CN110073346A - 群体辅助查询系统 - Google Patents
群体辅助查询系统 Download PDFInfo
- Publication number
- CN110073346A CN110073346A CN201780075895.7A CN201780075895A CN110073346A CN 110073346 A CN110073346 A CN 110073346A CN 201780075895 A CN201780075895 A CN 201780075895A CN 110073346 A CN110073346 A CN 110073346A
- Authority
- CN
- China
- Prior art keywords
- description
- data object
- data
- user
- client device
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 claims description 52
- 238000003860 storage Methods 0.000 claims description 20
- 238000013473 artificial intelligence Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 17
- 238000010801 machine learning Methods 0.000 claims 10
- 241000406668 Loxodonta cyclotis Species 0.000 claims 3
- 230000001052 transient effect Effects 0.000 claims 2
- 238000004891 communication Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000008878 coupling Effects 0.000 description 8
- 238000010168 coupling process Methods 0.000 description 8
- 238000005859 coupling reaction Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000010985 leather Substances 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002243 precursor Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000036760 body temperature Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 230000008261 resistance mechanism Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/9532—Query formulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/242—Query formulation
- G06F16/2423—Interactive query statement specification based on a database schema
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- 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
- G06F16/903—Querying
-
- 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
- G06F16/903—Querying
- G06F16/9032—Query formulation
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开内容的各方面涉及基于网络的群体辅助查询系统,该系统包括通过网络与执行群体辅助查询系统的应用服务器进行通信的客户端设备。例如,群体辅助查询系统可以是一组一个或更多个服务器机器或包括一组一个或更多个服务器机器。群体辅助查询系统的用户被呈现被配置成接收包括数据对象的查询的图形用户接口(GUI),其中数据对象包括用户感兴趣的未能识别项目的表示。数据对象可以包括媒体内容,例如图形图像以及音频数据,并且在一些示例实施方式中,数据对象还可以包括描述未能识别项目的文本数据。
Description
要求优先权
本申请要求于2016年11月8日提交的美国申请第15/345,627号的优先权,该美国申请全部内容通过引用并入本文。
技术领域
本公开内容的主题总体上涉及用于客户端设备的用户接口。具体地,示例实施方式涉及用于接收并显示数据对象以便于群体辅助搜索查询的用户接口。
背景技术
联网系统和市场中的电子存储数据的数量已经大大增加。电子存储数据的增长很大程度上是创建并发布代表待售项目的项目列表的个体的庞大数量的直接结果。任何曾经试图搜索这些联网系统的人都知道,电子存储数据实际上是无用的,除非其可以方便且准确地被搜索。由于大量的电子数据以及项目列表通常不一致的命名约定,因此通过标准搜索方法寻找特定项目即使不是不可能的,也会是非常困难的。
附图说明
附图中的各个附图仅示出了本公开内容的示例实施方式,并且不旨在将本公开内容的范围限制于所示实施方式。相反,这些示例旨在覆盖可包括在本公开内容的范围内的替代选择、修改和等同物。
图1是示出根据示例实施方式的具有被配置用于通过网络与群体辅助查询系统交换数据的客户端-服务器架构的联网系统的网络图。
图2是示出根据示例实施方式的作为联网系统的一部分提供的群体辅助查询系统的各种功能部件的框图。
图3是示出根据示例实施方式的用于填充训练数据库以训练人工智能模块的方法的流程图。
图4是示出根据示例实施方式的用于通过群体辅助查询系统对由用户提供的描述建议进行排序的方法的流程图。
图5是示出根据示例实施方式的用于接收与查询请求相关联的奖赏值的方法的流程图,其中,提供奖赏值以换取通过描述建议对查询请求的未能识别项目的识别。
图6是描绘根据示例实施方式的请求用户和建议用户的事件流的图。
图7是示出根据示例实施方式的用于接收查询请求的用户接口的接口图。
图8是示出根据示例实施方式的用于接收查询请求的查询请求接口的接口图。
图9是示出根据示例实施方式的用于接收查询建议的建议接口的接口图。
图10是示出根据示例实施方式的被配置成接收查询建议的建议接口的接口图。
图11是在其中可以执行用于使机器执行本文所讨论的方法中的任一种或更多种的一组指令的计算机系统的示例形式的机器的图解表示。
具体实施方式
现在将详细参照用于实现本公开内容的发明主题的具体示例实施方式。在以下描述中,阐述了具体细节以便提供对主题的透彻理解。应当理解,可以在没有这些具体细节中的一些或全部的情况下实践实施方式。
本公开内容的各方面涉及基于网络的群体辅助查询系统,其包括通过网络与执行群体辅助查询系统的应用服务器进行通信的客户端设备。例如,群体辅助查询系统可以是一组一个或更多个服务器机器或者包括一组一个或更多个服务器机器。群体辅助查询系统的用户被呈现被配置成接收包括数据对象的查询的图形用户接口(GUI),其中数据对象包括用户感兴趣的未能识别项目的表示。数据对象可以包括媒体内容,例如图形图像以及音频数据,并且在一些示例实施方式中还可以包括描述未能识别项目的文本数据。
群体辅助查询系统被配置成在客户端设备处生成至少两个不同的GUI并且使得显示所述至少两个不同的GUI:用于从客户端设备接收查询请求的第一GUI;以及用于从客户端设备接收对查询的描述建议的第二GUI。例如,用于从客户端设备接收查询请求的第一GUI可以包括一个或更多个字段,在所述字段中,用户可以提供(例如,上载)数据对象,例如要附加至查询的媒体内容如图形图像、照片、音频内容等以及文本数据以进一步描述媒体内容的各方面。媒体内容可以表示用户感兴趣的且用户无法识别的项目。例如,用户上载的媒体内容可以包括椅子的照片和/或陈述“皮革休闲椅”的文本串。在一些示例实施方式中,GUI还可以包括用户可选择的选项以对查询的数据对象进行分类,可选择的选项例如“家具”或“珠宝”或“服装”。单个数据对象可以具有一个或更多个相关联的数据类别。
第二GUI可以包括下述数据对象的表示的呈现:所述数据对象由用户在查询中上载、按类别进行组织并且被配置成包括字段以从对由数据对象表示的未能识别项目熟悉的用户接收描述建议。例如,描述建议可以包括描述由数据对象表示的未能识别对象的文本串(例如,“埃姆斯椅(Eames Chair)”)以及对满足数据对象的描述的项目的引用(例如,至类似项目的项目列表的链接)。建议用户可以浏览在第二GUI内显示的数据对象的表示并且通过用户输入装置向第二GUI提供描述建议。
群体辅助查询系统经由第一GUI从第一客户端设备接收来自请求用户的包括数据对象的查询。数据对象包括对请求用户感兴趣的未能识别项目进行描述的媒体内容。在接收到查询后,群体辅助查询系统从查询中解析数据对象,并基于数据对象的属性将数据对象分配至项目类别。例如,属性可以包括数据对象本身的特征(例如,图像的图像数据)以及由请求用户做出的项目类别选择(例如,“服装”、“家具”等)。
在对来自查询的数据对象进行接收和分类后,群体辅助查询系统可以接收在第二GUI内显示查询的请求,以便从建议用户接收描述建议。例如,建议用户可以向第二GUI提供用户输入,请求群体辅助查询系统在指定类别(例如,“衣服”、“家具”)中显示来自查询的数据对象的表示,其中所述表示包括提供描述建议的字段。建议用户可以浏览数据对象并且提供包括文本串的描述建议以及对现有项目列表的引用。
群体辅助查询系统可以使得向请求用户的客户端设备显示通知,并且使得显示针对该查询接收的一组描述建议的呈现。由此,请求用户可以查看可用的描述建议并且对与未能识别的期望项目匹配的“最佳”描述做出选择。请求用户可以查看由建议用户提供的描述建议并且选择与图像中描绘的未能识别项目最密切匹配的描述建议。例如,请求用户可以通过用户输入明确地选择描述建议,或者在一些实施方式中,群体辅助查询系统可以检测由请求用户进行的包括描述建议的搜索请求或购买交易。
在一些示例实施方式中,从请求用户接收的查询包括由请求用户分配的奖赏值,其中奖赏值被提供给建议用户以换取描述建议。由此,请求用户可以查看为查询提供的描述建议并且选择“最佳”匹配。响应于接收到选择,群体辅助查询系统将奖赏值授予相应的建议用户。
响应于接收到请求用户对描述选择的选择,群体辅助查询系统对与数据对象相关联的描述建议进行排序。例如,由请求用户选择的描述建议可以比请求用户未选择的描述建议的排序更高。在一些示例实施方式中,请求用户还可以提供指示特定描述建议与查询不匹配的用户输入,并且应该作为选项被移除。
在另外的示例实施方式中,可以基于建议用户的属性进一步对描述选择进行排序。用户属性可以包括:建议用户提交描述建议的频率;建议用户的描述建议被选择的比率;以及建议用户的专业领域(例如,“服装”、“家具”、“技术”)。例如,来自其提交的描述建议经常被选择的建议用户的描述建议可以比来自第一次提建议者的描述建议的排序更高。
作为从用户视角的说明性示例,考虑以下示例。用户看到他们喜欢的项目,例如椅子,但他们无法确定在联网市场中搜索什么以便找到该项目。用户用移动设备拍摄椅子的照片,并将椅子的图像上载至群体辅助搜索系统的GUI中。在上载椅子的照片的过程中,用户可另外提供用户输入以指示椅子的项目类别(例如,家具)以及描述性信息以进一步指示他们正在搜索什么(例如,“皮革”60年代休闲椅“)。用户将“奖励”(例如,奖赏值)附加至椅子的照片,其中提供奖励以换取建议用户群提供识别用户应该正在寻找的事物的描述建议。例如,如果描述建议被请求用户选择,则建议用户被授予奖励。
在将椅子的照片上载至GUI后,群体辅助查询系统使得在填充有其他类似项目(例如,基于项目类别)的提要(feed)内显示椅子的表示。建议用户可以浏览提要并且提供关于他们能够识别的项目的描述建议。例如,建议用户可以看到由请求用户上载的椅子的照片,并且基于照片和描述性信息可以知道要搜索什么。建议用户可以提供描述建议,该描述建议包括文本串或对与照片中的椅子匹配的项目或项目列表的引用。建议用户可以提供指示“埃姆斯椅”的文本串,或者提供引导至匹配项目的项目列表的统一资源定位符(URL)。以这种方式,建议用户对从请求用户接收的椅子的照片的表示提供描述建议。
群体辅助查询系统向请求用户通知已经从建议用户接收到一个或更多个描述建议。请求用户查看可用的描述建议,以便选择与他们搜索的项目最密切匹配的“最佳”描述。用户可以提供输入以指示何时描述建议是错误的或者何时描述建议是正确的。群体辅助查询系统可以响应于用户对一个或更多个描述建议进行选择来进行联网市场或搜索引擎的搜索。在确定“埃姆斯椅”的描述建议与用户正在搜索的项目匹配后,群体辅助查询系统将奖励授予相应的建议用户。
在确定指示椅子的照片是“埃姆斯椅”的描述建议后,群体辅助查询系统将该描述建议与椅子的照片在人工智能(AI)数据库内相关联。以这种方式,群体辅助查询系统用描述建议和数据对象(例如,来自请求用户的请求的照片和媒体项目)填充AI数据库。最终,通过足够的条目(例如,请求和建议),群体辅助查询系统可以训练图像搜索AI,然后该图像搜索AI能够仅基于视觉搜索来识别项目,使得用户可以提供项目的图像,并且系统能够仅根据图像来识别项目是什么,其与仅是“椅子”或“衬衫”相比,具有较大的特征性。
图1是描绘根据示例实施方式的具有被配置成通过网络102与应用服务器104交换数据的客户端-服务器架构的联网系统100的网络图。虽然联网系统100被描绘为具有客户端-服务器架构,但是本发明的主题当然不限于这样的架构,并且同样可以在例如事件驱动架构系统、分布式架构系统或对等架构系统中找到应用。此外,为了避免以不必要的细节模糊本发明的主题,从图1中省略了与传达对本发明主题的理解没有密切关系的各种功能部件。此外,应当理解,尽管以单数意义讨论了联网系统100的各种功能部件,但是可以采用各种功能部件中的任何一个的多个实例。
如图所示,联网系统100包括通过网络102与客户端设备106和第三方服务器105通信的应用服务器104。应用服务器104与联网系统100内的实体进行通信并交换数据,所述实体涉及与联网系统100及其用户相关联的各种功能和方面。这些数据交换可以包括发送、接收(传达)以及处理关于联网系统100的内容和用户的数据。
应用服务器104包括群体辅助查询系统110以经由网络102(例如,因特网)向客户端设备诸如客户端设备106和客户端设备108提供服务器端功能。
客户端设备106和108可以是包括用于显示内容和接收用户输入的输入/输出部件(例如,触摸屏)以及专门设计用于与应用服务器104进行交互的群体辅助查询应用112的任何种类的移动设备(例如,智能电话、平板计算机或可穿戴设备)。例如,用户107或109可以使用在客户端设备106和108上执行的群体辅助查询应用112以通过由应用服务器104生成的GUI将查询或对查询的建议进行上载。在一些实施方式中,群体辅助查询应用112可以在由客户端设备106执行的情况下配置客户端设备106执行本文描述的任何方法。
具体地转至应用服务器104,应用服务器104包括群体辅助查询系统110和数据库120。在一些实施方式中,应用服务器104可以包括耦接至(例如,经由有线接口或无线接口)群体辅助查询系统110的应用程序编程接口(API)服务器和/或web服务器,以分别向客户端设备106和108提供编程和/或web接口。在一些实施方式中,应用服务器104还可以包括耦接至群体辅助查询系统110的数据库服务器,以便于访问数据库120。数据库120可以包括可以在应用服务器104内部或外部的多个数据库。
群体辅助查询系统110托管一个或更多个应用,例如服务器端导航菜单应用,其向访问应用服务器104的用户(例如,用户107)提供导航服务。例如,用户107可以使用在客户端设备106上执行的群体辅助查询应用112来显示用于上载包括一组数据对象(例如,媒体内容、奖赏值等)的查询请求的接口。用户107可以例如通过客户端设备106处的接口来上载图像、描述信息等。用户109可以使用在客户端设备108上执行的群体辅助查询应用112通过被配置成显示从用户接收的查询请求的接口来提供描述建议。例如,接口可以包括可浏览提要中的一个或更多个查询请求的呈现。
数据库120存储与同联网系统100及其用户相关联的各种功能和各方面有关的数据。例如,数据库120可以包括存储联网市场的项目列表和库存信息的数据库以及包括训练群体辅助查询系统110的AI模块的训练数据的AI数据库。数据库120还可以包括用于维持应用服务器104的用户的用户帐户记录的数据库。每个用户帐户记录是包括描述特定用户的各方面的信息的数据结构。
图1还示出了在第三方服务器105上执行的第三方应用124,第三方应用124可以向客户端设备106的用户或群体辅助查询系统110提供信息或服务。例如,第三方应用124可以与同客户端设备106的用户进行交易或向客户端设备106的用户提供服务的任何组织相关联,所述组织例如基于网络的市场。在一些实施方式中,提供给用户的激励可以被兑换或以其他方式与第三方应用124一起使用。
图2是示出根据一些示例实施方式的群体辅助查询系统110的部件的框图,所述部件将群体辅助查询系统110配置成:在客户端设备106处提供查询请求接口以接收包括数据对象的查询请求;在客户端设备108处的建议接口内生成查询请求的提要并且使得显示查询请求的提要;接收描述建议;将描述建议在数据库120内与数据对象相关联;以及训练AI模块以执行基于图像的搜索。群体辅助查询系统110被示为包括通信模块205、分类模块210、呈现模块215、人工智能(AI)模块220和排序模块225,这些模块都被配置成彼此通信(例如,经由总线、共享内存或交换机)。这些模块中的任何一个或更多个可以使用一个或更多个处理器230(例如,通过配置这样的一个或更多个处理器以执行针对该模块描述的功能)来实现,并且因此可以包括处理器230中的一个或更多个。
所描述的模块中的任何一个或更多个可以单独使用专用硬件(例如,机器的处理器230中的一个或更多个)或者使用硬件和软件的组合来实现。例如,所描述的群体辅助查询系统110的任何模块可以在物理上包括被配置成执行本文针对该模块所描述的操作的处理器230中的一个或更多个(例如,机器的一个或更多个处理器的子集)的布置。作为另一示例,群体辅助查询系统110的任何模块可以包括软件、硬件或两者,其配置(例如,在机器的一个或更多个处理器中)一个或更多个处理器230的布置以执行本文针对该模块所描述的操作。因此,群体辅助查询系统110的不同模块可以包括并且配置这样的处理器230的不同布置或这样的处理器230在不同时间点的单个布置。此外,群体辅助查询系统110的任何两个或更多个模块可以组合成单个模块,并且本文针对单个模块描述的功能可以在多个模块之间细分。此外,根据各种示例实施方式,本文描述的在单个机器、数据库或设备内实现的模块可以分布在多个机器、数据库或设备上。
图3是示出根据示例实施方式的用于填充训练数据库以训练AI模块的方法300的流程图。可以由一个或更多个处理器(例如,图2的处理器230)执行的计算机可读指令来实现方法300,使得方法300的步骤可以部分地或全部地由客户端设备106或群体辅助查询系统110的功能部件(例如,模块)执行;因此,以下通过参考方法300的示例来描述方法300。然而,应当理解,方法300可以部署在各种其他硬件配置上,并且不旨在限于客户端设备106或群体辅助查询系统110的功能部件。
在操作305处,通信模块205从客户端设备106接收查询请求。查询请求可以包括表示请求用户感兴趣的项目的一个或更多个数据对象。感兴趣的项目可以是用户希望搜索但是不知道如何搜索的未能识别项目。例如,感兴趣的项目可以是用户107看到并且拍摄照片的椅子。群体辅助查询系统110使得在客户端设备106处显示查询请求接口,其中查询请求接口包括用于上载表示项目的数据对象的字段。例如,数据对象可以包括图像和文本串以及项目类别的选择。在一些示例实施方式中,用户107可以另外提供要分配给查询请求的奖赏值,该奖赏值被提供来交换建议用户对在查询请求中描述的项目的识别。
在操作310处,分类模块210基于查询请求的数据对象将查询请求分配至项目类别。例如,分类模块210可以仅基于图像数据(例如,在用户107未提供项目类别的情况下)、基于图像和对象识别技术来分配查询请求。例如,AI模块220可以应用卷积神经网络,以便识别与用户107提供的图像中描绘的项目最佳匹配的项目类别。在一些实施方式中,分类模块210可以简单地基于用户107选择的类别或用户107提供的文本描述对查询请求进行分类。
在操作315处,呈现模块215使得在客户端设备108处显示建议接口。用户109可以例如是希望为来自请求用户的一个或更多个查询请求提供描述建议的建议者。用户109可以选择查询请求类别,并且作为响应,呈现模块215使得显示包括分配给所选择的查询请求类别的一个或更多个查询请求的表示的提要。表示可以包括与每个查询请求相关联的图像、对应的奖赏值以及请求用户在查询请求中提供的任何文本信息。用户109可以滚动提要并且选择他希望为其提供描述建议的一个或更多个查询请求。
在操作320处,通信模块205从用户109接收描述建议。例如,用户109可以从客户端设备108处的建议接口中呈现的一组查询请求中选择查询请求。响应于从该组查询请求中选择查询请求,呈现模块215使得针对用户109显示一个或更多个字段以提供识别查询请求中描绘的项目的描述建议。描述建议可以包括文本串以及对第三方服务器105处的项目的引用(例如,URL)。
在操作325处,分类模块210将用户109提供的描述建议在数据库(例如,数据库120)内与查询请求的数据对象相关联。例如,数据库120可以包括AI数据库,该AI数据库可用于训练AI模块220以基于文本或音频输入(例如,自然语言语音)或仅基于图像数据来准确识别项目。在操作330处,群体辅助查询系统110基于数据库120来训练AI模块220。例如,群体辅助查询系统110可以使用数据库120来确定描述建议和图像数据之间的相关性。所述相关性可以由此应用于训练AI模块220。
图4是示出根据示例实施方式的用于由群体辅助查询系统110对用户109提供的描述建议进行排序的方法400的流程图。可以由一个或更多个处理器(例如,处理器230)执行的计算机可读指令来实现方法400,使得方法400的步骤可以部分地或全部地由客户端设备106或群体辅助查询系统110的功能部件(例如,模块)执行;因此,以下通过参考方法400的示例来描述方法400。然而,应当理解,方法400可以部署在各种其他硬件配置上,并且不旨在限于客户端设备106或群体辅助查询系统110的功能部件。
根据一些示例实施方式,方法400的一个或更多个操作405、410和415可以作为方法300的一部分(例如,前体任务、子例程或部分)来执行,其中群体辅助查询系统110训练AI模块220。
在操作405处,响应于在操作320处从用户109接收到描述建议,如在图3中所讨论,通信模块205访问与用户109相关联的用户简档以检索用户简档数据。用户简档数据可以包括用户109已经向其提供描述建议的查询请求类别的列表、已经由请求者选择的来自用户109的多个描述建议以及用户109的专业领域。
在操作410处,排序模块225基于用户简档数据计算用户109针对查询请求所提供的描述建议的可靠性分数。排序模块225可以基于以下来计算可靠性分数:来自用户109的描述建议的数量、已经由请求者选择的来自用户109的描述建议的数量以及用户109的专业领域。例如,用户109可以具有专业领域,其中专业领域指示用户109具有相关经验或知识的项目类别。可以基于用户109的明确选择或指示或者基于用户反馈(例如,用户可以在特定项目类别中推广用户109)来确定专业领域。
在已经计算了描述建议的可靠性分数后,在操作415处,排序模块225针对与查询请求关联的一个或更多个描述建议对描述建议进行排序。例如,多个建议用户可以为任何一个查询请求提供描述建议。通过基于由排序模块225计算的可靠性分数对描述建议进行排序,群体辅助查询系统110可以使准确的描述建议出现并且更容易地识别准确的描述建议。在一些示例实施方式中,呈现模块215基于排序模块225进行的排序的顺序向用户107显示描述建议。
图5是示出根据示例实施方式的用于接收与查询请求相关联的奖赏值的方法500的流程图,其中提供奖赏值以交换通过描述建议对查询请求的未能识别项目的识别。可以由一个或多个处理器(例如,处理器230)执行的计算机可读指令来实现方法500,使得方法500的步骤可以部分地或全部地由客户端设备106或群体辅助查询系统110的功能部件(例如,模块)执行;因此,以下通过参考方法500的示例来描述方法500。然而,应当理解,方法500可以部署在各种其他硬件配置上,并且不旨在限于客户端设备106或群体辅助查询系统110的功能部件。
根据一些示例实施方式,方法500的一个或更多个操作505、510和515可以作为方法300的一部分(例如,前体任务、子例程或部分)来执行,其中群体辅助查询系统110在客户端设备106处生成并且显示导航菜单。
在操作505处,通信模块205利用来自客户端设备106的查询请求接收奖赏值。查询请求可以包括一个或更多个数据对象,所述数据对象包括由用户107指定的奖赏值。奖赏值是用户107提供的用于交换与查询请求相关联的项目(或服务)的识别的量。例如,用户107可以为任何如下用户提供1美元:所述用户可以识别与来自用户107的查询请求中表示的项目匹配的描述建议或以其他方式提供该描述建议。
在操作510处,用户107从包括用户109的用户接收的一个或更多个描述建议中选择描述建议。例如,建议用户可以在由群体辅助查询系统110显示的建议接口内查看来自用户107的查询请求,以便提供描述建议。群体辅助查询系统110向请求用户(用户107)通知所接收的描述建议,并且使得在客户端设备106处显示可包括描述建议的显示的通知。由此,用户107可以查看所接收的描述建议并且提供对与查询请求匹配的“最佳”描述建议的选择。
在一些示例实施方式中,来自用户107的选择可以基于通过呈现模块215提供的接口对描述建议的明确选择。例如,呈现模块215可以使得在客户端设备106处显示如下接口:所述接口包括用户107可以做出选择的一组一个或更多个描述建议。在另外的实施方式中,选择可以基于用户107的搜索请求或交易。例如,用户107可以基于描述建议组中的描述建议来执行搜索请求,或者购买由来自多个描述建议(例如,包括具有描述建议的标题或描述)中的描述建议识别的项目。
在操作515处,响应于从用户107接收到对描述建议的选择,群体辅助查询系统110基于所选择的描述建议将奖赏值授予给适当的用户。例如,群体辅助查询系统110可以将奖赏值授予给提供所选择的描述建议的用户。群体辅助查询系统110可以例如访问与请求用户相关联的金融账户并且检索奖赏值以交付给提供所选择的描述建议的用户。
图6是描绘根据示例实施方式的请求用户(例如,用户107)和建议用户(例如,用户109)的事件流600的图。事件流600可以由用户107和用户109经由客户端设备106和客户端设备108执行。
请求用户(例如,用户107)将查询请求提交给群体辅助查询系统110。为了提交查询请求,在操作605处,用户107拍摄(或选择以其他方式)项目的照片,然后用户107将所述照片上载至群体辅助查询系统110(例如,经由客户端设备106)。在一些实施方式中,用户107可以上载描绘或描述该项目的照片和/或媒体项目。例如,代替照片(或作为补充),用户107可以提供描述项目的音频或文本数据(例如,陈述“具有三条腿的红色庭院椅”的文本或音频)。
在将照片与查询请求一起上载后,在操作615处,用户107编辑请求细节。请求细节包括项目类别信息以及含有项目描述的文本数据。例如,用户107可以为查询请求选择项目类别(例如,“家具”)。
在操作620处,建议用户(例如,用户109)在客户端设备108上启动群体辅助查询应用112。建议用户在操作625处选择类别,并且在操作630处,群体辅助查询系统110使得显示与用户109选择的项目类别相关联的查询请求的提要。在一些实施方式中,建议用户可以选择多个项目类别以同时在提要中查看。
在操作635处,建议用户选择查询请求,例如由请求用户(例如,用户107)提交的查询请求。响应于接收到选择,群体辅助查询系统110使得显示包括由请求用户上传的照片的呈现的项目细节页面以及诸如描述信息之类的附加项目细节。在操作640处,建议用户提供输入以发起对查询请求的建议。在操作645处,建议用户输入并上载与所选择的查询请求相关联的建议。该建议可以包括文本串以及对位于第三方服务器105的项目的引用。在操作650处,建议用户109完成建议过程。在一些实施方式中,在操作655处,建议用户可以查看来自与所选择的查询请求相关联的其他建议用户的一个或更多个建议。响应于完成建议过程,群体辅助查询系统110经由在客户端设备106处呈现的通知向请求用户通知建议。
在操作660处,请求用户可以查看与所上载的查询请求相关联的所有建议。所述建议可以在提要中显示给请求用户,使得请求用户可以“喜欢”或“不喜欢”建议。例如,在操作665处,请求用户可以“不喜欢”该建议,这导致建议从组中移除,或者如在操作670中,可以“喜欢”该建议,这可以使得建议被链接至查询请求的照片。
图7是示出根据示例实施方式的用于接收查询请求的用户接口700的接口图。用户接口700可以呈现在诸如客户端设备106之类的支持触摸的移动设备上。用户接口700被示出为包括搜索请求字段705、自动查询建议710和用于从用户107接收查询请求的图形图标715。
用户107可以将搜索请求提供至用户接口700的搜索请求字段705中。作为响应,群体辅助查询系统110可以基于搜索请求使得显示一组查询建议710。该组查询建议710可以基于用户107的交易历史和在搜索请求字段705中输入的搜索请求。作为替代,用户107可以选择通过对图形图标715的输入来发起查询请求。
图8是示出根据示例实施方式的用于接收查询请求的查询请求接口800(例如,在客户端设备106处显示)的接口图。查询请求接口800被示出为包括显示由请求用户(例如,用户107)上载的图像805、用于接收分配给查询请求的奖赏值的奖励条目字段810以及用于接收对与查询请求相关联的项目类别的选择的类别选择菜单815。
在一些示例实施方式中,响应于接收到例如经由图7的图形图标715发起查询请求的用户输入,在客户端设备106处显示查询请求接口800。查询请求接口800被配置成接收查询请求。查询请求包括数据对象诸如图像805、对象类别、文本数据以及奖赏值。例如,在选择要上载的图像后,用户107可以提供描述图像(或图像的特定特征)的附加文本数据。用户107将奖赏值提供至奖励条目字段810中,并且可以经由类别选择菜单815指定项目类别。例如,响应于接收到对类别选择菜单815的选择,群体辅助查询系统110可以使得显示一组对象类别,用户107可以从中选择一个或更多个对象类别。
图9是示出根据示例实施方式的被配置成接收查询建议的建议接口900(例如,在客户端设备108处显示)的接口图。如图9所示,建议接口900被示出为包括表示项目类别905的一组图形元素。建议用户(例如,用户109)可以从该组项目类别905中选择项目类别,并且作为响应,群体辅助查询系统110使得显示分配给所选择的项目类别的相应一组查询请求。由此,建议用户可以查看该组查询请求以提供查询建议以换取相应的奖赏值。
图10是示出根据示例实施方式的被配置成接收查询建议的建议接口900的接口图。建议接口900被示出为包括由请求用户(例如,用户107)提交的查询请求的图像805的描绘。建议用户(例如,用户109)可以通过提供文本数据1005来通过建议接口900提供查询建议。在一些示例实施方式中,用户109可以提供对位于第三方服务器105处的项目的引用。在提供了文本数据1005后,用户109可以向建议图标1010提供输入,并且作为响应,群体辅助查询系统110可以在与查询请求相关联的存储器位置处索引查询建议,并且在数据库120内索引图像805。
在一些示例实施方式中,响应于接收到对建议图标1010的输入,群体辅助查询系统110使得在客户端设备106处显示通知,以向请求用户(例如,用户107)通知查询建议。由此,请求用户可以查看查询建议以便“喜欢”、“不喜欢”或从数据库120中移除查询建议。
机器架构
图11是示出根据一些示例实施方式的能够从机器可读介质(例如,机器可读存储介质)读取指令并执行本文所讨论的方法中的任一种或更多种方法的机器1100的部件的框图。具体地,图11示出了计算机系统示例形式的机器1100的图解表示,在机器1100中可以执行用于使机器1100执行本文所讨论的方法中的任一种或更多种方法的指令1116(例如,软件、程序、应用、小应用程序、app或其他可执行代码)。这些指令将通用的、未编程的机器变换为被编程以执行本文描述的所描述和示出的功能的专门配置的机器。与一些实施方式一致,机器1100可以对应于客户端设备106或群体辅助查询系统110。
机器1100可以作为独立设备操作,或者可以耦接(例如,联网)至其他机器。在联网部署中,机器1100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资格进行操作,或者作为对等(或分布式)网络环境中的对等机器进行操作。作为非限制性示例,机器1100可以包括或对应于服务器计算机、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、机顶盒(STB)、个人数字助理(PDA)、娱乐媒体系统、蜂窝电话、智能手机、移动设备、可穿戴设备(例如智能手表),智能家居设备(例如智能家电)、其他智能设备、网络设备、网络路由器,网络交换机、网络桥接器或者能够顺序地或以其他方式执行指定机器1100要采取的动作的指令1116的任何机器。此外,虽然仅示出了单个机器1100,但是术语“机器”还应该被理解为包括单独或联合执行指令1116以执行本文中讨论的任何一种或更多种方法的机器1100的集合。
机器1100可以包括可以被配置成例如经由总线1102彼此通信的处理器1110、存储器1130以及输入和输出(I/O)部件1150。在示例实施方式中,处理器1110(例如,中央处理器(CPU)、精简指令集计算(RISC)处理器、复杂指令集计算(CISC)处理器、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)、另一处理器或其任意合适的组合)可以包括例如可以执行指令1116的处理器1112和处理器1114。术语“处理器”旨在包括多核处理器,该多核处理器可以包括可以同时执行指令的两个或更多个独立处理器(有时称为“核”)。尽管图11示出了多个处理器1110,但是机器1100可以包括具有单核的单个处理器、具有多核的单个处理器(例如,多核处理器)、具有单核的多个处理器、具有多核的多个处理器或其任意组合。
存储器/存储装置1130可以包括诸如主存储器或其他存储装置的存储器1132以及存储单元1136,这两者都能够由处理器1110例如经由总线1102访问。存储单元1136和存储器1132存储实现本文中描述的任何一个或更多个方法或功能的指令1116。指令1116还可以在其由机器1100执行期间完全地或部分地驻留在存储器1132内、存储单元1136内、处理器1110中的至少一个内(例如,在处理器的高速缓冲存储器内)或其任何合适的组合内。因此,存储器1132、存储单元1136和处理器1110的存储器是机器可读介质的示例。
如本文中使用的,“机器可读介质”是指能够临时地或永久地存储指令和数据的设备,并且可以包括但不限于:随机存取存储器(RAM)、只读存储器(ROM)、缓冲存储器、闪存、光学介质、磁性介质、高速缓冲存储器、其他类型的存储装置(例如,可擦除可编程只读存储器(EEPROM))和/或其任何适当的组合。术语“机器可读介质”应该被视为包括能够存储指令1016的单个介质或多个介质(例如,集中式或分布式数据库或者相关联的高速缓冲存储器和服务器)。术语“机器可读存储介质”还应当被视为包括能够存储用于由机器(例如,机器1100)执行的指令(例如,指令1116)的任何介质或多个介质的组合,使得所述指令在由机器1100的一个或更多个处理器(例如,处理器1110)执行时使机器1100执行本文所描述的方法中的一种或更多种。因此,“机器可读介质”是指单个存储装置或设备以及包括多个存储装置或设备的“基于云”的存储系统或存储网络。术语“机器可读存储介质”不包括信号本身。
I/O部件1150可以包括各种部件以接收输入、提供输出、产生输出、发送信息、交换信息、捕获测量结果等。包括在特定机器中的特定I/O部件1150将取决于机器的类型。例如,诸如移动电话的便携式机器可能包括触摸输入装置或其他这样的输入机构,而无头服务器机器可能不包括这样的触摸输入装置。应当理解,I/O部件1150可以包括图11中未示出的许多其他部件。I/O部件1150仅为了简化以下讨论而根据功能被分组,并且该分组决不是限制性的。在各种示例实施方式中,I/O部件1150可以包括输出部件1152和输入部件1154。输出部件1152可以包括视觉部件(例如,诸如等离子显示板(PDP)、发光二极管(LED)显示器、液晶显示器(LCD)、投影仪或阴极射线管(CRT)的显示器)、听觉部件(例如,扬声器)、触觉部件(例如,振动马达、阻力机构)、其他信号发生器等。输入部件1154可以包括字母数字输入部件(例如,键盘、配置成接收字母数字输入的触摸屏、光电键盘或其他字母数字输入部件)、基于点的输入部件(例如,鼠标、触摸板、轨迹球、操纵杆、运动传感器或其他指向仪器)、触觉输入部件(例如,物理按钮、提供触摸或触摸手势的位置和/或力的触摸屏或其他触觉输入部件)、音频输入部件(例如,麦克风)等。
在另外的示例实施方式中,I/O部件1150可以包括广泛的其他部件中的生物识别部件1156、运动部件1158、环境部件1160或位置部件1162。例如,生物识别部件1156可以包括用于检测表达(例如,手表达、面部表情、声音表达、身体姿势或眼睛跟踪)、测量生物信号(例如,血压、心率、体温、出汗或脑波)、识别人(例如,声音识别、视网膜识别、面部识别、指纹识别或基于脑电图的识别)等的部件。运动部件1158可以包括加速度传感器部件(例如,加速度计)、重力传感器部件、旋转传感器部件(例如,陀螺仪)等。环境部件1160可以包括例如照明传感器部件(例如,光度计)、温度传感器部件(例如,检测环境温度的一个或更多个温度计)、湿度传感器部件、压力传感器部件(例如,气压计)、声音传感器部件(例如,检测背景噪声的一个或更多个麦克风)、接近度传感器部件(例如,检测附近物体的红外传感器)、气体传感器(例如,用于检测危险气体的浓度以确保安全或用于测量大气中的污染物的气体检测传感器)或可以提供与周围物理环境对应的指示、测量或信号的其他部件。位置部件1162可以包括定位传感器部件(例如,GPS接收器部件)、海拔高度传感器部件(例如,检测气压的高度计或气压计,根据所述气压可以得到海拔高度)、方向传感器部件(例如,磁力计)等。
通信可以使用各种各样的技术来实现。I/O部件1150可以包括通信部件1164,通信部件1164能够进行操作以分别经由耦接1182和耦接1172将机器1100耦接至网络1180或装置1170。例如,通信部件1164可以包括网络接口部件或与网络1180对接的其他合适的装置。在其他示例中,通信部件1164可以包括有线通信部件、无线通信部件、蜂窝通信部件、近场通信(NFC)部件、部件(例如,低功耗)、部件和经由其他形式提供通信的其他通信部件。装置1170可以是另外的机器或各种外围装置中的任一种(例如,经由通用串行总线(USB)耦接的外围设备)。
此外,通信部件1164可以检测标识符或包括能够进行操作以检测标识符的部件。例如,通信部件1164可以包括射频识别(RFID)标签阅读器部件、NFC智能标签检测部件、光学阅读器部件(例如,用于检测诸如通用产品代码(UPC)条形码的一维条形码、诸如快速响应(QR)代码的多维条形码、Aztec代码、数据矩阵、数据符号(Dataglyph)、最大编码(MaxiCode)、PDF417、超代码(Ultra Code)、UCC RSS-2D条形码和其他光代码的光学传感器)或声学检测部件(例如,用于识别标记的音频信号的麦克风)。另外,可以经由通信部件1164得到各种信息,如经由因特网协议(IP)地理定位得到的位置、经由信号三角测量得到的位置、经由检测可以指示特定位置的NFC信标信号得到的位置等。
传输介质
在各种示例实施方式中,网络1180的一个或更多个部分可以是自组织网络、内联网、外联网、虚拟专用网络(VPN)、局域网(LAN)、无线LAN(WLAN)、广域网(WAN)、无线WAN(WWAN)、城域网(MAN)、因特网、因特网的一部分、公共交换电话网络(PSTN)的一部分、普通老式电话服务(POTS)网络、蜂窝电话网络、无线网络、网络、另一种类型的网络或者两个或更多个这样的网络的组合。例如,网络1180或网络1180的一部分可以包括无线或蜂窝网络,并且耦接1182可以是码分多址(CDMA)连接、全球移动通信系统(GSM)连接或其他类型的蜂窝或无线耦接。在该示例中,耦接1182可以实现各种类型的数据传输技术中的任意数据传输技术,如单载波无线电传输技术(1xRTT)、演进数据优化(EVDO)技术、通用分组无线服务(GPRS)技术、增强型数据速率GSM演进(EDGE)技术、包括3G的第三代合作伙伴计划(3GPP)、第四代无线(4G)网络、通用移动通讯系统(UMTS)、高速分组接入(HSPA)、全球微波接入互操作性(WiMAX)、长期演进(LTE)标准、由各种标准设置组织定义的其他数据传输技术、其他长距离协议或其他数据传输技术。
可以经由网络接口设备(例如,包括在通信部件1164中的网络接口部件)使用传输介质并且利用多个公知的传输协议中的任意一种传输协议(例如,超文本传输协议(HTTP))通过网络1180来发送和接收指令1116。类似地,可以经由到设备1170的耦接1172(例如,对等耦接)使用传输介质来发送或接收指令1116。术语“传输介质”应该被认为包括能够存储、编码或携载用于由机器1100执行的指令1116的任何无形介质,并且包括数字或模拟通信信号或其他无形介质以便于这样的软件的通信。
模块、部件和逻辑
在本文中某些实施方式被描述为包括逻辑或多个部件、模块或机构。模块可以构成软件模块(例如,包含在机器可读介质上或包含在传输信号中的代码)或硬件模块。硬件模块是能够执行某些操作的有形单元,并且可以以某种方式被配置或布置。在示例实施方式中,一个或更多个计算机系统(例如,单机的、客户端或服务器计算机系统)或计算机系统的一个或更多个硬件模块(例如,处理器或处理器群)可以由软件(例如,应用或应用部)配置为进行操作以执行如本文中所描述的某些操作的硬件模块。
在各种实施方式中,硬件模块可以机械地或电子地实现。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,作为专用处理器,例如现场可编程门阵列(FPGA)或ASIC)。硬件模块还可以包括由软件临时地配置成执行某些操作的可编程逻辑或电路(例如,如包含在通用处理器或其它可编程处理器内)。将理解的是,可以通过成本和时间考虑来推动在专用的永久配置的电路中或在临时配置的电路(例如,由软件进行配置)中机械地实现硬件模块的决策。
因此,术语“硬件模块”应当被理解为包括有形实体,该有形实体是被物理构造、永久配置(例如,硬连线)或临时配置(例如,被编程)来以特定方式进行操作和/或执行本文中描述的某些操作的实体。考虑其中硬件模块被临时配置(例如,被编程)的实施方式,硬件模块中的每一个无需在任一时刻处均被配置或实例化。例如,在硬件模块包括使用软件进行配置的通用处理器的情况下,通用处理器可以在不同时间处被配置成各自不同的硬件模块。软件因此可以对处理器进行配置,以例如在一个时刻处构成特定硬件模块,并且在不同的时刻处构成不同的硬件模块。
硬件模块可以向其它硬件模块提供信息并且从其它硬件模块接收信息。因此,所描述的硬件模块可以被认为是通信上耦接的。在同时存在多个这样的硬件模块的情况下,可以通过信号传输(例如,通过连接硬件模块的合适的电路和总线)来实现通信。在其中多个硬件模块在不同时间处被配置或实例化的实施方式中,可以例如通过将信息存储在多个硬件模块可以访问的存储器结构中并且在该存储器结构中检索信息来实现在这样的硬件模块之间的通信。例如,一个硬件模块可以执行操作并且将该操作的输出存储在通信上耦接的存储器设备中。另外的硬件模块然后可以在随后的时间处访问存储器设备,以检索和处理所存储的输出。硬件模块还可以发起与输入或输出设备的通信,并且可以对资源进行操作(例如,信息的收集)。
在本文中描述的示例方法的各种操作可以至少部分地由被临时地配置(例如,由软件)或永久地配置以执行相关操作的一个或更多个处理器来执行。无论是被临时地配置还是被永久地配置,这样的处理器可以构成用于执行一个或更多个操作或功能的处理器实现的模块。在本文中所提及的模块在一些示例实施方式中可以包括处理器实现的模块。
类似地,本文中所描述的方法可以是至少部分地处理器实现的。例如,方法的操作中的至少一些操作可以由一个或更多个处理器或处理器实现的模块来执行。某些操作的执行可以分布在一个或更多个处理器中,不仅驻留在单个机器中,而且可以跨多个机器部署。在一些示例实施方式中,一个或更多个处理器可以位于单个位置中(例如,在家庭环境、办公室环境或服务器群内),而在其它实施方式中,处理器可以被分布成跨多个位置。
一个或更多个处理器还可以进行操作以支持在“云计算”环境中或者作为“软件即服务”(SaaS)的相关操作的执行。例如,操作中的至少一些操作可以由一组计算机来执行(作为包括处理器的机器的示例),这些操作可经由网络(例如因特网)并且经由一个或更多个适当的接口(例如API)被访问。
电子设备和系统
示例实施方式可以以数字电子电路或以计算机硬件、固件、软件或以它们的组合来实现。示例实施方式可以使用计算机程序产品来实现,例如:有形地实施在信息载体中例如实施在机器可读介质中以由数据处理设备例如可编程处理器、计算机或多个计算机来执行或者用于控制该数据处理设备的操作的计算机程序。
计算机程序可以以包括编译语言或解释语言的任何形式的编程语言来编写,并且计算机程序可以被部署成任何形式,包括作为单机程序或作为模块、子例程或适于用在计算机环境中的其它单元。计算机程序可以被布置成在一个站点处的一个计算机或多个计算机上执行,或者被分布成跨多个站点并且通过通信网络互连。
在示例实施方式中,可以由一个或更多个可编程处理器来执行操作,所述一个或更多个可编程处理器执行计算机程序以通过对输入数据进行操作并且生成输出来执行功能。方法操作还可以由专用逻辑电路(例如,FPGA或ASIC)来执行,并且示例实施方式的装置可以被实现为专用逻辑电路(例如,FPGA或ASIC)。
计算系统可以包括客户端和服务器。客户端和服务器一般彼此远离并且通常通过通信网络来进行交互。客户端与服务器的关系通过在相应计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生。在部署可编程计算系统的实施方式中,将意识到的是,硬件和软件架构二者均值得考虑。具体地,将理解的是,是在永久配置的硬件(例如ASIC)、在暂时配置的硬件(例如,软件和可编程处理器的组合)还是在永久配置的硬件和暂时配置的硬件的组合中实现某功能的选择可以是设计选择。下面阐述了可以部署在各种示例实施方式中的硬件(例如,机器)和软件架构。
虽然已经参考具体示例实施方式描述了本发明的实施方式,但是明显的是,可以在不背离本发明主题的更广泛范围的情况下对这些实施方式做出各种修改和改变。因此,说明书和附图要被视为示出性意义而不是限制性意义。形成本文的一部分的附图以图示的方式并且非限制性地示出其中可以对本主题进行实践的具体实施方式。足够详细地描述了所示的实施方式,以使得本领域技术人员能够对本文中公开的教示进行实践。其他实施方式可以被使用并且从中得到,使得可以在不偏离本公开内容的范围的情况下进行结构和逻辑替代和改变。因而该详细描述不以限制性意义而被采用,并且各种实施方式的范围仅通过所附权利要求以及称为这样的权利要求的等同方案的完全范围一起来限定。
仅出于方便起见,在本文中可以将本发明主题的这样的实施方式单独地和/或共用地称为术语"发明",并且如果事实上公开了多于一种实施方式,则这不意在将本申请的范围主动地限制为任何单个发明或发明构思。因此,虽然在本文中已经示出和描述了具体实施方式,但是应当理解的是,为了实现相同目的的任何布置可以针对所示的具体实施方式被替换。本公开内容意在涵盖各种实施方式的任何以及全部调整或变型。当对上述描述进行回顾后,上述实施方式以及本文中未具体描述的其它实施方式的组合对本领域的技术人员而言将是明显的。
本文献中提及的所有出版物、专利和专利文献均通过引用整体并入本文,如同通过引用单独并入一样。如果本文献与通过引用并入的那些文献之间的用法不一致,则所引用的参考文献中的用法应被视为对本文献的用法的补充;对于不可调和的不一致性,以本文献中的用法为准。
在本文献中,如在专利文献中常见的那样,不管“至少一个”或“一个或更多个”的任何其他实例或用法,使用术语“一”或“一种”来包括一个或多于一个。在本文献中,除非以其他方式指示,否则术语“或”被用来表示非排他性的或,使得“A或B”包括“A而非B”、“B而非A”以及“A和B”。在所附权利要求中,术语“包括(including)”和“其中(in which)”用作相应术语“包含(comprising)”和“其中(wherein)”的普通英文等同物。另外,在所附权利要求中,术语“包括”和“包含”是开放式的,也就是说,包括除权利要求中的这样的术语之后列出的那些要素之外的要素的系统、装置、制品或过程仍然被认为落在该权利要求的范围内。
Claims (20)
1.一种系统,包括:
一个或更多个处理器;以及
非暂态存储器,其存储对所述一个或更多个处理器进行配置以执行包括以下的操作的指令:
从第一客户端设备接收包括数据对象的查询,所述数据对象具有数据属性并且表示未能识别项目;
基于所述数据属性将所述数据对象分配至项目类别;
使得在图形用户接口GUI内显示所述数据对象的表示,所述GUI包括对表示所述数据对象的所述项目类别的未能识别项目的一组图形元素的显示;
通过所述GUI从第二客户端设备接收要被应用于所述数据对象的描述建议,所述描述建议描述由所述数据对象表示的所述未能识别项目;
将所述描述建议在机器学习数据库内与所述数据对象相关联;以及
基于所述机器学习数据库来训练人工智能AI模块以识别所述未能识别项目。
2.根据权利要求1所述的系统,其中,所述数据对象包括图像数据、文本串或者图像数据和文本串的组合。
3.根据权利要求1所述的系统,其中,接收所述查询包括:
通过所述GUI接收所述查询作为提交物,其中,所述提交物包括所述数据对象的数据属性,并且其中,所述数据属性包括对所述未能识别对象的项目类别的指示。
4.根据权利要求1所述的系统,其中,所述描述建议是第一描述建议,所述机器学习数据库包括与所述数据对象相关联的一组描述建议,并且所述指令使所述系统执行还包括以下的操作:
基于所述数据属性在与所述数据对象相关联的所述一组描述建议中对所述第一描述建议进行排序;以及
基于所述机器学习数据库和所述排序来训练所述AI模块。
5.根据权利要求4所述的系统,其中,接收要被应用于所述数据对象的描述建议包括:
检索与所述第二客户端设备的用户相关联的用户简档数据;
基于所述用户的用户简档数据确定所述描述建议的可靠性分数;以及
其中,对所述第一描述建议进行排序是基于所述可靠性分数的。
6.根据权利要求4所述的系统,其中,所述指令使所述系统执行还包括以下的操作:
从所述第一客户端设备接收对所述第一描述建议的选择;以及
其中,对所述第一描述建议进行排序是基于来自所述第一客户端设备的所述选择的。
7.根据权利要求1所述的系统,其中,从所述第一客户端设备接收所述数据对象包括:
从所述第一客户端设备接收奖赏值,所述奖赏值是针对基于所述描述建议识别所述数据对象的所述未能识别项目而提供的;
其中,所述指令使所述系统执行包括以下的操作:
从所述第一客户端设备接收对所述描述建议的选择;
基于对所述描述建议的选择来识别所述未能识别项目;以及
响应于识别到所述未能识别项目而将所述奖赏值授予所述第二客户端设备。
8.根据权利要求7所述的系统,其中,接收对所述描述建议的选择包括:
从所述第一客户端设备接收搜索请求,其中,所述搜索请求包括所述描述建议。
9.根据权利要求1所述的系统,其中,所述数据对象是第一数据对象并且所述指令使所述系统执行还包括以下的操作:
从所述第一客户端设备接收一般查询,所述查询包括第二数据对象;
基于所述一般查询、所述第二数据对象和所述AI模块确定具体查询;以及
基于所述具体查询检索一组搜索结果。
10.根据权利要求1所述的系统,其中,所述项目类别包括一组数据对象,其中,所述一组数据对象具有所述数据对象的数据属性中的至少一些数据属性。
11.一种方法,包括:
从第一客户端设备接收包括数据对象的查询,所述数据对象具有数据属性并且表示未能识别项目;
基于所述数据属性将所述数据对象分配至项目类别;
使得在图形用户接口GUI内显示所述数据对象的表示,所述GUI包括对表示所述数据对象的所述项目类别的未能识别项目的一组图形元素的显示;
通过所述GUI从第二客户端设备接收要被应用于所述数据对象的描述建议,所述描述建议描述由所述数据对象表示的所述未能识别项目;
将所述描述建议在机器学习数据库内与所述数据对象相关联;以及
基于所述机器学习数据库来训练人工智能AI模块以识别所述未能识别项目。
12.根据权利要求11所述的方法,其中,所述数据对象包括图像数据、文本串或图像数据和文本串的组合。
13.根据权利要求11所述的方法,其中,接收所述查询包括:
通过所述GUI接收所述查询作为提交物,其中,所述提交物包括所述数据对象的数据属性,并且其中,所述数据属性包括对所述未能识别对象的项目类别的指示。
14.根据权利要求11所述的方法,其中,所述描述建议是第一描述建议,所述机器学习数据库包括与所述数据对象相关联的一组描述建议,并且所述方法还包括:
基于所述数据属性在与所述数据对象相关联的所述一组描述建议中对所述第一描述建议进行排序;以及
基于所述机器学习数据库和所述排序来训练所述AI模块。
15.根据权利要求14所述的方法,其中,接收要被应用于所述数据对象的描述建议包括:
检索与所述第二客户端设备的用户相关联的用户简档数据;
基于所述用户的用户简档数据确定所述描述建议的可靠性分数;以及
其中,对所述第一描述建议进行排序是基于所述可靠性分数的。
16.根据权利要求14所述的方法,其中,所述方法还包括:
从所述第一客户端设备接收对所述描述建议的选择;以及
其中,对所述第一描述建议进行排序是基于由所述第一客户端设备进行的所述选择的。
17.根据权利要求11所述的方法,其中,从所述第一客户端设备接收所述数据对象包括:
从所述第一客户端设备接收奖赏值,所述奖赏值是针对基于所述描述建议识别所述数据对象的所述未能识别项目而提供的;以及
其中,所述方法还包括:
从所述第一客户端设备接收对所述描述建议的选择;
基于对所述描述建议的选择来识别所述未能识别项目;以及
响应于识别到所述未能识别项目而将所述奖赏值授予所述第二客户端设备。
18.根据权利要求17所述的方法,其中,接收对所述描述建议的选择包括:
从所述第一客户端设备接收搜索请求,其中,所述搜索请求包括所述描述建议。
19.一种非暂态机器可读存储介质,包括在由机器的一个或更多个处理器执行时使所述机器执行包括以下的操作的指令:
从第一客户端设备接收包括数据对象的查询,所述数据对象具有数据属性并且表示未能识别项目;
基于所述数据属性将所述数据对象分配至项目类别;
使得在图形用户接口GUI内显示所述数据对象的表示,所述GUI包括对表示所述数据对象的所述项目类别的未能识别项目的一组图形元素的显示;
通过所述GUI从第二客户端设备接收要被应用于所述数据对象的描述建议,所述描述建议描述由所述数据对象表示的所述未能识别项目;
将所述描述建议在机器学习数据库内与所述数据对象相关联;以及
基于所述机器学习数据库来训练人工智能AI模块以识别所述未能识别项目。
20.根据权利要求19所述的非暂态机器可读存储介质,其中,所述数据对象包括图像数据、文本串或者图像数据和文本串的组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310538448.8A CN116756402A (zh) | 2016-11-08 | 2017-11-07 | 群体辅助搜索查询系统、方法和非暂态机器可读存储介质 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/345,627 | 2016-11-08 | ||
US15/345,627 US10452688B2 (en) | 2016-11-08 | 2016-11-08 | Crowd assisted query system |
PCT/US2017/060292 WO2018089326A1 (en) | 2016-11-08 | 2017-11-07 | Crowd assisted query system |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310538448.8A Division CN116756402A (zh) | 2016-11-08 | 2017-11-07 | 群体辅助搜索查询系统、方法和非暂态机器可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110073346A true CN110073346A (zh) | 2019-07-30 |
CN110073346B CN110073346B (zh) | 2023-06-06 |
Family
ID=62065705
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310538448.8A Pending CN116756402A (zh) | 2016-11-08 | 2017-11-07 | 群体辅助搜索查询系统、方法和非暂态机器可读存储介质 |
CN201780075895.7A Active CN110073346B (zh) | 2016-11-08 | 2017-11-07 | 群体辅助查询系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310538448.8A Pending CN116756402A (zh) | 2016-11-08 | 2017-11-07 | 群体辅助搜索查询系统、方法和非暂态机器可读存储介质 |
Country Status (6)
Country | Link |
---|---|
US (3) | US10452688B2 (zh) |
EP (1) | EP3538987A4 (zh) |
JP (2) | JP6831458B2 (zh) |
KR (2) | KR102353420B1 (zh) |
CN (2) | CN116756402A (zh) |
WO (1) | WO2018089326A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11995106B2 (en) | 2016-11-08 | 2024-05-28 | Ebay Inc. | Crowd assisted query system |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11442944B2 (en) * | 2019-10-18 | 2022-09-13 | Thinkspan, LLC | Algorithmic suggestions based on a universal data scaffold |
DE102020102862A1 (de) | 2020-02-05 | 2021-08-05 | Festo Se & Co. Kg | Computerimplementiertes Verfahren und Vorrichtung zum Bereitstellen von auf Funktionalität verifizierten grafischen Programmanweisungen |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090006343A1 (en) * | 2007-06-28 | 2009-01-01 | Microsoft Corporation | Machine assisted query formulation |
CN102124439A (zh) * | 2008-06-13 | 2011-07-13 | 电子湾有限公司 | 用于集群化的方法和系统 |
US8065199B2 (en) * | 2009-04-08 | 2011-11-22 | Ebay Inc. | Method, medium, and system for adjusting product ranking scores based on an adjustment factor |
CN102667768A (zh) * | 2009-10-15 | 2012-09-12 | A9.Com有限公司 | 动态搜索建议和类别特定完成 |
CN103329126A (zh) * | 2010-10-28 | 2013-09-25 | 谷歌公司 | 利用联合图像-音频查询的搜索 |
CN103430176A (zh) * | 2011-03-22 | 2013-12-04 | 雅虎公司 | 搜索辅助系统和方法 |
CN103703466A (zh) * | 2011-07-29 | 2014-04-02 | 微软公司 | 社交网络推动的查询建议 |
US20140180772A1 (en) * | 2012-12-04 | 2014-06-26 | Tutupata, Inc. | Finding objects or services utilizing a communication link to enlist the help of and reward third parties to help locate the desired object or service |
US20150127430A1 (en) * | 2013-11-04 | 2015-05-07 | Statimate Systems Inc. | Method and system for identifying items and managing a collection of items |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5493677A (en) | 1994-06-08 | 1996-02-20 | Systems Research & Applications Corporation | Generation, archiving, and retrieval of digital images with evoked suggestion-set captions and natural language interface |
US6356898B2 (en) * | 1998-08-31 | 2002-03-12 | International Business Machines Corporation | Method and system for summarizing topics of documents browsed by a user |
US6606623B1 (en) | 1999-04-09 | 2003-08-12 | Industrial Technology Research Institute | Method and apparatus for content-based image retrieval with learning function |
US6970860B1 (en) | 2000-10-30 | 2005-11-29 | Microsoft Corporation | Semi-automatic annotation of multimedia objects |
US20030037034A1 (en) * | 2001-08-16 | 2003-02-20 | Tim Daniels | System and method for lubricants supply chain management |
CA2523279A1 (en) * | 2003-04-24 | 2004-11-11 | Secureinfo Corporation | Method, system and article of manufacture for data preservation and automated electronic software distribution across an enterprise system |
US20060288006A1 (en) | 2003-10-23 | 2006-12-21 | Xerox Corporation | Methods and systems for attaching keywords to images based on database statistics |
US7603367B1 (en) * | 2006-09-29 | 2009-10-13 | Amazon Technologies, Inc. | Method and system for displaying attributes of items organized in a searchable hierarchical structure |
US8489627B1 (en) * | 2008-08-28 | 2013-07-16 | Adobe Systems Incorporated | Combined semantic description and visual attribute search |
US9015139B2 (en) | 2010-05-14 | 2015-04-21 | Rovi Guides, Inc. | Systems and methods for performing a search based on a media content snapshot image |
US9317533B2 (en) | 2010-11-02 | 2016-04-19 | Microsoft Technology Licensing, Inc. | Adaptive image retrieval database |
US11068954B2 (en) * | 2015-11-20 | 2021-07-20 | Voicemonk Inc | System for virtual agents to help customers and businesses |
JP5866728B2 (ja) | 2011-10-14 | 2016-02-17 | サイバーアイ・エンタテインメント株式会社 | 画像認識システムを備えた知識情報処理サーバシステム |
US20130325724A1 (en) * | 2012-06-04 | 2013-12-05 | Adolfo Babatz | Remittance subscription |
US8935246B2 (en) | 2012-08-08 | 2015-01-13 | Google Inc. | Identifying textual terms in response to a visual query |
US9892447B2 (en) * | 2013-05-08 | 2018-02-13 | Ebay Inc. | Performing image searches in a network-based publication system |
US9727901B2 (en) * | 2013-06-13 | 2017-08-08 | Yahoo! Inc. | Systems and methods for image-based recommendations |
US10169686B2 (en) * | 2013-08-05 | 2019-01-01 | Facebook, Inc. | Systems and methods for image classification by correlating contextual cues with images |
US9922361B2 (en) * | 2014-08-18 | 2018-03-20 | Excalibur Ip, Llc | Content suggestions |
US9569700B1 (en) * | 2014-12-17 | 2017-02-14 | Amazon Technologies, Inc. | Identification of item attributes using artificial intelligence |
US9892133B1 (en) * | 2015-02-13 | 2018-02-13 | Amazon Technologies, Inc. | Verifying item attributes using artificial intelligence |
WO2016191346A1 (en) * | 2015-05-22 | 2016-12-01 | Gemr, Inc | Method and system for gathering and verifying information regarding specific items |
US10565518B2 (en) * | 2015-06-23 | 2020-02-18 | Adobe Inc. | Collaborative feature learning from social media |
US20170161391A1 (en) * | 2015-12-08 | 2017-06-08 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for video recommendation |
US20180040064A1 (en) * | 2016-08-04 | 2018-02-08 | Xero Limited | Network-based automated prediction modeling |
US10452688B2 (en) | 2016-11-08 | 2019-10-22 | Ebay Inc. | Crowd assisted query system |
-
2016
- 2016-11-08 US US15/345,627 patent/US10452688B2/en active Active
-
2017
- 2017-11-07 KR KR1020217015020A patent/KR102353420B1/ko active IP Right Grant
- 2017-11-07 CN CN202310538448.8A patent/CN116756402A/zh active Pending
- 2017-11-07 KR KR1020197016127A patent/KR102256010B1/ko active IP Right Grant
- 2017-11-07 EP EP17870146.2A patent/EP3538987A4/en not_active Withdrawn
- 2017-11-07 WO PCT/US2017/060292 patent/WO2018089326A1/en unknown
- 2017-11-07 CN CN201780075895.7A patent/CN110073346B/zh active Active
- 2017-11-07 JP JP2019523759A patent/JP6831458B2/ja active Active
-
2019
- 2019-09-23 US US16/578,774 patent/US11386125B2/en active Active
-
2021
- 2021-01-28 JP JP2021011820A patent/JP7055228B2/ja active Active
-
2022
- 2022-06-09 US US17/836,796 patent/US11995106B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090006343A1 (en) * | 2007-06-28 | 2009-01-01 | Microsoft Corporation | Machine assisted query formulation |
CN102124439A (zh) * | 2008-06-13 | 2011-07-13 | 电子湾有限公司 | 用于集群化的方法和系统 |
US8065199B2 (en) * | 2009-04-08 | 2011-11-22 | Ebay Inc. | Method, medium, and system for adjusting product ranking scores based on an adjustment factor |
CN102667768A (zh) * | 2009-10-15 | 2012-09-12 | A9.Com有限公司 | 动态搜索建议和类别特定完成 |
CN103329126A (zh) * | 2010-10-28 | 2013-09-25 | 谷歌公司 | 利用联合图像-音频查询的搜索 |
CN103430176A (zh) * | 2011-03-22 | 2013-12-04 | 雅虎公司 | 搜索辅助系统和方法 |
CN103703466A (zh) * | 2011-07-29 | 2014-04-02 | 微软公司 | 社交网络推动的查询建议 |
US20140180772A1 (en) * | 2012-12-04 | 2014-06-26 | Tutupata, Inc. | Finding objects or services utilizing a communication link to enlist the help of and reward third parties to help locate the desired object or service |
US20150127430A1 (en) * | 2013-11-04 | 2015-05-07 | Statimate Systems Inc. | Method and system for identifying items and managing a collection of items |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11995106B2 (en) | 2016-11-08 | 2024-05-28 | Ebay Inc. | Crowd assisted query system |
Also Published As
Publication number | Publication date |
---|---|
KR20190072648A (ko) | 2019-06-25 |
US20200125587A1 (en) | 2020-04-23 |
JP6831458B2 (ja) | 2021-02-17 |
KR20210060661A (ko) | 2021-05-26 |
US20220300536A1 (en) | 2022-09-22 |
KR102256010B1 (ko) | 2021-05-25 |
JP2019536148A (ja) | 2019-12-12 |
EP3538987A4 (en) | 2019-10-02 |
US11386125B2 (en) | 2022-07-12 |
US20180129724A1 (en) | 2018-05-10 |
US11995106B2 (en) | 2024-05-28 |
EP3538987A1 (en) | 2019-09-18 |
CN116756402A (zh) | 2023-09-15 |
JP2021077394A (ja) | 2021-05-20 |
WO2018089326A1 (en) | 2018-05-17 |
US10452688B2 (en) | 2019-10-22 |
CN110073346B (zh) | 2023-06-06 |
KR102353420B1 (ko) | 2022-01-20 |
JP7055228B2 (ja) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10990899B2 (en) | Deep and wide machine learned model for job recommendation | |
US9904871B2 (en) | Deep convolutional neural network prediction of image professionalism | |
US10855784B2 (en) | Entity based search retrieval and ranking | |
US10552431B2 (en) | Personalizing search and/or recommendation results based on member activity models | |
US10380458B2 (en) | Cold start machine learning algorithm | |
US20170293695A1 (en) | Optimizing similar item recommendations in a semi-structured environment | |
US20170300811A1 (en) | Dynamic loss function based on statistics in loss layer of deep convolutional neural network | |
CN110023982A (zh) | 选择产品标题 | |
CN109564500A (zh) | 使用基于手势的触发器进行应用控制 | |
CN110494852A (zh) | 智能匹配自动完成系统 | |
US10043240B2 (en) | Optimal cropping of digital image based on professionalism score of subject | |
US11995106B2 (en) | Crowd assisted query system | |
CN110383266A (zh) | 使用语义存储器的个性化通信 | |
CN109154945A (zh) | 基于数据属性的新连接推荐 | |
WO2022006162A1 (en) | Analyzing augmented reality content usage data | |
US20240281857A1 (en) | Automatic listing generation for multiple items | |
EP4222679A1 (en) | Analyzing augmented reality content item usage data | |
CN107637086A (zh) | 动态内容重新排序 | |
CN110140141A (zh) | 社交网络发起的列表 | |
CN108292318A (zh) | 生成概念图 |
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 |