应用程序推荐方法和电子设备

【技术领域】

本申请涉及终端技术领域，尤其涉及一种应用程序推荐方法和电子设备。

【背景技术】

随着终端技术的发展，手机、平板等终端设备的功能越来越丰富，用户安装的应用程序(Application，APP)越来越多，娱乐、办公、购物、学习、社交、交通等各种不同类型的APP一应俱全。用户在使用终端设备的过程中，面对已安装的众多APP，经常需要花费很长时间才能翻找到在当前情境下想要使用的APP，用户体验较差。

【发明内容】

本申请实施例提供了一种应用程序推荐方法和电子设备，可用于根据用户习惯在不同场景下自动推荐APP，方便用户在众多APP中快速找到下一个需要使用的APP。

第一方面，本申请实施例提供一种应用程序推荐方法，包括：响应于对第一控件的触发操作，确定当前情境的特征向量，特征向量包含至少一个特征数据；利用预先训练好的第一模型，分别计算特征向量与各个样本向量的相似度，其中，样本向量映射有应用程序标签；根据相似度的计算结果，从各个样本向量中确定出多个目标样本向量；根据多个目标样本向量对应的应用程序标签，确定应用程序推荐结果；显示第一控件关联的显示界面，并在显示界面中显示应用程序推荐结果。

上述技术方案中，预先训练好的第一模型中可包含大量样本向量以及样本向量对应的应用程序标签。当终端设备采集到当前情境的特征向量后，可基于第一模型对特征向量进行学习，得到特征向量对应的应用程序标签作为应用程序推荐结果。从而可实现在不同场景下，方便用户在众多APP中快速找到下一个需要使用的APP。

其中一种可能的实现方式中，响应于对第一控件的触发操作，确定当前情境的特征向量，包括：响应于对悬浮框的点击操作，确定当前情境的特征向量，悬浮框位于显示桌面的侧边；或者，响应于对桌面卡片的点击操作，确定当前情境的特征向量。

本实现方式中，用户可通过点击悬浮框或桌面卡片，获取应用程序推荐结果，操作简便快捷，用户体验更好。

其中一种可能的实现方式中，特征数据包括当前时间、当前地点、历史应用程序信息中任意一项或多项的组合。

其中一种可能的实现方式中，分别计算特征向量与各个样本向量的相似度，包括：利用K近邻算法，分别计算特征向量包含的各个特征数据与第一样本向量包含的各个样本数据的子相似度；根据各个子相似度，确定特征向量与第一样本向量的相似度；其中，第一样本向量为各个样本向量中的任意一个。

本实现方式中，特征向量可包含多个特征数据，基于多个特征数据进行推荐结果计算，可提升推荐结果的准确度。

其中一种可能的实现方式中，根据多个目标样本向量对应的应用程序标签，确定应用程序推荐结果，包括：根据多个目标样本向量对应的应用程序标签，对多个目标样本向量进行分类，得到若干个分类集合；根据各个分类集合所含目标样本向量的个数，确定目标分类集合；根据目标分类集合对应的应用程序标签，确定应用程序推荐结果。

本实现方式中，通过对目标样本向量进行分类，并根据所含目标样本向量最多的分类集合对应的应用程序标签，确定应用程序推荐结果，可使得推荐结果与用户习惯更加匹配。

其中一种可能的实现方式中，在第一控件关联的显示界面中显示应用推荐结果后，上述方法还包括：响应于对应用推荐结果中任意一个应用程序的开启操作，启动任意一个应用程序，并将第一控件关联的显示界面重新收起、显示为第一控件。

其中一种可能的实现方式中，上述方法还包括：训练第一模型，包括：响应于第一应用程序启动，确定启动时间以及启动地点；根据启动时间、启动地点、第二应用程序信息，确定样本向量；其中，第二应用程序包括在第一应用程序之前启动的至少一个历史应用程序；根据第一应用程序信息，确定样本向量对应的应用程序标签；利用样本向量以及应用程序标签训练得到第一模型。

其中一种可能的实现方式中，显示应用程序推荐结果后，上述方法还包括：根据应用程序推荐结果，再次训练第一模型。

第二方面，本申请实施例提供一种电子设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如第一方面所述的方法。

第三方面，本申请实施例提供一种芯片，所述芯片包括处理器与数据接口，所述处理器通过所述数据接口读取存储器上存储的指令，能够执行如第一方面所述的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如第一方面所述的方法。

【附图说明】

为了更清楚地说明本申请实施例的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1为本申请实施例提供的一种应用程序推荐方法的流程图；

图2为本申请实施例提供的一种第一控件的场景示意图；

图3为本申请实施例提供的另一种第一控件的场景示意图；

图4为本申请实施例提供的一种第一显示界面的场景示意图；

图5为本申请实施例提供的一种第二显示界面的场景示意图；

图6为本申请实施例提供的一种第一模型训练方法的流程图；

图7本申请实施例提供的一种应用程序推荐装置的结构示意图；

图8为本申请实施例提供的一种电子设备的结构示意图。

【具体实施方式】

为了更好的理解本申请的技术方案，下面结合附图对本申请实施例进行详细描述。

应当明确，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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它实施例，都属于本申请保护的范围。

在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

在使用终端设备的过程中，常常遇到这样的场景：终端设备中安装的APP众多，用户需要花费很长时间、翻看多个页面，才能找到当下想要使用的APP，存在很大的不便。

为解决上述问题，本申请可提供一种应用程序推荐方法，用于根据用户习惯，在不同场景下自动推荐符合用户需求的APP，方便用户在众多已安装的APP中快速找到下一个需要使用的APP。本申请提供的应用程序推荐方法可应用于任意一种终端设备，包括但不限于手机、平板电脑(Tablet Computer)、智能穿戴设备、个人计算机(Personal Computer，PC)、个人数字助理(Personal Digital Assistant，PDA)、无线手持设备等。

可以注意到，用户对终端设备中APP的使用存在一定规律。例如：多数用户更倾向于在早上使用天气类APP，在吃饭时间使用外卖类APP，在起床后和入睡前使用新闻资讯类APP等。并且，不同用户有不同的APP使用习惯和规律。

基于上述说明，本申请可对用户的APP使用习惯进行学习，建立与用户个人画像关联的人工智能(Artificial Intelligence，AI)模型。本申请提供的AI模型能够以特定情境的特征向量作为输入，以APP推荐结果作为输出。从而，可在不同场景下自动为用户推荐想要的APP，使查找APP的过程更加方便、高效。为方便表述，下面将本申请提供的用于推荐APP的模型称为第一模型。

下面对本申请利用第一模式实现APP推荐的方法进行说明。本方法流程具体可执行于终端设备的应用处理器(Application Processor，AP)侧。

图1为本申请实施例提供的一种应用程序推荐方法的流程图，如图1所示，上述应用程序推荐方法可以包括：

步骤101，响应于获取应用程序推荐结果的触发操作，确定当前情境的特征向量，特征向量包含至少一个特征数据。

本申请实施例中，终端设备的桌面可包含第一控件。用户获取应用程序推荐结果的触发操作，可以是对第一控件的触发操作。

一种可能的实现方式中，如图2所示，第一控件可以是悬浮框20。为避免影响用户正常使用终端设备，悬浮框20可默认显示于终端设备桌面的侧边。悬浮框20的样式例如可以是方形、圆形等，本申请对此不做限制。终端设备可响应于用户对悬浮框20的点击操作，确定当前情境的特征向量。

另一种可能的实现方式中，如图3所示，第一控件可以是桌面卡片30。终端设备可响应于用户对桌面卡片30的点击操作，确定当前情境的特征向量。

或者，在另外的实现方式中，终端设备还可通过语音助手，接收用户发出的获取应用程序推荐结果的指令信息。进而，终端设备可响应于接收到的指令信息，确定当前情境的特征向量。

其中，当前情境的特征向量包括但不限于：当前时间、当前地点、历史应用程序信息中任意一项或多项的组合。可以理解的，当前时间指的是检测到用户上述触发操作的时间，具体可以是周几，和/或一天中的具体时刻；当前地点指的是检测到用户上述触发操作的地点，如工作地、居住地等；历史应用程序信息指的是检测到上述触发操作前，用户最近使用的至少一个应用程序的信息，如名称、类型、使用时长等。

步骤102，利用预先训练好的第一模型，分别计算特征向量与各个样本向量的相似度，样本向量映射有应用程序标签。

获取到上述特征向量之后，终端设备可将上述特征向量输入预先训练好的第一模型。进而，可利用第一模型进行计算并输出应用程序推荐结果。

下面对利用第一模型进行计算的具体过程进行说明。

本申请实施例中，第一模型中可包括大量样本向量，每个样本向量均映射有一个应用程序标签。其中，样本向量为预先输入的不同情境的特征向量，所映射的应用程序标签为在该情境下用户所打开的应用程序的标签。标签例如可以是应用程序的实际名称，也可以是为应用程序分配的唯一识别号码等。

第一模型可基于K近邻(K-Nearest Neighbor,KNN)算法，对输入的特征向量进行计算，并输出应用程序推荐结果。

首先，基于KNN算法原理，可分别计算输入的特征向量与第一模型中各个样本向量的相似度。

具体的，与特征向量类似的，每个样本向量均可包含至少一个样本数据。对于任意一个样本向量与输入的特征向量的相似度计算过程，可分别计算特征向量包含的各个特征数据与样本向量包含的各个样本数据的子相似度。然后，可根据各个子相似度，确定特征向量与样本向量的相似度。例如，可将各个子相似度的和值，作为特征向量与样本向量的相似度。

在一个具体的实现方式中，可分别计算特征向量与各个样本向量之间的欧氏距离。欧氏距离可用于表征特征向量与各个样本向量之间的相似度。为便于理解，本申请实施例给出特征向量与样本向量之间欧氏距离的计算公式如下：

其中，x表示输入的特征向量，x

步骤103，根据相似度的计算结果，从各个样本向量中确定出多个目标样本向量。

步骤104，根据多个目标样本向量对应的应用程序标签，确定应用程序推荐结果并显示。

本申请实施例中，可根据相似度的计算结果，按照相似度由高至低的顺序对各个样本向量进行排序。进而，可将序位中前K个样本向量确定为目标样本向量。其中，K的取值可基于交叉验证的方法进行确定，本申请对此不做赘述。

然后，可根据多个目标样本向量对应的应用程序标签，对多个目标样本向量进行分类，得到若干个分类集合。其中，每个分类集合所含的目标样本向量均对应相同的应用程序标签。

进而，可根据各个分类集合所含目标样本向量的个数，确定目标分类集合。本申请可将包含目标样本向量最多的N个分类集合确定为目标分类集合。其中，N的取值可根据实际需求灵活设置，例如可以是5。

最后，可根据各个目标分类集合对应的应用程序标签，确定应用程序推荐结果。可以理解的，每个目标分类集合均对应一个应用程序标签。每个目标分类集合对应的应用程序标签均可作为一个待推荐的应用程序。在N的取值为5的情况下，应用程序推荐结果中可包含5个待推荐的应用程序。

本申请实施例中，进一步的，还可为各个待推荐的应用程序设置优先级。示例性的，目标分类集合包含目标样本向量个数越多，则该目标分类集合所对应的应用程序的优先级越高。

确定应用程序推荐结果后，可显示第一控件关联的显示界面，并在该显示界面中显示应用程序推荐结果。

一种可能的实现方式中，第一控件为悬浮框，那么，如图4所示，终端设备可响应于用户对悬浮框的点击操作，显示对应的第一显示界面40。待应用程序推荐结果计算完成后，可将应用程序推荐结果显示于第一显示界面40。

另一种可能的实现方式中，第一控件为桌面卡片，那么，如图5所示，终端设备可响应于用户对桌面卡片的点击操作，显示对应的第二显示界面50。待应用程序推荐结果计算完成后，可将应用程序推荐结果显示于该第二显示界面50。

在进行显示时，可按照优先级由高至低的排列顺序，依次显示各个待推荐的应用程序的图标。终端设备可响应于用户对其中任意一个图标的点击操作，启动该图标对应的APP。同时，用于显示应用程序推荐结果的第一显示界面可自动收起为悬浮框。或者，用于显示应用程序推荐结果的第二显示界面可自动收起为桌面卡片。

通过上述技术方案，可根据用户个人的使用习惯，在不同场景下自动为用户推荐想要使用的APP，方便用户在众多APP中快速找到下一个需要使用的APP，为用户的APP使用过程提供便利，提升用户体验。

进一步的，终端设备还可根据本次得到的应用程序推荐结果，再次对第一模型进行训练。从而可不断增强第一模型的准确度。

本申请另一实施例中，对上述实施例所描述的应用程序推荐方法中，第一模型的训练过程进行说明。

图6为本申请实施例提供的一种第一模型训练方法的流程图，如图6所示，本申请提供的第一模型训练方法可包括：

步骤201，采集样本向量以及样本向量对应的应用程序标签。

步骤202，利用样本向量以及应用程序标签训练得到第一模型。

本申请实施例中，终端设备可收集用户在不同场景下对已安装的各个APP的使用习惯的数据，作为训练第一模型的训练样本。每组训练样本均包括一个样本向量以及与样本向量对应的应用程序标签。每个样本向量均可包含多个样本数据。

下面对终端设备的任意一次训练样本采集过程进行说明。

具体的，终端设备可在检测到用户开启任意一个应用程序之后，采集该应用程序的开启时间以及开启地点。为方便表述，下面将所开启的任意一个应用程序称为第一应用程序。

然后，可根据历史开启记录，确定用户在第一应用程序之前开启的至少一个历史应用程序。特别的，当第一应用程序为用户当日开启的第一个应用程序时，历史应用程序可以为空。

进而，可根据第一应用程序的开启时间、开启地点、历史应用程序信息，确定样本向量。其中，开启时间、开启地点、历史应用程序信息可分别作为样本向量的样本数据。以及，可根据第一应用程序信息，确定样本向量对应的应用程序标签。

为便于理解，下表1给出若干个样本向量以及对应的应用程序标签的示例。

表1

然后，终端设备可将采集到的训练样本输入第一模型。第一模型可通过对大量训练样本进行机器学习，掌握用户的使用习惯。并且，随着用户使用终端设备的时长增长，训练样本也越来越多，第一模型的计算精度也就越高，推荐给用户的APP也越符合用户的使用习惯。

图7为本申请实施例提供的一种应用程序推荐装置的结构示意图。如图7所示，上述应用程序推荐装置可以包括：响应模块71、计算模块72、确定模块73、推荐模块74以及显示模块75。

响应模块71，用于响应于对第一控件的触发操作，确定当前情境的特征向量，特征向量包含至少一个特征数据。

计算模块72，用于利用预先训练好的第一模型，分别计算特征向量与各个样本向量的相似度，其中，样本向量映射有应用程序标签。

确定模块73，用于根据相似度的计算结果，从各个样本向量中确定出多个目标样本向量。

推荐模块74，用于根据多个目标样本向量对应的应用程序标签，确定应用程序推荐结果；

显示模块75，用于显示第一控件关联的显示界面，并在显示界面中显示应用程序推荐结果。

一种具体的实现方式中，响应模块71具体用于，响应于对悬浮框的点击操作，确定当前情境的特征向量，悬浮框位于显示桌面的侧边；或者，响应于对桌面卡片的点击操作，确定当前情境的特征向量。

一种具体的实现方式中，特征数据包括当前时间、当前地点、历史应用程序信息中任意一项或多项的组合。

一种具体的实现方式中，计算模块72具体用于，利用K近邻算法，分别计算特征向量包含的各个特征数据与第一样本向量包含的各个样本数据的子相似度；根据各个子相似度，确定特征向量与第一样本向量的相似度；其中，第一样本向量为各个样本向量中的任意一个。

一种具体的实现方式中，推荐模块74具体用于，根据多个目标样本向量对应的应用程序标签，对多个目标样本向量进行分类，得到若干个分类集合；根据各个分类集合所含目标样本向量的个数，确定目标分类集合；根据目标分类集合对应的应用程序标签，确定应用程序推荐结果。

一种具体的实现方式中，显示模块75还用于，响应于对应用推荐结果中任意一个应用程序的开启操作，启动任意一个应用程序，并将第一控件关联的显示界面重新收起、显示为第一控件。

一种具体的实现方式中，上述装置还包括训练模块76，用于响应于第一应用程序启动，确定启动时间以及启动地点；根据启动时间、启动地点、第二应用程序信息，确定样本向量；其中，第二应用程序包括在第一应用程序之前启动的至少一个历史应用程序；根据第一应用程序信息，确定样本向量对应的应用程序标签；利用样本向量以及应用程序标签训练得到第一模型。

一种具体的实现方式中，训练模块76还用于，在显示模块75显示应用程序推荐结果后，根据应用程序推荐结果，再次训练第一模型。

通过上述技术方案，可根据用户习惯在不同场景下自动推荐APP，方便用户在众多APP中快速找到下一个需要使用的APP。

图8为本申请实施例提供的一种电子设备的结构示意图。如图8所示，上述电子设备可以包括至少一个处理器；以及与上述处理器通信连接的至少一个存储器，其中：存储器存储有可被处理器执行的程序指令，上述处理器调用上述程序指令能够执行本申请实施例提供的应用程序推荐方法。

本实施例对上述电子设备的具体形态不作限定。

图8示出了适于用来实现本申请实施方式的示例性电子设备的框图。图8显示的电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图8所示，电子设备以通用计算设备的形式表现。电子设备的组件可以包括但不限于：一个或者多个处理器410，存储器430，连接不同系统组件(包括存储器430和处理器410)的通信总线440。

通信总线440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 StandardArchitecture；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 StandardsAssociation；以下简称：VESA)局域总线以及外围组件互连(Peripheral ComponentInterconnection；以下简称：PCI)总线。

电子设备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。

存储器430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)和/或高速缓存存储器。电子设备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。尽管图8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 Read Only Memory；以下简称：CD-ROM)、数字多功能只读光盘(Digital Video Disc Read Only Memory；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通信总线440相连。存储器430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申请各实施例的功能。

具有一组(至少一个)程序模块的程序/实用工具，可以存储在存储器430中，这样的程序模块包括——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。程序模块通常执行本申请所描述的实施例中的功能和/或方法。

电子设备也可以与一个或多个外部设备(例如键盘、指向设备、显示器等)通信，还可与一个或者多个使得用户能与该电子设备交互的设备通信，和/或与使得该电子设备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。这种通信可以通过通信接口420进行。并且，电子设备还可以通过网络适配器(图8中未示出)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 AreaNetwork；以下简称：WAN)和/或公共网络，例如因特网)通信，上述网络适配器可以通过通信总线440与电子设备的其它模块通信。应当明白，尽管图8中未示出，可以结合电子设备使用其它硬件和/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、磁盘阵列(Redundant Arrays of Independent Drives；以下简称：RAID)系统、磁带驱动器以及数据备份存储系统等。

处理器410通过运行存储在存储器430中的程序，从而执行各种功能应用以及应用程序推荐，例如实现本申请实施例提供的应用程序推荐方法。

本申请实施例还提供一种计算机可读存储介质，上述计算机可读存储介质存储计算机指令，上述计算机指令使上述计算机执行本申请实施例提供的应用程序推荐方法。

上述计算机可读存储介质可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ReadOnly Memory；以下简称：ROM)、可擦式可编程只读存储器(Erasable Programmable ReadOnly Memory；以下简称：EPROM)或闪存、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、电线、光缆、RF等等，或者上述的任意合适的组合。

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申请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。在本申请的描述中，“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，并且本申请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，这应被本申请的实施例所属技术领域的技术人员所理解。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。