一种基于时域特征的查询词自动补全方法与装置与流程
本发明涉及领域，特别是指一种基于时域特征的查询词自动补全方法与装置。
背景技术：
从用户开始在搜索引擎中输入查询词的那一刻，查询词自动补全(queryauto‐completion,qac)就会向用户提供一个补全的查询词列表。这一搜索引擎的常用功能旨在减轻用户构造查询词时的体力和认知负担。当用户在搜索框中敲击字符时，qac能提供一个以已输入字符为前缀的排序后的补全查询词推荐列表。用户可以点击推荐列表中的查询词也可以继续输入整个查询词。查询词前缀通常简短而含糊，造成准确捕获用户的查询意图并推荐相关的查询词存在一定的困难。因此，qac系统的主要目标是满足大多数用户的信息需求，而最常用的方法是通过引入查询词日志并依据过往的查询次数对补全的查询词进行排序。虽然这一方法能生成满足一般用户的推荐列表，但由于它没有考虑查询词的时域模式，因此它远不是最优的方法。现有技术中有qac模型考虑了查询词的近期性，但因其假设查询词未来的查询分布与过去相一致，因此它的性能仍不令人满意。
对于某些查询词，它们的查询次数在时域上较为平稳(如：google,amazon和wikipedia)或呈周期性变化趋势(如：christmas，mother’sday和movie)；而其他查询词(如：belgiumterroristattack)的查询次数可能会呈现急剧上升的趋势，这一趋势无法通过它们过往的查询次数来预测。通常来说，这一查询次数的激增是由于现实生活中的一些正在发生的吸引公众眼球的事件或爆炸性新闻所导致的。查询次数的突然上升被称为“激增”。因此，qac系统需要对查询词查询次数中出现的意料之外的尖峰进行迅速响应，并且对排序推荐做适当调整。现有技术主要着眼于挖掘查询词次数的周期性模式并依据预测的查询次数对查询词进行重新排序，它们并未考虑呈现激增趋势的非周期性查询词。
针对现有技术中的qac模型未考虑存在，导致查询词补全效果不佳的问题，目前尚未有有效的解决方案。
技术实现要素：
有鉴于此，本发明实施例的目的在于提出一种基于时域特征的查询词自动补全方法与装置，能够将激增趋势的非周期性查询词作为qac模型的排序依据，提高查询词的补全效果与用户体验。
基于上述目的，本发明实施例的一方面提供了一种基于时域特征的查询词自动补全方法，包括：
获取查询日志，并基于时域特征预测查询日志中每个查询词的未来查询次数；
采集查询词前缀，并根据查询词前缀与查询日志生成补全查询词集合；
根据补全查询词集合中每个查询词的未来查询次数确定其查询次数得分；
使用移动平均方法根据查询日志获得补全查询词集合中每个查询词基于时域特征的激增幅度，并根据激增幅度确定其激增幅度得分；
根据补全查询词集合中每个查询词的查询次数得分、激增幅度得分与折中因子获得排序得分，并根据排序得分对补全查询词集合中的每个查询词排序显示；
当查询词前缀发生变化时，执行以上步骤重新生成补全查询词集合、计算排序得分并动态更新排序显示。
在一些实施方式中，所述基于时域特征预测查询日志中每个查询词的未来查询次数包括：
从查询日志中获取过去每个查询词按日计算的查询次数；
对过去每个查询词按日计算的查询次数使用离散傅里叶变换，生成傅里叶级数的频域系数；
根据傅里叶级数的频域系数生成周期图并取到最大值；
获取周期图最大值的频率，并根据最大值频率确定过去每个查询词的主要周期；
根据查询日志中获取过去每个查询词按日计算的查询次数与其主要周期预测查询日志中每个查询词的未来查询次数。
在一些实施方式中，所述根据查询词前缀与查询日志生成补全查询词集合包括：
根据查询词前缀在查询日志中检索符合查询词前缀的查询词；
将符合查询词前缀的查询词按其未来查询次数由大到小进行排序，并从序列头开始截取指定数量的查询词生成补全查询词集合。
在一些实施方式中，所述根据补全查询词集合中每个查询词的未来查询次数确定其查询次数得分包括：
根据补全查询词集合中每个查询词的未来查询次数确定其均值与标准差；
根据补全查询词集合中每个查询词的未来查询次数、均值与标准差确定补全查询词集合中每个查询词的查询次数得分。
在一些实施方式中，所述使用移动平均方法根据查询日志获得补全查询词集合中每个查询词基于时域特征的激增幅度包括：
从查询日志中获取过去每个查询词按日计算的查询次数；
对过去每个查询词按日计算的查询次数使用移动平均方法，以固定大小的滑动窗口在整个序列上滑动并计算移动平均值，生成移动平均序列；
根据移动平均序列预测下一个移动平均值；
计算移动平均序列中每个移动平均值的均值与标准差，并根据移动平均值的均值、标准差、以及去噪因子，获得激增截止点；
根据激增截止点与下一个移动平均值获得补全查询词集合中每个查询词基于时域特征的激增幅度。
在一些实施方式中，所述滑动窗口内数据的平均值为未加权的移动平均值；或所述滑动窗口内数据的平均值为具有衰减函数加权的移动平均值，其中，衰减函数对较旧的数值相比于较新的数值产生更强的权重衰减，且衰减函数是归一化函数。
在一些实施方式中，所述根据激增幅度确定其激增幅度得分包括：
根据补全查询词集合中每个查询词的激增幅度确定其均值与标准差；
根据补全查询词集合中每个查询词的激增幅度、均值与标准差确定补全查询词集合中每个查询词的激增幅度得分。
在一些实施方式中，所述根据补全查询词集合中每个查询词的查询次数得分、激增幅度得分与折中因子获得排序得分，为使用折中因子调整每个查询词的查询次数得分与激增幅度得分二者所占权重获得排序得分。
在一些实施方式中，所述折中因子为预先指定的常数，或根据移动平均序列中每个移动平均值的均值与下一个移动平均值的取值而变化的函数。
基于上述目的，本发明实施例的另一方面还提供了一种电子设备，包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。
从上面所述可以看出，本发明实施例提供的基于时域特征的查询词自动补全方法与装置通过获取查询词的未来查询次数，根据查询词前缀生成补全查询词集合并确定查询次数得分，使用移动平均方法获得查询词基于时域特征的激增幅度与得分，根据排序得分对补全查询词集合排序显示并动态更新的技术手段，能够将激增趋势的非周期性查询词作为qac模型的排序依据，提高查询词的补全效果与用户体验。
附图说明
为了更清楚地说明本发明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发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本发明提供的基于时域特征的查询词自动补全方法的流程图；
图2为本发明提供的执行所述基于时域特征的查询词自动补全方法的电子设备的一个实施例的硬件结构图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
基于上述目的，本发明实施例的第一个方面提出了一种能够针对不同用户或不同类型的节点进行基于时域特征的查询词自动补全的基于时域特征的查询词自动补全方法。图1示出的是本发明提供的基于时域特征的查询词自动补全方法的第一个实施例的流程示意图。
如图1所示，基于时域特征的查询词自动补全方法包括：
步骤s101，获取查询日志，并基于时域特征预测查询日志中每个查询词的未来查询次数；
步骤s103，采集查询词前缀，并根据查询词前缀与查询日志生成补全查询词集合；
步骤s105，根据补全查询词集合中每个查询词的未来查询次数确定其查询次数得分；
步骤s107，使用移动平均方法根据查询日志获得补全查询词集合中每个查询词基于时域特征的激增幅度，并根据激增幅度确定其激增幅度得分；
步骤s109，根据补全查询词集合中每个查询词的查询次数得分、激增幅度得分与折中因子获得排序得分，并根据排序得分对补全查询词集合中的每个查询词排序显示；
步骤s111，当查询词前缀发生变化时，执行以上步骤重新生成补全查询词集合、计算排序得分并动态更新排序显示。
在一些实施方式中，所述基于时域特征预测查询日志中每个查询词的未来查询次数包括：
从查询日志中获取过去每个查询词按日计算的查询次数；
对过去每个查询词按日计算的查询次数使用离散傅里叶变换，生成傅里叶级数的频域系数；
根据傅里叶级数的频域系数生成周期图并取到最大值；
获取周期图最大值的频率，并根据最大值频率确定过去每个查询词的主要周期；
根据查询日志中获取过去每个查询词按日计算的查询次数与其主要周期预测查询日志中每个查询词的未来查询次数。
在一些实施方式中，所述根据查询词前缀与查询日志生成补全查询词集合包括：
根据查询词前缀在查询日志中检索符合查询词前缀的查询词；
将符合查询词前缀的查询词按其未来查询次数由大到小进行排序，并从序列头开始截取指定数量的查询词生成补全查询词集合。
在一些实施方式中，所述根据补全查询词集合中每个查询词的未来查询次数确定其查询次数得分包括：
根据补全查询词集合中每个查询词的未来查询次数确定其均值与标准差；
根据补全查询词集合中每个查询词的未来查询次数、均值与标准差确定补全查询词集合中每个查询词的查询次数得分。
在一些实施方式中，所述使用移动平均方法根据查询日志获得补全查询词集合中每个查询词基于时域特征的激增幅度包括：
从查询日志中获取过去每个查询词按日计算的查询次数；
对过去每个查询词按日计算的查询次数使用移动平均方法，以固定大小的滑动窗口在整个序列上滑动并计算移动平均值，生成移动平均序列；
根据移动平均序列预测下一个移动平均值；
计算移动平均序列中每个移动平均值的均值与标准差，并根据移动平均值的均值、标准差、以及去噪因子，获得激增截止点；
根据激增截止点与下一个移动平均值获得补全查询词集合中每个查询词基于时域特征的激增幅度。
在一些实施方式中，所述滑动窗口内数据的平均值为未加权的移动平均值；或所述滑动窗口内数据的平均值为具有衰减函数加权的移动平均值，其中，衰减函数对较旧的数值相比于较新的数值产生更强的权重衰减，且衰减函数是归一化函数。
在一些实施方式中，所述根据激增幅度确定其激增幅度得分包括：
根据补全查询词集合中每个查询词的激增幅度确定其均值与标准差；
根据补全查询词集合中每个查询词的激增幅度、均值与标准差确定补全查询词集合中每个查询词的激增幅度得分。
在一些实施方式中，所述根据补全查询词集合中每个查询词的查询次数得分、激增幅度得分与折中因子获得排序得分，为使用折中因子调整每个查询词的查询次数得分与激增幅度得分二者所占权重获得排序得分。
在一些实施方式中，所述折中因子为预先指定的常数，或根据移动平均序列中每个移动平均值的均值与下一个移动平均值的取值而变化的函数。
从上面所述可以看出，本发明实施例提供的基于时域特征的查询词自动补全方法与装置通过获取查询词的未来查询次数，根据查询词前缀生成补全查询词集合并确定查询次数得分，使用移动平均方法获得查询词基于时域特征的激增幅度与得分，根据排序得分对补全查询词集合排序显示并动态更新的技术手段，能够将激增趋势的非周期性查询词作为qac模型的排序依据，提高查询词的补全效果与用户体验。
基于上述目的，本发明实施例的第二个方面提出了另一种能够针对不同用户或不同类型的用户进行基于时域特征的查询词自动补全的基于时域特征的查询词自动补全方法。
本发明实施例首先对qac问题做形式化定义，然后阐述本发明实施例的排序方法。本发明实施例对qac问题做如下定义：给定查询日志q和与前缀p匹配的补全查询词集合c(p)，qac系统要根据t时刻的排序信号对c(p)中的补全查询词进行排序。用户每输入一个新字符，补全查询词的集合会动态更新。如果没有一个补全查询词合乎其意，用户可以选择c(p)中的任意一个查询词或手动输入整个查询词。
为了发掘查询词查询次数的周期性，本发明实施例首先以天为单位对查询词的查询次数进行累加，对每个查询词获得以天为时间间隔的时间序列。现有技术通常用傅里叶变换或自相关法来检测时间序列的周期性。然而，自相关法计算所得的周期也许并不是真实的周期，由于周期真实值和它的倍数都拥有较高的自相关值，这就造成确定真实的周期值存在一定的困难。相比之下，傅里叶变换能准确的检测中短长度的周期。此外，它还具有降噪和压缩的优势。本发明实施例在实验中所用数据集的时间跨度为3个月，因此查询词至多拥有短期或中期的周期。因此，本发明实施例选择离散傅里叶变换(discretefouriertransform，dft)来检测查询词的周期。
傅里叶变换将时域信号映射为频域信号。对于一个周期性时间序列，傅里叶变换简化为计算傅里叶级数的系数。令f(q)n，n＝1，2，…，n表示查询词q在过去n天的查询次数所构成的时间序列，f(q)n的归一化dft为一列的复数f(q)k：
为了计算f(q)n的周期，本发明实施例使用周期图来估计该序列的频谱密度。周期图p(k)是傅里叶系数幅值的平方：
其中，||·||为2范数。由于序列p(k)呈圆周偶对称，本发明实施例最多可以检测一半的信号频率。假设p(k*)是周期图中的最大值，则频率k*的功率最强。将频域映射回时域，频率k*对应
本发明实施例利用检测到的周期来预测t+1时刻的未来查询次数
此处
由于p‐qac用所得周期来计算预测的查询次数并依此进行排序，它忽视了查询词查询次数的激增趋势。为了解决这一问题，本发明实施例研究了查询次数的短期激增趋势并预测了查询次数在t+1时刻的变化趋势。
常采用移动平均方法(movingaverage，ma)来发掘查询词时间序列中的激增趋势。本发明实施例说在t+1时刻出现了一个激增当该时刻的ma值ma(q)t+1超过了截止点cutoff，此处的激增幅度amp(q)t+1可以形式化描述为：
amp(q)t+1＝ma(q)t+1-cutoff(5)
为了控制合理范围的波动，cutoff值通常设为：
cutoff＝μa+γ·σa(6)
其中,μa和σa分别表示ma序列的均值和标准差，γ是一个因子，它的作用在于消除噪声并突出明显的尖峰。
就计算时间序列的ma(q)t+1值而言，已有的文献采用简单移动平均方法(simplemovingaverage，sma)，该方法对每个观测点“一视同仁”，用某一长度的滑动窗口在整个序列上进行滑动并计算窗口内数据的未加权的均值：
式中，l表示滑动窗口的长度，f(q)n，n＝1，2，…，t表示查询词q的查询次数在t时刻前的时间序列。然而，在时域信息检索领域中人们普遍认为时间序列近期的数据比远期数据更具有参考价值，这一差异性可通过对过去数据引入一个衰减函数来实现。
本发明实施例在识别激增趋势时也引入一个衰减函数并计算序列的加权移动平均值(weightedmovingaverage，wma)：
式中，归一化的权重norm(ωn)控制着滑动窗口中每个观测值的权重，并且确保∑nnorm(ωn)＝1。在对权重进行归一化处理之前，本发明实施例引入了衰减函数：ωn＝decayratei-n，其中i-n代表第i天与第n天之间的时间间隔。
为了将查询词的长期和短期查询历史结合起来一齐用于预测其未来的查询次数，本发明实施例提出混合的qac排序模型，该模型结合了查询词的周期和激增趋势这两种时域模式。首先，本发明实施例用p‐qac对已输入的前缀p生成一个排序的补全查询词列表c(p)。然后，基于预测的查询次数和激增幅度，本发明实施例对每个补全查询词分别分配得分pscore(q)和bscore(q)。最后，将pscore(q)和bscore(q)进行凸组合，使得每个补全查询词拥有一个最终的排序得分hscore(q)：
hscore(q)＝(1-λ)·pscore(q)+λ·bscore(q)(9)
其中，0≤λ≤1是一个折中因子，它控制着周期得分和激增趋势得分的权重。
此外，c(p)中的补全查询词可能会呈现不同的激增幅度。例如，有些查询词的查询次数出现了显著的激增趋势，而对所有补全查询词采用相同的值无法捕获这一现象。因此，本发明实施例采用一个能随激增幅度灵活变化的值λ*来代替公式(9)中的λ：
其中μb表示c(p)中补全查询词激增幅度的均值。由于pscore(q)和bscore(q)使用不同的单位和尺度，因此在凸组合前需要将它们进行标准化。pscore(q)标准化为：
其中μp和σp表示c(p)中补全查询词的预测查询次数的均值和标准差。bscore(q)标准化为：
其中σb表示c(p)中补全查询词激增幅度amp(q)t+1的标准差。算法1以伪代码的方式描述了混合qac模型的实现步骤。采用sma或wma来检测激增趋势的混合qac模型分别记为h‐sma和h‐wma。此外，在公式(9)中采用固定λ值的混合qac模型记为λ-h-wma和λ-h-sma，而采用变化的λ*值的混合qac模型则记为λ*-h-wma。
从上面所述可以看出，本发明实施例提供的基于时域特征的查询词自动补全方法与装置通过获取查询词的未来查询次数，根据查询词前缀生成补全查询词集合并确定查询次数得分，使用移动平均方法获得查询词基于时域特征的激增幅度与得分，根据排序得分对补全查询词集合排序显示并动态更新的技术手段，能够将激增趋势的非周期性查询词作为qac模型的排序依据，提高查询词的补全效果与用户体验。
基于上述目的，本发明实施例的第三个方面提出了一种执行所述基于时域特征的查询词自动补全方法的电子设备的一个实施例。
所述执行所述基于时域特征的查询词自动补全方法的电子设备包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述任意一种方法。
如图2所示，为本发明提供的执行所述实时通话中的语音处理方法的电子设备的一个实施例的硬件结构示意图。以如图2所示的电子设备为例，在该电子设备中包括一个处理器201以及一个存储器202，并还可以包括：输入装置203和输出装置204。
处理器201、存储器202、输入装置203和输出装置204可以通过总线或者其他方式连接，图2中以通过总线连接为例。
存储器202作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的所述基于时域特征的查询词自动补全方法对应的程序指令/模块。处理器201通过运行存储在存储器202中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的基于时域特征的查询词自动补全方法。
存储器202可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据基于时域特征的查询词自动补全装置的使用所创建的数据等。此外，存储器202可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器202可选包括相对于处理器201远程设置的存储器，这些远程存储器可以通过网络连接至节点。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置203可接收输入的数字或字符信息，以及产生与基于时域特征的查询词自动补全装置的用户设置以及功能控制有关的键信号输入。输出装置204可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器202中，当被所述处理器201执行时，执行上述任意方法实施例中的基于时域特征的查询词自动补全方法。
所述执行所述基于时域特征的查询词自动补全方法的电子设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read‐onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。所述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外，典型地，本公开所述的装置、设备等可为各种电子终端设备，例如手机、个人数字助理(pda)、平板电脑(pad)、智能电视等，也可以是大型终端设备，如服务器等，因此本公开的保护范围不应限定为某种特定类型的装置、设备。本公开所述的客户端可以是以电子硬件、计算机软件或两者的组合形式应用于上述任意一种电子终端设备中。
此外，根据本公开的方法还可以被实现为由cpu执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被cpu执行时，执行本公开的方法中限定的上述功能。
此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外，应该明白的是，本文所述的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦写可编程rom(eeprom)或快闪存储器。易失性存储器可以包括随机存取存储器(ram)，该ram可以充当外部高速缓存存储器。作为例子而非限制性的，ram可以以多种形式获得，比如同步ram(dram)、动态ram(dram)、同步dram(sdram)、双数据速率sdram(ddrsdram)、增强sdram(esdram)、同步链路dram(sldram)以及直接rambusram(drram)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现所述的功能，但是这种实现决定不应被解释为导致脱离本公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里所述功能的下列部件来实现或执行：通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，dsp和微处理器的组合、多个微处理器、一个或多个微处理器结合dsp核、或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在ram存储器、快闪存储器、rom存储器、eprom存储器、eeprom存储器、寄存器、硬盘、可移动盘、cd‐rom、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器，使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中，所述存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在asic中。asic可以驻留在用户终端中。在一个替换方案中，处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中，所述功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将所述功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括ram、rom、eeprom、cd‐rom或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(dsl)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、dsl或诸如红外先、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(cd)、激光盘、光盘、数字多功能盘(dvd)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
公开的示例性实施例，但是应当注公开的示例性实施例，但是应当注意，在不背离权利要求限定的本公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本公开的元素可以以个体形式描述或要求，但是也可以设想多个，除非明确限制为单数。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”(“a”、“an”、“the”)旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也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，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上所述的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！