文章生成方法、装置、服务器和计算机可读介质与流程

本公开涉及知识图谱技术领域，具体涉及一种文章生成方法、装置、服务器和计算机可读介质。

背景技术：

随着信息2.0时代的到来，信息流已经变得越来越普遍，人们已经开始习惯于利用碎片化时间从各类事实型文章中获取知识，这些文章多数较为短小精悍，而像百科类文章等描述具体且详细知识的长篇大论已经不适合用户的阅读习惯。因此，将这些具有丰富知识的文章转化为较为精炼且包含原文主旨的文章，是解决知识传播，提高人们阅历的有效方法。

目前常规的方法是由自媒体或者编辑手动从各类事实型文章中摘取部分片段组合生成一篇文章。

然而，现有方法的主要问题在于：(1)创作者往往追求高流量的内容，忽略低流量的内容，造成文章种类不够丰富；(2)，创作者在生成文章时往往会加入个人理解，随意性较强，导致描述不客观；(3)人工介入过多，不能全自动化，效率低。

技术实现要素：

本公开针对现有技术中存在的上述不足，提供一种文章生成方法、装置、服务器和计算机可读介质。

第一方面，本公开实施例提供一种文章生成方法，所述方法包括：

从素材数据中选择段落，所述素材数据为事实型数据；

根据选择出的段落和预设的句子模板，生成文章的段落；

为缺少主语的所述文章的各段落首句补充主语。

优选的，所述素材数据包括多个小节，至少一个小节包括多个段落；所述从素材数据中选择段落，包括：

从所述素材数据中选择小节；

根据包括小节名称和/或实体名称的数量，分别从选择出的小节中选择段落。

进一步的，所述从选择出的小节中选择段落之后，所述方法还包括：

确定相似段落，并保留相似段落中的一个段落。

优选的，所述根据选择出的段落和预设的句子模板，生成文章的段落，包括：

获取所述素材数据中实体属性与属性值之间的映射关系；

根据选择出的段落，过滤所述实体属性与属性值之间的映射关系；

根据所述映射关系中的实体属性确定模板集合，并从所述模板集合中选择句子模板，其中，每个模板集合分别包括多个顺序排列的句子模板；

根据选择出的句子模板和所述实体属性与属性值之间的映射关系生成句子；

根据所述实体属性在所述素材数据中出现的次数，对生成的句子排序，以生成文章的段落。

优选的，所述为缺少主语的所述文章的各段落首句补充主语，包括：

判断是否所述文章的至少一个段落首句缺少主语，若至少一个段落首句缺少主语，则根据预设规则，为缺少主语的所述文章的段落首句补充主语；

若根据预设规则无法为缺少主语的所述文章的段落首句补充主语，则对所述文章的段落首句进行句子成分分析，并将所述素材数据的实体名称作为所述句子的主语。

进一步的，若所述素材数据中包括多张图片，则所述方法还包括：从所述素材数据中选择图片；

所述为缺少主语的所述文章的各段落首句补充主语之后，所述方法还包括：将选择出的图片与已补充首句主语和未补充首句主语的文章的段落进行整合，以生成文章。

优选的，所述从所述素材数据中选择图片，包括：

判断所述素材数据中的图片与选择出的段落是否相关；

若相关，则判断所述图片质量是否满足要求；

若满足，则根据预设的优先级，从所述素材数据中选择图片；所述优先级包括：图片与段落之间的相关性、图片质量、图片在所述素材中的位置。

另一方面，本公开实施例还提供一种文章生成装置，包括：段落选择模块、段落生成模块和主语补充模块；

所述段落选择模块用于，从素材数据中选择段落，所述素材数据为事实型数据；

所述段落生成模块用于，根据选择出的段落和预设的句子模板，生成文章的段落；

所述主语补充模块用于，为缺少主语的所述文章的各段落首句补充主语。

优选的，所述素材数据包括多个小节，至少一个小节包括多个段落；所述段落选择模块包括：小节选择单元和段落选择单元；

所述小节选择单元用于，从所述素材数据中选择小节；

所述段落选择单元用于，根据包括小节名称和/或实体名称的数量，分别从选择出的小节中选择段落。

进一步的，所述段落选择模块还包括去重单元，所述去重单元用于，在所述小节选择单元从选择出的小节中选择段落之后，确定相似段落，并保留相似段落中的一个段落。

优选的，所述段落生成模块包括：获取单元、过滤单元、模板选择单元、句子生成单元和排序单元；

所述获取单元用于，获取所述素材数据中实体属性与属性值之间的映射关系；

所述过滤单元用于，根据选择出的段落，过滤所述实体属性与属性值之间的映射关系；

所述模板选择单元用于，根据所述映射关系中的实体属性确定模板集合，并从所述模板集合中选择句子模板，其中，每个模板集合分别包括多个顺序排列的句子模板；

所述句子生成单元用于，根据选择出的句子模板和所述实体属性与属性值之间的映射关系生成句子；

所述排序单元用于，根据所述实体属性在所述素材数据中出现的次数，对生成的句子排序，以生成文章的段落。

优选的，所述主语补充模块包括：第一判断单元、第一处理单元和第二处理单元；

所述第一判断单元用于，判断是否所述文章的至少一个段落首句缺少主语；

所述第一处理单元用于，当所述第一判断单元判断出至少一个段落首句缺少主语时，根据预设规则，为缺少主语的所述文章的段落首句补充主语；

所述第二处理单元用于，若根据预设规则无法为缺少主语的所述文章的段落首句补充主语，则对所述文章的段落首句进行句子成分分析，并将所述素材数据的实体名称作为所述句子的主语。

进一步的，所述文章生成装置还包括图片选择模块和整合模块，

所述图片选择模块用于，从所述素材数据中选择图片；

所述整合模块用于，将选择出的图片与已补充首句主语和未补充首句主语的文章的段落进行整合，以生成文章。

优选的，所述图片选择模块包括：第二判断单元、第三判断单元和图片选择单元；

所述第二判断单元用于，判断所述素材数据中的图片与选择出的段落是否相关；

所述第三判断单元用于，当所述第二判断单元判断出所述素材数据中的图片与选择出的段落相关时，判断所述图片质量是否满足要求；

所述图片选择单元用于，当所述第三判断单元判断出所述图片质量满足要求时，根据预设的优先级，从所述素材数据中选择图片；所述优先级包括：图片与段落之间的相关性、图片质量、图片在所述素材中的位置。

又一方面，本公开实施例还提供一种服务器，该服务器包括：一个或多个处理器以及存储装置；其中，存储装置上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如前述各实施例所提供的文章生成方法。

本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被执行时实现如前述各实施例所提供的文章生成方法。

本公开的实施例，通过从事实型的素材数据中选择段落，根据选择出的段落和预设的句子模板生成文章的段落，并为缺少主语的文章的各段落首句补充主语，从而实现事实类文章的自动生成，本公开能够在短时间内生成大量丰富的事实类文章，且生成的文章不会带有个人理解，客观、严谨，可以作为各类事实型文章资源的有效补充。

附图说明

图1为本公开实施例提供的文章生成方法的流程图之一；

图2为本公开实施例提供的从素材数据中选择段落的流程图；

图3为本公开实施例提供的生成文章的段落的流程图；

图4为本公开实施例提供的为缺少主语的所述文章的各段落首句补充主语的流程图；

图5为本公开施例提供的文章生成方法的流程图之二；

图6为本公开施例提供的从所述素材数据中选择图片的流程图；

图7为本共开实施例提供的文章生成装置的结构示意图之一；

图8为本公开实施例提供的段落选择模块的结构示意图；

图9为本公开实施例提供的段落生成模块的结构示意图；

图10为本公开实施例提供的主语补充模块的结构示意图；

图11为本公开实施例提供的文章生成装置的结构示意图之二；

图12为本公开实施例提供的图片选择模块的结构示意图。

具体实施方式

在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。

如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。

本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的是，当本说明书中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其群组。

本文所述实施例可借助本公开的理想示意图而参考平面图和/或截面图进行描述。因此，可根据制造技术和/或容限来修改示例图示。因此，实施例不限于附图中所示的实施例，而是包括基于制造工艺而形成的配置的修改。因此，附图中例示的区具有示意性属性，并且图中所示区的形状例示了元件的区的具体形状，但并不旨在是限制性的。

除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。

本公开的一个实施例提供一种文章生成方法，可以从事实型素材数据中提取与某个实体相关的内容，并进行组合、通顺等操作，从而自动生成与该实体相关的文章。实体(或称概念)，其是指现实世界中存在或曾经存在的实际物质体或抽象概念，例如人物、物品、结构、产品、建筑、地点、国家、组织、事件、艺术作品、科学技术、科学定理等。

以下结合图1，对本公开的文章生成方法进行详细说明。如图1所示，所述方法包括以下步骤：

步骤11，从素材数据中选择段落。

在本公开实施例中，素材数据是指事实型数据，事实型数据可以是以数值为主要内容的统计资料，可以是纯文字的知识资料或信息资料，也可以是叙述性文献，诸如化学物质结构数据、生物蛋白质序列数据、人物传记、百科知识、各类统计数据等。素材数据的数据涉及科学技术、法律、经济、商业、新闻等领域，其来源可以是各种事实型数据库，事实型数据库的主要作用就是提供对问题的检索与利用，直接面向问题并以特定的事实或数字回答用户的查询。

需要说明的是，素材数据是某个实体对应的素材数据，例如，某个历史人物的百科词条，本公开能够根据该历史人物的百科词条的内容，自动生成关于该历史人物的文章。在本公开实施例中，以百科数据作为素材数据为例进行说明。

百科数据是典型的事实型数据，其以小节的形式组织成文，不同的小节描述实体不同的部分，一个实体的素材数据可以包括多个小节，至少一个小节包括多个段落。小节是指百科数据中某类型内容的标题，例如，某个历史人物的百科词条下包括：“人物生平”、“主要成就”、“人物评价”、“轶事典故”等小节，每个小节包括一个或多个段落，这些段落的内容与该小节相关。

从素材数据中选择段落的具体实现方式，后续结合图2再详细说明。

步骤12，根据选择出的段落和预设的句子模板，生成文章的段落。

在本步骤中，从素材数据中提取实体的各种属性，根据选择出的段落对提取出的实体的属性进行过滤，并根据这些属性和预先设置的句子模板生成句子，再将句子排列组合生成文章的段落。

根据选择出的段落和预设的句子模板生成文章的段落的具体实现方式，后续结合附图3再详细说明。

步骤13，为缺少主语的文章的各段落首句补充主语。

由于事实型数据中段落首句缺失主语的情况较为严重，因此，在本步骤中，需要对生成的段落的首句进行句子改写，即将缺失的主语补充完整。

为缺少主语的文章的各段落首句补充主语的具体实现方式，后续结合附图4再详细说明。

通过步骤11-13可以看出，通过从事实型的素材数据中选择段落，根据选择出的段落和预设的句子模板生成文章的段落，并为缺少主语的文章的各段落首句补充主语，从而实现事实类文章的自动生成，本公开能够在短时间内生成大量丰富的事实类文章，且生成的文章不会带有个人理解，客观、严谨，可以作为各类事实型文章资源的有效补充。

以下结合图2，对从素材数据中选择段落的流程进行详细说明。如图2所示，所述从素材数据中选择段落，具体包括以下步骤：

步骤111，从素材数据中选择小节。

具体的，为了突出实体属性，优先根据小节的相关性从百科数据中选取小节，具体的，确定百科数据对应的实体类别，并选择与该实体类别相关性最大的小节。例如，对于历史人物的百科词条(即实体)，其实体类别就是人物类别，通常在人物类的词条中，基本都会包括“人物生平”、“主要成就”这些小节，因此认为这些小节与人物类别的实体相关性较大，则会从历史人物实体的百科数据中选择这些小节。若无法根据相关性选择小节，则可以根据全量百科数据中小节名称出现的频次选择。

步骤112，根据包括小节名称和/或实体名称的数量，分别从选择出的小节中选择段落。

具体的，从实体的百科词条中选择出小节之后，分别针对每个小节，从其下的各段落中选择包括本小节名称和/或实体名称数量最多的段落。

由于某个段落可能与本小节其他段落重复，也可能与其他小节的段落重复，为了避免生成的文章出现重复内容，进一步的，在选择出段落(即步骤112)之后，还进行段落去重处理，即包括以下步骤：确定相似段落，并保留相似段落中的一个段落。

具体的，可以使用词向量相似度计算方法评估各个段落之间的相似度。先对同一小节内的各个段落进行去重，同一小节内相似度相同的段落去重规则为：根据段落在小节内的先后顺序，优先去除排在后面的段落。然后对不同小节内的各个段落进行去重，不同小节内相似度相同的段落去重规则为：根据小节与素材数据的相关性，去除相关性低的小节的段落。

以下结合图3，对根据选择出的段落和预设的句子模板生成文章的段落的流程进行详细说明。如图3所示，所述根据选择出的段落和预设的句子模板生成文章的段落，具体包括以下步骤：

步骤121，获取素材数据中实体属性与属性值之间的映射关系。

具体的，实体属性与属性值之间的映射关系是以KV(Key-Value，属性-值)对的形式表示，其中的K是指实体属性，例如，某个历史人物百科词条中，该历史人物的出生日期、出生地、所在朝代等为该历史人物这个实体的属性，一个实体具有多个属性，因此，一个实体的百科词条中具有多个KV对。

在本步骤中，从实体的百科数据全文中，获取该实体的多个KV对。

步骤122，根据选择出的段落，过滤实体属性与属性值之间的映射关系。

具体的，判断实体属性与属性值之间的映射关系是否出现在选择出的段落中，若出现，则将该实体属性与属性值之间的映射关系删除。

通过本步骤，可以保证生成的文章不会出现内容冗余。

步骤123，根据映射关系中的实体属性确定模板集合，并从模板集合中选择句子模板。

对于不同的文章，其句子的表达方式应该是千变万化的，为了保证句子模板的多样性，从海量的百科数据正文中抽取包含KV对的句子，然后将KV对中的属性值去掉，以形成一个句子模板。

需要说明的是，一个实体属性对应一个模板集合，每个模板集合包括多个顺序排列的用于生成句子的句子模板。模板集合中各句子模板的顺序表示该句子模板生成的句式(即句子表达方式)的使用频率，使用越广泛的句式，其对应的句子模板使用率越高，该句子模板在模板集合中的排序越靠前。相应的，在从模板集合中选取句子模板时，优先选择排序靠前的句子模板。

在本步骤中，分别针对每个实体属性K，确定出相应的模板集合，并按照模板集合中各句子模板的顺序选择高频的句子模板。

步骤124，根据选择出的句子模板和实体属性与属性值之间的映射关系生成句子。

具体的，将映射关系中的属性值带入选择出的句子模板中，即可根据句子模板生成相应的句式的句子。如果某个实体属性K没有对应的句子模板，可以直接使用KV对的形式生成句子。

步骤125，根据实体属性在素材数据中出现的次数，对生成的句子排序，以生成文章的段落。

生成多个句子之后，对于生成的多个句子，需要进行组合以生成段落。具体的，根据该实体属性K在该百科数据中出现的频次由高至低对相应的句子进行排序，并按照所述排序，将各句子组合形成段落。

通过步骤121-125可以看出，本公开利用句子模板自动生成句子，并对句子按照一定顺序排列生成文章的段落，得到的文章的句式表达符合大众的语言表达习惯，且与文章对应的实体关联性强的内容位于段落靠前的位置，这样，内容重点突出，易于理解。

以下结合图4，对为缺少主语的文章的各段落首句补充主语的流程进行详细说明。如图4所示，所述为缺少主语的文章的各段落首句补充主语，具体包括以下步骤：

步骤131，判断是否文章的至少一个段落首句缺少主语，若至少一个段落首句缺少主语，则执行步骤132；否则，结束本流程。

具体的，在生成文章的各个段落(即步骤12)之后，分别判断文章的各段落首句是否缺少主语，若存在缺少主语的段落首句，则为缺少主语的文章的段落首句补充主语(即执行步骤132)，以提高文章的可读性和顺畅性；若文章的各段落首句均不缺少主语，则无需执行补充主语的操作，结束本流程。

步骤132，根据预设规则，为缺少主语的文章的段落首句补充主语。

所述规则是在主语缺失的句子集合的基础上，由人工制定得到的。在本步骤中，可以先对缺少主语的句子进行词性标注，再根据词性标注结果和预设规则为该句子补充主语。例如，针对以动词开头的句子，在该动词之前补充主语。

步骤133，若根据预设规则无法为缺少主语的文章的段落首句补充主语，则对文章的段落首句进行句子成分分析，并将素材数据的实体名称作为句子的主语。

以“李白”的百科词条为例，若判断出文章的段落首句缺少主语，且根据预设规则无法为段落首句补充主语，则对该段落首句进行句子成分分析，在确定出谓语后，将“李白”这个实体名称作为主语补充在谓语之前。

需要说明的是，素材数据不但包括文字，还可以包括图片，例如，人物类百科词条可以包括该人物的照片。在本公开另一实施例提供的文章生成方法中，如图5所示，若素材数据中包括多张图片，则所述方法还包括以下步骤：

步骤11’，从素材数据中选择图片。

素材数据中可能有很多张图片可以选择，在生成文章时，需要选择最相关、质量最高的图片。从素材数据中选择图片的具体实现方式后续结合图6再详细说明。

需要说明的是，步骤11’与步骤11优选同步执行。

若从素材数据中选择了图片，相应的，在生成文章时，需要将选择出的图片与生成的段落进行整合。因此，如图5所示，在为缺少主语的所述文章的各段落首句补充主语(即步骤13)之后，所述文章生成方法还包括以下步骤：

步骤14，将选择出的图片与已补充首句主语和未补充首句主语的文章的段落进行整合，以生成文章。

需要说明的是，本实施例中步骤11、12、13的具体实现方式与前一实施例相同，在此不再赘述。

以下结合图6，对从素材数据中选择图片的流程进行详细说明，如图6所示，从素材数据中选择图片的步骤具体包括：

步骤111’，判断素材数据中的图片与选择出的段落是否相关，若相关，则执行步骤112’；否则，结束本流程。

具体的，首先判断素材数据中的图片是否属于从素材数据中选择出段落，若属于，则认为该图片与选择出的段落相关；若无法判断，则通过段落内容中的特定描述方式判断该图片是否与选择出的段落相关，所述特定描述方式可以包括“如下图所示”、“如图x所示”等，若包含上述特定描述方式，则认为该图片与选择出的段落相关，否则，该图片与选择出的段落不相关。

步骤112’，判断图片质量是否满足要求，若满足要求，则执行步骤113’；否则，结束本流程。

在本步骤中，不但需要判断图片的大小和清晰度是否满足要求，还要判断是否存在广告、水印等信息。

步骤113’，根据预设的优先级，从素材数据中选择图片。

具体的，所述优先级包括：图片与段落之间的相关性、图片质量、图片在素材中的位置。也就是说，如果可用的图片有多张的话，优先选择相关的图片，其次选择高质量的图片，对于相关或者高质的有多张的，可以按照百科数据内容排版顺序优先选择靠前的图片。

本公开能够在短时间内生成大量丰富的科普文章、新闻文章，通过百家号发布，可以作为新闻文章的扩充，从而满足用户对科普型文章的诉求。

基于相同的技术构思，本公开实施例还提供一种文章生成装置，如图7所示，该文章生成装置包括：包括：段落选择模块71、段落生成模块72和主语补充模块73。

段落选择模块71用于，从素材数据中选择段落，所述素材数据为事实型数据。

段落生成模块用72于，根据选择出的段落和预设的句子模板，生成文章的段落。

主语补充模块73用于，为缺少主语的所述文章的各段落首句补充主语。

优选的，素材数据包括多个小节，至少一个小节包括多个段落。如图8所示，段落选择模块71包括：小节选择单元711和段落选择单元712。

小节选择单元711用于，从所述素材数据中选择小节。

段落选择单元712用于，根据包括小节名称和/或实体名称的数量，分别从选择出的小节中选择段落。

进一步的，段落选择模块71还包括去重单元，所述去重单元用于，在所述小节选择单元从选择出的小节中选择段落之后，确定相似段落，并保留相似段落中的一个段落。

优选的，如图9所示，段落生成模块72包括：获取单元721、过滤单元722、模板选择单元723、句子生成单元724和排序单元725。

获取单元721用于，获取所述素材数据中实体属性与属性值之间的映射关系。

过滤单元722用于，根据选择出的段落，过滤所述实体属性与属性值之间的映射关系。

模板选择单元723用于，根据所述映射关系中的实体属性确定模板集合，并从所述模板集合中选择句子模板，其中，每个模板集合分别包括多个顺序排列的句子模板。

句子生成单元724用于，根据选择出的句子模板和所述实体属性与属性值之间的映射关系生成句子。

排序单元725用于，根据所述实体属性在所述素材数据中出现的次数，对生成的句子排序，以生成文章的段落。

优选的，如图10所示，主语补充模块73包括：第一判断单元731、第一处理单元732和第二处理单元733。

第一判断单元731用于，分别判断所述文章的各段落首句是否缺少主语。

第一处理单元732用于，当第一判断单元731判断出至少一个段落首句缺少主语时，根据预设规则，为缺少主语的所述文章的段落首句补充主语。

第二处理单元732用于，若根据预设规则无法为缺少主语的所述文章的段落首句补充主语，则对所述文章的段落首句进行句子成分分析，并将所述素材数据的实体名称作为所述句子的主语。

在本公开另一实施例提供的文章生成装置中，如图11所示，所述文章生成装置还包括图片选择模块74和整合模块75。

图片选择模块74用于，从所述素材数据中选择图片。

整合模块75用于，将选择出的图片与已补充首句主语和未补充首句主语的文章的段落进行整合，以生成文章。

优选的，如图12所示，图片选择模块74包括：第二判断单元741、第三判断单元742和图片选择单元743。

第二判断单元741用于，判断所述素材数据中的图片与选择出的段落是否相关。

第三判断单元742用于，当第二判断单元741判断出所述素材数据中的图片与选择出的段落相关时，判断所述图片质量是否满足要求。

图片选择单元743用于，当第三判断单元742判断出所述图片质量满足要求时，根据预设的优先级，从所述素材数据中选择图片；所述优先级包括：图片与段落之间的相关性、图片质量、图片在所述素材中的位置。

本公开实施例还提供了一种服务器，该服务器包括：一个或多个处理器以及存储装置；其中，存储装置上存储有一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如前述各实施例所提供的文章生成方法。

本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，其中，该计算机程序被执行时实现如前述各实施例所提供的文章生成方法。

本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。

本文已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本发明的范围的情况下，可进行各种形式和细节上的改变。