本公開總體上涉及信息處理領(lǐng)域，具體而言，涉及信息處理裝置和信息處理方法。

背景技術(shù)：

目前，諸如微博、推特(Twitter)等的微博客(microblog)已經(jīng)越來越受到關(guān)注，成為流行的網(wǎng)絡(luò)信息獲取平臺(tái)。但是，在互聯(lián)網(wǎng)和數(shù)據(jù)挖掘領(lǐng)域，在諸如微博客的具有來自大量用戶的海量信息的信息源中，如何發(fā)現(xiàn)與關(guān)注對象有關(guān)的重要內(nèi)容是一個(gè)難點(diǎn)?？梢酝ㄟ^一般的搜索引擎等獲得與關(guān)注對象有關(guān)的信息，但是這些信息可能是雜亂、零散、重復(fù)的，因而用戶無法通過直接閱讀在短時(shí)間內(nèi)很好地了解關(guān)注對象。

期望能夠從信息源的海量信息中準(zhǔn)確、高效地提取與關(guān)注對象有關(guān)的重要內(nèi)容。

技術(shù)實(shí)現(xiàn)要素：

在下文中給出了關(guān)于本發(fā)明的簡要概述，以便提供關(guān)于本發(fā)明的某些方面的基本理解。應(yīng)當(dāng)理解，這個(gè)概述并不是關(guān)于本發(fā)明的窮舉性概述。它并不是意圖確定本發(fā)明的關(guān)鍵或重要部分，也不是意圖限定本發(fā)明的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細(xì)描述的前序。

鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明的目的之一是提供一種能夠獲取與關(guān)注對象有關(guān)的事件的信息處理裝置和信息處理方法，以至少克服現(xiàn)有的問題。

根據(jù)本公開的一個(gè)方面，提供一種信息處理裝置，包括：信息獲取單元，其從信息源獲取多條與關(guān)注對象有關(guān)的各自帶有時(shí)間標(biāo)簽的信息；序列生成單元，其基于所述時(shí)間標(biāo)簽生成所述信息的時(shí)序序列；波峰檢測單元，其針對所述時(shí)序序列進(jìn)行檢測，以獲得所述時(shí)序序列的波峰時(shí)段；以 及對象事件檢測單元，其對所述波峰時(shí)段中的信息進(jìn)行檢測，以得到與所述關(guān)注對象有關(guān)的事件。所述對象事件檢測單元包括：聚類單元，其針對所述時(shí)序序列的每個(gè)波峰時(shí)段，對該波峰時(shí)段中的信息進(jìn)行聚類；以及時(shí)段事件檢測單元，其針對每個(gè)波峰時(shí)段，基于所述聚類單元的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息，檢測與該波峰時(shí)段有關(guān)的事件。

根據(jù)本公開的另一方面，提供一種信息處理方法，包括步驟：從信息源獲取多條與關(guān)注對象有關(guān)的各自帶有時(shí)間標(biāo)簽的信息；基于所述時(shí)間標(biāo)簽生成所述信息的時(shí)序序列；針對所述時(shí)序序列進(jìn)行檢測，以獲得所述時(shí)序序列的波峰時(shí)段；以及對所述波峰時(shí)段中的信息進(jìn)行檢測，以得到與所述關(guān)注對象有關(guān)的事件。其中，對所述波峰時(shí)段中的信息進(jìn)行檢測包括：針對所述時(shí)序序列的每個(gè)波峰時(shí)段，對該波峰時(shí)段中的信息進(jìn)行聚類；以及針對每個(gè)波峰時(shí)段，基于所述聚類的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息，檢測與該波峰時(shí)段有關(guān)的事件。

依據(jù)本公開的其它方面，還提供了一種使得計(jì)算機(jī)用作如上所述的信息處理裝置的程序。

依據(jù)本公開的又一方面，還提供了相應(yīng)的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有能夠由計(jì)算設(shè)備執(zhí)行的計(jì)算機(jī)程序，該計(jì)算機(jī)程序在執(zhí)行時(shí)能夠使計(jì)算設(shè)備執(zhí)行上述信息處理方法。

上述根據(jù)本公開實(shí)施例的各個(gè)方面，至少能夠獲得以下益處：利用從信息源獲取的與關(guān)注對象有關(guān)的、帶有時(shí)間標(biāo)簽的信息的時(shí)序序列，基于時(shí)序序列的波峰時(shí)段中的信息得到與關(guān)注對象有關(guān)的事件，從而能夠從信息源的大量信息中準(zhǔn)確、高效地提取與關(guān)注對象有關(guān)的重要內(nèi)容，并且能夠兼顧提取內(nèi)容的覆蓋度和簡潔度。

通過以下結(jié)合附圖對本公開的最佳實(shí)施例的詳細(xì)說明，本公開的這些以及其他優(yōu)點(diǎn)將更加明顯。

附圖說明

本公開可以通過參考下文中結(jié)合附圖所給出的描述而得到更好的理解，其中在所有附圖中使用了相同或相似的附圖標(biāo)記來表示相同或者相似的部件。所述附圖連同下面的詳細(xì)說明一起包含在本說明書中并且形成本說明書的一部分，而且用來進(jìn)一步舉例說明本公開的優(yōu)選實(shí)施例和解釋本公開的原理和優(yōu)點(diǎn)。其中：

圖1是示意性地示出根據(jù)本公開實(shí)施例的信息處理裝置的示例結(jié)構(gòu)的框圖。

圖2是示意性地示出根據(jù)本公開實(shí)施例的信息處理裝置中的對象事件檢測單元的示例結(jié)構(gòu)的框圖。

圖3是示意性地示出根據(jù)本公開實(shí)施例的信息處理裝置的另一示例結(jié)構(gòu)的框圖。

圖4是示出了根據(jù)本公開實(shí)施例的信息處理方法的示例流程的流程圖。

圖5是示出了根據(jù)本公開實(shí)施例的信息處理方法中的對象事件檢測步驟的示例流程的流程圖。

圖6是示出了根據(jù)本公開實(shí)施例的信息處理方法的另一示例流程的流程圖。

圖7是示出了可用來實(shí)現(xiàn)根據(jù)本公開實(shí)施例的信息處理裝置和方法的一種可能的硬件配置的結(jié)構(gòu)簡圖。

具體實(shí)施方式

在下文中將結(jié)合附圖對本發(fā)明的示范性實(shí)施例進(jìn)行描述。為了清楚和簡明起見，在說明書中并未描述實(shí)際實(shí)施方式的所有特征。然而，應(yīng)該了解，在開發(fā)任何這種實(shí)際實(shí)施例的過程中必須做出很多特定于實(shí)施方式的決定，以便實(shí)現(xiàn)開發(fā)人員的具體目標(biāo)，例如，符合與系統(tǒng)及業(yè)務(wù)相關(guān)的那些限制條件，并且這些限制條件可能會(huì)隨著實(shí)施方式的不同而有所改變。此外，還應(yīng)該了解，雖然開發(fā)工作有可能是非常復(fù)雜和費(fèi)時(shí)的，但對得益于本公開內(nèi)容的本領(lǐng)域技術(shù)人員來說，這種開發(fā)工作僅僅是例行的任務(wù)。

在此，還需要說明的一點(diǎn)是，為了避免因不必要的細(xì)節(jié)而模糊了本發(fā)明，在附圖中僅僅示出了與根據(jù)本發(fā)明的方案密切相關(guān)的裝置結(jié)構(gòu)和/或處理步驟，而省略了與本發(fā)明關(guān)系不大的其他細(xì)節(jié)。

本發(fā)明人發(fā)現(xiàn)，在現(xiàn)有的數(shù)據(jù)挖掘處理中，一般通過搜索引擎等從信息源(諸如微博客)獲得與關(guān)注對象(諸如關(guān)注人物)有關(guān)的信息，但是這些信息可能是雜亂、零散、重復(fù)的，因而用戶無法通過直接閱讀在短時(shí)間內(nèi)很好地了解關(guān)注對象。另外，在關(guān)注對象為人物的情況下，也可以通過該人物本身在信息源中發(fā)布的內(nèi)容(例如該人物發(fā)布的微博)獲得相關(guān) 信息，但是這種方式同樣具有無法直接獲得重要信息的缺點(diǎn)。

基于此，本公開提出了一種能夠獲取與關(guān)注對象有關(guān)的事件的信息處理裝置和信息處理方法，其從信息源獲取與關(guān)注對象有關(guān)的、帶有時(shí)間標(biāo)簽的信息的時(shí)序序列，基于時(shí)序序列的波峰時(shí)段中的信息來得到與關(guān)注對象有關(guān)的事件，從而能夠從信息源的海量信息中準(zhǔn)確、高效地提取與關(guān)注對象有關(guān)的重要內(nèi)容，并且能夠兼顧提取內(nèi)容的覆蓋度和簡潔度。

根據(jù)本公開的一個(gè)方面，提供了一種信息處理裝置。圖1是示意性地示出根據(jù)本公開實(shí)施例的信息處理裝置的示例結(jié)構(gòu)的框圖。

如圖1所示，信息處理裝置10包括：信息獲取單元101，其從信息源獲取多條與關(guān)注對象有關(guān)的各自帶有時(shí)間標(biāo)簽的信息；序列生成單元102，其基于所述時(shí)間標(biāo)簽生成所述信息的時(shí)序序列；波峰檢測單元103，其針對所述時(shí)序序列進(jìn)行檢測，以獲得所述時(shí)序序列的波峰時(shí)段；以及對象事件檢測單元104，其對所述波峰時(shí)段中的信息進(jìn)行檢測，以得到與所述關(guān)注對象有關(guān)的事件。上述對象事件檢測單元104包括：聚類單元1041，其針對所述時(shí)序序列的每個(gè)波峰時(shí)段，對該波峰時(shí)段中的信息進(jìn)行聚類；以及時(shí)段事件檢測單元1042，其針對每個(gè)波峰時(shí)段，基于所述聚類單元1041的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息，檢測與該波峰時(shí)段有關(guān)的事件。

為便于說明起見，以下以微博作為信息源的示例進(jìn)行描述。本公開的內(nèi)容當(dāng)然不限于該示例，而是可以適用于包括具有時(shí)間屬性的信息的任何信息源。

在以微博作為示例信息源的情況下，信息獲取單元101獲得的與關(guān)注對象有關(guān)的一條帶有時(shí)間標(biāo)簽的信息可以是通過搜索等方式得到的與關(guān)注對象有關(guān)的一條微博，例如，一條包含關(guān)注對象的名稱或者包含作為人物的關(guān)注對象的姓名、昵稱、用戶名等的微博。序列生成單元102生成的時(shí)序序列可以是基于這樣獲得的每條微博的發(fā)布時(shí)間的、多條微博的時(shí)序序列。

在一個(gè)優(yōu)選實(shí)施例中，波峰檢測單元103可以利用時(shí)序波峰檢測(Burst Detection)技術(shù)獲得時(shí)序序列的波峰時(shí)段。例如，波峰檢測單元103可以利用Jon Kleinberg于2002年提出的基于爆發(fā)層級(bursty level)的時(shí)序波峰檢測技術(shù)進(jìn)行檢測。該技術(shù)的細(xì)節(jié)可以參照“Bursty and hierarchical structure in streams”，Jon Kleinberg，KDD 2002:91-101， 該文獻(xiàn)以引用的方式并入本文中。當(dāng)然，可以利用本領(lǐng)域中各種其他適當(dāng)方式獲得時(shí)序序列的波峰時(shí)段，在此不再進(jìn)行詳細(xì)描述。

波峰檢測單元103通過上述檢測得到的波峰時(shí)段可以是給定時(shí)間范圍內(nèi)的、與關(guān)注對象有關(guān)的信息的條數(shù)滿足一定條件(例如，該信息的條數(shù)以給定比例高于其它時(shí)段、該信息的條數(shù)高于給定閾值等)的時(shí)段。波峰時(shí)段內(nèi)的信息源中的大量相關(guān)信息體現(xiàn)了對關(guān)注對象的高關(guān)注度，因而可以被視為對關(guān)注對象的關(guān)注高峰時(shí)段。仍以微博作為信息源的示例，波峰時(shí)段可以被視為微博的用戶對于給定關(guān)注對象的關(guān)注高峰時(shí)段或興趣高峰時(shí)段。

在一個(gè)優(yōu)選實(shí)施例中，波峰檢測單元103可以以天為單位獲得所述波峰時(shí)段。在很多信息源中，以天為單位獲得所述波峰時(shí)段可以得到較好的效果。當(dāng)然，波峰檢測單元103也可以以小時(shí)、周等其他時(shí)間單位獲得所述波峰時(shí)段。本領(lǐng)域技術(shù)人員可以根據(jù)實(shí)際需要選擇合適的時(shí)間單位。

在獲得時(shí)序序列的波峰時(shí)段之后，對象事件檢測單元104的聚類單元1041針對每個(gè)波峰時(shí)段，對該波峰時(shí)段中的信息進(jìn)行聚類。通過這種聚類，能夠按照每個(gè)波峰時(shí)段中的信息之間的相關(guān)性得到不同的簇。相應(yīng)地，時(shí)段事件檢測單元1042可以針對每個(gè)波峰時(shí)段，基于聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息，檢測與該波峰時(shí)段有關(guān)的事件。這樣，利用對關(guān)注對象的關(guān)注度高的波峰時(shí)段中的、彼此相關(guān)性高的多條信息，得到了與該波峰時(shí)段有關(guān)的事件。

通過對象事件檢測單元104以上述方式得到的與波峰時(shí)段有關(guān)的事件可以被視為信息源中產(chǎn)生該波峰時(shí)段的原因，因而是與關(guān)注對象有關(guān)的重要內(nèi)容。同時(shí)，在對象事件檢測單元104得到與波峰時(shí)段有關(guān)的事件的過程中，過濾掉了非波峰時(shí)段中的信息以及波峰時(shí)段中彼此相關(guān)性低的信息，即過濾掉了重要性低的以及零散的內(nèi)容。因此，利用本實(shí)施例的信息處理裝置10，從而能夠從信息源的大量信息中準(zhǔn)確、高效地提取與關(guān)注對象有關(guān)的重要內(nèi)容，并且能夠兼顧提取內(nèi)容的覆蓋度和簡潔度。

以下參照圖2描述根據(jù)本公開實(shí)施例的信息處理裝置中的對象事件檢測單元的示例結(jié)構(gòu)。

圖2是示意性地示出根據(jù)本公開實(shí)施例的信息處理裝置中的對象事件檢測單元的示例結(jié)構(gòu)的框圖。

如圖2所示，在一個(gè)優(yōu)選實(shí)施例中，除了與圖1中的對象事件檢測單 元104中相類似的聚類單元1041和時(shí)段事件檢測單元1042之外，對象事件檢測單元104’還可以包括：詞向量表示單元1040，其將每個(gè)波峰時(shí)段中的信息表示為詞向量，以提供給所述聚類單元1041。

作為示例，詞向量表示單元1040可以對給定波峰時(shí)段中的每條信息進(jìn)行分詞，以將每一條信息表示成詞向量，其中，詞向量空間是由從信息源得到的文本信息集合中的全部詞語組成的。

在一個(gè)優(yōu)選實(shí)施例中，聚類單元1041可以利用基于閾值的自動(dòng)聚類方法對每個(gè)波峰時(shí)段中的信息進(jìn)行聚類。在信息源中，不同時(shí)段中與關(guān)注對象有關(guān)的信息可能具有不同粒度，即，諸如微博的多條信息具有不同的內(nèi)容分散程度。例如，從信息源獲取的一個(gè)時(shí)段內(nèi)的與關(guān)注對象有關(guān)的微博可能涉及與關(guān)注對象有關(guān)的多個(gè)事件，各條微博內(nèi)容的主題就會(huì)較為分散；而另一個(gè)時(shí)段內(nèi)的與關(guān)注對象有關(guān)的微博整體圍繞與關(guān)注對象有關(guān)的一個(gè)事件，此時(shí)各條微博內(nèi)容的描述主題就相對比較集中。上述兩種情況的微博內(nèi)容粒度差別很大，一般的面向相同聚類粒度的聚類方法無法得到很好的處理效果。

本優(yōu)選實(shí)施例所提供的基于閾值的自動(dòng)聚類方法能夠根據(jù)不同時(shí)段的實(shí)際情況，自動(dòng)設(shè)定針對給定時(shí)段的聚類閾值，以適應(yīng)于不同時(shí)段的信息內(nèi)容的粒度而得到良好的聚類結(jié)果。

在一個(gè)具體示例中，假設(shè)給定的波峰時(shí)段中共有x條與關(guān)注對象有關(guān)的信息，從每條信息中得到一個(gè)詞向量，則x個(gè)詞向量兩兩組成一對，共對。聚類單元1041可以計(jì)算每對詞向量之間的歐氏距離，以得到平均歐式距離，再乘以預(yù)定的權(quán)值參數(shù)，即可得到自適應(yīng)于這x個(gè)詞向量的聚類閾值。

例如，基于歐氏距離的聚類閾值δ的公式可以表示如下。

其中，w為權(quán)值參數(shù)，大于0且小于或等于1，優(yōu)選取值為0.9。x為 詞向量個(gè)數(shù)。S(m_i)和S(m_j)分別表示第i條和第j條微博內(nèi)容m_i和m_j對應(yīng)的詞向量，Ed(S(m_i),S(m_j))表示詞向量S(m_i)和S(m_j)之間的歐式距離。

確定了自適應(yīng)聚類閾值δ之后，聚類單元1041可以采用如下方法基于該自適應(yīng)聚類閾值對詞向量進(jìn)行聚類。

(1)首先，聚類單元1041可以從給定波峰時(shí)段的x個(gè)詞向量中隨機(jī)選擇一個(gè)詞向量，作為一個(gè)新簇；

(2)接著，隨機(jī)選擇一個(gè)未聚類的詞向量，分別計(jì)算其與每一個(gè)已有簇內(nèi)的全部詞向量之間的歐式距離的平均值；

(3)如果該詞向量與一個(gè)已有簇內(nèi)的全部詞向量之間的歐式距離的平均值小于自適應(yīng)聚類閾值，則將該詞向量加入到該已有簇中；

(4)如果對于所有已有簇，該詞向量與該簇內(nèi)的全部詞向量之間的歐式距離的平均值都大于或等于自適應(yīng)聚類閾值，則將該詞向量作為一個(gè)新簇。

重復(fù)上述步驟(2)-(4)直至所有詞向量均被聚類，則聚類單元1041得到了最終的聚類結(jié)果。

另外，如圖2所示，在對象事件檢測單元104’的一個(gè)優(yōu)選實(shí)施例中，時(shí)段事件檢測單元1042可以包括：關(guān)鍵詞提取單元1042-1，其針對每個(gè)波峰時(shí)段，從所述聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息當(dāng)中提取關(guān)鍵詞，作為與該波峰時(shí)段有關(guān)的事件。

關(guān)鍵詞提取單元1042-1可以從聚類結(jié)果中包含信息條數(shù)最多的一個(gè)或多個(gè)簇內(nèi)的信息當(dāng)中提取關(guān)鍵詞。為便于說明，以下可將聚類結(jié)果中的被提取關(guān)鍵詞的簇稱為主要原因事件。在一個(gè)優(yōu)選示例中，可以從每個(gè)波峰時(shí)段的簇中選擇一到兩個(gè)主要原因事件。例如，包含信息條數(shù)最多的一個(gè)簇E₁(其包含的信息條數(shù)為N₁)自動(dòng)被選為主要原因事件。對于包含信息條數(shù)排序第二位的簇E₂(其包含的信息條數(shù)為N₂)，按照N₂/N₁是否大于給定閾值來判定是否將E₂歸為主要原因事件。優(yōu)選將該閾值設(shè)為0.6，如果N₂/N₁≥0.6，則E₂將會(huì)與E₁同時(shí)被歸為主要原因事件，否則，只將E₁認(rèn)定為主要原因事件?？梢岳斫?，上述選擇主要原因事件的方式僅用于舉例說明，關(guān)鍵詞提取單元1042-1可采用任何其他適當(dāng)?shù)胤绞竭x擇一個(gè)或多個(gè)簇作為主要原因事件。

對于給定波峰時(shí)段的所選擇的主要原因事件(即，要提取關(guān)鍵詞的簇)，關(guān)鍵詞提取單元1042-1可以通過以下示例方法來提取關(guān)鍵詞。

首先，關(guān)鍵詞提取單元1042-1可以對選定簇內(nèi)的每條信息進(jìn)行分詞，并對分詞之后的文本進(jìn)行詞性標(biāo)注。發(fā)明人發(fā)現(xiàn)，以一元和二元的名詞性詞串作為關(guān)鍵詞,可以獲得較好效果。因此，關(guān)鍵詞提取單元1042-1從分詞結(jié)果中抽取一元名詞以及包含名詞的二元詞串進(jìn)行統(tǒng)計(jì)整理，按照詞頻進(jìn)行排序，作為候選關(guān)鍵詞的詞串列表，并按照以下公式(2)計(jì)算每個(gè)一元名詞或二元詞串的重要度T_value：

T_value＝T_frequency*T_length (2)

其中，T_length是指詞串的長度，即詞串包含的字?jǐn)?shù)，T_frequency是指該詞串出現(xiàn)的次數(shù)，而重要度T_value由上述兩個(gè)因素決定。

之后，利用二元詞串對一元詞串進(jìn)行子串歸并。子串歸并時(shí)的規(guī)則如下：如果一個(gè)二元詞串包含另一個(gè)一元詞串，并且該二元詞串的重要度T_value大于該一元詞串的重要度T_value，則該一元詞串將被歸并掉，否則，將該二元詞串從詞串列表中去除。通過這種歸并處理，可以保留最合適的詞串作為關(guān)鍵詞的候選。

在上述歸并處理之后得到的所有詞串當(dāng)中，關(guān)鍵詞提取單元1042-1可以將重要度T_value排在前K位的詞串選擇作為該主要原因事件的關(guān)鍵詞。優(yōu)選地，K可以設(shè)定為5。

在一個(gè)示例中，針對每個(gè)波峰時(shí)段，關(guān)鍵詞提取單元1042-1可以從聚類結(jié)果中包含信息條數(shù)最多的一個(gè)以上的簇(即，一個(gè)以上的主要原因事件)內(nèi)的信息當(dāng)中提取關(guān)鍵詞，并將所提取的多個(gè)關(guān)鍵詞共同作為與該波峰時(shí)段有關(guān)的事件。

另外，如圖2所示，在一個(gè)優(yōu)選實(shí)施例中，對象事件檢測單元104’還可以包括：時(shí)段事件合成單元1043，其對時(shí)段事件檢測單元1042所檢測的與所述時(shí)序序列的各個(gè)波峰時(shí)段有關(guān)的事件進(jìn)行合成，作為與所述關(guān)注對象有關(guān)的事件。

利用時(shí)段事件合成單元1043，本優(yōu)選實(shí)施例的對象事件檢測單元104’不僅能夠獲得與關(guān)注對象的每個(gè)波峰時(shí)段有關(guān)的事件，還能夠從信息源整 體上隨時(shí)間獲得與關(guān)注對象有關(guān)的事件序列。由于這樣整體獲得的事件序列是基于與關(guān)注對象有關(guān)的各個(gè)波峰時(shí)段，因而其能夠體現(xiàn)信息源中對關(guān)注對象的關(guān)注度的時(shí)序變化，并且給出與每個(gè)波峰時(shí)段相對應(yīng)的事件作為該時(shí)段中對關(guān)注對象的高關(guān)注度的原因。

在一個(gè)具體示例中，時(shí)段事件檢測單元1042所檢測的與各個(gè)波峰時(shí)段有關(guān)的事件可以是從各個(gè)波峰時(shí)段提取的關(guān)鍵詞，時(shí)段事件合成單元1043將各個(gè)波峰時(shí)段的關(guān)鍵詞羅列在一起共同作為與關(guān)注對象有關(guān)的事件。

以上參照圖2描述了對象事件檢測單元104’的示例結(jié)構(gòu)。應(yīng)注意，盡管在一個(gè)圖中同時(shí)示出了詞向量表示單元1040、關(guān)鍵詞提取單元1042-1、時(shí)段事件合成單元1043，但這種圖示僅是示意性的；這些單元既可以在在一個(gè)優(yōu)選實(shí)施例中同時(shí)實(shí)現(xiàn)，也可以不依賴于彼此地分別在不同的優(yōu)選實(shí)施例中實(shí)現(xiàn)。

以下參照圖3描述根據(jù)本公開實(shí)施例的信息處理裝置的另一示例結(jié)構(gòu)。

圖3是示意性地示出根據(jù)本公開實(shí)施例的信息處理裝置的另一示例結(jié)構(gòu)的框圖。

如圖3所示，在一個(gè)優(yōu)選實(shí)施例中，除了圖1的信息處理裝置10所包括的信息獲取單元101、序列生成單元102、波峰檢測單元103、對象事件檢測單元104(或圖3的對象事件檢測單元104’)之外，信息處理裝置10’還可以包括：對象情緒分析單元105，其對所述波峰時(shí)段中的信息進(jìn)行情緒分析，以得到與所述關(guān)注對象有關(guān)的情緒。

對象情緒分析單元105可以利用各種適當(dāng)?shù)姆椒ǖ玫脚c關(guān)注對象有關(guān)的情緒。例如，對象情緒分析單元105可以利用預(yù)先獲得的情緒詞典或預(yù)先訓(xùn)練的情緒分析模型對波峰時(shí)段中的全部或部分信息進(jìn)行情緒分析，以得到與關(guān)注對象有關(guān)的情緒。

在一個(gè)優(yōu)選實(shí)施例中，對象情緒分析單元105可以包括：時(shí)段情緒分析單元1051，其針對每個(gè)波峰時(shí)段，對聚類單元1041的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息進(jìn)行情緒分析，以得到與該波峰時(shí)段有關(guān)的情緒。時(shí)段情緒分析單元1051所得到的這種與波峰時(shí)段有關(guān)的情緒可以對應(yīng)于信息源中的信息所反映的、針對與波峰時(shí)段有關(guān)的事件的情緒。這里，與波峰時(shí)段有關(guān)的事件可以是此前參照圖1和圖3所描述的對象事件檢測 單元104或104’中的時(shí)段事件檢測單元1042所檢測的與波峰時(shí)段有關(guān)的事件。

對象情緒分析單元105可以利用各種適當(dāng)?shù)姆椒▽垲惤Y(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息進(jìn)行情緒分析。例如，時(shí)段情緒分析單元1051可以利用預(yù)先獲得的情緒詞典或預(yù)先訓(xùn)練的情緒分析模型進(jìn)行這樣的情緒分析。

以情緒詞典的情況為例，一個(gè)示例性的情緒詞典可以包含“高興”、“悲傷”、“同情”和“敬佩”等36種情緒以及與每種情緒對應(yīng)的常用情緒表達(dá)詞語。以“高興”情緒為例，對應(yīng)的常用情緒表達(dá)詞語包括“驚喜”、“高興”和“歡暢”等。

利用情緒詞典，對于聚類結(jié)果中包含信息條數(shù)最多的簇，時(shí)段情緒分析單元1051可以在該簇的全部信息內(nèi)查找情緒詞典中的情緒詞的出現(xiàn)情況。例如，對于給定簇，如果該簇內(nèi)的一條信息包含某種情緒類別中對應(yīng)的情緒詞語，則將該情緒類別的統(tǒng)計(jì)頻率加一，由此對不同情緒類別分別進(jìn)行詞頻統(tǒng)計(jì)。然后，可以按照頻率大小進(jìn)行情緒類別的排序，以便得到針對該簇的事件的情緒分析結(jié)果。

以微博作為示例信息源，時(shí)段情緒分析單元1051所得到的情緒分析結(jié)果可以是給定波峰時(shí)段內(nèi)各個(gè)用戶所表現(xiàn)出的對于涉及關(guān)注對象的、與該波峰時(shí)段有關(guān)的事件的情緒分布。該結(jié)果能夠用于幫助進(jìn)行與關(guān)注對象有關(guān)的公共關(guān)系維護(hù)，例如進(jìn)行人物口碑建立以及與突發(fā)事件有關(guān)的危機(jī)公關(guān)等應(yīng)用。

在一個(gè)優(yōu)選實(shí)施例中，對象情緒分析單元105還可以包括：時(shí)段情緒合成單元1052，其對時(shí)段情緒分析單元1051所得到的與所述時(shí)間序列的各個(gè)波峰時(shí)段有關(guān)的情緒進(jìn)行合成，以獲得與所述關(guān)注對象有關(guān)的情緒。

利用時(shí)段情緒合成單元1052，可以從信息源的信息中獲得對給定對象的整體情緒分布。仍以微博作為示例信息源，利用時(shí)段情緒合成單元1052所得到的與關(guān)注對象有關(guān)的情緒可以是各個(gè)用戶所表現(xiàn)出的對于關(guān)注對象的隨時(shí)間的整體情緒分布序列。由于這樣的整體情緒分布是基于與關(guān)注對象有關(guān)的各個(gè)波峰時(shí)段，因而其能夠體現(xiàn)信息源中對關(guān)注對象的情緒的時(shí)序變化，特別有利于進(jìn)行與關(guān)注對象有關(guān)的長期公共關(guān)系維護(hù)，例如進(jìn)行人物口碑建立。

根據(jù)本公開的另一方面，提供了一種信息處理方法。圖4是示出了根 據(jù)本公開實(shí)施例的信息處理方法的示例流程的流程圖。

圖4示出了根據(jù)本公開實(shí)施例的信息處理方法400的示例流程。如圖4所示，信息處理方法400包括下述步驟：信息獲取步驟S401，從信息源獲取多條與關(guān)注對象有關(guān)的各自帶有時(shí)間標(biāo)簽的信息；序列生成步驟S402，基于所述時(shí)間標(biāo)簽生成所述信息的時(shí)序序列；波峰檢測步驟S403，針對所述時(shí)序序列進(jìn)行檢測，以獲得所述時(shí)序序列的波峰時(shí)段；以及對象事件檢測步驟S404，對所述波峰時(shí)段中的信息進(jìn)行檢測，以得到與所述關(guān)注對象有關(guān)的事件。對象事件檢測步驟S404可以包括：聚類步驟S4041，針對所述時(shí)序序列的每個(gè)波峰時(shí)段，對該波峰時(shí)段中的信息進(jìn)行聚類；以及時(shí)段事件檢測步驟S4042，針對每個(gè)波峰時(shí)段，基于所述聚類的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息，檢測與該波峰時(shí)段有關(guān)的事件。

圖像處理方法400及其各個(gè)步驟S401-S404可以包括以上參照圖1至圖2描述的圖像處理裝置10及其相應(yīng)單元101-104、104’中進(jìn)行的各種處理，并且可以獲得與參照圖1至圖2描述的相應(yīng)單元類似的效果，這些處理和效果的具體細(xì)節(jié)在此不再贅述。

此外，圖5示出了根據(jù)本公開實(shí)施例的信息處理方法的中的對象事件檢測步驟示例流程。

如圖5所示，在與圖4中的對象事件檢測步驟S404中相類似的聚類步驟S4041和時(shí)段事件檢測步驟S4042之前，在一個(gè)優(yōu)選實(shí)施例中，對象事件檢測步驟S404’還可以包括：詞向量表示步驟S4040，將每個(gè)波峰時(shí)段中的信息表示為詞向量，以用于對該波峰時(shí)段中的信息進(jìn)行聚類。

在一個(gè)優(yōu)選實(shí)施例中，在聚類步驟S4041中，利用基于閾值的自動(dòng)聚類方法進(jìn)行所述聚類。

在一個(gè)優(yōu)選實(shí)施例中，時(shí)段事件檢測步驟S4042可以包括：關(guān)鍵詞提取步驟S4042-1，針對每個(gè)波峰時(shí)段，從所述聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息當(dāng)中提取關(guān)鍵詞，作為與該波峰時(shí)段有關(guān)的事件。

在一個(gè)優(yōu)選實(shí)施例中，對象事件檢測步驟S404’還可以包括：時(shí)段事件合成步驟S4043，對所檢測的與所述時(shí)序序列的各個(gè)波峰時(shí)段有關(guān)的事件進(jìn)行合成，作為與所述關(guān)注對象有關(guān)的事件。

以上參照圖5描述了對象事件檢測步驟S404’的示例流程。應(yīng)注意，盡管在一個(gè)圖中同時(shí)示出了詞向量表示步驟S4040、關(guān)鍵詞提取步驟 S4042-1、時(shí)段事件合成步驟S4043，但這種圖示僅是示意性的；這些步驟既可以在在一個(gè)優(yōu)選實(shí)施例中同時(shí)實(shí)現(xiàn)，也可以不依賴于彼此地分別在不同的優(yōu)選實(shí)施例中實(shí)現(xiàn)。

此外，對象事件檢測步驟S404’及其中包括的各個(gè)步驟可以包括以上參照圖2描述的對象事件檢測單元104’及其各個(gè)組成單元中進(jìn)行的各種處理，并且可以獲得與參照圖2描述的相應(yīng)單元類似的效果，這些處理和效果的具體細(xì)節(jié)在此不再贅述。

圖6是示出了根據(jù)本公開實(shí)施例的信息處理方法的另一示例流程的流程圖。

如圖6所示，在一個(gè)優(yōu)選實(shí)施例中，除了圖4的信息處理方法400所包括的信息獲取步驟S401、序列生成步驟S402、波峰檢測步驟S403、對象事件檢測步驟S404(或圖5的對象事件檢測步驟S404’)之外，信息處理方法400’還可以包括：對象情緒分析步驟S405，對所述波峰時(shí)段中的信息進(jìn)行情緒分析，以得到與所述關(guān)注對象有關(guān)的情緒。

信息處理方法400’及其各個(gè)步驟可以包括以上參照圖3描述的信息處理裝置10’及其相應(yīng)單元中進(jìn)行的各種處理，并且可以獲得與參照圖3描述的相應(yīng)單元類似的效果，這些處理和效果的具體細(xì)節(jié)在此不再贅述。

在一個(gè)優(yōu)選實(shí)施例中，對象情緒分析步驟S405可以包括：時(shí)段情緒分析步驟S4051，針對每個(gè)波峰時(shí)段，對所述聚類的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息進(jìn)行情緒分析，以得到與該波峰時(shí)段有關(guān)的情緒。

在一個(gè)優(yōu)選實(shí)施例中，時(shí)段情緒分析步驟S4051利用預(yù)先獲得的情緒詞典或預(yù)先訓(xùn)練的情緒分析模型進(jìn)行所述情緒分析。

在一個(gè)優(yōu)選實(shí)施例中，對象情緒分析步驟S405還可以包括：時(shí)段情緒合成步驟S4052，對所得到的與所述時(shí)間序列的各個(gè)波峰時(shí)段有關(guān)的情緒進(jìn)行合成，以獲得與所述關(guān)注對象有關(guān)的情緒。

上述根據(jù)本公開實(shí)施例的信息處理裝置(例如圖1、圖3中所示的信息處理裝置10、10’)以及其中的各個(gè)組成單元等可以通過軟件、固件、硬件或其任意組合的方式進(jìn)行配置。在通過軟件或固件實(shí)現(xiàn)的情況下，可從存儲(chǔ)介質(zhì)或網(wǎng)絡(luò)向具有專用硬件結(jié)構(gòu)的機(jī)器安裝構(gòu)成該軟件或固件的程序，該機(jī)器在安裝有各種程序時(shí)，能夠執(zhí)行上述各組成裝置的各種功能。

圖7是示出了可用來實(shí)現(xiàn)根據(jù)本公開實(shí)施例的信息處理裝置和方法 的一種可能的硬件配置的結(jié)構(gòu)簡圖。

在圖7中，中央處理單元(CPU)701根據(jù)只讀存儲(chǔ)器(ROM)702中存儲(chǔ)的程序或從存儲(chǔ)部分708加載到隨機(jī)存取存儲(chǔ)器(RAM)703的程序執(zhí)行各種處理。在RAM703中，還根據(jù)需要存儲(chǔ)當(dāng)CPU 701執(zhí)行各種處理等等時(shí)所需的數(shù)據(jù)。CPU701、ROM 702和RAM 703經(jīng)由總線704彼此連接。輸入/輸出接口705也連接到總線704。

下述部件也連接到輸入/輸出接口705：輸入部分706(包括鍵盤、鼠標(biāo)等等)、輸出部分707(包括顯示器，例如陰極射線管(CRT)、液晶顯示器(LCD)等，和揚(yáng)聲器等)、存儲(chǔ)部分708(包括硬盤等)、通信部分709(包括網(wǎng)絡(luò)接口卡例如LAN卡、調(diào)制解調(diào)器等)。通信部分709經(jīng)由網(wǎng)絡(luò)例如因特網(wǎng)執(zhí)行通信處理。根據(jù)需要，驅(qū)動(dòng)器710也可連接到輸入/輸出接口705?？刹鹦督橘|(zhì)711例如磁盤、光盤、磁光盤、半導(dǎo)體存儲(chǔ)器等等可以根據(jù)需要被安裝在驅(qū)動(dòng)器710上，使得從中讀出的計(jì)算機(jī)程序可根據(jù)需要被安裝到存儲(chǔ)部分708中。

此外，本公開還提出了一種存儲(chǔ)有機(jī)器可讀取的指令代碼的程序產(chǎn)品。上述指令代碼由機(jī)器讀取并執(zhí)行時(shí)，可執(zhí)行上述根據(jù)本公開實(shí)施例的圖像處理方法。相應(yīng)地，用于承載這種程序產(chǎn)品的例如磁盤、光盤、磁光盤、半導(dǎo)體存儲(chǔ)器等的各種存儲(chǔ)介質(zhì)也包括在本公開的公開中。

在上面對本公開具體實(shí)施例的描述中，針對一種實(shí)施方式描述和/或示出的特征可以以相同或類似的方式在一個(gè)或更多個(gè)其它實(shí)施方式中使用，與其它實(shí)施方式中的特征相組合，或替代其它實(shí)施方式中的特征。

此外，本公開的各實(shí)施例的方法不限于按照說明書中描述的或者附圖中示出的時(shí)間順序來執(zhí)行，也可以按照其他的時(shí)間順序、并行地或獨(dú)立地執(zhí)行。因此，本說明書中描述的方法的執(zhí)行順序不對本公開的技術(shù)范圍構(gòu)成限制。

此外，顯然，根據(jù)本公開的上述方法的各個(gè)操作過程也可以以存儲(chǔ)在各種機(jī)器可讀的存儲(chǔ)介質(zhì)中的計(jì)算機(jī)可執(zhí)行程序的方式實(shí)現(xiàn)。

而且，本公開的目的也可以通過下述方式實(shí)現(xiàn)：將存儲(chǔ)有上述可執(zhí)行程序代碼的存儲(chǔ)介質(zhì)直接或者間接地提供給系統(tǒng)或設(shè)備，并且該系統(tǒng)或設(shè)備中的計(jì)算機(jī)或者中央處理單元(CPU)讀出并執(zhí)行上述程序代碼。

此時(shí)，只要該系統(tǒng)或者設(shè)備具有執(zhí)行程序的功能，則本公開的實(shí)施方式不局限于程序，并且該程序也可以是任意的形式，例如，目標(biāo)程序、解 釋器執(zhí)行的程序或者提供給操作系統(tǒng)的腳本程序等。

上述這些機(jī)器可讀存儲(chǔ)介質(zhì)包括但不限于：各種存儲(chǔ)器和存儲(chǔ)單元，半導(dǎo)體設(shè)備，磁盤單元例如光、磁和磁光盤，以及其它適于存儲(chǔ)信息的介質(zhì)等。

另外，客戶信息處理終端通過連接到因特網(wǎng)上的相應(yīng)網(wǎng)站，并且將依據(jù)本公開的計(jì)算機(jī)程序代碼下載和安裝到信息處理終端中然后執(zhí)行該程序，也可以實(shí)現(xiàn)本公開的各實(shí)施例。

綜上，在根據(jù)本公開實(shí)施例中，本公開提供了如下方案，但不限于此：

方案1、一種信息處理裝置，包括：

信息獲取單元，其從信息源獲取多條與關(guān)注對象有關(guān)的各自帶有時(shí)間標(biāo)簽的信息；

序列生成單元，其基于所述時(shí)間標(biāo)簽生成所述信息的時(shí)序序列；

波峰檢測單元，其針對所述時(shí)序序列進(jìn)行檢測，以獲得所述時(shí)序序列的波峰時(shí)段；以及

對象事件檢測單元，其對所述波峰時(shí)段中的信息進(jìn)行檢測，以得到與所述關(guān)注對象有關(guān)的事件，所述對象事件檢測單元包括：

聚類單元，其針對所述時(shí)序序列的每個(gè)波峰時(shí)段，對該波峰時(shí)段中的信息進(jìn)行聚類；以及

時(shí)段事件檢測單元，其針對每個(gè)波峰時(shí)段，基于所述聚類單元的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息，檢測與該波峰時(shí)段有關(guān)的事件。

方案2、如方案1所述的信息處理裝置，其中，所述聚類單元利用基于閾值的自動(dòng)聚類方法進(jìn)行所述聚類。

方案3、如方案1所述的信息處理裝置，其中，所述時(shí)段事件檢測單元包括：

關(guān)鍵詞提取單元，其針對每個(gè)波峰時(shí)段，從所述聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息當(dāng)中提取關(guān)鍵詞，作為與該波峰時(shí)段有關(guān)的事件。

方案4、如方案1所述的信息處理裝置，其中，所述對象事件檢測單元還包括：

時(shí)段事件合成單元，其對所述時(shí)段事件檢測單元所檢測的與所述時(shí)序序列的各個(gè)波峰時(shí)段有關(guān)的事件進(jìn)行合成，作為與所述關(guān)注對象有關(guān)的事件。

方案5、如方案1所述的信息處理裝置，其中，所述對象事件檢測單元還包括：

詞向量表示單元，其將每個(gè)波峰時(shí)段中的信息表示為詞向量，以提供給所述聚類單元。

方案6、如方案1所述的信息處理裝置，還包括：

對象情緒分析單元，其對所述波峰時(shí)段中的信息進(jìn)行情緒分析，以得到與所述關(guān)注對象有關(guān)的情緒。

方案7、如方案6所述的信息處理裝置，其中，所述對象情緒分析單元包括：

時(shí)段情緒分析單元，其針對每個(gè)波峰時(shí)段，對所述聚類單元的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息進(jìn)行情緒分析，以得到與該波峰時(shí)段有關(guān)的情緒。

方案8、如方案7所述的信息處理裝置，其中，所述時(shí)段情緒分析單元利用預(yù)先獲得的情緒詞典或預(yù)先訓(xùn)練的情緒分析模型進(jìn)行所述情緒分析。

方案9、如方案7所述的信息處理裝置，其中，所述對象情緒分析單元還包括：

時(shí)段情緒合成單元，其對所述時(shí)段情緒分析單元所得到的與所述時(shí)間序列的各個(gè)波峰時(shí)段有關(guān)的情緒進(jìn)行合成，以獲得與所述關(guān)注對象有關(guān)的情緒。

方案10、如方案1所述的信息處理裝置，其中，所述波峰檢測單元利用時(shí)序波峰檢測技術(shù)獲得所述波峰時(shí)段。

方案11、如方案1所述的信息處理裝置，其中，所述波峰檢測單元以天為單位獲得所述波峰時(shí)段。

方案12、一種信息處理方法，包括：

從信息源獲取多條與關(guān)注對象有關(guān)的各自帶有時(shí)間標(biāo)簽的信息；

基于所述時(shí)間標(biāo)簽生成所述信息的時(shí)序序列；

針對所述時(shí)序序列進(jìn)行檢測，以獲得所述時(shí)序序列的波峰時(shí)段；以及

對所述波峰時(shí)段中的信息進(jìn)行檢測，以得到與所述關(guān)注對象有關(guān)的事件，其中，對所述波峰時(shí)段中的信息進(jìn)行檢測包括：

針對所述時(shí)序序列的每個(gè)波峰時(shí)段，對該波峰時(shí)段中的信息進(jìn)行聚類；以及

針對每個(gè)波峰時(shí)段，基于所述聚類的聚類結(jié)果中包含信息條數(shù)最

多的簇內(nèi)的信息，檢測與該波峰時(shí)段有關(guān)的事件。

方案13、如方案12所述的信息處理方法，其中，利用基于閾值的自動(dòng)聚類方法進(jìn)行所述聚類。

方案14、如方案12所述的信息處理方法，其中，檢測與每個(gè)波峰時(shí)段有關(guān)的事件包括：

針對每個(gè)波峰時(shí)段，從所述聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息當(dāng)中提取關(guān)鍵詞，作為與該波峰時(shí)段有關(guān)的事件。

方案15、如方案12所述的信息處理方法，其中，對所述波峰時(shí)段中的信息進(jìn)行檢測還包括：

對所檢測的與所述時(shí)序序列的各個(gè)波峰時(shí)段有關(guān)的事件進(jìn)行合成，作為與所述關(guān)注對象有關(guān)的事件。

方案16、如方案12所述的信息處理方法，其中，對所述波峰時(shí)段中的信息進(jìn)行檢測還包括：

將每個(gè)波峰時(shí)段中的信息表示為詞向量，以用于對該波峰時(shí)段中的信息進(jìn)行聚類。

方案17、如方案12所述的信息處理方法，還包括：

對所述波峰時(shí)段中的信息進(jìn)行情緒分析，以得到與所述關(guān)注對象有關(guān)的情緒。

方案18、如方案17所述的信息處理方法，其中，對所述波峰時(shí)段中的信息進(jìn)行情緒分析包括：

針對每個(gè)波峰時(shí)段，對所述聚類的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息進(jìn)行情緒分析，以得到與該波峰時(shí)段有關(guān)的情緒。

方案19、如方案18所述的信息處理方法，其中，利用預(yù)先獲得的情緒詞典或預(yù)先訓(xùn)練的情緒分析模型進(jìn)行所述情緒分析。

方案20、一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，該計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)上存儲(chǔ)有能夠由計(jì)算設(shè)備執(zhí)行的計(jì)算機(jī)程序，該計(jì)算機(jī)程序在執(zhí)行時(shí)能夠使計(jì)算設(shè)備執(zhí)行一種信息處理方法，所述信息處理方法包括：

從信息源獲取多條與關(guān)注對象有關(guān)的各自帶有時(shí)間標(biāo)簽的信息；

基于所述時(shí)間標(biāo)簽生成所述信息的時(shí)序序列；

針對所述時(shí)序序列進(jìn)行檢測，以獲得所述時(shí)序序列的波峰時(shí)段；以及

對所述波峰時(shí)段中的信息進(jìn)行檢測，以得到與所述關(guān)注對象有關(guān)的事件，其中，對所述波峰時(shí)段中的信息進(jìn)行檢測包括：

針對所述時(shí)序序列的每個(gè)波峰時(shí)段，對該波峰時(shí)段中的信息進(jìn)行 聚類；以及

針對每個(gè)波峰時(shí)段，基于所述聚類的聚類結(jié)果中包含信息條數(shù)最多的簇內(nèi)的信息，檢測與該波峰時(shí)段有關(guān)的事件。

最后，還需要說明的是，在本公開中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。

盡管上面已經(jīng)通過本公開的具體實(shí)施例的描述對本公開進(jìn)行了披露，但是，應(yīng)該理解，本領(lǐng)域技術(shù)人員可在所附權(quán)利要求的精神和范圍內(nèi)設(shè)計(jì)對本公開的各種修改、改進(jìn)或者等同物。這些修改、改進(jìn)或者等同物也應(yīng)當(dāng)被認(rèn)為包括在本公開所要求保護(hù)的范圍內(nèi)。