KR20140091530A - 소셜 네트워크 피쳐들을 갖는 이름 및 기타 검색 질의의 적합도 - Google Patents

소셜 네트워크 피쳐들을 갖는 이름 및 기타 검색 질의의 적합도 Download PDF

Info

Publication number
KR20140091530A
KR20140091530A KR1020147010860A KR20147010860A KR20140091530A KR 20140091530 A KR20140091530 A KR 20140091530A KR 1020147010860 A KR1020147010860 A KR 1020147010860A KR 20147010860 A KR20147010860 A KR 20147010860A KR 20140091530 A KR20140091530 A KR 20140091530A
Authority
KR
South Korea
Prior art keywords
query
social network
search
user
electronic
Prior art date
Application number
KR1020147010860A
Other languages
English (en)
Inventor
슈바 나바
라제쉬 크리쉬나 쉬노이
Original Assignee
마이크로소프트 코포레이션
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 마이크로소프트 코포레이션 filed Critical 마이크로소프트 코포레이션
Publication of KR20140091530A publication Critical patent/KR20140091530A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

사용자가 적어도 하나의 소셜 네트워킹 관계를 갖고 있는 사람들 또는 엔티티들에 관한 정보를 이용하는 시스템, 컴퓨터 판독 가능 매체, 및 방법이 제공된다. 검색 엔진은 질의를 수신하고, 매치되는 전자 문서들을 식별하고, 전자 문서들을 랭킹하고, 질의 수신에 대한 응답으로 매치되는 전자 문서들이나 광고들을 사용자에게 전송하도록 구성된다. 사용자로부터 질의를 수신하면, 검색 엔진은 사용자의 소셜 네트워크 식별자를 얻고 사용자의 소셜 네트워킹 관계에 대한 정보를 이용하여, 비검색 수정자들을 가지고 질의를 확장시킨다. 검색 엔진은 검색 결과에 포함된 전자 문서들에 매치되는 비검색 수정자들을 처리하여 결과를 랭킹하지만, 질의에 매치되는 결과들을 식별하거나 검색하기 위해 비검색 수정자들을 사용하지는 않는다. 랭킹된 전자 문서들이 결과에 포함되고 사용자에게 랭킹 순서대로 디스플레이된다.

Description

소셜 네트워크 피쳐들을 갖는 이름 및 기타 검색 질의의 적합도{RELEVANCE OF NAME AND OTHER SEARCH QUERIES WITH SOCIAL NETWORK FEATURES}
사용자는 종래의 검색 엔진을 통해 일반적으로 인터넷에 있는 방대한 양의 정보에 액세스할 수 있다. 인터넷은, 사용자가 웹 페이지들을 탐색할 수 있게 해주는 하이퍼텍스트 링크에 의해 상호 연결된 웹 페이지 및 기타 멀티미디어 컨텐츠를 포함하는 수억 개의 컨텐츠 아이템들로 이루어져 있다. 종래의 검색 엔진에 검색 질의를 입력하면, 사용자는 그 검색 질의에 매치되는 다수의 랭킹된(ranked) 웹 페이지나 기타 멀티미디어를 갖는 검색 엔진 결과 페이지를 수신하게 된다.
인터넷의 거대한 규모와 상호 링크된 웹 페이지의 고유한 특성으로 인해, 종래의 검색 엔진은 검색 엔진 결과 페이지에 포함되는 웹페이지 또는 기타 멀티미디어 컨텐츠의 랭킹 결정 시에 그에 링크를 건 페이지들의 개수와 같이, 웹 페이지의 연결도(connectivity)를 측정하는 복잡한 랭킹 함수(ranking function)를 이용한다.
예를 들어, 종래의 검색 엔진은 랭킹 함수를 실행하여, 웹 페이지가 검색 질의의 검색어(search term)에 얼마나 잘 매치되는지에 기반하여 웹 페이지나 멀티미디어의 순서를 정할 수 있다. 종래의 검색 엔진이 이용하는 다른 알고리즘에서는 검색 엔진 결과 페이지에 포함되도록 식별된 웹 페이지에 링크된 다른 웹 페이지들의 개수에 기반하여 검색어에 대한 매치도(measure of the match)를 계산할 수 있다.
검색 엔진에서 실행하는 이러한 랭킹 함수들이 사용자가 관심을 갖는 결과들에 항상 우선 순위를 두는 것은 아니다. 기존의 인덱스는 검색 질의의 정확한 어조(verbiage)를 잡아낼 수 없기 때문에, 검색 엔진이 적합한 결과들을 적절하게 순서를 매기거나 찾을 수 없다.
본 발명의 실시예는 사용자가 적어도 하나의 사전 정의된 유형의 관계를 갖는 하나 이상의 사람 또는 엔티티(entities)에 관한 소셜 네트워크 정보를 이용하여, 검색 질의 수신에 대한 응답으로 적합한 검색 결과 및/또는 광고를 사용자에게 제공하는 시스템 및 방법에 관한 것이다. 검색 엔진은 소셜 네트워크 정보를 이용하여, 검색 엔진에서 선택한 URL의 랭킹에는 영향을 주지만 검색 엔진에서 검색한 URL의 선택에는 영향을 주지 않는 비검색 수정자(nonretrieval modifier)들로 질의를 수정한다. 그리고, 검색 엔진은 검색 엔진 결과 페이지에 랭킹된 URL들을 전송한다.
몇몇 실시예에서, 사용자의 소셜 네트워크 정보를 이용할 수 없을 때, 검색 엔진은 질의가 이름 또는 사람 검색 질의로 분류되는지 여부를 결정한다. 검색 질의가 이름 또는 사람 검색 질의로 분류되면, 검색 엔진은 웹 페이지나 멀티미디어에 관련된 엔티티들의 소셜 네트워크 식별자로 태깅된(tagged) 웹 페이지나 멀티미디어에 대한 인덱스 항목들(entries)을 갖는 인덱스에 액세스한다. 인덱스에 의해 검색 질의가 처리되고, 매치되는 결과가 사용자에게 디스플레이되도록 검색 엔진 결과 페이지에 반환된다. 일 실시예에서, 웹 페이지 또는 멀티미디어는 매치되는 인덱스 항목들에 관련된 소셜 네트워크 식별자들에 기반하여 클러스터링된다(cluster).
본 발명의 실시예는 본 요약에 의해서가 아닌 아래의 특허청구범위에 의해 정의된다. 그런 이유로 본 발명의 실시예의 다양한 양태들의 상위 레벨 개요가 여기에 제공되어, 본 개시의 개요를 제공하며 아래에서 상세하게 설명되는 일련의 개념을 소개한다. 본 요약은 특허청구된 대상의 핵심적인 특징 또는 필수적인 특징을 밝히기 위한 것이 아니며, 특허청구된 대상의 범위를 결정하기 위해 따로 사용되기 위한 것도 아니다.
본 발명의 예시적인 실시예들은 그 전체가 참조로써 통합된 첨부 도면을 참조하여 아래에서 상세하게 설명된다.
도 1은 본 발명의 실시예에 따르는 예시적인 컴퓨팅 시스템을 나타내는 네트워크 다이어그램이다.
도 2는 본 발명의 실시예에 따르는, 검색 엔진 결과 페이지에 제공된 전자 문서들의 랭킹을 위한 컴퓨터로 구현되는 예시적인 방법을 도시하는 논리 다이어그램이다.
도 3은 본 발명의 실시예에 따르는, 검색 엔진 결과 페이지에 제공된 전자 문서들의 랭킹을 위한 예시적인 다른 방법을 도시하는 논리 다이어그램이다.
도 4는 본 발명의 실시예에 따르는 예시적인 운영 환경을 도시하는 컴포넌트 다이어그램이다.
본 특허의 대상이 특허 대상이 법정 요구조건을 충족시키도록 구체적으로 설명한다. 그러나, 설명 자체가 반드시 본 특허청구범위의 범위를 제한하고자 하는 것은 아니다. 오히려, 특허 청구된 대상이 그 밖의 현재 또는 미래의 기술과 관련하여, 본 명세서에서 설명된 것들과 상이한 단계들, 또는 유사한 단계들의 조합을 포함하도록 다른 방식으로 구현될 수 있다. 사용된 방법이나 시스템의 상이한 컴포넌트들을 암시적으로 나타내기 위해 "단계", "블록", 및/또는 "컴포넌트"라는 용어가 본원에서 사용될 수 있지만, 이러한 용어는 개별 단계들의 순서가 명시적으로 설명되지 않는 한 그리고 명시적으로 설명될 때를 제외하고는, 본원에 개시된 다양한 단계들 사이의 임의의 특정 순서를 시사하는 것으로 해석되어서는 안 된다.
본원에 설명된 기술의 다양한 양태들은 일반적으로, 무엇보다도, 질의에 응답할 때 검색 엔진 결과 페이지에 적합한 URL을 반환하는 컴퓨터 시스템, 컴퓨터 구현 가능 방법, 및 컴퓨터 판독 가능 저장 매체에 관한 것이다. URL은 이용 가능한 소셜 네트워킹 데이터와 질의에 포함된 검색어에 기반하여 찾아낼 수 있다. 본 발명의 실시예를 통해 검색 엔진은 페이스북, 링크드인과 같은 소셜 네트워크에서 프로필(profile) 데이터를 활용하여 질의에 대한 응답으로 사용자에게 디스플레이하기 위해 순위가 매겨진(prioritized) 검색 결과의 적합도를 개선할 수 있다.
몇몇 실시예에서, 검색 엔진은 검색자의 소셜 네트워크 ID(identity)와 검색자의 질의를 수신한다. 검색 엔진은 검색자의 검색 네트워크 식별자를 이용하여, 검색자가 허가한 대로 검색자의 소셜 네트워크를 얻는다. 소셜 네트워크는 검색자, 검색자의 친구들, 및 친구의 친구들에 관한 정보를 포함한다. 검색 엔진은 소셜 네트워크 정보를 이용하여 질의를 재작성한다. 질의는 검색자와 그의 친구들의 소셜 네트워크 정보로부터 얻은 추가 단어들(additional terms)을 가지고 확장된다(augmented). 이런 추가 단어들은, 검색 자체에 영향을 주지 않는, 비검색어(nonretrieval terms)로 단지 검색된 문서들의 랭킹에 영향을 미치며, 즉, 추가 단어들은 검색 단계에서는 무시되지만, 비검색어에 매치되는 문서에는 검색 엔진에서 부여한 통상의 랭킹보다 상위 랭킹이 검색 엔진에 의해 주어질 수 있다.
본 발명의 실시예는 사용자가 애매모호한 이름 질의들을 검색 엔진에 제공할 때 유용할 수 있다. 애매모호한 이름 질의란 같은 이름을 공유하고 웹 상에 존재하는 둘 이상의 실제 엔티티를 말한다. 검색 엔진은 검색자의 소셜 네트워크 정보를 이용하여 둘 이상의 실제 엔티티들 중에서 어느 쪽에 사용자가 더 많은 관심을 가질지를 결정할 수 있다. 일 실시예에서, 검색 엔진은 사용자의 소셜 네트워크에 포함된 엔티티들을 선택한다.
본 발명의 다른 실시예에서, 검색 엔진은 검색자의 소셜 네트워크 식별자에 대해 액세스하지 못할 수 있다. 검색 엔진은 질의를 수신하고 질의가 이름 질의로서 분류되는지를 결정할 수 있다. 질의가 이름 질의인 경우, 검색 엔진은 복수의 엔티티들에 대한 소셜 네트워크 식별자를 갖는 웹페이지와 멀티미디어의 인덱스에 액세스한다. 검색 엔진은 검색자로부터 수신한 질의에 매치되는 인덱스 항목들(entries)을 선택한다. 그리고, 검색 엔진은 인덱스 항목들에 관련된 소셜 네트워크 식별자에 기반하여 매치되는 인덱스 항목들을 클러스터링한다. 클러스터 및 결과는 컴퓨팅 장치 상의 디스플레이를 위해 검색자에게 전송된다. 따라서, 검색 엔진은 소셜 네트워크 프로필 데이터에 기반하여 전자 문서들을 클러스터링하고 대안적인 결과 집합으로써 클러스터를 제공함으로써 애매모호한 이름 질의를 처리할 때의 사용자의 경험을 향상시킬 수 있다.
당업자라면 이해할 것이지만, 컴퓨터 시스템은 하드웨어, 소프트웨어, 또는 하드웨어와 소프트웨어의 조합을 포함할 수 있다. 하드웨어는 메모리에 저장된 명령어를 실행하도록 구성된 프로세서와 메모리를 포함한다. 일 실시예에서, 메모리는 컴퓨터 구현 가능 방법을 위한 컴퓨터로 사용 가능한 명령어를 갖는 컴퓨터 프로그램 제품을 저장하는 컴퓨터 판독 가능 매체를 포함한다. 컴퓨터 판독 가능 매체는 휘발성 및 비휘발성 매체, 이동식 및 비이동식 매체, 및 데이터베이스, 스위치 및 기타 다양한 네트워크 장치들로 판독 가능한 매체를 포함한다. 네트워크 스위치, 라우터 및 관련 컴포넌트들은 사실상 종래의 것으로, 동일한 것들과 통신하기 위한 수단이다. 예를 들어, 그러나 제한 없이, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체와 통신 매체를 포함한다. 컴퓨터 저장 매체, 또는 기계로 판독 가능한 매체는 정보를 저장하는 임의의 방법이나 기술로 구현되는 매체를 포함한다. 저장된 정보의 예시들로 컴퓨터로 사용 가능한 명령어, 데이터 구조, 프로그램 모듈 및 기타 데이터 표현을 포함한다. 컴퓨터 저장 매체는, RAM(random access memory), ROM(read only memory), EEPROM(electronically erasable programmable read only memory), 플래시 메모리 또는 다른 메모리 기술, CD-ROM(compact-disc read only memory), DVD(digital versatile disc), 홀로그램 매체(holographic media) 또는 기타 광 디스크 저장 장치, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치를 포함하지만, 이에 제한되지는 않는다. 이들 메모리 기술은 순간적으로, 임시적으로, 또는 영구적으로 데이터를 저장할 수 있다.
또 다른 실시예에서, 컴퓨터 시스템은 인덱스, 소셜 네트워크 제공자(provider), 클라이언트 컴퓨터, 및 검색 엔진을 갖는 통신 네트워크를 포함한다. 인덱스는 인터넷에 위치한 컨텐츠에 대한 URL을 저장하도록 구성된다. 사용자는 검색 엔진에 통신 가능하게 연결된 컴퓨터에서 질의를 생성할 수 있다. 그리고, 컴퓨터는 사용자의 질의 및 소셜 네트워크 식별자를 - 만일 있다면 - 검색 엔진으로 전송할 수 있다. 검색 엔진은 질의를 사용하여 그 질의에 매치되는 컨텐츠를 갖고 있는 URL을 인덱스에서 찾을 수 있다. 검색 엔진은 검색 엔진 결과 페이지에 URL을 제공할 수 있고, 이는 질의 및 사용자의 소셜 네트워크의 비검색 수정자에 대한 매치에 기반하여 결과들의 순서를 정할 수 있다.
도 1은 본 발명의 실시예에 따르는 예시적인 컴퓨팅 시스템(100)을 나타내는 네트워크 다이어그램이다. 도 1에 도시된 컴퓨팅 시스템(100)은 예시에 불과하며, 범위나 기능에 대한 임의의 제한을 제시하기 위한 것이 아니다. 본 발명의 실시예는 다른 많은 구성으로 동작할 수 있다. 도 1을 참조하면, 컴퓨팅 시스템(100)은 네트워크(110), 컴퓨터(120), 인덱스(130), 검색 엔진(140), 및 소셜 네트워크 제공자(150)를 포함한다.
네트워크(110)는 다양한 네트워크 장치들과 자원들 간에 통신을 가능하게 한다. 네트워크(110)는 컴퓨터(120)와 검색 엔진(140)을 연결한다. 소셜 네트워크 제공자(150)와 인덱스(130)도 네트워크(110)에 연결되어 있다. 네트워크(110)는 컴퓨터(120)와 검색 엔진(140) 간의 통신을 용이하게 하도록 구성된다. 또한 네트워크(110)는 검색 엔진(140)이 소셜 네트워크 제공자(150)에 액세스하여, 검색 엔진 결과의 URL과 소셜 네트워크 식별자에 기반하여 정보를 교환할 수 있게 한다. 몇몇 실시예에서, 소셜 네트워크 식별자는 사용자와 관련되어 있다. 네트워크(110)는 무선 네트워크, 근거리 통신망, 유선 네트워크, 또는 인터넷과 같은 통신 네트워크일 수 있다. 일 실시예에서, 컴퓨터(120)는 네트워크(110)를 이용하여 검색 엔진(140)과 인터랙션할 수 있다. 예를 들어, 컴퓨터(120)의 사용자가 이름 질의와 같은 질의를 생성할 수 있다. 이에 응답하여, 검색 엔진(140)은 웹 페이지, 이미지, 비디오, 또는 사용자가 생성한 질의에 매치되는 기타 전자 문서를 포함하는 URL에 관한 인덱스(130)를 조사한다.
사용자는 컴퓨터(120)를 통해 검색 엔진(140)으로부터 수신한 검색 엔진 결과를 볼 수 있다. 몇몇 실시예에서, 검색 엔진 결과 페이지는 소셜 네트워크 식별자에 기반하는 결과에 대한 클러스터를 포함한다. 컴퓨터(120)는 네트워크(110)를 통해 검색 엔진(140)에 연결된다. 사용자는 검색어를 생성하고, 객체 위에서 호버링(hover)하고, 링크나 객체를 선택하고, 검색어, 선택된 링크, 또는 선택된 객체에 적합한 검색 엔진 결과 페이지나 웹 페이지들을 수신하는 데 컴퓨터(120)를 이용한다. 컴퓨터(120)는, 제한 없이, PDA(personal digital assistant), 스마트폰, 랩탑, 개인용 컴퓨터, 게임 시스템, 셋톱 박스, 또는 기타 임의의 적절한 클라이언트 컴퓨팅 장치를 포함한다. 컴퓨터(120)는, 컴퓨터(120)에 사용자 및 시스템 정보를 저장하기 위해 사용자 및 시스템 정보 저장소를 포함한다. 사용자 정보는 검색 히스토리, 쿠키, 및 비밀 번호를 포함할 수 있다. 시스템 정보는 IP(Internet Protocol) 주소, 캐싱된(cached) 웹 페이지, 및 시스템 활용(system utilization)을 포함할 수 있다. 컴퓨터(120)는 검색 엔진(140)과 통신하여, 검색어, 선택된 링크, 또는 선택된 객체에 적합한 검색 결과나 웹 페이지들을 수신한다. 컴퓨터(120)는 소셜 네트워크 제공자(150)와 통신하여, 질의가 이름 질의로 분류되었을 때, 질의에 매치되는 소셜 네트워크 식별자를 갖는 검색자 또는 엔티티와 관련된 프로필을 갖는 소셜 네트워크 경보(alerts) 또는 소셜 네트워크 그래프를 수신할 수 있다.
예를 들어, 검색자는 컴퓨터(120)를 이용하여 “크리켓(cricket)”에 관한 질의를 생성할 수 있다. 검색자는 검색 엔진(140)에 질의를 입력하고, 검색 엔진(140)은 질의를 스포츠 질의 또는 동물 질의로 분류할 수 있다. 일 실시예에서, 검색 엔진은 사용자에 대한 소셜 네트워크 프로필 데이터를 이용하여 사용자가 영국의 크리켓 팀을 좋아하는지를 결정할 수 있다. 따라서, 검색 엔진(140)은 사용자의 소셜 네트워크 정보에 기반하여 스포츠 질의로 질의를 분류할 수 있다. 그리고, 검색 엔진은 사용자의 프로필 데이터를 가지고 질의를 확장할 수 있다. 예를 들어, 소셜 네트워크 프로필 데이터는 사용자가 자메이카에서 와서 현재 영국에 살고 있음을 나타낼 수 있다. 검색 엔진(140)은 프로필 데이터에 포함된 고향과 현재 위치를 비검색 수정자로써 이용할 수 있다. 검색 엔진(140)은 질의를 “크리켓 Ω (호주, 100), Ω (영국, 50)”으로 재작성할 수 있고, 여기서 Ω 연산자는 비검색 수정자를 나타내며 프로필 속성 및 가중치가 Ω 연산자의 변수로써 포함된다. 따라서, “크리켓”에 관한 문서들에 관련된 인덱스(130)로부터 수신한 URL은 질의 및 비검색 수정자에 대한 매치에 기반하여 랭킹될 수 있다. 그러므로, “크리켓”에 더해 “호주” 또는 “영국”에 매치되는 인덱스 항목들이 “크리켓”에만 매치되는 인덱스 항목들에 비해 검색 엔진 결과 페이지에서의 디스플레이에서 우선 순위를 갖게 된다.
인덱스(130)는 단어들과 포스팅 목록을 저장한다. 단어들은 보통, 웹 페이지, 비디오, 텍스트 파일 및 이미지와 같은 전자 문서에 관련되어 있다. 사용자는 포스팅 목록을 통해 단어들과 관련된 문서들을 식별할 수 있다. 몇몇 실시예에서, 인덱스(130)는 소셜 네트워크 상의 복수의 엔티티들에 대한 소셜 네트워크 식별자에 대응하는 태그들도 저장한다. 태그로 표현되는 소셜 네트워크 식별자와 컨텐츠 간에 매치를 찾았을 때 각각의 인덱스 항목에서의 URL과 관련된 컨텐츠의 분석에 기반하여 태그들이 인덱스에 자동으로 포함될 수 있다. 질의에서 식별된 엔티티와 관련된 URL에 대해, 이름 질의와 같은 질의들에 응답할 때 검색 엔진(140)은 태그들을 이용할 수 있다.
이름 질의를 포함하는 검색 요청에 응답하여 인덱스(130)를 탐색하고(traverse) 검색 엔진 결과 페이지를 생성하는 데 검색 엔진(140)이 이용된다. 검색 엔진(140)은 네트워크(110)를 통해 컴퓨터(120)에 통신 가능하게 연결된다. 검색 엔진(140)은 인덱스(130) 및 소셜 네트워크 제공자(150)에도 연결된다. 특정 실시예에서, 검색 엔진(140)은 컴퓨터(120) 상의 디스플레이를 위해 그래픽 사용자 인터페이스를 생성하는 서버 장치이다. 검색 엔진(140)은 네트워크(110)를 통해 사용자로부터 인터랙션을 수신하는 인터페이스를 렌더링하는 컴퓨터(120)로부터 단어 선택이나 링크 선택을 수신한다.
몇몇 실시예에서, 검색 엔진(140)은 질의 분류기(query classifier)(142), 응답 서비스(answer service)(144), 및 랭킹 엔진(146)을 포함한다. 질의 분류기(142)는 질의에 포함된 검색어들과, 가능한 경우, 사용자의 소셜 네트워크 식별자와 관련된 소셜 네트워크 데이터에 기반하여 질의를 분류하고자 한다. 질의는 좋아하는 것들, 이름, 음식, 음식점, 자연, 재무, 사업 등의 하나 이상의 카테고리로 분류될 수 있다. 예를 들어, 일 실시예에서, 질의 분류기(142)에서 질의 로그를 분석하여 질의에 대한 이전 검색에 포함된 하나 이상의 문서의 클릭 빈도를 결정할 수 있다. 그리고, 가장 높은 클릭 빈도를 갖는 문서를 대표 문서로 선택하고 분석하여, 문서의 분류를 결정할 수 있다. 예를 들어, 질의가 “크리켓”으로 이전 결과들의 질의 분류기(142)의 분석에서 클릭된 이전 결과들의 대부분이 벌레나 곤충이 아니라 스포츠 팀에 관한 것임을 보여주는 경우, 질의 분류기(142)는 스포츠 분류를 1차 분류로, 동물 분류를 2차 분류로 선택할 수 있다. 다른 실시예에서, 사용자의 소셜 네트워크 데이터를 수신하여 질의 분류기(142)에서 사용자가 좋아하는 것들을 분석하여 좋아하는 컨텐츠가 스포츠팀 또는 벌레와 곤충에 관한 것인지를 결정할 수 있다. 좋아하는 것들의 대다수가 스포츠 팀 대신에 벌레와 곤충에 관한 것이면, 질의 분류기(142)는 동물 분류를 질의에 대한 1차 분류로 선택할 수 있다. 또 다른 실시예에서, 질의 분류기(142)는 “bass”와 같은 한 단어(one-word) 질의를 어류>농어, 현악기>베이스, 및 남자 신발>바스와 같은 복수의 카테고리로 분류할 수 있다. 또한, 각각의 토픽 카테고리는 야외 오락>스포츠>낚시>담수>어류>농어, 예술>음악>악기>현악기>베이스, 및 쇼핑>의류>신발류>신발>남자 신발>바스와 같이 하나 이상의 더 큰 카테고리의 서브-토픽일 수 있다. 질의 분류기(142)는 질의를 분류하기 위해 인덱스(130)에 있는 매치되는 전자 문서들과 관련된 메타데이터를 사용할 수 있다. 문서들과 관련된 카테고리들을 나타내는 메타데이터를 사용하여, 카테고리가 인덱스(130)에서 반환한 매치되는 문서와 관련된 것으로 식별된 횟수를 카운트함으로써 각각의 질의를 분류할 수 있다.
응답 서비스(144)는 질의 및 질의에 관련된 분류를 수신할 수 있다. 응답 서비스(144)는 사용자의 소셜 네트워크 식별자를 탐지한다. 예를 들어, 사용자가 소셜 네트워크 계정에 로그인하면, 소셜 네트워크 제공자(150)로부터 사용자의 소셜 네트워크 식별자를 얻을 수 있다. 그리고, 응답 서비스(144)는 소셜 네트워크 제공자(150)로부터 사용자에 대한 소셜 네트워크 그래프를 얻을 수 있다. 응답 서비스(144)는 검색자와 소셜 네트워크 그래프에서 식별된 검색자의 친구들의 소셜 네트워크 프로필 데이터에 기반하여 질의를 재작성할 수 있다. 응답 서비스(144)는 소셜 네트워크 프로필 데이터로부터 추출한 수정자를, 다른 수정자에의 매치에 대해 다른 가중치를 지정하는 특수한 검색 비검색 연산자인 Ω와 함께 질의에 추가할 수 있다. 일 실시예에서, 다른 소셜 네트워크 프로필 필드의 수정자의 가중치는 검색 엔진 결과 페이지의 우선 순위 위치에 적합한 URL을 반환하도록 에디터들에 의해 판단된 데이터, 예를 들어, 특정 질의에 대한 프로필 구성 요소에 부여하기 위해 판단한 데이터, 또는 클릭 로그 데이터에 대해 기계 학습 모델을 트레이닝함으로써 얻어진다. 다른 프로필 필드의 수정자에 부여된 가중치는 질의의 분류에 따라 달라질 수 있다. 따라서, 질의 분류는 가중치를 선택하는 기계 학습 모델에 대한 다른 입력일 수 있다.
응답 서비스(144)는 재작성된 질의를 인덱스(130)에 전송한다. 인덱스(130)는 재작성된 질의를 수신하고 비검색어를 제외한 검색어들에 매치되는 항목들을 식별한다. 질의에 매치되는 항목들이 랭킹 엔진(146)으로 반환되어 검색 엔진 결과 페이지에서의 순서가 부여된다.
몇몇 실시예에서, 응답 서비스(144)는 질의가 이름 질의로 분류되었는지 여부와 사용자의 소셜 네트워크 식별자를 이용할 수 없는지 여부를 결정할 수 있다. 질의가 이름 질의로 분류되고 소셜 네트워크 식별자를 이용할 수 없는 경우, 응답 서비스(144)는 이름 질의에 관련된 공개(public) 소셜 네트워크 식별자들을 식별하고자 할 수 있다. 매치되는 소셜 네트워크 식별자들을 이용하여 인덱스(130)의 항목들에 태그를 붙일 수 있다. 응답 서비스(144)는 인덱스(130)에 이름 질의를 입력하고 이름 질의에 매치되는 항목들을 수신한다. 응답 서비스(144)는 이름 질의에 매치되는 소셜 네트워크 식별자에 기반하여 매치되는 항목들을 클러스터링한다. 클러스터링된 항목들이 랭킹을 위해 랭킹 엔진(146)으로 전송된다.
랭킹 엔진(146)은 응답 서비스(144)로부터 매치되는 항목들을 수신한다. 소셜 네트워크 식별자가 이용 가능할 때, 랭킹 엔진(146)은 질의 또는 비검색 수정자와 인덱스 항목들에 관련된 컨텐츠 아이템 간의 매치에 기반하여 항목들의 순서를 정한다. 비검색 수정자에 부여된 가중치는 랭킹 엔진(146)에 의해 매치되는 항목에 부여된 우선 순위의 증가분을 결정한다. 랭킹 엔진(146)은, 매치되는 비검색 수정자를 식별하고 각각의 매치되는 비검색 수정자의 가중치를 더해서, 매치되는 대응 항목의 순위가 증가한 양만큼을 결정한다.
소셜 네트워크 식별자를 이용할 수 없는 경우, 몇몇 실시예에서, 랭킹 엔진(146)은 랭킹 점수를 부여하기 위해 여러 가지 팩터들 중에서 컨텐츠 내의 단어 빈도, 인링크 및 아웃 링크의 개수, 및 날짜, 작성자, 최종 수정일 등과 같은 컨텐츠의 다른 특징들을 계산하는 페이지랭크(PageRank) 등과 같은 통상의 랭킹 함수에 기반하여 항목들의 순서를 정하도록 구성될 수 있다. 다른 실시예에서, 질의가 이름 질의로 분류될 때, 랭킹 엔진(146)은 인덱스 항목에 포함된 소셜 네트워크 식별자 태그에 기반하여 항목들을 클러스터링하고 각각의 클러스터 내의 항목들을 랭킹할 수 있다. 엔티티들을 이름 질의에 매치시키기 위한 프로필 데이터를, 질의에 매치되고 공개 소셜 네트워크 프로필 데이터를 갖고 있는 인덱스 항목들의 랭킹에 영향을 미치는 가중된 비검색 수정자로써 사용할 수 있다. 비검색 수정자를 이용하여 엔티티들에 관련된 소셜 네트워크 식별자에 대한 각각의 클러스터를 갖는 항목들을 랭킹할 수 있다.
따라서, 검색 엔진(140)은 인덱스(150)에 질의를 전송할 수 있다. 검색 엔진(140)은 질의를 이용하여 매치되는 URL을 식별한다. 그리고, 검색 엔진(140)은 매치를 측정하고, 검색 엔진 결과 페이지 안에 웹 페이지, 이미지, 비디오, 또는 기타 전자 문서를 가리키는 URL(uniform resource locator) 집합을 컴퓨터(120)에 제공한다. 검색 엔진 결과 페이지는 질의에 부여된 분류, 검색자의 소셜 네트워크 식별자의 이용 가능 여부, 또는 질의에서 식별된 엔티티들에 대한 소셜 네트워크 식별자 및 프로필에 기반하여 랭킹된 순서의 URL 또는 URL 클러스터를 포함할 수 있다.
소셜 네트워크 제공자(150)는 소셜 네트워크 데이터의 요청을 수신하고, 소셜 네트워크 데이터의 요청에 대한 응답을 생성한다. 소셜 네트워크 데이터는 교육, 직업, 현재 위치, 고향, 친구, 좋아하는 것들 및 관계 상태와 같은 사용자-프로필 데이터를 포함한다. 소셜 네트워크 데이터는 엔티티 이름에 상응하는 식별자를 포함한다. 예를 들어, 소셜 네트워크 식별자가 소셜 네트워크의 엔티티의 이름인 “Bart Smith”일 수 있다. 공개된 또는 사적인 소셜 네트워크 정보가 소셜 네트워크 제공자(150)가 액세스 가능한 데이터베이스에 저장될 수 있다. 또는 소셜 네트워크 데이터는 사용자의 친구의 친구들을 식별하고, 친구의 친구들에 관해 이용 가능한 데이터를 포함할 수 있다. 몇몇 실시예에서, 소셜 네트워크 제공자(150)는 네트워크(110), 인덱스(130), 및 컴퓨터(120)에 연결된 서버 장치일 수 있다.
따라서, 컴퓨팅 시스템(100)은 URL 또는 클러스터링된 URL을 포함하는 결과를 제공하는 검색 엔진(140)으로 구성된다. 검색 엔진(140)은 컴퓨터(120)로부터 수신된 검색 질의를 수신하고, 인덱스(130)를 탐색하여, 검색자의 소셜 네트워크 식별자의 이용 가능 여부에 기반하여 태깅된 결과를 포함하는 결과를 얻는다. 검색 엔진(140)은 컴퓨터(120)로 그 결과를 전송한다. 그리고, 컴퓨터(120)는 검색자에 대한 결과를 렌더링한다.
본 발명의 실시예는 검색자 또는 검색자의 친구들에 대해 이용 가능한 소셜 네트워크 데이터에 기반하여 질의에 매치되는 전자 문서의 우선 순위를 높인다. 검색 엔진은 검색자로부터 질의를 수신하고 검색자에 대한 소셜 네트워크 식별자의 이용 가능 여부를 결정한다. 검색자가 검색자의 소셜 네트워크 식별자를 제공하지 않는 경우, 전자 문서는 질의에 대한 매치에 기반하여 랭킹된다.
도 2는 본 발명의 실시예에 따르는, 검색 엔진 결과 페이지에 제공된 전자 문서들의 랭킹을 위한 컴퓨터로 구현되는 예시적인 방법을 도시하는 논리 다이어그램이다. 단계(202)에서 방법이 초기화된다. 단계(204)에서, 검색 엔진은 검색자로부터 질의를 수신한다. 단계(206)에서, 검색 엔진은 사용자에 대한 소셜 네트워크 식별자의 이용 가능 여부를 결정한다.
단계(208)에서 소셜 네트워크 식별자가 이용 가능한 경우, 검색 엔진은 소셜 데이터 저장소로부터 검색자의 소셜 네트워크 그래프를 얻는다. 그리고, 단계(210)에서 소셜 네트워크 그래프로부터 얻은 프로필 데이터에 기반하여 가중된 비검색 수정자를 가지고 질의를 확장한다. 적어도 하나의 실시예에서, 프로필 데이터는 사용자가 좋아하는 아이템들을 포함한다. 또한 프로필 데이터는 검색자 및 검색자의 친구들에 관한 위치, 이름, 관계 상태, 고향, 교육 및 직장 중 임의의 것을 포함할 수 있다.
몇몇 실시예에서, 검색 엔진은 질의를 분류하고 질의와 관련된 분류에 기반하여 가중된 비검색 수정자에 가중치를 부여한다. 가중된 비검색 수정자에 부여된 가중치는 질의의 분류에 따라 달라질 수 있다. 예를 들어, 질의가 스포츠 질의로 분류되면, 검색 엔진에 의해 고향 및 현재 위치 필드에 더 큰 가중치가 부여될 수 있고, 질의가 재무 질의로 분류되면, 고향 및 현재 위치 필드 대신 직업 및 교육에 더 큰 가중치가 부여될 수 있다. 특정 실시예에서, 질의의 분류가 사람, 사업, 정치, 스포츠, 재무, 영화, 음식, 오락, 길 안내 또는 일반 중 하나 이상일 수 있다. 단계(212)에서, 검색 엔진은 질의에 포함된 검색어와 가중된 비검색 수정자에 기반하여 질의에 매치되는 전자 문서들을 랭킹한다. 적어도 하나의 실시예에서, 검색자 및 검색자의 친구들의 이용 가능한 소셜 네트워크 데이터에 매치되는 전자 문서들의 랭킹을 높이기 위해, 검색 엔진은 매치되는 프로필 데이터에 상응하는 각각의 가중된 비검색 수정자의 합계인 점수를 생성한다.
소셜 네트워크 식별자를 이용할 수 없을 때, 단계(214)에서 검색 엔진은 질의에 매치되는 전자 문서들을 식별한다. 그리고, 단계(216)에서 검색 엔진은 질의에 포함된 검색어에 기반하여 질의에 매치되는 전자 문서들을 랭킹한다. 단계(218)에서, 검색 엔진은 컴퓨팅 장치 상에 디스플레이되도록 사용자에게 랭킹된 문서들을 전송한다. 단계(220)에서 방법이 종료된다.
따라서, 검색 엔진이 질의를 이름 질의로 분류하는 경우, 검색 엔진은 소셜 네트워크 제공자에 의해 저장되는 소셜 네트워크 그래프에 액세스하여 이름이 질의에 매치되는 검색자의 친구들 및 친구의 친구들을 찾는다. 이후에 검색 엔진에 의해 (a) 검색자의 프로필 정보, (b) 매치되는 친구의 프로필 정보, (c) 매치되는 친구의 친구의 프로필 정보, 및 (d) 검색자 및 매치되는 친구나 매치되는 친구의 친구의 공통의 친구들의 프로필 정보로부터 얻어진 Ω-항을 가지고 질의가 확장된다. 검색 엔진은 이런 Ω-항에 가중치를 부여하고 매치되는 전자 문서들의 랭킹을 위해 Ω-항을 이용한다.
예를 들어, 검색자가 주립 대학의 전산학과 교수이며 검색자의 소셜 네트워크의 일부인 “Sam Lee”를 찾을 의도로 “Sam Lee”라는 질의를 생성하였다. 그러나, 검색 엔진 결과 페이지가 다른 “Sam Lee”에 관한 URL들을 포함한다. 한편, 검색 엔진이 검색자의 소셜 네트워크에서 검색자가 주립 대학 전산학과 교수인 “Sam Lee”로부터 두 단계 떨어져 있다는 것을 알고 있다면, 검색 엔진은 검색자와 교수의 Ω-항을 이용하여 검색자의 소셜 네트워크에 있고 검색자가 찾고 있을 가능성이 가장 큰 Sam Lee에 대한 URL들의 우선 순위를 정할 수 있다. 검색 엔진은 가장 가능성이 큰 Sam Lee에 대응하는 전자 문서들의 랭킹을 높이는 Ω-항을 가지고 질의를 확장할 수 있다. 검색 엔진에서 생성한 새로운 질의는 “Sam Lee Ω(교수, 10) Ω(주립 대학, 100) Ω(전산학과, 50)”일 수 있고, 여기서 단어들 “교수”, “버클리”, 및 “전산학과”는 검색자의 친구의 친구인 Sam Lee의 소셜 네트워크 프로필에서 추출되었다. Ω-연산자는 매치되는 문서들의 검색된 집합에는 영향 없이 단지 랭킹에만 영향을 미치며, 즉, 다른 Sam Lee에 관한 문서들이 여전히 반환되지만 교수 “Sam Lee”에 관한 문서들에 주어지는 랭킹 증가를 받지 못하게 된다.
본 발명의 대안적인 실시예에서, 검색 엔진이 질의를 이름 질의로 분류하는 경우, 질의에 매치되는 소셜 네트워크 식별자들에 기반하여 질의에 매치되는 전자 문서들을 클러스터링하기 위해 소셜 네트워크 식별자로 태깅된 인덱스에 엑세스할 수 있다. 검색 엔진은 검색자로부터 질의를 수신하고 검색자에 대한 소셜 네트워크 식별자의 이용 가능 여부를 결정한다. 검색자가 자신의 소셜 네트워크 식별자를 제공하지 않는 경우, 질의에 대한 매치에 기반하여 클러스터 내에서 전자 문서가 랭킹된다.
도 3은 본 발명의 실시예에 따르는, 검색 엔진 결과 페이지에 제공된 전자 문서들의 랭킹을 위한 예시적인 다른 방법을 도시하는 논리 다이어그램이다. 단계(302)에서 방법이 초기화된다. 단계(304)에서, 검색 엔진은 질의를 수신한다. 단계(306)에서, 검색 엔진은 사용자에 대한 소셜 네트워크 식별자의 이용 가능 여부를 결정한다. 단계(308)에서 소셜 네트워크 식별자가 이용 가능한 경우, 검색 엔진은 소셜 데이터 저장소로부터 검색자의 소셜 네트워크 그래프를 얻는다. 단계(310)에서, 검색 엔진은 소셜 네트워크 그래프로부터 얻은 프로필 데이터에 기반하여 가중된 비검색 수정자를 가지고 질의를 확장한다. 일 실시예에서, 프로필 데이터는 사용자가 좋아하는 아이템들을 포함한다. 또한 프로필 데이터는 검색자 또는 검색자의 친구들에 관련된 위치, 이름, 관계 상태, 고향, 교육 및 직장 중 임의의 것을 포함할 수 있다.
특정 실시예에서, 검색 엔진이 질의를 분류한다. 그리고, 검색 엔진은 질의와 관련된 분류에 기반하여 가중된 비검색 수정자에 가중치를 부여한다. 가중된 비검색 수정자에 부여된 가중치는 질의의 분류에 따라 달라질 수 있다. 질의의 분류는 사람, 사업, 스포츠, 재무, 영화, 음식, 오락, 길 안내 또는 일반 중 하나 이상이다. 단계(312)에서, 검색 엔진은 질의에 포함된 검색어와 가중된 비검색 수정자에 기반하여 질의에 매치되는 전자 문서들을 랭킹한다. 단계(314)에서, 검색 엔진은 검색자의 컴퓨팅 장치 상에 디스플레이되도록 사용자에게 랭킹된 문서들을 전송한다. 검색 엔진은 검색자와 검색자의 친구들에 대한 소셜 네트워크 데이터에 매치되는 전자 문서들의 부분 집합의 랭킹을 향상시키기 위해, 전자 항목들의 컨텐츠에 매치되는 프로필 데이터에 상응하는 각각의 가중된 비검색 수정자의 합계인 점수를 생성할 수 있다.
소셜 네트워크 식별자를 이용할 수 없는 경우, 단계(316)에서 검색 엔진은 복수의 엔티티들에 대한 소셜 네트워크 식별자들로 태깅된 인덱스에 액세스한다. 단계(318)에서, 검색 엔진은 질의가 인덱스에 포함된 전자 항목들의 임의의 항목에 매치되는지 여부를 결정하고 매치되는 전자 항목들을 찾아낸다. 그리고, 단계(320)에서 검색 엔진은 소셜 네트워크 식별자에 기반하여 매치되는 전자 항목들을 클러스터링한다. 단계(322)에서, 검색 엔진은 컴퓨팅 장치 상에 디스플레이되도록 사용자에게 결과와 클러스터링된 전자 항목들을 전송한다. 단계(324)에서 방법이 종료된다.
따라서, 검색 엔진이 검색자의 소셜 네트워크 신분을 모를 때, 애매모호한 이름 질의인 경우, 즉, 둘 이상의 엔티티들이 동일한 이름을 공유하고 웹 상에 존재하는 경우에는 여전히 검색 엔진 결과에 포함된 결과들을 개선할 수 있다. 하나 이상의 이름을 포함하는 모든 전자 인덱스 항목이 전자 인덱스 항목들에 관련된 문서에 가장 잘 매치되는 동일한 이름들을 갖는 사용자의 소셜 네트워크 식별자로 사전에 태깅된다. 동일한 이름의 사용자에 대한 문서 매치의 세기(strength)가 엔티티들의 소셜 네트워크 데이터에서 이용 가능한 직장, 학교, 취미 등과 같은 상이한 프로필 필드들에 대한 매치의 가중된 합계로써 계산될 수 있다. 몇몇 실시예에서, 상이한 프로필 필드에 대한 가중치를 이용하여 매치의 세기를 계산한다. 동일한 이름의 다른 사용자들보다 문서에 대해 더 잘 매치되는 사용자가 없으면, 문서는 어떤 ID로도 태깅되지 않을 수 있다. 다른 실시예에서, 소셜 네트워크 식별자로 각각의 문서가 태깅되고, 매치되는 프로필 데이터의 세기가 검색 엔진 결과 페이지에 포함된 클러스터들의 순서에 반영된다. 검색 엔진에서 질의를 수신할 때, 질의가 분류된다. 질의가 이름 질의이면, 검색 엔진은 이름 질의에 매치되는 엔티티들의 소셜 네트워크 식별자를 결정하기 위해 공개 소셜 데이터 저장소에 액세스할 수 있다. 엔티티들의 공개 소셜 네트워크 식별자와 함께 질의가 인덱스로 전송되고, 인덱스는 그 공개 소셜 네트워크 식별자를 갖고 있는 이름 질의에 매치되는 모든 전자 인덱스 항목들을 반환한다. 검색 엔진은 매치되는 항목들을 수신하고, 매치되는 소셜 네트워크 식별자들에 기반하여 이 항목들을 클러스터링한다. 질의에 대한 매치에 기반하여 각각의 클러스터 내의 항목들이 랭킹된다. 다른 실시예에서, 항목들에 관련된 컨텐츠와 동일한 이름의 엔티티들에 관련된 프로필 데이터 간의 유사성에 기반하여 항목들이 랭킹된다. 검색 엔진은 검색자가 파고 들어갈 수 있는 대안적인 결과 집합으로써 클러스터들을 사용자에게 반환한다.
예를 들어, 공개 소셜 네트워크에 적어도 두 명의 Sam Lee가 있을 수 있다. 한 사람은 전산학과 전공의 주립 대학 전산학과 교수이고, 다른 사람은 뉴욕에 있는 은행의 분석가이다. 검색자가 익명으로 “Sam Lee”라는 질의를 입력할 때, 검색 엔진은 Sam Lee라는 이름의 각각의 엔티티에 대해 이용 가능한 공개 소셜 네트워크 정보에 기반하는 둘 이상의 클러스터링된 결과 집합으로 검색자에 대응할 수 있다. 첫 번째 클러스터는 단어들 “주립 대학” 또는 “교수” 또는 “전산학과”도 포함하는 Sam Lee에 관한 전자 문서들을 포함할 수 있다. 두 번째 클러스터는 단어들 “은행” 또는 “은행가” 또는 “뉴욕”도 포함하는 Sam Lee에 관한 전자 문서들을 포함할 수 있다. 세 번째 클러스터는 다른 두 개의 클러스터링된 엔티티들에 관련된 소셜 네트워크 프로필에 대한 단어에 매치되지 않는 엔티티 “Sam Lee”에 관련된 전자 문서들을 포함할 수 있다. 이를 통해 검색자는 자신이 가장 관심을 갖고 있는 클러스터를 빨리 파고 들어갈 수 있게 된다.
도 4는 예시적인 운영 환경을 도시하는 컴포넌트 다이어그램이다. 본 발명의 실시예들의 개요를 간략하게 설명하였으며, 본 발명의 다양한 양태들이 구현될 수 있는 예시적인 동작 환경에 대해 이제부터 설명한다. 일반적으로 도면을 참조하면, 특히 처음에는 도 4를 참조하면, 본 발명의 실시예를 구현하기 위한 예시적인 동작 환경은 일반적으로 컴퓨팅 장치(400)로써 도시되고 설계된다. 컴퓨팅 장치(400)는 적합한 컴퓨팅 환경의 일례에 불과하며, 본 발명의 사용 또는 기능의 범위에 대한 어떠한 한정도 제시하는 것이 아니다. 또한 컴퓨팅 장치(400)는 설명될 컴포넌트들 중 어느 하나 또는 이들의 조합과 관련된 어떠한 종속성 또는 요건을 갖는 것으로 해석되어서는 안 된다.
본 발명의 실시예는 일반적으로, PDA(personal data assistant) 또는 기타 핸드헬드 장치와 같은 컴퓨터 또는 기타 기계에 의해 실행되는, 프로그램 모듈과 같은 컴퓨터 실행 가능 명령어를 포함하는 컴퓨터 코드 또는 기계-사용 가능 명령어로 기술될 수 있다. 일반적으로, 루틴, 프로그램, 객체, 컴포넌트, 데이터 구조 등을 포함하는 프로그램 모듈은 특정 작업을 수행하거나 특정 추상 데이터 유형을 구현하는 코드를 지칭한다. 본 발명은 핸드-헬드 장치, 소비자 가전, 범용 컴퓨터, 더 특수화된 컴퓨팅 장치 등과 같은 다양한 시스템 구성에서 실시될 수 있다. 본 발명의 실시예는 또한, 통신 네트워크를 통해 연결된 원격-처리 장치에 의해 작업이 수행되는 분산 컴퓨팅 환경에서 실시될 수 있다.
도 4를 계속 참조하여, 컴퓨팅 장치(400)는 다음의 장치들, 메모리(412), 하나 이상의 프로세서(414), 하나 이상의 프레젠테이션 컴포넌트(presentation component)(416), 입/출력 포트(418), 입/출력 컴포넌트(420), 및 예시적인 전원(422)을 직접 또는 간접적으로 연결하는 버스(410)를 포함한다. 상기 버스(410)는 하나 이상의 버스들(예컨대, 주소 버스, 데이터 버스, 또는 이들의 조합)일 수 있는 것을 나타낸다. 도 4의 다양한 블록은 간결성을 위해 선으로 나타나지만, 실제로, 다양한 컴포넌트를 묘사하는 것이 그렇게 명료하지 않고, 비유적으로, 선들은 더 정확하게 애매하고(grey) 흐려질(fuzzy) 것이다. 예를 들어, 디스플레이 장치와 같은 프레젠테이션 컴포넌트가 I/O 컴포넌트인 것을 고려할 수 있다. 추가로, 많은 프로세서들이 메모리를 가진다. 본 발명자는 이러한 것이 해당 분야의 속성이며, 도 4의 다이어그램은 본 발명의 하나 이상의 실시예와 함께 사용될 수 있는 예시적인 컴퓨팅 장치의 예에 불과함을 강조한다. "워크스테이션", "서버", "랩톱", "핸드헬드 장치" 등의 카테고리들 간에 구별은 이뤄지지 않는데, 이들 모두 도 4의 범위 내에 있고 "컴퓨팅 장치"를 지칭하기 때문이다.
일반적으로 컴퓨팅 장치(400)는 다양한 컴퓨터 판독 가능 매체를 포함한다. 컴퓨터 판독 가능 매체는 컴퓨팅 장치(400)에 의해 액세스될 수 있고 휘발성 및 비휘발성 매체, 이동식 및 비이동식 매체 모두를 포함하는 임의의 이용 가능한 매체일 수 있다. 예를 들어, 컴퓨터 판독 가능 매체는 컴퓨터 저장 매체 및 통신 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 명령어, 데이터 구조, 프로그램 모듈, 또는 기타 데이터와 같은 정보의 저장을 위한 임의의 방법 또는 기술로 구현되는 휘발성 및 비휘발성, 이동식 및 비이동식 매체를 포함한다. 컴퓨터 저장 매체는, RAM(Random Access Memory), ROM(Read Only Memory), EEPROM(Electronically Erasable Programmable Read Only Memory), 플래시 메모리 또는 기타 메모리 기술, CD-ROM, DVD(digital versatile disk) 또는 기타 홀로그램 메모리, 자기 카세트, 자기 테이프, 자기 디스크 저장 장치 또는 기타 자기 저장 장치, 반송파, 또는 원하는 정보를 인코딩하기 위해 사용될 수 있고 컴퓨팅 장치(400)가 액세스할 수 있는 기타 임의의 매체를 포함하지만, 이에 국한되지는 않는다.
메모리(412)는 휘발성 및/또는 비휘발성 메모리의 형태로 된 컴퓨터-저장 매체를 포함한다. 상기 메모리는 이동식, 비이동식, 또는 이들의 조합일 수 있다. 예시적인 하드웨어 장치는 고체 상태 메모리, 하드 드라이브, 광-디스크 드라이브 등을 포함한다. 컴퓨팅 장치(400)는 메모리(412) 또는 I/O 컴포넌트(420)와 같은 다양한 엔티티들로부터 데이터를 판독하는 하나 이상의 프로세서를 포함한다. 프레젠테이션 컴포넌트(들)(416)는 사용자 또는 다른 장치에게 데이터 표시를 제공한다. 예시적인 프레젠테이션 컴포넌트는 디스플레이 장치, 스피커, 인쇄 컴포넌트, 진동 컴포넌트 등을 포함한다.
I/O 포트(418)는 컴퓨팅 장치(400)가 I/O 컴포넌트(420)를 포함하는 다른 장치들에 논리적으로 연결되도록 하며, 이들 중 일부는 내장될 수 있다. 예시적인 컴포넌트는 마이크로폰, 조이스틱, 게임 패드, 위성 접시, 스캐너, 인쇄기, 무선 장치 등을 포함한다.
검색자와 사전 정의된 유형의 관계를 갖고 있는 사람들을 신뢰성 있게 찾기 위해 소셜 네트워킹 사이트에서 찾을 수 있는 정보를 가장 잘 이용하여 동작하는 본 발명의 실시예는 검색자에게 제공되는 검색 결과 및/또는 광고에 영향을 미친다. 검색 엔진은 검색자의 소셜 네트워크 정보에 기반하는 비검색 수정자를 가지고 질의를 확장한다. 질의의 매치되는 항목들은 질의 및 소셜 네트워크 정보 모두에 매치되는 항목들에 추가로 우선 순위를 두도록 순서가 정해진다.
예를 들어, 검색 엔진은 소셜 네트워크에 로그인한 검색자에 대한 이름 질의를 수신할 수 있다. 검색 엔진은 검색자의 소셜 네트워크에 액세스하여 그 이름이 질의에 매치되는 검색자의 친구들 또는 친구의 친구들을 찾는다. 다수의 엔티티들이 동일한 이름을 갖고 있는 경우, 검색자는 소셜 네트워크에서 자신으로부터 가장 적은 단계가 떨어진 특정 엔티티를 찾고 있을 가능성이 크다. 다음으로 검색 엔진은 매치되는 친구들 또는 친구의 친구들의 프로필 정보로부터 얻은 소셜 단어(social term)를 가지고 질의를 재작성한다. 이는 이름 질의에 매치되는 이름을 갖고 있는, 검색자 및 매치되는 친구들이나 매치되는 친구의 친구들의 공통의 친구들의 프로필 정보를 포함한다. 검색자는 공통 친구들의 이름을 포함하는 전자 문서들에 관심을 갖고 있을 것이므로, 검색 엔진은 전자 문서들의 순서에 영향을 주고자 한다. 가중치는 추가된 소셜 단어의 각각에 대한 매치에 대해 특정되는데, 예를 들어, 공통 친구들, 또는 공통 친구들의 수에 대한 매치는 친구 또는 친구의 친구와 검색자가 공유하고 있는 직장에 대한 매치보다 낮은 가중치가 주어질 수 있다. 이와 같이 서로 다른 가중치는 기계 학습 모델로부터 얻어져 검색 엔진에 의해 인덱스로부터 검색되는 전자 문서들을 랭킹하는 데 이용된다.
본 발명은 특정 실시예들에 관해 설명되었으며, 이 실시예들은 제한하기보다는 예시를 들기 위한 것이다. 본 발명이 그 범위를 벗어나지 않는 한, 본 발명에 관련된 다른 실시예들도 당업자들에게 자명할 것이다. 전술한 바로부터, 본 발명은 상기 시스템 및 방법에 자명하고 고유한 다른 효과와 함께, 앞서 설명한 모든 목적 및 목표를 이루도록 조정된 것임을 알 수 있다. 특정 특징들 및 서브컴비네이션들이 유용하고, 이들은 다른 특징들 및 서브컴비네이션들과 관계없이 이용될 수 있음을 이해할 것이다. 이는 특허청구범위에 의해 그리고 그 범위 내에서 고려된다.

Claims (10)

  1. 검색 엔진 결과 페이지에 제공되는 전자 문서들을 랭킹하는 컴퓨터로 구현되는 방법에 있어서,
    상기 방법은
    하나 이상의 컴퓨터 장치에 의해, 사용자로부터 질의를 수신하는 단계,
    상기 하나 이상의 컴퓨터 장치에 의해, 상기 사용자에 대한 소셜 네트워크 식별자가 이용 가능한지 여부를 결정하는 단계,
    상기 소셜 네트워크 식별자가 이용 가능할 경우, 상기 하나 이상의 컴퓨터 장치에 의해,
    상기 사용자의 소셜 네트워크 그래프를 얻기,
    상기 소셜 네트워크 그래프로부터 얻은 프로필 데이터에 기반하여 가중된 비검색 수정자들(non-retrieval modifiers)을 가지고 상기 질의를 확장하기,
    상기 질의에 포함된 검색어들과 상기 비검색 수정자들에 기반하여 상기 질의에 매치되는 전자 문서들을 랭킹하기, 및
    컴퓨터 장치에 디스플레이되도록 상기 사용자에게 상기 랭킹된 문서들을 전송하기를 실행하는 단계, 및
    상기 소셜 네트워크 식별자가 이용 가능하지 않을 경우, 상기 하나 이상의 컴퓨터 장치에 의해,
    상기 질의에 포함된 상기 검색어들에 기반하여 상기 질의에 매치되는 전자 문서들을 식별하기,
    상기 질의에 포함된 상기 검색어들에 기반하여 상기 질의에 매치되는 전자 문서들을 랭킹하기, 및
    컴퓨터 장치에 디스플레이되도록 상기 사용자에게 상기 랭킹된 문서들을 전송하기를 실행하는 단계를 포함하는 방법.
  2. 제 1 항에 있어서,
    상기 방법은
    상기 질의를 분류하는 단계, 및
    상기 질의에 관련된 분류에 기반하여 상기 가중된 비검색 수정자들에 가중치를 부여하는 단계 - 상기 가중된 비검색 수정자들에 부여된 상기 가중치는 상기 질의의 상기 분류에 따라 달라지고 상기 질의의 상기 분류는 사람, 사업, 정치, 스포츠, 재무, 영화, 음식, 오락, 길 안내 및 일반(general) 중에 하나 이상임 -를 더 포함하는 방법.
  3. 제 1 항에 있어서,
    상기 프로필 데이터는 사용자가 좋아하는 아이템들을 포함하는 방법.
  4. 제 1 항에 있어서,
    상기 프로필 데이터는 위치, 이름, 관계 상태, 고향, 교육 및 직장 중 임의의 것을 포함하는 방법.
  5. 제 1 항 또는 제 2 항에 있어서,
    상기 질의에 포함된 상기 검색어들과 상기 비검색 수정자들에 기반하여 상기 질의에 매치되는 상기 전자 문서들을 랭킹하는 단계는 매치되는 프로필 데이터에 상응하는 상기 가중된 비검색 수정자들 각각의 합계인 점수를 생성하는 단계를 더 포함하는 방법.
  6. 전자 인덱스 항목들을 랭킹하는 방법을 실행하도록 구현된 컴퓨터 실행 가능 명령어를 갖는 하나 이상의 컴퓨터 판독 가능 매체에 있어서,
    상기 방법은
    하나 이상의 컴퓨터 장치에 의해, 사용자로부터 질의를 수신하는 단계,
    상기 하나 이상의 컴퓨터 장치에 의해, 상기 사용자에 대한 소셜 네트워크 식별자가 이용 가능한지 여부를 결정하는 단계,
    상기 소셜 네트워크 식별자가 이용 가능할 경우, 상기 하나 이상의 컴퓨터 장치에 의해,
    상기 사용자의 소셜 네트워크 그래프를 얻기,
    상기 소셜 네트워크 그래프로부터 얻은 프로필 데이터에 기반하여 가중된 비검색 수정자들을 가지고 상기 질의를 확장하기,
    상기 질의에 포함된 검색어들과 상기 비검색 수정자들에 기반하여 상기 질의에 매치되는 문서들에 상응하는 전자 인덱스 항목들을 랭킹하기, 및
    컴퓨터 장치에 디스플레이되도록 상기 사용자에게 상기 랭킹된 전자 항목들을 전송하기를 실행하는 단계, 및
    상기 소셜 네트워크 식별자가 이용 가능하지 않을 경우, 상기 하나 이상의 컴퓨터 장치에 의해,
    복수의 엔티티들에 대한 소셜 네트워크 식별자들로 태깅된 인덱스에 액세스하기,
    상기 질의가 상기 인덱스에 포함된 상기 전자 항목들 중 임의의 항목에 매치되는지 여부를 결정하기,
    상기 소셜 네트워크 식별자들에 기반하여 매치되는 전자 항목들을 클러스터링하기, 및
    상기 컴퓨터 장치에 디스플레이되도록 상기 사용자에게 상기 결과 및 상기 클러스터링된 전자 항목들을 전송하기를 실행하는 단계를 포함하는 컴퓨터 판독 가능 매체.
  7. 제 6 항에 있어서,
    상기 방법은
    상기 질의를 분류하는 단계, 및
    상기 질의에 관련된 분류에 기반하여 상기 가중된 비검색 수정자들에 가중치를 부여하는 단계 - 상기 가중된 비검색 수정자들에 부여된 상기 가중치는 상기 질의의 상기 분류에 따라 달라지고 상기 질의의 상기 분류는 사람, 사업, 스포츠, 재무, 영화, 음식, 오락, 길 안내 또는 일반 중에 하나 이상임 - 를 더 포함하는 컴퓨터 판독 가능 매체.
  8. 제 6 항에 있어서,
    상기 질의에 포함된 상기 검색어들과 상기 비검색 수정자들에 기반하여 상기 질의에 매치되는 상기 전자 문서들을 랭킹하는 단계는 상기 전자 항목들의 컨텐츠에 매치되는 프로필 데이터에 상응하는 상기 가중된 비검색 수정자들 각각의 합계인 점수를 생성하는 단계를 더 포함하는 컴퓨터 판독 가능 매체.
  9. 전자 인덱스 항목들을 랭킹하도록 구성된 검색 엔진을 실행하는 컴퓨터 시스템에 있어서,
    상기 시스템은
    멀티미디어 데이터에 대한 전자 항목들의 인덱스, 및
    사용자로부터 질의를 수신하고, 상기 사용자에 대한 소셜 네트워크 식별자가 이용 가능한지 여부를 결정하고, 상기 소셜 네트워크 식별자가 이용 가능할 경우, 상기 사용자에 대한 소셜 네트워크 그래프를 얻고, 상기 소셜 네트워크 그래프로부터 얻은 프로필 데이터에 기반하여 가중된 비검색 수정자들을 가지고 상기 질의를 확장하고, 상기 질의에 포함된 검색어들과 상기 비검색 수정자들에 기반하여 상기 질의에 매치되는 전자 인덱스 항목들을 랭킹하고, 컴퓨터 장치에 디스플레이되도록 상기 사용자에게 상기 랭킹된 인덱스 항목들을 전송하도록 구성된 하나 이상의 프로세서를 포함하는 시스템.
  10. 제 9 항에 있어서,
    상기 하나 이상의 프로세서는 복수의 엔티티들에 대한 소셜 네트워크 식별자들을 가지고 인덱스를 태깅하고, 상기 복수의 엔티티들에 대한 소셜 네트워크 식별자들로 태깅된 상기 인덱스에 액세스하고, 상기 질의가 상기 태깅된 인덱스에 포함된 상기 전자 항목들 중 임의의 항목에 매치되는지 여부를 결정하고, 상기 소셜 네트워크 식별자들에 기반하여 매치되는 전자 항목들을 클러스터링하고, 상기 컴퓨터 장치에 디스플레이되도록 상기 사용자에게 상기 결과 및 상기 클러스터링된 전자 항목들을 전송하도록 구성된 시스템.
KR1020147010860A 2011-10-26 2012-10-25 소셜 네트워크 피쳐들을 갖는 이름 및 기타 검색 질의의 적합도 KR20140091530A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/282,025 2011-10-26
US13/282,025 US20130110827A1 (en) 2011-10-26 2011-10-26 Relevance of name and other search queries with social network feature
PCT/US2012/062001 WO2013063327A1 (en) 2011-10-26 2012-10-25 Relevance of name and other search queries with social network features

Publications (1)

Publication Number Publication Date
KR20140091530A true KR20140091530A (ko) 2014-07-21

Family

ID=47928128

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020147010860A KR20140091530A (ko) 2011-10-26 2012-10-25 소셜 네트워크 피쳐들을 갖는 이름 및 기타 검색 질의의 적합도

Country Status (6)

Country Link
US (1) US20130110827A1 (ko)
EP (1) EP2771823A4 (ko)
JP (1) JP2014532924A (ko)
KR (1) KR20140091530A (ko)
CN (1) CN102999560A (ko)
WO (1) WO2013063327A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200023716A (ko) 2018-08-24 2020-03-06 연세대학교 산학협력단 빅데이터 기반의 소셜 정치 시스템

Families Citing this family (63)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120158720A1 (en) * 2008-04-29 2012-06-21 Microsoft Corporation Social network powered search enhancements
US9104737B2 (en) * 2009-10-08 2015-08-11 Microsoft Technology Licensing, Llc Social distance based search result order adjustment
US8676937B2 (en) * 2011-05-12 2014-03-18 Jeffrey Alan Rapaport Social-topical adaptive networking (STAN) system allowing for group based contextual transaction offers and acceptances and hot topic watchdogging
US9514198B1 (en) 2011-09-06 2016-12-06 Google Inc. Suggesting a tag to promote a discussion topic
US10606989B2 (en) 2011-09-07 2020-03-31 Elwha Llc Computational systems and methods for verifying personal information during transactions
US10198729B2 (en) 2011-09-07 2019-02-05 Elwha Llc Computational systems and methods for regulating information flow during interactions
US10546306B2 (en) 2011-09-07 2020-01-28 Elwha Llc Computational systems and methods for regulating information flow during interactions
US9690853B2 (en) 2011-09-07 2017-06-27 Elwha Llc Computational systems and methods for regulating information flow during interactions
US10523618B2 (en) * 2011-09-07 2019-12-31 Elwha Llc Computational systems and methods for identifying a communications partner
US10074113B2 (en) 2011-09-07 2018-09-11 Elwha Llc Computational systems and methods for disambiguating search terms corresponding to network members
US9747561B2 (en) 2011-09-07 2017-08-29 Elwha Llc Computational systems and methods for linking users of devices
US9928485B2 (en) 2011-09-07 2018-03-27 Elwha Llc Computational systems and methods for regulating information flow during interactions
US9491146B2 (en) 2011-09-07 2016-11-08 Elwha Llc Computational systems and methods for encrypting data for anonymous storage
US9665643B2 (en) * 2011-12-30 2017-05-30 Microsoft Technology Licensing, Llc Knowledge-based entity detection and disambiguation
US9294537B1 (en) * 2012-01-13 2016-03-22 Google Inc. Suggesting a tag for content
US8645361B2 (en) * 2012-01-20 2014-02-04 Microsoft Corporation Using popular queries to decide when to federate queries
US20130212081A1 (en) * 2012-02-13 2013-08-15 Microsoft Corporation Identifying additional documents related to an entity in an entity graph
US9747372B2 (en) 2012-04-17 2017-08-29 Proofpoint, Inc. Systems and methods for discovering social accounts
US8799276B1 (en) * 2012-05-30 2014-08-05 Google Inc. Displaying social content in search results
US9465875B2 (en) * 2012-05-31 2016-10-11 Hewlett Packard Enterprise Development Lp Searching based on an identifier of a searcher
US10042926B1 (en) * 2012-10-15 2018-08-07 Facebook, Inc. User search based on family connections
US10277945B2 (en) * 2013-04-05 2019-04-30 Lenovo (Singapore) Pte. Ltd. Contextual queries for augmenting video display
US9547698B2 (en) 2013-04-23 2017-01-17 Google Inc. Determining media consumption preferences
US9251146B2 (en) * 2013-05-10 2016-02-02 International Business Machines Corporation Altering relevancy of a document and/or a search query
US9317614B2 (en) * 2013-07-30 2016-04-19 Facebook, Inc. Static rankings for search queries on online social networks
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
US9646055B2 (en) * 2014-04-03 2017-05-09 Facebook, Inc. Blending search results on online social networks
CN105446972B (zh) 2014-06-17 2022-06-10 阿里巴巴集团控股有限公司 基于及融合用户关系数据的搜索方法、装置和系统
US20160034532A1 (en) * 2014-07-31 2016-02-04 Dmytro Andriyovich Ivchenko Flexible operators for search queries
US10042940B2 (en) 2014-08-29 2018-08-07 Microsoft Technology Licensing, Llc Enhancing rankings of search results for member profile queries
US10061826B2 (en) 2014-09-05 2018-08-28 Microsoft Technology Licensing, Llc. Distant content discovery
US9779136B2 (en) * 2014-09-30 2017-10-03 Linkedin Corporation Rearranging search operators
US9727648B2 (en) * 2014-12-19 2017-08-08 Quixey, Inc. Time-box constrained searching in a distributed search system
US10061856B2 (en) * 2015-01-29 2018-08-28 Facebook, Inc. Multimedia search using reshare text on online social networks
RU2587424C1 (ru) * 2015-02-20 2016-06-20 Закрытое акционерное общество "Лаборатория Касперского" Способ контроля приложений
CN106294418B (zh) * 2015-05-25 2019-08-30 北京大学 检索方法和检索系统
CN106339402B (zh) * 2015-07-16 2020-11-24 腾讯科技（深圳）有限公司 一种推荐内容推送的方法、装置及系统
US10496716B2 (en) * 2015-08-31 2019-12-03 Microsoft Technology Licensing, Llc Discovery of network based data sources for ingestion and recommendations
US10043070B2 (en) * 2016-01-29 2018-08-07 Microsoft Technology Licensing, Llc Image-based quality control
US10782778B2 (en) * 2019-05-08 2020-09-22 Maximilian Ralph Peter von und zu Liechtenstein Gaze initiated interaction technique
US11237629B2 (en) * 2016-02-06 2022-02-01 Maximilian Ralph Peter von und zu Liechtenstein Social networking technique for augmented reality
US20170236073A1 (en) * 2016-02-12 2017-08-17 Linkedln Corporation Machine learned candidate selection on inverted indices
US20170249388A1 (en) * 2016-02-26 2017-08-31 Microsoft Technology Licensing, Llc Expert Detection in Social Networks
US9684693B1 (en) * 2016-04-05 2017-06-20 Google Inc. On-device query rewriting
US10769156B2 (en) 2016-08-26 2020-09-08 Microsoft Technology Licensing, Llc Rank query results for relevance utilizing external context
US10366368B2 (en) 2016-09-22 2019-07-30 Microsoft Technology Licensing, Llc Search prioritization among users in communication platforms
US9852177B1 (en) * 2016-12-13 2017-12-26 Kami Intelligence Ltd System and method for generating automated response to an input query received from a user in a human-machine interaction environment
US11423439B2 (en) * 2017-04-18 2022-08-23 Jeffrey D. Brandstetter Expert search thread invitation engine
US20190318037A1 (en) * 2018-04-11 2019-10-17 Microsoft Technology Licensing, Llc IoT Enhanced Search Results
US10810457B2 (en) * 2018-05-09 2020-10-20 Fuji Xerox Co., Ltd. System for searching documents and people based on detecting documents and people around a table
CN109656961B (zh) * 2018-11-23 2023-09-29 平安科技（深圳）有限公司 基于数据分析的同名任务搜索方法和装置、介质及电子设备
US11514053B2 (en) * 2019-04-16 2022-11-29 Microsoft Technology Licensing, Llc Caching of potential search results
CN111831878B (zh) * 2019-04-22 2023-09-15 百度在线网络技术（北京）有限公司 构建价值索引关系的方法、索引系统及索引装置
WO2020264332A1 (en) * 2019-06-27 2020-12-30 Sigma Computing, Inc. Search using data warehouse grants
CN113590921B (zh) * 2021-08-04 2024-05-10 北京理工大学 一种基于互动社交的信息检索方法及系统

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8086619B2 (en) * 2003-09-05 2011-12-27 Google Inc. System and method for providing search query refinements
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
US20070233672A1 (en) * 2006-03-30 2007-10-04 Coveo Inc. Personalizing search results from search engines
US7895177B2 (en) * 2007-05-29 2011-02-22 Yahoo! Inc. Enabling searching of user ratings and reviews using user profile location, and social networks
WO2009108918A2 (en) * 2008-02-29 2009-09-03 John Boyce Methods and systems for social networking based on nucleic acid sequences
US8417698B2 (en) * 2008-05-06 2013-04-09 Yellowpages.Com Llc Systems and methods to provide search based on social graphs and affinity groups
US20100070488A1 (en) * 2008-09-12 2010-03-18 Nortel Networks Limited Ranking search results based on affinity criteria
US8055675B2 (en) * 2008-12-05 2011-11-08 Yahoo! Inc. System and method for context based query augmentation
US9519716B2 (en) * 2009-03-31 2016-12-13 Excalibur Ip, Llc System and method for conducting a profile based search
KR20110019131A (ko) * 2009-08-19 2011-02-25 삼성전자주식회사 소셜 관계를 이용한 정보 검색 장치 및 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200023716A (ko) 2018-08-24 2020-03-06 연세대학교 산학협력단 빅데이터 기반의 소셜 정치 시스템

Also Published As

Publication number Publication date
CN102999560A (zh) 2013-03-27
JP2014532924A (ja) 2014-12-08
EP2771823A4 (en) 2015-07-01
EP2771823A1 (en) 2014-09-03
US20130110827A1 (en) 2013-05-02
WO2013063327A1 (en) 2013-05-02

Similar Documents

Publication Publication Date Title
KR20140091530A (ko) 소셜 네트워크 피쳐들을 갖는 이름 및 기타 검색 질의의 적합도
US20230205828A1 (en) Related entities
US9594826B2 (en) Co-selected image classification
RU2696230C2 (ru) Поиск, основанный на комбинировании пользовательских данных отношений
TWI636416B (zh) 內容個人化之多相排序方法和系統
JP5572596B2 (ja) 検索結果内におけるプレーストコンテンツの順序付けのパーソナライズ
US9053115B1 (en) Query image search
US20130212081A1 (en) Identifying additional documents related to an entity in an entity graph
US20140143250A1 (en) Centralized Tracking of User Interest Information from Distributed Information Sources
US20140101119A1 (en) Meta classifier for query intent classification
US20100293174A1 (en) Query classification
Ali et al. Movie recommendation system using genome tags and content-based filtering
US9946799B2 (en) Federated search page construction based on machine learning
US11301528B2 (en) Selecting content objects for recommendation based on content object collections
WO2011112744A2 (en) User role based customizable semantic search
US9424353B2 (en) Related entities
Kuanr et al. Recent challenges in recommender systems: a survey
Jay et al. Review on web search personalization through semantic data
US9400789B2 (en) Associating resources with entities
US9785676B2 (en) Systems and methods for providing ordered results for search queries
KR101180371B1 (ko) 폭소노미 기반 개인화 웹 검색 방법 및 이를 수행하는 시스템
KR101449994B1 (ko) 사용자 성향에 따른 검색 서비스 제공 방법
Slaimi et al. From a web services catalog to a linked ecosystem of services
Chen et al. Expert2Vec: distributed expert representation learning in question answering community
Pichl Multi-Context-Aware Recommender Systems: A Study on Music Rfecommendation

Legal Events

Date Code Title Description
N231 Notification of change of applicant
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application