一种基于二阶层论的事件推演方法、装置及设备

1.本技术涉及人工智能技术领域，涉及事件推演方法，具体为一种基于二阶层论的事件推演方法、装置及设备。


背景技术：

2.推理是自然语言处理领域非常重要且具有挑战性的任务，其目的是使用已有的知识和推断技术对未见过的输入信息作出判断。机器推理需要启发式和策略，这通常由知识渊博的领域专家完成。这个过程就是机器推理对企业来说很难扩展的地方，因为这需要大量的专家人力来完成这个策略。
3.机器推理最适用于确定性场景。也就是说，确定某件事是否真实，或者是否会发生。机器推理(machine reasoning)在常识问答、事实检测、自然语言推理、视觉常识推理、视觉问答、文档级问答、多轮语义分析和问答等任务上都有不错的应用。
4.而针对于目前对于事件的推理使用到的机器推理方法主要基于知识图谱进行实现，而针对于知识图谱主要基于推理对象主要是名词性实体及其属性和关系的场景，此过程在针对于文本之间的关系处理上具有一定的快速性和通用性。但针对于特定的场景例如针对于事件的推理中，尤其是复杂事件处理中多个事件之间具有复杂的关联关系例如复杂逻辑事件中，因为一条针对于文本有包括至少一个名词性主体例如人或物，但关键的信息为名词性主体的动作即行为，而针对于知识图谱在进行处理时，主要基于名词性的主体及其属性和关系进行处理，而针对于名词性主体的行为在识别和推演过程较难识别。所以，针对于事件推理此种复杂的主体和事件进行处理的难度较大，且识别结果不准确的问题。


技术实现要素：

5.为了解决以上的技术问题，本技术提供一种基于二阶层论的事件推演方法、装置及设备，通过构建事件之间产生的逻辑关系实现基于基础事件而对事件进行推演，提高了对于事件的识别准确度以及结果的全面性。
6.为了达到上述目的，本技术实施例采用的技术方案如下：第一方面，一种基于二阶层论的事件推演方法，包括：获取待分析的业务数据，所述待分析业务数据为文本语句；基于预设置的事理图谱集提取所述业务数据中的事件表示；将所述事件表示输入至训练后的事件推演模型得到事件推演结果；所述事理图谱用于表示多个事件之间的逻辑关系，所述事理图谱集的构建包括：基于二阶层论构建多个子事理图谱，多个所述子事理图谱中以事件为关键点；基于多个所述子事理图谱中对应的关键点融合所述子事理图谱得到事理图谱；基于二阶层论构建多个子事理图谱包括以下方法：基于二阶层论对所述文本语句进行批量标注，得到实体文本和事件文本；对标注后的每一实体所对应的所述文本语句进行事件知识抽取，得到所述文本语句的事件链条，所述事件链条为每一所述实体对应的事件集合；对所述事件链条进行事件关系抽取，获取所述事件链条中的谓语以及其他参与者的语法依存关系；基于所述事件链条定义有向联通图中的点
和边，构建所述子事理图谱。
7.第一方面的第一种实现方式中，所述事理图谱中每个点表示事件，每个点间的有向边表示能够从一事件演化至另一事件，边的权重表示事件之间的演化强度。
8.第一方面的第二种实现方式中，基于多个所述子事理图谱中对应的关键点融合所述子事理图谱得到事理图谱；包括：将多个所述子事理图谱中的相似事件进行关联，得到关联事理图谱，无相似事件的子事理图谱进行单独表示。
9.结合第一方面的第一种可能的实现方式，在第三种可能的实现方式中，基于预设置的事理图谱集提取所述业务数据中的事件表示，包括：基于所述事理图谱提取所述业务数据中对应的事件集合，所述事件集合包括谓语以及与所述谓语对应的其他参与者的语法依存关系；获取所述事件集合中的谓语以及其他参与者所对应的词向量，并得到整体的事件表示。
10.结合第一方面的第三种可能的实现方式，在第四种可能的实现方式中，所述事件推演模型的训练方法，包括：基于多个所述子事理图谱对初始模型进行训练，所述初始模型的结构为神经网络结构；基于多个所述子事理图谱对所述初始模型进行训练包括：将多个所述子事理图谱依次输入至所述初始模型进行训练。
11.结合第一方面的第四种可能的实现方式，在第五种可能的实现方式中，所述神经网络结构包括表示层，处理层和相似度计算层；所述表示层用于将输入的事件转成向量表示，所述处理层用于更新事件表示，所述相似度计算层用于确定更新事件与预设参考事件的相似度。
12.结合第一方面的第五种可能的实现方式，在第六种可能的实现方式中，将多个所述子事理图谱依次输入至所述初始模型进行训练，包括：获取所述子事理图谱中的第一矩阵和第二矩阵，所述第一矩阵用于包括所述子事理图谱中的初始上下文事件向量和候选事件向量，所述第二矩阵包括与所述子事理图谱的邻接矩阵；将所述第一矩阵和所述第二矩阵输入至所述初始模型中，得到更新后的事件表示，所述更新后的事件表示包括更新后的上下文事件向量和更新后的候选事件向量；获取更新后的上下文事件向量和更新后的候选事件向量的隐藏状态，并基于隐藏状态构建对应的事件对；基于事件对与预设的参考事件对进行比较，得到相似度；基于所述相似度调整所述初始模型的权重值。
13.第二方面，一种基于二阶层论的事件推演装置，包括：业务数据获取模块，用于获取待分析的业务数据，所述待分析业务数据为文本语句；事件表示获取模块，用于基于预设置的事理图谱集提取所述业务数据中的事件表示；推演结果获取模块，用于将所述事件表示输入至训练后的事件推演模型得到事件推演结果。
14.第三方面，提供一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的方法。
15.第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的方法。
16.本技术实施例提供的技术方案中，通过构建事理图谱实现对于事件的事件表示进行提取，并基于提取后的向量在事件推演模型中进行处理得到事件推演的结果。与现有技术不同，本实施例的事件表示的提取基于事理图谱进行获得，针对于事理图谱能够实现主
体与事件之间的联系，并且还能够表示事件之间的逻辑关系，通过事件之间的逻辑关系实现基于获取到的事件表示得到关联的事件从而实现事件的推演结果的获得。并且，在本技术实施例提供的技术方案中，事件的关联关系基于二阶层进行处理，而针对于事理图谱的构建基于多个子事理图谱之间的关联关系进行构建，而针对于子事理图谱的构建能够将呈关联关系的事件进行关联，实现了在复杂场景下的事件的推理。
附图说明
17.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例，其中示例数字在附图的各个视图中代表相似的机构。
19.图1是本技术实施例提供的终端设备的结构示意图。
20.图2是本技术的一些实施例所示的基于二阶层论的事件推演方法的流程图。
21.图3是根据本技术实施例提供的装置方框示意图。
具体实施方式
22.为了更好的理解上述技术方案，下面通过附图以及具体实施例对本技术技术方案做详细的说明，应当理解本技术实施例以及实施例中的具体特征是对本技术技术方案的详细的说明，而不是对本技术技术方案的限定，在不冲突的情况下，本技术实施例以及实施例中的技术特征可以相互组合。
23.在下面的详细描述中，通过实例阐述了许多具体细节，以便提供对相关指导的全面了解。然而，对于本领域的技术人员来说，显然可以在没有这些细节的情况下实施本技术。在其他情况下，公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述，没有细节，以避免不必要的模糊本技术的方面。
24.本技术中使用流程图说明根据本技术的实施例的系统所执行的执行过程。应当明确理解的是，流程图的执行过程可以不按顺序执行。相反，这些执行过程可以以相反的顺序或同时执行。另外，可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
25.对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。
26.（1）响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。
27.（2）基于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。
28.（3）事理图谱，一种数学模型，基于点和边组成，其中点代表客观世界中的概念、实体和事件，边则代表它们之间的关系和属性。用于将现实世界映射到数据世界描述客观世界的概念、实体、事件及其关系。
29.（4）知识图谱，以符号形式结构化地描述了物理世界中的概念及其相互关系，知识基本组成形式为《实体,关系,实体》的三元组，实体间通过关系相互联结，构成了复杂的网状知识结构。
30.（5）二阶层论，为一种事件评价体系，第一层是行为要件。其又分为两个层面：构成要件符合性、行为正当阻却事由。前者是一定的正面判断，后者则是另一方面的反面判断。并且前者是相关的事实判断，后者是一种价值判断。
31.本技术实施例提供的技术方案，主要的应用场景为针对在事件的推演下进行，目前针对于事件的推理主要基于专家的解读以及专业人士的智力活动进行获得，而针对于海量的案例以及复杂的案例，通过人工解读具有较高的时间成本和人力成本。基于目前的机器学习的发展情况，在现有的计算机技术基础上能够实现通过知识图谱的构建实现对于案例的具体的解读以及事件的推演。但是针对于知识图谱其主要表征主体与属性和关系的场景，其中主体主要为名词性实体，例如某人和某物之间的关联关系，但是针对于事件其主要基于以事件为核心的主体之间的关系，即某人在某种场景下做了某种行为，即who、where、what、how，而针对于此种场景下的应用，知识图谱无法识别具体文字中的谓语即行为或动作也就是事件中关键的部分。所以，针对于事件的推演的实现，无法通过知识图谱进行准确信息的获得。所以，针对于此场景以及技术目的，本实施例提供一种基于二阶层轮的事件推演方法，基于构建的事理图谱获取多个关联事件中的事件表示，并且基于获取到的事件表示基于训练后的事件推演模型得到事件推演结果。
32.在本实施例中，针对于特殊性事件，其特殊性的体现在本实施例中主要为事件的推演过程基于二阶层论而进行，而针对于事理图谱的构建也基于二阶层论而进行。其中，二阶层论推理理论是一种哲学实践角度的理论。二阶层论中的阶层是指行为的下位概念，即一定的行为由不同的要件构成，而这些要件之间存在着位阶关系。二阶层，就是指行为由二个具有位阶关系的要件所构成的。阶层有双重含义：第一层含义是指行为成立要件，即阶层具有逻辑性。第二层含义是行为具有实体性。
33.而针对于本实施例中的特定使用场景，想要获取事件中的实体以及特定行为之间的逻辑关系，所以针对于现有的知识图谱能够实现对于实体的获得，但是针对于犯罪行为之间的逻辑关系无法准确的进行获得。而本实施例中的使用场景再进行细化则为针对于特定事件进行推演，而针对于特定因为包含多个行为，其一个行为有可能触及多个价值判断。并且针对于每一个行为其产生的结果而导致的价值判断不同，例如，针对于评价某人饭量较大，涉及到不同的年龄段以及性别关系以及身体的健康程度，其评价的标准以及在不同标准下行为的划分也不同。还有针对于行为场景的不同，其事件的结果也不同，例如都是吃了五根冰淇淋，针对于在下雪的天气中以及高温的天气中所产生的事件的价值判断也不同，但是行为不同，所推演的结果也不同。所以，针对于特定事件其场景复杂，且事件之间具有复杂的关联关系。
34.针对于以上问题，本实施例提供一种基于二阶层论的事件推演方法，其工作逻辑为构建事理图谱，其中事理图谱用于说明基于一个事件的逻辑关系的关联的事件，并构建
基于事理图谱的事件推演模型，将具体的事件通过事理图谱进行事件的事件表示的获得，并将事件表示输入至事件推演模型得到事件推演结果。
35.基于以上的技术背景，本技术实施例提供一种终端设备100，该终端设备包括存储器110、处理器120以及存储在存储器中并可在处理器上运行的计算机程序，其中处理器执行事件推演方法。在本实施例中，该终端设备与用户端进行通信，将获取到的事件推演结果下发至对应的用户端，在硬件上实现对于事件推演结果的发送。其中，针对于发送信息的方式基于网络实现，并且在终端设备进行应用之前需要对用户端与终端设备建立关联关系，可以通过注册的方式实现对于终端设备与用户端之间的关联。其中终端设备可以针对多个用户端，也可以针对一个用户端，并且用户端通过密码以及其他加密的方式与终端设备进行通信。
36.在本实施例中，该终端可以为服务器，针对于服务器的物理结构，包括存储器、处理器和通信单元。存储器、处理器以及通信单元各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。存储器用于存储特定的信息和程序，通信单元用于将处理后的信息进行发送至对应的用户端。
37.本实施例将存储模块划分为两个存储区域，其中一个存储区为程序存储单元，另一个存储区域为数据存储单元。程序存储单元相当于固件区，该区域的读写权限设置为只读模式，其内存储的数据不可擦除和更改。而数据存储单元中的数据可以进行擦除或读写，当数据存储区域的容量已满时，新写入的数据会对最早期的历史数据进行覆盖。
38.其中，存储器可以是，但不限于，随机存取存储器（random access memory，ram），只读存储器（read only memory，rom），可编程只读存储器（programmable read-only memory，prom），可擦除只读存储器（erasable programmable read-only memory，eprom），电可擦除只读存储器（ele超声ric erasable programmable read-only memory，eeprom）等。
39.处理器可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器（dsp)）、专用集成电路（asic）、现场可编程门阵列（fpga）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。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。
40.参阅图2，在本实施例中，针对于基于二阶层论的事件推演方法，其工作逻辑为，将事件通过事理图谱进行，具体包括以下方法：步骤s210. 获取待分析的业务数据。
41.在本实施例中，待分析的业务数据为文本语句，具体为包含了事件的文本语句。其中，针对于业务数据的获取基于客户端的输入进行得到。例如：张某和李某二人分别在杭州和哈尔滨在十二月二十三号进行比赛，二人同时进食冰淇淋，经过一个小时的比赛时间，张某吃掉五根冰淇淋，李某吃掉七根冰淇淋。其中事件包括了“张某”“李某”为表明主体身份的主语，包括“进食”谓语，还包括“冰淇淋”、“杭州”、“哈尔滨”等定语。本实施例的应用场景为基于提供的此文本语句进行事件的推演，具体的推演为基于以上的事件获得事件的结
果，其中事件的结果为涉及到的知识点的说明，包括但不限于地理知识、社会人文知识等。
42.步骤s220.基于预设置的事理图谱提取所述业务数据中的事件表示。
43.在本实施例中，具体为基于预设置的事理图谱提取文本语句中的事件表示，其中事理图谱用于表示多个事件之间的逻辑关系，通过文本语句中的事件输入至事理图谱中获得此事件与多个事件之间的逻辑关系，基于事件之间的逻辑关系获得事件。
44.而在本实施例中，事理图谱集包括多个子事理图谱构成，其中每一个子事理图谱的确定现有逻辑案例中进行确定，在本实施例中不再进行累述。
45.而基于以上的事理图谱集的结构，针对于事理图谱集的构建包括：基于二阶层论构建多个子事理图谱，多个所述子事理图谱中以事件为关键点；基于多个所述子事理图谱中对应的关键点融合所述子事理图谱得到事理图谱。
46.在本实施例中，通过获取以时间为关键点的子事理图谱并基于多个子事理图谱中的相同的关键点对多个子事理图谱进行融合得到事理图谱。其中，针对于没有相同事件的子事理图谱则单独构建，针对于具有相同事件的子事理图谱融合能够实现事件的逻辑关系的最大化。针对于复杂的事件，一个行为有可能触及到多个行为，所以对于事件之间具有较强的关联，并且因为关联关系的原因导致事件的复杂程度较高。但是，针对于事件的因为其自身的逻辑关系强的原因，通过事件之间的逻辑关系建立多个事件的关系实现最终事理图谱的完整构建。
47.在本实施例中，针对于事理图谱的结构由多个点以及点与点之间的边构成，其中每个点表示事件，每个点之间的有向边表示能够从一事件演化至另一事件即事件之间的逻辑关系，其中边的权重表示事件之间的演化强度，即通过演化强度能够实现对于事件结果强关联。
48.而在本实施例中，针对于基于二阶层轮构建多个子事理图谱包括以下方法：基于二阶层论对基础文本语句进行批量标注，得到实体文本和事件文本。在本实施例中，基础文本语句为包含具体行为的文本语句，可以通过爬虫的方式对网络中涉及到的实际行为进行遍历得到，并利用现有的自动化标注手段对获取到的大量的文本语句进行标注，标注的特征为实体以及事件，从而在一个文本语句中得到实体文本和事件文本。在本实施例中，自动化标注可以通过现有技术进行获得，在本实施例中不进行详细的描述。
49.对标注后的每一实体所对应的所述文本语句进行事件知识抽取，得到所述文本语句的事件链条，所述事件链条为每一所述实体对应的事件集合。在本实施例中，针对于标注后的文本语句进行事件知识的抽取，得到基于事件为核心的事件链条，其中链条用于表示基于事件与实体的关系。
50.对所述事件链条进行事件关系抽取，获取所述事件链条中的谓语以及其他参与者的语法依存关系。在本实施例中，所有的事件链条为：，其中一个事件链为，表示事件，其中针对于事件采用四元组的形式表示，具体为：；其中 p 表示谓语动词, , ,分别表示谓语动词的主语、直接宾语、间接宾语； t 则是被这个事件链中所有事件共享的主人公。
51.基于所述事件链条定义有向联通图中的点和边，构建所述子事理图谱。
52.在本实施例中，针对于业务数据中的事件的提取主要基于通过以上方式构建的所述事理图谱，并基于事理图谱提取所述业务数据中对应的事件集合，所述事件集合包括谓语以及与所述谓语对应的其他参与者的语法依存关系；获取所述事件集合中的谓语以及其他参与者所对应的词向量，并得到整体的事件表示。并且，针对于知识图谱不同在于，知识图谱中针对于事件的表示主要基于三元组的数据结构进行说明，而在事理图谱中针对于事件的表示基于四元组的数据结构说明，其中四元组的数据结构中的核心为谓语动词即行为对应下的主语、直接宾语、间接宾语，通过对于事件作为关键点能够实现对于事件之间的关联关系的获得，具有逻辑关系清晰关联性强的效果。
53.步骤s230. 将所述事件表示输入至训练后的事件推演模型得到事件推演结果。
54.在本实施例中，主要基于事件推演模型的训练，其中事件推演模型的训练方法主要为基于多个所述子事理图谱对初始模型进行训练，在本实施例中所述初始模型的结构为神经网络结构。其中，针对于基于多个所述子事理图谱对所述初始模型进行训练包括：将多个所述子事理图谱依次输入至所述初始模型进行训练。
55.在本实施例中，神经网络包括表示层、处理层和相似度计算层，其中表示层用于将输入的事件转成向量表示，所述处理层用于基于向量表示更新事件表示，所述相似度计算层用于确定更新事件与预设参考事件的相似度。
56.具体的，在本实施例中针对于将多个所述子事理图谱依次输入至所述初始模型进行训练，具体包括：获取所述子事理图谱中的第一矩阵和第二矩阵，所述第一矩阵用于包括所述子事理图谱中的初始上下文事件向量和候选事件向量，所述第二矩阵包括与所述子事理图谱的邻接矩阵。
57.将所述第一矩阵和所述第二矩阵输入至所述初始模型中，得到更新后的事件表示，所述更新后的事件表示包括更新后的上下文事件向量和更新后的候选事件向量。
58.获取更新后的上下文事件向量和更新后的候选事件向量的隐藏状态，并基于隐藏状态构建对应的事件对。
59.基于事件对与预设的参考事件对进行比较，得到相似度。
60.基于所述相似度调整所述初始模型的权重值。
61.本实施例通过此过程的设置，通过构建事理图谱实现对于事件表示的获取，并基于事件表示通过事件推演模型通过特征的提取以及配置的相似度比对方式得到最终的最优事件，即基于多个事件表示的事件结合中最接近的结果事件，为本实施例中获取到的事件推演结果。
62.参阅图3，本实施例还提供一种基于二阶层论的事件推演装置300，包括：业务数据获取模块310，用于获取待分析的业务数据，所述待分析业务数据为文本语句。事件表示获取模块320，用于基于预设置的事理图谱集提取所述业务数据中的事件表示。推演结果获取模块330，用于将所述事件表示输入至训练后的事件推演模型得到事件推演结果。
63.其中，在本实施例中针对于事件表示获取模块320还包括事理图谱构建单元321，其中事理图谱构建单元321用于构建事理图谱。在本实施例中推演结果获取模块330包括事件推演模型构建单元331，用于构建对应的事件推演模型。在本实施例中，针对于事理图谱的结构由多个点以及点与点之间的边构成，其中每个点表示事件，每个点之间的有向边表
示能够从一事件演化至另一事件即事件之间的逻辑关系，其中边的权重表示事件之间的演化强度，即通过演化强度能够实现对于事件结果强关联。
64.本技术实施例提供的技术方案中，通过构建事理图谱实现对于事件的事件表示进行提取，并基于提取后的向量在事件推演模型中进行处理得到事件推演的结果。与现有技术不同，本实施例的事件表示的提取基于事理图谱进行获得，针对于事理图谱能够实现主体与事件之间的联系，并且还能够表示事件之间的逻辑关系，通过事件之间的逻辑关系实现基于获取到的事件表示得到关联的事件从而实现事件的推演结果的获得。并且，在本技术实施例提供的技术方案中，事件的关联关系基于二阶层进行处理，而针对于事理图谱的构建基于多个子事理图谱之间的关联关系进行构建，而针对于子事理图谱的构建能够将呈关联关系的事件进行关联，实现了在复杂的事件场景下的事件的推理。
65.需要理解的是，针对上述内容没有进行名词解释的技术术语，本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义在此均不作限定。
66.本领域技术人员可以根据上述已公开的内容毫无疑义对一些预设的、基准的、预定的、设定的以及偏好标签的技术特征/技术术语进行确定，例如阈值、阈值区间、阈值范围等。对于一些未作解释的技术特征术语，本领域技术人员完全能够基于前后文的逻辑关系进行合理地、毫无疑义地推导，从而清楚、完整地实施上述技术方案。未作解释的技术特征术语的前缀，例如“第一”、“第二”、“示例”、“目标”等，可以根据前后文进行毫无疑义地推导和确定。未作解释的技术特征术语的后缀，例如“集合”、“列表”等，也可以根据前后文进行毫无疑义地推导和确定。
67.本技术实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解，本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本技术所记载的内容进行的，因此上述内容并不是对整体方案的创造性的评判。
68.上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅作为示例，而并不构成对本技术的限定。虽然此处并没有明确说明，本领域技术人员可以对本技术进行各种修改、改进和修正。该类修改、改进和修正在本技术中被建议，所以该类修改、改进、修正仍属于本技术示范实施例的精神和范围。
69.同时，本技术使用了特定术语来描述本技术的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本技术至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同部分两次或多次提到的“一实施例”或“一个实施例”或“一替代性实施例”并不一定是指同一实施例。此外，本技术的至少一个实施例中的某些特征、结构或特点可以进行适当的组合。
70.另外，本领域普通技术人员可以理解的是，本技术的各个方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们任何新的和有用的改进。相应地，本技术的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可以被称为“单元”、“组件”或“系统”。此外，本技术的各方面可以表现为位于至少一个计算机可读介质中的计算机产品，所述产品包括计算机可读程序编码。
71.计算机可读信号介质可能包含一个内含有计算机程序编码的传播数据信号，例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式，包括电磁形式、光形式等
等、或合适的组合形式。计算机可读信号介质可以是除计算机可读存储介质之外的任何计算机可读介质，该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机可读信号介质上的程序编码可以通过任何合适的介质进行传播，包括无线电、电缆、光纤缆线、rf、或类似介质、或任何上述介质的组合。
72.本技术各方面执行所需的计算机程序码可以用一种或多种程序语言的任意组合编写，包括面向对象程序设计，如java、scala、smalltalk、eiffel、jade、emerald、c 、c#、vb.net，python等，或类似的常规程序编程语言，如"c"编程语言，visual basic，fortran 2003，perl，cobol 2002，php，abap，动态编程语言如python，ruby和groovy或其它编程语言。所述程式设计编码可以完全在用户计算机上执行、或作为独立的软体包在用户计算机上执行、或部分在用户计算机上执行部分在远程计算机执行、或完全在远程计算机或服务器上执行。在后种情况下，远程计算机可以通过任何网络形式与用户计算机连接，比如局域网络(lan)或广域网(wan)，或连接至外部计算机(例如通过因特网)，或在云计算环境中，或作为服务使用如软件即服务(saas)。
73.此外，除非申请专利范围中明确说明，本技术所述处理元件和序列的顺序、数位字母的使用、或其他名称的使用，并非用于限定本技术流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的申请专利范围并不仅限于披露的实施例，相反，申请专利范围旨在覆盖所有符合本技术实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件装置实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或行动装置上安装所描述的系统。
74.同样应当理解的是，为了简化本技术揭示的表述，从而帮助对至少一个发明实施例的理解，前文对本技术实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本技术对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。