一种昵称的生成方法、装置及设备
技术领域
本说明书涉及计算机技术领域,尤其涉及一种昵称的生成方法、装置及设备。
背景技术
当前有很多如网络论坛或信息发布等热门网站,在用户需要在上述网站中发布信息或获取资源时,需要用户进行注册,而在注册的过程中需要用户选择或设置昵称(或者是用户名),再或者,用户在进行大型网络游戏时,也需要用户选择或设置昵称,又或者,在某些大型企业中,员工入职后,需要该员工选择或设置个人昵称,这样就需要创建昵称以备用户选择使用。
由于昵称通常会作为用户在某系统中的唯一标识,因此,昵称应该尽可能的避免重复,为了使得昵称达到较低的重复率,随着时间的推移,昵称的创建就变的越来越困难。为此,而很多网站、大型网络游戏和大型企业中会采用随机命名的方式为用户创建昵称,随机命名的方式虽然可以在一定程度上可以降低昵称的重复率,但是随机命名的方式创建的昵称与用户创建昵称的本意并不一定契合,从而使得创建的昵称的使用率低下,这样就需要提供一种快速创建昵称并保证昵称具有较高使用率的方案。
发明内容
本说明书实施例的目的是提供一种昵称的生成方法、装置及设备,以快速创建昵称并保证昵称具有较高使用率。
为实现上述技术方案,本说明书实施例是这样实现的:
本说明书实施例提供的一种昵称的生成方法,所述方法包括:
根据昵称模板生成昵称,所述昵称模板为基于昵称的维度和规则建立的用于生成昵称的模板;
判断生成的昵称是否满足预定的选取条件;
如果所述生成的昵称不满足预定的选取条件,则对所述生成的昵称进行昵称变换处理,判断处理后的昵称是否满足预定的选取条件,所述昵称变换处理包括交叉处理和/或变异处理;
如果所述生成的昵称满足预定的选取条件,则将所述生成的昵称存储。
可选地,所述方法还包括:
获取用户录入的与昵称相关的历史信息;
基于所述历史信息,确定一个或多个第一评估维度信息,以及一个或多个第一评估规则信息;
基于所述第一评估维度信息和所述第一评估规则信息,生成一个或多个昵称模板。
可选地,所述根据昵称模板生成昵称,包括:
基于词法分析,分别填充所述昵称模板的第一评估维度信息中的评估维度,得到填充结果;
根据所述填充结果和所述第一评估规则信息生成昵称。
可选地,所述判断处理后的昵称是否满足预定的选取条件,包括:
如果所述处理后的昵称不满足预定的选取条件,则继续对所述处理后的昵称进行昵称变换处理,直至处理后的昵称满足预定的选取条件或所述昵称变换处理的次数达到预定次数阈值;
如果所述处理后的昵称满足预定的选取条件,则将所述处理后的昵称存储。
可选地,判断第一昵称是否满足预定的选取条件,其中,所述第一昵称为所述生成的昵称或所述处理后的昵称,包括:
获取第二评估维度信息和第二评估规则信息;
根据所述第二评估维度信息和所述第二评估规则信息,对所述第一昵称进行评估,得到所述第一昵称的评估值;
进行评估的第一昵称的数量和所述评估值的平均值达到预定条件,则判定所述第一昵称满足预定的选取条件,否则,判定所述第一昵称不满足预定的选取条件。
可选地,所述第一评估维度信息或所述第二评估维度信息包括以下中的一个或多个:语种、长度、含义偏向、性别偏向和生僻程度,所述第一评估规则信息或所述第二评估规则信息包括以下中的一个或多个:不同评估维度的权重和不同评估维度之间的关系。
可选地,所述方法还包括:
接收用户输入的昵称期望信息;
对所述昵称期望信息进行信息提取,确定向所述用户推荐昵称的推荐条件;
从存储的昵称中选取满足所述推荐条件的第二昵称推荐给所述用户。
可选地,所述从存储的昵称中选取满足所述推荐条件的目标昵称推荐给所述用户,包括:
从存储的昵称中选取满足所述推荐条件的预选昵称;
获取所述预选昵称的评估值;
从所述预选昵称中选取评估值最大的预选昵称作为所述第二昵称推荐给所述用户。
可选地,所述方法还包括:
接收所述用户对推荐的第二昵称的使用反馈信息;
如果所述使用反馈信息指示所述用户未选用所述第二昵称,则调低所述第二昵称的评估值。
本说明书实施例提供的一种昵称的生成装置,所述装置包括:
昵称生成模块,用于根据昵称模板生成昵称,所述昵称模板为基于昵称的维度和规则建立的用于生成昵称的模板;
判断模块,用于判断生成的昵称是否满足预定的选取条件;
处理模块,用于如果所述生成的昵称不满足预定的选取条件,则对所述生成的昵称进行昵称变换处理,判断处理后的昵称是否满足预定的选取条件,所述昵称变换处理包括交叉处理和/或变异处理;
存储模块,用于如果所述生成的昵称满足预定的选取条件,则将所述生成的昵称存储。
可选地,所述装置还包括:
历史信息获取模块,用于获取用户录入的与昵称相关的历史信息;
第一维度规则确定模块,用于基于所述历史信息,确定一个或多个第一评估维度信息,以及一个或多个第一评估规则信息;
模板生成模块,用于基于所述第一评估维度信息和所述第一评估规则信息,生成一个或多个昵称模板。
可选地,所述昵称生成模块,包括:
信息填充单元,用于基于词法分析,分别填充所述昵称模板的第一评估维度信息中的评估维度,得到填充结果;
昵称生成单元,用于根据所述填充结果和所述第一评估规则信息生成昵称。
可选地,所述处理模块,用于:
如果所述处理后的昵称不满足预定的选取条件,则继续对所述处理后的昵称进行昵称变换处理,直至处理后的昵称满足预定的选取条件或所述昵称变换处理的次数达到预定次数阈值;
如果所述处理后的昵称满足预定的选取条件,则将所述处理后的昵称存储。
可选地,所述判断模块,包括:
第二维度规则获取单元,用于获取第二评估维度信息和第二评估规则信息;
评估单元,用于根据所述第二评估维度信息和所述第二评估规则信息,对所述生成的昵称进行评估,得到所述第一昵称的评估值;
判定单元,用于进行评估的昵称的数量和所述评估值的平均值达到预定条件,则判定所述生成的昵称满足预定的选取条件,否则,判定所述生成的昵称不满足预定的选取条件。
可选地,所述第一评估维度信息或所述第二评估维度信息包括以下中的一个或多个:语种、长度、含义偏向、性别偏向和生僻程度,所述第一评估规则信息或所述第二评估规则信息包括以下中的一个或多个:不同评估维度的权重和不同评估维度之间的关系。
可选地,所述装置还包括:
期望信息接收模块,用于接收用户输入的昵称期望信息;
信息提取模块,用于对所述昵称期望信息进行信息提取,确定向所述用户推荐昵称的推荐条件;
推荐模块,用于从存储的昵称中选取满足所述推荐条件的第二昵称推荐给所述用户。
可选地,所述推荐模块,包括:
选取单元,用于从存储的昵称中选取满足所述推荐条件的预选昵称;
评估值获取单元,用于获取所述预选昵称的评估值;
推荐单元,用于从所述预选昵称中选取评估值最大的预选昵称作为所述第二昵称推荐给所述用户。
可选地,所述装置还包括:
反馈信息接收模块,用于接收所述用户对推荐的第二昵称的使用反馈信息;
评估值调整模块,用于如果所述使用反馈信息指示所述用户未选用所述第二昵称,则调低所述第二昵称的评估值。
本说明书实施例提供的一种昵称的生成设备,所述昵称的生成设备包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器:
根据昵称模板生成昵称,所述昵称模板为基于昵称的维度和规则建立的用于生成昵称的模板;
判断生成的昵称是否满足预定的选取条件;
如果所述生成的昵称不满足预定的选取条件,则对所述生成的昵称进行昵称变换处理,判断处理后的昵称是否满足预定的选取条件,所述昵称变换处理包括交叉处理和/或变异处理;
如果所述生成的昵称满足预定的选取条件,则将所述生成的昵称存储。
由以上本说明书实施例提供的技术方案可见,本说明书实施例通过基于昵称的维度和规则建立的用于生成昵称的昵称模板生成昵称,然后,判断生成的昵称是否满足预定的选取条件,如果生成的昵称不满足预定的选取条件,则对生成的昵称进行交叉处理和/或变异处理,判断处理后的昵称是否满足预定的选取条件,而如果生成的昵称满足预定的选取条件,则将生成的昵称存储,这样,通过昵称模板可以生成一个或多个备选昵称,然后,再通过预定的选取条件,对备选昵称进行选择,并且,对于不满足选取条件的昵称,可以再进行交叉处理和/或变异处理生成新的昵称,执行上述选取过程,依此可以计算出针对各个昵称的维度的最优解,得到较优化的昵称,从而可以方便后续可以有针对性的、精确的向用户推荐昵称,方便用户对昵称的选取,提高昵称的选用率。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本说明书一种昵称的生成方法实施例;
图2为本说明书一种昵称的生成系统的结构示意图;
图3为本说明书另一种昵称的生成方法实施例;
图4为本说明书一种包含昵称期望信息的注册页面的示意图;
图5为本说明书一种昵称的生成装置实施例;
图6为本说明书一种昵称的生成设备实施例。
具体实施方式
本说明书实施例提供一种昵称的生成方法、装置及设备。
为了使本技术领域的人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都应当属于本说明书保护的范围。
实施例一
如图1所示,本说明书实施例提供一种昵称的生成方法,该方法的执行主体可以为终端设备或服务器,其中,该终端设备可以如个人计算机等设备,也可以如手机、平板电脑等移动终端设备,该终端设备可以为用户使用的终端设备。该服务器可以是独立的服务器,也可以是由多个服务器组成的服务器集群,而且,该服务器可以是某项业务的后台服务器,也可以是某网站(如信息发布网站或网络论坛等)的后台服务器等。该方法可以用于生成昵称,并可以向用户推荐昵称等处理中,为了提高昵称的生成效率和昵称的推荐效率,本实施例中以执行主体为服务器为例进行说明,对于终端设备的情况,可以根据下述相关内容处理,在此不再赘述。该方法具体可以包括以下步骤:
在步骤S102中,根据昵称模板生成昵称,该昵称模板为基于昵称的维度和规则建立的用于生成昵称的模板。
其中,昵称可以是用户的除了姓名之外的另一种称呼,昵称可以应用于多种不同的场景中,例如,某些网站(如网络邮箱或社交网站等)中、某些大型网络游戏中或某些企业的花名系统中等。昵称模板可以是关于昵称的业务模板,昵称模板可以基于昵称的维度和昵称的相关规则而建立,其中的昵称的维度可以包括多种,例如可以包括语种、长度、含义偏向和性别偏向等中的一项或多项的组合(例如,昵称的维度可以包括长度、含义偏向和性别偏向),其中的昵称的相关规则可以包括多种,例如上述昵称的各个维度的权重等。
在实施中,当前有很多如网络论坛或信息发布等热门网站,在用户需要在上述网站中发布信息或获取资源时,需要用户进行注册,而在注册的过程中需要用户选择或设置昵称(或者是用户名),再或者,用户在进行大型网络游戏时,也需要用户选择或设置昵称,又或者,在某些大型企业中,员工入职后,需要该员工选择或设置个人昵称,这样就需要创建昵称以备用户选择使用。由于昵称可以是用户在某系统中的唯一标识,因此,昵称应该尽可能的避免重复,为了达到较低的重复率,使得昵称的创建比较困难,而很多网站、大型网络游戏和大型企业中会采用随机命名的方式为用户创建昵称,随机命名的方式虽然可以在一定程度上可以降低昵称的重复率,但是随机命名的方式创建的昵称与用户创建昵称的本意并不一定契合,从而使得创建的昵称的使用率低下,为此,本说明书实施例提供一种昵称的生成或创建方案,具体可以包括以下内容:
可以先通过昵称模板生成供选取的昵称,为此可以创建昵称模板,具体地,可以通过多种方式获取样本数据,例如,可以通过向用户购买与该用户的昵称相关的数据,或通过奖励的方式引导用户录入其使用的昵称及其相关信息,其中,获取的样本数据中可以包括用户的昵称、性别、年龄、职业、学历、性格、爱好和与该昵称相关的含义,以及该昵称分别与用户的性别、年龄、职业、学历、性格、爱好等的相关联的程度等。服务器可以将上述样本数据作为创建昵称模板的元数据,然后,可以对上述元数据进行分析处理,可以将元数据划分为两部分,一部分可以作为昵称的维度,另一部分可以作为昵称的规则,其中,昵称的维度可以用于决定以哪些属性进行了昵称的评估和选取,具体可以包括用户的性别、年龄、职业和学历等,昵称的规则可以用于决定如何利用评估维度进行昵称的评估和选取,具体可以包括该昵称分别与用户的性别、年龄、职业、学历、性格、爱好等的相关联的程度等。服务器可以将昵称的维度和昵称的规则进行不同方式的组装,每一次组装的结果即可以作为一个昵称模板,从而可以生成一个或多个昵称模板,其中,每个昵称模板中的昵称的维度和昵称的规则可以决定该昵称模板生成的昵称的范围。
服务器中可以设置有昵称生成机制(或者设置昵称生成器),当服务器通过上述方式创建一个或多个昵称模板后,可以启动昵称生成机制。服务器可以使用昵称生成机制,根据昵称模板中的昵称的维度和昵称的规则,生成一个或多个昵称,生成的昵称可以作为供选取的昵称。
在步骤S104中,判断生成的昵称是否满足预定的选取条件。
其中,预定的选取条件可以包括多种,例如,设定昵称选取的阈值,预定的选取条件可以为生成的昵称大于上述阈值等,在实际应用中,预定的选取条件还可以根据实际情况设定,在此不再赘述。
在实施中,为了能够从生成的昵称中选取到最优化的昵称,可以通过某些算法实现,例如遗传算法或蚁群算法等,通过上述算法可以设置选取最优化的昵称的选取条件(也即是终止选取最优化的昵称的条件)。通过上述算法,可以从生成的昵称中选择最优化的昵称,淘汰劣质的昵称,可以通过算法中提供的选择算子实现,选择算子可以是建立在生成的昵称中每个昵称的适应度评估基础上。选择算子具体可以包括如适应度比例方法、随机遍历抽样法、局部选择法等。在实际应用中,可以设置生成的昵称中每个昵称的选择概率和其适应度的数值成比例,其中,选择概率可以反映生成的昵称中每个昵称的适应度在生成的昵称中每个昵称适应度总和中所占的比例,昵称的适应度越大,其被选择的概率就越高、反之亦然。从而,通过上述设置的选取条件,以及上述相关算法,可以判断生成的昵称是否满足预定的选取条件。
在步骤S106中,如果上述生成的昵称不满足预定的选取条件,则对生成的昵称进行昵称变换处理,判断处理后的昵称是否满足预定的选取条件,该昵称变换处理包括交叉处理和/或变异处理。
其中,昵称变换处理可以是将原有的昵称通过预先设定的规则进行变换生成新的昵称的处理,昵称变换处理可以通过多种具体方式实现,本说明书实施例中可以包括交叉处理和/或变异处理等。其中的交叉处理可以是对现有的昵称彼此之间随机的交换部分内容,从而形成新的昵称的处理,其中的变异处理可以是对现有的昵称中的部分内容随机的进行变换,从而形成新的昵称的处理。
在实施中,本说明书实施例中为了从生成的昵称中选取到最优化的昵称,可以选择遗传算法来实现。遗传算法是模拟生物进化论的自然选择和遗传学机理的生物进化过程的计算方法,是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群开始的,而一个种群则由经过编码(或基因编码,也即是上述生成昵称的过程)的一定数目的个体(即昵称)组成。每个个体实际上是染色体带有特征的实体。染色体作为遗传物质的主要载体,即多个基因的集合,它决定了个体的形状的外部表现。初始种群(即生成的昵称)产生之后,可以按照适者生存和优胜劣汰的原理,逐代演化产生出越来越好的近似解,在每一代,根据问题域中个体的适应度大小(即上述选取条件)选择个体,并借助于自然遗传学的遗传算子进行组合交叉和/或变异,产生出代表新的解集的种群,该过程可以导致种群如自然进化一样的后生代种群比前代种群更加适应于环境,而末代种群中的最优个体经过解码,可以作为近似最优解。
在实际应用中,可以基于上述内容提供的遗传算法的基本原理对生成的昵称进行相应的处理,具体地,可以对生成的昵称中的每一个昵称进行评估,为此,可以设置评估阈值,并可以基于评估阈值设置相应的选取条件,即选取条件可以为昵称的评估值大于评估阈值,这样,即可以将昵称选取中的适应度大小设置完成。然后,服务器可以对生成的昵称中的每一个昵称进行评估,得到生成的昵称中的每一个昵称的评估值,可以将每一个昵称的评估值与上述设置的评估阈值进行对比,如果某昵称的评估值小于评估阈值,则可以确定该昵称不满足预定的选取条件,此时,可以将该昵称做废弃处理,同时,根据遗传算法,昵称中包含的信息可能并不是单一的信息,可能包括多种信息(相当于多个基因的组合),因此,可以利用生成的昵称中的其他昵称与该昵称进行如基因重组(包括基因交叉和基因变异)形式的处理,以形成新的昵称,因此,可以交叉函数和变异函数,可以通过交叉函数和/或变异函数对生成的昵称进行交叉处理和/或变异处理,最终得到处理后的昵称,然后,可以再对处理后的昵称计算评估值,可以将得到的评估值与上述评估阈值进行比较,从而确定处理后的昵称是否满足预定的选取条件,如果处理后的昵称满足预定的选取条件,则可以存储该处理后的昵称,如果处理后的昵称不满足预定的选取条件,则可以将处理后的昵称做废弃处理,从而结束对该昵称的操作,或者,还可以再次对不满足预定的选取条件的处理后的昵称进行交叉处理和/或变异处理,生成新的昵称,然后再次判断新的昵称是否满足预定的选取条件,并可以重复上述处理过程,直到新的昵称满足预定的选取条件为止。
在步骤S108中,如果上述生成的昵称满足预定的选取条件,则将生成的昵称存储。
在实施中,服务器可以对生成的昵称中的每一个昵称进行评估,得到生成的昵称中的每一个昵称的评估值,可以将每一个昵称的评估值与上述设置的评估阈值进行对比,如果某昵称的评估值大于或等于评估阈值,则可以确定该昵称满足预定的选取条件,此时,可以将该昵称存储到昵称库中。其中,昵称库需要数据库支持,在实际应用中,昵称库可以利用noSQL的数据库进行支持。
通过上述处理方式,即利用遗传算法可以计算出针对各个昵称的维度的最优解,从而得到较优化的昵称,这样可以方便后续可以有针对性的、精确的向用户推荐昵称(如图2所示),方便用户对昵称的选取,提高昵称的选用率。
本说明书实施例提供一种昵称的生成方法,通过基于昵称的维度和规则建立的用于生成昵称的昵称模板生成昵称,然后,判断生成的昵称是否满足预定的选取条件,如果生成的昵称不满足预定的选取条件,则对生成的昵称进行交叉处理和/或变异处理,判断处理后的昵称是否满足预定的选取条件,而如果生成的昵称满足预定的选取条件,则将生成的昵称存储,这样,通过昵称模板可以生成一个或多个备选昵称,然后,再通过预定的选取条件,对备选昵称进行选择,并且,对于不满足选取条件的昵称,可以再进行交叉处理和/或变异处理生成新的昵称,执行上述选取过程,依此可以计算出针对各个昵称的维度的最优解,得到较优化的昵称,从而可以方便后续可以有针对性的、精确的向用户推荐昵称,方便用户对昵称的选取,提高昵称的选用率。
实施例二
如图3所示,本说明书实施例提供一种昵称的生成方法,该方法的执行主体可以为终端设备或服务器,其中,该终端设备可以如个人计算机等设备,也可以如手机、平板电脑等移动终端设备,该终端设备可以为用户使用的终端设备。该服务器可以是独立的服务器,也可以是由多个服务器组成的服务器集群,而且,该服务器可以是某项业务的后台服务器,也可以是某网站(如信息发布网站或网络论坛等)的后台服务器等。该方法可以用于生成昵称,并可以向用户推荐昵称等处理中,为了提高昵称的生成效率和昵称的推荐效率,本实施例中以执行主体为服务器为例进行说明。
本实施例中生成昵称的处理过程可以具体采用遗传算法实现,以下仅以遗传算法为例对昵称的生成进行详细说明,对于通过其它相关算法实现的具体处理过程可以根据相应算法对应的处理过程或参照下述遗传算法的处理过程执行,本说明书实施例在此不再赘述。该方法具体可以包括以下步骤:
为了能够获取遗传算法中的初始种群,需要先获取或生成昵称,然后,通过生成的昵称构建初始种群,因此,可以创建用于生成昵称的昵称模板(或昵称模型),具体可以参见下述步骤S302~步骤S306的处理。
在步骤S302中,获取用户录入的与昵称相关的历史信息。
其中,历史信息可以是从用户处收集的与昵称相关的信息,例如用户的性别、年龄、职业、学历、性格、爱好和用户的昵称,以及与昵称存在相互关联的性别等属性的信息等。历史信息可以通过多种途径获取,具体可以包括购买、信息交换或有奖参与等方式,本说明书实施例对此不做限定。
在实施中,可以通过向用户购买与该用户的昵称相关的数据,或通过奖励的方式引导用户录入其使用的昵称及其相关信息。服务器可以将上述获取的数据作为创建昵称模板的元数据。
在步骤S304中,基于上述历史信息,确定一个或多个第一评估维度信息,以及一个或多个第一评估规则信息。
其中,第一评估维度信息可以包括以下中的一个或多个:语种、长度、含义偏向、性别偏向和生僻程度,其中的语种可以为语言的种类,可以包括中文、英语或德语等,长度可以是昵称所占有的字符的数量,含义偏向可以是昵称所表达的含义。第一评估规则信息可以包括以下中的一个或多个:不同评估维度的权重和不同评估维度之间的关系,其中的不同评估维度之间的关系具体可以包括不同评估维度之间的互斥关系等。
在实施中,可以对上述元数据进行分析处理,将元数据划分为两部分,一部分可以作为昵称进行评估的评估维度,另一部分可以作为昵称进行评估的评估规则,从而可以得到第一评估维度信息,以及第一评估规则信息。其中,第一评估维度信息可以用于决定以哪些属性进行了昵称的评估和选取。第一评估规则信息可以用于决定如何利用评估维度进行昵称的评估和选取。
在步骤S306中,基于第一评估维度信息和第一评估规则信息,生成一个或多个昵称模板。
在实施中,服务器中可以设置有模板转化器或模板转化机制,该模板转化器或模板转化机制可以用于将外部条件转化为昵称模板。服务器可以通过模板转化器或模板转化机制将第一评估维度信息和第一评估规则信息进行不同方式的组装,每一次组装的结果即可以作为一个昵称模板,从而可以生成一个或多个昵称模板,其中,每个昵称模板中的第一评估维度信息和第一评估规则信息可以决定该昵称模板生成的昵称的范围。
通过上述方式得到昵称模板后,可以基于得到的昵称模板生成昵称,具体可以参见下述步骤S308和步骤S310处理,
在步骤S308中,基于词法分析,分别填充上述昵称模板的第一评估维度信息中的评估维度,得到填充结果。
其中,词法分析可以是将字符序列转换为单词或词语序列的过程,词法分析通常可以函数的形式存在。
在实施中,通过上述处理过程得到昵称模板后,可以基于昵称模板中的评估维度对相应的昵称模板进行赋值,具体地,服务器中可以设置有词法分析函数,在服务器得到相应的昵称模板后,可以基于词法分析函数的定义,获取相应的词语,并可以将得到的词语,依据昵称模板的第一评估维度信息中的评估维度进行填充,例如,第一评估维度信息中包括性别评估维度,则可以将词法分析得到的性别相关的词语赋值给性别这一评估维度等。通过上述填充方式,可以得到一个或多个填充结果。
在步骤S310中,根据上述填充结果和上述第一评估规则信息生成昵称。
在实施中,通过上述处理过程得到第一评估维度信息中的评估维度的填充结果,然后,服务器可以将得到的填充结果与上述得到的第一评估规则信息进行组合计算,确定得到的填充结果是否满足上述第一评估规则信息,如果某一个填充结果满足第一评估规则信息,则可以将该填充结果变换为昵称,可以将该昵称作为备选昵称。如果某一个填充结果不满足第一评估规则信息,则可以将该填充结果丢弃。通过上述处理过程,服务器可以基于昵称模板生成一个或多个昵称。
服务器可以将通过上述昵称模板生成的昵称组合成遗传算法中的初始种群,即该初始种群中包括一个或多个生成的昵称,可以对生成的昵称进行评估,并可以通过评估的方式判定生成的昵称是否满足预定的选取条件,具体可以参见下述步骤S312~步骤S316的处理。
在步骤S312中,获取第二评估维度信息和第二评估规则信息。
其中,第二评估维度信息包括以下中的一个或多个:语种、长度、含义偏向、性别偏向和生僻程度,第二评估规则信息包括以下中的一个或多个:不同评估维度的权重和不同评估维度之间的关系,第二评估维度信息与第一评估维度信息的内容可以相同,也可以不同,第二评估规则信息与第一评估规则信息的内容可以相同,也可以不同。
在实施中,第二评估维度信息和第二评估规则信息可以基于上述步骤S302和步骤S304的处理确定,本说明书实施例中为了简化操作,第二评估维度信息可以与第一评估维度信息相同,第二评估规则信息可以与第一评估规则信息相同,这样,当服务器需要对得到的昵称进行评估时,不需要再次执行如上述步骤S302和步骤S304的处理,而是直接获取上述步骤S304中确定的第一评估维度信息和第一评估规则信息,并将其分别作为第二评估维度信息和第二评估规则信息。
需要说明的是,第二评估维度信息和第二评估规则信息除了可以通过上述方式确定外,还可以通过其它方式实现,例如可以通过在日常的使用经验中总结出第二评估维度信息和第二评估规则信息,或者,可以根据业务需要或业务需求设定第二评估维度信息和第二评估规则信息等,本说明书实施例对此不做限定。
在步骤S314中,根据上述第二评估维度信息和上述第二评估规则信息,对生成的昵称进行评估,得到生成的昵称的评估值。
在实施中,考虑到遗传算法中的适应度,是表示某一个体对环境的适应能力,该适应度可以通过适应度函数来表征,遗传算法中的适应度函数也可以称为评估函数,该评估函数可以用于判断种群中的个体的优劣程度的指标,它是根据所求问题的目标函数来进行评估的。遗传算法在搜索进化过程中可以不需要其他外部信息,而仅使用评估函数来评估个体的优劣,并作为后续操作的依据。由于遗传算法中,适应度函数需要进行比较排序,并在此基础上计算选择概率,所以适应度函数的值可以取正值。
通过上述相关内容,可以预先选取评估函数,评估函数的选取可以通过多种方式实现,例如通过样本数据确定评估函数,或者通过使用经验设置评估函数,或者,还可以通过业务需求规定评估函数的样式等,本说明书实施例对此不做限定。通过上述方式选定评估函数后,可以将评估函数和上述第二评估维度信息和上述第二评估规则信息进行融合,得到用于评估昵称优劣的评估函数。服务器中设定上述昵称的评估函数后,可以将生成的昵称中的每一个昵称输入到设定的评估函数中进行计算,得到的计算结果即为该昵称的评估值。通过上述方式,可以得到生成的昵称(即初始种群)中每个昵称的评估值。
在步骤S316中,进行评估的昵称的数量和上述评估值的平均值达到预定条件,则判定生成的昵称满足预定的选取条件,否则,判定生成的昵称不满足预定的选取条件。
其中,预定条件可以根据实际情况设定,具体如,进行评估的昵称的数量超过500,评估值的平均值超过0.6等,本说明书实施例对此不做限定。
在实施中,服务器通过上述步骤S314的处理,得到生成的昵称(即初始种群)中每个昵称的评估值,然后,可以将每个昵称的评估值分别与预先设定的评估阈值进行对比,如果某昵称的评估值大于或等于该评估阈值,则可以将该昵称设置为通过的昵称(或者,可以为该昵称添加通过标签),如果某昵称的评估值小于该评估阈值,则可以将该昵称设置为废弃的昵称(或者,可以为该昵称添加废弃标签)。上述处理完成后,服务器可以统计进行评估的昵称的数量,并获取每个昵称的评估值,计算完成评估的昵称的评估值的平均值,然后,可以将进行评估的昵称的数量与预定条件中的相关信息进行比较,并将得到的评估值的平均值与预定条件中的相关信息进行比较,如果上述两次比较的结果都是通过,则可以判定生成的昵称满足预定的选取条件,如果上述两次比较的结果中至少有一个未通过(即进行评估的昵称的数量未达到预定条件,和/或,得到的评估值的平均值未达到预定条件),则可以判定生成的昵称不满足预定的选取条件。
如果生成的昵称不满足预定的选取条件,则可以执行下述步骤S318~步骤S322的处理,如果生成的昵称满足预定的选取条件,则可以执行下述步骤S324的处理。
在步骤S318中,如果生成的昵称不满足预定的选取条件,则对生成的昵称进行昵称变换处理,判断处理后的昵称是否满足预定的选取条件,该昵称变换处理包括交叉处理和/或变异处理。
上述步骤S318的步骤内容与上述实施例一中的步骤S106的步骤内容相同,步骤S318的具体处理过程可以参见上述实施例一中的步骤S106的相关内容,在此不再赘述。
为了说明上述步骤S318的具体处理过程,以下以具体一种实例对其进行说明,具体可以包括以下内容:
如果进行评估的昵称的数量和上述评估值的平均值均未达到预定条件,则服务器可以将该昵称与生成中昵称中的其它昵称进行交叉处理,生成交叉处理后的昵称,然后,可以对交叉处理后的昵称再进行变异处理,得到昵称变换后的昵称,此时,如果进行评估的昵称的数量未达到预定条件,则可以重复执行上述交叉处理和变异处理,直到进行评估的昵称的数量达到预定条件。当进行评估的昵称的数量达到预定条件,则服务器可以对上述昵称变换后的昵称执行上述步骤S312~步骤S318的处理。
在判断处理后的昵称是否满足预定的选取条件的处理中,如果处理后的昵称不满足预定的选取条件,则可以执行下述步骤S320的处理,如果处理后的昵称满足预定的选取条件,则可以执行下述步骤S322的处理。
在步骤S320中,如果处理后的昵称不满足预定的选取条件,则继续对处理后的昵称进行昵称变换处理,直至处理后的昵称满足预定的选取条件或该昵称变换处理的次数达到预定次数阈值。
其中,预定次数阈值可以根据实际情况设定,具体如100次或50次等,本说明书实施例对此不做限定,在实际应用中,预定次数阈值也可以用于表征最优昵称的适应度和昵称种群适应度不再上升。
在实施中,如果判定经过交叉处理和/或变异处理后的昵称不满足预定的选取条件,则服务器可以对上述处理后的昵称再一次进行交叉处理和/或变异处理,得到再次处理后的昵称,然后,可以判断再次处理后的昵称是否满足预定的选取条件,如果满足,则可以执行如下述步骤S322的处理,如果仍然不满足,则可以再一次对上述再次处理后的昵称进行交叉处理和/或变异处理,得到处理后的昵称,可以判断上述处理后的昵称是否满足预定的选取条件,依上述方式循环执行多次,直到处理后的昵称满足预定的选取条件,此时,服务器可以执行如下述步骤S322的处理,或者,循环执行直到该昵称变换处理的次数达到预定次数阈值,此时,服务器可以将上述处理后的昵称废弃,或者,可以对上述处理后的昵称执行如下述步骤S322的处理。
在步骤S322中,如果处理后的昵称满足预定的选取条件,则将处理后的昵称存储。
在步骤S324中,如果生成的昵称满足预定的选取条件,则将生成的昵称存储。
上述步骤S324的步骤内容与上述实施例一中的步骤S108的步骤内容相同,步骤S324的具体处理过程可以参见上述实施例一中的步骤S108的相关内容,在此不再赘述。
通过遗传算法,可以得到多个满足预定的选取条件的昵称,得到的昵称可以存储在昵称库中,当用户需要设置昵称时(如在进行网站注册时或进行大型网络游戏时),服务器可以从昵称库中选取适当的昵称推荐给用户,具体可以包括以下步骤S326~步骤S330的处理。
在步骤S326中,接收用户输入的昵称期望信息。
其中,昵称期望信息可以用于协助服务器为用户选取昵称的相关信息,该昵称期望信息可以包括多种信息,例如用户的性别、年龄、职业,以及期望得到的昵称的相关信息等。
在实施中,如图4所示,可以在网站的注册页面或大型网络游戏的注册页面等设置相应的注册项,其中可以包括昵称期望信息输入项、用户性别选择项、职业输入项等。当用户需要注册某网站或某大型网络游戏时,用户可以通过浏览器或相应的应用程序打开注册页面,用户可以根据实际情况,在注册页面中填入相应的信息,其中包括用户填写的昵称期望信息。用户填写完成后,可以点击注册页面中的确定按键,此时,用户的终端设备可以向服务器发送昵称推荐请求,该昵称推荐请求中可以包括昵称期望信息,从而,服务器可以接收到昵称期望信息。
在步骤S328中,对上述昵称期望信息进行信息提取,确定向用户推荐昵称的推荐条件。
在实施中,由于昵称期望信息的内容可以是一个整体,其中可能包含多种与昵称的选取相关的特征,为了从中查找到各个与昵称相关的特征,可以对用户的昵称期望信息进行信息提取,从而可以将昵称期望信息中与用户选取昵称相关的信息特征提取出来,然后,可以基于提取的信息特征生成向用户推荐昵称的推荐条件,例如,用户A需要一个有深意的、大气时尚的昵称等。
在步骤S330中,从存储的昵称中选取满足上述推荐条件的第二昵称推荐给用户。
在实施中,服务器可以根据上述得到的推荐条件,到上述存储昵称的昵称库中进行查询,可以从中查找到与该推荐条件相匹配的一个或多个昵称,并可以将查找到的昵称作为第二昵称推荐给用户。其中,对于查找到的昵称的数量为多个时,服务器还可以通过某种方式对多个昵称进行排序,可以将排列在前的多个昵称推荐给用户。
上述步骤S330的处理处理过程除了可以通过上述方式实现外,还可以通过其它多种方式实现,以下提供一种可选的实现方式,具体可以参见下述步骤一~步骤三的处理。
步骤一,从存储的昵称中选取满足上述推荐条件的预选昵称。
上述步骤一的具体处理过程可以参加上述相关内容,在此不再赘述。
步骤二,获取上述预选昵称的评估值。
在实施中,如果得到的预选昵称的数量大于1,且考虑到预选昵称的数量可能较大,因此,可以通过设置附加条件来进一步选取昵称,在实际应用中,昵称的评估值越大,则表明该昵称被用户接受的可能性就越大,因此,可以选择使用昵称的评估值作为附加条件。基于此,服务器可以从昵称库中获取预选昵称中的每个昵称的评估值。
步骤三,从上述预选昵称中选取评估值最大的预选昵称作为第二昵称推荐给用户。
服务器还可以通过用户是否选用推荐的昵称来对昵称库中的各个昵称的评估值进行调整,具体可以包括以下步骤S332和步骤S334的处理。
在步骤S332中,接收用户对推荐的第二昵称的使用反馈信息。
在实施中,用户接收到服务器推荐的昵称后,不论用户对推荐的昵称是否满意,用户都可以向服务器发送用户是否选用推荐的昵称的使用反馈信息,服务器接收到该使用反馈信息后,可以对该使用反馈信息进行分析,确定用户是否使用推荐的昵称,如果使用反馈信息指示用户选用第二昵称,则可以不对该昵称做任何处理,或者,也可以将该昵称的评估值进行适当提高等。如果使用反馈信息指示用户未选用第二昵称,则可以执行下述步骤S334的处理。
在步骤S334中,如果使用反馈信息指示用户未选用第二昵称,则调低第二昵称的评估值。
在实施中,调低第二昵称的评估值的处理可以是通过预先设定的调节步长来进行上述调低处理等,本说明书实施例对此不做限定。
本说明书实施例提供一种昵称的生成方法,通过基于昵称的维度和规则建立的用于生成昵称的昵称模板生成昵称,然后,判断生成的昵称是否满足预定的选取条件,如果生成的昵称不满足预定的选取条件,则对生成的昵称进行交叉处理和/或变异处理,判断处理后的昵称是否满足预定的选取条件,而如果生成的昵称满足预定的选取条件,则将生成的昵称存储,这样,通过昵称模板可以生成一个或多个备选昵称,然后,再通过预定的选取条件,对备选昵称进行选择,并且,对于不满足选取条件的昵称,可以再进行交叉处理和/或变异处理生成新的昵称,执行上述选取过程,依此可以计算出针对各个昵称的维度的最优解,得到较优化的昵称,从而可以方便后续可以有针对性的、精确的向用户推荐昵称,方便用户对昵称的选取,提高昵称的选用率。
实施例三
以上为本说明书实施例提供的昵称的生成方法,基于同样的思路,本说明书实施例还提供一种昵称的生成装置,如图5所示。
该昵称的生成装置包括:昵称生成模块501、判断模块502、处理模块503和存储模块504,其中:
昵称生成模块501,用于根据昵称模板生成昵称,所述昵称模板为基于昵称的维度和规则建立的用于生成昵称的模板;
判断模块502,用于判断生成的昵称是否满足预定的选取条件;
处理模块503,用于如果所述生成的昵称不满足预定的选取条件,则对所述生成的昵称进行昵称变换处理,判断处理后的昵称是否满足预定的选取条件,所述昵称变换处理包括交叉处理和/或变异处理;
存储模块504,用于如果所述生成的昵称满足预定的选取条件,则将所述生成的昵称存储。
本说明书实施例中,所述装置还包括:
历史信息获取模块,用于获取用户录入的与昵称相关的历史信息;
第一维度规则确定模块,用于基于所述历史信息,确定一个或多个第一评估维度信息,以及一个或多个第一评估规则信息;
模板生成模块,用于基于所述第一评估维度信息和所述第一评估规则信息,生成一个或多个昵称模板。
本说明书实施例中,所述昵称生成模块501,包括:
信息填充单元,用于基于词法分析,分别填充所述昵称模板的第一评估维度信息中的评估维度,得到填充结果;
昵称生成单元,用于根据所述填充结果和所述第一评估规则信息生成昵称。
本说明书实施例中,所述处理模块503,用于:
如果所述处理后的昵称不满足预定的选取条件,则继续对所述处理后的昵称进行昵称变换处理,直至处理后的昵称满足预定的选取条件或所述昵称变换处理的次数达到预定次数阈值;
如果所述处理后的昵称满足预定的选取条件,则将所述处理后的昵称存储。
本说明书实施例中,所述判断模块502,包括:
第二维度规则获取单元,用于获取第二评估维度信息和第二评估规则信息;
评估单元,用于根据所述第二评估维度信息和所述第二评估规则信息,对所述生成的昵称进行评估,得到所述第一昵称的评估值;
判定单元,用于进行评估的昵称的数量和所述评估值的平均值达到预定条件,则判定所述生成的昵称满足预定的选取条件,否则,判定所述生成的昵称不满足预定的选取条件。
本说明书实施例中,所述第一评估维度信息或所述第二评估维度信息包括以下中的一个或多个:语种、长度、含义偏向、性别偏向和生僻程度,所述第一评估规则信息或所述第二评估规则信息包括以下中的一个或多个:不同评估维度的权重和不同评估维度之间的关系。
本说明书实施例中,所述装置还包括:
期望信息接收模块,用于接收用户输入的昵称期望信息;
信息提取模块,用于对所述昵称期望信息进行信息提取,确定向所述用户推荐昵称的推荐条件;
推荐模块,用于从存储的昵称中选取满足所述推荐条件的第二昵称推荐给所述用户。
本说明书实施例中,所述推荐模块,包括:
选取单元,用于从存储的昵称中选取满足所述推荐条件的预选昵称;
评估值获取单元,用于获取所述预选昵称的评估值;
推荐单元,用于从所述预选昵称中选取评估值最大的预选昵称作为所述第二昵称推荐给所述用户。
本说明书实施例中,所述装置还包括:
反馈信息接收模块,用于接收所述用户对推荐的第二昵称的使用反馈信息;
评估值调整模块,用于如果所述使用反馈信息指示所述用户未选用所述第二昵称,则调低所述第二昵称的评估值。
本说明书实施例提供一种昵称的生成装置,通过基于昵称的维度和规则建立的用于生成昵称的昵称模板生成昵称,然后,判断生成的昵称是否满足预定的选取条件,如果生成的昵称不满足预定的选取条件,则对生成的昵称进行交叉处理和/或变异处理,判断处理后的昵称是否满足预定的选取条件,而如果生成的昵称满足预定的选取条件,则将生成的昵称存储,这样,通过昵称模板可以生成一个或多个备选昵称,然后,再通过预定的选取条件,对备选昵称进行选择,并且,对于不满足选取条件的昵称,可以再进行交叉处理和/或变异处理生成新的昵称,执行上述选取过程,依此可以计算出针对各个昵称的维度的最优解,得到较优化的昵称,从而可以方便后续可以有针对性的、精确的向用户推荐昵称,方便用户对昵称的选取,提高昵称的选用率。
实施例四
以上为本说明书实施例提供的昵称的生成装置,基于同样的思路,本说明书实施例还提供一种昵称的生成设备,如图6所示。
所述昵称的生成设备可以为上述实施例提供的服务器或终端设备。
昵称的生成设备可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上的处理器601和存储器602,存储器602中可以存储有一个或一个以上存储应用程序或数据。其中,存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出),每个模块可以包括对昵称的生成设备中的一系列计算机可执行指令。更进一步地,处理器601可以设置为与存储器602通信,在昵称的生成设备上执行存储器602中的一系列计算机可执行指令。昵称的生成设备还可以包括一个或一个以上电源603,一个或一个以上有线或无线网络接口604,一个或一个以上输入输出接口605,一个或一个以上键盘606。
具体在本实施例中,昵称的生成设备包括有存储器,以及一个或一个以上的程序,其中一个或者一个以上程序存储于存储器中,且一个或者一个以上程序可以包括一个或一个以上模块,且每个模块可以包括对昵称的生成设备中的一系列计算机可执行指令,且经配置以由一个或者一个以上处理器执行该一个或者一个以上程序包含用于进行以下计算机可执行指令:
根据昵称模板生成昵称,所述昵称模板为基于昵称的维度和规则建立的用于生成昵称的模板;
判断生成的昵称是否满足预定的选取条件;
如果所述生成的昵称不满足预定的选取条件,则对所述生成的昵称进行昵称变换处理,判断处理后的昵称是否满足预定的选取条件,所述昵称变换处理包括交叉处理和/或变异处理;
如果所述生成的昵称满足预定的选取条件,则将所述生成的昵称存储。
本说明书实施例中,还包括:
获取用户录入的与昵称相关的历史信息;
基于所述历史信息,确定一个或多个第一评估维度信息,以及一个或多个第一评估规则信息;
基于所述第一评估维度信息和所述第一评估规则信息,生成一个或多个昵称模板。
本说明书实施例中,所述根据昵称模板生成昵称,包括:
基于词法分析,分别填充所述昵称模板的第一评估维度信息中的评估维度,得到填充结果;
根据所述填充结果和所述第一评估规则信息生成昵称。
本说明书实施例中,所述判断处理后的昵称是否满足预定的选取条件,包括:
如果所述处理后的昵称不满足预定的选取条件,则继续对所述处理后的昵称进行昵称变换处理,直至处理后的昵称满足预定的选取条件或所述昵称变换处理的次数达到预定次数阈值;
如果所述处理后的昵称满足预定的选取条件,则将所述处理后的昵称存储。
本说明书实施例中,判断第一昵称是否满足预定的选取条件,其中,所述第一昵称为所述生成的昵称或所述处理后的昵称,包括:
获取第二评估维度信息和第二评估规则信息;
根据所述第二评估维度信息和所述第二评估规则信息,对所述第一昵称进行评估,得到所述第一昵称的评估值;
进行评估的第一昵称的数量和所述评估值的平均值达到预定条件,则判定所述第一昵称满足预定的选取条件,否则,判定所述第一昵称不满足预定的选取条件。
本说明书实施例中,所述第一评估维度信息或所述第二评估维度信息包括以下中的一个或多个:语种、长度、含义偏向、性别偏向和生僻程度,所述第一评估规则信息或所述第二评估规则信息包括以下中的一个或多个:不同评估维度的权重和不同评估维度之间的关系。
本说明书实施例中,还包括:
接收用户输入的昵称期望信息;
对所述昵称期望信息进行信息提取,确定向所述用户推荐昵称的推荐条件;
从存储的昵称中选取满足所述推荐条件的第二昵称推荐给所述用户。
本说明书实施例中,所述从存储的昵称中选取满足所述推荐条件的目标昵称推荐给所述用户,包括:
从存储的昵称中选取满足所述推荐条件的预选昵称;
获取所述预选昵称的评估值;
从所述预选昵称中选取评估值最大的预选昵称作为所述第二昵称推荐给所述用户。
本说明书实施例中,还包括:
接收所述用户对推荐的第二昵称的使用反馈信息;
如果所述使用反馈信息指示所述用户未选用所述第二昵称,则调低所述第二昵称的评估值。
本说明书实施例提供一种昵称的生成设备,通过基于昵称的维度和规则建立的用于生成昵称的昵称模板生成昵称,然后,判断生成的昵称是否满足预定的选取条件,如果生成的昵称不满足预定的选取条件,则对生成的昵称进行交叉处理和/或变异处理,判断处理后的昵称是否满足预定的选取条件,而如果生成的昵称满足预定的选取条件,则将生成的昵称存储,这样,通过昵称模板可以生成一个或多个备选昵称,然后,再通过预定的选取条件,对备选昵称进行选择,并且,对于不满足选取条件的昵称,可以再进行交叉处理和/或变异处理生成新的昵称,执行上述选取过程,依此可以计算出针对各个昵称的维度的最优解,得到较优化的昵称,从而可以方便后续可以有针对性的、精确的向用户推荐昵称,方便用户对昵称的选取,提高昵称的选用率。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书的实施例是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书一个或多个实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书一个或多个实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书一个或多个实施例可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书一个或多个实施例,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。