用於等級評定的方法及系統與流程

2023-06-08 12:36:11 2

本發明涉及用於等級評定的方法以及實現該方法的系統。

背景技術：

在各種工業和商業應用中，經常需要對服務對象或者用戶進行等級評定以確定為該對象或者用戶提供的服務的類型或級別。例如，在傳統金融業或網際網路金融業中，通常會通過調查問卷的形式對服務對象或用戶進行風險承受能力評估，並且根據評估結果為服務對象或用戶提供適當的服務。又例如，在製造業中，生產廠商(例如手機生產廠商)也會以調查問卷等形式對產品的購買對象或用戶的需求進行調查，根據調查結果確定不同對象或用戶的需求等級水平，從而為不同對象或用戶提供不同價格水平或種類的產品。

技術實現要素：

然而，上述以調查問卷的形式進行的評估受對象或用戶的主觀意願的影響較大，常常無法客觀反映對象或用戶的真實情況。例如，在金融服務領域，調查對象可能會有意隱藏或編造自己的客觀信息，如收入水平、固定資產水平、投資經驗等，使得調查問卷無法準確反映調查對象的真實的風險承受能力，從而不能為調查對象或用戶提供精確的服務或產品。

針對以上問題，本發明提供了一種用於進行等級評定的方法和實現該方法的系統，其不僅利用評估對象的輸入信息，而且利用通過大數據方式得到的評估對象的大數據信息來更加精確地對對象的等級進行評定，從而使得能夠為對象提供更加準確的服務或產品。

根據本發明的第一個方面，提供了一種用於等級評定的方法。該方法包括：接收評估對象的輸入信息；基於該評估對象的輸入信息計算該對象的第一維度評估值；從大數據源獲取與該評估對象有關的大數據信息；基於該評估對象的輸入信息和從大數據源獲取的與該評估對象有關的大數據信息確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個；基於該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個確定該第二維度評估值；以及基於該對象的第一維度評估值和第二維度評估值確定該對象的等級。

根據本發明的第二個方面，提供了一種用於等級評定的系統。該系統包括：接收單元，其被配置為接收評估對象的輸入信息；第一維度評估值計算單元，其被配置為基於該評估對象的輸入信息計算該對象的第一維度評估值；大數據獲取單元，其被配置為從大數據源獲取與該評估對象有關的大數據信息；第二維度評估值計算單元，其被配置為基於該評估對象的輸入信息和從大數據源獲取的與該評估對象有關的大數據信息確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個，並且基於該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個確定該第二維度評估值；以及對象等級確定單元，其被配置為基於該對象的第一維度評估值和第二維度評估值確定該對象的等級。

根據本發明的第三個方面，提供了一種用於等級評定的系統。該系統包括：處理器和存儲器，該存儲器包括可由該處理器運行的指令，該處理器被配置為運行該指令，以：接收評估對象的輸入信息；基於該評估對象的輸入信息計算該對象的第一維度評估值；從大數據源獲取與該評估對象有關的大數據信息；基於該評估對象的輸入信息和從大數據源獲取的與該評估對象有關的大數據信息確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個；基於該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個確定該第二維度評估值；以及基於該對象的第一維度評估值和第二維度評估值確定該對象的等級。

附圖說明

通過參考下列附圖所給出的本發明的具體實施方式的描述，將更好地理解本發明，並且本發明的其他目的、細節、特點和優點將變得更加顯而易見，其中：

圖1示出了根據本發明的實施方式的整體系統的示意圖；

圖2示出了根據本發明的實施方式的用於等級評定的方法的流程圖；

圖3示出了根據本發明的實施方式的用於獲取第二維度評估值的第二分量的方法的流程圖；

圖4示出了根據本發明的實施方式的用於獲取第二維度評估值的第三分量的方法的流程圖；

圖5示出了根據本發明的一些實施例的一種用於等級評定的評定系統的方框圖；

圖6示出了適合實現本發明的實施例的評定系統的方框圖。

具體實施方式

下面將參照附圖更詳細地描述本發明的優選實施方式。雖然附圖中顯示了本發明的優選實施方式，然而應該理解，可以以各種形式實現本發明而不應被這裡闡述的實施方式所限制。相反，提供這些實施方式是為了使本發明更加透徹和完整，並且能夠將本發明的範圍完整的傳達給本領域的技術人員。

圖1示出了根據本發明的實施方式的整體系統100的示意圖。如圖1中所示，整體系統100包括評定系統110、用戶設備120和大數據源130。評定系統110用於執行根據本發明所述的用於等級評定的方法，其具體結構如下面參照圖5和圖6詳細描述。在一些實現中，評定系統110可以是整體系統100中的一個單獨的或集成的組件，如伺服器或處理器等，也可以是整體系統100的一個子系統。用戶設備120用於觸發評定系統110執行針對特定用戶或對象的等級評定，向評定系統110輸入信息和/或從評定系統110接收評定結果。在一些實現中，用戶設備120可以是能夠通過有線或無線網絡與評定系統110進行通信的任何終端設備，包括但不限於移動終端、智慧型電話、桌上型電腦、筆記本電腦、平板電腦、個人數字助理等。大數據源130用於向評定系統110提供與要評定的用戶或對象有關的各種信息。在一些實現中，大數據源130可以是存儲或記錄有要評定的用戶或對象的各種信息的存儲器、資料庫、數據倉庫等。

圖2示出了根據本發明的實施方式的用於等級評定的方法200的流程圖。以下，在本發明的描述中，以對用戶或對象的投資能力和風險承受能力進行評定為例對根據本發明的方法200進行描述。然而，本領域技術人員可以理解，方法200可以類似的應用於利用多種數據來源對對象或用戶進行多維等級評定的任何應用場景中，而不脫離本發明的範圍。

方法200開始於步驟210，其中評定系統110從用戶設備120接收評估對象的輸入信息。在一種實現中，用戶設備120可以通過其上安裝的應用程式(app)或者通過Web埠等來觸發方法200並且向評定系統110輸入信息。從用戶設備120輸入的信息可以包括對象的客觀信息和主觀偏好信息。例如，在對用戶進行投資風險承受能力評定的應用場景中，對象的客觀信息可以包括多個客觀信息元素，如評估對象的職業、學歷、個人收入、家庭收入、資產狀況等，對象的主觀偏好信息也可以包括多個主觀信息元素，如評估對象的計劃投資期限、投資目的、理財觀點、投資經驗等。又例如，在生產廠商對產品使用對象的需求水平進行評定的應用場景中，對象的客觀信息可以包括多個客觀信息元素，如對象的職業、學歷、個人收入、家庭收入等，對象的主觀偏好信息可以包括多個主觀信息元素，如評估對象的產品偏好類型、類似產品的既往使用情況、購買預算等。

接下來，在步驟220，評定系統110基於評估對象的輸入信息計算該對象的第一維度評估值。在一些實現中，評定系統110基於評估對象輸入的主觀偏好信息計算第一維度評估值，該第一維度評估值反映了評估對象的主觀偏好等級。例如，可以為輸入的多個主觀信息元素中的每個信息元素賦予相應的分值，並且通過將各個主觀信息元素的分值相加得到第一維度評估值。進一步地或者替換的，該第一維度評估值可以被歸一化或者標準化到特定的值區間，例如[1，100]的區間上。本領域技術人員可以理解，本發明並不局限於通過將各個主觀信息元素的分值相加來得到第一維度評估值這種實施方式，而是可以包括各種其他可行的算法，例如加權求和、求均值等等。

此外，在步驟220，評定系統110還可以對所計算的第一維度評估值進行分級。例如，評定系統110中可以存儲有多個分級閾值，用於將所計算的第一維度評估值映射到不同級別。這裡，分級閾值可以根據應用的不同而不同，並且可以是經驗得到的或者是根據應用需求而設置的，本文中不再贅述。在一種具體實例中，例如可以將第一維度評估值映射到1-5級。在對對象進行投資風險承受能力評估的應用場景下，第一維度評估值能夠反映對象的主觀風險偏好。

另一方面，在方法200被觸發之後，評定系統110還可以從大數據源130獲取與評估對象有關的大數據信息(步驟230)。所獲取的信息可以包括整體系統100內存儲的與該評估對象有關的各種信息和/或整體系統100外部的可以由評定系統110訪問的與該評估對象有關的各種信息。

在步驟240，評定系統110可以根據從大數據源130獲取的與評估對象有關的大數據信息和評估對象的輸入信息來確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個。

在一些實現中，在步驟240，評定系統110可以基於評估對象(在步驟210)的輸入信息確定第二維度評估值的第一分量。在一種實現中，評定系統110可以基於評估對象輸入的客觀信息來計算該第一分量。例如，可以為輸入的多個客觀信息元素中的每個信息元素分別賦予相應的分值，並且通過將各個客觀信息元素的分值相加得到該第一分量。進一步地或者替換的，該第一分量可以被歸一化或者標準化到特定的值區間，例如[1，100]的區間上。本領域技術人員可以理解，本發明並不局限於通過將各個客觀信息元素的分值相加來得到第一分量這種實施方式，而是可以包括各種其他可行的算法，例如加權求和、求均值等等。

此外，在步驟240，評定系統110還可以對所獲得的第一分量進行分級。例如，評定系統110中可以存儲有多個分級閾值，用於將所計算的第一分量映射到不同級別。這裡，分級閾值可以根據應用的不同而不同，並且可以是經驗得到的或者是根據應用需求而設置的，本文中不再贅述。並且顯然，用於第一分量的分級閾值與上述用於第一維度評估值的分級閾值以及下面所述的用於第二分量和第三分量的分級閾值可以相同也可以不同。在一種具體實例中，例如可以將第一分量映射到1-5級。

在一些實現中，在步驟240，評定系統110可以基於從大數據源130獲取的與評估對象有關的信息利用規則模型獲得第二維度評估值的第二分量。圖3示出了根據本發明的實施方式的用於獲取第二維度評估值的第二分量的方法30的流程圖。仍然以對用戶進行投資風險承受能力評定為例，假設評定系統110從大數據源130獲得的與評估對象有關的信息包括如下特徵變量：評估對象的婚姻狀況、教育水平、所在城市、年齡、資產總金額、固定資產狀況、月收入預估值、投資金額、期限、產品類型、消費行為等。

如圖3中所示，在步驟32，評定系統110根據特徵變量的類型對上述特徵變量分組，並向每個組賦予組權重值，向每個組中的每個特徵變量賦予相應的變量權重值。在一種實現中，評定系統110將上述特徵變量分為基本信息組(G1)、資產信息組(G2)、投資行為組(G3)和消費行為組(G4)。基本信息組(G1)可以包括評估對象的婚姻狀況(假設變量值為a(11)，權重為w(11))、教育水平(假設變量值為a(12)，權重為w(12))、所在城市(假設變量值為a(13)，權重為w(13))和年齡(假設變量值為a(14)，權重為w(14))等特徵變量，其組權重為w(g1)；資產信息類組(G2)可以包括評估對象的資產總金額(假設變量值為a(21)，權重為w(21))、固定資產狀況(假設變量值為a(22)，權重為w(22))、月收入預估值(假設變量值為a(23)，權重為w(23))等特徵變量，其組權重為w(g2)；投資行為組(G3)可以包括評估對象的投資金額(假設變量值為a(31)，權重為w(31))、期限(假設變量值為a(32)，權重為w(32))和產品類型(假設變量值為a(33)，權重為w(33))等特徵變量，其組權重為w(g3)；消費行為組(G4)可以包括與評估對象的消費行為(假設變量值為a(41)，權重為w(41))相關的特徵變量，其組權重為w(g4)。

本領域技術人員可以理解，上述分組方式和權重分配方式僅僅是示例性的，根據應用類型的不同和其他系統限制條件，還可以對特徵變量進行其他形式的分組和權重分配而不脫離本發明的範圍。

接下來，在步驟34，評定系統110對每個組內的特徵變量進行加權求和：

基本信息組(G1)：

w(11)*a(11)+w(12)*a(12)+w(13)*a(13)+w(14)*a(14)

資產信息組(G2)：

w(21)*a(21)+w(22)*a(22)+w(23)*a(23)

投資行為組(G3)：

w(31)*a(31)+w(32)*a(32)+w(33)*a(33)

消費行為組(G4)：

w(41)*a(41)

在步驟36，評定系統110利用規則模型和所獲得的各個組的特徵變量的加權和來計算第二分量。

例如，所計算的第二分量可以表示為：

其中，w(gi)表示第i組(在上面的實例中，i＝1，2，3，4)的組權重值，Ni表示第i組所包含的特徵變量的個數，w(ij)表示第i組的第j個特徵變量的權重值，a(ij)表示第i組的第j個特徵變量的變量值，k是一個可調常量(例如k＝500)。

方法30還可以包括步驟38，評定系統110將所計算的第二分量進行分級。例如，評定系統110中可以存儲有多個分級閾值，用於將所計算的第二分量映射到不同級別。這裡，分級閾值可以根據應用的不同而不同，並且可以是經驗得到的或者是根據應用需求而設置的，本文中不再贅述。在一種具體實例中，例如可以將第二分量映射到1-5級。

進一步地或者替代地，在步驟38，評定系統110還可以將所計算的第二分量歸一化或者標準化到特定的值區間，例如[1，100]的區間上。

在一些實現中，在步驟240，評定系統110可以基於從大數據源130獲取的與評估對象有關的信息利用機器學習模型獲得第二維度評估值的第三分量。圖4示出了根據本發明的實施方式的用於獲取第二維度評估值的第三分量的方法40的流程圖。

如圖4中所示，在步驟42，評定系統110利用機器學習模型，對從大數據源130獲取的與評估對象有關的信息的各個維度的數據進行融合，並對各個樣本根據領域知識進行自動化標註。

具體地，在一種實現中，步驟42可以包括如下子步驟：

(1)根據領域知識找出跟目標變量最相關的特徵變量，作為初始標註變量，加入到標註變量集中。

(2)從初始標註變量出發，統計各個變量之間的相關性，將相關性高的變量加入標註變量集。重複此過程直到找不到與標註變量集中的變量相關性高的變量。

(3)基於大數據統計，根據歷史情況下目標變量的分布比例數據，確定正負樣本的比例。

(4)根據所確定的正負樣本的比例確定每個變量的相應分位數作為標註正負樣本的閾值。

(5)統計每個樣本在每個變量上被標註的類別，當一個樣本被多個變量標註為同一類別時，將此樣本自動化標註為此類別。

在步驟44，評定系統110對各個維度的特徵變量進行特徵處理。

具體地，在一種實現中，如果所獲取的信息是連續變量，則評定系統110可以對該變量執行對數變換、歸一化變換和平方根變換中的任何一個或多個。在另一種實現中，如果所獲取的信息是連續變量，則評定系統110還可以按照分位數對該變量執行離散化處理，並將離散化後的變量與連續變量一起使用。此外，針對可能缺失的信息(即未能從大數據源130獲取的信息)，可以為其單獨生成一個一維變量以指示該變量是否缺失。

在步驟46，評定系統110利用機器學習模型對步驟42得到的自動化標註後的樣本和步驟44的特徵處理後的特徵變量進行建模。

可選的，步驟46還可以包括利用L1懲罰因子對所得到的模型進行優化，以防止過擬合，解決異構數據源的缺失、數據源內部的共線性問題等。

接下來，在步驟48，評定系統110基於從大數據源130獲取的與評估對象有關的信息和步驟46得到的模型獲取評估對象的第二維度評估值的第三分量。

在一種實現中，第三分量可以表示為：

Sigmod(w0*x0+w1*x1+...wn*xn)，

其中xi表示第i個特徵變量，wi表示第i個特徵變量的權重值，Sigmod表示S型函數。在一種實現中，Sigmod函數可以是邏輯回歸函數。

進一步地，在步驟48，評定系統110還可以將所得到的第三分量進行分級。例如，評定系統110中可以存儲有多個分級閾值，用於將所計算的第三分量映射到不同級別。這裡，分級閾值可以根據應用的不同而不同，並且可以是經驗得到的或者是根據應用需求而設置的，本文中不再贅述。在一種具體實例中，例如可以將第三分量映射到1-5級。

進一步地或者替代地，在步驟48，評定系統110還可以將所計算的第三分量歸一化或者標準化到特定的值區間，例如[1，100]的區間上。

再次參考圖2，在接下來的步驟250，評定系統110可以基於所確定的第二維度評估值的第一分量、第二分量和第三分量中的至少一個來確定該第二維度評估值。

在一種實現中，可以通過對第一分量、第二分量和第三分量進行加權求和來確定第二維度評估值。在一種具體實例中，例如可以將第二維度評估值映射到1-5級。在對對象進行投資風險承受能力評估的應用場景下，第二維度評估值能夠反映對象的客觀實力。

假設第一分量的權重為W1，第二分量的權重為W2，第三分量的權重為W3，則第二維度評估值可以表示為：

第一分量*W1+第二分量*W2+第三分量*W3。

可以理解，第一分量、第二分量和第三分量的權重值並不是固定設置的，而是可以根據從大數據源獲得的信息的情況動態設置。例如，第一分量、第二分量和第三分量的權重值可以根據模型中對象指標值的填充率來設置。當模型中對象指標值的填充率大於或等於第一閾值時，使用第一組權重值(W1，W2，W3)；當模型中對象指標值的填充率小於第一閾值並且大於或等於第二閾值時，使用第二組權重值(W1，W2，W3)；當模型中對象指標值的填充率大於第二閾值時，使用第三組權重值(W1，W2，W3)。

這裡，對象指標值的填充率是指從大數據源未獲取到的對象的信息項數與待統計的總項數之間的比率，其指示了所能獲取的關於評估對象的信息的豐富性。當對象指標值的填充率較低時，表示獲取到的該對象的信息較多，當對象指標值的填充率較高時，表示獲取到的該對象的信息較少。在對用戶進行投資風險承受能力評估的應用場景下，當對象指標值的填充率較高時，可以將第一分量的權重值W1設置得較高些。

此外，各組權重值(W1，W2，W3)可以根據應用場景和需求的不同而不同地設置。

最後，在步驟260，評定系統110基於所確定的對象的第一維度評估值和第二維度評估值確定該對象的等級。

例如，假設第一維度評估值和第二維度評估值都被映射為1-5級，則可以通過5*5的表格來確定對象等級1-5，如下表所示。

進一步的，在將第一維度評估值和第二維度評估值的第一分量、第二分量、第三分量歸一化或標準化到特定值區間，如[1，100]的區間的情況下，還可以根據歸一化或標準化後的值確定對象的總分值，並且隨著對象的各個特徵變量的變化而動態更新該總分值，以反映對象的變化的能力或等級。

圖5示出了根據本發明的一些實施例的一種用於等級評定的評定系統500的方框圖。評定系統500例如可以實現在上述評定系統110中或由上述評定系統110實現。

如圖5中所述，評定系統500包括接收單元510，其被配置為接收評估對象的輸入信息。評定系統500還包括第一維度評估值計算單元520，其被配置為基於該評估對象的輸入信息計算該對象的第一維度評估值。評定系統500還包括大數據獲取單元530，其被配置為從大數據源獲取與該評估對象有關的大數據信息。評定系統500還包括第二維度評估值計算單元540，其被配置為基於該評估對象的輸入信息和從大數據源獲取的與該評估對象有關的大數據信息確定該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個，並且基於該對象的第二維度評估值的第一分量、第二分量和第三分量中的至少一個確定該第二維度評估值。評定系統500還包括對象等級確定單元550，其被配置為基於該對象的第一維度評估值和第二維度評估值確定該對象的等級。

在一些實現中，第二維度評估值計算單元540還被配置為：基於該評估對象輸入的客觀信息確定該第二維度評估值的第一分量。

在一些實現中，客觀信息包括多個客觀信息元素，其中第二維度評估值計算單元540還被配置為：為該多個客觀信息元素中的每個信息元素分別賦予相應的分值，將該多個客觀信息元素中的每個信息元素的分值相加以確定該第一分量。

在一些實現中，第二維度評估值計算單元540還被配置為：基於從該大數據源獲取的與該評估對象有關的大數據信息，利用規則模型確定該第二維度評估值的第二分量。

在一些實現中，與評估對象有關的信息包括多個特徵變量，並且其中第二維度評估值計算單元540還被配置為：根據類型對該多個特徵變量分組，並向每個組賦予組權重值，向每個組中的每個特徵變量賦予相應的變量權重值；對每個組內的特徵變量進行加權求和；利用規則模型和所獲得的各個組的特徵變量的加權和來計算該第二分量。

在一些實現中，第二維度評估值計算單元540還被配置為：基於從該大數據源獲取的與該評估對象有關的信息，利用機器學習模型獲得該第二維度評估值的第三分量。

在一些實現中，與評估對象有關的信息包括多個特徵變量，並且其中第二維度評估值計算單元540還被配置為：利用機器學習模型，對從該大數據源獲取的與該評估對象有關的信息的各個維度的數據進行融合，並對各個樣本根據領域知識進行自動化標註；對各個維度的特徵變量進行特徵處理；利用機器學習模型對得到的自動化標註後的樣本和特徵處理後的特徵變量進行建模；基於從該大數據源獲取的與該評估對象有關的信息和建模得到的模型獲取該評估對象的第二維度評估值的第三分量。

在一些實現中，第二維度評估值計算單元540還被配置為：通過對該第一分量、該第二分量和該第三分量進行加權求和來確定該第二維度評估值。

在一些實現中，等級確定單元550還被配置為：將該第一維度評估值和該第二維度評估值分別映射到不同級別，以確定該對象的等級。

應當理解，圖5中所示的評定系統500可以部分或全部地由軟體模塊、硬體模塊、固件模塊或者其任意組合來實現，本發明的範圍在此方面不受限制。例如，在基於硬體的實現中，可以使用集成電路(IC)、專用集成電路(ASIC)、片上系統(SOC)、現場可編程門陣列(FPGA)等硬體設備來實現上文描述的一個或多個單元。

圖6示出了適合實現本發明的實施例的評定系統600的方框圖。評定系統600可以用來實現如圖1中所示的評定系統110或者如圖5中所示的評定系統500。

如圖6中所示，評定系統600包括處理器610以及耦接到處理器610的存儲器620。存儲器620存儲有可由處理器610運行的指令630。存儲器620可以是適用於本地技術環境的任何合適的類型，並且可以利用任何合適的數據存儲技術來實現，包括但不限於基於半導體的存儲器件、磁存儲器件和系統、光存儲器件和系統。儘管圖6中僅僅示出了一個存儲器單元，但是在設備600中可以有多個物理不同的存儲器單元。

處理器610可以是適用於本地技術環境的任何合適的類型，並且可以包括但不限於通用計算機、專用計算機、微處理器、數位訊號處理器(DSP)以及基於處理器的多核處理器架構中的一個或多個多個。設備600也可以包括多個處理器610。處理器610被配置為運行指令630以執行如圖2所示的方法200。

利用本發明提供的方法，不僅利用了評估對象的輸入信息，而且利用通過大數據方式得到的評估對象的大數據信息來對對象的等級進行評估，從而有助於為該對象提供更加準確的產品或服務。

在一個或多個示例性設計中，可以用硬體、軟體、固件或它們的任意組合來實現本申請所述的功能。例如，如果用軟體來實現，則可以將所述功能作為一個或多個指令或代碼存儲在計算機可讀介質上，或者作為計算機可讀介質上的一個或多個指令或代碼來傳輸。

本文公開的評定系統的各個單元可以使用分立硬體組件來實現，也可以集成地實現在一個硬體組件，如處理器上。例如，可以用通用處理器、數位訊號處理器(DSP)、專用集成電路(ASIC)、現場可編程門陣列(FPGA)或其它可編程邏輯器件、分立門或者電晶體邏輯、分立硬體組件或用於執行本文所述的功能的任意組合來實現或執行結合本公開所描述的各種示例性的邏輯塊、模塊和電路。

本領域普通技術人員還應當理解，結合本申請的實施例描述的各種示例性的邏輯塊、模塊、電路和算法步驟可以實現成電子硬體、計算機軟體或二者的組合。例如，如果以計算機軟體來實現本文所述的連接器，可以將該計算機軟體實現在任何已知的或將來可知的具有網絡連接能力的家庭設備上，例如機頂盒、家庭基站等。如果以硬體來實現本文所述的連接器，則可以將該連接器實現為獨立的硬體設備，或者集成在任何已知的或將來可知的家庭設備上，例如機頂盒、家庭基站等。

本公開的以上描述用於使本領域的任何普通技術人員能夠實現或使用本公開。對於本領域普通技術人員來說，本公開的各種修改都是顯而易見的，並且本文定義的一般性原理也可以在不脫離本公開的精神和保護範圍的情況下應用於其它變形。因此，本公開並不限於本文所述的實例和設計，而是與本文公開的原理和新穎性特性的最廣範圍相一致。