一种面向自然语言搜索结构化数据的词义积累及分词方法、工具和系统

摘要

本发明涉及一种面向自然语言搜索结构化数据的词义积累及分词方法、工具和系统。在配置库中定义虚拟维度数据，并更新词典；在配置库中，每一类实体各有一张虚拟维度表，所述虚拟维度表包含实体名称列和维度列，在所述虚拟维度表中定义虚拟维度数据；在搜索结构化数据过程中，对用户输入的自然语言，先使用个人词典分词，对个人词典未识别出的词，再使用系统词典进行分词，从而将用户输入的自然语言转译为数据库查询语言；当超过N个个人字典将对同一个词定义了相同的词义，则将该词的词义从人字典同步至系统词典。本发明词义积累准确、快速。

说明书

技术领域

本发明涉及一种面向自然语言搜索结构化数据的词义积累及分词方法、工具和系统。

背景技术

基于自然语言处理(NLP)技术搜索结构化数据，即将自然语言(Query)转译为数据库查询语言(SQL)，查询数据库中各表所包含的数据信息，是泛搜索引擎领域和各行业垂直数据库查询都重点发展的技术之一。因为各人知识储备的不同、对被搜索数据库表结构的熟悉程度不同、以及人类本身删繁就简的偏好，输入的自然语言词汇相比搜索引擎能寻址的基于数据库数据的标准化名称，具有极大的非标准化概率，由此造成搜索成功率较低，用户挫折感和困惑累积，最终造成产品黏性丧失。

目前，在基于自然语言处理技术搜索结构化数据过程中，如果出现输入词汇不能被识别的情况，可以通过语义积累来完善、扩展搜索引擎所能够智能化识别的词汇，从而提高搜索引擎语义识别能力。所谓语义积累，即在词典中加入一个本来不能识别的词，并明确该词代表的意思从数据库中何处检索。常用的语义积累方法有：

1、配同义词。当搜索引擎不能识别的词汇为表的字段名、字段值时，则为字段名、字段值添加同义词。例如，新建同义词表，同义词表包括主词、同义词、标签等字段，将所有可能会被搜索的维度名的描述(如公司简称)、维度值(如贵州茅台)、指标名的描述(如净利润)生成到词典表的“主词”字段下；初始阶段找一批主词的同义词，批量导入到对应主词的“同义词”字段下，用户使用同义词搜索时，搜索引擎可以通过词典表找出同义词所对应的主词，通过主词进行搜索。即通过扩展主词的同义词范围，扩展搜索引擎的语义识别能力；在日常使用过程中，搜索系统可以持续收集用户的反馈，不断增加主词的同义词。

2、添加衍生计算字段。衍生计算字段由基础字段、函数、运算符等共同构成的公式定义。首先，确定要创建的衍生计算字段的名称、依赖的基础字段、计算公式；新建一张衍生计算字段表，将包括但不限于以上信息导入该表中；对该表中的衍生计算字段名称生词，用户即可在搜索某个衍生字段名称时，搜索引擎对应到计算公式，进行实时计算，输出结果。在日常使用过程中，搜索系统可以不断地增加衍生计算字段。

3、添加专业术语。专业术语一般指是将较多的维度、指标或条件组合、概括后精炼形成的一个词或短语，如基本面＝“净利润营业收入基本每股收益每股净资产资产负债率每股未分配利润销售毛利率销售净利率”。

上述方法存在以下缺陷：

1、无论是配同义词还是添加衍生计算字段，在现有搜索系统中均只有一套词库，这就要求词库中的所有词的词义都不具有争议。比如，增加“利润”为“净利润”的同义词，需要确定绝大多数用户都认可这两个词是同义词。如果有部分用户，例如有1/5的用户认为“利润”是“营业利润”或者“毛利润”的同义词，那么这个同义词就不能添加只词库，因为必须全网都统一。

2、依赖于系统级维护人员的工作效率，若增加某个词的需求反馈后不能得到后台系统级维护人员及时处理，可能使用户的工作无法继续使用。

3、现有方法配置语义均依赖于数据库中现有的数据，对于具有维度属性的数据，无法通过在现有词典中添加同义词、定义衍生计算公式以及定义专业术语来扩展语义识别能力。例如，搜索“奇葩说概念股”(《奇葩说》是一个综艺节目)，数据库中所属“概念”字段(维度名)下，有“人工智能”、“区块链”、“猪肉”等等字段值(维值)，就是没有“奇葩说”，此时，无法基于数据库库中已有数据，用同义词、专业术语等方式将“奇葩说”解释出来。

发明内容

本发明提出一种面向自然语言搜索结构化数据的词义积累及分词方法、工具和系统。

为了解决上述技术问题，本发明提供一种面向自然语言搜索结构化数据的词义积累方法，在配置库中定义虚拟维度数据，并更新词典，以用于对用户提交查询的关键词串进行分词；所述虚拟维度数据是指作为搜索对象的结构化数据中实体所不包括的维度数据，所述维度数据包括维度名和维度值；其中，在配置库中，每一类实体各有一张虚拟维度表，所述虚拟维度表包含实体名称列和维度列，在所述虚拟维度表中定义虚拟维度数据。

较佳地，定义所述虚拟维度数据的方法为：当未识别的词具有结构化数据中的维度属性时，确定所述未识别词对应的实体；如果所述未识别词为维度名时，在虚拟维度表新建以此维度名命名的维度列，并为所述实体在所述维度名下赋维度值；如果未识别的词为维度值时，则先确定所述维度值对应的维度名，然后在所述虚拟维度表中将未识别词作为维度值添加至符合条件的实体名称的该维度名下。

较佳地，搜索系统包括系统词典和个人词典；其中，所述个人词典为特定用户自定义的词典，个人词典与特定用户ID对应；所述系统词典为不特定用户共用的词典；将定义的虚拟维度数据更新至个人词典。

较佳地，还采用以下一种或多种方式在配置库中定义词义，并更新至个人词典：

方式一：新建或补充同义词表；

方式二：新建或补充术语表；

方式三：新建或补充衍生计算字段表。

较佳地，所述面向自然语言搜索结构化数据的分词方法，包括前述词义积累方法，在搜索结构化数据过程中，对用户输入的自然语言，先使用个人词典分词，对个人词典未识别出的词，再使用系统词典进行分词，从而将用户输入的自然语言转译为数据库查询语言。

较佳地，所述面向自然语言搜索结构化数据的分词方法，包括前述词义积累方法；当超过N个个人字典将对同一个词定义了相同的词义，则将该词的词义从人字典同步至系统词典。

本发明还提出一种面向自然语言搜索结构化数据的词义积累工具，包括虚拟维度数据定义装置，用于在配置库中定义虚拟维度数据，进而更新词典；所述虚拟维度数据是指作为搜索对象的结构化数据中实体所不包括的维度数据，所述维度数据包括维度名和维度值；其中，在配置库中，每一类实体各有一张虚拟维度表，所述虚拟维度表包含实体名称列和维度列，在所述虚拟维度表中定义虚拟维度数据。

较佳地，所述虚拟维度数据定义装置包括未识别词实体确定单元、虚拟维度表编辑单元和虚拟维度表存储单元；所述未识别词实体确定单元，当未识别的词具有结构化数据中的维度属性时，确定所述未识别词的实体；所述虚拟维度表编辑单元，用于编辑虚拟维度表，如果所述未识别词为维度名时，在虚拟维度表新建以此维度名命名的维度列，并为所述实体在所述维度名下赋维度值；如果未识别的词为维度值时，则先确定所述维度值对应的维度名，然后在所述虚拟维度表中将未识别词作为维度值添加至符合条件的实体名称的该维度名下；所述虚拟维度表存储单元，用于在配置库中保存所述虚拟维度表。

较佳地，搜索系统包括系统词典、个人词典以及词典生成装置；其中，所述个人词典为特定用户自定义的词典，个人词典与特定用户ID对应；所述系统词典为不特定用户共用的词典；词典生成装置将定义的虚拟维度数据更新至个人词典。

较佳地，还包括同义词表定义装置、术语表定义装置和衍生计算字段表定义装置中的一种或多种；同义词表定义装置用于新建或补充同义词表；术语表定义装置用于新建或补充术语表；衍生计算字段表用于新建或补充衍生计算字段表；新建或补充的同义词表、术语表或者衍生计算字段表均由词典生成装置更新至个人词典。

本发明还提出一种面向自然语言搜索结构化数据的分词系统，包括前述词义积累工具；在搜索结构化数据过程中，对用户输入的自然语言，先使用个人词典分词，对个人词典未识别出的词，再使用系统词典进行分词，从而将用户输入的自然语言转译为数据库查询语言。

本发明与现有技术相比，其显著优点在于，

(1)对于无法通过在现有词典中添加同义词、定义衍生计算公式以及定义专业术语来积累语义的维度数据，本发明通过自定义虚拟维度数据，在无法或无需改变结构化数据库现有数据维度信息的前提下，实现维度数据词汇的词义积累。

(2)本发明同时设置个人词典和系统词典，用户可以根据自己的实际业务需要，及时、方便、快捷地在个人词典中实现语义积累，无需依赖系统级为维护人员对系统词典的维护就积累相应词汇，就每一个个人用户来说，既提高了词义积累的速度，又提高了词义积累的精度。

(3)本发明同时设置个人词典和系统词典，实现了两套词库并存。因此，即便不同的用户对同一词汇积累的语义不同，也不会妨碍特定用户使用其特定词汇积累语义。即个人词典中的语义积累不受全网其他用户的限制，同时，个人词典中积累的语义不会影响受全网其他用户，因此，对于词义积累，无需强制要求全网认知统一。

(4)本发明中，当超过一定数量的个人词典进行了相同的语义积累，系统会将所述相同的语义积累自动同步至系统词典，不但提高了系统词典的语义积累速度，而且时通过阈值判断法则，系统词典中积累的语义更符合全网大多数用户的使用需求，从而在整体上提高了系统词典中的语义积累的准确度。

(5)本发明中，先采用个人词典进行分词，然后使用系统词典进行分分词，不但实现了前述各项个性化、高精度的语义积累，而且由于先用个人词典进行分词，其分词结果更准确、更全面。

(6)基于前述有益效果，本发明所述的分词方法和工具，能够更精准的对自然语言搜索语句进行分词，保证了用户黏性。

附图说明

图1是本发明面向自然语言搜索结构化数据的词义积累及分词方法和系统流程图。

图2是本发明中收缩系统示意图。

图3是本发明中个人词典词义积累示意图。

图4是本发明中词义积累工具组成示意图。

图5是本发明示例中搜索结果界面示意图。

图6是本发明示例中自定义维度界面示意图。

图7是本发明示例中自定义维度编辑界面示意图。

图8是本发明示例中重新搜索结果界面示意图。

图9是本发明示例中配同义词界面示意图。

图10是本发明示例中配专业术语界面示意图。

图11是本发明示例中个人词典同步至系统词典界面示意图。

具体实施方式

容易理解，依据本发明的技术方案，在不变更本发明的实质精神的情况下，本领域的一般技术人员可以想象出本发明的多种实施方式。因此，以下具体实施方式和附图仅是对本发明的技术方案的示例性说明，而不应当视为本发明的全部或者视为对本发明技术方案的限制或限定。相反，提供这些实施例的目的是为了使本领域的技术人员更透彻地理解本发明。下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的创新构思。

一般来说，搜索引擎不能识别的词汇可以分成以下四类：

(1)不能识别的词是某个可识别词的同义词，如“PE”是“市盈率”的同义词；

(2)不能识别的词是专业术语。专业术语一般指是将较多的维度、指标或条件组合、概括后精炼形成的一个词或短语，如基本面＝“净利润营业收入基本每股收益每股净资产资产负债率每股未分配利润销售毛利率销售净利率”；

(3)不能识别的词是衍生计算字段，如均价＝sum(成交额)/sum(成交量)；

(4)不能识别的词是结构化数据中的新维度名称或新维度值，如背景技术中所提及的“奇葩说”。

针对上述情况，本发明的一个实施例提出如下的向自然语言搜索结构化数据的词义积累方法，在该实施例中，针对上述四种类型，分别采用不同的方法进行语义积累。

对于不能识别的词是某个可识别词的同义词的情况，在配置库中为新建或补充同义词表，并更新至词典，以用于分词；同义词表包括主词、同义词、标签等字段，将所有可能会被搜索的维度名的描述(如公司简称)、维度值(如贵州茅台)、指标名的描述(如净利润)生成到同义词表的“主词”字段下；初始阶段找一批主词的同义词，批量导入到对应主词的“同义词”字段下，用户使用同义词搜索时，搜索引擎可以通过词典表找出同义词所对应的主词，通过主词进行搜索。即通过扩展主词的同义词范围，扩展搜索引擎的语义识别能力；在日常使用过程中，搜索系统可以持续收集用户的反馈，不断增加主词的同义词。

如果不能识别的词为术语，则在配置库的术语表中新建术语(若没有术语表则新建)，即将一个数据库中不存在的词或短语，用词典中已有的词组合描述定义出来。用户以后只要搜索该术语，搜索引擎即找到其对应的定义进行搜索。在日常使用过程中，搜索系统可以不断地收集增加术语。

如果不能识别的词为衍生计算字段，则在配置库中建立衍生计算字段表，用衍生计算字所需的基础字段、函数、运算符等共同定义衍生计算公式。对该表中的衍生计算字段名称生词，用户即可在搜索某个衍生字段名称时，搜索引擎对应到计算公式，进行实时计算，输出结果。在日常使用过程中，搜索系统可以不断地增加衍生计算字段。

如果不能识别的词是结构化数据中具有维度属性的数据，例如维度名或维度值时，由于无法通过前述三种方法进行语义积累，也为了在不改变结构化数据的前提下积累语义，本实施例在配置库中定义虚拟维度数据，用于对用户提交查询的关键词串进行分词；所述虚拟维度数据是指作为搜索对象的结构化数据中实体所不包括的维度数据，所述维度数据包括维度名和维度值。在配置库中，对于每个用户来说，每一类实体各有一张虚拟维度表，包含该实体下具体实例的名称列，以及所有需要自定义的维度列。

定义所述虚拟维度数据的方法为：

S100，当未识别的词具有结构化数据中的维度属性时，确定所述未识别词的实体；

S200，如果所述未识别词为维度名时，在虚拟维度表新建以此维度名命名的维度列，并为所述实体在所述维度名下赋维度值；

S300，如果未识别的词为维度值时，则先确定所述维度值对应的维度名，然后在所述虚拟维度表中将未识别词作为维度值添加至符合条件的实体名称的该维度名下。

通过前述自定义虚拟维度数据，在无法或无需改变结构化数据库现有数据维度信息的前提下，实现维度数据词汇的词义积累。

在本发明的一实施例中，搜索系统包括系统词典和个人词典；其中，所述个人词典为特定用户自定义的词典，个人词典与特定用户ID对应；所述系统词典为不特定用户共用的词典。通过前述四种方法积累词义所使用的同义词表、术语表、衍生计算字段表和虚拟维度表在配置库中定义好后，均由词典生成装置更新至个人词典中。在搜索结构化数据过程中，对用户输入的自然语言，先使用个人词典分词，对个人词典未识别出的词，再使用系统词典进行分词，从而将用户输入的自然语言转译为数据库查询语言。

搜索系统设置系统词典和个人词典两套词库，用户可以根据自己的实际业务需要，及时、方便、快捷地在个人词典中实现语义积累，无需依赖系统级为维护人员对系统词典的维护就积累相应词汇，就每一个个人用户来说，既提高了词义积累的速度，又提高了词义积累的精度。同时，由于两套词库并存，即便不同的用户对同一词汇积累的语义不同，也不会妨碍特定用户使用其特定词汇积累语义。即个人词典中的语义积累不受全网其他用户的限制，同时，个人词典中积累的语义不会影响受全网其他用户，因此，对于词义积累，无需强制要求全网认知统一。

在本发明的一个实施例中，当超过一定数量的个人词典进行了相同的语义积累，系统会将所述相同的语义积累自动同步至系统词典。例如，如果有三个或者五个用户在其各自的个人词典中将“利润”定义为“净利润”的同义词，则系统自动将“利润”为“净利润”的同义词这一定义同步至系统字典。前述三个或者五个用户为同步判断阈值，可以根据用户总数量或与有关词汇定义的用户数量合理设定。如此，不但提高了系统词典的语义积累速度，而且时通过阈值判断法则，系统词典中积累的语义更符合全网大多数用户的使用需求，从而在整体上提高了系统词典中的语义积累的准确度。

在本发明的一个实施例中，提出一种面向自然语言搜索结构化数据的分词方法，包括前述词义积累方法；在搜索结构化数据过程中，对用户输入的自然语言，先使用个人词典分词，对个人词典未识别出的词，再使用系统词典进行分词，从而将用户输入的自然语言转译为数据库查询语言。

在本发明的一个实施例中，还提出一种面向自然语言搜索结构化数据的词义积累工具，包括同义词表定义装置、术语表定义装置、衍生计算字段表定义装置以及虚拟维度数据定义装置中的一种或多种；

同义词表定义装置用于新建或补充同义词表；

术语表定义装置用于新建或补充术语表；

衍生计算字段表用于新建或补充衍生计算字段表；

虚拟维度数据定义装置，用于在配置库中定义虚拟维度数据，进而更新词典；所述虚拟维度数据是指作为搜索对象的结构化数据中实体所不包括的维度数据，所述维度数据包括维度名和/或维度值；其中，在配置库中，每一类实体各有一张虚拟维度表，所述虚拟维度表包含实体名称列和维度列，在所述虚拟维度表中定义虚拟维度数据。

作为一个实施例，所述虚拟维度数据定义装置包括未识别词实体确定单元、虚拟维度表编辑单元和虚拟维度表存储单元；

所述未识别词实体确定单元，当未识别的词具有结构化数据中的维度属性时，确定所述未识别词的实体；

所述虚拟维度表编辑单元，用于编辑虚拟维度表，如果所述未识别词为维度名时，在虚拟维度表新建以此维度名命名的维度列，并为所述实体在所述维度名下赋维度值；

如果未识别的词为维度值时，则先确定所述维度值对应的维度名，然后在所述虚拟维度表中将未识别词作为维度值添加至符合条件的实体名称的该维度名下；

所述虚拟维度表存储单元，用于在配置库中保存所述虚拟维度表。

在本发明的一个实施例中，提出另一种面向自然语言搜索结构化数据的词义积累工具，搜索系统包括系统词典、个人词典以及词典生成装置；其中，所述个人词典为特定用户自定义的词典，个人词典与特定用户ID对应；所述系统词典为不特定用户共用的词典；所述虚拟维度数据定义装置定义的虚拟维度数据由词典生成装置更新至个人词典中。所述虚拟维度数据定义装置的构成和工作过程如前述实施例所述，不再赘述。

在本发明的一个实施例中，提出一种面向自然语言搜索结构化数据的分词系统，包括前述各实施例所述的词义积累工具；在搜索结构化数据过程中，对用户输入的自然语言，先使用个人词典分词，对个人词典未识别出的词，再使用系统词典进行分词，从而将用户输入的自然语言转译为数据库查询语言。

下面以一个实例来进一步说明本发明。

用户A搜索“净息差大于2％不良率小于1.5％农商行”，如图5所示，发现“农商行”未能识别。农商行是银行的一种，相应的还有国有商业银行、城商行等，估计是数据库中的分类不够细，所以通过“自定义维度”的方式来解决。

如图6所示，农商行显然是一个维度值，应该属于“公司”实体的“三级行业”维度。因为数据库中有“三级行业”这个维度，可以直接选择，否则就需要新建这个维度。即确定是哪一类实体的维度，进而选择所属维度或新建一个维度。

如图7所示，默认会显示所选实体的简称和所选维度下的所有值，提供筛选功能，比如将“三级行业”是“城商行”的都选出来，然后找到其中应细分为“农商行”的，逐一勾选上，即自动给这些公司的“三级行业”加上了一个虚拟维度值“农商行”，点击确认，完成自定义。即，选择该类实体下要赋予该维度值的具体实体，保存到个人词典。

如图8所示，自动重新触发搜索，可以看到“农商行”已被理解。“农商行”是被个人词典分词识别出来的，其他词是被系统词典分词识别出来的。

如图9所示，继续研究这些农商行，在搜索框添加一个计算公式“(目标价-当前价)/当前价/适应率”。搜索后，发现“当前价”未识别，通过自定义同义词的方式，将“当前价”加为“收盘价”的同义词。即配同义词。

如图10所示，所有词都识别后，由于整个搜索语句已经很长，考虑到以后方便，选择将“净息差大于......”自定义为术语“贷款资产优良”，“(目标价-当前价)/当......”自定义为计算指标“买入价值”。即配术语，保存到个人词典，配衍生计算字段，保存到个人词典。

如图11所示，之后用户A再搜如“贷款资产优良的农商行的买入价值今年3季度”即可，搜索效率高了很多。但是对于A之外的其他用户，贷款资产优良、农商行、买入价值这些仍然是未识别的词。当有用户B、用户C，也将“贷款资产优良”也定义为术语，释义为“净息差大于2％，不良率小于1.5％”时，该术语被同步到系统词典，此时对全系统用户来说，搜“贷款资产优良”都相当于搜“净息差大于2％，不良率小于1.5％”。即超过3人对同一词定义相同的语义，就同步到系统词典。

下面以另一个实例来进一步说明本发明。

用户在搜索引擎输入端口输入“奇葩说赞助商ROE>15％”，想找出符合条件的公司，其中，ROE为净资产收益率的英文缩写。初始搜索结果中，“奇葩说赞助商”未被识别出来，即在词典里没有找到“奇葩说赞助商”；ROE识别错误，被理解为证券全称“士兰微”。针对上述未识别或识别错误，可以通过以下方法实现搜索引擎的词典更新，提高语义识别能力。

步骤一，经判断“奇葩说”为具有维度属性的词，用户选中语义分析中的“奇葩说”，在弹出的菜单中选择“自定义维度”。

步骤二，确定“奇葩说”所属实体类型为“公司”，而不是个人。

步骤三，经过判断，“奇葩说”是维度名，而不是维度值。故选择“新建一个维度”，维度名称定为“广告投放标的”；

步骤五，上网搜索到赞助过奇葩说的公司若干，如海天味业、海澜之家、上汽集团。给这些公司的“广告投放标的”下赋值“奇葩说”，并保存再虚拟维度表中。

步骤六，触发自动重新搜索，看到“奇葩说”已经识别，“赞助商”“ROE”还没有被识别。

步骤七，点击“赞助商”，选择“配置同义词”，在配置输入框中输入“广告”，即将“广告”设置为“赞助商”的同义词。联想匹配到刚刚保存的虚拟维度“广告投放标的”，确定选中并保存在同义词表中。

步骤八，触发自动重新搜索，只剩“ROE”未正确识别，同样选择配置同义词

步骤九，在配置输入框中输入“净资产收益率”，即将“ROE”设置为“净资产收益率”(主词)的同义词。联想到“净资产收益率-加权”和“净资产收益率-摊薄”，选择后者并保存在同义词表中。

步骤十，触发自动重新搜索，所有词义都正确识别，出搜索结果，满足的公司是海天味业和海澜之家。

此例中，步骤三～四通过自定义一个虚拟维度“广告投放标的”，解决了如何定义一个物理库中不存在，也无法基于已存在数据描述定义的词(实体的维度)的问题，后续也可以在此维度下新增更多已知公司投放广告的已知标的，逐渐把这个维度下的数据完善起来。

步骤八中，定义了“净资产收益率-摊薄”为ROE的主词，可能绝大多数人认为ROE指的是“净资产收益率-加权”，由于这一对应关系存在于用户个人的词典里，不会干扰其他用户，解决了对用户认知不统一的兼容问题。

如果选择“ROE和净资产收益率-摊薄”是同义词关系的用户超过3人，系统会自动将这个同义词关系同步到系统词库，这样所有用户搜ROE时都认为是在搜“净资产收益率-摊薄”，解决了必须依赖维护人员及时处理的问题。当然，非常有可能更多人选择了“净资产收益率-加权”，那么对所有人来说ROE就有两个词义，一词多义的判断技术这里不再赘述。

本发明通过对关系型数据库中各表的全部字段值进行分析、对比，来自动生成表间关系；根据得到的所述关联关系，以模型建议表的形式展示数据库的表间关系。本发明的目的在于通过对未知数据库的数据关联分析，得到数据库的表间关系，从而使得使用者对于未知数据库的表结构有一个比较清楚的认识，有利于接下来对于数据库的使用和利用。显示装置显示表间关系分析信息，并以模型建议表的形式展示数据库的表间关系。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。

应当理解，为了精简本发明并帮助本领域的技术人员理解本发明的各个方面，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时在单个实施例中进行描述，或者参照单个图进行描述。但是，不应将本发明解释成示例性实施例中包括的特征均为本专利权利要求的必要技术特征。

本领域技术人员可以理解，实现上述实施例方法的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于计算机可读存储介质中。其中，所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。

应当理解，可以对本发明的一个实施例的系统中包括的装置、模块、单元、组件等进行自适应性地改变以把它们设置在与该实施例不同的设备或系统中。可以把实施例的系统包括的不同装置、模块、单元或组件组合成一个装置、模块、单元或组件，也可以把它们分成多个子装置、子模块、子单元或子组件。

本发明的实施例中的装置、模块、单元或组件可以以硬件方式实现，也可以以一个或者多个处理器上运行的软件方式实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的计算机程序产品或计算机可读介质上。