CN105874455A - 用于搜索的合成本地输入提示建议 - Google Patents

用于搜索的合成本地输入提示建议 Download PDF

Info

Publication number
CN105874455A
CN105874455A CN201480072097.5A CN201480072097A CN105874455A CN 105874455 A CN105874455 A CN 105874455A CN 201480072097 A CN201480072097 A CN 201480072097A CN 105874455 A CN105874455 A CN 105874455A
Authority
CN
China
Prior art keywords
suggestion
local
inquiry
web
intended
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.)
Pending
Application number
CN201480072097.5A
Other languages
English (en)
Inventor
D·沃伊内亚
M·库卡斯基
P·贝克
A·切希
D·艾德
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 CN105874455A publication Critical patent/CN105874455A/zh
Pending legal-status Critical Current

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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3322—Query formulation using system suggestions
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Abstract

架构，其生成本地意图建议，作为针对未完成的(或者部分输入的)搜索查询的完成建议(自动建议解决方案)。本地意图建议是“合成的”，因为这些建议是基于任何在先查询历史的几乎或完全缺失而推导的。本地意图建议能够在没有典型的基于web的建议的情况下或者在具有基于web的建议的情况下推导和呈现。将基于web的建议与本地意图建议调和(例如，放置在其上方、下方或者与其混合)并且显示给用户。Web界面包括但不限于，全页面显示界面(例如，其包括全页面地图、借助于图像的精确定点、子意图、标题和描述)、和/或右窗格(子窗格)自动建议界面(其具有例如小地图精确定点、子意图和消歧拼贴)。

Description

用于搜索的合成本地输入提示建议
背景技术
在整个搜索行业中，输入提示(type-ahead)建议(也称为自动完成)是基于频繁的过去查询的。这在本地意图域(local intent domain)中提出了难以实现的挑战，因为本地意图域包括了不频繁的或者完全缺失的观测到的末尾查询(tail queries)，而且，可能需要区分于其它不频繁的或未观测到的查询。
发明内容
下面提供了简化的概述以便提供对本文所描述的一些新颖实施例的基本理解。该概述不是泛泛的概览，也不意在确定关键/重要要素或者勾勒其范围。其唯一的目的是以简化的形式呈现一些概念作为后面呈现的更详细描述的前序。
公开的架构生成了本地意图建议作为查询输入的一部分(无论是部分输入还是完全输入)的完成建议(自动建议解决方案)。本地意图建议是“合成的”，因为这些建议是基于任何在先查询历史的几乎或完全缺失而推导的。本地意图建议可以在没有典型的基于web建议或者具有基于web建议的情况下推导和呈现。合成地生成的本地建议与统计的基于web建议的调和使得能够存储和取回相关的末尾本地意图建议(tail local intentsuggestion)且将其呈现给用户。
查询(用户已经键入到搜索框中的字符，例如未完成的，并且还称为前缀)被发送到“自动建议”堆栈。合成处理与基于web的处理之间的拆分发生于堆栈的开始处，并且路径恰恰在进行排名之前融合。常规的web建议是从存储有“之前见过的”查询(即，之前已经由用户输入过的且结果与其相关的查询；也称为基于历史的查询)的数据结构中取回的。这些“之前见过的”查询具有历史的方面，而合成的建议是基于给定查询的历史的几乎或完全缺乏而生成的。
作为合成(非历史)查询处理的一部分，查询被传递给非历史搜索框架(用于语义预处理)，其中适合的生成器(子工作流)被选择。语义预处理可以是全局的(选择适合的合成生成器)和专门的(用于子工作流，诸如本地的)。
非历史搜索框架能够与一组查询/意图分类器(例如，机器学习，基于规则的，等等)接口，经由该组查询/意图分类器对前缀进行分类。例如，如果前缀被分类为本地，则前缀被发送到地理空间子工作流，但是不一定发送到其它语义处理器。给定的分类器计算得分，该得分关于所输入的(例如，键入的、语音的等)查询是否具有潜在的本地意图而提供指示。该得分可选地还可以用于其它目的。
每个子工作流(例如，本地的)可具有其自身的预处理器，该预处理器将更多的数据添加到前缀，或者创建同一前缀的多个变化形式。对于本地合成建议，查询由地理-空间子工作流(其包括地理-空间预处理器和约束索引)来处理。此处，查询能够与如由“约束索引”提供的另外的用户空间信息绑定。
约束索引包括对本地意图语法进行编码的组件和为查询完成而优化的本地实体空间索引。例如，约束索引包括对本地物理实体、本地推送商家以及道路进行操作的多个机器。约束索引操作以提供用于语义完成的前缀完成尝试以及使能高效地理坐标受限(例如，纬度/经度)查找的空间索引。居首位的本地合成建议从地理-空间子工作流(地理-空间部件)输出，该地理-空间子工作流包括约束处理。
如作为约束处理的一部分而获得的，最可能的部分查询解释veuve针对显式特征和隐式特征而进行分析。显式的用户位置和地理上定义的定界框是从地理信息源取回的，地理信息源诸如例如反向IP地址、Wi-Fi位置、蜂窝塔、地图矩形图、地理坐标(例如，来自全球定位系统(GPS))和自命用户设置。
从约束处理获得的居首位的本地合成建议被发送到基于机器学习的排名器(作为地理-空间工作流的一部分)，该基于机器学习的排名器基于静态和动态查询/实体特征和用户特征来进一步改善本地(意图)建议的次序。示例的特征包括但不限于，对于部分输入查询而言过去观察到的和取回的查询的总数、对于部分输入查询而言本地动态生成的本地建议的总数、用户的设备类型、用户的位置、部分输入查询的长度、最可能的本地建议和用户的位置之间的距离、对于部分输入查询而取回的居首位的本地实体的静态排名，语义解释概率等。还可以使用监督学习。
然后，子工作流的输出被汇总且发送到融合器，该融合器执行web结果和语义结果的融合(例如，置于上方、下方，或者与其混合)和去重。执行特征提取和最终排名，以便呈现给基于web的建议和/或合成的建议。
在替选的实施例中，在同步地检查/取回针对查询的常规的基于web的建议和/或针对查询的合成的本地意图建议之后，可以将分类器得分包含在关于所输入的(例如，键入的、语音的等)查询是否具有潜在本地意图而提供指示的特征中，基于动态和静态特征。然后，最终排名器(例如，排名器组件)可以通过对合成建议和web建议进行进行评分和定序(sorting)来执行调和(融合)。基于web的建议与本地意图建议调和(例如，置于上方、下方或者与其混合)且显示给用户。
web界面包括但不限于全页面显示界面(例如，其包括全页面地图、借助于图像的精确定点、子意图、标题和描述)和/或右窗格(子窗格)自动建议界面(其具有例如小地图精确定点、子意图和消歧拼贴)。
为实现前述以及相关的目的，本文结合下面的描述和附图描述了一些示例性的方面。这些方面指示了能够实现本文公开的原理的各种方式，并且其全部的方面和等同方面意在权利要求主题的范围之内。当结合附图考虑时，其它的优点和新颖特征将从下面的详细说明中变得明显。
附图说明
图1示出了依照公开的架构的用于搜索的合成本地输入提示建议的系统。
图2示出了依照公开的架构的用于搜索的合成本地输入提示建议的替选系统。
图3示出了用于搜索的合成本地输入提示建议的流程图。
图4示出了依照公开的架构的方法。
图5示出了依照公开的架构的替选方法。
图6示出了用于搜索的合成本地输入提示建议的示范性的搜索用户界面。
图7示出了基于地址查询来对本地意图建议和基于web的建议进行调和的用户界面。
图8示出了基于兴趣点查询来对本地意图建议和基于web的建议进行调和的用户界面。
图9示出了基于本地“什么-哪里”查询来对本地意图建议和基于web的建议进行调和的用户界面。
图10示出了基于本地“什么”查询来对本地意图建议和基于web的建议进行调和的用户界面。
图11示出了基于本地“什么-哪里”查询来对本地意图建议和基于web的建议进行调和的用户界面，在全页面丰富界面中具有“什么”扩展。
图12示出了基于本地“什么-哪里”查询来对本地意图建议和基于web的建议进行调和的用户界面。
图13示出了基于本地“什么-哪里”查询来对本地意图建议和基于web的建议进行调和的用户界面。
图14示出了呈现用于本地“什么-哪里”查询的右窗格预览的用户界面。
图15示出了呈现用于本地“什么”查询和消歧的右窗格预览的用户界面。
图16示出了根据公开的架构来执行用于搜索的合成本地输入提示建议的计算系统的框图。
具体实施方式
公开的架构使得能够基于语法和实体索引来进行本地输入提示(也称为自动完成或自动建议)建议的“合成”(基于任何在先的有关的本地查询活动的几乎或完全缺失而进行的建议推导)生成。本地查询体现诸如下述特性：“什么”和“哪里”(例如，“HSBC(什么)Victoria大街(哪里)”，“plumbers(什么)在伦敦(哪里)”，等等)；什么“Starbucks”或哪里(“26paul gardens Croydon”)；和/或，类别。合成建议能够与现有的基于web的建议进行调和(blend)。另外，该架构还提供了用于内容丰富(content-rich)本地意图建议的web显示和消歧(disambiguation)用户界面。
查询(用户已经在搜索框中键入的字符)被发送到“自动建议”堆栈，其中，常规的web建议从存储有“之前见过的”(历史的)查询(之前曾经由用户输入过且结果与其相关的查询)的数据结构中取回。这些“之前见过的”查询具有历史的方面，而合成建议是基于对于给定查询的历史的完全缺失而生成的。
该查询与另外的用户空间信息绑定，并且另外地利用基于语法的输入提示预测组件来处理。约束索引(constraint index)是有限状态变换器(例如，对本地意图语法进行编码的组件)和为查询完成(自动建议)而被优化的本地实体空间索引的组合。
最可能的查询解释，是既针对显式的(例如，“区域搜索”，市场语言，用户位置等)特征又针对隐式的(例如，New York暗示Sweden对于New YorkS不是有效的，等等)特征而被探索的。显式的用户位置和定界框(定义的地理区域)是从反向IP地址、Wi-Fi、蜂窝塔、地图矩形视图、地理坐标(例如，来自全球定位系统(GPS))和自命用户设置(self-declared user settings)中取回的。
居首位的合成建议(top synthetic suggestions)被发送到基于机器学习的排名器，该基于机器学习的排名器基于静态和动态查询/实体特征以及用户特征来进一步改善本地(意图)建议的次序。在取回针对查询的常规web建议和针对查询的本地合成建议之后，分类器(例如，机器学习的、基于规则的，等等)计算关于所输入的(例如，键入的、语音的等)查询是否具有潜在本地意图而提供指示的得分(基于动态特征和静态特征)。
示例的特征包括但不限于：对于部分输入查询而言过去观察到的和取回的查询的总数、对于部分输入查询而言本地动态生成的本地建议的总数、用户的设备类型、用户的位置、部分输入查询的长度、最可能的本地建议和用户的位置之间的距离、对于部分输入的查询而取回的居首位的本地实体的静态排名，语义解释概率等。还可以使用监督学习。
基于分类器得分，常规的web建议与本地建议相调和(例如置于其上方，下方或者与其混合)且被显示给用户。web界面包括但不限于：全页面显示界面(例如，其包括全页面地图、对于图像的精确定点、子意图、标题和描述)和/或右窗格(子窗格)自动建议界面(其具有例如小地图精确定点、子意图和消歧拼贴)。
现在参考附图，其中相似的附图标记在通篇用于指代相似的元件。在下面的说明中，为了说明的目的，阐述了若干具体的细节从而提供对其的全面理解。然而，可能显而易见的是，新颖的实施例可以在没有这些具体细节的情况下实现。在其它实例中，以框图形式显示公知的结构和设备从而利于对其进行的说明。目的是涵盖落入权利要求主题的精神和范围内的全部的修改、等同内容和替选方案。
图1示出了根据所公开的架构的用于搜索的合成本地输入提示建议的系统100。该系统100可以包括建议组件102，该建议组件102被配置为部分地基于与查询106有关的在先查询(在先处理的或基于历史的)的缺失或几乎缺失(最低限度的实例)而返回针对查询106的本地意图建议104。换言之，在一个实施例中，本地意图建议104既不是根据被计算为与查询有关的基于历史的查询结果生成，又不是根据在先已经处理过的任何本地查询生成——本地意图建议104是无需任何在先查询历史而生成的(“合成地”生成)。
因此，建议组件102与基于历史的搜索框架108(例如，基于web的)相接口，以获得基于web的建议110，以及与非历史(或最低限度历史)搜索框架112相接口，以获得合成地生成的本地意图建议104。融合组件114被配置为对本地意图建议104和基于web的建议110进行融合(或调和)，以便作为完成建议116呈现给查询106(也在完成建议116附近示出)。
建议组件102处理用户空间信息以推导本地意图建议104。空间信息可以基于本地意图语法和本地实体空间索引(与诸如人、商家、事件、兴趣点等给定实体相关联的地理参数)。基于web的建议110，在存在的情况下，被呈现为在使查询完成的自动建议的全页面视图或自动建议的子窗格内与本地意图建议104组合。这在下文描述。本地意图建议104涉及到“什么”、“哪里”和“类别”等特性中的至少一个。“什么”特性是具体的实体，“哪里”特性是实体的位置信息，而“类别”特性是实体的一般类别，如餐厅、商家、会场等。
图2图示出根据所公开的架构的用于搜索的合成本地输入提示建议的替选系统200。系统200包括图1的系统100以及另外的组件。例如，系统200包括分类器组件202，该分类器组件202被配置为生成与针对查询106的潜在本地意图相对应的分类器得分。在取回针对查询106的基于web的建议110(如果已获得)和针对查询106的本地意图建议104之后，分类器组件(例如，机器学习的、基于规则的，等等)基于本地语义来计算得分，该得分关于所输入的(例如，键入的、语音的等)查询106是否具有潜在的本地意图(基于动态和静态特征)而提供指示，针对该得分来推导本地意图建议104。基于web的建议110基于分类器得分而被呈现在本地意图建议104的下方、上方或者与其一起呈现。
该系统200可进一步包括排名器组件204，其被配置为对本地意图建议104进行排序，并且基于查询/实体特征和用户特征来对基于web的建议110(如果已获得)进行排序。该系统200可进一步包括呈现组件206(例如，浏览器应用)，该呈现组件被配置为将本地意图建议104呈现并且在视觉上区分于基于web的建议110，作为用户界面中的针对查询106的自动完成建议。
应当理解的是，在公开的架构中，一些组件能够被重新布置、组合、省去，并且可以包括另外的组件。另外地，在一些实施例中，全部或一些组件存在于客户端上，而在其它实施例中，一些组件可以驻留在服务器上或者由本地或远程服务来提供。
图3图示出用于搜索的合成本地输入提示建议的流程图300。查询处理302开始于将查询106传递给基于历史的搜索框架108和非历史搜索框架112。应当理解，修饰语“非历史”和“缺失”意在不仅包含历史的全部缺失，而且还包括最低限度历史，其中可能存在的任何历史量对于生成本地意图建议都到了不足的或不充分的程度。
基于历史的搜索框架108的输出是基于web的建议110。非历史搜索框架112是经由语义组件304的语义处理分支。语义组件304针对居首位的合成建议执行对查询的语义解释。另外，非历史搜索框架112提供了地理-空间处理和其它语义处理器。
地理-空间组件306利用任何可用的手段来计算用户地理位置，例如根据显式的用户位置信息以及定界框(定义的地理区域)，所述用户位置信息以及定界框是根据例如反向IP地址、Wi-Fi、蜂窝塔、地图矩形视图、地理坐标(例如，来自全球定位系统(GPS))的和自命用户设置而得到的。其它语义处理器308可被采用来对于例如给定区域执行消歧(disambiguation)。
地理-空间组件306的和其它语义处理器308的输出(也是非历史搜索框架112的输出)被发送到语义汇总器310，该语义汇总器310将本地意图建议104输出到融合组件114。融合组件114将基于web的建议110和本地意图建议104融合。
然后该被融合的集合由特征组件312处理以进一步改善融合的建议集合。特征包括但不限于：对于部分输入查询而言过去观察到的和取回的查询的总数、对于部分输入查询而言本地动态生成的本地建议的总数、用户的设备类型、用户的位置、部分输入查询的长度、最可能的本地建议和用户的位置之间的距离、对于部分输入的查询而取回的居首位的本地实体的静态排名，语义解释概率等。排名器组件204被配置为基于查询/实体特征和用户特征来对本地意图建议104以及基于web的建议110(如果已获得)进行排序，然后输出查询完成建议116。
换言之，查询106(用户已经键入到搜索框中的字符，例如未完成的，并且还称为前缀)被发送到“自动建议”堆栈。合成处理314与基于web的处理316之间的拆分发生于堆栈的开始处，并且路径恰恰在进行排名(通过排名组件204)之前融合。常规的web建议是从存储有“之前见过的”查询(即，之前已经由用户输入过的且结果与其相关的查询；也称为基于历史的查询)的数据结构取回的。这些“之前见过的”查询具有历史的方面，而合成的建议是基于给定查询的历史的近似或完全的缺乏而生成的。
作为合成(或非历史)查询处理的一部分，查询106被传递到非历史搜索框架112(用于语义预处理)，其中适合的生成器(子工作流)被选择。语义预处理可以是全局的(选择适合的合成生成器)以及是专门化的(用于工作子流，诸如本地)。
非历史搜索框架112能够与一组查询/意图分类器318(例如，机器学习的，基于规则的，等等)接口，经由该组查询/意图分类器对前缀分类。例如，如果前缀被分类为本地，则前缀被发送到地理空间子工作流(地理-空间组件306)，但不一定发送到其它语义处理器308。给定的分类器(分类器318)计算得分，该得分关于所输入的(例如，键入的、语音的等)查询106是否具有潜在的本地意图而提供指示。该得分可选地还可以用于其它目的。
每个子工作流(例如，本地的)，诸如地理-空间组件306，可以具有其自身的预处理器，该预处理器将更多数据添加到前缀，或者创建同一前缀的多个变化形式。对于本地合成建议，查询106由地理-空间子工作流(其包括地理-空间预处理器和约束索引(constraint index))来处理。此处，查询106能够与如由约束索引所提供的另外的用户空间信息绑定。
(地理-空间组件306的)约束索引进一步包括对本地意图语法进行编码的组件，以及为查询完成而优化的本地实体空间索引。例如，约束索引包括对本地物理实体、本地推送商家以及道路进行操作的多个机器。约束索引操作以提供用于语义完成的前缀完成尝试和使能高效地理坐标受限(例如，纬度/经度)查找的空间索引。居首位的本地合成建议从地理-空间子工作流(地理-空间组件306)输出，该地理-空间子工作流包括约束处理。
然后，如作为约束处理的一部分而获得的，最可能的部分查询解释被针对显式特征和隐式特征而进行分析。显式的用户位置和地理上定义的定界框是从地理信息源取回的，地理信息源诸如例如反向IP地址、Wi-Fi位置、蜂窝塔、地图矩形图、地理坐标(例如，来自全球定位系统(GPS))和自命用户设置。
从(地理-空间组件306的)约束处理获得的居首位的本地合成建议被发送到基于机器学习的排名器(作为地理-空间组件306的一部分)，该基于机器学习的排名器基于静态和动态查询/实体特征和用户特征来进一步改善本地(意图)建议的次序。示例的特征包括但不限于，对于部分输入查询而言过去观察到的和取回的查询的总数、对于部分输入查询而言本地动态生成的本地建议的总数、用户的设备类型、用户的位置、部分输入查询的长度、最可能的本地建议和用户的位置之间的距离、对于部分输入查询而取回的居首位的本地实体的静态排名，语义解释概率等。还可以使用监督学习。
然后，子工作流(地理-空间组件306和其它语义处理器308)的输出随后被(由语义汇总器310)汇总且发送到融合器(融合组件114)，该融合器执行web结果和语义结果的融合(例如，置于上方、下方或与其混合)和去重。执行特征提取和最终排名，以便呈现给基于web的建议和/或合成的建议。
在替选的实施例中，在同步地检查/取回针对查询106的常规的基于web的建议和/或针对查询106的合成的本地意图建议之后，可以将分类器得分包含在关于所输入的(例如，键入的、语音的等)查询106是否具有潜在本地意图而提供指示的特征中，基于动态特征和静态特征。然后，最终排名器(例如，排名器组件204)能够通过对合成建议和web建议评分和定序(sorting)来执行调和(融合)。基于web的建议与本地意图建议调和(例如，置于上方、下方或者与其混合)且显示给用户。
虽然没有示出，系统(100和200)还可以采用隐私组件，该隐私组件使得用户能够选择暴露或者不暴露诸如例如位置信息的个人信息以及与特征相关联的信息。
本文包含了代表用于执行公开的架构的新颖方面的示范性的方法的一组流程图。虽然为了说明简化的目的，本文中以例如流程图表或流程图的形式显示出的一种或多种方法被显示和描述为一系列动作，但是应当理解和意识到，方法不受动作的顺序限制，因为一些动作可据此以不同的次序发生和/或与来自本文图示和描述的其它动作同时发生。例如，本领域技术人员将理解和意识到，方法可替选地表示为一系列互相关的状态或事件，诸如在状态图中。而且，新颖的实现方式并不需要方法中示出的全部动作。
图4示出了根据公开的架构的方法。在400处，接收查询作为搜索的一部分。在402处，处理查询，以基于在先记录的查询的缺失返回本地建议，以及基于在先记录的查询返回web建议。在404处，本地意图建议被采用作为针对查询的完成建议。
该方法可进一步包括：将本地意图建议和web建议融合以用于呈现。该方法可进一步包括将本地意图建议和web建议进行排名以便呈现。该方法可进一步包括在用户界面中将本地建议与web建议进行视觉上区分。该方法可进一步包括基于分类器得分将基于web的建议呈现在本地意图建议的下方、上方或者与其一起呈现。
该方法可进一步包括：将分类器应用于查询，以基于动态和静态特征来计算本地意图。该方法可进一步包括解释查询以计算居首位的语义解释。该方法可进一步包括基于本地意图语法和本地实体索引来推导本地意图建议。
图5示出了根据公开的架构的替选的方法。在500处，接收查询，作为搜索的一部分。在502处，处理所述查询，以部分地基于与所述查询有关的在先处理的缺失而返回本地意图建议。在504处，将本地意图建议与web建议进行融合。在506处，将本地意图建议与web建议进行排名。在508处，将本地意图建议与web建议呈现，作为针对查询的完成建议。
该方法可以可实施在包括计算机可执行指令的计算机可读存储介质上，当通过微处理器执行时，所述指令使得微处理器执行该方法的动作。该方法的动作可进一步包括在用户界面中将本地建议与web建议在视觉上区分，以及基于本地意图语法和本地实体索引来推导本地建议。
该方法的动作可进一步包括将分类器应用于查询，以基于动态特征和静态特征来计算本地意图。该方法的动作可进一步包括获得并处理用户空间信息以推导本地意图建议，基于本地意图语法的空间信息以及本地实体空间索引。
图6示出了用于搜索的合成本地输入提示建议的示范性的搜索用户界面600。此处，UI 600仅呈现本地意图的动态生成的本地意图建议。查询602(被输入到查询框604中)随着用户输入字符而被动态地处理，并且本地意图建议606被动态地生成且呈现在查询框604的下方，作为查询602的完成建议(此处，仅为本地意图建议)。
注意的是，动态方面是对于作为查询602的一部分而被输入的每个字符来展现的，因为完成建议对于每个输入的字符会变化。该呈现可以是用户界面600的全页面显示。注意，在该特定的实现方式中，本地意图建议606各自由图形重点608来标识，诸如V字形图标(标示在圆圈标记内)。
图7示出了基于地址查询对本地意图建议和基于web的建议进行调和的用户界面700。查询702(正在被输入到查询框704中)随着用户输入字符而被动态地处理，并且本地意图建议被自动地生成且与基于web的建议一起呈现在查询框704的下方，作为查询702的完成建议706。注意，动态方面是对于作为查询702的一部分而被输入的每个字符而展现的，因为完成建议706对于每个输入的字符可以变化。此处，基于web的建议呈现在本地意图建议的下方。
UI 700是显示出诸如街道地址的细节的全页面丰富显示界面。此处，UI 700呈现动态生成的本地意图建议(由V字形图标708标识)，并且基于web的建议(无关联的V字形图标)列于本地意图建议的下方。还要注意，排名居首位的本地意图建议(“100Victoria Street，London，L”)具有关联的粗体V字形，指示相关的精确定点框710，具有图像、子意图、标题、描述等。
图8图示出对本地意图建议与基于兴趣点查询的基于web的建议进行调和的用户界面800。查询802(作为查询框804被输入)随着用户输入字符而被动态地处理，并且本地意图建议被自动地生成且与基于web的建议一起呈现在查询框804的下方，作为查询802的完成建议806。此处，基于web的建议呈现在本地意图建议的下方。注意，动态方面是对于作为查询802的一部分而输入的每个字符而展现的，因为完成建议706对于每个输入的字符可以变化。
UI 800是显示用于兴趣点的细节的全页面丰富显示界面。此处，UI 800呈现动态地生成的本地意图建议(由V字形图标808标识)，并且基于web的建议(没有关联的V字形图标)列于本地意图建议的下方。还注意，一个经排名的本地意图建议(“Cardinal Plaza-76-98Victoria”)具有关联的粗体V字形，表明相关的精确定点框810，具有图像、子意图、标题、描述等。
图9示出了基于本地“什么-哪里”查询来对本地意图建议和基于web的建议进行调和的用户界面900。查询902(在输入到查询框904的过程中)随着用户输入字符而被动态地处理，并且本地意图建议被自动地生成且与基于web的建议呈现在查询框904的下方，作为查询902的完成建议906。此处，基于web的建议呈现在本地意图建议的下方。
注意的是，动态方面是对于作为查询902的一部分被输入的每个字符展现的，因为完成建议906对于每个输入的字符可以变化。UI 900呈现动态生成的本地意图建议(由V字形图标908)标识，以及列于本地意图建议下方的基于web的建议(无关联V字形图标)。
图10示出了基于本地“什么”查询来对本地意图建议和基于web的建议进行调和的用户界面1000。查询1002(在输入到查询框1004的过程中)随着用户输入字符而被动态地处理，并且本地意图建议自动地生成且与基于web的建议呈现在查询框1004的下方，作为查询1002的完成建议1006。
注意，动态方面是对于作为查询1002的一部分而被输入的每个字符而展现的，因为完成建议1006对于每个输入的字符可以变化。UI 1000呈现动态生成的本地意图建议(由V字形图标1008标识)，以及列于本地意图建议上方的基于web的建议(无关联V字形图标)。
图11示出了在全页面丰富界面中基于带“什么”扩展的本地“什么-哪里”查询来对本地意图建议和基于web建议进行调和的用户界面1100。查询1102(在输入到查询框1104的过程中)随着用户输入字符而被动态地处理，并且本地意图建议自动地生成且作为覆盖在背景地图上的完全展开的定点框(pin box)1106而呈现。注意，动态方面是对于作为查询1102的一部分而被输入的每个字符而展现的，因为定点框对于每个输入的字符可以变化。
图12示出了基于本地“什么-哪里”查询来对本地意图建议和基于web的建议进行调和的用户界面1200。用于实体+位置搜索的查询1202(在输入到查询框1204的过程中)随着用户输入字符而被动态地处理，并且本地意图建议自动地生成且与基于web的建议一起呈现在查询框1204的下方，作为查询1202的完成建议1206。此处，基于web的建议呈现在本地意图建议的下方。
注意，动态方面是对于作为查询1202的一部分而被输入的每个字符而展现的，因为完成建议1206对于每个输入的字符而言可以变化。UI 1200呈现动态生成的本地意图建议(由V字形图标1208标识)，以及列于本地意图建议的下方的基于web的建议(无关联V字形图标)。还注意，排名居首位的本地意图建议(“Russian Embassy-6/7Kensin”)具有关联的粗体V字形，表明相关的精确定点框1210，具有图像、子意图、标题、描述等。
图13示出了基于本地“什么-哪里”查询来对本地意图建议和基于web的建议进行调和的用户界面1300。用于实体+位置搜索的查询1302(在输入到查询框1304的过程中)随着用户输入字符而被动态地处理，并且本地意图建议自动地生成且与基于web的建议一起呈现在查询框1304的下方，作为查询1302的完成建议1306。注意的是，动态方面是对于作为查询1302的一部分被输入的每个字符而展现的，因为完成建议1306对于输入的每个字符可以变化。
UI 1300呈现动态生成的本地意图建议(由V字形图标1308标识)，以及列于本地意图建议上方的基于web的建议(无关联V字形图标)。还注意，本地意图建议(“Wild Ginger-11020Ne 6th St.”)具有关联的粗体V字形，表明相关的精确定点框1310，具有图像、子意图、标题、描述等。
图14示出了呈现用于本地“什么-哪里”查询的右窗格预览1402的用户界面1400。用于实体+位置搜索的查询1404(在输入查询框1406的过程中)随着用户输入字符而被动态地处理，并且本地意图建议自动地生成且与基于web的建议一起呈现在查询框1406下方，作为查询1404的完成建议1408。注意，动态方面是对于每个作为查询1404的一部分被输入的每个字符而展现的，因为完成建议1408对于每个输入的字符而言可以变化。
UI 1400呈现动态生成的本地意图建议(由V字形图标1410标识)，以及列于本地意图建议下方的基于web的建议(无关联V字形图标)。还注意，本地意图建议(“hilton bellevue”)具有关联的粗体V字形，表明相关的右窗格预览1402，具有地图图像、子意图、标题、描述、到书籍的链接、到方向的链接、到网站的链接和发送到移动设备的链接，等等。
图15示出了呈现用于本地“什么”查询和消歧的右窗格预览1502的用户界面1500。用于实体搜索的查询1504(在输入到查询框1506的过程中)随着用户输入字符而被动态地处理，并且本地意图建议自动地生成且与基于web的建议一起呈现在查询框1506的下方，作为查询1504的完成建议1508。注意，动态方面是对于作为查询1504的一部分而被输入的每个字符展现的，因为完成建议1508对于每个输入的字符可以变化。
UI 1500呈现动态地生成的本地意图建议(由V字形图标1510标识)，以及列于本地意图建议下方的基于web的建议(无关联V字形图标)。还注意的是，本地意图建议(“Starbucks”)具有关联的粗体V字形，表明相关的右窗格预览1502，具有注解有不同位置的地图图像，以及匹配地图位置的四个不同位置。
如本申请中使用的，术语“组件”和“系统”意在指代计算机相关实体，或者是硬件，软件和有形硬件的组合，软件，或者执行中的软件。例如，组件可以是但不限于诸如微处理器、芯片存储器、大容量存储设备(例如，光盘驱动器、固态驱动器和/或磁存储介质驱动器)以及计算机的有形组件，以及诸如运行于微处理器上的进程、对象、可执行程序、数据结构(存储在易失性或非易失性存储介质中)、模块、执行线程和/或程序的软件组件。
通过示例的方式，运行于服务器上的应用和服务器均可以是组件。一个或多个组件可以驻留在进程和/或执行线程内，并且组件能够定位在一台计算机上和/或分布在两台以上的计算机之间。措辞“示范性的”在此处用来表示充当例子、实例或示例。本文中描述为“示范性的”的任何方面或设计不一定解释为相对于其它方面或设计是优选的或有益的。
现在参考图16，示出了依照公开的架构执行用于搜索的合成本地输入提示建议的计算机系统1600的框图。然而，将理解的是，公开的方法和/或系统的一些或全部方面能够实现为片上系统、其中模拟、数字、混合信号以及其它功能制作在单个芯片基板上。
为了提供用于其各方面的附加上下文，图16以及下面的说明意在提供能够实现各方面的适合的计算系统1600的简要的大体的描述。虽然上面的描述在能够运行于一台或多台计算机上的计算机可执行指令的总的上下文中，本领域技术人员将认识到，能够与其它程序模块和/或硬件和软件的组合来实现新颖的实施例。
用于实现各方面的计算系统1600包括计算机1602，其具有微处理单元1604(还称为微处理器以及处理器)、诸如系统存储器1606的计算机可读存储介质(计算机可读存储介质还包括磁盘、光盘、固态驱动器、外部存储器系统和闪速存储器驱动器)以及系统总线1608。微处理单元1604可以是各种商业方式可提供的微处理器中的任一种，诸如单处理器、多处理器、单核单元以及多核单元的处理和/或存储电路。而且，本领域技术人员将意识到，新颖的方法和系统能够通过其它的计算机系统配置来实现，包括微型计算机、主机型计算机以及个人计算机(例如，台式、膝上型、平板PC等)、手持式计算设备、基于微处理器或可编程消费电子设备等，其中每个可以与一个或多个关联设备可操作地耦合。
计算机1602可以是在用于诸如无线通信设备、蜂窝电话以及其它能够移动的设备的便携式和/或移动计算系统的支持云计算服务的数据中心和/或计算资源(硬件和/或软件)中采用的多个计算机中的一个。云计算服务包括但不限于例如作为服务的基础结构、作为服务的平台、作为服务的软件、作为服务的存储设备、作为服务的台式计算机、作为服务的数据、作为服务的安全以及作为服务的API(应用程序接口)。
系统存储器1606可以包括计算机可读存储(物理存储)介质，诸如易失性(VOL)存储器1610(例如，随机存取存储器(RAM))和非易失性存储器(NON-VOL)1612(例如，ROM、EPROM、EEPROM等)。基本输入/输出系统(BIOS)能够存储在非易失性存储器1612中，并且包括利于计算机1602内的组件之间的数据和信号的通信的基本例程，例如在启动期间。易失性存储器1610还可以包括高速RAM，诸如用于高速缓存数据的静态RAM。
系统总线1608提供了用于系统组件的接口，包括但不限于系统存储器1606到微处理单元1604的接口。系统总线1608可以是能够利用格栅商业方式可提供的总线架构中的任一种来进一步与存储器总线(具有或不具有存储器控制器)和外围设备总线(例如，PCI、PCIe、AGP、LPC等)互连的多种类型的总线结构中的任一种。
计算机1602进一步包括用于将存储设备子系统1614与系统总线1608和其它期望的计算机组件和电路接口的机器可读存储设备子系统1614和存储设备接口1616。存储设备子系统1614(物理存储介质)可以包括例如硬盘驱动器(HDD)、磁软盘驱动器(FDD)、固态驱动器(SSD)、闪速驱动器和/或光盘存储驱动器(例如，CD-ROM驱动器、DVD驱动器)中的一种或多种。存储设备接口1616可以包括诸如例如EIDE、ATA、SATA和IEEE1394的接口技术。
一个或多个程序和数据可以存储在存储器子系统1606、机器可读且可移除存储器子系统1618(例如，闪速驱动器形状因素技术)、和/或存储设备子系统1614(例如，光、磁、固态)中，包括操作系统1620、一个或多个应用程序1622、其它程序模块1624以及程序数据1626。
操作系统1620、一个或多个应用程序1622、其它程序模块1624和/或程序数据1626可以包括例如图1的系统100的品项和组件、图2的系统200的品项和组件、图3的图300的品项和流程、图4和图5的流程图所表示的方法以及对应的图6-15的接口600-1500。
一般地，程序包括执行特定的任务、功能或者实现特定的抽象数据类型的例程、方法、数据结构、其它软件组件等。操作系统1620、应用1622、模块1624和/或数据1626的全部或部分还可以高速缓存在诸如例如易失性存储器1610和/或非易失性存储器的存储器中。应意识到，公开的架构能够由各种商业方式可得到的操作系统或操作系统的组合(例如，作为虚拟机)来实现。
存储设备子系统1614和存储器子系统(1606和1618)充当用于数据、数据结构、计算机可执行指令等的易失性和非易失性存储的计算机可读介质。在通过计算机或其它机器执行时，这些指令可以使得计算机或其它机器执行方法的一个或多个动作。计算机可执行指令包括例如使得通用计算机、专用计算机或执行特定功能或功能组的专用微处理器设备的指令和数据。计算机可执行指令可以是例如二进制，诸如汇编语言的中间格式指令，或者甚至是源代码。执行动作的指令可以存储在一个介质上，或者可以存储在多个介质中，使得指令统一地出现在一个或多个计算机可读存储介质上，而无论全部的指令是否在同一介质上。
计算机可读存储介质(多个介质)排除了传播的信号本身，能够由计算机1602访问，并且包括可移除的和/或非可移除的易失性和非易失性的内部和/或外部介质。对于计算机1602，各种类型的存储介质适应任何适合的数字格式的数据的存储。本领域技术人员应当意识到，可以采用其它类型的计算机可读介质，诸如压缩驱动器、固态驱动器、磁带、闪存卡、闪存驱动器、盒等，用于存储执行公开的架构的新颖的方法(动作)的计算机可执行指令。
用户能够利用诸如键盘和鼠标的外部用户输入设备1628以及通过语音识别实现的语音命令来与计算机1602、程序和数据交互。其它的外部输入用户设备1628可以包括麦克风、IR(红外)远程控件、操纵杆、游戏板、照相机识别系统、触笔、触摸屏、姿势系统(例如，眼睛移动、诸如与手、手指、臂、头等有关的身体姿态)等等。用户能够利用诸如触摸板、麦克风、键盘等机载用户输入设备1630来与计算机1602、程序和数据交互，其中计算机1602是例如便携式计算机。
这些以及其它输入设备经由系统总线1608通过输入/输出(I/O)设备接口1632连接到微处理单元1604，但是能够通过诸如并行端口、IEEE 1394串行端口、游戏端口、USB端口、IR接口、短程无线(例如，蓝牙)和其它个域网(PAN)技术等其它接口连接。I/O设备接口1632还利于使用输出外围设备1634，诸如打印机、音频设备、照相机设备等，诸如声卡和/或机载音频处理能力。
一个或多个图形接口1636(通常还称为图形处理单元(GPU))提供计算机1602与外部显示器1638(例如，LCD，等离子体)和/或机载显示器1640(例如，用于便携式计算机)之间的图形和视频信号。图形接口1636还能够制造作为计算机系统板的一部分。
计算机1602能够利用经由有线/无线通信子系统1642与一个或多个网络和/或其它计算机的逻辑连接而操作于网络环境(例如，基于IP)。其它计算机可以包括工作站、服务器、路由器、个人计算机、基于微处理器的娱乐工具、对等设备或其它通用网络节点，并且典型地包括相对于计算机1602所描述的许多或任意元件。逻辑连接可以包括到局域网(LAN)、广域网(WAN)、热点等的有线/无线连接。LAN或WAN网络环境常见于办公室和公司并且实现了企业广域计算机网络，诸如内联网，全部都可以连接到诸如因特网的全局通信网络。
当在网络环境中使用时，计算机1602经由有线/无线通信子系统1642(例如，网络接口适配器、机载收发机子系统等)连接到网络以与有线/无线网络、有线/无线打印机、有线/无线输入设备1644等通信。计算机1602可以包括调制解调器或用于建立网络通信的其它手段。在网络环境中，相对于计算机1602的程序和数据能够存储在远程存储器/存储设备中，与分布式系统关联。将理解的是，所示的网络连接是示范性的，并且能够使用建立计算机之间的通信链路的其它手段。
计算机1602能够操作以利用诸如IEEE 802.xx系列标准的无线电技术与有线/无线设备或实体通信，诸如可操作地布置成与例如打印机、扫描仪、台式计算机和/或便携式计算机、个人数字助理(PDA)、通信卫星、与无线可检测标签(例如，自助服务终端(kiosk)、新闻台、休息室)相关联的任何装备或者位置和电话进行无线通信(例如，IEEE 802.11空中调制技术)的无线设备。这包括至少用于热点、WiMax和BluetoothTM无线技术的Wi-FiTM(用于证实无线计算机网络设备的互操作性)。因此，通信可以是如同常规的网络或者仅仅是至少两个设备之间的特定通信的预定义结构。Wi-Fi网络使用称为IEEE 802.11x(a，b，g，等等)的无线电技术来提供安全、可靠、快速的无线连接。Wi-Fi网络能够用于将计算机彼此连接，连接到因特网，以及连接到有线网(其使用IEEE 802.3相关的技术和功能)。
上文已经描述的包括公开的架构的示例。当然，不可能描述每一个可设想到的组件和/或方法的组合，但是本领域技术人员可以认识到许多另外的组合和置换是可能的。因此，新颖的架构意在涵盖全部这样的落入随附权利要求的精神和范围内的改动、修改和变型例。此外，在术语“包含”用在具体实施方式或权利要求的程度上，该术语意在是包容性的，以类似于术语“包括”的方式，因为“包括”在权利要求中使用时用作过渡性措辞。

Claims (10)

1.一种系统，包括：
建议组件，被配置为部分地基于与查询有关的在先查询的缺失而返回针对所述查询的本地意图建议；
融合组件，被配置为将所述本地意图建议和基于web的建议组合，以便呈现为针对所述查询的完成建议；以及
至少一个微处理器，被配置为执行存储器中的与所述建议组件和所述融合组件相关联的计算机可执行指令。
2.如权利要求1所述的系统，进一步包括呈现组件，所述呈现组件被配置为将所述本地意图建议在视觉上区分于所述基于web的建议，作为在用户界面中针对所述查询的自动建议。
3.如权利要求1所述的系统，其中所述建议组件处理用户空间信息以推导所述本地意图建议，所述空间信息基于本地意图语法和本地实体空间索引。
4.如权利要求1所述的系统，其中所述基于web的建议被呈现为在使所述查询完成的自动建议的全页面视图内或者自动建议的子窗格内与所述本地意图建议组合。
5.如权利要求1所述的系统，进一步包括分类器组件，所述分类器组件被配置为生成与针对所述查询的潜在本地意图相对应的分类器得分，并且所述基于web的建议基于所述分类器得分而呈现在所述本地意图建议的下方、上方或者与所述本地意图建议一起呈现。
6.一种方法，包括如下行动：
接收查询，作为搜索的一部分；
处理所述查询，以基于在先记录查询的缺失返回本地意图建议，并且基于在先记录查询返回web建议；以及
采用所述本地意图建议作为针对所述查询的完成建议。
7.如权利要求6所述的方法，进一步包括对所述本地意图建议和所述web建议进行融合以及排名，以便呈现。
8.如权利要求6所述的方法，进一步包括基于分类器得分而将所述基于web的建议呈现在所述本地意图建议的下方、上方或者与所述本地意图建议一起呈现。
9.如权利要求6所述的方法，进一步包括在用户界面中将所述本地建议在视觉上区分于所述web建议。
10.如权利要求6所述的方法，进一步包括：将分类器应用于所述查询，以基于动态特征和静态特征来计算本地意图。
CN201480072097.5A 2014-01-03 2014-12-12 用于搜索的合成本地输入提示建议 Pending CN105874455A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/147,107 2014-01-03
US14/147,107 US20150193447A1 (en) 2014-01-03 2014-01-03 Synthetic local type-ahead suggestions for search
PCT/US2014/069867 WO2015102846A1 (en) 2014-01-03 2014-12-12 Synthetic local type-ahead suggestions for search

Publications (1)

Publication Number Publication Date
CN105874455A true CN105874455A (zh) 2016-08-17

Family

ID=52345525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480072097.5A Pending CN105874455A (zh) 2014-01-03 2014-12-12 用于搜索的合成本地输入提示建议

Country Status (4)

Country Link
US (1) US20150193447A1 (zh)
EP (1) EP3090360A1 (zh)
CN (1) CN105874455A (zh)
WO (1) WO2015102846A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160041983A1 (en) * 2014-08-07 2016-02-11 Yahoo! Inc. Local query ranking for search assist method and apparatus
US10169467B2 (en) * 2015-03-18 2019-01-01 Microsoft Technology Licensing, Llc Query formulation via task continuum
US10339167B2 (en) 2016-09-09 2019-07-02 International Business Machines Corporation System and method for generating full questions from natural language queries
US10339168B2 (en) 2016-09-09 2019-07-02 International Business Machines Corporation System and method for generating full questions from natural language queries
US10102256B2 (en) * 2016-09-29 2018-10-16 International Business Machines Corporation Internet search result intention
KR102289917B1 (ko) * 2017-06-30 2021-08-12 삼성에스디에스 주식회사 화행 정보를 이용한 대화 처리 방법 및 그 장치
US10606895B2 (en) * 2017-07-12 2020-03-31 Microsoft Technology Licensing, Llc Multiple entity aware typeahead in searches
US11276321B2 (en) 2017-11-07 2022-03-15 International Business Machines Corporation Method and system to train users interacting with a search engine
EP3759622A1 (en) * 2019-05-06 2021-01-06 Google LLC Triggering local extensions based on inferred intent
US11899696B2 (en) * 2020-10-06 2024-02-13 SafeGraph, Inc. Systems and methods for generating multi-part place identifiers
US20220318283A1 (en) * 2021-03-31 2022-10-06 Rovi Guides, Inc. Query correction based on reattempts learning

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090249198A1 (en) * 2008-04-01 2009-10-01 Yahoo! Inc. Techniques for input recogniton and completion
US20090265340A1 (en) * 2008-04-07 2009-10-22 Bob Barcklay Proximity search for point-of-interest names combining inexact string match with an expanding radius search
CN102576368A (zh) * 2009-08-31 2012-07-11 谷歌公司 用于选择和呈现与用户输入相关的回答框作为查询建议的框架
US20130282682A1 (en) * 2012-04-18 2013-10-24 Yahoo! Inc. Method and System for Search Suggestion
US20130339380A1 (en) * 2012-06-18 2013-12-19 Google Inc. Providing query suggestions

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130282702A1 (en) * 2012-04-18 2013-10-24 Yahoo! Inc. Method and system for search assistance

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090249198A1 (en) * 2008-04-01 2009-10-01 Yahoo! Inc. Techniques for input recogniton and completion
US20090265340A1 (en) * 2008-04-07 2009-10-22 Bob Barcklay Proximity search for point-of-interest names combining inexact string match with an expanding radius search
CN102576368A (zh) * 2009-08-31 2012-07-11 谷歌公司 用于选择和呈现与用户输入相关的回答框作为查询建议的框架
US20130282682A1 (en) * 2012-04-18 2013-10-24 Yahoo! Inc. Method and System for Search Suggestion
US20130339380A1 (en) * 2012-06-18 2013-12-19 Google Inc. Providing query suggestions

Also Published As

Publication number Publication date
EP3090360A1 (en) 2016-11-09
WO2015102846A1 (en) 2015-07-09
US20150193447A1 (en) 2015-07-09

Similar Documents

Publication Publication Date Title
CN105874455A (zh) 用于搜索的合成本地输入提示建议
US8965754B2 (en) Text prediction using environment hints
US9754037B2 (en) Blending by query classification on online social networks
US10891591B2 (en) Maintaining a custodian directory by analyzing documents
CN102929950A (zh) 用于个性化搜索结果的社交网络推荐的内容和推荐成员
US20160063093A1 (en) Keyword Search Queries on Online Social Networks
US20170097984A1 (en) Method and system for generating a knowledge representation
US10585939B2 (en) Real time object description service integrated with knowledge center on augmented reality (AR) and virtual reality (VR) devices
US20180082240A1 (en) Extracting and surfacing user work attributes from data sources
CN111149100A (zh) 基于命名实体的解析和识别确定跨文档的修辞相互关系
US20170098013A1 (en) Method and system for entity extraction and disambiguation
CN106471496A (zh) 在搜索中从查询重新表达中识别意图
CN109074378B (zh) 模块化电子数据分析计算系统
CN109271428A (zh) 数据抽取方法及基于地理信息的数据展示方法
CN105518644A (zh) 在地图上实时处理并显示社交数据的方法
US10762089B2 (en) Open ended question identification for investigations
US20170116256A1 (en) Reliance measurement technique in master data management (mdm) repositories and mdm repositories on clouded federated databases with linkages
US20210357682A1 (en) Artificial intelligence driven image retrieval
CN108369589A (zh) 提供用于对通信进行分类的自动主题标签建议
US20160357858A1 (en) Using online social networks to find trends of top vacation destinations
Soriano Maximizing benefits from IT project management: from requirements to value delivery
US20160078652A1 (en) Socially generated and shared graphical representations
JP6517072B2 (ja) 語彙意味パターン分析方法に基づいてビッグデータから店舗創業用データ又は運営支援用データを生成する方法
US11373039B2 (en) Content context aware message intent checker
US20200097511A1 (en) Gauging credibility of digital content items

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20160817

WD01 Invention patent application deemed withdrawn after publication