一种SPO的选择方法、装置、电子设备及存储介质与流程

本申请涉及计算机处理技术领域，进一步涉及人工智能技术，尤其是一种三元组spo的选择方法、装置、电子设备及存储介质。

背景技术：

知识图谱是从语义角度用结构化形式表示的真实世界知识的大规模知识库，是一张有向图，其中包括实体(节点)、关系(边)等要素。三元组spo，是指实体对(主语s-宾语opair)与它们间的关系(谓语p)构成的三元组。知识图谱中的spo三元组数据可广泛的用于搜索和推荐产品中，既可以直接满足用户对于实体关联的需求，也可以有效提高人们检索和浏览实体的效率，提升用户体验。

一方面，开放spo抽取是多个来源的，不同来源可能有冲突；另一方面，存在抽取算法准确率和数据源质量问题，因此需要融合择优解决从质量参差不齐的来源里面选择正确的spo，保证输出事实知识的准确性。

在现有技术中，通常采用以下两种方案实现spo的选择：(1)基于spo出现的次数进行选择：对每个spo在各个文本中被抽取的次数进行投票，将出现次数最多或者高于某一次数预设阈值的spo作为最终选择结果；(2)基于spo置信度得分进行选择：对于各个来源的文本或不同的抽取模型赋予不同的权值，通过加权求和的方式得到每个spo最终的置信度打分，将得分最高或者超过某一得分阈值的spo作为最终选择结果。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：

针对上述方案(1)和(2)，都过于依赖上游设备的挖掘效果，如果上游设备本身存在错误，仅通过计数或者加和的方式，会导致最终选择出的spo的准确率降低。

技术实现要素：

有鉴于此，本申请提出实施例提供一种spo的选择方法、装置、电子设备及存储介质，在上游模型存在错误的情况下，可以过滤掉不符合约束条件的spo，从而可以提高选择spo的准确率。

第一方面，本申请实施例提供了一种spo的选择方法，所述方法包括：

将上游设备抽取出的当前主语和谓语sp对应的多个宾语o值进行过滤，得到所述当前sp对应的符合约束条件的spo；

根据所述当前sp对应的符合约束条件的spo以及预先确定的所述符合约束条件的spo中的各个o值的得分，在所述符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。

上述实施例具有如下优点或有益效果：上述实施例通过将上游设备抽取出的当前sp对应的多个o值进行过滤，从而可以过滤掉不符合约束条件的spo，保留下符合约束条件的spo，这样可以在符合约束条件的spo中选择出若干个spo，而不是在全部的spo中选择出若干个spo，由于减小了spo的选择范围，所以可以提高选择spo的准确率。

在上述实施例中，在所述将上游设备抽取出的当前sp对应的多个o值进行过滤之前，所述方法还包括：

判断所述当前sp是否为有效的sp；

若判定出所述当前sp为有效的sp，则执行所述将上游设备抽取出的当前sp对应的多个o值进行过滤的操作。

上述实施例具有如下优点或有益效果：上述实施例可以通过判断sp的有效性，可以只针对有效的sp进行选择spo的操作，而不针对无效的sp进行选择spo的操作，这样可以节省时间，提高效率。

在上述实施例中，所述将上游设备抽取出的当前sp对应的多个o值进行过滤，包括：

获取所述当前sp对应的各个o值的类别；

将所述当前sp对应的各个o值的类别与预先确定的当前p值的类别进行匹配；其中，所述当前p值为所述当前sp中的p值；

若所述当前sp对应的各个o值的类别与所述当前p值的类别匹配成功，则将匹配成功的o值确定为所述当前sp对应的有效的o值；

根据所述当前sp以及所述有效的o值确定出所述符合约束条件的spo。

上述实施例具有如下优点或有益效果：上述实施例通过将各个o值的类别与当前p值的类别进行匹配，可以得到当前sp对应的有效的o值和当前sp对应的无效的o值，这里只保留当前sp对应的有效的o值，然后根据当前sp以及有效的o值确定出符合约束条件的spo，由于采取了类别匹配的技术手段，从而可以提高选择spo的准确率。

在上述实施例中，所述在所述符合约束条件的spo中选择出n个spo，包括：

将所述当前sp对应的各个o值的得分进行累加，并根据各个o值的累加得分对所述当前sp对应的全部o值进行排序；

在所述当前sp中提取出当前p值，并根据所述当前p值以及预先确定的p值与属性的对应关系，确定出所述当前p值的属性；其中，所述当前p值的属性包括：单值属性或者多值属性；

若所述当前p值的属性为所述单值属性，则根据排序后的各个o值的累加得分，在所述符合约束条件的spo中选择出一个spo；

若所述当前p值的属性为所述多值属性，则根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在所述符合约束条件的spo中选择出多个spo。

上述实施例具有如下优点或有益效果：上述实施例通过区别当前p值的属性，可以将其划分到单值属性和多值属性中，针对不同的属性采取不同的手段，即：若当前p值的属性为单值属性，则根据排序后的各个o值的累加得分，在符合约束条件的spo中选择出一个spo；若当前p值的属性为多值属性，则根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在符合约束条件的spo中选择出多个spo。这样可以更加快速地选择出符合约束条件的spo。

在上述实施例中，所述根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在所述符合约束条件的spo中选择出多个spo，包括：

若第m个o值的得分乘以第m个o值的先验概率大于第m+1个o值的得分乘以第m+1个o值的先验概率，则在所述排序后的各个o值中选择出前m个o值，并根据所述前m个o值确定出m个spo；其中，m为大于1的自然数。

上述实施例具有如下优点或有益效果：上述实施例根据o值的得分和o值的先验概率，将第m个o值的得分乘以第m个o值的先验概率与第m+1个o值的得分乘以第m+1个o值的先验概率进行比较，若第m个o值的得分乘以第m个o值的先验概率大于第m+1个o值的得分乘以第m+1个o值的先验概率，则在排序后的各个o值中选择出前m个o值，可以快速准确地在多个o值中选择出m个o值，从而可以根据选择出的m个o值确定出m个spo。

第二方面，本申请还提供了一种spo的选择装置，所述装置包括：spo过滤模块和o值判断模块；其中，

所述spo过滤模块，用于将上游设备抽取出的当前主语和谓语sp对应的多个宾语o值进行过滤，得到所述当前sp对应的符合约束条件的spo；

所述o值判断模块，用于根据所述当前sp对应的符合约束条件的spo以及预先确定的所述符合约束条件的spo中的各个o值的得分，在所述符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。

在上述实施例中，所述装置还包括：sp-nil判定模块，用于判断所述当前sp是否为有效的sp；若判定出所述当前sp为有效的sp，则通过所述spo过滤模块执行所述将上游设备抽取出的当前sp对应的多个o值进行过滤的操作。

在上述实施例中，所述spo过滤模块包括：获取子模块、匹配子模块和确定子模块；其中，

所述获取子模块，用于获取所述当前sp对应的各个o值的类别；

所述匹配子模块，用于将所述当前sp对应的各个o值的类别与预先确定的当前p值的类别进行匹配；其中，所述当前p值为所述当前sp中的p值；

所述确定子模块，用于若所述当前sp对应的各个o值的类别与所述当前p值的类别匹配成功，则将匹配成功的o值确定为所述当前sp对应的有效的o值；根据所述当前sp以及所述有效的o值确定出所述符合约束条件的spo。

在上述实施例中，所述o值判断模块包括：排序子模块和选择子模块；其中，

所述排序子模块，用于将所述当前sp对应的各个o值的得分进行累加，并根据各个o值的累加得分对所述当前sp对应的全部o值进行排序；

所述选择子模块，用于在所述当前sp中提取出当前p值，并根据所述当前p值以及预先确定的p值与属性的对应关系，确定出所述当前p值的属性；其中，所述当前p值的属性包括：单值属性或者多值属性；若所述当前p值的属性为所述单值属性，则根据排序后的各个o值的累加得分，在所述符合约束条件的spo中选择出一个spo；若所述当前p值的属性为所述多值属性，则根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在所述符合约束条件的spo中选择出多个spo。

第三方面，本申请实施例提供了一种电子设备，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任意实施例所述的spo的选择方法。

第四方面，本申请实施例提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现本申请任意实施例所述的spo的选择方法。

上述申请中的一个实施例具有如下优点或有益效果：本申请提出的spo的选择方法、装置、电子设备及存储介质，先将上游设备抽取出的当前sp对应的多个o值进行过滤，得到当前sp对应的符合约束条件的spo；然后根据当前sp对应的符合约束条件的spo以及预先确定的符合约束条件的spo中的各个o值的得分，在符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。也就是说，本申请可以过滤掉不符合约束条件的spo，从而达到提高选择spo的准确率的目的。而现有的spo的选择方法，过于依赖上游设备的挖掘效果，如果上游设备本身存在错误，仅通过计数或者加和的方式，会导致最终选择出的spo的准确率降低。因为本申请采用了对多个o值进行过滤的技术手段，并且采用了在符合约束条件的spo中选择spo的技术手段，克服了现有技术中选择spo准确率低的技术问题，采用本申请提出的技术方案，在上游设备存在错误的情况下，可以过滤掉不符合约束条件的spo，从而可以提高选择spo的准确率；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是本申请实施例一提供的spo的选择方法的流程示意图；

图2是本申请实施例二提供的spo的选择方法的流程示意图；

图3是本申请实施例二提供的spo的选择系统的结构示意图；

图4是本申请实施例三提供的spo的选择装置的结构示意图；

图5是本申请实施例三提供的spo过滤模块的结构示意图；

图6是本申请实施例三提供的o值判断模块的结构示意图；

图7是用来实现本申请实施例的spo的选择方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

实施例一

图1是本申请实施例一提供的spo的选择方法的流程示意图，该方法可以由spo的选择装置或者电子设备来执行，该装置或者电子设备可以由软件和/或硬件的方式实现，该装置或者电子设备可以集成在任何具有网络通信功能的智能设备中。如图1所示，spo的选择方法可以包括以下步骤：

s101、将上游设备抽取出的当前sp对应的多个o值进行过滤，得到当前sp对应的符合约束条件的spo。

在本申请的具体实施例中，电子设备可以将当前sp以及上游设备抽取出的当前sp对应的多个o值分别输入至spo过滤模块中，通过spo过滤模块输出当前sp对应的符合约束条件的spo。具体地，电子设备可以通过spo过滤模型先获取当前sp对应的各个o值的类别；然后将当前sp对应的各个o值的类别与预先确定的当前sp中的p值的类别进行匹配；若当前sp对应的各个o值的类别与预先确定的p值的类别匹配成功，则将匹配成功的o值确定为当前sp对应的有效的o值；再根据当前sp以及有效的o值确定出符合约束条件的spo。例如，假设当前sp中的p值的类别为“主演”，当前sp对应的某个o值的类别为“人物”，由于该o值的类别“人物”与p值的类别“主演”相匹配，则可以将该o值确定为当前sp对应的有效的o值，因此可以根据当前sp以及该o值确定出符合约束条件的spo。

s102、根据当前sp对应的符合约束条件的spo以及预先确定的符合约束条件的spo中的各个o值的得分，在符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。

在本申请的具体实施例中，电子设备可以将当前sp对应的符合约束条件的spo以及预先确定的符合约束条件的spo中的各个o值的得分分别输入至o值判断模块中，通过o值判断模块在符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。具体地，电子设备可以通过o值判断模块先将当前sp对应的各个o值的得分进行累加，并根据各个o值的累加得分对当前sp对应的全部o值进行排序；然后在当前sp中提取出当前p值，并根据当前p值以及预先确定的p值与属性的对应关系，确定出当前p值的属性；其中，当前p值的属性包括：单值属性或者多值属性；若当前p值的属性为单值属性，则电子设备可以根据排序后的各个o值的累加得分，在符合约束条件的spo中选择出一个spo；若当前p值的属性为多值属性，则电子设备可以根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在符合约束条件的spo中选择出多个spo。

本申请实施例提出的spo的选择方法，先将上游设备抽取出的当前sp对应的多个o值进行过滤，得到当前sp对应的符合约束条件的spo；然后根据当前sp对应的符合约束条件的spo以及预先确定的符合约束条件的spo中的各个o值的得分，在符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。也就是说，本申请可以过滤掉不符合约束条件的spo，从而达到提高选择spo的准确率的目的。而现有的spo的选择方法，过于依赖上游设备的挖掘效果，如果上游设备本身存在错误，仅通过计数或者加和的方式，会导致最终选择出的spo的准确率降低。因为本申请采用了对多个o值进行过滤的技术手段，并且采用了在符合约束条件的spo中选择spo的技术手段，克服了现有技术中选择spo准确率低的技术问题，采用本申请提出的技术方案，在上游设备存在错误的情况下，可以过滤掉不符合约束条件的spo，从而可以提高选择spo的准确率；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例二

图2是本申请实施例二提供的spo的选择方法的流程示意图。如图2所示，spo的选择方法可以包括以下步骤：

s201、判断当前sp是否为有效的sp；若是，执行s202；否则，执行s206。

在本申请的具体实施例中，电子设备可以将当前sp输入至sp-nil判定模型中，通过sp-nil判定模型判断当前sp是否为有效的sp；若当前sp为有效的sp，则执行s202；若当前sp为无效的sp，则执行s206。具体地，电子设备可以根据当前p值的概率分布判断当前sp是否为有效的sp。例如，若当前p值的先验概率高于或者等于预设概率阈值，则电子设备可以判定当前sp为有效的sp；若当前p值的先验概率低于预设概率阈值，则电子设备可以判定当前sp为无效的sp。另外，电子设备还可以根据当前sp的热度特征判断当前sp是否为有效的sp。例如，若当前sp中包括至少一个热度特征，则电子设备可以判定当前sp为有效的sp；若当前sp中不包括任意一个热度特征，则电子设备可以判定当前sp为无效的sp。此外，电子设备还可以根据当前sp对应的各个o值的得分判断当前sp是否为有效的sp。例如，若当前sp对应的各个o值的得分的平均分高于或者等于预设分数阈值，则电子设备可以判定当前sp为有效的sp；若当前sp对应的各个o值的得分的平均分低于预设分数阈值，则电子设备可以判定当前sp为无效的sp。

s202、将上游设备抽取出的当前sp对应的多个o值进行过滤，得到当前sp对应的符合约束条件的spo。

在本申请的具体实施例中，若通过sp-nil判定模块判定出当前sp为有效的sp，则sp-nil判定模块可以将当前sp以及上游设备抽取出的当前sp对应的多个o值分别输入至spo过滤模块中，通过spo过滤模块输出当前sp对应的符合约束条件的spo。具体地，电子设备可以通过spo过滤模型先获取当前sp对应的各个o值的类别；然后将当前sp对应的各个o值的类别与预先确定的当前p值的类别进行匹配；其中，当前p值为当前sp中的p值；若当前sp对应的各个o值的类别与当前p值的类别匹配成功，则sp-nil判定模块可以将匹配成功的o值确定为当前sp对应的有效的o值；再根据当前sp以及有效的o值确定出符合约束条件的spo。

s203、将当前sp对应的各个o值的得分进行累加，并根据各个o值的累加得分对当前sp对应的全部o值进行排序。

在本申请的具体实施例中，电子设备可以将通过o值判断模块将当前sp对应的各个o值的得分进行累加，并根据各个o值的累加得分对当前sp对应的全部o值进行排序。具体地，电子设备可以根据当前sp对应的各个o值获取到各个o值的得分，然后将各个o值的得分进行累加，并根据各个o值的累加得分对当前sp对应的全部o值进行排序。

s204、在当前sp中提取出当前p值，并根据当前p值以及预先确定的p值与属性的对应关系，确定出当前p值的属性；其中，当前p值的属性包括：单值属性或者多值属性。

在本申请的具体实施例中，电子设备可以通过o值判断模块在当前sp中提取出当前p值，并根据当前p值以及预先确定的p值与属性的对应关系，确定出当前p值的属性；其中，当前p值的属性包括：单值属性或者多值属性。具体地，电子设备可以预先确定出p值与属性的对应关系，在本步骤中，电子设备可以根据提取出的当前p值以及预先确定的p值与属性的对应关系，确定出当前p值的属性。

s205、若当前p值的属性为单值属性，则根据排序后的各个o值的累加得分，在符合约束条件的spo中选择出一个spo；若当前p值的属性为多值属性，则根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在符合约束条件的spo中选择出多个spo。

在本申请的具体实施例中，若当前p值的属性为单值属性，则电子设备可以通过o值判断模块根据排序后的各个o值的累加得分，在符合约束条件的spo中选择出一个spo；若当前p值的属性为多值属性，则电子设备可以通过o值判断模块根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在符合约束条件的spo中选择出多个spo。具体地，若当前p值的属性为单值属性，则电子设备可以在排序后的各个o值中选择累加得分最高的o值，然后将该累加得分最高的o值和当前sp组合成为一个spo。若当前p值的属性为多值属性，则电子设备可以获取各个o值的得分以及各个o值的先验概率，若第m个o值的得分乘以第m个o值的先验概率大于第m+1个o值的得分乘以第m+1个o值的先验概率，则在排序后的各个o值中选择出前m个o值，并根据前m个o值确定出m个spo；其中，m为大于1的自然数。

s206、结束spo的选择流程。

在本申请的具体实施例中，若通过sp-nil模块判定出当前sp为无效的sp，则电子设备可以结束spo的选择流程。

图3是本申请实施例二提供的spo的选择系统的结构示意图。如图3所示，spo选择模型包括：输入模块、sp-nil模块、spo过滤模块、o值判断模块、外部依赖模块、先验数据库以及输出模块；其中，每个模块的功能如下：

输入模块，用于接收上游设备发送的当前sp对应的多个o值，将当前sp以及当前sp对应的各个o值输入至sp-nil模块；

sp-nil模块，用于判定当前sp是否为有效的sp；若判定出当前sp为有效的sp，则将当前sp以及当前sp对应的多个o值发送至spo有效性过滤模块。具体地，在输入的当前sp中，有一部分sp本身就是错误(如“北京-出生地”)或者不存在o值(如“鹿晗-妻子”)，那么，如果输出这类spo就会影响最终的准确率。sp-nil判定模块可以通过先验置信度和后验置信度来判定当前sp是否有效，如果sp的先验置信度或者后验置信度比较低，则sp-nil模块可以判定当前sp对应的o值应该为空(nil)。这里，先验置信度可以根据当前p值的概率分布或者当前sp的热度特征来确定；后验置信度可以根据当前sp对应的各个o值的得分来确定。

spo过滤模块，用于将上游设备抽取出的当前sp对应的多个o值进行过滤，得到当前sp对应的符合约束条件的spo。具体地，该模块的输入是多个spo，即：para-s-p-o，判断输入的o值的类别是否符合当前p值对于实体的类别约束，该模块的输出是过滤后的有效的para-s-p-o。为了得到当前p值对应的正确的o值实体类别，本申请可以统计出已有的知识库中p值对应的o值的类别，比如，对于p值“主演”，得到约束o值的类别是“人物”；为了得到o值的类别，可以借助词性识别及子图关联工具得到该o值的挖掘文本中每个词的词性及每个命名实体所属的类别，通过词性对类别进行补充，例如，将词性识别为nr的词作为“人物”类别。根据当前p值对应的o值约束及上游设备输入的o值的类别，可以过滤掉不符合类别约束的spo。

o值判断模块，用于将当前sp对应的各个o值的得分进行累加，并根据各个o值的累加得分对当前sp对应的全部o值进行排序；在当前sp中提取出当前p值，并根据当前p值以及预先确定的p值与属性的对应关系，确定出当前p值的属性；其中，当前p值的属性包括：单值属性或者多值属性；若当前p值的属性为单值属性，则根据排序后的各个o值的累加得分，在符合约束条件的spo中选择出一个spo；若当前p值的属性为多值属性，则根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在符合约束条件的spo中选择出多个spo。具体地，该模块的输入是当前sp对应的所有有效的o值及各个o值的得分，即：<para，o，o_score>，输出是当前sp以及o值的列表，即：<s，p，o_list>。该模块首先对每个输入的o值得分进行累加，得到每个o值的最终得分，并按照得分对每个o值进行排序。然后，为了确定o值的产出个数，本申请可以通过先验知识库对每个p值对应的o值的数量分布进行统计，根据先验知识库中已有spo得到每个p值对应中o值的数量分布，例如“导演”是o值数量分布为"1":0.68，"2":0.25，…，表示在知识库中，有68％的“导演”关系包含1个o值，有25％的“导演”关系包含2个o值，以此类推。这里还可以确定当前p值的属性，如果当前p值的属性是单值属性，仅保留最高得分的o值；如果当前p值的属性是多值属性，根据各个o值的先验分布和后验分布计算出o值的产出个数，具体的方法如下：若第m个o值的得分乘以第m个o值的先验概率大于第m+1个o值的得分乘以第m+1个o值的先验概率，则在排序后的各个o值中选择出前m个o值，并根据前m个o值确定出m个spo。

外部依赖模块，用于为spo过滤模块提供工具支撑，该模块至少可以包括以下深度学习工具：子图关联egl和词性识别工具。

先验数据库，用于为spo过滤模块和o值判断模块提供数据支撑，该模块至少可以包括以下数据：p值的概率分布、sp的热度特征、p值的类别和o值的类别。

输出模块，用于输出在符合约束条件的spo中选择出的n个spo。

本申请实施例提出的spo的选择方法，先将上游设备抽取出的当前sp对应的多个o值进行过滤，得到当前sp对应的符合约束条件的spo；然后根据当前sp对应的符合约束条件的spo以及预先确定的符合约束条件的spo中的各个o值的得分，在符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。也就是说，本申请可以过滤掉不符合约束条件的spo，从而达到提高选择spo的准确率的目的。而现有的spo的选择方法，过于依赖上游设备的挖掘效果，如果上游设备本身存在错误，仅通过计数或者加和的方式，会导致最终选择出的spo的准确率降低。因为本申请采用了对多个o值进行过滤的技术手段，并且采用了在符合约束条件的spo中选择spo的技术手段，克服了现有技术中选择spo准确率低的技术问题，采用本申请提出的技术方案，在上游设备存在错误的情况下，可以过滤掉不符合约束条件的spo，从而可以提高选择spo的准确率；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

实施例三

图4是本申请实施例三提供的spo的选择装置的结构示意图。如图4所示，所述装置400包括：spo过滤模块401和o值判断模块402；其中，

所述spo过滤模块401，用于将上游设备抽取出的当前sp对应的多个o值进行过滤，得到所述当前sp对应的符合约束条件的spo；

所述o值判断模块402，用于根据所述当前sp对应的符合约束条件的spo以及预先确定的所述符合约束条件的spo中的各个o值的得分，在所述符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。

进一步，所述装置还包括：sp-nil判定模块(图中未示出)，用于判定所述当前sp是否为有效的sp；若判定出所述当前sp为有效的sp，则通过所述spo过滤模块执行所述将上游设备抽取出的当前sp对应的多个o值进行过滤的操作。

图5是本申请实施例三提供的sp过滤模块的结构示意图。如图5所示，所述spo过滤模块401包括：获取子模块4011、匹配子模块4012和确定子模块4013；其中，

所述获取子模块4011，用于获取所述当前sp对应的各个o值的类别；

所述匹配子模块4012，用于将所述当前sp对应的各个o值的类别与预先确定的当前p值的类别进行匹配；其中，所述当前p值为所述当前sp中的p值；

所述确定子模块4013，用于若所述当前sp对应的各个o值的类别与所述当前p值的类别匹配成功，则将匹配成功的o值确定为所述当前sp对应的有效的o值；根据所述当前sp以及所述有效的o值确定出所述符合约束条件的spo。

图6是本申请实施例三提供的o值判断模块的结构示意图。如图6所示，所述o值判断模块402包括：排序子模块4021和选择子模块4022；其中，

所述排序子模块4021，用于将所述当前sp对应的各个o值的得分进行累加，并根据各个o值的累加得分对所述当前sp对应的全部o值进行排序；

所述选择子模块4022，用于在所述当前sp中提取出当前p值，并根据所述当前p值以及预先确定的p值与属性的对应关系，确定出所述当前p值的属性；其中，所述当前p值的属性包括：单值属性或者多值属性；若所述当前p值的属性为所述单值属性，则根据排序后的各个o值的累加得分，在所述符合约束条件的spo中选择出一个spo；若所述当前p值的属性为所述多值属性，则根据排序后的各个o值的累加得分以及预先确定的每个p值对应的o值的概率分布，在所述符合约束条件的spo中选择出多个spo。

进一步的，所述选择子模块4022，具体用于若第m个o值的得分乘以第m个o值的先验概率大于第m+1个o值的得分乘以第m+1个o值的先验概率，则在所述排序后的各个o值中选择出前m个o值，并根据所述前m个o值确定出m个spo；其中，m为大于1的自然数。

上述spo的选择装置可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的spo的选择方法。

实施例四

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图7所示，是根据本申请实施例的spo的选择方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图7所示，该电子设备包括：一个或多个处理器701、存储器702，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示gui的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图7中以一个处理器701为例。

存储器702即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的spo的选择方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的spo的选择方法。

存储器702作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的spo的选择方法对应的程序指令/模块(例如，附图4所示的spo过滤模块401和o值判断模块402)。处理器701通过运行存储在存储器702中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的spo的选择方法。

存储器702可以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、至少一个功能所需要的应用程序；存储数据区可存储根据spo的选择方法的电子设备的使用所创建的数据等。此外，存储器702可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至spo的选择方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

spo的选择方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。

输入装置703可接收输入的数字或字符信息，以及产生与spo的选择方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置704可以包括显示设备、辅助照明装置(例如，led)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(lcd)、发光二极管(led)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用asic(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(pld))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、互联网和区块链网络。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，先将上游设备抽取出的当前sp对应的多个o值进行过滤，得到当前sp对应的符合约束条件的spo；然后根据当前sp对应的符合约束条件的spo以及预先确定的符合约束条件的spo中的各个o值的得分，在符合约束条件的spo中选择出n个spo；其中，n为大于等于1的自然数。也就是说，本申请可以过滤掉不符合约束条件的spo，从而达到提高选择spo的准确率的目的。而现有的spo的选择方法，过于依赖上游设备的挖掘效果，如果上游设备本身存在错误，仅通过计数或者加和的方式，会导致最终选择出的spo的准确率降低。因为本申请采用了对多个o值进行过滤的技术手段，并且采用了在符合约束条件的spo中选择spo的技术手段，克服了现有技术中选择spo准确率低的技术问题，采用本申请提出的技术方案，在上游设备存在错误的情况下，可以过滤掉不符合约束条件的spo，从而可以提高选择spo的准确率；并且，本申请实施例的技术方案实现简单方便、便于普及，适用范围更广。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。