KR20160102321A - 온라인 소셜 네트워크용 클라이언트-측 검색 템플릿 - Google Patents
온라인 소셜 네트워크용 클라이언트-측 검색 템플릿 Download PDFInfo
- Publication number
- KR20160102321A KR20160102321A KR1020167022463A KR20167022463A KR20160102321A KR 20160102321 A KR20160102321 A KR 20160102321A KR 1020167022463 A KR1020167022463 A KR 1020167022463A KR 20167022463 A KR20167022463 A KR 20167022463A KR 20160102321 A KR20160102321 A KR 20160102321A
- Authority
- KR
- South Korea
- Prior art keywords
- user
- query
- nodes
- client system
- mobile client
- Prior art date
Links
Images
Classifications
-
- G06F17/30401—
-
- 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
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3344—Query execution using natural language analysis
-
- 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
- G06F16/242—Query formulation
- G06F16/243—Natural language query formulation
-
- 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
-
- G06F17/2705—
-
- G06F17/30684—
-
- G06F17/30867—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
- H04L65/403—Arrangements for multi-party communication, e.g. for conferences
Abstract
일실시예로, 본 방법은 온라인 소셜 네트워크의 제1 사용자로부터 비구조화된 텍스트 질의를 수신하는 단계; 모바일 클라이언트 시스템의 데이터 스토어로부터 온라인 소셜 네트워크의 소셜 그래프의 노드들의 세트에 액세스하는 단계를 포함한다. 소셜 그래프는 다수의 노드 및 노드를 연결하는 에지를 포함한다. 노드는 제1 사용자에 대응하는 제1 노드 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 대응하는 다수의 제2 노드를 포함한다. 또한, 본 방법은 모바일 클라이언트 시스템의 데이터 스토어로부터 문법 템플릿들의 세트에 액세스하는 단계를 포함한다. 각각의 문법 템플릿은 하나 이상의 비-종단 토큰 및 하나 이상의 질의 토큰을 포함한다. 질의 토큰은 0 이상의 제2 노드 및 하나 이상의 에지에 대한 참조를 포함하며, 각각의 문법 템플릿은 자연어 문자열에 기반한다.
Description
본 명세서는 일반적으로 소셜 그래프 및 소셜 네트워킹 환경 내 객체에 대한 검색을 수행하는 것에 관한 것이다.
소셜 네트워킹 웹사이트를 포함할 수 있는 소셜 네트워킹 시스템은 그 사용자들(가령, 사람들 또는 단체들)이 소셜 네트워킹 시스템과 상호작용하고 소셜 네트워킹 시스템을 통해 서로 상호작용할 수 있게 해줄 수 있다. 소셜 네트워킹 시스템은 사용자로부터의 입력으로 사용자와 관련된 사용자 프로필을 생성하고 소셜 네트워킹 시스템에 저장할 수 있다. 사용자 프로필은 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 송신할 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, 본 방법은 문법 템플릿 및 클라이언트-측 저장된 엔티티를 사용하여 비구조화된 텍스트 질의를 파싱할 수 있다. 완전 문법 모델(full grammar model)을 사용하여 클라이언트-측 제안된 질의를 생성하는 대신에, 제안된 질의는 클라이언트에 저장된 소셜-그래프 엔티티 및 기정의된 템플릿의 세트를 사용하여 생성될 수 있다. 기결정된 수의 문법 템플릿 및 고-계수 엔티티(high-coefficient entities)는 제안된 질의가 사용자로부터의 텍스트 입력에 응답하여 클라이언트-측에서 신속히 생성될 수 있도록 클라이언트-측에 저장될 수 있다. 이런 저장된 템플릿 및 엔티티는 사용자가 실행한 90% 이상의 질의를 커버할 수 있다. 저장된 문법 템플릿은 전반적으로 일반적인 질의에 기반하여 결정될 수 있고/있거나 사용자에 일반적인 질의에 기반하여 템플릿을 개인화하며, 이후 템플릿으로 변환될 수 있다. 일반적인 질의/템플릿은 예컨대 "Friends of [user]", "Photos of [user]" 또는 "Friends who live near [location]"를 포함할 수 있다. 저장된 엔티티는 특정한 엔티티-타입(예컨대, 모든 사용자의 친구, 사용자가 관리하는 페이지, 사용자가 속한 그룹, 사용자가 가입한 이벤트 및 사용자가 로딩한 앱)을 사전-선택하고/하거나 가장 높은 친밀성을 가진 임계 수의 엔티티를 선택함으로써 결정될 수 있다.
특정 실시예로, 사용자가 텍스트 열을 질의 필드에 입력할 때, 클라이언트-측 앱은 그 텍스트 열을 저장된 템플릿에 대해 정렬하고 각 템플릿에 대한 비용을 계산할 것이다. 본래, 비용은 템플릿에 생긴 텍스트 열의 각각의 편차(단어 누락, 단어 변형 등)에 대해 각 템플릿에 감점을 부과함으로써 결정된다. 이후, 최소 비용 템플릿이 최선의 매칭인 것으로 결정된다. 이후, 최고 순위의 템플릿이 제안된 질의로 사용자에게 디스플레이된다. 마찬가지로, 텍스트 열은 텍스트 열의 일부에 매칭되는 엔티티를 식별하도록 파싱될 수 있다. 예컨대, 사용자가 텍스트 질의에 "friends of f"를 타이핑하면, 클라이언트-측 앱은 "friends of [user]"에 대한 저장된 문법 템플릿에 액세스하고 사용자 "Fred"에 대한 저장된 엔티티와 매칭할 수 있고, 따라서 구조화된 질의 "friends of Fred"를 제안할 수 있다. 대안으로, 클라이언트-측 앱은 텍스트 질의를 문법 템플릿 "friends of friends of [user]"와 매칭할 수 있고, 사용자가 선택한 후 텍스트를 계속 입력할 수 있는 부분 구조화된 질의 "friends of friends of ..."를 제안할 수 있다.
특히, 본 발명에 따른 실시예들은 방법, 저장매체 및 시스템에 관한 첨부된 청구항들에 개시되며, 예컨대 방법과 같은 하나의 청구항 카테고리에 언급된 임의의 특징은 예컨대 시스템과 같은 다른 청구항 카테고리로도 또한 청구될 수 있다.
본 발명에 따른 한 실시예로, 본 방법은 모바일 클라이언트 시스템과 관련된 하나 이상의 프로세서에 의해: 모바일 클라이언트 시스템에서, 온라인 소셜 네트워크의 제1 사용자로부터 비구조화된 텍스트 질의를 수신하는 단계; 모바일 클라이언트 시스템의 데이터 스토어로부터, 온라인 소셜 네트워크의 소셜 그래프의 노드들의 세트에 액세스하는 단계; 모바일 클라이언트 시스템의 데이터 스토어로부터, 하나 이상의 비-종단 토큰 및 하나 이상의 질의 토큰을 각각 포함하는 문법 템플릿들의 세트에 액세스하는 단계; 모바일 클라이언트 시스템에 의해, 매칭된 노드에 대응하는 비-종단 토큰을 가지는 하나 이상의 문법 템플릿 및 하나 이상의 액세스된 노드와 비구조화된 텍스트 질의를 매칭함으로써 하나 이상의 구조화된 질의를 생성하는 단계; 및 모바일 클라이언트 시스템에서, 제1 사용자에게 하나 이상의 구조화된 질의를 디스플레이하는 단계를 포함하며, 상기 소셜 그래프는 복수의 노드 및 노드들을 연결하는 복수의 에지를 포함하고, 상기 노드는: 제1 사용자에 대응하는 제1 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 대응하는 복수의 제2 노드를 포함하며, 상기 질의 토큰은 0 이상의 제2 노드 및 하나 이상의 에지에 대한 참조를 포함하고, 각각의 문법 템플릿은 자연어 문자열에 기반하며, 각각의 구조화된 질의는 대응하는 문법 템플릿에서 참조되는 0 이상의 제2 노드와 하나 이상의 에지 및 하나 이상의 비-종단 토큰에 매칭되는 하나 이상의 액세스된 노드에 대한 참조를 포함한다.
한 실시예로, 본 방법은 모바일 클라이언트 시스템에 의해, 비구조화된 텍스트 질의를 하나 이상의 n-그램으로 파싱하는 단계; 및 모바일 클라이언트 시스템에 의해, 비-종단 또는 질의 토큰 중 하나에 대응하지 않는 하나 이상의 n-그램에 적어도 부분적으로 기반하여 각각의 문법 템플릿에 대한 비용을 계산하는 단계를 더 포함할 수 있다.
각각의 비-종단 및 질의 토큰은 관련 삽입 비용을 가지며, 비용을 계산하는 단계는 하나 이상의 n-그램에 대응하지 않는 각각의 비-종단 또는 질의 토큰에 대한 삽입 비용을 발생시키는 단계를 포함할 수 있다.
비용을 계산하는 단계는 모바일 클라이언트 시스템에 의해 각각의 비-종단 토큰의 삽입 비용에 적어도 부분적으로 기반하여 특정 n-그램에 대응하는 하나 이상의 비-종단 토큰 중 특정 비-종단 토큰을 식별하는 단계를 포함할 수 있다.
비용을 계산하는 단계는: 모바일 클라이언트 시스템에 의해, 액세스된 노드 중 하나를 비-종단 토큰 중 하나와 연관시키는 단계; 및 n-그램 중 하나에 대응하지 않는 연관되는 액세스된 노드에 기반하여 비-종단 토큰 및 연관되는 액세스된 노드에 대한 삽입 비용을 발생시키는 단계를 포함할 수 있다.
한 실시예로, 본 방법은 모바일 클라이언트 시스템에 의해, 관련 문법 템플릿의 계산된 비용에 적어도 부분적으로 기반하여 하나 이상의 구조화된 질의를 순위화하는 단계를 더 포함할 수 있다.
비용을 계산하는 단계는 각각의 문법 템플릿과 관련된 기본 비용을 발생시키는 단계를 포함할 수 있으며, 기본 비용은 각각의 문법 템플릿에 기반한 하나 이상의 검색 질의와 관련된 인기도와 반비례한다.
인기도는 제1 사용자의 검색-질의 이력에 적어도 부분적으로 기반할 수 있다.
인기도는 온라인 소셜 네트워크의 사용자들의 검색-질의 이력에 적어도 부분적으로 기반할 수 있다.
디스플레이되는 각각의 구조화된 질의는 임계 비용 값 미만의 계산된 비용을 가질 수 있다.
모바일 클라이언트 시스템에 의해, 제1 사용자로부터 입력을 수신하는 단계는 사용자가 문자열을 그래픽 사용자 인터페이스로 입력할 때 문자열의 하나 이상의 문자를 수신하는 단계를 포함할 수 있다.
한 실시예로, 본 방법은 모바일 클라이언트 시스템에 의해 사용자가 하나 이상의 후속 문자를 그래픽 사용자 인터페이스에 입력할 때 변경되는 비구조화된 텍스트 질의에 매칭시켜 하나 이상의 구조화된 질의를 업데이트하는 단계를 더 포함할 수 있다.
노드들의 세트 중 각 노드는 임계값을 초과하는 계수를 가질 수 있다.
한 실시예로, 본 방법은 모바일 컴퓨팅 장치에 의해 기결정된 간격으로 온라인 소셜 네트워크로부터 문법 템플릿들의 업데이트된 세트 또는 노드들의 업데이트된 세트를 수신하는 단계를 더 포함할 수 있다.
한 실시예로, 본 방법은 제1 사용자가 디스플레이되는 구조화된 질의 중 하나를 선택함에 응답하여, 모바일 클라이언트 시스템에 의해, 선택되는 구조화된 질의를 온라인 소셜 네트워크로 송신하는 단계를 더 포함할 수 있다.
한 실시예로, 본 방법은 선택되는 구조화된 질의가 온라인 소셜 네트워크로 송신됨에 응답하여, 모바일 클라이언트 시스템에 의해, 하나 이상의 검색 결과를 수신하는 단계를 더 포함할 수 있다.
각각의 검색 결과는 복수의 제2 노드 중 특정 제2 노드에 대응할 수 있다.
노드들의 세트는 기결정된 수의 노드를 포함할 수 있고 문법 템플릿들의 세트는 기결정된 수의 문법 템플릿을 포함할 수 있다.
본 발명의 또 하나의 실시예로, 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체는 모바일 클라이언트 시스템에서, 온라인 소셜 네트워크의 제1 사용자로부터 비구조화된 텍스트 질의를 수신하고; 모바일 클라이언트 시스템의 데이터 스토어로부터, 온라인 소셜 네트워크의 소셜 그래프의 노드들의 세트에 액세스하며; 모바일 클라이언트 시스템의 데이터 스토어로부터, 하나 이상의 비-종단 토큰 및 하나 이상의 질의 토큰을 각각 포함하는 문법 템플릿들의 세트에 액세스하고; 모바일 클라이언트 시스템에 의해, 매칭된 노드에 대응하는 비-종단 토큰을 가지는 하나 이상의 문법 템플릿 및 하나 이상의 액세스된 노드와 비구조화된 텍스트 질의를 매칭함으로써 하나 이상의 구조화된 질의를 생성하며; 모바일 클라이언트 시스템에서, 제1 사용자에게 하나 이상의 구조화된 질의를 디스플레이하도록 실행될 때 동작하는 소프트웨어를 수록하며, 상기 소셜 그래프는 복수의 노드 및 노드들을 연결하는 복수의 에지를 포함하고, 상기 노드는: 제1 사용자에 대응하는 제1 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 대응하는 복수의 제2 노드를 포함하며, 상기 질의 토큰은 0 이상의 제2 노드 및 하나 이상의 에지에 대한 참조를 포함하고, 각각의 문법 템플릿은 자연어 문자열에 기반하며, 각각의 구조화된 질의는 대응하는 문법 템플릿에서 참조되는 0 이상의 제2 노드와 하나 이상의 에지 및 하나 이상의 비-종단 토큰에 매칭되는 하나 이상의 액세스된 노드에 대한 참조를 포함한다.
본 발명의 또 하나의 실시예로, 본 시스템은 하나 이상의 프로세서; 및 프로세서와 연결되고 프로세서에 의해 실행가능한 명령어를 포함하는 메모리를 포함하며, 상기 프로세서는: 모바일 클라이언트 시스템에서, 온라인 소셜 네트워크의 제1 사용자로부터 비구조화된 텍스트 질의를 수신하고; 모바일 클라이언트 시스템의 데이터 스토어로부터, 온라인 소셜 네트워크의 소셜 그래프의 노드들의 세트에 액세스하며; 모바일 클라이언트 시스템의 데이터 스토어로부터, 하나 이상의 비-종단 토큰 및 하나 이상의 질의 토큰을 각각 포함하는 문법 템플릿들의 세트에 액세스하고; 모바일 클라이언트 시스템에 의해, 매칭된 노드에 대응하는 비-종단 토큰을 가지는 하나 이상의 문법 템플릿 및 하나 이상의 액세스된 노드와 비구조화된 텍스트 질의를 매칭함으로써 하나 이상의 구조화된 질의를 생성하며; 모바일 클라이언트 시스템에서, 제1 사용자에게 하나 이상의 구조화된 질의를 디스플레이하는 명령어를 실행할 때 동작하며, 상기 소셜 그래프는 복수의 노드 및 노드들을 연결하는 복수의 에지를 포함하고, 상기 노드는: 제1 사용자에 대응하는 제1 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 대응하는 복수의 제2 노드를 포함하며, 상기 질의 토큰은 0 이상의 제2 노드 및 하나 이상의 에지에 대한 참조를 포함하고, 각각의 문법 템플릿은 자연어 문자열에 기반하며, 각각의 구조화된 질의는 대응하는 문법 템플릿에서 참조되는 0 이상의 제2 노드와 하나 이상의 에지 및 하나 이상의 비-종단 토큰에 매칭되는 하나 이상의 액세스된 노드에 대한 참조를 포함한다.
또한, 청구될 수 있는 본 발명의 또 하나의 실시예로, 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체는 본 발명 또는 상술한 실시예들 중 어느 하나에 따른 방법을 수행하도록 실행될 때 동작하는 소프트웨어를 포함한다.
또한, 청구될 수 있는 본 발명의 또 하나의 실시예로, 시스템은: 하나 이상의 프로세서; 및 프로세서와 연결되고 프로세서에 의해 실행가능한 명령어를 포함하는 메모리를 포함하며, 상기 프로세서는 본 발명 또는 상술한 실시예들 중 어느 하나에 따른 방법을 수행하는 명령어를 실행할 때 동작한다.
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 4는 예시적인 모바일 클라이언트 시스템을 도시한다.
도 5는 예시적인 모바일 클라이언트 시스템의 예시적인 사용자 인터페이스(UI)를 도시한다.
도 6은 텍스트 입력을 문법 템플릿과 소셜-그래프 엔티티와 매칭하기 위한 예시적인 비용 계산의 그래픽 표현을 도시한다.
도 7은 텍스트 입력을 문법 템플릿과 소셜-그래프 엔티티와 매칭하기 위한 예시적인 비용 계산의 그래픽 표현을 도시한다.
도 8은 텍스트 입력을 문법 템플릿과 소셜-그래프 엔티티와 매칭하기 위한 예시적인 비용 계산의 그래픽 표현을 도시한다.
도 9는 예시적인 구조화된 검색 질의를 가진 예시적인 모바일 클라이언트 시스템의 예시적인 UI를 도시한다.
도 10은 예시적인 구조화된 검색 질의를 가진 예시적인 모바일 클라이언트 시스템의 예시적인 UI를 도시한다.
도 11은 클라이언트-측 구조화된 검색 질의를 생성하기 위한 예시적인 방법을 도시한다.
도 12는 예시적인 컴퓨터 시스템을 도시한다.
도 2는 예시적인 소셜 그래프를 도시한다.
도 3은 온라인 소셜 네트워크의 예시적인 웹페이지를 도시한다.
도 4는 예시적인 모바일 클라이언트 시스템을 도시한다.
도 5는 예시적인 모바일 클라이언트 시스템의 예시적인 사용자 인터페이스(UI)를 도시한다.
도 6은 텍스트 입력을 문법 템플릿과 소셜-그래프 엔티티와 매칭하기 위한 예시적인 비용 계산의 그래픽 표현을 도시한다.
도 7은 텍스트 입력을 문법 템플릿과 소셜-그래프 엔티티와 매칭하기 위한 예시적인 비용 계산의 그래픽 표현을 도시한다.
도 8은 텍스트 입력을 문법 템플릿과 소셜-그래프 엔티티와 매칭하기 위한 예시적인 비용 계산의 그래픽 표현을 도시한다.
도 9는 예시적인 구조화된 검색 질의를 가진 예시적인 모바일 클라이언트 시스템의 예시적인 UI를 도시한다.
도 10은 예시적인 구조화된 검색 질의를 가진 예시적인 모바일 클라이언트 시스템의 예시적인 UI를 도시한다.
도 11은 클라이언트-측 구조화된 검색 질의를 생성하기 위한 예시적인 방법을 도시한다.
도 12는 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 송신할 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 멤버쉽, 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 제1 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, 제1 사용자가 소셜 네트워킹 시스템(160)에서 계정을 등록하면, 소셜 네트워킹 시스템(160)은 제1 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, 컨셉 노드(204)는 하나 이상의 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 송신하게 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 송신할 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 송신하게 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 (예컨대, 사용자-프로필 페이지, 컨셉-프로필 페이지, 검색-결과 웹페이지 또는 온라인 소셜 네트워크의 다른 적절한 페이지와 같은) 요청된 웹페이지와 함께 렌더링되는 입력 서식에 사용자가 현재 입력한 정보에 소셜 그래프 요소(예컨대, 사용자 노드(202), 컨셉 노드(204) 또는 에지(206))를 자동으로 매치하고자 하는 "타이프어헤드(typeahead)" 기능을 구현하고 이용할 수 있다. 특정 실시예로, 사용자가 선언문을 만들도록 텍스트를 입력중일 때, 타이프어헤드 기능은 선언문에 입력되는 텍스트 문자열을 소셜 그래프(200) 내 사용자, 컨셉, 에지 및 그에 해당하는 요소들에 해당하는 문자열(예컨대, 이름, 설명)을 매치하고자 한다. 특정 실시예로, 매치가 발견되는 경우, 타이프어헤드 기능은 기존의 소셜 그래프 요소의 소셜 그래프 요소에 대한 레퍼런스(가령, 예컨대, 노드 명/타입, 노드 ID, 에지 명/타입, 에지 ID 또는 다른 적절한 레퍼런스나 식별자)로 서식을 자동으로 채울 수 있다.
특정 실시예로, 사용자가 사용자의 프로필 페이지, 홈페이지 또는 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 요소의 이름에 해당하는 용어나 용어들 또는 기존 소셜-그래프 요소와 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 본래 임의의 선언을 입력하는 자유를 사용자에게 제공할 수 있다.
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 송신할 수 있다. 특정 실시예로, 타이프어헤드 프로세스는 AJAX(비동기식 JavaScript 및 XML) 또는 다른 적절한 기술 및 특히 비동기식 기술을 통해 통신할 수 있다. 특정 실시예로, 요청은 결과의 신속한 동적인 송신 및 페치(fetching)를 가능하게 하는 XMLHTTPRequest (XHR)이거나 이를 포함할 수 있다. 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 송신한다. 특정 실시예로, 사용자 ID 파라미터가 또한 송신될 수 있거나, 일부의 실시예로 사용자가 소셜 네트워킹 시스템(160)으로 로그인했음(또는 인증되었음)을 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) 또는 설명뿐 아니라 잠재적으로 매칭 소셜-그래프 요소와 관련된 다른 메타데이터를 포함할 수 있는 (AJAX 또는 다른 적절한 기술을 이용할 수 있는) 응답을 사용자의 클라이언트 장치(130)로 송신할 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" 또는 "pokemon"으로 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, 제1 사용자("사용자" 또는 "질의 사용자"로도 불리며, 특정한 사용자 노드(202)에 대응)는 텍스트를 검색 질의 필드(350)로 입력하여 소셜 네트워킹 시스템(160)에 질의를 제출할 수 있다. 온라인 소셜 네트워크의 제1 사용자는 흔히 "검색 질의(search query)"라고 일컬어지는 주제를 설명하는 짧은 문구를 검색 엔진에 제공함으로써 특정 주제에 관한 정보(예컨대, 사용자, 컨셉, 외부 컨텐츠 또는 리소스)를 검색할 수 있다. 질의는 비구조화된 텍스트 질의일 수 있고 (하나 이상의 n-그램을 포함할 수 있는) 하나 이상의 텍스트 열을 포함할 수 있다. 통상, 제1 사용자는 텍스트 질의에 매치하는 소셜 네트워킹 시스템(160)의 컨텐츠를 검색하도록 임의의 문자열을 검색 질의 필드(350)로 입력할 수 있다. 이후, 소셜 네트워킹 시스템(160)은 질의에 매치하는 컨텐츠를 식별하도록 데이터 스토어(164)(또는, 특히 소셜 그래프 데이터베이스)를 검색할 수 있다. 검색 엔진은 다양한 검색 알고리즘을 사용하여 질의 문구에 기반한 검색을 실행하고 검색 질의에 관련될 가능성이 가장 높은 리소스 또는 컨텐츠(예컨대, 사용자-프로필 페이지, 컨텐츠-프로필 페이지 또는 외부 리소스)을 식별하는 검색 결과를 생성할 수 있다. 검색을 실행하기 위해, 제1 사용자는 검색 엔진으로 검색 질의를 입력하거나 송신할 수 있다. 응답으로, 검색 엔진은 개별적으로 "검색 결과"라고 할 수 있거나 포괄적으로 검색 질의에 대응하는 "검색 결과들"이라고 할 수 있는 검색 질의와 관련될 가능성이 있는 하나 이상의 리소스를 식별할 수 있다. 식별된 컨텐츠는 예컨대 소셜 그래프 요소(즉, 사용자 노드(202), 컨셉 노드(204), 에지(206)), 프로필 페이지, 외부 웹페이지 또는 이들의 임의의 조합을 포함할 수 있다. 소셜 네트워킹 시스템(160)은 이후 식별된 컨텐츠에 대응하는 검색 결과를 가진 검색-결과 웹페이지를 생성할 수 있고 그 검색-결과 페이지를 제1 사용자에게 송신할 수 있다. 검색 결과는 종종 검색-결과 웹페이지 상의 링크의 리스트의 형태로 사용자에게 표시될 수 있고, 각 링크는 식별된 리소스나 컨텐츠의 일부를 포함하는 상이한 웹페이지와 연관된다. 특정 실시예에서, 검색 결과의 각 링크는 대응하는 웹페이지가 위치한 곳과 조회하는 메커니즘을 명시하는 URL(Uniform Resource Locator)의 형태일 수 있다. 소셜 네트워크 시스템(160)은 그 후 검색 결과 웹페이지를 제1 사용자의 클라이언트 시스템(130) 상의 웹브라우저(132)로 검색-결과 웹페이지를 전송할 수 있다. 적절한 경우, 제1 사용자는 그 후 URL 링크를 클릭하거나 다른 방법으로 검색-결과 웹페이지로부터의 컨텐츠를 선택하여 소셜 네트워크 시스템(160)로부터 또는 외부 시스템(예컨대, 제3자 시스템(170))으로부터의 컨텐츠에 접속할 수 있다. 리소스는 검색 질의에 대한 관련도에 따라 순위 매겨지고 사용자에게 표시될 수 있다. 검색 결과는 또한 제1 사용자에 대한 관련도에 따라 순위 매겨지고 사용자에게 표시될 수 있다. 다시 말해, 검색 결과는 예컨대 소셜 그래프 정보, 사용자 정보, 사용자의 검색이나 브라우징 이력 또는 사용자에 관한 다른 적절한 정보에 기반하여 질의 사용자에게 사용자화될 수 있다. 특정 실시예에서, 리소스의 순위는 검색 엔진에 의해 구현되는 순위 알고리즘에 의해 결정될 수 있다. 예로서 제한 없이, 검색 질의나 사용자에게 더 관련 있는 리소스는 검색 질의나 사용자에게 덜 관련 있는 리소스보다 높게 순위 매겨질 수 있다. 특정 실시예로, 검색 엔진은 그 검색을 온라인 소셜 네트워크의 리소스 및 컨텐츠로 제한할 수 있다. 그러나, 특정 실시예로, 검색 엔진은 가령 제3자 시스템(170), 인터넷이나 월드 와이드 웹 또는 다른 적절한 소스와 같은 다른 소스들의 리소스 및 컨텐츠를 또한 검색할 수 있다. 비록 본 명세서는 특정 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 송신할 수 있다. 타이프어헤드 프로세스는 이후 기존의 프로필 페이지와 각 사용자 노드(202)나 컨셉 노드(204)와 일치하는 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 노드 및 에지의 사용자 확인시, 타이프어헤드 프로세스는 매칭 소셜-그래프 요소를 포함하는 질의의 사용자 확인을 소셜 네트워킹 시스템(160)에 알리는 요청을 송신할 수 있다. 송신된 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.
검색 질의 및 검색 결과와 관련하여, 특정 실시예들은 참조로 각각 통합되는: 2006년 8월 11일자로 출원된 미국특허출원 제11/503093호, 2010년 12월 22일자로 출원된 미국특허출원 제12/977027호 및 2010년 12월 23일자로 출원된 미국특허출원 제12/978265호에 개시되는 하나 이상의 시스템, 컴포넌트, 구성요소, 기능, 방법, 동작 또는 단계를 이용할 수 있다.
특정 실시예에서, 질의 사용자로부터 수신한 구조화된 질의에 응답하여, 소셜 네트워크 시스템(160)은 하나 이상의 검색 결과를 생성할 수 있는데, 각 검색 결과는 구조화된 질의의 용어와 일치(또는 실질적으로 일치)한다. 소셜 네트워크 시스템(160)은 질의 사용자로부터 구조화된 질의를 수신할 수 있다. 구조화된 질의에 응답하여, 소셜 네트워크 시스템(160)은 구조화된 질의에 대응하는 하나 이상의 검색 결과를 생성할 수 있다. 각 검색 결과는 프로필 페이지로의 링크와 프로필 페이지의 설명이나 요약(또는 그 페이지에 대응하는 노드)를 포함할 수 있다. 검색 결과는 질의 사용자에게 검색 결과 페이지로 표시되고 전송될 수 있다. 특정한 검색 결과 페이지를 생성하는데 사용되는 구조화된 질의는 질의 필드(350)에 도시되고, 구조화된 질의에 응답하여 생성되는 다양한 검색 결과는 검색 결과 표시를 위한 필드에 도시된다. 특정 실시예에서, 질의 필드(350)는 페이지를 위한 제목 바로도 동작할 수 있다. 다시 말해, 제목 바 및 질의 필드(350)는 검색 결과 페이지 상의 효과적으로 통합된 필드일 수 있다. 검색 결과 페이지는 검색 결과를 수정하기 위한 필드와 제안된 검색을 제공하기 위한 필드도 포함할 수 있다. 검색 결과를 생성할 때, 소셜 네트워크 시스템(160)은 각 검색 결과를 위한 하나 이상의 스니펫을 생성할 수 있는데, 스니펫은 검색 결과의 대상에 대한 문맥적 정보(예컨대, 소셜 그래프 엔티티, 프로필 페이지 또는 특정 검색 결과에 대응하는 다른 컨텐츠에 대한 문맥적 정보)이다. 본 명세서가 특정 검색 결과 페이지를 서술하고 도시하지만, 본 명세서는 임의의 적절한 검색 결과 페이지를 서술하고 도시한다.
검색 결과를 생성하는 것에 대한 더 많은 정보는 참조로 통합되는 2012년 12월 31일자 출원된 미국 특허출원 번호 제13/731939호에서 찾을 수 있다.
클라이언트측 검색 템플릿
도 4는 모바일 클라이언트 시스템(130)의 예시를 도시한다. 본 명세서는 임의의 적절한 물리적 형태를 가지는 모바일 클라이언트 시스템(130)을 고려한다. 특정 실시예에서, 모바일 클라이언트 시스템(130)은 후술되는 바와 같은 컴퓨팅 시스템일 수 있다. 예로서 제한 없이, 모바일 클라이언트 시스템(130)은 단일-보드 컴퓨터 시스템(SBC)(예컨대, 컴퓨터-온-모듈(COM) 또는 시스템-온-모듈(SOM)), 랩톱 또는 노트북 컴퓨터 시스템, 모바일 전화, 스마트폰, 개인 정보 단말기(PDA), 태블릿 컴퓨터 시스템 또는 이들의 2 이상의 조합일 수 있다. 특정 실시예에서, 모바일 클라이언트 시스템(130)은 입력 컴포넌트로 터치 센서(132)를 가질 수 있다. 도 4의 예시에서, 터치 센서(132)는 모바일 클라이언트 시스템(130)의 전면에 통합된다. 정전식 터치 센서의 경우, 두 가지 타입의 전극이 있다: 송신과 수신. 이들 전극은 전기 펄스를 갖는 송신용 전극을 구동하고, 터치 또는 근접 입력에 의해 발생하는 수신용 전극으로부터의 커패시턴스의 변화를 측정하도록 설계된 제어기에 연결될 수 있다. 도 4의 예에서, 하나 이상의 안테나들(134A-B)이 모바일 컴퓨팅 장치(130)의 하나 이상의 측면에 통합될 수 있다. 안테나들(134A-B)은 전류를 전파로 변환하고, 전파를 전류로 변환하는 컴포넌트들이다. 신호의 송신 중에, 송신기는 발진(oscillating) RF(radio frequency) 전류를 안테나들(134A-B)의 단자에 인가하고, 안테나들(134A-B)은 전자기파(EM wave)로 인가된 전류의 에너지를 방사한다. 신호의 수신 중에 안테나들(134A-B)은 유입되는 전자기파의 전력을 안테나들(134A-B)의 단자에서 전압으로 변환시킨다. 전압은 증폭을 위해 수신기로 송신될 수 있다.
특정 실시예에서, 모바일 클라이언트 시스템(130)는, Ethernet 또는 다른 유선-기반의 네트워크 또는 무선 NIC(WNIC), 가령 3세대 이동통신(third generation mobile telecommunications; 3G) 또는 LTE(Long Term Evolution) 네트워크와 같은 셀룰러 네트워크와 통신하기 위한, 가령 예컨대 WI-FI 네트워크 또는 모뎀과 같은 무선 네트워크와 통신하기 위한 무선 어댑터와 통신하기 위해 안테나들(134A-B)에 연결된 통신 컴포넌트를 포함할 수 있다. 본 명세서는 임의의 적절한 네트워크 및 네트워크를 위한 임의의 적절한 통신 컴포넌트(20)를 고려한다. 예로서 제한 없이, 모바일 클라이언트 시스템(130)은 애드 혹 네트워크(ad hoc network), PAN(personal area network), LAN(local area network), WAN(wide area network), MAN(metropolitan area network), 또는 인터넷의 하나 이상의 부분들 또는 둘 이상의 이들의 조합과 통신할 수 있다. 하나 이상의 이들 네트워크들의 하나 이상의 부분은 유선이거나 무선일 수 있다. 다른 예로, 모바일 컴퓨팅 장치(10)는 무선 PAN(WPAN)(가령, 예컨대 BLUETOOTH WPAN), WI-FI 네트워크, WI-MAX 네트워크, 셀룰러 전화 네트워크(가령, 예컨대 GSM(Global System for Mobile Communications), 3G, 또는 LTE 네트워크), 또는 다른 적절한 무선 네트워크 또는 둘 이상의 이들의 조합과 통신할 수 있다. 모바일 클라이언트 시스템(130)은 적절한 경우 임의의 이러한 네트워크들을 위한 임의의 적절한 통신 컴포넌트를 포함할 수 있다.
도 5는 모바일 클라이언트 시스템의 예시의 UI의 예시를 도시한다. 특정 실시예에서, 사용자는 모바일 클라이언트 시스템(130)의 검색 질의 필드(350)에 텍스트를 입력함으로써 소셜 네트워크 시스템(160)에 질의를 제출할 수 있다. 상술한 바와 같이, 온라인 소셜 네트워크의 사용자는 검색 엔진에 종종 "검색 질의"라고 불리는, 주제를 서술하는 짧은 구절을 제공함으로써 정보를 검색할 수 있다. 나아가, 사용자는 검색 질의 필드(350)에 임의의 문자열을 입력하여 텍스트 질의와 일치하는 소셜 네트워크 시스템(160) 상의 소셜 그래프 엔티티를 검색할 수 있다. 소셜 네트워크 시스템(160)은 그 후 데이터 스토어(164)(또는, 특히 소셜 그래프 데이터베이스)를 검색하여 질의와 일치하는 소셜 그래프 엔티티를 식별할 수 있다. 후술하는 바와 같이, 모바일 클라이언트 시스템(130)은 사용자에 의해 검색 질의 필드(350)에 입력된 텍스트에 기반하여 하나 이상의 구조화된 질의를 식별할 수 있다. 특정 실시예에서, 식별된 구조화된 질의는 드롭 다운 메뉴(300)에 디스플레이될 수 있다. 특정 실시예에서, 텍스트 질의가 모바일 클라이언트 시스템(130)에 저장된 문법 템플릿을 사용하여 기결정된 수의 구조화된 질의와 일치하지 않는 경우, 텍스트 질의는 소셜 네트워크 시스템(160)에 전송될 수 있는데, 완전 문맥 자유 문법 모델이 문법 모델에 의해 생성된 자연 언어 문자열에 기반하여 제안된 질의를 생성하는데 사용될 수 있다.
특정 실시예에서, 제1 사용자(예컨대, 질의 사용자)에 의해 수신된 텍스트 질의에 응답하여, 모바일 클라이언트 시스템(130)은 자연 언어 구문으로 렌더링된 하나 이상의 구조화된 질의를 생성할 수 있는데, 각 구조화된 질의는 하나 이상의 식별된 소셜 그래프 요소에 대응하는 질의 토큰을 포함한다. 구조화된 질의는 질의 사용자가 특정 에지 타입으로 소셜 그래프(200) 내의 특정 사용자나 컨셉과 연결된 컨텐츠를 검색하게 할 수 있다. 예로서 제한 없이, 모바일 클라이언트 시스템(130)은 제1 사용자로부터 구조화되지 않은 텍스트 질의를 수신할 수 있다. 이에 응답하여, 모바일 클라이언트 시스템(130)은 (예컨대, 서버측 요소 검출 프로세스를 통하여) 소셜 그래프(200)에 접근하고 텍스트 질의를 파싱하여 텍스트 질의로부터의 n-그램에 대응하는 소셜 그래프 요소를 식별할 수 있다. 이후, 모바일 클라이언트 시스템(130)은 가령 문맥 자유 문법 모델(context-free grammar model)과 같은 문법 모델에 접근할 수 있는데, 후술되는 복수의 문법 템플릿을 포함한다. 식별된 소셜 그래프 요소는 문법 템플릿에서 종단 토큰("질의 토큰")으로서 사용될 수 있다. 선택된 문법 템플릿은 그 후 식별된 소셜 그래프 요소를 참조하는 질의 토큰을 포함하는 하나 이상의 구조화된 질의를 생성하는데 사용될 수 있다. 이들 구조화된 질의는 문법 템플릿에 의해 생성된 문자열에 기반하여, 자연 언어 구문을 사용하여 적절한 소셜 그래프 요소에 대해 렌더링된다. 구조화된 질의는 제1 사용자에게 전송되고 드롭 다운 메뉴(300)에 디스플레이될 수 있는데(예컨대, 클라이언트측 타이프어헤드 프로세스를 통하여), 그 후 제1 사용자는 소정의 컨텐츠를 검색하기 위한 적절한 질의를 선택할 수 있다. 본 명세서에 기술되는 구조화된 질의를 사용하는 것의 이점들 중 일부는 제한된 정보를 기초로 온라인 소셜 네트워크의 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. 이 프로세스를 사용함으로써, 자연 언어 렌더링 프로세스의 출력은 효율적으로 파싱되어, 예컨대 변경되거나 대안적인 구조화된 질의를 생성한다. 나아가, 이 프로세스에 의해 사용되는 규칙이 문법 모델에서 도출되기 때문에, 문법 모델의 규칙의 임의의 변경은 즉시 렌더링 프로세스에 반영될 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, 모바일 클라이언트 시스템(130)은 (제1 사용자 노드(202)에 해당하는) 질의중인/제1 사용자로부터 비구조화된 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 텍스트 질의 "friends stanford"를 검색 질의 필드(350)에 입력할 수 있다. 본 명세서에서 사용되는 바와 같이, 비구조화된 텍스트 질의에 대한 참조는 사용자가 입력한 단순 텍스트열이라고 할 수 있다. 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. 게다가, 텍스트 질의는 형식 질의 구문법(formal query syntax)에 대하여 비구조화되어 있을 수 있다. 즉, 단순 텍스트 질의는 반드시 검색 엔진에 의해 바로 실행가능한 질의 명령의 포맷일 필요는 없다. 비록 본 명세서는 특정 방식으로 특정 질의를 수신하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 질의를 수신하는 것을 고려한다.
특정 실시예로, 모바일 클라이언트 시스템(130)은 하나 이상의 n-그램을 식별하도록 제1 사용자(즉, 질의중인 사용자)로부터 수신된 비구조화된 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, 모바일 클라이언트 시스템(130)은 다음의 n-그램을 식별하도록 텍스트 질의 "friends stanford"를 파싱할 수 있다: friends; stanford; friends stanford. 또 다른 예로서 제한 없이, 모바일 클라이언트 시스템(130)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. 비록 본 명세서는 특정 방식으로 특정 질의를 파싱하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 질의를 파싱하는 것을 고려한다.
특정 실시예로, 모바일 클라이언트 시스템(130)은 텍스트 질의에서 식별된 각각의 n-그램에 대해 점수를 결정하거나 계산하여 n-그램이 소셜-그래프 요소에 해당하는지 여부를 결정할 수 있다. 이 점수는 예컨대 신뢰 점수, 확률, 품질, 순위, 다른 적절한 타입의 점수 또는 이들의 임의의 조합일 수 있다. 예로서 제한 없이, 모바일 클라이언트 시스템(130)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, 모바일 클라이언트 시스템(130)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 p i,j,k 로 표시된 확률 점수로 계산될 수 있다. 입력은 텍스트 질의 X=(x 1 , x 2 ,..., x N ) 및 클래스(classes) 세트일 수 있다. 각각의 (i:j) 및 클래스 k에 대하여, 모바일 클라이언트 시스템(130)은 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, 모바일 클라이언트 시스템(130)은 이전 n-그램과 이후 n-그램 모두를 사용하여 어느 특정 소셜-그래프 요소가 소정의 n-그램에 해당하는지를 결정할 수 있다. 특정 실시예에서, 식별된 소셜 그래프 요소는 검색 엔진에 의해 실행가능한 질의 명령을 생성할 수 있다. 질의 명령은 특정 인수를 허용하는 정의된 함수를 가지는 구조화된 의미론적 질의일 수 있다. 예로서 제한 없이, 텍스트 질의 "friend me mark"는 파싱되어 질의 명령을 형성할 수 있다: intersect(friend(me), friend(Mark)). 다시 말해, 질의는 질의 사용자("me")와 사용자 "Mark"의 교집합인 소셜 그래프 내의 노드(예컨대, 질의 사용자의 사용자 노드(202)와 친구 타입 에지(206)로 연결되고 사용자 "Mark"의 사용자 노드(202)와 친구 타입 에지(206)로 연결되는 사용자 노드(202))를 검색한다. 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, 모바일 클라이언트 시스템(130)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 라면 에지 k에 해당하는 것으로 단지 식별될 수 있다. 게다가, 각각의 식별된 에지(206)는 적어도 하나의 식별된 노드와 연결될 수 있다. 즉, 모바일 클라이언트 시스템(130)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, 모바일 클라이언트 시스템(130)은 관련 소셜-그래프 요소를 소셜 그래프에서 더 효율적으로 검색할 수 있다. 예로서 제한 없이, 도 2를 참조하면, 식별된 컨셉 노드(204)가 학교 "Stanford"인 "went to Stanford"를 포함하는 텍스트 질의에 대해, 모바일 클라이언트 시스템(130)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, 모바일 클라이언트 시스템(130)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 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, 모바일 클라이언트 시스템(130)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, 모바일 클라이언트 시스템(130)은 관련 소셜-그래프 요소를 소셜 그래프(200)에서 더 효율적으로 검색할 수 있다. 예로서 제한 없이, 식별된 에지(206)가 "worked at"인 "worked at Apple"를 포함하는 텍스트 질의에 대해, 모바일 클라이언트 시스템(130)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 있고, 이들 노드 사이에서도 상이할 수 있다(예컨대, 일부 컨셉 노드(204)는 다른 컨셉 노드(204)와 상이한 노드-임계 확률을 가질 수 있다). 예로서 제한 없이, n-그램은 라면 사용자 노드(302) k user 에 해당하는 것으로 식별될 수 있는 한편, n-그램은 라면 컨셉 노드(304) kconcept에 해당하는 것으로 식별될 수 있다. 특정 실시예로, 모바일 클라이언트 시스템(130)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, 모바일 클라이언트 시스템(130)은 복수의 문법 템플릿에 접근할 수 있다. 각 문법 템플릿은 하나 이상의 비-종단 토큰(또는 "비-종단 기호(non-terminal symbols)")과 하나 이상의 종단 토큰(또는 "종단 심볼"/"질의 토큰")을 포함할 수 있는데, 특정 비-종단 토큰은 종단 토큰에 의해 대체될 수 있다. 문법 모델은 형식 언어(formal language)에서 문자열에 대한 한 세트의 형성 규칙(formation rules)이다. 본 명세서가 특정 문법 템플릿을 접근하는 것을 서술하나, 본 명세서는 임의의 적절한 문법 템플릿을 접근하는 것을 서술한다.
특정 실시예에서, 모바일 클라이언트 시스템(130)은 하나 이상의 문법 템플릿을 사용하여 하나 이상의 문자열을 생성할 수 있다. 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, 문법 템플릿에 의해 생성된 문자열은 식별된 노드 또는 식별된 에지에 대한 레퍼런스를 포함하는 구조화된 질의의 기초로서 사용될 수 있다. 문법에 의해 생성된 문자열은 자연-언어 구문으로 렌더링되어, 춘자열에 기반한 구조화된 질의도 자연 언어로 렌더링될 수 있다. 컨텍스트-무관 문법은 각각의 생성 규칙의 좌측 편이 단지 하나의 비-종단 기호로 구성되는 문법이다. 확률적 컨텍스트-무관 문법은 투플 이며, 여기서 분리집합(disjoint sets) Σ 및 N은 에서 시작 기호인 종단 기호 및 비-종단 기호를 각각 명시한다. P는 , 및 E가 문자열 ξ로 확장될 확률인 에서 의 형태를 취하는 생성 집합이다. 소정의 비-종단 E의 모든 확장에 대한 확률 p의 합은 1이어야 한다. 본 명세서는 특정 방식으로 문자열을 생성하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 문자열을 생성하는 것을 고려한다.
특정 실시예로, 모바일 클라이언트 시스템(130)은 사전에 식별된 노드 및 에지에 해당하는 하나 이상의 질의 토큰을 식별할 수 있다. 즉, 식별된 노드 또는 식별된 에지가 특정 문법 템플릿에서 질의 토큰으로 사용될 수 있다면, 그 질의 토큰은 모바일 클라이언트 시스템(130)에 의해 식별될 수 있다. 예로서 제한 없이, 예시적인 문법 템플릿은 [user][user-filter][school]일 수 있다. 비-종단 토큰 [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 문법 템플릿을 사용하여 파싱될 수 있다. 또 다른 예로서 제한 없이, 예시적인 문법 템플릿은 [user][user-filter][location]일 수 있다. 텍스트 질의 "friends stanford"에 대하여, 이 질의는 예컨대 "[friends][who live in][Stanford, California]"로서 문법 템플릿을 사용하여 파싱될 수 있다. 상기 두 예시적인 경우 모두에서, 수신된 텍스트 질의의 n-그램이 질의 토큰으로 사용될 수 있다면, 이 문법은 모바일 클라이언트 시스템(130)에 의해 식별될 수 있다. 본 명세서는 특정 방식으로 특정 문법을 식별하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 문법을 식별하는 것을 고려한다.
특정 실시예에서, 사용자가 검색 질의 필드(350)에 하나 이상의 텍스트 문자를 입력할 때, 모바일 클라이언트 시스템(130)에서 실행되는 프로그램이나 애플리케이션은 텍스트 문자를 모바일 클라이언트 시스템(130)에 미리 로드된 문법 템플릿에 매칭시킬 수 있다. 후술하는 바와 같이, 모바일 클라이언트 시스템(130)은 그 후 모바일 클라이언트 시스템(130)의 데이터 저장소를 검색하여 문법 템플릿에 접근하여 하나 이상이 질의와 일치하는지 결정할 수 있다. 예로서 제한 없이, 모바일 클라이언트 시스템(130)에서 실행되는 애플리케이션은 각 키스트로크 이후 입력된 텍스트 문자의 문법 템플릿과의 매칭을 수행할 수 있다. 다른 예로서, 입력된 텍스트는 상술한 바와 같이 하나 이상의 n-그램으로 파싱될 수 있다. 특정 실시예에서, 매칭은 클라이언트측 타이프어헤드 프로세스의 일부일 수 있다. 특정 실시예에서, 모바일 클라이언트 시스템(130)은 입력 테스트와 하나 이상의 문법 템플릿의 매칭 또는 모바일 클라이언트 시스템(130)에 저장된 소셜 그래프 엔티티를 식별하는 데이터에 적어도 부분적으로 기반하여 하나 이상의 구조화된 질의를 식별할 수 있다.
특정 실시예에서, 모바일 클라이언트 시스템(130)은 이전에 식별된 노드 및 에지 각각에 대응하는 적어도 하나의 질의 토큰을 가지는 하나 이상의 문법 템플릿을 선택할 수 있다. 특정한 문법 템플릿만이 텍스트 질의에서 식별된 n-그램에 의존하여 사용될 수 있다. 그래서 모든 사용가능한 문법 템플릿의 종단 토큰은 텍스트 질의에서 식별된 n-그램과 매치하는 것을 찾기 위해 검사되어야 한다. 즉, 만약 특정한 문법템플릿이 모든 식별된 노드와 에지를 질의 토큰으로 사용할 수 있다면, 문법 템플릿은 모바일 클라이언트 시스템(130)에게 구조화된 질의를 생성하기 위한 가능한 문법 템플릿으로 선택될 수 있다. 이것은 효과적인 상향식(bottom-up) 파싱 타입인데, 가능한 질의 토큰이 질의에 적용할 적용가능한 문법 템플릿을 결정하기 위해 사용된다. 예로서 제한 없이, 텍스트 질의 "friends stanford"에 대해, 모바일 클라이언트 시스템(130)은 [friends] 및 [Stanford University]의 질의 토큰을 식별할 수 있다. 상술한 바와 같이, 문법 템플릿의 종단 토큰이 식별될 수 있다. 그 후 [friend]와 [Stanford University] 토큰 양자를 사용할 수 있는 임의의 문법 템플릿이 선택될 수 있다. 예를 들어, 문법 템플릿 [user][user-filter][school]은 이 문법 템플릿이 [friends]와 [Stanford University] 토큰을 질의 토큰으로 사용하여, 문자열 "friends who go to Stanford University"나 "friends who work at Stanford University"를 생성할 수 있기 때문에 선택될 수 있다. 그러므로, 만약 수신한 텍스트 질의의 n-그램이 문법 템플릿에서 질의 토큰으로 사용될 수 있다면, 이들 문법 템플릿은 모바일 클라이언트 시스템(130)에 의하여 선택될 수 있다. 마찬가지로, 수신된 텍스트 질의가 문법에서 질의 토큰으로 사용될 수 없는 n-그램을 포함한다면, 그 문법은 선택될 수 없을 수 있다. 본 명세서는 특정 방식으로 특정 문법 템플릿을 선택하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 문법 템플릿을 선택하는 것을 고려한다.
특정 실시예로, 모바일 클라이언트 시스템(130)은 각각의 식별된 문법 템플릿에 대한 점수를 결정할 수 있다. 점수는 예컨대 신뢰 점수, 확률, 품질, 순위, 다른 적절한 타입의 점수 또는 이들의 임의의 조합일 수 있다. 점수는 선택된 문법에서 사용되는 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 템플릿 [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, 모바일 클라이언트 시스템(130)은 질의중인 사용자(즉, 제1 사용자 노드(202)에 해당하는 제1 사용자)와 문법 템플릿의 질의 토큰에 해당하는 소셜-그래프 요소의 관련성을 기초로 선택된 문법 템플릿에 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 문법 템플릿은 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 게임에 대응하는) "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, 모바일 클라이언트 시스템(130)은 문법의 질의 토큰에 해당하는 소셜-그래프 정보를 기초로 선택된 문법 템플릿에 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 문법 템플릿에 대한 점수를 결정하는데 사용될 수 있다. 특정 실시예로, 선택된 문법에 대한 점수는 제1 사용자 노드(202)와 문법 템플릿에서 질의 토큰으로서 사용되는 특정 소셜-그래프 요소 사이의 이격도를 기초로 할 수 있다. 소셜 그래프(200)에서 질의 사용자에게 더 가까운 소셜 그래프 요소(즉, 요소와 제1 사용자 노드(202) 사이의 더 적은 이격도)에 대응하는 질의 토큰을 가진 문법 템플릿은 사용자로부터 더 먼 소셜 그래프 요소(즉, 요소와 제1 사용자 노드(202) 사이의 더 큰 이격도)에 대응하는 질의 토큰을 사용하는 문법보다 더 높게 점수 매겨질 수 있다. 예로서 제한 없이, 도 2를 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 문법 템플릿보다 상대적으로 더 높은 점수를 가질 수 있다. 특정 실시예로, 선택된 문법 템플릿에 대한 점수는 문법 템플릿의 질의 토큰에 해당하는 식별된 에지(206)를 기초로 할 수 있다. 모바일 클라이언트 시스템(130)이 수신된 텍스트 질의에서 n-그램에 해당하는 하나 이상의 에지를 이미 식별했다면, 이런 식별된 에지는 문법 템플릿에 의해 텍스트 질의의 특정한 파싱에 대한 점수를 결정할 때 고려될 수 있다. 특정 문법 템플릿이 식별된 노드와 식별된 에지 모두에 해당하는 질의 토큰을 포함하고, 식별된 노드가 실제로 어떤 식별된 에지와 연결되지 않는다면, 그 특정 문법 템플릿은 0 또는 널(null) 점수를 할당받을 수 있다. 특정 실시예로, 선택된 문법 템플릿에 대한 점수는 문법 템플릿의 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 문법 템플릿은 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, 모바일 클라이언트 시스템(130)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 문법 템플릿보다 상대적으로 더 높은 점수를 가진다고 결정할 수 있다. 특정 실시예로, 선택된 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 문법 템플릿은 제1 사용자의 검색 질의의 타겟일 가능성이 더 높을 수 있다. 따라서, 이런 문법 템플릿은 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 문법 템플릿에 대한 점수를 결정할 때, 모바일 클라이언트 시스템(130)은 "Stanford University"에 대한 컨셉 노드(204)가 상대적으로 높은 점수를 가지며 따라서 해당 질의 토큰을 사용하는 문법 템플릿도 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 문법 템플릿에 대한 점수를 결정할 때, 모바일 클라이언트 시스템(130)은 텔레비전 쇼 "Friends"에 해당하는 컨셉 노드(204)가 상대적으로 높은 점수를 가지며 따라서 해당 질의 토큰을 사용하는 문법 템플릿도 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 문법 템플릿에 대한 점수를 결정하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 소셜-그래프 정보에 기반한 임의의 적절한 문법 템플릿에 대한 점수를 결정하는 것을 고려한다.
도 6 내지 8은 문법 템플릿과 소셜 그래프 엔티티에 텍스트 입력을 매칭시키기 위한 비용 계산의 예시의 그래픽 표시를 도시한다. 특정 실시예에서, 모바일 클라이언트 시스템(130)은 하나 이상의 문법 템플릿이나 저장된 소셜 그래프 엔티티 선택에 기반하여 하나 이상의 구조화된 질의를 생성할 수 있다. 본 명세서에서, 질의 또는 종단 토큰에 대한 참조는 하나 이상의 식별된 소셜 그래프 요소를 말할 수 있다. 본 명세서에서, 비-종단 토큰에 대한 참조는 하나 이상의 소셜 그래프 엔티티와 일치할 수 있는 구조화된 질의의 토큰을 말할 수 있다. 특정 실시예에서, 하나 이상의 문법 템플릿은 자연 언어 문자열에 기반할 수 있고 모바일 클라이언트 시스템(130)의 데이터 저장소에 저장될 수 있다. 각 저장된 소셜 그래프 엔티티의 타입은 저장된 소셜 그래프 엔티티의 하나 이상의 문법 템플릿의 특정 비-종단 토큰에 대한 관련성을 결정하는데 사용될 수 있다. 특정 실시예에서, 모바일 클라이언트 시스템(130)은 각 문법 템플릿에 대하여 텍스트 질의에서 식별된 n-그램에 관한 비용을 계산하는데 적어도 부분적으로 기반하여 하나 이상의 문법 템플릿을 선택할 수 있다. 상술한 바와 같이, 문법 템플릿은 하나 이상의 비-종단 토큰과 하나 이상의 종단 토큰(질의 토큰이라고도 불림)을 포함할 수 있다. 예를 들어, 문법 템플릿 "Photos of [user] in [city]"에 대하여, 비-종단 토큰은 [user]와 [city]이고, 질의 토큰은 "Photos of"와 "in"이다. 비-종단 토큰은 소셜 그래프 엔티티에 매칭될 수 있고, 이들 매칭되는 엔티티로의 참조는 완성된 구조화된 질의(예컨대, "Photos of Justin in San Francisco")를 형성하기 위하여 문법 템플릿에 삽입될 수 있다. 특정 실시예에서, 질의 토큰으로서 비-종단 토큰에 매칭되는 n-그램은 비용 계산에 연관된 삽입 비용을 일으키지 않을 수 있다. 예로서 제한 없이, n-그램 "m"은 n-그램 "m"의 문자 "m"의 질의 토큰 [my]로의 부분 문자 매칭에 적어도 부분적으로 기반하여 질의 토큰 [my]에 매칭될 수 있다. 혹은, 문법 템플릿의 특정 비-종단 토큰이 임의의 텍스트 문자에 매칭되지 않을 때, 비용 계산에서 특정 비-종단 토큰과 연관된 삽입 비용이 발생한다. 특정 실시예에서, 기결정된 수의 소셜 그래프 엔티티가 모바일 클라이언트 시스템(130)에 저장되고 각 저장된 소셜 그래프 엔티티는 하나 이상의 문법 템플릿의 질의 토큰에 대응할 수 있다. 나아가, 모바일 클라이언트 시스템(130)에 소셜 그래프 엔티티를 저장하는 것은 소셜 그래프를 식별하는 데이터(예컨대, 소셜 그래프 엔티티를 설명하는 텍스트 문자열이나 제목), 소셜 그래프 엔티티를 특정 시스템에 고유하게 식별하는 데이터(예컨대, 문자열의 식별 번호), 소셜 그래프와 연관된 타입(예컨대, 사용자나 이벤트) 또는 그들의 임의의 조합을 포함할 수 있다. 예를 들어, 소셜 그래프 엔티티를 특정 시스템에 식별하는 데이터는 식별 문자열이나 소셜 그래프 엔티티를 참조하는 링크를 포함할 수 있다. 본 명세서가 특정 방식으로 구조화된 질의를 생성하는 것을 설명하지만, 본 명세서는 임의의 적절한 방식으로 구조화된 질의를 생성하는 것을 고려한다.
특정 실시예에서, 모바일 클라이언트 시스템(130)에 저장된 소셜 그래프 엔티티는 기선택된 특정 타입의 소셜 그래프 엔티티(예컨대, 인기 엔티티)에 의해 결정될 수 있다. 예로서, 모바일 클라이언트 시스템(130)에 저장된 각 사용자의 소셜 그래프 엔티티는 사용자의 친구, 사용자의 페이지, 사용자의 그룹, 사용자의 이벤트, 사용자에 의해 모바일 클라이언트 시스템(130)에 설치된 애플리케이션 또는 그들의 임의의 조합에 대응할 수 있다. 예를 들어, 사용자의 페이지는 사용자와 연관된 엔티티, 예컨대 사용자의 고향, 모교, 직장 등을 포함할 수 있다. 특정 실시예에서, 기결정된 수의 소셜 그래프 엔티티는 1도 소셜 그래프 엔티티(예컨대, 사용자의 사용자 노드(202)와 에지(206)로 연결된 컨셉 노드(204)나 사용자 노드(202)) 또는 각 사용자의 고계수 엔티티일 수 있다.
특정 실시예에서, 문법 템플릿은 자연 언어 문자열, 예컨대 "friends of [user]"나 "friends who live near [city]"에 기반할 수 있다. 모바일 클라이언트 시스템(130)의 데이터 저장소에 저장된 하나 이상의 문법 템플릿은 소셜 네트워크 시스템(160)에서 수행된 검색 질의의 분석에 적어도 부분적으로 기반하여 식별/구축될 수 있다(예컨대, 인기 그래프 검색 질의의 해체에 의하여). 예로서 제한 없이, 소셜 네트워크 시스템(160) 상의 검색 질의의 로그는 기결정된 수의 가장 인기있는 검색 질의를 식별하기 위하여 분석될 수 있다. 다른 예로서, 식별된 검색 질의의 순위는 각 사용자의 검색 질의 내역에 적어도 부분적으로 기반하여 각 사용자에 대하여 개인화될 수 있다. 특정 실시예에서, 식별된 검색 질의는 문법 템플릿의 비-종단 토큰으로 대체됨으로써 대신할 수 있는, 검색 질의와 연관된 하나 이상의 소셜 그래프 엔티티 없이 자연 언어 문자열로서 문법 템플릿으로 변환될 수 있다.
특정 실시예에서, 각 저장된 소셜 그래프 엔티티의 타입은 저장된 소셜 그래프 엔티티의 하나 이상의 문법 템플릿의 특정 비-종단 토큰과의 관련성을 결정하기 위하여 사용될 수 있다. 예로서 제한 없이, 문법 템플릿 "photos of [user]"와 관련된 저장된 소셜 그래프 엔티티의 타입은 사용자의 친구에 대응하는 타입일 수 있다. 다른 예로서, 비-종단 토큰 [location]과 관련된 소셜 그래프 엔티티의 타입은 사용자의 페이지(예컨대, 고향) 에 대응하는 타입일 수 있다. 나아가, 문법 템플릿과 소셜 그래프 엔티티에 연관된 데이터는 모바일 클라이언트 시스템(130)에 전송되어 사용자가 검색 질의 필드(350)에 텍스트를 입력하기 전에 미리 로드될 수 있다. 특정 실시예에서, 기정의된 문법 템플릿과 각 사용자에 대한 소셜 그래프 엔티티는 소셜 네트워크 시스템(160)에 의해 기결정된 간격(예컨대, 1주일에 1번)으로 재평가되고 업데이트될 수 있다. 예로서 제한 없이, 소셜 네트워크 시스템(160)은 업데이트된 문법 템플릿이나 소셜 그래프 엔티티를 식별하는 데이터를 기결정된 간격으로 모바일 클라이언트 시스템(130)에 전송할 수 있다.
특정 실시예에서, 모바일 클라이언트 시스템(130)의 클라이언트측 타이프어헤드 프로세스는 각 저장된 문법 템플릿과 연관된 비용 계산에 적어도 부분적으로 기반하여 텍스트 입력에 매칭되는 하나 이상의 구조화된 질의를 식별할 수 있다. 예로서 제한 없이, 각 저장된 문법 템플릿은 기본 비용을 가질 수 있다. 나아가, 각 저장된 문법 템플릿의 기본 비용은 각 기정의된 문법 템플릿의 기초인 검색 질의의 인기도에 반비례할 수 있다. 다시 말해, 더 인기있는 검색 질의에서 도출된 문법 템플릿은 더 낮은 연관된 기본 비용을 가질 수 있다. 특정 실시예에서, 각 문법 템플릿의 각 비-종단 토큰은 연관된 삽입 비용을 가질 수 있다. 예로서 제한 없이, 각 비-종단 토큰의 삽입 비용은 기정의된 문법 템플릿에 연관된 특정 비-종단 토큰에 의해 제공되는 구분 정도(amount of differentiation)에 관련될 수 있다. 예를 들어, 문법 템플릿 "photos of my friends"에 대하여, "friends"에 대응하는 종단 토큰은 더 포괄적이고 특정 문법 템플릿을 식별하는데 덜 기여하는 것으로 간주되는 "of"나 "my"에 대응하는 토큰보다 더 높은 삽입 비용을 가질 수 있다. 특정 실시예에서, 비-종단 토큰에 질의 토큰으로서 매칭되는 n-그램은 비용 계산에서 연관된 삽입 비용을 초래하지 않는다. 하지만, 문법 템플릿의 특정 비-종단 토큰이 아무런 텍스트 문자와 일치하지 않을 때, 비용 계산에서 비-종단 토큰과 연관된 삽입 비용이 초래된다. 특정 실시예에서, 특정 비-종단 토큰과 연관된 하나 이상의 소셜 그래프 엔티티는 각각 연관된 삽입 비용을 가질 수 있다.
예로서 제한 없이, 검색 질의 필드(350) 내의 텍스트 입력 "photo m"은 n-그램 "photo"와 "m"으로 나누어지고, 문법 템플릿 "photos of my friends"와 "photos of my friends who work at [employer]"에 매칭되는데, [employer]는 후술되는 바와 같이 하나 이상의 저장된 소셜 그래프 엔티티와 연관될 수 있는 비-종단 토큰이다. 나아가, 하나 이상의 소셜 그래프 엔티티는 소셜 그래프 엔티티의 타입에 기반하여 비-종단 토큰에 관련된 것으로 식별될 수 있다. 상술한 바와 같이, 클라이언트측 타이프어헤드 프로세스는 텍스트 입력 "photo m"을 n-그램 "photo"와 "m"으로 파싱할 수 있다. 도 6의 예시에 도시된 바와 같이, 문법 템플릿(610) "photos of my friends"는 n-그램 "photo"와 "m"에 대하여 평가될 수 있다. 예로서 제한 없이, 완전히 매칭될 때 기결정된 문법 템플릿(610) "photos of my friends"는 질의 토큰 [photos], [of], [my] 및 [friends]를 가질 수 있거나 상술한 바와 같이 다르게 삽입 비용을 초래할 수 있다. 초기에, n-그램 "photo"는 저장된 소셜 그래프 엔티티에 대응하는 문법 템플릿(610)의 질의 토큰 [photo]에 매칭될 수 있고 620으로 도시된 바와 같이 비용 계산에서 비용을 발생시키지 않는다. 모바일 클라이언트 시스템(130) 상의 수정된 타이프어헤드 프로세스는 문법 템플릿(610)의 남은 비-종단 토큰을 입력된 텍스트 문자의 나머지로 평가할 수 있다. 630으로 도시된 바와 같이, n-그램 "m"은 질의 토큰 [of]와 일치하지 않는다. 그 결과, 비용 계산은 일치하지 않는 질의 토큰 [of]와 연관된 삽입 비용을 초래한다. 640으로 도시된 바와 같이, n-그램 "m"은 질의 토큰 [my]에 매칭될 수 있고 그 결과 삽입 비용을 발생시키지 않는다. 예로서 제한 없이, n-그램 "m"은 n-그램 "m"의 문자 "m"의 질의 토큰 [my]로의 부분 문자 매칭에 적어도 부분적으로 기반하여 질의 토큰 [my]에 매칭될 수 있다. 본 명세서가 특정 기준에 기반한 특정 n-그램과 특정 질의 토큰 사이의 매칭 결정을 설명하지만, 본 명세서는 임의의 적절한 기준, 예컨대 신뢰 점수, 확률, 품질, 순위 또는 그들의 임의의 조합에 기반한 임의의 적절한 n-그램과 임의의 적절한 질의 토큰 사이의 매칭 결정을 고려한다. 남은 텍스트 문자가 없으므로, 도 650에 도시된 바와 같이 매칭되지 않은 질의 토큰 [friends]와 연관된 삽입 비용이 발생한다. 문법 템플릿(610) "photos of my friends"의 기본 비용이 1.1이고 매칭되지 않은 질의 토큰 "photos", "of", "my", "friends"의 삽입 비용은 각각 2.2, 0.5, 0 및 1.5라고 가정하면, 구조화된 검색 질의 "photos of my friends"에 대해 계산된 비용은 3.1이다.
도 7에 도시된 바와 같이, 문법 템플릿(710) "photos of my friends who work at [employer]"는 입력된 텍스트 "photo m"에 대하여 평가될 수 있다. 예로서 제한 없이, 완전히 매칭됐을 때 문법 템플릿(710)은 질의 토큰 [photos], [of], [my], [friends], [who], [work], [at]과 가장 낮은 비용의 저장된 소셜 그래프 엔티티 타입 "employer"에 대응하는 소셜 그래프 엔티티 "Facebook"으로 평가되는 비-종단 토큰 [employer]을 가질 수 있다. 초기에, n-그램 "photo"는 문법 템플릿(710)의 질의 토큰 "photo"로 매칭될 수 있고 720으로 도시되는 바와 같이 비용 계산에 비용을 발생시키지 않는다. 기정의된 문법 템플릿의 남은 비-종단 토큰은 남은 n-그램에 대하여 평가될 수 있다. 730으로 도시되는 바와 같이, n-그램 "m"은 질의 토큰 [of]로 매칭되지 않는다. 그 결과, 비용 계산은 질의 토큰 [of]에 매칭되지 않는 n-그램과 연관된 삽입 비용을 발생시킨다. 740으로 도시되는 바와 같이, n-그램 "m"은 질의 토큰 [my]로 매칭되고 그 결과 삽입 비용을 발생시키지 않는다. 상술한 바와 같이, n-그램 "m"은 n-그램 "m"의 문자 "m"의 질의 토큰 [my]로의 부분 문자 매칭에 적어도 부분적으로 기반하여 질의 토큰 [my]에 매칭될 수 있다. 남은 텍스트 문자가 없으므로, 750-790으로 도시되는 바와 같이, 매칭되지 않은 질의 토큰 [friends], [who], [work] 및 [at]과 연관된 삽입 비용이 발생한다. 문법 템플릿(710) "photos of my friends who work at [employer]"의 기본 비용이 2.1이고 질의 토큰 [photos], [of], [my], [friends], [who], [work], [at] 및 [employer]로 매칭되지 않는 비-종단 토큰의 삽입 비용은 각각 2.2, 0.5, 0, 1.5, 0.1, 0.3, 0.5 및 1.0이라고 가정한다. 그리고 소셜 그래프 엔티티 "Facebook"의 삽입 비용이 0.03이라고 가정하면, 그 결과 구조화된 검색 질의 "photos of my friends who work at Facebook"에 대해 계산된 비용은 6.03이다.
도 8의 예시에 도시된 바와 같이, 문법 템플릿(810) 소셜 그래프 엔티티 "Microsoft"를 가지는 "photos of my friends who work at [employer]"는 입력된 텍스트 "photo m"에 대하여 평가될 수 있다. 상술한 바와 같이, n-그램 "photo"는 문법 템플릿(810)의 질의 토큰 "photo"로 매칭될 수 있고 820으로 도시되는 바와 같이 비용 계산에 비용을 발생시키지 않는다. 기정의된 문법 템플릿의 남은 비-종단 토큰은 남은 n-그램에 대하여 평가될 수 있다. 830으로 도시되는 바와 같이, n-그램 "m"은 질의 토큰 [of]로 매칭되지 않는다. 그 결과, 비용 계산은 질의 토큰 [of]에 매칭되지 않는 n-그램과 연관된 삽입 비용을 발생시킨다. 특정 실시예에서, 클라이언트측 타이프어헤드 프로세스가 하나 이상의 질의 토큰과 매칭될 때, 클라이언트측 타이프어헤드 프로세스는 n-그램을 더 높은 삽입 비용의 질의 토큰에 매칭시킬 수 있다. 예로서 제한 없이, 매칭되지 않았을 때 비-종단 토큰 [employer], 소셜 그래프 엔티티 "Microsoft" 및 질의 토큰 [my]가 1.0, 0.04 및 0을 각각 가진다고 가정하면, 840 및 890으로 도시되는 바와 같이 클라이언트측 타이프어헤드 프로세스는 질의 토큰 [my]에 매칭시키지 않고 n-그램 "m"을 비-종단 토큰 [employer] 및 소셜 그래프 엔티티 "Microsoft"에 매칭시킬 수 있다. 예로서 제한 없이, n-그램 "m"은 n-그램 "m"의 문자 "m"의 소셜 그래프 엔티티 "Microsoft"로의 부분 문자 매칭에 적어도 부분적으로 기반하여 소셜 그래프 엔티티 "Microsoft"로 평가되는 비-종단 토큰 [employer]에 매칭될 수 있다. 나아가, 소셜 그래프 엔티티 "Microsoft"로 평가된 [employer]는 매칭된 소셜 그래프 엔티티(예컨대, "Microsoft")에 대응하는 비-종단 토큰이다. 그 결과, 비용 계산은 비-종단 토큰 [employer]나 소셜 그래프 엔티티 "Microsoft"와 연관된 삽입 비용을 발생시키지 않고 매칭되지 않은 질의 토큰 [my]와 연관된 삽입 비용을 발생시킨다. 남은 텍스트 문자가 없으므로, 850-890으로 도시되는 바와 같이, 매칭되지 않은 질의 토큰 [friends], [who], [work] 및 [at]과 연관된 삽입 비용이 발생한다. 문법 템플릿(810) "photos of my friends who work at [employer]"의 기본 비용이 2.1이고 질의 토큰 [photos], [of], [my], [friends], [who], [work], [at] 및 [employer]로 매칭되지 않는 비-종단 토큰의 삽입 비용은 각각 2.2, 0.5, 0, 1.5, 0.1, 0.3, 0.5 및 1.0이라고 가정한다. 그리고 소셜 그래프 엔티티 "Microsoft"의 삽입 비용이 0.04라고 가정하면, 그 결과 구조화된 검색 질의 "photos of my friends who work at Microsoft"에 대해 계산된 비용은 5.04이다.
특정 실시예에서, 모바일 클라이언트 시스템(130)은 선택된 문법 템플릿(예컨대, 이들 문법 템플릿은 문법 임계 점수보다 높은 점수를 가진다)에 대응하는 하나 이상의 구조화된 질의를 생성할 수 있다. 각 구조화된 질의는 대응하는 선택된 문법 템플릿에 의해 생성된 문자열에 기반할 수 있다. 예로서 제한 없이, 텍스트 질의 "photo m"에 응답하여, 문법 [objects][user-filter][user][user]는 문자열 [photos of my friends]를 생성할 수 있는데, 문법의 비-종단 토큰 [objects], [user-filter], [user]은 문자열을 생성하기 위하여 질의 토큰 [photos], [of], [my] 및 [friends]로 각각 대체된다. 특정 실시예에서, 자연 언어 구문을 사용하여 문법에 의해 생성된 문자열은 자연 언어의 구조화된 질의로 렌더링될 수 있다. 예로서 제한 없이, 이전 예시의 구조화된 질의는 질의 토큰 [of]를 사용하는데, 자연 언어 구문을 사용하여 문법에 의해 렌더링된 문자열을 자연 언어이도록 한다. 문법에 의해 생성된 자연 언어 문자열은 그 후 렌더링되어 소셜 그래프 요소에 대응하는 질의 토큰을 이들 소셜 그래프 요소로의 참조를 포함하도록 수정함으로써 구조화된 질의를 형성한다. 예로서 제한 없이, 문자열 "photos of my friends"는 "friends"에 대한 질의 토큰이 구조화된 질의에 사용자의 친구에 대응하는 하나 이상의 제2 사용자 노드(202)로의 참조로서 나타나도록 렌더링되는데, 참조는 하이라이트, 인라인 링크, 스니펫, 다른 적절한 참조 또는 그들의 임의의 조합을 포함할 수 있다. 각 구조화된 질의는 대응하는 선택된 문법에 대응하는 질의 토큰을 포함할 수 있는데, 이들 질의 토큰은 하나 이상의 식별된 에지(206)과 하나 이상의 식별된 노드에 대응한다.
후술되는 바와 같이, 클라이언트측 타이프어헤드 프로세스는 검색 질의 필드(350) 내에 입력된 텍스트에 매칭되는 하나 이상의 구조화된 질의를 식별할 수 있다. 특정 실시예에서, 식별된 구조화된 질의는 상술한 바와 같이 계산된 비용에 적어도 부분적으로 기반하여 순위 매겨질 수 있다. 예로서 제한 없이, 식별된 구조화된 질의는 가장 낮은 계산된 비용에 적어도 부분적으로 기반하여 순위 매겨질 수 있다. 예를 들어, 상술한 비용 계산에 기반하여, 입력된 텍스트 "photo m"에 대해 식별된 구조화된 질의는 높은 순위에서 낮은 순으로, "photos of my friends", "photos of my friends who work at Microsoft", 및 "photos of my friends who work at Facebook"의 예시적인 순위를 가질 수 있다. 본 명세서가 특정한 방식으로 특정 텍스트 입력의 특정 구조화된 질의로의 매칭과 순위화를 설명하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 텍스트 입력의 임의의 적절한 구조화된 질의로의 매칭과 순위화를 고려한다. 검색 질의에 문법 모델을 사용하는 것의 추가적인 정보는 참조로서 통합된, 2012년 11월 12일 출원된 미국 특허 출원 제13/674695호에서 찾을 수 있다.
도 9-10은 구조화된 검색 질의의 예시를 가지는 모바일 클라이언트 시스템의 예시 상의 UI의 예시를 도시한다. 특정 실시예에서, 구조화된 질의가 식별된 후, 모바일 클라이언트 시스템(130)은 식별된 문법 템플릿 또는 저장된 소셜 그래프 엔티티에 기반하여 하나 이상의 구조화된 질의를 디스플레이할 수 있다. 구조화된 질의는, 예컨대 참조된 소셜 그래프의 이름(이름 문자열), 다른 질의 제한(예컨대, 불린 연산자 등)뿐만 아니라 참조된 소셜 그래프 엔티티와 연관된 다른 메타데이터를 포함할 수 있는, 예컨대 사용자의 모바일 클라이언트 시스템(130)의 모바일 웹 브라우저나 UI 상에 디스플레이될 수 있다. 예로서 제한 없이, 도 9-10에 도시된 바와 같이 질의 사용자의 모바일 클라이언트 시스템(130) 상의 모바일 웹 브라우저나 UI는 식별된 구조화된 질의를 드롭 다운 메뉴(300)에 디스플레이할 수 있다. 클라이언트측 타이프어헤드 프로세스는 각 키스트로크 이후 검색 질의 필드(350) 내에 입력된 텍스트를 기정의된 문법 템플릿에 매칭시킬 수 있다. 특정 실시예에서, 사용자가 검색 질의 필드(350)에 추가 문자를 제공함에 따라, 클라이언트측 타이프어헤드 프로세스는 추가 텍스트를 평가하여 사용자에게 드롭 다운 메뉴(300)에 표시되는 구조화된 질의를 업데이트할 수 있다. 나아가, 사용자는 클릭하거나 다르게 선택하여(예컨대, 모바일 클라이언트 시스템(130)의 디스플레이 상에서 선택된 구조화된 질의를 탭) 사용자가 소셜 네트워크 시스템(160)이 실행하길 원하는 특정 구조화된 질의를 표시할 수 있다. 특정 실시예에서, 구조화된 질의는 질의 사용자에게 순위화된 순서, 예컨대 상술한 바와 같이 이전에 결정된 비용 계산에 기반하여 표시될 수 있다. 높게 순위 매겨진 구조화된 질의는 더 눈에 잘 띄는 위치에 표시될 수 있다. 나아가, 특정 실시예에서, 임계 비용값 이하로 비용 계산된 구조화된 질의만이 질의 사용자에게 디스플레이될 수 있다. 예로서 제한 없이, 도 9-10에 도시된 바와 같이, 구조화된 질의는 질의 사용자에게 드롭 다운 메뉴(300)에 표시될 수 있는데 높게 순위 매겨진 구조화된 질의는 메뉴의 위에, 낮게 순위 매겨진 구조화된 질의는 드롭 다운 메뉴(300)에 내림차순으로 표시될 수 있다. 특정 실시예에서, 구조화된 질의의 하나 이상의 참조는 특정 소셜 그래프 요소로의 대응을 표시하기 위하여 강조될 수 있다(예컨대, 윤곽선, 밑줄, 동그라미, 볼드, 이탤릭, 색, 빛남, 오프셋, 대문자). 나아가, 검색 결과 타입에 대응하는 그래픽 표시가 드롭 다운 메뉴(300)의 구조화된 질의와 함께 표시될 수 있다. 본 명세서가 특정 방식으로 특정 구조화된 질의를 디스플레이하는 것을 설명하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 구조화된 질의를 디스플레이하는 것을 고려한다.
상술한 바와 같이, 클라이언트측 타이프어헤드 프로세스는 각 키스트로크 후 검색 질의 필드(350) 내의 텍스트 입력을 기정의된 문법 템플릿에 매칭시킬 수 있다. 그 결과, 드롭 다운 메뉴(300)에 디스플레이되는 식별된 구조화된 질의는 각 키스트로크 후 업데이트될 수 있다. 도 9의 예시에서, 드롭 다운 메뉴(300)은 텍스트 입력 "photos"와 매칭되는 6개의 가장 높은 순위의 구조화된 질의를 디스플레이할 수 있다. 사용자가 검색 질의 필드(350)에 추가 문자를 제공함에 따라, 클라이언트측 타이프어헤드 프로세스는 추가 텍스트를 평가하여 사용자에게 드롭 다운 메뉴(300)에 표시되는 구조화된 질의를 업데이트할 수 있다. 도 10의 예시에서, 드롭 다운 메뉴(300)는 텍스트 입력 "photos of my"에 매칭되는 6개의 가장 높은 순위의 구조화된 질의를 디스플레이할 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 질의중인 사용자로부터 모바일 클라이언트 시스템(130)로부터의 드롭 다운 메뉴(300)의 구조화된 질의 중 하나의 선택을 수신할 수 있다. 수신된 구조화된 질의에서 참조되는 노드 및 에지는 각각 선택된 노드 및 선택된 에지라고 일컬어질 수 있다. 예로서 제한 없이, 질의중인 사용자의 모바일 클라이언트 장치(130)에서 웹 브라우저나 UI는 상술된 바와 같이 드롭-다운 메뉴(300)에서 식별된 구조화된 질의를 디스플레이할 수 있는데, 이후 사용자는 사용자가 소셜 네트워킹 시스템(160)이 실행하길 원하는 특정 구조화된 질의를 표시하도록 (예컨대, 모바일 클라이언트 시스템(130)의 디스플레이에서 선택된 구조화된 질의를 탭하여) 클릭하거나 선택할 수 있다. 예로서 제한 없이, 도 10을 참조하면, 질의 사용자는 검색 질의 필드(350)에 후속 입력 구조화되지 않은 텍스트 질의 "photos of my"를 수정할 수 있다. 모바일 클라이언트 시스템(130)은 업데이트된 n-그램 및 업데이트된 n―그램에 기반하여 각 저장된 문법 템플릿에 대하여 재계산된 비용에 기반하여 디스플레이된 구조화된 질의를 수정할 수 있다. 특정 식별된 구조화된 질의를 선택하면, 사용자의 모바일 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.
도 11은 클라이언트측 구조화된 검색 질의를 생성하는 방법의 예시를 도시한다. 방법은 단계 1110에서 시작할 수 있는데, 모바일 클라이언트 시스템은 온라인 소셜 네트워크의 제1 사용자로부터 구조화되지 않은 텍스트 질의를 수신할 수 있다. 단계 1120에서, 온라인 소셜 네트워크의 소셜 그래프의 복수의 제1 노드 중 하나 이상의 노드는 모바일 클라이언트 시스템의 데이터 저장소로부터 접근될 수 있다. 특정 실시예에서, 소셜 그래프는 복수의 노드와 노드를 연결하는 복수의 에지를 포함한다. 나아가, 두 노드 사이의 각 에지는 그들 사이의 1도의 이격도를 나타낼 수 있다. 특정 실시예에서, 노드는 온라인 소셜 네트워크와 연관된 컨셉이나 제2 사용자에 각각 대응하는 제1 노드와 제1 사용자에 대응하는 제2 노드를 포함할 수 있다. 단계 1130에서, 문법 템플릿의 세트가 모바일 클라이언트 시스템의 데이터 저장소로부터 접근될 수 있다. 특정 실시예에서, 각 문법 템플릿은 하나 이상의 비-종단 토큰과 하나 이상의 질의 토큰을 포함한다. 상술한 바와 같이, 질의나 종단 토큰은 하나 이상의 식별된 소셜 그래프 요소에 대응할 수 있다. 나아가, 특정 비-종단 토큰은 문법 템플릿에서 하나 이상의 식별된 소셜 그래프 요소(예컨대, 질의 토큰)으로 대체될 수 있다. 특정 실시예에서, 질의 토큰은 0 이상의 제2 노드와 하나 이상의 에지로의 참조를 포함한다. 예로서 제한 없이, 각 문법 템플릿은 자연 언어 문자열에 기반한다. 단계 1140에서, 모바일 클라이언트 시스템은 구조화되지 않은 텍스트 질의를 하나 이상의 접근된 노드와 매칭된 노드에 대응하는 비-종단 토큰을 가지는 하나 이상의 문법 템플릿에 매칭시킴으로써 하나 이상의 완성된 구조화된 질의를 생성할 수 있다. 예로서 제한 없이, 구조화되지 않은 텍스트 질의를 하나 이상의 문법 템플릿에 매칭시키는 것은 하나 이상의 n-그램과 문법 템플릿의 하나 이상의 질의 토큰 사이의 부분 문자 매칭에 적어도 부분적으로 기반할 수 있다. 특정 실시예에서, 각 구조화된 질의는 대응하는 문법 템플릿에서 참조되는 0 이상의 제2 노드와 하나 이상의 에지 및 하나 이상의 비-종단 토큰에 매칭되는 하나 이상의 접근된 노드에 대한 참조를 포함할 수 있다. 단계 1150에서, 모바일 클라이언트 시스템은 하나 이상의 완성된 구조화된 질의를 제1 사용자에게 디스플레이할 수 있다. 적절한 경우, 특정 실시예는 도 11의 방법의 하나 이상의 단계를 반복할 수 있다. 비록 본 명세서는 특정 순서로 발생하는 것으로서 도 11의 방법의 특정 단계들을 기술하고 도시하지만, 본 명세서는 임의의 적절한 순서로 발생하는 도 11의 방법의 임의의 적절한 단계들을 고려한다. 게다가, 비록 본 명세서는 도 11의 방법의 특정 단계를 수행하는 특정 컴포넌트, 장치 또는 시스템을 기술하고 도시하지만, 본 명세서는 도 11의 방법의 임의의 적절한 단계를 수행하는 임의의 적절한 컴포넌트, 장치 또는 시스템의 임의의 적절한 조합을 고려한다.
소셜 그래프 친밀도 및 계수
특정 실시예로, 소셜 네트워킹 시스템(160)은 다양한 소셜 그래프 엔티티들의 서로에 대한 소셜 그래프 친밀도(이하 "친밀도"라고도 함)를 결정할 수 있다. 친밀도는 사용자, 컨셉, 컨텐츠, 행위, 광고, 온라인 소셜 네트워크와 연관된 다른 객체, 또는 이들의 임의의 적절한 조합과 같이 온라인 소셜 네트워크와 연관된 특정 객체들 사이의 관계의 강도 또는 관심의 정도를 표현할 수 있다. 친밀도는 또한, 제3자 시스템(170) 또는 다른 적절한 시스템과 연관된 객체에 관련하여 결정될 수 있다. 각각의 사용자, 주제, 또는 컨텐츠의 타입에 대한 소셜 그래프 엔티티의 전체 친밀도가 확립될 수 있다. 전체 친밀도는 소셜 그래프 엔티티와 연관된 행위 또는 관계에 대한 지속적인 모니터링에 기초하여 변경될 수 있다. 비록 본 명세서는 특정 방식으로 특정 친밀도를 결정하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 임의의 적절한 친밀도를 결정하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 친밀도 계수(이하 "계수"라고도 함)을 사용하여 소셜 그래프 친밀도를 측정하거나 수량화할 수 있다. 계수는 온라인 소셜 네트워크와 연관된 특정 객체 사이의 관계의 강도를 표현하거나 수량화할 수 있다. 계수는 또한, 행위에 대한 사용자의 관심에 기초하여 사용자가 특정 행위를 수행할 예측된 확률을 측정하는 확률 또는 함수를 표현할 수 있다. 이러한 방식으로, 사용자의 미래의 행위는 사용자의 과거의 행위에 기초하여 예측될 수 있고, 여기서 계수는 사용자의 행위의 이력에 적어도 부분적으로 기초하여 계산될 수 있다. 계수는 온라인 소셜 네트워크 내부 또는 외부일 수 있는 임의의 개수의 행위를 예측하는데 사용될 수 있다. 예로서 제한 없이, 이러한 행위는 메시지 전송, 컨텐츠 게시 또는 컨텐츠에 대해 코멘트하기와 같은 다양한 타입의 통신; 프로필 페이지, 미디어 또는 다른 적절한 컨텐츠에 액세스하거나 열람하는 것과 같은 다양한 타입의 관찰 행위; 동일한 그룹에 있거나, 동일한 사진에 태그되거나, 동일한 위치에 체크인되거나, 동일한 이벤트에 참석하는 것과 같은 둘 이상의 소셜 그래프 엔티티들에 관한 다양한 타입의 일치 정보(coincidence information); 또는 다른 적절한 행위를 포함할 수 있다. 비록 본 명세서는 특정 방식으로 친밀도를 측정하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 친밀도를 측정하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 계수를 계산하기 위해 다양한 인자를 사용할 수 있다. 이러한 인자는 예컨대, 사용자 행위, 객체, 위치 정보, 다른 적절한 인자, 또는 이들의 임의의 조합을 포함할 수 있다. 특정 실시예로, 상이한 인자는 계수를 계산할 때 다른 가중치가 적용될 수 있다. 각각의 인자에 대한 가중치는 일정하거나, 또는 가중치는 예컨대, 사용자, 관계의 타입, 행위의 타입, 사용자의 위치 등에 따라 변경될 수 있다. 인자에 대한 등급(rating)은 사용자를 위한 전체 계수를 결정하기 위해 그들의 가중치에 따라 조합될 수 있다. 예로서 제한 없이, 특정 사용자 행위에는 등급 및 가중치 모두가 할당되는 한편, 특정 사용자 행위와 연관된 관계에는 등급 및 상관 가중치(예컨대, 가중치가 총 100%가 됨)가 할당된다. 특정 객체를 향하는 사용자의 계수를 계산하기 위해, 사용자의 행위에 할당된 등급은 예컨대, 전체 계수의 60%를 포함할 수 있는 한편, 사용자 및 객체 사이의 관계는 전체 계수의 40%를 포함할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 계수를 계산하는데 사용되는 다양한 인자에 대한 가중치를 결정할 때, 가령 예컨대, 정보가 액세스된 이후의 시간, 붕괴 인자(decay factor), 액세스의 빈도, 정보에 대한 관계, 또는 정보가 액세스된 객체에 대한 관계, 객체에 연결된 소셜 그래프 엔티티에 대한 관계, 사용자 행위의 단기 또는 장기 평균, 사용자 피드백, 다른 적절한 변수, 또는 이들의 임의의 조합과 같은 다양한 변수를 고려할 수 있다. 예로서 제한 없이, 계수는 특정 행위에 의해 제공된 신호의 강도가 시간에 따라 붕괴되도록 야기하는 붕괴 인자를 포함할 수 있어서, 더 최근의 행위가 계수를 계산할 때보다 관련이 있도록 한다. 등급 및 가중치는 계수가 기초로 하는 행위에 대한 지속적인 추적에 기초하여 연속으로 업데이트될 수 있다. 임의의 타입의 프로세스 또는 알고리즘은 각각의 인자에 대한 등급 및 인자에 할당되는 가중치를 할당하고, 조합하며, 평균을 내는 등에 이용될 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 과거의 행위 및 과거의 사용자 응답에 대해 훈련된 기계-습득 알고리즘, 또는 데이터를 다양한 옵션 및 측정 응답에 노출함으로써 사용자로부터 획득(farm)되는 데이터를 사용하여 계수를 결정할 수 있다. 비록 본 명세서는 특정 방식으로 계수를 계산하는 것을 기술하지만, 본 명세서는 임의의 적절한 방식으로 계수를 계산하는 것을 고려한다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 사용자의 행위에 기초하여 계수를 계산할 수 있다. 소셜 네트워킹 시스템(160)은 온라인 소셜 네트워크에서, 제3자 시스템(170)에서, 다른 적절한 시스템에서, 또는 이들의 임의의 조합에서 이러한 행위를 모니터링할 수 있다. 임의의 타입의 사용자 행위가 추적되거나 모니터링될 수 있다. 전형적인 사용자 행위는 프로필 페이지 보기, 컨텐츠 생성 또는 게시, 컨텐츠와 상호작용, 이미지에서 태그하거나 태그되기, 그룹에 가입, 이벤트의 참석을 리스팅하고 확인하기, 위치에 체크인하기, 특정 페이지를 좋아하기, 페이지를 생성하기, 및 소셜 행위를 용이하게 하는 다른 작업을 수행하기를 포함할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 특정 타입의 컨텐츠를 갖는 사용자의 행위에 기초하여 계수를 계산할 수 있다. 컨텐츠는 온라인 소셜 네트워크, 제3자 시스템(170), 또는 다른 적절한 시스템과 연관될 수 있다. 컨텐츠는 사용자, 프로필 페이지, 게시물, 뉴스 소식, 헤드라인, 인스턴트 메시지, 채팅방 대화, 이메일, 광고, 사진, 비디오, 음악, 다른 적절한 객체, 또는 이들의 임의의 조합을 포함할 수 있다. 소셜 네트워킹 시스템(160)은 하나 이상의 행위가 주제, 컨텐츠, 다른 사용자 등에 대한 친밀도를 표시하는지 여부를 결정하기 위해 사용자의 행위를 분석할 수 있다. 예로서 제한 없이, 사용자가 "커피" 또는 그것의 변형품과 관련된 컨텐츠를 자주 게시한다면, 소셜 네트워킹 시스템(160)은 사용자가 컨셉 "커피"에 관해 높은 계수를 가진다고 결정할 수 있다. 특정 행위 또는 특정 타입의 행위에 다른 행위보다 더 높은 가중치 및/또는 등급이 할당될 수 있고, 이는 전체 계산된 계수에 영향을 줄 수 있다. 예로서 제한 없이, 제1 사용자가 제2 사용자에게 이메일을 보낸다면, 행위에 대한 가중치 또는 등급은 사용자가 제2 사용자를 위한 사용자-프로필 페이지를 단순히 보는 것보다 더 높을 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 특정 객체들 사이의 관계의 타입에 기초하여 계수를 계산할 수 있다. 소셜 그래프(200)를 참조하면, 소셜 네트워킹 시스템(160)은 계수를 계산할 때, 특정 사용자 노드(202) 및 컨셉 노드(204)를 연결하는 에지(206)의 개수 및/또는 타입을 분석할 수 있다. 예로서 제한 없이, 배우자-타입 에지 (두 명의 사용자가 혼인관계임을 표현함)에 의해 연결된 사용자 노드(202)는 친구-타입 에지에 의해 연결된 사용자 노드(202)보다 높은 계수가 할당될 수 있다. 즉, 특정 사용자에 대한 행위 및 관계에 할당된 가중치에 의존하여, 전체 친밀도는 사용자의 배우자에 관한 컨텐츠에 대해 사용자의 친구에 관한 컨텐츠보다 높게 결정될 수 있다. 특정 실시예로, 다른 객체에 대해 사용자가 갖는 관계는 그 객체에 대한 계수를 계산하는데 있어서 사용자의 행위의 가중치 및/또는 등급에 영향을 줄 수 있다. 예로서 제한 없이, 사용자가 제1 사진에서 태그되지만, 제2 사진은 오로지 좋아하기만 한다면, 소셜 네트워킹 시스템(160)은, 컨텐츠와 태그-인 타입 관계를 가지는 것에 컨텐츠와 좋아요-타입 관계를 가지는 것보다 높은 가중치 및/또는 등급이 할당되기 때문에 사용자가 제2 사진보다 제1 사진에 대해 더 높은 계수를 가진다고 결정할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 특정 객체에 대해 하나 이상의 제2 사용자가 갖는 관계에 기초하여 제1 사용자에 대한 계수를 계산할 수 있다. 즉, 다른 사용자가 객체에 대해 갖는 연결 및 계수는 제1 사용자의 객체에 대한 계수에 영향을 줄 수 있다. 예로서 제한 없이, 제1 사용자가 하나 이상의 제2 사용자에게 연결되거나 제2 사용자에 대해 높은 계수를 가지며 이러한 제2 사용자가 특정 객체에 연결되거나 특정 객체에 대해 높은 계수를 가진다면, 소셜 네트워킹 시스템(160)은 제1 사용자 또한 특정 객체에 대해 상대적으로 높은 계수를 가진다고 결정할 수 있다. 특정 실시예로, 계수는 특정 객체 사이의 이격도에 기초할 수 있다. 낮은 계수는 소셜 그래프(200)에서 제1 사용자에게 간접적으로 연결된 사용자의 컨텐츠 객체에 대한 관심을 제1 사용자가 공유할 가능성이 감소함을 표현할 수 있다. 예로서 제한 없이, 소셜 그래프(200)에서 더 가까운 (즉, 더 낮은 이격도의) 소셜 그래프 엔티티들은 소셜 그래프(200)에서 더 멀리 떨어진 엔티티들보다 높은 계수를 가질 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 위치 정보에 기초하여 계수를 계산할 수 있다. 서로 지리적으로 가까운 객체들은 더 떨어진 객체들보다 서로 더욱 관련되거나 서로에 대해 더 관심이 있는 것으로 여겨질 수 있다. 특정 실시예로, 특정 객체에 대한 사용자의 계수는 사용자 (또는 사용자의 클라이언트 시스템(130)의 위치)와 연관된 현재 위치에 대한 객체의 위치의 인접도에 기초할 수 있다. 제1 사용자는 제1 사용자에게 더 가까운 다른 사용자들 또는 컨셉들에 더 관심이 있을 수 있다. 예로서 제한 없이, 사용자가 공항으로부터 1마일 떨어져 있고, 주유소로부터 2마일 떨어져 있다면, 소셜 네트워킹 시스템(160)은 공항의 사용자에 대한 인접도에 기초하여 사용자가 주유소보다 공항에 대해 더 높은 계수를 가진다고 결정할 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은 계수 정보에 기초하여 사용자에 대해 특정 행위를 수행할 수 있다. 계수는 사용자의 행위에 대한 관심에 기초하여 사용자가 특정 행위를 수행할 것인지 여부를 예측하는데 사용될 수 있다. 계수는, 사용자에 대해 임의의 타입의 객체 가령, 광고, 검색 결과, 뉴스 소식, 미디어, 메시지, 알림, 또는 다른 적절한 객체들을 생성 또는 제시할 때 사용될 수 있다. 계수는 또한, 적절한 경우 이러한 객체들을 순위화하고 정렬하는데 이용될 수 있다. 이러한 방식으로, 소셜 네트워킹 시스템(160)은 사용자의 관심 및 현재 상황에 관련된 정보를 제공할 수 있고, 사용자가 이러한 관심이 있는 정보를 찾을 가능성을 증가시킨다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 계수 정보에 기초하여 컨텐츠를 생성할 수 있다. 컨텐츠 객체는 사용자 고유의 계수에 기초하여 제공되거나 선택될 수 있다. 예로서 제한 없이, 계수는 사용자를 위한 미디어를 생성하는데 사용될 수 있으며, 여기서 사용자에게는, 사용자가 미디어 객체에 관해 높은 전체 계수를 갖는 미디어가 제시될 수 있다. 다른 예로서 제한 없이, 계수는 사용자를 위한 광고를 생성하는데 사용될 수 있으며, 여기서 사용자에게는, 사용자가 광고되는 객체에 관해 높은 전체 계수를 가지는 광고가 제시될 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 계수 정보에 기초하여 검색 결과를 생성할 수 있다. 특정 사용자를 위한 검색 결과는 질의하는 사용자와 관련하여 검색 결과와 연관되는 계수에 기초하여 점수화 또는 순위화될 수 있다. 예로서 제한 없이, 더 높은 계수를 갖는 객체에 대응하는 검색 결과는 더 낮은 계수를 갖는 객체에 대응하는 결과보다 검색-결과 페이지에서 더 높게 순위화될 수 있다.
특정 실시예로, 소셜 네트워킹 시스템(160)은, 특정 시스템 또는 프로세스로부터의 계수의 대한 요청에 응답하여 계수를 계산할 수 있다. 주어진 상황에서 사용자가 행하거나 (또는 그 대상이 될) 가능성이 높은 행위를 예측하기 위해, 임의의 프로세스는 사용자를 위해 계산된 계수를 요청할 수 있다. 요청은 또한, 계수를 계산하는데 사용되는 다양한 인자를 위해 사용할 가중치의 세트를 포함할 수 있다. 이러한 요청은 온라인 소셜 네트워크에서 실행되는 프로세스로부터, 제3자 시스템(170)으로부터 (예컨대, API 또는 다른 통신 채널을 통해), 또는 다른 적절한 시스템으로부터 올 수 있다. 요청에 응답하여, 소셜 네트워킹 시스템(160)은 계수를 계산하거나 (계수가 이미 계산되고 저장되었다면 계수 정보에 액세스)할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(160)은 특정 프로세스에 관한 친밀도를 측정할 수 있다. (온라인 소셜 네트워크의 내부 및 외부 모두에서의) 상이한 프로세스는 특정 객체 또는 객체들의 세트에 대한 계수를 요청할 수 있다. 소셜 네트워킹 시스템(160)은 친밀도의 측정을 요청한 특정 프로세스에 관련되는 친밀도의 측정을 제공할 수 있다. 이러한 방식으로, 각각의 프로세스는, 프로세스가 친밀도의 측정을 사용하는 상이한 컨텍스트를 위해 맞춰진(tailored) 친밀도의 측정을 수신한다.
소셜 그래프 친밀도 및 친밀도 계수와 관련하여, 특정 실시예는, 각각이 참조로 통합되는, 2006년 8월 11일자 출원된 미국 특허출원 번호 제11/503093호, 2010년 12월 22일자 출원된 미국 특허출원 번호 제12/977027호, 2010년 12월 23일자 출원된 미국 특허출원 번호 제12/978265호, 및 2012년 10월 1일자 출원된 미국 특허출원 번호 제13/632869호에 개시된 하나 이상의 시스템, 컴포넌트, 구성요소, 기능, 방법, 동작, 또는 단계를 이용할 수 있다.
시스템 및 방법
도 12는 예시적인 컴퓨터 시스템(1200)을 도시한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(1200)은 본 명세서에 기술되거나 도시된 하나 이상의 방법들의 하나 이상의 단계들을 수행한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(1200)은 본 명세서에 기술되거나 도시된 기능을 제공한다. 특정 실시예로, 하나 이상의 컴퓨터 시스템들(1200)에서 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(1200)의 하나 이상의 부분들을 포함한다. 본 명세서에서, 컴퓨터 시스템에 대한 레퍼런스는 적절한 경우 컴퓨팅 장치를 포함할 수 있다. 게다가, 컴퓨터 시스템에 대한 레퍼런스는 적절한 경우 하나 이상의 컴퓨터 시스템을 포함할 수 있다.
본 명세서는 임의의 적절한 수의 컴퓨터 시스템(1200)을 고려한다. 본 명세서는 임의의 적절한 물리적 형태를 취하는 컴퓨터 시스템(1200)을 고려한다. 예로서 제한 없이, 컴퓨터 시스템(1200)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(1200)은 하나 이상의 컴퓨터 시스템(1200)들을 포함할 수 있거나; 일체형 또는 분산형일 수 있거나; 다수의 위치에 걸쳐 있거나; 다수의 기계에 걸쳐 있거나; 다수의 데이터센터에 걸쳐 있거나; 하나 이상의 네트워크에 하나 이상의 클라우드 성분을 포함할 수 있는 클라우드에 상주할 수 있다. 적절한 경우, 하나 이상의 컴퓨터 시스템(1200)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(1200)은 본 명세서에 기술되거나 도시되는 하나 이상의 방법의 하나 이상의 단계를 실시간으로 또는 일괄 모드로 실행할 수 있다. 적절한 경우, 하나 이상의 컴퓨터 시스템(1200)은 본 명세서에 기술되거나 도시되는 하나 이상의 방법의 하나 이상의 단계를 다른 시기에 또는 다른 위치에서 실행할 수 있다.
특정 실시예로, 컴퓨터 시스템(1200)은 프로세서(1202), 메모리(1204), 저장소(1206), 입력/출력(I/O) 인터페이스(1208), 통신 인터페이스(1210) 및 버스(1212)를 포함한다. 본 명세서가 특정 배열로 특정한 수의 특정 구성요소를 갖는 특정 컴퓨터 시스템을 기술하고 도시하지만, 본 명세서는 임의의 적절한 구성으로 임의의 적절한 수의 임의의 적절한 구성요소를 갖는 임의의 적절한 컴퓨터 시스템을 고려한다.
특정 실시예로, 프로세서(1202)는 가령 컴퓨터 프로그램을 구성하는 명령어와 같은 명령어를 실행하기 위한 하드웨어를 포함한다. 예로서 제한 없이, 명령어를 실행하기 위해, 프로세서(1202)는 내부 레지스터, 내부 캐시, 메모리(1204) 또는 저장소(1206)로부터 명령어를 검색(또는 페치(fetch))할 수 있고; 명령어를 디코딩하고 실행한 후; 하나 이상의 결과를 내부 레지스터, 내부 캐시, 메모리(1204) 또는 저장소(1206)에 기록할 수 있다. 특정 실시예로, 프로세서(1202)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(1202)를 고려한다. 예로서 제한 없이, 프로세서(1202)는 하나 이상의 명령어 캐시들, 하나 이상의 데이터 캐시들 및 하나 이상의 변환 색인 버퍼(translation lookaside buffers, TLBs)를 포함할 수 있다. 명령어 캐시 내 명령어들은 메모리(1204)나 저장소(1206) 내 명령어들의 사본일 수 있고, 명령어 캐시는 프로세서(1202)에 의한 이런 명령어들의 검색 속도를 높일 수 있다. 데이터 캐시 내 데이터는 프로세서(1202)에서 실행하는 다음 명령들에 의해 접근하거나 메모리(1204)나 저장소(1206)로 기록하기 위해 프로세서(1202)에서 실행되는 이전 명령들의 결과; 또는 다른 적절한 데이터를 동작하는데 프로세서(1202)에서 실행하는 명령어를 위한 메모리(1204)나 저장소(1206) 내의 데이터의 사본일 수 있다. 데이터 캐시는 프로세서(1202)에 의한 판독 또는 기록 동작의 속도를 높일 수 있다. TLB들은 프로세서(1202)에 의한 가상 주소 변환의 속도를 높일 수 있다. 특정 실시예로, 프로세서(1202)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(1202)를 고려한다. 적절한 경우, 프로세서(1202)는 하나 이상의 산술 논리 유닛(ALUs)을 포함할 수 있거나; 멀티-코어 프로세서일 수 있거나; 하나 이상이 프로세서들(1202)을 포함할 수 있다. 본 명세서가 특정 프로세서를 기술하고 도시하지만, 본 명세서는 임의의 적절한 프로세서를 고려한다.
특정 실시예로, 메모리(1204)는 프로세서(1202)가 실행하는 명령어 또는 프로세서(1202)가 운영하는 데이터를 저장하기 위한 메인 메모리를 포함한다. 예로서 제한 없이, 컴퓨터 시스템(1200)은 저장소(1206)나 또 다른 소스(가령, 예컨대 또 다른 컴퓨터 시스템(1200))에서 메모리(1204)로 명령어를 로딩할 수 있다. 이후, 프로세서(1202)는 메모리(1204)에서 내부 레지스터나 내부 캐시로 명령어를 로딩할 수 있다. 명령어를 실행하기 위해, 프로세서(1202)는 내부 레지스터나 내부 캐시로부터 명령어를 검색하고 이들을 디코딩할 수 있다. 명령어의 실행 중 또는 실행 후, 프로세서(1202)는 (중간 결과 또는 최종 결과일 수 있는) 하나 이상의 결과를 내부 레지스터나 내부 캐시로 기록할 수 있다. 이후, 프로세서(1202)는 하나 이상의 이런 결과를 메모리(1204)에 기록할 수 있다. 특정 실시예로, 프로세서(1202)는 (저장소(1206) 또는 다른 곳과는 대조적으로) 하나 이상의 내부 레지스터나 내부 캐시에서 또는 메모리(1204)에서 단지 명령어만을 실행하며, (저장소(1206) 또는 다른 곳과는 대조적으로) 하나 이상의 내부 레지스터나 내부 캐시에서 또는 메모리(1204)에서 단지 데이터만을 운영한다. (주소 버스 및 데이터 버스를 각각 포함할 수 있는) 하나 이상의 메모리 버스는 프로세서(1202)를 메모리(1204)로 연결할 수 있다. 하기에 기술되는 바와 같이, 버스(1212)는 하나 이상의 메모리 버스를 포함할 수 있다. 특정 실시예로, 하나 이상의 메모리 관리 유닛(MMUs)은 프로세서(1202)와 메모리(1204) 사이에 상주하며, 프로세서(1202)에 의해 요청되는 메모리(1204)로의 접근을 용이하게 한다. 특정 실시예로, 메모리(1204)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(1204)는 하나 이상의 메모리(1204)를 포함할 수 있다. 본 명세서가 특정 메모리를 기술하고 도시하지만, 본 명세서는 임의의 적절한 메모리를 고려한다.
특정 실시예로, 저장소(1206)는 데이터용 또는 명령어용 대용량 저장소를 포함한다. 예로서 제한 없이, 저장소(1206)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(1206)는 착탈식 또는 비-착탈식(또는 고정) 매체를 포함할 수 있다. 적절한 경우, 저장소(1206)는 컴퓨터 시스템(1200)의 내부 또는 외부에 있을 수 있다. 특정 실시예로, 저장소(1206)는 비휘발성, 고체-상태(solid-state) 메모리이다. 특정 실시예로, 저장소(1206)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(1206)를 고려한다. 적절한 경우, 저장소(1206)는 프로세서(1202)와 저장소(1206) 사이의 통신을 용이하게 하는 하나 이상의 저장소 제어 유닛을 포함할 수 있다. 적절한 경우, 저장소(1206)는 하나 이상의 저장소(1206)를 포함할 수 있다. 본 명세서가 특정 저장소를 기술하고 도시하지만, 본 명세서는 임의의 적절한 저장소를 고려한다.
특정 실시예로, I/O 인터페이스(1208)는 컴퓨터 시스템(1200)과 하나 이상의 I/O 장치 사이의 통신을 위한 하나 이상의 인터페이스를 제공하는 하드웨어, 소프트웨어 또는 이들 모두를 포함한다. 적절한 경우, 컴퓨터 시스템(1200)은 하나 이상의 이들 I/O 장치를 포함할 수 있다. 하나 이상의 이들 I/O 장치는 사람과 컴퓨터 시스템(1200) 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, 또 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(1208)를 고려한다. 적절한 경우, I/O 인터페이스(1208)는 프로세서(1202)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(1208)는 하나 이상의 I/O 인터페이스(1208)를 포함할 수 있다. 본 명세서가 특정 I/O 인터페이스를 기술하고 도시하지만, 본 명세서는 임의의 적절한 I/O 인터페이스를 고려한다.
특정 실시예로, 통신 인터페이스(1210)는 컴퓨터 시스템(1200)과 하나 이상의 다른 컴퓨터 시스템(1200)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(1210)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(1210)를 고려한다. 예로서 제한 없이, 컴퓨터 시스템(1200)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(1200)은 무선 PAN(WPAN)(가령, 예컨대 BLUETOOTH WPAN), WI-FI 네트워크, WI-MAX 네트워크, 셀룰러폰 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(1200)은 임의의 이들 네트워크에 대한 임의의 적절한 통신 인터페이스(1210)를 포함할 수 있다. 적절한 경우, 통신 인터페이스(1210)는 하나 이상의 통신 인터페이스(1210)를 포함할 수 있다. 본 명세서가 특정 통신 인터페이스를 기술하고 도시하지만, 본 명세서는 임의의 적절한 통신 인터페이스를 고려한다.
특정 실시예로, 버스(1212)는 컴퓨터 시스템(1200)의 구성요소를 서로 연결하는 하드웨어, 소프트웨어 또는 이들 모두를 포함한다. 예로서 제한 없이, 버스(1212)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, 또 다른 적절한 버스 또는 2 이상의 이런 버스의 조합을 포함할 수 있다. 적절한 경우, 버스(1212)는 하나 이상의 버스(1212)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.
기타
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 (31)
- 모바일 클라이언트 시스템과 관련된 하나 이상의 프로세서에 의해:
모바일 클라이언트 시스템에서, 온라인 소셜 네트워크의 제1 사용자로부터 비구조화된 텍스트 질의를 수신하는 단계;
모바일 클라이언트 시스템의 데이터 스토어로부터, 온라인 소셜 네트워크의 소셜 그래프의 노드들의 세트에 액세스하는 단계;
모바일 클라이언트 시스템의 데이터 스토어로부터, 하나 이상의 비-종단 토큰 및 하나 이상의 질의 토큰을 각각 포함하는 문법 템플릿들의 세트에 액세스하는 단계;
모바일 클라이언트 시스템에 의해, 매칭된 노드에 대응하는 비-종단 토큰을 가지는 하나 이상의 문법 템플릿 및 하나 이상의 액세스된 노드와 비구조화된 텍스트 질의를 매칭함으로써 하나 이상의 구조화된 질의를 생성하는 단계; 및
모바일 클라이언트 시스템에서, 제1 사용자에게 하나 이상의 구조화된 질의를 디스플레이하는 단계를 포함하며,
상기 소셜 그래프는 복수의 노드 및 노드들을 연결하는 복수의 에지를 포함하고, 상기 노드는: 제1 사용자에 대응하는 제1 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 대응하는 복수의 제2 노드를 포함하며,
상기 질의 토큰은 0 이상의 제2 노드 및 하나 이상의 에지에 대한 참조를 포함하고, 각각의 문법 템플릿은 자연어 문자열(natural-language string)에 기반하며,
각각의 구조화된 질의는 대응하는 문법 템플릿에서 참조되는 0 이상의 제2 노드와 하나 이상의 에지 및 하나 이상의 비-종단 토큰에 매칭되는 하나 이상의 액세스된 노드에 대한 참조를 포함하는 방법. - 제 1 항에 있어서,
모바일 클라이언트 시스템에 의해, 비구조화된 텍스트 질의를 하나 이상의 n-그램으로 파싱(parsing)하는 단계; 및
모바일 클라이언트 시스템에 의해, 비-종단 또는 질의 토큰 중 하나에 대응하지 않는 하나 이상의 n-그램에 적어도 부분적으로 기반하여 각각의 문법 템플릿에 대한 비용을 계산하는 단계를 더 포함하는 방법. - 제 1 항 또는 제 2 항에 있어서,
각각의 비-종단 및 질의 토큰은 관련 삽입 비용(insertion cost)을 가지며,
비용을 계산하는 단계는 하나 이상의 n-그램에 대응하지 않는 각각의 비-종단 또는 질의 토큰에 대한 삽입 비용을 발생시키는 단계를 포함하고,
바람직하게, 비용을 계산하는 단계는 모바일 클라이언트 시스템에 의해 각각의 비-종단 토큰의 삽입 비용에 적어도 부분적으로 기반하여 특정 n-그램에 대응하는 하나 이상의 비-종단 토큰 중 특정 비-종단 토큰을 식별하는 단계를 포함하며; 및/또는
비용을 계산하는 단계는:
모바일 클라이언트 시스템에 의해, 액세스된 노드 중 하나를 비-종단 토큰 중 하나와 연관시키는 단계; 및
n-그램 중 하나에 대응하지 않는 연관되는 액세스된 노드에 기반하여 비-종단 토큰 및 연관되는 액세스된 노드에 대한 삽입 비용을 발생시키는 단계를 포함하는 방법. - 제 3 항에 있어서,
모바일 클라이언트 시스템에 의해, 관련 문법 템플릿의 계산된 비용에 적어도 부분적으로 기반하여 하나 이상의 구조화된 질의를 순위화하는 단계를 더 포함하는 방법. - 제 3 항 또는 제 4 항에 있어서,
비용을 계산하는 단계는 각각의 문법 템플릿과 관련된 기본 비용(base cost)을 발생시키는 단계를 포함하며,
기본 비용은 각각의 문법 템플릿에 기반한 하나 이상의 검색 질의와 관련된 인기도(popularity measure)와 반비례하며,
바람직하게, 인기도는 제1 사용자의 검색-질의 이력에 적어도 부분적으로 기반하며; 및/또는
인기도는 온라인 소셜 네트워크의 사용자들의 검색-질의 이력에 적어도 부분적으로 기반하는 방법. - 제 1 항 내지 제 5 항 중 어느 한 항에 있어서,
디스플레이되는 각각의 구조화된 질의는 임계 비용 값 미만의 계산된 비용을 가지는 방법. - 제 1 항 내지 제 6 항 중 어느 한 항에 있어서,
모바일 클라이언트 시스템에 의해, 제1 사용자로부터 입력을 수신하는 단계는 사용자가 문자열을 그래픽 사용자 인터페이스로 입력할 때 문자열의 하나 이상의 문자를 수신하는 단계를 포함하며;
바람직하게, 모바일 클라이언트 시스템에 의해, 사용자가 하나 이상의 후속 문자를 그래픽 사용자 인터페이스에 입력할 때 변경되는 비구조화된 텍스트 질의에 매칭시켜 하나 이상의 구조화된 질의를 업데이트하는 단계를 더 포함하는 방법. - 제 1 항 내지 제 7 항 중 어느 한 항에 있어서,
노드들의 세트 중 각 노드는 임계값을 초과하는 계수를 가지는 방법. - 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
모바일 컴퓨팅 장치에 의해, 기결정된 간격으로, 온라인 소셜 네트워크로부터 문법 템플릿들의 업데이트된 세트 또는 노드들의 업데이트된 세트를 수신하는 단계를 더 포함하는 방법. - 제 1 항 내지 제 9 항 중 어느 한 항에 있어서,
제1 사용자가 디스플레이되는 구조화된 질의 중 하나를 선택함에 응답하여, 모바일 클라이언트 시스템에 의해, 선택되는 구조화된 질의를 온라인 소셜 네트워크로 송신하는 단계를 더 포함하는 방법. - 제 10 항에 있어서,
선택되는 구조화된 질의가 온라인 소셜 네트워크로 송신됨에 응답하여, 모바일 클라이언트 시스템에 의해, 하나 이상의 검색 결과를 수신하는 단계를 더 포함하는 방법. - 제 11 항에 있어서,
각각의 검색 결과는 복수의 제2 노드 중 특정 제2 노드에 대응하는 방법. - 제 1 항 내지 제 12 항 중 어느 한 항에 있어서,
노드들의 세트는 기결정된 수의 노드를 포함하며;
문법 템플릿들의 세트는 기결정된 수의 문법 템플릿을 포함하는 방법. - 제 2 항에 있어서,
각각의 비-종단 및 질의 토큰은 관련 삽입 비용을 가지며;
비용을 계산하는 단계는 하나 이상의 n-그램에 대응하지 않는 각각의 비-종단 또는 질의 토큰에 대한 삽입 비용을 발생시키는 단계를 포함하는 방법. - 제 14 항에 있어서,
비용을 계산하는 단계는 모바일 클라이언트 시스템에 의해 각각의 비-종단 토큰의 삽입 비용에 적어도 부분적으로 기반하여 특정 n-그램에 대응하는 하나 이상의 비-종단 토큰 중 특정 비-종단 토큰을 식별하는 단계를 포함하는 방법. - 제 14 항에 있어서,
비용을 계산하는 단계는:
모바일 클라이언트 시스템에 의해, 액세스된 노드 중 하나를 비-종단 토큰 중 하나와 연관시키는 단계; 및
n-그램 중 하나에 대응하지 않는 연관되는 액세스된 노드에 기반하여 비-종단 토큰 및 연관되는 액세스된 노드에 대한 삽입 비용을 발생시키는 단계를 포함하는 방법. - 제 14 항에 있어서,
모바일 클라이언트 시스템에 의해, 관련 문법 템플릿의 계산된 비용에 적어도 부분적으로 기반하여 하나 이상의 구조화된 질의를 순위화하는 단계를 더 포함하는 방법. - 제 14 항에 있어서,
비용을 계산하는 단계는 각각의 문법 템플릿과 관련된 기본 비용을 발생시키는 단계를 포함하며,
기본 비용은 각각의 문법 템플릿에 기반한 하나 이상의 검색 질의와 관련된 인기도와 반비례하는 방법. - 제 18 항에 있어서,
인기도는 제1 사용자의 검색-질의 이력에 적어도 부분적으로 기반하는 방법. - 제 19 항에 있어서,
인기도는 온라인 소셜 네트워크의 사용자들의 검색-질의 이력에 적어도 부분적으로 기반하는 방법. - 제 1 항에 있어서,
디스플레이되는 각각의 구조화된 질의는 임계 비용 값 미만의 계산된 비용을 가지는 방법. - 제 1 항에 있어서,
모바일 클라이언트 시스템에 의해, 제1 사용자로부터 입력을 수신하는 단계는 사용자가 문자열을 그래픽 사용자 인터페이스로 입력할 때 문자열의 하나 이상의 문자를 수신하는 단계를 포함하는 방법. - 제 22 항에 있어서,
모바일 클라이언트 시스템에 의해, 사용자가 하나 이상의 후속 문자를 그래픽 사용자 인터페이스에 입력할 때 변경되는 비구조화된 텍스트 질의에 매칭시켜 하나 이상의 구조화된 질의를 업데이트하는 단계를 더 포함하는 방법. - 제 1 항에 있어서,
노드들의 세트 중 각 노드는 임계값을 초과하는 계수를 가지는 방법. - 제 1 항에 있어서,
모바일 컴퓨팅 장치에 의해, 기결정된 간격으로, 온라인 소셜 네트워크로부터 문법 템플릿들의 업데이트된 세트 또는 노드들의 업데이트된 세트를 수신하는 단계를 더 포함하는 방법. - 제 1 항에 있어서,
제1 사용자가 디스플레이되는 구조화된 질의 중 하나를 선택함에 응답하여, 모바일 클라이언트 시스템에 의해, 선택되는 구조화된 질의를 온라인 소셜 네트워크로 송신하는 단계를 더 포함하는 방법. - 제 26 항에 있어서,
선택되는 구조화된 질의가 온라인 소셜 네트워크로 송신됨에 응답하여, 모바일 클라이언트 시스템에 의해, 하나 이상의 검색 결과를 수신하는 단계를 더 포함하는 방법. - 제 27 항에 있어서,
각각의 검색 결과는 복수의 제2 노드 중 특정 제2 노드에 대응하는 방법. - 제 1 항에 있어서,
노드들의 세트는 기결정된 수의 노드를 포함하며;
문법 템플릿들의 세트는 기결정된 수의 문법 템플릿을 포함하는 방법. - 모바일 클라이언트 시스템에서, 온라인 소셜 네트워크의 제1 사용자로부터 비구조화된 텍스트 질의를 수신하고;
모바일 클라이언트 시스템의 데이터 스토어로부터, 온라인 소셜 네트워크의 소셜 그래프의 노드들의 세트에 액세스하며;
모바일 클라이언트 시스템의 데이터 스토어로부터, 하나 이상의 비-종단 토큰 및 하나 이상의 질의 토큰을 각각 포함하는 문법 템플릿들의 세트에 액세스하고;
모바일 클라이언트 시스템에 의해, 매칭된 노드에 대응하는 비-종단 토큰을 가지는 하나 이상의 문법 템플릿 및 하나 이상의 액세스된 노드와 비구조화된 텍스트 질의를 매칭함으로써 하나 이상의 구조화된 질의를 생성하며;
모바일 클라이언트 시스템에서, 제1 사용자에게 하나 이상의 구조화된 질의를 디스플레이하도록 실행될 때 동작하는 소프트웨어를 수록한 하나 이상의 컴퓨터-판독가능한 비-일시적 저장매체로서,
상기 소셜 그래프는 복수의 노드 및 노드들을 연결하는 복수의 에지를 포함하고, 상기 노드는: 제1 사용자에 대응하는 제1 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 대응하는 복수의 제2 노드를 포함하며,
상기 질의 토큰은 0 이상의 제2 노드 및 하나 이상의 에지에 대한 참조를 포함하고, 각각의 문법 템플릿은 자연어 문자열에 기반하며,
각각의 구조화된 질의는 대응하는 문법 템플릿에서 참조되는 0 이상의 제2 노드와 하나 이상의 에지 및 하나 이상의 비-종단 토큰에 매칭되는 하나 이상의 액세스된 노드에 대한 참조를 포함하는 컴퓨터-판독가능한 비-일시적 저장매체. - 하나 이상의 프로세서; 및
프로세서와 연결되고 프로세서에 의해 실행가능한 명령어를 포함하는 메모리를 포함하는 시스템으로서,
상기 프로세서는:
모바일 클라이언트 시스템에서, 온라인 소셜 네트워크의 제1 사용자로부터 비구조화된 텍스트 질의를 수신하고;
모바일 클라이언트 시스템의 데이터 스토어로부터, 온라인 소셜 네트워크의 소셜 그래프의 노드들의 세트에 액세스하며;
모바일 클라이언트 시스템의 데이터 스토어로부터, 하나 이상의 비-종단 토큰 및 하나 이상의 질의 토큰을 각각 포함하는 문법 템플릿들의 세트에 액세스하고;
모바일 클라이언트 시스템에 의해, 매칭된 노드에 대응하는 비-종단 토큰을 가지는 하나 이상의 문법 템플릿 및 하나 이상의 액세스된 노드와 비구조화된 텍스트 질의를 매칭함으로써 하나 이상의 구조화된 질의를 생성하며;
모바일 클라이언트 시스템에서, 제1 사용자에게 하나 이상의 구조화된 질의를 디스플레이하는 명령어를 실행할 때 동작하며,
상기 소셜 그래프는 복수의 노드 및 노드들을 연결하는 복수의 에지를 포함하고, 상기 노드는: 제1 사용자에 대응하는 제1 노드; 및 온라인 소셜 네트워크와 관련된 컨셉 또는 제2 사용자에 각각 대응하는 복수의 제2 노드를 포함하며,
상기 질의 토큰은 0 이상의 제2 노드 및 하나 이상의 에지에 대한 참조를 포함하고, 각각의 문법 템플릿은 자연어 문자열에 기반하며,
각각의 구조화된 질의는 대응하는 문법 템플릿에서 참조되는 0 이상의 제2 노드와 하나 이상의 에지 및 하나 이상의 비-종단 토큰에 매칭되는 하나 이상의 액세스된 노드에 대한 참조를 포함하는 시스템.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/158,594 | 2014-01-17 | ||
US14/158,594 US9336300B2 (en) | 2014-01-17 | 2014-01-17 | Client-side search templates for online social networks |
PCT/US2014/013258 WO2015108542A1 (en) | 2014-01-17 | 2014-01-28 | Client-side search templates for online social networks |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020177001245A Division KR101863269B1 (ko) | 2014-01-17 | 2014-01-28 | 온라인 소셜 네트워크용 클라이언트-측 검색 템플릿 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20160102321A true KR20160102321A (ko) | 2016-08-29 |
KR101702020B1 KR101702020B1 (ko) | 2017-02-02 |
Family
ID=53543300
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020167022463A KR101702020B1 (ko) | 2014-01-17 | 2014-01-28 | 온라인 소셜 네트워크용 클라이언트-측 검색 템플릿 |
KR1020177001245A KR101863269B1 (ko) | 2014-01-17 | 2014-01-28 | 온라인 소셜 네트워크용 클라이언트-측 검색 템플릿 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020177001245A KR101863269B1 (ko) | 2014-01-17 | 2014-01-28 | 온라인 소셜 네트워크용 클라이언트-측 검색 템플릿 |
Country Status (10)
Country | Link |
---|---|
US (3) | US9336300B2 (ko) |
JP (3) | JP6130609B2 (ko) |
KR (2) | KR101702020B1 (ko) |
CN (2) | CN107766479B (ko) |
AU (2) | AU2014377694B2 (ko) |
BR (1) | BR112016016607A2 (ko) |
CA (2) | CA2943317C (ko) |
IL (2) | IL246500A (ko) |
MX (2) | MX355290B (ko) |
WO (1) | WO2015108542A1 (ko) |
Families Citing this family (169)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
US10002189B2 (en) | 2007-12-20 | 2018-06-19 | Apple Inc. | Method and apparatus for searching using an active ontology |
US9330720B2 (en) | 2008-01-03 | 2016-05-03 | Apple Inc. | Methods and apparatus for altering audio output signals |
US8996376B2 (en) | 2008-04-05 | 2015-03-31 | Apple Inc. | Intelligent text-to-speech conversion |
US20100030549A1 (en) | 2008-07-31 | 2010-02-04 | Lee Michael M | Mobile device having human language translation capability with positional feedback |
US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
US10241752B2 (en) | 2011-09-30 | 2019-03-26 | Apple Inc. | Interface for a virtual digital assistant |
US10706373B2 (en) | 2011-06-03 | 2020-07-07 | Apple Inc. | Performing actions associated with task items that represent tasks to perform |
US10241644B2 (en) | 2011-06-03 | 2019-03-26 | Apple Inc. | Actionable reminder entries |
US9431006B2 (en) | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
US10057736B2 (en) | 2011-06-03 | 2018-08-21 | Apple Inc. | Active transport based notifications |
US10134385B2 (en) | 2012-03-02 | 2018-11-20 | Apple Inc. | Systems and methods for name pronunciation |
US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
US9547647B2 (en) | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
EP2954514B1 (en) | 2013-02-07 | 2021-03-31 | Apple Inc. | Voice trigger for a digital assistant |
DE102013003055A1 (de) * | 2013-02-18 | 2014-08-21 | Nadine Sina Kurz | Verfahren und Vorrichtung zum Durchführen von Suchen in natürlicher Sprache |
US10652394B2 (en) | 2013-03-14 | 2020-05-12 | Apple Inc. | System and method for processing voicemail |
US10748529B1 (en) | 2013-03-15 | 2020-08-18 | Apple Inc. | Voice activated device for use with a voice-based digital assistant |
US9424359B1 (en) * | 2013-03-15 | 2016-08-23 | Twitter, Inc. | Typeahead using messages of a messaging platform |
WO2014162667A1 (ja) * | 2013-04-02 | 2014-10-09 | 日本電気株式会社 | 端末装置、端末装置制御方法および記憶媒体 |
WO2014197334A2 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for user-specified pronunciation of words for speech synthesis and recognition |
WO2014197335A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Interpreting and acting upon commands that involve sharing information with remote devices |
DE112014002747T5 (de) | 2013-06-09 | 2016-03-03 | Apple Inc. | Vorrichtung, Verfahren und grafische Benutzerschnittstelle zum Ermöglichen einer Konversationspersistenz über zwei oder mehr Instanzen eines digitalen Assistenten |
US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
US10296160B2 (en) | 2013-12-06 | 2019-05-21 | Apple Inc. | Method for extracting salient dialog usage from live data |
WO2015159133A1 (en) * | 2014-04-18 | 2015-10-22 | Arria Data2Text Limited | Method and apparatus for document planning |
US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
AU2015266863B2 (en) | 2014-05-30 | 2018-03-15 | Apple Inc. | Multi-command single utterance input method |
US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
US10515151B2 (en) * | 2014-08-18 | 2019-12-24 | Nuance Communications, Inc. | Concept identification and capture |
JP5957048B2 (ja) * | 2014-08-19 | 2016-07-27 | インターナショナル・ビジネス・マシーンズ・コーポレーションInternational Business Machines Corporation | 曖昧性を解消する教師データの生成方法、生成システム、及び生成プログラム |
US9818400B2 (en) | 2014-09-11 | 2017-11-14 | Apple Inc. | Method and apparatus for discovering trending terms in speech requests |
US10672030B2 (en) * | 2014-09-25 | 2020-06-02 | International Business Machines Corporation | Targeted advertisements from intended recipient predictions derived from user information |
US20160092511A1 (en) * | 2014-09-29 | 2016-03-31 | Linkedin Corporation | Interactive construction of queries |
US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
US10042514B2 (en) * | 2014-10-30 | 2018-08-07 | Microsoft Technology Licensing, Llc | Typeahead features |
US9767102B2 (en) * | 2014-12-01 | 2017-09-19 | Comcast Cable Communications, Llc | Content recommendation system |
US10152299B2 (en) | 2015-03-06 | 2018-12-11 | Apple Inc. | Reducing response latency of intelligent automated assistants |
US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
US9721566B2 (en) | 2015-03-08 | 2017-08-01 | Apple Inc. | Competing devices responding to voice triggers |
US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
US20160321712A1 (en) * | 2015-05-01 | 2016-11-03 | Wadju Inc. | Crowd Sourced Networked Target Feedback |
US10460227B2 (en) | 2015-05-15 | 2019-10-29 | Apple Inc. | Virtual assistant in a communication session |
US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
US10200824B2 (en) | 2015-05-27 | 2019-02-05 | Apple Inc. | Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device |
US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
US11025565B2 (en) | 2015-06-07 | 2021-06-01 | Apple Inc. | Personalized prediction of responses for instant messaging |
US20160378747A1 (en) | 2015-06-29 | 2016-12-29 | Apple Inc. | Virtual assistant for media playback |
US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
US10331312B2 (en) | 2015-09-08 | 2019-06-25 | Apple Inc. | Intelligent automated assistant in a media environment |
US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
US10740384B2 (en) | 2015-09-08 | 2020-08-11 | Apple Inc. | Intelligent automated assistant for media search and playback |
US10049152B2 (en) * | 2015-09-24 | 2018-08-14 | International Business Machines Corporation | Generating natural language dialog using a questions corpus |
US10366158B2 (en) | 2015-09-29 | 2019-07-30 | Apple Inc. | Efficient word encoding for recurrent neural network language models |
US11010550B2 (en) | 2015-09-29 | 2021-05-18 | Apple Inc. | Unified language modeling framework for word prediction, auto-completion and auto-correction |
US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
US10956666B2 (en) | 2015-11-09 | 2021-03-23 | Apple Inc. | Unconventional virtual assistant interactions |
US10049668B2 (en) | 2015-12-02 | 2018-08-14 | Apple Inc. | Applying neural network language models to weighted finite state transducers for automatic speech recognition |
US20170161319A1 (en) * | 2015-12-08 | 2017-06-08 | Rovi Guides, Inc. | Systems and methods for generating smart responses for natural language queries |
US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
US10446143B2 (en) | 2016-03-14 | 2019-10-15 | Apple Inc. | Identification of voice inputs providing credentials |
US9934775B2 (en) | 2016-05-26 | 2018-04-03 | Apple Inc. | Unit-selection text-to-speech synthesis based on predicted concatenation parameters |
US9972304B2 (en) | 2016-06-03 | 2018-05-15 | Apple Inc. | Privacy preserving distributed evaluation framework for embedded personalized systems |
US11227589B2 (en) | 2016-06-06 | 2022-01-18 | Apple Inc. | Intelligent list reading |
US10249300B2 (en) | 2016-06-06 | 2019-04-02 | Apple Inc. | Intelligent list reading |
US10049663B2 (en) | 2016-06-08 | 2018-08-14 | Apple, Inc. | Intelligent automated assistant for media exploration |
DK179309B1 (en) | 2016-06-09 | 2018-04-23 | Apple Inc | Intelligent automated assistant in a home environment |
US10192552B2 (en) | 2016-06-10 | 2019-01-29 | Apple Inc. | Digital assistant providing whispered speech |
US10490187B2 (en) | 2016-06-10 | 2019-11-26 | Apple Inc. | Digital assistant providing automated status report |
US10067938B2 (en) | 2016-06-10 | 2018-09-04 | Apple Inc. | Multilingual word prediction |
US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
US10509862B2 (en) | 2016-06-10 | 2019-12-17 | Apple Inc. | Dynamic phrase expansion of language input |
DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
DK179343B1 (en) | 2016-06-11 | 2018-05-14 | Apple Inc | Intelligent task discovery |
DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
DK179049B1 (en) | 2016-06-11 | 2017-09-18 | Apple Inc | Data driven natural language event detection and classification |
US10628522B2 (en) * | 2016-06-27 | 2020-04-21 | International Business Machines Corporation | Creating rules and dictionaries in a cyclical pattern matching process |
CN109937417A (zh) * | 2016-08-09 | 2019-06-25 | 瑞普科德公司 | 用于电子记录的上下文检索的系统和方法 |
US10474703B2 (en) * | 2016-08-25 | 2019-11-12 | Lakeside Software, Inc. | Method and apparatus for natural language query in a workspace analytics system |
US10474753B2 (en) | 2016-09-07 | 2019-11-12 | Apple Inc. | Language identification using recurrent neural networks |
US10043516B2 (en) | 2016-09-23 | 2018-08-07 | Apple Inc. | Intelligent automated assistant |
US11281993B2 (en) | 2016-12-05 | 2022-03-22 | Apple Inc. | Model and ensemble compression for metric learning |
US10593346B2 (en) | 2016-12-22 | 2020-03-17 | Apple Inc. | Rank-reduced token representation for automatic speech recognition |
US11204787B2 (en) | 2017-01-09 | 2021-12-21 | Apple Inc. | Application integration with a digital assistant |
US20180232458A1 (en) * | 2017-02-10 | 2018-08-16 | Microsoft Technology Licensing, Llc | Storing parseable entity combinations |
US10417266B2 (en) | 2017-05-09 | 2019-09-17 | Apple Inc. | Context-aware ranking of intelligent response suggestions |
DK201770383A1 (en) | 2017-05-09 | 2018-12-14 | Apple Inc. | USER INTERFACE FOR CORRECTING RECOGNITION ERRORS |
US10395654B2 (en) | 2017-05-11 | 2019-08-27 | Apple Inc. | Text normalization based on a data-driven learning network |
DK201770439A1 (en) | 2017-05-11 | 2018-12-13 | Apple Inc. | Offline personal assistant |
US10726832B2 (en) | 2017-05-11 | 2020-07-28 | Apple Inc. | Maintaining privacy of personal information |
DK180048B1 (en) | 2017-05-11 | 2020-02-04 | Apple Inc. | MAINTAINING THE DATA PROTECTION OF PERSONAL INFORMATION |
DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
DK201770427A1 (en) | 2017-05-12 | 2018-12-20 | Apple Inc. | LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT |
US11301477B2 (en) | 2017-05-12 | 2022-04-12 | Apple Inc. | Feedback analysis of a digital assistant |
DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
DK201770432A1 (en) | 2017-05-15 | 2018-12-21 | Apple Inc. | Hierarchical belief states for digital assistants |
DK179549B1 (en) | 2017-05-16 | 2019-02-12 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
US10311144B2 (en) | 2017-05-16 | 2019-06-04 | Apple Inc. | Emoji word sense disambiguation |
US20180336892A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Detecting a trigger of a digital assistant |
US10403278B2 (en) | 2017-05-16 | 2019-09-03 | Apple Inc. | Methods and systems for phonetic matching in digital assistant services |
US20180336275A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Intelligent automated assistant for media exploration |
US10657328B2 (en) | 2017-06-02 | 2020-05-19 | Apple Inc. | Multi-task recurrent neural network architecture for efficient morphology handling in neural language modeling |
US10972299B2 (en) * | 2017-09-06 | 2021-04-06 | Cisco Technology, Inc. | Organizing and aggregating meetings into threaded representations |
US10445429B2 (en) | 2017-09-21 | 2019-10-15 | Apple Inc. | Natural language understanding using vocabularies with compressed serialized tries |
US10755051B2 (en) | 2017-09-29 | 2020-08-25 | Apple Inc. | Rule-based natural language processing |
US10636424B2 (en) | 2017-11-30 | 2020-04-28 | Apple Inc. | Multi-turn canned dialog |
US10482137B2 (en) * | 2017-12-22 | 2019-11-19 | Microsoft Technology Licensing, Llc | Nonlinear models for member searching |
US10733982B2 (en) | 2018-01-08 | 2020-08-04 | Apple Inc. | Multi-directional dialog |
US10733375B2 (en) | 2018-01-31 | 2020-08-04 | Apple Inc. | Knowledge-based framework for improving natural language understanding |
US10789959B2 (en) | 2018-03-02 | 2020-09-29 | Apple Inc. | Training speaker recognition models for digital assistants |
US10592604B2 (en) | 2018-03-12 | 2020-03-17 | Apple Inc. | Inverse text normalization for automatic speech recognition |
US10818288B2 (en) | 2018-03-26 | 2020-10-27 | Apple Inc. | Natural assistant interaction |
US10909331B2 (en) | 2018-03-30 | 2021-02-02 | Apple Inc. | Implicit identification of translation payload with neural machine translation |
US20190327330A1 (en) * | 2018-04-20 | 2019-10-24 | Facebook, Inc. | Building Customized User Profiles Based on Conversational Data |
US11145294B2 (en) | 2018-05-07 | 2021-10-12 | Apple Inc. | Intelligent automated assistant for delivering content from user experiences |
US10928918B2 (en) | 2018-05-07 | 2021-02-23 | Apple Inc. | Raise to speak |
US10984780B2 (en) | 2018-05-21 | 2021-04-20 | Apple Inc. | Global semantic word embeddings using bi-directional recurrent neural networks |
US11924297B2 (en) | 2018-05-24 | 2024-03-05 | People.ai, Inc. | Systems and methods for generating a filtered data set |
US11463441B2 (en) | 2018-05-24 | 2022-10-04 | People.ai, Inc. | Systems and methods for managing the generation or deletion of record objects based on electronic activities and communication policies |
US10565229B2 (en) | 2018-05-24 | 2020-02-18 | People.ai, Inc. | Systems and methods for matching electronic activities directly to record objects of systems of record |
DK179822B1 (da) | 2018-06-01 | 2019-07-12 | Apple Inc. | Voice interaction at a primary device to access call functionality of a companion device |
DK180639B1 (en) | 2018-06-01 | 2021-11-04 | Apple Inc | DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT |
US11386266B2 (en) | 2018-06-01 | 2022-07-12 | Apple Inc. | Text correction |
US10892996B2 (en) | 2018-06-01 | 2021-01-12 | Apple Inc. | Variable latency device coordination |
DK201870355A1 (en) | 2018-06-01 | 2019-12-16 | Apple Inc. | VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS |
US11076039B2 (en) | 2018-06-03 | 2021-07-27 | Apple Inc. | Accelerated task performance |
US11010561B2 (en) | 2018-09-27 | 2021-05-18 | Apple Inc. | Sentiment prediction from textual data |
US10839159B2 (en) | 2018-09-28 | 2020-11-17 | Apple Inc. | Named entity normalization in a spoken dialog system |
US11462215B2 (en) | 2018-09-28 | 2022-10-04 | Apple Inc. | Multi-modal inputs for voice commands |
US11170166B2 (en) | 2018-09-28 | 2021-11-09 | Apple Inc. | Neural typographical error modeling via generative adversarial networks |
US11475898B2 (en) | 2018-10-26 | 2022-10-18 | Apple Inc. | Low-latency multi-speaker speech recognition |
US11397770B2 (en) * | 2018-11-26 | 2022-07-26 | Sap Se | Query discovery and interpretation |
US11638059B2 (en) | 2019-01-04 | 2023-04-25 | Apple Inc. | Content playback on multiple devices |
US11790170B2 (en) * | 2019-01-10 | 2023-10-17 | Chevron U.S.A. Inc. | Converting unstructured technical reports to structured technical reports using machine learning |
US11348573B2 (en) | 2019-03-18 | 2022-05-31 | Apple Inc. | Multimodality in digital assistant systems |
CN111753094B (zh) * | 2019-03-27 | 2024-02-02 | 杭州海康威视数字技术股份有限公司 | 事件知识图谱的构建方法、装置及事件确定方法、装置 |
US11423908B2 (en) | 2019-05-06 | 2022-08-23 | Apple Inc. | Interpreting spoken requests |
DK201970509A1 (en) | 2019-05-06 | 2021-01-15 | Apple Inc | Spoken notifications |
US11307752B2 (en) | 2019-05-06 | 2022-04-19 | Apple Inc. | User configurable task triggers |
US11475884B2 (en) | 2019-05-06 | 2022-10-18 | Apple Inc. | Reducing digital assistant latency when a language is incorrectly determined |
US11140099B2 (en) | 2019-05-21 | 2021-10-05 | Apple Inc. | Providing message response suggestions |
DK201970510A1 (en) | 2019-05-31 | 2021-02-11 | Apple Inc | Voice identification in digital assistant systems |
DK180129B1 (en) | 2019-05-31 | 2020-06-02 | Apple Inc. | USER ACTIVITY SHORTCUT SUGGESTIONS |
US11289073B2 (en) | 2019-05-31 | 2022-03-29 | Apple Inc. | Device text to speech |
US11496600B2 (en) | 2019-05-31 | 2022-11-08 | Apple Inc. | Remote execution of machine-learned models |
US11227599B2 (en) | 2019-06-01 | 2022-01-18 | Apple Inc. | Methods and user interfaces for voice-based control of electronic devices |
US11360641B2 (en) | 2019-06-01 | 2022-06-14 | Apple Inc. | Increasing the relevance of new available information |
WO2021056255A1 (en) | 2019-09-25 | 2021-04-01 | Apple Inc. | Text detection using global geometry estimators |
US10880331B2 (en) * | 2019-11-15 | 2020-12-29 | Cheman Shaik | Defeating solution to phishing attacks through counter challenge authentication |
US11038934B1 (en) | 2020-05-11 | 2021-06-15 | Apple Inc. | Digital assistant hardware abstraction |
US11061543B1 (en) | 2020-05-11 | 2021-07-13 | Apple Inc. | Providing relevant data items based on context |
US11755276B2 (en) | 2020-05-12 | 2023-09-12 | Apple Inc. | Reducing description length based on confidence |
US11490204B2 (en) | 2020-07-20 | 2022-11-01 | Apple Inc. | Multi-device audio adjustment coordination |
US11438683B2 (en) | 2020-07-21 | 2022-09-06 | Apple Inc. | User identification using headphones |
JP7212183B1 (ja) | 2022-01-20 | 2023-01-24 | ヤフー株式会社 | 提案装置、提案方法および提案プログラム |
CN116304117B (zh) * | 2023-05-15 | 2023-09-08 | 北京睿企信息科技有限公司 | 一种获取文本信息的数据处理方法、系统和存储介质 |
CN117540799B (zh) * | 2023-10-20 | 2024-04-09 | 上海歆广数据科技有限公司 | 一种个案图谱创建生成方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130086057A1 (en) * | 2011-10-04 | 2013-04-04 | Microsoft Corporation | Social network recommended content and recommending members for personalized search results |
US20130124538A1 (en) * | 2010-04-19 | 2013-05-16 | Yofay Kari Lee | Structured Search Queries Based on Social-Graph Information |
WO2014182608A1 (en) * | 2013-05-08 | 2014-11-13 | Facebook, Inc. | Filtering suggested structured queries on online social networks |
Family Cites Families (190)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5918014A (en) | 1995-12-27 | 1999-06-29 | Athenium, L.L.C. | Automated collaborative filtering in world wide web advertising |
US5987506A (en) * | 1996-11-22 | 1999-11-16 | Mangosoft Corporation | Remote access and geographically distributed computers in a globally addressable storage environment |
US7631012B2 (en) | 1997-05-22 | 2009-12-08 | Computer Associates Think, Inc. | System and method of operating a database |
US7110993B2 (en) | 1999-05-28 | 2006-09-19 | Overture Services, Inc. | System and method for influencing a position on a search result list generated by a computer network search engine |
US7630986B1 (en) * | 1999-10-27 | 2009-12-08 | Pinpoint, Incorporated | Secure data interchange |
US6539232B2 (en) | 2000-06-10 | 2003-03-25 | Telcontar | Method and system for connecting mobile users based on degree of separation |
US6957184B2 (en) | 2000-07-20 | 2005-10-18 | Microsoft Corporation | Context free grammar engine for speech recognition system |
US6766320B1 (en) | 2000-08-24 | 2004-07-20 | Microsoft Corporation | Search engine with natural language-based robust parsing for user query and relevance feedback learning |
US6983239B1 (en) | 2000-10-25 | 2006-01-03 | International Business Machines Corporation | Method and apparatus for embedding grammars in a natural language understanding (NLU) statistical parser |
US6714939B2 (en) | 2001-01-08 | 2004-03-30 | Softface, Inc. | Creation of structured data from plain text |
US8095875B2 (en) | 2001-06-22 | 2012-01-10 | Krause Philip R | Method and apparatus for consolidating network information |
US7752326B2 (en) | 2001-08-20 | 2010-07-06 | Masterobjects, Inc. | System and method for utilizing asynchronous client server communication objects |
US20090006543A1 (en) | 2001-08-20 | 2009-01-01 | Masterobjects | System and method for asynchronous retrieval of information based on incremental user input |
US8112529B2 (en) | 2001-08-20 | 2012-02-07 | Masterobjects, Inc. | System and method for asynchronous client server session communication |
EP1442411A4 (en) | 2001-09-30 | 2006-02-01 | Realcontacts Ltd | CONNECTING SERVICE |
EA200400873A1 (ru) | 2001-12-28 | 2005-12-29 | Джеффри Джэймс Джонас | Хранилище данных реального времени |
US7512612B1 (en) | 2002-08-08 | 2009-03-31 | Spoke Software | Selecting an optimal path through a relationship graph |
US7249123B2 (en) | 2002-10-31 | 2007-07-24 | International Business Machines Corporation | System and method for building social networks based on activity around shared virtual objects |
US7203801B1 (en) * | 2002-12-27 | 2007-04-10 | Veritas Operating Corporation | System and method for performing virtual device I/O operations |
US6839740B1 (en) * | 2002-12-27 | 2005-01-04 | Veritas Operating Corporation | System and method for performing virtual device I/O operations |
US7836391B2 (en) | 2003-06-10 | 2010-11-16 | Google Inc. | Document search engine including highlighting of confident results |
US7653699B1 (en) * | 2003-06-12 | 2010-01-26 | Symantec Operating Corporation | System and method for partitioning a file system for enhanced availability and scalability |
US7069308B2 (en) | 2003-06-16 | 2006-06-27 | Friendster, Inc. | System, method and apparatus for connecting users in an online computer system based on their relationships within social networks |
US20050091202A1 (en) | 2003-10-22 | 2005-04-28 | Thomas Kapenda J. | Social network-based internet search engine |
US7240049B2 (en) * | 2003-11-12 | 2007-07-03 | Yahoo! Inc. | Systems and methods for search query processing using trend analysis |
US20050125408A1 (en) | 2003-11-20 | 2005-06-09 | Beena Somaroo | Listing service tracking system and method for tracking a user's interaction with a listing service |
US7698289B2 (en) * | 2003-12-02 | 2010-04-13 | Netapp, Inc. | Storage system architecture for striping data container content across volumes of a cluster |
US20050131872A1 (en) | 2003-12-16 | 2005-06-16 | Microsoft Corporation | Query recognizer |
US7707122B2 (en) | 2004-01-29 | 2010-04-27 | Yahoo ! Inc. | System and method of information filtering using measures of affinity of a relationship |
CN103398719B (zh) | 2004-03-23 | 2017-04-12 | 咕果公司 | 数字地图描绘系统 |
EP1747548A4 (en) | 2004-05-17 | 2009-08-05 | Visible Path Corp | SYSTEM AND PROCEDURE FOR ENFORCING PRIVACY IN SOCIAL NETWORKS |
US7689452B2 (en) | 2004-05-17 | 2010-03-30 | Lam Chuck P | System and method for utilizing social networks for collaborative filtering |
US7788260B2 (en) | 2004-06-14 | 2010-08-31 | Facebook, Inc. | Ranking search results based on the frequency of clicks on the search results by members of a social network who are within a predetermined degree of separation |
US7836044B2 (en) | 2004-06-22 | 2010-11-16 | Google Inc. | Anticipated query generation and processing in a search engine |
US8302164B2 (en) | 2004-07-22 | 2012-10-30 | Facebook, Inc. | Authorization and authentication based on an individual's social network |
US7809695B2 (en) | 2004-08-23 | 2010-10-05 | Thomson Reuters Global Resources | Information retrieval systems with duplicate document detection and presentation functions |
EP1815642A4 (en) | 2004-11-04 | 2010-12-29 | Topeer Corp | SYSTEM AND METHOD FOR GENERATING A SAFE TRUSTWORTHY SOCIAL NETWORK |
US7499940B1 (en) | 2004-11-11 | 2009-03-03 | Google Inc. | Method and system for URL autocompletion using ranked results |
US7461059B2 (en) | 2005-02-23 | 2008-12-02 | Microsoft Corporation | Dynamically updated search results based upon continuously-evolving search query that is based at least in part upon phrase suggestion, search engine uses previous result sets performing additional search tasks |
US7451161B2 (en) | 2005-04-28 | 2008-11-11 | Friendster, Inc. | Compatibility scoring of users in a social network |
WO2007002820A2 (en) | 2005-06-28 | 2007-01-04 | Yahoo! Inc. | Search engine with augmented relevance ranking by community participation |
US20080005064A1 (en) | 2005-06-28 | 2008-01-03 | Yahoo! Inc. | Apparatus and method for content annotation and conditional annotation retrieval in a search context |
EP1920393A2 (en) | 2005-07-22 | 2008-05-14 | Yogesh Chunilal Rathod | Universal knowledge management and desktop search system |
US20120173373A1 (en) * | 2005-09-14 | 2012-07-05 | Adam Soroca | System for retrieving mobile communication facility user data from a plurality of providers |
CA2631862C (en) | 2005-12-07 | 2014-09-09 | Networks In Motion, Inc. | Method and system for a user input solution for a limited telecommunication device |
US8027943B2 (en) | 2007-08-16 | 2011-09-27 | Facebook, Inc. | Systems and methods for observing responses to invitations by users in a web-based social network |
US7702685B2 (en) | 2006-01-20 | 2010-04-20 | Microsoft Corporation | Querying social networks |
US9323867B2 (en) | 2006-08-03 | 2016-04-26 | Microsoft Technology Licensing, Llc | Search tool using multiple different search engine types across different data sets |
US8201107B2 (en) | 2006-09-15 | 2012-06-12 | Emc Corporation | User readability improvement for dynamic updating of search results |
US7636712B2 (en) | 2006-11-14 | 2009-12-22 | Microsoft Corporation | Batching document identifiers for result trimming |
US8005909B2 (en) | 2006-11-16 | 2011-08-23 | Onmobile Global Limited | System and method for facilitating a ready social network |
US7840538B2 (en) | 2006-12-20 | 2010-11-23 | Yahoo! Inc. | Discovering query intent from search queries and concept networks |
WO2008085204A2 (en) | 2006-12-29 | 2008-07-17 | Prodea Systems, Inc. | Demarcation between application service provider and user in multi-services gateway device at user premises |
US7636713B2 (en) | 2007-01-31 | 2009-12-22 | Yahoo! Inc. | Using activation paths to cluster proximity query results |
US20080183694A1 (en) | 2007-01-31 | 2008-07-31 | Daniel Cane | Method and system presenting search results using relationship information |
WO2008103447A2 (en) | 2007-02-21 | 2008-08-28 | Facebook, Inc. | Implementation of a structured query language interface in a distributed database |
US7680882B2 (en) | 2007-03-06 | 2010-03-16 | Friendster, Inc. | Multimedia aggregation in an online social network |
CA2717462C (en) | 2007-03-14 | 2016-09-27 | Evri Inc. | Query templates and labeled search tip system, methods, and techniques |
US20100145771A1 (en) | 2007-03-15 | 2010-06-10 | Ariel Fligler | System and method for providing service or adding benefit to social networks |
US8713143B2 (en) | 2007-04-27 | 2014-04-29 | President And Fellows Of Harvard College | Establishing a social network |
US7783630B1 (en) | 2007-06-29 | 2010-08-24 | Emc Corporation | Tuning of relevancy ranking for federated search |
EP2191395A4 (en) | 2007-08-17 | 2011-04-20 | Google Inc | RANKING OF SOCIAL NETWORK OBJECTS |
US8031595B2 (en) | 2007-08-21 | 2011-10-04 | International Business Machines Corporation | Future location determination using social networks |
US7788276B2 (en) | 2007-08-22 | 2010-08-31 | Yahoo! Inc. | Predictive stemming for web search with statistical machine translation models |
US20090094200A1 (en) | 2007-10-05 | 2009-04-09 | Yahoo! Inc. | Method for Admission-controlled Caching |
US8862622B2 (en) | 2007-12-10 | 2014-10-14 | Sprylogics International Corp. | Analysis, inference, and visualization of social networks |
JP4968041B2 (ja) * | 2007-12-17 | 2012-07-04 | 富士通株式会社 | サービス提供システムの連携システム、サービス提供システムおよびその制御方法、ならびにコンピュータプログラム |
US20090164929A1 (en) | 2007-12-20 | 2009-06-25 | Microsoft Corporation | Customizing Search Results |
US20090164408A1 (en) | 2007-12-21 | 2009-06-25 | Ilya Grigorik | Method, System and Computer Program for Managing Delivery of Online Content |
US20090171929A1 (en) | 2007-12-26 | 2009-07-02 | Microsoft Corporation | Toward optimized query suggeston: user interfaces and algorithms |
US20090197681A1 (en) | 2008-01-31 | 2009-08-06 | Microsoft Corporation | System and method for targeted recommendations using social gaming networks |
US7853587B2 (en) | 2008-01-31 | 2010-12-14 | Microsoft Corporation | Generating search result summaries |
US20090228296A1 (en) | 2008-03-04 | 2009-09-10 | Collarity, Inc. | Optimization of social distribution networks |
US8606721B1 (en) | 2008-03-11 | 2013-12-10 | Amazon Technologies, Inc. | Implicit social graph edge strengths |
US20090259646A1 (en) | 2008-04-09 | 2009-10-15 | Yahoo!, Inc. | Method for Calculating Score for Search Query |
US8645406B2 (en) | 2008-04-11 | 2014-02-04 | Microsoft Corporation | Exploiting conditions to optimize expensive database queries |
US20090265326A1 (en) | 2008-04-17 | 2009-10-22 | Thomas Dudley Lehrman | Dynamic personal privacy system for internet-connected social networks |
US8744976B2 (en) | 2008-04-28 | 2014-06-03 | Yahoo! Inc. | Discovery of friends using social network graph properties |
US20090276414A1 (en) | 2008-04-30 | 2009-11-05 | Microsoft Corporation | Ranking model adaptation for searching |
US8417698B2 (en) | 2008-05-06 | 2013-04-09 | Yellowpages.Com Llc | Systems and methods to provide search based on social graphs and affinity groups |
US8244727B2 (en) | 2008-05-29 | 2012-08-14 | Nokia Corporation | Method, apparatus, and computer program product for content use assignment by exploiting social graph information |
US8055673B2 (en) | 2008-06-05 | 2011-11-08 | Yahoo! Inc. | Friendly search and socially augmented search query assistance layer |
US8082278B2 (en) | 2008-06-13 | 2011-12-20 | Microsoft Corporation | Generating query suggestions from semantic relationships in content |
US8027990B1 (en) | 2008-07-09 | 2011-09-27 | Google Inc. | Dynamic query suggestion |
US8290924B2 (en) | 2008-08-29 | 2012-10-16 | Empire Technology Development Llc | Providing answer to keyword based query from natural owner of information |
WO2010037031A2 (en) | 2008-09-26 | 2010-04-01 | Fwix, Inc. | System and method for aggregating web feeds relevant to a geographical locale from multiple sources |
US20100082695A1 (en) | 2008-09-26 | 2010-04-01 | Hardt Dick C | Enterprise social graph and contextual information presentation |
US8060492B2 (en) | 2008-11-18 | 2011-11-15 | Yahoo! Inc. | System and method for generation of URL based context queries |
US7934161B1 (en) | 2008-12-09 | 2011-04-26 | Jason Adam Denise | Electronic search interface technology |
US8145622B2 (en) | 2009-01-09 | 2012-03-27 | Microsoft Corporation | System for finding queries aiming at tail URLs |
US8412749B2 (en) | 2009-01-16 | 2013-04-02 | Google Inc. | Populating a structured presentation with new values |
US8140556B2 (en) | 2009-01-20 | 2012-03-20 | Oracle International Corporation | Techniques for automated generation of queries for querying ontologies |
US8825074B2 (en) | 2009-02-02 | 2014-09-02 | Waldeck Technology, Llc | Modifying a user'S contribution to an aggregate profile based on time between location updates and external events |
US8250053B2 (en) | 2009-02-24 | 2012-08-21 | Microsoft Corporation | Intelligent enhancement of a search result snippet |
US20100235354A1 (en) | 2009-03-12 | 2010-09-16 | International Business Machines Corporation | Collaborative search engine system |
US8145636B1 (en) | 2009-03-13 | 2012-03-27 | Google Inc. | Classifying text into hierarchical categories |
JP5271808B2 (ja) * | 2009-05-28 | 2013-08-21 | 日本電信電話株式会社 | 共通クエリグラフパターン生成装置、共通クエリグラフパターン生成方法、および共通クエリグラフパターン生成用プログラム |
US8209330B1 (en) | 2009-05-29 | 2012-06-26 | Google Inc. | Ordering image search results |
US20100321399A1 (en) | 2009-06-18 | 2010-12-23 | Patrik Ellren | Maps from Sparse Geospatial Data Tiles |
US20110004692A1 (en) * | 2009-07-01 | 2011-01-06 | Tom Occhino | Gathering Information about Connections in a Social Networking Service |
US8150843B2 (en) | 2009-07-02 | 2012-04-03 | International Business Machines Corporation | Generating search results based on user feedback |
US8667009B2 (en) | 2009-07-21 | 2014-03-04 | Saambaa Llc | Systems and methods for utilizing and searching social network information |
US9098568B2 (en) | 2009-08-04 | 2015-08-04 | Google Inc. | Query suggestions from documents |
US20110078166A1 (en) | 2009-09-29 | 2011-03-31 | Nokia Corporation | Method and apparatus for creating and utilizing information representation of queries |
US8306922B1 (en) | 2009-10-01 | 2012-11-06 | Google Inc. | Detecting content on a social network using links |
US20110087534A1 (en) | 2009-10-14 | 2011-04-14 | Wantsa Media (Canada), Inc. | Search queries and advertising platforms utilizing at least one social graph |
US8316056B2 (en) | 2009-12-08 | 2012-11-20 | Facebook, Inc. | Second-order connection search in a social networking system |
US20110184981A1 (en) | 2010-01-27 | 2011-07-28 | Yahoo! Inc. | Personalize Search Results for Search Queries with General Implicit Local Intent |
US8301639B1 (en) | 2010-01-29 | 2012-10-30 | Google Inc. | Location based query suggestion |
WO2011094734A2 (en) * | 2010-02-01 | 2011-08-04 | Jumptap, Inc. | Integrated advertising system |
US10748119B2 (en) | 2010-02-01 | 2020-08-18 | Microsoft Technology Licensing, Llc | Social network search |
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 |
US20110231296A1 (en) | 2010-03-16 | 2011-09-22 | UberMedia, Inc. | Systems and methods for interacting with messages, authors, and followers |
US8572129B1 (en) | 2010-04-19 | 2013-10-29 | Facebook, Inc. | Automatically generating nodes and edges in an integrated social graph |
US8782080B2 (en) | 2010-04-19 | 2014-07-15 | Facebook, Inc. | Detecting social graph elements for structured search queries |
US8180804B1 (en) | 2010-04-19 | 2012-05-15 | Facebook, Inc. | Dynamically generating recommendations based on social graph information |
US8751521B2 (en) | 2010-04-19 | 2014-06-10 | Facebook, Inc. | Personalized structured search queries for online social networks |
US8244848B1 (en) | 2010-04-19 | 2012-08-14 | Facebook, Inc. | Integrated social network environment |
US8918418B2 (en) | 2010-04-19 | 2014-12-23 | Facebook, Inc. | Default structured search queries on online social networks |
US8185558B1 (en) | 2010-04-19 | 2012-05-22 | Facebook, Inc. | Automatically generating nodes and edges in an integrated social graph |
US9262482B2 (en) * | 2010-04-19 | 2016-02-16 | Facebook, Inc. | Generating default search queries on online social networks |
US8868603B2 (en) | 2010-04-19 | 2014-10-21 | Facebook, Inc. | Ambiguous structured search queries on online social networks |
US8719246B2 (en) | 2010-06-28 | 2014-05-06 | Microsoft Corporation | Generating and presenting a suggested search query |
US20120042020A1 (en) | 2010-08-16 | 2012-02-16 | Yahoo! Inc. | Micro-blog message filtering |
US8832093B2 (en) | 2010-08-18 | 2014-09-09 | Facebook, Inc. | Dynamic place visibility in geo-social networking system |
US20120059713A1 (en) | 2010-08-27 | 2012-03-08 | Adchemy, Inc. | Matching Advertisers and Users Based on Their Respective Intents |
WO2012058408A2 (en) | 2010-10-27 | 2012-05-03 | Myspace, Inc. | Social networking relevance index |
EP2633444A4 (en) | 2010-10-30 | 2017-06-21 | International Business Machines Corporation | Transforming search engine queries |
US8364709B1 (en) | 2010-11-22 | 2013-01-29 | Google Inc. | Determining word boundary likelihoods in potentially incomplete text |
EP2458545A1 (en) | 2010-11-30 | 2012-05-30 | France Telecom | Method of and apparatus for managing data representative of a business in a database |
US9978022B2 (en) | 2010-12-22 | 2018-05-22 | Facebook, Inc. | Providing context relevant search for a user based on location and social information |
US10304066B2 (en) | 2010-12-22 | 2019-05-28 | Facebook, Inc. | Providing relevant notifications for a user based on location and social information |
US8438364B2 (en) | 2010-12-30 | 2013-05-07 | Facebook Inc. | Distributed cache for graph data |
US8688691B2 (en) | 2011-01-13 | 2014-04-01 | International Business Machines Corporation | Relevancy ranking of search results in a network based upon a user's computer-related activities |
US8639725B1 (en) | 2011-01-31 | 2014-01-28 | Google Inc. | Methods for efficiently querying multiple points in an indexed quadtree |
US9870424B2 (en) | 2011-02-10 | 2018-01-16 | Microsoft Technology Licensing, Llc | Social network based contextual ranking |
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 |
US8676937B2 (en) | 2011-05-12 | 2014-03-18 | Jeffrey Alan Rapaport | Social-topical adaptive networking (STAN) system allowing for group based contextual transaction offers and acceptances and hot topic watchdogging |
US9268857B2 (en) | 2011-06-03 | 2016-02-23 | Facebook, Inc. | Suggesting search results to users before receiving any search query from the users |
US8909637B2 (en) | 2011-06-03 | 2014-12-09 | Facebook, Inc. | Context-based ranking of search results |
US20160026727A1 (en) | 2011-06-03 | 2016-01-28 | Google Inc. | Generating additional content |
US20120311034A1 (en) | 2011-06-03 | 2012-12-06 | Cbs Interactive Inc. | System and methods for filtering based on social media |
US20120317088A1 (en) | 2011-06-07 | 2012-12-13 | Microsoft Corporation | Associating Search Queries and Entities |
US8601027B2 (en) | 2011-06-20 | 2013-12-03 | Google Inc. | Query-based user groups in social networks |
US9779385B2 (en) | 2011-06-24 | 2017-10-03 | Facebook, Inc. | Inferring topics from social networking system communications |
US20130031106A1 (en) | 2011-07-29 | 2013-01-31 | Microsoft Corporation | Social network powered query suggestions |
US9218390B2 (en) | 2011-07-29 | 2015-12-22 | Yellowpages.Com Llc | Query parser derivation computing device and method for making a query parser for parsing unstructured search queries |
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 |
US8312056B1 (en) | 2011-09-13 | 2012-11-13 | Xerox Corporation | Method and system for identifying a key influencer in social media utilizing topic modeling and social diffusion analysis |
US10120877B2 (en) | 2011-09-15 | 2018-11-06 | Stephan HEATH | Broad and alternative category clustering of the same, similar or different categories in social/geo/promo link promotional data sets for end user display of interactive ad links, coupons, mobile coupons, promotions and sale of products, goods and services integrated with 3D spatial geomapping and mobile mapping and social networking |
US20130086024A1 (en) | 2011-09-29 | 2013-04-04 | Microsoft Corporation | Query Reformulation Using Post-Execution Results Analysis |
US8918354B2 (en) | 2011-10-03 | 2014-12-23 | Microsoft Corporation | Intelligent intent detection from social network messages |
US9324113B2 (en) | 2011-10-12 | 2016-04-26 | Microsoft Technology Licensing, Llc | Presenting social network connections on a search engine results page |
US20130110827A1 (en) * | 2011-10-26 | 2013-05-02 | Microsoft Corporation | Relevance of name and other search queries with social network feature |
US8868590B1 (en) | 2011-11-17 | 2014-10-21 | Sri International | Method and system utilizing a personalized user model to develop a search request |
US8893076B2 (en) | 2011-12-14 | 2014-11-18 | Adobe Systems Incorporated | Configurable computation modules |
US20150074289A1 (en) | 2011-12-28 | 2015-03-12 | Google Inc. | Detecting error pages by analyzing server redirects |
US8935261B2 (en) | 2011-12-28 | 2015-01-13 | Facebook, Inc. | Social discovery and ranking of pages |
US8949264B2 (en) | 2012-01-30 | 2015-02-03 | Hewlett-Packard Development Company, L.P. | Disambiguating associations |
US20130204737A1 (en) | 2012-02-03 | 2013-08-08 | Shubham Agarwal | Leveraging store activity for recommendations |
US8321364B1 (en) | 2012-02-08 | 2012-11-27 | Google Inc. | Method and system for including robots into social networks |
US20130227011A1 (en) | 2012-02-29 | 2013-08-29 | Eventbrite, Inc. | Interest-Based Social Recommendations for Event Ticket Network Systems |
US8762324B2 (en) | 2012-03-23 | 2014-06-24 | Sap Ag | Multi-dimensional query expansion employing semantics and usage statistics |
US9971993B2 (en) | 2012-03-26 | 2018-05-15 | Microsoft Technology Licensing, Llc | Leveraging a social graph for use with electronic messaging |
US9372589B2 (en) | 2012-04-18 | 2016-06-21 | Facebook, Inc. | Structured information about nodes on a social networking system |
US8924434B2 (en) | 2012-06-29 | 2014-12-30 | Oracle International Corporation | Project resource comparison view |
US8983991B2 (en) | 2012-07-27 | 2015-03-17 | Facebook, Inc. | Generating logical expressions for search queries |
US8935255B2 (en) | 2012-07-27 | 2015-01-13 | Facebook, Inc. | Social static ranking for search |
US10311085B2 (en) | 2012-08-31 | 2019-06-04 | Netseer, Inc. | Concept-level user intent profile extraction and applications |
US20140122465A1 (en) | 2012-10-31 | 2014-05-01 | Brandon Bilinski | Ranking Music Search Results |
US8935271B2 (en) | 2012-12-21 | 2015-01-13 | Facebook, Inc. | Extract operator |
US9703844B2 (en) * | 2012-12-31 | 2017-07-11 | Facebook, Inc. | Search result snippets for structured search queries |
US9367607B2 (en) * | 2012-12-31 | 2016-06-14 | Facebook, Inc. | Natural-language rendering of structured search queries |
US9361363B2 (en) * | 2012-12-31 | 2016-06-07 | Facebook, Inc. | Modifying structured search queries on online social networks |
CA2892471C (en) * | 2013-01-11 | 2023-02-21 | Db Networks, Inc. | Systems and methods for detecting and mitigating threats to a structured data storage system |
US9514191B2 (en) | 2013-03-14 | 2016-12-06 | Microsoft Technology Licensing, Llc | Visualizing ranking factors for items in a search result list |
US20150161519A1 (en) | 2013-04-19 | 2015-06-11 | Google Inc. | Name recognition |
US9053167B1 (en) * | 2013-06-19 | 2015-06-09 | Amazon Technologies, Inc. | Storage device selection for database partition replicas |
US9367629B2 (en) | 2013-12-19 | 2016-06-14 | Facebook, Inc. | Grouping recommended search queries on online social networks |
US9646055B2 (en) | 2014-04-03 | 2017-05-09 | Facebook, Inc. | Blending search results on online social networks |
US20150363402A1 (en) | 2014-06-13 | 2015-12-17 | Facebook, Inc. | Statistical Filtering of Search Results on Online Social Networks |
US20160041982A1 (en) | 2014-08-05 | 2016-02-11 | Facebook, Inc. | Conditioned Search Ranking Models on Online Social Networks |
US9792364B2 (en) | 2014-08-08 | 2017-10-17 | Facebook, Inc. | Blending search results on online social networks |
US9703859B2 (en) | 2014-08-27 | 2017-07-11 | Facebook, Inc. | Keyword search queries on online social networks |
US9754037B2 (en) | 2014-08-27 | 2017-09-05 | Facebook, Inc. | Blending by query classification on online social networks |
US9990441B2 (en) | 2014-12-05 | 2018-06-05 | Facebook, Inc. | Suggested keywords for searching content on online social networks |
US20160203238A1 (en) | 2015-01-09 | 2016-07-14 | Facebook, Inc. | Suggested Keywords for Searching News-Related Content on Online Social Networks |
-
2014
- 2014-01-17 US US14/158,594 patent/US9336300B2/en active Active
- 2014-01-28 CA CA2943317A patent/CA2943317C/en not_active Expired - Fee Related
- 2014-01-28 CN CN201710947630.3A patent/CN107766479B/zh active Active
- 2014-01-28 JP JP2016547071A patent/JP6130609B2/ja active Active
- 2014-01-28 MX MX2017010792A patent/MX355290B/es unknown
- 2014-01-28 WO PCT/US2014/013258 patent/WO2015108542A1/en active Application Filing
- 2014-01-28 AU AU2014377694A patent/AU2014377694B2/en not_active Ceased
- 2014-01-28 CA CA2935335A patent/CA2935335C/en not_active Expired - Fee Related
- 2014-01-28 KR KR1020167022463A patent/KR101702020B1/ko active IP Right Grant
- 2014-01-28 KR KR1020177001245A patent/KR101863269B1/ko active IP Right Grant
- 2014-01-28 BR BR112016016607A patent/BR112016016607A2/pt not_active Application Discontinuation
- 2014-01-28 MX MX2016009297A patent/MX350012B/es active IP Right Grant
- 2014-01-28 CN CN201480073252.5A patent/CN105917330B/zh active Active
-
2016
- 2016-03-04 US US15/061,783 patent/US9720956B2/en active Active
- 2016-06-28 IL IL246500A patent/IL246500A/en active IP Right Grant
-
2017
- 2017-01-06 AU AU2017200106A patent/AU2017200106B2/en not_active Ceased
- 2017-04-13 JP JP2017079614A patent/JP6360228B2/ja active Active
- 2017-06-06 IL IL252714A patent/IL252714B/en active IP Right Grant
- 2017-06-14 US US15/622,929 patent/US10585884B2/en not_active Expired - Fee Related
-
2018
- 2018-06-21 JP JP2018117835A patent/JP6695389B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130124538A1 (en) * | 2010-04-19 | 2013-05-16 | Yofay Kari Lee | Structured Search Queries Based on Social-Graph Information |
US20130086057A1 (en) * | 2011-10-04 | 2013-04-04 | Microsoft Corporation | Social network recommended content and recommending members for personalized search results |
WO2014182608A1 (en) * | 2013-05-08 | 2014-11-13 | Facebook, Inc. | Filtering suggested structured queries on online social networks |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101702020B1 (ko) | 온라인 소셜 네트워크용 클라이언트-측 검색 템플릿 | |
JP6568609B2 (ja) | 構造化された検索クエリのための文法モデル | |
KR101663718B1 (ko) | 온라인 소셜 네트워크에서 제안된 구조화된 질의 필터링 | |
KR101648533B1 (ko) | 온라인 소셜 네트워크에서 질의를 위한 검색 의도 | |
KR101630349B1 (ko) | 온라인 소셜 네트워크에서의 검색 질의 상호작용 | |
KR101671878B1 (ko) | 온라인 소셜 네트워크에서 질의를 위한 인버스 연산자의 사용 | |
KR101672863B1 (ko) | 온라인 소셜 네트워크에서 구조화된 검색 질의의 변경 | |
KR101997541B1 (ko) | 온라인 소셜 네트워크에서 외부 컨텐츠의 순위화 | |
KR20170102968A (ko) | 온라인 소셜 네트워크에서 뉴스-관련 컨텐츠를 검색하기 위한 제안형 키워드 | |
KR101780310B1 (ko) | 온라인 소셜 네트워크에서 불명확한 구조화된 검색 질의 | |
KR20170088944A (ko) | 온라인 소셜 네트워크에서 오퍼 및 광고의 검색 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
A302 | Request for accelerated examination | ||
E701 | Decision to grant or registration of patent right | ||
A107 | Divisional application of patent | ||
GRNT | Written decision to grant |