本發(fā)明涉及人機交互技術(shù)領(lǐng)域，具體地，涉及一種實現(xiàn)智能問答的信息處理方法及其裝置。

背景技術(shù)：

人機交互是一門研究系統(tǒng)與用戶之間交互關(guān)系的科學(xué)，其中的系統(tǒng)可以是各種各樣的機器，也可以是計算機化的系統(tǒng)或軟件。例如，通過人機交互可以實現(xiàn)諸如智能客戶系統(tǒng)、語音控制系統(tǒng)等各種人工智能系統(tǒng)。智能問答系統(tǒng)是人機交互的一種典型應(yīng)用：當(dāng)用戶提出問題后，由智能問答系統(tǒng)給出該問題的答案，由此需在系統(tǒng)中配置一套qa問答庫，并在該qa問答庫中存儲有大量的標準問題和對應(yīng)的答案。

目前，國內(nèi)外很多研究機構(gòu)都對智能問答系統(tǒng)展開了深入的研究，并在教育、政府、醫(yī)院和銀行等領(lǐng)域得到了廣泛的應(yīng)用。但是大多數(shù)的智能問答系統(tǒng)仍然存在一些不容忽視的弊端：(1)采用關(guān)鍵詞檢索，搜索效果不理想且要求用戶具有關(guān)鍵詞分解的能力；(2)反饋答案的針對性和有效性較差。

技術(shù)實現(xiàn)要素：

針對前述現(xiàn)有大多數(shù)智能問答系統(tǒng)仍然存在的一些弊端問題，本發(fā)明提供了一種新的實現(xiàn)智能問答的信息處理方法及其裝置。

本發(fā)明采用的技術(shù)方案，一方面提供了一種實現(xiàn)智能問答的信息處理方法，包括步驟如下：s101.接收問題文本信息；s102.對所述問題文本信息進行分句處理，獲取用戶問句；s103.分別計算所述用戶問句與在qa問答庫中各項標準問句的問句相似度，然后將問句相似度最高的標準問句作為與所述用戶問句對應(yīng)的最相似標準問句；s104.從所述qa問答庫中讀取與所述最相似標準問句對應(yīng)的答復(fù)信息；s105.反饋所述答復(fù)信息。

優(yōu)化的，在計算所述用戶問句與在qa問答庫中各項標準問句的問句相似度的步驟中，包括步驟如下：s201.分別對所述用戶問句和所述標準問句進行分詞預(yù)處理，獲取對應(yīng)的關(guān)鍵詞集；s202.根據(jù)所述用戶問句和所述標準問句的關(guān)鍵詞集,計算所述用戶問句與所述標準問句的問句相似度。

進一步優(yōu)化的，在所述步驟s201中，包括步驟如下：s301.將問句與在句模庫中的各項句模進行模式匹配，將匹配率最高的句模作為與所述問句對應(yīng)的最匹配句模，所述問句為用戶問句或標準問句；s302.根據(jù)所述最匹配句模去掉所述問句中的疑問詞和問句特征詞，實現(xiàn)對所述問句的切分，得到語句片斷；s303.對所述語句片斷進行分詞處理，然后去除分詞結(jié)果中的所有輔助詞，得到核心語義詞；s304.將所有的核心語義詞作為關(guān)鍵詞加載到所述問句的關(guān)鍵詞集中。

詳細優(yōu)化的，在所述步驟s304之后，還包括如下步驟：s305.根據(jù)所述核心語義詞收集對應(yīng)的同義詞，然后將所有的同義詞也作為關(guān)鍵詞加載到所述問句的關(guān)鍵詞集中。

詳細優(yōu)化的，在所述步驟s304之后，還包括如下步驟：s306.讀取與所述最匹配句模對應(yīng)的特定輔助詞表，然后將在所述特定輔助詞表中的所有特定輔助詞也作為關(guān)鍵詞加載到所述問句的關(guān)鍵詞集中。

詳細優(yōu)化的，在對所述語句片斷進行分詞處理的步驟中，包括步驟如下：

s401.分別應(yīng)用正向最大匹配算法和逆向最大匹配算法對所述語句片斷進行分詞處理，若兩種分詞處理的分詞結(jié)果一致，則將任意一種分詞結(jié)果作為最終的分詞結(jié)果，否則比較兩種分詞結(jié)果的切分出現(xiàn)概率，將切分出現(xiàn)概率最高的分詞結(jié)果作為最終的分詞結(jié)果。

進一步詳細優(yōu)化的，按照如下公式計算分詞結(jié)果的切分出現(xiàn)概率q：

q＝q(w1)·q(w2)·q(w3)·····q(wn)

式中，w1,w2,w3,…wn為所述分詞結(jié)果中的各個詞，n為所述分詞結(jié)果中的詞數(shù)，q(w)為詞w的詞頻。

進一步優(yōu)化的，在所述步驟s202中，包括步驟如下：

s501.按照如下公式分別計算用戶問句qu與標準問句qa的詞形相似度wordsim(qu,qa)、句長相似度lensim(qu,qa)、詞序相似度ordersim(qu,qa)和距離相似度dissim(qu,qa)：

式中，len(qu)為在用戶問句qu的關(guān)鍵詞集中關(guān)鍵詞個數(shù)，len(qa)為在標準問句qa的關(guān)鍵詞集中關(guān)鍵詞個數(shù)，samewc(qu,qa)為在用戶問句qu和標準問句qa的關(guān)鍵詞集中相同關(guān)鍵詞的個數(shù)，oncews(qu,qa)表示在用戶問句qu和標準問句qa中都出現(xiàn)且只出現(xiàn)一次的關(guān)鍵詞的集合，|oncews(qu,qa)|為在oncews(qu,qa)集合中關(guān)鍵詞的個數(shù)，pfirst(qu,qa)表示oncews(qu,qa)集合中的關(guān)鍵詞在用戶問句qu中的位置序號構(gòu)成的向量，psecond(qu,qa)表示pfirst(qu,qa)中的分量按對應(yīng)關(guān)鍵詞在標準問句qa中的次序排序生成的向量，revord(qu,qa)為在psecond(qu,qa)中各相鄰分量的逆序數(shù)，dis(qu,qa)為應(yīng)用標準語句qa中的關(guān)鍵詞集將用戶問句qu變成標準問句qa所需的最小編輯操作次數(shù)，k為利用領(lǐng)域內(nèi)的相似問句進行訓(xùn)練得到的且在距離相似度dissim(qu,qa)為0.5時的詞語距離值，max()為取最大值函數(shù)，abs()為取絕對值函數(shù)；

s502.按照如下公式計算用戶問句qu與標準問句qa的問句相似度sim(qu,qa)：

sim(qu,qa)＝α1·wordsim(qu,qa)+α2·lensim(qu,qa)+α3·ordersim(qu,qa)

+α4·dissim(qu,qa)

式中，α1為詞形相似度wordsim(qu,qa)的權(quán)重系數(shù)，α2為句長相似度lensim(qu,qa)的權(quán)重系數(shù)，α3為詞序相似度ordersim(qu,qa)的權(quán)重系數(shù)，α4為距離相似度dissim(qu,qa)的權(quán)重系數(shù)，所有的權(quán)重系數(shù)滿足：α1+α2+α3+α4＝1。

本發(fā)明采用的技術(shù)方案，另一方面提供了一種實現(xiàn)前述的實現(xiàn)智能問答的信息處理方法的裝置，包括收發(fā)單元、問句獲取單元、問句相似度對比單元、答案獲取單元和qa問答庫；所述收發(fā)單元通信連接所述問句獲取單元，用于接收問題文本信息和反饋答復(fù)信息；所述問句獲取單元通信連接所述問句相似度對比單元，用于對所述問題文本信息進行分句處理，獲取用戶問句；所述問句相似度對比單元分別通信連接所述答案獲取單元和所述qa問答庫，用于分別計算所述用戶問句與在qa問答庫中各項標準問句的問句相似度，然后將問句相似度最高的標準問句作為與所述用戶問句對應(yīng)的最相似標準問句；所述答案獲取單元分別通信連接所述qa問答庫和所述收發(fā)單元，用于從所述qa問答庫中讀取與所述最相似標準問句對應(yīng)的答復(fù)信息；所述qa問答庫用于存儲各項標準問句和對應(yīng)的答復(fù)信息。

綜上，采用本發(fā)明所提供的一種實現(xiàn)智能問答的信息處理方法及其裝置，具有如下有益效果：(1)本發(fā)明所提供的信息處理方法，其核心思路是先對問題文本信息進行分句處理，獲取用戶問句，然后基于問句相似度在qa問答庫中找到與用戶問句最相似的標準問句及對應(yīng)的答復(fù)信息，由此相比較于現(xiàn)有基于關(guān)鍵詞檢索的問答方法，無需要求用戶具有關(guān)鍵詞分解的能力，全程自動化，大幅度提升用戶體驗，并提高搜索效果、反饋答案的針對性和有效性；(2)在問句相似度的計算過程中，實現(xiàn)了句模分析、詞法分析和詞義擴展等自然語言理解技術(shù)的融合，并通過進行多維度相似性的綜合計算，極大地提高了最終問句相似度在漢語自動問答過程中的準確性，從而可解決因中文固有的復(fù)雜性特點而難以實現(xiàn)漢語智能問答的問題，使?jié)h語系的智能問答系統(tǒng)成為可能；(3)本發(fā)明提供的實現(xiàn)智能問答的信息處理方法及其裝置，可拓展適用于諸如教育領(lǐng)域、行政領(lǐng)域和供電服務(wù)領(lǐng)域等行業(yè)領(lǐng)域中，便于實際推廣和應(yīng)用。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明提供的實現(xiàn)智能問答的信息處理方法流程示意圖。

圖2是本發(fā)明提供的實現(xiàn)智能問答的信息處理方法的裝置結(jié)構(gòu)示意圖。

具體實施方式

以下將參照附圖，通過實施例方式詳細地描述本發(fā)明提供的實現(xiàn)智能問答的信息處理方法及其裝置。在此需要說明的是，對于這些實施例方式的說明用于幫助理解本發(fā)明，但并不構(gòu)成對本發(fā)明的限定。

本文中術(shù)語“和/或”，僅僅是一種描述關(guān)聯(lián)對象的關(guān)聯(lián)關(guān)系，表示可以存在三種關(guān)系，例如，a和/或b，可以表示：單獨存在a，單獨存在b，同時存在a和b三種情況，本文中術(shù)語“/和”是描述另一種關(guān)聯(lián)對象關(guān)系，表示可以存在兩種關(guān)系，例如，a/和b，可以表示：單獨存在a，單獨存在a和b兩種情況，另外，本文中字符“/”，一般表示前后關(guān)聯(lián)對象是一種“或”關(guān)系。

實施例一

圖1示出了本發(fā)明提供的實現(xiàn)智能問答的信息處理方法流程示意圖。本實施例提供的所述實現(xiàn)智能問答的信息處理方法，包括步驟如下。

s101.接收問題文本信息。

在所述步驟s101中，所述問題文本信息可以但不限于為由用戶在諸如微信等聊天平臺向智能問答系統(tǒng)發(fā)送的短消息，其包含有具體的文字內(nèi)容。

s102.對所述問題文本信息進行分句處理，獲取用戶問句。

在所述步驟s102中，所述進行分句處理的方法，可以但不限于基于逗號、分號或句號等標點符號將所述問題文本信息中的具體文字內(nèi)容分解為多個單獨的子句，所述子句無論是否具有提問意思，都視作用戶問句。

s103.分別計算所述用戶問句與在qa問答庫中各項標準問句的問句相似度，然后將問句相似度最高的標準問句作為與所述用戶問句對應(yīng)的最相似標準問句。

在所述步驟s103中，所述qa問答庫是指預(yù)存儲有大量標準問句及與標準問句對應(yīng)的答復(fù)信息的數(shù)據(jù)庫，其中，所述答復(fù)信息可以但不限于為語音信息、文本信息或圖片信息等。在計算所述用戶問句與在qa問答庫中各項標準問句的問句相似度的步驟中，可以但不限于包括步驟如下：s201.分別對所述用戶問句和所述標準問句進行分詞預(yù)處理，獲取對應(yīng)的關(guān)鍵詞集；s202.根據(jù)所述用戶問句和所述標準問句的關(guān)鍵詞集,計算所述用戶問句與所述標準問句的問句相似度。

在所述步驟s201中，對所述標準問句進行分詞預(yù)處理的時間節(jié)點優(yōu)選在該標準問句錄入所述qa問答庫時，并將獲取的對應(yīng)關(guān)鍵詞集預(yù)存儲在該qa問答庫中。在所述步驟s201中，可以但不限于包括步驟如下：s301.將問句與在句模庫中的各項句模進行模式匹配，將匹配率最高的句模作為與所述問句對應(yīng)的最匹配句模，所述問句為用戶問句或標準問句；s302.根據(jù)所述最匹配句模去掉所述問句中的疑問詞和問句特征詞，實現(xiàn)對所述問句的切分，得到語句片斷；s303.對所述語句片斷進行分詞處理，然后去除分詞結(jié)果中的所有輔助詞，得到核心語義詞；s304.將所有的核心語義詞作為關(guān)鍵詞加載到所述問句的關(guān)鍵詞集中。

在所述步驟s301中，所述句模庫是指預(yù)存儲有各種句模(即問句模型)的數(shù)據(jù)庫，其中，所述句模為模型化的、具有一定規(guī)律的提問句型，其可以但不限于采用巴科斯范式(backusnormalform)來定義句模的文法，然后以如下表1所示的句模數(shù)據(jù)結(jié)構(gòu)存儲在句模庫中。例如，對于問句“小明什么時候上大學(xué)？”，可以定義其文法為<詢問時間語義塊>::＝(<事件>)<提問時間特征詞>(<事件>)<提問時間特征詞>::＝何時|什么時候|哪天|幾月幾日|。

表1句模數(shù)據(jù)結(jié)構(gòu)

對問句與句模進行模式匹配的思路是：首先根據(jù)提問特征詞，使用正則表達式對句模庫中的句模進行匹配,然后根據(jù)匹配結(jié)果確定該問句屬于何種句模。由此可實現(xiàn)句模分析的融合，幫助問答系統(tǒng)理解用戶的提問意圖，以便后續(xù)進行有針對性地答復(fù)，同時通過句模分析，可以去掉句子中的提問特征詞(如“什么”“哪里”等)，將大大減小下一階段詞法分析中出現(xiàn)歧義的概率。

在所述步驟s302中，所述語句片斷為一個或多個詞的連續(xù)組合，可根據(jù)最匹配句模的定義，舍棄問句中的提問特征詞，實現(xiàn)句子的進一步切開，得到多個語句片斷。例如對于問句:“工作人員什么時候來安裝電表”，可先根據(jù)句模的定義進行匹配，根據(jù)“什么時候”關(guān)鍵詞分析出問題屬于“提問時間”句模，然后將問題句中“什么時候”關(guān)鍵詞舍棄掉，把句子切分開，如此得到語句片斷：“工作人員”和“來安裝電表”。

在所述步驟s303中，所述核心語義項代表了用戶所提問題的實質(zhì)，具有主題突出和概念明確的特點，因此有必要將其作為關(guān)鍵詞加載到所述問句的關(guān)鍵詞集中。由于句模分析后得到的語句片斷是切分后得到的結(jié)果，所以它的靈活性和多樣性比真實的自然語言文本要差一些，這樣分詞時出現(xiàn)歧義的情況較少，可以避免出現(xiàn)理解差異。作為優(yōu)化的，為了在分詞時最大限度地避免出現(xiàn)歧義情況，在對所述語句片斷進行分詞處理的步驟中，可以但不限于包括步驟如下：s401.分別應(yīng)用正向最大匹配算法和逆向最大匹配算法對所述語句片斷進行分詞處理，若兩種分詞處理的分詞結(jié)果一致，則將任意一種分詞結(jié)果作為最終的分詞結(jié)果，否則比較兩種分詞結(jié)果的切分出現(xiàn)概率，將切分出現(xiàn)概率最高的分詞結(jié)果作為最終的分詞結(jié)果。

在所述步驟s401中，所述正向最大匹配算法和所述逆向最大匹配算法分別為現(xiàn)有的傳統(tǒng)機械式分詞算法，例如在對語句片斷“研究生物科學(xué)的學(xué)生”進行分詞處理時，采用正向最大匹配算法進行分詞的結(jié)果為：“研究生/物/科學(xué)/的/學(xué)生”，而采用逆向最大匹配算法進行分詞的結(jié)果卻為：“研究/生物/科學(xué)/的/學(xué)生”,此時即認為分詞出現(xiàn)歧義情況。具體的，按照如下公式計算分詞結(jié)果的切分出現(xiàn)概率q：

q＝q(w1)·q(w2)·q(w3)·····q(wn)

式中，w1,w2,w3,…wn為所述分詞結(jié)果中的各個詞，n為所述分詞結(jié)果中的詞數(shù)，q(w)為詞w的詞頻。

由于計算機或程序并不能真正理解各個關(guān)鍵詞的含義，因此還需要對問句的關(guān)鍵詞集進行同義和概念擴展。即在所述步驟s304之后，還包括如下步驟：s305.根據(jù)所述核心語義詞收集對應(yīng)的同義詞，然后將所有的同義詞也作為關(guān)鍵詞加載到所述問句的關(guān)鍵詞集中。和/或在所述步驟s304之后，還包括如下步驟：s306.讀取與所述最匹配句模對應(yīng)的特定輔助詞表，然后將在所述特定輔助詞表中的所有特定輔助詞也作為關(guān)鍵詞加載到所述問句的關(guān)鍵詞集中。對于所述步驟s305，可以但不限于從同義詞典和概念庫中找出與核心語義項對應(yīng)的各種同義詞，例如對于問句“我國有多少輛自行車”，其中的核心語義項“自行車”可以擴展為“自行車”/“bicycle”/“腳踏車”/“單車”等。對于所述步驟s306，所述特定輔助詞表為預(yù)先存儲在句模庫中的數(shù)據(jù)，對于不同的句模，對應(yīng)有不同的特定輔助詞，例如對于門句“中國科技大學(xué)在哪里？”,可以擴展為“中國科技大學(xué)”+“位于”/“地處”等。

在所述步驟s202中，為了從多個維度來綜合計算門句相似度，可以但不限于包括步驟如下。

s501.按照如下公式分別計算用戶問句qu與標準問句qa的詞形相似度wordsim(qu,qa)、句長相似度lensim(qu,qa)、詞序相似度ordersim(qu,qa)和距離相似度dissim(qu,qa)：

式中，len(qu)為在用戶問句qu的關(guān)鍵詞集中關(guān)鍵詞個數(shù)，len(qa)為在標準問句qa的關(guān)鍵詞集中關(guān)鍵詞個數(shù)，samewc(qu,qa)為在用戶問句qu和標準問句qa的關(guān)鍵詞集中相同關(guān)鍵詞的個數(shù)，oncews(qu,qa)表示在用戶問句qu和標準問句qa中都出現(xiàn)且只出現(xiàn)一次的關(guān)鍵詞的集合，|oncews(qu,qa)|為在oncews(qu,qa)集合中關(guān)鍵詞的個數(shù)，pfirst(qu,qa)表示oncews(qu,qa)集合中的關(guān)鍵詞在用戶問句qu中的位置序號構(gòu)成的向量，psecond(qu,qa)表示pfirst(qu,qa)中的分量按對應(yīng)關(guān)鍵詞在標準問句qa中的次序排序生成的向量，revord(qu,qa)為在psecond(qu,qa)中各相鄰分量的逆序數(shù)，dis(qu,qa)為應(yīng)用標準語句qa中的關(guān)鍵詞集將用戶問句qu變成標準問句qa所需的最小編輯操作次數(shù)，k為利用領(lǐng)域內(nèi)的相似問句進行訓(xùn)練得到的且在距離相似度dissim(qu,qa)為0.5時的詞語距離值，max()為取最大值函數(shù)，abs()為取絕對值函數(shù)。

s502.按照如下公式計算用戶問句qu與標準問句qa的問句相似度sim(qu,qa)：

sim(qu,qa)＝α1·wordsim(qu,qa)+α2·lensim(qu,qa)+α3·ordersim(qu,qa)

+α4·dissim(qu,qa)

式中，α1為詞形相似度wordsim(qu,qa)的權(quán)重系數(shù)，α2為句長相似度lensim(qu,qa)的權(quán)重系數(shù)，α3為詞序相似度ordersim(qu,qa)的權(quán)重系數(shù)，α4為距離相似度dissim(qu,qa)的權(quán)重系數(shù)，所有的權(quán)重系數(shù)滿足：α1+α2+α3+α4＝1。

在所述步驟s502中，各項權(quán)重系數(shù)可以根據(jù)應(yīng)用領(lǐng)域的具體情況調(diào)節(jié)，例如在供電服務(wù)領(lǐng)域，可以設(shè)定權(quán)重系數(shù)α1介于0.3～0.4之間，設(shè)定權(quán)重系數(shù)α2介于0.15～0.35之間，設(shè)定權(quán)重系數(shù)α3介于0.1～0.3之間，設(shè)定權(quán)重系數(shù)α4介于0.05～0.1之間。由此在計算問句相似度的過程中，可以通過針對詞形、句長、次序和距離四個維度進行相似性評估，并得到最終的、具有綜合性的問句相似度，保證問句相似度的準確性。

s104.從所述qa問答庫中讀取與所述最相似標準問句對應(yīng)的答復(fù)信息。

s105.反饋所述答復(fù)信息。

綜上，本實施例所提供的實現(xiàn)智能問答的信息處理方法，具有如下技術(shù)效果：(1)本發(fā)明所提供的信息處理方法，其核心思路是先對問題文本信息進行分句處理，獲取用戶問句，然后基于問句相似度在qa問答庫中找到與用戶問句最相似的標準問句及對應(yīng)的答復(fù)信息，由此相比較于現(xiàn)有基于關(guān)鍵詞檢索的問答方法，無需要求用戶具有關(guān)鍵詞分解的能力，全程自動化，大幅度提升用戶體驗，并提高搜索效果、反饋答案的針對性和有效性；(2)在問句相似度的計算過程中，實現(xiàn)了句模分析、詞法分析和詞義擴展等自然語言理解技術(shù)的融合，并通過進行多維度相似性的綜合計算，極大地提高了最終問句相似度在漢語自動問答過程中的準確性，從而可解決因中文固有的復(fù)雜性特點而難以實現(xiàn)漢語智能問答的問題，使?jié)h語系的智能問答系統(tǒng)成為可能；(3)本發(fā)明提供的實現(xiàn)智能問答的信息處理方法及其裝置，可拓展適用于諸如教育領(lǐng)域、行政領(lǐng)域和供電服務(wù)領(lǐng)域等行業(yè)領(lǐng)域中，便于實際推廣和應(yīng)用。

實施例二

圖2示出了本發(fā)明提供的實現(xiàn)智能問答的信息處理方法的裝置結(jié)構(gòu)示意圖。本實施例提供的所述裝置為實現(xiàn)實施例一所述的實現(xiàn)智能問答的信息處理方法的裝置，包括收發(fā)單元、問句獲取單元、問句相似度對比單元、答案獲取單元和qa問答庫；所述收發(fā)單元通信連接所述問句獲取單元，用于接收問題文本信息和反饋答復(fù)信息；所述問句獲取單元通信連接所述問句相似度對比單元，用于對所述問題文本信息進行分句處理，獲取用戶問句；所述問句相似度對比單元分別通信連接所述答案獲取單元和所述qa問答庫，用于分別計算所述用戶問句與在qa問答庫中各項標準問句的問句相似度，然后將問句相似度最高的標準問句作為與所述用戶問句對應(yīng)的最相似標準問句；所述答案獲取單元分別通信連接所述qa問答庫和所述收發(fā)單元，用于從所述qa問答庫中讀取與所述最相似標準問句對應(yīng)的答復(fù)信息；所述qa問答庫用于存儲各項標準問句和對應(yīng)的答復(fù)信息。

本實施例提供的所述裝置的工作方式和技術(shù)效果，可以基于實施例一中所描述的內(nèi)容得到，于此不再贅述。

如上所述，可較好地實現(xiàn)本發(fā)明。對于本領(lǐng)域的技術(shù)人員而言，根據(jù)本發(fā)明的教導(dǎo)，設(shè)計出不同形式的實現(xiàn)智能問答的信息處理方法及其裝置并不需要創(chuàng)造性的勞動。在不脫離本發(fā)明的原理和精神的情況下對這些實施例進行變化、修改、替換、整合和變型仍落入本發(fā)明的保護范圍內(nèi)。