【技術領域】

本發明涉及計算機應用技術，特別涉及基于人工智能的影片票房預測方法、裝置及存儲介質。

背景技術：

人工智能(artificialintelligence)，英文縮寫為ai。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。

目前中國的影片市場正處于蓬勃發展階段，未來中國的影片票房很可能超越美國成為影片第一大國。

對影片票房進行合理預測，可以給影片的投資、運營、宣發等行為帶來參考依據，具有很重要的實際意義。

現有技術，在對影片的票房進行預測時，通常都是針對次日的單日票房進行預測，如根據次日的預售信息、排片率信息等指標，通過回歸模型，預測出次日的票房。

但是，這種方式在實際應用中會存在很大的問題，如：預測的時間太短，只能預測次日的結果，對影片從業人員的參考意義有限，因為在這么短的時間內，影片的排片、廣告定價方案等都已經確定了，沒法進行修改，另外，不能從宏觀上看出一個電影的發展趨勢，進而得到影片的后續潛力，而往往趨勢型的預測，才是最有價值的。

技術實現要素：

有鑒于此，本發明提供了基于人工智能的影片票房預測方法、裝置及存儲介質，能夠實現對于未來連續多天的影片票房的預測。

具體技術方案如下：

一種基于人工智能的影片票房預測方法，包括：

分別獲取未來連續n天的影片排片率信息，n為大于一的正整數；

根據獲取到的排片率信息分別對未來連續n天的影片票房信息進行預測；

其中，在對任一影片的票房信息進行預測時，根據所預測的日期所處的預測時間段以及所述影片在所預測的日期所屬的影片類型，選取出對應的票房預測模型，并按照選取出的票房預測模型對所述影片進行票房預測。

一種基于人工智能的影片票房預測裝置，包括：第一預測單元以及第二預測單元；

所述第一預測單元，用于分別獲取未來連續n天的影片排片率信息，n為大于一的正整數；

所述第二預測單元，用于根據所述第一預測單元獲取到的排片率信息分別對未來連續n天的影片票房信息進行預測；

其中，在對任一影片的票房信息進行預測時，根據所預測的日期所處的預測時間段以及所述影片在所預測的日期所屬的影片類型，選取出對應的票房預測模型，并按照選取出的票房預測模型對所述影片進行票房預測。

一種計算機設備，包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述程序時實現如以上所述的方法。

一種計算機可讀存儲介質，其上存儲有計算機程序，所述程序被處理器執行時實現如以上所述的方法。

基于上述介紹可以看出，采用本發明所述方案，可實現對于未來連續多天的影片票房的預測，而且，可根據所預測的日期所處的預測時間段以及影片在所預測的日期所屬的影片類型，選取出對應的票房預測模型，進而按照選取出的票房預測模型進行票房預測，相比于采用一個預測模型的方式，提高了預測結果的準確性。

【附圖說明】

圖1為本發明所述基于人工智能的影片票房預測方法實施例的流程圖。

圖2為本發明所述影片排片率預測方法實施例的流程圖。

圖3為本發明所述新片的排片率以及老片的排片率的預測方式示意圖。

圖4為本發明所述基于人工智能的影片票房預測裝置實施例的組成結構示意圖。

圖5示出了適于用來實現本發明實施方式的示例性計算機系統/服務器12的框圖。

【具體實施方式】

為了使本發明的技術方案更加清楚、明白，以下參照附圖并舉實施例，對本發明所述方案作進一步地詳細說明。

圖1為本發明所述基于人工智能的影片票房預測方法實施例的流程圖，如圖1所示，包括以下具體實現方式：

在101中，分別獲取未來連續n天的影片排片率信息，n為大于一的正整數；

在102中，根據獲取到的排片率信息分別對未來連續n天的影片票房信息進行預測；其中，在對任一影片的票房信息進行預測時，根據所預測的日期所處的預測時間段以及影片在所預測的日期所屬的影片類型，選取出對應的票房預測模型，并按照選取出的票房預測模型對影片進行票房預測。

n的具體取值可根據實際需要而定，比如7。

需要說明的是，圖1所示實施例僅為舉例說明，并不用于限制本發明的技術方案，比如，可以在執行完101之后，再執行102，也可以101和102交叉執行，如在獲取到某一天的排片率信息之后，則根據獲取到的排片率信息對該天的影片票房信息進行預測，之后再獲取下一天的排片率信息并對下一天的影片票房信息進行預測等，具體實現方式不限。

以下分別對上述各部分內容的具體實現進行詳細說明。

一)影片排片率獲取

排片率是影響影片票房的一個重要因素，按照現有技術，只能獲取到次日即明天的影片排片率信息，而之后各天的影片排片率信息是沒辦法直接獲取的，需要按照本發明所述方式進行預測。

也就是說，如果需要分別獲取未來連續n天的影片排片率信息，那么可首先獲取第1天的影片排片率信息，之后可根據第1天的影片排片率信息，分別對第2～n天的影片排片率信息進行預測。

排片率預測可分為兩種情況，即：當天有新片上映，以及，當天沒有新片上映，對于這兩種情況，可采用不同的處理方式。

圖2為本發明所述影片排片率預測方法實施例的流程圖，如圖2所示，包括以下具體實現方式。

在201中，當需要對第i天的影片排片率信息進行預測時，i為正整數，且2≤i≤n，確定第i天是否有新上映的新片，如果否，則執行202，如果是，則執行203。

即當需要對第i天的影片排片率信息進行預測時，確定這一天是否有新片上映，如果沒有新片上映，則執行202，如果有新片上映，則執行203。

在202中，分別將各老片在前一天的排片率作為各老片在第i天的排片率，之后結束流程。

對于沒有新片上映的情況，可認為排片的變化會比較平穩，因此可平移前一天的影片排片率信息，換句話說，前一天的影片排片率信息是什么樣的，第i天也是一樣，即將各老片在前一天的排片率作為各老片在第i天的排片率。

在203中，預測出新片在第i天的排片率，并結合新片在第i天的排片率以及各老片在前一天的排片率，確定出各老片在第i天的排片率，之后結束流程。

對于有新片上映的情況，可首先根據預先訓練得到的新片排片率預測模型，預測出新片在第i天的排片率。

比如，可根據用戶對新片的感興趣程度，來預測出新片在第i天的排片率，即可將新片當前的傳播度信息如搜索指數、微博指數和想看指數等作為新片排片率預測模型的輸入，從而預測出新片的排片率。

可根據已經下映的電影的真實信息，生成訓練樣本，進而訓練得到新片排片率預測模型，具體實現為現有技術。

在得到新片在第i天的排片率之后，可從總排片率中減去新片在第i天的排片率，從而得到剩余排片率，并按照各老片在前一天的排片率比例，將剩余排片率按比例分配給各老片，將分配結果作為各老片在第i天的排片率。

基于上述介紹，圖3為本發明所述新片的排片率以及老片的排片率的預測方式示意圖。

如圖3所示，假設第i天共有3個影片在上映，其中影片1為第i天新上映的新片，影片2和影片3均為已經上映了至少一天的老片，首先根據新片排片率預測模型預測出影片1在第i天的排片率，進而可利用影片1在第i天的排片率對影片2和影片3的排片率進行調整，從而得到全部3個影片在第i天的排片率。

假設總排片率為100％，影片1在第i天的排片率為20％，影片2和影片3在前一天的排片率分別為80％和20％，即比例為4:1，那么可按照4:1的比例，將剩余的80％排片率分配給影片2和影片3，從而得到影片2和影片3在第i天的排片率分別為64％和16％。

按照上述方式，可分別得到第2～n天中的每天的影片排片率信息。

二)影片票房預測

根據獲取到的影片排片率信息，可分別對未來連續n天的影片票房信息進行預測。

較佳地，在對任一影片的票房信息進行預測時，可首先根據所預測的日期所處的預測時間段以及影片在所預測的日期所屬的影片類型，選取出對應的票房預測模型，之后按照選取出的票房預測模型對影片進行票房預測。

其中，預測時間段可包括：第1～m天所組成的第一預測時間段，以及，第(m+1)～n天所組成的第二預測時間段，m為正整數，且，1<m<(m+1)<n，m的具體取值可根據實際需要而定，比如3，即將第1～3天作為第一預測時間段，將第4～7天作為第二預測時間段。

影片在所預測的日期所屬的影片類型可包括：在所預測的日期新上映的新片以及非新上映的老片。

這樣，當需要對第j天的某一影片的票房進行預測時，可根據第j天所處的預測時間段以及影片在第j天時所屬的影片類型，選取出對應的票房預測模型，進而按照選取出的票房預測模型對影片進行票房預測，j為正整數，且1≤j≤n。

上述預測模型可包括：第一票房預測模型、第二票房預測模型、第三票房預測模型以及第四票房預測模型，以下分別進行介紹。

1)第一票房預測模型

若第j天處于第一預測時間段，且影片在第j天時屬于新片，則可按照預先訓練得到的第一票房預測模型對影片進行票房預測。

如前所述，第一預測時間段可為第1～3天，由于距離當前時間比較近，通常會積累比較多的預售信息，因此可利用預售信息來進行票房預測，即在預測模型的輸入特征中加入預售特征這一類的強特征。

而且，對于新片來說，由于其是新上映的，沒有前一天的票房信息作參考，因此可直接預測單日票房。

也就是說，可根據影片的第一基本信息以及第一票房預測模型，預測出影片在第j天的單日票房信息，所述第一基本信息可包括：在第j天的預售信息以及在第j天的排片率信息。

2)第二票房預測模型

若第j天處于第一預測時間段，且影片在第j天時屬于老片，則可按照預先訓練得到的第二票房預測模型對影片進行票房預測。

對于老片來說，可以獲取到其前一天的票房信息，因此在進行預測時，可以預測相比于前一天的票房變化比例信息。

即根據影片的第二基本信息以及第二票房預測模型，預測出影片在第j天相比于前一天的票房變化比例信息，所述第二基本信息可包括：在第j天的預售信息以及在第j天的排片率信息。

3)第三票房預測模型

若第j天處于第二預測時間段，且影片在第j天時屬于新片，則可按照預先訓練得到的第三票房預測模型對影片進行票房預測。

如前所述，第二預測時間段可為第4～7天，由于距離當前時間比較遠，因此基本沒有預售信息可用，相應地，可采用不依賴于預售信息的票房預測方式，而是采用影片的傳播度信息來進行票房預測，傳播度信息可包括影片當前的搜索指數、微博指數和想看指數等信息，如何獲取這些信息為現有技術。

也就是說，可根據影片的第三基本信息以及第三票房預測模型，預測出影片在第j天的單日票房信息，所述第三基本信息可包括：傳播度信息以及在第j天的排片率信息。

4)第四票房預測模型

若第j天處于第二預測時間段，且影片在第j天時屬于老片，則可按照預先訓練得到的第四票房預測模型對影片進行票房預測。

如可根據影片的第四基本信息以及第四票房預測模型，預測出影片在第j天相比于前一天的票房變化比例信息，所述第四基本信息可包括：傳播度信息以及在第j天的排片率信息。

除上述內容外，上述第一基本信息、第二基本信息、第三基本信息以及第四基本信息中還可進一步包括：電影質量信息以及第j天的時間屬性信息等。

電影質量信息可以是指根據電影的導演和主要演員的票房號召力以及影片的ip的影響力等信息評估出的一個影片質量評分，如何獲取為現有技術。

第j天的時間屬性信息可以是指是否節假日等。

第一票房預測模型、第二票房預測模型、第三票房預測模型以及第四票房預測模型的模型結構都是一樣的，如可為邏輯回歸模型、深度神經網絡模型等，只是輸入的特征和輸出會有所不同。

比如，第一票房預測模型和第二票房預測模型的輸入特征中會包括預售信息，而第三票房預測模型和第四票房預測模型的輸入特征中則不包括預售信息，但會包括傳播度信息。

再比如，第一票房預測模型和第三票房預測模型輸出的是單日票房信息，第二票房預測模型和第四票房預測模型輸出的則是相比于前一天的票房變化比例信息。

可根據已經下映的電影的真實信息，生成訓練樣本，進而訓練得到上述各票房預測模型，具體實現為現有技術。

通過上述介紹可以看出，采用本發明所述方案，可實現對于未來連續多天的影片票房的預測，而且，可根據所預測的日期所處的預測時間段以及影片在所預測的日期所屬的影片類型，選取出對應的票房預測模型，進而按照選取出的票房預測模型進行票房預測，相比于采用一個預測模型的方式，提高了預測結果的準確性。

以上是關于方法實施例的介紹，以下通過裝置實施例，對本發明所述方案進行進一步說明。

圖4為本發明所述基于人工智能的影片票房預測裝置實施例的組成結構示意圖，如圖4所示，包括：第一預測單元401以及第二預測單元402。

第一預測單元401，用于分別獲取未來連續n天的影片排片率信息，n為大于一的正整數。

第二預測單元402，用于根據第一預測單元401獲取到的排片率信息分別對未來連續n天的影片票房信息進行預測；

其中，在對任一影片的票房信息進行預測時，根據所預測的日期所處的預測時間段以及影片在所預測的日期所屬的影片類型，選取出對應的票房預測模型，并按照選取出的票房預測模型對影片進行票房預測。

如圖4所示，第一預測單元401中可具體包括：第一處理子單元4011以及第二處理子單元4012。

第一處理子單元4011，用于獲取第1天的影片排片率信息。

第二處理子單元4012，用于根據第1天的影片排片率信息，分別對第2～n天的影片排片率信息進行預測。

比如，第二處理子單元4012在需要對第i天的影片排片率信息進行預測時，i為正整數，且2≤i≤n，可首先確定第i天是否有新上映的新片，如果否，則分別將各老片在前一天的排片率作為各老片在第i天的排片率，如果是，則預測出新片在第i天的排片率，并結合新片在第i天的排片率以及各老片在前一天的排片率，確定出各老片在第i天的排片率。

第二處理子單元4012可根據預先訓練得到的新片排片率預測模型，預測出新片在第i天的排片率，并可從總排片率中減去新片在第i天的排片率，得到剩余排片率，進而按照各老片在前一天的排片率比例，將剩余排片率按比例分配給各老片，將分配結果作為各老片在第i天的排片率。

另外，所述預測時間段可包括：第1～m天所組成的第一預測時間段，以及，第(m+1)～n天所組成的第二預測時間段，m為正整數，且，1<m<(m+1)<n。

所述影片在所預測的日期所屬的影片類型可包括：在所預測的日期新上映的新片以及非新上映的老片。

如圖4所示，第二預測單元402中可具體包括：第三處理子單元4021以及第四處理子單元4022。

第三處理子單元4021，用于針對任一影片，當需要對第j天的影片的票房進行預測時，根據第j天所處的預測時間段以及影片在第j天時所屬的影片類型，選取出對應的票房預測模型，j為正整數，且1≤j≤n。

第四處理子單元4022，用于按照第三處理子單元4021選取出的票房預測模型以及第一預測單元401獲取到的排片率信息對影片進行票房預測。

其中，若第j天處于第一預測時間段，且影片在第j天時屬于新片，則第三處理子單元4021可選取出預先訓練得到的第一票房預測模型。

若第j天處于第一預測時間段，且影片在第j天時屬于老片，則第三處理子單元4021可選取出預先訓練得到的第二票房預測模型。

若第j天處于第二預測時間段，且影片在第j天時屬于新片，則第三處理子單元4021可選取出預先訓練得到的第三票房預測模型。

若第j天處于第二預測時間段，且影片在第j天時屬于老片，則第三處理子單元4021可選取出預先訓練得到的第四票房預測模型。

相應地，若選取出的票房預測模型為第一票房預測模型，則第四處理子單元4022可根據影片的第一基本信息以及第一票房預測模型，預測出影片在第j天的單日票房信息，第一基本信息可包括：在第j天的預售信息以及在第j天的排片率信息。

若選取出的票房預測模型為第二票房預測模型，則第四處理子單元4022可根據影片的第二基本信息以及第二票房預測模型，預測出影片在第j天相比于前一天的票房變化比例信息，第二基本信息可包括：在第j天的預售信息以及在第j天的排片率信息。

若選取出的票房預測模型為第三票房預測模型，則第四處理子單元4022可根據影片的第三基本信息以及第三票房預測模型，預測出影片在第j天的單日票房信息，第三基本信息可包括：傳播度信息以及在第j天的排片率信息。

若選取出的票房預測模型為第四票房預測模型，則第四處理子單元4022可根據影片的第四基本信息以及第四票房預測模型，預測出影片在第j天相比于前一天的票房變化比例信息，第四基本信息可包括：傳播度信息以及在第j天的排片率信息。

另外，上述第一基本信息、第二基本信息、第三基本信息以及第四基本信息中還可進一步包括：電影質量信息以及第j天的時間屬性信息等。

圖4所示裝置實施例的具體工作流程請參照前述方法實施例中的相應說明，不再贅述。

圖5示出了適于用來實現本發明實施方式的示例性計算機系統/服務器12的框圖。圖5顯示的計算機系統/服務器12僅僅是一個示例，不應對本發明實施例的功能和使用范圍帶來任何限制。

如圖5所示，計算機系統/服務器12以通用計算設備的形式表現。計算機系統/服務器12的組件可以包括但不限于：一個或者多個處理器(處理單元)16，存儲器28，連接不同系統組件(包括存儲器28和處理器16)的總線18。

總線18表示幾類總線結構中的一種或多種，包括存儲器總線或者存儲器控制器，外圍總線，圖形加速端口，處理器或者使用多種總線結構中的任意總線結構的局域總線。舉例來說，這些體系結構包括但不限于工業標準體系結構(isa)總線，微通道體系結構(mac)總線，增強型isa總線、視頻電子標準協會(vesa)局域總線以及外圍組件互連(pci)總線。

計算機系統/服務器12典型地包括多種計算機系統可讀介質。這些介質可以是任何能夠被計算機系統/服務器12訪問的可用介質，包括易失性和非易失性介質，可移動的和不可移動的介質。

存儲器28可以包括易失性存儲器形式的計算機系統可讀介質，例如隨機存取存儲器(ram)30和/或高速緩存存儲器32。計算機系統/服務器12可以進一步包括其它可移動/不可移動的、易失性/非易失性計算機系統存儲介質。僅作為舉例，存儲系統34可以用于讀寫不可移動的、非易失性磁介質(圖5未顯示，通常稱為“硬盤驅動器”)。盡管圖5中未示出，可以提供用于對可移動非易失性磁盤(例如“軟盤”)讀寫的磁盤驅動器，以及對可移動非易失性光盤(例如cd-rom,dvd-rom或者其它光介質)讀寫的光盤驅動器。在這些情況下，每個驅動器可以通過一個或者多個數據介質接口與總線18相連。存儲器28可以包括至少一個程序產品，該程序產品具有一組(例如至少一個)程序模塊，這些程序模塊被配置以執行本發明各實施例的功能。

具有一組(至少一個)程序模塊42的程序/實用工具40，可以存儲在例如存儲器28中，這樣的程序模塊42包括——但不限于——操作系統、一個或者多個應用程序、其它程序模塊以及程序數據，這些示例中的每一個或某種組合中可能包括網絡環境的實現。程序模塊42通常執行本發明所描述的實施例中的功能和/或方法。

計算機系統/服務器12也可以與一個或多個外部設備14(例如鍵盤、指向設備、顯示器24等)通信，還可與一個或者多個使得用戶能與該計算機系統/服務器12交互的設備通信，和/或與使得該計算機系統/服務器12能與一個或多個其它計算設備進行通信的任何設備(例如網卡，調制解調器等等)通信。這種通信可以通過輸入/輸出(i/o)接口22進行。并且，計算機系統/服務器12還可以通過網絡適配器20與一個或者多個網絡(例如局域網(lan)，廣域網(wan)和/或公共網絡，例如因特網)通信。如圖5所示，網絡適配器20通過總線18與計算機系統/服務器12的其它模塊通信。應當明白，盡管圖中未示出，可以結合計算機系統/服務器12使用其它硬件和/或軟件模塊，包括但不限于：微代碼、設備驅動器、冗余處理單元、外部磁盤驅動陣列、raid系統、磁帶驅動器以及數據備份存儲系統等。

處理器16通過運行存儲在存儲器28中的程序，從而執行各種功能應用以及數據處理，例如實現圖1所示實施例中的方法，即：分別獲取未來連續n天的影片排片率信息，n為大于一的正整數，根據獲取到的排片率信息分別對未來連續n天的影片票房信息進行預測，其中，在對任一影片的票房信息進行預測時，根據所預測的日期所處的預測時間段以及影片在所預測的日期所屬的影片類型，選取出對應的票房預測模型，并按照選取出的票房預測模型對影片進行票房預測。

具體實現請參照圖1所示方法實施例中的相應說明，不再贅述。

本發明同時公開了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時將實現如圖1所示實施例中的方法。

可以采用一個或多個計算機可讀的介質的任意組合。計算機可讀介質可以是計算機可讀信號介質或者計算機可讀存儲介質。計算機可讀存儲介質例如可以是——但不限于——電、磁、光、電磁、紅外線、或半導體的系統、裝置或器件，或者任意以上的組合。計算機可讀存儲介質的更具體的例子(非窮舉的列表)包括：具有一個或多個導線的電連接、便攜式計算機磁盤、硬盤、隨機存取存儲器(ram)、只讀存儲器(rom)、可擦式可編程只讀存儲器(eprom或閃存)、光纖、便攜式緊湊磁盤只讀存儲器(cd-rom)、光存儲器件、磁存儲器件、或者上述的任意合適的組合。在本文件中，計算機可讀存儲介質可以是任何包含或存儲程序的有形介質，該程序可以被指令執行系統、裝置或者器件使用或者與其結合使用。

計算機可讀的信號介質可以包括在基帶中或者作為載波一部分傳播的數據信號，其中承載了計算機可讀的程序代碼。這種傳播的數據信號可以采用多種形式，包括——但不限于——電磁信號、光信號或上述的任意合適的組合。計算機可讀的信號介質還可以是計算機可讀存儲介質以外的任何計算機可讀介質，該計算機可讀介質可以發送、傳播或者傳輸用于由指令執行系統、裝置或者器件使用或者與其結合使用的程序。

計算機可讀介質上包含的程序代碼可以用任何適當的介質傳輸，包括——但不限于——無線、電線、光纜、rf等等，或者上述的任意合適的組合。

可以以一種或多種程序設計語言或其組合來編寫用于執行本發明操作的計算機程序代碼，所述程序設計語言包括面向對象的程序設計語言—諸如java、smalltalk、c++，還包括常規的過程式程序設計語言—諸如”c”語言或類似的程序設計語言。程序代碼可以完全地在用戶計算機上執行、部分地在用戶計算機上執行、作為一個獨立的軟件包執行、部分在用戶計算機上部分在遠程計算機上執行、或者完全在遠程計算機或服務器上執行。在涉及遠程計算機的情形中，遠程計算機可以通過任意種類的網絡——包括局域網(lan)或廣域網(wan)—連接到用戶計算機，或者，可以連接到外部計算機(例如利用因特網服務提供商來通過因特網連接)。

在本發明所提供的幾個實施例中，應該理解到，所揭露的裝置和方法等，可以通過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。

所述作為分離部件說明的單元可以是或者也可以不是物理上分開的，作為單元顯示的部件可以是或者也可以不是物理單元，即可以位于一個地方，或者也可以分布到多個網絡單元上。可以根據實際的需要選擇其中的部分或者全部單元來實現本實施例方案的目的。

另外，在本發明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現，也可以采用硬件加軟件功能單元的形式實現。

上述以軟件功能單元的形式實現的集成的單元，可以存儲在一個計算機可讀取存儲介質中。上述軟件功能單元存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)或處理器(processor)執行本發明各個實施例所述方法的部分步驟。而前述的存儲介質包括：u盤、移動硬盤、只讀存儲器(rom，read-onlymemory)、隨機存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質。

以上所述僅為本發明的較佳實施例而已，并不用以限制本發明，凡在本發明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發明保護的范圍之內。