一种针对网络舆情热度的计算与预警系统及方法与流程

1.本发明公开涉及网络安全技术领域，尤其涉及一种针对网络舆情热度的计算与预警系统及方法。


背景技术：

2.网络舆情热度反映的是在某一时间段内，现实社会中所发生的事件在网络上所引起的媒体的报道以及网民关注与讨论程度，是进行网络舆情分析和舆情预警的重要指标之一。
3.目前关于网络舆情热度的计算一般有两种方法：
4.第一种是基于数据挖掘的分析方法，首先通过信息采集技术从社交媒体或者其它网络平台上采集海量的数据，然后经过数据预处理等技术得到计算机容易处理的形式，最后利用自然语言处理技术，通过文本相似度计算等方法对所得到的数据进行聚类，从而得到关注度最高、影响最大的话题事件，从而计算话题的热度；
5.第二种基于内容的舆情热度计算方法，这种计算方法又分为基于媒体、基于用户、以及用户和媒体联合分析的方法，基于媒体角度的舆情热度分析，它首先通过统计某个热点事件在一段时间内在一些媒体平台上的报道数量、报道速度、报道天数、报道频率，然后给这些值分配不同的权重，以此来计算它们的加权和，从而计算该热点事件的热度；基于用户角度的舆情热度分析，首先计算关于某话题所采集的贴子数、每个帖子的浏览数、转发数、评论数、回复数，然后利用这些数据计算某个话题的热度。
6.现有网络舆情热度的计算方法存在几个方面的缺点：
7.(1)目前没有针对的网络舆情热度的计算方法，这导致网络舆情热度的计算准确性较低，用于舆情预警的参考性较差。具体体现：每个地区具有影响力的媒体和社交平台是不同的，例如中江网主要提供江苏省内重大新闻资讯，在江苏省内具有重大舆情影响力，但是现有的舆情热度计算方法在分析时并没有考虑这一点。
8.(2)现有基于内容的舆情热度计算方法中，从媒体角度计算时，并没有考虑不同媒体的影响力；从用户角度分析时，没有考虑活跃度较高和影响力较大的用户，这也会降低网络舆情热度计算和预警的准确率。具体体现：人民网会比地方性的媒体对舆情热度产生更大的影响，的活跃用户，也会对舆情产生更大的影响，而现有网络舆情热度计算方法中没有考虑这些。
9.(3)网络舆情热度是动态变化的，现有的网络舆情热度计算方式确定每个影响因素的权重时，一般采用专家问卷形式或者针对特定话题特定分析的形式，无法保证舆情热度分析预警以及对有潜在危险的热点话题跟踪的时效性。
10.(4)目前网络舆情热度计算方法在计算各个指标时，所采用的一般为绝对值，这会导致不同类型的网络舆情话题的舆情热度差距很大，无法应用于舆情预警中阈值的设定。


技术实现要素：

11.为克服相关技术中存在的问题，本发明公开实施例提供了一种针对网络舆情热度的计算与预警系统及方法。所述技术方案如下：
12.该针对网络舆情热度的计算与预警系统包括：
13.新闻媒体热度模块，由报道热度单元，报道覆盖度单元和报道权威度单元构成，用于反映网络舆情热度；
14.社交平台热度模块，由发帖热度单元、互动热度单元、账户活跃度单元和发布者影响度单元构成，用于反映网络舆情热度。
15.在一个实施例中，所述报道热度单元，统计一段时间内新闻媒体的所发表的报道数量、新闻媒体发表报道的速率、新闻报道持续的天数、新闻报道的互动热度数据；
16.报道覆盖度单元，统计中央媒体的参与度决定数据；
17.报道权威度单元，统计的重要媒体的参与程度决定数据。
18.在一个实施例中，所述发帖热度单元，用于统计一段时间内用户所发帖子的数量；
19.互动热度单元，统计用户对帖子的转发、点赞、评论行为产生的影响程度；
20.账户活跃度单元，对当地比较活跃的网络用户的参与度进行统计；
21.发布者影响度单元，统计采集信息中的重点人物的参与度。
22.本发明的另一目的在于提供一种实现所述针对网络舆情热度的计算与预警系统的方法，应用于信息数据处理终端，该针对网络舆情热度的计算与预警方法包括以下步骤：
23.步骤一、选取具有一定影响力和传播度的新闻媒体平台以及在当地使用比较广泛的社交网络平台；
24.步骤二、对从网络社交平台获得的数据进行帖子信息统计和用户信息统计，然后利用这些数据来计算网络社交平台的发帖热度、互动热度、账户活跃度、发布者影响度；
25.步骤三、用户的统计信息主要用来计算账户活跃度和人物影响度；
26.步骤四、社交平台的网络舆情热度等于发帖热度、互动热度、账户活跃度、发布者影响度归一化后的加权和；
27.步骤五、基于新闻媒体统计信息和新闻媒体平台所发报道的统计信息计算新闻媒体平台的网络舆情热度；
28.步骤六、通过社交平台网络舆情热度与新闻媒体网络舆情热度的算数和计算当天的网络舆情热度。
29.在一个实施例中，在步骤一中，在确定重点新闻媒体平台名单时，依据业务领域范围、现有权威机构排名筛选出前100的新闻媒体平台确定为重要新闻媒体，并不断更新；确定社交平台重点用户名单时，先将业务领域内已知的大v、高影响力用户、权威用户纳入重点名单，后续依据事件得到每次事件发展的高影响力用户、桥梁用户，动态更新进社交平台重要用户名单库；通过采集重要用户名单库的发帖数据和个人数据来建立社交平台重要用户数据库。
30.在一个实施例中，在步骤二中，互动热度需要通过计算点赞热度、转发热度、评论热度的加权和来得到，具体的计算流程如下：
31.(1)发帖热度等于统计得到的当天的发帖总量与近期最大的发帖数量的比值，具体公式如下：
[0032][0033]
其中post_heat代表当天的发帖热度，post_num
today
表示当天所发的帖子数量，max(post_num
recent
)表示近期最大的发帖数量的比值；
[0034]
(2)点赞热度、转发热度、评论热度又由统计得到的帖子信息计算，具体计算公式如下：
[0035]
interact_heat＝x*(like_heat) y*(forward_heat) z*(comment_heat)
[0036]
其中interact_heat表示当天的互动热度，like_heat表示当天的点赞热度，forward_heat表示当天的转发热度，comment_heat表示当天的评论热度，x、y、z是由熵权法得到的权重；
[0037][0038][0039][0040]
其中(∑
每条帖子
forwar_dnum)
tod
表示当天所有帖子的转发累加和，max(∑
每条帖子
like_num)
recent
表示近期所计算得到的帖子的点赞累加和的最大值；(∑
每条帖子
forward_num)
today
表示当天所有帖子的转发累加和，max(∑
每条帖子
forward_num)
recent
表示近期所计算得到的帖子的转发累加和的最大值；(∑
每条帖子
comme_ntn)
tod
表示当天所有帖子的评论累加和，max(∑
每条帖子
comment_num)
recent
表示近期所计算得到的帖子的评论累加和的最大值。
[0041]
在一个实施例中，在步骤三中，账户活跃度的具体计算公式如下：
[0042][0043]
其中，users__heat表示当天的用户活跃度，(active_users)
today
表示当天参与讨论的活跃用户数，(active_users)
all
表示以往所有的被标定为活跃用户的用户数；
[0044]
发布者影响度的具体计算公式如下所示：
[0045][0046]
其中，users_effect表示发布者影响度，(impactive_users)
today
表示当天参与讨论的重点人物，(impactive_users)
all
表示所标定的重点人物总数，表示以往所标定的重点人物在当天的参与程度，x
i
表示参与当天讨论的第i个重点人物所占的权重，y
i
表示第i个重点人物在当天所发的帖子数。
[0047]
在一个实施例中，在步骤四中，加权和的权重由熵权法确定，具体的计算公式如下：
[0048][0049]
其中，(social_heat)
today
表示社交平台当天的网络舆情热度，表示归一化后的发帖热度，表示归一化后的互动热度，表示归一化后的用户活跃度，表示归一化后的发布者影响度，a、b、c、d是由熵权法得到的权重。
[0050]
在一个实施例中，在步骤五中，新闻媒体平台的网络舆情热度的计算方式如下：
[0051]
(1)基于新闻媒体统计信息计算报道权威度，具体由重要媒体参与度和中央级媒体参与度计算得到；具体的计算方式如下：
[0052][0053]
其中，websites_coverage表示重要媒体的参与度，(websites_par)
today
表示当天参与新闻报道的重要媒体数，important_websites表示重要新闻媒体总数，重要新闻媒体在计算之前根据新闻媒体网站在alexa网站上的排名、新闻媒体网站所发新闻报道总量、新闻媒体网站的关注数、粉丝数、阅读数确定；
[0054][0055]
其中，cc_websites_par表示中央级媒体参与度，(cc_websites_par)
today
表示当天参与新闻报道的中央级媒体数，(cc_websites)
count
表示所统计的中央级媒体总数，并不是所有的中央级媒体都会被考虑；
[0056][0057]
其中，news_authority表示报道权威度，(cc_websites_news)
i
表示当天参与新闻报道的第i个央级新闻媒体所发的新闻报道数；(websites_news)
j
表示当天参与新闻报道的第j个被标定为重要媒体的新闻平台所发的报道数，m
i
为第i个央级新闻媒体对应的权重，n
j
为第j个重要媒体对应的权重，在计算之前每个央级媒体和重要媒体的权重已经根据它们的影响力和在alexa上的排名确定，m、n分别为参与当天新闻报道的中央级媒体的个数和重要媒体个数；
[0058]
(2)报道热度基于新闻媒体所发布的新闻报道的统计信息计算得到，等于报道热度和报道互动热度的加权和；其中报道热度由报道数量、报道速率计算得到，报道互动热度由新闻报道的转发数、点赞数、评论数加权和得到具体计算方式如下：
[0059][0060]
其中，news_heat表示新闻报道热度，news_num
to
d
ay
表示当天的新闻报道数，max(news_num
recent
)表示近期的最大新闻报道数，max(news_avg_hour)
today
表示当天每小时最大的新闻报道数，即新闻的报道速率，max(news_avg_hour)
recent
表示近期最大的新闻报道
速率；
[0061]
news_inter_heat＝x*(news_like_heat) y*(news_forw_heat) z*(news_com_heat)
[0062]
其中，news_inter_heat表示新闻报道的互动热度，news_like_heat表示新闻报道的点赞热度，news_forw_heat表示新闻报道的转发热度，news_com_heat表示新闻报道的评论热度，x、y、z为由熵权法获得的权重；
[0063]
(3)新闻媒体平台的网络舆情热度由报道权威度和报道热度归一化后求加权和计算得到，它们的权重由熵权法确定，具体计算公式如下:
[0064][0065]
其中，(news_web_heat)
today
表示当天的新闻媒体的网络舆情热度，表示归一化后的报道权威度、表示归一化后的报道热度、表示归一化后的报道互动热度。
[0066]
在一个实施例中，在步骤六中，当天的网络舆情热度的计算公式如下：
[0067]
xx_heat
today
＝(news_web_heat)
today
(social_heat)
today
[0068]
其中，xx_heat
today
表示当天的网络舆情热度。
[0069]
本发明公开的实施例提供的技术方案可以包括以下有益效果：
[0070]
1、解决了传统网络舆情热度计算方法中从全网采集数据时所采集的数据过于宽泛，从而导致信息密度太低的问题。
[0071]
2、解决了传统网络舆情热度指标计算时，未考虑不同媒体和不同的用户之间的影响力和权威度存在差别的问题，权威媒体和意见领袖带来的网络舆情热度占整体舆情热度的80％以上。
[0072]
3、解决传统网络舆情热度计算时，权重定义掺杂人为主观性且无法针对不同的话题进行更新的问题。用传统网络舆情热度计算方法和本实施例公开的网络舆情热度方法验证计算了2020年某地区5月20日至8月1日的舆情热度，对该时段的大事件进行对比发现，本实例公开的网络舆情热度计算方法与大事件发生时间重合度比传统方法时间重合度高20％以上。
[0073]
4、利用相对值来衡量舆情热度，解决了传统网络舆情预警预测方法中热度预警阈值难以确定的问题。利用从新闻媒体和社交平台上获取到的数据，实时地计算网络舆情的热度，及时反映网络舆情热度的变化，并对一些存在潜在危险的热点舆情话题进行预警跟踪，为相关部门提供有价值的参考。
[0074]
当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0075]
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0076]
图1是本发明提供的网络舆情热度指标体系架构图。
[0077]
图2是本发明提供的网络舆情热度计算流程图。
[0078]
图3是本发明提供的网络舆情热度分析与预警流程图。
具体实施方式
[0079]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
[0080]
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本发明所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的，并不表示是唯一的实施方式。
[0081]
除非另有定义，本发明所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本发明中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本发明所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0082]
本发明的创新点主要包括以下几个方面：
[0083]
(1)在数据采集方面，本发明针对的网络舆情数据采集方案，构建了的新闻媒体平台和社交网络平台的重点人物的名单库。对于新闻媒体平台，每天实时采集在该地区有较大影响力的100家新闻媒体平台的数据；对于社交网络平台，则采集经过初步分析后，在相对长的一段时间内活跃度较高，影响力较大的用户的数据，保证所采集的数据更能代表当地的网络舆情情况并且包含的信息密度较高。
[0084]
(2)在指标体系的构建方面，构建了一套可以应用于的网络舆情热度计算的指标体系。在计算贴文和新闻数据时创新性的提出了基于熵权法的权重更新规则，避免了人为定义权重带来的主观性误差。
[0085]
(3)在构建重点新闻媒体和社交网络平台重要用户名单库时，采取了动态更新的方法。确定重点新闻媒体平台名单时，依据业务领域范围、现有权威机构排名筛选出前100的新闻媒体平台确定为重要新闻媒体，并不断更新；确定社交平台重点用户名单时，先将业务领域内已知的大v、高影响力用户、权威用户纳入重点名单，后续依据事件得到每次事件发展的高影响力用户、桥梁用户，动态更新进社交平台重要用户名单库。通过采集重要用户名单库的发帖数据和个人数据来建立社交平台重要用户数据库。
[0086]
网络舆情热度指标体系架构主要包括以下几个方面：
[0087]
1)新闻媒体
[0088]
新闻媒体作为网络信息传播的重要渠道，是反映网络舆情热度的重要指标，主要由报道热度，报道覆盖度和报道权威度构成。其中报道热度由一段时间内新闻媒体的所发表的报道数量、新闻媒体发表报道的速率、新闻报道持续的天数、新闻报道的互动热度构成；报道权威度主要是由中央媒体的参与度决定；覆盖度是由的重要媒体的参与程度决定。
[0089]
2)社交平台
[0090]
社交平台是人物在网络上的最为直接的发声阵地，是反映网络舆情热度的又一重要指标。主要由发帖热度、互动热度、账户活跃度和发布者影响度构成。其中发帖热度由一
段时间内用户所发帖子的数量决定；互动热度受用户对帖子的转发、点赞、评论等行为所影响；账户活跃度主要体现在当地比较活跃的网络用户的参与度；发布者影响度，是由所采集信息中的重点人物的参与度构成。
[0091]
网络舆情热度是动态变化的，因此本方法是基于一段时间内网络舆情热度在各个主流的社交平台及特定新闻媒体上的相关数据进行计算的。网络舆情热度计算及预警的主要流程如下：
[0092]
1、选取具有一定影响力和传播度的新闻媒体平台以及在当地使用比较广泛的社交网络平台，具体做法是在确定重点新闻媒体平台名单时，依据业务领域范围、现有权威机构排名筛选出前100的新闻媒体平台确定为重要新闻媒体，并不断更新；确定社交平台重点用户名单时，先将业务领域内已知的大v、高影响力用户、权威用户纳入重点名单，后续依据事件得到每次事件发展的高影响力用户、桥梁用户，动态更新进社交平台重要用户名单库。通过采集重要用户名单库的发帖数据和个人数据来建立社交平台重要用户数据库。
[0093]
2、对从网络社交平台获得的数据进行帖子信息统计和用户信息统计，其中帖子信息统计，主要包括统计帖子的数量、帖子的转发数、点赞数、评论数；用户信息统计主要包括统计用户的日平均发帖数、用户的粉丝数、用户的被关注数，然后利用这些数据来计算网络社交平台的发帖热度、互动热度、账户活跃度、发布者影响度。其中互动热度需要通过计算点赞热度、转发热度、评论热度的加权和来得到，具体的计算流程如下：
[0094]
(1)发帖热度等于统计得到的当天的发帖总量与近期最大的发帖数量的比值，具体公式如下：
[0095][0096]
其中post_heat代表当天的发帖热度，post_num
today
表示当天所发的帖子数量，max(post_num
recent
)表示近期最大的发帖数量的比值。
[0097]
(2)互动热度等于点赞热度、转发热度、评论热度的加权和，权重由熵权法获得。其中点赞热度、转发热度、评论热度又由统计得到的帖子信息计算。具体计算公式如下：
[0098]
interact_heat＝x*(like_heat) y*(forward_heat) z*(comment_heat)
[0099]
其中interact_heat表示当天的互动热度，like_heat表示当天的点赞热度，forward_heat表示当天的转发热度，comment_heat表示当天的评论热度，x、y、z是由熵权法得到的权重。
[0100][0101][0102]
[0103]
其中(∑
每条帖子
forwar_dnum)
tod
表示当天所有帖子的转发累加和，max(∑
每条帖子
like_num)
recent
表示近期所计算得到的帖子的点赞累加和的最大值；(∑
每条帖子
forward_num)
today
表示当天所有帖子的转发累加和，max(∑
每条帖子
forward_num)
recent
表示近期所计算得到的帖子的转发累加和的最大值；(∑
每条帖子
comme_ntn)
tod
表示当天所有帖子的评论累加和，max(∑
每条帖子
comment_num)
recent
表示近期所计算得到的帖子的评论累加和的最大值。
[0104]
3、用户的统计信息主要用来计算账户活跃度和人物影响度。
[0105]
(1)当天的账户活跃度指的在当天参与讨论的已经被确定为活跃账号的用户占所有活跃用户的比值。其中以往的活跃用户群体根据用户在一段时间内的发帖以及评论频率来确定，当这两者的算术和超过一定的阈值时，就被标定为活跃用户，取重点用户名单库里发帖以及评论频率算术和排名前10000的用户为活跃用户。账户活跃度的具体计算公式如下：
[0106][0107]
其中，users__heat表示当天的用户活跃度，(active_users)
today
表示当天参与讨论的活跃用户数，(active_users)
all
表示以往所有的被标定为活跃用户的用户数。
[0108]
(2)发布者影响度，由重点人物参与度和重点人物的发帖数来计算得到，其中重点人物参与度指的是被标定为重点人物的用户在当天参与讨论的比例，重点人物根据统计信息中粉丝数、关注数、所发帖子的阅读数与转发数来决定，具体取重点名单库里粉丝数、关注数、所发帖子阅读数、转发数加权和排名为前10000的用户。发布者影响度的具体计算公式如下所示：
[0109][0110]
其中，users_effect表示发布者影响度，(impactive_users)
today
表示当天参与讨论的重点人物，(impactive_users)
all
表示所标定的重点人物总数，表示以往所标定的重点人物在当天的参与程度，x
i
表示参与当天讨论的第i个重点人物所占的权重，y
i
表示第i个重点人物在当天所发的帖子数。
[0111]
4、社交平台的网络舆情热度等于发帖热度、互动热度、账户活跃度、发布者影响度归一化后的加权和，其中权重由熵权法确定，具体的计算公式如下：
[0112][0113]
其中，(social_heat)
today
表示社交平台当天的网络舆情热度，表示归一化后的发帖热度，表示归一化后的互动热度，表示归一化后的用户活跃度，表示归一化后的发布者影响度，a、b、c、d是由熵权法得到的权重。
[0114]
5、新闻媒体平台的网络舆情热度是基于新闻媒体统计信息和新闻媒体平台所发报道的统计信息计算的。新闻媒体统计信息主要包括新闻媒体网站是否为中央级媒体、新闻媒体网站在alexa网站上的排名、新闻媒体网站所发新闻报道总量、新闻媒体网站的关注
数、粉丝数、阅读数，新闻媒体网站所发报道的统计信息，主要包括近期所发新闻报道数、每篇新闻报道的阅读数、转发数、点赞数、评论数。具体的计算方式如下：
[0115]
(1)基于新闻媒体统计信息计算报道权威度。具体由重要媒体参与度和中央级媒体参与度计算得到。具体的计算方式如下：
[0116][0117]
其中，websites_coverage表示重要媒体的参与度，(websites_par)
today
表示当天参与新闻报道的重要媒体数，important_websites表示重要新闻媒体总数，重要新闻媒体在计算之前根据新闻媒体网站在alexa网站上的排名、新闻媒体网站所发新闻报道总量、新闻媒体网站的关注数、粉丝数、阅读数确定。
[0118][0119]
其中，cc_websites_par表示中央级媒体参与度，(cc_websites_par)
today
表示当天参与新闻报道的中央级媒体数，(cc_websites)
count
表示所统计的中央级媒体总数，并不是所有的中央级媒体都会被考虑。
[0120][0121]
其中，news_authority表示报道权威度，(cc_websites_news)
i
表示当天参与新闻报道的第i个央级新闻媒体所发的新闻报道数。(websites_news)
j
表示当天参与新闻报道的第j个被标定为重要媒体的新闻平台所发的报道数，m
i
为第i个央级新闻媒体对应的权重，n
j
为第j个重要媒体对应的权重，在计算之前每个央级媒体和重要媒体的权重已经根据它们的影响力和在alexa上的排名确定，m、n分别为参与当天新闻报道的中央级媒体的个数和重要媒体个数。
[0122]
(2)报道热度基于新闻媒体所发布的新闻报道的统计信息计算得到，等于报道热度和报道互动热度的加权和。其中报道热度由报道数量、报道速率计算得到，报道互动热度由新闻报道的转发数、点赞数、评论数求加权和得到具体计算方式如下：
[0123][0124]
其中，news_heat表示新闻报道热度，news_num
to
d
ay
表示当天的新闻报道数，max(news_num
recent
)表示近期的最大新闻报道数，max(news_avg_hour)
today
表示当天每小时最大的新闻报道数，即新闻的报道速率，max(news_avg_hour)
recent
表示近期最大的新闻报道速率。
[0125]
news_inter_heat＝x*(news_like_heat) y*(news_forw_heat) z*(news_com_heat)
[0126]
其中，news_inter_heat表示新闻报道的互动热度，news_like_heat表示新闻报道的点赞热度，news_forw_heat表示新闻报道的转发热度，news_com_heat表示新闻报道的评论热度，x、y、z为由熵权法获得的权重。
[0127]
(3)新闻媒体平台的网络舆情热度由报道权威度和报道热度归一化后求加权和计
算得到，它们的权重由熵权法确定。具体计算公式如下:
[0128][0129]
其中，(news_web_heat)
today
表示当天的新闻媒体的网络舆情热度，表示归一化后的报道权威度、表示归一化后的报道热度、表示归一化后的报道互动热度。
[0130]
6、当天的网络舆情热度最终等于社交平台网络舆情热度与新闻媒体网络舆情热度的算数和。具体计算公式如下：
[0131]
xx_heat
today
＝(news_web_heat)
today
(social_heat)
today
[0132]
其中，xx_heat
today
表示当天的网络舆情热度。
[0133]
结合业务专家评估和实际发生事件，该方法相较于传统直接根据帖子转发、点赞、评论构建指标体系、确定权重的方式，在经过多次实践测试发现与实际发生重大事件重合度提高了12％。
[0134]
本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。
[0135]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围应由所附的权利要求来限制。