CN105339933B - 通过查询扩展的新闻结果 - Google Patents
通过查询扩展的新闻结果 Download PDFInfo
- Publication number
- CN105339933B CN105339933B CN201480033157.2A CN201480033157A CN105339933B CN 105339933 B CN105339933 B CN 105339933B CN 201480033157 A CN201480033157 A CN 201480033157A CN 105339933 B CN105339933 B CN 105339933B
- Authority
- CN
- China
- Prior art keywords
- news
- entity
- interested
- classification
- queries
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Abstract
呈现了用于按照实体扩展向新闻查询提供改进的新闻结果的系统和方法。响应于接收到来自计算机用户的新闻查询,新闻引擎标识计算机用户的一个或者多个感兴趣实体。对应于一个或者多个感兴趣实体的扩展实体数据被获取,所述扩展实体数据标识所述一个或多个感兴趣实体的有关实体。扩展实体数据还包括对应于一个或者多个感兴趣实体的分类的分类数据。按照感兴趣实体、有关实体和对应于分类的分类实体来生成扩展新闻查询。按照扩展新闻查询获取新闻结果,并且新闻呈现被生成并且被返回给计算机用户。
Description
背景技术
当谈起消费新闻时,对于每个人而言,存在对这个人有吸引力的那些文章和对其不具有吸引力的那些文章。新闻组织在知晓对于任何一个人而言新闻文章的仅仅一部分将被访问的情况下生成覆盖大范围话题的新闻文章并且使得其可用以用于在线消费。对于消费者而言,在由新闻组织提供的许多新闻文章中标识感兴趣的文章是消耗时间的并且低效的。
与覆盖大范围话题的新闻组织相反,新闻聚合器可以标识与特定消费者相关的新闻文章。一般而言,新闻聚合器试图基于消费者关于特定新闻文章的偏好(隐式的和显式的两者)来标识对特定消费者而言将感兴趣的新闻。明确向新闻聚合器指示关于某个新闻文章的兴趣的消费者是表达对于该文章的兴趣的示例。可替换地,分析消费者的浏览历史并且标识对消费者有吸引力的话题是隐式兴趣的示例。即便依赖于消费者的偏好,通常也难以标识与消费者相关的新闻内容。
发明内容
提供以下发明内容来以简化的形式介绍下面在具体实施方式中进一步描述的概念的选择。本发明内容不打算标识要求保护的主题的关键特征或者必要特征,其也不打算用来限制要求保护的主题的范围。
呈现了用于按照实体扩展向新闻查询提供改进的新闻结果的系统和方法。响应于接收到来自计算机用户新闻查询,新闻引擎标识计算机用户的一个或者多个感兴趣实体。对应于一个或者多个感兴趣实体的扩展实体数据被获取,其中所述扩展实体数据标识与一个或者多个感兴趣实体有关的实体。扩展实体数据还包括对应于一个或者多个感兴趣实体的分类的分类数据。按照新闻实体、有关实体和对应于分类的分类实体来生成扩展新闻查询。按照扩展新闻查询来获取新闻结果,并且新闻呈现被生成并且被返回给计算机用户。
附图说明
所公开主题的前述方面和伴随优点中的许多将变得更加容易领会,因为通过参考以下描述在连同以下附图理解时它们得以被更好地理解,其中:
图1是适用于实现所公开主题的各方面的联网环境的方框图;
图2是图示了用于通过查询扩展向来自计算机用户的新闻查询提供改进结果的示范性例程的流程图;
图3和4图示了用于描述所公开主题的各方面的示范性实体图;
图5是图示了按照所公开主题的各方面的用于生成扩展新闻查询的示范性例程的流程图;
图6和7图示了扩展新闻查询的元素;
图8是图示了具有经分类的新闻结果的示范性结果页面的示意图;以及
图9是图示了被配置成响应于来自计算机用户的新闻查询而提供改进结果的新闻引擎的示范性组件的方框图。
具体实施方式
出于清楚的目的,术语“示范性”在本文档中的使用应该被解译为充当某些事物的图示或者示例,并且其不应该被解译为该事物的理想化和/或主要图示。术语“新闻”对应于对于信息接收者而言一般未知、可能未知、或者被假定为未知的信息。新闻通常具有时间方面,即,新近或者最近发布的信息在一段时间内是“新闻”。新闻包括关于人物、事件、发生的事、发展、话题等等的信息。新闻不限于关于当前事件和/或发展的信息,而是还包括关于过去事件、话题、发展等等的新近公开信息。
实体对应于抽象和有形事物,作为举例说明而非限制,其包括:人、地点、群组、概念、活动等等。相应地,感兴趣实体是计算机用户对于其具有、可能具有、或者可以具有特定兴趣的实体。兴趣实体可以由显式用户标识(诸如,“喜欢”实体的流行概念)或者由隐式行为建立。检查指示对与特定实体有关的一个或者多个位置的反复导航和/或交互(高于某个预定阈值)的用户浏览历史可以是隐式建立的感兴趣实体的基础。可替换地,将其自己标识为展示对特定活动或者事业感兴趣的社交群组的成员的用户可以是隐式建立的感兴趣实体(对该活动/事业)的基础。新闻查询对应于对于新闻内容的请求,其典型地(但不是排他性地)采用对于新闻内容的引用的形式。扩展新闻查询是基于所接收的、来自计算机用户的新闻查询的新闻查询,其被扩展以包括基于感兴趣实体的附加查询术语。
转向图1,图1是图示了适用于实现所公开主题的各方面、特别是关于向计算机用户提供改进的新闻结果的示范性联网环境100的方框图。示范性联网环境100包括连接到网络108(诸如互联网、广域网或者WAN等等)的一个或者多个用户计算机,诸如用户计算机102-106。用户计算机包括(作为举例说明而非限制):台式计算机(诸如台式计算机104)、膝上型计算机(诸如膝上型计算机102)、平板计算机(诸如平板计算机106)、移动设备(未示出)、游戏控制台(未示出)、个人数字助理(未示出)等等。用户计算机可以被配置成通过有线和/或无线连接而连接到网络108。仅仅出于举例说明的目的,示范性联网环境100图示了作为位于用户计算机102-106和搜索引擎110之间、并且还在搜索引擎110和网络站点112-116之间的网络108。然而,这种举例说明不应该被解读为暗示这些是分开的网络。
还连接到网络108的是各种联网站点,包括网络站点110-116。作为示例而非限制,连接到网络108的联网站点包括被配置成响应来自计算机用户的新闻查询的新闻引擎110、托管各种新闻文章和内容的新闻源112和114、社交联网站点116等等。诸如计算机用户101之类的计算机用户可以经由诸如用户计算机102之类的用户计算机导航到这些和其他联网站点以访问包括新闻内容在内的内容。
按照所公开主题的各方面,新闻引擎110被配置成响应于来自计算机用户的新闻查询或者响应于计算机用户访问(经由在网络108上的导航)由新闻引擎托管的新闻页面来提供结果(典型地采用对于在网络108上可用的新闻内容的引用的形式)。特别地,响应于接收到来自计算机用户的新闻查询或者响应于计算机用户导航到新闻引擎的新闻页面,新闻引擎110标识新闻内容以提供给计算机用户,基于所标识的新闻内容中的至少一些来生成新闻呈现,以及将新闻呈现提供给计算机用户。
如所提及的,图1还说明性地包括社交网络站点116和各种新闻源,其包括新闻站点112-114。如将容易领会的,社交网络站点116是在线站点/服务,其提供计算机用户可以在其中与其他计算机用户、群组等等构建关系和社交网络的平台。在社交网络站点116中,计算机用户可以与在他/她的社交网络中的那些人共享兴趣、活动和背景。关于社交网络站点116,本领域技术人员将领会,计算机用户通常能够指示对特定实体的偏好或者兴趣,无论该实体是人、地点、群组、概念、活动等等。例如,计算机用户101可以(通过经由用户计算机102在网络108上与社交联网站点116的交互)指示对诸如Revolution之类的一个或者多个电视节目(每个电视节目是一个实体)的个人兴趣和/或偏好。如将在下面更详细讨论的,计算机用户对特定实体的兴趣或者偏好可以用来标识感兴趣实体,以便向计算机用户提供改进的新闻结果。
虽然仅仅一个社交网络站点116被包括在说明性的网络环境100中,但是这不应该被看作是对所公开主题的限制。在实际实施例中,可以存在连接到网络108的任何数量的社交网络站点。关于计算机用户的感兴趣实体的信息可以从任何数量的感兴趣实体源进行获取,所述感兴趣实体源包括多个社交网络站点。实际上,虽然关于计算机用户的感兴趣实体的信息可以从社交网络站点进行获取,但是关于计算机用户的感兴趣实体的信息也可以从其他网络源进行获取,所述其他网络源包括但不限于在线购物站点、博客、诸如新闻站点112和114之类的新闻站点等等。进一步地,新闻引擎110还可以具有关于计算机用户的感兴趣实体的信息,所述感兴趣实体包括从其他感兴趣实体源获取和/或高速缓存的感兴趣实体、由计算机用户明确标识的实体、按照网络浏览历史、搜索查询、购买历史等等隐式地标识的实体。
如本领域技术人员将领会的,新站点112和114典型地托管或引用与各种话题有关的新闻内容。新闻站点112和114一般被称为新闻源。新闻站点112可以是新闻内容的原创者和/或可以简单地托管或引用其他新闻源的新闻内容。当然,新闻站点112和114不限于由传统新闻组织和电台分台(outlet)托管的站点。实际上,新闻引擎110可以是新闻内容的源,并且因此可以被认为是新闻源。附加地,博客、推特、帖子等等全部都可以生成新闻内容,并且因此也可以被认为是新闻源。
新闻引擎110被配置成与包括新闻站点112和114在内的多个新闻源通信,并且获取关于在每个新闻源可用的新闻内容的信息。该信息被存储在内容储存器中(典型地作为对于内容的引用),以使得新闻引擎可以响应来自诸如计算机用户101之类的计算机用户的新闻查询。新闻引擎110还被适当地配置成与诸如社交网络站点116之类的一个或者多个社交网络站点通信(经由网络108),以获取信息(也被称为扩展实体数据),其包括但不限于标识计算机用户的感兴趣实体的数据、与各种感兴趣实体(即,有关实体)有关的实体,以及分类数据。作为举例说明而非限制,分类数据包括:感兴趣实体的一个或多个分类以及限定某个分类的感兴趣实体与其他实体的潜在关系的分类实体。给定分类的分类实体充当用于该分类的一种定义:限定该分类的实体可能具有的与其他实体的潜在关系,虽然按照该分类的全部潜在关系,不要求该分类的实体与其他实体有关。如将在下面更详细讨论的,按照由感兴趣实体的分类所限定的关系,有关实体具有与各种感兴趣实体的已建立关系。新闻引擎110可以从任何数量的网络站点获取标识计算机用户的感兴趣实体的新闻文章和信息两者,所述网络站点能够通过网络108向新闻引擎提供这样的数据。以这种方式,新闻引擎110根据获取包括至少部分地基于计算机用户的兴趣的改进结果的新闻而变成源。
为了更好地图示新闻引擎110如何以改进的结果响应新闻查询,现在对图2作出参考。图2是图示了用于通过查询扩展向来自计算机用户的新闻查询提供改进结果的示范性例程200的流程图。在方框202处开始,新闻引擎110接收到来自诸如计算机用户101之类的计算机用户的新闻查询。新闻查询可以是任何数量的形式,其包括但不限于对于来自新闻引擎的新闻的一般查询或者请求、对于关于特定话题的新闻的请求、或者由计算机用户101进行的到新闻引擎110上可用的新闻页面的导航。
在方框204,新闻引擎110从一个或者多个感兴趣实体源获取用于计算机用户的感兴趣实体信息。感兴趣实体源是具有关于计算机用户的一个或者多个感兴趣实体的信息的联网站点,其包括但不限于社交网络站点116、新闻站点112-114以及新闻引擎110。在新闻查询是一般新闻查询或者是由计算机用户101经由web浏览器导航到由新闻引擎110托管的新闻页面所产生的情况下,新闻引擎从一个或者多个感兴趣实体源获取关于用于计算机用户的全部感兴趣实体的信息。在新闻查询规定了针对其来寻找新闻的特定话题的情况下,新闻查询的该特定话题可以被看作是感兴趣实体。所规定的话题可以被看作是(出于新闻查询的目的)计算机用户的唯一感兴趣实体或者可替换地看作是计算机用户的感兴趣实体之一。无论哪一种情况,所获取的信息标识计算机用户的一组感兴趣实体,并且每个感兴趣实体与分类相关联。如将在下面更详细描述的,分类标识感兴趣实体的类型或者类别,并且用来区分相同名称的实体并且消除其歧义。应该领会,虽然新闻引擎110可以从单个感兴趣实体源获取感兴趣实体的身份以及相关联的分类,但是在各种实施例中,感兴趣实体的身份和相关联的分类可以从相同源或者不同源进行获取。
作为示例,假设计算机用户101已经将电视节目Revolution标识为社交网络站点116上的感兴趣实体。而且,出于简化的目的,假设这是用于计算机用户101的唯一感兴趣实体。因此,新闻引擎110在从计算机用户101接收新闻查询时从感兴趣实体源(包括社交网络站点116)获取关于感兴趣实体的信息,并且该获取的信息将电视节目Revolution标识为计算机用户101的感兴趣实体,并且用于该感兴趣实体的分类是“电视节目”。
在方框206,开始重复循环以重复通过方框204标识的感兴趣实体。在重复感兴趣实体时,感兴趣实体的每一个被单独地处理。出于描述的目的,在重复循环中,当前处理的感兴趣实体被称为当前感兴趣实体。
按照所公开主题的各方面,为了获取关于感兴趣实体(特别是当前感兴趣实体)的改进的新闻结果,关于与当前感兴趣实体有关的其他实体的新闻内容也应该被考虑。更特别地,关于按照当前感兴趣实体的分类而与当前感兴趣实体有关的其他实体(被称为有关实体)的新闻内容可以被考虑。因此,在方框208,新闻引擎110获取当前感兴趣实体的有关实体数据,所述有关实体数据标识当前感兴趣实体的有关实体。新闻引擎110获取来自一个或者多个有关实体源的有关实体数据。通常,但不是排他性地,有关实体数据是从与感兴趣实体被获取的相同源获取的。然而,可能的是,存在当前感兴趣实体的多个感兴趣实体源,并且新闻引擎110可以被配置成从这些源的每个(即,有关实体源)获取用于当前感兴趣实体的有关实体数据。更进一步地,按照所公开主题的各种实施例,新闻引擎110可以从不向新闻引擎提供关于当前感兴趣实体的任何信息的有关实体源获取有关实体数据。
继续来自上文的示例,已经从社交网络站点116获取了标识电视节目Revolution的感兴趣实体信息,新闻引擎110随后从相同源(即,社交网络站点)获取有关实体数据。
通常,但不是排他性地,社交网络站点维持实体图,其正如名称所隐含的那样对有关实体进行链接,其中实体是在图中的节点,并且在节点之间的顶点隐含某种性质的关系。图3图示了相对于上文讨论的示例的关于计算机用户的示范性实体图。如在图3中示出的,对应于计算机用户101的计算机用户节点302对被表示为感兴趣实体节点306的电视节目Revolution感兴趣。顶点306指示了关系是“感兴趣”之一,因此感兴趣实体源将响应于对于感兴趣实体的请求,向新闻引擎110标识对应于感兴趣实体节点306的感兴趣实体。更进一步地,感兴趣实体节点306(对应于电视节目Revolution)与诸如制片人节点308之类的其他实体相关,所述制片人节点308对应于作为电视节目Revolution的制片人的Eric Kripke。相应地,在感兴趣实体节点306和制片人节点308之间的关系的性质或者基础由顶点310(即,“制片人”)指示。如可见的,感兴趣实体节点306基于在分类“电视节目”基础上的各种关系而与数个其他实体有关。按照所公开主题的各方面,分类不仅限定感兴趣实体的类型或者性质,而且对于限定在该分类类型的实体和其他实体之间的关系的性质或者基础而言也是有用的。分类还可以被表达在实体图中。图4图示了分类“电视节目”的示范性实体图。如可见的,对应于分类“电视节目”的分类节点402与包括制片人节点404和/或男演员/女演员节点406在内的关系节点有关。
关于分类,应该领会,虽然分类(诸如电视节目)限定了可以在类型分类的实体和其他实体之间存在的关系的所有基础,但是不要求任何给定的实体按照关系的所有基础与其他实体相关。应该进一步领会的是,分类限定了在按照分类的实体之间的关系的基础,但是每个实体可以与多于一个分类相关联,并且可以按照不同的多个分类的关系与实体相关。因此,对于来自有关实体源的有关实体的请求将典型地隐含感兴趣实体的、按照与该实体相关联的许多分类之一的有关实体。
返回图2,在获取了当前感兴趣实体的、按照与当前感兴趣实体相关联的分类的有关实体之后,在方框210,对应于与当前感兴趣实体相关联的分类的分类数据被获取。分类数据典型地从有关实体源进行获取。参考图3和4的实体图并且继续来自上文的示例,有关实体数据可以包括图3的实体图的实体,而分类数据可以包括图4的实体图的实体。
在方框212,利用有关实体数据和分类数据,生成对应于当前感兴趣实体的扩展新闻查询。图5图示了用于连同有关实体数据和分类数据生成用于当前感兴趣实体的扩展新闻查询的示范性例程500。因此,在方框502,当前感兴趣实体被包括在扩展新闻查询的感兴趣实体部分中。在方框504,有关实体(按照当前感兴趣实体的分类,与当前感兴趣实体有关)被包括在扩展新闻查询的有关实体部分中。在方框506,分类实体(分类和关系两者)被包括在扩展新闻查询的分类实体部分中。此后,在方框508,扩展新闻查询被返回,并且例程500终止。
图6图示了用于感兴趣实体Revolution的示范性扩展新闻查询600。扩展新闻查询600包括感兴趣实体部分602,其包括感兴趣实体,如由文本604“Revolution”所标识的。同样被包括在扩展新闻查询中的是有关实体部分608,其包括图3的实体图的实体节点306的有关实体,诸如文本610“Eric.Kripke”。更进一步被包括在扩展新闻查询中的是分类实体部分612,其包括如在图4的实体图中所示出的分类“电视节目”的分类实体,所述分类实体包括由文本614“制片人”指示的制片人节点404。被包括在扩展新闻查询600中的是标记606“单词:”其对应于用以向新闻引擎110指示匹配括号之间单词中的任何一个的示范性操作符。另一方面,按照各种实施例,标记606“单词:”操作为一种类型的布尔型操作符:如果在括号之间没有一个单词或者术语被匹配,则为假或者0,并且如果在括号之间一个或者多个单词或者术语被匹配,则为真或者1。可替换地,“单词:”可以操作为“最大”运算符:返回括号中所匹配标记的最大排名或者值。而且,“+”符号操作为查询部分的级联。按照附加实施例,在两个单词/术语之间的“.”符号,诸如在“Eric.Kripke”中找到的,指示单词/术语以给定次序一同出现的偏好,虽然这不作要求。当然,其他运算符也可以被包括在每个部分中。例如,“不排序:”标记(未示出)将要求:在结果文档中要求所规定的术语(在以下括号之间被标识)但是不会影响在总体结果中的文档的排序或者相关性。可替换地,“仅排序:”标记(未示出)操作使得不要求在结果得到的文档中找到所规定的术语,但是如果找到的话,将导致文档以与新闻查询更相关的方式进行排序。
应该领会的是,虽然每个部分包括实体(不论其是感兴趣实体、有关实体还是分类实体)的文本表示,但是这仅仅是出于举例说明的目的,而不应被看作是对所公开主题的限制。在各种实施例中,标记和/或标识符可以用来标识被包括在扩展新闻查询的任何部分中的各种实体的任一项或者全部。按照各种实施例,标识符可以是用作新闻内容储存器(例如,图9的新闻内容储存器926)中的索引的相同标识符。使用标识符的一个优点在于,标识符可以用来确定用于查询术语的可替换拼写、同义词和首字母缩略词。例如,使用标识符可以帮助检索新闻内容的组件确定“J J Abrams”是对于“Jeffrey Jacob Abrams”的可替换拼写。作为将标识符包括在扩展新闻查询中的示例,扩展新闻查询600的有关实体部分可以可替换地读作:
单词:({文本:"J J Abrams"id:106190102745711}{文本:"Eric Kripke"id:103423983031004}{文本:"NBC"id:89742860745}{文本:"Charlie Matheson"id:101826386642643}{文本:"Tracy Spiridakos"id:178967018811130}{文本:"MilesMatheson"id:158755934288892}{文本:"Billy Burke"id:38460624317}{文本:"TheStand"id:143156049193385}{文本:"Ghosts"id:158755934288892}{文本:"Monday10/9C"id:106094562755503})
当然,实体的表示的性质应该遵循新闻引擎110可以利用信息的方式。在附加实施例中,在生成扩展新闻查询时,加权值可以与扩展新闻查询中的查询术语中的一个或者多个相关联。将这些加权值应用到查询术语帮助基于扩展新闻查询检索新闻结果的一个或者多个组件来标识与该查询最相关的结果和/或可能满足计算机用户的查询的结果。按照各种实施例,加权值操作为关于对应术语将多大程度改进新闻结果的相关性的乘数或者因子。作为示例,中立加权值是1.0。在0.0与1.0之间的任何值将减小由该查询术语给出的排名/相关性值。大于1.0的值将向查询术语提供较大的排名/相关性值。负值将使得具有对应查询术语的文档的总排名降低;尽管具有负加权值的查询术语将永远不会被单词:()操作符选择用作代表性查询,因为其将总是最低取值的查询术语。继续来自上文的示例,具有标识符和加权值的、扩展新闻查询600的有关实体部分608可以可替换地读作:
单词:({文本:"J J Abrams"id:106190102745711权重:1.8}{文本:"EricKripke"id:103423983031004权重:1.8}{文本:"NBC"id:89742860745权重:1.3}{文本:"Charlie Matheson"id:101826386642643权重:1.8}{文本:"Tracy Spiridakos"id:178967018811130权重:1.8}{文本:"Miles Matheson"id:158755934288892权重:1.6}{文本:"Billy Burke"id:38460624317权重:1.6}{文本:"The Stand"id:143156049193385权重:0.7}{文本:"Ghosts"id:158755934288892weigh O.7}{文本:"Monday 10/9C"id:106094562755503权重:0.4})
虽然未示出,但是除了向扩展查询范围的扩展新闻查询添加对应于实体的查询术语之外,对应于“消极实体”的查询术语也可以被添加,具有过滤掉新闻结果的效果。作为示例,消极实体可以通过“消极排序:”操作符而被添加到扩展搜索查询。在检索对于查询的新闻结果时,由“消极排序:”操作符标识的查询术语隐含术语不与计算机用户的新闻查询有关。示例(对应于“Revolution”电视节目)可以是:
消极排序:单词:(Egypt Middle.East Arab.Spring Syria Football SoccerSports Revolution.Resources New.England.Revolution)
如可见的,扩展新闻查询采取单个的话题/实体,诸如“Revolution”并且用以某种方式有关的许多其他实体来扩展查询,以提供可以用来将所寻找的新闻内容与可共享类似名称但是完全无关的其他内容进行区分和消歧的更鲁棒的查询。
再次返回图2,在已经生成了用于当前感兴趣实体的扩展新闻查询之后,在方框214,重复循环返回到方框206以重复到下一感兴趣实体,如果存在更多实体要被处理的话,并且直到存在更多实体要被处理为止。按照各种实施例,可能存在结束重复循环的其他终止因子。例如,可能的是,为了以及时的方式响应新闻查询,例程仅仅在预定时间量内重复,或者向可被处理的感兴趣实体的数量施加预定限制。类似地,有关实体可以按照当前感兴趣实体有多可能获取有用结果而被跳过。以上描述的因子的组合也可以被采用。在任一种情况下,当不存在更多感兴趣实体要处理或者当遇到另一终止因子时,例程200进行到方框216。在方框216,针对感兴趣实体而生成的扩展新闻查询按照分类进行组合。针对每个分类,按照分类将扩展新闻查询进行组合引起了创建扩展新闻查询的联合:感兴趣实体部分和有关实体部分的联合。分类部分也可以被组合,尤其是如果已经从不同有关实体源检索到分类数据的话。然而,在分类数据的源对于相同分类的两个感兴趣实体而言是相同的情况下,分类实体将不会改变。图7图示了其中已经并入对于电视节目Revolution和Legend的扩展新闻查询的示范性组合扩展新闻查询700。如可见的,在有关实体部分704中找到最大的扩展(与图6的扩展新闻查询600相比)。感兴趣实体部分702包括表示两个感兴趣实体的标记(文本),并且分类实体部分706与分类实体部分612相比不变。
虽然上文描述的例程和对应的图已经标识了扩展新闻查询的三个不同部分,但是其是说明性的,并且不应该被看作是对于所公开主题的限制。在附加实施例中,扩展新闻查询可以包括附加分类。例如,娱乐部分(未示出)可以被生成到包括电视节目以及电影、卡通、游戏等等的分类条目的扩展新闻查询中。实际上,如上文建议的,分类可以被看作是实体,并且像这样地与其他实体有关,并且这些有关分类可以以任何数量的方式进行组合以创建附加的扩展新闻查询部分。
在生成组合的扩展新闻查询之后,在方框218,新闻引擎110获取对应于组合扩展新闻查询的每一个的新闻结果。取决于来自计算机用户的新闻查询的性质,也可以获取附加的新闻结果,诸如一般和/或趋势新闻。在方框220,生成新闻呈现。按照所公开主题的各方面,按照组合扩展新闻查询而获取的新闻结果按照分类进行组织。作为举例说明,图8是图示了示范性新闻页面802的示意图,示范性新闻页面802具有一般新闻结果以及用于查看来自按照分类组织的组合扩展新闻查询的新闻结果的提供物。特别地,新闻页面802包括用于一般/趋势新闻的结果802-828以及到已经按照组合扩展新闻查询生成的新闻结果的一行804链接806-812。例如,到“电视节目”的链接806对应于分类“电视节目”的计算机用户的感兴趣实体。
应该领会,图8的新闻结果的说明性呈现仅仅是生成的新闻呈现的一个示例。实际上,本领域技术人员将领会,存在任何数量的呈现格式,其包括组合扩展新闻查询的结果并且可能或者可能不包括可被生成的、其每个按照实现方式细节的一般新闻结果。因此,图8的说明性示例应该被看作是说明性的,而不被看作是对所公开的主题的限制。
再次参考图2,在生成新闻呈现之后,在方框222,响应于新闻查询而将新闻呈现返回给计算机用户101。此后,例程200终止。
关于例程200以及例程500,虽然这些例程是关于分立步骤进行表达的,但是这些步骤应该被看作是在性质上是逻辑的,并且可以或者可以不对应于特定实现方式的任何实际和/或分立步骤。这些步骤被呈现在各种例程中的次序也不应该被解读为可以实行这些步骤的唯一次序。而且,虽然这些例程包括所公开的主题的各种新颖特征,但是其他步骤(未列出)也可以在执行例程时实行。进一步地,本领域技术人员将领会,这些例程的逻辑步骤可以被组合到一起,或者可以由多个步骤组成。例程200和500的各步骤可以并行地或者串行地实行。通常,但是并非排他性地,各种例程的功能性体现在软件(例如,应用、系统服务、库等等)中,所述软件在如下面关于图9描述的计算机硬件或者系统上执行。在各种实施例中,各种例程的全部或者一些还可以被体现在计算机系统上的包括片上系统在内的硬件模块中。
虽然所公开的主题的许多新颖方面被表达在体现在应用(也被称为计算机程序)、app(小、一般单个或者窄目的的应用)和/或方法中的例程中,但是这些方面也可以被体现为由计算机可读介质(也被称为计算机可读存储介质)存储的计算机可执行指令。如本领域技术人员将认识到的,计算机可读介质可以托管计算机可执行指令以用于稍后检索和执行。当存储在计算机可读存储设备上的计算机可执行指令被执行时,它们实行各种步骤、方法和/或功能性,包括上文关于例程200和500描述的那些步骤、方法和例程。计算机可读介质的示例包括但不限于:诸如蓝光盘、数字视频盘(DVD)、紧凑盘(CD)、光盘盒等等之类的光学存储介质、包括硬盘驱动器、软盘、磁带等等的磁存储介质、诸如随机存取存储器(RAM)、只读存储器(ROM)、存储器卡、拇指驱动器等等之类的存储器存储设备、云存储装置(即,在线存储服务)等等。然而出于本公开内容的目的,计算机可读介质明确地排除了载波和传播信号。
现在转向图9,图9是图示了被配置成响应于来自计算机用户的新闻查询而提供改进结果的新闻引擎110的示范性组件的方框图。如在图9中示出的,新闻引擎110包括通过系统总线910互连的处理器902(或处理单元)和存储器904。如本领域技术人员将领会的,存储器904通常(但不总是)包括易失性存储器906和非易失性存储器908两者。只要存储器被供应电力,易失性存储器906就保留或者存储信息。相反,非易失性存储器908能够在即便当电力供应不可用时也存储(或者存留)信息。一般而言,RAM和CPU高速缓存存储器是易失性存储器的示例,而ROM和存储器卡是非易失性存储器的示例。
处理器902在实行各种功能、特别是通过查询扩展以改进结果响应新闻查询时,执行从存储器904检索的指令。处理器902可以由各种商业可用的处理器(诸如单处理器、多处理器、单核单元和多核单元)中的任一项组成。而且,本领域技术人员将领会,所公开主题的新颖方面可以以其他计算机系统配置来实践,所述其他计算机系统配置包括但不限于:微型计算机、大型计算机、个人计算机(例如,台式计算机、膝上型计算机、平板计算机等等)、手持式计算设备(诸如智能电话、个人数字助理等等)、基于微处理器的或者可编程的消费者电子产品、游戏控制台等等。
系统总线910提供用于各种组件互通信的接口。系统总线910可以是可以互连各种组件(包括内部组件和外部组件两者)的数种类型的总线结构中的任一项。新闻引擎110进一步包括用于将网络站点与其他计算机(包括但不限于诸如用户计算机102-106之类的用户计算机、包括网络站点112-116在内的其他网络站点)以及在计算机网络108上的其他设备互连的网络通信组件912。网络通信组件912可以被配置成经由有线连接、无线连接或者两者与外部网络(诸如网络108)上的其他设备和服务通信。
新闻引擎110还包括感兴趣实体检索组件914,其被配置成从一个或者多个感兴趣实体源获取计算机用户的感兴趣实体,如上所述。同样被包括在新闻引擎110中的是扩展数据检索组件916。扩展数据检索组件916从有关实体源获取有关实体数据和分类数据,如上文关于图2的方框208和210所描述的。扩展查询生成器918基于由扩展数据检索组件916获取的有关实体数据和/或分类数据,生成用于当前感兴趣实体的扩展查询。
扩展查询合并器组件928按照如上文关于图2的方框216描述的分类,组合扩展新闻查询。利用组合(或者合并)的扩展新闻查询,新闻引擎110通过新闻检索组件920从新闻内容储存器926获取新闻结果。新闻呈现生成器922根据所获取的新闻结果生成用于正在请求的计算机用户的新闻呈现,所述新闻呈现通过网络通信组件912被提供给计算机用户。还可选地被包括在新闻引擎110中的是用户简档储存器924,其对于多个计算机用户存储可以包括偏好的简档信息。而且,这些偏好可以直接或者间接标识计算机用户的一个或者多个感兴趣实体。如上文指示的,虽然可以从新闻引擎110外部的源获取感兴趣实体,但是新闻引擎也可以维持其自身的感兴趣实体储存器930,对应于计算机用户的一个或者多个感兴趣实体可以从所述感兴趣实体储存器930检索到。
本领域技术人员将领会,上文描述的图9的新闻引擎110的各种组件可以被实现为计算机系统内的可执行软件模块、被实现为硬件模块(包括SoC——片上系统)、或者两者的组合。而且,各种组件的每个可以被实现为连同一个或者多个计算机系统操作的独立的协同进程或者设备。当然应该进一步领会,上文关于新闻引擎110描述的各种组件应该被看作是用于实行各种所描述功能的逻辑组件。如本领域技术人员领会的,逻辑组件(或者子系统)可以或者可以不直接地、以一对一的方式对应于实际、分立的组件。在实际实施例中,每个计算机系统的各种组件可以被组合在一起或者被分解到多个实际组件上和/或被实现为计算机网络108上的协同进程。
虽然已经描述了所公开主题的各种新颖方面,但是应该领会,这些方面是示范性的,而不应该被解读为限制性的。可以做出对于各种方面的变型和更改,而不偏离所公开的主题的范围。实际上,虽然所公开主题的各种新颖方面已经在响应于新闻查询而提供改进的新闻结果的上下文中进行了描述,但是这些相同的新颖方面可以被应用于响应于搜索查询而提供改进的搜索结果的更宽泛的上下文。例如,新闻查询可以被看作是特定类型的搜索查询——对于新闻的搜索查询(即,对于关于最近或者当前事件和/或发展的信息的查询)。在更宽泛的应用中,在接收到搜索查询时,搜索引擎可以标识正在请求的计算机用户的一个或者多个感兴趣实体(包括但不限于搜索查询的主题)、获取对应于该一个或者多个感兴趣实体的有关实体信息和分类信息、生成扩展查询、按照分类组合扩展查询以及执行组合扩展查询以获取改进的搜索结果。
按照附加的可替换实施例,作为举例说明而非限制,所公开主题的各方面可以有利地被应用于:生成定制的印刷报纸和/或杂志(其中至少新闻呈现是针对目标呈现媒体准备的)、信息显示器/电视、公告板、头戴式显示器等等。
Claims (9)
1.一种用于响应于接收到来自计算机用户的新闻查询而向计算机用户提供新闻的计算机实现的方法,所述方法包括:
标识计算机用户的感兴趣实体,其中所述感兴趣实体与分类相关联;
从有关实体源获取对应于感兴趣实体的扩展实体数据,所述扩展实体数据包括标识与感兴趣实体有关的多个有关实体的有关实体数据;
按照感兴趣实体和扩展实体数据生成用于新闻内容的扩展新闻查询,其中,按照感兴趣实体和扩展实体数据生成用于新闻内容的扩展新闻查询包括生成扩展新闻查询以包括针对感兴趣实体和多个有关实体的请求;
按照新闻查询和扩展新闻查询获取对于新闻内容的多个引用,其中,所获取的对于新闻内容的多个引用包括对于与感兴趣实体有关的新闻内容的感兴趣实体引用以及对于不与感兴趣实体有关的新闻内容的一般引用;
按照所获取的对于新闻内容的引用生成新闻呈现,其中,按照所获取的对于新闻内容的引用生成新闻呈现包括将对于新闻内容的感兴趣实体引用进行分组并且将对于新闻内容的感兴趣实体引用呈现为与感兴趣实体的分类相关联;以及
向计算机用户提供新闻呈现。
2.权利要求1所述的计算机实现的方法,其中:
扩展实体数据进一步包括对应于与感兴趣实体相关联的分类的分类数据;
所述分类数据包括分类实体,所述分类实体标识与分类相关联的感兴趣实体可能具有的与有关实体的关系的全部基础,每个分类实体标识与分类相关联的感兴趣实体可能具有的与有关实体的关系的一个基础;并且
其中在感兴趣实体和在有关实体数据中所标识的多个有关实体之间的关系的基础是在与分类相关联的感兴趣实体和由分类数据标识的有关实体之间的关系的基础的子集。
3.权利要求2所述的计算机实现的方法,进一步包括:
标识计算机用户的多个感兴趣实体,所述多个感兴趣实体中的每个与分类相关联;
获取用于多个感兴趣实体中的每个的扩展实体数据;
生成对应于多个感兴趣实体中的每个的多个扩展新闻查询;
获取对于用于多个扩展新闻查询中的每个的新闻内容的引用;以及
按照所获取的对于新闻内容的引用生成新闻呈现,其中所获取的对于新闻内容的引用的至少一部分按照与多个感兴趣实体相关联的分类进行组织。
4.一种承载计算机可执行指令的计算机可读介质,所述计算机可执行指令当在包括执行从所述介质检索的指令的至少一个处理器的计算系统上执行时,实行上文关于权利要求1-3描述的方法中的任一项。
5.一种用于响应于接收到来自计算机用户的新闻查询而提供新闻结果的计算机系统,所述系统包括处理器和存储器,其中处理器执行作为附加组件的一部分或者连同附加组件存储在存储器中的指令以响应新闻查询,所述附加组件包括:
感兴趣实体检索组件,其被配置成获取标识计算机用户的多个感兴趣实体的感兴趣实体信息,每个感兴趣实体与分类相关联;
扩展数据检索组件,其被配置成获取标识用于多个感兴趣实体的有关实体的有关实体数据和对应于相关联的所述分类的分类数据;
扩展查询生成器,其生成用于多个感兴趣实体中的每个和对应的有关实体数据的扩展新闻查询,其中所述扩展新闻查询的主题包括感兴趣实体、有关实体和分类实体;
扩展查询合并器组件,其将相同分类的感兴趣实体的扩展新闻查询进行组合以生成一个或者多个组合扩展新闻查询;
新闻检索组件,其被配置成按照一个或者多个组合扩展新闻查询,获取对于来自新闻内容储存器的新闻内容的引用;以及
新闻呈现生成器,其按照所获取的对于新闻内容的引用而生成用于计算机用户的新闻呈现并且向计算机用户提供新闻呈现。
6.权利要求5所述的计算机系统,其中扩展数据检索组件被配置成获取标识用于多个感兴趣实体的有关实体的有关实体数据以及对应于来自多个有关实体源的相关联的所述分类的分类数据。
7.权利要求5所述的计算机系统,其中新闻呈现生成器被配置成按照所获取的对新闻内容的引用而生成针对计算机用户的新闻呈现,并且包括对对于新闻内容的感兴趣实体引用的分组并且将感兴趣实体引用呈现为与感兴趣实体的分类相关联。
8.权利要求5所述的计算机系统,其中感兴趣实体检索组件被配置成获取标识计算机用户的多个感兴趣实体的感兴趣实体信息,每个感兴趣实体与来自多个感兴趣实体源的分类相关联。
9.一种用于响应于接收到来自计算机用户的新闻查询而提供新闻结果的装置,包括用于实行上文关于权利要求1-3描述的方法中的任一项的单元。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/913835 | 2013-06-10 | ||
US13/913,835 US9646062B2 (en) | 2013-06-10 | 2013-06-10 | News results through query expansion |
PCT/US2014/040970 WO2014200780A1 (en) | 2013-06-10 | 2014-06-05 | News results through query expansion |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105339933A CN105339933A (zh) | 2016-02-17 |
CN105339933B true CN105339933B (zh) | 2019-08-06 |
Family
ID=51168354
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480033157.2A Active CN105339933B (zh) | 2013-06-10 | 2014-06-05 | 通过查询扩展的新闻结果 |
Country Status (5)
Country | Link |
---|---|
US (2) | US9646062B2 (zh) |
EP (1) | EP3008645A1 (zh) |
CN (1) | CN105339933B (zh) |
TW (1) | TW201511547A (zh) |
WO (1) | WO2014200780A1 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9652556B2 (en) * | 2011-10-05 | 2017-05-16 | Google Inc. | Search suggestions based on viewport content |
US9305108B2 (en) | 2011-10-05 | 2016-04-05 | Google Inc. | Semantic selection and purpose facilitation |
US10013152B2 (en) | 2011-10-05 | 2018-07-03 | Google Llc | Content selection disambiguation |
US9646062B2 (en) * | 2013-06-10 | 2017-05-09 | Microsoft Technology Licensing, Llc | News results through query expansion |
US9652499B1 (en) * | 2013-08-21 | 2017-05-16 | Athena Ann Smyros | Search-based recommendation engine |
CN104516902A (zh) * | 2013-09-29 | 2015-04-15 | 北大方正集团有限公司 | 语义信息获取方法及其对应的关键词扩展方法和检索方法 |
US10114897B1 (en) * | 2014-12-24 | 2018-10-30 | Open Invention Network Llc | Search and notification procedures based on user history information |
CN106503014B (zh) * | 2015-09-08 | 2020-08-07 | 腾讯科技(深圳)有限公司 | 一种实时信息的推荐方法、装置和系统 |
US10372883B2 (en) | 2016-06-24 | 2019-08-06 | Scripps Networks Interactive, Inc. | Satellite and central asset registry systems and methods and rights management systems |
US10452714B2 (en) | 2016-06-24 | 2019-10-22 | Scripps Networks Interactive, Inc. | Central asset registry system and method |
US11868445B2 (en) | 2016-06-24 | 2024-01-09 | Discovery Communications, Llc | Systems and methods for federated searches of assets in disparate dam repositories |
KR102017853B1 (ko) * | 2016-09-06 | 2019-09-03 | 주식회사 카카오 | 검색 방법 및 장치 |
US10762146B2 (en) * | 2017-07-26 | 2020-09-01 | Google Llc | Content selection and presentation of electronic content |
TWI668579B (zh) * | 2017-11-10 | 2019-08-11 | 全球華人股份有限公司 | 職務工作說明資料庫之建立方法 |
CN110472021A (zh) * | 2018-05-11 | 2019-11-19 | 微软技术许可有限责任公司 | 会话中推荐新闻的技术 |
US11875124B2 (en) * | 2021-02-08 | 2024-01-16 | Acto Technologies Inc. | Virtual assistant for a pharmaceutical article |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5953718A (en) * | 1997-11-12 | 1999-09-14 | Oracle Corporation | Research mode for a knowledge base search and retrieval system |
CN102349072A (zh) * | 2009-01-30 | 2012-02-08 | 谷歌公司 | 识别查询方面 |
CN102906744A (zh) * | 2010-06-28 | 2013-01-30 | 雅虎公司 | 无限浏览 |
Family Cites Families (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3919528A (en) | 1972-06-30 | 1975-11-11 | Notifier Co | Method and apparatus for operating authorization control systems |
ATE389018T1 (de) * | 1996-01-24 | 2008-03-15 | Schering Corp | Cx3c chemokin-gene von säugetieren |
US6038560A (en) | 1997-05-21 | 2000-03-14 | Oracle Corporation | Concept knowledge base search and retrieval system |
US6996572B1 (en) | 1997-10-08 | 2006-02-07 | International Business Machines Corporation | Method and system for filtering of information entities |
US7076437B1 (en) | 1999-10-29 | 2006-07-11 | Victor Levy | Process for consumer-directed diagnostic and health care information |
US7437349B2 (en) * | 2002-05-10 | 2008-10-14 | International Business Machines Corporation | Adaptive probabilistic query expansion |
US20030220913A1 (en) * | 2002-05-24 | 2003-11-27 | International Business Machines Corporation | Techniques for personalized and adaptive search services |
EP1510938B1 (en) | 2003-08-29 | 2014-06-18 | Sap Ag | A method of providing a visualisation graph on a computer and a computer for providing a visualisation graph |
US7590619B2 (en) * | 2004-03-22 | 2009-09-15 | Microsoft Corporation | Search system using user behavior data |
US7536382B2 (en) | 2004-03-31 | 2009-05-19 | Google Inc. | Query rewriting with entity detection |
WO2006007194A1 (en) * | 2004-06-25 | 2006-01-19 | Personasearch, Inc. | Dynamic search processor |
US20060074883A1 (en) * | 2004-10-05 | 2006-04-06 | Microsoft Corporation | Systems, methods, and interfaces for providing personalized search and information access |
US20070005654A1 (en) * | 2005-05-20 | 2007-01-04 | Avichai Schachar | Systems and methods for analyzing relationships between entities |
US7827125B1 (en) * | 2006-06-01 | 2010-11-02 | Trovix, Inc. | Learning based on feedback for contextual personalized information retrieval |
US7685201B2 (en) | 2006-09-08 | 2010-03-23 | Microsoft Corporation | Person disambiguation using name entity extraction-based clustering |
US7958104B2 (en) | 2007-03-08 | 2011-06-07 | O'donnell Shawn C | Context based data searching |
US20080306914A1 (en) * | 2007-06-05 | 2008-12-11 | Search Capital Ltd | Method and system for performing a search |
US8145660B2 (en) | 2007-10-05 | 2012-03-27 | Fujitsu Limited | Implementing an expanded search and providing expanded search results |
US8594996B2 (en) | 2007-10-17 | 2013-11-26 | Evri Inc. | NLP-based entity recognition and disambiguation |
US8862622B2 (en) * | 2007-12-10 | 2014-10-14 | Sprylogics International Corp. | Analysis, inference, and visualization of social networks |
US20100094846A1 (en) | 2008-10-14 | 2010-04-15 | Omid Rouhani-Kalleh | Leveraging an Informational Resource for Doing Disambiguation |
US20100094835A1 (en) | 2008-10-15 | 2010-04-15 | Yumao Lu | Automatic query concepts identification and drifting for web search |
US8055675B2 (en) | 2008-12-05 | 2011-11-08 | Yahoo! Inc. | System and method for context based query augmentation |
KR101078864B1 (ko) | 2009-03-26 | 2011-11-02 | 한국과학기술원 | 질의/문서 주제 범주 변화 분석 시스템 및 그 방법과 이를 이용한 질의 확장 기반 정보 검색 시스템 및 그 방법 |
US8397253B2 (en) | 2009-07-23 | 2013-03-12 | Fmr Llc | Inserting personalized information into digital content |
US8314798B2 (en) | 2009-10-02 | 2012-11-20 | Business Objects Software Limited | Dynamic generation of contextual charts based on personalized visualization preferences |
US20110106807A1 (en) | 2009-10-30 | 2011-05-05 | Janya, Inc | Systems and methods for information integration through context-based entity disambiguation |
CA2779208C (en) | 2009-10-30 | 2016-03-22 | Evri, Inc. | Improving keyword-based search engine results using enhanced query strategies |
US20110125764A1 (en) | 2009-11-26 | 2011-05-26 | International Business Machines Corporation | Method and system for improved query expansion in faceted search |
US9129012B2 (en) | 2010-02-03 | 2015-09-08 | Google Inc. | Information search system with real-time feedback |
US8346795B2 (en) | 2010-03-10 | 2013-01-01 | Xerox Corporation | System and method for guiding entity-based searching |
US8751305B2 (en) * | 2010-05-24 | 2014-06-10 | 140 Proof, Inc. | Targeting users based on persona data |
US8326861B1 (en) | 2010-06-23 | 2012-12-04 | Google Inc. | Personalized term importance evaluation in queries |
US20120016642A1 (en) | 2010-07-14 | 2012-01-19 | Yahoo! Inc. | Contextual-bandit approach to personalized news article recommendation |
US9830379B2 (en) | 2010-11-29 | 2017-11-28 | Google Inc. | Name disambiguation using context terms |
US8510322B2 (en) | 2011-06-17 | 2013-08-13 | Microsoft Corporation | Enriched search features based in part on discovering people-centric search intent |
US8386457B2 (en) | 2011-06-22 | 2013-02-26 | International Business Machines Corporation | Using a dynamically-generated content-level newsworthiness rating to provide content recommendations |
US20130060769A1 (en) | 2011-09-01 | 2013-03-07 | Oren Pereg | System and method for identifying social media interactions |
US9665643B2 (en) | 2011-12-30 | 2017-05-30 | Microsoft Technology Licensing, Llc | Knowledge-based entity detection and disambiguation |
US20130173655A1 (en) | 2012-01-04 | 2013-07-04 | International Business Machines Corporation | Selective fetching of search results |
US9275152B2 (en) | 2012-02-22 | 2016-03-01 | Google Inc. | Related entities |
US10984337B2 (en) | 2012-02-29 | 2021-04-20 | Microsoft Technology Licensing, Llc | Context-based search query formation |
US20140181070A1 (en) | 2012-12-21 | 2014-06-26 | Microsoft Corporation | People searches using images |
US9378741B2 (en) | 2013-03-12 | 2016-06-28 | Microsoft Technology Licensing, Llc | Search results using intonation nuances |
WO2014168717A2 (en) | 2013-03-15 | 2014-10-16 | Advanced Search Laboratories, Inc. | System and apparatus for information retrieval |
US9646062B2 (en) | 2013-06-10 | 2017-05-09 | Microsoft Technology Licensing, Llc | News results through query expansion |
-
2013
- 2013-06-10 US US13/913,835 patent/US9646062B2/en active Active
- 2013-06-29 US US13/931,922 patent/US20150006520A1/en not_active Abandoned
-
2014
- 2014-05-22 TW TW103117926A patent/TW201511547A/zh unknown
- 2014-06-05 WO PCT/US2014/040970 patent/WO2014200780A1/en active Application Filing
- 2014-06-05 CN CN201480033157.2A patent/CN105339933B/zh active Active
- 2014-06-05 EP EP14737371.6A patent/EP3008645A1/en not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5953718A (en) * | 1997-11-12 | 1999-09-14 | Oracle Corporation | Research mode for a knowledge base search and retrieval system |
CN102349072A (zh) * | 2009-01-30 | 2012-02-08 | 谷歌公司 | 识别查询方面 |
CN102906744A (zh) * | 2010-06-28 | 2013-01-30 | 雅虎公司 | 无限浏览 |
Also Published As
Publication number | Publication date |
---|---|
TW201511547A (zh) | 2015-03-16 |
US20140365468A1 (en) | 2014-12-11 |
US9646062B2 (en) | 2017-05-09 |
US20150006520A1 (en) | 2015-01-01 |
WO2014200780A1 (en) | 2014-12-18 |
EP3008645A1 (en) | 2016-04-20 |
CN105339933A (zh) | 2016-02-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105339933B (zh) | 通过查询扩展的新闻结果 | |
Braunhofer et al. | Selective contextual information acquisition in travel recommender systems | |
US10216851B1 (en) | Selecting content using entity properties | |
US20080059897A1 (en) | Method and system of social networking through a cloud | |
US20090077056A1 (en) | Customization of search results | |
US20120173520A1 (en) | System and method for providing contextual actions on a search results page | |
KR20100123893A (ko) | 콘텐츠의 집계, 배포, 공유, 및 업데이트의 사회적 측면들 | |
US20140330770A1 (en) | Context-aware implicit and explicit search | |
CN106202260B (zh) | 搜索方法、装置和搜索引擎 | |
US9501530B1 (en) | Systems and methods for selecting content | |
CN102893280A (zh) | 数据搜索装置、数据搜索方法和程序 | |
CN104731870A (zh) | 一种用于提供推荐信息的方法与设备 | |
CN106462596A (zh) | 生成上下文搜索呈现 | |
KR20150036315A (ko) | 소셜 네트워킹 시스템에서 컨텍스트-기반 객체 검색 | |
CN105637505A (zh) | 用于搜索数据库的方法 | |
CN111954017B (zh) | 直播间搜索方法、装置、服务器及存储介质 | |
KR101509475B1 (ko) | 웹 사이트에 대한 디자인 및 콘텐츠를 제공하는 방법 및 장치 | |
Amato et al. | A recommendation system for browsing of multimedia collections in the internet of things | |
Maehara et al. | An exhibit recommendation system based on semantic networks for museum | |
US20140297613A1 (en) | Method for customizing search queries to optimized search results | |
Bhanu et al. | Assessing Completeness of a WEB site from Quality Perspective. | |
US20160188173A1 (en) | Replicating User Input Across Displayed Search Results | |
JP2022527671A (ja) | プラットフォームをまたいだコンテンツのミュート | |
US20140019541A1 (en) | Systems and methods for selecting content using webref entities | |
CN110489643A (zh) | 一种定向投放内容的方法、装置和计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |