用于知识发现的自动查询构造

摘要

描述了一种用于发现感兴趣的生物学知识模式的系统。所述系统包括：接收模块，其被配置成接收定义基本模式和广义基本模式的信息，所述基本模式包括一个或多个实体节点，每个实体节点代表生物学实体和节点之间指示的一个或多个生物学关系，通过用代表包括相应生物学实体的生物学实体集合的关联集合节点取代代表相应生物学实体的至少一个实体节点，所述广义基本模式与所述基本模式相关；查询模块，其被配置成生成第一查询部分，所述第一查询部分与所述广义基本模式相结合定义检索包括所述基本模式的第一组结果的第一查询；以及控制模块，其被配置成使所述查询模块生成第二查询部分，所述第二查询部分与所述第一查询结合定义检索包括所述基本模式的第二组结果的第二查询。

说明书

技术领域

本申请涉及一种用于自动构造数据库查询以帮助支持用户发现感兴趣的相关实体集合的系统和计算机实现的方法。该方法特别适用于帮助药物发现科学家发现感兴趣的生物学知识模式。

背景技术

知道要询问哪些问题常常是知识发现活动中的一半挑战。因此，在确定其研究方向时用户几乎无从下手可能是知识发现的严重障碍，并且因此可能存在缺乏指导和信息过载的组合。这在知识发现过程中导致了低效率，知识发现者必须基于他们自己的知识、最近的发现或文献综述，或预感来人工提出搜索查询。模式和未发现的连接仍然隐藏在当前可搜索的大量信息中，并且可以作出新发现的速率受到限制。

需要一种用于自动构造查询的方法，以便可以增强知识发现过程并使其效率更高。

下面描述的实施例不限于解决上述已知方法的任何或所有缺点的实施方式。

发明内容

提供本发明内容的目的是以简化形式介绍下文在具体实施方式中进一步描述的一系列概念。本发明内容不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于确定所要求保护的主题的范围。

本公开提供了例如在药物发现中使用，用于发现感兴趣的知识模式、生物学实体和生物学实体集合的系统和方法。

在第一方面，本公开提供了一种用于发现感兴趣的生物学知识模式的系统。该系统包括：接收模块，其被配置成接收定义基本模式和广义基本模式的信息，基本模式包括一个或多个实体节点，每个实体节点代表生物学实体和节点之间指示的一个或多个生物学关系，通过用代表包括相应生物学实体的生物学实体集合的关联集合节点取代代表相应生物学实体的至少一个实体节点，广义基本模式与基本模式相关；查询模块，其被配置成生成第一查询部分，所述第一查询部分与所述广义基本模式相结合定义检索包括所述基本模式的第一组结果的第一查询；以及控制模块，其被配置成使查询模块生成第二查询部分，所述第二查询部分与第一查询结合定义检索包括基本模式的第二组结果的第二查询。

该系统的一些实施例具有附加特征。在一个或多个实施例中，控制模块被配置成仅在第一组结果包括在目标范围之外的多个结果时使查询模块生成第二查询部分。在一个或多个实施例中，该系统包括广义模块，其被配置成通过以下步骤生成广义基本模式：接收该基本模式；接收由关联集合节点取代基图的至少一个实体节点的指令；以及用关联集合节点取代基本模式的至少一个实体节点。在这种情况下，基本模式和指令中的至少一者可以基于用户输入。在一个或多个实施例中，每个查询部分包括代表生物学实体集合的另一集合节点以及另一集合节点与广义基本模式的实体节点或集合节点之一之间的关系。在一个或多个实施例中，查询模块被配置成通过搜索存储生物学实体集合及其相关方式的关系图式数据库来生成查询部分。在一个或多个实施例中，控制模块被配置成如果查询部分阻止检索基本模式，则移除所述查询部分。在一个或多个实施例中，控制模块被配置成使查询模块生成另外的查询部分，所述另外的查询部分仍检索基本模式，直到达成检索目标范围内的多个结果的输出模式为止。在这种情况下，控制模块可以被配置成输出输出模式或其结果或两者。在一个或多个实施例中，该系统被配置成最大化输出模式的回报R。在这种情况下，该系统可以被配置成通过基于多个输出模式各自的回报R从所述多个输出模式中选择输出模式来最大化输出模式的回报R。在一个或多个实施例中，该系统包括诸如神经网络的函数逼近器，其被训练成最大化回报R。在这种情况下，函数逼近器可以包括一个或多个包括强化学习算法的神经网络。在一个或多个实施例中，输出模式的回报R包括导致输出模式的每个查询部分的回报r的组合。在一个或多个实施例中，查询模块被配置成每当它生成查询部分时最大化回报r。在第二方面，本公开提供了一种用于发现感兴趣的生物学知识模式的计算机实现的方法。该方法包括接收定义基本模式和广义基本模式的信息，基本模式包括一个或多个实体节点，每个实体节点代表生物学实体和节点之间指示的一个或多个生物学关系，通过用代表包括相应生物学实体的生物学实体集合的关联集合节点取代代表相应生物学实体的至少一个实体节点，广义基本模式与基本模式相关；生成第一查询部分，所述第一查询部分与广义基本模式相结合定义检索包括基本模式的第一组结果的第一查询；以及使查询模块生成第二查询部分，所述第二查询部分与第一查询结合定义检索包括基本模式的第二组结果的第二查询。

该方法的一些实施例具有附加特征。在一个或多个实施例中，该方法包括响应于第一组结果包括在目标范围之外的多个结果，使查询模块生成第二查询部分。在一个或多个实施例中，该方法包括通过以下步骤生成广义基本模式：接收基本模式；接收由关联集合节点取代基图的至少一个实体节点的指令；以及用关联集合节点取代基本模式的至少一个实体节点。在这种情况下，基本模式和指令中的至少一者可以基于用户输入。在一个或多个实施例中，每个查询部分包括代表生物学实体集合的另一集合节点以及另一集合节点与广义基本模式的实体节点或集合节点之一之间的关系。在一个或多个实施例中，该方法包括通过搜索存储生物学实体集合及其相关方式的关系图式数据库来生成查询部分。在一个或多个实施例中，该方法包括如果查询部分阻止检索基本模式则移除该查询部分。在一个或多个实施例中，该方法包括使查询模块生成另外的查询部分，所述另外的查询部分仍检索基本模式，直到达成检索目标范围内的多个结果的输出模式为止。在一个或多个实施例中，该方法包括输出输出模式或其结果或两者。在一个或多个实施例中，该方法包括最大化输出模式的回报R。

这里描述的方法可以由有形存储介质上的机器可读形式，例如包括计算机程序代码装置的计算机程序的形式的软件来执行，当程序在计算机上运行时，计算机程序代码装置适于执行这里描述的任何方法的所有步骤，并且其中计算机程序可以在计算机可读介质上体现。有形(或非暂态)存储介质的实例包括盘、拇指驱动器、存储卡等，并且不包括传播的信号。所述软件可以适用于在并行处理器或串行处理器上执行，使得所述方法步骤可以以任何适合的顺序或同时执行。

本申请承认固件和软件可以是有价值的、可单独交易的商品。旨在涵盖在“哑”或标准硬件上运行或控制“哑”或标准硬件的软件，以实现期望的功能。还旨在涵盖“描述”或定义硬件的配置的软件，如HDL(硬件描述语言)软件，如用于设计硅芯片或用于配置通用可配置芯片，以实现期望的功能。

如对技术人员显而易见的，优选特征可以适当地结合，并且可以与本发明的任何方面结合。

附图说明

将参考以下附图以举例的方式描述本发明的实施例，在附图中：

图1是示出包括生物学实体的组合和它们之间的关系的基本模式的示意图；

图2是示出包括上述基本模式和第一查询部分的第一查询模式的示意图；

图3是示出包括第一查询模式和第二查询部分的第二查询模式的示意图；

图4是示出包括第二查询模式和第三查询部分的第三查询模式的示意图；

图5是示出生成用于检索包含基本模式的目标范围内的多个结果的约束查询模式的工作示例的流程图；

图6是示出生成用于检索包含基本模式的目标范围内的多个结果的约束查询模式的计算机实现的方法的流程图；

图7是示出用于执行上述计算机实现的方法的系统的模块视图的示意图；以及

图8是适于实现根据本公开的系统的硬件的示意图。

贯穿各图使用共同附图标记来指示相似特征。

具体实施方式

下文仅通过举例的方式描述本发明的实施例。这些实例表示申请人目前已知的实践本发明最好的方法，尽管这些实例并不是可以实现本发明的唯一方法。本说明阐述了实例的功能以及构造和操作实例的步骤的顺序。然而，相同或等效的功能和序列可以通过不同的实例来实现。

图1A示出了包括四个生物学实体及其相关方式的简单知识模式100。生物学实体是：疾病、两个基因和药物。在该实例中，疾病是由第一实体节点102代表的阿尔茨海默氏病，基因是由第二实体节点104和第三实体节点106代表的CXCR4和TLR7，药物是由第四实体节点108代表的罗格列酮。实体节点是代表诸如阿尔茨海默氏病或基因CXCR4的实体的节点。选择四种生物学实体和它们相关的方式来代表感兴趣的模式，在这种情况下是阿尔茨海默氏病的已知治疗机制。通常，生物学知识模式是包括生物学实体和它们之间的连接的知识模式，生物学实体例如是基因、疾病、蛋白质、基因家族、疾病或蛋白质等，它们之间的连接显示它们是如何相关的，例如彼此相关联的关系、在共同的生物学途径或共同的疾病治疗机制中涉及到，或已知彼此不相关联的意义上的关系。更一般地，知识模式可被定义为实体节点集合，每个实体节点代表通过关系连接在一起的实体。

根据定义实体的类别或类型以及它们之间的可能关系的关系图式，生物学实体之间的关系被包含在知识模式中。例如，根据示例性模式图式，疾病可以与基因相关联，或者基因可以与另一基因相互作用。例如，图1A的知识模式包含阿尔茨海默氏病与基因CXCR相关联的关系，并且使用文本指示“相_关_联”110和双头箭头来指示这种关联。相比之下，阿尔茨海默氏病和基因TLR7之间不存在关联，因此该关系被认为是实体之间不存在关联，并且使用文本指示“不存在”112和双头箭头来指示。

类似地，两个基因CXCR4和TLR7由于彼此具有相互作用而相关。使用文本指示“交互”114和双头箭头将这种情况包含在图1A的知识模式中。基因TLR7和药物罗格列酮通过具有实验相互作用而相关，因此这种关系包含在该知识模式中并使用文本指示“实验_交互”116和双头箭头指示。最后，基因CXCR4和药物罗格列酮由于该基因是药物的已知主要目标而相关，并且这种关系包含在该知识模式中，使用文本指示“药物_机制”118和双头箭头指示。

该知识模式示出了特定生物学实体的小集合之间的已知关系。该已知模式可以被称为基本模式，并且可以用于形成用于构造搜索查询以发现潜在感兴趣的知识模式的基础。在该上下文中，基本模式仅仅是用作生成如下所述的搜索查询的起点的生物学知识模式。基本模式通常很小：例如它可以包括四个生物学实体。

参考图1B，对图1A的基本模式进行广义，使得至少一个生物学实体被取代为该至少一个生物学实体所属的一组或一类生物学实体。在图1B的实例中，基因CXCR4被一组基因120取代。类似地，基因TLR7被一组基因122取代，药物罗格列酮被一组药物124取代。所得到的模式可以被称为广义基本模式，因为基本模式的一个或多个生物学实体已经通过用它们所属的生物学实体集合取代而被广义化。由于节点120、122和124代表实体的集合，因此它们可以被称为集合节点。应注意，在其它实例中，可通过对生物学实体之间的一个或多个关系进行广义来另外或替代地对广义基本模式进行广义化。

在此阶段，广义基本模式定义了查询，因为它可以用于搜索落入其范围内的生物学实体的组合。这样，它可以被称为搜索查询。例如，在图1B的情况下，搜索查询将寻找符合广义基图的要求的两个基因和药物的组合，包括实体之间的所有关系。

如果基于图1B的广义基本模式执行查询，则将返回难以管理的大量结果，例如几十万个结果。为了生成有用的查询，约束广义基本模式以减少结果的数量。

参照图2，查询模式200包括广义基本模式以及约束搜索的查询部分202。查询部分202包括由集合节点204代表的生物学过程的类别，该生物学过程类别具有与基因CXCR4的关联206和与基因TLR7的关联208。查询模式200可用于定义搜索查询，该搜索查询查找符合查询图200的要求的两个基因、药物和生物学过程的组合，包括实体之间的所有关系。落入查询模式200范围内的任何模式将出现为该查询的结果。应当理解，由于查询部分202提供的约束，该查询的结果将是基于图1B的广义基本模式执行的搜索的任何结果的子集。

在一个实例中，当执行由查询模式200定义的查询时，结果的数量是172,000个。结果的这一数量仍然很大，用户查看起来难以管理，因此存在信息过载的问题。需要进一步约束搜索，以便将结果的数量减少到更易于管理的目标范围。

参考图3，示出了具有另一查询部分302的查询模式300。这通过提供必须满足的附加约束来进一步约束查询。查询部分302包括由集合节点304代表的生物学途径的类别，该生物学途径类别具有与基因TLR7的关联306和与基因CXCR4的关联。与基因CXCR4的关联的缺失由文本指示“不存在”308指示。查询模式300可用于定义查询，该查询查找符合查询图300的要求的两个基因、药物、生物学过程和途径的组合，包括实体之间的所有关系。落入查询模式300的范围内的任何模式将出现为该查询的结果，并且该结果是来自由查询模式200定义的搜索的结果的子集。在本实例中，基于查询模式300执行的查询检索出23，120个结果。同样，这个数量是难以管理的并且应该被减少。

通过向搜索添加另一约束而处于目标范围内。10-250个结果的目标范围是合适的。在实例中，目标范围可以由用户指定。例如，根据手头的任务，用户可能想要指定10到20个结果或1000个或更多结果的范围。

参考图4，示出了具有另一查询部分402的查询模式400。查询部分402包括由集合节点404代表的第一蛋白质家族和由集合节点406代表的第二蛋白质家族的类别，第一蛋白质家族是基因TLR7所属的蛋白质家族，第二蛋白质家族是基因CXCR4所属的蛋白质家族。查询模式400可用于定义查询，该查询查找符合查询图400的要求的两个基因、药物、生物学过程、途径和两个蛋白质家族的组合，包括实体之间的所有关系。落入查询模式400的范围内的任何模式将出现为该查询的结果，并且该结果是来自由查询模式300定义的搜索的结果的子集。在本实例中，基于查询模式400执行的查询检索出213个结果。使用10至250个结果的目标范围，213个结果在目标范围内并且可以停止搜索。最终模式(即查询模式400)及其213个结果可被视为该过程的输出。

在图5的流程图中示出的计算机实现的方法500中概括了该过程的工作实例。一开始，在步骤502接收诸如图1A的广义基本模式的广义基本模式。在步骤504生成第一查询部分，该第一查询部分与广义基本模式相结合，定义在步骤506执行的第一查询。任选地，可以生成包括广义基本模式和第一查询部分的第一查询模式，但这不是必需的。在步骤508，确定结果的数量在目标范围之外。因此，通过在步骤510生成第二查询部分来约束搜索，该过程继续。结合第一查询模式，第二查询部分定义在步骤512执行的第二查询。可以任选地生成包括广义基本模式、第一查询部分和第二查询部分的第二查询模式。在步骤514确定结果的数量仍然在目标范围之外。通过在步骤516生成第三查询部分以定义在步骤518执行的第三查询来再次约束搜索。最后，在步骤520确定结果的数量现在在目标范围内，并且该过程结束。

尽管图5的流程图中未示出，但是每次生成新的查询部分时，还检查相关联的查询的结果是否包括基本模式。如果不包括，则移除最近的查询部分并尝试不同的查询部分。为了能够这样做，作为方法500的一部分，接收不仅定义广义基本模式而且定义基本模式的信息。该过程的目标是生成查询模式，该查询模式在作为查询被执行时检索目标范围内的多个结果并且仍然包括基本模式。检索基本模式是重要的，因为搜索的目的是找到与基本模式相似的模式。如果基本模式出现在结果中，则这指示新查询模式能够找到类似于基本模式的结果。如果在结果中没有找到基本模式，则这指示新查询模式被过度约束或以对找到类似于基本模式的模式没有帮助的方式被约束。

考虑到图5的工作实例，现在将参考图6的流程图来描述一般的计算机实现的方法600。一开始，在步骤602接收广义基本模式，并且在步骤604生成查询部分。结合广义基本模式，查询部分定义在步骤606执行的搜索查询。该查询的结果经过两个判定步骤。在第一判定步骤608确定结果是否包括基本模式。如果不包括，则在步骤610移除最近的查询部分。如果结果确实包括基本模式，则在第二判定步骤612确定结果的数量是否在目标范围内。如果在目标范围内，则过程结束，已经达成了包括基本模式的可管理数量的结果。如果结果的数量不在目标范围内，则该过程循环回到步骤604，并且生成另一查询部分。该过程继续，直到达成充分受约束的查询，该查询返回目标范围内的多个结果，包括基本模式。返回目标范围内的多个结果(包括基本模式)的充分约束的查询可以被称为输出查询。如果生成对应于输出查询的查询模式，则该模式可被称为输出模式。

该过程可由图7所示的系统700执行。系统700包括接收模块702，其被配置成接收定义基本模式和广义基本模式的信息，基本模式包括一个或多个实体节点，每个实体节点代表生物学实体和节点之间指示的一个或多个生物学关系，通过用代表包括相应生物学实体的生物学实体集合的关联集合节点取代代表相应生物学实体的至少一个实体节点，广义基本模式与基本模式相关；查询模块704，其被配置成生成第一查询部分，所述第一查询部分与广义基本模式相结合定义检索包括基本模式的第一组结果的第一查询；以及控制模块706，其被配置成使查询模块生成第二查询部分，所述第二查询部分与第一查询结合定义检索包括基本模式的第二组结果的第二查询。查询模块704可连接到存储定义实体的类别或类型以及它们之间的可能关系的关系图式的关系图式数据库708。在这种情况下，查询模块704可以参考关系图式数据库708，以确保查询部分遵守关系图式。查询模块704还可以连接到存储已知生物学知识模式的模式数据库710。在这种情况下，查询模块可以被配置成在执行查询时在模式数据库中搜索结果。

对于执行的每个查询Q，可以定义回报r。通常，回报r可以是查询Q和其检索的结果的数量n的函数F。例如，第一查询Q

r

然后可以为从检索非常大量的结果的第一查询Q

在根据本公开的实例中，在最大化总回报R的同时生成查询模式。这可以通过计算来实现，例如通过执行蒙特卡罗随机搜索并选择具有最高总回报的查询模式。在这种情况下，用于计算的可用计算能力被配置成适应搜索空间随可能查询部分的数量的指数增长。

或者，可通过将确定输出查询模式的问题(即，确定定义返回目标范围内的包括基本模式的多个结果的查询的查询模式的问题)转换为马尔可夫决策过程，并使用标准强化学习算法来找到马尔可夫决策过程的最佳策略，从而找到最大化总回报R的查询。然后可以通过遵循最优策略来找到最优查询。

我们将马尔可夫决策过程(MDP)定义如下：

·状态集：给定固定模式数据库和关系图式数据库的所有可能的数据库查询和相关联的查询结果。开始状态总是与广义基本模式及其结果相关联的查询Q

·动作集：结合现有查询模式定义新查询的所有允许的查询部分。

·给定动作的状态转换概率：由模式数据库隐式定义。(状态集中包括的)状态a和b的状态转换概率是当观察状态a时，通过执行查询而转换到状态b的概率。因此，状态转换是状态在执行查询之后改变。

·给定动作的状态转换的回报：由回报函数F定义。

·折扣因子：0和1之间的实数值数字，指示未来和即时回报的重要性差异。

由于状态转换概率由知识图数据库隐式地定义，因此在实例中适于使用所谓的无模型控制算法之一来找到最优策略。由于有大量的状态，可能需要函数近似来加速学习并绕过存储器限制。算法细节可见于《强化学习：引论(Reinforcement Learning：AnIntroduction)》第二版(Richard S.Sutton和Andrew G.Barto)。

自动查询模式生成可用于找到类似于基本模式的实体的新模式及其关系。这样，本公开的技术可用于推断实体对之间先前未知的关系。它还可以揭示基本模式的实体之间的新的和替代的关系，从而为推断的关系提供进一步的证据和生物学上合理的解释。

可以定义回报以奖励查询的某些期望特征和/或它们返回的结果的数量。例如，可能希望奖励与具有两个具有共同生物学过程的基因的查询模式相关联的查询。这可以增加基因属于基因后方相同生物学过程的可能性。在另一实例中，可能另外或替代适当的是奖励具有与第一生物学途径相关的第一基因和与第二生物学途径相关的第二基因的模式。这在药物发现领域中被称为靶向多种机制或途径。在又一个实例中，可能另外或替代适当的是奖励具有与共同组织相关的多个基因的模式。这将增大发现其中基因都与相同组织中的过程相关的结果的可能性，从而增大结果的基因属于疾病中涉及的相同生物学机制的可能性。回报也可以被定义为当另外的查询部分或约束被添加到查询模式是进行惩罚，以便阻止过于复杂的模式。在实例中，引入特定生物学实体的每个查询部分接收-2.5的惩罚，而所有其它查询部分接收-1的惩罚。

本公开的实例在构造查询时消除了药物发现科学家的偏见。由于在实例中是自动构造查询的，因此可能生成令人惊讶的或不熟悉的查询模式，从而打开生成新查询和发现新知识模式的可能性。这种偏见源于人类对生物学和药理学的有限理解，在药物发现科学家手动建立查询时会固有地依赖这种理解。由机器构造查询还节省了时间，因为查询是例如通过运行计算机的程序来自动构造的。

参考图8，可以使用硬件800来实现上述系统700。硬件800包括处理器802、输入/输出设备804、通信模块806和存储器808。存储器808可以存储程序，该程序在被执行时使得处理器802实施一种方法，该方法包括：接收定义基本模式和广义基本模式的信息，基本模式包括一个或多个实体节点，每个实体节点代表生物学实体和节点之间指示的一个或多个生物学关系，通过用代表包括相应生物学实体的生物学实体集合的关联集合节点取代代表相应生物学实体的至少一个实体节点，广义基本模式与基本模式相关，生成第一查询部分，第一查询部分与广义基本模式结合定义检索包括基本模式的第一组结果的第一查询；以及使查询模块生成第二查询部分，所述第二查询部分与第一查询结合定义检索包括基本模式的第二组结果的第二查询。

在上述实施例中，服务器可以包括单个服务器或服务器网络。在一些实例中，服务器的功能性可以由跨地理区域分布的服务器网络(如服务器全球分布式网络)来提供，并且用户可以基于用户位置连接到服务器网络中的合适的一个。

为清楚起见，上文描述参考单个用户讨论了本发明的实施例。应当理解，实际上，系统可以由多个用户共享并且可能同时由非常大量的用户共享。

上文所描述的实施例是全自动的。在一些实例中，系统的用户或操作者可以手动地指导方法的一些步骤执行。

在本发明的所描述的实施例中，系统可以被实施为任何形式的计算和/或电子装置。此种装置可以包括一个或多个处理器，所述一个或多个处理器可以是用于对计算机可执行指令进行处理以控制所述装置的操作以采集和记录路由信息的微处理器、控制器或任何其它适合的类型的处理器。在一些实例中，例如在使用片上系统架构的情况下，处理器可以包含在硬件(而不是软件或固件)中实施方法的一部分的一个或多个固定的功能块(也被称为加速器)。包括操作系统的平台软件或任何其它适合的平台软件可以提供在基于计算的装置处以使应用软件能够在所述装置上执行。

本文所描述的各种功能可以以硬件、软件或其任何组合实施。如果以软件实施，则可以将功能作为一或多个指令或代码存储在计算机可读介质上或者通过计算机可读媒体进行传输。计算机可读介质可以包含例如计算可读存储介质。计算机可读存储介质可以包含在任何方法或技术中实施的用于存储如计算机可读指令、数据结构、程序模块、或其它数据等信息的易失性或非易失性介质、可移除或不可移除介质。计算机可读存储介质可以是可以被计算机访问的任何可用存储介质。通过举例而非限制，此种计算机可读存储介质可以包括RAM、ROM、EEPROM、闪速存储器或其它存储器装置、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储装置或可以用于承载或存储采用指令或数据结构形式的期望程序代码并且可以被计算机访问的任何其它介质。如本所使用的，盘和碟包含压缩光碟(CD)、激光碟、光碟、数字通用光碟(DVD)、软盘和蓝光盘(BD)。进一步地，传播的信号不包含在计算机可读存储介质的范围内。计算机可读介质还包含通信介质，所述通信介质包含促进将计算机程序从一处传送到另一处的任何介质。例如，连接可以是通信介质。例如，如果使用同轴电缆、光纤电缆、双绞线、DSL、或如红外、无线电和微波等无线技术从网站、服务器或其它远程源传输软件，则同轴电缆、光纤电缆、双绞线、DSL或如红外、无线电和微波等无线技术包含在通信介质的定义中。上述内容的组合也应包含在计算机可读介质的范围内

可替代地或另外地，本文所描述的功能性可以至少部分地由一个或多个硬件逻辑组件执行。例如而非限制，可以使用的硬件逻辑组件可以包含现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等。

尽管被示为单个系统，但是应当理解，计算装置可以是分布式系统。因此，例如，几个装置可以通过网络连接进行通信，并且可以共同执行被描述为由计算装置执行的任务。

尽管展示为本地装置，应当了解，计算装置可以定位在远端并且通过网络或其它通信链路(例如使用通信接口)被访问。

术语“计算机”在本文中用于指代具有处理能力使得其可以执行指令的任何装置。本领域技术人员将认识到，此类处理能力并入到许多不同的装置中，并且因此术语“计算机”包含PC、服务器、移动电话、个人数字助理和许多其它装置。

本领域技术人员将认识到，用于存储程序指令的存储装置可以跨网络分布。例如，远程计算机可以存储被描述为软件的处理实例。本地或终端计算机可以访问远程计算机并且下载一部分或全部软件以运行程序。可替代地，本地计算机可以按需下载一个软件或执行本地终端处的一些软件指令和远程计算机(或计算机网络)处的一些软件指令。本领域技术人员还将认识到，通过使用本领域技术人员已知的常规技术，全部或部分软件指令可以由专用电路(如DSP、可编程逻辑阵列等)执行。

应当理解，上文所描述的益处和优点可以涉及一个实施例或者可以涉及几个实施例。实施例不限于解决任何或全部所陈述的问题的那些实施例或具有任何或全部所陈述的益处和优点的那些实施例。

对“一个”项的任何提及是指那些项中的一个或多个项。术语“包括”在本文中用于意指包含所标识的方法步骤或要素，但是所述此类步骤或要素不包括排他性列表并且方法或设备可以含有另外的步骤或要素。

如本文所使用的，术语“组件”和“系统”旨在涵盖配置有使某些功能性可以在由处理器执行时被执行的计算机可执行指令的计算机可读数据存储装置。计算机可执行指令可以包含例程、函数等。还应当理解，组件或系统可以本地化在单个装置上或跨几个装置分布。

进一步地，如本文所使用的，术语“示范性”旨在意指“充当某些的说明或实例”。

进一步地，对于在具体实施方式或权利要求书中使用了术语“包含”而言，此种术语旨在以与术语“包括”相似的方式是开放式的，这是由于“包括”在被使用时被解释成权利要求项中的过渡词。

附图展示了示范性方法。虽然方法被示出和描述为按特定序列执行的一系列动作，但是应当理解和了解，所述方法不受序列的顺序的限制。例如，一些动作可以与本文所描述的顺序不同的顺序发生。另外，一个动作可以与另一个动作同时发生。进一步地，在一些实例中，并不需要全部动作来实施本文中所描述的方法。

此外，本文中所描述的动作可以包括可以由一个或多个处理器实施的和/或存储在一个或多个计算机可读介质上的计算机可执行指令。计算机可执行指令可以包含例程、子例程、程序、执行线程和/或等等。仍进一步地，方法的动作的结果可以存储在计算可读介质中、在显示装置上显示和/或等等。

本文所描述的方法的步骤的顺序是示范性的，但是这些步骤可以在适当的情况下按任何适合的顺序或同时执行。另外地，在不脱离本文中所描述的主题的范围的情况下，可以添加或替换步骤或者可以从任何方法中删除单独的步骤。本文中所描述的任何实例的各方面可以与所描述的任何其它实例的各方面结合以在不损失效应的情况下形成另外的实例。

应当理解，优选实施例的以上描述仅作为示例给出并且本领域技术人员可以做出各种修改。上文已描述的内容包含一个或多个实施例的实例。当然，不可能出于描述上文提及的方面的目的而描述出对上述装置或方法的每一种可以想到的修改和改变，但是本领域普通技术人员可以认识到，各方面的许多另外的修改和排列是可能的。因此，所描述的各方面旨在涵盖落入所附权利要求书的范围内的所有此种改变、修改以及变化。