发明内容
针对于此,本发明提出了一种新的用户社会关系识别装置和方法,其可以使用用户的Wi-Fi连接信息,建立用户社会关系,从而可以解决因缺少用户社交数据而无法获取社会关系的问题。
根据本发明的一个方面,公开了一种用户社会关系识别装置,其包括:Wi-Fi连接信息收集单元,用于收集用户使用的终端设备在预定场景时间段内的Wi-Fi连接信息,预定场景时间段对应于预定场景;场景Wi-Fi识别单元,用于根据Wi-Fi连接信息识别终端设备在预定场景下对应的场景Wi-Fi;以及一度人脉关系标定单元,用于标定对应于相同场景Wi-Fi的终端设备的用户之间具有一度人脉关系。
由此,可以根据用户所使用的终端设备的Wi-Fi连接信息,将对应于相同场景Wi-Fi的终端设备的用户之间标定为具有一度人脉关系。
优选地,预定场景包括工作场景和/或家居场景;预定场景时间段包括工作时间段和/或家居时间段;工作时间段为工作日的工作时间中的设定时间段;家居时间段为每日晚间的设定时间段。
优选地,场景Wi-Fi识别单元可以包括:统计单元,用于统计用户使用的终端设备在预定场景时间段内连接各个Wi-Fi的连接次数比率;子识别单元,用于将连接次数比率最大的Wi-Fi识别为终端设备在预定场景下对应的场景Wi-Fi。
优选地,如果连接次数比率最大的Wi-Fi的连接次数比率小于预定场景比率阈值,则子识别单元认定终端设备在预定场景下没有对应的场景Wi-Fi。
优选地,一度人脉关系标定单元可以包括:关系矩阵建立单元,用于建立对应于每个预定场景的场景关系矩阵Mk,如果第i个用户与第j个用户在第k个预定场景下对应于相同的场景Wi-Fi,则设Mk中第i行第j列和第j行第i列的元素为“1”,否则为“0”,其中i、j、k为自然数;关系矩阵融合单元,用于将对应于所有预定场景的场景关系矩阵Mk相加,得到融合关系矩阵R;第一赋值单元,用于将融合关系矩阵R中的所有非零元素赋值为“1”,得到一度人脉关系矩阵T,其中,第i行第j列为“1”表示第i个用户和第j个用户之间具有一度人脉关系,第i行第j列为“0”则表示第i个用户和第j个用户之间不具有一度人脉关系。
由此,可以利用关系矩阵来确定具有一度人脉关系的用户。
优选地,该装置还可以包括:自乘单元,用于将一度人脉关系矩阵T自乘,得到自乘矩阵T×T;第二赋值单元,用于将自乘矩阵中的所有非零元素赋值为“1”,得到复合关系矩阵U;减法单元,用于从复合关系矩阵U减去一度人脉关系矩阵T得到二度人脉关系矩阵V,其中,第i行第j列为“1”表示第i个用户和第j个用户之间具有二度人脉关系,第i行第j列为“0”则表示第i个用户和第j个用户之间不具有二度人脉关系。
由此,还可以根据矩阵自乘的特点,进一步挖掘出用户之间的二度人脉关系。
根据本发明的另一个方面,还公开了一种用户社会关系识别方法,其包括:收集用户使用的终端设备在预定场景时间段内的Wi-Fi连接信息,预定场景时间段对应于预定场景;根据Wi-Fi连接信息识别终端设备在预定场景下对应的场景Wi-Fi;标定对应于相同场景Wi-Fi的终端设备的用户之间具有一度人脉关系。
优选地,预定场景可以包括工作场景和/或家居场景;预定场景时间段可以包括工作时间段和/或家居时间段;工作时间段为工作日的工作时间中的设定时间段;家居时间段为每日晚间的设定时间段。
优选地,根据Wi-Fi连接信息识别终端设备在预定场景下对应的场景Wi-Fi的步骤可以包括:统计用户使用的终端设备在预定场景时间段内连接各个Wi-Fi的连接次数比率;以连接次数比率最大的Wi-Fi为终端设备在预定场景下对应的场景Wi-Fi。
优选地,如果连接次数比率最大的Wi-Fi的连接次数比率小于预定场景比率阈值,则可以设终端设备在预定场景下没有对应的场景Wi-Fi。
优选地,标定对应于相同场景Wi-Fi的用户之间具有一度人脉关系的步骤可以包括:建立对应于每个预定场景的场景关系矩阵Mk,如果第i个用户与第j个用户在第k个预定场景下对应于相同的场景Wi-Fi,则设Mk中第i行第j列和第j行第i列的元素为“1”,否则为“0”,其中i、j、k为自然数;将对应于所有预定场景的场景关系矩阵Mk相加,得到融合关系矩阵R;将融合关系矩阵R中的所有非零元素赋值为“1”,得到一度人脉关系矩阵T,其中,第i行第j列为“1”表示第i个用户和第j个用户之间具有一度人脉关系,第i行第j列为“0”则表示第i个用户和第j个用户之间不具有一度人脉关系。
优选地,该方法还可以包括:将一度人脉关系矩阵T自乘,得到自乘矩阵T×T;将自乘矩阵中的所有非零元素赋值为“1”,得到复合关系矩阵U;从复合关系矩阵U减去一度人脉关系矩阵T得到二度人脉关系矩阵V,其中,第i行第j列为“1”表示第i个用户和第j个用户之间具有二度人脉关系,第i行第j列为“0”则表示第i个用户和第j个用户之间不具有二度人脉关系。
综上,本发明的用户社会关系识别装置和方法,可以基于收集的用户所使用的终端设备的Wi-Fi连接信息,建立用户之间的社会关系(一度人脉关系),由此,可以解决现有的用户社会关系识别技术中,因社交数据的来源比较单一,在缺少社交数据的情况下,无法准确地获得用户社交关系的问题。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
如前所述,针对现有的用户社会关系识别技术中,因社交数据的来源比较单一,在缺少社交数据的情况下,无法准确地获得用户社交关系的问题。本发明提出了一种通过非社交数据可以挖掘用户社会关系的方案,具体地说,可以基于收集的用户所使用的终端设备的Wi-Fi连接信息,建立用户之间的社会关系,并基于建立的社会关系进一步挖掘可能存在的二度人脉关系。
其中,用户所使用的终端设备可以是手机、IPAD、笔记本等移动终端,收集用户所使用的终端设备的Wi-Fi连接信息的过程可以如下所述。
可以在终端设备上监听目标事件是否发生(即监测终端设备是否连接Wi-Fi),这里,可以设定一个监听时间段,如可以设定工作时间段和晚上休息时间段,在所设定的时间段内对终端设备是否连接Wi-Fi进行监听。
如果在设定的时间段内监测到终端设备连接Wi-Fi,则可以按照一定频率采样多次(例如,每隔20分钟采样一次,共采样10次)。在采样的过程中可以进行日志打点,记录当前设备的唯一标识、当前设备连接的wifi唯一标识、当前的采样时间等等。然后可以将记录的日志在合适的时间发送给服务器。例如,在设备连接到Wi-Fi,且在预先设定的时间段内,可以通过Wi-Fi将日志上传给服务器。
当然,就本领域技术人员来说,还可以有其它获取用户的Wi-Fi连接信息的方式,此处不再赘述。
本发明的上述基于用户的Wi-Fi连接信息识别用户社会关系的方案可以实现为一种用户社会关系识别装置和方法。下面结合相关附图,综合描述本发明的用户社会关系识别装置和方法。
图1示出了本发明的用户社会关系识别装置的结构的示意性方框图。
图2示出了本发明的用户社会关系识别方法的示意性流程图。
如图1所示,本发明的用户社会关系识别装置包括Wi-Fi连接信息收集单元110、场景Wi-Fi识别单元120以及一度人脉关系标定单元130。
如图2所示,在步骤S110,例如可以由Wi-Fi连接信息收集单元110,收集用户使用的终端设备在预定场景时间段内的Wi-Fi连接信息,其中,预定场景时间段对应于预定场景。
这里所说的终端设备指的是可以通过Wi-Fi进行网络连接的硬件设备,如可以是手机、IPAD、笔记本等移动终端。
Wi-Fi连接信息可以包括用户ID(唯一标识)和/或终端设备唯一标识、所连接的Wi-Fi的Wi-Fi唯一标识、采样时间等等。
根据所对应的预定场景,预定场景时间段可以是一日内的某个时间段,也可以是一日或数日(可以连续的数日,也可以是不连续的数日),还可以是数日中的每日的固定时间段。例如,在预定场景是工作场景时,对应的预定场景时间段可以是每周的工作日内的工作时间段,即每周周一到周五内的工作时间段。
也就是说,预定场景时间段可以根据实际情况设定,如可以将根据一定的划分准则将用户划分为不同的类别,针对不同的类别,设定不同的预定场景时间段及对应的预定场景。
例如,可以根据用户的年龄将用户划分为上班族、学生族。针对上班族,预定场景时间段可以设定为工作日内(每周周一到周五)的工作时间段(早9:00到中午12:00、下午14:00到18:00,对应于工作场景)、家居时间段(晚22:00到早8:00,对应于家庭场景)、户外娱乐时间段(晚19:00到晚21:00,对应于户外娱乐场景)。对于学生族,则可以将预定场景时间段设定为上课时间段(早9:00到中午12:00、下午14:00到17:00,对应于教室场景)、课外时间段(晚18:00到20:00,对应于课外场景)、寝室时间段(晚22:00到早8:00,对应于寝室场景)。
在步骤S120,例如可以由场景Wi-Fi识别单元120,根据Wi-Fi连接信息识别终端设备在预定场景下对应的场景Wi-Fi。
即可以根据获取的用户所使用的终端设备的Wi-Fi连接信息,将终端设备在预定场景下连接的Wi-Fi,识别为对应于该预定场景的场景Wi-Fi。
在步骤S130,例如可以由一度人脉关系标定单元130,标定对应于相同场景Wi-Fi的终端设备的用户之间具有一度人脉关系。
对应在同一预定场景下连接相同的Wi-Fi的终端设备,可以认为这些终端设备所对应的用户之间具有一度人脉关系(即具有直接的人脉关系)。
举例来说,预定场景可以包括工作场景和/家居场景,对应地,预定场景时间段可以包括工作时间段和/或家居时间段。其中,工作时间段为工作日的工作时间中的设定时间段,家居时间段为每日晚间的设定时间段。由此,在工作时间段连接同一Wi-Fi的终端设备的用户之间的一度人脉关系为同事关系/工作伙伴关系,在家居时间段内连接同一Wi-Fi的终端设备的用户之间的一度人脉关系为家庭成员关系。
下面结合图3、图4对场景Wi-Fi的识别过程做以详细说明。
图3示意性地示出了场景Wi-Fi识别单元120的一种实施方式。
图4示意性地示出了步骤S120的一种实施方式。
如图3所示,场景Wi-Fi识别单元120可以包括统计单元1210和子识别单元1220。
如图4所示,在步骤S1210,例如可以由统计单元1210,统计用户使用的终端设备在预定场景时间段内连接各个Wi-Fi的连接次数比率。
例如,可以对一个预定场景时间段中的连接次数或者连接采样次数进行统计,也可以对多个预定场景时间段中的连接次数或者连接采样次数进行统计。
具体说来,在预定场景时间段是一日内的某个时间段的情况下,可以对一日或连续多日内的预定场景时间段中的连接次数或者连接采样次数进行统计。
其中,在预定场景是工作场景时,则可以对一个或连续多个工作日内的预定场景时间段中的连接次数或者连接采样次数进行统计。在预定场景是家居场景时,则可以对一个或多个自然日内的预定场景时间段中的连接次数或者连接采样次数进行统计。
另一方面,在预定场景时间段是一日或连续数日的情况下,例如,一周的五个工作日或一周的两个休息日,可以对一个或多个预定场景时间段(例如一周或多周)中的连接次数或者连接采样次数进行统计。
在步骤S1220,例如可以由子识别单元1220,以连接次数比率最大的Wi-Fi为终端设备在预定场景下对应的场景Wi-Fi。
其中,对于某一具体预定场景来说,可以获取多个用户所使用的终端设备在该场景下的场景Wi-Fi,并将其组成该场景下的Wi-Fi唯一标识集合,该集合内可以存储有终端设备的唯一标识、与终端设备的唯一标识对应的Wi-Fi唯一标识。这样,同属一个场景下的Wi-Fi标识集合内且连接到同一Wi-Fi的终端设备所对应的用户具有该场景下的一度人脉关系。
例如,对于预定场景为工作场景的情况下,可以获取多个用户所使用的终端设备在工作场景下的工作Wi-Fi,将获取的多个终端设备的工作Wi-Fi组成工作Wi-Fi唯一标识集合。对于预定场景为家居场景的情况下,可以获取多个用户所使用的终端设备在家居场景下的工作Wi-Fi,将获取的多个终端设备的家居Wi-Fi组成家居Wi-Fi唯一标识集合。属于工作Wi-Fi唯一标识集合且连接同一工作Wi-Fi的终端设备所对应的用户之间具有同事/工作伙伴关系,属于家居Wi-Fi唯一标识集合且连接同一家居Wi-Fi的终端设备所对应的用户之间具有家庭成员关系。
另外,如果连接次数比率最大的Wi-Fi的连接次数比率小于预定场景比率阈值,则可以由子识别单元1220,设终端设备在预定场景下没有对应的场景Wi-Fi。
下面结合图5、图6对一度人脉关系的识别过程做以详细说明。
图5示意性地示出了一度人脉关系标定单元130的一种实施方式。
图6示意性地示出了步骤S130的一种实施方式。
如图5所示,一度人脉关系标定单元130可以包括关系矩阵建立单元1310、关系矩阵融合单元1320以及第一赋值单元1330。
如图6所示,在步骤S1310,例如可以由关系矩阵建立单元1310,建立对应于每个预定场景的场景关系矩阵Mk,如果第i个用户与第j个用户在第k个预定场景下对应于相同的场景Wi-Fi,则设Mk中第i行第j列和第j行第i列的元素为“1”,否则为“0”,其中i、j、k为自然数。
其中,k代表了预定场景的类型,例如M1(k=1)可以认为是工作关系矩阵,M2(k=2)可以认为是家居关系矩阵。
在实际应用中,可以提取用户与场景关系的连接关系(u,wifi),建立场景Wi-Fi的用户连接关系集合。
在步骤S1320,例如可以由关系矩阵融合单元1320,将对应于所有预定场景的场景关系矩阵Mk相加,得到融合关系矩阵R。
在步骤S1330,例如可以由第一赋值单元1330,将融合关系矩阵R中的所有非零元素赋值为“1”,得到一度人脉关系矩阵T,其中,第i行第j列为“1”表示第i个用户和第j个用户之间具有一度人脉关系,第i行第j列为“0”则表示第i个用户和第j个用户之间不具有一度人脉关系。
至此,结合图1-图6详细叙述了根据用户使用的终端设备连接的Wi-Fi信息,识别用户之间存在的一度人脉关系的具体过程。对本发明而言,还可以根据所识别出的一度人脉关系,进一步识别出用户之间存在的二度人脉关系。
下面参考图7和图8描述另一个实施例,在该实施例中,还可以基于上面得到的一度人脉关系,进一步得到二度人脉关系。
图7示出了该实施例的用户社会关系识别装置的示意性框图。
图8示出了该实施例的用户社会关系识别方法的示意性流程图。
图7中,Wi-Fi连接信息收集单元110、场景Wi-Fi识别单元120、一度人脉关系标定单元130与上文参考图1描述的内容相同。
图8中,步骤S110、S120、S130与上文参考图2描述的内容相同。
如图7和图8所示,在步骤S130中,例如可以由一度人脉关系标定单元130,得到一度人脉关系矩阵T之后,还可以在步骤S140,例如可以由二度人脉关系识别单元140,进一步识别二度人脉关系。
下面结合图9、图10对二度人脉关系的识别过程做以详细说明。
图9示出了二度人脉关系识别单元140的结构的示意性方框图。
图10示出了二度人脉识别方法的示意性流程图。
如图9所示,二度人脉关系识别单元140可以包括自乘单元1410、第二赋值单元1420以及减法单元1430。
如图10所示,在步骤S210,例如可以由自乘单元1410,将一度人脉关系矩阵T自乘,得到自乘矩阵T×T。
在步骤S220,例如可以由第二赋值单元1420,将自乘矩阵中的所有非零元素赋值为“1”,得到复合关系矩阵U。
在步骤S230,例如可以由减法单元1430,从复合关系矩阵U减去一度人脉关系矩阵T得到二度人脉关系矩阵V,其中,第i行第j列为“1”表示第i个用户和第j个用户之间具有二度人脉关系,第i行第j列为“0”则表示第i个用户和第j个用户之间不具有二度人脉关系。
其中,自乘矩阵第i行第j列的元素
假如用户i与用户k有一度人脉关系(也可以简称为“认识”),则Tik为1,用户j与用户k有一度人脉关系,则Tkj为1,从而TikTkj为1。
因此,(T×T)ij为与用户i和用户j都具有一度人脉关系的用户的个数。大于0则在U中赋值为1。减去一度矩阵T,则去除了已经用一度关系表述的关系(U中,具有一度关系的两个用户ij对应的元素也为1),得到的是纯二度关系。
下面结合具体实施例对本发明的一度人脉关系和二度人脉关系的识别过程做以简要说明。
(1)wifi连接关系收集
以预定场景包括工作场景和家庭场景为例。可以在设备终端检测设备是否连接Wi-Fi(可以设为工作时间段和晚上休息时间段,分别对应于工作场景和家庭场景)。
如果设备连接Wi-Fi,则可以按照一定的频率采样多次。例如,每隔20分钟采样一次,共采样10次,其中,作为优选,晚上休息时间段的采样频率可以设定为较低的频率值。
在采样的过程中可以进行日志打点,记录当前设备的唯一标识、当前设备连接的wifi唯一标识、当前的采样时间等等。然后可以将记录的日志在合适的时间发送给服务器。例如,在设备连接到Wi-Fi,且在预先设定的时间段内,可以通过Wi-Fi将日志上传给服务器。
(2)工作场景识别:
步骤1:统计用户在某一天工作时间段(例如,10:00-11:00和15:00-16:00)连接某个wifi的采样次数nu,t,w,其中u表示用户,t表示第t天,w表示用户u第t天当前采样时所连接的wifi唯一标识;
步骤2:计算用户u在选定的工作时间段内(例如,最近30个工作日)连接的各个wifi所占的比例:
步骤3:如果存在某个wifi唯一标识W使得:
Ru,W=maxw(Ru,w)≥α(其中0<α≤1),
则认为用户u工作场所的wifi唯一标识为work_wifi=W,否则认为用户u工作场所的wifi唯一标识为空;
Work_Wifi_Set={work_wifi}。
(3)家居场景识别:
步骤1:统计用户在某一天家居时间段(例如,22:00-24:00)连接某个wifi的采样次数nu,t,w,其中u表示用户,t表示第t天,w表示用户u第t天当前采样时所连接的wifi唯一标识;
步骤2:计算用户u在选定的统计日(例如,最近30天)连接各个wifi的比例:
步骤3:如果存在某个wifi唯一标识W使得:
Ru,W=maxw(Ru,w)≥β(其中0<β≤1的常数)则认为用户u工作场所的wifi唯一标识为home_wifi=W;否则认为用户u工作场所的wifi唯一标识为空,即home_wifi=φ。
步骤4:对所有用户执行步骤1-步骤3,得到每一个用户的home_wifi,组成家庭wifi唯一标识集合Home_Wifi_Set={home_wifi}。
(4)社会关系识别
步骤1:从采样数据中,提取用户与工作wifi或家庭wifi的连接关系(u,wifi),分别建立工作wifi和家庭wifi用户连接关系集合:
Work_Wifi_Connet_Set={(u,wifi)|wifi∈Work_Wifi_Set}
Home_Wifi_Connet_Set={(u,wifi)|wifi∈Home_Wifi_Set}
步骤2:分别对工作wifi用户连接关系集和家庭wifi用户连接关系集,将连接到同一个wifi的用户之间建立互相连接(ui,ui+j),并进一步建立用户之间的连接矩阵,则分别建立了用户工作关系矩阵W和家庭关系矩阵H。
步骤3:更进一步,如果将工作关系矩阵和家庭关系矩阵进行相加,就得到了融合工作关系和家庭关系的整个社会关系矩阵S=W+H。
如果某个关系矩阵的元素ai,j>0,则说明用户i和用户j之间存在某种社会关系。
如图11所示,对于用户1(User1)到用户5(User5)来说,用户1(User1)、用户2(User2)和用户3(User3)对应于同一个家庭场景Wi-Fi(Home-wifi1),他们之间存在家庭关系;用户3(User3)、用户4(User4)和用户5(User5)对应于同一个工作场景Wi-Fi(Work-wifi1),他们之间存在工作关系。基于用户1、用户2以及用户3之间的家庭关系可以推断出用户1、用户2以及用户3之间存在一度人脉关系,并可以建立用户1到用户5之间的家庭关系矩阵H。其中,
相应地,基于用户3、用户4和用户5之间存在的工作关系,可以推断出用户3、用户4和用户5之间也存在一度人脉关系,并可以建立用户1到用户5之间的工作关系矩阵W。其中
对用户1到用户5而言,融合工作关系和家庭关系后的整个社会关系矩阵S=W+H。其中,
(5)二度人脉关系识别:
如果用户A跟用户B有某种社会关系,其用户A跟用户C没有直接的社会关系,但是用户B跟用户C存在某种社会关系,那么用户A和用户C则存在二度人脉关系。
二度人脉关系的发现与识别,可以充分利用矩阵相乘的特点来实现。
步骤1:将关系矩阵T中元素值大于0的元素全部赋值为1,得到T',并将这个关系矩阵自乘,得到新的关系矩阵S;
步骤2:将S矩阵中所有大于0的矩阵元素赋值为1,得到新的矩阵S';
步骤3:将S'矩阵减去T'关系矩阵,就得到了二度人脉关系矩阵,即R=S'-T'。
在二度人脉关系矩阵中,所有大于0的元素,说明该元素对应的两个用户之间存在二度人脉关系。
如图12所示,用户1和用户3之间存在某种社会关系,同时用户2、用户3和用户4互相存在某种社会关系,但是用户1和用户2、用户4没有直接的社会关系。
此时,可以得到用户1到用户4之间的一度人脉关系矩阵T,其中,
一度人脉关系矩阵T的自乘矩阵T′=T×T,其中,
将自乘矩阵中的所有非零元素赋值为“1”,得到复合关系矩阵U,其中,
由复合关系矩阵U减去一度人脉关系矩阵T得到的二度人脉关系矩阵V,
其中,V中所有大于0的元素所对应的用户间存在二度人脉关系。由此,基于二度人脉关系矩阵V中的非零元素a12、a14(即二度人脉关系矩阵V第1行第2、4列的元素),可以判定用户1分别和用户2、用户4存在二度人脉关系。
上文中已经参考附图详细描述了根据本发明的用户社会关系识别装置和方法。
此外,根据本发明的方法还可以实现为一种计算机程序,该计算机程序包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。或者,根据本发明的方法还可以实现为一种计算机程序产品,该计算机程序产品包括计算机可读介质,在该计算机可读介质上存储有用于执行本发明的上述方法中限定的上述功能的计算机程序。本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本发明的多个实施例的系统和方法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,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。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。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。