基于文本相似度模型的文本匹配方法及系统与流程

本发明涉及自然语言处理领域，尤其涉及一种基于文本相似度模型的文本匹配方法及系统。

背景技术：

文本相似度计算是自然语言处理的基本问题，在很多领域都需要文本相似性算法作为支撑。在生活中，由于用户口语化描述、输入法的使用、或者手误等原因，用户的描述并不会像正式文本那样标准，但用户描述的文本中仍然隐含着用户想要的信息，准确铺捉到这些微弱信息，就需要使用文本相似度算法。例如，用户输入“长江搭桥在什么地方”，其实用户真实想问“长江大桥在什么地方”。如何根据“长江搭桥在什么地方”，在预设语料库中搜索出“长江大桥”，是文本相似度算法的重要应用场景。再比如，用户说“导航到北医六院”，如何根据用户说的“北医六院”在预设语料库中搜索出“北京大学第六医院”。为了解决这些问题，一般使用计算字符串之间相似词语的个数来表示文本相似度的高低，或者使用统计模型，根据用户在一次对话中进行的多个词进行文本相似度统计，或者人工收集，来处理这些问题。

在实现本发明过程中，发明人发现相关技术中至少存在如下问题：

使用计算字符串之间相似词语的个数虽然能够解决部分问题，但是对于因拼写错误造成的相似文本很难有效识别，例如，会得到“千叶拉面”(qianyelamian)和“味千拉面”(weiqianlamian)的相似度比“危险拉面”(weixianlamian)和“味千拉面”(weiqianlamian)的相似度更高。而使用统计模型通常依赖于会话采集工具(例如各种输入法、搜索引擎)，其覆盖面小，而且人工收集成本较高。

技术实现要素：

为了至少解决现有技术中仅考虑字符串之间相似词语的个数而导致的相似度不准确，或是统计方法覆盖面小，人工收集成本高的问题。

第一方面，本发明实施例提供一种文本相似度模型的训练方法，包括：

接收词库训练集，对所述词库训练集中各预设语句分词处理，确定所述预设语句的文本字符串；

根据各预设语句的文本字符串，确定与所述文本字符串相对应的词向量以及与所述文本字符串相对应的文本拼音；

根据所述各预设语句对应的文本字符串、文本拼音以及词向量，确定所述各预设语句对应的特征向量，训练文本相似度模型。

第二方面，本发明实施例提供一种基于文本相似度模型的文本匹配方法，包括：

接收文本信息，确定所述文本信息的特征向量，其中，所述特征向量至少包括：文本字符串、文本拼音、词向量；

将所述特征向量输入至所述的文本相似度模型中；

获取所述文本相似度模型输出的特征相似度；

根据所述特征相似度确定至少一个达到预设特征阈值的预设语句以作为所述文本信息的匹配文本。

第三方面，本发明实施例提供一种文本相似度模型的训练系统，包括：

文本字符串确定程序模块，用于接收词库训练集，对所述词库训练集中各预设语句分词处理，确定所述预设语句的文本字符串；

词向量及文本拼音确定程序模块，用于根据各预设语句的文本字符串，确定与所述文本字符串相对应的词向量以及与所述文本字符串相对应的文本拼音；

文本相似度模型训练程序模块，用于根据所述各预设语句对应的文本字符串、文本拼音以及词向量，确定所述各预设语句对应的特征向量，训练文本相似度模型。

第四方面，本发明实施例提供一种基于文本相似度模型的文本匹配系统，包括：

特征向量确定程序模块，用于接收文本信息，确定所述文本信息的特征向量，其中，所述特征向量至少包括：文本字符串、文本拼音、词向量；

特征向量输入程序模块，用于将所述特征向量输入至所述的文本相似度模型中；

特征相似度获取程序模块，用于获取所述文本相似度模型输出的特征相似度；

文本匹配程序模块，用于根据所述特征相似度确定至少一个达到预设特征阈值的预设语句以作为所述文本信息的匹配文本。

第五方面，提供一种电子设备，其包括：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本发明任一实施例的文本相似度模型的训练方法以及基于文本相似度模型的文本匹配方法的步骤。

第六方面，本发明实施例提供一种存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本发明任一实施例的文本相似度模型的训练方法以及基于文本相似度模型的文本匹配方法的步骤。

本发明实施例的有益效果在于：通过该实施方式可以看出，通过确定词语的多个特征向量进行训练文本相似度模型，其模型参数更加丰富，涉及的特征更多，确定的文本相似度更加准确。再通过使用考虑多种维度特征向量的文本相似度模型确定出用户输入语句与文本相似度模型中各预设语句的特征相似度，进而确定出相对精准较高的匹配文本。预设词库收集相对简单，成本相对较低。

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一简单地介绍，显而易见地，下面描述中的附图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是本发明一实施例提供的一种文本相似度模型的训练方法的流程图；

图2是本发明一实施例提供的一种基于文本相似度模型的文本匹配方法的流程图；

图3是本发明一实施例提供的一种文本相似度模型的训练系统的结构示意图。

图4是本发明一实施例提供的一种基于文本相似度模型的文本匹配系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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，本领域普通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。

如图1所示为本发明一实施例提供的一种文本相似度模型的训练方法的流程图，包括如下步骤：

s11：接收词库训练集，对所述词库训练集中各预设语句分词处理，确定所述预设语句的文本字符串；

s12：根据各预设语句的文本字符串，确定与所述文本字符串相对应的词向量以及与所述文本字符串相对应的文本拼音；

s13：根据所述各预设语句对应的文本字符串、文本拼音以及词向量，确定所述各预设语句对应的特征向量，训练文本相似度模型。

在本实施方式中，由于不再单单比较文本字符串直接相似词语的个数，而是引入了新的参数进行多个方位综合考虑，因此所使用的文本相似度模型也需要进一步训练。

对于步骤s11，接收词库训练集，其中，词库训练集中包含了大量用户在日常生活中可能会用到的一些词语，例如，“北京大学第一附属医院”、“北京大学第二附属医院”、“北京大学第三附属医院”、“北京大学第四附属医院”、“肯德基”、“麦当劳”、“味千拉面”、“胡椒工坊”、“友谊大桥”、“沙河大桥”、“永定河大桥”、“正阳大桥”、“长江大桥”、“潮白河大桥”…。在接收词库训练集后，对所述词库训练集中各预设语句进行分词处理，确定所述预设语句的文本字符串，例如，所述“长江大桥”的文本字符串s1＝长江_大桥。其中分词系统中可能会分出单独的一个字，也可能会分出一个词。

对于步骤s12，根据各预设语句的文本字符串，确定与所述文本字符串相对应的词向量以及文本拼音，继步骤s11，确定的文本字符串s1＝长江_大桥。根据所述文本字符串确定其文本拼音p1，以及词向量w1，通过确定得到p1＝changjiang|daqiao，w1＝(0.323,0.123,...)(0.564,0.348,...)。其中，当所述文本字符串包括中文字符时，映射与所述中文字符相对应的文本拼音，当所述文本字符串包括英文字符时，所述英文字符的文本拼音为所述英文字符本身。

对于步骤s13，根据所述各预设语句对应的文本字符串、文本拼音以及词向量，确定所述各预设语句对应的特征向量，其特征向量涵盖了预设语句的文本字符串特征，文本拼音特征以及词向量特征，进而通过所述特征向量训练文本相似度模型。

通过该实施方式可以看出，通过确定词语的多个特征向量进行训练文本相似度模型，其模型参数更加丰富，涉及的特征更多，确定的文本相似度更加准确。

如图2所示为本发明一实施例提供的一种基于文本相似度模型的文本匹配方法的流程图，包括如下步骤：

s21：接收文本信息，确定所述文本信息的特征向量，其中，所述特征向量至少包括：文本字符串、文本拼音、词向量；

s22：将所述特征向量输入至所述的文本相似度模型中；

s23：获取所述文本相似度模型输出的特征相似度；

s24：根据所述特征相似度确定至少一个达到预设特征阈值的预设语句以作为所述文本信息的匹配文本。

在本实施方式中，将所述权利要求1训练的文本相似度模型进行具体的实际应用。

对于步骤s21，接收文本信息，其中，所述文本信息可以根据用户通过语音输入，相应的设备进行语音识别，而得出的文本信息，也可以根据用户通过相应的设备的输入法进行输入。例如，用户通过输入法进行文本输入，由于用户的手抖或者大意又或者其它情况，用户通过输入法打出了“长江搭桥”。进而确定用户输入的“长江搭桥”的特征向量，包括文本字符串、文本拼音、词向量。其中，文本字符串s2＝长江_搭桥，文本拼音p2＝changjiang|daqiao，词向量w2＝(0.1234,0.2133,...)(0.823,0.234,...)。

对于步骤s22，将所述在步骤s21中确定的特征向量输入至所述文本相似度模型中，根据所述多种特征与文本相似度模型中的预设语句进行比对。

对于步骤s23，在步骤s22之后，获取所述文本相似度模型输出的特征相似度，其中特征相似度包括，用户输入的词语与文本相似度模型中各预设语句的特征相似度。

对于步骤s24，根据在步骤s23中确定的特征相似度，确定出至少一个达到预设阈值的预设语句作为所述文本信息的匹配文本。

通过该实施方式可以看出，通过使用考虑多种维度特征向量的文本相似度模型确定出用户输入语句与文本相似度模型中各预设语句的特征相似度，进而确定出相对精准较高的匹配文本。预设词库收集相对简单，成本相对较低。

作为一种实施方式，在本实施例中，所述预设特征阈值包括预设文本阈值，所述获取所述文本相似度模型输出的特征相似度包括：

当所述特征向量至少包括文本字符串时，根据所述文本信息的文本字符串与所述文本相似度模型内各预设语句的文本字符串确定所述文本信息和所述各预设语句的文本相似度；

将所述文本相似度超过预设文本阈值的预设语句确定为匹配字符串集合；

至少根据所述特征向量中的文本字符串、文本拼音、词向量，确定所述文本信息与所述匹配字符串集合中的预设语句的特征相似度。

在本实施方式中，所述预设特征阈值包括预设文本阈值，并且，当所述特征向量至少包括文本字符串时，根据所述用户输入的文本信息的文本字符串与所述文本相似度模型内各预设语句的文本字符串确定所述文本信息和所述各预设语句的文本相似度。也就是先用多种特征向量中的一种特征，进行相似度比较。确定出一个范围较小的超过预设文本阈值的预设语句的匹配字符串集合。

确定出匹配字符串集合后，在根据多种特征向量一起进行确定用户输入的文本信息与匹配字符串集合中的预设语句的特征相似度。

通过该实施方式可以看出，通过先使用单一的特征，对所述文本相似度模型的预设语句进行初步筛选。筛选出相对较小范围的匹配字符串集合再通过多种特征向量确定出相应的匹配文本，加快了确定匹配文本的效率。

作为一种实施方式，在本实施例中，所述预设特征阈值包括预设拼音阈值，所述获取所述文本相似度模型输出的特征相似度包括：

当所述特征向量至少包括文本拼音时，根据所述文本信息的文本拼音与所述文本相似度模型内各预设语句的文本拼音确定所述文本信息和所述各预设语句的拼音相似度；

将所述拼音相似度确定超过预设拼音阈值的预设语句作为匹配拼音集合；

至少根据所述特征向量中的文本字符串、文本拼音、词向量，确定所述文本信息与所述匹配拼音集合中的预设语句的特征相似度。

在本实施方式中，所述预设特征阈值包括预设拼音阈值，并且，当所述特征向量至少包括文本拼音时，根据所述用户输入的文本信息的文本拼音与所述文本相似度模型内各预设语句的文本拼音确定所述文本信息和所述各预设语句的拼音相似度。同理，也是先用多种特征向量中的一种特征，进行相似度比较。确定出一个范围较小的超过预设拼音阈值的预设语句的匹配拼音集合。

确定出匹配拼音集合后，在根据多种特征向量一起进行确定用户输入的文本信息与匹配拼音集合中的预设语句的特征相似度。

通过该实施方式可以看出，通过先使用单一的特征，对所述文本相似度模型的预设语句进行初步筛选。筛选出相对较小范围的匹配拼音集合，再通过多种特征向量驱动出相应的匹配文本，加快了确定匹配文本的效率。

作为一种实施方式，在本实施例中，所述预设特征阈值包括预设向量阈值，所述获取所述文本相似度模型输出的特征相似度包括：

当所述特征向量至少包括词向量时，根据所述文本信息的词向量与所述文本相似度模型内各预设语句的词向量确定所述文本信息和所述各预设语句的向量相似度；

将所述向量相似度确定超过预设向量阈值的预设语句作为匹配向量集合；

至少根据所述特征向量中的文本字符串、文本拼音、词向量，确定所述文本信息与所述匹配向量集合中的预设语句的特征相似度。

在本实施方式中，所述预设特征阈值包括预设向量阈值，并且，当所述特征向量至少包括词向量时，根据所述用户输入的文本信息的词向量与所述文本相似度模型内各预设语句的词向量确定所述文本信息和所述各预设语句的向量相似度。同理，也是先用多种特征向量中的一种特征，进行相似度比较。确定出一个范围较小的超过预设向量阈值的预设语句的匹配向量集合。

确定出匹配向量集合后，在根据多种特征向量一起进行确定用户输入的文本信息与匹配向量集合中的预设语句的特征相似度。

通过该实施方式可以看出，通过先使用单一的特征，对所述文本相似度模型的预设语句进行初步筛选。筛选出相对较小范围的匹配向量集合，再通过多种特征向量驱动出相应的匹配文本，加快了确定匹配文本的效率。

作为一种实施方式，在本实施例中，所述根据特征相似度确定至少一个达到预设特征阈值的预设语句以作为所述文本信息的匹配文本包括：

当根据相似度由高到低的顺序确定仅有一个超过预设特征阈值的预设语句作为所述文本信息的匹配文本时，将所述一个预设语句作为所述文本信息的匹配文本；或

当根据相似度由高到低的顺序确定有至少二个超过预设特征阈值的预设语句作为所述文本信息的匹配文本时，将所述至少两个预设语句发送至用户；

接收用户选择的预设语句；

将所述选择的预设语句作为所述文本信息的匹配文本。

在本实施方式中，可以根据相似度由高到低的来确定达到预设特征阈值的预设语句作为所述文本信息的匹配文本。其中当仅确定一个匹配文本时，例如，用户输入的文本信息为“长江搭桥”，通过相似度由高到底的确定的一个匹配文本为“长江大桥”，将所述“长江大桥”作为用户输入的“长江搭桥”的匹配文本。

当确定至少两个匹配文本时，例如，用户输入的文本信息为“北大医院”，通过相似度确定的至少两个匹配文本为“北京大学第一医院”、“北京大学第二医院”、“北京大学第三医院”…向用户反馈，接收用户选择的预设语句，例如用户选择“北京大学第三医院”，将所述选择的预设语句作为文本信息的匹配文本。

通过该实施方式可以看出，通过确定指定数量的匹配文本，为用户提供更多的匹配方式，扩大了匹配范围，同时也提升了用户的使用体验。

如图3所示为本发明一实施例提供的一种文本相似度模型的训练系统的结构示意图，该系统可执行上述任意实施例所述的文本相似度模型的训练方法，并配置在终端中。

本实施例提供的一种文本相似度模型的训练系统包括：文本字符串确定程序模块11，词向量及文本拼音确定程序模块12和文本相似度模型训练程序模块13。

其中，文本字符串确定程序模块11用于接收词库训练集，对所述词库训练集中各预设语句分词处理，确定所述预设语句的文本字符串；词向量及文本拼音确定程序模块12用于根据各预设语句的文本字符串，确定与所述文本字符串相对应的词向量以及与所述文本字符串相对应的文本拼音；文本相似度模型训练程序模块13用于根据所述各预设语句对应的文本字符串、文本拼音以及词向量，确定所述各预设语句对应的特征向量，训练文本相似度模型。

如图4所示为本发明一实施例提供的一种基于文本相似度模型的文本匹配系统的结构示意图，该系统可执行上述任意实施例所述的基于文本相似度模型的文本匹配方法，并配置在终端中。

本实施例提供的一种基于文本相似度模型的文本匹配系统包括：特征向量确定程序模块21，特征向量输入程序模块22，特征相似度获取程序模块23和文本匹配程序模块24。

其中，特征向量确定程序模块21用于接收文本信息，确定所述文本信息的特征向量，其中，所述特征向量至少包括：文本字符串、文本拼音、词向量；特征向量输入程序模块22用于将所述特征向量输入至所述的文本相似度模型中；特征相似度获取程序模块23用于获取所述文本相似度模型输出的特征相似度；文本匹配程序模块24用于根据所述特征相似度确定至少一个达到预设特征阈值的预设语句以作为所述文本信息的匹配文本。

进一步地，所述预设特征阈值包括预设文本阈值，所述特征相似度获取程序模块用于：

当所述特征向量至少包括文本字符串时，根据所述文本信息的文本字符串与所述文本相似度模型内各预设语句的文本字符串确定所述文本信息和所述各预设语句的文本相似度；

将所述文本相似度超过预设文本阈值的预设语句确定为匹配字符串集合；

至少根据所述特征向量中的文本字符串、文本拼音、词向量，确定所述文本信息与所述匹配字符串集合中的预设语句的特征相似度。

进一步地，所述预设特征阈值包括预设拼音阈值，所述特征相似度获取程序模块用于：

当所述特征向量至少包括文本拼音时，根据所述文本信息的文本拼音与所述文本相似度模型内各预设语句的文本拼音确定所述文本信息和所述各预设语句的拼音相似度；

将所述拼音相似度确定超过预设拼音阈值的预设语句作为匹配拼音集合；

至少根据所述特征向量中的文本字符串、文本拼音、词向量，确定所述文本信息与所述匹配拼音集合中的预设语句的特征相似度。

进一步地，所述预设特征阈值包括预设向量阈值，所述特征相似度获取程序模块用于：

当所述特征向量至少包括词向量时，根据所述文本信息的词向量与所述文本相似度模型内各预设语句的词向量确定所述文本信息和所述各预设语句的向量相似度；

将所述向量相似度确定超过预设向量阈值的预设语句作为匹配向量集合；

至少根据所述特征向量中的文本字符串、文本拼音、词向量，确定所述文本信息与所述匹配向量集合中的预设语句的特征相似度。

进一步地，所述文本匹配程序模块用于：

当根据相似度由高到低的顺序确定仅有一个超过预设特征阈值的预设语句作为所述文本信息的匹配文本时，将所述一个预设语句作为所述文本信息的匹配文本；或

当根据相似度由高到低的顺序确定有至少二个超过预设特征阈值的预设语句作为所述文本信息的匹配文本时，将所述至少两个预设语句发送至用户；

接收用户选择的预设语句；

将所述选择的预设语句作为所述文本信息的匹配文本。

本发明实施例还提供了一种非易失性计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的文本相似度模型的训练方法；

作为一种实施方式，本发明的非易失性计算机存储介质存储有计算机可执行指令，计算机可执行指令设置为：

接收词库训练集，对所述词库训练集中各预设语句分词处理，确定所述预设语句的文本字符串；

根据各预设语句的文本字符串，确定与所述文本字符串相对应的词向量以及与所述文本字符串相对应的文本拼音；

根据所述各预设语句对应的文本字符串、文本拼音以及词向量，确定所述各预设语句对应的特征向量，训练文本相似度模型。

本发明实施例还提供了一种非易失性计算机存储介质，计算机存储介质存储有计算机可执行指令，该计算机可执行指令可执行上述任意方法实施例中的基于文本相似度模型的文本匹配方法；

作为一种实施方式，本发明的非易失性计算机存储介质存储有计算机可执行指令，计算机可执行指令设置为：

接收文本信息，确定所述文本信息的特征向量，其中，所述特征向量至少包括：文本字符串、文本拼音、词向量；

将所述特征向量输入至所述的文本相似度模型中；

获取所述文本相似度模型输出的特征相似度；

根据所述特征相似度确定至少一个达到预设特征阈值的预设语句以作为所述文本信息的匹配文本。

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，如本发明实施例中的测试软件的方法对应的程序指令/模块。一个或者多个程序指令存储在非易失性计算机可读存储介质中，当被处理器执行时，执行上述任意方法实施例中的文本相似度模型的训练方法以及基于文本相似度模型的文本匹配方法。

非易失性计算机可读存储介质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测试软件的装置的使用所创建的数据等。此外，非易失性计算机可读存储介质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，非易失性计算机可读存储介质可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至测试软件的装置。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。

本发明实施例还提供一种电子设备，其包括：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本发明任一实施例的文本相似度模型的训练方法以及基于文本相似度模型的文本匹配方法的步骤。

本申请实施例的客户端以多种形式存在，包括但不限于：

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)其他具有数据处理功能的电子装置。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”，不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述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rom/ram、磁碟、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，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。