KR101569425B1 - 추출 연산자를 이용한 검색 방법 및 시스템 - Google Patents

추출 연산자를 이용한 검색 방법 및 시스템 Download PDF

Info

Publication number
KR101569425B1
KR101569425B1 KR1020157019657A KR20157019657A KR101569425B1 KR 101569425 B1 KR101569425 B1 KR 101569425B1 KR 1020157019657 A KR1020157019657 A KR 1020157019657A KR 20157019657 A KR20157019657 A KR 20157019657A KR 101569425 B1 KR101569425 B1 KR 101569425B1
Authority
KR
South Korea
Prior art keywords
search
object type
user
relationship
data store
Prior art date
Application number
KR1020157019657A
Other languages
English (en)
Other versions
KR20150091181A (ko
Inventor
샌드히야 쿤나뚜르
소렌 보그 라센
마이클 커티스
Original Assignee
페이스북, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 페이스북, 인크. filed Critical 페이스북, 인크.
Publication of KR20150091181A publication Critical patent/KR20150091181A/ko
Application granted granted Critical
Publication of KR101569425B1 publication Critical patent/KR101569425B1/ko

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/338Presentation of query results
    • G06F17/30477
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22Indexing; Data structures therefor; Storage structures
    • G06F16/2228Indexing structures
    • G06F16/2272Management thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24Querying
    • G06F16/245Query processing
    • G06F16/2455Query execution
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/31Indexing; Data structures therefor; Storage structures
    • G06F16/316Indexing structures
    • G06F16/319Inverted lists
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • G06F17/30336
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01Social networking
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/2866Architectures; Arrangements
    • H04L67/30Profiles
    • H04L67/306User profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

일실시예로, 본 방법은 제1 객체 타입의 제1 검색 결과를 요청하는 검색 질의를 수신하는 단계를 포함한다. 검색 질의는 제2 객체 타입의 제2 검색 결과를 요청하는 내부 질의를 포함한다. 본 방법은 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스에 접근하는 단계; 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스를 사용하여 내부 질의에 의해 요청되는 제2 검색 결과를 검색하는 단계; 제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스에 접근하는 단계; 제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스 및 제2 검색 결과를 사용하여 검색 질의에 의해 요청되는 제1 검색 결과를 검색하는 단계를 포함한다.

Description

추출 연산자{EXTRACT OPERATOR}
본 명세서는 일반적으로 소셜 네트워킹 시스템에 관한 것이다.
소셜 네트워킹 웹사이트를 포함할 수 있는 소셜 네트워킹 시스템은 사용자들(가령, 개인들 또는 단체들)이 소셜 네트워킹 시스템과 상호작용하고, 소셜 네트워킹 시스템을 통해 서로 상호작용할 수 있게 해줄 수 있다. 소셜 네트워킹 시스템은 사용자로부터의 입력으로 사용자와 관련된 사용자 프로필을 생성하고 소셜 네트워킹 시스템에 저장할 수 있다. 사용자 프로필은 사용자의 신상 정보, 통신-채널 정보 및 개인 관심사에 대한 정보를 포함할 수 있다. 또한, 소셜 네트워킹 시스템은 사용자로부터의 입력으로 소셜 네트워킹 시스템의 다른 사용자들과의 사용자의 관계의 레코드를 생성하고 저장할 수 있을 뿐만 아니라 서비스(예컨대, 담벼락 게시물, 사진-공유, 이벤트 조직, 메시징, 게임 또는 광고)를 제공하여 사용자들 사이의 소셜 상호작용을 용이하게 할 수 있다.
소셜 네트워킹 시스템은 그 서비스에 관한 컨텐츠 또는 메시지를 하나 이상의 네트워크를 통해 사용자의 모바일이나 다른 컴퓨팅 장치로 전송할 수 있다. 또한, 사용자는 소셜 네트워킹 시스템 내 사용자의 사용자 프로필과 다른 데이터에 접속하기 위해 사용자의 모바일이나 다른 컴퓨팅 장치에 소프트웨어 애플리케이션을 설치할 수 있다. 소셜 네트워킹 시스템은 가령 사용자와 연결된 다른 사용자들의 종합된 소식의 뉴스피드와 같이 사용자에게 디스플레이하도록 개인화된 세트의 컨텐츠 객체를 생성할 수 있다.
특정 실시예들은 제1 객체 타입의 제1 검색 결과를 요청하는 검색 질의를 수신할 수 있는 한편, 검색 질의는 제2 객체 타입의 제2 검색 결과를 요청하는 내부 질의를 포함할 수 있다. 특정 실시예들은 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스에 접근할 수 있고, 내부 질의에 의해 요청되는 제2 검색 결과를 검색할 수 있다. 특정 실시예들은 데이터 스토어의 포워드 인덱스에 접근할 수 있고, 제2 검색 결과를 사용하여 제1 검색 결과를 검색할 수 있다.
일실시예로, 본 방법은 제1 객체 타입의 제1 검색 결과를 요청하는 검색 질의를 수신하는 단계를 포함한다. 검색 질의는 제2 객체 타입의 제2 검색 결과를 요청하는 내부 질의를 포함한다. 본 방법은 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스에 접근하는 단계; 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스를 사용하여 내부 질의에 의해 요청되는 제2 검색 결과를 검색하는 단계; 제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스에 접근하는 단계; 제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스 및 제2 검색 결과를 사용하여 검색 질의에 의해 요청되는 제1 검색 결과를 검색하는 단계를 포함한다.
본 발명의 내용 중에 포함되어 있다.
도 1은 소셜 네트워킹 시스템과 관련된 예시적인 네트워크 환경을 도시한다.
도 2는 예시적인 소셜 그래프를 도시한다.
도 3은 소셜 네트워킹 시스템의 객체를 저장하기 위한 예시적인 파티셔닝을 도시한다.
도 4는 포워드 인덱스를 사용하여 검색하기 위한 예시적인 방법을 도시한다.
도 5는 예시적인 컴퓨터 시스템을 도시한다.
도 1은 소셜 네트워킹 시스템과 관련된 예시적인 네트워크 환경(100)을 도시한다. 네트워크 환경(100)은 네트워크(110)를 통해 서로 연결되는 사용자(101), 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)을 포함한다. 도 1은 사용자(101), 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)의 특정한 구성을 도시하지만, 본 명세서는 사용자(101), 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)의 임의의 적절한 구성을 고려한다. 예로서 제한 없이, 2 이상의 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)은 네트워크(110)를 우회하여 서로 직접적으로 연결될 수 있다. 또 다른 예로서, 2 이상의 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)은 전체적으로 또는 부분적으로 서로 물리적으로 또는 논리적으로 같은 장소에 배치될 수 있다. 게다가, 도 1은 특정한 수의 사용자(101), 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)를 도시하지만, 본 명세서는 임의의 적절한 수의 사용자(101), 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)를 고려한다. 예로서 제한 없이, 네트워크 환경(100)은 다수의 사용자(101), 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)를 포함할 수 있다.
특정 실시예로, 사용자(101)는 소셜 네트워크 시스템(160)에서 상호작용하거나 통신하는 개인(사람 사용자), 엔티티(예컨대, 기업, 사업체 또는 제3자 애플리케이션) 또는 (예컨대, 개인들 또는 엔티티의) 그룹일 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 온라인 소셜 네트워크를 호스팅하는 네트워크-주소화 컴퓨팅 시스템일 수 있다. 소셜 네트워킹 시스템(160)은 예컨대 사용자 프로필 데이터, 컨셉 프로필 데이터, 소셜 그래프 정보 또는 온라인 소셜 네트워크에 관한 다른 적절한 데이터와 같은 소셜 네트워킹 데이터를 생성, 저장, 수신 및 전송할 수 있다. 소셜 네트워킹 시스템(160)은 직접 또는 네트워크(110)를 통해 네트워크 환경(100)의 다른 구성요소들에 의해 접근될 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 소셜 네트워킹 시스템(160)에 의해 로그되거나, 예컨대 적절한 개인정보 설정을 설정하여 다른 시스템(예컨대, 제3자 시스템(170))과 공유되는 행위를 하는 사용자(101)가 참여할 수 있거나 참여하지 못하게 해주는 인가 서버(authorization server)를 포함할 수 있다. 특정 실시예로, 제3자 시스템(170)은 웹사이트 또는 애플리케이션을 호스팅할 수 있는 네트워크-주소화 컴퓨팅 시스템일 수 있다. 제3자 시스템(170)은 예컨대 제한 없이 웹페이지, 텍스트, 이미지, 비디오, 오디오 또는 애플리케이션과 같은 제3자 시스템 데이터를 생성, 저장, 수신 및 전송할 수 있다. 제3자 시스템(170)은 직접 또는 네트워크(110)를 통해 네트워크 환경(100)의 다른 구성요소들에 의해 접근될 수 있다. 특정 실시예로, 하나 이상의 사용자(101)는 하나 이상의 클라이언트 시스템(130)을 사용하여 소셜 네트워킹 시스템(160) 또는 제3자 시스템(170)으로부터의 데이터에 접근하고, 그 데이터를 송신하며, 그 데이터를 수신할 수 있다. 클라이언트 시스템(130)은 직접, 네트워크(110)를 통해 또는 제3자 시스템을 통해 소셜 네트워킹 시스템(160) 또는 제3자 시스템(170)에 접근할 수 있다. 예로서 제한 없이, 클라이언트 시스템(130)은 소셜 네트워킹 시스템(160)을 통해 제3자 시스템(170)에 접근할 수 있다. 클라이언트 시스템(130)은 가령 개인용 컴퓨터, 랩톱 컴퓨터, 셀룰러 전화, 스마트폰 또는 태블릿 컴퓨터와 같은 임의의 적절한 컴퓨팅 장치일 수 있다.
본 명세서는 임의의 적절한 네트워크(110)를 고려한다. 예로서 제한 없이, 네트워크(110)의 하나 이상의 부분은 애드 혹 네트워크(ad hoc network), 인트라넷, 엑스트라넷, 가상 사설 네트워크(VPN), 근거리 네트워크(LAN), 무선 LAN(WLAN), 광역 네트워크(WAN), 무선 WAN(WWAN), 대도시 네트워크(MAN), 인터넷의 일부, 공중 전화망(PSTN)의 일부, 셀룰러 전화 네트워크, 또는 2 이상의 이들의 조합을 포함할 수 있다. 네트워크(110)는 하나 이상의 네트워크(110)를 포함할 수 있다.
링크(150)는 통신 네트워크(110)에 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)을 연결하거나 서로 연결할 수 있다. 본 명세서는 임의의 적절한 링크(150)를 고려한다. 특정 실시예에서, 하나 이상의 링크(150)는 하나 이상의 유선(가령, DSL(Digital Subscriber Line) 또는 DOCSIS(Data Over Cable Service Interface Specification)), 무선(가령, Wi-Fi 또는 WiMax(Worldwide Interoperability for Microwave Access)), 광학(가령, SONET(Synchronous Optical Network) 또는 SDH(Synchronous Digital Hierarchy)) 링크를 포함한다. 특정 실시예에서, 하나 이상의 링크(150) 각각은 애드혹 네트워크, 인트라넷, 익스트라넷, VPN, LAN, WLAN, WAN, WWAN, MAN, 인터넷의 부분, PSTN의 부분, 셀룰러 기술-기반 네트워크, 위성 통신 기술-기반 네트워크, 다른 링크(150) 또는 이런 링크(150)의 2 이상의 조합을 포함한다. 링크(150)는 네트워크 환경(100) 전체에 걸쳐 반드시 동일할 필요는 없다. 하나 이상의 제1 링크(150)는 하나 이상의 면에서, 하나 이상의 제2 링크(150)와 다를 수 있다.
도 2는 예시적인 소셜 그래프(200)를 도시한다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 하나 이상의 데이터 스토어에 하나 이상의 소셜 그래프(200)를 저장할 수 있다. 특정 실시예로, 소셜 그래프(200)는 다수의 사용자 노드(202)나 다수의 컨셉 노드(204)를 포함할 수 있는 다수의 노드 및 노드를 연결하는 다수의 에지(206)를 포함할 수 있다. 도 2에 도시된 예시적인 소셜 그래프(200)는 훈시적 목적상 2차원 시각적 지도 표현으로 도시된다. 특정 실시예로, 소셜 네트워킹 시스템(160), 클라이언트 시스템(130) 또는 제3자 시스템(170)은 소셜 그래프(200) 및 적절한 애플리케이션에 대한 관련 소셜-그래프 정보에 접근할 수 있다. 소셜 그래프(200)의 노드 및 에지는 예컨대 데이터 스토어(가령, 소셜-그래프 데이터베이스)에 데이터 객체로서 저장될 수 있다. 이런 데이터 스토어는 소셜 그래프(200)의 노드 또는 에지의 하나 이상의 검색가능하거나 질의가능한 인덱스를 포함할 수 있다.
특정 실시예로, 사용자 노드(202)는 소셜 네트워킹 시스템(160)의 사용자에 해당할 수 있다. 예로서 제한 없이, 사용자는 개인(사람인 사용자), 엔티티(예컨대, 기업, 사업체 또는 제3자 애플리케이션) 또는 소셜 네트워킹 시스템(160)과 상호작용하거나 소셜 네트워킹 시스템에서 통신하는 (예컨대, 개인 또는 엔티티의) 그룹일 수 있다. 특정 실시예로, 사용자가 소셜 네트워킹 시스템(160)에서 계정을 등록하면, 소셜 네트워킹 시스템(160)은 사용자에 해당하는 사용자 노드(202)를 생성할 수 있고, 하나 이상의 데이터 스토어에 사용자 노드(202)를 저장할 수 있다. 적절한 경우, 본 명세서에 기술되는 사용자들 및 사용자 노드들(202)은 등록 사용자들 및 등록 사용자들과 관련된 사용자 노드들(202)을 말할 수 있다. 추가로 또는 대안으로, 본 명세서에 기술되는 사용자들 및 사용자 노드들(202)은 적절한 경우 소셜 네트워킹 시스템(160)에 등록되지 않은 사용자들을 말할 수 있다. 특정 실시예로, 사용자 노드(202)는 사용자가 제공한 정보 및 소셜 네트워킹 시스템(160)을 포함하는 다양한 시스템이 수집한 정보와 관련될 수 있다. 예로서 제한 없이, 사용자는 그들의 이름, 프로필 사진, 연락 정보, 생일, 성별, 혼인 여부, 가족 관계, 직장, 학력, 기호, 관심사 또는 다른 신상 정보를 제공할 수 있다. 특정 실시예로, 사용자 노드(202)는 사용자와 관련된 정보에 해당하는 하나 이상의 데이터 객체와 관련될 수 있다. 특정 실시예로, 사용자 노드(202)는 하나 이상의 웹페이지에 해당할 수 있다.
특정 실시예로, 컨셉 노드(204)는 컨셉에 해당할 수 있다. 예로서 제한 없이, 컨셉은 장소(가령, 예컨대, 영화관, 레스토랑, 명소 또는 도시); 웹사이트(가령, 예컨대, 소셜 네트워크 시스템(160)과 관련된 웹사이트 또는 웹-애플리케이션 서버와 관련된 제3자 웹사이트); 엔티티(가령, 예컨대, 사람, 사업체, 그룹, 스포츠 팀 또는 유명인사); 소셜 네트워킹 시스템(160) 또는 가령 웹-애플리케이션 서버와 같은 외부 서버에 위치할 수 있는 자원(가령, 예컨대, 오디오 파일, 비디오 파일, 디지털 사진, 텍스트 파일, 구조화된 문서 또는 애플리케이션); 물적 재산권 또는 지적 재산권(가령, 예컨대, 조각품, 미술품, 영화, 게임, 노래, 아이디어, 사진 또는 저서); 게임; 활동; 아이디어나 이론; 또 다른 적절한 컨셉; 또는 2 이상의 이런 컨셉들에 해당할 수 있다. 컨셉 노드(204)는 사용자에 의해 제공된 컨셉의 정보 또는 소셜 네트워킹 시스템(160)을 포함하는 다양한 시스템에 의해 수집된 정보와 관련될 수 있다. 예로서 제한 없이, 컨셉의 정보는 이름이나 제목; 하나 이상의 이미지(예컨대, 책의 커버 페이지의 이미지); 위치(예컨대, 주소 또는 지리적 위치); (URL과 관련될 수 있는) 웹사이트; 연락 정보(예컨대, 전화번호 또는 이메일 주소); 다른 적절한 컨셉 정보; 또는 이런 정보의 임의의 적절한 조합을 포함할 수 있다. 특정 실시예로, 각각의 컨셉 노드(204)는 컨셉 노드(204)와 관련된 정보에 해당하는 하나 이상의 데이터 객체와 관련될 수 있다. 특정 실시예로, 각각의 컨셉 노드(204)는 웹페이지에 해당할 수 있다.
특정 실시예로, 소셜 그래프(200)에서 노드는 ("프로필 페이지"라고 할 수 있는) 웹페이지를 표현하거나, 그 웹페이지로 표현될 수 있다. 프로필 페이지는 소셜 네트워킹 시스템(160)에 의해 호스트될 수 있거나, 접근될 수 있다. 또한, 프로필 페이지는 제3자 서버(170)와 관련된 제3자 웹사이트에 호스트될 수 있다. 예로서 제한 없이, 특정한 외부 웹페이지에 해당하는 프로필 페이지는 특정한 외부 웹페이지일 수 있고, 이런 프로필 페이지는 특정 컨셉 노드(204)에 해당할 수 있다. 프로필 페이지는 모든 또는 선택된 서브세트의 다른 사용자들에 의해 열람될 수 있다. 예로서 제한 없이, 사용자 노드(202)는 해당 사용자가 컨텐츠를 추가할 수 있고, 선언을 할 수 있으며, 그렇지 않으면 그들 자신을 표현할 수 있는 해당 사용자 프로필-페이지를 가질 수 있다. 또 다른 예로서 제한 없이, 컨셉 노드(204)는 특히 컨셉 노드(204)에 해당하는 컨셉과 관련하여 하나 이상의 사용자들이 컨텐츠를 추가할 수 있거나, 선언을 할 수 있거나, 그들 자신을 표현할 수 있는 해당 컨셉-프로필 페이지를 가질 수 있다.
특정 실시예로, 컨셉 노드(204)는 제3자 시스템(170)에 의해 호스팅된 제3자 웹페이지 또는 자원을 표현할 수 있다. 제3자 웹페이지 또는 자원은 다른 요소들 중에서 행위 또는 활동을 표현하는 (예컨대, JavaScript, AJAX 또는 PHP 코드로 구현될 수 있는) 컨텐츠, 선택가능하거나 다른 아이콘 또는 다른 상호작용가능한 객체를 포함할 수 있다. 예로서 제한 없이, 제3자 웹페이지는 가령 "좋아요", "체크인", "식사하기(eat)", "추천하기" 또는 다른 적절한 행위나 활동과 같은 선택가능한 아이콘을 포함할 수 있다. 제3자 웹페이지를 열람하는 사용자는 아이콘들 중 하나(예컨대, "식사하기")를 선택하여 행위를 수행할 수 있고, 클라이언트 시스템(130)이 사용자의 행위를 표시하는 메시지를 소셜 네트워킹 시스템(160)으로 전송하게 할 수 있다. 그 메시지에 응답하여, 소셜 네트워킹 시스템(160)은 사용자에 해당하는 사용자 노드(202)와 제3자 웹페이지 또는 자원에 해당하는 컨셉 노드(204) 사이의 에지(예컨대, "식사하기" 에지)를 생성할 수 있고, 하나 이상의 데이터 스토어에 에지(206)를 저장할 수 있다.
특정 실시예로, 소셜 그래프(200)에서 노드 쌍은 하나 이상의 에지(206)에 의해 서로 연결될 수 있다. 노드 쌍을 연결하는 에지(206)는 노드 쌍 사이의 관계를 표현할 수 있다. 특정 실시예로, 에지(206)는 노드 쌍 사이의 관계에 해당하는 하나 이상의 데이터 객체나 속성을 포함하거나 표현할 수 있다. 예로서 제한 없이, 제1 사용자는 제2 사용자가 제1 사용자의 "친구"라고 표시할 수 있다. 이런 표시에 응답하여, 소셜 네트워킹 시스템(160)은 "친구 요청"을 제2 사용자에게 전송할 수 있다. 제2 사용자가 "친구 요청"을 확인하면, 소셜 네트워킹 시스템(160)은 소셜 그래프(200)에서 제1 사용자의 사용자 노드(202)와 제2 사용자의 사용자 노드(202)를 연결하는 에지(206)를 생성할 수 있고, 하나 이상의 데이터 스토어(24)에 소셜-그래프 정보로서 에지(206)를 저장할 수 있다. 도 2의 예에서, 소셜 그래프(200)는 사용자 "A"와 사용자 "B"의 사용자 노드(202)들 사이의 친구 관계를 표시하는 에지(206)를 그리고 사용자 "C"와 사용자 "B"의 사용자 노드(202) 사이의 친구 관계를 표시하는 에지를 포함한다. 본 명세서가 특정 사용자 노드(202)를 연결하는 특정 속성을 가진 특정 에지(206)를 기술하거나 도시하지만, 본 명세서는 사용자 노드(202)를 연결하는 임의의 적절한 속성을 가진 임의의 적절한 에지(206)를 고려한다. 예로서 제한 없이, 에지(206)는 친구관계, 가족관계, 사업이나 고용 관계, 팬 관계, 팔로어 관계, 방문자 관계, 구독자 관계, 상위/하위 관계, 호혜 관계, 비-상호 관계, 또 다른 적절한 타입의 관계 또는 2 이상의 이런 관계들을 표현할 수 있다. 게다가, 본 명세서는 일반적으로 노드들이 연결되는 것을 기술하지만, 본 명세서는 또한 사용자 또는 컨셉이 연결되는 것을 기술한다. 본 명세서에서, 사용자 또는 컨셉이 연결되는 것에 대한 언급은 적절한 경우 이들 사용자 또는 컨셉에 해당하는 노드가 하나 이상의 에지(206)에 의해 소셜 그래프(200)에서 연결되는 것을 말할 수 있다.
특정 실시예로, 사용자 노드(202)와 컨셉 노드(204) 사이의 에지(206)는 컨셉 노드(204)와 관련된 컨셉에 대해 사용자 노드(202)의 사용자가 수행한 특정 행위 또는 활동을 표현할 수 있다. 예로서 제한 없이, 도 2에 도시된 바와 같이, 사용자는 컨셉을 "좋아요(like)", "참여했음(attended)", "실행했음(played)", "청취했음(listened)", "요리했음(cooked)", "근무했음(worked at)", 또는 "시청했음(watched)"을 할 수 있고, 이들 각각은 에지 타입이나 서브타입에 해당할 수 있다. 컨셉 노드(204)에 해당하는 컨셉-프로필 페이지는 예컨대 선택가능한 "체크인" 아이콘(가령, 예컨대, 클릭가능한 "체크인" 아이콘) 또는 선택가능한 "즐겨찾기에 추가(add to favorites)" 아이콘을 포함할 수 있다. 마찬가지로, 사용자가 이런 아이콘을 클릭한 후, 소셜 네트워킹 시스템(160)은 각각의 행위에 해당하는 사용자의 행위에 응답하여 "즐겨찾기" 에지 또는 "체크인" 에지를 생성할 수 있다. 또 다른 예로서 제한 없이, 사용자(사용자 "C")는 특정 애플리케이션(온라인 음악 애플리케이션인 SPOTIFY)을 사용하여 특정 노래("Ramble On")를 들을 수 있다. 이 경우, 소셜 네트워킹 시스템(160)은 사용자에 해당하는 사용자 노드(202)와 노래 및 애플리케이션에 해당하는 컨셉 노드(204) 사이에 "청취했음(listened)" 에지(206) 및 "사용했음(used)" 에지(도 2에 도시)를 생성하여, 사용자가 그 노래를 들었고 그 애플리케이션을 사용했음을 표시할 수 있다. 게다가, 소셜 네트워킹 시스템(160)은 노래와 애플리케이션에 해당하는 컨셉 노드(204) 사이에서 "실행했음(played)" 에지(206)(도 2에 도시)를 생성하여 특정 노래가 특정 애플리케이션에 의해 실행되었음을 표시할 수 있다. 이 경우, "실행했음(played)" 에지(206)는 외부 오디오 파일(노래 "Imagine")에 대해 외부 애플리케이션(SPOTIFY)이 수행한 행위에 해당한다. 본 명세서는 사용자 노드(202)와 컨셉 노드(204)를 연결하는 특정 속성을 가진 에지(206)를 기술하지만, 본 명세서는 사용자 노드(202)와 컨셉 노드(204)를 연결하는 임의의 적절한 속성을 가진 임의의 적절한 에지(206)를 고려한다. 게다가, 본 명세서는 단일의 관계를 표현하는 사용자 노드(202)와 컨셉 노드(204) 사이의 에지를 기술하지만, 본 명세서는 하나 이상의 관계를 표현하는 사용자 노드(202)와 컨셉 노드(204) 사이의 에지를 고려한다. 예로서 제한 없이, 에지(206)는 사용자가 특정 컨셉에서 좋아요 하고 사용했음을 모두 표현할 수 있다. 대안으로, 또 다른 에지(206)는 사용자 노드(202)와 컨셉 노드(204) 사이(도 2에 도시된 바와 같이, 사용자 "E"에 대한 사용자 노드(202)와 "SPOTIFY"에 대한 컨셉 노드(204) 사이)의 각 타입의 관계(또는 다수의 단일 관계)를 표현할 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 소셜 그래프(200)에서 사용자 노드(202)와 컨셉 노드(204) 사이의 에지(206)를 생성할 수 있다. 예로서 제한 없이, (가령, 예컨대, 사용자의 클라이언트 시스템(130)에 의해 호스팅되는 웹 브라우저 또는 특수목적 애플리케이션을 사용하여) 사용자가 컨셉-프로필 페이지를 열람하는 것은 사용자가 "좋아요" 아이콘을 클릭하거나 선택하여 컨셉 노드(204)가 표현한 컨셉을 좋아함을 나타낼 수 있는데, "좋아요" 아이콘은 사용자의 클라이언트 시스템(130)이 컨셉-프로필 페이지와 관련된 컨셉을 사용자가 좋아요 했다고 표시한 메시지를 소셜 네트워킹 시스템(160)으로 전송하게 할 수 있다. 그 메시지에 응답하여, 소셜 네트워킹 시스템(160)은 사용자와 컨셉 노드(204) 사이의 "좋아요" 에지(206)로 도시된 바와 같이 사용자와 관련된 사용자 노드(202)와 컨셉 노드(204) 사이의 에지(206)를 생성할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 하나 이상의 데이터 스토어에 에지(206)를 저장할 수 있다. 특정 실시예로, 에지(206)는 특정 사용자 행위에 응답하여 소셜 네트워킹 시스템(160)에 의해 자동 형성될 수 있다. 예로서 제한 없이, 제1 사용자가 사진을 업로드하거나, 영화를 시청하거나, 노래를 듣는다면, 에지(206)는 제1 사용자에 해당하는 사용자 노드(202)와 이런 컨셉에 해당하는 컨셉 노드(204) 사이에 형성될 수 있다. 본 명세서는 특정 방식으로 특정 에지(206)를 형성하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 에지(206)를 형성하는 것을 고려한다.
또한, 임의의 2개의 노드 사이의 이격도는 하나의 노드에서 다른 노드로 소셜 그래프를 횡단하는데 필요한 홉들(hops)의 최소 개수로 정의된다. 2개의 노드 사이의 이격도는 소셜 그래프에서 2개의 노드로 표현되는 사용자들 또는 컨셉들 사이의 관련도로 간주될 수 있다.
소셜 네트워킹 시스템에 의해 저장되는 데이터(예컨대, 소셜 그래프의 데이터)의 양은 매우 클 수 있다. 예컨대, CA의 Menlo Park의 페이스북에 의해 사용되는 소셜 그래프는 대략 108의 다수의 노드 및 대략 1010의 다수의 에지를 가질 수 있다. 통상, 가령 대용량의 데이터베이스와 같은 대량의 데이터 수집은 다수의 파티션(partitions)으로 분할될 수 있다. 각각의 파티션은 별도의 서버에 의해 또는 별도의 물리적 위치에서 보유될 수 있다. 데이터베이스의 각 파티션에 대한 인덱스는 전체 데이터베이스에 대한 인덱스보다 작기 때문에, 파티셔닝(partitioning)은 데이터베이스에 접근할 때 성능을 향상시킬 수 있다. 파티션은 다수의 서버로 분산될 수 있기 때문에(한편, 각 파티션은 지리적으로 다양한 위치에 복사될 수 있음), 파티셔닝은 또한 데이터베이스에 접근할 때 성능 및 신뢰성을 향상시킬 수 있다. 흔히, 데이터베이스는 개별적으로 데이터베이스의 행(또는 열)을 저장하여 파티셔닝될 수 있다. 또한, 데이터베이스는 해시 알고리즘(hashing algorithm)을 사용하여 파티셔닝될 수 있다. 또한, 데이터베이스는 데이터베이스가 보유한 데이터의 몇몇의 실제 분할(real-world segmentation)(예컨대, 미국의 각 시간대의 고객들)에 의해 파티셔닝될 수 있다. 특정 실시예들은 객체 타입에 기초하여 데이터의 수집의 저장을 파티셔닝할 수 있다. 특정 실시예들은 하나의 객체 타입에 해당하는 데이터 객체를 각각 보유하는 복수의 파티션에 데이터 객체를 저장할 수 있다.
도 3은 소셜 네트워킹 시스템의 객체를 저장하기 위한 예시적인 파티셔닝을 도시한다. 도 3의 예에서, 복수의 데이터 스토어 또는 버티컬(verticals)(예컨대, P1, P2, P3 등)은 소셜 네트워킹 시스템의 객체를 저장할 수 있다. 특정 실시예로, 각 데이터 스토어는 각각의 데이터 저장장치(340)에서 복수의 객체 타입 중 특정한 하나의 객체를 저장하도록 구성될 수 있다. 또한, 각 데이터 스토어는 각각의 저장된 객체와 관련된 정보를 데이터 저장장치(340)에 저장하도록 구성될 수 있다. 객체 타입은 사용자, 사진, 게시물, 웹페이지 또는 애플리케이션일 수 있다. 객체 타입의 다른 예들은 음악, 코멘트, 이벤트, 메시지, 오퍼(예컨대, 쿠폰) 및 리뷰일 수 있다. 본 명세서는 소셜 네트워킹 시스템에 대한 임의의 적절한 객체 타입을 고려한다.
예컨대, 도 3에 도시된 사용자 버티컬(P1)은 사용자 객체를 저장할 수 있다. 사용자 버티컬(P1)에 저장된 각각의 사용자 객체는 소셜 네트워킹 시스템의 사용자에 대한 식별자(예컨대, 문자열), 사용자 이름 및 프로필 사진을 포함할 수 있다. 또한, 소셜 네트워킹 시스템은 가령 언어, 위치, 교육, 하나 이상의 이메일 주소, 관심사, 관계 상태, 친구 목록, 가족관계 목록, 개인정보 설정 등과 같이 사용자 객체와 관련된 정보를 사용자 버티컬(P1)에 저장할 수 있다. 예컨대, 도 3에 도시된 게시물 버티컬(P2)은 게시물 객체를 저장할 수 있다. 게시물 버티컬(P2)에 저장된 각각의 게시물 객체는 소셜 네트워킹 시스템에 게시된 게시물에 대한 식별자, 문자열을 포함할 수 있다. 또한, 소셜 네트워킹 시스템은 가령 시간 스탬프, 작성자, 개인정보 설정, 게시물을 좋아하는 사용자, 좋아요의 총수, 코멘트, 코멘트의 총수, 위치 등과 같이 게시물 객체와 관련된 정보를 게시물 버티컬(P2)에 저장할 수 있다. 예컨대, 사진 버티컬(P3)은 사진 객체(또는 비디오나 오디오와 같은 다른 미디어 타입의 객체)를 저장할 수 있다. 사진 버티컬(P3)에 저장된 각각의 사진 객체는 식별자 및 사진을 포함할 수 있다. 또한, 소셜 네트워킹 시스템은 가령 시간 스탬프, 작성자, 개인정보 설정, 사진에 태그되는 사용자, 사진을 좋아하는 사용자, 코멘트 등과 같이 사진 객체와 관련된 정보를 사진 버티컬(P3)에 저장할 수 있다.
특정 실시예로, 각 버티컬에 저장되는 객체는 하나 이상의 검색 인덱스에 의해 인덱싱될 수 있다. 검색 인덱스는 하나 이상의 컴퓨팅 장치(예컨대, 서버)를 포함하는 각각의 인덱스 서버(330)에 의해 호스트될 수 있다. 인덱스 서버(330)는 사용자에 의해 소셜 네트워킹 시스템 또는 소셜 네트워킹 시스템(또는 제3자 시스템)의 다른 프로세스로 제출되는 데이터(예컨대, 사진 및 사진에 관한 정보)에 기초하여 검색 인덱스를 업데이트할 수 있다. 또한, 인덱스 서버(330)는 주기적으로(예컨대, 24시간마다) 검색 인덱스를 업데이트할 수 있다. 인덱스 서버(330)는 검색 용어를 포함하는 질의를 수신할 수 있고, 검색 용어에 해당하는 하나 이상의 검색 인덱스로부터 검색 결과에 접근하고 검색할 수 있다. 일부의 실시예로, 특정 객체 타입에 해당하는 버티컬은 각각의 검색 인덱스를 각각 포함하는 복수의 물리적 또는 논리적 파티션을 포함할 수 있다.
특정 실시예로, 제1 객체 타입에 해당하는 버티컬에 대한 검색 인덱스는 역 인덱스(inverted index)를 포함할 수 있다. 역 인덱스는 제2 객체 타입과 관련된 검색 용어를 제1 객체 타입의 하나 이상의 검색 결과와 맵핑할 수 있다. 예컨대, 도 3에 도시된 게시물 버티컬(P2)에서 역 인덱스는 가령 <user>로부터 (posts_liked_by:<user>)와 같이 사용자와 관련된 검색 용어를 <user>가 좋아하는 게시물의 목록과 맵핑할 수 있다. 역 인덱스는 가령 <user>로부터 (posts_commented_by:<user>)와 같이 사용자와 관련된 검색 용어를 <user>가 코멘트하는 게시물의 목록과 맵핑할 수 있다. 예컨대, 도 3에 도시된 사진 버티컬(P3)에서 역 인덱스는 가령 <user>로부터 (photos_liked_by:<user>)와 같이 사용자와 관련된 검색 용어를 <user>가 좋아하는 사진의 목록과 맵핑할 수 있다. 역 인덱스는 <user>로부터 (photos_tagged_with:<user>)와 같은 사용자와 관련된 검색 용어를 <user>가 태그되는 사진의 목록과 맵핑할 수 있다. 일실시예로, 특정 객체 타입에 해당하는 버티컬에 대한 역 인덱스는 특정 객체 타입과 관련된 검색 용어를 동일한 특정 객체 타입의 하나 이상의 검색 결과와 맵핑할 수 있다. 예컨대, 도 3에 도시된 사용자 버티컬(P1)에서 역 인덱스는 가령 <user>로부터 (friends:<user>)와 같이 사용자와 관련된 검색 용어를 <user>의 (즉, 사용자 객체 타입의) 친구의 목록과 맵핑할 수 있다.
특정 실시예로, 제1 객체 타입에 해당하는 버티컬에 대한 검색 인덱스는 포워드 인덱스(forward index)를 포함할 수 있다. 포워드 인덱스는 제1 객체 타입과 관련된 검색 용어를 제2 객체 타입의 하나 이상의 검색 결과와 맵핑할 수 있다. 예컨대, 게시물 버티컬(P2)에서 포워드 인덱스는 가령 <post>로부터 (likers_of:<post>)와 같이 게시물과 관련된 검색 용어를 <post>를 좋아하는 사용자의 목록과 맵핑할 수 있다. 포워드 인덱스는 가령 <post>로부터 (author_of:<post>)와 같이 게시물과 관련된 검색 용어를 <post>의 작성자인 사용자와 맵핑할 수 있다. 예컨대, 사진 버티컬(P3)에서 포워드 인덱스는 가령 <photo>로부터 (tagged_in:<photo>)와 같이 사진과 관련된 검색 용어를 <photo>에 태그되는 사용자의 목록과 맵핑할 수 있다. 포워드 인덱스는 <photo>으로부터 (commenters_of:<photo>)와 같이 사진과 관련된 검색 용어를 <photo>에 대해 코멘트하는 사용자의 목록과 맵핑할 수 있다. 포워드 인덱스는 검색 용어에 대한 일대일 맵핑을 포함할 수 있다. 또한, 포워드 인덱스는 검색 용어에 대한 하나-대-몇몇의 맵핑(one-to-few mapping)을 포함할 수 있다. 반면에, 역 인덱스는 검색 용어에 대한 일대다(one to many)로 맵핑할 수 있다. 예컨대, 사진 버티컬(P3)의 포워드 인덱스는 사진의 소유자(예컨대, 소셜 네트워킹 시스템에 사진을 업로드한 사용자)와 사진을 맵핑할 수 있다. 예컨대, 사진 버티컬(P3)에서 포워드 인덱스는 사진에 태그되는 몇몇의 사용자(예컨대, 10명 미만의 사용자)와 사진을 맵핑할 수 있다. 반면에, 예컨대, 사진 버티컬(P3)의 역 인덱스는 사용자가 태그되는 많은 사진(예컨대, 100장 이상의 사진)과 사용자를 맵핑할 수 있다.
특정 실시예는 포워드 인덱스를 사용하여 효율적인 검색용 방법을 기술한다. 도 4는 포워드 인덱스를 사용하여 검색하기 위한 예시적인 방법(400)을 도시한다. 이 방법(400)은 소셜 네트워킹 시스템의 하나 이상의 컴퓨팅 장치(예컨대, 서버)에 의해 구현될 수 있다. 이 방법(400)은 단계 410에서 시작할 수 있다. 특정 실시예로, 단계 410에서, 하나 이상의 컴퓨팅 장치는 제1 객체 타입의 하나 이상의 제1 검색 결과를 요청하는 검색 질의를 수신할 수 있다. 검색 질의는 제2 객체 타입의 하나 이상의 제2 검색 결과를 요청하는 내부 질의(inner query)를 포함할 수 있다. 예컨대, 도 3에 도시된 집계 프로세스(aggregator process)(320)는 검색 질의(extract author (term posts_liked_by:<9>))를 수신할 수 있다. 검색 질의는 <9>의 사용자 식별자를 가진 사용자가 좋아하는 게시물에 대한 한 명 이상의 작성자에 대한 검색 결과를 요청할 수 있다. 검색 질의는 사용자 <9>가 좋아하는 게시물에 대한 검색 결과를 요청하는 검색 용어에 해당하는 내부 질의(term posts_liked_by:<9>)를 포함할 수 있다. 즉, 검색 질의는 제1 객체 타입(사용자)의 제1 검색 결과를 요청하는 한편, 내부 질의는 제2 객체 타입(게시물)의 제2 검색 결과를 요청한다.
집계 프로세스(320)는 소셜 네트워킹 시스템의 하나 이상의 컴퓨팅 장치(예컨대, 서버)에 의해 호스트되는 하나 이상의 컴퓨팅 프로세스일 수 있다. 예컨대, 집계 프로세스(320)는 도 3에 도시된 PHP(Hypertext Preprocessor) 프로세스(310)로부터의 검색 요청에 기초하여 검색 질의를 결정할 수 있다. PHP 프로세스(310)는 소셜 네트워킹 시스템의 하나 이상의 컴퓨팅 장치(예컨대, 서버)에 의해 호스트되는 하나 이상의 컴퓨팅 프로세스일 수 있다. 검색 요청은 사용자에 의한 PHP 프로세스 또는 소셜 네트워킹 시스템(또는 제3자 시스템)의 작성자 프로세스로 제출되는 구조화되거나 실질적으로 비-구조화된 텍스트열일 수 있다. 예컨대, 집계 프로세스(320)는 사용자 <9>에 의한 PHP 프로세스(310)로 제출되는 검색 요청 "Who are the authors of the posts I like (내가 좋아하는 게시물의 작성자는 누구인가)"을 기초로 검색 질의(extract author (term posts_liked_by:<9>))를 결정할 수 있다.
특정 실시예로, 단계 420에서, 하나 이상의 컴퓨팅 장치는 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스에 접근할 수 있다. 특정 실시예로, 단계 430에서, 하나 이상의 컴퓨팅 장치는 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스를 사용하여 내부 질의에 의해 요청되는 제2 검색 결과를 검색할 수 있다. 예컨대, 집계 프로세스(320)는 상술한 검색 질의(extract author (term posts_liked_by:<9>))를 도 3에 도시된 게시물 버티컬(P2)로 제출할 수 있으며, 게시물 버티컬(P2)의 인덱스 서버(330)가 게시물 버티컬(P2)의 역 인덱스에 접근하게 할 수 있다. 역 인덱스는 <user>와 관련된 검색 용어(posts_liked_by:<user>)를 <user>가 좋아하는 게시물의 목록과 맵핑할 수 있다. 인덱스 서버는 역 인덱스에 접근할 수 있고 내부 검색 질의(term posts_liked_by:<9>)에 의해 요청되는 것으로서 사용자 <9>가 좋아하는 게시물의 목록을 검색할 수 있다. 예컨대, 사용자 <9>가 좋아하는 게시물의 목록은 식별자들 <1000>, <2000>, <3000>, <4000>, <5000> 및 <6000>을 가진 게시물을 포함할 수 있다.
특정 실시예로, 단계 440에서, 하나 이상의 컴퓨팅 장치는 제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스에 접근할 수 있다. 특정 실시예로, 단계 450에서, 하나 이상의 컴퓨팅 장치는 제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스 및 제2 검색 결과를 사용하여 검색 질의에 의해 요청되는 제1 검색 결과를 검색할 수 있다. 예컨대, 상술한 게시물 버티컬(P2)의 인덱스 서버는 게시물 버티컬(P2)의 포워드 인덱스에 접근할 수 있다. 포워드 인덱스는 <post>와 관련된 검색 용어(author:<post>)를 <post>의 작성자와 맵핑할 수 있다. 인덱스 서버는 내부 검색 질의(term posts_liked_by:<9>)에 대한 게시물의 결과 목록(<1000>, <2000>, <3000>, <4000>, <5000>, <6000>)으로 (상술한 추출 연산자를 사용하여) 포워드 인덱스에 접속할 수 있고, 게시물의 목록(<1000>, <2000>, <3000>, <4000>, <5000>, <6000>)에 대한 각각의 작성자의 목록(예컨대, <31>, <41>, <51>)을 검색할 수 있다.
상술한 바와 같이, 게시물 버티컬(P2)은 각각의 검색 인덱스를 각각 포함하는 복수의 물리적 또는 논리적 파티션을 포함할 수 있다. 집계 프로세스는 게시물 버티컬(P2)의 각각의 파티션으로 검색 질의(extract author (term posts_liked_by:<9>))를 제출할 수 있다. 각 파티션의 인덱스 서버는 각 파티션의 역 인덱스와 포워드 인덱스에 접근할 수 있고, 상술한 바대로 검색 결과를 집계자로 반환한다. 이후, 집계 프로세스는 파티션으로부터 검색 결과를 집계할 수 있다. 예컨대, 제1 파티션은 작성자 <31> 및 <51>의 검색 결과를 반환할 수 있다. 제2 파티션은 작성자 <41> 및 <51>의 검색 결과를 반환할 수 있다. 집계 프로세스는 <31>, <41> 및 <51>의 집계된 결과를 산출하는 결과들을 (예컨대, OR 연산을 수행하여) 집계할 수 있다.
포워드 인덱스로, 도 4의 방법은 복합형 검색 질의(예컨대, 2 이상의 검색 질의를 포함하는 질의)가 하나의 특정한 객체 타입에 해당하는 하나의 버티컬로의 접근만을 필요로 할 수 있기 때문에 검색 성능을 향상시킬 수 있다. 반대로, 포워드 인덱스 없이, 복합형 검색 질의는 다른 특정한 객체 타입에 각각 해당하는 2 이상의 버티컬로의 접근을 필요로 할 수 있다. 한 예로서, 상술한 사용자 <9>가 좋아하는 게시물의 작성자를 검색하는 것과 같은 복합형 검색 질의에 대하여, 집계 프로세스는 게시물 버티컬(P2)로 제1 검색 질의(term posts_liked_by:<9>)를 먼저 제출할 수 있다. 게시물 버티컬(P2)의 인덱스 서버는 제1 검색 질의를 가진 (사용자가 좋아한 게시물과 사용자를 맵핑하는) 게시물 버티컬(P2)의 역 인덱스에 접근할 수 있고, 사용자 <9>가 좋아하는 게시물의 목록(예컨대, <1000>, <2000>, <3000>, <4000>, <5000>, <6000>)을 집계 프로세스로 반환할 수 있다. 이후, 집계 프로세스는 제2 세트의 검색 질의 (term author:<1000>), (term author:<2000>), (term author:<3000>) 등을 사용자 버티컬(P1)로 제출한다. 즉, 게시물 버티컬(P2)에서 포워드 인덱스 없이, 집계 프로세스는 한 번뿐 아니라 여러 번 사용자 버티컬(P1)을 찾아보는 것이 필요할 수 있다. 사용자 버티컬(P1)의 인덱스 서버는 (게시물을 그 작성자와 맵핑하는) 사용자 버티컬(P1)의 역 인덱스에 접근할 수 있고, 게시물의 목록(<1000>, <2000>, <3000>, <4000>, <5000>, <6000>)에 대한 작성자의 목록(예컨대, <31>, <41>, <51>)을 집계 프로세스로 반환할 수 있다.
또한, 앞서 기술된 바와 같이, 포워드 인덱스는 일-대-일 또는 하나-대-몇몇인 검색 용어를 인덱싱할 수 있다. 따라서, 버티컬의 포워드 인덱스는 일-대-다 맵핑을 가지는 검색 용어를 인덱싱할 수 있는 버티컬의 역 인덱스보다 상당히 더 작을 수 있다. 따라서, 포워드 인덱스는 그 더 작은 크기가 검색 질의에 대한 접근과 검색시간을 향상시킬 수 있기 때문에 검색 성능을 또한 향상시킬 수 있다.
특정 실시예로, 집계 프로세스는 제1 객체 타입에 해당하는 적어도 다른 데이터 스토어에 접근함으로써 제1 검색 결과를 순위화할 수 있다. 예컨대, 집계 프로세스는 상술한 작성자의 목록(<31>, <41>, <51>)을 사용자 버티컬(P1)로 제출할 수 있다. (소셜 네트워킹 시스템의 하나 이상의 컴퓨팅 장치에 의해 호스트되는) 서버 프로세스는 검색 질의(extract author (term posts_liked_by:<9>))의 사용자 <9>와 각각의 관계에 기초하여 작성자들 <31>, <41> 및 <51>을 순위화할 수 있다. 예컨대, 서버 프로세스는 서버 프로세스가 (예컨대, 하나 이상의 검색 인덱스에 접근함으로써) 작성자는 사용자 <9>의 가족이라고 결정하면 작성자를 더 높게 순위화할 수 있다. 예컨대, 서버 프로세스는 서버 프로세스가 (예컨대, 하나 이상의 검색 인덱스에 접근함으로써) 작성자는 기결정된 수(예컨대, 3) 이상의 공통 관심사(또는 공통의 1촌 친구들)를 가진다고 결정하면 작성자를 더 높게 순위화할 수 있다. 서버 프로세스는 작성자들 <31>, <41> 및 <51> 사이의 순위 순서를 집계 프로세스로 반환할 수 있다.
다른 실시예로, 제2 객체 타입에 해당하는 데이터 스토어의 하나 이상의 컴퓨팅 장치(예컨대, 인덱스 서버)는 제1 검색 결과를 순위화할 수 있다. 예컨대, 게시물 버티컬(P2)의 인덱스 서버는 작성자들이 작성하는 사용자 <9>가 좋아한 게시물의 목록(<1000>, <2000>, <3000>, <4000>, <5000>, <6000>) 내 다수의 게시물에 기초하여 상술한 작성자들 <31>, <41> 및 <51>의 검색 결과를 순위화할 수 있다. 예컨대, 사용자 <41>이 게시물들(<1000>, <2000>, <3000>)을 작성하고, 사용자 <31>이 게시물들(<5000> 및 <6000>)을 작성하며, 사용자 <51>이 게시물(<4000>)을 작성하면, 인덱스 서버는 사용자 <41>이 사용자 <9>가 좋아한 게시물의 목록 내 대부분의 게시물을 작성하기 때문에 사용자 <41>을 가장 높게 순위화할 수 있다. 인덱스 서버는 제1 검색 결과로서 순위화된 검색 결과(<41>, <31>, <51>)를 집계 프로세스로 반환할 수 있다. 또 다른 예에 대하여, 인덱스 서버는 게시물을 그 게시물의 좋아요(likes)의 총수와 맵핑하는 포워드 인덱스에 접근할 수 있다. 인덱스 서버는 포워드 인덱스에 접근하고 사용자 <9>가 좋아한 게시물의 목록의 각각의 게시물에 대한 좋아요의 총수를 검색할 수 있다. 인덱스 서버는 각각의 좋아요의 총수에 기초하여 게시물의 목록에서 게시물을 순위화할 수 있고, 제1 검색 결과로서 상위 순위화된 게시물들(예컨대, 상위 3위 내로 순위화되거나 가장 좋아하는 게시물들)의 작성자를 집계 프로세스로 반환할 수 있다.
적절한 경우, 특정 실시예는 도 4의 방법의 하나 이상의 단계를 반복할 수 있다. 본 명세서는 특정 순서로 발생하는 것으로서 도 4의 방법의 특정 단계를 기술하고 도시하지만, 본 명세서는 임의의 적절한 순서로 발생하는 도 4의 방법의 임의의 적절한 단계를 고려한다. 게다가, 본 명세서는 도 4의 방법의 특정 단계를 수행하는 특정 컴포넌트, 장치 또는 시스템을 기술하고 도시하지만, 본 명세서는 도 4의 방법의 임의의 적절한 단계를 수행하는 임의의 적절한 컴포넌트, 장치 또는 시스템의 임의의 적절한 조합을 고려한다.
도 5는 예시적인 컴퓨터 시스템(500)을 도시한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(500)은 본 명세서에 기술되거나 도시된 하나 이상의 방법들의 하나 이상의 단계들을 수행한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(500)은 본 명세서에 기술되거나 도시된 기능을 제공한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(500)을 실행하는 소프트웨어는 본 명세서에 기술되거나 도시된 하나 이상의 방법들의 하나 이상의 단계들을 수행하거나, 본 명세서에 기술되거나 도시된 기능을 제공한다. 특정 실시예는 하나 이상의 컴퓨터 시스템들(500)의 하나 이상의 부분들을 포함한다. 본 명세서에서, 적절한 경우 컴퓨터 시스템에 대한 언급은 컴퓨팅 장치를 포함할 수 있고 그 역도 또한 동일하다. 게다가, 컴퓨터 시스템에 대한 언급은 적절한 경우 하나 이상의 컴퓨터 시스템을 포함할 수 있다.
본 명세서는 임의의 적절한 수의 컴퓨터 시스템(500)을 고려한다. 본 명세서는 임의의 적절한 물리적 형태를 취하는 컴퓨터 시스템(500)을 고려한다. 예로서 제한 없이, 컴퓨터 시스템(500)은 임베디드 컴퓨터 시스템, 시스템-온-칩(SOC), 단일-보드 컴퓨터 시스템(SBC)(예컨대, 컴퓨터-온-모듈(COM) 또는 시스템-온-모듈(SOM)), 데스크톱 컴퓨터 시스템, 랩톱 또는 노트북 컴퓨터 시스템, 상호작용형 키오스크(kiosk), 메인 프레임, 컴퓨터 시스템 메쉬(mesh), 모바일 전화, 개인 정보 단말기(PDA), 서버, 태블릿 컴퓨터 시스템 또는 이들의 2 이상의 조합일 수 있다. 적절한 경우, 컴퓨터 시스템(500)은 하나 이상의 컴퓨터 시스템(500)들을 포함할 수 있거나; 일체형 또는 분산형일 수 있거나; 다수의 위치에 걸쳐 있거나; 다수의 기계에 걸쳐 있거나; 다수의 데이터 센터에 걸쳐 있거나; 하나 이상의 네트워크에 하나 이상의 클라우드 성분을 포함할 수 있는 클라우드에 상주할 수 있다. 적절한 경우, 하나 이상의 컴퓨터 시스템(500)은 본 명세서에 기술되거나 도시되는 하나 이상의 방법의 하나 이상의 단계를 실질적으로 공간적 또는 시간적 제한 없이 실행할 수 있다. 예로서 제한 없이, 하나 이상의 컴퓨터 시스템(500)은 본 명세서에 기술되거나 도시되는 하나 이상의 방법의 하나 이상의 단계를 실시간으로 또는 일괄 모드로 실행할 수 있다. 적절한 경우, 하나 이상의 컴퓨터 시스템(500)은 본 명세서에 기술되거나 도시되는 하나 이상의 방법의 하나 이상의 단계를 다른 시기에 또는 다른 위치에서 실행할 수 있다.
특정 실시예로, 컴퓨터 시스템(500)은 프로세서(502), 메모리(504), 저장소(506), 입력/출력(I/O) 인터페이스(508), 통신 인터페이스(510) 및 버스(512)를 포함한다. 본 명세서가 특정 배열로 특정한 수의 특정 구성요소를 갖는 특정 컴퓨터 시스템을 기술하고 도시하지만, 본 명세서는 임의의 적절한 배열로 임의의 적절한 수의 임의의 적절한 구성요소를 갖는 임의의 적절한 컴퓨터 시스템을 고려한다.
특정 실시예로, 프로세서(502)는 가령 컴퓨터 프로그램을 구성하는 명령어와 같은 명령어를 실행하기 위한 하드웨어를 포함한다. 예로서 제한 없이, 명령어를 실행하기 위해, 프로세서(502)는 내부 레지스터, 내부 캐시, 메모리(504) 또는 저장소(506)로부터 명령어를 검색(또는 페치(fetch))할 수 있고; 명령어를 디코딩하고 실행한 후; 하나 이상의 결과를 내부 레지스터, 내부 캐시, 메모리(504) 또는 저장소(506)에 기록할 수 있다. 특정 실시예로, 프로세서(502)는 데이터용, 명령어용 또는 주소용 하나 이상의 내부 캐시를 포함할 수 있다. 본 명세서는 적절한 경우 임의의 적절한 수의 임의의 적절한 내부 캐시들을 포함하는 프로세서(502)를 고려한다. 예로서 제한 없이, 프로세서(502)는 하나 이상의 명령어 캐시들, 하나 이상의 데이터 캐시들 및 하나 이상의 변환 색인 버퍼(translation lookaside buffers, TLBs)를 포함할 수 있다. 명령어 캐시에 저장된 명령어들은 메모리(504)나 저장소(506) 내 명령어들의 사본일 수 있고, 명령어 캐시는 프로세서(502)에 의한 이런 명령어들의 검색 속도를 높일 수 있다. 데이터 캐시 내의 데이터는 프로세서(502)에서 실행하는 다음 명령들에 의해 접근하거나 메모리(504)나 저장소(506)로 기록하기 위해 프로세서(502)에서 실행되는 이전 명령들의 결과; 또는 다른 적절한 데이터를 동작하는데 프로세서(502)에서 실행하는 명령어를 위한 메모리(504)나 저장소(506) 내의 데이터의 사본일 수 있다. 데이터 캐시는 프로세서(502)에 의한 판독 또는 기록 동작의 속도를 높일 수 있다. TLB들은 프로세서(502)에 의한 가상 주소 변환의 속도를 높일 수 있다. 특정 실시예로, 프로세서(502)는 데이터용, 명령어용 또는 주소용 하나 이상의 내부 레지스터를 포함할 수 있다. 본 명세서는 적절한 경우 임의의 적절한 수의 임의의 적절한 내부 레지스터들을 포함하는 프로세서(502)를 고려한다. 적절한 경우, 프로세서(502)는 하나 이상의 산술 논리 유닛(ALUs)을 포함할 수 있거나; 멀티-코어 프로세서일 수 있거나; 하나 이상이 프로세서들(502)을 포함할 수 있다. 본 명세서가 특정 프로세서를 기술하고 도시하지만, 본 명세서는 임의의 적절한 프로세서를 고려한다.
특정 실시예로, 메모리(504)는 프로세서(502)가 실행하는 명령어 또는 프로세서(502)가 운영하는 데이터를 저장하기 위한 메인 메모리를 포함한다. 예로서 제한 없이, 컴퓨터 시스템(500)은 저장소(506)나 또 다른 소스(가령, 예컨대 또 다른 컴퓨터 시스템(500))에서 메모리(504)로 명령어를 로딩할 수 있다. 이후, 프로세서(502)는 메모리(504)에서 내부 레지스터나 내부 캐시로 명령어를 로딩할 수 있다. 명령어를 실행하기 위해, 프로세서(502)는 내부 레지스터나 내부 캐시로부터 명령어를 검색하고 이들을 디코딩할 수 있다. 명령어의 실행 중 또는 실행 후, 프로세서(502)는 (중간 결과 또는 최종 결과일 수 있는) 하나 이상의 결과를 내부 레지스터나 내부 캐시로 기록할 수 있다. 이후, 프로세서(502)는 하나 이상의 이런 결과를 메모리(504)에 기록할 수 있다. 특정 실시예로, 프로세서(502)는 (저장소(506) 또는 다른 곳과는 대조적으로) 하나 이상의 내부 레지스터나 내부 캐시에서 또는 메모리(504)에서 단지 명령어만을 실행하며, (저장소(506) 또는 다른 곳과는 대조적으로) 하나 이상의 내부 레지스터나 내부 캐시에서 또는 메모리(504)에서 단지 데이터만을 운영한다. (주소 버스 및 데이터 버스를 각각 포함할 수 있는) 하나 이상의 메모리 버스는 프로세서(502)를 메모리(504)로 연결할 수 있다. 하기에 기술되는 바와 같이, 버스(512)는 하나 이상의 메모리 버스를 포함할 수 있다. 특정 실시예로, 하나 이상의 메모리 관리 유닛(MMUs)은 프로세서(502)와 메모리(504) 사이에 상주하며, 프로세서(502)에 의해 요청되는 메모리(504)로의 접근을 용이하게 한다. 특정 실시예로, 메모리(504)는 랜덤 액세스 메모리(RAM)를 포함한다. 적절한 경우, 이런 RAM은 휘발성 메모리일 수 있다. 적절한 경우, 이런 RAM은 동적 RAM(DRAM) 또는 정적 RAM(SRAM)일 수 있다. 게다가, 적절한 경우, 이런 RAM은 단일 포트형 또는 다중-포트형 RAM일 수 있다. 본 명세서는 임의의 적절한 RAM을 고려한다. 적절한 경우, 메모리(504)는 하나 이상의 메모리(504)를 포함할 수 있다. 본 명세서가 특정 메모리를 기술하고 도시하지만, 본 명세서는 임의의 적절한 메모리를 고려한다.
특정 실시예로, 저장소(506)는 데이터용 또는 명령어용 대용량 저장소를 포함한다. 예로서 제한 없이, 저장소(506)는 하드 디스크 드라이브(HDD), 플로피 디스크 드라이브, 플래시 메모리, 광디스크, 자기-광학 디스크, 자기 테이프, 범용 직렬 버스(USB) 드라이브 또는 이들의 2 이상의 조합을 포함할 수 있다. 적절한 경우, 저장소(506)는 착탈식 또는 비-착탈식(또는 고정) 매체를 포함할 수 있다. 적절한 경우, 저장소(506)는 컴퓨터 시스템(500)의 내부 또는 외부에 있을 수 있다. 특정 실시예로, 저장소(506)는 비휘발성, 고체-상태(solid-state) 메모리이다. 특정 실시예로, 저장소(506)는 읽기 전용 메모리(ROM)를 포함한다. 적절한 경우, 이런 ROM은 마스크-프로그램화된 ROM, 프로그램가능 ROM(PROM), 소거가능 PROM(EPROM), 전기적 소거가능 PROM(EEPROM), 전기적 변경가능 ROM(EAROM), 플래시 메모리 또는 이들의 2 이상의 조합일 수 있다. 본 명세서는 임의의 적절한 물리적 형태를 취하는 대용량 저장소(506)를 고려한다. 적절한 경우, 저장소(506)는 프로세서(502)와 저장소(506) 사이의 통신을 용이하게 하는 하나 이상의 저장소 제어 유닛을 포함할 수 있다. 적절한 경우, 저장소(506)는 하나 이상의 저장소(506)를 포함할 수 있다. 본 명세서가 특정 저장소를 기술하고 도시하지만, 본 명세서는 임의의 적절한 저장소를 고려한다.
특정 실시예로, I/O 인터페이스(508)는 컴퓨터 시스템(500)과 하나 이상의 I/O 장치 사이의 통신을 위한 하나 이상의 인터페이스를 제공하는 하드웨어, 소프트웨어 또는 이들 모두를 포함한다. 적절한 경우, 컴퓨터 시스템(500)은 하나 이상의 이들 I/O 장치를 포함할 수 있다. 하나 이상의 이들 I/O 장치는 사람과 컴퓨터 시스템(500) 사이의 통신을 가능하게 할 수 있다. 예로서 제한 없이, I/O 장치는 키보드, 키패드, 마이크로폰, 모니터, 마우스, 프린터, 스캐너, 스피커, 스틸 카메라(still camera), 스타일러스(stylus), 태블릿, 터치 스크린, 트랙볼(trackball), 비디오 카메라, 다른 적절한 I/O 장치 또는 이들의 2 이상의 조합을 포함할 수 있다. I/O 장치는 하나 이상의 센서를 포함할 수 있다. 본 명세서는 임의의 적절한 I/O 장치 및 이에 대한 적절한 I/O 인터페이스(508)를 고려한다. 적절한 경우, I/O 인터페이스(508)는 프로세서(502)가 하나 이상의 이들 I/O 장치를 구동할 수 있도록 하는 하나 이상의 장치 또는 소프트웨어 드라이버를 포함할 수 있다. 적절한 경우, I/O 인터페이스(508)는 하나 이상의 I/O 인터페이스(508)를 포함할 수 있다. 본 명세서가 특정 I/O 인터페이스를 기술하고 도시하지만, 본 명세서는 임의의 적절한 I/O 인터페이스를 고려한다.
특정 실시예로, 통신 인터페이스(510)는 컴퓨터 시스템(500)과 하나 이상의 다른 컴퓨터 시스템(500)이나 하나 이상의 네트워크 사이의 통신(가령, 예컨대 패킷-기반 통신)을 위한 하나 이상의 인터페이스를 제공하는 하드웨어, 소프트웨어 또는 이들 모두를 포함한다. 예로서 제한 없이, 통신 인터페이스(510)는 이더넷이나 다른 유선-기반 네트워크로 통신하기 위한 네트워크 인터페이스 제어장치(NIC)나 네트워크 어댑터 또는 가령 WI-FI 네트워크와 같이 무선 네트워크로 통신하기 위한 무선 NIC(WNIC)나 무선 어댑터를 포함할 수 있다. 본 명세서는 임의의 적절한 네트워크 및 이에 대한 임의의 적절한 통신 인터페이스(510)를 고려한다. 예로서 제한 없이, 컴퓨터 시스템(500)은 애드 혹 네트워크(ad hoc network), 개인 영역 네트워크(PAN), 근거리 네트워크(LAN), 광역 네트워크(WAN), 대도시 네트워크(MAN), 인터넷의 하나 이상의 부분 또는 2 이상의 이런 네트워크들의 조합으로 통신할 수 있다. 하나 이상의 이런 네트워크의 하나 이상의 부분은 유선 또는 무선일 수 있다. 예로서, 컴퓨터 시스템(500)은 무선 PAN(WPAN)(가령, 예컨대 BLUETOOTH WPAN), WI-FI 네트워크, WI-MAX 네트워크, 셀룰러 전화 네트워크(가령, 예컨대 GSM(Global System for Mobile Communication) 네트워크), 다른 적절한 무선 네트워크 또는 2 이상의 이런 네트워크들의 조합으로 통신할 수 있다. 적절한 경우, 컴퓨터 시스템(500)은 임의의 이들 네트워크에 대한 임의의 적절한 통신 인터페이스(510)를 포함할 수 있다. 적절한 경우, 통신 인터페이스(510)는 하나 이상의 통신 인터페이스(510)를 포함할 수 있다. 본 명세서가 특정 통신 인터페이스를 기술하고 도시하지만, 본 명세서는 임의의 적절한 통신 인터페이스를 고려한다.
특정 실시예로, 버스(512)는 컴퓨터 시스템(500)의 구성요소를 서로 연결하는 하드웨어, 소프트웨어 또는 이들 모두를 포함한다. 예로서 제한 없이, 버스(512)는 AGP(Accelerated Graphics Port)이나 다른 그래픽 버스, EISA(Enhanced Industry Standard Architecture) 버스, FSB(front-side bus), HT(HYPERTRANSPORT) 인터커넥트, ISA(Industry Standard Architecture) 버스, INFINIBAND 인터커넥트, LPC(low-pin-count) 버스, 메모리 버스, MCA(Micro Channel Architecture) 버스, PCI(Peripheral Component Interconnect) 버스, PCIe(PCI-Express) 버스, SATA(serial advanced technology attachment) 버스, VLB(Video Electronics Standard Association local) 버스, 다른 적절한 버스 또는 2 이상의 이런 버스의 조합을 포함할 수 있다. 적절한 경우, 버스(512)는 하나 이상의 버스(512)를 포함할 수 있다. 본 명세서가 특정 버스를 기술하고 도시하지만, 본 명세서는 임의의 적절한 버스나 인터커넥트를 고려한다.
본 명세서에서, 컴퓨터-판독가능한 비-일시적 저장매체 또는 저장매체들은 하나 이상의 반도체 기반 또는 다른 집적회로(ICs)(가령, 예컨대 FPGAs(field-programmable gate arrays) 또는 ASICs(application-specific ICs)), 하드 디스크 드라이브(HDDs), 하이브리드 하드 디스크(HHDs), 광학 디스크, 광학 디스크 드라이브(ODDs), 자기-광학 디스크, 자기-광학 드라이브, 플로피 디스크, 플로피 디스크 드라이브(FDDs), 자기 테이프, 고체-상태 드라이브(SSDs), RAM-드라이브, SECURE DIGITAL 카드나 드라이브, 임의의 다른 적절한 컴퓨터-판독가능한 비-일시적 저장매체 또는, 적절한 경우, 2 이상의 이들의 임의의 적절한 조합을 포함할 수 있다. 적절한 경우, 컴퓨터-판독가능한 비-일시적 저장매체는 휘발성, 비휘발성 또는 휘발성과 비휘발성의 조합일 수 있다.
본 명세서에서, "또는"은 명시적으로 다르게 지시하거나 문맥상 달리 지시되지 않는 한, 포괄적인 것이며 배타적인 것이 아니다. 따라서, 본 명세서에서 "A 또는 B"는 명시적으로 다르게 지시하거나 문맥상 달리 지시되지 않는 한, "A, B 또는 둘 모두"를 의미한다. 게다가, "및"은 명시적으로 다르게 지시하거나 문맥상 달리 지시되지 않는 한, 공동 및 별개 모두이다. 따라서, 본 명세서에서 "A 및 B"는 명시적으로 다르게 지시하거나 문맥상 달리 지시되지 않는 한, "A 및 B가 공동이든 별개이든 상관없이 모두"를 의미한다.
본 명세서의 범위는 당업자가 이해할 수 있는 본 명세서에 기술되거나 도시된 예시적인 실시예들에 대한 모든 변화, 치환, 변형, 대체 및 변경을 포함한다. 본 명세서의 범위는 본 명세서에 기술되거나 도시된 예시적인 실시예들로 국한되지 않는다. 게다가, 본 명세서는 특정 컴포넌트, 구성요소, 기능, 동작 또는 단계를 포함하는 것으로 본 명세서의 각각의 실시예들을 기술하고 도시하지만, 임의의 이런 실시예들은 당업자가 이해할 수 있는 본 명세서에 어디든 기술되거나 도시되는 임의의 컴포넌트, 구성요소, 기능, 동작 또는 단계의 임의의 조합이나 치환을 포함할 수 있다. 게다가, 첨부된 청구범위에서 특정 기능을 수행하도록 설계되거나, 배치되거나, 할 수 있거나, 구성되거나, 할 수 있게 하거나, 동작할 수 있거나, 동작하는 장치나 시스템 또는 장치나 시스템의 구성요소에 대한 언급은 장치, 시스템 또는 구성요소가 그렇게 설계되거나, 배치되거나, 할 수 있거나, 구성되거나, 가능하거나, 동작할 수 있거나 동작하는 한, 장치, 시스템, 구성요소, 그 또는 그러한 특정 기능이 활성화되었는지, 턴온 되었는지, 잠금 해제되었는지 여부를 포함한다.

Claims (20)

  1. 하나 이상의 컴퓨팅 장치가, 소셜 네트워킹 시스템에서 사용자에 해당하는 제1 객체 타입의 하나 이상의 제1 검색 결과를 요청하는 검색 질의를 수신하는 단계;
    하나 이상의 컴퓨팅 장치가, 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스(inverted index)에 접근하는 단계;
    하나 이상의 컴퓨팅 장치가, 제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스를 사용하여 내부 질의(inner query)에 의해 요청되는 하나 이상의 제2 검색 결과를 검색하는 단계;
    하나 이상의 컴퓨팅 장치가, 제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스(forward index)에 접근하는 단계; 및
    하나 이상의 컴퓨팅 장치가, 제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스 및 제2 검색 결과를 사용하여 검색 질의에 의해 요청되는 하나 이상의 제1 검색 결과를 검색하는 단계를 포함하며,
    검색 질의는 특정된 사용자를 식별하고 소셜 네트워킹 시스템에서 컨셉에 해당하는 제2 객체 타입의 하나 이상의 제2 검색 결과를 요청하는 내부 질의를 포함하고,
    역 인덱스는 제2 관계에 따라 사용자 노드를 하나 이상의 컨셉 노드와 맵핑하며,
    하나 이상의 제2 검색 결과는 소셜 네트워킹 시스템에서 소셜 그래프의 하나 이상의 컨셉 노드를 포함하고,
    하나 이상의 컨셉 노드는 제2 관계에 의해 특정된 사용자와 관련되며,
    포워드 인덱스는 제1 관계에 따라 컨셉 노드를 하나 이상의 사용자 노드와 맵핑하고,
    하나 이상의 제1 검색 결과는 제1 관계에 의해 생긴 하나 이상의 컨셉 노드와 관련되는 소셜 그래프의 하나 이상의 사용자 노드를 포함하는 방법.
  2. 제 1 항에 있어서,
    컨셉은 사진, 게시물, 웹페이지 또는 애플리케이션을 포함하는 방법.
  3. 제 1 항에 있어서,
    하나 이상의 컴퓨팅 장치가,
    제1 객체 타입에 해당하는 데이터 스토어에 접근하는 단계와;
    제1 객체 타입에 해당하는 데이터 스토어를 사용하여 내부 질의의 구성요소와 제1 검색 결과의 각각의 관계를 결정하는 단계와;
    내부 질의의 구성요소와 제1 검색 결과의 각각의 관계에 기초하여 제1 검색 결과를 순위화하는 단계에 의해: 제1 검색 결과를 순위화하는 단계를 더 포함하는 방법.
  4. 제 1 항에 있어서,
    역 인덱스는 제1 객체 타입과 관련된 검색 용어를 제2 객체 타입의 하나 이상의 검색 결과와 맵핑하고, 검색 용어는 제1 관계를 식별하는 방법.
  5. 제 1 항에 있어서,
    포워드 인덱스는 제2 객체 타입과 관련된 검색 용어를 제1 객체 타입의 하나 이상의 검색 결과와 맵핑하고, 검색 용어는 제2 관계를 식별하는 방법.
  6. 제 1 항에 있어서,
    검색 질의는 소셜 네트워킹 시스템의 소셜 네트워크 내 객체에 관한 것인 방법.
  7. 제 1 항에 있어서,
    소셜 네트워킹 시스템은 컴퓨팅 장치 및 데이터 스토어를 포함하는 방법.
  8. 소셜 네트워킹 시스템에서 사용자에 해당하는 제1 객체 타입의 하나 이상의 제1 검색 결과를 요청하는 검색 질의를 수신하고;
    제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스(inverted index)에 접근하며;
    제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스를 사용하여 내부 질의(inner query)에 의해 요청되는 하나 이상의 제2 검색 결과를 검색하고;
    제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스(forward index)에 접근하며,
    제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스 및 제2 검색 결과를 사용하여 검색 질의에 의해 요청되는 하나 이상의 제1 검색 결과를 검색하도록 하나 이상의 컴퓨팅 장치에 의해 실행될 때 동작하는 소프트웨어를 기록한 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체로서,
    상기 검색 질의는 특정된 사용자를 식별하고 소셜 네트워킹 시스템에서 컨셉에 해당하는 제2 객체 타입의 하나 이상의 제2 검색 결과를 요청하는 내부 질의를 포함하고,
    상기 역 인덱스는 제2 관계에 따라 사용자 노드를 하나 이상의 컨셉 노드와 맵핑하며,
    상기 하나 이상의 제2 검색 결과는 소셜 네트워킹 시스템에서 소셜 그래프의 하나 이상의 컨셉 노드를 포함하고,
    상기 하나 이상의 컨셉 노드는 제2 관계에 의해 특정된 사용자와 관련되며,
    상기 포워드 인덱스는 제1 관계에 따라 컨셉 노드를 하나 이상의 사용자 노드와 맵핑하고,
    상기 하나 이상의 제1 검색 결과는 제1 관계에 의해 생긴 하나 이상의 컨셉 노드와 관련되는 소셜 그래프의 하나 이상의 사용자 노드를 포함하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  9. 제 8 항에 있어서,
    컨셉은 사진, 게시물, 웹페이지 또는 애플리케이션을 포함하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  10. 제 8 항에 있어서,
    상기 소프트웨어는:
    제1 객체 타입에 해당하는 데이터 스토어에 접근하고;
    제1 객체 타입에 해당하는 데이터 스토어를 사용하여 내부 질의의 구성요소와 제1 검색 결과의 각각의 관계를 결정하며;
    내부 질의의 구성요소와 제1 검색 결과의 각각의 관계에 기초하여 제1 검색 결과를 순위화하여: 제1 검색 결과를 순위화하도록 실행될 때 또한 동작하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  11. 제 8 항에 있어서,
    데이터 스토어의 역 인덱스는 제1 객체 타입과 관련된 검색 용어를 제2 객체 타입의 하나 이상의 검색 결과와 맵핑하고, 검색 용어는 제1 관계를 식별하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  12. 제 8 항에 있어서,
    포워드 인덱스는 제2 객체 타입과 관련된 검색 용어를 제1 객체 타입의 하나 이상의 검색 결과와 맵핑하고, 검색 용어는 제2 관계를 식별하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  13. 제 8 항에 있어서,
    검색 질의는 소셜 네트워킹 시스템의 소셜 네트워크 내 객체에 관한 것인 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  14. 제 8 항에 있어서,
    소셜 네트워킹 시스템은 컴퓨팅 장치 및 데이터 스토어를 포함하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  15. 하나 이상의 프로세서; 및
    프로세서와 연결되고 프로세서에 의해 실행가능한 명령어를 포함하는 메모리를 포함하는 시스템으로서,
    상기 프로세서는:
    소셜 네트워킹 시스템에서 사용자에 해당하는 제1 객체 타입의 하나 이상의 제1 검색 결과를 요청하는 검색 질의를 수신하고;
    제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스(inverted index)에 접근하며;
    제2 객체 타입에 해당하는 데이터 스토어의 역 인덱스를 사용하여 내부 질의(inner query)에 의해 요청되는 하나 이상의 제2 검색 결과를 검색하고;
    제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스(forward index)에 접근하며,
    제2 객체 타입에 해당하는 데이터 스토어의 포워드 인덱스 및 제2 검색 결과를 사용하여 검색 질의에 의해 요청되는 하나 이상의 제1 검색 결과를 검색하는 명령어를 실행할 때 동작하며,
    검색 질의는 특정된 사용자를 식별하고 소셜 네트워킹 시스템에서 컨셉에 해당하는 제2 객체 타입의 하나 이상의 제2 검색 결과를 요청하는 내부 질의를 포함하고,
    역 인덱스는 제2 관계에 따라 사용자 노드를 하나 이상의 컨셉 노드와 맵핑하며,
    하나 이상의 제2 검색 결과는 소셜 네트워킹 시스템에서 소셜 그래프의 하나 이상의 컨셉 노드를 포함하고,
    하나 이상의 컨셉 노드는 제2 관계에 의해 특정된 사용자와 관련되며,
    포워드 인덱스는 제1 관계에 따라 컨셉 노드를 하나 이상의 사용자 노드와 맵핑하고,
    하나 이상의 제1 검색 결과는 제1 관계에 의해 생긴 하나 이상의 컨셉 노드와 관련되는 소셜 그래프의 하나 이상의 사용자 노드를 포함하는 시스템.
  16. 제 15 항에 있어서,
    컨셉은 사진, 게시물, 웹페이지 또는 애플리케이션을 포함하는 시스템.
  17. 제 15 항에 있어서,
    상기 프로세서는:
    제1 객체 타입에 해당하는 데이터 스토어에 접근하고;
    제1 객체 타입에 해당하는 데이터 스토어를 사용하여 내부 질의의 구성요소와 제1 검색 결과의 각각의 관계를 결정하며;
    내부 질의의 구성요소와 제1 검색 결과의 각각의 관계에 기초하여 제1 검색 결과를 순위화하여: 제1 검색 결과를 순위화하는 명령어를 실행할 때 또한 동작하는 시스템.
  18. 제 15 항에 있어서,
    데이터 스토어의 역 인덱스는 제1 객체 타입과 관련된 검색 용어를 제2 객체 타입의 하나 이상의 검색 결과와 맵핑하고, 검색 용어는 제1 관계를 식별하는 시스템.
  19. 제 15 항에 있어서,
    데이터 스토어의 포워드 인덱스는 제2 객체 타입과 관련된 검색 용어를 제1 객체 타입의 하나 이상의 검색 결과와 맵핑하고, 검색 용어는 제2 관계를 식별하는 시스템.
  20. 제 15 항에 있어서,
    검색 질의는 소셜 네트워킹 시스템의 소셜 네트워크 내 객체에 관한 것인 시스템.
KR1020157019657A 2012-12-21 2013-12-12 추출 연산자를 이용한 검색 방법 및 시스템 KR101569425B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/723,861 2012-12-21
US13/723,861 US8935271B2 (en) 2012-12-21 2012-12-21 Extract operator
PCT/US2013/074592 WO2014099587A1 (en) 2012-12-21 2013-12-12 Extract operator

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020157030656A Division KR101719238B1 (ko) 2012-12-21 2013-12-12 포워드 인덱스를 사용하여 검색하기 위한 방법, 컴퓨터-판독가능한 비-일시적 저장매체 및 시스템

Publications (2)

Publication Number Publication Date
KR20150091181A KR20150091181A (ko) 2015-08-07
KR101569425B1 true KR101569425B1 (ko) 2015-11-16

Family

ID=50975900

Family Applications (3)

Application Number Title Priority Date Filing Date
KR1020157030656A KR101719238B1 (ko) 2012-12-21 2013-12-12 포워드 인덱스를 사용하여 검색하기 위한 방법, 컴퓨터-판독가능한 비-일시적 저장매체 및 시스템
KR1020157019657A KR101569425B1 (ko) 2012-12-21 2013-12-12 추출 연산자를 이용한 검색 방법 및 시스템
KR1020177006889A KR101962716B1 (ko) 2012-12-21 2013-12-12 추출 연산자

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020157030656A KR101719238B1 (ko) 2012-12-21 2013-12-12 포워드 인덱스를 사용하여 검색하기 위한 방법, 컴퓨터-판독가능한 비-일시적 저장매체 및 시스템

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020177006889A KR101962716B1 (ko) 2012-12-21 2013-12-12 추출 연산자

Country Status (7)

Country Link
US (3) US8935271B2 (ko)
JP (3) JP5886488B1 (ko)
KR (3) KR101719238B1 (ko)
AU (1) AU2013363308B2 (ko)
CA (3) CA2931411C (ko)
IL (3) IL239434A (ko)
WO (1) WO2014099587A1 (ko)

Families Citing this family (85)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9633121B2 (en) 2010-04-19 2017-04-25 Facebook, Inc. Personalizing default search queries on online social networks
US8935255B2 (en) 2012-07-27 2015-01-13 Facebook, Inc. Social static ranking for search
US9398104B2 (en) 2012-12-20 2016-07-19 Facebook, Inc. Ranking test framework for search results on an online social network
US9223826B2 (en) 2013-02-25 2015-12-29 Facebook, Inc. Pushing suggested search queries to mobile devices
US9910887B2 (en) 2013-04-25 2018-03-06 Facebook, Inc. Variable search query vertical access
US9367880B2 (en) 2013-05-03 2016-06-14 Facebook, Inc. Search intent for queries on online social networks
US9367625B2 (en) 2013-05-03 2016-06-14 Facebook, Inc. Search query interactions on online social networks
US9367536B2 (en) 2013-05-03 2016-06-14 Facebook, Inc. Using inverse operators for queries on online social networks
US9330183B2 (en) 2013-05-08 2016-05-03 Facebook, Inc. Approximate privacy indexing for search queries on online social networks
US9223898B2 (en) 2013-05-08 2015-12-29 Facebook, Inc. Filtering suggested structured queries on online social networks
US9305322B2 (en) 2013-07-23 2016-04-05 Facebook, Inc. Native application testing
US11238056B2 (en) * 2013-10-28 2022-02-01 Microsoft Technology Licensing, Llc Enhancing search results with social labels
US9336300B2 (en) 2014-01-17 2016-05-10 Facebook, Inc. Client-side search templates for online social networks
US11645289B2 (en) 2014-02-04 2023-05-09 Microsoft Technology Licensing, Llc Ranking enterprise graph queries
US9870432B2 (en) 2014-02-24 2018-01-16 Microsoft Technology Licensing, Llc Persisted enterprise graph queries
US11657060B2 (en) 2014-02-27 2023-05-23 Microsoft Technology Licensing, Llc Utilizing interactivity signals to generate relationships and promote content
US10757201B2 (en) 2014-03-01 2020-08-25 Microsoft Technology Licensing, Llc Document and content feed
US10255563B2 (en) 2014-03-03 2019-04-09 Microsoft Technology Licensing, Llc Aggregating enterprise graph content around user-generated topics
US10394827B2 (en) 2014-03-03 2019-08-27 Microsoft Technology Licensing, Llc Discovering enterprise content based on implicit and explicit signals
US10169457B2 (en) 2014-03-03 2019-01-01 Microsoft Technology Licensing, Llc Displaying and posting aggregated social activity on a piece of enterprise content
EP2977948A1 (en) * 2014-07-25 2016-01-27 Facebook, Inc. Ranking external content on online social networks
US10268763B2 (en) 2014-07-25 2019-04-23 Facebook, Inc. Ranking external content on online social networks
US10061826B2 (en) 2014-09-05 2018-08-28 Microsoft Technology Licensing, Llc. Distant content discovery
US10102273B2 (en) 2014-12-30 2018-10-16 Facebook, Inc. Suggested queries for locating posts on online social networks
US10061856B2 (en) 2015-01-29 2018-08-28 Facebook, Inc. Multimedia search using reshare text on online social networks
US10997257B2 (en) 2015-02-06 2021-05-04 Facebook, Inc. Aggregating news events on online social networks
US10223453B2 (en) * 2015-02-18 2019-03-05 Ubunifu, LLC Dynamic search set creation in a search engine
US10049099B2 (en) 2015-04-10 2018-08-14 Facebook, Inc. Spell correction with hidden markov models on online social networks
US10095683B2 (en) 2015-04-10 2018-10-09 Facebook, Inc. Contextual speller models on online social networks
US10628636B2 (en) 2015-04-24 2020-04-21 Facebook, Inc. Live-conversation modules on online social networks
US10298535B2 (en) 2015-05-19 2019-05-21 Facebook, Inc. Civic issues platforms on online social networks
US10397167B2 (en) 2015-06-19 2019-08-27 Facebook, Inc. Live social modules on online social networks
US10509832B2 (en) 2015-07-13 2019-12-17 Facebook, Inc. Generating snippet modules on online social networks
US10268664B2 (en) 2015-08-25 2019-04-23 Facebook, Inc. Embedding links in user-created content on online social networks
US10810217B2 (en) 2015-10-07 2020-10-20 Facebook, Inc. Optionalization and fuzzy search on online social networks
KR102347887B1 (ko) * 2015-10-30 2022-01-05 삼성에스디에스 주식회사 검색 엔진을 이용한 타임라인 관리 방법 및 그 장치
US10270868B2 (en) 2015-11-06 2019-04-23 Facebook, Inc. Ranking of place-entities on online social networks
US10795936B2 (en) 2015-11-06 2020-10-06 Facebook, Inc. Suppressing entity suggestions on online social networks
US9602965B1 (en) 2015-11-06 2017-03-21 Facebook, Inc. Location-based place determination using online social networks
US10534814B2 (en) 2015-11-11 2020-01-14 Facebook, Inc. Generating snippets on online social networks
US10387511B2 (en) 2015-11-25 2019-08-20 Facebook, Inc. Text-to-media indexes on online social networks
US10740368B2 (en) 2015-12-29 2020-08-11 Facebook, Inc. Query-composition platforms on online social networks
US10853335B2 (en) 2016-01-11 2020-12-01 Facebook, Inc. Identification of real-best-pages on online social networks
US10262039B1 (en) 2016-01-15 2019-04-16 Facebook, Inc. Proximity-based searching on online social networks
US10162899B2 (en) 2016-01-15 2018-12-25 Facebook, Inc. Typeahead intent icons and snippets on online social networks
US10740375B2 (en) 2016-01-20 2020-08-11 Facebook, Inc. Generating answers to questions using information posted by users on online social networks
US10242074B2 (en) 2016-02-03 2019-03-26 Facebook, Inc. Search-results interfaces for content-item-specific modules on online social networks
US10216850B2 (en) 2016-02-03 2019-02-26 Facebook, Inc. Sentiment-modules on online social networks
US10270882B2 (en) 2016-02-03 2019-04-23 Facebook, Inc. Mentions-modules on online social networks
US10157224B2 (en) 2016-02-03 2018-12-18 Facebook, Inc. Quotations-modules on online social networks
US10452671B2 (en) 2016-04-26 2019-10-22 Facebook, Inc. Recommendations from comments on online social networks
US10635661B2 (en) 2016-07-11 2020-04-28 Facebook, Inc. Keyboard-based corrections for search queries on online social networks
US10223464B2 (en) 2016-08-04 2019-03-05 Facebook, Inc. Suggesting filters for search on online social networks
US10282483B2 (en) 2016-08-04 2019-05-07 Facebook, Inc. Client-side caching of search keywords for online social networks
US10726022B2 (en) 2016-08-26 2020-07-28 Facebook, Inc. Classifying search queries on online social networks
US10534815B2 (en) 2016-08-30 2020-01-14 Facebook, Inc. Customized keyword query suggestions on online social networks
US20180068023A1 (en) * 2016-09-07 2018-03-08 Facebook, Inc. Similarity Search Using Polysemous Codes
US10102255B2 (en) 2016-09-08 2018-10-16 Facebook, Inc. Categorizing objects for queries on online social networks
US10645142B2 (en) 2016-09-20 2020-05-05 Facebook, Inc. Video keyframes display on online social networks
US10083379B2 (en) 2016-09-27 2018-09-25 Facebook, Inc. Training image-recognition systems based on search queries on online social networks
US10026021B2 (en) 2016-09-27 2018-07-17 Facebook, Inc. Training image-recognition systems using a joint embedding model on online social networks
US10579688B2 (en) 2016-10-05 2020-03-03 Facebook, Inc. Search ranking and recommendations for online social networks based on reconstructed embeddings
US10311117B2 (en) 2016-11-18 2019-06-04 Facebook, Inc. Entity linking to query terms on online social networks
US10650009B2 (en) 2016-11-22 2020-05-12 Facebook, Inc. Generating news headlines on online social networks
US10162886B2 (en) 2016-11-30 2018-12-25 Facebook, Inc. Embedding-based parsing of search queries on online social networks
US10185763B2 (en) 2016-11-30 2019-01-22 Facebook, Inc. Syntactic models for parsing search queries on online social networks
US10313456B2 (en) 2016-11-30 2019-06-04 Facebook, Inc. Multi-stage filtering for recommended user connections on online social networks
US10235469B2 (en) 2016-11-30 2019-03-19 Facebook, Inc. Searching for posts by related entities on online social networks
US10607148B1 (en) 2016-12-21 2020-03-31 Facebook, Inc. User identification with voiceprints on online social networks
US11223699B1 (en) 2016-12-21 2022-01-11 Facebook, Inc. Multiple user recognition with voiceprints on online social networks
US10535106B2 (en) 2016-12-28 2020-01-14 Facebook, Inc. Selecting user posts related to trending topics on online social networks
US10489472B2 (en) 2017-02-13 2019-11-26 Facebook, Inc. Context-based search suggestions on online social networks
US11620565B1 (en) * 2017-02-24 2023-04-04 Iqvia Inc. System and method for enhanced distribution of data to compute nodes
US10614141B2 (en) 2017-03-15 2020-04-07 Facebook, Inc. Vital author snippets on online social networks
US10769222B2 (en) 2017-03-20 2020-09-08 Facebook, Inc. Search result ranking based on post classifiers on online social networks
US11379861B2 (en) 2017-05-16 2022-07-05 Meta Platforms, Inc. Classifying post types on online social networks
US10248645B2 (en) 2017-05-30 2019-04-02 Facebook, Inc. Measuring phrase association on online social networks
US10268646B2 (en) 2017-06-06 2019-04-23 Facebook, Inc. Tensor-based deep relevance model for search on online social networks
US10489468B2 (en) 2017-08-22 2019-11-26 Facebook, Inc. Similarity search using progressive inner products and bounds
US10776437B2 (en) 2017-09-12 2020-09-15 Facebook, Inc. Time-window counters for search results on online social networks
US10678786B2 (en) 2017-10-09 2020-06-09 Facebook, Inc. Translating search queries on online social networks
US10810214B2 (en) 2017-11-22 2020-10-20 Facebook, Inc. Determining related query terms through query-post associations on online social networks
US10963514B2 (en) 2017-11-30 2021-03-30 Facebook, Inc. Using related mentions to enhance link probability on online social networks
US11604968B2 (en) 2017-12-11 2023-03-14 Meta Platforms, Inc. Prediction of next place visits on online social networks
US10129705B1 (en) 2017-12-11 2018-11-13 Facebook, Inc. Location prediction using wireless signals on online social networks

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110289063A1 (en) 2010-05-21 2011-11-24 Microsoft Corporation Query Intent in Information Retrieval
US20120239645A1 (en) 2010-01-05 2012-09-20 Microsoft Corporation Providing suggestions of related videos

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20040039691A (ko) * 2002-11-04 2004-05-12 엘지전자 주식회사 정보 검색 시스템의 인덱싱 방법
US7814042B2 (en) * 2004-08-17 2010-10-12 Oracle International Corporation Selecting candidate queries
WO2008058218A2 (en) 2006-11-08 2008-05-15 Seeqpod, Inc. Matching and recommending relevant videos and media to individual search engine results
JP4968041B2 (ja) * 2007-12-17 2012-07-04 富士通株式会社 サービス提供システムの連携システム、サービス提供システムおよびその制御方法、ならびにコンピュータプログラム
JP5054593B2 (ja) * 2008-03-27 2012-10-24 日本電信電話株式会社 情報検索装置及びプログラム
US8612668B2 (en) * 2008-11-24 2013-12-17 Juniper Networks, Inc. Storage optimization system based on object size
US8386519B2 (en) * 2008-12-30 2013-02-26 Expanse Networks, Inc. Pangenetic web item recommendation system
US8108406B2 (en) * 2008-12-30 2012-01-31 Expanse Networks, Inc. Pangenetic web user behavior prediction system
JP5210970B2 (ja) * 2009-05-28 2013-06-12 日本電信電話株式会社 共通クエリグラフパターン生成方法、共通クエリグラフパターン生成装置及び共通クエリグラフパターン生成プログラム
JP5314504B2 (ja) * 2009-06-01 2013-10-16 日本電信電話株式会社 検索装置、検索プログラムおよび検索方法
US8234295B2 (en) * 2009-06-03 2012-07-31 International Business Machines Corporation Managing uncertain data using Monte Carlo techniques
US8244749B1 (en) 2009-06-05 2012-08-14 Google Inc. Generating sibling query refinements
CN101572607B (zh) 2009-06-12 2011-11-09 阿里巴巴集团控股有限公司 一种社会化网络中处理认证请求消息的方法及装置
KR20100134970A (ko) 2009-06-16 2010-12-24 김재권 인터넷 검색엔진을 이용한 자동 검색 및 자동 필터링 시스템 및 방법
US9710491B2 (en) * 2009-11-02 2017-07-18 Microsoft Technology Licensing, Llc Content-based image search
US20120137367A1 (en) * 2009-11-06 2012-05-31 Cataphora, Inc. Continuous anomaly detection based on behavior modeling and heterogeneous information analysis
US8176037B2 (en) * 2009-11-16 2012-05-08 Dell Products L.P. System and method for SQL query load balancing
US8527496B2 (en) * 2010-02-11 2013-09-03 Facebook, Inc. Real time content searching in social network
US8527497B2 (en) 2010-12-30 2013-09-03 Facebook, Inc. Composite term index for graph data
US9087106B2 (en) * 2010-12-31 2015-07-21 Yahoo! Inc. Behavior targeting social recommendations
US8566340B2 (en) * 2011-12-07 2013-10-22 Microsoft Corporation Provision of query suggestions independent of query logs
US8521723B1 (en) * 2012-07-18 2013-08-27 Oracle International Corporation Transforming correlated scalar subqueries
US9613125B2 (en) * 2012-10-11 2017-04-04 Nuance Communications, Inc. Data store organizing data using semantic classification

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120239645A1 (en) 2010-01-05 2012-09-20 Microsoft Corporation Providing suggestions of related videos
US20110289063A1 (en) 2010-05-21 2011-11-24 Microsoft Corporation Query Intent in Information Retrieval

Also Published As

Publication number Publication date
US10061846B2 (en) 2018-08-28
JP6363133B2 (ja) 2018-07-25
US9342546B2 (en) 2016-05-17
JP5964526B2 (ja) 2016-08-03
US20150088901A1 (en) 2015-03-26
US8935271B2 (en) 2015-01-13
US20140181091A1 (en) 2014-06-26
JP2016509706A (ja) 2016-03-31
KR20150091181A (ko) 2015-08-07
KR101719238B1 (ko) 2017-03-23
IL239434A (en) 2016-04-21
IL247989B (en) 2018-11-29
JP5886488B1 (ja) 2016-03-16
KR20150127729A (ko) 2015-11-17
IL243692A (en) 2016-10-31
US20160179942A1 (en) 2016-06-23
AU2013363308A1 (en) 2015-07-30
CA2931411C (en) 2019-06-11
IL243692A0 (en) 2016-04-21
CA2901597C (en) 2016-08-02
CA2894429C (en) 2015-11-10
JP2016170820A (ja) 2016-09-23
KR20170031798A (ko) 2017-03-21
AU2013363308B2 (en) 2015-09-17
CA2894429A1 (en) 2014-06-26
JP2016119116A (ja) 2016-06-30
KR101962716B1 (ko) 2019-03-27
WO2014099587A1 (en) 2014-06-26
CA2931411A1 (en) 2014-06-26
CA2901597A1 (en) 2014-06-26
IL239434A0 (en) 2015-07-30

Similar Documents

Publication Publication Date Title
KR101569425B1 (ko) 추출 연산자를 이용한 검색 방법 및 시스템
US9721025B2 (en) Generating logical expressions for search queries
KR101582930B1 (ko) 짧은 용어 해쉬
US10649992B2 (en) Vertical-based query optionalizing
AU2016204563B2 (en) Extract operator
AU2015258295B2 (en) Extract operator

Legal Events

Date Code Title Description
A201 Request for examination
A302 Request for accelerated examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20181107

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20191031

Year of fee payment: 5