KR20150079983A - 구조화된 검색 질의용 문법 모델 - Google Patents

구조화된 검색 질의용 문법 모델 Download PDF

Info

Publication number
KR20150079983A
KR20150079983A KR1020157015419A KR20157015419A KR20150079983A KR 20150079983 A KR20150079983 A KR 20150079983A KR 1020157015419 A KR1020157015419 A KR 1020157015419A KR 20157015419 A KR20157015419 A KR 20157015419A KR 20150079983 A KR20150079983 A KR 20150079983A
Authority
KR
South Korea
Prior art keywords
identified
user
node
grammar
query
Prior art date
Application number
KR1020157015419A
Other languages
English (en)
Other versions
KR101582929B1 (ko
Inventor
요파이 카리 리
마이클 벤자민 코헨
맥심 바우처
앨리슨 구사티 아졸리니
시아오 리
라스 엘리스트럽 라스무센
캐스린 하임즈
에이미 켐벨
Original Assignee
페이스북, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 페이스북, 인크. filed Critical 페이스북, 인크.
Publication of KR20150079983A publication Critical patent/KR20150079983A/ko
Application granted granted Critical
Publication of KR101582929B1 publication Critical patent/KR101582929B1/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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/288—Entity relationship models
    • 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
    • G06F16/33—Querying
    • 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
    • G06F16/901—Indexing; Data structures therefor; Storage structures
    • G06F16/9024—Graphs; Linked lists
    • 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
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90324—Query formulation using system suggestions
    • 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
    • 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
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G06F17/274—
    • G06F17/30634—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Abstract

일실시예로, 본 방법은 복수의 노드와 에지를 포함하는 소셜 그래프에 접근하는 단계, 비구조화된 텍스트 질의를 수신하는 단계, 텍스트 질의의 n-그램에 해당하는 노드와 에지를 식별하는 단계, 컨텍스트-무관 문법 모델에 접근하는 단계, 식별된 노드와 에지에 해당하는 질의 토큰을 가진 문법을 식별하는 단계, 각각의 식별된 문법에 대한 점수를 결정하는 단계 및 문법에 의해 생성된 문자열에 기반한 식별된 문법을 기초로 구조화된 질의를 생성하는 단계를 포함한다.

Description

구조화된 검색 질의용 문법 모델{GRAMMAR MODEL FOR STRUCTURED SEARCH QUERIES}
본 명세서는 일반적으로 소셜 그래프에 관한 것이며 소셜 네트워킹 시스템 내 객체의 검색을 수행하는 것에 관한 것이다.
소셜 네트워킹 웹사이트를 포함할 수 있는 소셜 네트워킹 시스템은 그 사용자들(가령, 사람들 또는 단체)이 소셜 네트워킹 시스템과 상호작용하고 소셜 네트워킹 시스템을 통해 서로 상호작용할 수 있게 해줄 수 있다. 소셜 네트워킹 시스템은 사용자로부터의 입력으로 사용자와 관련된 사용자 프로필을 생성하고 소셜 네트워킹 시스템에 저장할 수 있다. 사용자 프로필은 신상 정보, 통신-채널 정보 및 사용자의 개인 관심사에 대한 정보를 포함할 수 있다. 또한, 소셜 네트워킹 시스템은 사용자로부터의 입력으로 소셜 네트워킹 시스템의 다른 사용자들과의 사용자의 관계의 레코드를 생성하고 저장할 수 있을 뿐만 아니라, 서비스(예컨대, 담벼락-게시물, 사진 공유, 이벤트 조직, 메시징, 게임 또는 광고)를 제공하여 사용자들 사이의 소셜 상호작용을 용이하게 할 수 있다.
소셜 네트워킹 시스템은 하나 이상의 네트워크를 통해 서비스에 관한 컨텐츠 또는 메시지를 사용자의 모바일이나 다른 컴퓨팅 장치로 전송할 수 있다. 또한, 사용자는 소셜 네트워킹 시스템 내 사용자의 사용자 프로필과 다른 데이터에 접근하기 위해 소프트웨어 애플리케이션을 사용자의 모바일이나 다른 컴퓨팅 장치에 설치할 수 있다. 소셜 네트워킹 시스템은 사용자에게 디스플레이하기 위해 가령 사용자와 연결된 다른 사용자들의 집계된 소식의 뉴스피드와 같이 개인화된 세트의 컨텐츠 객체를 생성할 수 있다.
소셜 그래프 분석은 노드와 에지로 구성되는 네트워크 이론의 관점에서 소셜 관계를 보여줄 수 있다. 노드는 네트워크 내의 개인 행위자를 나타낼 수 있고, 에지는 개인 행위자들 사이의 관계를 나타낼 수 있다. 그 결과, 그래프-기반 구조는 종종 매우 복잡할 수 있다. 많은 타입의 노드 및 노드를 연결하는 많은 타입의 에지가 있을 수 있다. 가장 간단한 형태로, 소셜 그래프는 검토되는 모든 노드 사이의 모든 관련 에지의 지도이다.
특정 실시예로, 사용자로부터 수신된 텍스트 질의에 응답하여, 소셜 네트워킹 시스템은 식별된 소셜-그래프 요소에 해당하는 질의 토큰을 포함하는 구조화된 질의를 생성할 수 있다. 사용자의 텍스트 질의에 응답하여 제안되는 구조화된 질의를 제공함으로써, 소셜 네트워킹 시스템은 소셜-그래프 속성 및 다양한 소셜-그래프 요소와의 관련성을 기초로 소셜 그래프에 표현되는 요소들을 검색하기 위한 온라인 소셜 네트워크의 사용자들에 대한 매우 효과적인 방법을 제공할 수 있다.
특정 실시예로, 소셜 네트워킹 시스템은 사용자로부터 실질적으로 비구조화된 텍스트 질의를 수신할 수 있다. 응답시, 소셜 네트워킹 시스템은 소셜 그래프에 접근한 후 텍스트 질의로부터의 n-그램에 해당한 소셜-그래프 요소를 식별하도록 텍스트 질의를 파싱(parse)할 수 있다. 소셜 네트워킹 시스템은 특정한 소셜-그래프 요소에 해당하는 각각의 n-그램에 대한 확률을 결정함으로써 이런 해당 소셜-그래프 요소를 식별할 수 있다. 이후, 소셜 네트워킹 시스템은 가령 컨텍스트-무관 문법 모델(context-free grammar model)과 같은 문법 모델에 접근할 수 있다. 식별된 소셜-그래프 요소는 문법 모델의 문법들에서 종단 토큰("질의 토큰")으로서 사용될 수 있고, 각각의 문법은 이후 점수화될 수 있다. 임계 점수보다 더 큰 점수를 가진 문법들은 식별된 소셜-그래프 요소를 레퍼런스하는 질의 토큰을 포함하는 구조화된 질의를 생성하는데 사용될 수 있다. 이후, 구조화된 질의는 사용자에게 전송되고 디스플레이될 수 있는데, 이후 사용자는 소정의 컨텐츠를 검색하도록 적절한 질의를 선택할 수 있다.
본 발명의 내용 중에 포함되어 있다.
도 1은 소셜 네트워킹 시스템과 관련된 예시적인 네트워크 환경을 도시한다.
도 2는 예시적인 소셜 그래프를 도시한다.
도 3은 온라인 소셜 네트워크의 예시적인 웹페이지를 도시한다.
도 4a-4b는 소셜 네트워크의 예시적인 질의를 도시한다.
도 5는 구조화된 검색 질의를 생성하도록 컨텍스트-무관 문법 모델을 사용하기 위한 예시적인 방법을 도시한다.
도 6은 예시적인 컴퓨터 시스템을 도시한다.
시스템 개요
도 1은 소셜 네트워킹 시스템과 관련된 예시적인 네트워크 환경(100)을 도시한다. 네트워크 환경(100)은 네트워크(110)에 의해 서로 연결되는 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)을 포함한다. 도 1은 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)의 특정한 구성을 도시하지만, 본 명세서는 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)의 임의의 적절한 구성을 고려한다. 예로서 제한 없이, 2 이상의 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)은 네트워크(110)를 우회하여 서로 직접적으로 연결될 수 있다. 또 다른 예로서, 2 이상의 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)은 전체적으로 또는 부분적으로 서로 물리적으로 또는 논리적으로 같은 장소에 배치될 수 있다. 게다가, 도 1은 특정한 수의 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)를 도시하지만, 본 명세서는 임의의 적절한 수의 클라이언트 장치(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)를 고려한다. 예로서 제한 없이, 네트워크 환경(100)은 다수의 클라이언트 시스템(130), 소셜 네트워킹 시스템(160), 제3자 시스템(170) 및 네트워크(110)를 포함할 수 있다.
본 명세서는 임의의 적절한 네트워크(110)를 고려한다. 예로서 제한 없이, 네트워크(110)의 하나 이상의 부분은 애드 혹 네트워크, 인트라넷, 엑스트라넷, 가상 사설 네트워크(VPN), 근거리 네트워크(LAN), 무선 LAN(WLAN), 광역 네트워크(WAN), 무선 WAN(WWAN), 대도시 네트워크(MAN), 인터넷의 일부, 공중 전화망(PSTN)의 일부, 셀룰러 전화 네트워크 또는 2 이상의 이들의 조합을 포함할 수 있다. 네트워크(110)는 하나 이상의 네트워크(110)를 포함할 수 있다.
링크(150)는 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)을 통신 네트워크(110)와 연결하거나 서로 연결할 수 있다. 본 명세서는 임의의 적절한 링크(150)를 고려한다. 특정 실시예로, 하나 이상의 링크(150)는 하나 이상의 유선라인(가령, 예컨대, 디지털 가입자 라인(DSL) 또는 DOCSIS(Data Over Cable Service Interface Specification)), 무선(가령, 예컨대, Wi-Fi 또는 WiMAX(Worldwide Interoperability for Microwave Access)) 또는 광학(가령, 예컨대, 동기식 광학 네트워크(Synchronous Optical Network, SONET) 또는 동기식 디지털 계층(Synchronous Digital Hierarchy, SDH)) 링크를 포함한다. 특정 실시예로, 하나 이상의 링크(150)는 애드 혹 네트워크, 인트라넷, 엑스트라넷, VPN, LAN, WLAN, WAN, WWAN, MAN, 인터넷의 일부, PSTN의 일부, 셀룰러 기술-기반 네트워크, 위성 통신 기술-기반 네트워크, 또 다른 링크(150) 또는 2 이상의 이런 링크(150)의 조합을 각각 포함한다. 링크(150)는 네트워크 환경(100)을 통해 반드시 동일할 필요는 없다. 하나 이상의 제1 링크(150)는 하나 이상의 측면에서 하나 이상의 제2 링크(150)와 다를 수 있다.
특정 실시예로, 클라이언트 시스템(130)은 하드웨어, 소프트웨어 또는 임베디드 로직 컴포넌트나 이들의 2 이상의 컴포넌트의 조합을 포함하고 클라이언트 시스템(130)에 의해 구현되거나 지원되는 적절한 기능을 수행할 수 있는 전자식 장치일 수 있다. 예로서 제한 없이, 클라이언트 시스템(130)은 가령 데스크톱 컴퓨터, 노트북이나 랩톱 컴퓨터, 넷북, 태블릿 컴퓨터, e-북 리더, GPS 장치, 카메라, 개인용 정보 단말기(PDA), 휴대용 전자 장치, 셀룰러 전화, 스마트폰, 다른 적절한 전자 장치 또는 이들의 임의의 적절한 조합과 같은 컴퓨터 시스템을 포함할 수 있다. 본 명세서는 임의의 적절한 클라이언트 시스템(130)을 고려한다. 클라이언트 시스템(130)은 클라이언트 시스템(130)에서 네트워크 사용자가 네트워크(110)에 접근할 수 있게 할 수 있다. 클라이언트 시스템(130)은 그 사용자가 다른 클라이언트 시스템(130)의 다른 사용자들과 통신할 수 있게 할 수 있다.
특정 실시예로, 클라이언트 시스템(130)은, 가령 MICROSOFT INTERNET EXPLORER, GOOGLE CHROME 또는 MOZILLA FIREFOX와 같은 웹 브라우저(132)를 포함할 수 있고, 가령 TOOLBAR 또는 YAHOO TOOLBAR와 같은 하나 이상의 애드-온(add-ons), 플러그-인(plug-ins) 또는 다른 확장형(extensions)을 가질 수 있다. 클라이언트 시스템(130)에서의 사용자는 URL(Uniform Resource Locator) 또는 웹 브라우저(132)를 특정 서버(가령, 서버(162) 또는 제3자 시스템(170)과 관련된 서버)로 인도하는 다른 주소를 입력할 수 있고, 웹 브라우저(132)는 하이퍼텍스트 전송 프로토콜(HTTP) 요청을 생성하고 HTTP 요청을 서버로 통신할 수 있다. 서버는 HTTP 요청을 수락하고, HTTP 요청에 응답하여 하나 이상의 하이퍼텍스트 마크업 언어(HTML) 파일을 클라이언트 시스템(130)으로 통신할 수 있다. 클라이언트 시스템(130)은 사용자에게 표시하기 위해 서버로부터 HTML 파일에 기초한 웹페이지를 렌더링할 수 있다. 본 명세서는 임의의 적절한 웹페이지 파일을 고려한다. 예로서 제한 없이, 웹페이지는 특정한 필요에 따라 HTML 파일, 확장형 하이퍼텍스트 마크업 언어(XHTML) 파일 또는 확장형 마크업 언어(XML) 파일로부터 렌더링할 수 있다. 또한, 이런 페이지는, 예로서 제한 없이 JAVASCRIPT, JAVA, MICROSOFT SILVERLIGHT, 가령 AJAX(비동기식 JAVASCRIPT 및 XML)와 같은 마크업 언어와 스크립트의 조합 등과 같은 스크립트를 실행할 수 있다. 본 명세서에서, 웹페이지에 대한 레퍼런스는 (브라우저가 웹페이지를 렌더링하는데 사용할 수 있는) 하나 이상의 해당 웹페이지 파일을 포함하며, 적절한 경우, 그 역도 또한 같다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 온라인 소셜 네트워크를 호스팅할 수 있는 네트워크-주소화 컴퓨팅 시스템일 수 있다. 소셜 네트워킹 시스템(160)은 예컨대 사용자-프로필 데이터, 컨셉-프로필 데이터, 소셜-그래프 정보 또는 온라인 소셜 네트워크에 관한 다른 적절한 데이터와 같은 소셜 네트워킹 데이터를 생성, 저장, 수신 및 전송할 수 있다. 소셜 네트워킹 시스템(160)은 직접적으로 또는 네트워크(110)를 통해 네트워크 환경(100)의 다른 컴포넌트들에 의해 접근될 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 하나 이상의 서버(162)를 포함할 수 있다. 각 서버(162)는 일체형 서버(unitary server)일 수 있거나, 다수의 컴퓨터 또는 다수의 데이터센터에 걸쳐 있는 분산형 서버일 수 있다. 서버(162)는 예로서 제한 없이, 웹 서버, 뉴스 서버, 메일 서버, 메시지 서버, 광고 서버, 파일 서버, 애플리케이션 서버, 교환 서버, 데이터베이스 서버, 프록시 서버, 본 명세서에 기술된 기능이나 프로세스를 수행하는데 적절한 또 다른 서버 또는 이들의 임의의 조합과 같이, 다양한 타입일 수 있다. 특정 실시예로, 각 서버(162)는 서버(162)에 의해 구현되거나 지원되는 적절한 기능을 수행하기 위한 하드웨어, 소프트웨어 또는 임베디드 논리 소자 또는 2 이상의 이런 소자들의 조합을 포함할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(164)은 하나 이상의 데이터 스토어(164)를 포함할 수 있다. 데이터 스토어(164)는 다양한 타입의 정보를 저장하는데 사용될 수 있다. 특정 실시예로, 데이터 스토어(164)에 저장된 정보는 특정한 데이터 구조에 따라 구조화될 수 있다. 특정 실시예로, 각 데이터 스토어(164)는 관계형 데이터베이스일 수 있다. 특정 실시예는 클라이언트 시스템(130), 소셜 네트워킹 시스템(160) 또는 제3자 시스템(170)이 데이터 스토어(164)에 저장된 정보를 관리, 검색, 변경, 추가 또는 삭제할 수 있게 하는 인터페이스를 제공할 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 하나 이상의 데이터 스토어(164)에 하나 이상의 소셜 그래프를 저장할 수 있다. 특정 실시예로, 소셜 그래프는 (특정 사용자에 각각 해당하는) 다수의 사용자 노드 또는 (특정 컨셉에 각각 해당하는) 다수의 컨셉 노드를 포함할 수 있는 다수의 노드 및 노드를 연결하는 다수의 에지를 포함할 수 있다. 소셜 네트워킹 시스템(160)은 다른 사용자와 통신하고 상호작용하는 능력을 온라인 소셜 네트워크의 사용자에게 제공할 수 있다. 특정 실시예로, 사용자는 소셜 네트워킹 시스템(160)을 통해 온라인 소셜 네트워크에 가입한 후 연결들(즉, 관계들)을 그들이 연결되고자 하는 소셜 네트워킹 시스템(160)의 다수의 다른 사용자에 추가할 수 있다. 본 명세서에서, "친구"란 용어는 사용자가 소셜 네트워킹 시스템(160)을 통해 연결, 유대 또는 관계를 형성했던 소셜 네트워킹 시스템(160)의 임의의 다른 사용자를 가리킬 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 소셜 네트워킹 시스템(160)에 의해 지원되는 다양한 유형의 아이템이나 객체에 대한 행위를 취할 수 있는 능력을 사용자에게 제공할 수 있다. 예로서 제한 없이, 아이템 및 객체는 소셜 네트워킹 시스템(160)의 사용자들이 속할 수 있는 그룹이나 소셜 네트워크, 사용자가 관심을 가질지도 모르는 이벤트 또는 캘린더 엔트리, 사용자가 사용할 수 있는 컴퓨터-기반 애플리케이션, 사용자가 서비스를 통해 아이템을 팔거나 구매할 수 있게 하는 거래, 사용자가 수행할 수 있는 광고와의 상호작용 또는 다른 적절한 아이템이나 객체를 포함할 수 있다. 사용자는 소셜 네트워킹 시스템(160) 또는 소셜 네트워킹 시스템(160)과 별개이거나 네트워크(110)를 통해 소셜 네트워킹 시스템(160)에 결합되는 제3자 시스템(170)의 외부 시스템에서 표현될 수 있는 모든 것과 상호작용할 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 다양한 엔티티를 링크할 수 있다. 예로서 제한 없이, 소셜 네트워킹 시스템(160)은 사용자가 서로 상호작용할 뿐 아니라 제3자 시스템(170)이나 다른 엔티티로부터 컨텐츠를 수신할 수 있게 하거나, 사용자가 응용 프로그래밍 인터페이스(API)나 다른 통신 채널을 통해 이런 엔티티와 상호작용할 수 있게 해줄 수 있다.
특정 실시예로, 제3자 시스템(170)은 하나 이상의 타입의 서버, 하나 이상의 데이터 스토어, API들을 포함하나 이에 국한되지 않는 하나 이상의 인터페이스, 하나 이상의 웹 서비스, 하나 이상의 컨텐츠 소스, 하나 이상의 네트워크 또는 예컨대 서버가 통신할 수 있는 임의의 다른 적절한 컴포넌트를 포함할 수 있다. 제3자 시스템(170)은 소셜 네트워킹 시스템(160)을 운영하는 엔티티와는 다른 엔티티에 의해 운영될 수 있다. 그러나, 특정 실시예로, 소셜 네트워킹 시스템(160) 및 제3자 시스템(170)은 소셜 네트워킹 서비스를 소셜 네트워킹 시스템(160)이나 제3자 시스템(170)의 사용자에게 제공하도록 서로 함께 동작할 수 있다. 이런 의미에서, 소셜 네트워킹 시스템(160)은 가령 제3자 시스템(170)과 같은 다른 시스템들이 인터넷상의 사용자들에게 소셜 네트워킹 서비스와 기능을 제공하도록 사용할 수 있는 플랫폼 또는 백본(backbone)을 제공할 수 있다.
특정 실시예로, 제3자 시스템(170)은 제3자 컨텐츠 객체 제공자를 포함할 수 있다. 제3자 컨텐츠 객체 제공자는 클라이언트 시스템(130)과 통신될 수 있는 하나 이상의 소스의 컨텐츠 객체를 포함할 수 있다. 예로서 제한 없이, 컨텐츠 객체는 가령 영화 쇼타임, 영화 리뷰, 레스토랑 리뷰, 레스토랑 메뉴, 제품 정보와 리뷰 또는 다른 적절한 정보와 같이 사용자가 관심 있는 사물이나 활동에 관한 정보를 포함할 수 있다. 또 다른 예로서 제한 없이, 컨텐츠 객체는 가령 쿠폰, 할인 티켓, 상품권 또는 다른 적절한 인센티브 객체와 같은 인센티브 컨텐츠 객체를 포함할 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 또한 소셜 네트워킹 시스템(160)과 사용자의 상호작용을 향상시킬 수 있는 사용자-생성된 컨텐츠 객체를 포함한다. 사용자-생성된 컨텐츠는 사용자가 소셜 네트워킹 시스템(160)에 추가, 업로드, 송신 또는 "게시"할 수 있는 어떤 것을 포함할 수 있다. 예로서 제한 없이, 사용자는 클라이언트 시스템(130)으로부터 소셜 네트워킹 시스템(160)으로 게시물을 통신할 수 있다. 게시물은 가령 상태 업데이트나 다른 텍스트형 데이터와 같은 데이터, 위치 정보, 사진, 비디오, 링크, 음악 또는 다른 유사한 데이터나 매체를 포함할 수 있다. 또한, 컨텐츠는 가령 뉴스피드 또는 스트림과 같이 "통신 채널"을 통해 제3자에 의해 소셜 네트워킹 시스템(160)에 추가될 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 다양한 서버, 서브-시스템, 프로그램, 모듈, 로그 및 데이터 스토어를 포함할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 다음의 하나 이상의: 웹 서버, 행위 로거, API 요청 서버, 관련성 및 순위화 엔진, 컨텐츠 객체 분류기, 알림 제어기, 행위 로그, 제3자 컨텐츠 객체 노출 로그, 추론 모듈, 인증/개인정보 서버, 검색 모듈, 광고 타겟팅 모듈, 사용자 인터페이스 모듈, 사용자 프로필 스토어, 연결 스토어, 제3자 컨텐츠 스토어 또는 위치 스토어를 포함할 수 있다. 또한, 소셜 네트워킹 시스템(160)은 가령 네트워크 인터페이스, 보안 메커니즘, 부하 균형기, 장애 서버, 관리 및 네트워크 운영 콘솔, 다른 적절한 컴포넌트 또는 이들의 임의의 적절한 조합과 같이 적절한 컴포넌트들을 포함할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 사용자 프로필을 저장하기 위한 하나 이상의 사용자 프로필 스토어를 포함할 수 있다. 사용자 프로필은 예컨대 인명정보, 인구학적 정보, 행동 정보, 소셜 정보 또는 가령 경력, 학력, 취미나 기호, 관심사, 친밀감, 위치와 같은 다른 유형의 설명적 정보를 포함할 수 있다. 관심사 정보는 하나 이상의 카테고리에 관한 관심사를 포함할 수 있다. 카테고리는 일반적이거나 구체적일 수 있다. 예로서 제한 없이, 사용자가 신발 브랜드에 관한 기사에 "좋아한다"면, 카테고리는 그 브랜드일 수 있거나 "신발" 또는 "옷"의 일반 카테고리일 수 있다. 연결 스토어는 사용자에 대한 연결 정보를 저장하는데 사용될 수 있다. 연결 정보는 유사하거나 공통의 경력, 그룹 맴버쉽, 취미, 학력을 가지거나 임의의 방식으로 관련되거나 공통 속성을 공유하는 사용자들을 표시할 수 있다. 또한, 연결 정보는 (내부와 외부 모두의) 다른 사용자들과 컨텐츠 사이의 사용자-정의된 연결들을 포함할 수 있다. 웹 서버는 네트워크(110)를 통해 하나 이상의 클라이언트 시스템(130)이나 하나 이상의 제3자 시스템(170)과 소셜 네트워킹 시스템(160)을 링크하는데 사용될 수 있다. 웹 서버는 소셜 네트워킹 시스템(160)과 하나 이상의 클라이언트 시스템(130) 사이에서 메시지를 수신하고 라우팅하기 위한 메일 서버나 다른 메시징 기능을 포함할 수 있다. API 요청 서버는 제3자 시스템(170)이 하나 이상의 API를 호출하여 소셜 네트워킹 시스템(160)으로부터의 정보에 접근할 수 있게 해줄 수 있다. 행위 로거는 소셜 네트워킹 시스템(160) 내부나 외부에서의 사용자의 행위에 대한 웹 서버로부터의 통신을 수신하는데 사용될 수 있다. 행위 로그와 함께, 제3자 컨텐츠 객체 로그에서는 제3자 컨텐츠 객체에 대한 사용자 노출이 관리될 수 있다. 알림 제어기는 컨텐츠 객체에 관한 정보를 클라이언트 시스템(130)에 제공할 수 있다. 정보는 알림으로서 클라이언트 시스템(130)으로 푸싱(pushed)될 수 있거나, 정보는 클라이언트 시스템(130)으로부터 수신된 요청에 응답하여 클라이언트 시스템(130)으로부터 풀링(pulled)될 수 있다. 인증 서버는 소셜 네트워킹 시스템(160)의 사용자의 하나 이상의 개인정보 설정을 강제하는데 사용될 수 있다. 사용자의 개인정보 설정은 사용자와 관련된 특정 정보가 어떻게 공유될 수 있는지를 결정한다. 인증 서버는 예컨대 적절한 개인정보 설정을 설정함으로써, 사용자의 행위를 소셜 네트워킹 시스템(160)에 의해 로그되게 하거나 다른 시스템(예컨대, 제3자 시스템(170))과 공유되게 하도록 사용자가 참여하거나 탈퇴할 수 있게 해줄 수 있다. 제3자 컨텐츠 객체 스토어는 가령 제3자 시스템(170)과 같은 제3자로부터 수신된 컨텐츠 객체를 저장하는데 사용될 수 있다. 위치 스토어는 사용자와 관련된 클라이언트 시스템(130)으로부터 수신된 위치 정보를 저장하는데 사용될 수 있다. 광고 가격결정 모듈은 소셜 정보, 현재시간, 위치 정보 또는 다른 적절한 정보를 결합하여 알림의 형태로 사용자에게 관련 광고를 제공할 수 있다.
소셜 그래프
도 2는 예시적인 소셜 그래프(200)를 도시한다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 하나 이상의 데이터 스토어에 하나 이상의 소셜 그래프(200)를 저장할 수 있다. 특정 실시예로, 소셜 그래프(200)는 다수의 사용자 노드(202)나 다수의 컨셉 노드(204)를 포함할 수 있는 다수의 노드 및 노드를 연결하는 다수의 에지(206)를 포함할 수 있다. 도 2에 도시된 예시적인 소셜 그래프(200)는 훈시적 목적상 2차원 시각적 지도 표현으로 도시된다. 특정 실시예로, 소셜 네트워킹 시스템(160), 클라이언트 시스템(130) 또는 제3자 시스템(170)은 소셜 그래프(200) 및 적절한 애플리케이션에 대한 관련 소셜-그래프 정보에 접근할 수 있다. 소셜 그래프(200)의 노드 및 에지는 예컨대 데이터 스토어(가령, 소셜-그래프 데이터베이스)에 데이터 객체로서 저장될 수 있다. 이런 데이터 스토어는 소셜 그래프(200)의 노드 또는 에지의 하나 이상의 검색가능하거나 질의가능한 인덱스를 포함할 수 있다.
특정 실시예로, 사용자 노드(202)는 소셜 네트워킹 시스템(160)의 사용자에 해당할 수 있다. 예로서 제한 없이, 사용자는 개인(사람인 사용자), 엔티티(예컨대, 기업, 사업체 또는 제3자 애플리케이션) 또는 소셜 네트워킹 시스템(160)과 상호작용하거나 소셜 네트워킹 시스템에서 통신하는 (예컨대, 개인 또는 엔티티의) 그룹일 수 있다. 특정 실시예로, 사용자가 소셜 네트워킹 시스템(160)에서 계정을 등록하면, 소셜 네트워킹 시스템(160)은 사용자에 해당하는 사용자 노드(202)를 생성할 수 있고, 하나 이상의 데이터 스토어에 사용자 노드(202)를 저장할 수 있다. 적절한 경우, 본 명세서에 기술되는 사용자들 및 사용자 노드들(202)은 등록 사용자들 및 등록 사용자들과 관련된 사용자 노드들(202)을 말할 수 있다. 추가로 또는 대안으로, 본 명세서에 기술되는 사용자들 및 사용자 노드들(202)은 적절한 경우 소셜 네트워킹 시스템(160)에 등록되지 않은 사용자들을 말할 수 있다. 특정 실시예로, 사용자 노드(202)는 사용자가 제공한 정보 및 소셜 네트워킹 시스템(160)을 포함하는 다양한 시스템이 수집한 정보와 관련될 수 있다. 예로서 제한 없이, 사용자는 그들의 이름, 프로필 사진, 연락 정보, 생일, 성별, 혼인 여부, 가족 관계, 직장, 학력, 기호, 관심사 또는 다른 신상 정보를 제공할 수 있다. 특정 실시예로, 사용자 노드(202)는 사용자와 관련된 정보에 해당하는 하나 이상의 데이터 객체와 관련될 수 있다. 특정 실시예로, 사용자 노드(202)는 하나 이상의 웹페이지에 해당할 수 있다.
특정 실시예로, 컨셉 노드(204)는 컨셉에 해당할 수 있다. 예로서 제한 없이, 컨셉은 장소(가령, 예컨대, 영화관, 레스토랑, 명소 또는 도시); 웹사이트(가령, 예컨대, 소셜 네트워크 시스템(160)과 관련된 웹사이트 또는 웹-애플리케이션 서버와 관련된 제3자 웹사이트); 엔티티(가령, 예컨대, 사람, 사업체, 그룹, 스포츠 팀 또는 유명인사); 소셜 네트워킹 시스템(160) 또는 가령 웹-애플리케이션 서버와 같은 외부 서버에 위치할 수 있는 자원(가령, 예컨대, 오디오 파일, 비디오 파일, 디지털 사진, 텍스트 파일, 구조화된 문서 또는 애플리케이션); 물적 재산권 또는 지적 재산권(가령, 예컨대, 조각품, 미술품, 영화, 게임, 노래, 아이디어, 사진 또는 저서); 게임; 활동; 아이디어나 이론; 또 다른 적절한 컨셉; 또는 2 이상의 이런 컨셉들에 해당할 수 있다. 컨셉 노드(204)는 사용자에 의해 제공된 컨셉의 정보 또는 소셜 네트워킹 시스템(160)을 포함하는 다양한 시스템에 의해 수집된 정보와 관련될 수 있다. 예로서 제한 없이, 컨셉의 정보는 이름이나 제목; 하나 이상의 이미지(예컨대, 책의 커버 페이지의 이미지); 위치(예컨대, 주소 또는 지리적 위치); (URL과 관련될 수 있는) 웹사이트; 연락 정보(예컨대, 전화번호 또는 이메일 주소); 다른 적절한 컨셉 정보; 또는 이런 정보의 임의의 적절한 조합을 포함할 수 있다. 특정 실시예로, 각각의 컨셉 노드(204)는 컨셉 노드(204)와 관련된 정보에 해당하는 하나 이상의 데이터 객체와 관련될 수 있다. 특정 실시예로, 각각의 컨셉 노드(204)는 웹페이지에 해당할 수 있다.
특정 실시예로, 소셜 그래프(200)에서 노드는 ("프로필 페이지"라고 할 수 있는) 웹페이지를 표현하거나, 그 웹페이지로 표현될 수 있다. 프로필 페이지는 소셜 네트워킹 시스템(160)에 의해 호스트될 수 있거나, 접근될 수 있다. 또한, 프로필 페이지는 제3자 서버(170)와 관련된 제3자 웹사이트에 호스트될 수 있다. 예로서 제한 없이, 특정한 외부 웹페이지에 해당하는 프로필 페이지는 특정한 외부 웹페이지일 수 있고, 이런 프로필 페이지는 특정 컨셉 노드(204)에 해당할 수 있다. 프로필 페이지는 모든 또는 선택된 서브세트의 다른 사용자들에 의해 열람될 수 있다. 예로서 제한 없이, 사용자 노드(202)는 해당 사용자가 컨텐츠를 추가할 수 있고, 선언을 할 수 있으며, 그렇지 않으면 그들 자신을 표현할 수 있는 해당 사용자 프로필-페이지를 가질 수 있다. 또 다른 예로서 제한 없이, 컨셉 노드(204)는 특히 컨셉 노드(204)에 해당하는 컨셉과 관련하여 하나 이상의 사용자들이 컨텐츠를 추가할 수 있거나, 선언을 할 수 있거나, 그들 자신을 표현할 수 있는 해당 컨셉-프로필 페이지를 가질 수 있다.
특정 실시예로, 컨셉 노드(204)는 제3자 시스템(170)에 의해 호스팅된 제3자 웹페이지 또는 자원을 표현할 수 있다. 제3자 웹페이지 또는 자원은 다른 요소들 중에서 행위 또는 활동을 표현하는 (예컨대, JavaScript, AJAX 또는 PHP 코드로 구현될 수 있는) 컨텐츠, 선택가능하거나 다른 아이콘 또는 다른 상호작용가능한 객체를 포함할 수 있다. 예로서 제한 없이, 제3자 웹페이지는 가령 "좋아요", "체크인", "식사하기(eat)", "추천하기" 또는 다른 적절한 행위나 활동과 같은 선택가능한 아이콘을 포함할 수 있다. 제3자 웹페이지를 열람하는 사용자는 아이콘들 중 하나(예컨대, "식사하기")를 선택하여 행위를 수행할 수 있고, 클라이언트 시스템(130)이 사용자의 행위를 표시하는 메시지를 소셜 네트워킹 시스템(160)으로 전송하게 할 수 있다. 그 메시지에 응답하여, 소셜 네트워킹 시스템(160)은 사용자에 해당하는 사용자 노드(202)와 제3자 웹페이지 또는 자원에 해당하는 컨셉 노드(204) 사이의 에지(예컨대, "식사하기" 에지)를 생성할 수 있고, 하나 이상의 데이터 스토어에 에지(206)를 저장할 수 있다.
특정 실시예로, 소셜 그래프(200)에서 노드 쌍은 하나 이상의 에지(206)에 의해 서로 연결될 수 있다. 노드 쌍을 연결하는 에지(206)는 노드 쌍 사이의 관계를 표현할 수 있다. 특정 실시예로, 에지(206)는 노드 쌍 사이의 관계에 해당하는 하나 이상의 데이터 객체나 속성을 포함하거나 표현할 수 있다. 예로서 제한 없이, 제1 사용자는 제2 사용자가 제1 사용자의 "친구"라고 표시할 수 있다. 이런 표시에 응답하여, 소셜 네트워킹 시스템(160)은 "친구 요청"을 제2 사용자에게 전송할 수 있다. 제2 사용자가 "친구 요청"을 확인하면, 소셜 네트워킹 시스템(160)은 소셜 그래프(200)에서 제1 사용자의 사용자 노드(202)와 제2 사용자의 사용자 노드(202)를 연결하는 에지(206)를 생성할 수 있고, 하나 이상의 데이터 스토어(24)에 소셜-그래프 정보로서 에지(206)를 저장할 수 있다. 도 2의 예에서, 소셜 그래프(200)는 사용자 "A"와 사용자 "B"의 사용자 노드(202)들 사이의 친구 관계를 표시하는 에지(206)를 그리고 사용자 "C"와 사용자 "B"의 사용자 노드(202) 사이의 친구 관계를 표시하는 에지를 포함한다. 본 명세서가 특정 사용자 노드(202)를 연결하는 특정 속성을 가진 특정 에지(206)를 기술하거나 도시하지만, 본 명세서는 사용자 노드(202)를 연결하는 임의의 적절한 속성을 가진 임의의 적절한 에지(206)를 고려한다. 예로서 제한 없이, 에지(206)는 친구관계, 가족관계, 사업이나 고용 관계, 팬 관계, 팔로어 관계, 방문자 관계, 구독자 관계, 상위/하위 관계, 호혜 관계, 비-상호 관계, 또 다른 적절한 타입의 관계 또는 2 이상의 이런 관계들을 표현할 수 있다. 게다가, 본 명세서는 일반적으로 노드들이 연결되는 것을 기술하지만, 본 명세서는 또한 사용자 또는 컨셉이 연결되는 것을 기술한다. 본 명세서에서, 사용자 또는 컨셉이 연결되는 것에 대한 언급은 적절한 경우 이들 사용자 또는 컨셉에 해당하는 노드가 하나 이상의 에지(206)에 의해 소셜 그래프(200)에서 연결되는 것을 말할 수 있다.
특정 실시예로, 사용자 노드(202)와 컨셉 노드(204) 사이의 에지(206)는 컨셉 노드(204)와 관련된 컨셉에 대해 사용자 노드(202)의 사용자가 수행한 특정 행위 또는 활동을 표현할 수 있다. 예로서 제한 없이, 도 2에 도시된 바와 같이, 사용자는 컨셉을 "좋아요(like)", "참여했음(attended)", "실행했음(played)", "청취했음(listened)", "요리했음(cooked)", "근무했음(worked at)", 또는 "시청했음(watched)"을 할 수 있고, 이들 각각은 에지 타입이나 서브타입에 해당할 수 있다. 컨셉 노드(204)에 해당하는 컨셉-프로필 페이지는 예컨대 선택가능한 "체크인" 아이콘(가령, 예컨대, 클릭가능한 "체크인" 아이콘) 또는 선택가능한 "즐겨찾기에 추가(add to favorites)" 아이콘을 포함할 수 있다. 마찬가지로, 사용자가 이런 아이콘을 클릭한 후, 소셜 네트워킹 시스템(160)은 각각의 행위에 해당하는 사용자의 행위에 응답하여 "즐겨찾기" 에지 또는 "체크인" 에지를 생성할 수 있다. 또 다른 예로서 제한 없이, 사용자(사용자 "C")는 특정 애플리케이션(온라인 음악 애플리케이션인 SPOTIFY)을 사용하여 특정 노래("Imagine")를 들을 수 있다. 이 경우, 소셜 네트워킹 시스템(160)은 사용자에 해당하는 사용자 노드(202)와 노래 및 애플리케이션에 해당하는 컨셉 노드(204) 사이에 "청취했음(listened)" 에지(206) 및 "사용했음(used)" 에지(도 2에 도시)를 생성하여, 사용자가 그 노래를 들었고 그 애플리케이션을 사용했음을 표시할 수 있다. 게다가, 소셜 네트워킹 시스템(160)은 노래와 애플리케이션에 해당하는 컨셉 노드(204) 사이에서 "실행했음(played)" 에지(206)(도 2에 도시)를 생성하여 특정 노래가 특정 애플리케이션에 의해 실행되었음을 표시할 수 있다. 이 경우, "실행했음(played)" 에지(206)는 외부 오디오 파일(노래 "Imagine")에 대해 외부 애플리케이션(SPOTIFY)이 수행한 행위에 해당한다. 본 명세서는 사용자 노드(202)와 컨셉 노드(204)를 연결하는 특정 속성을 가진 에지(206)를 기술하지만, 본 명세서는 사용자 노드(202)와 컨셉 노드(204)를 연결하는 임의의 적절한 속성을 가진 임의의 적절한 에지(206)를 고려한다. 게다가, 본 명세서는 단일의 관계를 표현하는 사용자 노드(202)와 컨셉 노드(204) 사이의 에지를 기술하지만, 본 명세서는 하나 이상의 관계를 표현하는 사용자 노드(202)와 컨셉 노드(204) 사이의 에지를 고려한다. 예로서 제한 없이, 에지(206)는 사용자가 특정 컨셉에서 좋아요 하고 사용했음을 모두 표현할 수 있다. 대안으로, 또 다른 에지(206)는 사용자 노드(202)와 컨셉 노드(204) 사이(도 2에 도시된 바와 같이, 사용자 "E"에 대한 사용자 노드(202)와 "SPOTIFY"에 대한 컨셉 노드(204) 사이)의 각 타입의 관계(또는 다수의 단일 관계)를 표현할 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 소셜 그래프(200)에서 사용자 노드(202)와 컨셉 노드(204) 사이의 에지(206)를 생성할 수 있다. 예로서 제한 없이, (가령, 예컨대, 사용자의 클라이언트 시스템(130)에 의해 호스팅되는 웹 브라우저 또는 특수목적 애플리케이션을 사용하여) 사용자가 컨셉-프로필 페이지를 열람하는 것은 사용자가 "좋아요" 아이콘을 클릭하거나 선택하여 컨셉 노드(204)가 표현한 컨셉을 좋아함을 나타낼 수 있는데, "좋아요" 아이콘은 사용자의 클라이언트 시스템(130)이 컨셉-프로필 페이지와 관련된 컨셉을 사용자가 좋아요 했다고 표시한 메시지를 소셜 네트워킹 시스템(160)으로 전송하게 할 수 있다. 그 메시지에 응답하여, 소셜 네트워킹 시스템(160)은 사용자와 컨셉 노드(204) 사이의 "좋아요" 에지(206)로 도시된 바와 같이 사용자와 관련된 사용자 노드(202)와 컨셉 노드(204) 사이의 에지(206)를 생성할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 하나 이상의 데이터 스토어에 에지(206)를 저장할 수 있다. 특정 실시예로, 에지(206)는 특정 사용자 행위에 응답하여 소셜 네트워킹 시스템(160)에 의해 자동 형성될 수 있다. 예로서 제한 없이, 제1 사용자가 사진을 업로드하거나, 영화를 시청하거나, 노래를 듣는다면, 에지(206)는 제1 사용자에 해당하는 사용자 노드(202)와 이런 컨셉에 해당하는 컨셉 노드(204) 사이에 형성될 수 있다. 본 명세서는 특정 방식으로 특정 에지(206)를 형성하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 에지(206)를 형성하는 것을 고려한다.
타이프어헤드 프로세스( Typeahead Processes)
특정 실시예로, 하나 이상의 클라이언트-측 및/또는 백엔드(서버-측) 프로세스는 가령 소셜 네트워킹 시스템(160)에 의해 호스팅되거나 접근가능할 수 있는 사용자-프로필 페이지와 같은 요청된 웹페이지와 함께 렌더링되는 입력 서식에 사용자가 현재 입력한 정보와 각각의 기존의 사용자 노드(202) 또는 컨셉 노드(204)에 해당하는 컨셉을 자동으로 매치하고자 하는 "타이프어헤드(typeahead)" 기능을 구현하고 이용한다. 특정 실시예로, 사용자가 선언문을 만들도록 텍스트를 입력중일 때, 타이프어헤드 기능은 선언문에 입력되는 텍스트 문자열을 소셜 그래프(200) 내 기존의 컨셉(또는 사용자)과 해당 컨셉(또는 사용자) 노드에 해당하는 문자열(예컨대, 이름)을 매치하고자 한다. 특정 실시예로, 매치가 발견되는 경우, 타이프어헤드 기능은 기존의 노드의 노드에 대한 레퍼런스(가령, 예컨대, 노드명, 노드 ID 또는 다른 적절한 레퍼런스나 식별자)로 서식을 자동으로 채울 수 있다.
특정 실시예로, 사용자가 사용자의 프로필 페이지나 다른 페이지의 다양한 섹션에 컨텐츠를 추가하거나 선언을 하는데 사용되는 서식으로 텍스트를 타이핑하거나 입력할 때, 타이프어헤드 프로세서는 (예컨대, 서버(162) 내) 소셜 네트워킹 시스템(160)에서(또는 내에서) 실행하는 하나 이상의 프런트엔드(frontend)(클라이언트-측) 및/또는 백엔트(서버-측) 타이프어헤드 프로세스(이하, 간단히 "타이프어헤드 프로세스"라고 함)와 함께 작동하여, 사용자의 텍스트 문자 입력시 사용자가 입력한 텍스트 문자와 가장 관련되거나 최상으로 매치한다고 결정되는 기존 소셜-그래프 엔티티의 이름에 해당하는 용어나 용어들 또는 기존 소셜-그래프 엔티티와 관련된 용어들로 서식을 자동-채움(auto-populate)하려고 상호작용하여 거의 즉각적으로 (사용자에게 나타난 대로) 시도할 수 있다. 소셜-그래프 데이터베이스 내 소셜-그래프 정보 또는 노드 및 에지와 관련된 정보를 포함하는 소셜-그래프 데이터베이스로부터 추출되고 인덱싱된 정보를 이용하면, 소셜-그래프 데이터베이스로부터의 정보와 함께 그리고 잠재적으로 소셜 네트워킹 시스템(160)에 위치하거나 그 내에서 실행하는 다양한 다른 프로세스, 애플리케이션 또는 데이터베이스와 함께 타이프어헤드 프로세스는 높은 정확도로 사용자의 의도된 선언을 예측할 수 있다. 그러나, 소셜 네트워킹 시스템(160)은 또한 사용자들이 그들 자신을 자유롭게 표현할 수 있게 하기를 그들이 원하는 임의의 선언을 입력하는 자유를 사용자에게 제공한다.
특정 실시예로, 사용자가 텍스트 문자를 서식 박스 또는 다른 필드로 입력할 때, 타이프어헤드 프로세스는 사용자의 문자의 입력시 사용자의 선언에 입력된 문자열에 매치하는 기존 소셜-그래프 요소들(예컨대, 사용자 노드(202), 컨셉 노드(204) 또는 에지(206))을 식별하고자 할 수 있다. 특정 실시예로, 사용자가 문자를 서식 박스로 입력할 때, 타이프어헤드 프로세스는 입력된 텍스트 문자열을 판독할 수 있다. 각각의 키 누름(keystroke)이 이루어질 때, 프런트엔트-타이프어헤드 프로세스는 요청(또는 호출)으로서 입력된 문자열을 소셜 네트워킹 시스템(160) 내에서 실행하는 백엔드-타이프어헤드 프로세스로 전송할 수 있다. 특정 실시예로, 타이프어헤드 프로세스는 AJAX(비동기식 JavaScript 및 XML) 또는 다른 적절한 기술 및 특히 비동기식 기술을 통해 통신할 수 있다. 하나의 특정 실시예로, 요청은 결과의 신속한 동적인 송신 및 페치(fetching)를 가능하게 하는 XMLHTTPRequest (XHR)이거나 이를 포함한다. 특정 실시예로, 타이프어헤드 프로세스는 또한 사용자가 선언을 작성하고 있는 특정 페이지의 특정 섹션을 식별하는 섹션 식별자(section ID)를 그 요청 전에, 그 요청 후에 또는 그 요청과 함께 전송한다. 특정 실시예로, 사용자 ID 파라미터가 또한 송신될 수 있거나, 일부의 실시예로 사용자가 소셜 네트워킹 시스템(160)으로 로그인중인 그 또는 그녀를 기초로 이미 "공지"되어 있다면 불필요할 수 있다.
특정 실시예로, 타이프어헤드 프로세스는 하나 이상의 매칭 알고리즘을 사용하여 매칭 소셜-그래프 요소를 식별하고자 할 수 있다. 특정 실시예로, 매치이나 매치들이 발견되는 경우, 타이프어헤드 프로세스는 예컨대 매칭 소셜-그래프 요소의 이름(이름 문자열)뿐 아니라 잠재적으로 매칭 소셜-그래프 요소와 관련된 다른 메타데이터를 포함할 수 있는 (AJAX 또는 다른 적절한 기술을 이용할 수 있는) 응답을 사용자의 클라이언트 장치로 전송할 수 있다. 예로서 제한 없이, 사용자가 문자 "pok"를 질의 필드로 입력하면, 타이프어헤드 프로세스는 매치하는 기존 프로필 페이지 및 각각의 사용자 노드(202)나 컨셉 노드(204)(예컨대, "poker"로 이름지어지거나 그 전용의 프로필 페이지)의 이름을 디스플레이하는 드롭-다운 메뉴를 디스플레이하며, 사용자가 이후 클릭하거나 선택함으로써 선택된 노드에 해당하는 매칭된 사용자나 컨셉 이름을 선언하는 요구를 확인할 수 있다. 또 다른 예로서 제한 없이, "poker"의 클릭시, 타이프어헤드 프로세스는 자동-채움하거나, 웹 브라우저(132)가 질의 필드를 선언 "poker"로 자동-채움할 수 있게 한다. 특정 실시예로, 타이프어헤드 프로세스는 드롭-다운 메뉴를 디스플레이하기보다는 상위-순위화된 매치의 이름이나 다른 식별자로 필드를 간단히 자동-채움할 수 있다. 이후, 사용자는 간단히 그들의 키보드에 "enter"를 키 입력하거나 자동-채움 선언을 클릭하여 자동-채움 선언을 확인할 수 있다.
타이프어헤드 프로세스에 대한 더 많은 정보는 참조로 통합되는 2010년 4월 19일자로 출원된 미국특허출원 제12/763162호 및 2012년 7월 23일자로 출원된 미국특허출원 제13/556072호에서 확인할 수 있다.
구조화된 검색 질의
도 3은 온라인 소셜 네트워크의 예시적인 웹페이지를 도시한다. 특정 실시예로, 사용자는 텍스트 질의를 질의 필드(350)에 입력함으로써 소셜 네트워킹 시스템(160)으로 질의를 제출할 수 있다. 온라인 소셜 네트워크의 사용자는 흔히 "검색 질의(search query)"라고 하는 주제를 설명하는 짧은 문구를 검색 엔진에 제공함으로써 특정 주제(예컨대, 사용자, 컨셉, 외부 컨텐츠 또는 리소스)에 관한 정보를 검색할 수 있다. 질의는 비구조화된 텍스트 질의일 수 있고 하나 이상의 텍스트 문자열 또는 하나 이상의 n-그램을 포함할 수 있다. 통상, 사용자는 텍스트 질의에 매치하는 소셜 네트워킹 시스템(160)의 컨텐츠를 검색하도록 임의의 문자열을 질의 필드(350)로 입력할 수 있다. 이후, 소셜 네트워킹 시스템(160)은 질의에 매치하는 컨텐츠를 식별하도록 데이터 스토어(164)(또는, 더 상세하게, 소셜-그래프 데이터베이스)를 검색할 수 있다. 검색 엔진은 다양한 검색 알고리즘을 사용하여 질의 문구를 기초로 검색을 실행할 수 있고, 검색 질의와 관련될 가능성이 가장 높은 리소스 또는 컨텐츠(예컨대, 사용자-프로필 페이지, 컨텐츠-프로필 페이지 또는 외부 리소스)를 식별하는 검색 결과를 생성할 수 있다. 검색을 실행하기 위해, 사용자는 검색 질의를 검색 엔진으로 입력 또는 전송할 수 있다. 응답으로, 검색 엔진은 포괄적으로 검색 질의에 대해 식별된 "검색 결과"라고 할 수 있는 검색 질의와 관련될 가능성이 있는 하나 이상의 리소스를 식별할 수 있다. 식별된 컨텐츠는 예컨대 소셜-그래프 엔티티(즉, 사용자 노드(202), 컨셉 노드(204), 에지(206)), 프로필 페이지, 외부 웹페이지 또는 이들의 임의의 조합을 포함할 수 있다. 이후, 소셜 네트워킹 시스템(160)은 식별된 컨텐츠에 해당하는 검색 결과를 가진 검색 결과 웹페이지를 생성할 수 있다. 검색 결과는 흔히 검색-결과 웹페이지에서 링크 리스트의 형태로 사용자에게 제시될 수 있으며, 각각의 링크는 식별된 리소스 또는 컨텐츠의 일부를 포함하는 다른 웹페이지와 관련된다. 특정 실시예로, 검색 결과 내 각각의 링크는 해당 웹페이지가 위치하는 장소 및 이를 검색하는 메커니즘을 명시한 URL(Uniform Resource Locator)의 형태일 수 있다. 이후, 소셜 네트워킹 시스템(160)은 검색 결과 웹페이지를 사용자의 클라이언트 시스템(130)에서 사용자의 웹 브라우저(132)로 전송할 수 있다. 이후, 사용자는 적절하게 소셜 네트워킹 시스템(160) 또는 외부 시스템으로부터 컨텐츠에 접근하도록 URL 링크를 클릭하거나 검색 결과 웹페이지로부터 컨텐츠를 선택할 수 있다. 리소스는 검색 질의에 대한 상대적인 관련도에 따라 순위화되고 사용자에게 제시될 수 있다. 또한, 검색 결과는 사용자와의 상대적인 관련도에 따라 순위화되고 사용자에게 제시될 수 있다. 즉, 검색 결과는 예컨대 소셜-그래프 정보, 사용자 정보, 사용자의 검색이나 브라우징 이력 또는 사용자에 관한 다른 적절한 정보를 기초로 질의중인 사용자에 대해 개인화될 수 있다. 특정 실시예로, 리소스의 순위화는 검색 엔진으로 구현되는 순위화 알고리즘에 의해 결정될 수 있다. 예로서 제한 없이, 검색 질의 또는 사용자와 상대적으로 더 관련성이 있는 리소스는 검색 질의 또는 사용자와 상대적으로 덜 관련성이 있는 리소스보다 더 높게 순위화될 수 있다. 특정 실시예로, 검색 엔진은 그 검색을 온라인 소셜 네트워크의 리소스 및 컨텐츠로 제한할 수 있다. 그러나, 특정 실시예로, 검색 엔진은 또한 가령 제3자 시스템(170), 인터넷 또는 World Wide Web 또는 다른 적절한 소스와 같은 다른 소스들에서 리소스 또는 컨텐츠를 검색할 수 있다. 본 명세서는 특정한 방식으로 소셜 네트워킹 시스템(160)에 질의하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 소셜 네트워킹 시스템(160)에 질의하는 것을 고려한다.
특정 실시예로, 본 명세서에 기술된 타이프어헤드 프로세스가 사용자에 의해 입력된 검색 질의에 적용될 수 있다. 예로서 제한 없이, 사용자가 텍스트 문자를 검색 필드에 입력하면, 타이프어헤드 프로세스는 사용자의 문자 입력시 검색 필드에 입력된 문자열에 매치하는 하나 이상의 사용자 노드(202), 컨셉 노드(204) 또는 에지(206)를 식별하고자 할 수 있다. 타이프어헤드 프로세스가 텍스트 질의로부터 문자열 또는 n-그램을 포함하는 요청 또는 호출을 수신하면, 타이프어헤드 프로세스는 입력된 텍스트에 매치하는 각각의 이름, 타입, 카테고리 또는 다른 식별자를 가진 기존의 소셜-그래프 요소(즉, 사용자 노드(202), 컨셉 노드(204), 에지(206))를 식별하는 검색을 수행하거나 수행되게 할 수 있다. 타이프어헤드 프로세스는 하나 이상의 매칭 알고리즘을 사용하여 매칭 노드 또는 에지를 식별하려고 시도할 수 있다. 매치 또는 매치들이 발견되는 경우, 타이프어헤드 프로세스는 예컨대 매칭 노드의 이름(이름 문자열)뿐 아니라 잠재적으로 매칭 노드와 관련된 다른 메타데이터를 포함할 수 있는 응답을 사용자의 클라이언트 시스템(130)으로 전송할 수 있다. 타이프어헤드 프로세스는 이후 매칭하는 기존의 프로필 페이지 및 각각의 사용자 노드(202)나 컨셉 노드(204)의 이름을 디스플레이하고 매칭하는 사용자 노드(202) 또는 컨셉 노드(204)와 연결할 수 있는 매칭 에지(206)의 이름을 디스플레이하는 드롭-다운 메뉴(300)를 디스플레이할 수 있으며, 이후 사용자는 이를 클릭하거나 선택함으로써 선택된 노드에 해당하는 매칭된 사용자나 컨셉 이름을 검색하거나 매칭 에지로 매칭된 사용자나 컨셉과 연결되는 사용자나 컨셉을 검색하려는 요구를 확인할 수 있다. 대안으로, 타이프어헤드 프로세스는 드롭-다운 메뉴(300)를 디스플레이하는 대신에 간단히 최상위의 매치의 이름이나 다른 식별자로 서식을 자동으로 채울 수 있다. 이후, 사용자는 간단히 그들의 키보드에서 "enter"를 치거나 자동-채움 선언을 클릭함으로써 자동-채움 선언을 확인할 수 있다. 매칭 노드와 에지의 사용자 확인시, 타이프어헤드 프로세스는 매칭 소셜-그래프 요소를 포함하는 질의의 사용자 확인을 소셜 네트워킹 시스템(160)에 알리는 요청을 전송할 수 있다. 전송된 요청에 응답하여, 소셜 네트워킹 시스템(160)은 매칭 소셜-그래프 요소 또는 적절한 경우 매칭 소셜-그래프 요소에 연결된 소셜-그래프 요소를 소셜-그래프 데이터베이스에서 자동으로(또는 요청 내 지시를 기초로 교대로) 호출하거나 검색할 수 있다. 본 명세서는 특정한 방식으로 검색 질의에 타이프어헤드 프로세스를 적용하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 검색 질의에 타이프어헤드 프로세스를 적용하는 것을 고려한다.
컨텍스트 -무관 문법 모델을 사용한 질의의 파싱
도 4a-4b는 소셜 네트워크의 예시적인 질의를 도시한다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 제1 사용자(즉, 질의중인 사용자)로부터 수신된 텍스트 질의에 응답하여 하나 이상의 식별된 소셜-그래프 요소에 해당하는 질의 토큰들을 포함하는 하나 이상의 구조화된 질의를 생성할 수 있다. 도 4a-4b는 질의 필드(350) 내 다양한 예시적인 텍스트 질의 및 드롭-다운 메뉴(300)에 응답하여 생성된 다양한 구조화된 질의를 도시한다. 사용자의 텍스트 질의에 응답하여 제안되는 구조화된 질의를 제공함으로써, 소셜 네트워킹 시스템(160)은 소셜-그래프 속성과 다양한 소셜-그래프 요소와의 관계를 기초로 소셜 그래프(200)에 표현되는 요소들을 검색하도록 온라인 소셜 네트워크의 사용자들에게 매우 효과적인 방법을 제공할 수 있다. 구조화된 질의는 질의중인 사용자가 특정 에지 타입으로 소셜 그래프(200)에서 특정 사용자나 컨셉과 연결되는 컨텐츠를 검색하게 해줄 수 있다. 예로서 제한 없이, 소셜 네트워킹 시스템(160)은 제1 사용자로부터 실질적으로 구조화되지 않은 텍스트 질의를 수신할 수 있다. 응답으로, 소셜 네트워킹 시스템(160)은 (예컨대, 서버-측 요소 감지 프로세스를 통해) 소셜 그래프(200)에 액세스한 후, 텍스트 질의로부터 n-그램에 해당하는 소셜-그래프 요소를 식별하도록 텍스트 질의를 파싱(parse)할 수 있다. 소셜 네트워킹 시스템(160)은 특정 소셜-그래프 요소에 해당한다는 각각의 n-그램에 대한 확률을 결정하여 이런 해당하는 소셜-그래프 요소를 식별할 수 있다. 이후, 소셜 네트워킹 시스템(160)은 가령 컨텍스트-무관 문법 모델과 같은 문법 모델에 접근할 수 있다. 식별된 소셜-그래프 요소는 문법들에서 종단 토큰(terminal tokens)("질의 토큰")으로 사용될 수 있고, 각각의 문법은 이후 점수화될 수 있다. 임계 점수보다 더 큰 점수를 가진 문법은 식별된 소셜-그래프 요소를 참조하는 질의 토큰을 포함하는 구조화된 질의를 생성하는데 사용될 수 있다. 구조화된 질의는 이후 제1 사용자에게 전송될 수 있고 드롭-다운 메뉴(300)에 (예컨대, 클라이언트-측 타이프어헤드 프로세스를 통해) 디스플레이될 수 있는데, 여기서 제1 사용자는 이후 소정의 컨텐츠를 검색하도록 적절한 질의를 선택할 수 있다. 본 명세서에 기술되는 구조화된 질의를 사용하는 것의 이점들 중 일부는 제한된 정보를 기초로 온라인 소셜 네트워킹의 사용자를 찾는 것, 다양한 소셜-그래프 요소와 컨텐츠의 관계를 기초로 온라인 소셜 네트워크로부터 그 컨텐츠의 가상 인덱스를 함께 가져오는 것 또는 당신 및/또는 당신의 친구에 관한 정보를 찾는 것을 포함한다. 본 명세서는 특정 방식으로 특정 구조화된 질의를 생성하는 것을 기술하고 도 4a-4b가 도시하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 구조화된 질의를 생성하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 (제1 사용자 노드(202)에 해당하는) 질의중인/제1 사용자로부터 실질적으로 구조화되지 않은 텍스트 질의를 수신할 수 있다. 예로서 제한 없이, 제1 사용자는: (1) 제1 사용자의 1촌 친구(first-degree friends)이고; (2) Stanford University와 관련되는(즉, 사용자 노드(202)는 학교 "Stanford"에 해당하는 컨셉 노드(204)와 에지(206)에 의해 연결됨), 다른 사용자들을 검색하고자 할 수 있다. 이후, 제1 사용자는 도 4a-4b에 도시된 바와 같이 텍스트 질의 "friends stanford"를 질의 필드(350)에 입력할 수 있다. 제1 사용자가 이런 텍스트 질의를 질의 필드(350)에 입력하면, 소셜 네트워킹 시스템(160)은 드롭-다운 메뉴(300)에 도시된 바와 같이 제안되는 다양한 구조화된 질의를 제공할 수 있다. 본 명세서에서 사용되는 바와 같이, 실질적으로 구조화되지 않은 텍스트 질의는 사용자가 입력한 단순 텍스트열이라고 한다. 물론, 텍스트 질의는 표준 언어/문법 규칙(예컨대, 영문법)에 대하여 구조화될 수 있다. 그러나, 텍스트 질의는 대체로 소셜-그래프 요소에 대하여 구조화되어 있지 않을 것이다. 즉, 단순 텍스트 질의는 대체로 특정 소셜-그래프 요소에 대한 임베디드 레퍼런스(embedded references)를 포함하지 않을 것이다. 따라서, 본 명세서에서 사용되는 바와 같이, 구조화된 질의는 특정 소셜-그래프 요소에 대한 레퍼런스를 포함하는 질의를 말하며, 검색 엔진이 식별된 요소를 기초로 검색할 수 있게 해준다. 본 명세서는 특정 방식으로 특정 질의를 수신하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 질의를 수신하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 하나 이상의 n-그램을 식별하도록 제1 사용자(즉, 질의중인 사용자)로부터 수신된 실질적으로 구조화되지 않은 텍스트 질의(또한, 간단히 검색 질의라고도 함)를 파싱할 수 있다. 통상, n-그램은 소정의 시퀀스의 텍스트 또는 진술에서 인접 시퀀스의 n개 아이템들이다. 아이템은 텍스트 또는 진술의 시퀀스에서의 글자(characters), 음소(phonemes), 음절(syllables), 문자(letters), 단어(words), 기본 쌍(base pairs), 접두사(prefixes) 또는 다른 식별가능한 아이템일 수 있다. n-그램은 질의중인 사용자가 입력한 하나 이상의 텍스트 문자(글자, 숫자, 구두점 등)를 포함할 수 있다. 크기 1의 n-그램은 "유니그램(unigram)"이라 할 수 있고, 크기 2의 n-그램은 "바이그램(bigram)" 또는 "다이그램(digram)"이라 할 수 있으며, 크기 3의 n-그램은 "트라이그램(trigram)"이라 할 수 있는 등이다. 각각의 n-그램은 질의중인 사용자로부터 수신된 텍스트 질의로부터 하나 이상의 부분을 포함할 수 있다. 특정 실시예로, 각각의 n-그램은 제1 사용자가 입력한 문자열(예컨대, 하나 이상의 텍스트 문자)을 포함할 수 있다. 예로서 제한 없이, 소셜 네트워킹 시스템(160)은 다음의 n-그램을 식별하도록 텍스트 질의 "friends stanford"를 파싱할 수 있다: friends; stanford; friends stanford. 또 다른 예로서 제한 없이, 소셜 네트워킹 시스템(160)은 다음의 n-그램을 식별하도록 텍스트 질의 "friends in palo alto"를 파싱할 수 있다: friends; in; palo; alto; friends in; in palo; palo alto; friend in palo; in palo also; friends in palo alto. 특정 실시예로, 각각의 n-그램은 텍스트 질의로부터 인접 시퀀스의 n개 아이템을 포함할 수 있다. 본 명세서는 특정 방식으로 특정 질의를 파싱하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 질의를 파싱하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 텍스트 질의에서 식별된 각각의 n-그램에 대해 n-그램이 소셜-그래프 요소에 해당하는 점수를 결정하거나 계산할 수 있다. 이 점수는 예컨대 신뢰 점수, 확률, 품질, 순위, 다른 적절한 타입의 점수 또는 이들의 임의의 조합일 수 있다. 예로서 제한 없이, 소셜 네트워킹 시스템(160)은 n-그램이 가령 소셜 그래프(200)의 사용자 노드(202), 컨셉 노드(204) 또는 에지(206)와 같은 소셜-그래프 요소에 해당하는 확률 점수(또한 간단히 "확률"이라고도 함)를 결정할 수 있다. 확률 점수는 n-그램과 특정 소셜-그래프 요소 사이의 유사도 또는 관련도를 표시할 수 있다. 확률을 계산하는 많은 다른 방법이 있을 수 있다. 본 명세서는 검색 질의에서 식별된 n-그램에 대한 확률 점수를 계산하는 임의의 적절한 방법을 고려한다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 n-그램이 특정 소셜-그래프 요소에 해당하는 확률 p를 결정할 수 있다. 확률 p는 특정 검색 질의 X가 주어진다면 특정 소셜-그래프 요소 k에 해당할 확률로 계산될 수 있다. 즉, 확률은 p=(k＼X)로 계산될 수 있다. 예로서 제한 없이, n-그램이 소셜-그래프 요소에 해당할 확률은 pi,j,k로 표시된 확률 점수로 계산될 수 있다. 입력은 텍스트 질의 X=(x1, x2,..., xN) 및 클래스(classes) 세트일 수 있다. 각각의 (i:j) 및 클래스 k에 대하여, 소셜 네트워킹 시스템(160)은
Figure pct00001
를 계산할 수 있다. 예로서 제한 없이, n-그램 "stanford"는 하기와 같이 다음의 소셜-그래프 요소에 대하여 점수화될 수 있다: 학교 "Stanford University" = 0.7; 위치 "Stanford, California" = 0.2; 사용자 "Allen Stanford" = 0.1. 또 다른 예로서 제한 없이, n-그램 "friends"는 하기와 같이 다음의 소셜-그래프 요소에 대하여 점수화될 수 있다: 사용자 "friends" = 0.9; 텔레비전 쇼 "Friends" = 0.1. 특정 실시예로, 소셜 네트워킹 시스템(160)은 포워드-백워드 알고리즘(forward-backward algorithm)을 사용하여 특정 n-그램이 특정 소셜-그래프 요소에 해당할 확률을 결정할 수 있다. 텍스트 질의 내 소정의 n-그램에 대하여, 소셜 네트워킹 시스템(160)은 이전 n-그램과 이후 n-그램 모두를 사용하여 어느 특정 소셜-그래프 요소가 소정의 n-그램에 해당하는지를 결정할 수 있다. 본 명세서는 특정 방식으로 n-그램이 소셜-그래프 요소에 해당하는지를 결정하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 n-그램이 소셜-그래프 요소에 해당하는지를 결정하는 것을 고려한다. 게다가, 본 명세서는 특정 타입의 점수를 사용하여 n-그램이 소셜-그래프 요소에 해당하는지를 결정하는 것을 기술하지만, 본 명세서는 임의의 적절한 타입의 점수를 사용하여 n-그램이 소셜-그래프 요소에 해당하는지를 결정하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 에지-임계 확률보다 더 큰 확률을 가지는 하나 이상의 에지(206)를 식별할 수 있다. 각각의 식별된 에지(206)는 적어도 하나의 n-그램에 해당할 수 있다. 예로서 제한 없이, n-그램은
Figure pct00002
라면 에지 k에 해당하는 것으로 단지 식별될 수 있다. 게다가, 각각의 식별된 에지(206)는 적어도 하나의 식별된 노드와 연결될 수 있다. 즉, 소셜 네트워킹 시스템(160)은 단지 특정 n-그램에 해당하는 것으로 이전에 식별되었던 사용자 노드(202) 또는 컨셉 노드(204)와 연결되는 에지(206) 또는 에지-타입만을 식별할 수 있다. 임의의 이전에 식별된 노드와 연결되지 않는 에지(206) 또는 에지-타입은 일반적으로 검색 질의에서 특정 n-그램에 해당할 가능성이 없다. 이런 에지(206) 및 에지-타입을 걸러내거나 무시함으로써, 소셜 네트워킹 시스템(160)은 관련 소셜-그래프 요소를 소셜 그래프에서 더 효율적으로 검색할 수 있다. 예로서 제한 없이, 도 2을 참조하면, 식별된 컨셉 노드(204)가 학교 "Stanford"인 "went to Stanford"를 포함하는 텍스트 질의에 대해, 소셜 네트워킹 시스템(160)은 "worked at"에 해당하는 에지(206) 및 "attended"에 해당하는 에지(206)를 식별할 수 있고, 이들 모두는 "Stanford"에 대한 컨셉 노드(204)와 연결된다. 따라서, n-그램 "went to"는 이런 에지(206)에 해당하는 것으로 식별될 수 있다. 그러나, 동일한 텍스트 질의에 대해, 소셜 네트워킹 시스템(160)은 소셜 그래프(200)에서 "좋아요(like)" 또는 "팬(fan)"에 해당하는 에지(206)를 식별할 수 없는데, 이는 "Stanford" 노드는 이와 연결된 임의의 이런 에지를 가지지 않기 때문이다. 본 명세서는 특정 방식으로 n-그램에 해당하는 에지(206)를 식별하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 n-그램에 해당하는 에지(206)를 식별하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 노드-임계 확률보다 더 큰 확률을 가진 하나 이상의 사용자 노드(202) 또는 컨셉 노드(204)를 식별할 수 있다. 각각의 식별된 노드는 적어도 하나의 n-그램에 해당할 수 있다. 예로서 제한 없이, n-그램은
Figure pct00003
라면 노드 k에 해당하는 것으로 단지 식별될 수 있다. 게다가, 각각의 식별된 사용자 노드(202) 또는 컨셉 노드(204)는 적어도 하나의 식별된 에지(206)와 연결될 수 있다. 즉, 소셜 네트워킹 시스템(160)은 특정 n-그램에 해당하는 것으로 이전에 식별되었던 에지(206)와 연결되는 노드 또는 노드-타입만을 식별할 수 있다. 임의의 이전에 식별된 에지(206)와 연결되지 않은 노드 또는 노드-타입은 통상 검색 질의에서 특정 n-그램에 해당할 가능성이 없다. 이런 노드 및 노드-타입을 걸러내거나 무시함으로써, 소셜 네트워킹 시스템(160)은 관련 소셜-그래프 요소를 소셜 그래프에서 더 효율적으로 검색할 수 있다. 예로서 제한 없이, 식별된 에지(206)가 "worked at"인 "worked at Apple"를 포함하는 텍스트 질의에 대해, 소셜 네트워킹 시스템(160)은 회사 APPLE, INC.에 해당하는 컨셉 노드(204)를 식별할 수 있고, 컨셉 노드는 이와 연결된 "worked at"의 다수의 에지(206)를 가질 수 있다. 그러나, 동일한 텍스트 질의에 대해, 소셜 네트워킹 시스템(160)은 과일-타입 "apple"에 해당하는 컨셉 노드(204)를 식별할 수 없고, 컨셉 노드는 이와 연결된 다수의 "좋아요" 또는 "팬" 에지를 가질 수 있으나, "worked at" 에지 연결을 가지지 않을 수 있다. 특정 실시예로, 노드-임계 확률은 사용자 노드(202) 및 컨셉 노드(204)에 대하여 상이할 수 있다. n-그램은
Figure pct00004
라면 사용자 노드(302) kuser에 해당하는 것으로 식별될 수 있는 한편, n-그램은
Figure pct00005
라면 컨셉 노드(304) kconcept에 해당하는 것으로 식별될 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 제1 사용자(즉, 질의중인 사용자)에 해당하는 사용자 노드(202)의 임계 이격도 내에 있는 노드만을 식별할 수 있다. 임계 이격도는 예컨대 이격도 1도, 2도, 3도 또는 모든 도수의 이격도일 수 있다. 본 명세서는 특정 방식으로 n-그램에 해당하는 노드를 식별하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 n-그램에 해당하는 노드를 식별하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 복수의 문법을 포함하는 컨텍스트-무관 문법 모델에 접근할 수 있다. 문법 모델의 각각의 문법은 질의 토큰에 의해 대체될 수 있는 하나 이상의 비-종단 기호(non-terminal symbols)를 포함할 수 있다. 문법 모델은 형식 언어(formal language)에서 문자열에 대한 한 세트의 형성 규칙(formation rules)이다. 언어로 문자열을 생성하기 위해, 사람은 단지 하나의 시작 기호로 구성되는 문자열로 시작한다. 이후, 시작 기호나 지정된 비-종단 기호를 포함하지 않는 문자열이 생성될 때까지 생성 규칙은 임의의 순서로 적용된다. 컨텍스트-무관 문법에서, 문법의 각각의 비-종단 기호의 생성은 문법의 다른 비-종단 기호에 의해 생성되는 것과 무관하다. 비-종단 기호는 종단 기호(즉, 종단 토큰 또는 질의 토큰)로 대체될 수 있다. 질의 토큰의 일부는 상술한 바와 같이 식별된 노드 또는 식별된 에지에 해당할 수 있다. 이후, 문법에 의해 생성된 문자열은 식별된 노드 또는 식별된 에지에 대한 레퍼런스를 포함하는 구조화된 질의로서 사용될 수 있다. 컨텍스트-무관 문법은 각각의 생성 규칙의 좌측 편이 단지 하나의 비-종단 기호로 구성되는 문법이다. 확률적 컨텍스트-무관 문법은 투플
Figure pct00006
이며, 여기서 분리집합(disjoint sets)
Figure pct00007
및
Figure pct00008
은
Figure pct00009
에서 시작 기호인 종단 기호 및 비-종단 기호를 각각 명시한다.
Figure pct00010
는
Figure pct00011
,
Figure pct00012
및
Figure pct00013
가 문자열
Figure pct00014
로 확장될 확률인
Figure pct00015
에서
Figure pct00016
의 형태를 취하는 생성 집합이다. 소정의 비-종단 E의 모든 확장에 대한 확률 p의 합은 1이어야 한다. 본 명세서는 특정 문법에 접근하는 것을 기술하지만, 본 명세서는 임의의 적절한 문법을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 사전에 식별된 노드 및 에지에 해당하는 질의 토큰을 가지는 하나 이상의 문법을 식별할 수 있다. 즉, 식별된 노드 또는 식별된 에지가 특정 문법에서 질의 토큰으로 사용될 수 있다면, 그 문법은 구조화된 질의를 생성하는데 사용하는 가능한 문법으로서 소셜 네트워킹 시스템(160)에 의해 식별될 수 있다. 이는 효과적으로 바텀-업 파싱(bottom-up parsing)의 타입이며, 가능한 질의 토큰은 질의에 적용되는 적용가능한 문법을 결정하는데 사용된다. 예로서 제한 없이, 예시적인 문법은 [user][user-filter][school]일 수 있다. 비-종단 기호 [user], [user-filter] 및 [school]은 이후 수신된 텍스트 질의의 n-그램을 기초로 결정될 수 있다. 텍스트 질의 "friends stanford"에 대하여, 이 질의는 예컨대 "[friends][who go to][Stanford University]" 또는 "[friends][who work at][Stanford University]"로서 문법을 사용하여 파싱될 수 있다. 또 다른 예로서 제한 없이, 예시적인 문법은 [user][user-filter][location]일 수 있다. 텍스트 질의 "friends stanford"에 대하여, 이 질의는 예컨대 "[friends][who live in][Stanford, California]"로서 문법을 사용하여 파싱될 수 있다. 상기 두 예시적인 경우 모두에서, 수신된 텍스트 질의의 n-그램이 문법에서 질의 토큰으로 사용될 수 있다면, 이 문법은 소셜 네트워킹 시스템(160)에 의해 식별될 수 있다. 마찬가지로, 수신된 텍스트 질의가 문법에서 질의 토큰으로 사용될 수 없는 n-그램을 포함한다면, 그 문법은 식별될 수 없을 수 있다. 본 명세서는 특정 방식으로 특정 문법을 식별하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 문법을 식별하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 각각의 식별된 문법에 대한 점수를 결정할 수 있다. 점수는 예컨대 신뢰 점수, 확률, 품질, 순위, 다른 적절한 타입의 점수 또는 이들의 임의의 조합일 수 있다. 점수는 문법의 질의 토큰과 관련된 확률 또는 개별 점수를 기초로 할 수 있다. 문법은 그것이 상대적으로 더 높은 개별 점수를 가진 질의 토큰을 사용한다면 더 높은 상대적인 점수를 가질 수 있다. 예로서 제한 없이, 이전의 예를 이어가면, n-그램 "stanford"는 하기와 같이 다음의 소셜-그래프 요소에 대하여 점수화될 수 있다: 학교 "Stanford University" = 0.7; 위치 "Stanford, California" = 0.2; 사용자 "Allen Stanford" = 0.1. n-그램 "friends"는 하기와 같이 다음의 소셜-그래프 요소에 대하여 점수화될 수 있다: 사용자 "friends" = 0.9; 텔레비전 쇼 "Friends" = 0.1. 따라서, 문법 [user][user-filter][school]은 문법이 모두 상대적으로 높은 개별 점수를 가지는 (예컨대, 문자열 "friends who go to Stanford University"를 생성하는) 사용자 "friends" 및 학교 "Stanford University"에 대한 질의 토큰을 사용하면 상대적으로 높은 점수를 가질 수 있다. 반대로, 문법 [user][user-filter][user]는, (예컨대, 문자열 "friends of Allen Stanford"를 생성하는) 사용자 "friends" 및 사용자 "Allen Stanford"에 대한 질의 토큰을 사용하면 Allen Stanford에 대한 질의 토큰이 상대적으로 낮은 개별 점수를 가지기 때문에, 상대적으로 낮은 점수를 가질 수 있다. 본 명세서는 특정 방식으로 특정 문법에 대한 특정 점수를 결정하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 문법에 대한 임의의 적절한 점수를 결정하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 질의중인 사용자(즉, 제1 사용자 노드(202)에 해당하는 제1 사용자)와 문법의 질의 토큰에 해당하는 소셜-그래프 요소의 관련성을 기초로 식별된 문법에 대한 점수를 결정할 수 있다. 사용자 노드(202) 및 에지(206)로 직접 제1 사용자 노드(202)와 연결되는 컨셉 노드(204)는 제1 사용자와 관련되는 것으로 간주될 수 있다. 따라서, 이런 관련 노드 및 에지에 해당하는 질의 토큰을 포함하는 문법은 질의중인 사용자와 더 관련이 있다고 간주될 수 있다. 예로서 제한 없이, 제1 사용자 노드(202)와 에지(206)로 연결된 컨셉 노드(204)는 제1 사용자 노드(202)와 관련되는 것으로 간주될 수 있다. 본 명세서에서 사용되는 바와 같이, 소셜 그래프(200)를 참고할 때, 용어 "connected"는 소셜 그래프(200) 내에서 2개의 노드 사이에 경로가 존재함을 의미하며, 이 경로는 하나 이상의 에지(206) 및 0 이상의 매개 노드(intermediary nodes)를 포함할 수 있다. 특정 실시예로, 하나 이상의 게재 노드(및 따라서 2 이상의 에지(206))를 통해 제1 사용자 노드(202)와 연결되는 노드는 또한 제1 사용자와 관련되는 것으로 간주될 수 있다. 게다가, 특정 실시예로, 제2 노드가 제1 사용자 노드와 더 가까울수록, 제2 노드는 제1 사용자 노드와 더 많이 관련되는 것으로 간주될 수 있다. 즉, 특정 사용자 노드(202) 또는 컨셉 노드(204)로부터 제1 사용자 노드(202)를 이격시키는 에지(206)가 더 적을수록(즉, 이격도가 더 작을수록), 사용자 노드(202) 또는 컨셉 노드(204)가 제1 사용자와 더 많이 관련되는 것으로 간주될 수 있다. 예로서 제한 없이, 도 2에 도시된 바와 같이, 학교 "Stanford"에 해당하는 컨셉 노드(204)는 사용자 "C"에 해당하는 사용자 노드(202)와 연결되며, 따라서 컨셉 "Stanford"는 사용자 "C"와 관련되는 것을 간주될 수 있다. 또 다른 예로서 제한 없이, 사용자 "A"에 해당하는 사용자 노드(202)는 하나의 매개 노드와 2개의 에지(206)(즉, 사용자 "B"에 해당하는 매개 사용자 노드(202))를 통해 사용자 "C"에 해당하는 사용자 노드(202)와 연결되며, 따라서 사용자 "A"는 사용자 "C"와 관련되는 것으로 간주될 수 있으나, 사용자 "A"에 대한 사용자 노드(202)가 사용자 "C"에 대한 2촌 연결이기 때문에, 가령, 예컨대, 사용자 "B"에 해당하는 사용자 노드(202)와 같은, 그 특정 컨셉 노드(204)는 단일 에지(206)로 사용자 "C"에 대한 사용자 노드와 연결된 사용자 노드(202)보다 덜 관련되는 것으로 간주될 수 있다. 또 다른 예로서 제한 없이, (온라인 멀티플레이어 게임인) "Online Poker"에 대한 컨셉 노드는 소셜 그래프(200)에서 임의의 경로로 사용자 "C"에 대한 사용자 노드와 연결되지 않으며, 따라서 컨셉 "Online Poker"는 사용자 "C"와 관련되는 것으로 간주되지 않을 수 있다. 특정 실시예로, 제2 노드가 제1 사용자 노드(202)의 임계 이격도 내에 있다면 제2 노드만이 제1 사용자와 관련되는 것으로 간주될 수 있다. 예로서 제한 없이, 임계 이격도가 이격도 3도라면, 사용자 "D"에 해당하는 사용자 노드(202)는 도 2에 도시된 소셜 그래프(200)에서 서로 이격도 3도 내에 있는 요리법 "Chicken Parmesan"에 해당하는 컨셉 노드(204)와 관련되는 것으로 간주될 수 있다. 그러나, 이 예를 이어가면, 애플리케이션 "All About Recipes"에 해당하는 컨셉 노드(204)는 사용자 "D"에 해당하는 사용자 노드(202)와 관련되는 것으로 간주되지 않을 것인데, 이는 이들 노드가 소셜 그래프(200)에서 이격도 4도로 떨어져 있기 때문이다. 본 명세서는 특정 소셜-그래프 요소(그리고 따라서 그들의 해당 질의 토큰)가 특정 방식으로 서로 관련되는지를 결정하는 것을 기술하지만, 본 명세서는 임의의 적절한 소셜-그래프 요소가 임의의 적절한 방식으로 서로 관련되는지를 결정하는 것을 고려한다. 게다가, 본 명세서는 사용자 노드(202)와 컨셉 노드(204)에 해당하는 특정 질의 토큰이 질의중인 사용자와 관련되는지를 결정하는 것을 기술하지만, 본 명세서는 마찬가지로 임의의 적절한 질의 토큰(그리고 따라서 임의의 적절한 노드)이 임의의 다른 적절한 사용자와 관련되는지를 결정하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 문법의 질의 토큰에 해당하는 소셜-그래프 정보를 기초로 식별된 문법에 대한 점수를 결정할 수 있다. 예로서 제한 없이, n-그램이 특정 소셜-그래프 요소에 해당할 확률 p를 결정할 때, 확률의 계산은 또한 소셜-그래프 정보를 고려할 수 있다. 따라서, 특정 검색 질의 X 및 소셜-그래프 정보 G가 주어진다면 특정 소셜-그래프 요소 k에 해당할 확률은 p=(k＼X, G)로 계산될 수 있다. 이후, 식별된 노드와 에지에 대한 각각의 확률은 질의 토큰으로서 이런 소셜-그래프 요소를 사용하여 문법에 대한 점수를 결정하는데 사용될 수 있다. 특정 실시예로, 식별된 문법에 대한 점수는 제1 사용자 노드(202)와 문법에서 질의 토큰으로서 사용되는 특정 소셜-그래프 요소 사이의 이격도를 기초로 할 수 있다. 질의 토큰을 가진 문법은 사용자로부터 더 먼 소셜-그래프 요소(즉, 더 많은 이격도)보다 소셜 그래프(200)에서 질의중인 사용자에 더 근접한 소셜-그래프 요소(즉, 요소와 제1 사용자 노드(202) 사이의 더 적은 이격도)에 해당한다. 예로서 제한 없이, 도 2을 참조하면, 사용자 "B"가 "chicken"의 텍스트 질의를 입력하면, 에지(206)로 사용자 "B"와 연결되는 요리법 "Chicken Parmesan"에 대한 컨셉 노드(204)에 해당하는 질의 토큰을 가진 문법은 소셜 그래프(200)에서 사용자 "B"와 연결되지 않은 n-그램 chicken(예컨대, "chicken nuggets" 또는 "funky chicken dance"에 해당하는 컨셉 노드(204))과 관련된 다른 노드에 해당하는 질의 토큰을 가진 문법보다 상대적으로 더 높은 점수를 가질 수 있다. 특정 실시예로, 식별된 문법에 대한 점수는 문법의 질의 토큰에 해당하는 식별된 에지(206)를 기초로 할 수 있다. 소셜 네트워킹 시스템(160)이 수신된 텍스트 질의에서 n-그램에 해당하는 하나 이상의 에지를 이미 식별했다면, 이런 식별된 에지는 문법에 의해 텍스트 질의의 특정한 파싱에 대한 점수를 결정할 때 고려될 수 있다. 특정 문법이 식별된 노드와 식별된 에지 모두에 해당하는 질의 토큰을 포함하고, 식별된 노드가 실제로 어떤 식별된 에지와 연결되지 않는다면, 그 특정 문법은 0 또는 널(null) 점수를 할당받을 수 있다. 특정 실시예로, 식별된 문법에 대한 점수는 문법의 질의 토큰에 해당하는 노드와 연결된 에지(206)의 수를 기초로 할 수 있다. 더 많은 연결 에지(206)를 가진 노드에 해당하는 질의 토큰을 포함하는 문법은 더 인기가 있고 검색 질의의 타겟이 될 가능성이 더 높을 수 있다. 예로서 제한 없이, "Stanford, California"에 대한 컨셉 노드(204)가 5개의 에지로만 연결되는 반면 "Stanford University"에 대한 컨셉 노드(204)가 5000개의 에지로 연결된다면, 이런 노드 중 하나에 해당하는 질의 토큰을 포함하는 문법에 대한 점수를 결정할 때, 소셜 네트워킹 시스템(160)은 "Stanford University"에 대한 컨셉 노드(204)를 참조하는 문법이 그 컨셉 노드(204)와 연결된 많은 수의 에지로 인해 "Stanford, California"에 대한 컨셉 노드(204)를 참조하는 문법보다 상대적으로 더 높은 점수를 가진다고 결정할 수 있다. 특정 실시예로, 식별된 문법에 대한 점수는 제1 사용자(즉, 질의중인 사용자)와 관련된 검색 이력을 기초로 할 수 있다. 제1 사용자가 이전에 액세스한 노드에 해당하거나 제1 사용자가 이전에 액세스한 노드와 관련되는 질의 토큰을 가진 문법은 제1 사용자의 검색 질의의 타겟일 가능성이 더 높을 수 있다. 따라서, 이런 문법은 더 높은 점수를 제공받을 수 있다. 예로서 제한 없이, 제1 사용자가 "Stanford University" 프로필 페이지를 이전에 방문했으나 "Stanford, California" 프로필 페이지를 전혀 방문하지 않았다면, 이런 컨셉에 해당하는 질의 토큰을 가진 문법에 대한 점수를 결정할 때, 소셜 네트워킹 시스템(160)은 "Stanford University"에 대한 컨셉 노드(204)가 상대적으로 높은 점수를 가지며 따라서 해당 질의 토큰을 사용하는 문법도 그러하다고 결정할 수 있는데, 이는 질의중인 사용자가 이전에 학교에 대한 컨셉 노드(204)에 액세스했기 때문이다. 또 다른 예로서 제한 없이, 제1 사용자가 텔레비전 쇼 "Friends"에 대한 컨셉-프로필 페이지를 이전에 방문했다면, 그 컨셉에 해당하는 질의 토큰을 가진 문법에 대한 점수를 결정할 때, 소셜 네트워킹 시스템(160)은 텔레비전 쇼 "Friends"에 해당하는 컨셉 노드(204)가 상대적으로 높은 점수를 가지며 따라서 해당 질의 토큰을 사용하는 문법도 그러하다고 결정할 수 있는데, 이는 질의중인 사용자가 그 텔레비전 쇼에 대한 컨셉 노드(204)에 이전에 액세스했기 때문이다. 본 명세서는 특정 방식으로 특정 소셜-그래프 정보에 기반한 특정 문법에 대한 점수를 결정하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 소셜-그래프 정보에 기반한 임의의 적절한 문법에 대한 점수를 결정하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 문법-임계 점수(grammar-threshold score)보다 더 큰 점수를 가지는 하나 이상의 문법을 선택할 수 있다. 각각의 선택된 문법은 (수신된 텍스트 질의의 n-그램에 해당하는) 식별된 노드 또는 식별된 에지 중 적어도 하나에 해당하는 질의 토큰을 포함할 수 있다. 특정 실시예로, 문법은 그들의 결정된 점수를 기초로 순위화될 수 있고, 임계 순위 내(예컨대, 상위 7개)의 문법만이 선택될 수 있다. 본 명세서는 특정 방식으로 문법을 선택하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 문법을 선택하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 문법-임계 점수보다 더 큰 점수를 가진 식별된 문법에 해당하는 하나 이상의 구조화된 질의를 생성할 수 있다. 각각의 구조 질의는 해당하는 식별된 문법에 의해 생성된 문자열을 기초로 할 수 있다. 예로서 제한 없이, 텍스트 질의 "friends stanford"에 응답하여, 문법 [user][user-filter][school]은 문자열 "friends who go to Stanford University"를 생성할 수 있는데, 문법의 비-종단 토큰 [user], [user-filter], [school]은 문자열을 생성하도록 종단 토큰 [friends], [who go to] 및 [Stanford University]로 각각 대체되었다. 각각의 구조화된 질의는 해당하는 식별된 문법에 상응하는 질의 토큰을 포함할 수 있는데, 이런 질의 토큰은 하나 이상의 식별된 에지(206) 및 하나 이상의 식별된 노드에 해당한다. 구조화된 질의의 생성은 하기에 더 기술된다.
도 5는 컨텍스트-무관 문법 모델을 사용하여 구조화된 검색 질의를 생성하기 위한 예시적인 방법(500)을 도시한다. 이 방법은 단계 510에서 시작할 수 있는데, 소셜 네트워킹 시스템(160)은 복수의 노드 및 노드를 연결하는 복수의 에지(206)를 포함하는 소셜 그래프(200)에 접근할 수 있다. 노드는 제1 사용자 노드 및 복수의 제2 노드(하나 이상의 사용자 노드(202), 컨셉 노드(204) 또는 이들의 임의의 조합)를 포함할 수 있다. 단계 520에서, 소셜 네트워킹 시스템(160)은 실질적으로 비구조화된 텍스트 질의를 제1 사용자로부터 수신할 수 있다. 텍스트 질의는 하나 이상의 n-그램을 포함할 수 있다. 단계 530에서, 소셜 네트워킹 시스템(160)은 n-그램에 해당하는 제2 노드 및 에지를 식별할 수 있다. 단계 540에서, 소셜 네트워킹 시스템(160)은 복수의 문법을 포함하는 컨텍스트-무관 문법 모델에 접근할 수 있다. 각각의 문법은 하나 이상의 질의 토큰을 포함할 수 있다. 단계 550에서, 소셜 네트워킹 시스템(160)은 식별된 노드 또는 식별된 에지에 해당하는 질의 토큰을 가지는 문법을 식별할 수 있다. 단계 560에서, 소셜 네트워킹 시스템(160)은 각각의 식별된 문법에 대한 점수를 결정할 수 있다. 이 점수는 다양한 인자를 기초로 할 수 있다. 단계 570에서, 소셜 네트워킹 시스템은 식별된 문법을 기초로 하나 이상의 구조화된 질의를 생성할 수 있다. 각각의 구조화된 질의는 문법-임계 점수보다 더 큰 점수를 가진 식별된 문법에 해당할 수 있고, 해당하는 식별된 문법의 질의 토큰을 포함할 수 있다. 구조화된 질의의 질의 토큰은 식별된 제2 노드 또는 식별된 에지 중 적어도 하나에 해당할 수 있다. 적절한 경우, 특정 실시예는 도 5의 방법의 하나 이상의 단계를 반복할 수 있다. 본 명세서는 특정 순서로 발생하는 것으로서 도 5의 방법의 특정 단계들을 기술하고 도시하지만, 본 명세서는 임의의 적절한 순서로 발생하는 도 5의 방법의 임의의 적절한 단계들을 고려한다. 게다가, 본 명세서는 도 5의 방법의 특정 단계를 수행하는 특정 컴포넌트, 장치 또는 시스템을 기술하고 도시하지만, 본 명세서는 도 5의 방법의 임의의 적절한 단계를 수행하는 임의의 적절한 컴포넌트, 장치 또는 시스템의 임의의 적절한 조합을 고려한다.
구조화된 검색 질의의 생성
특정 실시예로, 소셜 네트워킹 시스템(160)은 해당하는 문법의 질의 토큰을 각각 포함하는 하나 이상의 구조화된 질의를 생성할 수 있는데, 질의 토큰은 하나 이상의 식별된 사용자 노드(202) 및 하나 이상의 식별된 에지(206)에 해당할 수 있다. 생성되는 구조화된 질의는 상술한 바대로 컨텍스트-무관 문법을 기초로 할 수 있다. 이런 타입의 구조화된 검색 질의는 소셜 네트워킹 시스템(160)이 식별된 사용자 노드(202) 및 식별된 에지(206)와 연결되거나 관련된 컨텐츠를 검색함으로써 온라인 소셜 네트워크(가령, 예컨대, 프로필 페이지)에 관한 리소스 및 컨텐츠를 더 효율적으로 검색할 수 있게 해줄 수 있다. 예로서 제한 없이, 텍스트 질의 "show me friends of my girlfriend"에 응답하여, 소셜 네트워킹 시스템(160)은 구조화된 질의 "Friends of Stephanie"를 생성할 수 있고, 여기서 구조화된 질의의 "Friends" 및 "Stephanie"는 특정 소셜-그래프 요소에 해당하는 레퍼런스이다. "Stephanie"에 대한 레퍼런스는 특정 사용자 노드(202)에 해당하는 한편, "friends"에 대한 레퍼런스는 그 사용자 노드(202)를 다른 사용자 노드(202)와 연결하는 "친구" 에지(206)(즉, "Stephanie"의 1촌 친구와 연결하는 에지(206))에 해당한다. 구조화된 질의를 실행할 때, 소셜 네트워킹 시스템(160)은 "Stephanie"에 해당하는 사용자 노드(202)와 "친구" 에지(206)로 연결되는 하나 이상의 사용자 노드(202)를 식별할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 복수의 구조화된 질의를 생성할 수 있으며, 구조화된 질의는 다른 식별된 사용자 노드(202) 또는 다른 식별된 에지(206)에 대한 레퍼런스를 포함할 수 있다. 예로서 제한 없이, 텍스트 질의 "photos of cat"에 응답하여, 소셜 네트워킹 시스템(160)은 제1 구조화된 질의 "Photos of Catey" 및 제2 구조화된 질의 "Photos of Catherine"를 생성할 수 있으며, 구조화된 질의의 "Photos"는 특정 소셜-그래프 요소에 해당하는 레퍼런스이며, "Catey" 및 "Catherine"은 2개의 다른 사용자 노드(202)에 대한 레퍼런스이다. 이런 구조화된 질의 중 하나를 실행할 때, 소셜 네트워킹 시스템(160)은 식별된 사용자 노드(202)와 에지(206)로 연결되는 사진에 해당하는 하나 이상의 컨셉 노드(204)를 식별할 수 있다. 본 명세서는 특정 방식으로 특정 구조화된 질의를 생성하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 구조화된 질의를 생성하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 식별된 컨셉 노드(204) 및 하나 이상의 식별된 에지(206)에 해당하는 질의 토큰을 각각 포함하는 하나 이상의 구조화된 질의를 생성할 수 있다. 이런 타입의 구조화된 검색 질의는 소셜 네트워킹 시스템(160)이 식별된 컨셉 노드(204) 및 식별된 에지(206)와 연결되거나 관련된 컨텐츠를 검색함으로써 온라인 소셜 네트워크(가령, 예컨대, 프로필 페이지)에 관한 리소스 및 컨텐츠를 더 효율적으로 검색할 수 있게 해줄 수 있다. 예로서 제한 없이, 텍스트 질의 "friends who like facebook"에 응답하여, 소셜 네트워킹 시스템(160)은 구조화된 질의 "Friends who like Facebook"를 생성할 수 있으며, 구조화된 질의 내 "Friends", "like" 및 "Facebook"은 상술한 바와 같이 특정 소셜-그래프 요소(즉, "friend" 에지(206), "like" 에지(206) 및 "Facebook" 컨셉 노드(204))에 해당하는 질의 토큰이다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 복수의 구조화된 질의를 생성할 수 있으며, 구조화된 질의는 다른 식별된 컨셉 노드(204) 또는 다른 식별된 에지(206)에 대한 레퍼런스를 포함할 수 있다. 예로서 제한 없이, 이전 예를 이어가면, 구조화된 질의 "Friends who like Facebook" 이외에, 소셜 네트워킹 시스템(160)은 구조화된 질의 "Friends who like Facebook Culinary Team"를 또한 생성할 수 있으며, 구조화된 질의 내 "Facebook Culinary Team"은 또 다른 소셜-그래프 요소에 해당하는 질의 토큰이다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 생성되는 구조화된 질의를 순위화할 수 있다. 구조화된 질의는 다양한 인자를 기초로 순위화될 수 있다. 본 명세서는 특정 방식으로 특정 구조화된 질의를 생성하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 구조화된 질의를 생성하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 제1 사용자(즉, 질의중인 사용자)에게 하나 이상의 구조화된 질의를 전송할 수 있다. 예로서 제한 없이, 구조화된 질의가 생성된 후, 소셜 네트워킹 시스템(160)은 예컨대 참조된 소셜-그래프 요소의 이름(이름 문자열), 다른 질의 제한(예컨대, Boolean 연산자 등)뿐 아니라 잠재적으로 참조된 소셜-그래프 요소와 관련된 다른 메타데이터를 포함할 수 있는 (AJAX 또는 다른 적절한 기술을 이용할 수 있는) 응답으로서 하나 이상의 구조화된 질의를 사용자의 클라이언트 장치(130)로 전송할 수 있다. 질의중인 사용자의 클라이언트 장치(130)의 웹 브라우저(132)는 도 4a-4b에 도시된 바와 같이 드롭-다운 메뉴(300)에 전송되는 구조화된 질의를 디스플레이할 수 있다. 특정 실시예로, 전송된 질의는 예컨대 상술한 바와 같이 이전에 결정된 순위를 기초로 순위화된 순서로 질의중인 사용자에게 제시될 수 있다. 더 나은 순위를 가진 구조화된 질의가 더 눈에 띄는 위치에 제시될 수 있다. 게다가, 특정 실시예로, 단지 임계 순위 위의 구조화된 질의만이 질의중인 사용자에게 전송되거나 디스플레이될 수 있다. 예로서 제한 없이, 도 4a-4b에 도시된 바와 같이, 구조화된 질의는 드롭-다운 메뉴(300)에서 질의중인 사용자에게 제시될 수 있는데, 여기서 더 높게 순위화되는 구조화된 질의는 메뉴의 상단에 제시될 수 있고 더 낮게 순위화되는 구조화된 질의는 메뉴에서 내림차순으로 제시될 수 있다. 도 4a-4b에 도시된 예에서, 단지 7개의 가장 높게 순위화된 질의만이 사용자에게 전송되고 디스플레이된다. 특정 실시예로, 구조화된 질의 내 하나 이상의 레퍼런스는 특정 소셜-그래프 요소에 대한 대응을 표시하기 위해 하이라이팅될 수 있다. 예로서 제한 없이, 도 4a-4b에 도시된 바와 같이, "Stanford University" 및 "Stanford, California"에 대한 레퍼런스는 특정 컨셉 노드(204)에 해당함을 표시하도록 구조화된 질의에서 하이라이팅될 수 있다. 마찬가지로, 드롭-다운 메뉴(300)에 제시된 구조화된 질의에서 "Friends", "like", "work at" 및 "go to"에 대한 레퍼런스는 또한 그들이 특정 에지(206)에 해당함을 표시하도록 하이라이팅될 수 있다. 본 명세서는 특정 방식으로 특정 구조화된 질의를 전송하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 구조화된 질의를 전송하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 제1 사용자(즉, 질의중인 사용자)로부터 구조화된 질의 중 하나의 선택을 수신할 수 있다. 예로서 제한 없이, 질의중인 사용자의 클라이언트 장치(130)에서 웹 브라우저(132)는 도 4a-4b에 도시된 바와 같이 드롭-다운 메뉴(300)에서 전송되는 구조화된 질의를 디스플레이할 수 있는데, 이후 사용자는 사용자가 소셜 네트워킹 시스템(160)이 실행하길 원하는 특정 구조화된 질의를 표시하도록 (예컨대, 단순히 키보드에서 "enter"를 키 입력하여) 클릭하거나 선택할 수 있다. 특정 구조화된 질의를 선택하면, 사용자의 클라이언트 장치(130)는 소셜 네트워킹 시스템(160)이 선택된 구조화된 질의를 실행하도록 호출하거나 지시할 수 있다. 본 명세서는 특정 방식으로 특정 구조화된 질의의 선택을 수신하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 구조화된 질의의 선택을 수신하는 것을 고려한다.
구조화된 검색 질의에 대한 더 많은 정보는 참조로 통합되는 2012년 7월 23일자로 출원된 미국특허출원 제13/556072호에서 확인할 수 있다.
시스템 및 방법
도 6은 예시적인 컴퓨터 시스템(600)을 도시한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(600)은 본 명세서에 기술되거나 도시된 하나 이상의 방법들의 하나 이상의 단계들을 수행한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(600)은 본 명세서에 기술되거나 도시된 기능을 제공한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(600)을 실행하는 소프트웨어는 본 명세서에 기술되거나 도시된 하나 이상의 방법들의 하나 이상의 단계들을 수행하거나, 본 명세서에 기술되거나 도시된 기능을 제공한다. 특정 실시예는 하나 이상의 컴퓨터 시스템들(600)의 하나 이상의 부분들을 포함한다. 본 명세서에서, 적절한 경우 컴퓨터 시스템에 대한 언급은 컴퓨팅 장치를 포함할 수 있다. 게다가, 컴퓨터 시스템에 대한 언급은 적절한 경우 하나 이상의 컴퓨터 시스템을 포함할 수 있다.
본 명세서는 임의의 적절한 수의 컴퓨터 시스템(600)을 고려한다. 본 명세서는 임의의 적절한 물리적 형태를 취하는 컴퓨터 시스템(600)을 고려한다. 예로서 제한 없이, 컴퓨터 시스템(600)은 임베디드 컴퓨터 시스템, 시스템-온-칩(SOC), 단일-보드 컴퓨터 시스템(SBC)(예컨대, 컴퓨터-온-모듈(COM) 또는 시스템-온-모듈(SOM)), 데스크톱 컴퓨터 시스템, 랩톱 또는 노트북 컴퓨터 시스템, 상호작용형 키오스크(kiosk), 메인 프레임, 컴퓨터 시스템 메쉬(mesh), 모바일 전화, 개인 정보 단말기(PDA), 서버, 태블릿 컴퓨터 시스템 또는 이들의 2 이상의 조합일 수 있다. 적절한 경우, 컴퓨터 시스템(600)은 하나 이상의 컴퓨터 시스템(600)들을 포함할 수 있거나; 일체형 또는 분산형일 수 있거나; 다수의 위치에 걸쳐 있거나, 다수의 기계에 걸쳐 있거나; 다수의 데이터 센터에 걸쳐 있거나; 하나 이상의 네트워크에 하나 이상의 클라우드 성분을 포함할 수 있는 클라우드에 상주할 수 있다. 적절한 경우, 하나 이상의 컴퓨터 시스템(600)은 본 명세서에 기술되거나 도시되는 하나 이상의 방법의 하나 이상의 단계를 실질적으로 공간적 또는 시간적 제한 없이 실행할 수 있다. 예로서 제한 없이, 하나 이상의 컴퓨터 시스템(600)은 본 명세서에 기술되거나 도시되는 하나 이상의 방법의 하나 이상의 단계를 실시간으로 또는 일괄 모드로 실행할 수 있다. 적절한 경우, 하나 이상의 컴퓨터 시스템(600)은 본 명세서에 기술되거나 도시되는 하나 이상의 방법의 하나 이상의 단계를 다른 시기에 또는 다른 위치에서 실행할 수 있다.
특정 실시예로, 컴퓨터 시스템(600)은 프로세서(602), 메모리(604), 저장소(606), 입력/출력(I/O) 인터페이스(608), 통신 인터페이스(610) 및 버스(612)를 포함한다. 본 명세서가 특정 배열로 특정한 수의 특정 구성요소를 갖는 특정 컴퓨터 시스템을 기술하고 도시하지만, 본 명세서는 임의의 적절한 배열로 임의의 적절한 수의 임의의 적절한 구성요소를 갖는 임의의 적절한 컴퓨터 시스템을 고려한다.
특정 실시예로, 프로세서(602)는 가령 컴퓨터 프로그램을 구성하는 명령어와 같은 명령어를 실행하기 위한 하드웨어를 포함한다. 예로서 제한 없이, 명령어를 실행하기 위해, 프로세서(602)는 내부 레지스터, 내부 캐시, 메모리(604) 또는 저장소(606)로부터 명령어를 검색(또는 페치(fetch))할 수 있고; 명령어를 디코딩하고 실행한 후; 하나 이상의 결과를 내부 레지스터, 내부 캐시, 메모리(604) 또는 저장소(606)에 기록할 수 있다. 특정 실시예로, 프로세서(602)는 데이터용, 명령어용 또는 주소용 하나 이상의 내부 캐시를 포함할 수 있다. 본 명세서는 적절한 경우 임의의 적절한 수의 임의의 적절한 내부 캐시들을 포함하는 프로세서(602)를 고려한다. 예로서 제한 없이, 프로세서(602)는 하나 이상의 명령어 캐시들, 하나 이상의 데이터 캐시들 및 하나 이상의 변환 색인 버퍼(translation lookaside buffers, TLBs)를 포함할 수 있다. 명령어 캐시에 저장된 명령어들은 메모리(604)나 저장소(606) 내 명령어들의 사본일 수 있고, 명령어 캐시는 프로세서(602)에 의한 이런 명령어들의 검색 속도를 높일 수 있다. 데이터 캐시 내의 데이터는 프로세서(602)에서 실행하는 다음 명령들에 의해 접근하거나 메모리(604)나 저장소(606)로 기록하기 위해 프로세서(602)에서 실행되는 이전 명령들의 결과; 또는 다른 적절한 데이터를 동작하는데 프로세서(602)에서 실행하는 명령어를 위한 메모리(604)나 저장소(606) 내의 데이터의 사본일 수 있다. 데이터 캐시는 프로세서(602)에 의한 판독 또는 기록 동작의 속도를 높일 수 있다. TLB들은 프로세서(602)에 의한 가상 주소 변환의 속도를 높일 수 있다. 특정 실시예로, 프로세서(602)는 데이터용, 명령어용 또는 주소용 하나 이상의 내부 레지스터를 포함할 수 있다. 본 명세서는 적절한 경우 임의의 적절한 수의 임의의 적절한 내부 레지스터들을 포함하는 프로세서(602)를 고려한다. 적절한 경우, 프로세서(602)는 하나 이상의 산술 논리 유닛(ALUs)을 포함할 수 있거나; 멀티-코어 프로세서일 수 있거나; 하나 이상이 프로세서들(602)을 포함할 수 있다. 본 명세서가 특정 프로세서를 기술하고 도시하지만, 본 명세서는 임의의 적절한 프로세서를 고려한다.
특정 실시예로, 메모리(604)는 프로세서(602)가 실행하는 명령어 또는 프로세서(602)가 운영하는 데이터를 저장하기 위한 메인 메모리를 포함한다. 예로서 제한 없이, 컴퓨터 시스템(600)은 저장소(606)나 또 다른 소스(가령, 예컨대 또 다른 컴퓨터 시스템(600))에서 메모리(604)로 명령어를 로딩할 수 있다. 이후, 프로세서(602)는 메모리(604)에서 내부 레지스터나 내부 캐시로 명령어를 로딩할 수 있다. 명령어를 실행하기 위해, 프로세서(602)는 내부 레지스터나 내부 캐시로부터 명령어를 검색하고 이들을 디코딩할 수 있다. 명령어의 실행 중 또는 실행 후, 프로세서(602)는 (중간 결과 또는 최종 결과일 수 있는) 하나 이상의 결과를 내부 레지스터나 내부 캐시로 기록할 수 있다. 이후, 프로세서(602)는 하나 이상의 이런 결과를 메모리(604)에 기록할 수 있다. 특정 실시예로, 프로세서(602)는 (저장소(606) 또는 다른 곳과는 대조적으로) 하나 이상의 내부 레지스터나 내부 캐시에서 또는 메모리(604)에서 단지 명령어만을 실행하며, (저장소(606) 또는 다른 곳과는 대조적으로) 하나 이상의 내부 레지스터나 내부 캐시에서 또는 메모리(604)에서 단지 데이터만을 운영한다. (주소 버스 및 데이터 버스를 각각 포함할 수 있는) 하나 이상의 메모리 버스는 프로세서(602)를 메모리(604)로 연결할 수 있다. 하기에 기술되는 바와 같이, 버스(612)는 하나 이상의 메모리 버스를 포함할 수 있다. 특정 실시예로, 하나 이상의 메모리 관리 유닛(MMUs)은 프로세서(602)와 메모리(604) 사이에 상주하며, 프로세서(602)에 의해 요청되는 메모리(604)로의 접근을 용이하게 한다. 특정 실시예로, 메모리(604)는 랜덤 액세스 메모리(RAM)를 포함한다. 적절한 경우, 이런 RAM은 휘발성 메모리일 수 있다. 적절한 경우, 이런 RAM은 동적 RAM(DRAM) 또는 정적 RAM(SRAM)일 수 있다. 게다가, 적절한 경우, 이런 RAM은 단일 포트형 또는 다중-포트형 RAM일 수 있다. 본 명세서는 임의의 적절한 RAM을 고려한다. 적절한 경우, 메모리(604)는 하나 이상의 메모리(604)를 포함할 수 있다. 본 명세서가 특정 메모리를 기술하고 도시하지만, 본 명세서는 임의의 적절한 메모리를 고려한다.
특정 실시예로, 저장소(606)는 데이터용 또는 명령어용 대용량 저장소를 포함한다. 예로서 제한 없이, 저장소(606)는 하드 디스크 드라이브(HDD), 플로피 디스크 드라이브, 플래시 메모리, 광디스크, 자기-광학 디스크, 자기 테이프, 범용 직렬 버스(USB) 드라이브 또는 이들의 2 이상의 조합을 포함할 수 있다. 적절한 경우, 저장소(606)는 착탈식 또는 비-착탈식(또는 고정) 매체를 포함할 수 있다. 적절한 경우, 저장소(606)는 컴퓨터 시스템(600)의 내부 또는 외부에 있을 수 있다. 특정 실시예로, 저장소(606)는 비휘발성, 고체-상태(solid-state) 메모리이다. 특정 실시예로, 저장소(606)는 읽기 전용 메모리(ROM)를 포함한다. 적절한 경우, 이런 ROM은 마스크-프로그램화된 ROM, 프로그램가능 ROM(PROM), 소거가능 PROM(EPROM), 전기적 소거가능 PROM(EEPROM), 전기적 변경가능 ROM(EAROM), 플래시 메모리 또는 이들의 2 이상의 조합일 수 있다. 본 명세서는 임의의 적절한 물리적 형태를 취하는 대용량 저장소(606)를 고려한다. 적절한 경우, 저장소(606)는 프로세서(602)와 저장소(606) 사이의 통신을 용이하게 하는 하나 이상의 저장소 제어 유닛을 포함할 수 있다. 적절한 경우, 저장소(606)는 하나 이상의 저장소(606)를 포함할 수 있다. 본 명세서가 특정 저장소를 기술하고 도시하지만, 본 명세서는 임의의 적절한 저장소를 고려한다.
특정 실시예로, I/O 인터페이스(608)는 컴퓨터 시스템(600)과 하나 이상의 I/O 장치 사이의 통신을 위한 하나 이상의 인터페이스를 제공하는 하드웨어, 소프트웨어 또는 이들 모두를 포함한다. 적절한 경우, 컴퓨터 시스템(600)은 하나 이상의 이들 I/O 장치를 포함할 수 있다. 하나 이상의 이들 I/O 장치는 사람과 컴퓨터 시스템(600) 사이의 통신을 가능하게 할 수 있다. 예로서 제한 없이, I/O 장치는 키보드, 키패드, 마이크로폰, 모니터, 마우스, 프린터, 스캐너, 스피커, 스틸 카메라(still camera), 스타일러스(stylus), 태블릿, 터치 스크린, 트랙볼(trackball), 비디오 카메라, 다른 적절한 I/O 장치 또는 이들의 2 이상의 조합을 포함할 수 있다. I/O 장치는 하나 이상의 센서를 포함할 수 있다. 본 명세서는 임의의 적절한 I/O 장치 및 이에 대한 적절한 I/O 인터페이스(608)를 고려한다. 적절한 경우, I/O 인터페이스(608)는 프로세서(602)가 하나 이상의 이들 I/O 장치를 구동할 수 있도록 하는 하나 이상의 장치 또는 소프트웨어 드라이버를 포함할 수 있다. 적절한 경우, I/O 인터페이스(608)는 하나 이상의 I/O 인터페이스(608)를 포함할 수 있다. 본 명세서가 특정 I/O 인터페이스를 기술하고 도시하지만, 본 명세서는 임의의 적절한 I/O 인터페이스를 고려한다.
특정 실시예로, 통신 인터페이스(610)는 컴퓨터 시스템(600)과 하나 이상의 다른 컴퓨터 시스템(600)이나 하나 이상의 네트워크 사이의 통신(가령, 예컨대 패킷-기반 통신)을 위한 하나 이상의 인터페이스를 제공하는 하드웨어, 소프트웨어 또는 이들 모두를 포함한다. 예로서 제한 없이, 통신 인터페이스(610)는 이더넷이나 다른 유선-기반 네트워크로 통신하기 위한 네트워크 인터페이스 제어장치(NIC)나 네트워크 어댑터 또는 가령 WI-FI 네트워크와 같이 무선 네트워크로 통신하기 위한 무선 NIC(WNIC)나 무선 어댑터를 포함할 수 있다. 본 명세서는 임의의 적절한 네트워크 및 이에 대한 임의의 적절한 통신 인터페이스(610)를 고려한다. 예로서 제한 없이, 컴퓨터 시스템(600)은 애드 혹 네트워크(ad hoc network), 개인 영역 네트워크(PAN), 근거리 네트워크(LAN), 광역 네트워크(WAN), 대도시 네트워크(MAN), 인터넷의 하나 이상의 부분 또는 2 이상의 이런 네트워크들의 조합으로 통신할 수 있다. 하나 이상의 이런 네트워크의 하나 이상의 부분은 유선 또는 무선일 수 있다. 예로서, 컴퓨터 시스템(600)은 무선 PAN(WPAN)(가령, 예컨대 BLUETOOTH WPAN), WI-FI 네트워크, WI-MAX 네트워크, 셀룰러 전화 네트워크(가령, 예컨대 GSM(Global System for Mobile Communication) 네트워크), 다른 적절한 무선 네트워크 또는 2 이상의 이런 네트워크들의 조합으로 통신할 수 있다. 적절한 경우, 컴퓨터 시스템(600)은 임의의 이들 네트워크에 대한 임의의 적절한 통신 인터페이스(610)를 포함할 수 있다. 적절한 경우, 통신 인터페이스(610)는 하나 이상의 통신 인터페이스(610)를 포함할 수 있다. 본 명세서가 특정 통신 인터페이스를 기술하고 도시하지만, 본 명세서는 임의의 적절한 통신 인터페이스를 고려한다.
특정 실시예로, 버스(612)는 컴퓨터 시스템(600)의 구성요소를 서로 연결하는 하드웨어, 소프트웨어 또는 이들 모두를 포함한다. 예로서 제한 없이, 버스(612)는 AGP(Accelerated Graphics Port)이나 다른 그래픽 버스, EISA(Enhanced Industry Standard Architecture) 버스, FSB(front-side bus), HT(HYPERTRANSPORT) 인터커넥트, ISA(Industry Standard Architecture) 버스, INFINIBAND 인터커넥트, LPC(low-pin-count) 버스, 메모리 버스, MCA(Micro Channel Architecture) 버스, PCI(Peripheral Component Interconnect) 버스, PCIe(PCI-Express) 버스, SATA(serial advanced technology attachment) 버스, VLB(Video Electronics Standard Association local) 버스, 다른 적절한 버스 또는 2 이상의 이런 버스의 조합을 포함할 수 있다. 적절한 경우, 버스(612)는 하나 이상의 버스(612)를 포함할 수 있다. 본 명세서가 특정 버스를 기술하고 도시하지만, 본 명세서는 임의의 적절한 버스나 인터커넥트를 고려한다.
본 명세서에서, 컴퓨터-판독가능한 비-일시적 저장매체 또는 저장매체들은 하나 이상의 반도체 기반 또는 다른 집적회로(ICs)(가령, 예컨대 FPGAs(field-programmable gate arrays) 또는 ASICs(application-specific ICs)), 하드 디스크 드라이브(HDDs), 하이브리드 하드 디스크(HHDs), 광학 디스크, 광학 디스크 드라이브(ODDs), 자기-광학 디스크, 자기-광학 드라이브, 플로피 디스크, 플로피 디스크 드라이브(FDDs), 자기 테이프, 고체-상태 드라이브(SSDs), RAM-드라이브, SECURE DIGITAL 카드나 드라이브, 임의의 다른 적절한 컴퓨터-판독가능한 비-일시적 저장매체 또는, 적절한 경우, 2 이상의 이들의 임의의 적절한 조합을 포함할 수 있다. 적절한 경우, 컴퓨터-판독가능한 비-일시적 저장매체는 휘발성, 비휘발성 또는 휘발성과 비휘발성의 조합일 수 있다.
본 명세서에서, "또는"은 명시적으로 다르게 지시하거나 문맥상 달리 지시되지 않는 한, 포괄적인 것이며 배타적인 것이 아니다. 따라서, 본 명세서에서 "A 또는 B"는 명시적으로 다르게 지시하거나 문맥상 달리 지시되지 않는 한, "A, B 또는 둘 모두"를 의미한다. 게다가, "및"은 명시적으로 다르게 지시하거나 문맥상 달리 지시되지 않는 한, 공동 및 별개 모두이다. 따라서, 본 명세서에서 "A 및 B"는 명시적으로 다르게 지시하거나 문맥상 달리 지시되지 않는 한, "A 및 B가 공동이든 별개이든 상관없이 모두"를 의미한다.
본 명세서의 범위는 당업자가 이해할 수 있는 본 명세서에 기술되거나 도시된 예시적인 실시예들에 대한 모든 변화, 치환, 변형, 대체 및 변경을 포함한다. 본 명세서의 범위는 본 명세서에 기술되거나 도시된 예시적인 실시예들로 국한되지 않는다. 게다가, 본 명세서는 특정 컴포넌트, 구성요소, 기능, 동작 또는 단계를 포함하는 것으로 본 명세서의 각각의 실시예들을 기술하고 도시하지만, 임의의 이런 실시예들은 당업자가 이해할 수 있는 본 명세서에 어디든 기술되거나 도시되는 임의의 컴포넌트, 구성요소, 기능, 동작 또는 단계의 임의의 조합이나 치환을 포함할 수 있다. 게다가, 첨부된 청구범위에서 특정 기능을 수행하도록 설계되거나, 배치되거나, 할 수 있거나, 구성되거나, 할 수 있게 하거나, 동작할 수 있거나, 동작하는 장치나 시스템 또는 장치나 시스템의 구성요소에 대한 언급은 장치, 시스템 또는 구성요소가 그렇게 설계되거나, 배치되거나, 할 수 있거나, 구성되거나, 가능하거나, 동작할 수 있거나 동작하는 한, 장치, 시스템, 구성요소, 그 또는 그러한 특정 기능이 활성화되었는지, 턴온 되었는지, 잠금 해제되었는지 여부를 포함한다.

Claims (20)

  1. 복수의 노드 및 노드를 연결하는 복수의 에지를 포함하는 소셜 그래프에 접근하는 단계;
    비구조화된 텍스트 질의를 제1 사용자로부터 수신하는 단계;
    하나 이상의 에지 또는 하나 이상의 제2 노드를 식별하는 단계;
    하나 이상의 질의 토큰을 각각 포함하는 복수의 문법을 포함하는 컨텍스트-무관 문법 모델(context-free grammar model)에 접근하는 단계;
    하나 이상의 문법을 식별하는 단계;
    각각의 식별된 문법에 대한 제1 점수를 결정하는 단계; 및
    문법-임계 점수보다 더 큰 제1 점수를 가지는 식별된 문법에 각각 해당하는 하나 이상의 구조화된 질의를 생성하는 단계를 포함하며,
    2개의 노드 사이의 각각의 에지는 노드들 사이의 이격도 1도를 나타내고,
    노드는 온라인 소셜 네트워크와 관련된 제1 사용자에 해당하는 제1 사용자 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 해당하는 복수의 제2 노드를 포함하며,
    각각의 식별된 에지 또는 식별된 노드는 비구조화된 텍스트 질의의 적어도 일부에 해당하고,
    각각의 식별된 문법은 식별된 제2 노드 또는 식별된 에지 중 적어도 하나에 해당하는 하나 이상의 질의 토큰을 가지며,
    구조화된 질의는 식별된 문법에 의해 생성된 문자열을 기초로 하고,
    각각의 구조화된 질의는 해당하는 식별된 문법의 질의 토큰을 포함하며,
    구조화된 질의의 하나 이상의 질의 토큰은 식별된 제2 노드 또는 식별된 에지 중 적어도 하나에 해당하는 방법.
  2. 제 1 항에 있어서,
    비구조화된 텍스트 질의는 하나 이상의 n-그램을 포함하며, 각각의 식별된 에지 또는 식별된 노드는 적어도 하나의 n-그램에 해당하는 방법.
  3. 제 2 항에 있어서,
    각각의 n-그램은 제1 사용자가 입력한 텍스트의 하나 이상의 문자를 포함하는 방법.
  4. 제 2 항에 있어서,
    각각의 n-그램은 텍스트 질의로부터의 n개 아이템의 인접 시퀀스(contiguous sequence)를 포함하는 방법.
  5. 제 2 항에 있어서,
    하나 이상의 에지 또는 제2 노드를 식별하는 단계는:
    n-그램이 에지 또는 제2 노드에 해당하는 각각의 n-그램에 대한 제2 점수를 결정하는 단계;
    에지-임계 점수보다 더 큰 제2 점수를 가지는 하나 이상의 에지를 선택하는 단계; 및
    노드-임계 점수보다 더 큰 제2 점수를 가지는 하나 이상의 제2 노드를 선택하는 단계를 포함하며,
    각각의 식별된 에지는 적어도 하나의 n-그램에 해당하고,
    각각의 식별된 제2 노드는 적어도 하나의 식별된 에지와 연결되며,
    각각의 식별된 제2 노드는 적어도 하나의 n-그램에 해당하는 방법.
  6. 제 5 항에 있어서,
    각각의 n-그램에 대한 제2 점수는 n-그램이 에지 또는 제2 노드에 해당하는 확률인 방법.
  7. 제 1 항에 있어서,
    각각의 문법에 대한 제1 점수를 결정하는 단계는 문법의 질의 토큰에 해당하는 식별된 제2 노드와 제1 사용자 노드 사이의 이격도를 기초로 하는 방법.
  8. 제 1 항에 있어서,
    각각의 문법에 대한 제1 점수를 결정하는 단계는 문법의 질의 토큰에 해당하는 식별된 에지를 기초로 하는 방법.
  9. 제 1 항에 있어서,
    각각의 문법에 대한 제1 점수를 결정하는 단계는 문법의 질의 토큰에 해당하는 식별된 제2 노드와 연결되는 식별된 에지의 수를 기초로 하는 방법.
  10. 제 1 항에 있어서,
    각각의 문법에 대한 제1 점수를 결정하는 단계는 제1 사용자와 관련된 검색 이력을 기초로 하는 방법.
  11. 복수의 노드 및 노드를 연결하는 복수의 에지를 포함하는 소셜 그래프에 접근하고;
    비구조화된 텍스트 질의를 제1 사용자로부터 수신하며;
    하나 이상의 에지 또는 하나 이상의 제2 노드를 식별하고;
    하나 이상의 질의 토큰을 각각 포함하는 복수의 문법을 포함하는 컨텍스트-무관 문법 모델에 접근하며;
    하나 이상의 문법을 식별하고;
    각각의 식별된 문법에 대한 제1 점수를 결정하며;
    문법-임계 점수보다 더 큰 제1 점수를 가지는 식별된 문법에 각각 해당하는 하나 이상의 구조화된 질의를 생성하도록 실행될 때 동작하는 소프트웨어를 포함하며,
    2개의 노드 사이의 각각의 에지는 노드들 사이의 이격도 1도를 나타내고,
    노드는 온라인 소셜 네트워크와 관련된 제1 사용자에 해당하는 제1 사용자 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 해당하는 복수의 제2 노드를 포함하며,
    각각의 식별된 에지 또는 식별된 노드는 비구조화된 텍스트 질의의 적어도 일부에 해당하고,
    각각의 식별된 문법은 식별된 제2 노드 또는 식별된 에지 중 적어도 하나에 해당하는 하나 이상의 질의 토큰을 가지며,
    구조화된 질의는 식별된 문법에 의해 생성된 문자열을 기초로 하고,
    각각의 구조화된 질의는 해당하는 식별된 문법의 질의 토큰을 포함하며,
    구조화된 질의의 하나 이상의 질의 토큰은 식별된 제2 노드 또는 식별된 에지 중 적어도 하나에 해당하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  12. 제 11 항에 있어서,
    비구조화된 텍스트 질의는 하나 이상의 n-그램을 포함하며, 각각의 식별된 에지 또는 식별된 노드는 적어도 하나의 n-그램에 해당하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  13. 제 12 항에 있어서,
    각각의 n-그램은 제1 사용자가 입력한 텍스트의 하나 이상의 문자를 포함하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  14. 제 12 항에 있어서,
    각각의 n-그램은 텍스트 질의로부터의 n개 아이템의 인접 시퀀스를 포함하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  15. 제 12 항에 있어서,
    하나 이상의 에지 또는 제2 노드를 식별하는 것은:
    n-그램이 에지 또는 제2 노드에 해당하는 각각의 n-그램에 대한 제2 점수를 결정하고;
    에지-임계 점수보다 더 큰 제2 점수를 가지는 하나 이상의 에지를 선택하며;
    노드-임계 점수보다 더 큰 제2 점수를 가지는 하나 이상의 제2 노드를 선택하는 것을 포함하며,
    각각의 식별된 에지는 적어도 하나의 n-그램에 해당하고,
    각각의 식별된 제2 노드는 적어도 하나의 식별된 에지와 연결되며,
    각각의 식별된 제2 노드는 적어도 하나의 n-그램에 해당하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  16. 제 15 항에 있어서,
    각각의 n-그램에 대한 제2 점수는 n-그램이 에지 또는 제2 노드에 해당하는 확률인 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  17. 제 11 항에 있어서,
    각각의 문법에 대한 제1 점수를 결정하는 것은 문법의 질의 토큰에 해당하는 식별된 제2 노드와 제1 사용자 노드 사이의 이격도를 기초로 하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  18. 제 11 항에 있어서,
    각각의 문법에 대한 제1 점수를 결정하는 것은 문법의 질의 토큰에 해당하는 식별된 에지를 기초로 하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  19. 제 11 항에 있어서,
    각각의 문법에 대한 제1 점수를 결정하는 것은 문법의 질의 토큰에 해당하는 식별된 제2 노드와 연결되는 식별된 에지의 수를 기초로 하는 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체.
  20. 하나 이상의 프로세서; 및
    프로세서와 연결되고 프로세서에 의해 실행가능한 명령어를 포함하는 메모리를 포함하는 시스템으로서,
    상기 프로세서는:
    복수의 노드 및 노드를 연결하는 복수의 에지를 포함하는 소셜 그래프에 접근하고;
    비구조화된 텍스트 질의를 제1 사용자로부터 수신하며;
    하나 이상의 에지 또는 하나 이상의 제2 노드를 식별하고;
    하나 이상의 질의 토큰을 각각 포함하는 복수의 문법을 포함하는 컨텍스트-무관 문법 모델에 접근하며;
    하나 이상의 문법을 식별하고;
    각각의 식별된 문법에 대한 제1 점수를 결정하며;
    문법-임계 점수보다 더 큰 제1 점수를 가지는 식별된 문법에 각각 해당하는 하나 이상의 구조화된 질의를 생성하는 명령어를 실행할 때 동작하며,
    2개의 노드 사이의 각각의 에지는 노드들 사이의 이격도 1도를 나타내고,
    노드는 온라인 소셜 네트워크와 관련된 제1 사용자에 해당하는 제1 사용자 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 해당하는 복수의 제2 노드를 포함하며,
    각각의 식별된 에지 또는 식별된 노드는 비구조화된 텍스트 질의의 적어도 일부에 해당하고,
    각각의 식별된 문법은 식별된 제2 노드 또는 식별된 에지 중 적어도 하나에 해당하는 하나 이상의 질의 토큰을 가지며,
    구조화된 질의는 식별된 문법에 의해 생성된 문자열을 기초로 하고,
    각각의 구조화된 질의는 해당하는 식별된 문법의 질의 토큰을 포함하며,
    구조화된 질의의 하나 이상의 질의 토큰은 식별된 제2 노드 또는 식별된 에지 중 적어도 하나에 해당하는 시스템.
KR1020157015419A 2012-11-12 2013-10-29 구조화된 검색 질의용 문법 모델 KR101582929B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/674,695 2012-11-12
US13/674,695 US9105068B2 (en) 2012-11-12 2012-11-12 Grammar model for structured search queries
PCT/US2013/067214 WO2014074346A1 (en) 2012-11-12 2013-10-29 Grammar model for structured search queries

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020157035809A Division KR101858157B1 (ko) 2012-11-12 2013-10-29 구조화된 검색 질의용 문법 모델

Publications (2)

Publication Number Publication Date
KR20150079983A true KR20150079983A (ko) 2015-07-08
KR101582929B1 KR101582929B1 (ko) 2016-01-07

Family

ID=49552279

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020157035809A KR101858157B1 (ko) 2012-11-12 2013-10-29 구조화된 검색 질의용 문법 모델
KR1020157015419A KR101582929B1 (ko) 2012-11-12 2013-10-29 구조화된 검색 질의용 문법 모델

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020157035809A KR101858157B1 (ko) 2012-11-12 2013-10-29 구조화된 검색 질의용 문법 모델

Country Status (11)

Country Link
US (3) US9105068B2 (ko)
EP (1) EP2731069A1 (ko)
JP (3) JP5902871B2 (ko)
KR (2) KR101858157B1 (ko)
CN (2) CN104781813B (ko)
AU (3) AU2013341565B2 (ko)
BR (1) BR112015010802A2 (ko)
CA (2) CA2890248C (ko)
IL (3) IL238467A (ko)
MX (2) MX342073B (ko)
WO (1) WO2014074346A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190086395A (ko) * 2018-01-12 2019-07-22 (주)호모미미쿠스 도식화된 질의 구성 방식을 이용한 전문가시스템에서의 다차원 지식 검색 방법 및 시스템

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9367607B2 (en) 2012-12-31 2016-06-14 Facebook, Inc. Natural-language rendering of structured search queries
US9703844B2 (en) 2012-12-31 2017-07-11 Facebook, Inc. Search result snippets for structured search queries
US9361363B2 (en) 2012-12-31 2016-06-07 Facebook, Inc. Modifying structured search queries on online social networks
US8935272B2 (en) 2013-03-17 2015-01-13 Alation, Inc. Curated answers community automatically populated through user query monitoring
US9805099B2 (en) 2014-10-30 2017-10-31 The Johns Hopkins University Apparatus and method for efficient identification of code similarity
US10412160B2 (en) * 2015-08-05 2019-09-10 Facebook, Inc. Controlling a device cloud
DE102016010909A1 (de) * 2015-11-11 2017-05-11 Adobe Systems Incorporated Strukturiertes Modellieren, Extrahieren und Lokalisieren von Wissen aus Bildern
CN107015979B (zh) * 2016-01-27 2021-04-06 斑马智行网络(香港)有限公司 一种数据处理方法、装置和智能终端
US10162886B2 (en) * 2016-11-30 2018-12-25 Facebook, Inc. Embedding-based parsing of search queries on online social networks
US10185763B2 (en) * 2016-11-30 2019-01-22 Facebook, Inc. Syntactic models for parsing search queries on online social networks
US10558817B2 (en) * 2017-01-30 2020-02-11 Foley & Lardner LLP Establishing a link between identifiers without disclosing specific identifying information
US10614141B2 (en) 2017-03-15 2020-04-07 Facebook, Inc. Vital author snippets on online social networks
US10445319B2 (en) * 2017-05-10 2019-10-15 Oracle International Corporation Defining subgraphs declaratively with vertex and edge filters
US10678786B2 (en) 2017-10-09 2020-06-09 Facebook, Inc. Translating search queries on online social networks
CN107704450B (zh) * 2017-10-13 2020-12-04 威盛电子股份有限公司 自然语言识别设备以及自然语言识别方法
CN110209885B (zh) * 2018-04-26 2023-05-12 腾讯科技（深圳）有限公司 一种图查询方法及系统
US10664472B2 (en) * 2018-06-27 2020-05-26 Bitdefender IPR Management Ltd. Systems and methods for translating natural language sentences into database queries
CN110889000B (zh) * 2018-09-10 2022-08-16 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
KR102149701B1 (ko) * 2018-12-27 2020-08-31 포항공과대학교 산학협력단 텍스트 데이터에서 의미상 대응하는 자연어-sql의 매핑 방법
US11966389B2 (en) * 2019-02-13 2024-04-23 International Business Machines Corporation Natural language to structured query generation via paraphrasing
US11275906B2 (en) 2019-07-17 2022-03-15 Avigilon Corporation Natural language text conversion and method therefor
KR102345568B1 (ko) * 2019-12-26 2021-12-31 포항공과대학교 산학협력단 자연어 단어를 데이터베이스의 컬럼 및 테이블과 연결하는 방법
CN111787351B (zh) * 2020-07-01 2022-09-06 百度在线网络技术（北京）有限公司 信息查询方法、装置、设备和计算机存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110087968A1 (en) * 2009-10-09 2011-04-14 International Business Machines Corporation Managing connections between real world and virtual world communities
US7933843B1 (en) * 2006-08-26 2011-04-26 CommEq Ltd. Media-based computational influencer network analysis
US8185558B1 (en) * 2010-04-19 2012-05-22 Facebook, Inc. Automatically generating nodes and edges in an integrated social graph

Family Cites Families (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6957184B2 (en) 2000-07-20 2005-10-18 Microsoft Corporation Context free grammar engine for speech recognition system
US6714939B2 (en) 2001-01-08 2004-03-30 Softface, Inc. Creation of structured data from plain text
US20090006543A1 (en) 2001-08-20 2009-01-01 Masterobjects System and method for asynchronous retrieval of information based on incremental user input
US7752326B2 (en) 2001-08-20 2010-07-06 Masterobjects, Inc. System and method for utilizing asynchronous client server communication objects
US8112529B2 (en) 2001-08-20 2012-02-07 Masterobjects, Inc. System and method for asynchronous client server session communication
US7539697B1 (en) 2002-08-08 2009-05-26 Spoke Software Creation and maintenance of social relationship network graphs
US20050131872A1 (en) 2003-12-16 2005-06-16 Microsoft Corporation Query recognizer
US7836044B2 (en) 2004-06-22 2010-11-16 Google Inc. Anticipated query generation and processing in a search engine
US7487145B1 (en) * 2004-06-22 2009-02-03 Google Inc. Method and system for autocompletion using ranked results
US7499940B1 (en) 2004-11-11 2009-03-03 Google Inc. Method and system for URL autocompletion using ranked results
EP1958338A4 (en) 2005-12-07 2011-01-05 METHOD AND SYSTEM FOR USER INPUT SOLUTION FOR A LIMITED TELECOMMUNICATION DEVICE
JP2008027290A (ja) * 2006-07-24 2008-02-07 Nippon Telegr & Teleph Corp <Ntt> 日本語文作成支援方法及びその装置
WO2008082441A1 (en) 2006-12-29 2008-07-10 Prodea Systems, Inc. Display inserts, overlays, and graphical user interfaces for multimedia systems
US8713143B2 (en) 2007-04-27 2014-04-29 President And Fellows Of Harvard College Establishing a social network
US8280886B2 (en) * 2008-02-13 2012-10-02 Fujitsu Limited Determining candidate terms related to terms of a query
US20090228296A1 (en) 2008-03-04 2009-09-10 Collarity, Inc. Optimization of social distribution networks
US8417698B2 (en) 2008-05-06 2013-04-09 Yellowpages.Com Llc Systems and methods to provide search based on social graphs and affinity groups
US8027990B1 (en) 2008-07-09 2011-09-27 Google Inc. Dynamic query suggestion
US8032508B2 (en) 2008-11-18 2011-10-04 Yahoo! Inc. System and method for URL based query for retrieving data related to a context
US8412749B2 (en) 2009-01-16 2013-04-02 Google Inc. Populating a structured presentation with new values
US20100235354A1 (en) 2009-03-12 2010-09-16 International Business Machines Corporation Collaborative search engine system
US20100281044A1 (en) 2009-04-29 2010-11-04 Ajay Gupta Method and system for creating a profiled social network
US8782069B2 (en) 2009-06-11 2014-07-15 Chacha Search, Inc Method and system of providing a search tool
CN102012900B (zh) * 2009-09-04 2013-01-30 阿里巴巴集团控股有限公司 信息检索方法和系统
US20110078166A1 (en) 2009-09-29 2011-03-31 Nokia Corporation Method and apparatus for creating and utilizing information representation of queries
US20110087534A1 (en) 2009-10-14 2011-04-14 Wantsa Media (Canada), Inc. Search queries and advertising platforms utilizing at least one social graph
US8239364B2 (en) 2009-12-08 2012-08-07 Facebook, Inc. Search and retrieval of objects in a social networking system
US9129012B2 (en) * 2010-02-03 2015-09-08 Google Inc. Information search system with real-time feedback
US8595297B2 (en) 2010-02-08 2013-11-26 At&T Intellectual Property I, L.P. Searching data in a social network to provide an answer to an information request
US8527496B2 (en) 2010-02-11 2013-09-03 Facebook, Inc. Real time content searching in social network
US8180804B1 (en) * 2010-04-19 2012-05-15 Facebook, Inc. Dynamically generating recommendations based on social graph information
JP5296014B2 (ja) * 2010-06-22 2013-09-25 ヤフー株式会社 検索装置、方法及びプログラム
US8719246B2 (en) * 2010-06-28 2014-05-06 Microsoft Corporation Generating and presenting a suggested search query
US8364709B1 (en) 2010-11-22 2013-01-29 Google Inc. Determining word boundary likelihoods in potentially incomplete text
US9870424B2 (en) * 2011-02-10 2018-01-16 Microsoft Technology Licensing, Llc Social network based contextual ranking
US9495461B2 (en) * 2011-03-22 2016-11-15 Excalibur Ip, Llc Search assistant system and method
US20120278127A1 (en) 2011-04-28 2012-11-01 Rawllin International Inc. Generating product recommendations based on dynamic product context data and/or social activity data related to a product
US20120311034A1 (en) 2011-06-03 2012-12-06 Cbs Interactive Inc. System and methods for filtering based on social media
US20160026727A1 (en) * 2011-06-03 2016-01-28 Google Inc. Generating additional content
US8601027B2 (en) 2011-06-20 2013-12-03 Google Inc. Query-based user groups in social networks
US20130031106A1 (en) 2011-07-29 2013-01-31 Microsoft Corporation Social network powered query suggestions
US8538960B2 (en) 2011-08-05 2013-09-17 Microsoft Corporation Providing objective and people results for search
US20130041876A1 (en) 2011-08-08 2013-02-14 Paul Alexander Dow Link recommendation and densification
US11620719B2 (en) 2011-09-12 2023-04-04 Microsoft Technology Licensing, Llc Identifying unseen content of interest
US8949232B2 (en) 2011-10-04 2015-02-03 Microsoft Corporation Social network recommended content and recommending members for personalized search results
US8949264B2 (en) * 2012-01-30 2015-02-03 Hewlett-Packard Development Company, L.P. Disambiguating associations
US8321364B1 (en) 2012-02-08 2012-11-27 Google Inc. Method and system for including robots into social networks

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7933843B1 (en) * 2006-08-26 2011-04-26 CommEq Ltd. Media-based computational influencer network analysis
US20110087968A1 (en) * 2009-10-09 2011-04-14 International Business Machines Corporation Managing connections between real world and virtual world communities
US8185558B1 (en) * 2010-04-19 2012-05-22 Facebook, Inc. Automatically generating nodes and edges in an integrated social graph

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190086395A (ko) * 2018-01-12 2019-07-22 (주)호모미미쿠스 도식화된 질의 구성 방식을 이용한 전문가시스템에서의 다차원 지식 검색 방법 및 시스템

Also Published As

Publication number Publication date
US9105068B2 (en) 2015-08-11
CA2890248A1 (en) 2014-05-15
BR112015010802A2 (pt) 2017-07-11
CA2890248C (en) 2016-02-02
JP6290952B2 (ja) 2018-03-07
CN107403388B (zh) 2019-03-19
IL248387A (en) 2017-06-29
KR20160003882A (ko) 2016-01-11
US20140136564A1 (en) 2014-05-15
US20150293931A1 (en) 2015-10-15
US9679080B2 (en) 2017-06-13
CA2897123C (en) 2018-10-16
KR101582929B1 (ko) 2016-01-07
CN104781813B (zh) 2017-03-22
WO2014074346A1 (en) 2014-05-15
CN104781813A (zh) 2015-07-15
AU2015221436A1 (en) 2015-09-17
CN107403388A (zh) 2017-11-28
US20170220590A1 (en) 2017-08-03
JP2016149140A (ja) 2016-08-18
JP5902871B2 (ja) 2016-04-13
MX350680B (es) 2017-09-13
KR101858157B1 (ko) 2018-05-15
AU2017203200B2 (en) 2018-11-08
CA2897123A1 (en) 2014-05-15
EP2731069A1 (en) 2014-05-14
AU2013341565A1 (en) 2015-06-18
MX2015006040A (es) 2015-08-07
IL252697A0 (en) 2017-08-31
AU2013341565B2 (en) 2015-07-30
JP6568609B2 (ja) 2019-08-28
AU2017203200A1 (en) 2017-06-01
IL238467A (en) 2016-11-30
JP2018110007A (ja) 2018-07-12
JP2016501395A (ja) 2016-01-18
AU2015221436B2 (en) 2017-04-06
IL238467A0 (en) 2015-06-30
MX342073B (es) 2016-09-13

Similar Documents

Publication Publication Date Title
KR101858157B1 (ko) 구조화된 검색 질의용 문법 모델
KR101948093B1 (ko) 온라인 소셜 네트워크에서 제안된 구조화된 질의 필터링
KR101640186B1 (ko) 온라인 소셜 네트워크에서 검색 질의에 대한 정적 순위
KR101672863B1 (ko) 온라인 소셜 네트워크에서 구조화된 검색 질의의 변경
KR101715869B1 (ko) 구조화된 검색 질의의 자연어 렌더링
KR101671878B1 (ko) 온라인 소셜 네트워크에서 질의를 위한 인버스 연산자의 사용
KR101845434B1 (ko) 온라인 소셜 네트워크에서 질의를 위한 검색 의도
KR101733135B1 (ko) 온라인 소셜 네트워크에서의 검색 질의 상호작용
KR101761230B1 (ko) 온라인 소셜 네트워크에서 검색 질의의 재기록
KR101918659B1 (ko) 가변하는 검색 질의 버티컬 액세스
KR101780310B1 (ko) 온라인 소셜 네트워크에서 불명확한 구조화된 검색 질의

Legal Events

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

Payment date: 20181226

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20191202

Year of fee payment: 5