CN106575418B - 建议的关键词 - Google Patents
建议的关键词 Download PDFInfo
- Publication number
- CN106575418B CN106575418B CN201580038600.XA CN201580038600A CN106575418B CN 106575418 B CN106575418 B CN 106575418B CN 201580038600 A CN201580038600 A CN 201580038600A CN 106575418 B CN106575418 B CN 106575418B
- Authority
- CN
- China
- Prior art keywords
- phrases
- profile
- phrase
- profiles
- target member
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 claims abstract description 46
- 230000006855 networking Effects 0.000 claims abstract description 37
- 230000015654 memory Effects 0.000 claims description 13
- 230000004044 response Effects 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000000551 statistical hypothesis test Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005295 random walk Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000005291 magnetic effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/02—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail using automatic reactions or user delegation, e.g. automatic replies or chatbot-generated messages
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
描述了向社交网络成员标识建议的关键词的方法和系统。在一个示例实施例中,建议关键词系统检查类似于目标简档的由在线社交联网系统维护的简档中出现的短语并且利用区别强度值来标识在这些简档中最突出的那些词语和短语。这些最突出的词语和短语可以作为建议的关键词呈现给目标成员以包括在成员的职业概要中。
Description
相关申请
本申请要求享有2014年5月16日提交的美国申请号14/280,448和2014年5月16日提交的美国申请号14/280,456的优先权,其中的每一个通过引用以其整体并入本文。
技术领域
本申请涉及软件和/或硬件技术的技术领域,并且在一个示例实施例中,涉及向社交网络成员标识建议的关键词的系统和方法。
背景技术
在线社交网络可以被视为在虚拟空间中连接人们的平台。在线社交网络可以是基于web(网络)的平台,诸如例如社交联网网站,并且可以由用户经由web浏览器或经由提供在移动电话、平板电脑等上的移动应用访问。在线社交网络可以是特别地设计用于商业社区的聚焦商业的社交网络,其中注册成员建立和存档他们知道且在专业上信任的人员网络。每一个注册成员可以通过成员简档来表示。成员简档可以通过以XML(可扩展标记语言)、JSON(JavaScript对象表示法)或类似格式的成员信息的结构化表示或者一个或多个网页来表示。社交联网网站的成员的简档网页可以强调相关联的成员的雇佣历史和教育。
附图说明
本发明的实施例通过示例而非限制的方式图示在附图的各图中,其中相同的参考数字指示类似的元件,并且其中:
图1是向社交网络成员建议关键词的示例方法和系统可以在其内实现的网络环境的图示性表示;
图2是依照一个示例实施例的向社交网络成员建议关键词的系统的框图;
图3是依照示例实施例的利用基于图的方案向社交网络成员建议关键词的方法的流程图;
图4是依照示例实施例的利用区别强度值向社交网络成员建议关键词的方法的流程图;
图5是图示了依照示例实施例的建议的关键词的呈现和表示在线社交网络系统的成员的成员简档的概要部分的用户接口图;
图6是图示了依照示例实施例的利用基于图的方案来生成针对从在线社交网络系统中的类似简档的子网络提取的短语的相应排序的示例图;以及
图7是以用于使机器执行本文所讨论的方法中的任何一个或多个的指令集可以在其内执行的计算机系统的形式的示例机器的图示性表示。
具体实施方式
描述了向在线社交网络中的社交网络成员建议关键词的方法和系统。在以下描述中,出于解释的目的,阐述众多具体细节以便提供本发明的实施例的透彻理解。然而,对本领域技术人员将显然的是,本发明可以在没有这些具体细节的情况下实践。
如本文所使用的,术语“或”可以以包括性或排他性含义来解释。类似地,术语“示例性”仅仅意指某物的示例或范例,而不一定是完成目标的优选或理想手段。此外,尽管以下讨论的各种示例性实施例可能利用基于Java的服务器和相关环境,但是仅仅为了公开中的清楚性而给出该实施例。因此,包括各种系统架构的任何类型的服务器环境可以采用本文所描述的以应用为中心的资源系统和方法的各种实施例并且被视为在本发明的范围内。
出于本描述的目的,短语“在线社交联网应用”可以被称为短语“在线社交网络”或仅仅“社交网络”并且与其可互换地使用。还将指出的是,在线社交网络可以是任何类型的在线社交网络,诸如例如职业网络、基于兴趣的网络或准许用户作为注册成员加入的任何在线联网系统。出于本描述的目的,在线社交网络的注册成员可以被简单地称为成员。
在线社交网络的每一个成员通过成员简档(还称为成员的简档或简单地,简档)来表示。成员简档可以与指示成员与社交网络的其他成员的连接的社交链接相关联。成员简档还可以包括来自在线社交网络的其他成员的评论或赞同或与其相关联,具有去往其它网络资源(诸如例如出版物等)的链接。如以上所提到的,在线社交联网系统可以设计成允许注册成员建立和存档他们知道并且在专业上信任的人员的网络。社交网络的任何两个成员可以指示其要在社交网络的上下文中“连接”的相互意愿,其中他们可以查看彼此的简档、简档推荐和针对彼此的赞同并且以其它方式经由社交网络接触。
社交网络成员的简档信息可以包括个人信息,诸如例如成员的姓名、成员的当前和之前的地理位置、成员的当前和之前的雇佣信息、涉及成员的教育的信息、关于成员的职业成就的信息、出版物、专利等。社交网络成员的简档信息还可以包括由成员的连接提供的信息。由成员的连接提供的信息可以是例如推荐、赞同和技能。成员的简档可以包括简档的若干项或单元。例如,简档的一个单元可以包含关于成员的教育的信息,而另一单元可以包含关于成员的当前和过去雇佣的信息。成员的简档还可以包括简档概要,例如归纳成员的职业经历和成就的成员的职业概要。创建职业概要的任务对于个人而言可能是具有挑战性的,因为其可能要求来自整个简档的信息的创造性综合。同时,简档概要的内容可能非常重要,因为其可能影响在在线社交网络中的成员的排序(例如职业排序)。成员的职业概要可以被对理解候选者的职业背景感兴趣的雇佣招聘人员查看。因此,欠佳构造的概要可能造成对于成员的较少职业机会并且还可能影响成员的简档如何出现在搜索结果中。
为了帮助用户编写职业概要,利用用于生成针对社交网络成员的建议的关键词的系统(还称为建议关键词系统)可能是有益的。被提供有建议的关键词的用户(社交联网系统的成员)可以被称为目标成员。与目标成员相关联的简档可以称为目标简档。在一个示例实施例中,建议关键词系统检查类似于目标简档的由在线社交联网系统维护的简档中出现的短语并且标识在这些简档中最突出的那些词语和短语。这些最突出的词语和短语可以作为建议的关键词呈现给目标成员以包括在成员的职业概要中。在图5中示出图示了建议的关键词向处于编辑他的职业概要的过程中的用户的呈现的示例屏幕500。
将指出的是,短语要被理解为n元语法:来自文本的给定序列的n个项的连续序列。在一个示例实施例中,短语的突出性通过排序值来表述。具有更高排序的短语被视为在描述目标成员的职业背景方面更加相关。目标成员因而可以被呈现有预确定数目的最高排序的短语作为要包括在他的职业概要中的建议的关键词。关于目标成员简档及类似简档的其相关联的子网络的短语的相应排序可以基于在子网络中的每一个简档中的每一个短语的出现频率以及在目标成员简档或任何类似简档针作为针对其的结果而出现的搜索查询中的短语的出现频率,并且还基于针对简档对的相应类似性值来计算,其中每一对具有目标简档和来自子网络的另一简档。
可以周期性地重新计算针对目标简档的短语的排序并且将其存储在数据库中。针对目标简档的短语的排序还可以按需计算,例如响应于检测到用户已经访问了准许创建或编辑表示该用户的简档的概要部分的在线社交联网系统中的网页。
在操作中,根据一个实施例,建议关键词系统可以首先确定针对在线社交网络系统中的目标简档的类似成员简档的子网络。两个简档之间的类似性(还称为相似性)可以基于比较成员简档的各种相应单元来确定,诸如相应位置、工作描述、所列出的技能、教育程度、群组成员关系等。系统然后从子网络中的简档提取n元语法(短语)。可以过滤所提取的简档数据以消除某些类型的词语和短语,诸如例如非英语文本、普通或攻击性词语、专有名词、电子邮件地址等。对于子网络中的每一个成员简档,确定来自所提取的短语的每一个短语的出现频率。例如,指示由成员ID“22330283”标识的成员简档的记录包含短语“管理”的10次出现和短语“商业操作”的5次出现。该记录可以被表示如下:
22330283,{(“管理”,10),(“商业操作”,5),…}。
对于每一对短语w i 和w j ,系统可以确定关于目标简档的相关性值C ij ,如通过以下的等式(1)所表述的:
其中S k 是指示目标简档与k简档之间的类似性的值,w ki 是指示在k简档中短语w ki 的出现频率的值,并且w kj 是指示在k简档中短语w j 的出现频率的值。值w ki 和w kj 还可以表示按取决于相应短语出现在其中的搜索查询的数目的因子加权的在第k个简档内相应短语的出现频率。
类似性S k 可以通过目标成员简档与第k个成员简档的不同部分之间的类似性的加权组合来确定。两个简档的部分对之间的类似性可以通过在矢量空间中表示每一个简档部分并且然后在该空间中应用点积、余弦或另一类似性函数来计算。取决于简档的具体部分,对应矢量空间的维度可以表示例如所有可能的n元语法、技能、教育水平、资历水平、群组成员关系和其它相关信息。用于将部分之间的类似性组合成单个简档类似性得分的权重可以例如启发式地确定,或者通过被训练成预测作为两个简档的不同部分之间的按对类似性的函数的简档协作视图(co-view)的统计模型来确定。
建议关键词系统然后可以构造图,其中图的节点表示从关于目标简档的成员简档的子网络提取的短语,并且边表示相应相关性值C ij 。示例图在图6中示出,其中示例图包括表示短语“企业发展”、“商业操作”、“行政”、“策略”、“营销”等的节点。沿边的值表示针对短语对的相应相关性值。例如,针对(“公司发展”“商业操作”)对的相关性值是30。图(其中图的节点表示从关于目标简档的成员简档的子网络提取的短语并且边表示相应相关性值C ij )可以被称为相似性图。
建议关键词系统然后可以向相似性图应用排序算法(例如随机游走算法)以便导出针对由相似性图中的节点表示的每一个短语的排序值。某个数目的最高排序短语可以存储在可由在线联网系统访问的数据库中。
根据另外的实施例,建议关键词系统可以被配置成针对存在于在线社交联网系统中的类似于目标简档的成员简档的子网络中的n元语法,生成所谓的区别强度值。针对关于成员简档的某个子网络的特定n元语法计算的区别强度值表述该特定n元语法指示包含属于子网络的特定n元语法的成员简档的概率。当关于目标简档确定简档的子网络时,将具有最高区别强度值的某个数目的n元语法选择为要呈现给由目标简档表示的成员的建议的关键词。
针对n元语法的区别强度值可以利用各种统计工具来计算,例如针对两个变量之间的关联性的统计假设测试。例如,在确定针对n元语法的区别强度值中,统计也可以将包括该n元语法的子网络中的简档的数目和包括该n元语法的子网络外的简档的数目考虑在内。所谓的指示符变量可以用于指示在线社交网络系统中的某个成员简档是否被包括在已经被标识为类似于目标简档的简档的子网络中。针对n元语法导出的统计量——区别强度值——可以被视为测量n元语法与指示符变量之间的相关性的程度,或统计依赖性。针对变量之间的独立性的各种统计假设测试可以用于基于那些变量上的成对观察来评价两个变量、n元语法和指示符变量之间的依赖性程度。针对变量之间的独立性的统计假设测试的一些示例,其可以应用于获取区别值,包括G-squared、皮尔森的chi-squared、Kruskal-Wallis。
统计工具还可以在计算针对n元语法的区别强度值中利用附加信息。例如,统计工具还可以利用类似性值,其表示目标简档与关于该简档中的n元语法的存在或不存在而被检查的简档之间的类似性。
一旦已经针对从属于成员简档的子网络的成员简档提取的n元语法计算了相应区别强度值,建议关键词系统选择具有最高区别强度值的预确定数目的n元语法并且向由目标简档表示的成员呈现这些n元语法作为建议的关键词。相反,具有低于某个阈值的相应区别强度值的n元语法由于关于描述由目标简档表示的成员具有极少或没有重要性而可以被舍弃。
建议关键词系统还可以被配置成确定目标简档的概要部分是否已经包含任何高得分的n元语法,并且如果是这样,向由目标简档表示的成员提供通知。例如,建议关键词系统可以被配置成标识某个数目的最高得分的n元语法。如果目标简档的概要部分已经包含这些所标识到的高得分n元语法中的一个或多个,建议关键词系统呈现不包括已经存在于概要部分中的那些n元语法的最高得分的n元语法的子集。通知可以被提供为陈述成员已经在其概要中使用某些有力的关键词的消息。对应于在某个数目的最高得分n元语法内具有其相应区别强度值的n元语法的出现在目标简档的概要部分中的关键词可以在目标简档的概要部分中被高亮,如图5中所示(区域520)。还可以提供鼓励消息,诸如例如“Nice work!You’re already using 7 powerful keywords(做得好!您已经在使用7个有力的关键词)”,如图5中所示(区域510)。
用于生成针对社交网络成员的建议的关键词的示例方法和系统可以实现在图1中图示的网络环境100的上下文中。
如图1中所示,网络环境100可以包括客户端系统110和120以及服务器系统140。客户端系统120可以是移动设备,诸如例如移动电话或平板电脑。在一个示例实施例中,服务器系统140可以主控在线社交网络系统142。如以上所解释的,在线社交网络的每一个成员由包含关于该成员的个人和职业信息并且可以与指示成员到在线社交网络中的其它成员简档的连接的社交链接相关联的成员简档表示。成员简档和相关信息可以存储在数据库150中作为成员简档152。
客户端系统110和120可以能够经由通信网络130、利用例如在客户端系统110上执行的浏览器应用112,或在客户端系统120上执行的移动应用来访问服务器系统140。通信网络130可以是公共网络(例如因特网、移动通信网络或能够传送数字数据的任何其它网络)。如图1中所示,服务器系统140还主控建议关键词系统144。建议关键词系统144可以被配置成针对由在线社交网络系统142中的目标简档表示的成员而确定代表成员的职业技能和经验的短语(还称为概要关键词或关键词)。在一个示例实施例中,为了确定针对目标简档的概要关键词,建议关键词系统144标识类似于目标简档的在线社交网络系统142中的简档的子网络,从子网络中的简档提取短语,并且计算针对短语的相应排序或得分。
针对短语的这些相应排序或得分可以基于针对子网络中的简档对确定的类似性值并且还基于在简档中短语的相应出现频率来计算。在一些实施例中,针对短语的相应排序或得分可以以区别强度值的形式。针对特定短语关于成员简档的某个子网络计算的区别强度值表述该特定短语指示包含属于子网络的该特定短语的成员简档的概率。
建议关键词系统144可以被配置成将最高排序短语(例如100个最高排序短语)存储为与目标简档相关联,例如作为数据库150中的经排序的短语154。建议关键词系统144可以被配置成向由目标简档表示的成员呈现某个数目的最高排序的词语,例如当成员正在访问他的简档页面以用于编辑该简档时。示例建议关键词系统144图示在图2中。
图2是依照一个示例实施例的生成在线社交网络的成员可以在其简档概要中使用的关键词的系统200的框图。如图2中所示,系统200包括访问模块210、简档类似性模块220、短语提取器230、相关性值模块240和排序模块250。访问模块210可以被配置成访问图1的在线社交网络系统142中的目标成员简档。简档类似性模块220可以被配置成从在线社交网络系统142中的简档确定多个类似的成员简档。类似的成员简档是类似于目标成员简档的那些简档。如以上提到的,多个类似的成员简档和目标简档可以称为在线社交网络系统中的类似简档的子网络。短语提取器230可以被配置成从类似简档的子网络提取多个短语。
相关性值模块240可以被配置成针对来自多个短语中的每一个短语对,计算相关性值。相关性值模块240可以被配置成,利用来自类似简档的子网络的成员简档中的第一短语的出现频率和来自类似简档的子网络的成员简档中的第二短语的出现频率,计算针对来自多个短语的第一短语和第二短语的相关性值。相关性值模块240可以被配置成还利用针对来自类似简档的子网络的成员简档对确定的类似性值,例如如以上参照以上示出的等式(1)所描述的。相关性值模块240可以被配置成还利用搜索查询中的两个短语中的每一个的出现频率。
排序模块250可以被配置成,基于来自多个短语的短语对的相应相关性值,确定针对多个短语中的每一个短语的排序。在一个实施例中,排序模块250可以被配置成构造相似性图,使得相似性图的节点表示来自多个短语的相应短语,并且相似性图中的边表示针对附连到边的相应节点的相关性值。排序模块250可以向相似性图应用排序算法,诸如随机游走算法,以确定针对由相似性图中的节点表示的多个短语中的每一个短语的排序。
在另外的实施例中,排序模块250可以被配置成计算针对短语(还称为n元语法)的相应区别强度值。如以上所解释的,针对短语的区别强度值表述该短语指示包含属于类似简档的子网络的该短语的成员简档的概率。排序模块250可以被配置成导出针对短语的统计量,称为区别强度值,其可以被视为短语与指示符变量之间的比例性,其中指示符变量指示在线社交网络系统中的某个成员简档是否被包括在已经被标识为类似于目标简档的简档的子网络中。在一个实施例中,排序模块250可以被配置成采用皮尔森的chi-squared测试以评价两个变量(短语和指示符变量)上的成对观察是否独立于彼此。排序模块250可以被配置成利用针对来自类似简档的子网络的成员简档对确定的类似性值来计算针对短语的相应区别值。排序模块250可以被配置成周期性地重新计算针对多个短语中的每一个短语的排序或得分。
同样在图2中示出的是建议关键词选择器260、呈现模块270和存储模块280。建议关键词选择器260可以被配置成,基于由排序模块250产生的结果,选择预确定数目的最高得分(或最高排序)短语。例如,在实施例中,其中利用相似性图和短语对的相应相关性值来确定短语的相应排序,建议关键词选择器260可以选择具有最高排序的预确定数目的短语。在实施例中,其中排序模块250导出针对短语的相应区别强度值,建议关键词选择器260可以选择具有最高区别强度值的预确定数目的短语。呈现模块270可以被配置成向由目标成员简档表示的成员呈现所选短语。存储模块280可以被配置成存储相应区别强度值或由排序模块250确定的排序以供将来使用,例如在图1的数据库150中作为经排序的短语154。
建议关键词选择器260还可以被配置成确定目标简档的概要部分包含处于具有最高相应排序(例如最高区别值)的某个阈值数目的短语内的一个或多个短语。呈现模块270可以被配置成向由目标成员简档表示的成员呈现所选短语,其排除存在于目标简档的概要部分中的所述一个或多个短语。呈现模块270还可以被配置成向由目标简档表示的成员呈现通知,例如响应于确定目标简档的概要部分包含所述一个或多个短语。通知可以是鼓励消息,诸如例如“Nice work! You’re already using 7 powerful keywords(做得好!您已经在使用7个有力的关键词)”,如图5中所示(区域510)。由系统200执行的一些操作可以参照图3来描述。
图3是根据一个示例实施例的生成在线社交网络的成员可以在其简档概要中使用的关键词的方法300的流程图。方法300可以通过处理逻辑来执行,其可以包括硬件(例如专用逻辑、可编程逻辑、微代码等)、软件(诸如在通用计算机系统或专用机器上运行)或二者的组合。在一个示例实施例中,处理逻辑驻留在图1的服务器系统140处,并且具体地,在图2中所示的系统200中。
如图3中所示,方法300在操作310处开始,当访问模块210访问图1的在线社交网络系统142中的目标成员简档时。在操作320处,简档类似性模块220从在线社交网络系统142中的简档确定多个类似成员简档。如以上提到的,类似成员简档是类似于目标成员简档的那些简档。这些类似简档连同目标简档一起构成类似简档的子网络。在操作330处,短语提取器230从类似简档的子网络提取多个短语。相关性值模块240在操作340处计算针对来自多个短语的每一个短语对的相关性值。在操作320处,排序模块250基于来自多个短语的短语对的相应相关性值来确定针对多个短语中的每一个短语的排序。如以上所解释的,针对短语的相应排序的计算可以包括构造相似性图,其中节点表示来自多个短语的相应短语,并且边表示针对相关联的节点的相关性值,以及向相似性图应用排序算法。
图4是方法400的流程图,其为根据一个示例实施例的利用区别强度值向社交网络成员建议关键词的方法。方法400可以通过处理逻辑来执行,其可以包括硬件(例如专用逻辑、可编程逻辑、微代码等)、软件(诸如在通用计算机系统或专用机器上运行)或二者的组合。在一个示例实施例中,处理逻辑驻留在图1的服务器系统140处,并且具体地,在图2中所示的系统200中。
如图4中所示,方法400在操作410处开始,当图2的访问模块210访问图1的在线社交网络系统142中的目标成员简档时。在操作420处,图2的简档类似性模块220从在线社交网络系统142中的简档确定多个类似成员简档。如以上提到的,类似成员简档是类似于目标成员简档的那些简档。这些类似简档连同目标简档一起构成类似简档的子网络。在操作430处,图2的短语提取器240从类似简档的子网络提取多个短语。图2的排序模块250在操作440处计算针对短语(还称为n元语法)的相应区别强度值。如以上解释的,针对短语的区别强度值表述该短语指示包含属于类似简档的子网络的该短语的成员简档的概率。在操作450处,图2的建议关键词选择器260基于短语的相应区别强度值而标识针对目标简档的概要部分的建议的关键词。在一个实施例中,建议关键词选择器260响应于检测到对包括目标成员简档的概要部分的网页的访问请求而建议针对目标简档的概要部分的关键词。
本文所描述的示例方法的各种操作可以至少部分地通过临时配置(例如通过软件)或永久配置成执行相关操作的一个或多个处理器来执行。无论被临时还是永久配置,这样的处理器可以构成操作成执行一个或多个操作或功能的处理器实现的模块。在一些示例实施例中,在本文中提到的模块可以包括处理器实现的模块。
类似地,本文所描述的方法可以至少部分地是处理器实现的。例如,方法的操作中的至少一些可以由一个或多个处理器或处理器实现的模块来执行。某些操作的执行可以被分布在一个或多个处理器之中,不仅驻留在单个机器内,而且跨数个机器部署。在一些示例实施例中,一个或多个处理器可以位于单个位置中(例如在家庭环境、办公室环境内或作为服务器场),而在其它实施例中,处理器可以跨数个位置分布。
图6是以用于使机器执行本文所讨论的方法中的任何一个或多个的指令集可以在其内执行的计算机系统700的示例形式的机器的图示性表示。在可替换的实施例中,机器操作为独立设备或者可以连接(例如联网)到其它机器。在联网部署中,机器可以以服务器-客户端网络环境中的服务器或客户端机器的能力进行操作,或者作为对等(或分布式)网络环境中的对等机器操作。机器可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、蜂窝电话、web器具、网络路由器、交换机或桥,或者能够执行指定要由该机器采取的动作的指令集(顺序或以其它方式)的任何机器。另外,虽然仅图示了单个机器,但是术语“机器”还应当被理解成包括单独或联合地运行指令集(或多个指令集)以执行本文所讨论的方法中的任何一个或多个的机器的任何集合。
示例计算机系统700包括处理器702(例如中央处理单元(CPU)、图形处理单元(GPU)或二者)、主存储器704和静态存储器706,其经由总线707与彼此通信。计算机系统700还可以包括视频显示单元710(例如液晶显示器(LCD)或阴极射线管(CRT))。计算机系统700还包括字母数字输入设备712(例如键盘)、用户接口(UI)导航设备714(例如光标控制设备)、盘驱动单元716、信号生成设备718(例如扬声器)和网络接口设备720。
盘驱动单元716包括机器可读介质722,其上存储体现本文所描述的方法或功能中的任何一个或多个或由其利用的一个或多个指令集和数据结构(例如软件724)。软件724还可以在其由计算机系统700执行期间完全或至少部分地驻留在主存储器704内和/或处理器702内,其中主存储器704和处理器702还构成机器可读介质。
软件724还可以利用数个公知传输协议中的任一个(例如超文本传输协议(HTTP))经由网络接口设备720通过网络726进行传送或接收。虽然在示例实施例中将机器可读介质722示出为单个介质,但是术语“机器可读介质”应当理解成包括存储一个或多个指令集的单个介质或多个介质(例如集中式或分布式数据库,和/或相关联的高速缓存和服务器)。术语“机器可读介质”还应当理解成包括能够存储和编码指令集以供机器运行并且使机器执行本发明的实施例的方法中的任何一个或多个或者能够存储和编码由这样的指令集利用或与其相关联的数据结构的任何介质。术语“机器可读介质”应当相应地被理解成包括但不限于固态存储器、光学和磁性介质。这样的介质还可以包括而没有限制,硬盘、软盘、闪速存储器卡、数字视频盘、随机存取存储器(RAM)、只读存储器(ROM)等。载体介质包括有形机器可读介质或承载用于使机器实现方法的指令的暂时性介质,诸如信号,例如传输介质、电信号、光学信号或电磁信号。
本文所描述的实施例可以以包括安装在计算机上的软件的操作环境、以硬件、或以软件和硬件的组合来实现。发明主题的这样的实施例可以在本文中单独或集体地通过术语“发明”来指代,其仅仅为了方便并且不旨在将本申请的范围主动限制到任何单个发明或发明概念,如果事实上公开多于一个的话。
模块、组件和逻辑
本文将某些实施例描述为包括逻辑或数个组件、模块或机制。模块可以构成软件模块(例如体现在(1)非暂时性机器可读介质上或(2)传输信号中的代码)或硬件实现的模块。硬件实现的模块是能够执行某些操作的有形单元并且可以以某种方式被配置或布置。在示例实施例中,一个或多个计算机系统(例如独立、客户端或服务器计算机系统)或一个或多个处理器可以通过软件(例如应用或应用部分)配置为操作成执行如本文所描述的某些操作的硬件实现的模块。
在各种实施例中,硬件实现的模块可以机械地或电子地实现。例如,硬件实现的模块可以包括被永久地配置成执行某些操作的专用电路或逻辑(例如作为专用处理器,诸如现场可编程门阵列(FPGA)或专用集成电路(ASIC))。硬件实现的模块还可以包括被软件临时配置成执行某些操作的可编程逻辑或电路(例如如涵盖在通用处理器或其它可编程处理器内)。将领会的是,机械地、在专用和永久配置的电路中或在临时配置的电路中(例如通过软件配置)实现硬件实现的模块的决定可以由成本和时间考虑所驱使。
相应地,术语“硬件实现的模块”应当理解成涵盖有形实体,所述有形实体是物理构造、被永久配置(例如硬连线)或被临时或暂时配置(例如编程)成以某种方式操作和/或执行本文所描述的某些操作的实体。考虑其中硬件实现的模块被临时配置(例如编程)的实施例,每一个硬件实现的模块不需要在任何一个时刻都被配置或例示化。例如,在硬件实现的模块包括使用软件配置的通用处理器的情况下,通用处理器可以在不同时间处被配置为相应的不同硬件实现的模块。软件可以相应地将处理器配置成例如在一个时刻构成特定硬件实现的模块并且在不同的时刻构成不同的硬件实现的模块。
硬件实现的模块可以向其他硬件实现的模块提供信息并且从其接收信息。相应地,所描述的硬件实现的模块可以被视为通信耦合的。在多个这样的硬件实现的模块同时存在的情况下,通信可以通过连接硬件实现的模块的信号传输(例如通过适当的电路和总线)实现。在其中在不同时间配置或例示化多个硬件实现的模块的实施例中,这样的硬件实现的模块之间的通信可以例如通过多个硬件实现的模块能够访问的存储器结构中的信息的存储和检索来实现。例如,一个硬件实现的模块可以执行操作,并且在其通信耦合到的存储器设备中存储该操作的输出。另外的硬件实现的模块然后可以在稍后时间处访问存储器设备以检索和处理所存储的输出。硬件实现的模块还可以发起与输入或输出设备的通信,并且可以在资源上进行操作(例如信息的收集)。
本文所描述的示例方法的各种操作可以至少部分地由被临时配置(例如通过软件)或永久配置成执行相关操作的一个或多个处理器执行。无论被临时还是永久地配置,这样的处理器都可以构成操作成执行一个或多个操作或功能的处理器实现的模块。在一些示例实施例中,在本文中提到的模块可以包括处理器实现的模块。
类似地,本文所描述的方法可以至少部分地是处理器实现的。例如,方法的至少一些操作可以由一个或多个处理器或处理器实现的模块执行。某些操作的执行可以被分布在所述一个或多个处理器之中,不仅驻留在单个机器内,而且跨数个机器部署。在一些示例实施例中,一个或多个处理器可以位于单个位置中(例如在家庭环境、办公室环境内或作为服务器场),而在其它实施例中,处理器可以跨数个位置分布。
一个或多个处理器还可以操作成支持在“云计算”环境中的相关操作的执行或作为“软件即服务”(SaaS)。例如,至少一些操作可以由计算机(作为包括处理器的机器的示例)群组执行,这些操作可经由网络(例如因特网)和经由一个或多个适当的接口(例如应用程序接口(API))访问。
因此,已经描述了向社交网络成员建议关键词的方法和系统。尽管已经参照具体示例实施例描述了实施例,但是将显然的是,可以在不脱离发明主题的更宽范围的情况下对这些实施例做出修改和改变。相应地,说明书和附图要以说明性而非限制性含义来看待。
Claims (32)
1.一种用于标识建议的关键词的方法,包括:
访问在线社交网络系统中的目标成员简档,目标成员简档与简档概要用户界面相关联;
从在线社交网络系统中的简档确定多个类似成员简档,来自多个类似成员简档的简档类似于目标成员简档,多个类似成员简档和目标成员简档是在线社交网络系统中的类似简档的子网络;
从类似简档的子网络提取多个短语;
针对来自多个短语的短语,使用至少一个处理器来计算相应区别强度值,针对来自多个短语的特定短语的区别强度值表述所述特定短语指示包含属于类似简档的子网络的所述特定短语的成员简档的概率,其中对来自多个短语的特定短语的区别强度值的计算包括使用包括所述特定短语的类似简档的子网络中的简档的数目以及包括所述特定短语的类似简档的子网络外的简档的数目;
基于来自多个短语的短语的相应区别强度值标识针对目标成员简档的概要部分的建议的关键词;以及
使得建议的关键词在简档概要用户界面中呈现。
2.根据权利要求1所述的方法,其中标识针对目标成员简档的概要部分的建议的关键词是响应于检测到对包括目标成员简档的概要部分的网页的访问请求的。
3.根据权利要求1所述的方法,包括存储来自多个短语的一个或多个短语及其相应的区别强度值以供将来访问。
4.根据权利要求1所述的方法,包括:
基于其相应区别强度值而从多个短语中选择预确定数目的短语;以及
向由目标成员简档表示的成员呈现所选短语。
5.根据权利要求4所述的方法,包括:
确定目标成员简档的概要部分包含处于具有最高相应区别强度值的某个阈值数目的短语内的一个或多个短语;以及
向由目标成员简档表示的成员呈现所选短语,其排除存在于目标成员简档的概要部分中的一个或多个短语。
6.根据权利要求5所述的方法,包括响应于确定目标成员简档的概要部分包含一个或多个短语而向由目标成员简档表示的成员呈现通知。
7.根据权利要求4所述的方法,其中向成员呈现所选短语是响应于检测到对包括目标成员简档的概要部分的网页的访问请求的。
8.根据权利要求1所述的方法,包括周期性地重新计算针对多个短语中的每一个短语的区别强度值。
9.根据权利要求1所述的方法,其中计算针对多个短语中的每一个短语的区别强度值包括利用针对来自类似简档的子网络的成员简档对确定的类似性值。
10.根据权利要求1所述的方法,其中计算针对来自多个短语的短语的相应区别强度值包括利用针对变量之间的独立性的统计假设测试。
11.一种计算机实现的系统,包括:
耦合到存储器的至少一个处理器;
访问模块,其使用至少一个处理器来访问在线社交网络系统中的目标成员简档,目标成员简档与简档概要用户界面相关联;
简档类似性模块,其使用至少一个处理器来从在线社交网络系统中的简档确定多个类似成员简档,来自多个类似成员简档的简档类似于目标成员简档,多个类似成员简档和目标成员简档是在线社交网络系统中的类似简档的子网络;
短语提取器,其使用至少一个处理器来从类似简档的子网络提取多个短语;
排序模块,其使用至少一个处理器来针对来自多个短语的短语,计算相应区别强度值,针对来自多个短语的特定短语的区别强度值表述所述特定短语指示包含属于类似简档的子网络的所述特定短语的成员简档的概率,其中对来自多个短语的特定短语的区别强度值的计算包括使用包括所述特定短语的类似简档的子网络中的简档的数目以及包括所述特定短语的类似简档的子网络外的简档的数目;
建议关键词选择器,其使用至少一个处理器来基于来自多个短语的短语的相应区别强度值标识针对目标成员简档的概要部分的建议的关键词;以及
呈现模块,其使得建议的关键词在简档概要用户界面中呈现。
12.根据权利要求11所述的系统,其中所述建议关键词选择器要响应于检测到对包括目标成员简档的概要部分的网页的访问请求而标识针对目标成员简档的概要部分的建议的关键词。
13.根据权利要求11所述的系统,包括存储模块,其使用至少一个处理器来存储来自多个短语的一个或多个短语及其相应的区别强度值以供将来访问。
14.根据权利要求11所述的系统,其中所述建议关键词选择器要基于其相应区别强度值从多个短语中选择预确定数目的短语,并且所述呈现模块使用至少一个处理器来向由目标成员简档表示的成员呈现所选短语。
15.根据权利要求14所述的系统,其中:
所述建议关键词选择器要确定目标成员简档的概要部分包含处于具有最高相应区别强度值的某个阈值数目的短语内的一个或多个短语;并且
所述呈现模块要向由目标成员简档表示的成员呈现所选短语,其排除存在于目标成员简档的概要部分中的所述一个或多个短语。
16.根据权利要求15所述的系统,其中所述呈现模块要响应于确定目标成员简档的概要部分包含所述一个或多个短语而向由目标成员简档表示的成员呈现通知。
17.根据权利要求14所述的系统,其中所述呈现模块要响应于检测到对包括目标成员简档的概要部分的网页的访问请求而向成员呈现所选短语。
18.根据权利要求11所述的系统,其中所述排序模块要周期性地重新计算针对多个短语中的每一个短语的区别强度值。
19.根据权利要求11所述的系统,其中所述排序模块要利用针对来自类似简档的子网络的成员简档对确定的类似性值而计算针对多个短语中的每一个短语的区别强度值。
20.一种用于对短语进行排序的方法,包括:
访问在线社交网络系统中的目标成员简档;
从在线社交网络系统中的简档确定多个类似成员简档,来自多个类似成员简档的简档类似于目标成员简档,多个类似成员简档和目标成员简档是在线社交网络系统中的类似简档的子网络;
使用至少一个处理器来从类似简档的子网络提取多个短语;
针对来自多个短语的包括第一短语和第二短语的每一个短语对,将相关性值计算为相对于包括多个类似成员简档中的简档和目标成员简档的每一个简档对计算的乘积值之和,相对于包括多个类似成员简档中的特定简档和目标成员简档的一个简档对计算的乘积值是以下项的乘积值:指示目标成员简档与特定简档之间的类似性的值、指示在特定简档中所述第一短语的出现频率的值、以及指示在特定简档中所述第二短语的出现频率的值;以及
使用至少一个处理器,基于来自多个短语的短语对的相应相关性值,确定针对多个短语中的每一个短语的排序,其中确定针对多个短语中的每一个短语的排序包括:
构造相似性图,所述相似性图的节点表示来自多个短语的相应短语,并且所述相似性图中的边表示附连到所述边的相应节点的相关性值;以及
向所述相似性图应用排序算法以确定由所述相似性图中的所述节点表示的多个短语中的每一个短语的排序。
21.根据权利要求20所述的方法,其中确定针对多个短语中的每一个短语的排序是响应于检测到对包括目标成员简档的概要部分的网页的访问请求的。
22.根据权利要求20所述的方法,包括存储来自多个短语的一个或多个短语及其相应的排序值以供将来访问。
23.根据权利要求20所述的方法,包括:
从多个短语中选择预确定数目的最高排序的短语;以及
向由目标成员简档表示的成员呈现所选短语。
24.根据权利要求23所述的方法,其中向成员呈现所选短语是响应于检测到对包括目标成员简档的概要部分的网页的访问请求的。
25.根据权利要求20所述的方法,包括周期性地重新计算针对多个短语中的每一个短语的排序。
26.根据权利要求20所述的方法,其中计算针对来自多个短语的第一短语和第二短语的相关性值包括利用在搜索查询中第一短语和第二短语的相应出现频率。
27.一种计算机实现的系统,包括:
至少一个处理器;
至少一个存储器,其中至少一个存储器耦合到所述至少一个处理器;以及
存储在所述至少一个存储器中的并且由所述至少一个处理器执行的一个或多个模块,所述一个或多个模块包括用于以下操作的指令:
使用至少一个处理器来访问在线社交网络系统中的目标成员简档;
使用至少一个处理器来从在线社交网络系统中的简档确定多个类似成员简档,来自多个类似成员简档的简档类似于目标成员简档,多个类似成员简档和目标成员简档是在线社交网络系统中的类似简档的子网络;
使用至少一个处理器来从类似简档的子网络提取多个短语;
使用至少一个处理器来针对来自多个短语的包括第一短语和第二短语的每一个短语对,将相关性值计算为相对于包括多个类似成员简档中的简档和目标成员简档的每一个简档对计算的乘积值之和,相对于包括多个类似成员简档中的特定简档和目标成员简档的一个简档对计算的乘积值是以下项的乘积值:指示目标成员简档与特定简档之间的类似性的值、指示在特定简档中所述第一短语的出现频率的值、以及指示在特定简档中所述第二短语的出现频率的值;以及
使用至少一个处理器,基于来自多个短语的短语对的相应相关性值,确定针对多个短语中的每一个短语的排序,其中确定针对多个短语中的每一个短语的排序包括:
构造相似性图,所述相似性图的节点表示来自多个短语的相应短语,并且所述相似性图中的边表示附连到所述边的相应节点的相关性值;以及
向所述相似性图应用排序算法以确定由所述相似性图中的所述节点表示的多个短语中的每一个短语的排序。
28.根据权利要求27所述的系统,其中所述一个或多个模块还包括用于以下操作的指令:响应于检测到对包括目标成员简档的概要部分的网页的访问请求而确定针对多个短语中的每一个短语的排序。
29.根据权利要求27所述的系统,包括存储模块,其存储来自多个短语的一个或多个短语及其相应的排序值以供将来访问。
30.根据权利要求27所述的系统,包括:
建议关键词选择器,其从多个短语中选择预确定数目的最高排序的短语;以及
呈现模块,其向由目标成员简档表示的成员呈现所选短语。
31.根据权利要求30所述的系统,其中所述呈现模块向成员呈现所选短语是响应于检测到对包括目标成员简档的概要部分的网页的访问请求的。
32.根据权利要求27所述的系统,其中所述一个或多个模块还包括用于以下操作的指令:周期性地重新计算针对多个短语中的每一个短语的排序。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/280448 | 2014-05-16 | ||
US14/280,448 US10162820B2 (en) | 2014-05-16 | 2014-05-16 | Suggested keywords |
US14/280,456 US9727654B2 (en) | 2014-05-16 | 2014-05-16 | Suggested keywords |
US14/280456 | 2014-05-16 | ||
PCT/US2015/023163 WO2015175100A1 (en) | 2014-05-16 | 2015-03-27 | Suggested keywords |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106575418A CN106575418A (zh) | 2017-04-19 |
CN106575418B true CN106575418B (zh) | 2021-06-08 |
Family
ID=54480396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580038600.XA Active CN106575418B (zh) | 2014-05-16 | 2015-03-27 | 建议的关键词 |
Country Status (3)
Country | Link |
---|---|
EP (1) | EP3143579A4 (zh) |
CN (1) | CN106575418B (zh) |
WO (1) | WO2015175100A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10162820B2 (en) | 2014-05-16 | 2018-12-25 | Microsoft Technology Licensing, Llc | Suggested keywords |
US9727654B2 (en) | 2014-05-16 | 2017-08-08 | Linkedin Corporation | Suggested keywords |
US20190065458A1 (en) * | 2017-08-22 | 2019-02-28 | Linkedin Corporation | Determination of languages spoken by a member of a social network |
KR102576267B1 (ko) * | 2018-10-10 | 2023-09-07 | 스카라망가 테크놀로지스 프라이빗 리미티드 | 다중 통신 플랫폼 환경에서 통신 이벤트에 대한 문맥 키워드 집합을 제공하는 방법, 시스템 및 장치 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法和装置 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1586058A1 (en) * | 2003-01-24 | 2005-10-19 | BRITISH TELECOMMUNICATIONS public limited company | Searching apparatus and methods |
CN101408884A (zh) * | 2007-10-05 | 2009-04-15 | 富士通株式会社 | 确定单词和文档的深度 |
US20090094209A1 (en) * | 2007-10-05 | 2009-04-09 | Fujitsu Limited | Determining The Depths Of Words And Documents |
US20090234727A1 (en) * | 2008-03-12 | 2009-09-17 | William Petty | System and method for determining relevance ratings for keywords and matching users with content, advertising, and other users based on keyword ratings |
CN101650731A (zh) * | 2009-08-31 | 2010-02-17 | 浙江大学 | 基于用户反馈的赞助搜索广告的建议关键词生成方法 |
US20130173610A1 (en) * | 2011-12-29 | 2013-07-04 | Microsoft Corporation | Extracting Search-Focused Key N-Grams and/or Phrases for Relevance Rankings in Searches |
US20140025427A1 (en) * | 2012-07-17 | 2014-01-23 | Linkedln Corporation | Inferring and suggesting attribute values for a social networking service |
-
2015
- 2015-03-27 WO PCT/US2015/023163 patent/WO2015175100A1/en active Application Filing
- 2015-03-27 EP EP15792231.1A patent/EP3143579A4/en not_active Withdrawn
- 2015-03-27 CN CN201580038600.XA patent/CN106575418B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106575418A (zh) | 2017-04-19 |
EP3143579A1 (en) | 2017-03-22 |
WO2015175100A1 (en) | 2015-11-19 |
EP3143579A4 (en) | 2017-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6388988B2 (ja) | オンライン・ソーシャル・ネットワークにおける検索クエリのための静的ランク付け | |
JP6130609B2 (ja) | オンライン・ソーシャル・ネットワーク用のクライアント側検索テンプレート | |
US9626654B2 (en) | Learning a ranking model using interactions of a user with a jobs list | |
JP6377807B2 (ja) | オンライン・ソーシャル・ネットワークにおける検索クエリの書き換え | |
US9471883B2 (en) | Hybrid human machine learning system and method | |
JP6167493B2 (ja) | 情報を管理するための方法、コンピュータプログラム、記憶媒体及びシステム | |
US9727654B2 (en) | Suggested keywords | |
US8990191B1 (en) | Method and system to determine a category score of a social network member | |
WO2014074607A2 (en) | Skills endorsements | |
US20160026643A1 (en) | Presenting suggested facets | |
US10936601B2 (en) | Combined predictions methodology | |
US20160246896A1 (en) | Methods and systems for identifying target users of content | |
US9959353B2 (en) | Determining a company rank utilizing on-line social network data | |
CN106575418B (zh) | 建议的关键词 | |
US20180253694A1 (en) | Generating job recommendations using member profile similarity | |
US10162820B2 (en) | Suggested keywords | |
US20180253695A1 (en) | Generating job recommendations using job posting similarity | |
US20150278836A1 (en) | Method and system to determine member profiles for off-line targeting | |
US20180308057A1 (en) | Joint optimization and assignment of member profiles | |
US20170351679A1 (en) | First pass ranker calibration for news feed ranking | |
CN108604241B (zh) | 搜索系统 | |
US20150339404A1 (en) | Inferring seniority level of a member of an on-line social network | |
US20170148106A1 (en) | Prioritizing search terms representing companies | |
US20160092459A1 (en) | Translating a keyword search into a structured query | |
US20180253696A1 (en) | Generating job recommendations using co-viewership signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20180515 Address after: Washington State Applicant after: Micro soft technique license Co., Ltd Address before: American California Applicant before: LINKEDIN CORPORATION |
|
GR01 | Patent grant | ||
GR01 | Patent grant |