KR20150021115A - 데이터 관계를 이용하는 데이터 트래버싱 - Google Patents

데이터 관계를 이용하는 데이터 트래버싱 Download PDF

Info

Publication number
KR20150021115A
KR20150021115A KR1020157001059A KR20157001059A KR20150021115A KR 20150021115 A KR20150021115 A KR 20150021115A KR 1020157001059 A KR1020157001059 A KR 1020157001059A KR 20157001059 A KR20157001059 A KR 20157001059A KR 20150021115 A KR20150021115 A KR 20150021115A
Authority
KR
South Korea
Prior art keywords
association
association information
module
objects
search
Prior art date
Application number
KR1020157001059A
Other languages
English (en)
Other versions
KR101642365B1 (ko
Inventor
노르마 사이프 새비지
리타 에이치. 우헤이비
Original Assignee
인텔 코오퍼레이션
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 인텔 코오퍼레이션 filed Critical 인텔 코오퍼레이션
Publication of KR20150021115A publication Critical patent/KR20150021115A/ko
Application granted granted Critical
Publication of KR101642365B1 publication Critical patent/KR101642365B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/0485—Scrolling or panning
    • G06F3/04855—Interaction with scrollbars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

시스템들 및 방법들은 메타데이터를 이용하여 데이터를 트래버싱하는 것을 제공할 수 있다. 일례에서, 방법은 제1 객체의 텍스트 설명을 수집하는 단계 - 텍스트 설명은 단어를 포함함 -, 텍스트 설명을 표현하는 벡터를 생성하는 단계; 제1 가중치를 단어에 할당하는 단계, 단어에 제2 가중치를 할당하는 것을 포함하는 객체 공간과 단어를 연관시키는 단계 및 객체 공간과 제1 객체를 연관시키는 단계를 포함할 수 있다.

Description

데이터 관계를 이용하는 데이터 트래버싱{TRAVERSING DATA UTILIZING DATA RELATIONSHIPS}
실시예들은 일반적으로 데이터 관계들의 트래버싱에 관한 것이다. 구체적으로, 실시예들은 데이터 관계들을 이용하여 하나 이상의 객체에 대한 상황 정보를 분석함으로써 객체 속성들 및 관계들을 결정하고, 데이터 검색/회수(search/retrieval) 동안 속성들 및 관계들을 이용하는 것에 관한 것이다.
통상적으로 기존의 검색 애플리케이션들은 동일한 중요도로 처리된 키워드들에만 기초하여 결과들의 세트를 반환할 수 있으며, 애플리케이션들은 결과들에 관한 어떠한 상황 정보도 제공하지 못할 수 있다. 결과적으로, 검색들은 사용자의 관점에서 차선의 결과들을 산출할 수 있다.
본 발명의 실시예들의 다양한 장점들은 이하의 상세한 설명 및 첨부된 청구항들을 읽고 이하의 도면들을 참조함으로써 당업자에게 명백해질 것이다. 도면들에서:
도 1은 일 실시예에 따른 객체 공간 생성 스킴의 일례의 블록도이다.
도 2는 일 실시예에 따른 논리 아키텍처의 블록도이다.
도 3은 일 실시예에 따른 객체 데이터 구조의 일례의 블록도이다.
도 4는 일 실시예에 따른, 객체와 객체 공간을 연관시키는 방법의 일례의 흐름도이다.
도 5는 일 실시예에 따른 클러스터 데이터 구조의 일례의 블록도이다.
도 6은 일 실시예에 따른 상대 속성들의 일례의 테이블이다.
도 7a-7c는 일 실시예에 따른 그래픽 사용자 인터페이스(GUI)의 블록도들이다.
도 8은 일 실시예에 따른, 데이터를 트래버싱하는 방법의 일례의 흐름도이다.
도 9는 일 실시예에 따른 프로세서의 일례의 블록도이다.
도 10은 일 실시예에 따른 시스템의 일례의 블록도이다.
도 1은 복수의 객체(24)를 도시하며, 객체들(24)은 그들에 대한 대응하는 복수의 텍스트 설명(26)을 갖고, 각각의 도시된 텍스트 설명(26)은 연관된 객체(24)를 서술하는 단어들 및/또는 문구들을 포함한다. 객체들(24)은 데이터 트래버설(traversal) 노력의 기초로서 기능할 수 있는 임의의 데이터 요소일 수 있다. 따라서, 객체들(24)은 예를 들어 상거래, 비상업적 데이터 조사 노력, 소셜 네트워킹 조회 등의 대상인 아이템, 위치, 개인, 제품 및/또는 서비스를 나타낼 수 있다. 도시된 예에서, 하나 이상의 토픽(28)은 텍스트 설명들(26)에 기초하여 식별되며, 텍스트 설명들(26) 및 토픽들(28)은 연관성 정보(30)를 획득하기 위해 더 사용될 수 있다.
더 상세히 설명되는 바와 같이, 연관성 정보(30)는 각각의 텍스트 설명(26)과 토픽들(28) 간의 연관성의 정도, 각각의 객체(24)와 토픽들(28) 간의 연관성의 정도, 각각의 텍스트 설명(26)과 텍스트 설명(26) 내의 단어들 간의 연관성의 정도, 텍스트 설명(26) 내의 단어들과 토픽들(28) 간의 연관성의 정도 등을 반영할 수 있다. 연관성 정보(30)는 객체들(24)을 객체 공간(34)의 클러스터들(32) 내로 그룹화하는 데 사용될 수 있으며, 객체 공간(34)은 검색 요청들에 응답하고 검색 요청들을 용이하게 하는 데 사용될 수 있다. 연관성 정보(30)를 텍스트 설명들(26)과 연계하여 사용하는 것은 통상적으로 객체들(24)을 서로 구별하는 데 사용되지 않는 단어들에 의해 검색들이 형성 및/또는 가이드되는 것을 가능하게 할 수 있다. 따라서, 도시된 스킴은 의외로 높은 레벨의 입도 및 유연성을 최종 사용자에게 제공한다.
도 2는 객체 공간들을 생성할 뿐만 아니라 트래버싱하는데 사용될 수 있는 논리 아키텍처(36)(36a-36i)를 나타낸다. 도시된 예에서, 토픽 생성 모듈(36a)은 대응하는 복수의 객체의 복수의 텍스트 설명에 기초하여 하나 이상의 토픽을 식별한다. 토픽 생성 모듈(36a)은 토픽 모델을 이용하여 하나 이상의 토픽을 식별할 수 있다. 게다가, 제1 연관성 모듈(36b)은 텍스트 설명들 각각과 하나 이상의 토픽 간의 제1 연관성의 정도를 결정하여 제1 연관성 정보를 획득할 수 있다. 더 상세히 설명되는 바와 같이, 제1 연관성 정보는 복수의 텍스트 설명에 대응하는 제1 벡터 세트로서 구조화될 수 있다. 따라서, 제1 벡터 세트 내의 각각의 벡터는 가중치들을 가질 수 있으며, 각각의 가중치는 텍스트 설명과 특정 토픽 간의 연관성의 정도를 가리킨다.
도시된 아키텍처(36)는 복수의 객체 각각과 하나 이상의 토픽 간의 제2 연관성의 정도를 결정하여 제2 연관성 정보를 획득하는 제2 연관성 모듈(36c)을 또한 포함한다. 유사하게, 제2 연관성 정보는 복수의 객체에 대응하는 제2 벡터 세트로서 구조화될 수 있으며, 제2 벡터 세트 내의 각각의 벡터는 가중치들을 가질 수 있다. 이 예에서, 각각의 가중치는 객체와 특정 토픽 간의 연관성의 정도를 가리킬 수 있다.
일례에서, 아키텍처(36)는 각각의 텍스트 설명과 텍스트 설명 내의 하나 이상의 단어 간의 제3 연관성의 정도를 결정하여 제3 연관성 정보를 획득하는 제3 연관성 모듈(36d)을 또한 포함한다. 제3 연관성 모듈(36d)은 제3 연관성 정보를 복수의 텍스트 설명에 대응하는 제3 벡터 세트로서 구조화할 수 있으며, 제3 벡터 세트 내의 각각의 벡터는 각각의 텍스트 설명 내의 하나 이상의 단어의 발생의 빈도를 식별하는 가중치들을 가질 수 있다. 게다가, 제4 연관성 모듈(36e)은 각각의 단어와 하나 이상의 토픽 간의 제4 연관성의 정도를 결정하여 제4 연관성 정보를 획득할 수 있다. 더 상세히 설명되는 바와 같이, 제4 연관성 모듈(36e)은 제4 연관성 정보를 하나 이상의 단어에 대응하는 제4 벡터 세트로서 구조화할 수 있다.
제1 연관성 모듈(36b)은 제3 및 제4 연관성 정보를 이용하여, 텍스트 설명들과 토픽들 간의 연관성의 정도를 반영하는 제1 연관성 정보를 획득할 수 있다. 이와 관련하여, 제1 연관성 모듈(36b)은 확률 그래픽 모델(PGM)을 이용하여, 제4 연관성 정보(예를 들어, 단어-토픽 관계)를 제1 연관성 정보 내의 복수의 텍스트 설명으로 전달할 수 있다. 게다가, 제2 연관성 모듈(36c)은 PGM을 이용하여, 제4 연관성 정보를 제2 연관성 정보 내의 복수의 객체로 전파할 수 있다. 제1 및 제2 연관성 정보를 획득하기 위해 다른 접근법들도 이용될 수 있다. 도시된 아키텍처(36)는 제1 연관성 모듈(36b)로부터의 제1 연관성 정보 및 제2 연관성 모듈(36c)로부터의 제2 연관성 정보에 기초하여 복수의 객체를 클러스터들로 그룹화하기 위한 클러스터 모듈(36f)을 또한 포함한다.
아키텍처(36)는 또한 최종 사용자들로부터의 검색 요청들에 따른 객체 공간의 트래버싱을 제공할 수 있다. 보다 구체적으로, 도시된 아키텍처(36)는 요청된 검색의 범위 및 객체 공간에 기초하여 결과들의 제1 세트를 생성하는 제1 결과 모듈(36g)을 포함한다. 일례에서, 객체 공간은 속성에 기초하는 상대 관계에 따라 구성되는 제1 객체 및 제2 객체를 포함한다. 더 상세히 설명되는 바와 같이, 조정 모듈(36h)은 요청된 검색의 범위를 조정하도록 구성되는 제1 조정 메커니즘 및 속성에 기초하여 검색의 결과들을 조정하도록 구성되는 제2 조정 메커니즘을 갖는 사용자 인터페이스를 생성할 수 있다. 도시된 아키텍처(36)는 제1 조정 메커니즘 및 제2 조정 메커니즘 중 하나 이상을 통해 수신된 사용자 입력에 기초하여 결과들의 제2 세트를 생성하기 위한 제2 결과 모듈(36i)을 또한 포함하며, 결과들의 제2 세트는 제2 객체를 포함한다.
이제, 도 3을 참조하면, 객체 데이터 구조(10)가 도시된다. 데이터 구조(10)는 하나 이상의 요소를 포함할 수 있으며, 이러한 요소들은 객체, 메타데이터 엔트리, 단어 및 객체 공간을 포함할 수 있다. 더 상세히 설명되는 바와 같이, 데이터 구조의 이러한 요소들 각각은 (예를 들어, 데이터 검색에서) 관련 데이터의 트래버싱을 향상시키기 위해 단독으로 또는 다른 데이터와 연계하여 분석될 수 있는 데이터의 레벨(또는 계층)을 나타낼 수 있다.
도시된 데이터 구조(10)는 객체(11)를 포함한다. 전술한 바와 같이, 객체(11)는 데이터 트래버설 노력(예를 들어, 데이터 검색)의 기초일 수 있는 임의의 데이터 요소일 수 있다. 따라서, 이 예에서, 객체(11)는 온라인 판매자로부터 구매할 수 있는 그래픽 소설 "암흑 기사의 귀환(The Dark Knight Returns)"이다. 따라서, 객체(11)는 데이터의 제1 레벨을 나타낼 수 있다.
객체(11)는 전자 상거래에서 둘 이상의 온라인 판매자에 의해 판매될 수 있다. 이러한 온라인 판매자들 각각은 고객의 제품 구매를 돕기 위해 객체(11)의 텍스트 설명을 연관시킬 수 있다. 객체(11)와 연관된 텍스트 설명들(또는 메타데이터들)은 데이터의 제2 레벨을 나타낼 수 있다.
더욱이, 텍스트 설명들은 하나 이상의 단어를 포함할 수 있으며, 객체의 텍스트 설명과 관련된 단어들은 데이터의 제3 레벨을 나타낼 수 있다. 따라서, 이 예에서, 제1 판매자(예컨대, 아마존)는 메타데이터(12)를 객체(11)와 연관시킬 수 있다. 제1 판매자의 메타데이터(12)는 객체(11)를 설명하기 위한 단어들(15-17)(즉, "만화", "그래픽" 및 "소설)을 포함할 수 있다. 유사하게, 제2 판매자(예로서, 이베이)는 메타데이터(13)를 객체(11)와 연관시킬 수 있다. 제2 판매자의 메타데이터(13)는 객체(11)를 설명하기 위한 단어들(15, 16, 18, 19, 21)(즉, "수퍼히어로", "만화", "그래픽", "문학" 및 "책")을 포함할 수 있다. 제3 판매자(예로서, 반스 앤 노블)는 메타데이터(14)를 객체(11)와 연관시킬 수 있다. 제3 판매자의 메타데이터(14)는 객체(11)를 설명하기 위한 단어들(16, 18, 20, 21)(즉, "그래픽", 수퍼히어로", "DC", "그래픽" 및 "책")을 포함할 수 있다. 도 3에 도시된 바와 같이, 판매자들은 객체(11)를 설명하기 위해 단어(예로서, "DC")를 고유하게 사용할 수 있거나, 객체(11)를 설명하기 위해 동일 단어들(예로서, "그래픽")을 사용할 수 있거나, 판매자는 객체(11)를 설명할 때 동일 단어를 두 번 이상(예로서, 제3 판매자의 "그래픽" 사용) 사용할 수 있다.
더 상세히 설명되는 바와 같이, 객체(11)에 관한 데이터(예로서, 메타데이터(12), 단어(15) 등)를 사용하여 객체(11)에 대한 상황 정보를 분석함으로써 객체(11)의 속성들을 결정할 수 있으며, 이어서 속성들은 검색 동안 파라미터들로서 사용될 수 있다. 따라서, 이 예에서, 단어(18)("수퍼히어로")의 사용은 객체(11)의 속성으로서 간주될 수 있다(즉, 객체는 수퍼히어로의 관념에 대해 소정의 관계를 갖는다). 또 다른 예는 ("남자 친구와 데이트하기 위해 지갑을 갖고 갔다"에서와 같이) 지갑의 설명에서의 단어 "데이트" 또는 여름 바나나 스플릿 트러플의 설명에서의 "해변"의 사용일 수 있다. 이어서, 속성을 검색에서 파라미터로서 사용하여 객체를 결과로서 반환할 수 있다. "데이트"는 지갑들을 정량화하고/하거나 구별하기 위해 지갑 판매자들에 의해 일반적으로 사용되지 않을 수 있다는 것을 특히 유의한다. 유사하게, "해변"은 통상적으로 트러플들을 정량화하는 데 사용되지 않을 수 있다.
더구나, 객체(11)에 관한 데이터(예로서, 메타데이터(12), 단어(15) 등)를 이용하여 객체(11)를 하나 이상의 클러스터와 연관시킬 수 있다. 상황에 따라, 클러스터는 또한 카테고리, 토픽, 그룹, 공동체, 또는 객체(11)에 관한 데이터의 트래버싱에 관련될 수 있는 임의 다른 객체 그룹핑으로 간주될 수 있다. 따라서, 이 예에서, 객체(11)는 클러스터 및/또는 토픽(22) "그래픽 소설" 및 제2 클러스터 및/또는 토픽(23) "책"과 연관될 수 있다. 따라서, 클러스터는 데이터의 제4 레벨을 나타낼 수 있다.
이제, 도 4를 참조하면, 객체 공간에서 객체를 클러스터와 연관시키는 방법(40)이 도시된다. 이 예에서는, 검색 애플리케이션이 객체(11)(도 3)와 같은 객체를 토픽들(22, 23)(도 3)과 같은 하나 이상의 토픽과 연관시킬 수 있다. 이 예에서, 객체는 그래픽 소설 "암흑 기사의 귀환(The Dark Knight Returns)"일 수 있다.
방법(40)은 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 프로그램 가능 ROM(PROM), 플래시 메모리 등과 같은 기계 또는 컴퓨터 판독가능 저장 매체 내에, 예를 들어 프로그램 가능 논리 어레이(PLA), 필드 프로그램가능 게이트 어레이(FPGA), 복합 프로그램 가능 논리 디바이스(CPLD)와 같은 구성 가능 논리 내에, 예를 들어 주문형 집적 회로(ASIC), 상보형 금속 산화물 반도체(CMOS) 또는 트랜지스터-트랜지스터 논리(TTL) 기술과 같은 회로 기술을 이용하는 고정 기능 논리 하드웨어 내에 또는 이들의 임의 조합 내에 저장되는 논리 및/또는 펌웨어 명령어들의 세트로서 구현될 수 있다. 예를 들어, 방법(40)에 도시된 동작들을 실행하기 위한 컴퓨터 프로그램 코드는 C++ 등과 같은 객체 지향 프로그램 언어 및 "C" 프로그램 언어 또는 유사한 프로그램 언어와 같은 전통적인 절차 프로그램 언어들을 포함하는 하나 이상의 프로그램 언어의 임의 조합으로 작성될 수 있다. 방법은 처리 블록(42)에서 시작될 수 있다.
처리 블록(44)에서, 검색 애플리케이션이 제1 소스로부터 메타데이터(12)(도 3)와 같은 텍스트 설명을 수집할 수 있다. 처리 블록(46)에서, 검색 애플리케이션은 텍스트 설명을 하나 이상의 단어로 파싱(parsing)할 수 있다. 따라서, 메타데이터(12)(도 3)의 예에서, 애플리케이션은 메타데이터를 3개의 단어(즉, "만화", "그래픽" 및 "소설")로 파싱한다.
이 예에서, 애플리케이션은 텍스트 설명 내의 단어들 각각을 파싱하도록 구성될 수 있다. 그러나, 다른 접근법들이 이용될 수 있다. 다른 예에서, 애플리케이션은 텍스트 설명 내의 특정 단어들(예로서, 고유 단어, 명사, 형용사 등)만을 파싱 및 이용하거나, 심지어는 키워드들을 추출하고, 그들을 등가의 메타데이터로 대체하도록 구성될 수 있다.
처리 블록(48)에서, 애플리케이션은 제1 소스의 텍스트 설명의 하나 이상의 단어를 이용하여, 텍스트 설명을 나타내는 벡터를 생성할 수 있다. 벡터는 단어 또는 개념이 소스에 의해 제공되는 텍스트 설명 내에 몇 번 나타나는지를 설명할 수 있으며, 텍스트 설명을 설명하는 데 사용될 수 있다. 따라서, 벡터는 전술한 제3 연관성 모듈(36d)(도 2)에 의해 생성된 제3 연관성 정보의 일부일 수 있다. 따라서, 메타데이터(12)(도 3)의 경우에, 제1 판매자로부터의 메타데이터를 나타내는 제1 벡터는 각자 한 번 나타나는 단어 "만화", "그래픽" 및 "소설"에 기초할 수 있다.
(둘 이상의 소스로부터의) 다수의 텍스트 설명의 경우에, 애플리케이션은 객체에 관한 각각의 텍스트 설명에 대한 벡터를 생성할 수 있다. 그러한 경우(즉, 다수의 벡터)에서, 각각의 벡터는 가중될 수 있다. 일례에서, 각각의 벡터는 동등하게 가중될 수 있는 반면, 다른 예에서는 예를 들어 객체에 대한 관련성에 기초하여 상이한 가중치들이 할당될 수 있다.
더 상세히 설명되는 바와 같이, 벡터는 단어와 객체 사이의 연관성의 정도를 효과적으로 결정하는데 또한 사용될 수 있다. 일례에서, 객체에 관한 설명에서 두 번 언급되는 제1 단어는 한 번 언급되는 제2 단어보다 객체와의 더 큰 연관성 정도를 가질 것이다. 더욱이, 부연하면, 단어가 (전술한 바와 같이) 객체의 속성으로 간주되는 경우, 벡터는 속성과 객체 간의 연관성의 정도를 설명하는 데 사용될 수 있다.
처리 블록(50)에서, 애플리케이션은 벡터 내의 각각의 단어에 가중치를 할당할 수 있다. 이 가중치는 그의 벡터 내에서의 단어의 관련성 또는 중요성을 나타낼 수 있다. 일례에서, 벡터 내의 단어들은 벡터 내의 각각의 단어의 가중치를 결정하기 위한 확률 그래픽 모델(PGM)을 이용하여 가중될 수 있다. 따라서, 메타데이터(12)(도 3)와 관련된 벡터의 경우에, 제1 단어 "만화"은 제1 가중치를 할당받을 수 있고, 제2 단어 "그래픽"은 제2 가중치를 할당받을 수 있으며, 제3 단어 "소설"은 제3 가중치를 할당받을 수 있다. 벡터 내의 각각의 단어가 동등하게 가중되는 경우에, 이러한 단어들 각각은 1/3의 가중치를 부여받을 것이다. 다수의 벡터의 경우에, 제1 벡터에서의 단어의 가중치는 제2 벡터에서의 동일 단어의 가중치와 동일하지 않을 수 있다.
더 상세히 설명되는 바와 같이, 각각의 단어에 기인한 가중치는 단어와 그의 벡터 간의 연관성의 정도를 결정하는 데 사용될 수 있다. 전술한 바와 같이, 단어는 객체의 속성과 관련될 수 있으며, 벡터는 객체의 텍스트 설명과 관련될 수 있다. 따라서, 각각의 단어에 기인한 가중치는 단어와 그의 연관된 텍스트 설명 간의 연관성의 정도 및 속성과 단어의 연관된 텍스트 설명 간의 연관성의 정도를 또한 나타낼 수 있다.
처리 블록(52)에서, 애플리케이션은 하나 이상의 클러스터를 객체와 관련된 각각의 단어와 연관시킬 수 있다. 일례에서, 검색 애플리케이션은 토픽 모델(예로서, LDA(Latent Dirichlet Allocation))을 이용하여 단어를 분석함으로써 가중치를 결정할 수 있다. 이 가중치는 단어가 하나 이상의 클러스터와 연관될 (0에서 100%의 범위에 걸치는) 확률을 나타낼 수 있다. 따라서, 3개의 단어 "만화", "그래픽" 및 "소설"을 이용하는 메타데이터(12)(도 3)의 경우에, 토픽 모델은 예를 들어 객체 공간 내의 제1 클러스터 "책"에 대한 확률 및 객체 공간 내의 제2 클러스터 "그래픽 소설"에 대한 확률을 반환할 수 있다. 단어가 클러스터와 연관될 확률은 단어와 클러스터 간의 연관성의 정도로 또한 간주될 수 있다.
처리 블록 54에서, 애플리케이션은 결정된 클러스터들 중 하나 이상을 객체와 연관시킬 수 있다. 일례에서, 애플리케이션은 베이스 정리(Bayes theorem) 및 각각의 객체의 PGM을 이용하여 토픽 벡터를 생성할 수 있다. 토픽 벡터는 클러스터가 객체와 연관될 확률을 나타낼 수 있다. 따라서, 메타데이터(12)(도 3)의 경우에, 애플리케이션은 카테고리 "그래픽 소설"과 객체 사이의 98%의 연관성 정도 및 카테고리 "책"과 객체 사이의 단지 2%의 연관성 정도를 발견할 수 있다. 토픽에 속하는 객체의 확률은 아래와 같이 계산될 수 있다.
Figure pct00001
처리 블록 56에서, 애플리케이션은 클러스터 내의 객체의 전체 확률을 계산할 수 있다. 일례에서, 객체의 전체 확률은 1/n일 수 있으며, 여기서 n은 클러스터 내의 객체들의 수를 나타낸다. 적절한 경우에, 이러한 가중치는 소정 객체들에 대한 선호들을 제공하도록 변경될 수 있다. 처리 블록 58에서, 프로세스가 종료될 수 있다.
도 4에 도시된 블록들의 시퀀스 및 넘버링은 동작들의 순서의 다른 가능성의 배제를 의미하는 것을 의도하지 않는다. 당업자들은 전술한 시스템들 및 방법들의 다양한 수정들, 변형들 및 변경들이 가능하다는 것을 알 것이다.
따라서, 이러한 다양한 계산들은 객체에 관한 데이터의 상이한 계층들 간의 다양한 관계들을 나타내는 데 사용될 수 있다. 전술한 바와 같이, 이러한 관계들은,
텍스트 설명과 토픽 간의 연관성의 정도(예로서, 제1 연관성 정보);
객체와 토픽 간의 연관성의 정도(예로서, 제2 연관성 정보);
단어와 토픽 간의 연관성의 정도(예로서, 제4 연관성 정보);
토픽과 단어 간의 연관성의 정도;
단어와 텍스트 설명 간의 연관성의 정도; 및
텍스트 설명과 객체 간의 연관성의 정도
를 포함하는 (그러나 이에 한정되지 않는) 다양한 연관성 정도를 결정하는 데 사용될 수 있다.
다양한 데이터 타입들 간의 이러한 관계들은 (예를 들어, 객체에 관한 데이터 검색에서) 데이터를 트래버싱하는 데 사용될 수 있는 랜덤 변수들로서 각각 간주될 수 있다. 보다 구체적으로, 더 상세히 설명되는 바와 같이, 이러한 관계들은 사용자에게 데이터 검색 동안의 여러 옵션을 제공할 수 있으며, 이들 각각은 사용자가 관심을 가질 수 있는 객체의 양태에 검색을 집중시키는 데 사용될 수 있다.
예를 들어, (객체의 텍스트 설명에서 발견되는 단어에 기초하는) 객체와 속성 간의 연관성의 정도가 검색을 집중시키는 데 사용될 수 있다. 예를 들어, 소비자가 많은 교과서를 운반하기 위한 대형 배낭을 찾는 경우를 고려한다. 배낭의 텍스트 설명 내의 단어 "책"의 여러 번의 존재는 객체에 관한 벡터 내에 반영될 수 있다. 이어서, 벡터는 속성(즉, 하이킹이 아니라 책들을 운반하기 위한 배낭 찾기)에 기초하여 사용자의 검색을 집중시키는 데 사용될 수 있다. 유사하게, 객체와 텍스트 설명 간의 연관성의 정도가 또한 사용자의 검색을 집중시키는 데 사용될 수 있다. 이와 관련하여, "책"은 배낭들을 정량화하고/하거나 구별하기 위해 통상적으로 사용되는 단어가 아닐 수 있다.
이어서, 다른 예에서, 제1 객체와 제2 객체 간의 연관성의 정도가 검색을 집중시키는 데 사용될 수 있다. 제1 객체와 제2 객체의 연관성의 정도는 예를 들어 속성과 제1 객체 간의 연관성의 정도 및 속성과 제2 객체 간의 연관성의 정도에 의해 결정될 수 있다. 일례에서, 제1 객체와 제2 객체 간의 연관성의 정도는 상대 관계(즉, 유사성, 차이 등)를 생성하는 데 사용될 수 있으며, 상대 관계는 예를 들어 클러스터와 관련된 각각의 객체의 토픽 벡터를 이용하여 계산될 수 있다.
따라서, 예를 들어, 제1 배낭의 텍스트 설명 내의 단어 "책"의 빈번한 존재 및 제2 배낭의 설명 내의 단어 "책"의 부재는 속성 "책" 주위의 제1 배낭과 제2 배낭 간의 상대 관계(즉, 제1 배낭이 제2 배낭보다 책을 운반하기에 더 낫다는 것)를 생성할 수 있다. 이러한 상대 관계는 학생이 사용할 배낭에 대한 "신학기" 검색 동안 사용될 수 있다.
또 다른 예에서, 객체와 클러스터 간의 연관성의 정도는 검색 애플리케이션이 클러스터 내에 객체들을 조직화하고 배열하는 것을 가능하게 할 수 있다. 그와 같이, 특정 속성과 관련된 특정 객체의 검색은 일부 경우들에서 클러스터에 대한 검색으로부터 시작될 수 있다. 적절한 클러스터가 확인되면, 원하는 속성들을 이용하여, 클러스터 내의 원하는 객체에 검색을 더 집중시킬 수 있다. 이러한 방식으로, 하나 이상의 클러스터 내의 하나 이상의 객체가 하나 이상의 차원 또는 속성의 맵 또는 그래프를 생성하도록 배열될 수 있다.
따라서, 예를 들어, 바로 위에서 설명된 예를 고려하면, 10개의 배낭의 클러스터가 예를 들어 그 클러스터와 관련된 각각의 객체의 토픽 벡터를 이용하여 그들의 다양한 속성들에 따라 객체 공간 내에 조직화될 수 있다. 즉, 하나의 배낭(즉, 객체)이 공간 내의 다른 객체들에 대한 그의 상대 관계를 이용하여 클러스터(즉, 배낭들) 내에 조직화될 수 있다. 따라서, 관련 속성이 책인 경우에, 10개의 배낭은 책을 운반하는 데 가장 적합한 것으로부터 책을 운반하는 데 가장 덜 적합한 것까지 상황에 맞게 배열될 수 있으며, "책", "학급" 및 "학교"와 같은 단어들의 많은 사용을 포함하는 텍스트 설명을 갖는 배낭이 책을 운반하는 데 가장 적합한 것들 중에 배치될 것이다. 객체와 관련된 임의의 클러스터(예로서, 배낭들)가 유사한 방식으로 속성(예로서, 책 운반 적합성)에 따라 배열 및 조직화될 수 있다.
더욱이, (예로서, 객체와 속성 간의, 객체와 클러스터 간의) 연관성의 정도들 및 객체들 간의 상대 관계는 검색 애플리케이션이 (적절한 경우에) 하나 이상의 객체의 양태들에 대한 추론들을 도출하는 것을 가능하게 할 수 있다. 예를 들어, 제1 클러스터, 트러플들 및 제2 클러스터, 애완 동물 제품들의 경우를 고려한다. 제1 클러스터 내의 객체들의 텍스트 설명 내의 단어 "요리"의 반복된 포함, 및 제2 클러스터 내의 객체들의 텍스트 설명 내의 단어의 부재는 검색 애플리케이션으로 하여금 트러플들이 애완 동물 제품들보다 미식가 요리와 더 관련되는 것으로 결정하는 것을 가능하게 할 수 있다. 이어서, 이러한 추론은 또한 (예로서, 미식가 요리에 대해) 검색을 집중시키는데 사용될 수 있다. 사실상, 본 명세서에서 설명되는 바와 같은 연관성의 정도들은 비전통적인 속성들에 기초하여 클러스터 내의 상이한 객체들을 회수하는 데 사용될 수 있다. 또한, 적절한 경우에, 이러한 상대 관계들은 반환되는 결과들이 어떻게 관련될 수 있는지와 관련하여 사용자에게 상황을 제공하기 위해 검색 결과들의 회수 동안 사용자가 조작할 수 있는 노브들로서 사용자에게 제공될 수 있다. 더구나, 더 상세히 설명되는 바와 같이, 전술한 바와 같이 결정되는 파라미터들(예로서, 속성들, 연관성의 정도들 및 상대 관계들)은 사용자가 검색의 양태들을 동적으로 조정하는 것을 가능하게 할 수 있는 검색 조정 메커니즘들을 제공하는 데 사용될 수 있다.
도 5는 일 실시예에 따른 객체들 및 클러스터들의 그룹을 나타낸다. 이 예에서, 주요 클러스터(100)는 예를 들어 판매자들에 의해 온라인으로 제공될 수 있는 "미식가" 객체들과 관련될 수 있다. 또한, 전술한 바와 같이, 객체와 관련된 데이터를 분석하여, 주요 클러스터(100) 내에 객체를 배열할 수 있다.
도시된 주요 클러스터(100)는 3개의 보조 클러스터를 포함한다. 보조 클러스터(101)는 "트러플들"과 관련될 수 있고, 보조 클러스터(102)는 "올리브들"과 관련될 수 있으며, 보조 클러스터(103)는 "치즈들"과 관련될 수 있다. 이 예에서, 속성 "미식가"와 관련하여, 가장 적절한 미식가로부터 가장 덜 적절한 미식가까지의 보조 클러스터들 내의 배열은 그들을 좌측(즉, 가장 적절한 미식가)으로부터 우측(즉, 가장 덜 적절한 미식가)으로 배열함으로써 예시될 수 있다.
도시된 보조 클러스터(101) 트러플들은 4개의 객체를 포함한다. 객체(104)는 바닷소금 트러플들일 수 있고, 객체(105)는 스코존(Scorzone) 트러플들일 수 있고, 객체(106)는 보헤미안 트러플들일 수 있으며, 객체(107)는 여름 바나나 스플릿 트러플들일 수 있다. 다시, 이 예에서, 속성 "미식가"와 관련하여, 가장 적절한 미식가로부터 가장 덜 적절한 미식가까지의 객체들의 배열은 보조 클러스터 내에 그들을 좌측(즉, 가장 적절한 미식가)으로부터 우측(즉, 가장 덜 적절한 미식가)으로 배열함으로써 예시될 수 있다.
도 6은 다양한 속성들에 따른 다양한 제품들 간의 연관성의 정도들을 나타낸다. 도 5의 객체들(104-107)의 경우에, 도 6은 객체들이 제1 속성(108) 및 제2 속성(109)에 따라 배열될 수 있다는 것을 나타낸다. 이 예에서, 제1 속성(108)은 "해변"과 관련될 수 있으며, 제2 속성(109)은 "미식가"와 관련될 수 있다. 도시된 바와 같이, "미식가"에 따라 배열될 때, 바닷소금 트러플들이 가장 적절한 미식가일 수 있고, 스코존 트러플들, 보헤미안 트러플들 및 여름 바나나 스플릿 트러플들이 뒤따를 수 있다. 한편, "해변"에 따라 배열될 때, 여름 바나나 스플릿 트러플들이 해변에서 낮 동안에 가장 적절한 것일 수 있고, 바닷소금 트러플들, 보헤미안 트러플들 및 스코존 트러플들이 그 뒤를 따를 수 있다. 전술한 바와 같이, 객체들 간의 이러한 관계들은 예를 들어 다양한 온라인 판매자들로부터 생성되는 관련 텍스트 정보의 분석으로부터 도출될 수 있다. 사실상, "조식"(예로서, 조식을 위한 적절성) 및 "정원"(예로서, 집 정원에서의 성장의 용이성)과 같은 다른 의외의 속성들을 이용하여 객체들 간의 상대 관계들을 특성화할 수 있다.
도 7a-7c는 일 실시예에 따른, 검색을 촉진할 수 있는 그래픽 사용자 인터페이스(GUI)(110)를 나타낸다. GUI(110)는 검색 바(111), 결과 윈도(112), 제1 조정 메커니즘(113), 제2 조정 메커니즘(114) 및 제3 조정 메커니즘(115)을 포함할 수 있다.
검색 바(111)는 검색 용어들을 입력하는 데 사용될 수 있다. 예컨대, 사용자는 단어 "미식가 버섯들"을 검색 요청으로서 입력할 수 있으며, 결과 윈도(112)는 검색의 결과들을 표시하는 데 사용될 수 있다. 도시된 예에서, 검색 요청은 "바닷소금 트러플들"을 주요 결과로서 반환하였다. 전술한 바와 같이, 사용자는 바닷소금 트러플들이 그가 찾고 있는 것이 아닌 것으로 결정할 수 있고, 따라서 조정 메커니즘들(113-115)을 이용하여 검색을 동적으로 적응시킬 수 있다. 구체적으로, 제1 조정 메커니즘(113), 제2 조정 메커니즘(114) 및 제3 조정 메커니즘(115)은 검색을 조정하는 데 사용될 수 있는 그래픽 위젯들일 수 있다. 이 예에서, 조정 메커니즘들(113-115)은 회전 가능한 노브들의 형태를 취할 수 있다. 다른 실시예에서, 조정 메커니즘들(113-115)은 예를 들어 스크롤 가능한 바들의 형태를 취할 수 있다.
제1 조정 메커니즘(113)은 원래의 검색 요청의 제1 양태와 관련될 수 있으며, 제2 조정 메커니즘(114)은 검색 요청의 제2 양태와 관련될 수 있다. 따라서, 예를 들어, 제1 조정 메커니즘(113)은 회수된 결과들의 세트를 속성 미식가에 더 집중시키는 데 사용될 수 있으며, 제2 조정 메커니즘(114)은 회수된 결과들을 속성 버섯들에 더 집중시키는 데 사용될 수 있다. 즉, 사용자는 제2 조정 메커니즘(114)을 증가시키고/시키거나 제1 조정 메커니즘(113)을 감소시켜, 미식가보다 버섯들에 더 밀접하게 관련되는 결과들을 회수할 수 있다. 그렇게 하는 것은 검색 애플리케이션이 바닷소금 트러플들과 관련된 연관성 정보를 분석하여, 미식가와 관련되지만 버섯들에 대해 더 강한 관계를 갖는 임의의 다른 객체들이 존재하는지를 결정하게 할 수 있다. 도 7b는 일례에서 조정 프로세스가 "버섯의 해부학(Anatomy of a Mushroom)"이라는 제목의 책을 제공할 수 있다는 것을 보여준다(예를 들어, 이 책은 버섯들을 맛있는 음식으로 다루는 장(chapter)을 가질 수 있다). 유사하게, 사용자는 제2 조정 메커니즘(114)을 감소시키고/시키거나 제1 조정 메커니즘(113)을 증가시켜, 버섯들이 아니라 미식가에 더 밀접하게 관련되는 결과들을 회수할 수 있다. 그러한 액션은 검색 애플리케이션이 바닷소금 트러플들과 관련된 연관성 정보를 분석하여, 버섯들과 관련되지만 미식가에 대해 더 강한 관계를 갖는 임의의 객체들이 존재하는지를 결정하게 할 수 있다.
제3 조정 메커니즘(115)은 객체 공간 내의 둘 이상의 객체와 연관된 속성에 기초하여 검색을 조정하는 데 사용될 수 있다. 이 예에서, 제3 조정 메커니즘(115)은 검색 결과들에 대한 해변 영향을 조정하는 데 사용될 수 있다. 따라서, 예를 들어, 사용자가 미식가 버섯들(즉, 주요 클러스터)을 검색하고, 회수된 검색 결과들이 일반적으로 트러플들(즉, 보조 클러스터)과 관련될 때, 사용자는 (그가 원할 경우에) 제3 조정 메커니즘(115)을 이용하여, 검색을 해변 소풍을 위한 트러플들에 더 집중시킬 수 있다. 이 시점에서, 검색 애플리케이션은 바닷소금 트러플들과 관련된 연관성 정보를 분석하여, 해변에 적합한 트러플들과 관련된 더 집중된 결과들을 회수할 수 있다. 도 7c는 일례에서 검색 애플리케이션이 그러한 조정에 응답하여 "여름 바나나 스플릿 트러플들"을 주요 결과로서 반환할 수 있다는 것을 보여준다. 사용자는 또한 (검색 결과들에 대한 해변 영향을 증가시키는 것이 아니라 줄이기 위해) 제3 조정 메커니즘(115)을 반대 방식으로 이용할 수도 있다. 제3 조정 메커니즘(115)의 기능은 사용자의 원래 검색 요청의 어떠한 용어을 또한 포함하지 않을 수 있다는 점에 특히 유의한다. 사실상, "해변"은 트러플들을 정량화하기 위해 특징적으로 사용되는 것이 아니라 관심 있는 객체들을 발견하는 데 있어서 최종 사용자들에게 유용한 용어일 수 있는 용어인 것으로 결정될 수 있다.
이제, 도 8을 참조하면, 데이터를 트래버싱하는 방법(60)이 도시된다. 이 예에서, 사용자는 GUI(110)(도 7a-7c)와 같은 GUI를 이용하여, 온라인 판매자들에 의해 제공되는 제품들로부터 구매할 미식가 트러플들을 검색할 수 있다.
방법(60)은 랜덤 액세스 메모리(RAM), 판독 전용 메모리(ROM), 프로그램 가능 ROM(PROM), 플래시 메모리 등과 같은 기계 또는 컴퓨터 판독가능 저장 매체 내에, 예를 들어 프로그램 가능 논리 어레이(PLA), 필드 프로그램가능 게이트 어레이(FPGA), 복합 프로그램 가능 논리 디바이스(CPLD)와 같은 구성 가능 논리 내에, 예를 들어 주문형 집적 회로(ASIC), 상보형 금속 산화물 반도체(CMOS) 또는 트랜지스터-트랜지스터 논리(TTL) 기술과 같은 회로 기술을 이용하는 고정 기능 논리 하드웨어 내에 또는 이들의 임의 조합 내에 저장되는 논리 및/또는 펌웨어 명령어들의 세트로서 구현될 수 있다. 예를 들어, 방법(60)에 도시된 동작들을 실행하기 위한 컴퓨터 프로그램 코드는 C++ 등과 같은 객체 지향 프로그램 언어 및 "C" 프로그램 언어 또는 유사한 프로그램 언어와 같은 전통적인 절차 프로그램 언어들을 포함하는 하나 이상의 프로그램 언어의 임의 조합으로 작성될 수 있다. 방법은 처리 블록(62)에서 시작될 수 있다.
처리 블록(64)에서, 사용자는 검색 바(111)(도 7a-7c)와 같은 검색 바를 이용하여, 예를 들어 "미식가 버섯들"과 같은 용어를 입력하고, 검색을 개시할 수 있다. 처리 블록(66)에서, 검색 애플리케이션은 "미식가"의 속성에 기초하여 검색 용어들을 주요 클러스터(100)(도 5)와 같은 주요 클러스터와 연관시킬 수 있다.
처리 블록(68)에서, 검색 애플리케이션은 검색을 하나 이상의 보조 클러스터에 더 집중시켜 검색 결과들을 반환할 수 있다. 예를 들어, 클러스터(101)(도 5)와 같은 제1 보조 클러스터가 트러플들과 관련될 수 있다. 보조 클러스터(102)(도 5)와 같은 제2 보조 클러스터가 올리브들과 관련될 수 있다. 처리 블록(70)에서, 검색 애플리케이션은 트러플들과 관련된 결과들을 반환할 수 있다.
반환된 결과들과 더불어, 검색 애플리케이션은 검색 결과들을 내비게이션하기 위한 조정 메커니즘들을 제공할 수 있다. 구체적으로, 검색 애플리케이션은 클러스터와 관련된 다양한 양태들(예로서, 속성, 연관성 정도 등)을 분석하여, 사용자의 검색의 제1 양태가 "미식가"일 수 있고, 제2 양태가 "버섯"일 수 있는 것으로 결정할 수 있다. 그와 같이, 검색 애플리케이션은 제1 조정 메커니즘(113)(도 7a-7c)과 같이 미식가와 관련된 제1 조정 메커니즘 및 제2 조정 메커니즘(114)(도 7a-7c)과 같이 버섯들과 관련된 제2 조정 메커니즘을 또한 제공할 수 있다. 게다가, 검색 애플리케이션은 "해변"과 같은 속성에 기초하여 검색의 결과들을 조정하는 데 사용될 수 있는 제3 조정 메커니즘(115)(도 7a-7c)과 유사한 제3 조정 메커니즘을 포함할 수 있다. 이 예에서, 조정 메커니즘들은 노브들의 형태를 취할 수 있다.
처리 블록(72)에서, 사용자는 결과들을 검토하고, 제1 및 제2 조정 메커니즘들을 이용하여 검색을 집중시켜 더 바람직한 결과들을 반환할 수 있다. 따라서, 이 예에서, 사용자는 제2 조정 메커니즘을 이용하여, 검색 결과들이 미식가보다는 버섯들에 더 집중되도록 요청할 수 있다.
처리 블록(74)에서, 검색 애플리케이션은 사용자의 입력을 이용하여, 사용자가 버섯들을 선호한다는 것을 인식할 수 있다. 따라서, 이 예에서, 검색 애플리케이션은 (예를 들어, 전술한 바와 같이, 연관성 정도 및 상대 관계를 이용하여) 객체 공간 내의 객체들을 분석하여, 가장 적절한 결과가 책 "버섯의 해부학(Anatomy of a Mushroom)"과 같은 특정 객체인 것으로 결정할 수 있다. 처리 블록(76)에서, 검색 애플리케이션은 결과를 사용자에게 반환할 수 있다.
처리 블록(78)에서, 사용자는 결과를 관찰하고, 책 "버섯의 해부학(Anatomy of a Mushroom)"이 버섯들과 너무 밀접하게 관련되고, 해변에 적합한 미식가 음식들과 충분히 관련되지 않은 것으로 결정할 수 있다. 따라서, 처리 블록(80)에서, 사용자는 (미식가와 관련된) 제1 조정 메커니즘을 이용하여 검색 결과들을 다시 미식가 음식들에 집중시키고, 제3 조정 메커니즘을 이용하여 속성 "해변"을 데이터 트래버설 프로세스 내에 통합할 수 있다.
처리 블록(82)에서, 검색 애플리케이션은 사용자 요청에 기초하여 검색 공간의 제1 보조 클러스터 내의 객체들을 분석할 수 있다. 즉, 검색 애플리케이션은 (예를 들어, 연관성 정도, 상대 관계 등을 이용하여) 여름 바나나 스플릿 트러플들이 객체 맵 내의 다른 객체들보다 미식가 음식들과 더 관련될 뿐만 아니라 해변에서의 낮과 더 관련되는 것으로 결정할 수 있다. 처리 블록(84)에서, 검색 애플리케이션은 제2 결과를 사용자에게 반환할 수 있다. 처리 블록(86)에서, 사용자는 여름 바나나 스플릿 트러플들을 제공하는 온라인 판매자로부터 그들을 구매하기 위한 거래를 수행할 수 있다. 처리 블록(88)에서, 프로세스가 종료될 수 있다. 도 8에 도시된 시퀀스 및 넘버링은 동작들의 순서의 다른 가능성의 배제를 의미하는 것을 의도하지 않는다. 당업자들은 전술한 시스템들 및 방법들의 다양한 수정들, 변형들 및 변경들이 가능하다는 것을 알 것이다.
예를 들어, 도 8에 도시된 실시예에서, 객체들은 객체들과 관련된 속성들에 따라 분석될 수 있다. 구체적으로, 사용자에게 반환될 결과들은 트러플 객체들의 해변 속성과 관련하여 분석되었다. 그러나, 검색 애플리케이션의 분석은 객체들과 관련된 속성들로 한정될 필요는 없다. 다른 실시예들에서, 검색 애플리케이션은 다른 정보를 또한 고려할 수 있다. 따라서, 예를 들어, 검색 애플리케이션은 사용자 프로파일을 분석하여, 사용자가 환경을 의식하는 것으로 결정할 수 있다. 이 경우에, 검색 애플리케이션은 환경 친화 제품들을 위해 조정할 조정 메커니즘을 제공함으로써 이러한 양태를 설명할 수 있다.
도 9는 일 실시예에 따른 프로세서 코어(200)를 나타낸다. 프로세서 코어(200)는 마이크로프로세서, 내장 프로세서, 디지털 신호 프로세서(DSP), 네트워크 프로세서 또는 코드를 실행하기 위한 다른 디바이스와 같은 임의의 타입의 프로세서를 위한 코어일 수 있다. 도 9에는 하나의 프로세서 코어(200)만이 도시되지만, 처리 요소는 대안으로서 도 9에 도시된 프로세서 코어(200)를 2개 이상 포함할 수 있다. 프로세서 코어(200)는 단일 스레드형 코어일 수 있거나, 적어도 일 실시예에서 프로세서 코어(200)는 코어당 둘 이상의 하드웨어 스레드 컨텍스트(또는 "논리 프로세서")을 포함할 수 있다는 점에 있어서 멀티스레드형일 수 있다.
도 9는 프로세서(200)에 결합된 메모리(270)를 또한 도시한다. 메모리(270)는 당업자들이 알거나 이용할 수 있는 바와 같은 (메모리 계층 구조의 다양한 계층들을 포함하는) 임의의 다양한 메모리들일 수 있다. 메모리(270)는 프로세서(200) 코어에 의해 실행될 하나 이상의 코드(213) 명령어(들)를 포함할 수 있으며, 코드(213)는 전술한 논리 아키텍처(36)(도 2)를 구현할 수 있다. 프로세서 코어(200)는 코드(213)에 의해 지시되는 명령어들의 프로그램 시퀀스를 따른다. 각각의 명령어는 프론트엔드 부분(210)에 입력되어 하나 이상의 디코더(220)에 의해 처리될 수 있다. 디코더(220)는 그의 출력으로서 마이크로 동작, 예를 들어 사전 정의된 포맷의 고정 폭 마이크로 동작을 생성할 수 있거나, 원래의 코드 명령어를 반영하는 다른 명령어들, 마이크로 명령어들 또는 제어 신호들을 생성할 수 있다. 도시된 프론트엔드(210)는 레지스터 재명명 논리(225) 및 스케줄링 논리(230)를 또한 포함하며, 이들은 일반적으로 자원들을 할당하고, 실행을 위해 변환 명령어에 대응하는 동작을 큐에 넣는다.
프로세서(200)는 실행 유닛들(255-1 내지 255-N)의 세트를 갖는 실행 논리(250)를 포함하는 것으로 도시된다. 일부 실시예들은 특정 기능들 또는 기능들의 세트들에 전용화되는 다수의 실행 유닛을 포함할 수 있다. 다른 실시예들은 특정 기능을 수행할 수 있는 하나의 실행 유닛만을 또는 하나의 실행 유닛을 포함할 수 있다. 도시된 실행 논리(250)는 코드 명령어들에 의해 지정되는 동작들을 수행한다.
코드 명령어들에 의해 지정된 동작들의 실행의 완료 후에, 백엔드 논리(260)가 코드(213)의 명령어들을 리타이어한다(retire). 일 실시예에서, 프로세서(200)는 비순차적 실행을 허락하지만, 명령어들의 순차적 리타이어먼트를 필요로 한다. 리타이어먼트 논리(265)는 당업자들에게 공지된 바와 같은 다양한 형태들(예로서, 재배열(re-order) 버퍼 등)을 취할 수 있다. 이러한 방식으로, 프로세서 코어(200)는 적어도 디코더에 의해 생성되는 출력, 레지스터 재명명 논리(225)에 의해 사용되는 하드웨어 레지스터들 및 테이블들, 및 실행 논리(250)에 의해 변경되는 임의의 레지스터들(도시되지 않음)과 관련하여 코드(213)의 실행 동안 변형된다.
도 9에는 도시되지 않았지만, 처리 요소는 프로세서 코어(200)를 갖는 칩 상에 다른 요소들을 포함할 수 있다. 예를 들어, 처리 요소는 프로세서 코어(200)와 함께 메모리 제어 논리를 포함할 수 있다. 처리 요소는 I/O 제어 논리를 포함할 수 있고/있거나, 메모리 제어 논리와 통합되는 I/O 제어 논리를 포함할 수 있다. 처리 요소는 하나 이상의 캐시를 또한 포함할 수 있다.
이제, 도 10을 참조하면, 본 발명의 일 실시예에 따른 시스템 실시예(1000)의 블록도가 도시된다. 도 10에는 제1 처리 요소(1070) 및 제2 처리 요소(1080)를 포함하는 마이크로프로세서 시스템(1000)이 도시된다. 2개의 처리 요소(1070, 1080)가 도시되지만, 시스템(1000)의 일 실시예는 하나의 그러한 처리 요소만을 포함할 수도 있다는 것을 이해해야 한다.
시스템(1000)은 점대점 상호접속 시스템으로서 도시되며, 제1 처리 요소(1070) 및 제2 처리 요소(1080)는 점대점 상호접속(1050)을 통해 결합된다. 도 10에 도시된 상호접속들 중 임의의 또는 모든 상호접속은 점대점 상호접속이 아니라 멀티드롭 버스로서 구현될 수 있다는 것을 이해해야 한다.
도 10에 도시된 바와 같이, 처리 요소들(1070, 1080) 각각은 제1 및 제2 프로세서 코어들(즉, 프로세서 코어들(1074a, 1074b) 및 프로세서 코어들(1084a, 1084b))을 포함하는 멀티코어 프로세서들일 수 있다. 그러한 코어들(1074, 1074b, 1084a, 1084b)은 도 9와 관련하여 전술한 것과 유사한 방식으로 명령어 코드를 실행하도록 구성될 수 있다.
각각의 처리 요소(1070, 1080)는 적어도 하나의 공유 캐시(1896)를 포함할 수 있다. 공유 캐시(1896a, 1896b)는 각각 코어들(1074a, 1074b, 1084a, 1084b)과 같은 프로세서의 하나 이상의 컴포넌트에 의해 사용되는 데이터(예로서, 명령어들)를 저장할 수 있다. 예를 들어, 공유 캐시는 프로세서의 컴포넌트들에 의한 더 빠른 액세스를 위해 메모리(1032, 1034)에 저장된 데이터를 국부적으로 캐싱할 수 있다. 하나 이상의 실시예에서, 공유 캐시는 레벨 2(L2), 레벨 3(L3), 레벨 4(L4)와 같은 하나 이상의 중간 레벨 캐시 또는 다른 레벨의 캐시, 최종 레벨 캐시(LLC) 및/또는 이들의 조합들을 포함할 수 있다.
2개의 처리 요소(1070, 1080)만이 도시되지만, 본 발명의 범위는 그에 한정되지 않는다는 것을 이해해야 한다. 다른 실시예들에서는, 주어진 프로세서 내에 하나 이상의 추가 처리 요소가 존재할 수 있다. 대안으로서, 처리 요소들(1070, 1080) 중 하나 이상은 프로세서가 아닌 요소, 예를 들어 가속기 또는 필드 프로그램가능 게이트 어레이일 수 있다. 예를 들어, 추가 처리 요소(들)는 제1 프로세서(1070)와 동일한 추가 프로세스(들), 제1 프로세서(1070)에 대해 이종이거나 비대칭인 추가 프로세서(들), (예로서, 그래픽 가속기 또는 디지털 신호 처리(DSP) 유닛과 같은) 가속기들, 필드 프로그램가능 게이트 어레이들 또는 임의의 다른 처리 요소를 포함할 수 있다. 아키텍처, 마이크로아키텍처, 열, 전력 소비 특성 등을 포함하는 장점의 척도들의 스펙트럼과 관련하여 처리 요소들(1070, 1080) 사이에는 다양한 차이들이 존재할 수 있다. 이러한 차이들은 처리 요소들(1070, 1080) 간의 비대칭성 및 이종성으로서 효과적으로 나타날 수 있다. 적어도 일 실시예에서, 다양한 처리 요소들(1070, 1080)은 동일 다이 패키지 내에 존재할 수 있다.
제1 처리 요소(1070)는 메모리 제어기 논리(MC)(1072) 및 점대점(P-P) 인터페이스들(1076, 1078)을 더 포함할 수 있다. 유사하게, 제2 처리 요소(1080)는 MC(1082) 및 P-P 인터페이스들(1086, 1088)을 포함할 수 있다. 도 10에 도시된 바와 같이, MC들(1072, 1082)은 프로세서들을 각각의 메모리들, 즉 메모리(1032) 및 메모리(1034)에 결합하며, 이들 메모리는 각각의 프로세서들에 국부적으로 부착된 메인 메모리의 부분들일 수 있다. MC 논리(1072, 1082)는 처리 요소(1070, 1080) 내에 통합된 것으로 도시되지만, 대안 실시예들에서 MC 논리는 처리 요소들(1070, 1080) 내에 통합되는 것이 아니라 그들 밖의 개별 논리일 수 있다.
제1 처리 요소(1070) 및 제2 처리 요소(1080)는 P-P 상호접속들(1076, 1086, 1084)을 통해 I/O 서브시스템(1090)에 각각 결합될 수 있다. 도 10에 도시된 바와 같이, I/O 서브시스템(1090)은 P-P 인터페이스들(1094, 1098)을 포함한다. 게다가, I/O 서브시스템(1090)은 I/O 서브시스템(1090)과 고성능 그래픽 엔진(1038)을 결합하기 위한 인터페이스(1092)를 포함한다. 일 실시예에서, 버스(1049)는 그래픽 엔진(1038)을 I/O 서브시스템(1090)에 결합하는 데 사용될 수 있다. 대안으로서, 점대점 상호접속(1039)이 이러한 컴포넌트들을 결합할 수 있다.
또한, I/O 서브시스템(1090)은 인터페이스(1096)를 통해 제1 버스(1016)에 결합될 수 있다. 일 실시예에서, 제1 버스(1016)는 주변 컴포넌트 상호접속(PCI) 버스, 또는 PCI 익스프레스 버스 또는 다른 3세대 I/O 상호접속 버스와 같은 버스일 수 있지만, 본 발명의 범위는 그에 한정되지 않는다.
도 10에 도시된 바와 같이, 다양한 I/O 장치들(1014)은 제1 버스(1016)를 제2 버스(1010)에 결합할 수 있는 버스 브리지(1018)와 함께 제1 버스(1016)에 결합될 수 있다. 일 실시예에서, 제2 버스(1020)는 LPC(low pin count) 버스일 수 있다. 일 실시예에서, 예를 들어 키보드/마우스(1012), (컴퓨터 네트워크(503)와도 통신할 수 있는) 네트워크 제어기(들)/통신 장치(들)(1026) 및 코드(1030)를 포함할 수 있는 디스크 드라이브 또는 다른 대용량 저장 디바이스와 같은 데이터 저장 유닛(1018)을 포함하는 다양한 디바이스들이 제2 버스(1020)에 결합될 수 있다. 통신 디바이스들(1026)은 전술한 바와 같이 객체들의 텍스트 설명들을 수신하는 데 사용될 수 있다. 코드(1030)는 전술한 방법들 중 하나 이상의 실시예들을 수행하기 위한 명령어들을 포함할 수 있다. 따라서, 도시된 코드(1030)는 논리 아키텍처(36)(도 2)를 구현할 수 있고, 전술한 코드(213)(도 9)와 유사할 수 있다. 또한, 오디오 I/O(1024)가 제2 버스(1020)에 결합될 수 있다.
다른 실시예들이 고려된다는 점에 유의한다. 예를 들어, 도 10의 점대점 아키텍처 대신에, 시스템은 멀티드롭 버스 또는 다른 그러한 통신 토폴로지를 구현할 수 있다. 또한, 도 10의 요소들은 대안으로서 도 10에 도시된 것보다 많거나 적은 통합 칩들을 이용하여 분할될 수 있다.
따라서, 예들은 복수의 텍스트 설명을 수신하기 위한 네트워크 제어기를 갖는 객체 공간 생성 시스템을 포함할 수 있으며, 각각의 텍스트 설명은 복수의 객체 내의 객체를 서술하는 하나 이상의 단어 및 문구를 포함한다. 게다가, 시스템은 복수의 텍스트 설명 각각과 하나 이상의 토픽 간의 제1 연관성의 정도를 결정하여 제1 연관성 정보를 획득하기 위한 제1 연관성 모듈, 및 복수의 객체 각각과 하나 이상의 토픽 간의 제2 연관성의 정도를 결정하여 제2 연관성 정보를 획득하기 위한 제2 연관성 모듈을 포함할 수 있다. 게다가, 시스템은 제1 연관성 정보 및 제2 연관성 정보에 기초하여 복수의 객체를 클러스터들 내에 그룹화하기 위한 클러스터 모듈을 포함할 수 있다.
더욱이, 시스템은 복수의 텍스트 설명에 기초하여 하나 이상의 토픽을 식별하기 위한 토픽 생성 모듈을 더 포함할 수 있다.
게다가, 토픽 생성 모듈은 토픽 모델을 이용하여 하나 이상의 토픽을 식별할 수 있다.
게다가, 제1 연관성 모듈은 제1 연관성 정보를 복수의 객체에 대응하는 제1 벡터 세트로서 구조화할 수 있고, 제2 연관성 모듈은 제2 연관성 정보를 복수의 텍스트 설명에 대응하는 벡터 세트로서 구조화할 수 있다.
게다가, 시스템은 각각의 텍스트 설명과 텍스트 설명 내의 하나 이상의 단어 간의 제3 연관성의 정도를 결정하여 제3 연관성 정보를 획득하기 위한 제3 연관성 모듈, 및 각각의 단어와 하나 이상의 토픽 간의 제4 연관성의 정도를 결정하여 제4 연관성 정보를 획득하기 위한 제4 연관성 모듈을 더 포함할 수 있다. 제1 연관성 모듈은 제3 및 제4 연관성 정보를 이용하여 제1 연관성 정보를 획득할 수 있으며, 제2 연관성 모듈은 제3 및 제4 연관성 정보를 이용하여 제4 연관성 정보를 획득할 수 있다.
게다가, 제1 연관성 모듈은 확률 그래픽 모델(PGM)을 이용하여 제4 연관성 정보를 복수의 텍스트 설명으로 전파할 수 있다.
게다가, 제2 연관성 모듈은 확률 그래픽 모델(PGM)을 이용하여 제4 연관성 정보를 복수의 객체로 전파할 수 있다.
더욱이, 제3 연관성 모듈은 제3 연관성 정보를 복수의 텍스트 설명에 대응하는 제3 벡터 세트로서 구조화할 수 있으며, 제4 연관성 모듈은 제4 연관성 정보를 하나 이상의 단어에 대응하는 제4 벡터 세트로서 구조화할 수 있다.
게다가, 제3 벡터 세트 내의 각각의 벡터는 각각의 텍스트 설명 내의 하나 이상의 단어의 발생의 빈도를 식별하는 가중치들을 가질 수 있다.
게다가, 클러스터 모듈은 객체들과 클러스터들 간의 상대 관계들에 기초하여 클러스터들을 공간적으로 배열할 수 있다.
다른 예에서, 객체 공간을 생성하는 방법은 복수의 텍스트 설명 각각과 하나 이상의 토픽 간의 제1 연관성의 정도를 결정하여 제1 연관성 정보를 획득하는 단계, 복수의 객체 각각과 하나 이상의 토픽 간의 제2 연관성의 정도를 결정하여 제2 연관성 정보를 획득하는 단계, 및 제1 연관성 정보 및 제2 연관성 정보에 기초하여 복수의 객체를 클러스터들로 그룹화하는 단계를 포함한다.
더욱이, 각각의 텍스트 설명은 복수의 객체 내의 객체를 서술하는 단어들 및 문구들 중 하나 이상을 포함할 수 있으며, 방법은 복수의 텍스트 설명에 기초하여 하나 이상의 토픽을 식별하는 단계를 더 포함한다.
게다가, 방법은 토픽 모델을 이용하여 하나 이상의 토픽을 식별하는 단계를 더 포함할 수 있다.
게다가, 방법은 제1 연관성 정보를 복수의 객체에 대응하는 제1 벡터 세트로서 구조화하는 단계, 및 제2 연관성 정보를 복수의 텍스트 설명에 대응하는 제2 벡터 세트로서 구조화하는 단계를 더 포함할 수 있다.
게다가, 제1 연관성의 정도 및 제2 연관성의 정도를 결정하는 단계는 각각의 텍스트 설명과 텍스트 설명 내의 하나 이상의 단어 간의 제3 연관성의 정도를 결정하여 제3 연관성 정보를 획득하는 단계, 및 각각의 단어와 하나 이상의 토픽 간의 제4 연관성의 정도를 결정하여 제4 연관성 정보를 획득하는 단계를 포함할 수 있다.
게다가, 방법은 확률 그래픽 모델(PGM)을 이용하여 제4 연관성 정보를 복수의 텍스트 설명으로 전파하는 단계를 더 포함할 수 있다.
게다가, 방법은 확률 그래픽 모델(PGM)을 이용하여 제4 연관성 정보를 복수의 객체로 전파하는 단계를 더 포함할 수 있다.
더욱이, 방법은 제3 연관성 정보를 복수의 텍스트 설명에 대응하는 제3 벡터 세트로서 구조화하는 단계, 및 제4 연관성 정보를 하나 이상의 단어에 대응하는 제4 벡터 세트로서 구조화하는 단계를 더 포함할 수 있다.
게다가, 제3 벡터 세트 내의 각각의 벡터는 각각의 텍스트 설명 내의 하나 이상의 단어의 발생의 빈도를 식별하는 가중치들을 가질 수 있다.
게다가, 복수의 객체를 그룹화하는 단계는 객체들 간의 상대 관계들에 기초하여 클러스터들을 공간적으로 배열하는 단계를 포함할 수 있다.
다른 예들은 트래버싱 명령어들의 세트를 포함하는 적어도 하나의 컴퓨터 판독가능 저장 매체를 포함할 수 있으며, 명령어들은 프로세서에 의해 실행되는 경우에 컴퓨터로 하여금 요청된 검색의 범위 및 객체 공간에 기초하여 결과들의 제1 세트를 생성하게 하는 객체 공간은 속성에 기초하여 상대 관계에 따라 배열되는 제1 객체 및 제2 객체를 포함한다. 트래버설 명령어들은 실행되는 경우에 또한 컴퓨터로 하여금 요청된 검색의 범위를 조정하도록 구성되는 제1 조정 메커니즘 및 속성에 기초하여 검색의 결과들을 조정하도록 구성되는 제2 조정 메커니즘을 포함하는 사용자 인터페이스를 생성하고, 제1 조정 메커니즘 및 제2 조정 메커니즘 중 하나 이상을 통해 수신되는 사용자 입력에 기초하여 결과들의 제2 세트를 생성하게 할 수 있으며, 결과들의 제2 세트는 제2 객체를 포함한다.
더욱이, 매체의 속성은 제1 객체의 제1 텍스트 설명 및 제2 객체의 제2 텍스트 설명 내에 포함된 단어에 기초할 수 있다.
게다가, 매체의 사용자 인터페이스는 그래픽 사용자 인터페이스(GUI)일 수 있고, 제1 조정 메커니즘은 노브 및 스크롤 가능 바 중 하나일 수 있다.
게다가, 매체의 사용자 인터페이스는 그래픽 사용자 인터페이스(GUI)일 수 있고, 제2 조정 메커니즘은 노브 및 스크롤 가능 바 중 하나일 수 있다.
예들은 요청된 검색의 범위 및 객체 공간에 기초하여 결과들의 제1 세트를 생성하기 위한 제1 결과 모듈을 포함하는 데이터 트래버설 장치를 또한 포함할 수 있으며, 객체 공간은 속성에 기초하여 상대 관계에 따라 배열되는 제1 객체 및 제2 객체를 포함한다. 데이터 트래버설 장치는 요청된 검색의 범위를 조정하도록 구성되는 제1 조정 메커니즘 및 속성에 기초하여 검색의 결과들을 조정하도록 구성되는 제2 조정 메커니즘을 포함하는 사용자 인터페이스를 생성하기 위한 조정 모듈, 및 제1 조정 메커니즘 및 제2 조정 메커니즘 중 하나 이상을 통해 수신되는 사용자 입력에 기초하여 결과들의 제2 세트를 생성하기 위한 제2 결과 모듈을 또한 포함할 수 있으며, 결과들의 제2 세트는 제2 객체를 포함한다.
더욱이, 장치의 속성은 제1 객체의 제1 텍스트 설명 및 제2 객체의 제2 텍스트 설명 내에 포함된 단어에 기초할 수 있다.
게다가, 장치의 사용자 인터페이스는 그래픽 사용자 인터페이스(GUI)일 수 있고, 제1 조정 메커니즘은 노브 및 스크롤 가능 바 중 하나일 수 있다.
게다가, 장치의 사용자 인터페이스는 그래픽 사용자 인터페이스(GUI)일 수 있고, 제2 조정 메커니즘은 노브 및 스크롤 가능 바 중 하나일 수 있다.
다양한 실시예들은 하드웨어 요소들, 소프트웨어 요소들 또는 이들 양자의 조합을 이용하여 구현될 수 있다. 하드웨어 요소의 예는 프로세서, 마이크로프로세서, 회로, 회로 요소(예로서, 트랜지스터, 저항기, 커패시터, 인덕터 등), 집적 회로, 주문형 집적 회로(ASIC), 프로그램 가능 논리 장치(PLD), 디지털 신호 프로세서(DSP), 필드 프로그램가능 게이트 어레이(FPGA), 논리 게이트, 레지스터, 반도체 디바이스, 칩, 마이크로칩, 칩셋 등을 포함할 수 있다. 소프트웨어의 예는 소프트웨어 컴포넌트, 프로그램, 애플리케이션, 컴퓨터 프로그램, 애플리케이션 프로그램, 시스템 프로그램, 기계 프로그램, 운영 체제 소프트웨어, 미들웨어, 펌웨어, 소프트웨어 모듈, 루틴, 서브루틴, 함수, 메소드, 프로시져, 소프트웨어 인터페이스, 애플리케이션 프로그램 인터페이스(API), 명령어 세트, 컴퓨팅 코드, 컴퓨터 코드, 코드 세그먼트, 컴퓨터 코드 세그먼트, 워드, 값, 심벌 또는 이들의 임의 조합을 포함할 수 있다. 실시예가 하드웨어 요소들 및/또는 소프트웨어 요소들을 이용하여 구현되는지를 결정하는 것은 원하는 계산 레이트, 전력 레벨, 열 허용 한계, 처리 사이클 버짓, 입력 데이터 레이트, 출력 데이터 레이트, 메모리 자원, 데이터 버스 속도 및 다른 설계 또는 성능 제약과 같은 임의 수의 인자에 따라 변할 수 있다.
적어도 일 실시예의 하나 이상의 양태는 기계에 의해 판독될 때 기계로 하여금 본 명세서에서 설명되는 기술들을 수행하기 위한 논리를 제조하게 하는 프로세서 내의 다양한 논리를 나타내는 기계 판독가능 매체 상에 저장된 표현 명령어들에 의해 구현될 수 있다. "IP 코어들"로서 알려진 그러한 표현들은 유형의 기계 판독가능 매체 상에 저장될 수 있으며, 논리 또는 프로세서를 실제로 제조하는 제조 기계들 내로 로딩하기 위해 다양한 고객들 또는 제조 설비들에 제공될 수 있다.
본 발명의 실시예들은 모든 타입의 반도체 집적 회로("IC") 칩들과 함께 사용하기 위해 적용될 수 있다. 이러한 IC 칩들의 예는 프로세서, 제어기, 칩셋 컴포넌트, 프로그램 가능 논리 어레이(PLA), 메모리 칩, 네트워크 칩 등을 포함하지만 이에 한정되지 않는다. 게다가, 도면들 중 일부에서, 신호 도선들은 선들로 표현된다. 일부는 보다 구성적인 신호 경로들을 지시하기 위해 상이할 수 있고, 구성 신호 경로들의 수를 지시하기 위해 숫자 라벨을 가질 수 있고 그리고/또는 주요 정보 흐름 방향을 지시하기 위해 하나 이상의 단부에서 화살표를 가질 수 있다. 그러나, 이것은 한정적인 방식으로 해석되지 않아야 한다. 오히려, 그러한 추가 상세는 하나 이상의 예시적인 실시예와 관련하여 회로의 더 쉬운 이해를 촉진하기 위해 사용될 수 있다. 임의의 표현된 신호선들은 추가 정보를 갖는지의 여부에 관계없이 다수의 방향으로 이동할 수 있고 임의의 적절한 타입의 신호 스킴에 의해 구현될 수 있는 하나 이상의 신호, 예를 들어 차동 쌍들, 광섬유 선들 및/또는 단일 종단 선들에 의해 구현되는 디지털 또는 아날로그 선들을 실제로 포함할 수 있다.
예시적인 크기/모델/값/범위가 주어졌을 수 있지만, 본 발명의 실시예들은 그에 한정되지 않는다. 시간이 지남에 따라 제조 기술들(예로서, 포토리소그래피)이 발달함에 따라, 더 작은 크기의 디바이스들이 제조될 수 있을 것으로 예상된다. 게다가, IC 칩들 및 다른 컴포넌트들에 대한 공지된 전원/접지 접속들은 예시 및 설명의 간소화를 위해 그리고 본 발명의 실시예들의 소정 양태들을 불명확하게 하지 않기 위해 도면들 내에 도시되거나 도시되지 않을 수 있다. 또한, 구성들은 본 발명의 실시예들을 불명확하게 하지 않기 위해 그리고 또한 그러한 블록도 구성들의 구현과 관련된 상세들이 실시예가 구현되는 플랫폼에 크게 의존한다는 사실, 즉 그러한 상세들이 당업자의 이해 범위 내에 있어야 한다는 사실에 비추어 그러한 블록도 형태로 도시될 수 있다. 본 발명의 실시예들을 설명하기 위해 특정 상세들(예로서, 회로들)이 설명되지만, 본 발명의 실시예들은 이러한 특정 상세들 없이 또는 그들의 변형을 이용하여 실시될 수 있다는 것이 당업자에게 명백해야 한다. 따라서, 본 설명은 한정이 아니라 예시적인 것으로 간주되어야 한다.
일부 실시예들은 예를 들어 기계에 의해 실행되는 경우에 기계로 하여금 실시예들에 따른 방법 및/또는 동작들을 수행하게 할 수 있는 명령어 또는 명령어들의 세트를 저장할 수 있는 기계 또는 유형의 컴퓨터 판독가능 매체 또는 물품을 이용하여 구현될 수 있다. 그러한 기계는 예를 들어 임의의 적절한 처리 플랫폼, 컴퓨팅 플랫폼, 컴퓨팅 디바이스, 처리 디바이스, 컴퓨팅 시스템, 처리 시스템, 컴퓨터, 프로세서 등을 포함할 수 있으며, 하드웨어 및/또는 소프트웨어의 임의의 적절한 조합을 이용하여 구현될 수 있다. 기계 판독가능 매체 또는 물품은 예를 들어 임의의 적절한 타입의 메모리 유닛, 메모리 장치, 메모리 물품, 메모리 매체, 저장 장치, 저장 물품, 저장 매체 및/또는 저장 유닛, 예를 들어 메모리, 이동식 또는 비이동식 매체, 소거 가능 또는 소거 불가 매체, 기록 가능 또는 재기록 가능 매체, 디지털 또는 아날로그 매체, 하드 디스크, 플로피 디스크, 컴팩트 디스크 판독 전용 메모리(CD-ROM), 컴팩트 디스크 기록 가능(CD-R), 컴팩트 디스크 재기록 가능(CD-RW), 광 디스크, 자기 매체, 광자기 매체, 이동식 메모리 카드 또는 디스크, 다양한 타입의 디지털 다기능 디스크(DVD), 테이프, 카세트 등을 포함할 수 있다. 명령어들은 임의의 적절한 고레벨, 저레벨, 객체 지향, 비주얼, 컴파일 및/또는 해석 프로그램 언어를 이용하여 구현되는 임의의 적절한 타입의 코드, 예를 들어 소스 코드, 컴파일된 코드, 해석된 코드, 실행 가능 코드, 정적 동적, 동적 코드, 암호화된 코드 등을 포함할 수 있다.
구체적으로 달리 언급되지 않는 한, "처리", "컴퓨팅", "계산", "결정" 등과 같은 용어들은 컴퓨팅 시스템의 레지스터들 및/또는 메모리들 내에 물리적인 양들(예로서, 전자)로서 표현된 데이터를 컴퓨팅 시스템의 메모리들, 레지스터들 또는 다른 그러한 정보 저장, 전송 또는 표시 디바이스들 내에 물리적인 양들로서 유사하게 표현되는 다른 데이터로 조작 및/또는 변환하는 컴퓨터 또는 컴퓨팅 시스템 또는 유사한 전자 컴퓨팅 시스템의 액션 및/또는 프로세스들을 지칭한다는 것을 알 수 있다. 실시예들은 이와 관련하여 한정되지 않는다.
"결합"이라는 용어는 본 명세서에서 해당 컴포넌트들 간의 직접적이거나 간접적인 임의의 타입의 관계를 지칭하는 데 사용될 수 있으며, 전기, 기계, 유체, 광학, 전자기, 전기 기계 또는 다른 관계들에 적용될 수 있다. 게다가, "제1", "제2" 등의 용어는 본 명세서에서 단지 설명의 편의를 위해 사용될 수 있으며, 달리 지시되지 않는 한은 특정한 시간적 또는 연대기적 의미를 갖지 않을 수 있다.
당업자들은 전술한 설명으로부터, 본 발명의 실시예들의 광범위한 기술들이 다양한 형태로 구현될 수 있다는 것을 알 것이다. 따라서, 본 발명의 실시예들은 그들의 특정 예들과 관련하여 설명되었지만, 도면들, 명세서 및 아래의 특허청구범위를 학습함에 따라 당업자에게 다른 변경들이 명백할 것이므로, 본 발명의 실시예들의 진정한 범위는 그에 한정되지 않아야 한다.

Claims (20)

  1. 복수의 텍스트 설명을 수신하기 위한 네트워크 제어기 - 각각의 텍스트 설명은 복수의 객체 내의 객체를 서술하는 하나 이상의 단어 및 문구를 포함함 -;
    상기 복수의 텍스트 설명 각각과 하나 이상의 토픽 간의 제1 연관성의 정도(first degree of association)를 결정하여 제1 연관성 정보를 획득하기 위한 제1 연관성 모듈;
    상기 복수의 객체 각각과 상기 하나 이상의 토픽 간의 제2 연관성의 정도를 결정하여 제2 연관성 정보를 획득하기 위한 제2 연관성 모듈; 및
    상기 제1 연관성 정보 및 상기 제2 연관성 정보에 기초하여 상기 복수의 객체를 클러스터들로 그룹화하기 위한 클러스터 모듈
    을 포함하는 객체 공간 생성 시스템.
  2. 제1항에 있어서,
    상기 복수의 텍스트 설명에 기초하여 상기 하나 이상의 토픽을 식별하기 위한 토픽 생성 모듈을 더 포함하는 객체 공간 생성 시스템.
  3. 제2항에 있어서,
    상기 토픽 생성 모듈은 토픽 모델을 이용하여 상기 하나 이상의 토픽을 식별하는 객체 공간 생성 시스템.
  4. 제1항에 있어서,
    상기 제1 연관성 모듈은 상기 제1 연관성 정보를 상기 복수의 텍스트 설명에 대응하는 제1 벡터 세트로서 구조화하고, 상기 제2 연관성 모듈은 상기 제2 연관성 정보를 상기 복수의 객체에 대응하는 벡터들의 세트로서 구조화하는 객체 공간 생성 시스템.
  5. 제1항에 있어서,
    각각의 텍스트 설명과 상기 텍스트 설명 내의 하나 이상의 단어 간의 제3 연관성의 정도를 결정하여 제3 연관성 정보를 획득하기 위한 제3 연관성 모듈; 및
    각각의 단어와 상기 하나 이상의 토픽 간의 제4 연관성의 정도를 결정하여 제4 연관성 정보를 획득하기 위한 제4 연관성 모듈
    을 더 포함하고,
    상기 제1 연관성 모듈은 상기 제3 및 제4 연관성 정보를 이용하여 상기 제1 연관성 정보를 획득하며, 상기 제2 연관성 모듈은 상기 제3 및 제4 연관성 정보를 이용하여 상기 제2 연관성 정보를 획득하는 객체 공간 생성 시스템.
  6. 제5항에 있어서,
    상기 제1 연관성 모듈은 확률 그래픽 모델(PGM)을 이용하여 상기 제4 연관성 정보를 상기 복수의 텍스트 설명으로 전파하는 객체 공간 생성 시스템.
  7. 제5항에 있어서,
    상기 제2 연관성 모듈은 확률 그래픽 모델(PGM)을 이용하여 상기 제4 연관성 정보를 상기 복수의 객체로 전파하는 객체 공간 생성 시스템.
  8. 제5항에 있어서,
    상기 제3 연관성 모듈은 상기 제3 연관성 정보를 상기 복수의 텍스트 설명에 대응하는 제3 벡터 세트로서 구조화하며, 상기 제4 연관성 모듈은 상기 제4 연관성 정보를 상기 하나 이상의 단어에 대응하는 제4 벡터 세트로서 구조화하는 객체 공간 생성 시스템.
  9. 제8항에 있어서,
    상기 제3 벡터 세트 내의 각각의 벡터는 각각의 텍스트 설명 내의 상기 하나 이상의 단어의 발생의 빈도를 식별하는 가중치들을 갖는 객체 공간 생성 시스템.
  10. 제1항 내지 제9항 중 어느 한 항에 있어서,
    상기 클러스터 모듈은 상기 객체들과 클러스터들 간의 상대적인 관계들에 기초하여 상기 클러스터들을 공간적으로 배열(order)하는 객체 공간 생성 시스템.
  11. 객체 공간을 생성하는 방법으로서,
    복수의 텍스트 설명 각각과 하나 이상의 토픽 간의 제1 연관성의 정도를 결정하여 제1 연관성 정보를 획득하는 단계;
    복수의 객체 각각과 상기 하나 이상의 토픽 간의 제2 연관성의 정도를 결정하여 제2 연관성 정보를 획득하는 단계; 및
    상기 제1 연관성 정보 및 상기 제2 연관성 정보에 기초하여 상기 복수의 객체를 클러스터들로 그룹화하는 단계
    를 포함하는 방법.
  12. 제11항에 있어서,
    각각의 텍스트 설명은 상기 복수의 객체 내의 객체를 서술하는 단어들 및 문구들 중 하나 이상을 포함하며, 상기 방법은 상기 복수의 텍스트 설명에 기초하여 상기 하나 이상의 토픽을 식별하는 단계를 더 포함하는 방법.
  13. 제12항에 있어서,
    토픽 모델을 이용하여 상기 하나 이상의 토픽을 식별하는 단계를 더 포함하는 방법.
  14. 제11항 내지 제13항 중 어느 한 항에 있어서,
    상기 제1 연관성 정보를 상기 복수의 객체에 대응하는 제1 벡터 세트로서 구조화하는 단계; 및
    상기 제2 연관성 정보를 상기 복수의 텍스트 설명에 대응하는 제2 벡터 세트로서 구조화하는 단계
    를 더 포함하는 방법.
  15. 트래버싱 명령어들(traversal instructions)의 세트를 포함하는 적어도 하나의 컴퓨터 판독가능 저장 매체로서, 상기 명령어들은 프로세서에 의해 실행되는 경우, 컴퓨터로 하여금,
    요청된 검색의 범위 및 객체 공간에 기초하여 제1 결과 세트를 생성하고 - 상기 객체 공간은 속성에 기초한 상대적인 관계에 따라 배열되는 제1 객체 및 제2 객체를 포함함 -;
    상기 요청된 검색의 범위를 조정하도록 구성되는 제1 조정 메커니즘 및 상기 속성에 기초하여 검색의 결과들을 조정하도록 구성되는 제2 조정 메커니즘을 포함하는 사용자 인터페이스를 생성하고;
    상기 제1 조정 메커니즘 및 상기 제2 조정 메커니즘 중 하나 이상을 통해 수신되는 사용자 입력에 기초하여 제2 결과 세트를 생성 - 상기 제2 결과 세트는 상기 제2 객체를 포함함 -
    하게 하는 적어도 하나의 컴퓨터 판독가능 저장 매체.
  16. 제15항에 있어서,
    상기 속성은 상기 제1 객체의 제1 텍스트 설명 및 상기 제2 객체의 제2 텍스트 설명 내에 포함된 단어에 기초하는 적어도 하나의 컴퓨터 판독가능 저장 매체.
  17. 제15항 또는 제16항에 있어서,
    상기 사용자 인터페이스는 그래픽 사용자 인터페이스(GUI)이고, 상기 제1 조정 메커니즘은 노브 및 스크롤 가능 바 중 하나인 적어도 하나의 컴퓨터 판독가능 저장 매체.
  18. 제15항 또는 제16항에 있어서,
    상기 사용자 인터페이스는 그래픽 사용자 인터페이스(GUI)이고, 상기 제2 조정 메커니즘은 노브 및 스크롤 가능 바 중 하나인 적어도 하나의 컴퓨터 판독가능 저장 매체.
  19. 데이터 트래버싱 장치로서,
    요청된 검색의 범위 및 객체 공간에 기초하여 제1 결과 세트를 생성하기 위한 제1 결과 모듈 - 상기 객체 공간은 속성에 기초한 상대적인 관계에 따라 배열되는 제1 객체 및 제2 객체를 포함함 -;
    상기 요청된 검색의 범위를 조정하도록 구성된 제1 조정 메커니즘 및 상기 속성에 기초하여 검색의 결과들을 조정하도록 구성된 제2 조정 메커니즘을 포함하는 사용자 인터페이스를 생성하기 위한 조정 모듈; 및
    상기 제1 조정 메커니즘 및 상기 제2 조정 메커니즘 중 하나 이상을 통해 수신되는 사용자 입력에 기초하여 제2 결과 세트를 생성하기 위한 제2 결과 모듈
    - 상기 제2 결과 세트는 상기 제2 객체를 포함함 -
    을 포함하는 데이터 트래버싱 장치.
  20. 제19항에 있어서,
    상기 속성은 상기 제1 객체의 제1 텍스트 설명 및 상기 제2 객체의 제2 텍스트 설명 내에 포함된 단어에 기초하는 데이터 트래버싱 장치.
KR1020157001059A 2012-08-17 2013-08-01 데이터 관계를 이용하는 데이터 트래버싱 KR101642365B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/588,828 US9110983B2 (en) 2012-08-17 2012-08-17 Traversing data utilizing data relationships
US13/588,828 2012-08-17
PCT/US2013/053170 WO2014028225A1 (en) 2012-08-17 2013-08-01 Traversing data utilizing data relationships

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020167001627A Division KR101692798B1 (ko) 2012-08-17 2013-08-01 데이터 관계를 이용하는 데이터 트래버싱

Publications (2)

Publication Number Publication Date
KR20150021115A true KR20150021115A (ko) 2015-02-27
KR101642365B1 KR101642365B1 (ko) 2016-07-25

Family

ID=50100824

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020157001059A KR101642365B1 (ko) 2012-08-17 2013-08-01 데이터 관계를 이용하는 데이터 트래버싱
KR1020167001627A KR101692798B1 (ko) 2012-08-17 2013-08-01 데이터 관계를 이용하는 데이터 트래버싱

Family Applications After (1)

Application Number Title Priority Date Filing Date
KR1020167001627A KR101692798B1 (ko) 2012-08-17 2013-08-01 데이터 관계를 이용하는 데이터 트래버싱

Country Status (6)

Country Link
US (2) US9110983B2 (ko)
EP (1) EP2885721A4 (ko)
JP (1) JP5964516B2 (ko)
KR (2) KR101642365B1 (ko)
CN (1) CN104428762B (ko)
WO (1) WO2014028225A1 (ko)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8682823B2 (en) * 2007-04-13 2014-03-25 A-Life Medical, Llc Multi-magnitudinal vectors with resolution based on source vector features
US7908552B2 (en) 2007-04-13 2011-03-15 A-Life Medical Inc. Mere-parsing with boundary and semantic driven scoping
US9557879B1 (en) 2012-10-23 2017-01-31 Dell Software Inc. System for inferring dependencies among computing systems
US10333820B1 (en) 2012-10-23 2019-06-25 Quest Software Inc. System for inferring dependencies among computing systems
US10771247B2 (en) 2013-03-15 2020-09-08 Commerce Signals, Inc. Key pair platform and system to manage federated trust networks in distributed advertising
US10803512B2 (en) * 2013-03-15 2020-10-13 Commerce Signals, Inc. Graphical user interface for object discovery and mapping in open systems
US11222346B2 (en) 2013-03-15 2022-01-11 Commerce Signals, Inc. Method and systems for distributed signals for use with advertising
US11005738B1 (en) 2014-04-09 2021-05-11 Quest Software Inc. System and method for end-to-end response-time analysis
US9479414B1 (en) 2014-05-30 2016-10-25 Dell Software Inc. System and method for analyzing computing performance
US10291493B1 (en) * 2014-12-05 2019-05-14 Quest Software Inc. System and method for determining relevant computer performance events
US9996577B1 (en) 2015-02-11 2018-06-12 Quest Software Inc. Systems and methods for graphically filtering code call trees
JP2016162163A (ja) * 2015-03-02 2016-09-05 富士ゼロックス株式会社 情報処理装置及び情報処理プログラム
US10187260B1 (en) 2015-05-29 2019-01-22 Quest Software Inc. Systems and methods for multilayer monitoring of network function virtualization architectures
KR101705556B1 (ko) * 2015-06-26 2017-02-22 주식회사 파수닷컴 연관도를 이용한 연관 노트 제공 방법 및 장치
US10078858B2 (en) * 2015-08-05 2018-09-18 Amadeus S.A.S. Systems, methods, and computer program products for implementing a free-text search database
US10200252B1 (en) 2015-09-18 2019-02-05 Quest Software Inc. Systems and methods for integrated modeling of monitored virtual desktop infrastructure systems
US10558679B2 (en) * 2016-02-10 2020-02-11 Fuji Xerox Co., Ltd. Systems and methods for presenting a topic-centric visualization of collaboration data
US10230601B1 (en) 2016-07-05 2019-03-12 Quest Software Inc. Systems and methods for integrated modeling and performance measurements of monitored virtual desktop infrastructure systems
US10620923B2 (en) * 2016-08-22 2020-04-14 Oracle International Corporation System and method for dynamic, incremental recommendations within real-time visual simulation
US10212181B2 (en) * 2016-11-18 2019-02-19 Bank Of America Corporation Network security database sorting tool
DE102017125232A1 (de) 2017-10-27 2019-05-02 Nexwafe Gmbh Verfahren und Vorrichtung zur kontinuierlichen Gasphasenabscheidung von Silizium auf Substraten
CN110750498B (zh) * 2018-07-19 2023-01-06 成都华为技术有限公司 对象访问方法、装置及存储介质
CN114579730A (zh) * 2020-11-30 2022-06-03 伊姆西Ip控股有限责任公司 信息处理方法、电子设备和计算机程序产品
CN114637782A (zh) * 2022-04-02 2022-06-17 筏渡(上海)科技有限公司 一种针对结构化数值型数据生成文本的方法及装置

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090276377A1 (en) * 2008-04-30 2009-11-05 Cisco Technology, Inc. Network data mining to determine user interest

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE60044220D1 (de) * 1999-01-26 2010-06-02 Xerox Corp Multimodaler Informationzugriff
US6751621B1 (en) * 2000-01-27 2004-06-15 Manning & Napier Information Services, Llc. Construction of trainable semantic vectors and clustering, classification, and searching using trainable semantic vectors
AU2001264611A1 (en) * 2000-05-17 2001-11-26 Microsoft Corporation System and method for matching a textual input to a lexical knowledge base and for utilizing results of that match
GB2377046A (en) * 2001-06-29 2002-12-31 Ibm Metadata generation
US6886010B2 (en) * 2002-09-30 2005-04-26 The United States Of America As Represented By The Secretary Of The Navy Method for data and text mining and literature-based discovery
US7562068B2 (en) 2004-06-30 2009-07-14 Microsoft Corporation System and method for ranking search results based on tracked user preferences
US8065316B1 (en) * 2004-09-30 2011-11-22 Google Inc. Systems and methods for providing search query refinements
US7440948B2 (en) 2005-09-20 2008-10-21 Novell, Inc. System and method of associating objects in search results
JP2009026195A (ja) * 2007-07-23 2009-02-05 Yokohama National Univ 商品分類装置、商品分類方法及びプログラム
US20090070346A1 (en) * 2007-09-06 2009-03-12 Antonio Savona Systems and methods for clustering information
JP5098631B2 (ja) * 2007-12-25 2012-12-12 日本電気株式会社 メール分類システム、メール検索システム
KR100945163B1 (ko) * 2008-01-15 2010-03-08 백기영 개인 맞춤형 웹공간 제공시스템 및 그 방법
US8886637B2 (en) 2008-05-12 2014-11-11 Enpulz, L.L.C. Web browser accessible search engine which adapts based on user interaction
CN102193936B (zh) * 2010-03-09 2013-09-18 阿里巴巴集团控股有限公司 一种数据分类的方法及装置
US20120011119A1 (en) 2010-07-08 2012-01-12 Qualcomm Incorporated Object recognition system with database pruning and querying

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090276377A1 (en) * 2008-04-30 2009-11-05 Cisco Technology, Inc. Network data mining to determine user interest

Also Published As

Publication number Publication date
CN104428762A (zh) 2015-03-18
EP2885721A1 (en) 2015-06-24
KR101692798B1 (ko) 2017-01-05
US20150309685A1 (en) 2015-10-29
JP5964516B2 (ja) 2016-08-03
KR101642365B1 (ko) 2016-07-25
CN104428762B (zh) 2017-10-17
KR20160014106A (ko) 2016-02-05
US9110983B2 (en) 2015-08-18
WO2014028225A1 (en) 2014-02-20
US20140052712A1 (en) 2014-02-20
EP2885721A4 (en) 2016-04-20
JP2015528173A (ja) 2015-09-24

Similar Documents

Publication Publication Date Title
KR101642365B1 (ko) 데이터 관계를 이용하는 데이터 트래버싱
Zhang et al. Topic analysis and forecasting for science, technology and innovation: Methodology with a case study focusing on big data research
EP3143523B1 (en) Visual interactive search
Cao et al. Facetatlas: Multifaceted visualization for rich text corpora
Lu et al. BizSeeker: a hybrid semantic recommendation system for personalized government‐to‐business e‐services
JP2016212838A (ja) 発見情報学システム、方法、及びコンピュータプログラム
Li et al. Text mining of user-generated content (UGC) for business applications in e-commerce: A systematic review
CN107111640A (zh) 用于与图像搜索结果一起呈现辅助内容的方法和用户界面
Gramyak et al. Intelligent Method of a Competitive Product Choosing based on the Emotional Feedbacks Coloring.
Dang et al. Adoption of social media search systems: An IS success model perspective
Lee et al. What books will be your bestseller? A machine learning approach with Amazon Kindle
Lee et al. Can book covers help predict bestsellers using machine learning approaches?
Hamdollahi Oskouei et al. FoodRecNet: a comprehensively personalized food recommender system using deep neural networks
Kumari et al. Importance of data standardization methods on stock indices prediction accuracy
Kaur et al. FeedLens: Polymorphic Lenses for Personalizing Exploratory Search over Knowledge Graphs
Ke et al. Discovering e-commerce user groups from online comments: An emotional correlation analysis-based clustering method
US11334606B2 (en) Managing content creation of data sources
Al-Ajlan et al. A survey on recommender system for Arabic content
Gravier et al. Shaping-up multimedia analytics: Needs and expectations of media professionals
Castano et al. inWalk: Interactive and Thematic Walks inside the Web of Data.
Dabbèchi et al. Nosql data lake: A big data source from social media
Zhou et al. A Design Space for Surfacing Content Recommendations in Visual Analytic Platforms
CN111401641B (zh) 业务数据处理方法、装置及电子设备
Chakrabarti et al. Monitoring large scale production processes using a rule-based visualization recommendation system
Jha et al. Ctr prediction: A bibliometric review of scientific literature

Legal Events

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