由传感器数据生成资讯信息的方法及设备与流程

本发明涉及计算机领域，尤其涉及一种由传感器数据生成资讯信息的方法及设备。

背景技术：

随着传感器在社会基础设施中的大规模部署，传感器产生的数据被大量上传和保存。将传感器数据转化成文字资讯和新闻，将提高信息交流和使用的效率，但目前这种识别流程仍然是欠缺的。

技术实现要素：

本发明的一个目的是提供一种由传感器数据生成资讯信息的方法及设备，能够解决如何精确、高效地将传感器数据转化为资讯信息如新闻。

根据本发明的一个方面，提供了一种由传感器数据生成资讯信息的方法，该方法包括：

获取一类或多类传感器数据；

生成每类传感器数据对应的统计特征集；

根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息。

进一步的，上述方法中，将所述关键词经由语义去重和排序后生成文字资讯信息之后，还包括：

根据每类传感器数据对应的统计特征集生成图表资讯信息。

进一步的，上述方法中，生成每类传感器数据对应的统计特征集，包括：

生成每类传感器数据对应的统计特征集；

对各类传感器数据对应的统计特征集进行训练，以得到优化后的统计特征集。

进一步的，上述方法中，根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，包括：

将每类传感器数据对应的统计特征集输入统计特征语义模板库，以生成对应的一个或多个关键词，并将所述关键词经由语义去重和排序后生成文字资讯信息。

进一步的，上述方法中，根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，包括：

从每类传感器数据对应的统计特征集中提取异常值；

将提取到的异常值输入异常值集语义模板库，以生成对应的一个或多个关键词，并将所述关键词经由语义去重和排序后生成异常事件文字资讯信息。

进一步的，上述方法中，根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，包括：

从每类传感器数据对应的统计特征集中提取异常值；

将提取到的异常值输入多传感器异常值统计对比模块，判断是否为突发事件，若是，

将提取到的异常值输入突发事件语义模板库，以生成对应的一个或多个关键词，并将所述关键词经由语义去重和排序后生成突发事件文字资讯信息。

进一步的，上述方法中，对各类传感器数据对应的统计特征集进行训练，以得到优化后的统计特征集，包括：

将各类传感器数据对应的统计特征集输入机器学习模块进行深度学习训练，以得到优化后的统计特征集；

从每类传感器数据对应的统计特征集中提取异常值之后，还包括：

将各类传感器数据对应的异常值输入机器学习模块进行深度学习训练，以得到优化后的异常值。

根据本发明的另一方面，还提供了一种由传感器数据生成资讯信息的设备，该设备包括：

获取模块，用于获取一类或多类传感器数据；

统计分析模块，用于生成每类传感器数据对应的统计特征集；

数据集转文本模块，用于根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词；

自动写作模块，用于将所述关键词经由语义去重和排序后生成文字资讯信息。

进一步的，上述设备中，还包括数据可视化模块，用于根据每类传感器数据对应的统计特征集生成图表资讯信息。

进一步的，上述设备中，所述统计分析模块，用于生成每类传感器数据对应的统计特征集；对各类传感器数据对应的统计特征集进行训练，以得到优化后的统计特征集。

进一步的，上述设备中，所述数据集转文本模块，用于将每类传感器数据对应的统计特征集输入统计特征语义模板库，以生成对应的一个或多个关键词。

进一步的，上述设备中，所述数据集转文本模块，用于从每类传感器数据对应的统计特征集中提取异常值；将提取到的异常值输入异常值集语义模板库，以生成对应的一个或多个关键词；

所述自动写作模块，用于将所述关键词经由语义去重和排序后生成异常事件文字资讯信息。

进一步的，上述设备中，数据集转文本模块，用于从每类传感器数据对应的统计特征集中提取异常值；将提取到的异常值输入多传感器异常值统计对比模块，判断是否为突发事件，若是，将提取到的异常值输入突发事件语义模板库，以生成对应的一个或多个关键词；

所述自动写作模块，用于将所述关键词经由语义去重和排序后生成突发事件文字资讯信息。

进一步的，上述设备中，所述统计分析模块，还用于将各类传感器数据对应的统计特征集输入机器学习模块进行深度学习训练，以得到优化后的统计特征集；

所述数据集转文本模块，还用于从每类传感器数据对应的统计特征集中提取异常值之后，将各类传感器数据对应的异常值输入机器学习模块进行深度学习训练，以得到优化后的异常值。

根据本发明的另一方面，还提供了一种基于计算的设备，其中，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

获取一类或多类传感器数据；

生成每类传感器数据对应的统计特征集；

根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息。

根据本发明的另一方面，还提供了一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：

获取一类或多类传感器数据；

生成每类传感器数据对应的统计特征集；

根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息。

与现有技术相比，本发明通过识别出传感器数据的统计特征集，并将统计特征集转化成文字资讯信息如新闻等，能够解决现有海量传感器数据难以统一调度使用的问题，实现精确、高效地将传感器数据转化为资讯信息如新闻，提高传感器数据的使用效率，提高信息交流的效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1示出根据本发明一实施例的由传感器数据生成资讯信息的方法流程图；

图2示出本发明另一实施例的由传感器数据生成资讯信息的方法流程图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本发明作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flashram)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。

本发明提供一种由传感器数据生成资讯信息的方法，包括：

步骤s1，获取一类或多类传感器数据；

在此，接入多类传感器数据，如图2所示，各类传感器数据包括但不限于温度、湿度、压力、光感、测速等类型(如101/102/103等)；

步骤s2，生成每类传感器数据对应的统计特征集；

在此，所述统计特征集是对每类传感器数据按多个预设传感器指标维度进行特征统计的集合，例如，对于温度传感器，多个预设传感器指标维度可以包括今天气温超过17度的区、某个区11～13点的气温变化情况、今天杭州一天的气温等等；

如图1所示，可以由一统计分析模块生成每类传感器数据对应的统计特征集；

如图2所示，可以将所述的传感器数据集100通过统计分析模块200，生成统计特征集110；

步骤s3，根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息。

在此，如图1所示，可以由一数据集转文本模块根据每类传感器数据对应的统计特征集生成对应的一个或多个多个关键词，然后由一自动写作模块将所述关键词经由语义去重和排序后生成资讯信息。

本发明通过识别出传感器数据的统计特征集，并将统计特征集转化成文字资讯信息如新闻等，能够解决现有海量传感器数据难以统一调度使用的问题，实现精确、高效地将传感器数据转化为资讯信息如新闻，提高传感器数据的使用效率，提高信息交流的效率。

本发明的由传感器数据生成资讯信息的方法一实施例中，步骤s2，将所述关键词经由语义去重和排序后生成文字资讯信息之后，还包括：

根据每类传感器数据对应的统计特征集生成图表资讯信息。

在此，可以对每类传感器数据对应的统计特征集，分别生成该类传感器对应的图表资讯信息，也可以汇总各类传感器数据生成一张汇总的图表资讯信息。

如图1所示，可以由一数据可视化模块根据每类传感器数据对应的统计特征集生成图表资讯信息，在由所述自动写作模块将所述文字资讯信息和图表资讯信息进行组合。

如图2所示，统计分析模块200处理后的统计特征集通过可视化模板库500，与不同类型模板进行匹配，并生成数据可视化图表作为图表资讯信息。其中，可视化模板库500可以包括多种类图表形式及与之对应的数据匹配规则。

本实施例在生成文字资讯信息的基础上，结合生成图表资讯信息，是生成的资讯信息更丰富、形象、生动。

本发明的由传感器数据生成资讯信息的方法一实施例中，步骤s2，生成每类传感器数据对应的统计特征集，包括：

生成每类传感器数据对应的统计特征集；

对各类传感器数据对应的统计特征集进行训练，以得到优化后的统计特征集。

在此，如图1所示，可以通过一机器学习模块对各类传感器数据对应的统计特征集进行训练，以得到优化后的统计特征集。

本实施例通过对统计特征集进行优化，以便于后续根据每类传感器数据对应的优化后对统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，及根据每类传感器数据对应优化后的统计特征集生成图表资讯信息，使生成的文字资讯信和图表资讯信息更准确。

本发明的由传感器数据生成资讯信息的方法一实施例中，步骤s3，根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，包括：

将每类传感器数据对应的统计特征集输入统计特征语义模板库，以生成对应的一个或多个关键词，并将所述关键词经由语义去重和排序后生成文字资讯信息。

在此，如图2所示，可以将统计特征集110通过统计特征语义模板库410，经过数据对比和排序后生成多个关键词，并配合上述数据可视化图表生成文字资讯信息如新闻。

本实施例通过统计特征语义模板库生成对应的一个或多个关键词，并将所述关键词经由语义去重和排序后生成文字资讯信息，进一步保证更高效地生成更精确的文字资讯信息。

本发明的由传感器数据生成资讯信息的方法一实施例中，步骤s3，根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，包括：

从每类传感器数据对应的统计特征集中提取异常值；

将提取到的异常值输入异常值集语义模板库，以生成对应的一个或多个关键词，并将所述关键词经由语义去重和排序后生成异常事件文字资讯信息。

在此，如图2所示，可以将异常值集120通过异常值集语义模板库420生成文本资讯信息，以更高效、更准确地生成报告异常情况的文字资讯信息。

本发明的由传感器数据生成资讯信息的方法一实施例中，步骤s3，根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，包括：

从每类传感器数据对应的统计特征集中提取异常值；

将提取到的异常值输入多传感器异常值统计对比模块，判断是否为突发事件，若是，

将提取到的异常值输入突发事件语义模板库，以生成对应的一个或多个关键词，并将所述关键词经由语义去重和排序后生成突发事件文字资讯信息。

在此，如图2所示，可以将异常值集120通过多传感器异常值统计对比模块210判断是否是突发事件，若是将异常值集120输出至突发事件语义模板库430，生成多个关键词，并经由语义去重和排序后生成突发事件文字资讯信息，以更高效、更准确地生成报告突发事件的文字资讯信息。

本发明的由传感器数据生成资讯信息的方法一实施例中，对各类传感器数据对应的统计特征集进行训练，以得到优化后的统计特征集，包括：

将各类传感器数据对应的统计特征集输入机器学习模块进行深度学习训练，以得到优化后的统计特征集；

从每类传感器数据对应的统计特征集中提取异常值之后，还包括：

将各类传感器数据对应的异常值输入机器学习模块进行深度学习训练，以得到优化后的异常值。

在此，如图2所示，可以将所述的统计特征集和异常值集输入到机器学习模块300进行深度学习训练，生成的模型训练结果包括：更新的统计特征模版和调整后的异常值的判断阈值，将更新的统计特征模版与输入的统计特征集匹配可以得到优化后的统计特征集，将调整后的异常值的判断阈值与输入的异常值集，可以得到生成优化后的异常值，即优化后的统计特征集和优化后的异常值作为子数据集130/140/150从机器学习模块300输出。

后续可将子数据集130/140/150等输入语义化模板库400及可视化模板库500，并将子数据集与不同分类的语义模板、可视化模板进行匹配的过程。例如，可以对上述子数据集130、140、150提取的关键字/词keyword1～keywordn进行语义去重/排序、句意理解，以生成文本资讯信息。

其中，语义化模板库400包括但不限于上述的统计特征语义模板库410、异常值语义模板库420、突发事件语义模板库430等，各模板库分别含有多个人工标注的语义化模板以及各种不同的意义分类词典。

语义模板库400中可以包括：

α)多个分类的语义模板，包括但不限于统计特征语义模板410、异常值语义模板420、突发事件语义模板430等，各分类与产生的数据集对应。

b)各语义模板分类下含多篇已标注的资讯/新闻，及其提取关键字/词生成的多维词向量组。

c)各种不同的意义分类词典，可以包括识别词性(名词/动词/形容词/量词等)的机器学习的语料集；还可以包括同义词的查询。

通过将子数据集130/140/150与语义模板400中的分类匹配后，使用子数据集生成相应的关键词，并填充到对应的语义模板中。

如图2所示，机器学习模块300包括两个部分：

1)固化层310，是由新闻专业人选通过传感器数据集片段，包括统计特征集模版311和异常值集模版312，固化层310对统计特征集模版311和异常值集模版312进行标注后生成的多维向量集；

2)自主学习层320，用于将由统计特征集和异常值生成的多维向量集与固化层310的多维向量集一起通过机器学习模型训练后生成，更新统计特征模版，并调整异常值的判断阈值，并根据更新统计特征模版和调整异常值的判断阈值，产生新的子数据集130/140/150。

本实施例通过机器学习模块对统计特征集和异常值进行优化，以便于后续根据每类传感器数据对应的优化后对统计特征集和异常值生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，及根据每类传感器数据对应优化后的统计特征集生成图表资讯信息，使生成的文字资讯信和图表资讯信息更准确、高效。

根据本发明的另一方面，还提供了一种由传感器数据生成资讯信息的设备，其中，该设备包括：

获取模块，用于获取一类或多类传感器数据；

在此，接入多类传感器数据，如图2所示，各类传感器数据包括但不

限于温度、湿度、压力、光感、测速等类型(如101/102/103等)；

统计分析模块，用于生成每类传感器数据对应的统计特征集；

在此，所述统计特征集是对每类传感器数据按多个预设传感器指标维度进行特征统计的集合，例如，对于温度传感器，多个预设传感器指标维度可以包括今天气温超过17度的区、某个区11～13点的气温变化情况、今天杭州一天的气温等等；

如图1所示，可以由一统计分析模块生成每类传感器数据对应的统计特征集；

如图2所示，可以将所述的传感器数据集100通过统计分析模块200，

生成统计特征集110；

数据集转文本模块，用于根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词；

自动写作模块，用于将所述关键词经由语义去重和排序后生成文字资讯信息。

在此，如图1所示，可以由一数据集转文本模块根据每类传感器数据对应的统计特征集生成对应的一个或多个多个关键词，然后由一自动写作模块将所述关键词经由语义去重和排序后生成资讯信息。

本发明通过识别出传感器数据的统计特征集，并将统计特征集转化成文字资讯信息如新闻等，能够解决现有海量传感器数据难以统一调度使用的问题，实现精确、高效地将传感器数据转化为资讯信息如新闻，提高传感器数据的使用效率，提高信息交流的效率。

本发明的由传感器数据生成资讯信息的设备一实施例中，还包括数据可视化模块，用于根据每类传感器数据对应的统计特征集生成图表资讯信息。

在此，可以对每类传感器数据对应的统计特征集，分别生成该类传感器对应的图表资讯信息，也可以汇总各类传感器数据生成一张汇总的图表资讯信息。

如图1所示，可以由一数据可视化模块根据每类传感器数据对应的统计特征集生成图表资讯信息，在由所述自动写作模块将所述文字资讯信息和图表资讯信息进行组合。

如图2所示，统计分析模块200处理后的统计特征集通过可视化模板库500，与不同类型模板进行匹配，并生成数据可视化图表作为图表资讯信息。其中，可视化模板库500可以包括多种类图表形式及与之对应的数据匹配规则。

本实施例在生成文字资讯信息的基础上，结合生成图表资讯信息，是生成的资讯信息更丰富、形象、生动。

本发明的由传感器数据生成资讯信息的设备一实施例中，所述统计分析模块，用于生成每类传感器数据对应的统计特征集；对各类传感器数据对应的统计特征集进行训练，以得到优化后的统计特征集。

在此，如图1所示，可以通过一机器学习模块对各类传感器数据对应的统计特征集进行训练，以得到优化后的统计特征集。

本实施例通过对统计特征集进行优化，以便于后续根据每类传感器数据对应的优化后对统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，及根据每类传感器数据对应优化后的统计特征集生成图表资讯信息，使生成的文字资讯信和图表资讯信息更准确。

本发明的由传感器数据生成资讯信息的设备一实施例中，所述数据集转文本模块，用于将每类传感器数据对应的统计特征集输入统计特征语义模板库，以生成对应的一个或多个关键词。

在此，如图2所示，可以将统计特征集110通过统计特征语义模板库410，经过数据对比和排序后生成多个关键词，并配合上述数据可视化图表生成文字资讯信息如新闻。

本实施例通过统计特征语义模板库生成对应的一个或多个关键词，并将所述关键词经由语义去重和排序后生成文字资讯信息，进一步保证更高效地生成更精确的文字资讯信息。

本发明的由传感器数据生成资讯信息的设备一实施例中，所述数据集转文本模块，用于从每类传感器数据对应的统计特征集中提取异常值；将提取到的异常值输入异常值集语义模板库，以生成对应的一个或多个关键词；

所述自动写作模块，用于将所述关键词经由语义去重和排序后生成异常事件文字资讯信息。

在此，如图2所示，可以将异常值集120通过异常值集语义模板库420生成文本资讯信息，以更高效、更准确地生成报告异常情况的文字资讯信息。

本发明的由传感器数据生成资讯信息的设备一实施例中，数据集转文本模块，用于从每类传感器数据对应的统计特征集中提取异常值；将提取到的异常值输入多传感器异常值统计对比模块，判断是否为突发事件，若是，将提取到的异常值输入突发事件语义模板库，以生成对应的一个或多个关键词；

所述自动写作模块，用于将所述关键词经由语义去重和排序后生成突发事件文字资讯信息。

在此，如图2所示，可以将异常值集120通过多传感器异常值统计对比模块210判断是否是突发事件，若是将异常值集120输出至突发事件语义模板库430，生成多个关键词，并经由语义去重和排序后生成突发事件文字资讯信息，以更高效、更准确地生成报告突发事件的文字资讯信息。

本发明的由传感器数据生成资讯信息的设备一实施例中，所述统计分析模块，还用于将各类传感器数据对应的统计特征集输入机器学习模块进行深度学习训练，以得到优化后的统计特征集；

所述数据集转文本模块，还用于从每类传感器数据对应的统计特征集中提取异常值之后，将各类传感器数据对应的异常值输入机器学习模块进行深度学习训练，以得到优化后的异常值。

在此，如图2所示，可以将所述的统计特征集和异常值集输入到机器学习模块300进行深度学习训练，生成的模型训练结果包括：更新的统计特征模版和调整后的异常值的判断阈值，将更新的统计特征模版与输入的统计特征集匹配可以得到优化后的统计特征集，将调整后的异常值的判断阈值与输入的异常值集，可以得到生成优化后的异常值，即优化后的统计特征集和优化后的异常值作为子数据集130/140/150从机器学习模块300输出。

后续可将子数据集130/140/150等输入语义化模板库400及可视化模板库500，并将子数据集与不同分类的语义模板、可视化模板进行匹配的过程。例如，可以对上述子数据集130、140、150提取的关键字/词keyword1～keywordn进行语义去重/排序、句意理解，以生成文本资讯信息。

其中，语义化模板库400包括但不限于上述的统计特征语义模板库410、异常值语义模板库420、突发事件语义模板库430等，各模板库分别含有多个人工标注的语义化模板以及各种不同的意义分类词典。

语义模板库400中可以包括：

a)多个分类的语义模板，包括但不限于统计特征语义模板410、异常值语义模板420、突发事件语义模板430等，各分类与产生的数据集对应。

b)各语义模板分类下含多篇已标注的资讯/新闻，及其提取关键字/词生成的多维词向量组。

c)各种不同的意义分类词典，可以包括识别词性(名词/动词/形容词/量词等)的机器学习的语料集；还可以包括同义词的查询。

通过将子数据集130/140/150与语义模板400中的分类匹配后，使用子数据集生成相应的关键词，并填充到对应的语义模板中。

如图2所示，机器学习模块300包括两个部分：

1)固化层310，是由新闻专业人选通过传感器数据集片段，包括统计特征集模版311和异常值集模版312，固化层310对统计特征集模版311和异常值集模版312进行标注后生成的多维向量集；

2)自主学习层320，用于将由统计特征集和异常值生成的多维向量集与固化层310的多维向量集一起通过机器学习模型训练后生成，更新统计特征模版，并调整异常值的判断阈值，并根据更新统计特征模版和调整异常值的判断阈值，产生新的子数据集130/140/150。

本实施例通过机器学习模块对统计特征集和异常值进行优化，以便于后续根据每类传感器数据对应的优化后对统计特征集和异常值生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息，及根据每类传感器数据对应优化后的统计特征集生成图表资讯信息，使生成的文字资讯信和图表资讯信息更准确、高效。

根据本发明的另一方面，还提供了一种基于计算的设备，其中，包括：

处理器；以及

被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器：

获取一类或多类传感器数据；

生成每类传感器数据对应的统计特征集；

根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息。

根据本发明的另一方面，还提供了一种计算机可读存储介质，其上存储有计算机可执行指令，其中，该计算机可执行指令被处理器执行时使得该处理器：

获取一类或多类传感器数据；

生成每类传感器数据对应的统计特征集；

根据每类传感器数据对应的统计特征集生成对应的一个或多个关键词，将所述关键词经由语义去重和排序后生成文字资讯信息。

上述设备和计算机可读存储介质各实施例的详细内容具体可参见各方法实施例的对应部分，在此不再赘述。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

需要注意的是，本发明可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(asic)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本发明的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本发明的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，ram存储器，磁或光驱动器或软磁盘及类似设备。另外，本发明的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本发明的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本发明的方法和/或技术方案。而调用本发明的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本发明的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本发明的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。