一种心理健康状态的评估方法、装置及设备与流程

1.本发明涉及人工智能技术领域，具体涉及一种心理健康状态的评估方法、装置及设备。


背景技术：

2.随着时代的发展，人们的心理健康问题正变得越来越严重，很多人处于亚健康状态或正在转变当中，但由于对自身隐私的担心，很多人并不愿意接受心理健康状态评估，或者在接受评估诊断的过程中虚伪作答，从而导致无法及时得到评估和无法准确的得出判断，从而导致心理健康问题的恶化。
3.现有的评估方法通常依赖于大量的数据计算得出评估结果，而大量的数据的获取存在一定实现难度，因此，现有的评估方法难以做到动态实时评估。且在现有的评估方法中，以用户输入的特定信息作为判断基础，而用户输入的信息存在泄漏的风险。
4.基于此，如何提供一种既不需要大量数据，又能够保护用户隐私的心理健康状态的评估方法是本领域人员亟待解决的问题。


技术实现要素：

5.为解决上述问题，提出了本发明实施例的心理健康状态的评估方法、装置及设备。
6.根据本发明实施例的一个方面，提供了一种心理健康状态的评估方法，包括：获取待评估数据集，所述待评估数据集表征待评估对象的心理描述信息；按照预设情绪类型对所述待评估数据集中的待评估数据进行分类，得到至少两个分类数据；确定所述至少两个分类数据中每个分类数据对应的健康状态概率；根据所述至少两个分类数据的健康状态概率生成所述待评估对象的心理健康状态评估结果。
7.可选的，获取待评估数据集，包括：获取所述待评估对象输入的第一数据；分析所述第一数据得到第二数据；判断所述第一数据以及所述第一数据对应的第二数据的数量是否达到预设条件；若得到所述第二数据后达到所述预设条件，将所有所述第一数据和所有所述第二数据作为所述待评估数据集中的数据；若得到所述第二数据后未达到所述预设条件，重复执行获取所述待评估对象输入的第一数据的步骤。
8.可选的，分析所述第一数据得到第二数据，包括：将所述第一数据转换为文本；将所述文本中包含的预设隐私内容进行替换，得到替换数据；根据所述替换数据，生成所述第二数据。
9.可选的，在生成所述第二数据之后，还包括：对所述第二数据进行格式转换，得到符合预设格式的第三数据；向所述待评估对象显示所述第三数据。
10.可选的，所述预设情绪类型包括至少两个，所述按照预设情绪对所述待评估数据集中的待评估数据进行分类，得到至少两个分类数据，包括：针对所述待评估数据集中每条待评估数据，确定每个预设情绪类型对应该待评估数据的置信度，得到该待评估数据对应的至少两个分类数据，所述置信度表征该待评估数据对应相应预设情绪类型的可信程度，该待评估数据的对应的全部置信度的和为1。
11.可选的，确定所述至少两个分类数据中每个分类数据对应的健康状态概率，包括：按预设健康状态确定所述至少两个分类数据对应的状态数据，得到至少两个状态数据；确定所述至少两个状态数据中的两两之间的转移条件；根据每个转移条件，获取所述至少两个状态数据中的每两个连续状态数据之间的状态的概率，得到所述健康状态概率。
12.可选的，根据所述至少两个分类数据的健康状态概率生成所述待评估对象的心理健康情况的评估结果，包括：根据所述至少两个分类数据的健康状态概率，生成至少两个所述待评估对象的心理健康情况的过度评估结果；将所述至少两个所述待评估对象的心理健康情况的过度评估结果按预设组合规则进行组合，得到所述待评估对象的心理健康情况的评估结果。
13.根据本发明实施例的另一方面，提供了一种心理健康状态的评估装置，所述装置包括：获取模块，用于获取待评估数据集，所述待评估数据集表征待评估对象的心理描述信息；处理模块，用于按照预设情绪类型对所述待评估数据集中的待评估数据进行分类，得到至少两个分类数据；确定所述至少两个分类数据中每个分类数据对应的健康状态概率；评估模块，用于根据所述至少两个分类数据的健康状态概率生成所述待评估对象的心理健康状态评估结果。
14.根据本发明实施例的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述心理健康状态的评估方法对应的操作。
15.根据本发明实施例的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述心理健康状态的评估方法对应的操作。
16.根据本发明上述实施例提供的方案，通过获取待评估数据集，所述待评估数据集表征待评估对象的心理描述信息；按照预设情绪类型对所述待评估数据集中的待评估数据
进行分类，得到至少两个分类数据；确定所述至少两个分类数据中每个分类数据对应的健康状态概率；根据所述至少两个分类数据的健康状态概率生成所述待评估对象的心理健康状态评估结果，实现了既不需要大量数据，又能够保护用户隐私的心理健康状态的评估方法。
17.上述说明仅是本发明实施例技术方案的概述，为了能够更清楚了解本发明实施例的技术手段，而可依照说明书的内容予以实施，并且为了让本发明实施例的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明实施例的具体实施方式。
附图说明
18.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明实施例的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1示出了本发明实施例提供的心理健康状态的评估方法流程图；图2示出了本发明实施例提供的一种具体的自由对话子系统结构示意图；图3示出了图2所示的自由对话子系统的一种具体的模块结构和数据流示意图；图4示出了本发明实施例提供的一种具体的动态评估子系统的模块结构和数据流示意图；图5示出了本发明实施例提供的一种具体的状态机结构示意图；图6示出了本发明实施例提供的一种具体的在医院建立精神健康动态评估系统示意图；图7示出了本发明实施例提供的心理健康状态的评估装置的结构示意图；图8示出了本发明实施例提供的计算设备的结构示意图。
具体实施方式
19.下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
20.图1示出了本发明实施例提供的心理健康状态的评估方法流程图。如图1所示，该方法包括以下步骤：步骤11，获取待评估数据集，所述待评估数据集表征待评估对象的心理描述信息；步骤12，按照预设情绪类型对所述待评估数据集中的待评估数据进行分类，得到至少两个分类数据；步骤13，确定所述至少两个分类数据中每个分类数据对应的健康状态概率；步骤14，根据所述至少两个分类数据的健康状态概率生成所述待评估对象的心理健康状态评估结果。
21.该实施例中，通过获取待评估数据集，所述待评估数据集表征待评估对象的心理描述信息；按照预设情绪类型对所述待评估数据集中的待评估数据进行分类，得到至少两个分类数据；确定所述至少两个分类数据中每个分类数据对应的健康状态概率；根据所述
至少两个分类数据的健康状态概率生成所述待评估对象的心理健康状态评估结果，实现了既不需要大量数据，又能够保护用户隐私的心理健康状态的评估方法。
22.在本发明的一可选的实施例中，步骤11可以包括：步骤111，获取所述待评估对象输入的第一数据；步骤112，分析所述第一数据得到第二数据；步骤113，判断所述第一数据以及所述第一数据对应的第二数据的数量是否达到预设条件；步骤114，若得到所述第二数据后达到所述预设条件，将所有所述第一数据和所有所述第二数据作为所述待评估数据集中的数据；步骤115，若得到所述第二数据后未达到所述预设条件，重复执行获取所述待评估对象输入的第一数据的步骤。
23.如图2所示，该实施例中，首先待评估对象用户首先发起和自由对话子系统的对话数据，其次，自由对话子系统分析用户的输入，并处理用户输入数据，然后生成对话数据，并将生成的对话数据反馈用户，在用户接收到自由对话子系统反馈的对话数据后，根据该对话数据的内容，继续向自由对话子系统输入对话数据，直到达到预设条件，将用户与自由对话子系统所生成的所有对话数据作为待评估数据集，其中，预设条件可以设置为对话数据达到具体的条数，或对话结束等，但不仅限于如上所述。
24.具体的对话处理流程为：步骤一，用户发起和自由对话子系统的对话数据，自由对话子系统分析用户发起的对话数据并生成与该对话数据对应的回话数据，然后将生成的回话数据反馈给用户，其中，输入的对话数据以及输出的回话数据，可以是文本，也可以是语音。如果是语音则需要通常的语音转文字和文字转语音的模块；步骤二，用户接收到自由对话子系统的生成的回话数据之后，继续向自由对话子系统输入对话数据；步骤三，重复上述具体的对话处理流程中的步骤一与步骤二，直到达到预设条件，将所有对话数据与回话数据作为所述待评估数据集，其中，所述待评估数据集内的对话数据与回话数据均按照生成的顺序排列；在得到待评估数据集后，还可以包括步骤四，将生成的待评估数据集按照生成的顺序发送给动态评估子系统，发送的过程不仅限于一次发送单个待评估数据集，随着待评估数据集的增加，动态评估子系统的效果会不断改善。
25.在本发明的又一可选的实施例中，步骤112可以包括：步骤1121，将所述第一数据转换为文本；步骤1122，将所述文本中包含的预设隐私内容进行替换，得到替换数据；步骤1123，根据所述替换数据，生成所述第二数据。
26.如图3所示，该实施例中，整个评估过程不要求用户提供任何个人信息或用户认为重要的隐私信息，极大地保护用户隐私。如果用户在自由对话的过程中自愿地给系统输入了隐私信息，那么系统也会首先对信息进行脱敏处理，并在使用完这些信息之后，将数据丢弃，保证不存储，保证不在系统内部以及和外部系统之间进行传输。也就是将用户隐私数据在系统内的有效生命周期压缩到最短。这样可最大程度地保护用户隐私信息。
27.具体的替换隐私内容以及生成第二数据的流程为：步骤一，用户输入的对话数据，经由用户对话输入模块处理为自然语言文本，并按照用户输入的顺序传递给隐私信息清理模块；步骤二，隐私信息清理模块识别出用户对话数据中的关键隐私信息，对这些信息按照类型用特定替换符代替，例如：人名、家庭住址、电话号码等信息替换为：[name]、[address]、[phone-number]等，但不仅限于如上所述，这样就可以直接去掉了对系统后续模块无用但敏感的隐私信息。其中，这些信息的识别可以使用成熟的命名实体识别ner（命名体识别）算法来实现；步骤三，隐私信息清理模块将去除了隐私的数据传递给机器对话生成模块，机器对话生成模块将根据对话上下文生成要回复给用户的对话文本。生成的方法可以是基于大数据检索的方法，也可以是基于预训练模型生成的方法，例如利用语言表征模型（bidirectional encoder representation from transformers，bert）、第三代通用预训练转换器模型（general pre-trained transformer-3，gpt-3）这样的大规模预训练模型，或者是二者混合的方法，但不仅限于如上所述；步骤四，机器对话生成模块将生成的对话文本数据传递给机器对话输出模块，将用户输入的对话数据传递给用户对话清楚模块来清除用户对话数据。
[0028]
在本发明的又一可选的实施例中，在步骤1123之后,还可以包括：步骤1124，对所述第二数据进行格式转换，得到符合预设格式的第三数据；步骤1125，向所述待评估对象显示所述第三数据。
[0029]
该实施例中，具体的替换隐私内容以及生成第二数据的流程还可以包括步骤五，机器对话输出模块将机器对话文本数据转换为适于用户终端显示的格式，例如文本、语音等，但不仅限于如上所述，然后再将转换后的格式反馈给终端用户。
[0030]
在本发明的又一可选的实施例中，所述预设情绪类型包括至少两个，步骤12可以包括：步骤121，针对所述待评估数据集中每条待评估数据，确定每个预设情绪类型对应该待评估数据的置信度，得到该待评估数据对应的至少两个分类数据，所述置信度表征该待评估数据对应相应预设情绪类型的可信程度，该待评估数据的对应的全部置信度的和为1。
[0031]
如图4所示，该实施例中，机器生成的对话数据首先进入机器对话数据分类模块，该模块将生成的机器对话数据转换为分类数据，每一条对话数据会被打上一条或几条分类标签，每一条分类标签都有一个置信概率，一条对话数据的所有置信概率的和为1。其中，具体的机器对话数据分类器的构造和运行过程步骤如下：步骤一，分类器的输入是机器生成的对话，输出是话语分类的标签集合。在分类器中，标签的设置是典型的精神心理和情绪的分类，预设情绪类型例如：开心、悲伤、不安、焦虑、抑郁、狂躁、厌世等，但不仅限于如上所述；步骤二，基于已经预先打好标签的数据，训练深度神经网络模型，模型的结构可以是多层的全连接网络，也可以是双向长短期记忆模型（lstm+）注意力机制的网络，或者是更加复杂的bert网络，以及其他经过验证的用于文本分类的网络模型。在数据量足够大的情况下，这些模型都可以达到比较好的分类性能；在该步骤中，网络的分类性能不需要非常
高，一方面标签体系不同，要求的模型复杂度也就不同，另一方面，即便是机器对话数据分类模块的性能不是很高，但是可以在后续的状态机模块和实时评估模块中通过足够多的标签和状态处理实现准确度的提升，这是一种典型的集成学习模式；步骤三，模型构建好之后就可以用来进行推导，即对机器对话数据进行分类打标，对每一句对话数据都会生成一个标签+置信度值的序列，例如：序列，但不仅限于如上所述，一般情况下，标签按照置信度值从大到小排列，各个置信度值的总和为1。
[0032]
在本发明的又一可选的实施例中，步骤13可以包括：步骤131，按预设健康状态确定所述至少两个分类数据对应的状态数据，得到至少两个状态数据；步骤132，确定所述至少两个状态数据中的两两之间的转移条件；步骤133，根据每个转移条件，获取所述至少两个状态数据中的每两个连续状态数据之间的状态的概率，得到所述健康状态概率。
[0033]
如图5所示，该实施例中，带有置信概率的分类标签数据输入给状态机模块，状态机模块根据设置好的状态转移规则切换状态。状态机每接收到一条对话数据的分类标签组，就会触发一次状态转移。状态机的示例如图5所示，其中圆圈表示独立的状态，有向的连接线表示状态转移，状态转移上的表达式是状态转移的触发条件，也就是分类标签和置信概率的信息。具体的触发条件表达式的规范如表1所示，但不仅限于表1；表1-状态机触发条件表达式的规范具体的状态机的构建流程为：步骤一，状态的定义：例如本发明的上述实施例中状态是精神疾病或负面情绪的分类，不包含程度，这可以通过标准的分类规范得到，例如：《精神障碍诊断与统计手册(第五版)》（dsm-5）或《国际疾病分类第十一次修订本》（icd-11）等国际或国内的行业标准，但不仅限于如上所述。则每一个状态实际上就表示了评估结果的一种表现，例如抑郁症或抑郁情绪、精神分裂症、社交恐惧症、焦虑情绪或广泛性焦虑症等；步骤二，初始状态的定义：初始状态表示完全没有任何精神或心理问题的状态；步骤三，在状态之间增加状态转移条件：根据上述具体的机器对话数据分类器的
构造和运行过程所定义的标签，在任何两个状态之间建立双向的概率测试集合，即如果标签的集合为，则在任意两个状态之间，建立nx2维的概率矩阵，矩阵的行号就是标签的索引，第一列表示概率下限，第二列表示概率上限；步骤四，通过标准和规范的数据更新概率矩阵的具体概率值：标准和规范中明确定义的某种情绪和行为表现对症状的影响程度数据可以直接用来更新概率矩阵的值，例如：在症状a的情况下如果表现了典型的t行为，那么症状b的概率就是p，基于这个研究事实，可以更新状态机中和的t所对应的概率：如果原概率是，若，那么新概率就是；若，那么新概率就是；如果，那么新概率就是。这里采用最大范围原则，可以避免数据顺序不一致导致的结果冲突；步骤五，通过临床大数据训练更新概率矩阵的具体概率值：对临床数据的研究分析可以得出上述具体的状态机的构建流程中步骤四中所列举的相同模式的概率数据，那么就可以用同样的方法更新概率矩阵的值。这一环节的主要作用是弥补现有标准和规范的不足，或用来作为在特定场景和临床情况下的精细化调整。
[0034]
在本发明的又一可选的实施例中步骤14可以包括：步骤141，根据所述至少两个分类数据的健康状态概率，生成至少两个所述待评估对象的心理健康情况的过度评估结果；步骤142，将所述至少两个所述待评估对象的心理健康情况的过度评估结果按预设组合规则进行组合，得到所述待评估对象的心理健康情况的评估结果。
[0035]
该实施例中，状态机状态序列数据会输入给实时评估模块，实时评估模块根据接收到的状态序列对用户的心理健康状态和心理问题进行动态评估，将评估的中间结果实时地反馈给自由对话子系统，以便自由对话子系统选择性地调整对话生成策略。评估的方法就是取预设数量的最新的连续状态，计算其中各个状态出现的概率，这些概率组合在一起就是一组评估结果，再对话中止或评估结果收敛的时候，评估的结果就是最终评估的结果。所谓评估结果收敛指的是在接收足够长的输入状态序列之后，连续的动态评估结果趋于一致即表示评估结果收敛。
[0036]
图6示出了本发明实施例提供的一种具体的在医院建立精神健康动态评估系统示意图，如图6所示，在医院精神科或精神类专科医院的患者候诊区域，可以用这套系统对新来就诊的患者进行预先的评估。患者与对话机器人进行语音或文字形式的对话，经过若干轮的对话之后，评估结果就可以发送给医院的门诊系统，以便医生在诊断的过程中做参考，具体的，在医院建立的多终端精神健康动态评估系统。部署了自由对话子系统的前端设备可以是多种形式，例如平板电脑、可移动式一体机、医用交互机器人或多功能封闭仓等。这些设备可以在多个科室或区域和患者进行对话交互。机器生成的数据则实时传输给部署了动态评估子系统的评估后端服务。因为该服务中部署了深度神经网络模型和为每一个在线患者用户生成的状态机实例，因此需要较高配置的服务器来支持多个终端并发地进行动态评估。评估的中间结果和最终结果可以通过vpn专线接入医院的各个信息系统当中，以便院方和医生全面掌握患者精神健康状态和风险，并作出及时的准备。
[0037]
在本发明的上述实施例中，能够实现在对话交互过程中的动态评估，即并不预先
设定需要用户提供的信息和数据模式，而是用户和机器进行自由式对话，并通过智能算法动态地评估用户的心理状况，这种开放的评估方式，可以提升评估过程的真实性和有效性，避免预设、暗示和故意回避等问题。且用户的隐私信息会被第一时间清除，并且用户的对话数据也没有存储。只是把机器生成的用于和患者对话的数据传输到动态评估子系统的后台服务里。也就是说患者的隐私和个人信息数据的生命周期极短，且没有通过网络传输和转移，因此极大限度地保护了个人数据的安全性，是符合数据确权的基本原则的。同时在后端进行动态评估的过程中，本发明的上述实施例中采用情绪和行为分类器，即对话数据分类模块的核心+评估状态机的模式，可以实现把对话数据这种非结构化的自然语言文本，转换为情绪和行为分类，再转换为心理和精神状态，从而实现动态评估的能力。动态评估的优势在于可以指导、调整和优化自由对话子系统和患者对话进程的推进，也可以提供更加精细的评估性能。相比于一次性地生成评估结果，这种模式非常适用于诸如精神问题诊断这种无法依赖生理指标进行评估和诊断的疾病。
[0038]
图7示出了本发明实施例提供的心理健康状态的评估装置70的结构示意图。如图7所示，该装置包括：获取模块71，用于获取待评估数据集，所述待评估数据集表征待评估对象的心理描述信息；处理模块72，用于按照预设情绪类型对所述待评估数据集中的待评估数据进行分类，得到至少两个分类数据；确定所述至少两个分类数据中每个分类数据对应的健康状态概率；评估模块73，用于根据所述至少两个分类数据的健康状态概率生成所述待评估对象的心理健康状态评估结果。
[0039]
可选的，所述获取模块71还用于获取所述待评估对象输入的第一数据；分析所述第一数据得到第二数据；判断所述第一数据以及所述第一数据对应的第二数据的数量是否达到预设条件；若得到所述第二数据后达到所述预设条件，将所有所述第一数据和所有所述第二数据作为所述待评估数据集中的数据；若得到所述第二数据后未达到所述预设条件，重复执行获取所述待评估对象输入的第一数据的步骤。
[0040]
可选的，所述获取模块71还用于将所述第一数据转换为文本；将所述文本中包含的预设隐私内容进行替换，得到替换数据；根据所述替换数据，生成所述第二数据。
[0041]
可选的，所述获取模块71还用于对所述第二数据进行格式转换，得到符合预设格式的第三数据；向所述待评估对象显示所述第三数据。
[0042]
可选的，所述处理模块72还用于针对所述待评估数据集中每条待评估数据，确定每个预设情绪类型对应该待评估数据的置信度，得到该待评估数据对应的至少两个分类数据，所述置信度表征该待评估数据对应相应预设情绪类型的可信程度，该待评估数据的对应的全部置信度的和为1。
[0043]
可选的，所述处理模块72还用于按预设健康状态确定所述至少两个分类数据对应
的状态数据，得到至少两个状态数据；确定所述至少两个状态数据中的两两之间的转移条件；根据每个转移条件，获取所述至少两个状态数据中的每两个连续状态数据之间的状态的概率，得到所述健康状态概率。
[0044]
可选的，所述评估模块73还用于根据所述至少两个分类数据的健康状态概率，生成至少两个所述待评估对象的心理健康情况的过度评估结果；将所述至少两个所述待评估对象的心理健康情况的过度评估结果按预设组合规则进行组合，得到所述待评估对象的心理健康情况的评估结果。
[0045]
应理解，上述对图1-图6示意的方法实施例的说明，仅是以可选示例的方式对本发明技术方案的阐述，对本发明涉及的心理健康状态的评估方法不构成限制。另一些实施方式中，本发明涉及的心理健康状态的评估方法的执行步骤和顺序，可以不同于上述实施例，本发明实施例对此不限制。
[0046]
需要说明的是，该实施例是与上述方法实施例对应的装置实施例，上述方法实施例中的所有实现方式均适用于该装置的实施例中，也能达到相同的技术效果。
[0047]
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的心理健康状态的评估方法。
[0048]
图8示出了本发明实施例提供的计算设备的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
[0049]
如图8所示，该计算设备可以包括：处理器(processor)、通信接口(communications interface)、存储器(memory)、以及通信总线。
[0050]
其中：处理器、通信接口、以及存储器通过通信总线完成相互间的通信。通信接口，用于与其它设备比如客户端或其它服务器等的网元通信。处理器，用于执行程序，具体可以执行上述用于计算设备的心理健康状态的评估方法实施例中的相关步骤。
[0051]
具体地，程序可以包括程序代码，该程序代码包括计算机操作指令。
[0052]
处理器可能是中央处理器cpu，或者是特定集成电路asic（application specific integrated circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
[0053]
存储器，用于存放程序。存储器可能包含高速ram存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。
[0054]
程序具体可以用于使得处理器执行上述任意方法实施例中的心理健康状态的评估方法。程序中各步骤的具体实现可以参见上述心理健康状态的评估方法实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
[0055]
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利
用各种编程语言实现在此描述的本发明实施例的内容，并且上面对特定语言所做的描述是为了披露本发明实施例的最佳实施方式。
[0056]
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
[0057]
类似地，应当理解，为了精简本发明实施例并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。
[0058]
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。
[0059]
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。
[0060]
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，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的一些或者全部部件的一些或者全部功能。本发明实施例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设备或者装置程序（例如，计算机程序和计算机程序产品）。这样的实现本发明实施例的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
[0061]
应该注意的是上述实施例对本发明实施例进行说明而不是对本发明进行限制，位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明实施例可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。