用于识别领域新词的方法、装置、电子设备及可读存储介质与流程

1.本技术涉及深度学习技术领域，例如涉及一种用于识别领域新词的方法、装置、电子设备及可读存储介质。


背景技术：

2.由于领域新词很多都是由常见词与修饰词组合形成，但构建领域新词识别模型时通常只会利用领域新词进行训练，这样导致在利用领域新词识别模型对待识别词组进行识别时，会将非领域新词误识别为领域新词，且被误识别的非领域新词通常为本领域的常见词。因此，如何提升领域新词识别模型的精确率，减少被误识别的非领域新词的数量，是亟需解决的技术问题。


技术实现要素：

3.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。
4.本公开实施例提供了一种用于识别领域新词的方法、装置、电子设备及可读存储介质，以能够提升识别领域新词模型的精确率。
5.在一些实施例中，所述用于识别领域新词的方法，包括：从预设的训练样本词组集合中获取多个样本领域新词；利用预设的实体识别模型分别从各所述样本领域新词获取若干个实体词组；将所述实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；利用所述第一训练样本构建领域新词识别模型；利用所述领域新词识别模型进行领域新词识别。
6.在一些实施例中，所述训练样本词组集合中包括多个样本词组；从预设的训练样本集合中获取多个领域新词，包括：将训练样本词组集合中带有表征为领域新词标签的样本词组确定为样本领域新词。
7.在一些实施例中，利用所述第一训练样本构建领域新词识别模型，包括：将所述样本领域新词确定为第二模型输入训练数据；将带有表征为领域新词类型的第二模型输入训练数据确定为第二训练样本；将所述第一训练样本和所述第二训练样本输入用于识别实体的网络模型进行训练，获得领域新词识别模型。
8.在一些实施例中，利用所述领域新词识别模型进行领域新词识别，包括：获取待识别词组；将所述待识别词组输入所述领域新词识别模型进行领域新词识别。
9.在一些实施例中，所述用于识别领域新词的装置，包括：第一获取模块，被配置为从预设的训练样本词组集合中获取多个样本领域新词；第二获取模块，被配置为利用预设的实体识别模型分别从各所述样本领域新词获取若干个实体词组；确定模块，被配置为将所述实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有
表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；构建模块，被配置为利用所述第一训练样本构建领域新词识别模型；识别模块，被配置为利用所述领域新词识别模型进行领域新词识别。
10.在一些实施例中，所述训练样本词组集合中包括多个样本词组；第一获取模块被配置为通过以下方式从预设的训练样本集合中获取多个领域新词，包括：将所述训练样本词组集合中带有表征为领域新词标签的样本词组确定为样本领域新词。
11.在一些实施例中，所述构建模块被配置为通过以下方式利用所述第一训练样本构建领域新词识别模型，包括：将所述样本领域新词确定为第二模型输入训练数据；将带有表征为领域新词类型的第二模型输入训练数据确定为第二训练样本；将所述第一训练样本和所述第二训练样本输入用于识别实体的网络模型进行训练，获得所述领域新词识别模型。
12.在一些实施例中，所述识别模块被配置为通过以下方式利用所述领域新词识别模型进行领域新词识别，包括：获取待识别词组；将待识别词组输入所述领域新词识别模型进行领域新词识别。
13.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，执行上述的用于识别领域新词的方法。
14.在一些实施例中，所述可读存储介质，存储有可执行指令，所述可执行指令在运行时执行上述的用于识别领域新词的方法。
15.本公开实施例提供的用于识别领域新词的方法、装置、电子设备及可读存储介质，可以实现以下技术效果：通过从样本领域新词中获取模型训练数据，并利用带有表征为非领域新词类型的模型输入训练数据构建领域新词识别模型。这样在样本领域新词中包括常见词的情况下，利用了样本领域新词中的常见词构建领域新词识别模型，使得构建出的领域新词识别模型能够识别出常见词，减少将常见词误识别为领域新词的几率，从而提高了领域新词识别模型的精确率。
16.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
17.一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：
18.图1是本公开实施例提供的一个用于识别领域新词的方法的示意图；
19.图2是本公开实施例提供的另一个用于识别领域新词的方法的示意图；
20.图3是本公开实施例提供的另一个用于识别领域新词的方法的示意图；
21.图4是本公开实施例提供的另一个用于识别领域新词的方法的示意图；
22.图5是本公开实施例提供的一个用于识别领域新词的装置的示意图；
23.图6是本公开实施例提供的电子设备的示意图。
具体实施方式
24.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。
25.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。
26.除非另有说明，术语“多个”表示两个或两个以上。
27.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。
28.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。
29.术语“对应”可以指的是一种关联关系或绑定关系，a与b相对应指的是a与b之间是一种关联关系或绑定关系。
30.本技术可应用于用于识别领域新词的电子设备，由于领域新词常由常见词与修饰词组合形成，但构建领域新词识别模型时通常只会利用领域新词进行训练，这样导致在利用领域新词识别模型对待识别词组进行识别时，会将非领域新词误识别为领域新词，且误识别的非领域新词通常为本领域的常见词，而本技术通过利用样本领域新词中的实体构建领域新词识别模型，这样在样本领域新词中包括常见词的情况下，就能够利用常见词构建领域新词识别模型，使得构建出的领域新词识别模型能够识别出常见词，减少将常见词误识别为领域新词的几率，从而提高了领域新词识别模型的精确率。
31.结合图1所示，本公开实施例提供一种用于识别领域新词的方法，包括：
32.步骤s101，电子设备从预设的训练样本词组集合中获取多个样本领域新词；
33.步骤s102，电子设备利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；
34.步骤s103，电子设备将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；
35.步骤s104，电子设备利用第一训练样本构建领域新词识别模型；
36.步骤s105，电子设备利用领域新词识别模型进行领域新词识别。
37.采用本公开实施例提供的用于识别领域新词的方法，通过从预设的训练样本词组集合中获取多个样本领域新词；并利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；利用第一训练样本构建领域新词识别模型；利用领域新词识别模型进行领域新词识别。这样在样本领域新词中包括常见词的情况下，利用样本领域新词中的常见词构建领域新词识别模型，使得构建出的领域新词识别模型能够识别出常见词，减少将常见词误识别为领域新词的几率，从而提高了领域新词识别模型的精确率。
38.可选地，训练样本词组集合中包括多个样本词组；从预设的训练样本集合中获取多个领域新词，包括：将训练样本词组集合中带有表征为领域新词标签的样本词组确定为
样本领域新词。
39.结合图2所示，本公开实施例提供一种用于识别领域新词的方法，包括：
40.步骤s201，电子设备将训练样本词组集合中带有表征为领域新词标签的样本词组确定为样本领域新词；
41.步骤s202，电子设备利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；
42.步骤s203，电子设备将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；
43.步骤s204，电子设备利用第一训练样本构建领域新词识别模型；
44.步骤s205，电子设备利用领域新词识别模型进行领域新词识别。
45.采用本公开实施例提供的用于识别领域新词的方法，通过从预设的训练样本词组集合中获取多个样本领域新词；并利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；利用第一训练样本构建领域新词识别模型；利用领域新词识别模型进行领域新词识别。这样在样本领域新词中包括常见词的情况下，利用了样本领域新词中的常见词构建领域新词识别模型，使得构建出的领域新词识别模型能够识别出常见词，减少将常见词误识别为领域新词的几率，从而提高了领域新词识别模型的精确率。
46.在一些实施例中，用户通过用户终端在训练样本词组集合中挑选为领域新词的样本词组，并为挑选出的样本词组添加用于表征为领域新词的标签。
47.在一些实施例中，在领域为航空技术领域的情况下，由航空技术人员在训练样本词组集合中挑选为航空新词的样本词组，即领域新词的样本词组，并为挑选出的样本词组添加用于表征为航空新词的标签。
48.可选地，利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组，包括：利用实体识别模型分别从各样本领域新词抽取若干个实体词组。
49.在一些实施例中，样本领域新词为“航空航天”，利用实体识别模型从“航空航天”抽取的实体词组包括：“航空”、“空航”和“航天”。
50.可选地，利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组，包括：获取样本领域新词对应的起点位置信息和终点位置信息；利用起点位置信息和终点位置信息确定取值范围；利用实体识别模型从该取值范围中抽取实体词组。
51.在一些实施例中，样本领域新词为“航空航天”，且“航空航天”对应的位置信息从前往后为“1、2、3、4”，可见，“航空航天”对应的起点位置是“1”，终点位置为“4”，从而确定取值范围为[1，4]，利用实体识别模型从取值范围中抽取实体词组，在取值为1至2的情况下，抽取的实体词组是航空，在取值为2至3的情况下，抽取的实体词组为空航，在取值为1至4的情况下，抽取的实体词组是航空航天。
[0052]
可选地，利用第一训练样本构建领域新词识别模型，包括：将样本领域新词确定为第二模型输入训练数据；将带有表征为领域新词类型的第二模型输入训练数据确定为第二训练样本；将第一训练样本和第二训练样本输入用于识别实体的网络模型进行训练，获得
领域新词识别模型。
[0053]
结合图3所示，本公开实施例提供一种用于识别领域新词的方法，包括：
[0054]
步骤s301，电子设备从预设的训练样本词组集合中获取多个样本领域新词；
[0055]
步骤s302，电子设备利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；
[0056]
步骤s303，电子设备将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；
[0057]
步骤s304，电子设备将样本领域新词确定为第二模型输入训练数据，并将带有表征为领域新词类型的第二模型输入训练数据确定为第二训练样本；
[0058]
步骤s305，电子设备将第一训练样本和第二训练样本输入用于识别实体的网络模型进行训练，获得领域新词识别模型。
[0059]
步骤s306，电子设备利用领域新词识别模型进行领域新词识别。
[0060]
采用本公开实施例提供的用于识别领域新词的方法，通过从预设的训练样本词组集合中获取多个样本领域新词；并利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；利用第一训练样本构建领域新词识别模型；利用领域新词识别模型进行领域新词识别。这样在样本领域新词中包括常见词的情况下，对样本领域新词进行自然语言处理，以利用样本领域新词中的常见词构建领域新词识别模型，使得构建出的领域新词识别模型能够识别出常见词，减少将常见词误识别为领域新词的几率，从而提高了领域新词识别模型的精确率。
[0061]
在一些实施例中，将第一训练样本和第二训练样本输入多个用于识别实体的网络模型进行训练，获得多个领域新词识别模型。
[0062]
在一些实施例中，多个用于识别实体的网络模型包括基于跨度的模型bertspan、mrc(neural machine reading comprehension，基于阅读理解的实体识别模型)和gp(global pointer，基于指针的实体识别模型)。
[0063]
可选地，利用领域新词识别模型进行领域新词识别，包括：获取待识别词组；将待识别词组输入领域新词识别模型进行领域新词识别。
[0064]
结合图4所示，本公开实施例提供一种用于识别领域新词的方法，包括：
[0065]
步骤s401，电子设备从预设的训练样本词组集合中获取多个样本领域新词；
[0066]
步骤s402，电子设备利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；
[0067]
步骤s403，电子设备将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；
[0068]
步骤s404，电子设备将样本领域新词确定为第二模型输入训练数据；将带有表征为领域新词类型的第二模型输入训练数据确定为第二训练样本；
[0069]
步骤s405，电子设备将第一训练样本和第二训练样本输入用于识别实体的网络模型进行训练，获得领域新词识别模型。
[0070]
步骤s406，电子设备获取待识别词组；
[0071]
步骤s407，电子设备将待识别词组输入领域新词识别模型进行领域新词识别。
[0072]
采用本公开实施例提供的用于识别领域新词的方法，通过从预设的训练样本词组集合中获取多个样本领域新词；并利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；利用第一训练样本构建领域新词识别模型；利用领域新词识别模型进行领域新词识别。这样在样本领域新词中包括常见词的情况下，利用了样本领域新词中的常见词构建领域新词识别模型，使得构建出的领域新词识别模型能够识别出常见词，减少将常见词误识别为领域新词的几率，从而提高了领域新词识别模型的精确率。
[0073]
可选地，利用领域新词识别模型进行领域新词识别，包括：获取待识别词组；将待识别词组输入领域新词识别模型进行领域新词识别；在待识别词组被领域新词识别模型识别为领域新词类型的情况下，输出该待识别词组；或，在待识别词组被领域新词识别模型识别为非领域新词类型的情况下，不输出该待识别词组。
[0074]
可选地，在领域新词识别模型有多个的情况下，将若干待识别词组分别输入各领域新词识别模型，并将各领域新词识别模型输出的待识别词组均确定为领域新词。这样，不仅能够提升领域新词识别模型的精确率，还能够提升领域新词识别模型的召回率。
[0075]
可选地，在领域新词识别模型有多个的情况下，将待识别词组分别输入各领域新词识别模型进行领域新词识别，在待识别词组被预设个数的领域新词识别模型输出的情况下，将该待识别词组确定为领域新词。这样，能够进一步提升识别领域新词的精确率。
[0076]
结合图5所示，本公开实施例提供一种用于识别领域新词的装置，包括：第一获取模块501、第二获取模块502、确定模块503、构建模块504和识别模块505；第一获取模块501被配置为从预设的训练样本词组集合中获取多个样本领域新词；第二获取模块502被配置为利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；确定模块503被配置为将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；构建模块504被配置为利用第一训练样本构建领域新词识别模型；识别模块505被配置为利用领域新词识别模型进行领域新词识别。
[0077]
采用本公开实施例提供的用于识别领域新词的装置，通过从预设的训练样本词组集合中获取多个样本领域新词；并利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；利用第一训练样本构建领域新词识别模型；利用领域新词识别模型进行领域新词识别。这样在样本领域新词中包括常见词的情况下，利用了样本领域新词中的常见词构建领域新词识别模型，使得构建出的领域新词识别模型能够识别出常见词，减少将常见词误识别为领域新词的几率，从而提高了领域新词识别模型的精确率。
[0078]
可选地，训练样本词组集合中包括多个样本词组；第一获取模块被配置为通过以下方式从预设的训练样本集合中获取多个领域新词：将训练样本词组集合中带有表征为领域新词标签的样本词组确定为样本领域新词。
[0079]
可选地，构建模块被配置为通过以下方式利用第一训练样本构建领域新词识别模型：将样本领域新词确定为第二模型输入训练数据；将带有表征为领域新词类型的第二模型输入训练数据确定为第二训练样本；将第一训练样本和第二训练样本输入用于识别实体的网络模型进行训练，获得领域新词识别模型。
[0080]
可选地，识别模块被配置为通过以下方式利用领域新词识别模型进行领域新词识别：获取待识别词组；将待识别词组输入领域新词识别模型进行领域新词识别。
[0081]
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识别领域新词的方法。
[0082]
采用本公开实施例提供的电子设备，通过从预设的训练样本词组集合中获取多个样本领域新词；并利用预设的实体识别模型分别从各样本领域新词获取若干个实体词组；将实体词组中除样本领域新词以外的实体词组确定为第一模型输入训练数据，并将带有表征为非领域新词类型的第一模型输入训练数据确定为第一训练样本；利用第一训练样本构建领域新词识别模型；利用领域新词识别模型进行领域新词识别。这样在样本领域新词中包括常见词的情况下，利用了样本领域新词中的常见词构建领域新词识别模型，使得构建出的领域新词识别模型能够识别出常见词，减少将常见词误识别为领域新词的几率，从而提高了领域新词识别模型的精确率。
[0083]
可选地，电子设备为计算机、手机或平板电脑。
[0084]
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。
[0085]
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识别领域新词的方法。
[0086]
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。
[0087]
本公开实施例提供了一种可读存储介质，存储有可执行指令，所述可执行指令设置在运行是执行上述用于识别领域新词的方法。
[0088]
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识别领域新词的方法。
[0089]
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。
[0090]
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。
[0091]
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。
[0092]
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。
[0093]
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。
[0094]
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。