用户查询意图预测方法、系统、服务器、计算设备及介质与流程

1.本发明涉及信息处理技术领域，特别是指一种用户查询意图预测方法、系统、服务器、计算设备及介质。


背景技术：

2.在以用户为中心的信息服务推荐系统中，最基本的一个要素就是用户查询意图的识别。
3.目前，针对特定领域搜索的用户查询意图预测，主要采用的是基于用户之间交互的方法，即通过分析统计其他用户相同检索后的点击情况，来预测用户的查询意图。这种方法无法适应冷启动的情况，并且非常容易遗漏查询意图，其预测结果往往无法满足用户的要求。因此，亟需提供的一种用户查询意图预测方法、系统、服务器、计算设备及介质。


技术实现要素：

4.有鉴于此，本发明的主要目的在于提供一种用户查询意图预测方法、系统、服务器、计算设备及介质，以能适用冷启动的情况，且提高预测准确性。
5.本发明提供的一种用户查询意图的预测方法，包括：
6.基于预先建立的待检索领域的数据库确定检索词与各实体的各属性间的关联度；
7.根据所述检索词与各实体的各属性间的关联度确定用户各查询意图的概率；
8.根据所述用户各查询意图的概率确定所述用户的查询意图；
9.其中，所述预先建立的待检索领域的数据库包括所述待检索领域中实体和实体对应的属性。
10.由上，首先基于预先建立的待检索领域的数据库确定检索词与各实体的各属性间的关联度，再利用索词与各实体的各属性间的关联度确定用户各查询意图的概率，然后根据用户各查询意图的概率来确定用户的查询意图。上述技术特征的设置，不涉及与其他用户的交互预测，因此，具有预测针对性。另外，先通过获取检索词与各实体的各属性间的关联度，再由关键词与各实体的各属性间的关联度过渡到用户各查询意图的概率，可以准确判断用户的查询意图，提高预测精确度。
11.作为第一方面的一种实现方式，所述基于预先建立的待检索领域的数据库确定检索词与各实体的各属性间的关联度，包括：
12.基于预先建立的待检索领域的数据库确定检索词与各实体的各属性对应的各对象间的关联度；
13.根据所述检索词与各实体的各属性对应的各对象间的关联度确定所述检索词与各实体的各属性间的关联度。
14.由上，在确定检索词与各实体的各属性间的关联度的过程中，首先确定检索词与各实体的各属性对应的各对象间的关联度，再由检索词与各实体的各属性对应的各对象间的关联度过度到检索词与各实体的各属性间的关联度，可以准确的确定检索词与各实体的
各属性间的关联度。
15.作为第一方面的一种实现方式，所述基于预先建立的待检索领域的数据库确定检索词与各实体的各属性对应的各对象间的关联度，包括：
16.获取所述各实体的各属性对应的各对象的字符；
17.将所述检索词的字符与所述各实体的各属性对应的各对象的字符进行比较，获取所述检索词的字符与所述各实体的各属性对应的各对象的字符相同的字符数量；
18.将所述相同的字符数量与所述各实体的各属性对应的各对象的字符数量做比，令得到的比值为所述检索词与各实体的各属性对应的各对象间的关联度。
19.由上，通过检索词与各实体的各属性对应的各对象的字符比对，将相同的字符数作为分子，将各对象的字符总数作为分母，以获得检索词与各实体的各属性对应的各对象间的关联度。这样的设置是基于检索词与数据库中存有的各实体的各属性对应的各对象的关联度的确定形式，并不涉及不同用户间的交互，提高了用户查询意图预测的准确性。
20.作为第一方面的一种实现方式，所述根据所述检索词与各实体的各属性对应的各对象间的关联度确定所述检索词与各实体的各属性间的关联度，包括：
21.将所述检索词与各实体的各属性对应的各对象间的关联度中的最大值作为所述检索词与各实体的各属性间的关联度。
22.由上，可以科学合理的获得检索词与各实体的各属性间的关联度。
23.作为第一方面的一种实现方式，所述根据所述检索词与各实体的各属性间的关联度确定用户各查询意图的概率，包括：
24.对所述检索词与各实体的各属性间的关联度求和，得到所述检索词与各实体的各属性间的关联度之和；
25.分别将所述检索词与各实体的各属性间的关联度和所述检索词与各实体的各属性间的关联度之和作比，得到用户查询意图的概率。
26.由上，可以科学合理的得到用户查询意图的概率。
27.作为第一方面的一种实现方式，所述根据所述检索词与各实体的各属性间的关联度确定用户各查询意图的概率，包括：
28.根据所述检索词与各实体的各属性间的关联度确定所述检索词与各实体间的关联度；
29.根据所述检索词与各实体间的关联度确定用户各查询意图的概率。
30.由上，可以科学合理的得到各查询意图的概率。
31.进一步的，所述根据所述检索词与各实体的各属性间的关联度确定所述检索词与各实体间的关联度，包括：
32.将所述检索词与各实体的各属性间的关联度中的最大值作为所述检索词与各实体间的关联度。
33.进一步的，所述根据所述检索词与各实体间的关联度确定用户各查询意图的概率，包括：
34.对所述检索词与各实体间的关联度求和，得到所述检索词与各实体间的关联度之和；
35.分别将所述检索词与各实体间的关联度和所述检索词与各实体间的关联度之和
作比，得到用户查询意图的概率。
36.由上，可以科学合理的得到用户查询意图的概率。
37.作为第一方面的一种实现方式，所述根据所述用户各查询意图的概率确定所述用户的查询意图，包括：
38.对所述用户各查询意图的概率进行排序，将所述各查询意图的概率的最大值，作为用户的查询意图。
39.本发明还提供一种用户查询意图的预测系统，包括：
40.第一确定单元，用于基于预先建立的待检索领域的数据库确定检索词与各实体的各属性间的关联度；
41.第二确定单元，用于根据所述检索词与各实体的各属性间的关联度确定用户各查询意图的概率；
42.第三确定单元，用于根据所述用户各查询意图的概率确定所述用户的查询意图；
43.其中，所述预先建立的待检索领域的数据库包括所述待检索领域中实体和实体对应的属性。
44.本发明还提供了一种服务器，包括上述技术方案中任一所述的方法。
45.本发明还提供了一种计算设备，包括：总线；通信接口，其与所述总线连接；至少一个处理器，其与所述总线连接；以及至少一个存储器，其与所述总线连接并存储有程序指令，所述程序指令当被所述至少一个处理器执行时使得所述至少一个处理器执行上述技术方案中任一所述的方法。
46.本发明还提供了一种计算机可读存储介质，其上存储有程序指令，所述程序指令当被计算机执行时使得所述计算机执行上述技术方案中任一所述的方法。
47.综上，本发明可以解决下述问题：在冷启动时可以准确的进行用户查询意图预测。
附图说明
48.图1为本技术实施例提供的一种用户查询意图的预测方法的流程图；
49.图2为本技术实施例提供的图书数据库的构建结构图；
50.图3为本技术实施例提供的一种用户查询意图的预测方法的一种具体实现形式的流程图；
51.图4为本技术实施例提供的一种用户查询意图的预测系统的结构示意图；
52.图5本技术实施例提供的一种用户查询意图的预测设备的的结构示意图。
具体实施方式
53.为了便于理解本技术，下面将参照相关附图对本技术进行更全面的描述。附图中给出了本技术的首选实施例。但是，本技术可以以许多不同的形式来实现，并不局限于本文所描述的实施例。相反地，提供这些实施例的目的是使本技术的公开内容更加透彻全面。
54.在以下的描述中，所涉及的术语“第一\第二\第三等”或模块a、模块b、模块c等，仅用于区别类似的对象，不代表针对对象的特定排序，可以理解地，在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本技术实施例能够以除了在这里图示或描述的以外的顺序实施。
55.在以下的描述中，所涉及的表示步骤的标号，如s100、s200
……
等，并不表示一定会按此步骤执行，在允许的情况下可以互换前后步骤的顺序，或同时执行。
56.除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中使用的属于只是为了描述具体的实施例的目的，不是旨在限制本技术。本文所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
57.如图1所示，本技术的其中一个实施例提供了一种用户查询意图的预测方法，该预测方法包括：
58.s100：基于预先建立的待检索领域的数据库确定检索词与各实体的各属性间的关联度。
59.s200：根据检索词与各实体的各属性间的关联度确定用户各查询意图的概率。
60.s300：根据用户各查询意图的概率确定用户的查询意图
61.其中，预先建立的待检索领域的数据库包括待检索领域中实体和实体对应的属性。
62.在本实施例中，待检索领域可以为任意检索领域，比如图书检索领域，再例如服饰检索领域等。检索词可以为文字、数字、符号中一种或多种，也可以为图片。另外，检索词可以为一个或多个，当检索词为多个时，可以首先对检索词进行分词处理，针对每个检索词分别执行s100-s200，在s200之后，可以将每个检索词对应的概率相加，即为用户的查询意图概率。
63.在本实施例中，通过检索词与各实体的各属性间的关联度来确定用户的查询意图，不需要与其他用户交互，使预测结果更具有针对性。另外，由于本技术的技术方案不需要与其他用户进行交互，因此可以很好的适应冷启动下用户查询意图的识别，提高识别精度。
64.具体的，步骤s100包括：
65.s110：基于预先建立的待检索领域的数据库确定检索词与各实体的各属性对应的各对象间的关联度。
66.其中，该步骤的具体的过程为：获取各实体的各属性对应的各对象的字符；
67.将检索词的字符与各实体的各属性对应的各对象的字符进行比较，获取检索词的字符与各实体的各属性对应的各对象的字符相同的字符数量；
68.将相同的字符数量与各实体的各属性对应的各对象的字符数量做比，令得到的比值为检索词与各实体的各属性对应的各对象间的关联度。
69.具体的，按下式确定检索词与实体i的属性j对应的对象k间的关联度rt
ijk
：
[0070][0071]
其中，r为检索词的字符与实体i的属性j对应的对象k的字符相同的字符数量，t
ijk
为实体i的属性j对应的对象k的字符的总数量。
[0072]
s120：根据检索词与各实体的各属性对应的各对象间的关联度确定检索词与各实体的各属性间的关联度。
[0073]
其中，该步骤的具体的过程为：将检索词与各实体的各属性对应的各对象间的关
联度中的最大值作为检索词与各实体的各属性间的关联度。
[0074]
用公式表示则为：按下式确定检索词与实体i的属性j的关联度rt
ij
：
[0075][0076]
其中，n为实体的总数，rt
ijk
为检索词与实体i的属性j对应的对象k间的关联度。
[0077]
在确定了检索词与各实体的各属性间的关联度之后，需根据检索词与各实体的各属性间的关联度确定用户各查询意图的概率，因此，s200包括：
[0078]
s210：对检索词与各实体的各属性间的关联度求和，得到检索词与各实体的各属性间的关联度之和。
[0079]
s220：分别将检索词与各实体的各属性间的关联度和检索词与各实体的各属性间的关联度之和作比，得到用户查询意图的概率。
[0080]
在确定用户各查询意图的概率之后，需根据用户各查询意图的概率确定用户的查询意图，因此，s300包括：
[0081]
对用户各查询意图的概率进行排序，将各查询意图的概率的最大值，作为用户的查询意图。
[0082]
本技术提供另外一个实施例，本实施例与上一实施例基本相同，故相同之处本实施例不再进行赘述，唯有不同之处在于步骤s200的实现方式。在本实施例中，s200：根据检索词与各实体的各属性间的关联度确定用户各查询意图的概率，包括：
[0083]
s201：根据检索词与各实体的各属性间的关联度确定检索词与各实体间的关联度。
[0084]
具体的，将检索词与各实体的各属性间的关联度中的最大值作为检索词与各实体间的关联度。
[0085]
s202：根据检索词与各实体间的关联度确定用户各查询意图的概率。
[0086]
具体的，对检索词与各实体间的关联度求和，得到检索词与各实体间的关联度之和；
[0087]
分别将检索词与各实体间的关联度和检索词与各实体间的关联度之和作比，得到用户查询意图的概率。
[0088]
下面，结合图2和图3，以待检索领域为图书领域为例，提供一种用户查询意图的预测方法的具体实现方式，如图2所示，包括下述步骤：
[0089]
t100：构建待检索领域知识库(数据库)。
[0090]
如图3所示，构建图书领域的数据库。其中，该图书领域的数据库包括图书、作者、出版社三个实体。针对图书这一实体，对应有书名、isbn、摘要等属性。针对作者这一实体，对应有姓名(笔名)、原名、生平简介等属性。针对出版社这一实体，对应有名称、历史名称、简要介绍等属性。
[0091]
t200-t300：输入检索词s，基于t100构建的图书领域数据库，计算检索词s与各实体的各属性间的关联度。具体来说，此步骤需计算出检索词s与图书的书名的关联度、检索词s与图书的isbn的关联度、检索词s与图书的摘要的关联度、检索词s与作者的姓名(笔名)的关联度、检索词s与作者的原名的关联度、检索词s与作者的生平简介的关联度、检索词s与出版社的名称的关联度、检索词s与出版社的历史名称的关联度、检索词s与出版社的简要介绍的关联度。
[0092]
此处以计算检索词s与图书这一实体中书名的关联度为例，说明检索词s与其他实体对应的属性的关联度的计算方法。具体的，对于每一本书(对象)的书名ti，计算检索词s在该书名ti中出现的字数占ti总字数的比例，记为rti。取检索词s在各书的书名中总字数的占比最高的一项，作为检索词s与图书的书名这一属性的关联度rt。即其中，n为图书的总数。以相同的方法计算得到检索词s与图书的isbn的关联度为ri、检索词s与图书的摘要的关联度为ra、检索词s与作者的姓名(笔名)的关联度rn、检索词s与作者的原名的关联度ro、检索词s与作者的生平简介的关联度rl、检索词s与出版社的名称的关联度rp、检索词s与出版社的历史名称的关联度rh、检索词s与出版社的简要介绍的关联度rbi。
[0093]
t400：在确定了检索词与各实体的各属性间的关联度之后，作为一种实现方式，可以根据检索词与各实体的各属性间的关联度计算检索词与各实体间的关联度。
[0094]
例如，计算检索词s与作者这一实体的关联度，可以将检索词s与作者的姓名(笔名)的关联度rn、检索词s与作者的原名的关联度ro、检索词s与作者的生平简介的关联度rl中的最大值作为检索词s与实体作者间的关联度。具体的，按下式确定检索词s与实体作者间的关联度rau
attr
：
[0095]
rau
attr
＝max(rn,ro,...,rl)
[0096]
再例如，计算检索词s与出版社这一实体的关联度，可以将检索词s与出版社的名称的关联度rp、检索词s与出版社的历史名称的关联度rh、检索词s与出版社的简要介绍的关联度rbi中的最大值作为检索词s与出版社间的关联度。具体的，按下式确定检索词s与实体出版社间的关联度rpub
attr
：
[0097]
rpub
attr
＝max(rp,rh,...,rbi)
[0098]
t500：计算出了检索词s与各实体间的关联度之后，可以根据检索词与各实体间的关联度计算用户各查询意图的概率。
[0099]
例如，按下式确定用户查询意图为图书这一实体的概率为p
book
：
[0100][0101]
再例如，按下式确定用户查询意图为作者这一实体的概率为p
author
：
[0102][0103]
再例如，按下式确定用户查询意图为出版社这一实体的概率为p
publisher
：
[0104][0105]
其中，rb
attr
为检索词s与图书这一实体的关联度，rau
attr
为检索词s与作者这一实体的关联度，rpub
attr
为检索词s与出版社这一实体的关联度。
[0106]
t600：在确定了用户各查询意图的概率之后，对用户的各查询意图的概率排序，即对用户查询意图为图书、用户查询意图为作者与用户查询意图为出版社进行排序，将概率最大的最为用户的查询意图。
[0107]
本技术的另外一个实施例给出一种用户查询意图的预测方法的具体实现方式，与上一实施例中的具体实现方式的t100-t300均相同，故本实施例不再对其进行赘述。
[0108]
在本实施例中，t400：在确定了检索词与各实体的各属性间的关联度之后，作为一种实现方式，根据检索词与各实体的各属性间的关联度确定用户各查询意图的概率。
[0109]
例如，按下式确定用户查询意图为图书的书名的概率p
title
：
[0110][0111]
再例如：按下式确定用户查询意图为图书的isbn的概率p
isbn
：
[0112][0113]
再例如：按下式确定用户查询意图为图书的摘要的概率p
abstract
：
[0114][0115]
用户查询意图为其他实体对应的属性的概率的计算方法与上述方法相同，故此处不再进行赘述。
[0116]
t500：在确定了用户各查询意图的概率之后，对用户的各查询意图的概率排序，即对用户查询意图为图书的书名、用户查询意图为图书的isbn、用户查询意图为图书的摘要、用户的查询意图为作者的姓名、用户的查询意图为作者的原名、用户的查询意图为作者的生平简介、用户的查询意图为出版社的名称的关联度、用户的查询意图为出版社的历史名称、用户的查询意图为出版社的简要介绍进行排序，将概率最大的最为用户的查询意图。
[0117]
本技术的另外一个实施例给出一种用户查询意图的预测方法的具体实现方式，与上述实施例中的具体实现方式的t100-t300均相同，故本实施例不再对其进行赘述。
[0118]
在本实施例中，作为一种实现方式，t400：可以根据检索词与各实体的各属性间的关联度和检索词与各实体间的关联度确定用户各查询意图的概率。
[0119]
例如，按下式确定用户查询意图为图书的书名的概率p
title
：
[0120][0121]
再例如，按下式确定用户查询意图为图书的isbn的概率p
isbn
：
[0122][0123]
再例如，按下式确定用户查询意图为图书的摘要的概率p
abstract
：
[0124][0125]
再例如，按下式确定用户查询意图为作者这一实体的概率p
author
：
[0126][0127]
再例如，按下式确定用户查询意图为出版社这一实体的概率p
publisher
：
[0128]
[0129]
其中，在本实施例中，属性和实体的概率总和为1。
[0130]
t500：在确定了用户各查询意图的概率之后，对用户的各查询意图的概率排序，将概率最大的最为用户的查询意图。本实施例中的查询意图可以为实体，也可以为实体的属性。
[0131]
下面，以待检索领域为图书领域，检索词为“吴大帝孙权”为例，举例说明本技术的一种实现方式。
[0132]
假设用户输入检索词为“吴大帝孙权”，预先构建的图书领域的数据库中第352本(对象)图书的书名(属性)为“吴大帝孙权与南京”，则该书(对象)书名的关联度为：
[0133][0134]
其中，8为该图书书名的总字数，5为检索词在书名中出现过的字的总数。
[0135]
假设其他图书书名的关联度都不到0.625，则书名属性的关联度为0.625。
[0136]
假设其他属性(isbn、摘要)的关联度、作者关联度、出版社关联度的数值均为0，则用户查询意图为“查询书名为检索词吴大帝孙权的图书”的概率为：
[0137][0138]
其余的概率皆为0。
[0139]
以待检索领域为图书领域，检索词为“电子工业”为例，举例说明本技术的一种实现方式。
[0140]
假设用户输入检索词为“电子工业”，预先构建的图书领域的数据库中，第938本(对象)图书的书名(属性)为“电子工业专用设备设计手册”，则该书(对象)书名的关联度为：
[0141][0142]
假设其他图书书名的关联度都不到0.3333，则书名属性的关联度为0.3333。
[0143]
预先构建的图书领域的数据库中，第23个(对象)出版社的名称为“电子工业出版社”，则该出版社(对象)名称的关联度为：
[0144][0145]
假设出版社其他属性的关联度和其他出版社的关联度都不到0.5714，则出版社的关联度为0.5714。
[0146]
假设作者等其他实体的关联度为0，则检索词“电子工业”的查询意图概率为：
[0147]
查询书名为检索词“电子工业”的图书概率
[0148][0149]
查询出版社为检索词“电子工业”的出版社出版的图书的概率：
[0150]
[0151]
其余概率均为0。
[0152]
以待检索领域为图书领域，检索词为“周树人”为例，举例说明本技术的一种实现方式。
[0153]
假设用户输入检索词为“周树人”，预先构建的图书领域的数据库中，第579个(对象)作者“鲁迅”的原名为“周树人”，则该作者原名属性的关联度为：
[0154][0155]
假设其他作者原名的关联度都不到1，则作者原名属性的关联度为1。
[0156]
假设作者其他属性、图书的各属性及出版社等其他实体的关联度为0，则检索词“周树人”的查询意图概率为：
[0157]
查询作者为检索词“周树人”的图书概率
[0158][0159]
其余概率均为0。
[0160]
基于上述实施例的统一构思，如图4所示，本技术的另外一实施例还提供一种用户查询意图的预测系统，包括：
[0161]
第一确定单元，用于基于预先建立的待检索领域的数据库确定检索词与各实体的各属性间的关联度；
[0162]
第二确定单元，用于根据所述检索词与各实体的各属性间的关联度确定用户各查询意图的概率；
[0163]
第三确定单元，用于根据所述用户各查询意图的概率确定所述用户的查询意图；
[0164]
其中，所述预先建立的待检索领域的数据库包括所述待检索领域中实体和实体对应的属性。
[0165]
所述第一确定单元包括：
[0166]
第一确定模块，用于基于预先建立的待检索领域的数据库确定检索词与各实体的各属性对应的各对象间的关联度；
[0167]
第二确定模块，用于根据所述检索词与各实体的各属性对应的各对象间的关联度确定所述检索词与各实体的各属性间的关联度。
[0168]
所述第一确定模块，包括：
[0169]
第一获取子模块，用于获取所述各实体的各属性对应的各对象的字符；
[0170]
第二获取子模块，用于将所述检索词的字符与所述各实体的各属性对应的各对象的字符进行比较，获取所述检索词的字符与所述各实体的各属性对应的各对象的字符相同的字符数量；
[0171]
第一比值确定子模块，用于将所述相同的字符数量与所述各实体的各属性对应的各对象的字符数量做比，令得到的比值为所述检索词与各实体的各属性对应的各对象间的关联度。
[0172]
所述第二确定模块，具体用于：将所述检索词与各实体的各属性对应的各对象间的关联度中的最大值作为所述检索词与各实体的各属性间的关联度。
[0173]
所述第二确定单元包括：
[0174]
求和模块，用于对所述检索词与各实体的各属性间的关联度求和，得到所述检索词与各实体的各属性间的关联度之和；
[0175]
比值确定模块，用于分别将所述检索词与各实体的各属性间的关联度和所述检索词与各实体的各属性间的关联度之和作比，得到用户查询意图的概率。
[0176]
所述第二确定单元，还可以包括：
[0177]
第三确定模块，用于根据所述检索词与各实体的各属性间的关联度确定所述检索词与各实体间的关联度；
[0178]
第四确定模块，用于根据所述检索词与各实体间的关联度确定用户各查询意图的概率。
[0179]
所述第三确定模块具体用于将所述检索词与各实体的各属性间的关联度中的最大值作为所述检索词与各实体间的关联度。
[0180]
所述第四确定模块，包括：
[0181]
求和子模块，用于对所述检索词与各实体间的关联度求和，得到所述检索词与各实体间的关联度之和；
[0182]
第二比值确定子模块，用于分别将所述检索词与各实体间的关联度和所述检索词与各实体间的关联度之和作比，得到用户查询意图的概率。
[0183]
所述第三确定单元具体用于对所述用户各查询意图的概率进行排序，将所述各查询意图的概率的最大值，作为用户的查询意图。
[0184]
本技术的另外一个实施例还提供一种服务器，包括上述实施例所述的用户查询意图的预测方法。
[0185]
如图5所示，是本技术实施例提供的一种计算设备5000的结构性示意性图。该计算设备5000包括：处理器5010、存储器5020、通信接口5030、总线5040。
[0186]
应理解，该图所示的计算设备5000中的通信接口5030可以用于与其他设备之间进行通信。
[0187]
其中，该处理器5010可以与存储器5020连接。该存储器5020可以用于存储该程序代码和数据。因此，该存储器5020可以是处理器5010内部的存储单元，也可以是与处理器5010独立的外部存储单元，还可以是包括处理器5010内部的存储单元和与处理器5010独立的外部存储单元的部件。
[0188]
可选的，计算设备5000还可以包括总线5040。其中，存储器5020、通信接口5030可以通过总线5040与处理器5010连接。总线5040可以是外设部件互连标准(peripheral component interconnect，pci)总线或扩展工业标准结构(extended industry standard architecture，eisa)总线等。所述总线5040可以分为地址总线、数据总线、控制总线等。为便于表示，该图中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
[0189]
应理解，在本技术实施例中，该处理器5010可以采用中央处理单元(central processing unit，cpu)。该处理器还可以是其它通用处理器、数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现成可编程门阵列(field programmable gate array，fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。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。或者该处理器5010采用一个或多个集成电路，用于执
行相关程序，以实现本技术实施例所提供的技术方案。
[0190]
该存储器5020可以包括只读存储器和随机存取存储器，并向处理器5010提供指令和数据。处理器5010的一部分还可以包括非易失性随机存取存储器。例如，处理器5010还可以存储设备类型的信息。
[0191]
在计算设备5000运行时，所述处理器5010执行所述存储器5020中的计算机执行指令执行上述方法的操作步骤。
[0192]
应理解，根据本技术实施例的计算设备5000可以对应于执行根据本技术各实施例的方法中的相应主体，并且计算设备5000中的各个模块的上述和其它操作和/或功能分别为了实现本实施例各方法的相应流程，为了简洁，在此不再赘述。
[0193]
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技术的范围。
[0194]
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。
[0195]
在本技术所提供的几个实施例中，应该理解到，所揭露的系统、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。
[0196]
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实施例方案的目的。
[0197]
另外，在本技术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。
[0198]
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，本技术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)执行本技术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、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
[0199]
本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时用于执行一种多样化问题生成方法，该方法包括上述各个实施例所描述的方案中的至少之一。
[0200]
本技术实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意
组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
[0201]
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
[0202]
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括、但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。
[0203]
可以以一种或多种程序设计语言或其组合来编写用于执行本技术操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c ，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
[0204]
注意，上述仅为本技术的较佳实施例及所运用技术原理。本领域技术人员会理解，本技术不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本技术的保护范围。因此，虽然通过以上实施例对本技术进行了较为详细的说明，但是本技术不仅仅限于以上实施例，在不脱离本技术构思的情况下，还可以包括更多其他等效实施例，均属于本技术保护范畴。