CN105912554B - 减少主观干扰内容的方法和系统 - Google Patents

减少主观干扰内容的方法和系统 Download PDF

Info

Publication number
CN105912554B
CN105912554B CN201610080580.9A CN201610080580A CN105912554B CN 105912554 B CN105912554 B CN 105912554B CN 201610080580 A CN201610080580 A CN 201610080580A CN 105912554 B CN105912554 B CN 105912554B
Authority
CN
China
Prior art keywords
context
content
data
interference
subjective
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
CN201610080580.9A
Other languages
English (en)
Other versions
CN105912554A (zh
Inventor
S·S·亚当斯
R·R·弗莱德朗得
J·R·可里默
J·R·林顿
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.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN105912554A publication Critical patent/CN105912554A/zh
Application granted granted Critical
Publication of CN105912554B publication Critical patent/CN105912554B/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
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/335Filtering based on additional data, e.g. user or group profiles
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00Handling natural language data
    • G06F40/30Semantic analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明涉及减少主观干扰内容的方法和系统。处理器实现的方法、系统和/或计算机程序产品减少主观干扰内容。基于语境的数据重力井膜支持一个或多个数据重力井,其拥有由非语境数据对象、第一语境对象和第二语境对象组成的主观干扰合成的基于语境数据对象。第一语境对象定义非语境数据对象,并且第二语境对象根据由所述第二语境对象所描述的预定义参数,描述通过结合非语境数据对象和第一语境对象生成的主观干扰内容是怎样的,新内容被传送穿过所述基于语境的数据重力井膜。响应于来自所述新内容的非语境数据对象和语境对象与基于语境的数据重力井中的对象相匹配,由所述基于语境的数据重力井捕获来自所述新内容的主观干扰内容,从而减少由所述新内容施加的主观不适水平。

Description

减少主观干扰内容的方法和系统
背景技术
本公开涉及计算机领域,特别是在管理数据中的计算机使用。更特别的是,本公开涉及过滤数据以消除潜在的干扰内容。
发明内容
一种处理器实现的方法、系统和/或计算机程序产品减少主观干扰内容。一个或多个处理器在基于语境的数据重力井膜上生成基于语境的数据重力井框架。所述基于语境的数据重力井膜是虚拟的膜,其能够在逻辑上支持所述基于语境的数据重力井框架。基于语境的数据重力井框架支持拥有至少一个主观干扰合成的基于语境对象的基于语境的数据重力井,主观干扰合成的基于语境对象由至少一个非语境数据对象和第一语境对象和第二语境对象组成。所述第一语境对象定义所述非语境数据对象,以及所述第二语境对象根据由所述第二语境对象所描述的预定义参数,描述通过结合所述非语境数据对象和所述第一语境对象生成的主观干扰内容是怎样的。
处理器从内容源接收新内容。所述新内容包括非干扰内容和主观干扰内容。所述主观干扰内容包括新内容的非语境数据对象和新内容的语境对象,将所述主观干扰内容解析为n元组,其包括指向基于语境的数据重力井中的非语境数据对象的指针和指向基于语境的数据重力井中的语境对象的指针。将具有解析的主观干扰内容的所述新内容传送穿过所述基于语境的数据重力井膜,这样通过将来自新内容的解析的主观干扰内容选择性地拉入到所述基于语境的数据重力井来减少来自所述新内容的主观干扰内容。响应于来自解析的主观干扰内容的n元组的值与所述基于语境的数据重力井中的非语境数据对象和语境对象相匹配,由所述基于语境的数据井捕获所述解析的主观干扰内容,由此减少对新内容的观众施加的主观不适水平。
附图说明
图1示出了本公开可以被实现的示例性系统和网络;
图2示出了用于生成一个或多个合成的基于语境对象的过程;
图3示出了示例性例子,其中针对非语境数据对象数据“Cartridge”定义合成的基于语境对象;
图4示出被施加到合成的基于语境对象的附加语境对象;
图5描绘了为通过基于语境的数据重力井膜的段落准备数据流的过程;
图6示出了主观干扰合成的基于语境对象被选择性地拉入到在基于语境的数据重力井膜上的基于语境的数据重力井框架中,以生成基于语境的数据重力井;
图7描绘了来自由新内容创建的n元组的主观干扰内容被拉入到基于语境的数据重力井中,以减少在新的内容中的主观干扰内容;和
图8是由处理器执行以减少在数据中发现的主观干扰内容的一个或多个步骤的高级流程图。
具体实施方式
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是——但不限于——电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括: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)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言-诸如Smalltalk、C++等,以及常规的过程式编程语言-诸如“C”语言或类似的编程语言。计算机可读程序指令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一包括局域网(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)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里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/或框图描述了本发明的各个方面。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,都可以由计算机可读程序指令实现。
这些计算机可读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可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
现在参考附图,并且特别是图1,其示出了可以由和/或在本发明的实现中使用的示例性系统和网络的框图。针对计算机102以及在计算机102之内示出的示例性架构的一部分或全部,包括所描绘的硬件和软件,可以由软件部署服务器150和/或内容服务器154使用。
示例性计算机102包括耦合到系统总线106的处理器104,处理器104可以使用一个或多个处理器,其中每一个具有一个或多个处理器核。驱动/支持显示器110的视频适配器卡108,也耦合到系统总线106。系统总线106经由总线桥112耦合到输入/输出(I/O)总线114。I/O接口116耦合到I/O总线114,I/O接口116为各种I/O设备,包括为键盘118、鼠标120、媒体文件盘122(其可以包括存储设备,例如CD-ROM驱动器,多媒体接口等)、打印机124、以及外部USB端口126,提供通信。连接到I/O接口116的端口格式可以是任何本领域技术人员已知的计算机体系结构,在一个实施方式中,这些端口的一部分或者全部是通用串行总线(USB)端口。
如所描绘的那样,计算机102能够使用网络接口130与软件部署服务器150通信。网络接口130是诸如网络接口卡(NIC)等的硬件网络接口,网络128可以是诸如因特网的外部网络,或是诸如以太网或虚拟专用网(VPN)的内部网络。
硬盘驱动器接口132也耦合到系统总线106。硬盘驱动器接口132与硬盘驱动器134相连接。在一个实施例中,硬盘驱动器134位于也耦合到系统总线106的系统存储器136中,系统存储器被定义为计算机102中最低级的易失性存储器。该易失性存储器包括附加的较高级的易失性存储器(未示出),包括但不限于高速缓存存储器、寄存器和缓冲器。位于系统存储器136的数据包括计算机102的操作系统(OS)138和应用程序144。
操作系统138包括用于对诸如应用程序144的资源提供透明的用户访问的壳140。通常,壳140是一个在用户与操作系统之间提供解释器和接口的程序。更具体地,壳140执行被输入到命令行用户界面或来自文件的命令。因此,壳140也被称为命令处理器,通常是操作系统软件层次结构的最高级别,并作为命令解释器提供服务。壳提供系统提示,解释由键盘、鼠标、或其它用户输入介质输入的命令,并将解释的命令发送到操作系统的适当的较低级别(例如,内核142)进行处理。而且壳140是基于文本的、面向行的用户界面,本发明将同样很好地支持其它用户接口模式,例如图形、声音、手势等。
如所描绘的那样,操作系统138还包括内核142,其包括用于操作系统138的较低级的功能,包括提供由操作系统138的其它部分及应用程序144所需的必要的服务,包括存储器管理、进程和任务管理、磁盘管理以及鼠标和键盘管理。
应用程序144包括以示例的方式作为浏览器146示出的呈现器。浏览器146包括使得万维网(WWW)客户端(即,计算机102)使用超文本传输协议(HTTP)消息发送和接收网络消息到互联网,从而可以与软件部署服务器150及其他计算机系统通信的程序模块和指令。
在计算机102的系统存储器(以及软件部署服务器150的系统存储器)中的应用程序144还包括干扰内容减少逻辑(DCML)148。DCML148包括用于实现以下描述的流程(包括在图2-8中描述的流程)的代码。在一个实施例中,计算机102能够从软件部署服务器150下载DCML148,包括以随需即取的基本原则,其中在DCML148中的代码直到执行需要时才被下载。在本发明的一个实施例中,软件部署服务器150执行所有与发明相关的功能(包括DCML148的执行),从而使计算机102免于必须使用自己内部的计算资源来执行DCML148。
计算机102中所描述的硬件元素不意图详尽无遗,而只是强调本发明所需的基本组成部分的代表。例如,计算机102可以包括备用存储设备,如磁带盒、数字通用光盘(DVD)、伯努利(Bernoulli)墨盒等。这些和其他的变种意图包括在本发明的精神和范围内。
现在参考图2,示出了用于在系统200中生成一个或多个合成的基于语境对象的过程。系统200是如图1所示的在计算机102和/或数据存储系统152中发现的处理和存储逻辑,其处理、支持和/或包含图2所示的数据库、指针和对象。
系统200内是一个合成的基于语境对象的数据库202,其包含多个合成的基于语境对象204a-204n(这样表明“n”个对象,其中n为整数)。每个合成的基于语境对象204a-204n由至少一个非语境数据对象和至少一个语境对象定义。即,至少有一个非语境数据对象与至少一个语境对象相关联以定义一个或多个合成的基于语境对象204a-204n。非语境数据对象模糊地涉及多个主题,并且语境对象提供了从多主题标识特定主题的非语境数据对象的语境。
非语境数据对象包含内部或者本身没有含义的数据。即,在语境对象中的数据不只是由非语境数据对象描述的数据/对象的属性或者描述符。相反,语境对象提供关于非语境数据对象的额外的信息,以便为这些非语境数据对象赋予含义。因此,语境对象不只是用来描述某个东西,而是他们定义某个东西是什么。没有语境对象,非语境数据对象包含的数据是没有含义的;使用语境对象,非语境数据对象才变得有含义。
例如,假设非语境数据对象的数据库206包括多个非语境数据对象208r-208t(这样表明“t”个对象,其中“t”为整数)。然而,在这些非语境数据对象208r-208t的每一个内的数据本身是模糊的,因为其没有语境。即,在每个非语境数据对象208r-208t内的数据单独来看是没有含义的数据,因此对于其主题是模糊的。为了对在每个非语境数据对象208r-208t内的数据赋予其含意,对其给出语境,该语境由存储在语境对象的数据库212中的包含在一个或多个语境对象210x-210z内的数据提供(这样表明“z”个对象,其中“z”为整数)。例如,如果指针214a将非语境数据对象208r指向合成的基于语境对象204a,而指针216a将语境对象210x指向合成的基于语境对象204a,从而将非语境数据对象208r和语境对象210x与合成的基于语境对象204a相关联(例如,在合成的基于语境对象204a内存储在非语境数据对象208r和语境对象210x内的数据或否则与其相关联),在非语境数据对象208r内的数据现在已由语境对象210x内的数据给出明确的含义。这样这种语境含义就存储在合成的基于语境对象204a内(或否则与之相关联)。
同样,如果指针214b将在非语境数据对象208s内的数据与合成的基于语境对象204b相关联,当指针216c将在语境对象210z内的数据与合成的基于语境对象204b相关联时,则在非语境数据对象208s的数据现在是由语境对象210z的数据赋予含义。这样这种语境含义就存储在合成的基于语境对象204b内(或否则与之相关联)。
多于一个语境对象可以为特定的非语境数据对象赋予含义。例如,语境对象210x和语境对象210y二者都可以指向合成的基于语境对象204a,从而为图2所示的非语境数据对象208r提供复合的语境含义。这种复合的语境含义为在非语境数据对象208r内的数据提供了语境的不同层。
虽然指针214a-214b和216a-216c是逻辑上示出的指向一个或多个合成的基于语境对象204a-204n,在一个实施例中,合成的基于语境对象204a-204n其实指向非语境数据对象208r-208t和语境对象210x-210z。即,在一个实施例中,合成的基于语境对象204a-204n通过使用指针214a-214b以及216a-216c定位非语境数据对象208r-208t和语境对象210x-210z。
现在考虑图3所描绘的示例性案例,其中为非语境数据对象“cartridge”定义合成的基于语境对象。单独的、没有任何语境的词“cartridge”是没有含义的,因为它是模糊的,没有对任何特定的主题提供参考。即,“cartridge”可能指的是火器的子弹、打印机的墨盒、书写笔的墨水笔芯等,因此,这些参考信息的每个是在不同的主题的语境(例如,火器,打印机,书写笔等)内。
则在图3所示的例子中,来自非语境数据对象308r的数据(即,词“cartridge”)与合成的基于语境对象304a相关(例如,存储在查找表中或者通过查找表相关等),其专注于主题“火器”。来自非语境数据对象308r的数据/词“cartridge”也与合成的基于语境对象304b相关,其专注于打印机中使用的主题“墨盒”。而且还与合成的基于语境对象304n相关,其专注于由笔芯墨水笔使用的主题“墨水”。
为了在“火器”的语境下赋予词“cartridge”语境含义(即定义术语“cartridge”),包含语境数据“火器”的语境对象310x与合成的基于语境对象304a相关(例如,存储在查找表中或者通过查找表相关等)。即,通过结合非语境数据对象308r(“cartridge”)与语境对象310x(“火器”),创建合成的基于语境对象304a(与在火器中使用的“子弹”相关)。
为了在“打印机”的语境下赋予词“cartridge”语境含义,包含语境数据“打印机”的语境对象310y与合成的基于语境对象304a相关。即,通过结合非语境数据对象308r(“cartridge”)与语境对象310y(“打印机”),创建合成的基于语境对象304b(与由打印机使用的“墨盒”相关)。
为了在“书写笔”的语境下赋予词“cartridge”语境含义,包含语境数据“书写笔”的语境对象310z与合成的基于语境对象304n相关。即,通过结合非语境数据对象308r(“cartridge”)与语境对象310z(“书写笔”),创建合成的基于语境对象304n(与由书写笔使用的“墨水”相关)。
一旦创建了合成的基于语境的对象,其可以被进一步扩张,以创建主观干扰合成的基于语境对象。例如,假设合成的基于语境对象304a是指用于火器中的子弹。有些语境不会发觉这种火器子弹是干扰的(即由于对火器子弹的主题的情绪反应导致惊愕)。例如,猎人可能认为火器子弹只是他/她的运动工具。然而,其它语境会发觉火器子弹是相当干扰的。例如,如果在某一地理位置(例如,一个特定的州、城市等)最近发生枪击事件,提到火器子弹可能被视为在该地理位置对人的主观干扰。
同样,某些人可能不被用于步枪和霰弹枪的子弹相关的内容干扰,但用在手枪的子弹可能是干扰的。即使是玩具子弹(如用于儿童玩具枪的火帽)可能对某些观众也是干扰。
因此,如图4所示,应用额外的语境对象到合成的基于语境对象,以创建主观干扰合成的基于语境对象。例如,假设主观干扰语境对象410x(识别地理位置“X州”)与合成的基于语境对象304a相关(见图3)以生成主观干扰合成的基于语境对象404a,其涉及在X州的子弹,即,一则在网站横幅广告中的广告可以提供子弹销售。然而,在X州的最近一次枪击事件,可能会导致X州的居民对涉及火器,包括提供购买子弹的相关的任何东西都特别敏感。为了减少这种在横幅广告中提起火器子弹造成的主观不适的水平,任何对在X州的电脑的广告横幅的部署可以去除这种提供,以努力减少提及火器子弹可能导致的主观不适。如果最近有起手枪暴力事件,(如由主观干扰合成的基于语境对象404b所定义的-“手枪子弹”),或如果最近有起由玩具枪造成的儿童伤害事件(如由主观干扰合成的基于语境对象404n所定义的-”玩具子弹”),可以对横幅广告适用类似的减少。
参考图5,示出了准备用于传输到基于语境的数据重力井膜的数据流,以在基于语境的数据重力井膜上生成一个或多个数据重力井的过程。合成的基于语境对象502的数据流(例如,图4所示的合成的基于语境对象304a)是在系统中(例如,在图1所示的计算机102)最初被接收的。对象扩大逻辑504(例如,图1所示的DCML148的部分)将主观干扰语境对象(例如,图4所示的一个或多个主观干扰语境对象410x-410z)应用到合成的基于语境对象502,从而创建主观干扰合成的基于语境对象506(类似于一个或多个图4所示的主观干扰合成的基于语境对象404a-404n)。
为了将主观干扰合成的基于语境对象506恰当地放置到基于语境的数据重力井膜512中正确的数据井,合成的基于语境对象的解析逻辑508(也是图1中DCML148的部分)将主观干扰合成的基于语境对象506解析为解析的主观干扰合成的基于语境对象510。这些解析的主观干扰合成的基于语境对象510包括组成主观干扰合成的基于语境对象的语境对象和非语境数据对象,以及从主观干扰合成的基于语境对象506的每一个生成的n元组(即,“n”个描述元素的有序列表,其中“n”是一个整数)。在一个实施例中,该n元组包括对合成的基于语境对象中的非语境数据对象的指针(例如,位置通路)。该指针可以是存储位置(例如,通用资源定位器(网址)地址,在该地址中存储非语境数据对象),从而必须生成主观干扰合成的基于语境对象506,或该指针可以是本地的(从而主观干扰合成的基于语境对象506作为流数据包的一部分存在于本地,等等)。在用于主观干扰合成的基于语境对象中的语境数据对象的n元组中也发现类似的指针。
在一个实施例中,来自n元组的另外的参数/值是主观干扰合成的基于语境对象的主观干扰权重。例如,如果对特定一群人提到火器子弹(例如,在特定的人口区域内的人群)只有轻微的干扰,则将为提及火器子弹分配较低的权重(例如,在1-10的范围内为1-3)。然而,如果对另一群人提到火器子弹是非常令人干扰的,那么将为提到火器子弹分配更高的权重(例如,在1-10的范围内为8-10)。
然后返回图5,将解析的主观干扰合成的基于语境对象510发送到基于语境的数据重力井膜512。基于语境的数据重力井膜512是一个虚拟的数学膜,能够支持多种基于语境的数据重力井。即,基于语境的数据重力井膜512是诸如图1所示的DCML148的程序的一部分的数学框架。这个数学框架能够1)提供多个基于语境的数据重力井存在其中的虚拟环境;2)使用适当的合成的基于语境对象填充多个基于语境的数据重力井(例如,那些合成的基于语境对象具有与在特定的基于语境的数据重力井的结构中所发现的那些相匹配的非语境数据对象和语境对象);3)支持在显示器上基于语境的数据重力井的可视化/显示。
举例来说,考虑图6,其描述了主观干扰合成的基于语境对象510被选择性地拉入基于语境的数据重力井框架,以定义基于语境的数据重力井。基于语境的数据重力井膜612支持多种基于语境的数据重力井框架。
例如,考虑基于语境的数据井框架602。基于语境的数据井框架被定义为一种结构,其包括从流媒体数据流拉数据对象、如主观干扰合成的基于语境对象510的能力,以及如果特定的主观干扰合成的基于语境对象包含特定的非语境数据对象604a和/或特定的语境对象612a(其中非语境数据对象604a和语境对象612a定义如上)则存储该数据对象的能力。基于语境的数据重力井框架602还没有用任何主观干扰合成的基于语境对象填充,因此,还不是基于语境的数据重力井。然而,基于语境的数据重力框架606用主观干扰合成的基于语境对象608填充,因此已被转化为基于语境的数据重力井610。当基于语境的数据重力井框架606使用来自流媒体数据流的合成的基于语境对象被填充时,这种转变发生,其中,基于语境的数据重力井框架606包含(即,逻辑上包括和/或指向)非语境数据对象604b和语境对象612b,且两者均为合成的基于语境对象608、如主观干扰合成的基于语境对象614a的每一个的一部分。
主观干扰合成的基于语境对象610,包括主观干扰合成的基于语境对象614a-614c,是来自数据/内容源的穿过基于语境的数据重力井膜512的实时流媒体。如果特定的主观干扰合成的基于语境对象从来没有被拉到任何基于语境的数据重力井膜512上的基于语境的数据重力井,那么,特定的主观干扰合成的基于语境对象简单地继续流到另一个目的地(或回到原来的数据/内容源),并不会影响任何基于语境的数据重力井的大小和/或位置。
现在考虑基于语境的数据重力井616。基于语境的数据重力井616包括两个语境对象612c-612d以及非语境数据对象604c。语境对象612c-612d(在一个实施例中其在图上描绘为在基于语境的数据重力井616的墙上)和非语境数据对象604c在基于语境的数据重力井616中的存在导致合成的基于语境对象、如主观干扰合成的基于语境对象614b,被拉到基于语境的数据重力井616中。基于语境的数据重力井616被描述为比基于语境的数据重力井610大些,因为在基于语境的数据重力井616中有比基于语境的数据重力井610中更多的合成的基于语境对象(618)。
在一个实施例中,图6中所描绘的基于语境的数据重力井可以被看作是语境关系密度井。也就是说,如这里所描述的,基于语境的数据重力井有一定的对象密度,这归因于多少对象已被拉入特定的井以及分配给对象的权重的组合。
在一个实施例中,被拉进特定的基于语境的数据重力井的合成的基于语境对象的数量,确定了该特定的基于语境的数据重力井的大小和形状。也就是说,基于语境的数据重力井616有两个语境对象612c-612d、而基于语境的数据重力井610只有一个语境对象612b的事实与基于语境的数据重力井616的大小没有关系。相反,在这个实施例中,基于语境的数据重力井616的大小和形状只基于拉入基于语境的数据重力井616中的合成的基于语境对象的数量,如主观干扰合成的基于语境对象614b(每个合成的基于语境对象都包含非语境数据对象604c和语境对象612c-612d)。例如,基于语境的数据重力井620有单一的非语境数据对象604d和单一的语境对象612e,正如基于语境的数据重力井610有单一的非语境数据对象604b和单一的语境对象612b。然而,由于基于语境的数据重力井620只填充有一个主观干扰合成的基于语境对象614c,比填充有四个合成的基于语境对象608(例如,主观干扰合成的基于语境对象614a的四个实例)的基于语境的数据重力井610小些。
在一个实施例中,图6所描述的基于语境的数据重力井框架和/或基于语境的数据重力井是以下的图形表示:1)排序逻辑;以及2)图1所示的DCML148的一部分的数据存储的逻辑。也就是说,基于语境的数据重力井框架定义用于将特定的主观干扰合成的基于语境数据对象拉入特定的基于语境的数据重力井的标准,而且基于语境的数据重力井描述了已经被拉入特定的基于语境的数据重力井的主观干扰合成的基于语境对象的数量。在一个实施例中,来自主观干扰合成的基于语境对象510的流的原始对象进入到合适的基于语境的数据重力井,未对原始对象作出副本。在另一实施例中,来自主观干扰合成的基于语境对象510的流的原始对象的副本进入到合适的基于语境的数据重力井,而原始的对象继续到其原始目的地(例如,在特定的存储库保存物品的库存的数据库的服务器)。在另一个实施例中,来自主观干扰合成的基于语境对象510的流的原始对象进入合适的基于语境的数据重力井,而原始对象的副本继续进入其原始目的地(例如,在特定的存储库保存物品的库存的数据库的服务器)。
在本发明的一个或多个实施例中,一个或多个语境对象(例如,图6中的语境对象612b)提供用于标识基于语境对象的主观干扰程度的基础。例如,如上在图4中所描述的,语境对象可以是主观干扰语境对象,其与特定的合成的基于语境对象相结合的时候,创建主观干扰合成的基于语境对象。
一旦定义了基于语境的数据重力井(见图6),由此产生的结构(即,基于语境的数据重力井膜512)就用来从由新内容创建的n元组过滤掉主观干扰内容,以便减少主观干扰内容。也就是说,一旦定义了基于语境的数据重力井并且已经填充基于语境的数据重力井膜512,这些基于语境的数据重力井可以用来过滤掉从新内容来的潜在的干扰物质。
例如,如图7所示,从内容源接收新内容700,如文本文档,定义对象如何有形地显现的指令,网络横幅(banner)等。新内容包含主观非干扰和主观干扰的内容二者。例如,网络横幅可以包含描述当前时间和日期的信息(其为主观非干扰的),以及购买火器子弹的提议(根据网络横幅的收件人/阅件人,其主观上可以是干扰的)。当准备用于创建上述讨论的重力井的合成的基于语境对象时,遵循与图5中所讨论的相同的流程,将新内容700解析为n元组。
如图7所示,将从新内容中创建的n元组中发现的解析的主观干扰内容传送通过基于语境的数据重力井膜512。在具有语境对象和非语境对象的n元组中的与在特定的数据重力井(例如,在基于语境的数据重力井610中的主观干扰合成的基于语境对象608)中发现的那些相匹配的任何主观干扰内容被拉入到特定的数据重力井。从新内容700解析的主观干扰内容n元组710通过在基于语境的数据重力井膜512上的所有的重力井,直到:1)其被拉入到特定的重力井,或2)其不会被拉入到任何重力井,因而保持在新内容700中原封不动。因此,基于语境的数据重力井膜512从新内容700中过滤掉来自新内容700的任何语境上干扰的内容,从而减少其影响。
现在参考图8,由一个或多个处理器执行的一个或多个步骤、以减少主观干扰内容的高层流程图。在启动块802后,一个或多个处理器在基于语境的数据重力井膜上生成基于语境的数据重力井框架(块804)。如图6所描述的,一个或多个基于语境的数据重力井框架(例如,图6所示的基于语境的数据重力井框架602)被部署到虚拟的膜,其能够在逻辑上支持基于语境的数据重力井框架(例如,在图6所示的基于语境的数据重力井膜512)。基于语境的数据重力井框架支持数据重力井,其拥有至少一个主观干扰合成的基于语境对象。主观干扰合成的基于语境对象包括至少一个非语境数据对象和第一语境对象和第二语境对象。如图3中所描述的,第一语境对象定义非语境数据对象(例如,图3中的非语境数据对象308r),没有第一语境对象(例如,图3中的语境对象310x)的语境,非语境数据对象是毫无含义的。如图4所示,第二语境对象(例如,图4中的主观干扰语境对象410x)根据预定的由第二语境对象描述的参数描述了通过组合非语境数据对象和第一语境对象生成的主观干扰内容是怎样的。例如,第二语境对象可以描述某种地理政治学的区域,其居民可能会发现合成的基于语境对象的内容对其个人感情、立场、世界观、道德等是干扰的。
然后如图8的块806所描述的,一个或多个处理器从内容源(例如,文本文件,网页,网页横幅,描述和/或控制有形对象的外观的文件等)接收新内容(如图7中的新内容700)。新内容既包括非干扰内容,又包括主观干扰内容。主观干扰内容是由新内容非语境数据对象和新内容语境对象组成。
举例来说,假设新内容是由人编写的文本文件,并且该文本文件将发布给特定的读者。在文本文件中是无害的(非干扰的)文本和潜在的干扰文本。例如,文本文件可以是关于产品X的报告。该报告可以表明,该产品X的建议零售价为10美元。在不存在价格欺诈或其他不寻常问题的情况下,该信息对任何读者将是非干扰的。然而,产品报告还可以包括作者的意见,认为产品是优秀的,而竞争对手的产品Y是过分危险的。如果这个观点不是不容置疑的,那么它可能是诽谤,这对制造产品Y的企业的法律部门(以及制造产品X的企业的法律部门)是干扰的。因此,本发明允许非干扰物质(产品X的价格)保持在新内容之中,同时从新内容中除去干扰物质(关于竞争对手的产品Y的意见)。
在本发明的另一个实施例中,假定新内容是由计算机程序生成的文本内容。例如,假设计算机程序能够自动生成描述产品X的产品手册,例如产品X的重量和尺寸信息永远不会是干扰的。但是,如果计算机程序也生成了文本,说明产品X当执行一个不希望的行为(即,一些非法活动)时是有用的,那么这个文本对产品X的制造商以及文本内容的读者将是干扰的。本发明减少了这个问题。
在本发明的一个实施例中,新内容不只是文本,还可是生成有形对象的外观的软件代码,无论是作为图像还是作为有形对象本身。例如,假设这个软件代码是用来设计身体类似于人的人形机器人的外观,或设计卡通/电影中动画人物的外观。一种被称为“诡异之谷”的现象说明:如果机器人看起来没有什么像一个人(例如,一个用于汽车装配线上的焊接“手臂”),那么关于该机器人就没有什么“令人毛骨悚然”的(如由看机器人的人所主观经历的)。如果机器人看起来有点像一个人(即,有两只脚,两只胳膊,一个“头”),但仍然是一个明显的机器(例如,在旧科幻电影中发现的机器人),那么看着这个机器人的人也知道它是一台机器,其外观并没有使人不安。在该系列的另一端,如果一个机器人看起来完全像一个人,那么人能够暂停信念并且舒适地假装机器人是一个真实的人(特别是在动画电影中)。然而,如果一个机器人由于该机器人的脸的形状、该机器人的皮肤着色、机器人的运动,等等“看起来不太对劲”,那就是不完美的现实,则由于机器人的诡异(即,怪诞的、不自然的)的外观,观众被机器人视觉击退。
根据本发明的实施例,引起诡异之谷响应的有形特性是由以上描述的第二语境对象定义。也就是说,第二语境对象可以描述由有形的机器人或不是自然界的、因此是“诡异的”动画的人显示的脸的特定形状、皮肤的特定色彩、特定的行走步态等。该第二语境对象已被预定为在机器人/动画的取景器中导致干扰的响应(“诡异之谷”响应)的特性的描述。本发明从而消除了1)使该有形特性出现在有形机器人上,或2)使该有形特性出现在动画人物中的代码。
例如,一则用于计算机辅助制造(CAM)的软件代码,可以指导3D打印机生成具有一定尺寸比例的颧骨。然而,如果颧骨的形状已被预定(例如,通过观众的主观投票)为可怕的,那么用于在颧骨创建此形状的基础代码,被移除和/或更换为其他代码(已被用来创建对观众来说不怪异的颧骨)。通过使用本发明,可以在动画中使用的软件代码中删除/修改类似的代码。
现在回到图8,如块808所描述的,然后一个或多个处理器将新内容的主观干扰内容解析到n元组。在一个实施例中,该n元组包含指向在基于语境的数据重力井框架中的至少一个非语境数据对象的指针以及指向基于语境的数据重力井中所述至少一个语境数据对象的指针。
如图8的块810所描述的,一个或多个处理器将具有解析的主观干扰内容的新内容传递穿过基于语境的数据重力井膜,如图7所述。
如图8的块812所描述的,一个或多个处理器能够通过将解析的主观干扰内容从新内容中选择性地拉入到基于语境的数据重力井中,以从新内容中减少主观干扰内容。因此响应于来自解析的主观干扰内容的n元组(例如,非语境对象,语境对象,等)的值与基于语境的数据重力井中的至少一个非语境数据对象和至少一个语境对象相匹配,基于语境的数据重力井捕获解析的主观干扰内容。因此如这里所描述的,该过程/减少降低了施加给新内容的观众的主观不适的水平。
图8中的流程图在终结块814结束。
在一个或多个实施例中,本发明被描述为生成/使用包括非语境对象和语境对象的n元组,在一个实施例中,n元组(其被用于作为将内容拉入基于语境的数据重力井的基础)还包括内容的“干扰水平”,其描述了某些内容可以有多大干扰。例如,如上所述,某些术语可能是在1-3的低级别干扰的(在1-10的范围内,其中1是根本不干扰的,10是极度干扰的),中等级别5-7,或高级别8-10。这些级别可以从过去的观众投票、或通过对描述对某种人口统计群体(即,特定的年龄,性别,地域等)什么词/术语被视为攻击性的/干扰的/怪异的报告的数据挖掘来确定。
因此,在本发明的一个实施例中,一个或多个处理器接收合成的基于语境对象对特定的人口统计组(例如,从问卷、数据挖掘等)是如何干扰的级别评级。然后处理器应用这些评级,来定义在基于语境的数据重力井中发现的合成的基于语境对象的主观干扰权重。也就是说,某个合成的基于语境对象可能对某些读者/观众是高度敏感的,而对其他人则不是。因此,处理器用主观干扰权重填充n元组。此后,处理器将来自新内容的解析的主观干扰内容拉入基于n元组中主观干扰权重的基于语境的数据重力井框架。
在本发明的实施例中,如果主观干扰内容被基于语境的数据重力井框架所捕获,该一个或多个处理器针对已经被捕获的主观干扰内容推荐更换内容。例如,假设短语“asdflkj人”是包括进攻性的形容词“asdflkj”的短语,“asdflkj”可能是任何贬义词或其他进攻性的词。本发明可以在查找表中查到该贬义词,并发现它是词“qwerpoiu”的同义词,“qwerpoiu”是对任何人非攻击性的形容词。因此,术语“asdflkj人”被自动修改为读成“qwerpoiu人”。
如这里所描述的,本发明的一个或多个实施例是针对从文本文档中删除主观干扰内容。在不同的实施例中,该文本文档实际上可以是计算机生成的动态对话。也就是说,计算机或基于计算机的设备(例如,人形机器人)可以通过使用语音识别软件来解释人在说什么,以及语音生成软件来创建计算机在“说”什么的听觉显示,来参与与人的互动的对话。在本发明的一个或多个实施例中,人与计算机(或人形机器人)之间的“对话”是使用当前描述的发明进行动态地调整,使得计算机生成的主观干扰内容被动态地减少(例如,删除或使用其他文字替换)。
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、程序段或指令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。应该注意到,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
本文所用的术语仅用于描述具体实施方案的目的,并非意在限制本发明的。如本文所用,单数形式“一”,“一个”和“该”旨在也包括复数形式,除非语境另外明确指出。将进一步理解,术语“包括”和/或“包含”在本说明书中使用时,指定所陈述的特征、整数、步骤、操作、元件和/或部件的存在,但不排除存在或附加一个或多个其它特征、整数、步骤、操作、元件、组件和/或它们的组合。
在以下的权利要求书中,相应的结构、材料、动作以及所有装置或步骤加功能元件的等同物旨在包括任何用于与其他要求保护的元件组合执行功能的结构、材料或动作,如具体要求保护的那样。本发明的各种实施例的描述已经旨在说明和描述而提供,但并非意在以所公开的形式穷举或限制本发明。许多修改和变化对那些本领域的普通技术人员将是显而易见的,并不脱离本发明的范围和精神。选择和描述的实施例是为了最好地解释本发明和实际应用的原理,以及使本领域的技术人员能够理解用于具有各种修改的各种实施例的本发明,如适合于预期的特定用途一样。
在本公开所描述的任何方法可以通过使用VHDL(VHSIC硬件描述语言)程序和VHDL的芯片来实现。VHDL是用于现场可编程门阵列(FPGA)、专用集成电路(ASIC)、以及其他类似的电子装置的示例性设计入口语言。因此,本文描述的任何软件实施的方法可以通过基于硬件的VHDL程序,然后将其施加到VHDL芯片,诸如一块FPGA进行仿真。
因此,已经详细地并参考其说明性实施例描述了本申请的本发明的实施例,但显然可以有修改和变化而不脱离在所附的权利要求中限定的本发明的保护范围。

Claims (13)

1.一种处理器实现的减少主观干扰内容的方法,所述处理器实现的方法包括:
由一个或多个处理器在基于语境的数据重力井膜上生成基于语境的数据重力井框架,其中,所述基于语境的数据重力井框架支持拥有至少一个主观干扰合成的基于语境对象的基于语境的数据重力井,其中所述至少一个主观干扰合成的基于语境对象包括至少一个非语境数据对象和第一语境对象和第二语境对象,其中所述第一语境对象定义所述至少一个非语境数据对象,其中,所述第二语境对象根据由所述第二语境对象所描述的预定义参数,描述通过结合所述非语境数据对象和所述第一语境对象生成的主观干扰内容是怎样的,并且其中,所述基于语境的数据重力井膜是虚拟的膜,其能够在逻辑上支持所述基于语境的数据重力井框架;
由一个或多个处理器从内容源接收新内容,其中所述新内容包括非干扰内容和主观干扰内容,其中,所述主观干扰内容包括新内容的非语境数据对象和新内容的语境对象;
由一个或多个处理器将所述新内容的所述主观干扰内容解析为n元组,其中,所述n元组包括指向在所述基于语境的数据重力井中的所述至少一个非语境数据对象的指针和指向在所述基于语境的数据重力井中的所述至少一个语境对象的指针;
由一个或多个处理器将具有所述解析的主观干扰内容的所述新内容传送穿过所述基于语境的数据重力井膜;以及
由一个或多个处理器通过将来自所述新内容的解析的主观干扰内容选择性地拉入到所述基于语境的数据重力井来减少来自所述新内容的所述主观干扰内容,其中,响应于来自所述解析的主观干扰内容的n元组的值与所述基于语境的数据重力井中的所述至少一个非语境数据对象和所述至少一个语境对象相匹配,由所述基于语境的数据重力井捕获所述解析的主观干扰内容,并且其中所述减少降低了对新内容的观众施加的主观不适水平。
2.如权利要求1所述的处理器实现的减少主观干扰内容的方法,进一步包括:
由一个或多个处理器接收所述主观干扰合成的基于语境对象对特定的人口统计组有多大干扰的级别评级;
由一个或多个处理器应用所述评级来为所述主观干扰合成的基于语境对象定义主观干扰权重;以及
由一个或多个处理器用所述主观干扰权重填充所述n元组。
3.如权利要求2所述的处理器实现的减少主观干扰内容的方法,进一步包括:
由一个或多个处理器基于在所述n元组中的所述主观干扰权重将所述解析的主观干扰内容选择性地拉入所述基于语境的数据重力井。
4.如权利要求1所述的处理器实现的减少主观干扰内容的方法,进一步包括:
由一个或多个处理器推荐已由所述基于语境的数据重力井捕获的所述主观干扰内容的替换内容。
5.如权利要求1所述的处理器实现的减少主观干扰内容的方法,其中所述新内容是由人编写的文本内容。
6.如权利要求1所述的处理器实现的减少主观干扰内容的方法,其中所述新内容是由计算机程序生成的文本内容。
7.如权利要求1所述的处理器实现的减少主观干扰内容的方法,其中所述新内容是有形对象外观的生成器,以及其中将所述解析的主观干扰内容选择性地拉入所述基于语境的数据重力井去除了所述有形对象中的诡异外观。
8.一种计算机系统,包括:
处理器、计算机可读存储器、以及非易失的计算机可读存储介质;
第一程序指令,用于在基于语境的数据重力井膜上生成基于语境的数据重力井框架,其中,所述基于语境的数据重力井框架支持拥有至少一个主观干扰合成的基于语境对象的基于语境的数据重力井,其中所述至少一个主观干扰合成的基于语境对象包括至少一个非语境数据对象和第一语境对象和第二语境对象,其中所述第一语境对象定义所述至少一个非语境数据对象,其中,所述第二语境对象根据由所述第二语境对象所描述的预定义参数,描述通过结合所述非语境数据对象和所述第一语境对象生成的主观干扰内容是怎样的,并且其中,所述基于语境的数据重力井膜是虚拟的膜,其能够在逻辑上支持所述基于语境的数据重力井框架;
第二程序指令,用于从内容源接收新内容,其中所述新内容包括非干扰内容和主观干扰内容,其中,所述主观干扰内容包括新内容的非语境数据对象和新内容的语境对象;
第三程序指令,用于将所述新内容的所述主观干扰内容解析为n元组,其中,所述n元组包括指向在所述基于语境的数据重力井中的所述至少一个非语境数据对象的指针和指向在所述基于语境的数据重力井中的所述至少一个语境对象的指针;
第四程序指令,用于将具有所述解析的主观干扰内容的所述新内容传送穿过所述基于语境的数据重力井膜;以及
第五程序指令,用于通过将来自所述新内容的解析的主观干扰内容选择性地拉入到所述基于语境的数据重力井来减少来自所述新内容的所述主观干扰内容,其中,响应于来自所述解析的主观干扰内容的n元组的值与所述基于语境的数据重力井中的所述至少一个非语境数据对象和所述至少一个语境对象相匹配,由所述基于语境的数据重力井捕获所述解析的主观干扰内容,并且其中所述减少降低了对新内容的观众施加的主观不适水平;并且其中所述第一程序指令、第二程序指令、第三程序指令、第四程序指令和第五程序指令被存储在所述非易失的计算机可读存储介质中用于由一个或者多个处理器通过所述计算机可读存储器执行。
9.如权利要求8所述的计算机系统,进一步包括:
第六程序指令,用于接收所述主观干扰合成的基于语境对象对特定的人口统计组有多大干扰的级别评级;
第七程序指令,用于应用所述评级来为所述主观干扰合成的基于语境对象定义主观干扰权重;
第八程序指令,用于用所述主观干扰权重填充所述n元组;以及
第九程序指令,用于基于在所述n元组中的所述主观干扰权重将所述解析的主观干扰内容选择性地拉入所述基于语境的数据重力井;并且其中所述第六、七、八、九程序指令被存储在所述非易失的计算机可读存储介质中用于由一个或者多个处理器通过所述计算机可读存储器执行。
10.如权利要求8所述的计算机系统,进一步包括:
第六程序指令,用于推荐已由所述基于语境的数据重力井捕获的所述主观干扰内容的替换内容,并且其中所述第六程序指令被存储在所述计算机可读存储介质中用于由一个或者多个处理器通过所述计算机可读存储器执行。
11.如权利要求8所述的计算机系统,其中所述新内容是由人编写的文本内容。
12.如权利要求8所述的计算机系统,其中所述新内容是由计算机程序生成的文本内容。
13.如权利要求8所述的计算机系统,其中所述新内容是有形对象外观的生成器,以及其中将所述解析的主观干扰内容选择性地拉入所述基于语境的数据重力井去除了所述有形对象中的诡异外观。
CN201610080580.9A 2015-02-20 2016-02-05 减少主观干扰内容的方法和系统 Active CN105912554B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/627,791 2015-02-20
US14/627,791 US9971838B2 (en) 2015-02-20 2015-02-20 Mitigating subjectively disturbing content through the use of context-based data gravity wells

Publications (2)

Publication Number Publication Date
CN105912554A CN105912554A (zh) 2016-08-31
CN105912554B true CN105912554B (zh) 2019-05-17

Family

ID=56690441

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610080580.9A Active CN105912554B (zh) 2015-02-20 2016-02-05 减少主观干扰内容的方法和系统

Country Status (2)

Country Link
US (1) US9971838B2 (zh)
CN (1) CN105912554B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10083237B2 (en) * 2015-08-31 2018-09-25 Google Llc Protecting users from inappropriate sensitive or offensive search results
US9819653B2 (en) 2015-09-25 2017-11-14 International Business Machines Corporation Protecting access to resources through use of a secure processor

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360383A (zh) * 2011-10-15 2012-02-22 西安交通大学 一种面向文本的领域术语与术语关系抽取方法
CN103838815A (zh) * 2012-11-26 2014-06-04 波音公司 用于减少搜索过程中无关信息的系统和方法

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5943663A (en) 1994-11-28 1999-08-24 Mouradian; Gary C. Data processing method and system utilizing parallel processing
DE69706439T2 (de) 1996-11-15 2002-06-06 Michael Schindler Rechnersortiersystem zur datenkompression
US6539388B1 (en) 1997-10-22 2003-03-25 Kabushika Kaisha Toshiba Object-oriented data storage and retrieval system using index table
US6633855B1 (en) * 2000-01-06 2003-10-14 International Business Machines Corporation Method, system, and program for filtering content using neural networks
US6768986B2 (en) 2000-04-03 2004-07-27 Business Objects, S.A. Mapping of an RDBMS schema onto a multidimensional data model
US6681383B1 (en) 2000-04-04 2004-01-20 Sosy, Inc. Automatic software production system
WO2002054265A1 (en) 2001-01-02 2002-07-11 Julius Cherny Document storage, retrieval, and search systems and methods
US20050050030A1 (en) 2003-01-30 2005-03-03 Decode Genetics Ehf. Set definition language for relational data
US7748036B2 (en) 2003-04-01 2010-06-29 Sytex, Inc. Methods for categorizing input data
US7818572B2 (en) 2003-12-09 2010-10-19 Dominic Kotab Security system and method
US7437005B2 (en) 2004-02-17 2008-10-14 Microsoft Corporation Rapid visual sorting of digital files and data
CN101432767A (zh) * 2004-06-28 2009-05-13 伊普拉斯资产公司 无服务器办公室架构方法
US7571163B2 (en) 2004-07-13 2009-08-04 Hewlett-Packard Development Company, L.P. Method for sorting a data structure
US7224311B2 (en) 2004-08-27 2007-05-29 Analytical Graphics, Inc. System and method for visualization of attitude and attitude/position dependent data
US20060212449A1 (en) 2005-03-21 2006-09-21 Novy Alon R J Method and apparatus for generating relevance-sensitive collation keys
US9286388B2 (en) * 2005-08-04 2016-03-15 Time Warner Cable Enterprises Llc Method and apparatus for context-specific content delivery
WO2007044763A2 (en) 2005-10-11 2007-04-19 Rsa Security Inc. System and method for detecting fraudulent transactions
CA2542379A1 (en) 2006-04-07 2007-10-07 Cognos Incorporated Packaged warehouse solution system
US7797319B2 (en) 2006-05-15 2010-09-14 Algebraix Data Corporation Systems and methods for data model mapping
US7853577B2 (en) 2006-06-09 2010-12-14 Ebay Inc. Shopping context engine
US9535810B1 (en) 2007-04-24 2017-01-03 Wal-Mart Stores, Inc. Layout optimization
US8069188B2 (en) 2007-05-07 2011-11-29 Applied Technical Systems, Inc. Database system storing a data structure that includes data nodes connected by context nodes and related method
US8607311B2 (en) 2007-12-21 2013-12-10 Microsoft Corporation Delegation in logic-based access control
US8150882B2 (en) 2009-03-03 2012-04-03 Microsoft Corporation Mapping from objects to data model
US9710556B2 (en) * 2010-03-01 2017-07-18 Vcvc Iii Llc Content recommendation based on collections of entities
US8315849B1 (en) 2010-04-09 2012-11-20 Wal-Mart Stores, Inc. Selecting terms in a document
US8595234B2 (en) 2010-05-17 2013-11-26 Wal-Mart Stores, Inc. Processing data feeds
US8510326B2 (en) 2011-04-11 2013-08-13 Google Inc. Priority dimensional data conversion path reporting
CA2775427A1 (en) 2011-04-27 2012-10-27 Perspecsys Inc. System and method of data interception and conversion in a proxy
US8676937B2 (en) 2011-05-12 2014-03-18 Jeffrey Alan Rapaport Social-topical adaptive networking (STAN) system allowing for group based contextual transaction offers and acceptances and hot topic watchdogging
WO2013010130A1 (en) 2011-07-13 2013-01-17 Mastercard International, Inc. Instantaneous merchant information retrieval for financial transactions
US9058614B2 (en) 2012-05-21 2015-06-16 Sphereup Ltd. System and method for dynamically clustering data items
WO2013181541A1 (en) 2012-06-01 2013-12-05 Treiser Adam Systems and methods for displaying relationships between data items, individuals, and dynamically calculated metric scores
US9251237B2 (en) 2012-09-11 2016-02-02 International Business Machines Corporation User-specific synthetic context object matching
US9619580B2 (en) 2012-09-11 2017-04-11 International Business Machines Corporation Generation of synthetic context objects
US8620958B1 (en) 2012-09-11 2013-12-31 International Business Machines Corporation Dimensionally constrained synthetic context objects database
US9223846B2 (en) 2012-09-18 2015-12-29 International Business Machines Corporation Context-based navigation through a database
US8931109B2 (en) 2012-11-19 2015-01-06 International Business Machines Corporation Context-based security screening for accessing data
US8983981B2 (en) 2013-01-02 2015-03-17 International Business Machines Corporation Conformed dimensional and context-based data gravity wells
US20140184500A1 (en) 2013-01-02 2014-07-03 International Business Machines Corporation Populating nodes in a data model with objects from context-based conformed dimensional data gravity wells
US9229932B2 (en) 2013-01-02 2016-01-05 International Business Machines Corporation Conformed dimensional data gravity wells
US8914413B2 (en) * 2013-01-02 2014-12-16 International Business Machines Corporation Context-based data gravity wells
US8856946B2 (en) 2013-01-31 2014-10-07 International Business Machines Corporation Security filter for context-based data gravity wells
US9262573B2 (en) 2013-03-08 2016-02-16 Taiwan Semiconductor Manufacturing Company, Ltd. Cell having shifted boundary and boundary-shift scheme
US9348794B2 (en) * 2013-05-17 2016-05-24 International Business Machines Corporation Population of context-based data gravity wells

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102360383A (zh) * 2011-10-15 2012-02-22 西安交通大学 一种面向文本的领域术语与术语关系抽取方法
CN103838815A (zh) * 2012-11-26 2014-06-04 波音公司 用于减少搜索过程中无关信息的系统和方法

Also Published As

Publication number Publication date
CN105912554A (zh) 2016-08-31
US20160246884A1 (en) 2016-08-25
US9971838B2 (en) 2018-05-15

Similar Documents

Publication Publication Date Title
Wang et al. T3: Tree-autoencoder constrained adversarial text generation for targeted attack
Fairbairn et al. Representation and its relationship with cartographic visualization
KR20240135024A (ko) 템플릿 이미지들을 사용한 증강 현실 프리렌더링 생성
US7737980B2 (en) Methods and apparatus for supporting and implementing computer based animation
CN108886607A (zh) 视频流增强
Boes Beyond whole earth: Planetary mediation and the Anthropocene
KR102584900B1 (ko) 얼굴 이미지 검색을 통한 가상 인물 생성 시스템 및 방법
CN107657056A (zh) 基于人工智能展示评论信息的方法和装置
CN112136101A (zh) 为用户界面和动画提供应用程序编程接口的框架
US11113578B1 (en) Learned model-based image rendering
CN116868187B (zh) 向客户端提供第三方数据资产的方法、系统和介质
CN105912554B (zh) 减少主观干扰内容的方法和系统
Min et al. Deep learning-based short story generation for an image using the encoder-decoder structure
Sherratt et al. The people inside
CN115204971A (zh) 产品推荐方法、装置、电子设备及计算机可读存储介质
Kee et al. Seeing the past with computers: experiments with augmented reality and computer vision for history
Van Zijl et al. South African sign language machine translation system
Mim et al. In-Between Visuals and Visible: The Impacts of Text-to-Image Generative AI Tools on Digital Image-making Practices in the Global South
KR20200052413A (ko) 향 시각화 시스템 및 방법
Bran et al. Open Affordable Mixed Reality: A Manifesto
deCastro-Arrazola et al. A typological study of vowel interactions in Basque
Zhang et al. Dynamic disk B‐spline curves
Joudat The Specter of Representation: Computational Images and Algorithmic Capitalism
Braga The prephotographic, the photographic and the postphotographic image
Buzzo Signs of Surveillance

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