一種用于提供無線接入點信息的方法與設備與流程

本申請涉及通信領域，尤其涉及一種用于提供無線接入點信息的技術。
背景技術：
：大量的無線網絡給人們的生活帶來了極大的便利，人們所使用的用戶設備已經越來越頻繁地連接到無線接入點(例如Wi-Fi無線熱點)，現有技術中也有不少可用于提供無線接入點信息(例如密碼信息、網絡速度、安全信息等)的應用。然而，現有技術的應用所提供的無線接入點信息中缺少無線接入點的優先級信息，并且不具備推薦最優無線接入點的功能。由此帶來一個明顯的痛點，用戶只能毫無參考地輪流嘗試連接各無線接入點，如果運氣不好，可能會浪費大量的時間在嘗試連接上，嚴重影響用戶體驗。技術實現要素：本申請的一個目的是提供一種用于提供無線接入點信息的方法與設備。根據本申請的一個方面，提供了一種用于提供無線接入點信息的方法，其中，該方法包括：獲取用戶設備發送的無線接入點查詢請求；根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得；根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。根據本申請的另一個方面，還提供了一種用于確定無線接入點的連接成功率信息的方法，其中，該方法包括：獲取若干個無線接入點的連接日志信息；基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型；根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。根據本申請的又一個方面，還提供了一種用于確定無線接入點的連接成功率信息的方法，其中，該方法包括：獲取一個或多個無線接入點的特征信息；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。根據本申請的又一個方面，還提供了一種用于提供無線接入點信息的設備，其中，該設備包括：第一裝置，用于獲取用戶設備發送的無線接入點查詢請求；第二裝置，用于根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點；第三裝置，用于根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得；第四裝置，用于根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。根據本申請的再一個方面，還提供了一種用于確定無線接入點的連接成功率信息的設備，其中，該設備包括：第五裝置，用于獲取若干個無線接入點的連接日志信息；第六裝置，用于基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型；第七裝置，用于根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。根據本申請的又一個方面，還提供了一種用于確定無線接入點的連接成功率信息的設備，其中，該設備包括：第十一裝置，用于獲取一個或多個無線接入點的特征信息；第十二裝置，用于根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。根據本申請的又一個方面，還提供了一種用于提供無線接入點信息的設備，其中，該設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器：獲取用戶設備發送的無線接入點查詢請求；根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得；根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。根據本申請的又一個方面，還提供了一種用于確定無線接入點的連接成功率信息的設備，其中，該設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器：獲取若干個無線接入點的連接日志信息；基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型；根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。根據本申請的又一個方面，還提供了一種用于確定無線接入點的連接成功率信息的設備，其中，該設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器：獲取一個或多個無線接入點的特征信息；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。根據本申請的又一個方面，還提供了一種包括指令的計算機可讀存儲介質，所述指令在被執行時使得系統進行以下操作：獲取用戶設備發送的無線接入點查詢請求；根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得；根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。根據本申請的又一個方面，還提供了一種包括指令的計算機可讀存儲介質，所述指令在被執行時使得系統進行以下操作：獲取若干個無線接入點的連接日志信息；基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型；根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。根據本申請的又一個方面，還提供了一種包括指令的計算機可讀存儲介質，所述指令在被執行時使得系統進行以下操作：獲取一個或多個無線接入點的特征信息；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。與現有技術相比，本申請獲取用戶設備發送的無線接入點查詢請求，并據此確定與所述用戶設備相對應的一個或多個無線接入點，然后，根據基于連接日志信息通過機器學習訓練所得的連接成功率模型確定所述無線接入點的連接成功率信息，接著，根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備，呈現給用戶，以便用戶選擇更優的無線接入點進行連接，從而提高連接質量，優化用戶體驗。進一步地，本申請根據所述連接成功率信息及所述無線信號強度信息，確定所述無線接入點的優先級信息，從而提供更精準的無線接入點信息供用戶參考。進一步地，本申請從所述連接日志信息中抽取特征信息，并基于所述特征信息，通過機器學習訓練出關于無線接入點的連接成功率模型，從而提高模型訓練效率。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、目的和優點將會變得更明顯：圖1示出根據本申請一個實施例的一種用于提供無線接入點信息的方法流程圖；圖2示出根據本申請另一個實施例的一種用于確定無線接入點的連接成功率信息的方法流程圖；圖3示出根據本申請又一個實施例的一種用于確定無線接入點的連接成功率信息的方法流程圖；圖4示出根據本申請一個實施例的一種用于提供無線接入點信息的設備示意圖；圖5示出根據本申請另一個實施例的一種用于確定無線接入點的連接成功率信息的設備示意圖；圖6示出根據本申請又一個實施例的一種用于確定無線接入點的連接成功率信息的設備示意圖。附圖中相同或相似的附圖標記代表相同或相似的部件。具體實施方式下面結合附圖對本申請作進一步詳細描述。在本申請一個典型的配置中，終端、服務網絡的設備和可信方均包括一個或多個處理器(CPU)、輸入/輸出接口、網絡接口和內存。內存可能包括計算機可讀介質中的非永久性存儲器，隨機存取存儲器(RAM)和/或非易失性內存等形式，如只讀存儲器(ROM)或閃存(flashRAM)。內存是計算機可讀介質的示例。計算機可讀介質包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術來實現信息存儲。信息可以是計算機可讀指令、數據結構、程序的模塊或其他數據。計算機的存儲介質的例子包括，但不限于相變內存(PRAM)、靜態隨機存取存儲器(SRAM)、動態隨機存取存儲器(DRAM)、其他類型的隨機存取存儲器(RAM)、只讀存儲器(ROM)、電可擦除可編程只讀存儲器(EEPROM)、快閃記憶體或其他內存技術、只讀光盤只讀存儲器(CD-ROM)、數字多功能光盤(DVD)或其他光學存儲、磁盒式磁帶，磁帶磁盤存儲或其他磁性存儲設備或任何其他非傳輸介質，可用于存儲可以被計算設備訪問的信息。按照本文中的界定，計算機可讀介質不包括非暫存電腦可讀媒體(transitorymedia)，如調制的數據信號和載波。圖1示出根據本申請一個實施例的一種用于提供無線接入點信息的方法流程圖，該方法包括步驟S11、步驟S12、步驟S13和步驟S14。具體地，步驟S11中，設備1獲取用戶設備發送的無線接入點查詢請求；步驟S12中，設備1根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點；步驟S13中，設備1根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得；步驟S14中，設備1根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。在此，所述設備1包括但不限于用戶設備、網絡設備、或用戶設備與網絡設備通過網絡相集成所構成的設備。所述用戶設備其包括但不限于任何一種可與用戶通過觸摸板進行人機交互的移動電子產品，例如智能手機、平板電腦等，所述移動電子產品可以采用任意操作系統，如android操作系統、iOS操作系統等。其中，所述網絡設備包括一種能夠按照事先設定或存儲的指令，自動進行數值計算和信息處理的電子設備，其硬件包括但不限于微處理器、專用集成電路(ASIC)、可編程門陣列(FPGA)、數字處理器(DSP)、嵌入式設備等。所述網絡設備其包括但不限于計算機、網絡主機、單個網絡服務器、多個網絡服務器集或多個服務器構成的云；在此，云由基于云計算(CloudComputing)的大量計算機或網絡服務器構成，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虛擬超級計算機。所述網絡包括但不限于互聯網、廣域網、城域網、局域網、VPN網絡、無線自組織網絡(AdHoc網絡)等。優選地，設備1還可以是運行于所述用戶設備、網絡設備、或用戶設備與網絡設備、網絡設備、觸摸終端或網絡設備與觸摸終端通過網絡相集成所構成的設備上的腳本程序。當然，本領域技術人員應能理解上述設備1僅為舉例，其他現有的或今后可能出現的設備1如可適用于本申請，也應包含在本申請保護范圍以內，并在此以引用方式包含于此。步驟S11中，設備1獲取用戶設備發送的無線接入點查詢請求；在此，所述用戶設備包括但不限于智能手機、平板電腦等移動設備。當所述用戶設備的無線局域網功能處于開啟狀態，所述用戶設備可能掃描得到一個或多個無線接入點。例如，當用戶打開所述用戶設備上的特定應用(例如用于連接Wi-Fi的應用)，可以將用戶點擊特定按鍵作為向云端服務器發送所述無線接入點查詢請求的觸發條件。所述無線接入點查詢請求可以包括所述用戶設備所掃描到的一個或多個無線接入點的SSID(ServiceSetIdentifier，服務集標識)、BSSID(一種特殊的Ad-hocLAN的應用，也稱為BasicServiceSet)等信息，可以將其封裝后發送至該特定應用對應的云端服務器。步驟S12中，設備1根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點。例如，云端服務器可以通過解封裝等方式，從所述無線接入點查詢請求中解析出所述用戶設備所掃描到的一個或多個無線接入點的SSID、BSSID等信息，從而確定與所述用戶設備相對應的一個或多個無線接入點。步驟S13中，設備1根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。例如，將所述用戶設備相對應的一個或多個無線接入點作為所述連接成功率模型的輸入，所述連接成功率模型輸出該一個或多個無線接入點的連接成功率信息，優選地，以各維度權重向量的形式輸出所述連接成功率信息，例如，連接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影響連接成功率的若干個特征，W1、W2…Wn表示各特征的權重向量。所述連接成功率信息可以包括所述無線接入點近期連接成功的概率。所述連接日志信息可以來自于服務器記錄的熱點連接日志。全量的熱點連接日志記錄了所有Wi-Fi熱點的設備信息、配置信息、用戶的連接請求及熱點連接結果等，為數據處理和模型訓練準備盡可能多的數據信息。步驟S14中，設備1根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。例如，若只有一個無線接入點，則將該無線接入點的無線接入點信息提供至所述用戶設備；若有多個無線接入點，可以僅將其中一個的無線接入點信息提供至所述用戶設備，也可以將其中多個的無線接入點信息提供至所述用戶設備。優選地，步驟S14中，設備1根據所述連接成功率信息，確定所述無線接入點的優先級信息；根據所述優先級信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。例如，可以根據各無線接入點的所述連接成功率信息的高低進行排序，從而確定所述無線接入點的優先級信息的高低。在一個實施例中，將所述優先級信息最高的無線接入點信息提供至所述用戶設備。在另一個實施例中，將所述一個或多個無線接入點中全部的無線接入點信息提供至所述用戶設備。優選地，所述無線接入點查詢請求包括無線接入點的無線信號強度信息；步驟S14中，設備1根據所述連接成功率信息及所述無線信號強度信息，確定所述無線接入點的優先級信息。例如，所述用戶設備在掃描得到一個或多個無線接入點時，同時可掃描到該一個或多個無線接入點的無線信號強度信息。所述用戶設備向服務器發送的所述無線接入點查詢請求不僅包括SSID、BSSID等信息，還可以包括無線信號強度信息。假設無線接入點A的連接成功率信息為98.7％，無線接入點B的連接成功率信息為98.3％，若所述用戶設備當前掃描到無線接入點A的無線信號強度信息很弱，而無線接入點B的無線信號強度信息很強，則可以確定無線接入點B的優先級信息高于無線接入點A。在一個實施例中，可以對無線接入點的連接成功率信息及無線信號強度信息分別賦予一個權重值，并據此計算出各無線接入點的優先級信息。優選地，所述無線接入點信息包括以下至少任一項：所述無線接入點的優先級信息；所述無線接入點的信息點展示信息。在此，所述信息點(PointofInformation，POI)展示信息可以包括名稱、類別、經度緯度、附近的酒店飯店商鋪等信息。在一個實施例中，所述用戶設備在接收到所述無線接入點的優先級信息及信息點展示信息后，按照優先級信息的高低排序將所述無線接入點及其信息點展示信息呈現給用戶。圖2示出根據本申請另一個實施例的一種用于確定無線接入點的連接成功率信息的方法流程圖，該方法包括步驟S25、步驟S26和步驟S27。具體地，步驟S25中，設備2獲取若干個無線接入點的連接日志信息；步驟S26中，設備2基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型；步驟S27中，設備2根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。在此，所述設備2包括但不限于用戶設備、網絡設備、或用戶設備與網絡設備通過網絡相集成所構成的設備。所述用戶設備其包括但不限于任何一種可與用戶通過觸摸板進行人機交互的移動電子產品，例如智能手機、平板電腦等，所述移動電子產品可以采用任意操作系統，如android操作系統、iOS操作系統等。其中，所述網絡設備包括一種能夠按照事先設定或存儲的指令，自動進行數值計算和信息處理的電子設備，其硬件包括但不限于微處理器、專用集成電路(ASIC)、可編程門陣列(FPGA)、數字處理器(DSP)、嵌入式設備等。所述網絡設備其包括但不限于計算機、網絡主機、單個網絡服務器、多個網絡服務器集或多個服務器構成的云；在此，云由基于云計算(CloudComputing)的大量計算機或網絡服務器構成，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虛擬超級計算機。所述網絡包括但不限于互聯網、廣域網、城域網、局域網、VPN網絡、無線自組織網絡(AdHoc網絡)等。優選地，設備2還可以是運行于所述用戶設備、網絡設備、或用戶設備與網絡設備、網絡設備、觸摸終端或網絡設備與觸摸終端通過網絡相集成所構成的設備上的腳本程序。當然，本領域技術人員應能理解上述設備2僅為舉例，其他現有的或今后可能出現的設備2如可適用于本申請，也應包含在本申請保護范圍以內，并在此以引用方式包含于此。步驟S25中，設備2獲取若干個無線接入點的連接日志信息。例如，所述連接日志信息可以來自于服務器記錄的熱點連接日志。全量的熱點連接日志記錄了所有Wi-Fi熱點的設備信息、配置信息、用戶的連接請求及熱點連接結果等，為數據處理和模型訓練準備盡可能多的數據信息。步驟S26中，設備2基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型。例如，基于所述連接日志信信息，借助機器學習算法訓練出所述連接成功率模型。在此，所述機器學習算法可以包括Adaboost算法。當然，本領域技術人員應能理解上述機器學習算法僅為舉例，其他現有的或今后可能出現的機器學習算法如可適用于本申請，也應包含在本申請保護范圍以內，并在此以引用方式包含于此。優選地，步驟S26中，設備2從所述連接日志信息中抽取特征信息；基于所述特征信息，通過機器學習訓練出關于無線接入點的連接成功率模型。例如，所述連接日志信息中的部分信息可能與無線接入點的連接成功率無關或者關系不大，在本實施例中，從所述連接日志信息中抽取影響無線接入點的連接成功率的特征信息，并將所述特征信息作為訓練數據來訓練所述連接成功率模型，從而提高模型訓練效率。優選地，所述特征信息包括以下至少任一項：所述若干個無線接入點的歷史連接信息；所述若干個無線接入點的密碼相關信息。例如，所述歷史連接信息可以包括歷史連接次數、連接人數、成功連接數、歷史連接成功率、失敗原因等信息，所述密碼相關信息可以包括密碼安全級別、密碼創建更新時間等信息。優選地，步驟S26中，設備2基于所述連接日志信息，通過機器學習迭代訓練出關于無線接入點的連接成功率的回歸模型。例如，可以通過一種機器學習迭代算法(如Adaboost算法)迭代計算確定關于無線接入點的連接成功率的回歸模型的參數，從而訓練得到關于無線接入點的連接成功率的回歸模型。步驟S27中，設備2根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。例如，將目標無線接入點作為所述連接成功率模型的輸入，所述連接成功率模型輸出該目標無線接入點的連接成功率信息，優選地，以各維度權重向量的形式輸出所述連接成功率信息，例如，連接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影響連接成功率的若干個特征，W1、W2…Wn表示各特征的權重向量。所述連接成功率信息可以包括所述無線接入點近期連接成功的概率。參照表1，表中的各列表示影響連接成功率的若干個特征(包括歷史連接次數、連接人數、成功連接數、歷史連接成功率、失敗原因、密碼安全級別、密碼創建更新時間等)，表中的各行用于收集近期(可以是一天、一周、半個月或一個月等)的訓練數據，根據近期的訓練數據通過機器學習訓練出關于無線接入點的連接成功率模型，即確定了各特征的權重向量W1、W2…Wn。然后，將目標無線接入點作為所述連接成功率模型的輸入，所述連接成功率模型根據已確定的W1、W2…Wn，輸出該目標無線接入點的連接成功率信息。X1X2……Xn表1優選地，該方法還包括：設備2獲取用戶設備發送的無線接入點查詢請求；根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個目標無線接入點。例如，當用戶打開所述用戶設備上的特定應用，可以將用戶點擊特定按鍵作為向云端服務器發送所述無線接入點查詢請求的觸發條件。所述無線接入點查詢請求可以包括所述用戶設備所掃描到的一個或多個目標無線接入點的SSID(ServiceSetIdentifier，服務集標識)、BSSID(一種特殊的Ad-hocLAN的應用，也稱為BasicServiceSet)等信息，可以將其封裝后發送至該特定應用對應的云端服務器。云端服務器可以通過解封裝等方式，從所述無線接入點查詢請求中解析出所述用戶設備所掃描到的一個或多個目標無線接入點的SSID、BSSID等信息，從而確定與所述用戶設備相對應的一個或多個目標無線接入點。優選地，該方法還包括：設備2根據所述一個或多個目標無線接入點更新所述連接日志信息。例如，不僅根據所述連接成功率模型，確定所述一個或多個目標無線接入點的連接成功率信息；而且還將通過熱點連接日志記錄下所述一個或多個目標無線接入點的相關信息，以更新所述連接日志信息，可以為之后的模型訓練積累更多更新的數據信息。圖3示出根據本申請又一個實施例的一種用于確定無線接入點的連接成功率信息的方法流程圖，該方法包括步驟S311和步驟S312。具體地，步驟S311中，設備3獲取一個或多個無線接入點的特征信息；步驟S312中，設備3根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。在此，所述設備3包括但不限于用戶設備、網絡設備、或用戶設備與網絡設備通過網絡相集成所構成的設備。所述用戶設備其包括但不限于任何一種可與用戶通過觸摸板進行人機交互的移動電子產品，例如智能手機、平板電腦等，所述移動電子產品可以采用任意操作系統，如android操作系統、iOS操作系統等。其中，所述網絡設備包括一種能夠按照事先設定或存儲的指令，自動進行數值計算和信息處理的電子設備，其硬件包括但不限于微處理器、專用集成電路(ASIC)、可編程門陣列(FPGA)、數字處理器(DSP)、嵌入式設備等。所述網絡設備其包括但不限于計算機、網絡主機、單個網絡服務器、多個網絡服務器集或多個服務器構成的云；在此，云由基于云計算(CloudComputing)的大量計算機或網絡服務器構成，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虛擬超級計算機。所述網絡包括但不限于互聯網、廣域網、城域網、局域網、VPN網絡、無線自組織網絡(AdHoc網絡)等。優選地，設備3還可以是運行于所述用戶設備、網絡設備、或用戶設備與網絡設備、網絡設備、觸摸終端或網絡設備與觸摸終端通過網絡相集成所構成的設備上的腳本程序。當然，本領域技術人員應能理解上述設備3僅為舉例，其他現有的或今后可能出現的設備3如可適用于本申請，也應包含在本申請保護范圍以內，并在此以引用方式包含于此。步驟S311中，設備3獲取一個或多個無線接入點的特征信息。例如，所述特征信息可以包括歷史連接次數、連接人數、成功連接數、歷史連接成功率、失敗原因、密碼安全級別、密碼創建更新時間等信息。步驟S312中，設備3根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。例如，以各維度權重向量的形式輸出所述連接成功率信息，連接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影響連接成功率的若干個特征(包括歷史連接次數、連接人數、成功連接數、歷史連接成功率、失敗原因、密碼安全級別、密碼創建更新時間等)，W1、W2…Wn表示各特征的權重向量。所述連接日志信息記錄了近期的訓練數據，根據近期的訓練數據通過機器學習訓練出關于無線接入點的連接成功率模型，即確定了各特征的權重向量W1、W2…Wn。然后，將所述一個或多個無線接入點的特征信息作為所述連接成功率模型的輸入，所述連接成功率模型根據已確定的W1、W2…Wn，輸出該一個或多個無線接入點的連接成功率信息。后續，可基于所述連接成功率信息為用戶設備推薦連接成功率最高的無線接入點，或者，將所述連接成功率信息隨無線接入點提供至用戶設備供用戶參考。優選地，所述方法還包括：設備3根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至對應的用戶設備。例如，可以根據所述連接成功率信息，對所述無線接入點進行優先級排序，然后將最優的一個或者較優的多個無線接入點的無線接入點信息提供至對應的用戶設備。優選地，步驟S311中，設備3獲取第一時間單元的一個或多個無線接入點的特征信息；步驟S312中，設備3根據連接成功率模型，確定所述第一時間單元的一個或多個無線接入點的連接成功率信息；其中，所述連接成功率模型基于第二時間單元的連接日志信息通過機器學習訓練所得。在此，每個時間單元可以是一天、半天、兩天等，所述第一時間單元可以是當前24小時、當前12小時、當前48小時等，所述第二時間單元可以是前一24小時、前一12小時、前一48小時等。例如，從所述第二時間單元的連接日志信息中抽取特征信息，通過機器學習訓練得到所述連接成功率模型；并根據所述連接成功率模型及所述第一時間單元的一個或多個無線接入點的特征信息，確定所述第一時間單元的一個或多個無線接入點的連接成功率信息。更優選地，基于第二時間單元的連接日志信息通過機器學習訓練得到連接成功率模型的特征信息的權重向量；根據所述連接成功率模型的特征信息的權重向量，確定所述第一時間單元的一個或多個無線接入點的連接成功率信息。例如，從所述第二時間單元的連接日志信息中抽取特征信息X1”、X2”…Xn”，通過機器學習訓練得到所述連接成功率模型的特征信息的權重向量W1、W2…Wn；并根據所述連接成功率模型的特征信息的權重向量W1、W2…Wn及所述第一時間單元的一個或多個無線接入點的特征信息X1’、X2’…Xn’，確定所述第一時間單元的一個或多個無線接入點的連接成功率信息Y＝W1X1’+W2X2’+…+WnXn’。圖4示出根據本申請一個實施例的一種用于提供無線接入點信息的設備1，所述設備1包括第一裝置11、第二裝置12、第三裝置13和第四裝置14。具體地，所述第一裝置11獲取用戶設備發送的無線接入點查詢請求；所述第二裝置12根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點；所述第三裝置13根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得；所述第四裝置14根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。在此，所述設備1包括但不限于用戶設備、網絡設備、或用戶設備與網絡設備通過網絡相集成所構成的設備。所述用戶設備其包括但不限于任何一種可與用戶通過觸摸板進行人機交互的移動電子產品，例如智能手機、平板電腦等，所述移動電子產品可以采用任意操作系統，如android操作系統、iOS操作系統等。其中，所述網絡設備包括一種能夠按照事先設定或存儲的指令，自動進行數值計算和信息處理的電子設備，其硬件包括但不限于微處理器、專用集成電路(ASIC)、可編程門陣列(FPGA)、數字處理器(DSP)、嵌入式設備等。所述網絡設備其包括但不限于計算機、網絡主機、單個網絡服務器、多個網絡服務器集或多個服務器構成的云；在此，云由基于云計算(CloudComputing)的大量計算機或網絡服務器構成，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虛擬超級計算機。所述網絡包括但不限于互聯網、廣域網、城域網、局域網、VPN網絡、無線自組織網絡(AdHoc網絡)等。優選地，設備1還可以是運行于所述用戶設備、網絡設備、或用戶設備與網絡設備、網絡設備、觸摸終端或網絡設備與觸摸終端通過網絡相集成所構成的設備上的腳本程序。當然，本領域技術人員應能理解上述設備1僅為舉例，其他現有的或今后可能出現的設備1如可適用于本申請，也應包含在本申請保護范圍以內，并在此以引用方式包含于此。所述第一裝置11獲取用戶設備發送的無線接入點查詢請求；在此，所述用戶設備包括但不限于智能手機、平板電腦等移動設備。當所述用戶設備的無線局域網功能處于開啟狀態，所述用戶設備可能掃描得到一個或多個無線接入點。例如，當用戶打開所述用戶設備上的特定應用(例如用于連接Wi-Fi的應用)，可以將用戶點擊特定按鍵作為向云端服務器發送所述無線接入點查詢請求的觸發條件。所述無線接入點查詢請求可以包括所述用戶設備所掃描到的一個或多個無線接入點的SSID(ServiceSetIdentifier，服務集標識)、BSSID(一種特殊的Ad-hocLAN的應用，也稱為BasicServiceSet)等信息，可以將其封裝后發送至該特定應用對應的云端服務器。所述第二裝置12根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點。例如，云端服務器可以通過解封裝等方式，從所述無線接入點查詢請求中解析出所述用戶設備所掃描到的一個或多個無線接入點的SSID、BSSID等信息，從而確定與所述用戶設備相對應的一個或多個無線接入點。所述第三裝置13根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。例如，將所述用戶設備相對應的一個或多個無線接入點作為所述連接成功率模型的輸入，所述連接成功率模型輸出該一個或多個無線接入點的連接成功率信息，優選地，以各維度權重向量的形式輸出所述連接成功率信息，例如，連接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影響連接成功率的若干個特征，W1、W2…Wn表示各特征的權重向量。所述連接成功率信息可以包括所述無線接入點近期連接成功的概率。所述連接日志信息可以來自于服務器記錄的熱點連接日志。全量的熱點連接日志記錄了所有Wi-Fi熱點的設備信息、配置信息、用戶的連接請求及熱點連接結果等，為數據處理和模型訓練準備盡可能多的數據信息。所述第四裝置14根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。例如，若只有一個無線接入點，則將該無線接入點的無線接入點信息提供至所述用戶設備；若有多個無線接入點，可以僅將其中一個的無線接入點信息提供至所述用戶設備，也可以將其中多個的無線接入點信息提供至所述用戶設備。優選地，所述第四裝置14根據所述連接成功率信息，確定所述無線接入點的優先級信息；根據所述優先級信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。例如，可以根據各無線接入點的所述連接成功率信息的高低進行排序，從而確定所述無線接入點的優先級信息的高低。在一個實施例中，將所述優先級信息最高的無線接入點信息提供至所述用戶設備。在另一個實施例中，將所述一個或多個無線接入點中全部的無線接入點信息提供至所述用戶設備。優選地，所述無線接入點查詢請求包括無線接入點的無線信號強度信息；所述第四裝置14根據所述連接成功率信息及所述無線信號強度信息，確定所述無線接入點的優先級信息。例如，所述用戶設備在掃描得到一個或多個無線接入點時，同時可掃描到該一個或多個無線接入點的無線信號強度信息。所述用戶設備向服務器發送的所述無線接入點查詢請求不僅包括SSID、BSSID等信息，還可以包括無線信號強度信息。假設無線接入點A的連接成功率信息為98.7％，無線接入點B的連接成功率信息為98.3％，若所述用戶設備當前掃描到無線接入點A的無線信號強度信息很弱，而無線接入點B的無線信號強度信息很強，則可以確定無線接入點B的優先級信息高于無線接入點A。在一個實施例中，可以對無線接入點的連接成功率信息及無線信號強度信息分別賦予一個權重值，并據此計算出各無線接入點的優先級信息。優選地，所述無線接入點信息包括以下至少任一項：所述無線接入點的優先級信息；所述無線接入點的信息點展示信息。在此，所述信息點(PointofInformation，POI)展示信息可以包括名稱、類別、經度緯度、附近的酒店飯店商鋪等信息。在一個實施例中，所述用戶設備在接收到所述無線接入點的優先級信息及信息點展示信息后，按照優先級信息的高低排序將所述無線接入點及其信息點展示信息呈現給用戶。圖5示出根據本申請另一個實施例的一種用于確定無線接入點的連接成功率信息的設備2，所述設備2包括第五裝置25、第六裝置26和第七裝置27。具體地，所述第五裝置25獲取若干個無線接入點的連接日志信息；所述第六裝置26基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型；所述第七裝置27根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。在此，所述設備2包括但不限于用戶設備、網絡設備、或用戶設備與網絡設備通過網絡相集成所構成的設備。所述用戶設備其包括但不限于任何一種可與用戶通過觸摸板進行人機交互的移動電子產品，例如智能手機、平板電腦等，所述移動電子產品可以采用任意操作系統，如android操作系統、iOS操作系統等。其中，所述網絡設備包括一種能夠按照事先設定或存儲的指令，自動進行數值計算和信息處理的電子設備，其硬件包括但不限于微處理器、專用集成電路(ASIC)、可編程門陣列(FPGA)、數字處理器(DSP)、嵌入式設備等。所述網絡設備其包括但不限于計算機、網絡主機、單個網絡服務器、多個網絡服務器集或多個服務器構成的云；在此，云由基于云計算(CloudComputing)的大量計算機或網絡服務器構成，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虛擬超級計算機。所述網絡包括但不限于互聯網、廣域網、城域網、局域網、VPN網絡、無線自組織網絡(AdHoc網絡)等。優選地，設備2還可以是運行于所述用戶設備、網絡設備、或用戶設備與網絡設備、網絡設備、觸摸終端或網絡設備與觸摸終端通過網絡相集成所構成的設備上的腳本程序。當然，本領域技術人員應能理解上述設備2僅為舉例，其他現有的或今后可能出現的設備2如可適用于本申請，也應包含在本申請保護范圍以內，并在此以引用方式包含于此。所述第五裝置25獲取若干個無線接入點的連接日志信息。例如，所述連接日志信息可以來自于服務器記錄的熱點連接日志。全量的熱點連接日志記錄了所有Wi-Fi熱點的設備信息、配置信息、用戶的連接請求及熱點連接結果等，為數據處理和模型訓練準備盡可能多的數據信息。所述第六裝置26基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型。例如，基于所述連接日志信信息，借助機器學習算法訓練出所述連接成功率模型。在此，所述機器學習算法可以包括Adaboost算法。當然，本領域技術人員應能理解上述機器學習算法僅為舉例，其他現有的或今后可能出現的機器學習算法如可適用于本申請，也應包含在本申請保護范圍以內，并在此以引用方式包含于此。優選地，所述第六裝置26從所述連接日志信息中抽取特征信息；基于所述特征信息，通過機器學習訓練出關于無線接入點的連接成功率模型。例如，所述連接日志信息中的部分信息可能與無線接入點的連接成功率無關或者關系不大，在本實施例中，從所述連接日志信息中抽取影響無線接入點的連接成功率的特征信息，并將所述特征信息作為訓練數據來訓練所述連接成功率模型，從而提高模型訓練效率。優選地，所述特征信息包括以下至少任一項：所述若干個無線接入點的歷史連接信息；所述若干個無線接入點的密碼相關信息。例如，所述歷史連接信息可以包括歷史連接次數、連接人數、成功連接數、歷史連接成功率、失敗原因等信息，所述密碼相關信息可以包括密碼安全級別、密碼創建更新時間等信息。優選地，所述第六裝置26基于所述連接日志信息，通過機器學習迭代訓練出關于無線接入點的連接成功率的回歸模型。例如，可以通過一種機器學習迭代算法(如Adaboost算法)迭代計算確定關于無線接入點的連接成功率的回歸模型的參數，從而訓練得到關于無線接入點的連接成功率的回歸模型。所述第七裝置27根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。例如，將目標無線接入點作為所述連接成功率模型的輸入，所述連接成功率模型輸出該目標無線接入點的連接成功率信息，優選地，以各維度權重向量的形式輸出所述連接成功率信息，例如，連接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影響連接成功率的若干個特征，W1、W2…Wn表示各特征的權重向量。所述連接成功率信息可以包括所述無線接入點近期連接成功的概率。參照表2，表中的各列表示影響連接成功率的若干個特征(包括歷史連接次數、連接人數、成功連接數、歷史連接成功率、失敗原因、密碼安全級別、密碼創建更新時間等)，表中的各行用于收集近期(可以是一天、一周、半個月或一個月等)的訓練數據，根據近期的訓練數據通過機器學習訓練出關于無線接入點的連接成功率模型，即確定了各特征的權重向量W1、W2…Wn。然后，將目標無線接入點作為所述連接成功率模型的輸入，所述連接成功率模型根據已確定的W1、W2…Wn，輸出該目標無線接入點的連接成功率信息。X1X2……Xn表2優選地，所述設備2還包括第八裝置(圖中未示出)和第九裝置(圖中未示出)；所述第八裝置獲取用戶設備發送的無線接入點查詢請求；所述第九裝置根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個目標無線接入點。例如，當用戶打開所述用戶設備上的特定應用，可以將用戶點擊特定按鍵作為向云端服務器發送所述無線接入點查詢請求的觸發條件。所述無線接入點查詢請求可以包括所述用戶設備所掃描到的一個或多個目標無線接入點的SSID(ServiceSetIdentifier，服務集標識)、BSSID(一種特殊的Ad-hocLAN的應用，也稱為BasicServiceSet)等信息，可以將其封裝后發送至該特定應用對應的云端服務器。云端服務器可以通過解封裝等方式，從所述無線接入點查詢請求中解析出所述用戶設備所掃描到的一個或多個目標無線接入點的SSID、BSSID等信息，從而確定與所述用戶設備相對應的一個或多個目標無線接入點。優選地，所述設備2還包括第十裝置(圖中未示出)；所述第十裝置根據所述一個或多個目標無線接入點更新所述連接日志信息。例如，不僅根據所述連接成功率模型，確定所述一個或多個目標無線接入點的連接成功率信息；而且還將通過熱點連接日志記錄下所述一個或多個目標無線接入點的相關信息，以更新所述連接日志信息，可以為之后的模型訓練積累更多更新的數據信息。圖6示出根據本申請又一個實施例的一種用于確定無線接入點的連接成功率信息的設備3，所述設備2包括第十一裝置311和第十二裝置312。具體地，所述第十一裝置311獲取一個或多個無線接入點的特征信息；所述第十二裝置312根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。在此，所述設備3包括但不限于用戶設備、網絡設備、或用戶設備與網絡設備通過網絡相集成所構成的設備。所述用戶設備其包括但不限于任何一種可與用戶通過觸摸板進行人機交互的移動電子產品，例如智能手機、平板電腦等，所述移動電子產品可以采用任意操作系統，如android操作系統、iOS操作系統等。其中，所述網絡設備包括一種能夠按照事先設定或存儲的指令，自動進行數值計算和信息處理的電子設備，其硬件包括但不限于微處理器、專用集成電路(ASIC)、可編程門陣列(FPGA)、數字處理器(DSP)、嵌入式設備等。所述網絡設備其包括但不限于計算機、網絡主機、單個網絡服務器、多個網絡服務器集或多個服務器構成的云；在此，云由基于云計算(CloudComputing)的大量計算機或網絡服務器構成，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虛擬超級計算機。所述網絡包括但不限于互聯網、廣域網、城域網、局域網、VPN網絡、無線自組織網絡(AdHoc網絡)等。優選地，設備3還可以是運行于所述用戶設備、網絡設備、或用戶設備與網絡設備、網絡設備、觸摸終端或網絡設備與觸摸終端通過網絡相集成所構成的設備上的腳本程序。當然，本領域技術人員應能理解上述設備3僅為舉例，其他現有的或今后可能出現的設備3如可適用于本申請，也應包含在本申請保護范圍以內，并在此以引用方式包含于此。所述第十一裝置311獲取一個或多個無線接入點的特征信息。例如，所述特征信息可以包括歷史連接次數、連接人數、成功連接數、歷史連接成功率、失敗原因、密碼安全級別、密碼創建更新時間等信息。所述第十二裝置312根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。例如，以各維度權重向量的形式輸出所述連接成功率信息，連接成功率Y＝W1X1+W2X2+…+WnXn，其中，X1、X2…Xn表示影響連接成功率的若干個特征(包括歷史連接次數、連接人數、成功連接數、歷史連接成功率、失敗原因、密碼安全級別、密碼創建更新時間等)，W1、W2…Wn表示各特征的權重向量。所述連接日志信息記錄了近期的訓練數據，根據近期的訓練數據通過機器學習訓練出關于無線接入點的連接成功率模型，即確定了各特征的權重向量W1、W2…Wn。然后，將所述一個或多個無線接入點的特征信息作為所述連接成功率模型的輸入，所述連接成功率模型根據已確定的W1、W2…Wn，輸出該一個或多個無線接入點的連接成功率信息。后續，可基于所述連接成功率信息為用戶設備推薦連接成功率最高的無線接入點，或者，將所述連接成功率信息隨無線接入點提供至用戶設備供用戶參考。優選地，所述設備3還包括第十三裝置(圖中未示出)；所述第十三裝置根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至對應的用戶設備。例如，可以根據所述連接成功率信息，對所述無線接入點進行優先級排序，然后將最優的一個或者較優的多個無線接入點的無線接入點信息提供至對應的用戶設備。優選地，所述第十一裝置311獲取第一時間單元的一個或多個無線接入點的特征信息；所述第十二裝置312根據連接成功率模型，確定所述第一時間單元的一個或多個無線接入點的連接成功率信息；其中，所述連接成功率模型基于第二時間單元的連接日志信息通過機器學習訓練所得。在此，每個時間單元可以是一天、半天、兩天等，所述第一時間單元可以是當前24小時、當前12小時、當前48小時等，所述第二時間單元可以是前一24小時、前一12小時、前一48小時等。例如，從所述第二時間單元的連接日志信息中抽取特征信息，通過機器學習訓練得到所述連接成功率模型；并根據所述連接成功率模型及所述第一時間單元的一個或多個無線接入點的特征信息，確定所述第一時間單元的一個或多個無線接入點的連接成功率信息。更優選地，基于第二時間單元的連接日志信息通過機器學習訓練得到連接成功率模型的特征信息的權重向量；根據所述連接成功率模型的特征信息的權重向量，確定所述第一時間單元的一個或多個無線接入點的連接成功率信息。例如，從所述第二時間單元的連接日志信息中抽取特征信息X1”、X2”…Xn”，通過機器學習訓練得到所述連接成功率模型的特征信息的權重向量W1、W2…Wn；并根據所述連接成功率模型的特征信息的權重向量W1、W2…Wn及所述第一時間單元的一個或多個無線接入點的特征信息X1’、X2’…Xn’，確定所述第一時間單元的一個或多個無線接入點的連接成功率信息Y＝W1X1’+W2X2’+…+WnXn’。根據本申請的又一個方面，還提供了一種用于提供無線接入點信息的設備，其中，該設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器：獲取用戶設備發送的無線接入點查詢請求；根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得；根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。根據本申請的又一個方面，還提供了一種用于確定無線接入點的連接成功率信息的設備，其中，該設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器：獲取若干個無線接入點的連接日志信息；基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型；根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。根據本申請的又一個方面，還提供了一種用于確定無線接入點的連接成功率信息的設備，其中，該設備包括：處理器；以及被安排成存儲計算機可執行指令的存儲器，所述可執行指令在被執行時使所述處理器：獲取一個或多個無線接入點的特征信息；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。根據本申請的又一個方面，還提供了一種包括指令的計算機可讀存儲介質，所述指令在被執行時使得系統進行以下操作：獲取用戶設備發送的無線接入點查詢請求；根據所述無線接入點查詢請求確定與所述用戶設備相對應的一個或多個無線接入點；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得；根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備。根據本申請的又一個方面，還提供了一種包括指令的計算機可讀存儲介質，所述指令在被執行時使得系統進行以下操作：獲取若干個無線接入點的連接日志信息；基于所述連接日志信息，通過機器學習訓練出關于無線接入點的連接成功率模型；根據所述連接成功率模型，確定目標無線接入點的連接成功率信息。根據本申請的又一個方面，還提供了一種包括指令的計算機可讀存儲介質，所述指令在被執行時使得系統進行以下操作：獲取一個或多個無線接入點的特征信息；根據連接成功率模型，確定所述無線接入點的連接成功率信息，其中，所述連接成功率模型基于連接日志信息通過機器學習訓練所得。與現有技術相比，本申請獲取用戶設備發送的無線接入點查詢請求，并據此確定與所述用戶設備相對應的一個或多個無線接入點，然后，根據基于連接日志信息通過機器學習訓練所得的連接成功率模型確定所述無線接入點的連接成功率信息，接著，根據所述連接成功率信息，將所述一個或多個無線接入點中至少一個的無線接入點信息提供至所述用戶設備，呈現給用戶，以便用戶選擇更優的無線接入點進行連接，從而提高連接質量，優化用戶體驗。進一步地，本申請根據所述連接成功率信息及所述無線信號強度信息，確定所述無線接入點的優先級信息，從而提供更精準的無線接入點信息供用戶參考。進一步地，本申請從所述連接日志信息中抽取特征信息，并基于所述特征信息，通過機器學習訓練出關于無線接入點的連接成功率模型，從而提高模型訓練效率。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。在一個實施例中，本申請的軟件程序可以通過處理器執行以實現上文所述步驟或功能。同樣地，本申請的軟件程序(包括相關的數據結構)可以被存儲到計算機可讀記錄介質中，例如，RAM存儲器，磁或光驅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，例如，作為與處理器配合從而執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品，例如計算機程序指令，當其被計算機執行時，通過該計算機的操作，可以調用或提供根據本申請的方法和/或技術方案。而調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中，和/或通過廣播或其他信號承載媒體中的數據流而被傳輸，和/或被存儲在根據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行時，觸發該裝置運行基于前述根據本申請的多個實施例的方法和/或技術方案。對于本領域技術人員而言，顯然本申請不限于上述示范性實施例的細節，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利要求而不是上述說明限定，因此旨在將落在權利要求的等同要件的含義和范圍內的所有變化涵括在本申請內。不應將權利要求中的任何附圖標記視為限制所涉及的權利要求。此外，顯然“包括”一詞不排除其他單元或步驟，單數不排除復數。裝置權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。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。當前第1頁1 2 3