1.本发明涉及语音识别领域，具体而言，涉及一种语音识别方法、电子设备及计算机可读存储介质。


背景技术：

2.在日常生活中，语音识别技术面临一个挑战—热词功能。热词功能是指，在不对语音识别模型进行额外训练的情况下，在极短的时间内，提升某些特定语句的识别概率，且这些特定语句是由用户自定义。常规的语音识别技术，一般依赖有限状态机进行神经网络后验概率的解码，且也是基于有限状态机(finite state transducer,fst)技术实现热词功能。
3.但是，基于fst技术实现的热词功能重度依赖fst组件，而fst的库文件和头文件的量均较大，使得热词功能的算法复杂度提高，导致语音识别速度较慢。


技术实现要素：

4.有鉴于此，本发明的目的在于提供一种语音识别方法、电子设备及计算机可读存储介质，其能够改善现有的基于fst技术实现的热词功能重度依赖fst组件，使得热词功能的算法复杂度提高，而导致语音识别速度较慢的问题。
5.为了实现上述目的，本发明实施方式采用的技术方案如下。
6.第一方面，本技术提供一种语音识别方法，采用如下的技术方案。
7.一种语音识别方法，所述方法包括：
8.将待识别语音进行转文字处理，得到在每个时间步识别出的多个识别词和各识别词的后验概率；
9.将每个所述时间步的各所述识别词与前后两个所述时间步的所有识别词一一组合，得到多条解码路径；
10.针对每条解码路径，遍历预设的字典树，查看该解码路径上的所有识别词是否与所述字典树上的热词匹配，以得到匹配结果；其中，所述字典树包括根节点、多个子节点及多个叶子节点，从根节点到一个叶子节点组成一个热词；
11.根据各所述识别词的所述后验概率以及所述匹配结果，得到每条所述解码路径的置信分数，根据所述置信分数，从各条所述解码路径中确定目标词句。
12.在一种可行的实施方式中，所述方法还包括构建字典树的步骤，该步骤包括：
13.基于解码词典，以最细粒度对热词表上的各热词进行分词，得到各热词的分词结果，所述分词结果包括多个有序的基本词；
14.设置根节点，将第一个所述热词的第一个基本词作为所述根节点的子节点，将该热词剩余每个所述基本词作为该基本词之前的基本词的子节点，最后一个基本词作为叶子节点；
15.对于剩余每个所述热词的第一个所述基本词，查询该基本词是否与所述根节点的
至少一个子节点相同，若否，则创建新的子节点，并基于该子节点和剩余所述基本词，创建该子节点之后的子节点；
16.否则，基于所述根节点的该子节点和剩余所述基本词，创建后续子节点；
17.直至处理完所有所述热词，得到字典树。
18.在一种可行的实施方式中，在所述得到匹配结果的步骤之后，在所述根据各所述识别词的所述后验概率以及所述匹配结果，得到每条所述解码路径的置信分数的步骤之前，所述方法还包括：
19.给所述匹配结果为成功的每条所述解码路径增加预设的概率值。
20.在一种可行的实施方式中，所述根据各所述识别词的所述后验概率以及所述匹配结果，得到每条所述解码路径的置信分数的步骤，包括：
21.将每条所述解码路径上各所述识别词的所述后验概率相加，并加上所述概率值，得到各条所述解码路径的置信分数；
22.其中，所述匹配结果为失败的解码按路径的概率值小于所述匹配结果为成功的解码路径的概率值。
23.在一种可行的实施方式中，在所述得到在每个时间步识别出的多个识别词和各识别词的后验概率的步骤之后，在所述将每个所述时间步的各所述识别词与前后两个所述时间步的所有识别词一一组合的步骤之前，所述方法还包括：
24.分别将各所述识别词的后验概率与阈值进行比较，并剔除所述后验概率小于阈值的识别词。
25.在一种可行的实施方式中，所述针对每条解码路径，遍历预设的字典树，查看该解码路径上的所有词是否与所述字典树上的热词匹配的步骤，包括：
26.针对每条所述解码路径，若该解码路径的第一个识别词至最后一个识别词，与所述字典树的所述根节点的至少一个子节点到至少一个叶子节点组成的热词对应，则该解码路径与所述字典树上的热词匹配，否则该解码路径与所述字典树上的热词不匹配。
27.在一种可行的实施方式中，所述将待识别语音进行转文字处理，得到在每个时间步识别出的多个识别词和识别词的后验概率的步骤，包括：
28.将待识别语音输入预设的神经网络，每间隔一个时间步，识别出多个识别词及各识别词的后验概率，所述神经网络被训练为在以待识别语音为输入的情况下，预测出所述待识别语音所对应的识别词及识别词的后验概率，所述后验概率表征识别词的正确率。
29.在一种可行的实施方式中，各所述时间步的总长与所述待识别语音的发音耗时一致。
30.第二方面，本技术提供一种电子设备，采用如下的技术方案。
31.一种电子设备，包括处理器和存储器，所述存储器存储有能够被所述处理器执行的机器可执行指令，所述处理器可执行所述机器可执行指令以实现如第一方面所述的语音识别方法。
32.第三方面，本技术提供一种计算机可读存储介质，采用如下的技术方案。
33.一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的语音识别方法。
34.本发明实施方式提供的语音识别方法，通过对待识别语音进行语音转文字处理所
得到的多个时间步的多个识别词进行一一组合后，得到多条解码路径，并遍历字典树，查询各解码路径的所有识别词组成的词组是否与字典树上的热词匹配，若匹配则表明热词识别成功，进而能够根据匹配结果和后验概率从解码路径中确定目标词句，采用字典树进行热词匹配，极大消除了对fst组件的依赖，降低了热词功能的算法复杂度，从而能够更快地识别热词，进而能够提高语音识别的速度和准确度。
35.为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施方式，并配合所附附图，作详细说明如下。
附图说明
36.为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施方式，因此不应被看作是对范围的限定，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相关的附图。
37.图1示出了本实施方式提供的电子设备的方框示意图。
38.图2示出了本实施方式提供的语音识别系统的结构示意图。
39.图3示出了本实施方式提供的终端的方框示意图。
40.图4示出了本实施方式提供的语音识别方法的部分流程示意图。
41.图5示出了本实施方式提供的语音识别方法的另一种流程示意图。
42.图6示出了图5中步骤s100的部分子步骤的流程示意图。
43.图7示出了本实施方式提供的部分字典树示意图。
44.图8示出了本实施方式提供的另一种字典树示意图。
45.图9示出了本实施方式提供的语音识别方法的又一种流程示意图。
46.图10示出了本实施方式提供的部分解码路径的示意图。
47.图11示出了本实施方式提供的语音识别装置的方框示意图。
48.图标：110
‑
电子设备；120
‑
存储器；130
‑
处理器；140
‑
通信模块；150
‑
终端；160
‑
收音装置；170
‑
语音识别模块；180
‑
语音识别装置；190
‑
转换模块；200
‑
匹配模块；210
‑
处理模块。
具体实施方式
49.下面将结合本发明实施方式中附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。通常在此处附图中描述和示出的本发明实施方式的组件可以以各种不同的配置来布置和设计。
50.因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明的实施方式，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施方式，都属于本发明保护的范围。
51.需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何
这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
52.随着语音标记数据的不断增加，以及神经网络方法的不断发展，语音识别技术也在不断进步，语音识别技术已经可以在常规通用场景下，取得令人满意的准确率以及识别速度。虽然通用语音技术已经取得了不错的成功，但面对日常的应用，依然存在不小的挑战。
53.在日常生活中，语音识别技术所面临的一个挑战就是热词功能。热词功能是指，在不对语音识别模型进行额外训练的情况下，在极短的时间内，提升某些特定语句的识别概率，且这些特定语句是由用户自定义。在常规的语音识别技术中，一般依赖有限状态机(finite state transducer,fst)进行神经网络后验概率的解码，且也是基于fst技术实现热词功能。
54.但是，基于fst技术实现的热词功能重度依赖fst组件，而fst的库文件和头文件的量均较大，使得热词功能的算法复杂度提高，导致语音识别速度较慢。
55.基于上述考虑，本发明提供一种语音识别方法。
56.请参照图1，是电子设备110的方框示意图。电子设备110包括存储器120、处理器130及通信模块140。存储器120、处理器130以及通信模块140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
57.其中，存储器120用于存储程序或者数据。所述存储器120可以是，但不限于，随机存取存储器120(random access memory，ram)，只读存储器120(read only memory，rom)，可编程只读存储器120(programmable read
‑
only memory，prom)，可擦除只读存储器120(erasable programmable read
‑
only memory，eprom)，电可擦除只读存储器120(electric erasable programmable read
‑
only memory，eeprom)等。
58.处理器130用于读/写存储器120中存储的数据、计算机程序或机器执行指令，并执行相应地功能。具体地，处理器130可以执行计算机程序或机器可执行指令以实现语音识别方法。
59.通信模块140用于通过网络建立电子设备110与其它通信终端150之间的通信连接，并用于通过网络收发数据。
60.应当理解的是，图1所示的结构仅为电子设备110的结构示意图，电子设备110还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
61.其中，电子设备110可以但不限于是：计算机、手机、ipad、服务器、笔记本电脑、移动上网设备等。
62.更为具体地，请参照图2和图3，图2为语音识别系统的结构示意图，图3为终端150的方框示意图，本发明提供的语音识别方法，可以应用于该语音识别系统中。该语音识别系统包括终端150，终端150上设置有收音装置160，终端150还包括支持人机交互的屏幕，且终
端150上还可以设置有虚拟按键以及搭载有语音识别模块170。从终端150上点击语音识别选项后，虚拟按键自动显示于屏幕上，此时长按虚拟按键，收音装置160可以识别语音，以录入待识别语音，待识别语音录入后，语音识别模块170启动开始采用语音识别方法，对该待识别语音进行识别，最终终端150屏幕上可显示出该待识别语音所对应的目标词句。其中，终端150可以但不限于是：计算机、手机、ipad、移动上网设备等。
63.此外，虚拟按键也可以用实际按键来进行代替。
64.在一种实施方式中，参照图4，为本发明提供的一种语音识别方法的流程示意图。本实施方式主要以该方法的执行主体为图中的语音识别模块170来举例说明。在本实施方式中，该方法可以包括以下步骤。
65.s101，将待识别语音进行转文字处理，得到在每个时间步识别出的多个识别词和各识别词的后验概率。
66.具体地，用户长按终端150上在选择语音识别选项后屏幕上显示的虚拟按键，并开始发音，收音装置160对该声音进行采集得到待识别语音。声音识别模块对收音装置160所采集的待识别语音进行转文字处理，得到在每个时间步识别出的多个识别词和各识别词的后验概率。
67.s103，将每个时间步的各识别词与前后两个时间步的所有识别词一一组合，得到多条解码路径。
68.具体地，语音识别模块170将每个时间步的各识别词，与该时间步前后两个时间步的所有识别词一一组合，得到多条解码路径。
69.例如，将待识别语音信息转文字处理时，一共有400个时间步，每个时间步识别出100个识别词，则完成转文字处理后，一共有100
400
条解码路径。
70.s105，针对每条解码路径，遍历预设的字典树，查看该解码路径上的所有识别词是否与字典树上的热词匹配，以得到匹配结果。
71.其中，字典树包括根节点、多个子节点及多个叶子节点，从根节点到一个叶子节点组成一个热词。
72.根节点即为起始节点，叶子节点即为终端150节点，字典树的根节点下的第一级子节点，即根节点的子节点有很多个，子节点的子节点也为很多个。从根节点到一个叶子节点的期间所有节点顺序组合后为一个热词。
73.具体地，对于每条解码路径，语音识别模块170遍历预设的字典树，查看该解码路径上的所有识别词是否与字典树上的热词匹配，若是，则该解码路径匹配成功，否则匹配失败。因此，匹配结果包括成功和失败。
74.s107，根据各识别词的后验概率以及匹配结果，得到每条解码路径的置信分数，根据置信分数，从各条解码路径中确定目标词句。
75.具体地，语音识别模块170根据各识别词的后验概率以及匹配结果，得到每条解码路径的置信分数，根据置信分数，从各条解码路径中确定目标词句。
76.在上述语音识别方法中，通过对待识别语音进行语音转文字处理所得到的多个时间步的多个识别词进行一一组合后，得到多条解码路径，并遍历字典树，查询各解码路径的所有识别词组成的词组是否与字典树上的热词匹配，若匹配则表明热词识别成功，进而能够根据匹配结果和识别词的后验概率从各条解码路径中确定目标词句，采用字典树进行热
词匹配，极大消除了对fst组件的依赖，降低了热词功能的算法复杂度，从而能够更快地识别热词，进而能够提高语音识别的速度，且能够提高语音识别的准确度。
77.上述语音识别方法，基于字典树实现，因此，参照图5，本实施方式提供的语音识别方法还包括步骤s100，该步骤在步骤s101之前执行。且需要说明的是，每次执行步骤s101
‑
s107，无需每次都进行步骤s100。步骤s100在执行一次之后，只需定时更新。
78.s100，构建字典树。
79.应当理解的是，字典树可以在另一台设备上构建之后，存储到图中的终端150内，进行使用。
80.请继续参照图5，本实施方式提供的语音识别方法还包括步骤s106。步骤s106在步骤s105之后，在步骤s107之前执行。
81.s106，给匹配结果为成功的每条解码路径增加预设的概率值。
82.通过增加匹配成功的解码路径的概率值，有助于后续得到的待识别语音所对应的目标词句更为准确。
83.在一种实施方式中，参照图6，为步骤s100的部分子步骤的流程图，包括以下步骤。
84.s100
‑
1，基于解码词典，以最细粒度对热词表上的各热词进行分词，得到各热词的分词结果。
85.其中，分词结果包括多个有序的基本词。热词表可以为用户提供的，此时，热词表的热词为用户自身确定的热词。
86.例如，当热词为“语音识别”时，经过分词之后，得到的分词结果为“语”、“音”、“识”和“别”。
87.并且，可采用任一种分词器，基于解码词典，以最细粒度对各热词进行分词。在汉语分词中，最细粒度即为单字。
88.s100
‑
2，设置根节点。
89.其中，根节点上没有任何词，且根节点可以为任何不属于词的字符，例如，对于中文字典树，根节点可以用“root”。
90.s100
‑
3，将第一个热词的第一个基本词作为根节点的子节点，将该热词剩余每个基本词作为该基本词之前的基本词的子节点，最后一个基本词作为叶子节点。
91.具体地，在初始构建字典树时，即只有根节点时，将第一个热词的第一个基本词作为根据的子节点，再将第一个热词的第二基本词作为第一个基本词的子节点，之后的基本词也遵循这样的规律，直到第一个热词的最后一个基本词作为叶子节点。
92.例如，参照图，“热词构造”的分词结果为“热”、“词”、“构”、“造”。此时，若“热词构造”为第一个热词，则“热”是根节点“root”的第一个子节点，“词”是“热”的第一个子节点，“构”是“词”的第一个子节点，“造”是“构”的第一个子节点。
93.s100
‑
4，对于剩余每个热词的第一个基本词，查询该基本词是否与根节点的至少一个子节点相同。若否，则执行步骤s100
‑
5，否则知道步骤s100
‑
6。s100
‑
5，创建新的子节点，并基于该子节点和剩余基本词，创建该子节点之后的子节点。
94.例如，参照图7，“热词识别”不是第一个热词，且第一个热词为“热词构造”，“热词识别”的分词结果为“热”、“词”、“识”、“别”。则，在第一个热词之后，字典树上已有“热”和“词”，而“识”还没有，因此，在“词”之下创建新的子节点，并将“识”作为该子节点的内容，并
在“别”作为“识”的子节点。
95.s100
‑
6，基于根节点的该子节点和剩余基本词，创建后续子节点。
96.例如，参照图8，待加入字典树的热词为“语音识别”，其分词结果为“语”、“音”、“识”和“别”，且字典树上目前只有“热词构造”与“热词识别”，则在根节点“root”上创建新子节点“语”，并基于子节点“语”创建后续的节点“音”、“识”、“别”。
97.s100
‑
7，若热词表中的热词已处理完，得到字典树。
98.通过上述方法，能够构建字典树。
99.并且，当需要往建好的字典树上添加新的热词时，采用步骤s100
‑
4至s100
‑
6的方法即可。
100.此外，在字典树上添加了热词“语音识别”的“语”和“音”之后，不能直接将字典树上已有的“识”作为“音”的子节点。
101.继续参照图8，但当,在字典树上添加的热词为“语音识别技术”时，字典树上的已有的热词“热词识别”的“识”不能作为热词“语音识别技术”的“音”的子节点。即，在创建字典树时，遵循只有从根节点到叶子节点才是热词的原则，后续添加的热词不能破坏字典树上已有的热词。换而言之，组成一个完整热词的叶子节点不能拥有子节点，即字典树上已有的叶子节点不能作为新热词的某一基本词的父节点。
102.在一种实施方式中，步骤s101可以通过以下方法实现：将待识别语音输入预设的神经网络，每间隔一个时间步，识别出多个识别词及各识别词的后验概率。
103.其中，神经网络被训练为在以待识别语音为输入的情况下，预测出待识别语音所对应的识别词及识别词的后验概率。后验概率表征识别词的正确率。
104.此外，进行待识别语音转文字处理的神经网络，可以是用任一种算法训练出来的。采用神经网络进行语音转文字处理，即进行语音解码，是基于fst的语音识别解码和ctc语音识别解码等语音识别解码常用的方法。
105.需要说明的是，一个待识别语音进行转文字处理时，有多个时间步。
106.并且，各时间步的总长与待识别语音的发音耗时一致。
107.例如，4秒的待识别语音，每10ms为一个时间步，则共有400个时间步。为了在一定程度上避免待识别语音转文字处理后，得到的识别词在后续匹配时增大匹配复杂度，参照图9，本实施方式提供的语音识别方法还包括步骤s102。
108.s102，分别将各识别词的后验概率与阈值进行比较，并剔除后验概率小于阈值的识别词。
109.后验概率低于阈值的识别词，其为正确识别词的概率极小。
110.在一种实施方式中，可以通过以下步骤实现s105中的“针对每条解码路径，遍历预设的字典树，查看该解码路径上的所有识别词是否与字典树上的热词匹配”：
111.针对每条解码路径，若该解码路径的第一个识别词至最后一个识别词，与字典树的所述根节点的至少一个子节点到至少一个叶子节点组成的热词对应，则该解码路径与字典树上的热词匹配，否则该解码路径与字典树上的热词不匹配。
112.例如，解码路径上的所有识别词为“热词识别”，字典树上从根节点到叶子节点上有“热”、“词”、“识”和“别”，此时解码路径上的识别词和字典树上根节点到叶子节点组成的热词对应，匹配成功。
113.解码路径上的所有识别词为“图像识别”，字典树上从根节点到叶子节点组成的热词没有与“图像识别”对应的词，此时解码路径上的识别词和字典树上的热词未对应，匹配失败。
114.例如，参照图10，为某次对待测语音识别得到的解码路径，该待测语音一共有四个时间步，每个时间步有3个识别词，故而一共有81条解码路径。其中“eps”表示为空。待识别语音所对应的正确目标词句为“热词构造”。
115.经将该81条解码路径分别与字典树进行匹配后，可得出解码路径“热
‑
>词
‑
>构
‑
>造”和解码路径“热词
‑
>eps
‑
>eps
‑
>构造”与字典树上根节点到叶子节点组成的热词相对应，因此，这两条路径匹配成功，其他两条路径匹配失败。
116.在一种实施方式中，通过以下步骤能够实现步骤s107中的“根据各识别词的后验概率以及匹配结果，得到每条解码路径的置信分数，根据置信分数”：
117.将每条解码路径上各识别词的后验概率相加，并加上概率值，得到各条解码路径的置信分数。
118.其中，匹配结果为失败的解码路径的概率值小于匹配结果为成功的解码路径的概率值。
119.具体地，匹配结果为失败的解码路径的概率值可以为零，也可以为任意小于匹配结果为成功的解码路径的概率值的值。
120.进一步地，在执行完步骤s103，已得到多条解码路径时，即可将识别词的后验概率相加后得到的分数小于一定值的解码路径剔除，以减少后续基于字典树匹配时的匹配用时。
121.并且，剔除的解码路径将被永远剔除，不进入后续步骤s107中确定目标词句的流程中。
122.在上述基础上，通过以下步骤可以实现步骤s107中的“根据所述置信分数，从各条所述解码路径中确定目标词句”：
123.比较各条解码路径的置信分数，将置信分数最大的解码路径上的各识别词顺序组合得到目标词句。
124.在其他实施方式中，可以将置信分数大于一定阈值的解码路径上的各识别词顺序组合得到多个目标词句。
125.目标词句即为待测语音最终识别出的文字。
126.与常规的语音识别技术中的热词功能相比，本发明提供的语音识别方法，基于字典树进行热词匹配，对其他组件的依赖极少，仅需字典树数据结构即可，且其算法复杂度为lgn，使得算法复杂度极小，因此能够极大地提高匹配速度，进而提高语音识别速度。
127.为了执行上述实施方式及各个可能的方式中的相应步骤，下面给出一种语音识别装置180的实现方式，可选地，该语音识别装置180可以采用上述图1所示的电子设备110的器件结构。进一步地，请参阅图11，图11为本发明实施方式提供的一种语音识别装置180的功能模块图。需要说明的是，本实施方式所提供的语音识别装置180，其基本原理及产生的技术效果和上述实施方式相同，为简要描述，本实施方式部分未提及之处，可参考上述的实施方式中相应内容。该语音识别装置180包括转换模块190、匹配模块200和处理模块210。
128.转换模块190，用于将待识别语音进行转文字处理，得到在每个时间步识别出的多
个识别词和各识别词的后验概率，以及将每个时间步的各识别词与前后两个时间步的所有识别词一一组合，得到多条解码路径。
129.匹配模块200，用于针对每条解码路径，遍历预设的字典树，查看该解码路径上的所有识别词是否与字典树上的热词匹配，以得到匹配结果。
130.其中，字典树包括根节点、多个子节点及多个叶子节点，从根节点到一个叶子节点组成一个热词。
131.处理模块210，用于根据各识别词的后验概率以及匹配结果，得到每条解码路径的置信分数，根据置信分数，从各条解码路径中确定目标词句。
132.可选地，上述模块可以软件或固件(firmware)的形式存储于图1所示的存储器120中或固化于该电子涉笔的操作系统(operating system，os)中，并可由图1中的处理器130执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器120中。
133.在本技术所提供的几个实施方式中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施方式仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施方式的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
134.另外，在本发明各个实施方式中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
135.所述功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read
‑
only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
136.以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。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。