一种单词推荐方法、装置及计算设备

技术领域

本发明涉及互联网领域，尤其涉及一种单词推荐的方法、装置及计算设备。

背景技术

近年来，随着互联网教育的发展，使用互联网学习外语课程的用户量显著增长，单词背诵作为外语学习中必不可少的重要环节，因而也催生了市面上很多的单词背诵相关的应用程序。通常，这类应用程序为用户推荐各种考试对应的单词书，并将单词书上的单词按顺序给用户进行机械背诵。然而，用户背诵的单词与课程(例如，考试课程、技巧课、习题课)是割裂的，无法保证用户学习单词的进度与课程一致，导致用户背诵的动力和效果大打折扣。

现有方案无法结合用户学习的课程的进度和用户自身学习情况为用户高效推荐单词。鉴于上述原因，需要一种改进单词推荐的方案，为用户精准推荐适合用户学习进度的单词。

发明内容

为此，本发明提供一种单词推荐的方法、装置及计算设备，以力图解决或至少缓解上面存在的问题。

根据本发明的一个方面，提供了一种单词推荐方法，适于在计算设备中执行，方法包括步骤：基于用户当前学习的课程，为用户推荐与课程配套的课程单词书；基于预定算法从用户已背诵单词中确定第一数目个待复习单词；在用户当前背诵的单词书为课程单词书时，从课程单词书中取出与次日课程内容相关联的单词列表，并从单词列表中筛选出用户未背诵过的单词；基于所筛选出的用户未背诵过的单词确定第二数目个待背诵单词；以及将所确定的待复习单词和待背诵单词推荐给用户。

可选地，在根据本发明的方法中，基于预定算法从用户已背诵单词中确定第一数目个待复习单词的步骤包括：基于用户在背诵单词的过程中对单词的反馈，确定用户对单词的熟悉度；基于熟悉度和背诵间隔，获取已背诵单词中每一个单词的排序指标，背诵间隔为当日距离上一次背诵该单词的天数，其中，熟悉度越高，排序指标越大，背诵间隔越大，排序指标越大；基于排序指标，从用户已背诵单词中确定第一数目个待复习单词。

可选地，在根据本发明的方法中，基于用户在背诵单词的过程中对单词的反馈，确定用户对单词的熟悉度的步骤包括：当用户对单词的反馈为认识时，将用户对单词的熟悉度增加第一预定值；当用户对单词的反馈为不认识时，将用户对单词的错误系数增加第二预定值，并在用户收到提示后反馈为仍不认识，将单词的错误系数进一步增加第三预定值，并基于错误系数确定用户对单词的熟悉度，其中，熟悉度与错误系数呈负相关。

可选地，在根据本发明的方法中，第二预定值为1，第三预定值为0.5，基于错误系数确定用户对单词的熟悉度的步骤包括：如果单词的错误系数为0，则将单词的熟悉度增加3；如果单词的错误系数大于0且小于2，则将单词的熟悉度增加2；如果单词的错误系数大于或等于2，则将单词的熟悉度增加1。

可选地，在根据本发明的方法中，基于排序指标，从用户已背诵单词中确定第一数目个待复习单词的步骤，包括：按照排序指标从小到大的顺序，从用户已背诵单词中获取第一数目个待复习单词。

可选地，在根据本发明的方法中，排序指标通过如下方式获得：x＝retention-0.0001/(min(20,Δday)+10)，其中，x为排序指标，retention为熟悉度，Δday为背诵间隔。

可选地，在根据本发明的方法中，基于所筛选出的用户未背诵过的单词确定第二数目个待背诵单词的步骤包括：如果未背诵过的单词的数量大于或等于第二数目，则从未背诵过的单词中选取第二数目个单词；如果未背诵过的单词的数量小于第二数目，则选取全部的未背诵过的单词，并从课程单词书中选取第三数目个单词，第三数目为第二数目与未背诵过的单词的数量之差。

可选地，在根据本发明的方法中，在基于所筛选出的用户未背诵过的单词确定第二数目个待背诵单词之前，还包括：在用户当前背诵的单词书不是课程单词书时，从用户当前背诵的单词书中筛选出用户未背诵过的单词。

可选地，在根据本发明的方法中，将所确定的待复习单词和待背诵单词推荐给用户的步骤包括：先推荐待复习单词，然后推荐待背诵单词给用户。

根据本发明的另一个方面，提供了一种单词推荐装置，驻留在计算设备中，装置包括：单词书推荐单元，适于基于用户当前学习的课程，为用户推荐与课程配套的课程单词书；单词选取单元，适于基于预定算法从用户已背诵单词中确定第一数目个待复习单词；在用户当前背诵的单词书为课程单词书时，从课程单词书中取出与次日课程内容相关联的单词列表，并从单词列表中筛选出用户未背诵过的单词；以及基于所筛选出的用户未背诵过的单词确定第二数目个待背诵单词；单词推荐单元，适于将所确定的待复习单词和待背诵单词推荐给用户。

根据本发明的还有一个方面，提供了一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行根据本发明的单词推荐方法的指令。

根据本发明的技术方案，基于用户所选择的单词书，结合用户设定的背诵和复习目标，为用户高效推荐单词进行背诵。当用户选择了与课程配套的单词书时，结合次日课程，为用户精准高效推荐适合用户学习进度的生词进行背诵。并且基于预定算法，结合用户对单词的熟悉度以及背诵单词的时间间隔，为用户推荐适合的单词进行复习。该方案解决了用户当前背诵单词时，推荐背诵的单词与课程脱节、推荐的单词与学习进度不匹配、复习单词的推荐准确度不高的问题，提高了单词推荐的精准度、结合用户的学习进度高效推荐合适的单词，提高用户背诵的效率和效果。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。

附图说明

为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。

图1示出了根据本发明一个实施例的计算设备100的结构框图；

图2示出了根据本发明一个实施例的单词推荐系统200的结构示意图；

图3示出了根据本发明一个实施例的单词推荐方法300的流程图；

图4示出了根据本发明一个实施例的单词推荐方法的详细流程图；

图5示出了根据本发明另一个实施例的单词推荐装置500的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

图1是根据本发明一个实施例的计算设备100的框图。在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。

取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。

取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上利用程序数据124进行操作。程序数据124包括指令，在根据本发明的计算设备100中，程序数据124包含用于执行单词推荐方法300的指令。

计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。

网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。

计算设备100可以实现为服务器，例如文件服务器、数据库服务器、应用程序服务器和WEB服务器等，也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、个人数字助理(PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。计算设备100还可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。在一些实施例中，计算设备100被配置为执行单词推荐方法300。

图2示出了根据本发明一个实施例的单词推荐系统200的结构示意图。如图2所示，单词推荐系统200包括服务器210和用户计算设备230。通常来说，用户可以通过操作用户计算设备230以相应的用户账号与服务器210进行交互。其中，计算设备100可以通过诸如局域网(LAN)或者如因特网的广域网(WAN)的一个或多个网络220与服务器210进行通信。网络220可以是任何类型的通信网络或其组合，并且可以包括任何数量的有线或无线链路。通常，通过网络220的通信可以经由任何类型的有线和/或无线连接，使用各种通信协议(例如,TCP/IP、HTTP、SMTP、FTP)、编码或格式(例如，HTML、XML、JSON)和/或保护方案(例如，VPN、HTTPS、SSL)来承载。服务器210可以包括一个或多个服务器计算设备。在服务器210包括多个服务器计算设备的情况下，这些服务器计算设备可以根据顺序计算架构、并行计算架构或其一些组合来操作。

用户计算设备230可以是任意类型的计算设备，包括但不限于个人计算设备(例如桌面计算机、笔记本计算机等)、移动计算设备(例如手机、平板电脑等)、游戏控制台或控制器、智能可穿戴设备、嵌入式计算设备、边缘计算设备或任何其他类型的计算设备。用户计算设备230可以作为智能设备部署于用户现场处，并与用户进行交互而处理用户输入。在一个实施例中，用户计算设备230可以是安装有单词背诵客户端的计算设备，用户计算设备获取到推荐的单词后，在客户端中进行显示，用户计算设备还可以用于从服务器获取单词书进行推荐以及根据用户单词掌握和背诵情况推荐单词。

在本发明的实施例中，服务器210可以存储或包括基于推荐单词推荐的方法的一个或多个计算程序，用户可以在计算设备100中调用该计算程序，获得推荐的单词。

图3示出了根据本发明一个实施例的单词推荐方法300的流程图。方法300在计算设备(例如前述计算设备100)中执行。图3中的单词推荐方法可结合图4进行理解。如图3所示，方法300始于步骤S310。

在步骤S310中，基于用户当前学习的课程，为用户推荐与课程配套的课程单词书。

根据一种实施例，可以根据用户当前学习的课程所对应的一个或多个单词书，即与课程配套的课程单词书，推荐给用户进行选择。基于用户对单词书的选择，为用户更有针对性地推荐更适合用户背诵和复习巩固的单词。可选地，单词书存储在服务器中，也可以根据用户的选择，下载到用户的计算设备中。

在一种实施例中，当获取到用户的课程内容发生变化时，相应地为用户推荐与改变后的课程内容相配合的单词，以提供与用户当天学习的课程内容高度相关的单词。

在步骤S320中，基于预定算法从用户已背诵单词中确定第一数目个待复习单词。

首先，获取用户已背诵的单词，即过往背诵的单词，以便从中选取一定数目的单词作为待复习单词。一般地，用户过往背诵学习过的单词会记录并存储在用户设备或服务器中。可选地，已背诵单词可以从用户历史背诵单词记录中调取。

随后，根据一种实施例，基于熟悉度和背诵间隔，获取已背诵单词中每一个单词的排序指标，其中，所述背诵间隔为当日距离上一次背诵该单词的天数，其中，熟悉度越高，排序指标越大；背诵间隔越大，排序指标越大。

具体地，基于用户在背诵单词过程中对单词的反馈，生成每个单词的熟悉度。可选地，当用户学习某个单词时，该单词的熟悉度和错误系数为初始值零。根据一种实施例，单词的背诵学习可以选择的方式进行，例如，给出“认识”、“不认识”、“提示”等选项供用户选择。针对一个或多个单词，当用户选择“认识”的选项时(或其他等同于用户认识该单词的选项，例如“了解”、“太简单了”)，获取到用户对单词的反馈为认识时，则将该单词的熟悉度增加第一预定值；当用户选择“不认识”的选项时(或其他等同于用户不认识该单词的选项，例如“不确定”、“不清楚”)，获取到用户对单词的反馈为不认识时，则将用户对该单词的错误系数增加第二预定值。在获取到用户反馈为不认识的单词后，向用户进行提示或在用户选择提示的选项后进行提示，如果提示后用户仍然选择“没想起来”(或其他等同于用户没想起来该单词含义的选项，例如“不认识”、“仍不认识”)，获取到用户在收到提示后反馈为仍不认识，则将该单词的错误系数进一步增加第三预定值。如果提示后用户选择“想起来了”(或其他等同于用户想起来该单词含义的选项，例如“认识”)，获取到用户在收到提示后反馈为认识，则该单词的熟悉度和错误系数保持不变，其中，熟悉度与错误系数呈负相关。第一预定值高于第二预定值，第二预定值高于第三预定值。可选地，第一预定值可以设定为相对第二预定值较高的数值。优选地，第一预定值为1000，第二预定值为1，第三预定值为0.5。

针对包含错误系数的单词，如果单词的错误系数为0，则将该单词的熟悉度增加3；如果单词的错误系数大于0且小于2，则将该单词的熟悉度增加2；如果单词的错误系数大于或等于2，则将该单词的熟悉度增加1。在一些情况下，一个单词会在复习时再次或反复出现，用户对该单词的熟悉度会累计叠加计算，即在该单词已经生成的熟悉度的基础上进行计算。

获取每个单词的背诵间隔，背诵间隔为当日距离上一次背诵该单词的天数，例如，用户昨日对某单词进行了背诵，则在今日该单词的背诵间隔为1天。背诵间隔为计算排序指标的重要指标之一，以便根据排序指标确定推荐给用户复习的单词。基于用户在学习中的遗忘规律，用户在背完单词之后，遗忘的速度在开始时非常快，随着时间的推移，遗忘的速度减慢。采用背诵间隔作为指标有助于帮助用户对单词进行间隔性重复，即在预测到用户即将遗忘某单词时，及时对单词进行复习。可选地，获取当前时间与用户上一次对某单词背诵或复习的时间之差所对应的天数。

可选地，排序指标可以通过下式获得：

x＝retention-0.0001/(min(20,Δday)+10)

其中，x为排序指标，retention为熟悉度，Δday为背诵间隔。

该式中min(20,Δday)表示取20和Δday中的最小值，因此，min(20,Δday)小于或等于20。根据用户的遗忘规律可知随着背诵间隔的时间增加，背诵间隔对遗忘的影响变化越小。例如，在背诵间隔为1天与2天之间，背诵间隔对遗忘的影响大；而背诵间隔为20与30天之间，背诵间隔对遗忘的影响小。因此，如果背诵间隔较长，那么背诵间隔对遗忘的影响程度小。为避免单词推荐模型高估背诵间隔对遗忘程度的影响，为背诵间隔这一参数设置上限到20。可选地，可以对该参数(上限)进行调整，或基于用户过往背诵单词的遗忘速度，对该参数进行智能调整或用户结合自身记忆情况自行调整。

随后，针对获取到的用户已背诵的单词，为其中每一个单词生成排序指标。并根据用户设定的复习任务量，即用户设置的每日复习单词的数量(第一数目)，按照排序指标从小到大的顺序，获取数量为复习任务量的单词作为待复习单词。可选地，将待复习单词加入到今日背诵单词序列中。

在步骤S330中，在用户当前背诵的单词书为课程单词书时，从课程单词书中取出与次日课程内容相关联的单词列表，并从单词列表中筛选出用户未背诵过的单词。

具体地，在用户当前背诵的单词书为该用户当前学习的课程配套的课程单词书时，从该课程单词书中取出与次日课程内容相关联的单词列表，其中，课程单词书具有多个单词列表，每个单词列表与课程中每课或每日的内容相对应。取出与次日课程内容相关联的单词列表，以便用户提前背诵次日课程的单词，帮助用户清除课程学习中的词汇障碍，提高用户的学习效率和效果。可选地，次日课程内容相关联的单词列表也可以改为当日课程内容相关联的单词列表或结合用户行为分析得到的用户即将学习的某一课所关联的单词列表。

通过从单词列表中筛选出用户未背诵过的单词，避免将背诵过的单词作为生词重复背诵，进一步提高用户背单词的效率。可选地，根据用户的已背诵单词对该单词列表进行筛选。如果该单词列表中的单词同时存在于已背诵单词中，则将该单词从该单词列表中移除。

在步骤S340中，基于所筛选出的用户未背诵过的单词确定第二数目个待背诵单词。

根据一种实施例，获取未背诵过的单词的数量与用户设置的生词任务量，即用户设置的每日背诵生词的数量(第二数目)之间的数量关系。

具体地，如果未背诵过的单词的数量大于或等于第二数目，则从未背诵过的单词中选取数量为第二数目的单词；可选地，按照未背诵过的单词在其对应的与次日课程内容相关联的单词列表中的顺序选取数量为第二数目的单词。可选地，按照单词的词频由高到低的顺序在为背诵过的单词中选取数量为第二数目的单词。可选地，将第二数目个待背诵单词加入到今日背诵单词序列中。

如果未背诵过的单词的数量小于第二数目，则选取全部的未背诵过的单词，并从课程单词书中选取第三数目的单词，其中，第三数目为所述第二数目与未背诵过的单词的数量之差。可选地，将第二数目和第三数目个待背诵单词加入到今日背诵单词序列中。

可选地，当未背诵过的单词的数量小于第二数目时，在选取全部的未背诵过的单词之后，从课程单词书剩余的用户还未背诵的单词中取出第三数目的单词时，如果所述剩余的单词的数量小于第三数目，则选取所有剩余的单词或为用户推荐新的单词书。

在步骤S350中，将所确定的待复习单词和待背诵单词推荐给用户。

具体地，将上述步骤所确定的待复习单词和待背诵单词推荐给用户。可选地，可以优先向用户推荐待复习单词，也可以根据用户自定义方式选择优先推荐待复习单词或待背诵单词。可选地，将今日背诵单词序列中的单词推荐给用户。

随后，在用户完成第一数目与第二数目的背诵和复习的任务后，可选地，向用户显示“再学一组”或“增加任务量”的选项，并基于用户的选择，重复方法300所述的步骤，以便基于用户学习习惯，量身定制推荐的单词。

根据另一种实施例，若用户所选择的单词书不是课程配套的单词书，则按照步骤S320的方法基于预定算法从用户已背诵单词中确定第一数目个待复习单词。并根据用户设置的生词任务量(第二数目)，从用户当前背诵的单词书中选取数量为第二数目的单词作为待背诵单词，与待复习单词一并推荐给用户。

图5示出了根据本发明一个实施例的单词推荐系统500的结构示意图。

如图5所示的单词推荐装置500包含单词书推荐单元、单词选取单元、以及单词推荐单元。

其中，单词书推荐单元，适于基于用户当前学习的课程，为用户推荐与课程配套的课程单词书。具体地，可以采用如步骤S310中所述的方法。

单词选取单元，适于基于预定算法从用户已背诵单词中确定第一数目个待复习单词；在用户当前背诵的单词书为所述课程单词书时，从所述课程单词书中取出与次日课程内容相关联的单词列表，并从所述单词列表中筛选出用户未背诵过的单词；以及基于所筛选出的用户未背诵过的单词确定第二数目个待背诵单词。具体地，可以采用如步骤S320-S340中所述的方法。

单词推荐单元，适于将所确定的待复习单词和待背诵单词推荐给用户。具体地，可以采用如步骤S350中所述的方法。

根据本发明的单词推荐装置500，其具体细节已在基于图1至图4的描述中详细公开，在此不再赘述。

根据本发明的技术方案，向用户推荐与当前学习课程配套的单词书，并根据用户设置的学习任务量(包括复习任务量和生词任务量)结合用户的课程学习进度以及用户的学习习惯，为用户生成定制化推荐的单词列表。采用与课程进度相适应的单词推荐方法，在帮助用户清除课程学习中的生词障碍的同时，进一步提升用户课程学习的效率和效果。基于预定算法生成的待复习单词，能够高效精准预测用户可能遗忘的单词，为用户推荐亟待复习的单词，提升用户背诵效果。基于课程配套单词书所选取的待背诵单词，能够结合用户自身学习情况、制定的目标与学习习惯，生成与用户学习进展匹配度高的单词，以辅助用户对课程的学习。

A5：A2所述的方法，其中，所述基于所述排序指标，从用户已背诵单词中确定第一数目个待复习单词的步骤，包括：按照所述排序指标从小到大的顺序，从用户已背诵单词中获取第一数目个待复习单词。

这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。

在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的单词推荐方法。

以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。

在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。

如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。

尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的而非限制性的，本发明的范围由所附权利要求书限定。