语句意图识别方法、语句应答方法、装置和电子设备与流程

[0001][0002]
本技术涉及人工智能技术领域，尤其涉及一种语句意图识别方法、语句应答方法、装置和电子设备。


背景技术：

[0003]
对话系统中，最重要的一环工作就是意图识别，提问者提供的语句中带有一定的意图，应答方根据识别到对方的意图进行回答。在对话系统中90％以上的咨询问题都在15字以内，这决定了我们的训练语料中只有很少量的长语句问题，模型无法有效学习到场景信息，导致当问句过长时，模型仍然只会关注前面一部分描述，而忽略了整句表达，导致意图识别的准确性较差。


技术实现要素：

[0004]
本技术旨在至少在一定程度上解决相关技术中的技术问题之一。
[0005]
为此，本技术的第一个目的在于提出一种语句意图识别方法、语句应答方法、装置和电子设备，以提高长语句的意图识别的准确性。
[0006]
本技术第一方面实施例提出了一种语句意图识别方法，包括：
[0007]
获取待识别的长语句；
[0008]
将所述长语句拆分为多个短语句；
[0009]
对所述多个短语句进行意图识别，得到各个所述短语句的意图；
[0010]
将各个所述短语句的意图作为所述长语句的候选意图进行展示；
[0011]
响应于对所述多个候选意图的选择操作，确定所述长语句的目标意图。
[0012]
本技术第二方面实施例提出了一种语句应答方法，包括：
[0013]
获取待识别的长语句；
[0014]
将所述长语句输入训练得到的长语句识别模型，得到所述长语句对应的意图；
[0015]
根据所述意图，确定所述长语句的应答信息。
[0016]
本技术第三方面实施例提出了一种语句意图识别装置，包括：
[0017]
获取模块，用于获取待识别的长语句；
[0018]
拆分模块，用于将所述长语句拆分为多个短语句；
[0019]
识别模块，用于对所述多个短语句进行意图识别，得到各个所述短语句的意图；
[0020]
展示模块，用于将各个所述短语句的意图作为所述长语句的候选意图进行展示；
[0021]
确定模块，用于响应于对所述多个候选意图的选择操作，确定所述长语句的目标意图。
[0022]
本技术第四方面实施例提出了一种语句应答装置，包括：
[0023]
获取模块，用于获取待识别的长语句；
[0024]
识别模块，用于将所述长语句输入训练得到的长语句识别模型，得到所述长语句
对应的意图；
[0025]
确定模块，用于根据所述意图，确定所述长语句的应答信息。
[0026]
本技术第五方面实施例提出了一种电子设备，包括：
[0027]
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，
[0028]
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行第一方面所述的方法，或者执行第二方面所述的方法。
[0029]
本技术第六方面实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法，或者执行第二方面所述的方法。
[0030]
本技术第七方面实施例提出了一种计算机程序产品，包含计算机指令，当所述计算机指令在被处理器执行时实现第一方面所述的方法，或者实现第二方面所述的方法。
[0031]
本技术实施例的技术方案包含如下的有益效果：
[0032]
获取待识别的长语句，将长语句拆分为多个短语句，对多个短语句进行意图识别，得到各个短语句的意图，将各个短语句的意图作为长语句的候选意图进行展示，响应于对多个候选意图的选择操作，确定长语句的目标意图，通过对多个短语句识别得到的多个意图，由用户选择确定长语句的目标意图，提高了长语句的意图识别的准确性。
[0033]
本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。
附图说明
[0034]
本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
[0035]
图1为本技术实施例所提供的一种语句意图识别方法的流程示意图；
[0036]
图2为本技术实施例提供的另一种语句意图识别方法的流程示意图；
[0037]
图3为本技术实施例提供的一种语句应答方法的流程示意图；
[0038]
图4为本技术实施例提供的一种语句意图识别装置的结构示意图；
[0039]
图5为本技术实施例提供的一种语句应答装置的结构示意图；以及
[0040]
图6为本技术实施例提供的一种示例性电子设备的框图。
具体实施方式
[0041]
下面详细描述本技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本技术，而不能理解为对本技术的限制。
[0042]
下面参考附图描述本技术实施例的语句意图识别方法、语句应答方法、装置和电子设备。
[0043]
图1为本技术实施例所提供的一种语句意图识别方法的流程示意图。
[0044]
如图1所示，该方法包括以下步骤：
[0045]
步骤101，获取待识别的长语句。
[0046]
其中，长语句可以是响应用户输入操作，获取到的长语句的文本；或者是，采集语音，通过对语音进行识别得到的长语句。长语句中包含多个短语句，例如，长语句为“我昨天买了一台电脑，下单的时候说没货，要从其他地方调货才行，想问一下，什么时候可以发货？”。
[0047]
步骤102，将长语句拆分为多个短语句。
[0048]
本技术实施例中，对长语句按照句子粒度进行拆分，以拆分得到多个短语句，其中，可去除无意义的语句，例如，长语句为“我昨天买了一台电脑，下单的时候说没货，要从其他地方调货才行，想问一下，什么时候可以发货？”，对该长语句进行拆分后，可以得到多个短语句，分别为“我昨天买了一台电脑”，“下单的时候说没货”，“要从其他地方调货才行”，“什么时候可以发货”。
[0049]
步骤103，对多个短语句进行意图识别，得到各个短语句的意图。
[0050]
本技术实施例的一种实现方式中，可利用训练得到的短语句识别模型，将多个短语句，分别输入短语句识别模型，得到各个短语句对应的意图，以提高短语句意图识别的准确度。
[0051]
步骤104，将各个短语句的意图作为长语句的候选意图进行展示。
[0052]
本技术实施例中，将各个短语句的意图作为长语句的候选意图，通过展示界面进行展示，以便于用户在该展示界面中，从各个短语的意图中，选择出待识别的长语句的目标意图。
[0053]
步骤105，响应于对多个候选意图的选择操作，确定长语句的目标意图。
[0054]
本技术实施例中，响应于用户在展示界面中对多个候选意图的选择操作，将用户选择的候选意图，作为长语句的目标意图，实现了基于短语句识别模型输出的多个意图，由用户选择确定长语句的目标意图，实现了快速对长语句的意图进行标注。通过同样的长语句目标意图的确定方法，可以获取大量的长语句标注数据，相比于手动对每一个长语句进行标注的方法，仅需要消耗少量的人力，即可获取长语句的目标意图，实现对长语句的标注，提高了标注的效率。
[0055]
本技术实施例的语句意图识别方法中，获取待识别的长语句，将长语句拆分为多个短语句，对多个短语句进行意图识别，得到各个短语句的意图，将各个短语句的意图作为长语句的候选意图进行展示，响应于对多个候选意图的选择操作，确定长语句的目标意图，通过对多个短语句识别得到的多个意图，由用户选择确定长语句的目标意图，提高了长语句的意图识别的准确性。
[0056]
基于上一实施例，本实施例提供了另一种语句意图识别方法，图2为本技术实施例提供的另一种语句意图识别方法的流程示意图。
[0057]
如图2所示，该方法可以包括以下步骤：
[0058]
步骤201，获取待识别的长语句。
[0059]
步骤202，将长语句拆分为对应的多个短语句。
[0060]
步骤203，根据短语句识别模型，对长语句的多个短语句进行意图识别，得到各个短语句的意图。
[0061]
步骤204，将各个短语句的意图作为长语句的候选意图进行展示。
[0062]
本技术实施例中，长语句的个数为多个。其中，对于每一个长语句，均执行上述的
步骤201至204，原理相同，本实施例中不再赘述。
[0063]
步骤205，响应于对多个候选意图的最后一次选择操作，确定长语句的目标意图。
[0064]
其中，用户在展示界面中对多个候选意图进行选择时，存在多次点选、误点选的情况，使得收集到的长语句对应的目标意图存在一定的错误，为了保证较高的意图确定的准确度，对获取得到的长语句的目标意图进行清洗。
[0065]
本技术实施例的一种实现方式中，选择操作为多次，也就是说用户在展示界面中针对一个长语句的候选意图执行了多次选择操作，其中，最后一次选择操作是用户确定了长语句的正确意图后，执行的选择操作，而中间的选择操作为思考过程中的选择操作，因此，最后一次选择操作的可信度高于中间的选择操作，从而，将最后一次选择操作确定的候选意图，作为长语句的目标意图。
[0066]
步骤206，对多个长语句进行相似度匹配，以得到多组匹配的长语句。
[0067]
本技术实施例的一种实现方式中，可以对多个长语句按照长语句的句子结构和语义进行相似度匹配，以得到多组匹配的长语句，例如，每组长语句中，各个长语句的提问方式相同，其中，提取方式匹配，可以指每组长语句子中包含的句子个数相同，整体的语义相同。
[0068]
步骤207，对同一组内的各长语句，确定目标意图对应的目标短语句在所属长语句中的位置。
[0069]
本技术实施例中，对同一组内的每一个长语句，确定该长语句的目标意图对应的目标短语句在该长语句中的位置，例如，长语句“我昨天安装了柜子，安装的时候发现柜子门有裂缝，需要返厂处理，柜子门什么时候可以修好发货？”其中，确定的该长语句的目标意图为“柜子门的发货时间”。目标意图对应的目标短语句为“柜子门什么时候可以修好发货”，该目标短语句在长语句中的位置为第4个短语句。
[0070]
步骤208，根据同一组内的各长语句中目标短语句所处位置，对各个长语句的目标意图进行修正。
[0071]
本技术实施例中，对同一组内的各长语句中目标短语句所处位置进行统计，得到位置相同的目标短语句的占比，而占比不同，对同一个组内各个长语句的目标意图进行修正的方式也不同，下面采用不同的实现方式具体说明。
[0072]
在本技术实施例的第一种实现方式中，统计位置相同的目标短语句的占比，在占比大于阈值的情况下，根据位置相同的目标短语句的意图，更新同一组内的长语句的目标意图，也就是说位置相同的目标短语句的占比大于阈值，也就是说同一组内大部分的长语句具有相同的目标短语句的位置分布，从而，根据占比较大的目标短语句的位置分布，更新同一组内目标短语句位置不同的目标短语句，以实现对目标意图的更新。例如，一组长语句为 3个，分别为a、b和c，长语句a和b的目标短语句在长语句a和b中的位置均为第二个短语句，而长语句c的目标短语句在长语句c中的位置为第三个短语句，因此，需要将长语句c的目标意图更新为长语句a或者是长语句b的目标意图，实现了对长语句c的目标意图的修正，提高了长语句目标意图的准确性。
[0073]
在本技术实施例的第二种实现方式中，统计位置相同的目标短语句的占比，在占比大于阈值的情况下，根据位置相同的目标短语句在所属长语句中的位置，更新同一组内位置不相同的目标短语句的位置，进而根据更新的目标短语句的位置，更新该长语句的目
标意图。
[0074]
例如，一组长语句为3个，分别为a、b和c，长语句a和b的目标短语句在长语句 a和b中的位置均为第二个短语句，而长语句c的目标短语句在长语句c中的位置为第三个短语句，因此，需要将长语句c的目标短语句的位置更新为第二个短语句，并将第二个短语句的意图，作为长语句c的目标意图，实现了对长语句c的目标意图的修正，提高了长语句目标意图的准确性。
[0075]
在本技术实施例的第三种实现方式中，在位置相同的目标短语句的占比小于或等于阈值的情况下，展示提示信息，其中，提示信息用于提示重新执行选择操作。其中，位置相同的目标短语句的占比小于或等于阈值，说明该组长语句中，长语句的目标意图对应的目标短语句在所属长语句中的位置的分布偏差较大，例如，一组长语句为2个，分别为a和 c，长语句a的目标短语句在长语句a中的位置为第二个短语句，而长语句c的目标短语句在长语句c中的位置为第三个短语句，因此，无法基于该组长语句中目标意图对应的目标短语在所属长语句中的分布情况，进行更新以提高准确度，因此，需要展示提示信息，该提示信息可以通过操作界面进行提示，或者是先通过语音进行提示，进而展示操作界面，又或者是先通过指示灯进行提示，进而展示操作界面，以使得用户可以在该操作界面中重新执行选择操作，以选择长语句a和长语句c的目标意图，以提高长语句目标意图的准确性。
[0076]
步骤209，根据各个长语句和长语句的目标意图，对长语句识别模型进行训练，以使得训练得到的长语句识别模型学习到长语句和长语句的目标意图的对应关系。
[0077]
本技术实施例中，通过将各个长语句进行切分得到的多个短语句，采用训练好的识别准确度较高的短语句识别模型进行识别，以得到各个短语句的意图，通过用户的选择操作，以准确确定长语句对应的目标意图，确定的长语句的目标意图，作为长语句的标注信息，相比于用户追个对每一个长语句进行标注，提高了标注效果。将各个长语句和长语句的目标意图，对长语句识别模型进行训练，根据长语句识别模型输出得到的长语句的意图和标注的长语句的目标意图进行比对，根据差异调整长语句识别模型的参数，以使得长语句识别模型收敛得到训练完成的长语句识别模型，以使得训练得到的长语句识别模型学习到长语句和长语句的目标意图的对应关系。
[0078]
本技术实施例的语句意图识别方法中，获取待识别的长语句，将长语句拆分为多个短语句，对多个短语句进行意图识别，得到各个短语句的意图，将各个短语句的意图作为长语句的候选意图进行展示，响应于对多个候选意图的选择操作，确定长语句的目标意图，进而将长语句和长语句的目标意图作为训练样本，对长语句识别模型进行训练，使得训练得到的长语句识别模型可以对长语句直接识别得到长语句的意图，通过在与用户交互中自动获取训练语料，只需要在数据清洗阶段进行少量人工参与标注，最终，通过收集到的语料训练长语句识别模型直接进行意图预测，达成耗费资源少，识别效果好的目的。
[0079]
基于上述实施例，本技术实施例提供了一种语句应答方法，图3为本技术实施例提供的一种语句应答方法的流程示意图，如图3所示，该方法包括：
[0080]
步骤301，获取待识别的长语句。
[0081]
步骤302，将长语句输入训练得到的长语句识别模型，得到长语句对应的意图。
[0082]
本技术实施中，训练得到的长语句识别模型已经学习到长语句和长语句的目标意图的对应关系，从而将待识别的长语句输入长语句识别模型，可以直接输出长语句对应的
意图。
[0083]
步骤303，根据意图，确定长语句的应答信息。
[0084]
作为一种实现方式，可将长语句识别模型输出的意图，输入应答模型，以得到意图对应的应答信息，即得到长语句的应答信息。
[0085]
作为另一种实现方式，长语句识别模型可以包含意图识别网络和应答输出网络，将意图识别网络输出的意图，输入应答输出网络，以得到意图对应的应答信息，即得到长语句的应答信息。
[0086]
本技术实施例的语句应答方法中，通过训练得到的长语句识别模型，可直接对长语句识别得到对应的意图，以及得到应答信息，实现了准确的进行长语句的识别和应答输出，实现了在较少的成本投入上，获取较好的识别效果。
[0087]
为了实现上述实施例，本技术还提出一种语句意图识别装置。
[0088]
图4为本技术实施例提供的一种语句意图识别装置的结构示意图。
[0089]
如图4所示，该装置包括：
[0090]
获取模块41，用于获取待识别的长语句。
[0091]
拆分模块42，用于将所述长语句拆分为多个短语句。
[0092]
识别模块43，用于对所述多个短语句进行意图识别，得到各个所述短语句的意图。
[0093]
展示模块44，用于将各个所述短语句的意图作为所述长语句的候选意图进行展示。
[0094]
确定模块45，用于响应于对所述多个候选意图的选择操作，确定所述长语句的目标意图。
[0095]
进一步地，在本技术实施例的一种实现方式中，选择操作为多次，确定模块45，包括：
[0096]
第一确定单元，用于响应于对所述多个候选意图的最后一次选择操作，确定所述长语句的目标意图。
[0097]
在本技术实施例的一种实现方式中，长语句的个数为多个，确定模块45，还包括：
[0098]
匹配单元，用于对多个所述长语句进行相似度匹配，以得到多组匹配的长语句。
[0099]
第二确定单元，用于对同一组内的各长语句，确定所述目标意图对应的目标短语句在所属长语句中的位置。
[0100]
修正单元，用于根据同一组内的各长语句中所述目标短语句所处位置，对各个长语句的目标意图进行修正。
[0101]
在本技术实施例的一种实现方式中，修正单元，具体用于：
[0102]
统计所述位置相同的目标短语句的占比；
[0103]
在所述占比大于阈值的情况下，根据所述位置相同的目标短语句的意图，更新同一组内的长语句的目标意图；
[0104]
在所述占比小于或等于阈值的情况下，展示提示信息；其中，所述提示信息用于提示重新执行所述选择操作。
[0105]
在本技术实施例的一种实现方式中，长语句的个数为多个，所述装置，还包括：
[0106]
训练模块，用于根据各个所述长语句和所述长语句的目标意图，对长语句识别模型进行训练，以使得训练得到的长语句识别模型学习到所述长语句和所述长语句的目标意
图的对应关系。
[0107]
在本技术实施例的一种实现方式中，识别模块43，用于：
[0108]
将所述多个短语句，分别输入短语句识别模型，得到各个所述短语句对应的意图。
[0109]
需要说明的是，前述对方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。
[0110]
本技术实施例的语句意图识别装置中，获取待识别的长语句，将长语句拆分为多个短语句，对多个短语句进行意图识别，得到各个短语句的意图，将各个短语句的意图作为长语句的候选意图进行展示，响应于对多个候选意图的选择操作，确定长语句的目标意图，通过对多个短语句识别得到的多个意图，由用户选择确定长语句的目标意图，提高了长语句的意图识别的准确性，进而将长语句和长语句的目标意图作为训练样本，对长语句识别模型进行训练，使得训练得到的长语句识别模型可以对长语句直接识别得到长语句的意图，提高了长语句识别的准确度。
[0111]
为了实现上述实施例，本技术还提出一种语句应答装置。
[0112]
图5为本技术实施例提供的一种语句应答装置的结构示意图。
[0113]
如图5所示，该装置包括：
[0114]
获取模块51，用于获取待识别的长语句。
[0115]
识别模块52，用于将所述长语句输入训练得到的长语句识别模型，得到所述长语句对应的意图。
[0116]
确定模块53，用于根据所述意图，确定所述长语句的应答信息。
[0117]
需要说明的是，前述对方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。
[0118]
本技术实施例的语句应答装置中，通过训练得到的长语句识别模型，可直接对长语句识别得到对应的意图，以及得到应答信息，实现了准确的进行长语句的识别和应答输出。
[0119]
为了实现上述实施例，本技术实施例提出了一种电子设备，包括：
[0120]
至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，
[0121]
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述方法实施例所述的方法，例如，实现图 1至图2的实施例对应的方法，或者是实现图3实施例对应的方法。
[0122]
为了实现上述实施例，本技术实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行前述方法实施例所述的方法，例如，实现图1和图2的实施例对应的方法，或者是实现图3实施例对应的方法。
[0123]
为了实现上述实施例，本技术实施例提出了一种计算机程序产品，包含计算机指令，当所述计算机指令在被处理器执行时实现前述方法实施例所述的方法，例如，实现图1至图2的实施例对应的方法，或者是实现图3实施例对应的方法。
[0124]
图6为本技术实施例提供的一种示例性电子设备的框图。图6显示的电子设备12仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
[0125]
如图6所示，电子设备12以通用计算设备的形式表现。电子设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，存储器28，连接不同系统组件(包括存储
器28和处理单元16)的总线18。
[0126]
总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(industry standard architecture；以下简称：isa)总线，微通道体系结构(micro channel architecture；以下简称：mac)总线，增强型isa总线、视频电子标准协会(video electronics standards association；以下简称： vesa)局域总线以及外围组件互连(peripheral component interconnection；以下简称：pci) 总线。
[0127]
电子设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
[0128]
存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器 (random access memory；以下简称：ram)30和/或高速缓存存储器32。电子设备12 可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如：光盘只读存储器(compact disc readonly memory；以下简称：cd
‑
rom)、数字多功能只读光盘(digital video disc read onlymemory；以下简称：dvd
‑
rom)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本技术各实施例的功能。
[0129]
具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本技术所描述的实施例中的功能和/或方法。
[0130]
电子设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24等) 通信，还可与一个或者多个使得用户能与该电子设备12交互的设备通信，和/或与使得该电子设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，电子设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(local area network；以下简称：lan)，广域网(wide area network；以下简称：wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与电子设备12的其它模块通信。应当明白，尽管图6中未示出，可以结合电子设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0131]
处理单元16通过运行存储在存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现前述实施例中提及的方法。
[0132]
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技术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
必须针对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一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领字段的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0133]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0134]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本技术的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本技术的实施例所属技术领字段的技术人员所理解。
[0135]
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。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。
[0136]
应当理解，本技术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。如，如果用硬件来实现和在另一实施方式中一样，可用本领字段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。
[0137]
本技术领字段的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0138]
此外，在本技术各个实施例中的各功能单元可以集成在一个处理模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0139]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本技术的限制，本领字段的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。