CN102541981B - 追踪在线社交行为来增强搜索体验 - Google Patents

Abstract

本发明涉及追踪在线社交行为来增强搜索体验。公开了用于定制对于诸如搜索引擎应用程序等应用程序的用户体验的系统和方法。基于至少部分根据对用户在一个或多个社交媒体站点上的帖子的分析推断用户的心情和/或兴趣来定制用户体验。搜索引擎应用程序被配置成包括追踪用户在社交媒体网站上的活动的用户追踪引擎。通过跟踪用户在社交媒体网站上的帖子和其它活动，以及可能追踪他或她的朋友的帖子和其它活动，用户追踪引擎能够得到关于用户的推断，例如包括用户的情绪状态、当前的潮流兴趣、将来的计划、喜好/厌恶和愿望。用户追踪引擎然后可基于这些得到的推断定制用户的搜索体验。

Description

追踪在线社交行为来增强搜索体验

技术领域

本发明涉及搜索技术，尤其涉及增强搜索体验。

背景技术

每一天，用户通过诸如Twitter、Facebook、MySpace和其它社交网络平台和博客等社交网站与他们的朋友(有时与公众)分享关于他们自己的大量信息。用户分享他们的感受、他们正在做什么、他们正在想什么、他们的经历等等。当前，搜索引擎和其它启用web的应用程序不能利用通过跟踪用户分享的信息可用的洞察力。

搜索引擎尤其适于利用这样的洞察力，因为它们被其用户视为可信的顾问。当用户有疑问时，他们通常求助于他们的搜索引擎来提供答案。然而，如所注意到的，常规搜索引擎不使用可了解的用户信息来个性化用户的搜索体验。

发明内容

此处公开了用于定制对于诸如搜索引擎应用程序等应用程序的用户体验的系统和方法。基于至少部分根据对用户在一个或多个社交媒体站点上的帖子的分析推断用户的心情和/或兴趣来定制用户体验。搜索引擎应用程序被配置成包括追踪用户在社交媒体网站上的活动的用户追踪引擎。通过跟踪用户在社交媒体网站上的帖子和其它活动，以及可能跟踪他或她的朋友的帖子和其它活动，用户追踪引擎能够得到关于用户的推断，例如包括用户的情绪状态、当前的潮流兴趣、将来的计划、喜好/厌恶和愿望。用户追踪引擎然后可基于这些得到的推断定制用户的搜索体验。

在一个示例中，本发明的技术涉及增强用户与特权应用程序的交互的方法。该方法包括下列步骤：(a)追踪用户在一个或多个社交媒体站点上的在线活动；(b)分析在所述步骤(a)中追踪的用户在社交媒体站点上的活动来使用户活动与用户兴趣和/或心情相关；以及(c)基于在所述步骤(b)中相关的用户的兴趣和/或心情定制对特权应用程序的用户体验。

在另一示例中，本发明的技术涉及至少部分基于用户与一个或多个社交媒体站点的交互来推断用户的心情和/或兴趣的系统。该系统包括：用户追踪引擎，包括：用于在一个或多个社交媒体站点上追踪用户并复制该用户的来自一个或多个社交媒体站点的帖子的收集引擎，和用于分析由收集引擎收集的帖子并从帖子中推断该用户的心情和/或兴趣的一个或多个处理模块；以及用于存储由一个或多个处理模块推断的心情和/或兴趣的指示的数据存储。

在又一示例中，本发明的技术涉及用于增强对包括搜索引擎的搜索处理环境的用户体验的方法，所述方法包括：(a)根据对用户在一个或多个社交媒体站点上的帖子的分析推断用户的心情和用户的兴趣中至少一项；以及(b)至少部分基于在所述步骤(a)中为用户推断的心情和/或兴趣定制用户经由用户界面与搜索处理环境的交互式体验。

提供本概述以便以简化形式介绍将在以下详细描述中进一步描述的一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。此外，所要求保护的主题不限于解决在本发明的任一部分中提及的任何或所有缺点的实现。

附图说明

图1是用于实现本发明的各实施例的网络体系结构的框图。

图2是用于实现本发明的各实施例的用户追踪引擎的搜索引擎应用程序的框图。

图3是示出用于实现本发明的各实施例的用户追踪引擎和数据存储的进一步细节的框图。

图4A和4B是用于设置用户追踪引擎、修改用户偏好和修改用户追踪引擎的存储的推断的实施例的流程图。

图4C是示出参考图4A说明的过程的一部分的替换步骤的替换实施例。

图5是示出图4A和4C的步骤216的进一步细节的流程图。

图6是用户追踪引擎的第一智能处理模块的流程图。

图7是用户追踪引擎的第二智能处理模块的流程图。

图8是用户追踪引擎的第三智能处理模块的流程图。

图9是用户追踪引擎的第四智能处理模块的流程图。

图10是用户追踪引擎的第五智能处理模块的流程图。

图11是用户追踪引擎的第六智能处理模块的流程图。

图12是用于追踪用户群体的用户追踪引擎的第一智能处理模块的流程图。

图13是用于追踪用户群体的用户追踪引擎的第二智能处理模块的流程图。

图14是示出使用来自用户追踪引擎的推断来定制搜索引擎体验的流程图。

图15是根据本发明的实施例的示出定制用户界面的用户界面的图示。

图16是示出根据本发明的实施例定制的搜索结果的用户界面的图示。

图17是可在其上实现本发明的各实施例的示例计算设备的框图。

具体实施方式

现在将参考附图1-17来描述本发明的技术的各实施例，这些实施例总体上涉及用于定制对诸如搜索引擎应用程序等应用程序的用户体验的系统和方法。基于至少部分根据对用户在一个或多个社交媒体站点上的帖子和活动的分析推断用户的心情和/或兴趣来定制用户体验。在各实施例中，搜索引擎包括具有收集引擎和一个或多个智能处理模块的用户追踪引擎。收集引擎在一个或多个社交媒体站点上追踪用户并将用户的帖子和其它活动复制到搜索引擎应用程序中的存储位置。一个或多个智能处理模块之后分析帖子和活动，并基于帖子中的心情和兴趣的指示推断用户的心情和/或用户的兴趣。在其它实施例中，收集引擎和一个或多个智能处理模块可被合并成用户追踪引擎中的单个操作例程。在这样的实施例中，可跟踪用户的帖子以及用户朋友的帖子并对其进行分析以便在不必将帖子复制到存储位置的情况下进行推断。

使用所标识的推断，用户追踪引擎然后可定制用户的搜索体验。可通过使搜索引擎的图形用户界面的外观个性化和/或通过使搜索引擎为用户查询返回的结果个性化来定制体验。在各实施例中，用户追踪引擎也可追踪用户的在线朋友在一个或多个社交媒体站点上的帖子和活动。在这样的实施例中，一个或多个智能处理模块在执行其分析并生成关于用户的心情和/或兴趣的推断时可将朋友的帖子考虑在内。

在各实施例中，用户追踪引擎也可跟踪用户群体的帖子和活动，并生成涉及作为整体的用户群体的心情和/或兴趣的推断。该信息然后可由其它应用程序使用，例如度量对一个或多个话题的舆论、允许标识就其关于一个或多个话题的帖子方面多产的和/或有影响力的用户。下面将更详细地描述这些概念中的每一个。

图1是根据本发明的技术的网络体系结构100的说明性示例。体系结构100示出经由计算设备104连接至多个社交网络站点106-1、106-2...106-n和多个博客108-1...108-n的用户102。本发明的技术还包括运行跟踪用户在社交网络站点106和/或博客108上的活动的用户追踪引擎112的计算设备110。如下所述，用户追踪引擎112可以是对来自用户102的查询作出响应的搜索引擎的一部分。图1中所示的特定体系结构仅作为示例，且可以理解用户追踪引擎112可追踪用户102仅在单个社交网络站点106、单个博客108或在任何数量的社交网络站点106和/或博客108上的活动。一个或多个社交网络站点106和/或博客108在本文中有时可被统称为“社交媒体站点”。

社交网络站点106可以是允许用户彼此构建和维护社交网络的在线平台和/或网站。社交网络可以是基于诸如朋友关系、业务、共同兴趣或活动等共同性选择来彼此交互的人的群体。社交网络站点106允许用户通过将想法、活动、事件、情感、兴趣、愿望和关于用户的其它信息发帖在站点106上来与他人分享这一信息。已知社交网络站点106的一些示例包括但不限于：FacebookMySpaceTwitterLinkedinNingTaggedClassmatesHi5MyYearbookMeetupBeboMylifeFriendsterMyHeritageMultiplyOrkutFoursquareDiggMatch以及Xbox实况游戏服务。

博客108可以是由个体或实体维护的、向访问博客的用户提供评论、事件的描述或其它材料的在线平台和/或网站。博客108可允许用户张贴评论并彼此收发消息。已知博客108的一些示例包括但不限于：TMZHuffington PostEngadgetGizmodoMashable^TM、TechCrunchGawker和FanHouse如所知地，博客108可例如通过诸如Blogger和WordPress等博客和网站创建平台来设置。

如所知地，设置社交媒体站点106、108以使得用户可通过向社交媒体站点106、108张贴内容来彼此连接。在一个示例中，用户102可接受朋友；即希望与用户102连接并能访问该用户张贴的信息的其他人。在又一示例中，用户可向社交媒体站点106、108公开地张贴内容，使其可被访问社交媒体站点106、108的任何人查看。

图1还示出经由相应的计算设备116连接至用户102所连接的社交媒体站点106、108中的一个或多个的朋友114-1、114-2...114-n。用户可在不同的社交媒体站点106、108上具有不同的朋友114。用户也可在社交媒体站点106、108上设置其简档，使得他们提供的信息对公众可用。或者，用户102可设置成使其信息仅对用户授予接收用户信息的许可的朋友可用。

图1中所示的每一条线可表示网络连接118，网络连接可以例如是因特网。在以下所述的实施例中，用户102可经由用户的计算设备104上的web浏览器连接至社交媒体站点106、108。然而，可以理解，用户102(及朋友114)可经由诸如电子邮件和/或即时消息收发等其它的应用程序来与社交媒体站点106、108通信。还可以理解，用户计算设备104和朋友计算设备116可以是各种计算设备中的任一种，包括但不限于：台式计算机、膝上型计算机、平板计算机、蜂窝电话、电视机/机顶盒、视频游戏控制台、汽车和智能电器。而且，用户102可在不同的时间使用不同的计算设备104来连接至社交网络站点106和博客108，朋友114亦如此。计算设备110可例如是一个或多个服务器、多处理器系统、大型机或分布式计算环境。构想了其他设备。以下参考图17更详细地描述了可用作设备104、116和/或110的计算设备的一个示例。

图2是也被称为搜索处理环境130的搜索应用程序的框图，包括其上可实现本发明的技术的软件模块和数据结构。其中可包括并使用本发明的技术的搜索处理环境130的一个示例是华盛顿州雷德蒙市微软公司的Bing^TM搜索引擎软件。搜索处理环境130可与以上提及并将在以下更详细说明的计算设备110一起和/或作为其部分操作。

搜索处理环境130可包括被称为蜘蛛或爬虫(crawler)132的软件例程。蜘蛛132访问万维网上的网站150并从其页面检索内容。蜘蛛可在定期的基础上返回网站以查找改变。web爬虫执行的基本算法将种子URL的列表作为其输入并重复以下动作：从URL列表中移除URL，确定其主机名的IP地址，下载对应的文档以及提取其中包含的任何链接。对每一个提取的链接，爬虫可将其转换成绝对URL(如有必要)，并将其添加到要下载的URL的列表中(如果之前未曾遇到过它)。

蜘蛛132检索的页面进入存储在数据存储140内的索引136中。有时被称为目录的索引136是包含蜘蛛找到的每个网页的副本的储存库。检索到的网页由索引器134组织到索引136中。索引器134收集、分析数据并将数据存储在索引136中以便于快速且准确的信息检索。索引器134的实施例存储来自网站150的全文本、自然语言文档。也可检索和索引诸如视频、音频和图形等媒体类型以进行搜索。

搜索处理环境130还可包括搜索引擎142。搜索环境筛选记录在索引中的数百万个页面以查找对搜索的匹配并按照哪个网页被认为最为相关的次序对其进行排序。通过索引进行搜索涉及用户构建查询并通过搜索引擎提交查询。查询最少可以是单个词或可以是一连串词或短语。通过使用允许用户细化可扩展搜索项的布尔运算符，构建更为复杂的查询也是可能的。可以理解，搜索处理环境130可包括除图2中所示以外的各种其它组件，例如包括页面排序算法和用于处理索引134的各种其它组件。

实际上，计算设备104的用户102经由客户机侧上的web浏览器146以及主机侧上的如计算设备110等web服务器来访问搜索处理环境130。一旦在客户机与主机之间建立了通信链路，用户102可如上所述地执行查询搜索。

根据本发明的技术的各实施例，搜索处理环境130还可包括用于在用户102与社交媒体站点106、108(诸如图2中所示的社交网络站点106-1)交互时追踪用户102的用户追踪引擎112。用户追踪引擎112跟踪的信息可被存储在用户简档服务160和/或所有用户简档服务176中，如下所述。

用户追踪引擎112由用户102设置，使得用户追踪引擎112可跟踪或“收听”用户向站点106-1以及用户访问的任何其它社交媒体站点106、108张贴的信息。用户追踪引擎也可收听用户朋友114的帖子。用户102可设置用户追踪引擎112来跟踪用户的帖子、用户朋友的帖子，至少两种方式之一。在一个实施例中，用户可向用户追踪引擎112授予访问社交媒体站点106、108以及代表用户行动的委托授权。社交媒体站点106、108可使用已知的认证和授权协议，诸如OAuth WRAP或OAuth 2.0，它们允许用户102设置用户追踪引擎112来在社交媒体站点上代表用户行动。在此实施例中，用户追踪引擎112可与社交媒体站点106、108的应用程序编程接口(API)协商以根据用户设置的许可获得与用户相同的对社交媒体站点的访问权。一旦位于站点上，用户追踪引擎112可跟踪用户的帖子，并能访问用户朋友的帖子。具体地，当朋友114发帖并设置用户102(并且例如没有其他人)查看该帖子的特权时，用户追踪引擎在经由委托权力连接时将能够访问该机密的朋友帖子。在委托权力的替换实施例中，用户可以用许可来设置用户追踪引擎，使得用户追踪引擎成为用户的朋友/追踪者。用户追踪引擎112之后将能够访问用户张贴的内容以及有可能还访问用户朋友的帖子。构想了用户追踪引擎能够追踪用户102和/或用户的朋友的帖子的其它方法。

通过收听用户的帖子以及有可能还收听用户朋友的帖子，用户追踪引擎能够得到例如关于用户的情绪状态、当前的潮流兴趣、将来的计划、喜好/厌恶和愿望的推断。用户追踪引擎112然后可基于这些得到的推断定制用户对搜索处理环境130的搜索体验。

现在将参考图3的框图和图4A-13的流程图来解释用户追踪引擎112的体系结构的进一步细节。搜索处理环境130的数据存储140可包括存储关于用户102的信息的用户简档服务160。数据存储140还可包括存储关于搜索处理环境130上的所有用户的聚集信息的所有用户简档服务176。用户追踪引擎112生成关于用户102以及所有其它用户的信息，该信息被存储在用户简档服务160和所有用户简档服务176中，如下所述。

用户追踪引擎112包括设置和用户偏好模块154。参考图4A的流程图，模块154的一个功能是允许用户选择进入本发明的技术的用户追踪系统。在各个实施例中，用户可通过从搜索处理环境130呈现的图形用户界面选择选项来运行模块154。一旦启动了模块154，用户可在步骤200中选择进入用户追踪系统。用户也可在步骤200中指定系统为用户跟踪哪些社交媒体站点106、108。

在步骤204中，用户可提供用户在系统要跟踪的每个社交媒体站点106、108上的名字和/或ID。用户102可具有他或她在不同的社交媒体站点106、108上或甚至在单个社交媒体站点106、108上使用的不同身份的镶嵌图。可在步骤204中就这种不同身份的镶嵌图来警告该系统，使得用户追踪引擎112不论用户正在使用哪个身份都可追踪用户。

在步骤206中，设置和偏好模块154接下来可提示用户他或她在社交媒体站点106、108上是否具有私人简档。如果是，则模块154可生成从具有私人用户简档的指定社交媒体站点106、108发送到用户的朋友请求。为此，在实施例中，用户追踪引擎可在所有(或许多)已知社交网络站点106和博客108上设置一个或多个用户帐户。这可通过网络管理员或由API自动完成，API在社交媒体站点106、108上为用户追踪引擎112启用自动帐户设置。

之后，用户追踪引擎可生成朋友请求并通过指定的社交媒体站点106、108将其发送给用户。对于指定的社交媒体站点106、108而言，用户请求将显得如同来自诸如图1中的朋友114等任何其他朋友的朋友请求一样。在从用户追踪引擎112接收朋友请求之后，用户102可在步骤212中接受该请求。如果接受，则这将允许用户追踪引擎112跟踪用户102在指定的社交媒体站点106、108上的私人帖子和活动。如果因某种原因，用户102在步骤212中不接受朋友请求，则可在步骤214中提示用户或者接受请求或者从跟踪的站点中移除私人社交媒体站点106、108。

如上所述，代替将用户追踪引擎12设置为用户102的朋友，用户可改为向用户追踪引擎委托权力以便该引擎在社交媒体站点106、108上充当该用户。图4C示出了其中省略了与将用户追踪引擎设置为朋友相关的上述步骤204、206、210、212和214的图4A的一部分。相反，在图4C的实施例中，设置和偏好模块154可执行向用户追踪引擎112委托权力的步骤202并在步骤208中允许用户设置许可。图4C的实施例的其余步骤可与下述图4A和4B中的步骤相同。

在步骤216中，用户追踪引擎112可跟踪用户102在社交媒体站点106、108上的帖子和其它活动。当用户102具有私人简档时，如上所述，用户追踪引擎112可通过委托权力或通过与用户102成为朋友来跟踪用户的活动。当用户在社交媒体站点106、108上的简档是公开的时候，用户追踪引擎112可在知道用户ID而不与用户102成为朋友的情况下跟踪用户的活动(尽管用户追踪引擎112在此情况下也可与用户成为朋友)。

关于用户追踪步骤216的进一步细节现在参考图3和图5的流程图描述。在步骤240中，用户追踪引擎112可检测用户何时向社交网络站点106或博客108发帖。用户追踪引擎112的用户帐户可指定社交媒体站点106、108要在用户102发帖时发送通知。或者，用户追踪引擎112可连续地跟踪用户的社交媒体站点106、108。可这样做的一种方式是监视社交媒体站点106、108上的数据流以寻找与用户追踪引擎112感兴趣的数据相关的某些线索。

用户追踪引擎112还可包括收集引擎152，它具有被配置成标识来自用户102的帖子以及在步骤242中将这些帖子复制到用户简档服务160的用户动作高速缓存162中的API。用户的帖子例如可以是文本、图像、视频和/或音频(包括数据本身或到数据所处位置的链接)。所有的格式可由收集引擎152复制和存储。用户也可在社交媒体站点106、108上执行可被收集引擎152检测和复制的其它活动。例如，用户可在社交媒体站点106、108上具有可被收集引擎152记录和复制的状态。用户还可在社交媒体站点106、108上执行管理或用户偏好相关的活动，这些活动也被收集引擎152标识和存储。在其它实施例中，包括用户和朋友的帖子的数据可被标识但不被复制到高速缓存162。在这样的实施例中，可分析所标识的帖子以进行推断，如下所述。可存储所标识的推断，但将不存储用户和朋友的帖子。

在步骤244中，收集引擎152还可复制和存储关于用户在社交媒体站点106、108上的活动的元数据。这种元数据可例如包括社交媒体站点106、108的标识、用户活动的日期和时间、用户102使用来连接至社交媒体站点106、108的设备104以及进行连接时用户102的位置(假定设备104具有全局定位系统(GPS)或用于在用户向社交媒体站点106、108发帖时标识用户位置的其它装置)。在其它实施例中，所存储的元数据可包括不同或附加的信息。

在步骤248中，收集引擎152还可检测到用户102在所联系的社交媒体站点106、108上的朋友114(其中这样的信息由站点106/博客108提供)。如果可用，则收集引擎152可在步骤250中将这些朋友的列表存储在用户简档服务160中的社交图存储166中。收集引擎152还可在步骤252中复制并存储用户的朋友114的帖子(这可在无论用户是否发帖的情况下发生)。当朋友114不与用户追踪引擎112相关联时，收集引擎152能够通过用户102与用户的朋友114之间的关系来获取这一信息。

收集引擎152获取的、并高速缓存在用户动作高速缓存162中的信息可在步骤254中被索引。索引可由上述的相同索引器134(图2)执行。或者，可使用单独的索引器来索引由收集引擎152获取的信息。经索引的信息可被存储在用户简档服务160的用户索引164中。用户102的帖子和活动可与为用户102的朋友114记录的帖子和活动分开索引。以此方式，由本发明的系统收集并存储用户及其朋友的所有帖子和其它活动。当帖子是文本时，帖子可作为全文本自然语言条目存储在用户索引164中。也可索引和存储图形图像、视频和/或音频数据。

如下所述，用户追踪引擎112还包括智能处理模块156，该模块用于分析用户102及其朋友114的经索引的信息，并提出关于用户102可得出的推断。所有这样的推断可被存储在用户简档服务160的用户推断存储172中。本发明的系统的又一特征在于用户能够容易地查看用户推断存储172中的所有这样的推断并修改或删除这些推断。在此参考图3的框图和图4A的流程图，设置和偏好模块154可在步骤218中检查查看用户推断的用户请求。这例如可以是在搜索处理环境130所呈现的图形用户界面上提供的选项，如下所述。

如果在步骤218中接收到查看用户推断的用户请求，则可在步骤222中向用户102显示已从经索引的信息得出的推断。在用户不同意推断或同意推断但仍希望改变它的情况下，设置和偏好模块154在步骤224中接受来自用户102对所存储的推断的改变。而且，用户可在步骤226中设置防止已移除的推断重新出现的偏好规则。

在步骤230中，设置和偏好模块154还可检查用户是否希望审阅和/或改变所设置的其它用户偏好。这例如可以是在搜索处理环境130所呈现的图形用户界面上提供的选项。用户偏好可例如被存储在用户简档服务160的设置和凭证存储168和/或用户简档170中。设置和凭证存储168中的偏好可由用户直接设置。在用户简档170中设置的偏好可从收集引擎152从社交媒体站点106、108抓取的用户偏好中取得。在其它实施例中，可组合设置和凭证存储168和用户简档170。

如果用户在步骤230中选择查看其偏好，则可在步骤234(图4B)中向用户显示用户偏好，且在步骤236中接受对用户偏好的任何改变。存在可按照这种方式设置的各种用户偏好。例如，用户可就收集引擎152要忽视哪个社交媒体站点106、108、帖子或主题设置规则。用户可设置关于朋友的偏好，诸如较高或较低地加权来自某些朋友的帖子或忽视来自某些朋友的帖子。可按照这种方式设置或更改其它用户偏好。

如上所述，设置和用户偏好模块154执行至少三个功能。模块154可用于设置系统要追踪的社交媒体站点106、108。模型154可用于查看和修改已经为用户创建的推断。而且，模块154可用于查看和修改用户偏好。可以理解，在其它实施例中，这些功能可由两个或更多个分开的模块执行。

现在将参考图3的框图和图6-12的流程图来解释生成关于用户102的推断的智能处理模块156的操作。如上所述，在用户索引164中索引用户的帖子和用户102的其它活动，以及可能索引来自其朋友114的帖子和其它活动。智能处理模块156扫描索引164，分析信息并生成关于用户102的推断。推断可与关于用户的各种信息相关。在一个示例中，智能处理模块156可用于得出关于用户的情绪状态、当前的潮流兴趣、将来的计划、喜好/厌恶和愿望的推断。这些特性仅作为示例。在其它示例中，可对这些特性中的某一些省略处理模块，或可为得到关于替换或附加特性的推断而提供处理模块。

在各实施例中，单独的智能处理模块156可专用于这些用户特性中的每一个。在各实施例中，在不同的智能处理模块之间可能存在某种重叠，且从一个模块156中收集的信息可由另一模块156使用。在以下描述中，每一流程涉及不同的智能处理模块，且每一处理模块负责得出关于单个用户特性的推断。然而，可以理解，单个模块156可用于得出关于一个以上的特性的推断。或者，可由协力工作的多个处理模块156提供单个特性的推断。

图6的流程图涉及用于从用户102的帖子以及可能地从用户朋友114的帖子检测用户的情绪状态的智能处理模块156。在步骤260中，该智能处理模块可执行对索引164的关键字搜索。关键字搜索可能对所描述的许多或所有处理模块156是通用的，然而对不同的处理模块156，所搜索的具体关键字可能不同。在图6的处理模块156中，该模块可搜索倾向于揭示关于用户的情绪状态的信息的关键字。这些关键字可包括单个词或多个词和短语。基本原理是当用户高兴时，他们更有可能在其帖子中使用某些词。这在用户伤心、生气、兴奋、恐惧、无聊等时也成立。存在将词分类成某些心情的表示的研究，且图6的处理模块156可使用这种分类。例如，Bradley、M.M.和Lang，P.J的题为“Affective Norms for English Words(ANEW)：Instruction Manual and Affective Ratings(英语词语的情感规范(ANEW)：使用指南和情感评级)”的出版物，佛罗里达大学精神心理学研究中心(1999年)的技术报告C-1包含对1034个英语词的规范情绪评级。该数据集中的每一个词与评级1-9以及情绪影响的三个维度中的每一个相关联：效价(valence)(愉快对不愉快)、唤起程度(arousal)(激动对平静)以及优势度(强烈对虚弱)。这样的评级可在步骤260的关键词搜索中使用。上述出版物通过引用其整体而被包含在此。可对不同的口语应用不同的方法。

用户102的情绪状态的另一个、可能更为客观的指示可以是包括情绪图标(emoticon)的帖子。情绪图标是由用户102提供的、一般表示用户的心情或面部表情的文本或图形表示。可在步骤264中在用户索引164中搜索这样的情绪图标。在步骤268中，图6的处理模块156还可查找在索引164中记录的状态更新。具体地，许多社交媒体站点106、108允许用户设置各种状态指示，诸如用户是处于交往中还是单身、就业还是待业等。状态的改变可以是用户102的心情的指示。在步骤270中，可通过应用针对从用户在社交媒体站点106、108上的帖子和/或其它活动中揭示情绪状态的各种其它试探测试来分析索引164。

在步骤272中，可分析他人的帖子来得到关于用户102的心情的推断。这些他人可以是用户的朋友114。如上所述，朋友的帖子也被存储在用户索引164中，且可通过其与用户102的交互包括用户102的心情的指示。在步骤272中分析其帖子的他人可能与用户102完全无关。可能发生公众中的很大一部分发帖讨论的某些事件。例如，明星的逝世或球队赢得重要比赛的胜利可导致大量群众在社交媒体站点106、108上发帖。当标识了这样的事件且用户对该事件发帖时，可推断用户的心情反映了公众对该事件的心情。

以上步骤260、264、268、270和272提供了可由智能处理模块156执行以便得到关于用户的情绪状态的推断的步骤的某些示例。可以理解，在其它实施例中，这些步骤中的一个或多个可被省略，且可代替这些步骤或除这些步骤以外执行一个或多个其它步骤。

在步骤274中，模块156检查是否可基于如上述执行的分析步骤得出关于用户的情绪状态的推断。如果未标识关于情绪状态的这样的推断，则图6的处理模块156结束。然而，如果标识了关于情绪状态的某些推断，则处理模块156可接下来在步骤278中检查是否存在对该情绪状态显示得有多强烈的指示。这在此处被称为检测到的推断的置信水平。可例如由情绪指示出现在用户102或其朋友的帖子中的频率来检测置信水平。或者，可由情绪指示出现在用户102或其朋友的帖子中的强烈程度来检测置信水平。在步骤278中，可提供用于基于这些因素量化置信水平以提供数值置信水平的公式。

在步骤280中，模块156可检查情绪推断的置信水平是否高于某一预定阈值。如果否，则不会得出情绪推断。另一方面，如果情绪推断的置信水平高于某一预定阈值，则在步骤282中，检测到的情绪状态可被存储在用户简档服务的推断存储172中。具体地，在检测到高于阈值的推断时，处理模块156使表示推断的数据和表示置信水平的数据存储在推断存储172中。在其它实施例中，可省略涉及确定置信水平以及需要置信水平高于预定阈值的步骤278和280。在这样的实施例中，当通过分析经索引的帖子检测到情绪状态时，表示该情绪状态的数据在不考虑置信水平的情况下被存储在推断存储172中。

情绪状态与其它用户特性一样是时间相关的。尽管用户当前可能高兴或伤心，但用户在几个小时或几天后可能不具有该情绪状态。从而，当在步骤282中存储推断的情绪状态时，图6的模块156还可存储检测到该情绪状态的时戳。使用如下所述的时戳，在定制搜索体验时将使用检测到的情绪状态的可能性随时间衰减。在替换实施例中，代替具有衰减度量，时间的概念可直接纳入置信水平的判断中。从几分钟之前的帖子中得出的推断与从几小时之前张贴的相同帖子得出的推断相比，可具有更高的置信水平。

在实施例中，除时戳之外，也可存储预定义的衰减值。具体地，某些特性与其它特性相比更为短暂。例如，心情可快速改变，而兴趣可往往持续更长时间。因此，可对于不同的推断任意定义衰减值的比例，且该衰减值还可与给定推断相关联地存储。某些推断可接收给定衰减值，诸如零，这指示该推断不随时间衰减。

图7的流程图涉及用于检测用户102的潮流兴趣的智能处理模块156。具体地，用户102可能对特定主题有兴趣。这可以是新歌、专辑或艺术家。这可以是时事。这可以是新的朋友关系或研究领域。这可以是与用户102感兴趣的任何课题相关的各种其它主题。这种兴趣可在用户对社交媒体站点106、108的帖子中表达。用户可谈论该兴趣，或用户可上传或查找兴趣主题的示例。

检测潮流兴趣的一种方法是通过执行对用户帖子的关键字搜索。在步骤290中，图7的智能处理模块156可执行对索引164的关键字搜索，且在步骤294中，模块156可确定各术语在用户的帖子中出现的频率。基本原理是当用户具有潮流兴趣时，该兴趣将以较高频率出现在用户的帖子中。

用户还可输入搜索查询并探索与潮流兴趣相关的网站(社交媒体站点106、108或其它网站)。在步骤296中，图7的处理模块可分析查询和从通过搜索处理环境130执行的搜索返回的结果来查看潮流是否是明显的。这还可包括分析关于所访问的站点的元数据。在步骤300中，可通过应用旨在从用户的帖子和/或其它活动内揭示潮流兴趣的各种其它试探操作来分析用户的帖子、搜索查询和/或所访问的网站。还可按照相同的方式分析来自用户的朋友114的帖子以尝试辨别或确认用户102的潮流兴趣。

以上步骤290、294、296和300提供了可由智能处理模块156执行以便得出关于用户的潮流兴趣的推断的步骤的某些示例。可以理解，在其它实施例中，这些步骤中的一个或多个可被省略，且可代替这些步骤或除这些步骤以外执行一个或多个其它步骤。

在步骤302中，模块156检查是否可基于如上述执行的分析步骤得到关于用户的潮流兴趣的推断。如果未标识关于潮流兴趣的这样的推断，则图7的处理模块156结束。然而，如果标识了关于潮流兴趣的某一推断，则在步骤308中，该潮流兴趣可被添加到用户102的推断存储172中。可任选地，图7的处理模块156还可包括在推断被添加到推断存储172中之前在步骤304和306中潮流兴趣被认为高于某一预定置信水平的要求。如果是，则置信水平也可被添加到推断存储172。所得到推断的时戳也可与该推断一起存储在推断存储172中。如上所述，还可添加衰减值。当随时间找到新的或附加的潮流指示时，时戳或衰减值可被复位。

图8的流程图涉及用于检测用户102感兴趣的地理位置的智能处理模块156。具体地，用户102可正在计划旅行，可正在旅行，或可已经从旅行中回来。地理位置可以是用户102感兴趣的任何地方，无论他或她是否计划到那旅行。这可以是与用户102感兴趣的任何地理位置相关的各种其它主题。这种兴趣可在用户对社交媒体站点106、108的帖子中表达。用户可谈论感兴趣的地方。用户可替换地或附加地关于感兴趣的地方的旅行安排、膳宿和/或活动发帖。用户还可上传或寻找与感兴趣的地方有关的内容的示例。

在步骤312中，图8的智能处理模块156可执行对索引164的关键字搜索，且在步骤316中，模块156可确定各术语在用户的帖子中出现的频率。基本原理是当用户对地理位置感兴趣时，该兴趣将以较高频率出现在用户的帖子中。

用户还可输入搜索查询并探索与感兴趣的地方相关的网站(社交媒体站点106、108或其它网站)。在步骤318中，图8的处理模块可分析查询和从通过搜索处理环境130执行的搜索返回的结果来查看感兴趣的地方或旅行计划是否是明显的。图8的处理模块156还可在步骤320中查找某些著名旅行目的地在用户的帖子中的出现和频率，诸如夏威夷、非洲狩猎旅行、欧洲地点或各种其它地方。在步骤322中，可通过应用旨在从用户的帖子和/或其它活动内揭示感兴趣的地方的各种其它试探操作来分析用户的帖子、搜索查询和/或所访问的网站。

还可按照相同的方式分析来自用户的朋友114的帖子以尝试辨别或确认用户102感兴趣的地理位置。用户可能在寻找度假地点或感兴趣的其它地方时寻求帮助。来自用户的朋友的回复于是可帮助确定用户是否找到了感兴趣的特定地方。

以上步骤312、316、318、320和322提供了可由智能处理模块156执行以便得到关于用户102感兴趣的地理位置的推断的步骤的某些示例。可以理解，在其它实施例中，这些步骤中的一个或多个可被省略，且可代替这些步骤或除这些步骤以外执行一个或多个其它步骤。

在步骤324中，模块156检查是否可基于如上述执行的分析步骤得到关于感兴趣的地方的推断。如果未标识关于地理位置的这样的推断，则图8的处理模块156结束。然而，如果标识了关于感兴趣的特定地方的某一推断，则在步骤330中，该感兴趣的地方可被添加到用户102的推断存储172中。可任选地，图8的处理模块156还可包括在推断被添加到推断存储中之前在步骤326和328中感兴趣的地理位置被认为高于某一预定置信水平的要求。如果是，则置信水平也可被添加到推断存储172。在步骤330中，所得到推断的时戳也可与该推断一起存储在推断存储172中。

图9的流程图涉及用于检测用户102感兴趣的瞬时事件的智能处理模块156。具体地，用户102可能正在计划生日、或前往音乐会、或在学校有即将到来的测验或工作的最后期限。事件可以是定期的周期性事件，诸如每周五或一周的其它日子下班后的减价时间(happy hour)的会面。这可以是与用户102感兴趣的任何瞬时事件相关的各种其它主题。这种兴趣可在用户对社交媒体站点106、108的帖子中表达。用户可谈论该事件，或上传或查找与该事件相关的内容的示例。

在步骤336中，图9的智能处理模块156可执行对索引164的关键字搜索，且在步骤338中，模块156可确定各术语在用户的帖子中出现的频率。如果用户102对瞬时事件感兴趣，则该兴趣可按照较高频率出现在用户的帖子中。

用户还可输入搜索查询并探索与瞬时事件相关的网站(社交媒体站点106、108或其它网站)。在步骤342中，图9的处理模块可分析查询和从通过搜索处理环境130执行的搜索返回的结果来查看事件是否是明显的。图8的处理模块156还可在步骤346中查找时间和/或日期的出现和频率以及给定对象是否与这些时间和/或日期相关联。对于周期性事件，这些事件可通过在用户102的帖子或其朋友114的帖子中识别时间和/或一周中的各天的重复模式来变得明显。在步骤348中，可通过应用旨在从用户的帖子和/或其它活动内揭示感兴趣的事件的各种其它试探操作来分析用户的帖子、搜索查询和/或所访问的网站。还可按照相同的方式分析来自用户的朋友114的帖子以尝试辨别或确认用户102感兴趣的瞬时事件。

以上步骤336、338、342、346和348提供了可由智能处理模块156执行以便得到关于用户102感兴趣的瞬时事件的推断的步骤的某些示例。可以理解，在其它实施例中，这些步骤中的一个或多个可被省略，且可代替这些步骤或除这些步骤以外执行一个或多个其它步骤。

在步骤350中，模块156检查是否可基于如上述执行的分析步骤得到关于感兴趣的瞬时事件的推断。如果未标识关于瞬时事件的这样的推断，则图9的处理模块156结束。然而，如果标识了关于特定事件的某一推断，则在步骤356中，该事件可被添加到用户102的推断存储172中。可任选地，图9的处理模块156还可包括在推断被添加到推断存储中之前在步骤352和354中感兴趣的事件被认为高于某一预定置信水平的要求。如果是，则置信水平也可被添加到推断存储172。在步骤356中，所得到推断的时戳也可与该推断一起存储在推断存储172中。

图10的流程图涉及用于检测用户102的喜好和厌恶的智能处理模块156。用户102可对某些主题、人、品牌、商店、组织、地方和/或东西感到有亲和力或嫌恶，且这种亲和力或嫌恶可在用户对社交媒体站点106、108的帖子中表达。在步骤360中，图10的智能处理模块156可执行对索引164的关键字搜索以定位倾向于指示对某种事物的喜好或厌恶的各术语中的任何一个。模块156还将查找与喜好/厌恶术语相关联的否定术语以便能够在用户102发帖如“我喜欢...”和“我不喜欢...”之间区分。在步骤366中，图10的模块156将查找与喜好/厌恶术语相关联的主题、人物、地方、东西等。

除了搜索倾向于指示喜好或厌恶的术语之外，某些社交媒体站点106、108允许用户提供对他们喜欢或不喜欢的事物的显式指示。例如，某些站点106、108允许用户指示他们是某件事物的“粉丝”。该智能处理模块还可注意这样的显式指示。该智能处理模块还搜索用户102关于特定主题、人物、地方、东西等发帖的频率，这也可以是用户喜好/厌恶的指示。在这种意义上，以上参考图7讨论的、来自用于推断用户的潮流兴趣的智能处理模块156的结果也可用作此处参考图10讨论的用于推断喜好和厌恶的智能处理模块156的指示。

在步骤370中，可通过应用旨在从用户的帖子和/或其它活动中揭示用户102的喜好和厌恶的各种其它试探操作来分析用户帖子。还可按照相同的方式分析来自用户的朋友114的帖子以尝试辨别或确认用户102的喜好/厌恶。

以上步骤360、366和370提供了可由智能处理模块156执行以便得到关于用户102的喜好和厌恶的推断的步骤的某些示例。可以理解，在其它实施例中，这些步骤中的一个或多个可被省略，且可代替这些步骤或除这些步骤以外执行一个或多个其它步骤。

在步骤372中，模块156检查是否可基于如上述执行的分析步骤得到关于用户的喜好和厌恶的推断。如果未标识关于喜好/厌恶的这样的推断，则图10的处理模块156结束。然而，如果标识了关于用户102的亲和力或嫌恶的某一推断，则在步骤380中，该亲和力/嫌恶可被添加到用户102的推断存储172中。可任选地，图10的处理模块156还可包括在推断被添加到推断存储中之前在步骤374和376中亲和力/嫌恶被认为高于某一预定置信水平的要求。如果是，则置信水平也可被添加到推断存储172。在步骤380中，所得到推断的时戳也可与该推断一起存储在推断存储172中。

图11的流程图涉及用于检测用户102的目标或愿望的智能处理模块156。用户可发送包括有关目标的术语的帖子，术语诸如有“我想要...”或“我希望...”或“我盼望...”或“如果...就好了”或者倾向于指示用户愿望的各种其它术语或短语。在步骤384中，图11的智能处理模块156可执行对索引164的关键字搜索以定位倾向于指示用户的目标的各术语/短语中的任何一个。如上所述，图11的模块156还将查找与目标相关的术语相关联的否定术语以便能够在用户102发帖如“我想要...”和“我不想要...”之间区分。在步骤392中，图11的模块156将查找与目标相关术语相关联的主题、人物、地方、东西等。

在步骤394中，可通过应用旨在从用户的帖子和/或其它活动中揭示用户102的目标的各种其它试探操作来分析用户帖子。还可按照相同的方式分析来自用户的朋友114的帖子以尝试辨别或确认用户102的目标。

以上步骤384、392和394提供了可由智能处理模块156执行以便得到关于用户102的目标的推断的步骤的某些示例。可以理解，在其它实施例中，这些步骤中的一个或多个可被省略，且可代替这些步骤或除这些步骤以外执行一个或多个其它步骤。

在步骤396中，模块156检查是否可基于如上述执行的分析步骤得到关于用户目标的推断。如果未标识关于目标的这样的推断，则图11的处理模块156结束。然而，如果标识了关于用户目标的某一推断，则在步骤402中，该目标可被添加到用户102的推断存储172中。可任选地，图11的处理模块156还可包括在推断被添加到推断存储172中之前在步骤398和400中目标被认为高于某一预定置信水平的要求。如果是，则置信水平也可被添加到推断存储172。在步骤402中，所得到推断的时戳也可与该推断一起存储在推断存储172中。

对各种智能处理模块156的以上描述仅作为示例。可以理解，使用上述度量或其它度量的各种其它智能处理模块可被用来得到关于用户的推断。尽管模块156的上述实施例包括关键字搜索，但如上所述，收集引擎152还可收集图像、视频和/或音频。代替或除关键字搜索以外，可执行已知的技术来例如标识图像和视频内的对象和/或音频内的词。这些识别的对象或词然后可由模块156用来推断如上所述的心情和意图。用户追踪引擎112可以是灵活的，使得智能处理模块156可被动态地移除或修改，且可将新的智能处理模块156动态地插入到系统中。

上述智能处理模块156的目的在于得到关于一个或多个特定用户102的推断。然而，这些智能处理模块和/或其它智能处理模块也可用于得到关于人的群体的推断，群体推断可被存储在所有用户简档服务176的所有用户推断存储172中。应用群体推断的人的群体可少至几个人，或大至地理区域、国家或全球。

可从对所有用户简档服务176的所有用户索引178的搜索得到群体推断。所有用户索引178可以是存储在用户简档服务160中的所有用户的所有用户帖子和其它活动的全文本自然语言动作索引。

图12和13提供了可用于得到关于人的群体的群体推断的智能处理模块156的两个示例。图12中描述的模块156涉及测量群体的心情。而图13中描述的模块156涉及找到群体的潮流兴趣。可以理解，上述智能处理模块中的至少某一些也可以使用或适于使用来得到关于群体的推断。

现在参考图12，用于检测群体心情的智能处理模块156可在步骤410中通过执行对索引178的关键字搜索开始。如上所述，对某些词的使用可揭示关于用户的情绪状态的信息。当这些状态指示被许多用户使用时，这可揭示关于作为整体的群体的情绪状态的信息。以上引用的出版物“Affective Norms for English Words(ANEW)”是对可在关键字搜索中使用以检测用户群体的心情的术语的已知分类。可对不同的口语应用不同的方法。还可在步骤414中确定所有用户对情绪图标的使用以及使用频率。如上所述，一个用户对情绪图标的使用可指示用户的心情，且如果用户群体均使用相同或相似的情绪图标，则这可指示群体的心情。在步骤416中可对索引178中的所有用户的帖子和活动执行各种其它试探分析。

图12中的处理模块156可使用的另一指示是在本地、国家或全球层面上是否发生了往往会激发诸如高兴或哀伤等某种情绪的某件值得注意的事件。圣诞节或某一其它假日往往会激起愉悦，而明星的逝世会激起哀伤。政客的当选会在第一用户群体中激起愉悦而在第二用户群体中激起哀伤。在步骤420，确定本地/国家/全球事件的发生。这可结合步骤410、414和420的分析来使用以标识或确认用户群体的心情。

以上步骤提供了可由智能处理模块执行以便得到关于群体的心情或情绪状态的推断的步骤的某些示例。可以理解，在其它实施例中，这些步骤中的一个或多个可被省略，且可代替这些步骤或除这些步骤以外执行一个或多个其它步骤。

在步骤422中，模块156检查是否可得到关于群体的心情的推断。如果未找到关于情绪状态的这样的推断，则图12的处理模块156结束。然而，如果标识了关于情绪状态的某一推断，则处理模块156可在步骤424中将推断与时戳一起存储在群体推断存储182中。如上所述，可在其它实施例中使用阈值置信水平。

如下所述，向社交媒体站点106、108发帖的用户的位置可能是已知的。因此，除标识群体的情绪状态以外，图12的模块156还可标识群体的位置。而且，根据从用户简档(或者在搜索处理环境130中或者从社交媒体站点106、108抓取)可用的简档信息，可进行群体的不同分类。因此模块156还可交叉引用群体的所标识的情绪状态以及群体的其它人口统计数据。

图13的流程图涉及用于检测用户群体的潮流兴趣的智能处理模块156。例如，可能上映了新的预期的电影或发行了新的预期的专辑，或者可能发生某种洪水、地震、战争或其它灾难。这可以是与用户群体感兴趣的任何课题相关的各种其它主题。这种兴趣可在各用户对社交媒体站点106、108的帖子中表达。在步骤430中，图13的智能处理模块156可执行对索引178的关键字搜索，且在步骤432中，模块156可确定各术语在各用户的帖子中出现的频率。

在步骤436中，如上所述，图13的处理模块可分析查询和从搜索返回的结果，并可在步骤440中应用其它试探来从用户群体的帖子和/或其他活动内标识潮流兴趣。仅作为示例提供图13的步骤。在其它实施例中，这些步骤中的一个或多个可被省略，且可代替这些步骤或除这些步骤以外执行一个或多个其它步骤。

在步骤442中，模块156检查是否可基于如上述执行的分析步骤得到关于群体的潮流兴趣的推断。如果未找到关于潮流兴趣的这样的推断，则图13的处理模块156结束。然而，如果标识了关于群体潮流的某一推断，则处理模块156可在步骤444中将推断与时戳一起存储在群体推断存储182中。如上所述，可在其它实施例中使用阈值置信水平。而且如上所述，可以针对给定的地理位置和其它人口统计数据来交叉引用潮流兴趣。

除了所有用户索引178和群体推断存储182以外，所有用户简档服务176还可保存地理位置索引180。索引180可保存每一用户的“家庭位置”，使得有可能找到所有用户中的哪些用户处于特定的地理位置包中。可通过询问用户、从其在社交媒体站点106、108之一上的简档中抓取、从其在搜索处理环境130上简档中读取、或从其IP地址推断来确定每一用户的家庭位置。家庭位置的粒度可精细至详细的地址或宽泛至诸如城市等地理区域。

地理位置索引180还可存储“动作位置”，这是用户在向社交媒体站点106、108发帖或采取存储在用户索引164和所有用户索引178中的某个其他动作时的位置。动作位置可由与用户102在采取动作时所使用的计算机设备相关联的GPS定位器提供。如果动作不具有特定的动作位置，则其可被认为是用户的家庭位置。

所有用户简档服务176还可包括允许将针对所有用户简档服务176的查询通过特定简档值来过滤了的所有用户简档索引184。这允许智能处理模块156、搜索处理环境130以及可能的特权应用程序192(以下说明)中的一个或多个制作查询，诸如“找到Twitter上由位于西雅图的30到35岁的人所发的包含词‘Twilight’的所有帖子”。

采用上述系统，关于用户或用户群体的推断可由用户追踪引擎112得到，并被存储在数据存储140中。该信息然后可由各种应用程序使用，至少由图3中所示的应用程序中的一些使用。

在一个示例中，存储在用户简档服务160中的推断可用于定制和个性化当用户102使用搜索处理环境130时的搜索体验。现在将参考图3的框图、图14的流程图以及图15和16的屏幕截图来说明这一特征。用户追踪引擎112还可包括用于从推断存储172读取推断并为用户102定制搜索体验的定制引擎158。在步骤450中，定制引擎158从推断存储172中检索任何存储的推断。如果没有找到任何推断(或如果对于使用置信水平的实施例推断不高于预定阈值置信水平)，则定制引擎可以不执行任何动作且用户搜索体验可在不受本发明的系统影响的情况下继续。

另一方面，如果在推断存储172中找到用户推断，则在步骤456中，该推断可用于定制搜索处理环境所呈现的图形用户界面的背景。例如，可能存储了指示用户102快要去旅行的推断。根据用户在社交媒体站点106、108上的帖子，用户追踪引擎112确定用户有即将到来的旅行、如关于旅行的帖子的频率所证明地用户正在考虑该旅行、和/或用户可能对该旅行感到高兴和兴奋。基于这些推断，定制引擎158可选择反映用户即将到来的旅行的定制背景。

如上所述，如果在标识和存储了给定推断之后用户在一段时间内没有使用搜索引擎，则该推断可能不再适用。在步骤458中，定制引擎158可检查与所标识的推断相关联的时戳。如果时戳老于某一预定的时间长度，则在步骤462中，背景可被重置成默认背景，且定制引擎158返回至步骤454以查找任何新的推断。智能处理模块156可周期性运行，诸如每隔几分钟、几小时或几天。用于不同的用户特性的智能处理模块156可按照不同的频率运行。

在步骤464中，系统等待搜索处理环境130的搜索引擎142的启动。一旦在步骤464中启动了搜索引擎，即在步骤468中通过显示器向用户显示图形用户界面。这样的图形用户界面(GUI)的一个示例是图15中所示的GUI 500。GUI 500作为示例且可具有各种外观中的任一种。在此示例中，用由定制引擎根据存储的推断选择的背景502来定制GUI。图15还示出了允许用户访问和修改其用户偏好的链接504，以及允许用户访问和修改其推断存储172的链接508。

继续以上示例，推断存储172具有指示用户102快要去旅行的一个或多个存储的推断。因此，定制引擎在图15中选择符合用户的兴趣和心情的背景502。可以理解，可基于推断存储172中存储的推断选择各种其它背景502。可关于图像、色彩、色调、文本或按照其它方式定制背景502以更好地联系用户的心情或兴趣。用于背景502的图像和文本可与特定用户心情和兴趣相关联地存储在数据存储140中。因此，当标识了关于心情和/或兴趣的推断时，定制引擎158可用相关联的设计填充背景502。用户也可上传在得到某些推断时用户希望呈现为背景的图像、文本等。

在各实施例中，定制引擎还可在步骤474中基于推断的用户兴趣建议一个或多个查询。在步骤476中，搜索引擎等待搜索查询。一旦接收到查询，在步骤480获取该查询的搜索结果并在UI 500上向用户102显示。图16是示出对给定查询返回的搜索结果的示例GUI500。在此示例中，搜索返回由框510表示的按照推断的用户兴趣/心情定制的一组搜索结果，以及由框520表示的不受推断的用户兴趣/心情影响的一组搜索结果。对定制结果510和非定制结果520示出的结果的数量仅用作示例。定制搜索结果510可按照多种方式定制，包括对搜索准则不同地加权以使结果向反映推断的用户兴趣的结果倾斜。

除了使搜索结果向用户推断的兴趣倾斜，用户追踪引擎112还可根据用户的理解力水平定做搜索结果。例如，智能处理模块156可旨在辨别用户102的帖子的复杂程度和教育水平。基于该推断，定制引擎可使定制搜索结果510的复杂程度水平变化。用户追踪引擎112能够按照若干方式作出关于理解力水平的判断，包括根据用户的帖子和根据用户存储的简档。在一个示例中，用户追踪引擎112可辨别用户是较为年轻的学生还是成年的上班族。在这样的示例中，用户追踪引擎可定做结果，使得上班族接收的结果与对学生的结果相比反映更高的理解力水平。可进行任何各种差别化。在又一示例中，用户追踪引擎可辨别用户的具体专业，例如用户是海洋生物学家或自行车爱好者。在这样的实施例中，来自用户的涉及其特定专业领域的查询与来自不在该专业领域中的用户的同一查询相比更返回更为复杂的结果集。

本发明的系统的另一特征是允许广告客户不仅针对特定的人口统计群体，而且还交叉引用推断的用户兴趣和/或心情来针对该群体。广告客户可购买仅对高兴的人显示或仅对于对特定主题感兴趣的人显示的空间。广告可针对最近证明对于某一商店或品牌具有亲和力的人。旅行和宾馆广告可针对对于特定地理位置感兴趣的人。当找到示出用户将在特定的日期/时间处于特定地点的瞬时事件推断时，可对于该日期/时间向用户呈现用于该地点(或竞争地点)的广告特别节目。向广告客户开放利用本发明的系统标识的推断来不仅使广告针对特定的人而且针对在特定的时间具有某些推断的兴趣或心情的特定的人的各种其它可能性。可在步骤482中向用户显示这些广告，诸如在图15中显示广告530。

本发明的系统的又一特征在于基于推断的用户兴趣消除搜索结果的歧义的能力。当例如用户输入了与单车(bike)有关的搜索请求，智能处理模块156中的一个或多个确定了用户是山地自行车爱好者时，搜索结果可返回对于自行车而非摩托车的结果。可在步骤486中执行这种歧义消除。如上所述，在搜索结果以用户不想要的方式倾斜或消除歧义的情况下，用户能够修改其推断存储172。

尽管本发明的系统被描述为用于为用户定制搜索体验，可以理解本发明的系统可用于为其它特权应用程序192(图3)定制用户体验。特权应用程序是具有对用户追踪引擎112获取的信息的访问权的那些应用程序，包括搜索处理环境130。可定制其它这样的特权应用程序的图形用户界面的外观，诸如如上所述提供定制背景。向用户显示的对象可至少部分基于推断的用户兴趣来确定。类似地，当用户输入有歧义时，推断的用户兴趣可用于消除用户输入的歧义。在这样的实施例中，如上所述，特权应用程序192可具有用户简档存储160和所有用户简档存储176，且应用程序192可使用来自存储160和176中的一个或两者的信息。

上述图14的流程图示出了应用程序可如何使用来自单个用户的推断。然而，如上所述，本发明的系统还允许得到关于人群的推断。各种应用程序可使用这种信息。在一个这样的示例中，从用户的集合得到的推断可由推断对潮流主题的公众观点的公众观点应用程序194使用。公众观点应用程序194可读取所有用户简档服务176以确定关于特定主题或实体的公众观点。

在一个这样的示例中，公众观点应用程序194可使用所有用户索引178和地理位置索引180来找到并分析与所选主题相关的所有帖子。该选项可用于其中结果不必存储的快速运行的作业。另一方法是添加执行此处理并将关于公众观点的推断存储在所有用户简档服务推断存储182中的智能处理模块。这些推断然后可由公众观点应用程序194读取。该方法可用于复杂的、缓慢运行的分析，或当生成的推断可重复使用或由其它应用程序使用时使用该方法。

公众观点应用程序194可用于跨整个人群生成关于公众观点的信息。或者，给定地理位置索引180中的信息，公众观点应用程序194可获取按不同地理区域，如本地社区、城镇、城市或国家划分的观点信息。

对本发明的系统的又一使用可在多产粉丝标识应用程序196中。这样的应用程序能够标识多产和/或在其关于一个或多个主题的帖子中具有影响力的用户。对这样的应用程序，可创建扫描所有用户的帖子的索引178以寻找重复地对给定主题发帖的用户的智能处理模块156。粉丝标识应用程序196的智能处理模块156所使用的另一因素可以是他人每隔多久查看给定用户的帖子和/或给定用户的帖子每隔多久被他人转帖。根据这种信息，可得到关于给定主题的最有影响力的用户的推断。广告客户或指望推广与该主题相关的某样事物的他人可能对该信息感兴趣，以及可能与所标识的有影响力的发帖者联系和共事。

作为多产粉丝标识应用程序196的一个示例，音乐录音艺术家可发行新专辑。该艺术家想要接进(tap into)其最多产的粉丝(尽管他不知道他们是谁)并为推广其专辑来奖励他们。用户追踪引擎112将标识重复地关于该艺术家发帖的用户，该信息被存储在服务176的所有用户索引178中。可提供对所选用户对该艺术家的正面评价的帖子进行评分的智能处理模块156。查看(以及可能的转帖)用户的帖子的读者的数量也可包括在分数内。可给予评分最高的用户参与推广的机会。艺术家可通过搜索处理环境130或在其它地方购买推广活动，向每一多产粉丝给予其专辑的唯一的购买URL。艺术家要求粉丝在其关于新专辑的发帖中包括其唯一URL。具有表现最好的URL(经由销售量来测量)的粉丝将获得现金奖励和与艺术家会面的机会。可以理解，在其它实施例中，多产粉丝标识应用程序196可具有各种其它用途。

本发明的系统收集和分析的信息可在各种其它示例和应用程序中使用。在又一个示例中，诸如Bing^TM搜索引擎软件等搜索处理环境具有将来自他人的潮流查询定期递送到用户102的电子邮件收件箱的电子邮件特征。该通信可通过递送与用户102的兴趣或心情相关的潮流查询来改进。它也可通过递送适合用户的朋友圈的共同兴趣的潮流查询来改进。

一般，通过为用户提供定制体验，本发明的技术能够收集包含关于许多用户的有趣的数据点的大型知识库。将此用作平台，存在创造新商业价值的若干机会。在一个其它示例中，该知识库可用于如Bing^TM搜索引擎软件等应用程序以在用户执行“和你一样的人”型搜索时向用户提供更好的结果。

图17示出了可以是上述任何计算系统的示例性计算系统。图17示出了计算机610，它包括，但不限于：处理单元620、系统存储器630以及将包括系统存储器在内的各种系统组件耦合至处理单元620的系统总线621。系统总线621可以是若干类型的总线结构中的任一种，包括使用各种总线体系结构中的任一种的存储器总线或存储器控制器、外围总线、以及局部总线。作为示例而非限制，这样的体系结构包括工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、增强型ISA(EISA)总线、视频电子标准协会(VESA)局部总线，以及也称为夹层总线的外围部件互连(PCI)总线。

计算机610通常包括各种计算机可读介质。计算机可读介质可以是能由计算机610访问的任何可用介质，而且包含易失性和非易失性介质、可移动和不可移动介质。作为示例而非限制，计算机可读介质可包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括，但不限于，RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁性存储设备、或能用于存储所需信息且可以由计算机610访问的任何其它介质。通信介质通常以诸如载波或其他传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其他数据，并包括任意信息传送介质。术语“已调制数据信号”是指具有以在信号中编码信息的方式被设定或改变其一个或多个特征的信号。作为示例而非限制，通信介质包括诸如有线网络或直接线连接之类的有线介质，以及诸如声学、RF、红外及其他无线介质之类的无线介质。以上的任一种的组合也包括在计算机可读介质的范围之内。

系统存储器630包括易失性和/或非易失性存储器形式的计算机存储介质，如只读存储器(ROM)631和随机存取存储器(RAM)632。基本输入/输出系统633(BIOS)包含诸如在启动期间帮助在计算机610内的元件之间传输信息的基本例程，它通常储存储在ROM 631中。RAM 632通常包含处理单元620可立即访问和/或目前正在操作的数据和/或程序模块。作为示例而非限制，图17示出了操作系统634、应用程序635、其他程序模块636，以及程序数据637。

计算机610也可以包括其他可移动/不可移动、易失性/非易失性计算机存储介质。仅作为示例，图17示出了对不可移动、非易失性磁介质进行读写的硬盘驱动器641，对可移动、非易失性磁盘652进行读写的磁盘驱动器651，以及对例如CD ROM或其它光学介质等可移动、非易失性光盘656进行读写的光盘驱动器655。可在示例性操作环境中使用的其他可移动/不可移动、易失性/非易失性计算机存储介质包括但不限于，磁带盒、闪存卡、数字多功能盘、数字录像带、固态RAM、固态ROM等。硬盘驱动器641通常由诸如接口640等不可移动存储器接口连接至系统总线621，并且磁盘驱动器651和光盘驱动器655通常由诸如接口650等可移动存储器接口连接至系统总线621。

上文所讨论的并且在图17中示出的驱动器及其相关联的计算机存储介质为计算机610提供了对计算机可读的指令、数据结构、程序模块及其他数据的存储。例如，图17中，硬盘驱动器641被示为存储操作系统644、应用程序645、其它程序模块646和程序数据647。这些组件可以与操作系统634、应用程序635、其他程序模块636和程序数据637相同，也可以与它们不同。在此操作系统644、应用程序645、其他程序模块646以及程序数据647被给予了不同的编号，以说明至少它们是不同的副本。用户可以通过输入设备，例如键盘662和定点设备661——通常是指鼠标、跟踪球或触摸垫——向计算机610输入命令和信息。其他输入设备(未示出)可包括话筒、操纵杆、游戏手柄、圆盘式卫星天线、扫描仪等。这些和其他输入设备通常通过耦合至系统总线的用户输入接口660连接至处理单元620，但也可以由其他接口和总线结构，例如并行端口、游戏端口或通用串行总线(USB)来连接。监视器691或其他类型的显示设备也通过诸如视频接口690的接口连接至系统总线621。除监视器之外，计算机也可以包括诸如扬声器697和打印机696之类的其他外围输出设备，它们可以通过输出外围接口695来连接。

计算机610可以使用到一个或多个远程计算机(如远程计算机680)的逻辑连接，以在联网环境中操作。远程计算机680可以是个人计算机、服务器、路由器、网络PC、对等设备或其他公共网络节点，并且通常包括上文参考计算机610所描述的许多或全部元件，虽然图17中只示出了存储器设备681。图17中所描述的逻辑连接包括局域网(LAN)671和广域网(WAN)673，但是，也可以包括其他网络。这些联网环境在办公室、企业范围计算机网络、内联网和因特网中是常见的。

当用于LAN网络环境中时，计算机610通过网络接口或适配器670连接到LAN 671。当在WAN联网环境中使用时，计算机610通常包括调制解调器672或用于通过例如因特网等WAN 673建立通信的其他手段。调制解调器672，可以是内置的或外置的，可以经由用户输入接口660或其他适当的机制，连接到系统总线621。在联网环境中，参考计算机610所描述的程序模块，或其某些部分，可以存储在远程存储器存储设备中。作为示例而非限制，图17示出了驻留在存储器设备681上的远程应用程序685。应当理解，所示的网络连接是示例性的，并且可使用在计算机之间建立通信链路的其他手段。

本发明系统的前述详细描述是出于说明和描述的目的而提供的。这并不旨在穷举本发明系统或将本发明系统限于所公开的精确形式。鉴于上述教导，许多修改和变型都是可能的。选择所述实施例以最好地解释本发明系统的原理及其实践应用，从而允许本领域技术人员能够在各种实施例中并采用各种适于所构想的特定用途的修改来最好地利用本发明系统。本发明系统的范围旨在由所附权利要求书来定义。

Claims (9)

1.一种增强用户与特权应用程序(192)的交互的方法，包括：

(a)追踪(216)一个或多个社交媒体站点(106、108)上的用户在线活动；

(b)分析在所述步骤(a)中追踪的所述一个或多个社交媒体站点上的所述用户在线活动(260、264、268、270、360、366、370)以使所述用户在线活动与用户的兴趣和/或心情相关；以及

(c)基于在所述步骤(b)中相关的所述用户的兴趣和/或心情定制(468、474、480)对于所述特权应用程序(192)的用户体验，包括基于在所述步骤(b)中相关的所述用户的兴趣和/或心情来定制所述特权应用程序的图形用户界面的背景。

2.如权利要求1所述的方法，其特征在于，分析所述一个或多个社交媒体站点上的所述用户在线活动的所述步骤(b)包括分析所述一个或多个社交媒体站点上的用户帖子以检测对用户兴趣和/或心情的指示的步骤。

3.如权利要求2所述的方法，其特征在于，分析所述一个或多个社交媒体站点上的用户帖子以检测对用户兴趣和/或心情的指示的所述步骤包括对内容或与所述内容相关联的元数据执行文本的关键字搜索、图形和视频的对象识别以及音频的语音识别中的至少其中之一以分别确定关键字、对象和语音的存在和频率的步骤。

4.如权利要求1所述的方法，其特征在于，所述步骤(b)还包括追踪一个或多个朋友的在线活动以协助确定所述用户的兴趣和/或心情的步骤。

5.如权利要求1所述的方法，其特征在于，所述特权应用程序是搜索处理环境，定制用户体验的所述步骤(c)还包括基于在所述步骤(b)中相关的用户的兴趣和/或心情来定制由所述搜索处理环境的搜索引擎返回的搜索结果的步骤。

6.一种至少部分基于用户与一个或多个社交媒体站点(106、108)的交互来推断所述用户的兴趣和/或心情的系统，所述系统包括：

用户追踪引擎(112)，包括：

用于在所述一个或多个社交媒体站点(106、108)上追踪所述用户的收集引擎(152)，和

用于分析所述收集引擎(152)标识的帖子和从所述帖子推断所述用户的兴趣和/或心情的一个或多个处理模块(156)；以及

用于存储由所述一个或多个处理模块(156)推断的兴趣和/或心情的指示的数据存储(140)；

其中所述用户追踪引擎(112)还包括用于从所述数据存储读取所推断出的用户的兴趣和/或心情的指示并据此来定制对于特权应用程序的用户体验的定制引擎(158)，其中所述定制包括定制所述特权应用程序的图形用户界面的背景。

7.如权利要求6所述的系统，其特征在于，所述用户追踪引擎和数据存储与包括搜索引擎的搜索处理环境相关联地使用。

8.如权利要求6所述的系统，其特征在于，所述一个或多个处理模块还分析由所述收集引擎收集的用户群体的帖子并推断所述用户群体的兴趣和/或心情。

9.一种在具有用户界面的计算系统(600)中增强对包括搜索引擎(142)的搜索处理环境(130)的用户体验的方法，所述用户界面包括显示器(691)和用户界面选择设备(661、662)，所述方法包括：

(a)根据对一个或多个社交媒体站点上的用户帖子的分析来推断(260、264、268、270、360、366、370)所述用户的心情和所述用户的兴趣中的至少一个；以及

(b)至少部分基于在所述步骤(a)中为所述用户推断的兴趣和/或心情来定制(468、474、480)对于所述搜索处理环境(130)的经由所述用户界面的用户交互式体验，包括至少部分基于在所述步骤(a)中为所述用户推断的兴趣和/或心情来定制所述搜索处理环境(130)的图形用户界面的背景。