信息识别方法及装置与流程

本公开涉及计算机技术领域，尤其涉及一种信息识别方法及装置。

背景技术：

随着网络的不断普及，人们越来越多地通过网络来查询信息。针对用户输入的查询信息，在相关技术中一般基于一定时间内多个用户输入某查询信息的频率来识别查询信息是否是热点信息，需要时间来累积用户行为，因此，识别的时效性上往往有延迟。并且，当一个实时性查询信息的查询量一直较少、查询量累积不足时，无法识别该查询信息的时效性及火热程度，从而无法给用户返回所需结果。

技术实现要素：

有鉴于此，本公开提出了一种信息识别方法及装置，能够快速地识别用户输入的查询信息。

根据本公开的一方面，提供了一种信息识别方法，包括：

将用户输入的查询信息分解为一个或多个基本信息；

基于所述基本信息针对所有资源的第一出现概率、所述基本信息针对第一类别集合的资源的第二出现概率、以及第一类别集合的资源针对所有资源的第三出现概率，获取所述查询信息针对第一类别集合的资源的第四出现概率；

在所述第四出现概率大于或等于第一阈值的情况下，识别所述查询信息为第一类别查询信息。

对于上述方法，在一种可能的实现方式中，所述第一类别集合的资源是由与所述第一类别集合的资源相关的用户在第一时间区间内上传的资源。

对于上述方法，在一种可能的实现方式中，所述方法还包括：

获取所有资源的第一资源信息；

获取第一类别集合的资源的第二资源信息；

基于所述第一资源信息和所述第二资源信息，获得所述第一出现概率和所述第二出现概率。

对于上述方法，在一种可能的实现方式中，所述方法还包括：

在所述查询信息为第一类别查询信息的情况下，获得根据所述查询信息查询到的资源；

获得所述查询到的资源与所述查询信息的相关度；

根据所述相关度对所述查询到的资源进行排序；

根据排序结果建立资源推荐列表。

对于上述方法，在一种可能的实现方式中，所述第一资源信息和所述第二资源信息分别包括以下中的一个或多个：资源标识、标题及标签。

对于上述方法，在一种可能的实现方式中，所述第一类别集合的资源是新闻类视频资源。

根据本公开的另一方面，提供了一种信息识别装置，包括：

信息分解模块，用于将用户输入的查询信息分解为一个或多个基本信息；

查询信息概率获取模块，用于基于所述基本信息针对所有资源的第一出现概率、所述基本信息针对第一类别集合的资源的第二出现概率、以及第一类别集合的资源针对所有资源的第三出现概率，获取所述查询信息针对第一类别集合的资源的第四出现概率；

信息识别模块，用于在所述第四出现概率大于或等于第一阈值的情况下，识别所述查询信息为第一类别查询信息。

对于上述装置，在一种可能的实现方式中，所述第一类别集合的资源是由与所述第一类别集合的资源相关的用户在第一时间区间内上传的资源。

对于上述装置，在一种可能的实现方式中，所述装置还包括：

第一资源信息获取模块，用于获取所有资源的第一资源信息；

第二资源信息获取模块，用于获取第一类别集合的资源的第二资源信息；

资源信息概率获取模块，用于基于所述第一资源信息和所述第二资源信息，获得所述第一出现概率和所述第二出现概率。

对于上述装置，在一种可能的实现方式中，所述装置还包括：

资源获取模块，用于在所述查询信息为第一类别查询信息的情况下，获得根据所述查询信息查询到的资源；

相关度获取模块，用于获得所述查询到的资源与所述查询信息的相关度；

资源排序模块，用于根据所述相关度对所述查询到的资源进行排序；

列表建立模块，用于根据排序结果建立资源推荐列表。

对于上述装置，在一种可能的实现方式中，所述第一资源信息和所述第二资源信息分别包括以下中的一个或多个：资源标识、标题及标签。

对于上述装置，在一种可能的实现方式中，所述第一类别集合的资源是新闻类视频资源。

根据本公开的另一方面，提供了一种信息识别装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

将用户输入的查询信息分解为一个或多个基本信息；

基于所述基本信息针对所有资源的第一出现概率、所述基本信息针对第一类别集合的资源的第二出现概率、以及第一类别集合的资源针对所有资源的第三出现概率，获取所述查询信息针对第一类别集合的资源的第四出现概率；

在所述第四出现概率大于或等于第一阈值的情况下，识别所述查询信息为第一类别查询信息。

根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，当所述存储介质中的指令由终端和/或服务器的处理器执行时，使得终端和/或服务器能够执行一种信息识别方法，所述方法包括：

将用户输入的查询信息分解为一个或多个基本信息；

基于所述基本信息针对所有资源的第一出现概率、所述基本信息针对第一类别集合的资源的第二出现概率、以及第一类别集合的资源针对所有资源的第三出现概率，获取所述查询信息针对第一类别集合的资源的第四出现概率；

在所述第四出现概率大于或等于第一阈值的情况下，识别所述查询信息为第一类别查询信息。

根据本公开实施例的信息识别方法及装置，能够通过将用户输入的查询信息分解为基本信息，进而获取所述查询信息针对第一类别集合的资源的出现概率，并在出现概率大于或等于第一阈值的情况下识别查询信息为第一类别查询信息，从而快速地识别用户输入的查询信息。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1是根据一示例性实施例示出的一种信息识别方法的流程图。

图2是根据一示例性实施例示出的一种信息识别方法的流程图。

图3是根据一示例性实施例示出的一种信息识别方法的流程图。

图4是根据一示例性实施例示出的一种信息识别装置的框图。

图5是根据一示例性实施例示出的一种信息识别装置的框图。

图6是根据一示例性实施例示出的一种信息识别装置的框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

实施例1

图1是根据一示例性实施例示出的一种信息识别方法的流程图。该方法可应用于服务器中。如图1所示，根据本公开实施例的信息识别方法包括：

步骤S101，将用户输入的查询信息分解为一个或多个基本信息；

步骤S102，基于所述基本信息针对所有资源的第一出现概率、所述基本信息针对第一类别集合的资源的第二出现概率、以及第一类别集合的资源针对所有资源的第三出现概率，获取所述查询信息针对第一类别集合的资源的第四出现概率；

步骤S103，在所述第四出现概率大于或等于第一阈值的情况下，识别所述查询信息为第一类别查询信息。

根据本公开实施例能够通过将用户输入的查询信息分解为基本信息，进而获取所述查询信息针对第一类别集合的资源的出现概率，并在出现概率大于或等于第一阈值的情况下识别查询信息为第一类别查询信息，从而快速地识别用户输入的查询信息。

举例来说，针对用户输入的查询信息(例如查询词query)，可以对查询信息进行切词，将查询信息分解为一个或多个基本信息(例如原子词)。例如，用户输入的查询信息为“XX离婚事件”，其中XX可以是人名，可以将其分解为“XX”“离婚”“事件”这三个基本信息。这样，查询信息x可以表示为：

x＝w₁+w₂+…+w_k+…+w_n-1+w_n (1)

其中，x表示用户输入的查询信息，n表示组成查询信息x的基本信息的数量，w_k表示组成查询信息x的第k个基本信息，k的取值为1-n之间的自然数。对于公式(1)中的查询信息x，可以计算查询信息x针对第一类别集合的资源的出现概率(第四出现概率)。其中，该第一类别集合的资源可以是指定类别的资源，例如，第一类别集合的资源可以是新闻类视频资源。第一类别集合可以表示为集合N，所有资源的集合可以表示为集合V，则有集合N∈集合V。

在一种可能的实现方式中，可以设定参数y，如果查询信息x是第一类别查询信息，则y取值为1；如果查询信息x不是第一类别查询信息，则y取值为0。因此，查询信息x是第一类别查询信息的概率(也即，查询信息x针对第一类别集合的资源的出现概率)可以表示为p(y＝1|x)。利用条件概率公式，可以通过对p(x|y＝1)进行建模，间接计算出p(y＝1|x)，如公式(2)所示。

在公式(2)中，p(x|y＝1)可以表示y为真(等于1)的x的概率，p(y＝1)可以表示第一类别集合的资源在所有资源(所有资源的集合可以表示为集合V)中的出现概率(也即，第一类别集合的资源针对所有资源的第三出现概率)，p(x)可以表示查询信息x针对所有资源的出现概率。可以利用贝叶斯公式计算得到如公式(3)所示：

在一种可能的实现方式中，根据属性条件独立假设，可以认为不同的基本信息对查询信息的归类影响是相互独立的，不相互影响，这将用于近似对进行建模。这样，将公式(2)与(3)结合，可以得到公式(4)：

其中，p(w_k|y＝1)可以表示查询信息x的第k个基本信息w_k针对第一类别集合的资源的第二出现概率，p(w_k)可以表示基本信息w_k针对所有资源的第一出现概率，p(y＝1)可以表示第一类别集合的资源在所有资源中的出现概率，(也即，第一类别集合的资源针对所有资源的第三出现概率)。其中，p(y＝1)可以表示为公式(5)：

公式(5)中，m表示所有资源的资源数量，在所有资源中的第i个资源的资源信息为第一类别集合的资源的资源信息时，y(i)＝1；反之，y(i)＝0；i的取值为1-m。

在一种可能的实现方式中，根据属性条件独立假设，可以认为不同的基本信息对查询信息的归类影响是相互独立的，不相互影响。将第一类别集合表示为集合N，所有资源的集合表示为集合V，可以认为：p(w_k|y＝1)表示基本信息w_k在集合N中的出现概率(第二出现概率)；p(w_k)表示基本信息w_k在集合V中的出现概率(第一出现概率)；p(y＝1)表示集合N在集合V中的出现概率(第三出现概率)。因此，基于所述基本信息针对所有资源的第一出现概率、所述基本信息针对第一类别集合的资源的第二出现概率、以及第一类别集合的资源针对所有资源的第三出现概率，可以根据公式(4)获取查询信息针对第一类别集合的资源的第四出现概率p(y＝1|x)。本领域技术人员应当理解，由于上述的近似，公式(4)的计算结果可能出现不属于[0，1]的情况。

本领域技术人员应理解，第一出现概率、第二出现概率和第三出现概率能够表达第四出现概率，但是他们之间的关系并不限于公式(4)所示，本领域技术人员还可以采用其他方式，根据第一出现概率、第二出现概率和第三出现概率来计算第四出现概率，本公开对此不做限制。

在一种可能的实现方式中，如果查询信息针对第一类别集合的资源的第四出现概率p(y＝1|x)(也称为查询信息得分，query得分)大于或等于第一阈值，则可以识别该查询信息为第一类别查询信息，其中，第一阈值可以为预先设定的阈值(例如，0.005)。第一类别查询信息可以是与第一类别集合的资源相关联的，例如，第一类别集合的资源是新闻类视频资源时，如果查询信息针对新闻类视频资源的出现概率(第四出现概率)大于或等于第一阈值，则可以将该查询信息识别为与新闻类视频资源相关联的新闻类查询信息。

通过这种方式，对查询信息的识别不再依赖于累积用户行为，通过估算查询信息为特定类别的查询信息的概率，即可以快速、准确、实时地判断用户输入的查询信息是否为特定类别的查询信息，从而更准确地为用户提供相关查询结果。以新闻类查询信息为例，根据本公开实施例，可以实时快速识别用户输入的关键词是否为新闻类查询词，并将相匹配的最新、最热的新闻消息或新闻类视频等查询结果推荐给用户。

在一种可能的实施方式中，所述第一类别集合的资源可以是由与所述第一类别集合的资源相关的用户在第一时间区间内上传的资源。

其中，与所述第一类别集合的资源相关的用户例如可以是经常上传第一类别的资源的用户。

举例来说，可以根据用户是否经常上传第一类别的资源(例如新闻类视频资源)，得到用户列表(user_list)，作为种子用户集合U。利用种子用户集合U，可以实时获取(例如以10分钟为时间间隔爬取数据)用户集合U在第一时间区间内上传的第一类别集合的资源(集合N)。其中，第一时间区间可以为预先设置的时间区间，对于新闻类视频资源，为了保证新闻类视频的更新，并且保证新闻类时效性词(查询信息)的及时识别，第一时间区间可以设置得较短，例如第一时间区间为48小时。

图2是根据一示例性实施例示出的一种信息识别方法的流程图。如图2所示，在一种可能的实现方式中，所述方法还包括：

步骤S104，获取所有资源的第一资源信息；

步骤S105，获取第一类别集合的资源的第二资源信息；

步骤S106，基于所述第一资源信息和所述第二资源信息，获得所述第一出现概率和所述第二出现概率。

举例来说，对于数据库中的所有资源(集合V)，可以获取所有资源的第一资源信息，该第一资源信息可以包括资源标识ID、标题及标签中的一个或多个。

在一种可能的实现方式中，可以如上文所述，实时获取种子用户集合U在第一时间区间内上传的第一类别集合的资源(集合N)，可以获取第一类别集合的资源的第二资源信息，该第二资源信息可以包括资源标识ID、标题及标签中的一个或多个。

在一种可能的实现方式中，对于可能出现的所有基本信息，根据第一资源信息和第二资源信息，可以计算基本信息在所有资源(集合V)的第一资源信息(例如资源标识ID、标题和/或标签)中的出现概率，作为基本信息针对所有资源(集合V)的第一出现概率；可以计算基本信息在第一类别集合的资源(集合N)的第二资源信息(例如资源标识ID、标题和/或标签)中的出现概率，作为基本信息针对第一类别集合的资源(集合N)的第二出现概率。并且，在获取到所有资源(集合V)和第一类别集合的资源(集合N)时，还可以计算第一类别集合的资源(集合N)的第二资源信息在所有资源(集合V)的第一资源信息中的出现概率，作为第一类别集合的资源(集合N)针对所有资源(集合V)的第三出现概率，并且可以保存第一出现概率、第二出现概率以及第三出现概率。这样，在线上实时识别时，对于用户输入的查询信息，可以在将查询信息分解为基本信息后，可以直接对基本信息进行查找，并根据例如公式(4)进行简单的数学运算，即可获得查询信息的第四出现概率，进而识别该查询信息是否为第一类别查询信息。

通过这种方式，可以获取第一资源信息和所述第二资源信息，进而获得第一出现概率和第二出现概率，提高了对查询信息的识别效率。

图3是根据一示例性实施例示出的一种信息识别方法的流程图。如图3所示，在一种可能的实现方式中，所述方法还包括：

步骤S107，在所述查询信息为第一类别查询信息的情况下，获得根据所述查询信息查询到的资源；

步骤S108，获得所述查询到的资源与所述查询信息的相关度；

步骤S109，根据所述相关度对所述查询到的资源进行排序；

步骤S110，根据排序结果建立资源推荐列表。

举例来说，如果已经识别用户输入的查询信息为第一类别查询信息，则可以向用户推荐相关联的资源。资源与查询信息之间的相关度可预先确定。例如，对于查询日志中的某一查询信息，可以对利用该查询信息查询到的资源(例如视频资源)进行人工标注，人工标注资源与该查询信息的相关度，例如，可以对每个视频进行打分，分数为1-5分，表示资源与该查询信息的相关度由低到高。在人工标注的资源达到一定的数量(例如，800-1000个视频资源)时，可以为已标注的资源进行特征抽取工作，例如获取资源的播放量VV，资源与查询信息的匹配度match_degree等，利用GBDT(Gradient Boosting Decision Tree，梯度迭代决策树)模型进行训练，获得排序模型，从而可以获得所有查询到的资源与查询日志中的查询信息的相关度，以用于确定用户输入的查询信息与查询到的资源的相关度。本公开对抽取的已标注资源的特征的类别以及具体的模型不作限制。

在一种可能的实现方式中，可以根据由用户输入的查询信息查询到的资源与用户输入的查询信息的相关度，按相关度从高到低的顺序对查询到的资源进行排序。在相关度相同或相近的情况下，可以使最新的资源在资源推荐列表中的排序位置靠前。根据排序结果，可以建立资源推荐列表，并向用户显示该资源推荐列表，返回给用户与查询信息匹配的资源，以供用户查看。

通过这种方式，可以获得查询到的资源与查询信息的相关度，并根据相关度对查询到的资源进行排序，建立资源推荐列表，从而提升用户体验。

实施例2

图4是根据一示例性实施例示出的一种信息识别装置的框图。如图4所示，该信息识别装置包括：信息分解模块401、查询信息概率获取模块402以及信息识别模块403。

信息分解模块401，用于将用户输入的查询信息分解为一个或多个基本信息；

查询信息概率获取模块402，用于基于所述基本信息针对所有资源的第一出现概率、所述基本信息针对第一类别集合的资源的第二出现概率、以及第一类别集合的资源针对所有资源的第三出现概率，获取所述查询信息针对第一类别集合的资源的第四出现概率；

信息识别模块403，用于在所述第四出现概率大于或等于第一阈值的情况下，识别所述查询信息为第一类别查询信息。

在一种可能的实现方式中，所述第一类别集合的资源是由与所述第一类别集合的资源相关的用户在第一时间区间内上传的资源。

图5是根据一示例性实施例示出的一种信息识别装置的框图。如图5所示，在一种可能的实现方式中，所述装置还包括：

第一资源信息获取模块404，用于获取所有资源的第一资源信息；

第二资源信息获取模块405，用于获取第一类别集合的资源的第二资源信息；

资源信息概率获取模块406，用于基于所述第一资源信息和所述第二资源信息，获得所述第一出现概率和所述第二出现概率。

如图5所示，在一种可能的实现方式中，所述装置还包括：

资源获取模块407，用于在所述查询信息为第一类别查询信息的情况下，获得根据所述查询信息查询到的资源；

相关度获取模块408，用于获得所述查询到的资源与所述查询信息的相关度；

资源排序模块409，用于根据所述相关度对所述查询到的资源进行排序；

列表建立模块410，用于根据排序结果建立资源推荐列表。

在一种可能的实现方式中，所述第一资源信息和所述第二资源信息分别包括以下中的一个或多个：资源标识、标题及标签。

在一种可能的实现方式中，所述第一类别集合的资源是新闻类视频资源。

实施例3

图6是根据一示例性实施例示出的一种信息识别装置1900的框图。例如，装置1900可以被提供为一服务器。参照图6，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。

装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器1932，上述指令可由装置1900的处理组件1922执行以完成上述方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。