CN106203761A - 提取并显现来自数据源的用户工作属性 - Google Patents

Abstract

本公开涉及提取并显现来自数据源的用户工作属性。在一个示例中，一种计算系统包括显示系统、被配置成更新给定用户的用户简档的用户简档更新系统、被配置成分析数据源并从该数据源中提取与给定用户相关联的至少一个工作属性的数据提取系统、以及显现系统。显现系统包括被配置成基于至少一个工作属性来生成用户简档建议的建议生成器组件，以及显示系统控制器，该显示系统控制器被配置成控制该显示系统以生成具有用户输入机制的显示用户简档建议的用户界面显示并检测与用户输入机制的用户交互。用户简档更新系统基于检测到的用户交互来更新用户简档。

Description

提取并显现来自数据源的用户工作属性

技术领域

本公开涉及计算系统，尤其涉及提取并显现来自数据源的用户工作属性。

背景技术

各组织通常包括执行各种任务和活动以履行组织操作的用户。例如，服务业或基于项目的组织具有被分解成各个活动的项目。需要执行每一个活动以完成项目。

组织内的用户经常想要查找关于该组织内的人的工作属性或其他工作相关信息。例如，用户可以查找组织中的具有特定工作经验(例如，当前和/或过往项目或其他工作)的某个人。例如，用户可能期望找到特定领域内的专家。

提供以上讨论仅用作一般的背景信息，并不旨在帮助确定所要求保护的主题的范围。

发明内容

在一个示例中，一种计算系统包括显示系统、更新给定用户的用户简档的用户简档更新系统、分析数据源并从该数据源中提取与给定用户相关联的至少一个工作属性的数据提取系统、以及显现系统。显现系统包括基于至少一个工作属性来生成用户简档建议的建议生成器组件，以及显示系统控制器，该显示系统控制器控制显示系统以生成具有用户输入机制的显示用户简档建议的用户界面显示并检测与用户输入机制的用户交互。用户简档更新系统基于检测到的用户交互来更新用户简档。

提供本发明内容以便以简化的形式介绍将在以下具体实施方式中进一步描述的一些概念。本发明内容并不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。所要求保护的主题不限于解决在背景中提及的任何或所有缺点的实现。

附图描述

图1是用户工作属性提取和显现体系结构的一个示例的框图。

图2-1和2-2示出了结构化数据的示例。

图2-3示出了非结构化数据的示例。

图2-4和2-5示出了半结构化数据的示例。

图3是用于对来自一个或多个数据源的内容进行爬行、解析和归类的方法的一个示例的流程图。

图4-1和4-2是一个示例中的节点-边图的图示。

图5是知识提取系统的一个示例的框图。

图6是一个示例中的数据学习组件的框图。

图7是用于提取结构化数据以生成关联的方法400的一个示例的流程图。

图8是示出用于执行首字母缩略词挖掘的方法的一个示例的流程图。

图9是用于提取半结构化数据的方法的一个示例的流程图。

图10是用于提取非结构化数据的方法的一个示例的流程图。

图11是用于对关联进行排名的方法的一个示例的流程图。

图12是用于显现工作属性的方法的一个示例的流程图。

图13是示出部署在云计算体系结构中的图1所示的体系结构的一个示例的框图。

图14-18示出了可以与图1所示的体系结构联用的移动设备的各种示例。

图19是一个示例计算环境的框图。

具体实施方式

图1是用户工作属性提取和显现体系结构100的一个示例的框图。体系结构100包括可由一个或多个用户通过一个或多个用户界面显示来访问的计算系统102。用户接口组件106生成具有用户输入机制110的用户界面显示以供用户112交互。在图1中，出于说明的目的，单个用户112被示为与计算系统102交互。然而，在其他示例中，任何数量的用户可以与计算系统102交互。

用户112可以本地地或远程地访问计算系统102。在一个示例中，用户112使用通过诸如因特网等广域网来与计算系统102通信的客户机设备。用户112与用户输入机制110交互以控制和操纵计算系统102。例如，通过使用用户输入机制110，用户112可访问数据存储114中的数据。

用户输入机制110例如通过生成用于感测与计算系统102的用户交互的用户界面显示108来感测物理活动。用户界面显示108可包括感测各种各样的不同方式(诸如点击设备(例如，计算机鼠标或跟踪球)、键盘(虚拟或硬件)和/或小键盘)的用户输入的用户输入机制110。在用于显示用户界面显示108的显示设备是触敏显示器的情况下，输入可作为触摸姿势来提供。类似地，用户输入也可说明性地通过语音输入或其他自然用户接口输入机制来提供。

计算系统102可以是用户112所访问的任何类型的系统。在一个示例中，但不作为限制，计算系统102包括电子邮件(e-mail)系统、协作系统、文档共享系统、时间安排系统和/或企业系统。在一个示例中，计算系统102包括业务系统，诸如企业资源规划(ERP)系统、客户资源管理(CRM)系统、业务线系统、或另一业务系统。

由此，计算系统102包括可以是各种不同的应用类型中的任一种的应用116。应用116使用促成计算系统102内的功能的应用组件118来执行。作为示例，应用组件118可访问数据存储114中的信息。例如，数据存储114可存储数据和元数据。数据和元数据可定义工作流、过程、实体以及各种各样的其他信息126。应用组件118在实现程序、工作流或由应用组件118执行的其他操作时访问数据存储114中的信息。

作为示例，存储在数据存储114中的实体可包括或表示其中部署计算系统102的企业或其他组织内的文档120和用户122(例如，用户112)。如此处所使用的，“文档”指的是信息集合，包括但不限于具有各种不同格式中的任一格式的文本。文档的示例包括但不限于文字处理文档、电子表格文档、幻灯片或多媒体演示文稿文档、html文档、表单、笔记簿、电子邮件、会议文档以及时间安排应用文档，等等。

数据存储114还存储组织图124，诸如组织图表(或“组织图表”)或使组织内的用户相关的其它类型的数据结构。如此处所使用的，“用户”可以是与体系结构100交互的成员或人(例如，用户112)以及不与体系结构100交互的人。例如，用户可包括组织内或与组织相关联的其工作属性或其他信息被存储在诸如简档122中以供通过体系结构100来显现的任何人。在一个示例中，简档包括定义用户属性(诸如但不限于给定用户的工作属性)的数据和/或元数据。在一个示例中，简档存储定义用户的专长、技能、经验、行为、个人偏好和特点的关键字或其他信息。

组织图124包括与组织的人相关联的多个节点以及节点之间表示节点之间的关系的连接。组织图124由此可表示组织内的人及其角色以及这些人之间的连系或关系。关系可以是各种不同类型中的任一种。例如，组织图表128可定义扁平(或水平)组织结构、矩阵组织结构和/或分层组织结构。

出于本讨论的目的而不作为限制，各实施例将在其中节点按分层父/子关系(例如，树结构)排列的分层组织图的上下文中描述，其中父节点具有依赖于其的一个或多个子节点，且每一个子节点依赖于至少一个父节点。

在一个示例中，组织图124中的节点可表示该组织内的特定用户(例如，用户112)，诸如成员或雇员。以此方式，组织图124指示各个人之间的关系。另选地或另外地，组织图124中的节点可表示该组织中的职位(例如，特定经理职位、销售人员、工程师等)或用户组(例如，销售团队等)。

此外，组织图124可根据各种组织准则中的任一种来定义。例如，组织图124可表示组织的用户的按等级的分层结构(例如，构成组织的管理者和附属工作者的关系)。另选地或另外地，组织图124可表示组织的成员的按人之间的报告关系的分层结构(例如，成员的直接报告是子节点)。而且，组织图124能够示出例如雇员详情、命令链、部门职责和/或雇员组结盟。

在图1所示的示例中，计算系统102说明性地包括处理器和/或服务器104、显示系统128(本身包括用户接口组件106以及一个或多个传感器130，并且也可包括其他项132)、数据源挖掘系统134、用户简档信息显现系统136以及简档更新系统138。传感器130被配置成检测对显示系统128的输入。在一个示例中，系统134、136和/或138还包括被配置成检测对这些系统的输入的传感器。计算系统102也可包括其他项142。

在一个示例中，处理器/服务器104包括具有相关联的存储器和定时电路系统(未示出)的计算机处理器。计算机处理器说明性地是系统102的功能部件，并且由系统102中的其他系统、组件和项激活，并且促进其他系统、组件和项的功能。

图1示出了各种不同的功能块。将注意，这些块可被合并以使得每一块执行更多功能，或者这些块可被划分以使其功能被进一步分发。还应注意，数据存储114可以是各种不同类型的数据存储中的任一种。此外，数据存储114可被存储在多个数据存储中。而且，数据存储对于访问它们的环境、代理、模块和/或组件而言可以是本地的，或者它们可以远离这些环境、代理、模块和/或组件且可由这些环境、代理、模块和/或组件访问。类似地，一些可以是本地的，而其他是远程的。

作为示例，计算系统102可由执行各种工作以履行组织操作的组织来利用。例如，服务业或基于项目的组织内的用户可以单独地或作为工作者团队或集合的一部分来执行工作。工作包括但不限于活动、作业、任务、任务集、话题区域、项目或用户的任何其他机会。

此外，作为示例，组织内的用户(例如，用户112)可能期望找到关于其他用户的工作属性或其他工作相关信息。工作属性可涉及用户执行的当前或过往工作，并且包括但不限于用户技能、经验、认证、教育、用户已经或正从事的项目、和/或用户正在或已经在其中工作的话题或主题区域。例如，用户112可能正在寻找组织中的具有特定工作经验(例如，当前和/或过往项目或其他工作)和/或可被认为是特定领域内的专家的某个人。

工作属性或其他工作相关信息的一个源是存储在用户简档140中的用户简档信息。然而，在许多场景中，组织内的工作者不将其简档保持为最新并且许多工作者从不向其用户简档添加任何信息。在该场景中，基于工作属性来标识其他用户(诸如通过专长定位系统)是非常困难的，并且即使返回结果，结果也可能是不相关的，因为底层数据是陈旧且不再相关的。

本文描述的实施例提供了多个特征和优点。作为说明，示例用户工作属性提取和显现体系结构100从各种数据源中挖掘和提取用户工作属性。然后可使用所提取的用户工作属性来创建和/或更新用户简档140。如以下更详细地讨论的，数据源挖掘系统134被配置成访问并挖掘来自数据源的具有文本、图像、视频和/或任何其它类型的信息形式的数据。数据源可以是在计算系统102外部(例如，数据源146)和/或在计算系统102内部(例如，文档120)。在挖掘数据源时，系统134标识用户以及这些用户的工作属性之间的关联。该信息然后可由系统136来显现以供包括在用户简档140中。

如下文更详细地讨论的，工作属性可被显现为对用户的建议以供包括在用户简档中和/被用来自动更新用户简档。系统136显现的信息可包括但不限于涉及由用户单独地或作为工作者团队或集合的一部分来执行的当前或过往工作(例如，活动、作业、任务、任务集、话题和/或项目)的工作属性。出于说明的目的而不作为限制，一些实施例在此将在标识并提取与用户相关联的项目的上下文中描述。然而，作为对项目信息的补充或替换，能够获取其它类型的用户工作属性(或其他简档信息)。

体系结构100由此通过自动建议和/或添加工作属性或其他信息至用户简档来促进用户简档的创建和维护。这还可诱使用户提供附加用户简档信息。丰富的用户简档信息促成来自专长推荐或显现系统(或其他系统)的更相关的结果，这改善用户体验以及减少计算时间和开销。作为示例，体系结构100可减少用户必须执行的向用户显现相关信息所必需的搜索次数(并由此减少到底层数据存储的往返)。

数据源挖掘系统134被配置成在数据源中挖掘与计算系统102的用户(或其他用户)相关联的用户工作属性。例如，系统134可挖掘文档(例如，文档120和/或来自数据源146的文档)以标识对给定用户的文本引用(或其他引用)以及与特定工作属性的关联。例如，虽然用户可能没有撰写或创作文档，但该用户的姓名可能在该文档中被提及，连同对该用户正在做或已经完成什么的描述。在一个特定示例中，作为月度状态更新的一部分，管理者可准备她的团队正从事的所有项目、谁正在从事这些项目以及每一个项目的状态的文档，诸如报告。挖掘系统134可挖掘该报告以将该报告内提及的那些用户与对应的项目相关联。出于说明目的而不作为限制，一些实施例在此将在包括文档的数据源的上下文中描述。然而，可以理解也可以在其它类型的数据源中挖掘工作属性。

如图1所示，系统134包括爬行器组件146、解析器组件148、归类器(分类)组件150、实体关联系统152和知识提取系统154。在本示例中，知识提取系统154使用机器学习框架来从正被挖掘的数据源(例如文档)中提取知识。系统134还包括元数据存储156、关联存储158，且也可包括其他项160。

爬行器组件146在文档变得可用或被更新时爬行文档(或来自数据源的其他信息)。解析器组件148被配置成解析爬行器组件146获取的内容，诸如以便从数据中索引关键字。

然后，归类器组件150基于内容的结构对文档内容进行归类或分类。在所示示例中，组件150被配置成将给定内容部分归类为结构化数据、半结构化数据或非结构化数据。同一文档的不同部分可被归类为不同类别。例如，给定文档可具有结构化数据部分、半结构化数据部分和/或非结构化数据部分。

在某一结构化格式中，结构化数据包括数据的次序排列或关系。例如，结构化数据可被排列成行和列，诸如在表格中。在另一示例中，结构化数据包括有序列表。结构化数据由此驻留在记录或文件内的固定字段内。

结构化数据的一个示例在图2-1中示出。图2-1示出了具有多个行202-212以及多个列214-220的表格200。列214包括项目字段，而列220包括联系人或人字段。由此，每一行202-212将一个或多个人与特定项目相关联。

图2-2示出了结构化数据的另一示例。文档222具有标识特定项目的项目字段224以及标识与该项目相关联的多个人的表格226。在该示例中，表格226具有标识项目224的角色的第一列228以及标识具有列228中的对应角色的人的第二列230。

另一方面，非结构化数据不具有一组固定字段(或其他关系)。非结构化数据的示例包括但不限于文字处理文档中的自由文本、电子邮件、日志条目、多媒体演示文稿、照片和图形图像以及PDF文件，等等。如上所述，非结构化数据可存在于还包含结构化或半结构化数据的文档内。例如，电子邮件可包括诸如收件人、主题、时间等结构化字段以及包括诸如自由文本或其他自然语言数据等非结构化数据的消息主体。图2-3示出了电子邮件234内的具有自然语言内容232形式的非结构化数据的一个示例。

在一个示例中，半结构化数据包括结构化数据形式，但不具有严格的数据模型结构。即，在半结构化数据的情况下，使用标签或其它类型的标记来标识数据内的特定元素，但该数据不具有严格的结构。例如，半结构化数据可包括无序列表。作为示例，文字处理应用可包括显示作者的姓名和创建日期的元数据，但该文档的整体是非结构化文本。类似地，电子邮件具有发件人、收件人、日期、时间以及被添加到该电子邮件的非结构化数据的其他固定标记。

图2-4和2-5示出了半结构化数据的示例。图2-4示出了具有列表238的内容236，而图2-5示出了具有列表242的内容240。列表238和242提供不具有表格(或其他结构化数据)的严格结构的信息。

图3是用于对来自一个或多个数据源的内容进行爬行、解析和归类的方法250的一个示例的流程图。出于说明目的但不作为限制，方法250将在组件146、148和150的上下文中描述。

在步骤252，爬行器组件146爬行数据源以获取内容。这可按照多种方式中的任一种来完成。例如，爬行器组件146可标识最近创建或更新的文档。

在步骤254，由解析组件148来解析内容。在一个示例中，该解析包括使用标签或其他结构化数据标识符来标识数据源中的任何结构化内容部分。取决于源的类型(文档类型)，不同类型的标签可以是可用的。例如，在HTML文档中，HTML标签可标识表格数据或列表的存在。通过使用这些标签，在步骤256将该内容归类为具有结构化数据258、半结构化数据260和/或非结构化数据262。

在一个示例中，在从内容中标识并提取所有结构化数据258后，通过定位能够以某一结构化格式解释的数据来标识半结构化数据260。例如，列表可被转换成表格。在从内容中提取半结构化数据260后，可将其余数据归类为非结构化数据262。

在步骤264，生成指示经解析的内容以及该内容的归类的元数据并将其存储在元数据存储156中。在步骤266，对于任何附加内容，该方法返回到步骤254。

通过使用经归类的内容，知识提取系统154被配置成通过将内容中所标识的人与工作属性(例如，人正在从事的项目)相关联来从内容中提取知识。在一个示例中，系统154基于文档已被归类为结构化、半结构化还是非结构化来执行知识提取。

关联可作为例如元组162被存储在关联存储158中。每一个元组包括元素序列或列表，该元素序列或列表至少包括标识一人的第一元素以及标识相关联的工作属性的第二元素。例如，在一个实现中，生成具有<人,角色,项目>形式的元组，该元组将特定人与项目关键字以及该用户对于该项目的角色相关联。由此，元组162将人与项目(或其他工作属性)配对。出于说明目的而不作为限制，一些实施例在此在诸如三元组之类的表示人与工作属性之间的关联的元组的上下文中描述。可以理解，可利用其它类型的关联。

实体关联系统152对体系结构100内的实体(或对象)及其关联进行建模。在一个示例中，系统152利用节点-边图，该节点-边图将企业内的所有实体(例如，文档、人或计算系统102中的任何其它制品)建模为图上的节点，而这些实体之间的所有关系可被建模为节点之间的边或连接。在一个示例中，节点之间的边或连接具有边类型和边特性。

图4-1是这样的图的示例性简化版本的图示。在图4-1中，用户A在图170中被建模在节点272。用户A已查看文档2(附图标记274所示)。用户A已查看文档2的事实被反映在关系“已查看”中，如边276所阐释的。由此，边276具有“已查看”边类型并且可包括进一步定义该关系(诸如用户A何时查看过文档2)的边特性。在另一示例中，文档1(附图标记278所示)已经与用户A共享。该“共享”关系在边280处阐释。由此，边280具有“已共享”边类型并且可包括进一步定义该关系(诸如何时或如何与用户A共享该文档)的边特性。

用户可彼此具有关系。例如，在图4-1中，附图标记282所示的用户B可具有与用户A的关系。例如，用户B可以直接向用户A报告，如边284所示。类似地，另一用户(用户C－如附图标记286所示)可以是与用户B一起的团队成员。该“团队成员”关系在边288处指示。另外，虽然文档1已经与用户A共享，但用户C可能已经修改文档1。文档1与用户C之间的这一“已修改”关系在边290处指示。附加公司对象在附图标记292处指示。节点292反映电子邮件消息。电子邮件消息292已被用户A阅读并由此凭借如边294所示的“已读”关系来与用户A相关。此外，消息292还包括文档1作为附件。因此，存在指示文档1与电子邮件消息292相关的边。图4-1的示例中的附加对象在附图标记296、演示文稿1和298(留言板讨论)处指示。如可认识到的，企业中的几乎每一个对象的这种对象/关系建模允许捕捉重要的关系信息。此外，当发生用户日常活动时，创建各种新边。

图5是知识提取系统154的一个示例的框图。如图5所示，系统154包括分别被配置成处理结构化、半结构化和非结构化数据的结构化数据学习组件300、半结构化数据学习组件302和非结构化数据学习组件304。系统154还包括关联/文档分配组件306和关联排名组件308。系统154可包括被配置成检测对系统154的输入的一个或多个传感器312、一个或多个处理器314并且也可包括其他项316。

组件306被配置成将人/工作属性关联分配、映射或以其他方式关联到已从中挖掘出该关联的特定文档(或其他数据源)。作为示例，在John Doe和项目“Smart Window for IDE”之间创建的关联将被分配给包含表格200的文档。这在以下更详细地讨论。

关联排名组件308被配置成对组件300、302和304生成的关联进行排名。

系统154还包括被配置成对从数据源提取的姓名进行消歧的姓名消歧组件310。在一个示例中，组件310使用组织图124来基于组织图124中的邻近度对文档中的姓名进行消歧。为了阐明，假设在给定文档中标识出第一姓名(即，“John Smith”)，但组织中存在具有该相同姓名的多个人。由此，所标识的姓名被认为是有歧义的，因为它可以指若干不同的人。在这种情况下，组件310可标识给定文档中的无歧义的第二姓名(或若干其他姓名)。然后，对于组织图中的“John Smith”的每一个实例，组件310确定其与第二姓名的邻近度，并且然后选择最近(或最靠近)的实例。

图6-1和6-2(统称为图6)是示出组件300、302和304的一个示例的框图。如图6所示，结构化数据学习组件300接收结构化数据320并使用关联生成器324来生成关联322。组件300包括被配置成标识和提取表格数据(或其他结构化数据)的表格标识器和提取组件326。组件300包括被配置成从所提取的数据中标识人的姓名(或其他标识符)的人标识器组件328。例如，组件328可包括命名实体识别(NER)算法330。组件300还包括工作属性(例如，话题或项目)提取组件332。组件332被配置成从结构化数据中标识和提取工作属性。在一个示例中，组件332通过定位所提取的数据中的关键字来定位项目名称(或其他标识符)。在该示例中，组件332可使用各种资源和/或过程中的任一种来确定关键字是否标识项目(或其他工作属性)。这可包括但不限于利用将关键字与例如已知项目名称的数据存储进行匹配的机器学习算法和/或词组匹配过程。

在所示示例中，组件332包括首字母缩略词处理器334并且也可包括其他项336。组件300还包括被配置成标识一个人相对于项目(或其他工作属性)的角色的角色标识器组件338。例如，组件338可确定一个人曾经是给定项目的项目经理、开发领导、开发者等。

组件300还包括存储用于生成关联322的特征的特征存储340。特征可包括目录342，诸如可用作人字典的用户目录列表。特征存储340也可包括其他特征344。同样，组件300可包括其他项346。

半结构化数据学习组件302接收半结构化数据348并使用关联生成器350来生成关联322。组件302包括半结构化数据标识器和提取组件352以及可包括NER算法356的人标识器组件354。组件302还包括角色标识器组件358、词性(POS)标记器组件360、工作属性候选标识器组件362和过滤器组件364。组件302也可包括其他项366。

非结构化数据学习组件接收非结构化数据368并使用关联生成器370来生成关联322。在所示示例中，关联生成器370包括应用模型存储376中所存储的一个或多个模型374的模型应用组件372。在一个示例中，模型374包括深度学习模型，诸如但不限于递归神经网络。模型374使用模型训练组件378来训练。

图7是用于提取结构化数据以生成关联的方法400的一个示例的流程图。出于说明目的而不作为限制，方法400将在结构化数据学习组件300生成具有人/工作属性关联形式的关联322的上下文中描述。

在步骤402，标识结构化数据。例如，步骤402确定数据中存在表格。在步骤404，从内容中提取表格。在一个示例中，在步骤404，将诸如有序列表等非表格数据转换成表格以供进一步处理。

在步骤406，利用归类器来从结构化数据中标识和提取人的姓名。例如，使用在步骤408访问的特征来利用归类模型确定列包括人的姓名。例如，通过使用人的姓名和/或别名的目录，归类器可标识特定列中的姓名与非姓名的比率。如果该比率高于阈值，则该列被标识为其中该列中的单词被提取为人的姓名的人列。当然，在步骤408可访问任何其它类型的特征以用于在步骤406标识结构化数据中的人的姓名。

在步骤410(在一个示例中，该步骤可以与步骤406同时进行)，利用归类器来标识和提取工作属性(例如，项目、话题、技能或其他工作属性)。这些工作属性可以具有关键字或其他文本的形式。在一个示例中，归类器模型被用来将表格中的列标识为包含项目名称和其他标识符的项目列。

在一个示例中，在步骤412，执行首字母缩略词处理和挖掘以标识指示将在步骤410提取的工作属性的模式。例如，步骤412可标识出现在结构化数据表格的项目列内的项目首字母缩略词。

图8是示出用于执行首字母缩略词挖掘的方法430的一个示例的流程图。出于说明目的而不作为限制，方法430将在图6所示的首字母缩略词处理器332的上下文中描述。

在步骤432，该方法通过查看数据中的模式来标识首字母缩略词候选。例如，步骤432可以在步骤434处选择并利用种子模式。种子模式标识数据中的被认为是很有可能指示存在首字母缩略词的模式。例如，一个种子模式包括跟随词组的特定字符序列(例如，“aka”和/或“(##)”)例如，在文本序列“integrateddevelopment environment aka IDE”和“integrated development environment(IDE)”中，种子模式将标识IDE是可能的首字母缩略词。

在步骤436，连同对应的扩展(即，上述示例中的“integrated developmentenvironment”)一起提取首字母缩略词候选在步骤438，该方法对首字母缩略词候选和对应的扩展应用过滤规则。在一个示例过滤规则中，在步骤440，可移除常见或无用词(例如，“the”、“a”、“an”等)。另一过滤规则包括步骤442处的字母匹配规则，该规则要求出现在首字母缩略词中的第一个字母应匹配将被认为是实际首字母缩略词的首字母缩略词候选的扩展中的第一个字母。过滤规则的另一示例是在步骤444处应用的大写字母匹配规则，该规则要求首字母缩略词候选和对应的扩展两者中的大写字母匹配将被认为是实际首字母缩略词的首字母缩略词候选。

在步骤446，使用步骤432-438来提取的首字母缩略词候选和对应的扩展被应用于数据源内容以标识更多首字母缩略词候选。例如，利用引导方法来将首字母缩略词候选/扩展对与数据源内容进行匹配。然后，使用基于规则的逼近，在非结构化数据中定位新模式。

另选地或另外地，训练标记模型(诸如深度学习模型)(例如，RNN)并利用该模型使用来自步骤446的所提取的首字母缩略词候选/扩展来查找非结构化数据中的新模式。

在一个示例中，在步骤452，对模型应用附加特征(诸如编辑距离)以标记非结构化数据中的附加模式。例如，在步骤450，可找到在离在步骤446标识的首字母缩略词候选阈值编辑距离内的新模式。

在步骤454，输出首字母缩略词候选和扩展来作为所标识的工作属性(本示例中的项目)以供在图7中的步骤414使用。

再次参考图7，在步骤414，该方法基于在步骤406标识的人以及在步骤410标识的工作属性在结构化数据内的关系来生成这些人和工作属性之间的关联。例如，给定人和工作属性基于其在结构化数据内的位置来彼此关联。例如，在图2-1的上下文中，在步骤414生成的示例关联将“John Doe”与项目“用于IDE的智能窗口”相关联，因为“John Doe”位于人列中，“用于IDE的智能窗口”位于项目列中并且这两项都位于同一行中。

另外，在步骤416，可标识人相对于工作属性的角色。例如，步骤416可以例如基于结构化数据中(例如，角色列中)所标识的关键字来标识“John Doe”曾是/是所标识的项目的项目经理。

在步骤418，由组件300输出关联(即，关联322)。在一个示例中，关联被存储在关联存储158中。在一个示例中，关联被输出到非结构化数据学习组件304以供在标识非结构化数据中的附加关联时使用，这在下文中更详细地讨论。

图9是用于提取半结构化数据并从半结构化数据中生成关联的方法500的一个示例的流程图。出于说明目的而不作为限制，方法500将在组件302生成关联322的上下文中描述。在步骤502，该方法例如使用标签或其他信息来标识半结构化数据。在一个示例中，方法502将诸如列表等半结构化数据转换成表格或其他结构化数据。在一个示例中，来自多媒体演示文稿中的幻灯片的列表通过项目符号或其他标识符来标识，并被转换成一列或多列。

在步骤504，利用归类器来从半结构化数据中标识和提取人的姓名。在一个示例中，用在步骤506访问的特征来利用归类器。在一个示例中，归类器使用的特征可包括组织内的人的姓名的目录。在一个示例中，步骤504从文档的作者字段中提取信息并分析该信息以确定该文档是否包含人的姓名。

在步骤508，该方法从半结构化数据中标识候选工作属性。在一个示例中，步骤508在步骤510从文档的标题中提取信息，因为该标题标识该文档所涉及的项目或话题是很有可能的。候选工作属性也可使用其他特征或算法来标识。这由框512表示。例如，步骤508可分析一组字段(诸如列、行或其他结构中的项目)以确定字段中的项目名称或人的姓名的比率、字段中所标识的相似或不相似项目的比率或者每一字段是否包含多排。在另一示例中，步骤508可标识一组字段中的首字母缩略词的比率或者字段是否包含URL、人的姓名、或者单词是否全都开始于大写字母。当然，这些仅作为示例。

在一个示例中，可以对在步骤508标识的首字母缩略词执行首字母缩略词处理/挖掘以标识模式。这在框513处指示。首字母缩略词处理的一个示例在图8中示出。

在步骤514，该方法对所提取的信息执行词性标记。例如，步骤514从在步骤510提取的标题中标识名词词组。

在步骤516，对数据应用一个或多个过滤器以过滤掉不相关项或其他噪声。例如，在步骤516过滤掉时间数据(诸如标题“Deep Learning–July Update(深度学习－七月更新)”中的“July Update”，因为时间数据在标识项目或其他工作属性时被认为是不相关的。

在步骤518，生成所标识的人和工作属性之间的关联，并且在步骤520输出这些关联，例如作为关联322(在图5中示出)。

图10是示出用于提取非结构化数据并从非结构化数据中生成关联的方法530的一个示例的流程图。出于说明目的而不作为限制，方法530将在非结构化数据学习组件304的上下文中描述。

在步骤532，获取或以其他方式访问来自结构化数据学习组件300和半结构化数据学习组件302的关联。例如，步骤532获取元组集合(例如，<个人/人,角色,项目>三元组)。然后，通过使用这些关联，在步骤534训练非结构化数据学习组件。在所示示例中，模型374(例如，RNN)由模型训练组件378在步骤536训练。

在一个示例中，在步骤538，使用来自步骤532的关联来与非结构化数据中的内容进行匹配。由此，在步骤540，将关联322用作用于模型训练组件378的训练数据，以训练模型374以便标识和提取更多关联。在一个示例中，在步骤540，将自由文本用作模型应用组件372对模型374的输入以标记自由文本中的更多关联。在一个示例中，使用RNN(或其他模型)来预测非结构化数据中的关联。在步骤544，输出关联380。例如，关联380可被存储在关联存储158中。

在一个示例中，在存储在关联存储158之前或之后，对组件300、302和304输出的关联进行排名。图11示出了用于对关联进行排名的方法550的一个示例。出于说明目的而不作为限制，方法550将在关联排名组件308对由组件300、302和304生成的关联进行排名的上下文中描述。

在步骤552，访问来自组件300、302和304中的一个或多个的关联。例如，在一个实现中，只使用来自结构化和半结构化数据的关联。

在步骤554，标识排名准则。排名准则可包括步骤556处的工作属性的特征。在一个示例中，工作属性特征包括一个人花费在特定项目上的时间量。由此，针对一个人更频繁地和/或最近从事的项目的关联将比这个人较少和/或较不新近从事的项目排名更高。

在步骤558，对于给定人，通过使用排名准则对这个人的属性进行排名来标识最重要的工作属性。这可包括使用输出步骤562处的向量空间中的单词/人向量的运行时排名模型560。在步骤562的一个示例中，训练排名模型以便将从事相似项目的人更紧密地排名在一起。另选地或另外地，可训练排名模型560以便在排名中将相似项目更紧密地分组在一起。

在步骤564，标识排名前n的关联并将其与对应的数据源进一步相关联。即，对于每一对(或其他关联)，步骤564标识从中提取元组的文档(或其他数据结构)，并且然后使用关联/文档分配组件306来落实该关联。

在一个示例中，在步骤566，对于每一个人/工作属性关联，更新实体关联系统152以将用户链接到数据源。作为说明，在图4-1所示的节点-边图的情况下，假设用户B(节点282)已经与文档2(节点272)中讨论的项目(即，“项目ACME”)相关联。在这种情况下，在节点282和272之间创建表示该关联的边。这在示出节点边图270的一部分的图4-2中示出。

如图4-2所示，边271具有“简档建议”边类型并且包括定义简档建议(例如，哪个(些)项目、技能或其他工作属性是针对用户B的简档的建议)的边特性。如以下更详细地讨论的，该边在工作属性显现过程中可被用来标识对应的数据源。

在一个示例中，单个边可累积多个简档建议。例如，边271可表示与用户B相关联地从文档2提取的两个不同项目(例如项目Alpha和项目Beta)。在另一实例中，边271可表示项目和技能或其他工作属性。由此，无需为每一简档建议创建单独的边。

另选地或另外地，工作属性在节点-边图中可被表示为其自己的节点。这在节点275表示。例如，节点275可表示特定技能、经验、教育、培训、项目等。边277作为简档建议将用户B与该工作属性相连接。

在一个示例中，维护被拒绝的简档建议的记录并在简档建议过程期间使用该记录来防止被拒绝的简档建议被显现给用户。例如，在图4-2中，“被拒绝建议”边273可用于表示用户已经拒绝的一个或多个建议工作属性。在一个示例中，“被拒绝建议”边273可累积多个被拒绝工作属性，而不是为每一个被拒绝工作属性生成单独的边。

使用被拒绝建议边来显现工作属性在下文中更详细地讨论。然而，简言之，假设用户B拒绝由边271表示的关于项目Alpha的简档建议。然后，创建边273以将节点282连接到其本身，并且边273包括标识由边271表示的被拒绝工作属性(即，该示例中的项目Alpha)的边特性。这可包括在需要时移除边271。在该示例中，由于边273，显现系统136将不会向用户B显现关于项目Alpha的简档建议，即使项目Alpha作为建议从另一数据源中被挖掘出。

当然，边271可以连同边273一起留在节点-边图270中。由此，在一个示例中，用户B稍后能移除273，在此之际由边271表示的简档建议将可供显现给用户B。

在步骤568，将经排名的关联存储在例如关联存储158中。在步骤570，该方法确定是否还有要为其进行关联排名的人。

再次参考图1，一旦已标识关联，用户简档信息显现系统136就可显现工作属性以供包括在用户简档140中。在所示示例中，系统136包括标识来自关联存储158的人和工作属性之间的关联的人/工作属性关联标识组件164。然后，可将关于给定用户的工作属性结合到该用户的简档140中。这可以自动地或者响应于用户输入来完成。

例如，系统136包括被配置成为将被结合到用户简档(例如，关于用户112)中的工作属性生成建议的建议生成器组件166。例如，显示系统控制器168可控制显示系统128和用户接口组件106来生成显现工作属性作为简档建议170的用户界面显示108。在所示示例中，系统136包括以下更详细地讨论的许可系统172并且也可包括其他项174。

图12-1和12-2(统称为图12)示出了用于显现工作属性的方法600的一个示例的流程图。出于说明目的而不作为限制，方法600将在系统136显现来自关联存储158的关联的上下文中描述。

在步骤602，该方法例如通过用户提供认证信息来标识要显现关于其的工作属性的用户。组件164然后从关联存储158中标识与该用户相关联的工作属性。

在步骤604，从关联存储158访问可被排名的关于该用户的关联，并且在步骤606，为每一关联标识对应的数据源。此外，步骤606还可标识用户是否具有访问该对应的数据源的许可。

为了说明目的且对于以上针对步骤566讨论的示例，假设步骤602标识用户B(图4-2中的节点282)。然后，步骤604基于来自节点282的边来标识任何简档建议。这包括标识“简档建议”边(例如，关于项目Alpha的边271和/或边277)以及“被拒绝建议”边(例如，边273)。然后，对于尚未被用户B拒绝的任何简档建议，步骤606使用这些边及其特性来标识已从中提取简档建议的对应的数据源(即，本示例中的曾是用户B/项目Alpha关联的源的文档2)。

此外，在该示例中，假设文档2被认为是机密的且具有不允许一些用户访问文档2内的数据的敏感性规则(或其他许可)。步骤606基于这些许可来确定用户B是否能够访问文档2。这能够以多种方式中的任一种来完成。例如，节点272所表示的文档2本身能够包含在步骤606分析的一组许可。当然，用户访问许可也能够以其他方式确定。

在步骤610，该方法基于用户许可来为关联显现一个或多个工作属性。例如，步骤610只显现从对于其用户具有访问许可的数据源挖掘出的工作属性。这能防止对于其用户不具有访问许可的机密信息被显现给用户。

在一个示例中，显现系统136包括被配置成控制简档更新系统138以用在步骤610显现的一个或多个工作属性来更新用户简档的简档更新系统控制器。这能够自动地和/或响应于关于简档建议的用户输入来完成。

例如，所显现的工作属性可用于在步骤612自动地更新用户简档140。例如，关于用户的排名前n的工作属性被添加到用户简档。

在步骤614，可显示用户简档。然后，可检测修改新添加的工作属性的用户交互。例如，用户可确定他们想要移除新添加的工作属性、修改工作属性或改变属性。

在一个示例中，在步骤618，可连同当前用户简档一起显示工作属性作为用于更新用户简档的建议。在步骤620，检测与用户输入机制的用户交互以接受或拒绝关于用户简档的工作属性。如果接受工作属性，则将该工作属性添加到用户简档。在一个示例中，如果用户拒绝工作属性，则在节点-边图中创建“被拒绝建议”边(例如，边273)以使得将来不再显现被拒绝工作属性。

例如，对于用户的排名前n的工作属性的简档建议被返回为可操作用户界面元素，这些可操作用户界面元素在被用户致动时自动地用对应的工作属性修改该用户的简档。这可包括添加对应的工作属性(例如，项目ACME)和/或涉及工作属性的其他信息(例如，描述已从数据源提取的项目ACME的附加信息)。

另选地或另外地，工作属性建议与允许用户手动输入用户简档信息的用户输入机制一起显示。例如，用户界面显示将所建议的项目(例如，项目ACME)连同允许用户手动输入简档信息的文本输入域(或其他用户输入机制)一起显示。

在步骤622，可检测修改用户简档的附加用户交互。这可包括在步骤624修改工作属性、在步骤626添加工作属性或者在步骤628删除工作属性。

由此可见，本讨论提供了显著的技术优势。例如，它提供了使用机器学习知识提取系统来从数据源中提取可用于更新用户简档的知识的数据源挖掘系统。这能够促成用于提供例如专长定位系统的丰富用户简档。此外，数据源挖掘系统能够从各种各样不同的数据结构类型中挖掘数据。

此外，在所述实施例中，能够改善用户体验，这表现在显现相关工作属性和专长，并且诸如通过减少在尝试显现人的工作相关属性时所必需的到底层数据存储的往返次数来减少处理带宽。

本讨论提及处理器和服务器。在一个示例中，处理器和服务器包括具有相关联的存储器和定时电路系统(未分别示出)的计算机处理器。它们是它们所属的系统或设备的功能部分，且由这些系统中的其他模块、组件和/或项目的功能来激活并促进这些功能。

同样，讨论了多个用户界面显示。它们可以采取各种各样的不同形式且可具有布置于其上的各种各样的不同用户可致动输入机制。用户可致动输入机制感测与计算系统的用户交互。例如，用户可致动输入机制可以是文本框、复选框、图标、链接、下拉菜单、搜索框，等等。它们还可按各种不同的方式来致动。例如，可使用点击设备(诸如跟踪球或鼠标)来致动它们。可使用硬件按钮、开关、操纵杆或键盘、拇指开关或拇指垫等等来致动它们。还可使用虚拟键盘或其他虚拟致动器来致动它们。另外，在其上显示它们的屏幕是触敏屏的情况下，可以使用触摸手势来致动它们。同样，在显示它们的设备具有语音识别组件的情况下，可以使用语音命令来致动它们。

还讨论了多个数据存储。将注意，它们可各自被分解成多个数据存储。它们全部可位于访问它们的系统的本地，全部可以是远程的，或一些可以在本地而其他在远程。本文构想了所有这些配置。

同样，附图示出了具有归属于每一框的功能的多个框。将注意，可以使用更少的框，使得功能由更少的组件来执行。同样，可以使用更多框，其中功能被分布在更多组件之间。

图13是图1中所示的体系结构100的框图，除了其组件被置于云计算体系结构800中。云计算提供了不要求最终用户知晓交付服务的系统的物理位置或配置的计算、软件、数据访问和存储服务。在各个示例中，云计算通过诸如因特网之类的广域网使用合适的协议来交付服务。例如，云计算提供者通过广域网交付应用，并且它们可以通过web浏览器或任何其他计算组件被访问。体系结构100的软件、模块或组件以及相对应的数据可被存储在远程位置处的服务器上。云计算环境中的计算资源可以被整合在远程数据中心位置处或者它们可以是分散的。云计算基础架构可以通过共享数据中心来交付服务，即使在用户看来它们是单个访问点。因此，在此所述的模块、组件和功能可以从远程位置处的服务提供者使用云计算体系结构来提供。可替代地，它们可以从常规的服务器中提供，或者它们可以直接地或以其他方式安装在客户机设备上。

本说明书旨在包括公共云计算和私有云计算两者。云计算(公共和私有两者)提供了基本无缝的资源联营以及对管理和配置底层硬件基础结构的降低的需求。

公共云由供应商管理，并且通常支持使用同一基础结构的多个消费者。此外，与私有云相反，公共云能够将终端用户从管理硬件中释放出来。私有云可由组织本身管理，并且基础结构通常不与其他组织共享。该组织在某种程度上仍然维护着硬件，诸如安装和维修等。

在图13中所示的示例中，一些项与图1中显示的那些是对应的，并且它们被类似地编号。图13具体地示出计算系统102位于云802(可以是公共的、私有的或者其中某些部分是公共的而某些部分是私有的组合)中。因此，用户804(例如，用户112)使用用户设备806来经由云802访问系统102。

图13还描绘了云架构的另一实施例。图13示出还构想了计算系统102中的某些组件被置于云802中而其他组件没有被置于云104中。在一个示例中，数据存储114可被置于云802的外部，并且通过云802来访问。在另一示例中，显示系统128可被置于云802的外部。在另一示例中，数据源挖掘系统134可被置于云802的外部。在另一示例中，用户简档信息显现系统136可被置于云802的外部。在另一示例中，简档更新系统138可被置于云802的外部。无论它们位于哪里，系统102组件都可直接由设备806通过网络(广域网或局域网)访问，它们可由服务主存在远程站点处，或者它们可作为服务通过云来提供或通过驻留在云中的连接服务来访问。图13还示出系统102或其各部分可被部署在用户设备806上。本文构想了所有这些体系结构。

还要注意，体系结构100或其部分可被置于各种不同的设备上。这些设备中的某些包括：服务器、台式计算机、膝上型计算机、平板计算机、或其他移动设备，诸如掌上计算机、蜂窝电话、智能电话、多媒体播放器、个人数字助理等。

图14是可被用作其中可部署本系统(或其部分)的用户或客户机的手持式设备16的手持式或移动计算设备的一个示例的简化框图。图15-18是手持式或移动设备的示例。

图14提供了客户机设备16的组件的大体框图，该客户机设备16可以体系结构100的模块或组件或者与体系结构100交互、或二者。在设备16中，提供了通信链路13，该通信链路允许手持设备与其它计算设备通信，并且在一些示例中提供用于诸如通过扫描来自动接收信息的信道。通信链路13的示例包括：红外端口、串行/USB端口、诸如以太网端口之类的电缆网络端口、以及允许通过一个或多个通信协议的通信的无线网络端口，所述通信协议包括作为用于提供对网络的蜂窝接入的无线服务的通用分组无线服务(GPRS)、LTE、HSPA、HSPA+、以及其他3G和4G无线电协议、1Xrtt和短消息服务，并包括提供对网络的无线连接的802.11和802.11b(WiFi)协议、和蓝牙协议。

在其他示例中，应用或系统被容纳在连接到可移动安全数字(SD)卡接口15的SD卡上。SD卡接口15和通信链路13沿总线19与处理器17(也可实现来自图1的处理器104)进行通信，该总线19还连接到存储器21和输入/输出(I/O)组件23，以及时钟25和定位系统27。

在一个示例中，提供了I/O组件23以促进输入和输出操作。针对设备16的各个示例的I/O组件23可以包括：输入组件，比如按钮、触摸传感器、多点触摸传感器、光学或视频传感器、语音传感器、触摸屏、邻近传感器、话筒、倾斜传感器以及重力开关；以及输出组件，比如显示设备、扬声器和或打印机端口。也可以使用其他I/O组件23。

时钟25包括输出时间和日期的真实时间时钟组件。时钟还可以为处理器17提供定时功能。

定位系统27包括输出设备16的当前地理位置的组件。这例如可以包括全球定位系统(GPS)接收机、LORAN系统、航位推算系统、蜂窝三角测量系统、或者其他定位系统。这例如还可以包括生成所期望的地图、导航线路和其它地理功能的测绘软件或导航软件。

存储器21存储操作系统29、网络设置31、应用33、应用配置设置35、数据存储37、通信驱动程序39以及通信配置设置41。它还可存储可以是体系结构100的部分或全部的客户机系统24。存储器21可以包括所有类型的有形易失性和非易失性计算机可读存储器设备。其还可以包括计算机存储介质(下面描述)。存储器21存储计算机可读指令，所述指令在被处理器17执行时致使处理器根据所述指令执行计算机实现的步骤或功能。处理器17也可被其他模块或组件激活以促进它们的功能。

网络设置31的示例包括诸如代理信息、因特网连接信息以及测绘之类的事物。应用配置设置35包括为特定企业或用户定制应用的设置。通信配置设置41提供了用于与其他计算机进行通信的参数，并且包括诸如GPRS参数、SMS参数、连接用户名和口令之类的项目。

应用33可以是之前已经存储在设备16上的应用或是在使用期间安装的应用，但是这些应用可以是操作系统29的一部分，或者也可以在设备16之外被托管。

图15示出了其中设备16是平板计算机850的一个示例。在图15中，计算机850被示为具有用户界面显示屏852。屏幕852可以是触摸屏(使得来自用户手指的触摸姿势可以用于与应用交互)或者启用笔的界面，其接收来自笔或指示笔的输入。其还可以使用屏幕上虚拟键盘。当然，其还例如可以通过诸如无线链路或USB端口之类的合适的附连机制附连到键盘或其他用户输入设备。计算机850还可以接收语音输入。

图16和图17提供了可被使用的设备16的附加示例，尽管也可以使用其他设备。在图16中，提供功能电话、智能电话或移动电话45作为设备16。电话45包括：一组小键盘47，其用于拨打电话号码；显示器49，其能够显示包括应用图像、图标、网页、照片和视频在内的图像；以及控制按钮51，其用于选择在显示器上示出的项目。电话包括天线53，该天线53用于接收诸如通用分组无线服务(GPRS)和1Xrtt之类的蜂窝电话信号以及短消息服务(SMS)信号。在一些示例中，电话45还包括容纳安全数字(SD)卡57的SD卡槽55。

图17的移动设备是个人数字助理(PDA)59或多媒体播放器或平板计算设备等等(在此称为PDA 59)。PDA 59包括电感显示屏61，所述电感屏感测指示笔63(或其他指示器，诸如用户的手指)在该指示笔被置于屏幕之上时的位置。这允许用户在屏幕上选择、突出显示和移动项目以及绘图和书写。PDA59还包括多个用户输入键或按钮(比如按钮65)，其允许用户将显示屏61上所显示的菜单选项或其他显示选项滚屏，并且允许用户在没有接触显示屏61的情况下改变应用或选择用户输入功能。尽管未被示出，但是PDA 59可以包括允许与其他计算机进行无线通信的内置天线和红外发射机/接收机、以及允许对其他计算设备的硬件连接的连接端口。这样的硬件连接通常是通过经由串行或USB端口连接到其他计算机的支架来进行的。因此，这些连接是非网络连接。在一个示例中，移动设备59还包括容纳SD卡69的SD卡槽67。

图18类似于图16，不同之处在于电话是智能电话71。智能电话71具有显示图标或图块或其他用户输入机制75的触敏显示器73。机制75可由用户用来运行应用、进行呼叫、执行数据传输操作，等等。一般而言，智能电话71被构建在移动操作系统上且提供比功能电话更高级的计算能力和连接性。

注意，设备16的其他形式是可能的。

图19是其中可采用体系结构100(或体系结构100的部分，例如)的计算环境的一个示例。参考图19，用于实现一些示例的示例性系统包括计算机910形式的通用计算设备。计算机910的组件可以包括，但不限于，处理单元920(可以包括处理器104)、系统存储器930和将包括系统存储器在内的各种系统组件耦合至处理单元921的系统总线920。系统总线921可以是若干类型的总线结构中的任一种，包括使用各种总线体系结构中的任一种的存储器总线或存储器控制器、外围总线、以及局部总线。作为示例而非限制，这样的体系结构包括工业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、增强型ISA(EISA)总线、视频电子技术标准协会(VESA)局部总线和外围部件互连(PCI)总线(也称为夹层(Mezzanine)总线)。参考图1描述的存储器和程序可被部署在图19的对应部分中。

计算机910通常包括各种计算机可读介质。计算机可读介质可以是能由计算机910访问的任何可用介质，而且包含易失性和非易失性介质、可移动和不可移动介质。作为示例而非限制，计算机可读介质可包括计算机存储介质和通信介质。计算机存储介质不同于且不包括已调制数据信号或载波。计算机存储介质包括硬件存储介质，该硬件存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据的信息的任何方法和技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括，但不限于，RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光盘存储、磁带盒、磁带、磁盘存储或其它磁性存储设备、或能用于存储所需信息且可以由计算机910访问的任何其它介质。通信介质通常具体化计算机可读指令、数据结构、程序模块或传输机制中的其他数据，并包括任何信息递送介质。术语“已调制数据信号”是指具有以在信号中编码信息的方式被设定或改变其一个或多个特征的信号。作为示例而非限制，通信介质包括诸如有线网络或直接线连接之类的有线介质，以及诸如声学、RF、红外及其他无线介质之类的无线介质。上述任何组合也应该包括在计算机可读的介质范围内。

系统存储器930包括易失性和/或非易失性存储器形式的计算机存储介质，如只读存储器(ROM)931和随机存取存储器(RAM)932。包含诸如在启动期间帮助在计算机910内的元件之间传输信息的基本例程的基本输入/输出系统933(BIOS)通常存储在ROM 931中。RAM 932通常包含处理单元920可立即访问和/或当前正在操作的数据和/或程序模块。作为示例而非限制，图19示出了操作系统934、应用程序935、其他程序模块936和程序数据937。

计算机910还可以包括其它可移动/不可移动、易失性/非易失性计算机存储介质。仅作为示例，图19示出了从不可移动、非易失性磁性介质读取或向其写入的硬盘驱动器941和从诸如CD ROM或其它光学介质等可移动、非易失性光盘956读取或向其写入的光盘驱动器955。可在示例性操作环境中使用的其它可移动/不可移动、易失性/非易失性计算机存储介质包括但不限于，磁带盒、闪存卡、数字多功能盘、数字录像带、固态RAM、固态ROM等。硬盘驱动器941通常通过诸如接口940等不可移动存储器接口连接到系统总线921，而光盘驱动器955则通常由诸如接口950等可移动存储器接口连接至系统总线921。

作为替换或补充，本文所述的功能可至少部分地由一个或多个硬件逻辑组件来执行。例如，但非限制，可被使用的硬件逻辑组件的类型包括现场可编程门阵列(FPGA)、程序专用的集成电路(ASIC)、程序专用的标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)等。

以上讨论并在图19中示出的驱动器及其相关联的计算机存储介质为计算机910提供了对计算机可读指令、数据结构、程序模块和其他数据的存储。在图19中，例如，硬盘驱动器941被示为存储操作系统944、应用程序945、其他程序模块946和程序数据947。注意，这些组件可与操作系统934、应用程序935、其它程序模块936和程序数据937相同，也可与它们不同。在此操作系统944、应用程序945、其它程序模块946以及程序数据947被给予了不同的编号，以说明至少它们是不同的副本。

用户可以通过诸如键盘962、话筒963以及诸如鼠标、跟踪球或触摸板等定点设备961等输入设备来将命令和信息输入至计算机910中。其它输入设备(未示出)可以包括操纵杆、游戏手柄、圆盘式卫星天线、扫描仪等。这些以及其它输入设备通常通过耦合到系统总线的用户输入接口960连接到处理单元920，但也可通过诸如并行端口、游戏端口或通用串行总线(USB)之类的其它接口和总线结构来连接。视觉显示器991或其他类型的显示设备也经由诸如视频接口990之类的接口连接至系统总线921。除了监视器以外，计算机还可包括诸如扬声器997和打印机996之类的其它外围输出设备，它们可通过输出外围接口995来连接。

计算机910使用到诸如远程计算机980等一个或多个远程计算机的逻辑连接在网络化环境中操作。远程计算机980可以是个人计算机、手持设备、服务器、路由器、网络PC、对等设备或其它常见的网络节点，且一般包括以上关于计算机910描述的多个或所有的元件。图19中所描绘的逻辑连接包括局域网(LAN)971和广域网(WAN)773，但还可包括其他网络。此类联网环境在办公室、企业范围的计算机网络、内联网和因特网中是常见的。

当在LAN联网环境中使用时，计算机910通过网络接口或适配器970连接到LAN 971。当在WAN联网环境中使用时，计算机910通常包括调制解调器972或用于通过诸如因特网等WAN 973建立通信的其它手段。调制解调器972可以是内置的或外置的，可经由用户输入接口960或其它适当的机制连接到系统总线921。在联网环境中，相关于计算机910所示的程序模块或其部分可被存储在远程存储器存储设备中。作为示例，而非限制，图19示出了远程应用程序985驻留在远程计算机980上。应当理解，所示的网络连接是示例性的，并且可使用在计算机之间建立通信链路的其它手段。

还应注意，本文描述的不同实施例可以按不同的方式来组合。即，一个或多个实施例的各部分可以与一个或多个其他实施例的各部分组合在一起。本文中构想了所有这些。

示例1是计算系统，包括显示系统、更新给定用户的用户简档的用户简档更新系统、分析数据源并从该数据源提取与给定用户相关联的至少一个工作属性的数据提取系统、以及显现系统，该显现系统包括基于至少一个工作属性来生成用户简档建议的建议生成器组件以及显示系统控制器，该显示系统控制器控制显示系统以生成具有用户输入机制的显示用户简档建议的用户界面显示，并检测与用户输入机制的用户交互，该用户简档更新系统基于检测到的用户交互来更新用户简档。

示例2是任一或所有先前示例的计算系统，其中用户界面显示包括具有用户输入机制的对应于用户简档建议的用户简档更新显示，显示系统检测与用户输入机制的用户交互，并且用户简档更新系统被控制为响应于与用户输入机制的用户交互来用用户简档建议更新用户简档。

示例3是任一或所有先前示例的计算系统，其中数据提取系统包括生成给定用户与工作属性之间的关联的关联生成器、将实体建模为节点并将实体之间的关系建模为节点之间的连接的节点-边图，其中第一节点表示给定用户，而第二节点表示数据源，以及更新节点-边图以包括第一和第二节点之间的连接的节点-边图更新组件，该连接表示给定用户与工作属性之间的关联。

示例4是任一或所有先前示例的计算系统，其中用户交互定义对用户简档建议的用户接受或者对用户简档建议的用户拒绝，节点-边图更新组件基于对用户简档建议的用户接受或用户拒绝来更新节点-边图。

示例5是任一或所有先前示例的计算系统，并且该计算系统还包括将组织的用户表示为节点的组织图且节点之间的连接表示用户之间的关系，并且其中数据提取系统包括标识数据源中的在组织图中出现多次的姓名并基于出现在组织图中的位置来对姓名进行消歧的姓名消歧组件。

示例6是任一或所有先前示例的计算系统，姓名消歧组件标识数据源中的出现在组织图中的另一姓名，并基于姓名在组织图中的多次出现中的每一次出现与该另一姓名的出现的邻近度来对该姓名进行消歧。

示例7是任一或所有先前示例的计算系统，并且该计算系统还包括标识给定用户对于数据源的访问许可并基于访问许可来控制用户简档建议的显现的许可系统。

示例8是任一或所有先前示例的计算系统，其中数据提取系统包括标识数据源中的首字母缩略词并基于所标识的首字母缩略词来提取第一工作属性的首字母缩略词处理组件，并且该首字母缩略词处理组件标识首字母缩略词在第二数据源中的出现并基于所标识的首字母缩略词的出现来从第二数据源中提取第二工作属性。

示例9是任一或所有先前示例的计算系统，其中第一和第二工作属性表示项目。

示例10是计算系统，包括访问数据源的数据源访问组件、基于来自数据源的数据的结构来对每一数据源进行归类的归类组件、基于对数据源的归类来从每一数据源提取工作属性数据的数据提取系统，工作属性数据涉及给定用户的一个或多个工作属性，以及基于工作属性数据来更新用户简档的简档更新系统。

示例11是任一或所有先前示例的计算系统，其中每一数据源系统包括文档。

示例12是任一或所有先前示例的计算系统，数据提取系统确定文档包括结构化数据或半结构化数据中的至少一个，并提取标识给定用户的用户标识数据并基于用户标识数据相对于文档中的工作属性数据的位置来提取工作属性数据。

示例13是任一或所有先前示例的计算系统，数据提取系统标识文档中的表格并将该表格中的列或行归类为包含特定数据类型。

示例14是任一或所有先前示例的计算系统，数据提取系统将第一列或行归类为包含工作属性并将第二列或行归类为包含用户标识数据。

示例15是任一或所有先前示例的计算系统，数据提取系统从包括结构化数据和/或半结构化数据的数据源集合获取多个用户/工作属性关联，并且其中数据提取系统包括非结构化数据学习组件，该非结构化数据学习组件包括训练非结构化数据提取模型的模型训练组件，该非结构化数据提取模型基于从该数据源集合获取的多个用户/工作属性关联来从非结构化数据中提取用户/工作属性关联。

示例16是计算机实现的方法，包括从数据源提取数据，分析所提取的数据以标识用户/工作属性关联，该用户/工作属性关联将给定用户与工作属性相关联，标识给定用户对于数据源的访问许可，并基于访问许可来显现工作属性以供包括在给定用户的用户简档中。

示例17是任一或所有先前示例的计算机实现的方法，其中显现工作属性包括控制简档更新系统用工作属性来更新用户简档。

示例18是任一或所有先前示例的计算机实现的方法，其中控制简档更新系统包括生成具有用户输入机制的将工作属性显现为用户简档建议的用户界面显示，检测接受工作属性以包括在用户简档中的与用户输入机制的用户交互，以及响应于检测到的用户交互，控制简档更新系统以基于用户简档建议来修改用户简档。

示例19是任一或所有先前示例的计算机实现的方法，并且该方法还包括在节点-边图中将用户/工作属性关联表示为表示给定用户的第一节点与表示数据源的第二节点之间的边。

示例20是任一或所有先前示例的计算机实现的方法，其中标识给定用户对于数据源的访问许可包括标识节点-边图中的第一节点并且通过该边以标识由第二节点标识的数据源，以及确定与该数据源相关联的访问许可集。

尽管用结构特征和/或方法动作专用的语言描述了本主题，但可以理解，所附权利要求书中定义的主题不必限于上述特定特征或动作。相反，上述特定特征和动作是作为实现权利要求书的示例形式而公开的，并且其他等价特征和动作旨在处于权利要求书的范围内。

Claims (15)

1.一种计算系统，包括：

显示系统(128)；

更新给定用户的用户简档的用户简档更新系统(138)；

分析数据源并从所述数据源中提取与所述给定用户相关联的至少一个工作属性的数据提取系统(134)；以及

显现系统(136)，包括基于所述至少一个工作属性来生成用户简档建议的建议生成器组件，以及显示系统控制器，所述显示系统控制器控制所述显示系统以生成具有用户输入机制的显示所述用户简档建议的用户界面显示，并检测与所述用户输入机制的用户交互，所述用户简档更新系统基于检测到的用户交互来更新所述用户简档。

2.如权利要求1所述的计算系统，其特征在于，所述用户界面显示包括具有用户输入机制的对应于所述用户简档建议的用户简档更新显示，所述显示系统检测与所述用户输入机制的用户交互，并且所述用户简档更新系统被控制为响应于与所述用户输入机制的所述用户交互来用所述用户简档建议更新所述用户简档。

3.如权利要求1所述的计算系统，其特征在于，所述数据提取系统包括：

生成所述给定用户与所述工作属性之间的关联的关联生成器；

将实体建模为节点并将所述实体之间的关系建模为节点之间的连接的节点-边图，其中第一节点表示所述给定用户，而第二节点表示所述数据源；以及

更新所述节点-边图以包括所述第一和第二节点之间的连接的节点-边图更新组件，所述连接表示所述给定用户与所述工作属性之间的关联。

4.如权利要求3所述的计算系统，其特征在于，所述用户交互定义对所述用户简档建议的用户接受或者对所述用户简档建议的用户拒绝，所述节点-边图更新组件基于对所述用户简档建议的用户接受或用户拒绝来更新所述节点-边图。

5.如权利要求1所述的计算系统，其特征在于，还包括将组织的用户表示为节点的组织图，并且所述节点之间的连接表示所述用户之间的关系，并且其中所述数据提取系统包括：

标识所述数据源中的在所述组织图中出现多次的姓名并基于出现在所述组织图中的位置来对所述姓名进行消歧的姓名消歧组件。

6.如权利要求5所述的计算系统，其特征在于，所述姓名消歧组件标识所述数据源中的出现在所述组织图中的另一姓名，并基于所述姓名在所述组织图中的多次出现中的每一次出现与所述另一姓名的出现的邻近度来对所述姓名进行消歧。

7.如权利要求1所述的计算系统，其特征在于，还包括：

标识所述给定用户对于所述数据源的访问许可并基于所述访问许可来控制所述用户简档建议的显现的许可系统。

8.如权利要求1所述的计算系统，其特征在于，所述数据提取系统包括：

标识所述数据源中的首字母缩略词并基于所标识的首字母缩略词来提取第一工作属性的首字母缩略词处理组件，并且所述首字母缩略词处理组件标识所述首字母缩略词在第二数据源中的出现并基于所标识的所述首字母缩略词的出现来从所述第二数据源中提取第二工作属性。

9.如权利要求8所述的计算系统，其特征在于，所述第一和第二工作属性表示项目。

10.一种计算系统，包括：

访问数据源的数据源访问组件(146)；

基于来自所述数据源的数据的结构来对每一数据源进行归类的归类组件(150)；

基于对所述数据源的归类来从每一数据源中提取工作属性数据的数据提取系统(154)，所述工作属性数据涉及给定用户的一个或多个工作属性；以及

基于所述工作属性数据来更新用户简档的简档更新系统(138)。

11.如权利要求10所述的计算系统，其特征在于，每一数据源包括文档。

12.如权利要求11所述的计算系统，其特征在于，所述数据提取系统确定所述文档包括结构化数据或半结构化数据中的至少一个，并且提取标识所述给定用户的用户标识数据并基于所述用户标识数据相对于所述文档中的工作属性数据的位置来提取所述工作属性数据。

13.一种计算机实现的方法，包括：

从数据源提取数据(252)；

分析(406；410；504；508；540)所提取的数据以标识用户/工作属性关联，所述用户/工作属性关联将给定用户与工作属性相关联；

标识(606)所述给定用户对于所述数据源的访问许可；以及

基于所述访问许可，显现(610)所述工作属性以供包括在所述给定用户的用户简档中。

14.如权利要求13所述的计算机实现的方法，其特征在于，显现所述工作属性包括控制简档更新系统用所述工作属性来更新所述用户简档。

15.如权利要求13所述的计算机实现的方法，其特征在于，还包括：

在节点-边图中将所述用户/工作属性关联表示为表示所述给定用户的第一节点与表示所述数据源的第二节点之间的边。