TW201511547A - 透過查詢擴展的改良新聞結果 - Google Patents

透過查詢擴展的改良新聞結果 Download PDF

Info

Publication number
TW201511547A
TW201511547A TW103117926A TW103117926A TW201511547A TW 201511547 A TW201511547 A TW 201511547A TW 103117926 A TW103117926 A TW 103117926A TW 103117926 A TW103117926 A TW 103117926A TW 201511547 A TW201511547 A TW 201511547A
Authority
TW
Taiwan
Prior art keywords
news
entity
interest
category
entities
Prior art date
Application number
TW103117926A
Other languages
English (en)
Inventor
Justin Ormont
Marc Eliot Davis
Original Assignee
Microsoft Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Corp filed Critical Microsoft Corp
Publication of TW201511547A publication Critical patent/TW201511547A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2455—Query execution
    • 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
    • G06F16/951—Indexing; Web crawling techniques

Landscapes

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

Abstract

呈現根據實體擴展而用於提供改良新聞結果至新聞查詢之系統及方法。回應自電腦使用者處接收新聞查詢，新聞引擎辨認一或更多個電腦使用者之興趣實體。得到對應於一或更多個興趣實體之擴展實體資料，該擴展實體資料辨識相關實體至一或更多個興趣實體。該擴展實體資料亦包含對應至一或更多個興趣實體之類別之類別資料。根據對應至類別之興趣實體、相關實體及類別實體，產生擴展新聞查詢。根據擴展新聞查詢得到新聞結果、產生新聞呈現及回傳該新聞呈現至電腦使用者。

Description

透過查詢擴展的改良新聞結果
本發明係與透過查詢擴展的改良新聞結果相關。
每當提到消費新聞，對每個人來說，有訴諸該人的文章及非訴諸該人的文章。新聞機構產生新聞文章及使該新聞文章為可得的，該等新聞文章包含用於知道對於任何人來說僅有部分新聞文章將被存取之線上消費之主題廣譜。對於每個消費者來說，辨認藉由新聞機構提供之眾多新聞文章中之感興趣文章是花時間及低效率的。
相對於包含主題廣譜之新聞機構，新聞聚合器可辨識與特定消費者相關之新聞文章。一般來說，新聞聚合器基於與特定新聞文章相關的消費者喜好(隱性和顯性的偏好兩者)，嘗試辨識對特定消費者來說將為有興趣的新聞。明確地指示興趣至與新聞文章相關之新聞聚合器之消費者為在該文章中表示興趣之範例。作為替代的，分析消費者之瀏覽歷史及識別訴諸該非消費者之主題為隱性興趣之範例。即使依靠消費者之喜好，辨識與消費者相關之新聞內容仍常為困難的。
提供下述【發明內容】，以用簡化形式介紹精選概念，及於以下【實施方式】中進一步地描述該等精選概念。本【發明內容】不意欲辨識所主張之標的之關鍵特徵或必要特徵，亦不意欲用來限制所主張之標的之範疇。
呈現根據實體擴展而用於提供改良新聞結果至新聞查詢之系統及方法。回應自電腦使用者處接收新聞查詢，新聞引擎辨認一或更多個電腦使用者之興趣實體。得到對應於一或更多個興趣實體之擴展實體資料，其中該擴展實體資料辨識與一或更多個興趣實體相關之實體。該擴展實體資料亦包含對應至一或更多個興趣實體之類別之類別資料。根據對應至類別之興趣實體、相關實體及類別實體，產生擴展新聞查詢。根據擴展新聞查詢得到新聞結果、產生新聞呈現及回傳該新聞呈現至電腦使用者。
100‧‧‧範例網路環境
101‧‧‧電腦使用者
102‧‧‧使用者電腦
104‧‧‧桌上型電腦
106‧‧‧平板電腦
108‧‧‧網路
110‧‧‧搜尋引擎
112‧‧‧新聞網站
114‧‧‧新聞網站
116‧‧‧社群網站
200‧‧‧方法
202‧‧‧方塊
204‧‧‧方塊
206‧‧‧方塊
208‧‧‧方塊
210‧‧‧方塊
212‧‧‧方塊
214‧‧‧方塊
216‧‧‧方塊
218‧‧‧方塊
220‧‧‧方塊
222‧‧‧方塊
304‧‧‧電腦使用者節點
306‧‧‧興趣實體節點
308‧‧‧製片人節點
310‧‧‧頂點
402‧‧‧類別節點
404‧‧‧製片人節點
406‧‧‧男演員/女演員節點
500‧‧‧常式
502‧‧‧方塊
504‧‧‧方塊
506‧‧‧方塊
508‧‧‧方塊
600‧‧‧擴展新聞查詢
602‧‧‧興趣實體部分
604‧‧‧文字
606‧‧‧符記
608‧‧‧相關實體部分
610‧‧‧文字
612‧‧‧類別實體部分
614‧‧‧文字
700‧‧‧已結合擴展新聞查詢
702‧‧‧興趣實體部分
704‧‧‧相關實體部分
706‧‧‧類別實體部分
802‧‧‧範例結果頁面
804‧‧‧列
806‧‧‧連結
808‧‧‧連結
810‧‧‧連結
812‧‧‧連結
820‧‧‧結果
822‧‧‧結果
824‧‧‧結果
828‧‧‧結果
902‧‧‧處理器
904‧‧‧記憶體
906‧‧‧揮發性記憶體
908‧‧‧非揮發性記憶體
910‧‧‧系統匯流排
912‧‧‧網路通訊元件
914‧‧‧興趣實體取得元件
916‧‧‧擴展資料取得元件
918‧‧‧擴展查詢產生器
920‧‧‧新聞取得元件
922‧‧‧新聞呈現產生器
924‧‧‧使用者個人儲存庫
926‧‧‧新聞內容儲存庫
928‧‧‧擴展查詢管理元件
930‧‧‧興趣實體儲存庫
因當與下列圖式一起考量時藉由參考下列說明將更加瞭解本揭露標的之前述態樣及眾多隨之而來的優勢，故本揭露標的之該前述態樣及該眾多隨之而來的優勢將更易於理解，該等下列圖式其中為：第1圖係適於實施本揭露標的之態樣之網路環境之方塊圖；第2圖係圖示用於提供透過查詢擴展的改良結果至來自電腦使用者之新聞查詢之範例常式之流程圖；第3圖及第4圖圖示用於描述本揭露標的態樣之範 例實體圖；根據本揭露標的之態樣，第5圖係圖示用於產生經擴展新聞查詢之範例常式之流程圖；第6圖及第7圖圖示擴展新聞查詢之元素；第8圖係圖示具有分類新聞結果之範例結果頁面之實物圖；及第9圖係圖示新聞引擎之範例元件之方塊圖，該新聞引擎係經配置以提供改良結果以回應來自電腦使用者之新聞查詢。
為清楚之目的，本份文件中之術語「範例(exemplary)」之使用應被解釋為作為一些事物之說明或範例，不應被解釋為該事物之理想的及/或主導的說明。術語「新聞(news)」對應至對資訊接收者來說通常為未知的、可能未知的或推測未知的資訊。新聞通常具有時間態樣，即，在一段時間內新發布或最近發布之資訊為「新聞」。新聞包含關於人、事件、發生、發展、主題及諸如此類之資訊。新聞不限於關於時事及/或發展之資訊，該新聞亦包含關於過去事件、主題及發展等之新揭露資訊。
實體對應至抽象或有形的事物，該抽象或有形的事物包含(舉例而言但不限於)人、物、群組、概念、活動及諸如此類。相應地，興趣實體為電腦使用者具有、可能具有、或可具有特定興趣之實體。可藉由顯性的使用者辨識(如「讚(liking)」實體之流行概念)或隱性的行為，建立興趣實體。檢 驗使用者之瀏覽歷史可為用於隱性建立興趣實體之基礎，該使用者之瀏覽歷史係指示重複導航及/或互動(超出一些預先決定之門檻值)至與特定實體相關之一或更多個位置。作為替代的，辨識使用者自身為在特定活動或原因內表明興趣之社交群組之成員之使用者可為用於隱性建立興趣實體(在活動/原因內)之基礎。新聞查詢典型地(但不僅)以參考新聞內容之形式，對應至用於新聞內容之請求。擴展之新聞查詢為基於擴展來自電腦使用者之已接收之新聞查詢，以包含基於興趣實體之額外查詢術語之新聞查詢。
轉向第1圖，第1圖係圖示適於實施揭露標的之態樣(特別是關於提供改良新聞結果至電腦使用者)之範例網路環境100之方塊圖。範例網路環境100包含一或更多個使用者電腦(如使用者電腦102-106)，連結該一或更多個使用者電腦至網路108(如網際網路、廣域網路或WAN及諸如此類)。使用者電腦包含(舉例而言但不限於)桌上型電腦(如桌上型電腦104)、膝上型電腦(如膝上型電腦102)、平板電腦(如平板電腦106)、行動裝置(未圖示)、遊戲機(未圖示)、個人數位助理(未圖示)及諸如此類。使用者電腦可經配置以藉由有線及/或無線連接之方式連接網路108。僅為說明之目的，範例網路環境100圖示網路108位於使用者電腦102-106及搜尋引擎110之間，及該網路108再位於搜尋引擎100及網站112-116之間。然而，不應建立此說明為建議有單獨的網路。
亦連接至網路108為各個網站，包含網站110-116。舉例而言(但不限於)，連接至網路108之網站包含新聞引擎 110，該新聞引擎110經配置以回應來自電腦使用者、代管不同新聞文章及內容之新聞來源112及114、社群網站116及諸如此類之新聞查詢。電腦使用者(如電腦使用者101)可經由使用者電腦(如使用者電腦102)導航至這些及其他網站以存取包含新聞內容之內容。
根據揭露標的之態樣，新聞引擎110經配置以提供結果(典型地以參考網路108上可得到的新聞內容之形式)，回應來自電腦使用者之新聞查詢或回應電腦使用者(經由網路108上之導航)拜訪藉由新聞引擎代管之新聞頁面。特別的是，回應接收來自電腦使用者之新聞查詢或回應導航至新聞引擎之新聞頁面之電腦使用者，新聞引擎110辨識新聞內容以提供給電腦使用者、基於至少一些已辨識之新聞內容產生新聞呈現及提供新聞呈現給電腦使用者。
如所提到的，第1圖亦說明性地包含社群網站116及包含新聞網站112-114之不同的新聞來源。如將被易於理解的，社群網站116為提供電腦使用者可與其他電腦使用者、群組或諸如此類建立關係及社群網路之平台之線上網站/服務。在社群網站116中，電腦使用者可與該電腦使用者自身之社群網路中的其他人分享興趣、活動及背景。關於社群網站116，所屬技術領域中具有通常知識者將得知電腦使用者經常能在特定實體中指出偏好或興趣，不論實體是人、地點、群組、概念、活動及諸如此類。舉例而言，電腦使用者101可(藉由通過網路108經由使用者電腦102與社群網站116互動之方式)在一或更多個電視秀中(每一電視秀為一實體，如 革命(Revolution))指出個人興趣及/或偏好。如將於以下更詳細討論的，可使用電腦使用者對於特定實體之興趣或偏好以辨識興趣實體，以提供改良新聞結果給電腦使用者。
雖然只有一社群網站116被包含於圖示網路環境100中，但此不應被視為關於揭示標的之限制。在實際環境中，可以有任何數量之被連接至網路108之社群網站。可自任何數量的興趣實體來源(包含複數個社群網站)得到關於電腦使用者之興趣實體之資訊。的確，雖然可自社群網站得到關於電腦使用者之興趣實體之資訊，但亦可自其他網路來源得到關於電腦使用者之興趣實體之資訊，該等其他網路來源包含(但不限於)線上購物網站、部落格(blog)、如新聞網站112及114之新聞網站及諸如此類。此外，新聞引擎110亦可具有關於電腦使用者之興趣實體之資訊，該等電腦使用者之興趣實體包含自其他興趣實體來源、藉由電腦使用者明確辨識之實體、根據網站瀏覽記錄隱性辨識之實體、搜尋引擎、購買記錄及諸如此類獲得及/或快取到之興趣實體。
如所屬技術領域中具有通常知識者將得知的，新聞網站112及114典型地代管或參考與不同主題相關之新聞內容。新聞網站112及114一般被稱為新聞來源。新聞網站112可為新聞內容之起源，及/或該新聞網站112可僅代管或參考其他新聞來源之新聞內容。當然，新聞網站112及114並不限於藉由傳統新聞機構及商行代管之網站。的確，新聞引擎110可為新聞內容之來源；因此，新聞引擎110亦可被視為新聞來源。此外，部落格(blog)、推文(tweets)、貼文及諸如此 類皆可產生新聞內容；因此，部落格(blog)、推文(tweets)、貼文及諸如此類亦可被視為新聞來源。
新聞引擎110經配置以與複數個包含新聞網站112及114之新聞來源通訊，及該新聞引擎110得到關於在每一新聞來源處可得到之新聞內容之資訊。此資訊(典型地為對內容之參考)儲存於內容儲存庫中，使新聞引擎可回應來自電腦使用者(如電腦使用者101)之新聞查詢。新聞引擎110亦可經合適地配置，以與如社群網站116之一或更多個社群網站通訊(經由網路108)，以得到資訊(亦可稱為擴展實體資料)；該資訊包含(但不限於)電腦使用者之資料辨識興趣實體、關於不同興趣實體之實體(即，相關實體)及類別資料。類別資料包含(舉例而言但不限於)：一或更多個興趣實體類別及定義類別之興趣實體之潛在關係至其他實體之類別實體。給定類別行為之類別實體為用於類別之定義類型：儘管根據類別之所有潛在關係，類別之實體不並被要求與其他實體相關，但定義類別實體之潛在關係可必須為其他實體。如將於以下更仔細討論的，根據藉由興趣實體類別定義之關係，相關實體具有至不同興趣實體之已建立關係。新聞引擎110可得到新聞文章及資訊兩者，該新聞文章及資訊兩者在網路108上自能提供此類資料至新聞引擎之任何數量之網站辨識電腦使用者之興趣實體。以這種方式，新聞引擎110自獲得的新聞而成為來源，該新聞包含基於至少部分電腦使用者之興趣之改良結果。
為更好地說明新聞引擎110如何以改良結果回應新聞查詢，現在參考第2圖。第2圖為用於透過查詢擴展提供 改良新聞結果至來自電腦使用者之新聞查詢之範例常式200之流程圖。開始於方塊202處，新聞引擎110接收來自電腦使用者(如電腦使用者101)之新聞查詢。新聞查詢可為任何數量之形式，包含(但不限於)一般查詢、或用於來自新聞引擎之新聞之請求、用於關於特定主題之新聞之請求、或藉由電腦使用者101之導航至新聞引擎110上可得到之新聞頁面之導航。
在方塊204處，新聞引擎110自一或更多個興趣實體來源處得到用於電腦使用者之興趣實體資訊。興趣實體來源為具有關於電腦使用者之一或更多個興趣實體之資訊之網站，包含(但不限於)社群網路116、新聞網站112-114及新聞引擎110。在新聞查詢係一般新聞查詢的或係從經由網路瀏覽器導航至新聞引擎110代管之新聞網頁之電腦使用者101產生的情況下，新聞引擎自一或更多個興趣實體來源得到關於電腦使用者之所有的興趣實體之資訊。在新聞查詢具體指定新聞被尋找之特定主題之情況下，可檢視新聞查詢之特定主題為興趣實體。經具體指定之主題可經檢視(為新聞查詢之目的)為電腦使用者之唯一興趣實體；或作為替代的，為電腦使用者之興趣實體中之一個。在任一事件中，得到之資訊辨識電腦使用者之興趣實體之集合，及每一興趣實體係與類別相關。如以下將描述的，類別辨識興趣實體之類別或分類，及該類別被用來區別相同名稱之實體及消除相同名稱之實體間之歧義。應瞭解的是，新聞引擎110可自單一興趣實體來源得到興趣實體之身分及相關類別；在不同實施例中，可自相 同來源或不同來源得到興趣實體之特性及相關類別。
舉例而言，假設電腦使用者101在社群網站116上已辨識電視秀「革命(Revolution)」為興趣實體。此外，為簡潔目的，假設這是使用者101唯一的興趣實體。因此，一旦接收來自電腦使用者101之新聞查詢，新聞引擎110就可自興趣實體來源(包含社群網站116)得到關於興趣實體之資訊，及得到之資訊辨識電視秀，革命(Revolution)，為電腦使用者101之興趣實體，及用於興趣實體之類別為「電視秀」。
在方塊206處，開始迭代迴圈以經由透過方塊204所辨識之興趣實體迭代。在經由興趣實體之迭代中，每一個興趣實體係個別地被處理。為描述目的，在迭代迴圈中，目前處理之興趣實體被稱為目前興趣實體。
根據揭示標的之態樣，為得到有關興趣實體中之改良新聞結果，特別地亦應考慮目前興趣實體，及關於其他實體(相關於目前興趣實體)之新聞內容。更確切地說，可考慮關於其他實體(稱為相關實體)之新聞內容，該等其他實體係關聯於根據目前興趣實體之類別之目前興趣實體。因此，在方塊208處，新聞引擎110得到目前興趣實體之關聯實體資料，該關聯實體資料辨識相關實體至目前興趣實體。新聞引擎110自一或更多個相關實體來源得到相關實體資料。常常(但不僅)，如興趣實體得到之相關實體資料，自相同來源得到相關實體資料。然而，它可以是有目前興趣實體之複數個興趣實體來源，及可配置新聞引擎110以自這些來源(即，相關實體來源)的每一個得到用於目前興趣實體之相關實體資料。根據 所揭露標的之各個實施例，新聞引擎110進一步還可自未提供關於目前興趣實體之任何資訊給新聞引擎之相關實體來源處得到相關實體資料。
從具有自社群網站116辨識電視秀「革命(Revolution)」之已得到興趣實體資訊之上述繼續例子，新聞引擎110隨後自相同來源(即，社群網站)得到相關實體資料。
常常(但不僅)，社群網站維持實體圖，該實體圖如名稱所隱含的，與實體相關之連結，其中實體係圖中之節點及節點間之頂點隱含一些性質之關係。第3圖圖示關於電腦使用者就上述討論之範例之範例實體圖。如第3圖所展示，對應至電腦使用者101之電腦使用者節點304對電視秀「革命(Revolution)」感到興趣，表示為興趣實體節點306。頂點306指示關係是「興趣」中之一，因此興趣實體來源將辨識對應至興趣實體節點306之興趣實體至新聞引擎110，以回應用於興趣實體之請求。興趣實體節點306(對應至電視秀，「革命(Revolution)」進一步還與各個其他實體相關，該各個其他實體如對應至電視秀「革命(Revolution)」之製片人埃里克‧克萊普克(Eric Kripke)之製片人節點308。對應地，性質、或興趣實體節點306間之關係之基礎及製片人節點308係經由頂點310(即「製片人」)指示。如可看到的，基於各個關係(該等各個關係基於類別「電視秀」)，興趣實體節點306係與幾個其他實體相關。根據揭示標的之態樣，類別不僅定義興趣實體之類型或性質，該類別對於定義性質或類別類型實體及其他實體間之關係之基礎亦為有用的。類別亦可以實體圖表 示。第4圖圖示類別「電視秀」之範例實體圖。如可看到的，對應至類別「電視秀」之類別節點402係與包含製片人節點402及男演員/女演員節點406之關係節點相關。
關於類別，應瞭解的是雖然根據所有關係之基礎，類別(如電視秀)定義所有可存在於類型類別實體及其他實體間之關係之基礎，但不要求任何給定實體與其他實體相關。應更瞭解的是，根據類別，類別定義實體間關係之基礎，但根據不同的、複數個分類之關係，每一實體可與超過一個類別相關及與實體相關。因此，根據與實體相關之多個類別之一個，用於來自相關實體來源之相關實體之請求將典型地隱含相關實體至興趣實體。
回到第2圖，根據與目前興趣實體相關之類別，得到目前興趣實體之相關實體後，在方塊210處，得到對應至與目前興趣實體相關之類別之類別資料。典型地自相關實體來源處得到類別資料。參考第3圖及第4圖之實體圖及繼續來自上述之例子，相關實體資料可包含實體圖300之實體，而類別資料可包含實體圖400之實體。
在方塊212處，以相關實體資料及類別資料產生對應至目前興趣實體之擴展新聞查詢。第5圖圖示與相關實體資料及類別資料結合而用於產生目前興趣實體之擴展新聞查詢之範例常式500。因此，在方塊502處，目前興趣實體包含於擴展新聞查詢之興趣實體部分中。在方塊504處，相關實體(根據目前興趣實體之類別，該等相關實體相關於目前興趣實體)包含於擴展新聞查詢之相關實體部分中。在方塊506 處，類別實體(類別及關係兩者)包含於擴展新聞查詢之類別實體部分中。此後，在方塊508處，回傳擴展新聞查詢及常式500停止。
第6圖圖示用於興趣實體，革命(Revolution)，之範例擴展新聞查詢600。擴展新聞查詢600包含興趣實體部分602，該興趣實體部分602包含如藉由文字604「革命(Revolution)」辨識之興趣實體。亦被包含於擴展新聞查詢中為相關實體部分608，該相關實體部分608包含相關實體至實體圖300之實體節點306，如文字610埃里克‧克萊普克(Eric Kripke)。更被包含於擴展新聞查詢中為包含如實體圖400中所示之類別「電視秀」之類別實體之類別實體部分612，該實體圖400包含如文字614「製片人」所指示之製片人節點404。包含於擴展新聞查詢600係符記(token)606「詞(word)：」，該符記606對應範例運算子以指示新聞引擎110匹配括號間之詞中之任何一個。另一方面，根據各個實施例，符記606「詞(word)：」如布林運算子類型操作：若括號間之詞或術語中沒有一個被匹配則為偽(False)或0，及括號間之詞或術語中有被匹配則為真(True)或1。作為替代的，「詞(word)：」可操作為「最大(Max)」運算子：回傳括號中匹配符記之最大排名或值。此外，「+」符號運算為查詢部分之連接。根據額外實施例，雖然非必須，但在兩個詞/術語間之「.」符號(如Eric.Kripke中所發現的「.」符號)指示兩個詞/術語在給定順序中一起出現之偏好。當然，其他運算子亦可包含於每個部分中。舉例而言，「norank：」符記(未圖示)將請求具體指定 術語(在下列括號間被辨識)，該具體指定術語係在結果文件中被請求但不影響所有結果中之文件之順序或關聯。作為替代的，「rankonly：」符記(未圖示)運算使得不要求具體指定術語在結果文件中被發現，但若被發現，將導致排名文件與新聞查詢更相關。
應瞭解的是，雖然每一部分包含實體(不論是興趣實體、相關實體或類別實體)之文字表示，但此僅為說明目的，不被視為所揭示標的之限制。在各個實施例中，可使用符記及/或識別符以辯識包含於擴展新聞查詢中之任何部分之任何或全部各個實體。根據各個實施例，識別符可為用來作為對於新聞內容儲存庫(例如，第9圖中之新聞內容儲存庫926)之索引之相同識別符。使用識別符之一優勢為可使用識別符以決定用於查詢術語之另一種拼字、同義詞和縮寫。舉例而言，使用識別符可幫助元件取回新聞內容，以決定「JJ Abrams(J．J．亞柏拉罕)」為用於「Jeffrey Jacob Abrams(杰弗里．雅各布．艾布拉姆斯)」之另一種拼字。舉擴充新聞查詢中包含識別符之例而言，擴充新聞實體600之相關實體部分可替代讀為：word：({text：“J J Abrams”id：106190102745711}{text：“Eric Kripke”id：103423983031004}{text：“NBC”id：89742860745}{text：“Charlie Matheson”id：101826386642643}{text：“Tracy Spiridakos”id：178967018811130}{text：“Miles Matheson”id：158755934288892}{text：“Billy Burke”id：38460624317}{text：“The Stand”id：143156049193385}{text：“Ghosts”id：158755934288892}{text：“Monday 10/9C” id：106094562755503})
當然，實體之呈現之性質應符合新聞引擎110可利用資訊之方法。在額外實施例中，在產生擴展新聞查詢中，加權值可與擴展新聞查詢之一或更多個查詢術語相關。基於擴展新聞查詢，應用這些加權值至查詢術語以幫助一或更多個取回新聞內容之元件，以辨識與查詢最相關及/或最可能滿足電腦使用者之查詢之結果。根據各個實施例，加權值運算為關於對應術語將改良新聞結果之多少相關性之乘子或因子。舉例而言，中性加權值為1.0。任何在0.0及1.0間之值將較藉由查詢術語給定之排名/相關性值為小。大於1.0之值將提供較大的排名/相關性值至查詢術語。雖然因帶有負加權值之查詢術語將總是為最低值的查詢術語，帶有負加權值之查詢術語絕不會藉由「詞(word)：」運算子被選擇為代表查詢，但負值仍將低於帶有對應查詢術語之文件之總排名。繼續來自上述之例子，帶有識別符及加權值之擴展新聞查詢600之相關實體部分608可替代讀為：word：({text：“J J Abrams”id：106190102745711 weight：1.8}{text：“Eric Kripke”id：103423983031004 weight：1.8}{text：“NBC”id：89742860745 weight：1.3}{text：“Charlie Matheson”id：101826386642643 weight：1.8}{text：“Tracy Spiridakos”id：178967018811130 weight：1.8}{text：“Miles Matheson”id：158755934288892 weight：1.6}{text：“Billy Burke”id：38460624317 weight：1.6}{text：“The Stand”id：143156049193385 weight：0.7}{text：“Ghosts” id：158755934288892 weight：0.7}{text：“Monday 10/9C”id：106094562755503 weight：0.4})
雖然未圖示，除了增加對應實體之查詢術語至擴展查詢範疇之擴展新聞查詢，亦可用過濾掉新聞結果之效果增加對應至「負實體」之查詢術語。舉例而言，可藉由「negativerank：」運算子增加負實體至擴展搜尋查詢中。在得到用於查詢之新聞結果中，藉由「negativerank：」運算子辨識之查詢術語隱含術語未與電腦使用者之新聞查詢相關。例子(對應至革命(Revolution)電視秀)可為：negativerank：word：(Egypt Middle.East Arab.Spring Syria Football Soccer Sports Revolution.Resources New.England.Revolution)
如可看到的，擴展新聞查詢取單一主題/實體(如「革命(Revolution)」)，及以在一些方法中相關之許多其他實體擴展查詢，以提供更穩健的查詢，該查詢可被用來自可分享相同名稱但為完全無關之其他內容區分所尋求之新聞內容，或自可分享相同名稱但為完全無關之其他內容消除所尋求之新聞內容之歧義。
再次回到第2圖，在具有用於目前興趣實體之已產生之擴展新聞查詢後，在方塊214處，若及直到有更多要被處理的，則迭代迴圈回到區塊206以迭代至下一個興趣實體。根據各個實施例，可有結束迭代迴圈之其他停止因子。舉例而言，此可為在即時回應至新聞查詢之利益中，常式僅用於預先決定之時間量迭代，或對可被處理之興趣實體之數量施 加預先決定之限制。相似地，根據目前興趣實體如何可能得到有用結果，可跳過相關實體。亦可利用上述描述因子之結合。在任何情況中，當沒有更多興趣實體要處理或當遇到另一個停止因子時，常式200進行到方塊216處。在方塊216處，根據類別，結合為興趣實體產生之擴展新聞請求。根據類別限定繼承結合擴展新聞請求，對每個類別來說，新增擴展新聞查詢之聯合：興趣實體部分之聯合及相關實體部分。亦可結合類別部分，特別是在若類別資料已自不同相關實體來源處接收時。然而，對於相同分類之兩個興趣實體，其中類別資料之來源係相同的，類別實體將不會改變。第7圖圖示範例之已結合擴展新聞查詢700，其中用於電視秀之擴展新聞查詢，「革命(Revolution)」及「傳說(Legend)」，已被連接(joined)。如可看到的，在相關實體部分704中發現最大的擴展(與第6圖之擴展新聞查詢600相較之下)。興趣實體部分702包含呈現興趣實體兩者之符記(文字)，及類別實體部分706係自類別實體部分612不變。
雖然上述描述之常式及對應圖式已辨識擴展新聞查詢之三個不同部分，但此為說明性的及此不應被視為關於所揭示標的之限制。在額外實施例中，擴展新聞查詢可包含額外類別。舉例而言，可產生娛樂部分(未圖示)至包含電視秀、電影、卡通、遊戲及諸如此類之類別條目之擴展新聞查詢。的確，如上述建議的，可檢視類別為條目；因此，該類別與其他實體相關，及可用任何數量方式結合這些相關類別，以建立額外擴展新聞查詢部分。
在產生已結合擴展新聞查詢後，在方塊218處，新聞引擎110得到對應至每一個已結合擴展新聞查詢之新聞結果。亦可得到額外新聞結果，如取決於來自電腦使用者之新聞查詢之性質之一般及/或趨勢新聞。在方塊220處，產生新聞呈現。根據所揭示標的之態樣，根據已結合之擴展新聞查詢得到之新聞結果根據類別而被組織。藉由圖示之方式，第8圖係圖示範例結果頁面802之實物圖，該範例結果頁面802具有一般新聞結果及用於檢視新聞結果之條件兩者，該新聞結果係來自根據類別所組織之已結合擴展新聞查詢。特別的是，新聞頁面802包含用於一般/趨勢新聞之結果820-828及連結至根據已結合擴展新聞查詢之已產生之新聞結果之連結806-812之列804。舉例而言，連結至「電視秀」之連結806對應類別「電視秀」之電腦使用者之興趣實體。
應瞭解的是，第8圖之新聞結果之說明性呈現僅為已產生新聞呈現之範例。的確，所屬技術領域中具有通常知識者將得知有任何數量的呈現格式，該任何數量的呈現格式根據實施細節包含擴展新聞查詢之結果及可包含或可不包含可被產生之一般新聞結果。因此，第8圖之說明性範例應被檢視為說明性的，及不應被檢視為關於所揭示標的之限制。
再次參考第2圖，在產生新聞呈現後，在方塊222處回傳新聞呈現至電腦使用者101，以回應新聞查詢。此後，常式200停止。
關於常式200及常式500，雖然這些常式表示為關於離散步驟，但這些步驟應被視為邏輯性質的及可對應或不 可對應至特定實施之任何確切的及/或離散的步驟。這些步驟在不同常式中呈現之順序不應被建立為可執行步驟之唯一順序。此外，雖然這些常式包含所揭示標的之各個新穎的特徵，但亦可在常式之執行中執行其他步驟(未列出)。此外，所屬技術領域中具有通常知識者將得知可一起結合這些常式之邏輯步驟或這些常式之邏輯步驟可包含複數個步驟。可平行執行或系列中執行常式200及500之步驟。常常(但不僅)，不同常式之功能體現於軟體(例如，應用程式、系統服務、函式庫或諸如此類)中，該軟體係如以下關於第9圖所描述的執行於電腦硬體上及/或系統上。在各個實施例中，全部或一些不同常式亦可體現於硬體模組中，該等硬體模組包含電腦系統上之系統單晶片。
雖然許多揭示標的之新穎態樣呈現於常式中，該等常式體現於應用程式(亦稱為電腦程式)、app(小的、一般為單一或狹窄目的之應用程式)及/或方法中；這些態樣亦可體現為藉由電腦可讀取媒體(亦稱為電腦可讀取儲存媒體)儲存之電腦可執行指令。如所屬技術領域中具有通常知識者將辨識的，電腦可讀取媒體可代管用於稍後取得及執行之電腦可執行指令。當執行儲存在電腦可讀取儲存裝置上之電腦可執行指令時，該等電腦可執行指令執行包含上述關於常式200及500之這些步驟、方法及常式之各個步驟、方法及/或功能。電腦可讀取媒體範例包含(但不限於)：光學儲存媒體(如藍光光碟、數位視頻光碟(DVD)、光碟片(CD)、光碟卡帶及諸如此類；包含硬碟驅動器、軟碟、磁帶及諸如此類之磁性儲存媒 體；如隨機存取記憶體(RAM)、唯讀記憶體(ROM)、記憶卡、隨身碟及諸如此類之記體儲存裝置；雲端儲存(即，線上儲存服務)及諸如此類。然而為揭示之目的，電腦可讀取媒體明確地排除載波及傳播信號。
現在回到第9圖，第9圖係圖示經配置以提供改良結果以回應來自電腦使用者之新聞查詢之新聞引擎110之範例元件之方塊圖。如第9圖所顯示的，新聞引擎110包含處理器902(或處理單元)及藉由系統匯流排910互聯之記憶體904。如所屬技術領域中具有通常知識者將得知的，記憶體904典型地(但不是總是地)包含揮發性記憶體906及非揮發性記憶體908兩者。揮發性記憶體906只有在該記憶體備有電力時保留或儲存資訊。對之，即使當電源供應器不可用時，非揮發性記憶體908仍能分享(或堅持)資訊。一般來說，RAM及CPU快取記憶體係揮發性記憶體之範例，而ROM及記憶卡係非揮發性記憶體之範例。
處理器902執行自記憶體904得到之指令，以執行不同功能，特別是以經由查詢擴展之改良結果回應新聞查詢。處理器902可包含任何各個市售處理器，如單處理器、多處理器、單核心單元及多核心單元。此外，所屬領域中具有通常知識者將得知可用其他電腦系統配置實施所揭示標的之新穎態樣，該等其他電腦系統配置包含(但不限於)：微電腦、主機型電腦、個人電腦(例如，桌上型電腦、膝上型電腦、平板電腦等)、手持計算裝置(如智慧型手機、個人數位助理及諸如此類)、基於微處理器或可程式化之消費性電子、遊戲機 及諸如此類。
系統匯流排910提供用於各個元件之介面以互相通訊。系統匯流排910可為可與各個元件(包含內部元件及外部元件兩者)互相連接之任何幾種類型之匯流排結構。新聞引擎110更包含用於將網站與其他電腦(包含(但不限於)如使用者電腦102-106之使用者電腦，包含網站112-116之其他網站)互相連接，及將網站與在電腦網路108上之其他裝置互相連接之網路通訊元件912。網路通訊元件912可經配置以經由有線連接、無線連接或兩者，與在外部網路(如網路108)上之其他裝置及服務通訊。
新聞引擎110亦可包含興趣實體取得元件914，該興趣實體取得元件914經配置以如上所述的，自一或更多個興趣實體來源得到電腦使用者之興趣實體。亦被包含於新聞引擎110的是擴展資料取得元件916。擴展資料取得元件916如上述關於第2圖中之區塊208及210所述的，自相關實體來源得到相關實體及類別資料。基於藉由擴展資料取得元件916得到之相關實體資料及/或類別資料，擴展查詢產生器918產生用於目前興趣實體之擴展查詢。
如上述關於第2圖中之區塊216所述的，根據類別，擴展查詢管理元件928結合擴展新聞查詢。新聞引擎110藉由新聞取得元件920之方式以已結合(或已合併)擴展新聞查詢，自新聞內容儲存庫926得到新聞結果。新聞呈現產生器922自已得到之新聞結果產生用於請求電腦使用者之新聞呈現，該新聞呈現係藉由網路通訊元件912之方式提供給電腦 使用者。選擇地包含於新聞引擎110的是使用者個人儲存庫924，該使用者個人儲存庫924對於複數個電腦使用者來說，儲存可包含偏好之個人資訊。此外，這些偏好可直接地或間接地辨識電腦使用者之一或更多個興趣實體。如上述所指示的，在可自在新聞引擎110外部之來源得到興趣實體的同時，新聞引擎亦可維持新聞引擎自身的興趣實體儲存庫930(可自該興趣實體儲存庫930得到對應至電腦使用者之一或更多個興趣實體)。
所屬技術領域中具有通常知識者將得知如上所述之第9圖中新聞引擎110之各個元件可經實施為電腦系統內之可執行之軟體模組、硬體模組(包含SoC一系統單晶片)或其兩者之結合。此外，各個實施例中的每個可經實施為與一或更多個電腦系統結合操作之獨立的、協同的程序或裝置。應更進一步瞭解的，當然，與新聞引擎110有關之上述所描述之各個元件應被視為用於執行各個所描述功能之邏輯元件。如所屬技術領域中具有通常知識者所知道的，邏輯元件(或子系統)可直接(以一對一方式)對應或不可直接對應至確切的、離散的元件。在確切實施例中，每一電腦系統之各個元件可被一起結合或跨越複數個確切元件被分解，及/或實施為電腦網路108上之協同程序。
雖然已描述所揭示標的之各個新穎態樣，但應瞭解的是，這些態樣係為範例的，並不應被建立為限制。在沒有背離所揭示標的之範疇的情況中，可作對於各個態樣之變異及變動。的確，雖然已在提供改良新聞結果以回應新聞查詢 之背景中描述所揭示標的之各個新穎態樣，但可在較寬廣的背景中應用這些相同的新穎態樣，以提供改良搜尋結果以回應搜尋查詢。舉例而言，新聞查詢可經檢視為特定類型之搜尋查詢一用於新聞之搜尋查詢(即，用於關於最近或目前事件及/或發展之資訊之查詢)。在較寬廣的應用程式中，一旦接收到搜尋查詢，搜尋引擎可根據類別及執行已結合擴展查詢，辨識請求電腦使用者之一或更多個興趣實體(包含(但不限於)搜尋查詢之標的)、得到對應至一或更多個興趣實體之相關實體資訊及類別資訊、產生擴展查詢、結合擴展查詢，以得到改良搜尋結果。
根據額外的、替代的實施例，揭露標的之態樣可被有利地應用至(藉由說明之方式且非為限制)：產生客製化印刷新聞及/或雜誌(其中至少新聞呈現係為目標呈現媒體所準備的)；資訊顯示器/電視；廣告牌；頭戴式顯示器；及諸如此類。
200‧‧‧方法
202‧‧‧方塊
204‧‧‧方塊
206‧‧‧方塊
208‧‧‧方塊
210‧‧‧方塊
212‧‧‧方塊
214‧‧‧方塊
216‧‧‧方塊
218‧‧‧方塊
220‧‧‧方塊
222‧‧‧方塊

Claims (20)

  1. 一種用於提供新聞給一電腦使用者以回應自該電腦使用者接收一新聞查詢之電腦實施方法，該方法包含以下步驟：辨識該電腦使用者之一興趣實體；自一相關實體來源得到對應至該興趣實體之擴展實體資料，該擴展實體資料包含辨識與該興趣實體相關之複數個相關實體之相關實體資料；根據該興趣實體及該擴展實體資料，產生用於新聞內容之一擴展新聞查詢；根據該新聞查詢及該擴展新聞查詢，得到對新聞內容之複數個參考；根據該已得到之對新聞內容之參考，產生一新聞呈現；及提供該新聞呈現給該電腦使用者。
  2. 如請求項1所述之電腦實施方法，其中該興趣實體係與一類別相關。
  3. 如請求項2所述之電腦實施方法，其中該擴展實體資料更包含對應至與該興趣實體相關之該類別之類別資料，其中該類別資料包含類別實體，該等類別實體辨識全部關係之基礎，因與該類別相關之一興趣實體可伴同相關實體；每一類別實體辨識一關係之一基礎，因與該類別相關之一興趣實體可伴同一相關實體。
  4. 如請求項3所述之電腦實施方法，其中在該相關實體資料內所辨識之該興趣實體及該複數個相關實體間之關係之該等基礎為與該類別相關之一興趣實體及藉由該類別資料所辨識之相關實體間之關係之該等基礎之一子集合。
  5. 如請求項4所述之電腦實施方法，其中根據該興趣實體及該擴展實體資料產生用於新聞內容之該擴展新聞查詢之步驟包含以下步驟：產生該擴展新聞查詢，以包含用於該興趣實體、該複數個相關實體及該類別實體之一請求。
  6. 如請求項5所述之電腦實施方法，其中該已得到之複數個對新聞內容之參考包含：對相關於該興趣實體之新聞內容之興趣實體參考，及對不相關於該興趣實體之新聞內容之一般參考；及其中根據該已得到之對新聞內容之參考產生一新聞呈現之步驟包含以下步驟：群組化對新聞內容之該興趣實體參考，及呈現對新聞內容之該興趣實體參考為與該興趣實體之該類別相關。
  7. 如請求項5所述之電腦實施方法，更包含以下步驟：辨識該電腦使用者之複數個興趣實體，該複數個興趣實體之每一個與一類別相關；得到用於該複數個興趣實體之每一個之擴展實體資料； 產生對應至該複數個興趣實體之每一個之複數個擴展新聞查詢；對於該複數個擴展新聞查詢中的每一個，得到對新聞內容之參考；及根據該已得到之對新聞內容之參考產生一新聞呈現，其中根據與該複數個興趣實體相關之類別，至少一部分之該已得到之對新聞內容之參考為組織化的。
  8. 如請求項2所述之電腦實施方法，其中根據該興趣實體及該擴展實體資料產生用於新聞內容之該擴展新聞查詢之步驟包含以下步驟：產生該擴展新聞查詢，以包含用於該興趣實體及該複數個相關實體之一請求。
  9. 如請求項8所述之電腦實施方法，其中該已得到之複數個對新聞內容之參考包含：對相關於該興趣實體之新聞內容之興趣實體參考，及對不相關於該興趣實體之新聞內容之一般參考；及其中根據該已得到之對新聞內容之參考產生一新聞呈現之步驟包含：群組化對新聞內容之該興趣實體參考，及呈現對新聞內容之該興趣實體參考為與該興趣實體之該類別相關。
  10. 一種電腦可讀取媒體，該電腦可讀取媒體帶有電腦可執行指令，當在包含執行自該媒體得到之該等指令之至少一處 理器之一電腦系統上執行該等電腦可執行指令時，執行用於提供新聞至一電腦使用者以回應自該電腦使用者所接收之一新聞查詢之一方法，該方法包含以下步驟：辨識該電腦使用者之一興趣實體，該興趣實體與一類別相關；自一相關實體來源得到對應至該興趣實體之擴展實體資料，該擴展實體資料包含：辨識相關於該興趣實體之相關實體之一集合之相關實體資料；及對應至與該興趣實體相關之該類別之類別資料，該類別資料包含一類別實體之集合，該類別實體之集合辨識全部關係之基礎，因與該類別相關之一興趣實體可伴同相關實體；每一類別實體辨識一關係之一基礎，因與該類別相關之一興趣實體可伴同一相關實體；根據該興趣實體及該擴展實體資料，產生用於新聞內容之一擴展新聞查詢；根據該新聞查詢及該擴展新聞查詢，得到對新聞內容之複數個參考；根據該已得到之對新聞內容之參考，產生一新聞呈現，其中根據與該興趣實體相關之該類別，至少一部分之該已得到之對新聞內容之參考為組織化的；及提供該新聞呈現給該電腦使用者。
  11. 如請求項10所述之電腦可讀取媒體，其中根據該興趣實 體及該擴展實體資料產生用於新聞內容之該擴展新聞查詢之步驟包含以下步驟：產生該擴展新聞查詢，以包含用於該興趣實體、該複數個相關實體及該類別實體之一請求。
  12. 如請求項11所述之電腦可讀取媒體，其中根據該已得到對新聞內容之參考產生一新聞呈現之步驟包含以下步驟：根據與該興趣實體相關之該類別，群組化一部分對新聞內容之該興趣實體參考。
  13. 如請求項10所述之電腦可讀取媒體，其中該方法更包含以下步驟：自複數個相關實體來源得到對應至該興趣實體之擴展實體資料。
  14. 如請求項10所述之電腦可讀取媒體，其中該方法更包含以下步驟：辨識該電腦使用者之複數個興趣實體，該複數個興趣實體中的每一個與一類別相關；自一相關實體來源得到用於該複數個興趣實體中的每一個之擴展實體資料；產生對應至該複數個興趣實體中的每一個之複數個擴展新聞查詢；對於該複數個擴展新聞查詢中的每一個，得到對新聞內容之參考；及根據該已得到之對新聞內容之參考產生一新聞呈現，其 中根據與該複數個興趣實體相關之類別，至少一部分之該已得到之對新聞內容之參考為組織化的。
  15. 一種用於提供新聞結果以回應自電腦使用者接收一新聞查詢之電腦系統，該系統包含一處理器及一記憶體，其中該處理器執行儲存於該記憶體中之指令以作為部分額外元件或與額外元件結合，以回應該新聞查詢，該等額外元件包含：一興趣實體取回元件，該興趣實體取回元件經配置以得到辨識該電腦使用者之一興趣實體之興趣實體資訊，該興趣實體係與一類別相關；一擴展資料取回元件，該擴展資料取回元件經配置以得到辨識該興趣實體之相關實體之相關實體資料及對應至該相關類別之類別資料；一擴展查詢產生器，該擴展查詢產生器根據該興趣實體及該相關實體資料產生一擴展新聞查詢；一新聞取回元件，該新聞取回元件經配置以根據來自該擴展查詢產生器之該擴展新聞查詢，自一新聞內容儲存庫得到對新聞內容之參考；一新聞呈現產生器，該新聞呈現產生器根據該已得到之對新聞內容之參考產生用於該電腦使用者之一新聞呈現，及提供該新聞呈現給該電腦使用者。
  16. 如請求項15所述之電腦系統，其中該擴展新聞查詢之標的包含該興趣實體、相關實體及類別實體。
  17. 如請求項15所述之電腦系統，其中該興趣實體取回元件經配置以得到辨識該電腦使用者之複數個興趣實體之興趣實體資訊，每一興趣實體係與一類別相關；其中該擴展資料取回元件經配置以得到相關實體資料，該相關實體資料辨識用於該複數個興趣實體之相關實體及辨識對應至該相關類別之類別資料；其中該擴展查詢產生器產生用於該複數個興趣實體之每一個及對應相關實體資料之一擴展新聞查詢，其中該電腦系統更包含一擴展查詢合併元件，該擴展查詢合併元件結合該相同類別之興趣實體之該擴展新聞查詢，以產生一或更多個已結合之擴展新聞查詢；及其中該新聞取回元件經配置以根據該一或更多個已結合擴展新聞查詢自一新聞內容儲存庫得到對新聞內容之參考。
  18. 如請求項17所述之電腦系統，其中該擴展資料取回元件經配置以自複數個相關實體來源得到相關實體資料，該相關實體資料係辨識用於該複數個興趣實體之相關實體及辨識對應至該相關類別之類別資料。
  19. 如請求項17所述之電腦系統，其中該擴展資料取回元件經配置以自複數個相關實體來源得到相關實體資料，該相關實體資料係辨識用於該複數個興趣實體之相關實體及辨識對應至該相關類別之類別資料。
  20. 如請求項17所述之電腦系統，其中興趣實體取回元件經配置以自複數個興趣實體來源得到辨識該電腦使用者之複數個興趣實體之興趣實體資訊，每一興趣實體係與一類別相關。
TW103117926A 2013-06-10 2014-05-22 透過查詢擴展的改良新聞結果 TW201511547A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US13/913,835 US9646062B2 (en) 2013-06-10 2013-06-10 News results through query expansion

Publications (1)

Publication Number Publication Date
TW201511547A true TW201511547A (zh) 2015-03-16

Family

ID=51168354

Family Applications (1)

Application Number Title Priority Date Filing Date
TW103117926A TW201511547A (zh) 2013-06-10 2014-05-22 透過查詢擴展的改良新聞結果

Country Status (5)

Country Link
US (2) US9646062B2 (zh)
EP (1) EP3008645A1 (zh)
CN (1) CN105339933B (zh)
TW (1) TW201511547A (zh)
WO (1) WO2014200780A1 (zh)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8930393B1 (en) * 2011-10-05 2015-01-06 Google Inc. Referent based search suggestions
US10013152B2 (en) 2011-10-05 2018-07-03 Google Llc Content selection disambiguation
US9305108B2 (en) 2011-10-05 2016-04-05 Google Inc. Semantic selection and purpose facilitation
US9646062B2 (en) 2013-06-10 2017-05-09 Microsoft Technology Licensing, Llc News results through query expansion
US9652499B1 (en) * 2013-08-21 2017-05-16 Athena Ann Smyros Search-based recommendation engine
CN104516902A (zh) * 2013-09-29 2015-04-15 北大方正集团有限公司 语义信息获取方法及其对应的关键词扩展方法和检索方法
US10114897B1 (en) * 2014-12-24 2018-10-30 Open Invention Network Llc Search and notification procedures based on user history information
CN106503014B (zh) * 2015-09-08 2020-08-07 腾讯科技（深圳）有限公司 一种实时信息的推荐方法、装置和系统
US10372883B2 (en) 2016-06-24 2019-08-06 Scripps Networks Interactive, Inc. Satellite and central asset registry systems and methods and rights management systems
US11868445B2 (en) 2016-06-24 2024-01-09 Discovery Communications, Llc Systems and methods for federated searches of assets in disparate dam repositories
US10452714B2 (en) 2016-06-24 2019-10-22 Scripps Networks Interactive, Inc. Central asset registry system and method
KR102017853B1 (ko) * 2016-09-06 2019-09-03 주식회사 카카오 검색 방법 및 장치
US10762146B2 (en) * 2017-07-26 2020-09-01 Google Llc Content selection and presentation of electronic content
TWI668579B (zh) * 2017-11-10 2019-08-11 全球華人股份有限公司 職務工作說明資料庫之建立方法
CN110472021A (zh) * 2018-05-11 2019-11-19 微软技术许可有限责任公司 会话中推荐新闻的技术
US11875124B2 (en) * 2021-02-08 2024-01-16 Acto Technologies Inc. Virtual assistant for a pharmaceutical article

Family Cites Families (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3919528A (en) 1972-06-30 1975-11-11 Notifier Co Method and apparatus for operating authorization control systems
ATE389018T1 (de) * 1996-01-24 2008-03-15 Schering Corp Cx3c chemokin-gene von säugetieren
US6038560A (en) 1997-05-21 2000-03-14 Oracle Corporation Concept knowledge base search and retrieval system
US6996572B1 (en) 1997-10-08 2006-02-07 International Business Machines Corporation Method and system for filtering of information entities
US5953718A (en) 1997-11-12 1999-09-14 Oracle Corporation Research mode for a knowledge base search and retrieval system
US7076437B1 (en) 1999-10-29 2006-07-11 Victor Levy Process for consumer-directed diagnostic and health care information
US7437349B2 (en) * 2002-05-10 2008-10-14 International Business Machines Corporation Adaptive probabilistic query expansion
US20030220913A1 (en) * 2002-05-24 2003-11-27 International Business Machines Corporation Techniques for personalized and adaptive search services
EP1510938B1 (en) 2003-08-29 2014-06-18 Sap Ag A method of providing a visualisation graph on a computer and a computer for providing a visualisation graph
US7590619B2 (en) * 2004-03-22 2009-09-15 Microsoft Corporation Search system using user behavior data
US7536382B2 (en) 2004-03-31 2009-05-19 Google Inc. Query rewriting with entity detection
WO2006007194A1 (en) * 2004-06-25 2006-01-19 Personasearch, Inc. Dynamic search processor
US20060074883A1 (en) * 2004-10-05 2006-04-06 Microsoft Corporation Systems, methods, and interfaces for providing personalized search and information access
US20070005654A1 (en) * 2005-05-20 2007-01-04 Avichai Schachar Systems and methods for analyzing relationships between entities
US7827125B1 (en) * 2006-06-01 2010-11-02 Trovix, Inc. Learning based on feedback for contextual personalized information retrieval
US7685201B2 (en) 2006-09-08 2010-03-23 Microsoft Corporation Person disambiguation using name entity extraction-based clustering
US7958104B2 (en) 2007-03-08 2011-06-07 O'donnell Shawn C Context based data searching
US20080306914A1 (en) * 2007-06-05 2008-12-11 Search Capital Ltd Method and system for performing a search
US8145660B2 (en) 2007-10-05 2012-03-27 Fujitsu Limited Implementing an expanded search and providing expanded search results
US8594996B2 (en) 2007-10-17 2013-11-26 Evri Inc. NLP-based entity recognition and disambiguation
US8862622B2 (en) * 2007-12-10 2014-10-14 Sprylogics International Corp. Analysis, inference, and visualization of social networks
US20100094846A1 (en) 2008-10-14 2010-04-15 Omid Rouhani-Kalleh Leveraging an Informational Resource for Doing Disambiguation
US20100094835A1 (en) 2008-10-15 2010-04-15 Yumao Lu Automatic query concepts identification and drifting for web search
US8055675B2 (en) 2008-12-05 2011-11-08 Yahoo! Inc. System and method for context based query augmentation
US8458171B2 (en) * 2009-01-30 2013-06-04 Google Inc. Identifying query aspects
KR101078864B1 (ko) 2009-03-26 2011-11-02 한국과학기술원 질의/문서 주제 범주 변화 분석 시스템 및 그 방법과 이를 이용한 질의 확장 기반 정보 검색 시스템 및 그 방법
US8397253B2 (en) 2009-07-23 2013-03-12 Fmr Llc Inserting personalized information into digital content
US8314798B2 (en) 2009-10-02 2012-11-20 Business Objects Software Limited Dynamic generation of contextual charts based on personalized visualization preferences
US20110106807A1 (en) 2009-10-30 2011-05-05 Janya, Inc Systems and methods for information integration through context-based entity disambiguation
WO2011053755A1 (en) 2009-10-30 2011-05-05 Evri, Inc. Improving keyword-based search engine results using enhanced query strategies
US20110125764A1 (en) 2009-11-26 2011-05-26 International Business Machines Corporation Method and system for improved query expansion in faceted search
US9129012B2 (en) 2010-02-03 2015-09-08 Google Inc. Information search system with real-time feedback
US8346795B2 (en) 2010-03-10 2013-01-01 Xerox Corporation System and method for guiding entity-based searching
US8751305B2 (en) * 2010-05-24 2014-06-10 140 Proof, Inc. Targeting users based on persona data
US8326861B1 (en) 2010-06-23 2012-12-04 Google Inc. Personalized term importance evaluation in queries
US8600979B2 (en) * 2010-06-28 2013-12-03 Yahoo! Inc. Infinite browse
US20120016642A1 (en) 2010-07-14 2012-01-19 Yahoo! Inc. Contextual-bandit approach to personalized news article recommendation
US9830379B2 (en) 2010-11-29 2017-11-28 Google Inc. Name disambiguation using context terms
US8510322B2 (en) 2011-06-17 2013-08-13 Microsoft Corporation Enriched search features based in part on discovering people-centric search intent
US8386457B2 (en) 2011-06-22 2013-02-26 International Business Machines Corporation Using a dynamically-generated content-level newsworthiness rating to provide content recommendations
US20130060769A1 (en) 2011-09-01 2013-03-07 Oren Pereg System and method for identifying social media interactions
US9665643B2 (en) 2011-12-30 2017-05-30 Microsoft Technology Licensing, Llc Knowledge-based entity detection and disambiguation
US20130173655A1 (en) 2012-01-04 2013-07-04 International Business Machines Corporation Selective fetching of search results
CN104428767B (zh) 2012-02-22 2018-02-06 谷歌公司 用于识别相关实体的方法、系统和装置
US10984337B2 (en) 2012-02-29 2021-04-20 Microsoft Technology Licensing, Llc Context-based search query formation
US20140181070A1 (en) 2012-12-21 2014-06-26 Microsoft Corporation People searches using images
US9378741B2 (en) 2013-03-12 2016-06-28 Microsoft Technology Licensing, Llc Search results using intonation nuances
US20140280179A1 (en) 2013-03-15 2014-09-18 Advanced Search Laboratories, lnc. System and Apparatus for Information Retrieval
US9646062B2 (en) 2013-06-10 2017-05-09 Microsoft Technology Licensing, Llc News results through query expansion

Also Published As

Publication number Publication date
US20150006520A1 (en) 2015-01-01
CN105339933A (zh) 2016-02-17
US20140365468A1 (en) 2014-12-11
US9646062B2 (en) 2017-05-09
EP3008645A1 (en) 2016-04-20
WO2014200780A1 (en) 2014-12-18
CN105339933B (zh) 2019-08-06

Similar Documents

Publication Publication Date Title
TW201511547A (zh) 透過查詢擴展的改良新聞結果
CN107480158B (zh) 基于相似性得分评估内容项目与图像的匹配的方法和系统
US9361385B2 (en) Generating content for topics based on user demand
CN107103016B (zh) 基于关键词表示使图像与内容匹配的方法
US9600530B2 (en) Updating a search index used to facilitate application searches
US10410125B1 (en) Artificial intelligence based identification of negative user sentiment in event data
US8635203B2 (en) Systems and methods using query patterns to disambiguate query intent
US8185524B2 (en) Method and system for locating events in-context
RU2654133C2 (ru) Просмотр трехмерных объектов в документах
WO2017041359A1 (zh) 信息推送方法、装置、设备及非易失性计算机存储介质
US9727906B1 (en) Generating item clusters based on aggregated search history data
US11693910B2 (en) Personalized search result rankings
US11086935B2 (en) Smart updates from historical database changes
JP2011520193A (ja) 最もクリックされた次オブジェクトを有する検索結果
JP7023865B2 (ja) ランディングページ生成の改良
US10496686B2 (en) Method and system for searching and identifying content items in response to a search query using a matched keyword whitelist
US10685073B1 (en) Selecting textual representations for entity attribute values
US9767204B1 (en) Category predictions identifying a search frequency
US10410273B1 (en) Artificial intelligence based identification of item attributes associated with negative user sentiment
US11748429B2 (en) Indexing native application data
US20150169772A1 (en) Personalizing Search Results Based on User-Generated Content
US11745093B2 (en) Developing implicit metadata for data stores
US20140258267A1 (en) Aggregating and Searching Social Network Images
US10387934B1 (en) Method medium and system for category prediction for a changed shopping mission
US20080235170A1 (en) Using scenario-related metadata to direct advertising