TWI628550B - 合成問題制定 - Google Patents

合成問題制定 Download PDF

Info

Publication number
TWI628550B
TWI628550B TW104114232A TW104114232A TWI628550B TW I628550 B TWI628550 B TW I628550B TW 104114232 A TW104114232 A TW 104114232A TW 104114232 A TW104114232 A TW 104114232A TW I628550 B TWI628550 B TW I628550B
Authority
TW
Taiwan
Prior art keywords
questions
synthetic
user
computing device
candidate
Prior art date
Application number
TW104114232A
Other languages
English (en)
Other versions
TW201610726A (zh
Inventor
尤艾利 馬瑞克
阿唯海 梅傑
艾丹 史茲培克托
丹 沛雷格
Original Assignee
伊克斯卡萊柏智慧財產有限責任公司
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 伊克斯卡萊柏智慧財產有限責任公司 filed Critical 伊克斯卡萊柏智慧財產有限責任公司
Publication of TW201610726A publication Critical patent/TW201610726A/zh
Application granted granted Critical
Publication of TWI628550B publication Critical patent/TWI628550B/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
    • G06F16/90—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
    • G06F16/9532—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—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
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/332—Query formulation
    • G06F16/3322—Query formulation using system suggestions
    • G06F16/3323—Query formulation using system suggestions using document space presentation or visualization, e.g. category, hierarchy or range presentation and selection
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

簡單來說，在此揭示之多數具體實施例可以與制定合成問題有關，例如像是回應搜尋查詢而制定。例如，在一具體實施例中，至少可以部分利用選擇一或多個候選合成問題的方式，向起始一搜尋的使用者呈現多數候選合成問題。

Description

合成問題制定
在此揭示的主題內容可以與制定合成問題有關，例如像是回應一搜尋查詢而制定。
隨著像是網際網路的網路獲得大量的普及性，以及隨著像是頁面及/或其他文件及/或其他媒體內容及/或應用程式等的大量內容變得可由使用者所利用，像是透過全球資訊網(網絡)加以利用，便期望提供更有效率及/或正簡化的方式以蒐集、組織及/或展示像是數位內容的內容，而例如這可能是使用者所期望及/或對使用者為有用的。網際網路形式的商業實體，例如像是Yahoo！，可以提供廣泛的內容，像是可由使用者透過網絡所利用的應用程式及/或其他數位內容。在某些情形中，可能面臨到挑戰，例如像是透過網頁對一使用者展示何者內容的挑戰。此外，正在被尋找的內容可能也還不存在。
100‧‧‧網頁
110‧‧‧查詢
120‧‧‧合成問題
130‧‧‧網頁
140‧‧‧經選擇問題
300‧‧‧社群問題回答網站
310‧‧‧合成問題
410‧‧‧功能區塊
430‧‧‧功能區塊
440‧‧‧功能區塊
450‧‧‧功能區塊
500‧‧‧功能區塊
510‧‧‧功能區塊
520‧‧‧功能區塊
530‧‧‧功能區塊
540‧‧‧功能區塊
600‧‧‧系統
610‧‧‧合成問題樣版資料庫
620‧‧‧樣版提取元件
630‧‧‧合成問題產生元件
640‧‧‧問題/查詢資料庫
650‧‧‧網路
660‧‧‧計算裝置
702‧‧‧計算裝置
704‧‧‧計算裝置
706‧‧‧計算裝置
708‧‧‧網路
720‧‧‧處理器
722‧‧‧記憶體
724‧‧‧主要記憶體
726‧‧‧輔助記憶體
728‧‧‧通訊匯流排
730‧‧‧通訊介面
732‧‧‧輸入/輸出
740‧‧‧電腦可讀媒介
所主張要求保護的主題內容係特別在說明書的結論部分指出與清楚主張。然而，對於操作的組織及/或方法兩方，與物件、特徵及/或其優點一起，如果與該等伴隨圖式一起閱讀時，係可參考以下詳細敘述獲得最佳瞭解，其中：第一圖為根據一具體實施例的示例性網頁展示的描述，該網 頁展示則描繪示例合成問題。
第二圖為根據一具體實施例的示例性網頁展示的描述，該網頁展示則描繪示例選擇問題。
第三圖為根據一具體實施例的示例性網頁展示的描述，該網頁展示則描繪示例合成問題。
第四圖為根據一具體實施例的示意圖，其描述產生合成問題的示例程序。
第五圖為根據一具體實施例的示意圖，其描述產生合成問題的示例程序。
第六圖為根據一具體實施例的示意圖，其描述產生合成問題的示例系統。
第七圖為根據一具體實施例的示意圖，其描述一示例計算裝置。
第八圖為根據一具體實施例之語音標籤集/或相依解析樹的示例部分描述。
在以下【實施方式】中係參照該等伴隨圖式，該等伴隨圖式形成本發明的一部分，其中類似的元件符號可指示類似的部分，以指示對應及/或類似的元件。可以理解在該等圖式中所描繪的元件並不需要按比例繪製，像是為了簡化及/或清楚描述的目的。例如。某些元件的尺寸可能相對其他元件誇大。進一步的，要瞭解也可以利用其他元件。此外，在不背離所主張的主題內容下可進行結構及/或其他方面的改變。也應該注意例如上、下、頂部、底部等等的方向及/或參照係可用於協助對該等圖式的討論， 且/或並不預期用於限制所主張之主題內容的應用。因此，以下【實施方式】並非用於限制所主張的主題內容及/或等價物。
在下述詳細敘述中設定許多特定細節，以提供對於所主張之主題內容的完整瞭解。為了說明的目的，以示例方式設定許多特定元件符號、系統及/或配置。然而，對於該領域技術人員而言應該明確的是，主張主題內容的揭示優點可以不以特定細節實作。在其他情況中，將省略及/或簡化已熟知的特徵，以避免干擾所主張的主題內容。雖然某些特徵已經在此描繪及/或敘述，但對於本領域技術人員而言，也可能發生許多修改、替換、改變及/或等價物。因此，要瞭解預期該等附加申請專利範圍係涵蓋落於所主張主題內容之中的任何及所有的修改及/或改變。
在本說明書中對於一項實作、一實作、一項具體實施例、一具體實施例及/或其他類似物的參照，可以意指包含於至少所主張主題內容之一實作或具體實施例中，連結一特定實作或具體實施例所敘述的一特定特徵、結構或特性。因此，所述片語的出現，例如在本說明書中許多地方出現的片語，並不預期需要參考為所敘述的相同實作或任一特定實作。此外，要瞭解所述的特定特徵、結構或特性可以許多方式結合於一或多個實作中。當然，一般而言，這些與其他的議題係隨情況所變化。因此，特定的情況敘述或使用可以對於預備引出的推論提供有益的引導。
操作及/或處理，像是網路所關聯的，例如像是與通訊網路所關聯的，可能涉及對於物理量的實體操縱。一般而言雖然並非必須，這些物理量可以採用電子及/或磁性訊號形式，其例如能夠被儲存、傳送、組 合、處理、比較及/或是操縱。已經證實有時候主要為了共同利用的理由，係將這些訊號參照為位元、資料、數值、元素、符號、字符、用詞、數字、編號及/或類似物。然而應該瞭解所有這些或類似的用詞係與適宜的物理量相關聯，並預期只是做為方便性的標示。
同樣的，在此情況中，可以使用該等用詞「連結」、「連接」及/或類似用詞。應該了解並不預期這些用詞為同義詞。倒不如說，例如可以使用「連接」指示二或多個元件或其他組件係以直接實體及/或電氣接觸；同樣的，「連結」可以意指二或多個組件係以直接實體或電氣接觸；然而，「連結」也可以意指二或多個組件並非直接接觸，但儘管如此仍可以共同操作或互動。例如在適當的情況中，也可瞭解該用詞「連結」意指間接連接。
當在此使用時，該等用詞「及」、「或」、「及/或」及/或類似用詞可以包含各種意義，其也預期至少部分與所述用詞所使用時的特定情況有關。一般而言，如果與一清單關聯使用「或」時，像是A、B或C，便預期係意指在包含意義中所使用的A、B及C，以及在排他意義中所使用的A、B或C。此外，該用詞「一或多個」及/或類似用詞可以用於敘述以單數形敘述的任何特徵、結構及/或特性，及/或可以用於敘述複數形多數特徵、結構及/或特性的某些其他組合。儘管如此，應該注意這只是示例，而所主張的主題內容並不被限制於此示例。再次的，特定的情況敘述或使用可以對於預備引出的推論提供有益的引導。
應該瞭解，為了容易敘述，網路裝置可以體現及/或敘述為計算裝置。然而應該進一步瞭解此敘述不應該被建構為將所主張的主題內 容限制於單一具體實施例之中，像是限制於計算裝置或網路裝置中，取而代之的是，其可以體現成為各種裝置與其組合，例如包含一或多個示例實例。
在此情況中，該用詞網路裝置意指可以透過網路通訊及/或成為網路之部分的任何裝置。網路裝置能夠傳送及/或接收訊號(例如訊號封包)，像是透過有線或無線網路傳送及/或接收，能夠實行數值及/或邏輯操作、處理及/或儲存訊號，像是儲存在記憶體中成為實體記憶體狀態，及/或例如可操作成為伺服器。能夠操作成為伺服器或其他裝置的網路裝置例如可以包含專用機架固定式伺服器、桌上型電腦、膝上電腦、機上盒、平板、網路小筆電、智慧型手機、結合前述裝置二或多項特徵的整合裝置、其他類似裝置，或其任何的組合。
網路可以包括二或多個網路裝置及/或可以連結多數網路裝置，因此可以交換像是以訊號封包形式所進行的訊號通訊，像是在伺服器與客戶端裝置之間及/或其他形式的網路裝置之間進行交換，例如包含透過無線網路而連結的多數無線裝置之間通訊。要注意到伺服器、伺服器裝置、伺服器計算裝置、伺服器計算平台等用詞及/或類似用詞係以可交換的方式使用。同樣的，客戶端、客戶端裝置、客戶端計算裝置、客戶端計算平台等用詞及/或類似用詞也以可交換的方式使用。雖然某些情況中為了容易敘述，這些用詞可以於單數形中使用，像是參照為一「客戶端裝置」或一「伺服器裝置」時，但預期在適當時該敘述係包含一或多個客戶端裝置或一或多個伺服器裝置。延續類似的概念，對於一「資料庫」的參照在適當時也應瞭解為意指一或多個資料庫及/或其部分。
網路也可以包含目前已知或將於之後發展的配置、衍生及/或改良，例如包含過去、現在及/或未來的大量存儲器，例如像是網路附加存儲器(NAS)、儲存區域網路(SAN)、及/或其他電腦形式及/或機器可讀媒體。網路可以包含網際網路、一或多個區域網路(LAN)、一或多個廣域網路(WAN)、有線形式連接、無線形式連接、其他連接或其任意組合。因此，網路在範圍及/或延伸方面可具有全球性。同樣的，像是運用不同結構或可以相容及/或適應像是通訊協定(例如，網路通訊協定)之不同協定的子網路，可以於較大的網路之中進行相互操作。各種形式的裝置便為可提供，以能夠啟用裝置相互操作性，及/或至少在某些情況中係為該等裝置係為通透的。在此情況中，該用詞通透意指透過網路而通訊的裝置係能夠在不需要具體指明一或多個中間裝置透過中間裝置進行通訊，及/或可以包含在通訊傳輸中並不需要涉及中間裝置時進行通訊。例如，路由器可以提供分離及/或獨立LAN之間的鏈結。在此情況中，私有網路意指特定、受限的網路裝置集合，其能夠在該特定、受限的集合中與其他網路裝置通訊，例如像是透過訊號封包傳輸，而不需要將所述通訊重新路由及/或重新導向。 私有網路可以包括單獨網路；然而，私有網路也可以包括較大網路的子集合，例如像是網際網路，但不限制於此。因此例如「雲端中」的私有網路可以意指例如包括網際網路之子集合的私有網路。雖然訊號封包傳輸可以運用中間裝置交換訊號封包傳輸，但那些中間裝置例如並不需要以一或多個訊號封包傳輸的來源或目的地方式，被包含在該私有網路之中。做為另一範例，邏輯廣播域可以包括私有網路的一種範例。要瞭解在此情形中私有網路可以包括對於非於該私有網路中的裝置的向外通訊，但這種在該私 有網路外側的裝置係無法引導對於該私有網路中所包含之裝置的向內通訊。
網際網路意指一種可相互操作網路的分散式全球網路，包含成為那些可相互操作網路之部分的裝置。網際網路包含LAN、WAN、無線網路及/或長途公共網路，其例如可以允許訊號封包在多數LAN之間通訊。 也可以使用該用詞全球資訊網(WWW)、網絡及/或類似用詞，雖然該等用詞「WWW」及/或「網絡」意指符合超文本傳輸協定或HTTP之網際網路的子部分。要注意有許多HTTP版本。訊號封包，也稱做為訊號封包傳輸，可以在網路的多數節點之間通訊，例如，其中一節點可以包括一或多個網路裝置。做為一示例範例，一節點可以包括一或多個運用區域網路位址的網點，但並不限制於此。同樣的，像是網路裝置的裝置也可以與該節點相聯繫。訊號封包例如可以透過包括該網際網路的通訊通道或通訊路徑來通訊，自一網點透過一存取節點連結至該網際網路。同樣的，例如訊號封包可以透過網路節點傳遞至與一區域網路連結的目標網點。透過該網際網路通訊的訊號封包例如可透過包括一或多個閘道、伺服器等等的路徑所路由，其例如可以根據一目標位址與網路節點至一目標網址之網路路徑的可利用性派送訊號封包。
可以進行透過硬體橋接器而實體連接至網路的方式，雖然也存在其他的方法。然而，硬體橋接器可能一般而言不包含透過較高階網路協定進行相互操作的能力。網路協定意指一種在網路中多數裝置之間或多數裝置中進行通訊的訊號發送公約集合，一般而言係於多數網路裝置之間；例如，實質上符合該協定的裝置或實質上與該協定相容的裝置。在此 情況中，該用詞「之間」及/或類似用詞如果在適合特定使用時應被瞭解為包含「之中」。同樣的，在此情況中，該等用詞「相容於」、「符合於」及/或類似用詞應該被瞭解為實質上符合或實質上相容。
一般而言，網路協定具有許多層。這些層在此可被稱做為通訊堆疊。可跨及不同層進行各種形式的通訊。例如，當移動至通訊堆疊中的較高處時，可以利用額外的功能，藉此在這些較高層處進行相容及/或相符於特定網路協定的通訊。相比之下，虛擬私有網路(VPN)可以讓遠端裝置透過區域網路進行通訊。路由器可以允許例如從遠端裝置至區域網路上的VPN伺服器之傳輸(例如訊號封包)形式的通訊發生。遠端裝置可經授權，而VPN伺服器例如可透過中介路由器建立區域網路與該遠端裝置之間的特殊路徑。
雖然所主張的主題內容並不特別限定於網際網路或是網絡的範圍，但其可為了描述目的，以非限制性的方式提供具體實施例的有用示例。如同所指出的，網際網路可以包含多數相互操作網路，以及在那些網路中所包含之多數裝置的全球系統。網際網路也已經演化成為一種公共的、自我維持的設施，其可由全球中數千萬或更多的人存取。同樣的在一具體實施例中，且如以上所提及，該用詞「WWW」及/或「網絡」意指符合超文本傳輸協定或HTTP之網際網路的子部分。因此在此情況中，網絡可以包括透過例如超媒體的使用組織例如像是文字、圖片、影像等等的經儲存內容的網際網路服務。例如，超文本標記語言(HTML)可以用於具體指明超媒體形式內容的內容及/或格式，像是以檔案或是「電子文件」的形式，例如像是網頁。在一具體實施例中，可延伸標記語言(XML)也可以用於 具體指明超媒體形式內容的內容及/或格式，像是以檔案或是「電子文件」的形式，例如網頁。當然，HTML與XML都只是提供做為示例的示範語言。 當然，並不預期所主張的主題內容被限制於提供做為示例的範例。
當在此使用時，在一具體實施例中，「網站」可以意指多數相關網頁的集合。同樣當在此使用時，在一具體實施例中，「網頁」可以與任何電子檔案或電子文件相關，像是可藉由透過該網絡指明存取性的全球資源定址器(URL)的方式，而可透過網路進行存取。如以上所提到，在一或多個具體實施例中，網頁可以包括利用一或多種語言編碼的內容，例如像是利用HTML及/或XML，雖然並不就此方面限制所主張之主題內容的範圍。同樣的，在一或多個具體實施例中，應用程式開發者可以例如以JaveScript形式撰寫編碼，以提供內容填充至一或多個樣版，像是為了應用程式而填充。然而，JaveScript也只是一種示例的程式語言。如同所指出的，所主張的主題內容並不限定於這些範例或示例。
當在此使用時，該用詞「條目」、「電子條目」、「文件」、「電子文件」、「內容」、「數位內容」、「項目」及/或類似用詞，係意指具有像是數位格式之格式的訊號及/或狀態，如果由像是數位裝置的裝置展示及/或播放時，可由使用者所感知，例如由計算裝置所展示及/或播放。對於一或多個具體實施例而言，電子文件可以包括編碼為標記語言的網頁，例如像是HTML(超文本標記語言)。在另一具體實施例中，電子文件可以包括網頁的一部分或一範圍。然而，所主張的主題內容並不限定於這些方面。同樣的，對於一或多個具體實施例而言，電子文件或電子條目可以包括許多組成部分。在一或多個具體實施例中，組成部分例如可以包括文字，以在網 頁上展示。同樣的，對於一或多個具體實施例而言，組成部分可以包括圖形物件及/或子物件，圖形物件例如包括像是數位影像的影像，子物件則像是該圖形物件的屬性。在一具體實施例中，數位內容例如可以包括數位影像、數位音頻、數位視訊及/或其他形式的電子文件。
如同所提到的，隨著像是網際網路的網路獲得大量的普及性，以及隨著像是頁面及/或其他文件及/或其他媒體內容及/或應用程式等的大量內容變得可由使用者所利用，像是透過全球資訊網(網絡)加以利用，便期望提供更有效率及/或正簡化的方式以蒐集、組織及/或展示像是數位內容的內容，而例如這可能是使用者所期望及/或對使用者為有用的。網際網路形式的商業實體，例如像是Yahoo！，可以提供廣泛的內容，像是可由使用者透過網絡所利用的應用程式及/或其他數位內容。在某些情形中，可能面臨到挑戰，例如透過網頁對一使用者展示何者內容的挑戰。
一般而言，傳統的內容檢索系統，例如像是搜尋引擎，係傾向聚焦於使用者經驗，其中由使用者盡可能的明確指明他或她的意圖，而該等系統可以試著以滿足由該使用者所表明之意圖的方式檢索結果。可根據許多條件將結果進行排序，並以清單方式向使用者呈現。例如，使用者可以藉由提交包含一或多個搜尋項目的查詢，啟動網頁搜尋，而內容檢索服務可以藉由傳遞多數超連結的經排序清單至一使用者計算平台的方式進行回應，一般而言係透過在網路上的客戶端-伺服器互動方式達成，例如透過網際網路進行。在某些情況中，如果內容檢索系統能夠向使用者顯示相對小量的結果，而仍可至少部分滿足該使用者所表明的意圖時，便認為該內容檢索服務是成功的。
傳統的檢索系統，像是搜尋引擎，例如在該系統無法爬取、標記索引及/或排序滿足使用者所表明意圖的足夠充分相關內容時，可能是較不理想及/或較難良好實行。傳統的檢索系統，在使用者無法適當表明他或她的意圖時，也可能是較不理想及/或較難良好實行，例如像是在使用者還不精確知道他或她正在尋找的東西的情況。這些情況可以包含例如內容「瀏覽」及/或動態查詢情況，其中使用者在具有對於如何以有意義的方式表明意圖的理解之前，可能想要被更廣泛的教育。傳統的檢索系統可能是較不理想及/或較難良好實行的其他情況，例如可能包含使用者所具體指明的意圖在該使用者查詢時並不存在於網絡上的情況。
在無法立即由傳統檢索系統(例如，搜尋引擎)於該網絡上找到使用者具體指明內容之相關內容的情況中，使用者可利用像是例如Yahoo！ Answers的社群問題回答(CQA)網站。為了利用CQA網站，使用者可以制定預期由其他人所閱讀及瞭解的問題。形成有效的問題以引出來自其他使用者的答案並不是一件容易的工作，例如特別是如果使用者可能只具有關於一主題的粗淺知識時。此外，一般而言，使用者在產生搜尋查詢所經歷的搜尋模式，例如並不提供為社群問題網站制定問題的適當技能。 因此，在此敘述之多數具體實施例可以與協助使用者制定問題有關，而更特別的，可以例如與協助使用者制定能夠較佳地表明使用者意圖及/或較佳地自其他使用者引出有意義答案的問題有關。例如像是那些在此敘述的多數具體實施例，係可以激勵使用者例如在CQA網站上詢問問題，而不是只是尋找由自動搜尋引擎回應查詢提交所提供的結果。
例如，一般而言，使用者可以提交查詢至一搜尋引擎，像是 提交至網際網路搜尋引擎。在一具體實施例中，至少部分回應查詢的提交，可以產生一或多個合成問題。此外，在一具體實施例中，可以向該使用者展示該等經產生的合成問題。 在此情況中，該用詞合成問題意指至少部分根據一或多個樣版問題形式及至少部分根據在一提交搜尋查詢中所運用的該等用詞，所產生的問題。「確認」。 合成問題的樣版問題形式將於以下更詳細討論。然而，做為一範例，合成樣版問題形式可以包括「我如何可以T1我的T2 T3」，其中在該範例中T1、T2及T3可以包括來自一搜尋查詢的用詞。合成問題例如可以協助一使用者獲得可能難以獲得，或可能無法透過傳統查詢形式搜尋所獲得的內容，這同樣的將於以下更詳細敘述。在一具體實施例中，可以與查詢形式的搜尋結果一起向使用者展示多數經產生的合成問題，以例如激勵使用者將他或她的研究擴大至一CQA網站。同樣的，合成問題可以協助使用者聚焦及/或更有意義的表明一查詢。
在一示例具體實施例中，可向一使用者呈現多數合成問題的集合，例如像是利用在使用者計算裝置上所執行的瀏覽器應用程式加以呈現，而該使用者可以選擇該等合成問的一或多個。也就是說，做為一範例，可以透過一伺服器產生多數合成問題，並由該伺服器透過客戶端瀏覽器提供該等經產生問題給一使用者。當然，也可以運用其他的機制以提供該等經產生的合成問題，像是利用在一行動裝置上執行的行動應用程式及/或其他方法。同樣的，在一具體實施例中，藉由選擇該等合成問題的一或多個的方式，使用者可以開始將該經選擇問題(例如，或多於一個經選擇問題)呈現於一CQA網站，雖然並不就此方面限制所主張之主題內容的範圍。同樣的，在一具體實施例中，可以產生多數合成問題，其實質上為文法正確 及/或可以運用自然語言以足以由人類所立即瞭解，這同樣於以下更詳細敘述。
進一步的，在一具體實施例中，例如可以以在所呈現的該等問題中提供改善多樣性的方式，產生多數合成問題的集合。在一具體實施例中，至少部分利用不包含近似重覆及/或重覆問題的方式，可以在該等合成問題中達到更高的多樣性，如以下更詳細說明。同樣的，在一具體實施例中，可以產生問題品質分數。品質分數可以不需要向使用者呈現，但可以有用地與該等經產生問題的產生及/或呈現連結。例如，在一具體實施例中，品質分數可以用於進行問題過濾及/或用於決定是否呈現所有的合成問題。
第一圖為根據一具體實施例的示例性網頁展示的描述，該網頁展示則描繪示例合成問題。在一具體實施例中，一使用者可以藉由在一使用者計算裝置上執行的瀏覽器應用程式，提交一或多個查詢用詞，像是查詢110「ideas for a great novel」，像是透過一種客戶端-伺服器形式的網路互動。至少部分回應一使用者提交的一或多個查詢用詞，像是回應查詢110，一使用者計算裝置可以傳輸查詢用詞至一網頁伺服器。一網頁伺服器可以取得一或多個搜尋結果，並可以傳輸像是網頁100的網頁至一使用者計算裝置，該網頁100包含多數搜尋結果。在一具體實施例中，一使用者計算裝置可以利用一瀏覽器應用程式的方式向一使用者展示包含多數搜尋結果的一網頁，像是該網頁100。
同樣的，在一具體實施例中，一網頁伺服器及/或另一網路實體可以至少部分回應接收一或多個查詢用詞，像是接收查詢110，而產生 複數個合成問題，像是產生多數合成問題120，並可以傳輸多數合成問題至一使用者計算裝置，像是用於向一使用者展示。在一具體實施例中，一使用者可以藉由使用者裝置互動技術，例如像是以滑鼠點擊及/或點擊觸控螢幕顯示器，選擇一或多個合成問題，像是選擇多數合成問題120，以進一步精鍊一使用者搜尋及/或尋找額外內容。
藉由選擇一或多個合成問題，一使用者例如在一具體實施例中可以起始將一或多個經選擇問題呈現至一CQA網站，雖然並不就此方面限制所主張之主題內容的範圍。同樣的，在一具體實施例中，可以產生多數合成問題，其實質上為文法正確及/或可以運用自然語言以足以由人類所立即瞭解。如先前所提及，可以產生多數問題及/或向一使用者呈現，例如像是嘗試協助使用者獲得想要的內容、像是協助使用者更有效的存取一或多個CQA網站。
第二圖為根據一具體實施例的示例性網頁展示的描述，該網頁展示則描繪示例選擇問題。第二圖描繪示例網頁100，其顯示像是以上連結第一圖所討論，用於使用者提交查詢用詞110的多數搜尋結果。如以上所提及，一內容檢索系統可以至少部分根據由一使用者提交的一或多個查詢用詞產生複數個合成問題，像是根據查詢110。同樣的，如以上所提及在一具體實施例中可以向一使用者展示多數合成問題，像是多數合成問題120,而一使用者可以選擇一或多個問題。在一具體實施例中，一經選擇合成問題，像是一或多個成問題120，可以被發佈至一CQA網站，例如像是Yahoo！ Answers 130，以例如協助一使用者為所需要的內容擴大他或她的搜尋。
例如，一使用者可能尋找傑出小說(great novel)的構想。 因此，一使用者可以藉由瀏覽器應用程式的方式提交一查詢，像是查詢110「ideas for a great novel」至一搜尋引擎。回應上，例如一內容檢索系統可以向一使用者展示具有多數使用者查詢形式搜尋結果的清單。在一具體實施例中，一內容檢索系統也可以產生一或多個合成問題，像是在一具體實施例中，用於向一使用者呈現。當然，一具體實施例的態樣例如也包含至少部分根據於所產生的品質分數，評估是否呈現多數經產生合成問題。
雖然如此，對於第一圖與第二圖中描繪的範例而言，一內容檢索系統可以提供多數合成問題120「什麼是傑出小說的好構想？(What are good ideas for a great novel？)」、「什麼是小說的傑出構想？(What are some great ideas for novel？)」以及「你有任何傑出小說的構想嗎？(Do you have any ideas for great novel？)」。在一具體實施例中，具有多數合成問題的集合，其多數合成問題可以至少部分彼此相關。然而在一具體實施例中，排除重覆或近似重覆的問題可能是較理想的。
如第二圖中所描繪，至少部分回應一內容檢索系統接收一使用者的合成問題選擇，例如像是選擇「你有任何傑出小說的構想嗎？(Do you have any ideas for great novel？)」，一內容檢索系統例如可以發佈一經選擇問題，像是經選擇問題140至例如在示範網頁130處所描繪的一CQA網站，此外，因為多數合成問題係以實質上為文法正確及/或可以運用自然語言以足以由人類所立即瞭解的方式所產生，像是多數合成問題120，因此例如在一具體實施例中，一使用者可以放心地將制定的問題發佈至一CQA網站，這可能是一項挑戰或至少是一件苦差事。因此，一使用者可以繼續搜尋相關的內容，及/或可透過多數合成問題的產生，而被引導至至少部分相 關的內容。
第三圖為根據一具體實施例的示例性網頁展示的描述，該網頁展示則描繪示例合成問題。在一具體實施例中，一使用者可以登入一CQA網站，像是Yahoo！ Answers，同時瀏覽該網絡。例如，一使用者可由一搜尋引擎回應像是透過一提交搜尋查詢方式所提交的一或多個查詢用詞，而被導向至一CQA網站，像是CQA網站300。在一具體實施例中，CQA網站300可以展示一或多個合成問題以激勵搜尋精鍊，像是展示多數合成問題310。在此方式中，一使用者可能變成在內容搜尋及/或檢索過程中更加主動的參與者，且一使用者可能能夠找到與一特定意圖充分相關的內容。
第四圖為根據一具體實施例的示意圖，其描述產生合成問題的示例程序，像是以流程圖400所描繪。如在功能區塊410處所描繪，可以獲得像是來自一使用者的查詢。例如，在一具體實施例中，一使用者可以提交一或多個查詢用詞至一搜尋引擎。在功能區塊500處，一系統，像是一內容檢索系統，可以產生一或多個合成問題的集合。例如，在一具體實施例中可以至少部分根據一使用者查詢產生一或多個合成問題。此外，在一具體實施例中，可以提供多數合成問題，如在功能區塊430處所描繪。在一具體實施例中，可自一系統傳輸經產生的多數問題至一計算裝置，像是從一內容檢索系統傳輸至一使用者計算裝置，以向一使用者展示。同樣的，以替代方式做為一範例，可以透過使用者從一位置進行檢索的方式提供多數問題，像是從一URL進行檢索。在功能區塊440處，一系統，像是一內容檢索系統可以獲得該多數合成問題之集合的一或多個特定合成問題的選項。選項可以利用各種方式傳送，當然，所主張的主題內容並不將其範圍 限制為特定方法。在一具體實施例中，該使用者可以選擇一合成問題，例如，像是利用滑鼠「點擊」的方式。在另一示例具體實施例中，一使用者可以藉由與一觸控螢幕顯示器互動的方式選擇一合成問題，像是與一平板顯示器互動。如同所提及，可以運用任何使用者裝置的互動方法。同樣的，例如可以透過在一使用者裝置上執行的瀏覽器，或是透過另一被執行的應用程式進行傳送。此外，在功能區塊450處，可以由一內容檢索系統至少部分根據於一或多經選擇的問題實行搜尋。在一具體實施例中，搜尋可以包括發佈一或多個合成問題至一CQA網站，或是用於引出像是來自多數其他使用者的回應。在另一具體實施例中，搜尋可以包括由一搜尋引擎實行的網頁搜尋。然而，所主張之主題內容並不將其範圍限制為在此揭示的特定範例。
根據所主張之主題內容的多數具體實施例可以包含該等功能區塊410、500、430、440及/或450的全部，或是比這些功能區塊為多或少。 此外，該等功能區塊410、500、430、440及/或450的順序只是一種示例順序，並不就此方面限制所主張之主題內容的範圍。
第五圖為根據一具體實施例的示意圖，其描述產生合成問題的示例程序500。當然，所主張之主題內容並不限制於示例之具體實施例，例如像是不限制為第五圖。如在功能區塊510處所描繪。在一具體實施例中，可以產生多數候選問題的集合。例如，可以至少部分根據於像是由一使用者所提供的一或多個查詢用詞產生多數候選問題的集合。進一步的，在一具體實施例中，可以將該多數候選問題的集合進行排序。例如，在一具體實施例中，可以將該多數候選問題的集合進行排序，以決定一多數問 題的子集合，其確定是與一使用者查詢充分相關。
在一具體實施例中，將該多數候選問題的集合進行排序，像是在功能區塊520處所描繪，係例如可以包括至少部分根據一機器學習排序功能將該多數候選問題的集合進行排序。此外，在一具體實施例中，將該多數候選問題的集合進行排序，可以包括至少部分根據一自然語言功能進行的排序。在一具體實施例中，一自然語言功能可以包括至少部分根據於該等候選問題的集合之多數個別合成問題所產生的多數語音標籤及/或相依樹部分，將該等候選問題的集合進行排序。要注意運用機器學習排序功能及/或自然語言功能的額外優點包含合成問題品質分數的形式，將於以下更完整討論。
此外，在一具體實施例中，可以對一候選合成問題集合實行一多樣性功能，像是如在功能區塊530所描繪，例如用於移除重覆及/或近似重覆問題。進一步的，在一具體實施例中，多樣性功能可以包括從至少多數候選問題的一子集合之中，辨別多餘及/或近似多餘的多數問題。例如，辨別多餘問題可以包括對該等候選問題的至少一子集合，運用一編輯距離過濾器，這將於以下更完整敘述，雖然並不就此方面限制所主張之主題內容的範圍。進一步，對一候選問題集合實行一多樣性功能包括對該等候選問題的至少一子集合運用一第一字元過濾器，雖然同樣的，並不就此方面限制所主張之主題內容的範圍。
如同所提及，運用機器學習排序功能及/或自然語言功能的額外優點，包含合成問題品質分數的形式。例如，如在功能區塊540處所描繪，在一具體實施例中，可以對一候選合成問題集合實行一品質估計功能。 例如，在訓訓練一機器學習工具之後，可以指定多數候選問題一分數為運用機器學習的結果。因此，可以運用一或多個門檻，因此做為一範例，不具有足夠高分數的問題便不被使用及/或可以不對一使用者呈現。
根據所主張之主題內容的多數具體實施例可以包含該等功能區塊510-540的全部，或是比這些功能區塊為多或少。此外，該等功能區塊510-540的順序只是一種示例順序，並不就此方面限制所主張之主題內容的範圍。
第六圖為根據一具體實施例的示意圖，其描述產生合成問題的示例系統。在一具體實施例中，一系統，像是系統600可以包括一樣版提取元件以及一合成問題產生元件，像是樣版提取元件620與合成問題產生元件630。一使用者可以與像是計算裝置660的計算裝置互動，以透過像是網路650的網路提交多數查詢至像是系統600的系統。在一具體實施例中，像是網路650的一網路可以包括網際網路，而像是系統600的一系統可為該全球資訊網的部分，雖然所主張之主題內容並不限制於這些方面。
在一具體實施例中，可利用至少部分從多數查詢/問題對的資料集合提取多數問題樣版的方式，產生複數個問題樣版，例如像是從一查詢/問題資料庫，例如像是查詢/問題資料庫640。在一具體實施例中，可利用替換來自一查詢/問題資料庫的問題中所辨別的一或多個查詢用詞方式，提取一問題樣版，像是來自於資料庫640的問題，並以一或多個個別其他用詞所替換。例如，來自像是資料庫640之查詢/問題資料庫的查詢/問題對可以包括「我如何修理我的老車」的問題，並可以包括查詢用詞「修理、老、車」。在一具體實施例中，來自該問題「我如何修理我的老車」裡的查 詢用詞「修理、老、車」可以利用T1、T2與T3用詞替換，以形成一問題樣版「我如何T1我的T2 T3？」。在一具體實施例中，可以利用此方式評估相對大量的查詢/問題對，而並可以提取及/或產生複數個合成問題樣版，並儲存於一資料庫中，例如像是儲存於合成問題樣版資料庫610中。同樣的，在一具體實施例中，可以對多數問題樣版的集合實行一過濾器功能。例如，在一具體實施例中，像是合成問題樣版資料庫610的一資料庫可以儲存與十個或更多個查詢相關聯的多數合成問題樣版，而與少於十個查詢相關聯的多數合成問題樣版便可被摒除，然而十只是非限制的範例。在一示例合成問題樣版資料庫中，像是在合成問題樣版資料庫610中，例如，可以儲存接近40,000個合成問題樣版與其個別的多數查詢。然而，並不就此方面限制所主張之主題內容的範圍。
在一具體實施例中，至少部分回應自該計算裝置660接收一查詢，可以由該合成問題產生元件630產生一或多個合成問題，可以至少部分根據從像是該計算裝置620的計算裝置所接收的一或多個查詢用詞，自該合成問題樣版資料庫取得一或多個候選合成問題樣版。在一具體實施例中，可以為一已知查詢產生多數可能候選合成問題的集合，而各自的候選合成問題可以相對於彼此進行排序。同樣的，在一具體實施例中，可以將一各自候選合成問題表現為「特徵向量」，其中例如可以將一候選合成問題的多數特徵表現為一多維向量的多個元素。
將多數候選合成問題進行排序可以包括為各自候選合成問題決定一基線排序分數，也可以包括進行多數候選合成問題的後續排序。在一具體實施例中，可以在實行進一步的排序之前，實行基線排序，以簡 化計算。例如，可以利用基線排序辨別多數候選合成問題的「最前」子集合，而多數候選合成問題的一子集合可以進行一再次排序操作。
在一具體實施例中，基線排序可以包含一第一態樣，其包括決定一概似性分數。例如，可以至少部分利用將一新查詢q與n個相似查詢q i 之問相似度分數sim(q；q i )進行平均的方式，為一查詢/樣版對(q i ；t j )計算一概似性分數，該n個相似查詢q i 則與該樣版t j 相關聯。在一具體實施例中，可以計算各自的相似數為在該兩查詢中多數個別位置中的多數用詞之間，其用詞相似度的乘積，例如，sim(q；q i )=Π k sim(q k ；)，其中q k 與分別包括查詢q及q i 的第k個用詞。在一具體實施例中，兩用詞之間的相似度sim(q k ；)可利用其各自上下文向量之間的餘弦相似度進行測量。在一示範查詢/問題資料庫中，可以處理數百萬的查詢以計算上下文向量，當然，並不就此方面限制所主張之主題內容的範圍。
一基線排序的第二態樣可以包括為各自的候選合成問題決定一語言模型分數。在一具體實施例中，語言模型分數可以表現一個候選合成問題的文法正確性指示。在一具體實施例中，可以至少部分根據來自CQA網站Yahoo！ Answers的近似一千五百萬個英文問題的取樣，訓練一機器學習語言模型，雖然當然也並不就此方面限制所主張之主題內容的範圍。 在一具體實施例中，可以如以上所提及以一向量各自表現多數候選合成問題。可以利用一線性模型，對於一候選合成問題池：μ．Φ(Q)的多數各自候選合成問題進行評分，其中μ包括一模型權重向量，而Φ(Q)包括候選合成問題Q的特徵向量。在一具體實施例中，例如可以利用被動攻擊(PA)線上學習程序的平均變化，訓練多數權重，雖然並不就此方面限制所主張之 主題內容的範圍。
在一具體實施例中，做為一示範方法，根據以上敘述兩示範態樣的基線分數可以表示為：Baseline score=π˙Likelihood(Query,Template)+(1-λ)˙LanguageModel(Question) (1)
如以上所提及，對於多數候選合成問題之集合的個別候選合成問題所進行的基線排序分數可以用於選擇做為將被重新排序的候選合成問題子集合，以做為一示例合成問題產生操作的部分。例如，在一具體實施例中，為了將候選合成問題的經選擇子集合重新排序，可以使用語音部分(POS)標籤標記各自的候選合成問題，及/或可以為各自的候選合成問題產生一相依解析樹。同樣的，在一具體實施例中，可以利用來自該CQA網站Yahoo！ Answers的相同或近似相同的一千五百萬個英文問題，訓練一POS機器學習語言模型，以用於訓練以上所提及的語言模型，雖然並不就此方面限制所主張之主題內容的範圍。
除了POS標記以外，重新排序可以包括相依關聯的評估。在一具體實施例中，多數候選合成問題的POS標記及/或相依分析可以至少利用史丹佛自然語言處理(NLP)工具達成，雖然並不就此方面限制所主張之主題內容的範圍。在為了候選合成問題實行相依關聯評估時，可以為各自的候選合成問題產生一解析樹。做為一範例，在第八圖中描繪示例候選合成問題「我應該修理我的老車嗎？」的解析樹。在一具體實施例中，可以從像是第八圖中描繪之示例的解析樹，推衍出多數特徵特徵「應該→修理」、「我→修理」、「車→修理」、「MD→VB」、「PRP→VB」、「NN→VB」、「M→V」、「P→V」與「N→V」。例如，在一體實施例中，解析樹特徵可以 捕捉例如動詞選擇偏好的語意一致性。在一具體實施例中，解析樹特徵的優點可以包括指示多數文字之間關聯性的能力，這一般而言可能太不相同而無法使用傳統的語言模型進行評估。在一具體實施例中，一字根與其相關詞之間的關聯性，例如如一解析樹的最上方元素所描繪，可以反映一候選合成問題的整體品質程度。
在一具體實施例中，除了提供例如由一使用者查詢具體指明，與一使用者感興趣範圍有關多數合成問題的集合以外，在一具體實施例中，提供一使用者更多樣的合成問題集合可能是更令人滿意的，因此例如至少部分地讓一使用者可以從可能反映潛在意圖的問題範圍進行選擇。 在一具體實施例中，可以至少部分藉由減少多餘及/或相似的問題，實現改良的多樣性。在另一具體實施例中，可以至少部分藉由產生具有多種不同合成問題形式的合成問題方式，達成更高的多樣性。
關於藉由產生不同問題形式以達成問題多樣性的方式，一示例具體實施例可以選擇以不同字元開始的合成問題，以向一使用者展示，例如像是問題字元的「白名單」。例如，如果兩個候選問題係以不同字元所開始，便具備改進的機會，而其底下的意義也可能不同。在一具體實施例中，可以從最前方開始檢驗經排序的候選問題清單，而如果決定一候選問題係與一先前候選問題一樣以相同的字元開始時，可以消除該特定候選問題以做為提供給一使用者之合成問題的候選。在一具體實施例中，像是以上敘述的程序具體實施例，係用於利用不同的第一字元選擇多數候選問題，在此可被稱為一「第一字元」過濾器。
如以上所提及，在一具體實施例中，可以至少部分藉由減少 多餘及/或類似的問題，在多數合成問題之中達成更高的多樣性。當在此使用時，用詞「多餘問題」可以意指只有一些可相互交換用詞不同的問題，像是可利用另一用詞交換但不明顯改變問題意義的用詞。例如在一具體實施例中，可以產生及/或維護可相互交換用詞對的清單，且可以至少部分利用一用詞形式編輯距離矩陣的方式，測量多數問題之間的多餘性。例如，在一具體實施例中，在一具體實施例中，一編輯距離矩陣可以利用將成本為「1」指定給低成本編輯操作的方式決定，例如像是兩可相互交換用詞之間的取代。同樣的，在一具體實施例中，無限成本可以指定給其他更複雜的編輯操作。在一具體實施例中，如果在兩問題之間的編輯距離小於一特定門檻時，便認為該兩問題係為多餘。例如，如果一編輯距離多餘性門檻被具體指明為三，而兩問題的不同在於兩個或更少的可相互交換用詞時，便認為該兩問題為多餘。否則，這些問題將被視為非多餘。當然，這只是一種示例具體實施例，而並不將主張之主題內容的範圍限制為此特定示例。
然而，以一示例方法繼續，在一具體實施例中，為了決定候選合成問題的編輯距離矩陣，有利的是儲存可相互交換用詞對的資料庫。 以下表格一中提供一些可相互交換用詞的例子。
在一具體實施例中，可以以能夠透過計算裝置實作以改進效率的方法，從多數問題的集合，取得多數用詞對。例如，可以至少部分根據多數用詞係在相對大量不同問題中於相同及/或相似上下文處出現，而認為其為可相互交換的假設，取得多數用詞。對於各自查詢而言，可以評估最前面的經產生問題，而例如可以辨別具有一不同用詞的問題對。多數相應事件中的一對應用詞對則可被記錄及/或儲存。此外，在一具體實施例中，在刪除操作的情況中可以空白取代一用詞，而所述用詞對也可被視為可相互交換。進一步的，如果兩用詞的成對係在相對大量的個別查詢中出現時，可將該兩用詞視為可相互交換。在一具體實施例中，多餘對的結果資料庫可以包括大約500個可相互交換用詞對，其某些範例則於以上顯示於表格一中。然而，並不將主張之主題內容的範圍限制為在此敘述的特定示例。
如以上所提及，在一具體實施例中，可以至少部分根據一邏 輯數學功能估計一候選的品質。同樣的，在一具體實施例中，可以至少部分透過一機器學習工具的離線訓練，決定該邏輯數學功能的多數參數。例如，在一具體實施例中，可以對多數查詢的一測試集合進行採樣，而對於各自查詢而言可以由一或多個使用者分析在一具體指定門檻以上而被排序的複數個問題。同樣的，在一具體實施例中，多數人員使用者可以為該等合成問題的一或多個態樣指定級別。例如，在一具體實施例中，人員使用者可以根據一問題與該查詢的關聯性提供與一合成問題內容有關的級別，及/或可以提供與一合成問題文法正確性有關的級別。例如，一人員使用者可以指定與一特定問題內容及/或文法相關的「良好」或「差勁」級別。同樣的，如同所提及，在一具體實施例中，由人員使用者為與該等查詢測試結合有關的合成問題所提供的級別，可以用於訓練一機器學習工具，而該機器學習工具可以用來決定該邏輯數學功能的一或多個參數，該邏輯數學功能可被用於估計該等候選問題的品質。
在一具體實施例中，可將多數各自候選問題表現為一特徵向量。例如，可利用一特徵向量表現一候選問題，該特徵向量敘述該候選問題的一或多個特性，例如，包含與問題長度、語言模型分數、樣版比對分數、問題形式、排序位置、多數查詢用詞是否保留於一問題中、多數查詢用詞是否依序保留在一問題中、查詢長度、一候選問題是否與多數其他候選問題類似有關的特性，但不限制於此。當然，並不就這些方面限制所主張之主題內容的範圍。
再次參考第六圖，在一具體實施例中，例如根據以上敘述的示例程序，從最前排序候選問題所選擇的一或多個合成問題，可以從該合 成問題元件630傳輸至該計算裝置660。此外，在一具體實施例中，可將一或多個合成問題儲存於一問題/查詢資料庫640中。當然，該系統600只是一示例系統，而並不就此方面限制所主張之主題內容的範圍。
第七圖為根據一具體實施例的區塊圖，其描述一示例系統，該系統包括透過網路連結的複數個計算裝置。為了描述目的，第七圖為一計算平台或計算裝置704之具體實施例的描繪，其可運用於一客戶端-伺服器形式互動之中，像是於以下所敘述。在第七圖中，計算裝置704可以與一計算裝置702介接，例如，該計算裝置704可以包括一伺服器計算裝置的多數特徵，而該計算裝置702可以包括一客戶端裝置的多數特徵。在多數其他具體實施例中，例如，該計算裝置704可以包括一客戶端計算裝置，而該計算裝置702可以包括一伺服器計算裝置。在一具體實施例中，通訊介面730、處理器(例如，處理單元)720及記憶體722可以藉由例如通訊匯流排728的方式通訊，該記憶體722可以包括主要記憶體724與輔助記憶體726。在第七圖中，該計算裝置704可以儲存各種內容形式，例如，像是各種內容形式的類比格式、未壓縮數位格式、無損壓縮數位格式、或是些許毀損壓縮數位格式，內容形式則像是視訊、影像、文字、音訊等等，其具有實體狀態或訊號的形式。該計算裝置704可以例如透過網路708的網際網路連結方式，與計算裝置702及/或與計算裝置706通訊。雖然第七圖的該計算裝置704顯示了以上指定的多數元件，但是所主張之主題內容並不限制為只具有這些元件的計算平台，其他實作可以包含其他包括額外元件、較少元件或具有不同功能之元件，但可達成相同結果的其他配置。倒不如說，所提供的範例只做為示例。並不預期將所主張之主題內容的範圍限制為示例的範例。
該處理器720可以代表一或多個電路，像是數位電路，以執行至少一計算步驟或程序的一部分。以示例的方式但不用於限制，該處理器720可以包括一或多個處理器，像是控制器、微處理器、微控制器、特殊應用積體電路、數位訊號處理器、可編程邏輯裝置、場可編程閘陣列與其他類似裝置，或是其任意組合。例如，在實作中，該處理器720可以實行訊號處理以操縱訊號或狀態，或是以建構訊號或狀態。
該記憶體722可代表任何存儲機制。該記憶體722例如可以包括主要記憶體724與輔助記憶體726，也可以使用其他記憶體電路、機制或其組合。該記憶體722例如可以包括隨機存取記憶體、唯讀記憶體或一或多個資料存儲裝置或系統，例如像是碟片裝置、光學碟片裝置、磁帶裝置、固態記憶體裝置，而這些只是一些例子。做為範例，該記憶體722可以用於儲存程式。該記憶體722也可以包括用於存取電腦可讀媒介740的一記憶體控制器，該電腦可讀媒介740可以攜載及/或使可存取內容、編碼及/或指令由例如該處理器720或例如某些其他能夠執行指令的控制器或處理器執行。同樣的，在一具體實施例中，該記憶體722可以例如儲存一本地資料庫快取。
在該處理器720的指引下，像是儲存物理狀態之元件記憶體，例如可代表一程式，其可由該處理器720執行，並產生例如可透過網際網路傳輸的訊號。該處理器720也可以從該伺服器704接收數位編碼的訊號。
該網路708可以包括一或多個通訊鏈結、程序及/或支援在一客戶端與伺服器之間通訊訊號交換的資源，其可以例如包括一或多個伺服器(未圖示)。以示例方式但非用於限制，該網路708可以包括無線及/或有 線通訊鏈結、電話或遠端通訊系統、Wi-Fi網路、全球互通微波存取(WiMAX)網路、網際網路、網絡、區域網路(LAN)、廣域網路(WAN)或是其任意組合。
當在此使用時，該用詞「計算裝置」意指一系統及/或一裝置，像是電腦，其包含處理及/或儲存具有訊號及/或狀態形式之資料的能力。因此，在此情況中，一計算裝置可以包括硬體、軟體、韌體或其任意組合(除了軟體本身以外)。該計算裝置704如第7圖中所描繪，只為一項所述示例，而所主張之主題內容的範圍並不限制於此特定示例。對於一或多個具體實施例而言，一計算裝置可以包括任何各種各樣的數位電子裝置，包含個人桌上電腦或筆記本電腦、高清晰度電視、數位多功能碟片(DVD)播放器及/或錄像器、遊戲控制器、衛星電視接收器、蜂巢式電話、個人數位助理、行動音訊及/或視訊播放及/或記錄裝置，或是以上裝置的任意組合，但不限制於此。進一步的，除非另外具體說明，否則在此敘述的程序，其參考流程圖式及/或其他方面，係也可以由一計算裝置完全或部分的執行及/或影響。
該記憶體722可以儲存有關於一或多個使用者的餅乾文件，也可以包括一電腦可讀媒介，其能夠攜載及/或使可存取內容、編碼及/或指令由例如該處理器720或例如某些其他能夠執行指令的控制器或處理器執行。一使用者可以利用輸入裝置，像是電腦滑鼠、觸控筆、軌跡球、鍵盤或任何其他可以接收來自一使用者之輸入的裝置。
在與一通訊及/或計算網路有關態樣的方面，一無線網路可以將多數客戶端裝置與一網路連結。一無線網路可以運用單機隨意網路、 網狀網路、無線區域網路(WLAN)、蜂巢式網路或其他類似網路。一無線網路可以進一步包含具有多數終端機、閘道、路由器或其他由無線無線電鏈結連結的類似裝置及/或其他類似裝置的系統，其可以自由、隨機移動，並自我本身任意組織，因此網路拓撲可以即時快速的改變。無線網路可以進一步運用多種網路存取技術，包含長期演進(LTE)、WLAN、無線路由(WR)網路，或是第二代、第三代或第四代(2G、3G或4G)蜂巢式技術或是其他技術，或是其他類似技術。網路存取技術可以達成大範圍的裝置覆蓋，例如像是對於具有不同程度移動性的客戶端裝置。
一網路可以啟用透過網路存取技術的無線電頻率或無線形式通訊，像是全球移動通訊系統(GSM)、通用行動通訊系統(UTMS)、通用封包無線服務技術(GPRS)、增強數據GSM環境(EDGE)、3GPP長期演進(LTE)、進化LTE、寬頻多重分碼存取(WCDMA)、藍芽、802.11b/g/n、或其他技術，或是其他類似技術。一無線網路幾乎可以包含目前已知或正在發展的所有類型，藉由無線通訊機制，訊號則可在像是在客戶端裝置或計算裝置之間的裝置之間傳輸，可在一網路之間或之中傳輸，或是在其他類似機制間傳輸。
一計算裝置與一無線網路之間的通訊可以根據目前已知或正在開發的蜂巢式電話通訊網路協定進行，例如包含全球移動通訊系統(GSM)、增強數據GSM環境(EDGE)、以及全球互通微波存取(WiMAX)。 一計算裝置也可以具有一用戶識別模組(SIM)卡，其例如可以包括可拆卸式智慧卡片，其儲存一使用者的用戶資訊，也可以儲存該使用者的聯絡清單。一使用者可以擁有該計算裝置，或是例如成為該計算裝置的主要使用 者。一計算裝置可由一無線或有線電話網路操作器或網際網路服務提供器(ISP)指定一位址。例如，一位置可以包括國內或國際電話號碼、網際網路協定(IP)位址及/或一或多個其他識別符。在多數其他具體實施例中，一通訊網路可體現為一有線網路、無線網路或是其組合。
一計算裝置可在功能或特徵方面進行變化。預期所主張之主題內容係涵蓋大範圍的可能變化。例如，一網路裝置可以包含一數字鍵盤或其他具有受限功能的顯示器，像是用於顯示文字的單色調液晶顯示器(LCD)。然而，相比之下，做為另一示例，基於網路的計算裝置可以包含一實體或虛擬鍵盤、大量儲存器、一或多個加速計、一或多個陀螺儀、全球定位系統(GPS)或其他位置辨識形式功能，及/或具有高度功能性的顯示器，例如像是觸控彩色2D或3D顯示器。
一計算裝置可以包含或可以執行各種目前已知或正在開發的操作系統、或其衍生物及/或版本，包含像是Windows、iOS或Linux的個人電腦操作系統，像是iOS、Android或Windows Mobile的行動操作系統，或其他類似操作系統。一計算裝置可以包含或可以執行各種可能的應用程式，像是進行一或多個信息的傳輸，而可以與其他裝置通訊的客戶端軟體應用程式，像是透過電子郵件、短訊服務(SMS)或多媒體訊息服務(MMS)，包含透過像是社交網路的網路所進行，包含Facebook、LinkedIn、Twitter、Flickr或Google+，這只是提供一些範例，但不限制於此。一計算裝置也可以包含或執行傳輸內容的軟體應用程式，例如像是傳輸文字內容、多媒體內容或其他類似內容。一計算裝置也可以包含或執行實行各種可能工作的軟體應用程式，像是進行瀏覽、搜尋、播放各種形式的內容、包含本地儲 存或串流的視訊、或是播放像是夢幻體育聯賽的比賽，但不限制於此。以上僅提供做為示例，而預期所主張之主題內容係包含大範圍的可能特徵與功能。
例如，包含一計算裝置的網路，也可以被擴展至另一裝置進行通訊，做為另一網路的部分，像是透過虛擬私有網路(VPN)。為了支援VPN，傳輸可被轉發至該VPN裝置。例如，可以建立一軟體隧道。隧道訊務量可被或可不被加密，而隧道協定實質上可以與以下協定的任何過去、目前與未來的版本相容或相符：網際網路安全協定(IPSec)、傳輸層安全協定、數據報傳輸層安全協定、微軟點對點加密、微軟安全插口隧道協定、多路徑虛擬私有網路、安全殼層VPN或是其他現有的協定，以及其他正在發展中的協定。
一網路可以與以下網路協定堆疊的目前已知或正在發展的、過去、目前與未來的版本相容，且並不限制於以下協定：ARCNET、AppleTalk、非同步傳輸模式(ATM)、藍芽、DECnet、乙太網路、光纖分散式數據介面(FDDI)、訊框中繼(Frame Relay)、高性能平行介面(HIPPI)、IEEE 1394、IEEE 802.11、IEEE-488、網際網路協定套組(IPS)、網間分組交換(IPX)、Myrinet、開放系統介面(OSI)協定套組、QsNet、RS-232、循序封包交換(SPX)、系統網路架構、令牌環、通用序列匯流排(USB)或X.25。一網路例如可以運用傳輸控制協定/網際網路協定(TCP/IP)、使用者資料流通訊協定(UDP)、DECnet、網路基本輸入輸出系統增強使用者介面(NetBEUI)、網間分組交換(IPX)、Appletalk、其他或其他類似協定。 網際網路協定(IP)的版本可以包含IPv4、IPv6、其他及/或其他類似版本。
當然將可以了解到雖然將敘述特定具體實施例，但所主張之主題內容的範圍並不限定於一特定具體實施或實作。例如，一具體實施例可於硬體之中，例如像是實作以在一裝置或多數裝置的組合上操作，而另一具體實施例也可於軟體之中。同樣的，一具體實施例可被實作於韌體之中，或是例如成為硬體、軟體及/或韌體的任意組合(除了軟體本身以外)。 同樣的，雖然不就此方面限制所主張之主題內容的範圍，但一具體實施例可以包括一或多個物品，像是一儲存媒介或儲存媒體。儲存媒介例如像是一或多個唯讀記憶光碟及/或碟片，其上可以具有經儲存的多數指令，而可由一系統執行，例如像是由一電腦系統、計算平台或其他系統所執行，而形成根據所主張之主題內容被執行之一方法的具體實施例，例如像是形成一先前敘述的具體實施例；雖然如此，當然所主張之主題內容並不限制於先前敘述之多數具體實施例。做為一可能的示例，一計算平台可以包含一或多個處理單元或處理器、一或多個能夠輸入/輸出的裝置，像是顯示器、鍵盤及/或滑鼠，以及/或一或多個記憶體，像是靜態隨機存取記憶體、動態隨機存取記憶體、閃存記憶體及/或硬碟。
在之前詳細敘述中，已經設定許多特定細節以提供對所主張之主題內容的完整瞭解。然而，相關領域技術人員將可瞭解到所主張之主題內容可以不以這些特定細節進行實作。在其他情形中，一般技術人員所已知的方法及/或設備並不被詳細敘述，以避免對所主張之主題內容造成干擾。先前詳細敘述的某些部分已經以二位元訊號或狀態的邏輯、演算法及/或符號表現方式加以呈現，像是被儲存在一特定裝置或特殊目的計算裝置或平台的記憶體之中的二位元訊號或狀態。在此特定申請書的情況中，一 旦一通用目的計算裝置係被編程已實行依照來自程式軟體之指令的特定功能時，該用詞特定設備或其他類似用詞便包含該通用目的計算裝置，像是通用目的的電腦。
演算法的敘述及/或符號的表現則為訊號處理及/或相關領域一般技術人員所使用以傳達其工作實質內容給該領域的技術人員的技術示例。一演算法於此一般來說係被視為多數操作及/或類似訊號處理自我一致序列，以引導成為需要的結果。在此情況中，操作及/或處理可能涉及對於物理量的實體操縱。一般而言雖然並非必須，這些物理量可以採用電子及/或磁性訊號形式，其例如能夠被儲存、傳送、組合、比較、處理及/或是操縱成為表現資訊的電子訊號及/或狀態。已經證實有時候主要為了共同利用的理由，係將這些訊號參照為位元、資料、數值、元素、符號、字符、用詞、數字、編號、資訊及/或類似物。然而應該瞭解所有這些或類似的用詞係與適宜的物理量相關聯，並只是做為方便性的標示。除非另外具體說明，如同以下討論而顯而易見的是，要理解到在此申請書討論中利用到像是「處理」、「計算」、「計算」、「決定」、「建立」、「獲得」、「辨識」、「選擇」、「產生」及/或其他類似物的用詞，可以意指為一特定設備的動作及/或程序，像是一特殊目的電腦及/或一類似的特殊目的計算裝置。因此，在此申請書的情況中，一特殊目的電腦及/或一類似的特殊目的計算裝置係能夠進行訊號及/或狀態的處理、操縱及/或傳輸，訊號及/或狀態一般而言被表現為記憶體、暫存器及/或其他資訊存儲裝置及/或該特殊目的電腦及/或該類似特殊目的計算裝置的傳輸裝置及/或顯示裝置之中的電子及/或磁性物理量。在此特定專利申請書的情況中，如同所提及的，一旦一通用目的計算裝置係 被編程已實行依照來自程式軟體之指令的特定功能時，該用詞「特定設備」便可以包含該通用目的計算裝置，像是通用目的的電腦。
在某些情況中，一記憶體裝置的操作，例如像是從二位元數值1改變狀態為二位元數值0或是相反，可以包括一種轉換，像是一種實體轉換。利用特定形式的記憶體裝置，所述實體轉換可以包括一物品實體轉換成為不同的狀態或事物。例如對於某些形式的記憶體裝置而言，狀態的改變可能涉及電荷的累積及/或存儲或是儲存電荷的釋放，但不限制於此。 同樣的，在其他記憶體裝置中，狀態的改變可能包括實體改變，像是磁性方向的改變及/或分子結構的實體改變，像是從結晶體改變為非晶體或是相反。仍在其他的記憶體裝置中，實體狀態的改變可能涉及量子力學現象，像是疊加、糾結及/或其他類似現象，例如其可能涉及量子位元(qubits)。 並不預期前述內容係為所有示例的窮舉清單，其中在一記憶體裝置中從二位元數值1改變狀態為二位元數值0或是相反的狀態改變可以包括一種轉換，像是包括一種實體轉換。倒不如說，預期前述內容係成為示例範例。
雖然已經描述及/或敘述成為示例特徵的目前考量，但該相關領域技術人員將可瞭解到在不背離所主張之主題內容下，可以進行各種其他修改及/或進行等價物的取代。此外，在不背離於此敘述的一或多個中心概念下，可以進行許多修改以適合所主張之主題內容所教導的特定情況。因此，預期所主張之主題內容並不限制於所揭示的特定示例，而所述所主張之主題內容也可以包含落於附加申請專利範圍及/或其等價物之中的所有態樣。

Claims (19)

  1. 一方法，該方法包括：至少部分利用一計算裝置之一處理器產生一搜尋結果網頁，該搜尋結果網頁包含一或多個搜尋結果其係至少部分根據於一或多個使用者提供之查詢用詞，並進一步包含一或多個合成問題其同樣係至少部分根據於該一或多個使用者提供之查詢用詞；於該計算裝置與一使用者計算裝置間通訊該搜尋結果網頁；至少部分透過在該計算裝置與該使用者計算裝置間之一或多個社群問題回答網站網頁之通訊，將該使用者導向一或多個線上社群問題回答網站，以至少部分回應於該一或多個合成問題之一特定合成問題之一使用者選項；以及至少部分根據該特定合成問題之該使用者選項產生一或多個額外合成問題，用於透過該一或多個線上社群問題回答網站網頁展示於該使用者，以激勵搜尋精鍊。
  2. 如申請專利範圍第1項之方法，其中所述將該使用者導向該一或多個線上社群問題回答網站進一步包括：從該使用者計算裝置獲得該特定合成問題之該選項之一表現；以及提交該特定合成問題至該一或多個線上社群問題回答網站。
  3. 如申請專利範圍第1項之方法，其中所述產生包含該一或多個合成問題之該搜尋結果網頁包括：至少部分根據該一或多個使用者提供之查詢用詞產生一多數候選合成問題的集合；以及 將該等候選合成問題的集合進行排序。
  4. 如申請專利範圍第3項之方法，其中該等候選合成問題集合的排序包括至少部分根據一機器學習排序功能或至少部分根據一自然語言功能或其組合將該等候選合成問題的集合進行排序。
  5. 如申請專利範圍第4項之方法，其中至少部分根據一機器學習排序功能或至少部分根據一自然語言功能或其組合將該等候選合成問題的集合進行排序，係包括至少部分根據對於該等候選合成問題的集合之多數個別合成問題所產生的多數語音標籤或相依樹或其組合之一部分，將該等候選合成問題的集合進行排序。
  6. 如申請專利範圍第3項之方法，其中所述產生包含該一或多個合成問題之該搜尋結果網頁進一步包括在該等候選合成問題的經排序集合的至少一子集合上實行一多樣性功能，以產生複數個多樣化候選合成問題。
  7. 如申請專利範圍第6項之方法，其中所述產生包含該一或多個合成問題之該搜尋結果網頁進一步包括估計該複數個多樣化候選合成問題個別的品質分數。
  8. 如申請專利範圍第7項之方法，其中所述產生包含該一或多個合成問題之該搜尋結果網頁進一步包括辨別該複數個多樣化候選合成問題之一或多者，以具有至少滿足一指定門檻的個別的經估計之品質分數。
  9. 如申請專利範圍第6項之方法，其中該多樣性功能包括為該等候選合成問題的經排序集合的至少所述子集合運用一第一字元過濾器或一編輯距離過濾器或其組合。
  10. 如申請專利範圍第8項之方法，其中所述估計該複數個多樣化候選合成問題個別的品質分數包括一機器學習工具的離線訓練。
  11. 一物件，該物件包括：一非暫態存儲媒介，該媒介上具有儲存指令，可由一計算裝置執行，以：產生用於展示於一使用者之一搜尋結果網頁，以包含一或多個搜尋結果其係至少部分根據於一或多個使用者提供之查詢用詞，並進一步以包含一或多個合成問題其同樣係至少部分根據於該一或多個使用者提供之查詢用詞；於該計算裝置與一使用者計算裝置間通訊該搜尋結果網頁；至少部分透過在該計算裝置與該使用者計算裝置間之一或多個社群問題回答網站網頁之通訊，將該使用者導向一或多個線上社群問題回答網站，以至少部分回應於該一或多個合成問題之一特定合成問題之一使用者選項；以及至少部分根據該特定合成問題之該使用者選項產生一或多個額外合成問題，用於透過該一或多個線上社群問題回答網站網頁展示於該使用者，以激勵搜尋精鍊。
  12. 如申請專利範圍第11項之物件，其中，為將該使用者導向一或多個線上社群問題回答網站，該存儲媒介上具有進一步儲存的指令，可由該計算裝置執行，以：從該使用者計算裝置獲得該特定合成問題之該使用者選項之一表現；以及提交該特定合成問題至該一或多個線上社群問題回答網站。
  13. 如申請專利範圍第11項之物件，其中，為產生該搜尋結果網頁以包含該一或多個合成問題，該存儲媒介上具有進一步儲存的指令，可由該計算裝置執行，以：至少部分根據該一或多個使用者提供之查詢用詞產生一多數候選合成問題的集合；以及將該等候選合成問題的集合進行排序。
  14. 如申請專利範圍第13項之物件，其中該存儲媒介上具有進一步儲存的指令，可由該計算裝置執行，以至少部分根據一機器學習排序功能或至少部分根據一自然語言功能或其組合將該等候選合成問題的集合進行排序。
  15. 如申請專利範圍第14項之物件，其中該存儲媒介上具有進一步儲存的指令，可由該計算裝置執行，以至少部分根據對於該等候選合成問題的集合之多數個別問題所產生的多數語音標籤或相依樹或其組合之一部分，將該等候選合成問題的集合進行排序。
  16. 如申請專利範圍第13項之物件，其中，為產生該複數個合成問題，該存儲媒介上具有進一步儲存的指令，可由該計算裝置執行，以在該等候選合成問題的經排序集合的至少一子集合上實行一多樣性功能，以產生該複數個多樣化候選合成問題。
  17. 如申請專利範圍第16項之物件，其中，為產生該搜尋結果網頁以包含該一或多個合成問題，該存儲媒介上具有進一步儲存的指令，以辨別該複數個多樣化候選合成問題之一或多者以具有至少滿足一指定門檻的個別的經估計之品質分數。
  18. 一設備，該設備包括：用於在一計算裝置處產生用於展示於一使用者之一搜尋結果網頁的手段，該搜尋結果網頁包含一或多個搜尋結果其係至少部分根據於一或多個使用者提供之查詢用詞，並進一步包含一或多個合成問題其同樣係至少部分根據於該一或多個使用者提供之查詢用詞；用於在該計算裝置與一使用者計算裝置間通訊該搜尋結果網頁的手段；用於至少部分透過在該計算裝置與該使用者計算裝置間之一或多個社群問題回答網站網頁之通訊，將該使用者導向一或多個線上社群問題回答網站，以至少部分回應於該一或多個合成問題之一特定合成問題之一使用者選項的手段；以及用於至少部分根據該特定合成問題之該使用者選項產生一或多個額外合成問題，用於透過該一或多個線上社群問題回答網站網頁展示於該使用者，以激勵搜尋精鍊的手段。
  19. 如申請專利範圍第18項之設備，其中所述用於將該使用者導向該一或多個線上社群問題回答網站的手段進一步包括：用於在該計算裝置處從該使用者計算裝置獲得該特定合成問題之該使用者選項之一表現的手段；以及用於提交該特定合成問題至該一或多個線上社群問題回答網站的手段。
TW104114232A 2014-05-21 2015-05-05 合成問題制定 TWI628550B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/284,180 US9830556B2 (en) 2014-05-21 2014-05-21 Synthetic question formulation
US14/284,180 2014-05-21

Publications (2)

Publication Number Publication Date
TW201610726A TW201610726A (zh) 2016-03-16
TWI628550B true TWI628550B (zh) 2018-07-01

Family

ID=54554599

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104114232A TWI628550B (zh) 2014-05-21 2015-05-05 合成問題制定

Country Status (5)

Country Link
US (1) US9830556B2 (zh)
EP (1) EP3127021A4 (zh)
CN (1) CN106462606A (zh)
TW (1) TWI628550B (zh)
WO (1) WO2015179326A1 (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10268650B2 (en) 2014-08-22 2019-04-23 Facebook, Inc. Systems and methods for providing communications to and from verified entities
GB2529860A (en) * 2014-09-04 2016-03-09 Ibm Method and device for guided keyword-based exploration of data
US10102275B2 (en) * 2015-05-27 2018-10-16 International Business Machines Corporation User interface for a query answering system
CN106469169A (zh) 2015-08-19 2017-03-01 阿里巴巴集团控股有限公司 信息处理方法及装置
US10146858B2 (en) 2015-12-11 2018-12-04 International Business Machines Corporation Discrepancy handler for document ingestion into a corpus for a cognitive computing system
US9842161B2 (en) 2016-01-12 2017-12-12 International Business Machines Corporation Discrepancy curator for documents in a corpus of a cognitive computing system
US10176250B2 (en) 2016-01-12 2019-01-08 International Business Machines Corporation Automated curation of documents in a corpus for a cognitive computing system
US11227113B2 (en) * 2016-01-20 2022-01-18 International Business Machines Corporation Precision batch interaction with a question answering system
CN107301163B (zh) * 2016-04-14 2020-11-17 科大讯飞股份有限公司 包含公式的文本语义解析方法及装置
US10339168B2 (en) 2016-09-09 2019-07-02 International Business Machines Corporation System and method for generating full questions from natural language queries
US10339167B2 (en) 2016-09-09 2019-07-02 International Business Machines Corporation System and method for generating full questions from natural language queries
US11238111B2 (en) * 2016-10-24 2022-02-01 International Business Machines Corporation Response generation
CN108287858B (zh) * 2017-03-02 2021-08-10 腾讯科技（深圳）有限公司 自然语言的语义提取方法及装置
US10423649B2 (en) 2017-04-06 2019-09-24 International Business Machines Corporation Natural question generation from query data using natural language processing system
US11010656B2 (en) 2017-10-30 2021-05-18 Clinc, Inc. System and method for implementing an artificially intelligent virtual assistant using machine learning
US10572801B2 (en) 2017-11-22 2020-02-25 Clinc, Inc. System and method for implementing an artificially intelligent virtual assistant using machine learning
US10303978B1 (en) * 2018-03-26 2019-05-28 Clinc, Inc. Systems and methods for intelligently curating machine learning training data and improving machine learning model performance
JP7149560B2 (ja) * 2018-04-13 2022-10-07 国立研究開発法人情報通信研究機構 リクエスト言換システム、リクエスト言換モデル及びリクエスト判定モデルの訓練方法、及び対話システム
US10783141B2 (en) * 2018-04-19 2020-09-22 International Business Machines Corporation Natural language processing social-based matrix refactorization
KR102128549B1 (ko) * 2018-09-19 2020-07-08 주식회사 포티투마루 인공 지능 질의 응답 시스템, 방법 및 컴퓨터 프로그램
US10679150B1 (en) 2018-12-13 2020-06-09 Clinc, Inc. Systems and methods for automatically configuring training data for training machine learning models of a machine learning-based dialogue system including seeding training samples or curating a corpus of training data based on instances of training data identified as anomalous
US10880331B2 (en) * 2019-11-15 2020-12-29 Cheman Shaik Defeating solution to phishing attacks through counter challenge authentication
JP7131720B2 (ja) * 2019-12-26 2022-09-06 日本電気株式会社 情報提供方法
US11741371B2 (en) * 2020-03-20 2023-08-29 International Business Machines Corporation Automatically generating diverse text
JP2022050973A (ja) * 2020-09-18 2022-03-31 富士フイルムビジネスイノベーション株式会社 情報処理装置、及びコンピュータプログラム
US11921712B2 (en) * 2020-10-05 2024-03-05 MeetKai, Inc. System and method for automatically generating question and query pairs

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070192168A1 (en) * 2006-02-15 2007-08-16 Leviathan Entertainment, Llc Map and Inventory-Based On-Line Purchases
US7617205B2 (en) * 2005-03-30 2009-11-10 Google Inc. Estimating confidence for query revision models
US20090281997A1 (en) * 2006-07-25 2009-11-12 Pankaj Jain Method and a system for searching information using information device
US8135712B1 (en) * 2008-06-27 2012-03-13 Google Inc. Posting questions from search queries
US20130282704A1 (en) * 2012-04-20 2013-10-24 Microsoft Corporation Search system with query refinement

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9477755B2 (en) * 2013-04-09 2016-10-25 International Business Machines Corporation Question-related identification of relevant social communities
US9342608B2 (en) * 2013-08-01 2016-05-17 International Business Machines Corporation Clarification of submitted questions in a question and answer system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7617205B2 (en) * 2005-03-30 2009-11-10 Google Inc. Estimating confidence for query revision models
US20070192168A1 (en) * 2006-02-15 2007-08-16 Leviathan Entertainment, Llc Map and Inventory-Based On-Line Purchases
US20090281997A1 (en) * 2006-07-25 2009-11-12 Pankaj Jain Method and a system for searching information using information device
US8135712B1 (en) * 2008-06-27 2012-03-13 Google Inc. Posting questions from search queries
US20130282704A1 (en) * 2012-04-20 2013-10-24 Microsoft Corporation Search system with query refinement

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Dror ET AL，"From Query to Question in One Click: Suggesting Synthetic Questions to Searchers "，Proceedings of the IW3C2 WWW 2013 Conference，2013/05/13 - 2013/05/17，http://www2013.wwwconference.org/papers/proceedings.htm (Page 391) *
Dror ET AL，"From Query to Question in One Click: Suggesting Synthetic Questions to Searchers "，Proceedings of the IW3C2 WWW 2013 Conference，2013/05/13 - 2013/05/17，http://www2013.wwwconference.org/papers/proceedings.htm (Page 391)。

Also Published As

Publication number Publication date
US9830556B2 (en) 2017-11-28
WO2015179326A1 (en) 2015-11-26
EP3127021A1 (en) 2017-02-08
EP3127021A4 (en) 2017-11-29
TW201610726A (zh) 2016-03-16
CN106462606A (zh) 2017-02-22
US20150339590A1 (en) 2015-11-26

Similar Documents

Publication Publication Date Title
TWI628550B (zh) 合成問題制定
TWI540895B (zh) 相片及視頻搜尋
US9852492B2 (en) Face detection
JP6612229B2 (ja) コンテキストキューを画像に相関付けることによる画像分類のシステム及び方法
US11151630B2 (en) On-line product related recommendations
US10223477B2 (en) Recommended query formulation
CN105446973B (zh) 社交网络中用户推荐模型的建立及应用方法和装置
WO2018234789A1 (en) SYSTEMS AND DEVICE FOR COMPRESSING NEURAL NETWORK PARAMETERS
US9710433B2 (en) Dynamic content mapping
CN105938477B (zh) 用于整合和格式化搜索结果的方法和系统
US10289637B2 (en) Entity generation using queries
CN107003877A (zh) 应用的上下文深层链接
CN107690634A (zh) 自动查询模式生成
US9147002B2 (en) System and method for content storage and retrieval
CN111597788B (zh) 基于实体对齐的属性融合方法、装置、设备及存储介质
US20170364492A1 (en) Web content enrichment based on matching images to text
Liu et al. Enriching the GIScience research agenda: Fusing augmented reality and location‐based social networks
JP2022546031A (ja) 基本クエリ要素の検出およびグラフ経路の生成を使用する人工知能チャットボットにおける知識グラフに基づくクエリ
US20160125081A1 (en) Web crawling
TW201508502A (zh) 相片及視頻分享
US20150154292A1 (en) Recirculating on-line traffic, such as within a special purpose search engine
CN112231700B (zh) 行为识别方法和装置、存储介质及电子设备
US10242106B2 (en) Enhance search assist system's freshness by extracting phrases from news articles
JP6586756B2 (ja) インフォーマル学習のための学習教材を収集する方法及び非一時的なコンピュータ可読媒体
CN106528556B (zh) 网站访问数据的分析方法及装置

Legal Events

Date Code Title Description
MM4A Annulment or lapse of patent due to non-payment of fees