CN109923541A - 用于增强搜索、内容与广告发送的系统和方法 - Google Patents

用于增强搜索、内容与广告发送的系统和方法 Download PDF

Info

Publication number
CN109923541A
CN109923541A CN201780053152.XA CN201780053152A CN109923541A CN 109923541 A CN109923541 A CN 109923541A CN 201780053152 A CN201780053152 A CN 201780053152A CN 109923541 A CN109923541 A CN 109923541A
Authority
CN
China
Prior art keywords
user
content
field
content viewable
search
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
Application number
CN201780053152.XA
Other languages
English (en)
Inventor
威廉·托德·格罗斯
保罗·托马斯·瑞恩
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.)
Zhou Dao Co Ltd
Original Assignee
Zhou Dao Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zhou Dao Co Ltd filed Critical Zhou Dao Co Ltd
Publication of CN109923541A publication Critical patent/CN109923541A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9532—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0257—User requested
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0623—Item investigation

Abstract

本发明提供的搜索引擎系统总体上包括：计算环境中的用户界面，用于从用户接收至少第一字段；以及内容显示模块，其用于基于至少第一字段在计算环境中自动产生预期搜索结果。内容显示模块用于自动显示搜索结果，其包括基于预期搜索结果的多个可视内容元素的排列。内容显示模块用于引导用户至在网路与本地目的地中之一处的内容，其与供用户通过用户界面可选择的可视内容元素相关联。

Description

用于增强搜索、内容与广告发送的系统和方法
相关申请案的交叉引用
本申请主张2016年6月30日提交的美国临时专利申请第62/357,171号的优先权，该案以全文引用的方式并入本文中。
技术领域
本申请涉及增强因特网搜索的领域，具体涉及在因特网搜索中的数字内容的发现和广告内容的发送的改进。
背景技术
因特网搜索已成为一种用于发现内容和与内容交互而无处不在的工具，但许多搜索平台，尤其是移动设备上的搜索平台并没有提供良好的客户体验，导致了经常在获得所需的结果前就放弃搜索。在许多情形下，当移动设备的用户基于内容搜索所需结果的过程中，不良的设计、困难不便的查询输入机制、无效的搜索结果呈现、以及在查询输入与搜索结果呈现之间很长的执行时间均可能成为应用和搜索引擎无法接入移动设备的用户的众多理由中的一部分。
发明内容
在实施例中，搜索引擎系统总体上包括：计算环境中的用户界面，用于从用户接收至少第一字段；以及内容显示模块，用于基于至少该第一字段在计算环境中自动产生预期搜索结果。内容显示模块用于自动显示搜索结果，其包括基于预期搜索结果的多个可视内容元素的排列。内容显示模块用于引导用户至网络与本地目的地中之一处的内容，其与供用户通过用户界面可选择的可视内容元素之一相关联。
在实施例中，用户界面用于从用户接收至少第二字段。在实施例中，内容显示模块用于基于根据至少第一字段与第二字段的组合产生的预期搜索结果，更新多个可视内容元素。
在实施例中，用户界面用于从用户接收至少第二字段，且用于确定在接收第一字段与第二字段中至少一者之间的运行时间。在实施例中，内容显示模块用于基于根据至少第一字段与第二字段的组合产生的预期搜索结果，更新多个可视内容元素。
在实施例中，系统包括计时模块，用于监控：在从用户接收至少第一字段与第二字段之间的运行时间；以及用户的导航路径，其用作根据至少第一字段与第二字段的组合产生的预期搜索结果的质量的指示。
在实施例中，内容显示模块用于自动显示多个可视内容元素，用于包括视觉、触觉和交互组件。在实施例中内容显示模块与机器学习模块连接，机器学习模块用于对视觉内容元素的视觉、触觉和交互组件的选择、排列和呈现中至少一项进行改进，该组件提供至网站和本地应用中之一处的引导路径。在实施例中，对选择、排列和呈现中至少一项的改进是基于涉及用户在实现所需搜索结果接入的可视内容元素数量的度量。
在实施例中，内容显示模块与机器学习模块连接，机器学习模块用于对可视内容元素的视觉、触觉和交互组件的选择、排列和呈现中至少一项进行改进，该组件用于将用户引导至网站和本地应用中之一个的内容，其与供用户通过用户界面可选择的可视内容元素之一相关联。在实施例中，改进基于涉及用户获得所需结果需要的时间的度量、且基于涉及用户在获得所需结果前接入的可视内容元素数量与用户在获得所需结果前接入一系列可视内容元素所用的路径中至少一者的度量。
在实施例中，内容显示模块与机器学习模块连接，机器学习模块用于对可视内容元素的视觉、触觉和交互组件的选择、排列和呈现中至少一项进行改进，该组件用于将用户引导至网站和本地应用中之一个的内容，其与供用户通过用户界面可选择的可视内容元素之一相关联。在实施例中，对可视内容元素的视觉、触觉和交互组件的选择、排列和呈现中至少一项进行的改进包括以下至少一种：更新成行的可视内容元素的放置、更新可视内容元素大小的调整、更新显示可视内容元素的行数，以及更新显示可视内容元素行的大小。
在实施例中，系统包括广告商竞价引擎，用于基于至少预期搜索结果将广告竞价与用户界面上的广告内容进行关联。
在实施例中，用户界面包括计时模块，其监控至少第一字段以及先前的搜索查询与先前访问的站点中的至少一个，所述先前访问的站点来自于搜索结果，所述搜索结果是基于第一字段、先前的搜索查询、先前访问的站点中的至少一个的预期搜索结果产生的。在实施例中，计时模块用于将搜索和导航过程的运行时间解释为搜索结果质量的指示。
在实施例中，内容显示模块用于自动产生可视内容元素的一组变体，其表示从可用的图像、视频、数据和元数据内容中可替换地呈现来自网站与本地应用中的一个的内容。在实施例中，内容显示模块用于基于包括以下因素的组合对可视内容元素排名以在用户界面内显示：关键词字段输入、用户意图和用户交互追踪。
在实施例中，内容显示模块包括用户意图本体引擎，用于(诸如)在追踪用户与可视内容元素交互的结果的基础上，自动添加及/或移除在一组关键词和关键词字段的成员与用户意图本体的成员之间的链接，这些可视内容元素为在对至少一个关键词、第一字段、第二字段和意图的组合理解基础上产生、选择、配置和呈现的至少一个。
在实施例中，用户界面用于检测来自用户计算机设备的信号以在与用户计算机设备相关联的空闲时间期间自动推断用户意图。在实施例中，用户界面用于呈现可视内容元素以在空闲时间期间接合用户。
在实施例中，系统包括关键词用户意图本体引擎，用于将一组关键词字段和关键词的成员与用户意图本体的成员进行链接。
在实施例中，内容显示模块与机器学习模块连接，该机器学习模块用于最佳化市场，其中，赞助者可以基于用户意图和用户计算机设备的类型对放置至少一个可视内容元素的权利竞价，在该用户计算机设备上放置至少一个可视内容元素。
在实施例中，机器学习模块用于基于可视内容元素与用户意图类型之间的关系的确定程度，自动确定最小价格与竞价的权利中至少一者，该用户意图类型基于追踪在接合与该可视内容元素具有类似特征的广告内容时具有适合的意图类型的用户的结果。在实施例中，系统包括用户交互追踪模块，用于追踪用户与可视内容元素的交互。
在实施例中，用户交互追踪模块用于提供回馈以优化发现、产生、呈现、排列可视内容元素中至少一项。在实施例中，用户交互追踪模块用于追踪用户的行为，其包括追踪轻敲、滑动、用力敲和停留时间中至少一者。
附图说明
本文所述的设备、系统和方法的上述和其他目标、特征和优点将从附图中所示的以下具体实施例的详细描述中变得显而易见。所述附图不一定按比例示出，而是将重点放在说明本文所述的设备、系统和方法的原理上。本公开的许多实施例通过举例的方式加以说明但并不限制于附图的各图，其中：
图1为根据本公开的各种实施例的与用户界面以及广告商竞价基础设施连接的搜索引擎系统的技术栈和计算环境的示意图；
图2为根据本公开的各种实施例的图1的搜索引擎系统的高级别系统架构的示意图；
图3为根据本公开的各种实施例的用于执行搜索操作的示例性搜索引擎系统的示意图；
图4为描述本公开的各种实施例的方法的流程图；
图5为根据本公开的各种实施例的涉及关于电影院和电影信息的搜索结果的可视内容元素的预定排列的示意图；
图6与图5类似并示出了涉及与实况电视节目有关的搜索结果的可视内容元素的预定排列；
图7与图5类似并示出了涉及与演员有关的搜索结果的可视内容元素的预定排列；
图8与图5类似并示出了涉及与艺术家有关的搜索结果的可视内容元素的预定排列；以及
图9为根据各种实施例的分析字段竞价的方法的流程图。
具体实施方式
下文将参考其中示出了优选实施例的附图更全面地描述实施例。然而，本发明可以以许多不同的形式实施，而不应当解释受这里所述的示例性实施例的限制。相反，提供所示这些实施例是向本领域技术人员传达本公开的范围。
这里提及的所有文件都是以全文引用的方式并入本文中。以单数形式提及的项应理解为包括复数形式，且反之亦然，除非另有明确说明或从上下文中清楚可见。语法连接旨在表达结合在一起的短语、句子、词语等的任何和所有转折和连接的组合，除非另外说明或从上下文清楚可见。因此，术语“或”一般应理解为表示“及/或”等。
本文中引述的值范围并没有意图限制，而是单独引入落在该范围内的任何或所有值，除非本文中另有说明，且在此范围内每一个独立的值都并入本说明书中，就像其分别被本文单独引用一样。本领域技术人员应当理解，附在数值后的词“大约”、“近似”等应解释为偏差，以为了圆满完成预期的目的。本文中提供的值及/或数值的范围仅为示例性的，且并不构成对所述实施例的范围的限制。本文中提供的任何及所有实例或示例性语言(“例如”、“诸如”等)的使用仅仅为更好地说明实施例且并不对实施例或权利要求书的范围产生限制。说明书中没有语言应当视作表示任何非声明的元素对于本发明的实践来说是必要的。
在以下描述中，应理解，诸如“第一”、“第二”、“顶部”、“底部”、“向上”、“向下”等是为方便起见的用语，不应解释为限制性术语，除非特别作出相反的声明。
图1示出了根据本公开的各种实施例的用于搜索引擎系统102的典型的技术栈和计算环境100。搜索引擎系统102可包括搜索引擎模块104，其连接到计算机装置108和数据通信网络110。搜索引擎模块104可包括以下各项或与之整合：内容显示模块120、内容排名模块122、自动建议产生器124、内容数据库128、增量计时模块130、实用程序数据库132、自动可视元素变体产生器134、机器学习模块138、关键词用户意图本体引擎140以及广告市场142。广告市场142可包括广告拍卖引擎144。
用户计算机设备108可包括用户界面150，其可采用网站、本地操作系统应用、移动应用等形式。用户界面150可允许用户160(图2)开始输入搜索字符串以产生预期搜索结果162(图2)。由此，用户界面150可以呈现来自数据通信网络110的搜索结果224。用户界面150可包括搜索查询模块180、搜索结果模块182、用户交互追踪模块184以及空闲时间检测器188。
用户界面150可连接搜索引擎模块104或与其整合。用户界面150可通过数据通信网络110连接到搜索引擎模块104。用户界面150可发送查询字段200、搜索结果改进数据202、所选动作204以及空闲时间通知208给搜索引擎模块104。参考图2，查询字段200(图1)可包括第一字段210、第二字段212、以及额外的字段214，诸如第三字段、第四字段等。参考图1，搜索引擎模块104可发送自动建议220，其可包括预期搜索结果160、预期搜索查询222以及搜索结果224。搜索结果224可包括搜索结果改进数据202。自动建议220可包括额外的查询字段200，其可用于完成搜索项(通过将其添加到来自用户的字段中)，从而提高一个或多个预期的搜索查询222。自动建议220还可包括额外的查询字段200，其可用于完成搜索项(通过将其添加到来自用户的字段中)，进而提供一个或多个预期搜索结果162，使得自动建议222可以完成查询并提供预期搜索结果162。
搜索引擎系统102还可包括广告商用户界面250与广告商竞价引擎252。广告商用户界面250以及广告商竞价引擎252可彼此连接且一起连接到搜索引擎模块104。
图2示出了根据本公开的各种实施例的搜索引擎系统102的示意性高级别系统架构。参考图2且继续参考图1，搜索引擎系统102可包括搜索引擎模块104，其可包括搜索索引260，其用于与用户和广告商交互，诸如用户160和广告商262、264。搜索引擎系统102可针对用户160产生搜索结果224，其可包括源自网站的内容、广告商262、264以及发布者272、274提供的广告内容268、270。对于用户160，搜索引擎模块130可包括网站或移动软件应用，或与其中之一整合，移动软件应用包括用于提供本文所公开的系统和方法的硬件和软件两者。用户界面150可用于使用户160能输入搜索查询或其中的字段、观察自动完成的建议220，以及与搜索结果224交互。广告商用户界面250可以使得广告商262、264能够对可以匹配的预定关键词和字段竞价，该竞价基于或源自来自用户160的查询字段200，包括预期搜索结果162、第一字段210、第二字段212以及额外字段214。因此，成功的竞价可导致使选定的广告内容268、270整合在搜索结果224中。用户160、280、282和广告商262、264可通过数据通信网络110与搜索引擎130通信，数据通信网络110展开在一个或多个云网络设施290中，其可包括数据通信网络110或与其整合。
搜索结果224可排列和显示在可视内容元素300中。搜索引擎模块104可包括内容显示模块120，以自动组织和显示可视内容元素300中的内容。内容显示模块120可自动从关于网站或应用的可用图像、视频、数据和元数据内容产生可视内容元素300。内容显示模块120也可产生可视内容元素300的视觉、触觉以及交互组件的变体，其可表示替换地呈现内容。
如图2中所示，搜索引擎模块104可包括机器学习模块152。机器学习模块152可使用机器学习以改进可视内容元素300的视觉、触觉或交互组件的选择、配置和呈现中至少一项，这些组件可提供针对网站或应用的引导路径。引导路径包括将用户160引导至网络目的地处的内容，其与用户160通过用户界面122可选择的可视内容元素300之一有关。对自动改进元素的改进可能涉及：可视内容元素300的选择、成行的可视内容元素300的放置、可视内容元素300大小的调整、可视内容元素300的行数，显示可视内容元素300的行的大小，以及其他因素。
机器学习模块152可学习以使用度量改进可视内容元素300的选择、配置和呈现中至少一项。度量可涉及用户160在获得对内部(设备上)目的地、网络目的地、本地系统目的地等所需的结果路径之前，可接合的可视内容元素300的数量。度量可涉及用户160获得所需结果需要的时间。自动改进对可视内容元素300的改进和选择可能涉及：可视内容元素300的选择、成行的可视内容元素300的放置、可视内容元素300大小的调整、显示可视内容元素300的行数、包含可视内容元素300的行的大小，以及其他因素。
图3示出了在关键词搜索操作期间的搜索引擎130和示例性用户界面150。用户160可与用户计算机设备108连接，用户计算机设备108一般可为个人计算机、蜂窝电话，或其他移动计算设备。在为移动电话的情形下，用户界面150可包括浏览器或软件应用，其包括查询窗302以用于输入关键词或关键词的初始字母，本文中称为“字段”。关键词或关键词的字段可发送给搜索引擎130，相关内容传回给用户160并显示。该内容包括可能的自动建议304、常规搜索结果列表308，其包括对网站、其他万维网内容、内部(设备上)目的地、网站目的地、本地系统目的地等的超链接。内容还可包括结构化结果310，其中常规搜索结果308可合成有意义的格式或图像，其可供用户160直接利用和处理，不需要点进由搜索结果列表中的超链接表示的目标页面。“自动建议”可以为整个搜索查询的预测，其本身可算作预期的搜索查询。当向字段中添加字母时，“自动建议”也会更新。
如图3中所示，字段可以是用户键入的文本字符串“RE”。自动建议包括以下词：
"REDDIT"
"RESTAURANTS"
"RED LOBSTER,"和
"REALTOR."
举例而言，结构化结果310可包括图形或地图312，其显示了当时离用户160最近的餐馆的位置。
在图3右侧是根据本公开的示例性搜索引擎模块104。搜索引擎模块104包括内容显示模块120，其用于根据一个或多个源产生相关的搜索结果302并联合这些搜索结果302。搜索引擎模块104还包括内容排名模块122，其利用相关性信息以及下文更详细描述的完成时间来确定结果的最佳排名。搜索引擎模块104还包括自动建议产生器124，其用于实时选择匹配用户输入的关键词或关键词字段的多个流行查询。搜索引擎模块104还包括具有搜索指引的内容数据库128，其包括内容和指向可用于搜索结果的内容的指针。
根据本公开的各种实施例，本公开的搜索引擎104进一步包括增量计时模块130，其用于计算“完成时间”，即，发送搜索结果224与用户160触发该搜索的动作完成之间的运行时间。也就是说，若将查询解释为问题，则增量时间应为问题与答案之间的运行时间。在实施例中，回答用户的问题所需的时间应认为是用户所选择的搜索结果的实用性的测量。就本例而言，增量时间越短，搜索结果的实用性越大。搜索结果224的实用性记录在实用程序数据库132中并用于产生自动建议222和预期搜索结果162、选择搜索结果内容，以及对所选内容排名。所选内容可通过内容排名模块122排名。内容排名模块122可使用排名算法给内容排名。内容排名算法可以利用关键词字段输入、用户意图、以及用户交互追踪(诸如追踪用户轻敲、滑动、用力敲和停留时间等)的组合来给呈现给用户的视觉、触觉、交互内容元素排名。
参考图1，根据本公开的实施例，用户意图的确定可包括空闲意图检测。在实施例中，搜索引擎模块104可使用空闲时间检测器188检测空闲意图。就此例而言，空闲时间检测器188可检测来自用户计算机设备108的信号，以推断用户160采用用户计算机设备108来利用空闲时间的意图。空闲时间检测器188可利用背景直观理解用户160的意图。在检测到空闲意图后，搜索引擎模块104可在空闲时间期间呈现用于接合用户的可视内容元素300，诸如流行新闻和娱乐内容(相比于提供信息以处理非空闲意图，诸如寻找餐馆等意图)。在实施例中，在检测到空闲意图后，可视内容元素300的呈现可包括向用户提供引导意图，引导用户在一组信息中搜索等。这可以包括提供用户可能希望发现的信息，使用户知道该信息可供搜索。
在实施例中，空闲时间检测器188可包括空闲界面和空闲按钮。就此例而言，当用户意图使用移动设备度过空闲时间时，空闲界面和空闲按钮可供用户使用。在实施例中，空闲时间检测器188可检测空闲意图，并在这样的检测后，可呈现空闲界面或空闲按钮。在实施例中，空闲时间检测器188可在检测到空闲时间时产生空闲时间提醒。在实施例中，空闲界面可显示在设备上的锁屏上且当用户与空闲界面交互时，诸如通过在手机锁屏上“向左滑动”而被激活。
在实施例中，用户意图还可包括用户意图本体或与用户意图本体相关联。用户意图本体可通过关键词用户意图本体引擎140形成，其可将一组关键词和关键词字段的成员链接到用户意图本体的成员。在实施例中，用户意图本体是可以搜索的。搜索用户意图本体会产生一组可能的意图以及每一意图发生的相关概率。在实施例中，用户意图本体可基于来自用户160的一个或多个字段的文本输入，用作针对具体意图的强度的分类器的形式。
在实施例中，关键词用户意图本体引擎154可自动添加移除一组关键词和关键词字段的成员至用户意图本体成员之间的链接。这些链接可基于不同用户160与可视内容元素300交互的追踪结果，可视内容元素300为在用户对关键词或关键词字段和意图的组合理解的基础上产生、选择、排列和呈现中的至少一项。
在实施例中，关键词字段和关键词可通过用户意图本体引擎140自动链接到用户意图本体或从其中移除。在一组关键词和关键词字段成员与用户意图本体成员之间自动添加和移除链接可包括自动移除意图，诸如通过折叠用户意图并丢弃针对给定关键词或字段未使用或未经验证的用户意图的方式进行(其中，通过追踪根据关键词或字段推断给定的用户意图的结果，诸如追踪用户与基于推断或链接的用户意图产生的内容和广告接合，验证会发生)。诸如仅通过保持改进交互速率的链接、或通过基于用户与反映用户意图的内容(诸如本文中所述的可视内容元素)交互的反馈维持用户意图本体并识别真阳性，这可以优化并因此可省略用户120、一组用户120或全部用户的字段的无用的意图。
在实施例中，自动添加和移除在一组关键词和关键词字段的成员至用户意图本体的成员之间的链接可改善当前的划分方法，诸如确定是否折叠两个高度相关的用户意图、将单一意图分解成多个意图等。
在实施例中，自动添加和移除在一组关键词和关键词字段的成员至用户意图本体的成员之间的链接可允许搜索引擎系统102包括关键词和意图市场，其中为了对关键词意图组合竞价，链接具有意图概率的关键词。
在实施例中，可呈现可视内容元素，其包含包括文本内容的可视内容，该文本内容对于给定的推断的意图，诸如根据关键词字段推断出的意图而言可能是适合的。就此例而言，字段或关键词可链接到用户意图本体，其进而可以链接到与可视内容元素300相关联的各种内容类型(即可视图像、照片、视频和文本)，其可采取可视卡、色带、盒等形式，使得可以呈现适当的一组可视内容元素300，该组可视内容元素300在用户开始输入一个或多个查询字段200(即，第一字段210、第二字段212，以及可用的额外字段214)时反映用户可能的意图。在实施例中，关键词和意图市场可包括自动产生数字内容，诸如上文提及的可视卡或包含来自所选数据源的内容的其他可视内容元素；包括自动拉取来自可用源的数据以及以各种方法呈现数据，诸如使用不同大小的图像、不同图像配置、不同字体、不同字体大小等。在实施例中，关键词和意图市场还可包括在理解用户意图(诸如包括在用户意图本体中的任何变体)的基础上自动呈现可视内容，并通过基于追踪结果改变和选择不同呈现来调整数据的呈现。
图4示出了根据本申请的实施例，执行搜索的示例性方法。首先，用户输入关键词或关键词的字段至另一搜索工具的移动搜索应用中。在实施例中，字段(即第一字段210、第二字段212，以及需要时的额外字段214)可发送到对其进行处理的搜索引擎模块104处并在此处被接收(410)。然后，搜索引擎模块104可在过去用户提供的流行关键词短语的基础上，基于用户所提供的关键词或字段，识别一个或多个完整的关键词短语。在实施例中，这些流行的关键词短语可在420处作为图3中下拉菜单304中的自动建议呈现给用户。之后，搜索引擎模块104可基于用户手动输入的关键词或在430处自动建议的选择，提供搜索结果224的列表。
在实施例中，搜索引擎模块104可使用运行时间和导航路径信息作为搜索结果质量的指示器。在实施例中，搜索引擎模块104可包括计时器或空闲时间检测器188以测量运行时间。计时器可监控搜索查询的字段和至少一个先前搜索查询，以及先前访问的站点，通过对上述的监控产生搜索结果224。在实施例中，搜索结果224可以是对整个搜索查询的预测但源自搜索查询字段、先前搜索查询和先前访问的站点中至少一者，其中计时器可将搜索和导航过程的运行时间解释成搜索结果224的质量的指示。
当将搜索结果224传送给用户(或用户选择具体的搜索结果)时，增量计时模块130可在440处启动计时器。计时器可用于测量直至交易完成时的运行时间、以及交易的导航路径，即用户何时并通过什么动作获得答案、完成任务或者获得提示初始搜索的结果搜索引擎模块104可在450处监控用户活动已得到用户已获得所需结果的证据。当搜索引擎模块104在460处确定用户已采取具体动作或选择表示任务完成的特定功能时，增量计时模块130可在470处停止，并在480处将运行时间记录在实用程序数据库132中。在实施例中，该运行时间可与所选搜索结果相关联且可表示针对该查询搜索结果的实用性的度量。在实施例中，之后，搜索引擎模块104可部分基于当前搜索结果的实用性度量，确定随后的搜索结果224的相关性和排名。意即，为响应于当前搜索，后来的搜索结果224可在490处相对于其他搜索结果224较高或较低排名，藉此提供仅发送最具相关性的搜索结果224的机制，从而产生完成任务最短的时间。
以下为如何实现各种实施例的实例。用户在当前搜索引擎界面的搜索区域302中输入字段"u"。作为响应，搜索引擎模块104可记录第一时间Tl，且可发送以下短语作为自动建议：
"U2"
"uses"
"UNITED AIRLINES"
"UNIVISION"
在自动建议附近，紧接自动建立列表或在其下方显示关于第一自动建议的信息(即U2)。如果且当用户点击U2链接(例如U2 SPOTIFY链接)时，搜索引擎模块104可使SPOTIFYTM应用启动包括U2TM频道的内部SPOTIFYTM页面。如果且当用户看见U2TM频道并点击“play”按钮时，搜索引擎模块104可认为用户任务完成且可记录第二时间T2。T2与TI之间的差值可表示完成用户请求的运行时间。
搜索引擎模块104可追踪从初始输入"u"字段(这里为第一字段210)直至用户在U2TM SPOTIFYTM页面采取动作的运行时间以及用户的导航路径。在实施例中，接着将完成需要的总的运行时间用于对该用户的路径u->U2->SPOTIFY加权。此外，完成需要的运行时间还可用于对该用户所属的群组相同的路径以及其他用户背景信息加权，所属群组包括(例如)目前位于美国东海岸的ANDROIDTM用户。通过对该路径加权，在实施例中，相对于可呈现给用户160的其他路径，搜索引擎模块104可改变被选择及/或呈现给用户160的该路径的概率。也就是说，若运行时间较短，可提高上述该路径的相关性，或者若运行时间较长，可减少该路径的相关性。
图5至图8为描述可视内容元素300的预定排列的专门内容的示例性搜索结果页面。例如，若用户搜索当前在电影院上映的电影，则可从内容数据库128的搜索索引中获取最具实用性的搜索结果224，且这些结果可用于填充所示模板。在该模板中，搜索引擎模块104可产生具有预定排列之一的搜索结果页面，该排列包括多个行，每一行包括特定的信息类别或分类。
在图5的实例中，用户可能正在搜索电影“The Martian”，其会产生如可视内容元素300所示的结果，包括：通用信息和链接510、511、512的列表的第一行、正播放该电影的电影院520、521列表的第二行、电影中演员530、531列表的第三行，以及关于该电影新闻报道540、541的第四行。在实施例中，通用信息可包括(例如)导演的名字和评论520，电影预告片521的链接，以及维基百科TM 512或其他发现更综合的信息的在线百科全书的链接。
在图6的实施例中，用户正在搜索电视节目，其会产生如可视内容元素300所示的结果，其包括：通用信息和链接610、611、612的列表的第一行、观看电视节目620、电影621的链接列表的第二行、电视节目中演员630、631列表的第三行，以及新闻报道640、641的第四行。在实施例中，通用信息可包括(例如)导演的名字和评论620、电影预告片621的链接，以及维基百科TM 612或其他发现更综合的信息的在线百科全书的链接。
在图7的实例中，用户正在搜索某个特定演员，其会产生如可视内容元素300所示的结果，包括：通用信息和链接710、711列表的第一行、关于该演员的新闻报道720链接和该演员的推特TM721或其他SMS消息的列表的第二行、其中出现该演员的电影或电视节目730、731列表的第三行，以及演员照片740、741的第四行。在实施例中，通用信息可包括(例如)演员的年龄和出生地720、维基百科TM 711或其他发现更综合的信息的在线百科全书的链接。
在图8的实例中，用户正在搜索特定的音乐艺术家，其可产生如可视内容元素300所示的搜索结果224，包括通用信息和链接810、811、812列表的第一行、关于音乐艺术家的新闻820或来自艺术家的推特TM或其他SMS消息821的链接的列表的第二行、该音乐艺术家的歌曲或音乐视频830、831的链接的第三行，以及音乐艺术家照片840、841的第四行。在实施例中，通用信息可包括(例如)音乐艺术家的年龄和出生地820、维基百科TM 811或其他发现更综合的信息的在线百科全书的链接，以及其中音乐艺术家演奏的一个或多个音乐站点812的链接。
在实施例中，搜索引擎模块104可用于从广告商接收对完整关键词以及关键词字段的竞价。对于每一个特定关键词，可用于拍卖的字段的总数量等于关键词中、字段中或其他要搜索的短语(或单个词)中的字母数量。也就是说，广告商可以对一个或多个字段竞价，其中这些字段之间的差异少至一个字母。例如，搜索引擎模块104对短语“Chineserestaurant”可启动(例如)17种不同的拍卖，对以"c,"、"ch,"、"chi,"、"chin,"、"chine,"等开始的每一字段都进行拍卖。尽管搜索引擎模块104可支持17种不同的拍卖，但基于性价比考虑，其中一些拍卖会被选择，一些不会被选择。具体而言，通过分析用户点进广告的概率以及上述增量时间，广告商可选择对最佳化提供投资回报的很小的一组字段竞价。在实施例中，仅选择最高执行的字段且广告并入搜索结果224中。
图9中所示为识别关键词字段的过程的流程图，针对该字段启动广告推广，且发送广告以响应于这些字段。首先，广告商在910处向搜索引擎模块104发送广告商感兴趣的关键词以及最大每次点击价格(price-per-click，PPC)或每千次印象价格(price-per-thousand-impressions，PPM)或每次用户行为价格(price-per-user-action，PPA)，诸如下载应用程序或启动应用程序广告商愿意付给该点进的价格。如此，接着可在920处将接收的关键词解析或分解成多个字段，字段数量约等于关键词中的字母数量。
在实施例中，搜索引擎模块104在930处评论每一个字段以及共享此字段的现有关键词的潜在的集合，并评估该字段对应于最终用户意图以及广告商的关键词或字段的可能性。该相关性分数可表达为当用户仅仅键入特定字段时，用户意指广告商的关键词或字段的时间的百分比(例如为3.4％，相对于其他情形的96.6％)。在940处将每个字段的相关性分数与关键词以及其他共享该字段的广告比较，并对该广告商的内容相对于其他广告商的具有相同字段的内容进行评估(打分)。
本申请中先前提及的机器学习模块152还可优化市场，其中广告商可以基于对将放置内容元素的设备的用户的意图类型对放置该内容元素的权利进行竞价，其中，基于内容与意图之间关系的确定程度，使用机器学习设定最小价格与竞价权利中至少一者，该意图基于在接合内容元素与具有类似特征的内容时追踪具有适合的意图类型的用户的结果。
接下来，搜索引擎模块104可在950处通过设定“解决”相关性冲突(若存在)所需的最小竞价来确定每个字段需要的最小竞价，相关性冲突来自于在930处相应的相关性分数以及在940处的评分，包括来自其他潜在的广告商对该字段的当前竞价。此外，在假定的所需竞价下，搜索引擎模块104在960处计算来自广告商的可付款用户事件的概率(例如印象、点击、购买、下载或其他动作)。
之后，搜索引擎模块104在970处将在960处计算的每次事件期望的成本与广告商在910处愿意花的价格比较。举例而言，若存在由于最高价格设定(PPC、PPM或PPA)造成的成本过高的字段，则搜索引擎模块104可关闭对这些字段的竞价，并在990处发起对剩余字段的推广，剩余字段具有与原始关键词相同或比其低的PPC、PPM或PPA。
例如，若广告商希望每次点击价格平均为$2.50且关键词为'games'，则搜索引擎模块104对该精确关键词计算PPC竞价(例如对于"games"为$2.35)，同时满足此最大PPC的"games"的每一子串的竞价如下：
"games"：$2.35
"game"：$2.15
"gam"：$1.45
"ga"：$1.00
"g"：$0.45
不过，搜索引擎还将基于机器学习模型确定关键词“games”及其每个字段的最小所需的PPC，机器学习模型在用户键入如下的字段后被呈现内容时预测用户行为：
"games"最小PPC$1.50
"game"最小PPC$1.55
"gam"最小PPC$1.60
"ga"最小PPC$4.75
"g"最小PPC$17.50
在实施例中，关键词"games"的前两个字段既在该字段的广告商所需的最大PPC之下同时在搜索引擎强制的最小PPC之上，其中"gam"字段不会是合算的且不会满足广告商的目标，其出价量可能设为$0，之后的字段“ga”和“g”亦如此。
本文公开了本发明的详细实施例；然而，应明白，所公开的各种实施例仅为本公开的示例，其可体现为各种形式。因此，这里所公开的特定结构和功能细节不应当被解释成进行限制，而仅仅应当被解释成所附权利要求书的基础以及教导本领域技术人员在几乎任何适当详细结构中按照各种方式采用本发明的基础。
本文使用的术语“一个”定义为一个或者多于一个。本文使用的术语“另一个”定义为至少第二个或更多。本文所用的术语“包括”及/或“具有”定义为包含(即开放式转变)。
尽管只给出并描述了本发明的少数几个实施例，但对于熟悉本领域的人员来说，很明显，可以对其进行很改变和修改，而不超出下面的权利要求书中所描述的本发明的主旨和范围。本文中引用的所有专利申请和专利，包括国外的和国内的，以及所有其他出版物在法律允许的最大程度上均以全文并入本文中。
本文所述的方法和系统可以部分全部通过机器部署，该机器执行计算机软件、程序代码及/或处理器上的指令。本公开可实施为机器上的方法，或者作为机器的一部分或涉及该机器的系统或装置，或者体现在一个或多个机器上执行的计算机可读介质中的计算机程序产品。在实施例中，处理器可以是服务器、云服务器、客户端、网络基础设施、移动计算平台、静止计算平台或其他计算平台的一部分。处理器可以是任何一种计算或处理设备，其能够执行程序指令、代码、二进制指令等。处理器可以是或可以包括信号处理器、数字处理器、嵌入式处理器、微处理器、或诸如协处理器的任何变体(数学协处理器、图像协处理器、通信协处理器等)以及可直接或间接有助于执行其上储存的程序代码或程序指令的处理器。此外，处理器能够执行多个程序、线程和代码。线程可同时执行以增强处理器的性能并有助于同时操作应用程序。作为实施方案，可在一个或多个线程中实施本文中所述的方法、程序代码、程序指令等。线程可以开辟具有与之相关联的指定优先权的其他线程；处理器可基于优先权或基于程序代码中提供的指令的其他顺序执行这些线程。处理器或利用其的任何机器可包括非瞬态存储器，其储存本文中以及其他地方所述的方法、代码、指令和程序。处理器可通过界面访问非瞬态存储介质，其可储存本文中以及其他地方所述的方法、代码和指令。与处理器有关的存储介质可包括但不限于CD-ROM、DVD、存储器、硬盘、闪存驱动器、RAM、ROM、高速缓存等中的一种或多种，该存储介质用于储存方法、程序、代码、程序指令或能够被计算或处理设备执行的其他指令类型。
处理器可包括一个或多个内核，其能够增强多处理器的速度和性能。在实施例中，处理器可以是双核处理器、四核处理器、其他芯片级多处理器以及组合两个或两个以上独立内核的类似处理器(称为芯片)。
本文所述的方法和系统可通过机器部分或整体地部署，该机器执行服务器、客户端、防火墙、网关、集线器、路由器或其他这样的计算机及/或网络硬件上的计算机软件。软件程序可能与服务器相关联，该服务器包括文件服务器、打印服务器、域服务器、因特网服务器、内联网服务器、云服务器，以及其他变体，诸如辅助服务器、主机服务器、分布式服务器等。服务器可以包括一个或多个存储器、处理器、计算机可读媒体、存储介质、端口(物理的和虚拟的)、通信设备，以及能够通过有线或无线介质访问其他服务器、客户端、机器和设备的界面等。可通过服务器执行本文中以及其他地方所述的方法、程序或代码。此外，需要用于执行本申请中所述的方法的其他设备可视为与服务器相关联的基础设施的一部分。
服务器可向其他设备提供界面，这些设备包括但不限于客户端、其他服务器、打印机、数据库服务器、打印服务器、文件服务器、通信服务器、分布式服务器、社交网络等。此外，这种耦合及/或连接可有助于通过网络远程执行程序。这些设备部分或全部的联网可有助于在一个或多个位置平行处理程序或方法而不偏离本发明的范围。此外，通过界面连接到服务器的任何设备都可包括能够储存方法、程序、代码及/或指令的至少一个存储介质。中央储存库可提供程序指令以在不同设备上执行。在此实施方案中，远程储存库可用作程序代码、指令和程序的存储介质。
软件程序可与客户端相关联，该客户端可包括文件客户端、打印客户端、域客户端、因特网客户端、内部网客户端以及其他变体，诸如辅助客户端、主机客户端、分布式客户端等。客户端可以包括一个或多个存储器、处理器、计算机可读媒体、存储介质、端口(物理的和虚拟的)、通信设备，以及能够通过有线或无线介质访问其他客户端、服务器、机器和设备的界面等。可通过客户端执行本文中以及其他地方所述的方法、程序或代码。此外，需要用于执行本申请中所述的方法的其他设备可视为与客户端相关联的基础设施的一部分。
客户端可提供至其他设备的界面，其他设备包括但不限于服务器、其他客户端、打印机、数据库服务器、打印服务器、文件服务器、通信服务器、分布式服务器等。此外，这种耦合及/或连接可有助于通过网络远程执行程序。这些设备部分或全部的联网可有助于在一个或多个位置平行处理程序或方法而不偏离本发明的范围。此外，通过界面连接到客户端的任何设备都可包括能够储存方法、程序、代码及/或指令的至少一个存储介质。中央储存库可提供程序指令以在不同设备上执行。在此实施方案中，远程储存库可用作程序代码、指令和程序的存储介质。
本文中所述的方法和系统可部分或全部通过网络基础设施部署。网络基础设施可包括诸如下列的元件：计算设备、服务器、路由器、集线器、防火墙、客户端、个人计算机、通信设备、路由设备，以及本领域已知的其他主动或被动设备、模块及/或组件。除其他组件外，与网络基础设施有关联的计算及/或非计算设备可包括存储介质，诸如闪存、缓存器、堆栈、RAM、ROM等。可通过一个或多个网络基础设施元件执行本文中以及其他地方所述的程序、方法、程序代码和指令。本文所述的方法和系统可适用于任何一种私有、团体或混合云计算网络或云计算环境，包括涉及服务软件(SaaS)、服务平台((PaaS)及/或服务基础设施(IaaS)的特征的网络或环境。
可在具有多个小区的蜂窝网络上实施本文以及其他地方所述的方法、程序代码和指令。蜂窝网络或者是频分多址(FDMA)网络，或者码分多址(CDMA)网络。蜂窝网络可包括移动设备、小区站点、基站、转发器、天线、塔台等。蜂窝网络可以是GSM、GPRS、3G、EVDO、网格或其他网络类型。
可在移动设备上通过移动设备实施本文以及其他地方所述的方法、程序代码和指令。移动设备可包括导航设备、蜂窝电话、移动电话、移动个人数字助理、膝上型电脑、掌上电脑、上网本、寻呼机、电子书阅读器、音乐播放器等。除其他组件外，这些设备还可包括存储介质，诸如闪存、缓存器、RAM、ROM，以及一个或多个计算设备。与移动设备相关联的计算设备能够执行其上储存的程序代码、方法和指令。或者，移动设备可用于与其他设备合作执行指令。移动设备可与基站通信，基站与服务器相连且用于执行程序代码。移动设备可在对等网络、网格网络或其他通信网络上通信。程序代码可储存在与服务器相关联的储存介质上且通过服务器内嵌入的计算设备执行。基站可包括计算设备和存储介质。存储设备可储存程序代码和指令，这些代码和指令可被与基站相关联的计算设备执行。
计算机软件、程序代码及/或指令可储存及/或存取在机器可读取媒体上，机器可读取媒体可包括：计算机组件、设备、以及保留用于计算某些间隔时间的数字数据的记录媒体；称为随机存取存储器(RAM)的半导体存储器；通常用于更永久性储存的大容量存储器，诸如光盘、磁存储器形式，比如硬盘、磁带、磁鼓、卡及其他类型；处理器寄存器、高速缓冲存储器、易失性存储器、非易失性存储器；光学存储器，诸如CD、DVD；可移除介质，诸如闪存(例如USB棒或密钥)、软盘、磁带、纸带、穿孔卡、独立RAM磁盘、Zip驱动、可移除大容量存储器、离线等；其他计算机存储器，诸如动态存储器、静态存储器、读/写存储器、易变存储器、只读、随机存取、按序存取、位置可寻址、文件可寻址、内容可寻址、网络附接存储器、存储区域网络、条形码、磁性墨水等。
本文所述的方法和系统可将实体的及/或无形的项从一个状态转变成另一状态。本文所述的方法和系统还可将表示实体的及/或无形的项的数据从一个状态转变成另一状态。
本文所述和描绘的元件、包括整个图中的流程表和背景图意味着在元素之间存在逻辑边界。然而，根据软件或硬件工程实践，所述元件及其功能可以通过具有能够执行其上储存的程序指令的处理器的计算机可执行媒体在机器上实现为整体软件结构、独立软件模块、或采用外部路由、代码、服务等的模块，或以上这些的组合，且所有这样的实施方案都在本公开的范围内。这样的机器的实例可包括但不限于：个人数字助理、膝上型电脑、个人计算机、移动电话、其他手持式计算设备、医疗设备、有线或无线通信设备、换能器、码片、计算器、卫星、台式个人电脑、电子书、小配件、电子设备、具有人工智能的设备、计算设备、联网设备、服务器、路由器等。此外，在流程表和方框图中所示的元件或任何其他逻辑组件可在能够执行程序指令的机器上实施。因此，虽然上述图和说明设定了所公开系统的功能方面，但从这些说明中应当推断出实施这些功能方面没有特定的软件配置，除非上下文中明确指出或清楚可见。同样，应明白，上述标明和描述的各种步骤可改变，且步骤的顺序可适于本文公开的技术的特定应用。所有这类变形和修改形式都旨在落入本公开范围之内。因此，所示及/或所述的各种步骤的顺序不应理解为需要以特定顺序执行这些步骤，除非特定应用程序有要求，或上下文中明确声明或清楚可见。
上述方法及/或程序以及与之相关联的步骤可实现于硬件、软件或适用于特定应用程序的硬件和软件的组合中。硬件可包括通用计算机及/或专用计算设备、或特定计算设备、或特定计算设备的特定方面或组件。程序可在一个或多个微处理器、微控制器、嵌入式微控制器、可编程数字信号处理器或其他可编程设备、以及内部及/或外部存储器中实现。作为替代，程序可实现在专用集成电路、可编程门阵列、可编程阵列逻辑、或任何可用于处理电子信号的其他设备或设备的组合中。应进一步明白的是，一个或多个程序可实现为能够在机器可读取介质上执行的计算机可执行代码。
计算机可执行代码可使用以下语言产生：结构化编程语言如C、面向对象的编程语言如C++，或任何其他高级或低级编程语言(包括汇编语言、硬件描述语言，以及数据库编程语言和技术)，其可经储存、编译或解释，以在上述设备、以及不同类处理器组合、处理器架构、或不同硬件和软件的组合、或能够执行程序指令的其他机器之一上运行。
因此，一方面，上述方法和其中的组合可体现在计算机可执行代码中，所述代码当在一个或多个计算设备上执行时，实行其中的步骤。另一方面，这些方法可体现在实行其中步骤的系统中，且可以多种方式分布在设备中，或者可将全部功能性都整合到专用独立设备或其他硬件中。另一方面，实行与上述程序相关联的步骤的构件可包括上述任何硬件及/或软件。所有这类排列和组合都旨在落入本公开范围之内。
虽已结合所示优选实施例公开了本发明并作了详细说明，但对所述领域技术人员来说，各种修改和改进是显而易见的。因此，本公开的精神和范围不应受到前述实例的限制，而应在法律允许的广泛的含义来理解。
在描述本公开的上下文中(特别在下述权利要求书的上下文中),使用术语“一”、“一个”和“该”和类似的指示代词应解释为覆盖单数和复数，除非此处另有说明或上下文有清楚的相反指示。术语“包括”、“具有”、“包含”和“含有”应解释为开放式术语(即意味着“包括、但不限于”)、除非另有说明。本文中引述的值范围仅用作单独地引用落入此范围内的每一个独立的值的速记方法，除非本文中另有说明，且在此范围内每一个独立的值都并入本说明书中，就像其分别被本文单独引用一样。本文中所述的所有方法可以任何适合的顺序实行，除非本文中另有说明或与上下文明显抵触。本文中提供的任何及所有实例或示例性语言(例如“诸如”)的使用仅仅为更好地说明本公开且并不对本公开的范围构成限制，除非另外声明。说明书中没有语言应当视作表示任何非声明的元素对于本发明的实践来说是必要的。
虽然前面本发明的书面描述能够使本领域技术人员制作并使用目前被认为是其最佳的模式，但本领域技术人员应理解并明白，存在对本文中特定实施例、方法及实例的改变、组合和等同物。因此，本公开并不受到上述实施例、方法和实例的限制，但所有实施例和方法都在本公开的范围和精神内。
没有明确指明是执行指定功能的“装置”或执行指定功能的“步骤”的权利要求中的任何元素都不应解释为35U.S.C.§112(f)中规定的"装置"或"步骤”条款。具体而言，权利要求中“步骤”的任何使用并不意欲援引35U.S.C.§112(f)的规定。
本领域技术人员应明白，为享受本发明系统的优点，大量设计配置是可行的。因此，假定本发明的实施例具有广泛的各种构造和配置，本发明的范围受下文权利要求书的范围影响，而不是受上述实施例限制。

Claims (20)

1.一种搜索引擎系统，其特征在于，包括：
用户界面，其位于计算环境中，用于从用户接收至少第一字段；以及
内容显示模块，用于基于至少所述第一字段，在所述计算环境中自动产生预期搜索结果，
其中，所述内容显示模块用于基于所述预期搜索结果自动显示搜索结果，所述搜索结果包括多个可视内容元素的排列，且
其中，所述内容显示模块用于引导所述用户至在网络与本地目的地中之一处的内容，其与供所述用户通过所述用户界面可选择的所述可视内容元素之一相关联。
2.根据权利要求1所述的系统，其特征在于，所述用户界面用于从所述用户接收至少第二字段，且其中所述内容显示模块用于基于根据至少所述第一字段与所述第二字段的组合产生的所述预期搜索结果，更新所述多个可视内容元素。
3.根据权利要求1所述的系统，其特征在于，所述用户界面用于从所述用户接收至少第二字段，且用于确定在接收所述第一字段和所述第二字段与所述第二字段和第三字段之间中至少一者的运行时间，且其中所述内容显示模块用于基于根据由至少所述第一字段和所述第二字段的组合产生的所述预期搜索结果，更新所述多个可视内容元素。
4.根据权利要求3所述的系统，其特征在于，所述系统还包括计时模块，用于监控：在从所述用户接收至少所述第一字段与所述第二字段之间的运行时间；以及所述用户的导航路径，其用作根据至少所述第一字段与所述第二字段的组合产生的预期搜索结果的质量的指示。
5.根据权利要求1所述的系统，其特征在于，所述内容显示模块用于自动显示所述多个可视内容元素，所述多个可视内容元素用于包括视觉、触觉和交互组件。
6.根据权利要求5所述的系统，其特征在于，所述内容显示模块与机器学习模块连接，所述机器学习模块用于对所述可视内容元素的视觉、触觉和交互组件的选择、排列和呈现中的至少一个进行改进，所述组件提供对网站与本地应用中的一个的引导路径，其中对在所述选择、所述排列和所述呈现中至少一者的改进基于涉及所述用户在获得所需搜索查询前接合的大量可视内容元素的度量。
7.根据权利要求5所述的系统，其特征在于，所述内容显示模块与机器学习模块连接，所述机器学习模块用于对所述可视内容元素的所述视觉、触觉和交互组件的选择、排列和呈现中的至少一个进行改进，所述组件用于引导所述用户至在网络与本地目的地中一个的内容，其与供所述用户通过所述用户界面可选择的所述可视内容元素之一相关联，其中，改进基于涉及所述用户获得所需结果需要的时间的度量、且基于涉及用户在获得所需结果前接合的所述可视内容元素以及所述用户在获得所需结果前接合一系列可视内容元素所用的路径中至少一个的度量。
8.根据权利要求5所述的系统，其特征在于，所述内容显示模块与机器学习模块连接，所述机器学习模块用于：对所述可视内容元素的视觉、触觉和交互组件的选择、排列和呈现中的至少一个进行改进，所述组件用于引导所述用户至在网络与本地目的地中的一个的内容，其与供所述用户通过所述用户界面可选择的所述可视内容元素之一相关联，其中对所述可视内容元素的所述视觉、触觉和交互组件的选择、排列和呈现中至少一者的改进包括以下至少一者：更新成行的所述可视内容元素的放置、更新所述可视内容元素的尺寸变化、更新显示可视内容元素的行数，以及更新显示所述可视内容元素行的大小。
9.根据权利要求1所述的系统，其特征在于，所述系统还包括广告商竞价引擎，所述广告商竞价引擎用于基于至少所述预期搜索结果将广告竞价与所述用户界面上的广告内容进行关联。
10.根据权利要求1所述的系统，其特征在于，所述用户界面包括计时模块，所述计时模块监控至少所述第一字段以及先前的搜索查询与先前访问的站点中至少一个，所述先前访问的站点来自于搜索结果，所述搜索结果是基于第一字段、先前的搜索查询、先前访问的站点中的至少一个的预期搜索结果产生的，其中，所述计时模块用于将所述搜索和导航过程的运行时间解释成所述搜索结果质量的指示。
11.根据权利要求1所述的系统，其特征在于，所述内容显示模块用于自动产生所述可视内容元素的一组变体，其表示从可用的图像、视频、数据和元数据内容中可替换地呈现来自网站与本地应用中的一个的内容。
12.根据权利要求1所述的系统，其特征在于，所述内容显示模块用于基于包括以下因素的组合对用户界面内对所述可视内容元素排名：关键词字段输入、用户意图和用户交互追踪。
13.根据权利要求1所述的系统，其特征在于，所述内容显示模块包括用户意图本体引擎，其用于在追踪用户与所述可视内容元素交互的结果的基础上，自动添加和移除在一组关键词和关键词字段的成员与用户意图本体的成员之间的链接，所述可视内容元素为在对至少一个关键词、所述第一字段及意图的组合的理解基础上产生、选择、排列和呈现中的至少一个。
14.根据权利要求1所述的系统，其特征在于，所述用户界面用于检测来自用户计算机设备的信号，从而自动推断在与所述用户计算机设备相关联的空闲时间期间所述用户的意图，其中所述用户界面用于呈现在所述空闲时间用于接合所述用户的可视内容元素。
15.根据权利要求1所述的系统，其特征在于，所述系统还包括关键词用户意图本体引擎，用于将一组关键词字段和关键词的成员与用户意图本体的成员进行链接。
16.根据权利要求1所述的系统，其特征在于，所述内容显示模块与机器学习模块连接，所述机器学习模块用于优化市场，其中所述市场包括赞助者可以基于所述用户意图的类型和放置至少一个所述可视内容元素的用户计算机设备对放置至少一个所述可视内容元素的权利进行竞价。
17.根据权利要求16所述的系统，其特征在于，所述机器学习模块用于基于所述可视内容元素与所述用户意图类型之间的关系的确定程度，自动确定最小价格与竞价的权利中至少一者，所述用户意图类型基于在接合与所述可视内容元素具有类似特征的广告内容时追踪具有适合的意图类型的用户的结果。
18.根据权利要求1所述的系统，其特征在于，所述系统还包括用户交互追踪模块，用于追踪用户与可视内容元素的交互。
19.根据权利要求18的系统，其特征在于，所述用户交互追踪模块用于提供回馈以对发现、产生、呈现、排列所述可视内容元素中至少一者进行优化。
20.根据权利要求19所述的系统，其特征在于，所述用户交互追踪模块用于追踪所述用户的行为，所述追踪所述用户的行为包括追踪轻敲、滑动、用力敲和停留时间中的至少一个。
CN201780053152.XA 2016-06-30 2017-06-30 用于增强搜索、内容与广告发送的系统和方法 Pending CN109923541A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662357171P 2016-06-30 2016-06-30
US62/357,171 2016-06-30
PCT/US2017/040169 WO2018005903A1 (en) 2016-06-30 2017-06-30 Systems and methods for enhanced search, content, and advertisement delivery

Publications (1)

Publication Number Publication Date
CN109923541A true CN109923541A (zh) 2019-06-21

Family

ID=60786479

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780053152.XA Pending CN109923541A (zh) 2016-06-30 2017-06-30 用于增强搜索、内容与广告发送的系统和方法

Country Status (3)

Country Link
US (1) US11947606B2 (zh)
CN (1) CN109923541A (zh)
WO (1) WO2018005903A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018005903A1 (en) 2016-06-30 2018-01-04 Zowdow, Inc. Systems and methods for enhanced search, content, and advertisement delivery
US11869039B1 (en) 2017-11-13 2024-01-09 Wideorbit Llc Detecting gestures associated with content displayed in a physical environment
US11043230B1 (en) * 2018-01-25 2021-06-22 Wideorbit Inc. Targeted content based on user reactions

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101025737A (zh) * 2006-02-22 2007-08-29 王东 基于关注度的同源信息搜索引擎聚合显示方法及相关系统
US20090254512A1 (en) * 2008-04-03 2009-10-08 Yahoo! Inc. Ad matching by augmenting a search query with knowledge obtained through search engine results
US20120047025A1 (en) * 2010-08-19 2012-02-23 Google Inc. Query stem advertising
US20120123863A1 (en) * 2010-11-13 2012-05-17 Rohit Kaul Keyword publication for use in online advertising
CN102640143A (zh) * 2009-03-20 2012-08-15 Ad-优势网络有限责任公司 用于搜索、选择和显示内容的方法和系统
CN103092923A (zh) * 2011-12-29 2013-05-08 微软公司 搜索引擎的基于菜单的登广告

Family Cites Families (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6442529B1 (en) * 1998-11-17 2002-08-27 Novaweb Technologies, Inc. Methods and apparatus for delivering targeted information and advertising over the internet
US6868525B1 (en) * 2000-02-01 2005-03-15 Alberti Anemometer Llc Computer graphic display visualization system and method
US20020103705A1 (en) * 2000-12-06 2002-08-01 Forecourt Communication Group Method and apparatus for using prior purchases to select activities to present to a customer
US20060155751A1 (en) * 2004-06-23 2006-07-13 Frank Geshwind System and method for document analysis, processing and information extraction
US8768766B2 (en) * 2005-03-07 2014-07-01 Turn Inc. Enhanced online advertising system
US20130091113A1 (en) * 2005-05-06 2013-04-11 Seaton Gras Hierarchical information retreival and boolean search strings
US7599918B2 (en) * 2005-12-29 2009-10-06 Microsoft Corporation Dynamic search with implicit user intention mining
US8661029B1 (en) * 2006-11-02 2014-02-25 Google Inc. Modifying search result ranking based on implicit user feedback
US8107940B1 (en) * 2007-03-20 2012-01-31 Jackson Timothy R System and method for providing advertising on a mobile device
US20090241058A1 (en) * 2008-03-18 2009-09-24 Cuill, Inc. Apparatus and method for displaying search results with an associated anchor area
US20090327270A1 (en) * 2008-06-27 2009-12-31 Microsoft Corporation Using Variation in User Interest to Enhance the Search Experience
US8385971B2 (en) * 2008-08-19 2013-02-26 Digimarc Corporation Methods and systems for content processing
US8412648B2 (en) * 2008-12-19 2013-04-02 nXnTech., LLC Systems and methods of making content-based demographics predictions for website cross-reference to related applications
US8898148B1 (en) * 2009-01-08 2014-11-25 Google Inc. Targeting to physical environment
US9430570B2 (en) * 2009-07-01 2016-08-30 Matthew Jeremy Kapp Systems and methods for determining information and knowledge relevancy, relevant knowledge discovery and interactions, and knowledge creation
US20110131093A1 (en) * 2009-11-30 2011-06-02 Yahoo! Inc. System and method for optimizing selection of online advertisements
US20110153387A1 (en) * 2009-12-17 2011-06-23 Google Inc. Customizing surveys
US20110231296A1 (en) * 2010-03-16 2011-09-22 UberMedia, Inc. Systems and methods for interacting with messages, authors, and followers
US20110289422A1 (en) * 2010-05-21 2011-11-24 Live Matrix, Inc. Interactive calendar of scheduled web-based events and temporal indices of the web that associate index elements with metadata
US9736524B2 (en) * 2011-01-06 2017-08-15 Veveo, Inc. Methods of and systems for content search based on environment sampling
US20120278318A1 (en) * 2011-05-01 2012-11-01 Reznik Alan M Systems and methods for facilitating enhancements to electronic group searches
US9335883B2 (en) * 2011-09-08 2016-05-10 Microsoft Technology Licensing, Llc Presenting search result items having varied prominence
US9916538B2 (en) * 2012-09-15 2018-03-13 Z Advanced Computing, Inc. Method and system for feature detection
US20150254252A1 (en) * 2011-12-09 2015-09-10 Wakelet Limited Search ranking of web-based social content aggregations
US8974303B2 (en) * 2011-12-20 2015-03-10 Microsoft Technology Licensing, Llc Ad-hoc user and device engagement platform
US9052792B2 (en) * 2011-12-20 2015-06-09 Yahoo! Inc. Inserting a search box into a mobile terminal dialog messaging protocol
US9195944B1 (en) * 2012-02-24 2015-11-24 Google Inc. Scoring site quality
US20140258002A1 (en) * 2013-03-11 2014-09-11 DataPop, Inc. Semantic model based targeted search advertising
US20140372423A1 (en) * 2013-06-13 2014-12-18 Microsoft Corporation Personalized entity preferences model and notifications
WO2015048338A1 (en) * 2013-09-26 2015-04-02 Publicover Mark W Providing targeted content based on a user's moral values
US9727818B1 (en) * 2014-02-23 2017-08-08 Google Inc. Impression effect modeling for content items
US9886669B2 (en) * 2014-02-26 2018-02-06 Microsoft Technology Licensing, Llc Interactive visualization of machine-learning performance
US20150317945A1 (en) * 2014-04-30 2015-11-05 Yahoo! Inc. Systems and methods for generating tinted glass effect for interface controls and elements
US9595048B2 (en) * 2014-05-30 2017-03-14 Excalibur Ip, Llc Systems and methods for advertising using sponsored verbs and contexts
US9396483B2 (en) * 2014-08-28 2016-07-19 Jehan Hamedi Systems and methods for determining recommended aspects of future content, actions, or behavior
US10289961B2 (en) * 2014-11-24 2019-05-14 International Business Machines Corporation Presenting anticipated user search query results prompted by a trigger
WO2016095135A1 (en) * 2014-12-17 2016-06-23 Yahoo! Inc. Method and system for providing a search result
US10452786B2 (en) * 2014-12-29 2019-10-22 Paypal, Inc. Use of statistical flow data for machine translations between different languages
US10387505B2 (en) * 2014-12-29 2019-08-20 Samsung Electronics Co., Ltd. Generating advertisements using functional clusters
US10007719B2 (en) * 2015-01-30 2018-06-26 Microsoft Technology Licensing, Llc Compensating for individualized bias of search users
US20170060864A1 (en) * 2015-08-26 2017-03-02 Quixey, Inc. Action Recommendation System for Focused Objects
US9864580B2 (en) * 2015-10-26 2018-01-09 Samsung Electronics Co., Ltd. Dynamic availability-based integration of external functionality
US10755303B2 (en) * 2015-11-30 2020-08-25 Oath Inc. Generating actionable suggestions for improving user engagement with online advertisements
RU2632148C2 (ru) * 2015-12-28 2017-10-02 Общество С Ограниченной Ответственностью "Яндекс" Система и способ ранжирования результатов поиска
US10223426B2 (en) * 2016-05-25 2019-03-05 Bank Of America Corporation System for providing contextualized search results of help topics
WO2018005903A1 (en) 2016-06-30 2018-01-04 Zowdow, Inc. Systems and methods for enhanced search, content, and advertisement delivery

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101025737A (zh) * 2006-02-22 2007-08-29 王东 基于关注度的同源信息搜索引擎聚合显示方法及相关系统
US20090254512A1 (en) * 2008-04-03 2009-10-08 Yahoo! Inc. Ad matching by augmenting a search query with knowledge obtained through search engine results
CN102640143A (zh) * 2009-03-20 2012-08-15 Ad-优势网络有限责任公司 用于搜索、选择和显示内容的方法和系统
US20120047025A1 (en) * 2010-08-19 2012-02-23 Google Inc. Query stem advertising
US20120123863A1 (en) * 2010-11-13 2012-05-17 Rohit Kaul Keyword publication for use in online advertising
CN103092923A (zh) * 2011-12-29 2013-05-08 微软公司 搜索引擎的基于菜单的登广告

Also Published As

Publication number Publication date
WO2018005903A1 (en) 2018-01-04
US11947606B2 (en) 2024-04-02
US20190278817A1 (en) 2019-09-12

Similar Documents

Publication Publication Date Title
US10642846B2 (en) Using a generative adversarial network for query-keyword matching
US9760541B2 (en) Systems and methods for delivery techniques of contextualized services on mobile devices
CN106663104B (zh) 学习和使用用于查询消歧的上下文内容检索规则
TWI471737B (zh) 具搜尋結果之蹤跡識別系統與方法
RU2628200C2 (ru) Обеспечение руководства тематическим поиском
JP6429630B2 (ja) コンテキスト・ベースの検索クエリー形成
US8825571B1 (en) Multiple correlation measures for measuring query similarity
US7831585B2 (en) Employment of task framework for advertising
US20150324868A1 (en) Query Categorizer
US8548981B1 (en) Providing relevance- and diversity-influenced advertisements including filtering
KR101215791B1 (ko) 검색 쿼리 결과로부터 관련성을 추론하는 컴퓨터로 구현되는 방법 및 컴퓨터 판독가능한 매체
US20120166276A1 (en) Framework that facilitates third party integration of applications into a search engine
WO2014153086A2 (en) Serving advertisements for search preview based on user intents
EP3128448A1 (en) Factorized models
US20130117105A1 (en) Analyzing and distributing browsing futures in a gesture based user interface
US20130054672A1 (en) Systems and methods for contextualizing a toolbar
US20190361987A1 (en) Apparatus, system and method for analyzing review content
CN104011716A (zh) 与搜索结果一起提供知识面板
US20130117111A1 (en) Commercialization opportunities for informational searching in a gesture-based user interface
US20130117130A1 (en) Offering of occasions for commercial opportunities in a gesture-based user interface
US20150370833A1 (en) Visual refinements in image search
US9794284B2 (en) Application spam detector
CN105706081B (zh) 结构化信息链接注释
CN109952571B (zh) 基于上下文的图像搜索结果
US9064007B1 (en) Co-click based similarity score of queries and keywords

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