确定替代语句

摘要

本公开的实施例涉及确定替代语句。本公开涉及一种计算机实现的方法，包括：接收引用了实体的查询，并且确定用于查询的非极性疑问句(NPQ)。每个NPQ省略了实体中的相应目标实体(TE)。方法包括：针对每个NPQ，通过确定对NPQ的排名靠前的回答是否与NPQ的TE匹配，来确定NPQ是否是非匹配NPQ。方法包括：继续通过用对非匹配NPQ的排名靠前的回答替换非匹配NPQ的TE来确定用于非匹配NPQ的已更新输入语句(UIS)，确定用于UIS的已更新NPQ，并且按照迭代或递归的方式确定对已更新NPQ的排名靠前的回答是否与已更新NPQ的TE匹配。方法包括：输出UIS作为查询的替代语句。

权利要求

1.一种计算机实现的方法，包括：

接收引用第一实体的查询；

确定针对所述查询的非极性疑问句，其中所述非极性疑问句中的每个非极性疑问句省略所述第一实体的相应目标实体；

针对所述非极性疑问句中的每个非极性疑问句，通过确定针对所述非极性疑问句的排名靠前的回答是否与所述非极性疑问句的所述目标实体匹配，来确定所述非极性疑问句是否是非匹配非极性疑问句；

当一个或多个非匹配非极性疑问句被标识时，继续通过利用针对所述非匹配非极性疑问句的所述排名靠前的回答替换所述一个或多个非匹配非极性疑问句中的每个非匹配非极性疑问句的所述目标实体，来确定针对所述一个或多个非匹配非极性疑问句的一个或多个已更新输入语句，确定针对所述一个或多个已更新输入语句的已更新非极性疑问句，并且按照迭代或递归的方式确定针对所述已更新非极性疑问句中的每个已更新非极性疑问句的所述排名靠前的回答是否与所述已更新非极性疑问句的所述目标实体匹配，其中所述已更新非极性疑问句中的相应排名靠前的回答与所述一个或多个已更新非极性疑问句的对应目标实体不匹配的一个或多个已更新非极性疑问句充当针对下一次迭代的所述一个或多个非匹配非极性疑问句，直到标准被满足；以及输出所述已更新输入语句中的一个或多个已更新输入语句作为针对所述查询的替代语句。

2.根据权利要求1所述的计算机实现的方法，还包括：标识所述查询中的所述第一实体，其中针对所述查询的所述非极性疑问句基于所述查询和所述第一实体而被确定。

3.根据权利要求2所述的计算机实现的方法，其中所述非极性疑问句包括至少三个非极性疑问句，并且所述第一实体包括至少三个实体。

4.根据权利要求3所述的计算机实现的方法，其中所述已更新输入语句中被输出作为所述替代语句的至少一个已更新输入语句包括所述至少三个实体中的仅一个实体。

5.根据权利要求1所述的计算机实现的方法，还包括：针对所述已更新输入语句中的每个已更新输入语句，基于针对所述已更新输入语句的所有所述已更新非极性疑问句的排名靠前的回答是否与针对所述已更新输入语句的所述已更新非极性疑问句的相应目标实体匹配，来确定所述已更新输入语句是否是高置信度已更新输入语句。

6.根据权利要求5所述的计算机实现的方法，其中所述标准包括：被标识为高置信度已更新输入语句的已更新输入语句的数目符合阈值。

7.一种存储指令的计算机可读存储介质，所述指令在由计算机执行时使所述计算机执行根据权利要求1至7中任一项所述的方法的步骤。

8.一种计算机系统，包括：

存储器，所述存储器存储程序指令；以及

处理器，所述处理器被耦合至所述存储器并且被配置为执行在所述存储器上所存储的所述程序指令以使所述处理器执行根据权利要求1至7中任一项所述的方法的步骤。

9.一种用于在疑问句/回答系统中确定替代语句的装置，所述装置包括分别被配置为执行根据权利要求1至6中任一项所述的方法的每个步骤的模块。

说明书

确定替代语句

技术领域

[0001] 本发明大体上涉及数据处理，并且具体地涉及疑问句/回答系统。

背景技术

[0002] 向疑问句/回答系统提出的语句或疑问句可能会非常不正确以至于疑问句/回答系统无法确定高置信度响应。例如，输入到疑问句/回答系统的语句或疑问句可能会包括不直接相关的多个实体，并且疑问句/回答系统可能会无法确定高置信度响应。

发明内容

[0003] 根据本公开的方面，计算机实现的方法包括：接收引用了第一实体的查询。该方法包括：确定用于查询的非极性疑问句。每个非极性疑问句省略了第一实体中的相应目标实体。该方法包括：针对查询的每个非极性疑问句，通过确定对非极性疑问句的排名靠前的回答是否与非极性疑问句的目标实体匹配，来确定非极性疑问句是否是非匹配非极性疑问句。该方法包括：当一个或多个非匹配非极性疑问句被标识到时，继续通过利用对非匹配非极性疑问句的排名靠前的回答替换一个或多个非匹配非极性疑问句中的每个非匹配非极性疑问句的目标实体来确定用于一个或多个非匹配非极性疑问句的一个或多个已更新输入语句，确定用于一个或多个已更新输入语句的已更新非极性疑问句，并且按照迭代或递归的方式确定对每个已更新非极性疑问句的排名靠前的回答是否与已更新非极性疑问句的目标实体匹配，其中相应排名靠前的回答与其对应目标实体不匹配的一个或多个已更新非极性疑问句充当进行下一次迭代的一个或多个非匹配非极性疑问句，直到满足判据。该方法包括：输出一个或多个已更新输入语句作为用于查询的替代语句。

[0004] 根据本公开的方面，非瞬态计算机可读存储介质存储指令，该指令在由计算机执行时使该计算机接收引用了第一实体的查询。指令在由计算机执行时使计算机确定用于查询的非极性疑问句。每个非极性疑问句省略了第一实体的相应目标实体。指令在由计算机执行时使计算机针对每个非极性疑问句确定非极性疑问句是否是非匹配非极性疑问句。指令在由计算机执行时使计算机：当一个或多个非匹配非极性疑问句被标识到时，继续通过利用对非匹配非极性疑问句的排名靠前的回答替换该一个或多个非匹配非极性疑问句的每个非匹配非极性疑问句的目标实体来确定用于该一个或多个非匹配非极性疑问句的一个或多个已更新输入语句，确定用于该一个或多个已更新输入语句的已更新非极性疑问句，并且按照迭代或递归的方式确定对每个已更新非极性疑问句的排名靠前的回答是否与已更新非极性疑问句的目标实体匹配，其中相应排名靠前的回答与其对应目标实体不匹配的一个或多个已更新非极性疑问句充当进行下一次迭代的一个或多个非匹配非极性疑问句，直到满足判据。指令在由计算机执行时使计算机输出一个或多个已更新输入语句作为用于查询的替代语句。

[0005] 根据本公开的方面，计算机系统包括存储器，该存储器存储程序指令。计算机系统包括处理器，该处理器被耦合至存储器并且被配置为执行在存储器上被存储的程序指令，以使处理器接收引用了第一实体的查询。处理器被配置为执行指令以确定用于输入语句的非极性疑问句。每个非极性疑问句省略了第一实体中的相应目标实体。处理器被配置为执行指令，以针对每个非极性疑问句确定该非极性疑问句是否是非匹配非极性疑问句。处理器被配置为执行指令以：当一个或多个非匹配非极性疑问句被标识到时，继续通过利用对非匹配非极性疑问句的排名靠前的回答替换一个或多个非匹配非极性疑问句中的每个非匹配非极性疑问句的目标实体来确定用于一个或多个非匹配非极性疑问句的一个或多个已更新输入语句，确定用于一个或多个已更新输入语句的已更新非极性疑问句，并且按照迭代或递归的方式确定对每个已更新非极性疑问句的排名靠前的回答是否与已更新非极性疑问句的目标实体匹配，其中相应排名靠前的回答与其对应目标实体不匹配的一个或多个已更新非极性疑问句充当进行下一次迭代的一个或多个非匹配非极性疑问句，直到满足判据。处理器被配置为输出一个或多个已更新输入语句作为用于输入语句的替代语句。

附图说明

[0006] 图1是根据本公开的系统的实施例的框图视图。

[0007] 图2是根据本公开的系统的实施例的框图视图。

[0008] 图3是示出了能够至少部分地被图1所示的系统执行的计算机实现的方法的实施例的流程图。

[0009] 图4是示出了能够至少部分地被图2所示的系统执行的计算机实现的方法的实施例的流程图。

[0010] 图5示出了能够被应用来实施本公开的实施例的示例数据处理系统的图示性框图。

具体实施方式

[0011] 首先应该理解，虽然下面提供了一个或多个实施例的图示性实施方式，但可以使用任何数目的技术(无论是当前已知的或现有的)来实施所公开的系统、计算机程序产品、和/或方法。本公开绝不局限于下面所图示的图示性实施方式、附图和技术，包括在本文中被图示和描述的示例性设计和实施方式，而是可以在所附权利要求的范围及其等效物的全部范围内对本公开进行修改。

[0012] 如在书面公开文件和权利要求书中所使用的，术语“包括(including)”和“包括(comprising)”是以开放的形式来使用的，并且因此应该被解释为表示“包括，但不限于”。除非另有指示，否则，如贯穿本文档所使用的，“或”不要求互斥性，并且单数形式“一”、“一个”和“该”也旨在包括复数形式，除非上下文另有明确指示。

[0013] 如本文所引用的引擎可以包括：软件组件，诸如，但不限于，计算机可执行指令、数据访问对象、服务组件、用户界面组件、应用编程接口(API)组件；硬件组件，诸如电路、处理器、和存储器；和/或它们的组合。存储器可以是存储数据和计算机可执行指令的易失性存储器或非易失性存储器。计算机可执行指令可以是任何形式，包括，但不限于，以任何编程语言编写的机器代码、汇编代码、和高级编程代码。引擎可以被配置为使用数据来执行一个或多个指令以执行一个或多个任务。

[0014] 本公开的实施例包括一种系统，该系统响应于接收到来自客户端设备的输入语句或极性疑问句而确定替代语句并且将该替代语句提供给客户端设备。极性疑问句是是/非疑问句、提出逻辑异或的疑问句、和/或具有一对选项但这对选项中只有一个选项可被接受作为回答的疑问句。输入语句或极性疑问句可以包括多个实体，并且该多个实体可能不直接相关(例如，经由知识图谱)。在一些示例中，系统使用迭代或递归过程通过替换非极性疑问句中的实体确定候选替代语句，来确定替代语句。非极性疑问句是开放式疑问句，通常要求语句作为回答；wh-疑问句(例如，who(谁)、what(什么)、when(什么时候)、where(哪里)、或why(为什么))；和/或how(如何)疑问句。非极性回答是对非极性疑问句的回答。系统基于匹配算法确定是否应该向客户端设备输出候选替代语句作为用于输入语句或极性疑问句的替代语句。被输出的替代语句可以是对输入语句或极性疑问句的高置信度响应。在一些示例中，一个或多个替代语句包括查询中的实体中的仅一个实体。

[0015] 图1图示了被配置为确定用于查询101的一个或多个替代语句119的系统100的示例。系统100包括将查询101提供给替代语句子系统102的客户端设备110。在图1所图示的示例中，客户端设备110经由网络104将查询101提供给替代语句子系统102。然而，客户端设备110可以使用不同的通信装置将查询101提供给替代语句子系统102。查询101可以是引用了第一实体的输入语句或引用了第一实体的极性疑问句。查询101中的实体可能不直接相关(例如，经由知识图谱)。作为示例，当查询101是输入语句时，查询101可以对应于“Tom Brady和Kevin Durant赢了World Series(世界大赛)”。作为另一示例，当查询101是极性疑问句时，查询101可以对应于“Tom Brady和Kevin Durant赢了World Series吗？”。在示例查询101中，Tom Brady(足球运动员)可能不直接与Kevin Durant(篮球运动员)相关，并且Tom Brady和Kevin Durant可能与赢了World Series(棒球锦标赛)无关。

[0016] 替代语句子系统102包括非极性疑问句引擎106，该非极性疑问句引擎106被配置为接收查询101并且生成用于查询101的非极性疑问句109。每个非极性疑问句109省略了第一实体的相应目标实体。非极性疑问句引擎106包括被配置为标识查询101中的第一实体的实体引擎108。在本实施例中，实体引擎108使用自然语言处理(NLP)来标识查询101中的第一实体。在示例查询101中，实体引擎108标识第一实体“Tom Brady”、“Kevin Durant”、和“World Series”。

[0017] 一旦确定了第一实体，非极性疑问句引擎106被配置为从查询101去除一个实体，以生成寻找所去除的实体作为回答的非极性疑问句109(具有剩余的实体)。在示例查询101中，非极性疑问句引擎106去除“World Series”以生成用于查询101的第一非极性疑问句“Tom Brady和Kevin Durant赢了什么？”。针对非极性疑问句“Tom Brady和Kevin Durant赢了什么？”的目标实体是被从查询101去除以生成非极性疑问句的实体(World Series)。类似地，非极性疑问句引擎106分开地从查询101去除“Tom Brady”和“Kevin Durant”以分别生成第二和第三非极性疑问句“Tom Brady和谁赢了World Series？”和“谁和Kevin Durant赢了World Series？”。针对第二非极性疑问句“Tom Brady和谁赢了World Series？”的目标实体是被从查询101去除以生成第二非极性疑问句的实体(Kevin Durant)。针对第三非极性疑问句“谁和Kevin Durant赢了World Series？”的目标实体是被从查询101去除以生成第三非极性疑问句的实体(Tom Brady)。

[0018] 非极性疑问句109被提供给查询引擎114，该查询引擎114被配置为向非极性疑问句/回答子系统112查询对非极性疑问句109的非极性回答111(例如，“第一回答”)。非极性疑问句/回答子系统112确定对非极性疑问句109的非极性回答111，并且将非极性回答111提供给匹配引擎116。在一些实施例中，针对每个非极性疑问句109，可能会接收到多个回答。在接收到多个回答的实施例中，非极性回答111包括非极性回答111的一组排名列表。这些排名列表可以基于预定判据，诸如最常见的回答、最受欢迎的回答、字母顺序、以及在所搜索的知识库中最近出现的回答。

[0019] 匹配引擎116被配置为从非疑问句/回答子系统112接收(例如，经由网络104)非极性回答111，并且针对每个非极性疑问句109，确定非极性疑问句是否是非匹配非极性疑问句113。在一些示例中，匹配引擎116通过确定对非极性疑问句109的排名靠前的回答是否与非极性疑问句109的目标实体匹配来确定非极性疑问句109是否是非匹配非极性疑问句113。

[0020] 为了使用上述示例非极性疑问句109来进行说明，查询引擎114向非极性疑问句/回答子系统112查询对第一、第二和第三非极性疑问句的非极性回答。响应于第一非极性疑问句“Tom Brady和Kevin Durant赢了什么？”，非极性疑问句/回答子系统112可以确定并且匹配引擎116可以接收“Superbowl(超级碗)、NBA锦标赛”的排名列表。类似地，响应于第二和第三非极性疑问句“Tom Brady和谁赢了World Series？”和“谁和Kevin Durant赢了World Series？”，分别地，非极性疑问句/回答子系统112可以确定并且匹配引擎116可以接收包含“Bill Belichick、Robert Gronkowski”和“Stephen Curry”的列表。一旦接收到非极性回答111，匹配引擎116针对第一非极性疑问句“Tom Brady和Kevin Durant赢了什么？”确定对第一非极性疑问句的排名靠前的回答(Superbowl)与针对第一非极性疑问句的目标实体(World Series)不匹配。作为另一示例，匹配引擎116针对第二非极性疑问句“Tom Brady和谁赢了World Series？”确定对第二非极性疑问句的排名靠前的回答(Bill Belichick)与针对第二非极性疑问句的目标实体(Kevin Durant)不匹配。作为另一示例，匹配引擎116针对第三非极性疑问句“谁和Kevin Durant赢了World Series？”确定对第三非极性疑问句的排名靠前的回答(Stephen Curry)与针对第三非极性疑问句的目标实体(Tom Brady)不匹配。因此，在本示例中，匹配引擎116确定第一、第二和第三非极性疑问句“Tom Brady和Kevin Durant赢了什么？”、“Tom Brady和谁赢了World Series？”和“谁和Kevin Durant赢了World Series？”是非匹配非极性疑问句113。

[0021] 当所有非极性疑问句109的目标实体都与非极性疑问句109的相应排名靠前的回答匹配时，匹配引擎116输出(例如，输出125)查询101的输入语句作为正确语句或为查询101的极性疑问句输出回答“是”。当标识到一个或多个非匹配非极性疑问句113时，替代语句子系统102以迭代或递归的方式，使用实体替换引擎118、非极性疑问句引擎106、查询引擎114、和匹配引擎116，通过实体替换、非极性疑问句生成和匹配操作，来进行迭代，直到判据引擎120确定满足判据。

[0022] 回到该示例，因为一个或多个非极性疑问句109被标识为非匹配非极性疑问句113，所以替代语句子系统102以迭代或递归的方式，通过实体替换、非极性疑问句生成和匹配操作，开始进行迭代。现在将详细描述通过实体替换、非极性疑问句生成和匹配操作进行的两次迭代。

[0023] 第一次迭代开始：实体替换引擎118通过利用对非匹配非极性疑问句的排名靠前的回答替换一个或多个非匹配非极性疑问句113中的每个非匹配非极性疑问句113的目标实体，来确定用于该一个或多个非匹配非极性疑问句113的一个或多个已更新输入语句115。该一个或多个已更新输入语句115中的每个已更新输入语句115引用了一个或多个实体。

[0024] 为了使用上述示例非匹配非极性疑问句113来进行说明，实体替换引擎118通过利用对第一非极性疑问句的排名靠前的回答(Superbowl)替换针对第一非极性疑问句的目标实体(World Series)来确定用于第一(非匹配)非极性疑问句“Tom Brady和Kevin Durant赢了什么？”的第一已更新输入语句“Tom Brady和Kevin Durant赢了Superbowl”。作为另一示例，实体替换引擎118通过利用对第二非极性疑问句的排名靠前的回答(Bill Belichick)替换第二非极性疑问句的目标实体(Kevin Durant)来确定用于第二(非匹配)非极性疑问句“Tom Brady和谁赢了World Series？”的第二已更新输入语句“Tom Brady和Bill Belichick赢了World Series”。作为另一示例，实体替换引擎118通过利用对第三非极性疑问句的排名靠前的回答(Stephen Curry)替换第三非极性疑问句的目标实体(Tom Brady)来确定用于第三(非匹配)非极性疑问句“谁和Kevin Durant赢了World Series？”的第三已更新输入语句“Stephen Curry和Kevin Durant赢了World Series”。

[0025] 第一次迭代继续：实体替换引擎118将已更新输入语句提供给非极性疑问句引擎106。非极性疑问句引擎106如上面参照非极性疑问句109和查询101所描述的那样确定用于该一个或多个已更新输入语句115的一个或多个已更新非极性疑问句117。非极性疑问句引擎106从该一个或多个已更新输入语句115中的每个已更新输入语句115去除单个实体，以生成寻找去除的实体作为回答的一个或多个已更新非极性疑问句117(具有剩余的实体)。
因此，已更新非极性疑问句117省略了对应的已更新输入语句的实体的相应目标实体。

[0026] 为了进行说明，针对第一已更新输入语句，非极性疑问句引擎106从第一已更新输入语句去除实体(Superbowl)，以生成第一已更新非极性疑问句“Tom Brady和Kevin Durant赢了什么？”。类似地，非极性疑问句引擎106分开地从第一已更新输入语句去除实体“Kevin Durant”和“Tom Brady”，以分别生成第二和第三非极性疑问句“Tom Brady和谁赢了World Series？”和“谁和Kevin Durant赢了World Series？”。针对第一已更新非极性疑问句“Tom Brady和Kevin Durant赢了什么？”的目标实体是被从第一已更新输入语句去除以生成第一已更新非极性疑问句的实体(Superbowl)。针对第二已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”的目标实体是被从第一已更新输入语句去除以生成第二已更新非极性疑问句的实体(Kevin Durant)。类似地，针对第三已更新非极性疑问句“谁和Kevin Durant赢了World Series？”的目标实体是被从第一已更新输入语句去除以生成第三已更新非极性疑问句的实体(Tom Brady)。

[0027] 作为另一示例，针对第二已更新输入语句，非极性疑问句引擎106从第二已更新输入语句去除实体(World Series)以生成第四已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”。类似地，非极性疑问句引擎106分开地从第二已更新输入语句去除实体“Bill Belichick”和“Tom Brady”，以分别生成第五和第六已更新非极性疑问句“Tom Brady和谁赢了World Series？”和“谁和Bill Belichick赢了World Series？”。针对第四已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”的目标实体是被从第二已更新输入语句去除以生成第四已更新非极性疑问句的实体(World Series)。针对第五已更新非极性疑问句“Tom Brady和谁赢了World Series？”的目标实体是被从第二已更新输入语句去除以生成第五已更新非极性疑问句的实体(Bill Belichick)。类似地，针对第六已更新非极性疑问句“谁和Bill Belichick赢了World Series？”的目标实体是被从第二已更新输入语句去除以生成第六已更新非极性疑问句的实体(Tom Brady)。

[0028] 作为另一示例，针对第三已更新输入语句，非极性疑问句引擎106从第三已更新输入语句去除实体(World Series)以生成第七已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”。类似地，非极性疑问句引擎106分开地从第三已更新输入语句去除实体“Kevin Durant”和“Stephen Curry”，以分别生成第八和第九已更新非极性疑问句“Stephen Curry和谁赢了World Series？”和“谁和Kevin Durant赢了World Series？”。针对第七已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”的目标实体是被从第三已更新输入语句去除以生成第七已更新非极性疑问句的实体(World Series)。针对第八已更新非极性疑问句“Stephen Curry和谁赢了World Series？”的目标实体是被从第三已更新输入语句去除以生成第八已更新非极性疑问句的实体(Kevin Durant)。类似地，针对第九已更新非极性疑问句“谁和Kevin Durant赢了World Series？”的目标实体是被从第三已更新输入语句去除以生成第九已更新非极性疑问句的实体(Stephen Curry)。

[0029] 第一次迭代继续：非极性疑问句引擎106将已更新非极性疑问句117提供给查询引擎114，查询引擎114向非极性疑问句/回答子系统112发送查询107以获得对已更新非极性疑问句117的非极性回答111。非极性疑问句/回答子系统112确定针对已更新非极性疑问句117的非极性回答111(例如，“第二回答”)。针对已更新非极性疑问句117的非极性回答111可以包括回答的排名列表，如上面参照针对非极性疑问句109的非极性回答111所描述的。

[0030] 第一次迭代继续：匹配引擎116接收对已更新非极性疑问句117的非极性回答111，并且确定对每个已更新非极性疑问句117的排名靠前的回答是否与已更新非极性疑问句的目标实体匹配。为了进行说明，针对第一已更新非极性疑问句“Tom Brady和Kevin Durant赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收“Superbowl、NBA锦标赛”的排名列表。类似地，响应于第二已更新非极性疑问句“Tom  Brady和谁赢了Superbowl？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Bill Belichick、Robert Gronkowski”的排名列表。类似地，响应于第三已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Stephen Curry、Russell Westbrook”的排名列表。作为另一示例，针对第四已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包括“Superbowl，最有价值运动员(MVP)”的排名列表。类似地，响应于第五已更新非极性疑问句“Tom Brady和谁赢了World Series？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Bill Belichick、Robert Gronkowski”的排名列表。类似地，响应于第六已更新非极性疑问句“谁和Bill Belichick赢了World Series？”，分别地，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Robert Gronkowski、Tom Brady”的排名列表。作为另一示例，针对第七已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包括“NBA锦标赛”的排名列表。类似地，响应于第八已更新非极性疑问句“Stephen Curry和谁赢了World Series？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Kevin Durant”的排名列表。类似地，响应于第九已更新非极性疑问句“谁和Kevin Durant赢了World Series？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Stephen Curry”的排名列表。

[0031] 一旦接收到针对已更新非极性疑问句117的非极性回答111，第一次迭代继续：匹配引擎116确定对每个已更新非极性疑问句117的排名靠前的回答是否与非极性疑问句的目标实体匹配。为了进行说明，针对第一已更新非极性疑问句“Tom Brady和Kevin Durant赢了什么？”，匹配引擎116确定对第一已更新非极性疑问句的排名靠前的回答(Superbowl)与针对第一已更新非极性疑问句的目标实体(Superbowl)匹配。作为另一示例，针对第二已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”，匹配引擎116确定对第二已更新非极性疑问句的排名靠前的回答(Bill Belichick)与针对第二已更新非极性疑问句的目标实体(Kevin Durant)不匹配。作为另一示例，针对第三已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”，匹配引擎116确定对第三已更新非极性疑问句的排名靠前的回答(Stephen Curry)与针对第三已更新非极性疑问句的目标实体(Tom Brady)不匹配。

[0032] 作为另一示例，针对第四已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”，匹配引擎116确定对第四已更新非极性疑问句的排名靠前的回答(Superbowl)与针对第四已更新非极性疑问句的目标实体(World Series)不匹配。作为另一示例，针对第五已更新非极性疑问句“Tom Brady和谁赢了World Series？”，匹配引擎116确定对第五已更新非极性疑问句的排名靠前的回答(Bill Belichick)与针对第五已更新非极性疑问句的目标实体(Bill Belichick)匹配。作为另一示例，针对第六已更新非极性疑问句“谁和Bill Belichick赢了World Series？”，匹配引擎116确定对第六已更新非极性疑问句的排名靠前的回答(Robert Gronkowski)与针对第六已更新非极性疑问句的目标实体(Tom Brady)不匹配。

[0033] 作为另一示例，针对第七已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，匹配引擎116确定对第七已更新非极性疑问句的排名靠前的回答(NBA锦标赛)与针对第七已更新非极性疑问句的目标实体(World Series)不匹配。作为另一示例，针对第八已更新非极性疑问句“Stephen Curry和谁赢了World Series？”，匹配引擎116确定对第八已更新非极性疑问句的排名靠前的回答(Kevin Durant)与针对第八已更新非极性疑问句的目标实体(Kevin Durant)匹配。作为另一示例，匹配引擎116针对第九已更新非极性疑问句“谁和Kevin Durant赢了World Series？”确定对第九已更新非极性疑问句的排名靠前的回答(Stephen Curry)与针对第九已更新非极性疑问句的目标实体(Stephen Curry)匹配。因此，匹配引擎116确定对第二、第三、第四、第六和第七已更新非极性疑问句中的每个已更新非极性疑问句的排名靠前的回答与疑问句的对应目标实体不匹配。

[0034] 在第一次迭代结束时，匹配引擎116将任何替代语句119提供给判据引擎120，并且将任何非匹配非极性疑问句113提供给实体替换引擎118。替代语句119是其已更新非极性疑问句117不包括任何非匹配非极性疑问句113的已更新输入语句。换言之，当用于已更新输入语句的每个已更新非极性疑问句的回答与该已更新非极性疑问句的目标实体匹配时，匹配引擎116确定该已更新输入语句是针对查询101的替代语句119。在本示例中，用于第一次迭代的每个已更新输入语句115的至少一个非极性疑问句被确定为是非匹配的，并且，因此，用于第一次迭代的已更新输入语句115都未被确定为是替代语句119。

[0035] 判据引擎120确定是否满足判据并且控制是否要执行另一次迭代和/或是否要输出任何确定的替代语句119。在一些示例中，判据可以对应于确定特定数目N(其中N>0)的替代语句119和/或可以包括已经执行了特定次数的迭代。在这些示例中，当判据引擎120确定满足判据(例如，确定了特定数目的替代语句119或已经执行了特定次数的迭代)并且已经确定了至少一个替代语句119时，判据引擎120输出任何确定的替代语句119作为针对查询101的替代语句并且该处理结束。当判据引擎120确定满足判据(例如，特定次数的迭代)并且尚未标识到替代语句119时，替代语句子系统102停止迭代并且可以输出最近一次迭代的已更新输入语句115。当判据引擎120确定不满足判据时，使用已更新非匹配非极性疑问句
113来执行后续的迭代。在一些示例中，判据引擎120输出触发信号121以指导替代语句子系统102执行后续的迭代。

[0036] 回到本示例，因为用于第一次迭代的已更新输入语句115都未被确定为是替代语句119，所以判据引擎120确定替代语句119的数目(0)小于满足判据所需的特定数目(例如，2)，并且替代语句子系统102因此将会通过实体替换、非极性疑问句生成和匹配操作来继续执行第二次迭代，其目标实体与针对疑问句的排名靠前的回答不匹配的(第一次迭代的)已更新非极性疑问句117充当用于第二次迭代的非匹配非极性疑问句113。

[0037] 在本示例中，用于第二次迭代的非匹配非极性疑问句113是：i)第二已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”；ii)第三已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”；iii)第四已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”；iv)第六已更新非极性疑问句“谁和Bill Belichick赢了World Series？”；以及v)第七已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”。在本示例中，第二次迭代继续：实体替换引擎118利用对第二已更新非极性疑问句的排名靠前的回答(Bill Belichick)替换用于第二已更新非极性疑问句的目标实体(Kevin Durant)，以生成第四已更新输入语句“Tom Brady和Bill Belichick赢了Superbowl”以进行第二次迭代。实体替换引擎118还利用对第三已更新非极性疑问句的排名靠前的回答(Stephen Curry)替换用于第三已更新非极性疑问句的目标实体(Tom Brady)，以生成第五已更新输入语句“Stephen Curry和Kevin Durant赢了Superbowl”以进行第二次迭代。实体替换引擎118还利用排名靠前的回答(Superbowl)替换用于第四已更新非极性疑问句的目标实体(World Series)，以生成第六已更新输入语句“Tom Brady和Bill Belichick赢了Superbowl”以进行第二次迭代。实体替换引擎118还利用对第六已更新非极性疑问句的排名靠前的回答(Robert Gronkowski)替换用于第六已更新非极性疑问句的目标实体(Tom Brady)，以生成第七已更新输入语句“Robert Gronkowski和Bill Belichick赢了World Series”。实体替换引擎118还利用对第七已更新非极性疑问句的排名靠前的回答(NBA锦标赛)替换用于第七已更新非极性疑问句的目标实体(World Series)，以生成第八已更新输入语句“Stephen Curry和Kevin Durant赢了NBA锦标赛”以进行第二次迭代。

[0038] 实体替换引擎118将用于第二次迭代的已更新输入语句115提供给非极性疑问句引擎106，并且第二次迭代继续：非极性疑问句引擎106针对第二次迭代的每个已更新输入语句115确定用于第二次迭代的已更新非极性疑问句117，如上面针对用于第一次迭代的已更新非极性疑问句117所描述的。

[0039] 例如，针对第四已更新输入语句“Tom Brady和Bill Belichick赢了Superbowl”，非极性疑问句引擎106生成第十已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”、第十一已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”、以及第十二已更新非极性疑问句“谁和Bill Belichick赢了Superbowl？”。针对第十已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”的目标实体是被从第四已更新输入语句去除以生成第十已更新非极性疑问句的实体(Superbowl)。针对第十一已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”的目标实体是被从第四已更新输入语句去除以生成第十一已更新非极性疑问句的实体(Bill Belichick)。类似地，针对第十二已更新非极性疑问句“谁和Bill Belichick赢了Superbowl？”的目标实体是被从第四已更新输入语句去除以生成第十二已更新非极性疑问句的实体(Tom Brady)。

[0040] 作为另一示例，针对第五已更新输入语句“Stephen Curry和Kevin Durant赢了Superbowl”，非极性疑问句引擎106确定第十三已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”、第十四已更新非极性疑问句“Stephen Curry和谁赢了Superbowl？”、以及第十五已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”。针对第十三已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”的目标实体是被从第五已更新输入语句去除以生成第十三已更新非极性疑问句的实体(Superbowl)。针对第十四已更新非极性疑问句“Stephen Curry和谁赢了Superbowl？”的目标实体是被从第五已更新输入语句去除以生成第十四已更新非极性疑问句的实体(Kevin Durant)。类似地，针对第十五已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”的目标实体是被从第五已更新输入语句去除以生成第十五已更新非极性疑问句的实体(Stephen Curry)。

[0041] 作为另一示例，针对第六已更新输入语句“Tom Brady和Bill Belichick赢了Superbowl”，非极性疑问句引擎106可以不生成任何疑问句，因为该已更新输入语句与第四已更新输入语句相同。

[0042] 作为另一示例，针对第七已更新输入语句“Robert Gronkowski和Bill Belichick赢了World Series”，非极性疑问句引擎106生成第十六已更新非极性疑问句“Robert Gronkowski和Bill Belichick赢了什么？”、第十七已更新非极性疑问句“Robert Gronkowski和谁赢了World Series？”、以及第十八已更新非极性疑问句“谁和Bill Belichick赢了World Series？”。针对第十六已更新非极性疑问句“Robert Gronkowski和Bill Belichick赢了什么？”的目标实体是被从第七已更新输入语句去除以生成第十六已更新非极性疑问句的实体(World Series)。针对第十七已更新非极性疑问句“Robert Gronkowski和谁赢了World Series？”的目标实体是被从第七已更新输入语句去除以生成第十七已更新非极性疑问句的实体(Bill Belichick)。类似地，针对第十八已更新非极性疑问句“谁和Bill Belichick赢了World Series？”的目标实体是被从第七已更新输入语句去除以生成第十八已更新非极性疑问句的实体(Robert Gronkowski)。

[0043] 作为另一示例，针对第八已更新输入语句“Stephen Curry和Kevin Durant赢了NBA锦标赛”，非极性疑问句引擎106确定第十九已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”、第二十已更新非极性疑问句“Stephen Curry和谁赢了NBA锦标赛？”、以及第二十一已更新非极性疑问句“谁和Kevin Durant赢了NBA锦标赛？”。针对第十九已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”的目标实体是被从第八已更新输入语句去除以生成第十九已更新非极性疑问句的实体(NBA锦标赛)。针对第二十已更新非极性疑问句“Stephen Curry和谁赢了NBA锦标赛？”的目标实体是被从第八已更新输入语句去除以生成第二十已更新非极性疑问句的实体(Kevin Durant)。类似地，针对第二十一已更新非极性疑问句“谁和Kevin Durant赢了NBA锦标赛？”的目标实体是被从第八已更新输入语句去除以生成第二十一已更新非极性疑问句的实体(Stephen Curry)。

[0044] 非极性疑问句引擎106将用于第二次迭代的已更新非极性疑问句117提供给查询引擎114，查询引擎114向非极性疑问句/回答子系统112发送查询107以得到对已更新非极性疑问句117的非极性回答111。非极性疑问句/回答子系统112确定针对已更新非极性疑问句117的非极性回答111(例如，“第三回答”)。针对已更新非极性疑问句117的非极性回答111可以包括回答的排名列表，如上面参照针对非极性疑问句109的非极性回答111所描述的。匹配引擎116接收对已更新非极性疑问句117的非极性回答111。

[0045] 为了进行说明，针对第十已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收“Superbowl，MVP”的排名列表。类似地，响应于第十一和第十二已更新非极性疑问句“Tom  Brady和谁赢了Superbowl？”和“谁和Bill Belichick赢了Superbowl？”，分别地，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Bill Belichick、Robert Gronkowski”和“Tom Brady、Robert Gronkowski”的排名列表。作为另一示例，针对第十三已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包括“NBA锦标赛”的排名列表。类似地，响应于第十四和第十五已更新非极性疑问句“Stephen Curry和谁赢了Superbowl？”和“谁和Kevin Durant赢了Superbowl？”，分别地，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Kevin Durant”和“Stephen Curry”的排名列表。作为另一示例，针对第十六已更新非极性疑问句“Robert Gronkowski和Bill Belichick赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包括“Superbowl”的排名列表。类似地，响应于第十七和第十八已更新非极性疑问句“Robert Gronkowski和谁赢了World Series？”和“谁和Bill Belichick赢了World Series？”，分别地，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Tom Brady”和“Robert Gronkowski、Tom Brady”的列表。作为另一示例，针对第十九已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包括“NBA锦标赛”的排名列表。类似地，针对第二十和第二十一已更新非极性疑问句“Stephen Curry和谁赢了NBA锦标赛？”和“谁和Kevin Durant赢了NBA锦标赛？”，分别地，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Kevin Durant”和“Stephen Curry”的列表。

[0046] 第二次迭代继续：匹配引擎116确定针对每个已更新非极性疑问句117的排名靠前的回答是否与该已更新非极性疑问句的目标实体匹配。作为示例，针对第十已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”，匹配引擎116确定对第十已更新非极性疑问句的排名靠前的回答(Superbowl)与针对第十已更新非极性疑问句的目标实体(Superbowl)匹配。作为另一示例，针对第十一已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”，匹配引擎116确定对第十一已更新非极性疑问句的排名靠前的回答(Bill Belichick)与针对第十一已更新非极性疑问句的目标实体(Bill Belichick)匹配。作为另一示例，针对第十二已更新非极性疑问句“谁和Bill Belichick赢了Superbowl？”，匹配引擎116确定对第十二已更新非极性疑问句的排名靠前的回答(Tom Brady)与针对该疑问句的目标实体(Tom Brady)匹配。作为另一示例，针对第十三已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，匹配引擎116确定对第十三已更新非极性疑问句的排名靠前的回答(NBA锦标赛)与针对第十三已更新非极性疑问句的目标实体(Superbowl)不匹配。作为另一示例，针对第十四已更新非极性疑问句“Stephen  Curry和谁赢了Superbowl？”，匹配引擎116确定对第十四已更新非极性疑问句的排名靠前的回答(Kevin Durant)与针对第十四已更新非极性疑问句的目标实体(Kevin Durant)匹配。作为另一示例，针对第十五已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”，匹配引擎116确定对第十五已更新非极性疑问句的排名靠前的回答(Stephen Curry)与针对第十五已更新非极性疑问句的目标实体(Stephen Curry)匹配。作为另一示例，针对第十六已更新非极性疑问句“Robert Gronkowski和Bill Belichick赢了什么？”，匹配引擎116确定对第十六已更新非极性疑问句的排名靠前的回答(Superbowl)与针对第十六已更新非极性疑问句的目标实体(World Series)不匹配。作为另一示例，针对第十七已更新非极性疑问句“Robert Gronkowski和谁赢了World Series？”，匹配引擎116确定对第十七已更新非极性疑问句的排名靠前的回答(Tom  Brady)与针对第十七已更新非极性疑问句的目标实体(Bill Belichick)不匹配。作为另一示例，针对第十八已更新非极性疑问句“谁和Bill Belichick赢了World Series？”，匹配引擎116确定对第十八已更新非极性疑问句的排名靠前的回答(Robert  Gronkowski)与针对第十八已更新非极性疑问句的目标实体(Robert Gronkowski)匹配。作为另一示例，针对第十九已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，匹配引擎116确定对第十九已更新非极性疑问句的排名靠前的回答(NBA锦标赛)与针对第十九已更新非极性疑问句的目标实体(NBA锦标赛)匹配。作为另一示例，针对第二十已更新非极性疑问句“Stephen Curry和谁赢了NBA锦标赛？”，匹配引擎116确定对第二十已更新非极性疑问句的排名靠前的回答(Kevin Durant)与针对第二十已更新非极性疑问句的目标实体(Kevin Durant)匹配。作为另一示例，针对第二十一已更新非极性疑问句“谁和Kevin Durant赢了NBA锦标赛？”，匹配引擎116确定对第二十一已更新非极性疑问句的排名靠前的回答(Stephen Curry)与针对第二十一已更新非极性疑问句的目标实体(Stephen Curry)匹配。

[0047] 匹配引擎116将任何替代语句119提供给判据引擎120，并且将任何非匹配非极性疑问句113提供给实体替换引擎118。在本示例中，因为为第四已更新输入语句生成的针对第十、第十一和第十二已更新非极性疑问句中的每一个的排名靠前的回答都与针对该非极性疑问句的目标实体匹配，所以匹配引擎116确定第四已更新输入语句是替代语句119。类似地，因为为第八已更新输入语句生成的针对第十九、第二十和第二十一已更新非极性疑问句中的每一个的排名靠前的回答都与针对该疑问句的目标实体匹配，所以匹配引擎116确定第八已更新输入语句是替代语句119。

[0048] 在第二次迭代结束时，判据引擎120确定是否满足判据并且如上面描述的那样控制是否要执行另一次迭代和/或是否要输出替代语句119。回到本示例，因为已经确定了两个替代语句119，所以判据引擎120确定替代语句119的数目(2)不小于符合判据所需的特定数目(例如，2)，并且替代语句子系统202因此将会输出替代语句119。在本示例中，每个替代语句119是正确的，并且每个替代语句119包括最初在查询101中的实体中的仅一个实体。

[0049] 因此，通过使用递归或迭代方法来确定包括替换实体的候选替代语句，系统100为可能不包括任何直接相关的实体的错误查询确定了一个或多个(正确的)替代语句119。

[0050] 图2图示了被配置为：为查询101确定一个或多个替代语句219的系统200的示例。引擎和/或子系统106、108、112、114和118如上面参照图1的对应引擎所描述的那样操作。因此，在图2的描述期间，可以跳过有关这些引擎的细节。一般来说，系统200与系统100之间的差异是：替代或除了图1的匹配引擎116之外，系统200还使用了计分、阈值和匹配引擎216。

[0051] 该计分、阈值和匹配引擎216被配置为：基于在针对非极性疑问句的排名列表中非极性疑问句的被去除实体的排名，确定非极性疑问句109的得分。即，当针对非极性疑问句的排名列表将该非极性疑问句的被去除实体排在该排名列表上的第四时，相较于如果被去除实体看似被排在非极性疑问句的排名列表上的第一的情况，被去除实体被认为不太可能是正确的。为了使用对图1的示例非极性疑问句109的示例非极性回答111来进行说明，计分、阈值和匹配引擎216针对第一非极性疑问句“Tom Brady和Kevin Durant赢了什么？”确定对第一非极性疑问句的回答列表(Superbowl、NBA锦标赛)不包括针对第一非极性疑问句的目标实体(World Series)。因此，计分、阈值和匹配引擎216确定针对第一非极性疑问句的得分为0。作为另一示例，计分、阈值和匹配引擎216针对第二非极性疑问句“Tom Brady和谁赢了World Series？”确定对第二非极性疑问句的回答列表(Bill Belichick、Robert Gronkowski)与针对第二非极性疑问句的目标实体(Kevin Durant)不匹配。因此，计分、阈值和匹配引擎216确定针对第二非极性疑问句的得分为0。作为另一示例，计分、阈值和匹配引擎216针对第三非极性疑问句“谁和Kevin Durant赢了World Series？”确定对第三非极性疑问句的回答列表(Stephen Curry)不包括针对第三非极性疑问句的目标实体(Tom Brady)。因此，计分、阈值和匹配引擎216确定针对第三非极性疑问句的得分为0。

[0052] 一旦确定了每个非极性疑问句109的得分，计分、阈值和匹配引擎216确定针对非极性疑问句109的平均得分是否符合阈值。当针对非极性疑问句109的平均得分满足阈值时，计分、阈值和匹配引擎216输出查询101的输入语句作为正确语句或输出对查询101的极性疑问句的回答“是”。当平均得分不符合阈值时，替代语句子系统202按照递归或迭代的方式使用实体替换引擎108、非极性疑问句引擎106、以及计分、阈值和匹配引擎216通过实体替换、非极性疑问句生成、以及计分、阈值和匹配操作来进行迭代，直到满足判据引擎220所确定的判据。

[0053] 回到本示例，阈值可以是80％，并且计分、阈值和匹配引擎216可以确定对非极性疑问句109的非极性回答111的平均得分(0)不符合阈值。因为对非极性疑问句109的非极性回答111的平均得分不符合阈值，所以替代语句子系统202按照递归或迭代的方式使用实体替换引擎108、非极性疑问句引擎106、以及计分、阈值和匹配引擎216通过实体替换、非极性疑问句生成、以及计分、阈值和匹配操作来进行迭代，直到满足判据引擎220所确定的判据。现在将描述通过实体更换、非极性疑问句生成、以及计分、阈值和匹配操作进行的两次迭代。

[0054] 第一次迭代开始：实体替换引擎118通过利用对非匹配非极性疑问句的排名靠前的回答替换该一个或多个非匹配非极性疑问句113中的每个非匹配非极性疑问句113的目标实体，来确定用于该一个或多个非匹配非极性疑问句113的一个或多个已更新输入语句115，如上面参考图1所描述的。例如，实体替换引擎118可以确定第一、第二和第三已更新输入语句，如上面参考图1所描述的。

[0055] 第一次迭代继续：非极性疑问句引擎106确定用于一个或多个已更新输入语句115的一个或多个已更新非极性疑问句117，如上面参考图1所描述的。例如，非极性疑问句引擎106可以确定第一至第九已更新非极性疑问句，如上面参考图1所描述的。

[0056] 第一次迭代继续：计分、阈值和匹配引擎216接收对用于已更新输入语句的已更新非极性疑问句117的非极性回答111。所接收的非极性回答111可以对应于第二回答，如上面参考图1所描述的。

[0057] 第一次迭代继续：计分、阈值和匹配引擎216针对每个已更新输入语句115，通过确定用于已更新输入语句的针对已更新非极性疑问句117的平均得分是否满足阈值，来确定已更新输入语句是否正确(例如，替代语句219)。

[0058] 为了进行说明，对于第一已更新非极性疑问句“Tom Brady和Kevin Durant赢了什么？”，计分、阈值和匹配引擎216确定对第一已更新非极性疑问句的排名靠前的回答(Superbowl)与针对第一已更新非极性疑问句的目标实体(Superbowl)匹配。因此，计分、阈值和匹配引擎216确定针对第一已更新非极性疑问句的得分为1。作为另一示例，针对第二已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”，计分、阈值和匹配引擎216确定对该疑问句的回答列表(Bill Belichick、Robert Gronkowski)不包括针对第二已更新非极性疑问句的目标实体(Kevin Durant)。因此，计分、阈值和匹配引擎216确定针对第二已更新非极性疑问句的得分为0。作为另一示例，针对第三已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”，计分、阈值和匹配引擎216确定对第三已更新非极性疑问句的回答列表(Stephen Curry、Russell Westbrook)不包括针对第三已更新非极性疑问句的目标实体(Tom Brady)。因此，计分、阈值和匹配引擎216确定针对第三已更新非极性疑问句的得分为0。

[0059] 作为另一示例，针对第四已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”，计分、阈值和匹配引擎216确定对第四已更新非极性疑问句的回答列表(Superbowl、MVP)不包括针对第四已更新非极性疑问句的目标实体(World Series)。因此，计分、阈值和匹配引擎216确定针对第四已更新非极性疑问句的得分为0。作为另一示例，针对第五已更新非极性疑问句“Tom Brady和谁赢了World Series？”，计分、阈值和匹配引擎216确定对第五已更新非极性疑问句的排名靠前的回答(Bill Belichick)与针对第五已更新非极性疑问句的目标实体(Bill Belichick)匹配。因此，计分、阈值和匹配引擎216确定针对第五已更新非极性疑问句的得分为1。作为另一示例，针对第六已更新非极性疑问句“谁和Bill Belichick赢了World Series？”，计分、阈值和匹配引擎216确定回答列表(Robert Gronkowski、Tom Brady)中的第二实体与针对第六已更新非极性疑问句的目标实体(Tom Brady)匹配。因此，计分、阈值和匹配引擎216确定第六已更新非极性疑问句的得分为1/2。

[0060] 作为另一示例，针对第七已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，计分、阈值和匹配引擎216确定对第七已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”的回答列表(NBA锦标赛)不包括针对第七已更新非极性疑问句的目标实体(World Series)。因此，计分、阈值和匹配引擎216确定针对第七已更新非极性疑问句的得分为0。作为另一示例，针对第八已更新非极性疑问句“Stephen Curry和谁赢了World Series？”，计分、阈值和匹配引擎216确定对第八已更新非极性疑问句的排名靠前的回答(Kevin Durant)与针对第八已更新非极性疑问句的目标实体(Kevin Durant)匹配。因此，计分、阈值和匹配引擎216确定针对第八已更新非极性疑问句的得分为1。作为另一示例，计分、阈值和匹配引擎216针对第九已更新非极性疑问句“谁和Kevin Durant赢了World Series？”确定对第九已更新非极性疑问句的排名靠前的回答(Stephen Curry)与针对第九已更新非极性疑问句的目标实体(Stephen Curry)匹配。因此，计分、阈值和匹配引擎216确定针对第九已更新非极性疑问句的得分为1。

[0061] 然后，计分、阈值和匹配引擎216针对每个已更新输入语句115，通过确定针对已更新输入语句的已更新非极性疑问句117的平均得分是否符合阈值，来确定已更新输入语句是否正确(例如，替代语句219)。例如，计分、阈值和匹配引擎216可以确定用于第一已更新输入语句的针对已更新非极性疑问句117的平均得分为1/3。类似地，计分、阈值和匹配引擎216可以确定用于第二已更新输入语句的针对已更新非极性疑问句117的平均得分为1/2。
类似地，计分、阈值和匹配引擎216可以确定第三已更新输入语句的针对已更新非极性疑问句117的平均得分为2/3。计分、阈值和匹配引擎216可以将平均得分与阈值相比较来确定任何已更新输入语句115是否正确。当阈值对应于例如80％时，计分、阈值和匹配引擎216确定用于第一、第二和第三已更新输入语句的平均得分不满足阈值，并且因此不确定第一、第二和第三输入语句是正确的。被确定为是正确的已更新输入语句是针对查询101的替代语句
219。匹配引擎116将任何替代语句119提供给判据引擎120，并且将任何非匹配非极性疑问句113提供给实体替换引擎118。

[0062] 在第一次迭代结束时，判据引擎220确定是否符合判据。判据引擎220与图1中的判据引擎120类似地操作，但不同之处在于判据引擎220会分析是否有很多替代语句219(与图1的替代语句119相反)符合阈值。回到本示例，因为用于第一次迭代的已更新输入语句都未被确定为是替代语句219，所以判据引擎220确定替代语句219的数目(0)小于符合判据所需的特定数目(例如，2)。替代语句子系统202因此将会继续执行第二次迭代，其目标实体与对该疑问句的排名靠前的回答不匹配的(第一次迭代的)已更新非极性疑问句充当用于第二次迭代的非匹配非极性疑问句113。

[0063] 因此，在本示例中，替代语句子系统202执行第二次迭代，在该第二次迭代中，实体替换引擎118如上面参照图1所描述的基于第二、第三、第四、第六和第七已更新输入语句来确定上面参照图1所描述的第四、第五、第六、第七和第八已更新输入语句。

[0064] 一旦生成用于第二次迭代的已更新输入语句115，非极性疑问句引擎106如上面针对用于第一次迭代的已更新非极性疑问句117所描述的那样，针对第二次迭代的每个已更新输入语句115，确定用于第二次迭代的已更新非极性疑问句117。例如，非极性疑问句引擎106可以确定上面参照图1所描述的第十至第二十一已更新非极性疑问句。

[0065] 一旦生成用于第二次迭代的已更新非极性疑问句117，查询引擎114向非极性疑问句/回答子系统112查询对第二次迭代的已更新非极性疑问句117的非极性回答111。非极性疑问句/回答子系统112将非极性回答111提供给计分、阈值和匹配引擎216。为了进行说明，针对第十已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收“Superbowl、MVP”的排名列表。类似地，响应于第十一已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Bill Belichick、Robert Gronkowski”的列表。类似地，响应于第十二已更新非极性疑问句“谁和Bill Belichick赢了Superbowl？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Robert Gronkowski、Tom Brady”的列表。作为另一示例，对于第十三已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包括“NBA锦标赛”的排名列表。类似地，响应于第十四已更新非极性疑问句“Stephen  Curry和谁赢了Superbowl？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Kevin Durant”的列表。类似地，响应于第十五已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Stephen Curry”的列表。作为另一示例，对于第十六已更新非极性疑问句“Robert Gronkowski和Bill Belichick赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包括“Superbowl”的排名列表。类似地，响应于第十七已更新非极性疑问句“Robert Gronkowski和谁赢了World Series？”，非极性疑问句/回答子系统112确定并且匹配引擎
116接收包含“Tom Brady”的列表。类似地，响应于第十八已更新非极性疑问句“谁和Bill Belichick赢了World Series？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Robert Gronkowski、Tom Brady”的列表。作为另一示例，针对第十九已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包括“NBA锦标赛”的排名列表。类似地，针对第二十已更新非极性疑问句“Stephen Curry和谁赢了NAB锦标赛？”，非极性疑问句/回答子系统112确定并且匹配引擎
116接收包含“Kevin Durant”的列表。类似地，响应于第二十一已更新非极性疑问句“谁和Kevin Durant赢了NAB锦标赛？”，非极性疑问句/回答子系统112确定并且匹配引擎116接收包含“Stephen Curry”的列表。

[0066] 一旦接收到用于第二次迭代的非极性回答111，计分、阈值和匹配引擎216确定针对每个已更新非极性疑问句117的得分。为了进行说明，针对第十已更新非极性疑问句“Tom Brady和Bill Belichick赢了什么？”，计分、阈值和匹配引擎216确定对第十已更新非极性疑问句的排名靠前的回答(Superbowl)与针对第十已更新非极性疑问句的目标实体(Superbowl)匹配。因此，计分、阈值和匹配引擎216确定针对第十已更新非极性疑问句的得分为1。作为另一示例，针对第十一已更新非极性疑问句“Tom Brady和谁赢了Superbowl？”，计分、阈值和匹配引擎216确定对该疑问句的排名靠前的回答(Bill Belichick)与针对第十一已更新非极性疑问句的目标实体(Bill Belichick)匹配。因此，计分、阈值和匹配引擎216确定针对第二已更新非极性疑问句的得分为1。作为另一示例，针对第十二已更新非极性疑问句“谁和Bill Belichick赢了Superbowl？”，计分、阈值和匹配引擎216确定在针对第十二已更新非极性疑问句的回答列表(Robert Gronkowski、Tom Brady)上的第二回答(Tom Brady)与针对第十二已更新非极性疑问句的目标实体(Tom Brady)匹配。因此，计分、阈值和匹配引擎216确定针对第十二已更新非极性疑问句的得分为1/2。

[0067] 作为另一示例，针对第十三已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，计分、阈值和匹配引擎216确定对第十三已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”的回答列表(NBA锦标赛)不包括针对第十三已更新非极性疑问句的目标实体(Superbowl)。因此，计分、阈值和匹配引擎216确定针对第十三已更新非极性疑问句的得分为0。作为另一示例，针对第十四已更新非极性疑问句“Stephen Curry和谁赢了Superbowl？”，计分、阈值和匹配引擎216确定对第十四已更新非极性疑问句的排名靠前的回答(Kevin Durant)与针对第十四已更新非极性疑问句的目标实体(Kevin Durant)匹配。因此，计分、阈值和匹配引擎216确定针对第十四已更新非极性疑问句的得分为1。作为另一示例，计分、阈值和匹配引擎216针对第十五已更新非极性疑问句“谁和Kevin Durant赢了Superbowl？”确定对第十五已更新非极性疑问句的排名靠前的回答(Stephen Curry)与针对第十五已更新非极性疑问句的目标实体(Stephen Curry)匹配。因此，计分、阈值和匹配引擎216确定针对第十五已更新非极性疑问句的得分为1。

[0068] 作为另一示例，针对第十六已更新非极性疑问句“Robert Gronkowski和Bill Belichick赢了什么？”，计分、阈值和匹配引擎216确定对第十六已更新非极性疑问句的回答列表(Superbowl)不包括针对第十六已更新非极性疑问句的目标实体(World Series)。因此，计分、阈值和匹配引擎216确定针对第十六已更新非极性疑问句的得分为0。作为另一示例，针对第十七已更新非极性疑问句“Robert Gronkowski和谁赢了World Series？”，计分、阈值和匹配引擎216确定在对第十七已更新非极性疑问句的回答列表(Tom Brady、Bill Belichick)中的第二回答与针对第十七已更新非极性疑问句的目标实体(Bill Belichick)匹配。因此，计分、阈值和匹配引擎216确定针对第十七已更新非极性疑问句的得分为1/2。作为另一示例，计分、阈值和匹配引擎216针对第十八已更新非极性疑问句“谁和Bill Belichick赢了World Series？”确定对第十八已更新非极性疑问句的排名靠前的回答(Robert Gronkowski)与针对第十八已更新非极性疑问句的目标实体(Robert Gronkowski)匹配。因此，计分、阈值和匹配引擎216确定针对第十八已更新非极性疑问句的得分为1。

[0069] 作为另一示例，针对第十九已更新非极性疑问句“Stephen Curry和Kevin Durant赢了什么？”，计分、阈值和匹配引擎216确定对第十九已更新非极性疑问句的排名靠前的回答(NBA锦标赛)与针对第十九已更新非极性疑问句的目标实体(NBA锦标赛)匹配。因此，计分、阈值和匹配引擎216确定针对第十九已更新非极性疑问句的得分为1。作为另一示例，针对第二十已更新非极性疑问句“Stephen Curry和谁赢了NBA锦标赛？”，计分、阈值和匹配引擎216确定对第二十已更新非极性疑问句的排名靠前的回答(Kevin Durant)与针对第二十已更新非极性疑问句的目标实体(Kevin Durant)匹配。因此，计分、阈值和匹配引擎216确定针对第二十已更新非极性疑问句的得分为1。作为另一示例，计分、阈值和匹配引擎216针对第二十一已更新非极性疑问句“谁和Kevin Durant赢了NBA锦标赛？”确定对第二十一已更新非极性疑问句的排名靠前的回答(Stephen Curry)与针对第二十一已更新非极性疑问句的目标实体(Stephen Curry)匹配。因此，计分、阈值和匹配引擎216确定针对第二十一已更新非极性疑问句的得分为1。

[0070] 计分、阈值和匹配引擎216然后确定针对每个已更新输入语句的平均得分是否符合阈值。例如，计分、阈值和匹配引擎216可以确定针对第四已更新输入语句的已更新非极性疑问句的平均得分为2.5/3(或83％)。类似地，计分、阈值和匹配引擎216可以确定针对第五已更新输入语句的已更新非极性疑问句的平均得分为2/3(66.66％)。类似地，计分、阈值和匹配引擎216可以确定针对第六已更新输入语句的已更新非极性疑问句的平均得分为1/2(50％)。类似地，计分、阈值和匹配引擎216可以确定针对第七已更新输入语句的已更新非极性疑问句的平均得分为1(100％)。

[0071] 计分、阈值和匹配引擎216可以将平均得分与阈值相比较来确定用于第二次迭代的任何已更新输入语句是否正确。当阈值对应于例如80％时，计分、阈值和匹配引擎216确定用于第四和第七已更新输入语句的平均得分符合阈值，并且因此确定第四和第七已更新输入语句是替代语句219。

[0072] 在第二次迭代结束时，判据引擎220确定是否满足判据，并且如上面参照通过判据引擎220进行的第一次迭代所描述的那样控制是否要执行另一次迭代和/或是否要输出替代语句119。回到本示例，因为已经确定了两个替代语句219，所以判据引擎120确定替代语句119的数目(2)不小于符合判据所需的特定数目(例如，2)，并且替代语句子系统202因此将会输出替代语句219。

[0073] 图3是用于确定针对查询的一个或多个替代语句的计算机实现的方法300的流程图。该计算机实现的方法300可以由图1的系统100的一个或多个组件来执行。

[0074] 该计算机实现的方法300包括：在302处，接收引用了第一实体的查询。该查询可以对应于上面参照图1所描述的查询101，并且该查询可以由图1的替代语句子系统202经由图1的网络104从图1的客户端设备110被接收。

[0075] 该计算机实现的方法300还包括：在304处，确定用于查询的非极性疑问句。每个非极性疑问句省略了第一实体的相应目标实体。例如，用于查询的非极性疑问句可以对应于图1的非极性疑问句109，并且可以如上面参照图1所描述的那样由非极性疑问句引擎106确定。

[0076] 该计算机实现的方法300还包括：在306处，针对每个非极性疑问句，通过确定对该非极性疑问句的排名靠前的回答是否与该非极性疑问句的目标实体匹配，来确定该非极性疑问句是否是非匹配非极性疑问句。例如，非匹配非极性疑问句可以对应于上面参照图1所描述的非匹配非极性疑问句113中的一个。附加地，图1的匹配引擎116可以确定和/或接收图1的非极性回答111，并且可以如上面参照图1所描述的那样确定针对图1的非极性疑问句109的目标实体是否与对非极性疑问句109的非极性回答111匹配。

[0077] 该计算机实现的方法300还包括：在307处，确定是否标识到一个或多个非匹配非极性疑问句(例如，在步骤306处)。当未标识到非匹配非极性疑问句时，该计算机实现的方法300包括：在318处，如上面参照图1所描述的那样输出查询的输入语句作为真实语句或输出对查询的极性疑问句的回答“是”。

[0078] 当一个或多个非匹配非极性疑问句被标识到时，该计算机实现的方法300还包括继续：在308处，通过利用对非匹配非极性疑问句的排名靠前的回答替换一个或多个非匹配非极性疑问句中的每个非匹配非极性疑问句的目标实体来确定用于一个或多个非匹配非极性疑问句的一个或多个已更新输入语句；在310处，确定用于一个或多个已更新输入语句的已更新非极性疑问句；并且，在312处，按照迭代或递归的方式确定对每个已更新非极性疑问句的排名靠前的回答是否与已更新非极性疑问句的目标实体匹配，其相应排名靠前的回答与其对应目标实体不匹配的一个或多个已更新非极性疑问句充当进行下一次迭代的一个或多个非匹配非极性疑问句，直到满足判据。例如，一个或多个已更新输入语句可以对应于图1的已更新输入语句115，并且可以如上面参照图1所描述的那样由图1的实体替换引擎118确定。已更新非极性疑问句可以对应于图1的已更新非极性疑问句117，并且可以如上面参照图1所描述的那样由图1的非极性疑问句引擎106确定。匹配引擎116可以如上面参照图1所描述的那样确定对每个已更新非极性疑问句的(例如，图1的非极性回答111中的)排名靠前的回答是否与该已更新非极性疑问句的目标实体匹配。判据可以对应于上面参照图1所描述的判据，并且图1的判据引擎120可以如上面参照图1所描述的那样在314处确定是否满足或符合判据。

[0079] 该计算机实现的方法300还包括：在316处，输出一个或多个已更新输入语句作为针对查询的替代语句。例如，替代语句子系统102可以如上面参照图1所描述的那样经由网络104将替代语句119输出至图1的客户端设备110。

[0080] 图4是用于确定针对查询的一个或多个替代语句的计算机实现的方法400的流程图。该计算机实现的方法400可以由图2的系统200的一个或多个组件执行。在图4中，使用图3的对应附图标记来对该计算机实现的方法400中与计算机实现的方法300中的步骤相同的步骤进行编号。

[0081] 该计算机实现的方法400包括：在302处，接收引用了第一实体的查询，并且在304处，确定用于该查询的非极性疑问句，如上面参照图3所描述的。

[0082] 该计算机实现的方法400还包括：在406处，确定针对非极性疑问句的平均得分。例如，图2的计分、阈值和匹配引擎216可以如上面参照图2所描述的那样确定针对图2的非极性疑问句109的平均得分。

[0083] 该计算机实现的方法400还包括：在407处，确定针对非极性疑问句的平均得分是否符合阈值。例如，图2的计分、阈值和匹配引擎216可以如上面参照图2所描述的那样确定针对图2的非极性疑问句109的平均得分是否符合阈值。当平均得分符合阈值时，该计算机实现的方法400包括：在318处，如上面参照图3所描述的那样输出查询的输入语句作为真实语句或输出对查询的极性疑问句的回答“是”。

[0084] 当平均得分不符合阈值时，该计算机实现的方法400还包括继续：在308处，通过利用对非匹配非极性疑问句的排名靠前的回答替换一个或多个非匹配非极性疑问句中的每个非匹配非极性疑问句的目标实体来确定用于一个或多个非匹配非极性疑问句的一个或多个已更新输入语句；在310处，确定用于一个或多个已更新输入语句的已更新非极性疑问句；并且，在412处，针对每个已更新输入语句，按照迭代或递归的方式，通过确定用于已更新输入语句的针对已更新非极性疑问句的平均得分是否符合阈值，来确定该已更新输入语句是否正确，其相应排名靠前的回答与其对应目标实体不匹配的一个或多个已更新非极性疑问句充当进行下一次迭代的一个或多个非匹配非极性疑问句，直到满足判据。例如，一个或多个已更新输入语句可以对应于图2的已更新输入语句115，并且可以如上面参照图2所描述的那样由图2的实体替换引擎118确定。已更新非极性疑问句可以对应于图2的已更新非极性疑问句117，并且可以如上面参照图2所描述的那样由图2的非极性疑问句引擎106确定。图2的计分、阈值和匹配引擎216可以如上面参照图2所描述的那样，通过确定用于已更新输入语句的针对已更新非极性疑问句的平均得分是否符合阈值，来确定每个已更新输入语句115是否是正确的(例如，是替代语句219)。判据可以对应于上面参照图2所描述的判据，并且判据引擎220可以如上面参照图2所描述的那样在314处确定是否满足或符合判据。

[0085] 该计算机实现的方法400还包括：在316处，输出一个或多个正确的语句作为针对查询的替代语句。例如，替代语句子系统202可以如上面参照图2所描述的那样经由网络104将替代语句219输出至图2的客户端设备110。

[0086] 图5是可以实施说明性实施例的各个方面的示例数据处理系统的框图。数据处理系统500是可以被应用来实施图1的系统100(例如，图1的替代语句子系统102)或图2的系统200(例如，替代语句子系统202)的一个或多个组件的计算机的示例，并且实施针对本公开的说明性实施例的过程的计算机可用代码或指令可以位于该计算机中。在一个说明性实施例中，图5表示计算设备，该计算设备实施被增强为包括下文所描述的说明性实施例的附加机构的图1的系统100(例如，图1的替代语句子系统102)或图2的系统200(例如，替代语句子系统202)的一个或多个组件。

[0087] 在所描绘的示例中，数据处理系统500采用集线器架构，该集线器架构包括北桥和存储器控制器集线器(NB/MCH)506、以及南桥和输入/输出(I/O)控制器集线器(SB/ICH)510。(多个)处理器502、主存储器504、和图形处理器508被连接到NB/MCH 506。图形处理器
508可以通过加速图形端口(AGP)被连接到NB/MCH 506。

[0088] 在所描绘的示例中，局域网(LAN)适配器516连接至SB/ICH 510。音频适配器530、键盘和鼠标适配器522、调制解调器524、只读存储器(ROM)526、硬盘驱动器(HDD)512、压缩盘ROM(CD-ROM)驱动器514、通用串行总线(USB)端口和其它通信端口518、以及外围组件互连(PCI)或PCI Express(PCIe)设备520通过总线532和总线534连接至SB/ICH 510。PCI/PCIe设备可以包括，例如，以太网适配器、插入卡、和用于笔记本计算机的个人计算机(PC)卡。PCI使用卡总线控制器，而PCIe不使用。ROM 526可以是，例如，闪速基本输入/输出系统(BIOS)。

[0089] HDD 512和CD-ROM驱动器514通过总线534连接至SB/ICH 510。HDD 512和CD-ROM驱动器514可以使用，例如，集成驱动器电子设备(IDE)或串行高级技术附件(SATA)接口。超级I/O(SIO)设备528可以连接至SB/ICH 510。

[0090] 操作系统在(多个)处理器502上运行。操作系统配合并且提供对图5中的数据处理系统500内的各种组件的控制。在一些实施例中，操作系统可以是市售操作系统，诸如Windows  面向对象的编程系统，诸如JavaTM编程系统，可以结合操作系统运行并且从在数据处理系统500上执行的JavaTM程序或应用提供对操作系统的调用。

[0091] 在一些实施例中，数据处理系统500可以是，例如， eServerTMSystem 计算机系统，运行高级交互执行程序 操作系统或 操作系统。数据处理系统500可以是包括多个处理器502的对称多处理器(SMP)系统。备选地，可以采用单个处理器系统。

[0092] 用于操作系统、面向对象的编程系统、以及应用或程序的指令位于存储设备上，诸如HDD 512，并且可以被加载到主存储器504中以供(多个)处理器502执行。用于本公开的说明性实施例的过程可以由(多个)处理器502使用计算机可用程序代码来执行，该计算机可用程序代码可以位于存储器(诸如，例如，主存储器504、ROM 526)中，或可以位于例如一个或多个外围设备512和514中。

[0093] 总线系统，诸如图5所示的总线532或总线534可以包括一个或多个总线。总线系统可以使用任何类型的通信结构或架构来实施，该通信结构或架构提供在被附接至该结构或架构的不同组件或设备之间的数据传输。通信单元，诸如图5中的调制解调器524或网络适配器516，可以包括用于传送和接收数据的一个或多个设备。存储器可以是，例如，主存储器504、ROM 526、或缓存(诸如在图5中的NB/MCH 506中发现的缓存)。

[0094] 本公开可以是任何可能的技术详细集成度下的系统、方法、和/或计算机程序产品。该计算机程序产品可以包括计算机可读存储介质(或多种介质)，其上具有用于使处理器执行本公开的各个方面的计算机可读程序指令。

[0095] 计算机可读存储介质可以是能够保存和存储供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可以是，例如，但不限于，电子存储设备、磁性存储设备、光学存储设备、电磁存储设备、半导体存储设备、或上述的任何合适的组合。计算机可读存储介质的更多具体示例的非穷尽列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、ROM、可擦除可编程只读存储器(EPROM)或闪速存储器、静态RAM(SRAM)、便携式CD-ROM、数字视频光盘(DVD)、记忆棒、软盘、上面记录有指令的机械编码设备(诸如，穿孔卡或在凹槽中的凸起结构)、以及上述的任何合适的组合。计算机可读存储介质，如本文所使用的，本身不应该被视为是瞬态信号，诸如无线电波或其它自由传播的电磁波、通过波导或其它传输介质(例如，通过光纤电缆的光脉冲)传播的电磁波、或通过导线传送的电信号。

[0096] 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。

[0097] 用于执行本公开的操作的计算机可读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、用于集成电路的配置数据、或以一种或多种编程语言的任何组合编写的源代码或对象代码，编程语言包括面向对象的编程语言(诸如，Smalltalk、C++等)以及程序化编程语言(诸如，“C”编程语言或类似的编程语言)。计算机可读程序指令可以完全在用户的计算机上执行、部分地在用户的计算机上执行、作为独立的软件包执行、部分地在用户的计算机上且部分地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。在后一种情形下，远程计算机可以通过任何类型的网络(包括局域网(LAN)或广域网(WAN))被连接至用户的计算机，或者可以连接至外部计算机(例如，通过使用互联网业务提供商的互联网)。在一些实施例中，包括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)的电子电路可以通过利用计算机可读程序指令的状态信息个性化电子电路来执行计算机可读程序指令，以便执行本公开的各个方面。

[0098] 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。

[0099] 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。

[0100] 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。

[0101] 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。

[0102] 已经出于说明的目的提出了本公开的各种实施例的描述，但这些描述不旨在是穷尽性的或局限于所公开的实施例。在不脱离所描述的实施例的范围和精神的情况下，本领域的普通技术人员能想到许多修改和改变。本文所使用的术语的选取是为了最好地阐释实施例的原理、对市场上发现的技术的实际应用或技术改进、或是为了使本领域的普通技术人员能够理解本文所公开的实施例。