基于菜品的知识图谱处理方法、电子设备及介质

技术领域

本公开涉及互联网技术领域，更具体地，涉及一种基于菜品的知识图谱处理方法、一种电子设备、及一种计算机可读存储介质。

背景技术

随着社会的不断发展，生活水平的提高，越来越多的人关注饮食搭配的科学性和均衡性。

菜品作为餐饮业务的最基本单元，在用户需求洞察、供给策略运营、业务经营分析等场景中均依赖于菜品。

目前，人们的饮食结构主要基于知识图谱进行推荐，知识图谱是一种能够反应菜品和食材深层关系的模型或体系，能够考虑多方因素，全面的为用户提供饮食搭配。

但是，现有技术中部分菜品的知识属性受限于获取信源单一、挖掘技术难度大等原因，导致构建的知识图谱的知识覆盖不足，无法满足精细化的业务需求。

发明内容

本公开的一个目的是提供一种处理菜品的知识图谱的新技术方案。

根据本公开的第一方面，提供了一种基于菜品的知识图谱处理方法，包括：

获取菜品集合中菜品对应的文本信息和图像信息；

根据所述菜品对应的文本信息，构建所述菜品的文本模态的第一知识图谱；

根据所述菜品对应的图像信息，构建所述菜品的图像模态的第二知识图谱；

根据所述菜品的第一知识图谱和第二知识图谱，得到所述菜品集合的多模态的第三知识图谱。

可选的，所述根据所述菜品的第一知识图谱和第二知识图谱，得到所述菜品集合的多模态的第三知识图谱，包括：

根据所述菜品的第一知识图谱和第二知识图谱，构建所述菜品的多模态的第四知识图谱；

根据所述菜品集合中各菜品的第四知识图谱，得到所述菜品集合的多模态的第三知识图谱。

可选的，所述根据所述菜品的第一知识图谱和第二知识图谱，构建所述菜品的多模态的第四知识图谱，包括：

将所述第二知识图谱中的图像信息与所述第一知识图谱中的文本信息连接，将所述第二知识图谱中与所述图像信息连接的节点与所述第一知识图谱中的文本信息连接，得到所述第四知识图谱；

所述根据所述菜品集合中各菜品的第四知识图谱，得到所述菜品集合的多模态的第三知识图谱，包括：

将所述菜品集合中各菜品的第四知识图谱中相同的节点相连接，得到所述第三知识图谱。

可选的，所述根据所述菜品的第一知识图谱和第二知识图谱，得到所述菜品集合的多模态的第三知识图谱，包括：

根据所述菜品集合中各菜品的第一知识图谱，得到所述菜品集合的文本模态的第五知识图谱；

根据所述菜品集合中各菜品的第二知识图谱，得到所述菜品集合的图像模态的第六知识图谱；

根据所述第五知识图谱和所述第六知识图谱，得到所述第三知识图谱。

可选的，所述根据所述菜品对应的文本信息，构建所述菜品的文本模态的第一知识图谱，包括：

根据所述菜品的文本信息，获取所述菜品的第一属性信息；所述第一属性信息包括食材、口味、口感、菜系、烹饪方法中的至少一个；

将所述菜品对应的第一属性信息均与所述菜品的文本信息进行连接，得到所述第一知识图谱。

可选的，所述根据所述菜品对应的图像信息，构建所述菜品的图像模态的第二知识图谱，包括：

根据所述菜品的图像信息，获取所述菜品的第二属性信息、及所述第二属性信息对应的图像区域；所述第二属性信息至少包括食材；

将所述菜品的第二属性信息与所述菜品的图像信息进行连接，并将所述菜品的第二属性信息和对应的图像区域进行连接，得到所述第二知识图谱。

可选的，所述方法还包括：

响应于查询目标图像中所包含的食材的请求，确定与所述目标图像对应的图像信息，作为目标图像信息；

查询所述第三知识图谱，得到与所述目标图像信息关联的食材，作为目标食材；

展示所述目标食材和/或所述目标食材对应的图像区域。

可选的，所述方法还包括：

响应于查询目标属性信息的请求，查询所述第三知识图谱，获取与所述目标属性信息关联的文本信息，作为目标文本信息；

展示所述目标文本信息和/或所述目标文本信息所关联的图像信息。

根据本公开的第二方面，提供了一种电子设备，包括存储器和处理器，所述存储器用于存储可执行的计算机程序；所述计算机程序用于控制所述处理器执行根据本公开第一方面所述的方法。

根据本公开的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序在被处理器执行时实现如本公开第一方面所述的方法。

在本公开的实施例中，先基于菜品的文本信息构建文本模态的第一知识图谱，基于菜品的图像信息构建图像模态的第二知识图谱，再利用图像模态的第二知识图谱对文本模态的第一知识图谱进行补全，得到菜品集合的多模态的第三知识图谱，使得得到的菜品集合的第三知识图谱更为完整、全面，进而可以根据第三知识图谱进行菜品相关信息的精准搜索和推荐。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且连同其说明一起用于解释本公开的原理。

图1是显示可用于实现本公开的实施例的电子设备的硬件配置的例子的框图；

图2示出了本公开实施例的基于菜品的知识图谱处理方法的流程图；

图3示出了本公开实施例的第一知识图谱的示意图；

图4示出了本公开实施例的第二知识图谱的示意图；

图5示出了本公开实施例的第四知识图谱的示意图；

图6示出了本公开实施例的第三知识图谱的示意图；

图7示出了本公开实施例的基于菜品的知识图谱处理方法的一个例子的流程图；

图8示出了本公开实施例的电子设备示意性框图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<硬件配置>

图1是示出可以实现本公开的实施例的电子设备1000的硬件配置的框图。

电子设备1000可以是便携式电脑、台式计算机、手机、平板电脑、音箱、耳机等。如图1所示，电子设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。

图1所示的电子设备仅仅是说明性的并且决不意味着对本公开、其应用或使用的任何限制。应用于本公开的实施例中，电子设备1000的所述存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以执行本公开实施例提供的任意一项广告屏蔽方法。本领域技术人员应当理解，尽管在图1中对电子设备1000示出了多个装置，但是，本公开可以仅涉及其中的部分装置，例如，电子设备1000只涉及处理器1100和存储装置1200。技术人员可以根据本公开所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

<方法>

本实施例中提供的一种基于菜品的知识图谱处理方法，该方法可以是由电子设备实施。在一个例子中，该电子设备可以包括如图1所示的电子设备1000。

如图2所示，该基于菜品的知识图谱处理方法包括步骤S2100～S2400：

步骤S2100，获取菜品集合中菜品对应的文本信息和图像信息。

本实施例中，菜品集合可以包括多个菜品，每个菜品具有对应的文本信息和图像信息。

其中，文本信息可以包括对应菜品的菜名，还可以包括对应菜品的推荐信息，还可以包括对应菜品的评论信息等。

其中，图像信息可以是对烹饪好的菜品进行拍摄所得到的图像，也可以是从评论中提取的图像，还可以是从网络中下载的图像，在此不做限定。

在本公开的一个实施例中，可以是针对菜品集合中的每个菜品，分别执行如下所示的步骤S2200和步骤S2300。

步骤S2200，根据菜品对应的文本信息，构建菜品的文本模态的第一知识图谱。

在本公开的一个实施例中，根据菜品对应的文本信息，构建菜品的文本模态的第一知识图谱，可以包括：

根据菜品的文本信息，获取菜品的第一属性信息；将菜品对应的第一属性信息均与菜品的文本信息进行连接，得到第一知识图谱。其中，第一属性信息包括食材、口味、口感、菜系、烹饪方法中的至少一个。

在本公开的一个实施例中，可以是基于预先训练好的命名实体识别(NamedEntity Recognition，NER)模型来对菜品的文本信息进行处理，得到该菜品的第一属性信息。

NER模型是信息提取的一个子任务，旨在将文本中的命名实体定位并分类为预先定义的类别，如食材、口味、口感、菜系、烹饪方法等第一属性信息。

NER旨在识别文本中的命名实体并将其归纳到相应的实体类型中。NER模型可以是采用BERT(Bidirectional Encoder Representation from Transformers，来自转换器的双向编码器)+CRF(Conditional Random Field，条件随机场)的网络架构，也可以是BERT+LSTM(Long Short-Term Memory，长短期记忆网络)+CRF的网络架构。

考虑到从菜名文本中识别食材实体为特定领域内的任务，需要相关领域的大量知识，可以使用Cross-Encoder引入无标注相似样本来进行训练，以提高NER模型的识别准确性。Cross-Encoder通过实体投票进行免训练实体类型校准，同时通过对相似样本建模捕获相关特征，最终提取出文本信息中的第一属性信息。

例如，菜品的文本信息可以是菜名，该菜名为川椒蒸大虾，那么，基于NER模型可以得到该菜品的食材包括川椒和大虾，该菜品的烹饪方法包括蒸，该菜品的菜系可以包括川。对应的，该菜品的第一属性信息可以包括川椒、大虾、蒸、川。

在本公开的另一个实施例中，菜品的文本信息可以是菜名，那么，可以是对该菜品的菜名所关联的评论信息和/或推荐信息进行语义解析处理，得到该菜品的第一属性信息。

在得到菜品的第一属性信息的基础上，可以是将该菜品的所有第一属性信息均与该菜品的文本信息进行连接，即得到如图3所示的第一知识图谱。在得到的第一知识图谱中，菜品的文本信息、第一属性信息均为第一知识图谱的节点。

在本公开的一个实施例中，在第一知识图谱中，菜品的文本信息与第一属性信息之间的连线可以标注该第一属性信息的类型，例如，川椒和大虾与文本信息之间的连线可以标注食材，川与文本信息之间的连线可以标注菜系，蒸与文本信息之间的连线可以标注烹饪方法。

步骤S2300，根据菜品对应的图像信息，构建菜品的图像模态的第二知识图谱。

在本公开的一个实施例中，根据菜品对应的图像信息，构建菜品的图像模态的第二知识图谱，可以包括：根据菜品的图像信息，获取菜品的第二属性信息、及第二属性信息对应的图像区域；将菜品的第二属性信息与菜品的图像信息进行连接，并将菜品的第二属性信息和对应的图像区域进行连接，得到第二知识图谱。第二属性信息至少包括食材。

在本实施例中，可以是基于目标检测模型，对菜品的图像信息进行处理，得到菜品的第二属性信息、及图像信息中第二属性信息对应的图像区域。

在一个例子中，目标检测模型可以是基于转换器(Transformer)的端到端目标检测(Detection Transformer，DETR)模型，基于Transformer的端到端目标检测模型可以简化目标检测的流程，并提高目标检测效果。

进一步地，最新的DETR模型——DINO模型，使用对比去噪训练和混合查询(query)选择策略，对传统的DETR存在的收敛速度慢和查询显示意义不清晰的问题进行了优化，同时使用两次回看的策略提高边框预测的准确性。因此，本实施例的目标检测模型可以是DINO模型。

再进一步地，为了提高DINO模型的检测准确率，可以是预先采用菜品图片对DINO模型进行训练。

在本实施例中，第二属性信息对应的图像区域，可以是从菜品的图像中所截取的内容与第二属性信息匹配的部分图像。

例如，在菜品的菜名为川椒蒸大虾，图像信息如图4所示的情况下，可以确定该菜品的食材包括大虾和葱，对应的，该菜品的第二属性信息可以包括大虾和葱。那么，在第二属性信息——大虾对应的图像区域可以是图像信息中内容为大虾的部分图像，在第二属性信息——葱对应的图像区域可以是图像信息中内容为葱的部分图像。

在得到第二属性信息和对应的图像区域的情况下，可以是将菜品的第二属性信息均与菜品的图像信息进行连接，并将菜品的每一第二属性信息和对应的图像区域进行连接，得到如图4所示的第二知识图谱。在得到的第二知识图谱中，菜品的图像信息、第二属性信息、第二属性信息对应的图像区域均为第二知识图谱的节点。

通过本实施例，基于菜品的图像信息构建第二知识图谱，以供后续根据菜品的第二知识图谱对菜品的第一知识图谱进行补全，使得得到的菜品集合的第三知识图谱更为完整、全面。

在本公开的一个实施例中，在第一知识图谱中，菜品的图像信息与第二属性信息之间的连线可以标注该第二属性信息的类型，例如，大虾、葱与文本信息之间的连线可以标注食材。

步骤S2400，根据菜品的第一知识图谱和第二知识图谱，得到菜品集合的多模态的第三知识图谱。

在本公开的实施例中，先基于菜品的文本信息构建文本模态的第一知识图谱，基于菜品的图像信息构建图像模态的第二知识图谱，再利用图像模态的第二知识图谱对文本模态的第一知识图谱进行补全，得到菜品集合的多模态的第三知识图谱，使得得到的菜品集合的第三知识图谱更为完整、全面，进而可以根据第三知识图谱进行菜品相关信息的精准搜索和推荐。

在本公开的一个实施例中，根据菜品的第一知识图谱和第二知识图谱，得到菜品集合的多模态的第三知识图谱，可以包括如下所示的步骤S2411～S2412：

步骤S2411，根据菜品的第一知识图谱和第二知识图谱，构建菜品的多模态的第四知识图谱。

在本公开的一个实施例中，根据菜品的第一知识图谱和第二知识图谱，构建菜品的多模态的第四知识图谱，可以包括：将第二知识图谱中的图像信息与第一知识图谱中的文本信息连接，将第二知识图谱中与图像信息连接的节点与第一知识图谱中的文本信息连接，得到第四知识图谱。

进一步地，在第一知识图谱和第二知识图谱中包括相同的属性信息的情况下，可以是将相同的第一属性信息和第二属性信息合并为第四知识图谱中的一个节点，也可以是舍弃第一属性信息。

在菜品的菜名为川椒蒸大虾的例子中，根据如图3所示的第一知识图谱和如图4所示的第二知识图谱，得到的第四知识图谱可以如图5所示。

通过本实施例，利用同一菜品的第二知识图谱对第一知识图谱进行补全，得到每个菜品多模态的第四知识图谱，进而根据菜品集合中各菜品的第四知识图谱得到的完整、全面的菜品集合的第三知识图谱。

在本公开的一个实施例中，在根据第一知识图谱和第二知识图谱，构建第三知识图谱时，可以是保留第一属性信息与文本信息之间连线所标注的类型，并将第二属性信息与图像信息之间连线所标注的类型，标注至第二属性信息与文本信息之间的连线上。

步骤S2412，根据菜品集合中各菜品的第四知识图谱，得到菜品集合的多模态的第三知识图谱。

在本公开的一个实施例中，根据菜品集合中各菜品的第四知识图谱，得到菜品集合的多模态的第三知识图谱，可以包括：将菜品集合中各菜品的第四知识图谱中相同的节点相连接，得到第三知识图谱。

在本实施例中，可以是将不同菜品的第四知识图谱中相同的属性信息连接并合并为一个节点，得到如图6所示的第三知识图谱。

在本实施例中，可以是保留各连线上所标注的类型，以供后续根据该连线上所标注的类型，查找对应类型的属性信息。

在本公开的另一个实施例中，根据菜品的第一知识图谱和第二知识图谱，得到菜品集合的多模态的第三知识图谱，可以包括如下所示的步骤S2421～S2422：

步骤S2421，根据菜品集合中各菜品的第一知识图谱，得到菜品集合的文本模态的第五知识图谱。

在本实施例中，可以是将菜品集合中各菜品的第一知识图谱相同的第一属性信息连接并合并为一个节点，得到第五知识图谱。

步骤S2422，根据菜品集合中各菜品的第二知识图谱，得到菜品集合的图像模态的第六知识图谱。

在本实施例中，可以是将菜品集合中各菜品的第二知识图谱相同的第二属性信息连接并合并为一个节点，得到第六知识图谱。

在将至少两个菜品的第二知识图谱相同的第二属性信息连接并合并为一个节点的基础上，相同的第二属性信息所对应的图像区域可以是仅保留部分或者是全部，并与该第二属性信息相连。

步骤S2423，根据第五知识图谱和第六知识图谱，得到第三知识图谱。

在本实施例中，可以是将第五知识图谱和第六知识图谱中相同的第一属性信息和第二属性信息，合并为第三知识图谱中的一个节点，也可以是舍弃与第二属性信息相同的第一属性信息。

通过本实施例，利用菜品集合的文本模态的第六知识图谱，对采集集合的图像模态的第五知识图谱进行补全，得到菜品集合的多模态的第三知识图谱，可以使得得到的第三知识图谱更加完整、全面。

在本公开的一个实施例中，在得到菜品集合的第三知识图谱的基础上，该方法还可以包括如下所示的步骤S3110～S3130：

步骤S3110，响应于查询目标图像中所包含的食材的请求，确定与目标图像对应的图像信息，作为目标图像信息。

在本实施例中，可以是将查询第三知识图谱中与目标图像之间相似度最高的图像信息，即为目标图像信息。

步骤S3120，查询第三知识图谱，得到与目标图像信息关联的食材，作为目标食材。

在本实施例中，可以是将与目标图像之间相似度最高的图像信息对应的文本信息关联的食材，作为目标食材。

进一步地，可以是查询第三知识图谱，确定与目标图像之间相似度最高的图像信息对应的文本信息关联的所有属性信息中，与该文本信息之间的连线所标注的类型为食材的属性信息，作为目标食材。

步骤S3130，展示目标食材和/或目标食材对应的图像区域。

目标食材在第三知识图谱中可以是具有关联的图像区域，也可以是没有对应的图像区域。在得到目标食材的基础上，可以是仅展示目标食材，还可以是在展示目标食材的基础上，对应展示目标食材所对应的图像区域，对于没有对应的图像区域的目标食材，可以是不展示其对应的图像区域。

通过本实施例，基于完整、全面的第三知识图谱，来搜索目标图像中所包含的食材，可以使得搜索结果更加准确。

在本公开的一个实施例中，在得到菜品集合的第三知识图谱的基础上，该方法还可以包括如下所示的步骤S3210～S3220：

步骤S3210，响应于查询目标属性信息的请求，查询第三知识图谱，获取与目标属性信息关联的文本信息，作为目标文本信息。

步骤S3220，展示目标文本信息和/或目标文本信息所关联的图像信息。

本实施例中，目标属性信息，可以是任一个第一属性信息，也可以是任一个第二属性信息。与目标属性信息关联的目标文本信息抗可以是一个或多个。

通过本实施例，基于完整、全面的第三知识图谱，来搜索具有目标属性信息的菜品的文本信息和/或图像信息，可以使得搜索结果更加准确。

在本公开的另一个实施例中，该方法还可以包括：获取与目标用户对应的目标属性信息；查询第三知识图谱，获取与目标属性信息关联的文本信息，作为目标文本信息；向目标用户推荐目标文本信息和/或目标文本信息所关联的图像信息。其中，与目标用户对应的目标属性信息，可以是根据目标用户的历史搜索记录、或者是点菜记录所确定的。通过本实施例，基于第三知识图谱进行菜品推荐，可以使得推荐结果更加准确。

在本公开的一个实施例中，该方法还可以包括：响应于查询目标菜名中所包含的食材的请求，确定目标菜名对应的文本信息，作为目标文本信息；查询第三知识图谱，得到与目标文本信息关联的食材，作为目标食材；展示目标食材和/或目标食材对应的图像区域。通过本实施例，基于完整、全面的第三知识图谱，来搜索目标菜名对应的菜品中所包含的食材，可以使得搜索结果更加准确。

<例子>

图7是本公开实施例提供的基于菜品的知识图谱处理方法的一个例子的示意图。

如图7所示，该方法可以包括如下所示的步骤S7001～SS700

步骤S7001，获取菜品集合中菜品对应的文本信息和图像信息。

步骤S7002，基于NER模型,根据菜品的文本信息获取菜品的第一属性信息。

其中，第一属性信息包括食材、口味、口感、菜系、烹饪方法中的至少一个。

步骤S7003，将菜品对应的第一属性信息均与菜品的文本信息进行连接，得到第一知识图谱。

步骤S7004，基于目标检测模型，根据菜品的图像信息，获取菜品的第二属性信息、及第二属性信息对应的图像区域。

其中，第二属性信息至少包括食材。

步骤S7005，将菜品的第二属性信息与菜品的图像信息进行连接，并将菜品的第二属性信息和对应的图像区域进行连接，得到第二知识图谱。

步骤S7006，将第二知识图谱中的图像信息与第一知识图谱中的文本信息连接，将第二知识图谱中与图像信息连接的节点与第一知识图谱中的文本信息连接，得到第四知识图谱。

步骤S7007，将菜品集合中各菜品的第四知识图谱中相同的节点相连接，得到菜品集合的多模态的第三知识图谱。

<电子设备>

在本实施例中，还提供一种电子设备8000，如图8所示，包括存储器8100和处理器8200。

该存储器8100，用于存储可执行的计算机程序；所述计算机程序用于控制该处理器8200执行本实施例中提供的任意一项所述的基于菜品的知识图谱处理方法。

在本实施例中，该电子设备8000可以是手机、平板电脑、掌上电脑、台式机、笔记本电脑等设备。例如，电子设备6000可以是具有广告屏蔽功能的电子产品。

<计算机可读存储介质>

在本实施例中，还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序在被处理器执行时实现如本公开任意实施例的基于菜品的知识图谱处理方法。

本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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，这依所涉及的功能而定。也要注意的是，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。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本公开的范围由所附权利要求来限定。