用于测试驱动双层图模型的方法和系统与流程

本申请要求于2017年4月22日提交的美国专利申请号62/488,717的优先权，所述美国专利申请的内容以全文引用的方式并入本文。本申请总体上涉及一种用于以准确、动态且同时的方式对信息消费者进行分类并且获得信息消费者的特征以优化信息推荐的方法和系统，并且具体地说，涉及创建实现所述方法的社交图。
背景技术：
：信息消费者是指通过在线连接接触和使用信息的所有个人或企业。信息消费者消费的信息是消费品。消费品由单个信息组成，例如新闻、视频、评论、产品名称、博客、信件等。许多商业系统在例如社交网络、广告投放、新闻推荐等领域向信息消费者提供信息。这些系统尝试使用历史收集的数据在单独的过程中将标签和分类附加到信息和信息消费者。标签往往不准确、静态且陈旧。对现有技术的研究表明，此领域的公开集中于基于标签或标记的推荐或基于人际关系的推荐。这些方法可以生成有意义的推荐，但也会生成许多噪音，因为标签是固定的，且无法准确地描述人们的兴趣，而且与用户关系密切的人可能不共享相同的兴趣。授予intuit公司(2009)的美国专利号8,095,432涉及一种进行推荐的方法，其包括：从社交网络工具的多个成员获得多个项目的多个推荐；基于多个成员与社交网络工具内的查询成员的关系接近度对多个推荐进行排序。建议的排序是基于社会关系接近度。如前所述，社交朋友不一定共享相同的兴趣，因此这种推荐机制存在缺陷并且会产生过多的噪音。一些现有的sns或相关系统尝试根据用户的兴趣对其进行分类，但其方法是使用历史数据中的预定义特征。现有系统使用的特征类别几乎都是预定义的，例如音乐、体育、旅行及其子类别。此类预定义系统至少存在以下三个缺点。首先，定义特征系统非常耗时，尤其是对于精心设计的深度系统。其次，无法准确捕捉信息消费者的特征，包含缺失信息消费者的许多特征。第三，无法适应新出现的特征。因此，仍然需要准确、最新且同时地对信息消费者和信息进行分类。技术实现要素：本公开总体上至少部分地涉及一种用于创建和维护信息消费者和信息的准确、最新和同时分类的方法和系统。作为方法和系统的实施方式，一种双层图模型不仅可以基于信息消费者的行为自动提取信息消费者的特征，而且还可以基于所提取的特征同时对信息消费者进行分类。双层图显示分类，其中第一层包括其中每一者表示一个信息消费者的节点，并且第二层包括其中每一者表示一个所选取特征的节点。第一层的节点不相互链接，但可以通过第二层的节点间接链接；第二层上的节点链接到第一层中的一些节点，并且可以链接到第二层中的其它节点并根据特定应用进行层次分类。用于准确、最新且同时地对信息消费者和信息进行分类并且在社交图中呈现结果的方法和系统的具体实施方式是visva产品。所述系统的网站https://www.visva.com、系统的发布(包含用户手册、教程、视频和其它内容)以及关于系统的其它发布以引用的方式并入。实施例包括信息系统，特别是自动对内容和人进行分类并提供高信噪比(snr)且将用户与志趣相投的人联系起来的信息系统。在一些实施例中，提供一种用于准确、最新且同时地对信息消费者和信息进行分类的方法，其包括以下步骤：提供信息消费者群组和多条信息；通过将多条信息发送给所述信息消费者并且评估所述信息消费者对发送的信息的交互来确定一条合格的信息；基于评估将合格信息与信息消费者相关联；以及从相关联的合格信息中提取特征。在一些实施例中，通过逐步测试或传播测试执行确定合格信息，所述逐步测试或传播测试包括以下步骤：将信息发送给仅部分信息消费者；量化信息消费者的响应；以及基于量化得出的值决定信息是否是合格的信息。在一些实施例中，通过以下步骤执行确定合格信息：将信息消费者群组划分成进行测试的多个测试群组；确定预定的单个测试阈值和预定的多个测试阈值；将信息发送给测试群组；通过计算响应的值评估所述测试群组对所发送的信息的响应；比较计算值与预定值，并且基于比较，当计算值超过预定的单个测试阈值时，将信息发送给下一个测试群组并且评估下一个群组的响应，或当计算值不超过预定的单个测试阈值时，停止发送信息；汇总每个测试群组的计算值；以及当汇总的值超过预定的多个测试阈值时，确定合格信息。在一些实施例中，将合格信息发送给整个信息消费者群组。在各种实施例中，不将预先设定的连接附接到信息消费者，且不将预先设定的标签分配给信息。在一些实施例中，将共享共同特征的信息消费者分到新的群组中。基于新的信息与所述共有特征之间的兼容性将新的信息发送给所述新的信息消费者群组。在一些实施例中，系统从合格信息特征中提取多个特征，并且通过以下步骤建立两个特征之间的层次关系：链接具有共同的合格信息的两个特征，两个特征从所述共同的合格信息中提取；为具有更多数量的合格信息的特征分配更高级别。在一些实施例中，系统基于共享的合格信息的存在和分别与两个特征相关联的合格信息的数量来建立两个特征之间的层次关系。在一些实施例中，信息消费者和信息选自以下组合中的至少一个：信息消费者包括社交网络用户，并且信息包括新闻、评论、音频、视频、艺术、文章或名称；信息消费者包括商务参与者，并且信息包括在线销售或广告的商品；信息消费者包括在线平台营销应用程序，并且信息包括应用程序的名称；信息消费者包括招聘机构、人力资源部门和雇主，并且信息包括简历；以及信息消费者包括在线教育平台的用户，并且信息包括教科书、课程、讲座、学习材料和专题。在一些实施例中，提供一种计算装置，其包括：一个或多个处理器，以及维护多个组件由一个或多个处理器可执行的存储器，多个组件包括：收集子模块，其被配置成提供信息消费者群组以及多个信息；确定子模块，其被配置成通过评估信息消费者对信息的响应/交互来确定合格信息；关联子模块，其被配置成当评估的响应超过阈值时将信息消费者与合格信息相关联；以及提取子模块，其被配置成从合格信息中提取特征。在一些实施例中，一种或多种存储计算机可执行指令的非暂时性计算机可读介质，所述计算机可执行指令当在一个或多个处理器上执行时致使一个或多个处理器执行系统操作。在一些实施例中，提供一种用于生成双层社交图的方法，其包含以下步骤：提供包括表示信息消费者的信息消费者节点的第一层，其中节点不相互连接；提供包括自动地呈现信息消费者的所提取特征的特征节点的第二层；以及将信息消费者节点连接到特征节点，其中特征节点是从与信息消费者相关联的合格信息中提取。在一些实施例中，用于生成双层社交图的方法进一步包含：提供多个信息；通过将信息发送给信息消费者并且评估信息消费者对发送的信息的交互来确定合格信息；基于评估将合格信息与信息消费者相关联；以及从相关联的合格信息中提取信息消费者的特征。在一些实施例中，通过逐步测试或传播测试执行确定合格信息，所述逐步测试或传播测试包括以下步骤：将信息发送给仅部分信息消费者；对信息消费者的响应进行评分；以及基于评分得出的值确定合格信息。在一些实施例中，通过以下步骤执行确定合格信息：将信息消费者群组划分成用于测试的多个测试群组；确定预定的单个测试阈值和预定的多个测试阈值；将信息发送给测试群组；通过计算基于响应的值来评估测试群组响应于发送测试群组的响应；比较计算值与第一预定值，并且基于比较，当计算值超过预定的单个测试阈值时，将信息发送给下一个测试群组并且评估下一个群组的响应，或当计算值不超过预定的单个测试阈值时，停止发送信息；汇总每个测试群组的计算值；以及当汇总的值超过预定的多个测试阈值时，确定合格信息。在一些实施例中，通过链接共享共同的合格信息的两个特征来连接特征节点，其中连接方向从与更多数量的合格信息相关联的特征节点指向到与更少数量的合格信息相关联的节点。社交图中的连接方向展示两个特征之间的层次，其中方向从较高层次指向到较低层次。在一些实施例中，通过选择匹配特征节点并且将信息仅发送到连接到匹配特征节点的那些信息消费者节点，可以将信息，尤其那些极其相关的信息，传播到信息消费者。在一些实施例中，提供双层社交图，其包括：信息消费者层，其包括不相互连接(但是可以经由第二层中的特征节点连接)的信息消费者节点，以及自动提取的特征层，其包括呈现信息消费者的特征的特征节点。信息消费者节点与特征节点之间的连接表示所述信息消费者的特征。在一些实施例中，提供特征节点之间的定向连接，其表示所述特征之间的层次关系，其中通过逐步评估对信息的兴趣从与信息消费者相关联的合格信息中提取特征。另外，所属领域的技术人员从以下详细描述将容易了解本发明的其它实施例，其中通过说明为执行本发明而设想的最佳模式来描述本发明的实施例。将认识到，本发明能够在全部不脱离本发明的精神和范围的情况下具有其它及不同实施例且其若干细节能够在各种明显方面加以修改。因此，图式和具体实施方式应被视为在本质上是说明性而非限制性的。应注意，所属领域的技术人员在不进行创造性工作的情况下实践或采用的各种更改和修改应理解为包含在如由所附权利要求书定义的本发明的范围内。附图说明参考附图描述详细描述。在图中，参考标号最左边的数字识别所述参考标号在其中首先出现的图。不同图中的相同参考标号指示相似或相同的项。图1是根据一些实施例的用于对信息消费者进行分类、提取特征、以及创建和操作反映信息消费者的类别和特征的社交图的说明性计算环境的示意图。以下标号指示项：101社交网络；102传统媒体；103应用程序；104推荐引擎；105内容模块；106数据服务器；107应用程序服务器。图2是根据一些实施例的通过逐步测试或传播测试方法对信息消费者进行分类并且提取特征的说明性方法的流程图。以下标号指示步骤：201开始内容分发和处理；202将内容发送到测试群组1；203测试群组1与内容交互并且决定它们是否认可内容；204测试群组1不认可内容并且将其舍弃；205系统评估内容是否获得待广播的足够值；206将内容广播到群组；以及207将内容发送到下一个测试。图3是示出双层图模型的说明性双层社交图模型的示意图。顶层是表示信息消费者的节点并且第二层是表示所提取特征的节点。图4是所提取并且在社交图中进一步分析/开采的特征的层次结构的图示。具体实施方式本公开，包括系统和方法，不仅能够向用户呈现相关信息，而且能够将具有相同特定特征或需求的人联系起来。通过研究以下描述和附图，其它目的和优点将变得显而易见。将参考附图详细描述本公开的通用架构和具体实施例。本公开可以应用于各种场景，例如，社交媒体、社交网络、电子商务、营销平台、招聘和求职、知识分类等。使用通用架构，可以实现应用程序的不同场景。可以多种方式实现本文中描述的方法和系统。下文参考附图提供实例实施方式。存在高效促进信息的系统分发的信息消费者和消费品和尝试的许多实例。一个实例是社交网络，其中信息消费者是参与者并且消费品是参与者共享的信息。系统取决于分类。通过对参与人员以已知或公开的类别或特征(例如年龄、兴趣、工作和其它预定义特征)进行分类来完成分类。对参与者标记信息，并且重点在于这些标记所反映的人。信息消费者和消费品交互的另一个领域是电子商务。消费者是人，并且消费品是商品信息。现有的解决方案是对商品进行分类。信息消费者和消费品交互的另一个领域是信息流推荐。信息消费者是人，且消费品是信息内容。现有的解决方案也依赖于标签。标注人和内容，通过标签匹配尝试所谓的个性化推荐。同样，重点在于这些标签所反映的人。其它领域包含大数据利用、招聘/人力资源和营销研究。当前系统和方法面临的共同挑战是不准确的标签和高噪音信号比。参考传统技术，考虑到人们信息过载，社交媒体上的噪音是至关重要的。未能将相关内容与混乱区分开来会阻止人们有效获取信息。在当前的互联网产品中，用户通常被大量无法消费的信息所淹没。对于大多数互联网用户而言，收到的信息会因系统、个人联系人或内容共享而过载。大多数信息与用户无关，因此，对于互联网用户，系统中存在过多噪音，并且snr过低。另一方面，某些相关信息可能无法到达相关用户，信息分发效率低。当前产品通常使用标签(或标记)来过滤信息。用户还可以通过手动追踪某人来获取此人共享的信息。这些方法的缺点如下，标签不能准确地表示人的兴趣；它们也无法准确地描述信息的特征。因此，基于标签的信息定向和分发不能改善信噪比。标签是静态且固定的；它们无法动态地进行调整或调适。因此，它们无法追踪人兴趣的变化。追踪特定的人意味着追踪其分发或分享的所有内容。这因为人之间存在巨大差异而同样没有效率。总而言之，基于标签和个人联系(牢固关系)的信息广播(或群组广播)不是有效的并且具有低snr。这些系统的共同缺点是：所使用的类别或分类是固定的，不够精确或准确；分类是静态的，且不反映消费者和信息的变化；即使数据更新，所使用的类别和分类也是基于历史数据且落后于现实；消费者和信息的分类是分开进行的，这与实际情况不同。因此，分类不准确，并且信息推荐也不准确。此类系统的一项至关重要的任务是基于信息消费者的特征准确地对信息消费者进行分类。如果能够准确地提取信息消费者的特征，我们就可以自然地解决例如低snr等问题。例如，在社交网络系统(sns)中，特征可以表示不同类型的兴趣，并且通过用户共同的收藏来链接用户。如果是这样，则可以根据用户共同的收藏将相关消息从一个用户准确地推送给另一个用户。但是在传统的sns中，通常从一开始就为两个用户分配链接。也就是说，一个用户的所有所关注消息可能被推送给链接到他/她的另一个用户。然而，一个用户的许多收藏可能与另一个用户不同，导致另一个用户可能收到许多不感兴趣的消息。图1示出在一些实施例中可以利用分布式智能和联网机制来执行这里公开的方法的平台或系统100。系统包括两个主要层/模块：推荐引擎(104)和内容模块(105)。推荐引擎接收内容并向用户生成内容的推荐(例如社交媒体帖子、电子邮件、即时消息、音乐和视频、服务、产品和其它应用程序之类的信息)，并在用户与内容之间工作。它还评估响应并对接收推荐/内容的信息消费者的交互评级。此外，其还对信息消费者进行分类并提取信息消费者的特征。其还创建并更新通过功能/专题联系起来的用户的内容和网络的层次结构。推荐引擎(104)包含若干子模块，这些子模块协同操作以执行其功能。这些子模块包含：收集子模块，其被配置成提供信息消费者群组以及多个信息；确定子模块，其被配置成通过评估信息消费者对信息的响应来确定合格信息；关联子模块，当评估的响应超过阈值模块时，所述关联子模块将信息消费者与合格信息相关联；以及提取子模块，其被配置成从合格信息中提取特征。不需要关于信息消费者之间的联系的先验知识，也不需要信息的标签。在各种实施例中，预先设定的或已知的联系和标签由内容子模块过滤掉。推荐引擎进一步包含内容模块，所述内容模块包含用户生成(由用户最初创建或由用户收集)并引入系统的所有内容。此内容以非常高的辨析度而分类至文本标签无法描述的级别。在一个实施例中，系统与至少三种类型的外部系统交互：社交网络(例如facebook、twitter、pinterest)、传统媒体(例如nbc、cbs、纽约时报)和应用程序(例如谷歌app、游戏应用程序、亚马逊app)。系统提供与社交网络之间的介接，以便用户可以轻松地传送内容。在一些实施例中，系统可以与更专业的系统交互，例如具有频繁简历发布的职位搜索站点，或具有大量订单的电子商务站点。在一些实施例中，通过将质量内容传送到系统，用户将在经济、社交或精神上获得奖励。系统与传统媒体合作，以获取高质量的内容，并促进货币化和用户获取。系统充当应用程序和服务的代理。其可以帮助用户找到最相关的服务和服务提供商，同时系统通过分析用户与各种应用程序的交互来更好地了解用户。在一个实施例中，系统物理地构建在全部驻留于云中的数据服务器和应用程序服务器上。系统是可线性扩展的。随着用户群和内容库的增长，可以更容易地添加更多服务器来处理服务请求和存储内容。图2是根据各种实施例的通过逐步测试或传播测试方法对信息消费者进行分类并且提取特征的说明性方法的流程图。当内容(即信息)进入系统时(步骤201)，可以将其发送或引导到一个或多个信息消费者群组(步骤202)。在每个群组中，选择特定百分比的信息消费者(测试群组)来接收内容或信息。评估测试群组的响应(步骤203)。具体地，通过对测试群组内的信息消费者对信息的动作或交互进行评分、量化或分级来执行评估。信息消费者对内容完成的每一个动作都会生成一个得分。将来自测试群组的组合得分(即测试群组得分)与预定值(即单个测试阈值)进行比较。如果不满足阈值，则不再传播信息并且舍弃信息(步骤204)。如果满足阈值，则进一步将测试群组得分与第二预定值(即，多个测试阈值)进行比较(步骤205)。如果满足多个测试阈值，则此群组内的发送/测试停止，并且确定信息是合格信息(步骤206)。如果不满足多个测试阈值，则将内容发送到下一个测试群组(步骤207)并经历与先前测试群组中执行的相同的测试步骤，以确定是否将进一步分发内容，确定内容为合格信息或在群组中中断内容，不同之处在于，在步骤205中，将来自先前测试群组的测试群组得分组合以与多个测试阈值进行比较。此测试过程可以通过许多测试群组重复进行，直到内容由群组内的每个人接收或在其间的某个地方中断。当满足群组的多个测试阈值时，确定合格信息。在一些实施例中，合格信息通常与信息消费者群组有关，根据所述信息消费者群组已经确定所述合格信息并可以将所述合格信息广播到整个信息消费者群组。合格信息，特别是从一大群信息消费者获得的合格信息，或通过信息消费者的多个群组确认的合格信息，通常是那些在逐步测试中获得高分的信息消费者的可靠指标或特征。合格信息可以与在逐步测试中获得高分的信息消费者相关联。因此，可以根据与共同特征的关联性对信息消费者进行分类。与现有的所有方法和商业惯例相比，这种方法的优点是：不需要在信息消费者之间引入先前的关系；不需要定义特征是什么。引言和定义都会引入不准确和静态的、过时的限制。相反，系统通过测试自动并同时地对信息消费者和信息进行分类。结果准确、最新且偏差较少。可以从合格信息中提取一个或多个特征，其指示信息消费者的兴趣、联系或其它特征。特征可以是在信息或内容中存在的元素。在一些实施例中，特征也可以是信息本身。在提取多个特征之后，可能出现一些特征之间的层次关系，其反映特征的潜在关系。例如，当特征1由两个元素组成并且特征2由所述两个元素中的一个组成时，可以在一大群信息消费者中观察到与特征2相关联的那些信息消费者倾向于总是与特征1相关联，但反之则不然。通过分析从相关合格信息中提取的特征，可以得出关于特征之间关系的结论。由于系统会自动提取这些特征且不需要人工输入，因此系统可以发现新的特征和关系。可以看出，除了提供信息消费者和信息的准确、最新和同时分类之外，系统还提供揭示或确认特征之间的关系的方法和系统。通过实例更好地说明所公开的系统和方法的实施方式。在一个实施例中，信息消费者包括社交网络用户，并且信息包括新闻、评论、音频、视频、艺术、文章或名称。系统可用于发现用户的兴趣，决定要发送的热门信息以及推荐广告位置。此外，通过追踪动作或交互或行为，包含创建评论、阅读新闻、投票表决和传送信息，来执行对用户或信息消费者的响应或交互的评分或评估。基于行为类型、强度和频率，系统将分配值。下面列出了社交网络的典型行为值表。行为类型创建阅读评论投票表决传送值51425在如前所述的逐步测试或传播测试之后，如果通过消息评分的值超过多个测试阈值，则确定所述消息是合格信息，基于所述消息生成或提取特征，并且将关于所述消息的个人得分足够高的所有用户关联或为其分配所述特征。在此意义上，所述特征也可以被视为专题，它对显示出足够兴趣的所有信息消费者进行分类。在另一实施例中，信息消费者包括电子商务中的潜在客户。信息是商品的名称。通过追踪动作或交互或行为，包含点击、阅读信息、搜索类似项目、保存链接和购买，来执行对用户或信息消费者的响应的评分或评估。下面列出了在线购买的典型行为值表。下面列出了社交网络的典型行为值表。行为类型点击阅读搜索保存购买值12335信息消费者和信息组合的实例包含在线平台营销应用程序和应用程序的名称；招聘机构/人力资源部门/雇主和简历；在线教育平台，并且信息包括教科书、课程、讲座、学习材料和专题。图3是说明性双层社交图模型的示意图。在各种实施例中，系统实现所公开的方法，并在双层社交图中呈现信息消费者及其相关联的特征。第一层包含表示信息消费者的节点，且第二层包含表示从信息消费者提取的特征的节点。在各种实施例中，系统自动提取特征，同时基于提取的特征对信息消费者进行分类，并将结果呈现在双层图模型中。第一层或信息消费者层的节点表示信息消费者。第一层的节点并不相互链接，因为没有感知的联系被引入社交图中。第二层或特征层中的节点表示从合格信息中提取的特征，并且与其各别信息消费者相关联。下文已描述特征提取过程。每个特征在第二层中表示为特征节点，并且每个特征节点具有两个度量：第一度量是与其相关联的信息消费者(即，在逐步测试中关于从中提取特征的特定信息得分足够的那些信息消费者)，第二度量是从中提取或导出特征的合格信息的数量。关于第一度量，双层社交图通过在第二层中的特征节点与第一层中的其各别信息消费者节点之间建立连接(即边缘)来表示所述度量。因此，可以通过出自特征的边缘方便地可视化或呈现共享共同特征。为了向感兴趣的群组传播信息，系统可以首先定位信息，然后沿着边缘向第一层发送信息。第二层中的特征节点可以连接到另一个特征节点，其中所述连接可以表示特征之间的层次关系。通过探索和分析连接，可以获得关于特征之间关系的见解。特征的第二度量，即，从中提取或导出特征的合格信息的数量，在确定连接方向和建立两个特征之间的层次关系时可能重要。在一个实施例中，系统通过链接具有共同的合格信息的两个特征(两个特征从所述共同的合格信息中提取)并且为具有更多数量的合格信息的特征分配更高级别来进行定向连接。例如，如果特征节点a和特征节点b的合格信息的数量分别是a和b，并且a和b的共同的合格信息的数量是c，那么从节点a到b的边缘的权重计算为c/b，并且从节点b到a的边缘的权重是c/a。因此，通过上述方式，可以为特征构建加权定向(非对称)图形。图形表示特征的结构。假设在b＝c且a>c的情况下，则特征b可能是特征a的一部分，并且a-b方向的定向明确地从a到b指向，因为a包含b并且处于比b更高的水平。这在某些应用程序中特别有用。例如，对于电子商务系统，图形给出了不同产品之间的关系；或者对于每个特征表示某一知识点的知识系统，图形形成知识图，所述知识图指示一个主题或专题被包含或连接到另一个主题或专题。图4是社交图中挖掘的特征的层次结构的图示，其揭示了特征之间的层次关系。容易理解的是，如本文中大体描述且在图中说明的本公开的组件可以各种不同配置来布置和设计。因此，如附图中所示，以下对本公开的实施例的更详细描述并非旨在限制所要求保护的本公开的范围，而是仅代表根据本发明的当前构想的实施例的某些实例。参考图式将最好地理解当前所描述的实施例，其中通篇中用相同数字标示相同部分。根据本公开的实施例可以体现为设备、方法或计算机程序产品。因此，本公开可以采用完全硬件实施例、完全软件实施例(包含固件、常驻软件、微码等)或组合软硬件方面的实施例(在本文中可以全部总称为“模块”或“系统”)的形式。此外，本公开可以采用实施于任何有形表达介质中的计算机程序产品的形式，所述有形表达介质具有实施于介质中的计算机可用程序代码。可以使用一个或多个计算机可用或计算机可读介质的任何组合。例如，计算机可读介质可以包含便携式计算机磁盘、硬盘、随机存取存储器(ram)装置、只读存储器(rom)装置、可擦除可编程只读存储器(eprom或快闪存储器)装置、便携式压缩光盘只读存储器(cdrom)、光学存储装置和磁性存储装置中的一种或多种。在所选的实施例中，计算机可读介质可以包括任何非暂时性介质，所述非暂时性介质可以容纳、存储、传达、传播或传送通过或结合指令执行系统、设备或装置使用的程序。可以一种或多种编程语言的任何组合编写用于执行本公开的操作的计算机程序代码，所述一种或多种编程语言包含例如java、smalltalk、c++等面向对象的编程语言，以及例如“c”编程语言或类似编程语言的常规程序化编程语言。程序代码可以作为单独的软件包完全在计算机系统上执行，在单独硬件单元上执行，部分地在与计算机隔开某段距离的远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种场景中，远程计算机可以通过包含局域网(lan)或广域网(wan)的任何类型的网络连接到计算机，或者可以对外部计算机进行连接(例如，使用互联网服务提供商通过互联网)。参考根据本公开的实施例的方法、设备(系统)和计算机程序产品的流程图说明和/或框图描述本公开。应理解，流程图说明和/或框图中的每个框以及流程图说明和/或框图中的框的组合可以通过计算机程序指令或代码实施。可以将这些计算机程序指令提供到通用计算机、专用计算机或其它可编程数据处理设备的处理器以产生机器，使得经由计算机或其它可编程数据处理设备的处理器执行的指令创建用于实施在流程图和/或框图的框中指定的功能/动作的构件。这些计算机程序指令还可存储于非暂时性计算机可读介质中，所述非暂时性计算机可读介质可以指导计算机或其它可编程数据处理设备用特定方式运转，使得存储于计算机可读介质中的指令产生包含实施在流程图和/或框图的框中指定的功能/动作的指令构件的制品。计算机程序指令也可以加载到计算机或其它可编程数据处理设备上以引起一系列操作步骤在所述计算机或其它可编程设备上执行以产生计算机实施过程，使得在所述计算机或其它可编程设备上执行的指令提供用于实施在流程图和/或框图的框中指定的功能/动作的过程。总结虽然已以特定地针对结构特征和/或方法动作的语言来描述主题，但应理解，所附权利要求书中所界定的主题未必限于上文所描述的特定特征或动作。而是，作为实施权利要求的实例形式公开特定特征和动作。当前第1页12