CN106030571B - 基于知识图动态地修改用户界面的元素 - Google Patents

基于知识图动态地修改用户界面的元素 Download PDF

Info

Publication number
CN106030571B
CN106030571B CN201580008712.0A CN201580008712A CN106030571B CN 106030571 B CN106030571 B CN 106030571B CN 201580008712 A CN201580008712 A CN 201580008712A CN 106030571 B CN106030571 B CN 106030571B
Authority
CN
China
Prior art keywords
knowledge
electronic device
cluster
user
knowledge graph
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.)
Expired - Fee Related
Application number
CN201580008712.0A
Other languages
English (en)
Other versions
CN106030571A (zh
Inventor
S.K.萨西什
N.尼马
B.S.耶尔斯沃拉普
R.特塔利
S.辛格
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.)
Samsung Electronics Co Ltd
Original Assignee
Samsung Electronics Co Ltd
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 Samsung Electronics Co Ltd filed Critical Samsung Electronics Co Ltd
Publication of CN106030571A publication Critical patent/CN106030571A/zh
Application granted granted Critical
Publication of CN106030571B publication Critical patent/CN106030571B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/445—Program loading or initiating
    • G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
    • G06F9/4451—User profiles; Roaming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • 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
    • G06F16/35—Clustering; Classification
    • 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
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • 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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90324—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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0487—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser
    • G06F3/0488—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures
    • G06F3/04883—Interaction techniques based on graphical user interfaces [GUI] using specific features provided by the input device, e.g. functions controlled by the rotation of a mouse with dual sensing arrangements, or of the nature of the input device, e.g. tap gestures based on pressure sensed by a digitiser using a touch-screen or digitiser, e.g. input of commands through traced gestures for inputting data by handwriting, e.g. gesture or text
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G06N5/025—Extracting rules from data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
    • H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Mathematical Physics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Information Transfer Between Computers (AREA)
  • User Interface Of Digital Computer (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

提供了用于动态地修改第一电子装置的用户界面(UI)的至少一个元素的方法和系统。该方法包括：整理所述第一电子装置中的至少一个数据源的使用信息；将经整理的使用信息分类为一个或多个知识聚类；使用一个或多个知识聚类来形成知识图；以及基于知识图动态地修改UI的至少一个元素。

Description

基于知识图动态地修改用户界面的元素
技术领域
本公开涉及知识系统。更具体地，本公开涉及一种用于基于知识图动态地修改用户界面(UI)的一个或多个元素的机制。
背景技术
用户的知识正在通过知识供应交互式门户经由用户交互或社区通过网络不断地交换信息以指数方式扩展。提出了不同的系统和方法来维护用户的知识图。在一个机制中，形式为通用知识图的数据被存储在远程数据库中并且能够通过在用户电子装置上提供查询来检索所存储的数据。在网络内基于查询来识别数据可以增加网络带宽使用。所识别的数据可能不与查询本地相关或者不考虑当前的用户背景(诸如位置)和用户知识。另外，存储在远程数据库中的数据保持静态，直到诸如管理员或所有者的实体手动地更新该数据或者具有来自部署的系统的半自动化支持为止。另外，知识图数据不是用户的个人信息，而是一般而言与世界实体有关的数据。
在另一机制中，当前的知识图是基于实体的，即，它们捕获世界中的实体之间的关系。在传统分类系统中，使用了主题及其标记(token)由用户手动地更新的监督模型。用户应该连续地更新监督模型以用于分类(即，对web页面进行分类)。另外，常规方法和系统可能不区分兴趣和知识，并且在用户的兴趣转变成知识时可能不具有测量结果。
因此，仍然需要用于自动地构建用户知识图的捕获用户的知识水平的鲁棒系统和方法。
上述信息仅作为背景信息被呈现来帮助理解本公开。至于以上所述中的任一项是否关于本公开可能适用作为现有技术，尚未做出确定，并且未做出断定。
发明内容
问题的解决方案
本公开的各方面在于解决至少以上提及的问题和/或缺点并且提供至少下面所描述的优点。因此，本公开的一个方面在于提供一种用于基于在电子装置内构建的知识图动态地修改电子装置的用户界面(UI)的一个或多个元素的方法和系统。
本公开的另一方面在于提供一种用于构建用户的知识图的捕获用户的知识以及用户的知识水平的机制。
本公开的另一方面在于提供一种用于在基于知识的辅助网络中与第二电子装置共享第一电子装置的知识图的机制。
本公开的另一方面在于提供一种用于区分用户兴趣和知识的机制。
根据本公开的一个方面，提供了一种用于动态地修改第一电子装置的用户界面(UI)的至少一个元素的方法。该方法包括：整理第一电子装置中的至少一个数据源的使用信息；将经整理的使用信息分类为至少一个知识聚类；使用知识聚类来形成知识图；以及基于知识图动态地修改UI的至少一个元素。
根据本公开的另一方面，提供了一种用于动态地修改第一电子装置的UI的至少一个元素的系统。该系统被配置为整理至少一个装置的使用信息，将经整理的使用信息分类为至少一个知识聚类，使用知识聚类来形成知识图，并且基于知识图动态地修改UI的元素。
根据本公开的另一方面，一种电子装置包括：通信模块；显示器，其被配置为显示用户界面(UI)；触敏单元，其被配置为接收用户的触摸输入；以及处理器。该处理器被配置为整理电子装置中的至少一个数据源的使用信息，将经整理的使用信息分类为至少一个知识聚类，使用至少一个知识聚类来形成知识图，并且基于知识图动态地修改UI的至少一个元素。
根据结合附图描述的以下具体实施例，本领域的技术人员将会清楚本公开的其它方面、优点和突出特征，具体实施例公开了本公开的各种实施方式。
附图说明
根据结合附图进行的以下描述，本公开的特定实施例的上述及其它方面、特征和优点将变得更加清楚，附图中：
图1A和图1B，除其它事项以外，例示了根据本公开的各种实施例的用于动态地修改第一电子装置的用户界面(UI)的至少一个元素的系统的高级概要；
图2例示了根据本公开的实施例的用于动态地整理与用户关联的使用信息的第一电子装置或第二电子装置中的包括至少一个数据源的系统的另一实现；
图3例示了根据本公开的实施例的用于基于用户知识图动态地修改UI的一个或多个元素的第一电子装置或第二电子装置的各种模块；
图4是例示了根据本公开的实施例的用于基于知识图动态地修改电子装置的UI的一个或多个元素的方法的流程图；
图5例示了根据本公开的实施例的聚类模块的各种组件；
图6是例示了根据本公开的实施例的用于标注聚类的方法的流程图；
图7是例示了根据本公开的实施例的用于在第一电子装置或第二电子装置中动态地修改知识图的方法的流程图；
图8例示了根据本公开的实施例的存储在第一电子装置或第二电子装置中的知识图的通用表示；
图9示出了根据本公开的实施例的表示与第一用户在一个或多个域中的知识关联的第一电子装置中的知识图的示例例示；
图10A和图10B是根据本公开的各种实施例的确定与存储在第一电子装置中的知识图以及存储在第二电子装置中的知识图关联的信息中的差异的示例例示；
图11是根据本公开的实施例的当在第一电子装置上浏览数据时确定第一用户的隐式意图的示例例示；
图12A和图12B示出了根据本公开的各种实施例的基于与应用关联的搜索查询来在用户的社交圈子中确定专家的示例例示；
图13例示了根据本公开的实施例的用于由第一电子装置的第一用户动态地修改浏览的统一资源定位符(URL)的示例例示；
图14是根据本公开的实施例的用于由第一电子装置的第一用户动态地修改打开的选项卡的示例例示；
图15A和图15B是根据本公开的各种实施例的确定用户的意图并且显示愿意帮助用户的意图的与第二电子装置关联的一个或多个专家的示例例示；以及
图16例示了根据本公开的实施例的实现用于基于用户知识图动态地修改电子装置的UI的一个或多个元素的方法和系统的计算环境。
具体实施方式
参考附图的以下描述被提供来帮助对如由权利要求及其等同物所限定的本公开的各种实施方式的全面理解。它包括各种特定细节以帮助该理解，但是这些将被认为是仅示例性的。因此，本领域的普通技术人员将认识到，能够在不脱离本公开的范围和精神的情况下做出本文所描述的各种实施方式的各种改变和修改。此外，为了清楚和简明可以省略众所周知的功能和构造的描述。
以下描述和权利要求中使用的术语和词不限于书目含义，而是，仅由本发明人用来使得能实现对本公开的清楚且一致的理解。因此，对于本领域的技术人员而言应该显而易见的是，本公开的各种实施例的以下描述是仅为了例示目的而提供的，而不是为了限制如由所附权利要求及其等同物所限定的本公开的目的而提供的。
应当理解，除非上下文另外清楚地指定，否则单数形式“一”、“一个”和“该”包括复数对象。因此，例如，对“组件表面”的参考包括对这些表面中的一个或多个的参考。
在详细地描述各种实施例之前，为本文所使用的关键术语和概念提供定义是有用的。除非另外定义，否则本文所使用的所有技术和科学术语具有与由本公开所属于的本领域的普通技术人员所通常理解的相同含义。
“基于知识的辅助网络”是指帮助用户检索数据以帮助用户有效地作决定的网络。该辅助网络包括一个或多个电子装置以及它们本地存储在每个电子装置中的知识图。每个电子装置代表一个节点并且彼此连接，从而形成基于知识的辅助网络。另外，该辅助网络使得用户能够基于使用本地化查询跨越一个或多个电子装置搜索来提供意图并且经由代理服务器知识库的使用来允许对等或点对点。对等或点对点知识库搜索是通过计算用户的意图与可在辅助网络内的每个电子装置上得到的知识数据之间的语义相似度来实现的。
“知识聚类”是指与能够被显示在电子装置上的兴趣或域知识的主题有关的信息。能够将知识聚类分类为表示用户感知或者了解的域的一个或多个主题。例如，用户可以具有办公室政治和宝莱坞政治方面的知识；能够创建被分类为诸如“办公室政治”和“宝莱坞政治”的不同主题的知识聚类“政治”。在一种实施例中，知识聚类能够与例如人、公司、实体等关联。
“知识图”是指可以通过使用有视觉吸引力的图形呈现来表示的知识库。知识图在电子装置中以节点、知识聚类、主题、子主题、关键词的形式组织信息。知识图中的聚类或节点表示至少一个域中的个别知识，诸如例如但不限于通用主题、特定主题、地点、组织、体育、团队、作品、电影等。例如，如果用户了解政治、知识产权等，则可以创建聚类，即“政治”和“知识产权”。聚类“政治”能够包括指示用户感知到知识的主题的各种主题，诸如“办公室政治”和“宝莱坞政治”。类似地，聚类“知识产权”能够包括主题，诸如“专利”、“商标”和“版权”。
“本地化查询”是指在服务器上基于从一个或多个电子装置接收到的或者个别地或单独地发送到在基于知识的辅助网络中可用连接的每个电子装置的知识聚类定义或意图来构造以本地在个体的知识图中搜索数据的查询。
“意图”是指用户正在电子装置中通过对电子装置执行活动来查找的兴趣的主题。意图能够由用户在电子装置中通过对应用执行一个或多个活动来隐式地或显式地指定。
“活动”是指任何用户对数据源执行的活动。用户活动的典型示例能够包括例如但不限于浏览、键入搜索查询、选择关键词、评论、爱好、张贴、共享、保存等。
“词向量”是指在主题的上下文下的内容的数量和方向。在一个实施例中，词向量可以使用相同主题的内容与基于知识图中识别的关键词的主题的上下文之间的相关性。
“标记”是指识别数据源或知识图中的各种主题、关键词等的唯一标识符。
“语义相似度”是指对数据源中的关键词、主题进行分析以便确定从数据源中提取的使用信息的语义相关性。在一个实施例中，本文所描述的数据源可以是存储的项目或在电子装置中运行的任何应用。例如，数据源可以是短消息服务(SMS)、调用日志应用、用户文档、浏览器应用、联系人应用、一个或多个社交网络服务应用等。
本文的各种实施例实现了用于动态地修改第一电子装置的用户界面(UI)的一个或多个元素的方法和系统。该方法包括整理第一电子装置中的一个或多个数据源的使用信息。另外，该方法包括将经整理的使用信息分类为一个或多个知识聚类。
在一个实施例中，将经整理的使用信息分类为知识聚类包括从自第一电子装置的每个数据源整理的使用信息中提取语义内容。在一个实施例中，语义内容包括词向量或结构数据或主题或标记。该标记可以是例如但不限于关键词、统一资源定位符(URL)等。所提取的语义内容使用增量模型来映射以将经整理的使用信息分类为知识聚类。
另外，该方法包括使知识聚类相关以形成知识图。与常规系统不同，知识图能够被本地存储在第一电子装置中。另外，该方法包括基于知识图动态地修改UI的元素。此外，该方法包括频繁地监视第一电子装置中的数据源的使用信息。基于监视结果，能够通过例如向知识聚类添加语义内容、对知识聚类进行分割、对知识聚类进行合并等来更新知识聚类。
本文所描述的方法和系统对于基于用户知识图自动地修改UI的一个或多个元素来说是简单且鲁棒的。
在常规系统中，用户的兴趣和知识可能未被有效地区分并且可能不具有用于监视和测量用户的兴趣何时转变成知识的机制。包括用户静态信息的公共知识图使用监督学习模型来生成、维护，并且保留在服务器中，在服务器处所有用户能够访问它。首先构建使用隐含狄利克雷分配(LDA)并且使用开源数据生成的训练模型。其中每个模型对应于主题的模型的第一集合被标注。这个模型然后对照从用户文档中提取的兴趣向量被用在匹配过程中。基于所提取的用户兴趣，所生成的模型的初始集合也得以更新，使得随着时间的推移它开始反映更多用户的兴趣并且微调给用户。与常规系统不同，能够生成、维护并且在个别的电子装置它本身中完全地本地存储个别的知识图。个别的动态兴趣以及静态兴趣被用来生成个别的知识图。另外，数据能够使用向量进行聚类并且用来构建能够通过确定主题图的大小来计算每个主题模型的权重的主题模型。这个信息能够由应用用来做适配。例如，当用户学习摄影时，相机UI基于用户关于控制设定、光计量、快门速度、全景镜头等的知识水平来使它本身适于用户。否则相机UI向用户提供基本设定。因为能够在电子装置它本身处本地生成和维护知识图，所以所提出的系统和方法能够被用来维护用户数据的隐私。
通常，用户的知识图基于用户(经由浏览、社交、聊天、SMS等)吸收的主题动态地增长。例如，考虑用户浏览属于新闻类别和体育类别的一个或多个URL的场景。另选地，用户的电子装置中预加载的聚类模型(即，新闻聚类和体育聚类)能够被用来发起用户已浏览(或者正在浏览)的URL的映射以便启动聚类过程。用户的已浏览的(或正在浏览的)URL能够通过使用增量建模被映射到新闻聚类和体育聚类，诸如以基于知识图动态地修改浏览器的UI元素。
诸如“第一”和“第二”的标注被仅用来描述各种实施例，并且不限制本公开的范围。
现在参考附图，并且更具体地参考图1A至图16，其中类似的附图标记在所有图中一致地表示对应的特征，示出了优选实施例。
图1A和图1B尤其例示了根据本公开的各种实施例的用于动态地修改第一电子装置102的UI的一个或多个元素的系统100的高级概要。
参考图1A和图1B，系统100包括第一电子装置102、一个或多个第二电子装置1041-N(在下文中被称为第二电子装置104)以及基于知识的辅助网络106。第一电子装置102或第二电子装置104可以是例如但不限于移动电话、智能电话、个人数字助理(PDA)、平板、手机平板、计算机、通信装置或任何其它电子装置。
每个电子装置能够包括知识图108。在一个实施例中，知识图108以包括聚类(即，节点)、主题、子主题和关键词的图的形式表示与电子装置关联的相应的用户的信息。一个或多个第二电子装置1041-N能够包括一个或多个知识图1101-N(在下文中被称为知识图110)。知识图110表示与第二电子装置104关联的第二用户的信息。
第一电子装置102或第二电子装置104能够被配置为动态地整理与用户关联的一个或多个数据源的使用信息。例如，第一电子装置102动态地整理与第一用户关联的数据源的使用信息。在另一示例中，第二电子装置104动态地整理与第二用户关联的数据源的使用信息。在一个实施例中，数据源能够包括SMS应用、调用日志应用、用户文档、博客、浏览器应用、浏览活动信息、聊天应用以及社交网络站点(SNS)源。在一个实施例中，使用信息能够包括例如但不限于从数据源动态地整理的浏览历史、SNS信息、应用使用数据。在另一实施例中，用户的使用信息能够包括例如由用户访问的web页面URL、由用户发送的电子邮件、由用户接收到的电子邮件、由用户发送的文本消息、由用户接收到的文本消息、由用户查看的文档、由用户编辑的文档、由用户发送的即时消息、由用户接收到的即时消息、用户装置交互式数据，用户的动态上下文信息等。结合图2说明与第一电子装置102或第二电子装置104关联的数据源的细节。
第一电子装置102或第二电子装置104将经整理的使用信息分类为一个或多个知识聚类。第一电子装置102或第二电子装置104使每个知识聚类相关以形成知识图，知识图能够被本地存储在第一电子装置102或第二电子装置104它本身中。基于知识图，能够动态地修改第一电子装置102或第二电子装置104的UI。
在一个实施例中，能够通过网络106与第二电子装置104共享与第一电子装置102关联的第一用户的知识图。在另一实施例中，能够与第一电子装置102共享与第二电子装置104关联的第二用户的知识图。例如，能够为了安全浏览与女儿的电子装置共享父亲的选择性知识聚类。另外，第一电子装置102或第二电子装置104能够包括用于通过基于知识的辅助网络106与各种其它装置直接或间接进行通信的适当接口。
本文所描述的基于知识的辅助网络106可以是例如但不限于无线网络、有线网络、诸如互联网的公用网络、专用网络、全球移动通信系统(GSM)网络、通用分组无线服务(GPRS)、局域网(LAN)、广域网(WAN)、城域网(MAN)、蜂窝网络、公用交换电话网(PSTN)、个域网、其组合或任何其它网络。
另外，第一电子装置102或第二电子装置104能够被配置为频繁地监视数据源的使用信息。如果确定了检测到使用信息中的任何更新，则通过使用增量模型来添加语义内容或者对知识聚类进行分割或者对知识聚类进行合并来更新知识聚类。例如，随着使用信息变得可用而周期性地(例如，每N个小时、每天、每星期)和/或递增地执行知识聚类的更新变得可能。
另外，参考图1B，系统100可包括第一电子装置102、一个或多个第二电子装置1041-N(在下文中被称为第二电子装置104)、基于知识的辅助网络106以及服务器112。并且，能够在不脱离本公开的范围的情况下借助于服务器112执行本文所描述的各种实施例。服务器112被用来使第一电子装置102与第二电子装置104之间的无人监督的知识聚类同步，使得两个装置对于这些无人监督的知识聚类将具有相同的定义和相同的标签。
在一个实施例中，服务器112从第一电子装置102和第二电子装置104接收无人监督的知识聚类定义(即，标记的词向量)。在一个实施例中，服务器112能够从一个或多个电子装置接收无人监督的知识聚类。在接收到无人监督的知识聚类定义时，服务器112比较类似的知识聚类定义并且将单个标签指派(assign)给知识聚类。另外，服务器112将所指派的单个标签发送到第一电子装置102和第二电子装置104；从而，使知识聚类的标签同步。与常规系统不同，它避免了要求用户手动地更新知识聚类标签。例如，考虑服务器112从第一电子装置102接收到无人监督的知识聚类定义“宝莱坞的IPL”并且从第二电子装置104接收到无人监督的知识聚类定义“明星英雄的IPL”的场景。服务器112对知识聚类“宝莱坞的IPL”和知识聚类“明星英雄的IPL”进行比较并且将公共标签指派为“IPL”。服务器112将单个标签“IPL”发送到第一电子装置102和第二电子装置104。在接收到公共标签“IPL”时，第一电子装置102用单个标签“IPL”代替无人监督的知识聚类定义“宝莱坞的IPL”并且第二电子装置104用单个标签“IPL”代替无人监督的知识聚类定义“明星英雄的IPL”。因此，第一电子装置102和第二电子装置104的无人监督的知识聚类定义使用服务器112来同步。
在一个实施例中，新数据的主题或聚类被识别并且使用服务器112来使聚类和标签同步，服务器112使所有电子装置中的聚类标签同步，从而针对聚类维护统一词汇和统一定义。装置管理器(未示出)跟踪所形成的聚类并且判定每个聚类何时“成熟”，即，新或类似的URL在聚类不经历任何修改的情况下(即，在标签和现有URL(其得以被从聚类中去除)中)得以映射到聚类。每个聚类被给予仅需要在用户装置内可解析的唯一ID。装置管理器向服务器112发送聚类的串行化版本，以及ID、标签、定义聚类的显著URL向量模式，以及主题向量的集合。服务器112执行装置与聚类模式之间的主题向量的协作比较。具有类似模式的聚类被给予相同的标签并且发送回到具有聚类ID的装置以用于在装置内解析。在一些实例中，服务器112还能够通过向电子装置发送公共向量列表来要求修改词向量。服务器112维护主题向量列表、聚类定义(向量列表的模式)以及聚类标签。所以基于在装置处的聚类形成的成熟度水平，服务器112构建将收敛并且也是动态的同步通用模型。
在一个实施例中，服务器112能够被配置为确定与第一用户接近的一个或多个用户，该一个或多个用户是相似的，其中第一用户与第一电子装置102关联。第一用户使用第一电子装置102来向服务器112发送查询或向量。例如，为了确定在第一用户周围对机械感兴趣的用户，主题“机械”的向量被发送到服务器112。服务器112创建在已发送查询“机械”的第一用户周围的接近极限。服务器112确定接近(即，在第一电子装置102周围的50米内)的用户并且将查询发送到接近的第二电子装置104。在接收到查询时，每个第二电子装置104将该查询与所存储的知识聚类进行比较。如果确定了具有充分匹配的与第二电子装置104关联的任何第二用户，则服务器112接受第二电子装置104，并且通知通过服务器122被发送到第一电子装置102，第一用户的简档数据不与第二电子装置104共享。第二电子装置104的列表被显示在第一电子装置102的UI上。
图1A和图1B示出了系统100的有限概要，但是应当理解，其它各种实施例不限于此。另外，系统100能够包括彼此进行通信的任何数量的电子装置和服务器以及其它硬件或软件组件。例如，组件可以是但不限于在控制器或处理器中运行的进程、对象、可执行进程、执行的线程、程序或计算机。通过例示的方式，在装置上运行的应用以及该装置它本身二者可以是组件。
图2例示了根据本公开的实施例的用于动态地整理与用户关联的使用信息的第一电子装置102或第二电子装置104中的包括一个或多个数据源202的系统200的另一可能的实现。
参考图2，系统200包括第一电子装置102、第二电子装置104以及一个或多个数据源202。数据源202能够包括SMS应用204、调用日志应用206、用户文档208、浏览器应用210、联系人应用212以及一个或多个SNS源2141-N(此后被称为SNS源214)。在一个实施例中，SNS源214能够包括例如但不限于图像应用、粉丝追随页面应用、聊天应用、信使应用、用户事件数据、日历数据、用户隐私策略数据、媒体数据(例如，相片或视频剪辑)等。
第一电子装置102动态地整理与第一用户关联的一个或多个数据源的使用信息。第二电子装置104动态地整理与第二用户关联的一个或多个数据源的使用信息。另外，能够在第一电子装置102中在每预定量的时间内动态地更新第一用户的使用信息。将在第二电子装置104中在每预定量的时间内动态地更新第二用户的使用信息。在一个实施例中，使用信息可以是例如但不限于浏览器数据或浏览器活动信息。浏览器数据可以是例如但不限于与任何应用关联的历史数据、任何打开的选项卡数据、任何SMS历史数据、电子邮件数据、SNS数据等。与常规系统不同，将动态地确定来自数据源202的第一用户和第二用户的使用信息；从而，自动地将所收集的使用信息分类为一个或多个知识聚类。
图3例示了根据本公开的实施例的用于基于用户知识图动态地修改UI的一个或多个元素的第一电子装置102或第二电子装置104的各种模块。
参考图3，第一电子装置102或第二电子装置104包括数据分析器模块302、语义分析器模块304、聚类模块306、知识图模块308、UI模块310、控制器模块312、存储模块314和通信模块316。
数据分析器模块302能够被配置为在第一电子装置102或第二电子装置104中整理一个或多个数据源202的使用信息。在一个实施例中，用户的诸如浏览器URL历史、浏览器web页面、浏览器订阅源、社交网络更新等的历史数据被存储在各种应用中。数据分析器模块302能够被配置为从经整理的数据源202的使用信息中去除嵌入式广告、重复内容(例如，得以在网页内重复的新闻页面中的头条)。数据分析器模块302能够被配置为收集数据源202中与嵌入式链接关联的数据。而且，如果不存在任何社交订阅源的元数据中提及的图像，则数据分析器模块302从嵌入式链接中提取主图像以及主文章，以使在第一电子装置102或第二电子装置104中形成的主题可视化。
数据分析器模块302能够被配置为将经整理的信息发送到语义分析器模块304。在接收到经整理的信息时，语义分析器模块304从经整理的第一电子装置102或第二电子装置104中的每个数据源202的使用信息中提取语义内容。在一个实施例中，语义内容包括例如但不限于词向量、结构化数据、主题、标记等。在一个实施例中，语义分析器模块304提取存在于从每个数据源202中提取的文档中的主题词向量。在将从web内容提取的词(在清除形态之后)与一些现有或预加载的web内容组合以便得到存在于web页面内的主题模型(用于LDA细化)的细粒度列表的情况下使用修改版本。另外，显示描述存在于web页面内的每个主题的词向量的列表。另外，使用存在于每个词向量内的关键词(或关键词的集合)的索引模块被用来识别存在于web页面中的每个主题。这将形成表示在web页面具有对应的位置标识符的词向量的集合的索引。该索引给出关于用户在web页面的特定位置处浏览的特定主题的信息。
语义分析器模块304将所提取的语义内容发送到聚类模块306。在接收到所提取的语义内容时，聚类模块306能够被配置为使用增量模型来映射每个数据源202的语义内容以将经整理的使用信息分类为知识聚类。结合图5说明用于将经整理的使用信息分类为知识聚类的增量模型的详细描述。聚类模块306能够被配置为将知识聚类发送到知识图模块308。在接收到知识聚类时，知识图模块308能够被配置为使知识聚类相关以形成知识图。知识图模块308被配置为在第一电子装置102或第二电子装置104中以知识图的形式描述使用信息。
在一个实施例中，动态知识聚类被转换成知识图中的知识节点。所有知识节点以及它们之间的链接被作为知识图存储在第一电子装置102或第二电子装置104中。知识节点被加权，可能为非线性地，以说明用户的知识的动态性质。可将知识图暴露给第三方以在该知识图之上构建另外的应用。另外，知识图模块308能够被配置为将知识图发送到UI模块310。UI模块310能够被配置为基于从知识图模块308接收到的知识图动态地修改UI的元素。UI模块310能够被配置为从知识图中动态地选择知识聚类，并且基于一个或多个规则来显示所选择的知识聚类。结合图4说明用于显示知识聚类的规则的细节。
在一个实施例中，UI模块310能够被配置为由第二电子装置104从服务器112接收本地化查询，其中该本地化查询包括语义内容。语义分析器模块304计算语义内容与存储在第二电子装置104中的知识图之间的语义相似度。UI模块310在第一电子装置102的UI的元素上显示包括关于第二电子装置104的数据的推荐消息。
控制器模块312能够被配置为在第一电子装置102或第二电子装置104中频繁地监视数据源202的使用信息。控制器模块312能够被配置为使用增量模型基于监视来更新知识聚类，其中更新知识聚类包括向知识聚类添加语义内容或者对知识聚类进行分割或者对知识聚类进行合并。存储模块314能够被配置为将知识图存储在第一电子装置102或第二电子装置104中。另外，存储模块304存储被用来执行本文所描述的各种操作的控制指令和操作。通信模块316在第一电子装置102或第二电子装置104中所支持的各种组件之间建立通信会话。在一个实施例中，通信模块316在基于知识的辅助网络106中与和第二电子装置104关联的第二用户共享与第一电子装置102关联的第一用户的知识图。在另一实施例中，通信模块316在基于知识的辅助网络106中与和第一电子装置102关联的第一用户共享与第二电子装置104关联的第二用户的知识图。
第一电子装置102和第二电子装置104可以使用处理器来处理通过数据分析器模块302、语义分析器模块304、聚类模块306、知识图模块308、UI模块310、控制器模块312、存储模块314和通信模块316交换的数据。处理器可以包括数据分析器模块302、语义分析器模块304、聚类模块306、知识图模块308、UI模块310、控制器模块312、存储模块314和通信模块316中的至少一个。第一电子装置102和第二电子装置104可以将通过处理器处理的数据显示在显示器上。在一个实施例中，第一电子装置102和第二电子装置104可以使用处理器通过UI模块310来处理数据，然后在处理器的控制下将经处理的数据显示在显示器上。
第一电子装置102和第二电子装置104可以包括能够用来接收用户输入(例如，用户的触摸输入)的触敏单元。
图3示出了第一电子装置102或第二电子装置104的有限概要，但是应当理解，其它实施例不限于此。另外，第一电子装置102或第二电子装置104能够包括在彼此以及系统100的其它组件之间进行通信的任何数量的模块。
图4是例示了根据本公开的实施例的用于基于知识图动态地修改电子装置的UI的一个或多个元素的方法400的流程图。在一个实施例中，本文所描述的电子装置可以是例如但不限于第一电子装置102或第二电子装置104。
在操作402处，方法400包括整理电子装置中的数据源202的使用信息。方法400允许数据分析器模块302整理电子装置中的数据源202的使用信息。在一个实施例中，使用信息例如但不限于浏览历史、SNS信息、应用使用数据等。在操作404处，方法400包括从电子装置中的数据源202的使用信息中提取语义内容，其中语义内容包括词向量、结构数据、主题或标记。在一个实施例中，标记可以是例如但不限于关键词或URL。方法400允许语义分析器模块304从电子装置中的数据源202的使用信息中提取语义内容，其中语义内容包括词向量、结构数据、主题或标记。
在操作406处，方法400包括使用增量模型来映射数据源202的语义内容以将经整理的使用信息分类为知识聚类。方法400允许聚类模块306使用增量模型来映射数据源202的语义内容以将经整理的使用信息分类为知识聚类。在操作408处，方法400包括使知识聚类相关以形成知识图。方法400允许知识图模块308使知识聚类相关以形成知识图。在操作410处，方法400包括基于知识图动态地修改UI的元素。与常规系统不同，方法400允许UI模块310基于知识图动态地修改UI的元素。在一个实施例中，元素可以是例如但不限于相机控件、浏览器内容显示、应用UI、提供推荐等。
在一个实施例中，基于知识图动态地修改UI的元素包括从知识图中动态地选择知识聚类。所选择的知识聚类基于一个或多个规则(即，视觉规则)被显示在UI上。在下面描述一个或多个可视化规则：
聚类大小-由存在于知识聚类中的URL的数量驱动。
最大大小(即，在仅1个聚类的情况下)-用于横跨在任一侧留下填充的页面宽度。
最大大小(在仅2个聚类的情况下)-用于横跨页面的宽度(在任一侧留下填充)的较大聚类以及要成为前者的大小的百分比的较小聚类。
最大大小(在3个聚类的情况下)-与上述规则一致。
最大大小(在超过3个聚类的情况下)-适合一行中最小2个聚类(最大3个聚类)，并且从而，定义最大聚类大小，较小聚类是最大聚类的百分比。
相对于垂直轴在中心使聚类对齐。在聚类之间(垂直地+水平地)留下恒定填充(按照指导方针)，并且在UI的左右边缘上留下相等空间。
主题聚类页面可垂直地滚动。
主题聚类按最近顺序自顶向下。
聚类图像：最近URL的顶部图像(最佳分辨率、最相关等)。在未发现任何内容的情况下，为图像检查下一个最近URL。
页面背景图像：来自最大聚类的顶部图像。如果未找到任何内容，则检查次最大聚类。可以稍微使图像模糊以使它不侵入前景(聚类)。
用户对聚类的触摸输入(或触摸交互)可以将它滚动到页面的中心，并且页面可以从被触摸聚类的中心分割并在该聚类内示出URL。另外，当接收到用户对上部聚类的触摸输入(或触摸交互)时，可以示出下部聚类的内容。类似地，当接收到用户对下部聚类的触摸输入(或触摸交互)时，可以示出上部聚类的内容。
轻敲聚类可以将它垂直地滚动到页面的中心，并且页面可以从被轻敲聚类的中心分割并在该聚类内示出URL。
URL的列表视图可在恒定分割空间内部可垂直滚动。用户在分割空间外部的触摸输入(例如，轻敲或捏放大)或者击中返回键的触摸输入可以关闭列表视图(分割空间从中心关闭)并且返回到主题聚类视图。
在另一实施例中，基于知识图动态地修改UI的元素可以包括由第二电子装置104从服务器112接收本地化查询，其中该本地化查询包括语义内容。语义内容与存储在第二电子装置104中的知识图之间的语义相似度被计算,并且包括存储在第二电子装置104中的数据的推荐消息基于该语义相似度被显示在第一电子装置102的UI的元素上。
在操作410处，动态地修改显示在电子装置上的UI元素可以包括响应于触摸交互基于用户通过包含在电子装置中的触敏单元的触摸输入来动态地修改UI元素。
在操作412处，方法400包括频繁地监视电子装置中的数据源202的使用信息。方法400允许控制器模块312频繁地监视电子装置中的数据源202的使用信息。如果在操作414处确定了检测到使用信息中的改变，则在操作416处方法400包括使用增量模型来更新知识聚类，其中更新包括向知识聚类添加语义内容、对知识聚类进行分割或者对知识聚类进行合并。方法400允许控制器模块312使用增量模型来更新知识聚类，其中更新包括向知识聚类添加语义内容、对知识聚类进行分割或者对知识聚类进行合并。如果在操作414处确定了未检测到使用信息中的改变，则在操作412处方法400包括频繁地监视电子装置中的数据源202的使用信息。方法400允许控制器模块312频繁地监视电子装置中的数据源202的使用信息。
可以按照所呈现的顺序、按照不同的顺序或者同时执行方法400中的各种动作、行为、块、操作等。另外，在各种实施例中，可以在不脱离本公开的范围的情况下省略、添加、修改、跳过等一些动作、行为、块、操作等。
在方法400中，所监视的聚类可以作为UI元素通过电子装置的显示器来显示。
图5例示了根据本公开的一个实施例的聚类模块306的各种组件。
参考图5，主题模型首先由聚类模块306从预加载的主题特定文档构建。主题模型还基于用户使用电子装置来浏览的主题/URL得以更新。在一个实施例中，电子装置可以是第一电子装置102或第二电子装置104。经预加载的主题特定文档可以对用户屏蔽并且在构建初始主题模型时被使用。与总是构建全主题模型的常规LDA建模方法不同，使用了导致每当用户浏览新主题或URL时更新主题模型的增量建模。不需要保存全词语料库(full wordcorpus)，因为不需要从起始点构建全LDA模型。相反，存储仅主题词向量(即，与它们的概率值一起定义主题的词向量)。通过使用增量建模，能够减少资源，包括电子装置的电池使用和存储器使用二者。
当用户浏览到URL时，如果所浏览的URL得以适于用作文章文本，即，包含最少量的文本，则发起聚类过程。在从URL中去除停用词(即，在LDA模块内部发生阻止)之后，词语料库被发送到LDA模型。通常，可能不在浏览之后立即从事基于LDA的聚类过程，但是可以采用简单距离匹配(余弦)来在电子装置中做与经预加载的知识聚类的立即匹配以节省电池电力。聚类模型306在发起聚类过程之前等待用户浏览1-N个URL(例如，5个URL)。在一个实施例中，还对照经预加载的主题模型来执行聚类过程并且还更新由于被用户浏览的新URL的添加而导致对经预加载的主题向量的改变。在聚类指派的过程中，在聚类过程中使用文档主题地图。在决定所浏览的URL可能属于哪一个聚类时使用文档内的顶级主题分布。基于电子装置中的文档主题向量与经预加载的聚类模型的主题向量之间的余弦或其它距离度量来执行匹配。如果确定了匹配不在特定阈值内，则除经预加载的知识聚类之外还能够为用户创建文档的新知识聚类。
在一个实施例中，基于新文档在经预加载的知识聚类以及由用户基于新近浏览的URL而形成的新知识聚类中的添加，知识聚类的聚类标签得以更新。聚类标签还具有词向量指派，但是仅取来自向量的特定标记用于标注知识聚类。结合图6说明聚类标记过程的详细描述。在聚类标注的过程之后，来自主导文档(即，与主题最相关的文档)的图像被视为知识聚类的聚类背景。知识聚类中的URL是基于相关性而不是时间线放置的。URL可以基于其相关度高于特定阈值而属于一个或多个知识聚类。知识聚类与标题向量、URL和聚类图像一起被存储在如图5中所示出的聚类特定数据库(db)中。
在一个实施例中，对于多级聚类(即，知识聚类内的聚类)，聚类标签向量被用于确定关系。这里，内容主题模型未被使用并且基于主题关系在聚类之间建立父子同胞关系。聚类的父子同胞关系层次通过匹配和合并的过程而被存储在聚类数据库中。聚类查看器基于用户动作从聚类db直接接收知识聚类以用于渲染在电子装置的UI上。
在一个实施例中，用户能够通过将URL从一个聚类发送到另一聚类来修改聚类定义。在另一实施例中，用户还能够创建具有聚类标签的新聚类并且将URL从现有聚类发送到新聚类。一旦URL被发送，聚类定义就被自动地更新，使得除非由用户再次更新，否则与聚类的URL匹配的任何新用户浏览的URL匹配将被自动地更新为新聚类。如果用户向聚类发送新URL则发起针对聚类背景的图像提取。用户还能够通过改变其在聚类内的位置来提升URL的相关性。
在一个实施例中，在下面说明增量聚类和混合聚类过程。
增量聚类：在常规LDA方法中，在25个主题情况下使用2000次迭代对示例的300个URL的整个语料库大小执行的采样花费大约6分钟完成。随着用户历史数据随着时间的推移而增加，算法时间按指数因子增加，并且变得非常难以在客户端电子装置上本机运行算法。为了减小运行时间，实现了在减少算法的运行时间时实现显著改进的增量聚类过程。
增量过程：
加载先前保存的知识聚类模型；
基于先前的知识聚类模型，对URL文章数据的新集合做多项采样；
基于指派给主题的词的数量以及词的频率，在文章URL与主题之间计算语义相似度；
在过程结束时生成新聚类模型；
将新聚类模型附加到先前加载的知识聚类；并且
保存新聚类模型。
与常规系统不同，增量聚类过程需要用于对特定主题发起聚类过程的预加载的聚类模型。增量聚类过程节省电子装置的电池电力。随着过程完全在电子装置上运行，集成电路(IC)在资源节约方面提供显著的优点。
混合聚类：在混合聚类过程中，一组顶级主题(例如，诸如体育、健康、政治、文化与艺术、媒体等的15个顶级主题)被识别并且通过抓取与主题有关的web页面来为这些主题构建聚类模型。除顶级主题聚类之外，将存在未映射到被监督的主题中的任何URL将被累积的被称作“其它”的另一聚类。所有主要聚类也将具有被称作“其它”的子聚类。“其它”子聚类的行为无论在主要级别下还是在子聚类级别下都是相同的。如果映射成“其它”类别的URL的数量超过预设数量(例如，20)，则在提供主题的数量的估计的内容上触发无人监督的LDA。LDA需要多少主题存在于内容中并且为了理解存在多少主题，使用了基于密度的方法。基于密度的方法设法对与其它文档具有更多关联的文档进行分组并且在结束时，它返回需要形成的期望数量的组。
然后，对具有该数量的主题的“其它”类别运行LDA以生成新聚类。新聚类与内容一起形成在“其它”内部并且在“其它”聚类外部添加新聚类。所以，新聚类将在主要级别下或者在子聚类级别下合并。新聚类被附加到现有模型，使得为新聚类做出条目以用于增量建模。所以下次新URL被用户浏览时，也考虑聚类定义(或主题映射)，以检查新URL属于哪一个聚类。
在一个实施例中，在混合模式下维护多个较小的聚类模型。在一个实施例中，每个主要类别还将维护它自己的与其子聚类有关的增量模型。与常规系统不同，仅在“其它”类别内部的内容被维护直到“其它”内部的内容得以触发以用于聚类为止，在此之后还能够去除内容，从而导致空间节省。
图6是例示了根据本公开的实施例的用于标记聚类的方法600的流程图。
在操作602处，方法600包括提取特定知识聚类的所有URL和标题。方法600允许聚类模块306提取特定知识聚类的所有URL和标题。在操作604处，方法600包括从所提取的知识聚类的URL和标题中去除停用词。方法600允许聚类模块306从所提取的知识聚类的URL和标题中去除停用词。在操作606处，方法600包括基于词频(TF)和倒数文件频率(IDF)值来计算每个词的分数。方法600允许聚类模块306基于TF和IDF值来计算每个词的分数。在操作608处，方法600包括基于分数从所有词的列表中提取至多预定数量，例如，3个，停用词。该方法允许聚类模块306基于分数从所有词的列表中提取预定数量或更多的热词。在操作610处，方法600包括为知识聚类指派标签。方法600允许聚类模块306为知识聚类指派标签。
在一个实施例中，基于形成知识聚类的内容执行主题或聚类标记过程。存在用于执行聚类标记的若干方法。
传统方法之一是查找定义要构建的聚类的主题向量中的每个词的信息熵，并且将最适合的贡献者选择为标签。
另一传统方法是使用利用关键统计(例如，矩心等)的标签。
与常规系统不同，基于距离的方法被用于聚类标记。在下面描述聚类标记过程。
数据集：
排除域名的URL中的词标记；以及
主题中的每个文档的标题标记集和权重。
聚类标记过程：
标记从来自每个聚类的所有URL、标题中提取的所有词。
从所获得的词中去除停用词。
利用词和对应分数从剩余词创建标签向量。词的分数计算＝∑(该词在聚类中的词频/该词的倒数文件频率)；词在聚类中的词频＝∑(该词在特定URL中的词频*URL的权重/URL的归一化因子)；URL的归一化因子＝∑该URL中的每个词的(词频*词频)。
从通过按分数的降序考虑前10个词而形成的标签向量生成标签。
与常规系统不同，标题被考虑，因为它记载着文档的本质。它在一行中传达文档的意义，使得终端用户能够在存在词的情况下识别聚类。除域以外的URL词被考虑，因为大多数网站试图以诸如“domain_name/sports/iref＝**”或“domain_name/news/health_ref＝**”的有序格式存储文档，从而捕获该文档属于哪一个主题。并且，文档的权重被用来捕获文档在知识聚类中的相关性。这里，“TF/IDF”被使用代替“TF*IDF”，因为“IDF”是被用来使在搜索引擎的情况下跨越语料库出现更多次的词归一化的归一化因子，“TF/IDF”被使用，因为出现更多次的词在该词更可能是该特定聚类的标签时是需要的。
可以按照所呈现的顺序、按照不同的顺序或者同时执行方法600中的各种动作、行为、块、操作等。另外，在各种实施例中，可以在不脱离本公开的范围的情况下省略、添加、修改、跳过等一些动作、行为、块、操作等。
图7是例示了根据本公开的实施例的用于在第一电子装置102或第二电子装置104中动态地修改知识图的方法700的流程图。
在操作702处，方法700包括提取经处理的与用户关联的数据源202的使用信息。方法700允许数据分析器模块302提取经处理的与用户关联的数据源202的使用信息。在操作704处，方法700包括从用户的使用信息中提取本征向量(即，语义内容)。方法700允许语义分析器模块304从用户的使用信息中提取本征向量。
如果在操作706处确定了检测到从使用信息中提取的语义内容满足知识准则，则在操作708处，方法700包括将语义内容添加到知识聚类。方法700允许聚类模块306将语义内容添加到知识聚类。在操作712处，方法700包括基于距离度量对主题进行聚类。方法700允许聚类模块306基于距离度量对主题进行聚类。在操作714处，方法700包括修改知识图。方法700允许控制器模块312修改知识图。在操作716处，方法700包括将知识图暴露给查询服务。方法700允许控制器模块312将知识图暴露给查询服务。
如果在操作706处确定了从使用信息中提取的语义内容不满足知识准则，则在操作718处，该方法包括基于距离度量对主题进行聚类。方法700允许聚类模块306基于距离度量对主题进行聚类。在操作720处，方法700包括执行聚类标注过程。方法700允许聚类模块306执行聚类标注过程。在操作722处，方法700包括视需要修改聚类信息。方法700允许聚类模块306视需要修改聚类信息。
可以按照所呈现的顺序、按照不同的顺序或者同时执行方法700中的各种动作、行为、块、操作等。另外，在各种实施例中，可以在不脱离本公开的范围的情况下省略、添加、修改、跳过等一些动作、行为、块、操作等。
图8例示了根据本公开的实施例的存储在第一电子装置102或第二电子装置104中的知识图的通用表示。
参考图8，知识图具有从1至N的描述感兴趣主题或域知识的多个聚类。另外，知识聚类中的每一个包括具有针对每个主题和子主题指示的不同专门知识水平的一个或多个主题和子主题。另外，在主题和主题内识别的关键词能够被用来为知识图确定一个或多个词向量。例如，聚类-1和聚类-N是知识图中所识别的知识聚类并且这些聚类中的每一个包括诸如主题-1、主题-2、主题-3等的主题。另外，这些主题中的每一个包括诸如子主题-1、子主题-2、子主题-3等的子主题。另外，主题和子主题中的每一个被指示有包括专门知识-1、专门知识-2、专门知识-3等的不同专门知识水平。另外，连接不同的主题和子主题的虚线指示知识图中的词向量。例如，聚类-1能够描述关于主题政治的域知识并且聚类-N能够描述关于主题科学的域知识。另外，聚类(政治和科学)中的每一个分别可能包括主题办公室政治、政府政治以及物理和化学。另外，主题中的每一个可能包括诸如形而上学、纳米技术、有机化学、冶金学等的子主题。另外，这些主题和子主题中的每一个能够与专门知识水平关联。
图9示出了根据本公开的一个实施例的表示在一个或多个域中与第一用户的知识关联的第一电子装置102中的知识图108的示例例示。
参考图9，第一电子装置102具有知识图108，知识图108具有两个聚类，诸如，聚类-1：物理学，和，聚类-2：疾病。这两个聚类指示与第一电子装置102关联的第一用户有物理学和疾病域中的知识。物理学聚类可能包括诸如磁学、超物理学、核和纳米技术的主题。另外，这些主题中的每一个可能包括诸如磁性材料、地球磁场、力学、放射性、放射线、核结构与核力、衰变路径以及同位素的子主题。另外，这些主题和子主题中的每一个可以被指示有不同的专门知识水平。疾病聚类可以包括诸如疾病的表示为类型的类型、表示为治疗的疾病的治疗细节、针对疾病的类型的表示为患者细节的患者细节以及表示为最新新闻的关于疾病的最新新闻。另外，这些主题中的每一个可以与诸如内分泌、肠、疗法、基于地理的编号、男女比例、治愈患者数以及治疗的优选模式的子主题关联。另外，主题和子主题中的每一个可以被指派有不同的专门知识水平。另外，可以在被认为比两个不同的聚类少的两个子主题之间创建词向量并且可以针对不同的关键词在同一聚类内创建词向量。例如，知识图108中所示出的词向量中的一个能够被解释为使用磁性材料的针对疾病的疗法治疗。知识图108中所示出的另一词向量能够被解释为基于放射线的针对疾病的治疗。词向量连接该聚类或两个不同的聚类内的主题、子主题、关键词并且为用户提供上下文信息。
图10A和图10B是根据本公开的各种实施例的确定与存储在第一电子装置102中的知识图108以及存储在第二电子装置104中的知识图110关联的信息中的差异的示例例示。
图10A示出了存储在第一电子装置102中的知识图108。知识图108包括描述和第一电子装置102有关的域知识的两个聚类：物理学和疾病。另外，知识图108指示第一电子装置102在放射性方面具有较高的专门知识水平。另外，知识图108包括另一聚类疾病，其具有在基于地理的数量子主题下面的男女比例子主题。
图10B示出了存储在第二电子装置104中的知识图110。知识图110包括描述第二电子装置104的域知识的聚类物理学和疾病。另外，知识图110指示与在第一电子装置102中针对相同放射性而指示的专门知识水平相比第二电子装置104在放射性方面具有较低专门知识水平。另外，包含疾病作为聚类的第一电子装置102中所描述的知识图108在基于地理的数量子主题下面不具有男女比例子主题。因此，存储在第一电子装置102中的知识图108以及存储在第二电子装置104中的知识图110描述相同的域知识。然而，专门知识水平以及在不同水平下提供的信息的水平分别在第一电子装置102和第二电子装置104中变化。
图11是根据本公开的一个实施例的当在第一电子装置102上浏览数据时确定第一用户的隐式意图的示例例示。
参考图11，第一电子装置102在浏览器上显示与关于物理学的主题有关的web页面。另外，数据分析器模块302被配置为提取浏览器上显示的一个或多个关键词。例如，从web页面中提取了诸如static electricity(静电)、electric current(电流)、waves(波)、sound waves and music(声波与音乐)、light waves and color(光波与颜色)的关键词。另外，语义分析器模块304能够被配置为确定语义上关联的提取的关键词，诸如resonanceand standing waves(谐振和驻波)、physics of musical instruments(乐器的物理学)、diffraction and interferences(衍射和干涉)等。另外，控制器模块312能够被配置为确定第一用户从一个或多个第二电子装置104得到关于物理学的信息的隐式意图。
图12A和图12B示出了根据本公开的各种实施例的基于与应用关联的搜索查询来在用户的社交圈子中确定专家的示例例示。
参考图12A，第一电子装置102在第一电子装置102的UI上显示查询选集。另外，该方法允许第一用户在第一电子装置102的UI上指定查询。例如，有关关于汽车的信息的查询由第一用户在第一电子装置102的UI上提供。另外，该方法允许控制器模块312解释查询，并且基于在该查询与存储在第一级联系人的知识图中的信息之间计算的语义相似度来提供第一级联系人(即，第一级联系人-1、第一级联系人-2和第一级联系人-3)的列表。参考图12A，联系人的第一级是能够为经解释的查询提供信息的朋友中的第一圈子。
在一个实施例中，朋友列表的第一圈子被存储在数据源202(即，应用)中，在这里提供搜索查询。
另外，联系人-1a的第一级包括能够为搜索查询提供信息的联系人中的第二圈子。另外，用户能够通过选择设置在联系人-1的第一级外的椭圆来选择联系人的第二圈子(即，第一级联系人-1a、第一级联系人-1b以及第一级联系人-1c)。
参考图12B，第一电子装置102列举与第二电子装置104关联的第一级联系人-1中可用的联系人的第二圈子。例如，第一级联系人-1的联系人的第二圈子包括第一级联系人-1a、第一级联系人-1b以及第一级联系人-1c。基于在第一电子装置102上提供的联系人列表，该方法允许通信模块316在第一用户与从第一级联系人的列表中选择的联系人之间建立连接以用于共享信息。
图13例示了根据一个示例性URL的用于由第一电子装置102的第一用户动态地修改浏览的URL的示例例示。
考虑如图13中所示出的第一用户浏览了(或者正在浏览)URL的场景。第一电子装置102在开始聚类过程之前等待第一用户浏览固定数量的URL。这里，第一用户浏览3个新闻站点URL、1个股票市场URL、1个棒球URL以及1个音乐URL。最初，第一电子装置102将使用诸如体育聚类、新闻聚类、音乐聚类、CNN聚类以及IPL聚类的经预加载的聚类模型来开始将用户已经浏览(或者正在浏览)的一个或多个URL映射成对应的聚类。在将用户浏览的URL映射到所对应的聚类之前，第一电子装置102从所浏览的URL中提取语义内容，其中语义包括词向量或结构数据或主题或标记。第一电子装置102使用增量模型来映射语义内容以将用户浏览的URL分类为知识聚类。
如图13中所示，第一电子装置102将3个新闻站点URL分类为新闻聚类，将1个棒球URL分类为体育聚类，将1个音乐URL分类为音乐聚类。当对于股票市场不存在单独的聚类时，1个股票市场URL被分类为在体育聚类下面的“其它”聚类；从而，动态地修改第一电子装置102的UI的浏览器内容显示。
第一电子装置102可以将经URL分类的个别聚类显示为聚类UI。聚类UI，它是形式为消息气泡或窗口的图形用户界面(GUI)，可以符合以上在图4中的操作410处所讨论的可视化规则。
在具有形式为消息气泡或窗口的GUI的聚类UI中，聚类的主题或标题可以作为文本或代表性图像(例如，缩略图)通过显示器来显示。另外，与聚类关联的URL的数量可以作为数字与文本或代表性图像一起被进一步显示。
第一电子装置102通过显示器将与主题聚类级别-1关联的聚类(例如，体育聚类、新闻聚类、音乐聚类、CNN聚类和IPL聚类)作为聚类UI来显示，并且从第一用户接收触摸输入(或触摸交互)。如以上在图4中的操作410处所讨论的，触摸输入可以是轻敲输入或捏缩放(双指缩放)手势。当关于与主题聚类级别-1关联的聚类从第一用户接收到触摸输入时，第一电子装置102可以显示子聚类(或主题聚类级别-2)。
在一个实施例中，如果关于与主题聚类级别-1关联的聚类从第一用户接收到轻敲输入或捏缩小输入，则第一电子装置102可以通过显示器来显示至少一个子聚类(或主题聚类级别-2)。
例如，当关于体育聚类从第一用户接收到轻敲输入或捏缩小输入时，第一电子装置102可以通过显示器来将体育聚类的子聚类(或主题聚类级别-2)(例如，板球聚类、曲棍球聚类、棒球聚类、游泳聚类、纸牌聚类以及象棋聚类)显示为聚类UI。
像主题聚类级别-1一样，子聚类(或主题聚类级别-2)可以将聚类显示为具有形式为消息气泡或窗口的GUI的聚类UI。这时，聚类UI可以将聚类的主题或标题显示为文本或代表性图像(例如，缩略图)并且还将与聚类关联的URL的数量显示为数字。
如图13中所示，体育聚类具有诸如板球聚类、曲棍球聚类、棒球聚类、游泳聚类、纸牌聚类和象棋聚类的子聚类。例如，预定义聚类模型被存储在第一电子装置102中。与预定义聚类一起，通用聚类模型也被存储在第一电子装置102中。每当第一用户浏览一定数量的URL时，第一电子装置102确定所浏览的URL与预定义聚类之间的主题相似度。如果确定了检测到主题相似度，则第一电子装置102将用户浏览的URL映射到预定义聚类。如果确定了未检测到主题相似度，则第一电子装置102将URL映射到通用聚类。如果通用聚类超过一定数量的URL，则第一电子装置102在通用聚类上运行LDA聚类模型以确定新聚类。
如果在子聚类被显示在显示器上的同时再次从第一用户接收到轻敲输入或捏放大输入，则第一电子装置102可以显示主题聚类级别-1的聚类UI。
图14是根据本公开的一个实施例的用于由第一电子装置102的第一用户动态地修改打开的选项卡的示例例示。
考虑第一用户正在通过在浏览器操作中打开一个或多个选项卡(例如，多达50个选项卡)来同时访问不同的web页面的场景。第一用户通过在第一电子装置102的浏览器应用中打开6个选项卡来访问3个新闻web页面和3个电影web页面，如图14中所示(为了方便仅示出了2个打开的选项卡)。在另一场景中，用户能够通过在浏览器应用中打开50个选项卡来同时访问多达50个web页面。基于由用户通过同时打开6个选项卡访问的web页面的语义相似度能够被分组成知识聚类。如图14中所示，与新闻web页面对应的3个打开的选项卡被分类在新闻聚类下面，并且与电影web页面对应的3个打开的选项卡被分类在电影聚类下面。
图15A和图15B是根据本公开的各种实施例的确定用户的意图并且显示愿意帮助用户的意图的与第二电子装置104关联的一个或多个专家的示例例示。
如果用户正在浏览具有特定信息的网站，则电子装置可以将用户的意图理解为期望搜索该特定信息。在识别用户的意图之后，电子装置可以通过显示器作为UI来显示与特定信息关联的专家或其它人的联系人。与联系人一起，可以显示联系人所有者的位置、联系人所有者的通信可用性以及通信的手段中的至少一个。
参考图15A，用户正在浏览有关于妊娠糖尿病的信息的网站。另外，当与第一电子装置102关联的第一用户更多在与妊娠糖尿病有关的主题上浏览时，第一电子装置102确定用户的意图，即“妊娠糖尿病”。在识别用户的意图之后，所提出的方法显示在网络106内并且在用户的附近内识别的一个或多个专家。另外，该方法允许用户基于专家的可用性与浏览器中所显示的一个或多个专家进行通信。另外，图15B示出了所提出的方法允许第一用户在与在第一电子装置102中运行的应用关联的综合条中提供搜索查询。在当前示例中，第一用户正在提供用于在存储在第一电子装置102中的第一用户的联系人的第一圈子中检索与汽车有关的信息的查询。基于该查询，第一电子装置102显示存储在第一电子装置102的联系人的第一圈子并且允许第一用户从联系人的第一圈子中选择联系人的第二圈子。另外，第一用户能够选择第一电子装置102上显示的一个或多个联系人以检索关于汽车的更多信息。
图16例示了根据本公开的一个实施例的实现用于基于用户知识图动态地修改电子装置的UI的一个或多个元素的方法和系统的计算环境。
参考图16，计算环境1602包括配备有控制单元1604和算术逻辑单元(ALU)1606的至少一个处理单元1608、存储器1610、存储单元1612、多个联网装置1616以及多个输入输出(I/O)装置1614。处理单元1608负责处理算法的指令。处理单元1608从控制单元接收命令以便执行其处理。另外，在指令的执行中涉及的任何逻辑和算术操作是在ALU 1606的帮助下计算的。
总体计算环境1602能够由多个同构和/或异构核心、不同种类的多个CPU、特殊媒体和其它加速器组成。处理单元1608负责处理算法的指令。另外，多个处理单元1608可以位于单个芯片上或者位于多个芯片上方。
由实现所需要的指令和代码组成的算法被存储在存储器单元1610或存储部1612或二者中。在执行时，指令可以从所对应的存储器1610和/或存储部1612中预取，并且由处理单元1608执行。
在任何硬件实现的情况下，各种联网装置1616或外部I/O装置1614可以连接到计算环境，以通过联网单元和I/O装置单元来支持实现。
能够通过在至少一个硬件装置上运行并且执行网络管理功能以控制元件的至少一个软件程序来实现本文所公开的各种实施例。图1A、图1B、图2、图3、图5、图12A、图12B、图13、图14和图16中所示出的元件可以是硬件装置中的至少一个，或硬件装置和软件模块的组合。
虽然已经参考本公开的各种实施例示出并描述了本公开，但是本领域的技术人员应当理解，在不脱离如由所附权利要求所限定的本发明的精神和范围的情况下，可以在其中做出形式和细节上的各种改变。

Claims (15)

1.一种用于动态地修改第一电子装置的用户界面(UI)的至少一个元素的方法，该方法包括：
整理所述第一电子装置中的与用户关联的至少一个数据源的使用信息，其中每个数据源是在所述第一电子装置中使用的至少一个条目或在所述第一电子装置上运行的任何应用；
将经整理的使用信息分类为至少一个知识聚类，其中所述分类包括从使用信息中提取语义内容并映射所提取的语义内容以将经整理的使用信息分类为所述至少一个知识聚类；
以知识图中的至少一个知识节点以及所述至少一个知识节点之间的至少一个链接的形式存储包括所述至少一个知识聚类的知识图；以及
基于所述知识图动态地修改所述UI的所述至少一个元素，其中所述动态修改包括从所述知识图中识别所述至少一个知识聚类并将所识别的至少一个知识聚类显示为所述UI的所述至少一个元素。
2.根据权利要求1所述的方法，其中所述知识图被本地存储在所述第一电子装置中。
3.根据权利要求1所述的方法，其中所述语义内容包括词向量、结构数据、主题或标记中的至少一个，
其中所述词向量连接映射到所述知识图中的至少两个条目的提取的语义内容，
其中所述知识图中的每个条目包括关联的用户专门知识，
其中所述至少一个知识聚类被增量更新。
4.根据权利要求1所述的方法，其中所述方法还包括：
在基于知识的辅助网络中与第二电子装置共享所述第一电子装置的所述知识图；
监视所述第一电子装置中的所述至少一个数据源的所述使用信息；以及
使用增量模型基于所述监视来更新所述至少一个知识聚类，其中所述更新包括向所述至少一个知识聚类添加语义内容、对所述至少一个知识聚类进行分割以及对所述至少一个知识聚类进行合并中的至少一个。
5.根据权利要求1所述的方法，其中所述知识图中的所述至少一个知识节点被加权以说明用户的知识的动态性质。
6.根据权利要求1所述的方法，其中基于所述知识图动态地修改所述UI的所述至少一个元素包括：
从服务器接收来自第二电子装置的本地化查询，其中所述本地化查询包括至少一个语义内容；
计算所述至少一个语义内容与存储在所述第二电子装置中的知识图之间的语义相似度；以及
基于所述语义相似度在所述第一电子装置的所述UI的所述至少一个元素上显示推荐消息，其中所述推荐消息包括关于所述第二电子装置的数据。
7.根据权利要求1所述的方法，其中基于所述知识图动态地修改所述UI的所述至少一个元素包括：
根据一个或多个规则在所述UI上显示一个或多个聚类；以及
响应于用户的触摸输入而在所述UI上显示所述一个或多个聚类的下部聚类或上部聚类。
8.根据权利要求1所述的方法，其中所述使用信息包括浏览历史，并且该方法进一步包括：
基于所述浏览历史来分析语义内容；以及
根据分析的语义内容在所述UI上显示一个或多个聚类。
9.一种电子装置，其包括：
通信模块；
显示器，其被配置为显示用户界面(UI)；
触敏单元，其被配置为接收用户的触摸输入；以及
处理器，其被配置为整理所述电子装置中的与用户关联的至少一个数据源的使用信息，其中每个数据源是在所述电子装置中使用的至少一个条目或在所述电子装置上运行的任何应用，
将经整理的使用信息分类为至少一个知识聚类，其中所述分类包括从使用信息中提取语义内容并映射所提取的语义内容以将经整理的使用信息分类为所述至少一个知识聚类，
以知识图中的至少一个知识节点以及所述至少一个知识节点之间的至少一个链接的形式存储包括所述至少一个知识聚类的知识图，并且
基于所述知识图动态地修改所述UI的至少一个元素，其中所述动态修改包括从所述知识图中识别所述至少一个知识聚类并将所识别的至少一个知识聚类显示为所述UI的所述至少一个元素。
10.根据权利要求9所述的电子装置，其中所述知识图被本地存储在所述电子装置中。
11.根据权利要求9所述的电子装置，其中所述语义内容包括词向量、结构数据、主题或标记中的至少一个，
其中所述至少一个知识聚类被增量更新。
12.根据权利要求9所述的电子装置，其中所述知识图中的所述至少一个知识节点被加权以说明用户的知识的动态性质。
13.根据权利要求9所述的电子装置，其中所述处理器还被配置为：
从服务器接收来自其它电子装置的本地化查询，其中所述本地化查询包括至少一个语义内容；
计算所述至少一个语义内容与存储在所述其它电子装置中的知识图之间的语义相似度；并且
基于所述语义相似度在所述电子装置的所述UI的所述至少一个元素上显示推荐消息，其中所述推荐消息包括关于所述其它电子装置的数据。
14.根据权利要求9所述的电子装置，其中所述处理器还被配置为：
监视所述电子装置中的所述至少一个数据源的所述使用信息；并且
使用增量模型基于所述监视来更新所述至少一个知识聚类，
其中所述处理器进一步配置成通过向所述至少一个知识聚类添加语义内容、对所述至少一个知识聚类进行分割以及对所述至少一个知识聚类进行合并中的至少一个，来更新所述至少一个知识聚类。
15.根据权利要求9所述的电子装置，其中所述使用信息包括浏览历史，并且
其中所述处理器还被配置为：
基于所述浏览历史来分析语义内容；以及
根据分析的语义内容在所述UI上显示一个或多个聚类。
CN201580008712.0A 2014-02-13 2015-02-11 基于知识图动态地修改用户界面的元素 Expired - Fee Related CN106030571B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
IN673/CHE/2014 2014-10-10
KR1020150019445A KR102131099B1 (ko) 2014-02-13 2015-02-09 지식 그래프에 기초한 사용자 인터페이스 요소의 동적 수정 방법
KR10-2015-0019445 2015-02-09
IN673CH2014 IN2014CH00673A (zh) 2014-02-13 2015-02-11
PCT/KR2015/001389 WO2015122691A1 (en) 2014-02-13 2015-02-11 Dynamically modifying elements of user interface based on knowledge graph

Publications (2)

Publication Number Publication Date
CN106030571A CN106030571A (zh) 2016-10-12
CN106030571B true CN106030571B (zh) 2020-07-03

Family

ID=54058549

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580008712.0A Expired - Fee Related CN106030571B (zh) 2014-02-13 2015-02-11 基于知识图动态地修改用户界面的元素

Country Status (6)

Country Link
US (2) US10140384B2 (zh)
EP (1) EP3105668A4 (zh)
KR (1) KR102131099B1 (zh)
CN (1) CN106030571B (zh)
IN (1) IN2014CH00673A (zh)
WO (1) WO2015122691A1 (zh)

Families Citing this family (66)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8285719B1 (en) 2008-08-08 2012-10-09 The Research Foundation Of State University Of New York System and method for probabilistic relational clustering
US9959364B2 (en) * 2014-05-22 2018-05-01 Oath Inc. Content recommendations
US10078651B2 (en) 2015-04-27 2018-09-18 Rovi Guides, Inc. Systems and methods for updating a knowledge graph through user input
CN106295337B (zh) * 2015-06-30 2018-05-22 安一恒通（北京）科技有限公司 用于检测恶意漏洞文件的方法、装置及终端
US20170024375A1 (en) * 2015-07-26 2017-01-26 Microsoft Technology Licensing, Llc Personal knowledge graph population from declarative user utterances
US10558718B2 (en) * 2015-11-03 2020-02-11 Dell Products, Lp Systems and methods for website improvement
EP3391242A4 (en) 2015-12-14 2019-05-22 Microsoft Technology Licensing, LLC TECHNIQUE FACILITATING THE DISCOVERY OF INFORMATION ELEMENTS USING A DYNAMIC KNOWLEDGE GRAPHIC
CN105808526B (zh) * 2016-03-30 2019-07-30 北京京东尚科信息技术有限公司 商品短文本核心词提取方法和装置
US10503832B2 (en) * 2016-07-29 2019-12-10 Rovi Guides, Inc. Systems and methods for disambiguating a term based on static and temporal knowledge graphs
US10229184B2 (en) * 2016-08-01 2019-03-12 International Business Machines Corporation Phenomenological semantic distance from latent dirichlet allocations (LDA) classification
US10242002B2 (en) * 2016-08-01 2019-03-26 International Business Machines Corporation Phenomenological semantic distance from latent dirichlet allocations (LDA) classification
US9740368B1 (en) * 2016-08-10 2017-08-22 Quid, Inc. Positioning labels on graphical visualizations of graphs
US9787705B1 (en) 2016-08-19 2017-10-10 Quid, Inc. Extracting insightful nodes from graphs
US10558657B1 (en) * 2016-09-19 2020-02-11 Amazon Technologies, Inc. Document content analysis based on topic modeling
US11176423B2 (en) * 2016-10-24 2021-11-16 International Business Machines Corporation Edge-based adaptive machine learning for object recognition
US20180144257A1 (en) * 2016-11-21 2018-05-24 Sap Se Cognitive enterprise system
US11275894B2 (en) 2016-11-21 2022-03-15 Sap Se Cognitive enterprise system
CN106682221B (zh) * 2017-01-04 2020-04-21 上海智臻智能网络科技股份有限公司 问答交互的响应方法、装置及问答系统
US10165064B2 (en) * 2017-01-11 2018-12-25 Google Llc Data packet transmission optimization of data used for content item selection
KR101914853B1 (ko) 2017-02-08 2018-11-02 경북대학교 산학협력단 논리적 속성이 반영된 지식 그래프 임베딩 방법 및 시스템, 이를 수행하기 위한 기록매체
CN108875760A (zh) * 2017-05-11 2018-11-23 阿里巴巴集团控股有限公司 聚类方法和装置
EP3631650A4 (en) 2017-05-26 2020-10-28 Microsoft Technology Licensing, LLC RECOMMENDED BY FRIENDS FOR AUTOMATED CHAT
US10235365B2 (en) * 2017-06-20 2019-03-19 Microsoft Technology Licensing, Llc Transforming spoken thoughts to a visual representation
US10311405B2 (en) * 2017-07-20 2019-06-04 Ca, Inc. Software-issue graphs
US20190042950A1 (en) * 2017-08-01 2019-02-07 Ca, Inc. Learning computing activities and relationships using graphs
US10885065B2 (en) * 2017-10-05 2021-01-05 International Business Machines Corporation Data convergence
US10691747B2 (en) * 2017-11-16 2020-06-23 Google Llc Association of data items and objects
US10824675B2 (en) * 2017-11-17 2020-11-03 Microsoft Technology Licensing, Llc Resource-efficient generation of a knowledge graph
US10534587B1 (en) 2017-12-21 2020-01-14 Intuit Inc. Cross-platform, cross-application styling and theming infrastructure
US11157259B1 (en) 2017-12-22 2021-10-26 Intuit Inc. Semantic and standard user interface (UI) interoperability in dynamically generated cross-platform applications
US10732952B1 (en) * 2018-02-06 2020-08-04 Intuit, Inc. Deployment and customization of applications at the widget level
US10497366B2 (en) * 2018-03-23 2019-12-03 Servicenow, Inc. Hybrid learning system for natural language understanding
US11146514B2 (en) * 2018-05-07 2021-10-12 Apple Inc. Sharing content in a messaging application
CN108846429B (zh) * 2018-05-31 2023-04-07 清华大学 基于无监督学习的网络空间资源自动分类方法及装置
US11250041B2 (en) * 2018-06-03 2022-02-15 Apple Inc. Expanding indexed terms for searching files
US10776337B2 (en) * 2018-07-06 2020-09-15 International Business Machines Corporation Multi-dimensional knowledge index and application thereof
US10915820B2 (en) * 2018-08-09 2021-02-09 Accenture Global Solutions Limited Generating data associated with underrepresented data based on a received data input
KR102669026B1 (ko) * 2018-10-26 2024-05-27 삼성전자주식회사 전자 장치 및 이의 제어 방법
CN109634698B (zh) * 2018-11-12 2023-01-20 平安科技（深圳）有限公司 菜单显示方法、装置、计算机设备及存储介质
US11475318B2 (en) * 2019-05-29 2022-10-18 Kyndryl, Inc. Automated resolution of over and under-specification in a knowledge graph
CN110232157B (zh) * 2019-06-18 2024-02-02 绍兴文理学院 一种基于内容的隐私保护图书推荐方法及系统
US11227018B2 (en) * 2019-06-27 2022-01-18 International Business Machines Corporation Auto generating reasoning query on a knowledge graph
US11487945B2 (en) 2019-07-02 2022-11-01 Servicenow, Inc. Predictive similarity scoring subsystem in a natural language understanding (NLU) framework
CN110609903B (zh) * 2019-08-01 2022-11-11 华为技术有限公司 信息表示方法及装置
US11709878B2 (en) 2019-10-14 2023-07-25 Microsoft Technology Licensing, Llc Enterprise knowledge graph
US11194840B2 (en) 2019-10-14 2021-12-07 Microsoft Technology Licensing, Llc Incremental clustering for enterprise knowledge graph
KR20210045837A (ko) * 2019-10-17 2021-04-27 삼성전자주식회사 지식 그래프를 업데이트하는 시스템 및 방법
US11216492B2 (en) 2019-10-31 2022-01-04 Microsoft Technology Licensing, Llc Document annotation based on enterprise knowledge graph
US11769240B2 (en) * 2019-11-26 2023-09-26 International Business Machines Corporation Collaborative cognitive analysis of digital media streams
KR102183053B1 (ko) * 2020-02-14 2020-11-25 국방과학연구소 지식 그래프를 정제하기 위한 장치, 방법, 컴퓨터 판독 가능한 기록 매체 및 컴퓨터 프로그램
US11176137B2 (en) 2020-02-19 2021-11-16 Bank Of America Corporation Query processing platform for performing dynamic cluster compaction and expansion
US11921764B2 (en) * 2020-03-12 2024-03-05 Accenture Global Solutions Limited Utilizing artificial intelligence models to manage and extract knowledge for an application or a system
US11763044B2 (en) 2020-04-15 2023-09-19 Canva Pty Ltd Systems and methods for automatically grouping design elements
CN111563166B (zh) * 2020-05-28 2024-02-13 浙江学海教育科技有限公司 一种针对数学问题分类的预训练模型方法
US20210406270A1 (en) * 2020-06-30 2021-12-30 Microsoft Technology Licensing, Llc Leveraging Interlinking Between Information Resources to Determine Shared Knowledge
JP7353247B2 (ja) * 2020-07-31 2023-09-29 ウーブン・バイ・トヨタ株式会社 情報検索表示システム
CN112100405B (zh) * 2020-09-23 2024-01-30 中国农业大学 一种基于加权lda的兽药残留知识图谱构建方法
CN112925918B (zh) * 2021-02-26 2023-03-24 华南理工大学 一种基于疾病领域知识图谱的问答匹配系统
US11556316B2 (en) * 2021-03-31 2023-01-17 Intuit Inc. Distributed extensible dynamic graph
CN117063172A (zh) * 2021-05-31 2023-11-14 西门子股份公司 信息处理方法、在控制图中定位子控制图的方法和装置
US20230029058A1 (en) * 2021-07-26 2023-01-26 Microsoft Technology Licensing, Llc Computing system for news aggregation
KR20240090132A (ko) * 2021-10-20 2024-06-21 엘지전자 주식회사 무선 통신 시스템에서 시멘틱 통신을 지원을 하기 위한 방법 및 그 장치
CN115423569B (zh) * 2022-09-23 2023-09-01 厦门淦启莱科技有限公司 一种基于大数据的推荐方法及基于大数据的推荐系统
KR102520414B1 (ko) * 2022-11-23 2023-04-11 주식회사 큐레아 지식 그래프를 생성하는 기법
US20240303281A1 (en) * 2023-03-09 2024-09-12 Pricewaterhousecoopers Llp Method and apparatus for knowledge representation and reasoning in accounting
CN116911269B (zh) * 2023-06-05 2024-02-20 杭州观远数据有限公司 一种聚合数据修改拆分至明细的方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6038560A (en) * 1997-05-21 2000-03-14 Oracle Corporation Concept knowledge base search and retrieval system
US8479122B2 (en) * 2004-07-30 2013-07-02 Apple Inc. Gestures for touch sensitive input devices
WO2000046701A1 (en) * 1999-02-08 2000-08-10 Huntsman Ici Chemicals Llc Method for retrieving semantically distant analogies
WO2001055870A1 (en) * 2000-01-26 2001-08-02 Yefim Zhuk Distributed active knowledge and process base
US7533074B2 (en) * 2004-07-23 2009-05-12 Sap Ag Modifiable knowledge base in a mobile device
CN100545856C (zh) * 2006-10-11 2009-09-30 北京新岸线网络技术有限公司 视频内容分析系统
US20080227440A1 (en) * 2007-03-16 2008-09-18 Vinay Kumar Chowdary Settepalli Methods and apparatus for discovering and updating a mobile device via user behavior
US7933856B2 (en) * 2007-10-12 2011-04-26 Los Alamos National Security Llc System and method for knowledge based matching of users in a network
JP5224868B2 (ja) * 2008-03-28 2013-07-03 株式会社東芝 情報推薦装置および情報推薦方法
US8306987B2 (en) * 2008-04-03 2012-11-06 Ofer Ber System and method for matching search requests and relevant data
US9092437B2 (en) * 2008-12-31 2015-07-28 Microsoft Technology Licensing, Llc Experience streams for rich interactive narratives
CN101820398A (zh) * 2009-02-27 2010-09-01 国际商业机器公司 一种动态管理通讯组的即时通讯工具及其方法
US8924419B2 (en) * 2010-03-31 2014-12-30 Salesforce.Com, Inc. Method and system for performing an authority analysis
US20120158791A1 (en) * 2010-12-21 2012-06-21 Microsoft Corporation Feature vector construction
KR101229752B1 (ko) * 2011-06-01 2013-02-05 엘지전자 주식회사 이동 단말기 및 이동 단말기의 제어 방법
JP5238872B2 (ja) * 2011-12-02 2013-07-17 株式会社東芝 情報処理装置、表示制御方法およびプログラム
US20130318025A1 (en) * 2012-05-23 2013-11-28 Research In Motion Limited Apparatus, and associated method, for slicing and using knowledgebase
US9576042B2 (en) * 2012-08-01 2017-02-21 Google Inc. Categorizing search terms
US9390174B2 (en) * 2012-08-08 2016-07-12 Google Inc. Search result ranking and presentation
KR20140036858A (ko) * 2012-09-18 2014-03-26 삼성전자주식회사 평가 정보를 제공하기 위한 사용자 단말 장치와 네트워크 서버 장치 및 그 방법들
US20140236570A1 (en) * 2013-02-18 2014-08-21 Microsoft Corporation Exploiting the semantic web for unsupervised spoken language understanding
CN104008106B (zh) * 2013-02-25 2018-07-20 腾讯科技（深圳）有限公司 一种获取热点话题的方法及装置
US20140297644A1 (en) * 2013-04-01 2014-10-02 Tencent Technology (Shenzhen) Company Limited Knowledge graph mining method and system
US10216842B2 (en) * 2013-06-03 2019-02-26 Google Llc Method for clustering results from a same channel
US20150310491A1 (en) * 2014-04-29 2015-10-29 Yahoo! Inc. Dynamic text ads based on a page knowledge graph
US9997157B2 (en) * 2014-05-16 2018-06-12 Microsoft Technology Licensing, Llc Knowledge source personalization to improve language models
US20150370787A1 (en) * 2014-06-18 2015-12-24 Microsoft Corporation Session Context Modeling For Conversational Understanding Systems
US20160098645A1 (en) * 2014-10-02 2016-04-07 Microsoft Corporation High-precision limited supervision relationship extractor

Also Published As

Publication number Publication date
US20160103932A1 (en) 2016-04-14
KR20150095577A (ko) 2015-08-21
IN2014CH00673A (zh) 2015-08-14
WO2015122691A1 (en) 2015-08-20
CN106030571A (zh) 2016-10-12
US10140384B2 (en) 2018-11-27
KR102131099B1 (ko) 2020-08-05
US20190073434A1 (en) 2019-03-07
US10977311B2 (en) 2021-04-13
EP3105668A4 (en) 2017-11-08
EP3105668A1 (en) 2016-12-21

Similar Documents

Publication Publication Date Title
US10977311B2 (en) Dynamically modifying elements of user interface based on knowledge graph
JP7201730B2 (ja) 意図推薦方法、装置、機器及び記憶媒体
Roy et al. Towards cross-domain learning for social video popularity prediction
US8358308B2 (en) Using visual techniques to manipulate data
Bayrakdar et al. Semantic analysis on social networks: A survey
US9251473B2 (en) Identifying salient items in documents
US20150095407A1 (en) Recommending content in a client-server environment
US9836525B2 (en) Categorizing hash tags
US10489470B2 (en) Method and system for filtering content in an electronic device
CN109471978A (zh) 一种电子资源推荐方法及装置
CN113010795A (zh) 用户动态画像生成方法、系统、存储介质及电子设备
Schinas et al. Mgraph: multimodal event summarization in social media using topic models and graph-based ranking
CN112989167B (zh) 搬运账号的识别方法、装置、设备及计算机可读存储介质
Gong [Retracted] A Personalized Recommendation Method for Short Drama Videos Based on External Index Features
Zhang et al. A refined method for detecting interpretable and real-time bursty topic in microblog stream
CN113868481A (zh) 组件获取方法、装置及电子设备和存储介质
Noor Ifada et al. An efficient tagging data interpretation and representation scheme for item recommendation
De Maio et al. Online query-focused twitter summarizer through fuzzy lattice
JP2008210335A (ja) 意識体系構築装置、意識体系構築方法および意識体系構築プログラム
Jiang et al. A personalized search engine model based on RSS User's interest
Messina et al. Multimodal aggregation and recommendation technologies applied to informative content distribution and retrieval
Gao et al. Real-time and personalized search over a microblogging system
KR102361157B1 (ko) 전자 장치 및 전자 장치에서 컨텐츠 필터링 방법 및 시스템
Tarbani et al. Aggregation of Semantically Similar News Articles with the Help of Embedding Techniques and Unsupervised Machine Learning Algorithms: A Machine Learning Application with Semantic Technologies
Zhang et al. Recommending third-party APIs via using lightweight graph convolutional neural networks

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200703