本申請涉及計算機領域，尤其涉及一種用于實現(xiàn)高危維權(quán)預警的方法及裝置。

背景技術(shù)：

維權(quán)是指維護個人或群體的合法權(quán)益。維權(quán)可發(fā)生在各個場景，其中包括：當用戶在某一平臺執(zhí)行某一事件后，若對事件執(zhí)行過程的某一環(huán)節(jié)或執(zhí)行對象不滿意，則可以向該平臺申請維權(quán)。對于該平臺，如何妥善的解決各維權(quán)事件至關重要，處理結(jié)果將直接影響該平臺的信譽。

由于平臺需處理的維權(quán)事件可能包括成百上千件，而各個維權(quán)事件的高危程度不同，如何區(qū)分出高危維權(quán)事件，以對高危維權(quán)事件進行優(yōu)先處理是各平臺在處理維權(quán)中需要解決的問題，也就是對于平臺來說需要實現(xiàn)維權(quán)的高危預警。

目前，各平臺的高危預警方案大多為采用關鍵字預警，例如，用戶在一維權(quán)事件的維權(quán)留言中包含預定關鍵字，則表示該維權(quán)事件為高危維權(quán)事件；或采用來電次數(shù)預警，例如，用戶在一維權(quán)事件中的維權(quán)來電次數(shù)達到預定次數(shù)時，確定該維權(quán)事件為高危維權(quán)事件，對依照上述方法確定的高危維權(quán)事件進行預警。

上述的高危維權(quán)預警方案的規(guī)則較簡單，在一些情況下，即使不包含預定關鍵字或來電次數(shù)沒有達到預定次數(shù)的情況下，也會存在高危維權(quán)事件。因此當前的方案很難準確預測出所有的高危維權(quán)，也就是對高危維權(quán)事件的召回率及準確率較低，從而影響維權(quán)處理結(jié)果，最終對平臺信譽造成不良影響。

技術(shù)實現(xiàn)要素：

本申請解決的技術(shù)問題之一是，提供一種用于實現(xiàn)高危維權(quán)預警的方法及裝置，有效提高高危維權(quán)的召回率及準確率。

根據(jù)本申請一方面的一個實施例，提供了一種用于實現(xiàn)高危維權(quán)預警的方法，包括：

基于提出維權(quán)事件的用戶的歷史維權(quán)記錄確定所述用戶的維權(quán)行為等級；

基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)情緒等級及維權(quán)意向等級；

結(jié)合所述用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級判斷所述維權(quán)事件是否為高危維權(quán)事件；

若是高危維權(quán)事件，則提出預警。

根據(jù)本申請另一方面的一個實施例，提供了一種用于實現(xiàn)高危維權(quán)預警的裝置，包括：

第一確定單元，用于基于提出維權(quán)事件的用戶的歷史維權(quán)記錄確定所述用戶的維權(quán)行為等級；

第二確定單元，用于基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)情緒等級；

第三確定單元，用于基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)意向等級；

高危維權(quán)判斷單元，用于結(jié)合所述用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級判斷所述維權(quán)事件是否為高危維權(quán)事件；

預警單元，用于在高危維權(quán)判斷單元判斷所述維權(quán)事件是高危維權(quán)事件情況下提出預警。

本申請實施例針對一個維權(quán)事件可確定出該維權(quán)事件提出用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級，通過結(jié)合該用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級識別高危維權(quán)事件，從而可較全面的覆蓋該維權(quán)事件所包含的高危因素，準確預測出高危維權(quán)事件，從而有效提高高危維權(quán)事件的預測準確率及召回率，為高危維權(quán)事件的及時有效處理提供便利條件。

本領域普通技術(shù)人員將了解，雖然下面的詳細說明將參考圖示實施例、附圖進行，但本申請并不僅限于這些實施例。而是，本申請的范圍是廣泛的，且意在僅通過后附的權(quán)利要求限定本申請的范圍。

附圖說明

通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本申請的其它特征、目的和優(yōu)點將會變得更明顯：

圖1是根據(jù)本申請一個實施例的用于實現(xiàn)高危維權(quán)預警的方法的流程圖。

圖2是根據(jù)本申請一個實施例的用于實現(xiàn)高危維權(quán)預警的裝置的結(jié)構(gòu)示意圖。

本領域普通技術(shù)人員將了解，雖然下面的詳細說明將參考圖示實施例、附圖進行，但本申請并不僅限于這些實施例。而是，本申請的范圍是廣泛的，且意在僅通過后附的權(quán)利要求限定本申請的范圍。

具體實施方式

在更加詳細地討論示例性實施例之前應當提到的是，一些示例性實施例被描述成作為流程圖描繪的處理或方法。雖然流程圖將各項操作描述成順序的處理，但是，其中的許多操作可以被并行地、并發(fā)地或者同時實施。此外，各項操作的順序可以被重新安排。當其操作完成時所述處理可以被終止，但是還可以具有未包括在附圖中的附加步驟。所述處理可以對應于方法、函數(shù)、規(guī)程、子例程、子程序等等。

所述計算機設備包括用戶設備與網(wǎng)絡設備。其中，所述用戶設備包括但不限于電腦、智能手機、PDA等；所述網(wǎng)絡設備包括但不限于單個網(wǎng)絡服務器、多個網(wǎng)絡服務器組成的服務器組或基于云計算(Cloud Computing)的由大量計算機或網(wǎng)絡服務器構(gòu)成的云，其中，云計算是分布式計算的一種，由一群松散耦合的計算機集組成的一個超級虛擬計算機。其中，所述計算機設備可單獨運行來實現(xiàn)本申請，也可接入網(wǎng)絡并通過與網(wǎng)絡中的其他計算機設備的交互操作來實現(xiàn)本申請。其中，所述 計算機設備所處的網(wǎng)絡包括但不限于互聯(lián)網(wǎng)、廣域網(wǎng)、城域網(wǎng)、局域網(wǎng)、VPN網(wǎng)絡等。

需要說明的是，所述用戶設備、網(wǎng)絡設備和網(wǎng)絡等僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的計算機設備或網(wǎng)絡如可適用于本申請，也應包含在本申請保護范圍以內(nèi)，并以引用方式包含于此。

后面所討論的方法(其中一些通過流程圖示出)可以通過硬件、軟件、固件、中間件、微代碼、硬件描述語言或者其任意組合來實施。當用軟件、固件、中間件或微代碼來實施時，用以實施必要任務的程序代碼或代碼段可以被存儲在機器或計算機可讀介質(zhì)(比如存儲介質(zhì))中。(一個或多個)處理器可以實施必要的任務。

這里所公開的具體結(jié)構(gòu)和功能細節(jié)僅僅是代表性的，并且是用于描述本申請的示例性實施例的目的。但是本申請可以通過許多替換形式來具體實現(xiàn)，并且不應當被解釋成僅僅受限于這里所闡述的實施例。

應當理解的是，雖然在這里可能使用了術(shù)語“第一”、“第二”等等來描述各個單元，但是這些單元不應當受這些術(shù)語限制。使用這些術(shù)語僅僅是為了將一個單元與另一個單元進行區(qū)分。舉例來說，在不背離示例性實施例的范圍的情況下，第一單元可以被稱為第二單元，并且類似地第二單元可以被稱為第一單元。這里所使用的術(shù)語“和/或”包括其中一個或更多所列出的相關聯(lián)項目的任意和所有組合。

應當理解的是，當一個單元被稱為“連接”或“耦合”到另一單元時，其可以直接連接或耦合到所述另一單元，或者可以存在中間單元。與此相對，當一個單元被稱為“直接連接”或“直接耦合”到另一單元時，則不存在中間單元。應當按照類似的方式來解釋被用于描述單元之間的關系的其他詞語(例如“處于...之間”相比于“直接處于...之間”，“與...鄰近”相比于“與...直接鄰近”等等)。

這里所使用的術(shù)語僅僅是為了描述具體實施例而不意圖限制示例性實施例。除非上下文明確地另有所指，否則這里所使用的單數(shù)形式“一個”、“一項”還意圖包括復數(shù)。還應當理解的是，這里所使用的術(shù)語“包括”和/或“包含”規(guī)定所陳述的特征、整數(shù)、步驟、操作、單元和/或組 件的存在，而不排除存在或添加一個或更多其他特征、整數(shù)、步驟、操作、單元、組件和/或其組合。

還應當提到的是，在一些替換實現(xiàn)方式中，所提到的功能/動作可以按照不同于附圖中標示的順序發(fā)生。舉例來說，取決于所涉及的功能/動作，相繼示出的兩幅圖實際上可以基本上同時執(zhí)行或者有時可以按照相反的順序來執(zhí)行。

由于目前基于關鍵詞或來電次數(shù)進行高危維權(quán)預警的方案規(guī)則較簡單，其不但不能準確預測出高危維權(quán)，而且其維權(quán)的識別結(jié)果只有“是”(是高危維權(quán))和“否”(不是高危維權(quán))兩種結(jié)果，無法預測出維權(quán)的高危等級，因此，對識別出的高危維權(quán)無法區(qū)別處理，即無法確定高危維權(quán)的處理優(yōu)先順序。針對該問題，本申請實施例通過訓練出三個模型，包括：行為識別模型、情緒識別模型、意向識別模型，由行為識別模型識別出提出維權(quán)用戶的維權(quán)行為等級、由情緒識別模型識別出提出維權(quán)用戶的維權(quán)情緒等級以及由意向識別模型識別出提出維權(quán)用戶的維權(quán)意向等級，再結(jié)合所述維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級判斷維權(quán)事件是否為高危維權(quán)事件，以及確定高危維權(quán)事件的高危等級，通過此操作不但可以準確識別出高危維權(quán)，而且可以確定高危維權(quán)的高危等級，從而可以按照高危等級的優(yōu)先順序處理各高危維權(quán)，以保證維權(quán)處理效果。

下面結(jié)合附圖對本申請的技術(shù)方案作進一步詳細描述。

圖1是根據(jù)本申請一個實施例的用于實現(xiàn)高危維權(quán)預警的方法的流程圖，該方法可用于維權(quán)事件處理過程，在處理維權(quán)事件中先判斷每一個維權(quán)事件是否為高危維權(quán)事件，以便對識別出的高危維權(quán)提出預警等后續(xù)處理。該方法主要包括如下步驟：

S110、基于提出維權(quán)事件的用戶的歷史維權(quán)記錄確定所述用戶的維權(quán)行為等級；

S120、基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)情緒等級；

S130、基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的 維權(quán)意向等級；

S140、結(jié)合所述用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級判斷所述維權(quán)事件是否為高危維權(quán)事件；

S150、若是高危維權(quán)事件則提出預警。

下面對上述各步驟做進一步詳細介紹。

步驟S110中所述的用戶的歷史維權(quán)記錄包括以下至少一項：

歷史維權(quán)留言次數(shù)、歷史維權(quán)預約呼叫次數(shù)、歷史維權(quán)類型、歷史維權(quán)頻率、歷史維權(quán)申述類型。

也就是，本申請實施例會保存用戶的歷史維權(quán)記錄，在判斷維權(quán)事件是否為高危維權(quán)事件時，首先獲取提出維權(quán)事件的用戶的用戶標識，再依據(jù)該用戶標識獲取與該用戶標識對應的歷史維權(quán)記錄。該歷史維權(quán)記錄可以為用戶在當前平臺的所有維權(quán)記錄，也可以為距離當前時間規(guī)定時長范圍內(nèi)的用戶的維權(quán)記錄。

步驟S110中所述的維權(quán)行為等級是用來表征用戶行為習慣的高危維權(quán)傾向程度。利用行為識別模型可識別出用戶的維權(quán)行為等級，其中用戶的維權(quán)行為等級越高則表示該用戶維權(quán)意識越強。例如，在不考慮其他條件的情況下，維權(quán)行為等級為5的用戶比維權(quán)行為等級為3的用戶的維權(quán)意識強，則該維權(quán)行為等級為5的用戶提出的維權(quán)事件比維權(quán)行為等級為3的用戶提出的維權(quán)事件的高?？赡苄栽酱?。

其中，可利用訓練得到的行為識別模型基于用戶的歷史維權(quán)記錄確定用戶的維權(quán)行為等級。在訓練行為識別模型時可采用半監(jiān)督的機器學習方法進行訓練。具體訓練過程如下：

首先，使用指定規(guī)則從數(shù)據(jù)集中篩選出部分正樣本，再從剩余的數(shù)據(jù)集中隨機選擇部分負樣本。雖然，通過這樣的方式，不可避免地使負樣本集中混入一些噪聲，但基于海量的數(shù)據(jù)集中只有不到1％的正樣本，可以推斷，隨機的選擇數(shù)據(jù)集產(chǎn)生的負樣本集，引入的正樣本噪聲在可控范圍內(nèi)。

之后，使用分類器進行訓練，以便從中選取置信度較高的樣本擴充為訓練樣本。

通過重復上述兩個步驟若干次可得到足夠多的樣本集，使用該樣本集進 行訓練課得到本申請實施例中使用的行為識別模型。

半監(jiān)督的機器學習方式是已知的一種機器學習方法。關于其選取樣本和訓練的細節(jié)不贅述。

通過使用上述半監(jiān)督的機器學習方式，可以在較少人工參與的情況下，獲得比較準確的訓練樣本集，基于該訓練樣本集進行訓練得到的行為識別模型的識別準確率越高。

步驟S120中所述的用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容包括以下至少一項：

維權(quán)留言內(nèi)容、與維權(quán)對象的交互內(nèi)容。

其中，所述維權(quán)留言內(nèi)容包括用戶直接以文本形式提交的留言內(nèi)容，還包括用戶語音留言內(nèi)容，其中，可將該語音留言進一步轉(zhuǎn)換為文本留言。

所述與維權(quán)對象的交互內(nèi)容包括用戶在維權(quán)事件所針對的事件中與事件的另一關聯(lián)主體交互的內(nèi)容。例如，在電子商務平臺中，交易事件關聯(lián)的兩個用戶為用戶A與用戶B，用戶A在該交易事件中對用戶B的某一操作不滿，則在向平臺提出維權(quán)前會與用戶B進行交互，在交互未果情況下再向平臺提出維權(quán)，該與用戶B交互的內(nèi)容即為前面所述的維權(quán)交互內(nèi)容。

該步驟S120中所述的維權(quán)情緒等級是用來表征維權(quán)用戶的情緒糟糕程度。一般維權(quán)情緒等級越高則說明用戶情緒越糟糕，則對應的維權(quán)事件為高危維權(quán)事件的可能性越大。

其中，可利用訓練得到的情緒識別模型基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)情緒等級。該情緒識別模型同樣可采用半監(jiān)督機器學習的方法訓練得到。半監(jiān)督的機器學習方式是已知的一種機器學習方法。關于其選取樣本和訓練的細節(jié)不贅述。

步驟S130中所述的維權(quán)意向等級是用來表征用戶向當前平臺以外(例如，警方、法院、工商、消協(xié)、媒體等)的其他渠道提出維權(quán)的傾向程度。維權(quán)意向等級越高，則表明用戶采用其他渠道提出維權(quán)的傾向越強，則對應的維權(quán)事件為高危維權(quán)事件的可能性越大。

本申請實施例可利用訓練得到的意識識別模型基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)意向等級。

該意識識別模型同樣可采用半監(jiān)督機器學習的方法訓練得到。半監(jiān)督的機器學習方式是已知的一種機器學習方法。關于其選取樣本和訓練的細節(jié)不贅述。

需要說明的是，本申請實施例中的步驟S110、步驟S120和步驟S120沒有執(zhí)行先后順序的限制，一般為同步執(zhí)行。

本申請實施例通過維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級可以全面的描述維權(quán)事件的緊急程度，且通過預先訓練的模型進行識別，可以準確的識別出對應的級別。

另外，本申請實施例可以分別為維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級確定各自的高危門限等級。例如，設置維權(quán)行為等級的高危門限等級為5級，設置維權(quán)情緒等級的高危門限等級為9級，設置維權(quán)意向等級的高危門限等級為9級。

步驟S140在結(jié)合所述用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級判斷所述維權(quán)事件是否為高危維權(quán)事件時，只有在維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級均達到各自預設的高危門限等級情況下，才可確定該維權(quán)為高危維權(quán)。例如，在滿足維權(quán)行為等級大于等于5級、維權(quán)情緒等級大于等于9級以及維權(quán)意向等級大于等于9級情況下，即可確定該維權(quán)事件為高危維權(quán)事件。

可以理解的是，本申請實施例并不局限于確定維權(quán)行為、維權(quán)情緒、維權(quán)意向的級別，實際應用中還可采用為維權(quán)行為、維權(quán)情緒、維權(quán)意向打分等其他方式來代替。

另外，本申請實施例不但可以識別出維權(quán)事件是否為高危維權(quán)事件，還可以識別出高危維權(quán)事件情況下確定高危維權(quán)事件的高危等級。具體的，可依據(jù)如下優(yōu)先順序確定高危維權(quán)事件的高危等級：

維權(quán)意向等級、維權(quán)情緒等級、維權(quán)行為等級。

所述的識別高危維權(quán)事件的高危等級，即確定各高危維權(quán)事件的高危程度，以依照各高危維權(quán)事件的高危程度確定處理各高危維權(quán)事件的順序，因此，識別高危維權(quán)事件的高危等級即確定各高危維權(quán)事件的高危排序。首先，依照維權(quán)意向等級進行排序，維權(quán)意向等級越高，則排 序越靠前。在維權(quán)意向等級相同情況下，維權(quán)情緒等級越高，則排序越靠前。在維權(quán)情緒等級相同情況下，依照維權(quán)行為等級的高低確定排序的先后順序。在另一種實施方式中，也可以將維權(quán)事件的維權(quán)行為、維權(quán)情緒、維權(quán)意向等級分別賦予一定權(quán)重，并按照維權(quán)行為、維權(quán)情緒、維權(quán)意向等級的加權(quán)和重新排序維權(quán)事件，從而得到各維權(quán)事件的高危等級。

步驟S150為對判斷出的高危維權(quán)事件進行預警。其中可采用多種途徑進行預警，例如，發(fā)送即時消息、發(fā)送短消息、發(fā)送郵件，發(fā)送聲音報警等等，本申請實施例對此不做具體限制。通過該預警可提醒工作人員及時處理高危維權(quán)事件，保證高危維權(quán)事件處理的時效性，避免處理不及時對平臺信譽造成影響。

若判斷出不是高危維權(quán)事件可結(jié)束操作。

本申請實施例通過確定用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級，并結(jié)合該用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級識別出高危維權(quán)事件，可有效提高高危維權(quán)事件的預測準確率及召回率。

本申請實施例還提供一種與上述用于實現(xiàn)高危維權(quán)預警的方法對應的裝置，如圖2中所示為所述裝置結(jié)構(gòu)示意圖，該裝置主要包括：

第一確定單元210，用于基于提出維權(quán)事件的用戶的歷史維權(quán)記錄確定所述用戶的維權(quán)行為等級；

第二確定單元220，用于基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)情緒等級；

第三確定單元230，用于基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)意向等級；

高危維權(quán)判斷單元240，用于結(jié)合所述用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級判斷所述維權(quán)事件是否為高危維權(quán)事件；

預警單元250，用于在高危維權(quán)判斷單元240判斷所述維權(quán)事件是高危維權(quán)事件情況下提出預警。

所述用戶的歷史維權(quán)記錄包括以下至少一項：

歷史維權(quán)留言次數(shù)、歷史維權(quán)預約呼叫次數(shù)、歷史維權(quán)類型、歷史維權(quán)頻率、歷史維權(quán)申述類型。

所述第一確定單元210被配置為：

利用訓練得到的行為識別模型基于提出維權(quán)事件的用戶的歷史維權(quán)記錄確定所述用戶的維權(quán)行為等級。

所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容包括以下至少一項：

維權(quán)留言內(nèi)容、與維權(quán)對象的交互內(nèi)容。

所述第二確定單元220被配置為：

利用訓練得到的情緒識別模型基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)情緒等級。

所述第三確定單元230被配置為：

利用訓練得到的意識識別模型基于所述用戶在所述維權(quán)事件中的維權(quán)交互內(nèi)容確定所述用戶的維權(quán)意向等級。

所述行為識別模型、情緒識別模型及意識識別模型中至少一個采用半監(jiān)督機器學習的方法訓練得到。

所述高危維權(quán)識別單元240被配置為：在判斷所述維權(quán)事件是高危維權(quán)事件情況下，確定所述高危維權(quán)事件的高危等級。可依據(jù)如下優(yōu)先順序確定高危維權(quán)事件的高危等級：

維權(quán)意向等級、維權(quán)情緒等級、維權(quán)行為等級。

綜上所述，本申請實施例針對一個維權(quán)事件可確定出該維權(quán)事件提出用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級，通過結(jié)合該用戶的維權(quán)行為等級、維權(quán)情緒等級以及維權(quán)意向等級識別高危維權(quán)事件，從而可較全面的覆蓋該維權(quán)事件所包含的高危因素，準確預測出高危維權(quán)事件，從而有效提高高危維權(quán)事件的預測準確率及召回率，為高危維權(quán)事件的及時有效處理提供便利條件。

需要注意的是，本申請可在軟件和/或軟件與硬件的組合體中被實施，例如，可采用專用集成電路(ASIC)、通用目的計算機或任何其他類似硬件設備來實現(xiàn)。在一個實施例中，本申請的軟件程序可以通過處理器執(zhí) 行以實現(xiàn)上文所述步驟或功能。同樣地，本申請的軟件程序(包括相關的數(shù)據(jù)結(jié)構(gòu))可以被存儲到計算機可讀記錄介質(zhì)中，例如，RAM存儲器，磁或光驅(qū)動器或軟磁盤及類似設備。另外，本申請的一些步驟或功能可采用硬件來實現(xiàn)，例如，作為與處理器配合從而執(zhí)行各個步驟或功能的電路。

另外，本申請的一部分可被應用為計算機程序產(chǎn)品，例如計算機程序指令，當其被計算機執(zhí)行時，通過該計算機的操作，可以調(diào)用或提供根據(jù)本申請的方法和/或技術(shù)方案。而調(diào)用本申請的方法的程序指令，可能被存儲在固定的或可移動的記錄介質(zhì)中，和/或通過廣播或其他信號承載媒體中的數(shù)據(jù)流而被傳輸，和/或被存儲在根據(jù)所述程序指令運行的計算機設備的工作存儲器中。在此，根據(jù)本申請的一個實施例包括一個裝置，該裝置包括用于存儲計算機程序指令的存儲器和用于執(zhí)行程序指令的處理器，其中，當該計算機程序指令被該處理器執(zhí)行時，觸發(fā)該裝置運行基于前述根據(jù)本申請的多個實施例的方法和/或技術(shù)方案。

對于本領域技術(shù)人員而言，顯然本申請不限于上述示范性實施例的細節(jié)，而且在不背離本申請的精神或基本特征的情況下，能夠以其他的具體形式實現(xiàn)本申請。因此，無論從哪一點來看，均應將實施例看作是示范性的，而且是非限制性的，本申請的范圍由所附權(quán)利要求而不是上述說明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化涵括在本申請內(nèi)。不應將權(quán)利要求中的任何附圖標記視為限制所涉及的權(quán)利要求。此外，顯然“包括”一詞不排除其他單元或步驟，單數(shù)不排除復數(shù)。系統(tǒng)權(quán)利要求中陳述的多個單元或裝置也可以由一個單元或裝置通過軟件或者硬件來實現(xiàn)。第一，第二等詞語用來表示名稱，而并不表示任何特定的順序。