一种基于权重衰减的注意力图的生成方法、装置以及设备与流程

1.本说明书涉及互联网技术领域，尤其涉及一种基于权重衰减的注意力图的生成方法、装置以及设备。


背景技术：

2.在当前，在线学习已经成为学习者的主要学习方式。知识追踪模型作为在线学习的关键部分，主要通过跟踪学习者在学习过程中知识掌握程度的变化，来预测学习者在未来练习中的表现。传统的知识追踪模型，往往忽略了学习者在学习过程中可能的遗忘行为等方面的因素，也并不关注最近相关问题和其他问题之间的相关性，这导致在模型训练和预测时生成的注意力图难以准确捕捉得到相关特征。
3.基于此，需要一种在知识追踪模型中包含准确特征的注意力图的生成方案。


技术实现要素：

4.本说明书实施例提供一种基于权重衰减的注意力图的生成方法、装置、设备以及存储介质，用以解决如下技术问题：需要一种在知识追踪模型中包含准确特征的注意力图的生成方案。
5.为解决上述技术问题，本说明书一个或多个实施例是这样实现的：
6.在第一方面，本说明书实施例提供一种基于权重衰减的注意力图的生成方法，应用于包含知识点和时间的知识点序列中，所述方法包括：确定所述知识点序列所对应的特征矩阵，所述特征矩阵包括键矩阵k、查询矩阵q和值矩阵v；获取第i个知识点在所述查询矩阵q中的特征值qi，以及，获取第j个知识点在所述键矩阵k中的特征值kj，其中，所述第j个知识点为与所述第i个知识点相关的前一个知识点；确定所述第i个知识点与所述第j个知识点的时间差δ(ti,tj)，确定包含所述时间差和衰减参数θ的衰减函数γ(ti,tj,θ)，其中，所述θ为可学习的衰减参数；根据所述特征值qi、特征值kj、所述衰减函数γ(ti,tj,θ)和所述值矩阵v生成注意力图。
7.在第二方面，本说明书实施例提供一种基于权重衰减的注意力图的生成装置，应用于包含知识点和时间的知识点序列中，所述装置包括：特征确定模块，确定所述知识点序列所对应的特征矩阵，所述特征矩阵包括键矩阵k、查询矩阵q和值矩阵v；特征值获取模块，获取第i个知识点在所述查询矩阵q中的特征值qi，以及，获取第j个知识点在所述键矩阵k中的特征值kj，其中，所述第j个知识点为与所述第i个知识点相关的前一个知识点；衰减模块，确定所述第i个知识点与所述第j个知识点的时间差δ(ti,tj)，确定包含所述时间差和衰减参数θ的衰减函数γ(ti,tj,θ)，其中，所述θ为可学习的衰减参数；注意力图生成模块，根据所述特征值qi、特征值kj、所述衰减函数γ(ti,tj,θ)和所述值矩阵v生成注意力图。
8.在第三方面，本说明书一个或多个实施例提供一种电子设备，包括：
9.至少一个处理器；以及，
10.与所述至少一个处理器通信连接的存储器；其中，
11.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如第一方面所述的方法。
12.在第四方面，本说明书实施例提供一种非易失性计算机存储介质存储有计算机可执行指令，当计算机读取存储介质中的计算机可执行指令后，该指令使得一个或多个处理器执行如第一方面所述的方法。
13.本说明书一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果：通过确定所述知识点序列所对应的特征矩阵，所述特征矩阵包括键矩阵k、查询矩阵q和值矩阵v；获取第i个知识点在所述查询矩阵q中的特征值qi，以及，获取第j个知识点在所述键矩阵k中的特征值kj，其中，所述第j个知识点为与所述第i个知识点相关的前一个知识点；确定所述第i个知识点与所述第j个知识点的时间差δ(ti,tj)，确定包含所述时间差和衰减参数θ的衰减函数γ(ti,tj,θ)，其中，所述θ为可学习的衰减参数；根据所述特征值qi、特征值kj、所述衰减函数γ(ti,tj,θ)和所述值矩阵v生成注意力图，从而通过考虑学习者遗忘行为的时间间隔因素来强化最近相关问题和其他问题的表现信息，从而计算得到包含准确特征的注意力图，有利于训练得到高精度模型和后续预测。
附图说明
14.为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
15.图1为本说明书实施例提供的一种基于权重衰减的注意力图的生成方法的流程示意图；
16.图2为本说明书实施例所提供的一种学习者回答知识点的相关性的示意图；
17.图3为本说明书实施例所提供的一种遗忘曲线的示意图；
18.图4为本说明书实施例提供的一种基于权重衰减的注意力图的生成装置的结构示意图；
19.图5为本说明书实施例提供的一种电子设备的结构示意图。
具体实施方式
20.本说明书实施例提供一种基于权重衰减的注意力图的生成方法、装置、设备以及存储介质。
21.为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
22.如图1所示，图1为本说明书实施例提供的一种基于权重衰减的注意力图的生成方法的流程示意图，应用于包含知识点和时间的知识点序列中，所述方法包括：
23.s101：确定所述知识点序列所对应的特征矩阵，所述特征矩阵包括键矩阵k、查询
矩阵q和值矩阵v。
24.首先，设s＝{(c1,t1.r1),...,(cn,tn.rn)}表示包含一系列知识点和时间的知识点序列，其中，ti表征事件学习者回答第i个问题时的时间戳，其中，1≤i≤n。ci指的是学习者回答第i个问题的问题信息，例如问题所属的知识概念类型，指示概念类型编码可以使用诸如数字或者字母等one-hot编码的形式来表征。ri∈{0，1}指的是学习者回答第i个问题的响应信息，例如其中0表示响应错误，1表示响应正确。
25.例如，知识点序列中一个典型的知识点的形式可能是(1，ti，0)，这表示该学习者在回答第i个问题时的时间为ti，同时该问题的类型编码为“1”，回答结果为“错误”。
26.可以预先设置好相应的可学习的映射函数映射函数将相应的知识点中所包含的c以及r映射至d维空间而得到对应的基础特征x，基础特征可以分别包括对于前述的c、t以及r所对应的映射子矩阵。
27.在得到关于事件序列的基础特征x之后，即可以使用wk、wq和wv三个权重矩阵与x相乘来得到对应的获取所述事件序列所对应的特征矩阵。例如，基础特征x与前述的权重矩阵wk相乘，即得到对应的键矩阵k；基础特征x与前述的权重矩阵wq相乘，即得到对应的查询矩阵q；基础特征x与前述的权重矩阵wv相乘，即得到对应的值矩阵v。生成得到的键矩阵k、查询矩阵q中的每一行实际上都对应了该知识点序列中的一个知识点。
28.s103，获取第i个知识点在所述查询矩阵q中的特征值qi，以及，获取第j个知识点在所述键矩阵k中的特征值kj。
29.注意力图需要计算任意的两个知识点之间的注意力分，用以表征两个知识点之间的相关性。即对于任意的当前知识点，可以将其确定为第i个知识点，同时计算第j个知识点与之的相关性。
30.但在常规方式的计算中，一般并不考虑学习者在学习的过程中，可能会出现的记忆衰退的情况。换言之，为了更好地模拟学习者的知识状态随时间的变化过程，需要强调最近的相关问题的表现信息。
31.因此，在计算第j个知识点与第i个知识点之间的相关性时，首先知道与所述第i个知识点相关的前一个知识点并将其确定为第j个知识点。这里的相关可以指的是知识点类型相同或者相近。
32.如图2所示，图2为本说明书实施例所提供的一种学习者回答知识点的相关性的示意图。在该示意图中，以第i个知识点作为当前知识点，在第i个知识点和第j个知识点之间可以存在与第i个知识点无关的其它知识点(也可以不存在)，以及，在第i个知识点和第j个知识点之间不存在其它与第i个知识点相关的其它知识点。
33.换言之，第j个知识点在有与第i个知识点存在相关性的知识点中，最靠近第i个知识点，即距离当前时间最近的上一次学习过的相关知识点。
34.可以通过知识点序列中所对应的编码来确定两个知识点是否存在相关性。例如，若相关性的判定条件为要求两个知识点相同，则对于序列中所包含的知识点(1，ti，0)和(1，tj，1)，二者由于知识点类型的编码均为“1”，则可以确定二者为存在相关性的知识点。
35.若相关性的判定条件为要求两个知识点类似，那么可以在对编码时将类似的知识点采用临近的数字编码，从而若两个编码的距离不超过预设距离,(例如，预设距离为2)，都可以认定两个知识点类似而存在相关性。例如，则对于序列中所包含的知识点(1，ti，0)和
(3，tj，1)，二者由于知识点类型的编码的距离为2不超过预设距离，因此，可以认定两个知识点类似而存在相关性。
36.又例如，还可以使用皮尔逊相关系数r来表征两个数字序列(即列、列表、序列等)之间的相关程度，r值是介于-1和1之间的数字。通过计算两个知识点类型的编码的r值来确定是正相关、不相关、还是负相关。r越接近1，正相关越强，r越接近-1，负相关越强(即列越“相反”)，r越接近0，相关性越弱。
37.s105，确定所述第i个知识点与所述第j个知识点的时间差δ(ti,tj)，确定包含所述时间差和衰减参数θ的衰减函数γ(ti,tj,θ)，其中，所述θ为可学习的衰减参数。
38.如前所述，由于在学习的过程中，会出现记忆衰退的情况，并且时间间隔越久，遗忘的程度越大。如图3所示，图3为本说明书实施例所提供的一种遗忘曲线的示意图。统计表示，在人们学习后的20分钟内，只有58％的知识经验被保留，而这个数字在1天内下降到了33.7％。
39.因此，当我们预测学习者对当前问题的响应时，与当前问题相关的太早的早期问题并不能为当前问题的响应提供有效的帮助，而需要强调最近的相关问题的表现信息。即需要重点关注前述的第i个知识点与第j个知识点之间的相关性。
40.基于此，在本说明书实施例中引入相应的衰减函数γ(ti,tj,θ)，该函数中包含第i个知识点与所述第j个知识点的时间差δ(ti,tj)和衰减参数θ，从而可以通过时间差δ(ti,tj)来表征记忆力的衰减情形，θ为可学习的衰减参数，其形式为矩阵。对于衰减函数γ(ti,tj,θ)的具体形式，可以根据实际需要进行设定，例如，可以是指数形式、幂函数形式以及绝对值形式等等。
41.s107，根据所述特征值qi、特征值kj、所述衰减函数γ(ti,tj,θ)和所述值矩阵v生成注意力图。
42.在确定衰减函数γ(ti,tj,θ)之后，即可以首先根据所述特征值qi、特征值kj生成原始注意力分数s
i,j
。
43.例如，确定所述特征值kj的转置向量kj
t
，从而可以将所述qi和转置向量k
jt
相乘计算得到原始注意力分数并基于原始注意力分数s
i,j
和所述衰减函数γ(ti,tj,θ)进行记忆力衰减，从而得到新的注意力分数s
i,j,γ
。
44.进而，可以将新的注意力分数与所述值矩阵v相乘，即生成得到注意力图。例如，可以采用如下公式计算得到注意力图：
[0045][0046]
其中的τ表征与当前编码序列中所有知识点当中任意一个，α
i,j
即表征了第i个知识点与所述第j个知识点的相关性大小。生成得到的注意力图中的第i行第j列元素即表征了知识点序列中的第j个知识点对于第i个知识点的影响权重。
[0047]
通过确定所述知识点序列所对应的特征矩阵，所述特征矩阵包括键矩阵k、查询矩阵q和值矩阵v；获取第i个知识点在所述查询矩阵q中的特征值qi，以及，获取第j个知识点
在所述键矩阵k中的特征值kj，其中，所述第j个知识点为与所述第i个知识点相关的前一个知识点；确定所述第i个知识点与所述第j个知识点的时间差δ(ti,tj)，确定包含所述时间差和衰减参数θ的衰减函数γ(ti,tj,θ)，其中，所述θ为可学习的衰减参数；根据所述特征值qi、特征值kj、所述衰减函数γ(ti,tj,θ)和所述值矩阵v生成注意力图，从而通过考虑学习者遗忘行为的时间间隔因素来强化最近相关问题和其他问题的表现信息，从而计算得到包含准确特征的注意力图，有利于训练得到高精度模型和后续预测。
[0048]
在一种实施例中，融合所述原始注意力分数s
i,j
和所述衰减函数γ(ti,tj,θ)生成新注意力分数s
i,j,γ
时，可以根据实际情形采用不同的方式进行。
[0049]
例如，可以将所述原始注意力分数s
i,j
与所述衰减函数γ(ti,tj,θ)相乘生成新注意力分数s
i,j,γ
，即可以采用如下方式生成新注意力分数s
i,j,γ
：
[0050][0051]
又例如，还可以将所述原始注意力分数s
i,j
与所述衰减函数γ(ti,tj,θ)相减生成新注意力分数s
i,j,γ
，即可以采用如下方式生成新注意力分数s
i,j,γ
：
[0052][0053]
此外需要说明的是，在前述方式给出了的一种具体形式，但是在实际应用中，包含所述时间差和衰减参数θ的函数形式可以是根据实际需要所设定的各种样式，包括指数函数形式、幂函数形式以及绝对值的比值形式等等。
[0054]
例如，包含所述时间差和衰减参数θ的指数函数形式的衰减函数γ(ti,tj,θ)中，所述时间差和衰减参数θ为所述指数函数形式的衰减函数γ(ti,tj,θ)中的自变量，其形式可以如前所述为
[0055]
又例如，在包含所述时间差和衰减参数θ的幂函数形式的衰减函数γ(ti,tj,θ)中，所述时间差和衰减参数θ为所述幂函数形式的衰减函数γ(ti,tj,θ)中的自变量时，其形式可以如下所示：
[0056]
又例如，所述衰减函数γ(ti,tj,θ)还可以是时间差和衰减参数θ的比值形式，其形式可以如下所示：
[0057]
在实际应用中，我们除了要考虑当前问题和上一个相关问题之间的时间间隔对权重衰减的影响之外，还需考虑当前问题和上一个相关问题之间的其他问题对于权重衰减的
影响，如图2所示，在第i个问题和与之相关的第j个问题之间还可以存在其他的问题(即时间tk所对应的知识点)。因此，在一种实施例中，本技术方案还考虑了所述i个知识点与所述第j个知识点在所述序列中是否相邻，当不相邻时，确定所述第i个知识点与所述第j个知识点之间所存在的其它知识点，根据所述其它知识点对所述衰减函数γ(ti,tj,θ)进行修正。
[0058]
由于长时间不学习会出现记忆力下降的情况，当第i个问题与上一个相关的第j个问题之间的时间间隔较长时，如果学习者在此期间没有学习其他问题，那么注意力权重衰减的幅度较大。相反，如果学习者在此期间仍在学习其他第k个问题(第k个问题可以是多个)，那么注意力权重衰减的幅度较小。
[0059]
基于此，可以确定所述第i个知识点与所述其它知识点的时间差δ(ti,tk)，其中，δ(ti,tk)＝|t
i-tk|，进而确定所述δ(ti,tk)与所述δ(ti,tj)的比值p，根据所述p对所述衰减函数γ(ti,tj,θ)进行修正。
[0060]
比值p实际上反映了在学习同一个相关问题的时间间隔之内，学习者是否在持续的进行其它问题的学习。因此，若在第i个问题和第j个问题之间不存在其他知识点，那么相应的衰减系数保持不变，相应的，若第i个问题和第j个问题之间存在其他知识点，那么相应的应当增大衰减系数，使得注意力权重衰减的幅度较小。
[0061]
基于此，在根据所述δ(ti,tk)与所述δ(ti,tj)的比值对所述衰减函数γ(ti,tj,θ)进行修正时，可以采用如下方式，即确定包含λ、所述衰减函数γ(ti,tj,θ)和所述p的修正项φ，其中，所述λ为可学习的修正参数；将所述修正项φ和所述衰减函数γ(ti,tj,θ)的和γ(ti,tj,tk,θ,λ)确定为所述衰减函数γ(ti,tj,θ)的修正值，其中，修正项φ的大小与第i个知识点和所述第j个知识点之间的其它知识点的数量正相关，与所述比值p也同样正相关。
[0062]
例如，一种修正项的形式可以如下:
[0063]
tk是指学习者回答当前问题和上一个相关问题之间的其他问题的时间戳，λ是可学习的修正参数。
[0064]
相应的，在根据所述修正项φ对所述衰减函数γ(ti,tj,θ)进行修正时，可以采用如下方式进行修正：
[0065]
即当j与i相邻时，不进行修正，当j与i不相邻时，基于二者之间所存在的其它问题的数量和相对时间比值p对衰减系数进行修正，从而可以更准确的反映出学习者在学习同一相关知识点的间隔中，是否学习了其它知识点所造成的记忆衰减的影响。
[0066]
在训练阶段，模型在得到注意力图之后，即可以基于注意力图来生成输出向量，并对输出向量解码得到预测向量，并计算数据残差，并基于数据残差对所述模型中的可训练参数(包括衰减函数中的θ以及λ等等参数)进行训练。在模型训练结束之后用于预测时，即可基于注意力图来生成输出向量，并对输出向量解码来预测学习者对于当前知识点的掌握情形。
[0067]
基于同样的思路，本说明书一个或多个实施例还提供了上述方法对应的装置和设
备，如图4、图5所示。
[0068]
在第二方面，如图4所示，图4为本说明书实施例提供的一种基于权重衰减的注意力图的生成装置的结构示意图，应用于包含知识点和时间的知识点序列中，所述装置包括：
[0069]
特征确定模块401，确定所述知识点序列所对应的特征矩阵，所述特征矩阵包括键矩阵k、查询矩阵q和值矩阵v；
[0070]
特征值获取模块403，获取第i个知识点在所述查询矩阵q中的特征值qi，以及，获取第j个知识点在所述键矩阵k中的特征值kj，其中，所述第j个知识点为与所述第i个知识点相关的前一个知识点；
[0071]
衰减模块405，确定所述第i个知识点与所述第j个知识点的时间差δ(ti,tj)，确定包含所述时间差和衰减参数θ的衰减函数γ(ti,tj,θ)，其中，所述θ为可学习的衰减参数；
[0072]
注意力图生成模块407，根据所述特征值qi、特征值kj、所述衰减函数γ(ti,tj,θ)和所述值矩阵v生成注意力图。
[0073]
可选地，所述注意力图生成模块407，根据所述特征值qi、特征值kj生成原始注意力分数s
i,j
；融合所述原始注意力分数s
i,j
和所述衰减函数γ(ti,tj,θ)生成新注意力分数s
i,j,γ
。
[0074]
可选地，所述注意力图生成模块407，将所述原始注意力分数s
i,j
与所述衰减函数γ(ti,tj,θ)相乘生成新注意力分数s
i,j,γ
；或者，将所述原始注意力分数s
i,j
与所述衰减函数γ(ti,tj,θ)相减生成新注意力分数s
i,j,γ
。
[0075]
可选地，所述衰减模块405，确定包含所述时间差和衰减参数θ的指数函数形式的衰减函数γ(ti,tj,θ)，其中，所述时间差和衰减参数θ为所述指数函数形式的衰减函数γ(ti,tj,θ)中的自变量；或者，确定包含所述时间差和衰减参数θ的幂函数形式的衰减函数γ(ti,tj,θ)，其中，所述时间差和衰减参数θ为所述幂函数形式的衰减函数γ(ti,tj,θ)中的自变量。
[0076]
可选地，所述装置还包括修正模块409，确定所述第i个知识点与所述第j个知识点在所述序列中是否相邻；当不相邻时，确定所述第i个知识点与所述第j个知识点之间所存在的其它知识点，根据所述其它知识点对所述衰减函数γ(ti,tj,θ)进行修正。
[0077]
可选地，所述修正模块409，确定所述第i个知识点与所述其它知识点的时间差δ(ti,tk)；确定所述δ(ti,tk)与所述δ(ti,tj)的比值p，根据所述p对所述衰减函数γ(ti,tj,θ)进行修正。
[0078]
可选地，所述修正模块409，确定包含λ、所述衰减函数γ(ti,tj,θ)和所述p的修正项φ，其中，所述λ为可学习的修正参数；将所述修正项φ和所述衰减函数γ(ti,tj,θ)的和γ(ti,tj,tk,θ,λ)确定为所述衰减函数γ(ti,tj,θ)的修正值。
[0079]
可选地，所述装置还包括训练模块411，根据所述注意力图对所述衰减参数θ进行训练。
[0080]
在第三方面，如图5所示，图5为本说明书实施例提供的一种电子设备的结构示意图，所述设备包括：
[0081]
至少一个处理器；以及，
[0082]
与所述至少一个处理器通信连接的存储器；其中，
[0083]
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如第一方面所述的方法。
[0084]
在第四方面，基于同样的思路，本说明书实施例还提供了对应于上述方法的一种非易失性计算机存储介质，存储有计算机可执行指令，当计算机读取存储介质中的计算机可执行指令后，该指令使得一个或多个处理器执行如第一方面所述的方法。
[0085]
在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(programmable logic device,pld)(例如现场可编程门阵列(field programmable gate array，fpga))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片pld上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(hardware description language，hdl)，而hdl也并非仅有一种，而是有许多种，如abel(advanced boolean expression language)、ahdl(altera hardware description language)、confluence、cupl(cornell university programming language)、hdcal、jhdl(java hardware description language)、lava、lola、myhdl、palasm、rhdl(ruby hardware description language)等，目前最普遍使用的是vhdl(very-high-speed integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
[0086]
控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
[0087]
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
[0088]
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
[0089]
本领域内的技术人员应明白，本说明书实施例可提供为方法、系统、或计算机程序产品。因此，本说明书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，本说明书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。
[0090]
本说明书是参照根据本说明书实施例的方法、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。
[0091]
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。
[0092]
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设备上，使得在计算机或其他可编程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。
[0093]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0094]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0095]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0096]
还需要说明的是，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、商品或者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、商品或者设备所固有的要素。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、商品或者设备中还存在另外的相同要素。
[0097]
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
[0098]
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、设备、非易失性计算机存储介质实施例而言，由于其基本相似于方法实施例，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。
[0099]
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0100]
以上所述仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。