文本处理方法、装置、电子设备和存储介质与流程

1.本公开涉及文本处理技术领域，更具体地，涉及一种文本处理方法、装置、电子设备和存储介质。


背景技术：

2.在实际应用上，对于不同的产品类目，数据存在严重的分布不均衡现象、长尾现象。有些类目，比如常见的电器，上衣，裙子等，有数以万计的数据，而有些类目，比如某些服饰的配件，领带、下摆、扣子等，数据量不足100，一般的，将这个数据量较少的类目成为小样本类目。
3.在实现本公开构思的过程中，发明人发现这些数据量较少的类目数量众多，如果不经过数据增强处理，无法对这些类目生成高质量的商品摘要。


技术实现要素：

4.有鉴于此，本公开提供了一种可以生成多种多样的商品输入文本的文本处理方法、装置、电子设备和存储介质。
5.本公开的一个方面提供了一种文本处理方法，包括：
6.获取商品的介绍文本，所述介绍文本包括多个句子；
7.将所述介绍文本划分为多个部分，并确定所述多个部分的每个部分的中心句；
8.在所述每个部分中，按照随机变量p～e(λ)进行采样，得到所述每个部分对应的采样句，其中，λ＝1/进行采样的部分中的句子数量，p表示取与所述部分的中心句距离排序为i的句子的概率，e(
·
)表示指数分布；
9.将所述每个部分对应的采样句进行合并，得到输入文本，所述输入文本用于生成所述商品的摘要。
10.根据本公开的实施例，所述确定所述多个部分的每个部分的中心句包括：
11.在所述每个部分中，随机获取所述部分中的任意一个句子作为对应的中心句。
12.根据本公开的实施例，所述确定所述多个部分的每个部分的中心句包括：
13.计算所述每个部分包括的句子两两之间的相似度，
14.在所述每个部分中，计算每个句子分别与其它句子的相似度的和，得到所述每个部分中每个句子的总相似度；
15.在所述每个部分中，选取总相似度最高的句子作为对应的中心句。
16.根据本公开的实施例，所述将所述介绍文本划分为多个部分包括：
17.利用聚类算法，将所述多个句子中的至少部分句子分割为所述多个部分。
18.根据本公开的实施例，还包括：
19.获取基于所述输入文本得到的所述商品的多个摘要；
20.根据所述多个摘要，构建多个训练样本，每个所述训练样本包括两个不同的摘要，所述两个不同的摘要中的一个摘要作为预设摘要生成模型的输入，另一个摘要作为所述摘
要生成模型的输出；
21.利用所述多个训练样本，训练所述摘要生成模型，得到训练好的摘要生成模型，所述训练好的摘要生成模型用于根据所述商品的多个摘要中的任意一个摘要，生成与所述商品的多个摘要相同或不同的所述商品的摘要。
22.根据本公开的实施例，还包括：
23.将所述商品的多个摘要中的任意一个摘要输入所述训练好的摘要生成模型，生成与所述商品的多个摘要相同或不同的所述商品的摘要。
24.根据本公开的实施例，所述摘要生成模型为基于rnn、cnn或transformer的sequence
‑
to
‑
sequence模型。
25.本公开的另一个方面提供了一种文本处理装置，包括：
26.获取模块，用于获取商品的介绍文本，所述介绍文本包括多个句子；
27.划分模块，用于将所述介绍文本划分为多个部分；
28.确定模块，用于确定所述每个部分的中心句；
29.采样模块，用于在所述每个部分中，按照随机变量p～e(λ)进行采样，得到所述每个部分对应的采样句，其中，λ＝1/进行采样的部分中的句子数量，p表示取与所述部分的中心句距离排序为i的句子的概率，e(
·
)表示指数分布；
30.合并模块，用于将所述每个部分对应的采样句进行合并，得到输入文本，所述输入文本用于生成所述商品的摘要。
31.根据本公开的实施例，文本处理装置还包括：
32.生成模块，用于基于所述输入文本，生成所述商品的多个摘要；
33.构建模块，用于根据所述多个摘要，构建多个训练样本，每个所述训练样本包括两个不同的摘要，所述两个不同的摘要中的一个摘要作为预设摘要生成模型的输入，另一个摘要作为所述摘要生成模型的输出；
34.训练模块，用于利用所述多个训练样本，训练所述摘要生成模型，得到训练好的摘要生成模型，所述训练好的摘要生成模型用于根据所述商品的多个摘要中的任意一个摘要，生成与所述商品的多个摘要相同或不同的所述商品的摘要。
35.本公开的另一方面提供了一种电子设备，包括：
36.一个或多个处理器；
37.存储器，用于存储一个或多个程序，
38.其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的方法。
39.本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的方法。
40.根据本公开的实施例，因为获取商品的介绍文本，将介绍文本划分为多个部分，并确定多个部分的每个部分的中心句，在每个部分中，按照随机变量p～e(λ)进行采样，得到每个部分对应的采样句，将每个部分对应的采样句进行合并，得到输入文本，由于是随机抽取组成输入文本的每个采样句，且按照随机变量p～e(λ)进行采样，在保证离中心句距离越近的句子被抽取成为采样句的概率越大的同时对于该商品可以生成多种多样的输入文本，对该商品的输入文本进行了扩充。
附图说明
41.通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
42.图1示意性示出了根据本公开实施例的可以应用文本处理方法的示例性系统架构；
43.图2示意性示出了根据本公开实施例的文本处理方法的流程图；
44.图3a示意性示出了根据本公开实施例的确定中心句的流程图；
45.图3b示意性示出了根据本公开实施例的确定中心句的流程图；
46.图4示意性示出了根据本公开实施例的文本处理方法的流程图；
47.图5示意性示出了根据本公开的实施例的文本处理装置的框图；
48.图6示意性示出了根据本公开实施例的电子设备的框图。
具体实施方式
49.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
50.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
51.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
52.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。在使用类似于“a、b或c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b或c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
53.本公开的实施例提供了一种文本处理方法。该方法包括获取商品的介绍文本，将介绍文本划分为多个部分，多个部分的每个部分均包括至少一个句子，确定每个部分的中心句，利用随机变量法，在每个部分中随机采样一个句子，得到每个部分对应的采样句，将每个部分对应的采样句进行合并，得到输入文本，输入文本用于生成该商品的摘要。
54.图1示意性示出了根据本公开实施例的可以应用文本处理方法的示例性系统架构100。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
55.如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线和/或无线通信链路等等。
56.用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端和/或社交平台软件等(仅为示例)。
57.终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
58.服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。
59.需要说明的是，本公开实施例所提供的文本处理方法一般可以由服务器105执行。相应地，本公开实施例所提供的文本处理装置一般可以设置于服务器105中。本公开实施例所提供的文本处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的文本处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开实施例所提供的文本处理方法也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地，本公开实施例所提供的文本处理装置也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。
60.例如，商品的介绍文本可以原本存储在终端设备101、102、或103中的任意一个(例如，终端设备101，但不限于此)之中，或者存储在外部存储设备上并可以导入到终端设备101中。然后，终端设备101可以在本地执行本公开实施例所提供的文本处理方法，或者将商品的介绍文本发送到其他终端设备、服务器、或服务器集群，并由接收该商品的介绍文本的其他终端设备、服务器、或服务器集群来执行本公开实施例所提供的文本处理方法。
61.应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
62.图2示意性示出了根据本公开实施例的文本处理方法的流程图。
63.如图2所示，该方法包括操作s201～s205。
64.在操作s201，获取商品的介绍文本，该介绍文本包括多个句子。
65.在操作s202，将该介绍文本划分为多个部分。
66.在操作s203，确定该多个部分的每个部分的中心句。
67.在操作s204，在该每个部分中，按照随机变量p～e(λ)进行采样，得到该每个部分对应的采样句，其中，λ＝1/进行采样的部分中的句子数量，p表示取与该部分的中心句距离排序为i的句子的概率，e(
·
)表示指数分布。
68.在操作s205，将该每个部分对应的采样句进行合并，得到输入文本，该输入文本用于生成该商品的摘要。
69.在本公开中，该商品可以是小样本类目下的商品，商品的介绍文本可以取自于商
品的详情页面，商品的详情页面可以通过图片、文字、视频、音频等形式展示介绍商品信息。利用文本提取技术，将商品的详情页面中通过图片、文字、视频、音频等各种形式展示的商品信息提取出来，得到商品的全量介绍文本。更多的，当全量商品文本字数小于某一阈值时，该全量介绍文本即为该商品的介绍文本，当全量介绍文本字数不小于某一阈值时，可以采样压缩算法，对该全量介绍文本进行压缩，形成商品的介绍文本。本公开对该阈值的具体数值不做限定，本领域技术人员可根据实际情况进行设定。同样的，本公开对多个部分的数量不做限定，可以是10个、20个、50个等等。每个部分中的句子的数量可以相同或者不同，本公开对此亦不做限定。
70.在本公开中，将介绍文本划分为多个部分，可以随意划分，或者利用聚类算法，将介绍文本中的多个句子中的至少部分句子分割为多个部分。该聚类算法可以是k
‑
means聚类、k
‑
medoids、clara、clarans等。本公开对该聚类算法的类型不做限定。
71.在本公开中，在每个部分中，按照随机变量p～e(λ)进行采样，得到每个部分对应的采样句，其中，λ＝1/进行采样的部分中的句子数量，p表示取与该部分的中心句距离排序为i的句子的概率，e(
·
)表示指数分布。利用服从指数分布的随机采样，即保证了在每个部分中抽取采样句的随机性，又保证离中心句距离越近的句子被抽取成为采样句的概率越大。
72.根据本公开，获取商品的介绍文本，将介绍文本划分为多个部分，并确定多个部分的每个部分的中心句，在每个部分中，按照随机变量p～e(λ)进行采样，得到每个部分对应的采样句，将每个部分对应的采样句进行合并，得到输入文本，由于是随机抽取组成输入文本的每个采样句，且按照随机变量p～e(λ)进行采样，在保证离中心句距离越近的句子被抽取成为采样句的概率越大的同时对于该商品可以生成多种多样的输入文本。
73.图3a和3b示意性示出了根据本公开实施例的确定中心句的流程图。
74.如图3a所示，操作s203包括：
75.s301a，在每个部分中，随机获取该部分中的任意一个句子作为对应的中心句。也即，对每个部分的中心句不做限制在每个部分中，可以是任意一个句子。
76.如图3b所示，操作s203包括：
77.s301b，计算每个部分包括的句子两两之间的相似度。
78.s302b，在每个部分中，计算每个句子分别与其它句子的相似度的和，得到每个部分中每个句子的总相似度。
79.s303b，在每个部分中，选取总相似度最高的句子作为对应的中心句。
80.例如，其中一个部分中包括句子m1、m2、m3，计算句子m1、m2、m3之间的相似度s12、s13、s23，句子m1的总相似度为s12 s13，句子m2的总相似度为s12 s23，句子m3的总相似度为s13 s23，则比较s12 s13、s12 s23、s13 s23之中哪个的值最大，假设值最大的为s12 s13，则将句子m1作为该部分中的中心句。
81.图4示意性示出了根据本公开实施例的文本处理方法的流程图。
82.如图4所示，该方法包括：
83.在操作s401，获取基于输入文本得到的商品的多个摘要。
84.在操作s402，根据多个摘要，构建多个训练样本。
85.在操作s403，利用多个训练样本，训练摘要生成模型，得到训练好的摘要生成模
型。
86.其中，每个训练样本包括两个不同的摘要，两个不同的摘要中的一个摘要作为预设摘要生成模型的输入，另一个摘要作为摘要生成模型的输出。例如，对于一个输入文本，商品摘要为y1、y2、y3，训练样本可以是(y1，y2)、(y2，y1)、(y2，y3)、(y3、y2)、(y1，y3)、(y3、y1)等。
87.训练好的摘要生成模型用于根据商品的多个摘要中的任意一个摘要，生成与商品的多个摘要相同或不同的商品的摘要。例如，对于一个输入文本，商品摘要为y1、y2、y3，利用训练好的摘要生成模型，可以生成更多的yi，比如y1、y2、y3，...，y
m
。
88.在本公开中，将商品的多个摘要中的任意一个摘要输入该训练好的摘要生成模型，生成与该商品的多个摘要相同或不同的该商品的摘要。
89.在本公开中，该摘要生成模型为基于循环神经网络(rnn，recurrent neural network)、卷积神经网络(cnn，convolutional neural network)或transformer的sequence
‑
to
‑
sequence模型。
90.在本公开中，得到的商品的多个摘要，可以是由人工根据输入文本写出来的。也可以是利用现有的多种摘要模型，将输入文本分别输入多种摘要模型，得到该商品的多个摘要。
91.图5示意性示出了根据本公开的实施例的文本处理装置的框图。
92.如图5所示，文本处理装置500包括获取模块510、划分模块520、确定模块530、采样模块540和合并模块550。
93.获取模块510，用于获取商品的介绍文本，该介绍文本包括多个句子；
94.划分模块520，用于将该介绍文本划分为多个部分；
95.确定模块530，用于确定每个部分的中心句；
96.采样模块540，用于在每个部分中，按照随机变量p～e(λ)进行采样，得到每个部分对应的采样句，其中，λ＝1/进行采样的部分中的句子数量，p表示取与该部分的中心句距离排序为i的句子的概率，e(
·
)表示指数分布；
97.合并模块550，用于将每个部分对应的采样句进行合并，得到输入文本，该输入文本用于生成该商品的摘要。
98.在本公开其中一个实施例中，确定模块530具体用于在每个部分中，随机获取该部分中的任意一个句子作为对应的中心句。
99.在本公开其中一个实施例中，确定模块530包括：
100.相似度计算子模块，用于计算每个部分包括的句子两两之间的相似度，
101.和计算字模块，用于在每个部分中，计算每个句子分别与其它句子的相似度的和，得到每个部分中每个句子的总相似度；
102.选取子模块，用于在每个部分中，选取总相似度最高的句子作为对应的中心句。
103.在本公开其中一个实施例中，划分模块520具体用于利用聚类算法，将多个句子中的至少部分句子分割为多个部分。
104.在本公开其中一个实施例中，文本处理装置500还包括：
105.生成模块，用于基于输入文本，生成商品的多个摘要；
106.构建模块，用于根据该多个摘要，构建多个训练样本，每个训练样本包括两个不同
的摘要，该两个不同的摘要中的一个摘要作为预设摘要生成模型的输入，另一个摘要作为该摘要生成模型的输出；
107.训练模块，用于利用该多个训练样本，训练该摘要生成模型，得到训练好的摘要生成模型，该训练好的摘要生成模型用于根据该商品的多个摘要中的任意一个摘要，生成与该商品的多个摘要相同或不同的该商品的摘要。
108.在本公开其中一个实施例中，文本处理装置500还包括：
109.输入模块，用于将商品的多个摘要中的任意一个摘要输入训练好的摘要生成模型，生成与商品的多个摘要相同或不同的商品的摘要。
110.在本公开其中一个实施例中，摘要生成模型为基于rnn、cnn或transformer的sequence
‑
to
‑
sequence模型。
111.根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
112.例如，获取模块510、划分模块520、确定模块530、采样模块540和合并模块550中的任意多个可以合并在一个模块/单元/子单元中实现，或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者，这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其他模块/单元/子单元的至少部分功能相结合，并在一个模块/单元/子单元中实现。根据本公开的实施例，获取模块510、划分模块520、确定模块530、采样模块540和合并模块550中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块510、划分模块520、确定模块530、采样模块540和合并模块550中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
113.需要说明的是，本公开的实施例中文本处理装置部分与本公开的实施例中文本处理方法部分是相对应的，文本处理装置部分的描述具体参考文本处理方法部分，在此不再赘述。
114.图6示意性示出了根据本公开实施例的适于实现上文描述的方法的电子设备的框图。图6示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
115.如图6所示，根据本公开实施例的电子设备600包括处理器601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程
序而执行各种适当的动作和处理。处理器601例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))，等等。处理器601还可以包括用于缓存用途的板载存储器。处理器601可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
116.在ram 603中，存储有系统600操作所需的各种程序和数据。处理器601、rom 602以及ram 603通过总线604彼此相连。处理器601通过执行rom 602和/或ram 603中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 602和ram 603以外的一个或多个存储器中。处理器601也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
117.根据本公开的实施例，系统600还可以包括输入/输出(i/o)接口605，输入/输出(i/o)接口605也连接至总线604。系统600还可以包括连接至i/o接口605的以下部件中的一项或多项：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
118.根据本公开的实施例，根据本公开实施例的方法流程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读存储介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被处理器601执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
119.本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
120.根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质。例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
121.例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 602和/或ram 603和/或rom 602和ram 603以外的一个或多个存储器。
122.附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个
用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
123.本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
124.以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。