CN110727853A - 向用户呈现控制的异构数字内容 - Google Patents
向用户呈现控制的异构数字内容 Download PDFInfo
- Publication number
- CN110727853A CN110727853A CN201910623681.XA CN201910623681A CN110727853A CN 110727853 A CN110727853 A CN 110727853A CN 201910623681 A CN201910623681 A CN 201910623681A CN 110727853 A CN110727853 A CN 110727853A
- Authority
- CN
- China
- Prior art keywords
- user
- topic
- topics
- content
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 82
- 230000015654 memory Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 4
- 230000010365 information processing Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 59
- 238000010586 diagram Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000004044 response Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000013500 data storage Methods 0.000 description 3
- 230000008451 emotion Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 235000014510 cooky Nutrition 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003042 antagnostic effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
- G06F16/437—Administration of user profiles, e.g. generation, initialisation, adaptation, distribution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/438—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24573—Query processing with adaptation to user needs using data annotations, e.g. user-defined metadata
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9538—Presentation of query results
Abstract
提供方法以向用户呈现控制的异构数字内容。该方法接收对应于诸如已经由用户在显示设备上观看了的由用户先前地访问了的内容项的主题。对立主题与识别的主题关联,其中对立主题中的每一个与对应主题相反。基于对立主题的至少一些计算用户位置分数。此位置分数用于识别然后向用户呈现的内容推荐。
Description
技术领域
本发明一般涉及信息处理系统,具体涉及向用户呈现控制的异构数字内容。
背景技术
推荐系统典型地基于诸如畅销商品和最常玩的项目的大多数顾客的偏好提出内容。传统系统基于用户的和类似用户的偏好提出内容。例如,请求科幻电影的视频流媒体提供者的注册用户,传统推荐服务将推荐其它科幻电影。不幸的是,利用传统系统,这些推荐中的许多可能已经由用户可能地使用不同的视频服务观看了。
传统推荐系统提供根据用户的兴趣给出推荐的解决方案。虽然这是传统推荐系统的强点,但是这也是他们的弱点。这是因为当前的解决方案在限制的范围中提供建议或推荐。一旦已经识别了用户的兴趣,就提出匹配这样的兴趣的内容。然而,随着时间经过,这样的传统服务的用户接收越来越多的类似内容并且传统服务不提供用于将用户的内容兴趣扩展并且延伸到其它区域中的功能。
发明内容
提供了向用户呈现控制的异构数字内容的方法。该方法接收对应于诸如已经由用户在显示设备上观看了的由用户先前地访问了的内容项的主题。对立主题关联到识别的主题,其中对立主题中的每一个与对应的主题相反。基于对立主题中的至少一些计算用户位置分数。此位置分数用于识别随后向用户呈现的内容推荐。
前述是发明内容并且因此必然包含细节的简化、一般化、和省略;因此,本领域技术人员将理解,发明内容仅是说明性的并且不旨在以任何方式限制。如仅由权利要求定义的本发明的其它方面、发明特征、和优点将在以下阐述的非限制的详细描述中变得显而易见。
附图说明
通过参考附图,可以更好地理解本发明,并且本发明的众多目的、特征、和优点对于本领域技术人员而言是显而易见的,其中:
图1描绘了计算机网络中的问题/回答创建(question/answer,QA)系统的一个说明性实施例的示意图;
图2示出了作为能够执行本文描述的计算操作的计算机系统的简化示例的信息处理系统,更具体地,处理器和共同组件;
图3是描绘在向用户呈现控制的异构数字内容中利用的组件的系统图;
图4是示出由分类模块执行的步骤的流程图;
图5是示出由剖析模块执行的步骤的流程图;
图6是示出由位置计算模块执行的步骤的流程图;并且
图7是示出由推荐模块执行的步骤的流程图。
具体实施方式
图1-7描绘了向用户呈现控制的异构数字内容的方法。本文描述的方法能够基于用户相对于主题的列表的位置提供新的定制推荐,并且在一个实施例中,根据由用户表现的偏好。该方法基于参考系统,参考系统包括分类模块、剖析模块、位置计算模块、和推荐模块。分类模块分类所有感兴趣的主题。对于分类的每个主题,也识别一个或多个对立主题。每个用户由剖析模块剖析。在通过剖析模块收集用户的数据之后,系统计算用户相对于对立主题的位置。给定用户的位置,推荐模块提出具有包括对抗主题的推荐的合适的数字内容。新内容被添加到系统中并且由分类模块分类。只要用户请求内容,就会重复地更新用户简档(profile)。周期性地,由计算模块重新评估用户位置以维持更新的分数以便提供内容建议。如本文使用的,“相反”或“对立”主题指代传统系统中基于主题地图(map)和用户的历史将不会向用户建议的主题。换句话说,“相反”或“对立”主题是主题地图上阈值外部的主题。另外,距离标度能够应用到识别的主题与其对立主题之间的主题的距离。
以下是本文描述的方法的示例性实施例。在此实施例中,中央系统用于收集用户的信息,并且在需求上,向其它应用提供用户的兴趣。对于每个用户的集中式系统存储唯一地识别用户的标识符、用户相对于主题的位置;以及用户的兴趣和其它用户简档信息。用户能够通过浏览器cookie匿名地被识别或者利用用户使用以登录中央系统的凭证被识别。给定用户的识别,跟踪并且在系统中存储用户对数字内容的使用。通过界面,用户能够访问中央系统以查看他们的状况(用户的当前位置)并且以指定他们想要发现/加深哪个主题(用户的期望位置)。当用户访问数字内容时,内容提供者接收用户的标识符(例如,本地存储为cookie或类似等)并且在用户的简档中记录内容的访问。
数字内容提供者的一个目标是提出由用户欣赏的内容。由于此目标,内容提供者有兴趣知道用户针对其可用标记内容的偏好。为了实现这一点,内容提供者利用用户的标识符查询中央系统。中央系统利用用户的当前主题位置、用户的期望主题位置、和表示用于从当前位置向期望位置的移位的范围的参数进行回复。内容提供者然后详细说明标签(主题)的列表和允许用户朝向期望状态移动的每个标签的百分比。
例如,当用户访问数字提供者应用时,内容提供者接收用户的标识符并且向集中式系统请求{user_ID}。集中式系统回复{user_ID,图形,c},其中图形是用户的当前主题位置和用户的期望主题位置的表示,并且c是用于计算用于产生用户的位置的移位的适当推荐的系数。数字内容提供者根据接收的图形加上参数c识别内容,并且然后将推荐传送回用户。最后,内容提供者向集中式系统通信传达关于已经由用户选择了的内容以及用户的反馈(如果可用),使得中央系统能够自动地更新用户的位置。
本文使用的术语仅用于描述具体实施例的目的并且不旨在限制公开。如本文使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文另有清楚指示。将进一步理解,当在本说明书中使用时,术语“包含”和/或“包括”指定陈述的特征、整数、步骤、操作、元件、和/或组件的存在,但是不排除一个或多个其它特征、整数、步骤、操作、元件、组件、和/或其组的存在或者添加。
权利要求中的所有装置或步骤加上功能元件的对应结构、材料、动作、和等同物旨在包括用于结合如特定地要求保护的其它要求保护的元件执行功能的任何结构、材料、或动作。已经出于说明和描述的目的呈现了公开的描述,但是不旨在以公开的形式对于公开穷举或限制。许多修改和变化对于本领域普通技术人员将是显而易见的,而不脱离公开的范围和精神。选取并且描述了实施例以便最好地解释公开的原理和实际应用,并且使本领域普通技术人员能够理解本公开的具有如适合于预期的具体使用的各种修改的各种实施例。
本发明可以是系统、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发明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它自由传播的电磁波、通过波导或其它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、例如互联网、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。
用于执行本发明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(例如利用互联网服务提供商来通过互联网连接)。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,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。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/或其它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发明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。如上所述,以下详细的描述将一般地遵循公开的发明内容,在必要时进一步解释并且扩展公开的各个方面和实施例的定义。
图1描绘了计算机网络102中的问题/回答(QA)系统100的一个说明性实施例的示意图。QA系统100可以包括包含一个或多个处理器和一个或多个存储器的知识管理器104、和潜在地本领域公知的包括总线、存储设备、通信接口等的任何其它计算设备元件。计算机网络102可以包括经由一个或多个有线和/或无线数据通信链路与彼此并且与其它设备或组件通信的其它计算设备,其中每个通信链路可以包括电线、路由器、交换机、发送器、接收器等中的一个或多个。QA系统100和网络102可以为一个或多个内容用户启用问题/回答(QA)生成功能性。其它实施例可以包括与除了本文描绘的那些之外的组件、系统、子系统、和/或设备交互的QA系统100。
QA系统100可以从各种源接收输入。例如,QA系统100可以从网络102、电子文档107或其它数据的语料库、语义数据108、和其它可能的输入源接收输入。在一个实施例中,到QA系统100的输入的一些或所有通过网络102路由并且存储在知识库106中。网络102上的各种计算设备可以包括用于内容创建者和内容用户的访问点。计算设备的一些可以包括用于存储数据的语料库的数据库的设备。在各种实施例中,网络102可以包括本地网络连接和远程连接,使得QA系统100可以在任何大小的环境中操作,包括本地和全球,例如互联网。另外,QA系统100用作前端系统服务,其能够利用从文档、网络可访问源和/或结构化数据源提取或在其中表示的各种知识。以此方式,一些过程利用也包括输入接口的知识管理器填充知识管理器以接收知识请求并且相应地响应。
在一个实施例中,内容创建者在文档107中创建内容用于作为QA系统100的数据的语料库的部分使用。文档107可以包括用于在QA系统100中使用的任何文件、文本、文章、或数据源。内容用户可以经由到网络102的网络连接或互联网连接访问QA系统100,并且可以向QA系统100输入问题,QA系统100根据数据的语料库中的内容回答问题。如以下进一步描述的,当过程评估文档的给定章节的语义内容时,该过程能够用各种惯例以从知识管理器104查询它。一种惯例是传送结构良好(well-formed)的问题。
语义数据108是基于诸如单词、短语、标志、和符号的记号之间的关系、以及它们代表什么、它们的表示、或内涵的内容。换句话说,语义数据108是解释表达的内容,诸如通过使用自然语言处理(Natural Language Processing,NLP)。在一个实施例中,过程向QA系统100传送结构良好的问题(例如,自然语言问题等)并且QA系统100可以解释问题并且提供包括对于问题的一个或多个回答的响应。在一些实施例中,QA系统100可以以排序的回答的列表向用户提供响应。
QA系统100的示例可以是从纽约阿蒙克国际商业机器公司(InternationalBusiness Machines Corporation of Armonk,New York)可用的IBM WatsonTM QA系统,该系统利用下文描述的说明性实施例的机制来增强。QA知识管理器系统可以接收输入问题,然后对输入问题进行解析以提取问题的主要特征,然后反过来用于制定应用于数据的语料库的查询。基于对于数据的语料库的查询的应用,通过在数据的语料库查找数据的语料库中的具有对于包含对于输入问题的有价值的响应的一些潜能的部分来生成一组假设、或对于输入问题的候选回答。
QA系统然后使用各种推理算法对输入问题的语言和在查询的应用期间找到的数据的语料库的部分中的每一个中使用的语言执行深度分析。可以应用数百甚至数千个推理算法,这些推理算法中的每一个执行不同的分析,例如比较,并且生成分数。例如,一些推理算法可以查看输入问题和找到的数据的语料库的部分的语言内的术语和同义词的匹配。其它推理算法可以查看语言中的时间或空间特征,而其它推理算法可以评估数据的语料库的部分的源并且评估其真实性。
从各种推理算法获得的分数指示基于该推理算法的特定焦点区域由输入问题推断潜在的响应所到的程度。然后针对统计模型加权每个结果的分数。在QA系统的训练周期期间,统计模型捕获推理算法在建立特定域的两个相似段落之间的推断时执行得多好。然后可以使用统计模型以归纳QA系统关于由问题推断潜在的响应(即候选回答)的证据具有的置信水平。可以针对候选回答中的每一个重复此过程直到QA系统识别表现为显著地强于其它的候选回答,并且因此为输入问题生成最终回答、或排序的回答的集合。
能够利用QA系统100的信息处理系统的类型范围从小型手持设备(诸如手持式计算机/移动电话110)到大型主机系统(诸如主机计算机170)。手持式计算机110的示例包括个人数字助理(personal digital assistant,PDA)、个人娱乐设备,诸如MP3播放器、便携式电视、和光盘播放器。信息处理系统的其它示例包括笔、或平板计算机120,膝上型、或笔记本计算机130,个人计算机系统150,和服务器160。如图所示,各种信息处理系统能够使用计算机网络102联网在一起。能够用于互连各种信息处理系统的计算机网络102的类型包括局域网(LAN)、无线局域网(WLAN)、互联网、公共交换电话网(Public Switched TelephoneNetwork,PSTN)、其它无线网络、和能够用于互连信息处理系统的任何其它网络拓扑。信息处理系统中的许多包括非易失性数据储存器,诸如硬盘驱动器和/或非易失性存储器。图1中所示的信息处理系统中的一些描绘了单独的非易失性数据储存器(服务器160利用非易失性数据储存器165,并且主机计算机170利用非易失性数据储存器175)。非易失性数据储存器能够是各种信息处理系统外部的组件或者能够在信息处理系统中的一个的内部。图2中示出了示出了示例性处理器和由处理器共同访问的各种组件的信息处理系统的说明性示例。
图2示出了作为能够执行本文描述的计算操作的计算机系统的简化示例的信息处理系统200,更具体地,处理器和共同组件。信息处理系统200包括耦合到处理器接口总线212的一个或多个处理器210。处理器接口总线212将处理器210连接到北桥215,北桥215也已知为存储器控制器集线器(Memory Controller Hub,MCH)。北桥215连接到系统存储器220并且为(多个)处理器210提供用于访问系统存储器的途径。图形控制器225也连接到北桥215。在一个实施例中,PCI Express总线218将北桥215连接到图形控制器225。图形控制器225连接到显示设备230,诸如计算机监视器。
北桥215和南桥235使用总线219连接到彼此。在一个实施例中,总线是在北桥215与南桥235之间的每个方向上以高速传输数据的直接媒体接口(Direct Media Interface,DMI)总线。在另一实施例中,外围组件互连(Peripheral Component Interconnect,PCI)总线连接北桥和南桥。南桥235,也已知为I/O控制器集线器(I/O Controller Hub,ICH),是一般地实施以比由北桥提供的能力更低速度操作的能力的芯片。南桥235通常提供用于连接各种组件的各种总线。这些总线包括例如PCI和PCI Express总线、ISA总线、系统管理总线(System Management Bus,SMBus或SMB)、和/或低引脚计数(Low Pin Count,LPC)总线。LPC总线经常连接低带宽设备,诸如引导(boot)ROM 296和“遗留(legacy)”I/O设备(使用“超级I/O”芯片)。“遗留”I/O设备(298)能够包括例如串行和并行端口、键盘、鼠标、和/或软盘控制器。LPC总线也将南桥235连接到可信平台模块(Trusted Platform Module,TPM)295。南桥235中经常包括的其它组件包括直接存储器访问(Direct Memory Access,DMA)控制器、可编程中断控制器(Programmable Interrupt Controller,PIC)、和使用总线284将南桥235连接到非易失性存储设备285(诸如硬盘驱动器)的存储设备控制器。
ExpressCard 255是将热插拔设备连接到信息处理系统的插槽。ExpressCard 255支持PCI Express和USB连接性两者,因为它使用通用串行总线(USB)和PCI Express总线两者连接到南桥235。南桥235包括向连接到USB的设备提供USB连接性的USB控制器240。这些设备包括网络摄像头(照相机)250、红外(infrared,IR)接收器248、键盘和触控板244、以及提供用于无线个人区域网络(personal area network,PAN)的蓝牙设备246。USB控制器240也提供到其它各种USB连接的设备242的USB连接性,诸如鼠标、可移动非易失性存储设备245、调制解调器、网卡、ISDN(Integrated Services Digital Network,综合业务数字网)连接器、传真机、打印机、USB集线器、和USB连接的设备的许多其它类型。虽然可移动非易失性存储设备245示出为USB连接的设备,但是可移除非易失性存储设备245能够使用不同的接口连接,诸如火线接口等。
无线局域网(LAN)设备275经由PCI或PCI Express总线272连接到南桥235。LAN设备275典型地实施所有使用相同协议以在信息处理系统200与另一计算机系统或设备之间无线通信的空中调制技术的IEEE.802.11标准中的一个。光学存储设备290使用串行ATA(Advanced Technology Attachment,先进技术附件)(Serial ATA,SATA)总线288连接到南桥235。串行ATA适配器和设备在高速串行链路之上通信。串行ATA总线也将南桥235连接到其它形式的存储设备,诸如硬盘驱动器。诸如声卡的音频电路260经由总线258连接到南桥235。音频电路260也提供诸如音频线路输入(line-in)和光学数字音频输入端口(inport)262、光学数字输出和耳机插孔264、内部扬声器266、和内部麦克风268的功能性。以太网控制器270使用总线(诸如PCI或PCI Express总线)连接到南桥235。以太网控制器270将信息处理系统200连接到计算机网络,诸如局域网(LAN)、互联网、和其它公共和私人计算机网络。
虽然图2示出了一个信息处理系统,但是信息处理系统可以采用许多形式,其中一些形式在图1中示出。例如,信息处理系统可以采用台式机、服务器、便携式、膝上型、笔记本、或其它形式因子计算机或数据处理系统的形式。另外,信息处理系统可以采用其它形式因子,诸如个人数字助理(PDA)、游戏设备、ATM机器、便携式电话设备、通信设备或包括处理器和存储器的其它设备。
图3是描绘在向用户呈现控制的异构数字内容中利用的组件的系统图。用户300每个利用作为信息处理系统的设备,诸如移动计算设备、台式计算机、流内容播放器等,以与定制的推荐系统310交互。定制的推荐系统执行若干功能以便向用户呈现控制的异构数字内容。如术语所暗示的,“异构内容”包括如由用户对数字内容的消费所标注的匹配用户的偏好的内容主题、以及当前不匹配用户的偏好但是由系统预测为可能由用户喜欢的主题以扩展主题的范围的对立内容主题两者、以及相应地向用户推荐的内容。
分类模块320将内容分类到主题中。在一个实施例中,模块320也识别对于识别的主题的对立主题,而在另一实施例中,稍后基于主题的分析确定对立主题。主题和对立主题数据存储在数据储存器330中。分类是分析空间的定义并且分类包含主题的列表。分类模块中使用的主题的列表能够根据特定实施例变化。在一个实施例中,主题由与数字内容相关联并且存储为元数据的“标签”定义。任何数字内容能够利用一个或多个主题或“标签”标记。如本文所用,“主题”等同于“标签”并且每个术语能够与彼此互换地使用。对立主题(对立标签)是与内容中找到的主题(标签)相反的那些主题。对于每个主题,至少一个对立主题通常可用并且也与内容相关联。可以从先验填充的词典并且基于常识检索对立标签。主题-对立主题对的可能示例包括黑-白、左-右、美式足球-艺术体操、恐怖片-戏剧等。在不同应用领域中,分类系统可以利用不同词典。内容的每个主题被标记并且连接到其对立主题。主题与其对立主题之间的连接被命名为距离,并且在一个实施例中,主题之间的距离的值默认为100。主题-对立主题图325描绘了可以存储在数据储存器330中的主题和对立主题的图。
图325描绘了主题(标签)和对立主题(对立标签)以及它们距彼此的相对距离。标签可能与其它标签共同具有一个或多个对立标签。图325示出了标签的集合当中共同的对立标签的示例。标签(主题)A和D具有共同的对立标签B;标签B、C和E具有共同的对立标签A。在三个或多个标签具有相同的对立标签之处循环也是可能的。在所示的示例中,描绘了对于三个标签:A、C和E的循环。在这种情况下,标签C和E虽然是对抗,但是具有共同点,因为它们两者是A的对立标签。类似地,标签A和C对比标签E并且标签A和E对比标签C。
剖析模块340使用由分类模块320聚集的数据连同各种用户的个人内容访问历史以开发存储在数据储存器350中的用户简档。剖析用户评估他们的数字足迹以评定他们感兴趣的区域。用于剖析用户的可能方式是通过用户在社交媒体上发布的内容的情绪分析。此外,基于用户在流频道上访问什么数字内容、用户阅读并且跟随什么、以及用户在线购买什么考虑用户的兴趣。此示例的列表不是穷举的并且可以考虑许多其它方面。剖析技术也可以基于应用领域变化。如果用户对于一个或多个特定标签的位置不清楚,则系统可能利用问题提示用户以改进系统的剖析步骤的准确性。在一个实施例中,当初始化用户简档分析时,每个标签(主题)具有等于零(0)的分数,0指示用户不感兴趣的中性情绪,并且等于0的计数器指示用户从未访问过与该标签相关的数字内容。
对于任何给定的用户,通过计数发生(occurrence)的次数计算标签的分数,其中发生能够是:(a)在由用户发布的内容中,能够检索一个或多个分类的标签;(b)用户使用社交媒体“喜欢”功能(和类似功能)或由其主要主题能够检索的其它用户发布的积极评论;(c)如果用户访问了其主题与一个或多个分类标签有关的数字内容。当找到发生时,然后,对于对应的标签,更新分数,并且递增发生的数量的计数器。当用户喜欢主题(例如,来自情绪分析的积极情绪、社交媒体中“喜欢”按钮的使用、用户跟随利用该标签分类的特定页面/用户等)时,分数增加。数字内容中标签的百分比用于以比例值递增相关联的分数。在一个实施例中,分数增加是0与1之间的数字(0%→0和100%→1)。例如,电影可能分类为具有80%动作和20%喜剧。在这种情况下,如果用户观看此电影,则关联到动作的标签将增加0.8;对于喜剧的标签将增加0.2;两个标签计数器将增加1。
作为由剖析模块执行的此评定过程的结果,剖析系统计算对于每个标签的分数和相关联的计数器值。注意,标签当中发生的数量可以变化很多。为此原因,在一个实施例中,在评定过程结束时,系统基于发生的数量标准化每个标签的分数。例如,如果标签动作具有2次发生,第一次有0.8并且第二次有0.4,则其最终分数将是0.6((0.8+0.4)/2=0.6)。
执行标准化步骤以考虑数字内容中的主题的百分比,因为它们表示关于用户兴趣的方面。例如,如果用户观看了其内容具有10%的F1的十个(10)体育新闻和其内容为100%motoGP的1个motoGP,则标准化步骤允许系统在F1是10%的内容而不是100%的内容时考虑用户喜欢F1。
位置计算模块360获取来自剖析模块340的输出以生成存储在数据储存器370中的对抗主题位置。在已经由剖析模块评估了用户的兴趣之后,系统具有作为分类系统中所有可用标签的子集的标签的列表并且对于他们中的每一个的标准化分数也是可用的。此时,对于对抗标签的每对(例如,图325中的标签“A”和“B”)计算用户的位置。用户定位与标签的接近度指示用户朝向该标签的密切度(affinity);用户的定位与标签之间的距离越大,用户已经对该标签示出的兴趣就越少。
在一个实施例中,用于确定用户的位置的分数是标准化分数,即使没有明确地指定。给定图325中所示的两个对立标签A和B,它们的标准化分数分别地命名为a和b;在本实施例中,两个对立标签之间的距离为100;值p是用户沿连接A和B的分支的位置;表达为对立标签之间的用户距离的位置,表示用户对标签的附属系数;db是用户距标签B的距离;而da=(100-db)表示用户距标签A的距离。给定以上,如果db=100,则用户的位置与标签A重合,并且相反,如果db=0,则位置与标签B重合。在两个对立标签具有相同分数的情况下,最终用户的位置将与两个标签等距(da=db=50)。
将利用以下公式计算用户的位置:
db=a/(a+b)×100;和
da=b/(a+b)×100
以下提供了通过位置计算模块360计算用户的位置的数值示例。假设a=0,02且b=0,78:
db=0.02/(0.02+0.78)×100=2.5
在这种情况下,用户的位置靠近标签B。
以下提供另一数值示例:
标签A具有零(0)次发生(关联的分数为0)并且对立标签B具有五次发生,每次发生具有分数1(关联的标准化分数为1)。
a=0,b=1
db=0/(0+1)×100=0
在这种情况下,用户的位置与标签B重叠,因为用户距B的距离为0;
用户距A的距离为100。
在由位置计算模块370执行的阶段的结束处,用户对所有感兴趣的标签的位置是已知的。在图325中描绘了该用户状况的可能图形的表示,其中用户的位置在主题与相应对立主题之间的相应线上示出为实心圆。从模块370得到的数据存储在数据储存器370中。
给定用户相对于主题和对立主题的当前位置,推荐模块380向用户提供推荐。推荐模块使用主题位置和对立主题位置连同用户的期望位置以将用户的位置从当前位置朝向用户的期望位置移动。将内容元数据390与用户的位置数据比较以选择在期望方向上移动用户的位置的内容。
系统向用户提供他们的当前状况并且向用户提示关于在接收内容中用户对其感兴趣的主题(对立主题),诸如以发现新主题(例如,对于用户的已经熟悉的主题的对立主题)或以深化已经由用户已知了的主题。具体地,给定用户的位置,用户能够表达对于他们的当前位置中的一个、几个、或全部的期望位置。图325将用户的当前和期望位置描绘为实心圆(当前位置)和空心圆(期望位置)。注意,期望位置是当前用户的位置的子集。从由用户表达的偏好,推荐系统提供对于用户的建议的列表。建议被计算为随时间将用户的位置从用户的当前位置(实心圆)移动到期望位置(空心圆)。根据参数c评估用户的位置如何逐渐地移位。
框395描绘了所示主题(C和E)中的两个之间的计算的示例。在示例中,与对立主题C(dc=90)相比,用户距主题E的距离de=10,并且用户已经表达了有兴趣到达具有de=50的位置。图325进一步描绘了用户的当前位置(实心圆)和用户期望位置(空心圆)。系统从元数据390识别内容以将用户的位置朝向标签C移动。对于所提供的示例,并且假定系数c是50%,有效建议是包含标签C的内容,使得dc在70与90之间。推荐模块识别具有期望系数的用户的数字内容,其中主题C表达为多于主题E,以便将用户的位置从主题E朝向主题C移动。与用户感兴趣的标签和相关联的百分比有关的内容的选择由检查元数据390和可能地其它数据源以识别被其它用户喜欢的内容的模块380选取并且将位置朝向主题C移动。在一个实施例中,模块分析具有邻近与感兴趣的区域相关联的标签的位置的用户并且根据用户的社区(community)消费了什么选取数字内容用于推荐。如果用户指示对加深具体主题的知识的兴趣,则模块380根据参数c并且利用例如其它用户的观看的最高数量、积极反馈等以百分比向用户推荐利用期望主题分类的数字内容。
图4是示出由分类模块执行的步骤的流程图。图4处理在400处开始并且示出了由分类模块采取的步骤。关于分类模块的其它细节能够在图4的描述中找到。在步骤410处,过程选择与第一内容标识符相关的内容元数据的集合(例如,电影、电视节目、网络广播等)。从数据储存器390中选择内容标识符。在步骤420处,过程将内容元数据与主题的穷举列表进行比较。另外,优选地,过程能够从人类领域专家接收关于在这样的内容中找到的内容和主题的输入。在步骤430处,过程基于在步骤420中执行的比较识别与选择的内容相关的第一主题,其中从数据储存器330检索主题和对立主题。在步骤440处,过程基于识别的主题检索一个或多个对立主题。在步骤450处,过程利用识别的主题和对立主题更新内容元数据。过程基于比较确定关于是否存在更多主题要处理(决策460)。如果存在更多主题要处理,则决策460分支到循环回到步骤430以选择并且处理与选择的内容相关的下一主题的“是”分支。此循环继续直到对于选择的内容不存在更多主题要处理,此点处决策460分支到退出循环的“否”分支。过程确定关于是否存在更多内容要分析(决策470)。如果存在更多内容要分析,则决策470分支到循环回到步骤410以从内容元数据390中描述的下一内容选择元数据的“是”分支。此循环继续直到内容元数据390中不存在更多内容要处理,此点处决策470分支到退出循环的“否”分支。此后的图4处理在495处结束。
图5是示出由剖析模块执行的步骤的流程图。图5处理在500处开始并且示出了由剖析用户的剖析模块采取的步骤。关于剖析模块的进一步细节也能够在图3中找到。在步骤510处,过程接收对应于订阅到系统的用户的第一事件(例如,社交媒体发布、“喜欢”指示符、递送到用户的内容媒体、用户的评论和/或内容的评级、与购买的内容、评论、评级等有关的在线购买、以及社交媒体中标注的其它用户兴趣等)。事件数据存储在存储器区域520中。过程确定关于是否需要更多数据以便理解用户对此事件的看法(决策530)。如果需要更多数据,则决策530分支到“是”分支以执行步骤540。另一方面,如果不需要更多数据,则然后决策530分支到“否”分支,绕过步骤540。如果需要更多数据,则然后在步骤540处,过程向用户呈现一个或多个问题以改进简档的准确性并且系统接收用户对于这样的问题的响应,其中附加事件数据存储在存储器区域520中。在步骤550处,过程将存储在存储器区域520中的事件数据与从数据储存器330检索的主题比较。比较的结果是存储在存储器区域560中的事件数据的情绪和内容主题百分比。在步骤570处,过程基于在步骤550处执行的比较选择第一主题。在步骤580处,过程基于表达的情绪(积极的、“喜欢”等)以及主题匹配事件所达的程度(例如,为80%喜剧和20%浪漫的电影等)增加或减少此用户关于第一主题的分数。过程根据需要标准化用户的分数。过程确定是否存在基于此事件的更多主题(决策590)。如果存在基于此事件的更多主题,则决策590分支到循环回到步骤570以选择并且处理对于事件的下一主题的“是”分支。此循环继续直到不存在更多要处理的主题,其点处决策590分支到退出循环的“否”分支。在步骤595处,过程等待对于订阅到系统的用户中的一个要检测的下一事件。当检测了新事件时,处理循环回到步骤510以处理事件。
图6是示出由位置计算模块执行的步骤的流程图。关于位置计算处理的进一步细节能够在图3的描述中找到。图6处理在600处开始并且示出了由位置计算模块采取的步骤。在步骤610处,过程诸如从正在向系统做出请求的用户、代表用户做出请求的内容提供者等接收选择的用户标识符。在步骤620处,过程从数据储存器350选择第一主题标准化分数。在一个实施例中,主题分数从0到100标准化,其中0指示用户位置不与主题重合并且100指示用户位置完全地与主题重合。在步骤630处,过程从数据储存器350检索对立主题,其中检索的对立主题对应于选择的主题。过程进一步基于主题分数计算对立主题分数。例如,如果启用100点总分数系统并且主题分数是60,则对立主题分数将是40,使得主题和对立主题的组合的分数将等于100。在步骤640处,过程通过使用各个分数计算用户相对于主题和对立主题的当前位置分数。用户的当前位置分数存储在数据储存器350中。过程确定关于是否存在诸如在用户已经访问的内容中找到的对应于此用户的更多主题(决策650)。如果存在更多这样的主题,则然后决策650分支到“是”分支,其循环回到步骤620以选择并且处理如上所述的下一主题。此循环继续直到不再有要处理的更多主题为止,其点处决策650分支到退出循环的“否”分支。在步骤660处,过程向用户670呈现主题和相应对立主题的集合,其中从数据储存器350检索这些主题和对立主题。在一个实施例中,用户也可以指示主题与相对主题之间的期望位置使得系统能够推荐设计用于将用户的位置从用户的当前位置沿着用户的期望位置的方向移动的内容。主题和对立主题的呈现允许用户基于用户的建立的位置分数查看用户可能对其感兴趣的主题。在步骤680处,过程接收用户关于主题与对立主题之间期望位置的输入。由此推荐系统使用此期望位置以选择设计用于将用户的位置从用户的当前位置沿用户的期望位置的方向移动的推荐。用户的期望位置存储在数据储存器350中。此后图6处理在695处结束。
图7是示出由推荐模块执行的步骤的流程图。关于推荐处理的进一步细节能够在图3的描述中找到。图7处理在700处开始并且示出了推荐模块采取的步骤。在步骤710处,过程接收正在为其请求推荐的用户的用户标识符。例如,当访问内容服务或推荐系统时用户能够提供用户标识符或者内容流服务能够代表用户提供用户的标识符。在步骤720处,过程从推荐系统310请求用户的当前和期望位置。用户的当前和期望位置与各种内容主题有关。在步骤725处,过程接收对应于针对对于此用户已知的当前主题绘出的用户的当前和期望位置的图形或图形有关数据以及用于计算用于将用户从当前位置移位到期望位置的最优内容主题分数的系数。在一个实施例中,系数用于确定系统将尝试多快来将用户的位置从用户的当前位置移动到用户的期望位置。从推荐系统310接收的数据存储在存储区域730中。在步骤740处,过程将从数据储存器390检索的内容元数据与存储在存储区域730中的用户数据比较以识别设计用于将用户的主题位置从用户的当前位置朝向用户的期望位置移位的内容。作为比较的结果找到的内容存储在存储器区域750中。在步骤760处,过程将存储在存储器区域750中的推荐内容呈现给用户770,诸如在附接到用户的信息处理系统的显示屏上显示推荐。在步骤775处,过程从用户设备770接收用户的内容选择。此外,在步骤775中,过程在用户已经消费(例如,观看等)内容的这样的时间之后接收用户关于内容的反馈。用户的反馈可以是定量分数(例如,从1到10的评级)、用户是喜欢还是不喜欢内容、由用户的主观评论或关于内容的发布等。用户的反馈存储在存储器区域780中。在步骤790处,过程将存储在存储器区域780中的用户的反馈和用户的内容选择(例如,电影名称/标识符等)传送回推荐系统310。推荐系统能够使用数据以更新用户的主题分数并且将这些分数存储在对应于用户的简档区域中。这些更新的主题分数能够然后用于未来用户分析和向用户的推荐的内容。此后图7处理在795处结束。
虽然已经示出并且描述了本发明的具体实施例,但是对于本领域技术人员显而易见的是,基于本文的教导,可以做出改变和修改而不从本发明及其更广泛方面脱离。因此,所附权利要求在其范围内涵盖在本发明的真实精神和范围内的所有这些改变和修改。此外,要理解,发明仅由所附权利要求定义。将由本领域技术人员理解的是,如果旨在引入的权利要求元素的特定数量,则将在权利要求中明确地叙述这样的意图,并且在这样的叙述缺席时,不存在这样的限制。对于非限制性示例,为了帮助理解,以下所附权利要求包含介绍性短语“至少一个”和“一个或多个”的使用以引入权利要求元素。然而,这些短语的使用不应该被解释为暗示由不定冠词“一”或“一个”引入的权利要求元素将包含这种引入的权利要求元素的任何具体权利要求限制于包含仅一个这样的元素的发明,即使相同的权利要求包括引入的短语“一个或多个”或“至少一个”和诸如“一”或“一个”的不定冠词;对于定冠词在权利要求中的使用也是如此。
Claims (10)
1.一种方法,包括:
接收与用户先前访问的多个内容项相对应的多个主题;
将多个对立主题关联到多个识别的主题,其中对立主题中的每一个与多个主题中的至少一个相反;
基于对立主题中的一个或多个计算用户位置分数;
基于计算的用户位置分数识别多个内容推荐;并且
向用户呈现内容推荐。
2.如权利要求1所述的方法,进一步包括:
确定与主题中的每一个相对应的主题权重值,所述主题对应于内容项;并且
计算与对立主题中的每一个相对应的对立权重值,其中每个对立主题的对立权重值基于相应主题的主题权重值。
3.如权利要求2所述的方法,进一步包括:
确定与多个主题中选择的一个相关的当前主题分数,其中当前主题分数对应于用户;
识别与选择的主题相关的期望主题分数,其中期望主题分数对应于用户;
基于当前主题分数和期望主题分数计算系数;并且
基于选择的对立主题具有预测为将当前主题分数朝向期望主题分数移动的对立权重值选择对立主题中的一个。
4.如权利要求3所述的方法,进一步包括:
确定用于主题中的每一个的乘数,其中所述乘数基于先前访问的内容项中的每一个展示多个主题中的每一个所到的程度;并且
基于确定的乘数调整主题权重值和对立权重值。
5.如权利要求2所述的方法,进一步包括:
确定当前主题分数的集合和期望主题分数的集合,其中当前主题分数中的每一个和期望主题分数中的每一个与多个主题中的一个相关,并且其中当前主题分数和期望主题分数对应于用户;并且
绘制描绘多个主题中的每一个的主题-对立主题关系的当前主题节点的集合,所述绘制基于与主题中的每一个相关的主题权重值和对立主题权重值。
6.如权利要求5所述的方法,进一步包括:
绘制描绘与主题中的每一个相关的期望分数的期望主题节点的集合;并且
计算与期望主题节点中的每一个相对于它们的各自当前主题节点的位置相关的一个或多个系数,
其中系数是计算用于最优地将当前主题节点移位到期望主题节点的值,并且其中系数用于计算用户位置分数。
7.如权利要求1所述的方法,进一步包括:
将主题和对立主题存储在与内容项中的每一个相对应的元数据中。
8.一种信息处理系统,包括:
一个或多个处理器;
存储器,耦合到处理器中的至少一个;
计算机程序指令的集合,存储在存储器中并且由处理器中的至少一个运行以便执行根据权利要求1至7的任何方法所述的动作。
9.一种存储在计算机可读存储介质中的计算机程序产品,包括计算机程序代码,当所述代码由信息处理系统运行时,引起信息处理系统执行根据权利要求1至7的任何方法所述的动作。
10.一种计算机系统,包括用于执行根据权利要求1至7的任何方法所述的步骤的模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/037,113 US11120067B2 (en) | 2018-07-17 | 2018-07-17 | Present controlled heterogeneous digital content to users |
US16/037,113 | 2018-07-17 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110727853A true CN110727853A (zh) | 2020-01-24 |
CN110727853B CN110727853B (zh) | 2024-01-19 |
Family
ID=69161822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910623681.XA Active CN110727853B (zh) | 2018-07-17 | 2019-07-11 | 向用户呈现控制的异构数字内容 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11120067B2 (zh) |
CN (1) | CN110727853B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11106746B2 (en) * | 2019-03-21 | 2021-08-31 | Verizon Media Inc. | Determining sentiment of content and selecting content items for transmission to devices |
US20230350962A1 (en) * | 2022-05-02 | 2023-11-02 | At&T Intellectual Property I, L.P. | Confidentiality preserving intraorganizational expert search |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140280548A1 (en) * | 2013-03-15 | 2014-09-18 | Yahoo! Inc. | Method and system for discovery of user unknown interests |
US9129227B1 (en) * | 2012-12-31 | 2015-09-08 | Google Inc. | Methods, systems, and media for recommending content items based on topics |
CN104969184A (zh) * | 2012-12-28 | 2015-10-07 | 微软技术许可有限责任公司 | 个性化实时推荐系统 |
CN105359138A (zh) * | 2013-06-14 | 2016-02-24 | 微软技术许可有限责任公司 | 与浏览相关联的相关内容显示 |
CN107423308A (zh) * | 2016-05-24 | 2017-12-01 | 华为技术有限公司 | 主题推荐方法以及装置 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8019777B2 (en) | 2006-03-16 | 2011-09-13 | Nexify, Inc. | Digital content personalization method and system |
KR101166130B1 (ko) | 2007-08-30 | 2012-07-23 | 삼성전자주식회사 | 컨텐츠 태그를 이용하여 사용자 프로파일을 구성하는 방법및 장치, 그리고 생성된 사용자 프로파일을 이용하여컨텐츠를 추천하는 방법 |
US8577896B2 (en) | 2010-06-08 | 2013-11-05 | Netflix, Inc | Interest based row selection |
US8903834B2 (en) | 2010-10-14 | 2014-12-02 | Netflix, Inc. | Recommending groups of items based on item ranks |
US8887095B2 (en) | 2011-04-05 | 2014-11-11 | Netflix, Inc. | Recommending digital content based on implicit user identification |
US9454530B2 (en) | 2012-10-04 | 2016-09-27 | Netflix, Inc. | Relationship-based search and recommendations |
US9430532B2 (en) | 2013-07-30 | 2016-08-30 | NETFLIX Inc. | Media content rankings for discovery of novel content |
US20150365725A1 (en) * | 2014-06-11 | 2015-12-17 | Rawllin International Inc. | Extract partition segments of personalized video channel |
US11082472B2 (en) * | 2014-06-24 | 2021-08-03 | Google Llc | Methods, systems and media for associating multiple users with a media presentation device |
US10223458B1 (en) * | 2014-09-16 | 2019-03-05 | Amazon Technologies, Inc. | Automatic magazine generator for web content |
US20170293698A1 (en) * | 2016-04-12 | 2017-10-12 | International Business Machines Corporation | Exploring a topic for discussion through controlled navigation of a knowledge graph |
US20180114136A1 (en) * | 2016-10-21 | 2018-04-26 | Accenture Global Solutions Limited | Trend identification using multiple data sources and machine learning techniques |
US10496713B2 (en) * | 2017-02-01 | 2019-12-03 | Google Llc | Gain adjustment component for computer network routing infrastructure |
US10235365B2 (en) * | 2017-06-20 | 2019-03-19 | Microsoft Technology Licensing, Llc | Transforming spoken thoughts to a visual representation |
US10803111B2 (en) * | 2017-11-27 | 2020-10-13 | Facebook, Inc. | Live video recommendation by an online system |
-
2018
- 2018-07-17 US US16/037,113 patent/US11120067B2/en active Active
-
2019
- 2019-07-11 CN CN201910623681.XA patent/CN110727853B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104969184A (zh) * | 2012-12-28 | 2015-10-07 | 微软技术许可有限责任公司 | 个性化实时推荐系统 |
US9129227B1 (en) * | 2012-12-31 | 2015-09-08 | Google Inc. | Methods, systems, and media for recommending content items based on topics |
US20140280548A1 (en) * | 2013-03-15 | 2014-09-18 | Yahoo! Inc. | Method and system for discovery of user unknown interests |
CN105359138A (zh) * | 2013-06-14 | 2016-02-24 | 微软技术许可有限责任公司 | 与浏览相关联的相关内容显示 |
CN107423308A (zh) * | 2016-05-24 | 2017-12-01 | 华为技术有限公司 | 主题推荐方法以及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110727853B (zh) | 2024-01-19 |
US11120067B2 (en) | 2021-09-14 |
US20200026769A1 (en) | 2020-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190392330A1 (en) | System and method for generating aspect-enhanced explainable description-based recommendations | |
US10891322B2 (en) | Automatic conversation creator for news | |
CN112074857A (zh) | 组合机器学习和社交数据以生成个性化推荐 | |
JP6745384B2 (ja) | 情報をプッシュするための方法及び装置 | |
US20160171373A1 (en) | Training a Question/Answer System Using Answer Keys Based on Forum Content | |
US20150309988A1 (en) | Evaluating Crowd Sourced Information Using Crowd Sourced Metadata | |
US20170337294A1 (en) | Determining Answer Stability in a Question Answering System | |
CN109471978B (zh) | 一种电子资源推荐方法及装置 | |
US20230076387A1 (en) | Systems and methods for providing a comment-centered news reader | |
US20160092771A1 (en) | Analysis of social media messages | |
US20180121986A1 (en) | System and Method for Recommending Products to Bridge Gaps Between Desired and Actual Personal Branding | |
CN110879864A (zh) | 一种基于图神经网络和注意力机制的上下文推荐方法 | |
US9720978B1 (en) | Fingerprint-based literary works recommendation system | |
US20150310755A1 (en) | Evaluating Expert Opinions in a Question and Answer System | |
US11430049B2 (en) | Communication via simulated user | |
CN110019948B (zh) | 用于输出信息的方法和装置 | |
WO2020151548A1 (zh) | 关注页面的排序方法及装置 | |
WO2014107194A1 (en) | Identifying relevant user content | |
CN110727853B (zh) | 向用户呈现控制的异构数字内容 | |
US20160379283A1 (en) | Analysis of social data to match suppliers to users | |
US9946765B2 (en) | Building a domain knowledge and term identity using crowd sourcing | |
CN110992127A (zh) | 一种物品推荐方法及装置 | |
WO2010132062A1 (en) | System and methods for sentiment analysis | |
CN114580652A (zh) | 应用于自动人工智能的项目推荐的方法和系统 | |
KR20210084641A (ko) | 정보를 송신하는 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |