一种发明内容推荐工具、电子设备及计算机可存储介质

技术领域

本公开涉及人工智能领域，尤其涉及自然语言理解、知识图谱、智能化辅助创新领域。

背景技术

传统辅助创新方法包括经验调查、头脑风暴等方法，1946年以来，前苏联团队从40万份专利中提炼了跨行业技术系统的通用解决问题工具—经典TRIZ创新方法论，包括系统分析、矛盾矩阵、物场模型等抽象描述，以及40个发明原理、四种分离方法、76个物场标准解和科学效应知识库等发明措施。但是经典TRIZ的各项发明措施过于抽象，矛盾与发明原理语义关系不具有可解释性。因此，直接利用经典TRIZ方法进行发明创新困难重重。针对上述问题，现代TRIZ流派加深了对进化趋势、功能、属性认知，但仍然无法与科技文献、专利等发明内容语义结合，难以为发明措施检索到与输入描述相匹配的知识，与实际问题处理之间存在语义脱节。目前，人们急需探索一种可解释地融合已有TRIZ发明措施和可参考的发明内容的可行的匹配方案。

发明内容

针对上述问题，本发明提供了一种发明内容推荐工具；所述发明内容包括科技文献、专利、技术文档或可获取技术方案等可执行样例。经过特征工程，选择合理方法或算法模型，为各类发明措施匹配推荐发明内容。

本发明的第一方面提供了一种发明内容推荐工具，其特征在于：

包括发明措施管理模块、内容推荐模块、交互模块；

所述发明措施管理模块，对发明措施标注特征标签；

所述内容推荐模块，根据发明措施特征标签和发明内容特征标签，利用相似匹配方法为各项发明措施推荐相关发明内容；

所述交互模块，对操作行为标签的记录、挖掘、反馈、索引、更新。

在一些实施例中，所述发明措施包括TRIZ理论中进化法则、裁剪方法、发明原理、标准解、流改进措施、科学效应等；

在一些实施例中，所述发明内容包括专利、科技文献、技术文本的完整样例；

在一些实施例中，所述完整样例是有具体实施流程的技术方案，具体的，以文本、图像、语音、视频等多模态形式组织和存储。

所述发明措施管理模块，所述特征标签，包括功能、属性及参数、对象、措施内容、交互记录，以及它们的层级化概念、关系、概念实例、说明解释文本或组合特征；

在一些实施例中，所述功能是通过归纳提炼的功能操作，结合系统分析、功能模型和功能分析，抽象出的功能操作层级化概念及关系。通过归纳提炼功能操作各自的层级化概念体系及关系。

在一些实施例中，所述功能操作包括但不限于动词及其多层级概念结构。具体地，比如功能操作一级概念“增加”，实例为“提高”；

所述属性及参数，包括发明信息库和各类参考文本中记录的操作对象属性、属性实例、变量或特征参数，包括与发明创新文本相关的参数或参数组合，归纳关联参数的层级化概念及关系；

在一些实施例中，所述属性概念可以为“亮度”，参数实例可以为“亮度值”；

在一些实施例中，所述参数还包括与发明创新文本相关的参数或参数组合，归纳关联参数的层级化概念及关系。具体地，比如参数概念“领域”，二级参数为“物理量”，参数实例可以为“体重”；

在一些实施例中，所述对象包括各类发明内容中记录的客观实体、物质、能量和信息；

在一些实施例中，所述关系包括“上下位”、“同位”、“同义”、“近义”、“反义”等类似名称，比如“物理量”是“体重”的上位概念，那么可以说成“物理量”这个概念包含“体重”这个实例，“物理量”与“体重”是“包含”关系，等价于“上下位”关系。

所述关系是概念中各项元素之间上下位、同位关系概念和关系实例；

所述标注是通过人工编辑，或利用语法特征、规则模板或算法模型抽取上述各项特征标签知识；

所述标注，还包括存储、索引、编辑、交互操作。

所述组合特征是至少两种特征标签的组合；

在一些实施例中，所述组合特征，具体地，比如功能操作一级概念“增加”，实例为“堆积”，对象概念可以为“固体”，对象实例可以为“元器件”，那么“堆积元器件”就成为一条组合特征实例；

所述交互记录，包括人工点击、收藏、标注、增删改查的记录。

在一些实施例中，所述交互特征，包括人工点击、收藏、标注、增删改查，具体的，为发明措施标注的各种偏好、操作、收藏、标注、增删改查等的记录标签。

所述发明内容特征，包括从发明内容中标注各类特征标签知识，还包括与发明内容相关的概念、实例、关系的外延扩展特征。

在一些实施例中，所述特征标签还包括从发明措施和发明内容的描述中标注的文本特征标签；

具体的，文本特征包括标题、摘要、产品、组件、专利权利要求、技术领域类别、TFIDF值等及组合。

在一些实施例中，所述发明内容特征，还包括其他相关标签，具体的，以专利为例，比如申请人、发明人、国家、IPC、CPC标签，标签关系(比如申请人和发明人关系、IPC上下位关系、申请人与国家关系)，比如文本计算的价值、文本上下文(关联知识)。

所述内容推荐模块，包括对发明内容检索、召回排序，还包括相似匹配推荐、排序；

所述搜索，包括字符索引匹配、语义搜索等方式；

所述排序，配置权重策略对发明内容进行筛选；

在一些实施例中，基于特征标签，对检索召回发明内容结果进行排序和筛选；

在一些实施例中，所述搜索召回，利用扩展检索式对各类知识进行搜索，对元素变形扩展，通过相似匹配方法召回发明内容；

可选地，选择对元素的上位概念、同位和下位实例的字符匹配或语义匹配；

在一些实施例中，所述权重策略，包括发明措施特征标签的上位概念、同位实例、下位实例的不同权重规则设置；

在一些实施例中，所述权重策略，还包括根据发明措施的相关资源、系统、组件特征，以及相关领域、选择偏好约束，配置权重；

可选地，偏好策略包括交互记录、选择权重等；

在一些实施例中，所述发明内容筛选，根据权重策略从排序结果中，推荐发明内容一个或多个组合；

所述相似匹配，选择发明措施和发明内容的特征标签集合，利用包括协同过滤、矩阵分解、因子分解、深度神经网络学习等推荐算法实现。

在一些实施例中，推荐内容包括图像、语音、文本、视频等多模态内容。

所述交互模块，负责发明措施和发明内容的各类特征标签的编辑操作；

所述编辑，包括评估、索引、存储；

所述评估，根据人工或算法模型对特征标签分析判断，进行标签的增删改查。

在一些实施例中，评估是对各类特征标签标注正确的结果；

在一些实施方式中，对于非结构化发明内容，可以直接标注；或通过机器学习方法对标注数据的模型训练，选择最优模型用于自动标注；

可选的，支持离线或实时数据的持久化。

可选的，获取结构化实例和实例关系、属性信息，做为特征标签的索引基础。

本发明的第二方面提供了一种电子设备，包括一个或多个存储装置和处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述任一方法。

在一些实施例中，所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现；

所述硬件或软件包括一个或多个与上述功能相对应的模块。

本发明的第三方面提供了一种计算机可读存储介质，其上存储有计算机可执行指令，当所述计算机可执行指令被计算装置执行时，可操作来执行上述任一方法。

在一些实施例中，所述计算机指令被计算机读取后执行如权利要求1-10任一所述的辅助创新方法，执行指令被计算装置执行时，可操作来执行上述任一方法。

本发明的上述技术方案具有如下有益技术效果：

提出一套发明措施的内容推荐工具，实现对已有发明措施的标签标注，以统一语义概念映射，指导发明内容特征抽取，形成发明措施和发明内容的多层级标签特征语义索引，方便搜索推荐算法的特征生成；

设计一套面向发明措施的内容推荐交互流程，通过人工干预，对发明措施标签、发明内容特征进行编辑、更新，选择搜索或推荐算法，根据发明措施的标签进行特征组合筛选，设置权重策略，完成召回排序，评估推荐的发明内容效果。

应当理解的是，以上的一般描述和后文的细节描述仅仅是示例性和解释性的，并不能限制本发明。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。结合附图，通过以下非限制性实施方式的详细描述，本公开的其它特征、目的和优点将变得更加明显。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，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本申请应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构和操作。

附图：

图1示出根据本公开一实施方式的发明内容推荐工具的结构图；

图2示出根据图1所示实施方式的模块S102的工作流程图；

图3示出根据图1所示实施方式的模块S104的工作流程图；

图4示出根据图1所示实施方式的模块S106的工作流程图；

图5示出根据本公开一实施方式的电子设备的结构框图；

图6示出适于实现根据本公开一实施方式的推荐工具的计算机存储介质结构示意图。

具体实施方式

在下面的详细描述中，通过示例阐述了本申请的许多具体细节，以便提供对相关披露的透彻理解。然而，对于本领域的普通技术人员来讲，本申请显而易见的可以在没有这些细节的情况下实施。应当理解的是，本申请中使用“系统”、“装置”、“单元”和/或“模块”术语，是用于区分在顺序排列中不同级别的不同部件、元件、部分或组件的一种方法。然而，如果其他表达式可以实现相同的目的，这些术语可以被其他表达式替换。

本申请所用术语仅为了描述特定实施例，而非限制本申请范围。如本申请说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的特征、整体、步骤、操作、元素和/或组件，而该类表述并不构成一个排它性的罗列，其他特征、整体、步骤、操作、元素和/或组件也可以包含在内。

本申请的保护范围以权利要求为准。下文中，将参考附图详细描述本公开的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。

在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

本发明的技术方案可以应用在辅助工业设计、智能制造、产品研发等多个领域的发明创新方面。具体而言，本发明的技术方案主要针对可行的辅助创新方法进行探索。

本发明的第一方面提供了一种发明内容推荐工具，可以用于执行本发明方法实施例。包括如下步骤：

具体实施方式如下：

图1示出了根据本发明一实施方式的一种发明内容推荐工具的结构框图，该工具可以通过软件、硬件或两者结合成为电子设备的部分或全部，所述工具包括：

发明措施管理模块S102，被配置用于管理发明措施的特征标签，所述特征标签，包括功能、属性及参数、对象、措施内容、交互记录，以及它们的层级化概念、关系、概念实例、说明解释文本或组合特征；

所述组合特征是至少两种特征标签的组合；

所述标注是通过人工编辑，或利用语法特征、规则模板或算法模型抽取上述各项特征标签知识；

所述标注，还包括存储、索引、编辑、交互操作。

内容推荐模块S104，被配置为根据发明措施标签特征和发明内容特征，包括对发明内容检索、召回排序，还包括相似匹配推荐、排序；

所述搜索，包括字符索引匹配、语义搜索等方式；

所述排序，配置权重策略对发明内容进行筛选；

交互模块S106，被配置为负责各类特征标签的编辑操作；

所述编辑，包括评估、索引、存储；

所述评估，根据人工或算法模型对特征标签分析判断，进行标签的增删改查。

在一些实施例中，所述发明措施包括TRIZ理论中进化法则、裁剪方法、发明原理、标准解、流改进措施、科学效应等；

在一些实施例中，所述发明内容包括专利、科技文献、技术文本的完整样例；

在一些实施例中，所述完整样例是有具体实施流程的技术方案，具体的，以文本、图像、语音、视频等多模态形式组织和存储。

所述发明措施管理模块S102，所述概念标签是基于各项措施对应的功能、属性及参数、对象的层级化概念、关系、概念实例、说明解释文本或组合特征；

所述关系是概念中各项元素之间上下位、同位关系概念和关系实例；

所述组合特征是功能、对象、参数、其他标签特征中至少两种的组合；

所述管理还包括标注、存储、索引、编辑上述各项层级化标签。

在一些实施例中，所述功能是通过归纳提炼的功能操作，结合系统分析、功能模型和功能分析，抽象出的功能操作层级化概念及关系。通过归纳提炼功能操作各自的层级化概念体系及关系。

在一些实施例中，所述功能操作包括但不限于动词及其多层级概念结构。具体地，比如功能操作一级概念“增加”，实例为“提高”；

所述属性及参数，包括发明信息库和各类参考文本中记录的操作对象属性、属性实例、变量或特征参数，包括与发明创新文本相关的参数或参数组合，归纳关联参数的层级化概念及关系；

在一些实施例中，所述属性概念可以为“亮度”，参数实例可以为“亮度值”；

在一些实施例中，所述包括各类发明内容中记录的客观实体、物质、能量和信息；

在一些实施例中，所述参数包括与发明创新文本相关的参数或参数组合，归纳关联参数的层级化概念及关系。具体地，比如参数概念“领域”，二级参数为“物理量”，参数实例可以为“体重”；

在一些实施例中，所述关系包括“上下位”、“同位”、“同义”、“近义”、“反义”等类似名称，比如“物理量”是“体重”的上位概念，那么可以说成“物理量”这个概念包含“体重”这个实例，“物理量”与“体重”是“包含”关系，等价于“上下位”关系。

在一些实施例中，所述组合特征，具体地，比如功能操作一级概念“增加”，实例为“堆积”，对象概念可以为“固体”，对象实例可以为“元器件”，那么“堆积元器件”就成为一条组合特征实例；

在一些实施例中，所述文本标签是从发明措施的描述内容中抽取或标注的文本特征标签；

具体的，文本特征包括已有字段(标题、摘要、产品、组件、权利要求、技术领域、TFIDF值等及组合)。

在一些实施例中，所述交互特征，包括人工点击、收藏、标注、增删改查，具体的，为发明措施标注的各种偏好、操作、收藏、标注、增删改查等的记录标签。

所述发明内容特征，还包括其他外部标签，具体的，以专利为例，比如申请人、发明人、国家、IPC、CPC标签，标签关系(比如申请人和发明人关系、IPC上下位关系、申请人与国家关系)，比如文本计算的价值、文本上下文(关联知识)。

所述内容推荐模块S104，基于标签特征和交互特征，对发明内容检索，对召回结果进行排序和筛选；

所述排序是根据发明措施的标签特征、交互特征，选择偏好约束，配置权重策略，进行召回排序；

所述相似匹配方法，包括索引匹配、协同过滤、矩阵分解、因子分解、深度神经网络学习等搜索推荐算法。

所述交互模块S106，负责各类标签特征的编辑操作；

所述编辑包括标注、索引、增删改查、存储；

在本实施例的一个可选实现方式中，所述发明措施管理模块，如图2所示，所述流程包括：

在步骤S202中，建立特征标签体系；

在步骤S204中，从发明措施内容出发，通过人工或自动方式为发明措施标注标签；

在一些实施例中，人工标注发明措施的标签是呈现层级体系的，比如针对发明措施“分割原理”，抽象出的功能标签为“分割”，标签特征可以有两个层级：“分割”，对应的下一层级的功能实例有“分割细分分成拆分分裂转化”；

在一些实施例中，自动标注发明措施的标签，可以将标签标注视为标签分类问题，通过分类算法或模型为每一大类标签分配小类标签或标签实例；

在一些实施例中，生成发明措施标签，可以是标签体系、标签特征组合、人工交互特征等。比如形成标签特征一级功能“分割”，二级功能“分割细分分成拆分分裂转化”；标签特征组合可以是功能对象组合、功能参数组合、功能对象参数组合，比如“分割”+对象“钢板”，“分割”+参数“尺寸”，“分割+“钢板”+“尺寸”；交互特征包括点击、点选、收藏、增删改查等操作记录，比如为“分割原理”点选带“分割”功能的发明内容；

进一步地，进行发明内容推荐，如图3所示，所述方法流程包括：

在步骤S302中，抽取发明内容特征，基于各类概念标签从内容文本中标注或抽取知识，所述扩展检索元素，基于语义本体和层级化知识对输入元素进行概念、实例、上下位元素扩展。比如“功能”标签，通过对专利摘要进行“功能”类型标注，利用机器学习方法或规则模板对摘要中的“功能”实例进行标注，最后给出各项发明内容的“功能”标签结果；

可选的，根据发明措施标签标注非结构化发明内容数据，进一步将处理好的知识索引、存储。

可选地，数据可以通过三元组图数据、特征字段关系数据等索引存储。

可选地，索引后的参考文本知识以图数据形式表示。

可选的，抽取还包括存储、索引、编辑上述各项层级化知识。

在步骤S304中，为发明措施选择搜索或推荐算法，比如考虑到“分割原理”的标签组合特征比较少，基本都是“功能”单一标签，这个时候就直接采用语义搜索模型，针对功能实例的索引直接进行推荐。如果“局部质量原理”的标签组合特征很多，比如功能参数组合、功能对象组合都大量存在，那么就可以利用业内常用的因子分解、wide&deep模型等进行特征选择进而推荐发明内容，比如专利、科技文献；

在步骤S306中，为发明措施推荐匹配的发明内容，比如发明措施的标签组合为“提高亮度”、“提高温度”等，那么就推荐出“一种提高灯泡亮度的方法”专利，或者“一种提高钨丝灯耐热温度”专利等；

在一些实施例中，选择搜索或推荐模型，搜索模型可以是直接特征匹配模型，规则匹配模型等，推荐模型可以是协同过滤、因子分解、深度神经网络匹配模型等。比如“分割原理”与“局部质量原理”存在很多篇专利的特征匹配，那么属于“分割原理”的某一篇专利就可能被“局部质量原理”所匹配；

可选的，基于特征标签，对发明内容检索，对召回结果进行排序和筛选；所述排序是根据待创新问题相关资源、系统、组件特征以及相关领域、相关用户，选择偏好约束，配置权重策略，进行召回排序；

可选的，分别抽取发明信息和参考文本中的知识；

可选的，所述相似匹配方法包括倒排索引、协同过滤、矩阵分解、因子分解、深度神经网络学习等各类搜索推荐算法。

限定语通过一系列的词来表示和替换。替换后生成主题句+已有独权内容的组合。最后结合发明知识库做编辑，生成方案。

所述方案生成，包括从层级化索引的发明和参考文本知识中，搜索、召回排序、筛选目标文本；

在一些实施例中，所述搜索，利用扩展检索式对各类知识进行搜索，对元素变形扩展，匹配召回发明信息、参考文本中的一种或组合文本；

在一些实施例中，所述召回排序，根据待创新问题相关资源、系统、组件特征，以及相关领域、相关用户、选择偏好约束，配置权重策略，进行召回排序；

在一些实施例中，所述权重策略，还包括输入元素的上位概念、同位和下位实例；

在一些实施例中，所述筛选，根据权重策略从排序结果中，推荐发明信息、参考文本的一种文本或组合文本；

推荐内容包括图像、语音、文本、视频等多模态内容。

进一步地，在发明内容推荐之后进行交互操作，用于对已有发明措施和发明内容进行标记、索引、更新、反馈；具体地，一种可选方案如图4所示，所述步骤包括：

在步骤S402中，人工编辑发明措施的特征标签，比如对发明措施内容进行归纳，进行标记或索引；

可选的，针对发明措施结构化参考文本，可以直接打上语义标签，比如科学效应中的“卡门涡街效应”可以标记为“桥梁振动”。或利用机器学习方法进行标签分类；

在步骤S404中，更新发明措施和发明内容的特征标签。可选方法包括人工标注、自动标注。

在一些实施例中，标签可以是领域、功能、对象、属性、参数、产品、组件及上述组合。

在一些实施例中，标注方法包括各类标签特征的标注、索引、增删改查等编辑操作；

在一些实施方式中，对于非结构化参考文本，可以直接标注；通过机器学习方法对标注数据的模型训练，选择最优模型用于参考文本的自动标注；

可选的，支持离线或实时数据的持久化。

可选的，抽取标注结果和对应标签，获取结构化实例和实例关系、属性信息，做为参考文本的索引基础。

在步骤S406中，迭代更新模型，参考输入元素相关特征，结合权重策略进行排序，并筛选发明内容。

所述搜索召回，利用扩展检索式对各类知识进行搜索，对元素变形扩展，通过相似匹配方法召回发明信息、参考文本中的一种或组合文本；

可选地，相似匹配方法可选择对元素的上位概念、同位和下位实例的字符匹配或语义匹配；

在一些实施例中，所述权重策略，包括输入元素的上位概念、同位实例、下位实例的不同权重规则设置；

在一些实施例中，所述权重策略，还包括根据待创新问题相关资源、系统、组件特征，以及相关领域、相关用户、选择偏好约束，配置权重；

可选地，偏好策略包括历史记录、用户选择权重等；

在一些实施例中，所述筛选目标文本，根据权重策略从排序结果中，推荐发明内容一个或多个组合；

可选地，排序和筛选包括文本匹配或文本分类方法，并迭代优化。分类方法可选择关联规则、匹配、聚类、分类等多种方法；

可选的，关联规则方法可以选择Apriori，FP-growth、图计算方法；分类方法可以选择决策树、朴素贝叶斯、感知器、LR、SVM等分类方法；聚类方法可以选择K-means，密度聚类、层次聚类等聚类；匹配方法可以选择LDA、搜索(语义搜索)、CF模型(用户(申请人)、物品(产品、组件或任意字段))，LR模型，FM(考虑交叉关系特征)，GBDT(进行自动特征筛选和组合，然后用于LR模型等)。

本发明还公开了一种电子设备，图5示出根据本公开一实施方式的电子设备的结构框图1500，所述电子设备1500包括存储器1510和处理器1520；

其中，所述存储器1510用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器1520执行以实现上述实施方式中发明内容推荐工具的工作步骤。

如图6所示电子设备的结构示意图，电子设备1600包括中央处理单元(CPU)1601，其可以根据存储在只读存储器(ROM)1602中的程序或者从存储部分1610加载到随机访问存储器(RAM)1603中的程序而执行上述图1所示的实施方式中的各种处理。在RAM1603中，还存储有电子设备1600操作所需的各种程序和数据。CPU1601、ROM1602以及RAM1603通过总线1604彼此相连。输入/输出(I/O)接口1605也连接至总线1604。

以下部件连接至I/O接口1605：驱动器1606根据需要连接至I/O接口1605；可拆卸介质1607，诸如磁盘、光盘、磁光盘、半导体存储器等等；根据需要安装在驱动器1606上包括键盘、鼠标等的输入部分1608；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1609；包括硬盘等的存储部分1610；便于读出的计算机程序根据需要被安装入存储部分1610；诸如LAN卡、调制解调器等的网络接口卡的通信部分1611。通信部分1611经由诸如因特网的网络执行通信处理。

作为另一方面，本公开还提供了一种计算机可读存储介质该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。

特别地，根据本公开的实施方式，上文参考图1描述的方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行图1方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分1611从网络上被下载和安装，和/或从可拆卸介质1607被安装。

附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

因此，一个计算机可读的介质可能有多种形式，包括但不限于，有形的存储介质，载波介质或物理传输介质。稳定的储存介质包括：光盘或磁盘，以及其他计算机或类似设备中使用的，能够实现图中所描述的系统组件的存储系统。不稳定的存储介质包括动态内存，例如计算机平台的主内存。有形的传输介质包括同轴电缆、铜电缆以及光纤，包括计算机系统内部形成总线的线路。载波传输介质可以传递电信号、电磁信号，声波信号或光波信号，这些信号可以由无线电频率或红外数据通信的方法所产生的。通常的计算机可读介质包括硬盘、软盘、磁带、任何其他磁性介质；CD-ROM、DVD、DVD-ROM、任何其他光学介质；穿孔卡、任何其他包含小孔模式的物理存储介质；RAM、PROM、EPROM、FLASH-EPROM，任何其他存储器片或磁带；传输数据或指令的载波、电缆或传输载波的连接装置、任何其他可以利用计算机读取的程序代码和/或数据。这些计算机可读介质的形式中，会有很多种出现在处理器在执行指令、传递一个或更多结果的过程之中。

本申请各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写，可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或服务器上运行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，例如，局域网(LAN)或广域网(WAN)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(SaaS)。

本领域技术人员能够理解，本申请所披露的内容可以出现多种变型和改进。例如，以上所描述的不同系统组件都是通过硬件设备所实现的，但是也可能只通过软件的解决方案得以实现。例如：在现有的服务器上安装系统。此外，这里所披露的位置信息的提供可能是通过一个固件、固件/软件的组合、固件/硬件的组合或硬件/固件/软件的组合得以实现。

以上内容描述了本申请和/或一些其他的示例。应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。本申请披露的主题能够以不同的形式和例子所实现，并且本申请可以被应用于大量的应用程序中。权利要求中所要求保护的所有应用、修饰以及改变都属于本申请的范围。