基于真实错误模式的语法纠错数据增强方法及装置

1.本发明涉及数据处理技术领域，尤其是基于真实错误模式的语法纠错数据增强方法及装置。


背景技术：

2.语法纠错是指针对有语法错误的语句进行语法检测和纠错并生成自然通顺和语法正确的语句的过程。近年来基于神经网络的语法纠错模型取得很好效果，但这些模型通常需要大规模有标注的平行训练数据，而实际场景中，由于人工标记大规模海量数据的代价过高，研究人员尝试从另一个角度改进纠错模型的性能，即通过数据增强方法，对正确的语句引入噪声获得具有错误的伪标记数据，作为对人工标注数据的补充，进而提升模型的整体性能。
3.以英语语言的一个正确句子“this is a sentence”为例，通过引入噪音将“is”替换为“are”,将“sentence”替换为“sentene”，得到一个含有语法错误的句子“this are a sentene”将两个句子组合得到新的平行训练句对，可以得到新的人工生成的有标记训练数据，进而作为对已有的人工标记训练数据的补充。通过数据增强方法，可以得到大规模人工生成的伪标记语句，进而得到大规模伪标记平行句对，作为原有训练数据的补充，一定程度上缓解语法纠错任务训练数据不足的限制。
4.现有数据增强技术主要包括基于编辑操作的方法、基于机器翻译回译的方法等，基于编辑操作的数据增强方法采用从词典中随机选取词语进行替换或插入、随机删除、随机位置交换等编辑操作，虽然可以生成大量的人工错误数据，但是所生成的错误存在学习者不会出现的错误数据，这种不真实和质量低的错误数据会进一步错误传播到语法纠错模型中，从而降低模型的整体性能。基于回译的方法虽然可以取得较好效果，但仍需要大规模的已标记训练数据。而学习者所犯的各类真实错误在已有的训练标注数据中已经进行了标注，这些标注数据中的真实错误模式可以有效应用于数据增强方法，从而生成真实的人造数据。另外，学习者在学习语言知识过程中，存在学习不准确而导致的各类语法错误，因此基于语言知识设计加噪策略可以更好的反应学习者的真实错误，生成更真实和更多样的人工错误数据。


技术实现要素：

5.有鉴于此，本发明实施例提供一种更真实、更多样的基于真实错误模式的语法纠错数据增强方法及装置。
6.本发明的一方面提供了基于真实错误模式的语法纠错数据增强方法，包括：
7.获取待加噪语句和加噪策略集合；其中，所述待加噪语句中包含多个词语；
8.确定所述待加噪语句中各个词语的加噪概率；
9.根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理；
10.根据加噪处理后的错误语句以及加噪处理前的正确语句，构建平行语句对；其中，所述平行语句对作为伪标记训练数据用于语法纠错模型训练；
11.其中，所述加噪策略集合包括基于真实错误模式的替换策略、近义词替换策略、功能词替换策略、相似拼写替换策略和屈折替换策略。
12.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
13.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
14.从所述加噪策略集合中选取基于真实错误模式的替换策略对所述待加噪词语进行加噪处理；
15.其中，所述从所述加噪策略集合中选取基于真实错误模式的替换策略对所述待加噪词语进行加噪处理具体包括：
16.根据包含错误语法的原始语句和对错误语法进行标注后的标注语句，从中抽取错误词语和对应的正确词语，构建错误模式列表；其中，所述错误模式列表的表达形式为{错误词语，正确词语}；
17.根据所述错误模式列表，生成反向错误模式列表，并根据所述反向错误模式列表生成错误模式字典，其中，所述反向错误模式列表的表达形式为{正确词语，错误词语}，所述错误模式字典以“正确词语”作为键，所述错误模式字典以“错误词语”作为值；
18.判断待加噪词语是否存在于所述错误模式字典的键中，若是，则从该键对应的值中选择一个词语对所述待加噪词语进行替换；反之，则不做处理。
19.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
20.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
21.从所述加噪策略集合中选取近义词替换策略对所述待加噪词语进行加噪处理；
22.其中，所述从所述加噪策略集合中选取近义词替换策略对所述待加噪词语进行加噪处理具体包括：
23.从开源词库中获取词语的近义词列表；
24.从所述近义词列表中选取任一词语对所述待加噪词语进行替换。
25.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
26.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
27.从所述加噪策略集合中选取功能词替换策略对所述待加噪词语进行加噪处理；
28.其中，所述从所述加噪策略集合中选取功能词替换策略对所述待加噪词语进行加噪处理具体包括：
29.对需要进行语法纠错的语言，获取该语言中所有功能词类型的功能词列表；
30.对于所述待加噪词语的功能词类型，从对应类型的功能词列表中选取任一词语对所述待加噪词语进行替换。
31.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
32.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
33.从所述加噪策略集合中选取相似拼写替换策略对所述待加噪词语进行加噪处理；
34.其中，所述从所述加噪策略集合中选取相似拼写替换策略对所述待加噪词语进行加噪处理具体包括：
35.获取所述待加噪词语的拼写相近的词语候选集；
36.从所述词语候选集中选取任一候选词语对所述待加噪词语进行替换。
37.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
38.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
39.若待语法纠错的语言为屈折语言，从所述加噪策略集合中选取屈折替换策略对所述待加噪词语进行加噪处理；
40.其中，所述从所述加噪策略集合中选取屈折替换策略对所述待加噪词语进行加噪处理具体包括：
41.获取词语的所有屈折形式列表；
42.从所述屈折形式列表中选取任一屈折形式对所述待加噪词语进行替换。
43.本发明实施例另一方面提供了一种基于真实错误模式的语法纠错数据增强装置，包括：
44.第一模块，用于获取待加噪语句和加噪策略集合；其中，所述待加噪语句中包含多个词语；
45.第二模块，用于确定所述待加噪语句中各个词语的加噪概率；
46.第三模块，用于根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理；
47.第四模块，用于根据加噪处理后的错误语句以及加噪处理前的正确语句，构建平行语句对；其中，所述平行语句对作为伪标记训练数据用于语法纠错模型训练；
48.其中，所述加噪策略集合包括基于真实错误模式的替换策略、近义词替换策略、功能词替换策略、相似拼写替换策略和屈折替换策略。
49.本发明实施例另一方面提供了一种电子设备，包括处理器以及存储器；
50.所述存储器用于存储程序；
51.所述处理器执行所述程序实现如前面所述的方法。
52.本发明实施例另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
53.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
54.本发明的实施例首先获取待加噪语句和加噪策略集合；接着确定所述待加噪语句中各个词语的加噪概率；然后根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理；最后根据加噪处理后的错误语句以及加噪处理前的正确语句，构建平行语句对；其中，所述加噪策略集合包括基于真实错误模式的替换策略、近义词替换策略、功能词替换策略、相似拼写替换策略和屈折替换策略。本发明实施例通过真
实错误的引入和对多种真实错误的模仿，可以生成更真实、更接近学习者真实所犯错误的高质量人造错误增强数据；本发明通过多种类型的噪声方案，可以制造种类多样的语法错误。
附图说明
55.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例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技术的一些实施例，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。
56.图1为本发明实施例提供的整体步骤流程图。
具体实施方式
57.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
58.针对现有技术存在的问题，本发明的一方面提供了基于真实错误模式的语法纠错数据增强方法，包括：
59.获取待加噪语句和加噪策略集合；其中，所述待加噪语句中包含多个词语；
60.确定所述待加噪语句中各个词语的加噪概率；
61.根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理；
62.根据加噪处理后的错误语句以及加噪处理前的正确语句，构建平行语句对；其中，所述平行语句对作为伪标记训练数据用于语法纠错模型训练；
63.其中，所述加噪策略集合包括基于真实错误模式的替换策略、近义词替换策略、功能词替换策略、相似拼写替换策略和屈折替换策略。
64.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
65.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
66.从所述加噪策略集合中选取基于真实错误模式的替换策略对所述待加噪词语进行加噪处理；
67.其中，所述从所述加噪策略集合中选取基于真实错误模式的替换策略对所述待加噪词语进行加噪处理具体包括：
68.根据包含错误语法的原始语句和对错误语法进行标注后的标注语句，从中抽取错误词语和对应的正确词语，构建错误模式列表；其中，所述错误模式列表的表达形式为{错误词语，正确词语}；
69.根据所述错误模式列表，生成反向错误模式列表，并根据所述反向错误模式列表生成错误模式字典，其中，所述反向错误模式列表的表达形式为{正确词语，错误词语}，所述错误模式字典以“正确词语”作为键，所述错误模式字典以“错误词语”作为值；
70.判断待加噪词语是否存在于所述错误模式字典的键中，若是，则从该键对应的值
中选择一个词语对所述待加噪词语进行替换；反之，则不做处理。
71.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
72.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
73.从所述加噪策略集合中选取近义词替换策略对所述待加噪词语进行加噪处理；
74.其中，所述从所述加噪策略集合中选取近义词替换策略对所述待加噪词语进行加噪处理具体包括：
75.从开源词库中获取词语的近义词列表；
76.从所述近义词列表中选取任一词语对所述待加噪词语进行替换。
77.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
78.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
79.从所述加噪策略集合中选取功能词替换策略对所述待加噪词语进行加噪处理；
80.其中，所述从所述加噪策略集合中选取功能词替换策略对所述待加噪词语进行加噪处理具体包括：
81.对需要进行语法纠错的语言，获取该语言中所有功能词类型的功能词列表；
82.对于所述待加噪词语的功能词类型，从对应类型的功能词列表中选取任一词语对所述待加噪词语进行替换。
83.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
84.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
85.从所述加噪策略集合中选取相似拼写替换策略对所述待加噪词语进行加噪处理；
86.其中，所述从所述加噪策略集合中选取相似拼写替换策略对所述待加噪词语进行加噪处理具体包括：
87.获取所述待加噪词语的拼写相近的词语候选集；
88.从所述词语候选集中选取任一候选词语对所述待加噪词语进行替换。
89.可选地，所述根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理，包括：
90.根据所述加噪概率，从所述待加噪语句中确定待加噪词语；
91.若待语法纠错的语言为屈折语言，从所述加噪策略集合中选取屈折替换策略对所述待加噪词语进行加噪处理；
92.其中，所述从所述加噪策略集合中选取屈折替换策略对所述待加噪词语进行加噪处理具体包括：
93.获取词语的所有屈折形式列表；
94.从所述屈折形式列表中选取任一屈折形式对所述待加噪词语进行替换。
95.本发明实施例另一方面提供了一种基于真实错误模式的语法纠错数据增强装置，包括：
96.第一模块，用于获取待加噪语句和加噪策略集合；其中，所述待加噪语句中包含多个词语；
97.第二模块，用于确定所述待加噪语句中各个词语的加噪概率；
98.第三模块，用于根据所述加噪概率，从所述加噪策略集合中随机选取一个加噪策略对待加噪词语进行加噪处理；
99.第四模块，用于根据加噪处理后的错误语句以及加噪处理前的正确语句，构建平行语句对；其中，所述平行语句对作为伪标记训练数据用于语法纠错模型训练；
100.其中，所述加噪策略集合包括基于真实错误模式的替换策略、近义词替换策略、功能词替换策略、相似拼写替换策略和屈折替换策略。
101.本发明实施例另一方面提供了一种电子设备，包括处理器以及存储器；
102.所述存储器用于存储程序；
103.所述处理器执行所述程序实现如前面所述的方法。
104.本发明实施例另一方面提供了一种计算机可读存储介质，所述存储介质存储有程序，所述程序被处理器执行实现如前面所述的方法。
105.本发明实施例还公开了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行前面的方法。
106.下面结合说明书附图，对本发明实施例的具体实现过程进行详细描述：
107.针对现有技术的不足，本发明提供了一种新的数据增强方法，所提出的方法充分考虑学习者的实际犯错倾向和实际犯错数据，并基于语言学知识，设计和提出了5种数据增强方法，包括基于真实错误模式的替换策略、近义词替换策略、功能词替换策略、相似拼写替换策略和屈折替换策略共5种类型增强策略，有效生成类型更为多样、错误更为真实的人造语法错误样本作为原有训练数据的补充。生成的高质量增强数据将有利于有效地提高纠错模型的错误检测和错误修改的能力，进而在少量平行数据基础上，获得高质量人造错误数据，从而有效提升模型的最终检错和纠错性能。
108.具体地，本发明的数据增强方法的流程图如图1所示，假设待加噪的正确语句x＝(x1,x2,
…
,x
m
)，
i
表示句子x中的第i个词语。假设本发明提出的噪声策略集合f＝{f1,f2,
…
,f5}，f
j
表示噪声策略。
109.s1:对待加噪语句x，遍历每一个词语x
i
；
110.s2:确定每个词语x
i
被引入噪声的概率；
111.s3:如果x
i
将要被引入噪声，则从噪声方案集合f中等概率随机选择一个噪声方案f
j
作用于x
i
，得到引入噪声后的有错误词语x
i
′
，其中x
i
′
＝f
j
(x
i
)。
112.s4:得到引入若干噪声后包含语法错误的句子x
′
，将x
′
和x组合成(x
′
,x)作为错误语句和正确语句组合而成的平行语句对，即得到一个通过数据增强生成的语句对。
113.s5:对若干正确语句执行上述操作s1～s4，得到若干增强语句对作为通过数据增强得到的语句对，并用于原有语法纠错训练数据的补充。
114.具体地，本发明提出了五种噪声策略，详细描述如下：
115.(1)基于真实错误模式的替换策略
116.真实错误模式是指学习者所写的真实文本经过专家人工标注并进行语法纠错后得到的错误模式。以英语语言的句子“this are grmamtical sentence.”为例，按从左到右
的顺序依次进行词语标号得到“0this 1are 2grmamtical 3sentence 4.5”。依据标号确定每个错误在句子中的位置，人工标注信息如下：
117.标注1：错误位置：1 2；错误类型：主谓一致错误；正确：is
118.标注2：错误位置：2 2；错误类型：冠词错误；正确：a
119.标注3：错误位置：2 3；错误类型：拼写错误；正确：grammatical
120.标注1表明词语“are”为动词错误，正确应为词语“is”；标注2表明词语“grmamtical”前有一个冠词错误，正确为在该位置增加词“a”；标注3表明词“grmamtical”存在拼写错误，正确为词“grammatical”。
121.以汉语语言的句子“这是对句子。”为例，首先，将其分词得到“这是对句子。”，依据词进行编号得到“0这1是2对3句子4。5”。依据标号确定每个错误在句子中的位置，人工标注信息如下：
122.标注1：错误位置：2 2；错误类型：数词错误；正确：一个
123.标注2：错误位置：2 3；错误类型：形容词错误；正确：正确的
124.标注1表明词语“对”前面有一个数词错误，正确为在该位置增加词语“一个”；标注2表明词语“对”存在形容词错误，正确为“正确的”。
125.本发明的真实错误模式代表了学习者所犯的各类真实错误，在语法错误的真实性、精准性和覆盖面上均高于现有技术方案中基于随机性的人造错误生成方案。
126.详细操作步骤如下：
127.step1:基于原始语句和人工标注语句信息，抽取错误词语和对应的正确词语，构建形式为{错误词语，正确词语}的错误模式列表；
128.step2:依据所构造的错误模式列表，生成形式为{正确词语，错误词语}反向错误模式列表，依据生成的反向错误模式列表生成以“正确词语”为键，以“错误词语”为值的错误模式字典d。
129.step3:使用构造好的错误模式字典对无标记正确语言数据中的语句进行噪声引入。对给定的无标记语言句子x＝(x1,x2,
…
x
m
)，使用介绍的增强流程，对需要引入噪声的词语x
i
，判断x
i
是否存在于错误模式字典d的键中，如果存在，则从该键对应的错误词语替换值列表中随机选择一个词语作为词语x
i
加噪后的结果x
i
′
。如果词语x
i
不在错误模式词典的键中，则不加噪。
130.(2)近义词替换策略
131.在学习者的真实错误中，近义词错误是一种常犯错误。例如，在英语语言中，学习者可能将“time”和“moment”混淆，在汉语语言中，学习者可能将“时间”和“时机”混淆。基于此，本发明引入了近义词替换加噪策略来模拟这种错误。首先获得待加噪词语x
i
的近义词列表，然后在其近义词列表中随机选择一个词语替换词语x
i
，得到加噪后的词语x
i
′
。
132.(3)功能词替换策略
133.功能词是指在句子中实现一定功能的词语，如介词、代词和限定词等。在学习者的真实错误中，功能词错误也是学习者常犯的一类错误。例如，在英语语言中，学习者可能将介词“on”和“in”的使用混淆，在汉语语言中，学习者可能将“的”和“了”的使用混淆。基于此，本发明引入了功能词替换策略来模拟这类错误。首先获得对应语言所有功能词类型下的所有功能词列表，例如英语语言中的介词类型下的介词列表，包括in、at、on、from、to等
词语。对于需要加噪的词语x
i
，本发明分别在所有功能词列表中寻找这个词语，如果词语x
i
存在于某个类型的功能词列表中，则从这个功能词列表中随机选取一个词语作为词语x
i
的加噪结果x
i
′
。
134.(4)相似拼写替换策略
135.拼写错误也是语言学习者常犯的错误。以英语语言为例，学习者可能将“meat”和“meet”混淆。而以汉语语言为例，学习者则可能将“己”、“已”、“巳”混淆。本发明还提出一种基于相似拼写替换的噪声策略。对待加噪词语x
i
，通过找出和它拼写相近的所有候选词语，从中随机选择一个作为词语x
i
的加噪结果x
i
′
。
136.(5)屈折替换策略
137.屈折语言中的屈折变换也是学习者的学习难点之一，学习者常常无法正确获得词语的正确屈折变换。以英语语言为例，屈折变换包括名词变格、动词变位等，主要表现在名词的单复数变化、动词的时态变化等。例如，名词“book”变成“books”为名词的数变格。本发明还提出一种基于屈折替换的噪声策略。对待加噪词语词语x
i
，通过获得x
i
的所有可能的屈折形式，然后从这些可能的屈折形式中随机选取一个作为噪声引入，得到加噪后的词语x
i
′
。
138.本发明通过下列表1展示本发明所提出的5种噪声策略的样本示例，需要说明的是，本实施例单独使用每一种噪声方案对句子x加噪产生的含噪声句子x
′
的例子。但需要注意，在实际的加噪过程中一个句子x的不同词语x
i
可能会通过不同的噪声方案f
j
加噪。
139.表1
[0140][0141]
综上所述，针对现有应用于语法纠错任务的数据增强方法中的不足，本发明提出的方案具有以下优点：1)生成更为真实和质量更高的人造数据。通过真实错误的引入和对多种真实错误的模仿，本发明的方法可以生成更真实、更接近学习者真实所犯错误的高质量人造错误增强数据。2)生成的错误更多样。依据学习者在学习语言知识中存在的困难，通
过引入多种类型的噪声策略，本发明可以制造种类多样的语法错误。例如，近义词替换策略可以生成名词、动词、形容词和副词的错误；功能词替换策略可以生成介词、连词、代词等错误；相似拼写替换策略可以生成各类拼写错误；屈折替换策略则可以生成名词的数、动词主谓一致、动词变位等错误。
[0142]
在一些可选择的实施例中，在方框图中提到的功能/操作可以不按照操作示图提到的顺序发生。例如，取决于所涉及的功能/操作，连续示出的两个方框实际上可以被大体上同时地执行或所述方框有时能以相反顺序被执行。此外，在本发明的流程图中所呈现和描述的实施例以示例的方式被提供，目的在于提供对技术更全面的理解。所公开的方法不限于本文所呈现的操作和逻辑流程。可选择的实施例是可预期的，其中各种操作的顺序被改变以及其中被描述为较大操作的一部分的子操作被独立地执行。
[0143]
此外，虽然在功能性模块的背景下描述了本发明，但应当理解的是，除非另有相反说明，所述的功能和/或特征中的一个或多个可以被集成在单个物理装置和/或软件模块中，或者一个或多个功能和/或特征可以在单独的物理装置或软件模块中被实现。还可以理解的是，有关每个模块的实际实现的详细讨论对于理解本发明是不必要的。更确切地说，考虑到在本文中公开的装置中各种功能模块的属性、功能和内部关系的情况下，在工程师的常规技术内将会了解该模块的实际实现。因此，本领域技术人员运用普通技术就能够在无需过度试验的情况下实现在权利要求书中所阐明的本发明。还可以理解的是，所公开的特定概念仅仅是说明性的，并不意在限制本发明的范围，本发明的范围由所附权利要求书及其等同方案的全部范围来决定。
[0144]
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。
[0145]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
[0146]
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(ram)，只读存储器(rom)，可擦除可编辑只读存储器(eprom或闪速存储器)，光纤装置，以及便携式光盘只读存储器(cdrom)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
[0147]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0148]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0149]
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。
[0150]
以上是对本发明的较佳实施进行了具体说明，但本发明并不限于所述实施例，熟悉本领域的技术人员在不违背本发明精神的前提下还可做出种种的等同变形或替换，这些等同的变形或替换均包含在本技术权利要求所限定的范围内。