用于构建知识图谱的方法及装置、电子设备、存储介质与流程

1.本技术涉及知识图谱技术领域，例如涉及一种用于构建知识图谱的方法及装置、电子设备、存储介质。


背景技术：

2.随着科学技术的不断发展，越来越多的领域运用到了知识图谱。运用知识图谱可以辅助进行数据分析与决策，也可以便于检索、问答。通常用户会提取数据中的各实体和实体之间的对应关系，然后直接根据实体和实体之间的关系依次进行连接从而构成知识图谱。
3.在实现本公开实施例的过程中，发现相关技术中至少存在如下问题：
4.由于存在不同的实体表征的含义相同或相近的情况，若直接由实体和实体之间的关系依次进行连接构成知识图谱，会导致知识图谱呈现的实体与实体之间的实体关系冗杂，不便于用户直观的查看实体与实体之间的联系。


技术实现要素：

5.为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
6.本公开实施例提供了一种用于构建知识图谱的方法及装置、电子设备、存储介质，便于用户直观的查看实体与实体之间的联系。
7.在一些实施例中，所述用于构建知识图谱的方法，包括：获取第一语料数据；将所述第一语料数据输入预设的知识抽取模型，获得若干个第一实体向量、各所述第一实体向量对应的第一实体类型和各第一实体向量对应的第一实体关系；按照第一实体类型将各第一实体向量分成若干向量分组；对各向量分组中的第一实体向量进行语义聚类，获得各向量分组分别对应的实体类簇；根据各第一实体关系连接各实体类簇，获得知识图谱。
8.在一些实施例中，所述用于构建知识图谱的装置，包括：获取模块，被配置为获取第一语料数据；确定模块，被配置为将所述第一语料数据输入预设的知识抽取模型，获得若干个第一实体向量、各所述第一实体向量对应的第一实体类型和各第一实体向量对应的第一实体关系；分类模块，被配置为按照第一实体类型将各第一实体向量分成若干向量分组；聚类模块，被配置为对各向量分组中的第一实体向量进行语义聚类，获得各向量分组分别对应的实体类簇；构建模块，被配置为根据各第一实体关系连接各实体类簇，获得知识图谱。
9.在一些实施例中，所述电子设备，包括处理器和存储有程序指令的存储器，所述处理器被配置为在运行所述程序指令时，执行上述的用于构建知识图谱的方法。
10.在一些实施例中，所述存储介质，所述程序指令在运行时，执行上述的用于构建知识图谱的方法。
11.本公开实施例提供的用于构建知识图谱的方法及装置、电子设备、存储介质，可以实现以下技术效果：通过获取第一语料数据；将第一语料数据输入预设的知识抽取模型，获得若干个第一实体向量、各第一实体向量对应的第一实体类型和各第一实体向量对应的第一实体关系；按照第一实体类型将各第一实体向量分成若干向量分组；对各向量分组中的第一实体向量进行语义聚类，获得各向量分组分别对应的实体类簇；根据各第一实体关系连接各实体类簇，获得知识图谱。这样，通过语义聚类先将表征的含义相同或相近的实体聚集在一起形成若干类簇，然后对各类簇进行连接，而不是每个实体与实体之间均进行连线，减少了知识图谱中冗杂的实体关系，使得知识图谱呈现的实体与实体之间的实体关系更简洁，更便于用户直观的查看实体与实体之间的联系。
12.以上的总体描述和下文中的描述仅是示例性和解释性的，不用于限制本技术。
附图说明
13.一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明和附图并不构成对实施例的限定，附图中具有相同参考数字标号的元件示为类似的元件，附图不构成比例限制，并且其中：
14.图1是本公开实施例提供的一个用于构建知识图谱的方法的示意图；
15.图2是本公开实施例提供的一个用于知识抽取模型训练的方法的示意图；
16.图3是本公开实施例提供的另一个用于知识抽取模型训练的方法的示意图；
17.图4是本公开实施例提供的一个用于构建知识图谱的方法的示意图；
18.图5是本公开实施例提供的一个用于构建知识图谱的装置的示意图；
19.图6是本公开实施例提供的一个电子设备的示意图。
具体实施方式
20.为了能够更加详尽地了解本公开实施例的特点与技术内容，下面结合附图对本公开实施例的实现进行详细阐述，所附附图仅供参考说明之用，并非用来限定本公开实施例。在以下的技术描述中，为方便解释起见，通过多个细节以提供对所披露实施例的充分理解。然而，在没有这些细节的情况下，一个或多个实施例仍然可以实施。在其它情况下，为简化附图，熟知的结构和装置可以简化展示。
21.本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开实施例的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
22.除非另有说明，术语“多个”表示两个或两个以上。
23.本公开实施例中，字符“/”表示前后对象是一种“或”的关系。例如，a/b表示：a或b。
24.术语“和/或”是一种描述对象的关联关系，表示可以存在三种关系。例如，a和/或b，表示：a或b，或，a和b这三种关系。
25.用户通常利用知识图谱来进行检索、推荐和问答等。目前，用户构建知识图谱的过程中，通常是将实体与实体直接进行连接从而构成知识图谱。这样，由于实体与实体之间实体关系太多，导致知识图谱上的连线异常复杂，不便于用户查看知识图谱的关系。在一些实
noise，基于密度的聚类算法)。
38.可选地，预设的待训练模型为bert(bidirectional encoder representationsfrom transformer，双向注意力神经网络模型)模型、t5(transfer text-to-text transformer5，t5模型)或gpt-2(generative pre-training-2，自回归模型)模型。
39.可选地，确定备选知识抽取模型分别对各实体类型对应的第二语料数据的识别准确率，包括：利用备选知识抽取模型分别识别不同的实体类型样本对应的第二语料数据，获得各实体类型对应的识别结果；识别结果包括备选实体样本、各备选实体样本对应的备选实体类型、各备选实体样本对应的备选实体关系样本；将识别结果与第二语料数据中的实体样本、各实体样本对应的实体类型、各实体样本对应的实体关系样本进行比较，获得比较结果；根据比较结果获取各实体类型对应的第二语料数据的识别准确率。
40.在一些实施例中，将第二语料数据按照标注的实体类型样本分为若干组第一备选语料数据，将第一备选语料数据确定为实体类型样本对应的第二语料数据。利用备选知识抽取模型分别对每一组的第一备选语料数据进行识别，获得各实体类型对应的识别结果。
41.可选地，将识别结果与第二语料数据中的实体样本、各实体样本对应的实体类型、各实体样本对应的实体关系样本进行比较，获得比较结果，包括：将各识别结果分别与识别结果对应的第二备选语料数据中的实体样本、各实体样本对应的实体类型、各实体样本对应的实体关系样本进行比较，获得各比较结果；第二备选语料数据为识别结果对应的实体类型样本对应的第二语料数据。
42.可选地，将识别结果分别与识别结果对应的第二备选语料数据中的实体样本、各实体样本对应的实体类型、各实体样本对应的实体关系样本进行比较，获得比较结果，包括：获取识别结果对应的第二备选语料数据中的实体样本和实体关系样本的第一数量；在该识别结果中的备选实体样本与第二备选语料数据中的实体样本不一致的情况下，累计第二数量；在该识别结果中的备选实体关系样本与第二备选语料数据中的实体关系样本不一致的情况下，累计第三数量；计算第二数量加第三数量获得错误数量，将第一数量和错误数量作为比较结果。
43.可选地，根据比较结果获取实体类型对应的第二语料数据的识别准确率，包括：计算错误数量除以第一数量，获得实体类型对应的第二语料数据的识别准确率。
44.可选地，根据识别准确率筛选第二语料数据获得待标注语料数据，包括：在识别准确率低于预设阈值的情况下，将识别准确率对应的实体类型对应的第二语料确定为待标注语料数据。
45.在一些实施例中，将第二语料数据输入预设的备选模型进行训练，获得语料多标签模型；在识别准确率低于预设阈值的情况下，获取识别准确率对应的实体类型，通过语料多标签模型筛选出该实体类型对应的第二语料。
46.可选地，预设的备选模型为神经网络模型。
47.可选地，确定待标注语料数据的各待标注实体和各待标注实体对应的待标注实体关系，包括：将待标注语料数据输入备选知识抽取模型，获得待标注语料数据的各待标注实体和各待标注实体对应的待标注实体关系。
48.可选地，确定待标注语料数据的各待标注实体和各待标注实体对应的待标注实体
关系后，还包括：按照预设的数据格式对待标注语料数据标注各待标注实体和各待标注实体对应的待标注实体关系。
49.可选地，在按照预设的数据格式对待标注语料数据标注各待标注实体和各待标注实体对应的待标注实体关系后，还包括：将标注有各待标注实体和各待标注实体对应的待标注实体关系的待标注语料数据发送到预设的标注平台。
50.可选地，预设的标注平台响应于用户的修改指令调整待标注语料数据中的各待标注实体和各待标注实体对应的待标注实体关系。
51.结合图2所示，本公开实施例提供一种用于知识抽取模型训练的方法，包括：
52.步骤s201，电子设备获取第二语料数据，所述第二语料数据被标记有实体样本、各实体样本对应的实体类型样本、各实体样本对应的实体关系样本，然后执行步骤s202。
53.步骤s202，电子设备将第二语料数据输入预设的待训练模型进行训练，获得备选知识抽取模型，然后执行步骤s203。
54.步骤s203，电子设备确定备选知识抽取模型分别对各实体类型样本对应的第二语料数据的识别准确率，然后执行步骤s204。
55.步骤s204，电子设备判断各识别准确率是否均达到预设阈值；在各识别准确率未均达到预设阈值的情况下，执行步骤s205；在各识别准确率均达到预设阈值的情况下，执行步骤s208。
56.步骤s205，电子设备根据识别准确率筛选第二语料数据获得待标注语料数据，然后执行步骤s206。
57.步骤s206，电子设备确定待标注语料数据的各待标注实体和各待标注实体对应的待标注实体关系，然后执行步骤s207。
58.步骤s207，电子设备响应于用户的修改指令调整待标注语料数据中的各待标注实体和各待标注实体对应的待标注实体关系，将调整后的待标注语料数据确定为第二语料数据，然后执行步骤s201。
59.步骤s208，电子设备将备选知识抽取模型确定为知识抽取模型。
60.采用本公开实施例提供的用于知识抽取模型训练的方法，通过判断备选知识抽取模型的准确率，不断对第二语料数据进行调整并重新训练备选知识抽取模型，从而确定知识抽取模型。这样，能够获得准确率更高的知识抽取模型。从而，利用该知识抽取模型抽取出的数据来构建知识图谱，使的知识图谱的质量更高。
61.结合图3所示，本公开实施例提供一种用于知识抽取模型训练的方法，包括：
62.步骤s301，电子设备获取第二语料数据，所述第二语料数据被标记有实体样本、各实体样本对应的实体类型样本、各实体样本对应的实体关系样本，然后执行步骤s302。
63.步骤s302，电子设备将第二语料数据输入预设的待训练模型进行训练，获得备选知识抽取模型，然后执行步骤s303。
64.步骤s303，电子设备确定备选知识抽取模型分别对各实体类型样本对应的第二语料数据的识别准确率，然后执行步骤s304。
65.步骤s304，电子设备判断各识别准确率是否均达到预设阈值；在各识别准确率未均达到预设阈值的情况下，执行步骤s305；在各识别准确率均达到预设阈值的情况下，执行步骤s309。
66.步骤s305，电子设备根据识别准确率筛选第二语料数据获得待标注语料数据，然后执行步骤s306。
67.步骤s306，电子设备确定待标注语料数据的各待标注实体和各待标注实体对应的待标注实体关系，然后执行步骤s307。
68.步骤s307，电子设备响应于用户的修改指令调整待标注语料数据中的各待标注实体和各待标注实体对应的待标注实体关系，将调整后的待标注语料数据确定为第二语料数据；并获取待标注语料数据中被修改的各待标注实体和待标注实体关系的总修改个数。
69.步骤s308，电子设备判断总修改个数是否小于预设数值，在总修改个数大于预设数值的情况下，执行步骤s301；在总修改个数小于或等于预设数值的情况下，执行步骤s309。
70.步骤s309，电子设备将备选知识抽取模型确定为知识抽取模型。
71.采用本公开实施例提供的用于知识抽取模型训练的方法，通过判断备选知识抽取模型的准确率，不断对第二语料数据进行调整并重新训练备选知识抽取模型，从而确定知识抽取模型。这样，能够获得准确率更高的知识抽取模型。从而，利用该知识抽取模型抽取出的数据来构建知识图谱，使的知识图谱的质量更高。
72.在一些实施例中，将第二语料数据分为训练集和测试集，将训练集输入预设的待训练模型进行训练，获得备选知识抽取模型。利用测试集确定备选知识抽取模型分别对各实体类型样本对应的第二语料数据的识别准确率。
73.可选地，根据各实体关系连接各实体类簇，获得知识图谱，包括：从各实体类簇中随机选取一个实体类簇确定为目标实体类簇，将实体类簇对应的实体向量确定为目标实体向量；将各实体类簇中除目标实体类簇的实体类簇确定为备选实体类簇，将备选实体类簇对应的实体向量确定为第二实体向量；在目标实体向量与第二实体向量存在实体关系的情况下，连接目标实体向量对应的目标实体类簇与第二实体向量对应的备选实体类簇，获得知识图谱。
74.在一些实施例中，在实体类簇被确定为目标实体类簇的情况下，将实体类簇标记为已判断实体类簇。在各实体类簇均被标记为已判断实体类簇的情况下，将实体类簇与实体类簇之间连接形成的图作为知识图谱。
75.可选地，根据各实体关系连接各实体类簇，获得知识图谱后，还包括获取第三语料数据；将第三语料数据输入预设的知识抽取模型，获得若干个第三实体向量；根据第三实体向量与实体类簇对应的第一实体向量之间的相似度，将第三实体向量添加到知识图谱。这样，利用相似度将第三实体向量添加到知识图谱，不需要重新构建知识图谱，能够便捷的将新的第三实体向量加入知识图谱，完成图谱构建。
76.可选地，根据第三实体向量与实体类簇对应的第一实体向量之间的相似度，将第三实体向量添加到知识图谱，包括：在第三实体向量与实体类簇对应的第一实体向量之间的相似度小于预设阈值的情况下，将第三实体向量与实体类簇连接；和/或，在第三实体向量与实体类簇对应的第一实体向量之间的相似度大于预设阈值的情况下，将第三实体向量作为节点存储到知识图谱。
77.可选地，根据各实体关系连接各实体类簇，获得知识图谱后，还包括：将知识图谱展示给用户。
78.可选地，将知识图谱展示给用户，包括：将知识图谱推送到预设的客户端。
79.可选地，将知识图谱展示给用户，包括：将知识图谱发送到预设的显示屏，触发显示屏对知识图谱进行展示。
80.可选地，在将知识图谱展示给用户后，还包括：响应于用户的知识图谱修改指令，修改知识图谱中的节点和节点之间的连接关系。
81.可选地，修改知识图谱中的节点和节点之间的连接关系，包括：增加和/或删除知识图谱中的节点；增加和/或删除知识图谱中的节点之间的连接关系。
82.可选地，知识图谱中的节点为实体类簇，节点之间的连接关系为实体类簇与实体类簇之间的连线。
83.结合图4所示，本公开实施例提供一种用于构建知识图谱的方法，包括：
84.步骤s401，电子设备获取第一语料数据。
85.步骤s402，电子设备将第一语料数据输入预设的知识抽取模型，获得若干个第一实体向量、各第一实体向量对应的第一实体类型和各第一实体向量对应的第一实体关系。
86.步骤s403，电子设备按照第一实体类型将各第一实体向量分成若干向量分组。
87.步骤s404，电子设备对各向量分组中的第一实体向量进行语义聚类，获得各向量分组分别对应的实体类簇。
88.步骤s405，电子设备根据各第一实体关系连接各实体类簇，获得知识图谱。
89.步骤s406，电子设备将知识图谱展示给用户。
90.采用本公开实施例提供的用于构建知识图谱的方法，通过获取第一语料数据；将第一语料数据输入预设的知识抽取模型，获得若干个第一实体向量、各第一实体向量对应的第一实体类型和各第一实体向量对应的第一实体关系；按照第一实体类型将各第一实体向量分成若干向量分组；对各向量分组中的第一实体向量进行语义聚类，获得各向量分组分别对应的实体类簇；根据各第一实体关系连接各实体类簇，获得知识图谱。这样，通过语义聚类先将表征的含义相同或相近的实体聚集在一起形成若干类簇，然后对各类簇进行连接，而不是每个实体与实体之间均进行连线，减少了知识图谱中冗杂的实体关系，使得知识图谱呈现的实体与实体之间的实体关系更简洁，更便于用户直观的查看实体与实体之间的联系。再将知识图谱展示给用户，能够便于用户查看知识图谱，并对知识图谱进行修改。
91.在一些实施例中，获取备选数据，专家基于自身业务理解构建schema，通过tf-idf(term frequency
–
inverse document frequency，词频-逆文档频率)算法从备选数据中提取若干关键词，专家根据若干关键词优化schema。然后，根据专家根据优化的schema对备选数据标注实体样本、各实体样本对应的实体类型样本、各实体样本对应的实体关系样本。然后对标注有实体样本、各实体样本对应的实体类型样本、各实体样本对应的实体关系样本的备选数据进行调整和修改，获得第二语料数据。
92.结合图5所示，本公开实施例提供一种用于构建知识图谱的装置，包括：获取模块501、确定模块502、分类模块503、聚类模块504和构建模块505。获取模块，被配置为获取第一语料数据；确定模块，被配置为将第一语料数据输入预设的知识抽取模型，获得若干个第一实体向量、各第一实体向量对应的第一实体类型和各第一实体向量对应的第一实体关系；分类模块，被配置为按照第一实体类型将各第一实体向量分成若干向量分组；聚类模块，被配置为对各向量分组中的第一实体向量进行语义聚类，获得各向量分组分别对应的
实体类簇；构建模块，被配置为根据各第一实体关系连接各实体类簇，获得知识图谱。
93.采用本公开实施例提供的用于构建知识图谱的装置，通过获取模块获取第一语料数据；确定模块将第一语料数据输入预设的知识抽取模型，获得若干个第一实体向量、各第一实体向量对应的第一实体类型和各第一实体向量对应的第一实体关系；分类模块按照第一实体类型将各第一实体向量分成若干向量分组；聚类模块对各向量分组中的第一实体向量进行语义聚类，获得各向量分组分别对应的实体类簇；构建模块根据各第一实体关系连接各实体类簇，获得知识图谱。这样，通过语义聚类先将表征的含义相同或相近的实体聚集在一起形成若干类簇，然后对各类簇进行连接，而不是每个实体与实体之间均进行连线，减少了知识图谱中冗杂的实体关系，使得知识图谱呈现的实体与实体之间的实体关系更简洁，更便于用户直观的查看实体与实体之间的联系。
94.结合图6所示，本公开实施例提供一种电子设备，包括处理器(processor)600和存储器(memory)601。可选地，该装置还可以包括通信接口(communication interface)602和总线603。其中，处理器600、通信接口602、存储器601可以通过总线603完成相互间的通信。通信接口602可以用于信息传输。处理器600可以调用存储器601中的逻辑指令，以执行上述实施例的用于构建知识图谱的方法。
95.此外，上述的存储器601中的逻辑指令可以通过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。
96.存储器601作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序，如本公开实施例中的方法对应的程序指令/模块。处理器600通过运行存储在存储器601中的程序指令/模块，从而执行功能应用以及数据处理，即实现上述实施例中用于构建知识图谱的方法。
97.存储器601可包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端设备的使用所创建的数据等。此外，存储器601可以包括高速随机存取存储器，还可以包括非易失性存储器。
98.采用本公开实施例的电子设备，通过获取第一语料数据；将第一语料数据输入预设的知识抽取模型，获得若干个第一实体向量、各第一实体向量对应的第一实体类型和各第一实体向量对应的第一实体关系；按照第一实体类型将各第一实体向量分成若干向量分组；对各向量分组中的第一实体向量进行语义聚类，获得各向量分组分别对应的实体类簇；根据各第一实体关系连接各实体类簇，获得知识图谱。这样，通过语义聚类先将表征的含义相同或相近的实体聚集在一起形成若干类簇，然后对各类簇进行连接，而不是每个实体与实体之间均进行连线，减少了知识图谱中冗杂的实体关系，使得知识图谱呈现的实体与实体之间的实体关系更简洁，更便于用户直观的查看实体与实体之间的联系。
99.本公开实施例提供了一种存储介质，存储有程序指令，所述序指令在运行时，执行上述用于构建知识图谱的方法。
100.本公开实施例提供了一种计算机程序产品，所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述用于构建知识图谱的方法。
101.上述的计算机可读存储介质可以是暂态计算机可读存储介质，也可以是非暂态计算机可读存储介质。
102.本公开实施例的技术方案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，包括一个或多个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)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质，包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等多种可以存储程序代码的介质，也可以是暂态存储介质。
103.以上描述和附图充分地示出了本公开的实施例，以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求，否则单独的部件和功能是可选的，并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且，本技术中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的，除非上下文清楚地表明，否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地，如在本技术中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外，当用于本技术中时，术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素，和/或组件的存在，但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下，由语句“包括一个
…”
限定的要素，并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中，每个实施例重点说明的可以是与其他实施例的不同之处，各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言，如果其与实施例公开的方法部分相对应，那么相关之处可以参见方法部分的描述。
104.本领域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，可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能，但是这种实现不应认为超出本公开实施例的范围。所述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。
105.本文所披露的实施例中，所揭露的方法、产品(包括但不限于装置、设备等)，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，可以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。另外，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。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。另外，在本公开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。
106.附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中，不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生，有时不同的操作或步骤之间不存在特定的顺序。例如，两个连续的操作或步骤实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。