RU2419858C2 - Система, способ и интерфейс для обеспечения персонализированного поиска и доступа к информации - Google Patents
Система, способ и интерфейс для обеспечения персонализированного поиска и доступа к информации Download PDFInfo
- Publication number
- RU2419858C2 RU2419858C2 RU2005127536/08A RU2005127536A RU2419858C2 RU 2419858 C2 RU2419858 C2 RU 2419858C2 RU 2005127536/08 A RU2005127536/08 A RU 2005127536/08A RU 2005127536 A RU2005127536 A RU 2005127536A RU 2419858 C2 RU2419858 C2 RU 2419858C2
- Authority
- RU
- Russia
- Prior art keywords
- user
- search
- information
- factors
- data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F16/9538—Presentation of query results
Abstract
Изобретение относится к области автоматического усовершенствования и выбора запросов и/или результатов поиска в соответствии с персонализированной пользовательской моделью. Техническим результатом является расширение функциональных возможностей за счет использования персонализированной пользовательской модели при осуществлении поиска. Система выполняет формирование персонализированного поиска информации. Данная система включает в себя пользовательскую модель для определения характеристик пользователя. Пользовательская модель может создаваться автоматически через анализ информации пользователя, его действий и всего контекста. Компонент персонализации автоматически модифицирует запросы и/или результаты поиска, принимая во внимание пользовательскую модель для персонализации поиска информации для пользователя. Пользовательский интерфейс принимает запросы и отображает результаты поиска от одной или большего количества местных и/или удаленных поисковых машин, причем интерфейс может корректироваться в диапазоне от более персонализированного поиска до более обобщенного поиска. 3 н. и 12 з.п. ф-лы, 15 ил.
Description
Область техники, к которой относится изобретение
Настоящее изобретение относится в общем случае к компьютерным системам, а более конкретно, настоящее изобретение относится к автоматическому усовершенствованию и выбору запросов и/или результатов поиска в соответствии с персонализированной пользовательской моделью.
Уровень техники
Учитывая широкую популярность «Всемирной паутины» и Интернет, пользователи могут получать информацию, относящуюся почти к любой теме, из большого количества информационных источников. Для поиска информации пользователи в общем случае применяют различные поисковые машины (поисковые механизмы) к задаче поиска информации. Поисковые машины позволяют пользователям находить по Интернет веб-страницы, содержащие информацию или другой материал, которые содержат определенные слова или фразы. Например, если они хотят найти информацию о Джордже Вашингтоне, первом президенте Соединенных Штатов, то они могут напечатать «Джордж Вашингтон первый президент», нажать кнопку поиска, и поисковая машина возвратит список веб-страниц, которые содержат информацию об этом известном президенте. Однако, если бы проводился более обобщенный поиск, например, если просто напечатать термин «Вашингтон», то возвратилось бы намного больше результатов, таких как относящиеся к географическим регионам или учреждениям, связанным с тем же самым именем.
В Сети существует много поисковых машин. Например, AllTheWeb, AskJeeves, Google, HotBot, Lycos, MSN Search, Teoma, Yahoo - только некоторые из многих примеров. Большинство этих поисковых машин обеспечивают по меньшей мере два режима поиска информации, например, через их собственный каталог сайтов, которые организованы с помощью тем для просмотра пользователями, или с помощью выполнения поиска по ключевым словам, которые вводят через портал пользовательского интерфейса в браузер. В общем случае, поиск по ключевым словам найдет, при наилучшей способности компьютера, все веб-сайты, которые содержат любую информацию, относящуюся к любым ключевым словам и фразам, которые определены. Сайт поисковой машины имеет поле для ввода пользователями ключевых слов и кнопку, которую нужно нажать для запуска поиска. Многие поисковые машины имеют подсказки о том, как использовать ключевые слова для эффективного поиска. Подсказки обычно обеспечиваются для того, чтобы помочь пользователям более точно определять термины поиска, чтобы посторонняя или несвязанная информация не возвращалась и не мешала процессу поиска информации. Таким образом, ручное уточнение терминов сохраняет пользователям много времени, помогая уменьшить прием нескольких тысяч сайтов для сортировки при поиске конкретной информации.
Одной из проблем во всех методиках поиска является требование ручного определения или уточнения терминов поиска для генерации требуемых результатов за короткое время. Другая проблема состоит в том, что поисковые машины работают одинаково для всех пользователей, независимо от различных пользовательских потребностей и обстоятельств. Таким образом, если два пользователя вводят тот же самый запрос поиска, то они получают те же самые результаты, независимо от их интересов, хронологии предыдущего поиска, вычислительного контекста или окружающего контекста (например, расположения, используемой машины, времени дня, дня недели). К сожалению, современные процессы поиска предназначены для того, чтобы принимать явные команды для поиска вместо того, чтобы рассматривать эти другие персонализированные факторы, которые могут предложить понимание фактических или желаемых целей поиска информации пользователем.
Раскрытие изобретения
Далее представлена упрощенная сущность изобретения для обеспечения основного понимания некоторых аспектов изобретения. Эта сущность не является обширным обзором изобретения. Она не предназначена для идентификации ключевых/критических элементов изобретения или для определения объема изобретения. Задача состоит в том, чтобы представить некоторые концепции изобретения в упрощенной форме в качестве вводной части к более подробному описанию, которое представлено ниже.
Настоящее изобретение относится к системам и способам, которые расширяют способы поиска информации, используя пользовательские модели, которые облегчают персонализацию поиска информации в соответствии с характеристиками пользователя, учитывая, насколько информация имеет отношение или соответствует наилучшим образом соответствующим пользователям. Данные модели могут объединяться с традиционными алгоритмами поиска для модификации запросов поиска и/или модификации результатов поиска для автоматического фокусирования способов поиска информации на элементах или результатах, которые, более вероятно, будут соответствовать пользователю, принимая во внимание личные характеристики пользователя. Различные методики обеспечивают для персонализации поиска через данную модель с помощью учета таких аспектов, как информация пользователя (например, информация, хранящаяся на компьютере пользователя), интересы, опыт (квалификацию) и определенный контекст, в котором эта информация нужна (например, запрос на поиск, вычислительное событие) для улучшения опыта поиска пользователя. Это усовершенствование можно соблюдать с помощью предоставления пользователям более выборочного или фильтрованного поиска элементов, представляющих интерес, удаления несвязанных элементов и/или повторного ранжирования (упорядочивания) возвращаемых результатов поиска на основе персонализированных предпочтений пользователя.
Пользовательские модели могут быть получены из множества источников, включающих в себя каталоги с широкими возможностями, которые рассматривают прошлые пользовательские события, предыдущие обмены информацией клиента, регистрацию или хронологию поиска, параметры пользователя, демографические данные, и/или основываясь на подобии другим пользователям (например, совместная фильтрация). Кроме того, могут применяться другие методики, такие как машинное самообучение для контроля поведения пользователя в течение долгого времени, для определения и/или усовершенствования пользовательских моделей. Данные модели могут объединяться со способами автономного или сетевого поиска (или с их комбинациями) для модификации результатов поиска для создания результатов поиска информации, которые, наиболее вероятно, будут представлять интерес для соответствующего пользователя. Таким образом, пользовательские модели используют для автоматической и эффективной дифференциации персонализированного поиска от обобщенного поиска.
В одном конкретном примере обобщенный поиск может включать в себя термин «погода». Так как модель может определять, что пользователь находится в конкретном городе (например, из учетной записи электронной почты, сохраненных документов, имеющих адрес пользователя, или с помощью явного или неявного определения местоположения), может автоматически выполняться персонализированный поиск (например, через автоматическую модификацию запроса и/или результатов), который возвращает относящуюся к погоде информацию, которая относится к городу, в котором пользователь находится в настоящее время. В мобильной ситуации, контекст (ситуация) для поиска может отличаться, и таким образом запрос и/или результаты могут модифицироваться соответствующим образом (например, поиск, выполняемый с мобильного компьютера пользователя, когда из недавнего резервирования авиабилетов или из недавно переданного другу мгновенного сообщения обнаружено, что в настоящее время он находится вне города). Могут обеспечиваться пользовательские интерфейсы, которые возвращают персонализированные результаты и предоставляют возможность настройки алгоритмов персонализированного поиска от наиболее обобщенного поиска по всему спектру до более персонализированного поиска.
Для достижения описанных ранее и связанных с ними целей, конкретные иллюстративные аспекты изобретения описаны в связи с последующим описанием и прилагаемыми чертежами. Эти аспекты показывают различные способы, с помощью которых можно воплощать данное изобретение, все из которых охватывает настоящее изобретение. Другие преимущества и новые особенности изобретения будут очевидны из последующего подробного описания изобретения при рассмотрении его вместе с чертежами.
Краткое описание чертежей
Фиг.1 является схематической структурной схемой, показывающей архитектуру поиска информации в соответствии с одним из аспектов настоящего изобретения.
Фиг.2 - структурная схема, показывающая пользовательскую модель в соответствии с одним из аспектов настоящего изобретения.
Фиг.3 - последовательность операций, показывающая процесс поиска информации в соответствии с одним из аспектов настоящего изобретения.
Фиг.4-9 показывают примеры пользовательского интерфейса в соответствии с одним из аспектов настоящего изобретения.
Фиг.10-13 показывают примерный алгоритм персонализации в соответствии с одним из аспектов настоящего изобретения.
Фиг.14 - схематическая структурная схема, показывающая соответствующую конфигурацию в соответствии с одним из аспектов настоящего изобретения.
Фиг.15 - схематическая структурная схема типовой вычислительной конфигурации, с которой может взаимодействовать настоящее изобретение.
Осуществление изобретения
Настоящее изобретение относится к системам и способам, которые используют пользовательские модели для персонализации обобщенных запросов и/или результатов поиска согласно информации, которая имеет отношение к соответствующему пользователю. В одном из аспектов обеспечивают систему, которая облегчает генерацию персонализированного поиска информации. Данная система включает в себя пользовательскую модель для определения характеристик пользователя. Компонент персонализации автоматически модифицирует запросы и/или результаты поиска, принимая во внимание пользовательскую модель для персонализации поиска информации для пользователя. Компонент пользовательского интерфейса принимает запросы и отображает результаты поиска от одной или большего количества местных и/или удаленных поисковых машин, причем интерфейс может настраиваться в диапазоне от более персонализированного поиска до более обобщенного поиска.
В данной заявке термины «компонент», «услуга», «модель» и «система» относятся к связанному с применением компьютера объекту, или к аппаратным средствам, или к комбинации аппаратных средств и программного обеспечения, или к программному обеспечению, или к выполняемому программному обеспечению. Например, компонент может быть процессом, выполняющимся в процессоре, процессором, задачей, исполняемым кодом, потоком выполнения, программой и/или компьютером, но не ограничен ими. Для иллюстрации, и приложение, выполняющееся на сервере, и сервер могут быть компонентом. Один или большее количество компонентов могут находиться в пределах процесса и/или потока выполнения, и компонент может быть локализован на одном компьютере и/или распределен между двумя или большим количеством компьютеров. В данном описании термин «вывод» в общем случае относится к процессу принятия решения или определения состояний системы, среды и/или пользователя из ряда наблюдений, которые зафиксированы через события и/или данные. Вывод может использоваться для идентификации определенного контекста или действия, или, например, может генерировать распределение вероятности по состояниям.
Обращаясь сначала к фиг.1, система 100 показывает архитектуру поиска информации в соответствии с одним из аспектов настоящего изобретения. Система 100 изображает обобщенную схему персонализации результатов поиска. Компонент 110 персонализации включает в себя пользовательскую модель 120, а также компоненты обработки (например, алгоритмы поиска, модифицируемые в соответствии с пользовательской моделью) для использования модели для воздействия на результаты поиска с помощью модификации запроса 130 и/или модификации результатов 140, возвращенных из поиска. Пользовательский интерфейс 150 генерирует запрос 130 и принимает модифицированные или персонализированные результаты, которые основаны на модификации 170 запроса и/или модификации 160 результатов, которые обеспечивает компонент 110 персонализации. В данном описании термин «модификация запроса» относится и к изменению относительно терминов в запросе 130, и к изменениям в алгоритме, который соответствует запросу 130 к документам, для получения персонализированных результатов 140. Модифицированные запросы и/или результаты 140 возвращают из одной или большего количества местных и/или удаленных поисковых машин 180. Глобальная база 190 данных из пользовательских статистических данных может поддерживаться для облегчения обновления пользовательской модели 120.
В общем случае существуют по меньшей мере два подхода к настройке результатов поиска, основываясь на пользовательской модели 120. В одном из аспектов с помощью модификации запроса обрабатывают начальный входной запрос и модифицируют или повторно генерируют запрос (через пользовательскую модель) для получения персонализированных результатов. Описанная ниже обратная связь по релевантности (по важности) является разновидностью с двумя циклами этого процесса, причем запрос генерирует результаты, которые приводят к модификации запроса (используя явные или неявные выводы о начальном наборе результатов), который приводит к персонализированным результатам, которые персонализированы для краткосрочной модели, основываясь на наборе результатов и запросов. Долговременные пользовательские модели могут также использоваться в контексте обратной связи по релевантности. Дополнительно, как обсуждается выше, модификация запроса также относится к изменениям, которые делают в алгоритме(ах), используемом для сравнения запроса с документами. В другом аспекте при модификации результатов берут вводимую пользователем информацию «как есть» для генерации запроса, который приводит к результатам, которые затем модифицируют (через пользовательскую модель) для генерации персонализированных результатов. Следует отметить, что модификация результатов обычно включает в себя некоторую форму повторного ранжирования и/или выбора из большего набора альтернатив. Модификация результатов может также включать в себя различные типы накопления и суммирования всех или подмножества результатов.
Способы модификации результатов включают в себя сравнение статистического подобия (в котором интересы пользователей и их информация представлены как векторы и соответствуют элементам) и сравнение категорий (в котором интересы пользователей и их информация представляют и соответствуют элементам, используя меньший набор дискрипторов). Приведенные выше процессы модификации запроса или модификации результатов могут объединяться, или независимо, или в интегрированном процессе, когда вводят зависимость между двумя процессами и используют для достижения цели. Чтобы показать персонализированный поиск, приведены следующие примеры.
В одном из примеров пользователь, который ищет информацию, расположен в Сиэтле. Поиск информации о дорожном движении возвращает информацию, относящуюся к дорожному движению в Сиэтле, а не к дорожному движению вообще. Или поиск пиццы возвращает только рестораны пиццы в соответствующем районе города, который относится к пользователю.
В другом примере пользователь, который ищет информацию, предварительно искал термин «Порше». Поиск термина «Ягуар» возвращает результаты, относящиеся к автомобильному значению термина «Ягуар», в противоположность животному или компьютерной игре или часам; другие результаты могут также возвращаться, но предпочтение отдают тем, которые относятся к автомобильному значению.
В другом случае пользователь, который ищет информацию, ищет термин «Буш», и большинство результатов - о президенте. Однако этот человек ранее читал статьи Ванневара Буша и переписывался по электронной почте с Сьюзен Буш, таким образом результатам, соответствующим этим элементам, присваивают более высокий приоритет. Как можно оценить, поиск может модифицироваться множеством различных способов, учитывая данные, хранящиеся и обрабатываемые с помощью пользовательской модели 120, которая описана более подробно ниже относительно фиг.2.
Обращаясь к фиг.2, пользовательская модель 200 показана в соответствии с одним из аспектов настоящего изобретения. Пользовательскую модель 200 используют для дифференциации персонализированного поиска от обобщенного поиска. Один аспект в успешной персонализации предназначен для создания модели пользователя, которая точно отражает его интересы и проста для поддержания и настройки к изменениям относительно долгосрочных и краткосрочных интересов. Пользовательскую модель можно получать из разнообразия источников, которые включают в себя, но не ограничены ими:
1) Из расширенной истории 210 вычислительного контекста, которая может быть получена из местных, мобильных или удаленных источников (например, открытые приложения, содержимое этих приложений и подробная хронология такого обмена информацией, включающая в себя ее расположение).
2) Из расширенного каталога 220 информационных ресурсов, к которым ранее с которым обращались (например, документов, веб-страниц, сообщений электронной почты, мгновенных сообщений, заметок, назначенных в календаре мероприятиях и т.д.).
3) Из результатов отслеживания обмена 230 информацией клиента, включающих в себя недавние или частые контакты, интересующие темы, полученные из ключевых слов, взаимоотношения в структуре организации, назначенные мероприятия и т.д.
4) Из истории или журнала регистрации предыдущих посещений веб-страниц или местных/удаленных сайтов с данными, которые включают в себя историю предыдущих запросов 240 на поиск.
5) Из профиля интересов пользователя 250, который можно определять явно или неявно, получая через фоновый контроль.
6) Из демографической информации 260 (например, места жительства, пола, возраста, биографических данных, квалификации (места работы) и т.д.).
Из приведенных выше примеров можно понять, что пользовательская модель 200 может основываться на многих различных источниках информации. Например, модель 200 могут получать из истории или журнала регистрации местоположений, посещаемых пользователем в течение долгого времени, что можно контролировать с помощью таких устройств, как система глобального позиционирования (GPS). При контроле с помощью GPS, необработанная пространственная информация может преобразовываться в текстовые названия городов и почтовые индексы. Необработанная пространственная информация может преобразовываться в текстовые названия городов и почтовые индексы для мест, в которых пользователь останавливался или жил, или в которых, например, произошла потеря сигнала GPS. Местоположения, в которых пользователь останавливался или жил, или в которых произошла потеря сигнала GPS, могут идентифицироваться и преобразовываться в текстовые метки с помощью базы данных фирм и мест, представляющих интерес. Другие факторы включают в себя регистрацию времени дня или дня недели для определения местоположения и мест, представляющих интерес.
В других аспектах данного изобретения могут обеспечиваться компоненты для управления параметрами, которые предназначены для управления тем, как совокупность информации пользователя, назначенные мероприятия, обзоры документов или файлов, действия или местоположения могут группироваться в подмножества или им могут присваиваться весовые коэффициенты дифференцированно в процедурах сравнения для персонализации, основываясь на типе, возрасте или других комбинациях. Например, алгоритм поиска может ограничиваться теми аспектами совокупности информации пользователя, которые относятся к запросу (например, документы, которые содержат запрашиваемый термин). Точно также сообщения электронной почты могут анализироваться за предыдущий 1 месяц, тогда как обращения в Интернет - за предыдущие 3 дня, а информация пользователя, созданная в течение прошлого года. Может быть желательно, чтобы информация о местоположении GPS использовалась только за сегодняшний день или за другой период времени. Параметрами можно управлять автоматически для создания подмножеств (например, через процесс оптимизации, который изменяет параметры и проверяет ответ от пользователя или от системы), или пользователи могут изменять один или большее количество этих параметров через пользовательский интерфейс, причем такие параметры настройки могут быть функцией характера запроса, времени дня, дня недели или других контекстных наблюдений или наблюдений за деятельностью.
Модели можно получать для людей или групп людей 270, например, через методику совместной фильтрации (описанную ниже), которая разрабатывает профили с помощью анализа подобия среди людей или групп людей. Вычисление подобия может основываться на содержимом и/или использовании элементов. Следует отметить, что моделирование инфраструктуры и соответствующая обработка могут выполняться в клиенте, во множестве клиентов, в одном или большем количестве серверов или в комбинациях серверов и клиентов.
Методики машинного обучения 280 могут применяться для изучения характеристик и интересов пользователя в течение долгого времени. Модели обучения могут включать в себя, по существу, любой вид системы, например, статистические/математические модели и процессы для моделирования пользователей и определения персональных настроек и интересов, которые включают в себя использование байесовского обучения, которое может генерировать байесовские модели зависимости, такие как байесовские сети, простые байесовские классификаторы и/или другие методологии статистической классификации, которые включают в себя, например, машины поддерживающих векторов (SVM). Другие виды моделей или систем могут включать в себя нейронные сети и скрытые модели Маркова, например. Хотя могут использоваться сложные модели принятия решения в соответствии с настоящим изобретением, следует признать, что также могут использоваться другие подходы. Например, вместо более тщательного вероятностного подхода могут также использоваться детерминированные предположения (например, отсутствие нового поиска конкретного веб-сайта в течение времени X может подразумевать по установленным правилам, что пользователя больше не интересует соответствующая информация). Таким образом, в дополнение к принятию решений в состоянии неопределенности, логические решения могут также приниматься относительно состояния, расположения, контекста, интересов, устремлений и т.д. пользователей.
Модели обучения могут тренироваться с помощью хранилища данных пользовательских событий (не показано), которое собирает или объединяет данные из множества различных источников данных. Такие источники могут включать в себя различные компоненты сбора данных, которые записывают или регистрируют данные пользовательских событий (например, звонки по сотовому телефону, звуковую информацию, записанную с помощью микрофона, информацию системы глобального позиционирования (GPS), информацию из электронного календаря, информацию от контролирующего оборудования системы технического зрения, активность на «рабочем столе», взаимодействие с веб-сайтами и т.д.). Следует отметить, что система 100 может воплощаться, по существу, любым способом, который поддерживает персонализированную обработку запросов и результатов. Например, система может воплощаться как сервер, серверная ферма, в клиентских приложениях, или более обобщенно, включать в себя веб-службу(ы) или другое автоматизированное приложение(я), которые взаимодействуют с функциональными средствами поиска, такими как пользовательский интерфейс 150 и поисковая машина 180.
Перед продолжением методики совместной фильтрации, применяемые в позиции 270 для пользовательской модели 200, описаны более подробно. Эти методики могут включать в себя использование совместных фильтров для анализа данных и определения профилей для пользователя. Системы совместной фильтрации в общем случае используют централизованную базу данных о пользовательских предпочтениях для предсказания дополнительных тем, которые могут запрашивать пользователи. В соответствии с настоящим изобретением совместную фильтрацию применяют в пользовательской модели 200 для обработки предыдущих действий пользователя из группы пользователей, которые могут указывать предпочтения данного пользователя, которые предсказывают вероятные или возможные профили для новых пользователей системы. Могут использоваться несколько алгоритмов, включающих в себя методики, основанные на коэффициентах корреляции, вычислениях подобия на основе вектора и статистических байесовских способах.
Фиг.3 показывает методологию 300 поиска информации в соответствии с настоящим изобретением. Хотя в целях простоты объяснения, методология показана и описана как последовательность действий, следует понять и признать, что настоящее изобретение не ограничено данным порядком действий, поскольку некоторые действия, в соответствии с настоящим изобретением, могут происходить в другом порядке и/или одновременно с другими действиями, по сравнению с показанными и описанными действиями. Например, специалисты поймут и оценят, что методология может альтернативно быть представлена как последовательность взаимодействующих состояний или событий, таких, какие существуют в диаграмме состояний. Кроме того, не все показанные действия могут требоваться для воплощения методологии в соответствии с настоящим изобретением.
Явно или неявно собранная информация об интересах пользователя может использоваться различными способами и зависящим от запроса способом, причем могут применяться многочисленные классы алгоритмов. Многие из алгоритмов учитывают имеющуюся в наличии личную информацию пользователя и/или действия, и/или запрос, и/или результаты, которые возвращает поисковая машина, и учитывают результаты измерения или то, что заменяет результаты измерения для статистических зависимостей между такой информацией и глобальной информацией.
Процесс 300 изображает два основных способа, которые могут быть применяться, однако, как отмечено выше, комбинации модификаций на основе запроса или модификаций на основе результатов могут применяться для персонализации извлеченной информации. На этапе 310 определяют одну или большее количество пользовательских моделей, как предварительно описано выше относительно фиг.2. На этапе 320 пользовательский запрос модифицируют в соответствии с моделью, определенной на этапе 310. Это может включать в себя автоматическое усовершенствование или уточнение запроса, чтобы он содержал только термины, которые соотносятся с интересами пользователя, которые определяют с помощью модели. На этапе 330 выполняют поиск с помощью модифицированного запроса, передавая модифицированный запрос к одной или большему количеству поисковых машин, причем результаты для модифицированного запроса возвращают на этапе 340.
В другой ветви процесса 300 выполняют поиск, передавая запрос пользователя к одной или большему количеству поисковых машин на этапе 350. Возвращенные результаты затем модифицируют на этапе 360, принимая во внимание пользовательскую модель. Это может включать в себя фильтрацию или переупорядочение результатов, основываясь на вероятности того, что некоторые результаты больше соответствуют предпочтениям пользователя для поиска необходимой информации. На этапе 370 модифицированные результаты представляют пользователю через отображение пользовательского интерфейса.
Последующее обсуждение описывает один конкретный пример смоделированной системы персонализированного поиска. В этом случае пользовательская модель может включать в себя каталог всех элементов, которые пользователь ранее просматривал, которые включают в себя сообщения электронной почты, документы, веб-страницы, назначенные в календаре мероприятия, примечания, мгновенные сообщения, блоги (электронные дневники) и т.д. Элементы отмечают с помощью метаданных (например, времени доступа/создания/модификации, типа элемента, автора элемента и т.д.), которые могут использоваться для выборочного добавления/исключения элементов для разработки пользовательской модели. В данном случае пользовательская модель находится в клиентской машине, причем к пользовательской модели существует доступ от запоминающего устройства в пределах клиентской машины при использовании поисковой машины.
Так как пользовательская модель обычно выполняется на клиентской машине, если клиентская машина не имеет местный каталог совокупности информации, в которой выполняют поиск, то получение статистической информации по термину для всей совокупности для повторного ранжирования может быть трудной задачей или требовать много времени для вычисления. Поэтому в последующем примере статистические данные совокупности аппроксимируют при использовании набора результатов.
Запрос направляют к поисковой машине (в Интернет или к корпоративной сети), и она возвращает результаты. Результаты модифицируют через пользовательскую модель. Модификация также происходит на клиентской машине. Для каждого результата вычисляют подобие элемента с каталогом пользователя для идентификации результатов, которые представляют больше интереса для пользователя. Существуют несколько способов выполнения такого сравнения, например, такой как:
Персонализированное подобие суммируют по всем интересующим терминам. Для каждого термина подобие результата пропорционально тому, как часто термин появляется в результате (tft), обратно пропорционально количеству документов в совокупностях, в которых выполняют поиск, в которых данный термин появляется (dft), и пропорционально тому, в скольких документах термин появляется в каталоге пользователя (pdft). Интересующие термины могут включать в себя термины в заголовке результата, термины в краткой сводке результата, термины в расширенной сводке результата, термины во всей веб-странице, или некоторое подмножество этих терминов. Количество документов в совокупностях, в которых появляется данный термин, можно аппроксимировать, используя количество документов в наборе результатов, в котором появляется данный термин, где документы представлены полным текстом документа или отрывком из набора результатов, описывающим документ.
В одном из воплощений идентифицирует термины в пределах интервала из двух слов для каждого термина запроса в краткой сводке результата или в заголовке. В общем случае, все элементы в каталоге независимо от типа или времени используются для вычисления значения персонализированного подобия для каждого результата. Стандартное подобие каждого элемента затем объединяют с персонализированным подобием для каждого элемента. В одном из воплощений использует линейную комбинацию положения элемента в исходном списке результатов с нормализованной версией оценки psim каждого элемента. Другое воплощение включает в себя объединение положений в исходном списке и в персонализированном списке или оценок из исходного и персонализированного списков.
Обращаясь к фиг.4-9, показаны примеры пользовательского интерфейса для персонализированного поиска в соответствии с одним из аспектов настоящего изобретения. Следует отметить, что соответствующие изображенные интерфейсы могут обеспечиваться в различных других отличающихся установках и контексте. Как пример, обсуждаемые приложения и/или модели могут быть связаны, например, с настольным инструментальным средством разработки, приложением электронной почты, приложением электронного календаря и/или веб-браузером, хотя могут использоваться приложения другого типа. Эти приложения могут быть связаны с графическим пользовательским интерфейсом (ГПИ, GUI), причем графический пользовательский интерфейс обеспечивает изображение, имеющее один или большее количество объектов отображения (не показаны), которые включают в себя такие аспекты, как конфигурируемые значки, кнопки, ползунки, поля для ввода информации, опции выбора, меню, вкладки и т.д., имеющие многочисленные конфигурируемые размеры, форму, цвет, текст, данные и звуки, для облегчения работы с приложениями и/или моделями. Кроме того, ГПИ и/или модели могут также включать в себя множество другой вводимой информации или средств управления для регулирования и конфигурирования одного или большего количества аспектов настоящего изобретения, которые будут описаны более подробно ниже. Они могут включать в себя прием команд пользователя от мыши, клавиатуры, устройств голосового ввода информации, веб-сайта, удаленной веб-службы и/или другого устройства, такого как фотокамера или устройство ввода видеоинформации, чтобы воздействовать или изменять операции описанных ГПИ и/или моделей.
Фиг.4 показывает интерфейс 400 для представления персонализированных результатов. В этом примере запросом является термин «Буш». Стандартные результаты поиска показывают с левой стороны в позиции 410, а персонализированные результаты показывают с правой стороны в позиции 400. Ползунок 430 используют для управления функцией, которая объединяет стандартные и персональные результаты в пределах от отсутствия персонализации до полной персонализации.
Фиг.5 показывает интерфейс 500, в котором результаты персонального интереса дополнительно выделяют с помощью увеличения их размера шрифта пропорционально их оценке psim; могут также использоваться цвет или другие выделения при представлении. Дополнительно, термины, которые вносят существенный вес в оценку psim, могут выделяться в пределах отдельных кратких сводок результата. Слева в позиции 510 показывают упорядоченные стандартные результаты с помощью увеличения размера шрифта. Интерфейс в позиции 500 показывает персонализированную комбинацию, в которой снова выделены с помощью увеличения размера шрифта элементы, представляющие персональный интерес.
Фиг.6 показывает процесс обеспечения персонализированных запросов с помощью интерфейса 600. В этом случае на этапе 610 учитывают N первых результатов, которые были возвращены от запроса. На этапе 620 вычисляют подобие в соответствии с пользовательской моделью и возвращенными результатами. На этапе 630 объединяют персонализированные и стандартные результаты, и эти результаты повторно упорядочивают на этапе 640, причем их отображают как персонализированные результаты в позиции 600.
Фиг.7-9 показывают влияние описанного выше управления персонализацией. Обращаясь к фиг.7, интерфейс 700 настраивают через управление 710 персонализацией, где используют термин поиска «Итон». Верхний результат для Итонского колледжа имеет положение 1/100 в позиции 720. Управление 710 персонализацией перемещают вправо, и в списке появляются некоторые персонализированные результаты. Результат, который появляется в позиции 32 в списке стандартных результатов, теперь показан в позиции 4. На фиг.8, управление 810 персонализацией перемещают немного вправо, указывая больше персонализации при поиске. В этом случае сгенерировано такое расположение результатов, где вверху находятся результаты, относящиеся к Итонской школе, причем Итонская школа связана с родственником пользователя. В этом случае предыдущее положение на фиг.7 было 32 из 100. На фиг.9 ползунок персонализации перемещен в крайнее правое положение в позиции 910, обеспечивая более персонализированное расположение результатов, относящихся к почтовому сообщению о школьной форме в Итонской школе на текущую дату.
Фиг.10-13 показывают примерный процесс, который может использоваться для персонализации запросов и/или результатов в соответствии с одним из аспектов настоящего изобретения. Фиг.10 показывает оси под позициями 1000-1020, которые показывают измерения стандартного поиска информации, которыми являются запрос, пользователь, выполняющий данный запрос, и документы, принятые от такого запроса. В соответствии с настоящим изобретением учитывают четвертое или персонализированное измерение 1030, которое основывается на пользовательской модели, для дополнительного усовершенствования, выделения или модификации запросов и/или результатов в соответствии с личными характеристиками или интересами пользователя.
Такая персонализированная информация может выбираться из метаданных, относящихся к множеству личной информации, которая может быть доступна пользователю, например, когда документ был создан, просматривался или был изменен, информация временной метки, информация, которая была сохранена или ранее просматривалась, используемые приложения, журнал регистрации деятельности относительно веб-сайтов (например, сайты или темы, представляющие интерес), контекстная информация, такая как информация о местоположении или недавних действиях, действия с электронной почтой, работа с календарем, обмен личной информацией, например через электронные средства связи, демографическая информация, биографическая информация, подобным образом расположенная пользовательская информация и т.д. Эти характеристики могут выбираться и получаться из пользовательских моделей, которые предварительно описаны.
Переходя к фиг.11, диаграмма Венна 1100 показывает пересечения элементов поиска, которые получены из стандартной модели с обратной связью по релевантности. Внешний круг 1110 изображает N - общее количество документов, в которых может выполняться поиск. Внутренний круг ni представляет количество документов, содержащих термины данного поиска. Внутренний круг R представляют документы, которые определяют с помощью обратной связи по релевантности, причем подсекция или перекрытие между ni и R представляет документы ri, имеющие характеристики требуемых результатов поиска и считаются релевантными с помощью данного алгоритма. В общем случае R определяют с помощью обеспечения пользователями выводов о различной степени релевантности (например, из назначенной пользователем оценки). Согласно настоящему изобретению, R определяют автоматически, анализируя ранее описанную пользовательскую модель для определения соответствующих областей, представляющих интерес для пользователя. Вместо того, чтобы представлять весь объем документов, и N, и R могут также представлять подмножество объема документов (например, подмножество документов, которые релевантны запросу, как обозначено с помощью присутствия терминов запроса). Дополнительно, статистическая информация о совокупности, N и ni, может аппроксимироваться, используя набор результатов, причем N является количеством документов в наборе результатов, и ni является количеством документов, содержащих термины данного поиска, причем документы представляют с помощью всего текста документов или отрывков из набора результатов, описывающих документы.
Последующие уравнения показывают оценочную функцию, которая назначает оценку данному документу, основываясь на сумме некоторого подмножества терминов документа, где частоту (tfi) появления i-го термина в документе умножают на определенный весовой коэффициент (wi), указывающий частоту появления данного термина. Данная оценочная функция может использоваться для персонализации результатов. В данном случае использовалась модель обратной связи по релевантности BM25, но следует признать, что, по существу, любой алгоритм поиска информации может настраиваться для персонализированной модификации запросов и/или результатов в соответствии с настоящим изобретением.
Оценка = ∑ tfi · wi
Переходя к фиг.12, информация персонализированных релевантных документов (R) показана отдельно от информации совокупности (N) на диаграмме Венна 1200. В этом случае термины N' и ni' вводят для облегчения разделения, причем N' = N + R и ni' = ni + ri' и wi вычисляют следующим образом:
Фиг.13 показывает персонализированный блок 1300 разделенных данных, причем и персонализированные элементы, и элементы, соответствующие теме поиска, показаны в позиции 1310. Например, круг 1320 может включать в себя все документы, существующие в сети, документы, представленные в позиции 1320, могут включать в себя документы, относящиеся к персональным данным (например, документы, относящиеся к интересу к автомобилям, полученному из пользовательской модели), и элементы в позиции 1310 являются теми личными документами, которые относятся к термину поиска. Как можно заметить, запросы и результаты можно изменять с помощью множества терминов или условий в зависимости от модели и интересующего запроса.
Обращаясь к фиг.14, примерная конфигурация 1410 для воплощения различных аспектов изобретения включает в себя компьютер 1412. Компьютер 1412 включает в себя процессор 1414, системную память 1416 и системную шину 1418. Системная шина 1418 соединяет компоненты системы, которые включают в себя системную память 1416, но не ограничены ею, с процессором 1414. Процессор 1414 может быть любым из различных доступных процессоров. Дуальные (сдвоенные) микропроцессоры и другая многопроцессорная архитектура также могут использоваться в качестве процессора 1414.
Системная шина 1418 может быть любой из нескольких видов шинных структур, которые включают в себя шину памяти или контроллер памяти, периферийную шинную или внешнюю шину, и/или локальную шину, используя любое разнообразие доступных шинных архитектур, которые включают в себя 11-разрядную шину, архитектуру, соответствующую промышленному стандарту (ISA), микроканальную архитектуру (MSA), расширенную ISA (EISA), интеллектуальный интерфейс дисков (IDE), локальную шину ассоциации по стандартам в области видеоэлектроники (VESA)(VLB), стандарт соединения периферийных устройств (PCI), универсальную последовательную шину (USB), расширенный графический порт (AGP), шину международной ассоциации производителей плат памяти для персональных компьютеров (PCMCIA), и интерфейс малых вычислительных систем (SCSI), но которые не ограничены ими.
Системная память 1416 включает в себя энергозависимую память 1420 и энергонезависимую память 1422. Базовая система ввода-вывода (BIOS), которая содержит основные подпрограммы для перемещения информации между элементами в пределах компьютера 1412, например, во время запуска, хранится в энергонезависимой памяти 1422. Для иллюстрации, а не в качестве ограничения, энергонезависимая память 1422 может включать в себя постоянное запоминающее устройство (ПЗУ), программируемое ПЗУ (ППЗУ), электрически программируемое ПЗУ (ЭППЗУ), электрически стираемое ПЗУ (ЭСПЗУ) или флэш-память. Энергозависимая память 1420 включает в себя оперативную память (ОП), которая работает как внешняя кэш-память. Для иллюстрации, а не в качестве ограничения, ОП доступна во многих формах, таких как синхронная ОП (SRAM), динамическая ОП (DRAM), синхронная динамическая ОП (SDRAM), синхронная динамическая ОП с двойной скоростью передачи данных (SDRAM DDR), расширенная синхронная динамическая ОП (ESDRAM), динамическая ОП консорциума Synchlink (SLDRAM) и прямая ОП корпорации Rambus (DRRAM).
Компьютер 1412 также включает в себя съемные/несъемные, энергозависимые/энергонезависимые компьютерные носители данных. Фиг.14 показывает, например, дисковое запоминающее устройство 1424. Дисковое запоминающее устройство 1424 включает в себя такие устройства, как запоминающее устройство на магнитных дисках, накопитель на гибких магнитных дисках, накопитель на магнитной ленте, дисковод Jaz, дисковод Zip, дисковод LS-100, плата флэш-памяти или карта памяти, но не ограничено ими. Кроме того, дисковое запоминающее устройство 1424 может включать в себя носители данных отдельно или в комбинации с другими носителями данных, которые включают в себя оптический дисковод, такой как привод компакт-диска только для считывания (CD-ROM), привод записываемых компакт-дисков (привод CD-R), привод перезаписываемых компакт-дисков (привод CD-RW) или привод цифрового универсального диска только для считывания (DVD-ROM), но не ограничены ими. Для облегчения связи дисковых запоминающих устройств 1424 с системной шиной 1418 обычно используют съемный или несъемный интерфейс (средство сопряжения), такой как интерфейс 1426.
Следует признать, что фиг.14 описывает программное обеспечение, которое работает в качестве посредника между пользователями и основными компьютерными ресурсами, описанными в соответствующей рабочей конфигурации 1410. Такое программное обеспечение включает в себя операционную систему 1428. Операционная система 1428, которая может храниться в дисковом запоминающем устройстве 1424, предназначена для управления и распределения ресурсов компьютерной системы 1412. Системные приложения 1430 управляют ресурсами операционной системой 1428 через модули 1432 программ и данные 1434 программ, хранящиеся или в системной памяти 1416, или в дисковом запоминающем устройстве 1424. Следует признать, что настоящее изобретение может воплощаться с помощью различных операционных систем или комбинаций операционных систем.
Пользователь вводит команды или информацию в компьютер 1412 через устройство(а) 1436 ввода данных. Устройства 1436 ввода данных включают в себя устройство позиционирования, такое как «мышь», шаровой манипулятор («трекбол»), перо, сенсорную панель, клавиатуру, микрофон, джойстик, игровой планшет, спутниковую антенну, сканер, плату телевизионного тюнера, цифровую камеру, цифровую видеокамеру, веб-камеру и т.п., но не ограничены ими. Эти и другие устройства ввода данных соединяют с процессором 1414 через системную шину 1418 через порт(ы) интерфейса 1438. Порт(ы) интерфейса 1438 включает в себя, например, последовательный порт, параллельный порт, игровой порт и универсальную последовательную шину (USB). Устройство(а) 1440 вывода данных используют часть портов того же самого вида, какие использует устройство(а) 1436 ввода данных. Таким образом, например, порт USB может использоваться для обеспечения ввода данных в компьютер 1412, и для вывода информации из компьютера 1412 на устройство 1440 вывода данных. Адаптер 1442 вывода данных обеспечивают для того, чтобы показать, что существуют некоторые устройства 1440 вывода данных, такие как мониторы, динамики и принтеры, среди других устройств 1440 вывода данных, которые требуют специальных адаптеров. Адаптер 1442 вывода данных включает в себя, в качестве иллюстрации, а не в качестве ограничения, видео и звуковые платы, которые обеспечивают средство сопряжения между устройством 1440 вывода данных и системной шиной 1418. Следует отметить, что другие устройства и/или системы устройств обеспечивают обе возможности ввода и вывода данных, например, с помощью удаленного компьютера(ов) 1444.
Компьютер 1412 может работать в сетевой среде, используя логические соединения с одним или большим количеством удаленных компьютеров, таких как удаленный компьютер(ы) 1444. Удаленный компьютер 1444 может быть персональным компьютером, сервером, маршрутизатором, сетевым ПК, рабочей станцией, прибором на основе микропроцессора, равноправным устройством сети или другим обычным сетевым узлом и т.п., и он обычно включает в себя многие или все элементы, описанные относительно компьютера 1412. Для краткости, только запоминающее устройство 1446 показано с удаленным компьютером 1444. Удаленный компьютер(ы) 1444 логически связан с компьютером 1412 через сетевой интерфейс 1448 и затем физически связан через коммуникационное соединение 1450. Сетевой интерфейс 1448 охватывает коммуникационные сети, такие как локальные сети (ЛС) и глобальные сети (ГС). Технологии ЛС включают в себя интерфейс передачи данных по оптоволокну (FDDI), распределенный интерфейс проводной передачи данных (CDDI), стандарт Ethernet (офисная сетевая система)/IEEE 802.3, стандарт «маркерное кольцо»/IEEE 802.5 и т.п. Технологии ГС включают в себя каналы связи двухточечного соединения, сети с коммутацией каналов, такие как цифровые сети с предоставлением комплексных услуг (ISDN) и их разновидности, сети с коммутацией пакетов и цифровые абонентские линии (DSL), но не ограничены ими.
Коммуникационное соединение(я) 1450 относится к аппаратным средствам/программному обеспечению, которые используют для подключения сетевого интерфейса 1448 к шине 1418. Хотя коммуникационное соединение 1450 показано для целей иллюстрации внутри компьютера 1412, оно может также быть внешним относительно компьютера 1412. Аппаратные средства/программное обеспечение, необходимые для соединения с сетевым интерфейсом 1448, включают в себя, только в качестве примера, внутренние и внешние устройства, такие как модемы, которые включают в себя обычные телефонные модемы, кабельные модемы и модемы DSL, адаптеры ISDN и платы стандарта Ethernet.
Фиг.15 - схематическая структурная схема (система) типовой вычислительной конфигурации 1500, с которой может взаимодействовать настоящее изобретение. Система 1500 включает в себя одного или большее количество клиентов 1510. Клиент(ы) 1510 может быть аппаратными средствами и/или программным обеспечением (например, потоками, процессами, вычислительными устройствами). Система 1500 также включает в себя один или большее количество серверов 1530. Сервер(ы) 1530 может также быть аппаратными средствами и/или программным обеспечением (например, потоками, процессами, вычислительными устройствами). Серверы 1530 могут помещать потоки для выполнения преобразований, например, используя настоящее изобретение. Одна из возможностей осуществления связи между клиентом 1510 и сервером 1530 может быть в форме пакетов данных, настроенных для передачи между двумя или большим количеством компьютерных процессов. Система 1500 включает в себя коммуникационную структуру 1550, которая может использоваться для облегчения связи между клиентом(ами) 1510 и сервером(ами) 1530. Клиент(ы) 1510 функционально связан с одним или большим количеством хранилищ 1560 данных клиента, которые могут использоваться для хранения локальной информации клиента(ов) 1510. Точно так же сервер(ы) 1530 функционально связан с одним или большим количеством хранилищ 1540 данных сервера, которые могут использоваться для хранения локальной информации для сервера 1530.
Выше описаны примеры настоящего изобретения. Конечно, невозможно описать каждую мыслимую комбинацию компонентов или методологий для описания всех возможных вариантов осуществления настоящего изобретения, но специалисты должны признать, что возможно множество дополнительных комбинаций и изменений настоящего изобретения. Соответственно, настоящее изобретение охватывает все такие изменения, модификации и разновидности, которые находятся в пределах объема, определенного прилагаемой формулой изобретения. Кроме того, до той степени, до которой термин «включает в себя» используется или в подробном описании, или в формуле изобретения, данный термин является «охватывающим», таким же образом, как термин «содержащий», когда термин «содержащий» интерпретируется при использовании в качестве переходного слова в формуле изобретения.
Claims (15)
1. Компьютерная система для выполнения формирования персонализированного поиска информации, содержащая:
пользовательский интерфейс для приема запросов поиска и отображения результатов поиска;
компьютерный носитель данных, содержащий исполняемые компьютером команды, которые при исполнении реализуют:
пользовательскую модель для определения характеристик пользователя на основании множества факторов, причем каждый фактор указывает тип события, связанного с пользователем, в совокупности данных,
компонент персонализации, связанный с пользовательской моделью для получения информации в ответ на запрос пользователя на основании определенных характеристик пользователя, и
компонент параметров для управления совокупностью данных для пользовательской модели, при этом для каждого фактора из множества факторов события типа, связанного с фактором, включаются в совокупность данных, когда они происходят в течение интервала, длина которого различна для разных факторов из множества факторов.
пользовательский интерфейс для приема запросов поиска и отображения результатов поиска;
компьютерный носитель данных, содержащий исполняемые компьютером команды, которые при исполнении реализуют:
пользовательскую модель для определения характеристик пользователя на основании множества факторов, причем каждый фактор указывает тип события, связанного с пользователем, в совокупности данных,
компонент персонализации, связанный с пользовательской моделью для получения информации в ответ на запрос пользователя на основании определенных характеристик пользователя, и
компонент параметров для управления совокупностью данных для пользовательской модели, при этом для каждого фактора из множества факторов события типа, связанного с фактором, включаются в совокупность данных, когда они происходят в течение интервала, длина которого различна для разных факторов из множества факторов.
2. Система по п.1, в которой совокупность данных относится к запланированным пользователем мероприятиям, просматриваемым пользователем документам, действиям пользователя или местоположению пользователя.
3. Система по п.1, в которой компонент параметров определяет подмножества для совокупности данных или определяет взвешенные разности в процедурах сравнения для персонализации данных, основываясь по меньшей мере частично на типе или возрасте.
4. Система по п.1, в которой компонент параметров изменяет один или большее количество параметров через процесс оптимизации или через команды, обеспеченные с помощью пользовательского интерфейса.
5. Система по п.4, в которой параметры зависят от характера запроса, времени дня, дня недели, контекстных наблюдений или наблюдений за деятельностью.
6. Способ формирования персонализированного поиска информации, содержащий этапы, на которых:
принимают запросы поиска с помощью пользовательского интерфейса;
определяют характеристики пользователя с помощью пользовательской модели на основании множества факторов, причем каждый фактор указывает тип события, связанного с пользователем, в совокупности данных;
получают информацию в ответ на запрос пользователя на основании определенных характеристик пользователя;
модифицируют совокупность данных для пользовательской модели, при этом для каждого фактора из множества факторов события типа, связанного с фактором, включаются в совокупность данных, когда они происходят в течение интервала, длина которого различна для разных факторов из множества факторов; и
отображают результаты поиска.
принимают запросы поиска с помощью пользовательского интерфейса;
определяют характеристики пользователя с помощью пользовательской модели на основании множества факторов, причем каждый фактор указывает тип события, связанного с пользователем, в совокупности данных;
получают информацию в ответ на запрос пользователя на основании определенных характеристик пользователя;
модифицируют совокупность данных для пользовательской модели, при этом для каждого фактора из множества факторов события типа, связанного с фактором, включаются в совокупность данных, когда они происходят в течение интервала, длина которого различна для разных факторов из множества факторов; и
отображают результаты поиска.
7. Способ по п.6, в котором совокупность данных относится к запланированным пользователем мероприятиям, просматриваемым пользователем документам, действиям пользователя или местоположению пользователя.
8. Способ по п.6, в котором определяют подмножества для совокупности данных или взвешенные разности в процедурах сравнения для персонализации данных, основываясь по меньшей мере частично на типе или возрасте.
9. Способ по п.6, в котором изменяют один или большее количество параметров через процесс оптимизации или через команды, обеспеченные с помощью пользовательского интерфейса.
10. Способ по п.9, в котором параметры зависят от характера запроса, времени дня, дня недели, контекстных наблюдений или наблюдений за деятельностью.
11. Компьютерный носитель данных, содержащий исполняемые компьютером команды, которые при исполнении компьютером реализуют способ формирования персонализированного поиска информации, содержащий этапы, на которых:
принимают запросы поиска с помощью пользовательского интерфейса;
определяют характеристики пользователя с помощью пользовательской модели на основании множества факторов, причем каждый фактор указывает тип события, связанного с пользователем, в совокупности данных;
получают информацию в ответ на запрос пользователя на основании определенных характеристик пользователя;
модифицируют совокупность данных для пользовательской модели, при этом для каждого фактора из множества факторов события типа, связанного с фактором, включаются в совокупность данных, когда они происходят в течение интервала, длина которого различна для разных факторов из множества факторов; и
отображают результаты поиска.
принимают запросы поиска с помощью пользовательского интерфейса;
определяют характеристики пользователя с помощью пользовательской модели на основании множества факторов, причем каждый фактор указывает тип события, связанного с пользователем, в совокупности данных;
получают информацию в ответ на запрос пользователя на основании определенных характеристик пользователя;
модифицируют совокупность данных для пользовательской модели, при этом для каждого фактора из множества факторов события типа, связанного с фактором, включаются в совокупность данных, когда они происходят в течение интервала, длина которого различна для разных факторов из множества факторов; и
отображают результаты поиска.
12. Компьютерный носитель данных по п.11, в котором совокупность данных относится к запланированным пользователем мероприятиям, просматриваемым пользователем документам, действиям пользователя или местоположению пользователя.
13. Компьютерный носитель данных по п.11, в котором определяют подмножества для совокупности данных или взвешенные разности в процедурах сравнения для персонализации данных, основываясь по меньшей мере частично на типе или возрасте.
14. Компьютерный носитель данных по п.11, в котором изменяют один или большее количество параметров через процесс оптимизации или через команды, обеспеченные с помощью пользовательского интерфейса.
15. Компьютерный носитель данных по п.14, в котором параметры зависят от характера запроса, времени дня, дня недели, контекстных наблюдений или наблюдений за деятельностью.
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/958,560 US20060074883A1 (en) | 2004-10-05 | 2004-10-05 | Systems, methods, and interfaces for providing personalized search and information access |
US10/958,560 | 2004-10-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
RU2005127536A RU2005127536A (ru) | 2007-03-10 |
RU2419858C2 true RU2419858C2 (ru) | 2011-05-27 |
Family
ID=35295617
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2005127536/08A RU2419858C2 (ru) | 2004-10-05 | 2005-09-01 | Система, способ и интерфейс для обеспечения персонализированного поиска и доступа к информации |
Country Status (16)
Country | Link |
---|---|
US (1) | US20060074883A1 (ru) |
EP (1) | EP1647903A1 (ru) |
JP (2) | JP2006107473A (ru) |
KR (1) | KR20060050397A (ru) |
CN (1) | CN1758248B (ru) |
AU (1) | AU2005209586B2 (ru) |
BR (1) | BRPI0504226A (ru) |
CA (1) | CA2517863A1 (ru) |
CO (1) | CO5730015A1 (ru) |
MX (1) | MXPA05009467A (ru) |
NO (2) | NO20053654L (ru) |
NZ (1) | NZ542169A (ru) |
RU (1) | RU2419858C2 (ru) |
SG (1) | SG121934A1 (ru) |
TW (1) | TW200612262A (ru) |
ZA (1) | ZA200507061B (ru) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013149220A1 (en) * | 2012-03-30 | 2013-10-03 | Xen, Inc. | Centralized tracking of user interest information from distributed information sources |
WO2014042556A1 (ru) * | 2012-09-12 | 2014-03-20 | Ikonomov Artashes Valeryevich | Система для обеспечения персонализированного поиска информации |
RU2580431C2 (ru) * | 2014-03-27 | 2016-04-10 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер для обработки поискового запроса и машиночитаемый носитель |
RU2580516C2 (ru) * | 2014-08-19 | 2016-04-10 | Общество С Ограниченной Ответственностью "Яндекс" | Способ формирования персонализированной модели ранжирования, способ формирования модели ранжирования, электронное устройство и сервер |
RU2583736C2 (ru) * | 2014-02-13 | 2016-05-10 | Общество С Ограниченной Ответственностью "Яндекс" | Система и способ отображения результатов поиска |
RU2597524C2 (ru) * | 2011-05-27 | 2016-09-10 | Квэлкомм Инкорпорейтед | Способ и аппаратура для классификации множества состояний устройства |
RU2605039C2 (ru) * | 2013-10-02 | 2016-12-20 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система ранжирования элементов сетевого ресурса для пользователя |
RU2632144C1 (ru) * | 2016-05-12 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Компьютерный способ создания интерфейса рекомендации контента |
RU2632135C2 (ru) * | 2015-11-11 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Система и способ уточнения результатов поиска |
RU2637899C2 (ru) * | 2015-07-16 | 2017-12-07 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер определения изменений в пользовательском интерактивном взаимодействии со страницей результатов поиска |
US10115084B2 (en) | 2012-10-10 | 2018-10-30 | Artashes Valeryevich Ikonomov | Electronic payment system |
RU2693332C1 (ru) * | 2017-12-29 | 2019-07-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и компьютерное устройство для выбора текущего зависящего от контекста ответа для текущего пользовательского запроса |
RU2697739C2 (ru) * | 2015-06-05 | 2019-08-19 | Бейджин Цзиндун Шанкэ Информейшн Текнолоджи Ко., Лтд. | Устройство и способ персонализированного поиска на основе признаков изображения продукта |
US10387115B2 (en) | 2015-09-28 | 2019-08-20 | Yandex Europe Ag | Method and apparatus for generating a recommended set of items |
US10387513B2 (en) | 2015-08-28 | 2019-08-20 | Yandex Europe Ag | Method and apparatus for generating a recommended content list |
US10430481B2 (en) | 2016-07-07 | 2019-10-01 | Yandex Europe Ag | Method and apparatus for generating a content recommendation in a recommendation system |
RU2701990C1 (ru) * | 2018-07-12 | 2019-10-02 | Акционерное Общество "Ремпаро" | Способ использования системы определения тематики документов для целей информационной безопасности |
US10452731B2 (en) | 2015-09-28 | 2019-10-22 | Yandex Europe Ag | Method and apparatus for generating a recommended set of items for a user |
RU2711104C2 (ru) * | 2017-12-27 | 2020-01-15 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и компьютерное устройство для определения намерения, связанного с запросом для создания зависящего от намерения ответа |
USD882600S1 (en) | 2017-01-13 | 2020-04-28 | Yandex Europe Ag | Display screen with graphical user interface |
US10674215B2 (en) | 2018-09-14 | 2020-06-02 | Yandex Europe Ag | Method and system for determining a relevancy parameter for content item |
RU2725777C1 (ru) * | 2016-11-25 | 2020-07-06 | Алибаба Груп Холдинг Лимитед | Способ и устройство для сопоставления имен |
US10706325B2 (en) | 2016-07-07 | 2020-07-07 | Yandex Europe Ag | Method and apparatus for selecting a network resource as a source of content for a recommendation system |
US11086888B2 (en) | 2018-10-09 | 2021-08-10 | Yandex Europe Ag | Method and system for generating digital content recommendation |
US11263217B2 (en) | 2018-09-14 | 2022-03-01 | Yandex Europe Ag | Method of and system for determining user-specific proportions of content for recommendation |
US11276079B2 (en) | 2019-09-09 | 2022-03-15 | Yandex Europe Ag | Method and system for meeting service level of content item promotion |
US11276076B2 (en) | 2018-09-14 | 2022-03-15 | Yandex Europe Ag | Method and system for generating a digital content recommendation |
US11288333B2 (en) | 2018-10-08 | 2022-03-29 | Yandex Europe Ag | Method and system for estimating user-item interaction data based on stored interaction data by using multiple models |
Families Citing this family (344)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8590013B2 (en) | 2002-02-25 | 2013-11-19 | C. S. Lee Crawford | Method of managing and communicating data pertaining to software applications for processor-based devices comprising wireless communication circuitry |
US7836010B2 (en) * | 2003-07-30 | 2010-11-16 | Northwestern University | Method and system for assessing relevant properties of work contexts for use by information services |
US7895595B2 (en) * | 2003-07-30 | 2011-02-22 | Northwestern University | Automatic method and system for formulating and transforming representations of context used by information services |
US7617205B2 (en) | 2005-03-30 | 2009-11-10 | Google Inc. | Estimating confidence for query revision models |
DE102004028846B3 (de) * | 2004-06-16 | 2006-08-17 | Johnson Controls Gmbh | Fahrzeugkomponente und Verfahren zur Sicherung einer Klappe gegen Öffnen im Crashfall |
US8135698B2 (en) * | 2004-06-25 | 2012-03-13 | International Business Machines Corporation | Techniques for representing relationships between queries |
US9223868B2 (en) | 2004-06-28 | 2015-12-29 | Google Inc. | Deriving and using interaction profiles |
US8620915B1 (en) | 2007-03-13 | 2013-12-31 | Google Inc. | Systems and methods for promoting personalized search results based on personal information |
US8078607B2 (en) * | 2006-03-30 | 2011-12-13 | Google Inc. | Generating website profiles based on queries from webistes and user activities on the search results |
US7606793B2 (en) | 2004-09-27 | 2009-10-20 | Microsoft Corporation | System and method for scoping searches using index keys |
US8874570B1 (en) | 2004-11-30 | 2014-10-28 | Google Inc. | Search boost vector based on co-visitation information |
US8538970B1 (en) | 2004-12-30 | 2013-09-17 | Google Inc. | Personalizing search results |
US7912806B2 (en) * | 2005-02-21 | 2011-03-22 | Brother Kogyo Kabushiki Kaisha | System and device for providing contents |
US8306975B1 (en) * | 2005-03-08 | 2012-11-06 | Worldwide Creative Techniques, Inc. | Expanded interest recommendation engine and variable personalization |
US7870147B2 (en) * | 2005-03-29 | 2011-01-11 | Google Inc. | Query revision using known highly-ranked queries |
US7565345B2 (en) * | 2005-03-29 | 2009-07-21 | Google Inc. | Integration of multiple query revision models |
US7636714B1 (en) | 2005-03-31 | 2009-12-22 | Google Inc. | Determining query term synonyms within query context |
US8631006B1 (en) | 2005-04-14 | 2014-01-14 | Google Inc. | System and method for personalized snippet generation |
US7672908B2 (en) * | 2005-04-15 | 2010-03-02 | Carnegie Mellon University | Intent-based information processing and updates in association with a service agent |
US8032823B2 (en) * | 2005-04-15 | 2011-10-04 | Carnegie Mellon University | Intent-based information processing and updates |
US8606781B2 (en) * | 2005-04-29 | 2013-12-10 | Palo Alto Research Center Incorporated | Systems and methods for personalized search |
US7424472B2 (en) * | 2005-05-27 | 2008-09-09 | Microsoft Corporation | Search query dominant location detection |
US7685191B1 (en) | 2005-06-16 | 2010-03-23 | Enquisite, Inc. | Selection of advertisements to present on a web page or other destination based on search activities of users who selected the destination |
EP1908042A2 (en) * | 2005-07-13 | 2008-04-09 | Google, Inc. | Identifying locations |
KR100682552B1 (ko) * | 2005-07-15 | 2007-02-15 | 연세대학교 산학협력단 | 사용자의 상황에 따라 검색 엔진별 가중치를 부여하는시스템, 장치, 방법 및 이를 구현할 수 있는 컴퓨터로 읽을수 있는 기록 매체 |
US9201979B2 (en) | 2005-09-14 | 2015-12-01 | Millennial Media, Inc. | Syndication of a behavioral profile associated with an availability condition using a monetization platform |
US8805339B2 (en) | 2005-09-14 | 2014-08-12 | Millennial Media, Inc. | Categorization of a mobile user profile based on browse and viewing behavior |
US8819659B2 (en) | 2005-09-14 | 2014-08-26 | Millennial Media, Inc. | Mobile search service instant activation |
US8103545B2 (en) | 2005-09-14 | 2012-01-24 | Jumptap, Inc. | Managing payment for sponsored content presented to mobile communication facilities |
US7752209B2 (en) | 2005-09-14 | 2010-07-06 | Jumptap, Inc. | Presenting sponsored content on a mobile communication facility |
US8615719B2 (en) | 2005-09-14 | 2013-12-24 | Jumptap, Inc. | Managing sponsored content for delivery to mobile communication facilities |
US20110313853A1 (en) | 2005-09-14 | 2011-12-22 | Jorey Ramer | System for targeting advertising content to a plurality of mobile communication facilities |
US8302030B2 (en) | 2005-09-14 | 2012-10-30 | Jumptap, Inc. | Management of multiple advertising inventories using a monetization platform |
US7577665B2 (en) | 2005-09-14 | 2009-08-18 | Jumptap, Inc. | User characteristic influenced search results |
US8688671B2 (en) | 2005-09-14 | 2014-04-01 | Millennial Media | Managing sponsored content based on geographic region |
US20070118533A1 (en) * | 2005-09-14 | 2007-05-24 | Jorey Ramer | On-off handset search box |
US8156128B2 (en) | 2005-09-14 | 2012-04-10 | Jumptap, Inc. | Contextual mobile content placement on a mobile communication facility |
US8238888B2 (en) | 2006-09-13 | 2012-08-07 | Jumptap, Inc. | Methods and systems for mobile coupon placement |
US8311888B2 (en) * | 2005-09-14 | 2012-11-13 | Jumptap, Inc. | Revenue models associated with syndication of a behavioral profile using a monetization platform |
US7860871B2 (en) * | 2005-09-14 | 2010-12-28 | Jumptap, Inc. | User history influenced search results |
US8209344B2 (en) | 2005-09-14 | 2012-06-26 | Jumptap, Inc. | Embedding sponsored content in mobile applications |
US7769764B2 (en) | 2005-09-14 | 2010-08-03 | Jumptap, Inc. | Mobile advertisement syndication |
US8027879B2 (en) | 2005-11-05 | 2011-09-27 | Jumptap, Inc. | Exclusivity bidding for mobile sponsored content |
US8364540B2 (en) | 2005-09-14 | 2013-01-29 | Jumptap, Inc. | Contextual targeting of content using a monetization platform |
US8660891B2 (en) | 2005-11-01 | 2014-02-25 | Millennial Media | Interactive mobile advertisement banners |
US8195133B2 (en) | 2005-09-14 | 2012-06-05 | Jumptap, Inc. | Mobile dynamic advertisement creation and placement |
US8812526B2 (en) | 2005-09-14 | 2014-08-19 | Millennial Media, Inc. | Mobile content cross-inventory yield optimization |
US7702318B2 (en) | 2005-09-14 | 2010-04-20 | Jumptap, Inc. | Presentation of sponsored content based on mobile transaction event |
US8364521B2 (en) | 2005-09-14 | 2013-01-29 | Jumptap, Inc. | Rendering targeted advertisement on mobile communication facilities |
US9471925B2 (en) | 2005-09-14 | 2016-10-18 | Millennial Media Llc | Increasing mobile interactivity |
US20070073719A1 (en) * | 2005-09-14 | 2007-03-29 | Jorey Ramer | Physical navigation of a mobile search application |
US7676394B2 (en) * | 2005-09-14 | 2010-03-09 | Jumptap, Inc. | Dynamic bidding and expected value |
US9076175B2 (en) | 2005-09-14 | 2015-07-07 | Millennial Media, Inc. | Mobile comparison shopping |
US8832100B2 (en) | 2005-09-14 | 2014-09-09 | Millennial Media, Inc. | User transaction history influenced search results |
US8666376B2 (en) | 2005-09-14 | 2014-03-04 | Millennial Media | Location based mobile shopping affinity program |
US8290810B2 (en) | 2005-09-14 | 2012-10-16 | Jumptap, Inc. | Realtime surveying within mobile sponsored content |
US10911894B2 (en) | 2005-09-14 | 2021-02-02 | Verizon Media Inc. | Use of dynamic content generation parameters based on previous performance of those parameters |
US10038756B2 (en) | 2005-09-14 | 2018-07-31 | Millenial Media LLC | Managing sponsored content based on device characteristics |
US8532633B2 (en) | 2005-09-14 | 2013-09-10 | Jumptap, Inc. | System for targeting advertising content to a plurality of mobile communication facilities |
US10592930B2 (en) | 2005-09-14 | 2020-03-17 | Millenial Media, LLC | Syndication of a behavioral profile using a monetization platform |
US8131271B2 (en) | 2005-11-05 | 2012-03-06 | Jumptap, Inc. | Categorization of a mobile user profile based on browse behavior |
US20070060114A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Predictive text completion for a mobile communication facility |
US8989718B2 (en) | 2005-09-14 | 2015-03-24 | Millennial Media, Inc. | Idle screen advertising |
US7912458B2 (en) | 2005-09-14 | 2011-03-22 | Jumptap, Inc. | Interaction analysis and prioritization of mobile content |
US20070288427A1 (en) * | 2005-09-14 | 2007-12-13 | Jorey Ramer | Mobile pay-per-call campaign creation |
US20070168354A1 (en) * | 2005-11-01 | 2007-07-19 | Jorey Ramer | Combined algorithmic and editorial-reviewed mobile content search results |
US9058406B2 (en) | 2005-09-14 | 2015-06-16 | Millennial Media, Inc. | Management of multiple advertising inventories using a monetization platform |
US20070100805A1 (en) * | 2005-09-14 | 2007-05-03 | Jorey Ramer | Mobile content cross-inventory yield optimization |
US9703892B2 (en) | 2005-09-14 | 2017-07-11 | Millennial Media Llc | Predictive text completion for a mobile communication facility |
US7660581B2 (en) | 2005-09-14 | 2010-02-09 | Jumptap, Inc. | Managing sponsored content based on usage history |
US20090240568A1 (en) * | 2005-09-14 | 2009-09-24 | Jorey Ramer | Aggregation and enrichment of behavioral profile data using a monetization platform |
US8229914B2 (en) | 2005-09-14 | 2012-07-24 | Jumptap, Inc. | Mobile content spidering and compatibility determination |
US8503995B2 (en) | 2005-09-14 | 2013-08-06 | Jumptap, Inc. | Mobile dynamic advertisement creation and placement |
US7921109B2 (en) * | 2005-10-05 | 2011-04-05 | Yahoo! Inc. | Customizable ordering of search results and predictive query generation |
US8175585B2 (en) * | 2005-11-05 | 2012-05-08 | Jumptap, Inc. | System for targeting advertising content to a plurality of mobile communication facilities |
US8571999B2 (en) | 2005-11-14 | 2013-10-29 | C. S. Lee Crawford | Method of conducting operations for a social network application including activity list generation |
US8156097B2 (en) | 2005-11-14 | 2012-04-10 | Microsoft Corporation | Two stage search |
US8429184B2 (en) | 2005-12-05 | 2013-04-23 | Collarity Inc. | Generation of refinement terms for search queries |
US7756855B2 (en) * | 2006-10-11 | 2010-07-13 | Collarity, Inc. | Search phrase refinement by search term replacement |
US8903810B2 (en) * | 2005-12-05 | 2014-12-02 | Collarity, Inc. | Techniques for ranking search results |
WO2007124430A2 (en) * | 2006-04-20 | 2007-11-01 | Collarity, Inc. | Search techniques using association graphs |
US20070129970A1 (en) * | 2005-12-07 | 2007-06-07 | Sultan Haider | Method and apparatus for location and presentation of information in an electronic patient record that is relevant to a user, in particular to a physician for supporting a decision |
CA2634706A1 (en) | 2005-12-20 | 2007-06-28 | Arbitron Inc. | Methods and systems for conducting research operations |
US20070192313A1 (en) * | 2006-01-27 | 2007-08-16 | William Derek Finley | Data search method with statistical analysis performed on user provided ratings of the initial search results |
US7644072B2 (en) | 2006-01-31 | 2010-01-05 | Perfect Market, Inc. | Generating a ranked list of search results via result modeling |
US8209724B2 (en) * | 2007-04-25 | 2012-06-26 | Samsung Electronics Co., Ltd. | Method and system for providing access to information of potential interest to a user |
US20080235209A1 (en) * | 2007-03-20 | 2008-09-25 | Samsung Electronics Co., Ltd. | Method and apparatus for search result snippet analysis for query expansion and result filtering |
US8115869B2 (en) | 2007-02-28 | 2012-02-14 | Samsung Electronics Co., Ltd. | Method and system for extracting relevant information from content metadata |
US8200688B2 (en) * | 2006-03-07 | 2012-06-12 | Samsung Electronics Co., Ltd. | Method and system for facilitating information searching on electronic devices |
US8863221B2 (en) * | 2006-03-07 | 2014-10-14 | Samsung Electronics Co., Ltd. | Method and system for integrating content and services among multiple networks |
US20070214123A1 (en) * | 2006-03-07 | 2007-09-13 | Samsung Electronics Co., Ltd. | Method and system for providing a user interface application and presenting information thereon |
US8843467B2 (en) * | 2007-05-15 | 2014-09-23 | Samsung Electronics Co., Ltd. | Method and system for providing relevant information to a user of a device in a local network |
US8510453B2 (en) * | 2007-03-21 | 2013-08-13 | Samsung Electronics Co., Ltd. | Framework for correlating content on a local network with information on an external network |
US8122049B2 (en) * | 2006-03-20 | 2012-02-21 | Microsoft Corporation | Advertising service based on content and user log mining |
US7636779B2 (en) * | 2006-04-28 | 2009-12-22 | Yahoo! Inc. | Contextual mobile local search based on social network vitality information |
US8843560B2 (en) * | 2006-04-28 | 2014-09-23 | Yahoo! Inc. | Social networking for mobile devices |
US8788588B2 (en) * | 2006-05-03 | 2014-07-22 | Samsung Electronics Co., Ltd. | Method of providing service for user search, and apparatus, server, and system for the same |
KR101336257B1 (ko) * | 2006-05-03 | 2013-12-03 | 삼성전자주식회사 | 사용자 검색을 위한 서비스 제공 방법 및 이를 위한 장치,서버, 및 시스템 |
US8126874B2 (en) * | 2006-05-09 | 2012-02-28 | Google Inc. | Systems and methods for generating statistics from search engine query logs |
US8555182B2 (en) * | 2006-06-07 | 2013-10-08 | Microsoft Corporation | Interface for managing search term importance relationships |
CA2652150A1 (en) * | 2006-06-13 | 2007-12-21 | Microsoft Corporation | Search engine dash-board |
US7657626B1 (en) | 2006-09-19 | 2010-02-02 | Enquisite, Inc. | Click fraud detection |
US7739221B2 (en) * | 2006-06-28 | 2010-06-15 | Microsoft Corporation | Visual and multi-dimensional search |
US7917514B2 (en) * | 2006-06-28 | 2011-03-29 | Microsoft Corporation | Visual and multi-dimensional search |
CN100456298C (zh) * | 2006-07-12 | 2009-01-28 | 百度在线网络技术(北京)有限公司 | 广告信息检索系统及广告信息检索方法 |
US7660787B2 (en) * | 2006-07-19 | 2010-02-09 | International Business Machines Corporation | Customized, personalized, integrated client-side search indexing of the web |
US8266131B2 (en) * | 2006-07-25 | 2012-09-11 | Pankaj Jain | Method and a system for searching information using information device |
KR100830949B1 (ko) * | 2006-07-26 | 2008-05-20 | 인하대학교 산학협력단 | 영역 기반 이미지 검색기의 적합성 피드백을 위한 동적인군집 구성 방법 |
CN106959992A (zh) * | 2006-08-31 | 2017-07-18 | 高通股份有限公司 | 使用基于用户的偏向获得或提供搜索结果的方法及设备 |
US20080082490A1 (en) * | 2006-09-28 | 2008-04-03 | Microsoft Corporation | Rich index to cloud-based resources |
US7783636B2 (en) * | 2006-09-28 | 2010-08-24 | Microsoft Corporation | Personalized information retrieval search with backoff |
US7836056B2 (en) * | 2006-09-28 | 2010-11-16 | Microsoft Corporation | Location management of off-premise resources |
US9037581B1 (en) * | 2006-09-29 | 2015-05-19 | Google Inc. | Personalized search result ranking |
KR100829498B1 (ko) | 2006-09-29 | 2008-05-19 | 엔에이치엔(주) | 웹 로그를 이용하여 인물 정보를 제공하는 방법 및 상기방법을 수행하는 시스템 |
US10789323B2 (en) * | 2006-10-02 | 2020-09-29 | Adobe Inc. | System and method for active browsing |
US8442972B2 (en) * | 2006-10-11 | 2013-05-14 | Collarity, Inc. | Negative associations for search results ranking and refinement |
KR100838982B1 (ko) * | 2006-10-24 | 2008-06-17 | 에스케이 텔레콤주식회사 | 이동단말기의 부가 서비스 연동 시스템 및 그 방법 |
US7917154B2 (en) | 2006-11-01 | 2011-03-29 | Yahoo! Inc. | Determining mobile content for a social network based on location and time |
US8108501B2 (en) | 2006-11-01 | 2012-01-31 | Yahoo! Inc. | Searching and route mapping based on a social network, location, and time |
US9519715B2 (en) * | 2006-11-02 | 2016-12-13 | Excalibur Ip, Llc | Personalized search |
US8935269B2 (en) * | 2006-12-04 | 2015-01-13 | Samsung Electronics Co., Ltd. | Method and apparatus for contextual search and query refinement on consumer electronics devices |
US20080147633A1 (en) * | 2006-12-15 | 2008-06-19 | Microsoft Corporation | Bringing users specific relevance to data searches |
KR100888586B1 (ko) * | 2006-12-27 | 2009-03-12 | 유석호 | 검색 엔진이 제공하는 웹페이지를 통해 클라이언트단말기에 클라이언트 어플리케이션을 설치하는 서버 및방법 |
US20080168033A1 (en) * | 2007-01-05 | 2008-07-10 | Yahoo! Inc. | Employing mobile location to refine searches |
KR100856916B1 (ko) * | 2007-01-16 | 2008-09-05 | (주)첫눈 | 관심사를 반영하여 추출한 정보 제공 방법 및 시스템 |
US20090055393A1 (en) * | 2007-01-29 | 2009-02-26 | Samsung Electronics Co., Ltd. | Method and system for facilitating information searching on electronic devices based on metadata information |
US7747626B2 (en) * | 2007-01-30 | 2010-06-29 | Microsoft Corporation | Search results clustering in tabbed browsers |
US20080215416A1 (en) * | 2007-01-31 | 2008-09-04 | Collarity, Inc. | Searchable interactive internet advertisements |
US7788267B2 (en) * | 2007-02-26 | 2010-08-31 | Seiko Epson Corporation | Image metadata action tagging |
US7925644B2 (en) * | 2007-03-01 | 2011-04-12 | Microsoft Corporation | Efficient retrieval algorithm by query term discrimination |
US8010904B2 (en) * | 2007-03-20 | 2011-08-30 | Microsoft Corporation | Customizable layout of search results |
US8005823B1 (en) * | 2007-03-28 | 2011-08-23 | Amazon Technologies, Inc. | Community search optimization |
US9286385B2 (en) | 2007-04-25 | 2016-03-15 | Samsung Electronics Co., Ltd. | Method and system for providing access to information of potential interest to a user |
KR100923505B1 (ko) * | 2007-04-30 | 2009-11-02 | 주식회사 이스트엠엔에스 | 사용자 관심도를 반영한 정보검색 랭킹 시스템 및 그 방법 |
US7895177B2 (en) * | 2007-05-29 | 2011-02-22 | Yahoo! Inc. | Enabling searching of user ratings and reviews using user profile location, and social networks |
US8150868B2 (en) * | 2007-06-11 | 2012-04-03 | Microsoft Corporation | Using joint communication and search data |
US8244737B2 (en) | 2007-06-18 | 2012-08-14 | Microsoft Corporation | Ranking documents based on a series of document graphs |
US10719855B1 (en) | 2007-06-18 | 2020-07-21 | Taboola.Com Ltd. | Internet content commercialization |
US20080315331A1 (en) * | 2007-06-25 | 2008-12-25 | Robert Gideon Wodnicki | Ultrasound system with through via interconnect structure |
KR100859918B1 (ko) * | 2007-08-09 | 2008-09-23 | 김서준 | 사용자 피드백을 이용하여 검색된 컨텐츠를 평가하고 평가결과를 이용하여 검색 결과를 제공하는 방법 및 장치 |
US9323247B2 (en) * | 2007-09-14 | 2016-04-26 | Fisher-Rosemount Systems, Inc. | Personalized plant asset data representation and search system |
US20090077056A1 (en) * | 2007-09-17 | 2009-03-19 | Yahoo! Inc. | Customization of search results |
US20090094224A1 (en) * | 2007-10-05 | 2009-04-09 | Google Inc. | Collaborative search results |
US7950631B2 (en) * | 2007-10-22 | 2011-05-31 | Lennox Industries Inc. | Water distribution tray |
US7814115B2 (en) * | 2007-10-16 | 2010-10-12 | At&T Intellectual Property I, Lp | Multi-dimensional search results adjustment system |
US9348912B2 (en) | 2007-10-18 | 2016-05-24 | Microsoft Technology Licensing, Llc | Document length as a static relevance feature for ranking search results |
US8112407B2 (en) * | 2007-10-24 | 2012-02-07 | The Invention Science Fund I, Llc | Selecting a second content based on a user's reaction to a first content |
US20090112696A1 (en) * | 2007-10-24 | 2009-04-30 | Jung Edward K Y | Method of space-available advertising in a mobile device |
US9582805B2 (en) * | 2007-10-24 | 2017-02-28 | Invention Science Fund I, Llc | Returning a personalized advertisement |
US20090112694A1 (en) * | 2007-10-24 | 2009-04-30 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Targeted-advertising based on a sensed physiological response by a person to a general advertisement |
US9513699B2 (en) * | 2007-10-24 | 2016-12-06 | Invention Science Fund I, LL | Method of selecting a second content based on a user's reaction to a first content |
US8126867B2 (en) * | 2007-10-24 | 2012-02-28 | The Invention Science Fund I, Llc | Returning a second content based on a user's reaction to a first content |
US20090112849A1 (en) * | 2007-10-24 | 2009-04-30 | Searete Llc | Selecting a second content based on a user's reaction to a first content of at least two instances of displayed content |
US8234262B2 (en) * | 2007-10-24 | 2012-07-31 | The Invention Science Fund I, Llc | Method of selecting a second content based on a user's reaction to a first content of at least two instances of displayed content |
US8176068B2 (en) | 2007-10-31 | 2012-05-08 | Samsung Electronics Co., Ltd. | Method and system for suggesting search queries on electronic devices |
US7984000B2 (en) * | 2007-10-31 | 2011-07-19 | Microsoft Corporation | Predicting and using search engine switching behavior |
US9465892B2 (en) * | 2007-12-03 | 2016-10-11 | Yahoo! Inc. | Associating metadata with media objects using time |
US7415460B1 (en) | 2007-12-10 | 2008-08-19 | International Business Machines Corporation | System and method to customize search engine results by picking documents |
US8145747B2 (en) * | 2007-12-11 | 2012-03-27 | Microsoft Corporation | Webpage domain monitoring |
US20090164929A1 (en) * | 2007-12-20 | 2009-06-25 | Microsoft Corporation | Customizing Search Results |
US8244721B2 (en) * | 2008-02-13 | 2012-08-14 | Microsoft Corporation | Using related users data to enhance web search |
US9659011B1 (en) | 2008-02-18 | 2017-05-23 | United Services Automobile Association (Usaa) | Method and system for interface presentation |
US8042061B1 (en) * | 2008-02-18 | 2011-10-18 | United Services Automobile Association | Method and system for interface presentation |
CN101520784B (zh) * | 2008-02-29 | 2011-09-28 | 富士通株式会社 | 信息发布系统和信息发布方法 |
US20090228296A1 (en) * | 2008-03-04 | 2009-09-10 | Collarity, Inc. | Optimization of social distribution networks |
EP2099198A1 (en) | 2008-03-05 | 2009-09-09 | Sony Corporation | Method and device for personalizing a multimedia application |
US8892552B1 (en) * | 2008-03-11 | 2014-11-18 | Google Inc. | Dynamic specification of custom search engines at query-time, and applications thereof |
US8412702B2 (en) * | 2008-03-12 | 2013-04-02 | Yahoo! Inc. | System, method, and/or apparatus for reordering search results |
US20090234837A1 (en) * | 2008-03-14 | 2009-09-17 | Yahoo! Inc. | Search query |
US8762364B2 (en) * | 2008-03-18 | 2014-06-24 | Yahoo! Inc. | Personalizing sponsored search advertising layout using user behavior history |
US8306987B2 (en) * | 2008-04-03 | 2012-11-06 | Ofer Ber | System and method for matching search requests and relevant data |
US8812493B2 (en) | 2008-04-11 | 2014-08-19 | Microsoft Corporation | Search results ranking using editing distance and document information |
US9135328B2 (en) * | 2008-04-30 | 2015-09-15 | Yahoo! Inc. | Ranking documents through contextual shortcuts |
UA90764C2 (ru) * | 2008-05-13 | 2010-05-25 | Сергей игоревич Вакарин | Способ поиска информационных объектов и система для его осуществления |
KR101048100B1 (ko) * | 2008-05-14 | 2011-07-11 | 주식회사 비엔에스웍스 | 인텔리전트 서비스 제공 디바이스 및 그 방법 |
US20090307263A1 (en) * | 2008-06-06 | 2009-12-10 | Sense Networks, Inc. | System And Method Of Performing Location Analytics |
US8438178B2 (en) * | 2008-06-26 | 2013-05-07 | Collarity Inc. | Interactions among online digital identities |
US20090327270A1 (en) * | 2008-06-27 | 2009-12-31 | Microsoft Corporation | Using Variation in User Interest to Enhance the Search Experience |
US8060513B2 (en) * | 2008-07-01 | 2011-11-15 | Dossierview Inc. | Information processing with integrated semantic contexts |
JP5327784B2 (ja) * | 2008-07-30 | 2013-10-30 | 株式会社日立製作所 | 計算機システム、情報収集支援装置及び情報収集支援方法 |
CN101661474B (zh) * | 2008-08-26 | 2012-07-04 | 华为技术有限公司 | 一种搜索方法和系统 |
US8806350B2 (en) | 2008-09-04 | 2014-08-12 | Qualcomm Incorporated | Integrated display and management of data objects based on social, temporal and spatial parameters |
US8302015B2 (en) * | 2008-09-04 | 2012-10-30 | Qualcomm Incorporated | Integrated display and management of data objects based on social, temporal and spatial parameters |
WO2010027517A2 (en) * | 2008-09-08 | 2010-03-11 | Chuan David Ai | Private information requests and information management |
US8938465B2 (en) * | 2008-09-10 | 2015-01-20 | Samsung Electronics Co., Ltd. | Method and system for utilizing packaged content sources to identify and provide information based on contextual information |
US8224766B2 (en) * | 2008-09-30 | 2012-07-17 | Sense Networks, Inc. | Comparing spatial-temporal trails in location analytics |
US8620624B2 (en) * | 2008-09-30 | 2013-12-31 | Sense Networks, Inc. | Event identification in sensor analytics |
KR100993656B1 (ko) * | 2008-10-08 | 2010-11-10 | 경북대학교 산학협력단 | 태그 적합성 피드백 시스템 및 방법 |
KR101014903B1 (ko) * | 2008-10-14 | 2011-02-15 | 엔에이치엔(주) | 카테고리 동적 조정 방법 및 시스템 |
US8090732B2 (en) | 2008-12-16 | 2012-01-03 | Motorola Mobility, Inc. | Collaborative searching |
US8108393B2 (en) | 2009-01-09 | 2012-01-31 | Hulu Llc | Method and apparatus for searching media program databases |
US8826129B2 (en) | 2009-01-21 | 2014-09-02 | International Business Machines Corporation | Multi-touch device having a bot with local and remote capabilities |
WO2010084839A1 (ja) * | 2009-01-26 | 2010-07-29 | 日本電気株式会社 | 尤度推定装置、コンテンツ配信システム、尤度推定方法および尤度推定プログラム |
US9330165B2 (en) * | 2009-02-13 | 2016-05-03 | Microsoft Technology Licensing, Llc | Context-aware query suggestion by mining log data |
WO2010096986A1 (zh) * | 2009-02-27 | 2010-09-02 | 华为技术有限公司 | 移动搜索方法及装置 |
US9477763B2 (en) | 2009-03-02 | 2016-10-25 | Excalibur IP, LC | Personalized search results utilizing previously navigated web sites |
US8095524B2 (en) * | 2009-03-18 | 2012-01-10 | International Business Machines Corporation | Method and system for integrating personal information search and interaction on web/desktop applications |
US8577875B2 (en) * | 2009-03-20 | 2013-11-05 | Microsoft Corporation | Presenting search results ordered using user preferences |
US8428561B1 (en) | 2009-03-27 | 2013-04-23 | T-Mobile Usa, Inc. | Event notification and organization utilizing a communication network |
US8631070B2 (en) * | 2009-03-27 | 2014-01-14 | T-Mobile Usa, Inc. | Providing event data to a group of contacts |
US20100268704A1 (en) * | 2009-04-15 | 2010-10-21 | Mitac Technology Corp. | Method of searching information and ranking search results, user terminal and internet search server with the method applied thereto |
US10282373B2 (en) * | 2009-04-17 | 2019-05-07 | Excalibur Ip, Llc | Subject-based vitality |
KR101026544B1 (ko) * | 2009-05-14 | 2011-04-01 | 주식회사 모임 | 인공지능에 기반한 랭킹 분석 방법, 이를 기록한 기록 매체, 그 장치 |
TWI601024B (zh) * | 2009-07-06 | 2017-10-01 | Alibaba Group Holding Ltd | Sampling methods, systems and equipment |
CN101662723B (zh) * | 2009-09-10 | 2012-01-04 | 浙江大学 | 3g网络中基于用户特征分析的定向推送特定服务决策方法 |
WO2011030355A2 (en) * | 2009-09-14 | 2011-03-17 | Arun Jain | Zolog intelligent human language interface for business software applications |
US8577922B2 (en) | 2009-10-09 | 2013-11-05 | Nec Corporation | Information management apparatus, data processing method and computer program |
CN102096667B (zh) * | 2009-12-09 | 2015-06-03 | 高文龙 | 一种信息检索方法及系统 |
US8875038B2 (en) | 2010-01-19 | 2014-10-28 | Collarity, Inc. | Anchoring for content synchronization |
US8150841B2 (en) * | 2010-01-20 | 2012-04-03 | Microsoft Corporation | Detecting spiking queries |
US8290926B2 (en) * | 2010-01-21 | 2012-10-16 | Microsoft Corporation | Scalable topical aggregation of data feeds |
US20110191330A1 (en) * | 2010-02-04 | 2011-08-04 | Veveo, Inc. | Method of and System for Enhanced Content Discovery Based on Network and Device Access Behavior |
US20110218883A1 (en) * | 2010-03-03 | 2011-09-08 | Daniel-Alexander Billsus | Document processing using retrieval path data |
US20110219030A1 (en) * | 2010-03-03 | 2011-09-08 | Daniel-Alexander Billsus | Document presentation using retrieval path data |
US20110219029A1 (en) * | 2010-03-03 | 2011-09-08 | Daniel-Alexander Billsus | Document processing using retrieval path data |
CN102214320A (zh) * | 2010-04-12 | 2011-10-12 | 宋威 | 神经网络训练方法及采用该方法的垃圾邮件过滤方法 |
TWI509434B (zh) * | 2010-04-23 | 2015-11-21 | Alibaba Group Holding Ltd | Methods and apparatus for classification |
US20110282869A1 (en) * | 2010-05-11 | 2011-11-17 | Maxim Zhilyaev | Access to information by quantitative analysis of enterprise web access traffic |
US8738635B2 (en) | 2010-06-01 | 2014-05-27 | Microsoft Corporation | Detection of junk in search result ranking |
US20120005183A1 (en) * | 2010-06-30 | 2012-01-05 | Emergency24, Inc. | System and method for aggregating and interactive ranking of search engine results |
CN102411577A (zh) * | 2010-09-25 | 2012-04-11 | 百度在线网络技术(北京)有限公司 | 一种用于基于标杆对推广关键词进行分析的方法与设备 |
KR101425093B1 (ko) * | 2010-10-12 | 2014-08-04 | 한국전자통신연구원 | 이동 단말의 개인화 검색 방법 및 이를 수행하는 이동 단말 |
CN102456018B (zh) * | 2010-10-18 | 2016-03-02 | 腾讯科技(深圳)有限公司 | 一种交互搜索方法及装置 |
CN102456019A (zh) * | 2010-10-18 | 2012-05-16 | 腾讯科技(深圳)有限公司 | 检索方法及装置 |
CN102567376A (zh) * | 2010-12-16 | 2012-07-11 | 中国移动通信集团浙江有限公司 | 一种个性化搜索结果推荐方法和装置 |
US9158775B1 (en) * | 2010-12-18 | 2015-10-13 | Google Inc. | Scoring stream items in real time |
US9996620B2 (en) * | 2010-12-28 | 2018-06-12 | Excalibur Ip, Llc | Continuous content refinement of topics of user interest |
WO2012102707A1 (en) * | 2011-01-25 | 2012-08-02 | Hewlett-Packard Development Company L.P. | Analytical data processing |
US9355145B2 (en) | 2011-01-25 | 2016-05-31 | Hewlett Packard Enterprise Development Lp | User defined function classification in analytical data processing systems |
KR101252670B1 (ko) * | 2011-01-27 | 2013-04-09 | 한국과학기술연구원 | 연관 콘텐츠 제공 장치, 방법 및 컴퓨터 판독 가능한 기록 매체 |
US20120203592A1 (en) * | 2011-02-08 | 2012-08-09 | Balaji Ravindran | Methods, apparatus, and articles of manufacture to determine search engine market share |
DE112012000732T5 (de) * | 2011-02-09 | 2014-01-02 | Brightedge Technologies, Inc. | Chancenidentifikation zur Suchmaschinen-Optimierung |
US9852222B2 (en) * | 2011-03-15 | 2017-12-26 | Ebay Inc. | Personalizing search results |
CN102736918B (zh) * | 2011-03-30 | 2016-08-10 | 杨志明 | 一种在Web行为定向中的找回用户方法及系统 |
US9244984B2 (en) | 2011-03-31 | 2016-01-26 | Microsoft Technology Licensing, Llc | Location based conversational understanding |
US9760566B2 (en) | 2011-03-31 | 2017-09-12 | Microsoft Technology Licensing, Llc | Augmented conversational understanding agent to identify conversation context between two humans and taking an agent action thereof |
US10642934B2 (en) | 2011-03-31 | 2020-05-05 | Microsoft Technology Licensing, Llc | Augmented conversational understanding architecture |
US9842168B2 (en) | 2011-03-31 | 2017-12-12 | Microsoft Technology Licensing, Llc | Task driven user intents |
US9858343B2 (en) | 2011-03-31 | 2018-01-02 | Microsoft Technology Licensing Llc | Personalization of queries, conversations, and searches |
US9298287B2 (en) | 2011-03-31 | 2016-03-29 | Microsoft Technology Licensing, Llc | Combined activation for natural user interface systems |
US9064006B2 (en) | 2012-08-23 | 2015-06-23 | Microsoft Technology Licensing, Llc | Translating natural language utterances to keyword search queries |
US9454962B2 (en) | 2011-05-12 | 2016-09-27 | Microsoft Technology Licensing, Llc | Sentence simplification for spoken language understanding |
US8751472B2 (en) | 2011-05-19 | 2014-06-10 | Microsoft Corporation | User behavior model for contextual personalized recommendation |
RU2481626C2 (ru) * | 2011-05-27 | 2013-05-10 | Нокиа Корпорейшн | Аннотирование контента с помощью контекстных метаданных |
CN102819529B (zh) * | 2011-06-10 | 2015-08-19 | 阿里巴巴集团控股有限公司 | 社交网站信息发布方法及系统 |
US8700544B2 (en) | 2011-06-17 | 2014-04-15 | Microsoft Corporation | Functionality for personalizing search results |
TWI449410B (zh) * | 2011-07-29 | 2014-08-11 | Nat Univ Chung Cheng | Personalized Sorting Method of Internet Audio and Video Data |
CN102262672A (zh) * | 2011-08-09 | 2011-11-30 | 鸿富锦精密工业(深圳)有限公司 | 电子装置及其信息交互方法 |
CN102968417B (zh) * | 2011-09-01 | 2016-09-28 | 阿里巴巴集团控股有限公司 | 一种应用于计算机网络中的搜索方法和系统 |
CN103106212B (zh) * | 2011-11-14 | 2016-12-07 | 中国移动通信集团广西有限公司 | 信息搜索方法及装置 |
US9754268B2 (en) * | 2011-12-08 | 2017-09-05 | Yahoo Holdings, Inc. | Persona engine |
US8326831B1 (en) | 2011-12-11 | 2012-12-04 | Microsoft Corporation | Persistent contextual searches |
US9495462B2 (en) | 2012-01-27 | 2016-11-15 | Microsoft Technology Licensing, Llc | Re-ranking search results |
WO2013116825A1 (en) * | 2012-02-03 | 2013-08-08 | Spindle Labs, Inc. | System and method for determining relevance of social content |
CN102622417B (zh) * | 2012-02-20 | 2016-08-31 | 北京搜狗信息服务有限公司 | 对信息记录进行排序的方法和装置 |
CN102663001A (zh) * | 2012-03-15 | 2012-09-12 | 华南理工大学 | 基于支持向量机的博客作者兴趣与性格自动识别方法 |
US9536003B2 (en) * | 2012-03-17 | 2017-01-03 | Haizhi Wangju Network Technology (Beijing) Co., Ltd. | Method and system for hybrid information query |
CN104254851A (zh) | 2012-03-17 | 2014-12-31 | 海智网聚网络技术(北京)有限公司 | 用于向用户推荐内容的方法和系统 |
CN104412261B (zh) * | 2012-04-11 | 2020-10-23 | 英特尔公司 | 用户界面内容个性化系统 |
CN103425659B (zh) | 2012-05-15 | 2017-06-09 | 阿里巴巴集团控股有限公司 | 基于地理位置的信息搜索方法及服务器 |
CN103425656B (zh) * | 2012-05-15 | 2017-05-31 | 阿里巴巴集团控股有限公司 | 商品信息的搜索方法、服务器和终端 |
US11023520B1 (en) | 2012-06-01 | 2021-06-01 | Google Llc | Background audio identification for query disambiguation |
US20140025674A1 (en) * | 2012-07-19 | 2014-01-23 | International Business Machines Corporation | User-Specific Search Result Re-ranking |
US10216791B2 (en) * | 2012-09-14 | 2019-02-26 | Salesforce.Com | System, method and computer program product for adjusting a data query |
CN102945243B (zh) * | 2012-09-20 | 2018-05-04 | 百度在线网络技术(北京)有限公司 | 一种基于浏览内容的联系信息识别方法 |
CN102830940A (zh) * | 2012-09-24 | 2012-12-19 | 深圳市宜搜科技发展有限公司 | 一种搜索结果处理方法及系统 |
CN102902768B (zh) * | 2012-09-24 | 2016-09-28 | 广东威创视讯科技股份有限公司 | 文件内容搜索显示方法及系统 |
US10108720B2 (en) * | 2012-11-28 | 2018-10-23 | International Business Machines Corporation | Automatically providing relevant search results based on user behavior |
US20150242512A1 (en) * | 2012-12-11 | 2015-08-27 | Google Inc. | Systems and Methods for Ranking Search Results Based on User Identification of Items of Interest |
KR101441983B1 (ko) * | 2013-01-15 | 2014-09-26 | 경북대학교 산학협력단 | 사용자 프로파일 생성 장치 및 그 방법 |
US8874594B2 (en) | 2013-02-06 | 2014-10-28 | Google Inc. | Search with my location history |
CN103324675A (zh) * | 2013-05-24 | 2013-09-25 | 崔吉平 | 互联网个性化精确信息搜索及算法 |
US11263221B2 (en) | 2013-05-29 | 2022-03-01 | Microsoft Technology Licensing, Llc | Search result contexts for application launch |
US10430418B2 (en) | 2013-05-29 | 2019-10-01 | Microsoft Technology Licensing, Llc | Context-based actions from a source application |
US9646062B2 (en) * | 2013-06-10 | 2017-05-09 | Microsoft Technology Licensing, Llc | News results through query expansion |
US20140365303A1 (en) * | 2013-06-11 | 2014-12-11 | Microsoft Corporation | Information filtering at user devices |
US10089394B2 (en) * | 2013-06-25 | 2018-10-02 | Google Llc | Personal search result identifying a physical location previously interacted with by a user |
AU2014308965A1 (en) * | 2013-08-19 | 2016-03-24 | Monster Worldwide, Inc. | Sourcing abound candidates apparatuses, methods and systems |
US9436918B2 (en) * | 2013-10-07 | 2016-09-06 | Microsoft Technology Licensing, Llc | Smart selection of text spans |
US11238056B2 (en) | 2013-10-28 | 2022-02-01 | Microsoft Technology Licensing, Llc | Enhancing search results with social labels |
US9542440B2 (en) | 2013-11-04 | 2017-01-10 | Microsoft Technology Licensing, Llc | Enterprise graph search based on object and actor relationships |
CN103559619A (zh) * | 2013-11-12 | 2014-02-05 | 北京京东尚科信息技术有限公司 | 一种服装尺码信息的应答方法及系统 |
US20150142824A1 (en) * | 2013-11-21 | 2015-05-21 | At&T Mobility Ii Llc | Situational Content Based on Context |
KR101525323B1 (ko) * | 2013-11-29 | 2015-06-03 | 성준형 | 입력 인터페이싱 장치 및 방법 |
US9405838B2 (en) * | 2013-12-27 | 2016-08-02 | Quixey, Inc. | Determining an active persona of a user device |
CN104750759A (zh) * | 2013-12-31 | 2015-07-01 | 华为技术有限公司 | 热点用户发现的方法及其装置 |
US11645289B2 (en) | 2014-02-04 | 2023-05-09 | Microsoft Technology Licensing, Llc | Ranking enterprise graph queries |
US9870432B2 (en) | 2014-02-24 | 2018-01-16 | Microsoft Technology Licensing, Llc | Persisted enterprise graph queries |
US11657060B2 (en) | 2014-02-27 | 2023-05-23 | Microsoft Technology Licensing, Llc | Utilizing interactivity signals to generate relationships and promote content |
US10757201B2 (en) | 2014-03-01 | 2020-08-25 | Microsoft Technology Licensing, Llc | Document and content feed |
US10169457B2 (en) | 2014-03-03 | 2019-01-01 | Microsoft Technology Licensing, Llc | Displaying and posting aggregated social activity on a piece of enterprise content |
US10394827B2 (en) | 2014-03-03 | 2019-08-27 | Microsoft Technology Licensing, Llc | Discovering enterprise content based on implicit and explicit signals |
US10255563B2 (en) | 2014-03-03 | 2019-04-09 | Microsoft Technology Licensing, Llc | Aggregating enterprise graph content around user-generated topics |
US9953060B2 (en) | 2014-03-31 | 2018-04-24 | Maruthi Siva P Cherukuri | Personalized activity data gathering based on multi-variable user input and multi-dimensional schema |
CN103942279B (zh) | 2014-04-01 | 2018-07-10 | 百度(中国)有限公司 | 搜索结果的展现方法和装置 |
US9946771B2 (en) * | 2014-05-30 | 2018-04-17 | Apple Inc. | User interface for searching |
US10642845B2 (en) * | 2014-05-30 | 2020-05-05 | Apple Inc. | Multi-domain search on a computing device |
CN105302845B (zh) | 2014-08-01 | 2018-11-30 | 华为技术有限公司 | 数据信息交易方法和系统 |
TWI557576B (zh) * | 2014-08-15 | 2016-11-11 | Chunghwa Telecom Co Ltd | Method and System for Predicting Calculation of Timing Data |
US10061826B2 (en) | 2014-09-05 | 2018-08-28 | Microsoft Technology Licensing, Llc. | Distant content discovery |
CN105468580A (zh) * | 2014-09-28 | 2016-04-06 | 北京三星通信技术研究有限公司 | 基于关注点信息提供服务的方法和装置 |
KR102329333B1 (ko) | 2014-11-12 | 2021-11-23 | 삼성전자주식회사 | 질의를 처리하는 장치 및 방법 |
US10007719B2 (en) | 2015-01-30 | 2018-06-26 | Microsoft Technology Licensing, Llc | Compensating for individualized bias of search users |
US10007730B2 (en) | 2015-01-30 | 2018-06-26 | Microsoft Technology Licensing, Llc | Compensating for bias in search results |
CN104636502A (zh) * | 2015-03-10 | 2015-05-20 | 浪潮集团有限公司 | 一种查询系统的数据加速查询方法 |
US20160299978A1 (en) * | 2015-04-13 | 2016-10-13 | Google Inc. | Device dependent search experience |
CN106302081B (zh) * | 2015-05-14 | 2020-04-17 | 阿里巴巴集团控股有限公司 | 即时通讯方法及客户端 |
US10402410B2 (en) | 2015-05-15 | 2019-09-03 | Google Llc | Contextualizing knowledge panels |
US10986396B2 (en) * | 2015-06-25 | 2021-04-20 | Disney Enterprises, Inc. | Adjusting media availability via a content consumption activity dashboard |
CN105045875B (zh) * | 2015-07-17 | 2018-06-12 | 北京林业大学 | 个性化信息检索方法及装置 |
US10250705B2 (en) * | 2015-08-26 | 2019-04-02 | International Business Machines Corporation | Interaction trajectory retrieval |
CN114491639A (zh) * | 2015-10-23 | 2022-05-13 | 甲骨文国际公司 | 支持联合搜索的对受保护字段的自动操作检测 |
CN105302903B (zh) * | 2015-10-27 | 2018-12-14 | 广州神马移动信息科技有限公司 | 搜索方法、装置、系统以及搜索结果调序依据的确定方法 |
US9747348B2 (en) * | 2015-11-12 | 2017-08-29 | International Business Machines Corporation | Personality-relevant search services |
CN105895103B (zh) * | 2015-12-03 | 2020-01-17 | 乐融致新电子科技(天津)有限公司 | 一种语音识别方法及装置 |
TWI571756B (zh) | 2015-12-11 | 2017-02-21 | 財團法人工業技術研究院 | 用以分析瀏覽記錄及其文件之方法及其系統 |
CN105631729A (zh) * | 2015-12-25 | 2016-06-01 | 中国民航信息网络股份有限公司 | 机票变更价格自动搜索方法及其系统 |
US9684693B1 (en) * | 2016-04-05 | 2017-06-20 | Google Inc. | On-device query rewriting |
CN107756394A (zh) * | 2016-08-19 | 2018-03-06 | 北京快乐智慧科技有限责任公司 | 一种智能交互机器人的交互方法和系统 |
US10671681B2 (en) | 2016-09-20 | 2020-06-02 | International Business Machines Corporation | Triggering personalized search queries based on physiological and behavioral patterns |
US20180089241A1 (en) * | 2016-09-29 | 2018-03-29 | Intel Corporation | Context enhanced indexing |
CN106557563B (zh) * | 2016-11-15 | 2020-09-25 | 北京百度网讯科技有限公司 | 基于人工智能的查询语句推荐方法及装置 |
WO2018156745A1 (en) * | 2017-02-22 | 2018-08-30 | Stackray Corporation | Computer network modeling |
US10872088B2 (en) * | 2017-01-30 | 2020-12-22 | Apple Inc. | Domain based influence scoring |
WO2018200979A1 (en) * | 2017-04-29 | 2018-11-01 | Google Llc | Generating query variants using a trained generative model |
US10956409B2 (en) * | 2017-05-10 | 2021-03-23 | International Business Machines Corporation | Relevance model for session search |
US10897447B2 (en) * | 2017-11-07 | 2021-01-19 | Verizon Media Inc. | Computerized system and method for automatically performing an implicit message search |
CN111465931A (zh) * | 2017-12-05 | 2020-07-28 | 谷歌有限责任公司 | 优化图形用户界面上的项目显示 |
US10664540B2 (en) * | 2017-12-15 | 2020-05-26 | Intuit Inc. | Domain specific natural language understanding of customer intent in self-help |
US11568003B2 (en) * | 2017-12-15 | 2023-01-31 | Google Llc | Refined search with machine learning |
CN108256957A (zh) * | 2017-12-22 | 2018-07-06 | 金瓜子科技发展(北京)有限公司 | 基于用户历史行为的车源搜索结果的展现方法及装置 |
CN107944007A (zh) * | 2018-02-06 | 2018-04-20 | 中山大学 | 一种结合情境信息的个性化餐厅推荐方法 |
JP2020086763A (ja) * | 2018-11-21 | 2020-06-04 | 本田技研工業株式会社 | 情報提供装置、情報提供方法、及びプログラム |
CN113646755A (zh) | 2019-01-23 | 2021-11-12 | 基埃博公司 | 用于数据搜索和检索增强以及加强的数据存储的数据处理系统 |
EP3918486A4 (en) | 2019-02-01 | 2022-10-19 | Ancestry.com Operations Inc. | SEARCH AND RANK RECORDS ACROSS DIFFERENT DATABASES |
RU2739873C2 (ru) * | 2019-02-07 | 2020-12-29 | Акционерное общество "Лаборатория Касперского" | Способ поиска пользователей, соответствующих требованиям |
KR20210015524A (ko) | 2019-08-02 | 2021-02-10 | 삼성전자주식회사 | 사용자 관심도의 산출 방법 및 이를 지원하는 전자 장치 |
US11914601B2 (en) | 2019-08-29 | 2024-02-27 | Ntt Docomo, Inc. | Re-ranking device |
US11532384B2 (en) * | 2020-04-02 | 2022-12-20 | International Business Machines Corporation | Personalized offline retrieval of data |
WO2022003440A1 (en) * | 2020-06-30 | 2022-01-06 | Futureloop Inc. | Intelligence systems, methods, and devices |
CN112182387B (zh) * | 2020-09-29 | 2023-08-25 | 中国人民大学 | 一种时间信息增强的个性化搜索方法 |
US11592973B2 (en) * | 2021-01-27 | 2023-02-28 | Paypal, Inc. | Goal-based dynamic modifications to user interface content |
TWI817128B (zh) * | 2021-05-26 | 2023-10-01 | 鼎新電腦股份有限公司 | 企業資源規劃裝置及其智慧式除錯方法 |
WO2023214828A1 (en) * | 2022-05-04 | 2023-11-09 | Samsung Electronics Co., Ltd. | Method and electronic device for predicting emotion of user |
Family Cites Families (59)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5493692A (en) * | 1993-12-03 | 1996-02-20 | Xerox Corporation | Selective delivery of electronic messages in a multiple computer system based on context and environment of a user |
US5555376A (en) * | 1993-12-03 | 1996-09-10 | Xerox Corporation | Method for granting a user request having locational and contextual attributes consistent with user policies for devices having locational attributes consistent with the user request |
US5812865A (en) * | 1993-12-03 | 1998-09-22 | Xerox Corporation | Specifying and establishing communication data paths between particular media devices in multiple media device computing systems based on context of a user or users |
US5758257A (en) * | 1994-11-29 | 1998-05-26 | Herz; Frederick | System and method for scheduling broadcast of and access to video programs and other data using customer profiles |
DE69531599T2 (de) * | 1994-12-20 | 2004-06-24 | Sun Microsystems, Inc., Mountain View | Verfahren und Gerät zum Auffinden und Beschaffen personalisierter Informationen |
US6092725A (en) * | 1997-01-24 | 2000-07-25 | Symbol Technologies, Inc. | Statistical sampling security methodology for self-scanning checkout system |
US6837436B2 (en) * | 1996-09-05 | 2005-01-04 | Symbol Technologies, Inc. | Consumer interactive shopping system |
US7040541B2 (en) * | 1996-09-05 | 2006-05-09 | Symbol Technologies, Inc. | Portable shopping and order fulfillment system |
US5890152A (en) * | 1996-09-09 | 1999-03-30 | Seymour Alvin Rapaport | Personal feedback browser for obtaining media files |
US6012053A (en) * | 1997-06-23 | 2000-01-04 | Lycos, Inc. | Computer system with user-controlled relevance ranking of search results |
US6409086B1 (en) * | 1997-08-08 | 2002-06-25 | Symbol Technolgies, Inc. | Terminal locking system |
US6594682B2 (en) * | 1997-10-28 | 2003-07-15 | Microsoft Corporation | Client-side system for scheduling delivery of web content and locally managing the web content |
US6473752B1 (en) * | 1997-12-04 | 2002-10-29 | Micron Technology, Inc. | Method and system for locating documents based on previously accessed documents |
US6640214B1 (en) * | 1999-01-16 | 2003-10-28 | Symbol Technologies, Inc. | Portable electronic terminal and data processing system |
US7010501B1 (en) * | 1998-05-29 | 2006-03-07 | Symbol Technologies, Inc. | Personal shopping system |
US6256633B1 (en) * | 1998-06-25 | 2001-07-03 | U.S. Philips Corporation | Context-based and user-profile driven information retrieval |
AU5465099A (en) * | 1998-08-04 | 2000-02-28 | Rulespace, Inc. | Method and system for deriving computer users' personal interests |
US6564251B2 (en) * | 1998-12-03 | 2003-05-13 | Microsoft Corporation | Scalable computing system for presenting customized aggregation of information |
US7080322B2 (en) * | 1998-12-18 | 2006-07-18 | Tangis Corporation | Thematic response to a computer user's context, such as by a wearable personal computer |
US6747675B1 (en) * | 1998-12-18 | 2004-06-08 | Tangis Corporation | Mediating conflicts in computer user's context data |
US6842877B2 (en) * | 1998-12-18 | 2005-01-11 | Tangis Corporation | Contextual responses based on automated learning techniques |
US6466232B1 (en) * | 1998-12-18 | 2002-10-15 | Tangis Corporation | Method and system for controlling presentation of information to a user based on the user's condition |
US6812937B1 (en) * | 1998-12-18 | 2004-11-02 | Tangis Corporation | Supplying enhanced computer user's context data |
US6801223B1 (en) * | 1998-12-18 | 2004-10-05 | Tangis Corporation | Managing interactions between computer users' context models |
US6513046B1 (en) * | 1999-12-15 | 2003-01-28 | Tangis Corporation | Storing and recalling information to augment human memories |
US7107539B2 (en) * | 1998-12-18 | 2006-09-12 | Tangis Corporation | Thematic response to a computer user's context, such as by a wearable personal computer |
US7055101B2 (en) * | 1998-12-18 | 2006-05-30 | Tangis Corporation | Thematic response to a computer user's context, such as by a wearable personal computer |
US7076737B2 (en) * | 1998-12-18 | 2006-07-11 | Tangis Corporation | Thematic response to a computer user's context, such as by a wearable personal computer |
US6791580B1 (en) * | 1998-12-18 | 2004-09-14 | Tangis Corporation | Supplying notifications related to supply and consumption of user context data |
US6385619B1 (en) * | 1999-01-08 | 2002-05-07 | International Business Machines Corporation | Automatic user interest profile generation from structured document access information |
US6466970B1 (en) * | 1999-01-27 | 2002-10-15 | International Business Machines Corporation | System and method for collecting and analyzing information about content requested in a network (World Wide Web) environment |
JP3880235B2 (ja) * | 1999-01-29 | 2007-02-14 | キヤノン株式会社 | 情報検索装置及びその方法、及びそのプログラムを記憶した記憶媒体 |
US6327590B1 (en) * | 1999-05-05 | 2001-12-04 | Xerox Corporation | System and method for collaborative ranking of search results employing user and group profiles derived from document collection content analysis |
JP4732593B2 (ja) * | 1999-05-05 | 2011-07-27 | ウエスト パブリッシング カンパニー | ドキュメント分類システム、ドキュメント分類方法およびドキュメント分類ソフトウェア |
US20010030664A1 (en) * | 1999-08-16 | 2001-10-18 | Shulman Leo A. | Method and apparatus for configuring icon interactivity |
US6353398B1 (en) * | 1999-10-22 | 2002-03-05 | Himanshu S. Amin | System for dynamically pushing information to a user utilizing global positioning system |
US6963867B2 (en) * | 1999-12-08 | 2005-11-08 | A9.Com, Inc. | Search query processing to provide category-ranked presentation of search results |
US6839702B1 (en) * | 1999-12-15 | 2005-01-04 | Google Inc. | Systems and methods for highlighting search results |
US6981040B1 (en) * | 1999-12-28 | 2005-12-27 | Utopy, Inc. | Automatic, personalized online information and product services |
US6556983B1 (en) * | 2000-01-12 | 2003-04-29 | Microsoft Corporation | Methods and apparatus for finding semantic information, such as usage logs, similar to a query using a pattern lattice data space |
WO2001075676A2 (en) * | 2000-04-02 | 2001-10-11 | Tangis Corporation | Soliciting information based on a computer user's context |
US20030046401A1 (en) * | 2000-10-16 | 2003-03-06 | Abbott Kenneth H. | Dynamically determing appropriate computer user interfaces |
US20020054130A1 (en) * | 2000-10-16 | 2002-05-09 | Abbott Kenneth H. | Dynamically displaying current status of tasks |
US20020044152A1 (en) * | 2000-10-16 | 2002-04-18 | Abbott Kenneth H. | Dynamic integration of computer generated and real world images |
US20020078045A1 (en) * | 2000-12-14 | 2002-06-20 | Rabindranath Dutta | System, method, and program for ranking search results using user category weighting |
JP2002215675A (ja) * | 2001-01-17 | 2002-08-02 | Hitachi Kokusai Electric Inc | 情報検索システム |
US7082365B2 (en) * | 2001-08-16 | 2006-07-25 | Networks In Motion, Inc. | Point of interest spatial rating search method and system |
JP2003157278A (ja) * | 2001-11-20 | 2003-05-30 | Seiko Epson Corp | ディジタルコンテンツ作成システム、コンテンツデータ選択システム及びディジタルコンテンツ作成プログラム、並びにディジタルコンテンツ作成方法 |
JP2004070504A (ja) * | 2002-08-02 | 2004-03-04 | Hewlett Packard Co <Hp> | 個人プロファイル情報に基づく情報検索方法及びシステム |
JP2004152179A (ja) * | 2002-10-31 | 2004-05-27 | Tokai Univ | キーワード自動生成方法及び装置、キーワード自動生成プログラム及び該生成プログラムを記録したコンピュータ読み取り可能な記録媒体、並びに、キーワード情報検索方法 |
USD494584S1 (en) * | 2002-12-05 | 2004-08-17 | Symbol Technologies, Inc. | Mobile companion |
US7162473B2 (en) * | 2003-06-26 | 2007-01-09 | Microsoft Corporation | Method and system for usage analyzer that determines user accessed sources, indexes data subsets, and associated metadata, processing implicit queries based on potential interest to users |
US7454393B2 (en) * | 2003-08-06 | 2008-11-18 | Microsoft Corporation | Cost-benefit approach to automatically composing answers to questions by extracting information from large unstructured corpora |
US20050071328A1 (en) * | 2003-09-30 | 2005-03-31 | Lawrence Stephen R. | Personalization of web search |
US7693827B2 (en) * | 2003-09-30 | 2010-04-06 | Google Inc. | Personalization of placed content ordering in search results |
US7640232B2 (en) * | 2003-10-14 | 2009-12-29 | Aol Llc | Search enhancement system with information from a selected source |
US7523301B2 (en) * | 2003-10-28 | 2009-04-21 | Rsa Security | Inferring content sensitivity from partial content matching |
US7716223B2 (en) * | 2004-03-29 | 2010-05-11 | Google Inc. | Variable personalization of search results in a search engine |
US7761464B2 (en) * | 2006-06-19 | 2010-07-20 | Microsoft Corporation | Diversifying search results for improved search and personalization |
-
2004
- 2004-10-05 US US10/958,560 patent/US20060074883A1/en not_active Abandoned
-
2005
- 2005-07-27 NO NO20053654A patent/NO20053654L/no not_active Application Discontinuation
- 2005-08-05 CO CO05077417A patent/CO5730015A1/es not_active Application Discontinuation
- 2005-08-08 TW TW094126804A patent/TW200612262A/zh unknown
- 2005-08-11 KR KR1020050073608A patent/KR20060050397A/ko not_active Application Discontinuation
- 2005-08-12 SG SG200505252A patent/SG121934A1/en unknown
- 2005-08-31 CA CA002517863A patent/CA2517863A1/en not_active Abandoned
- 2005-09-01 RU RU2005127536/08A patent/RU2419858C2/ru not_active IP Right Cessation
- 2005-09-02 NZ NZ542169A patent/NZ542169A/en not_active IP Right Cessation
- 2005-09-02 ZA ZA200507061A patent/ZA200507061B/en unknown
- 2005-09-05 CN CN200510103667.5A patent/CN1758248B/zh not_active Expired - Fee Related
- 2005-09-05 MX MXPA05009467A patent/MXPA05009467A/es active IP Right Grant
- 2005-09-07 AU AU2005209586A patent/AU2005209586B2/en not_active Ceased
- 2005-09-08 JP JP2005261228A patent/JP2006107473A/ja active Pending
- 2005-09-21 EP EP05108702A patent/EP1647903A1/en not_active Ceased
- 2005-09-30 BR BRPI0504226-7A patent/BRPI0504226A/pt not_active IP Right Cessation
-
2011
- 2011-12-12 JP JP2011271646A patent/JP5536022B2/ja not_active Expired - Fee Related
-
2013
- 2013-01-29 NO NO20130151A patent/NO20130151L/no not_active Application Discontinuation
Cited By (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2597524C2 (ru) * | 2011-05-27 | 2016-09-10 | Квэлкомм Инкорпорейтед | Способ и аппаратура для классификации множества состояний устройства |
WO2013149220A1 (en) * | 2012-03-30 | 2013-10-03 | Xen, Inc. | Centralized tracking of user interest information from distributed information sources |
WO2014042556A1 (ru) * | 2012-09-12 | 2014-03-20 | Ikonomov Artashes Valeryevich | Система для обеспечения персонализированного поиска информации |
US10115084B2 (en) | 2012-10-10 | 2018-10-30 | Artashes Valeryevich Ikonomov | Electronic payment system |
RU2605039C2 (ru) * | 2013-10-02 | 2016-12-20 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и система ранжирования элементов сетевого ресурса для пользователя |
RU2583736C2 (ru) * | 2014-02-13 | 2016-05-10 | Общество С Ограниченной Ответственностью "Яндекс" | Система и способ отображения результатов поиска |
US10255240B2 (en) | 2014-03-27 | 2019-04-09 | Yandex Europe Ag | Method and system for processing a voice-based user-input |
RU2580431C2 (ru) * | 2014-03-27 | 2016-04-10 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер для обработки поискового запроса и машиночитаемый носитель |
US10061820B2 (en) | 2014-08-19 | 2018-08-28 | Yandex Europe Ag | Generating a user-specific ranking model on a user electronic device |
RU2580516C2 (ru) * | 2014-08-19 | 2016-04-10 | Общество С Ограниченной Ответственностью "Яндекс" | Способ формирования персонализированной модели ранжирования, способ формирования модели ранжирования, электронное устройство и сервер |
RU2697739C2 (ru) * | 2015-06-05 | 2019-08-19 | Бейджин Цзиндун Шанкэ Информейшн Текнолоджи Ко., Лтд. | Устройство и способ персонализированного поиска на основе признаков изображения продукта |
RU2637899C2 (ru) * | 2015-07-16 | 2017-12-07 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и сервер определения изменений в пользовательском интерактивном взаимодействии со страницей результатов поиска |
US10387513B2 (en) | 2015-08-28 | 2019-08-20 | Yandex Europe Ag | Method and apparatus for generating a recommended content list |
US10452731B2 (en) | 2015-09-28 | 2019-10-22 | Yandex Europe Ag | Method and apparatus for generating a recommended set of items for a user |
US10387115B2 (en) | 2015-09-28 | 2019-08-20 | Yandex Europe Ag | Method and apparatus for generating a recommended set of items |
RU2632135C2 (ru) * | 2015-11-11 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Система и способ уточнения результатов поиска |
US10353974B2 (en) | 2015-11-11 | 2019-07-16 | Yandex Europe Ag | Methods and systems for refining search results |
US10394420B2 (en) | 2016-05-12 | 2019-08-27 | Yandex Europe Ag | Computer-implemented method of generating a content recommendation interface |
RU2632144C1 (ru) * | 2016-05-12 | 2017-10-02 | Общество С Ограниченной Ответственностью "Яндекс" | Компьютерный способ создания интерфейса рекомендации контента |
US10430481B2 (en) | 2016-07-07 | 2019-10-01 | Yandex Europe Ag | Method and apparatus for generating a content recommendation in a recommendation system |
US10706325B2 (en) | 2016-07-07 | 2020-07-07 | Yandex Europe Ag | Method and apparatus for selecting a network resource as a source of content for a recommendation system |
RU2725777C1 (ru) * | 2016-11-25 | 2020-07-06 | Алибаба Груп Холдинг Лимитед | Способ и устройство для сопоставления имен |
US10726028B2 (en) | 2016-11-25 | 2020-07-28 | Alibaba Group Holding Limited | Method and apparatus for matching names |
USD882600S1 (en) | 2017-01-13 | 2020-04-28 | Yandex Europe Ag | Display screen with graphical user interface |
USD892847S1 (en) | 2017-01-13 | 2020-08-11 | Yandex Europe Ag | Display screen with graphical user interface |
USD980246S1 (en) | 2017-01-13 | 2023-03-07 | Yandex Europe Ag | Display screen with graphical user interface |
USD892846S1 (en) | 2017-01-13 | 2020-08-11 | Yandex Europe Ag | Display screen with graphical user interface |
USD890802S1 (en) | 2017-01-13 | 2020-07-21 | Yandex Europe Ag | Display screen with graphical user interface |
RU2711104C2 (ru) * | 2017-12-27 | 2020-01-15 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и компьютерное устройство для определения намерения, связанного с запросом для создания зависящего от намерения ответа |
US10860588B2 (en) | 2017-12-27 | 2020-12-08 | Yandex Europe Ag | Method and computer device for determining an intent associated with a query for generating an intent-specific response |
US10789256B2 (en) | 2017-12-29 | 2020-09-29 | Yandex Europe Ag | Method and computer device for selecting a current context-specific response for a current user query |
RU2693332C1 (ru) * | 2017-12-29 | 2019-07-02 | Общество С Ограниченной Ответственностью "Яндекс" | Способ и компьютерное устройство для выбора текущего зависящего от контекста ответа для текущего пользовательского запроса |
RU2701990C1 (ru) * | 2018-07-12 | 2019-10-02 | Акционерное Общество "Ремпаро" | Способ использования системы определения тематики документов для целей информационной безопасности |
US10674215B2 (en) | 2018-09-14 | 2020-06-02 | Yandex Europe Ag | Method and system for determining a relevancy parameter for content item |
US11263217B2 (en) | 2018-09-14 | 2022-03-01 | Yandex Europe Ag | Method of and system for determining user-specific proportions of content for recommendation |
US11276076B2 (en) | 2018-09-14 | 2022-03-15 | Yandex Europe Ag | Method and system for generating a digital content recommendation |
US11288333B2 (en) | 2018-10-08 | 2022-03-29 | Yandex Europe Ag | Method and system for estimating user-item interaction data based on stored interaction data by using multiple models |
US11086888B2 (en) | 2018-10-09 | 2021-08-10 | Yandex Europe Ag | Method and system for generating digital content recommendation |
US11276079B2 (en) | 2019-09-09 | 2022-03-15 | Yandex Europe Ag | Method and system for meeting service level of content item promotion |
Also Published As
Publication number | Publication date |
---|---|
AU2005209586B2 (en) | 2010-08-26 |
NZ542169A (en) | 2007-04-27 |
CN1758248B (zh) | 2014-05-28 |
TW200612262A (en) | 2006-04-16 |
NO20130151L (no) | 2006-04-06 |
AU2005209586A1 (en) | 2006-04-27 |
JP2012053922A (ja) | 2012-03-15 |
CA2517863A1 (en) | 2006-04-05 |
BRPI0504226A (pt) | 2006-05-16 |
ZA200507061B (en) | 2007-05-30 |
NO20053654L (no) | 2006-04-06 |
RU2005127536A (ru) | 2007-03-10 |
JP2006107473A (ja) | 2006-04-20 |
CN1758248A (zh) | 2006-04-12 |
US20060074883A1 (en) | 2006-04-06 |
MXPA05009467A (es) | 2006-04-07 |
SG121934A1 (en) | 2006-05-26 |
NO20053654D0 (no) | 2005-07-27 |
CO5730015A1 (es) | 2007-02-28 |
JP5536022B2 (ja) | 2014-07-02 |
KR20060050397A (ko) | 2006-05-19 |
EP1647903A1 (en) | 2006-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2419858C2 (ru) | Система, способ и интерфейс для обеспечения персонализированного поиска и доступа к информации | |
US8661031B2 (en) | Method and apparatus for determining the significance and relevance of a web page, or a portion thereof | |
JP5021640B2 (ja) | ユーザのアクティビティ、アテンション、および関心事のデータ活用手段の検知、格納、索引作成、および検索 | |
US8874552B2 (en) | Automated generation of ontologies | |
US8868558B2 (en) | Quote-based search | |
US7716150B2 (en) | Machine learning system for analyzing and establishing tagging trends based on convergence criteria | |
KR20080082964A (ko) | 검색 및 정보 시스템, 검색 동안에 개인화된 정보를제공하는 방법 및 검색 및 홍보 데이터베이스의 그래픽사용자 인터페이스 | |
US11163842B2 (en) | Personalized table of contents (TOC) generation based on search results | |
JP2022517521A (ja) | データサーチ及び検索を強化するデータ処理システム及び強化されたデータストレージ | |
US11481454B2 (en) | Search engine results for low-frequency queries | |
US20140095465A1 (en) | Method and apparatus for determining rank of web pages based upon past content portion selections | |
US11475048B2 (en) | Classifying different query types | |
US20140149378A1 (en) | Method and apparatus for determining rank of web pages based upon past content portion selections | |
US11762856B2 (en) | Query response module and content links user interface | |
Singh et al. | Personalized approach for automated question answering in restricted domain | |
Baumer et al. | Smarter blogroll: An exploration of social topic extraction for manageable blogrolls | |
Monisha et al. | Gauzy knowledge sharing in conspiring environment using text mining | |
de Mendonça et al. | Recommender Systems based on Scientific Publications: A Systematic Mapping. | |
CN116578725A (zh) | 一种搜索结果排序方法、装置、计算机设备和存储介质 | |
van der Lans | Enterprise Search and Retrieval (ESR): The Binding Factor | |
Bouras et al. | Creating Dynamic, Personalized RSS Summaries. | |
Srinivas et al. | Web Search Result Personalization: Taxonomy and Current State of Art | |
Nürnberger et al. | Towards Effective Research-Paper Recommender Systems and User Modeling based on Mind Maps | |
Redmond | Smarter Blogroll: An Exploration of Social Topic Extraction for Manageable Blogrolls |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PC41 | Official registration of the transfer of exclusive right |
Effective date: 20150526 |
|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20170902 |