文本摘要的生成方法及装置
技术领域
本说明书涉及文本处理技术领域,尤其涉及一种文本摘要的生成方法及装置。
背景技术
在长文的摘要生成领域,主流的文本摘要自动生成有两种方式:一种是基于Textrank从原文中寻找跟中心思想最接近的一条或几条句子,而生成式则是由计算机通读原文;另一种是基于深度神经网络的生成式,该方法往往需要大量的语料标注,成本较高。
在摘要生成场景中,除了常规的综述型摘要(这类摘要通常使用Textran即可生成),有些场景中也会要求生成定性的主题相关摘要,比如针对用户的个性化摘要生成、针对内容审核的风险摘要生成等等。这种情况下,由于Textrank主要是针对内容整体的中心句进行摘取,因此无法提取出和目标主题相关的摘要。而基于深度神经网络的摘要生成方式虽然可以通过个性化标注来解决此类问题,但摘要类的标注成本较高,往往也无法很便捷地实现。可见,目前的摘要生成方法都无法很好地利用于定性主题相关摘要的生成中。
发明内容
本说明书一个或多个实施例的目的是提供一种文本摘要的生成方法及装置,用以实现简便、快捷地提取与个性化主题相关的文本摘要。
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:
一方面,本说明书一个或多个实施例提供一种文本摘要的生成方法,包括:
获取目标文本中的多个句子;
按照预设的主题分类方式,预测各所述句子与指定主题之间的第一紧密度;及,确定各所述句子之间的相似度;
根据各所述句子之间的相似度,利用指定算法对所述第一紧密度进行至少一次修正,得到各所述句子与所述指定主题之间的第二紧密度;
根据所述第二紧密度对各所述句子进行处理,得到所述目标文本的与所述指定主题相关的文本摘要。
在一个实施例中,所述按照预设的主题分类方式,预测各所述句子与指定主题之间的第一紧密度,包括:
确定所述指定主题对应的主题词;
对所述句子进行分析,以确定出所述句子中包含所述主题词和/或所述主题词的相关词的数目;
根据所述数目预测所述句子与所述指定主题之间的第一紧密度;其中,所述数目与所述第一紧密度之间正相关。
在一个实施例中,所述指定算法为Pagerank算法;
相应的,所述根据各所述句子之间的相似度,利用指定算法对所述第一紧密度进行至少一次修正,包括:
将各所述句子分别作为一个节点,根据各所述句子之间的相似度创建各所述节点之间的关系网络图;
确定各所述第一紧密度为各所述句子分别对应的初始权重;
根据所述关系网络图,利用所述Pagerank算法对所述初始权重进行至少一次迭代,得到各所述句子分别对应的最终权重。
在一个实施例中,所述根据各所述句子之间的相似度创建各所述节点之间的关系网络图,包括:
当两个句子之间的相似度达到预设阈值时,确定所述两个句子对应的两个节点之间存在一条边;
根据各所述节点之间的所述边,创建各所述节点之间的关系网络图。
在一个实施例中,所述获取目标文本中的多个句子,包括:
按照指定标点符号对所述目标文本进行拆分,得到所述多个句子。
在一个实施例中,所述根据所述第二紧密度对各所述句子进行处理,得到所述目标文本的与所述指定主题相关的文本摘要,包括:
根据所述第二紧密度从大到小的顺序,对各所述句子进行排序及拼接处理,得到有序文本;
确定所述有序文本为所述目标文本的与所述指定主题相关的文本摘要。
在一个实施例中,所述根据所述第二紧密度从大到小的顺序,对各所述句子进行排序及拼接处理,包括:
筛选出达到第二预设阈值的所述第二紧密度对应的第一句子;
针对所述第一句子,按照各所述第一句子对应的所述第二紧密度从大到小的顺序,对各所述第一句子进行排序及拼接处理。
另一方面,本说明书一个或多个实施例提供一种文本摘要的生成装置,包括:
获取模块,用于获取目标文本中的多个句子;
预测及确定模块,用于按照预设的主题分类方式,预测各所述句子与指定主题之间的第一紧密度;及,确定各所述句子之间的相似度;
修正模块,用于根据各所述句子之间的相似度,利用指定算法对所述第一紧密度进行至少一次修正,得到各所述句子与所述指定主题之间的第二紧密度;
处理模块,用于根据所述第二紧密度对各所述句子进行处理,得到所述目标文本的与所述指定主题相关的文本摘要。
在一个实施例中,所述预测及确定模块包括:
第一确定单元,用于确定所述指定主题对应的主题词;
分析单元,用于对所述句子进行分析,以确定出所述句子中包含所述主题词和/或所述主题词的相关词的数目;
预测单元,用于根据所述数目预测所述句子与所述指定主题之间的第一紧密度;其中,所述数目与所述第一紧密度之间正相关。
在一个实施例中,所述指定算法为Pagerank算法;
相应的,所述修正模块包括:
创建单元,用于将各所述句子分别作为一个节点,根据各所述句子之间的相似度创建各所述节点之间的关系网络图;
第二确定单元,用于确定各所述第一紧密度为各所述句子分别对应的初始权重;
迭代单元,用于根据所述关系网络图,利用所述Pagerank算法对所述初始权重进行至少一次迭代,得到各所述句子分别对应的最终权重。
在一个实施例中,所述创建单元还用于:
当两个句子之间的相似度达到预设阈值时,确定所述两个句子对应的两个节点之间存在一条边;
根据各所述节点之间的所述边,创建各所述节点之间的关系网络图。
在一个实施例中,所述获取模块包括:
拆分单元,用于按照指定标点符号对所述目标文本进行拆分,得到所述多个句子。
在一个实施例中,所述处理模块包括:
排序及拼接单元,用于根据所述第二紧密度从大到小的顺序,对各所述句子进行排序及拼接处理,得到有序文本;
第三确定单元,用于确定所述有序文本为所述目标文本的与所述指定主题相关的文本摘要。
在一个实施例中,所述排序及拼接单元还用于:
筛选出达到第二预设阈值的所述第二紧密度对应的第一句子;
针对所述第一句子,按照各所述第一句子对应的所述第二紧密度从大到小的顺序,对各所述第一句子进行排序及拼接处理。
再一方面,本说明书一个或多个实施例提供一种文本摘要的生成设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
获取目标文本中的多个句子;
按照预设的主题分类方式,预测各所述句子与指定主题之间的第一紧密度;及,确定各所述句子之间的相似度;
根据各所述句子之间的相似度,利用指定算法对所述第一紧密度进行至少一次修正,得到各所述句子与所述指定主题之间的第二紧密度;
根据所述第二紧密度对各所述句子进行处理,得到所述目标文本的与所述指定主题相关的文本摘要。
再一方面,本申请实施例提供一种存储介质,用于存储计算机可执行指令,所述可执行指令在被执行时实现以下流程:
获取目标文本中的多个句子;
按照预设的主题分类方式,预测各所述句子与指定主题之间的第一紧密度;及,确定各所述句子之间的相似度;
根据各所述句子之间的相似度,利用指定算法对所述第一紧密度进行至少一次修正,得到各所述句子与所述指定主题之间的第二紧密度;
根据所述第二紧密度对各所述句子进行处理,得到所述目标文本的与所述指定主题相关的文本摘要。
采用本说明书一个或多个实施例的技术方案,通过获取目标文本中的多个句子,并按照预设的主题分类方式预测各句子与指定主题之间的第一紧密度,即获取到各句子与指定主题之间的初始紧密度(也可称之为粗略的紧密度);再根据各句子之间的相似度,利用指定算法对第一紧密度进行修正,得到各句子与指定主题之间的第二紧密度,该第二紧密度也就是更加精确的紧密度;进而根据第二紧密度对各句子进行处理,得到与指定主题相关的文本摘要。可见,该技术方案由于基于目标文本的各句子与指定主题之间的紧密度来获取与指定主题相关的文本摘要,因此获得的文本摘要必然是与指定主题高度相符的,因此实现了个性化文本摘要的生成目的,即同一文本中可提取不同主题偏好的文本摘要。此外,该技术方案无需对文本进行额外的标注,属于无监督算法,因此节省了大量的标注成本。
附图说明
为了更清楚地说明本说明书一个或多个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一个或多个实施例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。
图1是根据本说明书一实施例的一种文本摘要的生成方法的示意性流程图;
图2是根据本说明书一实施例的一种句子节点间的关系网络图;
图3是根据本说明书一实施例的一种文本摘要的生成装置的示意性框图;
图4是根据本说明书一实施例的一种文本摘要的生成设备的示意性框图。
具体实施方式
本说明书一个或多个实施例提供一种文本摘要的生成方法及装置,用以实现简便、快捷地提取与个性化主题相关的文本摘要。
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案,下面将结合本说明书一个或多个实施例中的附图,对本说明书一个或多个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说明书一部分实施例,而不是全部的实施例。基于本说明书一个或多个实施例,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,都应当属于本说明书一个或多个实施例保护的范围。
图1是根据本说明书一实施例的一种文本摘要的生成方法的示意性流程图,如图1所示,该方法包括:
S102,获取目标文本中的多个句子。
S104,按照预设的主题分类方式,预测各句子与指定主题之间的第一紧密度;及,确定各句子之间的相似度。
S106,根据各句子之间的相似度,利用指定算法对第一紧密度进行至少一次修正,得到各句子与指定主题之间的第二紧密度。
S108,根据第二紧密度对各句子进行处理,得到目标文本的与指定主题相关的文本摘要。
采用本说明书一个或多个实施例的技术方案,通过获取目标文本中的多个句子,并按照预设的主题分类方式预测各句子与指定主题之间的第一紧密度,即获取到各句子与指定主题之间的初始紧密度(也可称之为粗略的紧密度);再根据各句子之间的相似度,利用指定算法对第一紧密度进行修正,得到各句子与指定主题之间的第二紧密度,该第二紧密度也就是更加精确的紧密度;进而根据第二紧密度对各句子进行处理,得到与指定主题相关的文本摘要。可见,该技术方案由于基于目标文本的各句子与指定主题之间的紧密度来获取与指定主题相关的文本摘要,因此获得的文本摘要必然是与指定主题高度相符的,因此实现了个性化文本摘要的生成目的,即同一文本中可提取不同主题偏好的文本摘要。此外,该技术方案无需对文本进行额外的标注,属于无监督算法,因此节省了大量的标注成本。
以下详细介绍上述实施例提供的文本摘要的生成方法。
首先获取目标文本中的多个句子。该步骤中,可按照指定标点符号对目标文本进行拆分,从而获得多个句子。例如,指定标点符号包括句号“。”及分号“;”,那么,利用目标文本中的标点符号“。”及“;”将目标文本进行拆分后,即可获得多个句子。
在获取到目标文本中的多个句子之后,可按照预设的主题分类方式预测各句子与指定主题之间的第一紧密度。其中,主题分类方式可包括主题模型或主题分类规则。指定主题可以是任一种目标文本的文本内容所涉及到的主题,例如指定主题为体育、美食等各类主题。
主题模型是以非监督学习的方式对文集的隐含语义结构进行聚类的统计模型,其可以对文本中的各句子进行语义分析和文本挖掘,例如按主题对文本进行收集、分类和降维等。
在一个实施例中,可利用现有的任一种主题模型来预测各句子与指定主题之间的第一紧密度。例如,指定主题为体育,那么利用主题模型分析目标文本时,可分析出各句子中包括篮球、游泳、跑步、健身等任意与体育相关的信息,进而通过分析出的这些信息预测出各句子与指定主题之间的第一紧密度。其中,句子中出现与体育相关的词的频率越高,该句子与指定主题之间的第一紧密度也就越高。
在另一个实施例中,可利用预设的主题分类规则预测个句子与指定主题之间的第一紧密度。主题分类规则可包括如下方式:
首先,确定指定主题对应的主题词。
其中,主题词可包括与指定主题相关的关键词。例如,指定主题为体育,则主题词可包括关键词“体育”、“运动”等。主题词可根据用户的实际需求进行设定,例如,若想要生成与“体育”这一大类相关的文本摘要,则可设定主题词包括“体育”及“运动”;若想要生成涉及到“体育”的所有相关主题的文本摘要,则可设定更加细化的主题词,如可包括“体育”、“篮球”、“羽毛球”、及“游泳”等。
其次,对句子进行分析,以确定出句子中包含主题词和/或主题词的相关词的数目。
其中,主题词的相关词可包括主题词的近义词。例如,主题词为“美食”,则对句子进行分析时,可挖掘句子中包含的“美食”、“食品”等一类含义相近的词。
再次,根据句子中包含主题词和/或主题词的相关词的数目,预测句子与指定主题之间的第一紧密度;其中,句子中包含主题词和/或主题词的相关词的数目与第一紧密度之间正相关。即,句子中包含主题词和/或主题词的相关词的数目越多,该句子与指定主题之间的第一紧密度越高。
然后确定各句子之间的相似度。在一个实施例中,可采用现有的任一种相似度算法来计算各句子之间的相似度。例如,以各句子之间的Levenshtein距离(即字符串编码距离)作为各句子之间的相似度。
确定各句子之间的相似度后,可利用指定算法对预测到的第一紧密度进行修正。
在一个实施例中,指定算法为Pagerank算法。基于此,可按照以下方式对第一紧密度进行至少一次修正:
首先,将各句子分别作为一个节点,根据各句子之间的相似度创建各节点之间的关系网络图。
该步骤中,创建关系网络图时,可根据各句子之间的相似度确定是否需要建立各句子节点之间的边。具体的,当两个句子之间的相似度达到预设阈值时,确定这两个句子对应的两个节点之间存在一条边,然后根据各句子节点之间的边,即可创建各句子节点之间的关系网络图。
图2示出了一具体实施例中各句子节点之间的关系网络图。如图2所示,关系网络图中包括A、B、C三个句子节点,其中,由于句子A和句子B之间、句子A和句子C之间的相似度均达到预设阈值,因此对应的句子节点A和句子节点B之间存在一条边,句子节点A和句子节点C之间也存在一条边;由于句子B和句子C之间的相似度未达到预设阈值,因此对应的句子节点B和句子节点C之间不存在边。
其次,确定各第一紧密度为各句子分别对应的初始权重。
再次,根据关系网络图,利用Pagerank算法对初始权重进行至少一次迭代,得到各句子分别对应的最终权重。
该步骤中,可采用初始权重与迭代矩阵相乘的方式进行迭代,如下列公式(1),其中,A为迭代矩阵,Pn为第n次迭代得到的权重。直至各句子对应的权重之间的差值小于预设阈值时,即可停止迭代,此时得到的权重即为各句子对应的最终权重。
Pn+1=APn (1)
各句子分别对应的最终权重,即为各句子与指定主题之间的第二紧密度。
在得到各句子与指定主题之间的第二紧密度之后,可根据第二紧密度对各句子进行处理,以得到目标文本的与指定主题相关的文本摘要。
在一个实施例中,可根据第二紧密度从大到小的顺序,对各句子进行排序及拼接处理,得到有序文本;然后确定该有序文本为目标文本的与指定主题相关的文本摘要。
在一个实施例中,可先筛选出达到第二预设阈值的第二紧密度对应的第一句子,然后按照各第一句子对应的第二紧密度从大到小的顺序,对各第一句子进行排序及拼接处理,从而得到目标文本的与指定主题相关的文本摘要。
本实施例中,通过筛选出达到一定阈值的第二紧密度对应的句子,并对这些句子进行排序、拼接,可使获得的文本摘要与指定主题的紧密度更高。
综上,已经对本主题的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可以按照不同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,以实现期望的结果。在某些实施方式中,多任务处理和并行处理可以是有利的。
以上为本说明书一个或多个实施例提供的文本摘要的生成方法,基于同样的思路,本说明书一个或多个实施例还提供一种文本摘要的生成装置。
图3是根据本说明书一实施例的一种文本摘要的生成装置的示意性流程图,如图3所示,文本摘要的生成装置300包括:
获取模块310,用于获取目标文本中的多个句子;
预测及确定模块320,用于按照预设的主题分类方式,预测各句子与指定主题之间的第一紧密度;及,确定各句子之间的相似度;
修正模块330,用于根据各句子之间的相似度,利用指定算法对第一紧密度进行至少一次修正,得到各句子与指定主题之间的第二紧密度;
处理模块340,用于根据第二紧密度对各句子进行处理,得到目标文本的与指定主题相关的文本摘要。
在一个实施例中,预测及确定模块320包括:
第一确定单元,用于确定指定主题对应的主题词;
分析单元,用于对句子进行分析,以确定出句子中包含主题词和/或主题词的相关词的数目;
预测单元,用于根据数目预测句子与指定主题之间的第一紧密度;其中,数目与第一紧密度之间正相关。
在一个实施例中,指定算法为Pagerank算法;
相应的,修正模块330包括:
创建单元,用于将各句子分别作为一个节点,根据各句子之间的相似度创建各节点之间的关系网络图;
第二确定单元,用于确定各第一紧密度为各句子分别对应的初始权重;
迭代单元,用于根据关系网络图,利用Pagerank算法对初始权重进行至少一次迭代,得到各句子分别对应的最终权重。
在一个实施例中,创建单元还用于:
当两个句子之间的相似度达到预设阈值时,确定两个句子对应的两个节点之间存在一条边;
根据各节点之间的边,创建各节点之间的关系网络图。
在一个实施例中,获取模块310包括:
拆分单元,用于按照指定标点符号对目标文本进行拆分,得到多个句子。
在一个实施例中,处理模块340包括:
排序及拼接单元,用于根据第二紧密度从大到小的顺序,对各句子进行排序及拼接处理,得到有序文本;
第三确定单元,用于确定有序文本为目标文本的与指定主题相关的文本摘要。
在一个实施例中,排序及拼接单元还用于:
筛选出达到第二预设阈值的第二紧密度对应的第一句子;
针对第一句子,按照各第一句子对应的第二紧密度从大到小的顺序,对各第一句子进行排序及拼接处理。
采用本说明书一个或多个实施例的装置,通过获取目标文本中的多个句子,并按照预设的主题分类方式预测各句子与指定主题之间的第一紧密度,即获取到各句子与指定主题之间的初始紧密度(也可称之为粗略的紧密度);再根据各句子之间的相似度,利用指定算法对第一紧密度进行修正,得到各句子与指定主题之间的第二紧密度,该第二紧密度也就是更加精确的紧密度;进而根据第二紧密度对各句子进行处理,得到与指定主题相关的文本摘要。可见,该技术方案由于基于目标文本的各句子与指定主题之间的紧密度来获取与指定主题相关的文本摘要,因此获得的文本摘要必然是与指定主题高度相符的,因此实现了个性化文本摘要的生成目的,即同一文本中可提取不同主题偏好的文本摘要。此外,该技术方案无需对文本进行额外的标注,属于无监督算法,因此节省了大量的标注成本。
本领域的技术人员应可理解,上述文本摘要的生成装置能够用来实现前文所述的文本摘要的生成方法,其中的细节描述应与前文方法部分描述类似,为避免繁琐,此处不另赘述。
基于同样的思路,本说明书一个或多个实施例还提供一种文本摘要的生成设备,如图4所示。文本摘要的生成设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器401和存储器402,存储器402中可以存储有一个或一个以上存储应用程序或数据。其中,存储器402可以是短暂存储或持久存储。存储在存储器402的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对文本摘要的生成设备中的一系列计算机可执行指令。更进一步地,处理器401可以设置为与存储器402通信,在文本摘要的生成设备上执行存储器402中的一系列计算机可执行指令。文本摘要的生成设备还可以包括一个或一个以上电源403,一个或一个以上有线或无线网络接口404,一个或一个以上输入输出接口405,一个或一个以上键盘406。
具体在本实施例中,文本摘要的生成设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对文本摘要的生成设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
获取目标文本中的多个句子;
按照预设的主题分类方式,预测各所述句子与指定主题之间的第一紧密度;及,确定各所述句子之间的相似度;
根据各所述句子之间的相似度,利用指定算法对所述第一紧密度进行至少一次修正,得到各所述句子与所述指定主题之间的第二紧密度;
根据所述第二紧密度对各所述句子进行处理,得到所述目标文本的与所述指定主题相关的文本摘要。
可选地,计算机可执行指令在被执行时,还可以使所述处理器:
确定所述指定主题对应的主题词;
对所述句子进行分析,以确定出所述句子中包含所述主题词和/或所述主题词的相关词的数目;
根据所述数目预测所述句子与所述指定主题之间的第一紧密度;其中,所述数目与所述第一紧密度之间正相关。
可选地,所述指定算法为Pagerank算法;
相应的,计算机可执行指令在被执行时,还可以使所述处理器:
将各所述句子分别作为一个节点,根据各所述句子之间的相似度创建各所述节点之间的关系网络图;
确定各所述第一紧密度为各所述句子分别对应的初始权重;
根据所述关系网络图,利用所述Pagerank算法对所述初始权重进行至少一次迭代,得到各所述句子分别对应的最终权重。
可选地,计算机可执行指令在被执行时,还可以使所述处理器:
当两个句子之间的相似度达到预设阈值时,确定所述两个句子对应的两个节点之间存在一条边;
根据各所述节点之间的所述边,创建各所述节点之间的关系网络图。
可选地,计算机可执行指令在被执行时,还可以使所述处理器:
按照指定标点符号对所述目标文本进行拆分,得到所述多个句子。
可选地,计算机可执行指令在被执行时,还可以使所述处理器:
根据所述第二紧密度从大到小的顺序,对各所述句子进行排序及拼接处理,得到有序文本;
确定所述有序文本为所述目标文本的与所述指定主题相关的文本摘要。
可选地,计算机可执行指令在被执行时,还可以使所述处理器:
筛选出达到第二预设阈值的所述第二紧密度对应的第一句子;
针对所述第一句子,按照各所述第一句子对应的所述第二紧密度从大到小的顺序,对各所述第一句子进行排序及拼接处理。
本说明书一个或多个实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行上述文本摘要的生成方法,并具体用于执行:
获取目标文本中的多个句子;
按照预设的主题分类方式,预测各所述句子与指定主题之间的第一紧密度;及,确定各所述句子之间的相似度;
根据各所述句子之间的相似度,利用指定算法对所述第一紧密度进行至少一次修正,得到各所述句子与所述指定主题之间的第二紧密度;
根据所述第二紧密度对各所述句子进行处理,得到所述目标文本的与所述指定主题相关的文本摘要。
上述实施例阐明的***、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。
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,在实施本说明书一个或多个实施例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。
本领域内的技术人员应明白,本说明书一个或多个实施例可提供为方法、***、或计算机程序产品。因此,本说明书一个或多个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,本说明书一个或多个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。
本说明书一个或多个实施例是参照根据本申请实施例的方法、设备(***)、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。
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。
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。
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。
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。
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。
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。
本说明书一个或多个实施例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申请,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。
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***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。
以上所述仅为本说明书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,本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书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一个或多个实施例的权利要求范围之内。