一种查询语句检索回复方法及装置与流程

本申请涉及文本检索技术领域，尤其涉及一种查询语句检索回复方法及装置。

背景技术：

针对查询语句给出与之对应的回复语句，是文本检索的一种常用的应用场景，将其应用到人机交互中，可以实现自动回复用户查询语句。

现有技术中，回复查询语句的处理方法是，基于规则套用模板对用户查询语句进行回复，达到快速回复用户查询语句的目的。但是，规则和模板毕竟数量有效，能覆盖的场景过少，对用户查询语句往往不能给出合适的回复，查询语句回复质量较低。

技术实现要素：

基于上述现有技术的缺陷和不足，本申请提出一种查询语句检索回复方法及装置，能够提高查询语句回复质量。

一种查询语句检索回复方法，包括：

从语料库中检索得到与查询语句的字重合比例大于预设阈值的上半句语句；其中，所述语料库中的语句均划分为上半句语句和下半句语句对应存储；

根据所述语料库的上半句语句与下半句语句的对应关系，从所述语料库中筛选出与检索得到的上半句语句对应的下半句语句，组成回复语句候选集合；

分别计算所述查询语句与所述回复语句候选集合中的各个语句的语义匹配度；

从所述回复语句候选集合中，筛选出与所述查询语句的语义匹配度大于预设的语义匹配度阈值的语句，作为所述查询语句的回复语句。

可选的，所述从语料库中检索得到与查询语句的字重合比例大于预设阈值的上半句语句，包括：

针对查询语句中的每个字，分别检索出语料库中包含查询语句中的字的上半句语句；

将被检索出的次数大于设定次数的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句。

可选的，所述针对查询语句中的每个字，分别检索出语料库中包含查询语句中的字的上半句语句，包括：

针对查询语句中的每个字，分别根据语料库的索引，从所述语料库中检索出包含查询语句中的字的上半句语句序号；其中，所述语料库的索引用于记录所述语料库中的上半句语句的序号，与上半句语句所包含的字之间的对应关系；

所述将被检索出的次数大于设定次数的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句，包括：

将被检索出的次数大于设定次数的上半句语句序号对应的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句。

可选的，所述语料库的索引，包括所述语料库的倒排索引；

所述方法还包括：

为所述语料库构建倒排索引；其中，所述倒排索引中的上半句语句序号以序号增量方式存储，并且存储上半句语句序号与句子长度的映射关系。

可选的，在从语料库中检索得到与查询语句的字重合比例大于预设阈值的上半句语句时，所述方法还包括：

当从语料库中检索得到与查询语句完全相同的上半句语句时，输出与所述查询语句完全相同的上半句语句对应的下半句语句，作为所述查询语句精准回复语句。

可选的，所述分别计算所述查询语句与所述回复语句候选集合中的各个语句的语义匹配度，包括：

利用经过训练的孪体神经网络分别计算所述查询语句与所述回复语句候选集合中的各个语句的语义匹配度。

一种查询语句检索回复装置，包括：

语句检索单元，用于从语料库中检索得到与查询语句的字重合比例大于预设阈值的上半句语句；

第一筛选单元，用于根据所述语料库的上半句语句与下半句语句的对应关系，从所述语料库中筛选出与检索得到的上半句语句对应的下半句语句，组成回复语句候选集合；

计算单元，用于分别计算所述查询语句与所述回复语句候选集合中的各个语句的语义匹配度；

第二筛选单元，用于从所述回复语句候选集合中，筛选出与所述查询语句的语义匹配度大于预设的语义匹配度阈值的语句，作为所述查询语句的回复语句。

可选的，所述语句检索单元，包括：

检索处理单元，用于针对查询语句中的每个字，分别检索出语料库中包含查询语句中的字的上半句语句；

统计处理单元，用于将被检索出的次数大于设定次数的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句；其中，所述预设阈值等于所述设定次数与所述查询语句的字数的比值。

可选的，所述检索处理单元针对查询语句中的每个字，分别检索出语料库中包含查询语句中的字的上半句语句时，具体用于：

针对查询语句中的每个字，分别根据语料库的倒排索引，从所述语料库中检索出包含查询语句中的字的上半句语句序号；其中，所述倒排索引用于记录所述语料库中的，包含某个汉字的上半句语句的序号；

相应的，所述统计处理单元将被检索出的次数大于设定次数的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句时，具体用于：

将被检索出的次数大于设定次数的上半句语句序号对应的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句。

可选的，所述语句检索单元，还用于：

当从语料库中检索得到与查询语句完全相同的上半句语句时，输出与所述查询语句完全相同的上半句语句对应的下半句语句，作为所述查询语句精准回复语句。

本申请所提出的查询语句检索回复方法，不再依靠规则套用模板来对查询语句进行回复，而是将语料库中的语句分成上下半句分别存储，当需要对查询语句进行回复时，先从预料中检索得到与查询语句相似的上半句语句，然后从语料库中筛选检索出的上半句语句对应的下半句语句，接着度量查询语句与筛选出的下半句语句之间的语义匹配度，从筛选出的下半句语句中找出与查询语句语义匹配度较高的语句作为查询语句的回复语句。上述查询语句检索回复方法摆脱了对规则和模板的依赖，从根本上解决了规则和模板对查询语句回复质量的约束，可以提高查询语句回复质量。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1是本申请实施例提供的一种查询语句检索回复方法的流程示意图；

图2是本申请实施例提供的一种用于构建语句的上半句和下半句特征的神经网络的网络结构示意图；

图3是本申请实施例提供的另一种查询语句检索回复方法的流程示意图；

图4是本申请实施例提供的一种查询语句检索回复装置的结构示意图；

图5是本申请实施例提供的另一种查询语句检索回复装置的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请公开了一种查询语句检索回复方法，参见图1所示，该方法包括：

s101、从语料库中检索得到与查询语句的字重合比例大于预设阈值的上半句语句；

具体的，在本申请实施例设定，上述语料库中的语句均划分为上半句语句和下半句语句对应存储，即，上述语料库中的语句以“上半句+下半句”的形式存储，即在上述语料库中的每个语句，都是两个半句组合的形式，每个语句都包含上半句语句和下半句语句两部分。

本申请实施例技术方案的目的是，从语料库中检索出与查询语句相对应的回复语句。具体实现思想是，首先从语料库中检索出与查询语句重合较高的上半句语句，然后将检索出的上半句语句对应的下半句语句作为可以回复查询语句的回复语句。由于语料库中的语句都是上半句语句和下半句语句对应存储的方式存在，因此同一语句的下半句语句作为上半句语句的回复语句，是符合语义的。

为了便于从上述语料库中检索得到与查询语句的字重合比例较高的上半句语句，本申请实施例将语料库中的各个语句的上半句以及各个语句的下半句分别存储，即将各个语句的上半句语句存储到一起，将各个语句的下半句语句存储到一起，同时，明确记载语料库中各个上半句语句与下半句语句之间的对应关系。

其中，上述的字重合，是指包含相同的字符。字重合比例，即是指两个语句之间的相同的字符所占的比例。上述字符，又可以包括汉字、数字、字母、符号等。

当需要从语料库中检索与查询语句的字重合比例较高的上半句语句时，直接从存储语料库中所有上半句语句的存储区域进行检索即可。进一步的，上述预设阈值，是指本申请实施例在检索上半句语句时，作为检出标准的字重合度阈值。当语料库中上半句语句与上述查询语句的字重合度大于上述预设阈值时，认为该上半句语句与上述查询语句高度相似，将该上半句语句作为检索结果。

按照上述检索思想，从上述语料库中检索出与上述查询语句高度相似的上半句语句。

s102、根据所述语料库的上半句语句与下半句语句的对应关系，从所述语料库中筛选出与检索得到的上半句语句对应的下半句语句，组成回复语句候选集合；

具体的，由于本申请实施例设定上述语料库中的语句都是以“上半句+下半句”的形式存在，并且在将所有语句的上半句语句和下半句语句单独存储时还明确记载了各个语句的上半句语句和下半句语句的对应关系。因此，当从上述语料库中检索出与上述查询语句高度相似的上半句语句后，参照明确记载的语料库上半句语句与下半句语句的对应关系，可以快速地确定与检索出的上半句语句对应的下半句语句。

在确定与检索出的上半句语句对应的下半句语句后，本申请实施例将所确定的下半句语句进行归集，组成下半句语句集合。

由于本申请实施例从上述语料库中检索出的上半句语句，是与查询语句高度相似的语句。而与检索出的上半句语句相对应的下半句语句，也就是上述下半句语句集合中的语句，是与检索出的上半句语句存在语义对应关系的语句，因此，与检索出的上半句语句对应的下半句语句也是与上述查询语句存在语义对应关系的语句，因此上述的下半句语句集合，即可能作为上述查询语句的回复语句的集合，因此本申请实施例将其命名为回复语句候选集合。

s103、分别计算所述查询语句与所述回复语句候选集合中的各个语句的语义匹配度；

具体的，在确定上述回复语句候选集合后，也就是确定了与上述查询语句对应的回复语句的直接来源，即从上述回复语句候选集合中，可以进一步选择出与上述查询语句对应的回复语句。

为了使回复语句与上述查询语句的语义能够匹配，以便提高回复质量，本申请实施例在确定回复语句候选集合后，进一步分别计算上述查询语句与上述回复语句候选集合中的各个语句的语义匹配度。

一种示例性的实现方式是，本申请实施例利用经过训练的孪体神经网络分别计算上述查询语句与上述回复语句候选集合中的各个语句的语义匹配度。

首先对上述孪体神经网络进行训练，使其具备衡量两个语句的语义匹配度的能力。

具体做法是构建同一个神经网络对用于训练的语句的上半句与下半句构建特征。上下半句使用同一个网络构建特征，之所以使用同一个网络处理上下半句，目的是使得上下半句能被映射到同一个语义空间内，保证语义的统一。在该空间内，使得本身是组合的上下半句，其相似程度加大；无法形成组合的上下半句，其相似程度减少。

网络结构如图2所示，c0，c1，c2表示上半句的每个词；r0，r1，r2表示下半句的每个词。通过lstm构建上下半句的特征后，计算上下半句的相关程度，其中套用sigmod函数σ，把相关程度映射为0或1。0表示上下半句不匹配，1表示完全匹配。由于把结果映射至0或1，损失函数使用二元交叉熵损失函数，用于更新模型参数。

基于上述网络，分别计算训练语句的上半句与下半句的语义匹配度，并根据计算结果对网络参数进行更新，直到该网络能够准确地度量语句之间的语义匹配度。

然后，利用上述经过训练的孪体神经网络，分别计算上述查询语句与上述回复语句候选集合中的各个语句之间的语义匹配度。

s104、从所述回复语句候选集合中，筛选出与所述查询语句的语义匹配度大于预设的语义匹配度阈值的语句，作为所述查询语句的回复语句。

具体的，语句之间的语义匹配度表示了语句之间的语义是否相匹配，可以用来衡量上述回复语句候选集合中的语句是否可以用于作为上述查询语句的回复语句。可以理解，与上述查询语句的语义越匹配，就越适合作为上述查询语句的回复语句。

因此，在通过步骤s103分别计算得到上述查询语句与上述回复语句候选集合中的各个语句之间的语义匹配度后，本申请实施例以该语义匹配度为依据，从上述回复语句候选集合中筛选出与上述查询语句的语义匹配度大于预设的语义匹配度阈值的语句，作为上述查询语句的回复语句。

上述预设的语义匹配度阈值，是指本申请实施例设定的，用于筛选出与上述查询语句的语义匹配度较高的语句的语义匹配度阈值。在上述回复语句候选集合中，与上述查询语句的语义匹配度大于上述预设的语义匹配度阈值的语句，即为可以作为上述查询语句的回复语句的语句。

需要说明的是，上述与查询语句的语义匹配度大于预设的语义匹配度阈值的语句，可能是多个，则本申请实施例可以同时将这多个语句输出，作为可以用于回复上述查询语句的语句。或者，还可以进一步对上述与查询语句的语义匹配度大于预设的语义匹配度阈值的语句进行排序，从中找出一个与查询语句的语义匹配度最大的语句作为上述查询语句的回复语句。

通过上述介绍可见，本申请实施例所提出的查询语句检索回复方法，不再依靠规则套用模板来对查询语句进行回复，而是将语料库中的语句分成上下半句分别存储，当需要对查询语句进行回复时，先从预料中检索得到与查询语句相似的上半句语句，然后从语料库中筛选检索出的上半句语句对应的下半句语句，接着度量查询语句与筛选出的下半句语句之间的语义匹配度，从筛选出的下半句语句中找出与查询语句语义匹配度较高的语句作为查询语句的回复语句。上述查询语句检索回复方法摆脱了对规则和模板的依赖，从根本上解决了规则和模板对查询语句回复质量的约束，可以提高查询语句回复质量。

可选的，在本申请的另一个实施例中，参见图3所示，还公开了，所述从语料库中检索得到与查询语句的字重合比例大于预设阈值的上半句语句，包括：

s301、针对查询语句中的每个字，分别检索出语料库中包含查询语句中的字的上半句语句；

具体的，针对查询语句中的每个字，本申请实施例从语料库中检索包含该字的所有上半句语句。

例如，假设查询语句包含五个字，则对于查询语句的第一个字，本申请实施例从语料库中检索出包含查询语句的第一个字的所有上半句语句；对于查询语句的第二个字，本申请实施例从语料库中检索出包含查询语句的第二个字的所有上半句语句，以此类推，分别检索出语料库中包含查询语句中的字的上半句语句。

一种示例性的实现方式是，本申请实施例针对查询语句中的每个字，分别根据语料库的索引，从语料库中检索出包含查询语句中的字的上半句语句序号。

其中，上述索引用于记录语料库中的上半句语句的序号，与上半句语句所包含的字之间的对应关系。语料库的索引可以为正排索引或倒排索引。

正排索引用于记录语句的序号与该语句所包含的单字之间的对应关系；而倒排索引则记录单字与包含该单字的各个语句的序号之间的对应关系。

很显然，当需要确定包含某个单字的各个语句时，通过倒排索引更加直接、更加便捷，因为倒排索引本身已经统计了单字所对应的各个语句，而正排索引只是统计了各个语句所包含的单字，如果需要根据正排索引确定包含某个单字的语句，还需要从正排索引已经统计的各个语句所包含的单字中识别出需要检索的单字，然后再根据被检索出的单字所对应的语句，确定包含该单字的语句。

因此，本申请实施例根据语料库的倒排索引，从语料库中检索包含查询语句中的字的上半句语句序号。

本申请实施例针对语料的上半句集合构建倒排索引，其中以字做单位将其映射为唯一的序号，通过字序号生成倒排索引。

倒排索引用来记录语料中有哪些语句包含了某个单词，单词都是以序号做标记的。每个语句的序号是键，单词序号列表是值，这样形成的是正排索引。以每个单词的序号作为键，哪些句子中出现了该词，则把这些句子序号收集形成列表作为值，这种以字查句子的方式即倒排索引。这样在得到查询语句后，用查询语句的字通过倒排索引做检索，得到一系列的句子序号集合，则该句子序号集合中的语句，就是包含查询语句中的这个字的语句。

基于上述的语料库倒排索引，按照上述方法，可以针对查询语句中的每个字，分别检索出包含查询语句中的字的上半句语句序号。由于语句序号与语句具有唯一对应关系，因此检索出上半句语句序号，也就相当于检索出上半句语句。

s302、将被检索出的次数大于设定次数的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句；

其中，所述预设阈值等于所述设定次数与所述查询语句的字数的比值。

具体的，由于查询语句包含多个汉字，而且语料库中的上半句语句中也包含多个汉字，因此当分别针对查询语句中的汉字检索包含该汉字的上半句语句后，可能同一个上半句语句被检索出多次，也就是一个上半句语句包含查询语句中的多个汉字。

可以理解，语料库中的上半句语句包含查询语句中的汉字越多，则被检索出的次数就越多，则说明该上半句语句与查询语句的字重合比例越高，即该上半句语句与查询语句越相似。

因此，本申请实施例将被检索出的次数大于设定次数的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句。

示例性的，本申请实施例中的上述预设阈值，可以设置为等于上述设定次数与上述查询语句的字数的比值。可以理解，上半句语句与上述查询语句的字重合比例，即是指上半句语句与查询语句的汉字重合的比例，也就是上半句语句包含的查询语句中的汉字的数量，占查询语句总的汉字数量的比例，而上半句语句包含的查询语句中的汉字的数量，与该上半句语句被检索出的次数相等，因此，字重合比例，在数值上等于被检索出的次数与查询语句中的字数的比值。如果把字重合比例的预设阈值，设置为上述的设定次数与查询语句的总字数的比值，可以达到这样的效果：只要语句被检索出的次数大于了设定次数，那么被检索出的语句与查询语句的字重合比例就大于了预设阈值，这样更容易判断处理。

进一步的，当本申请实施例根据语料库的倒排索引，从语料库中检索出包含查询语句中的字的上半句语句序号时，将被检索出的次数大于设定次数的上半句语句序号对应的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句。

在本申请的另一个实施例中，还公开了在利用上述语料库的倒排索引检索包含查询语句中的字的上半句语句序号之前，还需要事先为上述语料库构建倒排索引。

本申请实施例为语料库构建倒排索引时，以字做单位将其映射为唯一的序号，通过字序号生成倒排索引。

倒排索引用来记录语料中有哪些语句包含了某个字，字都是以序号做标记的。每个语句的序号是键，字序号列表是值，这样形成的是正排索引。以每个字的序号作为键，哪些句子中出现了该词，则把这些句子序号收集形成列表作为值，这种以字查句子的方式即倒排索引。这样在得到查询语句后，用查询语句的字通过倒排索引做检索，得到一系列的句子序号集合，则该句子序号集合中的语句，就是包含查询语句中的这个字的语句。

需要说明的是，本申请实施例在参照上述常规方法构建语料库的倒排索引时，设置所述倒排索引中的上半句语句序号以序号增量方式存储，比如1→15,20,29。1表示第一个字，15,20,29表示第15个，20个，29个句子。但是语料过大时，句子序号可能会很大，占用存储空间。所以对15,20,29在存储时存的是15,5,9，存的是句子序号的增量，这样可以减少存储空间。

另一方面，本申请实施例在构建倒排索引时，还存储上半句语句序号与句子长度的映射关系。比如10→50,其中的10表示的是句子序号(第10个句子)，50表示这句语句的长度。在得到句子序号10后，直接把0～10对应的语句长度加起来，得到一个数，这个数可以作为一个地址直接定位到存在硬盘上的这个语句。当然这里的句子序号与语句字节长度的映射关系中，句子序号也都是上述增量形式存储的。

图3所示的方法实施例中的步骤s303～s305分别对应图1所示的方法实施例中的步骤s102～s104，其具体内容请参见图1所示的方法实施例的内容，此处不再赘述。

可选的，在本申请的另一个实施例中还公开了，在从语料库中检索得到与查询语句的字重合比例大于预设阈值的上半句语句时，所述方法还包括：

当从语料库中检索得到与查询语句完全相同的上半句语句时，输出与所述查询语句完全相同的上半句语句对应的下半句语句，作为所述查询语句精准回复语句。

具体的，当从语料库中检索到与上述查询语句完全相同的上半句语句时，可以确定查询语句就是语料库中的某一个上半句语句。由于语料库中的上半句语句与下半句语句之间具有明确的语义匹配关系，则本申请实施例直接将与上述查询语句完全相同的上半句语句对应的下半句语句输出，作为上述查询语句的精准回复语句。

需要说明的是，该精准回复语句的输出，可以是与上述各实施例中的查询语句的回复语句一起输出，作为查询语句的回复语句之一，并且在后期进一步选择查询语句的回复语句时，应当优先被选择。

本申请另一实施例还公开了一种查询语句检索回复装置，参见图4所示，该装置包括：

语句检索单元100，用于从语料库中检索得到与查询语句的字重合比例大于预设阈值的上半句语句；

第一筛选单元110，用于根据所述语料库的上半句语句与下半句语句的对应关系，从所述语料库中筛选出与检索得到的上半句语句对应的下半句语句，组成回复语句候选集合；

计算单元120，用于分别计算所述查询语句与所述回复语句候选集合中的各个语句的语义匹配度；

第二筛选单元130，用于从所述回复语句候选集合中，筛选出与所述查询语句的语义匹配度大于预设的语义匹配度阈值的语句，作为所述查询语句的回复语句。

可选的，在本申请另一个实施例中还公开了，参见图5所示，所述语句检索单元100，包括：

检索处理单元1001，用于针对查询语句中的每个字，分别检索出语料库中包含查询语句中的字的上半句语句；

统计处理单元1002，用于将被检索出的次数大于设定次数的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句；其中，所述预设阈值等于所述设定次数与所述查询语句的字数的比值。

其中，所述检索处理单元1001针对查询语句中的每个字，分别检索出语料库中包含查询语句中的字的上半句语句时，具体用于：

针对查询语句中的每个字，分别根据语料库的倒排索引，从所述语料库中检索出包含查询语句中的字的上半句语句序号；其中，所述倒排索引用于记录所述语料库中的，包含某个汉字的上半句语句的序号；

相应的，所述统计处理单元1002将被检索出的次数大于设定次数的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句时，具体用于：

将被检索出的次数大于设定次数的上半句语句序号对应的上半句语句，设定为与查询语句的字重合比例大于预设阈值的上半句语句。

可选的，在本申请的另一个实施例中还公开了，所述装置还包括：

索引构建单元，用于为所述语料库构建倒排索引；其中，所述倒排索引中的上半句语句序号以序号增量方式存储，并且存储上半句语句序号与句子长度的映射关系。

可选的，在本申请另一个实施例中还公开了，所述语句检索单元，还用于：

当从语料库中检索得到与查询语句完全相同的上半句语句时，输出与所述查询语句完全相同的上半句语句对应的下半句语句，作为所述查询语句精准回复语句。

可选的，在本申请的另一个实施例中还公开了，所述计算单元分别计算所述查询语句与所述回复语句候选集合中的各个语句的语义匹配度时，具体用于：

利用经过训练的孪体神经网络分别计算所述查询语句与所述回复语句候选集合中的各个语句的语义匹配度。

需要说明的是，上述各个查询语句检索回复装置的各个实施例中的各个单元的具体工作内容，请参见上述方法实施例的内容，此处不再赘述。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件单元，或者二者的结合来实施。软件单元可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。