一种学习资源推送方法和装置
技术领域
本申请涉及信息推送技术,尤其涉及一种学习资源推送方法和装置。
背景技术
在现有的在线教育产品中,通常是基于用户对单个题目解答的正误来判定是否下次向用户推送与该题目相似或相同的训练材料,从而基于这些训练材料来提升用户的学习成绩。但是,由于用户解答单个题目的正误必然存在偶然性因素,单个题目是否正确并不能完全反映用户对这个题目是否真正掌握的事实,因此,有必要提供一种可以较好地反映用户对所答的题目是否真正掌握从而推荐出更符合用户的切实需求的学习资源的方法和装置。
发明内容
本申请的目的之一是针对用户的实际学习情况,推荐适合其切实提升学习成绩的学习资源。
根据本申请的一个实施例,提供了一种学习资源推送方法,包括:
根据采集到的用户的历史答题,确定所述历史答题包括的知识点和所述用户的历史答题正误信息;
基于所确定的历史答题包括的知识点和所述用户的历史答题正误信息,判断所述用户对所述历史答题包括的知识点的掌握程度;
基于所判断出的用户对知识点的掌握程度,确定待推荐的学习资源包括的特定知识点;
将包括特定知识点的学习资源推送给所述用户。
根据本申请的另一个实施例,还提供了一种学习资源推送装置,包括:
第一确定单元,用于根据采集到的用户的历史答题,确定所述历史答题包括的知识点和所述用户的历史答题正误信息;
判断单元,用于基于所确定的历史答题包括的知识点和所述用户的历史答题正误信息,判断所述用户对所述历史答题包括的知识点的掌握程度;
第二确定单元,用于基于所判断出的用户对知识点的掌握程度,确定待推荐的学习资源包括的特定知识点;
推送单元,用于将包括特定知识点的学习资源推送给所述用户。
与现有技术相比,本申请具有以下优点:
本申请提供的方法和装置基于用户的历史答题的情况,从中分析用户对这些答题所包括的知识点的掌握程度,从而更真实地反映用户对各题是否掌握的情况,从而推荐出更符合用户切实需求的学习资源来提升用户的学习成绩。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本申请的其它特征、目的和优点将会变得更明显:
图1为根据本申请一个优选实施例的学习资源推送方法的流程图;
图2为根据本申请另一个优选实施例的学习资源推送方法的流程图;
图3为根据本申请又一个优选实施例的学习资源推送方法的流程图;
图4为根据本申请再一个优选实施例的学习资源推送方法的流程图;
图5为根据本申请还一个优选实施例的学习资源推送方法的流程图;
图6为根据本申请一个优选实施例的学习资源推送装置的示意性框图;
附图中相同或相似的附图标记代表相同或相似的部件。
具体实施方式
下面结合附图对本申请作进一步详细描述。
在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
在上下文中所称“计算机设备”,也称为“电脑”,是指可以通过运行预定程序或指令来执行数值计算和/或逻辑计算等预定处理过程的智能电子设备,其可以包括处理器与存储器,由处理器执行在存储器中预存的存续指令来执行预定处理过程,或是由ASIC、FPGA、DSP等硬件执行预定处理过程,或是由上述二者组合来实现。计算机设备包括但不限于服务器、个人电脑、笔记本电脑、平板电脑、智能手机等。
所述计算机设备包括用户设备与网络设备。其中,所述用户设备包括但不限于电脑、智能手机、PDA等;所述网络设备包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算(CloudComputing)的由大量计算机或网络服务器构成的云,其中,云计算是分布式计算的一种,由一群松散耦合的计算机集组成的一个超级虚拟计算机。其中,所述计算机设备可单独运行来实现本申请,也可接入网络并通过与网络中的其他计算机设备的交互操作来实现本申请。其中,所述计算机设备所处的网络包括但不限于互联网、广域网、城域网、局域网、VPN网络等。
需要说明的是,所述用户设备、网络设备和网络等仅为举例,其他现有的或今后可能出现的计算机设备或网络如可适用于本申请,也应包含在本申请保护范围以内,并以引用方式包含于此。
后面所讨论的方法(其中一些通过流程图示出)可以通过硬件、软件、固件、中间件、微代码、硬件描述语言或者其任意组合来实施。当用软件、固件、中间件或微代码来实施时,用以实施必要任务的程序代码或代码段可以被存储在机器或计算机可读介质(比如存储介质)中。(一个或多个)处理器可以实施必要的任务。
这里所公开的具体结构和功能细节仅仅是代表性的,并且是用于描述本申请的示例性实施例的目的。但是本申请可以通过许多替换形式来具体实现,并且不应当被解释成仅仅受限于这里所阐述的实施例。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
应当理解的是,当一个单元被称为“连接”或“耦合”到另一单元时,其可以直接连接或耦合到所述另一单元,或者可以存在中间单元。与此相对,当一个单元被称为“直接连接”或“直接耦合”到另一单元时,则不存在中间单元。应当按照类似的方式来解释被用于描述单元之间的关系的其他词语(例如“处于…之间”相比于“直接处于…之间”,“与…邻近”相比于“与…直接邻近”等等)。
这里所使用的术语仅仅是为了描述具体实施例而不意图限制示例性实施例。除非上下文明确地另有所指,否则这里所使用的单数形式“一个”、“一项”还意图包括复数。还应当理解的是,这里所使用的术语“包括”和/或“包含”规定所陈述的特征、整数、步骤、操作、单元和/或组件的存在,而不排除存在或添加一个或更多其他特征、整数、步骤、操作、单元、组件和/或其组合。
还应当提到的是,在一些替换实现方式中,所提到的功能/动作可以按照不同于附图中标示的顺序发生。举例来说,取决于所涉及的功能/动作,相继示出的两幅图实际上可以基本上同时执行或者有时可以按照相反的顺序来执行。
根据本申请的一个实施例,提供了一种学习资源推送方法,请参考图1。
其中所述学习资源包括但不限于学习方法、训练试题等。
其中所述学习资源推送方法可以由计算机设备执行。
根据图1,所述学习资源推送方法包括:
S101,根据采集到的用户的历史答题,确定所述历史答题包括的知识点和所述用户的历史答题正误信息。
所述采集到的用户的历史答题,可以针对用户在不特定的多个答题系统上的历史答题,也可以针对用户在特定的答题系统上的历史答题,其中所述答题系统例如为某网站推出的在线答题系统。
优选地,所述采集到的用户的历史答题,针对在特定的答题系统上注册的用户的历史答题,如此,可以更准确地获得注册用户本人的历史答题。
其中所述历史答题包括但不限于历史试题、历史答案、历史解题步骤等。
其中所述知识点,例如高中数学中常见的合并同类项、系数化一等。
其中答题包括的知识点可以预先分析得到,且与历史试题预先存储在计算机设备中,通常,一道试题可以包括一个或多个知识点。例如计算机设备中有1000道试题,而在一次测试中,答题系统筛选了其中的100道试题提供给用户作答,在这100道试题中,其中有10道试题仅包括知识点A,有20道题既包括知识点A又包括知识点B,有70道试题既包括知识点B又包括知识点C,则如果将用户针对这100道试题进行的解答视为采集到的历史答题,则这100道试题包括的知识点有A、B和C。
其中所述用户的历史答题正误信息,可以指用户答对或答错试题的数量。以上述的100道试题为例,如果用户答错仅包括知识点A的试题为5道,答错既包括知识点A又包括知识点B的试题也为5个,其他试题均解答正确,则此例中所述用户的历史答题正误信息可以包括:答错仅包括知识点A的试题为5道,答错既包括知识点A又包括知识点B的试题也为5个,答错既包括知识点B又包括知识点C的试题为0个。
S102,基于所确定的历史答题包括的知识点和所述用户的历史答题正误信息,判断所述用户对所述历史答题包括的知识点的掌握程度。
其中所述用户对所述历史答题包括的知识点的掌握程度的判断,例如通过以下的计算来实现:
仍以上述的100道试题为例,所述用户对知识点A的掌握程度为:
(1)计算用户答错知识点A的概率(例如以PA表示):
PA=5/10+5/20*1/2=0.675
其中,上式中的5/10表示用户答错仅包括知识点A的试题占这100道试题中仅包括知识点A的试题的概率,5/20表示用户答错既包括知识点A又包括其他知识点的试题占这100道试题中既包括知识点A又包括其他知识点的试题的概率,1/2表示知识点A在既包含有知识点A又包含知识点B的20道试题的两类知识点中所占据的比重。
(2)计算用户对知识点A的掌握程度,可以以分数或小数表示:
1-0.675=0.375
同理,计算用户对知识点B、知识点C的掌握程度,分别为0.875和1。
当然,上述计算方式仅是一种示例,其他可适用本发明的判断用户对历史答题包括的知识点的掌握程度的计算方式,以引用的方式包含在本发明中。
S103,基于所判断出的用户对知识点的掌握程度,确定待推荐的学习资源包括的特定知识点。
为了更有针对性地推送适合用户的学习资源,本实施例重点推送用户知识点薄弱的学习资源,以全面提升用户对各个知识点的掌握程度。
例如,上述的100道试题为例,已判断出用户对知识点A、B、C的掌握程度分别为0.375、0.875和1,则可知,用户的薄弱知识点包括A和B,因此,将所述知识点A和B视为待推荐的学习资源包括的特定知识点。
S104,将包括特定知识点的学习资源推送给所述用户。
例如,如果确定待推荐的学习资源包括的特定知识点为A和B,则向用户推送包括知识点A或/B的学习资源,其中所述学习资源如包括仅包括知识点A的试题、仅包括知识点B的试题、既包括知识点A又包括知识点B的试题、既包括知识点A又包括除B以外的知识点的试题、既包括知识点B又包括除A以外的知识点的试题等等。
与基于用户对单个题目的单次解答的正误而进行学习资源的推荐的现有技术相比,图1所提供的实施例通过对用户的历史答题过程中的知识点掌握情况进行精确地分析,有效地排除了用户在答题过程中因偶然性因素而答对或答错试题而不加分析地推荐给不符合用户实际需求的学习资源的情况,也即本实施例可以推送给更符合用户实际需求的学习资源。
例如,对于解答主观题X时,虽然用户最终给出的答案与该主观题X的标准答案相同,但是该用户的答题步骤存在错误,例如遗漏该主观题X所包含的某个或某些知识点。对于这样的情况,现有技术可能视为用户的解答正确,不再向用户推荐类似主观题X的学习资源,而本申请实施例由于是针对用户答题过程中的知识点进行全面分析,则针对用户薄弱的知识点依然可能推荐类似主观题X的学习资源,从而全面覆盖用户各知识点的提升。
可选地,请参考图2,根据本申请的另一个实施例,所述学习资源推送方法还包括:
步骤S201,从采集到的用户的历史答题中确定所述用户对所述历史答题中各试题的解题思路。
其中所述解题思路主要针对主观题而言,例如针对解方程、数学证明题、计算题等等而言,所述解题思路可以指解答试题的各种方式、方法。以下文的需要用到方程的试题为例:
-姐妹两养兔100只,姐姐养的1/3比妹妹养的1/10多16只,求姐妹两各养多少只兔?
针对该试题,其中用户A的解题步骤包括:
步骤一:设姐姐养X只兔,妹妹养Y只兔,则有:
X+Y=100;(1)
步骤二:1/3*X-1/10*Y=16;(2)
将上式(2)乘以3与上式(1)相减,得到:
-13/10*Y=-52
Y=40
X=100-40=60
则从上述用户A对该试题的答题过程来看,用户对该试题的解题思路为:先列出兔子的总量关系方程,再列出姐妹拥有不同数量兔子的差量关系方程,然后解这两方程。
当然,上述示例的解题思路仅是多个例子中的一个,其他解题思路如可适用本发明,以引用的方式包含于此。
步骤S202,基于所述确定的解题思路与所述历史答题中各试题的标准解题思路的比较,判断所述用户对所述历史答题中各试题的标准解题思路的掌握程度。
其中所述掌握程度可以以分数、小数等来表示。
仍以上述涉及兔子的试题而言,如果所述标准解题思路与用户A提供的解题思路相同,即通过将标准解题思路与户A提供的解题思路进行比较,两者相同,则可以判断所述用户A对所述涉及兔子的试题的标准解题思路的掌握程度为100%。
如果用户A提供的并不是上文所述的解题步骤,而是在解题的过程中仅列出了兔子的总量关系方程,没有列出或没有正确列出姐妹拥有不同数量兔子的差量关系方程,则通过将标准解题思路与户A提供的解题思路进行比较,判断得到用户A对所述涉及兔子的试题的标准解题思路的掌握程度为小于1的分数或小数。至于该掌握程度的具体计算,可以根据标准解题思路中所包含的子解题思路的权重来进行,例如在上述标准解题思路中,各子解题思路的权重如下表1所示:
表1
如果用户仅列出了兔子的总量关系方程,则判断所述用户对所述试题的标准解题思路的掌握程度为10%。
当然,上述掌握程度的计算也仅是一种示例,其他对掌握程度的计算方式如可适用本发明,以引用的方式包含于此。
步骤S203,基于对所述标准解题思路的掌握程度的判断,确定待推荐的学习资源包括的特定标准解题思路。
为了更有针对性地向用户推送适合其学习的资源,本实施例重点推送用户可以提升其存在薄弱之处的解题思路的学习资源。也即,此处的特定标准解题思路主要指用户存在薄弱之处、需要加强巩固的解题思路。
基于上述步骤S201~步骤S203,其中所述将包括特定知识点的学习资源推送给所述用户的步骤S104还可以包括:
-步骤S204,将包括特定知识点且包括所述特定标准解题思路的学习资源推送给所述用户。
如此,本实施例在考虑用户存在薄弱知识点的同时分析用户存在薄弱之处的解题思路,进而可以更好地为用户推荐适合其开阔其解题思路和巩固薄弱知识点的学习资源。
例如,对于上述涉及兔子的试题,如果用户既不能准确列出姐妹拥有不同数量兔子的差量关系方程,又存在解方程过程中的系数化一的知识点错误问题,则基于本实施例,可以向用户推荐包括系数化一的知识点且涉及差量关系方程的解题思路的学习资源。
根据本申请图1~图2所提供的实施例,本申请相对于现有技术而言,本申请不仅可以基于待推荐的学习资源的相似度进行推荐,可以在此基础上综合了用户对知识点的掌握、解题思路的掌握等用户本身的因素进行分析,从而可以针对用户的真实学习情况,推荐出更符合用户需求的学习资源。
可选地,请参考图3,根据本申请的另一个实施例,所述学习资源推送方法还包括:
步骤S301,采集用户的教育属性。
其中,用户的教育属性包括但不限于:
-用户所在地域(如所在省、所在市、所在县、所在农村还是所在城市等)的平均教育水平;
-用户所在学校、班级的学生的历史答题反馈(如对于二元二次方程的试题,X校X班的学生中的90%能够成功解答);
-该用户对不同难度的历史答题的反馈(例如,将不同的试题划分为不同的难度等级A~C,其中C为最难,而该用户对难度等级A~B的试题都能成功解答,对于难度等级C的试题成功解答的概率为50%)。
当然,上述列出的教育属性仅是示例,其他可适用本发明的教育属性,以引用的方式包含于此。
所述采集的方式可以通过网上搜集、线下问卷调查等等进行,在此不作限定。
步骤S302,确定与所述用户的教育属性对应的待推荐学习资源的难度。
本实施例中,根据用户的教育属性的不同,所确定的待推荐学习资源的难度不同。具体而言,如果用户所在地域的平均教育水平相对较高,则确定待推荐的学习资源的难度相对较大,由此进一步提升用户的学习水平。
同理,根据用户的所在学校、班级的学生的历史答题反馈或/和该用户对不同难度的历史答题的反馈,来确定待推荐的学习资源的难度。
当然,可以基于所述用户的教育属性中的任何一项来确定待推荐的学习资源的难度,也可以基于其中的多项来确定待推荐的学习资源的难度。
在基于其中的多项来确定时,可以根据所述教育属性中各项的不同权重来综合确定。例如,根据用户所在地域的平均教育水平所确定的待推荐的学习资源的难度以α表示,根据用户的所在学校、班级的学生的历史答题反馈所确定的待推荐的学习资源的难度以β表示,根据该用户对不同难度的历史答题的反馈所确定的待推荐的学习资源的难度以γ表示,而综合这三项确定的难度可以表示为:
α*权重1+β*权重2+γ*权重3
其中,权重1、2和3分别表示所述教育属性中上述三项的不同权重。
则在本实施例中,如果用户所在地域的平均教育水平相对较高,则待推荐的学习资源的难度α越大;同理,针对其他两项教育属性亦然。
基于上述步骤S301和步骤S302,其中所述将包括特定知识点的学习资源推送给所述用户的步骤S104还可以包括:
-步骤S303,将包括特定知识点且与所述用户的教育属性对应难度的学习资源推送给所述用户。
本申请实施例基于对用户教育属性的分析,从而使得推荐出的学习资源不会如现有技术中不区分用户实际教育背景而机械地推送而导致推送出的学习资源可能对用户来说过难或过于容易,无法达到适合用户提升的难度,从而不利于用户有效地提升学习成绩,也即,本申请实施例有效地克服了上述缺陷。
可选地,请参考图4,根据本申请的另一个实施例,所述学习资源推送方法还包括:
步骤S401,根据采集到的用户的历史答题中用户近期答题所得的分数,确定所述用户的近期成绩水平。
其中所述近期答题所得的分数,例如为用户最近三次的阶段性测试所得的分数。
其中所述近期成绩水平,可以指对用户近期答题所得的分数的均值,也可以指对用户近期答题所得的分数的加权平均值,在此不作限定,可以以分数表示或其他形式表示,例如用户的近期数学成绩水平为87分。
步骤S402,判定与所述用户的近期成绩水平对应的待推荐学习资源的难度。
由于对于不同成绩水平的用户而言,其需要巩固和提升的学习内容不同,对于基础薄弱的用户,需要推荐基础性的学习内容,而对于基础较好的用户,需要推荐进一步提升的学习内容。
在确定了用户的近期成绩水平的情况下,可以根据该成绩水平进行成绩上的区段划分,例如将成绩水平在80分~90分的用户划分到优秀区段,将成绩水平在60分~79分的用户划分到及格区段,将成绩水平在60分以内的用户划分到不及格区段,如此,针对各区段的用户,确定与其对应的待推荐学习资源的不同难度,例如对于优秀区段的用户,确定待推荐学习资源的难度为0.2~0.5的范围。
基于上述步骤S401和步骤S402,其中所述将包括特定知识点的学习资源推送给所述用户的步骤还可以包括:
-步骤S403,将包括特定知识点且与所述用户的近期成绩水平对应难度的学习资源推送给所述用户。
可选地,在图3所示的实施例的基础上,请参考图5,根据本申请的另一个实施例,所述学习资源推送方法还包括:
步骤S501,根据采集到的用户的历史答题中用户近期答题所得的分数,确定所述用户的当前成绩水平。
该步骤S501可参考上文的步骤S401,为简明起见,不再赘述。
步骤S502,根据所确定的当前成绩水平,对所确定的与所述用户的教育属性对应的待推荐学习资源的难度进行加权。
例如,根据用户的教育属性,确定待推荐学习资源的难度用N表示,则在此基础上,根据所确定的用户的当前成绩水平,对所述难度N进行加权调整,例如乘以一个权重系数F,得到加权后的难度F*N。
当然,这仅是加权的示例之一,其他加权的方法如可适用本发明,以引用的方式包含于此。
其中所述将包括特定知识点且与所述用户的教育属性对应难度的学习资源推送给所述用户的步骤可以包括:
-步骤S503,将包括特定知识点且与所述加权后的难度对应的学习资源推送给所述用户。
可选地,除图1~图5所提供的基于对用户知识点维度、解题思路、教育属性或/和近期成绩水平的分析从而推荐出符合用户切实需求的学习资源外,还可以基于对用户答题风格的分析(例如聚类分析),来进一步推荐出更符合用户切实需求的学习资源。
其中所述答题风格,例如包括但不限于“答题不仔细,存在马虎错误”、“基础知识点掌握不牢靠、基础薄弱”等,从而基于对用户答题风格的分析,可以确定用户的弱点及容易提升的学习点,更具针对性地给用户推荐适合其提升的学习资源。
需要说明的是,上述实施例提供的方法仅仅为了示例的目的,而不是对本申请范围的限制。在某些情况下,可以根据具体情况增加或减少某些步骤,也可以将上述图1~图5中的某些步骤进行组合或结合。
可选地,在确定所推送的学习资源的情况下,还可以根据预定的一个或多个维度(如根据一个或多个维度加权而得到的值)或规则,对所推送的学习资源进行排序,从而确定哪些学习资源优先推送,哪些学习资源可以次优先推送等,从而更利于推送更适合用户的学习资源。
根据本申请的一个实施例,提供了一种学习资源推送装置,请参考图6,根据图6,所述学习资源推送装置包括:
第一确定单元601,用于根据采集到的用户的历史答题,确定所述历史答题包括的知识点和所述用户的历史答题正误信息;
判断单元602,用于基于所确定的历史答题包括的知识点和所述用户的历史答题正误信息,判断所述用户对所述历史答题包括的知识点的掌握程度;
第二确定单元603,用于基于所判断出的用户对知识点的掌握程度,确定待推荐的学习资源包括的特定知识点;
推送单元604,用于将包括特定知识点的学习资源推送给所述用户。
可选地,所述第一确定单元601还用于:
-从采集到的用户的历史答题中确定所述用户对所述历史答题中各试题的解题思路;
所述判断单元602还用于:
-基于所述确定的解题思路与所述历史答题中各试题的标准解题思路的比较,判断所述用户对所述历史答题中各试题的标准解题思路的掌握程度;
所述第二确定单元603还用于:
-基于对所述标准解题思路的掌握程度的判断,确定待推荐的学习资源包括的特定标准解题思路;
所述推送单元604用于:
-将包括特定知识点且包括所述特定标准解题思路的学习资源推送给所述用户。
可选地,所述学习资源推送装置还包括:
-教育属性采集单元(图中未示出),用于采集用户的教育属性;
-难度确定单元(图中未示出),用于确定与所述用户的教育属性对应的待推荐学习资源的难度;
其中所述推送单元604用于:
-将包括特定知识点且与所述用户的教育属性对应难度的学习资源推送给所述用户。
可选地,所述学习资源推送装置还包括:
-成绩确定单元(图中未示出),用于根据采集到的用户的历史答题中用户近期答题所得的分数,确定所述用户的近期成绩水平;
-难度判定单元(图中未示出),用于判定与所述用户的近期成绩水平对应的待推荐学习资源的难度;
其中所述推送单元604用于:
-将包括特定知识点且与所述用户的近期成绩水平对应难度的学习资源推送给所述用户。
可选地,所述学习资源推送装置还包括:
-成绩确定单元(图中未示出),用于根据采集到的用户的历史答题中用户近期答题所得的分数,确定所述用户的近期成绩水平;
-加权处理单元(图中未示出),用于根据所确定的当前成绩水平,对所确定的与所述用户的教育属性对应的待推荐学习资源的难度进行加权;
其中所述推送单元604用于:
-将包括特定知识点且与所述加权后的难度对应的学习资源推送给所述用户。
应当理解,图6所述的结构框图仅仅是为了示例的目的,而不是对本申请范围的限制。在某些情况下,可以根据具体情况增加或减少某些设备。
所属技术领域的技术人员知道,本申请可以实现为系统、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:可以是完全的硬件,也可以是完全的软件,还可以是硬件和软件结合的形式。
附图中的流程图和框图显示了根据本申请的多个实施例的系统、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操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。
对于本领域技术人员而言,显然本申请不限于上述示范性实施例的细节,而且在不背离本申请的精神或基本特征的情况下,能够以其他的具体形式实现本申请。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本申请的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。