CN110321491B - 基于未来目标确定消息对个人品牌的影响的方法和系统 - Google Patents

基于未来目标确定消息对个人品牌的影响的方法和系统 Download PDF

Info

Publication number
CN110321491B
CN110321491B CN201910236659.XA CN201910236659A CN110321491B CN 110321491 B CN110321491 B CN 110321491B CN 201910236659 A CN201910236659 A CN 201910236659A CN 110321491 B CN110321491 B CN 110321491B
Authority
CN
China
Prior art keywords
message
entity
future
impact
brand
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
CN201910236659.XA
Other languages
English (en)
Other versions
CN110321491A (zh
Inventor
N.纳萨尔
S.S.博尔泽
C.多特森
A.里菲
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.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
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 International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN110321491A publication Critical patent/CN110321491A/zh
Application granted granted Critical
Publication of CN110321491B publication Critical patent/CN110321491B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Human Resources & Organizations (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及基于社交媒体发布个人品牌的增量评分，提供了一种用于基于未来目标确定消息对个人品牌的影响的技术。从实体接收对社交媒体平台的消息。识别与消息相关的附加消息。确定一段时间内附加消息的每个主题的反应情绪趋势。根据实体的未来目标和每个主题的反应情绪趋势，预测消息对实体未来个人品牌的影响。根据预测的影响，提供消息是否与未来目标一致的指示。响应于消息与未来目标一致，将消息发布到社交媒体平台。响应于消息与未来目标不一致，提供一个或多个建议以修改消息。

Description

基于未来目标确定消息对个人品牌的影响的方法和系统
技术领域
本发明的实施例涉及在将消息提交给社交媒体平台之前基于未来目标确定消息(例如，社交媒体帖子)对个人品牌的影响。也就是说，实施例涉及基于社交媒体发布个人品牌的增量评分。因此，实施例确定当前消息对未来目标的影响。
背景技术
个人品牌可以被描述为关于个人的信息的集合(诸如教育背景、经历和感兴趣的领域)，其组合以创建该人的整体印象。个人品牌也可以包括其他人对此人的看法。
用户可能具有可能损害该用户的未来目标(诸如发展业务、获得工作或被允许进入学校)的社交媒体交互。高知名度或渊博的人可能会采用一些有限的、手动的方式来实现这一目标。例如，他们可以使用代理商或公共关系公司来基于已经发送的社交媒体帖子来修复他们的个人品牌。
发明内容
根据实施例，提供了一种计算机实现的方法，用于基于未来目标确定消息对个人品牌的影响。计算机实现的方法包括：使用计算机的处理器从实体接收对社交媒体平台的消息；识别与消息相关的附加消息；确定一段时间内附加消息的每个主题的反应情绪趋势；根据实体的未来目标和每个主题的反应情绪趋势，预测消息对实体未来个人品牌的影响；根据预测的影响，提供消息是否与未来目标一致的指示；响应于消息与未来目标一致，将消息发布到社交媒体平台；响应于消息与未来目标不一致，提供一个或多个建议以修改消息。
根据其他实施例，提供了一种计算机程序产品，用于基于未来目标确定消息对个人品牌的影响。该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质具有包含在其中的程序代码，可由至少一个处理器执行的该程序代码执行的操作包括：从实体接收对社交媒体平台的消息；识别与消息相关的附加消息；确定一段时间内附加消息的每个主题的反应情绪趋势；根据实体的未来目标和每个主题的反应情绪趋势，预测消息对实体未来个人品牌的影响；根据预测的影响，提供消息是否与未来目标一致的指示；响应于消息与未来目标一致，将消息发布到社交媒体平台；响应于消息与未来目标不一致，提供一个或多个建议以修改消息。
在另外一些实施例中，提供了一种计算机系统，用于基于未来目标确定消息对个人品牌的影响。该计算机系统包括一个或多个处理器、一个或多个计算机可读存储器和一个或多个计算机可读的存储设备、以及存储在一个或多个计算机可读存储设备中的至少一个上的程序指令，用于由一个或多个处理器中的至少一个经由一个或多个存储器中的至少一个执行，以执行的操作包括：从实体接收对社交媒体平台的消息；识别与消息相关的附加消息；确定一段时间内附加消息的每个主题的反应情绪趋势；根据实体的未来目标和每个主题的反应情绪趋势，预测消息对实体未来个人品牌的影响；根据预测的影响，提供消息是否与未来目标一致的指示；响应于消息与未来目标一致，将消息发布到社交媒体平台；响应于消息与未来目标不一致，提供一个或多个建议以修改消息。
附图说明
现在参考附图，其中相同的附图标记始终表示相应的部件：
图1以框图示出了根据某些实施例的计算环境。
图2以框图示出了根据某些实施例的历史数据分析器的进一步细节。
图3以框图示出了根据某些实施例的推荐生成器的进一步细节。
图4以流程图示出了根据某些实施例的用于在初始化时收集未来目标的数据的操作。
图5以流程图示出了根据某些实施例的用于处理数据的操作。
图6A和6B以流程图示出了根据某些实施例的用于确定消息对个人品牌的影响的操作。
图7A和7B以流程图示出了根据某些实施例的用于修改个人品牌的操作。
图8示出了根据某些实施例的计算节点。
图9示出了根据某些实施例的云计算环境。
图10示出了根据某些实施例的抽象模型层。
具体实施方式
已经出于说明的目的给出了对本发明的各种实施例的描述，但是并不旨在穷举或限制于所公开的实施例。在不脱离所描述的实施例的范围和精神的情况下，许多修改和变化对于本领域普通技术人员来说是显而易见的。选择这里使用的术语是为了最好地解释实施例的原理、实际应用或对市场中发现的技术的技术改进，或者使本领域普通技术人员能够理解本文公开的实施例。
图1以框图示出了根据某些实施例的计算环境。实体100向品牌影响分析器130提供消息。实体可以是个人(用户)、团体、协会、公司等。消息可以是社交媒体帖子或为社交媒体帖子提交的评论。消息的内容可能包括：文本、图像、视频、链接或这些类型内容的任何组合。
此外，品牌影响分析器130接收来自社交媒体数据108、实体100的实体偏好110、传统媒体数据和来自品牌概况生成器120的品牌概况的输入。品牌影响分析器130包括历史数据分析器132和推荐生成器134。
历史数据分析器132分析过去/历史消息对实体个人品牌的影响，同时推荐生成器134使用数据分析来了解类似类型的内容对具有类似的特定人口或类似的未来目标的实体(例如作者)有何影响，以提供是否提交消息或修改消息的建议。
品牌概况生成器120接收来自一个或多个社交媒体概况102、特定人口的信息104、未来目标106、社交媒体数据108和传统媒体数据112(例如新闻数据)的输入，并输出品牌概况。品牌概况描述了实体希望传达给社区的对实体的印象。例如，实体的品牌概况包括实体的未来目标和愿望、实体的当前个人品牌、其他人对该实体表达的意见、实体与集团的关联、实体表达意见的主题列表、实体与机构的关联等。如果实体是一个新的社交媒体实体，可以通过从另一个实体或具有类似的特定人口的一组实体获取共同属性来启动实施例。在实施例中，品牌概况生成器120会定期持续更新实体的品牌概况，以适应数据变化和未来目标。品牌概况生成器120通过使用各种数据源了解实体的当前个人品牌，这些数据源例如：一个或多个社交媒体概况102、实体的特定人口的信息104、实体的未来目标106、社交媒体数据108和实体生成的传统媒体内容。
一个或多个社交媒体概况102、特定人口的信息104、未来目标106、社交媒体数据108、实体偏好110和传统媒体数据112中的任何一个都可能发生变化，这可能会改变品牌概况并改变消息对个人品牌的影响。
社交媒体概况102可以描述为有关实体100使用社交媒体平台，如聊天应用程序、博客应用程序、社交网络应用程序、源应用程序、wikis应用程序等的消息。特定人口的信息104包括统计信息。未来目标106代表了该实体100的愿望。在实施例中，未来目标106包括下列任何组合:个人目标、职业目标、要保持一致的特定职位、要避免的不稳定的话题，以及吸引有利关注的意见。社交媒体数据108包括实体生成的数据(例如帖子、评论和代言)以及生成的有关实体的数据。
在实施例中，实体向品牌影响分析器130提供消息的内容。该消息在提交(例如，发布)到社交媒体平台之前，先提交给品牌影响分析器130。该消息提交给品牌影响分析器130可以通过直接提交到品牌影响分析器130或通过将品牌影响分析器130与社交媒体平台、消息发布工具或社交媒体网站整合来完成。
品牌影响分析器130为实体100提供了现在和将来消息的效果(即影响)。也就是说，目前发布的消息可能会影响未来的个人品牌。也就是说，一个实体目前发布的消息将来可能会针对该实体。此外，即使实体的意见可能会发生变化，在社交媒体平台上发布的消息仍可在很长一段时间内公开发布，因此这些消息可能会影响实体未来的个人品牌。
在实施例中，品牌效果分析器130通过消息以及人口信息和公众情绪信息分析过去的社交媒体互动，以基于实体的既定目标以及该消息将如何影响个人品牌，评价拟议的社交媒体互动被"可接受"的程度。
在实施例中，品牌效果分析器130可能是在将消息发布到社交媒体平台之前对消息进行筛选的应用程序。对于其他实施例，品牌影响分析器130可以是实体可能启用的特定社交媒体平台的附加组件。
作为第一个例子，一个实体登录到社交媒体平台，并在第一个帖子中键入实体刚刚阅读的新闻文章，输入对文章某些方面的意见。实施例分析第一个帖子，并将第一个帖子与该实体就该主题和类似主题先前表达的意见和声明进行比较。根据分析结果，实施例告知实体，此意见可能会对个人品牌产生负面影响，因为它与该实体以前在类似但不相关的文章上贴的第二条消息的帖子相矛盾，在此基础上，实体可能决定不将消息提交给社交媒体平台。
作为第二个例子，该实体是一个刚刚在社交媒体上起步的年轻人。该实体的目标是进入一所名列前茅的学院，并意识到学院在考虑向学院提出申请时将关注社交媒体的互动。该实体向社交媒体平台输入消息，但实施例没有可与此条目进行比较的先前消息。因此，实施例将消息与同行组的消息进行比较。在比较的基础上，实施例通知该实体，该消息不会对大学入学的目标产生任何影响。在此基础上，实体可以决定将消息提交给社交媒体平台。
最初，品牌影响分析器130将提议的消息与实体标识为同行的消息进行比较。同行可以被认定为：居住在同一地理区域、拥有相同的教育水平、预测了相似的未来目标和愿望等。
在实施例中，如果该实体对于使用社交媒体平台是新手(因此没有或很少有以前提交的消息)，则可以通过将类似的特定人口的信息与该实体的消息进行比较并确定对这些消息的反应与该实体的未来目标是否相一致来启动实施例。如果该实体是已建立的实体(具有先前提交的消息)，则实施例生成现有消息，并在对它们进行分析以确定它们是否与未来目标一致之后，或者通知该实体外围位置，或者可能将这些异常值作为特例，这取决于该实体希望如何作出反应。
最终，品牌影响分析器130充分了解该实体和该实体的特定人口库，以便在该实体提交消息之前能够向该实体建议，说明该消息是将推进还是有损于该实体的未来目标。
品牌影响分析器130在实体向社交媒体平台提交该消息之前从该实体接收消息。品牌影响分析器130通过提取帖子的主题来分析消息的内容。利用实施例，在给定消息中可能存在一个或多个主题，并且该主题表示消息的内容或消息相关的内容。然后，品牌影响分析器130提取该实体对这些主题所表达的情感/意见/语气。品牌影响分析器130通过理解具有相似意见类型的相似内容类型对相似的特定人口的实体或具有相似的目标和愿望的实体产生什么影响进行了比较。在分析完成后，品牌影响分析器130向实体提供一个或多个建议，以及一个示例。
以下是品牌影响分析器130可以提供的推荐的示例：
*以下消息与您之前的消息相矛盾，这可能会影响您成为可靠人员的目标。
*以下消息可能会冒犯您的爱好者(因为他们中的大多数人表达了对该主题的相反意见)。
图2以框图示出了根据某些实施例的历史数据分析器132的进一步细节。在图2中，历史数据分析器132包括训练数据生成器210、模型训练器220、模型230和调谐器240。模型230可以被描述为由训练数据生成器210收集的信息的数据表示。
历史数据分析器132使用机器学习来了解消息可能对实体的个人品牌产生的影响。利用实施例，历史数据分析器132读取到目前为止所发布的每个消息，并且不断地更新每个新消息的分析并随着时间而改进。因此，品牌影响分析器130使用机器学习，其分析所有历史数据以分析每个消息以及这些消息中的每一个对实体的个人品牌的影响。
训练数据生成器210可以使用以下一组技术来准备训练数据：文本分析、数据清理、提取、变换、加载(ETL)处理、命名实体识别和分类、自然语言处理(NLP)、个性见解、情感分析、视觉识别和语气分析。训练数据生成器210从以下数据源200接收数据：一个或多个社交媒体概况102、特定人口的信息104、未来目标106、社交媒体数据108和传统媒体数据112。在实施例中，品牌概况生成器120定期持续更新实体的品牌概况，以适应数据和未来目标的变化。品牌概况生成器120通过使用各种数据源来理解该实体的当前个人品牌，这些数据源例如：一个或多个社交媒体概况102、该实体的特定人口的信息104、该实体的未来目标106、社交媒体数据108和传统的关于实体生成的媒体内容。训练数据生成器210为模型训练器220生成训练数据。模型训练器220执行机器学习以创建模型230。调谐器240用于基于启发式和配置设置来调整模型，该启发式和配置设置确定事件对结果模型的影响程度。例如，对超过10年前发生的特定类型事件的反应对模型的影响小于对过去一年内发生的类似事件的反应。调谐器240基于模型的初始数据的影响输出对训练数据的建议变化。该建议的变化被输入到训练数据生成器210。
在实施例中，训练数据生成器210的输出存储在具有字段的数据库中。这些字段的示例包括：消息内容、消息主题、情绪、反应类型、消息语气、内容覆盖范围、实体的特定人口属性、反应器特定人口属性、当时的效果、现在的效果以及当前的个人品牌价值。该输出被发送到模型训练器220，其使用机器学习来训练模型230，而调谐器240使用经由模型训练器220发送的输出通过调整模型的内容来调整模型以启用品牌影响分析器130，以更好地预测给定消息对实体个人品牌的影响。
训练模型230由推荐生成器134使用。在实施例中，一旦从过去数据中充分学习模型训练器220能够准确预测发布对个人品牌的影响。
图3以框图示出了根据某些实施例的推荐生成器134的进一步细节。推荐生成器134包括数据预处理器310和预测器320。
实体使用推荐生成器134提交消息(例如，社交媒体帖子内容)。实体可以直接或作为推荐生成器134截取消息的工作流的一部分将消息提交给推荐生成器134。例如，在实施例中，实体可以直接与推荐生成器134交互并输入“如果我说x，对我个人品牌的影响是正面的还是负面的？”作为另一个例子，在实施例中，实体可能在一个社交媒体平台上有一个过滤器，在这个平台中，实体点击了“发布(post)”，推荐生成器134在发布消息之前说，“也许你应该仔细考虑发布这个消息”。
在直接提交场景中，实体将消息文本作为输入直接写入推荐生成器134，而不使用特定的社交媒体平台。推荐生成器134评估消息的潜能/影响并提供建议。然后，实体可以决定是否通过社交媒体平台提交消息。
在拦截场景中，实体将消息写入社交媒体帐户。推荐生成器134截取消息并在显示消息之前评估消息。如果确定消息对实体的个人品牌有负面影响，推荐生成器134会提醒实体，然后实体可以选择取消消息的提交。如果消息具有积极或中立的影响，推荐生成器134允许消息继续畅通无阻地发送到社交媒体平台。
在实施例中，实体100向数据预处理器310(品牌影响分析器130的推荐生成器134的)提供消息。数据预处理器310还接收来自社交媒体概况102、特定人口的信息104和未来目标106的输入。数据预处理器310还从品牌概况生成器120接收实体的品牌的概况。
数据预处理器310通过对消息、社交媒体概况、特定人口的信息、未来目标和品牌配置文件执行分析、数据清理和文本分析，生成中间数据330。数据预处理器310将中间数据330发送到预测器320。此外，推荐生成器134的预测器320使用历史数据分析器132生成的模型230(即机器学习模型)来预测当前内容对实体个人品牌的影响。
预测器320预测对实体品牌概况的影响，并提供消息对实体现在和将来的个人品牌的预测效果。此外，预测器140还提供该消息是否与实体以前发布或评论的消息相矛盾的指示。
图4以流程图示出了根据某些实施例的用于在初始化时收集未来目标的数据的操作。控制在框400由品牌概况生成器120收集和存储未来的个人和职业目标开始。在框402中，品牌概况生成器120收集和存储实体希望保持一致的对公开持有职位的态度。在框404中，品牌概况生成器120收集和存储不稳定的要避免的主题(即，易变的主题，可能会导致实体成为一个集中负面关注的避雷针)。在框406中，品牌概况生成器120收集和存储关于主题的意见(即可能从实体正希望吸引的一部分人给予实体有利关注的意见)。这些信息可以通过实施例提供的图形用户界面(GUI)收集。
图5以流程图示出了根据某些实施例的用于处理数据的操作。控制从框500以品牌影响分析器130按实体合并数据源开始。在框502中，品牌影响分析器130(即执行数据清理和数据丰富)以生成中间数据330。在框504中，品牌影响分析器130使用中间数据确定多个消息的每个消息的影响，并生成输出数据来调整模型。
图6A和6B以流程图的形式说明了根据某些实施例确定消息对个人品牌的影响的操作。控制从框600以品牌影响分析器130接收消息开始。在一些实施例中，消息是尚未发布的消息。在其他实施例中，消息是已发布的消息。无论哪种情况，品牌影响分析器130都提供了有关实体发布消息的主题的建议。
在框602中，品牌影响分析器130从消息中提取名称、实体和一个或多个主题。在框604中，品牌影响分析器130确定一个或多个主题的每个主题的情感和语气。情感是指一个实体对某事物的感觉(例如，积极的、消极的或中性的)，而语气则表示一种表达方式(例如，攻击性、移情性、中性等)。在框606中，品牌影响分析器130为一个或多个主题查找类似的消息。在框608中，品牌影响分析器130根据提交的(例如，张贴的)关于类似消息的评论来确定对这些类似消息的反应。从框608(图6A)，处理继续到框610(图6B)。
在框610中，品牌影响分析器130确定在一段时间内一个或多个主题中每一个的反应情绪趋势。在某些实施例中，对于已发布的消息，所述时间段可以是从该消息发布的时间到当前时间。在其他实施例中，所述时间段可由该实体设置、设置为默认时间段等。对于实施例，框610的处理可对已发布的消息定期进行，并可用于生成时间序列数据。
在框612中，品牌影响分析器130利用对一个或多个主题中每一个的确定的反应情绪趋势并根据一段时间内的未来目标对该实体的一个品牌进行影响分析。在某些实施例中，对于已发布的消息，所述时间段可以是从该消息发布的时间到当前时间。在其他实施例中，所述时间段可由该实体设置，设置为默认时间段等。对于实施例，框612的处理可对已发布的消息定期进行，并可用于生成时间序列数据。
在框614中，品牌影响分析器130提供了消息对实体的影响的指示。在框616中，品牌影响分析器130提供主题的建议以提交提升个人品牌的消息。
图7A和7B以流程图示出了根据某些实施例的用于修改个人品牌的操作。控制在框700从品牌影响分析器130从实体接收用于社交媒体平台的消息开始。在框702中，品牌影响分析器130标识与消息相关的附加消息。在框704中，品牌影响分析器130确定在一段时间内附加消息的每个主题的反应情绪趋势。在框706中，品牌影响分析器130根据实体的未来目标和每个主题的反应情绪趋势预测消息在未来对实体的个人品牌的影响。在框708中，品牌影响分析器130根据确定的影响提供消息是否与未来目标一致的指示。
从框708(图7A)开始，处理继续到框710(图7B)。在框710中，品牌影响分析器130确定消息是否与实体的未来目标一致。如果是，处理将继续进行到框712，否则，处理将继续到框716。
在框712中，品牌影响分析器130在不改变社交媒体平台的情况下发布消息。在框714中，品牌影响分析器130更新实体的社交媒体数据。
在框716中，品牌影响分析器130提供一个或多个建议以修改消息。在框718中，品牌影响分析器130确定是否收到修改后的消息。如果收到，处理循环回到框702，否则处理继续到框720。在框720中，品牌影响分析器130处理在框700中接收的消息就结束。
因此，响应于收到与未来目标一致的消息，将消息发布到社交媒体平台；并且，响应于收到与未来目标不一致的消息，提供一个或多个建议以修改消息。
实施例有利地在消息发布到社交媒体平台之前分析消息。如果该消息对实体有利，将消息发布到社交媒体平台。如果该消息对实体不利，那么实体可以选择更改消息。然后，再次分析消息。
因此，实施例评估实体的发布对实体自身社交媒体足迹的影响。实施例旨在确定潜在帖子对实体在线形象的影响。
与在消息发布后修复问题的代理或公共关系公司不同，实施例在消息发布前提供消息影响的指示，从而避免发布与未来目标不一致的消息的问题。
图8示出了根据某些实施例的计算节点。在某些实施例中，计算环境是云计算环境。参考图8，计算机节点812只是适当的计算节点的一个示例，并不意在对本文所述的本发明实施例的使用范围或功能提出任何限制。无论如何，计算机节点812能够实现和/或执行上述任何功能。
计算机节点812可以是一个计算机系统，其与许多其他通用或专用计算系统环境或配置一起运行。适用于计算机节点812的著名计算系统、环境和/或配置的示例包括但不限于个人计算机系统、服务器计算机系统、瘦客户端、厚客户端、手持或笔记本设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子产品、网络PC、小型计算机系统、大型机计算机系统以及包括上述任何系统或设备的分布式云计算环境，等等。
计算机节点812可在由计算机系统执行的计算机系统可执行指令(例如程序模块)的一般上下文中描述。通常，程序模块可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、逻辑、数据结构等。计算机节点812可以在分布式云计算环境中使用，其中任务由通过通信网络链接的远程处理设备执行。在分布式云计算环境中，程序模块可以位于包括内存存储设备的本地和远程计算机系统存储介质中。
如图8所示，计算机节点812以通用计算设备的形式显示。计算机节点812的组件可以包括但不限于一个或多个处理器或处理单元816、系统内存828和将包括系统内存828的各种系统组件连接到一个或多个处理器或处理单元816的总线818。
总线818表示几种总线结构中的一种或多种，包括内存总线或内存控制器、外设总线、加速图形端口以及使用各种总线体系结构的处理器或本地总线。例如，这类体系结构包括但不限于行业标准体系结构(ISA)总线、微通道体系结构(MCA)总线、增强ISA(EISA)总线、视频电子标准协会(VESA)本地总线和外围组件。互连(PCI)总线。
计算机节点812通常包括各种计算机系统可读介质。此类介质可以是计算机节点812可访问的任何可用介质，它包括易失性和非易失性介质、可移动和不可移动介质。
系统内存828可以包括计算机系统以易失性存储器形式的可读介质，如随机存取存储器(RAM)830和/或高速缓存832。计算机节点812还可包括其他可移动的/不可移动的、挥发的/不挥发的计算机系统存储介质。例如，存储系统834可以提供读取和写入非可移动的、非易失性的磁性介质(未显示，通常称为"硬盘驱动器")。虽然未显示，但也可以提供用于从可移动的非易失性磁盘(例如"软盘")读取和写入的磁盘驱动器，以及用于从可移动的如CD-ROM、DVD-ROM或其他光学介质的非易失性光盘。在这种情况下，每个都可以通过一个或多个数据介质接口连接到总线818。如下文所述和上文所述，系统内存828可以包括至少一个程序产品，该产品具有一组程序模块(例如，至少一个)，这些模块被配置为执行本发明实施例的功能。
具有一组(至少一个)程序模块842的程序/实用程序840，可以通过例如，但不限于操作系统、一个或多个应用程序、其他程序模块和程序数据存储在系统内存828中。操作系统、一个或多个应用程序、其他程序模块和程序数据或其中的某种组合中的每个，都可以包括网络环境的实现。程序模块842一般执行如本文所述的本发明实施例的功能和/或方法。
计算机节点812还可以与一个或多个外部设备814通信，如键盘、指点设备、显示器824等；使用户能够与计算机节点812交互的一个或多个设备；和/或使计算机节点812能够与一个或多个其他计算设备通信的任何设备(例如网卡、调制解调器等)。这种通信可以通过输入/输出(I/O)接口822进行。然而，计算机节点812还可以通过网络适配器820与一个或多个网络，如局域网(LAN)、一般广域网(WAN)和/或公共网络(例如internet)通信。如图所示，网络适配器820通过总线818与计算机节点812的其他组件进行通信。应该理解的是，虽然没有显示，但其他硬件和软件组件可以与计算机节点812一起使用。例如，包括但不限于:微码、设备驱动程序、冗余处理单元、外部磁盘驱动器阵列、RAID系统、磁带驱动器和数据存档存储系统等。
在某些实施例中，品牌概况生成器120和品牌影响分析器130具有计算机节点1012的体系结构。在某些实施例中，品牌概况生成器120和品牌影响分析器130是云基础架构的一部分。在某些替代实施例中，品牌概况生成器120和品牌影响分析器130不是云基础架构的一部分。
云实施例
首先应当理解，尽管本公开包括关于云计算的详细描述，但其中记载的技术方案的实现却不限于云计算环境，而是能够结合现在已知或以后开发的任何其它类型的计算环境而实现。
云计算是一种服务交付模式，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源，例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。
特征包括：
按需自助式服务：云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。
广泛的网络接入：计算能力可以通过标准机制在网络上获取，这种标准机制促进了通过不同种类的瘦客户机平台或厚客户机平台(例如移动电话、膝上型电脑、个人数字助理PDA)对云的使用。
资源池：提供者的计算资源被归入资源池并通过多租户(multi-tenant)模式服务于多重消费者，其中按需将不同的实体资源和虚拟资源动态地分配和再分配。一般情况下，消费者不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。
迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费者看来，用于部署的可用计算能力往往显得是无限的，并能在任意时候都能获取任意数量的计算能力。
可测量的服务：云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监测、控制和报告资源使用情况，为服务提供者和消费者双方提供透明度。
服务模型如下：
软件即服务(SaaS)：向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户机接口(例如基于网络的电子邮件)从各种客户机设备访问应用。除了有限的特定于用户的应用配置设置外，消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。
平台即服务(PaaS)：向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。
基础架构即服务(IaaS)：向消费者提供的能力是消费者能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构，但是对操作系统、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。
部署模型如下：
私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。
共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。
公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。
混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。
云计算环境是面向服务的，特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。
现在参考图9，其中显示了示例性的云计算环境950。如图所示，云计算环境950包括云计算消费者使用的本地计算设备可以与其相通信的一个或者多个云计算节点910，本地计算设备例如可以是个人数字助理(PDA)或移动电话954A，台式电脑954B、笔记本电脑954C和/或汽车计算机系统954N。云计算节点10之间可以相互通信。可以在包括但不限于如上所述的私有云、共同体云、公共云或混合云或者它们的组合的一个或者多个网络中将云计算节点910进行物理或虚拟分组(图中未显示)。这样，云的消费者无需在本地计算设备上维护资源就能请求云计算环境950提供的基础架构即服务(IaaS)、平台即服务(PaaS)和/或软件即服务(SaaS)。应当理解，图9显示的各类计算设备954A-N仅仅是示意性的，云计算节点910以及云计算环境950可以与任意类型网络上和/或网络可寻址连接的任意类型的计算设备(例如使用网络浏览器)通信。
现在参考图10，其中显示了云计算环境950(图9)提供的一组功能抽象层。首先应当理解，图10所示的组件、层以及功能都仅仅是示意性的，本发明的实施例不限于此。如图10所示，提供下列层和对应功能：
硬件和软件层1060包括硬件和软件组件。硬件组件的示例包括：大型机1061、基于RISC(精简指令集计算机)架构的服务器1062、服务器1063、刀片服务器1064、存储设备1065、以及网络和网络组件1066。在一些实施例中，软件组件包括网络应用服务器软件1067和数据库软件1068。
虚拟层1070提供一个抽象层，该层可以提供下列虚拟实体的例子：虚拟服务器1071、虚拟存储1072、虚拟网络1073(包括虚拟私有网络)、虚拟应用和操作系统1074，以及虚拟客户端1075。
在一个示例中，管理层1080可以提供下述功能：资源供应功能1081：提供用于在云计算环境中执行任务的计算资源和其它资源的动态获取；计量和定价功能1082：在云计算环境内对资源的使用进行成本跟踪，并为此提供帐单和发票。在一个例子中，该资源可以包括应用软件许可。安全功能：为云的消费者和任务提供身份认证，为数据和其它资源提供保护。用户门户功能1083：为消费者和系统管理员提供对云计算环境的访问。服务水平管理功能1084：提供云计算资源的分配和管理，以满足必需的服务水平。服务水平协议(SLA)计划和履行功能1085：为根据SLA预测的对云计算资源未来需求提供预先安排和供应。
工作负载层1090提供云计算环境可能实现的功能的示例。在该层中，可提供的工作负载或功能的示例包括：地图绘制与导航1091；软件开发及生命周期管理1092；虚拟教室的教学提供1093；数据分析处理1094；交易处理1095；以及基于未来目标确定消息对个人品牌的影响1096。因此，在某些实施例中，根据本文所述的实施例实现基于未来目标确定消息对个人品牌的影响的软件或程序作为云环境中的服务提供。
其他实施例的细节
本发明可以是系统，方法和/或计算机程序产品。该计算机程序产品可以包括计算机可读存储介质，其上具有计算机可读程序指令，使得处理器执行本发明的各方面。
计算机可读存储介质可以是有形设备，其可以保留和存储指令以供指令执行设备使用。计算机可读存储介质可以是例如但不限于：电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适组合。计算机可读存储介质的更具体示例的非详尽列表包括以下内容：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式光盘只读存储器(CD-ROM)、数字通用光盘(DVD)、记忆棒、软盘、机械编码装置，例如在其上记录有指令的凹槽中的穿孔卡或凸起结构，以及前述的任何合适的组合。这里使用的计算机可读存储介质不应被解释为暂时性信号本身，例如无线电波或其他自由传播的电磁波，通过波导或其他传输介质(例如，通过光纤电缆传播的光脉冲)传播的电磁波或通过电线传输的电信号。
本文描述的计算机可读程序指令可以经由网络从计算机可读存储介质或外部计算机或外部存储设备下载到相应的计算/处理设备，网络例如，因特网、局域网、广域网和/或无线网络。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口从网络接收计算机可读程序指令，并将计算机可读程序指令转发以存储在相应计算/处理设备内的计算机可读存储介质中。
用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据或。以一种或多种编程语言的任意组合编写的源代码或目标代码的任一个，编程语言包括诸如Smalltalk，C++等的面向对象的编程语言，以及诸如“C”编程语言或类似编程语言的传统过程编程语言。计算机可读程序指令可以完全在用户的计算机上、部分在用户的计算机上、作为独立的软件包、部分地在用户的计算机上，部分地在远程计算机上或完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，网络包括局域网(LAN)或广域网(WAN)、或者可以到外部计算机的连接(用于例如，通过互联网使用互联网服务提供商)。在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来个性化电子电路来执行计算机可读程序指令，以执行本发明的各方面。
这里参考根据本发明实施例的方法，装置(系统)和计算机程序产品的流程图和/或框图来描述本发明的各方面。将理解，流程图图示和/或框图的每个框以及流程图图示和/或框图中的框的组合可以由计算机可读程序指令实现。
这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以生成一个机器，使得指令通过计算机或其他可编程数据处理设备的处理器执行，创建用于实现在流程图和/或框图块中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，该计算机可读存储介质可以指示计算机、可编程数据处理装置和/或其他设备以特定方式起作用，使得具有指令存储在其中的计算机可读存储介质包括一种制品，该制品包括实现流程图和/或框图块中指定的功能/动作的各方面的指令。
计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现在流程图和/或框图块中指定的功能/动作。
附图中的流程图和框图显示了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这方面，流程图或框图中的每个框可以表示模块、段或指令的一部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方式中，框中提到的功能可以不按图中所示的顺序发生。例如，连续示出的两个方框实际上可以基本上同时执行，或者这些方框有时可以以相反的顺序执行，这取决于所涉及的功能。还应注意，框图和/或流程图图示的每个框以及框图和/或流程图图示中的框的组合可以由执行特定功能或动作的专用基于硬件的系统来实现或由专用硬件和计算机指令的组合来执行。

Claims (8)

1.一种用于基于未来目标确定消息对个人品牌的影响的方法，包括:
从品牌概况、一个或多个社交媒体档案、一种或多种未来目标、社交媒体数据、传统媒体数据和实体的实体偏好生成训练数据；
使用所述训练数据执行机器学习以输出模型；
从实体接收对社交媒体平台的消息；
识别与所述消息相关的附加消息；
确定一段时间内所述附加消息的每个主题的反应情绪趋势；
确定所述消息是否与所述实体以前发布或评论的消息相矛盾的指示；
使用所述模型，根据所述实体的未来目标和所述每个主题的反应情绪趋势，并基于所述消息是否与所述实体以前发布或评论的消息相矛盾的指示，预测所述消息对所述实体的未来个人品牌的影响，所述预测包括
将所述消息与所述实体已经做出的先前表达的意见和声明进行比较；以及
对于具有类似未来目标的另一实体，确定所述另一实体的一个或多个其他消息具有的效果，其中所述一个或更多个其他消息与所述消息具有类似类型的内容；
响应于所述消息与所述未来目标一致，将消息发布到社交媒体平台；
响应于所述消息与所述未来目标不一致，提供一个或多个修改所述消息的建议；以及
响应于接收到具有所述一个或多个修改所述消息的建议的至少一个的修改消息，
基于新的预测影响来确定修改后的消息与未来目标一致；以及
将所述修改后的消息发布到所述社交媒体平台；
基于确定每个事件对所述模型的影响程度的启发式和配置设置来调整所述模型；以及
基于所述训练数据对所述模型的影响来提供对所述训练数据的建议的改变。
2.根据权利要求1所述的方法，其中所述未来目标包括个人目标、职业目标、要保持一致的特定职位、要避免的不稳定主题以及吸引有利关注的意见中的任何一个。
3.如权利要求1所述的方法，还包括：
从所述消息中提取一个或多个主题；以及
确定关于所述消息中的一个或多个主题的任何情绪、意见和语气。
4.如权利要求3所述的方法，还包括：
查找由所述一个或多个主题的共同的特定人口的其他实体发布的所述附加消息；以及
根据提交的关于类似消息的评论确定对这些类似消息的反应。
5.如权利要求1所述的方法，其中软件即服务SaaS被配置为执行方法操作。
6.一种计算机可读存储介质，该计算机可读存储介质具有包含在其中的程序代码，可由至少一个处理器执行的该程序代码执行权利要求1-5之一所述的方法的步骤。
7.一种计算机系统，包括：
一个或多个处理器，一个或多个计算机可读存储器和一个或多个计算机可读的存储设备；以及
存储在一个或多个计算机可读存储设备中的至少一个上的程序指令，用于由一个或多个处理器中的至少一个经由一个或多个存储器中的至少一个执行，以执行包括权利要求1-5之一所述的方法的步骤。
8.一种计算机系统，包括用于实现权利要求1-5之一所述的方法的步骤的装置。
CN201910236659.XA 2018-03-27 2019-03-27 基于未来目标确定消息对个人品牌的影响的方法和系统 Active CN110321491B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/936,994 2018-03-27
US15/936,994 US11941707B2 (en) 2018-03-27 2018-03-27 Determining an effect of a message on a personal brand based on future goals

Publications (2)

Publication Number Publication Date
CN110321491A CN110321491A (zh) 2019-10-11
CN110321491B true CN110321491B (zh) 2023-06-20

Family

ID=68054966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910236659.XA Active CN110321491B (zh) 2018-03-27 2019-03-27 基于未来目标确定消息对个人品牌的影响的方法和系统

Country Status (2)

Country Link
US (2) US11941707B2 (zh)
CN (1) CN110321491B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11941707B2 (en) 2018-03-27 2024-03-26 International Business Machines Corporation Determining an effect of a message on a personal brand based on future goals
US11269911B1 (en) * 2018-11-23 2022-03-08 Amazon Technologies, Inc. Using specified performance attributes to configure machine learning pipeline stages for an ETL job
CN115392260B (zh) * 2022-10-31 2023-04-07 暨南大学 一种面向特定目标的社交媒体推文情感分析方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105144227A (zh) * 2013-01-02 2015-12-09 微软技术许可有限责任公司 社交媒体影响力评估
CN106021269A (zh) * 2015-03-27 2016-10-12 国际商业机器公司 用于转化社交媒体重新共享的方法和系统

Family Cites Families (29)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8914301B2 (en) 2005-10-28 2014-12-16 Joyce A. Book Method and apparatus for dynamic ad creation
US8465175B2 (en) * 2005-11-29 2013-06-18 GE Lighting Solutions, LLC LED lighting assemblies with thermal overmolding
US20080046823A1 (en) 2006-08-15 2008-02-21 Scott Anson Korbin Web-based sales transaction interface tool with dynamic personal branding and method of use
US20090112719A1 (en) 2007-09-26 2009-04-30 Bhave Mahesh P Branded inter-personal communications
US9076125B2 (en) 2009-02-27 2015-07-07 Microsoft Technology Licensing, Llc Visualization of participant relationships and sentiment for electronic messaging
WO2012170186A2 (en) 2011-06-06 2012-12-13 Iam Inc. Method and system for intelligently networked communities
US9747609B2 (en) * 2011-07-20 2017-08-29 ReadyPulse, Inc. System and method for brand management using social networks
CN102279890A (zh) 2011-09-02 2011-12-14 苏州大学 基于微博的情感词提取收集方法
US20130185106A1 (en) 2012-01-17 2013-07-18 International Business Machines Corporation Using social media objects for content curation, management, and engagement facilitation
US9852239B2 (en) 2012-09-24 2017-12-26 Adobe Systems Incorporated Method and apparatus for prediction of community reaction to a post
EP2926311A4 (en) 2012-11-27 2016-05-11 Guvera Ip Pty Ltd MARKETING METHOD AND SYSTEM USING ELECTRONIC NETWORKING MEDIA
US9313284B2 (en) 2013-03-14 2016-04-12 International Business Machines Corporation Smart posting with data analytics and semantic analysis to improve a message posted to a social media service
US20160132915A1 (en) 2013-06-27 2016-05-12 Hewlett-Packard Development Company, L.P. Assessing value of a brand based on online content
WO2015023546A1 (en) 2013-08-10 2015-02-19 Genesys Telecommunications Laboratories, Inc. Methods and apparatus for determining outcomes of on-line conversations and similar discourses through analysis of expressions of sentiment during the conversations
US20150170228A1 (en) 2013-12-17 2015-06-18 State Farm Mutual Automobile Insurance Company Customer feedback system
US10915973B2 (en) 2014-03-05 2021-02-09 Transform Sr Brands Llc System and method providing expert audience targeting
US9367537B2 (en) 2014-04-01 2016-06-14 International Business Machines Corporation Analyzing messages and/or documents to provide suggestions to modify messages and/or documents to be more suitable for intended recipients
US20150309965A1 (en) * 2014-04-28 2015-10-29 Elwha Llc Methods, systems, and devices for outcome prediction of text submission to network based on corpora analysis
US9646096B2 (en) 2014-06-03 2017-05-09 Go Daddy Operating Company, LLC System and methods for analyzing and improving online engagement
CA2893984A1 (en) 2014-06-05 2015-12-05 Riavera Corp. Social network messaging with integrated advertising
US11379781B2 (en) 2014-06-27 2022-07-05 o9 Solutions, Inc. Unstructured data processing in plan modeling
US9563693B2 (en) 2014-08-25 2017-02-07 Adobe Systems Incorporated Determining sentiments of social posts based on user feedback
US11042946B2 (en) 2014-09-30 2021-06-22 Walmart Apollo, Llc Identity mapping between commerce customers and social media users
US20160352805A1 (en) 2015-05-28 2016-12-01 Bizhive, Llc Online reputation monitoring and intelligence gathering
US11315149B2 (en) * 2015-08-28 2022-04-26 International Business Machines Corporation Brand personality inference and recommendation system
US10887162B2 (en) 2015-12-17 2021-01-05 International Business Machines Corporation Dynamic planning and configuration based on inconsistent supply
CN105468780B (zh) 2015-12-18 2019-01-29 北京理工大学 一种微博文本中产品名实体的规范化方法及装置
CN107194721A (zh) 2017-05-12 2017-09-22 中国人民解放军信息工程大学 基于声誉记录分析的服务推荐者发现方法
US11941707B2 (en) 2018-03-27 2024-03-26 International Business Machines Corporation Determining an effect of a message on a personal brand based on future goals

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105144227A (zh) * 2013-01-02 2015-12-09 微软技术许可有限责任公司 社交媒体影响力评估
CN106021269A (zh) * 2015-03-27 2016-10-12 国际商业机器公司 用于转化社交媒体重新共享的方法和系统

Also Published As

Publication number Publication date
US11636554B2 (en) 2023-04-25
US11941707B2 (en) 2024-03-26
US20190304036A1 (en) 2019-10-03
CN110321491A (zh) 2019-10-11
US20190304034A1 (en) 2019-10-03

Similar Documents

Publication Publication Date Title
US11093871B2 (en) Facilitating micro-task performance during down-time
US9736199B2 (en) Dynamic and collaborative workflow authoring with cloud-supported live feedback
CN110688466B (zh) 在用户对话系统中集成多个领域问题解决
US10992486B2 (en) Collaboration synchronization
US20200175456A1 (en) Cognitive framework for dynamic employee/resource allocation in a manufacturing environment
US11397954B2 (en) Providing analytics on compliance profiles of type organization and compliance named entities of type organization
CN110321491B (zh) 基于未来目标确定消息对个人品牌的影响的方法和系统
US10733379B2 (en) Cognitive document adaptation
US10262266B2 (en) Identifying and analyzing impact of an event on relationships
US11288293B2 (en) Methods and systems for ensuring quality of unstructured user input content
US10977247B2 (en) Cognitive online meeting assistant facility
US10332048B2 (en) Job profile generation based on intranet usage
CN112307177A (zh) 使用非结构会话机器人生成过程流模型
US20210158406A1 (en) Machine learning-based product and service design generator
US11099107B2 (en) Component testing plan considering distinguishable and undistinguishable components
US11762864B2 (en) Chat session external content recommender
US20200097866A1 (en) Project resource risk management
US10776370B2 (en) Cognitive counter-matching of mined data
US11303683B2 (en) Methods and systems for managing distribution of online content based on content maturity
US20200090284A1 (en) Socially-enabled motivational predisposition prediction
US20220270109A1 (en) Process automation using analysis of enterprise network
US9633000B2 (en) Dictionary based social media stream filtering
US10417307B1 (en) Cognitive oriented display
US20210073738A1 (en) Cognitive application reviewer
US11188968B2 (en) Component based review system

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