DE212010000172U1 - Soziale Suchmaschine - Google Patents
Soziale Suchmaschine Download PDFInfo
- Publication number
- DE212010000172U1 DE212010000172U1 DE212010000172U DE212010000172U DE212010000172U1 DE 212010000172 U1 DE212010000172 U1 DE 212010000172U1 DE 212010000172 U DE212010000172 U DE 212010000172U DE 212010000172 U DE212010000172 U DE 212010000172U DE 212010000172 U1 DE212010000172 U1 DE 212010000172U1
- Authority
- DE
- Germany
- Prior art keywords
- candidate
- question
- computer
- response
- readable medium
- 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.)
- Expired - Lifetime
Links
Images
Classifications
-
- 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
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
- H04L51/046—Interoperability with other network applications or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/66—Arrangements for connecting between networks having differing types of switching systems, e.g. gateways
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
- G06F9/453—Help systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
-
- 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
Abstract
Description
- STAND DER TECHNIK
- Die vorliegende Beschreibung beschreibt Technologien in Bezug auf Frage- und- Antwort-Dienste.
- Traditionell war das Grundparadigma beim Informationsabruf die Bibliothek. Obwohl dieses Paradigma in mehreren Kontexten gut funktioniert hat, ignoriert es ein sehr altes Modell für die Wissensbeschaffung, das als das ”Dorfparadigma” bezeichnet werden soll. In einem Dorf wird die Wissensverbreitung sozial erzielt – Informationen werden von Person zu Person weitergegeben, und die Aufgabe des Abrufens besteht darin, nicht das richtige Dokument, sondern die richtige Person zu finden, um eine Frage zu beantworten.
- In einer Bibliothek benutzen Personen Stichwörter zum Suchen, die Wissensbasis wird durch eine kleine Anzahl von Inhaltspublizierern erzeugt, bevor die Fragen gestellt werden, und Vertrauen basiert auf Autorität. In einem Dorf verwenden Personen dagegen natürliche Sprache, um Fragen zu stellen, Antworten werden durch Mitglieder der Gemeinschaft in Echtzeit erzeugt und Vertrauen basiert auf Vertrautheit. Echtzeit-Antworten von sozial proximalen Antwortenden tendieren dazu, stark kontextualisierte und subjektive Anfragen hervorzurufen (und funktionieren gut für diese). Zum Beispiel wird die folgende Frage besser von einem Freund als von der Bibliothek beantwortet: ”Hast du eine gute Empfehlung für Babysitter in Palo Alto für meine 6-jährigen Zwillinge? Ich suche nach jemandem, der sie nicht fernsehen lässt”.
- KURZFASSUNG
- Für Situationen, in denen die hier besprochenen Systeme persönliche Informationen über Benutzer sammeln, kann den Benutzern eine Gelegenheit gegeben werden, in Programme oder Merkmale, die persönliche Informationen (z. B. Informationen über Präferenzen eines Benutzers oder den aktuellen Ort eines Benutzers) sammeln können, einzusteigen bzw. aus diesen auszusteigen. Ein Benutzer kann außerdem über die einhergehenden Beschränkungen bezüglich der Funktionalität eines Dienstes informiert werden, die sich aus dem Begrenzen des Zugangs zu solchen persönlichen Informationen ergeben können. Zusätzlich können betimmte Daten auf eine oder mehrere Weisen anonymisiert werden, bevor sie gespeichert oder benutzt werden, so dass persönlich identifizierbare Informationen entfernt werden. Zum Beispiel kann die Identität eines Benutzers anonymisiert werden, so dass keine persönlich identifizierbaren Informationen für den Benuzer bestimmt werden können, oder der geografische Ort eines Benutzers kann generalisiert werden, wenn Ortsinformationen erhalten werden (wie zum Beispiel auf eine Stadt, eine Postleitzahl oder eine Staatsebene), so dass kein bestimmter Ort eines Benutzers bestimmt werden kann. Zusätzlich können betimmte Benutzer nicht wünschen, mit einem bestimmten Thema assoziiert zu werden, für das sie Antworten geben. In diesen Fällen kann die Privatsphäre der Benutzer geschützt werden, indem minimale oder keine Informationen gegeben werden, die die Benutzer identifizieren würden. Darüber hinaus können Benutzer kontrollieren, wie viele Identifizierungsinformationen mit ihren Antworten bereitgestellt werden.
- Im Allgemeinen kann ein innovativer Aspekt des in der vorliegenden Beschreibung beschriebenen Gegenstands in Systemen realisiert werden, die ein computerlesbares Medium mit Anweisungen umfassen, die von einer Datenverarbeitungsvorrichtung ausgeführt werden können, um Operationen auszuführen, die umfassen: Empfangen einer Frage von einem Fragenden, wobei die Frage mit einem oder mehreren Themen assoziiert ist; Einstufen von in Frage kommenden Antwortenden mindestens teilweise auf der Basis der jeweiligen Beziehung jedes Antwortenden zu dem Fragenden und einer jeweiligen Wahrscheinlichkeit, dass der Antwortende eine zufriedenstellende Antwort auf die Frage geben wird; sukzessives Senden der Frage zu Gruppen von einem oder mehreren in Frage kommenden Antwortenden gemäß der Einstufung, bis eine Antwort von einem bestimmten der in Frage kommenden Antwortenden empfangen wird; und Senden der empfangenen Antwort und von Informationen, die den bestimmten Antwortenden identifizieren, zu dem Fragenden. Andere Ausführungsformen dieses Aspekts umfassen entsprechende Vorrichtungen und Computerprogramme, die dafür ausgelegt sind, die Anweisungen auszuführen, die auf Computerspeichereinrichtungen codiert sind.
- Diese und andere Ausführungsformen können jeweils gegebenenfalls ein oder mehrere der folgenden Merkmale umfassen. Die Einstufung von in Frage kommenden Antwortenden kann mindestens teilweise auf einer Tageszeit basieren und darauf, ob ein in Frage kommender Antwortender in den in Frage kommenden Antwortenden in der Vergangenheit während der Tageszeit aktiv gewesen ist oder bevorzugt, während der Tageszeit nicht kontaktiert zu werden. Die Einstufung von in Frage kommenden Antwortenden kann mindestens teilweise darauf basieren, ob ein in Frage kommender Antwortender in den in Frage kommenden Antwortenden online ist. Die Einstufung von in Frage kommenden Antwortenden kann mindestens teilweise darauf basieren, ob der potentielle Antwortende vor kurzem kontaktiert wurde, oder auf der Basis einer Kontakthäufigkeitspräferenz des in Frage kommenden Antwortenden. Es kann eine Identifikation eines anderen potentiellen Antwortenden von einem in Frage kommenden Antwortenden empfangen werden und die Frage kann zu dem anderen in Frage kommenden Antwortenden gesendet werden. Die jeweilige Beziehung eines in Frage kommenden Antwortenden zu dem Fragenden kann mindestens teilweise auf einem Grad der sozialen Indirektion zwischen den beiden basieren. Es können ein oder mehrere Nachrichtenformate ausgewählt werden, die für den einen oder die mehreren in Frage kommenden Antwortenden in der Gruppe geeignet sind, und die Frage kann unter Verwendung der ausgewählten Nachrichtenformate gesendet werden. Das Nachrichtenformat kann eine Instant Message, E-Mail, ein Blog-Beitrag, eine SMS-Nachricht, ein beigetragener Kommentar, ein Mikroblog-Beitrag, ein Wallpost oder eine andere Nachricht eines sozialen Netzwerks sein. Das Nachrichtenformat für einen in Frage kommenden Antwortenden in der Gruppe kann mindestens teilweise auf der Basis der Tageszeit ausgewählt werden. Das Nachrichtenformat für einen in Frage kommenden Antwortenden in der Gruppe kann mindestens teilweise auf der Basis einer Wahrscheinlichkeit ausgewählt werden, dass der in Frage kommende Antwortende eine Antwort mindestens teilweise auf der Basis des Nachrichtenformats geben wird. Die Informationen können eine Beschreibung einer Beziehung zwischen dem Fragenden und dem bestimmten Antwortenden umfassen. Die Einstufung von in Frage kommenden Antwortenden kann ferner das Auswählen eines oder mehrerer in Frage kommender Antwortender auf der Basis von mit den ausgewählten in Frage kommenden Antwortenden assoziierten Themen umfassen.
- Im Allgemeinen kann ein anderer innovativer Aspekt des in der vorliegenden Beschreibung beschriebenen Gegenstands in Systemen realisiert werden, die ein computerlesbares Medium mit Anweisungen umfassen, die von einer Datenverarbeitungsvorrichtung ausgeführt werden können, um Operationen auszuführen, die umfassen: Empfangen einer Antwort auf eine Frage von einem Antwortenden; Identifizieren einer Entität in der Antwort, wobei sich die Entität auf ein Produkt, einen Dienst, eine Firma oder einen Händler bezieht; Erhalten einer Genehmigung von dem Antwortenden, einen interaktiven Link für die Entität in der Antwort auf eine Ressource, aus der die Entität erhalten werden kann, bereitzustellen; Empfangen einer vom Benutzer eingesendeten Anfrage und Bestimmen, dass die Anfrage mit der Entität in Beziehung steht; und Geben der Antwort als Reaktion auf das Bestimmen, einschließlich des Links auf die Ressource, als Teil von Suchergebnissen, die Reaktion auf die Anfrage sind. Andere Ausführungsformen dieses Aspekts umfassen entsprechende Vorrichtungen und Computerprogramme, die dafür ausgelegt sind, die Anweisungen auszuführen, die auf Computerspeichereinrichtungen codiert sind.
- Diese und andere Ausführungsformen können jeweils gegebenenfalls ein oder mehrere der folgenden Merkmale umfassen. Das Identifizieren der Entität in der Antwort kann ferner die Verwendung eines trainierten Klassifizierers umfassen, um zu bestimmen, ob sich die Antwort auf eine Entität bezieht. Das Erhalten der Genehmigung kann ferner umfassen, dem Antwortenden eine oder mehrere Optionen zu geben, wobei eine der Optionen darin besteht, den interaktiven Link aufzunehmen. Die Auswahl der Option, den interaktiven Link aufzunehmen, kann empfangen werden. Die Ressource kann eine Website oder eine Anwendung sein. Der interaktive Link kann ein Hyperlink sein. Der interaktiven Link kann einen affiliierten Code umfassen. Der affiliierte Code kann von der Ressource verwendet werden, um ein Konto zu identifizieren. Das Konto kann eine Gutschrift empfangen, wenn die Entität gekauft wird. Die gegebene Antwort kann eine Identität des Antwortenden umfassen. Eine Ressource ist eine Website oder eine Anwendung. Das Geben der Antwort kann ferner das Aufnehmen einer Karte, eines Bildes oder eines Videos in die Antwort umfassen.
- Bestimmte Ausführungsformen des in der vorliegenden Beschreibung beschriebenen Gegenstands können implementiert werden, um so einen oder mehrere der folgenden Vorteile zu realisieren. In verschiedenen Aspekten können Benutzer zum Beispiel entweder durch Instant Message, E-Mail, Web-Eingabe, Textnachricht oder Sprache eine Frage stellen. Das System routet die Frage dann zu einer Person in der sozialen Affinitätsgruppe des Benutzers, die am wahrscheinlichsten in der Lage sein wird, diese Frage zu beantworten. Potentielle Antwortende können wählen, eine Frage nicht zu beantworten, um ihre Privatsphäre zu schützen, oder sie können wählen, zu antworten, sich aber entscheiden, nur minimale oder keine Informationen bereitzustellen, die sie anderen identifizieren.
- Im Vergleich zu einer traditionellen Web-Suchmaschine, bei der das Problem darin liegt, das richtige Dokument zu finden, um Informationsbedürfnisse eines Benutzers zu erfüllen, besteht die Herausforderung bei einer sozialen Suchmaschine darin, die richtige Person zu finden, um Informationsbedürfnisse eines Benutzers zu erfüllen. Obwohl Vertrauen bei einer traditionellen Suchmaschine auf Autorität basieren kann, basiert Vertrauen bei einer sozialen Suchmaschine auf Vertrautheit. Weitere Vorteile umfassen die Möglichkeit, Fragen in natürlicher Sprache zu stellen, die Möglichkeit, eine nützliche Antwort auch dann zu empfangen, wenn die Frage keine identifizierbaren oder relevanten Themen umfasst, und die Möglichkeit, mehr Informationen als eine spezifische Antwort auf eine Frage zu empfangen.
- Die Einzelheiten einer oder mehrerer Ausführungsformen des in der vorliegenden Beschreibung beschriebenen Gegenstands werden in den beigefügten Zeichnungen und in der nachfolgenden Beschreibung dargelegt. Andere Merkmale, Aspekte und Vorteile des Gegenstands werden aus der Beschreibung, den Zeichnungen und den Ansprüchen hervorgehen.
- KURZE BESCHREIBUNG DER ZEICHNUNGEN
-
1A zeigt eine beispielhafte grafische Benutzeroberfläche zur Interaktion mit einem Fragenden. -
1B zeigt eine beispielhafte grafische Benutzeroberfläche zur Interaktion mit einem Antwortenden. -
1C zeigt eine weitere beispielhafte grafische Benutzeroberfläche zur Interaktion mit einem Antwortenden. -
1D zeigt eine beispielhafte grafische Benutzeroberfläche zum Erhalten einer Genehmigung, einen affiliierten Link in eine Antwort einzufügen. -
1E zeigt eine beispielhafte grafische Benutzeroberfläche zum Bereitstellen von Suchergebnissen und Antworten als Reaktion auf Anfragen. -
2 ist ein schematisches Diagramm eines beispielhaften sozialen Suchmaschinensystems. -
3 ist ein Flussdiagramm einer beispielhaften Technik, um einem Antwortenden eine Frage bereitzustellen. -
4 ist ein Flussdiagramm einer beispielhaften Technik zum Bereitstellen eines affiliierten Links in einer Antwort. - Gleiche Bezugszahlen und Bezeichnungen in den verschiedenen Zeichnungen geben gleiche Elemente an.
- AUSFÜHRLICHE BESCHREIBUNG
- In der vorliegenden Beschreibung ist eine soziale Affinitätsgruppe eines Benutzers eine Gruppe von anderen Benutzern, mit denen der Benutzer Beziehungen aufweist, die einem System bekannt sind. Die Beziehungen können implizit oder explizit sein, und in jedem Fall identifizieren die Beziehungen die Gruppe von Benutzern und den Benutzer als eine echte Teilmenge von Benutzern eines Netzwerks. Beispiele für durch explizite Beziehungen identifizierte Gruppen umfassen Benutzer, die zu ”Freundelisten” eines Benutzers in einem sozialen Netzwerk gehören, Benutzer mit einem ”Link auf” einen Benutzer in einem professionellen Netzwerk und Benutzer, die sich anderweitig explizit als zu einer Gruppe gehörend identifzieren, um so eine Gruppe zu bilden, die von der größeren Gruppe aller Benutzer verschieden ist. Es sind andere Arten von expliziten Beziehungen möglich. Beispiele für durch implizite Beziehungen identifizierte Gruppen umfassen Benutzer, die sich in der Nähe eines gemeinsamen Orts befinden (z. B. Benutzer innerhalb einer vordefinierten Distanz von einem Stadtzentrum), Benutzer, die über ein bestimmtes Produkt oder einen bestimmten Artikel eine Meinung ausgedrückt haben (z. B. Benutzer, die ein bestimmtes Produkt begutachtet haben) und Benutzer, die anderweitig implizit identifiziert werden, um so eine Gruppe zu bilden, die von der größeren Gruppe aller Benutzer verschieden ist. Es sind andere Arten von impliziten Beziehungen möglich. Ein Grad der sozialen Indirektion zwischen einem Benutzer und einem Mitglied der sozialen Affinitätsgruppe des Benutzers ist eine Anzahl von Zwischenbeziehungen zwischen den beiden. Zum Beispiel ist im Fall von expliziten Beziehungen des Typs ”Freundesliste” der Grad der sozialen Indirektion 0, wenn das Mitglied der Freund des Benutzers ist, 1, wenn das Mitglied ein Freund eines Freunds des Benutzers ist, 2, wenn das Mitglied ein Freund eines Freunds eines Freunds des Benutzers ist usw. Dasselbe gilt für implizite Beziehungen und Kombinationen von impliziten und expliziten Arten von Beziehungen. Wenn zwei Benutzer einen Grad der sozialen Indirektion zwischen ihnen aufweisen, der größer als 0 ist, kann die Beschaffenheit ihrer Beziehung von der Beschaffenheit ihrer Beziehungen mit Benutzern, mit denen sie beide eine Beziehung aufweisen, abhängen. Wenn zum Beispiel Benutzer A und Benutzer B einen Grad der sozialen Indirektion von 4 aufweisen und Benutzer A und Benutzer B beide eine Beziehung mit Benutzer C aufweisen, könnte, wenn Benutzer C einen geringeren Grad der sozialen Indirektion zu Benutzer A als Benutzer A zu Benutzer B aufweist, das Vertrauen von Benutzer A in Benutzer B auf der Beziehung von Benutzer B mit Benutzer C basieren. Das heißt, dass wenn Benutzer B auch eine enge Beziehung zu Benutzer C aufweist, wird Benutzer A Antworten von Benutzer B wahrscheinlicher vertrauen. Es sind andere Arten von Maßnahmen für soziale Indirektion möglich.
-
1A zeigt eine beispielhafte grafische Benutzeroberfläche (GUI)100 für einen Benutzer zum Stellen von Fragen und Empfangen von Antworten auf Fragen von Mitgliedern der sozialen Affinitätsgruppe des Benutzers. Die GUI100 implementiernde Software kann auf einer Client-Einrichtung ausgeführt werden, die eine Datenverarbeitungsvorrichtung ist, wie zum Beispiel ein Personal Computer, ein Smartphone, ein Tablet-Computer, ein Laptop-Computer usw. Die GUI100 kann durch einen Web-Browser oder durch andere auf der Client-Einrichtung ausgeführte Software präsentiert werden. Eingaben in die GUI100 können zum Beispiel mittels eines physischen oder virtuellen Tastenfelds, Sprache oder Video erfolgen. Es sind andere GUIs möglich, darunter zum Beispiel GUIs für Instant Messaging, E-Mail, Mikroblogging und SMS. Bei bestimmten Implementierungen kann sich eine Softwareanwendung als ein Benutzer bei einem oder mehreren Instant-Messaging-Diensten registrieren. Solche automatisierten Benutzer von Instant-Messaging-Diensten werden gewöhnlich als ”Bots” bezeichnet. Benutzer, die den Bot in ihrer Kontaktliste für einen bestimmten Instant-Messaging-Dienst haben, können dem Bot Fragen senden. Der Bot kann mit dem System (siehe die nachfolgende2 ) in Interaktion treten, um die Frage zu dem System zu übermitteln und die Antwort von dem System zu dem Benutzer weiterzuleiten. - Zur Veranschaulichung sendet ein Benutzer Bob eine Frage zu dem System, wie in
104 gezeigt. Bei bestimmten Implementierungen wird die Frage als Text, Sprache, Video oder Kombination dieser eingesendet. Die Frage kann auch einen oder mehrere Anhänge umfassen, wie zum Beispiel Bilder, Tonaufzeichnungen, Video oder Dokumente. Als Nächstes antwortet das System mit der Nachricht106 , die angibt, dass das System nach jemandem in der sozialen Affinitätsgruppe von Bob sucht, der die Frage beantworten kann. (Nachrichten an Benutzer von dem System200 werden durch den Konversationsmanager206 erzeugt, der mit Bezug auf2 beschrieben werden wird). Man beachte, dass das System ein Thema106a der Frage identifiziert hat. Allgemein ausgedrückt kann das System ein oder mehrere Themen für jede eingesendete Frage identifizieren. Die Themenidentifikation wird später beschrieben. Das System identifiziert Mitglieder der sozialen Affinitätsgruppe von Bob, die über ein Niveau von Expertise in dem identifizierten Thema bzw. den identifizierten Themen verfügen und die wahrscheinlich als potentielle Antwortende eine Antwort geben werden. Ein oder mehrere der potentiellen Antwortenden werden durch das System über Kommunikationskanäle (z. B. Instant Message, Email, Blog-Beitrag, SMS-Nachricht usw.) kontaktiert, die für die potentielle Antwort geeignet sind. Ein Beispiel für eine Interaktion mit einem potentiellen Antwortenden wird in Bezug auf1b nachfolgend beschrieben. Wenn einer der potentiellen Antwortenden mit einer Antwort auf das System antwortet, präsentiert das System die Nachricht108 , die die Antwort bei bestimmen Implementierungen zusammen mit Informationen, die den Antwortenden als ein Mitglied der sozialen Affinitätsgruppe des Benutzers identifizieren, umfasst. - Antworten können von Mitgliedern der sozialen Affinitätsgruppe des Benutzers kommen, die verschiedene Beziehungen zu dem Fragenden aufweisen. Zum Beispiel kann eine Antwort von jemandem mit nur einer entfernten sozialen Verbindung zu dem Fragenden (d. h. einem hohen Grad der sozialen Indirektion) kommen; eine zweite Antwort kann von einem Mitarbeiter kommen; und eine dritte Antwort kann von einem Freund eines Freundes eines Freundes kommen. Bei bestimmten Implementierungen umfassen die Informationen, die den Antwortenden in der Antwort identifizieren, den vollen oder teilweisen Namen
108a des Antwortenden, das Alter des Antwortenden, seinen Ort108b (z. B. Stadt, Staat, Land, Region usw.) und eine Beschreibung der Sozialaffinitätsgruppen-Beziehung zwischen dem Fragenden und dem bestimmten Antwortenden108c . Bei bestimmten Implementierungen identifiziert die Beschreibung einer Sozialaffinitätsgruppen-Beziehung zwischen dem Fragenden und dem bestimmten Antwortenden einen gemeinsamen Freund, dem der Fragende am nächsten steht (vom Standpunkt der sozialen Indirektion aus gesehen). - Bestimmte oder alle der den Antwortenden beschreibenden Informationen können (z. B. auf Anforderung des Antwortenden hin) weggelassen werden, aber die Bereitstellung dieser Informationen kann Vertrauen in die Antwort vermitteln. In dieser Veranschaulichung wurde die Frage von Julia Thompson beantwortet, die sich in San Francisco befindet und ein Freund des Freunds John Smith des Benutzer ist. Bei bestimmten Implementierungen können Fragende und/oder Antwortende in die Bereitstellung von Informationen mit ihren Nachrichten, die sie identifizieren würden, einsteigen oder aus diesen aussteigen. Als Alternative können Fragende und/oder Antwortende die Menge von Identifizierungsinformationen begrenzen, die mit ihren Nachrichten bereitgestellt wird. Durch Begrenzen der Identifizierungsinformationen auf Initialen eines Benutzers, ihren Staat und einen Grad der sozialen Indirektion (z. B. „K. aus Kalifornien ist ein Freund eines Freunds von Ihnen”) können Benutzer zum Beispiel einen Kompromiss zwischen dem Aufrechterhalten ihrer Anonymität und dem Erlangen des Vertrauens des Empfängers ihrer Nachricht treffen.
- Bei bestimmten Implementierungen erlaubt das System dem Benutzer, direkt mit dem Antwortenden zu kommunizieren, um zum Beispiel dem Antwortenden zu danken, Klarstellungsinformationen anzufordern oder eine weitere Frage nachzureichen (
110 ). Bei verschiedenen Implementierungen ermöglicht der nachfolgend beschriebene Konversationsmanager206 solche Kommunikation. Im gesamten Verlauf aller Interaktionen von Benutzer/Antwortendem behält das System eine Artikulierung, die freundlich, höflich und anerkennend ist. Das System verlässt sich auf die Güte und Interessen seiner Benutzer, so dass es wichtig ist, die Art von (linguistischem) Verhalten zu demonstrieren, die diese Gefühle anregen kann, um für Benutzer zur Verwendung ein gutes Beispiel zu setzen.1B zeigt eine beispielhafte GUI120 zur Interaktion mit einem Antwortenden. Die GUI120 implementierende Software kann zum Beispiel auf einer Client-Einrichtung ausgeführt werden. Die GUI120 kann durch einen Web-Browser oder durch andere auf der Client-Einrichtung ausgeführte Software präsentiert werden. Eingaben in die GUI120 können zum Beispiel mittels physischem oder virtuellem Tastenfeld, Sprache oder Video erfolgen. Es sind andere GUIs möglich, darunter zum Beispiel GUIs für Instant Messaging, Email, Mikroblogging und SMS. Ein infragekommender Antwortender wird auf der Basis zum Beispiel der Mitgliedschaft des potentiellen Antwortenden in der sozialen Affinitätsgruppe des die Frage Fragenden und eines oder mehrerer Themen für die Frage ausgewählt. (Die Auswahl potentieller Antwortenden wird später beschrieben.) In dieser Veranschaulichung hat das System Julia Thompson als einen der infragekommenden Antwortenden identifiziert. Das System präsentiert Julia die Nachricht124 , die fragt, ob sie dafür zur Verfügung steht und in der Lage ist, eine Frage in Bezug auf das identifizierte Thema bzw. die identifizierten Themen in der Frage zu beantworten, die in diesem Fall das Thema „Wandern”124a umfasst. Julia erhält die Optionen, zu antworten (z. B. durch Tippen oder Sprechen „sicher”), nicht zu antworten (z. B. durch Tippen oder Sprechen von „passe”) oder die Frage an jemand anderes in der sozialen Affinitätsgruppe von Julia oder dem Fragenden weiterzuleiten (z. B. durch Tippen oder Sprechen „weiterleiten”). In diesem Beispiel hat Julia „sicher”126 getippt, wodurch angezeigt wird, dass sie gewillt ist, die Frage in Bezug auf Wandern zu beantworten. Es ist keine Schande, eine Frage zu „passen” oder „weiterzuleiten”, da niemand anderes weiß, dass die Frage zu dem potentiellen Antwortenden gesendet wurde. Ähnlich entstehen keine sozialen Kosten für den eine Fragen fragenden Benutzer, da sich der Benutzer nicht direkt einem Freund aufdrängt oder um einen Gefallen bittet; stattdessen spielt das System die Rolle des Vermittlers, der diese sozialen Kosten trägt. - Ein Schlüsselvorteil dieses Interaktionsmodells besteht darin, dass die verfügbare Menge von infragekommenden Antwortenden nicht nur jegliche Benutzer sind, die zufällig zum Zeitpunkt des Stellens einer Frage online sind, sondern stattdessen die gesamte Menge von Mitgliedern einer sozialen Affinitätsgruppe eines Benutzers, für die das System über Kontaktinformationen verfügt. Da diese Art von „Hinausreichen” nach infragekommenden Antwortenden das Potential hat, zu einer unwillkommenen Unterbrechung zu werden, wenn sie zu oft auftritt, sendet das System bei bestimmten Implementierungen solche Anforderungen gewöhnlich weniger als einmal am Tag zu einem gegebenen infragekommenden Antwortenden. Bei weiteren Implementierungen können Benutzer leicht ihre Kontakteinstellungen ändern, wodurch bevorzugte Häufigkeit und Tageszeit für solche Anforderungen spezifiziert werden.
- Das System präsentiert die Frage
128 dann Julia. Bei bestimmten Implementierungen umfasst die Frage Informationen, die den Fragenden beschreiben, wie etwa Namen128a des Fragenden, Alter und Ort128b . Bei bestimmten Implementierungen wird die Beschreibung einer Sozialaffinitätsgruppen-Beziehung zwischen dem Antwortenden und dem bestimmten Frager bereitgestellt. Diese Informationen können einen gemeinsamen Freund umfassen, dem der Antwortende (von einem Standpunkt der sozialen Indirektion aus gesehen) am nächsten steht. Die Informationen können auch die soziale Beziehung zwischen dem Fragenden und dem Antwortenden umfassen. Bestimmte oder alle der den Fragenden beschreibenden Informationen können (z. B. auf Anforderung des Fragenden hin) weggelassen werden, wie zuvor erwähnt kann die Bereitstellung dieser Informationen aber Vertrauen zwischen Benutzern des Systems ermöglichen. - Der potentielle Antwortende kann das System
130 fragen, warum sie zum Beantworten der Frage gewählt wurden (z. B. durch Tippen oder Sprechen von „warum?) und dem System eine Präferenz angeben, dass sie solche Fragen in Zukunft nicht wünschen. Dies ist wie das Realweltmodell des sozialen Informationsteilens: die eine Frage stellende Person oder der Vermittler in der Rolle des Systems passt auf, sich nicht zu sehr einem möglichen Antwortenden aufzudrängen. Das System antwortet mit detaillierten Informationen132 bezüglich warum der infragekommende Antwortende gewählt wurde. Diese Informationen132 können zum Beispiel in die soziale Beziehung zwischen dem infragekommenden Antwortenden und dem Fragenden („Bob ist ein Freund ihrer Freundin Sally Johnson”), die Relevanz des Themas bzw. der Themen der Frage für den infragekommenden Antwortenden („Sie wissen viel über Wandern und San Francisco”) und einer Identifikation ähnlicher Interessen zwischen dem Fragenden und dem Antwortenden („Sie und er haben ähnliche Interessen an Sport”) umfassen. Nach dem Begutachten dieser Informationen kann der infragekommende Antwortende immer noch ablehnen, zu antworten, oder die Frage zu einem anderen Benutzer weiterleiten, wenn sie es wünschen. - Julia gibt dann eine Antwort
134 auf die Frage, die durch den Konversationsmanager206 zu dem Fragenden (z. B. Bob; siehe108 in1 ) geroutet wird. Die Antwort kann zum Beispiel eine oder mehrere der folgenden Alternativen umfassen: Text, einen URL (Uniform Resource Locator), ein Bild, Audioinhalt, ein Video, eine angehängte Datei und anderen Inhalt. Das System präsentiert dann eine Nachricht136 , die Julia für das Beantworten der Frage dankt (und anerkennt, wenn sie die Frage schnell beantwortet hat). Julia kann dann direkt mit dem Fragenden Bob korrespondieren, wenn sie es so wünscht, indem sie seinen Namen, gefolgt durch eine Nachricht, tippt oder spricht. Bei bestimmten Implementierungen kann ein Benutzer an mehreren Frage- und Antwort-Gesprächen gleichzeitig teilnehmen. Bei diesen Implementierungen könnten die mehreren Gespräche visuell (z. B. in separaten Fenstern) in einer grafischen Benutzeroberfläche getrennt werden, so dass der Benutzer dem System nicht explizit sagen müsste, mit wem er kommunizieren möchte. -
1C zeigt eine andere beispielhafte GUI140 zur Interaktion mit einem Antwortenden. Bei bestimmten Implementierungen sind zwei Informationsflüsse zum Beantworten einer Frage verfügbar. Bei einem Fluss sendet das System einem infragekommenden Antwortenden eine Nachricht (wie oben hinsichtlich1B dargestellt). Ein sekundärer Fluss des Beantwortens von Fragen ist Interaktionen im Stil von Bulletin-Bords ähnlich: ein Benutzer sendet eine Nachricht zu dem System (z. B. „versuchen”) und das System präsentiert dem Benutzer eine neuere Frage aus seiner sozialen Affinitätsgruppe, die noch nicht beantwortet wurde und mit Themen in Beziehung steht, für die der Benutzer Expertise hat. Bei diesem Modus leitet der Benutzer den Austausch ein, wenn der Benutzer Lust hat, zu versuchen, eine Frage zu beantworten; dementsprechend hat er den Vorteil eines ehrgeizigen infragekommenden Antwortenden. Die GUI140 umfasst ein Sampling von Themen142a –c. Bei bestimmten Implementierungen werden die Themen ausgewählt, um Informationen hinsichtlich der Expertise des Benutzers zu entwickeln. Wenn zum Beispiel ein Benutzer angegeben hat, dass er im Thema A Expertise hat, aber noch nicht in letzter Zeit oder jemals irgendwelche Fragen in Bezug auf dieses Thema beantwortet hat, kann das Sampling von Themen Thema A umfassen, so dass das System identifizieren kann, ob der Benutzer immer noch gewillt ist, Fragen hinsichtlich Thema A zu beantworten. Die Auswahl eines Themas (z. B. das Thema142b „Cafes”) bewirkt die Präsentation einer Frage144 für das Thema und gegebenenfalls von Informationen, die den bestimmten Fragenden identifizieren. Zum Beispiel können die Informationen den Namen des Fragenden („Angela Smith”) und ihre soziale Beziehung zu dem Antwortenden („ein Freund ihres Freunds Mike Jones”) umfassen. Es können andere Informationen aufgenommen werden, wie etwa Alter und Ort des Fragenden. Zusätzlich können beliebige oder alle der den Fragenden identifizierenden Informationen weggelassen werden. Der Benutzer kann eine Antwort auf die Frage144 einsenden, indem er die Antwort-Schaltfläche146a auswählt. Oder der Benutzer kann das System über einen anderen informieren, der besser in der Lage ist, die Frage zu beantworten, indem die Schaltfläche146b ausgewählt wird. Schließlich kann der Benutzer ablehnen, die Frage zu beantworten, indem er die Schaltfläche146c auswählt. Bei bestimmten Implementierungen kann der Benutzer so viele Fragen beantworten wie er möchte. Bei solchen Implementierungen kann sich das Sampling von Themen mit der Zeit ändern, während Fragen beantwortet werden. -
1D zeigt eine beispielhafte GUI150 zum Erhalten einer Genehmigung, einen affiliierten Link in eine Antwort einzufügen. Die GUI150 erlaubt dem System, einen oder mehrere affiliierten Links in eine Antwort einzufügen, wenn der Antwortende Genehmigung gibt. Bei anderen Implementierungen kann das System automatisch einen oder mehrere affiliierte Links in die Antwort einfügen, ohne Genehmigung von dem Antwortenden zu erhalten. Beim sogenannten Affiliierten-Marketing wird ein Inhaltsanbieter bezahlt, wenn ein Kunde, der zu einer Händler-Website geleitet wird, nach dem Linken von der Website oder Anwendung des Inhaltsanbieters einen Kauf tätigt (statt zum Beispiel eine Woche später zu der Händler-Website zurückzukehren, um einen Kauf zu tätigen, wobei der Inhaltsanbieter keine Kommission erhält). Dadurch können Web-Händler Waren effizient in Kooperation mit Inhaltsanbietern oder anderen Geschäftspartnern, die hier als „Affiliierte” bezeichnet werden, vermarkten und verkaufen. - Durch die Website des Händlers kann sich zum Beispiel ein Inhaltsanbieter als ein Affiliierter anmelden und kann dann Hyperlinks (oder andere Arten von interaktiven Links), die Affiliierten-Tags enthalten, verbreiten. Inhaltsanbieter publizieren Hyperlinks (oder andere Arten von interaktiven Links), die Affiliierten-Tags enthalten, die es potentiellen Kunden erlauben, zu der Website des Händlers zu linken, um Käufe von Produkten oder Diensten von dem Händler einzuleiten. Affiliierten-Tags erlauben es Händlern, die Ursprungs-Website oder -Softwareanwendung für Benutzer, die einen Kauf ausführen, zu identifizieren und den assoziierten Affiliierten zu bezahlen. Bei verschiedenen Implementierungen umfasst das Affiliierten-Tag eine einzigartige Kennung des Affiliierten (die z. B. bei der Anmeldung vergeben wird) und gegebenenfalls die einzigartige Kennung des ausgewählten Produkts oder Dienstes. Auf der Händler-Website implementierte Software verwendet diese Informationen, um den Affiliierten zu identifizieren, der den Kunden auf die Händler-Site verwiesen hat. Wenn der Kunde danach das ausgewählte Produkt von der Händler-Site kauft (z. B. durch Ausfüllen einer Bestellformularseite und Einsenden der Bestellung), vergütet Software automatisch den verweisenden Affiliierten für die Verweisung zum Beispiel durch Anwenden einer Kommission auf ein Affiliiertenkonto. Die Verweisungskommission kann automatisch auf der Basis eines festen Prozentsatzes des Verkaufspreises des Händlers erzeugt werden und wird zum Beispiel periodisch dem Affiliierten elektronisch bezahlt.
- Wieder mit Bezug auf
1D hat ein Antwortender eine Antwort152 auf Frage144 gegeben. Die Frage kann dem Benutzer zum Beispiel wie oben in Bezug auf1B und1C beschrieben bereitgestellt werden. Das System identifiziert eine oder mehrere Entitäten (d. h. Produkte, Dienste, Firmennamen, Händlernamen), auf die in der Antwort verwiesen wird. Auf eine Entität kann zum Beispiel durch Text in natürlicher Sprache (z. B. „Nikon D3X”) verwiesen werden oder es kann durch einen URL (http://www.nikon.com/25442/D3X.html) auf die Entität verwiesen werden. Eine Entität kann spezifisch oder allgemein sein. Das heißt, eine Entität kann ein spezifisches Produkt, einen Dienst und/oder eine Firma identifizieren (z. B. „Dark-Roast-Espresso von Joe & John”), oder die Entität kann allgemein sein (z. B. „Espresso”). Wenn die Entität spezifisch ist, kann sie mit einer Ressource (z. B. der Website oder Anwendung eines Händlers, die das bestimmte Produkt oder den bestimmten Dienst verkauft) verlinkt werden. Andernfalls kann die Entität mit einer Ressource verlinkt werden, die die Kategorie von durch die Entität identifiziertem Produkt oder Dienst verkauft. Zur Veranschaulichung hat das System die Firma „Cafe Bebe Lapin” in der Antwort152 identifiziert. Bei weiteren Implementierungen kann anderer Inhalt außer einem Link auf eine Ressource in eine Antwort eingefügt werden, wie zum Beispiel eine Karte, die den Ort der Entität zeigt, Benutzer- oder Kundeneinstufungen der Entität, Bilder und Video für die Entität oder die Produkte/Dienste der Entität und so weiter. - Bei bestimmten Implementierungen fragt das System
152 den Antwortenden, ob ein Link zu der Entität in seine Antwort eingefügt werden kann, bevor die Antwort an den Fragenden abgeliefert wird. Der Antwortende kann die Linksetzung durch Auswählen der Schaltfläche156a genehmigen oder die Linkeinfügung durch Auswählen der Schaltfläche156b ablehnen. Wenn das Einfügen des Links erlaubt ist, wird er mit einem affiliierten Code eingefügt, so dass das System eine Gutschrift für den Verweis erhält, wenn der Fragende den Link auswählt und das Produkt oder den Dienst kauft. Wenn auf eine Entität durch einen URL in der Antwort verwiesen wird, kann das System den affiliierten Code zu dem URL hinzufügen. - Die an den Fragenden zurückgegebene Antwort kann ein oder mehrere in der Antwort hervorgehobene Wörter (z. B. unterstrichene) umfassen, wodurch angezeigt wird, dass sie mit einer entsprechenden Entität (z. B. einem Produkt oder Dienst) auf einer Händler-Website verlinkt sind, oder die Antwort kann eine separate Werbung für den Händler, der die Entität verkauft, umfassen. Zum Beispiel würde das Wort „Espresso” in der Antwort
152 , die an den Benutzer zurückgegeben wird, hervorgehoben. Benutzerauswahl der verlinkten Wörter oder der Werbung bewirkt, dass die Anwendung (z. B. der Web-Browser oder eine andere Softwareanwendung) des Benutzers die Website des Händlers mit der betreffenden Entität präsentiert. Bei bestimmten Implementierungen wird, wenn der Antwortende Genehmigung gegeben hat, den Affiliiertenlink einzufügen, die Antwort dies dem Fragenden anzeigen. Dadurch kann es wahrscheinlicher werden, dass der Fragende den Affiliiertenlink auswählt, in der Kenntnis, dass der Antwortende, der eine soziale Verbindung zu ihm aufweist, den Link genehmigt hat. Affiliiertenlinks werden später beschrieben. -
1E zeigt eine beispielhafte GUI160 zum Bereitstellen von Suchergebnissen und Antworten als Reaktion auf Suchmaschinenanfragen. Die GUI160 implementierende Software kann zum Beispiel auf einer Client-Einrichtung ausgeführt werden. Die GUI160 kann durch einen Web-Browser oder durch andere auf der Client-Einrichtung ausgeführte Software präsentiert werden. Eingaben in die GUI160 können zum Beispiel mittels eines physischen oder virtuellen Tastenfelds, Sprache oder Video erfolgen. Es sind andere GUIs möglich. Ein Benutzer gibt eine Anfrage162 „San Francisco Hotel Haustiere” durch die GUI160 in eine Suchmaschine ein, um haustierfreundliche Hotels in San Francisco zu finden. Die Suchmaschine kann eine Internet-Suchmaschine oder eine andere Art von System sein, die auf Anfragen antworten kann. - Auf die Anfrage
162 „San Francisco Hotel Haustiere” reagierende Suchergebnisse164 werden dem Benutzer in der GUI160 präsentiert. Zum Beispiel ist das Suchergebnis166 für das Hotel Nippon San Francisco und umfasst ein Snippet von Informationen über das Hotel einschließlich dem URL der Website des Hotels. Ähnlich ist das Suchergebnis170 für das Hotel Dalton. Das Suchergebnis168 ist eine zuvor eingesendete Antwort auf eine Frage, die als mit den Themen der Suchanfrage162 zusammenhängend erachtet wurde. Bei bestimmten Implementierungen wird eine Erläuterung172 in die Antwort168 aufgenommen, warum die Antwort als für die Suchanfrage162 relevant erachtet wurde. In diesem Beispiel umfasst die Erläuterung die ursprüngliche Frage mit hervorgehobenen relevanten Themen: „Hotel”168c , „San Francisco”168d und „Haustiere”168e . Es sind andere Arten von Erläuterungen möglich, einschließlich Erläuterungen, die die ursprüngliche Frage weglassen. Die Antwort168 kann Informationen168a umfassen, die den Benutzer identifizieren, der die Fragen beantwortet hat, wenn sich zum Beispiel der Antwortende in der sozialen Affinitätsgruppe des Benutzers befindet, der die Anfrage162 eingesendet hat. Die Antwort168 kann auch Affiliiertenlinks umfassen (z. B. den Affiliiertenlink168b , der ein Hyperlink auf die Website des Metro Inn Hotel ist). -
2 ist ein schematisches Diagramm eines beispielhaften Systems200 einer sozialen Suchmaschine. Bei verschiedenen Implementierungen umfasst das System eine oder mehrere Client-Einrichtungen (z. B. Client-Einrichtung202a –202c ), Softwarekomponenten (z. B. eine Transportschicht214 , einen Frageanalysator204 , einen Konversationsmanager206 , eine Routing-Maschine208 , einen Suchergebnisprozessor210 , einen Affiliiertenlinkgenerator212 , einen Crawler/Indexer227 und einen Klassifizierer216 ) und ein oder mehrere Datenlager (z. B. ein Frage- und Antwort-Archiv218 , einen Weiterleitungsindex220 , einen invertierten Index222 und einen Sozial-Graph224 ). Die Client-Einrichtungen sind Datenverarbeitungsvorrichtungen, wie zum Beispiel Personal Computer, Smartphones, Tablet-Computer, Laptop-Computer und so weiter. Eine Softwarekomponente ist ein Computerprogramm oder Modul, das durch eine oder mehrere Datenverarbeitungsvorrichtungen ausgeführt werden kann, wobei die Datenverarbeitungsvorrichtungen kommunikativ durch ein oder mehrere Netzwerke gekoppelt sein können. Datenverarbeitungsvorrichtungen, die die Softwarekomponenten ausführen, können an verschiedenen Orten residieren. Darüber hinaus können Softwarekomponenten zu weniger Komponenten kombiniert oder in zusätzliche Komponenten aufgeteilt werden. Die Datenlager umfassen Computerspeichermedien, die direkt oder indirekt (durch ein oder mehrere Netzwerke) mit einer oder mehreren der Datenverarbeitungsvorrichtungen, die die Softwarekomponenten ausführen, gekoppelt sind. Die auf den Datenlagern gespeicherten Daten können in weniger Datenlagern gespeichert oder in zusätzlichen Datenlagern gespeichert werden. - Der Crawler/Indexer
227 kann eine Anzahl von Indexierungsschritten für einen neuen Benutzer ausführen, um in der Lage zu sein, geeignete Fragen zur Beantwortung zu dem Benutzer zu leiten. Da Fragen zu Mitgliedern der sozialen Affinitätsgruppe des Benutzers geroutet werden, werden bei dem ersten Schritt Sozialaffinitätsgruppen-Informationen indexiert. Die hierfür verantwortliche Datenstruktur ist der Sozial-Graph224 . Ein neuer Benutzer hat die Option, sich mit kommerziellen sozialen Affinitätsgruppen zu verbinden und Mitglieder und Beziehungen aus der sozialen Affinitätsgruppe in den Sozial-Graph224 zu importieren oder manuell Mitglieder und Beziehungen zu dem Sozial-Graph224 hinzuzufügen. Der Crawler/Indexer227 indexiert diese Informationen und speichert sie in dem Sozial-Graph222 , der bei bestimmten Implementierungen ein ISAM-Index (Indexed Sequential Access Method) fester Breite sein kann, der nach Benutzerkennung sortiert ist. - Der Crawler/Indexer
227 kann auch die Themen indexieren, über die der neue Benutzer einen bestimmten Grad von Kenntnis oder Expertise besitzt. Zum Beispiel kann themenbezogene Expertise aus einer oder mehreren der folgenden in Tabelle 1 gezeigten Quellen gesammelt werden. Es sind andere Quellen von themenbezogener Expertise möglich.Themen-Quelle Explizit durch den Benutzer bereitgestellte Themen, über die er Expertise zu besitzen glaubt. Explizit durch Mitglieder der sozialen Affinitätsgruppe des Benutzers bereitgestellte Themen. Aus dem existierenden Profil eines Benutzers für eine soziale Affinitätsgruppe geparste Themen. Aus Profilseiten des Benutzers, die eine bekannte Struktur aufweisen, geparste Themen. Es kann zum Beispiel ein simpler Themen-Parsing-Algorithmus verwendet werden, der reguläre Ausdrücke verwendet, die für spezifische Felder in den Profilseiten konzipiert sind. Aus unstrukturiertem Text auf den existierenden Online-Homepages oder -Blogs des Benutzers extrahierte Themen, wenn sie bereitgestellt sind. Bei unstrukturiertem Text kann eine lineare SVM (Support Vector Machine) verwendet werden, um den allgemeinen Themenbereich des Texts zu identifizieren, während ein ad-hoc-Extrahierer benannter Entitäten verwendet werden kann, um spezifischere Themen zu extrahieren, skaliert durch eine Variante TF-IDF-Wertung (Term Frequency-Inverse Document Frequency). Aus Statusmeldungsaktualisierungen des Benutzers für seine soziale Affinitätsgruppe und aus den Nachrichten, die er zu Mitgliedern seiner sozialen Affinitätsgruppe sendet, extrahierte Themen. Aus mit dem Benutzer assoziierten (z. B. in die soziale Affinitätsgruppe des Benutzers beigetragenen) Bildern oder Videos extrahierte Themen. Zum Beispiel könnte ein Bild oder Video einer ausländischen Landmarke ein Interesse an Reisen oder der Stadt der Landmarke bedingen. Themen können zum Beispiel durch Assoziieren von in Bildern identifizierten Objekten mit Themenkategorien extrahiert werden. Aus Artikeln oder Webseiten, auf die der Benutzer verlinkt, entnommene Themen. - Eine Motivation für die Verwendung dieser letzteren Quellen von Themeninformationen ist eine einfache: Wenn man in der Lage sein möchte, vorherzusagen, welche Art von Inhalt ein Benutzer erzeugen wird, untersuche man zuerst den Inhalt, den er in der Vergangenheit erzeugt hat. In diesem Sinne verwendet der Crawler/Indexer
227 Web-Inhalt nicht als Quelle existierender Antworten über ein Thema, sondern stattdessen als Indikator der Themen, über die ein Benutzer wahrscheinlich in der Lage sein wird, bei Bedarf neue Antworten zu geben. Im Wesentlichen wird dabei ein Benutzer als ein Inhaltsgenerator modelliert, mit Wahrscheinlichkeiten, die die Wahrscheinlichkeit angeben, dass der Benutzer auf Fragen über gegebene Themen antworten wird. Jedes mit einem Benutzer ui assoziiertes Thema t weist eine assoziierte Wertung auf, die von der für die Quelle des Themas geeigneten Konfidenz abhängt. Zusätzlich lernt der Crawler/Indexer227 mit der Zeit, über welche Themen einem Benutzer keine Fragen zu senden sind, indem Fälle verfolgt werden, bei denen der Benutzer (1) explizit ein Thema „stummschaltet”; (2) das Beantworten von Fragen über ein Thema ablehnt, wenn er die Gelegenheit erhält; (3) negative Rückmeldung über seine Antwort über das Thema von einem anderen Benutzer erhält. Die Menge von mit einem Benutzer assoziierten Themen wird in dem Weiterleitungsindex220 aufgezeichnet, der für jeden Benutzer eine gewertete Liste von Themen und eine Reihe von weiteren Wertungen über das Verhalten eines Benutzers (z. B. Ansprechbarkeit oder Antwortqualität) speichert. Aus dem Weiterleitungsindex220 konstruiert der Crawler/Indexer227 einen invertierten Index222 . Der invertierte Index222 speichert jedes Thema und eine gewertete Liste von Benutzern, die Expertise in diesem Thema besitzen. Zusätzlich zu Themen speichert der invertierte Index222 gewertete Listen von Benutzern für Merkmale wie Antwortqualität und Ansprechzeit. Nachdem der invertierte Index222 und der Sozial-Graph224 für Benutzerin erzeugt sind, ist die Benutzerin nun auf dem System aktiv und bereit, ihre erste Frage zu stellen. - Die folgende Darstellung auf hoher Ebene folgt dem Leben einer Frage, während sie durch das System
200 verarbeitet wird. Ein Benutzer (oder „Fragender”) einer Client-Einrichtung (z. B. der Client-Einrichtung202b ) beginnt, indem er zum Beispiel durch die GUI100 oder durch einen Instant-Messaging-Dienst-Bot dem System200 eine Frage stellt. Die Frage wird von der Client-Einrichtung202b zu der Transportschicht214 gesendet und kann dort zu dem Konversationsmanager206 gesendet werden. Die Transportschicht214 konvertiert Nachrichtenformate zu und von ihrer externen Darstellung (z. B. Email, SMS, Instant Message usw.) in eine normalisiertere interne Darstellung. Nachdem der Konversationsmanager206 bestimmt, dass die Nachricht eine Frage ist, sendet der Konversationsmanager206 die Frage zu dem Frageanalysator204 . Der Frageanalysator204 bestimmt ein oder mehrere geeignete Themen für die Frage durch Analysieren der Frage. - Bei bestimmten Implementierungen informiert der Konversationsmanager
206 den Fragenden über das Thema bzw. die Themen, die für die Frage bestimmt wurden, und gibt dem Fragenden die Gelegenheit, die Themen zu editieren. Der Konversationsmanager206 gibt eine Routing-Vorschlagsanforderung an die Routing-Maschine208 aus. Die Routing-Maschine208 spielt eine Rolle, die einer Einstufungsfunktion in einer Suchmaschine auf Corpus-Basis analog ist. Die Routing-Maschine208 greift für eine Liste von infragekommenden Antwortenden auf den invertierten Index222 und den Sozial-Graph224 zu und stuft diese ein, um widerzuspiegeln, wie gut die Routing-Maschine208 glaubt, dass sie die Frage beantworten können und wie gut sie auf den Fragenden passen. Die Routing-Maschine208 gibt eine eingestufte Liste von Routing-Vorschlägen an den Konversationsmanager206 zurück, der dann die infragekommenden Antwortenden kontaktiert, um die Antwort auf die Frage zu erhalten. Bei bestimmten Implementierungen kann, wenn ein infragekommender Antwortender ablehnt, eine Frage zu beantworten, oder dies ineffektiv tut (z. B. eine sehr kurze oder mysteriöse Antwort gibt), die Routing-Maschine208 dies vermerken und den Benutzer in zukünftigen Listen von infragekommenden Antwortenden für das gleiche oder ähnliche Themen potentiell niedriger einstufen. - Bei bestimmten Implementierungen kontaktiert der Konversationsmanager
206 jeden infragekommenden Antwortenden in der Reihenfolge der Einstufung beginnend mit dem am höchsten eingestuften infragekommenden Antwortenden, bis einer der infragekommenden Antwortenden eine Antwort gibt. Der Konversationsmanager206 kann eine Zeitlang warten, bevor er bei einem gegebenen infragekommenden Antwortenden aufgibt und zu dem nächsten übergeht. (Man beachte, dass eine Antwort auf eine Frage auch empfangen werden kann, nachdem der Konversationsmanager206 zu einem anderen infragekommenden Antwortenden übergegangen ist.) Zur Veranschaulichung kann die Länge der Wartezeit auf dem Kommunikationskanal basieren (z. B. Instant Message, Email, Blog-Beitrag, SMS-Nachricht und so weiter). Die Wartezeit kann kurz sein (z. B. 30 Sekunden), wenn der Kommunikationskanal ein Instant-Message- oder Kurznachrichtenserver ist, oder die Wartezeit kann länger sein (z. B. 2 Minuten), wenn der Kommunikationskanal zum Beispiel Email ist. - Die Wartezeit kann auch auf der Ansprechbarkeit des infragekommenden Antwortenden in der Vergangenheit für einen gegebenen Kommunikationskanal basieren. Wenn zum Beispiel ein gegebener infragekommender Antwortender im Mittel 10 Minuten braucht, um auf eine durch Email gesendete Frage zu antworten, kann die Wartezeit in dieser Hinsicht justiert werden. Die Wartezeit kann vergrößert werden, wenn zum Beispiel das System bestimmt, dass die Qualität der sozialen Übereinstimmung zwischen dem Fragenden und dem Antwortenden hoch ist und wahrscheinlich eine gute Antwort fördern würde.
- Der Fragende und der Antwortende können verschiedene Kommunikationskanäle benutzen. Bei bestimmten Implementierungen kann, wenn der Fragende einen Sofortnachrichtenkanal wie etwa Instant Messaging verwendet und der Antwortende für einen langen Zeitraum keine Antwort gibt, die Antwort durch einen langsameren Kommunikationskanal wie zum Beispiel Email, statt durch Instant Messaging, an den Fragenden abliefern. Bei bestimmten Implementierungen wird der Kommunikationskanal ausgewählt, eine Frage oder eine Antwort abzuliefern, abhängig von Benutzerpräferenzen und/oder der Verfügbarkeit sowohl des Fragenden als auch des Antwortenden.
- Bei anderen Implementierungen kontaktiert der Konversationsmanager
206 Gruppen von zwei oder mehr infragekommenden Antwortenden in der Reihenfolge der Einstufung beginnend mit den am höchsten eingestuften infragekommenden Antwortenden, bis eine Antwort erhalten wird. Zur Veranschaulichung nehme man an, dass die Einstufung von infragekommenden Antwortenden (von am höchsten bis am niedrigsten eingestuft) A, B, C, D, E ist und dass die Gruppengröße 2 beträgt. Der Konversationsmanager206 könnte die infragekommenden Antwortenden A und B zuerst kontaktieren und wenn entweder von A oder B keine Antwort empfangen wird, nachdem eine Gruppenwartezeitdauer vergangen ist, würde der Konversationsmanager206 dann C und D kontaktieren. Wenn keine Antwort von C oder D empfangen wird, nachdem ein Gruppenwartezeitraum vergangen ist, würde der Konversationsmanager206 dann den infragekommenden Antwortenden E kontaktieren. (Man beachte, dass eine Antwort auf eine Frage auch empfangen werden kann, nachdem der Konversationsmanager206 zu einer anderen Gruppe von infragekommenden Antwortenden übergegangen ist.) Infragekommende Antwortende in einer Gruppe können bei einer bestimmten Implementierung parallel kontaktiert werden. - Die Länge der Gruppenwartezeit kann auf Kommunikationskanälen basieren, die zum Kontaktieren der infragekommenden Antworten in einer Gruppe verwendet werden, so dass die längste Wartezeit benutzt wird. Wenn zum Beispiel der infragekommende Antwortende A durch Email kontaktiert wird und der infragekommende Antwortende B durch Kurznachrichtendienst kontaktiert wird, würde die Gruppenwartezeit auf dem langsameren Antwortkanal basieren – z. B. E-mail. Die Gruppenwartezeit kann auch auf der Ansprechbarkeit der infragekommenden Antwortenden in der Vergangenheit für die in der Gruppe verwendeten Kommunikationskanäle basieren, so dass die Gruppenwartezeit hinsichtlich des infragekommenden Antwortenden justiert wird, von dem erwartet wird, dass er am längsten braucht, um zu antworten.
- Bei verschiedenen Implementierungen verwendet die Routing-Maschine
208 ein statistisches Modell zum Routen von Fragen zu infragekommenden Antwortenden. Bei bestimmten Implementierungen ist das statistische Modell eine Variante eines Aspektmodells und weist zwei primäre Merkmale auf. Als erstes assoziiert das Modell eine unbeobachtete Klassenvariable t ∊ T mit jeder Beobachtung (d. h. der erfolgreichen Beantwortung der Frage q durch Benutzer ui). Anders ausgedrückt, hängt die Wahrscheinlichkeit p(ui|q), dass ein Benutzer i erfolgreich die Frage q beantwortet hat, davon ab, ob q über die Themen t ist, in denen ui Expertise besitzt: - Ein zweites Merkmal des Modells besteht darin, dass es eine fragenunabhängige Wahrscheinlichkeit des Erfolgs für jedes potentielle Paar von Fragendem/Antwortendem (ui, uj) auf der Basis ihres Grads der sozialen Indirektion und der Ähnlichkeit ihrer Profile definiert. Anders ausgedrückt, wird eine Wahrscheinlichkeit p(ui|uj) definiert, dass Benutzer ui eine zufriedenstellende Antwort an Benutzer uj abliefert, ungeachtet der Frage.
- Eine Wertungsfunktion s(ui, uj, q) wird als die Verkettung der beiden Wahrscheinlichkeiten definiert.
- Das Ziel bei dem Einstufungsproblem lautet: bei einer gegebenen Frage q von Benutzer uj eine eingestufte Liste von Benutzern ui ∊ U zurückgeben, die s(ui, uj, q) maximiert.
- Man beachte, dass die Wertungsfunktion aus einer fragenabhängigen Relevanzwertung p(ui|q) und einer fragenunabhängigen Qualitätswertung p(ui|uj) zusammengesetzt ist. Dies ist ähnlich den Einstufungsfunktionen traditioneller Suchmaschinen auf Corpus-Basis. Im Gegensatz zu Qualitätswertungen traditioneller Suchmaschinen zielt die hier beschriebene Qualitätswertung aber darauf ab, nicht Autorität sondern Vertrautheit zu messen. Und im Gegensatz zu den Relevanzwertungen bei Suchmaschinen auf Corpus-Basis zielt die hier beschriebene Relevanzwertung darauf ab, das Potential eines Benutzers, eine Frage zu beantworten, zu messen, statt die Relevanz eines Dokuments für eine Anfrage.
- Rechnerisch hat diese Wertungsfunktion eine Anzahl von Vorteilen. Sie erlaubt Echtzeit-Routing, da sie einen großen Teil der Berechnung offline schiebt. Bei bestimmten Implementierungen ist die einzige Komponentenwahrscheinlichkeit, die zur Fragezeit berechnet werden muss p(t|q). Das Berechnen von p(t|q) ist dem Vergeben von Themen an eine Frage äquivalent. Bei bestimmten Implementierungen führt der Frageanalysator
204 zur Fragezeit einen oder mehrere probabilistische Klassifizierer216 an der Frage aus. (Der Frageanalysator wird später beschrieben). Die Verteilung p(ui|t) vergibt Benutzer an Themen und die Verteilung p(ui|uj) definiert den Sozialgraph224 . Diese können beide durch den Crawler/Indexer227 berechnet und im Hintergrund aktualisiert werden, während Benutzer Fragen beantworten. Die Komponentenmultiplikationen und das Sortieren können auch zur Fragezeit ausgeführt werden, diese sind aber leicht parallelisierbar. - Eine umfassende Wissensbasis ist für Suchmaschinen wichtig, da Fragenverteilungen dazu tendieren, lange Flanken aufzuweisen. Bei Suchmaschinen auf Corpus-Basis wird dies durch Crawler auf großem Maßstab und sorgfältige Crawl-Richtlinien erzielt. In dem System
200 besteht die Wissensbasis nicht aus Dokumenten, sondern aus Personen, so dass die Methoden zum Beschaffen und Expandieren einer umfassenden Wissensbasis recht unterschiedlich sind. Je aktiver Benutzer sind, desto mehr infragekommende Antwortende gibt es und deshalb ist die Abdeckung umso umfassender. Da das System200 nach Antwortenden in einer sozialen Affinitätsgruppe eines Benutzers sucht, ist insbesondere jedoch die effektive Wissensbasis umso größer, je dichter das Netzwerk ist. Dadurch wird nahegelegt, dass die Strategie zum Vergrößern der Wissensbasis des Systems200 das Erzeugen eines guten Erlebnisses für Benutzer umfasst, so dass sie aktiv bleiben und geneigt sind, ihre Freunde einzuladen. - Wenn eine Menge aktiver Benutzer auf dem System
200 gegeben ist, hängt die effektive Breite der Wissensbasis von dem Entwurf von Schnittstellen und Algorithmen ab, die mit der Zeit eine erweiterte Themenliste für jeden Benutzer sammeln und erlernen können. Ein zentrales technisches Problem ist die Auswahl des richtigen Benutzers zum Beantworten einer gegebenen Frage von einem anderen Benutzer. Hierfür lernt das System200 für jeden Benutzer ui Folgendes: (1) die Themen t, über die der Benutzer ui Fragen beantworten könnte, psmoothed(t|ui); (2) die Benutzer uj, mit denen Benutzer ui verbunden ist, p(ui|uj). - Bei verschiedenen Implementierungen berechnet das System
200 die Verteilung p(t|ui) von Themen, die dem Benutzer ui bekannt sind, aus einer oder mehreren Quellen von Informationen, wie zum Beispiel den in TABELLE 1 dargestellten. Bei bestimmten Implementierungen kann das System zu verschiedenen Zeiten einen Themenverstärkungsalgorithmus ausführen, dessen wesentliche Idee Folgendes ist: Wenn ein Benutzer Expertise in einem Thema besitzt und der größte Teil der Mitglieder der Freunde des Benutzers (z. B. Mitglieder der sozialen Affinitätsgruppe des Benutzers mit einem kleinen oder verschwindenden Grad sozialer Indirektion von dem Benutzer) auch etwas Expertise in diesem Thema besitzen, hat man mehr Konfidenz in das Niveau der Expertise dieses Benutzers als wenn der Benutzer in seiner Gruppe mit Kenntnis auf diesem Gebiet alleine wäre. Mathematisch gilt für einen bestimmten Benutzer m, die Gruppen von Freunden U von m und ein bestimmtes Thema t im Fall p(t|ui)≠0 dann, s(t|ui) = p(t|ui) + γΣu∊Up(t|u), wobei γ eine kleine Konstante ist. Die s-Werte können dann renormiert werden, um Wahrscheinlichkeiten zu bilden. - Das System
200 kann dann Glättungsalgorithmen ausführen, deren Zweck darin besteht, die Wahrscheinlichkeit aufzuzeichnen, dass der Benutzer in der Lage sein kann, Fragen über zusätzliche Themen zu beantworten, die nicht explizit mit dem Benutzer assoziiert sind. Ein Algorithmus verwendet einfache kollaborative Filterungstechniken an Themen (z. B. auf der Basis von Benutzern mit ähnlichen Themen). Ein anderer Algorithmus verwendet semantische Ähnlichkeit. Bei bestimmten Implementierungen wird semantische Ähnlichkeit durch Verwendung einer Approximation von distributionaler Ähnlichkeit berechnet, die über Wikipedia und andere Körper berechnet wird; dies dient als Stellvertretermaß für die semantische Verwandtheit der Themen. - Nachdem alle diese Bootstrap-, Extraktions- und Geltungsverfahren angewandt sind, liegt eine Liste von Themen und Wertungen für einen gegebenen Benutzer vor. Bei Normierung dieser Themenwertungen, so dass Σt∊Tp(t|ui) = 1 ist, erhält man eine Wahrscheinlichkeitsverteilung für Themen, die Benutzer ui bekannt sind. Unter Verwendung des Bayesschen Gesetzes berechnet man Folgendes für jedes Thema und für jeden Benutzer: wobei eine Gleichverteilung für p(ui) und beobachtete Themenhäufigkeiten für p(t) verwendet werden. Das System
200 sammelt diese nach Thema indexierten Wahrscheinlichkeiten p(ui|t) in den invertierten Index222 , der leichtes Nachschlagen erlaubt, wenn eine Frage hereinkommt. - Das System
200 kann die Verbundenheit zwischen Benutzern p(ui|uj) auf eine Anzahl von Weisen berechnen. - Es können soziale Nähe (z. B. der Grad sozialer Indirektion) und Ähnlichkeiten bei der Demografik und dem Verhalten zwischen Mitgliedern des sozialen Affinitätsnetzwerks des Benutzers berücksichtigt werden. Zur Veranschaulichung können die betrachteten Faktoren einen oder mehrere der Folgenden umfassen:
- • Soziale Verbindungen (gemeinsame Freunde und Affiliierungen)
- • Demographische Ähnlichkeit
- • Profilähnlichkeit (gemeinsame Lieblingsfilme)
- • Vokabularübereinstimmung (z. B. Instant-Messaging-Abkürzungen)
- • Gesprächigkeitsübereinstimmung (Häufigkeit von Anschlussnachrichten)
- • Wortfülle-Übereinstimmung (z. B. die mittlere Länge von Nachrichten)
- • Höflichkeitsübereinstimmung (z. B. Verwendung von „danke!”)
- • Geschwindigkeitsübereinstimmung (z. B. Ansprechbarkeit für andere Benutzer)
- Verbindungsstärken zwischen Mitgliedern einer sozialen Affinitätsgruppe können zum Beispiel unter Verwendung einer gewichteten Kosinusähnlichkeit über diese Merkmalmenge berechnet werden, normiert, so dass Σui∊Up(ui|uj) = 1 ist, und für schnellen Zugriff bei der Fragezeit in dem Sozial-Graph
224 gespeichert. Die Verteilungen p(ui|uj) in dem Sozial-Graph224 und p(t|ui) in dem invertierten Index222 können beide aktualisiert werden, während Benutzer miteinander in Interaktion treten. - Der Frageanalysator
204 bestimmt eine gewertete Liste von Themen p(t|q) für jede Frage q, die den semantischen Gegenstand der Frage repräsentiert. Bei bestimmten Implementierungen ist dies die einzige Wahrscheinlichkeitsverteilung in Gleichung (2), die zur Fragezeit berechnet wird. Die Rolle des Frageanalysators204 besteht darin, genug über die Frage zu lernen, damit sie zu geeignet interessierten und gelehrten menschlichen Antwortenden gesendet werden kann. - Bei verschiedenen Implementierungen können der eine oder die mehreren der Klassifizierer
216 in Tabelle 2 an jeder Frage ausgeführt werden. Es sind andere Klassifizierer möglich.Klassifizierer Beschreibung Nicht-Frage-Klassifizierer Dieser Klassifizierer bestimmt, ob die Eingabe tatsächlich keine Frage ist (z. B. einefe fehlgeleitete Nachricht, eine Sequenz von Stichwörtern usw.); wenn dem so ist, wird der Benutzer gebeten, eine neue Frage einzusenden. Unangebrachte-Frage-Klassifizierer Dieser Klassifizierer bestimmt, ob die Eingabe obszön, kommerzieller Spam oder anderweitig unangebrachter Inhalt für eine öffentliche Fragebeantwortungsgemeinschaft ist, wenn dem so ist, wird der Benutzer gewarnt und gebeten, eine neue Frage einzusenden. Triviale-Frage-Klassifizierer Dieser Klassifizierer bestimmt, ob die Eingabe eine einfache faktische Frage ist, die leicht durch existierende weit verbreitete Dienste beantwortet werden kann (z. B. „Wieviel Uhr ist es jetzt?”, „Wie ist das Wetter?” usw.); wenn dem so ist, wird dem Benutzer eine automatisch erzeugte Antwort angeboten, die sich aus traditioneller Websuche ergibt. Ortsempfindlicher Klassifizierer Dieser Klassifizierer bestimmt, ob die Eingabe eine Frage ist, die Kenntnis eines bestimmten Orts erfordert, gewöhnlich zusätzlich zu spezifischem Themenwissen (z. B. „Wo ist ein großartiges Sushi-Restaurant in Austin, TX?”); wenn dem so ist, wird der relevante Ort bestimmt und mit der Frage zu der Routing-Maschine 208 geleitet. - Die Liste von für eine Frage relevanten Themen kann dann produziert werden, indem die Ausgabe eines oder mehrerer distinkter Themenabbildungsalgorithmen zusammengeführt wird, wobei jeder dieser seine eigene Liste von Themen vorschlägt. Es können eine oder mehrere der in TABELLE 3 beschriebenen Themenmapper verwendet werden. Es sind andere Themenmapper möglich.
Themen-Mapper Beschreibung Stichwortübereinstimmung Leitet alle Ausdrücke in der Frage, die mit Themen übereinstimmen, die mit einem Benutzer assoziiert sind, durch einen Klassifizierer, der dafür trainiert ist, zu bestimmen, ob eine gegebene Übereinstimmung wahrscheinlich semantisch signifikant oder irreführend ist. Wenn zum Beispiel die Zeichenkette „Kamelringen” in einer Frage auftritt, ist sie wahrscheinlich semantisch für einen Benutzer relevant, der „Kamelringen” als Profilthema aufweist; während die Zeichenkette „Laufen” zu mehrdeutig für die Verwendung auf diese Weise ohne weitere Validierung sein kann, da sie falscherweise eine Frage über „Laufenlassen eines Geschäfts” zu einem Benutzer routen könnte, der über Fitness Bescheid weiß. Taxonomie Klassifiziert den Fragetext in eine Taxonomie beliebter Fragenthemen unter Verwendung einer SVM, die an einem annotierten Corpus mehrerer Millionen Fragen trainiert ist. Hervorstechender Ausdruck Extrahiert hervorspringende Phrasen aus der Frage – unter Verwendung eines Nomen-Phrasen-Chunkers und eines auf tf-idf-basierenden Maßes für Wichtigkeit – und findet semantisch ähnliche Benutzerthemen Benutzer-Tag Nimmt alle vom Fragenden (oder von beliebigen Möchtegern-Antwortenden) bereitgestellte Benutzer-„Tags” und bildet diese auf semantisch ähnliche Benutzerthemen ab. - Bei verschiedenen Implementierungen können die Ausgangsverteilungen der Themen-Mapper durch gewichtete Linearkombination kombiniert werden. Es sind andere Arten des Kombinierens der Ausgangsverteilungen möglich.
- Einstufung wird durch die Routing-Maschine
208 durchgeführt, die eine geordnete Liste von Benutzern (oder „infragekommenden Antwortenden”) bestimmt, die kontaktiert werden sollten, um eine Frage, die dem Fragenden der Frage gegeben wurde, und den Informationen über die Frage, die durch den Frageanalysator204 abgeleitet werden, zu beantworten. Die Kern-Einstufungsfunktion ist bei bestimmten Implementierungen Gleichung (2); die Routing-Maschine208 kann Gleichung (2) für infragekommende Antwortende berechnen und die infragekommenden Antwortenden gemäß ihren Wertungen sortieren. Bei verschiedenen Implementierungen sind Faktoren, die diese Einstufung von Benutzern bestimmen können, Themenexpertise p(ui|q), Verbundenheit p(ui|ji) und Verfügbarkeit. - Themenexpertise:
- Die Routing-Maschine
208 findet die Teilmenge von Benutzern, die semantische Übereinstimmungen auf die Frage sind: die Benutzer, deren assoziierte Themen Expertise anzeigen, die für die Themen relevant ist, um die es bei der Frage geht. Benutzer, deren assoziierte Themen bessere Übereinstimmungen auf die Themen der Frage sind, erhalten eine höhere Einstufung. Für Fragen, die ortsempfindlich sind, werden nur Benutzer mit übereinstimmenden Orten in ihren Profilen betrachtet. - Verbundenheit:
- Zweitens wertet die Routing-Maschine
208 , gemäß dem Grad, zu dem Benutzer – als Person unabhängig von seiner Themenexpertise – eine gute „Übereinstimmung” für den Fragenden dieser Informationsfrage. Das Ziel dieser Wertung besteht darin, den Grad zu optimieren, zu dem der Fragende und der Antwortende Verwandtschaft und Vertrauen empfinden, die aus ihrem Sinn für Verbindung und Ähnlichkeit hervorgehen, und die gegenseitige Erwartungen hinsichtlich Konversationsverhalten bei der Interaktion erfüllen. - Verfügbarkeit:
- Drittens priorisiert die Routing-Maschine
208 infragekommende Antwortende so, dass die Wahrscheinlichkeiten optimiert werden, dass die vorliegende Frage beantwortet wird, während außerdem die verfügbare Menge von Antwortenden so weit wie möglich erhalten wird, indem die Antwortlast über die Benutzerbasis verteilt wird. Dabei kommen Faktoren wie das Priorisieren von Benutzern, die gerade online sind (z. B. über Instant-Messaging-Präsenzdaten, Smartphone-Benutzung und so weiter), die in der Vergangenheit zur vorliegenden Tageszeit aktiv waren und die in letzter Zeit nicht mit einer Anforderung, eine Frage zu beantworten, kontaktiert wurden, ins Spiel. - Der Prozess der Routing-Maschine
208 kann parallelisiert werden, so dass jedes Shard in dem invertierten Index222 seine eigene Einstufung für Benutzer in diesem Shard berechnet und die obersten Benutzer zu der Routing-Maschine208 sendet. Dies ist mit wachsender Benutzerbasis skalierbar, da mehr Shards hinzugefügt werden können, wenn mehr Benutzer hinzugefügt werden. - Anhand dieser geordneten Liste von infragekommenden Antwortenden kann die Routing-Maschine
208 bei bestimmten Implementierungen gemäß Richtlinien zum Bewahren eines qualitativ hochwertigen Benutzererlebnisses infragekommende Antwortende, die nicht kontaktiert werden sollten, herausfiltern. Diese Filter operieren zum großen Teil als Menge von Regeln: Benutzer, die bevorzugen, zur vorliegenden Tageszeit nicht kontaktiert zu werden, nicht kontaktieren, Benutzer, die vor Kurzem so oft, wie es ihre Kontakthäufigkeitseinstellungen gestatten, kontaktiert wurden, nicht kontaktieren; und so weiter. Die geordnete Liste von infragekommenden Antwortenden, die diesen Filterungsprozess überleben, wird an den Konversationsmanager206 zurückgegeben. Der Konversationsmanager206 kontaktiert daraufhin einen oder mehrere infragekommende Antwortende mit der Frage, ob sie gerne die vorliegende Frage antworten würden, und fährt fort, bis eine Antwort gegeben und an den Fragenden zurückgegeben wurde. - Bei bestimmten Implementierungen umfasst das System
200 einen Suchergebnisprozessor210 . Der Suchergebnisprozessor210 identifiziert zuvor eingegebene Antworten in ein Frage- und Antwort-Archiv218 , das für eine Suchanfrage relevant ist, und führt diese Aufrufprozessen (z. B. Suchmaschinen) zu. Das Archiv218 ist ein Lager von zuvor eingesendeten Fragen und entsprechenden Antworten, die durch den Konversationsmanager206 geroutet wurden. Das Archiv kann218 zum Beispiel nach Thema oder nach Wörtern oder nach n-Grammen, die in den Antworten erscheinen, indexiert werden. (Ein n-Gramm ist eine Teilsequenz von n Posten aus einer gegebenen Sequenz. Die betreffenden Posten können Phoneme, Silben, Buchstaben, Wörter oder Basispaare sein.) Bei weiteren Implementierungen kann das Archiv218 anderen Inhalt aus Quellen wie Blog-Beiträgen und Mikroblog-Beiträgen umfassen. Der andere Inhalt kann identifiziert und auf ähnliche Weise Antworten zugeführt werden. Der Suchergebnisprozessor210 empfängt eine Suchanfrage, wie etwa eine durch einen Benutzer in eine Suchmaschine eingesendete Suchanfrage. Der Suchergebnisprozessor210 identifiziert eine oder mehrere Antworten (oder anderen Inhalt) in dem Archiv218 , die für die Suchanfrage relevant sind, und gibt diese an den Aufrufprozess zurück. Der Suchergebnisprozessor210 bestimmt ein oder mehrere Themen für die Suchanfrage auf der Basis von Text der Suchanfrage. Themen können zum Beispiel wie oben hinsichtlich des Fragenanalysators204 bestimmt werden. Ähnlich können ein oder mehrere Themen für jede Antwort in dem Archiv218 im Voraus unter Verwendung ähnlicher oder verschiedener Techniken bestimmt werden. - Die Verwandtheit der Themen einer Suchanfrage mit Themen einer Antwort kann auf mehrere verschiedene Weisen bestimmt werden. Die Anwesenheit von Stichwörtern in einer Suchanfrage kann verwendet werden, um Fragen und Antworten zu identifizieren, die zum Beispiel dieselben Stichwörter aufweisen. Zusätzlich kann die Anwesenheit eines URL in einer Antwort, die in einer Ergebnismenge enthalten ist, die eine Suchmaschine für die Suchanfrage zurückgeben würde Verwandtheit der Antwort mit der Suchanfrage anzeigen. Bei weiteren Implementierungen können die archivierten Antworten gemäß Relevanz für eine bestimmte Suchanfrage eingestuft werden.
- Es sind andere Arten des Bestimmens der Ähnlichkeit zwischen einer Suchanfrage und einer Antwort möglich, zum Beispiel Ähnlichkeit auf der Basis einer Ähnlichkeit von n-Grammen in der Suchanfrage und der Antwort, anstelle von Themen. Der Suchergebnisprozessor
210 kann eine Relevanzwertung für jede identifizierte Antwort bereitstellen, die angibt, wie relevant die Antwort für die Suchanfrage ist. Diese Wertung kann zum Beispiel aus der bestimmten Ähnlichkeit einer Antwort mit der Suchanfrage bestimmt werden. Die Relevanzwertung einer Antwort kann von dem Aufrufprozess verwendet werden, um eine Einstufung einer Antwort in einer Auflistung von Suchergebnissen für die Suchanfrage zu bestimmen. - Bei bestimmten Implementierungen umfasst das System
200 einen Affiliiertenlink-Generator212 . Der Affiliiertenlink-Generator212 fügt Affiliiertenlinks zu Antworten (und anderem Inhalt), die durch den Konversationsmanager206 Fragenden oder durch den Suchergebnisprozessor210 Aufrufprozessen zugeführt werden, hinzu. Bei bestimmten Implementierungen kann der Affiliiertenlink-Generator212 einen Affiliiertenlink zu einer Antwort für eine oder mehrere identifizierte Entitäten in der Antwort, für die das System Affiliierten-Tags aufweist, hinzufügen. Wie oben beschrieben, können Händler durch Affiliierten-Tags die Ursprungs-Website oder -Softwareanwendung für Benutzer, die einen Kauf ausführen, identifizieren und den assoziierten Affiliierten bezahlen. Bei verschiedenen Implementierungen umfasst das Affiliierten-Tag eine einzigartige Kennung des Affiliierten (die z. B. bei Registration vergeben wird) und gegebenenfalls die einzigartige Kennung des ausgewählten Produkts oder Dienstes. Auf eine Entität kann zum Beispiel durch Text oder natürliche Sprache verwiesen werden, oder es kann durch einen URL auf die Entität verwiesen werden. Entitäten können in einer Antwort (oder anderem Inhalt) durch textbezogenes Suchen nach URLs, Produktnamen, Dienstnamen oder Firmennamen in der Antwort (oder anderem Inhalt), die mit Namen, für die das System200 Entitäts-Tags aufweist, übereinstimmen, identifiziert werden. Die Überstimmung muss nicht exakt sein: es können Synonyme, falsche Buchstabierungen und Fülltext berücksichtigt und bei dem Textvergleichsalgorithmus kompensiert werden. Es sind andere Arten des Identifizierens von Entitäten in Text möglich. - Bei anderen Implementierungen kann der Affiliiertenlink-Generator
212 einen Affiliiertenlink nur dann zu einer Antwort für eine oder mehrere identifizierte Entitäten in der Antwort, für die das System Affiliierten-Tags aufweist, hinzufügen, wenn die entsprechende Frage anscheinend eine Empfehlung für ein Produkt oder einen Dienst wünscht. Eine Frage kann gemäß ihrer Syntax und der Anwesenheit bestimmter Stichwörter oder Interpunktion klassifiziert werden. - Zum Beispiel könnten die Sätze in einer Frage gemäß der Anwesenheit einer Fragemarkierung am Ende des Satzes oder dem Erscheinen am Anfang von „wer”, „was”, „wann”, „wo”, „ist”, „warum” und so weiter als Fragen oder Nicht-Fragen klassifiziert werden. Weitere Klassifikation könnte bewirkt werden, indem subjektive Stichwörter in einer Frage überwacht werden, wie etwa „beste”, „gut” und so weiter. Ausführlichere Klassifikation kann durch Konstruieren von statistischen Sprachenmodellen oder beaufsichtigten Klassifizierern auf Basis von Trainingsmengen durchgeführt werden. Die Trainingsmengen können Treffer enthalten, wobei ein nach Empfehlungen Suchender eine Antwort erhält, die eine Entität enthält, und Nichttreffer, wobei die Antwort keine solche enthält.
-
3 ist ein Flussdiagramm einer beispielhaften Technik, um einem Antwortenden eine Frage zuzuführen. Eine Frage wird z. B. durch den Konversationsmanager206 von einem Fragenden empfangen, wobei die Frage mit einem oder mehreren Themen assoziiert ist (302 ). Die Themen können zum Beispiel durch den Fragenanalysator204 bestimmt werden. Infragekommende Antwortende werden z. B. durch die Routing-Maschine208 mindestens teilweise auf der Basis der jeweiligen Beziehung jedes Antwortenden zu dem Fragenden und einer jeweiligen Wahrscheinlichkeit, dass der Antwortende eine zufriedenstellende Antwort auf die Frage geben wird, eingestuft (304 ). Die Frage wird z. B. durch den Konversationsmanager206 sukzessiv gemäß der Einstufung zu Gruppen von einem oder mehreren infragekommenden Antwortenden gesendet, bis eine Antwort von einem bestimmten der infragekommenden Antwortenden empfangen wird (306 ). Die empfangene Antwort wird dann z. B. durch den Konversationsmanager206 zu dem Fragenden gesendet, wobei die Antwort Informationen umfasst, die den bestimmten Antwortenden identifizieren (308 ). -
4 ist ein Flussdiagramm einer beispielhaften Technik zum Bereitstellen eines Affiliiertenlinks in einer Antwort. Eine Antwort auf eine Frage wird von einem Antwortenden z. B. durch den Konversationsmanager206 empfangen (402 ). In der Antwort wird z. B. durch den Affiliiertenlink-Generator212 eine Entität identifiziert, wobei sich die Entität auf ein Produkt oder einen Dienst bezieht (404 ). Es wird z. B. durch den Konversationsmanager eine Genehmigung von dem Antwortenden erhalten, einen interaktiven Link für die Entität in der Antwort auf eine Ressource bereitzustellen, von der die Entität erhalten werden kann (406 ). Es wird z. B. durch den Suchergebnisprozessor210 eine durch einen Benutzer eingesendete Anfrage empfangen und bestimmt, ob die Anfrage mit der Entität verwandt ist (408 ). Es wird z. B. durch den Suchergebnisprozessor210 als Teil von Suchergebnissen, die eine Reaktion auf die Anfrage sind, eine Antwort bereitgestellt, die den Link auf die Ressource umfasst. - Ausführungsformen des Gegenstands und der Operationen, die in der vorliegenden Erfindung beschrieben werden, können in digitalen elektronischen Schaltkreisen oder in Computersoftware, Firmware oder Hardware implementiert werden, die die in der vorliegenden Beschreibung offenbarten Strukturen und ihre strukturellen Äquivalente umfassen, ohne in Kombinationen von einem oder mehrerer dieser. Ausführungsformen des in der vorliegenden Beschreibung beschriebenen Gegenstands können als ein oder mehrere Computerprogramme implementiert werden, d. h. als ein oder mehrere Module von Computerprogrammanweisungen, die auf einem Computerspeichermedium zur Ausführung durch Datenverarbeitungsvorrichtungen oder zur Steuerung ihres Betriebs, codiert sind. Als Alternative oder zusätzlich können die Programmanweisungen auf einem künstlich erzeugten propagierten Signal codiert werden, z. B. einem maschinenerzeugten elektrischen, optischen oder elektromagnetischen Signal, das erzeugt wird, um Informationen zur Übertragung zu einer geeigneten Empfängervorrichtung zur Ausführung durch eine Datenverarbeitungsvorrichtung zu codieren. Ein Computerspeichermedium kann eine computerlesbare Speichereinrichtung, ein computerlesbares Speichersubstrat, ein Direkt- oder Seriell-Zugriffs-Speicherarray oder eine -Direkt- oder Seriell-Zugriffs-Speichereinrichtung oder eine Kombination von einem oder mehrerer dieser sein. Obwohl ein Computerspeichermedium kein propagiertes Signal ist, kann darüber hinaus ein Computerspeichermedium eine Quelle oder ein Ziel von in einem künstlich propagierten Signal codierten Computerprogrammanweisungen sein. Das Computerspeichermedium kann auch eine oder mehrere separate physische Komponenten oder Medien (z. B. mehrere CDs, Datenträger oder andere Speichereinrichtungen) sein oder darin enthalten sein.
- Die in der vorliegenden Beschreibung beschriebenen Operationen können als Operationen implementiert werden, die durch eine Datenverarbeitungsvorrichtung an Daten ausgeführt werden, die auf einer oder mehreren computerlesbaren Speichereinrichtungen gespeichert oder von anderen Quellen empfangen werden.
- Der Ausdruck „Datenverarbeitungsvorrichtung” umfasst alle Arten von Vorrichtungen, Einrichtungen und Maschinen zum Verarbeiten von Daten, darunter beispielsweise einen programmierbaren Prozessor, einen Computer, ein System auf einem Chip oder mehrere oder Kombinationen von Obigem. Die Vorrichtung kann spezielle Logikschaltkreise umfassen, z. B. ein FPGA (Field Programmable Gate Array) oder ein ASIC (anwendungsspezifische integrierte Schaltung). Die Vorrichtung kann auch zusätzlich zur Hardware Code umfassen, der eine Ausführungsumgebung für das betreffende Computerprogramm erzeugt, Code, der Prozessorfirmware, einen Protokollstapel, ein Datenbankverwaltungssystem, ein Betriebssystem, eine plattformübergreifende Laufzeitumgebung, eine virtuelle Maschine oder eine Kombination von einem oder mehreren dieser bildet. Die Vorrichtung und Ausführungsumgebung können verschiedene unterschiedliche Datenverarbeitungsmodellinfrastrukturen realisieren, wie etwa Web-Dienste, verteilte Datenverarbeitung und Grid-Datenverarbeitungsinfrastrukturen.
- Ein Computerprogramm (das auch als Programm, Software, Softwareanwendung, Script oder Code bekannt ist), kann in einer beliebigen Form von Programmiersprache geschrieben werden, darunter kompilierte oder interpretierte Sprache, deklarative oder prozedurale Sprachen, und kann in einer beliebigen Form eingesetzt werden, darunter als selbstständiges Programm oder als ein Modul, Komponente, Subroutine, Objekt oder andere Einheit, die für Verwendung in einer Datenverarbeitungsumgebung geeignet ist. Ein Computerprogramm kann, muss aber nicht einer Datei in einem Dateisystem entsprechen. Ein Programm kann in einem Teil einer Datei gespeichert sein, die andere Programme oder Daten (z. B. ein oder mehrere in einem Markup-Sprache-Dokument gespeicherte Scripts) halt, in einer einzigen dem betreffenden Programm gewidmeten Datei oder in mehreren koordinierten Dateien (z. B. Dateien, die ein oder mehrere Module, Subprogramme oder Teile von Code speichern). Ein Computerprogramm kann verwendet werden, um auf einem Computer oder mehreren Computern ausgeführt zu werden, die sich an einem Standort befinden oder über mehrere Standorte verteilt und durch ein Kommunikationsnetzwerk verbunden sind.
- Die in der vorliegenden Beschreibung beschriebenen Prozesse und Logikflüsse können durch einen oder mehrere programmierbare Prozessoren ausgeführt werden, die ein oder mehrere Computerprogramme ausführen, um Aktionen auszuführen, indem sie an Eingangsdaten operieren und Ausgaben erzeugen. Die Prozesse und Logikflüsse können auch durch spezielle Logikschaltkreise (z. B. ein FPGA (Field Programmable Gate Array) oder eine ASIC (anwendungsspezifische integrierte Schaltung) ausgeführt und Vorrichtungen auch als solche implementiert werden.
- Für die Ausführung eines Computerprogramms geeignete Prozessoren wären beispielsweise sowohl allgemeine als auch spezielle Mikroprozessoren und ein beliebiger oder mehrere Prozessoren einer beliebigen Art von digitalem Computer. Im Allgemeinen empfängt ein Prozessor Anweisungen und Daten aus einem Nurlesespeicher oder einem Direktzugriffsspeicher oder beidem. Die wesentlichen Elemente eines Computers sind ein Prozessor zum Ausführen von Aktionen gemäß Anweisungen und eine oder mehrere Speichereinrichtungen zum Speichern von Anweisungen und Daten. Im Allgemeinen umfasst ein Computer außerdem eine oder mehrere Massenspeichereinrichtungen zum Speichern von Daten, z. B. magnetische, magnetooptische Datenträger oder optische Datenträger, oder ist wirksam so geschaltet, dass er Daten von diesen empfängt oder Daten zu diesen transferiert oder beides. Ein Computer muss jedoch nicht solche Einrichtungen aufweisen. Darüber hinaus kann ein Computer in eine andere Einrichtung eingebettet sein, z. B. in ein Mobiltelefon, einen PDA (Personal Digital Assistant) einen mobilen Audio- oder Videoplayer, eine Spielkonsole, einen GPS-Empfänger (Global Positioning System) oder eine tragbare Speichereinrichtung (z. B. ein USB-Flash-Laufwerk (Universal Serial Bus)), um nur einige wenige zu nennen. Zum Speichern von Computerprogrammanweisungen und Daten geeignete Einrichtungen umfassen alle Formen von nichtflüchtigem Speicher, Medien und Speichereinrichtungen, darunter beispielsweise Halbleiterspeichereinrichtungen, z. B. EPROM, EEPROM und Flash-Speichereinrichtungen, magnetische Datenträger, z. B. interne Festplatten oder wechselbare Datenträger; magnetooptische Datenträger; und CD-ROM- und DVD-ROM-Datenträger. Der Prozessor und der Speicher können durch spezielle Logikschaltkreise ergänzt oder darin integriert werden.
- Um Interaktion mit einem Benutzer zu gewährleisten, können Ausführungsformen des in der vorliegenden Beschreibung beschriebenen Gegenstands auf einem Computer implementiert werden, der eine Anzeigeeinrichtung, z. B. einen Monitor des Typ CRT (Kathodenstrahlröhre) oder LCD (Flüssigkristallanzeige) zum Anzeigen von Informationen für den Benutzer und eine Tastatur und eine Zeigeeinrichtung, z. B. eine Maus oder einen Trackball, wodurch der Benutzer dem Computer Eingaben geben kann, umfasst. Es können auch andere Arten von Einrichtungen benutzt werden, um Interaktion mit einem Benutzer zu gewährleisten. Zum Beispiel können dem Benutzer gegebene Rückmeldungen eine beliebige Form von sensorischer Rückmeldung sein, z. B. visuelle Rückmeldung, hörbare Rückmeldung oder Tast-Rückmeldung; und Eingaben von dem Benutzer können in einer beliebigen Form empfangen werden, darunter akustische, Sprach- oder Tasteingaben. Zusätzlich kann ein Computer mit einem Benutzer in Interaktion treten, indem er Dokumente zu einer Einrichtung, die von dem Benutzer benutzt wird, sendet und Dokumente von dieser empfangt; zum Beispiel durch Senden von Webseiten zu einem Web-Browser auf einer Client-Einrichtung des Benutzers als Reaktion auf von dem Web-Browser empfangene Anforderungen.
- Ausführungsformen des in der vorliegenden Beschreibung beschriebenen Gegenstands können in einem Datenverarbeitungssystem implementiert werden, das eine Backend-Komponente, z. B. als einen Datenserver, umfasst oder das eine Middleware-Komponente, z. B. einen Anwendungsserver, umfasst oder das eine Frontend-Komponente, z. B. einen Client-Computer mit einer grafischen Benutzeroberfläche oder einen Web-Browser, wodurch ein Benutzer mit einer Implementierung des in der vorliegenden Beschreibung beschriebenen Gegenstands in Interaktion treten kann, oder eine beliebige Kombination von einer oder mehreren solcher Backend-, Middleware- oder Frontend-Komponenten umfasst. Die Komponenten des Systems können durch eine beliebige Form oder ein beliebiges Medium der digitalen Datenkommunikation, z. B. ein Kommunikationsnetzwerk, verbunden werden. Beispiele für Kommunikationsnetzwerke waren ein lokales Netzwerk (LAN) und ein großflächiges Netzwerk (WAN), ein Inter-Netzwerk (z. B. das Internet) und Peer-to-Peer-Netzwerke (z. B. ad-hoc-Peer-to-Peer-Netzwerke).
- Das Datenverarbeitungssystem kann Clients und Server umfassen. Ein Client und Server sind im Allgemeinen voneinander entfernt und treten typischerweise durch ein Kommunikationsnetzwerk in Interaktion. Die Beziehung von Client und Server entsteht mittels auf den jeweiligen Computern laufenden Computerprogrammen, die eine Client-Server-Beziehung zueinander aufweisen. Bei bestimmten Ausführungsformen sendet ein Server Daten (z. B. eine HTML-Seite) zu einer Client-Einrichtung (z. B. zum Zwecke des Anzeigens von Daten zu und des Empfangens von Benutzereingaben von einem mit der Client-Einrichtung in Interaktion tretenden Benutzer). In der Client-Einrichtung (z. B. als Ergebnis der Benutzerinteraktion) erzeugte Daten können von der Client-Einrichtung in dem Server empfangen werden.
- Obwohl die vorliegende Beschreibung viele spezifische Implementierungsdetails enthält, sollten diese nicht als Beschränkungen hinsichtlich des Schutzumfangs irgendwelcher Erfindungen oder des Beanspruchbaren aufgefasst werden, stattdessen als Beschreibungen von Merkmalen, die für bestimmte Ausführungsformen bestimmter Erfindungen spezifisch sind. Bestimmte Merkmale, die in der vorliegenden Beschreibung im Kontext separater Ausführungsformen beschrieben werden, können auch in Kombination in einer einzigen Ausführungsform implementiert werden. Umgekehrt können verschiedene Merkmale, die im Kontext einer einzigen Ausführungsform beschrieben werden, auch in mehreren Ausführungsformen separat oder in beliebigen geeigneten Subkombinationen implementiert werden. Obwohl Merkmale möglicherweise oben als in bestimmten Kombinationen wirkend beschrieben und anfänglich sogar derartig beansprucht werden, können ein oder mehrere Merkmale aus einer beanspruchten Kombination darüber hinaus in bestimmten Fällen aus der Kombination herausgenommen werden, und die beanspruchte Kombination kann eine Subkombination oder Variante einer Subkombination betreffen.
- Ähnlich sollte, obwohl Operationen in den Zeichnungen in einer bestimmten Reihenfolge abgebildet werden, dies nicht als Erfordernis aufgefasst werden, dass solche Operationen in der bestimmten gezeigten Reihenfolge oder in sequentieller Reihenfolge auszuführen sind oder dass alle dargestellten Operationen auszuführen sind, um wünschenswerte Ergebnisse zu erzielen. In bestimmten Umständen können Multitasking und Parallelverarbeitung vorteilhaft sein. Die Trennung verschiedener Systemkomponenten in den oben beschriebenen Ausführungsformen sollte darüber hinaus nicht als Erfordernis solcher Trennung in allen Ausführungsformen aufgefasst werden, und es versteht sich, dass die beschriebenen Programmkomponenten und Systeme im Allgemeinen in einem einzigen Softwareprodukt zusammen integriert oder zu mehreren Softwareprodukten verpackt werden können.
- Somit wurden bestimmte Ausführungsformen des Gegenstands beschrieben. Andere Ausführungsformen liegen in dem Schutzumfang der vorliegenden Ansprüche. In bestimmten Fällen können die in den Ansprüchen aufgeführten Schritte in einer anderen Reihenfolge ausgeführt werden und erzielen immer noch wünschenswerte Ergebnisse. Zusätzlich erfordern die in den beigefügten Figuren abgebildeten Prozesse nicht unbedingt die bestimmte gezeigte Reihenfolge oder sequentielle Reihenfolge, um wünschenswerte Ergebnisse zu erzielen. Bei bestimmten Implementierungen können Multitasking und Parallelverarbeitung vorteilhaft sein.
- Bei weiteren Implementierungen kann das System Benutzer auf der Basis von existierendem Inhalt im Web anstelle von direkt in das System eingesendeten Fragen oder Antworten abstimmen. Beispielsweise kann das System eine Konversation zwischen zwei Benutzern einleiten, wobei einer eine Frage in einem Forum beigetragen hat, es aber einen infragekommenden Antwortenden gab, der in einem anderen Forum über relevante Themen geschrieben hat. Das System könnte dem Fragenden auch mehr Einblicke in die Arten von Benutzern geben, die die Frage empfangen könnten, und könnte es dem Fragenden erlauben, mehr Kontrolle darüber zu übernehmen, wer die Frage sehen könnte und wer von dem Sehen der Frage ausgeschlossen würde. Zum Beispiel könnte einem Fragenden die Option gegeben werden, zu sagen, sende dies zu Benutzern, wie etwa seinen Professoren, aber nicht zu Freunden von jemandem, mit dem er ausgeht.
- Zeichenerklärung
- Fig. 1A
- Web Browser – Web-Browser
-
-
104 – Wo kann ich in einer kurzen Autodistanz von San Francisco eine tolle halbtägige Wanderung finden? Ich bin gerade dorthin gezogen und suche nach etwas mit großartigen Aussichten und veränderlichem Gelände (ich bin ein starker Wanderer). -
106 – Empfangen. Ich suche nach jemandem in ihrem Netzwerk, der etwas über „Wandern” weiß... -
108 – Von Julia Thompson in San Francisco, einer Freundin ihres Freundes John Smith Schauen Sie sich definitiv den landschaftlich reizvollen Rundweg auf dem Pfad im Tennessee Valley in Mill Valley an. Ich war da gerade letzte Woche (http://www.nps.gov/goga/planyourvisit/tennessee_valley.html). Es gibt einen geheimen Seitenpfad, der Sie auf die Gipfel führt, bevor Sie nach Muir Beach absteigen. Dauert etwa 4 Stunden, wenn Sie die Beine dafür haben. Sonnencreme mitbringen. -
110 – Danke Julia, genau danach habe ich gesucht! - Fig. 1B
- Web Browser – Web-Browser
-
-
124 – Sind Sie da? Ich habe eine Frage über Wandern und ich glaube, dass Sie antworten können. Tippen Sie „sicher”, „passen”, „beschäftigt” oder „weiterleiten”. -
126 – Sicher -
128 – Von Bob Kelley in New York, USA Wo kann ich in kurzer Autodistanz von San Franzisko eine großartige halbtägige Wanderung finden? Ich bin gerade dort hingezogen und suche nach etwas mit landschaftlich reizvollem und variiertem Gelände (ich bin ein starker Wanderer). -
130 – Warum? -
132 – Ich dachte an Sie wegen Bobs Frage, weil – Bob ein Freund ihrer Freundin Sally Johnson ist. – Sie viel über Wandern und San Francisco wissen. – Sie und er ähnliche Interessen an Sport haben. -
134 – Schauen Sie sich definitiv den landschaftlich reizvollen Rundweg auf dem Pfad im Tennessee Valley in Mill Valley an. Ich war da gerade letzte Woche (http://www.nps.gov/goga/planyourvisit/tennessee_valley.html). Es gibt einen geheimen Seitenpfad, der Sie auf die Gipfel führt, bevor Sie nach Muir Beach absteigen. Dauert etwa 4 Stunden, wenn Sie die Beine dafür haben. Sonnencreme mitbringen. -
136 – Klasse – Ich habe das zu Bob gesendet. Danke für die schnelle Antwort! (Tippen Sie „Bob”: gefolgt von einer Nachricht, um etwas hinzuzufügen, oder „mehr” für Optionen.) - Fig. 1C
-
-
142a – Unterhaltungselektronik -
142b – Cafes -
142c – Angeln -
144 – Suche ein Cafe in SOMA mit tollem Kaffee und Essen und WiFi, wo ich mich hinsetzen und etwas Arbeit verrichten kann? (Angela ist eine Freundin ihres Freunds Mike Johnes) -
146a – Antwort -
146b – Ich weiß, wer zu fragen ist -
146c – Passen - Fig. 1D
-
-
152 – Cafe Bebe Lapin ist gut. Ist wie eine Bibliothek. Gute Expresso-Getränke. -
154 – Sie erwähnten „Cafe Bebe Lapin” in ihrer Antwort. Dürfen wir einen Link in ihrer Antwort auf Cafe Bebe Lapin (http://cafelapin.com) einfügen? -
156a – Link hinzufügen -
156b – Keinen Link hinzufügen - Fig. 1E
-
-
162 – San Francisco Hotels Haustiere -
168 – Das Metro Inn im SOMA-Distrikt ist ein tolles Hotel für Haustiere und hat gewöhnlich Wochenend-Specials. (Dies war Antwort auf die Frage: „Kann jemand ein günstiges Hotel in San Francisco empfehlen, das Haustiere erlaubt?)
Claims (48)
- Computerlesbares Medium, das Anweisungen umfasst, die betreibbar sind, um zu bewirken, dass Datenverarbeitungsvorrichtungen Operationen ausführen, umfassend: Empfangen einer Frage von einem Fragenden, wobei die Frage mit einem oder mehreren Themen assoziiert ist; Auswählen von infragekommenden Antwortenden mindestens teilweise auf der Basis der jeweiligen Beziehung jedes Antwortenden zu dem Fragenden; sukzessives Senden der Frage zu Gruppen von einem oder mehreren infragekommenden Antwortenden, bis eine Antwort von einem bestimmten der infragekommenden Antwortenden empfangen wird; und Senden der empfangenen Antwort und von Informationen, die den bestimmten Antwortenden identifizieren, zu dem Fragenden.
- Computerlesbares Medium nach Anspruch 1, wobei das Auswählen von infragekommenden Antwortenden mindestens teilweise auf einer Tageszeit basiert und davon, ob ein infragekommender Antwortender in den infragekommenden Antwortenden in der Vergangenheit während der Tageszeit aktiv gewesen ist oder bevorzugt, während der Tageszeit nicht kontaktiert zu werden.
- Computerlesbares Medium nach Anspruch 1, wobei das Auswählen von infragekommenden Antwortenden mindestens teilweise darauf basiert, ob ein infragekommender Antwortender in den infragekommenden Antwortenden online ist.
- Computerlesbares Medium nach Anspruch 1, wobei das Auswählen von infragekommenden Antwortenden mindestens teilweise darauf basiert, ob der infragekommende Antwortende in einem jüngeren Zeitraum kontaktiert worden ist, oder auf einer Kontakthäufigkeitspräferenz des infragekommenden Antwortenden.
- Computerlesbares Medium nach Anspruch 1, wobei das Senden ferner das Empfangen einer Identifikation eines anderen potentiellen Antwortenden von einem infragekommenden Antwortenden und das Senden der Frage zu dem anderen infragekommenden Antwortenden umfasst.
- Computerlesbares Medium nach Anspruch 1, wobei die jeweilige Beziehung eines infragekommenden Antwortenden zu dem Fragenden mindestens teilweise auf einem Grad sozialer Indirektion zwischen den beiden basiert.
- Computerlesbares Medium nach Anspruch 1, wobei das Senden ferner das Auswählen eines oder mehrerer Nachrichtenformate umfasst, die für den einen oder die mehreren infragekommenden Antwortenden in der Gruppe geeignet sind, und das Senden der Frage unter Verwendung der ausgewählten Nachrichtenformate umfasst.
- Computerlesbares Medium nach Anspruch 7, wobei ein Nachrichtenformat eine Instant Message, E-mail, ein Blog-Beitrag, eine SMS-Nachricht, ein beigetragener Kommentar, ein Mikroblog-Beitrag, ein Wallpost oder eine andere Sozialnetznachricht ist.
- Computerlesbares Medium nach Anspruch 7, wobei das Nachrichtenformat für einen infragekommenden Antwortenden in der Gruppe mindestens teilweise auf der Basis der Tageszeit ausgewählt wird.
- Computerlesbares Medium nach Anspruch 7, wobei das Nachrichtenformat für einen infragekommenden Antwortenden in der Gruppe mindestens teilweise auf der Basis einer Wahrscheinlichkeit ausgewählt wird, dass der infragekommende Antwortende mindestens teilweise auf der Basis des Nachrichtenformats eine Antwort geben wird.
- Computerlesbares Medium nach Anspruch 1, wobei die Informationen eine Beschreibung einer Beziehung zwischen dem Fragenden und dem bestimmten Antwortenden umfassen.
- Computerlesbares Medium nach Anspruch 1, wobei das Auswählen von infragekommenden Antwortenden ferner das Auswählen eines oder mehrerer infragekommender Antwortender auf der Basis von mit den ausgewählten infragekommenden Antwortenden assoziierten Themen umfasst.
- System, umfassend: ein computerlesbares Medium, das Anweisungen umfasst; und mit dem computerlesbaren Medium gekoppelte Datenverarbeitungsvorrichtungen, die in der Lage sind, die Anweisungen auszuführen, um Operationen auszuführen, umfassend: Empfangen einer Frage von einem Frager, wobei die Frage mit einem oder mehreren Themen assoziiert ist; Auswählen von infragekommenden Antwortenden mindestens teilweise auf der Basis der jeweiligen Beziehung jedes Antwortenden zu dem Fragenden; sukzessives Senden der Frage zu Gruppen von einem oder mehreren infragekommenden Antwortenden, bis eine Antwort von einem bestimmten der infragekommenden Antwortenden empfangen wird; und Senden der empfangenen Antwort und von Informationen, die den bestimmten Antwortenden identifizieren, zu dem Fragenden.
- System nach Anspruch 13, wobei das Auswählen von infragekommenden Antwortenden mindestens teilweise auf einer Tageszeit basiert und darauf, ob ein infragekommender Antwortender in den infragekommenden Antwortenden in der Vergangenheit während der Tageszeit aktiv gewesen ist oder bevorzugt, während der Tageszeit nicht kontaktiert zu werden.
- System nach Anspruch 13, wobei das Auswählen von infragekommenden Antwortenden mindestens teilweise darauf basiert, ob ein infragekommender Antwortender in den infragekommenden Antwortenden online ist.
- System nach Anspruch 13, wobei das Auswählen von infragekommenden Antwortenden mindestens teilweise darauf basiert, ob der infragekommende Antwortende in einem jüngeren Zeitraum kontaktiert worden ist, oder auf einer Kontakthäufigkeitspräferenz des infragekommenden Antwortenden.
- System nach Anspruch 13, wobei das Senden ferner das Empfangen einer Identifikation eines anderen potentiellen Antwortenden von einem infragekommenden Antwortenden und das Senden der Frage zu dem anderen infragekommenden Antwortenden umfasst.
- System nach Anspruch 13, wobei die jeweilige Beziehung eines infragekommenden Antwortenden zu dem Fragenden mindestens teilweise auf einem Grad sozialer Indirektion zwischen den beiden basiert.
- System nach Anspruch 13, wobei das Senden ferner das Auswählen eines oder mehrerer Nachrichtenformate umfasst, die für den einen oder die mehreren infragekommenden Antwortenden in der Gruppe geeignet sind, und das Senden der Frage unter Verwendung der ausgewählten Nachrichtenformate umfasst.
- System nach Anspruch 19, bei dem ein Nachrichtenformat eine Instant Message, E-mail, ein Blog-Beitrag, eine SMS-Nachricht, ein beigetragener Kommentar, ein Mikroblog-Beitrag, ein Wallpost oder eine andere Sozialnetznachricht ist.
- System nach Anspruch 19, wobei das Nachrichtenformat für einen infragekommenden Antwortenden in der Gruppe mindestens teilweise auf der Basis der Tageszeit ausgewählt wird.
- System nach Anspruch 19, wobei das Nachrichtenformat für einen infragekommenden Antwortenden in der Gruppe mindestens teilweise auf der Basis einer Wahrscheinlichkeit ausgewählt wird, dass der infragekommende Antwortende mindestens teilweise auf der Basis des Nachrichtenformats eine Antwort geben wird.
- System nach Anspruch 13, wobei die Informationen eine Beschreibung einer Beziehung zwischen dem Fragenden und dem bestimmten Antwortenden umfassen.
- System nach Anspruch 13, wobei das Auswählen von infragekommenden Antwortenden ferner das Auswählen eines oder mehrerer infragekommender Antwortender auf der Basis von mit den ausgewählten infragekommenden Antwortenden assoziierten Themen umfasst.
- Computerlesbares Medium, das Anweisungen umfasst, die betreibbar sind, um zu bewirken, dass Datenverarbeitungsvorrichtungen Operationen ausführen, umfassend: Empfangen einer Antwort auf eine Frage von einem Antwortenden; Identifizieren einer Entität in der Antwort, wobei sich die Entität auf ein Produkt, einen Dienst, eine Firma oder einen Händler bezieht; Erhalten einer Genehmigung von dem Antwortenden, einen interaktiven Link für die Entität in der Antwort auf eine Ressource, von der die Entität erhalten werden kann, bereitzustellen; Empfangen einer benutzereingesendeten Anfrage und Bestimmen, dass die Anfrage mit der Entität in Beziehung steht; und als Reaktion auf das Bestimmen Bereitstellen der Antwort einschließlich des Links auf die Ressource als Teil von Suchergebnissen, die eine Reaktion auf die Anfrage sind.
- Computerlesbares Medium nach Anspruch 25, wobei das Identifizieren der Entität in der Antwort ferner das Verwenden eines trainierten Klassifizierers umfasst, um zu bestimmen, ob sich die Antwort auf eine Entität bezieht.
- Computerlesbares Medium nach Anspruch 25, wobei das Erhalten einer Genehmigung ferner umfasst, dem Antwortenden eine oder mehrere Optionen zu geben, wobei eine der Optionen darin besteht, den interaktiven Link aufzunehmen.
- Computerlesbares Medium nach Anspruch 27, ferner umfassend Empfangen der Auswahl der Option, den interaktiven Link aufzunehmen.
- Computerlesbares Medium nach Anspruch 25, wobei die Ressource eine Website oder eine Anwendung ist.
- Computerlesbares Medium nach Anspruch 25, wobei der interaktive Link ein Hyperlink ist.
- Computerlesbares Medium nach Anspruch 25, wobei der interaktive Link einen affiliierten Code umfasst.
- Computerlesbares Medium nach Anspruch 31, wobei der affiliierte Code von der Ressource verwendet wird, um ein Konto zu identifizieren.
- Computerlesbares Medium nach Anspruch 31, wobei das Konto eine Gutschrift erhält, wenn die Entität gekauft wird.
- Computerlesbares Medium nach Anspruch 25, wobei die bereitgestellte Antwort eine Identität des Antwortenden umfasst.
- Computerlesbares Medium nach Anspruch 25, wobei eine Ressource eine Website oder eine Anwendung ist.
- Computerlesbares Medium nach Anspruch 25, wobei das Bereitstellen der Antwort ferner das Aufnehmen einer Karte, eines Bildes oder eines Videos in die Antwort umfasst.
- System, umfassend: ein computerlesbares Medium, das Anweisungen umfasst; und mit dem computerlesbaren Medium gekoppelte Datenverarbeitungsvorrichtungen, die in der Lage sind, die Anweisungen auszuführen, um Operationen auszuführen, umfassend: Empfangen einer Antwort auf eine Frage von einem Antwortenden; Identifizieren einer Entität in der Antwort, wobei sich die Entität auf ein Produkt, einen Dienst, eine Firma oder einen Händler bezieht; Erhalten einer Genehmigung von dem Antwortenden, einen interaktiven Link für die Entität in der Antwort auf eine Ressource, von der die Entität erhalten werden kann, bereitzustellen; Empfangen einer benutzereingesendeten Anfrage und Bestimmen, dass die Anfrage mit der Entität in Beziehung steht; und als Reaktion auf das Bestimmen Bereitstellen der Antwort einschließlich des Links auf die Ressource als Teil von Suchergebnissen, die eine Reaktion auf die Anfrage sind.
- System nach Anspruch 37, wobei das Identifizieren der Entität in der Antwort ferner das Verwenden eines trainierten Klassifizierers umfasst, um zu bestimmen, ob sich die Antwort auf eine Entität bezieht.
- System nach Anspruch 37, wobei das Erhalten einer Genehmigung ferner umfasst, dem Antwortenden eine oder mehrere Optionen zu geben, wobei eine der Optionen darin besteht, den interaktiven Link aufzunehmen.
- System nach Anspruch 39, ferner umfassend Empfangen einer Auswahl der Option, den interaktiven Link aufzunehmen.
- System nach Anspruch 37, wobei die Ressource eine Website oder eine Anwendung ist.
- System nach Anspruch 37, wobei der interaktive Link ein Hyperlink ist.
- System nach Anspruch 37, wobei der interaktive Link einen affiliierten Code umfasst.
- System nach Anspruch 43, wobei der affiliierte Code von der Ressource verwendet wird, um ein Konto zu identifizieren.
- System nach Anspruch 43, wobei das Konto eine Gutschrift erhält, wenn die Entität gekauft wird.
- System nach Anspruch 37, wobei die bereitgestellte Antwort eine Identität des Antwortenden umfasst.
- System nach Anspruch 37, wobei eine Ressource eine Website oder eine Anwendung ist.
- System nach Anspruch 37, wobei das Bereitstellen der Antwort ferner das Aufnehmen einer Karte, eines Bildes oder eines Videos in die Antwort umfasst.
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US25632509P | 2009-10-30 | 2009-10-30 | |
US25632409P | 2009-10-30 | 2009-10-30 | |
US61/256,324 | 2009-10-30 | ||
US61/256,325 | 2009-10-30 | ||
PCT/US2010/054808 WO2011053830A2 (en) | 2009-10-30 | 2010-10-29 | Social search engine |
Publications (1)
Publication Number | Publication Date |
---|---|
DE212010000172U1 true DE212010000172U1 (de) | 2012-06-22 |
Family
ID=43923021
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE212010000172U Expired - Lifetime DE212010000172U1 (de) | 2009-10-30 | 2010-10-29 | Soziale Suchmaschine |
Country Status (3)
Country | Link |
---|---|
US (3) | US8515888B2 (de) |
DE (1) | DE212010000172U1 (de) |
WO (1) | WO2011053830A2 (de) |
Families Citing this family (162)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9280603B2 (en) * | 2002-09-17 | 2016-03-08 | Yahoo! Inc. | Generating descriptions of matching resources based on the kind, quality, and relevance of available sources of information about the matching resources |
WO2007052285A2 (en) * | 2005-07-22 | 2007-05-10 | Yogesh Chunilal Rathod | Universal knowledge management and desktop search system |
DE212010000172U1 (de) * | 2009-10-30 | 2012-06-22 | Google Inc. | Soziale Suchmaschine |
US8412770B2 (en) * | 2010-02-08 | 2013-04-02 | Yellowpages.Com Llc | Providing an answer to a question from a social network site using a separate messaging site |
US9223866B2 (en) | 2010-02-08 | 2015-12-29 | Yellowpages.Com Llc | Tagged favorites from social network site for use in search request on a separate site |
US8527496B2 (en) * | 2010-02-11 | 2013-09-03 | Facebook, Inc. | Real time content searching in social network |
US9929982B2 (en) * | 2010-04-08 | 2018-03-27 | Microsoft Technology Licensing, Llc | Designating automated agents as friends in a social network service |
US20110252011A1 (en) * | 2010-04-08 | 2011-10-13 | Microsoft Corporation | Integrating a Search Service with a Social Network Resource |
US8666979B2 (en) * | 2010-04-09 | 2014-03-04 | Palo Alto Research Center Incorporated | Recommending interesting content using messages containing URLs |
US9098808B1 (en) | 2010-04-22 | 2015-08-04 | Google Inc. | Social search engine |
US20120041850A1 (en) * | 2010-08-10 | 2012-02-16 | International Business Machines, Inc. | Incentivizing content-receivers in social networks |
US10142441B2 (en) * | 2010-09-24 | 2018-11-27 | Google Llc | Search result annotations |
US8612477B2 (en) | 2010-09-24 | 2013-12-17 | Aol Inc. | Systems and methods for customized electronic communications |
CN103229120A (zh) | 2010-09-28 | 2013-07-31 | 国际商业机器公司 | 使用假设剪枝提供问题答案 |
US20120095996A1 (en) * | 2010-10-14 | 2012-04-19 | Bruno Dumant | Search in a multi-relationship social network |
US8499048B2 (en) * | 2010-10-27 | 2013-07-30 | Facebook, Inc. | Indexing and organizing messages in a messaging system using social network information |
US9203796B2 (en) | 2010-11-12 | 2015-12-01 | Facebook, Inc. | Messaging system with multiple messaging channels |
US9292602B2 (en) | 2010-12-14 | 2016-03-22 | Microsoft Technology Licensing, Llc | Interactive search results page |
US8484191B2 (en) | 2010-12-16 | 2013-07-09 | Yahoo! Inc. | On-line social search |
US20180293646A1 (en) * | 2010-12-21 | 2018-10-11 | Google Inc. | Inspiration Feedback by an Activity Assistant |
US9576045B2 (en) * | 2010-12-23 | 2017-02-21 | Facebook, Inc. | Tagging questions from users on a social networking system |
US8812982B2 (en) * | 2010-12-23 | 2014-08-19 | Facebook, Inc. | Targeting questions to users of a social networking system |
EP2666101A4 (de) * | 2011-01-17 | 2014-07-30 | Chacha Search Inc | Verfahren und system zur auswahl von respondern |
US9519717B2 (en) * | 2011-03-02 | 2016-12-13 | Microsoft Technology Licensing, Llc | Content customization with security for client preferences |
US8275769B1 (en) * | 2011-04-14 | 2012-09-25 | Palo Alto Research Center Incorporated | System and method for identifying users relevant to a topic of interest |
US8712943B1 (en) | 2011-05-13 | 2014-04-29 | Google Inc. | Question and answer system wherein experts are associated with models and have response rates that are associated with time intervals |
US8712944B1 (en) * | 2011-05-13 | 2014-04-29 | Google Inc. | Adaptive contact window wherein the probability that an answering user/expert will respond to a question corresponds to the answering users having response rates that are based on the time of day |
US20120290432A1 (en) * | 2011-05-13 | 2012-11-15 | Steven Tedjamulia | Social Marketplace Affiliate Front End |
US8606742B1 (en) | 2011-05-13 | 2013-12-10 | Google Inc. | User behavior based contact decisions |
US20120295633A1 (en) * | 2011-05-19 | 2012-11-22 | Elad Yom-Tov | Using user's social connection and information in web searching |
US8566394B2 (en) * | 2011-06-17 | 2013-10-22 | Microsoft Corporation | Mobile social interaction |
US8893008B1 (en) * | 2011-07-12 | 2014-11-18 | Relationship Science LLC | Allowing groups expanded connectivity to entities of an information service |
CN102880608A (zh) | 2011-07-13 | 2013-01-16 | 阿里巴巴集团控股有限公司 | 基于人际距离的排名、搜索方法和装置 |
US20130024439A1 (en) * | 2011-07-20 | 2013-01-24 | Microsoft Corporation | Modeling search in a social graph |
US20130041876A1 (en) * | 2011-08-08 | 2013-02-14 | Paul Alexander Dow | Link recommendation and densification |
US9244985B1 (en) * | 2011-09-06 | 2016-01-26 | Google Inc. | Generating search results for people |
CN103797479B (zh) * | 2011-09-08 | 2017-02-01 | 诺基亚技术有限公司 | 用于混合社交搜索模型的方法和装置 |
US9311404B2 (en) | 2011-09-08 | 2016-04-12 | International Business Machines Corporation | Obscuring search results to increase traffic to network sites |
US8775439B1 (en) | 2011-09-27 | 2014-07-08 | Google Inc. | Identifying entities using search results |
US8473489B1 (en) | 2011-09-27 | 2013-06-25 | Google Inc. | Identifying entities using search results |
US8843466B1 (en) * | 2011-09-27 | 2014-09-23 | Google Inc. | Identifying entities using search results |
US8856099B1 (en) * | 2011-09-27 | 2014-10-07 | Google Inc. | Identifying entities using search results |
JP2013074498A (ja) * | 2011-09-28 | 2013-04-22 | Sanyo Electric Co Ltd | テレビジョン受像機、携帯情報端末、それらを含む情報交換システム |
US20130097141A1 (en) | 2011-10-12 | 2013-04-18 | Microsoft Corporation | Presenting search results annotated with social network connection information |
KR101402506B1 (ko) * | 2011-12-01 | 2014-06-03 | 라인 가부시키가이샤 | 인스턴트 메시징 어플리케이션을 이용한 대화형 정보제공 시스템 및 방법 |
US20130174058A1 (en) * | 2012-01-04 | 2013-07-04 | Sprylogics International Corp. | System and Method to Automatically Aggregate and Extract Key Concepts Within a Conversation by Semantically Identifying Key Topics |
US10192457B2 (en) * | 2012-02-29 | 2019-01-29 | International Business Machines Corporation | Enhancing knowledge bases using rich social media |
US11010795B2 (en) * | 2012-03-30 | 2021-05-18 | Rewardstyle, Inc. | System and method for affiliate link generation |
JP5437426B2 (ja) * | 2012-03-30 | 2014-03-12 | 楽天株式会社 | 回答票処理システム、回答票処理方法及びプログラム |
US9348811B2 (en) * | 2012-04-20 | 2016-05-24 | Sap Se | Obtaining data from electronic documents |
US8924326B2 (en) * | 2012-05-31 | 2014-12-30 | Facebook, Inc. | Methods and systems for optimizing messages to users of a social network |
US9299059B1 (en) * | 2012-06-07 | 2016-03-29 | Google Inc. | Generating a summary of social media content |
US8504418B1 (en) * | 2012-07-19 | 2013-08-06 | Benjamin P. Dimock | Incenting answer quality |
US20140030688A1 (en) * | 2012-07-25 | 2014-01-30 | Armitage Sheffield, Llc | Systems, methods and program products for collecting and displaying query responses over a data network |
US10169456B2 (en) * | 2012-08-14 | 2019-01-01 | International Business Machines Corporation | Automatic determination of question in text and determination of candidate responses using data mining |
US20140067782A1 (en) * | 2012-09-02 | 2014-03-06 | Microsoft Corporation | Social network responses to queries |
US8874559B1 (en) * | 2012-10-01 | 2014-10-28 | Google Inc. | Ranking and ordering items in user-streams |
US9311005B2 (en) * | 2012-10-04 | 2016-04-12 | International Business Machines Corporation | Method to prevent I/O starvation of slower hosts in a multi-host environment |
US8903914B2 (en) * | 2012-10-10 | 2014-12-02 | Microsoft Corporation | Selecting user accounts in social network to answer question |
WO2014076559A1 (en) * | 2012-11-19 | 2014-05-22 | Ismail Abdulnasir D | Keyword-based networking method |
US9015162B2 (en) * | 2013-01-25 | 2015-04-21 | International Business Machines Corporation | Integrating smart social question and answers enabled for use with social networking tools |
US9720964B1 (en) | 2013-02-21 | 2017-08-01 | Scott B Hansen | Methods for enhancing search using a social network |
US9166943B2 (en) * | 2013-03-12 | 2015-10-20 | International Business Machines Corporation | Systems and methods for using social network analysis to schedule communications |
CN104052648A (zh) * | 2013-03-12 | 2014-09-17 | 国际商业机器公司 | 流引导的协作通信 |
US9258356B2 (en) | 2013-03-12 | 2016-02-09 | International Business Machines Corporation | Flow-directed collaborative communication |
US9146986B2 (en) * | 2013-03-14 | 2015-09-29 | Facebook, Inc. | Systems, methods, and apparatuses for implementing an interface to view and explore socially relevant concepts of an entity graph |
US9424354B2 (en) * | 2013-03-15 | 2016-08-23 | Microsoft Technology Licensing, Llc | Providing crowdsourced answers to information needs presented by search engine and social networking application users |
US20140330755A1 (en) * | 2013-03-15 | 2014-11-06 | Exterro, Inc. | Intelligent searching of electronically stored information |
US9400840B2 (en) * | 2013-03-25 | 2016-07-26 | Salesforce.Com, Inc. | Combining topic suggestions from different topic sources to assign to textual data items |
US20140344259A1 (en) * | 2013-05-15 | 2014-11-20 | Google Inc. | Answering people-related questions |
KR102228455B1 (ko) * | 2013-08-05 | 2021-03-16 | 삼성전자주식회사 | 대화의 소재를 제공하는 장치, 서버 및 방법 |
US11120491B2 (en) * | 2013-09-24 | 2021-09-14 | Ebay Inc. | Method, medium, and system for social media based recommendations |
US20150134461A1 (en) * | 2013-09-30 | 2015-05-14 | Goldenslate, Inc. | Referral management methods and apparatus |
US20150100581A1 (en) * | 2013-10-08 | 2015-04-09 | Chacha Search, Inc | Method and system for providing assistance to a responder |
US9396263B1 (en) | 2013-10-14 | 2016-07-19 | Google Inc. | Identifying canonical content items for answering online questions |
WO2015065327A1 (en) * | 2013-10-29 | 2015-05-07 | Hewlett-Packard Development Company, L.P. | Providing information technology support |
US8949360B1 (en) | 2013-12-30 | 2015-02-03 | crWOWd, Inc. | Request and response aggregation system and method with request relay |
US9396236B1 (en) * | 2013-12-31 | 2016-07-19 | Google Inc. | Ranking users based on contextual factors |
US20150200880A1 (en) * | 2014-01-10 | 2015-07-16 | Chacha Search, Inc | Method and system of providing a notification |
US9652549B2 (en) | 2014-02-05 | 2017-05-16 | International Business Machines Corporation | Capturing and managing knowledge from social networking interactions |
US20150271126A1 (en) * | 2014-03-20 | 2015-09-24 | Drgnfly, Inc. | Event creation and organization |
US10506075B1 (en) * | 2014-03-26 | 2019-12-10 | Amazon Technologies, Inc. | Link correction system and methods |
US9088533B1 (en) | 2014-05-27 | 2015-07-21 | Insidesales.com | Email optimization for predicted recipient behavior: suggesting a time at which a user should send an email |
US9317816B2 (en) | 2014-05-27 | 2016-04-19 | InsideSales.com, Inc. | Email optimization for predicted recipient behavior: suggesting changes that are more likely to cause a target behavior to occur |
US9092742B1 (en) | 2014-05-27 | 2015-07-28 | Insidesales.com | Email optimization for predicted recipient behavior: suggesting changes in an email to increase the likelihood of an outcome |
CN104065564B (zh) * | 2014-06-10 | 2017-11-21 | 网易公司 | 一种用于问答的方法及装置 |
US20150363403A1 (en) * | 2014-06-16 | 2015-12-17 | Dmitry Khalatov | Contextual suggestions of communication targets |
CN104166707B (zh) * | 2014-08-08 | 2017-10-31 | 百度在线网络技术(北京)有限公司 | 搜索推荐方法和搜索推荐装置 |
US10268650B2 (en) | 2014-08-22 | 2019-04-23 | Facebook, Inc. | Systems and methods for providing communications to and from verified entities |
US11182442B1 (en) * | 2014-10-30 | 2021-11-23 | Intuit, Inc. | Application usage by selecting targeted responses to social media posts about the application |
NL2013800B1 (nl) * | 2014-11-14 | 2016-09-20 | Thinkin B V | Computerprogramma voor het beantwoorden van een vraag van een eerste gebruiker door een groep andere gebruikers, computerleesbaar medium voorzien daarvan en overeenkomstig systeem. |
US9898170B2 (en) | 2014-12-10 | 2018-02-20 | International Business Machines Corporation | Establishing user specified interaction modes in a question answering dialogue |
CN105786936A (zh) * | 2014-12-23 | 2016-07-20 | 阿里巴巴集团控股有限公司 | 用于对搜索数据进行处理的方法及设备 |
US20160196353A1 (en) * | 2015-01-02 | 2016-07-07 | Dell Products L.P. | Workflow to Automatically Engage SMES with Customers Over Multiple Social Media Platforms |
US9661138B2 (en) | 2015-01-14 | 2017-05-23 | Unify Gmbh & Co. Kg | System and method for automatic intention evaluation and communication routing |
US10475043B2 (en) | 2015-01-28 | 2019-11-12 | Intuit Inc. | Method and system for pro-active detection and correction of low quality questions in a question and answer based customer support system |
BR102015004521B1 (pt) * | 2015-02-27 | 2023-09-26 | Samsung Eletrônica da Amazônia Ltda. | Método para comunicação entre usuários e dispositivos inteligentes |
US10097648B2 (en) * | 2015-02-27 | 2018-10-09 | Rovi Guides, Inc. | Methods and systems for recommending media content |
US10594810B2 (en) | 2015-04-06 | 2020-03-17 | International Business Machines Corporation | Enhancing natural language processing query/answer systems using social network analysis |
US10083213B1 (en) | 2015-04-27 | 2018-09-25 | Intuit Inc. | Method and system for routing a question based on analysis of the question content and predicted user satisfaction with answer content before the answer content is generated |
US10755294B1 (en) | 2015-04-28 | 2020-08-25 | Intuit Inc. | Method and system for increasing use of mobile devices to provide answer content in a question and answer based customer support system |
US20160321439A1 (en) * | 2015-04-28 | 2016-11-03 | Linkedin Corporation | Connection Prediction As Identity Verification |
US10134050B1 (en) | 2015-04-29 | 2018-11-20 | Intuit Inc. | Method and system for facilitating the production of answer content from a mobile device for a question and answer based customer support system |
US10447777B1 (en) | 2015-06-30 | 2019-10-15 | Intuit Inc. | Method and system for providing a dynamically updated expertise and context based peer-to-peer customer support system within a software application |
US10147037B1 (en) | 2015-07-28 | 2018-12-04 | Intuit Inc. | Method and system for determining a level of popularity of submission content, prior to publicizing the submission content with a question and answer support system |
US10475044B1 (en) | 2015-07-29 | 2019-11-12 | Intuit Inc. | Method and system for question prioritization based on analysis of the question content and predicted asker engagement before answer content is generated |
US10268956B2 (en) | 2015-07-31 | 2019-04-23 | Intuit Inc. | Method and system for applying probabilistic topic models to content in a tax environment to improve user satisfaction with a question and answer customer support system |
US9852226B2 (en) | 2015-08-10 | 2017-12-26 | Microsoft Technology Licensing, Llc | Search engine results system using entity density |
KR102598273B1 (ko) * | 2015-09-01 | 2023-11-06 | 삼성전자주식회사 | 답신 메시지 추천 방법 및 이를 위한 디바이스 |
US10394804B1 (en) | 2015-10-08 | 2019-08-27 | Intuit Inc. | Method and system for increasing internet traffic to a question and answer customer support system |
US10242093B2 (en) | 2015-10-29 | 2019-03-26 | Intuit Inc. | Method and system for performing a probabilistic topic analysis of search queries for a customer support system |
US10007720B2 (en) | 2015-11-10 | 2018-06-26 | Hipmunk, Inc. | Automatic conversation analysis and participation |
US11443348B1 (en) | 2016-01-05 | 2022-09-13 | Twitter, Inc. | Conversational targeted content |
US11449785B2 (en) * | 2016-02-24 | 2022-09-20 | Line Corporation | Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence |
US11922300B2 (en) * | 2016-03-01 | 2024-03-05 | Microsoft Technology Licensing, Llc. | Automated commentary for online content |
US10599699B1 (en) | 2016-04-08 | 2020-03-24 | Intuit, Inc. | Processing unstructured voice of customer feedback for improving content rankings in customer support systems |
US10230816B2 (en) * | 2016-05-11 | 2019-03-12 | International Business Machines Corporation | Communication management in a social networking environment |
US10789310B2 (en) * | 2016-06-30 | 2020-09-29 | Oath Inc. | Fact machine for user generated content |
US10762438B1 (en) * | 2016-06-30 | 2020-09-01 | Facebook, Inc. | Extracting questions and answers |
US10162734B1 (en) | 2016-07-20 | 2018-12-25 | Intuit Inc. | Method and system for crowdsourcing software quality testing and error detection in a tax return preparation system |
US10460398B1 (en) | 2016-07-27 | 2019-10-29 | Intuit Inc. | Method and system for crowdsourcing the detection of usability issues in a tax return preparation system |
US10467541B2 (en) * | 2016-07-27 | 2019-11-05 | Intuit Inc. | Method and system for improving content searching in a question and answer customer support system by using a crowd-machine learning hybrid predictive model |
US10445332B2 (en) | 2016-09-28 | 2019-10-15 | Intuit Inc. | Method and system for providing domain-specific incremental search results with a customer self-service system for a financial management system |
US20180096067A1 (en) * | 2016-10-04 | 2018-04-05 | Searchmetrics Gmbh | Creation and optimization of resource contents |
US10572954B2 (en) | 2016-10-14 | 2020-02-25 | Intuit Inc. | Method and system for searching for and navigating to user content and other user experience pages in a financial management system with a customer self-service system for the financial management system |
US10733677B2 (en) | 2016-10-18 | 2020-08-04 | Intuit Inc. | Method and system for providing domain-specific and dynamic type ahead suggestions for search query terms with a customer self-service system for a tax return preparation system |
US10325033B2 (en) | 2016-10-28 | 2019-06-18 | Searchmetrics Gmbh | Determination of content score |
US10382367B2 (en) * | 2016-11-23 | 2019-08-13 | Oath Inc. | Commentary generation |
US10325024B2 (en) | 2016-11-30 | 2019-06-18 | International Business Machines Corporation | Contextual analogy response |
US10133736B2 (en) | 2016-11-30 | 2018-11-20 | International Business Machines Corporation | Contextual analogy resolution |
US10325025B2 (en) | 2016-11-30 | 2019-06-18 | International Business Machines Corporation | Contextual analogy representation |
US10552843B1 (en) | 2016-12-05 | 2020-02-04 | Intuit Inc. | Method and system for improving search results by recency boosting customer support content for a customer self-help system associated with one or more financial management systems |
US10748157B1 (en) | 2017-01-12 | 2020-08-18 | Intuit Inc. | Method and system for determining levels of search sophistication for users of a customer self-help system to personalize a content search user experience provided to the users and to increase a likelihood of user satisfaction with the search experience |
US10747805B1 (en) * | 2017-01-20 | 2020-08-18 | Twitter, Inc. | Content carousel in a social media timeline |
US10169770B2 (en) * | 2017-04-10 | 2019-01-01 | Wildfire Systems, Inc. | Digital communications monetization system |
US10540409B2 (en) * | 2017-05-01 | 2020-01-21 | International Business Machines Corporation | Categorized social opinions as answers to questions |
US10467265B2 (en) | 2017-05-22 | 2019-11-05 | Searchmetrics Gmbh | Method for extracting entries from a database |
US11481454B2 (en) * | 2017-06-02 | 2022-10-25 | Microsoft Technology Licensing, Llc | Search engine results for low-frequency queries |
US10628754B2 (en) | 2017-06-06 | 2020-04-21 | At&T Intellectual Property I, L.P. | Personal assistant for facilitating interaction routines |
US10769138B2 (en) | 2017-06-13 | 2020-09-08 | International Business Machines Corporation | Processing context-based inquiries for knowledge retrieval |
US10922367B2 (en) | 2017-07-14 | 2021-02-16 | Intuit Inc. | Method and system for providing real time search preview personalization in data management systems |
US11093951B1 (en) | 2017-09-25 | 2021-08-17 | Intuit Inc. | System and method for responding to search queries using customer self-help systems associated with a plurality of data management systems |
US10339221B2 (en) * | 2017-10-05 | 2019-07-02 | Amadeus S.A.S. | Auto-completion and auto-correction of cryptic language commands with dynamic learning of syntax rules |
JPWO2019102904A1 (ja) * | 2017-11-22 | 2020-11-19 | 株式会社Nttドコモ | 対話装置及び対話式回答システム |
US11436642B1 (en) | 2018-01-29 | 2022-09-06 | Intuit Inc. | Method and system for generating real-time personalized advertisements in data management self-help systems |
US11269665B1 (en) | 2018-03-28 | 2022-03-08 | Intuit Inc. | Method and system for user experience personalization in data management systems using machine learning |
US11301526B2 (en) * | 2018-05-22 | 2022-04-12 | Kydryl, Inc. | Search augmentation system |
US20190384827A1 (en) * | 2018-06-14 | 2019-12-19 | Naver Corporation | Item recommendation method and apparatus, and computer program for executing the item recommending method |
CN109412931B (zh) * | 2018-09-18 | 2021-07-09 | 阿里巴巴(中国)有限公司 | 利用即时通讯方式进行知识问答的方法、装置和终端设备 |
US10997250B2 (en) * | 2018-09-24 | 2021-05-04 | Salesforce.Com, Inc. | Routing of cases using unstructured input and natural language processing |
GB201815765D0 (en) | 2018-09-27 | 2018-11-14 | Microsoft Technology Licensing Llc | Gathering data in a communication system |
GB201815743D0 (en) * | 2018-09-27 | 2018-11-14 | Microsoft Technology Licensing Llc | Gathering data in a communication system |
US10992612B2 (en) * | 2018-11-12 | 2021-04-27 | Salesforce.Com, Inc. | Contact information extraction and identification |
US11360969B2 (en) | 2019-03-20 | 2022-06-14 | Promethium, Inc. | Natural language based processing of data stored across heterogeneous data sources |
WO2020218929A1 (en) | 2019-04-26 | 2020-10-29 | Motorola Solutions, Inc | System and method for management of commercial virtual assistant services |
US10592961B1 (en) * | 2019-05-17 | 2020-03-17 | Capital Once Services, LLC | Methods and systems for providing purchase recommendations to users |
JP6690796B1 (ja) * | 2019-06-07 | 2020-04-28 | 富士通株式会社 | 情報管理プログラム、情報管理方法および情報管理装置 |
US11223591B2 (en) * | 2020-02-05 | 2022-01-11 | International Business Machines Corporation | Dynamically modifying shared location information |
US20210365940A1 (en) * | 2020-05-25 | 2021-11-25 | Edatanetworks, Inc. | Transaction For Tamper and Quality Evidenced Delivery of Purchase Incented By Donation |
US11809958B2 (en) | 2020-06-10 | 2023-11-07 | Capital One Services, Llc | Systems and methods for automatic decision-making with user-configured criteria using multi-channel data inputs |
US11823044B2 (en) * | 2020-06-29 | 2023-11-21 | Paypal, Inc. | Query-based recommendation systems using machine learning-trained classifier |
CN116303975B (zh) * | 2023-05-11 | 2023-07-21 | 腾讯科技(深圳)有限公司 | 召回模型的训练方法、召回方法及相关设备 |
Family Cites Families (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6311211B1 (en) * | 1996-04-19 | 2001-10-30 | Juno Online Services, Inc. | Method and apparatus for delivering electronic advocacy messages |
US7146627B1 (en) * | 1998-06-12 | 2006-12-05 | Metabyte Networks, Inc. | Method and apparatus for delivery of targeted video programming |
AU3242500A (en) | 1999-02-23 | 2000-09-14 | Webqna, Inc. | Computer system and methods for trading information in a networked environment |
US20020046084A1 (en) * | 1999-10-08 | 2002-04-18 | Scott A. Steele | Remotely configurable multimedia entertainment and information system with location based advertising |
US20010032244A1 (en) * | 1999-11-15 | 2001-10-18 | Neustel Michael S. | Internet based help system |
WO2001053970A2 (en) | 2000-01-24 | 2001-07-26 | Neuronia Ltd. | A system and method for matching requests for information with sources thereof |
US20010034015A1 (en) * | 2000-02-11 | 2001-10-25 | Raichur Arvind A. | Network based anonymous question and answer system |
US6938068B1 (en) * | 2000-06-30 | 2005-08-30 | International Business Machines Corporation | System for managing an exchange of questions and answers through an expert answer web site |
JP2002230341A (ja) * | 2001-02-06 | 2002-08-16 | Ntt Docomo Inc | 仲介装置及び仲介方法 |
US7269545B2 (en) * | 2001-03-30 | 2007-09-11 | Nec Laboratories America, Inc. | Method for retrieving answers from an information retrieval system |
JP4098490B2 (ja) * | 2001-05-15 | 2008-06-11 | 株式会社東芝 | 知識蓄積支援システムおよび同システムにおけるユーザ操作制限方法 |
US8135609B2 (en) | 2002-01-08 | 2012-03-13 | Microsoft Corporation | Identifying and surveying subscribers |
US20050222906A1 (en) * | 2002-02-06 | 2005-10-06 | Chen Timothy T | System and method of targeted marketing |
US8122084B2 (en) * | 2002-10-29 | 2012-02-21 | Sap Ag | Collaborative conversation channels |
US7958215B2 (en) * | 2003-02-12 | 2011-06-07 | International Business Machines Corporation | System management using real time collaboration |
US8788492B2 (en) | 2004-03-15 | 2014-07-22 | Yahoo!, Inc. | Search system and methods with integration of user annotations from a trust network |
US7788260B2 (en) * | 2004-06-14 | 2010-08-31 | Facebook, Inc. | Ranking search results based on the frequency of clicks on the search results by members of a social network who are within a predetermined degree of separation |
US7478110B2 (en) * | 2005-01-24 | 2009-01-13 | Microsoft Corporation | Game-powered search engine |
WO2007052285A2 (en) | 2005-07-22 | 2007-05-10 | Yogesh Chunilal Rathod | Universal knowledge management and desktop search system |
US7685130B2 (en) * | 2006-02-02 | 2010-03-23 | Iac Search & Media, Inc. | Searching for services in natural language |
US20070286169A1 (en) * | 2006-05-18 | 2007-12-13 | Anthony Roman | Radio flag (focused listening and advertising guide) system and method |
US8726169B2 (en) * | 2006-09-05 | 2014-05-13 | Circleup, Inc. | Online system and method for enabling social search and structured communications among social networks |
US20080114755A1 (en) * | 2006-11-15 | 2008-05-15 | Collective Intellect, Inc. | Identifying sources of media content having a high likelihood of producing on-topic content |
US8295465B2 (en) * | 2007-09-25 | 2012-10-23 | Utbk, Inc. | Systems and methods to connect members of a social network for real time communication |
US20090089126A1 (en) * | 2007-10-01 | 2009-04-02 | Odubiyi Jide B | Method and system for an automated corporate governance rating system |
US9159034B2 (en) * | 2007-11-02 | 2015-10-13 | Ebay Inc. | Geographically localized recommendations in a computing advice facility |
US7809664B2 (en) * | 2007-12-21 | 2010-10-05 | Yahoo! Inc. | Automated learning from a question and answering network of humans |
US8244752B2 (en) * | 2008-04-21 | 2012-08-14 | Microsoft Corporation | Classifying search query traffic |
US8275803B2 (en) * | 2008-05-14 | 2012-09-25 | International Business Machines Corporation | System and method for providing answers to questions |
US8027973B2 (en) * | 2008-08-04 | 2011-09-27 | Microsoft Corporation | Searching questions based on topic and focus |
US20100054218A1 (en) * | 2008-08-27 | 2010-03-04 | Richard Mark Clayton | Method and System for Detecting Broadcast Receivers and Transitioning to Selective Communications |
US20100057712A1 (en) * | 2008-09-02 | 2010-03-04 | Yahoo! Inc. | Integrated community-based, contribution polling arrangement |
US20100057688A1 (en) * | 2008-09-04 | 2010-03-04 | Kana Software, Inc. | Adaptive multi-channel answering service for knowledge management systems |
US20100106668A1 (en) * | 2008-10-17 | 2010-04-29 | Louis Hawthorne | System and method for providing community wisdom based on user profile |
US9805123B2 (en) * | 2008-11-18 | 2017-10-31 | Excalibur Ip, Llc | System and method for data privacy in URL based context queries |
US20100198757A1 (en) * | 2009-02-02 | 2010-08-05 | Microsoft Corporation | Performance of a social network |
US8539359B2 (en) * | 2009-02-11 | 2013-09-17 | Jeffrey A. Rapaport | Social network driven indexing system for instantly clustering people with concurrent focus on same topic into on-topic chat rooms and/or for generating on-topic search results tailored to user preferences regarding topic |
US20100223212A1 (en) * | 2009-02-27 | 2010-09-02 | Microsoft Corporation | Task-related electronic coaching |
DE212010000172U1 (de) * | 2009-10-30 | 2012-06-22 | Google Inc. | Soziale Suchmaschine |
US9141966B2 (en) * | 2009-12-23 | 2015-09-22 | Yahoo! Inc. | Opinion aggregation system |
-
2010
- 2010-10-29 DE DE212010000172U patent/DE212010000172U1/de not_active Expired - Lifetime
- 2010-10-29 US US12/915,654 patent/US8515888B2/en not_active Expired - Fee Related
- 2010-10-29 WO PCT/US2010/054808 patent/WO2011053830A2/en active Application Filing
- 2010-10-29 US US12/915,624 patent/US20110106895A1/en not_active Abandoned
-
2012
- 2012-09-14 US US13/620,377 patent/US9444772B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20110106895A1 (en) | 2011-05-05 |
US9444772B2 (en) | 2016-09-13 |
WO2011053830A2 (en) | 2011-05-05 |
WO2011053830A3 (en) | 2016-09-29 |
US20110106746A1 (en) | 2011-05-05 |
US20130173725A1 (en) | 2013-07-04 |
US8515888B2 (en) | 2013-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE212010000172U1 (de) | Soziale Suchmaschine | |
US8935192B1 (en) | Social search engine | |
Horowitz et al. | The anatomy of a large-scale social search engine | |
Narangajavana Kaosiri et al. | User-generated content sources in social media: A new approach to explore tourist satisfaction | |
US20180152396A1 (en) | Designating Automated Agents as Friends in Social Network Service | |
Morris et al. | What do people ask their social networks, and why? A survey study of status message Q&A behavior | |
Morris et al. | A comparison of information seeking using search engines and social networks | |
Kwon et al. | Social network influence on online behavioral choices: Exploring group formation on social network sites | |
Rahim Taleqani et al. | Public opinion on dockless bike sharing: A machine learning approach | |
US20120197993A1 (en) | Skill ranking system | |
US10825059B2 (en) | Facilitating highly targeted advertising to identified audience members across social media channels | |
Furini et al. | TSentiment: On gamifying Twitter sentiment analysis | |
DE202011110145U1 (de) | Systeme für konversationsorientierte Fragen und Antworten | |
US20170052761A1 (en) | Expert signal ranking system | |
Greer et al. | Following local television news personalities on Twitter: A uses and gratifications approach to social networking | |
KR20140012750A (ko) | 마이크로 블로그 배열, 검색 및 표시 방법과 시스템 | |
KR101559719B1 (ko) | 효과적인 마케팅을 도출하는 자동학습 시스템 및 방법 | |
Mackay | Social Media Analytics: Implications for Journalism and Democracy 1 | |
Cui et al. | Personalized microblog recommendation using sentimental features | |
Manikonda et al. | Tweeting AI: perceptions of ai-tweeters (AIT) vs expert ai-tweeters (EAIT) | |
Liu et al. | SocialRobot: a big data-driven humanoid intelligent system in social media services | |
AU2012100405A4 (en) | Social search engine | |
Esparcia et al. | Integrating information extraction agents into a tourism recommender system | |
Baizal et al. | Movie recommender chatbot based on Dialogflow. | |
CN111831925B (zh) | 基于他人信息分享的备份方法、电子设备及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R207 | Utility model specification |
Effective date: 20120816 |
|
R150 | Utility model maintained after payment of first maintenance fee after three years |
Effective date: 20131114 |
|
R082 | Change of representative |
Representative=s name: PROCK, THOMAS, DIPL.-ING. (FH) DR., GB |
|
R151 | Utility model maintained after payment of second maintenance fee after six years | ||
R081 | Change of applicant/patentee |
Owner name: GOOGLE LLC (N.D.GES.D. STAATES DELAWARE), MOUN, US Free format text: FORMER OWNER: GOOGLE INC., MOUNTAIN VIEW, CALIF., US |
|
R082 | Change of representative |
Representative=s name: PROCK, THOMAS, DR., GB Representative=s name: PROCK, THOMAS, DIPL.-ING. (FH) DR., GB |
|
R081 | Change of applicant/patentee |
Owner name: GOOGLE LLC (N.D.GES.D. STAATES DELAWARE), MOUN, US Free format text: FORMER OWNER: GOOGLE LLC (N.D.GES.D. STAATES DELAWARE), MOUNTAIN VIEW, CALIF., US |
|
R082 | Change of representative |
Representative=s name: PROCK, THOMAS, DR., GB Representative=s name: PROCK, THOMAS, DIPL.-ING. (FH) DR., GB |
|
R152 | Utility model maintained after payment of third maintenance fee after eight years | ||
R071 | Expiry of right |