CN102591911B - 位置相关实体的实时个性化推荐 - Google Patents

位置相关实体的实时个性化推荐 Download PDF

Info

Publication number
CN102591911B
CN102591911B CN201110409922.4A CN201110409922A CN102591911B CN 102591911 B CN102591911 B CN 102591911B CN 201110409922 A CN201110409922 A CN 201110409922A CN 102591911 B CN102591911 B CN 102591911B
Authority
CN
China
Prior art keywords
related entities
user
position related
time
rank
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201110409922.4A
Other languages
English (en)
Other versions
CN102591911A (zh
Inventor
D·林贝罗普洛斯
刘劼
M·W·邓恩
A·K·瓦尔马
F·王
J-H·K·希恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Technology Licensing LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Technology Licensing LLC filed Critical Microsoft Technology Licensing LLC
Publication of CN102591911A publication Critical patent/CN102591911A/zh
Application granted granted Critical
Publication of CN102591911B publication Critical patent/CN102591911B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9537Spatial or temporal dependent retrieval, e.g. spatiotemporal queries

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了位置相关实体的实时个性化推荐。描述了允许用户看见响应于查询的对所需位置附近的位置相关实体的排名的位置相关实体排名技术。该技术能够充分利用由移动设备用户团体在给定位置和给定时间执行的搜索来推断在该特定位置和时间窗口受欢迎的位置相关实体。该技术还能够基于提交查询的个人的个人偏好以及用户所属的组的组偏好来对这些位置相关实体进行过滤或重新排名。个人偏好还能够是上下文所专用的(即,对于各个午餐和晚餐时间的不同餐馆偏好)。

Description

位置相关实体的实时个性化推荐
技术领域
本发明涉及搜索查询,尤其涉及位置相关实体排名技术。
背景技术
当前,当用户使用搜索引擎执行对本地商家的搜索时,对搜索结果的排名的静态的。即,搜索结果只取决于位置并且独立于提交查询的时间、提交查询的用户以及关于该搜索的其他上下文信息而保持不变。这些上下文信息可包括例如天气、交通、商家的受欢迎程度等。例如,给定位置处的查询“餐馆”的本地搜索结果独立于提交查询的时间而保持不变。然而,用户(尤其是从移动设备提交查询的那些用户)通常在早上、中午或晚上查找不同类型的餐馆。另外,取决于用户的个人偏好,可能在一天中的不同时间优选不同类型的餐馆。
对本地商家和其他兴趣点的搜索(尤其是来自诸如智能电话等移动计算设备的那些搜索)反映用户“此地此时”的兴趣。但是,当前用于对本地搜索结果进行排名的技术无法捕捉这些时间和上下文动态。
发明内容
提供本发明内容以便以简化的形式介绍将在以下具体实施方式中进一步描述的一些概念。本发明内容并不旨在标识所要求保护主题的关键特征或必要特征,也不旨在用于限制所要求保护主题的范围。
此处描述的位置相关实体排名技术是对诸如例如本地商家、餐馆、娱乐场所等位置相关实体进行排名的技术。为此,该技术的一个实施方式充分利用移动搜索日志(在移动计算设备上进行的搜索的日志)来实时或近乎实时地对位置相关实体进行排名。每当用户提交查询时,该技术就检查搜索结果中附近的其他用户在提交相同或相似查询后所选择的位置相关实体。在一个实施方式中,该技术只包括移动搜索日志中对应于给定时间窗口的部分。另外,在位置相关实体排名技术的一个实施方式中,存在用于响应于搜索查询而搜索位置相关实体的两个选项:实时搜索和近乎实时搜索。
在该技术的一个实时搜索实施方式中,为了应答在例如星期一的时间T提交的给定查询,该技术只使用在恰好同一天(例如,星期一)的(T-X)和T之间提交的查询。参数X可基于查询量来确定。该技术可增加X的值(即,1小时、2小时、3小时等)以确保有足够的查询供执行排名。
在另一近乎实时搜索实施方式中,如果上述实时搜索选项失败(例如,可用查询量不够),则使用在相似时间段(例如,各星期一)和时间窗口(T-X,T)中记录的查询日志来提供搜索结果。
独立于如何标识搜索日志集,在该技术的一个实施方式中,在所选查询日志集中位置相关实体获得的来自搜索结果的选择的数量越多,该位置相关实体的排名分数就越高。当用户在一天中的不同时间选择(例如,用输入设备点击)不同的位置相关实体时,位置相关实体的排名并因此所显示的搜索结果将会是不同的,以反映诸如天气、交通等难以收集的上下文约束。在一个实施方式中,可使用任何排名算法来对位置相关实体进行排名。
位置相关实体排名技术能够充分利用由诸如移动设备用户等计算设备用户团体在给定位置和给定时间执行的搜索来推断在该特定位置和时间窗口受欢迎的位置相关实体。该技术然后还能够基于提交查询的用户的个人偏好来对这些位置相关实体进行过滤和重新排名。个人偏好还能够是上下文所专用的(即,对于各个午餐和晚餐时间的不同餐馆偏好)。
附图说明
参考以下描述、所附权利要求书以及附图,将更好地理解本公开的具体特征、方面和优点,附图中:
图1是用于采用此处描述的位置相关实体排名技术的一个示例性实施方式的示例性体系结构。
图2描绘了用于采用位置相关实体排名技术的一个实施方式的示例性过程的流程图。
图3描绘了用于采用位置相关实体排名技术的另一实施方式的另一示例性过程的流程图。
图4描绘了使用此处所描述的位置相关实体排名技术的示例性场景的示意图。
图5是可用于实现位置相关实体排名技术的示例性计算设备的示意图。
具体实施方式
在以下对位置相关实体排名技术的描述中,对附图作出参考,附图形成了该描述的一部分,且作为可实现此处所描述的位置相关实体排名技术的说明性示例示出。可以理解,可以利用其他实施方式,并且可以作出结构上的改变而不背离所要求保护的主题的范围。
1.0位置相关实体排名技术
以下章节提供了对位置相关实体排名技术以及用于实现该技术的示例性体系结构和示例性过程的介绍和概览。还提供了应用该技术的示例性场景。
1.1介绍
对于对诸如例如对本地商家、餐馆、活动、博物馆、公园和其他这样的兴趣点的搜索的搜索结果等位置相关实体搜索结果进行排名而言,上下文信息是重要的。然而,获取、注释这些信息并对其进行分类是困难的。用户本身是这些信息的良好源。此处描述的位置相关实体排名技术的各实施方式充分利用了这个事实。通过查看一群人中的每一个成员在一时间窗口中执行搜索后选择了什么,该技术能够获取尽管隐式但稳健的、对在该时间窗口期间在给定该上下文(例如,时间、个人、环境等)的情况下该人群的流行选择是什么的估计。
1.2技术概览
此处描述的位置相关实体排名技术根据流行度来对位置相关实体进行排名。为此,在一个实施方式中,该技术充分利用移动设备的搜索日志(在移动设备上进行的搜索的日志)来实时(或近乎实时)地对位置相关实体进行排名。(应当理解,还能够使用非移动计算设备的搜索日志,只要位置信息可用)。另外,搜索日志数据还可用诸如例如电话日志数据或社交网络数据等其他数据来扩充。例如,在确定选择位置相关实体的频率时,对位置相关实体的电话呼叫或关于位置相关实体的发帖能够以与搜索日志相同的方式使用。另外,在一个实施方式中,在排名期间,可给予电话呼叫或社交网络发帖较高的权重,因为这些动作揭示显式用户偏好,而搜索日志用户选择提供隐式用户偏好。每当用户提交查询时,该技术就检查搜索结果中附近的其他用户在提交相同或相似查询后所选择(例如,点击、呼叫或发博客)的位置相关实体。可例如通过比较查询项的相似性来确定查询相似性。例如,在一用户选择了相同的实体或实体类别的情况下,该技术能够将该用户输入的项与其他用户输入的项进行比较。然后对这些项进行分类并且可以在出现新项时将经分类的项用作词汇标记。因此,随着时间的推移该技术可能在生成加权的相似结果时将项“noodle(面条)”与“spaghetti(意大利面条)”相关。例如,如果查询“pasta(意大利面)”和“shrimp(小河虾)”在大约90%的时间两者都导致点击意大利餐馆,则该技术的一个实施方式将确定这两个查询在它们指向相同类型的商家的意义上是相似的。在一个实施方式中,该技术只包括移动搜索日志中对应于给定时间窗口的部分。
在位置相关实体排名技术的一个实施方式中,存在用于选择向用户推荐位置相关实体的时间窗口的两个选项。第一个选项涉及响应于用户查询的对用户可能感兴趣的类型的位置相关实体的实时搜索。在一个实施方式中,该技术如下确定位置相关实体的类型。该技术检查所有附近的位置相关实体(例如,商家)并计算每一个实体的分数。分数越高,位置相关实体被显示在搜索结果中的位置就越高。该分数基于受上下文约束的日志来计算。例如,给定查询“Italian(意大利)”,日志将只具有非常少(即使不是没有)的对日本餐馆的点击。结果,日本餐馆将获得低分并且将不会被显示在搜索结果列表中的较高位置。如果该技术必须应答以前从未见过的查询,则该技术可能根本不显示结果或显示不相关的结果。第二个选项涉及对位置相关实体的近乎实时搜索。在这种情况下,该技术在与输入查询的时间相似的时间段(但不是相同的时间段)内搜索位置相关实体。
独立于如何标识搜索日志集,在对应于所选查询日志集的搜索结果中位置相关实体获得的用户从搜索结果中的选择(例如,输入设备点击)的数量越多,该位置相关实体的排名分数就越高。当用户在一天中的不同时间选择不同的位置相关实体时,位置相关实体的排名并因此所显示的搜索结果将会是不同的,以反映诸如天气、交通等难以收集的上下文约束。注意,可使用任何排名算法来对位置相关实体进行排名。应当注意,该技术选择要输入到排名算法的输入数据集(搜索日志)的方式(例如,实时选项或近乎实时选项)是在应用该技术时的重要考虑事项。
在一个实施方式中,该技术发现提交查询的特定用户的时间相关个人偏好,并使用这些时间相关偏好来对通过移动搜索日志发现的位置相关实体进行过滤和排名。对这些时间相关个人偏好的判定能够通过监视用户在每一查询后选择的位置相关实体的类型来执行。以此方式,随着时间的推移该技术能够获悉该用户感兴趣的位置相关实体的类型。在一个实施方式中,该技术基于一天中的或甚至跨天或季节(即,夏季对比冬季)的不同时间窗口来生成用户的偏好。例如,如果已知对于午餐用户喜欢意大利餐馆,则当该用户在午餐时间搜索“restaurants(餐馆)”时,该技术能够显示附近的意大利餐馆并将其排名较高。如果对于晚餐用户喜欢餐车,则在晚餐时间来自该用户的恰好相同的查询应包括更多的餐车位置相关实体。
在一个实施方式中,该技术还充分利用用户对搜索结果的个性化选择以便将用户分组成团体或组,这些团体或组由用户的背景、偏好和人口统计特性来隐式定义。结果,该技术的一个实施方式能够将先前描述的搜索日志分析细化成定位具有不同排名的特定团体。例如,如果午餐选择意大利餐馆的人通常选择匹萨作为午餐,则当给定用户在中午前后发送餐馆查询时,经细化的搜索日志分析将指示附近的匹萨餐馆在结果中具有高排名。注意,因为用户偏好随时间变化,所以所形成的组也随时间变化。例如,用户可能取决于提交查询的时间而属于不同的组。
基本上,在一个实施方式中,该技术充分利用由移动设备用户团体在给定位置和给定时间执行的搜索来推断在该特定位置和时间窗口受欢迎的位置相关实体。然后,该技术基于提交查询的用户的个人偏好来对这些位置相关实体进行过滤和重新排名。个人偏好还能够是上下文所专用的(即,对于各个午餐和晚餐时间的不同餐馆偏好)。
已经提供了对位置相关排名技术的概览,以下各章节提供用于实现该技术的示例性体系结构和示例性过程。
1.3示例性体系结构
图1提供了其中能够实现位置相关实体排名技术的示例性体系结构的图释。如图1所示,当用户102使用移动计算设备500(将参考图5更详细地描述)来提交查询104时,查询串104以及用户的位置106(或可任选地是不同的相关位置)和用户ID108被传送至服务器110(或执行如框110所示的相同功能的不止一个服务器)。查询104、位置106以及提交查询104的时间112被记录在服务器110处。
基于位置106、时间112和查询104本身,使用下文中讨论的实时或近乎实时方法来标识搜索日志集(例如,移动搜索日志)的一小部分。在位置相关实体排名技术的一个实施方式中,存在用于确定搜索日志数据中要在向用户推荐位置相关实体时使用的部分的两个选项。第一个选项涉及响应于用户查询的对用户可能感兴趣的类型的位置相关实体的实时搜索。第二个选项涉及对位置相关实体的近乎实时搜索。在这种情况下,例如,该技术在输入查询的相同时间段内但跨多天搜索位置相关实体。
例如,在实时搜索选项中,为了应答在例如星期一的时间T提交的给定查询,该技术在一个实施方式中只使用在恰好同一天(例如,即星期一)的(T-X)和T之间提交的查询。参数X可基于查询量来确定。该计算可增加X的值(即,1小时、2小时、3小时等)以确保有足够的查询供执行排名。在近乎实时搜索选项中,如果上述实时搜索选项失败(例如,可用查询量不够),则使用只在给定日(例如,各周一)并且在时间窗口(T-X,T)内记录的查询日志。
搜索日志114的所标识的一部分被用来在服务器110上的位置相关实体排名模块116中对位置相关实体进行排名。搜索日志114的所使用的一部分还可以在排名之前基于用户的组成员关系来可任选地过滤。这将参考图3和图4更详细地讨论。给定用户的组成员关系可随着不同的时间段和位置而变化。
每当用户提交搜索时,该技术就对搜索结果中附近的其他用户在提交相同或相似查询后所选择的位置相关实体进行计数。位置相关实体出现在搜索日志的所选部分中的频率越高,该位置相关实体的排名分数就越高。事实上,可以在该步骤应用任何排名算法。
在该技术的一个实施方式中,基于用户ID,提交查询的用户的个人偏好可被存储在个性化数据库118中并且可用于在位置相关实体排名模块116中对本地位置相关实体进行进一步过滤和重新排名。另外,个人偏好可取决于时间信息(例如,时间、日期、季节等)。例如,一个人的偏好可能在他在星期一早上提交查询时不同。
更具体而言,用户能够显式或隐式提供个人偏好。在第一种情况下,在一个实施方式中,用户回答关于他的偏好的问题(例如,就在他将用于该技术的应用程序安装在他的移动计算设备上之后)。这些个人偏好可随时间而变化。用户提供的信息可能具有以下形式:“周末我喜欢昂贵的意大利和法国餐馆”、“工作日我通常对速食场所感兴趣”、“我喜欢有户外位置的场所”,等等。或者,对用户偏好的判定可以是隐式的。例如,如果用户在90%的时间在提交查询“restaurants(餐馆)”后选择昂贵的意大利和法国餐馆,则该技术可假定该用户喜欢昂贵的意大利和法国餐馆。
可以建立位置相关实体的许多类别。例如,这些类别可包括商家属性(例如,氛围、着装规范等)、用户通常去拜访给定类型的商家的位置以及用户通常搜索或拜访商家的时间窗口。在构造用户偏好之后,可通过基于各个偏好有多相似将用户偏好群集在一起来创建组偏好。
应当注意,虽然此处描述的对位置相关实体的实时排名被描述为在服务器110上执行,但该排名还可任选地在其上安装有相似的排名模块的移动计算设备500上执行。在另一实施方式中,此处针对服务器描述的功能能够在计算云中执行。
响应于查询104而返回的经排名的搜索结果120被传送回用户102。在用户102从所返回的搜索结果120中选择位置相关实体后,在服务器110上的数据记录模块124中记录该数据并且创建移动搜索日志114中的新条目并在个性化数据库118中适当地更新该用户的个人偏好。该数据记录模块负责记录响应于查询的用户活动(例如,这种情况下是用户选择或点击)。在一个实施方式中,为了确信该信息是最新的,该数据记录器记录每一个用户选择(例如,点击)。例如,数据记录器能够记录查询、用户ID、设备类型、时刻、星期几,等等。该信息被用来执行对位置相关实体的排名。
实时排名模块16针对每一团体、时间窗口以及实时反映用户偏好的其他上下文参数值周期性地对本地位置相关实体进行重新排名。例如,在一个实施方式中,如上所述,在每一次用户点击(选择)搜索结果时,更新搜索日志。因为这在实时排名之后,所以该技术寻求随时间捕捉用户选择(例如,点击)行为中的这些变化。为此,该技术为所考虑的上下文参数(例如,时间窗口、星期几等)的每一组合周期性地计算本地位置相关实体(例如,商家)的排名。通过周期性地这样做,该技术使得能够进行实时排名并且允许服务器快速回复查询(因为已经计算出排名)。
在讨论了用于实现该技术的示例性体系结构之后,以下章节描述了用于实现该技术的一些示例性过程。
1.4采用位置相关实体排名技术的示例性过程
图2示出了用于实现位置相关实体排名技术的一个示例性实施方式200的流程图。如图2中的框202所示,将对一种类型的位置相关实体(例如,商家、场所、兴趣点)的查询以及位置和给定时间(例如,当前时间)输入到搜索引擎中。如框204所示,然后在与所输入的时间相关联的时间窗口中的搜索日志中搜索用户响应于相同或相似查询在输入位置附近从搜索日志中选择的位置相关实体输入的类型的位置相关实体。如框206所示,然后按照用户从搜索日志中选择每一个位置相关实体的次数来对用户所选位置相关实体进行排名。如框208所示,然后输出位置相关实体的经排名的列表。
图3示出了用于实现位置相关实体排名技术的另一示例性实施方式300的流程图。如图3中的框302所示,在给定时间和位置将对一种类型的位置相关实体的查询输入到搜索引擎中。如框304所示,还输入来自与所输入的查询相关联的若干用户的搜索日志。还可任选地过滤这些搜索日志以便只包含所输入的给定时间左右的时间窗口(或可任选地进行过滤以涉及与输入事件相似的时间窗口)。如先前参考图2所讨论的,还可基于组成员关系偏好来过滤与搜索查询相关联的搜索日志(框306)。
在与所输入的时间相关联的时间窗口中的这些经过滤的搜索日志中搜索用户响应于相同或相似查询在输入位置附近从经过滤的搜索日志中选择的位置相关实体输入的类型的位置相关实体(框308)。如框310所示,然后按照用户从经过滤的搜索日志中选择每一个位置相关实体的次数来对用户所选位置相关实体进行排名。
如312所示,然后基于输入查询的用户的用户偏好来对位置相关实体的经排名的列表进行重新排名,并且将经重新排名的列表输出给用户,如314所示。然后,为了更新搜索日志和偏好,如框316所示,输入查询的用户从位置相关实体的经排名的列表中选择位置相关实体,并且更新搜索日志和用户偏好以显示用户响应于查询选择了所选位置相关实体(如框318所示)。
1.5使用位置相关实体排名技术的示例性场景
在图4中,呈现示例性场景400以展示在位置相关实体排名技术的一个实施方式中如何对位置相关实体进行排名。为了简化该场景,假设邮政编码是最低可能的位置分辨率并且对1小时的时间窗口中的位置相关实体进行排名感兴趣。事实上,可使用可用的任何位置度量和分辨率以及任何时间窗口。
如图4所示,用户(由用户ID402标识)在用邮政编码“98004”标识的位置406在时间408“本地时间下午9:00”提交查询404“restaurants(餐馆)”。当该信息404、406、408到达服务器410时,该服务器将使用反映移动搜索日志中对应于邮政编码“98004”且在过去一小时(下午8-9点)内记录的所有条目的实时搜索索引,并且相关联的查询串是“restaurants(餐馆)”。如果用户具有已知简档,例如,她落入“喜欢高端餐馆的人”类别,则服务器使用采用过滤模块414来为该特定用户组416构建的搜索索引。给定移动搜索日志的所标识的部分418,在排名模块420中应用排名过程以便对由其他相似用户选择的位置相关实体进行排名。在该示例中,“Maggiano’s”获得等于3的分数,因为它出现在3个条目中,而“Subway”获得分数1,因为它仅仅出现在一个条目中。可使用用于执行位置相关实体排名的搜索日志条目的总数来估算排名结果的置信度(所使用的条目数越多,排名结果将越稳健)。经排名的位置相关实体在过滤/重新排名模块424中使用提交查询的用户的时间相关个人偏好(框422)来进一步过滤。在这种情况下,在提交查询“restaurants(餐馆)”之后,用户似乎只对意大利和墨西哥餐馆感兴趣(框426)。结果,“Subway”作为对于该特定用户的不相关商家被从搜索结果428中移除(或可任选地“Subway”可以对于该用户排名较低)。注意,对于给定用户在不同的时间窗口或日期,可能存在多个个人偏好表。
2.0计算环境
位置相关实体排名技术被设计成在计算环境中操作。以下描述旨在提供对其中可实现位置相关实体排名技术的合适的计算环境的简明、概要描述。该技术可用各种通用或专用计算系统环境或配置来操作。可能合适的公知的计算系统、环境、和/或配置的示例包括但不限于,个人计算机、服务器计算机、手持式或膝上型设备(例如,媒体播放器、笔记本计算机、蜂窝电话、个人数字助理、语音记录器)、多处理器系统、基于多处理器的系统、机顶盒、可编程消费电子产品、网络PC、微型计算机、大型计算机、包括任何以上系统或设备的分布式计算环境等等。
图5示出了合适的计算系统环境的示例。计算系统环境只是合适的计算环境的一个示例,而非意在对本发明的技术的使用范围或功能提出任何限制。也不应将该计算环境解释为对示例性操作环境中示出的任一组件或其组合有任何依赖性或要求。参考图5,用于实现位置相关实体排名技术的示例性系统包括诸如计算设备500等计算设备。在其最基本配置中,计算设备500通常包括至少一个处理单元502和存储器504。取决于计算设备的确切配置和类型,存储器504可以是易失性(如RAM)、非易失性(如ROM、闪存等)或是两者的某种组合。该最基本配置在图5中由虚线506来示出。另外,设备500还可具有附加特征/功能。例如,设备500还可包括附加存储(可移动和/或不可移动),包括但不限于磁盘、光盘或磁带。在图5中通过可移动存储器508和不可移动存储器510示出这样的附加存储。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、程序模块或其他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。存储器504、可移动存储508和不可移动存储510都是计算机存储介质的示例。计算机存储介质包括但不限于,RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光存储、磁带盒、磁带、磁盘存储或其他磁存储设备、或者可用于存储所需信息并且可由设备500访问的任何其他介质。计算机可读介质包括瞬态的传播信号和计算机(可读)存储介质。任何这样的计算机存储介质可以是设备500的一部分。
设备500还可包含允许该设备与其它设备以及网络通信的通信连接512。通信连接512是通信介质的一个示例。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”指的是其一个或多个特征以在信号中编码信息的方式被设定或更改,从而改变了信号的接收设备的配置或状态的信号。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。如此处所使用的术语“计算机可读介质”包括存储介质和通信介质两者。
设备500可具有各种输入设备514,如显示器、键盘、鼠标、笔、照相机、触摸输入设备等。还可包括诸如显示器、扬声器、打印机等输出设备516。所有这些设备在本领域中是公知的并且不必在此详细讨论。
位置相关实体排名技术可在由计算设备执行的诸如程序模块等计算机可执行指令的通用上下文中描述。一般而言,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。位置相关实体排名技术可以在任务由通过通信网络链接的远程处理设备执行的分布式计算环境中实现。在分布式计算环境中,程序模块可以位于包括存储器存储设备在内的本地和远程计算机存储介质中。此外,上述指令可以部分地或整体地作为可以包括或不包括处理器的硬件逻辑电路来实现。
还应当注意,可以按所需的任何组合来使用此处所述的上述替换实施方式的任一个或全部以形成另外的混合实施方式。尽管用结构特征和/或方法动作专用的语言描述了本主题,但可以理解,所附权利要求书中定义的主题不必限于上述具体特征或动作。上述具体特征和动作是作为实现权利要求的示例形式公开的。

Claims (10)

1.一种用于响应于搜索查询而对位置相关实体进行排名的计算机实现的过程,包括:
输入对给定类型的位置相关实体的查询、位置和时间(202);
在与所输入的时间相关联的时间窗口中的搜索日志中搜索其他用户响应于相同或相似查询在所输入的位置附近从所述搜索日志中选择的所输入类型的位置相关实体(204);
按照所述其他用户响应于所述相同或相似查询从所述搜索日志中选择每一个位置相关实体的次数来对所述其他用户选择的位置相关实体进行排名(206);以及
将所述位置相关实体的经排名的列表输出给用户(208)。
2.如权利要求1所述的计算机实现的过程,其特征在于,还包括在输出所述位置相关实体的经排名的列表之前基于输入所述查询的用户的时间相关用户偏好来对所述位置相关实体的经排名的列表进行重新排名(312)。
3.如权利要求2所述的计算机实现的过程,其特征在于,所述用户偏好基于所述用户的位置而变化。
4.如权利要求1所述的计算机实现的过程,其特征在于,还包括通过按时间、位置、查询和查询结果对用户进行分组来确定时间相关组成员关系(306)。
5.如权利要求4所述的计算机实现的过程,其特征在于,还包括在搜索所述搜索日志之前基于时间相关组成员关系偏好来过滤所述搜索日志(308)。
6.如权利要求5所述的计算机实现的过程,其特征在于,用户所属的组可随不同的时间段和位置而改变。
7.如权利要求1所述的计算机实现的过程,其特征在于,所述时间窗口基于输入所述查询的时间来选择。
8.如权利要求7所述的计算机实现的过程,其特征在于,如果用于创建对应于所述时间窗口的经排名的列表的搜索日志数据不够,则与所输入的时间相关联的时间窗口被选为在与不同日期的所输入的时间相同的时间段内。
9.如权利要求1所述的计算机实现的过程,其特征在于,所述对位置相关实体的排名是实时进行的。
10.如权利要求2所述的计算机实现的过程,其特征在于,所述时间相关用户偏好还包括:
所述用户经常拜访的位置;
所述用户拜访的位置的类型;以及
所述用户愿意去拜访一位置的距离。
CN201110409922.4A 2010-12-01 2011-11-30 位置相关实体的实时个性化推荐 Active CN102591911B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/958,320 US9152726B2 (en) 2010-12-01 2010-12-01 Real-time personalized recommendation of location-related entities
US12/958,320 2010-12-01

Publications (2)

Publication Number Publication Date
CN102591911A CN102591911A (zh) 2012-07-18
CN102591911B true CN102591911B (zh) 2016-01-06

Family

ID=46163211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110409922.4A Active CN102591911B (zh) 2010-12-01 2011-11-30 位置相关实体的实时个性化推荐

Country Status (6)

Country Link
US (1) US9152726B2 (zh)
EP (1) EP2646973A4 (zh)
KR (1) KR101810279B1 (zh)
CN (1) CN102591911B (zh)
HK (1) HK1171541A1 (zh)
WO (1) WO2012075273A2 (zh)

Families Citing this family (71)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101266267B1 (ko) 2006-10-05 2013-05-23 스플렁크 인코퍼레이티드 시계열 검색 엔진
US8838621B1 (en) 2011-03-01 2014-09-16 Google Inc. Location query processing
US20130060623A1 (en) * 2011-03-04 2013-03-07 Tristan Walker System and method for managing and redeeming offers with a location-based service
US9015152B1 (en) * 2011-06-01 2015-04-21 Google Inc. Managing search results
US9026516B1 (en) * 2011-08-09 2015-05-05 Google Inc. Interest-based keywords for prominent entity and by location
US8713004B1 (en) * 2011-08-26 2014-04-29 Google Inc. Method and system for prioritizing points of interest for display in a map using category score
US9159055B2 (en) 2011-09-07 2015-10-13 Elwha Llc Computational systems and methods for identifying a communications partner
US9491146B2 (en) 2011-09-07 2016-11-08 Elwha Llc Computational systems and methods for encrypting data for anonymous storage
US10074113B2 (en) 2011-09-07 2018-09-11 Elwha Llc Computational systems and methods for disambiguating search terms corresponding to network members
US9747561B2 (en) 2011-09-07 2017-08-29 Elwha Llc Computational systems and methods for linking users of devices
US9167099B2 (en) 2011-09-07 2015-10-20 Elwha Llc Computational systems and methods for identifying a communications partner
US9195848B2 (en) 2011-09-07 2015-11-24 Elwha, Llc Computational systems and methods for anonymized storage of double-encrypted data
US10606989B2 (en) 2011-09-07 2020-03-31 Elwha Llc Computational systems and methods for verifying personal information during transactions
US10263936B2 (en) 2011-09-07 2019-04-16 Elwha Llc Computational systems and methods for identifying a communications partner
US10198729B2 (en) 2011-09-07 2019-02-05 Elwha Llc Computational systems and methods for regulating information flow during interactions
US9432190B2 (en) 2011-09-07 2016-08-30 Elwha Llc Computational systems and methods for double-encrypting data for subsequent anonymous storage
US9690853B2 (en) 2011-09-07 2017-06-27 Elwha Llc Computational systems and methods for regulating information flow during interactions
US10546306B2 (en) 2011-09-07 2020-01-28 Elwha Llc Computational systems and methods for regulating information flow during interactions
US9928485B2 (en) 2011-09-07 2018-03-27 Elwha Llc Computational systems and methods for regulating information flow during interactions
US9043260B2 (en) * 2012-03-16 2015-05-26 Nokia Technologies Oy Method and apparatus for contextual content suggestion
EP2875655B1 (en) * 2012-06-22 2021-04-28 Google LLC Inferring user interests
KR101979401B1 (ko) 2012-06-22 2019-05-16 구글 엘엘씨 방문 가능성에 기초한 부근의 목적지들의 정렬 및 위치 히스토리로부터의 장소들에 대한 미래의 방문들의 예측
US10977312B2 (en) 2012-09-21 2021-04-13 Google Llc Apparatus and method for inferring an origin
CN103838726B (zh) * 2012-11-20 2017-10-27 百度在线网络技术(北京)有限公司 基于地图的菜谱推荐方法、系统及gis服务器
US9111011B2 (en) 2012-12-10 2015-08-18 Google Inc. Local query suggestions
US10204170B2 (en) 2012-12-21 2019-02-12 Highspot, Inc. News feed
WO2014100605A1 (en) 2012-12-21 2014-06-26 Highspot, Inc. Interest graph-powered search
CN103902604B (zh) * 2012-12-28 2020-11-10 Ge医疗系统环球技术有限公司 用于搜索并显示分散日志的方法和装置
US9842120B1 (en) 2013-02-15 2017-12-12 United Parcel Service Of America, Inc. Standardization of addresses and location information
US10055418B2 (en) 2014-03-14 2018-08-21 Highspot, Inc. Narrowing information search results for presentation to a user
WO2014144905A1 (en) * 2013-03-15 2014-09-18 Highspot, Inc. Interest graph-powered feed
US10225136B2 (en) 2013-04-30 2019-03-05 Splunk Inc. Processing of log data and performance data obtained via an application programming interface (API)
US10997191B2 (en) 2013-04-30 2021-05-04 Splunk Inc. Query-triggered processing of performance data and log data from an information technology environment
US10318541B2 (en) 2013-04-30 2019-06-11 Splunk Inc. Correlating log data with performance measurements having a specified relationship to a threshold value
US10614132B2 (en) 2013-04-30 2020-04-07 Splunk Inc. GUI-triggered processing of performance data and log data from an information technology environment
US10019496B2 (en) 2013-04-30 2018-07-10 Splunk Inc. Processing of performance data and log data from an information technology environment by using diverse data stores
US10353957B2 (en) 2013-04-30 2019-07-16 Splunk Inc. Processing of performance data and raw log data from an information technology environment
US10346357B2 (en) 2013-04-30 2019-07-09 Splunk Inc. Processing of performance data and structure data from an information technology environment
US20150032543A1 (en) * 2013-07-25 2015-01-29 Mastercard International Incorporated Systems and methods for recommending merchants
US9805057B2 (en) * 2013-10-15 2017-10-31 Google Inc. Automatic generation of geographic imagery tours
US9558242B2 (en) * 2013-10-15 2017-01-31 Google Inc. Social where next suggestion
US9262541B2 (en) * 2013-10-18 2016-02-16 Google Inc. Distance based search ranking demotion
US9710434B2 (en) 2013-12-10 2017-07-18 Highspot, Inc. Skim preview
US9618343B2 (en) 2013-12-12 2017-04-11 Microsoft Technology Licensing, Llc Predicted travel intent
CN103631954B (zh) * 2013-12-13 2016-08-31 百度在线网络技术(北京)有限公司 个性化推荐方法及装置
US20150269152A1 (en) * 2014-03-18 2015-09-24 Microsoft Technology Licensing, Llc Recommendation ranking based on locational relevance
KR102216049B1 (ko) * 2014-04-21 2021-02-15 삼성전자주식회사 시맨틱 라벨링 시스템 및 방법
US10303725B2 (en) 2014-05-01 2019-05-28 Airbnb, Inc. Re-ranking search results for location refining and diversity
WO2015175313A1 (en) * 2014-05-12 2015-11-19 Google Inc. Disambiguation of queries implicit to multiple entities
US10474671B2 (en) * 2014-05-12 2019-11-12 Google Llc Interpreting user queries based on nearby locations
CN104063457A (zh) * 2014-06-25 2014-09-24 北京智谷睿拓技术服务有限公司 信息通信方法和系统及终端
US20160019556A1 (en) * 2014-07-16 2016-01-21 Google Inc. Determining an aspect of a physical location based on interactions associated with the physical location
CN106796599B (zh) * 2014-08-20 2020-08-04 谷歌有限责任公司 基于附近位置解释用户查询
CN106537381B (zh) 2014-08-20 2019-08-20 谷歌有限责任公司 基于装置定向解释用户查询
US20160063410A1 (en) * 2014-08-28 2016-03-03 Google Inc. Systems and Methods for Task Assistance by Correlating Task Terms with Specific Entities
US20160132903A1 (en) * 2014-11-11 2016-05-12 Tata Consultancy Services Limited Identifying an industry specific e-maven
KR101620779B1 (ko) * 2015-01-08 2016-05-17 네이버 주식회사 리타겟팅 검색 서비스를 제공하는 방법 및 시스템
US9984310B2 (en) * 2015-01-23 2018-05-29 Highspot, Inc. Systems and methods for identifying semantically and visually related content
EP3062279A1 (en) 2015-02-27 2016-08-31 BBVA Data & Analytics, S.L.U. Method and system for generation of parameters
US10503764B2 (en) * 2015-06-01 2019-12-10 Oath Inc. Location-awareness search assistance system and method
CN105760466A (zh) * 2016-02-05 2016-07-13 廖炜恒 一种社交平台数据读取方法、装置和系统
CN106331145A (zh) * 2016-09-05 2017-01-11 努比亚技术有限公司 一种信息推荐方法、设备和系统
US10289625B2 (en) * 2016-09-15 2019-05-14 Google Llc Providing context facts
CN108509467B (zh) * 2017-05-04 2021-11-26 宁波数联软件有限公司 一种基于用户行为日志的海运报价推荐系统与方法
CN108256070B (zh) * 2018-01-17 2022-07-15 北京百度网讯科技有限公司 用于生成信息的方法和装置
US11651151B2 (en) 2018-12-03 2023-05-16 Chaz Tanase Automated multi-source website hybridization using streaming data
CN110032696A (zh) * 2019-04-15 2019-07-19 拉扎斯网络科技(上海)有限公司 展示方法、装置、电子设备及计算机可读存储介质
CN110058944A (zh) * 2019-04-15 2019-07-26 拉扎斯网络科技(上海)有限公司 数据处理方法、装置、电子设备及计算机可读存储介质
CN111080339B (zh) * 2019-11-18 2024-01-30 口口相传(北京)网络技术有限公司 基于场景的类目偏好数据生成方法及装置
CN112667895A (zh) * 2020-12-28 2021-04-16 百果园技术(新加坡)有限公司 推荐项目队列确定方法、装置、设备及存储介质
KR102655723B1 (ko) * 2021-01-28 2024-04-09 네이버 주식회사 장소 추천 방법 및 시스템

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101627384A (zh) * 2007-03-08 2010-01-13 微软公司 从搜索查询中检测用户的位置、地方意图和旅游意图

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6493702B1 (en) 1999-05-05 2002-12-10 Xerox Corporation System and method for searching and recommending documents in a collection using share bookmarks
US7089237B2 (en) 2001-01-26 2006-08-08 Google, Inc. Interface and system for providing persistent contextual relevance for commerce activities in a networked environment
US20030200192A1 (en) * 2002-04-18 2003-10-23 Bell Brian L. Method of organizing information into topical, temporal, and location associations for organizing, selecting, and distributing information
US7599911B2 (en) 2002-08-05 2009-10-06 Yahoo! Inc. Method and apparatus for search ranking using human input and automated ranking
US20040260680A1 (en) * 2003-06-19 2004-12-23 International Business Machines Corporation Personalized indexing and searching for information in a distributed data processing system
US7606798B2 (en) 2003-09-22 2009-10-20 Google Inc. Methods and systems for improving a search ranking using location awareness
US7257570B2 (en) 2003-11-13 2007-08-14 Yahoo! Inc. Geographical location extraction
US20050149399A1 (en) * 2003-12-18 2005-07-07 Fuji Photo Film Co., Ltd. Service server and service method
US20060129533A1 (en) 2004-12-15 2006-06-15 Xerox Corporation Personalized web search method
US8688671B2 (en) * 2005-09-14 2014-04-01 Millennial Media Managing sponsored content based on geographic region
US7747598B2 (en) 2006-01-27 2010-06-29 Google Inc. Geographic coding for location search queries
CN101025737B (zh) 2006-02-22 2011-08-17 王东 基于关注度的同源信息搜索引擎聚合显示方法
US8312004B2 (en) 2006-10-18 2012-11-13 Google Inc. Online ranking protocol
US8898130B1 (en) * 2007-02-14 2014-11-25 SuperMedia LLC Organizing search results
US7873904B2 (en) * 2007-04-13 2011-01-18 Microsoft Corporation Internet visualization system and related user interfaces
US8195655B2 (en) 2007-06-05 2012-06-05 Microsoft Corporation Finding related entity results for search queries
US7945566B2 (en) * 2007-08-10 2011-05-17 Sap Ag System and method of information filtering
WO2009086194A2 (en) * 2007-12-19 2009-07-09 Nevins David C Apparatus, system, and method for organizing information by time and place
JP2009282690A (ja) * 2008-05-21 2009-12-03 Toshiba Corp 情報検索方法および情報処理装置
US20100057772A1 (en) * 2008-08-29 2010-03-04 Microsoft Corporation Automatic determination of an entity's searchable social network using role-based inferences
US8195653B2 (en) * 2009-01-07 2012-06-05 Microsoft Corporation Relevance improvements for implicit local queries
US20110082880A1 (en) * 2009-10-07 2011-04-07 Verizon Patent And Licensing, Inc. System for and method of searching content
US8538973B1 (en) * 2010-04-05 2013-09-17 Google Inc. Directions-based ranking of places returned by local search queries
US8489625B2 (en) * 2010-11-29 2013-07-16 Microsoft Corporation Mobile query suggestions with time-location awareness
US20130046609A1 (en) * 2011-08-19 2013-02-21 Bank Of America Corporation User-driven reverse auctions systems and methods

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101627384A (zh) * 2007-03-08 2010-01-13 微软公司 从搜索查询中检测用户的位置、地方意图和旅游意图

Also Published As

Publication number Publication date
CN102591911A (zh) 2012-07-18
EP2646973A4 (en) 2016-06-29
EP2646973A2 (en) 2013-10-09
WO2012075273A3 (en) 2012-08-02
WO2012075273A2 (en) 2012-06-07
US9152726B2 (en) 2015-10-06
KR20130130731A (ko) 2013-12-02
US20120143859A1 (en) 2012-06-07
KR101810279B1 (ko) 2018-01-18
HK1171541A1 (zh) 2013-03-28

Similar Documents

Publication Publication Date Title
CN102591911B (zh) 位置相关实体的实时个性化推荐
US10735796B2 (en) Contextual based information aggregation system
US10311452B2 (en) Computerized systems and methods of mapping attention based on W4 data related to a user
US8856167B2 (en) System and method for context based query augmentation
US9183497B2 (en) Performance-efficient system for predicting user activities based on time-related features
US9946782B2 (en) System and method for message clustering
JP5602864B2 (ja) 位置ベースのサービスミドルウェア
US10209079B2 (en) Optimization of map views based on real-time data
TWI402702B (zh) 呈現網頁查詢結果的方法及其電腦可讀儲存媒體與電腦系統
US20110252101A1 (en) System and method for delivery of augmented messages
CN111615712A (zh) 多日历协调
US20210034386A1 (en) Mixed-grained detection and analysis of user life events for context understanding
US20180191860A1 (en) Context management for real-time event awareness
WO2015184431A1 (en) System and process for location-based informationretrieval
US20110313954A1 (en) Community model based point of interest local search
Adams et al. Sensing and using social context
US20170116285A1 (en) Semantic Location Layer For User-Related Activity
US20150373132A1 (en) Sequential behavior-based content delivery
JP2010009315A (ja) 推薦店舗提示システム
CN110799946B (zh) 多应用用户兴趣存储器管理
WO2019005333A1 (en) GEOGRAPHIC RESEARCH OFFLINE
Choi et al. Extracting placeness from social media: an ontology-based system
Akermi Un modèle hybride pour la recommandation proactive et contextuelle
Junmanee et al. Design, Implementation and Evaluation of Advanced Recommendation Models in Mobile Tourist Information System
Gupta Contextual Reasoning based Mobile Recommender System

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1171541

Country of ref document: HK

ASS Succession or assignment of patent right

Owner name: MICROSOFT TECHNOLOGY LICENSING LLC

Free format text: FORMER OWNER: MICROSOFT CORP.

Effective date: 20150721

C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20150721

Address after: Washington State

Applicant after: Micro soft technique license Co., Ltd

Address before: Washington State

Applicant before: Microsoft Corp.

C14 Grant of patent or utility model
GR01 Patent grant
REG Reference to a national code

Ref country code: HK

Ref legal event code: GR

Ref document number: 1171541

Country of ref document: HK