语料训练数据生成方法及装置、文本风格转换方法及装置

摘要

本公开提供了一种语料训练数据生成方法及装置、文本风格转换方法及装置，语料训练数据生成方法首先获取通过第一语言表达的第一语料，然后对第一语料进行翻译得到通过第二语言表达的中间语料，之后对中间语料进行k次翻译得到通过第一语言表达的第二语料，其中，k≥1，第二语料与第一语料的语义相同且文本风格不同，最后依据第一语料和第二语料生成训练用的语料对，采用翻译的方式进行相关语料的生成和扩增，能够自动化地快速生成大量的文本风格转换模型的训练语料，节省了时间和人力成本，并且生成的训练语料质量和可读性较高。

说明书

技术领域

本公开涉及文本生成技术领域，尤其涉及语料训练数据生成方法及装置、文本风格转换方法及装置。

背景技术

训练数据是深度学习模型的血液，训练数据的数量和质量，直接影响着模型的性能。在中文文本生成领域，用于文风转换及润色模型的训练数据是较为匮乏的。并且对于结构较大的模型来说，其学习时所需训练数据的数量级别往往在百万或千万以上，若采取人工标注的方式来产生训练数据，则效率较低且成本较高，质量一致性也无法保证。

目前，生成语料训练数据的方法主要采用直接噪声法，将噪声语料引入到原始语句中。然而这种方法产生的语句往往不具备可读性，与人产生的真实数据相差甚远。

发明内容

为了解决上述技术问题中的至少一个，本公开提供了语料训练数据生成方法及装置、文本风格转换方法及装置。

本公开第一方面提出了一种语料训练数据生成方法，包括：获取通过第一语言表达的第一语料；对所述第一语料进行翻译得到通过第二语言表达的中间语料；对所述中间语料进行k次翻译得到通过第一语言表达的第二语料，其中，k≥1，所述第二语料与所述第一语料的语义相同且文本风格不同；依据所述第一语料和所述第二语料生成训练用的语料对。

根据本公开的一个实施方式，对所述第一语料进行翻译得到通过第二语言表达的中间语料，包括：通过不同的翻译工具分别对所述第一语料进行翻译，得到多个通过第二语言表达的中间语料。

根据本公开的一个实施方式，在k＝1时，对所述第一语料进行的翻译与对所述中间语料进行的翻译的翻译方向相反。

根据本公开的一个实施方式，在k>1时，对所述中间语料进行多次翻译的翻译方向中的目的语言不完全相同，最后一次对所述中间语料进行翻译的翻译方向中的目的语言为所述第一语言。

根据本公开的一个实施方式，每次对所述中间语料进行翻译时，翻译方向中的目的语言各不相同。

根据本公开的一个实施方式，在对每个所述中间语料进行多次翻译时，通过不同的翻译工具进行其中的至少一次翻译，得到多个对应于同一所述中间语料的多个第二语料。

根据本公开的一个实施方式，对所述中间语料进行k次翻译得到通过第一语言表达的第二语料，包括：对所述中间语料进行k次翻译，得到通过第一语言表达的翻译结果；确定与所述第一语料的文本风格不同的翻译结果作为第三语料；依据所述第三语料得到第二语料。

根据本公开的一个实施方式，在与所述第一语料的文本风格不同的第三语料有多个时，依据所述第三语料得到第二语料，包括：分别计算每个所述第三语料与所述第一语料之间的语义相似度；选取所述语义相似度最高的至少一个第三语料作为第二语料。

本公开第二方面提出了一种语料训练数据生成装置，包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行任一实施方式所述的语料训练数据生成方法。

本公开第三方面提出了一种文本风格转换方法，包括：获取多个初始训练语料；将每个所述初始训练语料作为通过第一语言表达的第一语料，对所述第一语料进行翻译得到通过第二语言表达的中间语料；对所述中间语料进行k次翻译得到通过第一语言表达的第二语料，其中，k≥1，所述第二语料与所述第一语料的语义相同且文本风格不同；依据所述第一语料和所述第二语料生成训练用的语料对；依据所述语料对对文本风格转换模型进行训练；将待转换文本输入训练好的文本风格转换模型，得到文本风格转换后的文本。

本公开第四方面提出了一种文本风格转换装置，包括：存储器，所述存储器存储执行指令；以及处理器，所述处理器执行所述存储器存储的执行指令，使得所述处理器执行任一实施方式所述的文本风格转换方法。

附图说明

附图示出了本公开的示例性实施方式，并与其说明一起用于解释本公开的原理，其中包括了这些附图以提供对本公开的进一步理解，并且附图包括在本说明书中并构成本说明书的一部分。

图1是根据本公开的一个实施方式的语料训练数据生成方法的流程示意图。

图2是根据本公开的另一个实施方式的语料训练数据生成方法的流程示意图。

图3是根据本公开的又一个实施方式的语料训练数据生成方法的流程示意图。

图4是根据本公开的一个实施方式的语料训练数据的生成过程示意图。

图5是根据本公开的一个实施方式的采用处理系统的硬件实现方式的语料训练数据生成装置的示意图。

图6是根据本公开的一个实施方式的文本风格转换方法的流程示意图。

图7是根据本公开的一个实施方式的采用处理系统的硬件实现方式的文本风格转换装置的示意图。

具体实施方式

下面结合附图和实施方式对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施方式仅用于解释相关内容，而非对本公开的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施方式及实施方式中的特征可以相互组合。下面将参考附图并结合实施方式来详细说明本公开的技术方案。

除非另有说明，否则示出的示例性实施方式/实施例将被理解为提供可以在实践中实施本公开的技术构思的一些方式的各种细节的示例性特征。因此，除非另有说明，否则在不脱离本公开的技术构思的情况下，各种实施方式/实施例的特征可以另外地组合、分离、互换和/或重新布置。

本文使用的术语是为了描述具体实施例的目的，而不是限制性的。如这里所使用的，除非上下文另外清楚地指出，否则单数形式“一个(种、者)”和“所述(该)”也意图包括复数形式。此外，当在本说明书中使用术语“包含”和/或“包括”以及它们的变型时，说明存在所陈述的特征、整体、步骤、操作、部件、组件和/或它们的组，但不排除存在或附加一个或更多个其它特征、整体、步骤、操作、部件、组件和/或它们的组。还要注意的是，如这里使用的，术语“基本上”、“大约”和其它类似的术语被用作近似术语而不用作程度术语，如此，它们被用来解释本领域普通技术人员将认识到的测量值、计算值和/或提供的值的固有偏差。

下面参考附图描述本公开的语料训练数据生成方法及装置、文本风格转换方法及装置。

图1是根据本公开的一个实施方式的语料训练数据生成方法的流程示意图。请参阅图1，本实施方式的语料训练数据生成方法S100，可以包括以下步骤。

S102，获取通过第一语言表达的第一语料。

语料可以是文本语句，第一语言可以采用中文。在本步骤中可以是获取多个不同的第一语料，也就是获取到多个不同的中文语句。

S104，对第一语料进行翻译得到通过第二语言表达的中间语料。

第二语言可以采用英文或其他非中文的语言种类，例如将n个中文语句分别翻译为英语，得到n个英语语句，n≥1，这些英语语句均为中间语料。

图2是根据本公开的另一个实施方式的语料训练数据生成方法的流程示意图。请参阅图2，步骤S104可以包括：通过不同的翻译工具分别对第一语料进行翻译，得到多个通过第二语言表达的中间语料。

由于不同的翻译工具采用的翻译算法不同，因此不同翻译工具对同一语句的翻译结果也可能不同。对于每个中文第一语料，可以通过单一翻译工具进行翻译，相应得到1个英文中间语料。对于每个中文第一语料，也可以通过m个不同翻译工具进行翻译，相应得到m个英文中间语料，m>1。

S106，对中间语料进行k次翻译得到通过第一语言表达的第二语料，其中，k≥1，第二语料与第一语料的语义相同且文本风格不同。

对于每个英文中间语料进行一次翻译或者多次翻译，得到第二语料。第二语料与第一语料均为中文语句。由于第二语料是经过了非中文语言翻译的语句，因此第二语料在文本风格上与第一语料不完全相同。文本风格可以包括句式，也可以包括措辞。

在k＝1时，对第一语料进行的翻译与对中间语料进行的翻译的翻译方向相反。示例性地，将中文第一语料翻译成英文中间语料时，此时的翻译方向设为第一翻译方向，第一翻译方向为中文—>英文。然后开始对中间语料进行一次翻译，将英文中间语料翻译成中文第二语料时，此时的翻译方向设为第二翻译方向，第二翻译方向为英文—>中文。第一翻译方向和第二翻译方向相反。可以通过m个不同翻译工具T1、T2…Tm分别进行英文中间语料的翻译，得到m个中文第二语料。

在k>1时，对中间语料进行多次翻译的翻译方向中的目的语言可以不完全相同，最后一次对中间语料进行翻译的翻译方向中的目的语言为第一语言。示例性地，将中文第一语料翻译成英文中间语料时，此时第一翻译方向的目的语言为英文。然后开始对中间语料进行多次翻译。

每次对中间语料进行翻译时，翻译方向中的目的语言可以各不相同。以对中间语料进行两次翻译为例。先将英文中间语料翻译成日文，此时的目的语言为日文。然后将日文语料翻译成中文得到中文第二语料。此时的目的语言与中文第一语料的语言相同，并且两次翻译的目的语言不同，依次为日文和中文。此种方式下，对于第一语料来说，整个翻译过程为：中文—>英文—>日文—>中文。

以对中间语料进行三次翻译为例。先将英文中间语料翻译成中文，此时的目的语言为中文。然后将中文语料翻译成日文，此时的目的语言为日文，。然后将日文语料翻译成中文得到中文第二语料，此时的目的语言与中文第一语料的语言相同。三次翻译的目的语言不完全相同，依次为中文、日文和中文。此种方式下，对于第一语料来说，整个翻译过程为：中文—>英文—>中文—>日文—>中文。

在对每个中间语料进行多次翻译时，可以通过不同的翻译工具进行其中的至少一次翻译，得到多个对应于同一中间语料的多个第二语料。以对中间语料进行两次翻译为例。对于一个英文中间语料，可以通过m个不同翻译工具将英文中间语料翻译成日文，得到m个日文语料，然后继续通过该m个不同翻译工具将日文中间语料翻译成中文，得到m*m个中文第二语料。在此种方式下，对于n个中文第一语料，可以通过m个不同翻译工具得到m个英文中间语料，然后通过m个不同翻译工具继续进行两次翻译得到m*m*m个中文第二语料。

图3是根据本公开的又一个实施方式的语料训练数据生成方法的流程示意图。请参阅图3，在通过步骤S1042得到多个中间语料时，步骤S106可以包括：

S1062，对中间语料进行k次翻译，得到通过第一语言表达的翻译结果。

S1064，确定与第一语料的文本风格不同的翻译结果作为第三语料。

S1066，依据第三语料得到第二语料。

对于一个中文第一语料，通过步骤S1042得到相应的m个英文中间语料，然后分别对m个英文中间语料进行一次翻译或多次翻译，得到m个相应的中文翻译结果，在对英文中间语料进行翻译时若同样采用了m个不同的翻译工具，则得到更多的相应中文翻译结果，例如得到m*m个或m*m*m个中文翻译结果。

对于得到的中文翻译结果，其中的部分翻译结果可能相同，可以将相同的翻译结果进行合并。然后对于合并后的中文翻译结果，可以依据预先训练的BERT(BidirectionalEncoder Representation from Transformers，来自转换器的双向编码表示)分类模型对这些合并后的中文翻译结果进行文本风格识别，然后将得到的这些文本风格依次与中文第一语料的文本风格进行对比，将与中文第一语料的文本风格相同的中文翻译结果进行筛除，保留与中文第一语料的文本风格不同的中文翻译结果，并将保留下来的中文翻译结果作为第三语料。之后从第三预料中确定出第二语料。若第三预料只有一个，则该第三预料直接作为第二语料。

在通过步骤S1064确定出的与第一语料的文本风格不同的第三语料有多个时，步骤S1066可以包括：分别计算每个第三语料与第一语料之间的语义相似度；选取语义相似度最高的至少一个第三语料作为第二语料。

假设通过步骤S1064确定出p个中文翻译结果(也就是第三预料)，此时可以对该p个中文翻译结果进行优化，选择其中较佳的中文翻译结果作为中文第二语料。示例性地，先计算每个中文翻译结果与中文第一语料之间的语义相似度，得到p个语义相似度。语义相似度指的是不同语句的表达意思之间的相似程度。语义相似度越高，说明中文翻译结果在语义上与第一语料越相近，也就越适合作为语料训练数据。得到p个语义相似度后，可以对这些语义相似度进行从大到小的排序，然后从排序的序列中选取最靠前的一个语义相似度，即最大的语义相似度，或者选取最靠前的多个语义相似度。将选取的语义相似度所对应的中文翻译结果作为第二语料，得到更适于模型训练的语料训练数据。

S108，依据第一语料和第二语料生成训练用的语料对。

在得到与第一语料相对应的第二语料后，建立第一语料与第二语料的关联关系，得到语料对。若得到的与第一语料相对应的第二语料有多个，则得到多个语料对。

图4是根据本公开的一个实施方式的语料训练数据的生成过程示意图。参阅图4，A1为中文表达的第一语料，分别通过m个翻译工具T1、T2、…、Tm对第一语料A1进行翻译，得到m个通过英文表达的中间语料B1-1、B2-1、…、Bm-1。采取k＝1的方式，通过m个翻译工具对该m个中间语料中的相应中间语料进行一次翻译，得到m个中文翻译结果。然后将该m个中文翻译结果和中文语料A1输入BERT模型，以进行该m个中文翻译结果与中文语料A1之间文本风格是否相同的判断。其中所有的中文翻译结果均与中文语料A1的文本风格不同，因此得到m个中文第二语料C1、C2、…、Cm。将该m个中文第二语料输入预先训练好的语义相似度模型M中，得到该m个中文第二语料分别于第一语料A1之间的语义相似度。从该m个语义相似度中选取相似度最大的前三个语义相似度，得到与该选取的三个语义相似度对应的第二语料C2、C3和C5。由此得到三个用于文本风格转换模型训练的语料对，即C2-A1，C3-A1和C5-A1。

根据本公开的实施方式提出的语料训练数据生成方法，采用翻译的方式进行相关语料的生成和扩增，解决了文本风格转换模型的训练数据量不足的问题，能够自动化地快速生成大量的文本风格转换模型的训练语料，无需进行人工标注，节省了时间和人力成本，为深度学习模型开发者提供更大批量的高质量数据集，并且生成的训练语料质量和可读性较高，语料的表现性能相比于现有方式来说有明显提升，与人产生的真实数据较为相近。

图5是根据本公开的一个实施方式的采用处理系统的硬件实现方式的语料训练数据生成装置的示意图。参阅图5，本实施方式的语料训练数据生成装置1000，可以包括存储器1300和处理器1200。存储器1300存储执行指令，处理器1200执行存储器1300存储的执行指令，使得处理器1200执行上述任一实施方式的语料训练数据生成方法。

该装置1000可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以由相应模块执行上述流程图中的每个步骤或几个步骤，并且该装置可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。

例如，语料训练数据生成装置1000可以包括语料获取模块1002、语料翻译模块1004和语料生成模块1006。语料获取模块1002用于获取通过第一语言表达的第一语料。语料翻译模块1004用于对第一语料进行翻译得到通过第二语言表达的中间语料，以及对中间语料进行k次翻译得到通过第一语言表达的第二语料，其中，k≥1，第二语料与第一语料的语义相同且文本风格不同。语料生成模块1006用于依据第一语料和第二语料生成训练用的语料对。

语料翻译模块1004可以通过不同的翻译工具分别对第一语料进行翻译，得到多个通过第二语言表达的中间语料。在k＝1时，对第一语料进行的翻译与对中间语料进行的翻译的翻译方向可以相反。在k>1时，对中间语料进行多次翻译的翻译方向中的目的语言可以不完全相同，最后一次对中间语料进行翻译的翻译方向中的目的语言为第一语言。并且在k>1时，每次对中间语料进行翻译时，翻译方向中的目的语言可以各不相同。

语料翻译模块1004可以对中间语料进行k次翻译，得到通过第一语言表达的翻译结果，确定与第一语料的文本风格不同的翻译结果作为第三语料，依据第三语料得到第二语料。在与第一语料的文本风格不同的第三语料有多个时，语料翻译模块1004可以分别计算每个第三语料与第一语料之间的语义相似度，选取语义相似度最高的至少一个第三语料作为第二语料。

该硬件结构可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线1100将包括一个或多个处理器1200、存储器1300和/或硬件模块的各种电路连接到一起。总线1100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其他电路1400连接。

总线1100可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。

需要说明的是，本实施方式的语料训练数据生成装置1000中未披露的细节，可参照本公开提出的上述实施方式的语料训练数据生成方法S100中所披露的细节，此处不再赘述。

根据本公开的实施方式提出的语料训练数据生成装置，采用翻译的方式进行相关语料的生成和扩增，解决了文本风格转换模型的训练数据量不足的问题，能够自动化地快速生成大量的文本风格转换模型的训练语料，无需进行人工标注，节省了时间和人力成本，为深度学习模型开发者提供更大批量的高质量数据集，并且生成的训练语料质量和可读性较高，语料的表现性能相比于现有方式来说有明显提升，与人产生的真实数据较为相近。

图6是根据本公开的一个实施方式的文本风格转换方法的流程示意图。参阅图6，本实施方式的文本风格转换方法S200，可以包括以下步骤。

S202，获取多个初始训练语料。

S204，将每个初始训练语料作为通过第一语言表达的第一语料，对第一语料进行翻译得到通过第二语言表达的中间语料。

S206，对中间语料进行k次翻译得到通过第一语言表达的第二语料，其中，k≥1，第二语料与第一语料的语义相同且文本风格不同。

S208，依据第一语料和第二语料生成训练用的语料对。

S210，依据语料对对文本风格转换模型进行训练。

S212，将待转换文本输入训练好的文本风格转换模型，得到文本风格转换后的文本。

步骤S204可以包括：通过不同的翻译工具分别对所述第一语料进行翻译，得到多个通过第二语言表达的中间语料。

步骤S206中，在k＝1时，对所述第一语料进行的翻译与对所述中间语料进行的翻译的翻译方向可以相反。

步骤S206中，在k>1时，对所述中间语料进行多次翻译的翻译方向中的目的语言可以不完全相同，最后一次对所述中间语料进行翻译的翻译方向中的目的语言为所述第一语言。每次对所述中间语料进行翻译时，翻译方向中的目的语言各不相同。

步骤S206可以包括：对所述中间语料进行k次翻译，得到通过第一语言表达的翻译结果；确定与所述第一语料的文本风格不同的翻译结果作为第三语料；依据所述第三语料得到第二语料。在与所述第一语料的文本风格不同的第三语料有多个时，可以分别计算每个所述第三语料与所述第一语料之间的语义相似度；选取所述语义相似度最高的至少一个第三语料作为第二语料。

需要说明的是，本实施方式的文本风格转换方法S200中未披露的细节，可参照本公开提出的上述实施方式的语料训练数据生成方法S100中所披露的细节，此处不再赘述。

根据本公开的实施方式提出的文本风格转换方法，通过文本风格转换模型进行待转换文本的文本风格转换，对于模型的训练数据，采用翻译的方式进行相关语料的生成和扩增，解决了文本风格转换模型的训练数据量不足的问题，能够自动化地快速生成大量的文本风格转换模型的训练语料，无需进行人工标注，节省了时间和人力成本，为深度学习模型开发者提供更大批量的高质量数据集，并且生成的训练语料质量和可读性较高，语料的表现性能相比于现有方式来说有明显提升，与人产生的真实数据较为相近。

图7是根据本公开的一个实施方式的采用处理系统的硬件实现方式的文本风格转换装置的示意图。参阅图7，本实施方式的文本风格转换装置2000，可以包括存储器2300和处理器2200。存储器2300存储执行指令，处理器2200执行存储器2300存储的执行指令，使得处理器2200执行上述任一实施方式的文本风格转换方法。

该装置2000可以包括执行上述流程图中各个或几个步骤的相应模块。因此，可以由相应模块执行上述流程图中的每个步骤或几个步骤，并且该装置可以包括这些模块中的一个或多个模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。

例如，文本风格转换装置2000可以包括训练语料获取模块2002，语料翻译模块1004、语料生成模块1006、模型训练模块2008和文本风格转换模块2010。训练语料获取模块2002用于获取多个初始训练语料。语料翻译模块1004用于将每个初始训练语料作为通过第一语言表达的第一语料，对第一语料进行翻译得到通过第二语言表达的中间语料，以及对中间语料进行k次翻译得到通过第一语言表达的第二语料，其中，k≥1，第二语料与第一语料的语义相同且文本风格不同。语料生成模块1006用于依据第一语料和第二语料生成训练用的语料对。模型训练模块2008用于依据语料对对文本风格转换模型进行训练。文本风格转换模块2010用于将待转换文本输入训练好的文本风格转换模型，得到文本风格转换后的文本。

该硬件结构可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器，这取决于硬件的特定应用和总体设计约束。总线2100将包括一个或多个处理器2200、存储器2300和/或硬件模块的各种电路连接到一起。总线2100还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其他电路2400连接。

总线2100可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条连接线表示，但并不表示仅有一根总线或一种类型的总线。

需要说明的是，本实施方式的文本风格转换装置2000中未披露的细节，可参照本公开提出的上述实施方式的文本风格转换方法S200中所披露的细节，此处不再赘述。

根据本公开的实施方式提出的文本风格转换装置，通过文本风格转换模型进行待转换文本的文本风格转换，对于模型的训练数据，采用翻译的方式进行相关语料的生成和扩增，解决了文本风格转换模型的训练数据量不足的问题，能够自动化地快速生成大量的文本风格转换模型的训练语料，无需进行人工标注，节省了时间和人力成本，为深度学习模型开发者提供更大批量的高质量数据集，并且生成的训练语料质量和可读性较高，语料的表现性能相比于现有方式来说有明显提升，与人产生的真实数据较为相近。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本公开的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本公开的实施方式所属技术领域的技术人员所理解。处理器执行上文所描述的各个方法和处理。例如，本公开中的方法实施方式可以被实现为软件程序，其被有形地包含于机器可读介质，例如存储器。在一些实施方式中，软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时，可以执行上文描述的方法中的一个或多个步骤。备选地，在其他实施方式中，处理器可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行上述方法之一。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，可以具体实现在任何可读存储介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。

应当理解，本公开的各部分可以用硬件、软件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施方式方法的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种可读存储介质中，该程序在执行时，包括方法实施方式的步骤之一或其组合。

此外，在本公开各个实施方式中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。

在本说明书的描述中，参考术语“一个实施方式/方式”、“一些实施方式/方式”、“具体示例”、或“一些示例”等的描述意指结合该实施方式/方式或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施方式/方式或示例中。在本说明书中，对上述术语的示意性表述不必须是相同的实施方式/方式或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施方式/方式或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施方式/方式或示例以及不同实施方式/方式或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

本领域的技术人员应当理解，上述实施方式仅仅是为了清楚地说明本公开，而并非是对本公开的范围进行限定。对于所属领域的技术人员而言，在上述公开的基础上还可以做出其它变化或变型，并且这些变化或变型仍处于本公开的范围内。