CN105075178A - 为一个或多个协作构件识别一个或多个相关社交网络 - Google Patents

Abstract

提供了用户识别与一个或多个协作构件有关的用户集的方法、产品、装置和系统。此外，可以识别包括多个候选社交网络的网络集。而且，可以确定与一个或多个协作构件有关的用户集和每个候选社交网络之间的相似度以从候选社交网络中识别一个或多个相关社交网络。确定关系强度可以包括计算相似度。此外，附属于一个或多个相关社交网络的至少一个成员将获悉协作构件。

Description

为一个或多个协作构件识别一个或多个相关社交网络

技术领域

本发明的实施例通常涉及为一个或多个协作构件(artifact)识别一个或多个相关社交网络。更具体地，本发明的实施例涉及确定与一个或多个协作构件有关的用户集和多个候选社交网络的每一个之间的关系强度以为一个或多个协作构件识别一个或多个相关社交网络。

背景技术

协作构件可以让两个或多个用户之间彼此协作。例如，文档可以在协作用户之间共享以达到和/或促进文档的目的。此外，社交网络可以用来分享信息。然而，用来在社交网络分享信息的机制可能导致协作用户的集最小或不正确。而且，用来在社区网络分享信息的机制可以检测和/或使关系(例如关联)独立于关系的强度和/或独立于多个候选社交网络的评估。因此，可能不能有效地达到协作构件的目的和/或进一步的目标。

发明内容

本发明的实施例包括一种方法，包括识别与一个或多个协作构件有关的用户集。该方法还可以识别包括多个候选社交网络的网络集。此外，该方法还包括确定与一个或多个协作构件有关的用户集和每个候选社交网络之间的关系强度。该方法可以包括从候选社交网络中识别一个或多个相关社交网络。

本发明的实施例可以包括计算机程序产品，具有计算机可读存储介质和存储于计算机可读存储介质之上的计算机可用代码。如果被处理器执行，计算机可用代码可以使计算机识别与一个或多个协作构件有关的用户集。如果被处理器执行，计算机可用代码还可以使计算机识别包括多个候选社交网络的网络集。如果被处理器执行，计算机可用代码还可以使计算机确定与一个或多个协作构件有关的用户集和每个候选社交网络之间的关系强度。如果被处理器执行，可以从候选社交网络中识别一个或多个相关社交网络。

本发明的实施例可以包括一种计算机程序产品，具有计算机可读存储介质和存储于计算机可读存储介质之上的计算机可用代码。如果被处理器执行，计算机可用代码可以使计算机识别与一个或多个协作构件有关的用户集。如果被处理器执行，计算机可用代码还可以使计算机识别包括多个候选社交网络的网络集。如果被处理器执行，计算机可用代码还可以使计算机计算与一个或多个协作构件有关的用户集和每个候选社交网络之间的相似度。如果被处理器执行，可以从候选社交网络中识别一个或多个相关社交网络。此外，如果被处理器执行，计算机可用代码还可以使附属于一个或多个相关社交网络的至少一个成员将获悉该一个或多个协作构件。

附图说明

本领域技术人员通过阅读下面的说明书和所附的权利要求，并通过参考以下附图，本发明实施例的各种优点将变得明显，其中：

图1是根据一个实施例，为一个或多个协作构件识别一个或多个相关社交网络的方案的一个示例的框图；

图2是根据一个实施例，包括用于为一个或多个协作构件识别一个或多个相关社交网络的逻辑的架构的一个示例的框图；

图3是根据一个实施例，包括用于为一个或多个协作构件识别一个或多个相关社交网络的逻辑的变体的架构的一个示例的框图；

图4是根据一个实施例，为一个或多个协作构件识别一个或多个相关社交网络的方法的一个示例的流程图；

图5是根据一个实施例的计算设备的一个示例的框图。

具体实施方式

所属技术领域的技术人员知道，本发明的各个方面可以实现为系统、方法或计算机程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、驻留软件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。此外，在一些实施例中，本发明的各个方面还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式，该计算机可读介质中包含计算机可读的程序代码。

可以采用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

下面将参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机程序指令实现。这些计算机程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些计算机程序指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。

也可以把这些计算机程序指令存储在计算机可读介质中，这些指令使得计算机、其它可编程数据处理装置、或其他设备以特定方式工作，从而，存储在计算机可读介质中的指令就产生出包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的指令的制造品(articleofmanufacture)。

计算机程序指令也可以被加载到计算机、其它可编程数据处理设备或其他设备上，以引起一系列要在计算机上、其它可编程设备或其它设备执行的操作步骤，以产生计算机实现的过程，使得在计算机或其他可编程装置上执行的指令提供用于实现在流程图和/或框图的块或多个块中指定的功能/动作的过程。

现在参见图1，显示了根据一个实施例，为一个或多个协作构件识别一个或多个相关社交网络的方案10。协作构件可以包括让两个或多个用户之间进行合作的任何工作产品。协作构件的例子可以包括：浏览器、即时消息、聊天、电子邮件、文件、帖子、幻灯片、电子数据表等，或其组合。一个例子中，文件可以在合作用户之间共享以达到协作构件的目的和/或进一步的目标。协作构件可以包括基于任意粒度级别的一部分。例如，协作构件可以包括文档的一章、文档的一节等，或其组合。协作可以包括合作的任意方面，例如：评审、编辑、修订、增加、删除、修改、协作、发布、回复、强调、转发、编写、给出选项、评级、推荐等，或其组合。

面对一个或多个协作构件时，了解是否存在与这些构件密切相关的一个或多个社交网络可能会有价值。这些信息可以使这些构件在一个或多个社交网络中共享时提供最大化的和/或适当的合作用户的集合。例如，在文本编辑的情况下，与某一协作构件(例如文档)有关的合作用户(例如共同作者)密切相关(例如最相关)的社交网络有关的知识可能对以下有用：建议额外评审人、在该社交网络中检索相关资源、让密切相关的社交网络的用户获悉该构件、使该协作构件对用户可用等，或其组合。在显示的例子中，可以识别和/或接收协作构件12和14。

协作构件12可以包括诸如幻灯片或文本文档的工作文档，具有相关的用户(a)、(b)和(c)。协作构件14可以包括财务报表，具有相关的用户(a)、(d)和(e)。因此，可以识别与协作构件12和14有关的用户集16，包括(a)、(b)、(c)、(d)和(e)。还可以识别用户集(A)，具有与协作构件12有关的(a)、(b)和(c)，以及用户集(B)，具有与协作构件14有关的(a)、(d)和(e)，其中用户(a)可以与协作构件12和14的每一个有关。可以通过任何信息识别用户(a)、(b)、(c)、(d)和/或(e)，例如姓名、地址、坐着、接收方、共同作者、发起方、评审方、参与方、标签、元数据和访问列表等，或其组合。

可以识别网络集18，包括多个候选社交网络(X)、(Y)和(Z)。通常，任意候选社交网络可以包括在线社交网络，例如内网社交网络和/或因特网社交网络，其中用户可以彼此交互和/或建立关系。例如，内网社交网络可以包括可以通过员工计算机网络通信员工的社群。因特网社交网络例如可以包括：网站、网站、网站(分别是Facebook、Twitter和LinkedIn的注册商标)。此外，因特网社交网络可以包括问答(Q&A)网站，例如 答案和Stack(分别是Quora、Yahoo和StackOverflow的注册商标)。任何候选社交网络还可以包括根据诸如共同的兴趣、特定的主题等，或其组合的一个或多个标准通信的两个或多个人(例如组)。出于说明的目的，候选社交网络可以包括“喜欢”某一网页的两个或多个用户。此外，任何候选社交网络可以包括彼此表现诸如工作、个人、家庭、地理和或教育的特定关系的两个或多个人。候选社交网络的用户还可以进一步彼此建立关系，例如通过加入组、变成“朋友”和或建立“联系”。一个或多个候选社交网络可以是事先存在的社交网络。

可以用网络信息识别网络集18中的任意候选社交网络，例如邮件列表、数据库访问列表(ACL)、组织结构图、组织团体、会员、通信记录、元数据、静态组、动态组、嵌套组、混合组、轻量级目录访问协议(LDAP)组和与帖子有关的意见等，或其组合。出于说明的目的，网络集18可以包括候选工作社交网络(X)、候选金融社交网络(Y)和候选个人社交网络(Z)。候选工作社交网络(X)可以例如包括：工作关系(例如同一组织的雇员)因而可能可以用组织结构图识别的两个或更多用户。候选金融社交网络(Y)可以例如包括：金融关系因而可能可以由邮件列表识别的两个或更多用户(例如和同一金融机构有关)。个人社交网络(Z)可以例如包括：个人兴趣关系因而可能可以由与帖子有关的意见(例如“喜欢”、“赞”、“收藏”或文字评论)识别的两个或多个用户。

可以确定用户集(A)、(B)与各自的协作构件12、14以及每个候选社交网络(X)、(Y)和(Z)有关的关系强度20。在一个例子中，如下所述，可以计算相似度以确定关系强度。在示出的示例中，关系强度20可以包括强关系强度、中等关系强度和/或弱关系强度。特定值(例如：强)可以包括机器可读的值、整数等，或其组合。可以基于阈值确定关系强度20以保持一特定值(例如：强)，例如与协作构件有关、并且也在候选社交网络中的用户的阈值数量。可以在一个范围内设置该阈值数量，例如0可以代表没有用户重叠而1可以代表用户的完全重叠。可以将特定值的阈值设置为相对低或相对高，使得在完全重叠、半重叠、四分之一重叠、没有重叠等，或其组合将关系强度20确定为保持该特定值(例如：强、弱等)。

还可以基于相关评估(例如具有最相关重叠的最强关系强度)确定关系强度20以保持一特定值。此外，可以基于每个候选社交网络的权重信息确定关系强度以保持一特定值。权重信息可以包括候选社交网络中成员的总数量的一部分、候选社交网络中的成员的技能等，或其组合。例如，一个候选社交网络中总共有二十个成员，另一个候选社交网络中有几百个，可以用集合的大小为候选社交网络的一个或多个分配权重(例如归一化集、为集合分配更高和/或更低的权重等)。并且，可以利用任意标准来补充关系强度的确定(自动或手动)，例如用户偏好信息、历史信息、网络稳定性信息、用户稳定性信息等，或其组合。

为了说明的目的，当候选工作社交网络(X)包括用户(a)、(b)和(c)的每一个时可以确定用户集(A)与候选工作社交网络(X)之间的强关系强度。类似地，当候选金融社交网络(Y)包含用户(a)、(d)和(e)的每一个时可以确定用户集(B)与候选金融社交网络(Y)之间的强关系强度。此外，当候选个人社交网络(Z)包括用户(a)、(d)和(e)的两个时，可以确定用户集(B)与候选个人社交网络(Z)之间的中等关系强度。用户集(B)与候选社交网络(Y)、(Z)之间的关系强度可能出现差异，例如用户(a)、(d)和(e)的每一个在同一金融机构存钱，但用户(a)、(d)和(e)中只有两个是同一社交网络网站的成员。

关系强度20可以用来为用户集(A)和(B)、因而为各自有关的协作构件12和14从候选社交网络(X)、(Y)和(Z)中识别一个或多个相关社交网络22。在一个例子中，可以基于候选社交网络(X)、(Y)和(Z)的每一个对应的关系强度(例如强、中等、弱、无等)进行排序以识别相关社交网络22。可以升序或降序排列候选社交网络(X)、(Y)和(Z)的每一个，例如从强关系强度到弱关系强度的降序排列。排序可以涉及分区排序(partitionedorder)，例如候选社交网络(X)可以是第一项，随后是用户集(A)的候选社交网络(Y)和/或(Z)，并且候选社交网络(Z)可以是第四项，随后是用户集(B)的候选社交网络(Z)。

排序可以涉及为用户集(A)和(B)分别排序，例如用户集(A)的候选社交网络(X)和用户集(B)的候选社交网络(Y)的每一个为第一项。排序还可以涉及混合排序，例如用户集(A)的候选社交网络(X)或用户集(B)的候选社交网络(Y)可以是第一项，而候选社交网络(X)和(Y)的另一个可以是第二项，用户集(B)的候选社交网络(Z)可以是第三项。可以考虑任何其他的标准实施排序(手动或自动)，例如预定的限制(例如：先排序最大的网络、先排序具有教育程度最高成员的网络等)，用户偏好信息(例如：从最强到最弱等)，历史信息(如：优先排序)，成员稳定性信息(例如：成员评级)、网络稳定性信息(例如：网络评级)等，或其组合。下面将描述，可以在任何选择之前、过程中、之后和/或不考虑任何选择实现排序。

可以基于候选社交网络(X)、(Y)和(Z)对应的关系强度(例如：强、中等、弱、无等)选择它们的每一个以识别相关社交网络22。如前描述，可以在任何排序之前、过程中、之后和/或不考虑任何排序候选社交网络(X)、(Y)和(Z)。选择可以包括自动选择、手动选择等，或其组合。出于说明的目的，可以基于对应的关系强度20(例如：强关系强度)自动选择候选工作社交网络(X)作为用户集(A)(和/或协作构件12)的相关社交网络22。该选择可能涉及来自一个或多个用户的输入，例如向一个或多个用户提供候选社交网络(X)、(Y)和(Z)的未排序列表及其对应的关系强度用于手动选择。可以考虑任何其他的标准来实现选择(自动或手动)，例如预定的限制(例如：限制社交网络类型、网络号、总选择第一项、总选择最强关系强度等)，用户偏好信息(例如：首先排序工作网络等)，历史信息(如：优先排序)，成员稳定性信息(例如：成员评级)、网络稳定性信息(例如：网络评级)等，或其组合。

因此，可以向一个或多个用户、一个或多个逻辑提供和/或存储未排序信息、排序信息、未选择信息和/或选择的信息。例如，这样的信息可以作为消息附件、链接、在共享文件夹和/或环境中、在用户平台的显示器上等，或其组合向一个或多个用户提供。出于说明的目的，用户集(A)的候选工作社交网络(X)和用户集(B)的候选金融社交网络(Y)可以自动排序、选择和/或向一个或多个用户提供、向逻辑提供、存储用于检索、用于编辑、用于再排序、用于批准等，或其组合。可以用同样和/或不同的数据存储来储存对应于协作构件12和/或14的信息、用户集(A)和/或(B)、网络集18和/或关系强度20。数据存储可以包括诸如数据库、表等，或其组合的数据结构。

至少一个附属于相关社交网络22的成员可以获悉协作构件12和/或协作构件14。相关社交网络的用户可以例如通过加入组、变成“朋友”和/或建立“联系”彼此建立关系，因此可以成为相关社交网络的附属成员。此外，利用相关社交网络可以使用户成为相关社交网络的附属成员。而且，登入(或已登入)相关社交网络可以使用户成为相关社交网络的附属成员。在相关社交网络上分享兴趣和/或意见也可以使用户成为相关社交网络的附属成员。在相关社交网络上具有账户和/或简档可以使用户成为相关社交网络的附属成员。出于说明的目的，至少一个附属于相关工作社交网络(X)的成员可以获悉协作构件12。

附属成员可以通过适当的机制获悉协作构件，例如通过利用电子消息、文本消息、链接等，或其组合的自动通知。此外，附属成员可以通过登入社交网络、访问共享文件夹和/或环境获悉。出于说明的目的，附属于相关工作社交网络(X)的每个成员也可以访问协作构件12、访问与协作构件12有关的合作用户(其本身可以是协作构件)之间的通信等，或其组合。附属成员开始合作，可以将附属成员添加至用户集16，并且可以基于更新关系强度20的确定重复识别相关社交网络22。

图2显示了根据一个实施例，可以用于为一个或多个协作构件识别一个或多个相关社交网络的架构102。在显示的示例中，可以识别和/或接收协作构件数据124和/或社交网络数据126。协作构件数据124可以包括与即时消息、聊天、电子邮件、文件和帖子、幻灯片、文档等，或其组合有关的数据。协作构件数据124还可以包括与识别合作用户有关的任何信息，例如姓名、地址、作者、接收方、共同作者、发起方、评审方、参与方、标签、元数据、访问列表等，或其组合。

用户识别逻辑128可以检索和/或接收协作构件数据124以识别与一个或多个协作构件有关的用户集。出于说明的目的，用户识别逻辑128可以识别协作构件包括附在电子邮件中的幻灯片。用户识别逻辑128例如可以利用幻灯片元数据确定幻灯片的作者以及评估电子邮件列表以确定合作用户集。用户识别逻辑128还可以评估幻灯片中的元素，例如注释和/或修改标记，可能与邮件列表中的姓名相互交叉引用以改善用户集。访问列表可以用来识别什么用户可以访问资源，包括协作构件。此外，地理空间信息可以用来识别用户集中的一个或多个用户，例如每个用户之间物理上的距离。因此，元数据、标签、访问列表和/或与幻灯片、邮件和/或邮件列表中的用户有关的任何识别信息可以评估协作构件和/或合作用户的进一步特征。

社交网络数据126可以包括与在线社交网络、内网社交网络、互联网社交网络、网站、表达共同兴趣的组、就某一特定主题交流的组、表达关系的组、具有建立的关系的组、相对频繁交流的组、预先存在的社交网络等，或其组合有关的任何信息。社交网络数据126可以包括与识别候选社交网络有关的任何信息，例如邮件列表、数据库访问列表(ACL)、组织结构图、组织团体、会员、通信记录、元数据、静态组、动态组、嵌套组、混合组、轻量级目录访问协议(LDAP)组和与帖子有关的意见等，或其组合。

候选社交网络识别逻辑130可以检索和/或接收社交网络数据126以识别一个或多个候选社交网络。候选社交网络识别逻辑130可以例如基于诸如真实邮件列表、政治邮件列表、职业邮件列表、教育邮件列表等，或其组合的邮件列表识别候选社交网络。候选社交网络识别逻辑130可以例如基于可以指定哪些用户被授予访问对象和/或资源的ACL识别候选社交网络。候选社交网络识别逻辑130可以例如基于诸如电话记录和/或聊天记录的通信记录识别候选社交网络。

候选社交网络识别逻辑可以例如基于诸如社区会员和/或健身房会员的会员信息识别候选社交网络。候选社交网络识别逻辑130可以例如基于诸如候选社交网络中用户的位置的地理空间信息识别候选识别网络。候选社交网络识别逻辑130可以例如将候选社交网络识别为包括用户识别逻辑128识别的至少一个用户的社交网络的子集(所有社交网络的子集)。因此，用户识别逻辑128产生的数据可以由候选社交网络识别逻辑130检索和/或接收以识别候选社交网络。

此外，候选社交网络识别逻辑130可以例如基于结构和/或组织信息，例如职业图、组织结构图、活动图、组织活动等，或其组合识别候选社交网络。组可以包括姓名、地址等，或其组合的列表和/或集合。组可以包括轻量级目录访问协议(LDAP)组，其中LDAP服务器可以在传输控制协议/网际协议(TCP/IP)上运行，作为互联网或非互联网应用的目录服务。组可以包括静态组，可以单独定义每个成员。组可以包括嵌套组，可以允许创建层级关系，用于定义继承的组成员。组可以包括混合组，可以包括LDAP、静态、动态和嵌套成员类型的组合。候选社交网络识别逻辑130可以例如基于与帖子有关的诸如指定“收藏”和/或文本评论识别候选社交网络。

关系强度确定逻辑132可以分别检索和/或接收用户识别逻辑128识别的用户集和候选社交网络识别逻辑130识别的网络集。关系强度确定逻辑132可以确定与一个或多个协作构件有关的用户集和候选社交网络的每一个之间的关系强度。可以由确定逻辑132计算相似度以确定关系强度。关系强度确定逻辑132还可以基于阈值确定关系强度以保持一特定值，其可以在一个范围内被设置、设置相对高、设置相对低等，或其组合。可以基于相关评估，例如包括一定程度的重叠，和/或权重信息，例如候选社交网络的相对大小，由关系强度确定逻辑132确定关系强度以保持一特定值。关系强度确定逻辑132可以采用任何标准以补充关系强度确定(无论自动还是手动)，例如用户偏好信息、历史信息、网络稳定性信息、成员稳定性信息等，或其组合。

相关社交网络识别逻辑136可以检索和/或接收关系强度确定逻辑132确定的相关强度信息。相关社交网络识别逻辑136可以基于与一个或多个协作构件有关的用户集和一个或多个候选社交网络之间的关系强度(例如强、弱等)识别相关社交网络。相关社交网络识别逻辑136可以基于关系强度排序和/或选择候选社交网络以从候选社交网络中识别一个或多个相关社交网络，其可以包括自动实现、手动实现等，或其组合。相关社交网络识别逻辑136可以评估任意其他的标准以识别相关社交网络，例如预定的限制、用户偏好信息、历史信息、成员稳定性信息、网络稳定性信息等，或其组合。可以存储、向用户提供、向逻辑提供已识别的相关社交网络数据142等，或其组合。

成员获悉逻辑144可以检索和/或接收相关社交网络识别逻辑136产生的已识别相关社交网络数据142。成员获悉逻辑可以使附属于相关社交网络的成员(例如所有成员、部分成员等)获悉协作构件，不管其是否希望合作。成员获悉逻辑144可以根据通知偏好向一个或多个附属成员发送关于协作构件的通知，和/或允许一个或多个用户设置通知偏好(例如通知、通知定时、通知过滤、诸如链接或文件夹的通知方式的偏好等)、设置通知安全偏好(例如加密、密码等)等，或其组合，此外，成员获悉逻辑144可以向用户集中的一个或多个用户通知合作成员，例如有关合作意图的信息。

成员获悉逻辑144可以使附属于相关社交网络的成员(例如所有成员、部分成员等)能够访问一个或多个协作构件。成员获悉逻辑144可以使附属于相关社交网络的成员(例如所有成员、部分成员等)具有和/或获得一个或多个协作构件的自动访问、对一个或多个协作构件的安全访问、对一个或多个协作构件的适当访问等，或其组合。成员获悉逻辑144可以通过路径、通过再现协作构件的最新版本等，或其组合提供访问。成员获悉逻辑144可以根据访问偏好提供访问和/或允许设置访问偏好(例如优先某些路径、访问定时、访问过滤、诸如链接或文件夹的访问方式等)、访问安全偏好(例如加密、密码等)、访问特权偏好(例如读、写等)等，或其组合。此外，成员获悉逻辑144可以向用户集添加至少一个附属成员，其可被反馈用于基于自适应更新关系强度的确定重复识别相关社交网络。

现在参看图3，其中显示了根据一个实施例的可以用来为一个或多个协作构件识别一个或多个相关社交网络的架构202。图3中架构202的逻辑组件与已经讨论的图2中架构102逻辑组件具有类似的附图标记，应当理解具有类似的功能。在该变化中，关系强度确定逻辑232可以包括相似度逻辑234。相似度逻辑234可以计算与一个或多个协作构件有关的用户集和候选社交网络的每一个之间的相似度。相似度可以用来从候选社交网络中识别一个或多个相关社交网络。

可以用适当的运算计算相似度。一个例子中，可以采用Jaccard指数、Dice系数等，或其组合计算相似度。例如，{a,b,c}通常可以表示包括用户(a)、(b)和(c)的用户集。运算F∩J通常可以表示集合F和J的交集。两个集合F和J的交集可以引用既在集合F也在集合J中的点(例如用户)的集合。操作F∪J通常可以表示集合F和J的并集。集合F和J的并集可以引用将F的所有元素和J中的所有元素合并到一起的集合。操作|K|通常表示集合K的基数(cardinality)，其可以引用集合K中成员的数量。

出于说明的目的，用户集(A){Abe,Bertha,Charles,Diane}可以与协作构件(例如文档)有关。可以识别包括多个候选社交网络的网络集。例如，可以识别候选社交网络(X){Abe,Bertha,Charles,Diane}，候选社交网络(Y){Abe,Betty,Charles,Diane,Edward}，以及候选社交网络(Z){Abe,Betty,Charles,Diane,Frank,George,Harold,Ian}。因此，可以计算与协作构件有关的用户集(A)和候选社交网络(X)、(Y)和(Z)的每一个之间的相似度以为协作构件识别一个或多个相关社交网络。

如公式(1)所示，应用Jaccard指数可以为候选社交网络(X)产生如公式(2)和(3)所示的以下计算，为候选社交网络(Y)产生如公式(4)和(5)所示的以下计算，为候选社交网络(Z)产生如公式(6)和(7)所示的以下计算。

$\left(1\right)---\frac{\left|F\∩J\right|}{\left|F\∪J\right|}$

$\left(2\right)---\frac{\left|\{Abe,Bertha,Charles,Diane\}\∩\{Abe,Betty,Courtney,Diane\}\right|}{\left|\{Abe,Bertha,Charles,Diane\}\∪\{Abe,Betty,Courtney,Diane\}\right|}$

$\left(3\right)---\frac{2}{6}$

$\left(4\right)---\frac{\left|\{Abe,Bertha,Charles,Diane\}\∩\{Abe,Betty,Charles,Diane,Edward\}\right|}{\left|\{Abe,Bertha,Charles,Diane\}\∪\{Abe,Betty,Charles,Diane,Edward\}\right|}$

$\left(5\right)---\frac{2}{5}$

$\left(6\right)---\frac{\left|\{Abe,Bertha,Charles,Diane\}\∩\{Abe,Betty,Charles,Diane,Edward,Frank,George,Harold,Ian\}\right|}{\left|\{Abe,Bertha,Charles,Diane\}\∪\{Abe,Betty,Charles,Diane,Edward,Frank,George,Harold,Ian\}\right|}$

$\left(7\right)---\frac{3}{10}$

如公式(8)所示，应用Dice系数可以为候选社交网络(X)产生如公式(9)和(10)所示的以下计算，为候选社交网络(Y)产生如公式(11)和(12)所示的以下计算，为候选社交网络(Z)产生如公式(13)和(14)所示的以下计算。

$\left(8\right)---\frac{2\left|F\∩J\right|}{\left|F\right|+\left|J\right|}$

$\left(9\right)---\frac{2\left|\{Abe,Bertha,Charles,Diane\}\∩\{Abe,Betty,Courtney,Diane\}\right|}{\left|\{Abe,Bertha,Charles,Diane\}\right|+\left|\{Abe,Betty,Courtney,Diane\}\right|}$

$\left(10\right)---\frac{4}{8}$

$\left(11\right)---\frac{2\left|\{Abe,Bertha,Charles,Diane\}\∩\{Abe,Betty,Charles,Diane,Edward\}\right|}{\left|\{Abe,Bertha,Charles,Diane\}\right|+\left|\{Abe,Betty,Charles,Diane,Edward\}\right|}$

$\left(12\right)---\frac{3}{9}$

$\left(13\right)---\frac{2\left|\{Abe,Bertha,Charles,Diane\}\∩\{Abe,Betty,Charles,Diane,Edward,Frank,George,Harold,Ian\}\right|}{\left|\{Abe,Bertha,Charles,Diane\}\right|+\left|\{Abe,Betty,Charles,Diane,Edward,Frank,George,Harold,Ian\}\right|}$

$\left(14\right)---\frac{3}{13}$

此外，相关社交网络识别逻辑236可以包括排序逻辑238，基于相似度排序候选社交网络的每一个以从候选社交网络中识别相关社交网络。排序逻辑238可以实现分区排序、分别排序、混合排序等，或其组合。排序逻辑238可以在选择之前、过程中、之后和/或不考虑任何选择实现排序。排序逻辑238可以包括自动选择、手动选择(例如通过用户输入)等，或其组合。出于说明的目的，排序逻辑236可以利用对应的相似度(例如转换成和/或以小数形式、百分比形式等)以降序自动排列候选社交网络(X)、(Y)和(Z)。

在一个采用Jaccard指数的例子中，可以基于计算的相似度0.40第一排序候选社交网络(Y)，基于计算的相似度0.33第二排序候选社交网络(X)，以及基于计算的相似度0.30第三排序候选社交网络(Z)。在另一个采用Dice系数的例子中，可以基于计算的相似度0.40第一排序候选社交网络(X)，基于计算的相似度0.33第二排序候选社交网络(Y)，以及基于计算的相似度0.23第三排序候选社交网络(Z)。此外，排序逻辑238可以考虑任何其他标准(无论实现手段和/或自动选择)，例如预定的限制、用户偏好信息、历史信息、成员稳定性信息、网络稳定性信息等，或其组合。例如，排序逻辑238可以考虑用户输入以使用户能手动排序候选社交网路(X)、(Y)和(Z)。排序逻辑238还可以将该排序存储和/或作为相关社交网络数据242的一部分提供。

相关社交网络识别逻辑236还可以包括选择逻辑240，基于相似度选择一个或多个候选社交网络以从候选网络中识别相关社交网络。选择逻辑240可以在排序之前、过程中、之后和/或不考虑任何排序实现选择。选择逻辑240可以包括自动选择、手动选择(例如通过用户输入)等，或其组合。在采用Jaccard指数的一个例子中，可以基于计算的相似度0.4为协作构件自动选择候选社交网络(Y)作为相关社交网络。在采用Dice系数的另一个例子中，可以基于计算的相似度0.40为协作构件自动选择候选社交网络(X)作为相关社交网络。此外，选择逻辑240可以考虑任何其他标准(无论实现手段和/或自动选择)，例如预定的限制、用户偏好信息、历史信息、成员稳定性信息、网络稳定性信息等，或其组合。例如，选择逻辑240可以考虑用户输入以使用户能手动选择候选社交网路(X)、(Y)和(Z)。选择逻辑240还可以将该选择存储和/或作为已识别相关社交网络数据242的一部分提供。

成员获悉逻辑244可以检索和/或接收排序逻辑238和/或选择逻辑240产生的已识别相关社交网络数据242，以使附属于相关社交网络的一个或多个成员获悉协作构件。成员获悉逻辑244可以包括通知逻辑246，以使附属成员(例如所有成员、部分成员等)获悉协作构件，不管其是否希望合作。通知逻辑246可以根据通知偏好通知和/或允许一个或多个用户设置通知偏好。通知偏好可以包括是否停止和/或阻止自动通知、希望自动通知、通过主动接受自动通知获悉、通过主动在文件夹和/或共享环境中检索新的和/或更新的协作构件获悉、指定哪些用户和/或组可能导致自动通知等，或其组合。

通知逻辑246可以根据时间偏好通知和/或允许一个或多个用户设置时序偏好。时序偏好可以包括通过通知逻辑246立即、事件发生时(例如登入电子邮件、相关社交网络、响应于请求等)等，或其组合提供通知。通知逻辑246可以根据安全偏好通知和/或允许一个或多个用户设置安全偏好。安全偏好可以包括通过通知逻辑246在利用加密、隧道、证书等，或其组合的安全连接之上提供通知。此外，通知逻辑246可以向用户集中的一个或多个用户通知关于涉及合作用户的变更，例如合作意图。通知逻辑还可以向其他逻辑提供信息，例如指示成员已经接收通知。

成员获悉逻辑244可以检索和/或接收排序逻辑238和/或选择逻辑240产生的已识别相关社交网络数据242，以使附属于相关社交网络的一个或多个成员能够访问。成员获悉逻辑244可以包括访问逻辑248，以允许附属成员(例如所有成员、部分成员等)自动访问、安全访问、适当访问等，或其组合。访问逻辑248可以根据访问偏好允许附属成员具有和/或获得对协作构件的自动访问和/或允许设置访问偏好。访问偏好可以通过路径、通过直接提供协作构件的最新版本等，或其组合允许(例如文档的链接或地址、文件夹、共享环境等)访问。

访问逻辑248可以根据安全偏好提供对协作构件的安全访问和/或允许设置安全偏好。安全偏好可以提供和/或验证加密、隧道、证书等，或其组合。访问逻辑248还可以根据特权偏好提供对协作构件的适当级别的访问和/或允许设置特权偏好。特权偏好可以提供合作权利的分配和/或验证，例如读特权、写特权、评审特权等，或其组合。此外，访问逻辑248可以与通知逻辑246通信以提供诸如涉及合作成员(例如有关意图合作的附属成员)变动的信息。

成员获悉逻辑244可以包括添加逻辑250，用以向用户集添加一个或多个附属成员。可以基于作为(例如组、社交网络网站等的)成员的分类、基于被通知(例如接收通知)、基于合作意图(例如接收通知)、基于实际合作(例如实际评审、编辑等)、基于访问共享文件夹和/或环境等，或其组合添加附属成员。添加逻辑250可以向用户集添加一个或多个成员以基于自适应更新计算反复识别相关社交网络。

图4显示了根据一个实施例为一个或多个协作构件识别一个或多个相关社交网络的方法302。示出的处理块352提供识别与一个或多个协作构件有关的用户集。如已经讨论的，在块352中识别的用户集可以对应于用户集(A)和/或(B)(如图1和/或图3)。如已经讨论的，在块354可以识别包括多个候选社交网络的网络集，其中如已经讨论的，步骤354的多个候选社交网络可以对应于候选社交网络(X)、(Y)和/或(Z)(如图1和/或图3)。块356可以提供确定与协作构件有关的用户集和每一个候选社交网络之间的关系强度(例如相似度)以识别协作构件的一个或多个相关社交网络。因此，如已经讨论的，用户集(A)和候选社交网络(X)、(Y)和/或(Z)之间的关系强度可以用来将候选社交网络(X)和(Y)识别为相关社交网络(如图1和/或图3)。

方法302还可以在块356基于关系强度排序候选社交网络的每一个以识别相关社交网络，其中如已经讨论的，排序的多个候选社交网络可以对应于多个候选社交网络(X)、(Y)和/或(Z)(如图1和/或图3)。方法302还可以在块360基于关系强度选择候选社交网路以识别相关社交网络，其中如已经讨论的，选择的多个候选社交网络可以对应于多个候选社交网络(X)、(Y)和/或(Z)(如图1和/或图3)。附属于相关社交网络的至少一个成员将获悉协作构件。因此，如已经讨论的，附属于相关社交网络(X)和/或(Y)(如图1和/或图3)的至少一个成员将获悉一个或多个协作构件。

在块364，附属于相关社交网络的至少一个成员还可以具有和/或获得协作构件的访问。如已经讨论的，附属于相关社交网络(X)和/或(Y)的至少一个成员(如图1和/或图3)可以具有和/或获得协作构件的访问。块366提供了向用户集添加一个或多个附属成员。因此，如已经讨论的，附属于相关社交网络(X)和/或(Y)的至少一个成员可以被添加到用户集(A)和/或(B)(如图1和/或图3)。

图5显示了具有处理器478、大容量存储器480(例如只读存储器/ROM、光盘、闪存)，网络接口482和系统存储器484(例如随机存储器/RAM)的计算设备476。在示出的例子中，处理器478被配置用于执行逻辑486，其中逻辑486可以实现已经讨论的方案10(图1)、架构102(图2)、架构202(图3)和/或方法302(图4)的一个或多个方面。因此，逻辑486可以使计算设备476为一个或多个协作构件识别一个或多个相关社交网络。逻辑486还可以实现为软件应用，分布于许多计算机(例如本地或远程)之间。因此，尽管一个计算机可以提供这里描述的功能，实现这些功能的系统可能利用多个互连的计算机(例如可扩展性以及模块化的实现)。

因此，这里描述的技术可以为一个或多个协作构件识别一个或多个相关社交网络。识别可以不仅仅包括将用户与社交网络关联。识别可以实现与协作构件有关的用户与候选社交网络之间的关系强度。此外，识别可以包括评估多个候选社交网络，而不是只识别用户和候选社交网络之间的关联和/或关系。而且，识别可以包括确定和/或保持用户和协作构件之间的关联以识别协作构件本身的相关社交网络。因此，通过评估关联的接近程度、关联性和或紧密度将用户和/或协作构件与社交网络关联可以最大化合作用户的质量和/或数量。因此，可以最小化实现协作构件的目标和/或目的可能产生的效率低下。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。此外，这里使用的术语“第一”、“第二”等只是为了便于讨论，除非特殊指明，并不包含时间上或时序上的限制。

本领域的技术人员将理解，根据前述描述，可以以各种形式实现本发明实施例的广泛技术。因此，虽然本发明的实施例已经结合其特定实施例进行了说明，本发明的实施例的真实范围不应被如此限制，因为可以在研究附图、说明书和下面的权利要求的基础上作出其它的修改。

Claims (20)

1.一种计算机程序产品，包括：

计算机可读存储介质；以及

计算机可用代码，存储在计算机可读存储介质之上，如果被处理器执行，计算机可用代码使计算机：

识别与一个或多个协作构件有关的用户集；

识别包括多个候选社交网络的网络集；以及

计算与一个或多个协作构件有关的用户集和每个候选社交网络之间的相似度以从候选社交网络中识别一个或多个相关社交网络，其中附属于所述一个或多个相关社交网络的至少一个成员将获悉所述一个或多个协作构件。

2.如权利要求1所述的计算机程序产品，其中计算机可用代码如果被执行，进一步使计算机通过Jaccard指数和Dice系数的一个或多个计算相似度。

3.如权利要求1所述的计算机程序产品，其中计算机可用代码如果被执行，进一步使计算机基于相似度对每个候选社交网络排序以从候选社交网络中识别所述一个或多个相关社交网络。

4.如权利要求1所述的计算机程序产品，其中计算机可用代码如果被执行，进一步使计算机基于相似度选择一个或多个候选社交网络以从候选社交网络中识别所述一个或多个相关社交网络。

5.如权利要求1所述的计算机程序产品，其中计算机可用代码如果被执行，进一步使计算机就所述一个或多个协作构件自动通知所述至少一个成员。

6.一种方法，包括：

识别与一个或多个协作构件有关的用户集；

识别包括多个候选社交网络的网络集；以及

确定与一个或多个协作构件有关的用户集和每个候选社交网络之间的关系强度以从候选社交网络中识别一个或多个相关社交网络。

7.如权利要求6所述的方法，其中协作构件包括文档、即时消息、聊天、电子邮件、文件和帖子的一个或多个。

8.如权利要求6所述的方法，其中用户集中的一个或多个用户由姓名、地址、作者、接收方、共同作者、发起方、评审方、参与方、标签、元数据和访问列表的一个或多个识别。

9.如权利要求6所述的方法，其中通过邮件列表、数据库访问列表(ACL)、组织结构图、组织团体、会员、通信记录、元数据、静态组、动态组、嵌套组、混合组、轻量级目录访问协议(LDAP)组和与帖子有关的意见的一个或多个识别网络集中的一个或多个候选社交网络。

10.如权利要求6所述的方法，进一步包括计算与一个或多个协作构件有关的用户集和每个候选社交网络之间的相似度以确定关系强度。

11.如权利要求6所述的方法，进一步包括基于关系强度对每个候选社交网络排序以从候选社交网络中识别所述一个或多个相关社交网络。

12.如权利要求6所述的方法，进一步包括基于关系强度选择一个或多个候选社交网络以从候选社交网络中识别所述一个或多个相关社交网络。

13.如权利要求6所述的方法，其中附属于所述一个或多个相关社交网络的至少一个成员将获悉所述一个或多个协作构件。

14.如权利要求13所述的方法，进一步包括就所述一个或多个协作构件自动通知所述至少一个成员。

15.如权利要求13所述的方法，进一步包括使所述至少一个成员能够访问所述一个或多个协作构件并将所述至少一个成员添加到用户集中。

16.如权利要求6所述的方法，其中网络集包括已有的候选社交网络。

17.一种计算机程序产品，包括：

计算机可读存储介质；

计算机可用代码，存储在计算机可读存储介质之上，如果被处理器执行，计算机可用代码使计算机：

识别与一个或多个协作构件有关的用户集；

识别包括多个候选社交网络的网络集；以及

确定与一个或多个协作构件有关的用户集和每个候选社交网络之间的关系强度以从候选社交网络中识别一个或多个相关社交网络。

18.如权利要求17所述的计算机程序产品，其中计算机可用代码如果被执行，进一步使计算机计算与一个或多个协作构件有关的用户集和每个候选社交网络之间的相似度以确定关系强度。

19.如权利要求17所述的计算机程序产品，其中计算机可用代码如果被执行，进一步使计算机执行以下一个或多个：

基于关系强度对每个候选社交网络排序以从候选社交网络中识别所述一个或多个相关社交网络；以及

基于关系强度选择一个或多个候选社交网络以从候选社交网络中识别所述一个或多个相关社交网络。

20.如权利要求17所述的计算机程序产品，其中计算机可用代码如果被执行，进一步使计算机执行以下一个或多个：

使附属于所述一个或多个相关社交网络的至少一个成员将获悉所述一个或多个协作构件；以及

自动向所述至少一个成员通知所述一个或多个协作构件。