一种关键词提取及信息检索方法与流程

1.本发明涉及信息检索技术领域，尤其涉及一种关键词提取及信息检索方法。


背景技术：

2.信息检索通常是指将信息按一定的方式组织和存储起来，根据用户的需要找出有关信息的过程，通常被称为“信息查找”或“信息搜索”。信息检索通常需要根据所输入的关键词查找相关的匹配信息，因此在信息检索中能够对查询的词语进行精准的匹配，对查询结果的精准度有着重大影响。
3.当前，对于长文本的查询搜索，主要是通过提取关键词的方法，先提取出关键词，再对关键词进行搜索匹配到相应的结果。但是，在现有的查询方式中，由于用户在查询的时候输入的语句可能会口语化，口语化的描述不够标准，缺乏一定的专业性，导致查询的结果不够精确，难以满足用户需求。
4.因此，本领域亟需一种关键词提取及信息检索方法。
5.因此，有鉴于此，提出本发明。


技术实现要素：

6.本发明的目的在于提供一种关键词提取方法，标准化用户的输入，提高专业性，提高查询结果精准度。
7.本发明的第一方面提供了一种关键词提取方法，包括以下步骤：
8.知识库建立，接收原始数据，根据原始数据建立知识库，所述知识库包括同义词库，所述同义词库将相同含义的词条收集为同义词集合，并在同义词集合上设置有同义词标签，所述同义词标签为同义词集合中词语的标准化表述；
9.关键词提取，接收检索文本，提取所述检索文本中的关键词为第一关键词；
10.关键词标准处理，接收所述第一关键词，将所述第一关键词输入所述同义词库，得出所述第一关键词所在的同义词集合，将该同义词集合的同义词标签作为搜索关键词。
11.采用上述方案，首先提取用户检索文本中的关键词，根据所述同义词库对关键词进行处理，将已经标准化的同义词标签作为搜索关键词，对用户检索文本中的关键词进行标准化处理，提高用户输入专业性，提高查询结果精准度。
12.优选地，所述知识库还包括多义词库，所述关键词提取方法还包括步骤多义词消歧，所述多义词消歧的步骤包括：
13.接收所述第一关键词；
14.判断所述第一关键词是否存在于所述多义词库中；
15.若否，进行步骤关键词标准处理；
16.若是，根据所述多义词库将第一关键词转化为第二关键词，将所述第二关键词输入所述同义词库，得出所述第二关键词所在的同义词集合，将该同义词集合的同义词标签作为搜索关键词。
17.采用上述方案，当一个词具有多个含义，如苹果有苹果公司和水果方面的含义时，先进行多义词消歧，确定用户搜索时的真实意图，提高查询结果精准度。
18.进一步地，根据所述多义词库将第一关键词转化为第二关键词的步骤为，根据所述第一关键词所在检索文本的其他第一关键词得出词义标签，将词义标签添加到第一关键词得出第二关键词。
19.进一步地，所述检索文本为用户输入的检索文本，所述搜索关键词为对用户输入的检索文本进行处理后，最终进行搜索的关键词。
20.进一步地，所述知识库建立收集的原始数据可以为根据计算机程序对原始数据进行处理，也可以为人为分配的方式进行处理。
21.优选地，所述知识库建立的步骤包括：
22.接收原始数据，所述原始数据包括结构化数据和非结构化数据；
23.当原始数据为结构化数据时，对结构化数据进行数据整合，得出知识库；
24.当原始数据为非结构化数据时，对非结构化数据进行数据抽取，得出知识库。
25.采用上述方案，根据不同的原始数据类型，使用不同的数据处理方法，快速进行数据整合，提高知识库建立效率和数据库准确性。
26.进一步地，所述结构化数据可以为表格数据；所述非结构化数据可以为文本数据、图片数据或文档数据等。
27.优选地，所述数据抽取的步骤包括:
28.实体抽取，提取所述原始数据中的实义词；
29.关系抽取，接收所述关系模板，根据所述关系模板得出原始数据中实义词之间的关系，得出知识库。
30.进一步地，所述实义词可以为原始数据中的名词。
31.进一步地，所述关键词提取的步骤还包括：
32.分词处理，接收所述检索文本，对所述检索文本进行分词，得出候选词；
33.第一关键词获取，接收所述候选词，为所述候选词分配权重为第一权重，提取第一权重较大的前n个所述候选词为第一关键词。
34.采用上述方案，先对所述检索文本进行分词，去除检索文本中的噪声数据，再为所述候选词分配权重，候选词的权重代表该候选词在检索文本中的重要性和代表性，提取权重较大的候选词为第一关键词，提高第一关键词提取准确性。
35.本发明还提供了一种信息检索方法，提高信息检索效率。
36.本发明的第二方面提供了一种信息检索方法，包括：
37.权重接收，接收上述的搜索关键词和所述搜索关键词对应的第一关键词的第一权重，将该权重值赋予给对应的搜索关键词；
38.文本检索，将所述搜索关键词输入数据库中，输出数据库中与所述搜索关键词相关的文档；
39.文档排序，接收所述搜索关键词在相关的文档中所占权重为第二权重，根据所述第一权重和第二权重得出文档相关度，根据所述文档相关度对文档进行排序。
40.采用上述方案，所述第一权重代表所述搜索关键词在检索文本中的重要程度，所述第二权重代表所述搜索关键词在相关的文档中的重要程度，根据所述第一权重和第二权
重得出文档相关度，将相关度更高的文档优先显示，便于用户进行查看，提高信息检索效率。
41.进一步地，所述文档排序的步骤还包括：
42.相关度计算，接收所述第一权重和第二权重，所述第一权重值与第二权重值相乘得出文档相关度；
43.相关度排序，接收与所述搜索关键词所有相关的文档的文档相关度，根据文档相关度从大到小对文档进行排序。
44.采用上述方案，将文档相关度较高的文档显示在较低的文档之前，便于用户查看。
45.本发明的第三方面提供了一种关键词提取系统，包括：
46.知识库建立模块，用于接收原始数据，根据原始数据建立知识库，所述知识库包括同义词库，所述同义词库将相同含义的词条收集为同义词集合，并在同义词集合上设置有同义词标签，所述同义词标签为同义词集合中词语的标准化表述；
47.关键词提取模块，用于接收检索文本，提取所述检索文本中的关键词为第一关键词；
48.关键词标准处理模块，用于接收所述第一关键词，将所述第一关键词输入所述同义词库，得出所述第一关键词所在的同义词集合，将该同义词集合的同义词标签作为搜索关键词。
49.进一步地，所述知识库还包括多义词库，所述关键词提取系统还包括步骤多义词消歧模块，所述多义词消歧模块包括：
50.接收所述第一关键词；
51.判断所述第一关键词是否存在于所述多义词库中；
52.若否，进行步骤关键词标准处理；
53.若是，根据所述多义词库将第一关键词转化为第二关键词，将所述第二关键词输入所述同义词库，得出所述第二关键词所在的同义词集合，将该同义词集合的同义词标签作为搜索关键词。
54.进一步地，根据所述多义词库将第一关键词转化为第二关键词的步骤为，根据所述第一关键词所在检索文本的其他第一关键词得出词义标签，将词义标签添加到第一关键词得出第二关键词。
55.优选地，所述知识库建立模块包括：
56.原始数据接收模块，所述原始数据包括结构化数据和非结构化数据；
57.当原始数据为结构化数据时，对结构化数据进行数据整合模块，得出知识库；
58.当原始数据为非结构化数据时，对非结构化数据进行数据抽取模块，得出知识库。
59.优选地，所述数据抽取模块包括:
60.实体抽取模块，用于提取所述原始数据中的实义词；
61.关系抽取模块，用于接收所述关系模板，根据所述关系模板得出原始数据中实义词之间的关系，得出知识库。
62.进一步地，所述关键词提取模块还包括：
63.分词处理模块，接收所述检索文本，对所述检索文本进行分词，得出候选词；
64.第一关键词获取模块，接收所述候选词，为所述候选词分配权重为第一权重，提取
第一权重较大的前n个所述候选词为第一关键词。
65.本发明的第四方面提供了一种信息检索系统，包括：
66.权重接收模块，用于接收上述的搜索关键词和所述搜索关键词对应的第一关键词的第一权重，将该权重值赋予给对应的搜索关键词；
67.文本检索模块，用于将所述搜索关键词输入数据库中，输出数据库中与所述搜索关键词相关的文档；
68.文档排序模块，用于接收所述搜索关键词在相关的文档中所占权重为第二权重，根据所述第一权重和第二权重得出文档相关度，根据所述文档相关度对文档进行排序。
69.进一步地，所述文档排序模块还包括：
70.相关度计算模块，用于接收所述第一权重和第二权重，所述第一权重值与第二权重值相乘得出文档相关度；
71.相关度排序模块，用于接收与所述搜索关键词所有相关的文档的文档相关度，根据文档相关度从大到小对文档进行排序。
72.本发明的第五方面提供了一种关键词提取装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的关键词提取方法。
73.本发明的第六方面提供了一种信息检索装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的信息检索方法。
74.本发明的第七方面提供了一种存储介质，所述存储介质包括一个或多个程序，所述一个或多个程序可以被处理器执行以完成上述的关键词提取方法。
75.本发明的第八方面提供了一种存储介质，所述存储介质包括一个或多个程序，所述一个或多个程序可以被处理器执行以完成上述的信息检索方法。
76.综上所述，本发明具有以下有益效果：
77.1、本发明的关键词提取方法，提取用户检索文本中的关键词，根据所述同义词库对关键词进行处理，将已经标准化的同义词标签作为搜索关键词，对用户检索文本中的关键词进行标准化处理，提高用户输入专业性，提高查询结果精准度；
78.2、本发明的关键词提取方法，当一个词具有多个含义，如苹果有苹果公司和水果方面的含义时，先进行多义词消歧，确定用户搜索时的真实意图，提高查询结果精准度；
79.3、本发明的关键词提取方法，先对所述检索文本进行分词，去除检索文本中的噪声数据，再为所述候选词分配权重，候选词的权重代表该候选词在检索文本中的重要性和代表性，提取权重较大的候选词为第一关键词，提高第一关键词提取准确性；
80.4、本发明的信息检索方法，所述第一权重代表所述搜索关键词在检索文本中的重要程度，所述第二权重代表所述搜索关键词在相关的文档中的重要程度，根据所述第一权重和第二权重得出文档相关度，将相关度更高的文档优先显示，便于用户进行查看，提高信息检索效率。
附图说明
81.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简单地介绍，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，还可以根据这些附图获得其他的附图。
82.图1为本发明关键词提取方法一种实施方式的流程图；
83.图2为本发明关键词提取方法另一种实施方式的流程图；
84.图3为本发明关键词提取方法中知识库建立的步骤细化流程图；
85.图4为图2的步骤细化流程图；
86.图5为本发明信息检索方法一种实施方式的流程图；
87.图6为图5步骤细化流程图；
88.图7为对图6增加无关文档删除步骤的流程图；
89.图8为本发明关键词提取系统一种实施方式的示意图；
90.图9为本发明关键词提取系统另一种实施方式的示意图；
91.图10为对图9中模块细化的示意图；
92.图11为对图10中模块进一步细化的示意图；
93.图12为本发明信息检索系统一种实施方式的示意图；
94.图13为对图12中模块细化的示意图。
具体实施方式
95.这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
96.在本发明使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
97.如图1所示，本发明的第一方面提供了一种关键词提取方法，包括以下步骤：
98.s100、知识库建立,接收原始数据，根据原始数据建立知识库，所述知识库包括同义词库，所述同义词库将相同含义的词条收集为同义词集合，并在同义词集合上设置有同义词标签，所述同义词标签为同义词集合中词语的标准化表述；
99.在具体实施过程中，所述原始数据可以为文本数据、表格数据或图片数据等，所述知识库为词库。
100.在具体实施过程中，所述同义词库中的同义词标签可以为人工智能，所述人工智能同义词标签所对应的同义词集合可以为人工智能、ai、神经网络和深度学习等。
101.s200、关键词提取，接收检索文本，提取所述检索文本中的关键词为第一关键词；
102.在具体实施过程中，所述关键词为检索文本具有代表性的词条。
103.在具体实施过程中，所述检索文本可以为“神经网络是人工智能学习中的一部分”，该检索文本的关键词可以为“神经网络”、“人工智能”。
104.s400、关键词标准处理，接收所述第一关键词，将所述第一关键词输入所述同义词
库，得出所述第一关键词所在的同义词集合，将该同义词集合的同义词标签作为搜索关键词。
105.在具体实施过程中，所述第一关键词可以为“数据智能”，在“数据智能”所在的同义词集合的同义词还有“机器学习”、“机器智能”和“ml”，该同义词集合的同义词标签为“机器学习”则以“机器学习”为搜索关键词进行搜索。
106.采用上述方案，首先提取用户检索文本中的关键词，根据所述同义词库对关键词进行处理，将已经标准化的同义词标签作为搜索关键词，对用户检索文本中的关键词进行标准化处理，提高用户输入专业性，提高查询结果精准度。
107.如图2所示，在本发明一个优选的实施方式中，所述知识库还包括多义词库，所述关键词提取方法还包括步骤s300、多义词消歧，所述多义词消歧的步骤包括：
108.接收所述第一关键词；
109.判断所述第一关键词是否存在于所述多义词库中；
110.若否，进行步骤关键词标准处理；
111.若是，根据所述多义词库将第一关键词转化为第二关键词，将所述第二关键词输入所述同义词库，得出所述第二关键词所在的同义词集合，将该同义词集合的同义词标签作为搜索关键词。
112.在具体实施过程中，所述多义词库中的词条可以为“神经网络”，“神经网络”有两种含义，一种是生物学的“神经网络”，另一种是计算机方面的“神经网络”。
113.采用上述方案，当一个词具有多个含义，如苹果有苹果公司和水果方面的含义时，先进行多义词消歧，确定用户搜索时的真实意图，提高查询结果精准度。
114.在具体实施过程中，根据所述多义词库将第一关键词转化为第二关键词的步骤为，根据所述第一关键词所在检索文本的其他第一关键词得出词义标签，将词义标签添加到第一关键词得出第二关键词。
115.在具体实施过程中，若第一关键词是“机器学习”，“机器学习”只有一种含义，则不需要进行多义词消歧；若第一关键词是“神经网络”，则需要进行多义词消歧，若此时检索文本为“神经网络是一门重要的机器学习技术”，检索文本中的第一关键词包括“神经网络”和“机器学习”，则可以为“神经网络”添加词义标签为“机器学习”。
116.在具体实施过程中，所述检索文本为用户输入的检索文本，所述搜索关键词为对用户输入的检索文本进行处理后，最终进行搜索的关键词。
117.在具体实施过程中，所述知识库建立收集的原始数据可以为根据计算机程序对原始数据进行处理，也可以为人为整合的方式的方式进行处理，也可以为接收已经处理的数据叠加到已有的知识库中。
118.在具体实施过程中，所述同义词库的数据可以如下表一所示，所述多义词库的数据可以如下表二所示,表二中苹果[水果]可以为第二关键词，苹果为第一关键词，[水果]为词义标签；
[0119]
表一
在从数据库中搜索出的相关的文档中所占权重。
[0155]
采用上述方案，所述第一权重代表所述搜索关键词在检索文本中的重要程度，所述第二权重代表所述搜索关键词在相关的文档中的重要程度，根据所述第一权重和第二权重得出文档相关度，将相关度更高的文档优先显示，便于用户进行查看，提高信息检索效率。
[0156]
如图6所示，在具体实施过程中，所述文档排序的步骤还包括：
[0157]
s710、相关度计算，接收所述第一权重和第二权重，所述第一权重值与第二权重值相乘得出文档相关度；
[0158]
在具体实施过程中，若所述检索文本中的第一关键词仅为“机器学习”，若“机器学习”的第一权重为0.6，第二权重为10，则文档相关度＝0.6*10＝6；若所述检索文本中的第一关键词为“机器学习”、“种类”，若“机器学习”的第一权重为0.6，第二权重为10，“种类”的第一权重为0.2，第二权重为20，则文档相关度＝0.6*10+0.2*20＝10。
[0159]
s720、相关度排序，接收与所述搜索关键词所有相关的文档的文档相关度，根据文档相关度从大到小对文档进行排序。
[0160]
采用上述方案，将文档相关度较高的文档显示在较低的文档之前，便于用户查看。
[0161]
如图7所示，在本发明一个优选的实施方式中，所述文档排序的步骤还包括s730、无关文档删除，所述s730、无关文档删除的步骤包括：
[0162]
接收根据文档相关度从大到小排序的文档；
[0163]
接收显示数量阈值，根据所述显示数量阈值取所述文档相关度较高的前m个文档，对所述文档相关度低于第m个文档的文档，不予显示。
[0164]
采用上述方案，减少用户所需要查阅的文档数量，提高文档精炼程度，提高检索效率。
[0165]
如图8所示，本发明的第三方面提供了一种关键词提取系统，包括：
[0166]
知识库建立模块100，用于接收原始数据，根据原始数据建立知识库，所述知识库包括同义词库，所述同义词库将相同含义的词条收集为同义词集合，并在同义词集合上设置有同义词标签，所述同义词标签为同义词集合中词语的标准化表述；
[0167]
关键词提取模块200，用于接收检索文本，提取所述检索文本中的关键词为第一关键词；
[0168]
关键词标准处理模块400，用于接收所述第一关键词，将所述第一关键词输入所述同义词库，得出所述第一关键词所在的同义词集合，将该同义词集合的同义词标签作为搜索关键词。
[0169]
如图9所示，在具体实施过程中，所述知识库还包括多义词库，所述关键词提取系统还包括步骤多义词消歧模块300，所述多义词消歧模块300包括：
[0170]
接收所述第一关键词；
[0171]
判断所述第一关键词是否存在于所述多义词库中；
[0172]
若否，进行步骤关键词标准处理；
[0173]
若是，根据所述多义词库将第一关键词转化为第二关键词，将所述第二关键词输入所述同义词库，得出所述第二关键词所在的同义词集合，将该同义词集合的同义词标签作为搜索关键词。
[0174]
在具体实施过程中，根据所述多义词库将第一关键词转化为第二关键词的步骤为，根据所述第一关键词所在检索文本的其他第一关键词得出词义标签，将词义标签添加到第一关键词得出第二关键词。
[0175]
如图10所示，在具体实施过程中，所述知识库建立模块100包括：
[0176]
原始数据接收模块110，所述原始数据包括结构化数据和非结构化数据；
[0177]
当原始数据为结构化数据时，对结构化数据进行数据整合模块120，得出知识库；
[0178]
当原始数据为非结构化数据时，对非结构化数据进行数据抽取模块130，得出知识库。
[0179]
如图11所示，在具体实施过程中，所述数据抽取模块130包括:
[0180]
实体抽取模块131，用于提取所述原始数据中的实义词；
[0181]
关系抽取模块132，用于接收所述关系模板，根据所述关系模板得出原始数据中实义词之间的关系，得出知识库。
[0182]
如图10所示，在具体实施过程中，所述关键词提取模块200还包括：
[0183]
分词处理模块210，接收所述检索文本，对所述检索文本进行分词，得出候选词；
[0184]
第一关键词获取模块220，接收所述候选词，为所述候选词分配权重为第一权重，提取第一权重较大的前n个所述候选词为第一关键词。
[0185]
如图12所示，本发明的第四方面提供了一种信息检索系统，包括：
[0186]
权重接收模块500，用于接收上述的搜索关键词和所述搜索关键词对应的第一关键词的第一权重，将该权重值赋予给对应的搜索关键词；
[0187]
文本检索模块600，用于将所述搜索关键词输入数据库中，输出数据库中与所述搜索关键词相关的文档；
[0188]
文档排序模块700，用于接收所述搜索关键词在相关的文档中所占权重为第二权重，根据所述第一权重和第二权重得出文档相关度，根据所述文档相关度对文档进行排序。
[0189]
如图13所示，在具体实施过程中，所述文档排序模块700还包括：
[0190]
相关度计算模块710，用于接收所述第一权重和第二权重，所述第一权重值与第二权重值相乘得出文档相关度；
[0191]
相关度排序模块720，用于接收与所述搜索关键词所有相关的文档的文档相关度，根据文档相关度从大到小对文档进行排序。
[0192]
在本发明一个优选的实施方式中，所述文档排序模块700还包括无关文档删除模块730，所述无关文档删除模块730还包括：
[0193]
接收根据文档相关度从大到小排序的文档；
[0194]
接收显示数量阈值，根据所述显示数量阈值取所述文档相关度较高的前m个文档，对所述文档相关度低于第m个文档的文档，不予显示。
[0195]
本发明的第五方面提供了一种关键词提取装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的关键词提取方法。
[0196]
本发明的第六方面提供了一种信息检索装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的信息检索方法。
[0197]
本发明的第七方面提供了一种存储介质，所述存储介质包括一个或多个程序，所述一个或多个程序可以被处理器执行以完成上述的关键词提取方法。
[0198]
本发明的第八方面提供了一种存储介质，所述存储介质包括一个或多个程序，所述一个或多个程序可以被处理器执行以完成上述的信息检索方法。
[0199]
应当指出，对于本领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
[0200]
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
[0201]
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
[0202]
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单元来实现本实施例方案的目的。
[0203]
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
[0204]
应当理解，本申请实施例中，从权、各个实施例、特征可以互相组合结合，都能实现解决前述技术问题。
[0205]
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，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)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0206]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。