CN109684566B - 标签引擎实现方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本发明公开了标签引擎实现方法、装置、计算机设备及存储介质，其中方法包括：针对标签引擎的参数中需要自适应更新的第一类型参数，当每次满足更新条件时，重新确定出第一类型参数的取值；当需要利用标签引擎生成标签时，根据第一类型参数的最新取值生成标签。应用本发明所述方案，能够提高生成的标签的准确性等。

Description

标签引擎实现方法、装置、计算机设备及存储介质

【技术领域】

本发明涉及计算机应用技术，特别涉及标签引擎实现方法、装置、计算机设备及存储介质。

【背景技术】

目前，针对输入的数据，可以利用标签引擎来生成标签，比如，要“查找早出晚归的人员”，可以根据输入的用户行为数据，生成用户的标签，所述标签可包括“早出”、“晚归”等。

为了生成标签，标签引擎需要用到很多参数，比如，“早”和“晚”对应的参数，对于如何定义这两个参数的取值，目前通常采用以下方式：预先设定好参数的取值，使用时不可以改变，设定的取值可为经验值，如“早”对应的时间为6点～8点，“晚”对应的时间为20点～22点。

但经验值并不一定准确，而且，即便最初设定时是准确的，随着时间的推移等，也可能变得不准确。而一旦参数的取值不够准确，则会导致后续生成的标签不够准确，从而降低了标签引擎的性能。

【发明内容】

有鉴于此，本发明提供了标签引擎实现方法、装置、计算机设备及存储介质。

具体技术方案如下：

一种标签引擎实现方法，包括：

针对所述标签引擎的参数中需要自适应更新的第一类型参数，当每次满足更新条件时，重新确定出所述第一类型参数的取值；

当需要利用所述标签引擎生成标签时，根据所述第一类型参数的最新取值生成标签。

根据本发明一优选实施例，所述当每次满足更新条件时，重新确定出所述第一类型参数的取值包括：

当到达每天的预定时刻时，重新确定出所述第一类型参数的取值。

根据本发明一优选实施例，所述重新确定出所述第一类型参数的取值包括：

根据获取到的最近预定时长内的历史行为数据，重新确定出所述第一类型参数的取值。

根据本发明一优选实施例，该方法进一步包括：

在每次满足更新条件，重新确定出所述第一类型参数的取值之前，获取从所述标签引擎的参数中选定的所述第一类型参数，所述第一类型参数的数量小于或等于所述标签引擎的参数的数量。

根据本发明一优选实施例，该方法进一步包括：

当所述第一类型参数的数量小于所述标签引擎的参数的数量时，结合所述第一类型参数的最新取值以及所述标签引擎的参数中不需要自适应更新的第二类型参数的原始取值生成标签。

一种标签引擎实现装置，包括：取值确定单元以及标签生成单元；

所述取值确定单元，用于针对所述标签引擎的参数中需要自适应更新的第一类型参数，当每次满足更新条件时，重新确定出所述第一类型参数的取值；

所述标签生成单元，用于当需要利用所述标签引擎生成标签时，根据所述第一类型参数的最新取值生成标签。

根据本发明一优选实施例，所述取值确定单元在到达每天的预定时刻时，重新确定出所述第一类型参数的取值。

根据本发明一优选实施例，所述取值确定单元根据获取到的最近预定时长内的历史行为数据，重新确定出所述第一类型参数的取值。

根据本发明一优选实施例，所述装置中进一步包括：参数获取单元；

所述参数获取单元，用于获取从所述标签引擎的参数中选定的所述第一类型参数，所述第一类型参数的数量小于或等于所述标签引擎的参数的数量，将所述第一类型参数通知给所述取值确定单元。

根据本发明一优选实施例，当所述第一类型参数的数量小于所述标签引擎的参数的数量时，所述标签生成单元结合所述第一类型参数的最新取值以及所述标签引擎的参数中不需要自适应更新的第二类型参数的原始取值生成标签。

一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述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如以上所述的方法。

一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如以上所述的方法。

基于上述介绍可以看出，采用本发明所述方案，可对标签引擎中的部分或全部参数进行自适应更新，这样，当需要利用标签引擎生成标签时，可根据第一类型参数的最新取值生成标签，从而相比于现有方式提高了参数取值的准确性，进而提高了生成的标签的准确性，相应地提升了标签引擎的性能等。

【附图说明】

图1为本发明所述标签引擎实现方法第一实施例的流程图。

图2为本发明所述标签引擎实现方法第二实施例的流程图。

图3为本发明所述标签引擎实现装置实施例的组成结构示意图。

图4示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。

【具体实施方式】

为了使本发明的技术方案更加清楚、明白，以下参照附图并举实施例，对本发明所述方案进行进一步说明。

显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

图1为本发明所述标签引擎实现方法第一实施例的流程图。如图1所示，包括以下具体实现方式。

在101中，针对标签引擎的参数中需要自适应更新的第一类型参数，当每次满足更新条件时，重新确定出第一类型参数的取值。

在102中，当需要利用标签引擎生成标签时，根据第一类型参数的最新取值生成标签。

本实施例中，标签引擎的部分或全部参数可被选定为自适应参数，为便于表述，将自适应参数称为第一类型参数，将不需要自适应更新的参数称为第二类型参数。

即可获取标签引擎的参数中选定的第一类型参数，第一类型参数的数量小于或等于标签引擎的参数的数量。也就是说，可以将标签引擎的所有参数均选定为第一类型参数，也可以仅选定其中的部分参数作为第一类型参数。第一类型参数可为人工选定的，人工可通过对标签引擎的各参数进行分析梳理，找出需要自适应更新的第一类型参数，比如，“早”和“晚”对应的参数。

对于第一类型参数，当每次满足更新条件时，可重新确定出其取值，重新确定出的取值可能与之前的取值相同，也可能不同，如果不同，可利用最新获取到的取值对之前的取值进行更新。

每次满足更新条件，可以是指到达每天的预定时刻，比如，在每天的零点时刻，可重新确定出第一类型参数的取值。

具体地，可根据获取到的最近预定时长内的历史行为数据，重新确定出第一类型参数的取值。最近预定时长的具体取值可根据实际需要而定。

假设标签引擎的应用区域为北京，那么可获取最近一个月内北京地区的用户的历史行为数据，历史行为数据中可包括出门时间、回家时间以及出行方式等等。如何获取用户的历史行为数据不作限制，比如，可通过对获取到的各小区门口的摄像头拍摄到的图像数据进行分析等确定出用户的出门时间和回家时间等。

如何根据历史行为数据确定出第一类型参数的取值同样不作限制。比如，可分别提取获取到的历史行为数据中的各用户的出门时间，并可对提取出的各出门时间进行统计，形成时间分布的直方图，进而可通过对直方图进行分析确定出早出的时间段，如确定出大多数人出门的第一时间段，然后选取时间轴(横轴)上位于第一时间段之前、且对应的纵轴取值大于预定阈值的第一个时间点，将该时间点到第一时间段的起始时间点之间的第二时间段作为早出的时间段，如早出的时间段为5点～7点，将5点～7点作为“早”对应的参数的取值等，预定阈值可为0，也可为大于0的正整数。

假设标签引擎的应用区域为新疆，那么可获取最近一个月内新疆地区的用户的历史行为数据，进而可根据获取到新疆地区的用户的历史行为数据分析出对应的第一类型参数的取值。当地域不同时，确定出的第一类型参数的取值也可能不同。

另外，当标签引擎应用于不同的人群时，可分别获取对应人群的历史行为数据，进而可根据对应人群的历史行为数据分析出对应的第一类型参数的取值等。

可以看出，本实施例所述的标签引擎可以适用于不同的地域以及不同的人群，具有广泛适用性。

为了更好的支持系统的扩展性和用户体验性，确定出的第一类型参数的取值不能直接在前台写死，可由meta来维护。meta可起到临时存储的作用，其中可始终存储有第一类型参数的最新取值。

这样，当需要利用标签引擎生成标签时，可从meta中获取第一类型参数的最新取值，并根据第一类型参数的最新取值生成标签，如何生成标签为现有技术。

为方便用户使用，在用户使用标签引擎时，可为用户进一步提供选择功能，比如，可通过提示框让用户选择是否使用第一类型参数的自适应取值，若用户选择是，则可根据第一类型参数的最新取值生成标签，若用户选择否，则可根据第一类型参数的原始取值生成标签，原始取值可为按照现有方式预先设定好的取值。这样，如果用户出于某种原因不希望使用自适应取值，则可按照现有的参数取值生成标签，从实现上非常灵活方便。

如前所述，第一类型参数可以是标签引擎的所有参数，也可以是部分参数，通常是部分参数，这种情况下，则需要结合第一类型参数的最新取值以及标签引擎的参数中不需要自适应更新的第二类型参数的原始取值来生成标签。

基于上述介绍，图2为本发明所述标签引擎实现方法第二实施例的流程图。如图2所示，包括以下具体实现方式。

在201中，获取从标签引擎的参数中选定的第一类型参数，第一类型参数的数量小于或等于标签引擎的参数的数量。

本实施例中，假设第一类型参数的数量小于标签引擎的参数的数量。

在202中，当到达每天的预定时刻时，根据获取到的最近预定时长内的历史行为数据，重新确定出第一类型参数的取值。

也就是说，第一类型参数的取值可采用天级更新方式。

在203中，将重新确定出的第一类型参数的取值存入meta中。

meta中可始终存储有第一类型参数的最新取值。

在204中，当需要利用标签引擎生成标签时，通过提示框询问用户是否使用第一类型参数的自适应取值，若是，则执行205，否则，执行206。

根据用户选择是或否的不同，后续会执行不同的操作。

在205中，结合从meta中获取的第一类型参数的最新取值以及标签引擎的参数中不需要自适应更新的第二类型参数的原始取值生成标签。

在206中，结合第一类型参数的原始取值以及第二类型参数的原始取值生成标签。

205～206中，可针对待生成标签的数据，根据标签引擎中的各参数的取值，按照现有标签生成方式生成标签。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。

总之，采用本发明方法实施例所述方案，可对标签引擎中的部分或全部参数进行自适应更新，这样，当需要利用标签引擎生成标签时，可根据第一类型参数的最新取值生成标签，从而相比于现有方式提高了参数取值的准确性，进而提高了生成的标签的准确性，相应地提升了标签引擎的性能等。

另外，本发明方法实施例所述方案可适用于不同的地域以及不同的人群等，具有广泛适用性。

以上是关于方法实施例的介绍，以下通过装置实施例，对本发明所述方案进行进一步说明。

图3为本发明所述标签引擎实现装置实施例的组成结构示意图。如图3所示，包括：取值确定单元301以及标签生成单元302。

取值确定单元301，用于针对标签引擎的参数中需要自适应更新的第一类型参数，当每次满足更新条件时，重新确定出第一类型参数的取值。

标签生成单元302，用于当需要利用标签引擎生成标签时，根据第一类型参数的最新取值生成标签。

本实施例中，标签引擎的部分或全部参数可被选定为自适应参数，为便于表述，将自适应参数称为第一类型参数，将不需要自适应更新的参数称为第二类型参数。

如图3所示，所述装置中还可进一步包括：参数获取单元300。

参数获取单元300可用于获取从标签引擎的参数中选定的第一类型参数，第一类型参数的数量小于或等于标签引擎的参数的数量，并将第一类型参数通知给取值确定单元301。第一类型参数可为人工选定的，人工可通过对标签引擎的各参数进行分析梳理，找出需要自适应更新的第一类型参数

对于第一类型参数，当每次满足更新条件时，取值确定单元301可重新确定出其取值，重新确定出的取值可能与之前的取值相同，也可能不同。

每次满足更新条件，可以是指到达每天的预定时刻，比如，每天的零点时刻。取值确定单元301可在到达每天的预定时刻时，重新确定出第一类型参数的取值。

另外，取值确定单元301可根据获取到的最近预定时长内的历史行为数据，重新确定出第一类型参数的取值。最近预定时长的具体取值可根据实际需要而定。

假设标签引擎的应用区域为北京，那么可获取最近一个月内北京地区的用户的历史行为数据，历史行为数据中可包括出门时间、回家时间以及出行方式等等。进一步地，可分别提取获取到的历史行为数据中的各用户的出门时间，并可对提取出的各出门时间进行统计，形成时间分布的直方图，进而可通过对直方图进行分析确定出早出的时间段，如确定出大多数人出门的第一时间段，然后选取时间轴(横轴)上位于第一时间段之前、且对应的纵轴取值大于预定阈值的第一个时间点，将该时间点到第一时间段的起始时间点之间的第二时间段作为早出的时间段，如早出的时间段为5点～7点，将5点～7点作为“早”对应的参数的取值等，预定阈值可为0，也可为大于0的正整数。

当需要利用标签引擎生成标签时，标签生成单元302可根据第一类型参数的最新取值生成标签。第一类型参数可以是标签引擎的所有参数，也可以是部分参数，通常是部分参数，这种情况下，则需要结合第一类型参数的最新取值以及标签引擎的参数中不需要自适应更新的第二类型参数的原始取值来生成标签。

另外，为方便用户使用，在用户使用标签引擎时，标签生成单元302可为用户进一步提供选择功能，比如，可通过提示框让用户选择是否使用第一类型参数的自适应取值，若用户选择是，则可根据第一类型参数的最新取值生成标签，若用户选择否，则可根据第一类型参数的原始取值生成标签，原始取值可为按照现有方式预先设定好的取值。这样，如果用户出于某种原因不希望使用自适应取值，则可按照现有的参数取值生成标签，从实现上非常灵活方便。

图3所示装置实施例的具体工作流程请参照前述方法实施例中的相关说明，不再赘述。

总之，采用本发明装置实施例所述方案，可对标签引擎中的部分或全部参数进行自适应更新，这样，当需要利用标签引擎生成标签时，可根据第一类型参数的最新取值生成标签，从而相比于现有方式提高了参数取值的准确性，进而提高了生成的标签的准确性，相应地提升了标签引擎的性能等。

另外，本发明装置实施例所述方案可适用于不同的地域以及不同的人群等，具有广泛适用性。

图4示出了适于用来实现本发明实施方式的示例性计算机系统/服务器12的框图。图4显示的计算机系统/服务器12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，计算机系统/服务器12以通用计算设备的形式表现。计算机系统/服务器12的组件可以包括但不限于：一个或者多个处理器(处理单元)16，存储器28，连接不同系统组件(包括存储器28和处理器16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(ISA)总线，微通道体系结构(MAC)总线，增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。

计算机系统/服务器12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统/服务器12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(RAM)30和/或高速缓存存储器32。计算机系统/服务器12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图4未显示，通常称为“硬盘驱动器”)。尽管图4中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

计算机系统/服务器12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等)通信，还可与一个或者多个使得用户能与该计算机系统/服务器12交互的设备通信，和/或与使得该计算机系统/服务器12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口22进行。并且，计算机系统/服务器12还可以通过网络适配器20与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图4所示，网络适配器20通过总线18与计算机系统/服务器12的其它模块通信。应当明白，尽管图中未示出，可以结合计算机系统/服务器12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

处理器16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现图1或图2所示实施例中的方法。

本发明同时公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时将实现如图1或图2所示实施例中的方法。

可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法等，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。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。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，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，均应包含在本发明保护的范围之内。

Claims (10)

1.一种标签引擎实现方法，其特征在于，包括：

针对所述标签引擎的参数中需要自适应更新的第一类型参数，所述第一类型参数为所述标签引擎的参数中需要自适应更新的参数，当每次满足更新条件时，重新确定出所述第一类型参数的取值，包括：根据获取到的最近预定时长内的历史行为数据，重新确定出所述第一类型参数的取值；

当需要利用所述标签引擎生成标签时，根据所述第一类型参数的最新取值生成标签。

2.根据权利要求1所述的方法，其特征在于，

所述当每次满足更新条件时，重新确定出所述第一类型参数的取值包括：

当到达每天的预定时刻时，重新确定出所述第一类型参数的取值。

3.根据权利要求1所述的方法，其特征在于，

该方法进一步包括：

在每次满足更新条件，重新确定出所述第一类型参数的取值之前，获取从所述标签引擎的参数中选定的所述第一类型参数，所述第一类型参数的数量小于或等于所述标签引擎的参数的数量。

4.根据权利要求3所述的方法，其特征在于，

该方法进一步包括：

当所述第一类型参数的数量小于所述标签引擎的参数的数量时，结合所述第一类型参数的最新取值以及所述标签引擎的参数中不需要自适应更新的第二类型参数的原始取值生成标签。

5.一种标签引擎实现装置，其特征在于，包括：取值确定单元以及标签生成单元；

所述取值确定单元，用于针对所述标签引擎的参数中需要自适应更新的第一类型参数，所述第一类型参数为所述标签引擎的参数中需要自适应更新的参数，当每次满足更新条件时，重新确定出所述第一类型参数的取值；

其中，所述取值确定单元根据获取到的最近预定时长内的历史行为数据，重新确定出所述第一类型参数的取值；

所述标签生成单元，用于当需要利用所述标签引擎生成标签时，根据所述第一类型参数的最新取值生成标签。

6.根据权利要求5所述的装置，其特征在于，

所述取值确定单元在到达每天的预定时刻时，重新确定出所述第一类型参数的取值。

7.根据权利要求5所述的装置，其特征在于，

所述装置中进一步包括：参数获取单元；

所述参数获取单元，用于获取从所述标签引擎的参数中选定的所述第一类型参数，所述第一类型参数的数量小于或等于所述标签引擎的参数的数量，将所述第一类型参数通知给所述取值确定单元。

8.根据权利要求7所述的装置，其特征在于，

当所述第一类型参数的数量小于所述标签引擎的参数的数量时，所述标签生成单元结合所述第一类型参数的最新取值以及所述标签引擎的参数中不需要自适应更新的第二类型参数的原始取值生成标签。

9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～4中任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～4中任一项所述的方法。

Images