基于人工智能的期刊信息获取方法及装置与流程

本发明涉及信息处理技术领域，尤其涉及一种基于人工智能的期刊信息获取方法及装置。

背景技术：

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。

当基于人工智能对学术用户的搜索行为进行分析时，可以得知学术用户经常有发表学术成果的需求，需要向一些学术期刊上进行投稿。常见的学术文献发表类型有期刊论文、会议论文以及学位论文等，其中期刊时一种涵盖所有学科领域，范围最广的一种类型。

当前用户输入检索词后，现有的搜索引擎返回的搜索结果往往是包含该检索词的网页。例如，检索词为期刊名称，该期刊名称为中国医药杂志，如图1所示，两种不同的搜索引擎给出的搜索结果都是包含“”“中国医药杂志”的网页。用户为了获取更多的期刊信息，需要在结果页面上逐个点击网页链接查看网页之后，才能够获取到期刊的一些相关信息。实际应用中，互联网数据较为庞大，用户基于搜索引擎返回的网页进行期刊信息的甄别时，存在较大的难度，导致需要浪费用户较多的时间。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于人工智能的期刊信息获取方法，以实现对期刊多维信息的获取和展示，用于解决现有的搜索引擎在对期刊进行检索时，存在返回的期刊信息准确性较差，而且需要用户对期刊信息进行甄别，浪费用户时间的问题。

本发明的第二个目的在于提出一种基于人工智能的期刊信息获取装置。

本发明的第三个目的在于提出另一种基于人工智能的期刊信息获取装置。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

为达上述目的，本发明第一方面实施例提出了一种基于人工智能的期刊信息获取方法，包括：

获取待搜索的期刊的标识；

根据所述期刊的标识进行数据挖掘，获取所述期刊的期刊信息，其中，所述期刊信息至少包括期刊的基本属性信息、用户评论信息以及已发表文献的信息；

建立所述期刊的标识与所述期刊信息之间的关联关系。

本发明实施例的基于人工智能的期刊信息获取方法，通过根据期刊的标识获取该期刊的相关数据，基于数据挖掘技术对相关的数据进行挖掘，得到该期刊的期刊信息，其中期刊信息包括基本属性信息、用户评论信息以及已发表文献的信息，由于获取的期刊信息可以反映该期刊的多维属性，从而有利于用户对期刊的全面了解，减少用户的多次检索，降低用户甄别信息的所耗费的时间。

为达上述目的，本发明第二方面实施例提出了一种基于人工智能的期刊信息获取装置，包括：

期刊标识获取模块，用于获取待搜索的期刊的标识；

期刊信息获取模块，用于根据所述期刊的标识进行数据挖掘，获取所述期刊的期刊信息，其中，所述期刊信息至少包括期刊的基本属性信息、用户评论信息以及已发表文献的信息；

建立模块，用于建立所述期刊的标识与所述期刊信息之间的关联关系。

本发明实施例的基于人工智能的期刊信息获取装置，通过根据期刊的标识获取该期刊的相关数据，基于数据挖掘技术对相关的数据进行挖掘，得到该期刊的期刊信息，其中期刊信息包括基本属性信息、用户评论信息以及已发表文献的信息，由于获取的期刊信息可以反映该期刊的多维属性，从而有利于用户对期刊的全面了解，减少用户的多次检索，降低用户甄别信息的所耗费的时间。

为达上述目的，本发明第三方面实施例提出了另一种基于人工智能的期刊信息获取装置，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为：获取待搜索的期刊的标识；根据所述期刊的标识进行数据挖掘，获取所述期刊的期刊信息，其中，所述期刊信息至少包括期刊的基本属性信息、用户评论信息以及已发表文献的信息；建立所述期刊的标识与所述期刊信息之间的关联关系。

为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器端的处理器被执行时，使得服务器端能够执行一种基于人工智能的期刊信息获取方法，所述方法包括：获取待搜索的期刊的标识；根据所述期刊的标识进行数据挖掘，获取所述期刊的期刊信息，其中，所述期刊信息至少包括期刊的基本属性信息、用户评论信息以及已发表文献的信息；建立所述期刊的标识与所述期刊信息之间的关联关系。

为了实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行一种基于人工智能的期刊信息获取方法，所述方法包括：获取待搜索的期刊的标识；根据所述期刊的标识进行数据挖掘，获取所述期刊的期刊信息，其中，所述期刊信息至少包括期刊的基本属性信息、用户评论信息以及已发表文献的信息；建立所述期刊的标识与所述期刊信息之间的关联关系。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为现有的期刊搜索结果的示意图；

图2为本发明实施例所提供的一种基于人工智能的期刊信息获取方法的流程示意图；

图3为本发明实施例所提供的一种期刊的基本属性信息的获取流程；

图4为本发明实施例所提供的一种期刊的用户评论信息的获取流程；

图5为本发明实施例所提供的一种期刊的已发表文献的信息的获取流程；

图6为本发明实施例所提供的另一种基于人工智能的期刊信息获取方法的流程示意图；

图7为本发明实施例所提供的另一种基于人工智能的期刊信息获取方法的应用示意图；

图8为本发明实施例所提供的一种基于人工智能的期刊信息获取装置的结构示意图；

图9为本发明实施例所提供的期刊信息获取模块的结构示意图；

图10本发明实施例所提供的另一种基于人工智能的期刊信息获取装置的结构示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的基于人工智能的期刊信息获取方法和装置。

图2为本发明实施例所提供的一种基于人工智能的期刊信息获取方法的流程示意图。该基于人工智能的期刊信息获取方法包括以下步骤：

S101、获取待搜索的期刊的标识。

目前，国内经过新闻出版总署认定的学术期刊包括5756种，涵盖了所有学科领域。本实施例中，可以通过人工输入的方式获取到待搜索的期刊的标识。优选地，可以根据用户输入的关键词，从互联网上进行数据挖掘，例如可以通过网络爬虫方式对互联网上的网站的信息进行爬取，得到经过新闻出版社总署认定的学术期刊的标识。

S102、根据期刊的标识进行数据挖掘，获取期刊的期刊信息。

其中，期刊信息至少包括期刊的基本属性信息、用户评论信息以及已发表文献的信息。

在获取到期刊的标识后，可以搜索出与该期刊的标识相关的数据，在获取到相关的数据后，对相关的数据进行挖掘，得到期刊的期刊信息。具体地，从与期刊的标识对应的网站上挖掘得到期刊的基本属性信息，从与期刊的标识对应的评论网站上，获取期刊的相关问答数据和点评数据作为所述期刊的初始用户评论信息，从所有用于存放文献的数据库中，获取期刊的已发表文献的信息。

实际应用中，互联网上所提供的期刊的一些信息可能为不真实的信息，例如，互联网上包括很多代理投稿的网站，或者一些失效的链接或者死链接。为了获取到准确的期刊信息，本实施例中，可以对期刊信息进行数据清洗，以剔除不真实的信息，得到该期刊最终的期刊信息。

图3为本发明实施例所提供的一种期刊的基本属性信息的获取流程。如图3所示，该期刊的基本属性信息的获取包括以下步骤：

S201、获取与期刊的标识对应的网站。

在根据期刊的标识进行搜索时，可以获取到该期刊的标识对应的网站，该网站可以来自权威网站和全网页库。

S202、对网站进行整合得到携带期刊的基本属性信息的链接。

在获取到期刊的标识对应的网站后，对所有网站进行整合得到携带期刊的基本属性信息的链接。期刊的基本属性信息可以包括期刊官方网站、投稿入口、学术简介、国际标准连续出版物(International Standard Serial Number，简称ISSN)、核心级别、收录数据库、刊文周期以及期刊图片等，通过这些基本属性信息可以反映出该期刊所涉及的领域、所涉及的内容以及优劣程度。期刊的基本属性信息是用户投稿时所必须的参考信息。

S203、对链接的有效性进行筛选得到有效的链接。

由于期刊的基本属性信息的要求具有很高的准确性，本实施例中，在获取到携带期刊的基本属性信息的链接后，可以对链接的有效性就行筛选，从而剔除掉失效的链接和死链接，以得到有效的链接。

S204、从有效的链接中挖掘出期刊的基本属性信息。

在获取到有效的链接后，运用大数据挖掘技术深入挖掘有效链接上的相关数据，就可以匹配出该期刊的基本属性信息，通过期刊的基本属性信息可以直接反映出该期刊的大致情况。

图4为本发明实施例所提供的一种期刊的用户评论信息的获取流程。如图4所示，该期刊的用户评论信息的获取包括以下步骤：

S301、获取与期刊的标识对应的评论网站。

在根据期刊的标识进行搜索时，可以获取到该期刊的标识对应的评论网站，其中，评论网站包括与期刊的标识相关的问答网站和点评网站。在问答网站上包括期刊的一些问题和答案信息，即互联网上围绕该期刊的问题和答案信息，而点评网站上包括用户对期刊的评价信息，例如可以包括期刊的录用比例、审稿费用以及用户对期刊的点评等。

S302、从评论网站上抓取期刊的问答数据和点评数据。

一些用户为对期刊进行了解，可以通过评论网站对期刊提出问题，相应地有些用户就可以在评论网站上对这些问题进行回答，本实施例中，从评论网站上抓取期刊的问题和回答作为问答数据。进一步地，用户也可以对期刊进行点评，以便于为其他用户提供一些帮助。本实施例中，从评论网站上抓取的用户发表的评论或者点评作为点评数据。

S303、过滤问答数据和点评数据中无关数据。

实际应用中，有些用户可能在期刊的相关问题下面回答无关的信息，或者发表一些该期刊无关的评论，为了保证获取到的问答数据和点评数据，能够正确地为用户提供参考，可以将这些无关数据进行剔除。

S304、将过滤后的问答数据和点评数据作为期刊的用户评论信息。

在对问答数据和点评数据进行过滤后，就可以将过滤后的问答数据和点评数据作为期刊的用户评论信息，由于已经剔除了无关数据，此时期刊的用户评论信息是该期刊有效的用户原创内容(User Generated Content，简称UGC)数据，对要投稿的用户有较大的参考价值，便于用户对投稿录取难度、见稿周期以及所需费用等有大致的了解，可以有效地帮助用户投稿。

图5为本发明实施例所提供的一种期刊的已发表文献的信息的获取流程。如图5所示，该期刊的已发表文献的信息获取包括以下步骤：

S401、从文献资源库中获取与期刊的标识对应的已发表的文献。

所有的文献资源库中收录的文献是海量的，而且期刊的文献可以被收录在多个文献资源库中，可以从所有的文献资源库中，对文献资料库中的文献的相关信息进行挖掘，抽取出文献的发表期刊，从而获取到与该期刊的标识相关的已发表的文献。

S402、对已发表的文献进行挖掘，得到文献之间的引证关系和已发表的文献的发表时间。

在获取到相关的已发表的文献后，可以已发表的文献的基于数据挖掘技术进行深入挖掘，获取到文献之间的引证关系和文献的发表时间。

S403、根据引证关系对已发表的文献的经典程度进行排序。

在获取到引证关系后，根据该引证关系可以获取到已发表的文献被引用的次数，基于该引用的次数可以对已发表的文献的经典程度进行排序，一般情况下，被引用的次数越多，说明已发表的文献的经典程度越高。

S404、按照发表时间对已发表的文献的发表时间进行排序。

S405、根据已发表的文献经典程度的排序和已发表的文献的发表时间排序，生成期刊的已发表文献的信息。

本实施例中，从生成的期刊的已发表文献的信息中，可以很直接地得到经典文献以及最新文献，用户根据经典文献和最新文献就可以获取到期刊的侧重点，有助于用户了解期刊的研究方向。

S103、建立期刊的标识与期刊信息之间的关联关系。

本实施例中，在根据期刊的标识获取到期刊信息后，可以建立期刊的标识与期刊信息之间的关联关系，具体地，可以以键值对(key-value)的格式期刊的标识与期刊信息建立两者之间的关联关系。其中，期刊的标识为key，期刊信息为value。进一步地，可以对建立的关联关系进行离线存储。当建立的关联关系后，可以有利用后续用户的检索，便于为用户提供关于该期刊的更加全面的信息。

本实施例提供的基于人工智能的期刊信息获取方法，通过根据期刊的标识获取该期刊的相关数据，基于数据挖掘技术对相关的数据进行挖掘，得到该期刊的期刊信息，其中期刊信息包括基本属性信息、用户评论信息以及已发表文献的信息，由于获取的期刊信息可以反映该期刊的多维属性，从而有利于用户对期刊的全面了解，而且能够为用户提供便捷通畅的期刊官网、投稿入口等信息，可以减少用户的多次检索，降低用户甄别信息的所耗费的时间。进一步地，提供期刊的相关问答、点评以及文献的相关信息及入口，为用户提供更多有价值的信息，辅助投稿决策。

图6为本发明实施例所提供的另一种基于人工智能的期刊信息获取方法的流程示意图。在上述实施例的基础之上，在建立到关联关系之后，该基于人工智能的期刊信息获取方法还包括以下步骤：

S501、获取用户的待检索的目标期刊的标识。

当用户试图对特地的目标期刊进行检索时，可以在搜索引擎中输入目标期刊的标识，例如，当用户检索一个计算机领域的学术期刊时，可以在搜索引擎中输入一个学术期刊的标识即学术期刊的名称，例如软件学报。可选地，可以用户可以输入与试图检索的目标期刊相关的关键词，搜索引擎可以根据该关键词进行需求识别，得到用户真实的需求，即试图检索的目标期刊的标识。实际应用中可能根据检索词得到多个相关的目标期刊的标识，在得到多个目标期刊的标识后，可以根据与关键词的匹配程度依次获取目标期刊的期刊信息。

可选地，由于用户对期刊的了解可能较少，可以根据学术期刊的领域为期刊分类，然后在用户端配置期刊的名称列表，用户可以根据需求从名称列表中选择试图检索的目标期刊的标识，可以减少用户的检索次数，使得检索结果更佳符合用户的需求。

S502、根据目标期刊的标识查询关联关系，得到目标期刊的期刊信息。

由于本实施例中为期刊的标识和期刊信息之间建立了关联关系，在获取到目标期刊的标识后，可以根据目标期刊的标识对上述关联关系进行查询，得到该目标期刊的期刊信息。本实施例中，关联关系是按照key-value的格式进行构建的，并且可以进行离线存储，用户在搜索的目标期刊时，就可以触发在线key-value召回机制，通过以期刊名称为key，将离线准备好的期刊信息作为value召回。

S503、将目标期刊的期刊信息反馈给用户。

本实施例中，在获取到目标期刊的期刊信息后，可以通过前端该期刊信息展示给用户，以便有用户对目标期刊进行了解。

实际应用中，根据用户的行为进行分析，可以将期刊的基本属性信息、用户评论信息以及已发表文献的信息，按照预设的优先级进行排序。一般情况下，预设的优先级顺序为：基本属性信息的优先级要高于用户评论信息，而用户评论信息的优先级要高于已发表文献的信息。当用户搜索特定的目标期刊时，按照优先级顺序将期刊信息呈现出来，充分满足用户需求。图7为本发明实施例提供的应用示意图。如图7所示，在用户搜索软件学报时，可以优先向用户展示软件学报的基本属性信息，如官方网站、在线投稿入口、百度百科等，然后再展示该软件学报的用户评论信息，优选地，可以分别向用户展示用户的回答数据和点评数据。进一步地，向用户展示软件学报的已发表的文献的信息，即经典文献的排序和最新文献的排序。

进一步地，用户可以根据自身想了解的目标期刊的信息的侧重点，对预设的优先级进行调整，具体地，用户可以发送用于调整预设的优先级的调整消息，例如，可以将已发表的文献的信息的优先级调整为高于用户评论信息的优先级。在接收到用户的调整消息后，根据该调整信息对预设的优先级进行调整，然后对目标期刊的期刊信息中基本属性信息、用户评论信息以及已发表文献的信息按照调整后的优先级进行排序，再将排序后的结果展示给用户，本实施例中，用户可以动态地调整优先级，使得搜索结果的展示更佳灵活，能够更好地满足用户的需求。

本实施例提供的基于人工智能的期刊信息获取方法，通过根据期刊的标识获取该期刊的相关数据，基于数据挖掘技术对相关的数据进行挖掘，得到该期刊的期刊信息，其中期刊信息包括基本属性信息、用户评论信息以及已发表文献的信息，由于获取的期刊信息可以反映该期刊的多维属性，从而有利于用户对期刊的全面了解，减少用户的多次检索，降低用户甄别信息的所耗费的时间。

在用户需要对特定的期刊进行检索时，由于在期刊标识和期刊信息之间建立了关联关系，使得用户只需要输入对应期刊名，就可以直观便捷地看到期刊的多维信息，包括基本属性信息、问答和点评数据、以及该期刊所刊载的已发表的文献等。

图8为本发明实施例所提供的一种基于人工智能的期刊信息获取装置的结构示意图。如图8所示，该基于人工智能的期刊信息获取装置包括：期刊标识获取模块11、期刊信息获取模块12和建立模块13。

其中，期刊标识获取模块11，用于获取待搜索的期刊的标识。

期刊信息获取模块12，用于根据所述期刊的标识进行数据挖掘，获取所述期刊的期刊信息，其中，所述期刊信息至少包括期刊的基本属性信息、用户评论信息以及已发表文献的信息。

建立模块13，用于建立所述期刊的标识与所述期刊信息之间的关联关系。

图9为本发明实施例中期刊信息获取模块12一种可选的结构方式，包括：

属性信息获取单元121，用于从与所述期刊的标识对应的网站上挖掘得到所述期刊的基本属性信息。

评论信息获取单元122，用于从与期刊的标识对应的评论网站上，获取所述期刊的问答数据和点评数据作为所述期刊的用户评论信息。

文献信息获取单元123，用于从所有的文献资源库中获取所述期刊的已发表文献的信息。

进一步地，属性信息获取单元121，具体用于：

获取与所述期刊的标识对应的网站。

对所述网站进行整合得到携带所述期刊的基本属性信息的链接。

对所述链接的有效性进行筛选，得到有效的所述链接。

从有效的所述链接中挖掘出所述期刊的基本属性信息。

进一步地，评论信息获取单元122，具体用于：

获取与期刊的标识对应的评论网站。

从所述评论网站上抓取所述问答数据和所述点评数据。

过滤所述问答数据和所述点评数据中无关数据。

将过滤后的所述问答数据和所述点评数据作为所述期刊的用户评论信息。

进一步地，文献信息获取单元123，具体用于：

从所述数据库中获取与所述期刊的标识相关的已发表的文献。

对所述已发表的文献进行挖掘，得到文献之间的引证关系和所述已发表的文献的发表时间。

根据引证关系对所述已发表的文献的经典程度进行排序。

按照所述发表时间对所述已发表的文献的发表时间进行排序。

根据所述已发表的文献的经典程度的排序和所述已发表的文献的发表时间排序，生成所述期刊的已发表文献的信息。

进一步地，建立模块13，具体用于：

按照键值对的格式为所述期刊的标识与所述期刊信息建立所述关联关系，其中，所述期刊的标识为键，所述期刊信息为值。

本实施例提供的基于人工智能的期刊信息获取装置，通过根据期刊的标识获取该期刊的相关数据，基于数据挖掘技术对相关的数据进行挖掘，得到该期刊的期刊信息，其中期刊信息包括基本属性信息、用户评论信息以及已发表文献的信息，由于获取的期刊信息可以反映该期刊的多维属性，从而有利于用户对期刊的全面了解，而且能够为用户提供便捷通畅的期刊官网、投稿入口等信息，可以减少用户的多次检索，降低用户甄别信息的所耗费的时间。进一步地，提供期刊的相关问答、点评以及文献的相关信息及入口，为用户提供更多有价值的信息，辅助投稿决策。

图10为本发明实施例所提供的另一种基于人工智能的期刊信息获取装置的结构示意图。在上述实施例的基础之上，该基于人工智能的期刊信息获取装置还包括：获取模块14、查询模块15和反馈模块16。

其中，获取模块14，用于获取用户的待检索的目标期刊的标识。

查询模块15，用于根据所述目标期刊的标识查询所述关联关系，得到所述目标期刊的期刊信息。

反馈模块16，用于将所述目标期刊的期刊信息反馈给所述用户。

进一步地，反馈模块16，具体用于：

将所述目标期刊的期刊信息中的基本属性信息、用户评论信息以及已发表文献的信息按照预设的优先级进行排序；

按照排序后的结果向所述用户进行展示。

可选地，反馈模块16，具体用于：

接收用户的调整预设的优先级的调整消息。

对所述目标期刊的期刊信息中基本属性信息、用户评论信息以及已发表文献的信息按照调整后的优先级进行排序。

按照排序后的结果向所述用户进行展示。

本实施例提供的基于人工智能的期刊信息获取装置，通过根据期刊的标识获取该期刊的相关数据，基于数据挖掘技术对相关的数据进行挖掘，得到该期刊的期刊信息，其中期刊信息包括基本属性信息、用户评论信息以及已发表文献的信息，由于获取的期刊信息可以反映该期刊的多维属性，从而有利于用户对期刊的全面了解，减少用户的多次检索，降低用户甄别信息的所耗费的时间。

在用户需要对特定的期刊进行检索时，由于在期刊标识和期刊信息之间建立了关联关系，使得用户只需要输入对应期刊名，就可以直观便捷地看到期刊的多维信息，包括基本属性信息、问答和点评数据、以及该期刊所刊载的已发表的文献等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。