收视数据分析方法及电子设备

摘要

本申请涉及一种收视数据分析方法及电子设备。该收视数据分析方法包括：获取多个收视数据；针对每个收视数据，对收视数据进行拆解，得到收视数据的三维分解数据，其中，三维分解数据包括用户标识、收视频道和收视时刻；根据多个收视数据的三维分解数据，建立图形化的三维数据模型；接收用户的输入；响应于输入，根据三维数据模型生成并显示目标数据切片；对目标数据切片进行分析，得到目标信息；其中，目标信息包括用户对收视频道的偏好信息、用户对收视时刻的偏好信息、收视频道的用户组分布信息、收视频道的收视曲线信息、收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息中的至少一种。

权利要求

1.一种收视数据分析方法，其特征在于，所述方法包括：

获取多个收视数据；

针对每个所述收视数据，对所述收视数据进行拆解，得到所述收视数据的三维分解数据，其中，所述三维分解数据包括用户标识、收视频道和收视时刻；

根据多个所述收视数据的三维分解数据，建立图形化的三维数据模型；

接收用户的输入；

响应于所述输入，根据所述三维数据模型生成并显示目标数据切片；

对所述目标数据切片进行分析，得到目标信息；

其中，所述目标信息包括用户对收视频道的偏好信息、用户对收视时刻的偏好信息、收视频道的用户组分布信息、收视频道的收视曲线信息、收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息中的至少一种。

2.根据权利要求1所述的收视数据分析方法，其特征在于，所述根据所述三维分解数据，建立图形化的三维数据模型，包括：以所述收视数据的用户标识为第一维度、所述收视数据的收视频道为第二维度、所述收视数据的收视时刻为第三维度，根据所述三维分解数据建立图形化的三维数据模型；

其中，所述第一维度和所述第二维度形成第一预设平面，所述第二维度和所述第三维度形成第二预设平面，所述第一维度和所述第三维度形成第三预设平面。

3.根据权利要求2所述的收视数据分析方法，其特征在于，所述输入用于指示生成第一用户标识对应的第一目标数据切片；

所述响应于所述输入，根据所述三维数据模型生成并显示目标数据切片，包括：响应于所述输入，对所述三维数据模型中所述第一用户标识对应的第一平面进行切片处理，生成并显示第一目标数据切片；

其中，所述第一平面与所述第二预设平面呈平行布设，所述第一目标数据切片包括所述三维数据模型中所述第一用户标识对应的至少一个收视频道和至少一个收视时刻。

4.根据权利要求3所述的收视数据分析方法，其特征在于，所述对所述目标数据切片进行分析，得到目标信息，包括：针对所述至少一个收视频道中的每个所述收视频道，计算第一预设时间段内所述收视频道对应的第一收视时刻的和值，得到第一收视时长；其中，所述第一收视时长为所述第一预设时间段内所述第一用户对所述收视频道的收视总时长；

根据所述第一收视时长，得到所述第一预设时间段内所述第一用户对所述收视频道的偏好信息。

5.根据权利要求3所述的收视数据分析方法，其特征在于，所述对所述目标数据切片进行分析，得到目标信息，包括：按照预设时间间隔对第二预设时间段进行切分，得到n个时间区间，其中，n为正整数，且n≥1；

将n个所述时间区间中任一所述时间区间划分为多个目标收视时刻；

针对每个所述目标收视时刻，计算n个所述时间区间中所述第一用户在所述目标收视时刻观看所述收视频道的收视时刻的和值，得到第二时长，其中，所述第二时长为所述第二预设时间段内所述第一用户在所述目标收视时刻对所述收视频道的收视总时长；

根据所述第二时长，得到所述第二预设时间段内所述第一用户对所述目标收视时刻的偏好信息。

6.根据权利要求2所述的收视数据分析方法，其特征在于，所述输入用于指示生成第一收视频道对应的第二目标数据切片；

所述响应于所述输入，根据所述三维数据模型生成并显示目标数据切片，包括：响应于所述输入，对所述三维数据模型中所述第一收视频道对应的第二平面进行切片处理，生成并显示第二目标数据切片；

其中，所述第二平面与所述第三预设平面呈平行布设，所述第二目标数据切片包括所述三维数据模型中所述第一收视频道对应的至少一个用户标识和至少一个收视时刻。

7.根据权利要求6所述的收视数据分析方法，其特征在于，所述对所述目标数据切片进行分析，得到目标信息，包括：针对所述至少一个用户标识中的每个所述用户标识，计算第三预设时间段内所述用户标识对所述第一收视频道的所述收视时刻的和值，得到第三时长，其中，所述第三时长为所述第三预设时间段内所述用户标识对所述第一收视频道的收视总时长；

根据第一预设规则，对所述至少一个用户标识进行划分，得到至少一个第一用户组，其中，所述第一预设规则为所述用户标识对应用户的所属区域、所述用户标识对应用户的年龄和所述用户标识对应用户的性别中的任意一种；

针对所述至少一个第一用户组中的每个所述第一用户组，计算所述第三预设时间段内所述第一用户组中所述用户标识的所述第三时长的和值，得到第四时长；

根据所述第四时长，得到所述第三预设时间段内所述第一收视频道的第一用户组分布信息。

8.根据权利要求6所述的收视数据分析方法，其特征在于，所述对所述目标数据切片进行分析，得到目标信息，包括：针对所述至少一个收视时刻中的每个所述收视时刻，计算第四预设时间段内所述收视时刻收看任一收视频道的用户标识的数量，得到所述第四预设时间段内所述收视时刻的收视总量；

根据所述第四预设时间段内每个所述收视时刻的收视总量，得到所述第四预设时间段内所述第一收视频道的收视曲线信息。

9.根据权利要求2所述的收视数据分析方法，其特征在于，所述输入用于指示生成第一收视时刻对应的第三目标数据切片；

所述响应于所述输入，根据所述三维数据模型生成并显示目标数据切片，包括：响应于所述输入，对所述三维数据模型中所述第一收视时刻对应的第三平面进行切片处理，生成并显示第三目标数据切片；

其中，所述第三平面与所述第一预设平面呈平行布设，所述第三目标数据切片包括所述三维数据模型中所述第一收视时刻对应的至少一个用户标识和至少一个收视频道。

10.根据权利要求9所述的收视数据分析方法，其特征在于，所述对所述目标数据切片进行分析，得到目标信息，包括：针对所述至少一个收视频道中的每个所述收视频道，计算所述第一收视时刻收看所述收视频道的用户标识的数量，得到所述第一收视时刻所述收视频道的收视总量；

根据所述第一收视时刻每个所述收视频道的收视总量，得到所述第一收视时刻每个所述收视频道的瞬时收视分布信息。

11.根据权利要求9所述的收视数据分析方法，其特征在于，所述对所述目标数据切片进行分析，得到目标信息，包括：根据第二预设规则，对所述至少一个用户标识进行划分，得到至少一个第二用户组，其中，所述第二预设规则为所述用户标识对应用户的所属区域、所述用户标识对应用户的年龄和所述用户标识对应用户的性别中的任意一种；

针对所述至少一个第二用户组中的每个所述第二用户组，计算所述第一收视时刻所述第二用户组中收看所述收视频道的所述用户标识的数量，得到所述第一收视时刻所述第二用户组的瞬时收视量；

根据每个所述第二用户组的瞬时收视量，得到所述第一收视时刻所述第二用户组的瞬时收视分布信息。

12.一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序，以实现根据权利要求1‑11中任意一项所述的方法。

说明书

收视数据分析方法及电子设备

技术领域

[0001] 本申请实施例涉及收视数据分析技术领域，更具体地，涉及一种收视数据分析方法及电子设备。

背景技术

[0002] 近年来，移动多媒体广播技术的发展和业务功能的增强为用户提供了丰富的视频业务、音频业务和数据服务。这些业务内容丰富，形式新颖，为多媒体用户提供了一个很好的休闲娱乐平台。

[0003] 随着技术的进步，基于大数据技术的收视行为数据统计方法日益增多。常规的大数据收视分析方法直接基于用户收视行为对收视率指标进行统计，分析维度相对单一。

[0004] 然而，随着多媒体用户的数量不断增加，如何准确的了解多媒体用户在使用多媒体时的行为数据，从而根据这些行为数据判断出用户的喜好需求，成为广大多媒体运营商非常重视的一个问题。

发明内容

[0005] 本申请实施例的一个目的是提供一种收视数据分析方法及电子设备的新的技术方案。

[0006] 根据本申请的第一方面，提供了一种收视数据分析方法，其特征在于，所述方法包括：获取多个收视数据；针对每个所述收视数据，对所述收视数据进行拆解，得到所述收视数据的三维分解数据，其中，所述三维分解数据包括用户标识、收视频道和收视时刻；根据多个所述收视数据的三维分解数据，建立图形化的三维数据模型；接收用户的输入；响应于所述输入，根据所述三维数据模型生成并显示目标数据切片；对所述目标数据切片进行分析，得到目标信息；其中，所述目标信息包括用户对收视频道的偏好信息、用户对收视时刻的偏好信息、收视频道的用户组分布信息、收视频道的收视曲线信息、收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息中的至少一种。

[0007] 根据本申请的第二方面，还提供了一种电子设备，包括存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序，以实现根据本申请第一方面所述的方法。

[0008] 根据本申请的第三方面，还提供了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计算机程序，所述计算机程序在被处理器执行时实现根据本申请的第一方面所述的方法。

[0009] 本申请实施例的一个有益效果在于，本申请根据多个收视数据建立三维数据模型，并根据用户对三维数据模型的输入，对三维数据模型进行切片，得到目标数据切片，通过对目标数据切片进行灵活、高效地分析，即可得到用户对收视频道的偏好信息、用户对收视时刻的偏好信息、收视频道的用户组分布信息、收视频道的收视曲线信息、收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息，有效拓展了收视数据的分析维度，且分析方法简单高效；同时，通过多维度的收视数据分析，能够为节目内容制作机构、节目内容播出机构、广告投放机构等提供内容制作、编排、投放的精细化数据支撑，进而提升广播电视节目的内容质量和经济价值。

[0010] 通过以下参照附图对本申请的示例性实施例的详细描述，本申请实施例的其它特征及其优点将会变得清楚。

附图说明

[0011] 被结合在说明书中并构成说明书的一部分的附图示出了本申请的实施例，并且连同其说明一起用于解释本申请实施例的原理。

[0012] 图1是本申请实施例提供的收视数据分析方法的流程示意图；

[0013] 图2是本申请实施例提供的三维数据模型的示意图；

[0014] 图3是本申请实施例提供的第一目标数据切片的示意图之一；

[0015] 图4是本申请实施例提供的第一目标数据切片的示意图之二

[0016] 图5是本申请实施例提供的用户对收视频道的偏好信息的示意图；

[0017] 图6是本申请实施例提供的用户对收视时刻的偏好信息的示意图；

[0018] 图7是本申请实施例提供的第二目标数据切片的示意图；

[0019] 图8是本申请实施例提供的收视频道的用户组分布信息的示意图；

[0020] 图9是本申请实施例提供的收视频道的收视曲线信息的示意图之一；

[0021] 图10是本申请实施例提供的收视频道的收视曲线信息的示意图之二；

[0022] 图11是本申请实施例提供的第三目标数据切片的示意图；

[0023] 图12是本申请实施例提供的数据去重的示意图；

[0024] 图13是本申请实施例提供的收视频道的瞬时收视分布信息的示意图；

[0025] 图14是本申请实施例提供的用户组的瞬时收视分布信息的示意图；

[0026] 图15是本申请实施例提供的收视数据分析装置的结构示意图。

具体实施方式

[0027] 现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

[0028] 以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

[0029] 对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

[0030] 在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

[0031] 应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

[0032] <方法实施例>

[0033] 下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的收视数据分析方法进行详细地说明。

[0034] 如图1所示，其是本申请实施例提供的一种收视数据分析方法的流程示意图。该收视数据分析方法可以包括步骤110 步骤160。~

[0035] 步骤110，获取多个收视数据。

[0036] 在本实施例中，可以通过现有的各种收视数据获取方法获取收视数据，本实施例对此不做具体限定。

[0037] 在本实施例中，多个收视数据包括不同年龄段、不同区域的用户的收视数据。

[0038] 步骤120，针对每个收视数据，对收视数据进行拆解，得到收视数据的三维分解数据，其中，三维分解数据包括用户标识、收视频道和收视时刻。

[0039] 在本实施例中，在获取到多个收视数据的情况下，对多个收视数据中的每个收视数据分别进行数据清洗和数据转换，得到结构化的收视数据，并将结构化的收视数据存储在大数据平台的Hive数据仓库中。

[0040] 在本实施例中，每个存储在Hive数据仓库中的收视数据至少包括用户的用户标识、用户收看的收视频道 、用户收看收视频道 的收视开始时刻 和用户收看收视频道 的收视结束时刻 ，其中，根据用户收看收视频道 的收视开始时刻 和用户收看收视频道 的收视结束时刻 ，即可得到用户收看收视频
道 的收视时长。

[0041] 在本实施例中，同一用户在任一时刻仅可收看一个收视频道，同一用户可以在不同时刻收看不同收视频道，也可以在不同收视时刻收看同一收视频道。

[0042] 步骤130，根据多个收视数据的三维分解数据，建立图形化的三维数据模型。

[0043] 在本实施例中，根据多个收视数据的三维分解数据，建立图形化的三维数据模型，同时，生成与三维数据模型关联的切片工具和分析工具。

[0044] 步骤140，接收用户的输入。

[0045] 在本实施例中，输入用于生成并显示目标数据切片，其中，目标数据切片为第一目标数据切片、第二目标数据切片或者第三目标数据切片中的任意一种。

[0046] 在本实施例中，输入包括第一子输入和第二子输入，其中，第一子输入和第二子输入分别可以为数据分析者对切片工具的点击输入，或者为数据分析者输入的语音指令，或者为数据分析者输入的特定手势，在实际应用中可以根据实际的使用需求确定，本实施例对此不作具体限定。

[0047] 在本实施例中，第一子输入可以为数据分析者对切片工具的点击操作，第二子输入可以为数据分析者对目标控件的输入操作。

[0048] 步骤150，响应于输入，根据三维数据模型生成并显示目标数据切片。

[0049] 在本实施例中，在第一子输入为数据分析者对切片工具的点击操作的情况下，响应于第一子输入，在显示界面显示目标控件；在第二子输入为数据分析者对目标控件的输入操作的情况下，响应于第二子输入，在目标控件中输入目标参数，并根据目标参数和三维数据模型生成并显示目标参数对应的目标数据切片。

[0050] 在本实施例中，目标控件用于供数据分析者输入目标参数。例如，在获取第一用户对应的第一用户标识 对应的第一目标数据切片的情况下，目标参数为 ，数据分析者在目标控件中输入“ ”，即可得到第一用户对应的第一目标数据切片。

[0051] 步骤160，对目标数据切片进行分析，得到目标信息；其中，目标信息包括用户对收视频道的偏好信息、用户对收视时刻的偏好信息、收视频道的用户组分布信息、收视频道的收视曲线信息、收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息中的至少一种。

[0052] 在本实施例中，数据分析者可以通过分析工具对第一目标数据切片进行分析，可以得到用户对收视频道的偏好信息和用户对收视时刻的偏好信息；数据分析者通过分析工具对第二目标数据切片进行分析，可以得到收视频道的用户组分布信息和收视频道的收视曲线信息；数据分析者通过分析工具对第三目标数据切片进行分析，可以得到收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息。

[0053] 在本申请实施例中，根据多个收视数据建立三维数据模型，并根据用户对三维数据模型的输入，对三维数据模型进行切片，得到目标数据切片，通过对目标数据切片进行灵活、高效地分析，即可得到用户对收视频道的偏好信息、用户对收视时刻的偏好信息、收视频道的用户组分布信息、收视频道的收视曲线信息、收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息，有效拓展了收视数据的分析维度，且分析方法简单高效；同时，通过多维度的收视数据分析，能够为节目内容制作机构、节目内容播出机构、广告投放机构等提供内容制作、编排、投放的精细化数据支撑，进而提升广播电视节目的内容质量和经济价值。

[0054] 在一个实施例中，根据三维分解数据，建立图形化的三维数据模型，包括：以收视数据的用户标识为第一维度、收视数据的收视频道为第二维度、收视数据的收视时刻为第三维度，根据三维分解数据建立图形化的三维数据模型。其中，第一维度和第二维度形成第一预设平面，第二维度和第三维度形成第二预设平面，第一维度和第三维度形成第三预设平面。

[0055] 在本实施例中，对于第一用户标识 对应的第一用户，第一用户的收视行为的集合可以表示为公式一：

[0056]

[0057]

[0058] 公式一

[0059] 其中，在公式一中， 和 用于表示不同的收视频道， ,... 分别用于表示第一用户收看收视频道 的收视开始时刻， ，
... 分别用于表示第一用户收看收视频道 的收视结束时刻，
, ... 分别用于表示第一用户收看收视频道 的收视开
始时刻， ， ... 分别用于表示第一用户收看收视频道 的收视
结束时刻。

[0060] 以收视频道为独立维度，将第一用户标识 对应的第一用户的收视行为的集合进行二维化处理，得到公式二:

[0061]公式二

[0062] 对于第一用户标识 对应的第一用户，以收视频道和收视时刻为两个维度，建立一个第一用户的二维数据结构 ， 称为第一用户标识 对应的第一用户的收视行为平面。在区间为 的时间段内的所有频道 中，遍历所有
，对第一用户标识 对应的第一用户的收视行为平面 按如下规则进行赋值：

[0063]其中， ， 。

[0064] 以用户标识 、收视频道 和收视时刻 三个维度，建立一个三维数据结构，三维数据结构 即为三维数据模型。三维数据模型由所有收视行为平面 组成，即： ，因此，对于所
有用户 ，三维数据模型 的赋值规则为：

[0065]

[0066] 其中， ， ， 。

[0067] 在本实施例中， 为一个非零值均为1的三维稀疏矩阵。

[0068] 例如，如表1所示，表1为获取到的多个收视数据，在根据表1中的收视数据建立三维数据模型 的情况下，对表1中的收视数据进行处理，得到表2中的三维分解数据，并根据表2中的三维分解数据建立一个图像化的三维数据模型 。

[0069] 表1

[0070]

[0071] 表2

[0072]

[0073] 在本实施例中，需要说明的是，数据分析者可以根据自己的使用习惯将用户标识、收视频道 和收视时刻 分别作为三维坐标系的x轴、y轴和z轴。本实施例对此不做具体限定。

[0074] 例如，如图2所示，数据分析者可以将收视时刻 作为三维坐标系的x轴（三维数据模型的第三维度），将收视频道 作为三维坐标系的y轴（三维数据模型的第二维度），并将用户标识 作为三维坐标系的z轴（三维数据模型的第一维度）。

[0075] 又例如，数据分析者可以将用户标识 作为三维坐标系的x轴，将收视频道作为三维坐标系的y轴，并将收视时刻 作为三维坐标系的z轴。

[0076] 在本实施例中，为了提高收视数据的分析处理效率，便于后续对目标数据切片进行多维统计分析，在构造三维数据模型 时，三维坐标系的x轴、y轴和z轴按照如下方式进行组织与排列：在x轴（收视时刻 ）方向上，按照时间先后顺序进行顺序排列；在y轴（收视频道 ）方向上，按照收视频道组进行划分，同一收视频道组内的数据集中存放；在z轴（用户标识 ）方向上，按照用户所属地域进行划分，同一地域内的数据集中存放。

[0077] 在本实施例中，收视频道组按照卫星频道组和地面频道组进行划分，卫星频道组按照央视频道、地方卫星频道、卫视专业频道、其他卫星频道等进行划分，地面频道组按照所属地域（省市、区县两级）进行划分。

[0078] 在本实施例中，卫星频道是利用通信卫星传送和转播电视节目的电视频道，电视节目从某个地面站发往通信卫星，再转发到其他地面站，其他地面站收到信号后传送到当地电视台转播。

[0079] 在本实施例中，地面频道又叫普通频道，属于区域性媒体，其信号是靠发射塔发射的，功率有限，只能在所在市或附近市收看到，地面频道通过地面铺设光纤等等途径来传播。

[0080] 在本实施例中，在z轴（用户标识 ）方向上，按照用户所属地域进行划分时，按照用户所属地域（省市、区县两级）进行划分。

[0081] 在本实施例中，一个用户能够收看到的频道有两类：一类为卫星频道，另一类为该用户所属区域的地面频道。因此，y轴（收视频道 ）方向上该用户的行为仅会存在于这两个区域。

[0082] 例如，如图3所示，第一目标数据切片对应的第一用户所属的区域为地区D，因此，第一用户的收视数据集中在卫星频道组和地区D频道组（图中阴影部分）。可见，在对用户的数据切片进行进一步分析、处理时，比起随机分散的数据，限定特定区域将会大幅提升处理效率。

[0083] 在一个实施例中，输入用于指示生成第一用户标识对应的第一目标数据切片。步骤150，响应于输入，根据三维数据模型生成并显示目标数据切片，包括：响应于输入，对三维数据模型中第一用户标识对应的第一平面进行切片处理，生成并显示第一目标数据切片。其中，第一平面与第二预设平面呈平行布设，第一目标数据切片包括三维数据模型中第一用户标识对应的至少一个收视频道和至少一个收视时刻。

[0084] 在本实施例中，在第二子输入为数据分析者对目标控件输入第一用户标识 的情况下，响应于第二子输入，通过切片工具对三维数据模型 中第一用户标识对应的第一平面进行切片处理，得到第一用户标识 对应的第一用户的数据切片，第一用户的数据切片 即为第一目标数据切片。其中，第一目标数
据切片 与z轴（用户标识 ）的交点 表示第一目标数据切片 属于
第一用户。

[0085] 在本实施例中，对于第一用户标识 对应的第一用户，在三维数据模型中以条件 进行数据查询，得到的数据集 即为第一用户对应的第一目标数据切片。

[0086] 如图4所示，在本实施例中，第一目标数据切片描绘了第一用户在各个收视频道间的收视行为的轨迹，可以通过在收视时刻或收视频道维度上的叠加，进一步分析第一用户的收视频道偏好或收视时刻偏好。在第一目标数据切片 中，对于一个唯一的收视时刻 ，与之对应的收视频道 最多仅有一个，表示第一用户在一个收视时刻仅可能观看一个收视频道；对于一个唯一的收视频道 ，与之对应的收视时刻 可能有多个，表示第一用户可能在多个不同的收视时刻观看同一个收视频道。

[0087] 在本实施例中，在x轴（收视时刻 ）方向上，y的取值是连续的，表示用户的观看行为一般是时间连续的；反之，在y轴（收视频道 ）方向上，x的取值一般是离散的。

[0088] 例如，在表2示出的三维分解数据中，对于用户 ，在 中以条件进行数据查询，得到的数据集即为用户 的数据切片，如表3所示。

[0089] 表3

[0090]

[0091] 在一个实施例中，步骤160，对目标数据切片进行分析，得到目标信息，包括：针对至少一个收视频道中的每个收视频道，计算第一预设时间段内收视频道对应的第一收视时刻的和值，得到第一收视时长；其中，第一收视时长为第一预设时间段内第一用户对收视频道的收视总时长；根据第一收视时长，得到第一预设时间段内第一用户对收视频道的偏好信息。

[0092] 在本实施例中，基于第一用户的第一目标数据切片 ，可以对第一用户的收视频道的偏好信息进行分析。对于第一目标数据切片 的多个收视频道中的任一收视频道，将任一收视频道视为特定收视频道 ，在第一目标数据切片中取 ，得到 ， 表示第一用户标识 对应的第一用户在特定
收视频道 上的观看行为集合。选取第一预设时间段 ，则在第一预设时
间段内第一用户在特定收视频道 上的第一收视时长的计算公式如公式三所示：

[0093] 公式三

[0094] 在公式三中， 表示第一用户标识 对应的第一用户在第一预设时间段 上对特定收视频道 的偏好； 表示从 平面上的数据向 轴做
累加； 表示第一预设时间段的开始时刻； 表示第一预设时间段的结束时刻。

[0095] 在本实施例中，计算第一预设时间段内第一用户标识 对应的第一用户在特定收视频道 上的第一收视时长的物理含义是：表示对于最小采样间隔为 的收视数据分析系统，在第一预设时间段 内第一用户在特定收视频道 上的总观看时长（即第一收视时长）为 ，或观看了 个最小时间单位。

[0096] 如图5所示，在本实施例中，对于所有收视频道 ，计算每个 的，得到的结果集即为第一用户标识 对应的第一用户在第一预设时间段
内对各个收视频道的观看时长，其中， 的值越大表示在第一
预设时间段内用户对收视频道 的偏好程度越强。

[0097] 例如，对表3中所示出的用户 的数据切片进行分析，得到用户 对每个收视频道的偏好信息，如表4所示；且基于表4中的数据可知，用户 在第一预设时间段内更加偏好收视频道CH002。

[0098] 表4

[0099]

[0100] 在一个实施例中，步骤160，对目标数据切片进行分析，得到目标信息，包括：按照预设时间间隔对第二预设时间段进行切分，得到n个时间区间，其中，n为正整数，且n≥1；将n个时间区间中任一时间区间划分为多个目标收视时刻；针对每个目标收视时刻，计算n个时间区间中第一用户在目标收视时刻观看收视频道的收视时刻的和值，得到第二时长，其中，第二时长为第二预设时间段内第一用户在目标收视时刻对收视频道的收视总时长；根据第二时长，得到第二预设时间段内第一用户对目标收视时刻的偏好信息。

[0101] 在本实施例中，基于第一用户的第一目标数据切片 ，可以对第一用户的收视时刻的偏好信息进行分析。在对第一目标数据切片 的用户收视时刻的偏好信息进行分析的情况下，在第二预设时间段（第二预设时间段为一个自然周期，例如周、月等）上以预设时间间隔（预设时间间隔为一个固定周期，例如1天）进行切分，得到 至共计n个时间区间。以 表示时间区间内的相对时间（以周期为天为例，时间2021‑05‑01 13:12:11在1天内的相对时间为13:12:11），对于某个特定收视时刻 ，计算n个时间区间中第一用户标识 对应的第一用户在特定收视时刻 收看任一收视频道的第二时长，其计算公式如公式四所示，

[0102] 公式四

[0103] 在公式四中， 表示第一用户标识 对应的第一用户对特定收视时刻的偏好； 表示从 平面上的数据向X轴做累加； 表示第一用户在特定收
视时刻 上的观看行为集合。

[0104] 在本实施例中，第二预设时间段和预设时间间隔可以由数据分析者自行设定，本实施例对此不做具体限定。

[0105] 在本实施例中，公式四表示在选定预设时间间隔（如1天）的某选定收视时刻（如13:12:11），用户在第二预设时间段（如1周）的选定收视时刻观看所有收视频道的收视时刻的累加值。在实际计算过程中，由上述描述可知，在第一目标数据切片 中，对于一个唯一的收视时刻 ，与之对应的收视频道 最多仅有一个，表示第一用户在一个收视时刻仅可能观看一个收视频道。因此，在公式四的累计计算中，无需考虑第一用户所收看的收视频道，可以将公式四简化为公式五。

[0106] 公式五

[0107] 如图6所示，在本实施例中，对于第二预设时间段内的每一时刻 计算 ，得到的结果集即为第一用户在第二预设时间段内对各个收视时刻的偏好信息，其中，的值越大表示在第二预设时间段内第一用户对该收视时刻的偏好程度越强。

[0108] 例如，对表3中所示出的用户 的数据切片进行分析，得到用户 对每个收视时刻的偏好信息，如表5所示，本示例需要多天数据，假设表3中的行为数据发生于 ，并另外有 、 ……的数据，其余天数据在收视时刻上的加和为 ；基于表5中的数据可知，用户在第二预设时间段内对收视时刻的收视偏好从8:00至8:03呈上升趋势。

[0109] 表5

[0110]

[0111] 在一个实施例中，输入用于指示生成第一收视频道对应的第二目标数据切片。步骤150，响应于输入，根据三维数据模型生成并显示目标数据切片，包括：响应于输入，对三维数据模型中第一收视频道对应的第二平面进行切片处理，生成并显示第二目标数据切片。其中，第二平面与第三预设平面呈平行布设，第二目标数据切片包括三维数据模型中第一收视频道对应的至少一个用户标识和至少一个收视时刻。

[0112] 在本实施例中，在第二子输入为数据分析者对目标控件输入第一收视频道 的情况下，响应于第二子输入，通过切片工具对三维数据模型 中第一收视频道对应的第二平面进行切片处理，得到第一收视频道的数据切片 ，第一收视频道的数据切片 即为第二目标数据切片。其中，第二目标数据切片 与y轴（收视频道 ）的交点 表示第二目标数据切片 属于第一收视频道。

[0113] 例如，对于第一收视频道 ，在三维数据模型 中以条件进行数据查询，得到的数据集 即为第一收视频道 对应的第二目标数据切片。

[0114] 如图7所示，在本实施例中，第二目标数据切片描绘了第一收视频道 被各个用户或者各类用户群观看情况随时间的走势，可以通过在收视时刻或用户标识维度上的叠加，进一步分析得到收视频道的用户组分布信息和收视频道的收视曲线信息。在第二目标数据切片 中，对于一个唯一的收视时刻 ，与之对应的用户标识 可能有多个，表示第一收视频道 在一个收视时刻 可能被多个用户标识 对应的多个用户同时观看；对于一个唯一的用户标识 ，与之对应的收视时刻 也可能有多个，表示一个用户可能在多个不同的收视时刻 观看同一收视频道。

[0115] 在本实施例中，在x轴（收视时刻 ）方向上，z的取值是连续的，表示用户的观看行为一般是时间连续的；反之，在z轴（收视频道 ）方向上，x的取值一般是离散的。

[0116] 例如，在表2示出的三维分解数据中，对于收视频道 ，在 中以条件 进行数据查询，得到的数据集即为收视频道 的数据切片，收视频
道 的数据切片如表6所示。

[0117] 表6

[0118]

[0119] 在一个实施例中，步骤160，对目标数据切片进行分析，得到目标信息，包括：针对至少一个用户标识中的每个用户标识，计算第三预设时间段内用户标识对第一收视频道的收视时刻的和值，得到第三时长，其中，第三时长为第三预设时间段内用户标识对第一收视频道的收视总时长；根据第一预设规则，对至少一个用户标识进行划分，得到至少一个第一用户组，其中，第一预设规则为用户标识对应用户的所属区域、用户标识对应用户的年龄和用户标识对应用户的性别中的一种；针对至少一个第一用户组中的每个第一用户组，计算第三预设时间段内第一用户组中用户标识的第三时长的和值，得到第四时长；根据第四时长，得到第三预设时间段内第一收视频道的第一用户组分布信息。

[0120] 在本实施例中，基于第一收视频道 的第二目标数据切片 ，可以得到第一收视频道 的第一用户组分布信息。在获取第一收视频道 的第一用户组分布信息的情况下，对于第二目标数据切片 中的特定用户 ，在第二目标数据切片中取 ，得到 ， 表示第一收视频道 被特定用户
观看的行为集合。选取第三预设时间段 ，则在第三预设时间段
内第一收视频道 被特定用户 观看的第三时长的计算公式如公式六
所示：

[0121] 公式六

[0122] 在公式六中， 表示第一收视频道 在第三预设时间段内被特定用户 收看的总时长（即第三时长）； 表示从Z 平面上的
数据向Z轴做累加； 表示第三预设时间段的开始时刻； 表示第三预设时间段的结束时刻。

[0123] 在本实施例中，在对收视数据进行分析时，比起用户个体的分布，数据分析者更为关心收视频道的用户组分布。根据第一预设规则，可以对第二目标数据切片 中的所有用户标识进行划分，得到 到 共计 个第一用户组，以 个第一用户组中的任一第一用户组 为例，对属于第一用户组 的所有用户的第三时长进行累加，得到第一用户组的观看量（即第四时长），其中，第一用户组 的观看量的计算公式如公式七所示：

[0124] 公式七

[0125] 如图8所示，在本实施例中，计算从 到 共计 个第一用户组的观看量，即可得到第一收视频道的第一用户组分布信息，且第一用户组的观看量越大表示该第一用户组对于第一收视频道的偏好程度越强。

[0126] 例如，对表6中所示出的收视频道 的数据切片进行分析，得到每个用户对收视频道 的偏好信息，如表7所示。

[0127] 表7

[0128]

[0129] 基于表7中的数据可知，用户 和用户 对收视频道 的偏好程度相同，用户 对收视频道 的偏好程度最高。

[0130] 若在收视数据分析系统中还存在如表8所示的用户维度数据，则根据表7和表8对收看收视频道 的用户进行分组，得到收视频道 的用户组分布信息，如表9和表10所示。

[0131] 表8

[0132]

[0133] 表9

[0134]

[0135] 表10

[0136]

[0137] 在一个实施例中，步骤160，对目标数据切片进行分析，得到目标信息，包括：针对至少一个收视时刻中的每个收视时刻，计算第四预设时间段内收视时刻收看任一收视频道的用户标识的数量，得到第四预设时间段内收视时刻的收视总量；根据第四预设时间段内每个收视时刻的收视总量，得到第四预设时间段内第一收视频道的收视曲线信息。

[0138] 在本实施例中，基于第一收视频道 的第二目标数据切片 ，可以得到第一收视频道 的收视曲线信息。在获取第一收视频道的收视曲线信息的情况下，在第二目标数据切片 中，对于特定收视时刻 ，在第二目标数据切片 中取，得到 ， 表示在特定收视时刻 上第一收视频道 的观看行
为集合，则在特定收视时刻 上第一收视频道 的收视总量的计算公式如公式八所示：

[0139] 公式八

[0140] 在公式八中， 表示第一收视频道 在特定收视时刻 上的收视总量， 表示从XZ平面上的数据向X轴做累加； 表示用户全集。

[0141] 如图9所示，在本实施例中，对于选定的第四预设时间段 ，计算每个 的 ，得到的结果集即为第一收视频道 在第四预设时
间段 上的收视曲线。对于最小采样间隔为 的收视数据分析系统，在每个
内第一收视频道 的收视总时长为 。

[0142] 例如，对表6中所示出的收视频道 的数据切片进行分析，得到收视频道收视曲线信息，其中，对表6中的数据进行归纳分析，得到表11，根据表11中的数据可以得到如图10所示的收视频道 的收视曲线示意图。

[0143] 表11

[0144]

[0145] 在本实施例中，基于收视频道的收视曲线，可以得到收视频道的收视时长、节目收视时长、收视频道的收视率、节目收视率等常用收视指标，此过程为常规方法，本实施例中不再赘述。

[0146] 在一个实施例中，输入用于指示生成第一收视时刻对应的第三目标数据切片。步骤150，响应于输入，根据三维数据模型生成并显示目标数据切片，包括：响应于输入，对三维数据模型中第一收视时刻对应的第三平面进行切片处理，生成并显示第三目标数据切片。其中，第三平面与第一预设平面呈平行布设，第三目标数据切片包括三维数据模型中第一收视时刻对应的至少一个用户标识和至少一个收视频道。

[0147] 在本实施例中，在第二子输入为数据分析者对目标控件输入第一收视时刻 的情况下，响应于第二子输入，通过切片工具对三维数据模型 中第一收视时刻对应的第三平面进行切片处理，得到第一收视时刻 的数据切片 ，第一收视频道的数据切片 即为第三目标数据切片。其中，第三目标数据切片 与
x轴（收视时刻 ）的交点 表示第三目标数据切片 属于第一收视时刻。

[0148] 例如，对于第一收视时刻 ，在 中以条件 进行数据查询，得到的数据集 即为第一收视时刻 对应的第三目标数据切片。

[0149] 如图11所示，在本实施例中，第三目标数据切片描绘了第一收视时刻的用户标识和收视频道 的二维分布，可以通过在收视频道或用户标识维度上的叠加，进一步分析得到在第一收视时刻收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息。在第三目标数据切片 中，对于一个唯一的用户标识 ，与之对应的收视频道 是唯一的，表示一个用户在一个第一收视时刻仅可能观看一个收视频道；对于一个唯一的收视频道 ，与之对应的用户标识 可能有多个，表示一个收视频道在一个收视时刻可能被多个用户标识 对应的多个用户同时观看。

[0150] 在本实施例中，在y轴（收视频道 ）和z轴（用户标识 ）两个方向上的取值都是离散的。

[0151] 例如，在表2示出的三维分解数据中，对于收视时刻8:07，在 中以条件 进行数据查询，得到的数据集即为收视时刻8:07的数据切片，如表12所示。

[0152] 表12

[0153]

[0154] 在本实施例中，需要说明的是，在对收视数据进行分析的过程中，往往需要对用户进行去重。在三维收视大数据模型 中，通过对特定时刻对应的数据切片进行持续“曝光”，可以达到用户去重的效果。

[0155] 如图12所示，对于一个最小采样间隔为 的收视数据分析系统，三个用户 ， 和在收视时刻 ，收视时刻 上，分别在数据切片 和数据切片上留下 、 、 和 四个数据点。对数据切片 和数据切片 进
行“或”操作，得到新的数据切片 ，即对数据切片 和数据切片
中的用户进行了时间上的去重操作（类似于对用户切片这一图像在时间上进
行持续的“曝光”），得到去重结果 ， 和 三个用户的数据点。采用该方法，通过选定“曝光”的起止时间，可以对目标时段进行去重操作，得到去重后的切片数据。

[0156] 例如，将收视时刻8:05至收视时刻8:07之间的收视时段作为目标时段，对表2示出的三维分解数据中目标时段的数据进行去重，得到如表13所示的数据；其中，表13中的数据已进行了去重处理，故不再有数据唯一编号。

[0157] 表13

[0158]

[0159] 在一个实施例中，步骤160，对目标数据切片进行分析，得到目标信息，包括：针对至少一个收视频道中的每个收视频道，计算第一收视时刻收看收视频道的用户标识的数量，得到第一收视时刻收视频道的收视总量；根据第一收视时刻每个收视频道的收视总量，得到第一收视时刻每个收视频道的瞬时收视分布信息。

[0160] 在本实施例中，基于第一收视时刻 的第三目标数据切片 ，可以得到第一收视时刻每个收视频道的瞬时收视分布信息。在获取第一收视时刻任一收视频道的瞬时收视分布信息的情况下，获取任一收视频道的瞬时收视分布信息的方法与上述的“获取第四预设时间段内第一收视频道的收视曲线信息”的方法类似，本实施例不再赘述。

[0161] 在本实施例中，“第一收视时刻每个收视频道的瞬时收视分布”与“第四预设时间段内第一收视频道的收视曲线”的区别在于：第一收视时刻每个收视频道的瞬时收视分布分析的是每个收视频道的收视情况，第四预设时间段内第一收视频道的收视曲线分析的是每个收视时刻的收视情况。

[0162] 在本实施例中，“第一收视时刻每个收视频道的瞬时收视分布”与“第四预设时间段内第一收视频道的收视曲线”的相同点在于：两者分析的最小单元均为特定收视时刻的特定收视频道。

[0163] 在本实施例中，在第一收视时刻 特定收视频道 的收视总量的计算公式如公式九所示：

[0164] 公式九

[0165] 在公式九中， 表示特定收视频道 在第一收视时刻 上的收视总量； 表示从YZ平面上的数据向Y轴做累加； 表示第一收视时刻 上特定收视
频道 的观看行为集合； 表示用户全集。

[0166] 如图13所示，在本实施例中，对于所有的收视频道 ，计算每个的 ，得到第一收视时刻每个收视频道的瞬时收视分布信息，且 的
计算结果越大表示此时刻观看总时长越长。

[0167] 例如，对表12中所示出的收视时刻8:07的数据进行分析，得到在收视时刻8:07每个收视频道的瞬时收视分布信息，如表14所示，在表14中，在收视时刻8:07收视频道和收视频道 的收视总量相同。

[0168] 表14

[0169]

[0170] 在一个实施例中，步骤160，对目标数据切片进行分析，得到目标信息，包括：根据第二预设规则，对至少一个用户标识进行划分，得到至少一个第二用户组，其中，第二预设规则为用户标识对应用户的所属区域、用户标识对应用户的年龄和用户标识对应用户的性别中的一种；针对至少一个第二用户组中的每个第二用户组，计算第一收视时刻第二用户组中收看收视频道的用户标识的数量，得到第一收视时刻第二用户组的瞬时收视量；根据每个第二用户组的瞬时收视量，得到第一收视时刻第二用户组的瞬时收视分布信息。

[0171] 在本实施例中，基于第一收视时刻 的第三目标数据切片 ，可以得到第一收视时刻第二用户组的瞬时收视分布信息。在获取第一收视时刻第二用户组的瞬时收视分布信息的情况下，对于特定用户标识 ，在第三目标数据切片 中取，得到 ， 表示收视频道 被特定用户标识 对应的用户观
看的行为集合，则在第一收视时刻 特定用户标识 的观看总量的计算公式如公式十所示：

[0172] 公式十

[0173] 在公式十中， 表示在第一收视时刻 上特定用户标识 的观看总量；表示从Z 平面上的数据向Z轴做累加； 表示所有收视频道。

[0174] 在本实施例中，在对收视数据进行分析时，比起用户个体的分布，数据分析者更为关心收视时刻的用户组分布。与上述“第三预设时间段内第一收视频道的用户组分布信息”类似，根据第二预设规则，可以对第三目标数据切片 中所有用户标识进行划分，得到 到 共计 个第二用户组，以 个第二用户组中的任一第二用户组 为例，对属于第二用户组 的所有用户标识的数量进行累加，得到第二用户组 在第一收视时刻上的瞬时观看量，其中，第二用户组 在第一收视时刻 上的瞬时观看量的计算公式如公式十一所示：

[0175] 公式十一

[0176] 如图14所示，在本实施例中，计算从 到 共计n个第二用户组在第一收视时刻上的瞬时观看量，即可得到第一收视时刻的第二用户组分布情况，且计算结果越大表示此第二用户组对于第一收视时刻的偏好程度越强。

[0177] 例如，对表12中所示出的收视时刻8:07的数据进行分析，得到在收视时刻8:07每个用户的分布信息，如表15所示。若在收视数据分析系统中还存在用户维度数据，则根据表15和用户维度数据对表15中的用户进行分组，即可得到收视时刻8:07的用户组分布信息。
其中，在表15中，在收视时刻8:07用户标识 和用户标识 的收视总量相同。

[0178] 表15

[0179]

[0180] 在本实施例中，需要说明的是，除上述的目标信息之外，通过对收视数据分析系统中的收视数据进行分析，也可以获得常见的收视指标。例如，通过对三维数据模型进行分析，还可以获得收视率、到达率等常用收视评价指标。

[0181] 在一个实施例中，通常，需要分析特定收视频道、特定收视节目的收视时长，进而计算收视率、收视份额等常用指标。在三维数据模型 中，按收视频道进行切片，得到特定收视频道的数据切片 。按照上述对第一收视频道对应的第二目标数据切片进行分析的方法，可以得到收视频道在每个收视时刻的收视总量 。假设收视数据分析系统最小采样间隔为 ，则该收视频道每个收视时刻的收视总时长为。在全天或特定时段（如黄金时段）对每个收视时刻的收视总时长进行累加，即可得到该收视频道全天或特定时段的收视总时长；在特定收视节目起止时间内对每个收视时刻的收视总时长进行累加，即可得到特定收视节目的收视总时长。

[0182] 在另一个实施例中，基于收视频道、收视节目的收视时长，即可得到收视频道的收视率和收视节目的收视率。

[0183] 在另一个实施例中，对于某收视频道、某收视节目，将目标时段的同一时段的所有收视频道、所有收视节目的收视时长进行累加，即可得到目标时段的收视总时长，进而得到收视份额。

[0184] 在另一个实施例中，通常，需要分析特定收视频道、特定收视节目的到达用户数，进而计算到达率、忠实度等常用指标。在三维数据模型 中，按照上述对用户进行去重方法，可以对特定收视时刻的数据切片 进行去重，并根据特定收视频道的待分析时段，或特定收视节目的起止时间，确定需要进行去重操作的时间范围，读取该时间范围 内的特定收视时刻的数据切片 ，对 的这些数据切片进行去重操作后，得到去重后的数据切片
。按照“第一收视时刻每个收视频道的瞬时收视分布”中的方法，对
进行计算，得到 ， 即为目标收视时段上
每个收视频道的到达用户数。

[0185] 在另一个实施例中，基于特定收视频道、特定收视节目的到达用户数，可以得到特定收视频道和特定收视节目的到达率。

[0186] 在另一个实施例中，完成特定收视频道和特定收视节目的收视总时长计算后，可以得到平均收视率、联播收视率、时段贡献、时段指数、收视比重等基于时长、用户数计算的常用指标。

[0187] <装置实施例一>

[0188] 参见图15，本公开的实施例提供了一种收视数据分析装置，该收视数据分析装置1500包括获取模块1501、拆解模块1502、建立模块1503、接收模块1504、生成模块1505和分析模块1506。

[0189] 其中，获取模块1501，用于获取多个收视数据；拆解模块1502，用于针对每个收视数据，对收视数据进行拆解，得到收视数据的三维分解数据，其中，三维分解数据包括用户标识、收视频道和收视时刻；建立模块1503，用于根据多个收视数据的三维分解数据，建立图形化的三维数据模型；接收模块1504，用于接收用户的输入；生成模块1505，用于响应于输入，根据三维数据模型生成并显示目标数据切片；分析模块1506，用于对目标数据切片进行分析，得到目标信息；其中，目标信息包括用户对收视频道的偏好信息、用户对收视时刻的偏好信息、收视频道的用户组分布信息、收视频道的收视曲线信息、收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息中的至少一种。

[0190] 在本申请实施例中，根据多个收视数据建立三维数据模型，并根据用户对三维数据模型的输入，对三维数据模型进行切片，得到目标数据切片，通过对目标数据切片进行灵活、高效地分析，即可得到用户对收视频道的偏好信息、用户对收视时刻的偏好信息、收视频道的用户组分布信息、收视频道的收视曲线信息、收视频道的瞬时收视分布信息和用户组的瞬时收视分布信息，有效拓展了收视数据的分析维度，且分析方法简单高效；同时，通过多维度的收视数据分析，能够为节目内容制作机构、节目内容播出机构、广告投放机构等提供内容制作、编排、投放的精细化数据支撑，进而提升广播电视节目的内容质量和经济价值。

[0191] <装置实施例二>

[0192] 本公开的实施例提供了一种电子设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序，以实现上述方法实施例中所述的方法。

[0193] 本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

[0194] 计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、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）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD‑ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

[0195] 这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

[0196] 用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

[0197] 这里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/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

[0198] 这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

[0199] 也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

[0200] 附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

[0201] 以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。