CN109074385A - 混合连接推荐流 - Google Patents
混合连接推荐流 Download PDFInfo
- Publication number
- CN109074385A CN109074385A CN201780023992.1A CN201780023992A CN109074385A CN 109074385 A CN109074385 A CN 109074385A CN 201780023992 A CN201780023992 A CN 201780023992A CN 109074385 A CN109074385 A CN 109074385A
- Authority
- CN
- China
- Prior art keywords
- visitor
- special
- probability value
- list
- members
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/53—Network services using third party service providers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Information Transfer Between Computers (AREA)
Abstract
机器可以被配置成混合连接推荐流。例如,该机器基于SNS的会员的会员识别符来访问SNS的其他会员的列表和访客(例如,非会员)的列表。该机器识别代表会员邀请另一会员经由该会员的社交图表连接的似然性的会员概率值和识别代表会员邀请访客经由社交图表连接的似然性的访客概率值。基于会员概率值、访客概率值以及被选择来控制在混合列表中连接的类型的存在的系数值,该机器生成其他会员和访客的混合列表。该机器针对会员邀请在混合列表中包括的人经由社交图表与该会员进行连接而生成推荐。
Description
优先权的要求
这个PCT申请要求2016年7月14日提交的题为“BLENDING CONNECTION RECOMMENDATIONSTREAMS(混合连接推荐流)”的美国专利申请序列号15/210,455的申请日的权益,而该专利申请要求根据35 U.S.C.§119(e)授予2016年2月29日提交的题为“BLENDING CONNECTIONRECOMMENDATION STREAMS”的美国临时专利申请号62/301,452的优先权的权益,这些专利申请通过其整体引用而被并入本文。
技术领域
本申请一般而言涉及数据的处理并且在各种示例实施例中涉及用于生成连接推荐流的系统、方法和计算机程序产品,其中连接推荐流混合Social Networking Service(社交网络服务)的会员(member)和非会员的连接推荐。
背景技术
为Social Networking Service (SNS)(例如,LinkedIn®)的公司可以针对其会员提出连接推荐,以帮助这些会员识别其可能想要经由SNS与之连接的人。一般而言,所推荐的潜在连接是SNS的其他会员。有时,所推荐的潜在连接是并非SNS的会员的人。
在某些情况下,SNS的推荐系统在SNS的会员的设备的用户界面中显示的连接推荐的流(例如,列表)中向会员呈现会员的推荐和非会员的推荐。这些连接推荐可以采用特别的固定顺序(例如,每第三个推荐是非会员的并且跟随在会员的两个推荐的后面)被呈现在连接推荐的流中。一般而言,呈现这些连接推荐的特别顺序对于接收连接推荐的SNS的所有会员而言是相同的而不提供推荐呈现顺序的任何定制。
附图说明
一些实施例通过示例而非限制在附图的图中进行举例说明,其中:
图1是根据一些示例实施例、举例说明客户端-服务器系统的网络图;
图2是根据一些示例实施例、举例说明推荐流系统的组件的框图;
图3是根据一些示例实施例、举例说明用于生成混合连接推荐流的方法的流程图;
图4是根据一些示例实施例、举例说明用于生成混合连接推荐流的方法以及表示在图3中举例说明的方法的附加步骤的流程图;
图5是根据一些示例实施例、举例说明用于生成混合连接推荐流的方法以及表示在图3中举例说明的方法的附加步骤的流程图;
图6是根据一些示例实施例、举例说明用于生成混合连接推荐流的方法以及表示在图3中举例说明的方法的附加步骤的流程图;
图7是根据一些示例实施例、举例说明用于生成混合连接推荐流的方法以及表示在图3中更详细举例说明的方法的步骤308和在图3中举例说明的方法的附加步骤的流程图;
图8是根据一些示例实施例、举例说明用于生成混合连接推荐流的方法以及表示在图7中更详细举例说明的方法的步骤704与706的流程图;
图9是根据一些示例实施例、举例说明移动设备的框图;和
图10是举例说明根据一些示例实施例、能够从机器可读介质中读取指令并执行在本文讨论的方法之中的任何一个或多个的机器的组件的框图。
具体实施方式
描述用于生成混合Social Networking Service的会员和非会员的连接推荐的连接推荐流的示例方法和系统。在以下描述中,为了解释的目的,许多具体细节被阐述,以提供示例实施例的透彻理解。然而,对于本领域技术人员而言,可以在没有这些具体细节的情况下实践本主题,这将是明显的。此外,除非另有明确说明,否则组件和功能是可选的并且可以被组合或被细分,而且操作可以顺序不同或者被组合或被细分。
Social Networking Service (SNS)诸如LinkedIn®的推荐系统可以为其会员生成连接推荐,以帮助这些会员识别其可能想要经由SNS与之连接的人并邀请潜在连接加入SNS和经由SNS变成这些会员的实际连接。所推荐的潜在连接可以是SNS的其他会员或不是SNS的会员的人(在本文也被称为“SNS的非会员”、“非会员”或“访客”)。
SNS的推荐系统可以在连接推荐的流(例如,列表)中向特别会员呈现会员的推荐和访客的推荐。时常,这些连接推荐以特别的固定顺序(例如,模式)被显示在特别会员的设备的用户界面中。在某些情况下,基于启发法(heuristic)来选择描述会员推荐与访客推荐的组合的模式。根据示例启发法,连接推荐的流中每第三个推荐是非会员的连接推荐并且跟随在SNS的其他会员的两个连接推荐的后面。传统上,所选择的推荐呈现模式(或顺序)对于接收连接推荐的SNS的所有会员而言是相同的而不考虑可用于接收这些推荐的特别会员的数据(例如,会员简档数据、活动和行为数据等等)和有关被推荐用于邀请来连接的人的数据。因而,虽然这些推荐结果针对每个会员而被个性化,但是呈现这些推荐结果的传统顺序基于所选择的启发法而对于所有的会员来说是恒定不变的(例如,每第三个连接推荐是访客推荐,其跟随在是会员推荐的两个连接推荐的后面)。
在一些示例实施例中,对于接收连接推荐的每个会员来说,推荐流系统促进基于关于一个或多个会员的会员数据的分析的混合SNS的其他会员的连接推荐和SNS的非会员的连接推荐的连接推荐流的生成。
推荐流系统在各种示例实施例中基于SNS的特别会员(在本文也被称为“推荐观看会员”或“观看会员”)的会员识别符来访问SNS的其他会员的第一列表和访客的第二列表。会员的第一列表包括是特别会员经由特别会员的社交图表(social graph)的潜在连接的一个或多个其他会员。访客的第二列表包括不是SNS的会员而是特别会员经由社交图表的潜在连接的一个或多个访客。对于一个或多个其他会员之中的每一个,推荐流系统识别会员概率(例如,Pm)值,其代表特别会员邀请一个或多个其他会员之中的另一会员经由特别会员的社交图表连接的似然性(likelihood)。一个或多个其他会员之中的每一个与其自己的Pm值相关联。对于一个或多个访客之中的每一个,推荐流系统也识别访客概率(例如,Pg)值,其代表特别会员邀请一个或多个访客之中的访客经由特别会员的社交图表连接的似然性。
基于与一个或多个其他会员相关联的会员概率值、与一个或多个访客相关联的访客概率值以及被选择来控制在混合列表中连接的类型的存在的系数值α,推荐流系统为特别会员生成其他会员和访客的混合列表。推荐流系统针对特别用户邀请在混合列表中包括的一个或多个人经由社交图表与特别会员进行连接而生成一个或多个连接推荐。
根据各种示例实施例,推荐流系统将α值乘以一种类型的P值(例如,Pm或Pg值)来生成那种类型的加权概率值,以便针对该会员不太可能邀请的被邀请者的类型来强制执行(enforce)至少一些连接推荐的存在。通过使用系数值α,推荐流系统避免向特别会员仅呈现会员连接推荐或仅呈现访客连接推荐。α值基于为SNS计划的生长类型而将轻微优先权(slight priority)给予一种类型或另一类型的被邀请者(例如,会员对访客)。在一些示例实施例中,α值针对会员的分段(segment)来定制(例如,对于来自特别国家、市场、会员资格分段等等的所有会员的特别α值)。
在一些示例实施例中,其他会员和访客的混合列表的生成包括:基于与其相关联的会员概率值或访客概率值,对其他会员和访客进行排名(rank)。相应地,其概率排名较高的其他会员或访客在其他会员和访客的混合列表中将更高出现。例如,为了确定是否访客或另一会员应该首先出现在混合列表中,推荐流系统比较αPg和Pm,其中α是基于商业规则(例如,“如果显示访客是重要的,则显示更多的访客”)来选择的系数。例如,如果Pg的值比Pm小得多,则Pg值可以被乘以被选择为大于1的系数α以维持更加混合的连接推荐流(例如,以避免访客推荐出现在连接推荐流的末尾)。
根据某些示例实施例,推荐流系统生成会员推荐的列表。推荐流系统也生成访客推荐的列表。推荐流系统可以基于 Pm值以递减的顺序来分类(sort)会员推荐的列表。推荐流系统也可以基于Pg值以递减的顺序来分类访客推荐的列表。推荐流系统使用系数α来将会员推荐的分类列表和访客推荐的分类列表组合成连接推荐的混合列表。例如,系数α等于2.0。然后,推荐流系统可以将Pg乘以2.0并且可以使用合并处理来将连接推荐的两个排序列表(例如,会员推荐的分类列表和访客推荐的分类列表)以其分数(例如,Pm和Pg)的递减顺序混合成连接推荐的一个混合列表。在某些情况下,可以使用Pg和系数α的其他函数来修改访客推荐的分数(例如,Pg+系数α)。
可以基于相对于会员-访客连接而言给予会员-会员连接多大的重要性来挑选系数α的值。如果这个相对重要性由于商业约束而随时间变化的话,则系数α的值也可以变化。
与一些示例实施例相一致,推荐流系统为特别会员生成一个或多个连接推荐来邀请在混合列表中包括的一个或多个人经由社交图表与特别会员进行连接。推荐流系统可以在与特别会员相关联的设备的用户界面中显示在连接推荐的混合流中为特别会员生成的一个或多个连接推荐。连接推荐的混合流可以是包括会员连接推荐和访客连接推荐二者的连接推荐的列表,其中会员连接推荐和访客连接推荐在混合流中已基于与各种被邀请者相关联且代表特别会员邀请各种被邀请者经由SNS与特别会员进行连接的各种似然性的概率值而进行排序了。相应地,基于特别会员(例如,接收连接推荐的会员)发送邀请给他们的似然性而排名较高的其他会员或访客首先出现在连接推荐的混合流中。
在一些示例实施例中,如果特别会员与访客邀请相比而言更有可能发送会员邀请,则其Pm值高于Pg值,并因此,推荐流系统呈现比访客推荐更多的会员推荐。并且,在连接推荐的混合流的开头呈现更多的会员推荐。
为了生成更加平衡的混合列表,推荐流系统在将系数值与访客概率值相乘的基础之上为一个或多个访客之中的每一个生成加权的访客概率值,并且基于会员概率值和加权的访客概率值的排名在混合列表中对一个或多个其他会员的识别符和一个或多个访客的识别符进行排序。推荐流系统随后可以基于混合列表中所排序的识别符在与特别会员相关联的设备的用户界面中引起一个或多个连接推荐的呈现。
在其他的示例实施例中,如果特别会员与会员邀请相比而言更有可能发送访客邀请,则其Pg值高于Pm值,并因此,推荐流系统在连接推荐的混合流中呈现比会员推荐更多的访客推荐。并且,更多的访客推荐被呈现在连接推荐的混合流的开头。
为了生成更加平衡的混合列表,推荐流系统在将系数值与会员概率值相乘的基础之上为一个或多个其他会员之中的每一个生成加权的会员概率值,并且基于加权的会员概率值和访客概率值的排名在混合列表中对一个或多个其他会员的识别符和一个或多个访客的识别符进行排序。推荐流系统随后可以基于混合列表中所排序的识别符在与特别会员相关联的设备的用户界面中引起一个或多个连接推荐的呈现。
根据一些示例实施例,特别会员将邀请另一会员的会员概率值Pm由推荐流系统确定为特别会员的会员简档特征和/或社交图表特征以及由特别会员进行的过去行为和活动的集合的函数。
根据一些示例实施例,特别会员将邀请访客的访客概率值Pg由推荐流系统确定为由特别会员进行的一组过去行为和活动的函数。
在一些示例实施例中,如果观看会员从未邀请过访客而只是邀请了会员来连接,则那在Pg和Pm值中反映自身:Pg对于潜在的访客被邀请者而言将是低的,而Pm对于潜在的会员被邀请者而言将是高的。当基于被邀请者的Pg或Pm值对潜在的被邀请者的列表进行排序时,其他会员将出现在列表的顶部,而访客将出现在列表的底部。因为在某些情况下Pg的值比Pm小得多,所以Pg值可以被乘以被选择为大于1的系数α以维持更加混合的连接推荐流(例如,以避免访客推荐出现在连接推荐流的末尾)。在某些示例实施例中,对于所有的用户使用单个系数α。在各种示例实施例中,对于不同的用户分段使用系数α的不同值。在某些示例实施例中,基于生长目标,系数α取在0.00与1.00之间的值。在某些示例实施例中,基于生长目标,系数α大于1.00。
用于生成混合连接推荐流的示例方法和系统可以被实现在图1中举例说明的客户端-服务器系统的上下文中。如图1中举例说明的,推荐流系统200是社交网络系统120的一部分。如图1所示,社交网络系统120一般而言基于三层架构(three-tieredarchitecture),其由前端层、应用逻辑层和数据层组成。如相关的计算机和因特网相关领域中的技术人员所明白的,图1所示的每一个模块或引擎表示一组可执行软件指令和用于执行这些指令的对应硬件(例如,存储器和处理器)。为了避免利用不必要的细节来遮蔽发明主题,已从图1中省略了对于传达发明主题的理解而言不是密切相关的各种功能模块和引擎。然而,本领域技术人员将容易认识到:各种附加的功能模块和引擎可以与诸如图1中举例说明的社交网络系统一起被使用来促进在本文没有具体描述的附加功能。此外,图1中所描绘的各种功能模块和引擎可以驻留在单个服务器计算机上,或可以在各种安排中跨越若干服务器计算机来分布。再者,虽然在图1中被描绘为三层架构,但是发明主题绝不限于这样的架构。
如图1所示,前端层由(多个)用户界面模块(例如,web(网络)服务器)122组成,其接收来自包括一个或多个客户端设备150的各种客户端-计算设备的请求并传送适当的响应至请求设备。例如,(多个)用户界面模块122可以接收采取Hypertext TransportProtocol(超文本传输协议)(HTTP)请求或其他的基于网络的应用编程接口(API)请求形式的请求。(多个)客户端设备150可以在执行常规的网络浏览器应用和/或已针对特定平台开发的应用(也被称为“app(应用)”)来包括各种各样的移动计算设备和移动专用操作系统(例如,iOSTM,AndroidTM,Windows® Phone)之中的任何一个。
例如,(多个)客户端设备150可以在执行(多个)客户端应用152。(多个)客户端应用152可以提供功能来向用户呈现信息并经由网络140通信来与社交网络系统120交换信息。客户端设备150之中的每一个可以包括计算设备,其至少包括显示器以及与网络140的通信能力来访问社交网络系统120。客户端设备150可以包括但不限于远程设备、工作站、计算机、通用计算机、因特网电器、手持设备、无线设备、便携式设备、可穿戴式计算机、蜂窝或移动电话、个人数字助理(PDA)、智能电话、智能手表、平板计算机、超级本、上网本、膝上型计算机、台式计算机、多处理器系统、基于微处理器或可编程消费电子产品、游戏机、机顶盒、网络PC、微型计算机等等。一个或多个用户160可以是人、机器或与(多个)客户端设备150交互的其他装置。(多个)用户160可以经由(多个)客户端设备150与社交网络系统120交互。(多个)用户160可以不是联网环境的一部分,但是可以与(多个)客户端设备150相关联。
如图1所示,数据层包括若干数据库,其包括用于存储用于社交图表的各种实体的数据的数据库128。在一些示例实施例中,“社交图表”是由(例如,由社交网络系统120提供的)在线社交网络服务用于以数字形式来定义和纪念不同实体(例如人、雇主、教育机构、组织、集团等等)之间的关系的机制。频繁地,社交图表是真实世界关系的数字表示。社交图表可以是用户所属的在线社区的数字表示,其时常包括这样的社区的会员(例如家庭、一群朋友、大学校友、公司的雇员、专业协会的会员等等)。用于社交图表的各种实体的数据可以包括会员简档、公司简档、教育机构简档以及涉及各种在线或离线团体的信息。当然,针对各种可供选择的实施例而言,任何数量的其他实体可以被包括在社交图表中,并因此,各种其他的数据库可以被使用来存储与其他实体相对应的数据。
与一些实施例相一致,当某人最初注册而变成社交网络服务的会员时,该人被提示提供一些个人信息,诸如该人的名字、年龄(例如,出生日期)、性别、兴趣、联系信息、家乡、地址、会员的配偶和/或家庭成员的名字、教育背景(例如,学校、专业等等)、当前职称、工作描述、行业、工作经历、技能、专业组织、兴趣等等。这个信息例如作为简档数据而被存储在数据库128中。
一旦被注册,会员就可以邀请其他会员或被其他会员邀请来经由社交网络服务进行连接。“连接”可以指定由会员达成的双边协定,以致两个会员确认该连接的建立。类似地,针对一些实施例而言,会员可以选择“跟随(follow)”另一会员。与建立连接相对比,“跟随”另一会员的概念典型地是单边操作,并且至少针对一些实施例而言,不要求由正被跟随的会员进行的确认或批准。当一个会员与另一会员连接或跟随另一会员时,被连接或跟随另一会员的会员可以接收有关由另一会员从事的各种活动的他或她的个性化内容流中的消息或更新(例如,内容项)。更具体地,在内容流中呈现的消息或更新可以由另一会员创作和/或公布或分享,或者可以基于牵涉另一会员的某活动或事件而被自动生成。除了跟随另一会员之外,会员还可以选择跟随可以或可以不被包括在由社交网络系统维持的社交图表中的公司、话题、对话、网页或者某一其他实体或对象。针对一些实施例而言,因为内容选择算法选择和会员与之连接或正跟随的特别实体相关或与特别实体相关联的内容,当会员与其他实体连接和/或跟随其他实体时,用于在他或她的内容流中呈现给会员的可用内容项的全域(universe)增加。当会员与社交网络系统120的各种应用、内容和用户界面交互时,与会员的活动和行为相关的信息可以被存储在数据库诸如数据库132中。
社交网络系统120可以提供广泛范围的其他应用和服务,其允许会员有机会分享和接收时常针对会员的兴趣而定制的信息。例如,针对一些实施例而言,社交网络系统120可以包括照片分享应用,其允许会员上传照片并与其他会员分享照片。针对一些实施例而言,社交网络系统120的会员可能能够自组织成围绕感兴趣的主题或话题而组织的团体或兴趣团体。针对一些实施例而言,会员可以订阅或加入隶属于一个或多个公司的团体。例如,针对一些实施例而言,社交网络服务的会员可以指示与雇佣他们的公司的隶属联系,以致关于该公司的新闻和事件在会员的个性化活动或内容流中被自动传送至这些会员。针对一些实施例而言,会员可以被允许订阅来接收涉及除了雇佣他们的公司之外的其他公司的信息。团体的会员资格、与公司或团体的订阅或跟随关系以及与公司的雇佣关系都是如利用社交图表来定义并利用数据库130的社交图表数据来建模的可以存在于不同的实体之间的不同类型的关系的示例。
在一些示例实施例中,会员可以接收识别针对这些会员而言是潜在连接的其他人(例如,社交网络服务的会员或非会员)的连接推荐。这些连接推荐可以被存储在数据库142中并在数据库142上被访问。推荐流系统200可以向特别会员呈现混合连接推荐流中的会员的连接推荐与非会员的连接推荐的结合(mix)。连接推荐流可以是基于关于特别会员的会员数据而针对特别会员混合(例如,结合)的会员和非会员的连接推荐的列表。为特别会员生成的特别混合连接推荐流可以被存储在数据库138中并在数据库138上被访问。
在各种示例实施例中,推荐流系统200基于特别会员邀请另一人(例如,特别的其他会员或特别访客)经由SNS与该特别会员连接的似然性来排序针对该特别会员的特别混合连接推荐流中的连接推荐。邀请概率值与特别的被邀请者即会员被邀请者或访客被邀请者相关联。会员被邀请者的邀请概率值可以利用概率确定模型基于关于一个或多个会员(例如,邀请会员、会员被邀请者等等)的一组会员简档特征和/或会员活动与行为数据来生成。访客的邀请概率值可以利用进一步概率确定模型基于关于邀请会员的一组会员简档特征和/或会员活动与行为数据以及相对于访客而可用的数据来生成。各种概率值(例如,会员概率值和访客概率值)可以被存储在数据库136中并在数据库136上被访问(例如,在数据库136中被识别)。
应用逻辑层包括(多个)各种应用服务器模块124,其与(多个)用户界面模块122相结合、利用从数据层中的各种数据源或数据服务中检索的数据来生成各种用户界面。针对一些实施例而言,个别的应用服务器模块124被用于实现与社交网络系统120的各种应用、服务和特征相关联的功能。例如,消息传送应用诸如电子邮件应用、瞬时消息传送应用或这两者的某种杂交(hybrid)或变异可以利用一个或多个应用服务器模块124来实现。照片分享应用可以利用一个或多个应用服务器模块124来实现。类似地,使得用户能够搜索和浏览会员简档的搜索引擎可以利用一个或多个应用服务器模块124来实现。
其他的应用和服务可以被单独收录(embody)在其自己的应用服务器模块124中。如图1中举例说明的,社交网络系统120可以包括推荐流系统200,其在下面更详细地进行描述。
进一步,如图1所示,数据处理模块134可以与社交网络系统120的各种各样的应用、服务和特征一起来使用。数据处理模块134可以定期地访问数据库128、130、132、136、138或142之中的一个或多个,处理(例如,执行批处理工作来分析或提炼)简档数据、社交图表数据、会员活动和行为数据、邀请概率数据、混合列表数据或推荐数据,并且基于相应数据的分析来生成分析结果。数据处理模块134可以离线操作。根据一些示例实施例,数据处理模块134作为社交网络系统120的一部分来操作。与其他的示例实施例相一致,数据处理模块134操作在对于社交网络系统120而言外部的单独系统中。在一些示例实施例中,数据处理模块134可以包括大规模分布式存储和处理框架的多个服务器,诸如Hadoop服务器,用于处理大数据集。数据处理模块134可以实时、根据时间表(schedule)、自动地或按需来处理数据。
附加地,在(多个)第三方服务器146上执行的(多个)第三方应用148被显示为被通信耦合到社交网络系统120和(多个)客户端设备150。(多个)第三方服务器146可在由第三方主持(host)的网站上支持一个或多个特征或功能。
图2是根据一些示例实施例、举例说明推荐流系统200的组件的框图。如图2所示,推荐流系统200包括访问模块202、概率识别模块204、邀请列表模块206、推荐模块208、会员列表模块210、访客列表模块212和呈现模块214,其全部被配置成(例如,经由总线、共享存储器或交换机)相互通信。
根据一些示例实施例,访问模块202基于Social Networking Service (SNS)的特别会员的会员识别符来访问SNS的其他会员的列表(例如,第一列表)。会员的第一列表包括是经由特别会员的社交图表的特别会员的潜在连接的一个或多个其他会员。
访问模块也访问访客的另一列表(例如,第二列表)。访客的第二列表包括不是SNS的会员而是经由特别会员的社交图表的特别会员的潜在连接的一个或多个访客。
对于一个或多个其他会员之中的每一个,概率识别模块204识别会员概率值,其代表特别会员邀请一个或多个其他会员之中的另一会员经由特别会员的社交图表连接的似然性。在某些情况下,会员概率值是一组会员简档特征的函数。附加地或可供选择地,会员概率值是一组会员活动特征的函数。
对于一个或多个访客之中的每一个,概率识别模块204识别访客概率值,其代表特别会员邀请一个或多个访客之中的访客经由特别会员的社交图表连接的似然性。在某些情况下,访客概率值是一组会员活动特征的函数。
邀请列表模块206基于与一个或多个其他会员相关联的会员概率值、与一个或多个访客相关联的访客概率值以及被选择来控制在混合列表中连接的类型的存在的系数值来为特别会员生成其他会员和访客的混合列表。在各种示例实施例中,该系数针对SNS的会员的特别分段、基于该分段共同的会员简档特征或该分段共同的活动特征来选择,并且仅被用于该特别分段而不被用于SNS的会员的其他分段。在某些情况下,针对SNS的会员的一个或多个其他分段,选择不同的系数值。
在一些示例实施例中,其他会员和访客的混合列表的生成包括:对于一个或多个访客之中的每一个,在将系数值与访客概率值相乘的基础之上生成加权的访客概率值,以及基于会员概率值和加权的访客概率值的排名在混合列表中对一个或多个其他会员的识别符和一个或多个访客的识别符进行排序。
推荐模块208针对特别会员邀请在混合列表中包括的一个或多个人经由特别会员的社交图表与该特别会员进行连接而生成一个或多个连接推荐。
会员列表模块210从SNS上特别会员的实际连接的进一步(例如,第二)社交图表中选择一个或多个会员。该选择可以基于识别第二社交图表中具有与该特别会员共同的会员简档特征的一个或多个会员。共同的会员简档特征的示例是:在重叠的时间段内就读同一教育机构;在重叠的时间段内在同一公司工作;是SNS上一个或多个团体的会员等等。会员列表模块210也基于所选择的一个或多个其他会员来生成SNS的其他会员的第一列表。
访客列表模块212在一些示例实施例中访问关于与特别会员相关联的过去行为和活动的数据。访客列表模块212基于关于与特别会员相关联的过去行为和活动的数据来生成访客的第二列表。
访客列表模块212在某些示例实施例中确定:特别会员发送了电子邮件消息给一个或多个联系人(例如,该特别会员可能认识的人)。该确定可以基于与特别会员相关联的会员活动和行为数据的分析。与特别会员相关联的会员活动和行为数据可以被存储在数据库216(例如,会员活动和行为数据库132)中并在数据库216上被访问。访客列表模块212确定:一个或多个联系人不是SNS的会员。所选择的一个或多个联系人不是SNS的会员的确定可以基于比较特别会员的联系人的电子邮件地址与SNS的会员的电子邮件地址。访客列表模块212基于特别会员发送了电子邮件消息给一个或多个联系人的确定以及这一个或多个联系人不是SNS的会员的确定来生成访客的第二列表。
呈现模块214基于混合列表、在与特别会员相关联的设备的用户界面中引起一个或多个连接推荐的呈现。
在各种示例实施例中,混合列表中一个或多个其他会员的识别符和一个或多个访客的识别符的排序包括:将与其他会员相关联的会员概率值和加权的访客概率值进行比较,以及基于会员概率值和加权的访客概率值的比较、以递减的顺序来排名会员概率值和加权的访客概率值。一个或多个连接推荐的呈现的引起包括:基于采用递减顺序的会员概率值和加权的访客概率值的排名,引起针对其他会员的第一连接推荐和针对访客的第二推荐的呈现。
为了执行其功能之中的一个或多个功能,推荐流系统200可以与一个或多个其他系统通信。例如,集成引擎可以将推荐流系统200与一个或多个电子邮件服务器、(多个)网络服务器、一个或多个数据库或其他的服务器、系统或存储库进行集成。
在本文描述的模块之中的任何一个或多个模块可以使用硬件(例如,机器的一个或多个处理器)或硬件与软件的组合来实现。例如,在本文描述的任何模块可以配置硬件处理器(例如,在机器的一个或多个处理器之中)来执行在本文针对那个模块所描述的操作。在一些示例实施例中,在本文描述的模块之中的任何一个或多个模块可以包括一个或多个硬件处理器并且可以被配置来执行在本文描述的操作。在某些示例实施例中,一个或多个硬件处理器被配置成包括在本文描述的模块之中的任何一个或多个模块。
再者,这些模块之的任何两个或更多模块可以被组合成单个模块,并且在本文针对单个模块所描述的功能可以在多个模块之中进行细分。此外,根据各种示例实施例,在本文被描述为在单个机器、数据库或设备内实现的模块可以跨越多个机器、数据库或设备来分布。多个机器、数据库或设备被通信耦合以使之能够在这多个机器、数据库或设备之间进行通信。这些模块本身(例如,经由适当的接口)被相互通信耦合并被通信耦合至各种数据源,以便允许信息在应用之间进行传送,从而允许这些应用分享和访问公共数据。此外,这些模块可以访问一个或多个数据库216(例如,数据库128、130、132、136、138或142)。
图3-8是根据一些示例实施例、举例说明用于基于目标内容来生成招聘线索(lead)的方法的流程图。图3中举例说明的方法300的操作可以使用上面参照图2描述的模块来执行。如图3所示,根据一些示例实施例,方法300可以包括方法操作302、304、306、308和310之中的一个或多个。
在操作302,访问模块202基于Social Networking Service (SNS)的特别会员的会员识别符在数据库(例如,列表数据库138)上访问SNS的其他会员的第一列表和访客的第二列表。会员的第一列表包括是经由特别会员的社交图表的特别会员的潜在连接的一个或多个其他会员。访客的第二列表包括不是SNS的会员而是经由社交图表的特别会员的潜在连接的一个或多个访客。
在操作304,对于一个或多个其他会员之中的每一个,概率识别模块204识别(例如,在邀请概率数据库136中访问)会员概率值。会员概率值代表特别会员邀请一个或多个其他会员之中的另一会员经由特别会员的社交图表连接的似然性。
在操作306,对于一个或多个访客之中的每一个,概率识别模块204识别(例如,在邀请概率数据库136中访问)访客概率值。访客概率数据代表特别会员邀请一个或多个访客之中的访客经由特别会员的社交图表连接的似然性。
在操作308,邀请列表模块306为特别会员生成其他会员和访客的混合列表。(例如,在混合列表中访客和其他会员的顺序的)混合列表的生成可以基于与一个或多个其他会员相关联的会员概率值、与一个或多个访客相关联的访客概率值以及被选择来控制在混合列表中连接的类型的存在的系数值。
在操作310,推荐模块208针对特别会员邀请在混合列表中包括的一个或多个人经由社交图表与特别会员进行连接而生成一个或多个连接推荐。下面参照图4-9来描述关于方法600的操作的进一步细节。
如图4所示,根据一些示例实施例,方法300可以包括操作402和404之中的一个或多个。操作402可以在操作302之前被执行,其中在操作302,访问模块202基于SNS的特别会员的会员识别符来访问SNS的其他会员的第一列表和访客的第二列表。特别会员的社交图表可以是特别会员的第一社交图表。SNS的其他会员可以与表示其他会员经由SNS的会员连接的其他社交图表相关联。例如,特别会员经由与特别会员相关联的第一社交图表被连接到十个其他会员。这十个会员之中的每一个是特别会员经由SNS的实际连接。并且,这十个会员之中的每一个与表示经由相应会员的SNS的实际连接的特别社交图表相关联。此外,这十个会员之中的每一个在其社交图表中具有该特别会员作为实际连接。
在操作402,会员列表模块210从SNS上特别会员的实际连接的第二社交图表中选择一个或多个会员。一个或多个会员的选择可以基于识别第二社交图表中具有与特别会员共同的会员简档特征的一个或多个会员。例如,会员列表模块210基于特别会员和进一步会员在同一时间期间去了同一所大学的确定而从特别会员的实际连接的第二社交图表中选择该进一步会员。
操作404可以在操作402之后并且在操作306之前被执行。在操作404,会员列表模块210基于所选择的一个或多个其他会员来生成SNS的其他会员的第一列表。
如图5所示,根据一些示例实施例,方法300可以包括操作502和504之中的一个或多个。操作502可以在操作302之前被执行,其中在操作302,访问模块202基于SNS的特别会员的会员识别符来访问SNS的其他会员的第一列表和访客的第二列表。
在操作502,访客列表模块212访问数据库216(例如,会员活动和行为数据库132)中关于与特别会员相关联的过去行为和活动的数据。
操作504可以在操作502之后被执行。在操作508,访客列表模块212基于关于与特别会员相关联的过去行为和活动的数据来生成访客的第二列表。在一些示例实施例中,第二列表的生成包括:基于关于与特别会员相关联的过去行为和活动的数据的分析来识别可以被包括在访客的第二列表中的潜在访客,以及基于一个或多个潜在访客不是SNS的会员的确定来选择将被包括在访客的第二列表中的一个或多个潜在访客。
如图6所示,根据一些示例实施例,方法300可以包括操作602、604和606之中的一个或多个。操作602可以在操作302之前被执行,其中在操作302,访问模块202基于SNS的特别会员的会员识别符来访问SNS的其他会员的第一列表和访客的第二列表。
在操作602,访客列表模块212确定:特别会员发送了电子邮件消息给一个或多个联系人。该确定可以基于与特别会员相关联的会员活动和行为数据的分析。与特别会员相关联的会员活动和行为数据可以在数据库216(例如,会员活动和行为数据库132)上被存储并被访问。
操作604可以在操作602之后被执行。在操作604,访客列表模块212确定:一个或多个联系人不是SNS的会员。一个或多个联系人不是SNS的会员的确定可以基于访客的电子邮件地址与SNS的会员的电子邮件地址的比较。
操作606可以在操作604之后被执行。在操作606,访客列表模块212基于特别会员发送了电子邮件消息给一个或多个联系人的确定以及这一个或多个联系人不是SNS的会员的确定来生成访客的第二列表。
如图7所示,根据一些示例实施例,方法300可以包括操作702、704和706之中的一个或多个。操作702可以作为操作308的一部分(例如,前驱任务、子例程或部分)来执行,其中在操作308,邀请列表模块306为特别会员生成其他会员和访客的混合列表。
在操作702,对于一个或多个访客之中的每一个,邀请列表模块306在将系数值与访客概率值相乘的基础之上生成加权的访客概率值。
操作704可以在操作702之后作为操作308的一部分来执行。在操作704,邀请列表模块306在混合列表中对一个或多个其他会员的识别符和一个或多个访客的识别符进行排序。该排序可以基于会员概率值和加权的访客概率值的排名。各种概率值的排名可以采用递减的顺序。
操作706可以在操作310之后被执行,其中在操作310,推荐模块208针对特别会员邀请在混合列表中包括的一个或多个人经由社交图表与特别会员进行连接而生成一个或多个连接推荐。在操作706,呈现模块214基于混合列表(例如,基于混合列表中访客和其他会员的识别符的顺序)在与特别会员相关联的设备的用户界面中引起这一个或多个连接推荐的呈现。
如图8所示,根据一些示例实施例,方法300可以包括操作802、804和806之中的一个或多个。操作802可以作为在图7中举例说明的方法300的操作704的一部分来执行,其中在操作704,邀请列表模块306在混合列表中对一个或多个其他会员的识别符和一个或多个访客的识别符进行排序。在操作802,邀请列表模块306将与其他会员相关联的会员概率值和加权的访客概率值进行比较。
操作804可以在操作802之后作为操作704的一部分来执行。在操作804,邀请列表模块306基于会员概率值和加权的访客概率值的比较、以递减的顺序对会员概率值和加权的访客概率值进行排名。
操作806可以作为在图7中举例说明的方法300的操作706的一部分来执行,其中在操作706,呈现模块214基于混合列表在与特别会员相关联的设备的用户界面中引起一个或多个连接推荐的呈现。在操作806,呈现模块214基于会员概率值和加权的访客概率值的排名而引起针对其他会员的第一连接推荐和针对访客的第二推荐的呈现。
示例移动设备
图9是根据示例实施例、举例说明移动设备900的框图。移动设备900可以包括处理器902。处理器902可以是适用于移动设备900的各种各样的不同类型的商用处理器902之中的任何一个(例如,XScale架构微处理器、无互锁流水线级微处理器(microprocessorwithout interlocked pipeline stages)(MIPS)架构微处理器或另一类型的处理器902)。存储器904诸如随机存取存储器(RAM)、闪存或其他类型的存储器典型地对于处理器902而言是可访问的。存储器904可以被适配来存储操作系统(OS)906以及应用程序908,诸如可以给用户提供LBS的移动位置启用应用。处理器902可以或直接地或经由适当的中间硬件而被耦合至显示器910和一个或多个输入/输出(I/O)设备912,诸如小键盘、触摸屏传感器、麦克风等等。类似地,在一些实施例中,处理器902可以被耦合至与天线916接口的收发器914。取决于移动设备900的性质,收发器914可以被配置成经由天线916来既发射又接收蜂窝网络信号、无线数据信号或其他类型的信号。进一步,在一些配置中,GPS接收器918也可以利用天线916来接收GPS信号。
模块,组件和逻辑
某些实施例在本文被描述为包括逻辑或许多组件、模块或机制。模块可以构成或软件模块(例如,被收录(1)在非暂时性机器可读介质上或(2)在传输信号中的代码)或硬件实现的模块。硬件实现的模块是能够执行某些操作并且可以采用某种方式来配置或安排的有形单位。在示例实施例中,一个或多个计算机系统(例如,独立的、客户端或服务器计算机系统)或一个或多个处理器可以利用软件(例如,应用或应用部分)而被配置为操作来执行如在本文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被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配置(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))来执行某些操作的专用电路或逻辑。硬件实现的模块也可以包括(例如,如在通用处理器或其他的可编程处理器内包含的)可编程逻辑或电路,其利用软件而被临时配置来执行某些操作。将领会到:在专用且永久配置的电路中或在临时配置(例如,利用软件配置)的电路中机械地实现硬件实现的模块的决定可以受到成本和时间考虑因素的驱动。
相应地,术语“硬件实现的模块”应该被理解为包含有形实体,其是被物理构造、被永久配置(例如,被硬连线)或者被临时或暂时配置(例如,被编程)来以某种方式操作和/或执行在本文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,被编程)的实施例,这些硬件实现的模块之中的每一个不需要在任何时候(at any one instancein time)被配置或被实例化。例如,如果硬件实现的模块包括使用软件配置的通用处理器,则该通用处理器可以在不同的时间被配置为相应不同的硬件实现的模块。软件可以相应地配置处理器,例如,以便在一个时间实例(instance of time)构成特别的硬件实现的模块并且在不同的时间实例构成不同的硬件实现的模块。
硬件实现的模块能够提供信息给其他的硬件实现的模块并且从其他的硬件实现的模块接收信息。相应地,所描述的硬件实现的模块可以被视为被通信耦合。如果多个这样的硬件实现的模块同期存在,通过信号传输(例如,在连接这些硬件实现的模块的适当的电路和总线上)可以完成通信。在其中多个硬件实现的模块在不同的时间被配置或被实例化的实施例中,在这样的硬件实现的模块之间的通信可以例如通过这多个硬件实现的模块访问的存储结构中信息的存储和检索来完成。例如,一个硬件实现的模块可以执行操作并将那个操作的输出存储在其被通信耦合至的存储设备中。进一步硬件实现的模块随后可以在稍晚的时间访问该存储设备,以检索和处理所存储的输出。硬件实现的模块也可以发起与输入或输出设备的通信并且能够操作在资源(例如,信息集)上。
在本文描述的示例方法的各种操作可以至少部分由一个或多个处理器来执行,其中这一个或多个处理器(例如,利用软件)被临时配置或被永久配置成执行相关的操作。不论是被临时配置还是被永久配置,这样的处理器可以构成处理器实现的模块,其操作来执行一个或多个操作或功能。在本文提及的模块在一些示例实施例中可以包括处理器实现的模块。
类似地,在本文描述的方法可以至少部分是处理器实现的。例如,方法的操作之中的至少一些操作可以利用一个或多个处理器或处理器实现的模块来执行。这些操作之中的某些操作的执行可以被分布在不仅驻留在单个机器内、而且还跨越许多机器来部署的一个或多个处理器或处理器实现的模块之中。在一些示例实施例中,这一个或多个处理器或处理器实现的模块可以位于单个位置中(例如,在家庭环境、办公环境内或作为服务器群(farm)),而在其他的实施例中,这一个或多个处理器或处理器实现的模块可以跨越许多位置来分布。
一个或多个处理器也可以操作来支持相关的操作在“云计算”环境中或作为“软件即服务”(SaaS)的执行。例如,这些操作之中的至少一些操作可以利用一组计算机(作为包括处理器的机器的示例)来执行,这些操作是经由网络(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))而可访问的。
电子装置和系统
示例实施例可以被实现在数字电子电路中或在计算机硬件、固件、软件或其组合中。示例实施例可以使用计算机程序产品例如被有形收录在信息载体中、例如在机器可读介质中的计算机程序来实现,以便由数据处理装置例如可编程处理器、计算机或多个计算机来执行或控制数据处理装置的操作。
计算机程序能够采取任何形式的包括编译或解释语言的编程语言来编写,并且其能够以任何形式、包括作为独立程序或作为模块、子例程或其他的适于在计算环境中使用的单元来部署。计算机程序能够被部署成在一个站点上在一个计算机上或在多个计算机上被执行或者跨越多个站点来分布并且通过通信网络来互连。
在示例实施例中,操作可以通过一个或多个可编程处理器执行计算机程序来执行,以便通过对输入数据操作和生成输出来执行功能。方法操作也能够利用专用逻辑电路例如现场可编程门阵列(FPGA)或专用集成电路(ASIC)来执行,并且示例实施例的装置可以被实现为专用逻辑电路,例如现场可编程门阵列(FPGA)或专用集成电路(ASIC)。
计算系统能够包括客户端和服务器。客户端和服务器一般而言彼此远离并且典型地通过通信网络交互。客户端和服务器的关系由于运行在相应计算机上并且相对彼此具有客户端-服务器关系的计算机程序而出现。在部署可编程计算系统的实施例中,将领会到:硬件和软件架构二者需要考虑。具体地,将领会到:是否在永久配置的硬件(例如,ASIC)中、在临时配置的硬件(例如,软件和可编程处理器的组合)中或者永久地和临时地配置的硬件的组合中实现某种功能的选择可以是设计选择。下面阐述在各种示例实施例中可以部署的硬件(例如,机器)和软件架构。
示例机器架构和机器可读介质
图10是举例说明根据一些示例实施例、能够从机器可读介质1022(例如,非暂时性机器可读介质、机器可读存储介质、计算机可读存储介质或其任何合适的组合)中读取指令1024并且整体或部分执行在本文讨论的方法之中的任何一个或多个的机器1000的组件的框图。具体地,图10采取计算机系统(例如,计算机)的示例形式来显示机器1000,其中在该机器内可以整体或部分执行用于引起机器1000执行在本文讨论的方法之中的任何一个或多个的指令1024(例如,软件、程序、应用、小应用,app或其他的可执行代码)。
在可供选择的实施例中,机器1000作为独立设备操作或可以被连接(例如,被联网)至其他机器。在联网的部署中,机器1000可以在服务器-客户端网络环境中以服务器机器或客户端机器的能力来操作或者在分布式(例如,对等)网络环境中作为对等机器来操作。机器1000可以是服务器计算机、客户端计算机、个人计算机(PC)、平板计算机、膝上型计算机、上网本、蜂窝电话、智能电话、机顶盒(STB)、个人数字助理(PDA)、网络电器、网络路由器、网络交换机、网桥或者能够顺序地或以其他方式执行指令1024的任何机器,其中指令1024指定将由那个机器采取的动作。进一步,虽然仅举例说明单个机器,但是术语“机器”也应该被认为包括个别或联合执行指令1024以执行在本文讨论的方法之中的任何一个或多个的全部或部分的机器的任何集合。
机器1000包括处理器1002(例如,中央处理单元(CPU)、图形处理单元(GPU)、数字信号处理器(DSP)、专用集成电路(ASIC)、射频集成电路(RFIC)或其任何合适的组合)、主存储器1004和静态存储器1006,其被配置成经由总线1008相互通信。处理器1002可以包含微电路,这些微电路是利用指令1024之中的一些或所有指令而临时或永久可配置的,以致处理器1002可配置成整体或部分执行在本文描述的方法之中的任何一个或多个。例如,处理器1002的一个或多个微电路的集合可以是可配置的,以执行在本文描述的一个或多个模块(例如,软件模块)。
机器1000可以进一步包括图形显示器1010(例如,等离子体显示面板(PDP)、发光二极管(LED)显示器、液晶显示器(LCD)、投影仪、阴极射线管(CRT)或能够显示图形或视频的任何其他的显示器)。机器1000也可以包括字母数字输入设备1012(例如,键盘或小键盘)、光标控制设备1014(例如,鼠标、触摸板、轨迹球、操纵杆、运动传感器、眼睛跟踪设备或其他的指向仪器)、存储单元1016、音频生成设备1018(例如,声卡、放大器、扬声器、耳机插孔或其任何合适的组合)以及网络接口设备1020。
存储单元1016包括机器可读介质1022(例如,有形的且非暂时性机器可读存储介质),在其上面存储有收录在本文描述的方法或功能之中的任何一个或多个的指令1024。这些指令1024也可以在利用机器1000进行的其执行之前或在其执行期间全部或至少部分驻留在主存储器1004内、在处理器1002内(例如,在处理器的高速缓冲存储器内)或在两者内。相应地,主存储器1004和处理器1002可以被视为机器可读媒体(例如,有形的且非暂时性机器可读媒体)。这些指令1024可以经由网络接口设备1020在网络1026上被发射或被接收。例如,网络接口设备1020可以使用任何一个或多个传输协议(例如,超文本传输协议(HTTP))来传送这些指令1024。
在一些示例实施例中,机器1000可以是便携式计算设备,诸如智能电话或平板计算机,并且具有一个或多个附加的输入组件1030(例如,传感器或仪表)。这样的输入组件1030的示例包括图像输入组件(例如,一个或多个照相机)、音频输入组件(例如,麦克风)、方向输入组件(例如,罗盘)、位置输入组件(例如,全球定位系统(GPS)接收器)、方位组件(例如,陀螺仪)、运动检测组件(例如,一个或多个加速度计)、高度检测组件(例如,高度表)和气体检测组件(例如,气体传感器)。利用这些输入组件之中的任何一个或多个所收获的输入可以是利用在本文描述的模块之中的任一模块而可访问的和可供其使用的。
如在本文所使用的,术语“存储器”指的是能够临时或永久存储数据的机器可读介质并且可以被认为包括但不限于随机存取存储器(RAM)、只读存储器(ROM)、缓冲存储器、闪存和高速缓冲存储器。虽然机器可读介质1022在示例实施例中被显示为单个介质,但是术语“机器可读介质”应该被认为包括能够存储指令的单个介质或多个媒体(集中式或分布式数据库或相关联的高速缓存和服务器)。术语“机器可读介质”也应该被认为包括任何介质或多个媒体的组合,其能够存储指令1024以便由机器1000执行,以致这些指令1024当由机器1000的一个或多个处理器(例如,处理器1002)执行时引起机器1000整体或部分执行在本文描述的方法之中的任何一个或多个。相应地,“机器可读介质”指的是单个存储装置或设备以及基于云的存储系统或存储网络,其包括多个存储装置或设备。术语“机器可读介质”相应地应该被认为包括但不限于采取固态存储器、光学介质、磁介质或其任何合适组合形式的一个或多个有形的(例如,非暂时性)数据存储库。
遍及这个说明书,复数实例可以实现被描述为单个实例的组件、操作或结构。虽然一个或多个方法的个别操作被举例说明并被描述为单独操作,但是这些个别操作之中的一个或多个可以被同时执行,并且不要求以举例说明的顺序来执行这些操作。在示例配置中被呈现为单独组件的结构和功能可以被实现为组合的结构或组件。类似地,被呈现为单个组件的结构和功能可以被实现为单独组件。这些和其他的变异、修改、添加和改进落入本文的主题的范畴之内。
某些实施例在本文被描述为包括逻辑或许多组件、模块或机制。模块可以构成软件模块(例如,被存储或以其他方式被收录在机器可读介质上或在传输介质中的代码)、硬件模块或其任何合适的组合。“硬件模块”是有形的(例如,非暂时性)单元,其能够执行某些操作并且可以采用某种物理方式来配置或安排。在各种示例实施例中,一个或多个计算机系统(例如,独立计算机系统、客户端计算机系统或服务器计算机系统)或者计算机系统的一个或多个硬件模块(例如,处理器或一组处理器)可以利用软件(例如,应用或应用部分)而被配置为操作来执行如在本文描述的某些操作的硬件模块。
在一些实施例中,硬件模块可以机械地、电子地或其任何合适的组合来实现。例如,硬件模块可以包括被永久配置成执行某些操作的专用电路或逻辑。例如,硬件模块可以是专用处理器,诸如现场可编程门阵列(FPGA)或ASIC。硬件模块也可以包括可编程逻辑或电路,其利用软件而被临时配置来执行某些操作。例如,硬件模块可以包括在通用处理器或其他的可编程处理器内包含的软件。将领会到:在专用且永久配置的电路中或在临时配置(例如,利用软件配置)的电路中机械地实现硬件模块的决定可以受到成本和时间考虑因素的驱动。
相应地,短语“硬件模块”应该被理解为包含有形实体,并且这样的有形实体可以被物理构造、被永久配置(例如,被硬连线)或被临时配置(例如,被编程)成以某种方式操作或执行在本文描述的某些操作。如在本文所使用的,“硬件实现的模块”指的是硬件模块。考虑其中硬件模块被临时配置(例如,被编程)的实施例,这些硬件模块之中的每一个不需要在任何时候被配置或被实例化。例如,如果硬件模块包括利用软件而被配置成为专用处理器的通用处理器,则通用处理器可以在不同的时间被配置为相应不同的专用处理器(例如,包括不同的硬件模块)。软件(例如,软件模块)可以相应地配置一个或多个处理器,例如,以便在一个时间实例构成特别的硬件模块并且在不同的时间实例构成不同的硬件模块。
硬件模块能够提供信息给其他的硬件模块并且从其他的硬件模块接收信息。相应地,所描述的硬件模块可以被视为被通信耦合。如果多个硬件模块同期存在,可以通过在这些硬件模块之中的两个或多个之间或之中的信号传输(例如,在适当的电路和总线上)来完成通信。在其中多个硬件模块在不同的时间被配置或被实例化的实施例中,在这样的硬件模块之间的通信可以例如通过在这多个硬件模块访问的存储结构中的信息的存储和检索来完成。例如,一个硬件模块可以执行操作并将那个操作的输出存储在其被通信耦合至的存储设备中。进一步硬件模块随后可以在稍晚的时间访问该存储设备,以检索和处理所存储的输出。硬件模块也可以发起与输入或输出设备的通信并且能够操作在资源(例如,信息集)上。
某些操作的执行可以被分布在不仅驻留在单个机器内、而且还跨越许多机器来部署的一个或多个处理器之中。在一些示例实施例中,一个或多个处理器或处理器实现的模块可以位于单个地理位置中(例如,在家庭环境、办公环境或服务器群内)。在其他的示例实施例中,一个或多个处理器或处理器实现的模块可以跨越许多地理位置来分布。
在本文讨论的主题的一些部分可以依据针对在机器存储器(例如,计算机存储器)内作为比特或二进制数字信号所存储的数据进行的操作的算法或符号表示来呈现。这样的算法或符号表示是数据处理领域中的普通技术人员用于将其工作的实质传达给本领域的其他技术人员的技术的示例。如在本文所使用的,“算法”是导致期望结果的自洽序列(self-consistent sequence)的操作或类似处理。在这个上下文中,算法和操作牵涉物理量的物理操纵。典型地,但不一定,这样的量可以采取能够被存储、被访问、被传递、被组合、被比较或以其他方式被机器操纵的电、磁或光信号的形式。主要由于共同使用的原因,使用诸如“数据”、“内容”、“比特”、“值”、“元素”、“符号”、“字母”、“术语”、“数量”、“数字”等等之类的词来指代这样的信号有时是方便的。然而,这些词只是便利标签并且将与适当的物理量相关联。
除非另有特别说明,否则在本文使用诸如“处理”、“计算”、“运算”、“确定”、“呈现”、“显示”等等之类的词的讨论可以指代操纵或变换数据的机器(例如,计算机)的动作或处理,其中数据被表示为在一个或多个存储器(例如,易失性存储器、非易失性存储器或其任何合适的组合)、寄存器或其他的接收、存储、发射或显示信息的机器组件内的物理(例如,电子、磁或光)量。此外,除非另有特别说明,否则如专利文献中所常见的,术语“一”或“一个”在本文被使用来包括一个或一个以上的实例。最后,如在本文所使用的,连词“或”指的是非排他性的“或”,除非另有特别说明。
Claims (20)
1.一种方法,包括:
基于社交网络服务(SNS)的特别会员的会员识别符,访问SNS的其他会员的第一列表和访客的第二列表,会员的第一列表包括是经由特别会员的社交图表的特别会员的潜在连接的一个或多个其他会员,访客的第二列表包括不是SNS的会员而是经由社交图表的特别会员的潜在连接的一个或多个访客;
对于一个或多个其他会员之中的每一个,识别会员概率值,其代表特别会员邀请一个或多个其他会员之中的另一会员经由特别会员的社交图表连接的似然性;
对于一个或多个访客之中的每一个,识别访客概率值,其代表特别会员邀请一个或多个访客之中的访客经由特别会员的社交图表连接的似然性;
基于与一个或多个其他会员相关联的会员概率值、与一个或多个访客相关联的访客概率值以及被选择来控制在混合列表中连接的类型的存在的系数值,使用一个或多个硬件处理器,为特别会员生成其他会员和访客的混合列表;和
针对特别用户邀请在混合列表中包括的一个或多个人经由社交图表与特别会员进行连接,生成一个或多个连接推荐。
2.如权利要求1所述的方法,其中所述社交图表是特别会员的第一社交图表,所述方法进一步包括:
基于识别在第二社交图表中具有与特别会员共同的会员简档特征的一个或多个会员,从SNS上特别会员的实际连接的第二社交图表中选择一个或多个会员;和
基于所选择的一个或多个其他会员,生成SNS的其他会员的第一列表。
3.如权利要求1所述的方法,进一步包括:
访问关于与特别会员相关联的过去行为和活动的数据;和
基于关于与特别会员相关联的过去行为和活动的数据,生成访客的第二列表。
4.如权利要求1所述的方法,进一步包括:
确定:特别会员发送了电子邮件消息至一个或多个联系人;
确定:一个或多个联系人不是SNS的会员;和
基于特别会员发送了电子邮件消息至一个或多个联系人的确定以及一个或多个联系人不是SNS的会员的确定,生成访客的第二列表。
5.如权利要求1所述的方法,其中混合列表的生成包括:
对于一个或多个访客之中的每一个,在将系数值与访客概率值相乘的基础之上生成加权的访客概率值;和
基于会员概率值和加权的访客概率值的排名,在混合列表中对一个或多个其他会员的识别符和一个或多个访客的识别符进行排序,
所述方法进一步包括:
基于混合列表,在与特别会员相关联的设备的用户界面中引起一个或多个连接推荐的呈现。
6.如权利要求5所述的方法,其中所述排序包括:
将与其他会员相关联的会员概率值和加权的访客概率值进行比较;以及
基于会员概率值和加权的访客概率值的比较,以递减的顺序对会员概率值和加权的访客概率值进行排名,
其中引起一个或多个连接推荐的呈现包括:基于会员概率值和加权的访客概率值的排名,引起针对其他会员的第一连接推荐和针对访客的第二推荐的呈现。
7.如权利要求1所述的方法,其中会员概率值是一组会员简档特征的函数。
8.如权利要求1所述的方法,其中会员概率值是一组会员活动特征的函数。
9.如权利要求1所述的方法,其中针对SNS的会员的分段、基于对于所述分段而言共同的会员简档特征来选择所述系数。
10.一种系统,包括:
一个或多个硬件处理器;和
用于存储指令的机器可读介质,所述指令当由一个或多个硬件处理器执行时引起一个或多个硬件处理器执行包括以下的操作:
基于社交网络服务(SNS)的特别会员的会员识别符,访问SNS的其他会员的第一列表和访客的第二列表,会员的第一列表包括是经由特别会员的社交图表的特别会员的潜在连接的一个或多个其他会员,访客的第二列表包括不是SNS的会员而是经由社交图表的特别会员的潜在连接的一个或多个访客;
对于一个或多个其他会员之中的每一个,识别会员概率值,其代表特别会员邀请一个或多个其他会员之中的另一会员经由特别会员的社交图表连接的似然性;
对于一个或多个访客之中的每一个,识别访客概率值,其代表特别会员邀请一个或多个访客之中的访客经由特别会员的社交图表连接的似然性;
基于与一个或多个其他会员相关联的会员概率值、与一个或多个访客相关联的访客概率值以及被选择来控制在混合列表中连接的类型的存在的系数值,为特别会员生成其他会员和访客的混合列表;和
针对特别用户邀请在混合列表中包括的一个或多个人经由社交图表与特别会员进行连接,生成一个或多个连接推荐。
11.如权利要求10所述的系统,其中所述社交图表是特别会员的第一社交图表,以及其中所述操作进一步包括:
基于识别在第二社交图表中具有与特别会员共同的会员简档特征的一个或多个会员,从SNS上特别会员的实际连接的第二社交图表中选择一个或多个会员;和
基于所选择的一个或多个其他会员,生成SNS的其他会员的第一列表。
12.如权利要求10所述的系统,其中所述操作进一步包括:
访问关于与特别会员相关联的过去行为和活动的数据;和
基于关于与特别会员相关联的过去行为和活动的数据,生成访客的第二列表。
13.如权利要求10所述的系统,其中所述操作进一步包括:
确定:特别会员发送了电子邮件消息至一个或多个联系人;
确定:一个或多个联系人不是SNS的会员;和
基于特别会员发送了电子邮件消息至一个或多个联系人的确定以及一个或多个联系人不是SNS的会员的确定,生成访客的第二列表。
14.如权利要求10所述的系统,其中混合列表的生成包括:
对于一个或多个访客之中的每一个,在将系数值与访客概率值相乘的基础之上生成加权的访客概率值;和
基于会员概率值和加权的访客概率值的排名,在混合列表中对一个或多个其他会员的识别符和一个或多个访客的识别符进行排序,以及
其中所述操作进一步包括:
基于混合列表,在与特别会员相关联的设备的用户界面中引起一个或多个连接推荐的呈现。
15.如权利要求14所述的系统,其中所述排序包括:
将与其他会员相关联的会员概率值和加权的访客概率值进行比较;以及
基于会员概率值和加权的访客概率值的比较,以递减的顺序对会员概率值和加权的访客概率值进行排名,
其中引起一个或多个连接推荐的呈现包括:基于会员概率值和加权的访客概率值的排名,引起针对其他会员的第一连接推荐和针对访客的第二推荐的呈现。
16.如权利要求10所述的系统,其中会员概率值是一组会员简档特征的函数。
17.如权利要求10所述的系统,其中会员概率值是一组会员活动特征的函数。
18.如权利要求10所述的系统,其中针对SNS的会员的分段、基于对于所述分段而言共同的会员简档特征来选择所述系数。
19.一种包括指令的非暂时性机器可读介质,所述指令当由一个或多个硬件处理器执行时引起一个或多个硬件处理器执行包括以下的操作:
基于社交网络服务(SNS)的特别会员的会员识别符,访问SNS的其他会员的第一列表和访客的第二列表,会员的第一列表包括是经由特别会员的社交图表的特别会员的潜在连接的一个或多个其他会员,访客的第二列表包括不是SNS的会员而是经由社交图表的特别会员的潜在连接的一个或多个访客;
对于一个或多个其他会员之中的每一个,识别会员概率值,其代表特别会员邀请一个或多个其他会员之中的另一会员经由特别会员的社交图表连接的似然性;
对于一个或多个访客之中的每一个,识别访客概率值,其代表特别会员邀请一个或多个访客之中的访客经由特别会员的社交图表连接的似然性;
基于与一个或多个其他会员相关联的会员概率值、与一个或多个访客相关联的访客概率值以及被选择来控制在混合列表中连接的类型的存在的系数值,为特别会员生成其他会员和访客的混合列表;和
针对特别用户邀请在混合列表中包括的一个或多个人经由社交图表与特别会员进行连接,生成一个或多个连接推荐。
20.如权利要求19所述的非暂时性机器可读介质,其中混合列表的生成包括:
对于一个或多个访客之中的每一个,在将系数值与访客概率值相乘的基础之上生成加权的访客概率值;和
基于会员概率值和加权的访客概率值的排名,在混合列表中对一个或多个其他会员的识别符和一个或多个访客的识别符进行排序,以及
其中所述操作进一步包括:
基于混合列表,在与特别会员相关联的设备的用户界面中引起一个或多个连接推荐的呈现。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662301452P | 2016-02-29 | 2016-02-29 | |
US62/301452 | 2016-02-29 | ||
US15/210455 | 2016-07-14 | ||
US15/210,455 US20170249558A1 (en) | 2016-02-29 | 2016-07-14 | Blending connection recommendation streams |
PCT/US2017/019690 WO2017151503A1 (en) | 2016-02-29 | 2017-02-27 | Blending connection recommendation streams |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109074385A true CN109074385A (zh) | 2018-12-21 |
Family
ID=59680071
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780023992.1A Pending CN109074385A (zh) | 2016-02-29 | 2017-02-27 | 混合连接推荐流 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170249558A1 (zh) |
CN (1) | CN109074385A (zh) |
WO (1) | WO2017151503A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111199421A (zh) * | 2019-12-20 | 2020-05-26 | 北京淇瑀信息科技有限公司 | 一种基于社交关系的用户推荐方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678531A (zh) * | 2013-12-02 | 2014-03-26 | 三星电子(中国)研发中心 | 好友推荐方法和装置 |
CN103890797A (zh) * | 2011-08-30 | 2014-06-25 | 谷歌公司 | 基于社交图信息向用户推荐项 |
CN104170316A (zh) * | 2012-01-05 | 2014-11-26 | 国际商业机器公司 | 社交网络环境中的面向目标的用户匹配 |
CN104731962A (zh) * | 2015-04-03 | 2015-06-24 | 重庆邮电大学 | 一种社交网络中基于相似社团的好友推荐方法及系统 |
CN104903929A (zh) * | 2012-11-12 | 2015-09-09 | 谷歌公司 | 在站点上向用户提供内容推荐 |
CN104951983A (zh) * | 2014-03-31 | 2015-09-30 | 邻客音公司 | 用于社交网络的新成员的多目标优化 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8180765B2 (en) * | 2009-06-15 | 2012-05-15 | Telefonaktiebolaget L M Ericsson (Publ) | Device and method for selecting at least one media for recommendation to a user |
US8180804B1 (en) * | 2010-04-19 | 2012-05-15 | Facebook, Inc. | Dynamically generating recommendations based on social graph information |
US20120324491A1 (en) * | 2011-06-17 | 2012-12-20 | Microsoft Corporation | Video highlight identification based on environmental sensing |
US10552446B2 (en) * | 2012-03-01 | 2020-02-04 | Zynga Inc. | Leveraging social graphs with game play auto-neighboring |
US9971830B2 (en) * | 2012-09-06 | 2018-05-15 | Facebook, Inc. | Recommending users to add to groups in a social networking system |
US8886625B1 (en) * | 2012-10-31 | 2014-11-11 | Google Inc. | Methods and computer-readable media for providing recommended entities based on a user's social graph |
US8909559B1 (en) * | 2013-03-28 | 2014-12-09 | Linkedin Corporation | Techniques to facilitate recommendations for non-member connections |
US20150242967A1 (en) * | 2014-02-27 | 2015-08-27 | Linkedin Corporation | Generating member profile recommendations based on community overlap data in a social graph |
US9419818B2 (en) * | 2014-04-30 | 2016-08-16 | Linkedin Corporation | Viral invitations for social networks |
US20160004778A1 (en) * | 2014-05-23 | 2016-01-07 | BuddyNation Inc. | Online social networking service with human matchmaking |
US20150356570A1 (en) * | 2014-06-05 | 2015-12-10 | Facebook, Inc. | Predicting interactions of social networking system users with applications |
US11899728B2 (en) * | 2015-10-05 | 2024-02-13 | Yahoo Assets Llc | Methods, systems and techniques for ranking personalized and generic search query suggestions |
-
2016
- 2016-07-14 US US15/210,455 patent/US20170249558A1/en not_active Abandoned
-
2017
- 2017-02-27 CN CN201780023992.1A patent/CN109074385A/zh active Pending
- 2017-02-27 WO PCT/US2017/019690 patent/WO2017151503A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103890797A (zh) * | 2011-08-30 | 2014-06-25 | 谷歌公司 | 基于社交图信息向用户推荐项 |
CN104170316A (zh) * | 2012-01-05 | 2014-11-26 | 国际商业机器公司 | 社交网络环境中的面向目标的用户匹配 |
CN104903929A (zh) * | 2012-11-12 | 2015-09-09 | 谷歌公司 | 在站点上向用户提供内容推荐 |
CN103678531A (zh) * | 2013-12-02 | 2014-03-26 | 三星电子(中国)研发中心 | 好友推荐方法和装置 |
CN104951983A (zh) * | 2014-03-31 | 2015-09-30 | 邻客音公司 | 用于社交网络的新成员的多目标优化 |
CN104731962A (zh) * | 2015-04-03 | 2015-06-24 | 重庆邮电大学 | 一种社交网络中基于相似社团的好友推荐方法及系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111199421A (zh) * | 2019-12-20 | 2020-05-26 | 北京淇瑀信息科技有限公司 | 一种基于社交关系的用户推荐方法、装置及电子设备 |
CN111199421B (zh) * | 2019-12-20 | 2023-09-29 | 北京淇瑀信息科技有限公司 | 一种基于社交关系的用户推荐方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
US20170249558A1 (en) | 2017-08-31 |
WO2017151503A1 (en) | 2017-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11303590B2 (en) | Suggested responses based on message stickers | |
US11805091B1 (en) | Social topical context adaptive network hosted system | |
KR102050334B1 (ko) | 언어 모델을 사용한, 메시지들에서 수신되는 이미지들에 대한 자동적인 제안 응답들 | |
US9900358B1 (en) | Organizing a stream of content | |
US20180349485A1 (en) | Social media system with navigable, artificial-intelligence-based graphical user interface with a carousel view | |
CN108605008A (zh) | 用于路由消息的代理电子邮件服务器 | |
US20150213144A1 (en) | Systems and methods for utilizing and searching social network information | |
US20190392396A1 (en) | Machine-learning-based application for improving digital content delivery | |
CN104520841A (zh) | 用于改进用户体验的方法和装置 | |
CN107403388A (zh) | 用于结构化搜索查询的语法模型 | |
WO2014074950A2 (en) | Social event recommendation system | |
US9026922B2 (en) | Method and system of generating and managing digital dreamboards | |
US10769227B2 (en) | Incenting online content creation using machine learning | |
US20150286650A1 (en) | Decision Making and Activity Recommendations Engine via Online Persona | |
WO2013074515A1 (en) | Systems and methods for capturing codes and delivering increasingly intelligent content in response thereto | |
WO2019226375A1 (en) | Personalized query formulation for improving searches | |
US9092784B2 (en) | Contacts affinity used to prioritize display of content item reviews in online store | |
US20230334105A1 (en) | System and Method for Providing Enhanced Recommendations Based on Third-Party Opinions | |
US10467237B1 (en) | Object relationships and similarities based on user context | |
US20180137197A1 (en) | Web page metadata classifier | |
CN109074385A (zh) | 混合连接推荐流 | |
Diedrich | Everyday Internet Use. How Do End Users Use the Mobile Internet? | |
KR20220075675A (ko) | 가상 캐릭터를 위한 가상의 소셜 계정을 이용한 소셜 커뮤니케이션 방법 및 시스템 | |
KR20230064955A (ko) | 가상 냉장고를 이용한 정보 공유 시스템 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181221 |
|
RJ01 | Rejection of invention patent application after publication |