一种基于云计算的信息分析方法系统与流程

本发明涉及一种云计算信息处理技术领域，尤其涉及一种基于云计算的信息分析方法及系统。

背景技术：

随着图书信息数量的逐渐增长，图书管理自动化水平不断提高，利用索引进行检索的能力越来越强。索引检索的方式是对图书资料进行集中统一整合，大大提高了图书管理的效率，实现了图书借阅的快捷性和高效性。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

图书借阅检索需要不同的检索方式，但都只是书号等索引的方式进行检索，这种检索过于机械，检索不易，不能有效满足各种用户的检索需求。

技术实现要素：

本申请实施例通过提供一种基于云计算的信息分析方法及系统，解决了现有图书借阅的检索不易以及过于机械的问题，提高了检索效率，满足了各种用户的检索需求。

本申请实施例提供了一种基于云计算的信息分析方法及系统，其中，所述方法包括：获得来自第一用户的第一文章，所述第一文章用来检索第一图书；获得所述第一用户在所述云平台上的借阅历史；根据所述第一文章获得第一检索输入；根据所述借阅历史获得第二检索输入；将所述第一检索输入和所述第二检索输入输入第一训练模型，其中，所述第一训练模型通过所述训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一检索输入、所述第二检索输入和用来表示第一图书是否满足需求的标识信息；获得所述训练模型的输出信息，其中，所述输出信息包括所述第一用户的第一目标图书；获得所述第一用户的第一借阅权限；当所述第一借阅权限满足预定条件时，获得所述第一目标图书的借阅权。

另一方面，本申请还提供了一种基于云计算的信息分析系统，其中，所述装置包括：第一获得单元，所述第一获得单元用于获得来自第一用户的第一文章，所述第一文章用来检索第一图书；第二获得单元，所述第二获得单元用于获得所述第一用户在所述云平台上的借阅历史；第三获得单元，所述第三获得单元用于根据所述第一文章获得第一检索输入；第四获得单元，所述第四获得单元用于根据所述借阅历史获得第二检索输入；第一输入单元，所述第一输入单元用于将所述第一检索输入和所述第二检索输入输入第一训练模型，其中，所述第一训练模型通过所述训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括:所述第一检索输入、所述第二检索输入和用来表示第一图书是否满足需求的标识信息；第五获得单元，所述第五获得单元用于获得所述训练模型的输出信息，其中，所述输出信息包括所述第一用户的第一目标图书；第六获得单元，所述第六获得单元用于获得所述第一用户的第一借阅权限；第七获得单元，所述第七获得单元用于当所述第一借阅权限满足预定条件时，获得所述第一目标图书的借阅权。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

基于云平台的图书借阅，由于采用了将不同的检索方式(关键词、作者、阅读能力、习惯、喜好等)输入训练模型进行检索，且所述训练模型通过所述训练数据获得，训练模型输出信息，所述输出信息包括第一目标图书，根据结果通过云平台判定最近的借阅地，获得借阅权限。有效解决了现有图书借阅的检索不易以及过于机械的问题，进而实现了提高检索效率、满足不同检索需求的效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种基于云计算的信息分析方法的流程示意图；

图2为本申请实施例一种基于云计算的信息分析方法的确定所述第一用户对所述第一目标图书具有借阅权的流程示意图；

图3为本申请实施例一种基于云计算的信息分析方法的获得第一检索输入的流程示意图；

图4为本申请实施例一种基于云计算的信息分析方法的获得第二检索输入的流程示意图；

图5为本申请实施例一种基于云计算的信息分析方法的排除第一偏好中的第一作者信息的流程示意图；

图6为本申请实施例一种基于云计算的信息分析方法的得出第一训练模型方法的流程示意图；

图7为本申请实施例一种基于云计算的信息分析方法的获得第三检索输入的流程示意图；

图8为本申请实施例一种基于云计算的信息分析系统的结构示意图；

图9为本申请实施例示例性电子设备的结构示意图；

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第四获得单元14，第一输入单元15，第五获得单元16，第六获得单元17，第七获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口306。

具体实施方式

本申请实施例通过提供一种基于云计算的信息分析方法及系统，解决了现有图书借阅的检索不易以及过于机械的问题，提高了检索效率。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

科学技术突飞猛进，人类知识量增长速度不断加快，信息量增加，单一的图书检索的方式已经不能很好的适应读者的借阅要求，现有的图书借阅检索都是书号检索，这种检索方式过于机械，使得检索不易、工作效率低，不能及时了解图书的种类以及读者的需求图书，无法高效且快速地检索借阅图书。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种基于云计算的信息分析方法及系统，其中，所述方法包括：获得来自第一用户的第一文章，所述第一文章用来检索第一图书；获得所述第一用户在所述云平台上的借阅历史；根据所述第一文章获得第一检索输入；根据所述借阅历史获得第二检索输入；将所述第一检索输入和所述第二检索输入输入第一训练模型，其中，所述第一训练模型通过所述训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一检索输入、所述第二检索输入和用来表示第一图书是否满足需求的标识信息；获得所述训练模型的输出信息，其中，所述输出信息包括所述第一用户的第一目标图书；获得所述第一用户的第一借阅权限；当所述第一借阅权限满足预定条件时，获得所述第一目标图书的借阅权。

本申请所适用的应用场景可以是一种图书检索系统，设置于图书馆的数据检索平台上，借阅者基于电脑端的检索数据平台输入用户id信息以及相关的检索信息后，后台的计算机处理系统基于本申请所提供的解决方案获得目标图书的应用场景。

在介绍了本申请基本原理和应用场景之后，为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

实施例一

如图1所示，本申请实施例提供了一种基于云计算的信息分析方法，其中，所述方法包括：

步骤s100：获得来自第一用户的第一文章，所述第一文章用来检索第一图书；

具体而言，所述第一用户是通过图书借阅管理系统进行图书借阅的用户，此类用户可以是学生、老师、工人等不同的职业；所述第一文章是用来进行检索目标图书的文章，此类文章可以是科幻、文学等不同题材的文章；所述第一图书是用户通过文章进行检索，从而得到的最接近的图书；通过上述方式，采用第一用户的第一文章来进行图书检索，为后续快速高效地图书检索借阅奠定了基础。

对于本申请实施例而言，上述第一文章可以是用户想深度研究的文章，基于该第一文章的内容不够详实，或者阅读难度高，或者第一用户想展开阅读等原因，输入到上述场景中的图书馆检索平台后，作为一个检索输入为后续的图书检索提供有效的输入。

步骤s200：获得所述第一用户在所述云平台上的借阅历史；

具体而言，所述云平台是允许开发者们或是将写好的程序放在“云”里运行，或是使用“云”里提供的服务，或二者皆是的平台，此处的云平台是指将所有的图书资料信息上传至云平台，用户可以根据自身的需要访问云平台以获取借阅所需的图书；所述的借阅历史是用户以往在云平台上的借阅记录，所述的历史可以是搜索历史，也可以是浏览历史等；通过上述方式，获得用户在云平台上的借阅历史，为后续的用户更便捷的进行图书检索和借阅奠定了基础。一般而言，用户在云平台上具有id信息，基于用户使用id信息登录云平台之后，即可检索获得该用户在云平台上的浏览、借阅等各类行为记录，上述行为记录也包括借阅历史，继而通过上述借阅历史可作为图书检索的另一有效输入。

步骤s300：根据所述第一文章获得第一检索输入；

具体而言，所述的第一检索输入是通过第一文章获得的检索输入，通过检索文章的内容、作者、笔风等均可以作为第一检索输入的方式。通过上述方式，根据所述第一文章获得第一检索输入，是图书检索借阅的一个有效方式。

步骤s400：根据所述借阅历史获得第二检索输入；

具体而言，所述的第二检索输入是通过用户的借阅历史获得的检索输入，通过检索用户的借阅历史获得第二检索输入；通过上述方式，根据所述借阅历史获得第二检索输入，是图书检索借阅的一个有效方式。

步骤s500：将所述第一检索输入和所述第二检索输入输入第一训练模型，其中，所述第一训练模型通过所述训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一检索输入、所述第二检索输入和用来表示第一图书是否满足需求的标识信息；

具体而言，所述的第一训练模型是一个神经网络模型即机器学习中的神经网络模型，神经网络(neuralnetworks，nn)是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以神经元的数学模型为基础来描述的。人工神经网络(artificialneuralnetworks)，是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。在本申请实施例中，将第一检索输入信息和第二检索输入信息输入神经网络模型，用所述第一图书是否满足需求的标识信息对所述神经网络模型进行训练。

进一步来说，所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为：第一检索输入、第二检索输入和用来表示第一图书是否满足需求的标识信息。通过输入第一检索信息和第二检索信息，神经网络模型会输出所述第一图书是否满足需求的标识信息，通过将所述输出信息与所述起标识作用的目标图书进行校验，如果所述输出信息与所述起标识作用的目标图书相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的目标图书不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与起标识作用的目标图书相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而使得获得的对所述目标图书的检索更加准确。需要说明的是，一般来说监督学习的第一图书是否满足需求的标识信息是一开始就输入进模型的，本申请实施例中采用了“时间延迟”的方式，也就是说，我们是先获得第一图书输入给用户，此时并不进行监督学习，而是等待用户的真实的借阅行为，当用户真正借阅时，我们将其作为正反馈，并进行监督学习；当用户不真正借阅时，我们将其作为负反馈，并进行监督学习。

步骤s600:获得所述训练模型的输出信息，其中，所述输出信息包括所述第一用户的第一目标图书；

具体而言，基于上述训练模型可以根据第一输入和第二输入获得第一输出信息，即所述第一用户的第一目标图书。对于训练模型而言，我们还可以在构建所述神经网络模型时，根据第一检索输入信息和第二检索输入信息分别作为横纵坐标，建立坐标系。通过所述坐标系，根据逻辑回归算法，获得逻辑回归线。逻辑回归线一侧，代表第一评估结果，所述第一评估结果为符合所述目标图书的评估结果；逻辑回归线的另一侧，代表第二评估结果，所述第二评估结果为不符合所述的目标图书的评估结果。所述逻辑回归线位置可以调整，受第一位置和第一角度控制。所述第一位置和第一角度分别受上述监督数据的正负反馈而调整，这里不在进行展开说明。通过对逻辑回归线的运用，达到所述评估结果更加准确地效果，进而来实现对所述目标图书的检索更加准确地技术效果。

步骤s700：获得所述第一用户的第一借阅权限；

具体而言，所述借阅权限是用户是否拥有目标图书的借阅权利，受多方面因素影响，内在因素表现在用户的信誉度是否良好，是否如期归还所借图书，是否完整无误归还所借图书等；外在因素表现在用户与所借图书的距离是否允许等；通过上述方式，获得所述第一用户的第一借阅权限，得到用户是否有对目标图书的借阅权限。

步骤s800：当所述第一借阅权限满足预定条件时，获得所述第一目标图书的借阅权；

具体来说，当第一借阅权限满足预定条件时，可以是用户的借阅权限可以借阅第一目标图书；当用户的借阅权限处于有效状态等等。当第一用户的第一借阅权限满足上述预定条件时，第一用户具有了第一目标图书的借阅权。

如图2所示，为了使获得所述第一用户的第一借阅权限更加具体，本申请实施例步骤s700还包括：

步骤s710:获得所述第一目标图书的馆藏地；

步骤s720：获得所述第一用户的所在地；

步骤s730：判定所在地与所述馆藏地之间的距离，当所述距离满足预定条件时，确定所述第一用户对所述第一目标图书具有借阅权；

具体而言，为了使获得所述第一用户的第一借阅权限更加具体，通过判定第一用户与第一目标图书的馆藏地之间的距离来判断用户是否有目标图书的借阅权限，当两者距离允许时，用户有目标图书的借阅权限；当两者距离不被允许时，用户则没有目标图书的借阅权限。

如图3所示，为了使所述第一检索输入更加具体，本申请实施例步骤s300还包括：

步骤s310：根据所述第一文章获得第一文章的第一作者信息；

步骤s320：根据所述第一文章获得第一文章的第一关键词信息；

步骤s330：根据所述第一作者信息和所述第一关键词信息获得第一检索输入；

具体而言，为了使所述第一检索输入更加具体，通过对检索输入附加第一文章的第一作者信息和第一文章的第一关键词信息，使得第一检索输入的结果更加接近目标图书，增加了图书检索的精确性。

如图4所示，为了使所述第二检索输入更加具体，本申请实施例步骤s400还包括：

步骤s410：根据借阅历史获得第一用户的第一偏好；

步骤s420：根据所述第一偏好获得第二检索输入；

具体而言，为了使所述第二检索输入更加具体，根据云平台上的用户借阅历史可以获得第一用户的第一偏好，根据所述的第一偏好可以获得第二检索输入，使得第二检索输入更加符合用户的目标图书，增加了图书检索的便捷性。

如图5所示，为了获得更加准确的目标图书，本申请实施例步骤s410还包括：

步骤s411：第一偏好包括第二作者信息，判定所述第二作者信息是否包括第一作者信息；

步骤s412：当包括所述第一作者信息时，将所述第一偏好中的第一作者信息予以排除；

具体而言，为了获得更加准确的目标图书，可以排除所述第一偏好中的第一作者信息，删除多余的冗杂信息，使得输入信息更加符合目标图书的要求，从而使得检索结果更加高效准确。

如图6所示，为了获得所述第一用户是否借阅所述第一目标图书，本申请实施例步骤s500还包括：

s510：获得第一用户的第一目标图书后，获得所述第一用户是否借阅所述第一目标图书；

s520：将所述第一用户借阅所述第一目标图书作为第一监督数据，所述第一监督数据用来监督所述第一训练模型；

具体而言，为了获得所述第一用户是否借阅所述第一目标图书，将所述第一用户借阅所述第一目标图书作为第一监督数据，所述第一监督数据用来监督所述第一训练模型，所述第一训练模型通过不断地学习和优化，使得最终训练结果更为准确。

如上所述，本步骤就是“延迟监督”的具体方案，通过实际的借阅行为作为监督数据的来源。通过这种处理方式可以达到云计算平台的快速上线又能实现不断监督，不断完善的技术效果。

如图7所示，为了将所述第一偏好中的第一作者信息予以排除，本申请实施例步骤s412还包括：

s4121：根据所述第二检索输入和所述第一检索输入获得第三检索输入，其中，所述第三检索输入为将所述第二检索输入中包括第一检索输入中的内容删除后获得的检索输入；

s4122：将所述第一检索输入和所述第三检索输入输入第二训练模型，其中，所述第二训练模型通过所述训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一检索输入、所述第三检索输入和用来表示第一图书是否满足需求的标识信息；

具体而言，所述的第二训练模型是一个神经网络模型即机器学习中的神经网络模型，进一步来说，所述训练神经网络模型的过程实质为监督学习的过程。所述多组训练数据具体为：所述第一检索输入、所述第三检索输入和用来表示第一图书是否满足需求的标识信息。通过输入第一检索信息和第三检索信息，神经网络模型会输出所述第一图书是否满足需求的标识信息，通过将所述输出信息与所述起标识作用的目标图书进行校验，如果所述输出信息与所述起标识作用的目标图书相一致，则本数据监督学习完成，则进行下一组数据监督学习；如果所述输出信息与所述起标识作用的目标图书不一致，则神经网络学习模型自身进行调整，直到神经网络学习模型输出结果与起标识作用的目标图书相一致，进行下一组数据的监督学习。通过训练数据使神经网络学习模型自身不断地修正、优化，通过监督学习的过程来提高神经网络学习模型处理所述信息的准确性，进而使得获得的对所述目标图书的检索更加准确。

具体来说，第二训练模型和第一训练模型的不同之处就在于第三检索信息。其中，第三检索信息是第二检索信息减去第一检索信息后得出的检索信息。具体来说，第二检索信息可能包括了用户id的借阅历史中对于某一作者有持续的关注，同时，第一文章也是该作者文章，如果仍是采用第一检索信息和第二检索信息的输入之后，就会影响训练模型的产出结果。故，我们应在第二检索信息中去除第一检索信息中重复的内容，这样第二训练模型的产出结果就会更加准确。

综上所述，本申请实施例所提供的一种基于云计算的信息分析方法系统具有如下技术效果：

1、由于采用了获得来自第一用户的第一文章，根据文章找书，可以是关键词、作者，所述第一文章用来检索第一图书的方式进行内容检索，所述第一用户在所述云平台上的借阅历史进行历史检索，阅读历史可以是以前的阅读能力或者习惯、喜好、能力等，通过对目标图书的内容检索和历史检索，使得目标图书的检索借阅不再只是单一的书号检索，解决了过于机械、检索不易的问题。

2、由于采用了将所述第一检索输入和所述第二检索输入输入第一训练模型，其中，所述第一训练模型通过所述训练数据训练获得，并神经网络模型可以根据监督数据不断自我优化、修正的特性，使得神经网络模型对于第一输入信息和第二输入信息的判定更加准确，从而实现为目标图书的检索借阅提供了技术效果。

3、由于采用了根据所述第二检索输入和所述第一检索输入获得第三检索输入，其中，所述第三检索输入为将所述第二检索输入中包括第一检索输入中的内容删除后获得的检索输入，删除多余的冗杂信息，使得输入信息更加符合目标图书的要求，从而使得检索结果更加高效准确。

实施例二

基于与前述实施例中一种基于云计算的信息分析方法同样发明构思，本发明还提供了一种基于云计算的信息分析系统，如图8所示，所述装置包括：

第一获得单元11：所述第一获得单元11用于获得来自第一用户的第一文章，所述第一文章用来检索第一图书；

第二获得单元12：所述第二获得单元12用于获得所述第一用户在所述云平台上的借阅历史；

第三获得单元13：所述第三获得单元13用于根据所述第一文章获得第一检索输入；

第四获得单元14：所述第四获得单元14用于根据所述借阅历史获得第二检索输入；

第一输入单元15：所述第一输入单元15用于将所述第一检索输入和所述第二检索输入输入第一训练模型，其中，所述第一训练模型通过所述训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括:所述第一检索输入、所述第二检索输入和用来表示第一图书是否满足需求的标识信息；

第五获得单元16：所述第五获得单元16用于获得所述训练模型的输出信息，其中，所述输出信息包括所述第一用户的第一目标图书；

第六获得单元17：所述第六获得单元17用于获得所述第一用户的第一借阅权限；

第七获得单元18：所述第七获得单元18用于当所述第一借阅权限满足预定条件时，获得所述第一目标图书的借阅权。

前述图1实施例一中的一种基于云计算的信息分析方法的各种变化方式和具体实例同样适用于本实施例的一种基于云计算的信息分析系统，通过前述对一种基于云计算的信息分析方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于云计算的信息分析系统的实施方法，所以为了说明书的简洁，再次不再详述。

实施例三

下面参考图9来描述本申请实施例的电子设备。

图9图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种基于云计算的信息分析方法的发明构思，本发明还提供一种基于云计算的信息分析系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于云计算的信息分析方法的任一方法的步骤。

其中，在图9中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明实施例提供的一种基于云计算的信息分析方法，其中所述方法包括：获得来自第一用户的第一文章，所述第一文章用来检索第一图书；获得所述第一用户在所述云平台上的借阅历史；根据所述第一文章获得第一检索输入；根据所述借阅历史获得第二检索输入；将所述第一检索输入和所述第二检索输入输入第一训练模型，其中，所述第一训练模型通过所述训练数据训练获得，所述多组中的训练数据中的每一组训练数据均包括：所述第一检索输入、所述第二检索输入和用来表示第一图书是否满足需求的标识信息；获得所述训练模型的输出信息，其中，所述输出信息包括所述第一用户的第一目标图书；获得所述第一用户的第一借阅权限；当所述第一借阅权限满足预定条件时，获得所述第一目标图书的借阅权。解决了现有图书借阅的检索不易以及过于机械的问题，提高了检索效率。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。