CN109074399B - 计算机网络中的个性化内容建议 - Google Patents

计算机网络中的个性化内容建议 Download PDF

Info

Publication number
CN109074399B
CN109074399B CN201780027525.6A CN201780027525A CN109074399B CN 109074399 B CN109074399 B CN 109074399B CN 201780027525 A CN201780027525 A CN 201780027525A CN 109074399 B CN109074399 B CN 109074399B
Authority
CN
China
Prior art keywords
node
nodes
content items
search
list
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201780027525.6A
Other languages
English (en)
Other versions
CN109074399A (zh
Inventor
D·梅耶泽
N·沃伦可夫
A·雷
A·斯卡尔博夫斯基
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.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Technology Licensing LLC
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 Microsoft Technology Licensing LLC filed Critical Microsoft Technology Licensing LLC
Publication of CN109074399A publication Critical patent/CN109074399A/zh
Application granted granted Critical
Publication of CN109074399B publication Critical patent/CN109074399B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/248Presentation of query results
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/903Querying
    • G06F16/9032Query formulation
    • G06F16/90324Query formulation using system suggestions
    • G06F16/90328Query formulation using system suggestions using search space presentation or visualization, e.g. category or range presentation and selection

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本文中公开了提供个性化内容建议的计算机系统、设备、和相关联的方法。在一个实施例中,由搜索引擎所执行的方法包括从成员接收要针对内容项执行搜索的指示。响应于所接收的指示,搜索引擎生成被表示为交互图中的节点的内容项的列表。所述节点与从其处接收要执行搜索的指示的成员唯一地对应。在节点中,至少一个节点经由交互图中的至少一个其他节点间接连接至表示该成员的节点。

Description

计算机网络中的个性化内容建议
背景技术
公司、学校、慈善机构、政府办公室、以及其他类型的企业常常部署私有计算机网络,一般被称为内联网。这样的内联网可以允许企业成员在企业内安全地共享信息。例如,内联网可以包括被配置为存储、跟踪、或管理企业的内部文档的文件管理系统。相比之下,术语“互联网”通常是指个人和企业之间的公共计算机网络。一个示例互联网包含基于TCP/IP协议在全世界范围相互连接的数十亿个计算机设备,并且一般被称为因特网。
发明内容
提供了该发明内容以用简化的形式引入在下文的具体实施方式中进一步描述的概念的选择。该发明内容不旨在标识所要求保护主题的关键特征或必要特征,也不旨在用于限制所要求保护的主题的范围。
内联网可以向企业的成员提供在企业内搜索各种类型的资源的能力。例如,内联网可以包括存储文档、视频、音频、或其他类型的内容项的一个或多个资源库。内联网还可以包括允许企业成员搜索并获取所存储的内容项的搜索引擎。这样的搜索可以基于例如关键词、替代短语、或其他合适的标准。接着,搜索引擎可以向成员返回内容项的列表作为搜索结果。在一些实现中,搜索引擎还可以在成员开始搜索之前提供内容建议。例如,当成员开始键入搜索查询时,搜索引擎可以在成员通过例如按下“返回”键发起搜索之前,基于未完成的搜索查询来提供某些建议的内容项或先前的搜索查询。
用于提供内容建议的前述布置的一个缺点在于所建议的内容项的可能较低的相关性,这是因为搜索引擎在搜索期间通常不将企业中的成员的交互考虑在内。由此,可能基于关键词在内容建议中返回了仅与一个部门相关的文档,但成员正在搜索与另一部门相关的文档。因此,定位相关文档或内容项可能是耗时的,并且因此可能降低企业中的成员的生产力。
所公开的技术的几个实施例可以通过基于成员在企业中的“足迹”、社交网络、或其他合适类型的组织来建议内容项从而提高内容建议的相关性。在某些实施例中,企业中成员的足迹可以包括企业中成员的各种类型的历史交互。例如,成员的足迹可以包括与企业的其他成员、与内联网上的某些网站、或者与内联网上可获得的某些文档的过去的交互。在其他实施例中,成员的足迹还可以包括成员在诸如关联的分区、部门、小组、团队等之类的企业的组织内的职位。在其他的实施例中,成员的足迹还可以包括成员在例如软件编程、财务、会计、或其他适当的科目中的专长。在某些实施例中,可以将成员的足迹组织成具有表示企业的成员的节点的图。成员的交互、组织位置、专长、或其他特定于成员的信息可以被记录并且作为节点被链接至图上的成员。
在从成员接收到要进行搜索的指示(例如,搜索框上的点击)之后,搜索引擎最初可以基于例如登录信息、信息记录程序(cookies)、或其他合适的标识符来识别正在进行搜索的成员。接着,搜索引擎可以在图中定位表示所识别的成员的节点,并且在图中所定位的节点周围针对内容项的列表和/或与所识别的成员有交互的所列出的成员来对图进行查询。在某些实施例中,搜索引擎可以识别直接链接至所识别的成员的内容项。这样的内容项的示例包括该成员在过去与其交互过的文档或网站。
搜索引擎还可以识别间接链接至所识别的成员的内容项。例如,搜索引擎可以识别链接至其他成员、但不与所识别的成员直接交互的文档。由于诸如经由向另一用户发送电子邮件、共同创作文档、参加会议等之类的先前的交互,其他的成员可以链接至所识别的成员。在另一示例中,搜索引擎还可以识别在链接至所识别的用户的网站上包含的一个或多个文档,上述所识别的成员尚未与上述一个或多个文档直接交互。在某些实施例中,搜索引擎可以动态地调整前述间接搜索的等级。例如,在基于第一等级的间接性的搜索之后,搜索引擎可以将内容建议中的内容项的数量与阈值进行比较。响应于确定内容项的数量低于阈值,搜索引擎可以继续基于较高等级的间接性的搜索。
在某些实施例中,一旦搜索引擎基于成员在图中的足迹识别出内容项的列表,则搜索引擎可以甚至在从该成员接收到搜索查询之前,将这些内容项中的一个或多个输出给该成员作为内容建议。在其他实施例中,搜索引擎还可以基于类别、访问时间、或其他合适的标准将内容项的列表分组。在另外的实施例中,一旦从该成员接收到搜索查询的至少一部分,则该搜索引擎就可以过滤该内容项的列表并且动态地更新向该成员输出的内容建议的列表。
所公开技术的几个实施例可以通过聚焦进行搜索的成员周围的搜索操作来改进内容建议的相关性。在没有被理论束缚的情况下,可以相信的是,成员在企业内的先前交互可以通知成员正在搜索的潜在的相关内容项。由此,与纯粹基于来自该成员的搜索查询相比,通过聚焦基于请求搜索的成员的身份的内容建议,搜索引擎可以更高效地定位和建议相关的内容项。因此,与传统的技术相比,所公开的技术的几个实施例可以在企业内提供改进的用户体验和/或增强的生产力。
附图说明
图1是根据所公开技术的实施例的示出了具有个性化内容建议的计算系统的示意图。
图2是根据所公开技术的实施例的示出了图1的交互跟踪器的某些硬件/软件组件的示意图。
图3是根据所公开技术的实施例的示出了图1的交互跟踪器可以生成的交互图的示意图。
图4是根据所公开技术的实施例的示出了图1的搜索引擎的硬件/软件组件的框图。
图5A-5C是根据所公开的技术的实施例的示出了基于请求搜索的成员的身份的个性化内容建议的示意图。
图6A-6D是根据所公开的技术的实施例的示出了提供个性化内容建议的各种过程的流程图。
图7是适合于图1中计算系统的某些组件的计算设备。
具体实施方式
下文描述了针对个性化内容建议的系统、设备、组件、模块、例程、数据结构、和过程的某些实施例。在随后的描述中,包括了组件的具体细节以提供对所公开的技术的某些实施例的透彻理解。相关领域技术人员将理解本技术可以具有另外的实施例。也可以在没有以下参考附图1-7所描述的实施例的几个细节的情况下实践本技术。
如在本文中所使用的,术语“内容项”一般指的是经由计算机网络可获得的信息资源项。例如,内容项可以包括文档,其包含存储在网络资源库中并且经由计算机网络可访问的文本、图像、声音、视频、或动画。在另一示例中,内容项还可以包括具有经由计算机网络可访问的一个或多个网页的网站。在另外的示例中,内容项可以包括博客站点、讨论论坛、电子商务站点、或其他合适类型的资源。如也在本文中所使用的,短语“内容建议”可以包括在用户通过致动“所述”图标、按下“返回”键、或者经由其他合适的动作发起基于搜索查询的搜索之前,不基于搜索查询或者基于来自用户的不完整的查询而向用户建议的内容项的列表。
如在本文中所使用的,术语“交互图”一般指的是具有多个节点的图形表示,其中每个节点表示用户或者与用户交互的内容项。图形表示还可以包括指示两个节点之间的交互关系的两个节点之间的交互指示符(例如,单向箭头或双向箭头)。例如,如果用户与一个内容项交互(例如,编辑文档、观看视频等),则这样的交互可以由表示该用户的节点与表示该内容项的另一节点之间的单向箭头来表示。在另一示例中,如果用户与另一用户交互(例如,经由在线帖子、电子邮件、电话通话等),则这样的交互可以由表示用户的节点之间的单向或双向箭头来表示。在下文中参考图3和5A-5C更加详细地讨论了交互图的示例。
另外,如在本文中所使用的,术语“间接性”一般指的是在交互图中在两个节点之间经由一个或多个其他节点的连通性,且与彼此直接连接相对照。“间接性等级”一般指的是从另一节点到达一节点所需的其他节点或跳跃的数量。例如,如果可以经由单个第三节点而从第二节点到达第一节点,则在第一节点与第二节点之间的间接性等级可以被称为第一间接性等级。类似地,在另一示例中,如果可以经由两个其他节点而从第二节点到达第一节点,则可以将第一节点与第二节点之间的间接性等级称为第二间接性等级。
诸如内联网或社交网络之类的某些计算机网络可以向用户或成员提供用于针对在计算机网络上可获得的各种类型的内容项来进行搜索的能力。例如,内联网可以包括存储文本、视频、音频、或其他类型的文档的资源库。计算机网络还可以提供搜索引擎以允许用户查询所存储的内容项。这样的搜索可以基于例如关键词、替换阶段、或其他合适的标准。在一些计算系统中,搜索引擎可以在成员开始搜索之前提供内容建议。例如,当成员开始键入搜索字符串时,搜索引擎可以在成员通过例如按下“返回”键发起搜索之前、基于未完成的搜索字符串来提供某些建议的内容项。
前述布置的一个缺点是内容建议中的内容项的相关性可能较低,这是因为搜索引擎通常不针对查询而将成员的交互考虑在内。由此,基于关键词可以在内容建议中返回与一个主题范围相关的文档,尽管另一用户正在搜索与另一主题范围相关的文档。因此,定位相关的文档或内容项可能是耗时的,并且因此可能降低企业中成员的生产力或负面地影响用户体验。
通过基于成员在企业中、在社交网络中、或在其他合适类型的计算网络中的“足迹”来搜索和建议内容项,所公开的技术的几个实施例可以改进内容建议的相关性。在某些实施例中,成员在计算机网络上的足迹可以包括被表示为交互图的成员的各种类型的历史交互。例如,成员的足迹可以包括与企业的其他成员、与内联网上的某些网站、或者与在计算机网络上可获得的某些文档的过去的交互。在搜索所建议的内容项期间,搜索引擎可以在表示请求搜索的成员的节点周围定位所建议的内容项,以改进所返回的内容建议的相关性,如下文参考图1-7更加详细地描述的。
图1是根据所公开技术的实施例的示出了具有个性化内容建议的计算系统100的示意图。如在图1中所示出的,计算系统100可以包括将客户端设备102、搜索引擎106、交互跟踪器112、和一个或多个网络服务器118相互连接的计算机网络104。计算机网络104可以包括企业内联网、社交网络、因特网、或其他合适类型的网络。
计算系统100还可以包括可操作地耦合至网络服务器118的网络资源库108以及可操作耦合至搜索引擎106和交互跟踪器112的网络存储114。如在图1中所示出的,网络资源库108可以被配置为存储经由计算机网络104可访问的内容项110的记录。网络存储114可以被配置为存储交互图116的记录,其包含表示成员101之间的交互以及单个成员101与内容项110之间的交互的数据。
即使在图1中示出了计算系统100的特定组件和相关联的布置,但在其他实施例中,计算系统100可以包括另外的和/或不同的组件。例如,在某些实施例中,网络资源库108和网络存储114可以被组合到单个物理或逻辑存储空间中。在其他实施例中,计算系统100还可以包括高速缓存服务器、负载平衡器、或其他合适的组件。
客户端设备102可以单独地包括促进成员101(被标识为第一、第二、和第三成员101a-101c)经由计算机网络104访问网络资源库108的计算设备。例如,在说明性实施例中,第一客户端设备102a包括膝上型计算机。第二客户端设备102b包括台式计算机。第三客户端设备102c包括平板计算机。在其他实施例中,客户端设备102还可以包括智能电话或其他合适的计算设备。即使出于说明的目的在图1中示出了三个成员101,但在其他实施例中,计算系统100可以促进任何合适数量的成员101经由计算机网络104访问网络资源库108。
在某些实施例中,搜索引擎106、交互跟踪器112、和网络服务器118可以各自包括一个或多个相互连接的计算机服务器,如在图1中所示出的。在其他实施例中,计算系统100的前述组件可以各自包括被托管在诸如数据中心之类的一个或多个远程计算设施上的基于云的服务。在另外的实施例中,某些组件(例如,网络服务器118)可以从计算系统100中省略并且由外部计算系统(未示出)来提供。
网络服务器118可以被配置为提供成员101经由计算机网络104可访问的一个或多个网站。例如,在一个实施例中,网络服务器118可以被配置为提供企业内部网站,其允许成员101安全地交换信息并且协作以执行任务。在其他实施例中,网络服务器118还可以被配置为提供社交网络网站,其允许成员101发布内容项110、对另一个人的内容项110进行评论、与另外的成员101共享和/或推荐内容项110、或执行其他合适的动作。在某些实施例中,网络服务器118还可以被配置为接收、存储、登记、或管理网络资源库108中的内容项110。在其他实施例中,计算系统100还可以包括数据库服务器(未示出)或者被配置为执行前述功能的其他合适的组件。
交互跟踪器112可以被配置为生成、更新、或管理(i)成员101之间以及(ii)单个成员101与在网络资源库108中存储的一个或多个内容项110之间的交互的记录。例如,在一个实施例中,交互跟踪器112可以记录在成对的成员101之间经由在线发帖、电子邮件、电话通话、文本消息、在线聊天或其他合适的交互的交互。在另一个实施例中,交互跟踪器112还可以记录在单个成员101与内容项110中的一个或多个之间的交互。这样的交互可以包括创建、编辑、保存、查看、评论、或者由成员101对内容项110执行其他合适的动作。在另外的实施例中,交互跟踪器112还可以记录组织职位、专长、或者与单个成员101相关的其他合适的信息,如下文参考图2和3更加详细地描述的。
搜索引擎106可以被配置为基于网络存储114中的交互图来向成员101提供个性化内容建议。在某些实施例中,搜索引擎106可以被配置为从成员101中的一个成员接收要针对内容项110执行搜索的指示。这样的指示的示例可以包括接收到对在网页上显示的搜索框(未示出)的点击或者检测到光标在网页上的搜索框上方的悬停。作为响应,搜索引擎106可以被配置为查询交互图116,以基于成员101的身份来生成与成员101唯一地对应的建议的内容项110的列表。内容项110的列表还可以与未完成的搜索查询对应,所述未完成的搜索查询是由成员通过例如在交互图116中搜索与每个节点相关联的元数据中的编译的关键词来输入的。接着,搜索引擎106可以经由计算机网络104向成员101发送所生成的内容项110列表中的至少一些内容项作为个性化内容建议。下文参考图4-5C更加详细地讨论了搜索引擎106的组件和操作的各种实施例。
图2是根据所公开技术的实施例的示出了图1的交互跟踪器112的某些硬件/软件组件的示意图。如在图2中所示出的,交互跟踪器112可以包括可操作地彼此耦合的接口组件122、图组件124、以及输出组件126。在某些实施例中,接口组件122可以被配置为经由例如跟踪消息、与内容项110关联的元数据、或者经由其他合适的技术来检测用户活动130。在其他实施例中,接口组件122还可以从例如计算系统100的管理员接收组织图表132、成员101的专长的记录(图1)、或者其他合适的信息。接着,接口组件122可以向图组件124提供所接收的用户活动130、组织图表132、专长134、或者其他合适的信息。图组件124可以被配置为基于从接口组件122所接收的信息来生成交互图116,并且输出组件126可以在网络存储114中输出或更新所生成的交互图116,如下文参考图3更加详细地讨论的。
图3是根据所公开技术的实施例的示出了图2的交互跟踪器112可以被配置为生成的示例交互图116的示意图。如在图3中所示出的,交互图116可以包括利用交互指示符143相互连接的多种类型的节点141。例如,交互图116可以包括成员节点142(在图3中被示出为U1-U6)、文档节点144(在图3中被示出为D1-D6)、网站节点146(在图3中被示出为W1和W2)、以及专长节点148(在图3中被示出为E1)。在其他示例中,交互图116还可以包括组织节点(例如,表示企业中的部门、团队、或小组)、查询节点(例如,表示由图1的成员101先前请求的查询)、或其他合适类型的节点141。
交互指示符143可以将成对的节点141相互连接。例如,如在图3中所示出的,单向箭头143’可以指示成员101(例如,节点U1)与文档(例如,节点D1)或网站(例如,节点W1)之间的交互。在另一示例中,双向箭头可以指示一个成员101(例如,节点U1)与另一成员101(例如,节点U3)之间的交互。如在图3中所示出的,节点141中的一些可以彼此直接连接。例如,节点U1直接连接至节点E1、W1、D1、U2和U3。其他节点141彼此间接连接。例如,节点U1间接连接至节点D2、W2、D5等。如下文参考图4-5C更加详细地讨论的,搜索引擎106(在图4中示出)可以被配置为通过搜索交互图116来生成个性化内容建议。
图4是根据所公开的技术的实施例的示出了适合于图1的计算系统100的搜索引擎106的硬件/软件组件的框图。如在图4中所示出的,搜索引擎可以包括操作性彼此耦合的输入/输出组件152、搜索组件154、以及过滤器组件156。在其他实施例中,尽管在图4中示出了搜索引擎106的特定组件,但搜索引擎106还可以包括缓存组件、分类组件、或其他合适的组件。
输入/输出组件152可以被配置为经由客户端设备102从成员101接收搜索指示136。在一个实施例中,搜索指示136可以包括对在网页(例如,由图1的网络服务器118所提供的)上显示的搜索框的点击。在另一实施例中,搜索指示136可以包括检测到光标在网页上的搜索框上方的悬停。在另外的实施例中,搜索指示136还可以包括来自成员101的明确命令或者来自成员101的其他合适类型的用户输入。
响应于所接收的搜索指示136,搜索组件154可以基于例如登录信息、信息记录程序、或其他合适的标识符来确定提供搜索指示136的成员101的身份。搜索组件154可以被配置为通过查询交互图116来基于成员101的身份生成内容项110(图1)的列表。下文参考图5A-5C描述了输入/输出组件152、搜索组件154、以及过滤器组件156的各种功能和操作。
图5A-5C是示出了基于请求搜索的成员101的身份的个性化内容建议的示意图。在图5A中所示出的示例中,搜索组件154(图4)可以被配置为确定与所接收的搜索指示136相关联的成员101与节点U1相对应。作为响应,搜索组件154可以聚焦节点U1(例如,如由图5A中的黑圈所指示的)周围的查询。接着,搜索组件154可以识别直接连接至节点U1的第一组节点141,例如,节点D1、U2、U3、E1和W1。搜索组件154还可以通过以下方式来识别间接地连接至U1的第二组节点141,例如节点D2、U5、W2、D5、D3、D4和D6,例如通过遍历一个或多个交互指示符143、针对具有第一等级的间接性的所有节点141进行查询、或者经由其他合适的技术。
搜索组件154还可以被配置为当接收到来自其他成员101的另外的搜索指示136时,重新聚焦对交互图116的查询。例如,在图5B中所示出的示例中,搜索组件154可以被配置为确定与所接收的另外的搜索指示136相关联的成员101对应于节点U2。作为响应,搜索组件154可以在节点U2(如由图5B中的黑圈所指示的)周围重新聚焦。接着,搜索组件154可以识别直接连接至节点U2的第一组节点141,例如节点U1、D5、W2、和U5。搜索组件154还可以识别间接连接至U2的第二组节点141,例如节点D1、U3、E1、和W1。
在图5C中所示出的示例中,搜索组件154可以被配置为确定与所接收的另一搜索指示136相关联的成员101对应于节点U3。在响应中,搜索组件154可以将查询在节点U3(如图5C中由黑圈所指示的)周围重新聚焦。接着,搜索组件154可以识别直接连接至节点U3的第一组节点141,例如,节点U1和D2。搜索组件154还可以识别间接连接至U2的第二组节点141,例如,节点E1、W1、D1和U2。
在某些实施例中,搜索组件154还可以确定第一和/或第二组节点141的数量是否超过阈值(例如,5、10、20、30、40等)。在某些实施例中,可以基于在具有搜索框的网页上可用显示面积来确定阈值。在其他实施例中,可以由网络管理员或其他合适的实体来设置阈值。响应于确定第一和/或第二组中的节点141的数量超过阈值,搜索组件154可以终止搜索,例如,在图5A中所示出的示例中。可替代地,响应于确定节点141的数量不超过阈值,搜索组件154可以将搜索扩展至额外的间接性等级。例如,在图5C中所示出的示例中,搜索组件154可以识别经由两个其他节点141而连接至节点U3的另外的节点141,例如节点D6、D3、D4、D5、W2和U6。
在某些实施例中,输入/输出组件152(图4)可以被配置为甚至在从成员101接收到搜索查询138之前将所生成的节点141的列表作为个性化内容建议返回给成员101。一旦从成员101接收到搜索查询,则过滤器组件156就可以被配置为基于例如关键词、替代短语、或者所接收的搜索查询138的其他参数来对由搜索组件154所生成的节点141的列表进行过滤。接着,输入/输出组件152可以将节点141的经过滤的列表返回给成员101。
所公开的技术的几个实施例可以通过在请求搜索的成员101周围聚焦搜索操作来改进内容建议的相关性。在没有被理论束缚的情况下,可以相信的是,成员101在企业内的先前交互可以帮助定位成员101正在搜索的潜在相关的内容项110(图1)。由此,与纯粹基于搜索查询138的搜索相比,通过聚焦基于与正在请求搜索的成员101相对应的节点141(图5A-5C)的搜索操作,搜索引擎106可以更高效地定位相关的内容项110。从而,与常规技术相比,可以改进企业内的生成力和在社交网络中的用户体验。
图6A是根据所公开的技术的实施例的示出了提供个性化内容建议的过程200的流程图。尽管在计算系统100的上下文中描述了过程200的实施例,但在其他实施例中,过程200也可以在具有另外的和/或不同的组件的计算系统中实现。
如在图6A中所示出的,在阶段202处,过程200可以包括从成员101接收针对搜索的指示。接着,在阶段204处,过程200可以包括生成对成员101而言唯一的内容项的列表。在某些实施例中,生成列表可以包括生成在交互图中被表示为节点的内容项的列表,如在图5A-5C中所示出的那些。在所生成的列表中,内容项中的至少一个内容项与经由交互图中的至少一个其他节点间接连接至表示成员的另一节点的节点相对应。下文参考图6B更加详细地描述了生成内容项的列表的示例实施例。
在某些实施例中,过程200可以可选地包括即使没有接收到搜索查询,也在阶段205处输出所生成的内容项的列表。在某些实施例中,输出所生成的内容项的列表包括基于对应的内容类型或其他合适的标准将所生成的内容项的列表中的至少一些内容项分成两个或更多个分组以供显示。在其他实施例中,可以省略阶段205处的操作。如在图6A中所示出的,过程200还可以包括在阶段206处从成员接收搜索查询。响应于所接收的搜索查询,过程200可以包括在阶段208处对从阶段204所生成的内容项的列表进行过滤。可以使用按照关键词、替代短语、接收搜索查询的日期/时间、从其接收搜索查询的位置的搜索,或者可以使用其他合适的搜索技术来过滤内容项的列表。接着,过程200可以包括在阶段210处向成员输出经过滤的内容项的列表以作为个性化内容建议。
图6B是示出了用于在图6A的阶段204处生成内容项的列表的示例操作的流程图。如在图6B中所示出的,操作可以包括在阶段212处识别从其处接收搜索指示的成员以及将交互图上的节点定位为与所识别的成员相对应。接着,操作可以包括在阶段214处确定到表示所识别的成员的节点直接或间接连接的节点。下文参考图6C和6D更加详细地描述了确定这样连接的节点的各种示例。
操作还可以包括在阶段216处选择来自阶段214的所识别的节点的列表作为给成员的个性化内容建议。在某些实施例中,可以基于例如最后的交互的时间戳、内容类型、内容项的名称、内容项的文件大小、或内容项的其他合适的参数来选择所识别的节点的列表。在其他实施例中,可以基于其他合适的标准来选择所识别的节点的列表。
图6C是根据所公开技术的实施例的示出了确定连接至表示成员的节点的节点的列表的操作的流程图。如在图6C中所示出的,所述操作包括在阶段222处遍历初始间接等级以及识别以初始间接等级连接的节点。例如,初始间接等级可以是诸如图5A中在节点U1和D2之间的第一间接性等级。所述操作还可以包括决策阶段224,其用于确定所识别的第一间接等级的节点的数量是否超过阈值。响应于确定所识别的第一间接性等级的节点的数量超过该阈值,所述操作可以包括在阶段226处返回所识别的当前间接性等级的节点的列表。否则,所述操作包括在阶段228处遍历另外的间接性等级,以在阶段228处识别另外的间接连接的节点。接着,该过程在阶段224处回到确定所识别的节点的数量是否超过该阈值。
即使所识别的节点的数量在图6C中被用作用于确定是否遍历另外的间接性等级的标准,但在其他实施例中,也可以使用其他的标准。例如,如在图6D中所示出的,在阶段224’的标准可以包括确定表示成员101(图1)的两个节点是否属于同一组织(例如,公司、部门、部分、团队等)。响应于确定这两个节点属于同一组织,所述操作可以在阶段228处继续以遍历另外的间接性等级;否则,过程继续以返回所识别的当前间接等级的节点。在另外的实施例中,除了或代替在图6C和6D中示出的这些,在阶段224处的操作也可以利用专长、物理位置、交互的时间、或其他合适的参数来进行确定。
图7表示适合于图1中的计算系统100的某些组件的计算设备300。例如,计算设备300可以适合于搜索引擎106、交互跟踪器112、或者图1的网络浏览器118。在非常基本的配置302中,计算设备300可以包括一个或多个处理器304和系统存储器306。存储器总线308可以用于在处理器304和系统存储器306之间进行通信。
根据期望的配置,处理器304可以具有任何类型,包括但不限于微处理器(μP)、微控制器(μC)、数字信号处理器(DSP)、或其任何组合。处理器304可以包括一个多个等级的高速缓存(例如,一级高速缓存310和二级高速缓存312)、处理器内核314、以及寄存器316。示例性的处理器内核314可以包括算术逻辑单元(ALU)、浮点单元(FPU)、数字信号处理内核(DSP内核)、或其任何组合。示例存储器控制器318还可以与处理器304一起使用,或者在一些实现中,存储器控制器318可以是处理器304的内部部件。
取决于期望的配置,系统存储器306可以具有任何类型,包括但不限于易失性存储器(例如RAM)、非易失性存储器(例如ROM、闪速存储器等)、或其任何组合。系统存储器306可以包括操作系统320、一个或多个应用322、以及程序数据324。通过在内部虚线内的组件在图7中示出了所描述的基本配置302。
计算设备300可以具有另外的特征或功能、以及用于促进在基本配置302与任何其他设备和接口之间实现通信的另外的接口。例如,总线/接口控制器330可以用于经由存储接口总线334在基本配置302与一个或多个数据存储设备332之间实现通信。数据存储设备332可以是可移动存储设备336、不可移动存储设备338、或其组合。可移动存储设备和不可移动存储设备的示例包括诸如软盘驱动器和硬盘驱动器(HDD)之类的磁盘设备、诸如压缩盘(CD)驱动器或数字多功能盘(DVD)驱动器之类的光盘驱动器、固态驱动器(SSD)、以及磁带驱动器等。示例计算机存储介质可以包括以任何方法或技术实现的用于存储诸如计算机可移动指令、数据结构、程序模块、或其他数据之类的信息的易失性和非易失性、可移动和不可移动的介质。术语“计算机可读存储介质”或“计算机可读存储设备”将传播信号和通信介质排除在外。
系统存储器306、可移动存储设备336、以及不可移动存储设备338是计算机可读存储介质的示例。计算机可读存储介质包括但不限于RAM、ROM、EEPROM、闪速存储器或其他存储器技术、CD-ROM、数字多功能光盘(DVD)或其他光存储、盒式磁带、磁带、磁盘存储器或其他磁存储设备、或者可以用于存储期望的信息并且能够由计算设备300访问的任何其他介质。任何这样的计算机可读存储介质可以是计算设备300的一部分。术语“计算机可读存储介质”将广播信号和通信介质排除在外。
计算设备300还可以包括接口总线340,其用于促进经由总线/接口控制器330实现从各种接口设备(例如,输出设备342、外围接口344、以及通信设备346)到基本配置302的通信。示例输出设备342包括图形处理单元348和音频处理单元350,它们可以被配置为经由一个或多个A/V端口352向诸如显示器或扬声器之类的各种外部设备传送。示例外围设备接口344包括串行接口控制器354或并行接口控制器356,它们可以被配置为经由一个或多个I/O端口358与诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备等)或其他外围设备(例如,打印机、扫描仪等)之类的外部设备进行通信。示例通信设备346包括网络控制器360,其可以被布置成促进经由一个或多个通信端口364在网络通信链路上实现与一个或多个其他计算设备362的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以由计算机可读指令、数据结构、程序模块、或诸如载波或其他传输机制之类的调制数据信号中的其他数据来实现,并且可以包括任何信息传递介质。“调制数据信号”可以是以使得将信息编码到信号中的方式来设置或改变其一个或多个特征的信号。作为示例而非限制,通信介质可以包括诸如有线网络或直接有线连接之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)和其他无线介质之类的无线介质。如在本文中所使用的术语计算机可读介质可以包括存储介质和通信介质两者。
计算设备300可以被实现为诸如蜂窝电话、个人数据助理(PDA)、个人媒体播放机设备、无线网络手表设备、个人耳机设备、专用设备、或包含上述功能中的任何一个的混合设备之类的小形状因子的便携(或移动)电子设备的一部分。计算设备300还可以被实现为包括膝上型计算机和非膝上型计算机配置两者的个人计算机。
出于说明的目的,上文已经描述了技术的特定实施例。然而,在不脱离前述公开的情况下可以进行各种修改。另外,除了或替代其他实施例的元件,一个实施例的许多元件可以与其他实施例相结合。由此,本技术只受所附权利要求书的限制。

Claims (10)

1.一种用于经由计算机网络在计算机系统中提供对多个成员可访问的个性化内容建议的方法,所述方法包括:
从成员接收要针对内容项执行搜索的指示,所述内容项分别地包括文档或网站;
响应于接收到所述指示,通过根据第一等级的间接性查询交互图来生成与所述成员唯一地对应的内容项的列表,所述交互图具有(i)多个相互连接的节点,所述节点中的每个节点表示所述成员中的一个成员或者内容项,以及(ii)所述节点的对之间的多个交互指示符,其中,所生成的列表中的所述内容项中的至少一个内容项与经由所述交互图中的至少一个其他节点而间接连接至所述成员的节点相对应,以及其中,所述内容项中的至少一个内容项相对于表示所述成员的其他节点具有所述第一等级的间接性;
确定所生成的列表中的所述内容项的数量是否低于阈值;
响应于确定所生成的列表中的所述内容项的数量低于所述阈值,通过根据比所述第一等级的间接性高的第二等级的间接性继续查询所述交互图来生成与所述第二等级的间接性的节点相对应的内容项的列表;以及
通过将所生成的与所述第二等级的间接性的节点相对应的内容项中的至少一些内容项经由所述计算机网络发送给所述成员来向所述成员提供个性化内容建议。
2.根据权利要求1所述的方法,其中,接收要执行所述搜索的指示包括从所述成员接收到对在网站上所显示的搜索框的点击,或者检测到光标在所述网站上的所述搜索框上方的悬停。
3.根据权利要求1所述的方法,其中,提供所述个性化内容建议包括:基于对应的内容类型将所生成的内容项的列表中的至少一些内容项分成两个或更多个组,以及使得所提供的个性化内容建议在所述两个或更多个组中被显示。
4.根据权利要求1所述的方法,还包括:
从所述成员接收搜索查询,所接收的搜索查询包含关键词;以及
响应于接收到所述搜索查询,基于所述搜索查询中的所述关键词来过滤所生成的内容项的列表。
5.根据权利要求1所述的方法,还包括:
从所述成员接收搜索查询,所接收的搜索查询包含关键词;
响应于接收到所述搜索查询,
基于所述搜索查询中的所述关键词来过滤所生成的项的列表;以及
基于经过滤的内容项的列表,动态地更新所提供的所述个性化内容建议。
6.根据权利要求1所述的方法,其中:
所述成员是第一成员;
表示所述成员的节点是第一节点;并且
所述节点中的、间接连接至表示所述成员的节点的至少一个节点包括表示由第二成员进行交互的文档或网站的节点,所述第二成员与直接连接至表示所述第一成员的所述第一节点的第二节点相对应。
7.根据权利要求1所述的方法,其中:
表示所述成员的节点是第一节点;并且
所述节点中的、间接连接至表示所述成员的节点的至少一个节点包括表示文档的第二节点,所述文档(i)被包含在由所述成员进行交互的网站上、但是(ii)并未由所述成员直接进行交互。
8.根据权利要求1所述的方法,其中:
表示所述成员的节点是第一节点;并且
所述交互图还包括直接连接至所述第一节点的第二节点,所述第二节点表示所述成员的专长;并且
所述节点中的、间接连接至表示所述成员的节点的至少一个节点包括表示由具有相同专长的其他成员进行交互的文档或网站的节点。
9.根据权利要求1所述的方法,其中,生成所述内容项的列表包括:
在所述交互图中识别通过单个其他节点间接连接至表示所述成员的节点的第一组节点;
确定所识别的第一组节点的数量是否超过阈值;以及
响应于确定所识别的第一组节点的所述数量不超过阈值,在所述交互图中识别通过两个其他节点间接连接至表示所述成员的节点的第二组节点。
10.根据权利要求1所述的方法,其中:
所述成员是第一成员;
表示所述成员的节点是第一节点;
所生成的内容项的列表是内容项的第一列表;并且
所述方法还包括:
从第二成员接收要针对内容项执行另一搜索的另一指示;以及
响应于所接收的另一指示,通过以下方式来生成内容项的第二列表:识别直接连接至所述第二成员的第一组节点以及通过至少一个另一节点间接连接至表示所述第二成员的节点的第二组节点;以及
所生成的第一列表包含与所生成的第二列表中的内容项不同的内容项。
CN201780027525.6A 2016-05-02 2017-04-26 计算机网络中的个性化内容建议 Active CN109074399B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662330700P 2016-05-02 2016-05-02
US62/330,700 2016-05-02
US15/195,019 2016-06-28
US15/195,019 US10423683B2 (en) 2016-05-02 2016-06-28 Personalized content suggestions in computer networks
PCT/US2017/029533 WO2017192321A1 (en) 2016-05-02 2017-04-26 Personalized content suggestions in computer networks

Publications (2)

Publication Number Publication Date
CN109074399A CN109074399A (zh) 2018-12-21
CN109074399B true CN109074399B (zh) 2022-01-11

Family

ID=60158954

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780027525.6A Active CN109074399B (zh) 2016-05-02 2017-04-26 计算机网络中的个性化内容建议

Country Status (4)

Country Link
US (2) US10423683B2 (zh)
EP (1) EP3452922A1 (zh)
CN (1) CN109074399B (zh)
WO (1) WO2017192321A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3825871A1 (en) 2019-11-19 2021-05-26 Microsoft Technology Licensing, LLC Method, apparatus and computer program for generating search results

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102474529A (zh) * 2009-07-01 2012-05-23 费斯布克公司 收集关于社交网络化服务中的连接的信息
CN103177382A (zh) * 2013-03-19 2013-06-26 武汉大学 微博平台上的关键传播路径和中心节点的探测方法
US8631068B1 (en) * 2005-08-11 2014-01-14 Myspace Music Llc Peer-based communications system with scalable data model
CN104699783A (zh) * 2015-03-13 2015-06-10 西安电子科技大学 基于个性化视觉字典自适应调整的社交图像检索方法

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7092936B1 (en) 2001-08-22 2006-08-15 Oracle International Corporation System and method for search and recommendation based on usage mining
US20040220914A1 (en) * 2003-05-02 2004-11-04 Dominic Cheung Content performance assessment optimization for search listings in wide area network searches
US7890526B1 (en) 2003-12-30 2011-02-15 Microsoft Corporation Incremental query refinement
US7523099B1 (en) 2004-12-30 2009-04-21 Google Inc. Category suggestions relating to a search
GB0517585D0 (en) 2005-08-30 2005-10-05 Ramakrishna Madhusudana Intuitive search which delivers fast results on the mobile phone
US7580931B2 (en) * 2006-03-13 2009-08-25 Microsoft Corporation Topic distillation via subsite retrieval
US9443022B2 (en) 2006-06-05 2016-09-13 Google Inc. Method, system, and graphical user interface for providing personalized recommendations of popular search queries
US8458165B2 (en) 2007-06-28 2013-06-04 Oracle International Corporation System and method for applying ranking SVM in query relaxation
US8027964B2 (en) 2007-07-13 2011-09-27 Medio Systems, Inc. Personalized query completion suggestion
US10235429B2 (en) * 2007-08-20 2019-03-19 Stephen W. Meehan System and method for organizing data in a dynamic user-customizable interface for search and display
WO2010048172A1 (en) 2008-10-20 2010-04-29 Cascaad Srl Social graph based recommender
US8082247B2 (en) * 2009-07-30 2011-12-20 Microsoft Corporation Best-bet recommendations
US8316019B1 (en) 2010-06-23 2012-11-20 Google Inc. Personalized query suggestions from profile trees
US20110320441A1 (en) * 2010-06-25 2011-12-29 Microsoft Corporation Adjusting search results based on user social profiles
US8560562B2 (en) 2010-07-22 2013-10-15 Google Inc. Predictive query suggestion caching
US8983995B2 (en) 2011-04-15 2015-03-17 Microsoft Corporation Interactive semantic query suggestion for content search
US9298851B2 (en) * 2011-05-06 2016-03-29 Microsoft Technology Licensing, Llc Presenting related searches on a toolbar
US20120296743A1 (en) 2011-05-19 2012-11-22 Yahoo! Inc. Method and System for Personalized Search Suggestions
EP2557510A1 (en) 2011-08-12 2013-02-13 Accenture Global Services Limited Context and process based search ranking
US8949232B2 (en) * 2011-10-04 2015-02-03 Microsoft Corporation Social network recommended content and recommending members for personalized search results
CN103390000B (zh) * 2012-05-09 2016-07-06 中国移动通信集团公司 一种网页搜索方法及网页搜索系统
US9147008B2 (en) 2012-09-13 2015-09-29 Cisco Technology, Inc. Activity based recommendations within a social networking environment based upon graph activation
WO2014049884A1 (en) 2012-09-26 2014-04-03 DeNA Co., Ltd. System and method for providing a recommendation of a game based on a game-centric relationship graph
US9367625B2 (en) * 2013-05-03 2016-06-14 Facebook, Inc. Search query interactions on online social networks
US9367536B2 (en) * 2013-05-03 2016-06-14 Facebook, Inc. Using inverse operators for queries on online social networks
US20140358962A1 (en) 2013-06-04 2014-12-04 Microsoft Corporation Responsive input architecture
US9460215B2 (en) 2013-12-19 2016-10-04 Facebook, Inc. Ranking recommended search queries on online social networks
US10095748B2 (en) 2014-03-03 2018-10-09 Microsoft Technology Licensing, Llc Personalized information query suggestions
US10394827B2 (en) 2014-03-03 2019-08-27 Microsoft Technology Licensing, Llc Discovering enterprise content based on implicit and explicit signals
US9594824B2 (en) 2014-06-24 2017-03-14 International Business Machines Corporation Providing a visual and conversational experience in support of recommendations
US9754037B2 (en) * 2014-08-27 2017-09-05 Facebook, Inc. Blending by query classification on online social networks
US20170024424A1 (en) * 2015-07-26 2017-01-26 Saad Almohizea Suggestive search engine

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8631068B1 (en) * 2005-08-11 2014-01-14 Myspace Music Llc Peer-based communications system with scalable data model
CN102474529A (zh) * 2009-07-01 2012-05-23 费斯布克公司 收集关于社交网络化服务中的连接的信息
CN103177382A (zh) * 2013-03-19 2013-06-26 武汉大学 微博平台上的关键传播路径和中心节点的探测方法
CN104699783A (zh) * 2015-03-13 2015-06-10 西安电子科技大学 基于个性化视觉字典自适应调整的社交图像检索方法

Also Published As

Publication number Publication date
CN109074399A (zh) 2018-12-21
WO2017192321A1 (en) 2017-11-09
US10963528B2 (en) 2021-03-30
EP3452922A1 (en) 2019-03-13
US10423683B2 (en) 2019-09-24
US20170316098A1 (en) 2017-11-02
US20190377767A1 (en) 2019-12-12

Similar Documents

Publication Publication Date Title
US11520468B2 (en) Systems and methods for cross domain service component interaction
US12001439B2 (en) Information service for facts extracted from differing sources on a wide area network
US9811597B2 (en) Computer implemented methods and apparatus for identifying topical influence in an online social network
US9892170B2 (en) Computer implemented methods and apparatus for recommending events
US20190272267A1 (en) Generating or updating sets of events using a database system
US20190005025A1 (en) Performing semantic graph search
US9367626B2 (en) Computer implemented methods and apparatus for implementing a topical-based highlights filter
US9043358B2 (en) Enterprise search over private and public data
US8984051B2 (en) Computer implemented methods and apparatus for communicating feed information to one or more recipients
US20170053033A1 (en) System and method for providing an information-centric application
US9292589B2 (en) Identifying a topic for text using a database system
US10114873B2 (en) Computer implemented methods and apparatus for retrieving content related to a feed item of an online social network
JP2013522731A (ja) ユーザのロールによるカスタマイズ可能なセマンティック検索
CN110291515B (zh) 计算系统中的分布式索引搜索
US9251273B2 (en) Delivering a filtered search result
CN109074399B (zh) 计算机网络中的个性化内容建议
EP3507760A1 (en) News delivery in enterprise setting

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
GR01 Patent grant
GR01 Patent grant