一种根据关键词推荐应用的方法及装置与流程

本发明涉及通信领域，尤其涉及一种根据关键词推荐应用的方法及装置。
背景技术：
：随着科学技术的发展，移动终端的使用也越来越广泛，人们经常在终端的搜索界面搜索自己想要得到的搜索结果，例如，在搜索界面上搜索相关的应用，然后将搜索得到的应用推荐在搜索界面。目前的搜索应用推荐方法的处理过程是将用户输入的关键词与数据库中的搜索对象进行关键词的匹配，然后在搜索界面上显示匹配成功的搜索应用，但是，这种搜索应用推荐方法仅仅利用关键词进行文本匹配，从而导致搜索结果广泛，同时也不能精确得到用户想要的应用。可见，目前的搜索应用推荐方法的精确性低。技术实现要素：本发明实施例提供一种搜索结果推荐方法及装置，以解决现有技术存在的搜索应用推荐方法的精确性低的问题。第一方面，本发明实施例提供了一种根据关键词推荐应用的方法，包括：根据当前用户输入的关键词，获取所述关键词在各个应用上的分布信息；根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息；根据所述相关度信息，选择至少一个应用推荐给当前用户。第二方面，本发明实施例还提供一种根据关键词推荐应用的装置，包括：获取模块，用于根据当前用户输入的关键词，获取所述关键词在各个应用上的分布信息；第一计算模块，用于根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息；推荐模块，用于根据所述相关度信息，选择至少一个应用推荐给当前用户。本发明实施例中，根据当前用户输入的关键词，获取所述关键词在各个应用上的分布信息；根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息；根据所述相关度信息，选择至少一个应用推荐给当前用户。这样，通过增加各个应用之间的相似度信息来计算关键词与各个应用之间的相关度信息，而不是简单的根据关键词进行文本匹配进而推荐应用，从而增加了应用推荐的精准性。附图说明为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例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发明的一些实施例，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是本发明实施例提供的一种根据关键词推荐应用的方法的流程示意图；图2是本发明实施例提供的另一种根据关键词推荐应用的方法的流程示意图；图3是本发明实施例提供的另一种根据关键词推荐应用的方法的流程示意图；图4是本发明实施例提供的一种根据关键词推荐应用的装置的结构图；图5是本发明实施例提供的另一种根据关键词推荐应用的装置的结构图；图6是本发明实施例提供的另一种根据关键词推荐应用的装置的结构图；图7是本发明实施例提供的另一种根据关键词推荐应用的装置的结构图；图8为本发明实施例提供的一种移动终端的结构图。具体实施方式下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。第一实施例参见图1，图1是本发明实施例提供的一种根据关键词推荐应用的方法的流程示意图，上述方法可用于浏览器搜索、应用搜索、社区论坛搜索推广中，如图1所示，包括以下步骤：步骤101、根据当前用户输入的关键词，获取所述关键词在各个应用上的分布信息。该步骤中，上述分布信息基于关键词而形成的信息，可以是下载次数的分布信息、访问次数的分布信息等，例如，搜索词为“美颜”，在应用B上的下载次数为90次，在应用C上的下载次数为10次，则搜索词“美颜”在上述两个应用的分布信息为：应用B应用C美颜0.90.1关键词的输入可以是在与应用相关的搜索界面上进行，如在应用商店中根据关键词搜索应用，该获取的过程可以是先获取与关键词相关的用户行为数据，然后根据行为数据进行提取、清洗、整理、分析可以得到关键词在应用上的分布信息。步骤102、根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息。该步骤中，上述各个应用之间的相似度信息可以是通过用户的行为数据中的应用的标签属性分布信息来进行计算，上述标签属性可以是人工设置的标签属性，例如，搜索对象为应用，应用A的标签属性为美白、摄影和照片；也可以是系统筛选出来的标签属性，如可以对应用A的关联信息进行关键词统计，然后选择排列靠前的关键词作为标签属性，也可以结合上述两个过程来确定标签属性，然后结合相似度算法计算应用之间的相似度，其中相似度算法可以是余弦相似度算法、文本相似度算法等。计算所述关键词与各个应用之间的相关度信息的过程可以是：根据各个应用上的分布信息构建第一矩阵；根据各个应用之间的相似度信息构建第二矩阵；将第一矩阵与第二矩阵的乘积的结果确定关键词与各个应用之间的相关度信息。例如，分布信息为下载次数的分布信息，构建的第一矩阵如下：应用B应用C美颜0.90.1根据应用B于应用C之间的相似度构建的第二矩阵为：应用B应用C应用B10.7应用C0.61将第一矩阵与第二矩阵相乘得到每个候选搜索应用与所述搜索关键词的相关度为：应用B应用C美颜0.960.73美颜与应用B的相关度为0.96＝0.9*1+0.1*0.06；美颜与应用C的相关度为0.73＝0.9*0.7+0.1*1。需要说明的是，以上只是以两个应用进行举例说明，具体实施方式以实际的应用为准。步骤103、根据所述相关度信息，选择至少一个应用推荐给当前用户。该步骤中，选择的过程可以根据预设的推荐规则进行选择，该推荐规则可以是根据用户的行为数据而生成的，如，选择相关度大于或者等于预设值的应用或者选择相关度为特定值的应用等等。通过进行相关度的排序和选择，增加了搜索的综合指标，提高了应用推荐的精准性。本发明实施例中，执行上述步骤的执行主体可以是用户终端对应的服务器，该服务器可以收集用户在用户终端上产生的行为数据。上述用户终端可以手机、平板电脑(TabletPersonalComputer)、膝上型电脑(LaptopComputer)、个人数字助理(personaldigitalassistant，简称PDA)、移动上网装置(MobileInternetDevice，MID)或可穿戴式设备(WearableDevice)等。本发明实施例的根据关键词推荐应用的方法，根据当前用户输入的关键词，获取所述关键词在各个应用上的分布信息；根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息；根据所述相关度信息，选择至少一个应用推荐给当前用户。这样，通过增加各个应用之间的相似度信息来计算关键词与各个应用之间的相关度信息，而不是简单的根据关键词进行文本匹配进而推荐应用，从而增加了应用推荐的精准性。第二实施例参见图2，图2是本发明实施例提供的另一种根据关键词推荐应用的方法的流程示意图，如图2所示，包括以下步骤：步骤201、根据用户输入的关键词，获取与所述关键词相关的用户行为数据。该步骤中，上述用户行为数据包括所有用户通过所述关键词对各个应用的下载量，如，用户通过关键词“美颜”进行搜索时，会基于该关键词产生的自然搜索结果，并根据自然搜索结果而进行下载行为或者浏览行为，这个时候就可以获取基于“美颜”关键词的下载量，得到下载应用B的次数为90次，下载应用C的次数为10次等行为数据。步骤202、根据所述用户行为数据，获取所述关键词在各个应用上的分布信息。该步骤中，在步骤201中获取的行为数据中，进行统计分析后可以得到关键词“美颜”分别与应用B和应用C的分布信息如下：应用B应用C美颜0.90.1步骤203、根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息。该步骤中，上述各个应用之间的相似度信息可以是通过用户的行为数据中的应用的标签属性分布信息来进行计算，上述标签属性可以是人工设置的标签属性，例如，搜索对象为应用，应用A的标签属性为美白、摄影和照片；也可以是系统筛选出来的标签属性，如可以对应用A的关联信息进行关键词统计，然后选择排列靠前的关键词作为标签属性，也可以结合上述两个过程来确定标签属性，然后结合相似度算法计算应用之间的相似度，其中相似度算法可以是余弦相似度算法、文本相似度算法等。计算所述关键词与各个应用之间的相关度信息的过程可以是：根据各个应用上的分布信息构建第一矩阵；根据各个应用之间的相似度信息构建第二矩阵；将第一矩阵与第二矩阵的乘积的结果确定关键词与各个应用之间的相关度信息。例如，分布信息为下载次数的分布信息，构建的第一矩阵如下：应用B应用C美颜0.90.1根据应用B于应用C之间的相似度构建的第二矩阵为：应用B应用C应用B10.7应用C0.61将第一矩阵与第二矩阵相乘得到每个候选搜索应用与所述搜索关键词的相关度为：应用B应用C美颜0.960.73美颜与应用B的相关度为0.96＝0.9*1+0.1*0.06；美颜与应用C的相关度为0.73＝0.9*0.7+0.1*1。需要说明的是，以上只是以两个应用进行举例说明，具体实施方式以实际的应用为准。步骤204、根据所述相关度信息，选择至少一个应用推荐给当前用户。该步骤中，选择的过程可以根据预设的推荐规则进行选择，该推荐规则可以是根据用户的行为数据而生成的，如，选择相关度大于或者等于预设值的应用或者选择相关度为特定值的应用等等。通过进行相关度的排序和选择，增加了搜索的综合指标，提高了应用推荐的精准性。本发明实施例的根据关键词推荐应用的方法，基于用户的行为数据获取关键词对各个应用的下载量，通过下载量与各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息，从而把满足规则的应用推荐给用户，这样在提高应用推荐精准性的同时也可以提高推荐应用的下载量。第三实施例参见图3，图3是本发明实施例提供的另一种根据关键词推荐应用的方法的流程示意图，如图3所示，包括以下步骤：步骤301、根据当前用户输入的关键词，获取所述关键词在各个应用上的分布信息。该步骤中，上述分布信息基于关键词而形成的信息，可以是下载次数的分布信息、访问次数的分布信息等，例如，搜索词为“美颜”，在应用B上的下载次数为90次，在应用C上的下载次数为10次，则搜索词“美颜”在上述两个应用的分布信息为：应用B应用C美颜0.90.1关键词的输入可以是在与应用相关的搜索界面上进行，如在应用商店中根据关键词搜索应用，该获取的过程可以是先获取与关键词相关的用户行为数据，然后根据行为数据进行提取、清洗、整理、分析可以得到关键词在应用上的分布信息。步骤302、根据各个应用的标签属性分布信息，计算各个应用之间的相似度信息。该步骤中，上述标签属性可以是人工设置的标签属性，例如，搜索对象为应用，应用A的标签属性为美白、摄影和照片；也可以是系统筛选出来的标签属性，如可以对应用A的关联信息进行关键词统计，然后选择排列靠前的关键词作为标签属性，也可以结合上述两个过程来确定标签属性，然后结合相似度算法计算应用之间的相似度，其中相似度算法可以是余弦相似度算法、文本相似度算法等。步骤303、根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息。该步骤中，上述各个应用之间的相似度信息可以是通过用户的行为数据中的应用的标签属性分布信息来进行计算，结合相似度算法计算应用之间的相似度，其中相似度算法可以是余弦相似度算法、文本相似度算法等。计算所述关键词与各个应用之间的相关度信息的过程可以是：根据各个应用上的分布信息构建第一矩阵；根据各个应用之间的相似度信息构建第二矩阵；将第一矩阵与第二矩阵的乘积的结果确定关键词与各个应用之间的相关度信息。例如，分布信息为下载次数的分布信息，构建的第一矩阵为：应用B应用C美颜0.90.1根据应用B于应用C之间的相似度构建的第二矩阵为：应用B应用C应用B10.7应用C0.61将第一矩阵与第二矩阵相乘得到每个候选搜索应用与所述搜索关键词的相关度为：应用B应用C美颜0.960.73美颜与应用B的相关度为0.96＝0.9*1+0.1*0.06；美颜与应用C的相关度为0.73＝0.9*0.7+0.1*1。需要说明的是，以上只是以两个应用进行举例说明，具体实施方式以实际的应用为准。步骤304、根据所述相关度信息，选择至少一个应用推荐给当前用户。该步骤中，选择的过程可以根据预设的推荐规则进行选择，该推荐规则可以是根据用户的行为数据而生成的，如，选择相关度大于或者等于预设值的应用或者选择相关度为特定值的应用等等。通过进行相关度的排序和选择，增加了搜索的综合指标，提高了应用推荐的精准性。可选的，所述根据各个应用的标签属性分布信息，计算各个应用之间的相似度信息之前，还包括：根据各个应用的标签属性和已下载信息，计算下载各个应用的所有用户的标签属性分布信息；根据所述用户的标签属性分布信息，计算各个应用的标签属性分布信息。该实施方式中，例如，第一用户下载了应用B，第二用户下载了应用C，应用B的标签属性为摄影、美白；应用C的标签属性为照片、摄影，且得到的标签属性分布信息为：美白摄影照片第一用户0.250.50.25第二用户0.50.10.4如果应用B同时被第一用户和第二用户下载，将数据进行汇总后，则应用B的标签属性分布信息为：美白摄影照片应用B0.750.60.65那么按照以上的方式就可以得到每个应用的标签属性分布信息。可选的，所述标签属性分布信息包括多个标签属性以及对应的属性值；所述根据各个应用的标签属性分布信息，计算各个应用之间的相似度信息包括：分别获取各个应用在各个标签属性下对应的属性值之间的差值，根据所述差值，计算各个应用之间的相似度。该实施方法中，例如，应用B和应用C在标签属性美白、摄影、照片的标签属性为：美白摄影照片应用B0.750.60.65应用C0.50.30.6应用B和应用C在标签属性值的差值为：美白摄影照片差值0.250.30.15那么，结合上述应用B和应用C之间的标签属性值的差值和相似度算法就可以计算出两者之间的相似度，其中相似度算法可以是余弦相似度算法、文本相似度算法等等。本发明实施例提供的根据关键词推荐应用的方法，通过人工引入的标签属性计算应用之间的相似度，将用户的行为数据转化为用户与标签属性，应用于标签属性之间的关联性，节省了存储空间和减少了计算的复杂度。第四实施例参见图4，图4是本发明实施例提供的一种根据关键词推荐应用的装置400，如图4所示，所述根据关键词推荐应用的装置400包括：获取模块401，用于根据当前用户输入的关键词，获取所述关键词在各个应用上的分布信息；第一计算模块402，用于根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息；推荐模块403，用于根据所述相关度信息，选择至少一个应用推荐给当前用户。可选的，如图5所示，所述获取模块401包括：第一获取子模块4011，用于根据用户输入的关键词，获取与所述关键词相关的用户行为数据，所述用户行为数据包括所有用户通过所述关键词对各个应用的下载量；第二获取子模块4012，用于根据所述用户行为数据，获取所述关键词在各个应用上的分布信息。可选的，如图6所示，所述根据关键词推荐应用的装置400还包括：第二计算模块404，用于根据各个应用的标签属性分布信息，计算各个应用之间的相似度信息。可选的，如图7所示，所述根据关键词推荐应用的装置400还包括：第三计算模块405，用于根据各个应用的标签属性和已下载信息，计算下载各个应用的所有用户的标签属性分布信息；第四计算模块406，用于根据所述用户的标签属性分布信息，计算各个应用的标签属性分布信息。可选的，所述标签属性分布信息包括多个标签属性以及对应的属性值；所述第二计算模块404具体用于分别获取各个应用在各个标签属性下对应的属性值之间的差值，根据所述差值，计算各个应用之间的相似度。根据关键词推荐应用的装置400能够实现图1至图3的方法实施例中推荐应用实现的各个过程，为避免重复，这里不再赘述。且根据关键词推荐应用的装置400可以增加应用推荐的精准性。第五实施例参见图8，图8是本发明实施提供的一种移动终端的结构图，如图8所示，移动终端800包括：至少一个处理器801、存储器802、至少一个网络接口804和用户接口803。移动终端800中的各个组件通过总线系统805耦合在一起。可理解，总线系统805用于实现这些组件之间的连接通信。总线系统805除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图8中将各种总线都标为总线系统805，其中，用户接口803可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。可以理解，本发明实施例中的存储器802可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-OnlyMemory，ROM)、可编程只读存储器(ProgrammableROM，PROM)、可擦除可编程只读存储器(ErasablePROM，EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(StaticRAM，SRAM)、动态随机存取存储器(DynamicRAM，DRAM)、同步动态随机存取存储器(SynchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(EnhancedSDRAM，ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM，DRRAM)。本文描述的系统和方法的存储器802旨在包括但不限于这些和任意其它适合类型的存储器。在一些实施方式中，存储器802存储了如下的元素，可执行模块或者数据结构，或者他们的子集，或者他们的扩展集：操作系统8021和应用程序8022。其中，操作系统8021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序8022，包含各种应用程序，例如媒体播放器(MediaPlayer)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序8022中。在本发明实施例中，通过调用存储器802存储的程序或指令，具体的，可以是应用程序8022中存储的程序或指令，处理器801用于：根据当前用户输入的关键词，获取所述关键词在各个应用上的分布信息；根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度信息；根据所述相关度信息，选择至少一个应用推荐给当前用户。上述本发明实施例揭示的方法可以应用于处理器801中，或者由处理器801实现。处理器801可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器801中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器801可以是通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现成可编程门阵列(FieldProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器802，处理器801读取存储器802中的信息，结合其硬件完成上述方法的步骤。可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecificIntegratedCircuits，ASIC)、数字信号处理器(DigitalSignalProcessing，DSP)、数字信号处理设备(DSPDevice，DSPD)、可编程逻辑设备(ProgrammableLogicDevice，PLD)、现场可编程门阵列(Field-ProgrammableGateArray，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。对于软件实现，可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。可选的，处理器801执行所述根据用户输入的关键词，获取所述关键词在各个应用上的分布信息，包括：根据用户输入的关键词，获取与所述关键词相关的用户行为数据，所述用户行为数据包括所有用户通过所述关键词对各个应用的下载量；根据所述用户行为数据，获取所述关键词在各个应用上的分布信息。可选的，所述根据所述分布信息和各个应用之间的相似度信息，分别计算所述关键词与各个应用之间的相关度之前，处理器801还执行根据各个应用的标签属性分布信息，计算各个应用之间的相似度信息。可选的，在所述根据各个应用的标签属性分布信息，计算各个应用之间的相似度信息之前，处理器801还执行根据各个应用的标签属性和已下载信息，计算下载各个应用的所有用户的标签属性分布信息；根据所述用户的标签属性分布信息，计算各个应用的标签属性分布信息。可选的，所述标签属性分布信息包括多个标签属性以及对应的属性值；处理器801执行所述根据各个应用的标签属性分布信息，计算各个应用之间的相似度信息包括：分别获取各个应用在各个标签属性下对应的属性值之间的差值，根据所述差值，计算各个应用之间的相似度。移动终端800能够实现前述实施例中根据关键词推荐应用的装置的各个过程，为避免重复，这里不再赘述。且移动终端800增加应用搜索的精准性。本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。在本申请所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述功能如果以软件功能单元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例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、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本
技术领域：
的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。当前第1页1 2 3