图关系网络构建方法、图神经网络模型训练方法及装置与流程

1.本公开涉及大数据处理技术领域，尤其涉及用户理解、关系理解、图关系网络构建、图神经网络模型训练技术领域。


背景技术：

2.用户的关系理解是刻画用户的重要维度，图数据作为表征用户的重要数据类型，如何使得构建的图网络关系包含更多的信息，是图关系网络挖掘最重要的设计环节之一。


技术实现要素：

3.本公开提供了一种图关系网络构建方法、图神经网络模型训练方法及装置。
4.根据本公开的第一方面，提供了一种包含时序信息的图关系网络构建方法，包括：
5.确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；
6.确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；
7.将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。
8.根据本公开的第二方面，提供了一种图神经网络模型训练方法，包括：
9.基于多个训练样本训练图神经网络模型；训练样本具有第一方面任一项的包含时序信息的图关系网络。
10.根据本公开的第三方面，提供了一种包含时序信息的图关系网络构建装置，包括：
11.第一确定模块，用于确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；
12.第二确定模块，用于确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；
13.第一添加模块，用于将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。
14.根据本公开的第四方面，提供了一种图神经网络模型训练装置，包括：
15.训练模块，用于基于多个训练样本训练图神经网络模型；训练样本具有第一方面任一项的包含时序信息的图关系网络。
16.根据本公开的第五方面，提供了一种电子设备，该电子设备包括：
17.至少一个处理器；以及
18.与上述至少一个处理器通信连接的存储器；其中，
19.存储器存储有可被上述至少一个处理器执行的指令，指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行上述方法。
20.根据本公开的第六方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，该计算机指令用于使计算机执行上述方法。
21.根据本公开的第七方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现上述方法。
22.本公开提供的技术方案带来的有益效果是：本技术构建的图网络关系能提供更好的用户表征以及用户事件节点表征，为后续的基于图神经网络等的图关系网络数据挖掘提供良好的数据基础。
23.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
24.附图用于更好地理解本方案，不构成对本公开的限定。其中：
25.图1是根据本公开提供的包含时序信息的图关系网络构建方法流程示意图；
26.图2是根据本公开提供的现有的图关系网络示例图；
27.图3是根据本公开提供的包含时序信息的图关系网络示例图；
28.图4是根据本公开提供的包含用户关系及用户事件关系的图关系网络示例图；
29.图5是根据本公开提供的图神经网络模型训练方法流程示意图；
30.图6本公开提供的包含时序信息的图关系网络构建装置的结构示意图；
31.图7本公开提供的图神经网络模型训练装置的结构示意图；
32.图8是用来实现本公开实施例的电子设备的框图。
具体实施方式
33.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
34.实施例一
35.图1示出了本公开实施例提供的一种包含时序信息的图关系网络构建方法，如图1所示，该方法包括：
36.步骤s101，确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；
37.图(graph)是一个具有广泛含义的对象，在计算机领域，图是一种常见的数据结构，在数据科学中，图被用来广泛描述各种关系型数据。通常，图被用来表示物体与物体之间的关系，在诸如社交网络、生物制药、物联网等场景中，存在大量的图数据。其中，图有顶点(vertex)以及连接顶点的边(edge)构成，顶点表示研究对象，边表示两个对象之间特定的关系。对于本技术，图网络关系可以表示顶点和边的集合，其中，用户和用户事件都可以作为图的顶点。
38.步骤s102，确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；
39.具体地，目标用户可以对应有多个用户事件，该多个用户事件的发生存在一定的关联关系，如目标用户进行了事件a之后，又进行了事件b，则可以认为用户事件a与用户事
件b存在事件对关系。
40.步骤s103，将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。
41.具体地，用户事件的相继发生包含了一定的时序信息，将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，也即是说建立用户事件的连接，构建用户事件之间的变关系，从而能够构建包含时序信息的图关系网络。
42.为更好的理解本技术的发明点，示例性地，图2示出了现有的构建的用户的图关系网络，目标用户(usera)进行了用户事件a(query1)与用户事件b(query2)，现有的构建的用户的图关系网络仅建立目标用户(usera)与用户事件(query1、query2)的边关系，而并不会构建用户事件的边关系，从而现有的构建的用户的图关系网络损失掉了用户事件所蕴含的时序信息。本技术通过确定用户事件是否存在用户事件对关系，如果用户事件存在事件对关系，即用户事件a(query1)与用户事件b(query2)相继发生，说明用户事件a(query1)与用户事件b(query2)之间存在一定的时序信息，从而构建用户事件a(query1)与用户事件b(query2)之间的边关系，从而将用户事件a(query1)与用户事件b(query2)之间所蕴含的时序信息添加至构建的图网络关系中。
43.本公开实施例提供的方案，与现有技术构建的图网络关系仅包含用户与用户事件的关系，未包含用户事件之间的时序信息相比。本公开通过确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。即构建的第二图关系网络中，融合了用户事件之间的时序信息，从而构建的包含时序信息的图网络关系能提供更好的用户表征以及用户事件节点表征，为后续的基于图神经网络等的图关系网络数据挖掘提供良好的数据基础。
44.本公开实施例提供了一种可能的实现方式，其中，根据权利要求1的方法，其中，该方法还包括：
45.基于目标用户的事件日志确定目标用户的各用户事件之间存在的事件对关系。
46.用户事件日志，也可以称作用户行为日志、用户行为轨迹、流量日志等。简单来说，就是用户每次访问网站、浏览文章、观看视频等产生的行为数据(访问、浏览、搜索、点击等)。具体的，可以在开发的应用或网页中进行埋点，从而能监控到用户的相应操作事件。
47.具体地，通过目标用户的事件日志可以确定具有事件对关系的用户事件。
48.对于本技术实施例，解决了如何确定用户事件是否存在事件对关系的问题。
49.本公开实施例提供了一种可能的实现方式，其中，基于目标用户的事件日志确定目标用户的各用户事件之间存在的事件对关系，包括：
50.基于目标用户的事件日志确定目标用户的各用户事件及用户事件发生顺序；
51.基于确定的目标用户的各用户事件及用户事件发生顺序，确定目标用户的各用户事件之间存在的事件对关系。
52.具体地，用户事件日志中包含了用户的事件信息以及发生的时间信息，基于用户事件发生的时间信息，能够确定用户事件的发生顺序，进而确定用户事件之间是否存在事件对关系。
53.具体地，还可以设置一定的判断条件，如时间判断条件，如果在预定的时间阈值范围内，相继发生了事件a、事件b，则认为用户事件a与用户事件b存在事件对关系，如果事件a发生后，超出预定的时间阈值，才发生事件b，则认为用户事件a与用户事件b不存在事件对关系。其中，该时间阈值可以根据事件类型分别设定，如观看影视视频等长视频事件，可以设定较长的时间阈值，观看短视频可以设定较短的阈值时间。
54.对于本技术实施例，解决了如何根据用户事件日志确定用户事件是否存在事件对关系的问题。
55.本公开实施例提供了一种可能的实现方式，其中，该方法还包括：
56.基于目标用户的事件日志确定各事件对关系的发生次数；
57.基于确定的事件对关系的发生次数确定各事件对关系的权重；
58.将确定的各事件对关系的权重添加至第二图关系网络，得到第三图关系网络。
59.其中，图关系网络可以分为非加权图和加权图，如果图里的每条边都有一个实数与之对应，这种图为加权图。该实数称为对应边上的权重，示例性地，如图3所示，w1、w2、w3、w4即为事件的权重。
60.具体地，可以基于目标用户的事件日志确定各事件对关系的发生次数，示例性地，如一定阈值时间内，目标用户多次进行了事件a—>事件b这样的操作，可以统计确定事件a—>事件b的发生次数，并将确定的事件对关系的发生次数确定各事件对关系的权重，进而将该权重信息融合至第二图关系网络，得到第三图关系网络。
61.具体地，如果事件对关系的次数如果小于一定阈值，则说明该事件对关系是偶然发生的，再次发生的概率较低，则可以不建立次数小于一定阈值的事件对关系对应的用户事件的边关系。
62.对于本技术示例，事件对关系的发生次数，体现了具有时序信息的该相关用户事件的重要性，从而构建的融合时序信息和事件之间的权重信息的图网络关系能进一步更好的体现用户的表征或事件节点的表征。
63.本公开实施例提供了一种可能的实现方式，其中，基于目标用户的事件日志确定各事件对关系的发生次数，之前包括：
64.基于目标用户的事件日志确定目标用户的用户事件；
65.对目标用户的用户事件进行语义归一化处理，得到语义归一化处理后的用户事件；
66.基于语义归一化后的用户事件确定各事件对关系的发生次数。
67.具体地，同一用户事件可以有不同表达方式，示例性地，如qurey事件，以下查询事件：1.华仔啥时候出生的，2.刘德华出生年月，3.刘德华什么时候出生的，4.刘德华出生日期，其表达的语义一致。通过query语义归一可以将同近义表达的query进行归一。示例性地，对于视频观看事件，可以将同一类型的视频进行归一处理，如观看记录片a、纪录片b的行为归一为一类事件，观看综艺节目a、综艺节目b是行为归一为一类事件。
68.对于本技术实施例，对于用户事件进行语义归一化处理后，再确定事件对关系的发生次数，从而使得统计确定的事件对关系更加的准确。
69.本公开实施例提供了一种可能的实现方式，其中，该方法还包括：
70.获取存在关联关系的多个目标用户的第二图关系网络，并将存在关联关系的多个
目标用户的第二图关系网络进行网络融合，得到第四图关系网络。
71.示例性地，如图4所示，usera与userb存在一定关系(如关注、评论、点赞等)，则可以将usera与userb的图关系网络进行融合，从的得到一个包含信息更丰富的图关系网络，即既包含用户与事件之间的关系，又包含用户与用户之间、用户事件与用户事件之间的关系，进一步提升用户表征的能力。
72.本公开实施例提供了一种可能的实现方式，其中，用户事件包括以下至少一项：
73.观看视频事件；浏览文章事件；检索事件；广告点击事件。
74.对于本技术实施例，用户事件可以包括观看视频事件；浏览文章事件；检索事件；广告点击事件中的至少一项，从而融合了多个用户事件，进一步提升了图关系网络所蕴含的信息，提升表征用户的能力。
75.实施例二
76.根据本公开的第二方面，提供了一种图神经网络模型训练方法，如图5所示，包括：
77.步骤s501，基于多个训练样本训练图神经网络模型；训练样本具有实施例一的包含时序信息的图关系网络。
78.其中，图是一种数据结构，它对一组对象(节点)及其关系(边)进行建模。由于图结构的强大表现力，用机器学习方法分析图的研究越来越受到重视。图神经网络(graph neural networks，gnn)是一类基于深度学习的处理图域信息的方法，由于其较好的性能和可解释性，gnn最近已成为一种广泛应用的图分析方法。
79.其中，图神经网络可以分为五大类别，分别是：图卷积网络(graph convolution networks，gcn)、图注意力网络(graph attention networks)、图自编码器(graph autoencoders)、图生成网络(graph generative networks)和图时空网络(graph spatial
‑
temporal networks)。
80.对于本技术，基于应用场景的不同，可以针对性的选择相应的图神经网络模型，基于具有实施例一的包含时序信息的图关系网络的样本数据来训练图神经网络模型，然后进行相应的应用。
81.对于本技术，由于所运用的样本数据包含用户事件的时序信息，从而蕴含了更丰富的信息，为下游的应用提供更好的用户或事件节点表征，使得下游的应用，如节点分类、个性化推荐等，更准确。
82.本技术实施例提供了一种可能的实现方式，其中，包含时序信息的图关系网络的用户事件包括以下至少一项：
83.观看视频事件；浏览文章事件；检索事件；广告点击事件。
84.对于本技术实施例，用户事件可以包括观看视频事件；浏览文章事件；检索事件；广告点击事件中的至少一项，从而样本数据中融合了多个用户事件，进一步提升了图关系网络所蕴含的信息，提升表征用户的能力，为后续下游应用提供了良好的数据基础。
85.实施例三
86.本公开实施例提供了一种图神经网络模型训练装置60，如图6所示包括：
87.第一确定模块601，用于确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；
88.第二确定模块602，用于确定目标用户的各用户事件之间存在的事件对关系，事件
对关系表示用户事件相继发生；
89.第一添加模块603，用于将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。
90.本技术实施例提供了一种可能的实现方式，其中，该装置还包括：
91.第三确定模块，用于基于目标用户的事件日志确定目标用户的各用户事件之间存在的事件对关系。
92.本技术实施例提供了一种可能的实现方式，其中，第三确定模块，包括：
93.第一确定单元，用于基于目标用户的事件日志确定目标用户的各用户事件及用户事件发生顺序；
94.第二确定单元，用于基于确定的目标用户的各用户事件及用户事件发生顺序，确定目标用户的各用户事件之间存在的事件对关系。
95.本技术实施例提供了一种可能的实现方式，其中，该装置还包括：
96.第四确定模块，用于基于目标用户的事件日志确定各事件对关系的发生次数；
97.第五确定模块，用于基于确定的事件对关系的发生次数确定各事件对关系的权重；
98.第二添加模块，具体用于将确定的各事件对关系的权重添加至第二图关系网络，得到第三图关系网络。
99.本技术实施例提供了一种可能的实现方式，其中，第四确定模块，具体用于基于目标用户的事件日志确定目标用户的用户事件；以及用于对目标用户的用户事件进行语义归一化处理，得到语义归一化处理后的用户事件；以及用于基于语义归一化后的用户事件确定各事件对关系的发生次数。
100.本技术实施例提供了一种可能的实现方式，其中，该装置还包括：
101.获取模块，用于获取存在关联关系的多个目标用户的第二图关系网络，并将存在关联关系的多个目标用户的第二图关系网络进行网络融合，得到第四图关系网络。
102.本技术实施例提供了一种可能的实现方式，其中，用户事件包括以下至少一项：
103.观看视频事件；浏览文章事件；检索事件；广告点击事件。
104.对于本技术实施例，其实现的有益效果同上述方法实施例，此处不再赘述。
105.实施例四
106.本公开实施例提供了一种图神经网络模型训练装置70，如图7所示包括：
107.训练模块701，用于基于多个训练样本训练图神经网络模型；训练样本具有实施例一任一项的包含时序信息的图关系网络。
108.本技术实施例提供了一种可能的实现方式，其中，包含时序信息的图关系网络的用户事件包括以下至少一项：
109.观看视频事件；浏览文章事件；检索事件；广告点击事件。
110.对于本技术实施例，其实现的有益效果同上述方法实施例，此处不再赘述。
111.本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，且不违背公序良俗。
112.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
113.该电子设备包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如本公开实施例提供的方法。
114.该电子设备与现有技术构建的图网络关系仅包含用户与用户事件的关系，未包含用户事件之间的时序信息相比。本公开通过确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。即构建的第二图关系网络中，融合了用户事件之间的时序信息，从而构建的包含时序信息的图网络关系能提供更好的用户表征以及用户事件节点表征，为后续的基于图神经网络等的图关系网络数据挖掘提供良好的数据基础。
115.该可读存储介质为存储有计算机指令的非瞬时计算机可读存储介质，其中，计算机指令用于使计算机执行如本公开实施例提供的方法。
116.该可读存储介质与现有技术构建的图网络关系仅包含用户与用户事件的关系，未包含用户事件之间的时序信息相比。本公开通过确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。即构建的第二图关系网络中，融合了用户事件之间的时序信息，从而构建的包含时序信息的图网络关系能提供更好的用户表征以及用户事件节点表征，为后续的基于图神经网络等的图关系网络数据挖掘提供良好的数据基础。
117.该计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如本公开的第一方面中所示的方法。
118.该计算机程序产品与现有技术构建的图网络关系仅包含用户与用户事件的关系，未包含用户事件之间的时序信息相比。本公开通过确定目标用户的第一图关系网络，第一图关系网络包含用户与用户事件的关系；确定目标用户的各用户事件之间存在的事件对关系，事件对关系表示用户事件相继发生；将确定的目标用户的各用户事件之间存在的事件对关系添加至第一图关系网络，得到包含时序信息的第二图关系网络。即构建的第二图关系网络中，融合了用户事件之间的时序信息，从而构建的包含时序信息的图网络关系能提供更好的用户表征以及用户事件节点表征，为后续的基于图神经网络等的图关系网络数据挖掘提供良好的数据基础。
119.图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
120.如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执
行各种适当的动作和处理。在ram 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
121.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
122.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如方法包含时序信息的图关系网络构建方法或图神经网络模型训练方法。例如，在一些实施例中，方法包含时序信息的图关系网络构建方法或图神经网络模型训练方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的方法包含时序信息的图关系网络构建方法或图神经网络模型训练方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行方法包含时序信息的图关系网络构建方法或图神经网络模型训练方法。
123.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
124.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
125.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd
‑
rom)、光学储存设备、磁储存设备、或
上述内容的任何合适组合。
126.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
127.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
128.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端
‑
服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
129.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
130.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。