BRPI0714327A2 - classificaÇço de resultados de busca - Google Patents

Abstract

CLASSIFICAÇçO DE RESULTADOS DE BUSCA. A presente invenção refere-se a um sistema de disseminação de imformação que classifica os resultados de busca com base em uma ponderação temporal atribuida a cada resultado de busca. A ponderação temporal é uma indicação da impotância para um usuário que varia com tempo. Para cada resultado de busca, o sistema de disseminação de informação calcula uma ponderação temporal que é baseada na proximidade temporal do evento que é relacionado ao resultado de busca. A ponderação temporal pode ser usada para reclassificar os resultados de busca.

Description

"CLASSIFICAÇÃO DE RESULTADOS DE BUSCA" FUNDAMENTOS

O desenvolvimento de sistemas de informação, tais como a Internet, e vários servi- ços em linha para acessar os sistemas de informação, tem levado a disponibilidade de quantidades crescentes de informação. Como computadores se tornam grandemente pode- rosos e versáteis, os usuários estão aumentando grandemente seus computadores para uma ampla capacidade de tarefas. Acompanhar o uso crescente e a versatilidade dos com- putadores é um desejo crescente da parte dos usuários para contar com seus dispositivos de computação para realizar suas atividades diárias. Por exemplo, alguém com acesso a uma conexão de Internet adequada pode ir "em linha" e navegar em páginas de informação (isto é, páginas da Rede) para colher informações que são relevantes às atividades atuais dos usuários.

Muitos serviços de mecanismos de busca, tais como Google e Yahoo!, provêem busca de informações que são acessíveis via Internet. Estes serviços de mecanismos de busca permitem que os usuários busquem páginas de exibição, tais como páginas da Rede, que possam ser de interesse dos usuários. Após um usuário submeter uma solicitação de busca (isto é, uma pesquisa) que inclui termos de busca, o serviço de mecanismo de busca identifica páginas da Rede que possam estar relacionadas aqueles termos. Para rapidamen- te identificar páginas da Rede relacionadas, os serviços de mecanismos de busca podem manter um mapeamento de palavras chaves para páginas da Rede. Este mapeamento pode ser gerado "engatilhando" a Rede (isto é, Rede de Alcance Mundial) para identificar as pala- vras chaves de cada página da Rede. Para engatilhar a rede, um serviço de mecanismo de busca pode usar uma listagem de páginas da rede originais para identificar todas as páginas da rede que são acessíveis através daquelas páginas da rede originais. As palavras chaves de qualquer página da rede particular podem ser identificadas usando várias técnicas de recuperação de informação bem-conhecidas, tais como identificar as palavras de um cabe- çalho, as palavras fornecidas nos metadados da página da rede, as palavras que são desta- cadas, e assim por diante. O serviço de mecanismos de busca pode gerar um índice rele- vante para indicar como a informação da página da rede pode ser relevante para a solicita- ção de busca baseada na proximidade de cada combinação, importância da página de rede e popularidade (por exemplo, PagRank do Google, e assim por diante. O serviço de meca- nismo de busca então exibe ao usuário links para aquelas páginas de rede em uma ordem que é baseada em uma classificação determinada por sua relevância.

Infelizmente, os usuários dos sistemas de informações encontram um problema de sobrecarga de informação. Por exemplo, os serviços de mecanismos de busca freqüente- mente provêem a seus usuários resultados de buscas irrelevantes, assim forçando o usuário a selecionar através de uma longa listagem de páginas da rede a fim de achar as páginas de rede relevantes. Compondo esse problema está a constante mudança e o volume de expansão de informação, e a dificuldade que usuários encontram em manter atrelada a in- formação constantemente mudando para determinar a informação que é acreditável e rele- vante ao usuário.

SUMÁRIO

Um método e sistema para resultados de busca de classificação baseados em pro- ximidade temporal para o evento ao qual a relação de resultados de busca é provida. Um sistema de disseminação de informação classifica os resultados de busca com base em uma ponderação temporal atribuída a cada resultado de busca. A ponderação temporal é uma indicação da importância para um usuário que varia com tempo. Para cada resultado de busca, o sistema de disseminação de informação calcula uma ponderação temporal que é baseada na proximidade temporal do evento que é relacionado ao resultado de busca. A ponderação temporal pode ser usada para reclassificar os resultados de busca.

Este sumário é provido para introduzir uma seleção de conceitos em uma forma simplificada que são adicionalmente descritos abaixo na Descrição Detalhada. Este sumário não pretende identificar características principais da matéria sujeita reivindicada, nem pre- tende ser usado como um auxílio para determinar o escopo da matéria sujeita reivindicada.

DESCRIÇÃO DOS DESENHOS

A figura 1 é um diagrama de blocos que ilustra o processamento do sistema de dis- seminação de informação, de acordo com algumas modalidades.

A figura 2 é um diagrama de blocos que ilustra componentes selecionados do sis- tema de disseminação de informação, de acordo com algumas modalidades.

A figura 3 é um fluxograma que ilustra o processamento do componente de perfil, de acordo com algumas modalidades. A figura 4 é um fluxograma que ilustra o processamento do componente de perfil

para identificar os termos principais, de acordo com algumas modalidades.

A figura 5 é um fluxograma que ilustra um processamento do componente de perfil para gerar uma pesquisa. De acordo com algumas modalidades.

A figura 6 é um fluxograma que ilustra o processamento do componente de perfil para gerar de forma aumentada um tópico, de acordo com algumas modalidades.

A figura 7 é um fluxograma que ilustra o processamento do componente gerador de informação, de acordo com algumas moralidades.

A figura 8 é um fluxograma que ilustra o processamento do componente classifica- dor, de acordo cm algumas modalidades. A figura 9 é uma apresentação gráfica dos valores de ponderação como uma fun-

ção de proximidade de um evento, de acordo com algumas modalidades.

A figura 10 é uma apresentação gráfica dos valores de ponderação como uma fun- ção de proximidade de um evento, de acordo com algumas modalidades. A figura 11 é um fluxograma que ilustra o processamento do componente classifi- cador para calcular uma ponderação temporal de um resultado de busca, de acordo com algumas moralidades.

A figura 12 é um fluxograma que ilustra a informação de renderização com base em uma classe de evento correspondente a um evento de usuário, de acordo com algumas mo- ralidades.

A figura 13 é um fluxograma que ilustra a criação de uma classe de evento, de a- cordo com algumas moralidades.

A figura 14 é um exemplo de listagem de dados que ilustra uma classe de evento, de acordo com algumas modalidades.

A figura 15 é um fluxograma que ilustra o processamento de uma classe de evento, de acordo com algumas moralidades.

DESCRIÇÃO DETALHADA

Um método e um sistema para adaptativamente disseminar informações personali- zadas e contextualmente relevantes são providos. Em algumas modalidades, um sistema de disseminação de informação identifica os interesses de um usuário e adaptativamente dis- semina ao usuário a informação que é relevante aos interesses do usuário. Os interesses do usuário podem ser identificados a partir de informações derivadas de várias fontes, tais co- mo, por exemplo, as entradas de calendário do usuário, mensagens de e-mail, informações utilizáveis da Rede de Alcance Mundial (Rede), documentos, dados de planejamento de recursos empresariais (ERP), e semelhantes. O sistema de disseminação de informação então cria um perfil para o usuário, e inclui no perfil os detalhes sobre os interesses do usuá- rio. Por exemplo, o sistema de disseminação de informação pode incluir a informação de perfil dos usuários com relação a: fontes de informação para pesquisar por informações para renderizá-las ao usuário, eventos de usuário (por exemplo, encontros, nomeações, etc.) que foram analisados para determinar os interesses do usuário; tópicos derivados dos eventos analisados; pesquisas geradas para os eventos analisados; um modelo de linguagem de termos que são relevantes ao usuário; as preferências do usuário para receber a informação relevante; e outras informações relacionadas ao usuário. Geralmente, o tópico pode ser de- finido como qualquer conceito definido do evento. Por exemplo, para uma conferência que o usuário é programado a atender, os tópicos podem incluir o sujeito da conferência, as pes- soas presentes na conferência, as pessoas atendendo a conferência, a localização da con- ferência, as organizações presentes na conferência, informações de viagem para o usuário (por exemplo, cidade de origem, cidade de destino, modo de viagem, número do vôo, reser- vas de hotel, reservas de aluguel de carro, etc.), e qualquer informação. Os termos que são relevantes ao usuário podem ser derivados de várias fontes usadas para identificar os inte- resses do usuário. O sistema de disseminação de informação periodicamente executa as pesquisas no perfil do usuário contra as fontes de informação apropriadas e obtém os resul- tados de busca. Como usado aqui, o termo "resultado de busca" ou qualquer variação do mesmo geralmente se refere a resultados que são filtrados usando uma pesquisa. O siste- ma de disseminação de informação que classifica os resultados de busca de acordo com vários fatores, e renderiza os resultados de busca classificados para o usuário. O sistema de disseminação de informação obtém realimentação a partir do usuário relacionada aos resul- tados de busca renderizados e incorpora a realimentação no perfil do usuário. O sistema de disseminação de informação pode prover uma interface de usuário (UI) através da qual o usuário pode visualizar e/ou modificar os detalhes dos interesses de usuário mantidos no perfil do usuário. Por exemplo, um usuário pode usar a Ul para especificar o nível de impor- tância e/ou relevância dos eventos, tópicos, termos, fontes de informação, e outras informa- ções incluídas no perfil do usuário. O sistema de disseminação de informação também pode monitorar as interações do usuário com os resultados de busca renderizados e tornar apro- priadas as modificações para os detalhes dos interesses do usuário mantidos no perfil do usuário. O sistema de disseminação de informação também pode periodicamente atualizar o perfil do usuário com mais detalhes atualizados ou recentes sobre os interesses do usuário. Desta maneira, o sistema de disseminação de informação, novamente, torna-se enorme- mente responsivo às necessidades de informação do usuário.

Em algumas modalidades, o sistema de disseminação de informação identifica os termos principais que relevantes ao usuário que pesquisa a partir de termos principais. O sistema de disseminação de informação pode identificar os termos principais dos termos extraídos das mensagens e eventos de usuário contidos nas pastas selecionadas. Por meio de exemplo, o sistema de disseminação de informação pode escanear as pastas de e-mail recentes do usuário (por exemplo, pasta de caixa de entrada e pasta de itens de saída) e extrair os termos dessas pastas de e-mail. O sistema de disseminação de informação pode identificar os e-mails nas outras pastas que são relacionadas aos termos extraídos, e extrair os termos desses e-mails relacionados. Usando os termos extraídos, o sistema de dissemi- nação de informação cria clusters de termos que são similares. Cada cluster está associado a um conjunto de termos. O sistema de disseminação de informação então identifica os e- ventos, tais como as anotações do usuário escaneando as entradas no aplicativo de calen- dário, e para cada evento, identifica os clusters associados ao evento. O sistema de disse- minação de informação então cria um ou mais tópicos para cada evento. Cada tópico pode ser considerado um "recipiente" que contém informações que são relevantes a seus eventos associados, tais como uma nome de evento, uma duração de evento, etc. o sistema de dis- seminação de informação identifica os termos principais nos clusters identificados e gera uma pesquisa a partir dos termos principais. O sistema de disseminação de informação en- tão coloca a pesquisa gerada no tópico que é associado ao evento, e inclui o tópico no perfil do usuário.

O sistema de disseminação de informação pode usar várias técnicas para gerar os clusters de termos. Em algumas modalidades, o sistema de disseminação de informação usa um algoritmo K-means. O sistema de disseminação de informação provê ao algoritmo um número Kque especifica o número desejado de clusters. No primeiro passo, o algoritmo toma o primeiro termo K como o centróide de um cluster exclusivo. O centróide é a posição média do cluster (por exemplo, a posição média dos termos no cluster). O algoritmo então atribui cada um dos termos restantes ao cluster com o centróide mais perto ao termo (por exemplo, o cluster onde a diferença entre o centróide e o termo é minimizada). Nos passos subseqüentes, o algoritmo recomputa os centróides do cluster com base no passo anterior e então reatribui cada termo ao cluster com o centróide que está mais perto do termo. O algo- ritmo pode ser realizado por um número de passos fixo (por exemplo, três) ou até que o cluster convirja em uma solução. O sistema de disseminação de informação pode usar qual- quer uma dentre uma variedade de algoritmos bem conhecidos, incluindo estimação de ve- rossimilhança máxima, cluster espectral, e assim por diante, para gerar o cluster dos termos.

Em algumas modalidades, o sistema de disseminação de informação identifica os termos principais em um cluster com base na ponderação total atribuída a cada termo. A ponderação total de um termo pode ser derivada de uma combinação de uma ponderação de tipo do termo e uma ponderação relevante do termo. O sistema de disseminação de in- formação primeiro filtra os termos para reduzir o número de termos que podem ser identifi- cados como termos principais. Por exemplo, o sistema de disseminação de informação pode filtra os termos que são Localizadores Uniformes de Recursos (URLs), e termos que são feitos de números a fim de reduzir o número de chaves principais candidatas. Para cada um dos termos restantes, o sistema de disseminação de informação pode calcular uma ponde- ração de tipo e uma ponderação relevante. A ponderação de tipo é uma ponderação que é atribuída a um termo com base no tipo do termo. Por exemplo, o sistema de disseminação de informação pode atribui uma ponderação de tipo maior para um termo que é um nome, tal como um nome de pessoa, do que a um termo que é compreendido por múltiplas pala- vras. Um termo que é compreendido por múltiplas palavras pode por sua vez ser atribuído a uma ponderação de tipo maior do que um termo que é uma única palavra. O sistema de disseminação de informação pode também atribuir ponderações de tipo diferentes para um termo com base em se o termo aparece como parte de um texto sujeito, texto de corpo, tex- to de contato, ou outras partes do evento. A ponderação relevante de um termo é uma me- dida de relevância do termo para o usuário e, em particular, para os interesses do usuário. Uma técnica comum para determinar a relevância do termo para o usuário é baseada em freqüência de termo e freqüência de documento inversa (TF*IDF). A freqüência de termo refere-se ao número de ocorrências de um termo dentro de um documento, e a freqüência de documento reversa refere-se ao inverso do número de documentos que contém aquele termo. Neste caso, os documentos geralmente referem-se a várias fontes de informação usadas para identificar os interesses do usuário. O sistema de disseminação de informação pode identificar os termos que são representados e os termos que são não representados como termos que são não provavelmente relevantes ao usuário. A cada um desses termos, o sistema de disseminação de informação atribui uma ponderação de relevância baixa. A cada um dos termos restantes, o sistema de disseminação de informação pode atribuir uma ponderação relevante com base na métrica TF*IDF dos termos. O sistema de disseminação de informação pode usar de uma variedade de outras técnicas bem conhecidas para deter- minar a relevância de um termo. O sistema de disseminação de informação pode então de- rivar uma ponderação total para um termo com base na ponderação de tipo do termo e pon- deração relevante. Por exemplo, a ponderação total de um termo pode ser derivada multipli- cando a ponderação de tipo e a ponderação relevante do termo. Em algumas modalidades, a ponderação total de um termo pode ser derivada da ponderação relevante do termo. O sistema de disseminação de informação pode então identificar como termos principais os termos cujas ponderações totais estão acima de um limite predeterminado. O sistema de disseminação de informação pode manter os termos e suas ponderações atribuídos no perfil do usuário, por exemplo, como parte do modelo de linguagem.

Em algumas modalidades, o sistema de disseminação de informação gera uma pesquisa a partir dos termos principais usando os seis termos principais de classificação seis mais altos. O sistema de disseminação de informação primeiro classifica os termos com base nos ponderações totais atribuídos aos termos principais. O sistema de disseminação de informação então identifica os seis termos principais de classificação mais altos e gera a pesquisa pela seguinte equação:

Pesquisa = A E B E (C OU D OU E OU F)

(1)

Onde A representa o termo de classificação mais alto, B representa o segundo ter- mo de classificação mais alto, e C representa o terceiro termo de classificação mais alto, D representa o quarto termo de classificação mais alto, E representa o quinto termo de classi- ficação mais alto, e F representa o sexto termo de classificação mais alto. Em casos onde existam menos do que seis termos principais, o sistema de disseminação de informação pode gerar a pesquisa usando o número de termos principais disponíveis. Por exemplo, se existir apenas quatro termos principais, o sistema de disseminação de informação pode ge- rar a pesquisa omitindo o quinto e o sexto termos principais de classificação mais altos na equação (1) acima. Exemplos de outras pesquisas adequadas onde existem menos do que seis termos principais incluem: Pesquisa = A; Pesquisa = AeB; Pesquisa = AeBeC; Pes- quisa = A e B e (C ou D); etc.

Em algumas modalidades, o sistema de disseminação de informação gera de forma aumentada tópicos que podem ser de interesse de um usuário. Por exemplo, o usuário pode prover uma indicação que algum evento é interessante (isto é, de interesse do usuário). Ao receber a indicação, o sistema de disseminação de informação identifica um interesse de usuário. Por exemplo, o sistema de disseminação de informação pode identificar um tópico a partir do evento específico como sendo de interesse para o usuário. Qualquer um dos outros tópico que estão relacionados ao evento específico pode também ser identificado como de interesse do usuário. O sistema de disseminação de informação então extrai os termos que estão associados com o tópico e, identifica os termos principais. O sistema de disseminação de informação pode identificar os termos principais com base nos ponderações totais atribu- ídos aos termos, como descrito acima. O sistema de disseminação de informação então gera uma pesquisa a partir dos termos principais e inclui a pesquisa no perfil do usuário para execução. O sistema de disseminação de informação pode também manter os termos extra- idos e seus ponderações atribuídos no perfil do usuário, por exemplo, como parte do modelo de linguagem.

O sistema de disseminação de informação armazena informações para um usuário em intervalos periódicos. Em um intervalo periódico, o sistema de disseminação de informa- ção executa a pesquisa contra as fontes de informação especificadas no perfil do usuário para obter resultados de busca. As fontes de informação podem incluir Busca MSN, Busca de Noticias MSN, e outras fontes de informação que blogs indicadores, alimentações de notícias, páginas de rede, fontes de documentos, redecasts, vídeocasts, áudiocasts, e o que torne os resultados de busca disponíveis via uma interface. O sistema de disseminação de informação então gera uma listagem classificada de itens de informação classificando os itens de informação incluídos nos resultados de busca. O sistema de disseminação de in- formação então renderiza os resultados de busca para o usuário. O sistema de dissemina- ção de informação inicia os intervalos periódicos para valores default, que pode ser modifi- cados por um usuário. Em algumas modalidades, o sistema de disseminação de informação armazena informações relacionadas a eventos que estão dentro de uma faixa de tempo, tal como uma faixa de data. Por exemplo, a disseminação de informação pode iniciar uma faixa de data para uma semana (por exemplo, um período de sete dias começando do dia antes do dia atual (hoje)). Neste caso, o sistema de disseminação de informação armazena infor- mações executando a pesquisa gerada para tópicos correspondentes aos eventos que es- tão dentro da faixa de data. Em algumas modalidades o sistema de disseminação de infor- mação permite que o usuário inicie o armazenamento de informação. Por exemplo, o siste- ma de disseminação de informação pode prover uma Ul através da qual o usuário pode es- pecificar uma faixa de data de interesse e solicitar o armazenamento de informação. Em algumas modalidades, o sistema de disseminação de informação classifica os resultados de busca com base em uma ponderação total atribuída para cada resultado de busca. A ponderação total de um resultado de busca pode ser derivada a partir de uma combinação de uma ponderação estática do resultado de busca, uma ponderação adaptati- va do resultado de busca, e uma ponderação temporal do resultado de busca. A ponderação estática pode ser derivada de vários fatores de ponderação, fatores tais como a importância do tópico/evento do usuário, a importância das fontes de informação, a classificação provida pela fonte de informação, e a relevância dos termos dos interesses de usuário. Por exemplo, uma ponderação estática para um resultado de pesquisa pode ser uma combinação da im- portância do tópico que corresponde ao resultado de busca, a importância da fonte de in- formação que produziu o resultado de busca, a classificação provida pela fonte de informa- ção que produziu o resultado de busca, e a relevância dos termos no resultado de busca para os interesses do usuário. A relevância dos termos pode ser determinada usando o mo- delo de linguagem incluído no perfil de usuário. Por exemplo, uma medida similar de cosse- no pode ser empregada para medir a similaridade dos termos no resultado de busca para os termos no modelo de linguagem. A ponderação adaptativa é uma ponderação que é atribuí- da para um resultado de busca com base em preferências de usuário e/ou realimentação. Por exemplo, o usuário pode especificar fontes de informação adicional a partir das quais recupera informação. O usuário pode indicar uma ordem de preferência para as fontes de informação. O usuário também pode indicar uma preferência para um certo tipo de resultado de pesquisa sobre outro tipo de resultado de pesquisa. O sistema de disseminação de in- formação pode também discernir preferências de usuário monitorando as interações de u- suário com o sistema de disseminação de informação e, em particular, a informação rende- rizada pelo sistema de disseminação de informação. O sistema de disseminação de infor- mação pode manter informações relacionadas às preferências de usuário e interações no perfil de usuário. A ponderação temporal é uma ponderação que é atribuída a um resultado de busca com base na proximidade do evento que corresponde ao resultado de busca. A ponderação temporal é adicionalmente discutida abaixo. O sistema de disseminação de in- formação pode então derivar uma ponderação total para cada resultado de busca com base na ponderação estática do resultado de busca, ponderação adaptativa, e ponderação tem- poral. Por exemplo, a ponderação total de um resultado de busca pode ser derivada adicio- nando a ponderação estática, ponderação adaptativa, e ponderação temporal do resultado de busca. O sistema de disseminação de informação então classifica os resultados de busca de acordo com suas ponderações totais e renderiza a listagem classificada dos resultados de busca. Em algumas modalidades, o sistema de disseminação de informação renderiza apenas um número predeterminado de resultados de busca. Por exemplo, o sistema de dis- seminação de informação pode apenas renderizar os vinte resultados de busca de classifi- cação mais altos. Em algumas modalidades, o sistema de disseminação de informação pode alertar usuários relacionados aos resultados de busca relevantes mais altos. O sistema de dissemi- nação de informação pode alertar um usuário provendo uma indicação no dispositivo de computação de cliente de usuário. Por exemplo, o sistema de disseminação de informação pode fazer com que um ícone ou indicador apareça na Ul no dispositivo de computação de cliente do usuário. O sistema de disseminação de informação também pode variar a cor de um ícone ou indicador exibido para indicar a presença de resultados de busca de relevância de variação. Para um usuário usando um dispositivo de computação de cliente móvel, tal como um smart fone, o sistema de disseminação de informação pode enviar ao usuário uma mensagem de texto informando o usuário da presença de resultados de busca relevantes.

Classificação Temporal

A classificação temporal é baseada na noção que a importância da informação va- ria com o tempo. Por meio de exemplo, um usuário pode ter dois eventos programados no calendário de usuário: um primeiro evento relacionado a um encontro na próxima semana em Nova Iorque, e um segundo evento relacionado ao vôo para Nova Iorque para este en- contro. Em algum ponto antes do encontro, a importância do evento de encontro será alta (isto é, de interesse do usuário), e quaisquer itens de informação (por exemplo, noticias) relacionados ao evento de encontro serão também altos. Conforme o tempo se aproxima do evento de vôo, o evento de vôo também aumenta em importância, e os itens de informação relacionados ao evento de vôo, tais como informações de atraso de vôo, também aumenta em importância. Uma vez que o usuário pega o vôo e pousa em Nova Iorque, o evento de vôo será vastamente diminuído em importância para o usuário, e itens de informações rela- cionados podem não mais ser de interesse do usuário. Como pode ser visto neste exemplo, os eventos têm importância para o usuário, e itens de informação para os eventos também têm importância para o usuário, mas esta importância varia de acordo com o tempo e, mais especificamente, com a proximidade dos eventos.

Em algumas modalidades, o sistema de disseminação de informação classifica os resultados de busca com base em uma ponderação temporal atribuída a cada resultado de busca. A ponderação temporal é uma indicação de importância de um resultado de busca para um usuário que varia com o tempo. Para cada resultado de busca o sistema de disse- minação de informação calcula uma ponderação temporal que é baseada na proximidade temporal do evento que está relacionado ao resultado de busca. O valor da ponderação temporal de um resultado de busca pode aumentar (por exemplo, elevar) exponencialmente no período de tempo antes do início do evento relacionado. Durante o evento relacionado, o valor da ponderação temporal pode permanecer relativamente constante (por exemplo, posi- tivo), ou pode elevar para um pico em um ponto de tempo durante o evento relacionado e diminuir após o mesmo. No período de tempo após o final do evento relacionado, o valor da ponderação temporal pode diminuir (por exemplo, cair) exponencialmente para zero em um espaço de tempo muito curto. O valor da ponderação temporal pode ser calculado usando uma função exponencial da seguinte forma: f(t) = k * exp(-m * rti) (2)

onde rti representa um intervalo de tempo (por exemplo, tempo a partir do tempo atual para o inicio do evento) comparado com o comprimento do evento (por exemplo, T2- T1, onde T2 é o tempo final do evento e T1 é o tempo inicial do evento), e k e m são fatores de ponderação cujos valores são escolhidos para variar o formato da função como deseja- do. Os valores escolhidos para os fatores de ponderação k e m pode ser escolhidos antes, durante, ou após o evento. Os valores dos fatores de ponderação também podem ser ajus- tados para gerar valores de ponderação temporais específicos para pontos específicos no tempo. Por exemplo, os valores dos fatores de ponderação podem ser escolhidos para gerar um valore de ponderação temporal que é, para meio de exemplo, 1/3rd do valor de pondera- ção temporal máximo em um ponto no tempo que é T2-T1 (isto é a duração ou comprimento do evento) a partir de T1 (isto é, o início do evento).

Em algumas modalidades, o sistema de disseminação de informação calcula uma ponderação temporal de um resultado de busca usando as seguintes equações:

Se o tempo atual for antes do início do evento relacionado para o resultado de bus- ca,

TW = BEWF * PonderaçãoTemporal(2,0 * (T1-TN)/(TD * TF))

(3)

Se o tempo atual for durante o evento relacionado ao resultado de busca, TW = DEWF * PonderaçãoTemporal(1,0 * (((T1+T2)/2))-TN(TD * TF))

(4)

Se o tempo atual for após o final do evento relacionado ao resultado de busca, TW = AEWF * PonderaçãoTemporal(4,0 * (TN-T2)/(TD * TF)) Onde TN é o tempo atual, T1 é o tempo que o evento inicia, T2 é o tempo que o evento finaliza, TD é o comprimento em tempo do evento, BEWAF é um fator de pondera- ção antes do evento, DEWF é um fator de ponderação durante o evento, AEWF é um fator de ponderação após o evento. TF é um fator de ponderação, e PonderaçãoTemporal é a seguinte função:

PonderaçãoTemporal(x) = exp(-1,0 * abs(x)) (6)

Onde exp representa a função exponencial "e", e abs representa a função de valor absoluto. Os valores atribuídos aos fatores de ponderação BEWF, DEWF, AEWF, e TF con- trolam a taxa da elevação e a taxa de declínio da ponderação temporal. Em algumas moda- lidades, o sistema de disseminação pode variar os valores que são atribuídos aos fatores de ponderação dependendo de fatores tais como a duração do evento, a importância do even- to, etc.

Classes de Evento

Em algumas modalidades, o sistema de disseminação de informação permite a cri- ação de classes de evento e dissemina informação relacionada a tópicos extraídos das classes de evento. Classes de evento podem geralmente ser como roteiros que especificam tópicos e ações para obter informação relacionada aos tópicos. Uma classe de evento pode ser gravada em qualquer uma dentre uma variedade de linguagens de descrição bem co- nhecidas tais como Linguagem de Marcação Extensível (XML), etc. As classes de evento são executadas para obter informação relacionada a uma classe de evento particular. Em algumas modalidades o sistema de disseminação de informação pode prover uma Ul atra- vés da qual um usuário autorizado, tal como um administrador de sistema, pode criar uma classe de evento. Para criar uma classe de evento, o usuário pode usar a Ul para especifi- car um reconhecedor de classe de evento, um conjunto de tópicos especiais, para cada tó- pico especial especificado, um conjunto de encaixes, um reconhecedor de encaixe para ca- da encaixe no conjunto de encaixe, e um conjunto de ações. O reconhecedor de classe de evento permite a identificação da classe de evento correspondente. O reconhecedor de classe de evento correspondente pode ser especificado na forma de regras heurísticas, ex- pressões regulares, padrões, ou outras regras que podem ser executadas para identificar sua classe de evento correspondente. O conjunto de tópicos especiais define a idéias rele- vantes para sua classe de evento correspondente. Por exemplo, um tópico especial pode ser criado para uma consulta de viagem, consulta de tempo, um encontro, uma experiência de jantar em um restaurante, e vários outros eventos ou conceitos de eventos. Cada encaixe é um parâmetro (isto é, um espaço reservado) que descreve um atributo de seu tópico es- pecial correspondente. Por exemplo, para criar um tópico especial de consulta de viagem, o usuário pode especificar encaixes para uma cidade de origem ("Da cidade"), uma cidade de destino ("Para a cidade"), uma ou mais cidades de conexão, uma operadora de linha aérea, um número de vôo, uma data, e semelhantes. Para criar um tópico especial de encontro, o usuário pode especificar encaixes para um sujeito do encontro, acompanhantes convidados no encontro, companhias representadas, e semelhantes. O reconhecedor de encaixe permi- te o reconhecimento ou identificação de um valor ou "preenchedor de encaixe" para seu en- caixe correspondente. O reconhecedor de encaixe pode ser especificado na forma de regras heurísticas, expressões regulares, rotinas de extração de informação, ou outras regras ade- quadas que podem ser executadas para identificar o preenchedor de encaixe apropriado para o encaixe correspondente. Por exemplo, um reconhecedor de encaixe para um encaixe Da cidade em um tópico especial de consulta de viagem pode especificar uma restrição ou limitação que o encaixe DA cidade pode apenas ser preenchido com um nome de uma cida- de reconhecida a partir de uma listagem especificada e padrão de nomes de cidade. O sis- tema de disseminação de informação pode então executar um reconhecedor de encaixe em um conjunto de itens de calendário relevante, e-mails, e outras fontes de informação do u- suário para determinar os valores para o encaixe limitado por qualquer restrição especifica- da. As ações especificadas são invocadas para obter a informação correspondente para seu tópico especial. A ação pode ser especificada como uma URL parametrizada (isto é, uma URL tendo um ou mais parâmetros) que deve ser instanciada e invocada. Para instanciar uma URL parametrizada, o sistema de disseminação de informação primeiro determina um valor para cada um dos parâmetros incluídos na URL, e então substitui os parâmetros por seus valores correspondentes. A ação pode também ser especificada como uma URL. Em algumas modalidades, o usuário pode especificar regras para digerir e extrair informação relevante da informação que é obtida realizando as ações especificadas.

Para disseminar a informação relacionada a uma classe de evento, o sistema de disseminação de informação primeiro identifica um evento de usuário que é de interesse de um usuário. O sistema de disseminação de informação pode identificar o evento de usuário do perfil do usuário. O sistema de disseminação de informação então executa os reconhe- cedores de classe de evento definido para determinar se o evento de usuário "se ajusta" a uma das classes de evento criadas. Executar os reconhecedores de classe de evento defi- nido pode não resultar na identificação ou determinação de uma classe de evento para o evento de usuário. O sistema de disseminação de informação pode permitir o usuário de especificar uma classe de evento para o evento de usuário. Ao determinar a classe de even- to para executar, o sistema de disseminação de informação identifica os tópicos especiais que têm sido definidos para a classe de evento dos encaixes que têm sido definidos por ca- da tópico especial. O sistema de disseminação de informação então identifica os reconhe- cedores de encaixe que têm sido definidos para cada um dos encaixes e executa cada re- conhecedor de encaixe contra as várias fontes de informação e interesse de usuário, tais como os e-mails de usuário, anotações, itens de calendário, etc., para identificar o preen- chedor de encaixe para o encaixe correspondente. O sistema de disseminação de informa- ção também inicia quaisquer ações parametrizadas identificando os valores de preenchedor de encaixe para e substituindo os valores nos lugares apropriados. O sistema de dissemina- ção de informação então realiza a ação definida para o tópico especial, obtém os resultados de ação, e renderiza os resultados de ação ao usuário. Por exemplo, o sistema de dissemi- nação de informação pode instanciar e invocar as URLs, e exibir os resultados a partir da invocação das URLs. Em algumas modalidades, o sistema de disseminação de informação pode digerir os resultados de ação para identificar a informação relevante e renderizar a informação para o usuário. Em algumas modalidades, o sistema de disseminação de infor- mação pode classificar os resultados de ação e renderizar os resultados de ação classifica- dos para o usuário.

A figura 1 é um diagrama de blocos que ilustra o processamento do sistema de dis- seminação de informação, de acordo com algumas modalidades. O sistema de dissemina- ção de informação identifica os interesses do usuário, armazena a informação que é basea- da mos interesses se usuário identificados, classifica a informação armazenada, e renderiza a informação classificada para o usuário. Para cada usuário, o sistema de disseminação de informação primeiro identifica os interesses do usuário e determina os tópicos de evento específico totais. Os interesses de usuário podem ser identificados usando informação deri- vada do calendário do usuário, e-mails, documentos relacionados, etc., e os tópicos podem ser determinados usando várias técnicas de cluster. O sistema de disseminação de informa- ção então automaticamente cria um perfil para o usuário. O sistema de disseminação de informação pode incluir a informação de perfil tal como as fontes de informação para a bus- ca para obter a informação para renderizar para o usuário, os eventos que foram analisados e os tópicos que foram gerados, um modelo de linguagem que é multiplicado com a experi- ência do usuário com o sistema de disseminação de informação, bem como outra informa- ção relacionada ao usuário. Usando as fontes de informação e os tópicos especificados no perfil do usuário, o sistema de disseminação de informação periodicamente busca e confere os resultados de busca contendo a informação que é periodicamente relevante para os tópi- cos. O sistema de disseminação de informação que classifica os resultados de busca com base em vários fatores, tais como, ponderações de tópico, classificações providas pelas fontes de informação, a proximidade dos eventos, e a informação de realimentação do usuá- rio. O sistema de disseminação de informação então renderiza os resultados de busca clas- sificados para o usuário. O sistema de disseminação de informação então obtém informação de realimentação do usuário monitorando a interação do usuário com os resultados de bus- ca renderizados e com a própria disseminação da informação. O sistema de disseminação de informação então incorpora a informação de realimentação no perfil do usuário. Incorpo- rando a informação de realimentação no perfil do usuário, o sistema de disseminação de informação é capaz de incorporar a realimentação nas buscas subseqüentes e classificar os resultados de busca, assim tornando enormemente mais responsivo para as necessidades de informação do usuário.

A figura 2 é um diagrama de blocos que ilustra componentes selecionados do sis- tema de disseminação de informação, de acordo com algumas modalidades. O sistema de disseminação de informação pode incluir ambos componentes de cliente que executam em dispositivos de computação de usuário, e componentes de servidor que executam em um servidor. Como apresentado, dispositivos de clientes 202, um servidor 204, e fontes de in- formação 206 são cada um acoplados a um link de comunicação 208. Os dispositivos de cliente correspondem a dispositivos de computação usados pelo usuário para interagir com o sistema de disseminação de informação. Cada dispositivo de cliente compreende um componente de perfil 210. Quando um usuário primeiro se registra com o sistema de disse- minação de informação, o componente de perfil é invocado para identificar os interesses do usuário e para automaticamente criar um perfil para o usuário. O componente de perfil pode então ser periodicamente invocado para atualizar a informação relacionada aos interesses do usuário mantida no perfil do usuário. O componente de perfil é também invocado para enormemente gerar tópicos que podem ser de interesse do usuário. O servidor compreende um componente recuperador de perfil 212, um armazenamento de perfil 214, um componen- te armazenador de informação 216, um componente classificador 218, um componente ren- derizador 220, e um componente de realimentação 222.

O componente recuperador de perfil é invocado para obter os perfis de usuário a partir dos dispositivos de cliente. O armazenamento de perfil contém os perfis de usuário. O componente gerador de informação é invocado em intervalos periódicos para armazenar informação a partir de fontes de informação apropriadas de acordo com a informação conti- da nos perfis de usuário. O componente armazenador de informação busca as fontes de informação usando pesquisas especificadas nos perfis de usuário. O componente classifica- dor é invocado para classificar a informação armazenada (por exemplo, resultados de bus- ca). O componente renderizador é invocado para renderizar os resultados de busca classifi- cados para usuários apropriados. O componente de realimentação é invocado para obter informação de realimentação de usuário e multiplicar a informação nos perfis de usuários com a informação de realimentação de usuário. Embora não mostrado na figura 2, os dispo- sitivos de cliente incluem componentes de sistema de disseminação de informação para permitir que usuários interajam com o sistema de disseminação de informação para, por exemplo, visualizar e modificar o conteúdo de perfis de usuário, receber notificações e aler- tas relacionados à disponibilidade de informação e para exibir e visualizar a informação ren- derizada. Similarmente, o servidor também inclui componentes do sistema de disseminação de informação para definir classes de eventos e executar as classes de evento.

O dispositivo de computação no qual o sistema de disseminação de informação é implementado pode inclui uma unidade de processamento central, memória, e dispositivos de entrada (por exemplo, teclado e dispositivos de ponteiro), dispositivos de saída (por e- xemplo, dispositivos de exibição), e dispositivos de armazenamento (por exemplo, dispositi- vos de disco). Os dispositivos de memória e armazenamento são mídias legíveis por compu- tador que podem conter instruções que implementam o sistema de disseminação de infor- mação. Além disso, as estruturas de dados estruturas de mensagem podem ser armazena- das via um meio de transmissão de dados, tal como um sinal em um link de comunicação. Vários links de comunicação podem ser usados, tais como a Internet, uma rede de área lo- cal, uma rede de longo alcance, uma conexão de discagem ponto-a-ponto, uma rede de telefone celular, e assim por diante.

Modalidades do sistema de disseminação de informação, incluindo o cliente de dis- seminação de informação e o servidor de disseminação de informação podem ser imple- mentadas em vários ambientes operacionais que incluem computadores pessoais, compu- tadores servidores, dispositivos de mão, dispositivos de laptop, sistemas de multiprocessa- dor, sistemas baseados em microprocessador, eletrônicos de consumo programáveis, câ- meras digitais, PCs de rede, minicomputadores, computadores centrais, dispositivos de re- de, ambientes de computação distribuídos que incluem qualquer um dos sistemas ou dispo- sitivos acima, e assim por diante. Os sistemas de computador podem ser telefones celula- res, assistentes digitais pessoais, telefones smart, computadores pessoais, eletrônicos de consumo programáveis, câmeras digitais, e assim por diante.

O sistema de disseminação de informação pode ser descrito no contexto geral de instruções executáveis por computador, tais como módulos de programa, executadas por um ou mais computadores ou outros dispositivos. Geralmente, módulos de programa inclu- em rotinas, programas objetos, componentes, estruturas de dados, e assim por diante que realizam tarefas particulares ou implementam tipos de dados abstratos particulares. Tipica- mente, a funcionalidade dos módulos de programa pode ser combinada ou distribuída como desejado em várias modalidades.

A figura 3 é um fluxograma que ilustra o processamento do componente de perfil, de acordo com algumas modalidades. O componente de perfil periodicamente identifica os interesses de um usuário para criar ou atualizar o perfil do usuário com a informação rela- cionada aos interesses do usuário. No bloco 302, o componente de perfil extrai os termos das mensagens e eventos contidos em pastas selecionadas, tais como pastas de e-mail do usuário. No bloco 304, o componente de perfil gera clusters de termos similares. No bloco 306, o componente de perfil associa os clusters com os eventos. No bloco 308, o compo- nente de perfil identifica os eventos de usuário, tal como as anotações do usuário. No bloco 310, o componente de perfil seleciona o próximo evento identificado. No bloco de decisão 312, se todos dentre os eventos identificados já tiverem sido selecionados, então o compo- nente de perfil finaliza, além do componente de perfil continuar no bloco 314. No bloco 314, o componente de perfil identifica os clusters que são relacionados ao evento. No bloco 316, o componente de perfil seleciona o próximo cluster identificado. No bloco de decisão 318, se todos dentre os clusters identificados já tiverem sido selecionados, então o componente de perfil volta para o bloco 310 para selecionar o próximo evento identificado, além do compo- nente de perfil continuar no bloco 320. No bloco 320, o componente de perfil identifica os termos principais no cluster identificado. No bloco 322, o componente de perfil gera uma pesquisa a partir dos termos principais. No bloco 324, o componente de perfil gera um tópico para o evento e, no bloco 326, inclui a informação relacionada e a pesquisa gerada no tópi- co. No bloco 328, o componente de perfil coloca o tópico no perfil de usuário, e então volta para o bloco 310 para selecionar o próximo evento identificado. Se um perfil não existe para o usuário, então o componente de perfil cria um perfil para o usuário.

Um versado na técnica apreciará que, para este e outros processos e métodos descritos aqui, as funções realizadas nos processos e métodos podem ser implementadas em diferentes ordens. Além do mais, as etapas traçadas são apenas exemplares, e algumas etapas podem ser opcionais, combinadas com algumas etapas, ou expandidas para etapas adicionais.

A figura 4 é um fluxograma que ilustra um processamento do componente de perfil para identificar termos principais, de acordo com algumas modalidades. Por exemplo, o componente de perfil pode identificas os termos principais a partir de termos que estão con- tidos em uma descrição de evento ou uma mensagem de e-mail. O componente de perfil identifica os termos principais baseado em uma ponderação total atribuída a cada termo. No bloco 402, o componente de perfil seleciona o próximo termo. O componente de perfil pode selecionar o termo usando qualquer uma de uma variedade de ferramentas bem conhecidas como um sistema de análise léxica. No bloco de decisão 404, se todos os termos já tiverem sido selecionados, então o componente de perfil continua no bloco 414, além do componen- te de perfil continuar no bloco 406. No bloco de decisão 406, se o termo tiver que ser elimi- nado como um termo principal potencial, então o componente de perfil volta para o bloco 402 para selecionar o próximo termo, além do componente de perfil continuar no bloco 408. No bloco 408, o componente de perfil calcula um tipo de ponderação para o termo. No bloco 410, o componente de perfil calcula uma ponderação relevante para o termo. No bloco 412, o componente de perfil calcula uma ponderação total baseada na ponderação relevante e atribui a ponderação total ao termo, e então volta para o bloco 402 para selecionar o próxi- mo termo. No bloco 414, o componente de perfil identifica os termos principais com base nas ponderações totais atribuídas aos termos, e finaliza.

A figura 5 é um fluxograma que ilustra o processamento do componente de perfil para gerar uma pesquisa, de acordo com algumas modalidades. O componente de perfil gera uma pesquisa a partir dos termos principais. No bloco 502, o componente de perfil classifica os termos principais com base em suas ponderações totais. No bloco 504, o com- ponente de perfil identifica os seis termos principais de classificação mais altos. No bloco 506, o componente de perfil gera uma pesquisa a partir dos seis termos principais de classi- ficação mais altos usando a Equação 1, e finaliza. Em outras modalidades, o componente de perfil pode gerar uma pesquisa usando um número diferente de termos principais de classificação mais altos. A figura 6 é um fluxograma que ilustra o processamento do componente de perfil para enormemente gerar um tópico, de acordo com algumas modalidades. O componente de perfil recebe uma identificação que um evento é de interesse de um usuário. Por exem- plo, o usuário pode especificar que o evento é interessante e solicita receber informações relacionadas ao evento específico. No bloco 602, o componente de perfil identifica um inte- resse de usuário, tal como uma mensagem relevante ou um tópico. No bloco 604, o compo- nente de perfil extrai os termos associados com o interesse de usuário identificado. No bloco 606, o componente de perfil identifica os termos principais a partir dos termos extraídos. No bloco 608, o componente de perfil gera uma pesquisa a partir dos termos principais. No blo- co 610, o componente de perfil coloca a pesquisa no perfil de usuário, e finaliza.

A figura 7 é um fluxograma que ilustra o processamento do componente armazena- dor de informação, de acordo com algumas modalidades. O componente armazenador de informação periodicamente armazena informações para renderizá-las para o usuário com base na informação contida no perfil de usuário. No bloco 702, o componente armazenador seleciona a próxima pesquisa a partir do perfil de usuário. No bloco de decisão 704, se to- das as pesquisas já tiverem sido selecionadas, então o componente armazenador continua para o bloco 708, além de o componente armazenador continuar no bloco 706. No bloco 706, o componente armazenador executa a pesquisa e obtém os resultados de busca. O componente armazenador pode executar a pesquisa buscando as fontes de informação es- pecificadas no perfil de usuário usando a pesquisa. Subseqüentemente para obter os resul- tados de busca para a pesquisa, o componente armazenador volta para o bloco 702 para selecionar a próxima pesquisa. No bloco 708, o componente armazenador classifica os re- sultados de busca que foram obtidos executando as pesquisas. No bloco 710, o componen- te armazenador renderiza os resultados de busca classificados para o usuário, e finaliza.

A figura 8 é um fluxograma que ilustra o processamento do componente classifica- dor, de acordo com algumas modalidades. O componente classificador passou nos resulta- dos de busca (os itens de informação a partir de uma fonte de informação) e classifica os resultados de busca com base na ponderação total atribuída a cada resultado de busca. No bloco 802, o componente classificador seleciona o próximo resultado de busca. No bloco de decisão 804, se todos os resultados de busca já tiverem sido selecionados, então o compo- nente classificador continua no bloco 814, além de o componente classificador continuar no bloco 806. No bloco 806, o componente classificador calcula a ponderação estática para o resultado de busca. No bloco 808, o componente classificador calcula uma ponderação temporal para o resultado de busca. No bloco 810, o componente classificador calcula uma ponderação adaptativa para o resultado de busca. No bloco, 812, o componente classifica- dor calcula uma ponderação total com base na ponderação estática, ponderação temporal, e ponderação adaptativa, atribui a ponderação total ao resultado de busca, e então volta ao bloco 802 para selecionar o próximo resultado de busca. No bloco 814, o componente clas- sificador classifica os resultados de busca com base nas ponderações totais atribuídas aos resultados de busca, e finaliza.

A figura 9 é uma representação gráfica de valores de ponderação como uma função de proximidade de um evento, de acordo com algumas modalidades. O gráfico ilustra o valor de ponderação temporal, que é a importância de um item de informação (isto é, resultado de busca) para um usuário, relativo ao tempo. A importância relativa do item de informação varia diferentemente dependendo do tempo atual. No gráfico apresentado na figura 9, T1 é o tempo de início programado do evento relacionado ao item de informação, T2 é o tempo final programado do evento relacionado. No período de tempo antes de T1, a importância do item de informação para o usuário aumenta, por exemplo, exponencialmente como apresen- tado na figura 9, mas com uma curva ascendente rasa conforme o tempo atual se aproxima de T1. Durante o evento, a importância do item de informação para o usuário permanece relativamente positiva. Durante o tempo após o final do evento, a importância do item de informação para o usuário rapidamente cai, por exemplo, exponencialmente como apresen- tado na figura 9, de modo que a importância diminui para um valor de zero em um espaço de tempo muito curto. Em algumas modalidades, como apresentado na figura 10, a impor- tância do item de informação para o usuário durante o evento pode aumentar para u pico em um ponto no tempo durante o evento, por exemplo, no tempo (T1+T2)/2. e diminuir após o mesmo para o final programado do evento.

A figura 11 é um fluxograma que ilustra o processamento do componente classifi- cador para calcular uma ponderação temporal de um resultado de busca, de acordo com algumas modalidades. No bloco 1102, o componente classificador identifica o evento que corresponde ao resultado de busca. No bloco 1104, o componente classificador determina o tempo atual (isto é, o tempo no presente). No bloco 1106, o componente classificador de- termina o tempo o evento identificado é programado para iniciar. No bloco 1108, o compo- nente classificador determina o tempo o evento identificado é programado para finalizar. No bloco de decisão 1110, se o tempo atual for antes do temo o evento é programado para ini- ciar, então o componente classificador continua no bloco 1112, além de o componente clas- sificador continuar no bloco 1114. No bloco 1112, o componente classificador calcula uma ponderação temporal para o resultado de busca usando a Equação 3, e finaliza. No bloco de decisão 1114, se o tempo atual for entre o tempo o evento é programado para iniciar e o tempo o evento é programado para finalizar, então o componente classificador continua no bloco 1116, além de o componente classificador continuar no bloco 1118. No bloco 1116, o componente classificador calcula uma ponderação temporal para o resultado de busca u- sando a Equação 4, e finaliza. No bloco 1118, o componente classificador calcula uma pon- deração temporal para o resultado de busca usando a Equação 5; e finaliza. A figura 12 é um fluxograma que ilustra a informação de renderização com base em uma classe evento correspondente a um evento de usuário, de acordo com algumas moda- lidades. O sistema de disseminação de informação cria uma classe de evento e dissemina informação relacionada a tópicos extraídos das classes de evento. No bloco 1202, um com- ponente do sistema de disseminação de informação cria classes de eventos. No bloco 1204, o componente determina uma classe de evento que corresponde ao evento de usuário iden- tificado. No bloco 1208, o componente processa a classe de evento identificado, e finaliza.

A figura 13 é um fluxograma que ilustra a criação de uma classe de evento, de a- cordo com algumas modalidades. Um componente do sistema de disseminação de informa- ção pode criar uma classe de evento em resposta a uma solicitação de usuário para criar uma classe de evento e baseada na entrada provida pelo usuário. No bloco 1302, o compo- nente cria um reconhecedor de classe de evento para a classe de evento. No bloco 1304, o componente cria um conjunto de tópicos especial para a classe de evento. No bloco 1306, o componente seleciona o próximo tópico especial. No bloco de decisão 1308, se todos os tópicos especiais já tiverem sido selecionados, então o componente finaliza, além do com- ponente continuar no bloco 1310. No bloco 1310, o componente cria um conjunto de encai- xes para o tópico especial. No bloco 1312, o componente cria um reconhecedor de encaixe para cada um dos encaixes criados. No bloco 1314, o componente cria um conjunto de a- ções para o tópico especial. No bloco 1316, o componente cria um conjunto de regras para digerir os resultados de ação para extrais a informação relevante a partir dos resultados de ação, e então volta para o bloco 1306 para selecionar o próximo tópico especial. A figura 14 é um exemplo de listagem de dados que ilustra uma classe de evento, de acordo com algu- mas modalidades. A listagem ilustra uma pluralidade de tópicos especiais contidos na classe de evento, incluindo seção de "tópico de consulta de viagem" 1402 para um tópico especial de consulta de viagem. A seção de tópico de consulta de viagem contém uma seção de "Encaixe" 1404, uma seção de "Reconhecedores" 1406, e uma seção de "Ação" 1408. A seção de encaixes especifica os encaixes que têm sido definidos para o tópico especial. Por exemplo, os encaixes "Para a Cidade" e "Para o País" têm sido definidos para o tópico de consulta de viagem. A seção de reconhecedores especifica as restrições sobre os valores dos encaixes e como determinar os valores dos encaixes. A seção de ação especifica as ações que devem ser tomadas para o tópico especial, Por exemplo, as ações podem ser especificadas na forma de URLs parametrizadas a serem exibidas ou executadas. A lista- gem na figura 14 também ilustra outros tópicos especiais que não têm sido ilustrados no mesmo nível de detalhes como o tópico especial de consulta de viagem. Embora não apre- sentado, cada um desses tópicos especiais podem conter também seções similares àquelas contidas no tópico especial de consulta de viagem.

A figura 15 é um fluxograma que ilustra o processamento de uma classe de evento, de acordo com algumas modalidades. Um componente do sistema de disseminação de in- formação pode processar uma classe de evento ao identificar um evento de usuário para processar. No bloco 1502, o componente identifica os tópicos especiais que têm sido defini- dos (isto é, criados), para a classe de evento. No bloco 1504, o componente seleciona o próximo tópico definido. No bloco de decisão 1506, se todos os tópicos especiais definidos já tiverem sido selecionados, então o componente finaliza, além do componente continuar no bloco 1508. No bloco 1508, o componente identifica os encaixes que têm sido definidos para o tópico especial. No bloco 1510, o componente seleciona o próximo encaixe definido. No bloco de decisão 1512, se todos os encaixes definidos já tiverem sido selecionados, en- tão o componente continua no bloco 1516, além do componente continuar no bloco 1514. No bloco 1514, o componente usa o reconhecedor de encaixe para o encaixe para identifi- car o preenchedor de encaixe (e o valor) para o encaixe, e então volta para o bloco 1510 para selecionar o próximo encaixe definido. Em algumas modalidades, em casos onde o componente é incapaz de identificar o preenchedor de encaixe, o componente pode solicitar que o usuário proveja o preenchedor de encaixe. No bloco 1516, o componente identifica as ações que têm sido definidas para o tópico especial. No bloco 1518, o componente realiza as ações. No bloco 1520, o componente digere os resultados de ação, por exemplo, para identificar a informação relevante. No bloco 1522, o componente renderiza os resultados de ação digeridos para o usuário, e então volta para o bloco 1504 para selecionar o próximo tópico especial definido.

Embora a matéria sujeita tenha sido descrita em linguagem especifica para recur- sos estruturais e/ou atos metodológicos, deve ser entendido que a matéria sujeita definida nas reivindicações anexas não é necessariamente limitada aos recursos ou atos específicos descritos acima. De preferência, os recursos e atos específicos descritos acima são apre- sentados como formas de exemplo de implementar as reivindicações. Conseqüentemente, a invenção não é limitada exceto quando pelas reivindicações anexas.

Claims (20)

1. Método implementado por computador para calcular uma ponderação temporal para um resultado de busca, o método sendo CARACTERIZADO pelo fato de que compre- ende: identificar um evento de usuário (1102) correspondente ao resultado de busca, o evento de usuário tendo um tempo de início de evento, um tempo de final de evento, e uma duração de evento: determinar um tempo atual (1104); e determinar uma ponderação temporal (808) para o resultado de busca com base em uma proximidade temporal do tempo atual para o evento de usuário.

2. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a ponderação temporal varia com o tempo.

3. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a ponderação temporal aumenta conforme o tempo atual se aproxima do tempo de início de evento.

4. Método, de acordo com a reivindicação 3, CARACTERIZADO pelo fato de que o aumento é exponencial.

5. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a ponderação temporal é constante durante a duração do evento.

6. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a ponderação temporal durante a duração do evento é pelo menos a ponderação temporal no tempo de início de evento.

7. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a ponderação temporal alcança um pico em um tempo durante a duração do evento.

8. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a ponderação temporal alcança um pico em um meio tempo através da duração do evento.

9. Método, de acordo com a reivindicação 1, CARACTERIZADO pelo fato de que a ponderação temporal diminui conforme o tempo atual se afasta do tempo fim de evento.

10. Método, de acordo com a reivindicação 9, CARACTERIZADO pelo fato de que a diminuição é exponencial.

11. Meio legível por computador, CARACTERIZADO por conter instruções para controlar um sistema de computação para resultados de busca de classificação de forma temporária, por um método compreendendo: para cada resultado de busca, identificar um evento de usuário (1102) correspondente ao resultado de busca; e determinar uma ponderação temporal para o resultado de busca (808) com base ern urna proximidade temporal do evento de usuário; e classificar os resultados de busca com base na ponderação temporal correspon- dente aos resultados de busca.

12. Meio legível por computador, de acordo com a reivindicação 11, CARACTERIZADO pelo fato de que a ponderação temporal do resultado de busca é tam- bém baseada em um fator de ponderação.

13. Meio legível por computador, de acordo com a reivindicação 12, CARACTERIZADO pelo fato de que o fator de ponderação é baseado na duração do evento de usuário.

14. Meio legível por computador, de acordo com a reivindicação 12, CARACTERIZADO pelo fato de que o fator de ponderação é baseado na importância do evento de usuário.

15. Meio legível por computador, de acordo com a reivindicação 12, CARACTERIZADO pelo fato de que o fator de ponderação varia a partir de antes do evento de usuário, durante o evento de usuário, e após o evento de usuário.

16. Sistema de computador para calcular uma ponderação temporal para um resul- tado de busca, CARACTERIZADO pelo fato de que compreende: um componente que identifica um evento de usuário (1102) correspondente a um resultado de busca, o evento de usuário tendo um tempo de início de evento, um tempo de final de evento, e uma duração de evento; e um componente que determina uma ponderação temporal (808) para o resultado de busca com base em uma proximidade temporal do evento de usuário.

17. Sistema, de acordo com a reivindicação 16, CARACTERIZADO pelo fato de que a ponderação temporal do resultado de busca é baseada na duração do evento de usu- ário.

18. Sistema, de acordo com a reivindicação 16, CARACTERIZADO pelo fato de que a ponderação temporal do resultado de busca é também baseada na importância do evento de usuário.

19. Sistema, de acordo com a reivindicação 16, CARACTERIZADO pelo fato de que a ponderação temporal do resultado de busca aumenta exponencialmente conforme um tempo atual se aproxima de um tempo de início do evento de usuário.

20. Sistema, de acordo com a reivindicação 16, CARACTERIZADO pelo fato de que a ponderação temporal do resultado de busca diminui exponencialmente conforme o tempo atual se afasta de um tempo final do evento de usuário.