一種數據處理方法和設備與流程
2023-12-01 15:34:51 2
本申請涉及網際網路信息處理
技術領域：
，尤其涉及一種數據處理方法和設備。
背景技術：
：隨著網際網路技術的發展，人們藉助網際網路平臺進行各種網上交流，這樣在網際網路平臺的伺服器中存儲了大量數據。如何對這些數據進行分析以獲取數據中蘊含的商業價值成為數據處理領域的一個重要問題。目前解決上述問題採用的方式包括但不限於：首先從大量數據中抽取數據樣本，利用這些數據樣本通過學習算法構建分析模型，其次利用得到的分析模型對大量數據進行分析。然而，在構建分析模型時需要確定分析模型所使用的參數，在實際應用中，參數確定的方式一般有兩種：第一種方式是根據經驗預設分析模型所使用的參數；第二種方式是通過人工篩選的方式篩選出效果較好的參數。上述兩種方式存在的問題在於：在確定參數的過程中需要消耗大量的資源(包含人力資源)，同時由於在確定參數時沒能覆蓋到所有參數值，因此無法保證基於確定的參數建立的分析模型性能穩定，這樣，後續在利用分析模型對大量數據進行分析時，導致分析結果不夠準確。技術實現要素：有鑑於此，本申請實施例提供了一種數據處理方法和設備，用於解決如何為分析模型確定出比較精準的參數的問題。一種數據處理方法，包括：獲取數據樣本集合，其中，所述數據樣本集合中包含訓練數據樣本集合和測試數據樣本集合；針對待處理的分析模型的每一個參數組合，分別將所述參數組合和所述訓練數據樣本集合發送至與所述參數組合的資源指示屬性相匹配的計算單元，使得所述計算單元利用所述訓練數據樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型，並利用所述測試數據樣本集合對每一個所述子分析模型所對應的參數組合進行評分，得到每一個所述參數組合的評分結果，其中，所述資源指示屬性用於表徵基於所述分析模型使用所述參數組合完成計算所需要的計算資源；根據所述評分結果，確定出基於所述待處理的分析模型的滿足設定條件的參數組合。一種數據處理設備，包括：獲取單元，用於獲取數據樣本集合，其中，所述數據樣本集合中包含訓練數據樣本集合和測試數據樣本集合；分配單元，用於針對待處理的分析模型的每一個參數組合，分別將所述參數組合和所述數據樣本集合發送至與所述參數組合的資源指示屬性相匹配的計算單元，使得所述計算單元利用所述訓練數據樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型，並利用所述測試數據樣本集合對每一個所述子分析模型所對應的參數組合進行評分，得到每一個所述參數組合的評分結果，其中，所述資源指示屬性用於表徵基於所述分析模型使用所述參數組合完成計算所需要的計算資源；處理單元，用於根據所述評分結果，確定出基於所述待處理的分析模型的滿足設定條件的參數組合。本申請有益效果如下：本申請實施例提供的數據處理方法和設備，通過獲取數據樣本集合，所述數據樣本集合中包含訓練數據樣本集合和測試數據樣本集合；針對待處理的分 析模型的每一個參數組合，分別將所述參數組合和所述數據樣本集合發送至與所述參數組合的資源指示屬性相匹配的計算單元，使得所述計算單元利用所述訓練數據樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型，並利用所述測試數據樣本集合對每一個所述子分析模型所對應的參數組合進行評分，得到每一個所述參數組合的評分結果，所述資源指示屬性用於表徵基於所述分析模型使用所述參數組合完成計算所需要的計算資源；根據所述評分結果，確定出基於所述待處理的分析模型的滿足設定條件的參數組合。這樣，基於任意一種分析模型，可以對該分析模型所包含的全局參數進行測試，進而從所述全局參數中選擇出最優的參數組合，以便於建立性能可靠的分析模型，並為後續利用分析模型對大量數據進行分析奠定基礎，有效提高數據分析結果的精度；同時，本申請在分析全局參數時採用異構計算集群系統，根據參數組合的資源指示屬性選擇計算單元，以保證計算單元之間的資源均衡，有效地使用系統資源，提升了系統資源的利用率。附圖說明為了更清楚地說明本申請實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡要介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對於本領域的普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。圖1為本申請實施例提供的一種數據處理方法的流程示意圖；圖2為基於異構計算集群對不同參數組合進行評分的結構示意圖；圖3為基於異構計算集群對K-近鄰分類算法中的參數K進行評分的結構示意圖；圖4為本申請實施例提供的一種數據處理設備的結構示意圖。具體實施方式為了實現本申請的目的，本申請實施例提供了一種數據處理方法和設備， 通過獲取數據樣本集合，所述數據樣本集合中包含測試數據樣本集合和訓練數據樣本集合；針對待處理的分析模型的每一個參數組合，分別將所述參數組合和所述數據樣本集合發送至與所述參數組合的資源指示屬性相匹配的計算單元，使得所述計算單元利用所述訓練數據樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型，利用所述測試數據樣本集合對每一個所述子分析模型所對應的參數組合進行評分，得到每一個所述參數組合的評分結果，所述資源指示屬性用於表徵基於所述分析模型使用所述參數組合完成計算所需要的計算資源；根據所述評分結果，確定出基於所述待處理的分析模型的滿足設定條件的參數組合。這樣，基於任意一種分析模型，可以對該分析模型所包含的全局參數進行測試，進而從所述全局參數中選擇出最優的參數組合，以便於建立性能可靠的分析模型，並為後續利用分析模型對大量數據進行分析奠定基礎，有效提高數據分析結果的精度；同時，本申請在分析全局參數時採用異構計算集群系統，根據參數組合的資源指示屬性選擇計算單元，以保證計算單元之間的資源均衡，有效地使用系統資源，提升了系統資源的利用率。需要說明的是，本申請實施例中所述分析模型可以是機器學習算法，例如：K-近鄰算法，隨機森林算法，支持向量機算法等等，也可以是構造的某一種數據分析模型，這裡不做具體限定。下面結合說明書附圖對本申請各個實施例作進一步地詳細描述。顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例。基於本申請中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其它實施例，都屬於本申請保護的範圍。圖1為本申請實施例提供的一種數據處理方法的流程示意圖。所述方法可以如下所示。步驟101：獲取數據樣本集合。其中，所述數據樣本集合中包含訓練數據樣本集合和測試數據樣本集合。在步驟101中，從原始數據集合中獲取數據樣本集合。假設原始數據集合的規模比較大，所包含的數據量比較多時，可以通過數據採樣技術從原始數據集合中採樣得到相對少量的N個數據組合得到數據樣本集合。N的取值範圍不限，可以根據原始數據集合規模而定，也可以根據實際需要確定。若原始數據集合的規模比較小，那麼直接將原始數據集合作為數據樣本集合即可，無需進行數據採樣。在得到數據樣本集合後，對數據樣本集合中的數據進行拆分，以得到訓練數據樣本集合和測試數據樣本集合。即從數據樣本集合中隨機抽取一部分數據作為訓練數據樣本集合中的數據，剩餘部分作為測試數據樣本集合中的數據(例如：可選擇80％的數據作為訓練數據樣本集合中的數據，剩餘20％的數據作為測試數據樣本集合中的數據)。這裡需要說明的是，訓練數據樣本集合中正負數據樣本的比例以及測試數據樣本集合中正負數據樣本的比例與數據樣本集合中正負數據樣本的比例一致。例如：數據樣本集合中正負數據樣本的比例為2:8，那麼訓練數據樣本集合中正負數據樣本的比例以及測試數據樣本集合中正負數據樣本的比例也需要保證為2:8。步驟102：針對待處理的分析模型的每一個參數組合，分別將所述參數組合和所述數據樣本集合發送至與所述參數組合的資源指示屬性相匹配的計算單元，使得所述計算單元利用所述訓練數據樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型，並利用所述測試數據樣本集合對每一個所述子分析模型所對應的參數組合進行評分，得到每一個所述參數組合的評分結果。其中，所述資源指示屬性用於表徵基於所述分析模型使用所述參數組合完成計算所需要的計算資源。需要說明的是，這裡的參數組合包括該組合中僅有一個參數的情況。在步驟102中，首先，針對待處理的分析模型，確定所述分析模型所使用 的至少一個參數以及所述參數的參數屬性。其中，所述參數屬性中包含所述參數的迭代間隔、所述參數的取值範圍以及所述參數與基於所述參數完成計算所需的計算資源之間的相關性。本申請實施例中所述的迭代間隔可以是根據需要確定，例如：假設分析模型所用的參數包含參數a，參數a的取值範圍為【0.1～1】，若設定的迭代間隔為0.1，那麼參數a的取值可以為0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1；若設定的迭代間隔為0.2，那麼參數a的取值可以為0.2、0.4、0.6、0.8、1。所謂所述參數與基於所述參數完成計算所需的計算資源之間的相關性是指當參數取值增加/減少時，完成計算所需的計算資源是增加還是減少。假設，分析模型包含3個參數，分別是參數a、參數b和參數c，那麼參數a、參數b和參數c分別對應的參數屬性如下表1所示：表1其次，根據各個所述參數的迭代間隔和各個所述參數的取值範圍，得到所述分析模型的參數組合。其中，每一個所述參數組合中包含每一個所述參數，不同所述參數組合中包含的至少一個相同的所述參數的取值不同。仍以上述表1中所列數據為例，參數a的取值為：0.1、0.2、0.3、0.4、0.5、0.6、0.7、0.8、0.9、1；參數b的取值為3、4、5、6、7、8；參數c的取值為100、200、300、400、500、600、700、800、900、1000。那麼根據各個所述參數的迭代間隔，得到所述分析模型的參數組合為：{0.1、3、100}......{1、8、1000}等600個參數組合。每一個組合中都包含參數a、參數b和參數c；不同 參數組合中包含的參數a、參數b以及參數c中的至少一個相同參數的取值不同。第三，確定每一個參數組合的資源指示屬性。具體地，針對每一個參數組合分別執行以下操作：分別計算所述參數組合中每一個參數的資源指示屬性，並根據每一個參數的資源指示屬性，計算得到所述參數組合的資源指示屬性。具體地，計算所述參數組合中每一個參數的資源指示屬性，包括：針對所述參數組合中每一個參數，執行以下操作：選擇其中一個未執行操作的參數，並確定選擇的所述參數的取值以及所述參數與基於所述參數完成計算所需要的計算資源之間的相關性；根據所述參數的取值以及所述相關性，計算得到選擇的所述參數的資源指示屬性。仍以上述表1中所列數據為例，參數b的取值範圍為【3,8】，且參數b與基於所述參數b完成計算所需的計算資源之間的相關性為正相關，那麼當參數b的取值為3時，確定參數b的資源指示屬性為0；當參數b的取值為8時，確定參數b的資源指示屬性為1。此外，還可以通過以下方式確定每一個參數的資源指示屬性：其中，ω(vi)表示參數v的第i個取值對應的資源指示屬性，公式(1)用於表示若參數v與基於所述參數v完成計算所需的計算資源之間的相關性為正相關時，利用公式(1)可以計算得到數v的第i個取值對應的資源指示屬性，公式(2)用於表示若參數v與基於所述參數v完成計算所需的計算資源之間的相關性為負相關時，利用公式(2)可以計算得到數v的第i個取值對應的資源指示屬性，min(v)表示參數V的最小取值，max(v)表示參數V的最大取值。由此可見，資源指示屬性的取值範圍為0～1。假設分析模型的一個參數組合為{a＝0.5；b＝5；c＝200}，分別計算得到的每一個參數的資源指示屬性為：進而計算得到的參數組合的資源指示屬性：需要說明的是，本申請實施例中參數組合的資源指示屬性採用取平均值的方式得到，還可以採用其他方式得到，例如加權平均等等，可以根據實際需要確定，這裡不做限定。第四，確定異構計算集群系統中每一個計算單元的計算資源的大小值。第五，根據所述參數組合的資源指示屬性，從所述異構計算集群系統中選擇計算資源的大小值與所述參數組合的資源指示屬性相匹配的計算單元。具體地，在確定異構計算集群系統中每一個計算單元的計算資源的大小值後，按照計算資源的大小值將計算單元進行排序，同時，將參數組合按照資源指示屬性進行排序，根據排序結果為參數組合選擇相匹配的計算單元。例如：參數組合的資源指示屬性值越高，選擇的計算單元的計算資源越多；參數組合的資源指示屬性值越小，選擇的計算單元的計算資源越少。這樣，可以避免資源消耗比較大的參數組合被發送至計算資源較少的計算單元中，導致計算效率降低，同時也能夠比較資源消耗較小的參數組合被發送至計算資源較多的計算單元中，導致計算資源的浪費，有效保證系統資源利用的均衡，進而提升系統資源的處理效率。第六，將所述參數組合和所述數據樣本集合發送至選擇的所述計算單元。這樣所述計算單元利用所述訓練數據樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型。所述計算單元還利用所述測試數據樣本集合對每一個所述子分析模型所 對應的參數組合進行評分，得到每一個所述參數組合的評分結果。基於其中一個計算單元為例進行說明。計算單元在接收到參數組合和數據樣本集合後，首先利用所述訓練數據樣本集合和所述參數組合訓練得到一個子分析模型；其次利用所述測試數據樣本集合和該子分析模型對所述參數組合進行評分。這裡需要說明的是，本申請實施例中所述子分析模型是待處理的分析模型的一種實現形式。步驟103：根據所述評分結果，確定出基於所述待處理的分析模型的滿足設定條件的參數組合。在步驟103中，在每一個計算單元都對參數組合進行評分後，根據評分結果確定出基於所述待處理的分析模型的滿足設定條件的參數組合。具體地，針對每一個所述參數組合對應的所述評分結果，將其中所述評分結果大於設定閾值的參數組合確定為基於所述待處理的分析模型的滿足設定條件的參數組合。可選地，滿足設定條件可以是評分結果最高的參數組合，這裡不做限定。圖2為基於異構計算集群對不同參數組合進行評分的結構示意圖。從圖2中可以看出，參數組合有N個，計算單元有N個。每一個參數組合和數據樣本集合被發送至相匹配的計算單元，針對一個計算單元，首先根據接收到參數組合和訓練數據樣本集合訓練得到一個子分析模型；其次，利用該子分析模型和測試數據樣本集合對該參數組合進行評分，得到評分結果；最後輸出評分結果，根據輸出的評分結果確定基於所述待處理的分析模型的滿足設定條件的參數組合。通過本申請實施例所述的技術方案，獲取數據樣本集合，所述數據樣本集合中包含訓練數據樣本集合和測試數據樣本集合；針對待處理的分析模型的至少一個參數組合，分別將所述參數組合和所述數據樣本集合發送至與所述參數組合的資源指示屬性相匹配的計算單元，使得所述計算單元利用所述訓練數據 樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型，並利用所述測試數據樣本集合對每一個所述子分析模型所對應的參數組合進行評分，得到每一個所述參數組合的評分結果，所述資源指示屬性用於表徵基於所述分析模型使用所述參數組合完成計算所需要的計算資源；根據所述評分結果，確定出基於所述待處理的分析模型的滿足設定條件的參數組合。這樣，基於任意一種分析模型，可以對該分析模型所包含的全局參數進行測試，進而從所述全局參數中選擇出最優的參數組合，以便於建立性能可靠的分析模型，並為後續利用分析模型對大量數據進行分析奠定基礎，有效提高數據分析結果的精度；同時，本申請在分析全局參數時採用異構計算集群系統，根據參數組合的資源指示屬性選擇計算單元，以保證計算單元之間的資源均衡，有效地使用系統資源，提升了系統資源的利用率。下面以分析模型為K-近鄰分類算法為例對上述實施例中所描述的參數確定方法進行詳細描述。所謂K-近鄰分類算法的原理是：假設有N個類別已知的樣本，每一個樣本被標記為正樣本或者負樣本。當前存在一個待分類的樣本，為了確定該樣本屬於正樣本還是屬於負樣本，可以使用K-近鄰分類算法。具體地，利用歐式距離計算距離待分類的樣本距離滿足設定條件的K個樣本，統計這K個樣本對應的類別(即正樣本或者負樣本)出現的頻次，將出現頻次較高的類別作為待分類的樣本的類別。由此可見，選擇K個樣本中K的取值非常關鍵，那麼如何確定K-近鄰分類算法中K的取值呢？基於圖1中所述的數據處理方法能夠確定出比較精準的K以提高分類準確率。首先，對樣本數據進行預處理。將樣本數據進行分類，80％的樣本數據作為訓練樣本，20％的樣本數據作為測試樣本。其次，確定K-近鄰分類算法的參數屬性。參數屬性包含：參數取值範圍、參數的迭代間隔、參數取值與基於參數取 值所需的計算資源之間的相關性。如表2所示：表2參數名取值範圍迭代間隔參數取值與基於參數取值所需的計算資源之間的相關性K【1,10】1正相關需要說明的是，對於K-近鄰分類算法中的參數K，最小取值為1，最大取值可以根據實際應用場景確定，本申請實施例中最大值假設為10，假設迭代間隔為1。參數K的取值與所需的計算資源之間的相關性為正相關，那麼說明K的取值越大，需要計算資源越多。第三，確定每一個參數K的資源指示屬性。具體地，根據參數K的取值範圍和參數取值與所需計算資源的相關性，利用下述方式可計算得到每個K的取值對應的資源指示屬性：其中，ω(vi)表示參數K的第i個取值對應的資源指示屬性，min(v)表示參數K的最小取值，max(v)表示參數K的最大取值。具體地，當K＝1時，資源指示屬性為0，當K＝2時，資源指示屬性為1/9，當K＝3時，資源指示屬性為2/9，當K＝4時，資源指示屬性為3/9，當K＝5時，資源指示屬性為4/9，當K＝6時，資源指示屬性為5/9，當K＝7時，資源指示屬性為6/9，當K＝8時，資源指示屬性為7/9，當K＝9時，資源指示屬性為8/9，當K＝10時，資源指示屬性為1。第四，確定異構計算集群系統中每一個計算單元的計算資源的大小值。假設異構計算集群系統中可以使用的計算單元有10個，按照計算資源從小到達的順序為，計算單元2、計算單元3、計算單元1、計算單元10、計算單元5、計算單元9、計算單元7、計算單元6、計算單元8和計算單元4。第五，根據所述參數組合的資源指示屬性，從所述異構計算集群系統中選擇計算資源的大小值與所述參數組合的資源指示屬性相匹配的計算單元。仍以上述記載為例，K＝1所匹配的計算單元為計算單元2；K＝2所匹配的 計算單元為計算單元3；K＝3所匹配的計算單元為計算單元1；K＝4所匹配的計算單元為計算單元10；K＝5所匹配的計算單元為計算單元5；K＝6所匹配的計算單元為計算單元9；K＝7所匹配的計算單元為計算單元7；K＝8所匹配的計算單元為計算單元6；K＝9所匹配的計算單元為計算單元8；K＝10所匹配的計算單元為計算單元4。第六，將所述參數組合和所述數據樣本集合發送至選擇的所述計算單元。仍以上述記載為例，此時，將K＝1以及訓練樣本發送至計算單元2中，將K＝2以及訓練樣本發送至計算單元3中，將K＝3以及訓練樣本發送至計算單元1中，將K＝4以及訓練樣本發送至計算單元10中，將K＝5以及訓練樣本發送至計算單元5中，將K＝6以及訓練樣本發送至計算單元9中，將K＝7以及訓練樣本發送至計算單元7中，將K＝8以及訓練樣本發送至計算單元6中，將K＝9以及訓練樣本發送至計算單元8中，將K＝10以及訓練樣本發送至計算單元4中。這樣所述計算單元利用所述訓練數據樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型；並利用所述測試樣本數據對每一個所述子分析模型所對應的參數K進行評分，得到每一個所述參數K的評分結果。第七，根據所述評分結果，確定出基於K-近鄰分類算法最優的參數K。需要說明的是，在本申請實施例中，對參數K進行評分的依據是參數K預測準確率，即對測試樣本的類別越策準確的數目佔測試樣本總數的比例。如圖3所示，為基於異構計算集群對K-近鄰分類算法中的參數K進行評分的結構示意圖。圖4為本申請實施例提供的一種數據處理設備的結構示意圖。所述數據處理設備包括：獲取單元41、分配單元42和處理單元43，其中：獲取單元41，用於獲取數據樣本集合，其中，所述數據樣本集合中包含訓練數據樣本集合和測試數據樣本集合；分配單元42，用於針對待處理的分析模型的每一個參數組合，分別將所述 參數組合和所述數據樣本集合發送至與所述參數組合的資源指示屬性相匹配的計算單元，使得所述計算單元利用所述訓練數據樣本集合和所述參數組合訓練得到所述分析模型的一個子分析模型，並利用所述測試數據樣本集合對每一個所述子分析模型所對應的參數組合進行評分，得到每一個所述參數組合的評分結果，其中，所述資源指示屬性用於表徵基於所述分析模型使用所述參數組合完成計算所需要的計算資源；處理單元43，用於根據所述評分結果，確定出基於所述待處理的分析模型的滿足設定條件的參數組合。可選地，所述數據處理設備還包括：確定單元44，其中：所述確定單元44確定所述參數組合的資源指示屬性，包括：分別計算所述參數組合中每一個參數的資源指示屬性；根據每一個參數的資源指示屬性，計算得到所述參數組合的資源指示屬性。具體地，所述確定單元44計算所述參數組合中每一個參數的資源指示屬性，包括：針對所述參數組合中每一個參數，執行以下操作：選擇其中一個未執行操作的參數，並確定選擇的所述參數的取值以及所述參數與基於所述參數完成計算所需要的計算資源之間的相關性；根據所述參數以及所述相關性，計算得到選擇的所述參數的資源指示屬性。具體地，所述分配單元42將所述參數組合和所述數據樣本集合發送至與所述參數組合的資源指示屬性相匹配的計算單元，包括：確定異構計算集群系統中每一個計算單元的計算資源的大小值；根據所述參數組合的資源指示屬性，從所述異構計算集群系統中選擇計算資源的大小值與所述參數組合的資源指示屬性相匹配的計算單元；將所述參數組合和所述數據樣本集合發送至選擇的所述計算單元。具體地，所述確定單元44確定待處理的分析模型的參數組合，包括：獲取待處理的分析模型，並確定所述分析模型所使用的參數以及所述參數的參數屬性,其中，所述參數屬性中包含所述參數的迭代間隔、所述參數的取值範圍以及所述參數取值與基於所述參數取值完成計算所需的計算資源之間的相關性；根據各個所述參數的迭代間隔，得到所述分析模型的參數組合，其中，每一個所述參數組合中包含每一個所述參數，不同所述參數組合中包含的至少一個相同的所述參數的取值不同。具體地，所述處理單元43根據所述評分結果，確定出基於所述待處理的分析模型的滿足設定條件的參數組合，包括：針對每一個所述參數組合對應的所述評分結果，將其中所述評分結果大於設定閾值的參數組合確定為基於所述待處理的分析模型的滿足設定條件的參數組合。需要說明的是，本申請實施例中所述的數據處理設備可以通過硬體方式實現，也可以通過軟體方式實現，這裡不做限定。基於任意一種分析模型，數據處理設備可以對該分析模型所包含的全局參數進行測試，進而從所述全局參數中選擇出最優的參數組合，以便於建立性能可靠的分析模型，並為後續利用分析模型對大量數據進行分析奠定基礎，有效提高數據分析結果的精度；同時，在分析全局參數時採用異構計算集群系統，根據參數組合的資源指示屬性選擇計算單元，以保證計算單元之間的資源均衡，有效地使用系統資源，提升了系統資源的利用率。本領域的技術人員應明白，本申請的實施例可提供為方法、裝置(設備)、或電腦程式產品。因此，本申請可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本申請可採用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限於磁碟存儲器、CD-ROM、光學存儲器等)上實施的電腦程式產品的形式。本申請是參照根據本申請實施例的方法、裝置(設備)和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。這些電腦程式指令也可裝載到計算機或其他可編程數據處理設備上，使得在計算機或其他可編程設備上執行一系列操作步驟以產生計算機實現的處理，從而在計算機或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。儘管已描述了本申請的優選實施例，但本領域內的技術人員一旦得知了基本創造性概念，則可對這些實施例作出另外的變更和修改。所以，所附權利要求意欲解釋為包括優選實施例以及落入本申請範圍的所有變更和修改。顯然，本領域的技術人員可以對本申請進行各種改動和變型而不脫離本申請的精神和範圍。這樣，倘若本申請的這些修改和變型屬於本申請權利要求及其等同技術的範圍之內，則本申請也意圖包含這些改動和變型在內。當前第1頁1 2 3