联系方式识别方法及装置与流程

本发明实施例涉及数据处理技术，尤其涉及一种联系方式识别方法及装置。

背景技术：

目前，很多文本的内容中包含联系方式，如联系电话、微信号、QQ号等，需要对该些联系方式进行识别以方便联系。

现有技术中，通过规则提取方式实现对文本中联系方式的识别。具体的，预先设置白名单数据库与黑名单数据库，白名单数据库中存储可能导致误判疑似区域为联系方式的词语，如车牌号、邮编、型号等词语，黑名单数据库中存储微信、电话号码、QQ号码等与联系方式相关的敏感词。当需要识别出文本中的联系方式时，从文本中提取出疑似联系方式的区域，称之为疑似区域。通过一定的规则，提取疑似区域附近的字符。例如，设定的规则为提取疑似区域左边的4个字符，将该4个字符形成的字符串与白名单数据库或黑名单数据库进行命中，若命中白名单数据库，则识别出疑似区域不是联系方式，若命中黑名单数据库，则识别出疑似区域为联系方式。当出现一些变形敏感词时，如VX(微信)、违信(微信)等，需要对黑名单数据库进行更新；同理，对白名单数据库也需要不断的更新维护，工作量大。若维护不及时或不全面，很容易导致误判的发生，召回率低。

技术实现要素：

本发明提供一种联系方式识别方法及装置，通过训练模型对文本中的联系方式进行识别，速度快、召回率高。

第一方面，本发明实施例提供一种联系方式识别方法，包括：

将待识别文本输入训练模型，所述训练模型为对至少一个样本训练得到的，所述样本为包含联系方式的文本；

通过所述训练模型识别所述待识别文本包含的联系方式。

在一种可行的实现方式中，所述将待识别文本输入训练模型之前，还包括：

对所述至少一个训练样本中的每个样本的文本内容进行矫正；

从矫正后的文本内容中确定出疑似区域，所述疑似区域为包含联系方式的区域；

提取子串，所述子串包括左子串，和/或，右子串，所述左子串包括所述疑似区域左边第一预设长度的、连续的字符串，所述右子串包括所述疑似区域右边第二预设长度的、连接的字符串；

对所述疑似区域进行特征提取，以提取出所述疑似区域的特征；

对所述子串进行特征提取，以提取出所述子串的特征；

对所述疑似区域的特征，以及所述子串的特征进行特征训练，得到所述训练模型。

在一种可行的实现方式中，所述对所述至少一个训练样本中的每个样本的文本内容进行矫正，包括下述矫正中的至少一种：

删除所述文本内容中的标签；

对所述文本内容中的字母进行大小写转换；

对所述文本内容中的数字转换为标准数字；

对所述文本内容中的中文进行归一化矫正；

将文本内容中的全角符号转换为半角符号。

在一种可行的实现方式中，所述对所述文本内容中的中文进行归一化矫正，包括：

对于所述文本内容中的每个中文，判断该中文是否为数字；

若所述中文为数字，则判断所述中文左右相邻的两个字符中，是否存在一个能转换为标准数字的字符，若存在，则将所述中文转换为标准数字。

在一种可行的实现方式中，所述疑似区域满足第一规则、第二规则与第三规则，其中，

所述第一规则下，所述疑似区域的首字符或尾字符为符号、字母或数字；

所述第二规则下，所述疑似区域的中间字符为符号、字母、数字或空格；

所述第三规则下，所述疑似区域的总长度为预设长度。

在一种可行的实现方式中，所述对所述疑似区域进行特征提取，包括下述特征提取中的至少一个：

统计所述疑似区域中特定字符的个数；

确定所述疑似区域中连续数字的长度；

确定所述疑似区域中冒号的个数；

确定所述疑似区域中连续字符串的个数；

从所述疑似区域中提取生僻字以及形近字。

在一种可行的实现方式中，所述子串具体为所述左子串或所述右子串，所述对所述子串进行特征提取，包括下述特征提取中的至少一个：

从所述子串中，确定出第三预设长度的字符串，所述第三预设长度的字符串为与所述疑似区域距离最近的字符串，确定所述第三预设长度的字符串中每个字符的首字母，根据所述首字母确定出至少一个二元组，以及所述至少一个二元组的位置关系；

对所述子串进行分词，确定所述分词后的子串中单独字的个数；

从所述子串中，确定出第四预设长度的字符串，所述第四预设长度的字符串为与所述疑似区域最近的字符串，确定所述第四预设长度的字符串中每个词的词性，以及每个词之间的位置关系；

从所述子串中提取生僻字以及形近字。

在一种可行的实现方式中，上述的方法还包括：

从所述疑似区域和/或所述子串中提取出敏感词以及型号特征；

所述对所述疑似区域的特征，以及所述子串的特征进行特征训练，得到所述训练模型，包括：

对所述疑似区域的特征、所述子串的特征、所述敏感词以及型号特征进行特征训练，得到所述训练模型。

在一种可行的实现方式中，上述的方法还包括：

提取第一组合字符，所述第一组合字符包括所述左子串的尾字符，以及所述疑似区域的前两个字符；

所述对所述疑似区域的特征，以及所述子串的特征进行特征训练，得到所述训练模型，包括：

对所述疑似区域的特征、所述子串的特征以及所述第一组合字符进行特征训练，得到所述训练模型。

在一种可行的实现方式中，上述的方法还包括：

提取第二组合字符，所述第二组合字符包括所述左子串中的字符以及所述右子串中的字符；

所述对所述疑似区域的特征，以及所述子串的特征进行特征训练，得到所述训练模型，包括：

对所述疑似区域的特征、所述子串的特征、所述第二组合字符进行特征训练，得到所述训练模型。

第二方面，本发明实施例提供一种联系方式识别装置，包括：

输入模块，用于将待识别文本输入训练模型，所述训练模型为对至少一个样本训练得到的，所述样本为包含联系方式的文本；

识别模块，用于通过所述训练模型识别所述待识别文本包含的联系方式。

在一种可行的实现方式中，上述的装置还包括：

训练模块，用于在所述输入模块将待识别文本输入训练模型之前，对所述至少一个训练样本中的每个样本的文本内容进行矫正；从矫正后的文本内容中确定出疑似区域，所述疑似区域为包含联系方式的区域；提取子串，所述子串包括左子串，和/或，右子串，所述左子串包括所述疑似区域左边第一预设长度的、连续的字符串，所述右子串包括所述疑似区域右边第二预设长度的、连接的字符串；对所述疑似区域进行特征提取，以提取出所述疑似区域的特征；对所述子串进行特征提取，以提取出所述子串的特征；对所述疑似区域的特征，以及所述子串的特征进行特征训练，得到所述训练模型。

在一种可行的实现方式中，所述训练模块，具体用于通过下述矫正中的至少一种，对所述至少一个训练样本中的每个样本的文本内容进行矫正：

删除所述文本内容中的标签；

对所述文本内容中的字母进行大小写转换；

对所述文本内容中的数字转换为标准数字；

对所述文本内容中的中文进行归一化矫正；

将文本内容中的全角符号转换为半角符号。

在一种可行的实现方式中，所述训练模块，具体用于对于所述文本内容中的每个中文，判断该中文是否为数字；若所述中文为数字，则判断所述中文左右相邻的两个字符中，是否存在一个能转换为标准数字的字符，若存在，则将所述中文转换为标准数字。

在一种可行的实现方式中，所述疑似区域满足第一规则、第二规则与第三规则，其中，

所述第一规则下，所述疑似区域的首字符或尾字符为符号、字母或数字；

所述第二规则下，所述疑似区域的中间字符为符号、字母、数字或空格；

所述第三规则下，所述疑似区域的总长度为预设长度。

在一种可行的实现方式中，所述训练模块，具体用于通过下述特征提取中的至少一个，对所述疑似区域进行特征提取：

统计所述疑似区域中特定字符的个数；

确定所述疑似区域中连续数字的长度；

确定所述疑似区域中冒号的个数；

确定所述疑似区域中连续字符串的个数；

从所述疑似区域中提取生僻字以及形近字。

在一种可行的实现方式中，所述子串具体为所述左子串或所述右子串，具体用于通过下述特征提取中的至少一个，对所述子串进行特征提取：

从所述子串中，确定出第三预设长度的字符串，所述第三预设长度的字符串为与所述疑似区域距离最近的字符串，确定所述第三预设长度的字符串中每个字符的首字母，根据所述首字母确定出至少一个二元组，以及所述至少一个二元组的位置关系；

对所述子串进行分词，确定所述分词后的子串中单独字的个数；

从所述子串中，确定出第四预设长度的字符串，所述第四预设长度的字符串为与所述疑似区域最近的字符串，确定所述第四预设长度的字符串中每个词的词性，以及每个词之间的位置关系；

从所述子串中提取生僻字以及形近字。

在一种可行的实现方式中，所述训练模块，还用于从所述疑似区域和/或所述子串中提取出敏感词以及型号特征；对所述疑似区域的特征、所述子串的特征、所述敏感词以及型号特征进行特征训练，得到所述训练模型。

在一种可行的实现方式中，所述训练模块，还用于提取第一组合字符，所述第一组合字符包括所述左子串的尾字符，以及所述疑似区域的前两个字符；对所述疑似区域的特征、所述子串的特征以及所述第一组合字符进行特征训练，得到所述训练模型。

在一种可行的实现方式中，所述训练模块，还用于提取第二组合字符，所述第二组合字符包括所述左子串中的字符以及所述右子串中的字符；对所述疑似区域的特征、所述子串的特征、所述第二组合字符进行特征训练，得到所述训练模型。

本发明实施例提供的联系方式识别方法及装置，将待识别文本输入到预先训练好的训练模型中，通过训练模型对待识别文本进行识别，识别出待识别文本包含的联系方式。该过程中，训练模型为预先对至少一个样本训练得到的，样本为包含联系方式的文本，实现通过训练模型对文本中的联系方式进行识别的目的，识别速度快、召回率高。

附图说明

为了更清楚地说明本发明方法实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明方法的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明联系方式识别方法实施例一的流程图；

图2为本发明联系方式识别方法中对样本进行切割的示意图；

图3为本发明联系方式识别方法中训练模型的生成过程示意图；

图4为本发明联系方式识别装置实施例一的结构示意图；

图5为本发明联系方式识别装置实施例二的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。以下内容为结合附图及较佳实施例，对依据本发明申请的具体实施方式、结构、特征及其功效的详细说明。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

图1为本发明联系方式识别方法实施例一的流程图，包括：

101、将待识别文本输入训练模型，所述训练模型为对至少一个样本训练得到的，所述样本为包含联系方式的文本。

本发明实施例中，待识别文本为包含联系方式的文本，指网页、文档等的文字信息部分，联系方式例如为联系电话、微信号、QQ号等。本步骤中，将待识别文本输入预先训练好的训练模型，该训练模型例如为预先对至少一个样本训练得到的，其中，样本为包含联系方式的文本。

102、通过所述训练模型识别所述待识别文本包含的联系方式。

本步骤中，训练模型对待识别文本进行识别，识别出待识别文本包含的联系方式。

本发明实施例提供的联系方式识别方法，将待识别文本输入到预先训练好的训练模型中，通过训练模型对待识别文本进行识别，识别出待识别文本包含的联系方式。该过程中，训练模型为预先对至少一个样本训练得到的，样本为包含联系方式的文本，实现通过训练模型对文本中的联系方式进行识别的目的，识别速度快、召回率高。

下面，对如何对至少一个样本进行训练得到训练模型进行详细说明。具体的，可参见图2，图2为本发明联系方式识别方法中对样本进行切割的示意图。

请参照图2，训练模型(也称之为局部模型)中，对每个样本，从样本的文本内容中确定出疑似区域与子串，子串包括左子串和/或右子串，左子串为疑似区域左边的字符串，右子串为疑似区域右边的字符串。本发明实施例中，每个样本或待识别文本中的疑似区域至少为一个，对每个疑似区域提取子串，从而完成对样本或待识别文本的切割。

接下来，在上述图2的基础上，对本发明如何对至少一个样本进行训练得到训练模型进行详细说明。具体的，训练得到训练模型的过程包括：文本内容可容忍性矫正过程、疑似区域定位过程、子串提取过程、特征提取过程以及特征训练过程。

首先，文本内容可容忍性矫正过程。

该过程中，对于至少一个训练样本中的每个样本的文本内容进行矫正，从而对文本内容中的一些非恶意的字符、字母与数字等进行矫正，实现标准化。具体的，对至少一个训练样本中的每个样本的文本内容进行矫正，包括下述矫正中的至少一种：

删除文本内容中的标签，如超级文本标记语言(HyperText Markup Language，HTML)标签、脚本(script)、风格(style)标签等；

对文本内容中的字母进行大小写转换，例如，将所有的大写字母转换为小写字母；

对文本内容中的数字转换为标准数字，标准数字例如为0～9的罗马数字，将数字转换为标识数字，是指将非罗马数字的数字转换为标准数字，例如，将(1)～(20)、1.～20.、①～⑩、(-)……(+)、等转换为标准数字；

对文本内容中的中文进行归一化矫正，即对一二三四五六七八九十、零壹贰叁肆伍陆柒捌玖拾等，采用相邻比较归一化进行矫正，具体的，对于所述文本内容中的每个中文，判断该中文是否为数字，若所述中文为数字，则判断所述中文左右相邻的两个字符中，是否存在一个能转换为标准数字的字符，若存在，则将所述中文转换为标准数字；

将文本内容中的全角符号转换为半角符号。

其次，疑似区域定位过程。

本发明实施例中，使用宽泛的定位方法，从整片文本中定位出疑似为联系方式的区域，作为疑似区域，从而缩小后续的文本处理规模，为后续的特征提取做准备。

具体的，提取出的疑似区域满足第一规则、第二规则与第三规则，其中，第一规则下，疑似区域的首字符或尾字符为符号、字母或数字；第二规则下，疑似区域的中间字符为符号、字母、数字或空格；第三规则下，疑似区域的总长度为预设长度。

接着，子串提取过程。

具体的，左子串为与疑似区域相邻的、位于疑似区域左边的第一预设长度的连续字符串，右子串为与疑似区域相邻的、位于疑似区域右边的第二预设长度的连续字符串。其中，第一预设长度与第二预设长度可以根据需求设置，例如均为15个字符形成的字符串，当然，第一预设长度与第二预设长度也可以不同。

接着，特征提取过程。该过程包括子串特征提取、疑似区域特征提取、子串和疑似区域分别共有的特征的提取、第一组合字符的提取以及第二组合字符的提取。下面，对该些特征提取分别进行说明。

子串特征提取过程中，提取出的特征包括下述特征中的至少一个：

特征一、从所述子串中，确定出第三预设长度的字符串，所述第三预设长度的字符串为与所述疑似区域距离最近的字符串，确定所述第三预设长度的字符串中每个字符的首字母，根据所述首字母确定出至少一个二元组，以及所述至少一个二元组的位置关系。例如，文本内容包含“加我微信123456789并联系我”，假设第三预设长度为4个字符，第四预设长度也为四个字符，则疑似区域为123456789，左子串为加我微信，右子串为并联系我。以左子串为例，则左子串中的字符的拼音首字母分为为j、w、w、x，二元组依次未(j，w)、(w，w)、(w，x)。

特征二、对所述子串进行分词，确定所述分词后的子串中单独字的个数。同样假设文本内容包含“加我微信123456789并联系我”，左子串为加我微信，右子串为并联系我。以左子串为例，则对左子串进行分词，得到的分词包括“加”、“我”、“微信”，单独字的个数为2个。

特征三、从所述子串中，确定出第四预设长度的字符串，所述第四预设长度的字符串为与所述疑似区域最近的字符串，确定所述第四预设长度的字符串中每个词的词性，以及每个词之间的位置关系。继续沿用上述的例子，以左子串为例，假设第四预设长度为3，则左子串中的三个词分别为“加”、“我”、“微信”，则该三个词的词性依次为动词、名称代词与名词。

特征四、从所述子串中提取生僻字以及形近字。收集生僻字的时候，可采用跑海杜普(Hadoop)的方式进行提取；收集到形近字字后，对疑似相近的词语进行转换。

当子串中存在生僻字时，从子串中提取出生僻字；同理，当子串中存储形近字时，从子串中提取出形近字。

疑似区域特征提取过程，提取出的特征包括下述特征中的至少一个：

特征一、统计所述疑似区域中特定字符的个数，其中，特殊字符例如为“0”或者“o”。

特征二、确定所述疑似区域中连续数字的长度。

特征三、确定所述疑似区域中冒号的个数。

特征四、确定所述疑似区域中连续字符串的个数，例如，疑似区域包含“6000～7000”，则其中包含两个连续字符串，分别为“6000”、“7000”。

特征五、从所述疑似区域中提取生僻字以及形近字。收集生僻字的时候，可采用跑海杜普(Hadoop)的方式进行提取；收集到形近字字后，对疑似相近的词语进行转换。

子串和疑似区域分别共有的特征的提取，具体的，从所述疑似区域和/或所述子串中提取出敏感词以及型号特征。其中，敏感词例如为qq、tel、微信等与联系方式密切相关的词；型号特征例如为终端的型号等。此时，进行特征训练时，对所述疑似区域的特征、所述子串的特征、所述敏感词以及型号特征进行特征训练，得到所述训练模型。该过程中，也可以只提取敏感词或型号特征。

第一组合字符的提取。

具体的，所述第一组合字符包括所述左子串的尾字符，以及所述疑似区域的前两个字符。此时，进行特征训练时，对所述疑似区域的特征、所述子串的特征以及所述第一组合字符进行特征训练，得到所述训练模型。例如，文本内容包含“请加我VX123456并联系我”，则左子串为“请加我”，疑似区域为“VX123456”，提取出的第一组合字符为“我VX”。

第二组合字符的提取。

具体的，所述第二组合字符包括所述左子串中的字符以及所述右子串中的字符。此时，进行特征训练时，对所述疑似区域的特征、所述子串的特征、所述第二组合字符进行特征训练，得到所述训练模型。

最后，特征训练过程。

在对文本的文本内容特征提取接收后，使用随机森林分类器等对提取到的特征进行训练，从而得到训练模型。

综合上述，本发明实施例中，对至少一个样本进行训练得到训练模型的流程可总结为图3，图3为本发明联系方式识别方法中训练模型的生成过程示意图。

在采用上述的训练模型对待识别文本中的联系方式时，可以设置第一阈值(例如70％)，若识别出的联系方式的召回率高于该阈值，则说明通过训练模型，基本识别出了待识别文本中的所有联系方式，若识别出的联系方式低于第一阈值，例如介于40％～70％之间，则说明通过训练模型并未识别出待识别文本中的所有联系方式，此时，采用规则提取方式，对待识别文本进行进一步识别，以识别出训练模型未识别出的联系方式。

图4为本发明联系方式识别装置实施例一的结构示意图，包括：

输入模块11，用于将待识别文本输入训练模型，所述训练模型为对至少一个样本训练得到的，所述样本为包含联系方式的文本；

识别模块12，用于通过所述训练模型识别所述待识别文本包含的联系方式。

本发明实施例提供的联系方式识别装置，将待识别文本输入到预先训练好的训练模型中，通过训练模型对待识别文本进行识别，识别出待识别文本包含的联系方式。该过程中，训练模型为预先对至少一个样本训练得到的，样本为包含联系方式的文本，实现通过训练模型对文本中的联系方式进行识别的目的，识别速度快、召回率高。

图5为本发明联系方式识别装置实施例二的结构示意图。请参照图5，本发明实施例提供的联系方式识别装置，在上述图4的基础上，进一步的，还包括：

训练模块13，用于在所述输入模块11将待识别文本输入训练模型之前，对所述至少一个训练样本中的每个样本的文本内容进行矫正；从矫正后的文本内容中确定出疑似区域，所述疑似区域为包含联系方式的区域；提取子串，所述子串包括左子串，和/或，右子串，所述左子串包括所述疑似区域左边第一预设长度的、连续的字符串，所述右子串包括所述疑似区域右边第二预设长度的、连接的字符串；对所述疑似区域进行特征提取，以提取出所述疑似区域的特征；对所述子串进行特征提取，以提取出所述子串的特征；对所述疑似区域的特征，以及所述子串的特征进行特征训练，得到所述训练模型。

可选的，在本发明一实施例中，所述训练模块13，具体用于通过下述矫正中的至少一种，对所述至少一个训练样本中的每个样本的文本内容进行矫正：

删除所述文本内容中的标签；

对所述文本内容中的字母进行大小写转换；

对所述文本内容中的数字转换为标准数字；

对所述文本内容中的中文进行归一化矫正；

将文本内容中的全角符号转换为半角符号。

可选的，在本发明一实施例中，所述训练模块13，具体用于对于所述文本内容中的每个中文，判断该中文是否为数字；若所述中文为数字，则判断所述中文左右相邻的两个字符中，是否存在一个能转换为标准数字的字符，若存在，则将所述中文转换为标准数字。

可选的，在本发明一实施例中，所述疑似区域满足第一规则、第二规则与第三规则，其中，

所述第一规则下，所述疑似区域的首字符或尾字符为符号、字母或数字；

所述第二规则下，所述疑似区域的中间字符为符号、字母、数字或空格；

所述第三规则下，所述疑似区域的总长度为预设长度。

可选的，在本发明一实施例中，所述训练模块13，具体用于通过下述特征提取中的至少一个，对所述疑似区域进行特征提取：

统计所述疑似区域中特定字符的个数；

确定所述疑似区域中连续数字的长度；

确定所述疑似区域中冒号的个数；

确定所述疑似区域中连续字符串的个数；

从所述疑似区域中提取生僻字以及形近字。

可选的，在本发明一实施例中，所述子串具体为所述左子串或所述右子串，具体用于通过下述特征提取中的至少一个，对所述子串进行特征提取：

从所述子串中，确定出第三预设长度的字符串，所述第三预设长度的字符串为与所述疑似区域距离最近的字符串，确定所述第三预设长度的字符串中每个字符的首字母，根据所述首字母确定出至少一个二元组，以及所述至少一个二元组的位置关系；

对所述子串进行分词，确定所述分词后的子串中单独字的个数；

从所述子串中，确定出第四预设长度的字符串，所述第四预设长度的字符串为与所述疑似区域最近的字符串，确定所述第四预设长度的字符串中每个词的词性，以及每个词之间的位置关系；

从所述子串中提取生僻字以及形近字。

可选的，在本发明一实施例中，所述训练模块13，还用于从所述疑似区域和/或所述子串中提取出敏感词以及型号特征；对所述疑似区域的特征、所述子串的特征、所述敏感词以及型号特征进行特征训练，得到所述训练模型。

可选的，在本发明一实施例中，所述训练模块13，还用于提取第一组合字符，所述第一组合字符包括所述左子串的尾字符，以及所述疑似区域的前两个字符；对所述疑似区域的特征、所述子串的特征以及所述第一组合字符进行特征训练，得到所述训练模型。

可选的，在本发明一实施例中，所述训练模块13，还用于提取第二组合字符，所述第二组合字符包括所述左子串中的字符以及所述右子串中的字符；对所述疑似区域的特征、所述子串的特征、所述第二组合字符进行特征训练，得到所述训练模型。

本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。