基于未结构化电子文档而实时提供分析的制作方法

本申请要求提交于2016年5月18日的、申请号为62/337,885的美国临时申请的优先权。该申请还为提交于2016年11月28日的、目前正在审查中的、申请号为15/361,934的美国专利申请的部分继续申请。上述申请的内容通过引用整体并入本文。

本公开整体涉及提供退税分析物，并且更具体地涉及基于电子文档而提供退税分析物。

背景技术：

顾客可以通过网络实时向商家订购旅行和住宿等服务。这些订单可即时接收和处理。然而，关于订单的支付通常需要更多时间来完成，并且特别地，来确保正在转账的资金。因此，当订单正在发出时，商家通常需要顾客实时提供支付保证。作为一个实例，顾客依据支付可输入信用卡信息，并且商家可在确认销售之前实时验证该信用卡信息。验证通常包括确定所提供信息是否有效(即，信用卡号码、有效日、pin码和/或顾客名称是否匹配已知信息)。

在接收此类保证时，可生成关于该顾客的购买订单。购买订单提供订单的证据，诸如，例如购买价格、所订货物和/或服务等。随后，可生成关于订单的发票。虽然购买订单通常用于指示请求的产品和估计值或报价，但是发票通常用于指示实际提供的产品和该产品的最终价格。很多情况下，如订单的发票所展示的购买价格不同于如购买订单所展示的购买价格。作为一个实例，如果宾馆的客人初始地订购3晚住宿但第四晚结束住宿，那么购买订单的总价可反映不同于后续发票的总价。其中发票的总价不同于购买订单的总价的情况难以追踪，尤其是在每日接受许多订单的大型企业中(例如，给定国家的管理成百上千家宾馆的大型宾馆连锁店)。这些差异可引起企业的记录保存的错误。

由于商业机构越来越依赖技术来管理与发票和购买订单数据等操作相关的数据，用于适当地管理并收集数据的合适系统已变得对于成功至关重要。特别是对于大型商业机构，每日所用的数据量可能非常巨大的。因此，在最佳情况下，此类数据的人工审查和收集是不切实际的。

已有的一些解决方案用于自动地识别扫描文档(例如，发票和收据)或其它非结构化电子文档(例如，非结构化文本文件)中的信息。一些解决方案通常面临准确地辨识并识别电子文档的字符和其它特征的挑战。此外，在输入结构化电子文档的内容上的消减通常导致较高错误率。因此，现有图像识别技术在理想情况(即，非常清晰图像)下并非完全准确的，并且当输入图像较不清晰时，其精度通常显著地降低。此外，在数据的随后使用期间，丢失或其它不完整数据可导致错误。许多现有解决方案不可辨识丢失数据，除非例如结构化数据集中的字段保留不完整。

此外，现有图像识别解决方案不能够准确地辨识一些或所有特定字符(例如，“！”、“@”、“#”、“$”、“％”、“&”等)。作为一个实例，一些现有图像识别解决方案可将扫描的收据中所包括的虚线不精确地辨识为数字“1”。作为另一个实例，一些现有图像识别解决方案不可辨识特定字符，诸如美元符号、日元符号等。

另外，此类解决方案可面临将所识别信息准备用于随后使用的挑战。特别地，在输入电子文档特别地格式化以用于通过图像识别系统的识别的情况下，许多此类解决方案以未结构化格式产生输出，或可仅产生结构化输出。所得非结构化输出通常不可有效地处理。特别地，此类非结构化输出可包括副本，并且可包括在使用之前需要后续处理的数据。因此，企业通常雇佣会计事务所来手动地审查扫描收据和其它非结构化电子文档。然而，此类事务所通常为成本高昂的，并且仍容易出现人为错误。

因此，提供克服现有技术的种种缺陷的技术方案是有利的。

技术实现要素：

本公开的一些实例实施例概述如下。提供概述是为了方便读者而提供此类实施例的基本理解，并且不完全地限定本公开的广度。该发明内容不是所有设想实施例的详尽概述，并且不旨在辨识所有实施例的关键或重要元素，也不旨在勾画任何或所有方面的范围。其唯一目的是以简化形式呈现一个或多个实施例的一些理念，作为随后呈现的更详细描述的序言。为方便起见，术语“一些实施例”可在本文用于指代本公开的单个实施例或多个实施例。

本文所公开的某些实施例包括一种用于基于至少部分未结构化电子文档而生成分析物的方法。该方法包括：分析多个电子文档以确定每个电子文档的至少一个交易参数，其中该分析电子文档中的至少一者包括至少部分未结构化数据；创建关于每个分析电子文档的模板，其中每个模板为包括关于相应电子文档的确定至少一个交易参数的结构化数据集；基于创建模板而获得至少一个交易分析规则集合，其中每个交易分析规则集合至少限定用于获得交易退税的要求；和基于至少一个交易分析规则集合、创建模板和至少一个企业参数而生成至少一个分析物。

本文所公开的某些实施例还包括一种非暂态计算机可读介质，该非暂态计算机可读介质具有存储于其上的指令以用于引起处理电路来执行一种工序，该工序包括：分析多个电子文档以确定每个电子文档的至少一个交易参数，其中该分析电子文档中的至少一者包括至少部分未结构化数据；创建关于每个分析电子文档的模板，其中每个模板为包括关于相应电子文档的确定至少一个交易参数的结构化数据集；基于创建模板而获得至少一个交易分析规则集合，其中每个交易分析规则集合至少限定用于获得交易退税的要求；和基于至少一个交易分析规则集合、创建模板和至少一个企业参数而生成至少一个分析物。

本文所公开的某些实施例还包括一种用于基于至少部分未结构化电子文档而生成分析物的系统。该系统包括：处理电路和存储器，该存储器包含指令，该指令当由处理电路执行时将系统配置成：分析多个电子文档以确定每个电子文档的至少一个交易参数，其中分析电子文档中的至少一者包括至少部分未结构化数据；创建关于每个分析电子文档的模板，其中每个模板为包括关于相应电子文档的确定至少一个交易参数的结构化数据集；基于创建模板而获得至少一个交易分析规则集合，其中每个交易分析规则集合至少限定用于获得交易退税的要求；和基于至少一个交易分析规则集合、创建模板和至少一个企业参数而生成至少一个分析物。

附图说明

本文所公开主题特别地指出并且在说明书的结尾处的权利要求书中明显地要求保护。所公开实施例的前述和其它目标、特征和优点结合附图根据下述具体实施方式将为显而易见的。

图1为用于描述各种所公开实施例的网络图。

图2是根据一个实施例的文档分析器的示意图。

图3是根据一个实施例的示出用于基于至少部分未结构化电子文档而生成分析物的方法的流程图。

图4是根据一个实施例的示出用于基于至少一个电子文档而创建数据集的方法的流程图。

具体实施方式

重要的是注意，本文所公开的实施例仅为本文创新性教导内容的许多有利用途的实例。一般来讲，本申请的说明书所做出的陈述不必然地限制各种要求保护实施例的任一者。此外，一些陈述可适用于一些发明性特征，但不适用于其它特征。一般来讲，除非另外指明，单数元件可为复数，反之亦然而不失一般性。在图中，类似标号是指多个视图中的类似部分。

各种所公开实施例包括用于基于电子文档而生成分析物的方法和系统。在一个实施例中，至少一个数据集基于电子文档而创建，该电子文档指示相关于企业的交易信息。交易属性的模板基于每个电子文档数据集而创建。模板为基于经由电子文档的机器成像所生成的至少部分未结构化数据而创建的结构化数据集。

基于创建模板，确定由模板中的一者所指示的每次交易的国家。至少一个交易分析规则集合基于所确定国家而获得。基于创建模板和至少一个企业参数，分析物利用至少一个交易分析规则集合而生成。企业参数可相对于基于创建模板中的交易参数而辨识的企业来获得。基于分析物，可提供指示vat退税可能性的通知。

图1示出了用于描述各种所公开实施例的实例网络图100。在实例网络图100中，文档分析器120、企业系统130、数据库140和多个网源150-1至150-n(仅仅为了简单起见，在下文中分别称为一个网源150和统称为多个网源150)经由网络110通信地连接。网络110可为但不限于无线、蜂窝或有线网络、局域网(lan)、广域网(wan)、城域网(man)、互联网、万维网(www)、类似网络，和其任何组合。

企业系统130与企业相关联，并且可存储相关于交易的数据以及相关于企业自身的数据，该交易涉及企业或企业代表。企业可为但不限于诸如公司的企业，其员工可依据其角色和责任购买货物和服务。企业系统130可为但不限于服务器、数据库、企业资源规划系统、顾客关系管理系统，或存储相关数据的任何其它系统。

由企业系统130所存储的数据可包括但不限于电子文档(例如，示出例如发票扫描件的图像文件、文本文件、电子表格文件等)、企业参数，或两者。每个电子文档可示出例如发票、税务票据、购买编号记录，等等。至少一些的电子文档中所包括的数据为至少部分未结构化的，使得数据可为结构化的、半结构化的、未结构化的，或其组合。结构化或半结构化数据可为未被文档分析器120识别的格式，并且因此可作为未结构化数据来处理。

企业参数可包括但不限于营业所的国家(例如，公司的国家)、指示(企业是否为私有的或公开上市交易的、是否存在企业的子公司、是否由另一企业持有及其组合)，等等。

每个电子文档可与涉及企业的交易相关。因此，电子文档可至少指示企业在交易期间所引发的花费和与之相关的其它信息。作为一个非限制性实例，电子文档可指示所购买货物或服务的类型(例如，宾馆住宿)、交易的时间、单位价格、数量、买方、供应商(例如，卖方或制造商)、供应商信息(例如，名称、商家登记号码等)，其组合，等等。

数据库140至少存储由文档分析器120所生成的与多个企业相关联的分析物。数据库140还可存储由文档分析器120所生成的通知。

至少一些网源150至少存储相关于增值税(vat)退税(reclaim)的规则。网源150可包括但不限于税务机关服务器、计费服务器，等等。

在一实施例中，文档分析器120配置成基于指示相关于交易的信息的交易参数而创建模板，该交易参数对于至少部分未结构化电子文档利用机器视觉来辨识。在另一个实施例中，文档分析器120可配置成从例如企业系统130检索电子文档。另选地或共同地，电子文档可接收自企业的员工或其它代表所利用的客户装置(未示出)。基于创建模板，文档分析器120生成企业的分析物，并且还生成指示关于电子文档中所指示的交易的vat退税的可能性的通知。

每个模板为包括交易的所辨识交易参数的结构化数据集。交易参数指示相关于电子文档中所指示的交易的信息，诸如但不限于所购买货物或服务的类型(例如，宾馆住宿)、交易的时间、单位价格、数量、买方、供应商(例如，卖方或制造商)、供应商信息(例如，名称、商家登记号码等)，等等。

在一实施例中，文档分析器120配置成基于至少部分未结构化电子文档而创建数据集，该至少部分未结构化电子文档包括至少部分缺乏已知结构的数据(例如，未结构化数据、半结构化数据，或具有未知结构的结构化数据)。为此，在另一实施例中，文档分析器120还可配置成利用光学字符识别(ocr)或其它图形处理来确定电子文档中的数据。因此，文档分析器120可包括或可通信地连接至识别处理器(例如，识别处理器235，图2)。基于数据集，文档分析器120配置成创建模板。

在另一实施例中，文档分析器120还可配置成基于其相应模板而验证每个电子文档。验证可包括但不限于确定每个电子文档是否为完整的和准确的。

如果例如满足一个或多个预定报告要求(例如，对于购买，相关要求可包括所购买货物或服务的类型、总价、数量、供应商等)，那么每个电子文档可确定为完整的。

每个电子文档可基于至少一个外部源中所存储的数据而确定为准确的。至少一个外部源可包括但不限于一个或多个网源或其它数据源(未示出)。作为一非限制性实例，在交易中作为卖方的商家的商家服务器可针对与交易相关联的电子文档的元数据进行查询，并且经由该查询所获得的元数据可与关于电子文档的模板数据相比较。例如，经由查询所获得的元数据可包括交易的价格、交易标识符等，这些可与对于该交易所创建的模板的对应字段中的数据相比较。

在一实施例中，文档分析器120配置成获得相关于企业的企业参数，该企业参数由创建模板的交易参数来指示。企业参数可获得自企业系统130、数据源(例如，网源150中的一者)，等等。在另一实施例中，企业参数可相对于企业来获得，该企业对于所有的模板为共同的。作为一非限制性实例，如果每个创建模板包括包含相同企业名称的“买方”字段(即，如果每次交易的买方相同)，那么企业参数可从与买方企业相关联的数据源进行检索。

在一实施例中，基于创建模板，文档分析器120配置成确定其中发生涉及企业的交易的至少一个国家。在另一实施例中，每个国家可在创建模板中的一者的“位置(国家)”字段中进行指示。

在一实施例中，对于每个确定国家，文档分析器120配置成获得交易分析规则集合。例如，每个交易分析规则集合可为vat退税规则集合，该vat退税规则集合用于基于电子文档和交易参数或两者而确定交易对于vat退税是否适宜、成功的可能性。在另一实施例中，文档分析器120可配置成从网源150中的一者检索每个交易分析规则集合。在又一实施例中，每个交易分析规则集合获得自网源150中的一者，网源150中的一者与确定国家中的一者相关联。作为一非限制性实例，网源150可包括相关于多个国家的税务机关服务器，并且交易分析规则集合可获得自模板中所指示的交易的位置的税务机关服务器。

在一实施例中，文档分析器120配置成基于模板和企业参数而生成至少一个分析物。在另一个实施例中，文档分析器120配置成将交易分析规则集合中的一者用于每个模板的交易参数和企业参数。每个适用交易分析规则集合被应用于模板的交易参数，该模板指示交易分析规则集合的国家。

在一实施例中，分析物指示相关于对于多次交易或对于每次交易的可能vat退税的信息，并且可指示但不限于可能vat退税量(该可能vat退税量可相对于每次交易而获得)、对于至少一组交易的可能vat退税总量、利用每个分析电子文档获得vat退税的成功可能性，等等。在另一实施例中，分析物可例如存储于数据库(例如，数据库140)中，发送至企业系统130，发送以用于显示于用户装置(未示出)上，或其组合，等等。

在另一实施例中，生成分析物还可包括将企业参数和每个模板的交易参数相比于与已知vat退税成功结果相关联的多个预定组的企业参数和交易参数。在另一实施例中，基于比较结果，可确定用于对每次交易退税的成功可能性。

作为一非限制性实例，文档分析器120从企业的企业系统搜索与可能vat退税相关的信息，检索所扫描发票。分析该扫描发票，并且基于分析结果而创建结构化数据集模板。指示企业为制药公司和指示企业设立于德国的企业参数接收自企业系统130。每次交易的国家基于每个模板的“位置”字段中的交易参数而确定。文档分析器120从与每个确定国家相关联的税务机关服务器检索vat退税规则。基于vat退税规则、企业参数和创建模板，分析物指示，可获得关于电子文档中所指示的至少一些交易的vat退税，和对于这些交易可退税50000美元。

应当指出的是，出于简便和对所公开实施例无限制的目的，本文上文相对于图1所描述的实施例相对于仅一个企业系统130进行描述。多个企业系统可等同地利用而不脱离本公开的范围。

图2是根据一实施例的文档分析器120的实例示意图。文档分析器120包括耦接至存储器215、存储装置220和网络接口240的处理电路210。在一实施例中，文档分析器120可包括光学字符识别(ocr)处理器230。在另一实施例中，文档分析器120的部件经由总线250可通信地连接。

处理电路210可实现为一个或多个硬件逻辑部件和电路。例如且非限制地，可使用的硬件逻辑部件的例示性类型包括现场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、系统级芯片系统(soc)、通用微处理器、微控制器、数字信号处理器(dsp)等，或可执行计算或其他信息处理的任何其它硬件逻辑部件。

存储器215可为易失性(例如，ram等)、非易失性(例如，rom、闪存存储器等)，或其组合。在一种配置中，用以实施本文所公开的一个或多个实施例的计算机可读指令可存储于存储装置220中。

在另一个实施例中，存储器215配置成存储软件。软件应广义地理解为意指任何类型的指令，无论是指软件、固件、中间件、微代码、硬件描述语言还是其他。指令可包括代码(例如，源代码格式、二进制代码格式、可执行代码格式，或代码的任何其它合适格式)。指令当由一个或多个处理器执行时引起处理电路210执行本文所描述的各种工序。具体地，如本文所讨论的是，指令当执行时引起处理电路210基于至少部分未结构化电子文档而生成分析物。

存储装置220可为磁性存储装置、光学存储装置等，并且可实现为例如闪存存储器或其它存储器技术、cd-rom、数字通用光盘(dvd)，或可用于存储期望信息的任何其它介质。

ocr处理器230可包括但不限于配置成在至少部分未结构化数据集中辨识图案、特征或其两者的特征和/或图案识别处理器(rp)235。具体地，在一实施例中，ocr处理器230配置成至少辨识未结构化的数据中的字符。辨识字符可用于创建数据集，该数据集包括用于分析交易和用于基于分析结果而生成建议所需的数据。

网络接口240允许文档分析器120与企业系统130、数据库140或两者通信，以用于诸如例如获得电子文档、存储交易历史记录，获得交易历史记录，发送建议，等等。

应当理解，本文所描述的实施例不限于图2所示的特定架构，并且其它架构可等同地使用而不脱离所公开实施例的范围。

图3是根据一实施例的示出用于基于电子文档而生成分析物的方法的实例流程图300。在一实施例中，方法由文档分析器120执行。在另一实施例中，分析物可为关于电子文档所指示的交易的vat退税分析物。

在s310，创建关于包括相关于交易的信息的每个电子文档的数据集。每个电子文档指示涉及企业的交易的至少部分未结构化数据，并且可包括但不限于未结构化数据、半结构化数据、结构化数据(其中结构为非预期的或未声明的)，或其组合。在一实施例中，s310还可包括利用光学字符识别(ocr)分析每个电子文档以确定该电子文档中的数据，从而辨识该数据中的关键字段，辨识该数据中的数值，或其组合。基于至少部分未结构化电子文档而创建数据集在本文下文相对于图4来进一步描述。

在s320，分析数据集。在一实施例中，分析每个数据集可包括但不限于确定交易参数，诸如但不限于至少一个企业标识符(例如，顾客企业标识符、商家企业标识符，或两者)、相关于该交易的信息(例如，日期、时间、价格、所售货物或服务的类型，等等)，或两者。在另一实施例中，分析每个数据集还可包括基于该数据集而辨识交易。

在s330，基于每个分析数据集而创建模板。模板可以是但不限于包括多个字段的数据结构。字段可包括所辨识交易参数。字段可进行预定义。

根据电子文档创建模板由于所创建模板的结构化性质而允许较快处理。例如，相比于缺乏此类结构的数据集，查询和操纵操作对于结构化数据集可更有效地执行。另外，将得自电子文档的信息组织成结构化数据集，用于保存电子文档中所包含的信息所需的存储装置的数量可显著地减少。电子文档通常为图像，该图像相比于含有相同信息的数据集需要较大存储空间。例如，表示得自100000个图像电子文档的数据的数据集可以文本文件保存为数据记录。此类文本文件的大小可显著地小于100000个图像的大小。

在s340，获得至少一个企业参数。在一实施例中，至少一个企业参数从与实体相关联的企业系统进行检索。在另一实施例中，s340可包括基于模板而辨识企业和基于该辨识企业而检索至少一个企业参数。该辨识企业可为对所有的模板共同的企业。

在s350，基于创建模板，确定至少一个位置。每个确定位置在创建模板的至少一者中进行指示。在一实施例中，s350可包括辨识每个模板的“位置”字段中的交易参数，其中所辨识交易参数指示交易的位置。

在s360，基于所确定至少一个位置，获得至少一个交易分析规则集合。每个交易分析规则集合可获得自数据源(例如，网源150中的一者，图1)，该数据源与确定位置中的一者相关联。例如，每个确定位置可为国家，并且每个交易分析规则集合可为从对应于国家中的一者的税务机关服务器所检索的vat退税要求规则集合。

在s370，基于至少一个企业参数和创建模板，生成分析物。在另一实施例中，文档分析器120配置成将交易分析规则集合中的一者用于每个模板的交易参数和企业参数。每个适用交易分析规则集合被应用与模板的交易参数，该模板指示交易分析规则集合的国家。

在一实施例中，分析物指示相关于对于多次交易或对于每次交易的可能vat退税的信息，并且可指示但不限于可能vat退税量(该可能vat退税量可相对于每次交易而获得)、对于至少一组交易的可能vat退税总量、利用每个分析电子文档获得vat退税的成功可能性，等等。

在一实施例中，生成至少一些的分析物可包括将至少一个企业参数和每个模板的交易参数相比于与已知vat退税结果相关联的多组的企业参数和交易参数。比较结果可用于例如基于至少一个企业参数和交易的交易参数(例如，基于成功vat退税的比例高于预定阈值，该成功vat退税具有匹配确定企业和交易参数的企业和交易参数)而确定关于每次交易的vat退税的成功可能性。作为一非限制性实例，对于设立于意大利的旅行社，比较结果可涉及设立于欧盟的其它旅行社的参数。

在s380，可提供所生成分析物。在一实施例中，提供分析物可包括但不限于将分析物存储于数据库中，将分析物发送至企业系统，将用于显示的分析物发送至用户装置，或其组合。

图4是根据一实施例的示出用于基于电子文档而创建数据集的方法的实例流程图310。

在s410，获得电子文档。获得电子文档可包括但不限于接收电子文档(例如，接收扫描图像)或检索电子文档(例如，从顾客企业系统、商家企业系统或数据库检索电子文档)。

在s420，分析电子文档。分析可包括但不限于利用光学字符识别(ocr)来确定电子文档中的字符。

在s430，基于分析结果，辨识电子文档中的关键字段和数值。关键字段可包括但不限于商家的名称和地址、日期、货币、所售货物或服务、交易标识符、发票号码，等等。电子文档可包括不应视为关键数值的不必要细节。作为一个实例，商家的商标可不需要，并且因此不是关键数值。在一实施例中，可预定义关键字段的列表，并且提取可匹配关键字段的数据片段。然后，执行清理工序以确保信息准确地呈现。例如，如果ocr将得到呈现为“1211212005”的数据，那么清理工序将该数据转换为12/12/2005。作为另一实例，如果名称呈现为“mo$den”，那么这将转变为“mosden”。清理工序可利用外部信息资源来执行，诸如字典、日历等。

在另一实施例中，检查多条提取数据片段是否完整。例如，如果商家名称可辨识但其地址丢失，那么商家地址的关键字段为不完整的。执行完善丢失关键字段数值的尝试。该尝试可包括查询外部系统和数据库、查询与先前分析发票的关联性，或其组合。外部系统和数据库的实例可包括商业机构目录、通用产品代码(upc)数据库、包裹投递和追踪系统，等等。在一实施例中，s430得到一组完整的预定义关键字段和其相应数值。

在s440，生成结构化数据集。所生成数据集包括所辨识关键字段和数值。

在s450，确定是否创建额外交易的结构化数据集，并且如果创建，那么继续执行s410；否则，执行终止。

应当理解，本文利用诸如“第一”、“第二”等名称对元件的任何标记一般不限制这些元件的数量或次序。相反，这些名称在本文一般用作区别两个或更多个元件或元件的多个实例的常规方法。因此，对第一和第二元件的引用不意着该处仅可采用两个元件，或第一元件必须以某种方式处于第二元件之前。另外，除非另行指出，元件组包括一个或多个元件。

如本文所用，项目列表之后的短语“……的至少一者”意指，所列项目的任一者可单独地利用，或可利用所列项目的两者或更多者的任何组合。例如，如果系统描述为包括“a、b和c的至少一者”，那么该系统可包括单独a、单独b、单独c、a和b组合、b和c组合、a和c组合，或a、b和c组合。

本文所公开的各种实施例可实现为硬件、固件、软件，或其任何组合。此外，软件优选地实现为有形地体现于程序存储装置单元或计算机可读介质上的应用程序，该计算机可读介质由零件或某些装置和/或装置的组合所组成。应用程序可上传至包括任何合适架构的机器并且由其执行。优选地，机器实现在具有诸如一个或多个中央处理单元(“cpu”)、存储器和输入/输出接口硬件的计算机平台上。计算机平台还可包括操作系统和微指令代码。本文所描述的各种工序和功能可为可由cpu执行的微指令代码的一部分或应用程序的一部分，或其任何组合，无论此类计算机或处理器是否明确地示出。此外，各种其它外围单元可连接至计算机平台，诸如额外数据存储装置单元和印刷单元。此外，非暂态计算机可读介质为任何计算机可读介质，暂态传播信号除外。

本文所引用的所有实例和条件性语言旨在出于教学目的以帮助读者理解所公开实施例的原理和发明人所贡献的用以推动现有技术的理念，并且应理解为不限于此类具体引用的实例和条件。此外，本文引用所公开实施例的原理、方面和实施例以及其特定实例的所有陈述旨在涵盖其结构性和功能性等同物两者。另外，此类等同物包括当前已知等同物以及以后开发等同物两者，即，所开发的执行相同功能的任何元件，而不考虑结构。