基于图计算的推荐方法及装置、存储介质及电子设备

技术领域

本发明涉及数据处理技术领域，特别涉及一种基于图计算的推荐方法及装置、存储介质及电子设备。

背景技术

随着互联网技术的发展，资源对象推荐的应用越来越广泛。在现有的资源对象推荐过程中，通常采用基于内容的推荐以及协同过滤推荐等。然而，现有的推荐方式，往往不能综合考虑资源对象的各个维度因素来对资源对象进行评分，从而导致推荐结果不能满足用户推荐需求。

发明内容

本发明所要解决的技术问题是提供一种基于图计算的推荐方法，能够基于满足用户的推荐需求。

本发明还提供了一种基于图计算的推荐装置，用以保证上述方法在实际中的实现及应用。

一种基于图计算的推荐方法，包括：

响应于推荐指令，确定各个待推荐对象；

获取每个所述待推荐对象的预先构建的知识图谱；

判断每个所述待推荐对象的知识图谱是否满足预先设置的动态规划条件；

对于每个所述待推荐对象，在所述待推荐对象的知识图谱满足所述动态规划条件的情况下，应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，获得所述待推荐对象的推荐评分；

将已获得所述推荐评分的待推荐对象确定为目标待推荐对象，并根据每个所述目标待推荐对象的推荐评分对各个所述目标待推荐对象进行推荐。

上述的方法，可选的，所述获取每个所述待推荐对象的预先构建的知识图谱，包括：

确定每个所述待推荐对象的对象标识；

基于每个所述待推荐对象的对象标识查询预先设置的图数据库，获得每个所述待推荐对象的预先构建的知识图谱。

上述的方法，可选的，所述判断每个所述待推荐对象的知识图谱是否满足预先设置的动态规划条件，包括：

判断每个所述待推荐对象的知识图谱的最短路径问题的最优解是否满足最优子结构性质，以及每个所述待推荐对象的知识图谱的最短路径问题的各个子问题中是否存在重叠子问题；

对于每个所述待推荐对象，在所述待推荐对象的知识图谱的最短路径问题的最优解满足最优子结构性质，且所述待推荐对象的知识图谱的最短路径问题的各个子问题中存在重叠子问题的情况下，确定所述待推荐对象的知识图谱满足预先设置的动态规划条件；否则，确定所述待推荐对象不满足所述动态规划条件。

上述的方法，可选的，所述应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，获得所述待推荐对象的推荐评分，包括：

根据预设的动态规划算法确定所述待推荐对象的知识图谱的最短路径问题的各个子问题；

获取所述知识图谱对应的记录表；所述记录表用于记录每一所述知识图谱的最短路径问题的各个子问题的解；

基于所述记录表依次对所述最短路径问题的各个所述子问题进行求解，获得所述最短路径问题的路径最优解；

基于所述路径最优解获得所述待推荐对象的推荐评分。

上述的方法，可选的，所述基于所述记录表依次对所述最短路径问题的各个所述子问题进行求解，获得所述最短路径问题的路径最优解，包括：

对于每个所述子问题，在所述子问题为首个子问题的情况下，检测所述记录表中是否存在与所述子问题一致的历史子问题的解；若存在，则将所述历史子问题的解作为所述子问题的解，并根据所述子问题的解确定所述子问题的路径最优值；在所述子问题不为首个子问题的情况下，检测所述记录表中是否存在与所述子问题一致的历史问题的解；若存在，则将所述历史子问题的解作为所述子问题的解，并根据所述子问题的解以及所述子问题的前一子问题的路径最优值，确定出所述子问题的路径最优值；

将各个所述子问题中的最后一个子问题的路径最优值，确定为所述最短路径问题的路径最优解。

上述的方法，可选的，所述根据每个所述目标待推荐对象的推荐评分对各个所述目标待推荐对象进行推荐，包括：

按每个所述目标待推荐对象的推荐评分由大至小的顺序，对各个所述目标待推荐对象进行排序；

基于各个所述目标待推荐对象的排序推荐各个所述目标待推荐对象。

一种基于图计算的推荐装置，包括：

确定单元，用于响应推荐指令，确定各个待推荐对象；

获取单元，用于获取每个所述待推荐对象的预先构建的知识图谱；

判断单元，用于判断每个所述待推荐对象的知识图谱是否满足预先设置的动态规划条件；

计算单元，用于对于每个所述待推荐对象，在所述待推荐对象的知识图谱满足所述动态规划条件的情况下，应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，获得所述待推荐对象的推荐评分；

推荐单元，用于将已获得所述推荐评分的待推荐对象确定为目标待推荐对象，并根据每个所述目标待推荐对象的推荐评分对各个所述目标待推荐对象进行推荐。

上述的装置，可选的，所述获取单元，包括：

确定子单元，用于确定每个所述待推荐对象的对象标识；

查询子单元，用于基于每个所述待推荐对象的对象标识查询预先设置的图数据库，获得每个所述待推荐对象的预先构建的知识图谱。

一种存储介质，所述存储介质包括存储指令，其中，在所述指令运行时控制所述存储介质所在的设备执行如上述的基于图计算的推荐方法。

一种电子设备，包括存储器，以及一个或者一个以上的指令，其中一个或一个以上指令存储于存储器中，且经配置以由一个或者一个以上处理器执行如上述的基于图计算的推荐方法。

与现有技术相比，本发明包括以下优点：

本发明提供了一种基于图计算的推荐方法及装置、存储介质及电子设备，该方法包括：响应于推荐指令，确定各个待推荐对象；获取每个所述待推荐对象的预先构建的知识图谱；判断每个所述待推荐对象的知识图谱是否满足预先设置的动态规划条件；对于每个所述待推荐对象，在所述待推荐对象的知识图谱满足所述动态规划条件的情况下，应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，获得所述待推荐对象的推荐评分；将已获得所述推荐评分的待推荐对象确定为目标待推荐对象，并根据每个所述目标待推荐对象的推荐评分对各个所述目标待推荐对象进行推荐。应用本发明实施例提供的方法，能够基于知识图谱对待推荐对象的进行评分与推荐，能够满足用户的推荐需求，并且能够通过动态规划算法对知识图谱进行图计算，有效的提高了图计算的速度，能够节约设备的计算资源，提高推荐效率。

附图说明

为了更清楚地说明本发明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发明的实施例，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，还可以根据提供的附图获得其他的附图。

图1为本发明提供的一种基于图计算的推荐方法的方法流程图；

图2为本发明提供的一种获取每个待推荐对象的预先构建的知识图谱的过程的流程图；

图3为本发明提供的一种动态规划算法适用性判别过程的流程图；

图4为本发明提供的一种图计算过程的流程图；

图5为本发明提供的一种基于图计算的推荐装置的结构示意图；

图6为本发明提供的一种电子设备的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本申请中，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、物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、物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、物品或者设备中还存在另外的相同要素。

现有的推荐方式，往往不能综合考虑资源对象的各个维度因素来对资源对象进行评分，从而导致推荐结果不能满足用户推荐需求。在一种可行的实现方式中，可以采用知识图谱进行图计算，从而确定资源对象的推荐评分，然而，在资源对象的知识图谱更新的情况下，需求重新对整个知识图谱进行图计算，会耗费大量的时间以及计算资源。

基于此，本发明实施例提供了一种基于图计算的推荐方法，该方法可以应用于电子设备，所述方法的方法流程图如图1所示，具体包括：

S101：响应于推荐指令，确定各个待推荐对象。

在本实施例中，待推荐对象可以为商品的供应商或承运商等。

S102：获取每个所述待推荐对象的预先构建的知识图谱。

在本实施例中，知识图谱中包含多个节点以及各个所述节点之间的关联边；节点可以包括待推荐对象的描述信息，例如，可以包括接单量、价格、处理时长和履约情况等其中一种或多种信息；关联边设置有权重信息。

S103：判断每个所述待推荐对象的知识图谱是否满足预先设置的动态规划条件。

在本实施例中，可以确定根据知识图谱计算待推荐对象的推荐评分对应的最短路径问题，根据知识图谱的最短路径问题判断待推荐对象的知识图谱是否满足动态规划条件。

S104：对于每个所述待推荐对象，在所述待推荐对象的知识图谱满足所述动态规划条件的情况下，应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，获得所述待推荐对象的推荐评分。

在本实施例中，应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，可以计算出知识图谱中节点间的最短路径，从而得到待推荐对象的推荐评分。

在一些实施例中，在待推荐对象的知识图谱不满足动态规划条件的情况下，可以基于预设的图算法对知识图谱进行计算，获得待推荐对象的推荐评分，该图算法可以是最短路径算法。

S105：将已获得所述推荐评分的待推荐对象确定为目标待推荐对象，并根据每个所述目标待推荐对象的推荐评分对各个所述目标待推荐对象进行推荐。

在本实施例中，可以将待推荐对象的对象标识以及待推荐对象的推荐评分在预设的显示界面进行显示，已完成对待推荐对象的推荐。

应用本发明实施例提供的方法，能够基于知识图谱对待推荐对象的进行评分与推荐，能够满足用户的推荐需求，并且能够通过动态规划算法对知识图谱进行图计算，有效的提高了图计算的速度，能够节约设备的计算资源，提高推荐效率。

在本发明提供的一实施例中，基于上述的实施过程，可选的，所述获取每个所述待推荐对象的预先构建的知识图谱，如图2所示，可以包括：

S201：确定每个所述待推荐对象的对象标识。

在本实施例中，对象标识可以为待推荐对象的用户名或标识码等其中至少一种，不同的待推荐对象的对象标识不同。

S202：基于每个所述待推荐对象的对象标识查询预先设置的图数据库，获得每个所述待推荐对象的预先构建的知识图谱。

在本实施例中，图数据库中预先记录有对象标识与知识图谱的对应关系，可以在图数据库中获取对象标识对应的知识图谱，该知识图谱即为待推荐对象的知识图谱。

在本发明提供的一实施例中，基于上述的实施过程，可选的，所述判断每个所述待推荐对象的知识图谱是否满足预先设置的动态规划条件，包括：

判断每个所述待推荐对象的知识图谱的最短路径问题的最优解是否满足最优子结构性质，以及每个所述待推荐对象的知识图谱的最短路径问题的各个子问题中是否存在重叠子问题；

对于每个所述待推荐对象，在所述待推荐对象的知识图谱的最短路径问题的最优解满足最优子结构性质，且所述待推荐对象的知识图谱的最短路径问题的各个子问题中存在重叠子问题的情况下，确定所述待推荐对象的知识图谱满足预先设置的动态规划条件；否则，确定所述待推荐对象不满足所述动态规划条件。

应用本实施例提供的方法，知识图谱的最短路径问题可以是计算知识图谱中两个节点之间的最短路径问题，即，可以为两个节点之间的最短路径的目标方程，最短路径问题可以划分为多个阶段的子问题；最优子结构性质可以是最短路径问题的最优解包含最短路径问题的子问题的最优解。

可选的，各个子问题中存在重叠子问题可以指的是各个子问题中至少存在一组重复的子问题。

在本发明提供的一实施例中，基于上述的实施过程，可选的，所述应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，获得所述待推荐对象的推荐评分，包括：

根据预设的动态规划算法确定所述待推荐对象的知识图谱的最短路径问题的各个子问题；

获取所述知识图谱对应的记录表；所述记录表用于记录每一所述知识图谱的最短路径问题的各个子问题的解；

基于所述记录表按预设的顺序依次对所述最短路径问题的各个所述子问题进行求解，获得所述最短路径问题的路径最优解；

基于所述路径最优解获得所述待推荐对象的推荐评分。

在本实施例中，动态规划算法可以是基于贝尔曼方程的最短路径算法。

可选的，记录表中可以记录知识图谱中的最短路径问题的各个子问题的解，每完成对一个子问题的求解，可以将该子问题的解记录到该记录表中，以便于在重新遇到相同的子问题时，从记录表中获取该子问题的解，而无需重新计算，若知识图谱发生了局部更新，在计算最短路径过程中，可以针对更新部分的图数据所对应的子问题重新进行求解，而无需对更新后的知识图谱的所有子问题重新求解，节约了设备算力，提高了图计算的速度。

在本发明提供的一实施例中，基于上述的实施过程，可选的，所述基于所述记录表依次对所述最短路径问题的各个所述子问题进行求解，获得所述最短路径问题的路径最优解，包括：

对于每个所述子问题，在所述子问题为首个子问题的情况下，检测所述记录表中是否存在与所述子问题一致的历史子问题的解；若存在，则将所述历史子问题的解作为所述子问题的解，并根据所述子问题的解确定所述子问题的路径最优值；在所述子问题不为首个子问题的情况下，检测所述记录表中是否存在与所述子问题一致的历史问题的解；若存在，则将所述历史子问题的解作为所述子问题的解，并根据所述子问题的解以及所述子问题的前一子问题的路径最优值，确定出所述子问题的路径最优值；

将各个所述子问题中的最后一个子问题的路径最优值，确定为所述最短路径问题的路径最优解。

在本发明提供的一实施例中，基于上述的实施过程，可选的，所述根据每个所述目标待推荐对象的推荐评分对各个所述目标待推荐对象进行推荐，包括：

按每个所述目标待推荐对象的推荐评分由大至小的顺序，对各个所述目标待推荐对象进行排序；

基于各个所述目标待推荐对象的排序推荐各个所述目标待推荐对象。

在本实施例中，可以按各个目标待推荐对象的排序将目标待推荐对象以及每个推荐对象的推荐评分显示在预先的显示界面。

本实施例提供的基于图计算的推荐方法可以应用多种领域之中。例如，可以用于向用户推荐承运商，也可以用于向用户推荐供应商。下面分别以向用户推荐承运商和向用户推荐供应商为例进行说明：

第一、向用户推荐承运商的过程可以如下：

步骤A1：可以全方面收集货主、承运商、历史成交物流信息等相关数据和关键指标。

步骤A2：构建基于货主及商品-承运商全维度的知识图谱。

在本实施例中，可以抽取承运商的在物流中心注册的基本信息，包括货主企业名称、联系人信息、注册地域等基本信息；抽取货主本次发货的服务方式信息，包括付款方式、报价、服务方式等信息；抽取承运商历史订单信息，包括履约情况、运单量、相同路线运单量等信息。

可选的，承运商的影响因子可以包括历史数据因子和实时数据因子；历史数据因子可以包括接单量、妥投率和轨迹达标率等正相关因子，实时数据因子可以包括报价、货主最近选择、报价响应时长和区域等负相关因子。

其中，接单量是承运商历史接单总数；妥投率指的是正常签收量/已签收总订单量；轨迹达标率指的是合格的轨迹/总轨迹数量；报价指的是承运商所报价格；货主最近选择指的是物流实时查询每个货主成交单量最多的承运商；报价响应时长指的是承运商报价时间-货主发布货源时间；区域指的是承运商区域因素，例如承运商注册地距离货主发货地的距离。

步骤A3：基于抽取的承运商基本信息和服务信息和历史运单信息，构建承运商知识图谱。

步骤A4：将已构建的图谱模型存入图数据库中。

步骤A5：基于图数据库构建神经网络模型，得出网络中各个节点的向量表达，生成智能推荐模型。

步骤A6：当货主发布新货源时，在推荐模型中应用动态规划算法对承运商的知识图谱进行图计算，获得承运商的推荐评分，按评分由高到低进行排序，展示给用户。

第二、向用户推荐供应商的过程可以如下：

步骤B1：将影响因子、采购用户、供应商初始化数据归一化后构建知识图谱。

步骤B2：将知识图谱存入图数据库中，构建采购用户-商品-供应商的图数据库。

步骤B3：构建基于图的神经网络模型，计算图网络中各节点向量表达式和损失函数，生成推荐模型。

步骤B4：当采购用户搜索或挂需求单时，基于用户选择的维度(综合或单项评分)，在推荐模型中应用动态规划算法对承运商的知识图谱进行图计算，获得承运商的推荐评分，按评分由高到低进行排序，展示给用户。

在本发明提供的一实施例中，在对知识图谱进行计算之前，可以先进行动态规划算法适用性判别，具体如图3所示，可以判断知识图谱的图数据是否满足最优子结构性质，以及判断图数据是否满足子问题重叠性质，在图数据满足最优子结构性质的情况下，确定图数据可以分段实现决策；在图数据满足子问题重叠性质的情况下，确定图数据可以采用动态规划；在以上两个判断均满足的情况下，进行图计算，图计算的过程如图4所示，具体可以找出最优解的性质，并刻画出其结构特征，根据Bellman思想递归定义最优值，以自底向上的方式计算最优值，通过计算出的时间上的最优值得到最终的路径最优解即最短路径。

与图1所述的方法相对应，本发明实施例还提供了一种基于图计算的推荐装置，用于对图1中方法的具体实现，本发明实施例提供的基于图计算的推荐装置可以应用于电子设备中，其结构示意图如图5所示，具体包括：

确定单元501，用于响应推荐指令，确定各个待推荐对象；

获取单元502，用于获取每个所述待推荐对象的预先构建的知识图谱；

判断单元503，用于判断每个所述待推荐对象的知识图谱是否满足预先设置的动态规划条件；

计算单元504，用于对于每个所述待推荐对象，在所述待推荐对象的知识图谱满足所述动态规划条件的情况下，应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，获得所述待推荐对象的推荐评分；

推荐单元505，用于将已获得所述推荐评分的待推荐对象确定为目标待推荐对象，并根据每个所述目标待推荐对象的推荐评分对各个所述目标待推荐对象进行推荐。

在本发明提供的一实施例中，基于上述的方案，可选的，所述获取单元502，包括：

确定子单元，用于确定每个所述待推荐对象的对象标识；

查询子单元，用于基于每个所述待推荐对象的对象标识查询预先设置的图数据库，获得每个所述待推荐对象的预先构建的知识图谱。

在本发明提供的一实施例中，基于上述的方案，可选的，所述判断单元503，包括：

判断子单元，用于判断每个所述待推荐对象的知识图谱的最短路径问题的最优解是否满足最优子结构性质，以及每个所述待推荐对象的知识图谱的最短路径问题的各个子问题中是否存在重叠子问题；

第一执行子单元，用于对于每个所述待推荐对象，在所述待推荐对象的知识图谱的最短路径问题的最优解满足最优子结构性质，且所述待推荐对象的知识图谱的最短路径问题的各个子问题中存在重叠子问题的情况下，确定所述待推荐对象的知识图谱满足预先设置的动态规划条件；否则，确定所述待推荐对象不满足所述动态规划条件。

在本发明提供的一实施例中，基于上述的方案，可选的，所述计算单元504，包括：

第二执行子单元，用于根据预设的动态规划算法确定所述待推荐对象的知识图谱的最短路径问题的各个子问题；

获取子单元，用于获取所述知识图谱对应的记录表；所述记录表用于记录每一所述知识图谱的最短路径问题的各个子问题的解；

第三执行子单元，用于基于所述记录表依次对所述最短路径问题的各个所述子问题进行求解，获得所述最短路径问题的路径最优解；

第四执行子单元，用于基于所述路径最优解获得所述待推荐对象的推荐评分。

在本发明提供的一实施例中，基于上述的方案，可选的，所述第三执行子单元，包括：

第一执行模块，用于对于每个所述子问题，在所述子问题为首个子问题的情况下，检测所述记录表中是否存在与所述子问题一致的历史子问题的解；若存在，则将所述历史子问题的解作为所述子问题的解，并根据所述子问题的解确定所述子问题的路径最优值；在所述子问题不为首个子问题的情况下，检测所述记录表中是否存在与所述子问题一致的历史问题的解；若存在，则将所述历史子问题的解作为所述子问题的解，并根据所述子问题的解以及所述子问题的前一子问题的路径最优值，确定出所述子问题的路径最优值；

第二执行模块，用于将各个所述子问题中的最后一个子问题的路径最优值，确定为所述最短路径问题的路径最优解。

在本发明提供的一实施例中，基于上述的方案，可选的，所述推荐单元505，包括：

排序子单元，用于按每个所述目标待推荐对象的推荐评分由大至小的顺序，对各个所述目标待推荐对象进行排序；

推荐子单元，用于基于各个所述目标待推荐对象的排序推荐各个所述目标待推荐对象。

上述本发明实施例公开的基于图计算的推荐装置中的各个单元和模块具体的原理和执行过程，与上述本发明实施例公开的基于图计算的推荐方法相同，可参见上述本发明实施例提供的基于图计算的推荐方法中相应的部分，这里不再进行赘述。

本发明实施例还提供了一种存储介质，所述存储介质包括存储的指令，其中，在所述指令运行时控制所述存储介质所在的设备执行上述基于图计算的推荐方法。

本发明实施例还提供了一种电子设备，其结构示意图如图6所示，具体包括存储器601，以及一个或者一个以上的指令602，其中一个或者一个以上指令602存储于存储器601中，且经配置以由一个或者一个以上处理器603执行所述一个或者一个以上指令602进行以下操作：

响应于推荐指令，确定各个待推荐对象；

获取每个所述待推荐对象的预先构建的知识图谱；

判断每个所述待推荐对象的知识图谱是否满足预先设置的动态规划条件；

对于每个所述待推荐对象，在所述待推荐对象的知识图谱满足所述动态规划条件的情况下，应用预设的动态规划算法对所述待推荐对象的知识图谱进行图计算，获得所述待推荐对象的推荐评分；

将已获得所述推荐评分的待推荐对象确定为目标待推荐对象，并根据每个所述目标待推荐对象的推荐评分对各个所述目标待推荐对象进行推荐。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，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。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

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，在实施本发明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。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

以上对本发明所提供的一种基于图计算的推荐方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。