本發(fā)明涉及計算機
技術(shù)領(lǐng)域：
，具體而言，涉及一種從查詢詞中提取興趣點的方法和裝置。
背景技術(shù)：
：當(dāng)前搜索引擎對查詢詞的處理過程主要是：分詞→查詢倒排索引→排序顯示。查詢詞中有很多會涉及到poi(pointofinterest，興趣點)，目前由于問題的多樣性和興趣點數(shù)量級的限制，并沒有一種恰當(dāng)?shù)姆椒ㄡ槍Σ樵冊~中的興趣點進行識別和處理，如果能夠?qū)⑵渲械呐d趣點識別出來，而興趣點又自帶經(jīng)緯度和地址，結(jié)合這些豐富的信息，能很大程度上提升對查詢詞語義的理解，對于涉及興趣點的查詢詞能夠直接豐富其結(jié)果維度，從而改善搜索引擎的質(zhì)量。然而全國有幾千萬的興趣點量，將一條查詢詞和幾千萬的興趣點進行匹配顯然是一個非常耗時的過程，而且連進行匹配的長度也不確定。因此，需要實現(xiàn)一種能夠準(zhǔn)確、高效的識別出查詢詞中所包含的興趣點信息的技術(shù)方案。技術(shù)實現(xiàn)要素：鑒于上述問題，提出了本發(fā)明以便提供一種克服上述問題或者至少部分地解決上述問題的從查詢詞中提取興趣點的方法和裝置。依據(jù)本發(fā)明的一種從查詢詞中提取興趣點的方法，包括：對用戶輸入的查詢詞進行分詞，提取所述查詢詞中包含的地域信息；從所述查詢詞的分詞結(jié)果中選擇包含所述地域信息的候選興趣點；根據(jù)所述地域信息將所述候選興趣點進行匹配處理；從所述候選興趣點中選擇匹配成功的興趣點作為所述 查詢詞的興趣點。可選地，前述的方法，從所述查詢詞的分詞結(jié)果中選擇包含所述地域信息的候選興趣點，具體包括：根據(jù)用于記載多個前綴以及所述多個前綴所在興趣點的分詞數(shù)量的前綴詞典，從所述查詢詞的分詞結(jié)果中選擇分詞組成所述候選興趣點?？蛇x地，前述的方法，根據(jù)所述地域信息將所述候選興趣點進行匹配處理，具體包括：識別所述候選興趣點的后綴，并使用去除后綴的所述候選興趣點進行匹配處理。可選地，前述的方法，將所述候選興趣點進行匹配處理，具體包括：根據(jù)預(yù)設(shè)方式對所述候選興趣點進行計算得到結(jié)果值；根據(jù)所述候選興趣點的結(jié)果值，從多個容器中選擇對應(yīng)的容器；其中預(yù)設(shè)多個容器存儲多個信息點，且所述多個容器分別采用其中信息點按所述預(yù)設(shè)方式計算的結(jié)果值作為標(biāo)識；判斷所述對應(yīng)的容器中存儲的興趣點包含的地域信息是否與所述候選興趣點的所述地域信息相同?？蛇x地，前述的方法，還包括：如果所述查詢詞的興趣點為多個，其中第一興趣點為第二興趣點的部分時，從所述查詢詞的興趣點中過濾掉所述第一興趣點?？蛇x地，前述的方法，還包括：判斷所述查詢詞的興趣點的含義是否清楚，根據(jù)判斷結(jié)果確認(rèn)是否保留所述查詢詞的興趣點。依據(jù)本發(fā)明的一種從查詢詞中提取興趣點的裝置，包括：地域信息提取模塊，用于對用戶輸入的查詢詞進行分詞，提取所述查詢詞中包含的地域信息；候選興趣點選擇模塊，用于從所述查詢詞的分詞結(jié)果中選擇包含所述地域信息的候選興趣點；匹配模塊，用于根據(jù)所述地域信息將所述候選興趣點進行匹配處理；選擇模塊，用于從所述候選興趣點中選擇匹配成功的興趣點作為所述查詢詞的興趣點?？蛇x地，前述的裝置，所述候選興趣點選擇模塊根據(jù)用于記載多個前綴以及所述多個前綴所在興趣點的分詞數(shù)量的前綴詞典，從所述查詢詞的分詞結(jié)果中選擇分詞組成所述候選興趣點?？蛇x地，前述的裝置，所述匹配模塊識別所述候選興趣點的后綴，并使用去除后綴的所述候選興趣點進行匹配處理?？蛇x地，前述的裝置，還包括：計算模塊，用于根據(jù)預(yù)設(shè)方式對所述候選興趣點進行計算得到結(jié)果值；容器查找模塊，用于根據(jù)所述候選興趣點的結(jié)果值，從多個容器中選擇對應(yīng)的容器；其中預(yù)設(shè)多個容器存儲多個信息點，且所述多個容器分別采用其中信息點按所述預(yù)設(shè)方式計算的結(jié)果值作為標(biāo)識；所述匹配模塊判斷所述對應(yīng)的容器中存儲的興趣點包含的地域信息是否與所述候選興趣點的所述地域信息相同?？蛇x地，前述的裝置，還包括：第一過濾模塊，用于如果所述查詢詞的興趣點為多個，其中第一興趣點為第二興趣點的部分時，從所述查詢詞的興趣點中過濾掉所述第一興趣點?？蛇x地，前述的裝置，還包括：第二過濾模塊，用于判斷所述查詢詞的興趣點的含義是否清楚，根據(jù)判斷結(jié)果確認(rèn)是否保留所述查詢詞的興趣點。根據(jù)以上技術(shù)方案，本發(fā)明的從查詢詞中提取興趣點的方法和裝置至少具有以下優(yōu)點：在本發(fā)明的技術(shù)方案中，由于興趣點普遍包含地域信息，所以對查詢詞分詞后提取地域信息，并將分詞重組能夠得到包含地域信息的候選興趣點，得到的候選興趣點數(shù)量有限；然后將候選興趣點的地域信息與現(xiàn)有的興趣點的地域信息進行匹配，匹配成功則確認(rèn)為查詢詞的興趣點；由于得到的候選興趣點數(shù)量有限，將其與現(xiàn)有興趣點匹配不會占用太多的計算資源，同時根據(jù)地域信息來判斷興趣點效率、準(zhǔn)確率很高。上述說明僅是本發(fā)明技術(shù)方案的概述，為了能夠更清楚了解本發(fā)明的技術(shù)手段，而可依照說明書的內(nèi)容予以實施，并且為了讓本發(fā)明的上述和其它目的、特征和優(yōu)點能夠更明顯易懂，以下特舉本發(fā)明的具體實施方式。附圖說明通過閱讀下文優(yōu)選實施方式的詳細(xì)描述，各種其他的優(yōu)點和益處對于本領(lǐng)域普通技術(shù)人員將變得清楚明了。附圖僅用于示出優(yōu)選實施方式的目的， 而并不認(rèn)為是對本發(fā)明的限制。而且在整個附圖中，用相同的參考符號表示相同的部件。在附圖中：圖1示出了根據(jù)本發(fā)明的一個實施例的從查詢詞中提取興趣點的方法的流程圖；圖2示出了根據(jù)本發(fā)明的一個實施例的從查詢詞中提取興趣點的方法的流程圖；圖3示出了根據(jù)本發(fā)明的一個實施例的從查詢詞中提取興趣點的方法的原理圖；圖4示出了根據(jù)本發(fā)明的一個實施例的從查詢詞中提取興趣點的裝置的框圖；圖5示出了根據(jù)本發(fā)明的一個實施例的從查詢詞中提取興趣點的裝置的框圖。具體實施方式下面將參照附圖更詳細(xì)地描述本公開的示例性實施例。雖然附圖中顯示了本公開的示例性實施例，然而應(yīng)當(dāng)理解，可以以各種形式實現(xiàn)本公開而不應(yīng)被這里闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本公開，并且能夠?qū)⒈竟_的范圍完整的傳達給本領(lǐng)域的技術(shù)人員。在描述本發(fā)明的實施例前，首先對以下實施例中提到的查詢詞和興趣點的關(guān)系進行距舉例說明，如下表所示：上表列出了查詢詞中包含興趣點的幾個例子。一條查詢詞中可能會包含 多個興趣點，第三個例子的查詢詞中并不能看出包含任何興趣點，而興趣點中恰好有個“廣州珠江鋼琴專賣店”，那么如果將查詢詞和該專賣店關(guān)聯(lián)起來，那么對于搜索用戶來說無疑是個驚喜，第四個例子中用戶的查詢詞沒有直接能夠把興趣點“家樂福(溫江店)”提出，而是通過另外的其他說法說明。后面兩個例子都是通過擴充后綴得到興趣點，從而一定程度上解決了查詢詞中興趣點名稱說法多樣性問題。如圖1所示，本發(fā)明的一個實施例中提供一種從查詢詞中提取興趣點的方法，包括：步驟110，對用戶輸入的查詢詞進行分詞，提取查詢詞中包含的地域信息。在本實施例中，需要理解的是，興趣點普遍包含地域信息，所以從查詢詞中提取興趣點時，首先需要提取地域信息；具體地，可以首先構(gòu)建全國省、市、區(qū)(縣)、鄉(xiāng)(鎮(zhèn))、村、街道列表，對查詢詞進行分詞后，根據(jù)已構(gòu)建的區(qū)域列表識別查詢詞中包含的區(qū)域，如下表所示，將查詢詞中包含的省、市、區(qū)(縣)、鄉(xiāng)(鎮(zhèn))、村、街道全部識別出來。步驟120，從查詢詞的分詞結(jié)果中選擇包含地域信息的候選興趣點。在本實施例中，容易理解，興趣點由查詢詞中的包含地域信息的多個分詞組成，所以利用查詢詞的分詞和地域信息可以組成候選興趣點。步驟130，根據(jù)地域信息將候選興趣點進行匹配處理。在本實施例中，由于得到的候選興趣點數(shù)量有限，所以將候選興趣點與現(xiàn)有的興趣點匹配，不會占用太多的計算資源；而僅使用地域信息進行匹配，不必匹配全部內(nèi)容，匹配效率較高。步驟140，從候選興趣點中選擇匹配成功的興趣點作為查詢詞的興趣點。在本實施例中，由于現(xiàn)有興趣點是已知的、正確的，所以通過匹配方式獲取的興趣點非常準(zhǔn)確。本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的方法，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的方法，步驟120，具體包括：根據(jù)用于記載多個前綴以及多個前綴所在興趣點的分詞數(shù)量的前綴詞典，從查詢詞的分詞結(jié)果中選擇分詞組成候選興趣點。在本實施例中，涉及的前綴詞典需要提前準(zhǔn)備：統(tǒng)計已知的興趣點的前綴，構(gòu)建前綴字典?？梢岳斫猓d趣點的數(shù)量有數(shù)千萬，而對興趣點分詞后，得到的前綴的數(shù)量就只有幾十萬，所以前綴數(shù)量有限。如下表所示，將前綴為“白龍?zhí)丁钡呐d趣點分詞后進行詞數(shù)統(tǒng)計，將最短詞數(shù)和最長詞數(shù)作為前綴“白龍?zhí)丁钡姆纸纾瑯?gòu)建前綴詞典。在前綴詞典準(zhǔn)備好后，可利用其缺點候選的興趣點：將查詢詞進行分詞后，對每個詞在前綴詞典中查詢，確定其候選興趣點的邊界，由于前綴詞數(shù)量有限，所以查詢效率很高；比如上面“白龍?zhí)丁鼻熬Y的邊界為[2,4]，表示以“白龍?zhí)丁睘榍熬Y的興趣點的分詞數(shù)量我2-4個。對于查詢詞“杭州汽車北站去西湖區(qū)白龍?zhí)毒皡^(qū)怎么走？”的分詞結(jié)果為【杭州/汽車北站/去/西湖區(qū)/白龍?zhí)?景區(qū)/怎么/走/？】，按前綴詞典選擇的候選興趣點如下表。候選poi詞數(shù)白龍?zhí)毒皡^(qū)2白龍?zhí)毒皡^(qū)怎么3白龍?zhí)毒皡^(qū)怎么走4本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的方法，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的方法，步驟130，具體包括：識別候選興趣點的后綴，并使用去除后綴的候選興趣點進行匹配處理。在本實施例中，去除掉后綴的好處在于，避免后綴的多樣性干擾候選興趣點與已知興趣點之間的匹配。如圖2所示，本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的方法，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的方法，步驟130，具體包括：步驟131，根據(jù)預(yù)設(shè)方式對候選興趣點進行計算得到結(jié)果值。在本實施例中，對預(yù)設(shè)方式不進行限制，具體可以計算哈希(hash)值作為結(jié)果值。步驟132，根據(jù)候選興趣點的結(jié)果值，從多個容器中選擇對應(yīng)的容器；其中預(yù)設(shè)多個容器存儲多個信息點，且多個容器分別采用其中信息點按預(yù)設(shè)方式計算的結(jié)果值作為標(biāo)識。步驟133，判斷對應(yīng)的容器中存儲的興趣點包含的地域信息是否與候選興趣點的地域信息相同。在本實施例中，對容器的類型不進行限制，其可以是hash(哈希)分桶。預(yù)先對已知的興趣點進行去后綴，并進行去重合并，以消滅后綴多樣性造成興趣點數(shù)量較多，去掉后綴的興趣點如下表所示。然后對興趣點按名稱進行hash散列分桶，桶數(shù)選擇k*1000(k∈(1,9))，則可以保證同名的興趣點會分到同一個桶內(nèi)，數(shù)千萬的興趣點便可以分到數(shù)千個桶中，每個桶中的興趣點只有幾萬條，同名興趣點匹配的數(shù)量級將降低很多。在散列分桶準(zhǔn)備好的情況下，可以根據(jù)候選興趣點名稱，對其進行哈希計算，獲得對應(yīng)分桶數(shù)，則所對應(yīng)的興趣點必然在對應(yīng)分桶內(nèi)；每個興趣點有地域詳細(xì)信息，然后與查詢詞抽取的地域信息進行匹配，只要進行數(shù)萬次 的匹配即可獲取到候選興趣點匹配的結(jié)果。本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的方法，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的方法，還包括：如果查詢詞的興趣點為多個，其中第一興趣點為第二興趣點的部分時，從查詢詞的興趣點中過濾掉第一興趣點。在本實施例中，匹配的結(jié)果有興趣點名稱被包含的情況，比如“杭州汽車北站”和“汽車北站”都有對應(yīng)的匹配，而最終只選擇最長的匹配“杭州汽車北站”，因為較長興趣點的含義更加明確。本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的方法，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的方法，還包括：判斷查詢詞的興趣點的含義是否清楚，根據(jù)判斷結(jié)果確認(rèn)是否保留查詢詞的興趣點。在本實施例中，興趣點會存在一些表述不清楚的情況，比如“景區(qū)”、“小區(qū)”也是興趣點，而對于這種通常作為興趣點后綴的興趣點會過濾掉，綜合以上的所有實施例，對一個查詢詞提取興趣點的流程如圖3所示。如圖4所示，本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的裝置，包括：地域信息提取模塊410，用于對用戶輸入的查詢詞進行分詞，提取查詢詞中包含的地域信息。在本實施例中，需要理解的是，興趣點普遍包含地域信息，所以從查詢詞中提取興趣點時，首先需要提取地域信息；具體地，可以首先構(gòu)建全國省、市、區(qū)(縣)、鄉(xiāng)(鎮(zhèn))、村、街道列表，對查詢詞進行分詞后，根據(jù)已構(gòu)建的區(qū)域列表識別查詢詞中包含的區(qū)域，如下表所示，將查詢詞中包含的省、市、區(qū)(縣)、鄉(xiāng)(鎮(zhèn))、村、街道全部識別出來。候選興趣點選擇模塊420，用于從查詢詞的分詞結(jié)果中選擇包含地域信息的候選興趣點。在本實施例中，容易理解，興趣點由查詢詞中的包含地域信息的多個分詞組成，所以利用查詢詞的分詞和地域信息可以組成候選興趣點。匹配模塊430，用于將候選興趣點進行匹配處理。在本實施例中，由于得到的候選興趣點數(shù)量有限，所以將候選興趣點與現(xiàn)有的興趣點匹配，不會占用太多的計算資源；而僅使用地域信息進行匹配，不必匹配全部內(nèi)容，匹配效率較高。選擇模塊440，用于從候選興趣點中選擇匹配成功的興趣點作為查詢詞的興趣點。在本實施例中，由于現(xiàn)有興趣點是已知的、正確的，所以通過匹配方式獲取的興趣點非常準(zhǔn)確。本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的裝置，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的裝置，候選興趣點選擇模塊420根據(jù)用于記載多個前綴以及多個前綴所在興趣點的分詞數(shù)量的前綴詞典，從查詢詞的分詞結(jié)果中選擇分詞組成候選興趣點。在本實施例中，涉及的前綴詞典需要提前準(zhǔn)備：統(tǒng)計已知的興趣點的前綴，構(gòu)建前綴字典?？梢岳斫猓d趣點的數(shù)量有數(shù)千萬，而對興趣點分詞后，得到的前綴的數(shù)量就只有幾十萬，所以前綴數(shù)量有限。如下表所示，將前綴為“白龍?zhí)丁钡呐d趣點分詞后進行詞數(shù)統(tǒng)計，將最短詞數(shù)和最長詞數(shù)作為前綴“白龍?zhí)丁钡姆纸?，?gòu)建前綴詞典。在前綴詞典準(zhǔn)備好后，可利用其缺點候選的興趣點：將查詢詞進行分詞后，對每個詞在前綴詞典中查詢，確定其候選興趣點的邊界，由于前綴詞數(shù) 量有限，所以查詢效率很高；比如上面“白龍?zhí)丁鼻熬Y的邊界為[2,4]，表示以“白龍?zhí)丁睘榍熬Y的興趣點的分詞數(shù)量我2-4個。對于查詢詞“杭州汽車北站去西湖區(qū)白龍?zhí)毒皡^(qū)怎么走？”的分詞結(jié)果為【杭州/汽車北站/去/西湖區(qū)/白龍?zhí)?景區(qū)/怎么/走/？】，按前綴詞典選擇的候選興趣點如下表。候選poi詞數(shù)白龍?zhí)毒皡^(qū)2白龍?zhí)毒皡^(qū)怎么3白龍?zhí)毒皡^(qū)怎么走4本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的裝置，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的裝置，匹配模塊430識別候選興趣點的后綴，并使用去除后綴的候選興趣點進行匹配處理。識別候選興趣點的后綴，并使用去除后綴的候選興趣點進行匹配處理。在本實施例中，去除掉后綴的好處在于，避免后綴的多樣性干擾候選興趣點與已知興趣點之間的匹配。如圖5所示，本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的裝置，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的裝置，還包括：計算模塊510，用于根據(jù)預(yù)設(shè)方式對候選興趣點進行計算得到結(jié)果值。在本實施例中，對預(yù)設(shè)方式不進行限制，具體可以計算哈希(hash)值作為結(jié)果值。容器查找模塊520，用于根據(jù)候選興趣點的結(jié)果值，從多個容器中選擇對應(yīng)的容器；其中預(yù)設(shè)多個容器存儲多個信息點，且多個容器分別采用其中信息點按預(yù)設(shè)方式計算的結(jié)果值作為標(biāo)識。匹配模塊430判斷對應(yīng)的容器中存儲的興趣點包含的地域信息是否與候選興趣點的地域信息相同。在本實施例中，對容器的類型不進行限制，其可以是hash(哈希)分桶。預(yù)先對已知的興趣點進行去后綴，并進行去重合并，以消滅后綴多樣性造成興趣點數(shù)量較多，去掉后綴的興趣點如下表所示。然后對興趣點按名稱進行hash散列分桶，桶數(shù)選擇k*1000(k∈(1,9))，則可以保證同名的興趣點會分到同一個桶內(nèi)，數(shù)千萬的興趣點便可以分到數(shù)千個桶中，每個桶中的興趣點只有幾萬條，同名興趣點匹配的數(shù)量級將降低很多。在散列分桶準(zhǔn)備好的情況下，可以根據(jù)候選興趣點名稱，對其進行哈希計算，獲得對應(yīng)分桶數(shù)，則所對應(yīng)的興趣點必然在對應(yīng)分桶內(nèi)；每個興趣點有地域詳細(xì)信息，然后與查詢詞抽取的地域信息進行匹配，只要進行數(shù)萬次的匹配即可獲取到候選興趣點匹配的結(jié)果。本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的裝置，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的裝置，還包括：第一過濾模塊530，用于如果查詢詞的興趣點為多個，其中第一興趣點為第二興趣點的部分時，從查詢詞的興趣點中過濾掉第一興趣點。在本實施例中，匹配的結(jié)果有興趣點名稱被包含的情況，比如“杭州汽車北站”和“汽車北站”都有對應(yīng)的匹配，而最終只選擇最長的匹配“杭州汽車北站”，因為較長興趣點的含義更加明確。本發(fā)明的一個實施例提供一種從查詢詞中提取興趣點的裝置，相比于前述的實施例，本實施例的從查詢詞中提取興趣點的裝置，還包括：第二過濾模塊540，用于判斷查詢詞的興趣點的含義是否清楚，根據(jù)判斷結(jié)果確認(rèn)是否保留所述查詢詞的興趣點。在本實施例中，興趣點會存在一些 表述不清楚的情況，比如“景區(qū)”、“小區(qū)”也是興趣點，而對于這種通常作為興趣點后綴的興趣點會過濾掉，綜合以上的所有實施例，對一個查詢詞提取興趣點的流程如圖3所示。在此提供的算法和顯示不與任何特定計算機、虛擬系統(tǒng)或者其它設(shè)備固有相關(guān)。各種通用系統(tǒng)也可以與基于在此的示教一起使用。根據(jù)上面的描述，構(gòu)造這類系統(tǒng)所要求的結(jié)構(gòu)是顯而易見的。此外，本發(fā)明也不針對任何特定編程語言。應(yīng)當(dāng)明白，可以利用各種編程語言實現(xiàn)在此描述的本發(fā)明的內(nèi)容，并且上面對特定語言所做的描述是為了披露本發(fā)明的最佳實施方式。在此處所提供的說明書中，說明了大量具體細(xì)節(jié)。然而，能夠理解，本發(fā)明的實施例可以在沒有這些具體細(xì)節(jié)的情況下實踐。在一些實例中，并未詳細(xì)示出公知的方法、結(jié)構(gòu)和技術(shù)，以便不模糊對本說明書的理解。類似地，應(yīng)當(dāng)理解，為了精簡本公開并幫助理解各個發(fā)明方面中的一個或多個，在上面對本發(fā)明的示例性實施例的描述中，本發(fā)明的各個特征有時被一起分組到單個實施例、圖、或者對其的描述中。然而，并不應(yīng)將該公開的方法解釋成反映如下意圖：即所要求保護的本發(fā)明要求比在每個權(quán)利要求中所明確記載的特征更多的特征。更確切地說，如下面的權(quán)利要求書所反映的那樣，發(fā)明方面在于少于前面公開的單個實施例的所有特征。因此，遵循具體實施方式的權(quán)利要求書由此明確地并入該具體實施方式，其中每個權(quán)利要求本身都作為本發(fā)明的單獨實施例。本領(lǐng)域那些技術(shù)人員可以理解，可以對實施例中的設(shè)備中的模塊進行自適應(yīng)性地改變并且把它們設(shè)置在與該實施例不同的一個或多個設(shè)備中。可以把實施例中的模塊或單元或組件組合成一個模塊或單元或組件，以及此外可以把它們分成多個子模塊或子單元或子組件。除了這樣的特征和/或過程或者單元中的至少一些是相互排斥之外，可以采用任何組合對本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的所有特征以及如此公開的任何方法或者設(shè)備的所有過程或單元進行組合。除非另外明確陳述，本說明書(包括伴隨的權(quán)利要求、摘要和附圖)中公開的每個特征可以由提供相同、等同或相似目的的替代特征來代替。此外，本領(lǐng)域的技術(shù)人員能夠理解，盡管在此所述的一些實施例包括其它實施例中所包括的某些特征而不是其它特征，但是不同實施例的特征的組合意味著處于本發(fā)明的范圍之內(nèi)并且形成不同的實施例。例如，在下面的權(quán)利要求書中，所要求保護的實施例的任意之一都可以以任意的組合方式來使用。本發(fā)明的各個部件實施例可以以硬件實現(xiàn)，或者以在一個或者多個處理器上運行的軟件模塊實現(xiàn)，或者以它們的組合實現(xiàn)。本領(lǐng)域的技術(shù)人員應(yīng)當(dāng)理解，可以在實踐中使用微處理器或者數(shù)字信號處理器(dsp)來實現(xiàn)根據(jù)本發(fā)明實施例的提取興趣點的裝置中的一些或者全部部件的一些或者全部功能。本發(fā)明還可以實現(xiàn)為用于執(zhí)行這里所描述的方法的一部分或者全部的設(shè)備或者裝置程序(例如，計算機程序和計算機程序產(chǎn)品)。這樣的實現(xiàn)本發(fā)明的程序可以存儲在計算機可讀介質(zhì)上，或者可以具有一個或者多個信號的形式。這樣的信號可以從因特網(wǎng)網(wǎng)站上下載得到，或者在載體信號上提供，或者以任何其他形式提供。應(yīng)該注意的是上述實施例對本發(fā)明進行說明而不是對本發(fā)明進行限制，并且本領(lǐng)域技術(shù)人員在不脫離所附權(quán)利要求的范圍的情況下可設(shè)計出替換實施例。在權(quán)利要求中，不應(yīng)將位于括號之間的任何參考符號構(gòu)造成對權(quán)利要求的限制。單詞“包含”不排除存在未列在權(quán)利要求中的元件或步驟。位于元件之前的單詞“一”或“一個”不排除存在多個這樣的元件。本發(fā)明可以借助于包括有若干不同元件的硬件以及借助于適當(dāng)編程的計算機來實現(xiàn)。在列舉了若干裝置的單元權(quán)利要求中，這些裝置中的若干個可以是通過同一個硬件項來具體體現(xiàn)。單詞第一、第二、以及第三等的使用不表示任何順序。可將這些單詞解釋為名稱。當(dāng)前第1頁12