集以外的客户子集；

S8，对于每个客户类型，依据该客户类型的等待时间与风险系数的第一对应关系，以及该客户类型的等待时间与风险系数的第二对应关系，修正该客户类型对应的非参考客户子集的银行客户使用银行系统时的等待时间阈值。

本发明提出的银行系统的等待时间控制方法通过数据分析对银行客户使用银行系统时的等待时间阈值进行修正，从而得到合理的等待时间阈值，减少客户使用银行系统时风险的发生，保证客户进行交易的安全性。

本发明可以应用于银行智能终端(自助终端、智能柜台等)，也可以应用于移动终端(手机银行等)。

为了对上述银行系统的等待时间控制方法进行更为清楚的解释，下面结合每一步骤来进行详细说明。

在S1中，获取银行客户的客户信息及交易数据。

在S2中，依据客户信息，对银行客户进行分类，获得多个客户类型。

在S3中，参考图2，依据交易数据，对每个客户类型进行聚类，获得该客户类型对应的多个客户子集，包括：

S31，依据交易数据，确定银行客户的距离函数，其中，该距离函数用于确定该客户类型的任何两个银行客户的距离；

S32，依据银行客户的距离函数，对该客户类型的银行客户进行聚类，获得该客户类型对应的多个客户子集。

在一实施例中，(S31)依据交易数据，确定银行客户的距离函数，包括：

S311，对于每个银行客户，依据该银行客户的交易数据，确定该银行客户对应各个交易类别的交易数量；

S312，按照如下公式确定客户的距离函数：

其中，k

在一实施例中，(S32)依据银行客户的距离函数，对该客户类型的银行客户进行聚类，获得该客户类型对应的多个客户子集，包括：

S321，依据客户的距离函数，用聚类算法(比如K均值，或者以风险等级为类别标识，选择学习向量量化)对客户类型的客户进行聚类，获得该客户类型对应的多个客户子集；

S322，对于获得的该客户类型对应的每个客户子集，确定该客户子集中各个客户的风险等级，进而计算在该客户类型对应的该客户子集中各个风险等级对应的客户数占比；

S323，确定该客户类型对应的每个客户子集，是否满足如下条件t：存在风险等级，使得该客户子集中该风险等级对应的客户数占比大于占比阈值；

S324，如果存在该客户类型对应的客户子集不满足条件t，则循环执行如下步骤，直到该客户类型对应的所有的客户子集都满足条件t：

从该客户类型对应的客户子集中选取出不满足条件t的客户子集，依据客户的距离函数，用上述选取的聚类算法对该客户子集的客户进行聚类，获得该客户类型对应的多个新的客户子集；

将该客户子集从该客户类型对应的客户子集中删除；

对于获得的该客户类型对应的每个新的客户子集，确定该新的客户子集中各个风险等级对应的客户数占比。

在S4中，参考图3，对于每个客户子集，依据该客户子集的交易数据，确定该客户子集的风险系数向量，包括：

S41，对于每个客户子集，依据该客户子集的交易数据，确定该客户子集对应各个数据维度的风险系数样本；

其中，数据维度至少包括：交易渠道，交易时间，交易类别，交易场景。确定客户子集对应各个数据维度的风险系数，既可以保证足够多的数据确定风险系数，又可以提高风险系数的计算准确度。

S42，确定该客户子集的风险系数向量，其中，该风险系数向量的分量与数据维度一一对应，该风险系数向量的每个分量的分量值等于该客户子集对应该分量对应的数据维度的风险系数样本的均值。

在一实施例中，(S41)对于每个客户子集，依据该客户子集的交易数据，确定该客户子集对应各个数据维度的风险系数样本，包括：

S411，设置交易量阈值；

S412，从该客户子集的交易数据中选取出各个数据维度对应的交易数据；

S413，将每个数据维度对应的交易数据划分为该数据维度对应的交易数据子集，其中，每个交易数据子集包含的交易数量大于交易量阈值；

S414，设置极大风险系数误差，以及风险系数误差大于极大风险系数误差的最大概率；

S415，计算该极大风险系数误差的平方与该最大概率的乘积；

S416，依据该数据维度对应的交易数据子集与该乘积，确定该数据维度对应的阈值；

S417，对于每个数据维度，确定该数据维度是否满足条件s：该数据维度对应的交易数据子集的数量大于等于该数据维度对应的阈值；如果不满足条件s，则循环执行如下步骤，直到该数据维度满足条件s：

获取该客户子集的新的交易数据，并从该新的交易数据中选取出该数据维度对应的新的交易数据；将该数据维度对应的新的交易数据划分为该数据维度对应的新的交易数据子集，其中，每个新的交易数据子集包含的交易数量大于交易量阈值；

S418，对于每个数据维度，当确定该数据维度满足条件s时，将该数据维度对应的每个交易数据子集包含的交易中风险交易的比例作为该客户子集对应该数据维度的风险系数样本。

具体的，(S416)依据该数据维度对应的交易数据子集与该乘积，确定该数据维度对应的阈值，包括：

S416-1，确定该数据维度对应的每个交易数据子集包含的交易中风险交易的比例值；

S416-2，依据确定的多个比例值，确定该数据维度对应的系数方差；

S416-3，确定该数据维度对应的系数方差的平方与该乘积的商；

S416-4，将该数据维度对应的阈值确定为大于该商的最小整数。

在S5中，参考图4，对于每个客户类型，依据风险系数向量，从该客户类型对应的多个客户子集中选取出该客户类型对应的参考客户子集，包括：

S51，依据风险系数向量，确定该客户类型的客户子集的偏序，其中，该偏序用于确定该客户类型对应的任何两个客户子集中客户子集A是否优于客户子集B；如果客户子集A的风险系数向量的每个分量都小于等于客户子集B的风险系数向量的对应分量，则在偏序中客户子集A优于客户子集B；

S52，依据该客户类型的客户子集的偏序，从该客户类型对应的多个客户子集中选取出该客户类型对应的参考客户子集，其中，对于该客户类型对应的每个参考客户子集，在该客户类型对应的多个客户子集中不存在除该参考客户子集之外的其他客户子集，使得该其他客户子集优于该参考客户子集。

在一实施例中，(S52)依据该客户类型的客户子集的偏序，从该客户类型对应的多个客户子集中选取出该客户类型对应的参考客户子集，包括：

S521，将待确定客户子集集合和待比较客户子集集合初始化为该客户类型对应的多个客户子集；

S522，对于风险系数向量的每一分量，依据该客户类型对应的多个客户子集的风险系数向量在该分量的值，确定该分量对应的方差；从风险系数向量的分量中选取出对应的方差最大的分量；

S523，循环执行如下3个步骤，直到待确定客户子集集合为空：

从待确定客户子集集合中取出对应的风险系数向量在选取出的分量的值最小的客户子集a，并依据该客户类型的客户子集的偏序，对该客户子集a与待比较客户子集集合中的每一客户子集b(除该客户子集a之外)进行比较；

如果客户子集b优于该客户子集a，则将该客户子集a从待确定客户子集集合中删除；如果该客户子集a优于客户子集b，则将客户子集b从待确定客户子集集合中删除，并将客户子集b确定为客户子集a的次要客户子集；

如果依据该客户类型的客户子集的偏序，确认待比较客户子集集合中除该客户子集a之外的每一客户子集都不优于客户子集a，则将该客户子集a作为该客户类型对应的参考客户子集，并且将客户子集a从待确定客户子集集合中删除，以及将客户子集a的所有次要客户子集从待比较客户子集集合中删除。

银行的客户数非常多，甚至数以亿计。该客户类型对应的客户子集的数量也可能非常多，如果此时将客户类型对应的所有客户子集之间都进行比较来选取出该客户类型对应的参考客户子集，则对应的计算复杂度为O(N

在S6中，参考图5，对于每个客户类型，依据该客户类型对应的参考客户子集，确定该客户类型的等待时间与风险系数的第一对应关系，包括：

S61，设定等待时间的多个第一离散值；

S62，获取该客户类型对应的参考客户子集使用银行系统的等待数据；

S63，对于每个第一离散值，确定当等待时间阈值设置为该第一离散值时，该客户类型对应的参考客户子集使用银行系统的等待数据中涉及风险的等待数据的第一比例，将该第一比例作为该第一离散值对应的风险系数；

S64，构建第一离散函数，其中，该第一离散函数的自变量是该多个第一离散值，该第一离散函数对应每个第一离散值的函数值等于该第一离散值对应的风险系数；

S65，将该第一离散函数连续化，获得一连续函数，将该连续函数作为该客户子集的等待时间与风险系数的第一对应关系。

在S7中，参考图6，对于每个客户类型，依据该客户类型对应的非参考客户子集，确定该客户类型的等待时间与风险系数的第二对应关系，包括：

S71，设定等待时间的多个第二离散值；

S72，获取该客户类型对应的非参考客户子集使用银行系统的等待数据；

S73，对于每个第二离散值，确定当等待时间阈值设置为该第二离散值时，该客户类型对应的非参考客户子集使用银行系统的等待数据中涉及风险的等待数据的第二比例，将该第二比例作为该第二离散值对应的风险系数；

S74，构建第二离散函数，其中，该第二离散函数的自变量是该多个第二离散值，该第二离散函数对应每个第二离散值的函数值等于该第二离散值对应的风险系数；

S75，将该第二离散函数连续化，获得一连续函数，将该连续函数作为该客户子集的等待时间与风险系数的第二对应关系。

在S8中，参考图7，对于每个客户类型，依据该客户类型的等待时间与风险系数的第一对应关系，以及该客户类型的等待时间与风险系数的第二对应关系，修正该客户类型对应的非参考客户子集的银行客户使用银行系统时的等待时间阈值，包括：

S81，对于每个客户类型，获取该客户类型对应的非参考客户子集中的每个银行客户对应的等待时间阈值；

S82，对于该客户类型对应的非参考客户子集中的每个银行客户，依据该银行客户对应的等待时间阈值，以及该客户类型的等待时间与风险系数的第一对应关系，确定该银行客户对应的潜在风险系数；

S83，依据该银行客户对应的潜在风险系数，以及该客户类型的等待时间与风险系数的第二对应关系，确定该客户对应的潜在等待时间阈值；

S84，依据该客户对应的潜在等待时间阈值，修正该银行客户使用银行系统时的等待时间阈值。

需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

在介绍了本发明示例性实施方式的方法之后，接下来，参考图8对本发明示例性实施方式的银行系统的等待时间控制装置进行介绍。

银行系统的等待时间控制装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”或者“单元”，可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

基于同一发明构思，本发明还提出了一种银行系统的等待时间控制装置，如图8所示，该装置包括：

数据获取模块810，用于获取银行客户的客户信息及交易数据；

客户分类模块820，用于依据客户信息，对银行客户进行分类，获得多个客户类型；

客户聚类模块830，用于依据交易数据，对每个客户类型进行聚类，获得该客户类型对应的多个客户子集；

风险系数向量确定模块840，用于对于每个客户子集，依据该客户子集的交易数据，确定该客户子集的风险系数向量；

参考客户子集确定模块850，用于对于每个客户类型，依据风险系数向量，从该客户类型对应的多个客户子集中选取出该客户类型对应的参考客户子集；

第一对应关系确定模块860，用于对于每个客户类型，依据该客户类型对应的参考客户子集，确定该客户类型的等待时间与风险系数的第一对应关系；

第二对应关系确定模块870，用于对于每个客户类型，依据该客户类型对应的非参考客户子集，确定该客户类型的等待时间与风险系数的第二对应关系；其中，非参考客户子集是除参考客户子集以外的客户子集；

修正模块880，用于对于每个客户类型，依据该客户类型的等待时间与风险系数的第一对应关系，以及该客户类型的等待时间与风险系数的第二对应关系，修正该客户类型对应的非参考客户子集的银行客户使用银行系统时的等待时间阈值。

在一实施例中，客户聚类模块具体用于：

依据交易数据，确定银行客户的距离函数，其中，该距离函数用于确定该客户类型的任何两个银行客户的距离；

依据银行客户的距离函数，对该客户类型的客户进行聚类，获得该客户类型对应的多个客户子集。

在一实施例中，风险系数向量确定模块具体用于：

对于每个客户子集，依据该客户子集的交易数据，确定该客户子集对应各个数据维度的风险系数样本；

确定该客户子集的风险系数向量，其中，该风险系数向量的分量与数据维度一一对应，该风险系数向量的每个分量的分量值等于该客户子集对应该分量对应的数据维度的风险系数样本的均值。

在一实施例中，参考客户子集确定模块具体用于：

依据风险系数向量，确定该客户类型的客户子集的偏序，其中，该偏序用于确定该客户类型对应的任何两个客户子集中客户子集A是否优于客户子集B；如果客户子集A的风险系数向量的每个分量都小于等于客户子集B的风险系数向量的对应分量，则在偏序中客户子集A优于客户子集B；

依据该客户类型的客户子集的偏序，从该客户类型对应的多个客户子集中选取出该客户类型对应的参考客户子集，其中，对于该客户类型对应的每个参考客户子集，在该客户类型对应的多个客户子集中不存在除该参考客户子集之外的其他客户子集，使得该其他客户子集优于该参考客户子集。

在一实施例中，第一对应关系确定模块具体用于：

设定等待时间的多个第一离散值；

获取该客户类型对应的参考客户子集使用银行系统的等待数据；

对于每个第一离散值，确定当等待时间阈值设置为该第一离散值时，该客户类型对应的参考客户子集使用银行系统的等待数据中涉及风险的等待数据的第一比例，将该第一比例作为该第一离散值对应的风险系数；

构建第一离散函数，其中，该第一离散函数的自变量是该多个第一离散值，该第一离散函数对应每个第一离散值的函数值等于该第一离散值对应的风险系数；

将该第一离散函数连续化，获得一连续函数，将该连续函数作为该客户子集的等待时间与风险系数的第一对应关系。

在一实施例中，第二对应关系确定模块具体用于：

设定等待时间的多个第二离散值；

获取该客户类型对应的非参考客户子集使用银行系统的等待数据；

对于每个第二离散值，确定当等待时间阈值设置为该第二离散值时，该客户类型对应的非参考客户子集使用银行系统的等待数据中涉及风险的等待数据的第二比例，将该第二比例作为该第二离散值对应的风险系数；

构建第二离散函数，其中，该第二离散函数的自变量是该多个第二离散值，该第二离散函数对应每个第二离散值的函数值等于该第二离散值对应的风险系数；

将该第二离散函数连续化，获得一连续函数，将该连续函数作为该客户子集的等待时间与风险系数的第二对应关系。

在一实施例中，修正模块具体用于：

对于每个客户类型，获取该客户类型对应的非参考客户子集中的每个银行客户对应的等待时间阈值；

对于该客户类型对应的非参考客户子集中的每个银行客户，依据该银行客户对应的等待时间阈值，以及该客户类型的等待时间与风险系数的第一对应关系，确定该银行客户对应的潜在风险系数；

依据该银行客户对应的潜在风险系数，以及该客户类型的等待时间与风险系数的第二对应关系，确定该客户对应的潜在等待时间阈值；

依据该客户对应的潜在等待时间阈值，修正该银行客户使用银行系统时的等待时间阈值。

应当注意，尽管在上文详细描述中提及了银行系统的等待时间控制装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。

基于前述发明构思，如图9所示，本发明还提出了一种计算机设备900，包括存储器910、处理器920及存储在存储器910上并可在处理器920上运行的计算机程序930，所述处理器920执行所述计算机程序930时实现前述银行系统的等待时间控制方法。

基于前述发明构思，本发明提出了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现前述银行系统的等待时间控制方法。

基于前述发明构思，本发明提出了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银行系统的等待时间控制方法。

本发明提出的银行系统的等待时间控制方法及装置通过数据分析对银行客户使用银行系统时的等待时间阈值进行修正，从而得到合理的等待时间阈值，减少客户使用银行系统时风险的发生，保证客户进行交易的安全性。

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、装置、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。

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。