一种基于知识图谱的问答实现方法及装置与流程

1.本发明涉及自然语言处理技术领域，特别是涉及一种基于知识图谱的问答实现方法及装置。


背景技术：

2.知识图谱问答(kbqa)利用图谱丰富的语义关联信息，能够深入理解用户问题并给出答案，近年来吸引了学术界和工业界的广泛关注。知识图谱问答主要任务是将自然语言问题通过不同方法映射到结构化的查询，并在知识图谱中获取答案。
3.目前，知识图谱问答方法通常存在如下两种：一种是，利用模板的方式进行知识图谱问答，该方法主要是通过建立模板，将问题对应到模板中，并替换模板中的查询进行获取答案。此种方式需要针对知识图谱的问答进行的大量积累和整理，才能够获取模板，知识图谱问答能回答的程度取决于模板整理的多少，且模板是基于编写整理当时阶段的图谱进行编写的，当图谱发生变动时，模板很难自适应图谱的变化。另一种是，基于深度学习技术进行知识图谱问答。此种方式对面向多领域的知识图谱平台来讲，在知识图谱构建初期，在没有数据积累的情况下，不能训练模型，也很难利用机器学习或者深度学习进行知识图谱问答。
4.可见，现有的基于知识图谱的问答实现方法在没有大量问答积累的情况下，很难实现对知识图谱的查询。


技术实现要素：

5.有鉴于此，本发明提出了一种基于知识图谱的问答实现方法及装置，主要目的在于无需问答积累，在知识图谱构建的全阶段中都更加容易可靠地可以基于知识图谱实现问答，主要技术方案如下：
6.第一方面，本发明提供了一种基于知识图谱的问答实现方法，该方法包括：
7.对输入的问题语句进行分词，并对分词后得到的每一个单词进行词性标注以及基于每一个所述单词的词性标注结果对所述问题语句进行句法分析；
8.基于每一个所述单词的词性标注结果以及所述知识图谱对应的数据库所记载的词信息，标注每一个所述单词的语义角色；
9.基于每一个所述单词的语义角色以及句法分析后得到的结果，确定所述问题语句中的核心词；
10.基于所述核心词构建针对所述知识图谱的查询语句，其中，所述查询语句用于对所述知识图谱进行查询。
11.第二方面，本发明提供了一种基于知识图谱的问答实现装置，该装置包括：
12.处理单元，用于对输入的问题语句进行分词，并对分词后得到的每一个单词进行词性标注以及基于每一个所述单词的词性标注结果对所述问题语句进行句法分析；
13.标注单元，用于基于每一个所述单词的词性标注结果以及所述知识图谱对应的数
据库所记载的词信息，标注每一个所述单词的语义角色；
14.确定单元，用于基于每一个所述单词的语义角色以及句法分析后得到的结果，确定所述问题语句中的核心词；
15.构建单元，用于基于所述核心词构建针对所述知识图谱的查询语句，其中，所述查询语句用于对所述知识图谱进行查询。
16.第三方面，本发明提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行第一方面所述的基于知识图谱的问答实现方法。
17.第四方面，本发明提供了一种存储管理设备，所述存储管理设备包括：存储器，用于存储程序；处理器，耦合至所述存储器，用于运行所述程序以执行第一方面所述的基于知识图谱的问答实现方法。
18.借由上述技术方案，本发明提供的基于知识图谱的问答实现方法及装置，在接收到输入的问题语句时，对问题语句进行分词，并对分词后得到的每一个单词进行词性标注以及基于各单词的词性标注结果对问题语句进行句法分析。然后基于各单词的词性标注结果以及知识图谱对应的数据库所记载的词信息标注各单词的语义角色，以及基于各单词的语义角色以及句法分析后得到的结果确定问题语句中的核心词。最后基于核心词构建针对知识图谱的查询语句，以利用查询语句对知识图谱进行查询。可见，本发明提供方案中在对知识图谱进行查询时，无需问答积累，便可基于对问题语句的分词、词性标注以及语法分析结果以及知识图谱对应的数据库所记载的词信息，构建出查询语句对知识图谱进行查询，查询到针对问题语句的问答结果。因此，本发明提供的方案无需问答积累，在知识图谱构建的全阶段中都更加容易可靠地可以基于知识图谱实现问答。
19.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
20.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
21.图1示出了本发明一个实施例提供的一种基于知识图谱的问答实现方法的流程图；
22.图2示出了本发明另一个实施例提供的一种基于知识图谱的问答实现方法的流程图；
23.图3示出了本发明一个实施例提供的一种基于知识图谱的问答实现装置的结构示意图；
24.图4示出了本发明另一个实施例提供的一种基于知识图谱的问答实现装置的结构示意图。
具体实施方式
25.下面将参照附图更加详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
26.如图1所示，本发明实施例提供了一种基于知识图谱的问答实现方法，该方法主要包括：
27.101、对输入的问题语句进行分词，并对分词后得到的每一个单词进行词性标注以及基于每一个所述单词的词性标注结果对所述问题语句进行句法分析。
28.知识图谱本质上是一种知识库，图谱的知识库在表示知识方面是以一种网络结构形式来表示。知识图谱的知识存储在其对应的数据库中，在该数据库中，知识以词信息的形式存在，该词信息用于限定数据库中特定词在知识图谱中是何种属性以及对应何种属性信息。其中，属性至少包括如下内容中的一种：实体、关系、概念。上述三种属性对应的属性信息分别为实体信息、关系信息以及概念信息。
29.问题语句是给定的自然语言的问题，通过对问题语句进行语义理解和解析，进而便可利用知识图谱进行查询，得到该问题语句对应的答案，从而实现知识图谱的问答。问题语句是基于用户对知识图谱的查询需求而确定的。
30.当存在输入的问题语句时，直接对问题语句进行分词，分词方法至少包括如下两种：
31.第一种，基于词典对问题语句进行分词。
32.此种方法是按照一定的策略将问题语句中的待匹配的字符串和一个已建立好的词典中的词进行匹配。若在词典找到问题语句中的某个词条，则说明匹配成功，识别了该词条为一个单词。
33.需要说明的是，为了使分词后得到单词能够与知识图谱对应的场景相应，则使用的词典为知识图谱对应的场景下的词典。示例性，知识图谱对应的场景为美食场景，使用的词典为美食场景下的词典。若存在问题语句“兰州拉面中包括的材料”，则会将“兰州拉面”分词为一个单词，而不会将“兰州”和“拉面”各分词为单独的单词。
34.第二种，基于机器学习算法对问题语句进行分词。
35.采用诸如hmm、crf、svm、深度学习等算法对问题语句进行分词。
36.在对问题语句分词之后，得到问题语句包括的单词，为了了解每一个单词的词性，需要对每一个单词进行词性标注。词性标注是指为分词结果中每一个单词标注一个正确的词性，也就是，确定每一个单词是名称、动词、形容词或其他词性的过程。
37.词性标注的方法至少包括如下几种：第一种，基于规则进行词性标注，此种方法使用预设的语料库对单词进行词性标注。第二种，基于统计模型进行词性标注，此种方法使用隐马尔可夫模型、条件随机域等统计模型，使用有标记数据的大型语料库进行训练，利用训练后的统计模型进行词性标注，其中，标记数据则是指其中每一个单词都分配了正确的词性标注的文本。第三种，基于深度学习进行词性标注，此种方法使用训练好的深度学习模型对单词的词性进行标注。
38.在标注每一个单词的词性后，需要基于每一个单词的词性标注结果对问题语句进
行句法分析，对问题语句中的词语语法功能进行分析，确定问题语句中各单词对应的语法结构。句法分析的主要目的是为了确定用户使用问题语句对知识图谱的查询意图，以基于该查询意图确定与问题语句对应的答案。
39.102、基于每一个所述单词的词性标注结果以及所述知识图谱对应的数据库所记载的词信息，标注每一个所述单词的语义角色。
40.知识图谱存在其对应的数据库，在该数据库中知识以词信息的形式存在，该词信息用于限定数据库中特定词在知识图谱中是何种属性以及对应何种属性信息。其中，属性至少包括如下内容中的一种：实体、关系、概念。上述三种属性对应的属性信息分别为实体信息、关系信息以及概念信息。确定单词的语义角色的过程实质上就是将单词的词性标注结果与数据库所记载的词信息进行匹配的过程。因此，标注各单词的语义角色的过程至少包括如下步骤一至步骤二：
41.步骤一、将各所述单词的词性标注结果分别与所述知识图谱对应的数据库所记载的词信息进行匹配，确定每一个所述单词匹配到的词信息。
42.具体的，根据单词的词性标注结果直接到数据库中进行查找，查找与其匹配的特定词，将特定词的词信息，确定为该单词的词信息。
43.示例性的，存在单词“东京油田、包含、油气藏”，经与数据库匹配，确定单词“东京油田”的词信息为“实体，实体信息”、单词“包含”的词信息为“关系，关系信息”、单词“油气藏”的词信息为“概念，概念信息”。
44.步骤二、基于各所述单词匹配到的词信息，确定各所述单词的语义角色。
45.示例性的，单词为“东京油田”，经过匹配后，匹配到的词信息为“实体，实体信息”，则单词“东京油田”的语义角色标注结果为“东京油田，实体，实体信息”。单词为“包含”，经过匹配后，匹配到的词信息为“关系，关系信息”，则单词“包含”的语义角色标注结果为“包含，关系，关系信息”。单词为“油气藏”，经过匹配后，匹配到的词信息为“概念，概念信息”，则单词“油气藏”的语义角色标注结果为“油气藏，概念，概念信息”。
46.103、基于每一个所述单词的语义角色以及句法分析后得到的结果，确定所述问题语句中的核心词。
47.问题语句中并非所有词对查询知识图谱都起作用，问题语句中仅有部分单词决定查询结果，因此，为了更为准确高效的对知识图谱进行查询，需要确定出问题语句中的核心词，以仅依据核心词对知识图谱进行查询。
48.下面对核心词的确定过程进行说明，该过程包括如下步骤一至步骤二：
49.步骤一、根据句法分析后得到的结果，确定所述每一个所述单词对应的语法结构。
50.句法分析的结果中，标注有每一个单词对应的语法结构，该语法结构能够看出单词在问题语句中充当的结构角色。比如，该单词是主语、谓语还是宾语。
51.各单词对应的语法结构能够确定其在问题语句中重要程度，因此需要确定各单词对应的语法结构，以依据各单词的语法结构确定核心词。
52.步骤二、根据每一个所述单词对应的语法结构以及每一个所述单词的语义角色，确定所述问题语句中的核心词。
53.根据每一个所述单词对应的语法结构以及每一个所述单词的语义角色，便可以分析出问题语句的核心，能够看出这个问题语句问的是什么。因此可以根据各单词的语法结
构和语义角色，确定问题语句的核心词。
54.确定核心词的过程实际上是查找问题语句中的各单词之间的关联关系。
55.示例性，问题语句为“东京油田包含的油气藏总共多少”，单词“东京油田”的语义角色标注结果为“东京油田，实体，实体信息”。单词“包含”的语义角色标注结果为“包含，关系，关系信息”。单词“油气藏”的语义角色标注结果为“油气藏，概念，概念信息”。单词“东京油田”是主语，单词“油气藏”是定语。经分析可以确定，单词之间的关联关系为：(东京油田，主语，包含)，(包含，定语，油气藏)，则确定的核心词为“东京油田，包含，油气藏”。
56.104、基于所述核心词构建针对所述知识图谱的查询语句，其中，所述查询语句用于对所述知识图谱进行查询。
57.由于需要使用核心词针对知识图谱进行查询，因此需要基于核心词构建针对知识图谱的查询语句，该查询语句的构建过程为：确定所述核心词的语义角色；基于所述核心词的语义角色将所述核心词嵌入到预设样本语句中，形成所述查询语句，其中，所述预设样本语句的语言结构适应于所述知识图谱对应的数据库。
58.具体的，该预设样本语句可以根据知识图谱对应的数据库语言进行确定。比如，预设样本语句为match语句，则基于各核心词的语义角色将核心词嵌入到样本语句中，形成查询语句。通过该查询语句便可可到针对问题语句的查询结果。
59.进行一步，若需要返回查询结果，则可将预设样本语句与返回语句拼接，这样在查询到查询结果之后，便可返回查询结果。示例性的，拼接match+return查询语句，并进入知识图谱进行查询，返回查询结果。
60.本发明实施例提供的基于知识图谱的问答实现方法，在接收到输入的问题语句时，对问题语句进行分词，并对分词后得到的每一个单词进行词性标注以及基于各单词的词性标注结果对问题语句进行句法分析。然后基于各单词的词性标注结果以及知识图谱对应的数据库所记载的词信息标注各单词的语义角色，以及基于各单词的语义角色以及句法分析后得到的结果确定问题语句中的核心词。最后基于核心词构建针对知识图谱的查询语句，以利用查询语句对知识图谱进行查询。可见，本发明实施例提供方案中在对知识图谱进行查询时，无需问答积累，便可基于对问题语句的分词、词性标注以及语法分析结果以及知识图谱对应的数据库所记载的词信息，构建出查询语句对知识图谱进行查询，查询到针对问题语句的问答结果。因此，本发明实施例提供的方案无需问答积累，在知识图谱构建的全阶段中都更加容易可靠地可以基于知识图谱实现问答。
61.进一步的，根据图1所示的方法，本发明的另一个实施例还提供了一种基于知识图谱的问答实现方法，如图2所示，所述方法主要包括：
62.201、对输入的问题语句进行分词，并对分词后得到的每一个单词进行词性标注以及基于每一个所述单词的词性标注结果对所述问题语句进行句法分析。
63.202、基于每一个所述单词的词性标注结果，从各所述单词中筛选出有效单词，其中，所述有效单词为影响所述问题语句查询结果的单词。
64.为了减少语义角色标注的标注量，则需要在进行语义角色标注之前，对分词而得的单词进行筛选，以剔除掉不需要语义标注的无效单词，而筛选出需要进行语义标注的有效单词。有效单词是直接影响问题语句查询结果的单词，而无效单词对问题语句查询结果的确定不做出任何贡献的单词。
65.在进行有效词筛选时，将具有特定词性的单词确定为无效单词，将非特征词性的单词筛选为有效单词。
66.示例性的，问题语句为“东京油田包含的油气藏总共多少”，分词结果后得到的单词为“东京油田、包含、的、油气藏、总共、多少”，词性标注的结果为“东京油田“名词”、包含(动词)、的(助词)、油气藏(名词)、总共(副词)、多少(形容词)”。特定词性为“助词、副词、形容词”，则将非特定词性筛选为有效单词，有效词为“东京油田、包含、油气藏”。
67.203、将所述有效单词作为需要标注语义角色的单词。
68.为了减少语义角色的标注量，则仅对有效单词进行语义角色标注。
69.204、基于每一个需要标注语义的单词的词性标注结果以及所述知识图谱对应的数据库所记载的词信息，标注每一个需要标注语义的单词的语义角色。
70.示例性的，将有效词“东京油田、包含、油气藏”分别与知识图谱的数据库进行匹配，得到如下语义角色标注结果：(东京油田，实体，词信息)，(包含，关系，关系信息)，(油气藏，概念，概念信息)。
71.205、确定各单词中是否存在未标注语义角色的单词，若存在，执行206；否则，执行207。
72.由于未标注语义角色的单词，对确定核心词没有任何用处，则需要确定各单词中是否存在未标注语义角色的单词。
73.若确定各单词中存在未标注语义角色的单词，则为了减少数据处理量，需要删除这部分单词，执行步骤206即可。
74.若确定各单词中不存在未标注语义角色的单词，则说明所有的单词均依据数据库进行了语义角色标注，执行步骤207即可。
75.206、若各所述单词中存在未标注语义角色的单词，则删除未标注语义角色的单词，其中，未标注语义角色的单词在所述数据库所记载的词信息中不存在匹配的词信息。
76.若各单词中存在未标注语义角色的单词，说明该单词在数据库所记载的词信息中不存在匹配的词信息，即使将其作为查询词使用，也不能从知识图谱的数据库中查询到相应的答案，因此需要删除未标注语义角色的单词。
77.207、基于每一个所述单词的语义角色以及句法分析后得到的结果，确定所述问题语句中的核心词。
78.208、基于所述核心词构建针对所述知识图谱的查询语句，其中，所述查询语句用于对所述知识图谱进行查询。
79.209、展示所述查询语句。
80.为了使查询语句能够与用户意图相符，则在确定出查询语句之后，展示查询语句供用户确定。用户可以基于其自身对知识图谱的查询意图确认查询语句是否能反映出问题语句的本意。
81.在用户确定查询语句与其自身的意图相符，则针对查询语句下发确认信息，以基于该查询语句对知识图谱进行查询，得到针对问题语句的答案供用户使用。
82.在用户确定查询语句与其自身的意图不相符，则针对查询语句下发拒绝信息，以禁止基于该查询语句对知识图谱进行查询。
83.210、当接收到针对查询语句的确认信息时，基于所述查询语句对所述知识图谱进
行查询。
84.在用户确定查询语句与其自身的意图相符，则针对查询语句下发确认信息，以基于该查询语句对知识图谱进行查询，得到针对问题语句的答案供用户使用。
85.进一步的，依据上述方法实施例，本发明的另一个实施例还提供了一种基于知识图谱的问答实现装置，如图3所示，所述装置包括：
86.处理单元31，用于对输入的问题语句进行分词，并对分词后得到的每一个单词进行词性标注以及基于每一个所述单词的词性标注结果对所述问题语句进行句法分析；
87.标注单元32，用于基于每一个所述单词的词性标注结果以及所述知识图谱对应的数据库所记载的词信息，标注每一个所述单词的语义角色；
88.确定单元33，用于基于每一个所述单词的语义角色以及句法分析后得到的结果，确定所述问题语句中的核心词；
89.构建单元34，用于基于所述核心词构建针对所述知识图谱的查询语句，其中，所述查询语句用于对所述知识图谱进行查询。
90.本发明实施例提供的基于知识图谱的问答实现装置，在接收到输入的问题语句时，对问题语句进行分词，并对分词后得到的每一个单词进行词性标注以及基于各单词的词性标注结果对问题语句进行句法分析。然后基于各单词的词性标注结果以及知识图谱对应的数据库所记载的词信息标注各单词的语义角色，以及基于各单词的语义角色以及句法分析后得到的结果确定问题语句中的核心词。最后基于核心词构建针对知识图谱的查询语句，以利用查询语句对知识图谱进行查询。可见，本发明实施例提供方案中在对知识图谱进行查询时，无需问答积累，便可基于对问题语句的分词、词性标注以及语法分析结果以及知识图谱对应的数据库所记载的词信息，构建出查询语句对知识图谱进行查询，查询到针对问题语句的问答结果。因此，本发明实施例提供的方案无需问答积累，在知识图谱构建的全阶段中都更加容易可靠地可以基于知识图谱实现问答。
91.可选的，如图4所示，确定单元33包括：
92.第一确定模块331，用于根据句法分析后得到的结果，确定所述每一个所述单词对应的语法结构；
93.第二确定模块332，用于根据每一个所述单词对应的语法结构以及每一个所述单词的语义角色，确定所述问题语句中的核心词。
94.可选的，如图4所示，构建单元34包括：
95.第三确定模块341，用于确定所述核心词的语义角色；
96.构建模块342，用于基于所述核心词的语义角色将所述核心词嵌入到预设样本语句中，形成所述查询语句，其中，所述预设样本语句的语言结构适应于所述知识图谱对应的数据库。
97.可选的，如图4所示，标注单元32包括：
98.匹配模块321，用于将各所述单词的词性标注结果分别与所述知识图谱对应的数据库所记载的词信息进行匹配，确定每一个所述单词匹配到的词信息；
99.标注模块322，用于基于各所述单词匹配到的词信息，确定各所述单词的语义角色。
100.可选的，如图4所示，所述装置还包括：
101.筛选单元35，用于在标注单元32基于每一个所述单词的词性标注结果以及所述知识图谱对应的数据库所记载的词信息，标注每一个所述单词的语义角色之前，基于每一个所述单词的词性标注结果，从各所述单词中筛选出有效单词，其中，所述有效单词为影响所述问题语句查询结果的单词；将所述有效单词作为需要标注语义角色的单词。
102.可选的，如图4所示，所述装置还包括：
103.删除单元36，用于在标注单元32基于每一个所述单词的词性标注结果以及所述知识图谱对应的数据库所记载的词信息，标注每一个所述单词的语义角色之后，若各所述单词中是否存在未标注语义角色的单词，则删除未标注语义角色的单词，其中，未标注语义角色的单词在所述数据库所记载的词信息中不存在匹配的词信息。
104.可选的，如图4所示，所述装置还包括：
105.查询单元37，用于在构建单元34基于所述核心词构建针对所述知识图谱的查询语句之后，展示所述查询语句；当接收到针对查询语句的确认信息时，基于所述查询语句对所述知识图谱进行查询。
106.本发明实施例提供的基于知识图谱的问答实现装置中，各个功能模块运行过程中所采用的方法详解可以参见图1、图2方法实施例的对应方法详解，在此不再赘述。
107.进一步的，依据上述实施例，本发明的另一个实施例还提供了一种计算机可读存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行图1或图2所述的基于知识图谱的问答实现方法。
108.进一步的，依据上述实施例，本发明的另一个实施例还提供了一种存储管理设备，所述存储管理设备包括：存储器，用于存储程序；处理器，耦合至所述存储器，用于运行所述程序以执行图1或图2所述的基于知识图谱的问答实现方法。
109.在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
110.可以理解的是，上述方法及装置中的相关特征可以相互参考。另外，上述实施例中的“第一”、“第二”等是用于区分各实施例，而并不代表各实施例的优劣。
111.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。
112.在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
113.在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
114.类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面
的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
115.本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
116.此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
117.本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(dsp)来实现根据本发明实施例的深度神经网络模型的运行方法、装置及框架中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
118.应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。