意图识别匹配方法、装置及设备

技术领域

本发明涉及通信技术领域，特别是指一种意图识别匹配方法、装置及设备。

背景技术

意图是一种服务描述方式，其抽象地定义网络需求并给出一组关于网络或服务的期望，而不具体指定技术细节。意图驱动网络对用户的专业知识要求低，具有更好的普适性，能满足多类人群的网络服务需求。

现有的意图知识选择方法主要分为两类：一类是基于规则对用户意图进行意图识别，通常基于关键词对意图知识进行分类，当获取到用户意图时将意图文本与多组关键词进行对应，为用户意图匹配对应意图知识。该方法无法适应语言逻辑的多样性和模糊性，对意图的识别效果较差。

另一类方法是基于机器学习算法，计算用户意图与相应指标的匹配程度，如语义匹配程度，文本编辑距离等，基于最终的得分输出匹配程度最高的意图知识。该类算法的对模型精度要求高，过于依赖模型本身的质量，无法根据实际使用过程中历史记录和用户特定偏好进行自适应调整，导致意图识别的效果较差。

发明内容

本发明的目的是提供一种意图识别匹配方法、装置及设备，解决了现有的意图识别方法识别效果较差的问题。

为达到上述目的，本发明的实施例提供一种意图识别匹配方法，包括：

获取意图创建者创建的意图；

获取与所述意图匹配的准则策略相关信息；

根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识；

将所述目标意图知识发送至意图执行模块。

可选地，所述获取与所述意图匹配的准则策略相关信息，包括：

根据当前系统状态以及所述意图的特征信息，为所述意图匹配准则策略模板，所述准则策略模板包括影响目标意图知识的准则因素；

获取所述准则因素的准则因素权重向量以及候选意图知识的意图知识权重向量。

可选地，获取所述准则因素的准则因素权重向量，包括：

根据每个准则因素对所述目标意图知识的第一影响权重，获取准则判断矩阵；对所述准则判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述准则因素权重向量；

或者

由终端发送的选择报告中获取所述准则因素权重向量。

可选地，获取所述候选意图知识的意图知识权重向量，包括：

根据每个候选意图知识对每个准则因素的第二影响权重，获取意图知识判断矩阵；

对所述意图知识判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述意图知识权重向量。

可选地，根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识，包括：

根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果；

根据所述匹配结果确定所述目标意图知识。

可选地，所述根据所述匹配结果确定所述目标意图知识，包括：

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，均大于或者等于第一阈值的情况下，确定所述最高匹配结果对应的意图知识为所述目标意图知识；

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，确定所述意图创建者选择的意图知识为所述目标意图知识。

可选地，在根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果之后，所述方法还包括；

在所述匹配结果中的最高匹配结果为0的情况下，重新获取所述意图。

可选地，在最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，所述方法还包括：

向终端发送选择参考报告，所述选择参考报告包括：所述比较绝对值小于第一阈值的所述第一匹配结果对应的第一意图知识，以及所述最高匹配结果对应的第二意图知识，以使所述意图创建者在所述第一意图知识和所述第二意图知识中选择所述目标意图知识；

接收终端发送的选择报告，所述选择报告包括：所述意图创建者选择的目标意图知识以及更新的准则因素权重向量。

可选地，所述选择参考报告还包括以下至少一项：

所述第一意图知识和所述第二意图知识分别对应的匹配结果；

所述准则因素权重向量。

可选地，在接收终端发送的选择报告之后，所述方法还包括：

根据所述选择报告，对准则策略进行自学习并更新准则策略模板。

可选地，所述准则因素包括以下至少一项：

网络资源类指标；

业务质量类指标；

意图知识匹配度；

意图知识的历史执行情况；

意图创建者偏好特征。

可选地，在所述准则因素包括所述意图创建者偏好特征的情况下，为所述意图匹配准则策略模板之后，所述方法还包括：

对匹配的所述准则策略模板进行更新，更新后的所述准则策略模板中不包括所述意图创建者偏好特征。

为达到上述目的，本发明的实施例提供一种意图识别匹配装置，包括：

意图获取模块，用于获取意图创建者创建的意图；

准则数据获取模块，用于获取与所述意图匹配的准则策略相关信息；

意图知识分析模块，用于根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识；

发送模块，用于将所述目标意图知识发送至意图执行模块。

可选地，所述准则数据获取模块包括：

匹配单元，用于根据当前系统状态以及所述意图的特征信息，为所述意图匹配准则策略模板，所述准则策略模板包括影响目标意图知识的准则因素；

第一获取单元，用于获取所述准则因素的准则因素权重向量以及候选意图知识的意图知识权重向量。

可选地，所述第一获取单元具体用于：

根据每个准则因素对所述目标意图知识的第一影响权重，获取准则判断矩阵；对所述准则判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述准则因素权重向量；

或者

由终端发送的选择报告中获取所述准则因素权重向量。

可选地，所述第一获取单元具体用于：根据每个候选意图知识对每个准则因素的第二影响权重，获取意图知识判断矩阵；

对所述意图知识判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述意图知识权重向量。

可选地，所述意图知识分析模块包括：

第一计算单元，用于根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果；

第一确定单元，用于根据所述匹配结果确定所述目标意图知识。

可选地，第一确定单元具体用于：

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，均大于或者等于第一阈值的情况下，确定所述最高匹配结果对应的意图知识为所述目标意图知识；

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，确定所述意图创建者选择的意图知识为所述目标意图知识。

可选地，所述装置还包括；

第一获取模块，用于在所述匹配结果中的最高匹配结果为0的情况下，重新获取所述意图。

可选地，所述装置还包括：

偏好选择模块，用于向终端发送选择参考报告，所述选择参考报告包括：所述比较绝对值小于第一阈值的所述第一匹配结果对应的第一意图知识，以及所述最高匹配结果对应的第二意图知识，以使所述意图创建者在所述第一意图知识和所述第二意图知识中选择所述目标意图知识；

接收模块，用于接收终端发送的选择报告，所述选择报告包括：所述意图创建者选择的目标意图知识以及更新的准则因素权重向量。

可选地，所述选择参考报告还包括以下至少一项：

所述第一意图知识和所述第二意图知识分别对应的匹配结果；

所述准则因素权重向量。

可选地，所述装置还包括：

动态准则策略自学习模块，用于根据所述选择报告，对准则策略进行自学习并更新准则策略模板。

可选地，所述准则因素包括以下至少一项：

网络资源类指标；

业务质量类指标；

意图知识匹配度；

意图知识的历史执行情况；

意图创建者偏好特征。

可选地，在所述准则因素包括所述意图创建者偏好特征的情况下，所述装置还包括：

更新模块，用于对匹配的所述准则策略模板进行更新，更新后的所述准则策略模板中不包括所述意图创建者偏好特征。

为达到上述目的，本发明的实施例提供一种意图识别匹配设备，包括：收发器和处理器；

所述收发器用于：获取意图创建者创建的意图；获取与所述意图匹配的准则策略相关信息；

所述处理器用于：根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识；将所述目标意图知识发送至意图执行模块。

可选地，所述收发器获取与所述意图匹配的准则策略相关信息，具体包括：

根据当前系统状态以及所述意图的特征信息，为所述意图匹配准则策略模板，所述准则策略模板包括影响目标意图知识的准则因素；

获取所述准则因素的准则因素权重向量以及候选意图知识的意图知识权重向量。

可选地，所述收发器获取所述准则因素的准则因素权重向量，具体包括：

根据每个准则因素对所述目标意图知识的第一影响权重，获取准则判断矩阵；对所述准则判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述准则因素权重向量；

或者

由终端发送的选择报告中获取所述准则因素权重向量。

可选地，所述收发器获取所述候选意图知识的意图知识权重向量，具体包括：

根据每个候选意图知识对每个准则因素的第二影响权重，获取意图知识判断矩阵；

对所述意图知识判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述意图知识权重向量。

可选地，所述处理器根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识，包括：

根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果；

根据所述匹配结果确定所述目标意图知识。

可选地，所述处理器根据所述匹配结果确定所述目标意图知识，包括：

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，均大于或者等于第一阈值的情况下，确定所述最高匹配结果对应的意图知识为所述目标意图知识；

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，确定所述意图创建者选择的意图知识为所述目标意图知识。

可选地，在根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果之后，所述收发器还用于；

在所述匹配结果中的最高匹配结果为0的情况下，重新获取所述意图。

可选地，在最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，所述收发器还用于：

向终端发送选择参考报告，所述选择参考报告包括：所述比较绝对值小于第一阈值的所述第一匹配结果对应的第一意图知识，以及所述最高匹配结果对应的第二意图知识，以使所述意图创建者在所述第一意图知识和所述第二意图知识中选择所述目标意图知识；

接收终端发送的选择报告，所述选择报告包括：所述意图创建者选择的目标意图知识以及更新的准则因素权重向量。

可选地，所述选择参考报告还包括以下至少一项：

所述第一意图知识和所述第二意图知识分别对应的匹配结果；

所述准则因素权重向量。

可选地，在接收终端发送的用户选择报告之后，所述处理器还用于：

根据所述选择报告，对准则策略进行自学习并更新准则策略模板。

可选地，所述准则因素包括以下至少一项：

网络资源类指标；

业务质量类指标；

意图知识匹配度；

意图知识的历史执行情况；

意图创建者偏好特征。

可选地，在所述准则因素包括所述意图创建者偏好特征的情况下，为所述意图匹配准则策略模板之后，所述处理器还用于：

对匹配的所述准则策略模板进行更新，更新后的所述准则策略模板中不包括所述意图创建者偏好特征。

为达到上述目的，本发明的实施例提供一种电子设备，包括：收发器、处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令；所述处理器执行所述程序或指令时实现上述的意图识别匹配方法。

为达到上述目的，本发明的实施例提供一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现上述的意图识别匹配方法的步骤。

本发明的上述技术方案的有益效果如下：

本发明的实施例，基于准则策略相关信息对候选意图知识进行分析，由候选意图知识中确定与意图创建者创建的意图匹配的目标意图知识，所述准则策略相关信息中包括影响目标意图知识的多个准则因素，可以基于多因素进行意图知识的综合评判，使系统更具有鲁棒性，提高意图识别效果。

附图说明

图1为本发明实施例的意图识别匹配方法的流程示意图之一；

图2为本发明实施例的意图知识动态分层次选择模型示意图之一；

图3为本发明实施例的意图识别匹配装置的结构示意图；

图4为本发明实施例的意图识别匹配方法的流程示意图之二；

图5为本发明实施例的意图知识动态分层次选择模型示意图之二；

图6为本发明实施例的意图识别匹配设备的结构示意图；

图7为本发明实施例的电子设备的结构示意图。

具体实施方式

为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。

应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。

在本发明的各种实施例中，应理解，下述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

另外，本文中术语“系统”和“网络”在本文中常可互换使用。

在本申请所提供的实施例中，应理解，“与A相应的B”表示B与A相关联，根据A可以确定B。但还应理解，根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其它信息确定B。

如图1所示，本发明实施例提供一种意图识别匹配方法，包括：

步骤11、获取意图创建者创建的意图。

所述意图创建者可以为用户。该实施例中，可以通过用户界面(User Interface，UI)、语音设备或者其他系统接口获取意图创建者创建的意图。例如：意图创建者可以在进行视频搜索的位置输入想要搜索的内容。

步骤12、获取与所述意图匹配的准则策略相关信息。

所述准则策略相关信息可以包括：准则策略模板、准则策略模板的内容以及与准则策略相关的其他参数内容。所述准则策略可以为进行意图识别的影响因素，例如：网络资源类指标、业务质量类指标、意图知识匹配度、历史执行情况、意图创建者偏好特征等因素。

步骤13、根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识；

步骤14、将所述目标意图知识发送至意图执行模块。

该实施例中，所述候选意图知识可以在意图知识库中存储，意图知识库中存储各个意图知识的意图标准描述文件，其中描述信息包括但不限于意图相应执行流程、意图表达描述等。根据所述准则策略相关信息对所述意图知识库中存储的候选意图知识进行分析，确定与所述用户意图匹配的目标意图知识，并将所述目标意图知识发送至意图执行模块，由所述意图执行模块决定是否执行所述目标意图知识映射的策略或者工作流。例如，所述意图执行模块在检测到存在意图冲突时，可以选择不执行所述目标意图知识映射的策略或者工作流。

本发明的实施例，基于准则策略相关信息对候选意图知识进行分析，由候选意图知识中确定与意图创建者创建的意图匹配的目标意图知识，所述准则策略相关信息中包括影响目标意图知识的多个准则因素，可以基于多因素进行意图知识的综合评判，使系统更具有鲁棒性，提高意图识别效果。

可选地，所述意图匹配的准则策略相关信息可以包括：准则策略模板、准则因素权重向量以及意图知识权重向量。具体地，所述获取与所述意图匹配的准则策略相关信息，可以包括：

根据当前系统状态以及所述意图的特征信息，为所述意图匹配准则策略模板，所述准则策略模板包括影响目标意图知识的准则因素；获取所述准则因素的准则因素权重向量以及候选意图知识的意图知识权重向量。

该实施例中，所述准则策略模板可以在动态准则策略库中存储，动态准则策略库中存储多个准则策略模板，准则策略模板中可以包括多个影响目标意图知识的准则因素，不同准则因素对于目标意图知识的影响权重可能不同。所述候选意图知识可以在意图知识库中存储，不同的候选意图知识对不同准则因素的影响权重可能不同。

可选地，在根据所述准则策略相关信息对候选意图知识进行分析时，可以基于不同层级对候选意图知识进行分析，例如建立图2所示的意图知识动态分层次选择模型：利用所述准则因素构建准则层，利用候选意图知识构建方案层，每个准则因素分别与每个候选意图知识相关联，通过所述准则因素的准则因素权重向量以及所述候选意图知识的意图知识权重向量，由候选意图知识中确定目标意图知识，所述目标意图知识即最佳意图知识选择。

可选地，所述准则策略模板包含的准则因素可以包括以下至少一项：

(1)网络资源类指标；例如：中央处理器(Central Processing Unit，CPU)使用率、虚拟机使用率、资源占用(这里指综合多种资源占用情况的综合资源占用因素)等意图知识实例化后可占用的系统资源。

(2)业务质量类指标；例如：服务质量(Quality of Service，QoS)等意图知识实例化后提供的服务质量因素。

(3)意图知识匹配度；

(4)意图知识的历史执行情况；例如：历史执行次数、历史执行成功率等。

(5)意图创建者偏好特征。需要说明的是，在进行意图知识识别匹配的过程中，若在此之前启动过意图创建者偏好选择机制，所述准则因素中可能包括所述“意图创建者偏好特征”因素。所述意图创建者偏好选择机制是指：通过向意图创建者发送选择参考报告，使所述意图创建者由所述选择参考报告中提供的候选意图知识中选择目标意图知识。

在本发明的实施例中，在根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识时，可以包括两种执行场景，第一种为未启动过意图创建者偏好选择机制，此时动态准则策略库中存储的准则策略模板不包括“意图创建者偏好特征”因素；第二种为已经启动过所述意图创建者偏好选择机制，此时动态准则策略库中存储的准则策略模板包括“意图创建者偏好特征”因素。

作为一个可选实施例，获取所述准则因素的准则因素权重向量，包括：

方式一：根据每个准则因素对所述目标意图知识的第一影响权重，获取准则判断矩阵；对所述准则判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述准则因素权重向量；

或者

方式二：由终端发送的选择报告中获取所述准则因素权重向量。

该实施例中，获取所述则因素权重向量的方式有两种，方式一为根据准则因素的影响权重，获得准则判断矩阵，根据所述准则判断矩阵计算所述准则权重向量；方式二为通过所述意图创建者的选择报告中获取所述准则因素权重向量。对于所述方式二，表示已经启动过意图创建者偏好选择机制，所述意图创建者选择了偏好的候选意图知识，即所述准则策略模板中包括“意图创建者偏好特征”因素，此时可以根据所述意图创建者的选择直接生成准则因素权重向量。

作为一个可选实施例，获取所述候选意图知识的意图知识权重向量，包括：

根据每个候选意图知识对每个准则因素的第二影响权重，获取意图知识判断矩阵；对所述意图知识判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述意图知识权重向量。

下面以通过方式一获取所述准则因素权重向量为例，说明获取所述准则因素的准则因素权重向量以及候选意图知识的意图知识权重向量的实现过程。

步骤(1)、所述准则因素对目标意图知识的第一影响权重分别为：a

每个候选意图知识对准则因素的第二影响权重分别为：意图知识1对各准则因素的影响权重：b

步骤(2)、基于上述权重向量生成准则判断矩阵和意图知识判断矩阵：

准则判断矩阵：

意图知识判断矩阵：

以此类推

步骤(3)、基于上述准则判断矩阵和意图知识判断矩阵，计算准则因素权重向量以及意图知识权重向量：

对所述准则判断矩阵和意图知识判断矩阵分别进行行向量求和，获得准则判断矩阵对应的列向量以及所述意图知识判断矩阵对应的列向量，并分别对获得的列向量进行标准化，可以得到所述准则因素权重向量ω

作为一个可选实施例，根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识，包括：

根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果；根据所述匹配结果确定所述目标意图知识。

该实施例中，获得的所述匹配结果可以为匹配得分，得分越高表示与所述意图创建者创建的意图的匹配度越高。可选地，可以用过计算所述准则因素权重向量和所述意图知识权重向量的乘积，获得所述匹配结果，例如：

匹配得分

可选地，所述根据所述匹配结果确定所述目标意图知识，包括：

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，均大于或者等于第一阈值的情况下，确定所述最高匹配结果对应的意图知识为所述目标意图知识；

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，确定所述意图创建者选择的意图知识为所述目标意图知识。

可选地，在根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果之后，所述方法还包括；在所述匹配结果中的最高匹配结果为0的情况下，重新获取所述意图。

该实施例中，所述第一匹配结果可以为除所述最高匹配结果外的其他任意一个或者多个匹配结果，即所述第一匹配结果可以包括多个，分别对应不同的意图知识，所述匹配结果可以为匹配得分。

在进行目标意图知识的判断时，若当前最高匹配得分为0，则重新进行意图获取；否则，判断除当前最高匹配得分对应的意图知识外各候选意图知识(即所述第一匹配结果对应的意图知识)对应的得分S

其中，所述最高匹配结果与第一匹配结果的比较绝对值小于第一阈值时，可以表示所述最高匹配结果对应的意图知识，与所述第一匹配结果对应的意图知识，和意图创建者的意图的匹配度相近，因此可以通过意图创建者根据自身偏好选择目标意图知识。

可选地，在最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，所述方法还包括：

向终端发送选择参考报告，所述选择参考报告包括；所述比较绝对值小于第一阈值的所述第一匹配结果对应的第一意图知识，以及所述最高匹配结果对应的第二意图知识，以使所述意图创建者在所述第一意图知识和所述第二意图知识中选择所述目标意图知识；接收终端发送的选择报告，所述选择报告包括：所述意图创建者选择的目标意图知识以及更新的准则因素权重向量。

所述选择参考报告可以包括以下至少一项：

所述第一意图知识和所述第一意图知识分别对应的匹配结果；

所述准则因素权重向量。

该实施例为启用意图创建者偏好选择机制的实现过程，即在最高匹配结果与除所述最高匹配结果外的其他匹配结果(即所述第一匹配结果)中的至少一个的比较绝对值小于第一阈值时，将选择参考报告发送给意图创建者，所述选择参考报告中包括所述最高匹配结果对应的第二意图知识，还包括比较绝对值小于第一阈值的第一匹配结果对应的第一意图知识。所述意图创建者可以基于自身偏好，根据其中提供的意图知识和/或各个意图知识的匹配得分确定目标意图知识，并生成相应的选择报告。

例如：假设第一阈值为Y，候选意图知识包括：意图知识1-5，其中意图知识1与意图创建者的意图匹配结果最高，则可以计算意图知识1分别与意图知识2-4对应的匹配结果之间的比较绝对值，若意图知识1的匹配结果，与意图知识2和3的匹配结果之间的比较绝对值小于Y，表示三者与所述意图的匹配程度相近，则可以向终端发送选择参考报告，该选择参考报告中包括意图知识1、意图知识2以及意图知识3，还可以包括意图知识1、意图知识2以及意图知识3分别对应的匹配结果、准则因素权重向量。所述意图创建者可以基于自身偏好选择目标意图知识，例如选择匹配结果最高的意图知识1作为所述目标意图知识。

其中，由于意图创建者根据自身偏好选择了目标意图知识，则候选意图知识对准则因素的影响权重发生变化，准则因素权重向量也会发生改变，在意图创建者选择候选意图知识后，生成更新的准则因素权重向量，终端反馈的所述选择报告中可以包括所述意图创建者选择的目标意图知识以及更新的准则因素权重向量。在接收到所述选择报告后，将所述意图创建者选择的候选意图知识作为目标意图知识执行。

可选地，在接收终端发送的选择报告之后，所述方法还包括：根据所述选择报告，对准则策略进行自学习并更新准则策略模板。

该实施例中，在接收到所述选择报告后，对准则策略进行自学习，获得更新数据，包括但不限于最新动态准则策略模板及相关数据等。其中，可以根据所述选择报告提取意图创建者的偏好数据并在意图创建者偏好数据库中进行存储，在自学习过程中，可以获取意图创建者偏好数据库中存储的意图创建者偏好数据，对当前策略进行自学习和指标参数的数据更新，其中自学习是指基于规则判断当前准则策略是否需要调整，调整方式包括但不限于增加或删除准则策略中的准则因素，调整准则因素对目标层的影响权重等。

作为一个可选实施例，若启动了意图创建者偏好选择机制，在进行准则策略自学习后，生成的更新的准则策略模板包括“意图创建者偏好特征”因素，在所述准则因素包括所述意图创建者偏好特征的情况下，为所述意图匹配准则策略模板之后，所述方法还可以包括：对匹配的所述准则策略模板进行更新(即对匹配到的准则策略模板进行更新，无需对准则策略库中的策略模板进行更新)，更新后的所述准则策略模板中不包括所述意图创建者偏好特征。

该实施例中，若为所述意图创建者创建的意图匹配的准则策略模板中包含“意图创建者偏好特征”因素，可以将“意图创建者偏好特征”隐藏，将隐藏“意图创建者偏好特征”因素后形成的新的当前匹配的准则策略模板，作为为所述意图匹配的准则策略模板，该更新后的准则策略模板中，由于在进行意图创建者偏好选择机制时，意图创建者反馈的选择报告中包含准则因素权重向量，则在对候选意图知识进行分析时无需再通过准则判断矩阵计算所述准则因素权重向量，即可以省略对准则判断矩阵的相关操作，直接使用准则权重向量进行相应计算。

本发明的实施例中，在根据所述准则策略相关信息对候选意图知识进行分析时，可以基于不同层级对候选意图知识进行分析，意图知识动态分层次选择模型如图2所示，模型分为三层：目标层，准则层及方案层，具体地：所述目标层为当前分析的最终目标，及确定所述目标意图知识；准则层为最终目标意图知识选择所涉及的影响因素；所述方案层为备选方案，包括多个候选意图知识。下面以该意图知识动态分层次选择模型为例说明本发明的意图识别匹配的实现过程。具体包括：

1)：创建备选的意图知识集；

2)：构建意图知识动态分层次选择模型，所述模型包括目标层、准则层和方案层。其中，准则层包括为意图匹配的准则策略模板包含的多个准则因素1～i。方案层包括意图知识库中的多个意图知识1～j。

3)：所述意图知识动态分层次选择模型获取各个准则因素对目标层的影响权重，分别为a

4)：基于上述权重向量生成准则判断矩阵(即准则层判断矩阵)和意图知识判断矩阵(即方案层判断矩阵)。

5)：对所述准则层判断矩阵和方案层判断矩阵分别进行行向量求和，对所得列向量进行标准化，获得准则因素权重向量(即准则层权重向量)以及意图知识权重向量(即方案层权重向量)；根据所述准则层权重向量和所述方案层权重向量，计算方案层的各个意图知识的匹配得分。

6)：根据所述匹配得分，确定所述目标层的目标意图知识，所述目标意图知识即为最佳意图知识选择，具体实现步骤在此不做赘述。

7)：执行所选的目标意图知识。

该实施例的步骤2)中，为意图匹配的准则策略模板的实现过程如下。

例如：若根据当前系统状态以及所述意图的特征信息确定目前资源占用率高，且意图创建者不接受降级的服务，则为当前意图匹配的准则策略模板包含资源占用、意图知识匹配度、历史执行次数三项因素，以此作为准则因素；若根据当前系统状态以及所述意图的特征信息确定当前资源占用率低，且用户不接受降级的服务，则为当前意图匹配的准则策略模板包含意图知识匹配度、历史执行次数、历史执行成功率三项因素。

以上示例可以使用事件-条件-动作(Event-Condition-Action，ECA)策略进行描述，并使用通用策略引擎(比如Apex、Drools等)技术实现相应的策略方案。ECA策略描述如下：

策略1：

事件：

接收到准则层构建请求及相关指标信息；

条件：

a)当前对应资源指标占用率大于80％；

b)指标“QoS”值大于8；

c)指标“接受降级”的值为False；

动作

a)生成一个组合了“资源占用”、“意图知识匹配度”和“历史执行次数”三项因素的准则策略模板。

策略2：

事件：

接收到准则层构建请求及相关指标信息；

条件：

a)当前对应资源指标占用率小于40％

b)指标“QoS”值大于8

c)指标“接受降级”的值为False

动作：

a)生成一个组合了“意图知识匹配度”、“历史执行次数”和“历史执行成功率”三项因素的准则策略模板。

默认策略：

事件：

接收到准则层构建请求及相关指标信息；

条件：

a)动态准则策略库中已有其它策略的条件条目均被评估为“False”；

动作：

a)生成一个组合了“意图知识匹配度”和“历史执行次数”两项因素的准则策略模板。

需要说明的是，该实施例的策略示例中所述指标和对应值均为说明性举例，仅供后续实现参考，不具有强制含义。如指标QoS在本示例中认为通过1-10来表明所述意图创建者对于服务的要求，1为最低，10为最高。这些指标均可以通过其它方式被表述。

本发明的实施例，基于准则策略相关信息对候选意图知识进行分析，由候选意图知识中确定与意图创建者创建的意图匹配的目标意图知识，所述准则策略相关信息中包括影响目标意图知识的多个准则因素，可以基于多因素进行意图知识的综合评判，使系统更具有鲁棒性，提高意图识别效果。

本发明的实施例的意图识别匹配方法，可以基于系统状态与意图特征从可自学习的动态准则策略库匹配相应策略构建准则层，对候选意图知识进行意图知识集层次分析；可以基于意图创建者偏好选择进行准则策略自学习，进而动态修改动态准则策略库中的准则策略模板。考虑了多因素(如资源占用情况，用户偏好特征等)对意图知识选择的影响，并可以通过建立意图知识动态分层次选择模型，所述模型可以基于系统状态与意图特征从自学习动态准则策略库匹配相应策略构建最佳准则层进行多元素综合评判，对最佳意图知识选择的考虑更全面，灵活。

此外，在根据所述匹配结果确定所述目标意图知识时，考虑了所选意图知识得分相近的情况，引入意图创建者偏好选择机制，该机制可以对意图知识偏好选择数据及准则策略库进行更新和自学习，使系统更具鲁棒性。

需要说明的是，本申请实施例提供的意图识别匹配方法，执行主体可以为意图识别匹配装置，或者该意图识别匹配装置中的用于意图识别匹配方法的控制模块。本申请实施例中以意图识别匹配装置执行意图识别匹配方法为例，说明本申请实施例提供的意图识别匹配装置。

如图3所示，本申请实施例还提供了一种意图识别匹配装置300，包括：

意图获取模块310，用于获取意图创建者创建的意图；

准则数据获取模块320，用于获取与所述意图匹配的准则策略相关信息；

意图知识分析模块330，用于根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识；

发送模块340，用于将所述目标意图知识发送至意图执行模块。

可选地，所述准则数据获取模块包括：

匹配单元，用于根据当前系统状态以及所述意图的特征信息，为所述意图匹配准则策略模板，所述准则策略模板包括影响目标意图知识的准则因素；

第一获取单元，用于获取所述准则因素的准则因素权重向量以及候选意图知识的意图知识权重向量。

可选地，所述第一获取单元具体用于：

根据每个准则因素对所述目标意图知识的第一影响权重，获取准则判断矩阵；对所述准则判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述准则因素权重向量；

或者

由终端发送的选择报告中获取所述准则因素权重向量。

可选地，所述第一获取单元具体用于：根据每个候选意图知识对每个准则因素的第二影响权重，获取意图知识判断矩阵；

对所述意图知识判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述意图知识权重向量。

可选地，所述意图知识分析模块包括：

第一计算单元，用于根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果；

第一确定单元，用于根据所述匹配结果确定所述目标意图知识。

可选地，第一确定单元具体用于：

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，均大于或者等于第一阈值的情况下，确定所述最高匹配结果对应的意图知识为所述目标意图知识；

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，确定所述意图创建者选择的意图知识为所述目标意图知识。

可选地，所述装置还包括；

第一获取模块，用于在所述匹配结果中的最高匹配结果为0的情况下，重新获取所述意图。

可选地，所述装置还包括：

偏好选择模块，用于向终端发送选择参考报告，所述选择参考报告包括：所述比较绝对值小于第一阈值的所述第一匹配结果对应的第一意图知识，以及所述最高匹配结果对应的第二意图知识，以使所述意图创建者在所述第一意图知识和所述第二意图知识中选择所述目标意图知识；

接收模块，用于接收终端发送的选择报告，所述选择报告包括：所述意图创建者选择的意图知识以及更新的准则因素权重向量。

可选地，所述选择参考报告还包括以下至少一项：

所述第一意图和所述第二意图知识分别知识对应的匹配结果；

所述准则因素权重向量。

可选地，所述装置还包括：

动态准则策略自学习模块，用于根据所述选择报告，对准则策略进行自学习并更新准则策略模板。

可选地，所述准则因素包括以下至少一项：

网络资源类指标；

业务质量类指标；

意图知识匹配度；

意图知识的历史执行情况；

意图创建者偏好特征。

可选地，在所述准则因素包括所述意图创建者偏好特征的情况下，所述装置还包括：

更新模块，用于对匹配的所述准则策略模板进行更新，更新后的所述准则策略模板中不包括所述意图创建者偏好特征。

下面通过说明本发明实施例的意图识别匹配装置实现所述意图识别匹配方法的过程，如图4所示，具体包括：

1：意图获取，意图获取模块可以通过UI界面、语音设备或其他系统接口等获取意图创建者创建的意图。

2：意图知识选择。下面说明该实施例中所述意图识别匹配装置涉及的存储库以及相关意图模块。

(1)可以创建意图知识库，在意图知识库中存储意图标准描述文件。

(2)意图知识分析模块，可以包括图2所示的意图知识动态分层级选择模型，所述意图知识动态分层级选择模型实现意图识别匹配的过程在此不做赘述。

所述意图知识动态分层次选择模型通过意图知识库获取候选意图知识。

(3)偏好选择模块，用于执行意图创建者偏好选择机制，意图创建者偏好选择机制中系统向意图创建者发送选择参考报告；所述意图创建者选择候选意图知识后，向系统返回选择报告，该报告中所含信息包括但不限于意图创建者选择结果、意图创建者偏好的准则因素权重向量等。

(4)偏好数据库，用于存储意图创建者偏好选择相关数据，包括但不限于意图创建者偏好选择机制中选择报告的信息等。

(5)动态准则策略自学习模块，可以用于获取偏好数据库中存储的意图创建者的偏好数据，对当前策略进行自学习和指标参数的数据更新。

(6)动态准则策略库，用于存储准则策略模板。其中，动态准则策略库可获取动态准则策略自学习模块自学习后的更新数据，包括但不限于最新动态准则策略模板及相关数据等。

在为当前意图进行意图知识层次分析时，需要与准则数据获取模块交互，基于当前系统状态及意图特征信息，匹配相应准则策略模板，用于构建所述意图知识动态分层级选择模型中的准则层。

(7)准则数据获取模块，包括但不限于以下能力：

a：可以与所述动态准则策略库进行交互，获取目前系统状态信息及意图的特征信息，并与动态准则策略库交互，匹配到最适宜的准则策略模板，所述系统状态信息包括但不限于系统资源占用情况、闲时/忙时、意图创建者可接受的服务降低程度等；

b：可以与所述偏好数据库进行交互，包括：若当前匹配到的准则策略模板中包含“意图创建者偏好特征”因素时，检查意图创建者偏好数据，直接生成准则策略模板中的对应因素的准则层权重向量。

c：可以与所述意图知识分析模块进行交互，包括：

(i)当前匹配的准则策略模板中不包含“意图创建者偏好特征”因素时，向所述意图知识分析模块发送当前匹配的准则策略模板及相关数据，包括但不限于准则因素、准则因素对构建意图知识动态分层级选择模型的目标层的影响权重(即准则因素对目标意图知识的影响权重)、意图知识动态分层级选择模型的方案层对准则因素的影响权重(即各个候选意图知识对准则因素的影响权重)等。

(ii)当前匹配的准则策略模板中包含“意图创建者偏好特征”因素时，隐藏“意图创建者偏好特征”因素后，形成新的当前匹配的准则策略模板，并向所述意图知识分析模块发送准则策略模板及相关数据，包括但不限于准则因素，准则策略模板中的对应因素的准则层权重向量，方案层对准则因素的影响权重等。同时通知所述意图知识分析模块在进行层次分析时，由于缺少准则层判断矩阵，省略对准则层判断矩阵的相关操作，直接使用准则层权重向量进行相应计算。

具体地，所述意图知识分析模块可以包括判断单元，用于候选意图知识对于所述意图的匹配结果，判断候选意图知识是否可以作为目标意图知识。其中：

若当前最高得分意图知识的匹配得分为0，则重新进行意图获取；

否则，判断除当前最高匹配得分对应的意图知识外各候选意图的匹配得分S

3：意图执行，执行所选的目标意图知识映射的策略或者工作流。需要说明的是，该步骤为可选执行步骤，即意图执行模块可以确定是否执行所述目标意图知识映射的策略或者工作流。

下面通过具体示例说明该意图识别匹配装置实现所述意图识别匹配方法的执行过程。

以以下场景作为示例：意图创建者申请高质量的视频直播服务且不接受服务降级；在获取意图创建者创建的意图后，将意图知识库作为意图知识集，基于此，创建意图知识动态分层次选择模型的方案层；准则数据获取模块获取到目前系统资源占用率高，且意图创建者不接受服务降级，基于当前系统状态信息及意图特征信息与动态准则策略库交互，为当前意图创建者创建的意图匹配到的准则策略模板，其中该模板的资源占用、意图知识匹配度、历史执行次数三个因素作为准则层；目标层为最佳意图知识选择，即获得的目标意图知识。其中资源占用是指对系统中各类资源占用情况的综合指标。构建的所述意图知识动态分层次选择模型如图5所示。

基于图5所示的模型，准则数据获取模块需要向意图知识分析模块发送准则因素对目标层的影响权重，分别为资源占用程度a

基于上述数据，意图知识动态分层次选择模型生成准则层判断矩阵：

以及方案层判断矩阵：

对上述判断矩阵进行行向量求和，对所得列向量进行标准化，可以得到准则层权重向量ω

当前最高匹配得分S

动态准则策略自学习模块基于偏好数据库中数据对当前系统状态及意图特征进行自学习。如本实施例，当前匹配的准则策略模板中未包含意图创建者偏好特征，动态策略自学习模块基于规则进行自学习后可将“意图创建者偏好特征”添加至该准则策略模板，当意图创建者偏好数据完备后，后续系统调用意图创建者偏好选择机制的可能性较小。

本发明的实施例，基于准则策略相关信息对候选意图知识进行分析，由候选意图知识中确定与意图创建者创建的意图匹配的目标意图知识，所述准则策略相关信息中包括影响目标意图知识的多个准则因素，可以基于多因素进行意图知识的综合评判，使系统更具有鲁棒性，提高意图识别效果。

本发明的实施例，可以基于系统状态与意图特征从可自学习的动态准则策略库匹配相应策略构建准则层，对候选意图知识进行意图知识集层次分析；可以基于意图创建者偏好选择进行准则策略自学习，进而动态修改动态准则策略库中的准则策略模板。考虑了多因素(如资源占用情况，用户偏好特征等)对意图知识选择的影响，并可以通过建立意图知识动态分层次选择模型，所述模型可以基于系统状态与意图特征从自学习动态准则策略库匹配相应策略构建最佳准则层进行多元素综合评判，对最佳意图知识选择的考虑更全面，灵活。

此外，在根据所述匹配结果确定所述目标意图知识时，考虑了所选意图知识得分相近的情况，引入用户偏好选择机制，该机制可以对意图知识偏好选择数据及准则策略库进行更新和自学习，使系统更具鲁棒性。

在此需要说明的是，本发明实施例提供的上述意图识别匹配装置，能够实现上述意图识别匹配方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

为达到上述目的，如图6所示，本发明实施例的一种意图识别匹配设备600，包括处理器610和收发器620，其中，

所述收发器620用于：获取意图创建者创建的意图；获取与所述意图匹配的准则策略相关信息；

所述处理器610用于：根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识；将所述目标意图知识发送至意图执行模块。

可选地，所述收发器获取与所述意图匹配的准则策略相关信息，具体包括：

根据当前系统状态以及所述意图的特征信息，为所述意图匹配准则策略模板，所述准则策略模板包括影响目标意图知识的准则因素；

获取所述准则因素的准则因素权重向量以及候选意图知识的意图知识权重向量。

可选地，所述收发器获取所述准则因素的准则因素权重向量，具体包括：

根据每个准则因素对所述目标意图知识的第一影响权重，获取准则判断矩阵；对所述准则判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述准则因素权重向量；

或者

由终端发送的选择报告中获取所述准则因素权重向量。

可选地，所述收发器获取所述候选意图知识的意图知识权重向量，具体包括：

根据每个候选意图知识对每个准则因素的第二影响权重，获取意图知识判断矩阵；

对所述意图知识判断矩阵进行行向量求和获得列向量，对所述列向量进行标准化，获得所述意图知识权重向量。

可选地，所述处理器根据所述准则策略相关信息对候选意图知识进行分析，确定目标意图知识，包括：

根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果；

根据所述匹配结果确定所述目标意图知识。

可选地，所述处理器根据所述匹配结果确定所述目标意图知识，包括：

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，均大于或者等于第一阈值的情况下，确定所述最高匹配结果对应的意图知识为所述目标意图知识；

在所述匹配结果中的最高匹配结果不为0，且所述最高匹配结果与除所述最高匹配结果外的第一匹配结果之间的比较绝对值，存在至少一个小于第一阈值的情况下，确定所述意图创建者选择的意图知识为所述目标意图知识。

可选地，在根据所述准则因素权重向量和所述意图知识权重向量，计算每个所述候选意图知识对于所述意图的匹配结果之后，所述收发器还用于；

在所述匹配结果中的最高匹配结果为0的情况下，重新获取所述意图。

可选地，在最高匹配结果与除所述最高匹配结果外的其他匹配结果之间的比较绝对值小于第一阈值的情况下，所述收发器还用于：

向终端发送选择参考报告，所述选择参考报告包括：所述比较绝对值小于第一阈值的所述第一匹配结果对应的第一意图知识，以及所述最高匹配结果对应的第二意图知识，以使所述意图创建者在所述第一意图知识和所述第二意图知识中选择所述目标意图知识；

接收终端发送的选择报告，所述选择报告包括：所述意图创建者选择的目标意图知识以及更新的准则因素权重向量。

可选地，所述选择参考报告包括以下至少一项：

所述第一意图知识和所述第二意图知识分别对应的匹配结果；

所述准则因素权重向量。

可选地，在接收终端发送的选择报告之后，所述处理器还用于：

根据所述选择报告，对准则策略进行自学习并更新准则策略模板。

可选地，所述准则因素包括以下至少一项：

网络资源类指标；

业务质量类指标；

意图知识匹配度；

意图知识的历史执行情况；

意图创建者偏好特征。

可选地，在所述准则因素包括所述意图创建者偏好特征的情况下，为所述意图匹配准则策略模板之后，所述处理器还用于：

对匹配的所述准则策略模板进行更新，更新后的所述准则策略模板中不包括所述意图创建者偏好特征。

需要说明的是，本发明实施例提供的上述意图识别匹配设备，能够实现上述意图识别匹配方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

本发明另一实施例的电子设备，如图7所示，包括收发器710、处理器700、存储器720及存储在所述存储器720上并可在所述处理器700上运行的程序或指令；所述处理器700执行所述程序或指令时实现上述意图识别匹配方法。

所述收发器710，用于在处理器700的控制下接收和发送数据。

其中，在图7中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器700代表的一个或多个处理器和存储器720代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发器710可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元。处理器700负责管理总线架构和通常的处理，存储器720可以存储处理器700在执行操作时所使用的数据。

本发明实施例的一种可读存储介质，其上存储有程序或指令，所述程序或指令被处理器执行时实现如上所述的意图识别匹配方法中的步骤，且能达到相同的技术效果，为避免重复，这里不再赘述。

其中，所述处理器为上述实施例中所述的电子设备中的处理器。所述可读存储介质，包括计算机可读存储介质，如计算机只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。

进一步需要说明的是，此说明书中所描述的电子设备包括但不限于智能手机、平板电脑等，且所描述的许多功能部件都被称为模块，以便更加特别地强调其实现方式的独立性。

本发明实施例中，模块可以用软件实现，以便由各种类型的处理器执行。举例来说，一个标识的可执行代码模块可以包括计算机指令的一个或多个物理或者逻辑块，举例来说，其可以被构建为对象、过程或函数。尽管如此，所标识模块的可执行代码无需物理地位于一起，而是可以包括存储在不同位里上的不同的指令，当这些指令逻辑上结合在一起时，其构成模块并且实现该模块的规定目的。

实际上，可执行代码模块可以是单条指令或者是许多条指令，并且甚至可以分布在多个不同的代码段上，分布在不同程序当中，以及跨越多个存储器设备分布。同样地，操作数据可以在模块内被识别，并且可以依照任何适当的形式实现并且被组织在任何适当类型的数据结构内。所述操作数据可以作为单个数据集被收集，或者可以分布在不同位置上(包括在不同存储设备上)，并且至少部分地可以仅作为电子信号存在于系统或网络上。

在模块可以利用软件实现时，考虑到现有硬件工艺的水平，所以可以以软件实现的模块，在不考虑成本的情况下，本领域技术人员都可以搭建对应的硬件电路来实现对应的功能，所述硬件电路包括常规的超大规模集成(VLSI)电路或者门阵列以及诸如逻辑芯片、晶体管之类的现有半导体或者是其它分立的元件。模块还可以用可编程硬件设备，诸如现场可编程门阵列、可编程阵列逻辑、可编程逻辑设备等实现。

上述范例性实施例是参考该些附图来描述的，许多不同的形式和实施例是可行而不偏离本发明精神及教示，因此，本发明不应被建构成为在此所提出范例性实施例的限制。更确切地说，这些范例性实施例被提供以使得本发明会是完善又完整，且会将本发明范围传达给那些熟知此项技术的人士。在该些图式中，组件尺寸及相对尺寸也许基于清晰起见而被夸大。在此所使用的术语只是基于描述特定范例性实施例目的，并无意成为限制用。如在此所使用地，除非该内文清楚地另有所指，否则该单数形式“一”、“一个”和“该”是意欲将该些多个形式也纳入。会进一步了解到该些术语“包含”及/或“包括”在使用于本说明书时，表示所述特征、整数、步骤、操作、构件及/或组件的存在，但不排除一或更多其它特征、整数、步骤、操作、构件、组件及/或其族群的存在或增加。除非另有所示，陈述时，一值范围包含该范围的上下限及其间的任何子范围。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。