使用示例来查找连接语料库中的数据

背景

在面临需要使用数据来回答的问题时，必须解决三个问题。第一，必须标 识包含回答该问题所需的数据的一个或多个数据集。第二，必须标识这些数据 集之间的关系以及存储在其中的数据。第三，必须制定一个或多个查询以回答 该问题。随着可用数据集组的数目的增加，前两个问题相比于第三个问题变得 越来越复杂，而在存储系统领域中大多数努力仍聚焦于查询的制定。

前两个问题的常见方法落入两个类别：

一个方法要求在执行搜索之前该数据被适当地组织在很好理解的语义模 型中。虽然是强大的，但由于在搜索之前组织所有数据是有困难的，因此这样 的机制具有有限的用途。

在另一方法中，在数据集中使用全文本搜索。这些数据集被作为好像它们 是典型的文档来对待，并且全文本搜索技术被应用于内容。尽管该技术可容易 地处理任何类型的数据，但由于无法理解并利用数据的结构以及其中的关系， 使得复杂的问题不可能只通过全文本搜索来回答。

概述

提供本概要从而以简要形式引入将在下面具体实施例中进一步描述的概 念的选择。本概要不旨在标识所要求保护的主题的关键特征或必要特征，也不 旨在用来限制所要求保护的主题的范围。

在一个实施例中，系统从人类输入或机器学习中获得对数据集的结构及其 关系的理解。用户提供解释他或她的查询的数据及关系的示例。该机制使用其 对数据集结构的知识，并搜索这些数据集以查找类似于这些示例的模式的信 息。这允许作为领域专家但是数据库新手的用户找到并理解回答该查询所必须 的数据集。

例如，域或数据类型可用于在数据集内建立列关系。数据值示例可用于在 这些数据集中标识感兴趣的域及相关联的列。覆盖用户所引用的域的最小连接 数据集子集被标识为回答查询所需的潜在的或可能的数据集集合。这些关系示 例用于过滤连接数据集子集，以快速找到用户实际感兴趣的数据集。

用户通过指定值集合来找到感兴趣的域。通过分析这些域内的域重叠及连 接(诸如出现在多个域中的列)来标识这些域之间的关系。各关系可依据其强 度和/或依据该关系对用户所指定的个别值的覆盖来排名或确定值。用户可提供 这些值(诸如，已知的对应值)之间的示例关系，以缩减数据集搜索域。

附图

为了进一步阐明本发明的各实施例的以上和其他优点和特征，将参考附图 来呈现本发明的各实施例的更具体的描述。可以理解，这些附图只描绘本发明 的典型实施例，因此将不被认为是对其范围的限制。本发明将通过使用附图用 附加特征和细节来描述和解释，附图中：

图1是根据一个实施例的用于使用示例来搜索数据集的系统的框图。

图2示出了数据目录中的多个数据集之间的关系。

图3是使用自动丰富功能来链接数据目录中的各数据集的另一示例。

图4是示出根据一个实施例的用于创建丰富的数据目录的方法的流程图。

图5是根据一个实施例的用于向用户标识相关数据集的方法的流程图。

图6是根据一替换实施例的用于标识相关数据集的方法的流程图。

图7示出用于使用值集合和示例关系来向用户标识数据集的合适的计算和 联网环境。

详细描述

在一个实施例中，数据可被存储在关系模型中；然而，将理解，数据集不 限于为关系数据库。在该模型中，为所有列计算出值类型。具有高度相似的值 类型的任何列都被认为是相关的。例如，如果一个列是另一个列的子集，则这 些列被认为是相关的。这些列的关系的强度是从类型方面的相似程度中导出 的。例如，可构造列关系图，其中如果两个列共享一类型或属于同一数据集， 则这两个列是相关的。

这些类型本身可依据包含关系形成分层结构，使得各类型可具有子类型。 共享同一类型及具有强相似程度的各列可被聚类在一起，以形成列聚类。

始于该模型，用户可使用示例来搜索数据。人们以实体和关系来自然地表 达他们的世界，即使在他们没有专门使用那些单词时也是如此。该表达类型可 用于搜索数据集。首先，用户通过给出相同类型的单词集合来搜索各实体。例 如，查找国家数据的用户可作为示例输入“美国”，但单独该输入是非常有歧 义的。如果添加了示例“加拿大”，则域已被缩减，但这两个单词在一起可能 与多个事物相关。如果添加了第三示例(诸如“挪威”)，则该搜索已被显著 地缩减为国家。将注意，该技术仅仅通过分析数据集，并且即使该系统没有意 识到“国家”的概念也会发挥作用。

如果这些示例是不充分的，则用户可通过呈现替换解释(诸如，附加术语 的列表)来消除该搜索的歧义。例如，“巴西”将导致国家列表以及坚果类型 列表。用户可容易地接受或拒绝所需的实体类型。

下一步骤是标识用户已找到的各实体之间的关系。如上所述，该系统计算 数据集模型中的各列的关系图。将通过用户的示例术语所找到的域列表应用于 关系图，该系统构造了连接全部所指定的域的最小的连接子集。每一个这样的 连接子集表示将用户所找到的所有数据联系起来的不同路径。这些连接可例如 基于底层关系的组合强度来加权。可使用单值或多值加权函数。将这些连接子 集中的一些或全部呈现给用户。在一个实施例中，示例值用于将关系或更一般 地将连接子集呈现给用户。用户随后选择最佳拟合该查询的连接子集。

与尝试让用户将所需的关系解释给系统(其是当前的搜索方法)相比，使 用各示例来向用户解释各数据集之间的关系容易得多。在本文中描述的系统 中，没有假设或要求各数据集之间的先验模式建模。

可使用这个系统来连接不同的值。在以上示例中，国家被标识。在另一查 询中，用户可能想要将国家或城市与货币相关联。例如，为了将“城市名称” 连接到“货币”，用户将选取城市的示例值，并遵循如上所述的逻辑。为了将 “温哥华”连接到“Loonie(加元)”(1加元硬币)，用户可使用城市数据 集和货币数据集，其将加入具有类似类型的国家列。用户可呈现城市和货币的 示例。系统随后将呈现通过不同的值而连接的数据。用户将选择通过国家值连 接的连接数据集。用户的问题可通过使用国家值“加拿大”来链接数据集来回 答。

如果用户在所提议的连接子集中没有看见所需的连接集，则用户具有两个 选项来影响该系统。第一，用户可添加更多实体。例如，如果以上的“Loonie” 示例意指鸟而非货币，则给出附加的鸟的名称将迫使该系统重新解释该值，以 实现包括鸟的低加权连接集。

用户控制的顶点是呈现关系示例。例如，如果用户正在查找加拿大获得独 立的年份，则用户可以将“国家”的概念和“年份”的概念解释给系统。用户 可能发现在这些数据集之间存在太多的国家-年份关系。然而，如果用户提供 了已知的示例国家-年份对(诸如，USA-1776)，则该系统将基于将该示例包 括在期望的连接集中的需要而理解国家-年份关系的正确解释。因此，该系统将 区分满足该“USA-1776”示例的连接子集的优先级，并将首先将那些连接子集 呈现给该用户。

图1是根据一个实施例的用于使用示例来搜索数据集的系统的框图。用户 想要搜索数据101的某一整体，数据101可包括具有许多不同格式的数据集。 例如，数据101可包括来自公共源、私有源或企业源的数据库、电子表格或其 他数据集。数据101还可包括从其他数据集导出的数据。爬行器102爬行数据 101以标识数据集并找到和提取有关该数据的元数据，诸如表和列名、各数据 集和列之间的关系、数据类型等。爬行器102将这些数据集和元数据提供给目 录103。元数据可包括例如列名、标签、评级等。

自动丰富组件104可将附加元数据添加到目录103。爬行器102仅在元数 据被呈现在数据101中的原始数据集中的情况下才标识一些元数据。自动丰富 组件104可将来自不同电子表格的列配对，并可将一列标识成其他列的索引。 自动丰富组件104可将与一列相关联的元数据添加到相关的列中。例如，一个 电子表格可具有列导标，并且相关数据集中的列可不具有导标数据。自动丰富 组件104可将导标元数据添加到相关列中。

元数据清理组件105向用户提供访问目录103的界面。用户可使用元数据 清理组件105来修正数据集和列名(诸如，误拼写)、删除坏的数据集、以及 标识数据集内的特定数据类型。目录103可通过在用户正在进行搜索时作出纠 正来在使用期间进行清理并改善。替换地，目录103可以通过使用户专门审阅 和修改目录103中的数据集和元数据来以更有意的方式进行清理。

用户访问经由搜索界面106来访问数据目录103。取决于应用，搜索界面 106可为用户提供不同的搜索体验。在一个实施例中，搜索界面106提供对目 录103的单独访问，诸如允许用户找到特定数据或回答特定问题的搜索引擎。 在另一实施例中，搜索界面106提供允许用户找到数据或数据文件以供与应用 一起使用的“数据开放”功能。在另外的实施例中，搜索界面106利用用户的 当前上下文来改善体验。例如，搜索界面可观察用户正在操作的数据(诸如电 子表格)，并随后定制要与那个数据相关的搜索结果(诸如该电子表格的经更 新版本)和/或在已经被开放的上下文中呈现这些结果。

一旦用户使用搜索界面106从目录103中选择了数据，该数据就可被提供 给业务智能/分析组件107以供进一步分析和/或处理。

图2示出了数据目录中的多个数据集之间的关系。目录200包括电影位置 数据集201，该电影位置数据集201包括电影标题名称的列表和由邮码来标识 的拍摄该电影的位置的列表。该目录还包括演员数据集202，该演员数据集202 包括演员名称以及每一演员的生日和由城市名称标识的出生地的列表。电影信 誉数据集202包括电影标题名称以及该电影中出演的演员的名称、每一演员的 相应角色名称以及每一电影被发布的日期的列表。该目录还包括与娱乐产业无 关的其他数据集，诸如指示每一邮政编码的城市和州的邮政编码(诸如邮编 204)的列表。

这些数据集可被爬行器或其他装置添加到目录中。数据集中的一些可具有 各种级别的元数据，诸如列名、表格标题或标签。替换地，其他数据集可仅包 括数据列而没有任何相关联的元数据。用户可使用元数据清理组件来访问目 录，并将元数据提供给一些数据集和/或纠正其他数据集上的元数据。

自动丰富功能可分析数据集并标识所述数据集之间的关系。例如，自动丰 富功能可认识到电影位置数据集201中的列205是与邮编数据集204的列206 相类似的编号的列表。这些列可不具有导标元数据，或者它们可具有相同的导 标元数据(例如，两者都标记了“邮编”)或不同的导标元数据(例如，一个 标记了“邮编”，另一个标记了“位置”)。自动丰富功能可使用该元数据和 /或使用这些列的内容来识别这些列之间的关系21。在所示的示例中，例如列 205可被标识为列206的子集。

自动丰富功能可标识附加关系。例如，该系统可标识关系22，其中演员数 据集202的列207中的城市列表被标识为邮编数据集204的列208中的城市列 表的子集。同样，自动丰富功能还标识关系23，其中在演员数据集202的列 209以及电影信誉数据集203的列210中观察到重叠的演员名称。此外，该系 统标识关系24，其中在电影位置数据集201的列211和电影信誉数据集203的 列212中观察到重叠的电影名称。

将理解，图2中示出的经丰富的目录200是被高度简化的示例。目录中可 存在任何数目的数据集。此外，可在数据集中标识任何数目的关系。这些关系 可基于例如重叠值的数目或元数据的相似性而具有不同的强度。数据集中的一 些列可具有多个关系。数据集213可以是公司的项目名称的列表。该公司可针 对这些项目使用城市名称。丰富功能将把数据集213的列214中的城市/项目名 称识别成列208中的城市名称的子集。因此，它将标识这两个列之间的关系25。

其他数据库可被解释为与电影数据集201和203相关或可能与电影数据集 201和203相关。例如，书标题数据集215可列出书标题以及每一本书所发表 的日期。丰富功能可标识书标题数据集215的列216中的书名称与电影数据集 201和203中的电影标题的重叠，因为这些书中的一些可能已被拍成了电影(或 者写了关于电影的书)。因此，在这些数据集和列之间也可标识关系26和27。

可使用标识与娱乐相关的域的值的术语来搜索经丰富的数据目录。例如， 如果用户想要标识由出生于温哥华的演员主演的电影，则该用户可搜索经丰富 的目录200，而无需选择特定的表格或数据库来进行搜索，并且无需知道这些 数据集的格式。

在这个示例中，电影的名称是未知的，因此用户提供已知的随机电影标题 的列表以将“电影标题”类型标识为相关。例如，用户可列出“乱世佳人(图 2中的GWTW)”，这可返回包括电影标题的数据集201和203。然而，如果 列出了书“乱世佳人”的话，这个名称可导致标识可能不想要的附加数据库， 诸如书标题数据库215。用户可通过添加不是基于书的附加电影标题(诸如， 作为示例“阿凡达”)来消除这些假肯定返回。该经修改的电影标题列表可以 将不想要的书标题数据库215从所建议的数据集结果中消除，或者可导致在所 建议的结果中电影标题数据库201和203的排名比书标题数据库215更高。

用户还将城市名称添加到查询中。具体地，用户会把“温哥华”添加到查 询术语中。这可导致项目名称数据集213、邮政编码数据集204和演员数据集 207中的命中。这些数据集可被添加到所建议的结果列表中。表1示出了由根 据一个实施例的搜索界面使用搜索术语“乱世佳人”、“阿凡达”和“温哥华” 提供的所建议的结果列表。

表1

各自具有这些搜索术语中的两个的数据集201和203可排名第一。数据集 215、202和204各自具有这些搜索术语中的一个，并因此被排名在数据集201 和203下面。数据集215可被排名在例如数据集202、204和213前面，因为 数据集215具有在该列表中更早出现的搜索术语(即，“阿凡达”被列在“温 哥华”前面)。数据集213可被排名在最后，因为数据集213不包括这些特定 示例术语中的任何一个。将理解，在其他实施例中，搜索术语和/或数据集可被 加权，其可改变所建议的数据集的排名。

表1中的所建议的数据集向用户提供可能感兴趣的数据集分组。然而，这 些结果没有回答用户的查询，该查询是“什么电影由出生于温哥华的演员主 演？”。搜索界面可通过向用户示出这数据集如何相关以及如果这些数据集被 组合得到的信息将包括什么来进一步缩减提议数据集。

在以上示例中，搜索界面已将电影标题类型(例如，列211、212)和城市 名称类型(例如，列207、208、214)标识为相关。搜索界面还提供链接这两 种类型的结果的示例。例如，表2示出了在通过位置邮政编码列205和206之 间的位置关系21将电影标题类型(列211)链接到城市名称类型(列208)时 的结果。该系统以诸如表2的格式或任何其他合适的格式将链接这些类型的条 目的示例提供给用户。搜索界面还可提供关于该示例的附加信息，诸如这些数 据集的身份、这些数据集中使用的列、这些数据集之间的任何关系。

表2

表3是示出通过链接此电影标题类型和城市名称类型而得到的结果的第二 示例。表3示出了在通过演员名称列209和210之间的位置关系23将电影标 题类型(列212)链接到城市名称类型(列207)时的结果。

表3

该系统可基于向各搜索术语和/或数据集所分配的权重来将各示例呈现在 经排名的列表中。在用户已标识的电影标题类型和城市名称类型之间可存在使 用替换或较长关系路径列出的其他示例响应。

用户将可能选择表3中示出的示例，因为表3在结果中包括演员名称，其 与用户的搜索相关。

在另一实施例中，用户可能不喜欢所建议的示例，或者可能确信这些示例 中的任何一个都是不合适的。用户可通过为期望结果集添加已知对来进一步缩 减建议。例如，除了使用搜索术语“乱世佳人”、“阿凡达”和“温哥华”以 外，用户还可将已知的演员名称和出生城市示例添加到搜索术语中。通过添加 已知的演员名称/出生城市示例，该系统将可能将表3的结果标识为比不具有演 员信息的表2的结果更相关。因此，该系统将确定通过演员名称类型的关系23 是期望路径。

一旦用户选择了匹配该查询的示例结果，则可将用于所选示例的数据集提 供给业务智能/分析组件以供进一步处理。例如，如果用户选择了前面的表3， 则数据集203和202将被提供给业务智能/分析组件，该组件会组合数据并基于 该示例来构建新的组合数据集或数据透视表。该新的组合数据集或数据透视表 随后可被用户汇总、组织或以其他方式处理或分析。

该系统允许用户使用涉及问题的单词来给出示例。经丰富的目录标识与示 例单词相关联的域并随后标识具有那些域的数据集。该系统向用户呈现在那些 数据集被组合时创建的示例结果。用户可选择这些示例结果集之一，或可添加 更多的搜索术语以缩减示例结果。如上所述，缩减结果集的一种方式是给出与 期望数据类似的已知对示例。

图3是使用自动丰富功能来链接数据目录中的各数据集的另一示例。数据 集301包括为东海岸工具收集的十列A-J数据。数据集302包括为西海岸工具 收集的十一列A-H、K-M数据。这些数据集具有类似的而非相同的列集合。两 个数据集中都出现了列A-H303、304。每一数据集都具有附加的唯一列305、 306。这些数据集具有类似的模式和相同的键列。自动丰富功能将观察到数据 集301和302之间的类似模式，并将推断出它们具有相同类型的值。关系路径 31将被建立在数据集301和302之间。

搜索界面将知道这些表具有类似的模式和重叠的域。因此，当用户输入在 一个数据集中出现的示例术语(诸如，数据集301中的东海岸城市的名称)时， 则搜索界面也将查看它知道具有相关的值的数据集302。

数据集301和302可以是相关的(例如为同一表的不同版本)，或者一个 数据集可以是另一数据集的伪外键或是另一数据集的伪模式。在经丰富的目录 中构建的关系图将允许搜索界面找到这些相关的数据集。

图4是示出根据一个实施例的用于创建经丰富的数据目录的方法的流程 图。在步骤401，爬行数据资源池，并标识数据集。数据资源池可包括例如公 共源、私有源或企业源。数据集可包括例如数据库、电子表格、列表或其他数 据集的子集。在步骤402，将元数据添加到数据集中，并且如果必要的话纠正 现有的元数据。元数据可包括例如表和列名、数据集之间的关系、数据类型、 标签等。

在步骤403，标识这些数据集内的数据类型。数据类型可标识例如存储在 列中的值类型。数据类型可以是概括的，诸如将值标识为文本、日期、编号、 或其他值，或者它们可以是较具体的，诸如将值标识为名称、出生日期、标题、 邮编、地址等。在步骤404，标识不同数据集中的各数据类型之间的关系。在 步骤405，在相关的数据类型之间建立链接。例如，如果两个不同的数据集中 的列两者都被标识为具有日期数据类型，则这些列可被标识为是相关并且相链 接的。可基于例如不同列中的值的相似性或用户分配的权重来对各关系进行加 权或排名。

自动丰富过程可用于分析数据集并标识数据类型、标识相关的数据类型及 在这些数据类型之间建立链接。在一个实施例中，自动丰富过程分析目录中的 所有数据集并生成不同数据集内的任何相似数据类型之间的关系，以创建经丰 富的数据目录。

图5是根据一个实施例的用于向用户标识相关数据集的方法的流程图。在 步骤501，从用户接收值集合。在步骤502，标识值中的每一个的数据类型。 在步骤503，标识与这些数据类型相对应的数据集。在步骤503标识的每一数 据集具有与从用户接收的值相对应的数据类型中的一个或多个。

在步骤504，标识这些数据集之间的关系。这些关系对应于不同数据集中 的类似数据类型之间的链接。在步骤505提供提议数据集分组的列表。通过一 个或多个关系将每一提议分组内的数据集彼此链接。

在步骤506，从用户接收示例值集。示例值集对应于两个或更多个数据类 型之间的已知关系。在步骤507，为用户列出第二提议数据集分组。第二提议 分组内的数据集包括用户已经提供的该示例值集。在步骤508，接收对提议数 据集分组之一的用户选择。

在其他实施例中，可将所选的提议数据集分组内的数据集组合成新数据 集。例如，可将所选的提议数据集分组内的数据集的子集组合成新数据集。

提议数据集分组不必是类似的或不必直接链接。提议分组中的数据集可通 过与不具有对应于从用户接收到的值的数据类型的各中间数据集的关系而彼 此链接。例如，如果用户提供的值与数据类型A和B匹配，则具有数据类型A 和C的数据集可以与具有数据类型B和C的数据集分组在一起。公共数据类 型C可用于将一个数据与另一数据相关，即使该数据不与用户提供的值相关联。

提议的数据集分组还可包括具有重叠的数据类型的数据集。重叠的数据类 型可以或可以不对应于从用户接收到的值，但这些数据集将包括与用户提供的 值相对应的数据类型中的至少一个。

提议的数据集分组的列表可被排名或加权。例如，可基于向数据类型、数 据集、和从用户接收到的值中的一个或多个分配的权重来对数据分组进行排 名。

图6是根据一替换实施例的用于标识相关数据集的方法的流程图。在步骤 601，标识与值集合相对应的域集合。在步骤602，标识与这些域中的至少一个 相对应的数据集。在步骤603标识这些数据集之间的关系。这些关系对应于不 同数据集的类似域之间的链接。

在步骤604，标识数据集分组。通过一个或多个关系将每一提议分组内的 数据集彼此链接。在步骤605接收示例值集。示例值集对应于两个或更多个域 之间的已知关系。在步骤606中，标识一个或多个提议的数据集分组。在提议 的分组的数据集内找到示例值集的值。

在一个实施例中，在提议的分组的数据集中找到示例值集的全部值。在其 他实施例中，在提议的分组的数据集内找到示例值集的值中的至少一个。

可以理解，图5中所示的过程的步骤501-508和图6中所示的过程的步骤 601-606可被同时和/或顺序执行。还可以理解，每个步骤可以按任何顺序执行， 且可被执行一次或重复执行。

在其他实施例中，可以在分布式计算网络或云计算环境中处理数据集，诸 如通过因特网递送的一组汇合计算资源。该云可以将不限制应用(诸如数据爬 行器、搜索界面、元数据清理操作、自动丰富功能或业务智能/分析)的托管环 境提供给特定的资源集。取决于平台，各应用可动态地缩放，并增加其占进行 中的资源的份额。例如，在图1中，数据101和目录103可以是云计算环境中 的分布式存储设备的组件。此外，爬行器102、自动丰富104、元数据清理105、 搜索界面106和业务智能/分析107可以在云计算环境中的一个或多个虚拟机上 运行。这些组件还可体现在分布式或集中式数据中心中。

图7示出了其上可实现图1-6的示例以使用值集合以及示例关系来向用户 标识数据集的合适计算和联网环境700。计算系统环境700旨在作为合适计算 环境的一个示例，而非意在暗示对本发明使用范围或功能有任何限制。本发明 可用各种其他通用或专用计算系统环境或配置来操作。适用于本发明的公知计 算系统、环境、和/或配置的示例包括但不限于：个人计算机、服务器计算机、 手持式或膝上型设备、平板设备、多处理器系统、基于微处理器的系统、机顶 盒、可编程消费电子产品、网络PC、微型计算机、大型计算机、包括任何以上 系统或设备的分布式计算环境等等。

本发明可在诸如程序模块等由计算机执行的计算机可执行指令的通用上 下文中描述。一般而言，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。本发明也可在其中由通过通信网 络链接的远程处理设备执行任务的分布式计算环境中实现。在分布式计算环境 中，程序模块可以位于包括存储器存储设备在内的本地和/或远程计算机存储介 质中。

参考图7，用于实现本发明的各个方面的示例性系统可以包括计算机700 形式的通用计算设备。组件可包括但不限于各种硬件组件(诸如处理单元701)、 数据存储702(诸如系统存储器)、以及将包括数据存储702在内的各种系统 组件耦合到处理单元701的系统总线703。系统总线703可以是若干类型的总 线结构中的任一种，包括使用各种总线体系结构中的任一种的存储器总线或存 储器控制器、外围总线、以及局部总线。作为示例而非限制，这样的体系结构 包括工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、增强型 ISA(EISA)总线、视频电子技术标准协会(VESA)局部总线和外围部件互连 (PCI)总线(也称为夹层(Mezzanine)总线)。

计算机700通常包括各种计算机可读介质704。计算机可读介质704可以 是能由计算机700访问的任何可用介质，并同时包含易失性和非易失性介质以 及可移动、不可移动介质，但不包括传播信号。作为示例而非限制，计算机可 读介质704可包括计算机存储介质和通信介质。计算机存储介质包括以存储诸 如计算机可读的指令、数据结构、程序模块或其他数据之类的信息的任何方法 或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包 括，但不仅限于，RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、 数字多功能盘(DVD)或其他光盘存储、磁带盒、磁带、磁盘存储或其他磁存 储设备，或可以用来存储所需信息并可以被计算机700访问的任何其他介质。 通信介质通常以诸如载波或其他传输机制之类的已调制数据信号来体现计算 机可读指令、数据结构、程序模块或其他数据，并且包括任何信息传送介质。 术语“已调制数据信号”是指使得以在信号中编码信息的方式来设置或改变其 一个或多个特征的信号。作为示例而非限制，通信介质包括诸如有线网络或直 接线连接之类的有线介质，以及诸如声学、RF、红外及其他无线介质之类的无 线介质。上面各项中的任何项的组合也包括在计算机可读介质的范围内。计算 机可读介质可被实现为计算机程序产品，诸如存储在计算机存储介质上的软 件。

数据存储或系统存储器702包括诸如只读存储器(ROM)和/或随机存取 存储器(RAM)之类的易失性和/或非易失性存储器形式的计算机存储介质。 基本输入/输出系统(BIOS)包含有助于诸如启动时在计算机700中元件之间 传递信息的基本例程，它通常被存储在ROM中。RAM通常包含处理单元701 可立即访问和/或当前正在操作的数据和/或程序模块。作为示例而非限制性， 数据存储702保存操作系统、应用程序、其他程序模块、和程序数据。

数据存储702还可以包括其它可移动/不可移动、易失性/非易失性计算机 存储介质。仅作为示例，数据存储702可以是对不可移动、非易失性磁介质进 行读写的硬盘驱动器，对可移动、非易失性磁盘进行读写的磁盘驱动器，以及 对诸如CD ROM或其它光学介质等可移动、非易失性光盘进行读写的光盘驱动 器。可在示例性操作环境中使用的其它可移动/不可移动、易失性/非易失性计 算机存储介质包括但不限于，磁带盒、闪存卡、数字多功能盘、数字录像带、 固态RAM、固态ROM等。上文所描述的并且在图7中所显示的驱动器以及 它们的关联的计算机存储介质，为计算机700提供对计算机可读取的指令、数 据结构、程序模块及其他数据的存储。

用户可通过用户接口705或诸如平板、电子数字化仪、话筒、键盘和/或定 点设备(通常指的是鼠标、跟踪球或触摸垫)等其它输入设备输入命令和信息。 其他输入设备可以包括操纵杆、游戏垫、圆盘式卫星天线、扫描仪等等。另外， 语音输入、使用手或手指的手势输入、或其它自然用户接口(NUI)也可与适 当的输入设备(诸如话筒、相机、平板、触摸垫、手套、或其它传感器)一起 使用。这些及其他输入设备常常通过耦合到系统总线703的用户输入接口705 连接到处理单元701，但是，也可以通过其他接口和总线结构，如并行端口、 游戏端口或通用串行总线(USB)，来进行连接。监视器706或其他类型的显 示设备也通过诸如视频接口之类的接口连接至系统总线703。监视器706也可 以与触摸屏面板等集成。注意到监视器和/或触摸屏面板可以在物理上耦合至其 中包括计算设备700的外壳，诸如在平板型个人计算机中。此外，诸如计算设 备700等计算机还可以包括其他外围输出设备，诸如扬声器和打印机，它们可 以通过输出外围接口等连接。

计算机700可使用至一个或多个远程设备(诸如远程计算机)的逻辑连接 707在网络化或云计算环境中操作。远程计算机可以是个人计算机、服务器、 路由器、网络PC、对等设备或其它常见的网络节点，并且一般包括上面相对于 计算机700所述的许多或全部元件。图7中所描述的逻辑连接包括一个或多个 局域网(LAN)和一个或多个广域网(WAN)，但是，也可以包括其他网络。此 类联网环境在办公室、企业范围的计算机网络、内联网和因特网中是常见的。

当在联网或云计算环境中使用时，计算机700可通过网络接口或适配器707 连接至公共或私有网络。在一些实施例中，使用调制解调器或用于在网络上建 立通信的其它装置。调制解调器可以是内置或外置的，它经由网络接口707或 其它适当的机制连接至系统总线703。诸如包括接口和天线的无线联网组件可 通过诸如接入点或对等计算机之类的合适的设备耦合到网络。在联网环境中， 相关于计算机700所示的程序模块或其部分可被存储在远程存储器存储设备 中。可以理解，所示的网络连接是示例性的，也可以使用在计算机之间建立通 信链路的其他手段。

尽管用结构特征和/或方法动作专用的语言描述了本主题，但可以理解，所 附权利要求书中定义的主题不必限于上述具体特征或动作。相反，上面描述的 具体特征和动作是作为实现各权利要求的示例形式公开的。