知识图谱生成方法、装置及相关设备与流程

1.本发明涉及知识图谱领域，尤其涉及知识图谱生成方法、装置及相关设备。


背景技术：

2.随着科技的发展，知识图谱也得到了广泛的应用。而知识图谱的构建是一项基础且重要的技术研发内容。
3.由于知识图谱的构建过程涉及多个技术阶段，因此如何对这些技术阶段进行部署和协调成为一项技术难题。


技术实现要素：

4.鉴于上述问题，本发明提供一种克服上述问题或者至少部分地解决上述问题的知识图谱生成方法、装置及相关设备，技术方案如下：
5.一种知识图谱生成方法，包括：
6.知识图谱平台获得用于构建知识图谱的原始数据以及与所述原始数据匹配的本体信息标签；
7.所述知识图谱平台将所述原始数据和所述本体信息标签发送至标注平台；
8.所述标注平台为所述原始数据添加所述本体信息标签，并将具有所述本体信息标签的所述原始数据返回至所述知识图谱平台；
9.所述知识图谱平台从具有所述本体信息标签的所述原始数据中抽取实体三元组，基于所述实体三元组构建知识图谱。
10.可选的，所述标注平台为所述原始数据添加所述本体信息标签，包括：
11.所述标注平台通过模型服务平台提供的模型调用接口，调用所述模型服务平台中的、预先训练得到的数据标注模型，对所述原始数据中至少部分数据所包括的实体信息进行机器标注，以通过所述机器标注为所述实体信息添加本体信息标签。
12.可选的，还包括：
13.所述模型服务平台从预设的算子库中确定至少一个目标算子；
14.所述模型服务平台设置所述至少一个目标算子的执行顺序为目标执行顺序，将具有所述目标执行顺序的所述至少一个目标算子封装为初始模型；
15.所述模型服务平台使用训练数据对所述初始模型进行训练，获得所述数据标注模型；
16.所述模型服务平台通过所述模型调用接口发布所述数据标注模型。
17.可选的，所述原始数据为目标行业的原始数据，所述知识图谱为目标行业的知识图谱，所述方法还包括：
18.写作平台获得所述目标行业的目标文本，其中，所述目标文本为提纲性文本；
19.所述写作平台在所述目标行业的语料文本库中查找所述目标文本的关联文本，从所述关联文本中抽取至少一个语句；
20.所述写作平台在所述目标行业的知识图谱中查找所述目标文本的关联节点，确定所述关联节点对应的行业信息；
21.所述写作平台将所述行业信息和所述语句作为查找结果。
22.可选的，所述写作平台在所述目标行业的知识图谱中查找所述目标文本的关联节点，确定所述关联节点对应的行业信息，包括：
23.所述写作平台获得所述目标行业的目标信息类型，在所述目标行业的知识图谱中查找所述目标文本匹配的目标节点，将查找到的所述目标节点确定为关联节点，所述目标节点对应的信息的类型为所述目标信息类型；
24.所述写作平台对每一个所述目标节点：在该目标节点对应的信息的类型为预设类型时，将与该目标节点具有第一连接关系的其他节点也确定为所述目标文本的关联节点；
25.所述写作平台确定各所述关联节点对应的行业信息。
26.可选的，还包括：
27.所述写作平台将所述查找结果作为根据所述目标文本生成的所述目标行业的文案；
28.和/或，所述写作平台根据所述查找结果和所述目标行业的预设文案模板，生成所述目标行业的文案。
29.可选的，还包括：
30.问答平台获得第一问题，所述第一问题为自然语言；
31.所述问答平台确定与所述第一问题匹配的查询语句；
32.所述问答平台根据所述查询语句在所述知识图谱中查询，获得查询结果，所述查询结果包括所述知识图谱中的至少一个节点；
33.所述问答平台根据所述查询结果生成第一回答，所述第一回答为自然语言。
34.一种知识图谱生成装置，包括：知识图谱平台和标注平台，所述知识图谱平台包括：数据获得单元、数据发送单元和图谱构建单元，所述标注平台包括：标签添加单元，
35.所述数据获得单元，用于获得用于构建知识图谱的原始数据以及与所述原始数据匹配的本体信息标签；
36.所述数据发送单元，用于将所述原始数据和所述本体信息标签发送至标注平台；
37.所述标签添加单元，用于为所述原始数据添加所述本体信息标签，并将具有所述本体信息标签的所述原始数据返回至所述知识图谱平台；
38.所述图谱构建单元，用于从具有所述本体信息标签的所述原始数据中抽取实体三元组，基于所述实体三元组构建知识图谱。
39.可选的，所述标签添加单元为所述原始数据添加所述本体信息标签，具体设置为：
40.所述标签添加单元通过模型服务平台提供的模型调用接口，调用所述模型服务平台中的、预先训练得到的数据标注模型，对所述原始数据中至少部分数据所包括的实体信息进行机器标注，以通过所述机器标注为所述实体信息添加本体信息标签。
41.可选的，所述模型服务平台还包括：算子确定单元、顺序设置单元、模型训练单元和模型发布单元，
42.所述算子确定单元，用于从预设的算子库中确定至少一个目标算子；
43.所述顺序设置单元，用于设置所述至少一个目标算子的执行顺序为目标执行顺
序，将具有所述目标执行顺序的所述至少一个目标算子封装为初始模型；
44.所述模型训练单元，用于使用训练数据对所述初始模型进行训练，获得所述数据标注模型；
45.所述模型发布单元，用于通过所述模型调用接口发布所述数据标注模型。
46.可选的，所述原始数据为目标行业的原始数据，所述知识图谱为目标行业的知识图谱，所述知识图谱生成装置还包括：写作平台，所述写作平台包括：文本获得单元、语句抽取单元、信息确定单元和结果确定单元，
47.所述文本获得单元，用于获得所述目标行业的目标文本，其中，所述目标文本为提纲性文本；
48.所述语句抽取单元，用于在所述目标行业的语料文本库中查找所述目标文本的关联文本，从所述关联文本中抽取至少一个语句；
49.所述信息确定单元，用于在所述目标行业的知识图谱中查找所述目标文本的关联节点，确定所述关联节点对应的行业信息；
50.所述结果确定单元，用于将所述行业信息和所述语句作为查找结果。
51.可选的，所述信息确定单元包括：类型确定子单元、关联节点确定子单元和行业信息确定子单元，
52.所述类型确定子单元，用于获得所述目标行业的目标信息类型，在所述目标行业的知识图谱中查找所述目标文本匹配的目标节点，将查找到的所述目标节点确定为关联节点，所述目标节点对应的信息的类型为所述目标信息类型；
53.所述关联节点确定子单元，用于对每一个所述目标节点：在该目标节点对应的信息的类型为预设类型时，将与该目标节点具有第一连接关系的其他节点也确定为所述目标文本的关联节点；
54.所述行业信息确定子单元，用于确定各所述关联节点对应的行业信息。
55.可选的，所述写作平台还包括：第一文案生成单元和/或第二文案生成单元，
56.所述第一文案生成单元，用于将所述查找结果作为根据所述目标文本生成的所述目标行业的文案；
57.所述第二文案生成单元，用于根据所述查找结果和所述目标行业的预设文案模板，生成所述目标行业的文案。
58.可选的，所述知识图谱生成装置还包括：问答平台，所述问答平台包括：问题获得单元、语句确定单元、节点查询单元和回答生成单元，
59.所述问题获得单元，用于获得第一问题，所述第一问题为自然语言；
60.所述语句确定单元，用于确定与所述第一问题匹配的查询语句；
61.所述节点查询单元，用于根据所述查询语句在所述知识图谱中查询，获得查询结果，所述查询结果包括所述知识图谱中的至少一个节点；
62.所述回答生成单元，用于根据所述查询结果生成第一回答，所述第一回答为自然语言。
63.可选的，所述知识图谱平台保存有多份用于构建知识图谱的原始数据，各所述原始数据分别为不同行业的数据，所述知识图谱平台保存有多个标签库，每个所述标签库与一份所述原始数据对应，所述标签库包括多个本体信息标签；
64.所述数据获得单元具体用于获得用户选择的所述原始数据和对应的所述标签库；
65.所述数据发送单元具体用于将所述用户选择的所述原始数据和对应的所述标签库发送至标注平台。
66.一种存储介质，其上存储有程序，所述程序被处理器执行时实现上述任一种知识图谱生成方法。
67.一种电子设备，所述电子设备包括至少一个处理器、以及与处理器连接的至少一个存储器、总线；其中，所述处理器、所述存储器通过所述总线完成相互间的通信；所述处理器用于调用存储器中的程序指令，以执行上述任一种知识图谱生成方法。
68.借由上述技术方案，本发明提供的知识图谱生成方法、装置及相关设备，其中方法包括：知识图谱平台获得用于构建知识图谱的原始数据以及与原始数据匹配的本体信息标签；知识图谱平台将原始数据和本体信息标签发送至标注平台；标注平台为原始数据添加本体信息标签，并将具有本体信息标签的原始数据返回至知识图谱平台；知识图谱平台从具有本体信息标签的原始数据中抽取实体三元组，基于实体三元组构建知识图谱。本发明可以将知识图谱的构建过程涉及的多个技术阶段，部署在不同的多个平台上，通过各平台各自的处理以及交互来共同完成知识图谱的构建。由于每个平台仅负责部分技术阶段，因此各平台可以分别由不同的研发部门进行并行研发。同时，普通用户可以无需了解知识图谱的实现技术，可以通过本发明实施例提供的各平台进行知识图谱的构建。例如：用户可以在知识图谱平台选择他人共享的原始数据和本体信息标签，知识图谱平台就可以和标注平台配合并最终生成知识图谱。
69.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
70.通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
71.图1示出了可实施本发明的知识图谱生成方法的一种可选的系统的架构示意图；
72.图2示出了可实施本发明的知识图谱生成方法的另一种可选的系统的架构示意图；
73.图3示出了本发明实施例提供的一种知识图谱生成方法的流程图；
74.图4示出了本发明实施例提供的知识图谱的示意图；
75.图5示出了本发明实施例提供的另一种知识图谱生成方法的流程图；
76.图6示出了可实施本发明的知识图谱生成方法的另一种可选的系统的架构示意图；
77.图7示出了本发明实施例提供的另一种知识图谱生成方法的流程图；
78.图8示出了可实施本发明的知识图谱生成方法的另一种可选的系统的架构示意图；
79.图9示出了本发明实施例提供的另一种知识图谱生成方法的流程图；
80.图10示出了本发明实施例提供的一种知识图谱生成装置的结构示意图；
81.图11示出了本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
82.下面将参照附图更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。
83.下面首先对可实施本发明的知识图谱生成方法的一种可选的系统的架构进行说明：
84.如图1所示，该系统可以包括：知识图谱平台001和标注平台002。知识图谱平台001可以保存有多份用于构建知识图谱的原始数据，各所述原始数据分别为不同行业的数据。
85.可选的，上述原始数据的数据类型可以包括：结构化数据、半结构化数据和非结构化数据。其中，结构化数据也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。非结构化数据是数据结构不规则或不完整，没有预定义的数据模型，不方便用数据库二维逻辑表来表现的数据。非结构化数据包括所有格式的办公文档、文本、图片、xml、html、各类报表、图像和音频/视频信息等。半结构化数据具有一定的数据结构，但不符合关系型数据库或其他数据表的形式关联起来的数据模型结构，半结构化数据结构变化很大，不能将数据简单的组织成一个文件按照非结构化数据处理，由于结构变化很大也不能够简单的建立一个表和他对应。
86.可以理解的是，知识图谱平台001保存的原始数据可以是经过数据治理后的数据，上述数据治理可以包括：异常数据剔除、去重处理等。通过数据治理可以有效提高原始数据的数据质量，进而提高根据原始数据得到的知识图谱的质量。
87.本发明可以分别为多个行业中的每一个行业收集一份原始数据，以用于构建上述每一个行业的知识图谱。可以理解的，本发明可以根据实际需要选择收集哪些行业的原始数据，本发明也可以根据实际需要对行业进行设定，例如：设定行业的粒度。本发明可以母婴产品确定为一个行业，也可以把母婴产品中的婴幼儿奶粉确定为一个行业。
88.可选的，知识图谱平台001可以保存有多个标签库，每个所述标签库与一份所述原始数据对应，所述标签库包括多个本体信息标签。可选的，本发明中的标签库可以是由技术人员设定的，也可以是本发明从其他知识图谱或本体库采集得到的。由于每个所述标签库与一个行业的原始数据对应，因此标签库可以更具有行业针对性，可以有效提高标签的准确性和原始数据的匹配度。可选的，标签库中的本体信息标签可以包括：本体标签、本体属性标签和本体关系标签。对于婴幼儿奶粉行业的原始数据，其对应的标签库中的本体标签可以包括：品牌、厂商、销售渠道等，标签库中的本体属性标签可以包括：容量、价格、成分等，标签库中的本体关系标签可以包括：生产、销售、属于等。
89.在实际应用中，知识图谱平台001中的原始数据和本体信息标签，可以是从客户端设备中获得的，例如：用户a将客户端设备中的原始数据和本体信息标签上传到知识图谱平台001。可选的，客户端设备可以从知识图谱平台001中下载原始数据、本体信息标签以及知识图谱平台001生成的知识图谱。通过上述知识图谱平台001与客户端设备的交互，本发明
可以通过知识图谱平台001进行原始数据、本体信息标签以及知识图谱的共享。当然，在实际应用中，用户可以在付费后，从知识图谱平台001下载原始数据、本体信息标签以及知识图谱中的至少一种。可选的，上述付费产生的收益的至少一部分可以支付给原始数据、本体信息标签以及知识图谱的上传方。
90.在实际应用中，从知识图谱平台001下载的原始数据、本体信息标签以及知识图谱，为知识图谱平台001保存的原始数据、本体信息标签以及知识图谱的复制，因此用户下载后可以对下载的内容进行修改，且不会导致知识图谱平台001保存的原始数据、本体信息标签以及知识图谱的修改。
91.用户对原始数据、本体信息标签以及知识图谱进行修改后，可以将修改后的原始数据、本体信息标签以及知识图谱作为新的版本上传知识图谱平台001。本发明的知识图谱平台001可以保存各版本的数据关系，例如：a版本的原始数据为在b版本的原始数据上修改后的数据；c版本的原始数据为在a版本的原始数据上修改后的数据。
92.当然，知识图谱平台001还可以具有用户权限管理功能和用户增删功能，通过这两项功能，知识图谱平台001可以对用户进行管理，以保证数据的安全性。
93.在实际应用中，知识图谱平台001中可以保存有本体库和实体库，本体库和实体库可以是用户通过客户端设备上传的，也可以是用户在知识图谱平台001创建的。可选的，知识图谱平台001还可以具有图谱管理功能，如：本体管理、实体管理、节点管理等。例如：具有权限的用户可对知识图谱平台001中保存的本体库中的本体进行管理，如：增加本体、删除本体、修改本体等。
94.可选的，知识图谱平台001保存的本体库中的本体和实体库中的实体之间可以具有映射关系，知识图谱平台001可以保存该映射关系。可选的，该映射关系可以是从其他设备(如客户端设备)导入到知识图谱平台001中的。
95.可选的，所述知识图谱平台001可以将所述原始数据和所述本体信息标签发送至标注平台002。标注平台002可以为所述原始数据添加所述本体信息标签，并将具有所述本体信息标签的所述原始数据返回至所述知识图谱平台。
96.可选的，标注平台002为所述原始数据添加所述本体信息标签的方式可以有多种，例如：对于结构化数据，标注平台002可以将相应的本体信息标签作为一列字段的字段名或作为一列字段的标签。对于非结构化数据，标注平台002可以通过实体识别技术来识别非结构化数据中的实体，并根据实体与本体的映射关系，为实体添加本体信息标签。再如：标注平台002通过模型服务平台提供的模型调用接口，调用所述模型服务平台中的、预先训练得到的数据标注模型，对所述原始数据中至少部分数据所包括的实体信息进行机器标注，以通过所述机器标注为所述实体信息添加本体信息标签。
97.可选的，标注平台002还可以为原始数据添加分类标签，该分类标签是用于进行类别划分的标签，例如：对于不同的年龄添加不同的分类标签，为0-6岁添加婴幼儿标签，为7-17岁添加少年标签，为18-55添加青壮年标签，为56及以上年龄，添加老年标签。
98.可选的，标注平台002可以具有用户管理功能和标签管理功能，具有权限的用户可以对标注平台002上的标签进行管理，如：修改标签等。
99.在实际应用中，标注平台002可以保存有规则库，该规则库中可以包括用于进行识别实体、实体信息、实体关系的规则，可选的，该规则库中的规则可以为正则表达式。例如：
对于当原始数据为裁判文书时，本发明可以通过正则表达式识别裁判文书中的司法要素，这些司法要素即为实体、实体信息或实体关系。具体的，本发明可以通过一个或多个规则来识别一个实体、实体信息或实体关系。例如：通过多个正则表达式识别一个司法要素。在识别到实体、实体信息、实体关系后，即可为其添加具有映射关系的本体信息标签。
100.相对于图1所示系统架构，如图2所示，可实施本发明的知识图谱生成方法的另一种可选的系统的架构还可以包括：模型服务平台003。模型服务平台003中可以保存有预设的算子库，该预设的算子库中可以保存有多个算子。其中，算子是一个函数空间到函数空间上的映射，一个机器学习模型可以由按照一定顺序执行的多个算子构成。模型服务平台003可以将算字库中各算子的信息输出至客户端设备，用户可通过客户端设备对目标算子进行选择。用户还可以对其选择的目标算子的执行顺序进行设置，模型服务平台003可以将具有执行顺序的至少一个目标算子封装为初始模型。
101.可选的，预设的算子库可以包括至少一个内置算子，其中，内置算子是自变量、因变量以及二者的函数关系均已预先设置完成的算子。
102.可选的，模型服务平台003还可以具有在线编码功能，用户可通过模型服务平台003的在线编码功能自行编写自定义算子。在实际应用中，模型服务平台003可向客户端设备发送用于编写自定义算子的界面数据，以使该界面显示在客户端设备中。模型服务平台003接收用户通过客户端设备显示的上述界面所编写的自定义算子，并将该自定义算子保存在算子库中。
103.在实际应用中，模型服务平台003还可以保存有任务模板库，该任务模板库中包括至少一个用于执行任务的处理流程构成的任务模板。具体的，上述任务可以为初始模型封装任务，该任务的任务模板中设置了进行初始模型封装时通用的处理过程，用户可以通过使用初始模型封装任务的任务模板来选择算子并设置算子顺序，并通过任务模板封装得到初始模型。例如：该任务模板中设置了树状结构，该树状结构包括多个节点，用户可以将算子设置在至少部分节点上。该树状结构中算子的执行顺序为：从叶子节点按照层级向根节点依次执行。则用户可以通过设置算子所在节点的层级以及和其他节点的关系来设置各算子的执行顺序。
104.模型服务平台003可以从标注平台002获得原始数据中带有本体信息标签的至少部分数据，并作为训练数据，使用训练数据对初始模型进行训练，获得数据标注模型，数据标注模型的输入为待标注数据，数据标注模型的输出为本体信息标签或带有本体信息标签的待标注数据。可选的，训练数据中的本体信息标签可以是人工添加到至少部分原始数据上的。可以理解的是，通过使用训练数据对初始模型进行训练就可以改变初始模型的参数，当初始模型满足预设的训练终止条件时，则训练过程结束，获得数据标注模型。由于学习了带有本体信息标签的原始数据，因此数据标注模型可以对原始数据中至少部分数据所包括的实体信息进行机器标注，以通过机器标注为实体信息添加本体信息标签。
105.模型服务平台003可以通过模型调用接口发布数据标注模型。这样，标注平台002就可以通过模型服务平台提供的模型调用接口，调用数据标注模型。可以理解的是，通过数据标注模型，本发明可以实现对原始数据的快速标注，在短时间内为原始数据添加本体信息标签。
106.对于图1或图2所示系统，标注平台002可以将具有本体信息标签的原始数据返回
至知识图谱平台001。知识图谱平台001可以从具有本体信息标签的原始数据中抽取实体三元组，基于实体三元组构建知识图谱。
107.如图3所示，本发明实施例提供了一种知识图谱生成方法，可以包括：
108.s110、知识图谱平台001获得用于构建知识图谱的原始数据以及与原始数据匹配的本体信息标签。
109.s120、知识图谱平台001将原始数据和本体信息标签发送至标注平台002。
110.可选的，知识图谱平台001保存有多份用于构建知识图谱的原始数据，各原始数据分别为不同行业的数据，知识图谱平台001保存有多个标签库，每个标签库与一份原始数据对应，标签库包括多个本体信息标签；
111.步骤s110和步骤s120可以具体包括：
112.知识图谱平台001获得用户选择的原始数据和对应的标签库，知识图谱平台001将用户选择的原始数据和对应的标签库发送至标注平台002。
113.s130、标注平台002为原始数据添加本体信息标签，并将具有本体信息标签的原始数据返回至知识图谱平台001。
114.s140、知识图谱平台001从具有本体信息标签的原始数据中抽取实体三元组，基于实体三元组构建知识图谱。
115.由于原始数据具有了本体信息标签，因此可以很方便的抽取实体三元组，例如：原始数据为文本：“b网站上销售的a品牌的奶粉一罐230元”，添加本体信息标签后可以为：“b网站(销售网站)上销售(销售)的a品牌(奶粉品牌)的奶粉一罐230元(价格)”。上述括号内的文字为本体信息标签，具体的，(销售网站)和(奶粉品牌)为本体标签，(销售)为本体关系标签，(价格)为本体属性标签。
116.则从具有本体信息标签的文本抽取的实体三元组可以为：(b网站，销售，a品牌)以及(a品牌，价格，230元)。根据这两个三元组，可以构建如图4所示的知识图谱。当然，在实际应用中，由于抽取的实体三元组很多，因此构建的知识图谱包含的节点可以较多。
117.本发明提供的知识图谱生成方法，可以将知识图谱的构建过程涉及的多个技术阶段，部署在不同的多个平台上，通过各平台各自的处理以及交互来共同完成知识图谱的构建。由于每个平台仅负责部分技术阶段，因此各平台可以分别由不同的研发部门进行并行研发。同时，普通用户可以无需了解知识图谱的实现技术，可以通过本发明实施例提供的各平台进行知识图谱的构建。例如：用户可以在知识图谱平台选择他人共享的原始数据和本体信息标签，知识图谱平台就可以和标注平台配合并最终生成知识图谱。
118.可选的，本发明实施例提供的另一种知识图谱生成方法中，标注平台002为原始数据添加本体信息标签，可以包括：
119.标注平台002通过模型服务平台003提供的模型调用接口，调用模型服务平台003中的、预先训练得到的数据标注模型，对原始数据中至少部分数据所包括的实体信息进行机器标注，以通过机器标注为实体信息添加本体信息标签。
120.其中，模型调用接口可以为应用程序接口(application programming interface，api)。
121.本发明可以通过数据标注模型对原始数据进行机器标注，可以有效提高标注的效率。
122.可选的，如图5所示，本发明实施例提供的另一种知识图谱生成方法，还包括：
123.s160、模型服务平台003从预设的算子库中确定至少一个目标算子。
124.可选的，上述目标选择可以是用户所选择的算子。
125.s170、模型服务平台003设置至少一个目标算子的执行顺序为目标执行顺序，将具有目标执行顺序的至少一个目标算子封装为初始模型。
126.可选的，上述目标执行顺序可以是用户设置的执行顺序。
127.s180、模型服务平台003使用训练数据对初始模型进行训练，获得数据标注模型。
128.可选的，步骤s180可以具体包括：模型服务平台003从标注平台002获得原始数据中带有本体信息标签的至少部分数据，并作为训练数据，使用训练数据对初始模型进行训练，获得数据标注模型。
129.当然，在其他实施例中，还可以将除原始数据外的其他数据作为训练数据，本发明不做限定。
130.可选的，数据标注模型的输入可以为待标注数据，数据标注模型的输出为本体信息标签或带有本体信息标签的待标注数据。
131.可选的，在使用训练数据对初始模型进行训练的过程中，初始模型的模型参数将会随着训练过程进行调整，直到满足训练结束条件，如：满足根据损失函数设定的训练结束条件。
132.在实际应用中，本发明还可以使用测试数据对数据标注模型进行测试，以确定数据标注模型的质量。可选的，上述测试数据也可以是原始数据中带有本体信息标签的至少部分数据。上述测试数据与上述训练数据为不同的数据。在使用测试数据对数据标注模型进行测试并测试通过后，本发明再通过模型调用接口发布数据标注模型。若测试不通过，可以将测试数据加入训练数据中，继续使用训练数据对数据标注模型进行训练。
133.s190、模型服务平台003通过模型调用接口发布数据标注模型。
134.可以理解的是，模型服务平台003通过模型调用接口发布数据标注模型后，其他设备或平台即可通过模型调用接口调用数据标注模型。
135.在实际应用中，本发明训练得到的数据标注模型可以有多个，各数据标注模型可以通过相同或不同的模型调用接口发布。
136.如图6所示，本发明实施例提供的可实施本发明的知识图谱生成方法的另一种可选的系统的架构，相对于图1所示架构，还可以包括：写作平台004。写作平台可以根据知识图谱进行写作。写作平台004可以对登录该平台的用户进行管理，以保证数据的安全性。写作平台004中可以保存有提纲库，该提纲库可以包括至少一个提纲性文本。用户可以将提纲性文本上传到写作平台004中，也可以从写作平台004中下载提纲性文本。用户还可以对写作平台004中的提纲性文本进行修改，如：新建提纲性文本、删除提纲性文本、对提纲性文本调整等。可选的，写作平台004中还可以具有文本重复性检测功能，以检测文本中的重复性内容，这样，就可以有效避免写作平台004撰写出重复性的文本。可选的，写作平台004还可以具有内容审核功能，以查找不符合相关规定的内容或文本。可选的，上述内容审核功能可以通过正则表达式实现，也可以通过机器学习模型来实现。
137.可选的，写作平台004在撰写得到文本后，可以对文本进行保存。可选的，写作平台004还可以对其撰写得到的文本进行管理，如：设置文本保存位置、设置文本名称、设置文本
编辑权限、设置文本的所有者、删除文本、编辑文本等。
138.可选的，本发明实施例提供的另一种知识图谱生成方法，原始数据为目标行业的原始数据，知识图谱为目标行业的知识图谱，如图7所示，该方法还包括：
139.s200、写作平台004获得目标行业的目标文本，其中，目标文本为提纲性文本。
140.其中，上述目标文本可以包括：一个或多个语句。在实际应用中，上述目标文本可以为：提纲性文本。
141.其中，提纲性文本是一种概括地叙述纲目、要点的文本，它不把全文的所有内容写出来，只把那些主要内容，提纲挈领式地写出来。
142.其中，目标行业可以为各行各业，如：旅游业、通信业、运输行业、母婴行业、律师行业、人工智能行业等。
143.下面提供一种母婴行业的提纲性文本的例子：
[0144]“题目：某国婴幼儿配方奶粉添加成分分析。
[0145]
第一部分：某国婴幼儿配方奶粉现状。
[0146]
第二部分：某国婴幼儿配方奶粉添加成分汇总。
[0147]
第三部分：某国婴幼儿配方奶粉添加成分分析及结论。
[0148]
第四部分：对某国婴幼儿配方奶粉行业的建议。”[0149]
可选的，本公开中的提纲性文本可以多种文本类型，例如：广告类型、论文类型、新闻类型、报告类型等。对于不同文本类型的提纲性文本，其所包括的内容以及各内容的顺序可以相同或不同。
[0150]
可选的，本公开可以根据目标行业的某种类型的提纲性文本进行信息查找，以查找和该提纲性文本包括的内容相关联的信息和文本。
[0151]
在实际应用中，本公开可以分别依据提纲性文本所包括的各内容进行步骤s210和步骤s220。例如：上述母婴行业的提纲性文本的例子，本公开可以首先依据其包括的第一部分执行步骤s210和步骤s220，然后依据第二部分执行步骤s210和步骤s220，以此类推。在获得四个部分的查找结果后，将依据这四个部分查找到的行业信息和所述语句作为查找结果。
[0152]
当然，本公开也可以直接依据提纲性文本这个整体执行步骤s210和步骤s220。
[0153]
可以理解的是，当提纲性文本的文本类型不同时，其包括的内容不同，则后续执行步骤s210和步骤s220查找到的关联文本、行业信息也可能不同。可见，通过该提纲性文本，本公开可以有效提高提取的文本和信息的针对性。
[0154]
s210、写作平台004在目标行业的语料文本库中查找目标文本的关联文本，从关联文本中抽取至少一个语句。
[0155]
可选的，步骤s210可以具体包括：写作平台004在目标行业的语料文本库中分别查找目标文本包括的各部分的关联文本，从关联文本中抽取至少一个语句。
[0156]
其中，目标文本的关联文本可以为与目标文本具有某种关系的文本，如：关联文本与目标文本的相似度较高，或，关联文本与目标文本所涉及的对象为同一个对象或同一类对象。
[0157]
本公开可以收集目标行业的多个语料文本，并将收集的语料文本保存于语料文本库中。在实际应用中，本公开可以构建多个行业的语料文本库。语料文本库中的语料文本的
类型可以有多种，如：期刊文献、新闻报道、公众号文章、企业广告文本、质检部门报告、裁判文书等。在实际应用中，本公开可以通过多种方式收集语料文本，如通过爬虫爬取。
[0158]
本公开可以为语料文本库设置文本索引，以便于通过文本索引对语料文本进行查询。可选的，本公开的语料文本库可以包括快速文本检索引擎，本公开可以对该快速文本检索引擎的文本索引进行设置。在实际应用中，本公开可以将语料文本库中的各语料文本添加到知识图谱中并与知识图谱中的节点对应。可选的，每一个语料文本均可以和知识图谱中的一个节点对应。可选的，本公开可以通过neo4j构建知识图谱，上述快速文本检索引擎可以为neo4j的底层组件lucene检索引擎。
[0159]
可选的，当将语料文本库中的各语料文本添加到知识图谱中并与知识图谱中的节点对应时。本公开可以直接通过知识图谱进行关联文本的查询，如：通过lucene检索引擎查询与目标文本的关联文本。
[0160]
可选的，在实际应用中，本公开可以将目标文本拆分为多个部分，并分别在目标行业的语料文本库中查找各部分的关联文本。当然，本公开也可以直接在目标行业的语料文本库中查找整个的目标文本的关联文本。
[0161]
可选的，步骤s210在目标行业的语料文本库中查找目标文本的关联文本，可以具体包括：
[0162]
在目标行业的语料文本库的文本索引中查询与目标文本匹配的至少一个文本；
[0163]
通过第一相似度计算方法计算获得至少一个文本分别与目标文本的相似度，获得至少一个文本的词向量，分别根据至少一个文本中每一个文本对应的第一相似度和词向量，确定每一个文本分别与目标文本的关联度；
[0164]
根据关联度从至少一个文本中确定目标文本的关联文本。
[0165]
其中，上述在目标行业的语料文本库的文本索引中查询与目标文本匹配的至少一个文本，可以具体包括：
[0166]
通过文本匹配的方式，在目标行业的语料文本库的文本索引中查询与目标文本匹配的至少一个文本。
[0167]
该文本匹配的方式可以快速的对文本进行初步筛选。
[0168]
可选的，第一相似度计算方式可以有多种，如：bm25(best matching 25)、tf-idf(term frequency-inverse document frequency)等。可选的，本公开可以通过word2vec模型获得至少一个文本的词向量。
[0169]
在实际应用中，本公开可以将关联度较高的文本确定为目标文本的关联文本。
[0170]
在一可选实施例中，上述分别根据至少一个文本中每一个文本对应的第一相似度和词向量，确定每一个文本分别与目标文本的关联度，可以具体包括：
[0171]
获得至少一个文本的词向量的平均池化得分；
[0172]
对至少一个文本中每一个文本：确定与该文本的评价池化得分匹配的第一权重，确定与该文本的第一相似度匹配的第二权重，通过第一权重和第二权重，对评价池化得分和第一相似度进行加权计算，获得该文本与目标文本的关联度。
[0173]
其中，词向量的平均池化得分是将多个词向量变为一个文本向量的方法，本公开可以将一个文本的各词向量进行平均，从而获得该文本的词向量的平均池化得分。
[0174]
在实际应用中，本公开可以建立目标行业的权重对照表，为不同的评价池化得分
设置不同的第一权重，为不同的第一相似度设置不同的第二权重。可选的，第一权重和第二权重之和可以为预设值，如1。
[0175]
当然，在实际应用中，对某个目标行业，其第一权重和第二权重可以是固定值。可选的，不同行业的第一权重可以不同，和/或，不同行业的第二权重可以不同。
[0176]
在一可选实施例中，步骤s210从关联文本中抽取至少一个语句，可以具体包括：
[0177]
确定关联文本中多个语句的重要性评分，在重要性评分最高的n个语句中随机选取至少一个语句，其中，n为自然数且n大于1。
[0178]
可选的，本公开可以采用textrank算法确定关联文本中多个语句的重要性评分。通过上述重要性评分，本公开可以将相对重要的语句进行抽取。
[0179]
可以理解的是，相对重要的语句理论上能表达文本中比较核心的内容/主旨，再通过对相对重要的语句进行随机抽取，可以使得抽取的语句在蕴含重要信息的同时保持表述上的多样性。
[0180]
s220、写作平台004在目标行业的知识图谱中查找目标文本的关联节点，确定关联节点对应的行业信息。
[0181]
可选的，s220可以具体包括：写作平台004在目标行业的知识图谱中分别查找目标文本的各部分的关联节点，确定关联节点对应的行业信息。
[0182]
可选的，步骤s210和步骤s220的执行先后顺序可以有多种，本公开不做限定。
[0183]
可选的，本公开可以预先构建目标行业的知识图谱并存储在知识图谱平台001中，该知识图谱中可以包括多个节点，至少其中部分节点与行业信息对应。其中，行业信息所涉及的具体信息的类型可以有多种，如：目标行业内的企业、目标行业内的产品、目标行业内的经销商、目标行业内某产品所包含的物质、目标行业内某产品的价格等。
[0184]
可以理解的是，与行业信息对应的节点之间可以通过边连接，不同节点之间的边所代表的连接关系可以相同或不同。具体的连接关系可以有多种，如：属于关系等。当然，本公开也可以将目标行业的语料文本库中的语料文本也加入知识图谱中，即：知识图谱中包括与语料文本对应的节点。当然，与语料文本对应的节点之间也可以通过连接关系相连。与语料文本对应的节点以及与行业信息对应的节点之间也可以通过连接关系相连。
[0185]
在实际应用中，由于行业信息的类型有多种，因此用户可以设定需要检索的目标信息类型，以约束检索结果。这样，本公开只需要检索目标信息类型的行业信息即可。
[0186]
可选的，步骤s220可以具体包括：
[0187]
写作平台004获得目标行业的目标信息类型，在目标行业的知识图谱中查找目标文本匹配的目标节点，将查找到的目标节点确定为关联节点，目标节点对应的信息的类型为目标信息类型。写作平台004对每一个目标节点：在该目标节点对应的信息的类型为预设类型时，将与该目标节点具有第一连接关系的其他节点也确定为目标文本的关联节点。写作平台004确定各关联节点对应的行业信息。
[0188]
可选的，本公开可以通过知识图谱查询语句(如neo4j查询语句)在目标行业的知识图谱中查找目标文本匹配的目标节点。
[0189]
本公开不仅可以将目标文本匹配的目标节点确定为关联节点，还可以将与目标节点具有第一连接关系的其他节点也确定为目标文本的关联节点。这样，本发明实现了对关联节点的扩展，可以获得更多的关联节点，从而有效提高检索到的行业信息的数量。
[0190]
s230、写作平台004将行业信息和语句作为查找结果。
[0191]
可选的，本公开可以将查找到的行业信息和语句作为查找结果输出。在输出时，行业信息和语句可以具有一定的排序。
[0192]
可选的，行业信息的排序可以是随机的，也可以是不随机的。例如：行业信息的排序为：目标节点对应的行业信息排名靠前，与目标节点具有第一连接关系的其他节点对应的行业信息排名靠后。
[0193]
可选的，语句的排序可以是随机的，也可以是不随机的。例如：语句按照重要性评分进行排序。
[0194]
在实际应用中，行业信息和语句可以输出到目标文本的对应部分，例如：对本公开提供的一种母婴行业的提纲性文本的例子而言，奶粉添加的成分数据以及记载有奶粉成分数据的文献可以输出到第二部分。通过输出到目标文本的相应部分，本公开可以方便用户在撰写该部分时参考该检索结果。
[0195]
本公开图7所示方法，可以直接根据文本进行检索，并不局限于检索词，因此用户可以通过提纲性文本等目标文本进行信息检索，方便快捷。同时，本公开还可以同时检索关联文本中的语句和行业信息，检索结果的内容丰富，有效提高了检索质量。
[0196]
可选的，目标文本为提纲性文本，本公开实施例提供的另一种知识图谱生成方法，还包括：
[0197]
通过预先训练的语言模型对目标文本进行续写，将语言模型续写的内容确定为推荐的开始部分。
[0198]
可选的，本公开中语言模型可以为gpt-2模型。通过预先训练的语言模型，本公开可以生成文案的开始部分。在实际应用中，语言模型续写的内容可以为文案的常用用语。可选的，本公开可以将目标文本输出到预先训练的语言模型，获得语言模型续写的内容。
[0199]
可选的，本公开实施例提供的另一种知识图谱生成方法，还包括：
[0200]
写作平台004将查找结果作为根据目标文本生成的目标行业的文案；
[0201]
和/或，写作平台004根据查找结果和目标行业的预设文案模板，生成目标行业的文案。
[0202]
本公开实施例可以直接将查找结果作为根据目标文本生成的目标行业的文案，这样本公开就自动生成了目标行业的文案。
[0203]
当然，为了提高文案的质量，可以按照目标行业的预设文案模板对查找结果调整，生成目标行业的文案。
[0204]
在实际应用中，本公开所要生成的目标行业的文案的文案类型与本公开提纲性文本的文本类型相同。即：本公开可以根据所要生成的文案的文案类型来选择相应类型的提纲性文本，从而有效提高查找到的信息和文本的针对性和准确性，进而提高生成的文案的质量，使得生成的文案符合其文案类型的特点。
[0205]
如图8所示，本发明实施例提供的可实施本发明的知识图谱生成方法的另一种可选的系统的架构，相对于图1所示架构，还可以包括：问答平台005。问答平台005可以获得问题，并基础知识图谱平台001构建的知识图谱获得答案。可选的，问答平台005可以基于多种问答方式与客户端设备交互，如：单轮问答、多轮问答、图谱问答等。其中，单论问答为一问一答的方式，多轮问答为多次提问并多次回答的方式，图谱问答为针对知识图谱中的信息
进行问答的方式。
[0206]
可选的，问答平台005还可以对问题以及回答进行记录，以便于根据记录了的内容进行相关处理，例如：相似问题的回答的推荐等。
[0207]
可选的，用户可以在问答平台005上输入针对某问题的答案，问答平台005可以将用户输入的答案作为该问题的答案进行保存。可选的，当问答平台005获得的答案不符合用户要求时，用户可以在问答平台005上输入符合用户要求的答案。这样，问答平台005就可以将用户输入的答案作为该问题的答案进行保存。待后续再收到该问题时，即可输出符合用户要求的答案。
[0208]
可选的，问答平台005可以对使用该平台的用户进行管理，如添加用户，删除用户，修改用户权限等。
[0209]
可选的，问答平台005可以对各问题进行分类管理，例如：设置问题的类型，并根据类型保存各问题。可选的，用户可以对问答平台上的问题类型进行设置，如增加、删除和修改等。
[0210]
可选的，本发明实施例提供的另一种知识图谱生成方法，如图9所示，该方法还包括：
[0211]
s240、问答平台005获得第一问题，第一问题为自然语言。
[0212]
其中，第一问题可以是其他设备传入至问答平台005的，如：用户通过客户端设备将第一问题发送至问答平台005。
[0213]
s250、问答平台005确定与第一问题匹配的查询语句。
[0214]
其中，上述查询语句为可在知识图谱中进行查询的程序语言。
[0215]
步骤s250可以具体包括：
[0216]
识别所述第一问题的意图，确定所述第一问题包含的实体信息，其中，所述实体信息包括：实体、实体属性和实体关系中的至少一种；
[0217]
根据所述意图和所述实体信息，构建知识图谱查询语句。
[0218]
例如：第一问题为：“wd的产品经理是谁？”，则本发明可以识别第一问题的意图为：“xx的产品经理是谁？”。本发明还可以识别第一问题中的实体信息，包括：wd(产品实体)、产品经理(关系)。然后根据意图和实体信息，构建知识图谱查询语句为：wd：产品-[r：产品经理]-？：员工。
[0219]
s260、根据查询语句在知识图谱中查询，获得查询结果，查询结果包括知识图谱中的至少一个节点。
[0220]
上述第一问题的举例中，本发明可以根据查询语句查询与实体“wd”具有产品经理关系的员工节点。然后将该节点对应的员工名称作为第一回答。
[0221]
s270、根据查询结果生成第一回答，第一回答为自然语言。
[0222]
可选的，本发明实施例提供的各平台可以部署在一个或多个设备中，例如：一个平台可以部署在一个设备中，也可以部署到多个设备中。再如：本发明提供的多个平台均部署在同一个设备中，或者，本发明提供的多个平台分别部署在不同的设备中。
[0223]
与上述方法实施例相对应，本发明还提供了一种知识图谱生成装置。
[0224]
如图10所示，本发明实施例提供的一种知识图谱生成装置，可以包括：知识图谱平台001和标注平台002，知识图谱平台001包括：数据获得单元、数据发送单元和图谱构建单
元，标注平台002包括：标签添加单元，
[0225]
数据获得单元，用于获得用于构建知识图谱的原始数据以及与原始数据匹配的本体信息标签；
[0226]
数据发送单元，用于将原始数据和本体信息标签发送至标注平台002；
[0227]
标签添加单元，用于为原始数据添加本体信息标签，并将具有本体信息标签的原始数据返回至知识图谱平台001；
[0228]
图谱构建单元，用于从具有本体信息标签的原始数据中抽取实体三元组，基于实体三元组构建知识图谱。
[0229]
可选的，标签添加单元为原始数据添加本体信息标签，具体设置为：
[0230]
标签添加单元通过模型服务平台提供的模型调用接口，调用模型服务平台中的、预先训练得到的数据标注模型，对原始数据中至少部分数据所包括的实体信息进行机器标注，以通过机器标注为实体信息添加本体信息标签。
[0231]
可选的，模型服务平台还包括：算子确定单元、顺序设置单元、模型训练单元和模型发布单元，
[0232]
算子确定单元，用于从预设的算子库中确定至少一个目标算子；
[0233]
顺序设置单元，用于设置至少一个目标算子的执行顺序为目标执行顺序，将具有目标执行顺序的至少一个目标算子封装为初始模型；
[0234]
模型训练单元，用于使用训练数据对初始模型进行训练，获得数据标注模型；
[0235]
模型发布单元，用于通过模型调用接口发布数据标注模型。
[0236]
可选的，原始数据为目标行业的原始数据，知识图谱为目标行业的知识图谱，知识图谱生成装置还包括：写作平台，写作平台包括：文本获得单元、语句抽取单元、信息确定单元和结果确定单元，
[0237]
文本获得单元，用于获得目标行业的目标文本，其中，目标文本为提纲性文本；
[0238]
语句抽取单元，用于在目标行业的语料文本库中查找目标文本的关联文本，从关联文本中抽取至少一个语句；
[0239]
信息确定单元，用于在目标行业的知识图谱中查找目标文本的关联节点，确定关联节点对应的行业信息；
[0240]
结果确定单元，用于将行业信息和语句作为查找结果。
[0241]
可选的，信息确定单元包括：类型确定子单元、关联节点确定子单元和行业信息确定子单元，
[0242]
类型确定子单元，用于获得目标行业的目标信息类型，在目标行业的知识图谱中查找目标文本匹配的目标节点，将查找到的目标节点确定为关联节点，目标节点对应的信息的类型为目标信息类型；
[0243]
关联节点确定子单元，用于对每一个目标节点：在该目标节点对应的信息的类型为预设类型时，将与该目标节点具有第一连接关系的其他节点也确定为目标文本的关联节点：
[0244]
行业信息确定子单元，用于确定各关联节点对应的行业信息。
[0245]
可选的，写作平台还包括：第一文案生成单元和/或第二文案生成单元，
[0246]
第一文案生成单元，用于将查找结果作为根据目标文本生成的目标行业的文案；
[0247]
第二文案生成单元，用于根据查找结果和目标行业的预设文案模板，生成目标行业的文案。
[0248]
可选的，知识图谱生成装置还包括：问答平台，问答平台包括：问题获得单元、语句确定单元、节点查询单元和回答生成单元，
[0249]
问题获得单元，用于获得第一问题，第一问题为自然语言；
[0250]
语句确定单元，用于确定与第一问题匹配的查询语句；
[0251]
节点查询单元，用于根据查询语句在知识图谱中查询，获得查询结果，查询结果包括知识图谱中的至少一个节点；
[0252]
回答生成单元，用于根据查询结果生成第一回答，第一回答为自然语言。
[0253]
可选的，知识图谱平台001保存有多份用于构建知识图谱的原始数据，各原始数据分别为不同行业的数据，知识图谱平台001保存有多个标签库，每个标签库与一份原始数据对应，标签库包括多个本体信息标签；
[0254]
数据获得单元具体用于获得用户选择的原始数据和对应的标签库；
[0255]
数据发送单元具体用于将用户选择的原始数据和对应的标签库发送至标注平台002。
[0256]
所述知识图谱生成装置包括处理器和存储器，上述数据获得单元、数据发送单元、图谱构建单元和标签添加单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
[0257]
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来生成知识图谱。
[0258]
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述知识图谱生成方法。
[0259]
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述知识图谱生成方法。
[0260]
如图11所示，本发明实施例提供了一种电子设备70，电子设备70包括至少一个处理器701、以及与处理器701连接的至少一个存储器702、总线703；其中，处理器701、存储器702通过总线703完成相互间的通信；处理器用于调用存储器702中的程序指令，以执行上述的知识图谱生成方法。本文中的设备可以是服务器、pc、pad、手机等。
[0261]
本技术还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有本发明实施例提供的知识图谱生成方法的步骤的程序。
[0262]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0263]
在一个典型的配置中，设备包括一个或多个处理器(cpu)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
[0264]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/
或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
[0265]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0266]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0267]
本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0268]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。