KR20100089030A - 공용 검색을 위한 시스템 및 방법 - Google Patents

공용 검색을 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20100089030A
KR20100089030A KR1020100009019A KR20100009019A KR20100089030A KR 20100089030 A KR20100089030 A KR 20100089030A KR 1020100009019 A KR1020100009019 A KR 1020100009019A KR 20100009019 A KR20100009019 A KR 20100009019A KR 20100089030 A KR20100089030 A KR 20100089030A
Authority
KR
South Korea
Prior art keywords
user
information
search query
relevance
search
Prior art date
Application number
KR1020100009019A
Other languages
English (en)
Other versions
KR101226403B1 (ko
Inventor
크리스 칼라보우키스
엘리자베스 에프. 처칠
아델리나 아스사니
Original Assignee
야후! 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 야후! 인크. filed Critical 야후! 인크.
Publication of KR20100089030A publication Critical patent/KR20100089030A/ko
Application granted granted Critical
Publication of KR101226403B1 publication Critical patent/KR101226403B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation

Abstract

요청자가 검색 질의를 게시하고, 검색 질의에 응답하기에 가장 적합한 다른 사용자들로부터 시간에 민감한 응답들을 얻을 수 있도록 하는 시스템 및 방법이 개시된다. 본 시스템은 그들의 위치, 활동 및 검색 질의에 대한 시간 밀접성/근접성에 기초하여 이러한 가장 적합한 응답자들을 찾을 수 있고, 검색 질의를 그들에게 전달할 수 있다. 본 시스템은, 그 후, 응답들을 요청자에게 리턴할 수 있다. 본 시스템은 또한 사용자들의 과거 질의-응답 활동들에 기초하여 검색 질의들에 자동으로 응답할 수 있다. 검색 질의를 그 검색 질의에 대해 많이 알고 있는 사용자들과 매칭시킴으로써, 본 발명은 요청자가 그의 검색 질의에 대해 제 시간에 정확한 응답을 얻는데 도움을 줄 수 있다.

Description

공용 검색을 위한 시스템 및 방법{SYSTEM AND METHOD FOR COMMUNAL SEARCH}
본 발명은 일반적으로 인터넷을 통하여 시간에 민감한 정보(time sensitive information)를 얻는 것에 관한 것이다.
현재 이용 가능한 기술들은 사용자가 웹사이트에 질문들을 공고(post)하여 다른 사용자들로부터 답변을 수신할 수 있게 해준다. 이 접근법의 하나의 단점은, 요청자는 그가 필요로 하는 정보를 제시간에 얻지 못할 수도 있다는 것인데, 그 이유는, 그 질문에 대해 가장 많이 아는 사용자들이 온라인 상에 있지 않거나 질문이 공고되었음을 알아차리지 못할 수도 있어, 그 질문에 대해 때맞춰 답을 할 수 없을 수도 있기 때문이다. 또한, 다수의 사용자가 그 질문에 응답할 수도 있지만, 요청자가 어떤 응답이 최고의 답변인지 알아내는 것이 어려울 수도 있다.
따라서, 요청자의 질문에 대해, 그 질문에 답변하기에 가장 적절한 사용자들로부터 요청자가 실시간으로 응답들을 얻도록 도울 수 있는 시스템 및 방법을 제공하는 것이 바람직할 수 있다.
첨부한 도면들을 참조하여 본 발명의 실시예들이 여기 설명되며, 유사한 참조 번호들은 기능적으로 유사한 요소들을 가리키는데 사용된다.
도 1은 본 발명의 일 실시예에 따른 공용 검색 시스템(communal search system)을 도시한다.
도 2a, 2b 및 2c는 본 발명의 일 실시예에 따른 공용 검색 질의들(communal search queries)을 수신하기 위한 예시적인 사용자 인터페이스들을 도시한다.
도 3a, 3b 및 3c는 본 발명의 일 실시예에 따른 공용 검색 질의에 응답하기에 가장 적절한 사용자들을 선택하는데 사용되는 좌표계를 도시한다.
도 4는 본 발명의 일 실시예에 따른 사용자 프로파일을 컴파일링하기 위한 방법의 흐름도를 도시한다.
도 5는 본 발명의 일 실시예에 따른 공용 검색 방법의 흐름도를 도시한다.
본 발명은, 요청자가 검색 질의(search query)를 공고하여, 이 검색 질의에 응답하기에 가장 적절한 다른 사용자들로부터 시간에 민감한 응답들을 얻을 수 있게 해줄 수 있는 시스템 및 방법을 제공한다. 본 시스템은 그들의 위치, 활동(activity) 및/또는 검색 질의에 대한 시간 밀접성/근접성(time affinity/proximity)에 기초하여 가장 적절한 응답자들을 알아내서, 그들에게 검색 질의를 전달할 수 있다. 또한, 질의 수취인 및 질의 발송자 사이에 소정의 관계가 바람직할 수도 있다. 그 다음, 시스템은 요청자에게 응답들을 리턴시킬 수 있다. 시스템은 또한 사용자의 과거의(historical) 질의-응답 활동들에 기초하여 검색 질의들에 자동으로 답변하는 것이 가능할 수도 있다. 검색 질의를 그에 대해 많이 아는(knowledgeable) 사용자들에 매칭시킴으로써, 본 발명은 요청자가 그의 검색 질의에 대한 응답들을 때맞춰 정확하게 얻는 것을 도울 수 있다. 본 발명은, 프로그램 모듈들과 같은, 컴퓨터-실행가능 명령어들에 의해 수행될 수 있다. 본 발명의 장점들은 아래의 상세한 설명으로부터 명백해 지게 될 것이다.
도 1은 본 발명의 일 실시예에 따른 공용 검색 시스템을 도시한다. 사용자들은 네트워크(102)를 통하여 그들의 통신 디바이스들(103a, 103b 또는 103c)로부터 공용 검색 시스템(101)과 통신할 수 있다. 통신 디바이스는 컴퓨터, 모바일 폰, 스마트폰™, 미디어 플레이어, 또는 인터넷에 액세스할 수 있는 임의의 디바이스일 수 있다. 이러한 유형의 디바이스들 중 임의의 것은 공용 검색 시스템(101)을 통해 서로 통신할 수 있다. 특히, 통신 디바이스를 통하여, 사용자는 제1 검색 질의를 공용 검색 시스템(101)에 전송하고, 제1 검색 질의에 대한 하나 이상의 응답들을 수신하고, 사용자가 제2 검색 질의에 대해 많이 아는 것으로 공용 검색 시스템(101)이 판정하면 또 다른 사용자로부터 제2 검색 질의를 수신하고, 제2 검색 질의에 대한 그의 답변을 공용 검색 시스템(101)에 전송할 수 있다. 사용자는 질의를 전송하는 요청자, 또는 질의에 응답할 수 있는 응답자일 수 있고, 사용자는 하나의 질의에 대한 요청자 및 또 다른 질의에 대한 응답자일 수 있다. 네트워크(102)는 인터넷 또는 다른 전기 통신망(telecommunication network)일 수 있다. 네트워크 접속(connectivity)은, 본 기술 분야의 당업자에게 공지된 바와 같이, 하나 이상의 통신 프로토콜을 사용하는, 유선 혹은 무선일 수 있다.
공용 검색 시스템(101)은 질의 처리 서버(1011), 사용자 우선순위화 서버(1012), 추적 서버(1013) 및 데이터베이스(1014)를 가질 수 있다. 공용 검색 시스템은 또한 사용자 등록 서버(1015)를 가질 수도 있다. 공용 검색 시스템(101)은 요청자로부터 검색 질의를 수신하고, 그들의 현재 상태 또는 그들의 프로파일에 기초하여 그 검색 질의에 대해 많이 알 수도 있는 하나 이상의 사용자를 응답자들로서 선택하고, 그 검색 질의를 그 응답자(들)에게 전달하고, 응답자의 응답을 요청자에게 리턴시킬 수 있다. 사용자의 현재 상태는 시간, 사용자 위치 및/또는 사용자 활동 정보에 기초한 것일 수 있다.
질의 처리 서버(1011)는, 그가 필요로 하는 임의의 정보에 대해 묻기 위해 검색 질의를 공고할 수 있는, 사용자(또는 요청자)로부터 검색 질의를 수신할 수 있다. 일 실시예에서, 공용 검색 시스템(101)은 검색 질의들에 대한 다수의 카테고리, 예컨대, 위치, 시간 및 활동을 제공할 수 있고, 질의 처리 서버(1011)는 검색 질의가 속하는 질의 카테고리로 들어가도록 검색 질의를 처리할 수 있다.
도 2a, 2b 및 2c는 본 발명의 일 실시예에 따른 검색 질의들을 수신하기 위한 예시적인 사용자 인터페이스들을 도시한다. 도 2a에 도시된 사용자 인터페이스는 일반적인 사용자 인터페이스이다. 요청자는 질의 유형, 질의 제목, 질의 디스크립션, 시작 및 종료 시간, 및/또는 사용자 인터페이스를 통하여 질의가 전달되기 원하는 사람들을 입력할 수 있다. 요청자가 위치에 대한 정보, 예컨대, 주차 공간을 찾고 있다면, 그는, 질의 제목, 질의 디스크립션, 및 그 위치의 주소를 입력할 수 있는, 도 2b에 도시된 사용자 인터페이스를 고를 수 있다. 요청자가 활동, 예컨대, 파티에 대한 정보를 얻기 원한다면, 그는, 먼저 리스트로부터 그가 관심이 있는 활동의 유형을 고를 수 있는, 도 2c에 도시된 사용자 인터페이스를 사용할 수 있다.
추적 서버(1013)는 그들의 관련성 정보(relevancy information), 즉, 사용자가 검색 질의에 어떻게 관련되는지에 대한 정보를 얻기 위해 사용자들을 추적할 수 있다. 일 실시예에서, 추적 서버(1013)는, 그들의 통신 디바이스들(103a, 103b 또는 103c)을 통하여, 위치 및/또는 활동 정보일 수 있는 그들의 현재 상태 정보를 얻기 위해 사용자들을 추적할 수 있다. 추적 서버(1013)는 통신 디바이스 또는 위치확인 시스템(positioning system)으로부터 사용자의 위치확인 신호를 얻을 수 있다. 위치확인 신호를 이용하여, 추적 서버(1013)는, 위치에 대한 사용자의 관련성, 예컨대, 사용자가 레스토랑에 있는지, 공원에 있는지, 도서관에 있는지, 병원에 있는지 등의 여부를 추론할 수 있다.
추적 서버(1013)는 그의 움직임을 모니터링함으로써 사용자의 활동을 추적 또는 추론할 수 있다. 사용자가 어떤 속도로 움직이고 있거나 어떤 패턴을 따르고 있을 때, 추적 서버(1013)는 사용자가 춤추고 있다고 판정할 수 있다. 일 실시예에서, 추적 서버(1013)는 사용자가 있는 곳, 예컨대 그가 박물관에 있는지, 영화관에 있는지, 체육관에 있는지, 또는 경기장에 있는지 여부에 의해 사용자의 활동을 판정할 수 있다. 일 실시예에서, 추적 서버(1013)는 사회적 정황(social context)에 의해 사용자의 활동을 판정할 수 있다. 예를 들어, 사용자가 팝-음악 애호가들의 인파 속에 있다면, 추적 서버(1013)는 사용자가 팝-음악 콘서트에 있는 것으로 판정할 수 있다. 추적 서버(1013)는 인터넷상의 정보, 예컨대, 사용자의 온-라인 캘린더, 인스턴트 메시징 상의 그의 상태 또는 www.twitter.com이나 fireeagle.yahoo.net과 같은 상태 애플리케이션 상의 정보로부터 사용자의 활동 정보를 추론할 수 있다.
사용자의 명백한(explicit) 현재 상태 정보로부터, 추적 서버(1013)는 그의 암시적(implicit) 현재 상태 정보를 추론할 수 있다. 예를 들어, 명백한 위치 정보인, 사용자의 위치확인 신호로부터, 추적 서버(1013)는 검색된 위치에 사용자가 얼마나 가까운지 및 그가 어느 방향으로 움직이고 있는지와 같은 암시적 위치 정보를 추론할 수 있다. 통신 디바이스 상의 명백한 시간 정보로부터, 추적 서버(1013)는 검색 질의에 관련된 시간 근접도 및 그가 한 장소에 얼마나 오래 머물렀는지와 같은 사용자의 암시적 시간 정보를 추론할 수 있다. 암시적 현재 상태 정보는, 사용자의 명백한 현재 상태 정보와 함께, 데이터베이스(1015)에 저장될 수 있다.
명백한 사용자의 상태 정보 및 암시적 사용자의 상태 정보 둘 다 처음에는 현재 상태 정보로서 그리고 그 이후에는 과거 상태 정보로서, 데이터베이스(1015)에 저장될 수 있다. 일 실시예에서, 추적 서버(1013)는 또한 사용자의 미래 상태 정보를 얻어 그것을 데이터베이스(1015)에 저장할 수도 있다. 미래 상태 정보는, 예컨대, 사용자가 검색된 위치로 갈 것인지 여부 또는 사용자가 검색된 활동에 참여할 것인지 여부를 포함할 수 있다. 추적 서버(1013)는 사용자의 캘린더로부터 미래 상태 정보를 얻을 수 있다.
일 실시예에서, 추적 서버(1013)는 또한 사용자의 온-라인 활동들을 추적하여 온-라인 활동들에 대한 정보를 데이터베이스(1015)에 저장할 수도 있다. 온-라인 활동들은, 사용자가 브라우징(browse)한 웹 페이지들, 브라우징에 소요된 시간, 그의 온-라인 쇼핑 기록들, 그가 등록한 온-라인 서비스들, 그가 다운로드한 웹 컨텐츠, 그가 업로드한 웹 컨텐츠(예컨대, Flickr™ 태그들, geo-관련 태그들), 그의 인스턴트 메시징, 그의 채팅들, 그가 입력하거나 응답한 검색 질의들, 및 그의 온-라인 정보(예컨대, 그의 캘린더, 그의 블로그, 그의 Twitter™ 또는 Facebook™ 통신 상태, 등)를 포함할 수 있다.
명백한 및 암시적인, 사용자의 과거, 현재, 및 미래 상태 정보 모두, 및 온-라인 활동 정보를 포함할 수 있는, 데이터베이스(1015)에 저장된 사용자의 정보로부터, 추적 서버(1013)는 그의 암시적 프로파일 정보를 추론할 수 있다. 예를 들어, 사용자의 위치 정보로부터, 추적 서버(1013)는 그가 검색된 위치에 이전에 있었는지 여부, 그 위치에 대한 그의 밀접성, 및/또는 그의 여행 프로파일(예컨대, 사용자가 시애틀, 휴스턴, 또는 마이애미에 방문했는지 여부 및 얼마나 자주 방문했는지)을 알아낼 수 있다. 사용자의 시간 정보로부터, 추적 서버(1013)는 그의 빈도 프로파일(예컨대, 사용자가 그의 체육관에 일주일에 적어도 두 번 간다), 그의 시간적(temporal) 프로파일, 및/또는 그의 일상 스케줄(예컨대, 사용자는 월요일부터 금요일까지 오전 9시에서 오후 5시까지 일한다)을 추론할 수 있다. 사용자의 활동 정보로부터, 추적 서버(1013)는 활동에 대한 그의 밀접성과 같은 암시적 활동 정보를 추론할 수 있다. 사용자가, 하나의 특정한 스시 레스토랑 혹은 여러 스시 레스토랑에 지난달에 여러 번 갔다면, 추적 서버(1013)는 그가 일반적으로 그 레스토랑 혹은 스시 레스토랑들에 매우 익숙한 것으로 추론할 수 있고, 그 레스토랑 혹은 임의의 스시 레스토랑에 대한 검색 질의들에 대한 응답자로서 그 사용자를 선택할 수 있다. 사용자가 추가한 태그로부터, 추적 서버(1013)는 사용자가, 검색된 위치에 익숙한지 여부, 또는 검색된 활동에 참여했는지 혹은 참여할 것인지 여부와 같은 암시적 프로파일 정보를 추론할 수 있다. 사용자가 카메라들에 대한 리뷰를 자주 게재한다면, 추적 서버(1013)는 그가 카메라에 전문가일 수 있고 카메라들에 대한 질문들에 답변할 수 있을 것으로 추론할 수 있다. 사용자가 그의 블로그에 옐로우스톤 국립 공원에 대한 기사를 공고했다면, 추적 서버(1013)는 그가 그 공원에 대해 매우 많이 알고 있고 그에 대한 질문들에 답변할 수 있을 것으로 추론할 수 있다.
등록 서버(1015)는 사용자로부터 그의 명백한 프로파일 정보를 수신할 수 있다. 명백한 프로파일 정보는, 예컨대, 그가 무엇에 전문가인지, 그의 취미들, 그가 가장 좋아하는 가수들, 그가 좋아하는 스포츠들, 및 그가 익숙한 장소들을 포함할 수 있다. 구체적으로, 시간 관련 프로파일 정보는 사용자의 스케줄, 그가 선언한 시간적 전문 지식들(expertise), 및 그가 검색 질의들에 응답 가능한 시간 기간(예컨대, 일요일에서 금요일까지 오후 5시와 오후 10시 사이)을 포함할 수 있다. 위치 관련 프로파일 정보는, 그의 체육관, 및 그가 가장 좋아하는 레스토랑들, 가게들 및 영화 극장들과 같은, 위치들에 대한 그의 밀접성, 그의 위치 선호도, 그가 선언한 위치 전문 지식들 및 그의 위치 프로파일을 포함할 수 있다. 활동 관련 프로파일 정보는 활동들에 대한 그가 선언한 전문 지식, 그의 활동 프로파일, 및 활동에 대한 그의 선호(preferences), 가령, 그가 좋아하는 행위, 그가 싫어하는 행위를 포함할 수 있다. 또한, 명백한 프로파일 정보는 사용자의 캘린더, 및 그의 통신 방법, 가령, 이메일, 텍스트 메시징, 인스턴트 메시징 등을 포함할 수 있다. 사용자의 명백한 프로파일 및 암시적 프로파일은 하나의 사용자 프로파일로 통합되고 데이터베이스(1015)에 저장된다.
데이터베이스(1015)는, 추적 서버(1013)에 의해 취득되고 등록 서버(1015)에 의해 수신되는 정보를 저장할 수 있는데, 이는 사용자가 검색 질의에 관하여 많이 알아서 응답자로서 선택될 수 있는지를 판정하는데 사용될 수 있다.
사용자 우선순위화 서버(1012)는 사용자들에 대한 질의 관련성(query relevancy)을 평가하고 검색 질의를 가장 관련성이 있는 사용자(들)에게 전달하여, 질의들과 응답자들을 매칭시킬 수 있다. 그것은, 질의 처리 서버(1011)에 연결되어 처리된 검색 질의를 수신하고, 데이터베이스(1014)에 연결되어 사용자의 상태 정보, 온라인 활동 정보 및 프로파일에 액세스해서, 검색 질의와 가장 관련이 있는 사용자들을 확인하고 그들 중 하나 이상을 검색 질의에 응답하기 위한 응답자(들)로서 선택하고 그 검색 질의를 선택된 응답자들에게 전달할 수 있다. 일 실시예에서, 사용자 우선순위화 서버(1012)는 사용자의 현재 상태 정보를, 데이터베이스(1014) 대신에, 추적 서버(1013)로부터 수신할 수도 있다.
검색 질의가 활동 카테고리에 속하는 경우, 사용자 우선순위화 서버(1012)는 검색된 활동에 참여했던 사용자들, 검색된 활동에 현재 참여하고 있는 사용자들, 또는 검색된 활동에 참여할 사용자들을 데이터베이스(1014)에서 검색할 수 있다.
검색 질의가 위치 카테고리에 속하는 경우, 사용자 우선순위화 서버(1012)는 현재 그 위치에 있는 사용자들, 그 위치에 인접한 사용자들, 그 위치를 자주 방문했던 사용자들 또는 그 위치에 다녀온 적이 있는 사용자들을 데이터베이스(1014)에서 검색할 수 있다. 또한, 사용자 우선순위화 서버(1012)는 사용자가 그 위치에 가는 빈도 및 사용자가 그곳에서 소요했던 시간의 양을 조사할 수 있다. 일 실시예에서, 사용자 우선순위화 서버(1012)는 잠재적 응답자들의 등급을 매겨서, 현재 그 위치에 있는 사용자들에게는 가장 높은 등급을 부여하고, 현재 그 위치에 인접해 있는 사용자들에게는 두 번째로 높은 등급을 부여하고, 그 위치에 다녀온 적이 있는 사용자들에게는 세 번째로 높은 등급을 부여할 수 있다.
또한, 일 실시예에서, 사용자 우선순위화 서버(1012)는 사교 웹사이트들(social websites), 가령, www.facebook.com으로부터의 정보를 이용하여 사용자의 인맥에 관한 정보를 조사할 수도 있다.
따라서, 사용자 우선순위화 서버(1012)는 다양한 유형들의 방법들을 이용하여 검색 질의에 대한 사용자의 관련성을 산출할 수 있다. 일 실시예에서, 사용자 우선순위화 서버(1012)는, 명백한 그리고 암시된, 사용자의 과거, 현재 및 미래 상태 정보, 사용자의 온라인 활동들 및 사용자의 프로파일을 알고리즘의 변수들로서 이용한 질의 관련성 알고리즘을 이용하여, 검색 질의에 대한 사용자의 관련성을 산출할 수 있다.
일 실시예에서, 사용자의 우선순위화 서버(1012)는 검색 질의에 대한 사용자의 전체적인 관련성 스코어(relevancy score)를 산출하고, 사용자에 대한 질의 관련성 등급을 만들어낸다(formulate). 일례에서, 특정 검색 질의에 따라, 극장에서 5분 거리 내에 사는 사람이 현재 극장에 있는 사람보다 낮은 스코어를 받을 수 있다. 우선순위화 서버(1012)는, 사용자의 스코어가 특정 임계값보다 클 경우에 잠재적 응답자들의 풀(pool)에 사용자를 포함할 수 있고, 사용자의 스코어가 임계값보다 적을 경우에 사용자를 제외할(filtering out) 수 있다.
일 실시예에서, 사용자 우선순위화 서버(1012)는, 전체적인 관련성 스코어의 산출의 일부로서, 응답자의 과거 참여 데이터, 예컨대, 응답의 빈도, 응답의 즉각성(immediacy) 및 응답의 관련성에 가중치를 줄 수 있다.
일 실시예에서, 사용자 우선순위화 서버(1012)는 X-Y 또는 X-Y-Z 좌표계를 이용하여, 검색 질의와 가장 관련 있는 사용자들을 선택할 수 있다. 도 3a는 본 발명의 일 실시예에 따른, 지정 시간에서의 활동과 가장 관련성이 있는 사용자들을 선택하기 위한 X-Y 좌표계를 나타낸다. 도시된 바와 같이, 좌표계는 X축을 시간 데이터로 이용하고, Y축을 활동 데이터로 이용한다. 시간 데이터는 일(day), 월(month), 시즌(season), 또는 년(year)에 기초할 수 있다. 이 좌표계는, 가령, 특정한 날짜의 볼 게임들에 관하여 가장 많이 알고 있는 사용자들을 찾는 데에 사용될 수 있다.
도 3b는, 본 발명의 일 실시예에 따른, 특정 위치에서의 활동과 가장 관련성이 있는 사용자들을 선택하기 위해, 위치 데이터를 X축으로 이용하고 활동 데이터를 Y축으로 이용하는 X-Y 좌표계를 도시한다. 위치 데이터는, 다양한 레벨들, 가령, 빌딩 레벨, 거리 레벨, 도시 레벨, 주 레벨, 국가 레벨 또는 행성 레벨로 존재할 수 있다. 좌표계는, 가령, 특정한 위치에서의 파티들에 관하여 많이 알고 있는 사용자들을 선택하는데 사용될 수 있다.
도 3c는, 본 발명의 일 실시예에 따른, 특정 시간에서의 위치와 가장 관련성이 있는 사용자들을 선택하기 위해, 시간 정보를 X축으로 이용하고 위치 정보를 Y축으로 이용하는 X-Y 좌표계를 나타낸다. 좌표계는, 가령, 4월 8일 오후 7시에 특정한 레스토랑에 빈 테이블들이 있는지를 아는 사람들을 찾는데에 사용될 수 있다.
X-Y-Z 좌표계는, 응답자들을 선택하기 위해 3가지 유형의 정보가 고려될 필요가 있는 경우(예를 들어, 3월 25일(시간)에 HP Pavilion(위치)에서 임의의 이벤트(활동)가 있는가?)에 사용될 수 있다.
일 실시예에서는, X-Y 또는 X-Y-Z 플롯형 좌표계를 이용하는 대신에, 벤 다이어그램 형식이 이용될 수 있다. 예를 들어, 벤 다이어그램에서는, 정보의 각 카테고리, 가령, 시간, 위치 또는 활동을 나타내기 위해 상이한 원(circle)이 사용될 수 있고, 원들의 중첩부(overlap)는 가장 관련성이 있는 사용자들을 나타낼 수 있다. 예를 들어, 검색 질의가 3월 25일 HP Pavilion에서의 하키 게임에 관한 것인 경우, 하나의 원은 하키 게임들을 종종 관람하는 사용자들을 나타낼 수 있고, 다른 원은 HP Pavilion에 종종 가는 사람들을 나타낼 수 있고, 또 다른 원은 3월 25일에 활동을 가진/가질 사람들을 나타낼 수 있다. 이 3개 원들의 중첩부는 검색 질의와 가장 관련성이 있는 사용자들을 식별할 수 있다.
일 실시예에서, 요청자는, 등급화 시스템(ranking system)을 이용하여, 응답 및/또는 응답자에 등급을 매길 수 있다. 등급을 매기는 것은, 질의 및 응답자 관련성을 결정하기 위한 방법으로서, 시스템에 의해 영향을 받을 수 있다(leveraged).
일 실시예에서, 사용자 우선순위화 서버(1012)는 응답들 또는 응답자들에 관한 등급들(ratings)을 수집할 수 있다. 등급들은 전체적인 관련성 스코어의 일부로서 사용될 수 있다.
사용자 우선순위화 서버(1012)는 응답자들로부터의 응답들을 수신하고, 응답들을 질의 처리 서버(1011)(이는 요청자들의 통신 장치에 응답들을 송신하거나, 또는 요청자들이 응답들을 볼 수 있도록 웹페이지에 응답들을 표시할 수 있음)에 리턴시킬 수 있다. 또한, 질의 처리 서버(1011)는 데이터베이스(1014)를 갱신하여, 검색 질의가 무엇인지, 요청자가 누구인지, 응답자들이 누구인지, 및 응답들이 무엇인지를 나타낼 수 있다.
도 1의 공용 검색 시스템(101) 내에 다수의 서버들이 도시되어 있지만, 기술된 기능들은 하나의 서버 내의 모듈들에 의해 수행될 수 있다는 것이 이해되어야 한다. 또한, 데이터베이스(1014) 내의 정보는 몇몇 데이터베이스들에 개별적으로 저장될 수 있다.
도 4는 본 발명의 일 실시예에 따른, 사용자 프로파일을 컴파일링(compiling)하는 방법의 흐름도이다.
단계 401에서, 사용자는 시스템(101)의 서비스에 대해 서명하는 것으로부터 시작할 수 있다.
단계 402에서, 등록 서버(1015)는 사용자로부터 명백한 프로파일 정보를 수신할 수 있다. 명백한 프로파일 정보는, 가령, 사용자가 무엇에 대한 전문가인지, 사용자의 취미들, 사용자가 좋아하는 노래들, 사용자가 좋아하는 스포츠들, 사용자가 친숙한 장소들을 포함할 수 있다. 구체적으로는, 시간 관련 프로파일 정보는 사용자의 스케쥴, 사용자 선언 시간 전문 지식, 및 사용자가 검색 질의들에 응답할 수 있는 기간(가령, 일요일부터 금요일까지 오후 5시와 10시 사이)을 포함할 수 있다. 위치 관련 프로파일 정보는 위치들에 대한 사용자의 밀접성, 사용자의 위치 선호들, 사용자 선언 위치 전문 지식 및 사용자의 위치 프로파일, 예를 들어, 사용자의 체육관, 및 사용자가 좋아하는 레스토랑들, 가게들 및 영화 상영관들을 포함할 수 있다. 활동 관련 프로파일 정보는 활동들에 대한 사용자 선언 전문 지식, 사용자의 활동 프로파일, 및 활동들에 대한 사용자 선호들, 가령, 사용자가 좋아하는 행동, 및 사용자가 싫어하는 행동을 포함할 수 있다. 명백한 프로파일 정보는 또한 사용자의 캘린더, 및 사용자의 통신 방법들, 가령, 이메일, 텍스트 메시징, 인스턴트 메시징 등을 포함할 수 있다.
단계 403에서, 추적 서버(1013)는 사용자를 추적하여, 사용자의 상태 정보 및 온라인 활동들을 취득하고, 취득된 정보를 데이터베이스(1015) 내에 저장할 수 있다. 상태 정보는, 명백한 및 암시된, 사용자의 과거, 현재 및 미래 위치 및/또는 활동 정보와 사용자의 온라인 활동들을 포함할 수 있다. 온라인 활동들은 사용자가 브라우징한 웹 페이지들, 브라우징에 소용된 시간, 사용자의 온라인 쇼핑 기록, 사용자가 등록한 온라인 서비스들, 사용자가 다운로딩한 웹 컨텐츠, 사용자가 업로딩한 웹 컨텐츠(가령, FlickrTM 태그들, 지리 관련 태그들, 사용자의 인스턴트 메시징, 사용자의 채트들(chats)), 사용자가 입력 또는 응답한 검색 질의들, 및 온라인상의 사용자의 정보(가령, 사용자의 캘린더, 사용자의 블로그, 사용자의 TwitterTM 또는 FacebookTM 통신 상태)를 포함할 수 있다.
단계 404에서, 추적 서버(1013)는 데이터베이스(1014) 내에 저장된 정보로부터 사용자에 관한 암시적 프로파일 정보를 추론할 수 있다.
단계 405에서, 추적 서버(1013)는 명백한 프로파일 및 암시적 프로파일 정보를 통합하여, 사용자에 대한 프로파일을 생성할 수 있다.
단계 406에서, 사용자는 프로파일을 리뷰 및 편집할 수 있다. 사용자는 추적 서버(1013)에 의해 그의 프로파일에 부가된 몇몇 암시적 프로파일 정보를 삭제 또는 무시할 수 있다.
일 실시예에서, 한 그룹의 사용자들은 집합적인 그룹 프로파일을 컴파일할 수 있고, 각각의 그룹 멤버는 프로파일을 리뷰 및 편집할 수 있다.
단계 403-406은 사용자의 프로파일을 최신으로 유지하기 위해 반복될 수 있다. 사용자의 프로파일은 도 5에 도시된 방법으로 이용될 수 있다.
도 5는 본 발명의 일 실시예에 따른 공용 검색 방법의 순서도를 도시한다. 이 방법은 도 1에 도시된 시스템에서 이용될 수 있다.
단계 501에서, 요청자는 검색 질의를 시스템(101)으로 송신할 수 있다. 검색은, "마운틴 뷰 공공 도서관에 근접한 주차장을 지금 쉽게 찾을 수 있는가?" 가 될 수 있다. 요청자는, 질의 제목에 대한 텍스트 박스에 "주차장"이라고 타이핑하고, 질의 디스크립션에 대한 텍스트 박스에 "마운틴 뷰 공공 도서관에 근접한 주차장"이라고 타이핑하며, 시작 시간과 종료 시간 각각에 대한 텍스트 박스에 "4pm" 및 "4:30pm"으로 타이핑하고, 그의 검색 질의를 시스템의 사용자들로 향하게 하여, 도 2a에 도시된 사용자 인터페이스를 이용할 수 있다.
단계 502에서, 질의 처리 서버(1011)는 검색 질의를 예컨대, 위치와 같은, 시스템에 의해 인식되는 질의 카테고리로 처리할 수 있다. 요청자가 도 2b에 도시된 사용자 인터페이스를 이용하면, 단계 502는 생략될 수 있다.
일 실시예에서, 질의 처리 서버(1011)는 질의에 관련된 콘텐츠를 결정할 수 있다. 예컨대, 요청자가 시작 시간 및 종료 시간을 입력하지 않으면, 질의 처리 서버(1011)는 현재 시간으로 시스템 시계를 이용할 수 있다. 질의 처리 서버(1011)는 또한 자동으로 마운틴 뷰 공공 도서관 주소를 도출할 수 있고, 요청자의 질의 조건의 일부로서 정보를 부가할 수 있다.
단계 503에서, 질의 처리 서버(1011)는 검색 질의에 응답하기 위해 데이터베이스(1014)를 검색할 수 있다. 유사한 검색 질의가 이전에 처리되었고, 응답이 데이터베이스(1014)에 저장되어 있으면, 질의 처리 서버(1011)는 단계 504에서 응답을 요청자에게 리턴할 수 있다. 대안적으로, 응답은 웹 페이지 상에 표시될 수 있다.
단계 505에서 데이터베이스(1014) 내에 검색 질의에 대한 어떤 응답도 존재하지 않으면, 질의 처리 서버(1011)는 검색 질의를 사용자 우선순위화 서버(1012)로 송신할 수 있고, 이것은 검색 질의에 대해 응답하기에 가장 적합한 사용자들을 선택할 수 있다. 사용자 우선순위화 서버(1012)는 그들의 현재, 과거 및 미래 상태 정보, 온-라인 활동 정보, 및/또는 프로파일을 고려하여, 응답자들로서 도서관에 관해 많이 알고 있는 사용자들에 대해 데이터베이스(1014)를 검색할 수 있다. 명백한 프로파일 정보를 제공한 사용자들에 대해, 그의 명백한 그리고 암시적인 프로파일 양자 모두가 검색될 수 있다. 명백한 프로파일 정보를 제공하지 않은 사용자에 대해서는, 그의 암시적 프로파일만이 검색될 수 있다. 사용자 우선순위화 서버(1012)는 응답자들과 가장 관련성이 있는 사용자들을 선택할 수 있다.
일 실시예에서, 명백한 상태 및 프로파일 정보로부터, 사용자 우선순위화 서버(1012)는, 현재 도서관에 있는 사용자들, 그들의 선호되는 위치에 그 도서관을 포함시키는 사용자들, 그 도서관에 관해 전문가라고 주장하는 사용자들, 또는 도서관 근방에 사는 사용자들을 알아낼 수 있다. 암시적 상태 및 프로파일 정보로부터, 사용자 우선순위화 서버(1012)는, 도서관 근처에 있는 사용자들, 도서관에 자주 가는 사용자들, 도서관에 관해 태그를 다는 사용자들, 또는 잡담으로 도서관을 이야기하는 사용자들을 알아낼 수 있다. 사용자 우선순위화 서버(1012)는 또한 사용자의 스케줄을 조사할 수 있고, 사용자가 지금 질문에 답할 수 있는지 여부를 고려할 수 있다.
단계 506에서, 사용자 우선순위화 서버(1012)는 검색 질의를 선택된 응답자들에게 전달할 수 있다. 다수의 선택된 응답자들은 검색 질의에 응답할 수 있고, 그들의 응답은 "예", "매우 쉬움", 또는 "근처에 공용 주차장이 있음"이 될 수 있다. 응답자들은 익명으로 남길 선택할 수 있거나, 또는 그들의 신원을 요청자에게 드러낼 수 있다.
단계 507에서, 질의 처리 서버(1011)는 응답자들로부터 직접, 또는 사용자 우선순위화 서버(1012)를 통해 응답들을 수신할 수 있다. 질의 처리 서버(1011)는 응답들을 종합하고, 종합된 응답들을 시스템-인식가능 카테고리들로 분류하고, 분류되고 종합된 응답들을 장래의 응답을 위해 데이터베이스(1014)에 저장할 수 있다.
처리는, 응답들을 요청자에게 리턴하거나 또는 응답들을 웹 페이지 상에 표시하기 위해 단계 504로 진행할 수 있다.
처리는, 다음에 검색 질의를 대기하기 위해 단계 501로 리턴할 수 있다.
요청자는 예컨대, "공용 주차장이 어디 있는가?"와 같은 부가적인 검색 질의를 시스템(101)으로 송신할 수 있고, 단계 502-507이 반복될 수 있다. 대안적으로, 사용자 우선순위화 서버(1012)는 부가적인 검색 질의를 "근처에 공용 주차장이 있음"이라고 응답하는 응답자에게 직접 전달할 수 있는데, 그 이유는 그 응답자가 공용 주차장에 관해 가장 잘 알 수 있는 사용자가 될 수 있기 때문이다.
따라서, 요청자는 그의 질문에 대한 응답을, 그 질문에 대해 응답하기에 가장 적절한 사용자로부터 제때에 수신할 수 있다.
본 발명의 몇몇 특징 및 양태가 제한적이 아닌 단지 예로서 특정 실시예들을 참조하여 상세하게 도시되고 설명되었다. 당업자는 개시된 실시예에 대한 대안적인 구현 및 다양한 수정이 본 명세서의 범주 및 의도 내에 있다는 것을 알 수 있다. 따라서, 본 발명은 부가된 특허청구범위에 의해서만 한정되는 것으로 의도된다.
1011 : 질의 처리 서버
1012 : 사용자 우선순위화 서버
1013 : 추적 서버
1015 : 등록 서버

Claims (36)

  1. 공용 검색 방법(communal search method)으로서,
    검색 질의(search query)를 수신하고,
    상기 검색 질의에 대해 많이 알고 있는(knowledgeable) 적어도 하나의 응답자를 찾기 위해 관련성 정보(relevancy information)를 검색하고,
    상기 관련성 정보에 기초하여 상기 검색 질의를, 정황적으로(contextually) 관련된 상기 적어도 하나의 응답자에게 전송하고,
    상기 적어도 하나의 응답자로부터 응답을 수신하고,
    상기 응답을 제공하는 것
    을 수행하도록 컴퓨터를 이용하는 단계를 포함하는, 공용 검색 방법.
  2. 제1항에 있어서,
    상기 검색 질의가, 위치 및 활동(activity)으로 구성된 그룹으로부터 선택되는 카테고리에 해당되는지 여부를 판정하는 단계를 더 포함하는 공용 검색 방법.
  3. 제1항에 있어서,
    둘 이상의 응답자가 존재하는 경우, 상기 응답자들의 등급을 매기는 단계를 더 포함하는 공용 검색 방법.
  4. 제1항에 있어서,
    상기 검색 질의에 대해 이전에 저장된 응답이 존재하는지 여부를 판정하는 단계를 더 포함하는 공용 검색 방법.
  5. 제1항에 있어서,
    상기 응답을 저장하는 단계를 더 포함하는 공용 검색 방법.
  6. 제1항에 있어서,
    상기 검색 질의에 대한 사용자의 관련성을 산출하는 단계를 더 포함하는 공용 검색 방법.
  7. 제1항에 있어서,
    상기 관련성 정보는, 시간, 위치 및 활동으로 구성된 그룹으로부터 선택되는 상태 정보를 포함하는 공용 검색 방법.
  8. 제7항에 있어서,
    상기 관련성 정보는, 상기 상태 정보로부터 추론되는 암시적(implicit) 사용자 프로파일을 포함하는 공용 검색 방법.
  9. 제7항에 있어서,
    상기 상태 정보는 실시간 상태 정보를 포함하는 공용 검색 방법.
  10. 제7항에 있어서,
    상기 상태 정보는 과거(historical) 상태 정보를 포함하는 공용 검색 방법.
  11. 제1항에 있어서,
    상기 관련성 정보는 온라인 활동 정보를 포함하는 공용 검색 방법.
  12. 제1항에 있어서,
    상기 관련성 정보는 사용자로부터 수신되는 명시적(explicit) 사용자 프로파일 정보를 포함하는 공용 검색 방법.
  13. 제8항에 있어서,
    상기 암시적 사용자 프로파일과, 사용자로부터 수신되는 명시적 사용자 프로파일을 통합(consolidating)하는 단계를 더 포함하는 공용 검색 방법.
  14. 제1항에 있어서,
    상기 사용자의 관련성 정보를 얻기 위해 사용자를 추적하는 단계를 더 포함하는 공용 검색 방법.
  15. 제1항에 있어서,
    상기 관련성 정보는, 상기 사용자의 사회적 정황(social context)으로부터 추론되는 사용자의 활동 정보인, 공용 검색 방법.
  16. 제14항에 있어서,
    상기 관련성 정보를 데이타베이스 내에 저장하는 단계를 더 포함하는 공용 검색 방법.
  17. 제6항에 있어서,
    상기 사용자의 관련성을 산출할 때 사용자의 과거 참여 데이터를 고려하는 단계를 더 포함하는 공용 검색 방법.
  18. 제6항에 있어서,
    응답자에 대한 등급을 수신하고, 상기 사용자의 관련성을 산출할 때 상기 등급을 고려하는 단계를 더 포함하는 공용 검색 방법.
  19. 제1항에 있어서,
    사용자들의 그룹에 대한 집단적(collective) 그룹 프로파일을 컴파일링(compiling)하는 단계를 더 포함하고, 상기 그룹 내의 각 사용자는 상기 프로파일을 편집할 수 있는 공용 검색 방법.
  20. 공용 검색 시스템으로서,
    사용자들의 관련성 정보를 얻기 위한 제1 처리 유닛;
    상기 관련성 정보를 저장하기 위한 저장 디바이스; 및
    질의 검색에 대해 많이 알고 있는 적어도 하나의 응답자를 찾기 위해 상기 저장 디바이스 내의 상기 관련성 정보를 검색하는 제2 처리 유닛
    을 포함하는 공용 검색 시스템.
  21. 제20항에 있어서,
    상기 검색 질의를 수신하고, 상기 검색 질의가 상기 시스템에 의해 인지가능한(recognizable) 카테고리에 해당되는지 여부를 판정하는 제3 처리 유닛을 더 포함하는 공용 검색 시스템.
  22. 제21항에 있어서,
    상기 제3 처리 유닛은 또한, 상기 검색 질의에 대한 적어도 하나의 응답을 제공하는 공용 검색 시스템.
  23. 제21항에 있어서,
    상기 제3 처리 유닛은 또한, 상기 적어도 하나의 응답자로부터의 응답을 저장하는 공용 검색 시스템.
  24. 제20항에 있어서,
    상기 관련성 정보는 적어도 하나의 잠재적 응답자의 상태 정보를 포함하는 공용 검색 시스템.
  25. 제24항에 있어서,
    상기 상태 정보는, 시간, 위치 및 활동으로 구성된 그룹으로부터 선택되는, 공용 검색 시스템.
  26. 제24항에 있어서,
    상기 상태 정보는 실시간 상태 정보를 포함하는 공용 검색 시스템.
  27. 제24항에 있어서,
    상기 상태 정보는 과거 상태 정보를 포함하는 공용 검색 시스템.
  28. 제24항에 있어서,
    상기 제1 처리 유닛은 또한, 상기 상태 정보로부터 암시적 사용자 프로파일을 추론하는 공용 검색 시스템.
  29. 제20항에 있어서,
    상기 관련성 정보는, 사용자로부터 수신되는 명시적 사용자 프로파일 정보를 포함하는 공용 검색 시스템.
  30. 제20항에 있어서,
    상기 관련성 정보는 온-라인 활동 정보를 포함하는 공용 검색 시스템.
  31. 제20항에 있어서,
    둘 이상의 응답자가 존재할 때, 상기 제2 처리 유닛은 상기 응답자들의 등급을 매기는, 공용 검색 시스템.
  32. 제20항에 있어서,
    상기 제1 처리 유닛은, 상기 사용자의 관련성 정보를 얻기 위해 사용자를 추적하는, 공용 검색 시스템.
  33. 제32항에 있어서,
    상기 제1 처리 유닛은, 상기 저장 디바이스 내에 상기 관련성 정보를 저장하는, 공용 검색 시스템.
  34. 제20항에 있어서,
    상기 제2 처리 유닛은, 상기 검색 질의에 대한 사용자의 관련성을 산출하는, 공용 검색 시스템.
  35. 제20항에 있어서,
    상기 제1 처리 유닛은 상기 제2 처리 유닛인, 공용 검색 시스템.
  36. 컴퓨터에 의해 수행될 때,
    검색 질의를 수신하는 단계;
    상기 검색 질의에 대해 많이 알고 있는 적어도 하나의 응답자를 찾기 위해 관련성 정보를 검색하는 단계;
    상기 검색 질의를 상기 적어도 하나의 응답자에게 전송하는 단계;
    상기 적어도 하나의 응답자로부터 응답을 수신하는 단계; 및
    상기 응답을 제공하는 단계
    를 포함하는 공용 검색 방법을 수행하는 명령어들을 갖는 컴퓨터 판독가능 매체를 포함하는 컴퓨터 프로그램 제품.
KR1020100009019A 2009-02-02 2010-02-01 공용 검색을 위한 시스템 및 방법 KR101226403B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US12/364,476 US10275530B2 (en) 2009-02-02 2009-02-02 System and method for communal search
US12/364,476 2009-02-02

Publications (2)

Publication Number Publication Date
KR20100089030A true KR20100089030A (ko) 2010-08-11
KR101226403B1 KR101226403B1 (ko) 2013-01-24

Family

ID=42398564

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020100009019A KR101226403B1 (ko) 2009-02-02 2010-02-01 공용 검색을 위한 시스템 및 방법

Country Status (3)

Country Link
US (1) US10275530B2 (ko)
KR (1) KR101226403B1 (ko)
TW (1) TWI541665B (ko)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9477672B2 (en) 2009-12-02 2016-10-25 Gartner, Inc. Implicit profile for use with recommendation engine and/or question router
US8681144B2 (en) 2008-12-19 2014-03-25 International Business Machines Corporation Prioritized rendering of objects in a virtual universe
US9805492B2 (en) 2008-12-31 2017-10-31 International Business Machines Corporation Pre-fetching virtual content in a virtual universe
US8990306B2 (en) 2009-05-28 2015-03-24 International Business Machines Corporation Pre-fetching items in a virtual universe based on avatar communications
US9256896B2 (en) * 2009-08-27 2016-02-09 International Business Machines Corporation Virtual universe rendering based on prioritized metadata terms
US20120066303A1 (en) 2010-03-03 2012-03-15 Waldeck Technology, Llc Synchronized group location updates
US9015140B2 (en) * 2010-12-30 2015-04-21 Yahoo! Inc. System and method for providing contextual actions on a search results page
JP6065435B2 (ja) * 2012-07-17 2017-01-25 アイシン・エィ・ダブリュ株式会社 情報共有システム、情報共有方法及び端末装置
JP6015182B2 (ja) 2012-07-17 2016-10-26 アイシン・エィ・ダブリュ株式会社 情報共有システム、情報共有方法及び端末装置
WO2014100605A1 (en) 2012-12-21 2014-06-26 Highspot, Inc. Interest graph-powered search
US10204170B2 (en) 2012-12-21 2019-02-12 Highspot, Inc. News feed
US20140188866A1 (en) * 2012-12-31 2014-07-03 Microsoft Corporation Recommendation engine based on conditioned profiles
KR102092285B1 (ko) 2013-01-31 2020-03-23 삼성전자주식회사 전자 기기와 정보 제공 서버를 포함하는 시스템의 정보 제공 방법 및 이를 적용한 전자 기기
WO2014137965A1 (en) * 2013-03-04 2014-09-12 Chacha Search, Inc. Method and system of targeting queries based on location
US10600011B2 (en) 2013-03-05 2020-03-24 Gartner, Inc. Methods and systems for improving engagement with a recommendation engine that recommends items, peers, and services
WO2014144905A1 (en) * 2013-03-15 2014-09-18 Highspot, Inc. Interest graph-powered feed
US10055418B2 (en) 2014-03-14 2018-08-21 Highspot, Inc. Narrowing information search results for presentation to a user
US9710434B2 (en) 2013-12-10 2017-07-18 Highspot, Inc. Skim preview
US9984310B2 (en) 2015-01-23 2018-05-29 Highspot, Inc. Systems and methods for identifying semantically and visually related content
US10318617B2 (en) * 2015-06-02 2019-06-11 Gartner, Inc. Methods and apparatus for extraction of content from an email or email threads for use in providing implicit profile attributes and content for recommendation engines
TWI643080B (zh) * 2017-05-09 2018-12-01 遊戲橘子數位科技股份有限公司 能對網路資料進行解析並據以模擬特定對象之方法
US11531940B2 (en) 2017-09-27 2022-12-20 Microsoft Technology Licensing, Llc Implicit status tracking of tasks and management of task reminders based on device signals
TWI687883B (zh) * 2018-06-04 2020-03-11 網路家庭國際資訊股份有限公司 網路購物的快速訂購方法及購物平台伺服器

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5862223A (en) * 1996-07-24 1999-01-19 Walker Asset Management Limited Partnership Method and apparatus for a cryptographically-assisted commercial network system designed to facilitate and support expert-based commerce
US5909679A (en) * 1996-11-08 1999-06-01 At&T Corp Knowledge-based moderator for electronic mail help lists
US6510431B1 (en) * 1999-06-28 2003-01-21 International Business Machines Corporation Method and system for the routing of requests using an automated classification and profile matching in a networked environment
US7181438B1 (en) * 1999-07-21 2007-02-20 Alberti Anemometer, Llc Database access system
US20010032244A1 (en) * 1999-11-15 2001-10-18 Neustel Michael S. Internet based help system
EP1275042A2 (en) * 2000-03-06 2003-01-15 Kanisa Inc. A system and method for providing an intelligent multi-step dialog with a user
US7379885B1 (en) * 2000-03-10 2008-05-27 David S. Zakim System and method for obtaining, processing and evaluating patient information for diagnosing disease and selecting treatment
AU2001264676A1 (en) * 2000-05-19 2001-12-03 Intellibridge Corporation Method and apparatus for providing customized information
CA2361022A1 (en) * 2000-11-03 2002-05-03 Charles Allan Armstrong Knowledge management system
US20030014400A1 (en) * 2001-06-12 2003-01-16 Advanced Research And Technology Institute System and method for case study instruction
AU2003300404A1 (en) * 2002-12-27 2004-07-29 Payscale, Inc. A surveying apparatus and method for compensation reports
KR100824091B1 (ko) 2004-03-15 2008-04-21 야후! 인크. 신뢰 네트워크로부터의 사용자 주석들을 통합한 검색시스템 및 방법
US20060179044A1 (en) * 2005-02-04 2006-08-10 Outland Research, Llc Methods and apparatus for using life-context of a user to improve the organization of documents retrieved in response to a search query from that user
US20070210937A1 (en) * 2005-04-21 2007-09-13 Microsoft Corporation Dynamic rendering of map information
EP1889233A2 (en) * 2005-05-16 2008-02-20 Nervana, Inc. The information nervous system
CA2552062C (en) * 2005-07-22 2016-06-28 4121856 Canada Inc. System and methods for enhancing the experience of spectators attending a live sporting event
US20080009268A1 (en) * 2005-09-14 2008-01-10 Jorey Ramer Authorized mobile content search results
ITUD20050209A1 (it) * 2005-12-09 2007-06-10 Eurotech Spa Metodo per l'individuazione di affinita' tra soggetti e relativo apparato
WO2007084616A2 (en) * 2006-01-18 2007-07-26 Ilial, Inc. System and method for context-based knowledge search, tagging, collaboration, management and advertisement
US7962466B2 (en) * 2006-01-23 2011-06-14 Chacha Search, Inc Automated tool for human assisted mining and capturing of precise results
US7970111B2 (en) * 2006-09-01 2011-06-28 At&T Mobility Ii Llc Interactive community of interest profile
US8150868B2 (en) 2007-06-11 2012-04-03 Microsoft Corporation Using joint communication and search data
JP5043735B2 (ja) * 2008-03-28 2012-10-10 インターナショナル・ビジネス・マシーンズ・コーポレーション 情報分類システム、情報処理装置、情報分類方法およびプログラム
US8055673B2 (en) * 2008-06-05 2011-11-08 Yahoo! Inc. Friendly search and socially augmented search query assistance layer
US8751559B2 (en) * 2008-09-16 2014-06-10 Microsoft Corporation Balanced routing of questions to experts
US8055675B2 (en) * 2008-12-05 2011-11-08 Yahoo! Inc. System and method for context based query augmentation

Also Published As

Publication number Publication date
TWI541665B (zh) 2016-07-11
US20100198869A1 (en) 2010-08-05
TW201042476A (en) 2010-12-01
KR101226403B1 (ko) 2013-01-24
US10275530B2 (en) 2019-04-30

Similar Documents

Publication Publication Date Title
KR101226403B1 (ko) 공용 검색을 위한 시스템 및 방법
US9002840B2 (en) Automated search
Bao et al. Recommendations in location-based social networks: a survey
US9953342B1 (en) Implicitly associating metadata using user behavior
US8793248B2 (en) Method and system for recommending Geo-tagged items
US8880583B2 (en) System and method for permitting geographically-pertinent information to be ranked by users according to users' geographic proximity to information and to each other for affecting the ranking of such information
US20170303081A1 (en) Computerized system and method for generating and updating a map user interface
TWI443532B (zh) 上下文式查詢增廣系統與方法
TWI528195B (zh) 用於ｕｒｌ上下文查詢之方法、系統及電腦可讀取媒體
US20150112963A1 (en) Time and location based information search and discovery
US9817896B2 (en) Search query scoring and popularity monitoring and systems and methods therefor
US20190340537A1 (en) Personalized Match Score For Places
US20120259842A1 (en) System and Methods for Targeted Event Detection and Notification
US20100082427A1 (en) System and Method for Context Enhanced Ad Creation
US20130311270A1 (en) Mood-based searching and/or advertising systems, apparatus and methods
Bothorel et al. Location recommendation with social media data
CN102591911A (zh) 位置相关实体的实时个性化推荐
KR20110106459A (ko) 관심사 기반 타겟 마케팅을 위한 사용자 인터페이스
Margaris et al. Exploiting Internet of Things information to enhance venues’ recommendation accuracy
De Carolis Adapting news and advertisements to groups
Weth et al. Cyber-physical social networks
Xiang et al. Searching the travel network
KR101401407B1 (ko) 질문을 매개로 한 리서치 데이터베이스 구축 방법 및 그 데이터베이스를 이용한 검색 방법
TWI779375B (zh) 條件式數位內容顯示方法、系統與電腦可讀取媒體
Akermi Un modèle hybride pour la recommandation proactive et contextuelle

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
AMND Amendment
AMND Amendment
E601 Decision to refuse application
X091 Application refused [patent]
AMND Amendment
X701 Decision to grant (after re-examination)
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20151217

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20161221

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20171219

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20181226

Year of fee payment: 7

FPAY Annual fee payment

Payment date: 20191217

Year of fee payment: 8