一种具有关联关系的用户挖掘方法、装置及电子设备与流程

本发明实施例涉及计算机领域，尤其涉及一种具有关联关系的用户挖掘方法、装置及电子设备。

背景技术

在直播网站上，普遍存在着一些刷弹幕、刷关注等刷人气的作弊行为。由于巨大利益的存在，这些作弊行为已经发展成完整的黑色产业链条。

基于平台(例如直播网站)的作弊行为大多具有团伙性质，且上述作弊行为还会造成网络堵塞、直播平台服务器压力过大等问题，因此为了降低上述作弊行为带来的负面影响，采用合理的方法找到有作弊嫌疑的团伙意义重大。

技术实现要素：

本发明提供一种具有关联关系的用户挖掘方法、装置及电子设备，通过所述方法可以挖掘出具有关联关系的用户团体。

为实现上述目的，本发明实施例采用如下技术方案：

第一方面，本发明实施例提供了一种具有关联关系的用户挖掘方法，所述方法包括：

将在设定时间段内基于同一设备和/或相同ip(internetprotocol，互联网协议)地址进行特定网上行为的用户确定为具有邻居关系的用户；

基于迭代算法确定所述具有邻居关系的用户中具有从属关系的用户；

根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户。

进一步的，所述基于迭代算法确定所述具有邻居关系的用户中具有从属关系的用户，包括：

为每个用户确定用于标识对应用户的标签；

使用每个用户的标签基于迭代算法计算每个用户与其邻居用户之间的从属概率，并在每个用户与其邻居用户之间的从属概率保持不变时停止迭代；

根据每个用户与其邻居用户之间的从属概率确定具有邻居关系的用户中具有从属关系的用户。

进一步的，所述使用每个用户的标签基于迭代算法计算每个用户与其邻居用户之间的从属概率，包括：

按照如下公式计算在第k次迭代时用户x与其邻居用户c之间的从属概率pk(c,x)：

其中，n(x)表示用户x的邻居用户组成的集合，|n(x)|表示用户x的邻居用户的数量，y表示用户x的邻居用户，pk-1(c,y)表示在第k-1次迭代时，用户y与用户c之间的从属概率。

进一步的，所述使用每个用户的标签基于迭代算法计算每个用户与其邻居用户之间的从属概率，还包括：

每次迭代时，若用户x与其邻居用户c之间的从属概率pk(c,x)均大于等于保留阈值，则保留当前次迭代中的从属概率pk(c,x)；

若只有部分pk(c,x)大于等于保留阈值，则对用户x与其邻居用户c之间的从属概率pk(c,x)进行归一化处理；

若所有的pk(c,x)都小于保留阈值，则从n(x)中随机挑选用户c0且设置用户x与其邻居用户c0之间的从属概率pk(c0,x)为1,并将pk(c0,x)作为用户x的当前次迭代结果。

进一步的，在第k次迭代中，使用如下归一化公式对用户x与其邻居用户c之间的从属概率进行归一化处理：

其中，pk′(c,x)表示在第k次迭代中归一化之后用户x与其邻居用户c之间的从属概率，n(x)表示用户x的邻居用户组成的集合，pk(c,x)表示在第k次迭代时归一化之前用户x与其邻居用户c之间的从属概率，i(pk(c,x)≥1/v)是示性函数，若pk(c,x)≥1/v，则i(pk(c,x)≥1/v)取1，否则取0，1/v表示保留阈值。

进一步的，所述根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户，包括：

将与相同用户具有从属关系的用户确定为具有团体关系的用户。

进一步的，所述特定网上行为，包括：通过直播平台针对相同的主播进行刷弹幕行为和/或通过直播平台针对相同的主播进行刷关注行为。

进一步的，在根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户之后，还包括：

若具有团体关系的所有用户中的任一用户通过直播平台针对相同的主播进行刷弹幕行为和/或刷关注行为的次数超过第一阈值，则确定该用户为作弊嫌疑等级高的个体；

若具有团体关系的所有用户通过直播平台针对相同的主播进行刷弹幕行为和/或刷关注行为的总次数超过第二阈值，则确定所述所有用户为作弊嫌疑等级高的团伙。

进一步的，所述将在设定时间段内基于同一设备和/或相同互联网协议ip地址进行特定网上行为的用户确定为具有邻居关系的用户之前，还包括：

基于行为打点采集用户行为日志，以确定进行特定网上行为的用户；

针对所述进行特定网上行为的用户获取用户使用的网络环境信息，以确定所述用户的ip地址；和/或

针对所述进行特定网上行为的用户获取用户使用的终端设备信息，以确定所述用户使用的设备标识号。

第二方面，本发明实施例提供了一种具有关联关系的用户挖掘装置，所述装置包括：

邻居用户确定模块，用于将在设定时间段内基于同一设备和/或相同互联网协议ip地址进行特定网上行为的用户确定为具有邻居关系的用户；

第一用户确定模块，用于基于迭代算法确定所述具有邻居关系的用户中具有从属关系的用户；

第二用户确定模块，用于根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户。

第三方面，本发明实施例提供了一种电子设备，包括第一存储器、第一处理器及存储在存储器上并可在第一处理器上运行的计算机程序，所述第一处理器执行所述计算机程序时实现如上述第一方面所述的具有关联关系的用户挖掘方法。

第四方面，本发明实施例提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时实现如上述第一方面所述的具有关联关系的用户挖掘方法。

本发明实施例提供的一种具有关联关系的用户挖掘方法，通过将在设定时间段内基于同一设备和/或相同互联网协议ip地址进行特定网上行为的用户确定为具有邻居关系的用户，并基于迭代算法确定所述具有邻居关系的用户中具有从属关系的用户，进而根据所述关联关系确定具有关联关系的所有用户的技术手段，实现了挖掘具有关联关系的用户团体的目的。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，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，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1为本发明实施例一提供的一种具有关联关系的用户挖掘方法流程示意图；

图2为本发明实施例二提供的一种具有关联关系的用户挖掘方法流程示意图；

图3为本发明实施例二提供的一种用户关系网络示意图；

图4为本发明实施例三提供的一种具有关联关系的用户挖掘装置结构示意图；

图5为本发明实施例四提供的一种电子设备的结构示意图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例一

图1为本发明实施例一提供的一种具有关联关系的用户挖掘方法流程示意图。本实施例公开的具有关联关系的用户挖掘方法可以由具有关联关系的用户挖掘装置来执行，其中该装置可由软件和/或硬件实现，并一般集成在终端中，例如智能手机或者电脑等。具体参见图1所示，该方法可以包括如下步骤：

110、将在设定时间段内基于同一设备和/或相同ip地址进行特定网上行为的用户确定为具有邻居关系的用户。

其中，所述特定网上行为可以是积极的值得提倡的行为，例如网上捐款，还可以是消极的需要抵制的行为，例如通过直播平台针对相同的主播进行刷弹幕行为或者通过直播平台针对相同的主播进行刷关注行为。通常消极的需要抵制的行为往往会带来一些负面影响，例如上述的通过直播平台针对相同的主播进行刷弹幕行为或者通过直播平台针对相同的主播进行刷关注行为，通常会造成网络堵塞、直播平台服务器压力过大等问题。因此为了降低刷弹幕行为或者刷关注行为所带来的负面影响或者为了积极提倡从事某有益行为，本实施例公开一种具有关联关系的用户挖掘方法，即挖掘出从事弹幕行为或者刷关注行为的作弊团伙，以予以警告或者采取其他措施进行整顿，或者挖掘出从事捐款等公益行为的组织，以予以表扬，营造良好的社会风气等。

具体的，本实施例以挖掘属于同一个刷弹幕或者刷关注组织的所有用户为例。所述设定时间段例如可以是5月3号上午9点-10点，这个时间段通常是某主播在直播平台直播节目的时间。为了监控是否存在针对该主播进行刷弹幕或者刷关注的行为，可以将设定时间段设置为该主播直播节目的时间段。

例如，5月3号上午9点-10点之间，用户a、b、c、d均通过设备a给主播b发送了弹幕信息，则确定用户a、b、c、d为具有邻居关系的用户；同时这段时间内用户c和用户f均通过设备c给主播b发送了弹幕信息，则确定用户c和用户f为具有邻居关系的用户；同时这段时间内用户d和用户e均通过设备d给主播b发送了弹幕信息，则确定用户d和用户e为具有邻居关系的用户。

进一步的，所述将在设定时间段内基于同一设备和/或相同互联网协议ip地址进行特定网上行为的用户确定为具有邻居关系的用户之前，还包括：

基于行为打点采集用户行为日志，以确定进行特定网上行为的用户；

针对所述进行特定网上行为的用户获取用户使用的网络环境信息，以确定所述用户的ip地址；

和/或，针对所述进行特定网上行为的用户获取用户使用的终端设备信息，以确定所述用户使用的设备标识号。

所述行为打点是为了统计用户行为在工程中需要埋点的地方(如点击事件、页面跳转)插入埋点代码，之后用户的网上行为便会记录在用户行为日志中，通过采集用户行为日志并查询用户行为可以确定进行特定网上行为的用户，所述特定网上行为例如具体为哪些用户针对主播a发送了弹幕信息。同时在用户行为日志中还记录了用户进行网上行为所使用的网络环境信息和所使用的终端设备信息。所述用户行为日志在移动端(例如智能手机)直接通过一个数据采集接口即可获取。

120、基于迭代算法确定所述具有邻居关系的用户中具有从属关系的用户。

其中，所述从属关系具体指具有邻居关系的用户之间的特殊关系，例如所述特殊关系为属于同一个专门进行刷弹幕行为的组织或同伙。进而根据具有邻居关系的用户之间的从属关系挖掘出所述具有邻居关系的用户中非邻居关系的用户之间的关联关系，即挖掘出非邻居关系的用户中哪些用户属于同一个专门进行刷弹幕行为的组织或同伙。

130、根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户。

例如，若用户a的邻居用户只有用户b，即用户a与用户b之间存在绝对从属关系，用户b与其邻居用户c之间也存在从属关系，由此可确定用户a与用户c之间具有从属关系，进而可以确定用户a、b、c之间具有团体关系。

本实施例中，所述团体关系具体可以指属于同一个专门进行刷弹幕行为或者刷关系行为的组织或同伙。

本实施例提供的一种具有关联关系的用户挖掘方法，通过将在设定时间段内基于同一设备和/或相同ip地址针对相同的主播进行刷弹幕行为或者刷关注行为的用户确定为具有邻居关系的用户，并基于迭代算法确定所述具有邻居关系的用户中哪些用户属于同一个专门进行刷弹幕行为或者刷关注行为的组织，进而挖掘出所有属于同一个专门进行刷弹幕行为或者刷关注行为组织的用户，实现了挖掘出具有关联关系的用户团体。

实施例二

图2为本发明实施例二提供的一种具有关联关系的用户挖掘方法流程示意图。在上述实施例的基础上，本实施例对上述步骤120“基于迭代算法确定所述具有邻居关系的用户中具有从属关系的用户”进行了具体化，给出了具体的迭代算法，并以举例的方式呈现具体的迭代过程。具体参见图2所示，该方法可以包括如下步骤：

210、将在设定时间段内基于同一设备和/或相同ip地址进行特定网上行为的用户确定为具有邻居关系的用户。

220、为每个用户确定用于标识对应用户的标签。

为每个用户确定用于标识对应用户的标签的目的是为了方便后续的迭代算法。每个用户的初始标签是唯一的。

230、使用每个用户的标签基于迭代算法计算每个用户与其邻居用户之间的从属概率，并在每个用户与其邻居用户之间的从属概率保持不变时停止迭代。

具体的，按照如下公式计算在第k次迭代时用户x与其邻居用户c之间的从属概率pk(c,x)：

其中，n(x)表示用户x的邻居用户组成的集合，n(x)表示用户x的邻居用户的数量，y表示用户x的邻居用户，pk-1(c,y)表示在第k-1次迭代时，用户y与用户c之间的从属概率，k的初始值为2。

举例说明上述迭代算法：

例如，与用户a具有邻居关系的用户为b、c、d；与用户c具有邻居关系的用户为f；与用户d具有邻居关系的用户为e；所述a、b、c、d、e、f均为标识对应用户的标签。上述用户a、b、c、d、e、f均是在设定时间段内进行过相同网上行为的用户，根据上述用户a、b、c、d、e、f之间的邻居关系，构建用户关系网络图，参见图3所示的用户关系网络示意图，每两个邻居用户之间连成一条直线。由于每个用户的邻居用户是确定的，因此在第一次迭代时，用户x与其邻居用户c之间的从属概率：

以上述用户a、b、c、d、e、f之间的邻居关系为例，第一次迭代时：

用户a与其邻居用户b、c、d之间的从属概率分别为1/3、1/3、1/3，记为

用户b与其邻居用户a之间的从属概率为：p1(a,b)＝1；

用户c与其邻居用户a、f之间的从属概率分别为：

用户d与其邻居用户a、e之间的从属概率分别为：

用户e与其邻居用户d之间的从属概率为：p1(d,e)＝1；

用户f与其邻居用户c之间的从属概率为：p1(c,f)＝1；

第二次迭代时，即k＝2，套用上述迭代公式依次得到邻居用户之间的从属概率：

用户a与其邻居用户b、c、d之间的从属概率分别为：

用户b与其邻居用户a之间的从属概率为：p2(a,b)＝1；

用户c与其邻居用户a、f之间的从属概率分别为：

用户d与其邻居用户a、e之间的从属概率分别为：

用户e与其邻居用户d之间的从属概率为：p2(d,e)＝1；

用户f与其邻居用户c之间的从属概率为：p2(c,f)＝1。

可见每个用户与其邻居用户之间的从属概率保持不变，停止迭代。

在实际工程实现中，如果是多个用户集体从事相同的网上行为，每个用户会有多个邻居用户，为了挖掘出与每个用户有关联的非邻居用户，对于用户x，在每次迭代时并不会保留用户x与其所有邻居用户之间的从属概率作为下次迭代时的候选。因此，通常通过设置保留阈值的方式，对用户x的邻居用户进行筛选、指定或者归一化处理。所述保留阈值可以结合迭代速度、精度以及计算成本进行合理设置。

进一步的，所述使用每个用户的标签基于迭代算法计算每个用户与其邻居用户之间的从属概率，还包括：

每次迭代时，若用户x与其邻居用户c之间的从属概率pk(c,x)均大于等于保留阈值，则保留当前次迭代中的从属概率pk(c,x)；

若只有部分pk(c,x)大于等于保留阈值，则对用户x与其邻居用户c之间的从属概率pk(c,x)进行归一化处理；

若所有的pk(c,x)都小于保留阈值，则从n(x)中随机挑选用户c0且设置用户x与其邻居用户c0之间的从属概率pk(c0,x)为1,并将pk(c0,x)作为用户x的当前次迭代结果。

具体的，在第k次迭代中，使用如下归一化公式对用户x与其邻居用户c之间的从属概率进行归一化处理：

其中，pk′(c,x)表示在第k次迭代时归一化之后用户x与其邻居用户c之间的从属概率，n(x)表示用户x的邻居用户组成的集合，pk(c,x)表示在第k次迭代时归一化之前用户x与其邻居用户c之间的从属概率，i(pk(c,x)≥1/v)是示性函数，若pk(c,x)≥1/v，则i(pk(c,x)≥1/v)取1，否则取0，1/v表示保留阈值。

继续以上述用户a、b、c、d、e、f之间的邻居关系为例，设置保留阈值为1/2，由于在第一次迭代中用户a与其邻居用户b、c、d之间的从属概率分别为1/3、1/3、1/3，均小于保留阈值，因此，对用户a的邻居用户b、c、d进行随机指定,例如从用户a的邻居用户集合n(x)中随机挑选用户c且设置用户x与其邻居用户c之间的从属概率为1，并将p1(c,a)＝1作为用户a第一次的迭代结果,用户a的邻居用户只有用户c了；

由于用户b与其邻居用户a之间的从属概率p1(a,b)＝1,大于保留阈值1/2,因此保留p1(a,b)＝1，

同样的原理，用户c与其邻居用户a、f之间的从属概率分别为：

用户d与其邻居用户a、e之间的从属概率分别为：

用户e与其邻居用户d之间的从属概率为：p1(d,e)＝1；

用户f与其邻居用户c之间的从属概率为：p1(c,f)＝1；

在第二次迭代时，继续套用上述的迭代公式：

用户a与其邻居用户c之间的从属概率为：p2(c,a)＝1

用户b与其邻居用户a之间的从属概率为：p2(c,b)＝1，因为用户a的邻居用户只有用户c，而用户b的邻居用户只有用户a，因此，用户b与用户c之间的也是邻居用户且从属概率为1；

用户c与其邻居用户a、f之间的从属概率分别为：需要改变的是，由于用户a的邻居用户只有用户c，因此将用户a的地方直接替换为用户c即可。

同样的原理，用户d与其邻居用户a、e之间的从属概率分别为：

用户e与其邻居用户d之间的从属概率为：p2(d,e)＝1；

用户f与其邻居用户c之间的从属概率为：p2(c,f)＝1。

可见，各用户与其邻居用户之间的从属概率均大于等于阈值1/2，因此每个用户与其邻居用户之间的从属概率将保持不变，与第一次迭代的结果相同，迭代停止。

240、根据每个用户与其邻居用户之间的从属概率确定具有邻居关系的用户中具有从属关系的用户。

由上述迭代结果可以看出，用户a与用户c之间存在从属概率，因此用户a与用户c之间具有从属关系；用户b与用户c之间存在从属概率，因此用户b与用户c之间具有从属关系；用户c与用户a、f之间存在从属概率，因此用户c与用户a以及用户f之间具有从属关系；用户d与用户c、e之间存在从属概率，因此用户d与用户c以及用户e之间具有从属关系；用户e与用户d之间存在从属概率，因此用户e与用户d之间具有从属关系；用户f与用户c之间具有从属关系。

250、根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户。

进一步的，所述根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户，包括：

将与相同用户具有从属关系的用户确定为具有团体关系的用户。

由上述迭代结果可以看出，用户a、b、c、d、f均与用户c具有从属关系，因此可以确定用户a、b、c、d、f可能是一个团体。

进一步的，在根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户之后，还包括：

若具有团体关系的所有用户(例如用户a、b、c、d、f)中的任一用户通过直播平台针对相同的主播进行刷弹幕行为和/或刷关注行为的次数超过第一阈值，则确定该用户为作弊嫌疑等级高的个体；

若具有团体关系的所有用户通过直播平台针对相同的主播进行刷弹幕行为和/或刷关注行为的总次数超过第二阈值，则确定所述所有用户为作弊嫌疑等级高的团伙。

本实施例提供的一种具有关联关系的用户挖掘方法，通过在迭代过程中设置保留阈值，以对用户x的多个邻居用户进行筛选、指定或者归一化处理，针对用户x具有多个邻居用户时，实现了具有关联关系用户的快速挖掘。

实施例三

图4为本发明实施例三提供的一种具有关联关系的用户挖掘装置结构示意图。参见图4所示，所述装置包括：邻居用户确定模块410、第一用户确定模块420和第二用户确定模块430；

其中，邻居用户确定模块410，用于将在设定时间段内基于同一设备和/或相同互联网协议ip地址进行特定网上行为的用户确定为具有邻居关系的用户；

第一用户确定模块420，用于基于迭代算法确定所述具有邻居关系的用户中具有从属关系的用户；

第二用户确定模块430，用于根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户。

本实施例提供的具有关联关系的用户挖掘装置，通过将在设定时间段内基于同一设备和/或相同ip地址针对相同的主播进行刷弹幕行为或者刷关注行为的用户确定为具有邻居关系的用户，并基于迭代算法确定所述具有邻居关系的用户中哪些用户属于同一个专门进行刷弹幕行为或者刷关注行为的组织，进而挖掘出所有属于同一个专门进行刷弹幕行为或者刷关注行为组织的用户，实现了挖掘出具有关联关系的用户团体。

实施例三

图5为本发明实施例三提供的一种电子设备的结构示意图。如图5所示，该电子设备包括：第一处理器670、第一存储器671及存储在第一存储器671上并可在第一处理器670上运行的计算机程序；其中，第一处理器670的数量可以是一个或多个，图5中以一个第一处理器670为例；第一处理器670执行所述计算机程序时实现如上述实施例一中所述的具有关联关系的用户挖掘方法。如图5所示，所述电子设备还可以包括第一输入装置672和第一输出装置673。第一处理器670、第一存储器671、第一输入装置672和第一输出装置673可以通过总线或其他方式连接，图5中以通过总线连接为例。

第一存储器671作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中具有关联关系的用户挖掘装置/模块(例如，具有关联关系的用户挖掘装置中的邻居用户确定模块410和第一用户确定模块420等)。第一处理器670通过运行存储在第一存储器671中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的具有关联关系的用户挖掘方法。

第一存储器671可主要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、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，第一存储器671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。在一些实例中，第一存储器671可进一步包括相对于第一处理器670远程设置的存储器，这些远程存储器可以通过网络连接至电子设备/存储介质。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。

第一输入装置672可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。第一输出装置673可包括显示屏等显示设备。

实施例五

本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种具有关联关系的用户挖掘方法，该方法包括：

将在设定时间段内基于同一设备和/或相同互联网协议ip地址进行特定网上行为的用户确定为具有邻居关系的用户；

基于迭代算法确定所述具有邻居关系的用户中具有从属关系的用户；

根据所述具有从属关系的用户的确定结果，确定具有团体关系的所有用户。

当然，本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的具有关联关系的用户挖掘相关操作。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(read-onlymemory,rom)、随机存取存储器(randomaccessmemory,ram)、闪存(flash)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，存储介质，或者网络设备等)执行本发明各个实施例所述的。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。