基于人工智能的新闻摘要生成和显示方法、装置及系统与流程

本发明涉及信息处理技术领域，尤其涉及一种基于人工智能的新闻摘要生成和显示方法、装置及系统。

背景技术：

人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。

新闻摘要技术能够对新闻的文本进行压缩，从而提取出新闻稿中比较重要的信息，以新闻摘要的形式展现给用户。由于新闻摘要往往较为简短，从而能够提高用户获取信息的效率。

但现有技术中，往往是针对同一新闻事件的多篇新闻稿进行处理，形成该新闻事件的新闻摘要，但这种生成新闻摘要的方式，存在新闻摘要中前后句子不连贯，逻辑性不强，以及新闻摘要不够准确的问题。

技术实现要素：

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种基于人工智能的新闻摘要生成方法，以实现新闻摘要的生成。

本发明的第二个目的在于提出一种基于人工智能的新闻摘要生成装置。

本发明的第三个目的在于提出另一种基于人工智能的新闻摘要生成装置。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

本发明的第五个目的在于提出一种计算机程序产品。

本发明的第六个目的在于提出一种基于人工智能的新闻摘要显示方法。

本发明的第七个目标在于提出一种基于人工智能的新闻摘要显示系统。

为达上述目的，本发明第一方面实施例提出了一种基于人工智能的新闻摘要生成方法，包括：

识别新闻稿的逻辑结构；

利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子；

依据所识别出的各目标句子在所述新闻稿中所属的逻辑结构，生成所述各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。

本发明实施例的基于人工智能的新闻摘要生成方法，通过识别新闻稿的逻辑结构之后，利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子。进而依据所识别出的各目标句子在新闻稿中所属的逻辑结构，生成各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。由于新闻稿的各个逻辑结构具有一些特殊性，因此，基于新闻稿的逻辑结构，采用对应的识别网络进行摘要提取，能够提高各逻辑结构的新闻摘要的准确性和连贯性，并且在各逻辑结构的新闻摘要之间插入引导语进一步增强了摘要的逻辑性和连贯性，解决了现有技术中新闻摘要不够准确，新闻摘要的前后句子不连贯，逻辑性不强的技术问题。

为达上述目的，本发明第二方面实施例提出了一种基于人工智能的新闻摘要生成装置，包括：

结构识别模块，用于识别新闻稿的逻辑结构；

句子识别模块，用于利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子；

生成模块，用于依据所识别出的各目标句子在所述新闻稿中所属的逻辑结构，生成所述各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。

本发明实施例的基于人工智能的新闻摘要生成装置，通过识别新闻稿的逻辑结构之后，利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子。进而依据所识别出的各目标句子在新闻稿中所属的逻辑结构，生成各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。由于新闻稿的各个逻辑结构具有一些特殊性，因此，基于新闻稿的逻辑结构，采用对应的识别网络进行摘要提取，能够提高各逻辑结构的新闻摘要的准确性和连贯性，并且在各逻辑结构的新闻摘要之间插入引导语进一步增强了摘要的逻辑性和连贯性，解决了现有技术中新闻摘要不够准确，新闻摘要的前后句子不连贯，逻辑性不强的技术问题。

为达上述目的，本发明第三方面实施例提出了另一种基于人工智能的新闻摘要生成装置，包括：包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现第一方面所述的方法。

为了实现上述目的，本发明第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如第一方面所述的方法。

为了实现上述目的，本发明第五方面实施例提出了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行第一方面所述的方法。

为了实现上述目的，本发明第六方面实施例提出了一种基于人工智能的新闻摘要显示方法，包括：

生成新闻稿的各逻辑结构的新闻摘要；其中，所述逻辑结构包括事件内容、事件背景和事件分析；

在显示事件内容的新闻摘要之后，显示用于引导用户阅读事件背景的引导语或者显示用于引导用户阅读事件分析的引导语；

当探测到用户点击所述引导语时，继续显示所述引导语所引导用户阅读的事件背景的新闻摘要，或者事件分析的新闻摘要。

为了实现上述目的，本发明第七方面实施例提出了一种基于人工智能的新闻摘要显示系统，包括：

生成组件，用于生成新闻稿的各逻辑结构的新闻摘要；其中，所述逻辑结构包括事件内容、事件背景和事件分析；

显示组件，用于在显示事件内容的新闻摘要之后，显示用于引导用户阅读事件背景的引导语或者显示用于引导用户阅读事件分析的引导语；

探测组件，用于当探测到用户点击所述引导语时，继续显示所述引导语所引导用户阅读的事件背景的新闻摘要，或者事件分析的新闻摘要。

本发明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，或通过本发明的实践了解到。

附图说明

本发明上述的和/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：

图1为本发明实施例所提供的一种基于人工智能的新闻摘要生成方法的流程示意图；

图2为本发明实施例提供的另一种基于人工智能的新闻摘要生成方法的流程示意图；

图3为分类器的示意图；

图4为句子的向量生成过程的示意图；

图5为段落的向量生成过程的示意图；

图6为目标句子的识别过程的示意图；

图7为逻辑结构的新闻摘要生成过程的示意图；

图8为本发明实施例提供的一种基于人工智能的新闻摘要生成装置的结构示意图；

图9为本发明实施例提供的又一种基于人工智能的新闻摘要生成装置的结构示意图；

图10为本发明实施例提供的基于人工智能的新闻摘要显示方法的流程示意图；以及

图11为新闻摘要显示的示意图。

具体实施方式

下面详细描述本发明的实施例，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，旨在用于解释本发明，而不能理解为对本发明的限制。

下面参考附图描述本发明实施例的基于人工智能的新闻摘要生成和显示方法、装置及系统。

图1为本发明实施例所提供的一种基于人工智能的新闻摘要生成方法的流程示意图。

在现有技术中通过依据新闻稿中句子的重要性，构建无向图，依据无向图抽取出重要的句子形成新闻摘要。但这种方式，由句子的重要性仅根据句子之间的语义相似度，并没有考虑到句子所属新闻稿中的逻辑结构之间的差异性。发明人发现，描述新闻核心事实的事件内容中，往往包含更多重要的信息，会针对事件内容这一逻辑结构尽量减少删减，但由于现有技术中不对逻辑结构进行区分，因此，导致抽取出的新闻摘要不够准确，而且逻辑性和连贯性上也存在一些问题。

针对这一问题，本发明实施例提供了基于人工智能的新闻摘要生成方法，如图1所示，该方法包括以下步骤：

步骤101，识别新闻稿的逻辑结构。

其中，逻辑结构包括事件内容、事件背景和事件分析。

事件内容，用于阐述新闻事件的核心事实。

事件背景，用于阐述新闻事件所发生的背景。

事件分析，包括对新闻事件的分析、预测以及评论等内容。

具体地，可以针对新闻稿中每一段落，将段落的字数、位于新闻稿中的位置和/或关键词作为段落的特征，输入经过训练的多分类器，得到该段落所属的逻辑结构。一般，这里可以采用支持向量机、逻辑回归等模型作为多分类器。

步骤102，利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子。

具体地，针对段落中的每一个句子进行特征提取，得到句子的特征向量；其中，句子的特征向量至少包括所述句子所属段落的向量、所述句子的向量、表征所述句子在所属段落中的语义重要程度的向量、表征所述句子在所属段落中位置的向量和/或表征所述句子相对于已确定出的目标句子的冗余性的向量。进而，将句子的特征向量拼接后输入全连接层，得到输出结果，这里的输出结果用于指示该句子是否属于段落摘要中的目标句子。

作为一种可能的实现方式，可以预先获取已标注各段落所属逻辑结构的样本新闻稿，其中，这里的样本新闻稿为在网络中抓取到的新闻稿。利用标注为同一逻辑结构的各段落，对所述逻辑结构所对应的识别网络进行训练。

步骤103，依据所识别出的各目标句子在新闻稿中所属的逻辑结构，生成各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。

具体地，将同属于一个逻辑结构的各目标句子，按照在所述新闻稿中出现的先后顺序进行拼接，生成所述逻辑结构的新闻摘要。进而在各逻辑结构的新闻摘要之间插入对应的引导语。

进一步，在显示事件内容的新闻摘要之后，显示用于引导用户阅读事件背景的引导语或者显示用于引导用户阅读事件分析的引导语；当探测到用户点击所述引导语时，继续显示所述引导语所引导用户阅读的事件背景的新闻摘要，或者事件分析的新闻摘要。

具体地，可以采用交互的方式显示各个逻辑结构的新闻摘要，通过显示用于引导用户阅读事件背景的引导语或者显示用于引导用户阅读事件分析的引导语之后，若用户有意愿继续阅读，则用户会点击该引导语，以继续显示引导语所引导用户阅读的事件背景的新闻摘要，或者事件分析的新闻摘要。

本实施例中，通过识别新闻稿的逻辑结构之后，利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子。进而依据所识别出的各目标句子在新闻稿中所属的逻辑结构，生成各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。由于新闻稿的各个逻辑结构具有一些特殊性，因此，基于新闻稿的逻辑结构，采用对应的识别网络进行摘要提取，能够提高各逻辑结构的新闻摘要的准确性和连贯性，并且在各逻辑结构的新闻摘要之间插入引导语进一步增强了摘要的逻辑性和连贯性，解决了现有技术中新闻摘要不够准确，新闻摘要的前后句子不连贯，逻辑性不强的技术问题。

为了清楚说明上一实施例，本实施例提供了另一种基于人工智能的新闻摘要生成方法，图2为本发明实施例提供的另一种基于人工智能的新闻摘要生成方法的流程示意图，如图2所示，该基于人工智能的新闻摘要生成方法可以包括以下步骤：

步骤201，针对所述新闻稿中每一段落，将段落的字数、位于所述新闻稿中的位置和/或关键词作为所述段落的特征，输入经过训练的多分类器，得到所述段落所属的逻辑结构。

其中，逻辑结构包括事件内容、事件背景和事件分析。如图3所示的分类器的示意图，由于输出的结果为多分类，从而也称为多分类器，输入特征中包括段落的字数、位于所述新闻稿中的位置和/或关键词作为所述段落的特征，分类器具体可以为支持向量机，或者逻辑回归，输出为段落所属的逻辑结构标识。

本步骤中所采用的多分类器是预先经过训练的，具体来说，从互联网门户网站获取了海量的新闻稿，并且人工对其段落进行了逻辑结构的标识。比如，某篇新闻稿包含了5个段落，我们通过人工的理解，对其每个段落标识它是属于事件内容、事件背景和事件分析中的一个。然后，通过经过标注的段落，采用段落的字数、位于原文中的段落位置、关键词等作为段落的特征，对该多分类器进行训练。

步骤202，将每一个段落输入该段落所属的逻辑结构的识别网络中，得到该段落的新闻摘要。

具体地，这里的识别网络具体可以为深度卷积模型，这个深度卷积模型包括三大层次。

第一个层次，用于输入段落，得到段落中各句子的向量表示。图4为句子的向量生成过程的示意图，如图4所示，首先，将段落进行切词，得到段落的词序列，并对词序列中的每一个词进行映射得到词的向量，最后，根据段落中每一个句子所含词的向量，计算得到各句子的向量。

具体来说，可以采用向量相加，或者向量卷积的方式，由句子所含词的向量，得到该句子的向量。

例如：在图4中将词序列中“近期”、“冷”、“空气”、“袭击”、“华北”和“地区”这几个词在向量映射层(embedding layer)进行映射得到词的向量，并对词的向量进行向量相加(summation)，得到句子的向量。

第二个层次，用于输入句子的向量，得到段落的向量。图5为段落的向量生成过程的示意图。如图5所示，在得到每一个句子的向量之后，将句子1至n的向量输入到双向循环神经网络(recurrent neural network，RNN)模型，得到段落的向量表示。

第三个层次，用于根据段落的向量和句子的向量，判断段落中的句子是否属于段落摘要中的目标句子。具体地，在判断段落中的句子是否属于段落摘要中的目标句子时，可以从以下几个维度进行考虑：句子在所属段落中的语义重要程度、句子在所属段落中位置的向量、句子相对于已确定出的目标句子的冗余性。

因此，可以针对段落中的每一个句子进行特征提取，得到句子的特征向量，这里的特征向量至少包括了句子所属段落的向量、句子的向量、表征句子在所属段落中的语义重要程度的向量、表征句子在所属段落中位置的向量和/或表征句子相对于已确定出的目标句子的冗余性的向量。图6为目标句子的识别过程的示意图。如图6所示，采用连接层(concat layer)对多个维度的特征向量进行连接，进而采用全连接层(fully connected layer)进行识别，得到段落中的句子是否属于段落摘要中的目标句子的判断结果。当判断结果为0时，表示该句子不是段落摘要中的目标句子，当判断结果为1时，表示该句子是段落摘要中的目标句子。

经过以上三个层次之后，将识别出的目标句子，按照在段落中出现的先后顺序，组成该段落的段落摘要。

步骤203，依据段落在新闻稿中所属的逻辑结构，将同属该逻辑结构的各段落的段落摘要组成该逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。

具体地，图7为逻辑结构的新闻摘要生成过程的示意图，如图7所示，可以把事件内容的段落摘要组成摘要的第一部分，即事件内容的新闻摘要；可以把事件背景的段落摘要组成摘要的第二部分，即事件背景的新闻摘要；可以把事件分析的段落摘要组成摘要的第三部分，即事件分析的新闻摘要。

并且，在显示事件内容的摘要之后，当新闻稿包含事件背景时，使用关于事件背景的交互式的引导语，例如“你想知道关于这个新闻的背景吗？”，引导用户点击阅读关于事件背景的新闻摘要；当新闻稿包含事件分析时，使用关于事件分析的交互式的引导语，例如“你想进一步知道些分析吗？”，引导用户进一步点击阅读关于事件分析的新闻摘要。

本实施例中，通过识别新闻稿的逻辑结构之后，利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子。进而依据所识别出的各目标句子在新闻稿中所属的逻辑结构，生成各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。由于新闻稿的各个逻辑结构具有一些特殊性，因此，基于新闻稿的逻辑结构，采用对应的识别网络进行摘要提取，能够提高各逻辑结构的新闻摘要的准确性和连贯性，并且在各逻辑结构的新闻摘要之间插入引导语进一步增强了摘要的逻辑性和连贯性，解决了现有技术中新闻摘要不够准确，新闻摘要的前后句子不连贯，逻辑性不强的技术问题。

为了实现上述实施例，本发明还提出一种基于人工智能的新闻摘要生成装置。

图8为本发明实施例提供的一种基于人工智能的新闻摘要生成装置的结构示意图。如图8所示，该装置包括：结构识别模块71、句子识别模块72、生成模块73。

结构识别模块71，用于识别新闻稿的逻辑结构。

具体地，结构识别模块71，具体用于：针对所述新闻稿中每一段落，将段落的字数、位于所述新闻稿中的位置和/或关键词作为所述段落的特征，输入经过训练的多分类器，得到所述段落所属的逻辑结构。

句子识别模块72，用于利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子。

生成模块73，用于依据所识别出的各目标句子在所述新闻稿中所属的逻辑结构，生成所述各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。

具体地，生成模块73，具体用于：将同属于一个逻辑结构的各目标句子，按照在所述新闻稿中出现的先后顺序进行拼接，生成所述逻辑结构的新闻摘要。

进一步地，在本发明实施例的一种可能的实现方式中，逻辑结构包括事件内容、事件背景和事件分析。基于此，本实施例还提供了又一种基于人工智能的新闻摘要生成装置，图9为本发明实施例提供的又一种基于人工智能的新闻摘要生成装置的结构示意图。如图9所示，该装置还包括：显示模块74和训练模块75。

显示模块74，用于在显示事件内容的新闻摘要之后，显示用于引导用户阅读事件背景的引导语或者显示用于引导用户阅读事件分析的引导语；当探测到用户点击所述引导语时，继续显示所述引导语所引导用户阅读的事件背景的新闻摘要，或者事件分析的新闻摘要。

训练模块75，用于获取已标注各段落所属逻辑结构的样本新闻稿；所述样本新闻稿为在网络中抓取到的新闻稿；利用标注为同一逻辑结构的各段落，对所述逻辑结构所对应的识别网络进行训练。

在本发明实施例的一种可能的实现方式中，句子识别模块72，包括：提取单元721和处理单元722。

提取单元721，用于针对所述段落中的每一个句子进行特征提取，得到所述句子的特征向量。

处理单元722，用于将所述句子的特征向量拼接后输入全连接层，得到输出结果；所述输出结果用于指示所述句子是否属于段落摘要中的目标句子。

进一步，句子的特征向量包括所述句子所属段落的向量、所述句子的向量、表征所述句子在所属段落中的语义重要程度的向量、表征所述句子在所属段落中位置的向量和/或表征所述句子相对于已确定出的目标句子的冗余性的向量。基于此，提取单元721，可以包括：第一提取子单元和第二提取子单元。

第一提取子单元，用于将所述段落进行切词，得到所述段落的词序列，并对所述词序列中的每一个词进行映射得到所述词的向量；根据所述段落中每一个句子所含词的向量，计算得到各句子的向量。

第二提取子单元，用于将所述段落中每一个句子的向量输入双向RNN模型中，得到所述段落的向量。

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。

本发明实施例中，通过识别新闻稿的逻辑结构之后，利用各逻辑结构所对应的识别网络，对相应逻辑结构所包含的各段落进行识别，得到每一个段落中属于段落摘要的目标句子。进而依据所识别出的各目标句子在新闻稿中所属的逻辑结构，生成各逻辑结构的新闻摘要，并在各逻辑结构的新闻摘要之间插入对应的引导语。由于新闻稿的各个逻辑结构具有一些特殊性，因此，基于新闻稿的逻辑结构，采用对应的识别网络进行摘要提取，能够提高各逻辑结构的新闻摘要的准确性和连贯性，并且在各逻辑结构的新闻摘要之间插入引导语进一步增强了摘要的逻辑性和连贯性，解决了现有技术中新闻摘要不够准确，新闻摘要的前后句子不连贯，逻辑性不强的技术问题。

为了实现上述实施例，本发明还提出另一种基于人工智能的新闻摘要生成装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述实施例所提供的基于人工智能的新闻摘要生成方法。

为了实现上述实施例，本发明还提出一种非临时性计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现如前述实施例所提供的基于人工智能的新闻摘要生成方法。

为了实现上述实施例，本发明还提出一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行如前述实施例所提供的基于人工智能的新闻摘要生成方法。

本实施例还提供了一种基于人工智能的新闻摘要显示方法，图10为本发明实施例提供的基于人工智能的新闻摘要显示方法的流程示意图，如图10所示，方法包括：

步骤901，生成新闻稿的各逻辑结构的新闻摘要。

其中，所述逻辑结构包括事件内容、事件背景和事件分析。

具体地，生成新闻稿的各逻辑结构的新闻摘要可以参考前述实施例中基于人工智能的新闻摘要生成方法的相关说明，本实施例中对此不再赘述。

步骤902，在显示事件内容的新闻摘要之后，显示用于引导用户阅读事件背景的引导语或者显示用于引导用户阅读事件分析的引导语。

步骤903，当探测到用户点击所述引导语时，继续显示所述引导语所引导用户阅读的事件背景的新闻摘要，或者事件分析的新闻摘要。

具体地，图11为新闻摘要显示的示意图，如图11所示，当显示引导语“这事什么背景”，之后显示事件背景的新闻摘要。

本发明实施例还提供了一种基于人工智能的新闻摘要显示系统，包括：生成组件、显示组件和探测组件。

生成组件，用于生成新闻稿的各逻辑结构的新闻摘要。

其中，所述逻辑结构包括事件内容、事件背景和事件分析。

作为一种可能的实现方式，生成组件包括：前述实施例中的基于人工智能的新闻摘要生成装置。

显示组件，用于在显示事件内容的新闻摘要之后，显示用于引导用户阅读事件背景的引导语或者显示用于引导用户阅读事件分析的引导语。

探测组件，用于当探测到用户点击所述引导语时，继续显示所述引导语所引导用户阅读的事件背景的新闻摘要，或者事件分析的新闻摘要。

可见，通过在各逻辑结构的新闻摘要之间插入引导语增强了摘要的逻辑性和连贯性，解决了现有技术中新闻摘要不够准确，新闻摘要的前后句子不连贯，逻辑性不强的技术问题。

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发明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，本领域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。

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。在本发明的描述中，“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。

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，并且本发明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，这应被本发明的实施例所属技术领域的技术人员所理解。

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。

应当理解，本发明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，可用本领域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。

本技术领域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。

此外，在本发明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。

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发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。