一种根据关键词生成对应的目标生成句子的方法及装置

技术领域

本发明涉及文本生成技术领域，特别是指一种根据关键词生成对应的目标生成句子的方法及装置。

背景技术

在语言教学和习得领域，语言教员和教科书编撰者需要用例句来制作教材，这些例句可以是综合设计的，也可以是来自真实资源的。在大多数情况下，他们需要为不同学习阶段的语言学习者创建适当的例句，只使用特定复杂程度的单词，这是非常费时费力的。

自动生成辅助语言学习的例句可以帮助教育者和语言学习者获得、分析和选择合适的例句。此外，它还可以协助分级阅读材料的开发。

对于语言学习者来说，好的例句不仅要求流利多样，而且要与学习者的水平相匹配，尤其是词汇的水平。因此，在好例句的生成中，有必要有效地控制词汇的复杂性，这是一项可控句子生成的任务。

可控句子生成是自然语言生成的一个重要领域，包含一系列旨在根据给定的可控要求生成句子的任务。可控句子生成系统通常专注于控制句子属性，如情感、主题或关键词，生成具有特定格式的诗歌或对联，甚至从结构化数据中预测描述。然而，很少有作品致力于严格控制句子生成的词汇复杂性。虽然词汇简化已经在句子简化任务中得到了重视，但它不能严格控制生成句子的词汇复杂性水平，导致生成的句子不能很好的达到用户的预期，句子生成的实用性较低。

发明内容

本发明实施例提供了一种根据关键词生成对应的目标生成句子的方法及装置。所述技术方案如下：

一方面，提供了一种根据关键词生成对应的目标生成句子的方法，该方法由电子设备实现，该方法包括：

构建初始文本生成模型；

获取训练样本，通过训练样本对所述初始文本生成模型进行训练，得到训练完毕的待评测文本生成模型；

基于预设的基线模型，对所述待评测文本生成模型进行评测，确定通过评测的文本生成模型；

获取目标生成句子的关键词以及词汇复杂度等级；

将所述关键词以及词汇复杂度等级输入到所述文本生成模型中，生成所述关键词对应的目标生成句子。

可选地，所述获取训练样本，包括：

获取原始语料，对所述原始语料进行分句处理，选取样本句子；

提取所述样本句子中的样本关键词；

获得提取的样本关键词所属的词汇复杂度等级。

可选地，所述基于预设的基线模型，对所述待评测文本生成模型进行评测，确定通过评测的文本生成模型，包括：

将测试样本集输入预设的基线模型，得到基线模型输出的基线句子，将所述测试样本集输入待评测文本生成模型，得到待测评文本生成模型输出的待测评句子；

根据所述基线句子，确定所述基线句子对应的第一关键词约束评价指标、第一词汇复杂度约束评价指标以及第一复杂度等级约束评价指标；

根据所述待测评句子，确定所述待测评句子对应的第二关键词约束评价指标、第二词汇复杂度约束评价指标以及第二复杂度等级约束评价指标；

当所述第二关键词约束评价指标大于或等于所述第一关键词约束评价指标，且所述第二词汇复杂度约束评价指标大于或等于所述第一词汇复杂度约束评价指标，且所述第二复杂度等级约束评价指标大于或等于所述第一复杂度等级约束评价指标时，将所述待评测文本生成模型确定为通过评测的文本生成模型；否则，将所述待评测文本生成模型确定为未通过评测的文本生成模型。

可选地，所述文本生成模型为transformer模型，包括词嵌入层、编码器以及解码器；

所述将所述关键词以及词汇复杂度等级输入到所述文本生成模型中，生成所述关键词对应的目标生成句子，包括：

将所述关键词以及词汇复杂度等级输入到所述文本生成模型中，根据所述关键词以及词汇复杂度等级，生成输入序列；

根据所述词嵌入层，确定所述输入序列的分布式向量；

根据所述编码器对所述输入序列的分布式向量进行编码，得到隐状态序列；

根据所述解码器构建语言模型，利用所述隐状态序列，确定目标生成句子的每个词，进而确定目标生成句子。

可选地，所述分布式向量表示为

可选地，所述根据所述解码器构建语言模型，利用所述隐状态序列，确定目标生成句子的每个词，包括：

根据所述隐状态序列中的关键词以及词汇复杂度等级，对目标生成句子进行词汇复杂度控制；

根据所述隐状态序列中的关键词的数量，对目标生成句子进行句子长度控制；

根据对目标生成句子进行的句子长度控制，对目标生成句子进行句法复杂度控制；

基于对目标生成句子的词汇复杂度控制、句子长度控制、句法复杂度控制、生成的目标生成句子的前t-1个词以及第t个词的词汇复杂度等级，确定目标生成句子的第t个词。

可选地，所述词汇复杂度控制包括关键词约束、词汇复杂度约束以及复杂度等级约束；

所述根据所述隐状态序列中的关键词以及词汇复杂度等级，对目标生成句子进行词汇复杂度控制，包括：

根据下述公式（1）（2），对目标生成句子进行关键词约束：

（1）

（2）

其中，

根据下述公式（3）（4），对目标生成句子进行词汇复杂度约束：

（3）

（4）

其中，

根据下述公式（5）（6），对目标生成句子进行复杂度等级约束：

（5）

（6）

其中，

另一方面，提供了一种根据关键词生成对应的目标生成句子的装置，该装置应用于根据关键词生成对应的目标生成句子的方法，该装置包括：

构建模块，用于构建初始文本生成模型；

训练模块，用于获取训练样本，通过训练样本对所述初始文本生成模型进行训练，得到训练完毕的待评测文本生成模型；

评测模块，用于基于预设的基线模型，对所述待评测文本生成模型进行评测，确定通过评测的文本生成模型；

获取模块，用于获取目标生成句子的关键词以及词汇复杂度等级；

生成模块，用于将所述关键词以及词汇复杂度等级输入到所述文本生成模型中，生成所述关键词对应的目标生成句子。

可选地，所述训练模块，用于：

获取原始语料，对所述原始语料进行分句处理，选取样本句子；

提取所述样本句子中的样本关键词；

获得提取的样本关键词所属的词汇复杂度等级。

可选地，所述测评模块，用于：

将测试样本集输入预设的基线模型，得到基线模型输出的基线句子，将所述测试样本集输入待评测文本生成模型，得到待测评文本生成模型输出的待测评句子；

根据所述基线句子，确定所述基线句子对应的第一关键词约束评价指标、第一词汇复杂度约束评价指标以及第一复杂度等级约束评价指标；

根据所述待测评句子，确定所述待测评句子对应的第二关键词约束评价指标、第二词汇复杂度约束评价指标以及第二复杂度等级约束评价指标；

当所述第二关键词约束评价指标大于或等于所述第一关键词约束评价指标，且所述第二词汇复杂度约束评价指标大于或等于所述第一词汇复杂度约束评价指标，且所述第二复杂度等级约束评价指标大于或等于所述第一复杂度等级约束评价指标时，将所述待评测文本生成模型确定为通过评测的文本生成模型；否则，将所述待评测文本生成模型确定为未通过评测的文本生成模型。

可选地，所述文本生成模型为transformer模型，包括词嵌入层、编码器以及解码器；

所述生成模块，用于：

将所述关键词以及词汇复杂度等级输入到所述文本生成模型中，根据所述关键词以及词汇复杂度等级，生成输入序列；

根据所述词嵌入层，确定所述输入序列的分布式向量；

根据所述编码器对所述输入序列的分布式向量进行编码，得到隐状态序列；

根据所述解码器构建语言模型，利用所述隐状态序列，确定目标生成句子的每个词，进而确定目标生成句子。

可选地，所述分布式向量表示为

可选地，所述生成模块，用于：

根据所述隐状态序列中的关键词以及词汇复杂度等级，对目标生成句子进行词汇复杂度控制；

根据所述隐状态序列中的关键词的数量，对目标生成句子进行句子长度控制；

根据对目标生成句子进行的句子长度控制，对目标生成句子进行句法复杂度控制；

基于对目标生成句子的词汇复杂度控制、句子长度控制、句法复杂度控制、生成的目标生成句子的前t-1个词以及第t个词的词汇复杂度等级，确定目标生成句子的第t个词。

可选地，所述词汇复杂度控制包括关键词约束、词汇复杂度约束以及复杂度等级约束；

所述生成模块，用于：

根据下述公式（1）（2），对目标生成句子进行关键词约束：

（1）

（2）

其中，

根据下述公式（3）（4），对目标生成句子进行词汇复杂度约束：

（3）

（4）

其中，

根据下述公式（5）（6），对目标生成句子进行复杂度等级约束：

（5）

（6）

其中，

另一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述根据关键词生成对应的目标生成句子的方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述根据关键词生成对应的目标生成句子的方法。

本发明实施例提供的技术方案带来的有益效果至少包括：

本发明实施例中，构建初始文本生成模型；获取训练样本，通过训练样本对初始文本生成模型进行训练，得到训练完毕的待评测文本生成模型；基于预设的基线模型，对待评测文本生成模型进行评测，确定通过评测的文本生成模型；获取目标生成句子的关键词以及词汇复杂度等级；将关键词以及词汇复杂度等级输入到文本生成模型中，生成关键词对应的目标生成句子。通过该方法，可以针对输入的一个或多个关键词，以及目标生成句子中词汇的复杂度等级，生成词汇复杂度可控且具有较好的流利度和语义一致性的句子文本，达到用户的语气，提高了文本生成的实用性。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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他的附图。

图1是本发明实施例提供的一种根据关键词生成对应的目标生成句子的方法流程图；

图2是本发明实施例提供的一种对目标生成句子进行控制的架构示意图；

图3是本发明实施例提供的一种根据关键词生成对应的目标生成句子的装置框图；

图4是本发明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。

本发明实施例提供了一种根据关键词生成对应的目标生成句子的方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器。如图1所示的根据关键词生成对应的目标生成句子的方法流程图，该方法的处理流程可以包括如下的步骤：

S1、构建初始文本生成模型。

一种可行的实施方式中，初始文本生成模型整体可以被配置为基于自注意力（Self-Attention）网络的编码器-解码器模型（transformer），即，该初始文本生成模型可以是transformer模型。该初始文本生成模型可以包括词嵌入层、编码器以及解码器，其中各个层和模块中的参数均为初始值。

S2、获取训练样本，通过训练样本对初始文本生成模型进行训练，得到训练完毕的待评测文本生成模型。

可选地，获取训练样本的方式有多种，下面提供一种具体可行的获取方式，包括步骤S21-S23：

S21、获取原始语料，对原始语料进行分句处理，选取样本句子。

一种可行的实施方式中，原始语料可以包含英文和中文两种，其中，英文原始语料可以取自ACL2019 WMT中的单语英语新闻数据集，中文原始语料可以取自为中文二语学习者提供500本教材。

获取原始语料后，对原始语料进行分句处理，将原始语料拆分成多个句子，选取合适的句子作为样本句子。

S22、提取样本句子中的样本关键词。

一种可行的实施方式中，在每个样本句子中可以提取一个或多个关键词作为样本关键词，提取的方式可以是人工提取，也可以通过训练好的关键词提取模型进行提取，本发明对此不作限定。

S23、获得提取的样本关键词所属的词汇复杂度等级。

一种可行的实施方式中，与获取的原始语料相对应，词汇复杂度等级也可以包含英文和中文两种。其中，英文词汇复杂度等级可以采用欧洲语言共同框架（CEFR）中的六个等级标准，即A1、A2、B1、B2、C1、C2；中文词汇复杂度等级可以取自国际汉语教育汉语水平分级标准（CPGS）中的七个等级标准，即1-7。

S24、通过训练样本对初始文本生成模型进行训练，得到训练完毕的待评测文本生成模型。

一种可行的实施方式中，通过上述步骤S21-S23获取训练样本，每个训练样本中包括样本句子、样本句子对应的样本关键词以及样本关键词对应的词汇复杂度等级。

将训练样本中的样本关键词和样本关键词对应的词汇复杂度等级输入至初始文本生成模型中，初始文本生成模型输出预测句子，将预测句子与样本句子进行比较，并调整初始文本生成模型中的参数。重复多次该过程，直至初始文本生成模型的损失函数达到收敛，或训练迭代次数到达预设次数，则停止迭代训练，将最后一次迭代训练后调整了参数的模型作为训练完毕的待评测文本生成模型。

S3、基于预设的基线模型，对待评测文本生成模型进行评测，确定通过评测的文本生成模型。

一种可行的实施方式中，通过上述步骤对初始文本生成模型完成训练后，需要对完成训练的模型进行评测，评测完成训练的模型的准确率是否达到预期。评测的方法可以是设计一个基线模型，该基线模型的输入是关键词，输出是通过关键词生成的句子，将该基线模型输出的句子对应的评测指标作为最低标准，来检测待评测文本生成模型输出的句子是否达到最低标准。

可选地，评测的过程可以包括下述步骤S31-S34：

S31、将测试样本集输入预设的基线模型，得到基线模型输出的基线句子，将测试样本集输入待评测文本生成模型，得到待测评文本生成模型输出的待测评句子。

可选地，基线模型可以包括多种模型，本发明实施例列举三种可行的模型，分别为控制解码器的transformer模型、前缀微调的transformer模型以及重排序模型。

其中，对于控制解码器的transformer模型，由于目标生成句子的词汇复杂度等级是已知的，因此可以只将该复杂度等级所对应的词汇子集用于解码过程，将子集之外的词汇概率设置为0。

对于前缀微调的transformer模型，将所需的复杂度等级作为控制生成模型输入的前缀即可。

对于重排序模型，根据测试样本集中的关键词获取对应生成的多个候选句子，在多个候选句子汇总选择最符合词汇复杂度要求的句子，将其确定为基线句子，具体的选择方式如下：

计算每个候选句子的词汇复杂度约束评价指标ACC分数和复杂度等级约束评价指标F1分数，并计算每个候选句子的ACC分数和F1分数的和值，选择所有和值中数值最高的候选句子，将其确定为基线句子。其中，ACC的计算公式参见下述公式（1-2），F1的计算公式参见下述公式（1-5）。

S32、根据基线句子，确定基线句子对应的第一关键词约束评价指标、第一词汇复杂度约束评价指标以及第一复杂度等级约束评价指标。

一种可行的实施方式中，第一关键词约束评价指标

（1-1）

其中，

第一词汇复杂度约束评价指标

（1-2）

其中，

第一复杂度等级约束评价指标

（1-3）

（1-4）

（1-5）

其中，

S33、根据待测评句子，确定待测评句子对应的第二关键词约束评价指标、第二词汇复杂度约束评价指标以及第二复杂度等级约束评价指标。

一种可行的实施方式中，第二关键词约束评价指标、第二词汇复杂度约束评价指标以及第二复杂度等级约束评价指标的计算公式参照上述步骤S32，此处不做赘述。

S34、当第二关键词约束评价指标大于或等于第一关键词约束评价指标，且第二词汇复杂度约束评价指标大于或等于第一词汇复杂度约束评价指标，且第二复杂度等级约束评价指标大于或等于第一复杂度等级约束评价指标时，将待评测文本生成模型确定为通过评测的文本生成模型；否则，将待评测文本生成模型确定为未通过评测的文本生成模型。

S4、获取目标生成句子的关键词以及词汇复杂度等级。

一种可行的实施方式中，当用户想要根据某些关键词生成一段句子（可称为目标生成句子）时，用户可以获取这些关键词以及目标生成句子中每个词对应的词汇复杂度等级。同上述训练过程相同，关键词可以是中文，也可以是英文，英文词汇复杂度等级可以采用欧洲语言共同框架（CEFR）中的六个等级标准，即A1、A2、B1、B2、C1、C2；中文词汇复杂度等级可以取自国际汉语教育汉语水平分级标准（CPGS）中的七个等级标准，即1-7。

S5、将关键词以及词汇复杂度等级输入到文本生成模型中，生成关键词对应的目标生成句子。

可选地，文本生成模型可以为transformer模型，包括词嵌入层、编码器以及解码器；

通过文本生成模型生成目标生成句子的过程可以包括下述步骤S51-S54：

S51、将关键词以及词汇复杂度等级输入到文本生成模型中，根据关键词以及词汇复杂度等级，生成输入序列。

S52、根据词嵌入层，确定输入序列的分布式向量。

可选地，分布式向量表示为

S53、根据编码器对输入序列的分布式向量进行编码，得到隐状态序列。

S54、根据解码器构建语言模型，利用隐状态序列，确定目标生成句子的每个词，进而确定目标生成句子。

可选地，根据解码器确定目标生成句子的每个词的过程可以包括步骤S541-S544：

S541、根据隐状态序列中的关键词以及词汇复杂度等级，对目标生成句子进行词汇复杂度控制。

一种可行的实施方式中，如图2所示，对目标生成句子的控制主要包括三个方面：词汇复杂度控制、句子长度控制以及句法复杂度控制，其中，词汇复杂度控制包括关键词约束、词汇复杂度约束以及复杂度等级约束。

可选地，根据隐状态序列中的关键词以及词汇复杂度等级，对目标生成句子进行词汇复杂度控制，包括：

根据下述公式（2-1）（2-2），对目标生成句子进行关键词约束：

（2-1）

（2-2）

其中，

根据下述公式（2-3）（2-4），对目标生成句子进行词汇复杂度约束：

（2-3）

（2-4）

其中，

根据下述公式（2-5）（2-6），对目标生成句子进行复杂度等级约束：

（2-5）

（2-6）

其中，

S542、根据隐状态序列中的关键词的数量，对目标生成句子进行句子长度控制。

一种可行的实施方式中，对目标生成句子进行句子长度控制的方法为基于惩罚因子的解码方法，即在解码过程中对生成的句子长度施加惩罚因子，来影响句子生成的长度，其公式如下述（3-1）：

（3-1）

其中，

S543、根据对目标生成句子进行的句子长度控制，对目标生成句子进行句法复杂度控制。

一种可行的实施方式中，对目标生成句子进行句法复杂度控制的方法与句子长度相关，控制了句子长度也相应能控制句法复杂度。

S544、基于对目标生成句子的词汇复杂度控制、句子长度控制、句法复杂度控制、生成的目标生成句子的前t-1个词以及第t个词的词汇复杂度等级，确定目标生成句子的第t个词。

一种可行的实施方式中，在进行词汇复杂度控制、句子长度控制以及句法复杂度控制的前提下，按顺序确定目标生成句子中的每个词，将确定的所有词按照顺序拼接起来，就得到了目标生成句子。

本发明实施例中，构建初始文本生成模型；获取训练样本，通过训练样本对初始文本生成模型进行训练，得到训练完毕的待评测文本生成模型；基于预设的基线模型，对待评测文本生成模型进行评测，确定通过评测的文本生成模型；获取目标生成句子的关键词以及词汇复杂度等级；将关键词以及词汇复杂度等级输入到文本生成模型中，生成关键词对应的目标生成句子。通过该方法，可以针对输入的一个或多个关键词，以及目标生成句子中词汇的复杂度等级，生成词汇复杂度可控且具有较好的流利度和语义一致性的句子文本，达到用户的语气，提高了文本生成的实用性。

图3是根据一示例性实施例示出的一种根据关键词生成对应的目标生成句子的装置框图，该装置用于根据关键词生成对应的目标生成句子的方法。参照图3，该装置包括构建模块310、训练模块320、评测模块330、获取模块340以及生成模块350，其中：

构建模块310，用于构建初始文本生成模型；

训练模块320，用于获取训练样本，通过训练样本对所述初始文本生成模型进行训练，得到训练完毕的待评测文本生成模型；

评测模块330，用于基于预设的基线模型，对所述待评测文本生成模型进行评测，确定通过评测的文本生成模型；

获取模块340，用于获取目标生成句子的关键词以及词汇复杂度等级；

生成模块350，用于将所述关键词以及词汇复杂度等级输入到所述文本生成模型中，生成所述关键词对应的目标生成句子。

可选地，所述训练模块320，用于：

获取原始语料，对所述原始语料进行分句处理，选取样本句子；

提取所述样本句子中的样本关键词；

获得提取的样本关键词所属的词汇复杂度等级。

可选地，所述测评模块330，用于：

将测试样本集输入预设的基线模型，得到基线模型输出的基线句子，将所述测试样本集输入待评测文本生成模型，得到待测评文本生成模型输出的待测评句子；

根据所述基线句子，确定所述基线句子对应的第一关键词约束评价指标、第一词汇复杂度约束评价指标以及第一复杂度等级约束评价指标；

根据所述待测评句子，确定所述待测评句子对应的第二关键词约束评价指标、第二词汇复杂度约束评价指标以及第二复杂度等级约束评价指标；

当所述第二关键词约束评价指标大于或等于所述第一关键词约束评价指标，且所述第二词汇复杂度约束评价指标大于或等于所述第一词汇复杂度约束评价指标，且所述第二复杂度等级约束评价指标大于或等于所述第一复杂度等级约束评价指标时，将所述待评测文本生成模型确定为通过评测的文本生成模型；否则，将所述待评测文本生成模型确定为未通过评测的文本生成模型。

可选地，所述文本生成模型为transformer模型，包括词嵌入层、编码器以及解码器；

所述生成模块350，用于：

将所述关键词以及词汇复杂度等级输入到所述文本生成模型中，根据所述关键词以及词汇复杂度等级，生成输入序列；

根据所述词嵌入层，确定所述输入序列的分布式向量；

根据所述编码器对所述输入序列的分布式向量进行编码，得到隐状态序列；

根据所述解码器构建语言模型，利用所述隐状态序列，确定目标生成句子的每个词，进而确定目标生成句子。

可选地，所述分布式向量表示为

可选地，所述生成模块350，用于：

根据所述隐状态序列中的关键词以及词汇复杂度等级，对目标生成句子进行词汇复杂度控制；

根据所述隐状态序列中的关键词的数量，对目标生成句子进行句子长度控制；

根据对目标生成句子进行的句子长度控制，对目标生成句子进行句法复杂度控制；

基于对目标生成句子的词汇复杂度控制、句子长度控制、句法复杂度控制、生成的目标生成句子的前t-1个词以及第t个词的词汇复杂度等级，确定目标生成句子的第t个词。

可选地，所述词汇复杂度控制包括关键词约束、词汇复杂度约束以及复杂度等级约束；

所述生成模块350，用于：

根据下述公式（1）（2），对目标生成句子进行关键词约束：

（1）

（2）

其中，

根据下述公式（3）（4），对目标生成句子进行词汇复杂度约束：

（3）

（4）

其中，

根据下述公式（5）（6），对目标生成句子进行复杂度等级约束：

（5）

（6）

其中，

本发明实施例中，构建初始文本生成模型；获取训练样本，通过训练样本对初始文本生成模型进行训练，得到训练完毕的待评测文本生成模型；基于预设的基线模型，对待评测文本生成模型进行评测，确定通过评测的文本生成模型；获取目标生成句子的关键词以及词汇复杂度等级；将关键词以及词汇复杂度等级输入到文本生成模型中，生成关键词对应的目标生成句子。通过该方法，可以针对输入的一个或多个关键词，以及目标生成句子中词汇的复杂度等级，生成词汇复杂度可控且具有较好的流利度和语义一致性的句子文本，达到用户的语气，提高了文本生成的实用性。

图4是本发明实施例提供的一种电子设备400的结构示意图，该电子设备400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）401和一个或一个以上的存储器402，其中，所述存储器402中存储有至少一条指令，所述至少一条指令由所述处理器401加载并执行以实现上述中文句子拼写检查方法的步骤。

在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述中文句子拼写检查方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。