一种信息查询方法和装置与流程

1.本发明涉及数据处理技术领域，特别是涉及一种信息查询方法和装置。


背景技术：

2.随着大数据时代的来临，人们面临和需要处理的信息越来越多,在海量信息中高效且准确地获取所需信息，已成为人们的迫切需求。其中，有些情况下，相同意义的信息，可能会以全称或简称的方式出现在文本中，因此，在进行信息查询时，还要考虑到简称的查询。
3.现有技术中，在对文本中的简称进行查询时，一般可以采用规则提取、相关性计算或序列标注等方法。其中，规则提取方法是通过设置不同的规则来查询对应的简称，但是这种方法难以穷举出所有简称，查询效果差，且规则提取方法只是将符合规则的简称都查询出来，无法判断查询出的简称是否为用户需求的简称，因此查询正确率较为低下。而对于相关性计算方法和序列标注方法，在查询过程中，则存在计算量大，查询时间长，查询效率低的问题。
4.总之，现有技术中的信息查询方法，存在信息查询效率较低且正确率较低的问题。


技术实现要素：

5.本发明实施例提供一种信息查询方法和装置，以解决现有技术中，信息查询效率较低且正确率较低的问题。
6.第一方面，本发明实施例公开了一种信息查询方法，所述方法包括：
7.接收终端设备发送的查询请求；
8.根据至少一个目标字典树，确定待查询文本中与所述查询请求对应的参考简称以及所述参考简称对应的参考全称；其中，每一所述目标字典树中包括：一个全称对应的至少一个简称，每一所述目标字典树与包括的简称对应的全称之间建立有关联关系；其中，所述目标字典树为根据所述查询请求确定的；
9.获取所述待查询文本中包括所述参考简称的第一文本段；
10.将所述第一文本段和所述参考全称输入至预设神经网络模型中，获得所述预设神经网络模型的输出结果；其中，所述输出结果至少包括：所述第一文本段中的参考简称为对应的参考全称的简称的概率值，以及所述参考简称在所述第一文本段中的位置信息；
11.根据所述输出结果，生成对应所述查询请求的处理结果，并将所述处理结果发送至所述终端设备。
12.第二方面，本发明实施例公开了一种信息查询装置，所述信息查询装置包括：
13.接收模块，用于接收终端设备发送的查询请求；
14.第一确定模块，用于根据至少一个目标字典树，确定待查询文本中与所述查询请求对应的参考简称以及所述参考简称对应的参考全称；其中，每一所述目标字典树中包括：一个全称对应的至少一个简称，每一所述目标字典树与包括的简称对应的全称之间建立有
关联关系；其中，所述目标字典树为根据所述查询请求确定的；
15.第一获取模块，用于获取所述待查询文本中包括所述参考简称的第一文本段；
16.第二获取模块，用于将所述第一文本段和所述参考全称输入至预设神经网络模型中，获得所述预设神经网络模型的输出结果；其中，所述输出结果至少包括：所述第一文本段中的参考简称为对应的参考全称的简称的概率值，以及所述参考简称在所述第一文本段中的位置信息；
17.第一生成模块，用于根据所述输出结果，生成对应所述查询请求的处理结果，并将所述处理结果发送至所述终端设备。
18.第三方面，本发明实施例公开了一种电子设备，包括存储器和处理器，所述存储器存储可在处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如上述的信息查询方法。
19.第四方面，本发明实施例公开了一种计算机可读存储介质，所述计算机可读存储介质存储有实现如上述的信息查询方法的计算机程序。
20.本发明实施例中，服务器可以根据至少一个目标字典树，在待查询文本中初步查询与查询请求对应的简称信息和全称信息。其中，每一个目标字典树由一个全称的至少一个简称信息构成，由于目标字典树可以利用公共前缀来减少查询时间，最大限度地减少无谓字符串的比较，因此可以快速的进行信息查询，提高查询效率。在完成初步查询后，服务器还可以通过预设神经网络模型，确定文本段中的简称为对应的参考全称的简称的概率值，依据该概率值可以对文本段中的简称进行进一步的筛选，同时还可以提高信息查询的准确性。
附图说明
21.图1是本发明的一种信息查询方法实施例的步骤流程图；
22.图2为本发明的一种字典树的结构示意图；
23.图3是本发明的一种信息查询装置实施例的结构框图。
具体实施方式
24.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
25.参照图1，示出了本发明实施例提供的一种信息查询方法的步骤流程图，该信息查询方法可以应用于服务器，其具体可以包括如下步骤：
26.步骤101：接收终端设备发送的查询请求。
27.本发明实施例中，服务器可以接收终端设备发送的查询请求，并依据该查询请求，确定用户所要查询的信息。
28.步骤102：根据至少一个目标字典树，确定待查询文本中与查询请求对应的参考简称以及参考简称对应的参考全称。
29.本发明实施例中，服务器在根据查询请求确定用户所要查询的信息后，则可以根据目标字典树，在待查询文本中查询相应的信息，即与查询请求对应的参考简称，以及参考简称对应的参考全称。其中，与查询请求对应的参考简称为目标字典树中包括的简称，参考
简称对应的参考全称为与目标字典树建立有关联关系的全称。
30.其中，服务器中存储有至少一个预设字典树，目标字典树为根据查询请求在所述至少一个预设字典树中确定的。
31.其中，每一个预设字典树中包括一个全称对应的至少一个简称，每一个预设字典树与包括的简称对应的全称之间建立有关联关系。这里所述的简称可以是中文简称，也可以是英文简称。例如，全称为：应用程序，其简称可以是：应用，也可以是：app。
32.其中，每一个预设字典树包括根节点和子节点，每个子节点可以包含至少一个字符，在简称为中文简称的情况下，每个子节点可以包含至少一个汉字。根节点到任一具有结束属性的子节点形成的节点路径上所包含的所有字符，即构成一个简称。其中，具有结束属性的子节点中包含一个简称的最后一个字符；在简称为中文简称的情况下，具有结束属性的子节点中包含一个简称的最后一个汉字。
33.本发明实施例中，针对每一预设字典树预先构建了失败指针(即fail指针)，因此，服务器可以根据至少一个目标字典树和预先构建的失败指针，对待查询文本进行逐字遍历查询，判断待查询文本中是否包括目标字典树中的简称，从而通过目标字典树在待查询文本中查询用户所要查询的信息。
34.在确定待查询文本中包括目标字典树中的简称后，则可以根据该目标字典树与全称之间的关联关系，将该目标字典树对应的全称确定为待查询文本中的简称对应的参考全称。例如，待查询文本包括如下一段话：将技术x应用于各种图像处理的应用中。通过逐字遍历查询，确定待查询文本的这段话中包括一个目标字典树中的简称“应用”，而该目标字典树与全称“应用程序”之间建立有关联关系，则将全称“应用程序”确定为待查询文本中的简称“应用”的参考全称。
35.步骤103：获取待查询文本中包括参考简称的第一文本段。
36.本发明实施例中，在确定待查询文本中包括的参考简称后，可以将包括参考简称的文本段提取出来。例如，将步骤102所述示例中，待查询文本中包括简称“应用”的“将技术x应用于各种图像处理的应用中”这段文本提取出来。
37.其中，在提取文本段时，可以依据标点符号进行提取，如将两个相邻的且用于断句的标点符号之间的文本段提取出来。例如，将两个相邻句号之间的文本段提取出来，或将两个相邻逗号之间的文本段提取出来等。当然，这里仅是举例说明，具体情况可根据实际需求设置。
38.步骤104：将第一文本段和第一文本段中包括的参考简称对应的参考全称输入至预设神经网络模型中，获得预设神经网络模型的输出结果。
39.其中，输出结果至少包括：第一文本段中的参考简称为对应的参考全称的简称的概率值，以及参考简称在第一文本段中的位置信息。
40.本发明实施例中，服务器在获取到待查询文本中包括参考简称的第一文本段之后，可以将第一文本段和第一文本段中包括的参考简称对应的参考全称，组合成预设神经网络模型所要求的格式，输入至预设神经网络模型中进行进一步的推理判断，并输出结果。
41.本发明实施例中，参考简称对应的参考全称为该参考简称可能的全称。继续以步骤102中的示例为例进行说明，对于文本段“将技术x应用于各种图像处理的应用中”中包括的简称“应用”，确定其参考全称为“应用程序”，基于语义判断，对于该文本段中的第二个“应用”，其应为“应用程序”的简称，但对于该文本段中的第一个“应用”，显然其并非“应用程序”的简称，因此，本发明实施中还可以通过预设神经网络模型，判断第一文本段中的参考简称为其对应的参考全称的简称的概率值，从而对信息进行进一步的筛选，这样也能提高信息查询的准确率。
42.需要说明的是，该预设神经网络模型为预先训练好的。
43.步骤105：根据输出结果，生成对应查询请求的处理结果，并将处理结果发送至终端设备。
44.本发明实施例中，可以针对查询请求，根据预设神经网络模型的输出结果，生成与查询请求匹配的处理结果，并将生成的处理结果发送至终端设备，以供用户查看。
45.本发明实施例中，服务器可以根据至少一个字典树，在待查询文本中初步查询与查询请求对应的简称信息和全称信息。其中，每一个目标字典树由一个全称的至少一个简称信息构成，由于字典树可以利用公共前缀来减少查询时间，最大限度地减少无谓字符串的比较，因此可以快速的进行信息查询，提高查询效率。在完成初步查询后，服务器还可以通过预设神经网络模型，确定文本段中的简称为对应的参考全称的简称的概率值，依据该概率值可以对文本段中的简称进行进一步的筛选，同时还可以提高信息查询的准确性。
46.作为一种可选实施例，在步骤101：接收终端设备发送的查询请求之前，该信息查询方法还可以包括：构建目标字典树。具体可以包括如下步骤：
47.步骤a1：根据预设全称，生成预设全称对应的简称。
48.本发明实施例中，服务器在构建目标字典树时，首先可以对预设全称进行分词，获得分词结果，其中分词结果中包含至少一个词语。之后可以根据停用词表去除分词结果中包含的停用词。其中，停用词为预先人为设置的，具体内容可根据实际需求设置。然后按照剩余的分词结果中各个词语在预设全称中的先后顺序及预设长度，对剩余的分词结果中的词语进行排列组合，生成预设全称对应的至少一个简称。其中，预设长度为预设全称对应的简称的最大字符长度，具体数值可以根据实际需求设置。
49.下面结合具体实施例来对上述的方案进行举例说明。例如，预设全称为“江南蜜橘手机科技有限公司”，服务器首先可以对“江南蜜橘手机科技有限公司”进行分词，获取分词结果为“江”、“南”、“蜜”、“橘”、“手机”、“科技”、“有限”和“公司”，之后会根据停用词表去除分词结果中的“手机”、“科技”、“有限”和“公司”(即去除分词结果中包含停用词的部分)，然后按照剩余的分词结果中“江”、“南”、“蜜”和“橘”在“江南蜜橘手机科技有限公司”中的前后顺序以及预设长度，对剩余的分词结果中“江”、“南”、“蜜”和“橘”进行排列组合，最后得到预设全称对应的简称为“江南蜜橘”、“江南橘”、“江橘”和“蜜橘”。
50.步骤a2：根据预设全称对应的简称，生成目标字典树。
51.本发明实施例中，可以根据预设全称对应的简称，生成目标字典树，具体生成方法可以参考现有技术，这并非本发明实施例所要保护的方案，因此，这里便不进行具体描述。
52.其中，生成的目标字典树中包括根节点和子节点，根节点中不包含字符，每个子节点可以包含至少一个字符，且每个节点的所有子节点中包含的字符都不相同。根节点到任一具有结束属性的子节点形成的节点路径上所包含的所有字符，即构成一个简称。其中，具有结束属性的子节点中包含一个简称的最后一个字符。
53.下面结合图2对上述实施例做具体的举例说明。如图2所示，可以根据预设全称对
应的简称：“江南蜜橘”、“江南橘”、“江橘”和“蜜橘”，生成目标字典树。目标字典树中包括一个根节点和8个子节点，根节点中不包括字符。其中，节点a为目标字典树的根节点，子节点b中包含字符“江”，子节点c中包含字符“橘”，子节点d中包含字符“南”，子节点e中包含字符“橘”，子节点f中包含字符“蜜”，子节点g中包含字符“橘”，子节点j中包含字符“蜜”，子节点k中包含字符“橘”。子节点c、子节点e、子节点g和子节点k为具有结束属性的子节点。子节点b和子节点c构成了简称“江橘”；子节点b、子节点d和子节点e构成了简称“江南橘”；子节点b、子节点d、子节点f和子节点g构成了简称“江南蜜橘”；子节点j和子节点k构成了简称“蜜橘”。
54.可选地，一般为了查询方便，在生成字典树之后，还可以对字典树设置fail指针。具体设置方法可以参考现有技术，这并非本发明实施例所要保护的方案，因此，这里便不进行具体描述。
55.本发明实施例中，通过预先设置字典树用于进行信息查询，由于字典树可以利用公共前缀来减少查询时间，最大限度地减少无谓字符串的比较，因此可以快速的进行信息查询，提高了查询效率。
56.作为一种可选实施例，步骤102：获取待查询文本中包括参考简称的第一文本段，可以包括：
57.获取待查询文本中包括参考简称的第三文本段。对第三文本段的简称进行初步校验，去除第三文本段中部分参考简称不为对应的参考全称的简称的文本段，获得第一文本段。
58.本发明实施例中还可以根据预设方法对第三文本段中的简称进行初步校验，去除第三文本段中部分参考简称不为对应的参考全称的简称的文本段，将第三文本段中的剩余文本段确认为第一文本段。其中，预设方法可以包括但不限于：正则方法、分词方法、中文信息处理模型方法和上下文校验方法中的任意一种。
59.下面结合具体实施例对上述方案进行举例说明。例如，第三文本段中包含“江南蜜橘手机品牌在2020年在全球市场销售火爆”和“xx地区被称为蜜橘之乡”两个文本段，对于文本段“xx地区被称为蜜橘之乡”中包括的“蜜橘”，确定其参考全称为“江南蜜橘手机科技有限公司”，基于“蜜橘”后的下文“之乡”可知“蜜橘”不为对应的“江南蜜橘手机科技有限公司”的简称，因此去除文本段“xx地区被称为蜜橘之乡”；对于文本段“江南蜜橘手机品牌在2020年在全球市场销售火爆”中包括的“江南蜜橘”，确定其参考全称为“江南蜜橘手机科技有限公司”，基于“江南蜜橘”后的下文“手机”可知“江南蜜橘”为对应的“江南蜜橘手机科技有限公司”的简称，因此可以确认文本段“江南蜜橘手机品牌在2020年在全球市场销售火爆”为第一文本段。
60.本发明实施例中，服务器在获取待查询文本中包括参考简称的第三文本段之后，可以对第三文本段进行初步校验，去除第三文本段中部分参考简称不为对应的参考全称的简称的文本段。由于第一文本段在输入至预设神经网络模型之前已经做过一次筛选，减少了预设神经网络模型的工作量，提高了信息查询的效率。
61.作为一种可选实施例，待查询文本可以为服务器中存储的至少一个文本或用户输入的文本，下面针对这两种情况进行进一步的解释说明。
62.(1)在待查询文本为服务器中存储的至少一个文本的情况下，处理结果可以为：待
查询文本中包括第二文本段的目标文本，以及参考简称在第二文本段中的位置信息。其中，第二文本段为第一文本段中参考简称为对应的参考全称的简称的概率值大于或等于预设概率值的文本段。
63.其中，在待查询文本为服务器中存储的至少一个文本的情况下，在根据至少一个目标字典树，确定待查询文本中与查询请求对应的参考简称以及参考简称对应的参考全称之前，该方法还可以包括：根据至少一个预设字典树，确定查询请求中包括的第一信息；以及将至少一个预设字典树中包括第一信息的预设字典树确定为目标字典树。
64.其中，查询请求为用户在查询输入框中输入的信息；第一信息为简称信息和/或全称信息。
65.为了更好地理解上述内容，下面以一示例加以说明。
66.例如，在手机浏览器应用的查询输入框中输入所要查询的信息，如输入“手机应用是什么”，则手机可以将该查询请求发送至服务器。服务器在接收到该查询请求后，则可以先根据预设字典树，确定该查询请求中包括简称“应用”，并将包括该简称的预设字典树确定为目标字典树，以及获取与该目标字典树建立关联关系的全称信息“应用程序”。然后，服务器则可以通过步骤102至步骤105所述的信息查询方法，对存储的至少一个文本中，查找包括应用程序的简称的文本。最后，服务器可以根据预设神经网络模型的输出结果，获取待查询文本中包括第二文本段(即第一文本段中参考简称为对应的参考全称的简称的概率值大于或等于预设概率值的文本段)的目标文本，以及参考简称在第二文本段中的位置信息，并根据这些信息生成处理结果，发送至该手机，以使该手机显示该处理结果，以供用户查看。
67.(2)在待查询文本为用户输入的文本的情况下，处理结果可以为：第一文本段中参考简称为对应的参考全称的简称的概率值大于或等于预设概率值的目标简称，以及目标简称在第一文本段中的位置信息。
68.为了更好地理解上述内容，下面以一示例加以说明。
69.例如，在通过电脑查询敏感词的场景中，用户可以将一段文本输入至敏感词查询页面的文本输入框中，该电脑可以根据用户输入的文本，发送查询请求至服务器。其中，该查询请求中包括用户输入的文本，以及敏感词的查询目的。服务器接收到电脑发送的查询请求后，则可以通过步骤102至步骤105所述的信息查询方法，对用户输入的文本(即待查询文本)进行敏感词查询。最后，服务器可以根据预设神经网络模型的输出结果，将参考简称为其对应的参考全称的简称的概率值大于或等于预设概率值的目标简称，以及目标简称在第一文本段中的位置信息，生成处理结果，发送至该电脑，以使该电脑显示该处理结果，以供用户查看。
70.这种情况下，由于查询请求为查询敏感词，因此，目标字典树为包括的简称为敏感词的字典树。
71.作为一种可选实施例，在步骤101：接收终端设备发送的查询请求之前，该方法还可以包括：对预设神经网络模型进行训练，具体可以包括如下步骤：
72.步骤b1：获取至少两个训练样本。
73.其中，每一训练样本中均包括至少一个简称，且针对每一简称标记了其对应的全称。
74.步骤b2：将第一训练样本以预设格式输入至预设神经网络模型，得到第一训练样本对应的第二输出结果。
75.其中，第二输出结果为：第一训练样本中的简称为对应的全称的简称的概率值，以及该简称在第一训练样本中的位置。
76.步骤b3：判断第二输出结果是否符合预期结果，得到第一判断结果。
77.其中，预期结果为预设概率值，以及该简称在第一训练样本中的实际位置。
78.步骤b4：根据第一判断结果调整模型参数。
79.步骤b5：将第二训练样本以预设格式输入至调整模型参数后的预设神经网络模型中，得到第二训练样本对应的第三输出结果。
80.其中，第三输出结果为：第二训练样本中的简称为对应的全称的简称的概率值，以及该简称在第二训练样本中的位置。
81.步骤b6：判断第三输出结果是否符合预期结果，得到第二判断结果。
82.其中，预期结果为预设概率值，以及该简称在第二训练样本中的实际位置。
83.步骤b7：根据第二判断结果调整模型参数。
84.不断重复上述的迭代过程，直至训练样本全部训练完成或预设神经网络模型输出的输出结果符合预期结果为止。
85.在本发明实施例中，通过预先训练一神经网络模型来预测文本段中的参考简称为其对应的参考全称的简称的概率值，依据该概率值可以对简称信息进行进一步地筛选，从而减少参考简称不为对应的参考全称的简称的情况发生，解决了信息查询中准确率较低的问题，提高信息查询的准确率，提升了用户的查询体验。
86.综上所述，本发明实施例中，服务器可以根据至少一个字典树，在待查询文本中初步查询与查询请求对应的简称信息和全称信息。其中，每一个目标字典树由一个全称的至少一个简称信息构成，由于字典树可以利用公共前缀来减少查询时间，最大限度地减少无谓字符串的比较，因此可以快速的进行信息查询，提高查询效率。在完成初步查询后，服务器还可以通过预设神经网络模型，确定文本段中的简称为对应的参考全称的简称的概率值，依据该概率值可以对文本段中的简称进行进一步的筛选，同时还可以提高信息查询的准确性。
87.参照图3，示出了本发明的一种信息查询装置实施例的结构框图，该信息查询装置可以应用于服务器，其具体可以包括如下模块：
88.接收模块301，用于接收终端设备发送的查询请求。
89.第一确定模块302，用于根据至少一个目标字典树，确定待查询文本中与查询请求对应的参考简称以及参考简称对应的参考全称。
90.其中，每一目标字典树中包括：一个全称对应的至少一个简称，每一目标字典树与包括的简称对应的全称之间建立有关联关系；其中，目标字典树为根据查询请求确定的。
91.第一获取模块303，用于获取待查询文本中包括参考简称的第一文本段。
92.第二获取模块304，用于将第一文本段和参考全称输入至预设神经网络模型中，获得预设神经网络模型的输出结果。
93.其中，输出结果至少包括：第一文本段中的参考简称为对应的参考全称的简称的概率值，以及参考简称在第一文本段中的位置信息。
94.第一生成模块305，用于根据输出结果，生成对应查询请求的处理结果，并将处理结果发送至终端设备。
95.作为一种可选实施例，所述信息查询装置还可以包括：
96.第二生成模块，用于根据预设全称，生成预设全称对应的简称。
97.第三生成模块，用于根据预设全称对应的简称，生成目标字典树。
98.其中，目标字典树包括根节点和子节点，每一子节点中包含至少一个字符，根节点到任一具有结束属性的子节点形成的节点路径上的字符构成一个简称。
99.可选地，所述信息查询装置还可以包括：
100.设置模块，用于对目标字典树设置fail指针。
101.作为一种可选实施例，所述第一获取模块303可以包括：
102.第一获取子模块，用于获取待查询文本中包括参考简称的第三文本段。
103.第二获取子模块，用于对第三文本段中的简称进行初步校验，去除第三文本段中部分参考简称不为对应的参考全称的简称的文本段，获得第一文本段。
104.作为一种可选实施例，所述待查询文本为所述服务器中存储的至少一个文本或用户输入的文本。
105.在待查询文本为服务器中存储的至少一个文本的情况下，处理结果为：待查询文本中包括第二文本段的目标文本，以及参考简称在第二文本段中的位置信息；其中，第二文本段为第一文本段中参考简称为对应的参考全称的简称的概率值大于或等于预设概率值的文本段；
106.在待查询文本为用户输入的文本的情况下，处理结果为：第一文本段中参考简称为对应的参考全称的简称的概率值大于或等于预设概率值的目标简称，以及目标简称在第一文本段中的位置信息。
107.作为一种可选实施例，所述信息查询装置还可以包括：
108.第二确定模块，用于根据至少一个预设字典树，确定查询请求中包括的第一信息。
109.其中，查询请求为用户在查询输入框中输入的信息。
110.第三确定模块，用于将至少一个预设字典树中包括第一信息的预设字典树确定为目标字典树。
111.其中，第一信息为简称信息和/或全称信息。
112.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
113.本发明实施例中，服务器可以根据至少一个字典树，在待查询文本中初步查询与查询请求对应的简称信息和全称信息。其中，每一个目标字典树由一个全称的至少一个简称信息构成，由于字典树可以利用公共前缀来减少查询时间，最大限度地减少无谓字符串的比较，因此可以快速的进行信息查询，提高查询效率。在完成初步查询后，服务器还可以通过预设神经网络模型，确定文本段中的简称为对应的参考全称的简称的概率值，依据该概率值可以对文本段中的简称进行进一步的筛选，同时还可以提高信息查询的准确性。
114.本发明实施例还公开了一种电子设备，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计算机程序时实现上述任一实施例所述的信息查询方法。
115.本发明实施例还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述实现上述任一实施例所述的信息查询方法的计算机程序。
116.本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
117.本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
118.本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
119.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
120.这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
121.尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
122.最后，还需要说明的是，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”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，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、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。