CN111279328B - 预测对于特定场境的搜索的意图 - Google Patents
预测对于特定场境的搜索的意图 Download PDFInfo
- Publication number
- CN111279328B CN111279328B CN201880032893.4A CN201880032893A CN111279328B CN 111279328 B CN111279328 B CN 111279328B CN 201880032893 A CN201880032893 A CN 201880032893A CN 111279328 B CN111279328 B CN 111279328B
- Authority
- CN
- China
- Prior art keywords
- search
- computing device
- user
- intent
- search query
- 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
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
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Abstract
本文描述了一种计算系统,所述计算系统基于由一组计算设备执行的用户发起的动作,确定使用从所述计算设备接收的特定搜索查询的搜索的意图。所述计算系统基于所述意图,通过强调满足所述意图的信息来调整从使用所述搜索查询的搜索获得的至少特定的一部分搜索结果。所述计算系统向所述计算设备发送所调整的搜索结果的指示。
Description
背景技术
用户可能求助于计算设备以获得可能有助于用户完成特定任务的信息和事实。一些计算设备要求用户能够提供足够的信息(例如,搜索查询词项),以引导计算设备定位用户正在搜索的特定信息。如果搜索查询没有缩窄地定制,或者如果用户除了查询之外没有提供太多附加信息,则计算设备可能会返回太多信息;其中一些最有趣或最相关的信息是用户难以找到的,例如该信息不在第一结果页中呈现。在尝试找到相关信息时,用户可能手动遍览显示在计算设备的屏幕上的多页搜索结果。用户可能会经历焦虑和/或浪费宝贵时间和计算设备的资源来将非常详细的查询输入到计算设备中,使得计算设备和/或更广泛的相关联计算系统执行多次搜索,或者筛选大量搜索结果,以获得完成特定任务所需的信息。
发明内容
大体上,本公开的技术可以使计算系统能够预测针对计算设备的特定场境(context)的搜索查询的意图。基于计算设备/用户的场境信息(例如,位置、用户兴趣、日内时间等),系统能够为搜索查询定义相关场境,并基于相关场境来预测在相关场境下使用搜索查询进行搜索的意图或目的。系统可以基于该意图来调整从搜索返回的搜索结果,使得相对于从搜索返回的其它信息强调满足该意图的信息。例如,在计算设备的用户获得电影院中上映的特定电影的电影票之后,用户可能使计算系统使用特定电影的名称作为查询的一部分来执行搜索。系统可以获得场境信息,包括已经针对特定电影的将来放映获得电影票的指示。作为响应,系统可以推断出(例如,基于指示由其它计算设备执行的用户发起动作的日志数据)包括特定电影的名称的搜索是为了除获得额外的电影票之外的目的。因此,系统可以调整从搜索返回的搜索结果,以便电影放映时间的排名低于有关该特定电影的其它信息(例如,评论、纪念品、花絮等)。以这种方式,通过自动调整搜索结果以强调用户更可能在当前场境下搜索的信息,系统可以允许用户找到信息,而无需手动遍览连续显示在计算设备的屏幕上的多页搜索结果。这至少对计算设备和更广泛的计算系统有益,因为不需要计算设备响应于来自用户的手动页面循回输入而部署其硬件资源来获得并连续显示多页搜索结果。用户也不太可能决定为了尝试使得系统提供更多和/或重新排序的搜索结果以便用户能够更轻松地识别信息而使用不同搜索查询来发起新搜索。另外,通过自动调整搜索结果以强调用户在当前场境下更可能在搜索的信息,系统可以允许用户更少的焦虑和/或不浪费宝贵的时间和资源在搜索结果中以及在搜索结果之间寻找信息。
贯穿本公开,描述了多个示例,其中仅当计算设备接收到来自计算设备用户对信息分析的许可时,计算设备和/或计算系统才分析与计算设备和计算设备的用户相关联的信息(例如,场境、位置、速度、搜索查询等)。例如,在以下讨论的情况下,在计算设备或计算系统能够收集或可以利用与用户相关联的信息之前,可以为用户提供机会,以提供输入来控制计算设备和/或计算系统的程序或特征是否能够收集和使用用户信息(例如,有关用户当前位置、当前速度的信息等等),或指示设备和/或系统是否和/或如何接收可能是与用户相关的内容。另外,某些数据可以在被计算设备和/或计算系统存储或使用之前被以一种或多种方式处理,以便删除个人可识别信息。例如,可以处理用户的身份,以便无法确定有关该用户的个人可识别信息,或者可以在获得位置信息的情况下将用户的地理位置泛化(例如,泛化到城市、邮政编码或州级别),使得无法确定用户的特定位置。因而,用户可以控制如何收集关于用户的信息以及信息如何被计算设备和计算系统使用。
在一个示例中,本公开涉及一种方法,该方法包括:由计算系统基于由一组计算设备执行的用户发起的动作和计算设备的场境信息来确定使用从计算设备接收到的特定搜索查询的搜索的意图;基于该意图,通过强调满足该意图的信息来调整从使用搜索查询的搜索获得的至少特定的一部分搜索结果;以及由计算系统向计算设备发送所调整的搜索结果的指示。
在另一示例中,本公开涉及一种系统,其包括:用于基于由一组计算设备执行的用户发起的动作和计算设备的场境信息来确定使用从计算设备接收到的特定搜索查询的搜索的意图的装置;用于基于该意图通过强调满足该意图的信息而调整从使用搜索查询的搜索获得的至少特定的一部分搜索结果的装置;以及用于向计算设备发送所调整的搜索结果的指示的装置。
在另一示例中,本公开涉及一种计算系统,其包括至少一个处理器和包括指令的存储器,这些指令在被执行时使该至少一个处理器:基于由一组计算设备执行的用户发起的动作和计算设备的场境信息来确定使用从计算设备接收到的特定搜索查询的搜索的意图;基于该意图,通过强调满足该意图的信息而调整从使用搜索查询的搜索获得的至少特定的一部分搜索结果;以及向计算设备发送所调整的搜索结果的指示。
在另一示例中,本公开涉及一种包括指令的计算机可读存储介质,这些指令在被执行时配置计算系统的至少一个处理器以:基于由一组计算设备执行的用户发起的动作和计算设备的场境信息来确定使用从计算设备接收到的特定搜索查询的搜索的意图;基于该意图,通过强调满足该意图的信息而调整从使用搜索查询的搜索获得的至少特定的一部分搜索结果;以及向计算设备发送所调整的搜索结果的指示。
在附图和以下描述中阐述了一个或多个示例的细节。根据描述和附图以及根据权利要求书,本公开的其它特征、目标和优点将显而易见。
附图说明
图1是示出根据本公开的一个或多个方面的、用于预测与搜索查询相关联的意图以及基于意图调整搜索结果的示例系统的概念图。
图2是示出根据本公开的一个或多个方面的、被配置成预测与搜索查询相关联的意图以及基于该意图来调整搜索结果的示例计算系统的方框图。
图3是示出根据本公开的一个或多个方面的、由被配置成预测与搜索查询相关联的意图以及基于该意图来调整搜索结果的示例计算系统执行的示例操作的流程图。
具体实施方式
图1是示出根据本公开的一个或多个方面的、用于预测与搜索查询相关联的意图以及基于意图来调整搜索结果的示例系统的概念图。系统100包括经由网络130与计算设备110A-110N(统称为“计算设备110”)通信的信息服务器系统(“ISS”)160。
网络130表示用于在计算系统、服务器和计算设备之间传输数据的任何公用或专用通信网络,例如,蜂窝、Wi-Fi和/或其它类型的网络。ISS 160可以经由网络130与计算设备110交换数据,以提供当计算设备110连接到网络130时计算设备110可访问的预测和服务。
网络130可包括可操作地相互耦合的一个或多个网络中枢、网络交换机、网络路由器或任何其它网络设备,从而提供ISS 160与计算设备110之间的信息交换。计算设备110和ISS 160可以使用任何适当的通信技术跨网络130发送和接收数据。计算设备110和ISS 160均可以使用相应的网络链路来可操作地耦合到网络130。将计算设备110和ISS160耦合到网络130的链路可以是以太网或其它类型的网络连接,并且这些连接可以是无线和/或有线连接。
ISS 160托管搜索服务(或至少提供对其的访问)。在提供搜索服务的过程中,ISS160可以与计算设备110通信以获得完成任务所需的信息。ISS 160表示任何合适的远程计算系统,诸如一个或多个台式计算机、膝上型计算机、大型机、服务器、云计算系统等,其能够向网络(诸如网络130)发送信息并从网络接收信息。在一些示例中,ISS 160表示经由云提供对搜索服务的访问的云计算系统。
计算设备110表示被配置成访问经由网络130提供的搜索服务的个体移动或非移动计算设备。计算设备110可以经由网络130与ISS 160通信以访问由ISS 160提供的搜索服务。计算设备110的示例包括移动电话、平板计算机、膝上型计算机、台式计算机、服务器、大型机、机顶盒、电视机、可穿戴设备(例如,计算机化手表、计算机化眼镜、计算机化手套等)、家庭自动化设备或系统(例如,智能恒温器、安全系统、桌面助理设备)、语音接口或台面家庭助理设备、个人数字助理(PDA)、游戏系统、媒体播放器、电子书阅读器、移动电视平台、汽车导航或信息娱乐系统,或被配置成经由诸如网络130的网络来访问搜索服务并接收信息的任何其它类型的移动、非移动、可穿戴以及非可穿戴计算设备。
在图1的示例中,ISS 160包括场境模块162、预测模块164以及搜索模块166。每个计算设备110都包括相应的用户接口设备112A-112N(统称为“UIC 112”)和相应的用户界面(UI)模块120A-120N(统称为“UI模块120”)。另外,每个计算设备110都包括相应的查询模块122A-122N(统称为“查询模块122”)。
模块162、164、166、120以及122可以使用在ISS 160或计算设备110处驻留和/或执行的软件、硬件、固件或硬件、软件和固件的混合来执行所述操作。ISS 160和计算设备110可以使用多个处理器或多个设备来执行模块162、164、166、120以及122。ISS 160和计算设备110可以将模块162、164、166、120以及122执行为在底层硬件上执行的虚拟机。模块162、164、166、120以及122可以作为操作系统或计算平台的一项或多项服务来执行。模块162、164、166、120以及122可以作为一个或多个可执行程序在计算平台的应用层处执行。
计算设备110B-110N构成了一组计算设备,与计算设备110B-110N相关联的相应用户可以从中进行对于信息的搜索。在一些示例中,计算设备110A与计算设备110B-110N一起被包括在该组中,并且与计算设备110A相关联的用户也可以执行对来自计算设备110A的信息的搜索。在其它示例中,该组计算设备110B-110N不包括计算设备110A。
计算设备110的UIC 112可以用作计算设备110的相应输入和/或输出设备。UIC112可以使用各种技术来实现。例如,UIC 112可以使用存在敏感输入屏幕、麦克风技术、红外传感器技术、相机或用于接收用户输入的其它输入设备技术来用作输入设备。UIC 112可以用作输出设备,其被配置成使用任何一个或多个显示设备、扬声器技术、触觉反馈技术或用于向用户输出信息的其它输出设备技术来向用户呈现输出。
UI模块120可以管理与UIC 112和计算设备110的其它组件的用户交互,并且可以与ISS 160交互以经由UIC 112提供搜索服务。UI模块120可以使相应的UIC 112随着计算设备110的相应用户观看输出和/或在UIC 112处提供输入而输出相应的用户界面。例如,如图1中所示,UI模块120A可以向UIC 112A发送指令,该指令使UIC 112A在UIC 112A的显示屏处显示用户界面114。
在图1的示例中,用户界面114是与由ISS 160提供并由计算设备110A访问的搜索服务相关联的图形用户界面。如下文详细所述的,用户界面114包括图形信息(例如,文本),其表示ISS 160使用从计算设备110A接收的搜索查询从搜索返回的调整后的搜索结果。在一些示例中,用户界面114可以是听觉用户界面、触觉用户界面或图形/听觉/触觉用户界面的组合。用户界面114可以以各种形式呈现搜索结果,诸如可听声音、振动、文本、图形、内容卡、图像的形式,或任何其它视觉、听觉和/或触觉形式。
UI模块120和UIC 112可以随着用户与用户界面交互,在不同的时间并且当用户和计算设备110处于不同位置时,从用户处接收一个或多个输入指示(例如,语音输入、触摸输入、非触摸或存在敏感输入、视频输入、音频输入等)。UI模块120和UIC 112可以解释在UIC112检测到的输入,并且可以将关于在UIC 112处检测到的输入的信息中继到系统100的其它模块,包括模块162、164、166和122。
UI模块120可以从在计算设备110和/或一个或多个远程计算系统(诸如ISS 160)处执行的一个或多个相关联的平台、操作系统、应用和/或服务接收信息和指令。另外,UI模块120可以充当在计算设备110处执行的一个或多个相关联的平台、操作系统、应用和/或服务与计算设备110的各种输出设备(例如,扬声器、LED指示器、音频或触觉输出设备等)之间的中介,以通过计算设备110产生输出(例如,图形、闪光、声音、触觉响应等)。例如,UI模块120A可以使UIC 112A基于UI模块120A经由网络130从ISS 160接收的数据来输出用户界面114。UI模块120A可以从ISS 160接收信息(例如,音频数据、文本数据、图像数据等)和指令作为输入,以作为用户界面114呈现。
查询模块122执行计算设备110的与搜索有关的功能。查询模块122可以经由网络130将搜索查询(例如,字符串、图像数据等)传送到ISS 160,并且作为响应,可以获得ISS160基于查询所执行的搜索的结果。当计算设备110的用户在UIC 112处提供输入时,查询模块122可以从UI模块120接收搜索查询的指示。查询模块122可以将从ISS 160接收的搜索结果输出到UI模块120,例如,从而使得UI模块120将搜索结果呈现为UI模块120在UIC 112处呈现的用户界面的一部分。
在接收到来自计算设备110的用户的明确同意以存储和使用个人信息之后,场境模块162被配置成收集与计算设备110有关的场境信息,并将该信息提供给模块164和166并基于该场境信息来做出确定。作为一个示例,场境模块162可以定义计算设备110和/或计算设备110的用户的一个或多个场境。
场境模块162可以在存储或使用个人信息之前,对正在分析和/或存储的信息进行加密或以其它方式处理,以去除用户的实际身份。例如,该信息可以被场境模块162处理,以便当在网络130上存储或跨网络130发送该信息时去除任何个人可识别信息。场境模块162可以仅在用户肯定地同意使用或收集与计算设备110和/或计算设备110的用户相关联的信息时,才分析这样的信息。场境模块162还可为用户提供撤回同意的机会,并且在这种情况下,场境模块162可以停止收集或以其它方式保留与相应计算设备110或计算设备110的相应用户相关联的信息。
贯穿本公开使用的术语“场境信息”用于描述计算系统和/或计算设备(诸如ISS160和计算设备110)可以使用的任何可想到的信息,以确定与计算设备和/或计算设备的用户相关联的一个或多个环境或行为特性。位置和运动信息仅仅是场境模块162可以为计算设备110中的每一个维护的场境信息的类型中的一些。另外,场境信息可以包括用户感兴趣的主题(例如,通常作为用户兴趣图或一些其它类型的数据结构维护的用户喜欢的“事物”)、与用户相关联的联系信息(例如,用户的个人联系信息以及关于用户的朋友、同事、社交媒体联系、家庭等的信息)、搜索历史、位置历史、长期和短期任务、日历信息、应用使用历史、购买历史、收藏夹、书签以及计算设备110和ISS 160能够收集的有关计算设备110的用户的其它信息。
此外,场境信息可包含关于计算设备的操作状态的信息。例如,在给定时间或在特定位置执行的应用是关于计算设备的操作状态的信息的示例。基于计算设备的操作状态的场境信息的其它示例包括但不限于:开关定位(positions of switches),电池电量,设备是否插入墙上插座或以其它方式可操作地耦合到另一设备和/或机器,用户认证信息(例如,当前认证的是哪位用户或设备的当前用户是哪位用户),设备是否以“飞行”模式、待机模式、全功率模式操作,无线电、通信单元、输入设备和输出设备等的操作状态。
计算设备的“场境”可以指定与计算设备和/或计算设备的用户相关联的一个或多个特性。场境可以指定在各种位置和时间与用户和/或计算设备的物理和/或虚拟环境相关联的特性。作为一些示例,计算设备的场境可以指定在各种位置和时间的:声学指纹、视频指纹、位置、移动轨迹、方向、速度、机构名称、街道地址、地点类型、建筑物、天气状况和交通状况。计算设备的场境可以指定日历事件、会议或与位置和/或时间相关联的其它事件。计算设备的场境可以指定在特定时间查看的网页地址、在特定时间在网页的数据域中做出的一个或多个文本录入(包括搜索或浏览历史记录)、在特定时间进行的产品购买、产品愿望清单、产品登记以及与各种位置和时间相关联的其它应用使用情况数据。计算设备的场境还可指定在各个位置和时间被计算设备访问或在存在计算设备存在的情况下正在广播的音频和/或视频、在各个位置和时间被计算设备访问或在计算设备存在的情况下正在广播的电视或有线/卫星广播,以及关于计算设备在各个位置和时间访问的其它服务的信息。
场境模块162可以基于更新的场境信息来更新计算设备的场境。例如,场境模块162可以基于与计算设备110A或计算设备110A的用户相关联的初始场境信息来确定计算设备110A或计算设备110A的用户的初始场境。随着场境信息改变(例如,基于指示随着时间推移的运动的传感器信息),场境模块162可以为计算设备110A更新或确定新场境。例如,场境模块162可以获得与计算设备110A相关联的在线购买信息,并基于购买信息来确定计算设备110A的当前场境的一部分指示计算设备110A的用户最近购买了特定电影的电影票或有意去看特定电影。在用户去看电影之后,场境模块162可以获得与计算设备110A相关联的位置历史信息,该位置历史信息指示计算设备110A的用户在电影将放映时,处于由先前购买的电影票指示的放映电影的位置。基于位置信息,场境模块162可以确定计算设备110A的当前场境的一部分指示计算设备110A的用户去看了特定电影或已经看过了特定电影。
场境模块162可以代表其它模块164和166以及计算设备110提供场境信息并关于场境模块162所维护的场境信息做出确定。例如,场境模块162可以通过输出由场境模块162维护的、指定计算设备110A的当前场境的数据以供传输至预测模块164,响应来自计算设备110A的当前场境的ISS 160的预测模块164的请求。
场境模块162可以在计算机存储器中维护与计算设备110中的每一个相关联的场境历史,并确定与计算设备110中的一个或多个相关联的相应当前场境是否与在相应场境历史中找到的先前场境匹配。例如,场境模块162可以维护追踪计算设备100A在特定日期或时间位于何处的位置历史,以作为与计算设备110A相关联的场境历史的一部分。
搜索模块166可以进行搜索(例如,互联网搜索),以从各种信息源(例如,ISS 160本地或远程存储的)获取与搜索查询相关的信息(例如,天气或交通状况、新闻、股票价格、赛事比分、用户时程、交通时程、零售价格等)。在执行搜索之后,搜索模块166可以将从搜索返回的信息(例如,搜索结果、指向搜索结果的链接等)输出到ISS 160的组件(例如,预测模块164)或计算设备110。搜索模块166可以对确定为与查询模块122生成的搜索查询相关的信息执行搜索,并且可以基于场境模块162确定的一个或多个场境来补充或修改正在搜索的搜索查询。
搜索模块166可以在计算机存储器中维护计算设备110的用户的一个或多个搜索历史。搜索模块166维护的搜索历史可以是场境模块162维护的场境历史的一部分或与之分开。由搜索模块166生成的搜索历史可以是可排布和可搜索的,以便在给定时间,搜索模块166可以分析计算设备110中的一个或多个的搜索历史以确定计算设备110的用户一直在搜索什么类型的查询。搜索模块166可以向模块162和164提供对搜索历史的访问和/或可以代表模块162和164分析搜索历史并根据搜索历史输出信息。
预测模块164被配置成学习和预测针对计算设备的特定场境的、使用搜索查询的搜索的意图。可以基于由其它计算设备在各种场境下执行的(例如,从日志数据推断的)用户发起的动作来训练预测模块164。换句话说,预测模块164被配置成给定特定场境以及给定其它计算设备在特定场境下执行的过去搜索或过去动作以及其它场境,学习和预测使用特定搜索查询的搜索的目的。以这种方式,预测模块164能够有效率地池化来自一组计算设备的信息以调整搜索。
预测模块164可以通过定义计算设备的窄场境(例如,指示计算设备/用户的一些特定特性)来确定搜索查询的意图,并且窄场境与宽场境(例如,指示计算设备/用户的许多特定特性)相比更可能与搜索查询相关。这是因为计算设备的宽场境可能包括很多信息,然而为了确定搜索查询的意图,预测模块164可能实际上仅需要利用宽场境中的信息子集。换句话说,预测模块可以从计算设备的场境中过滤掉所有不必要的信息以定义窄场境,从而能够推断出搜索查询的真实意图。因此,预测模块164能够针对窄场境而不是计算设备的宽场境确定搜索查询的意图。
预测模块164可以执行机器学习模型(例如,深度学习模型),机器学习模型接收搜索查询(或搜索查询的一部分)和从场境模块162接收的当前场境作为输入。机器学习模型可以生成针对当前场境的、使用搜索查询的搜索的意图的指示(例如标签或其它标识符)作为输出。
由预测模块164确定的意图可以从一组预定义意图中选择。预定义意图的一些示例包括:与交通或旅行有关的意图(例如,乘车共享、航班状态、获得票证、时程和其它与交通有关的意图)以及与娱乐有关的意图(例如,电影评论、放映时间、获得票证、演职人员简介、专辑或歌曲评论、艺术家简介、艺术家巡演日期以及其它与娱乐有关的意图)。预定义意图的进一步示例包括与环境有关的意图(例如,经由智能恒温器实现的环境温度、温度控制、照明控制、家庭电器控制等)。
在一些情况下,预测模块164可以生成与意图相关联的分值作为输出。意图的分值可以指示在当前场境下使用搜索查询执行搜索的目的是获得满足该意图的信息的置信度(例如,概率或其它可能性程度)。预测模块164可以根据意图的分值是否满足最小得分阈值来调整或避免调整搜索结果。例如,如果意图的分值小于最小得分阈值(例如,50%),则预测模块164可以避免基于意图来调整搜索结果,并且如果分值大于或等于最小得分阈值,则预测模块可以基于意图来调整搜索结果。
预测模块164的机器学习模型可以在用户交互数据(例如,日志数据)上训练,该用户交互数据指示针对各种场境的、由计算设备110接收的用户输入。换句话说,可以在针对多种场境的、由计算设备110执行的可观察动作上训练预测模块164的机器学习模型。预测模块164可以确定在相似的场境下已经观察到哪些用户输入或用户发起的动作,这些用户输入或用户发起的动作对于当前场境也是独特的,或者在其它不同的场境下不一定以相对频率观察到。基于对于当前场境独特的用户输入或用户发起的动作,预测模块164可以推断出计算设备的用户在当前场境下可以执行类似的动作。预测模块164可以确定:使用搜索查询的搜索的意图是协助用户执行类似动作中的一个或多个。
用户交互数据(例如,日志数据)的一个示例包括应用使用情况数据。应用使用情况数据指示给定特定场境是打开、关闭还是安装应用。预测模块164可以学习和预测各种场境的应用使用情况。例如,预测模块164可以制定这样的规则:在周六晚上在家庭位置处,当外面在下雨时,一些用户通常与室内照明控件交互,而在周六晚上在家庭位置处,当外面未在下雨时,用户通常与室外照明控件交互。在另一示例中,预测模块164可以制定这样的规则:在周六晚上在家庭位置处,当外面在下雨时,一些用户通常与电影评论应用交互,而在周六晚上在家中,当外面未在下雨时,一些用户通常会与电影票购买应用交互。
用户交互数据的一个示例包括搜索特征数据。搜索特征数据可以指示针对各种场境的被查看、点击、轻扫或以其它方式与之交互的一个或多个搜索特征。搜索结果的集合的搜索特征可以与精编(curated)内容相关联。例如,使用电影名称的搜索的搜索特征可以是放映时间清单、指向预告片的链接、电影评论或搜索结果中显示的其它精编内容(与用户必须点进或以其它方式导航到的内容相反)。例如,预测模块164可以制定下列规则:针对特定场境,电影评论被示出或点击,电影放映时间被示出或被交互等。预测模块164可以学习来预测针对给定的场境的、用户可能想要点击或对其进行长时间查看的搜索特征。
预测模块164可以参考机器学习模型来为计算设备定义与特定时间的搜索查询最相关的特定场境。例如,预测模块164可以细化从场境模块162接收的场境,以分离出由该场境限定的一个或多个设备或用户特性的特定子集,该一个或多个设备或用户特性对于推断在特定时间使用搜索查询的搜索的意图是最相关的。例如,关于作为电影标题的搜索查询,预测模块164可以细化计算设备110A的、指示任何数目的设备或用户特性的场境,而作为替代定义较少设备或用户特性的简单场境,其指示:在星期六晚上,计算设备100A是在家庭位置处,同时外面在下雨。
给定已细化的场境和搜索查询,预测模块164可以确定使用该搜索查询的搜索的意图。预测模块164可以确定意图是获得信息以允许用户执行与场境有相关性的可观察动作中的一个或多个。例如,利用关于电影的搜索查询和指示在星期六晚上、计算设备110A在家庭位置处、并且外面正在下雨的场境,预测模块164可以确定搜索的意图是找到不包括室外照明控件的结果的室内照明控件,电影评论或有关电影的、不包括为了去看电影而购买电影票的其它信息。
预测模块164可以请求搜索模块166使用搜索查询来执行搜索。预测模块164可以从搜索模块166获得搜索结果,该搜索结果是根据基于搜索查询而执行的所请求的搜索返回的。
在将搜索结果发送到计算设备110上之前,预测模块164可以根据意图来调整(例如,格式化、重新布置、重新排名、强调或以其它方式调整)搜索结果。预测模块164可以基于所预测的意图来调整搜索结果,以便自动强调包含在搜索结果内的信息,这些信息是计算设备的用户和/或其它计算设备的用户出于相似的意图为完成任务或执行动作而需要的。
例如,给定计算设备的用户和/或其它计算设备的其它用户执行的先前动作(例如,某些查询的搜索),预测模块164可以推断用户针对特定场境而可能需要执行的任务或动作。所推断的任务或动作可以等同于意图。通过推断任务或动作,预测模块164可以确定用户在使用特定查询执行搜索时可能正在搜索的信息的类型。
例如,预测模块164可以重新布置包括精编内容和非精编内容的搜索结果的排名,以便在场境指示在星期六晚上、计算设备110A在家庭位置处、并且外面正在下雨时,使室内照明(或其它室内家用电器)控件的排名高于室外照明(或其它室外电器)的控件,或者电影评论的排名高于购票特征。计算设备110A可以接收调整后的搜索结果的指示,并且UI模块120A可以使UIC 112A将调整后的搜索结果呈现为用户界面114的一部分。
以这种方式,当经由用户界面输出调整后的搜索结果时,满足意图的信息被以这样的方式输出,以使得用户能够与其余搜索结果区分地快速地识别满足意图的信息。换句话说,通过输出调整后的搜索结果,预测模块164可以强调当前时间用户比其它搜索结果更可能搜索的搜索结果的部分。
图2是示出根据本公开的一个或多个方面的、被配置成预测与搜索查询相关联的意图以及基于该意图来调整搜索结果的示例计算系统的方框图。图2包括作为图1的ISS160的一个示例的信息服务器系统(ISS)260。下面在图1的系统100的场境下描述ISS 260。图2仅示出了ISS 260的一个特定示例,但是ISS 260的许多其它示例可在其它实例中使用,并且可包括被包括在示例ISS 260内的组件的子集,或者可包括图2中未示出的附加组件。
ISS 260向计算设备110提供管道,诸如计算设备110A的计算设备可以通过该管道执行对与搜索查询有关的信息的搜索,并且在一些示例中,自动接收针对特定场境的、调整后的搜索结果,其强调ISS 260预测的、将满足搜索的意图或者计算设备110的用户的需求的信息。如图2的示例中所示,ISS 260包括一个或多个处理器278、一个或多个通信单元272以及一个或多个存储设备274。ISS 260的存储设备274包括场境模块262、预测模块264以及搜索模块266。在预测模块264内,存储设备74包括训练模块268。模块262-266包括至少分别与图1的模块162-166相同(如果不多于其)的能力。
ISS 260的存储设备274还包括日志数据存储270A、场境历史数据存储270B以及意图规则数据存储270C(统称为“数据存储270”)。通信信道276可以互连组件270、272、278和274中的每一个,以进行组件间通信(物理地、通信地和/或操作地)。在一些示例中,通信信道276可以包括系统总线、网络连接、进程间通信数据结构或用于数据通信的任何其它方法。
ISS 260的一个或多个通信单元272可以通过在一个或多个网络(诸如图1的网络130)上发送和/或接收网络信号,来与诸如图1的计算设备110之类的外部计算设备通信。例如,ISS 260可以使用通信单元272来跨网络130发送和/或接收无线电信号以与计算设备110交换信息。通信单元272的示例包括网络接口卡(例如,以太网卡)、光学收发器、射频收发器、GPS接收器或能够发送和/或接收信息的任何其它类型的设备。通信单元272的其它示例可以包括短波无线电设备、蜂窝数据无线电设备、无线以太网网络无线电设备以及通用串行总线(USB)控制器。
ISS 260内的一个或多个存储设备274可以存储用于在ISS 260的操作期间处理的信息(例如,ISS 206可以存储在ISS 260处执行期间由模块262、264、266和268访问的数据)。在一些示例中,存储设备274是临时存储器,这意味着存储设备274的主要目的不是长期存储。ISS 260上的存储设备274可被配置成作为易失性存储器对信息进行短期存储,因此如果断电则不会保留所存储的内容。易失性存储器的示例包括随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)以及本领域已知的其它形式的易失性存储器。
在一些示例中,存储设备274还包括一个或多个计算机可读存储介质。存储设备274可被配置成存储比易失性存储器更大的信息量。存储设备274还可被配置成作为非易失性存储空间长期存储信息,并且在通电/断电循环之后保留信息。非易失性存储器的示例包括磁硬盘、光盘、软盘、闪存或电可编程存储器(EPROM)或电可擦可编程存储器(EEPROM)的形式。存储设备274可以存储与模块262、264、266和268相关联的程序指令和/或数据。
一个或多个处理器278可以在ISS 260内实现功能和/或执行指令。例如,ISS 260上的处理器278可以接收并执行由存储设备274存储的指令,这些指令执行模块262、264、266以及268的功能。被处理器278执行的这些指令可以使ISS 260在程序执行期间将信息存储在存储设备274内。处理器278可以执行模块262、264、266以及268的指令来:给定针对各个场境的、其它计算设备的其它用户的先前动作,学习和预测针对相同的场境的、使用搜索查询的搜索的意图或计算设备的用户的信息需求并且针对特定场境,自动提供与计算设备的用户的所预测的需求相关的信息。即,模块262、264、266以及268可以由处理器278操作以执行本文所述的ISS 270的各种动作或功能。
数据存储270表示任何合适的存储介质,用于存储与以下有关的信息:应用使用情况日志、搜索特征日志以及用于预测计算设备的用户需求或各个场境下的搜索意图的规则(例如,机器学习系统的规则)。存储在数据存储270处的信息可以是可搜索和/或分类的,使得一个或多个模块262-268可以提供从数据存储270中的一个或多个请求信息的输入,并且响应于输入,接收存储在数据存储270中的信息。
在ISS 260能够收集或可以利用与用户相关联的、存储在任何数据存储270中的信息之前,可以为用户提供机会,以提供输入从而控制ISS 260的程序或特征是否能够收集和利用用户信息,或指示ISS 260是否和/或如何接收可能与用户相关的内容。另外,由ISS260存储的某些数据可以在由ISS 260存储或使用之前被以一种或多种方式处理,以便去除个人可识别信息。因而,用户可以控制如何收集有关用户的信息以及ISS 260如何使用信息。
日志数据存储270A可以主要由搜索模块266和场境模块262维护。日志数据存储270A可以是场境历史数据存储270B的一部分或与其分开,场境历史记录数据存储270B通常由场境模块262维护。日志数据存储270A可包括一个或多个可搜索数据库或数据结构,这些数据库或数据结构组织了不同类型的数据日志,这些数据日志指示计算设备110所接收的用户输入,根据其训练模块268可以确定用于针对各个场境推断由计算设备110执行的用户发起动作的规则。日志数据存储270A中包含的信息的示例包括:搜索日志数据、应用(app)日志数据以及其它数据(例如,地图应用、流视频应用、助理应用等上的查询和用户交互)。
搜索日志数据包括已经由个体计算设备(诸如图1的计算设备110)搜索的信息以及根据搜索而返回的信息,甚至以及与根据搜索而返回的信息相关联的用户交互数据(例如,查看、点击等)。例如,日志数据存储270A可以包括专用于个体或多组计算设备110的多个行,并且在每一行内,日志数据存储270A都可以包括与搜索模块266代表个体或多组计算设备110执行的搜索相关的信息。搜索日志数据的示例包括:搜索词项或查询、日内时间和/或与搜索词项相关联的计算设备的位置、与搜索词项相关联的指示搜索词项的搜索发生的频率或频繁程度的计数、使用搜索词项的搜索是否成功的指示(例如,紧接在后的搜索中的搜索结果是否暗示该搜索不成功)、呈现的搜索特征、用户是否与这样的搜索特征进行了交互以及与计算设备执行的搜索有关的任何其它信息。
应用日志数据包括:根据应用组织的,与个体或多组计算设备(例如计算设备110)相关联的已组织且可搜索的历史用户交互数据。可以存储在数据存储270A处的应用日志的类型包括但不限于:应用名称、应用类型、应用执行的持续时间、针对特定位置场境是打开、安装还是关闭了应用,以及预测模块264推断一个或多个可观察动作可能需要的任何其它信息,所述一个或多个可观察动作然后被用于预测针对特定场境的、使用搜索查询的搜索的意图。
如上所述,场境历史数据存储270B可以包括日志数据存储270A中的一些或全部。场境历史数据存储270B包括:与诸如计算设备110之类的个体或多组计算设备相关联的、已组织且可搜索的历史场境信息。可以存储在场境历史数据存储270B处的场境信息的类型包括但不限于:位置信息、日内时间信息、传感器信息(例如,从计算设备110获得的)、用户兴趣信息、有关设备操作状态的信息、应用执行信息(例如,应用执行的内容以及何时执行应用)以及预测模块264使用搜索查询预测用户的需求和推断搜索意图可能需要的任何其它信息。
意图规则数据存储270C包括一个或多个先前制定的规则以及用户完成任务可能需要的信息,预测模块264依靠这些规则针对当前场境来预测可能由计算设备的用户执行的任务或动作。例如,数据存储270C可以存储预测模块264的机器学习或人工智能系统的规则。预测模块264的机器学习或人工智能系统可以访问数据存储270C的规则以针对特定场境推断与计算设备110的用户相关联的任务和需求。
在一些示例中,预测模块264可以将计算设备的当前场境作为输入提供给数据存储270C,并且接收作为输出的、与计算设备的用户在当前场境和更宽场境(包含当前场境)下可能需要执行的任务或动作有关的意图或信息以作为输出。在一些示例中,数据存储270C的规则可以输出:针对当前场境的、与意图、任务或动作相关联的可能性程度(例如,计数、概率等),以及针对更宽场境的、与任务或动作相关联的类似可能性程度。并且在一些示例中,预测模块264可以将预测的任务作为输入提供给数据存储270C,并接收作为输出的、与用户在当前场境下完成预测的任务可能需要的信息类型有关的信息。
预测模块264的训练模块268可以生成存储在数据存储270C处的规则,其用于针对某些场境预测和确定用户正在执行的动作,并由此预测和确定意图。训练模块268可以生成规则,其使预测模块264能够定义对于推断使用搜索查询的搜索的意图相关的场境。训练模块268可以生成规则,其使预测模块264能够基于所推断的意图,确定在特定场境下输出根据使用搜索查询的搜索返回的搜索结果时要提升或降低的相关搜索特征。
例如,训练模块268的机器学习或人工智能系统可以分析由场境模块262获得并存储在数据存储270B处的场境信息,并识别场境信息与存储在数据存储270A处的应用使用情况数据和搜索特征数据之间的相关性。训练模块268使用的机器学习系统的类型包括:深度学习模型、贝叶斯网络、神经网络以及其它类型的人工智能模型。例如,训练模块268可以制定表格,其中每行是针对共享相似场境、与相似场境相关联的相似应用使用情况数据和/或相似搜索特征数据的每个计算设备110或一组计算设备110。基于与计算设备110相关联的场境信息和用户发起动作之间的相关性,训练模块268可以制定用于定义场境的规则,如果这些规则与特定场境有相关性,则可以指示针对特定场境的、计算设备110正在执行的搜索的具体意图。
训练模块268可以生成规则,其使预测模块264能够确定场境的哪一个或多个特性是重要的或者与使用搜索查询的搜索有关。训练模块268可以对存储在日志数据存储270A处的信息使用深度学习来预测动作,并因此预测与查询和场境有关的意图。
例如,关于应用使用情况数据,通过将应用使用情况数据与存储在数据存储270B处的场境信息相关联,训练模块268可以了解计算设备110的用户在计算设备110的哪些特定场境下打开、关闭、安装或删除各种应用。取决于应用的类型,训练模块268可以推断正在执行的动作或与场境相关联的意图。例如,如果应用是新闻或信息应用,则训练模块268可以推断与特定场境相关联的信息性意图。如果应用是购物应用或购票应用,则训练模块268可以推断与特定场境相关联的商业性意图。
关于搜索特征,通过将应用使用情况数据与存储在数据存储270B处的场境信息相关联,训练模块268可以学习计算设备110的用户在计算设备110的哪些特定场境下与搜索页面上的各种精编内容交互或不交互。取决于搜索特征的类型,训练模块268可以推断正在执行的动作或与场境相关联的意图。例如,如果搜索特征是信息性功能(例如,电影评论),则训练模块268可以推断与特定场境相关联的信息性意图。如果应用是购物特征或用于获得票证的特征或事件时间特征,则训练模块268可以推断与特定场境相关联的商业性意图。
因此,与其它系统相比,训练模块268可以在数据存储270C处生成更准确的规则,预测模块264使用这些规则来预测发生的动作的实际概率/频率。即,训练模块268可以生成规则,其使预测模块264能够更容易地跨各个场境进行客观数据的比较并触发针对各个场境的决策(例如,确定意图),这不同于与基于更主观的数据执行较不准确的预测(例如,测评者生成的有关某个功能何时有用的数据集)。
因此,在调整搜索结果时,除了使用用户的过去搜索、位置或查询实体类型作为用于确定意图的唯一类型的场境信息之外,预测模块264还可以使用其它信息。此外,响应于确定用户的特定场境意图而提供的已调整的搜索结果可以与搜索模块266返回的结果及其排名不同,其中无需预测模块264明确地确定该意图。
图3是示出根据本公开的一个或多个方面的、由被配置成预测与搜索查询相关联的意图以及基于该意图来调整搜索结果的示例计算系统执行的示例操作的流程图。下面在图1的系统100和图2的ISS 260的场境下描述图3。例如,根据本公开的一个或多个方面,ISS160和/或ISS 260可以执行操作310-326,以预测与搜索查询相关联的意图并基于该意图来调整搜索结果。可以以与图3所示的顺序不同的顺序来执行操作310-326。ISS 160或260可以使用比图3中所示的更多或更少的操作来执行所示的过程。
如图3中所示,在操作中,ISS 260可以接收指示针对各个场境的、由一组计算设备接收的用户输入的日志数据(310)。例如,计算设备110的用户可以使相应查询模块122将搜索查询发送到ISS 260以执行对信息的搜索。除了执行搜索查询的搜索之外,搜索模块266还可以将搜索查询和/或结果存储在数据存储270A处,以生成与计算设备110中的每一个相关联的一个或多个搜索历史。搜索历史可以包括关于当经由UIC 112将搜索结果呈现给计算设备110的用户时所观看、选择或忽略的各个搜索特征的信息。除了执行搜索之外,计算设备110的用户还可以向UIC 112提供输入,这些输入使计算设备110执行其它类型的用户发起的动作(例如,打开应用、关闭应用、安装应用等)。场境模块262可以在数据存储270A处存储关于其它用户发起的动作的信息。
ISS 260可以接收与该组计算设备相关联的场境信息(312)。例如,当每个计算设备110执行用户发起的动作时,场境模块262可以存储关于与计算设备110中的每一个相关联的当前场境的信息。场境可以指示位置、时间、方向、速度或可以定义场境的任何其它场境特性。
ISS 260可以基于日志数据和场境信息对模型进行训练来预测用户发起的动作(314)。例如,预测模块264的训练模块268可以生成规则,其使得深度学习模型能够针对各个场境推断用户发起的动作并且因此推断意图。使用关于计算设备110获得的场境信息、日志数据和其它信息,规则可以针对特定场境准确地预测该场境的、关于用户的搜索意图的最相关的部分。例如,通过识别在其它场境下未被执行的特定的用户发起动作在特定场境下被执行,训练模块268可以制定规则,该规则预测当计算设备的将来场境匹配特定的用户发起动作在其中执行的该特定场境时将执行该特定的用户发起动作。
ISS 260可以从计算设备接收搜索查询(316)。例如,计算设备110A的用户可能乘飞机去希腊。在抵达希腊的机场后,用户可以向UID 112A提供手势或语音输入,其表示正输入到查询模块122A的搜索查询。UI模块120A可以将关于搜索查询的信息发送到查询模块122A,然后查询模块122A可以将该搜索查询转发到ISS 260的搜索模块266以进行进一步处理。搜索查询可以包括单词“Greek(希腊)”的单个字符串。
ISS 260可以定义计算设备的、与搜索查询相关的场境(318)。例如,虽然场境模块262可以在用户将“Greek”作为搜索查询输入到UIC112A时确定计算设备110A的详细和宽范围的场境,但是预测模块264可以确定细化场境以便确定搜索查询的更准确意图。预测模块264的模型可以确定由计算设备110的场境定义的独特特性,该独特特性并非是跨大范围的设备场境而共有的。当其它计算设备110的场境共享相似的独特特性时,预测模块264的模型可以确定由其它计算设备110执行的用户发起动作。
例如,当在希腊机场时,计算设备110A的场境可以指示:流行的社交媒体应用当前正在计算设备110A处执行,周内日是星期二,天气是晴天,计算设备110A的位置在希腊的机场,用户最近购买了飞机票,用户最近乘坐了航班,用户正在向名为“Mother”的联系人发送短信以发送该用户已安全到达的消息,等等。预测模块264可以细化计算设备110A的场境以突出显示独特特性,该独特特性可以包括以下指示:计算设备110A的位置在希腊的机场,用户最近购买了飞机票,用户最近乘坐了航班。
对于所定义的场境,ISS 260可以使用模型来预测针对该场境的、使用搜索查询的搜索的意图(320)。例如,预测模块264可以将计算设备110A的所定义的场境连同搜索查询“Greek”一起输入到模型中,并作为输出接收如下指示:针对特定场境的搜索的最可能意图不是找到希腊餐厅,因为它可以是针对其它场境的,但作为替代该最可能意图可能是获得希腊语的翻译。
ISS 260可以接收来自使用搜索查询的搜索的搜索结果(322)。例如,预测模块266可以请求搜索模块266对搜索查询“Greek”执行搜索。响应于该请求,预测模块264可以接收搜索结果(例如,搜索结果页面的指示),该搜索结果包括一个或多个搜索特征或由搜索结果定义的其它搜索特性。即,从搜索模块266接收的搜索结果可以包括精编内容的多个部分(例如,搜索特征),诸如餐厅评论、餐厅位置、电影评论、电影位置、天气预报、关于文化的知识以及其它精编内容。一个这样的精编内容可以是翻译特征,该翻译特征使用户能够获得其母语到希腊语的翻译。
ISS 260可以调整搜索结果以强调满足意图的信息(324)。例如,从搜索模块266获得的搜索结果(包括上述搜索特征)可以排名顺序到达预测模块264。搜索结果的排名可以将更流行的搜索特征或信息放置为比搜索结果的其它部分高。例如,希腊餐馆推荐可以是高排名的搜索结果,而翻译特征可以是低排名的搜索结果。在将搜索结果的指示输出到计算设备110A之前,预测模块264可以调整搜索结果的排名,以使得翻译特征——即,搜索结果中与搜索查询的推断意图相对应的部分——排名高于其它搜索结果——诸如餐厅推荐,或者比其更显著。
ISS 160可以将调整后的搜索结果的指示发送到计算设备(326)。例如,预测模块164可以将调整后的搜索结果打包为用于在计算设备110A处的UIC 112A处呈现的内容,并将该内容作为数据通过网络130传送到UI模块120A。UI模块120A可以将UIC 112A配置成呈现内容(例如,在显示器处)。当在UIC 112A处呈现时,搜索结果的、与翻译特征相关联的部分可以比搜索结果的其它部分更显著地出现。例如,翻译特征可以出现在图形用户界面的搜索页面的上部附近,翻译特征可以具有特殊颜色、纹理或字体,以将翻译特征与其它搜索特征和其它内容区分开,或者否则可以以其它方式强调。
条款1.一种方法,包括:基于由一组计算设备执行的用户发起的动作,由计算系统确定使用从计算设备接收的特定搜索查询的搜索的意图;基于所述意图,通过强调满足所述意图的信息来调整从使用所述搜索查询的搜索获得的至少特定的一部分搜索结果;以及由所述计算系统向所述计算设备发送所调整的搜索结果的指示。
条款2.根据条款1所述的方法,其中,确定所述特定搜索查询的搜索的所述意图包括:基于由所述一组计算设备执行的所述用户发起的动作,定义所述计算设备的、与所述特定搜索查询相关的特定场境,其中所述特定搜索查询的搜索的所述意图是进一步基于所述计算设备的所述特定场境来确定的。
条款3.根据条款1至2中的任一项所述的方法,进一步包括:由所述计算系统接收指示所述一组计算设备接收的用户输入的日志数据;以及基于所述日志数据,确定由所述一组计算设备执行的所述用户发起的动作。
条款4.根据条款3所述的方法,其中,所述日志数据包括针对多个不同场境的、所述一组计算设备的应用使用情况数据。
条款5.根据条款3至4中的任一项所述的方法,其中,所述日志数据包括针对多个不同场境的、所述一组计算设备的搜索特征数据。
条款6.根据条款1至5中的任一项所述的方法,其中,通过强调满足所述意图的信息来调整从使用所述搜索查询的搜索获得的所述至少特定的一部分搜索结果包括:相对于从使用所述搜索查询的搜索获得的所述搜索结果的其它部分的相应排名,提高从使用所述搜索查询的搜索获得的所述至少一部分搜索结果的相应排名。
条款7.根据条款1至6中的任一项所述的方法,其中:所述搜索结果包括多个搜索特征,每个搜索特征与精编内容相关联;所述至少一部分搜索结果包括所述多个搜索特征中的特定搜索特征;并且通过强调满足所述意图的信息来调整从使用所述搜索查询的查询获得的所述至少特定的一部分搜索结果包括:由所述计算系统基于所述意图来识别所述特定搜索特征;以及相对于所述多个搜索特征中的其它搜索特征的相应排名,提高所述特定搜索的相应排名。
条款8.一种计算系统,包括:至少一个处理器;以及包括指令的存储器,所述指令在被执行时使得所述计算系统的所述至少一个处理器进行以下操作:基于由一组计算设备执行的用户发起的动作,确定使用从计算设备接收的特定搜索查询的搜索的意图;基于所述意图,通过强调满足所述意图的信息来调整从使用所述搜索查询的搜索获得的至少特定的一部分搜索结果;以及由所述计算系统向所述计算设备发送所调整的搜索结果的指示。
条款9.根据条款8所述的计算系统,其中,所述指令是机器学习模型的一部分,所述机器学习模型被配置为基于由所述一组计算设备执行的所述用户发起的动作来确定所述意图。
条款10.根据条款8至9中的任一项所述的计算系统,其中,所述机器学习模型是深度学习模型,所述深度学习模型是在指示由所述一组计算设备接收的用户输入的日志数据上训练的。
条款12.根据条款10所述的计算系统,其中,所述日志数据包括以下中的至少一个:针对多个不同场境的、所述一组计算设备的应用使用情况数据,或者针对多个不同场境的、所述一组计算设备的搜索特征数据。
条款13.根据条款8至12中的任一项所述的计算系统,其中,所述指令在被执行时,使得所述至少一个处理器至少通过以下操作来确定所述特定搜索查询的搜索的所述意图:基于由所述一组计算设备执行的用户发起的动作,定义所述计算设备的、与所述特定搜索查询相关的特定场境;以及进一步基于所述特定场境来确定所述特定搜索查询的搜索的所述意图。
条款14.根据条款8至13中的任一项所述的计算系统,其中,所述指令在被执行时,使得所述至少一个处理器至少通过以下操作来通过强调满足所述意图的信息调整从使用所述搜索查询的搜索获得的所述至少特定的一部分搜索结果:相对于从使用所述搜索查询的搜索获得的所述搜索结果的其它部分的相应排名,提高从使用所述搜索查询的搜索获得的所述至少一部分搜索结果的相应排名。
条款15.根据条款8至14中的任一项所述的计算系统,其中:所述搜索结果包括多个搜索特征,每个搜索特征与精编内容相关联;所述至少一部分搜索结果包括所述多个搜索特征中的的特定搜索特征;并且所述指令在被执行时,使得所述至少一个处理器通过至少以下操作来通过强调满足所述意图的信息而调整从所述搜索查询的搜索获得的所述至少特定的一部分搜索结果:基于所述意图来识别所述特定搜索特征;以及相对于所述多个搜索特征中的其它搜索特征的相应排名,提高所述特定搜索的相应排名。
条款16.一种包括指令的计算机可读存储介质,所述指令在被执行时使得计算系统的一个或多个处理器:基于由一组计算设备执行的用户发起的动作和计算设备的场境信息,确定使用从所述计算设备接收的特定搜索查询的搜索的意图;基于所述意图,通过强调满足所述意图的信息来调整从使用所述搜索查询的搜索获得的至少特定的一部分搜索结果;以及由所述计算系统向所述计算设备发送所调整的搜索结果的指示。
条款17.根据条款16所述的计算机可读存储介质,其中,所述指令在被执行时进一步将所述计算系统的所述一个或多个处理器配置为:接收指示所述一组计算设备接收的用户输入的日志数据;以及基于所述日志数据,确定由所述一组计算设备执行的所述用户发起的动作。
条款18.根据条款16至17中的任一项所述的计算机可读存储介质,其中,所述指令在被执行时,将所述至少一个处理器配置为至少通过以下操作来确定所述特定搜索查询的搜索的所述意图:基于由所述一组计算设备执行的用户发起的动作,定义所述计算设备的、与所述特定搜索查询相关的特定场境;以及进一步基于所述特定场境来确定所述特定搜索查询的搜索的所述意图。
条款19.根据条款16至18中的任一项所述的计算机可读存储介质,其中,所述指令在被执行时,将所述至少一个处理器配置为至少通过以下操作来通过强调满足所述意图的信息调整从使用所述搜索查询的搜索获得的所述至少特定的一部分搜索结果:相对于从使用所述搜索查询的搜索获得的所述搜索结果的其它部分的相应排名,提高从使用所述搜索查询的搜索获得的所述至少一部分搜索结果的相应排名。
条款20.根据条款16至19中的任一项所述的计算机可读存储介质,其中:所述搜索结果包括多个搜索特征,每个搜索特征与精编内容相关联;所述至少一部分搜索结果包括所述多个搜索特征中的的特定搜索特征;并且所述指令在被执行时,将所述至少一个处理器配置为通过至少以下操作来通过强调满足所述意图的信息而调整从所述搜索查询的查询获得的所述至少特定的一部分搜索结果:基于所述意图来识别所述特定搜索特征;以及相对于所述多个搜索特征中的的其它搜索特征的相应排名,提高所述特定搜索的相应排名。
条款21.根据条款8所述的计算系统,包括用于执行根据条款1至7中的任一项所述的方法的装置。
条款22.根据条款15所述的计算机可读存储介质,进一步包括指令,所述指令在被执行时配置根据条款8所述的计算系统的所述一个或多个处理器来执行根据条款1至8中的任一项所述的方法。
在一个或多个示例中,可以以硬件、软件、固件或其任何组合来实现所述功能。如果以软件实现,则这些功能可以作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质上传输,并且可以由基于硬件的处理单元执行。计算机可读介质可以包括一个或多个计算机可读存储介质,其对应于诸如数据存储介质之类的有形介质,或者包括例如根据通信协议促进将计算机程序从一个位置转移到另一位置的任何介质的通信介质。以这种方式,计算机可读介质通常可以对应于(1)有形计算机可读存储介质,其为非暂时性的;或者(2)通信介质,诸如信号或载波。数据存储介质可以是能够被一个或多个计算机或一个或多个处理器访问以检索指令、代码和/或数据结构以实现本公开中所述的技术的任何可用介质。计算机程序产品可以包括计算机可读介质。
作为示例而非限制,这些计算机可读存储介质能够包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁性存储设备、闪存或任何其它存储介质,其能够用于以指令或数据结构形式存储所需程序代码并且能够被计算机访问。而且,任何连接都被适当地称为计算机可读介质。例如,如果使用同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或无线技术(诸如红外、无线电和微波)从网站、服务器或其它远程源发送指令,则介质的定义包括同轴电缆、光纤电缆、双绞线、DSL或无线技术(诸如红外、无线电和微波)。然而,应理解,计算机可读存储介质和数据存储介质不包括连接、载波、信号或其它瞬态介质,而是涉及非瞬态有形存储介质。本文所使用的磁盘和光盘包括紧凑盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘以及蓝光光盘,其中磁盘通常以磁性方式复制数据,而光盘则通过激光以光学方式复制数据。上述的组合也应被包括在计算机可读介质的范围内。
指令可以由一个或多个处理器执行,诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其它等效的集成或分立逻辑电路。因而,本文使用的术语“处理器”可以指任何前述结构或适于实现本文所述技术的任何其它结构。另外,在一些方面,可以在专用硬件和/或软件模块内提供本文所述的功能。同样地,这些技术能够在一个或多个电路或逻辑元件中完全实现。
本公开的技术可以在包括无线手持装置、集成电路(IC)或一组IC(例如,芯片组)的多种设备或装置中实现。在本公开中描述了各种组件、模块或单元以强调被配置成执行所公开技术的设备的功能方面,但不一定需要由不同硬件单元来实现。相反,如上所述,各种单元可以组合在硬件单元中或由互操作的硬件单元的集合提供,包括与合适的软件和/或固件结合的上述一个或多个处理器。
已经描述了各个实施例。这些和其它实施例都在所附权利要求书的范围内。
Claims (21)
1.一种用于预测对于特定场境的搜索的意图的方法,包括:
由计算系统从用户的计算设备接收搜索查询,所述搜索查询包括一个或多个词项;
由所述计算系统获得与所述用户的所述计算设备相关联的场境信息,其中:
所述场境信息是除所述搜索查询的所述一个或多个词项之外的信息,
所述场境信息包括与所述计算设备相关联的环境信息,以及
与所述计算设备相关联的所述环境信息指示所述计算设备的物理环境的特性;
由所述计算系统选择指示与所述计算设备相关联的特定当前场境的所获得的场境信息的子集,其中,所获得的场境信息的所述子集至少包括所述环境信息的子集并且排除来自所述用户的搜索历史的信息;
由所述计算系统确定从所述用户的计算设备接收的所述搜索查询的意图,其中,所述意图是预测意图,所述预测意图在给定与所述计算设备相关联的所述特定当前场境的情况下特定于所述搜索查询,并且其中,确定所述搜索查询的所述意图包括:
使用机器学习模型处理除所述搜索查询的所述一个或多个词项之外的所述场境信息的所述子集以确定所述意图,所述机器学习模型是基于由相应用户的一组计算设备执行的过去的用户发起的动作的,其中,所述相应用户是除所述计算设备的所述用户之外的;
由所述计算系统接收响应于所述搜索查询的所述一个或多个词项而获得的搜索结果;以及
在接收到响应于所述搜索查询的所述一个或多个词项而获得的所述搜索结果之后,在向所述用户的所述计算设备发送所述搜索结果的任何指示之前:
由所述计算系统,基于所述搜索查询的所确定的意图,调整响应于所述搜索查询的所述一个或多个词项而获得的所述搜索结果中的至少特定部分,其中,调整所述搜索结果中的所述至少特定部分包括提升满足所述搜索查询的所确定的意图的搜索结果中的所述至少特定部分;以及
由所述计算系统向所述用户的所述计算设备发送所调整的搜索结果的指示。
2.根据权利要求1所述的方法,其中,选择指示与所述计算设备相关联的特定当前场境的所获得的场境信息的所述子集进一步包括:
基于与所述用户的所述计算设备相关联的所述场境信息以及由所述一组计算设备执行的所述用户发起的动作,定义与所述计算设备相关联的所述特定当前场境,其中,与所述计算设备相关联的所述特定当前场境是基于与所述搜索查询的相关性来定义的,
其中所述搜索查询的所述意图是进一步基于与所述计算设备相关联的所述特定当前场境来确定的。
3.根据权利要求1所述的方法,进一步包括:
由所述计算系统接收指示所述一组计算设备接收的用户输入的日志数据;以及
基于所述日志数据,确定由所述一组计算设备执行的所述用户发起的动作。
4.根据权利要求3所述的方法,其中,所述日志数据包括针对多个不同场境的、所述一组计算设备的应用使用情况数据。
5.根据权利要求3所述的方法,其中,所述日志数据包括针对多个不同场境的、所述一组计算设备的搜索特征数据。
6.根据权利要求1所述的方法,其中:
所述搜索结果包括多个搜索特征,每个搜索特征与精编内容相关联;
所述搜索结果的所述至少特定部分包括来自所述多个搜索特征的特定搜索特征;和
调整响应于所述搜索查询而获得的所述搜索结果中的所述至少特定部分进一步包括:
由所述计算系统基于所述搜索查询的所确定的意图来识别所述特定搜索特征;和
相对于来自所述多个搜索特征中的其它搜索特征的相应排名,提高所述特定搜索特征的相应排名。
7.根据权利要求1所述的方法,其中,确定所述搜索查询的所述意图进一步包括:
使用所述机器学习模型处理所述搜索查询以及场境信息的所述子集以确定所述意图。
8.根据权利要求1所述的方法,其中,提升满足所述搜索查询的所确定的意图的所述搜索结果中的所述至少特定部分包括:
识别第一搜索结果和第二搜索结果,所述第一搜索结果和所述第二搜索结果中的每一个满足所述搜索查询的所确定的意图,其中,所述第一搜索结果和所述第二搜索结果是响应于所述搜索查询的;以及
基于识别每一个满足所述搜索查询的所确定的意图的所述第一搜索结果和所述第二搜索结果,将所述搜索结果中的所述第一搜索结果和所述第二搜索结果比其他搜索结果更突出地显示。
9.根据权利要求1所述的方法,
其中,所述环境信息包括以下中的至少一个:所述计算设备的位置信息、所述计算设备的移动信息、所述计算设备的位置的天气信息、一天中的时间或一周中的一天。
10.根据权利要求7所述的方法,其中,所述机器学习模型被训练以基于处理所述场境信息和所述搜索查询来生成多个候选意图的得分。
11.根据权利要求10所述的方法,其中,确定所述搜索查询的所述意图进一步包括:
基于所述多个候选意图的所述得分,从所述多个候选意图当中选择所述意图。
12.一种计算系统,包括:
至少一个处理器;以及
包括指令的存储器,所述指令在被执行时使得所述计算系统的所述至少一个处理器进行以下操作:
从用户的计算设备接收搜索查询,所述搜索查询包括一个或多个词项;
获得与所述用户的所述计算设备相关联的场境信息,其中:
所述场境信息是除所述搜索查询的所述一个或多个词项之外的信息,
所述场境信息包括与所述计算设备相关联的环境信息,以及
与所述计算设备相关联的所述环境信息指示所述计算设备的物理环境的特性;
选择指示与所述计算设备相关联的特定当前场境的所获得的场境信息的子集,其中,所获得的场境信息的所述子集至少包括所述环境信息的子集并且排除来自所述用户的搜索历史的信息;
确定从所述用户的计算设备接收的所述搜索查询的意图,其中,所述意图是预测意图,所述预测意图在给定与所述计算设备相关联的所述特定当前场境的情况下特定于所述搜索查询,并且其中,确定所述搜索查询的所述意图包括:
使用规则处理除所述搜索查询的所述一个或多个词项之外的所述场境信息的所述子集以确定所述意图,所述规则是基于由相应用户的一组计算设备执行的过去的用户发起的动作的,其中,所述相应用户是除所述计算设备的所述用户之外的;
接收响应于所述搜索查询的所述一个或多个词项而获得的搜索结果;以及
在接收到响应于所述搜索查询的所述一个或多个词项而获得的所述搜索结果之后,在向所述用户的所述计算设备发送所述搜索结果的任何指示之前:
基于所述搜索查询的所确定的意图,调整响应于所述搜索查询的所述一个或多个词项而获得的所述搜索结果中的至少特定部分,其中,在调整所述搜索结果中的所述至少特定部分时,所述指令使得所述计算系统的所述至少一个处理器提升满足所述搜索查询的所确定的意图的搜索结果中的所述至少特定部分;以及
由所述计算系统向所述用户的所述计算设备发送所调整的搜索结果的指示。
13.根据权利要求12所述的计算系统,其中,所述规则由机器学习模型生成,所述机器学习模型被配置为基于由所述一组计算设备执行的所述用户发起的动作来确定所述搜索查询的所述意图。
14.根据权利要求13所述的计算系统,其中,所述机器学习模型是深度学习模型,所述深度学习模型是在指示由所述一组计算设备接收的用户输入的日志数据上训练的。
15.根据权利要求14所述的计算系统,其中,所述日志数据包括以下中的至少一个:针对多个不同场境的、所述一组计算设备的应用使用情况数据,或者针对多个不同场境的、所述一组计算设备的搜索特征数据。
16.根据权利要求12所述的计算系统,其中,在选择指示与所述计算设备相关联的特定当前场境的所获得的场境信息的所述子集时,所述指令进一步使得所述至少一个处理器进行以下操作:
基于与所述用户的所述计算设备相关联的所述场境信息以及由所述一组计算设备执行的所述用户发起的动作,定义与所述计算设备相关联的所述特定当前场境,其中,与所述计算设备相关联的所述特定当前场境是基于与所述搜索查询的相关性来定义的;以及
进一步基于与所述计算设备相关联的所述特定当前场境来确定所述搜索查询的所述意图。
17.根据权利要求12所述的计算系统,其中:
所述搜索结果包括多个搜索特征,每个搜索特征与精编内容相关联;
所述搜索结果中的所述至少特定部分包括所述多个搜索特征中的特定搜索特征;并且
在调整响应于所述搜索查询而获得的所述搜索结果中的所述至少特定部分时,所述指令进一步使得所述至少一个处理器进行以下操作:
基于所述搜索查询的所确定的意图来识别所述特定搜索特征;以及
相对于来自所述多个搜索特征中的其它搜索特征的相应排名,提高所述特定搜索特征的相应排名。
18.一种包括指令的计算机可读存储介质,所述指令在被执行时将计算系统的一个或多个处理器配置为:
从用户的计算设备接收搜索查询,所述搜索查询包括一个或多个词项;
获得与所述用户的所述计算设备相关联的场境信息,其中:
所述场境信息与所述搜索查询的所述词项中的一个或多个相关,
所述场境信息是除所述搜索查询的所述一个或多个词项之外的信息,
所述场境信息包括与所述计算设备相关联的环境信息,以及
与所述计算设备相关联的所述环境信息指示所述计算设备的物理环境的特性;
选择指示与所述计算设备相关联的特定当前场境的所获得的场境信息的子集,其中,所获得的场境信息的所述子集至少包括所述环境信息的子集并且排除来自所述用户的搜索历史的信息;
确定从所述用户的计算设备接收的所述搜索查询的意图,其中,所述意图是预测意图,所述预测意图在给定与所述计算设备相关联的所述特定当前场境的情况下特定于所述搜索查询,并且其中,确定所述搜索查询的所述意图包括:
使用机器学习模型处理除所述搜索查询的所述一个或多个词项之外的所述场境信息的所述子集以确定所述意图,所述机器学习模型是基于由相应用户的一组计算设备执行的过去的用户发起的动作的,其中,所述相应用户是除所述计算设备的所述用户之外的;
接收响应于所述搜索查询的所述一个或多个词项而获得的搜索结果;以及
在接收到响应于所述搜索查询的所述一个或多个词项而获得的所述搜索结果之后,在向所述用户的所述计算设备发送所述搜索结果的任何指示之前:
基于所述搜索查询的所确定的意图,调整响应于所述搜索查询的所述一个或多个词项而获得的所述搜索查询中的至少特定部分,其中,在调整所述搜索结果中的所述至少特定部分时,所述指令使得所述计算系统的所述至少一个处理器提升满足所述搜索查询的所确定的意图的搜索结果中的所述至少特定部分;以及
由所述计算系统向所述用户的所述计算设备发送所调整的搜索结果的指示。
19.根据权利要求18所述的计算机可读存储介质,其中:
所述搜索结果包括多个搜索特征,每个搜索特征与精编内容相关联;
所述搜索结果中的所述至少特定部分包括来自所述多个搜索特征中的特定搜索特征;并且
在调整响应于所述搜索查询而获得的所述搜索结果中的所述至少特定部分时,所述指令进一步使得所述至少一个处理器进行以下操作:
基于所述搜索查询的所确定的意图来识别所述特定搜索特征;以及
相对于来自所述多个搜索特征中的其它搜索特征的相应排名,提高所述特定搜索特征的相应排名。
20.根据权利要求18所述的计算机可读存储介质,其中,所述机器学习模型是深度学习模型,所述深度学习模型是在指示由所述一组计算设备接收的用户输入的日志数据上训练的。
21.根据权利要求20所述的计算机可读存储介质,其中,所述日志数据包括以下中的至少一个:针对多个不同场境的、所述一组计算设备的应用使用情况数据,或者针对多个不同场境的、所述一组计算设备的搜索特征数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/598,580 US10909124B2 (en) | 2017-05-18 | 2017-05-18 | Predicting intent of a search for a particular context |
US15/598,580 | 2017-05-18 | ||
PCT/US2018/032791 WO2018213326A1 (en) | 2017-05-18 | 2018-05-15 | Predicting intent of a search for a particular context |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111279328A CN111279328A (zh) | 2020-06-12 |
CN111279328B true CN111279328B (zh) | 2023-09-15 |
Family
ID=62685124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880032893.4A Active CN111279328B (zh) | 2017-05-18 | 2018-05-15 | 预测对于特定场境的搜索的意图 |
Country Status (3)
Country | Link |
---|---|
US (2) | US10909124B2 (zh) |
CN (1) | CN111279328B (zh) |
WO (1) | WO2018213326A1 (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10346542B2 (en) | 2012-08-31 | 2019-07-09 | Verint Americas Inc. | Human-to-human conversation analysis |
US10599640B2 (en) * | 2017-12-19 | 2020-03-24 | At&T Intellectual Property I, L.P. | Predictive search with context filtering |
US11054270B1 (en) | 2018-02-01 | 2021-07-06 | Facebook, Inc. | Generating catalogs of navigation information |
US11029170B1 (en) * | 2018-02-01 | 2021-06-08 | Facebook, Inc. | Predicting user intent in navigation information |
US11163961B2 (en) | 2018-05-02 | 2021-11-02 | Verint Americas Inc. | Detection of relational language in human-computer conversation |
US10749821B2 (en) * | 2018-06-11 | 2020-08-18 | Cisco Technology, Inc. | Domain-specific connected type ahead for chat |
US11544292B1 (en) * | 2018-06-29 | 2023-01-03 | Wells Fargo Bank, N.A. | Data tagging and task dataset generation |
US11822888B2 (en) | 2018-10-05 | 2023-11-21 | Verint Americas Inc. | Identifying relational segments |
US11048767B2 (en) * | 2018-11-16 | 2021-06-29 | Sap Se | Combination content search |
US11886457B2 (en) * | 2020-05-29 | 2024-01-30 | Microsoft Technology Licensing, Llc | Automatic transformation of data by patterns |
US11853381B2 (en) * | 2020-11-13 | 2023-12-26 | Google Llc | Hybrid fetching using a on-device cache |
CN113609176B (zh) * | 2021-08-06 | 2024-03-19 | 北京百度网讯科技有限公司 | 一种信息生成方法、装置、设备及存储介质 |
JP7104256B1 (ja) | 2022-02-18 | 2022-07-20 | ヤフー株式会社 | 情報処理プログラム、情報処理方法、および端末装置 |
JP7387974B2 (ja) | 2022-02-18 | 2023-11-29 | Lineヤフー株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
JP7104257B1 (ja) | 2022-02-18 | 2022-07-20 | ヤフー株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
JP7183465B1 (ja) | 2022-02-18 | 2022-12-05 | ヤフー株式会社 | 情報処理プログラム、情報処理方法、および端末装置 |
JP7104255B1 (ja) | 2022-02-18 | 2022-07-20 | ヤフー株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015094397A1 (en) * | 2013-12-19 | 2015-06-25 | Facebook, Inc. | Generating recommended search queries on online social networks |
CN105264528A (zh) * | 2014-03-26 | 2016-01-20 | 微软技术许可有限责任公司 | 集成搜索环境中的客户端意图 |
WO2016135746A2 (en) * | 2015-02-27 | 2016-09-01 | Keypoint Technologies India Pvt. Ltd. | Contextual discovery |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8051162B2 (en) | 2006-07-28 | 2011-11-01 | Hewlett-Packard Development Company, L.P. | Data assurance in server consolidation |
US8051076B1 (en) | 2007-12-13 | 2011-11-01 | Google Inc. | Demotion of repetitive search results |
US8775416B2 (en) | 2008-01-09 | 2014-07-08 | Yahoo!Inc. | Adapting a context-independent relevance function for identifying relevant search results |
US8515950B2 (en) | 2008-10-01 | 2013-08-20 | Microsoft Corporation | Combining log-based rankers and document-based rankers for searching |
US20120158685A1 (en) | 2010-12-16 | 2012-06-21 | Microsoft Corporation | Modeling Intent and Ranking Search Results Using Activity-based Context |
US8639719B2 (en) | 2011-02-02 | 2014-01-28 | Paul Tepper Fisher | System and method for metadata capture, extraction and analysis |
US8688726B2 (en) | 2011-05-06 | 2014-04-01 | Microsoft Corporation | Location-aware application searching |
US9047620B2 (en) | 2012-03-21 | 2015-06-02 | Google Inc. | Expected activity of a user |
US9378456B2 (en) | 2012-11-19 | 2016-06-28 | Microsoft Technology Licensing, Llc | Task completion |
US9384244B1 (en) * | 2012-11-28 | 2016-07-05 | BloomReach Inc. | Search with autosuggest and refinements |
US20140188956A1 (en) | 2012-12-28 | 2014-07-03 | Microsoft Corporation | Personalized real-time recommendation system |
US9367625B2 (en) | 2013-05-03 | 2016-06-14 | Facebook, Inc. | Search query interactions on online social networks |
US20150012524A1 (en) * | 2013-07-02 | 2015-01-08 | Google Inc. | Using models for triggering personal search |
US10176262B2 (en) | 2015-05-13 | 2019-01-08 | Telenav, Inc. | Navigation system with synthesized search mechanism and method of operation thereof |
US9940362B2 (en) | 2015-05-26 | 2018-04-10 | Google Llc | Predicting user needs for a particular context |
US9974045B2 (en) * | 2015-06-29 | 2018-05-15 | Google Llc | Systems and methods for contextual discovery of device functions |
US10083379B2 (en) * | 2016-09-27 | 2018-09-25 | Facebook, Inc. | Training image-recognition systems based on search queries on online social networks |
US11042586B2 (en) * | 2016-12-29 | 2021-06-22 | Shutterstock, Inc. | Clustering search results based on image composition |
US20180246974A1 (en) * | 2017-02-28 | 2018-08-30 | Laserlike Inc. | Enhanced search for generating a content feed |
-
2017
- 2017-05-18 US US15/598,580 patent/US10909124B2/en active Active
-
2018
- 2018-05-15 WO PCT/US2018/032791 patent/WO2018213326A1/en active Application Filing
- 2018-05-15 CN CN201880032893.4A patent/CN111279328B/zh active Active
-
2020
- 2020-12-10 US US17/118,346 patent/US11461342B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015094397A1 (en) * | 2013-12-19 | 2015-06-25 | Facebook, Inc. | Generating recommended search queries on online social networks |
CN105264528A (zh) * | 2014-03-26 | 2016-01-20 | 微软技术许可有限责任公司 | 集成搜索环境中的客户端意图 |
WO2016135746A2 (en) * | 2015-02-27 | 2016-09-01 | Keypoint Technologies India Pvt. Ltd. | Contextual discovery |
Non-Patent Citations (1)
Title |
---|
江雪 ; 孙乐 ; .用户查询意图切分的研究.计算机学报.2013,(03),第210-216页. * |
Also Published As
Publication number | Publication date |
---|---|
CN111279328A (zh) | 2020-06-12 |
WO2018213326A1 (en) | 2018-11-22 |
US10909124B2 (en) | 2021-02-02 |
US20210089548A1 (en) | 2021-03-25 |
US20180336200A1 (en) | 2018-11-22 |
US11461342B2 (en) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111279328B (zh) | 预测对于特定场境的搜索的意图 | |
US11716600B2 (en) | Personalized entity repository | |
JP7404296B2 (ja) | 特定のコンテキストについてのユーザニーズの予測 | |
CN107004408B (zh) | 用于基于将语义知识图的至少一部分转换为概率状态图来确定口语对话中的用户意图的方法和系统 | |
US11741072B2 (en) | Method and apparatus for real-time interactive recommendation | |
US10540666B2 (en) | Method and system for updating an intent space and estimating intent based on an intent space | |
JP5859611B2 (ja) | 意味的地域に基づいて検索語を推薦する方法およびシステム | |
US11194796B2 (en) | Intuitive voice search | |
EP3469495A1 (en) | Methods, systems, and media for presenting a user interface customized for a predicted user activity | |
EP3341859B1 (en) | Information ranking based on properties of a computing device | |
CN111552884A (zh) | 用于内容推荐的方法和设备 | |
KR101873339B1 (ko) | 관심사 및 콘텐츠를 제공하는 방법 및 시스템 | |
US10311119B1 (en) | Determining location-based contextual hashtags | |
JP2020149128A (ja) | 推定装置、推定方法および推定プログラム |
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 |