本發(fā)明涉及數(shù)據(jù)處理領域，特別涉及一種業(yè)務參數(shù)選取方法及相關設備。

背景技術：

在用互聯(lián)網數(shù)據(jù)建立模型時，我們往往要從海量的數(shù)據(jù)當中去挑選出對模型有用的業(yè)務參數(shù)，由于選取變量時候，會有海量的數(shù)據(jù)產生，直接利用這些數(shù)據(jù)進行業(yè)務開展的時候，會導致運算比較耗時，另外由于對業(yè)務參數(shù)的選取方式不恰當還會導致具有統(tǒng)計價值的業(yè)務參數(shù)的損失。

技術實現(xiàn)要素：

有鑒于此，本發(fā)明實施例提供了一種業(yè)務參數(shù)選取方法及相關設備。

第一方面，本發(fā)明實施例中提供的業(yè)務參數(shù)選取方法，所述方法包括：

配置第一候選樣本集合，其中，所述第一候選樣本集合包括多個候選樣本：

獲取所述第一候選樣本集合中每個候選樣本的iv值；

將所述第一候選樣本集合中iv值超過預設閾值的候選樣本確定為第一初選樣本，并將所述第一初選樣本存入第二待選樣本集合；

利用逐步判別分析和/或聚類分析對所述第二待選樣本集合處理以得到具有顯著性標準的目標樣本，所述目標樣本用于確定所述業(yè)務參數(shù)。

在一個可能的設計中，所述獲取所述第一候選樣本集合中每個候選樣本的iv值具體包括：

將所述候選樣本按照預先配置的二級制文件個數(shù)進行拆分；

利用所述二進制文件與所述iv值的對應關系獲得所述候選樣本的iv值。

在一個可能的設計中，所述利用逐步判別分析和/或聚類分析對所述第二待選樣本集合處理以得到具有顯著性標準的目標樣本具體包括：

對所述第二待選樣本集合進行逐步判別分析得到第三待處理樣本集合和/或對所述第二待選樣本集合進行聚類分析得到第四待處理樣本集合；

將所述第三待處理樣本集合和/或第四待處理樣本集合確定為所述目標樣本。

在一個可能的設計中，所述對所述第二待選樣本集合進行逐步判別分析得到第三待處理樣本集合包括：

利用所述逐步判別分析選出所述第二待選樣本集合中多個具有顯著性標準的第一變量及獲取所述多個顯著性標準的第一變量的n個輸入至所述第三待處理樣本集合，所述n為正整數(shù)，和/或

將所述第二待選樣本集合中第一待選樣本均分為多個向前選擇子集合并在每個所述向前選擇子集合中選取出m個具有顯著性的變量輸入所述第三待處理樣本集合，所述m為正整數(shù)。

在一個可能的設計中，對所述第二待選樣本集合進行聚類分析得到第四待處理樣本集合，具體包括：

利用聚類分析將所述第二待選樣本集合中第一初選樣本進行分類得到多個具有不同類別的聚類分析集合；

分別獲取每個聚類分析集合中的具有顯著性的變量組成所述第四待處理樣本集合。

在一個可能的設計中，當將所述第三待處理樣本集合和第四待處理樣本集合確定為所述目標樣本時，所述方法還包括：

對所述第三待處理樣本集合和所述第四待處理樣本集合進行去重操作。

第二方面，本發(fā)明實施例提供了一種業(yè)務參數(shù)獲取的裝置，該業(yè)務參數(shù)獲取的裝置具有實現(xiàn)上述第一方面中業(yè)務參數(shù)獲取設備行為的功能。所述功能可以通過硬件實現(xiàn)，也可以通過硬件執(zhí)行相應的軟件實現(xiàn)。所述硬件或軟件包括一個或多個與上述功能相對應的模塊。

在一個可能的設計中，業(yè)務參數(shù)獲取的裝置的結構中包括處理器和存儲器，所述存儲器用于存儲支持業(yè)務參數(shù)獲取的裝置執(zhí)行上述方法的程序，所述處理器被配置為用于執(zhí)行所述存儲器中存儲的程序。所述業(yè)務參數(shù)獲取的裝置還可以包括通信接口，用于業(yè)務參數(shù)獲取裝置與其他設備或通信網絡通信。

第三方面，本發(fā)明實施例提供了一種計算機存儲介質，用于儲存為上述 業(yè)務參數(shù)獲取的設備所用的計算機軟件指令，其包含用于執(zhí)行上述方面為業(yè)務參數(shù)獲取的設備所設計的程序。

從以上技術方案可以看出，本發(fā)明實施例具有以下優(yōu)點：

本發(fā)明實施例中介紹的業(yè)務參數(shù)獲取方法及相關設備，首先配置第一候選樣本集合，其中，所述第一候選樣本集合包括多個候選樣本，獲取所述第一候選樣本集合中每個候選樣本的iv值，將所述第一候選樣本集合中iv值超過預設閾值的候選樣本確定為第一初選樣本，并將所述第一初選樣本存入第二待選樣本集合，利用逐步判別分析和/或聚類分析對所述第二待選樣本集合處理以得到具有顯著性標準的目標樣本，所述目標樣本用于確定所述業(yè)務參數(shù)，利用iv值剔除不顯著的變量得到第二待選樣本集合，通過逐步判別分析和聚類分析第二待選樣本集合得到具有顯著性標準的目標樣本，保證了變量的多樣性，優(yōu)化了現(xiàn)有的選取流程，減少了降維過程當中變量信息的丟失問題。

本發(fā)明的這些方面或其他方面在以下實施例的描述中會更加簡明易懂。

附圖說明

圖1是本發(fā)明實施例中業(yè)務參數(shù)獲取方法的一種實施例的流程圖；

圖2是本發(fā)明實施例中業(yè)務參數(shù)獲取方法的另一種實施例的流程圖；

圖3是本發(fā)明實施例中業(yè)務參數(shù)獲取裝置的一種實施例的結構圖；

圖4是本發(fā)明實施例中業(yè)務參數(shù)獲取設備的一種實施例的結構圖。

具體實施方式

為了使本技術領域的人員更好地理解本發(fā)明方案，下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述。

在本發(fā)明的說明書和權利要求書及上述附圖中的描述的一些流程中，包含了按照特定順序出現(xiàn)的多個操作，但是應該清楚了解，這些操作可以不按照其在本文中出現(xiàn)的順序來執(zhí)行或并行執(zhí)行，操作的序號如101、102等，僅僅是用于區(qū)分開各個不同的操作，序號本身不代表任何的執(zhí)行順序。另外，這些流程可以包括更多或更少的操作，并且這些操作可以按順序執(zhí)行或并行執(zhí)行。需要說明的是，本文中的“第一”、“第二”等描述，是用于區(qū)分不同 的消息、設備、模塊等，不代表先后順序，也不限定“第一”和“第二”是不同的類型。

在進行介紹之前，先對所可能用到的名詞進行介紹：

方差膨脹因子：(varianceinflationfactor，vif)：是指解釋變量之間存在多重共線性時的方差與不存在多重共線性時的方差之比。容忍度的倒數(shù)，vif越大，顯示共線性越嚴重。經驗判斷方法表明：當0<vif<10，不存在多重共線性；當10≤vif<100，存在較強的多重共線性；當vif≥100，存在嚴重多重共線性。

iv值：(informationvalue)以判斷該變量對二元因變量是否表現(xiàn)出了足夠明顯的區(qū)分能力。

逐步判別分析過程(stepdisc)用于在判別分析前篩選出對數(shù)據(jù)的判別具有顯著性標準的變量，它通過向前選擇、向后剔除、逐步選擇三種選擇變量的方式，進行逐步判別分析，試圖找出一組能夠充分表示各類別之間差異的變量，從而舍棄其他含信息量少的變量。

聚類分析：(procvarclus)與主成分分析非常類似，經常被用在變量降維上，以達到剔除多余變量的目的。這種變量分類方法使得最后得到的類中的變量盡可能的相關，不同類之間的變量盡可能的不相關。當某一類的第二特征根大于一個閥值時，這個類將會進一步分為兩個不同的類。

顯著性標準：研究一個或多個隨機變量y1，y2，…，yi與另一些變量x1、x2，…，xk之間的關系的統(tǒng)計方法，又稱多重回歸分析。通常稱y1，y2，…，yi為因變量，x1、x2，…，xk為自變量，回歸分析是一類數(shù)學模型，特別當因變量和自變量為線性關系時，它是一種特殊的線性模型，在許多自變量共同影響著一個因變量的關系中，判斷哪個(或哪些)自變量的影響是顯著的，哪些自變量的影響是不顯著的，將影響顯著的自變量入模型中，而剔除影響不顯著的變量，通常用逐步回歸、向前回歸和向后回歸等方法。

結合圖1所示，本發(fā)明實施例中提供的業(yè)務參數(shù)選取方法的一種實施例，所述方法包括：

s101、配置第一候選樣本集合，其中，所述第一候選樣本集合包括多個 候選樣本。

第一候選樣本集合中可以包括多個候選樣本，這些候選樣本可以是變量，具體可以為不用類型的變量，有的變量與其他之間可以具有相關性，也可以不具有相關性，其中包括所需要的變量，本發(fā)明的目的就是將這些所需要的變量選取出來，值得一提的是，在第一候選樣本集合中的候選樣本的數(shù)量是海量，采用不合適的獲取方法會導致有用的變量損失以及耗時，將候選樣本放置到第一候選樣本集合中等待后續(xù)步驟的選取。

s102、獲取所述第一候選樣本集合中每個候選樣本的iv值。

iv(informationvalue，信息價值)值用于判斷該變量對二元因變量是否表現(xiàn)出了足夠明顯的區(qū)分能力，iv值的數(shù)值表示該x變量對y變量有區(qū)分度可以采用相對應的評價標準，1)≤0.02：沒有區(qū)分度；2)(0.02，0.1]：較弱；3)(0.1，0.3]：適中；4)≥0.3：較強，在本實施例中，為了在用iv值進行初篩時可以適當?shù)陌褩l件放寬一點，可以選取iv值大于0.01即可，當然，本領域普通技術人員可以選取其他數(shù)值，具體不做限定。

值得一提的是，iv值只是提供一個判斷自變量x是否對因變量y有區(qū)分度的標準之一，具體在實際的建模過程當中，該變量是否最終能進入模型還會有許多其它考量因素，譬如p-value，bivar圖等，具體不做限定。

s103、將所述第一候選樣本集合中iv值超過預設閾值的候選樣本確定為第一初選樣本，并將所述第一初選樣本存入第二待選樣本集合。

這里的預設閾值可以為0.01，即當候選樣本的iv值超過0.01時則確定該候選樣本為第一初選樣本，該候選樣本在利用iv值進行初選時通過，將經過初選得到的第一初選樣本存到第二待選樣本集合中供后續(xù)步驟使用，對于iv值沒有超過預設閾值的候選樣本進行剔除。

s104、利用逐步判別分析和/或聚類分析對所述第二待選樣本集合處理以得到具有顯著性標準的目標樣本，所述目標樣本用于確定所述業(yè)務參數(shù)。

對第二待選樣本集合進行第二輪篩選，可以采用逐步判別分析和/或聚類分析的方式，即可以單獨采用逐步判別分析或聚類分析，還可以同時采用逐步判別分析和聚類分析，顯著性標準是指在統(tǒng)計中變量具有顯著性，顯著性標準檢驗是通過方差分析表輸出的，通過顯著性標準檢驗回歸方程的線性關 系是否顯著，可選地，顯著性標準在0.05以上，逐步判別分析通過向前選擇、向后剔除、逐步選擇三種選擇變量的方式，進行逐步判別分析，試圖找出一組能夠充分表示各類別之間差異的變量，從而舍棄其他含信息量少的變量。

逐步判別分析僅選擇變量而不去計算判別函數(shù)，相比較逐步回歸分析中選擇變量時還需要計算變量參數(shù)、各種統(tǒng)計值來說效率就會高很多，特別適合在用海量數(shù)據(jù)建模時的變量預篩選。但以往逐步判別分析運用比較多的還是在做判別分析時進行變量預篩，這里我們創(chuàng)新性的將逐步判別分析運用于逐步回歸分析前的變量初篩，并通過逐步選擇與向前選擇相結合的方法避免單一方法造成信息損失過多。

當建模數(shù)據(jù)集中包含成千上萬個變量時，有些變量之間會存在比較明顯的相關關系，譬如都屬于同一類型的變量，需要將這些變量進行剔除，可以用聚類分析去將自變量分成不同的類，再從每一類中選出具有代表性的變量，這樣建模人員就能較快速的減少變量的個數(shù)，從而加速整個建模的進程。

聚類分析(procvarclus)與主成分分析非常類似，經常被用在變量降維上，以達到剔除多余變量的目的。這種變量分類方法使得最后得到的類中的變量盡可能的相關，不同類之間的變量盡可能的不相關。當某一類的第二特征根大于一個閥值時，這個類將會進一步分為兩個不同的類。

本發(fā)明實施例中介紹的業(yè)務參數(shù)獲取方法，首先配置第一候選樣本集合，其中，所述第一候選樣本集合包括多個候選樣本，獲取所述第一候選樣本集合中每個候選樣本的iv值，將所述第一候選樣本集合中iv值超過預設閾值的候選樣本確定為第一初選樣本，并將所述第一初選樣本存入第二待選樣本集合，利用逐步判別分析和/或聚類分析對所述第二待選樣本集合處理以得到具有顯著性標準的目標樣本，所述目標樣本用于確定所述業(yè)務參數(shù)，利用iv值剔除明顯不顯著的變量得到第二待選樣本集合，通過逐步判別分析和聚類分析第二待選樣本集合得到具有顯著性標準的目標樣本，保證了變量的多樣性，優(yōu)化了現(xiàn)有的變量選取流程，減少了降維過程當中信息的丟失問題。

結合圖2所示，本發(fā)明實施例中提供的業(yè)務參數(shù)選取方法的另一種實施例，所述方法包括：

s201、配置第一候選樣本集合，其中，所述第一候選樣本集合包括多個 候選樣本。

s202、獲取所述第一候選樣本集合中每個候選樣本的iv值。

所述獲取所述第一候選樣本集合中每個候選樣本的iv值具體包括：

將所述候選樣本按照原先配置的二級制文件個數(shù)進行拆分；

利用所述二進制文件與所述iv值的對應關系獲得所述候選樣本的iv值。具體地說，計算iv值的具體公式如下：

計算iv值時需要將自變量x分成不同的bin(二進制文件)加以計算，其中n表示分的全部二進制文件的個數(shù)，#gi，#bi分別表示每個二進制文件中好壞樣本的個數(shù)。對于連續(xù)性的變量首先拆分二進制文件，iv值會根據(jù)二進制文件的個數(shù)不同而有所差異，iv值會隨著二進制文件的個數(shù)增加而增加，增加的幅度越來越小，連續(xù)性變量可以選取二進制文件的個數(shù)為20，具體不做限定。

s203、將所述第一候選樣本集合中iv值超過預設閾值的候選樣本確定為第一初選樣本，并將所述第一初選樣本存入第二待選樣本集合。

步驟s203與上一實施例中步驟s103相類似，此處不進行贅述。

s204、利用逐步判別分析和/或聚類分析對所述第二待選樣本集合處理以得到具有顯著性標準的目標樣本，所述目標樣本用于確定所述業(yè)務參數(shù)。

當僅采用逐步分析判別時候：對所述第二待選樣本集合進行逐步判別分析得到第三待處理樣本集合，將所述第三待處理樣本集合和/或第四待處理樣本集合確定為所述目標樣本。

在進行逐步分析判別時候可以采用一輪向前選擇和五輪逐步分析的方式進行選擇。

采用逐步選擇時，利用所述逐步回歸分析方法選出所述第二待選樣本集合中具有多個顯著性的第一變量；

獲取所述多個顯著性的第一變量的n個輸入至所述第三待處理樣本集合，所述n為正整數(shù)。

用逐步選擇選出所有滿足指定顯著性標準的變量，并輸出到指定的數(shù)據(jù)集，再挑選出前n個被選中的變量，實際過程中，我們經常會遇到可能滿足變量的個數(shù)達不到n個，這時可以相應的調整顯著性標準和需要輸出的變量個數(shù)，這里n可以為500，具體不做限定。

采用向前選擇時，將所述第二待選樣本集合中第一待選樣本均分為多個向前選擇子集合；

在每個所述向前選擇子集合中選取出m個具有顯著性的變量輸入所述第三待處理樣本集合，所述m為正整數(shù)。

將變量隨機的分成5等份，在每一等份里面用向前選擇選出滿足指定顯著性標準的變量的m個變量，這里m可以為100，具體不做限定。

當僅采用聚類分析時候：對所述第二待選樣本集合進行聚類分析得到第四待處理樣本集合，將所述第三待處理樣本集合和/或第四待處理樣本集合確定為所述目標樣本。

利用聚類分析將所述第二待選樣本集合中第一初選樣本進行分類得到多個具有不同類別的聚類分析集合；

分別獲取每個聚類分析集合中的具有顯著性標準的變量組成所述第四待處理樣本集合。

可以通過指定第二特征根的大小，可以取第二特征根>0.7進行去生成分類，分好類之后需要從每個分類里面選取有顯著性標準的變量，選取的變量需同時滿足：1)和本身的分類高度相關；2)同時和其它分類相關性較低，指標1-r²值可以用來去判斷變量是否滿足上述兩個條件，其計算公式如下：

在輸出的第四待處理樣本集合中，變量即為指標1-r²，具體到選取變量時該值設定為多少不進行限定，可以按照該值的大小在每一類中選取對應變量的個數(shù)，選取的標準是該值越小越好。

當同時采用逐步分析判別和聚類分析時候：對所述第二待選樣本集合進行逐步判別分析得到第三待處理樣本集合，對所述第二待選樣本集合進行聚 類分析得到第四待處理樣本集合，將所述第三待處理樣本集合和第四待處理樣本集合確定為所述目標樣本。

s205、對所述第三待處理樣本集合和所述第四待處理樣本集合進行去重操作。

當將所述第三待處理樣本集合和第四待處理樣本集合確定為所述目標樣本時，通過利用逐步分析判別和聚類分析分別對第二待選樣本集合進行篩選得到第三待處理樣本集合和第四待處理樣本集合，因為是分別進行的選取，在第三待處理樣本集合和所述第四待處理樣本集合中會存在相同的變量，在進行建模時候，需要將重復的變量進行剔除，這里采用去重的方式，本領域普通技術人員應當了解，具體不作贅述。

為了方便理解，這里以第一候選樣本集合為a1、a2、a3、……a10000進行舉例，經過iv值＞0.01進行初選得到第二待選樣本集合a1、a2、a3、……a8000，經過一輪向前選擇對第二待選樣本集合進行變量選擇可以得到a1、a5、a16、……a5977共計500個變量，輸入至第三待處理樣本集合中，經過五輪逐步分析對第二待選樣本集合進行變量選擇可以得到a1、a5、a7、……a7201共計500個變量，輸入至第三待處理樣本集合中，經過聚類分析對第二待選樣本集合進行變量選擇可以得到a1、a52、a103、……a7050共計200個變量，輸入至第四待處理樣本集合中，將第三待處理樣本集合和第四待處理樣本集合中包含1200個變量確定為目標樣本，可以理解的是，這1200個變量中會存在重復的變量，可以通過去重操作即可得到最終的變量池，作為建模使用。

結合圖3所示，上文中介紹了業(yè)務參數(shù)獲取方法，本發(fā)明的實施例中還提供了一種業(yè)務參數(shù)獲取裝置，下面進行具體介紹。

所述裝置包括：

配置單元301，用于配置第一候選樣本集合，其中，所述第一候選樣本集合包括多個候選樣本：

獲取單元302，用于獲取所述第一候選樣本集合中每個候選樣本的iv值；

確定單元303，用于將所述第一候選樣本集合中iv值超過預設閾值的候選樣本確定為第一初選樣本，并將所述第一初選樣本存入第二待選樣本集合；

處理單元304，用于利用逐步判別分析和/或聚類分析對所述第二待選樣 本集合處理以得到具有顯著性標準的目標樣本，所述目標樣本用于確定所述業(yè)務參數(shù)。

可選地，所述獲取單元302還用于：

將所述候選樣本按照原先配置的二級制文件個數(shù)進行拆分；

利用所述二進制文件與所述iv值的對應關系獲得所述候選樣本的iv值。

可選地，所述處理單元304還用于：

對所述第二待選樣本集合進行逐步判別分析得到第三待處理樣本集合和/或對所述第二待選樣本集合進行聚類分析得到第四待處理樣本集合；

將所述第三待處理樣本集合和/或第四待處理樣本集合確定為所述目標樣本。

可選地，所述處理單元304還用于：

利用所述逐步判別分析選出所述第二待選樣本集合中多個具有顯著性標準的第一變量及獲取所述多個顯著性標準的第一變量的n個輸入至所述第三待處理樣本集合，所述n為正整數(shù)，和/或

將所述第二待選樣本集合中第一待選樣本均分為多個向前選擇子集合并在每個所述向前選擇子集合中選取出m個具有顯著性的變量輸入所述第三待處理樣本集合，所述m為正整數(shù)

可選地，所述處理單元304還用于：

利用聚類分析將所述第二待選樣本集合中第一初選樣本進行分類得到多個具有不同類別的聚類分析集合；

分別獲取每個聚類分析集合中的具有顯著性的變量組成所述第四待處理樣本集合。

可選地，當將所述第三待處理樣本集合和第四待處理樣本集合確定為所述目標樣本時，所述處理單元304還用于：

對所述第三待處理樣本集合和所述第四待處理樣本集合進行去重操作。

圖4所示，為了實現(xiàn)上述方法，本發(fā)明實施例中還提供一種業(yè)務參數(shù)獲取的設備，包括：處理器401和存儲器403，其中，

所述存儲器401中存有計算機可讀程序；

所述處理器403通過運行所述存儲器中的程序，具體用于：

配置第一候選樣本集合，其中，所述第一候選樣本集合包括多個候選樣本：

獲取所述第一候選樣本集合中每個候選樣本的iv值；

將所述第一候選樣本集合中iv值超過預設閾值的候選樣本確定為第一初選樣本，并將所述第一初選樣本存入第二待選樣本集合；

利用逐步判別分析和/或聚類分析對所述第二待選樣本集合處理以得到具有顯著性標準的目標樣本，所述目標樣本用于確定所述業(yè)務參數(shù)。

圖4所示為本發(fā)明實施例提供的業(yè)務參數(shù)獲取設備示意圖。業(yè)務參數(shù)獲取設備200包括至少一個處理器401，通信總線402，存儲器403以及至少一個通信接口404。

處理器401可以是一個通用中央處理器(cpu)，微處理器，特定應用集成電路(application-specificintegratedcircuit，asic)，或一個或多個用于控制本發(fā)明方案程序執(zhí)行的集成電路。

通信總線402可包括一通路，在上述組件之間傳送信息。所述通信接口404，使用任何收發(fā)器一類的裝置，用于與其他設備或通信網絡通信，如以太網，無線接入網(ran)，無線局域網(wirelesslocalareanetworks，wlan)等。

存儲器403可以是只讀存儲器(read-onlymemory，rom)或可存儲靜態(tài)信息和指令的其他類型的靜態(tài)存儲設備，隨機存取存儲器(randomaccessmemory，ram)或者可存儲信息和指令的其他類型的動態(tài)存儲設備，也可以是電可擦可編程只讀存儲器(electricallyerasableprogrammableread-onlymemory，eeprom)、只讀光盤(compactdiscread-onlymemory，cd-rom)或其他光盤存儲、光碟存儲(包括壓縮光碟、激光碟、光碟、數(shù)字通用光碟、藍光光碟等)、磁盤存儲介質或者其他磁存儲設備、或者能夠用于攜帶或存儲具有指令或數(shù)據(jù)結構形式的期望的程序代碼并能夠由計算機存取的任何其他介質，但不限于此。存儲器可以是獨立存在，通過總線與處理器相連接。存儲器也可以和處理器集成在一起。

其中，所述存儲器403用于存儲執(zhí)行本發(fā)明方案的程序代碼，并由處理 器401來控制執(zhí)行。所述處理器401用于執(zhí)行所述存儲器403中存儲的程序代碼。

在具體實現(xiàn)中，作為一種實施例，處理器401可以包括一個或多個cpu，例如圖4中的cpu0和cpu1。

在具體實現(xiàn)中，作為一種實施例，業(yè)務參數(shù)獲取設備400可以包括多個處理器，例如圖4中的處理器401和處理器408。這些處理器中的每一個可以是一個單核(single-cpu)處理器，也可以是一個多核(multi-cpu)處理器。這里的處理器可以指一個或多個設備、電路、和/或用于處理數(shù)據(jù)(例如計算機程序指令)的處理核。

在具體實現(xiàn)中，作為一種實施例，業(yè)務參數(shù)獲取設備400還可以包括輸出設備405和輸入設備406。輸出設備405和處理器401通信，可以以多種方式來顯示信息。例如，輸出設備405可以是液晶顯示器(liquidcrystaldisplay，lcd),發(fā)光二級管(lightemittingdiode，led)顯示設備，陰極射線管(cathoderaytube，crt)顯示設備，或投影儀(projector)等。輸入設備406和處理器401通信，可以以多種方式接受用戶的輸入。例如，輸入設備406可以是鼠標、鍵盤、觸摸屏設備或傳感設備等。

上述的業(yè)務參數(shù)獲取設備400可以是一個通用計算機設備或者是一個專用計算機設備。在具體實現(xiàn)中，業(yè)務參數(shù)獲取設備400可以是虛擬現(xiàn)實設備、臺式機、便攜式電腦、網絡服務器、掌上電腦(personaldigitalassistant，pda)、移動手機、平板電腦、無線終端設備、通信設備、嵌入式設備或有圖4中類似結構的設備，本發(fā)明實施例不限定業(yè)務參數(shù)獲取設備400的類型。

所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。

在本申請所提供的幾個實施例中，應該理解到，所揭露的系統(tǒng)，裝置和方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個 系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另一點，所顯示或討論的相互之間的耦合或直接耦合或通信連接可以是通過一些接口，裝置或單元的間接耦合或通信連接，可以是電性，機械或其它的形式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上?？梢愿鶕?jù)實際的需要選擇其中的部分或者全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

以上對本發(fā)明所提供的一種業(yè)務參數(shù)獲取方法及相關設備進行了詳細介紹，對于本領域的一般技術人員，依據(jù)本發(fā)明實施例的思想，在具體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內容不應理解為對本發(fā)明的限制。