数据的识别方法及装置与流程

本发明涉及互联网技术领域，特别是涉及一种数据的识别方法及装置。

背景技术：

伴随着互联网技术的快速发展，网络的智能化已成为大势所趋，即针对性地、及时地向用户主动推送用户的所需信息，以满足不同用户的个性化需求。

智能化的重点在于根据用户的一些历史操作记录，如统一资源定位符(Uniform Resource Locator，URL)中携带的参数信息，通过参数信息获取用户的真实需求或者获取用户/设备的基本信息等。目前，在对用户的某一时间段内的历史操作记录进行分析确定参数信息时，通过人工逐条分析的方式，该种识别方式效率较低，且由于参数信息多变人工识别的方式出错率较高。

技术实现要素：

有鉴于此，本发明提供的一种数据的识别方法及装置，主要目的在于解决现有技术中在识别URL中的参数信息时，由于采用人工识别的方式，导致的效率低且出错率高的问题，以实现准确、高效地识别参数信息。

依据本发明一个方面，本发明提供了一种数据的识别方法，包括：

获取待识别数据，所述待识别数据中包含有统一资源定位符URL；

将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息。

可选的，所述方法还包括：

根据标注信息对用于数据识别模型训练的批量样本数据进行分类，所述训练用样本数据中包含不同类别的标注信息；

对属于同一类别的训练用样本数据进行数据识别模型的训练。

可选的，所述标注信息为对统一资源定位符URL中参数信息的标注，对属于同一类别的训练用样本数据进行数据识别模型的训练包括：

根据所述标注信息对所述统一资源定位符URL中参数信息进行训练；所述参数信息包括参数名及参数值；

确定同一类别的训练用样本数据中参数名和/或参数值的特征。

可选的，在根据标注信息对用于数据识别模型训练的批量样本数据进行分类之前，所述方法还包括：

对所述训练用样本数据的统一资源定位符URL中的参数名和/或参数值进行标注。

可选的，将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息包括：

在所述数据识别模型中，解析得到所述待识别数据中统一资源定位符URL中的参数名及对应的参数值；

若能够通过所述参数名识别出所述统一资源定位符URL中包含的参数信息，则将所述参数信息输出；

若不能通过所述参数名识别出所述统一资源定位符URL中包含的参数信息，则对所述参数值进行识别，识别成功后将所述参数信息输出。

可选的，所述方法还包括：

将识别后的所述待识别数据存储于训练用数据样本库中；

使用所述训练用数据样本库中的样本数据对所述数据识别模型进行更新训练。

第二方面，本发明提供一种数据的识别装置，包括：

获取单元，用于获取待识别数据，所述待识别数据中包含有统一资源定位符URL；

处理单元，用于将所述获取单元获取的所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息。

可选的，所述装置还包括：

分类单元，用于根据标注信息对用于数据识别模型训练的批量样本数据进行分类，所述训练用样本数据中包含不同类别的标注信息；

训练单元，用于对所述分类单元确定的属于同一类别的训练用样本数据进行数据识别模型的训练。

可选的，所述标注信息为对统一资源定位符URL中参数信息的标注，所述训练单元包括：

训练模块，用于根据所述标注信息对所述统一资源定位符URL中参数信息进行训练；所述参数信息包括参数名及参数值；

确定模块，用于确定同一类别的训练用样本数据中参数名和/或参数值的特征。

可选的，所述装置还包括：

标注单元，用于在所述分类单元根据标注信息对用于数据识别模型训练的批量样本数据进行分类之前，对所述训练用样本数据的统一资源定位符URL中的参数名和/或参数值进行标注。

可选的，所述处理单元包括：

解析模块，用于在所述数据识别模型中，解析得到所述待识别数据中统一资源定位符URL中的参数名及对应的参数值；

第一输出模块，用于当能够通过所述参数名识别出所述统一资源定位符URL中包含的参数信息时，将所述参数信息输出；

识别模块，用于当不能通过所述参数名识别出所述统一资源定位符URL中包含的参数信息时，对所述参数值进行识别；

第二输出模块，用于当所述识别模块对所述参数值识别成功后将所述参数信息输出。

可选的，所述装置还包括：

存储单元，用于将识别后的所述待识别数据存储于训练用数据样本库中；

更新单元，用于使用所述训练用数据样本库中的样本数据对所述数据识别模型进行更新训练。

借由上述技术方案，本发明提供的数据的识别方法及装置，获取待识别数据，所述待识别数据中包含有统一资源定位符URL，将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息，与现有技术相比，本发明通过数据识别模型识别URL中所包含的参数信息，能够提高识别数据的准确度性及效率。

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

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了本发明实施例提供的一种数据的识别方法的流程图；

图2示出了本发明实施例提供的一种构建数据识别模型的流程图；

图3中示出了本发明实施例提供的一种对训练用数据样本库中的样本数据进行标注的示意图；

图4示出了本发明实施例提供的另一种数据的识别方法的流程图；

图5示出了本发明实施例提供的一种数据的识别装置的组成框图；

图6示出了本发明实施例提供的另一种数据的识别装置的组成框图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

为了提高获取统一资源定位符(Uniform Resource Locator，URL)中参数信息的效率和准确度，本发明实施例提供一种数据的识别方法，该方法适用于多种应用场景中，如：应用于人工智能领域，根据用户的浏览器或者APP搜索记录，获取用户的真实需求，并为用户推送相关产品、新闻、服务等内容，为用户提供个性化定制服务，或者，还可应用于协助办案应用场景中，根据用户的历史搜索记录查看该用户是否购买非法物品、阅读与非法物品相关的文章、进行非法交易等等。具体的本发明实施例对应用场景不做限定。

如图1所示，所述方法包括：

101、获取待识别数据，所述待识别数据中包含有统一资源定位符URL。

在执行数据识别时，首先获取待识别数据，该待识别数据从用户的历史浏览记录中获取，可以是浏览器的浏览记录，可以是客户端(如视频客户端、新闻客户端、购物客户端等)的浏览记录等，待识别数据的存在形式可以是单条数据，也可以是批量数据；本发明实施例对历史浏览记录的获取途径，以及待识别数据的存在形式不作限定。

在本发明实施例中，不管待识别数据的获取路径及存在形式是什么，获取到的待识别数据中必须要包含有统一资源定位符(Uniform Resource Locator，URL)，在URL中可能会包含多种参数信息，各个参数信息之间通过连接符&连接。所述参数信息包括但不限于：用户个人信息、用户需求信息、用户设备信息等。目的在于，准确识别出URL中的参数信息，进而根据该些参数信息进行分析、使用。

102、将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息。

在获取到待识别数据后，将其输入到数据识别模型中，该数据识别模型为使用大量的历史URL进行训练得到，记录有各种URL中参数信息的规律及特征。当待识别数据输入到数据识别模型后，数据识别模型根据已有的规律和特征与待识别数据的URL进行匹配，匹配成功后，输出待识别数据中URL的参数信息。

本发明实施例提供的数据的识别方法，获取待识别数据，所述待识别数据中包含有统一资源定位符URL，将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息，与现有技术相比，本发明通过数据识别模型识别URL中所包含的参数信息，能够提高识别数据的准确度性及效率。

由上述实施例可以看出，能够准确高效识别数据的核心在于数据识别模型，以下实施例重点说明如何构建数据识别模型，如图2所示，包括：

201、对所述训练用样本数据的统一资源定位符URL中的参数名和/或参数值进行标注。

在对数据识别模型进行训练时，需要从训练用数据样本库中获取训练用样本数据，所述训练用数据样本库中存储的样本数据为已经确定出参数信息的数据，即样本数据包含的URL中的参数信息是既定的。

对了加快数据识别模型的训练，对训练用数据样本库中大量的URL进行标注，如图3所示，图3中示出了本发明实施例提供的一种对训练用数据样本库中的样本数据进行标注的示意图。对训练用数据样本库中N(N大于2)条样本数据进行标注时，可采用颜色标记法、文字标注法、数字标注法等等。在进行标注时，要对样本URL中的参数名及参数值分别做标注。

示例性的，图3中，当采用颜色标注时，红色代表电话，黄色代表IP地址；当采用文字标注时，根据参数信息的具体含义进行标注，当采用数字标注时，1代表用户名，2代表搜索物品的关键词，3代表卖家类别。以上是为了便于理解给出的示例性说明，在实际应用中，对每种标注所代表的参数信息的含义不作限定。

需要强调的是，在进行标注时，要对样本URL中的参数名及参数值分别做标注，而不是仅仅对单一的参数名，或者参数值进行标注，预防在后续数据识别过程中参数名或者参数值发生变化。

202、根据标注信息对用于数据识别模型训练的批量样本数据进行分类，所述训练用样本数据中包含不同类别的标注信息。

训练用数据样本库中存储有大量的样本数据，该些样本数据的来源多种多样、类型多种多样，来源于不同的网站URL存在差异，来源于同一网站中，不同搜索内容的URL也存在差异。因此，为了提高训练数据识别模型的速度，本发明实施例中，可根据步骤201中的标注信息进行分类。继续参阅图3，可将图3中的样本数据分为2类，一类为个人信息类，一类为商品类。实际应用中，分类类别还包括：新闻浏览、商品浏览、商品购买、关键词查询等等。

作为本发明实施例的一种可选方式，在处理资源充足的条件下，在步骤201执行完样本数据的标注后，也可直接根据标注信息进行训练，无需根据标识信息对训练用样本数据进行分类。为了便于说明，后续实施例中是以先分类，后训练的方式为例进行说明，但是，应当明确的是，该种说明方式并非意在限定仅能通过该方式进行训练。

203、对属于同一类别的训练用样本数据进行数据识别模型的训练。

在训练时，可以采用但不局限于以下方法：根据所述标注信息对所述统一资源定位符URL中参数信息进行训练；所述参数信息包括参数名及参数值，确定同一类别的训练用样本数据中参数名和/或参数值的特征。示例性的，当参数信息为phone＝138********时，可以确定该参数信息为电话号码，其规律是电话号码使用关键字phone表示；当参数信息为a＝138********，也可以确定该参数信息为电话号码，其规律是参数值为11为，且符合电话号码的规范。

本步骤中，首先对属于同一类别的训练用样本数据进行训练，训练完成后，继续对其他类别的训练用样本数据进行训练，直到训练完所有的样本数据，在将所有类别的训练用样本数据的训练结果进行结合，完成数据识别模型的训练。可选的，在资源充足的条件下，一个数据识别模型中也可指识别一种类型的数据，即同一类别的训练用样本数据训练完成后，即可完成数据识别模型的训练。

进一步的，由于互联网数据的更新换代较快，在数据识别模型训练完成后，若一直不对该数据识别模型进行更新，可能会出现数据识别错误的问题。为了后续识别数据的准确性，仍然需要训练好的数据识别模型进行更新，如图3所示，图4示出了本发明实施例提供的另一种数据的识别方法，包括：

301、对所述训练用样本数据的统一资源定位符URL中的参数名和/或参数值进行标注(同步骤201)。

302、根据标注信息对用于数据识别模型训练的批量样本数据进行分类，所述训练用样本数据中包含不同类别的标注信息(同步骤202)。

303、对属于同一类别的训练用样本数据进行数据识别模型的训练(同步骤203)。

304、获取待识别数据，所述待识别数据中包含有统一资源定位符URL(同步骤101)

305、将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息。

为了进一步提高数据识别的效率，在所述数据识别模型中，解析得到所述待识别数据中统一资源定位符URL中的参数名及对应的参数值，解析得到URL的参数名和对应的参数值后，先根据参数名确定在数据识别模型中是否包含相同的参数名，若能够通过所述参数名识别出所述统一资源定位符URL中包含的参数信息，则将所述参数信息输出；需要说明的是，此处的先验证参数名，是指根据该参数名可以直接的、毫无疑问的确定出参数信息含义的，例如，参数名phone，可以直接确定出该参数信息为电话号码，参数名IP，可以直接确定出该参数信息为IP地址。

但是，对于一些指代参数名P，参数名type等无法直接确定其具体指代参数信息的，还需要对参数名对应的参数值进行进一步判别。若不能通过所述参数名识别出所述统一资源定位符URL中包含的参数信息，则对所述参数值进行识别，识别成功后将所述参数信息输出。示例性的，参数信息a＝189********，通过参数名无法直接确定出参数信息，需要对参数值进行分析，该参数值11位，并且符合手机号的规则，则判断该值为手机号。

306、将识别后的所述待识别数据存储于训练用数据样本库中。

在执行数据识别模型训练时，需要依赖于训练用数据样本库中已识别URL的参数信息。在步骤305识别出参数信息后，可直接存储于训练用数据样本库中，省去从历史记录中识别参数信息的步骤，节省了系统处理资源。

307、使用所述训练用数据样本库中的样本数据对所述数据识别模型进行更新训练。

更新训练的方法，与图2所示的方法相同，请参考上述详细描述，本发明实施例在此不再进行赘述。

进一步的，作为对上述图1、图2及图4所示方法的实现，本发明另一实施例还提供了一种数据的识别装置。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。

本发明实施例还一种数据的识别装置，如图5所示，包括：

获取单元41，用于获取待识别数据，所述待识别数据中包含有统一资源定位符URL；获取待识别数据，该待识别数据从用户的历史浏览记录中获取，可以是浏览器的浏览记录，可以是客户端(如视频客户端、新闻客户端、购物客户端等)的浏览记录等，待识别数据的存在形式可以是单条数据，也可以是批量数据；

处理单元42，用于将所述获取单元41获取的所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息，该数据识别模型为使用大量的历史URL进行训练得到，记录有各种URL中参数信息的规律及特征。

进一步的，如图6所示，所述装置还包括：

分类单元43，用于根据标注信息对用于数据识别模型训练的批量样本数据进行分类，所述训练用样本数据中包含不同类别的标注信息；

训练单元44，用于对所述分类单元43确定的属于同一类别的训练用样本数据进行数据识别模型的训练。

进一步的，如图6所示，所述标注信息为对统一资源定位符URL中参数信息的标注，所述训练单元44包括：

训练模块441，用于根据所述标注信息对所述统一资源定位符URL中参数信息进行训练；所述参数信息包括参数名及参数值；

确定模块442，用于确定同一类别的训练用样本数据中参数名和/或参数值的特征。

进一步的，如图6所示，所述装置还包括：

标注单元45，用于在所述分类单元根据标注信息对用于数据识别模型训练的批量样本数据进行分类之前，对所述训练用样本数据的统一资源定位符URL中的参数名和/或参数值进行标注。

进一步的，如图6所示，所述处理单元42包括：

解析模块421，用于在所述数据识别模型中，解析得到所述待识别数据中统一资源定位符URL中的参数名及对应的参数值；

第一输出模块422，用于当能够通过所述参数名识别出所述统一资源定位符URL中包含的参数信息时，将所述参数信息输出；

识别模块423，用于当不能通过所述参数名识别出所述统一资源定位符URL中包含的参数信息时，对所述参数值进行识别；

第二输出模块424，用于当所述识别模块对所述参数值识别成功后将所述参数信息输出。

进一步的，如图6所示，所述装置还包括：

存储单元46，用于将识别后的所述待识别数据存储于训练用数据样本库中；

更新单元47，用于使用所述训练用数据样本库中的样本数据对所述数据识别模型进行更新训练。

本发明实施例提供的数据的识别装置，获取待识别数据，所述待识别数据中包含有统一资源定位符URL，将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息，与现有技术相比，本发明实施例通过数据识别模型识别URL中所包含的参数信息，能够提高识别数据的准确度性及效率。

本发明实施例还公开如下方案，包括：

A1、一种数据的识别方法，包括：

获取待识别数据，所述待识别数据中包含有统一资源定位符URL；

将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息。

A2、根据A1所述的方法，所述方法还包括：

根据标注信息对用于数据识别模型训练的批量样本数据进行分类，所述训练用样本数据中包含不同类别的标注信息；

对属于同一类别的训练用样本数据进行数据识别模型的训练。

A3、根据A2所述的方法，所述标注信息为对统一资源定位符URL中参数信息的标注，对属于同一类别的训练用样本数据进行数据识别模型的训练包括：

根据所述标注信息对所述统一资源定位符URL中参数信息进行训练；所述参数信息包括参数名及参数值；

确定同一类别的训练用样本数据中参数名和/或参数值的特征。

A4、根据A3所述的方法，在根据标注信息对用于数据识别模型训练的批量样本数据进行分类之前，所述方法还包括：

对所述训练用样本数据的统一资源定位符URL中的参数名和/或参数值进行标注。

A5、根据A4所述的方法，将所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息包括：

在所述数据识别模型中，解析得到所述待识别数据中统一资源定位符URL中的参数名及对应的参数值；

若能够通过所述参数名识别出所述统一资源定位符URL中包含的参数信息，则将所述参数信息输出；

若不能通过所述参数名识别出所述统一资源定位符URL中包含的参数信息，则对所述参数值进行识别，识别成功后将所述参数信息输出。

A6、根据A1A-5中任一项所述的方法，所述方法还包括：

将识别后的所述待识别数据存储于训练用数据样本库中；

使用所述训练用数据样本库中的样本数据对所述数据识别模型进行更新训练。

B7、一种数据的识别装置，包括：

获取单元，用于获取待识别数据，所述待识别数据中包含有统一资源定位符URL；

处理单元，用于将所述获取单元获取的所述待识别数据输入到对应的数据识别模型中，根据模型输出结果得所述统一资源定位符URL中包含的参数信息。

B8、根据B7所述的装置，所述装置还包括：

分类单元，用于根据标注信息对用于数据识别模型训练的批量样本数据进行分类，所述训练用样本数据中包含不同类别的标注信息；

训练单元，用于对所述分类单元确定的属于同一类别的训练用样本数据进行数据识别模型的训练。

B9、根据B8所述的装置，所述标注信息为对统一资源定位符URL中参数信息的标注，所述训练单元包括：

训练模块，用于根据所述标注信息对所述统一资源定位符URL中参数信息进行训练；所述参数信息包括参数名及参数值；

确定模块，用于确定同一类别的训练用样本数据中参数名和/或参数值的特征。

B10、根据B9所述的装置，所述装置还包括：

标注单元，用于在所述分类单元根据标注信息对用于数据识别模型训练的批量样本数据进行分类之前，对所述训练用样本数据的统一资源定位符URL中的参数名和/或参数值进行标注。

B11、根据B10所述的装置，所述处理单元包括：

解析模块，用于在所述数据识别模型中，解析得到所述待识别数据中统一资源定位符URL中的参数名及对应的参数值；

第一输出模块，用于当能够通过所述参数名识别出所述统一资源定位符URL中包含的参数信息时，将所述参数信息输出；

识别模块，用于当不能通过所述参数名识别出所述统一资源定位符URL中包含的参数信息时，对所述参数值进行识别；

第二输出模块，用于当所述识别模块对所述参数值识别成功后将所述参数信息输出。

B12、根据B7-B11中任一项所述的装置，所述装置还包括：

存储单元，用于将识别后的所述待识别数据存储于训练用数据样本库中；

更新单元，用于使用所述训练用数据样本库中的样本数据对所述数据识别模型进行更新训练。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的数据的识别方法及装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。