银行涉案账户的识别方法及装置与流程

本发明涉及银行账户维护技术领域，具体涉及一种银行涉案账户的识别方法及装置。

背景技术：

目前，随着对电信网络违法犯罪活动打击力度的加大、银行对个人账户开户、使用的严控，利用个人账户实施电信网络违法犯罪的势头得到了遏制。利用商业银行对公账户进行的电信网络违法犯罪的活动大幅增加，为打击利用对公账户实施的违法犯罪，需对涉案对公账户及其实际控制人进行预先识别和提前控制。

目前，商业银行对涉案对公账户进行识别和预测，传统的方法有现场调查、人工查询和基于经验的预测等方法。但是，随着企业数量的增加，现场调查等传统方式有以下几个问题：一，成本高效率低，去现场调查来回交通以及在现场耗费的时间和费用都比较高；二，变化快时效性差，电信网络违法犯罪手段不断翻新，且趋于科技化、专业化、规模化，也更具有隐蔽性，同时企业的信息也在不断的变化，需要及时掌握一手的信息；三，门槛高，设别涉案对公账户需要依托于经办人实际的办案经验以及企业自身相关数据及其关联数据，而这些数据具有一定的特殊性和专业性，只有依靠专业的理论和实践知识才能对这些数据进行处理时发现企业潜在的风险。

因此，亟需一种高效的、准确的对涉案对公账户进行识别和预测的方法或装置。

技术实现要素：

针对现有技术中的问题，本发明提供一种银行涉案账户的识别方法及装置。

为解决上述技术问题，本发明提供以下技术方案：

第一方面，本发明提供一种银行涉案账户的识别方法，包括：

对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；

基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；

根据所述知识图谱对银行涉案账户进行识别。

进一步的，在所述基于实体数据、属性数据和关系数据进行本体建模生成知识图谱之后，还包括：

采用图数据库的方式存储所述知识图谱。

其中，所述采用图数据库的方式存储所述知识图谱，包括：

采用neo4j图数据库的方式存储所述知识图谱。

进一步的，在所述基于实体数据、属性数据和关系数据进行本体建模生成知识图谱之后，还包括：

通过可视化的方式对所述知识图谱进行可视化展示。

其中，所述基于实体数据、属性数据和关系数据进行本体建模生成知识图谱，包括：

基于实体数据、属性数据和关系数据生成实体的交易流水图谱；

基于实体数据、属性数据和关系数据生成实体的干系人关联图谱；

基于实体数据、属性数据和关系数据生成实体的客户信息关联图谱。

其中，所述根据所述知识图谱对银行涉案账户进行识别，包括：

根据预先训练的基于机器学习算法生成的识别模型对所述知识图谱的目标账户进行识别。

进一步的，在所述根据预先训练的基于机器学习算法生成的识别模型对所述知识图谱的目标账户进行识别之前，还包括：

针对训练集样本分别采用xgboost算法、随机森林算法和逻辑回归算法进行训练，生成各自对应的第一识别模型、第二识别模型和第三识别模型；

分别对所述第一识别模型、所述第二识别模型和所述第三识别模型的识别结果进行评价，根据所述评价结果确定所述识别模型。

第二方面，本发明提供一种银行涉案账户的识别装置，包括：

采集单元，用于对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；

图谱单元，用于基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；

识别单元，用于根据所述知识图谱对银行涉案账户进行识别。

进一步的，还包括：

存储单元，用于采用图数据库的方式存储所述知识图谱。

其中，所述存储单元包括：

存储子单元，用于采用neo4j图数据库的方式存储所述知识图谱。

进一步的，还包括：

展示单元，用于通过可视化的方式对所述知识图谱进行可视化展示。

其中，所述图谱单元包括：

第一图谱子单元，用于基于实体数据、属性数据和关系数据生成实体的交易流水图谱；

第二图谱子单元，用于基于实体数据、属性数据和关系数据生成实体的干系人关联图谱；

第三图谱子单元，用于基于实体数据、属性数据和关系数据生成实体的客户信息关联图谱。

其中，所述识别单元包括：

识别子单元，用于根据预先训练的基于机器学习算法生成的识别模型对所述知识图谱的目标账户进行识别。

进一步的，识别单元还包括：

训练子单元，用于针对训练集样本分别采用xgboost算法、随机森林算法和逻辑回归算法进行训练，生成各自对应的第一识别模型、第二识别模型和第三识别模型；

优化子单元，用于分别对所述第一识别模型、所述第二识别模型和所述第三识别模型的识别结果进行评价，根据所述评价结果确定所述识别模型。

第三方面，本发明提供一种电子设备，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程序时实现所述的银行涉案账户的识别方法的步骤。

第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的银行涉案账户的识别方法的步骤。

由上述技术方案可知，本发明提供一种银行涉案账户的识别方法及装置，通过对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；根据所述知识图谱对银行涉案账户进行识别，能够极大的提高了涉案账户的识别效率，方便也节省了各方面的资源浪费，并且可以满足监管的要求。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的一些实施例，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他的附图。

图1为本发明实施例中的银行涉案账户的识别方法的第一种流程示意图。

图2为本发明实施例中的银行涉案账户的识别方法的第二种流程示意图。

图3为本发明实施例中的银行涉案账户的识别方法的第三种流程示意图。

图4为本发明实施例中的银行涉案账户的识别装置的结构示意图。

图5为本发明实施例中的电子设备的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，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，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明提供一种银行涉案账户的识别方法的实施例，参见图1，所述银行涉案账户的识别方法具体包含有如下内容：

s101：对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；

在本步骤中，银行账户数据的来源分为两类：一类是商业银行内部多年积累的企业客户信息、账户信息和交易信息。

需要说明的是，这一类数据大部分都是结构化的数据，从已知的涉案账户出发，查询其相关交易流水中的摘要、交易类型描述、ip、mac、设备、地域信息以及与其存在实控、高管、法人、投资、担保关系的个人和企业，识别出客户潜在的上下游客户以及资金用途和渠道，以挖掘疑似涉案对公账户。

另一类是外部用户(有权机关)提供的，已经明确是司法涉案的对公账户数据，或者曾经做过司法查冻扣相关操作的客户数据及账户数据。

从上述描述可知，本步骤通过商业银行内部比较完善的数据，结合外部提供的明确涉案账户数据构建知识图谱，通过知识图谱可以直观迅速的定位到与涉案账户企业存在密切关联的企业或者个人。基于知识图谱对公涉案账户识别及预测，进而提高对公涉案账户识别或预测的效率，降低成本。

需要说明的是，实体包括：对公企业、企业名下账户和企业干系人。实体的属性包括：企业在银行留存的客户信息、账户开户信息、交易明细信息、风险信息以及企业工商信息。例如：客户信息：企业注册时间、注册地址、纳税号、联系方式。账户开户信息：开户机构、开户时间。交易明细信息：交易时间、交易金额、交易笔数、交易对手账号、交易对手账号名称、交易对手行名、交易ip、交易mac和交易终端号。风险信息：被有权机关查询、冻结、扣划信息。企业工商信息：企业注册资本、注册时间、注册地信息。实体之间的关系包括：企业与企业间客户信息的关系、企业账户开户信息间的关系、企业以企业之间交易的关系和企业与企业之间投融资的关系。

可以理解的是，知识图谱(knowledgegraph)，在图书情报界称为知识域可视化或知识领域映射地图，是显示知识发展进程与结构关系的一系列各种不同的图形，用可视化技术描述知识资源及其载体，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系。对公涉案账户：主要是指不法分子利用国家放宽公司注册和对公账户开立门槛契机，通过雇佣“马仔”或者不知情人员，在工商机关注册空壳公司，并至银行开立空壳公司的对公账户，并用于新型电信网络违法犯罪或洗钱犯罪的对公账户。

s102：基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；

在本步骤中，基于实体数据、属性数据和关系数据进行本体建模生成知识图谱，具体包括：

基于实体数据、属性数据和关系数据生成实体的交易流水图谱；其中，实体为：企业和个人；实体之间的关系包括：企业与企业之间的转账；企业与企业干系人包括实控、高管、法人、投资、担保关系之间的转账。

需要说明的是，当某企业与涉案账户企业以及企业干系人之间资金来往频率和数量大于阈值时，则可以将该企业纳入疑似涉案账户。

基于实体数据、属性数据和关系数据生成实体的干系人关联图谱；其中，实体为：企业和个人；实体之间的关系包括：企业之间的投资、诉讼、投融资、父子公司关系；企业和个人之间的担任职务、借贷、诉讼关系。

需要说明的是，当企业与涉案账户企业、涉案企业干系人之间存在干系人关联图谱中的关联，例如存在同一法人，或存在父子公司，则可以将该企业干系人纳入疑似涉案分子。

基于实体数据、属性数据和关系数据生成实体的客户信息关联图谱；其中，实体为：企业；实体之间的关系包括：企业与企业注册时间、注册地的客户信息、企业账户开户信息以及企业与企业交易所用网络ip、mac、终端、地域信息之间的关系。

需要说明的是，当企业与涉案账户企业之间在网络地址、设备、地域、企业注册信息相关，则可以将该企业纳入疑似涉案企业。

s103：根据所述知识图谱对银行涉案账户进行识别。

在本步骤中，需要预先从知识图谱中获取用于训练的训练样集样本，根据该训练样集样本并采用机器学习算法进行训练生成识别模型，根据识别模型对所述知识图谱的目标账户进行识别，根据识别目标账户的结果确定目标账户是否为银行涉案账户。

在本实施例中，根据识别模型对所述知识图谱的目标账户进行识别之前，采用机器学习算法中的xgboost算法、随机森林算法和逻辑回归算法分别进行训练生成各自对应的第一识别模型、第二识别模型和第三识别模型；分别对所述第一识别模型、所述第二识别模型和所述第三识别模型的识别结果进行评价，确定第一识别模型、第二识别模型和第三识别模型的识别结果的准确率、召回率和精确率。通过准确率、召回率和精确率最优的第一识别模型、第二识别模型或第三识别模型为最终的识别模型。

从上述描述可知，本发明提供一种银行涉案账户的识别方法，通过对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；根据所述知识图谱对银行涉案账户进行识别，能够极大的提高了涉案账户的识别效率，方便也节省了各方面的资源浪费，并且可以满足监管的要求。

在本发明的一实施例中，参见图2，所述银行涉案账户的识别方法的步骤s102之后还包含有步骤s104，具体包含有如下内容：

s104：采用图数据库的方式存储所述知识图谱。

在本步骤中，采用图数据库来存储知识图谱，实现了知识图谱中结构中的节点、边以及属性来进行图数据的存储。

在本实施例中，具体是采用neo4j图数据库的方式存储所述知识图谱，优点是neo4j图数据库本身提供完善的图查询语言、支持各种图挖掘算法。

在本发明的一实施例中，参见图3，所述银行涉案账户的识别方法的步骤s102之后还包含有步骤s105，具体包含有如下内容：

s105：通过可视化的方式对所述知识图谱进行可视化展示。

在本步骤中，将存储在neo4j图数据库的知识图谱，通过可视化界面进行展示，能够实现在可视化界面中通过点击和输入，由可视化界面构造数据库查询语句，请求数据库后，将返回的结果进行展示。

为进一步地说明本方案，本发明提供一种的基于机器学习算法生成的识别模型的方法的实施例，具体包含有如下内容：

1、数据收集：

收集商业银行内部多年积累的企业客户信息、账户信息和交易信息。以及已经明确是司法涉案的对公账户数据，或者曾经做过司法查冻扣相关操作的客户数据及账户数据。

2、数据分析：

分析涉案明细数据具有以下几类：

(1)一类是明确涉案数据；

(2)一类是不涉案数据；

明确涉案数据具有以下特点：

涉案数据a：客户信息特征：

(1)涉案对象具有同伙犯罪的特点，因此涉案对公客户的注册地址比较接近；

(2)涉案对公客户所留的联系电话具有归属地相同的特点；

(3)存在一个涉案分子同时虚开多个对公涉案账户的情况，因此对公涉案客户之间的法人、高管、股东之间存在交叉的情况；

(4)存在一个涉案分子同时虚开多个对公涉案账户的情况，因此对公涉案客户的注册时间比较接近；

(5)涉案分子开立的对公涉案账户，通常所留的企业注册地址为虚构地址；

(6)涉案分子开立的对公涉案账户，通常所以的企业行业类型和经营范围比较接近。

涉案数据b：账户信息特征：

(1)存在犯罪分子利用某些银行网点的漏洞，在一个网点开立多个涉案对公账户的情况，因此涉案账户的开户机构、开户地点、开户时间存在相同的情况；

(2)涉案账户，通常作为资金过度账户使用，因此账户上的余额通常不会太多；

(3)涉案账户通常通过电子渠道交易，因此会将网银的限额调至最高。

涉案数据c：交易特征：

(1)交易通常是涉案账户同伙间完成，因此交易对手的客户或者账号大概率是是已经明确涉案的；

(2)涉案存在同伙犯罪的特点，因此交易发生的ip地址和mac信息，具有相似性；

(3)交易的渠道，主要通过网银渠道完成；

(4)交易发生时间，集中在某个时间段，比如夜间；

(5)区别于正常的企业，涉案账户的交易用于税费、工资，水费以及社保交易的比较少；

(6)账户资金通常分散转入转出，因此交易发生金额，发生笔数，具有集中在某一个区间的特点；

(7)上下游资金通常为单边交易，因此存在转入对手账户与转出对手账户存在交集较小的特点。

3、数据的准备：

将数据对应的标签定义为两类，0-不涉案账户，1-明确涉案账户，以涉案数据与不涉案数据1:9的数据分布情况，取有权机关提供的10万笔涉案数据和银行内正常的90万笔客户数据作为样本数据。将样本数据拆分为训练集、验证集、测试集，用于训练模型生成识别模型。

从上述描述可知，在以知识图谱为基础构建的对公涉案账户识别模型，对于对公涉案账户风险识别的效率大幅提升，人工工作量下降的同时实现了风险及时、精准的预测，达到了预期目标。通过构建对公涉案账户知识图谱，帮助商业银行实现了对对公企业客户及关联企业、干系人的全面监控，提前预知风险，减少损失，是一条行之有效的道路。

本发明实施例提供一种能够实现所述银行涉案账户的识别方法中全部内容的银行涉案账户的识别装置的具体实施方式，参见图4，所述银行涉案账户的识别装置具体包括如下内容：

采集单元10，用于对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；

图谱单元20，用于基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；

识别单元30，用于根据所述知识图谱对银行涉案账户进行识别。

进一步的，还包括：

存储单元40，用于采用图数据库的方式存储所述知识图谱。

其中，所述存储单元包括：

存储子单元，用于采用neo4j图数据库的方式存储所述知识图谱。

进一步的，还包括：

展示单元50，用于通过可视化的方式对所述知识图谱进行可视化展示。

其中，所述图谱单元包括：

第一图谱子单元，用于基于实体数据、属性数据和关系数据生成实体的交易流水图谱；

第二图谱子单元，用于基于实体数据、属性数据和关系数据生成实体的干系人关联图谱；

第三图谱子单元，用于基于实体数据、属性数据和关系数据生成实体的客户信息关联图谱。

其中，所述识别单元包括：

识别子单元，用于根据预先训练的基于机器学习算法生成的识别模型对所述知识图谱的目标账户进行识别。

进一步的，识别单元还包括：

训练子单元，用于针对训练集样本分别采用xgboost算法、随机森林算法和逻辑回归算法进行训练，生成各自对应的第一识别模型、第二识别模型和第三识别模型；

优化子单元，用于分别对所述第一识别模型、所述第二识别模型和所述第三识别模型的识别结果进行评价，根据所述评价结果确定所述识别模型。

本发明提供的银行涉案账户的识别装置的实施例具体可以用于执行上述实施例中的银行涉案账户的识别方法的实施例的处理流程，其功能在此不再赘述，可以参照上述方法实施例的详细描述。

从上述描述可知，本发明实施例提供的银行涉案账户的识别装置，通过对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；根据所述知识图谱对银行涉案账户进行识别，能够极大的提高了涉案账户的识别效率，方便也节省了各方面的资源浪费，并且可以满足监管的要求。

本申请提供一种用于实现所述银行涉案账户的识别方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容：

处理器(processor)、存储器(memory)、通信接口(communicationsinterface)和总线；其中，所述处理器、存储器、通信接口通过所述总线完成相互间的通信；所述通信接口用于实现相关设备之间的信息传输；该电子设备可以是台式计算机、平板电脑及移动终端等，本实施例不限于此。在本实施例中，该电子设备可以参照实施例用于实现所述银行涉案账户的识别方法的实施例及用于实现所述银行涉案账户的识别装置的实施例进行实施，其内容被合并于此，重复之处不再赘述。

图5为本申请实施例的电子设备9600的系统构成的示意框图。如图5所示，该电子设备9600可以包括中央处理器9100和存储器9140；存储器9140耦合到中央处理器9100。值得注意的是，该图5是示例性的；还可以使用其他类型的结构，来补充或代替该结构，以实现电信功能或其他功能。

一实施例中，银行涉案账户的识别功能可以被集成到中央处理器9100中。其中，中央处理器9100可以被配置为进行如下控制：

对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；

基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；

根据所述知识图谱对银行涉案账户进行识别。

从上述描述可知，本申请的实施例提供的电子设备，通过对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；根据所述知识图谱对银行涉案账户进行识别，能够极大的提高了涉案账户的识别效率，方便也节省了各方面的资源浪费，并且可以满足监管的要求。

在另一个实施方式中，银行涉案账户的识别装置可以与中央处理器9100分开配置，例如可以将银行涉案账户的识别配置为与中央处理器9100连接的芯片，通过中央处理器的控制来实现银行涉案账户的识别功能。

如图5所示，该电子设备9600还可以包括：通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是，电子设备9600也并不是必须要包括图5中所示的所有部件；此外，电子设备9600还可以包括图5中没有示出的部件，可以参考现有技术。

如图5所示，中央处理器9100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。

其中，存储器9140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序，以实现信息存储或处理等。

输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为lcd显示器，但并不限于此。

该存储器9140可以是固态存储器，例如，只读存储器(rom)、随机存取存储器(ram)、sim卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为eprom等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142，该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。

存储器9140还可以包括数据存储部9143，该数据存储部9143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。

通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。

基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块9110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132，以经由扬声器9131提供音频输出，并接收来自麦克风9132的音频输入，从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器9130还耦合到中央处理器9100，从而使得可以通过麦克风9132能够在本机上录音，且使得可以通过扬声器9131来播放本机上存储的声音。

本发明的实施例还提供能够实现上述实施例中的银行涉案账户的识别方法中全部步骤的一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中的银行涉案账户的识别方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：

对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；

基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；

根据所述知识图谱对银行涉案账户进行识别。

从上述描述可知，本发明实施例提供的计算机可读存储介质，通过对获取的银行账户数据分别进行实体抽取处理、实体的属性抽取处理和实体之间的关系抽取处理，分别得到各自对应的实体数据、属性数据和关系数据；基于实体数据、属性数据和关系数据进行本体建模生成知识图谱；根据所述知识图谱对银行涉案账户进行识别，能够极大的提高了涉案账户的识别效率，方便也节省了各方面的资源浪费，并且可以满足监管的要求。

虽然本发明提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的装置或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。

本领域技术人员应明白，本说明书的实施例可提供为方法、装置(系统)或计算机程序产品。因此，本说明书实施例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、装置(系统)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。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面，也不局限于任何单一的实施例，也不局限于这些方面和/或实施例的任意组合和/或置换。而且，可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。