JP5931914B2 - System and method for performing semantic operations on a digital social network - Google Patents
System and method for performing semantic operations on a digital social network Download PDFInfo
- Publication number
- JP5931914B2 JP5931914B2 JP2013546530A JP2013546530A JP5931914B2 JP 5931914 B2 JP5931914 B2 JP 5931914B2 JP 2013546530 A JP2013546530 A JP 2013546530A JP 2013546530 A JP2013546530 A JP 2013546530A JP 5931914 B2 JP5931914 B2 JP 5931914B2
- Authority
- JP
- Japan
- Prior art keywords
- concept
- user
- knowledge representation
- information
- specific knowledge
- Prior art date
- Legal status (The legal status 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 status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 190
- 239000000654 additive Substances 0.000 claims description 26
- 230000000996 additive effect Effects 0.000 claims description 26
- 238000003860 storage Methods 0.000 claims description 26
- 230000002194 synthesizing effect Effects 0.000 claims description 14
- 238000005259 measurement Methods 0.000 claims description 10
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 84
- 238000013459 approach Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 16
- 238000000926 separation method Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 10
- 241000009328 Perro Species 0.000 description 9
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000003786 synthesis reaction Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 239000013598 vector Substances 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 239000002250 absorbent Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000001965 increasing effect Effects 0.000 description 4
- 206010022000 influenza Diseases 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 241000699670 Mus sp. Species 0.000 description 2
- 241000700605 Viruses Species 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000015927 pasta Nutrition 0.000 description 2
- 235000013550 pizza Nutrition 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000013138 pruning Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 241000712464 Orthomyxoviridae Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010432 diamond Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 238000002078 massotherapy Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 241000712461 unidentified influenza virus Species 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/02—Details
- H04L12/16—Arrangements for providing special services to substations
- H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
- H04L12/1859—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast adapted to provide push services, e.g. data channels
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- User Interface Of Digital Computer (AREA)
Description
関連出願の相互参照
本願は、同一発明者及び/又は同一出願人によって、多数の先行する出願に開示された概念に基づいてさらに構成されており、読者が、以下の議論に加えて背景技術についての知見を得るために以下の文献を参照することを含む:2011年6月16日に出願された、”Methods and Apparatus for Searching of Content Using Semantic Synthesis”という表題の米国特許仮出願13/162,069号明細書(代理人整理番号P0913.70013US01);2010年2月2日に出願された、”Method System, and Computer Program for User-Driven Dynamic Generation of Semantic Networks and Media Synthesis”という表題の米国特許仮出願12/671,846号明細書(代理人整理番号P0913.70007US00);及び2009年5月1日に出願された”Method, System, and Computer Program for User-Driven Dynamic Generation of Semantic Networks and Media Synthesis”という表題の国際特許出願PCT/CA2009/000567を含む。
Cross-reference to related applications This application is further organized by the same inventor and / or the same applicant based on the concepts disclosed in a number of prior applications. To obtain the knowledge of US patent application 13/162, filed June 16, 2011, entitled “Methods and Apparatus for Searching of Content Using Semantic Synthesis”. No. 069 (Attorney Docket No. P0913.70013US01); US patent entitled “Method System, and Computer Program for User-Driven Dynamic Generation of Semantic Networks and Media Synthesis” filed on Feb. 2, 2010 Provisional Application No. 12 / 671,846 (Attorney Docket No. P0913.70007 US00); , System, and Computer Program for User-Driven Dynamic Generation of Semantic Networks and Media Synthesis ”, including International Patent Application PCT / CA2009 / 000567.
本明細書に開示される教示は、情報検索の分野に関する。より具体的には、本明細書に開示される教示は、大規模セットのデジタルコンテンツから、ユーザに関心を起こさせるような情報を識別し且つ提供するために、ソーシャル・ネットワーク内のユーザに関連付けられた情報を使用するためのデジタル情報システム環境でのシステム及び方法の導入に関する。 The teachings disclosed herein relate to the field of information retrieval. More specifically, the teachings disclosed herein relate to a user in a social network to identify and provide information that would interest the user from a large set of digital content. The introduction of systems and methods in a digital information system environment for using the information provided.
情報技術が、多くの場合、テキスト、オーディオ、ビデオ、及び任意の適切な他の形式の情報等の各種情報をユーザに提供するために使用されている。ある場合には、情報は、ユーザが取ったアクションに応答してユーザに提供される。例えば、情報は、ユーザによって入力された検索クエリに応答して、或いは電子メールアラート(複数可)又は電子ニュースレター(複数可)等のコンテンツに加入したユーザに応答して、ユーザに提供することができる。他の場合では、情報は、ユーザが特にこのような情報を要求することなくユーザに提供されるか、「配信」される。例えば、ユーザは、時折広告又は勧誘の提示を受けることがある。 Information technology is often used to provide users with various types of information such as text, audio, video, and any suitable other type of information. In some cases, information is provided to the user in response to actions taken by the user. For example, information is provided to a user in response to a search query entered by the user or in response to a user subscribed to content such as an email alert (s) or an electronic newsletter (s). Can do. In other cases, the information is provided or “distributed” to the user without the user specifically requesting such information. For example, the user may occasionally receive advertisements or solicitations.
情報技術を介してユーザに提供可能な無数のコンテンツがある。実際に、インターネット、ワールド・ワイド・ウェブ(WWW)及び任意の他の適切な情報プロビジョニング・ソース経由で利用可能な膨大な量の情報によって、及び利用可能な情報が、独立して所有され運営される膨大な数のネットワークとサーバとに亘って分散されているため、ユーザに関心を起こさせる情報を見つけることは、課題を提示することになる。関心を起こさせる情報が大規模なプライベートネットワークに亘って分散しているときに同様の課題が存在している。 There are a myriad of content that can be provided to users via information technology. In fact, the vast amount of information available via the Internet, World Wide Web (WWW) and any other suitable information provisioning source, and the information available is independently owned and operated. Because it is distributed across a vast number of networks and servers, finding information of interest to the user presents a challenge. Similar challenges exist when information of interest is distributed across a large private network.
検索エンジンは、所望するコンテンツをインターネット上で見つけるようにユーザを支援するべく開発されてきた。検索エンジンは、ユーザが所望するコンテンツを示すユーザからの検索クエリを(例えば、キーワードのセットの形態で)受信し、検索エンジンがユーザの検索クエリに関連して判定した情報及び/又はこの情報へのハイパーリンクを戻すようなコンピュータ・プログラムである。 Search engines have been developed to assist users in finding desired content on the Internet. The search engine receives a search query from the user (e.g., in the form of a set of keywords) that indicates the content that the user desires, and the information that the search engine has determined in relation to the user's search query and / or to this information. This is a computer program that returns the hyperlink.
検索エンジンは、典型的に、自動化された方法(例えば、閲覧する各ウェブページに遭遇する全てのハイパーリンクに続く)でWWWを検索するような「ウェブクローラ」と呼ばれるコンピュータ・プログラムを使用して、多数のWWWウェブページ及び/又は他のコンテンツを検索するように働く。検索されたウェブページ及び/又はコンテンツは分析され、且つウェブページ又はコンテンツに関する情報が、インデックスとして格納される。ユーザ又はアプリケーションが、検索エンジンに検索クエリを発するときに、検索エンジンは、ユーザの検索クエリと最も良く一致すると判断したウェブページ及び/又はコンテンツを識別するためにこのインデックスを使用して、最も良く一致するウェブページ及び/又はコンテンツの結果のリストを返す。大抵の場合、このリストは、ユーザの検索クエリと最も良く一致すると判定されたウェブページ及び/又はコンテンツへのハイパーリンクのセットを含むような1つ以上のウェブページの形態である。 Search engines typically use a computer program called a “web crawler” that searches the WWW in an automated manner (eg, following every hyperlink that encounters each web page you browse). Serves to search a large number of WWW web pages and / or other content. The retrieved web page and / or content is analyzed and information about the web page or content is stored as an index. When a user or application issues a search query to a search engine, the search engine uses this index to identify the web page and / or content that it finds best matches the user's search query, and best Returns a list of matching web pages and / or content results. In most cases, this list is in the form of one or more web pages that include a set of hyperlinks to web pages and / or content that are determined to best match the user's search query.
デジタル情報システムを介してアクセス可能な莫大な量のコンテンツは、多数の情報検索の問題を提示する。1つの課題は、広告主が、広告を提示する潜在的なターゲットとなり得る膨大な数の潜在的なユーザに与えた彼ら広告主の投資について、どの様により効率的に回収することが達成できるかということであり、このような広告は、ユーザの広範囲な関心に関連している。 The vast amount of content accessible through digital information systems presents a number of information retrieval problems. One challenge is how can advertisers achieve a more efficient return on their advertiser's investment given to the vast number of potential users who can be potential targets for presenting the advertisement? As such, such advertisements are associated with a wide range of user interests.
本開示は、大規模セットのデジタルコンテンツから、ユーザに関心を起こさせるような情報を識別し且つ提供するために、知識表現として表される1つ以上のデータセットとともに、デジタル・ソーシャル・ネットワーク等のデジタル情報システム環境内のユーザに関連付けられた情報を使用するためのシステム及び方法に関する。 The present disclosure provides a digital social network, etc., together with one or more data sets represented as knowledge representations to identify and provide information of interest to users from a large set of digital content Relates to a system and method for using information associated with a user in a digital information system environment.
一実施形態では、ユーザのオンライン相互作用に関する情報は、オンライン相互作用に基づいてユーザコンテキストを形成するために、多数の様々なソースから収集される。この収集された情報は、包括的なユーザコンテキストを形成するために分析され、次にセマンティック的に関連する情報をユーザに配信するために使用される。 In one embodiment, information about a user's online interaction is collected from a number of different sources to form a user context based on the online interaction. This collected information is analyzed to form a comprehensive user context and then used to deliver semantically relevant information to the user.
ユーザのオンライン相互作用プロファイルに加えて、プロファイルは、1つ以上のデジタル・ソーシャル・ネットワークのメンバであるユーザのセット又はサブセットについても形成される。ユーザのプロファイルは、ユーザ同士の間の相互作用のポイントを判定するために重ね合わせることができ、こうして、関連する情報が、オンラインコミュニティのメンバであるユーザのセット又はサブセットに利用可能にもなる。 In addition to the user's online interaction profile, a profile is also formed for a set or subset of users who are members of one or more digital social networks. User profiles can be overlaid to determine points of interaction between users, thus making relevant information available to a set or subset of users who are members of an online community.
従って、一態様では、ソーシャル・ネットワークでセマンティック操作を実行するための方法が提供されており、当該方法が、ソーシャル・ネットワークのユーザに関連付けられたソーシャル・ネットワーク・ユーザコンテキストを受信するステップと;セマンティック操作により、ユーザコンテキスト情報に基づいて関心ネットワークを生成するステップと;格納されたプログラム命令を実行する少なくとも1つのプロセッサを使用して、関心ネットワークに基づいてソーシャル・ネットワークに関連する情報の検索をフィルタリング、ランク付け、又は拡張(増強)するステップと;を含み、関心ネットワークは、この関心ネットワーク内の概念に関連付けられたデータ構造によって表される概念を含む。 Accordingly, in one aspect, a method is provided for performing semantic operations on a social network, the method receiving a social network user context associated with a user of the social network; Operationally generating a network of interest based on user context information; and filtering a search for information related to a social network based on the network of interest using at least one processor that executes stored program instructions The network of interest includes a concept represented by a data structure associated with the concept in the network of interest.
一実施形態では、本方法は、関心ネットワークを関心グラフとして表すステップをさらに含む。 In one embodiment, the method further includes representing the network of interest as an interest graph.
別の実施形態では、セマンティック操作は、知識表現上で実行される合成操作又は検索操作である。 In another embodiment, the semantic operation is a composition operation or a search operation performed on the knowledge representation.
別の態様では、ソーシャル・ネットワーク上でセマンティック操作を実行するためのシステムが提供されており、当該システムは、ソーシャル・ネットワークのユーザに関連付けられたソーシャル・ネットワーク・ユーザコンテキストを受信し、セマンティック操作により、ユーザコンテキスト情報に基づいて関心ネットワーク生成し、格納されたプログラム命令を実行する少なくとも1つのプロセッサを使用して、関心ネットワークに基づいてソーシャル・ネットワークに関連する情報の検索をフィルタリング、ランク付け又は拡張(増強)するように適合され、ここで、関心ネットワークは、この関心ネットワーク内の概念に関連付けられたデータ構造によって表される概念を含む。 In another aspect, a system is provided for performing semantic operations on a social network, the system receiving a social network user context associated with a user of a social network, and via the semantic operation Filtering, ranking or extending a search for information related to a social network based on a network of interest using at least one processor that generates a network of interest based on user context information and executes stored program instructions The network of interest includes a concept represented by a data structure associated with the concept in the network of interest.
さらに別の態様では、コンピュータ装置上で実行されるときに、装置がソーシャル・ネットワーク上でセマンティック操作を実行するように適合されるような、コンピュータコードを格納した非一時的なコンピュータ可読媒体が提供されており、当該コンピュータ可読媒体は、ソーシャル・ネットワークのユーザに関連付けられたソーシャル・ネットワーク・ユーザコンテキストを受信するためのコードと、セマンティック操作により、ユーザコンテキスト情報に基づいて関心ネットワークを生成するためのコードと、格納されたプログラム命令を実行する少なくとも1つのプロセッサを使用して、関心ネットワークに基づいてソーシャル・ネットワークに関する情報の検索をフィルタリング、ランク付け又は拡張(増強)するためのコードとを含み、ここで関心ネットワークは、関心ネットワーク内の概念に関連付けられたデータ構造によって表された概念を含む。 In yet another aspect, a non-transitory computer readable medium storing computer code is provided such that when executed on a computing device, the device is adapted to perform semantic operations on a social network. And a computer-readable medium for generating a network of interest based on user context information by means of code for receiving a social network user context associated with a user of the social network and a semantic operation. Code for filtering, ranking or extending (enhancing) a search for information about a social network based on a network of interest using code and at least one processor that executes stored program instructions It includes, where attention network includes a concept represented by a data structure associated with the concept of the interest network.
この態様では、本開示のシステム及び方法の少なくとも1つの実施形態を詳細に説明する前に、本システム及び方法は、以下の詳細な説明に記載され又は図面に例示された構成要素の構造及び配置の詳細についてのその適用例に限定されるものではないことを理解されたい。本発明のシステム及び方法は、他の実施形態でも可能であり、様々な方法で実践し、実施することが可能である。また、本明細書で用いられる表現及び用語は、説明を目的としたものであり、限定とみなされるべきではないことを理解されたい。 In this aspect, before describing at least one embodiment of the system and method of the present disclosure in detail, the system and method are described in the following detailed description or illustrated in the drawings in the structure and arrangement of components. It should be understood that the present invention is not limited to the details of its application. The systems and methods of the present invention are possible in other embodiments and can be practiced and implemented in various ways. It should also be understood that the expressions and terms used herein are for purposes of illustration and should not be considered limiting.
以上の「図面の簡単な説明」は、添付の特許請求の範囲によって規定される本発明の非限定的な要約である。
添付の図面は一定の縮尺で描かれることを意図していない。同様の要素は、実際に同一又は類似の参照符号によって識別される。明瞭にするために、全ての構成要素が、必ずしも全ての図面においてラベル付けされているわけではない。
The foregoing “Brief Description of the Drawings” is a non-limiting summary of the invention as defined by the appended claims.
The accompanying drawings are not intended to be drawn to scale. Similar elements are actually identified by the same or similar reference signs. For clarity, not all components are necessarily labeled in all drawings.
上述したように、本開示は、大規模セットのデジタルコンテンツから、ユーザに関心を起こさせるような情報を識別し且つ提供するために、デジタル・ソーシャル・ネットワーク等のデジタル情報システム環境内のユーザ(複数可)に関連付けられた情報を使用するためのシステム及び方法に関する。より具体的には、一実施形態では、本システム及び方法は、ユーザのデジタル・ソーシャル・ネットワークコンテキストの分析に基づいて、セマンティック的に関連する情報を探すために、知識表現として表された1つ以上のデータセットを有するデジタル・ソーシャル・ネットワーク内のユーザ(複数可)に関連付けられた情報を利用する。 As described above, the present disclosure provides a method for identifying users in a digital information system environment, such as a digital social network, in order to identify and provide information of interest to the user from a large set of digital content. Relates to a system and method for using information associated with a plurality of information. More specifically, in one embodiment, the system and method includes one represented as a knowledge representation to look for semantically relevant information based on an analysis of the user's digital social network context. Utilize information associated with the user (s) in the digital social network having the above data set.
インターネット等の様々な情報プロビジョニング・ソースからの大量の情報の可用性は、どの様な情報がユーザに関心を起こさせるのか、どの様な情報をユーザに提示すべきであるかを決定することを困難にさせている。例えば、ユーザがどの情報に関心を示すかを明示的に特定することなしに、ユーザがウェブサイトにナビゲートされた後に、どの様な情報(例えば、ニュース、広告、他の人に関する最新情報等)が、ウェブサイト(例えば、ニュースウェブサイト、ウェブポータル、ソーシャル・ネットワーク等)上でユーザに提示すべきかを判断するのは困難となることがある。 The availability of large amounts of information from various information provisioning sources such as the Internet makes it difficult to determine what information is of interest to the user and what information should be presented to the user I'm letting you. For example, what information (eg news, advertisements, up-to-date information about others, etc.) after a user navigates to a website without explicitly identifying what information the user is interested in ) May be difficult to determine whether to present to the user on a website (eg, news website, web portal, social network, etc.).
ユーザがどの様な情報に関心を示す可能性があるかについての明示的な指標(例えば、検索クエリ)を提供するような、オンライン検索等のシナリオであっても、そのような指標は、ユーザに提示することができる大規模セットのコンテンツの中からユーザに提示すべきコンテンツを正確に識別するのに十分でないことがある。大抵の従来の検索エンジンは、ユーザの検索クエリの文字通りの用語と、コンテンツのどの部分がユーザのクエリに関連しているかを判定するような検索エンジンによってインデックス付けされたコンテンツ内の文字通りの用語との間で単にパターンマッチングを行っていた。このように、ユーザの検索クエリの用語が、インデックス付けされたコンテンツ内の文字通りの用語と一致しない場合に、ユーザは、ユーザが捜し求めている情報の提供を受けないことがあった。また、意味が曖昧である用語を含む検索クエリをユーザが入力するときに、このユーザは、ユーザが意図した用語の意味とは全く無関係な情報の提供を受けることがある。このように、ユーザは、ユーザの関心に無関係な情報に圧倒されることがあった。 Even in an online search or other scenario that provides an explicit indicator of what information a user might be interested in (eg, a search query), such an indicator May not be sufficient to accurately identify the content to be presented to the user from a large set of content that can be presented to the user. Most traditional search engines include literal terms in the user's search query and literal terms in the content indexed by search engines that determine which part of the content is relevant to the user's query. Pattern matching was simply performed between the two. Thus, if the term of the user's search query does not match the literal term in the indexed content, the user may not be provided with the information the user is looking for. In addition, when a user inputs a search query including a term whose meaning is ambiguous, the user may be provided with information completely unrelated to the meaning of the term intended by the user. In this way, the user may be overwhelmed by information irrelevant to the user's interest.
これらの設定及び他の設定では、セマンティック処理技術は、大規模セットのデジタルコンテンツの中からユーザが関心を示しそうな情報を識別するために使用することができる。具体的には、セマンティック処理技術をユーザに関連付けられた情報に適用することによって、ユーザが関心を示す可能性のある情報を識別するのに役立てることができる。以下でより詳細に説明するように、ユーザに関連付けられた情報は、ユーザに関する情報(例えば、人口統計情報、地理空間情報、ユーザの閲覧履歴等)及び/又はユーザによって提供された任意の情報(例えば、ユーザが提供した検索クエリや複数のクエリ、ユーザ構築オンライン・プロファイル等)を含むが、これらに限定されない。 In these and other settings, semantic processing techniques can be used to identify information likely to be of interest to the user from a large set of digital content. Specifically, applying semantic processing techniques to information associated with a user can help identify information that the user may be interested in. As described in more detail below, information associated with a user may include information about the user (eg, demographic information, geospatial information, user browsing history, etc.) and / or any information provided by the user ( For example, a search query provided by the user, a plurality of queries, a user-built online profile, etc.), but is not limited thereto.
セマンティック処理技術の態様は、マシンベースのストレージ、知識管理、及び推論システムをサポートするための知識表現の構築及び使用に関するものである。従来の方法及びシステムは、各種の知識表現モデルに従って構築された知識表現(KRs)を利用するために存在しており、このような知識表現は、分類法、シソーラス(thesauri)、及びファセット分類等の構造化され統制された語彙と、セマンティック・ネットワークやオントロジー等のフォーマル仕様と、自然言語に基づく文書等の非構造化フォームとを含む有形のデータ構造として実現することができる。 Aspects of semantic processing techniques relate to the construction and use of knowledge representations to support machine-based storage, knowledge management, and inference systems. Conventional methods and systems exist to utilize knowledge representations (KRs) built according to various knowledge representation models, such as knowledge classification, thesauri, facet classification, etc. Can be realized as a tangible data structure including a structured and controlled vocabulary, a formal specification such as a semantic network or ontology, and an unstructured form such as a document based on a natural language.
請求項に係る発明は、特定の知識表現に限定されるものではないが、好ましい形態は、セマンティック・ネットワークとして参照されるフォーマル仕様のタイプである。セマンティック・ネットワークは、多くの情報ソースにおいて説明されており、特に、Peter Sweeney et al.,による”Method, System, And Computer Program For User-Driven Dynamic Generation Of Semantic Networks And Media Synthesis”という表題の米国特許仮出願第12/671,846号明細書は特筆すべき文献であり、この文献は、参照により本明細書に組み込まれる。 Although the claimed invention is not limited to a specific knowledge representation, the preferred form is a formal specification type referred to as a semantic network. Semantic networks are described in many sources of information, in particular, a US patent titled “Method, System, And Computer Program For User-Driven Dynamic Generation Of Semantic Networks And Media Synthesis” by Peter Sweeney et al. The provisional application 12 / 671,846 is a notable document, which is incorporated herein by reference.
セマンティック・ネットワークは、知識表現の一種として広範な有用性を有している。機械可読データとして、それらセマンティック・ネットワークは、人工知能、ソフトウェア自動化とソフトウェア・エージェント、エキスパートシステム、及び知識管理等の多数の高度な技術をサポートすることができる。さらに、それらセマンティック・ネットワークは、様々な形式の媒体(すなわち、他のKRs)に変換することができる。換言すれば、セマンティック・ネットワークの合成又は形成によって、セマンティック・ネットワークからの追加の値を抽出するように、媒体の広範囲の合成をサポートすることができる。 Semantic networks have wide utility as a kind of knowledge representation. As machine-readable data, these semantic networks can support a number of advanced technologies such as artificial intelligence, software automation and software agents, expert systems, and knowledge management. In addition, these semantic networks can be converted to various types of media (ie, other KRs). In other words, the synthesis or formation of the semantic network can support a wide range of media synthesis to extract additional values from the semantic network.
いくつかの実施形態では、セマンティック・ネットワークは、概念を表す頂点(vertices)又はノードと、概念同士の間のセマンティックな関係を表すエッジとを含む有向グラフを具現化するデータ構造として表すことができる。セマンティック・ネットワークを具現化するデータ構造は、非一時的な、有形のコンピュータ可読記憶媒体にエンコード化する(すなわち、インスタンス化する)ことができる。このように、セマンティック・ネットワークは、1つ以上の概念を含んでいると考えることができる。そのような概念の各々は、概念を表すセマンティック・ネットワーク内の1つ以上のノードに関連付けられた任意のデータを格納するデータ構造によって表現することができる。有向グラフのエッジは、このエッジが接続される2つのノードに関連付けられた概念同士の間の異なるタイプの関係のいずれかを表すことができる。例えば、セマンティック・ネットワークのエッジによって表される関係は、「〜によって規定された(defined-by)」関係か、「〜である(is-a)」関係である。例示的なセマンティック・ネットワークを示す図面(例えば、図5A〜5H)において、「〜によって規定された」関係が、塗りつぶされた円で終端するエッジによって示されており、「〜である」関係が、矢印で終端するエッジによって示されている。 In some embodiments, a semantic network can be represented as a data structure that embodies a directed graph that includes vertices or nodes that represent concepts and edges that represent semantic relationships between concepts. A data structure that embodies a semantic network can be encoded (ie, instantiated) into a non-transitory, tangible computer-readable storage medium. Thus, a semantic network can be considered to include one or more concepts. Each such concept can be represented by a data structure that stores arbitrary data associated with one or more nodes in the semantic network representing the concept. An edge of a directed graph can represent any of the different types of relationships between concepts associated with the two nodes to which this edge is connected. For example, the relationship represented by the edge of the semantic network is a “defined-by” relationship or a “is-a” relationship. In the drawings showing exemplary semantic networks (eg, FIGS. 5A-5H), a “defined by” relationship is indicated by an edge terminating in a filled circle, and a “is” relationship is shown. , Indicated by an edge terminating with an arrow.
概念は、他のエンティティとの(それらの)関係を通じた抽象化の複合レベルの観点から、及びキーワードや形態素等の他のより基本的なKRエンティティの観点から構造的に規定することができる。このような構造は、概念規定と称することができる。総称して、概念を含むキーワードや形態素等のより基本的な知識表現エンティティは、概念の属性と称される。 Concepts can be structurally defined in terms of the composite level of abstraction through (their) relationships with other entities, and in terms of other more basic KR entities such as keywords and morphemes. Such a structure can be referred to as a concept definition. Collectively, more basic knowledge representation entities such as keywords and morphemes containing concepts are referred to as concept attributes.
米国特許仮出願12/671,846号明細書において説明されているように、概念は、他のエンティティと(それら)の関係を通じた抽象化の複合レベルの観点から、及びキーワードや形態素等の他のより基本的な知識表現エンティティの観点から構造的に規定することができる。このような構造は、「概念規定」と称することができる。 As described in US Provisional Application No. 12 / 671,846, the concept is based on a composite level of abstraction through relationships with other entities and others such as keywords and morphemes. Can be structurally defined in terms of a more basic knowledge representation entity. Such a structure can be referred to as a “conceptual rule”.
ユーザに関連付けられた情報は、どの様な情報がユーザにとって関心を起こさせるかを推察するために、セマンティック・ネットワーク等の少なくとも1つの知識表現と一緒に使用することができる。任意の適切な知識表現を使用することができる。例えば、どのサブセットがユーザにとって関心を起こさせるかについての、コンテンツに関連付けられた知識を表すセマンティック・ネットワークを使用することができる。このようなKRは、任意の適切な情報プロビジョニング・ソース及び語彙を含む多数のデータ・ソースのいずれかから構築することができる。 Information associated with the user can be used with at least one knowledge representation, such as a semantic network, to infer what information is of interest to the user. Any suitable knowledge representation can be used. For example, a semantic network that represents knowledge associated with content about which subsets are of interest to the user can be used. Such a KR can be constructed from any of a number of data sources including any suitable information provisioning source and vocabulary.
また、ユーザに関連付けられた情報は、ユーザに関連付けられた情報にセマンティック的に関連する概念を識別するために、1つ以上の知識表現と一緒に使用することができる。次に、識別された概念は、広範なアプリケーションにおいて、どの様な情報が、ユーザにとって関心を起こさせるかを決定するために使用することができる。例えば、ユーザの検索クエリ内の用語にセマンティック的に関連する概念を見つけることは、クエリのセマンティックな意味と、ユーザがどの様な情報を捜し求めているかとを判断するのに有用である。クエリは、次に、識別された概念から導出(派生)されキーワードで増大(拡張)させることができ、改善された検索結果を、ユーザに返すことができる。別の例として、ユーザのオンライン・プロファイルに含まれる情報にセマンティック的に関連するものとして識別される概念は、そのユーザがラインをオンにしているときにどの様な情報(例えば、広告、ニュース等)をユーザに提示すべきか決定するのに有用であり得る。 Also, information associated with the user can be used in conjunction with one or more knowledge representations to identify concepts that are semantically related to the information associated with the user. The identified concepts can then be used to determine what information is of interest to the user in a wide range of applications. For example, finding a concept that is semantically related to a term in a user's search query is useful in determining the semantic meaning of the query and what information the user is looking for. The query can then be derived (derived) from the identified concept and augmented (expanded) with keywords, and improved search results can be returned to the user. As another example, the concept identified as being semantically related to information contained in a user's online profile is what information (e.g., advertisements, news, etc.) when the user is on a line. ) May be useful in determining whether to present to the user.
従って、いくつかの実施形態において、ユーザに関連付けられた情報にセマンティック的に関連する概念を識別するための方法が開示される。ユーザに関連付けられた情報の少なくとも一部を表す概念、「アクティブ概念」と称される概念が、識別され又は合成され(すなわち、生成される)、且つこのアクティブ概念にセマンティック的に関連する1つ以上の概念を取得することができる。いくつかの例では、アクティブ概念にセマンティック的に関連する概念は、セマンティック・ネットワーク内において識別することができるが、他の例では、アクティブ概念に関連する概念は、アクティブ概念とセマンティック・ネットワーク内の少なくとも1つの他の概念とを用いて合成することができる。アクティブ概念にセマンティック的に関連する概念は、セマンティック・ネットワークの構造に少なくとも部分的に基づいて識別及び/又は合成することができる。 Accordingly, in some embodiments, a method for identifying a concept that is semantically related to information associated with a user is disclosed. A concept representing at least a portion of information associated with a user, a concept referred to as an “active concept” is identified or synthesized (ie, generated) and is semantically related to this active concept The above concept can be acquired. In some examples, concepts that are semantically related to the active concept can be identified in the semantic network, while in other examples, the concepts that are related to the active concept are in the active concept and the semantic network. It can be synthesized using at least one other concept. Concepts that are semantically related to active concepts can be identified and / or synthesized based at least in part on the structure of the semantic network.
いくつかの実施形態では、アクティブ概念にセマンティック的に関連する概念が取得された後に、この取得した概念は、スコアリングされる。スコアは、多数の方法のいずれかで計算することができ、例えば、セマンティック・ネットワーク(を具体化するグラフのデータ構造)の構造に少なくとも部分的に基づいて計算することができる。次に、スコアは、アクティブ概念にセマンティック的に関連した概念のサブセットを選択するために使用することができる。その後、選択された概念は、ユーザが関心を起こすような情報をユーザに提供するために使用することができる。 In some embodiments, after a concept that is semantically related to the active concept is acquired, the acquired concept is scored. The score can be calculated in any of a number of ways, for example, based at least in part on the structure of the semantic network (the data structure of the graph that embodies it). The score can then be used to select a subset of concepts that are semantically related to the active concept. The selected concept can then be used to provide the user with information that is of interest to the user.
いくつかの実施形態では、1人以上のユーザに関連付けられた情報は、ユーザ(複数可)に対応するユーザ固有の知識表現を構築するために使用することができる。このユーザ固有の知識表現は、ユーザ(複数可)に関連付けられた情報と、セマンティック・ネットワーク等の少なくとも1つの知識表現とから構築することができる。その結果、ユーザ固有の知識表現は、ユーザ(複数可)に関連する情報をエンコード化することができる。任意の適切な知識表現は、ユーザ(複数可)がどのサブセットに関心を起こすかについての、コンテンツに関連付けられた知識を表す知識表現を含むが、この知識表現に限定されるものではない。得られたユーザ固有の知識表現は、ユーザ(複数可)が関心を起こすような情報に関連する概念を識別するために使用することができる。 In some embodiments, information associated with one or more users can be used to construct user-specific knowledge representations corresponding to the user (s). This user-specific knowledge representation can be constructed from information associated with the user (s) and at least one knowledge representation such as a semantic network. As a result, the user-specific knowledge representation can encode information related to the user (s). Any suitable knowledge representation includes, but is not limited to, a knowledge representation that represents knowledge associated with the content about which subset (s) the user (s) are interested in. The resulting user-specific knowledge representation can be used to identify concepts related to information that may be of interest to the user (s).
有利には、いくつかの実施形態では、ユーザ固有の知識表現が格納され、複数回使用することができる。これによって、あるユーザについてのセマンティック処理は、そのユーザ及び/又は1人以上の他のユーザについて以前に実行されたセマンティック処理を活用することができる。例えば、ユーザ固有の知識表現が、グループのユーザ(例えば、会社Xの従業員)の1人のユーザに関連付けられた情報に基づいて生成された場合には、同じユーザ固有の知識表現は、同じグループ内の別のユーザ(例えば、会社Xの別の従業員)に関連付けられた情報にセマンティック的に関連する概念を識別するために使用することができる。 Advantageously, in some embodiments, user-specific knowledge representations are stored and can be used multiple times. This allows semantic processing for a user to take advantage of semantic processing previously performed for that user and / or one or more other users. For example, if a user-specific knowledge representation is generated based on information associated with one user of a group user (eg, an employee of company X), the same user-specific knowledge representation is the same It can be used to identify concepts that are semantically related to information associated with another user in the group (eg, another employee of Company X).
先に述べたように、ユーザが情報を検索する際に、大抵の場合、それらの検索クエリにおいて使用される用語は、検索対象のコンテンツに現れる用語に文字通り一致しない場合があり、その用語の両側は、同一又は類似の概念を別の用語で表現していることがある。このような場合には、返される検索結果は、もしあれば、実際に利用可能であるよりも低い品質の結果を含むことになる。結果的に、ユーザは、関連するコンテンツが存在する場合でも、このユーザが必要な全ての情報を見つけることは大抵の場合困難となる。 As mentioned earlier, when users search for information, the terms used in those search queries often do not literally match the terms that appear in the content being searched, May express the same or similar concept in different terms. In such cases, the returned search results, if any, will contain lower quality results than are actually available. As a result, it is often difficult for a user to find all the information he needs, even when relevant content exists.
この状況の一例は、検索対象のコンテンツのセットにまれに現れる用語を使用する専門コンテンツのセット(例えば、特定のウェブサイト又は複数のウェブサイトや、特定のネットワーク、特定のポータル等を介してアクセス可能なコンテンツ)内の情報についてユーザが検索するときに発生することがある。例えば、ユーザは、医療従事者や研究者によって作成され且つこれら医療従事者や研究者用に意図された専門のコンテンツ内の医療ウェブサイトを介して情報を検索することがある。しかしながら、ウェブサイトのユーザは、医学的に訓練されていない場合があるので、それらの検索クエリは、関連する主題に係る医療記事に一般的に見受けられる多くの用語を使用していないことがある。従って、ユーザが提供した検索クエリ内にほんの数語の用語があれば、もしあれば、ウェブサイトを介してアクセス可能なコンテンツに表示されることがあるが、多くの潜在的に関連する項目が見逃される可能性がある。別の例は、ユーザが、顧客サポートコンテンツの情報を検索しようとするときである。ユーザは、技術的に精通していないが、それでもやはり、ユーザに役立つであろうコンテンツを見つけるために、特定の技術的な用語を使用する必要がある。他の多くの例が当業者には明らかであろう。 An example of this situation is a set of specialized content that uses terms that appear infrequently in the set of content being searched (for example, accessed through a specific website or multiple websites, a specific network, a specific portal, etc. This may occur when a user searches for information in (possible content). For example, a user may search for information through a medical website within specialized content created by and intended for medical professionals and researchers. However, because website users may not be medically trained, their search queries may not use many terms commonly found in medical articles on related subjects. . Thus, if there are only a few terms in a search query provided by a user, they may appear in content accessible through the website, if any, but many potentially relevant items May be missed. Another example is when a user wants to retrieve customer support content information. The user is not technically savvy, but still needs to use certain technical terms to find content that would be useful to the user. Many other examples will be apparent to those skilled in the art.
従来の検索方法の上述した欠点のうちのいくつかは、コンテンツの第1セット、すなわち「ターゲット」セットを検索しようとするユーザに返される検索結果の品質を改善するために、コンテンツの第2セット、すなわち「参照」セットを用いて対処することができる。コンテンツの第1のセットは、任意の適当なコンテンツのセットとすることができるが、例えば、特定のウェブサイト(例えば、電子商取引のウェブサイト、企業のウェブサイト、1つ以上のデータベースへのアクセスを提供するウェブサイト等)を介してアクセス可能なコンテンツであってもよい。コンテンツの第2セット、すなわち参照セットは、任意の適当なコンテンツのセットとすることができるが、例えば、任意の情報リポジトリ(repository)(例えば、ウィキペディア、WordNet等)、データベース、又はコンテンツ・プロビジョニング・ソース内のコンテンツであってもよい。これらは単なる例であることを認識すべきであるが、本発明の態様はこれに限定されるものではなく、コンテンツのターゲットセット及びコンテンツの参照セットは、任意の適当なコンテンツのセットとすることができる。 Some of the above-mentioned shortcomings of conventional search methods are that the second set of content to improve the quality of the search results returned to the user trying to search the first set of content, the “target” set. That is, it can be handled using a “reference” set. The first set of content can be any suitable set of content, for example, a specific website (eg, e-commerce website, corporate website, access to one or more databases) The content may be accessible via a website or the like that provides The second set of content, i.e. the reference set, can be any suitable set of content, e.g. any information repository (e.g. Wikipedia, WordNet, etc.), database, or content provisioning It may be content in the source. It should be appreciated that these are merely examples, but aspects of the invention are not so limited, and the content target set and content reference set may be any suitable set of content. Can do.
例として、上述の例では、公共圏で一般的に知られている病気に関する情報を含む参照ドメインが、医療用ウェブサイトでのユーザの検索クエリ内の用語を、そのウェブサイトを介してアクセス可能なコンテンツの用語に関連付けるのに役立つことがある。実際に、コンテンツの参照セットが、インフルエンザウイルス(Influenza Virus)のファミリーとして「オルソミクソウイルス科(Orthomyxoviridae)」を識別するような情報を含むとともに、そのインフルエンザが、「インフルエンザ(flu)」として一般的に知られている場合に、「インフルエンザウイルス(Flu Virus)」等のユーザの検索クエリを、関連するウイルスについての公的な分類のみを使用してウイルス性疾患を参照することができるような医療用ウェブサイトを通じてアクセス可能なコンテンツに容易に関連付けることができる。簡単に言えば、コンテンツの参照セットは、検索クエリに現れる用語を検索対象のコンテンツのターゲットセットに現れる用語に変換することを支援するために、一種の「中間層」又は「変換や解釈メディア」としての機能を果たすことができる。 As an example, in the example above, a reference domain containing information about a disease commonly known in the public sphere can access terms in a user's search query on a medical website via that website May be useful for associating with content terms. In fact, the reference set of content contains information that identifies "Orthomyxoviridae" as a family of influenza viruses, and the flu is commonly referred to as "flu" Such as “Flu Virus”, where the user ’s search query can refer to viral diseases using only the official classification of the relevant virus. Can be easily associated with content accessible through the website. Simply put, a reference set of content is a type of “middle tier” or “conversion and interpretation media” to help convert terms that appear in a search query into terms that appear in the target set of content being searched. Can serve as
セマンティック処理技術は、コンテンツのターゲットセットを検索したいと思うユーザに返される検索結果の品質を改善するために、コンテンツの参照セット内でコンテンツを使用するために用いることができる。従って、いくつかの実施形態では、参照知識表現と同様に、ターゲット知識表現も用いることができる。参照(ターゲット)知識表現は、セマンティック・ネットワーク等の任意の適切なタイプの知識表現であってもよく、コンテンツの参照(ターゲット)セット内のコンテンツに関連付けられた知識を表すことができる。参照(ターゲット)知識表現は、任意の適切な方法で構築することができ、例えば、コンテンツの参照(ターゲット)セット内のコンテンツに少なくとも部分的に基づいて構築することができる。 Semantic processing techniques can be used to use content within a reference set of content to improve the quality of search results returned to users who want to search the target set of content. Thus, in some embodiments, a target knowledge representation can be used as well as a reference knowledge representation. The reference (target) knowledge representation may be any suitable type of knowledge representation, such as a semantic network, and may represent knowledge associated with the content in the reference (target) set of content. The reference (target) knowledge representation can be constructed in any suitable manner, for example, based at least in part on the content in the reference (target) set of content.
いくつかの実施形態では、参照知識表現及びターゲット知識表現は、結合(merge)された知識表現を形成するためにマージされてもよく、ユーザの検索クエリに関連付けられた1つ以上の用語(及び、随意に、ユーザに関連付けられたユーザコンテキスト情報に現れる用語)は、ユーザの検索クエリに関連付けられた用語(複数可)と、随意にユーザに関連付けられたユーザコンテキスト情報に現れる用語とにセマンティック的に関連するようなマージされた知識表現内の1つ以上の概念を識別又は合成するために使用することができる。次に、取得された概念は、検索を実行する前に、取得された概念に関連付けられた用語を用いてユーザの検索クエリを拡張(増大:augment)するために使用することができる。従って、参照知識表現に少なくとも部分的に基づいて取得された概念は、コンテンツのターゲットセット内のコンテンツについてユーザの検索クエリに応答して返される検索結果の品質を改善するために使用することができる。 In some embodiments, the reference knowledge representation and the target knowledge representation may be merged to form a merged knowledge representation, and one or more terms (and , Optionally, the terms that appear in the user context information associated with the user) are semantically related to the term (s) associated with the user's search query and the terms that optionally appear in the user context information associated with the user. Can be used to identify or synthesize one or more concepts within the merged knowledge representation. The acquired concept can then be used to augment the user's search query with terms associated with the acquired concept before performing a search. Accordingly, concepts obtained based at least in part on the reference knowledge representation can be used to improve the quality of search results returned in response to a user search query for content in a target set of content. .
なお、本明細書に説明される本発明の様々な態様は、多数の方法のいずれかで実装されてもよく、特定の実装技術に限定されるものではないことを理解されたい。特定の実装例が、説明のみを目的として以下に説明するが、本明細書に説明される本発明の態様は、これらの例示的な実装形態に限定されるものではない。さらに、特定のコンテキストから明らかに現れない限り、本明細書に説明される様々な特徴及びステップが、図示されている具体的な実施形態以外の方法で組み合わせることができ、且つそのような他の組み合わせは、本開示の範囲内であるとともに発明として企図されることが意図されている。 It should be understood that the various aspects of the invention described herein may be implemented in any of a number of ways and are not limited to a particular implementation technique. Although specific implementations are described below for purposes of illustration only, the aspects of the invention described herein are not limited to these exemplary implementations. Moreover, unless expressly appearing from a specific context, the various features and steps described herein can be combined in ways other than the specific embodiments shown, and other such Combinations are intended to be within the scope of this disclosure and contemplated as inventions.
図1には、いくつかの実施形態で使用されるような知識表現に基づいて、大規模セットのデジタルコンテンツから選択されたデジタルコンテンツをユーザに提供するための例示的なプロセス100のフローチャートが示されている。図1の方法は、1人以上のユーザに関連付けられたユーザコンテキスト情報が取得されるような動作102で開始する。以下でより詳細に説明するように、ユーザコンテキスト情報は、ユーザ(複数可)に関連付けられた任意の適切な情報及び/又はユーザ(複数可)によって提供された任意の適切な情報とすることができる。ユーザコンテキスト情報を取得する方法も、以下でより詳細に説明する。
FIG. 1 shows a flowchart of an
プロセス100は、次に、ユーザコンテキスト情報の少なくとも一部を表すアクティブ概念が、知識表現において識別されるように動作104に進む。この知識表現は、任意の適切な知識表現とすることができ、いくつかの実施形態では、ユーザ(複数可)に関連付けられたユーザ固有の知識表現とすることができる。しかし、知識表現は、ユーザ固有の知識表現に限定されるものではなく、プロセス100に利用可能な他の知識表現であってもよいことを認識されたい。いくつかの実施形態では、動作104の一部として、ユーザコンテキスト情報を表すアクティブ概念は、このアクティブ概念を含むユーザ固有の知識表現を構築する上で後続の使用のために生成することができる。
プロセス100は、アクティブ概念にセマンティック的に関連する1つ以上の概念が、このアクティブ概念を含む知識表現を使用することによって取得されるように動作106に進む。(実施例の関連する測定については後述する。)プロセス100は、次に、取得した概念(複数可)のうちの1つ以上が選択されるように動作108に進む。概念(複数可)は、この概念(複数可)の1つ以上が、関連する測定を用いて割り当られるようなスコアに少なくとも部分的に基づいて選択することができる。プロセス100は、次に、コンテンツが、動作104において識別され又は生成されたアクティブ概念と、動作108で選択された概念(複数可)とに少なくとも部分的に基づいて、1人以上のユーザに提供されるように動作110に進む。このようなコンテンツは、アクティブ概念と動作108で選択された概念(複数可)とを使用して大規模セットのコンテンツから選択することができる。図1のプロセスの動作の各々は、様々な方法のいずれかで実行してもよく、これらの動作が様々な実施形態で実施され得る方法のいくつかの例は、以下でより詳細に説明する。
プロセス100及びその変形形態のいずれかは、ハードウェア、ソフトウェア、又はそれらの任意の適切な組み合わせを用いて実装することができる。ソフトウェアに実装された場合に、ソフトウェアは、スタンドアロン式又はネットワーク式によらず、任意の適切なプロセッサ又はプロセッサの集合体で実行してもよい。ソフトウェアは、プロセッサ実行可能命令及び設定パラメータとして格納することができ、そのようなソフトウェアは、1つ以上の非一時的な、有形のコンピュータ可読記憶媒体に格納されてもよい。
ソフトウェア実装プロセス100は、任意の適切な方法で編成することができる。例えば、各ソフトウェアモジュールが、プロセス100の1つ以上の動作の少なくとも一部を実行することができるように、1つ以上のソフトウェアモジュールを含むソフトウェアシステムとして編成することができる。しかし、いくつかの実施形態では、このようなソフトウェアシステムの一以上のソフトウェアモジュールは、本発明の態様はこの態様に限定されるものではないが、プロセス100の動作に関連しない機能を実行することができる。
The
I.ユーザコンテキスト情報の取得
上述したように、プロセス100の動作102において、1人以上のユーザに関連付けられたユーザコンテキスト情報を取得することができる。ユーザコンテキスト情報は、ユーザ(複数可)が、どの様な情報を捜し求めているか及び/又はどの様な情報に関心を示すかを識別するために使用されるような任意の情報を含んでいてもよい。ユーザコンテキスト情報は、その後に情報をユーザに提供するために使用されるようなユーザ(複数可)のモデルを開発するために使用される情報も含んでいる。このように、ユーザコンテキスト情報は、任意の利用可能な情報ソース及び/又はユーザ(複数可)によって直接提供された任意の適切な情報から収集されるユーザ(複数可)に関連する適切な情報を含むことができるが、これらに限定されるものではない。
I. Obtaining User Context Information As described above, in
いくつかの実施形態では、ユーザに関連する情報は、ユーザに関する任意の適切な情報とすることができる。例えば、ユーザに関連する情報は、ユーザに関連付けられた人口統計情報(例えば、性別、年齢、教育レベル等)を含んでいてもよい。別の例として、ユーザに関連する情報は、ユーザのインターネット閲覧履歴の詳細を含んでもよい。そのような情報は、ユーザが閲覧した1つ以上のウェブサイトのリスト、閲覧した時間、及び/又はそのような閲覧を行った場所(すなわち、地理的位置)を含んでもよい。ユーザの閲覧履歴は、ユーザが検索した情報と、このような検索に応答してユーザが取得した検索結果を含むが、これに限定されない関連する閲覧情報をとさらに含むことができる。 In some embodiments, the information associated with the user can be any suitable information about the user. For example, information associated with the user may include demographic information associated with the user (eg, gender, age, education level, etc.). As another example, information related to a user may include details of the user's Internet browsing history. Such information may include a list of one or more websites that the user has viewed, the time of browsing, and / or the location (ie, geographical location) where such browsing has occurred. The browsing history of the user may further include related browsing information including, but not limited to, information searched by the user and a search result acquired by the user in response to such a search.
別の例として、ユーザに関連する情報は、ユーザのコンピュータ装置上で又はユーザが閲覧した1つ以上のウェブサイト上で任意のユーザインタフェイスを介してユーザが提供した任意の情報を含むことができる。例えば、ユーザに関連する情報は、例えばソーシャル・ネットワーク・ウェブサイト、仕事投稿(掲載)ウェブサイト、ブログ、ディスカッション・スレッド等の任意のウェブサイト上でのユーザに関連付けられた任意の情報を含んでもよい。そのような情報には、ウェブサイト上のユーザプロファイル、ユーザプロファイルに対応したマルチメディア(例えば、画像、ビデオ等)に関連付けられた情報、及びウェブサイト上でユーザが入力した他の情報を含むが、それらに限定されない。さらに別の例として、ユーザに関連する情報は、2009年9月8日に出願された、”Synthesizing Messaging Using Content Provided by Consumers”という表題の米国特許仮出願第12/555,293号明細書に説明されており、この文献は、参照することにより本明細書に組み込まれる。 As another example, information related to a user may include any information provided by the user via any user interface on the user's computing device or on one or more websites viewed by the user. it can. For example, information related to the user may include any information associated with the user on any website, such as a social network website, a job posting (publishing) website, a blog, a discussion thread, etc. Good. Such information includes a user profile on the website, information associated with multimedia (eg, images, videos, etc.) corresponding to the user profile, and other information entered by the user on the website. , But not limited to them. As yet another example, information related to users can be found in US Provisional Application No. 12 / 555,293, filed Sep. 8, 2009, entitled “Synthesizing Messaging Using Content Provided by Consumers”. Which is described and incorporated herein by reference.
いくつかの実施形態では、ユーザに関連する情報は、地理空間情報を含んでもよい。例えば、地理空間情報には、ユーザ及び/又はユーザのコンピュータ装置の現在位置(例えば、ユーザの家、ユーザの地元の図書館、ユーザの仕事場、ユーザが旅した場所、及び/又はユーザのインターネットIPアドレスにより決定されるようなユーザのデバイスの地理的位置等)を含んでもよい。地理空間情報は、ユーザのコンピュータ装置の位置に関する情報と、ユーザのコンピュータ装置がその場所に又はその場所の近くにあったときに、ユーザが検索や閲覧したコンテンツとの間の関連付けを含むことができる。いくつかの実施形態では、ユーザに関連する情報は、時間的な情報を含むことができる。例えば、時間的な情報は、ユーザがコンピュータ装置上で特定のコンテンツを照会又は閲覧した時間を含むことができる。時間は、年の規模や、季節、月、週、日、時間、分、秒等の規模の任意の適切なスケールで指定することができる。 In some embodiments, information related to the user may include geospatial information. For example, geospatial information may include the current location of the user and / or the user's computing device (e.g., the user's home, the user's local library, the user's workplace, the location the user has traveled, and / or the user's Internet IP address). The geographical location of the user's device as determined by Geospatial information may include an association between information about the location of the user's computer device and the content that the user has searched for or viewed when the user's computer device was at or near that location. it can. In some embodiments, the information associated with the user can include temporal information. For example, the temporal information can include the time that the user has queried or viewed specific content on the computing device. The time can be specified in any appropriate scale such as year scale, season, month, week, day, hour, minute, second, etc.
追加的に又は代替的に、1人以上のユーザに関連付けられたユーザコンテキスト情報は、ユーザ(複数可)によって提供された情報を含んでもよい。このような情報は、ユーザ(複数可)がどの様な情報に関心を示すのかを表す任意の適切な情報であってもよい。例えば、ユーザコンテキスト情報は、ユーザによって検索エンジン(例えば、インターネット検索エンジン、企業イントラネット等の特定のドメインを検索するために適合された検索エンジン)に入力された1つ以上のユーザの検索クエリを含んでもよい。別の例として、ユーザコンテキスト情報は、ユーザが関心を示す情報のタイプについての1つ以上のユーザ指定の指標を含むことができる。ユーザは、多数の方法のいずれかで指標(複数可)を提供することができる。ユーザは、自分の嗜好の指標を入力する又は口に出して言い、ウェブサイトやアプリケーションによって提供された1つ以上のオプションを選択し(例えば、ドロップダウンメニューから項目を選択し、チェックボックスをオンにする等)、ウェブサイト上又はアプリケーションにおいて、及び/又は任意の他の適切な方法で、ユーザに関心を起こさせるコンテンツの一部をハイライトする又は他の方法で選択する。例えば、ユーザは、あるトピック(複数可)に関連して更新されたニュース、1つ以上のタイプの製品(複数可)に関連する広告、ウェブサイト、ニュースレター、電子メールダイジェスト等の各種のいずれかの更新に関する情報、を受信したいことを示すために、ウェブサイト上の1つ以上のオプションを選択することができる。 Additionally or alternatively, user context information associated with one or more users may include information provided by the user (s). Such information may be any suitable information that represents what information the user (s) are interested in. For example, the user context information includes one or more user search queries entered by a user into a search engine (eg, a search engine adapted to search a particular domain such as an Internet search engine, a corporate intranet, etc.). But you can. As another example, the user context information can include one or more user-specified indicators for the type of information that the user is interested in. The user can provide the indicator (s) in any of a number of ways. The user enters or speaks his / her preference indicator and selects one or more options provided by the website or application (eg, selecting an item from a drop-down menu and checking a check box). Highlight, or otherwise select a portion of the content that interests the user, either on the website or in the application and / or in any other suitable manner. For example, a user may update news related to a topic (s), advertisements related to one or more types of product (s), websites, newsletters, email digests, etc. One or more options on the website can be selected to indicate that you want to receive information about any updates.
ユーザコンテキスト情報は、動作102で、可能な様々な方法のいずれかで取得することができる。例えば、いくつかの実施形態では、ユーザコンテキスト情報は、ユーザのクライアント・コンピュータから、処理100を実施するソフトウェアコードを実行するような1つ以上のサーバ・コンピュータに提供することができる。例えば、図2に示されるように、ユーザは、アプリケーションプログラム204を実行するクライアント・コンピュータ202を動作させることができる。アプリケーションプログラム204は、プロセス100を実行するコンピュータである、サーバ・コンピュータ208にユーザコンテキスト情報206(例えば、ユーザによってアプリケーションプログラム204に入力された検索クエリ)を送信することができる。従って、サーバ208は、クライアント202上で実行するアプリケーションプログラム204からユーザコンテキスト情報206を受信することができる。
User context information may be obtained in any of various possible ways at
アプリケーションプログラム204は、直接又は間接的に、サーバ208に情報を送信するとともにサーバ208から情報を受信することができるアプリケーションプログラムの様々なタイプのいずれかであってよい。例えば、いくつかの実施形態において、アプリケーションプログラム204は、インターネットすなわちWWWブラウザ、インスタント・メッセージ・クライアント、又は他の任意の適切なアプリケーションであってもよい。
図2の例では、アプリケーションプログラム204は、ユーザコンテキスト情報をサーバ208に直接送信するものとして示されている。これは、ユーザコンテキスト情報が、クライアント202からサーバ208にどの様に送信されるかの簡略化した表現であり、ユーザコンテキスト情報を、クライアント202からサーバ208に直接送信する必要はないということを認識されたい。例えば、いくつかの実施形態では、ユーザの検索クエリは、ネットワークを介してサーバ208に送信することができる。ネットワークは、LAN、WAN、インターネット、又はネットワークの組み合わせ等の任意の適切なタイプのネットワークであってもよい。
In the example of FIG. 2, the
また、ユーザのクライアント・コンピュータからユーザコンテキスト情報を受信することは、ユーザコンテキスト情報が、プロセス100の動作102の一部として、任意の他の適切な方法で取得することができるように、本発明の態様を限定しないことを認識されたい。例えば、ユーザコンテキスト情報は、1人以上のユーザに関連付けられたユーザコンテキスト情報を含むソースから又はこのユーザコンテキスト情報にアクセスして、要求する際に能動的に及び/又は受信する際に受動的に、取得することができる。
Also, receiving user context information from the user's client computer is such that the user context information can be obtained in any other suitable manner as part of
II.ユーザコンテキスト情報を表すアクティブ概念の識別又は生成
上述したように、プロセス100の動作104において、動作102の間に取得されたユーザコンテキスト情報の少なくとも一部を表すアクティブ概念は、ユーザ固有の知識表現或いは他の任意の適切な知識表現であるような知識表現において識別される概念、又はアクティブ概念を含むユーザ固有の知識表現を構築するために生成され且つ使用される概念のいずれかとすることができる。可能な様々な技術のいずれかが、ユーザコンテキスト情報を表すアクティブ概念を識別又は生成するために使用することができる。いくつかの実施形態では、使用できるそのような技術の一例が、図3のプロセス300に例示されている。
II. Identification or Generation of Active Concept Representing User Context Information As described above, in
プロセス300は、ユーザコンテキスト情報の関連部分を識別するように、動作301において開始する。前述したように、ユーザコンテキスト情報は、ユーザに関する情報(例えば、ウェブサイト上のユーザのプロファイル、ユーザの閲覧履歴等)と、ユーザによって提供された情報(例えば、検索クエリ)とを含むが、これらに限定されない各種の情報のいずれかを含む。これにより、ユーザコンテキスト情報の様々な部分は、様々なシナリオで使用することができる。例えば、ユーザが情報を検索しているときに、ユーザコンテキスト情報の関連部分は、ユーザの検索クエリを含んでもよいが、ユーザが捜し求めている情報の検索に役立つかもしれない追加情報(例えば、ユーザの現在位置、ユーザの閲覧履歴等)を含むことができる。別の例として、1つ以上の広告をユーザに提示するときに、ユーザコンテキスト情報の関連部分は、ユーザが関心を示すような1つ以上の製品を表す情報を含んでもよい。別の例として、ニュース記事(又は任意の他の適切なタイプのコンテンツ)をユーザに提供するときに、ユーザコンテキスト情報の関連部分は、ユーザが関心を示す情報を含むことができる。(例えば、動作102において)取得されたユーザコンテキスト情報の関連部分は、ユーザコンテキスト情報の関連部分が識別される方法が、本発明の態様を限定しないような任意の適切な方法で識別することができる。また、いくつかの例では、ユーザコンテキスト情報の関連部分は、ユーザコンテキスト情報のサブセットを含むことができるが、他の実施形態では、この関連部分は、ユーザコンテキスト情報の全てを含んでもよく、本発明の態様は、これに限定されるものではないことを認識されたい。
動作301で識別されたユーザコンテキスト情報の関連部分は、多数の方法のいずれかで表すことができる。例えば、いくつかの実施形態では、ユーザコンテキスト情報の関連部分は、1つ以上の英数字の文字列として表されてもよい。英数字の文字列は、任意の適切な文字数(スペースを含む)、単語、数字、及び/又は多数の他のシンボルを含むことができる。英数字の文字列は、例えば、ユーザの検索クエリ及び/又はユーザがどの様な情報に関心を示すかを表す任意の適切な情報を表現することができる。しかし、多数の他のデータ構造のいずれかが、ユーザコンテキスト情報及び/又はそのユーザコンテキスト情報の一部を表すために使用されてもよいことを認識すべきである。
The relevant portion of the user context information identified in
次に、処理300は、特定のユーザに関連付けられたユーザコンテキスト情報の関連部分が、知識表現内の概念と一致するかどうかが決定されるように、判定ブロック302に進む。任意の適切な知識表現を使用することができる。いくつかの例では、ユーザ又はこのユーザを含むユーザグループに関連付けられたユーザ固有の知識表現を使用することができる。しかしながら、任意の他の適切な知識表現を用いてもよく、例えば、任意の特定のユーザ又は複数のユーザに適合していない知識表現を用いてもよい。
The
いくつかの実施形態では、使用される知識表現は、セマンティック・ネットワークとすることができる。しかし、他の実施形態では、知識表現の他の各種のいずれか(例えば、非グラフィカル知識表現)を使用することができる。知識表現が構築及び/又は取得される方法が、説明された方法及びシステムの態様を限定しないように、知識表現は、任意の適切な方法で構築及び/又は取得される。 In some embodiments, the knowledge representation used can be a semantic network. However, in other embodiments, any other variety of knowledge representations (eg, non-graphical knowledge representations) can be used. The knowledge representation is constructed and / or acquired in any suitable manner, such that the manner in which the knowledge representation is constructed and / or acquired does not limit the aspects of the described methods and systems.
どの知識表現が判定ブロック302で使用されるかに拘わらず、ユーザコンテキスト情報の関連部分が、知識表現内の概念と一致するかどうかの判定は、任意の適切な方法で行うことができる。いくつかの実施形態では、ユーザコンテキスト情報の関連部分は、概念識別子と比較することができる。例えば、ユーザコンテキスト情報の関連部分が、英数字の文字列によって表されるときに、英数字の文字列は、一致が存在するか否かを判断するために、概念(時には「概念ラベル」と呼ぶ)を識別するある文字列と比較することができる。一致が、文字列の間で正確に一致する、又は特定の単語セット(例えば、「及び(and)」、「その(the)」、「〜の(of)」等の語)を除いた状態で全ての語が一致するように、実質的に正確に一致する。さらに、いくつかの実施形態では、文字列内の単語の順序は無視することができる。例えば、文字列「(The Board of Directors)取締役会」は、概念ラベル「(Board Directors)取締役」と、同様の概念ラベル「(Directors Board)重役」と一致していると判定することができる。
Regardless of which knowledge representation is used in
判定ブロック302において、ユーザコンテキスト情報の関連部分が、知識表現内の概念と一致すると判定された場合に、プロセス300は、知識表現内の複数の概念が関連部分と一致するかどうかを判定するために、判定ブロック304に進む。例えば、ユーザコンテキスト情報の選択された部分が、ユーザが関心を示した「ほえ声(bark)」に関する情報を示す英数字の文字列「ほえ声(bark)」かもしれない。しかしながら、ユーザが、犬のほえ声(bark)又は木の樹皮(bark)に関する情報のどちらに関心があるかどうかは明確でないかもしれない。知識表現内のこのような概念にそれぞれ関連する概念が存在する。
If, at
判定ブロック304において、ユーザコンテキスト情報の関連部分と一致する知識表現において、1つの概念のみが存在すると判定された場合には、この1つの概念は、アクティブ概念として識別され、プロセス300は、「いいえ」の分岐を経由して動作320に進み、ここで、例えばプロセス100の動作106〜110を参照しながら以下でより詳細に説明されるように、アクティブ概念が後続の処理のために返される。
If, at
一方で、ユーザコンテキスト情報の関連部分と一致する知識表現内に複数の概念が存在すると判定された場合に、プロセス300は、「はい」の分岐を経由して動作306〜308に進み、ここで、一致する概念のうちの1つがアクティブ概念として選択される。これは、任意の適切な方法で行うことができる。いくつかの実施形態では、複数の一致する概念のうちの1つは、曖昧性解消プロセスを用いて選択することができる。
On the other hand, if it is determined that there are multiple concepts in the knowledge representation that match the relevant part of the user context information, the
任意の適切な曖昧性解消プロセスは、ユーザコンテキスト情報の関連部分に一致する複数の概念の中でアクティブ概念を識別するために用いることができる。このような曖昧性解消プロセスは、複数の概念の中でアクティブ概念を識別するために、1つ以上の曖昧性解消用語を使用することを含み、それによって、識別されたアクティブ概念は、ユーザが関心を示すような情報を表す可能性が生じる。曖昧性解消プロセスは、曖昧性解消用語の候補セットを生成するとともに、アクティブ概念を識別するために使用する1つ以上の候補曖昧性解消用語を選択することを含む。例えば、用語「犬(dog)」と「木(tree)」を含む曖昧性解消用語の候補セットを生成することができる。自動的に又はユーザの入力に少なくとも部分的に基づいて実行される、曖昧性解消用語「犬(dog)」のその後の選択によって、ユーザが「犬の吠え声(dog barking)」に関する情報に関心を示すように表される。このように、選択された曖昧性解消用語は、アクティブ概念を識別するために、動作304で識別された複数の概念の中でセマンティック的な曖昧性解消のために使用することができる。
Any suitable disambiguation process can be used to identify active concepts among multiple concepts that match relevant portions of user context information. Such a disambiguation process includes using one or more disambiguation terms to identify an active concept among a plurality of concepts, whereby the identified active concept is There is a possibility of expressing information that indicates interest. The disambiguation process includes generating a candidate set of disambiguation terms and selecting one or more candidate disambiguation terms to use to identify active concepts. For example, a candidate set of disambiguation terms that include the terms “dog” and “tree” may be generated. A subsequent selection of the disambiguation term "dog", performed automatically or based at least in part on user input, allows the user to be interested in information about "dog barking" It is expressed as shown. In this way, the selected disambiguation term can be used for semantic disambiguation among the plurality of concepts identified in
従って、動作306において、曖昧性解消用語の候補セットを生成することができる。これは、任意の適切な方法で行うことができる。例えば、曖昧性解消用語の候補セットは、1つ以上のキーワード、形態素、及び/又はユーザコンテキスト情報の関連部分に一致する複数の概念の中で1つ以上の概念からなる他の任意の適切な知識表現エンティティを含むことができる。また、曖昧性解消用語の候補セットは、1つ以上のキーワード、形態素、及び/又はセマンティック・ネットワークの所定の分離度の範囲内に、複数の概念の中の1つの概念に接続された任意の概念からなる他の任意の適切なKRエンティティを含むことができる。任意の適切な分離度(例えば1,2,3,4,5等)を用いることができる。いくつかの実施形態において、曖昧性解消用語の候補セットは、ユーザコンテキスト情報の関連部分において用語のいずれかを含んでいないかもしれないが、他の実施形態では、曖昧性解消用語の候補セットは、ユーザコンテキスト情報の関連部分において1つ以上の用語を含んでもよい。
Accordingly, a candidate set of disambiguation terms can be generated at
次に、プロセス300は、曖昧性解消用語の候補の1つ以上を選択するように、動作308に進む。選択は、任意の適切な方法で行ってもよいし、自動的に実行してもよく及び/又はユーザ入力に基づいて1つ以上の曖昧性解消用語を取得することを含むことができる。例えば、いくつかの実施形態では、1つ以上の候補曖昧性解消用語を、ユーザに提供することができ、それによって、ユーザは、ユーザが何に関心を示すかを表すこれらの候補曖昧性解消用語を選択できる。候補曖昧性解消用語は、可能な様々な方法のいずれかでユーザに提供することができる。例えば、いくつかの実施形態において、この用語は、サーバ208(すなわち、プロセス100を実行するコンピュータ)から、ユーザコンテキスト情報が取得されたクライアント202上のアプリケーションプログラム204に提供することができる。アプリケーションプログラム204が、イントラネット又はWWWブラウザである実施形態において、この用語は、ウェブページの形態として提供することができる。このように、ユーザは、ユーザが関心を示す情報のタイプを示すために、1つ以上の用語を選択することができる。
The
1つ以上の候補曖昧性解消用語がユーザに提供される方法にも拘わらず、1つ以上の曖昧性解消用語の選択を含むユーザ入力が、プロセス300の動作308の一部として受信される。例えば、動作306で生成された曖昧性解消用語の候補セットを受信したアプリケーションプログラム204は、1つ以上の用語を選択するユーザからの入力を受け付けることができ、プロセス100を実行するサーバにユーザが選択した用語(複数可)の指標を送信することができる。
Regardless of how one or more candidate disambiguation terms are provided to the user, user input including a selection of one or more disambiguation terms is received as part of
いくつかの実施形態では、1つ以上の曖昧性解消用語は、いかなるユーザ入力も必要とせずに、曖昧性解消用語の候補セットから自動的に選択することができる。例えば、動作306で生成された曖昧性解消用語の候補セットからの1つ以上の用語は、ユーザコンテキスト情報(例えば、ユーザの閲覧履歴、オンライン・プロファイル、ユーザが選択した優先度(嗜好)、又は前述したユーザコンテキスト情報の他のタイプ)に基づいて選択することができる。例えば、ユーザが「ほえ声(bark)」を探している状況を考慮するが、ユーザが犬に関する様々な情報に関心を示していたことがユーザの閲覧履歴から明らかである。この場合には、ユーザは、「樹皮(tree bark)」ではなく「犬のほえ声(dog bark)」に関する情報を検索している可能性がある。従って、ユーザコンテキスト情報は、曖昧性解消用語の候補セット{「犬」と「木」}から用語「犬」を選択して使用することができる。別の例として、ソーシャル・ネットワーク・ウェブサイト上のユーザのオンライン・プロファイルは、ユーザが熱心な植物学者(又はユーザに関連付けられた地理空間情報が、ユーザが熱帯雨林に位置していることを示す場合)であるときに、ユーザは、「犬のほえ方(dog bark)」ではなく、「樹皮(tree bark)」に関する情報を検索している可能性が高い。しかし、曖昧性解消用語を選択するための上述した手法は、曖昧性解消用語が任意の他の適切な方法で選択することができるような、単なる例示として認識されたい。
In some embodiments, one or more disambiguation terms can be automatically selected from a candidate set of disambiguation terms without requiring any user input. For example, one or more terms from the candidate set of disambiguation terms generated at
動作308において、1つ以上の曖昧性解消用語が取得される方法にも拘わらず、取得された用語は、ユーザコンテキスト情報の関連部分に一致する複数の概念の中でアクティブ概念を識別するために使用することができる。従って、識別されたアクティブ概念は、1人以上のユーザが関心を示すような情報を表すことができる。動作308において、アクティブ概念が識別された後に、プロセス300は、アクティブなプロセスが後続の処理のために返され、且つプロセス300が完了するように、動作320に進む。
In
再び、プロセス300の判定ブロック302を検討する。判定ブロック302において、ユーザコンテキスト情報の関連部分が、知識表現のいずれの概念とも一致しないと判定された場合に(「いいえ」分岐に出力)、プロセス300は、ユーザコンテキスト情報の関連部分が、1つ以上の知識表現エンティティに分解されるように、動作310に進む。例えば、ユーザコンテキスト情報の関連部分は、個々の概念、キーワード、及び/又は形態素に分解することができる。これは、任意の適切な方法で行うことができる。例えば、ユーザコンテキスト情報の一部が、英数字の文字列で表現される場合に、この文字列は、より要素的な知識表現エンティティにトークン化又は分離することができる。「その(the)」や「及び(and)」等のストップワード(stop word)は、除外又は無視することができる。例えば、ユーザの検索クエリの英数字の文字列が、「BPの取締役会(The BP Board of Directors)」である場合に、このクエリは次のエンティティにトークン化される、「取締役会(Board of Directors)」、「BP役員会(BP Board)」、「BP取締役(BP Directors)」、「BP」、「役員会(Board)」、「取締役(directors)」等である。なお、他の多くの技術は、ユーザコンテキスト情報の関連部分を、セマンティック解析方法を含む知識表現エンティティに分離するように適用することができることを認識すべきであり、このような手法は、2011年6月21日に出願された、”Systems and Methods for Analyzing and Synthesizing Complex Knowledge Representations”という表題の米国特許仮出願第13/165,423号明細書に記載されており、この文献は、参照により本明細書に組み込まれる。
Again, consider decision block 302 of
プロセス300は、動作310で導出されたKRエンティティをカバーする知識表現内の概念が識別されるように、動作312に進む。これは、任意の適切な方法で行うことができ、例えば、一致があるかどうかを確認するために、KRエンティティの各々をKR内の概念と比較することによって行うことができる。いくつかの実施形態では、KRエンティティに関連付けられた文字列は、KR内の概念のラベルと比較することができる。例えば、それぞれ「取締役会(Board of Directors)」、「役員会(Board)」とラベル付けされた概念402及び406を含む、図4Aに示すセマンティック・ネットワーク401を検討する。概念402及び406は、「〜によって規定される(defined-by)」エッジ404によって接続されている。明示的に示されていないが、「取締役会(Board of Directors)」とラベル付けされている概念に関連付けられたノードは、「〜によって規定される(defined-by)」エッジを介して「取締役(Directors)」とラベル付けされた概念に関連付けられたノードに接続することもできる。従って、セマンティック・ネットワーク401に存在するノードは、KRエンティティ「取締役会(Board of Directors)」、「取締役(Directors)」、及び「役員会(Board)」をカバーする。これらのKRエンティティは、プロセス300の動作310において英数字文字列「BPの取締役会(BP Board of Directors)」から導出されることに注意されたい。セマンティック・ネットワーク401は、「BPの取締役会(BP Board of Directors)」のラベルの付いた概念を含まないことに注意されたい。
プロセス300は、次に、ユーザコンテキスト情報の関連部分に対応するアクティブ概念が生成され、その後、このアクティブ概念を含むユーザ固有の知識表現を構築するために使用することができるように、動作314〜318に進む。最初に、動作314において、ユーザコンテキスト情報の関連部分に関連付けられたアクティブ概念が生成される。これは、任意の適切な方法で行うことができる。例えば、新しいノードは、知識表現に加えることができ、ユーザコンテキスト情報の関連部分と関連付けることができる。このように、ノードに、ユーザコンテキスト情報の関連部分を含む識別子(すなわち、概念ラベル)を割り当てることができる。例えば、図4Bに示されるように、生成されたアクティブ概念に関連付けられるとともに、「BPの取締役会(BP Board of Directors)」とラベル付けされたノード408は、セマンティック・ネットワーク403を形成するために、セマンティック・ネットワーク401に追加される。セマンティック・ネットワークのこの図及びその他の図において、アクティブ概念に対応するノードは、矩形によって示すことができる。
次に、動作316の一部として、新しいノードは、1つ以上の新たなエッジによって知識表現内に既に存在する1つ以上の概念に接続することができる。生成されたアクティブ概念を表す新しいノードは、知識表現内の任意の適切な概念に接続することができ、例えば、ユーザコンテキスト情報の関連部分から導出される知識表現エンティティをカバーするような知識表現内の1つ以上の概念に接続することができる。従って、「BPの取締役会(BP Board of Directors)」の例において、ノード408は、「取締役会(Board of Directors)」の概念に関連付けられたノードに、「役員会(Board)」の概念に関連付けられたノードに、及び/又は「取締役(Directors)」の概念に関連付けられたノードに接続される。
Then, as part of
いくつかの実施形態では、新しいノードは、動作310において導出されたKRエンティティをカバーするような最も複雑な概念に関連付けられたノードに接続することもできる。概念の複雑さは、多数の方法のいずれかによって規定することができる。概念の複雑さは、「〜によって規定される(defined-by)」の概念である他の概念の数の指標であり、「〜によって規定される(defined-by)」の概念の数が多くなるほど、概念の複雑さはより増すことになる。従って、概念の複雑さは、その概念に対応するノードから外向きの「〜によって規定される(defined-by)」エッジの数に比例させることができる。セマンティック・ネットワーク401において、例えば、「取締役会(Board of Directors)」の概念は、「役員会(Board)」の概念よりもより複雑さを増している。別の例として、概念の複雑さは、概念のラベル内の単語の数で示すことができ、単語の数が多くなるほど、その複雑さはより増すことになる。従って、概念の複雑さは、概念ラベル内の単語の数に比例することになる。この場合では、概念「取締役会(Board of Directors)」は、「役員会(Board)」の概念よりもより複雑さを増している。従って、「BPの取締役会(BP Board of Directors)」の概念に関連付けられたノード408は、セマンティック・ネットワーク405において、新たな「〜によって規定される(defined-By)」エッジ410によって「取締役会(Board of Directors)」の概念に対応するノード402に接続される。
In some embodiments, the new node may also connect to the node associated with the most complex concept that covers the KR entity derived in
最後に、動作318において、知識表現は、この知識表現が、動作310において、ユーザコンテキスト情報の関連部分から導出されるKRエンティティの全てをカバーするような概念を含むようにさらに増大(拡張)させることができる。この目的を達成するために、新しいノードは、動作310で導出された各KRエンティティについての知識表現に追加することができるが、知識表現内に既存の概念によってカバーされていない。そのような各新しいノードは、知識表現内に存在する1つ以上の概念に接続することができ、及び、例えば「〜によって規定される(defined-by)」エッジを介して、生成されたアクティブ概念に関連付けられた概念に接続することができる。例えば、キーワード「BP」は、新たな概念「BPの取締役会(BP Board of Directors)」から導出されたが、セマンティック・ネットワーク401又は403における概念のいずれによってもカバーされていない。こうして、図4Cに示されるように、概念「BP」に関連付けられているノード416は、動作318において知識表現に追加してもよく、及び「〜によって規定される(defined-by)」エッジ414を介して、アクティブ概念に関連付けられたノード408に接続されてもよい。
Finally, at
このようにして、動作314〜318が実行された後に、新たなユーザ固有の知識表現が形成される。この形成された知識表現は、この形成された表現が、1人以上のユーザに関連付けられたユーザコンテキスト情報から導出された1つ以上の概念と、動作302において使用された知識表現とを含むので、ユーザに固有なものになる。図4A〜4Cの例において、セマンティック・ネットワーク405は、2つの概念(すなわち、ユーザコンテキスト情報から取得された「BP」と「BPの取締役会(BP Board of Directors)」と)をセマンティック・ネットワーク401に組み込むことによって形成される。しかし、図4A〜4Cの例は、単に例示であり、本発明の態様を限定するものではないことを認識されたい。次に、プロセス300は、動作314〜318で生成されたアクティブ概念が、後続の処理のために提供され、動作320の後で、プロセス300が完了するように、動作320に進む。
In this way, a new user-specific knowledge representation is formed after operations 314-318 are performed. The formed knowledge representation includes the one or more concepts derived from user context information associated with one or more users and the knowledge representation used in
なお、ユーザ固有の知識表現が形成された後に、その形成された知識表現は、その後1人以上のユーザに関連付けられる任意の処理において使用されるために格納されてもよいことを理解されたい。例えば、ユーザ固有の知識表現が使用されてもよく、及び/又は常に更新されたプロセス100又は300が、ユーザ(複数可)に関連して実行されてもよい。ユーザ固有の知識表現は、任意の適切な方法で格納することができ、例えば、任意の適切なタイプの1つ以上の非一時的な、有形のコンピュータ可読記憶媒体を使用して格納することができる。
It should be understood that after a user specific knowledge representation is formed, the formed knowledge representation may then be stored for use in any process associated with one or more users. For example, user specific knowledge representations may be used and / or constantly updated
III.アクティブ概念に関連する概念の識別
上述したように、プロセス100の動作106において、アクティブ概念に関連する1つ以上の概念は、アクティブ概念を含む知識表現を使用することによって取得することができる。知識表現は、任意の適切な知識表現とすることができ、いくつかの例では、コンテキスト情報がプロセス100の動作102で取得されるそのユーザ(複数可)に関連付けられたユーザ固有の知識表現とすることができる。アクティブ概念は、知識表現内の任意の適当な概念とすることができ、例えば、プロセス300を使用して、又は任意の他の適切な方法でユーザコンテキスト情報に少なくとも部分的に基づいて識別することができる。
III. Identifying Concepts Associated with Active Concepts As described above, in
いくつかの実施形態では、アクティブ概念に関連する1つ以上の概念は、アクティブ概念を含む知識表現の構造に少なくとも部分的に基づいて取得することができる。例えば、知識表現がセマンティック・ネットワークであるときに、アクティブ概念に関連する1つ以上の概念は、セマンティック・ネットワークを表すグラフの構造に少なくとも部分的に基づいて取得することができる。グラフ構造の多数の態様のいずれかは、概念同士の間のセマンティックな関係を表すエッジの方向性と、このセマンティック関係が、「〜によって規定される(defined-by)」関係又は「〜である(is-a)」関係かどうかとを含むが、これらに限定されるものではない。追加的に又は代替的に、グラフの構造は、最初にセマンティック・ネットワーク中に存在しないような、アクティブ概念に関連する1つ以上の新しい概念を合成するために使用されてもよい。この場合には、合成された概念のいずれかは、セマンティック・ネットワークを増大(拡張)させるために利用されてもよい。 In some embodiments, one or more concepts associated with the active concept may be obtained based at least in part on the structure of the knowledge representation that includes the active concept. For example, when the knowledge representation is a semantic network, one or more concepts associated with the active concept can be obtained based at least in part on the structure of the graph representing the semantic network. Any of a number of aspects of the graph structure is the directionality of the edges representing the semantic relationship between concepts, and this semantic relationship is a "defined-by" relationship or "- (is-a) "relationship or not. Additionally or alternatively, the structure of the graph may be used to synthesize one or more new concepts related to the active concept that do not initially exist in the semantic network. In this case, any of the synthesized concepts may be used to augment (extend) the semantic network.
アクティブ概念を含むセマンティック・ネットワークのグラフ構造に基づいて、アクティブ概念に関連する概念を取得するための多数の手法のいずれかが、プロセス100の動作106において使用されてもよい。いくつかの実施形態では、アクティブ概念に関連する概念は、セマンティック・ネットワークのグラフ構造に対して1つ以上の種類の操作を実行することにより取得されてもよい。そのような3つの操作、すなわち、(1)検索操作、(2)加法操作、(3)置換操作を、以下でより詳細に説明する。これらの3つの操作は、単に例示であるが、セマンティック・ネットワークのグラフ構造に少なくとも部分的に基づいて、アクティブ概念に関連する概念を識別するための任意の他の適切な操作を、使用してもよい。簡潔にするために、以下の操作の説明において、明示的な区別は、概念を表すために使用されるグラフのノードと概念それ自体との間で行われていない。このようにして、2つの概念同士の間のエッジは、これら2つの概念を表すために使用されるセマンティック・グラフ内のノード同士間のエッジに対応する。
Any of a number of techniques for obtaining a concept related to the active concept based on the graph structure of the semantic network that includes the active concept may be used in
検索操作は、アクティブ概念に関連するセマンティック・ネットワーク内の概念を識別するために使用されてもよい。いくつかの実施形態では、検索操作は、アクティブ概念が識別及び/又は生成される前に、セマンティック・ネットワーク内で表されていた概念を識別するために使用されてもよい。しかし、他の実施形態では、検索操作は、アクティブ概念が(例えば、プロセス300の動作318において)生成されたときに、セマンティック・ネットワークに追加された概念を識別するために使用されてもよい。
A search operation may be used to identify a concept in the semantic network associated with the active concept. In some embodiments, the search operation may be used to identify concepts that were represented in the semantic network before the active concepts are identified and / or generated. However, in other embodiments, the search operation may be used to identify concepts that have been added to the semantic network when an active concept is generated (eg, at
いくつかの実施形態では、検索操作は、任意の適切なタイプの及び/又は方向の1つ以上のエッジによって、アクティブ概念に関連するある概念としてアクティブ概念に接続される概念を識別することができる。例えば、検索操作は、1つ以上の「〜である(is-a)」エッジによって、アクティブ概念に関連するある概念としてアクティブ概念に接続される概念を識別することができる。具体的な例として、検索操作は、アクティブ概念に向かう外向きの「〜である(is-a)」エッジを有する概念、又はアクティブ概念に関連するある概念としてアクティブ概念からの内向きの「〜である(is-a)」エッジを有する概念を識別することができる。 In some embodiments, the search operation can identify a concept that is connected to the active concept as one concept related to the active concept by one or more edges of any suitable type and / or direction. . For example, a search operation may identify a concept that is connected to an active concept as a concept related to the active concept by one or more “is-a” edges. As a specific example, the search operation may be a concept that has an outward “is-a” edge towards the active concept, or an inward “˜” from the active concept as a concept related to the active concept. Concepts with “is-a” edges can be identified.
検索操作の簡単な例が図5Aに示されており、この図には、アクティブ概念「プレス(press)」(概念「プレス(press)」がアクティブであり、ここでは矩形で示されている)と別の概念「プッシュプレス(push press)」とを含むセマンティック・ネットワークが示されている。概念「プッシュプレス(push press)」は、外向きの「〜である(is-a)」関係を介してアクティブ概念に接続されている。従って、検索操作は、アクティブ概念に関連する概念として概念「プッシュプレス(push press)」を識別するように使用することができる。図5A〜5Hにおいて、アクティブ概念に関連する(複数の)概念として識別された(複数の)概念は、ひし形によって示されていることに注意されたい。 A simple example of a search operation is shown in FIG. 5A, where the active concept “press” (concept “press” is active, here shown as a rectangle) And a semantic network including another concept "push press". The concept “push press” is connected to the active concept via an outward “is-a” relationship. Thus, the search operation can be used to identify the concept “push press” as a concept related to the active concept. Note that in FIGS. 5A-5H, the concept (s) identified as the concept (s) associated with the active concept are indicated by diamonds.
セマンティック・ネットワーク内の既存の概念の中のアクティブ概念に関連する概念を取得するために使用されるような検索操作とは対照的に、以下に説明される加法操作及び置換操作は、アクティブ概念とセマンティック・ネットワーク内の概念とに少なくとも部分的に基づいて新しい概念を合成することによって、アクティブ概念に関連する概念を取得するために使用することができる。5B〜5Hにおいて、新しい概念を合成するためにアクティブ概念に追加される概念は、六角形で示されていることに注意されたい。 In contrast to search operations such as those used to obtain concepts related to active concepts among existing concepts in the semantic network, the add and replace operations described below are active concepts and By combining new concepts based at least in part on the concepts in the semantic network, they can be used to obtain concepts related to the active concepts. Note that in 5B-5H, the concept added to the active concept to synthesize a new concept is shown as a hexagon.
加法操作は、アクティブ概念とセマンティック・ネットワーク内の少なくとも1つの他の概念とを使用して新しい概念を合成して、アクティブ概念に関連する概念として新しい概念を返すことができる。この新しい概念は、(1)属性の共規定(co-define)、(2)親類推(analogy-by-parent)、(3)兄弟類推(analogy-by-sibling)、(4)属性の共通性又はこれらの任意の適切な組み合わせ:を少なくとも含む多数の手法のいずれかを使用して合成することができる。 The additive operation can combine the new concept using the active concept and at least one other concept in the semantic network and return the new concept as a concept related to the active concept. This new concept consists of (1) co-definition of attributes, (2) analogy-by-parent, (3) analogy-by-sibling, and (4) common attributes. Or any suitable combination thereof can be synthesized using any of a number of approaches.
いくつかの実施形態では、加法操作は、属性の共規定手法を用いて新しい概念を合成するために使用することができる。セマンティック・ネットワーク内の第1の概念は、第1の概念が、第2の概念を規定する場合に、セマンティック・ネットワーク内の第2の概念の属性となる。これは、第2の概念から第1の概念への外向きの「〜によって規定される(defined-by)」エッジが存在する場合に、セマンティック・ネットワークを示すグラフから確定される。例えば、図5Bに示されるように、概念「ベンチ(bench)」、「プレス(press)」、及び「セット(sets)」は、概念「ベンチプレスセット(bench press sets)」の属性であり、概念「プレス(press)」、「セット(sets)」は、概念「プレスセット(press sets)」の属性である。アクティブ概念が、第1の概念の属性であり(すなわち、外向きの「〜によって規定される(defined-by)」エッジを介して第1の概念に接続される)、且つ第1の概念が、属性として1つ以上の他の概念を有している場合に、アクティブ概念と他の概念(複数可)とは、第1の概念を共規定する(co-define)と考えることができる。例えば、図5Bにおいて、「プレス(press)」は、アクティブ概念であり、概念「プレス(press)」、「ベンチ(bench)」、「セット(sets)」は、概念「ベンチプレスセット(bench press sets)」を共規定する。 In some embodiments, additive operations can be used to synthesize new concepts using attribute co-definition techniques. The first concept in the semantic network becomes an attribute of the second concept in the semantic network when the first concept defines the second concept. This is determined from the graph showing the semantic network when there is an outward "defined-by" edge from the second concept to the first concept. For example, as shown in FIG. 5B, the concepts “bench”, “press”, and “sets” are attributes of the concept “bench press sets”; The concepts “press” and “sets” are attributes of the concept “press sets”. The active concept is an attribute of the first concept (ie, connected to the first concept via an outwardly defined “by-defined” edge), and the first concept is In the case of having one or more other concepts as attributes, the active concept and the other concept (s) can be considered as co-defining the first concept. For example, in FIG. 5B, “press” is the active concept, and the concepts “press”, “bench”, and “sets” are the concepts “bench press set”. sets) ”.
属性の共規定手法において、新たな概念は、アクティブ概念を、このアクティブ概念を含むある概念を共規定するような他の概念のいずれかと組み合わせることによって合成することができる。例えば、図5Bに示されるように、概念「プレスセット(press sets)」は、「プレス(press)」と「セット(sets)」とを組み合わせることにより合成することができる。別の例(図5Bに図示せず)として、概念「ベンチプレス(bench press)」は、「プレス(press)」と「ベンチ(bench)」とを組み合わせることによって合成することができる。 In an attribute co-definition approach, a new concept can be synthesized by combining the active concept with any of the other concepts that co-define one concept that contains the active concept. For example, as shown in FIG. 5B, the concept “press sets” can be synthesized by combining “press” and “sets”. As another example (not shown in FIG. 5B), the concept “bench press” can be synthesized by combining “press” and “bench”.
いくつかの実施形態では、加法操作は、親類推手法を用いることによって新しい概念を合成するために使用することができる。セマンティック・ネットワークにおいて、第2の概念に対して外向きの「〜である(is-a)」エッジを有する第1の概念は、第2の概念からなる子概念として見なすことができる。別の言い方をすれば、第2の概念は、第1の概念の親概念であると見なすことができる。例えば、図5Cにおいて、概念「座席(seat)」は、アクティブ概念「リクライニングチェア(recliner)」の親概念である。親類推手法は、ある概念を親のアクティブ概念で共規定する属性がアクティブ概念に関連するような考えによって動機付けされている。より明確な言い方をすれば、親に関連する何か(概念)は、子に関連してもよい。 In some embodiments, additive operations can be used to synthesize new concepts by using relative analogy techniques. In a semantic network, a first concept that has an outwardly “is-a” edge relative to the second concept can be viewed as a child concept consisting of the second concept. In other words, the second concept can be regarded as the parent concept of the first concept. For example, in FIG. 5C, the concept “seat” is the parent concept of the active concept “recliner”. The relative analogy method is motivated by the idea that an attribute that co-defines a concept with the parent active concept is related to the active concept. To put it more clearly, something (concept) related to a parent may relate to a child.
従って、親類推手法において、新しい概念は、親のアクティブ概念と一緒に、第3の概念を共規定(又は部分的に共規定)するように、アクティブ概念と任意の第2の概念とを使用することによって合成することができる。例えば、図5Cにおいて、「リクライニングチェア(recliner)」の親概念である概念「座席(seat)」と、「トイレ(toilet)」とが一緒に、概念「便座(toilet seat)」を共規定する。このようにして、概念「トイレ(toilet)」が、別の概念を(親のアクティブ概念で)共規定し、そうして、親のアクティブ概念に関連するとみなすことができる。従って、アクティブ概念「リクライニングチェア(recliner)」と概念「トイレ(toilet)」とが、新しい概念「リクライニング付きトイレ(recliner toilet)」を合成するために使用することができる。 Thus, in the relative analogy method, the new concept uses the active concept and any second concept to co-define (or partially co-define) the third concept along with the parent active concept. Can be synthesized. For example, in FIG. 5C, the concept “seat” which is the parent concept of “recliner” and “toilet” together define the concept “toilet seat”. . In this way, the concept “toilet” can co-define another concept (with the parent's active concept) and thus be considered related to the parent's active concept. Thus, the active concept “recliner” and the concept “toilet” can be used to synthesize a new concept “recliner toilet”.
いくつかの実施形態では、加法操作は、兄弟類推手法を用いることによって新しい概念を合成するために使用することができる。セマンティック・ネットワークにおいて、共通の(親)概念において終端する外向的の「〜である(is-a)」エッジを有する任意の2つの概念は、互いに兄弟概念と見なされてもよい。例えば、図5Dにおいて、概念「椅子(chair)」と「リクライニングチェア(recliner)」とは、兄弟概念として見なされてもよい。親類推手法は、ある概念を兄弟関係のアクティブ概念で共規定する属性がアクティブ概念に関連するというような考えによって動機付けられている。より明確な言い方をすれば、1つの兄弟に関連する何か(概念)は、別の兄弟へ関連することがある。 In some embodiments, additive operations can be used to synthesize new concepts by using sibling analogy techniques. In a semantic network, any two concepts that have outgoing “is-a” edges that terminate in a common (parent) concept may be considered sibling concepts. For example, in FIG. 5D, the concepts “chair” and “recliner” may be considered as sibling concepts. Relative reasoning is motivated by the idea that attributes that co-define a concept with an active concept of siblings are related to the active concept. To put it more clearly, something (concept) related to one sibling may be related to another sibling.
従って、親類推手法では、新たな概念は、兄弟関係のアクティブ概念と一緒に、第3の概念を共規定(又は部分的に共規定)するように、アクティブ概念と任意の第2の概念とを使用することによって合成することができる。例えば、図5Dにおいて、アクティブ概念「リクライニングチェア(recliner)」と兄弟関係である概念「椅子(chair)」と、「マッサージ(massage)」とが一緒に、概念「マッサージチェア(massage chair)」を共規定する。このようにして、概念「マッサージ(massage)」が、別の概念を(兄弟関係の概念で)共規定し、そうして、兄弟関係の概念「椅子(chair)」に関連するとみなすことができる。従って、アクティブ概念「リクライニングチェア(recliner)」と概念「マッサージ(massage)」とが、新しい概念「マッサージ付きリクライニングチェア(massage recliner)」を合成するために用いることができる。 Thus, in the relative reasoning method, the new concept can be combined with the active concept of the sibling relationship, along with the active concept and any second concept, so as to co-define (or partially co-define) the third concept. Can be synthesized. For example, in FIG. 5D, the active concept “recliner” and the sibling concept “chair” and “massage” are combined together to create the concept “massage chair”. Co-regulate. In this way, the concept “massage” co-defines another concept (with the concept of siblings), and thus can be regarded as related to the sibling concept “chair”. . Thus, the active concept “recliner” and the concept “massage” can be used to synthesize a new concept “massage recliner”.
用語「親」及び「兄弟」は、上述した操作のいくつかの背後の洞察力を提供するために使用され、且ついくつかの実施形態では、そのようなアトミック(原子のような核をなす)知識表現モデルのような概念は、文字通りの「親」と「兄弟」関係を含まないことがあることを認識すべきである。用語「兄弟」と「親」とは、複雑な知識表現内に分類学構造を提案する。対照的に、いくつかの実施形態では、アトミック知識表現モデルは、「〜である(is-a)」関係と「〜によって規定される(defined-by)」関係のみを含むことができる。 The terms “parent” and “sibling” are used to provide insight behind some of the operations described above, and in some embodiments, such atomics (which form an atomic nucleus). It should be recognized that concepts such as knowledge representation models may not include literal “parent” and “sibling” relationships. The terms “siblings” and “parents” propose taxonomic structures within complex knowledge representations. In contrast, in some embodiments, an atomic knowledge representation model can include only “is-a” and “defined-by” relationships.
いくつかの実施形態では、加法操作は、属性の共通性手法を用いることによって新しい概念を合成するために使用することができる。セマンティック・ネットワークにおいて、(複数の)概念が互いに1つ以上の属性を共有する場合には、2つの概念は、「属性の共通性」を示すと考えることができる。例えば、図5Eに示されるように、概念「マッサージチェア(massage chair)」と「指圧療法マッサージチェア(shiatsu therapy massage chair)」とは、属性「マッサージ(massage)」と「椅子(chair)」とを共有しており、且つ、そのように、属性の共通性を示すと考えることができる。属性の共通性手法は、第1の概念が第2の概念と1つ以上の属性を共有する場合に、次に、第2の概念の他の任意の属性が第1の概念に関連するような考えによって動機付けられている。 In some embodiments, additive operations can be used to synthesize new concepts by using attribute commonality techniques. In a semantic network, if the concept (s) share one or more attributes with each other, the two concepts can be considered to indicate “attribute commonality”. For example, as shown in FIG. 5E, the concepts “massage chair” and “shiatsu therapy massage chair” are attribute “massage” and “chair”. Can be considered to show the commonality of attributes. The attribute commonality technique is such that if the first concept shares one or more attributes with the second concept, then any other attribute of the second concept is related to the first concept. Motivated by thoughts.
従って、属性の共通性手法において、新たな概念は、アクティブ概念と、このアクティブ概念と1つ以上の属性を共有する第2の概念の任意の属性とを使用することにより合成することができる。例えば、図5Eに示されるように、アクティブ概念「マッサージチェア(massage chair)」と、この「マッサージチェア(massage chair)」と属性の共通性を有する概念「指圧療法マッサージチェア(shiatsu therapy massage chair)」の属性である「指圧(shiatsu)」とは、新しい概念「指圧マッサージチェア(shiatsu massage chair)」を合成するために使用されてもよい。別の例として、図5Eには示されていないが、アクティブ概念「マッサージチェア(massage chair)」と「療法(therapy)」とは、新しい概念「マッサージ療法チェア(massage therapy chair)」を合成するために使用されてもよい。 Thus, in the attribute commonality approach, a new concept can be synthesized by using the active concept and any attribute of the second concept that shares one or more attributes with the active concept. For example, as shown in FIG. 5E, the active concept “massage chair” and the concept “shiatsu therapy massage chair” which has a common attribute with this “massage chair”. The “shiatsu” attribute, which may be used to synthesize a new concept “shiatsu massage chair”. As another example, although not shown in FIG. 5E, the active concepts “massage chair” and “therapy” synthesize a new concept “massage therapy chair”. May be used for
いくつかの実施形態では、属性の共通性手法は、アクティブ概念と、少なくとも1つの「〜である(is-a)」ブリッジを使用して識別される別の概念とを使用することによって、新しい概念を生成することを含んでもよい。セマンティック・ネットワークにおいて、2つの概念は、それら2つの概念が両方とも、共通(親)概念で終端する外向きの「〜である(is-a)」エッジを共有する場合に、「〜である(is-a)」ブリッジを介して接続される。例えば、図5Fにおいて、概念「ヨガ(yoga)」と「重量挙げ(weightlifting)」とは、「〜である(is-a)」ブリッジを介して概念「運動(exercise)」に接続されている。また、概念「マット(mat)」と「ベンチ(bench)」とが、「〜である(is-a)」ブリッジを介して概念「家具(furniture)」に接続されている。 In some embodiments, the attribute commonality approach is new by using an active concept and another concept identified using at least one “is-a” bridge. It may include generating a concept. In a semantic network, two concepts are "~" if they both share an outward "is-a" edge that terminates in a common (parent) concept. (is-a) "connected via a bridge. For example, in FIG. 5F, the concepts “yoga” and “weightlifting” are connected to the concept “exercise” via a “is-a” bridge. Also, the concepts “mat” and “bench” are connected to the concept “furniture” via the “is-a” bridge.
属性の共通性手法では、新しい概念は、アクティブ概念と、「〜である(is-a)」ブリッジを介してアクティブ概念のある属性に接続された属性を有する第2の概念とを使用して合成されてもよい。いくつかの例では、新しい概念は、アクティブ概念と、「〜である(is-a)」ブリッジを介してアクティブ概念のある属性に接続されていない第2の概念の任意の属性とを使用して合成されてもよい。例えば、図5Fに示されるように、アクティブ概念「ヨガマット(yoga mat)」は、その属性として「ヨガ(yoga)」と「マット(mat)」とを有している。これらの属性の各々は、概念「吸汗性の重量挙げベンチ(sweat-absorbent weightlifting bench)」の属性に接続されている。従って、アクティブ概念「ヨガマット(yoga mat)」と属性「吸汗性(sweat-absorbent)」とは、新しい概念「吸汗性ヨガマット(sweat-absorbent yoga mat)」を合成するために用いることができる。 In the attribute commonality approach, the new concept uses an active concept and a second concept that has an attribute connected to an attribute of the active concept via an “is-a” bridge. It may be synthesized. In some examples, the new concept uses the active concept and any attribute of the second concept that is not connected to an attribute of the active concept via an “is-a” bridge. May be synthesized. For example, as shown in FIG. 5F, the active concept “yoga mat” has “yoga” and “mat” as its attributes. Each of these attributes is connected to an attribute of the concept “sweat-absorbent weightlifting bench”. Thus, the active concept “yoga mat” and the attribute “sweat-absorbent” can be used to synthesize a new concept “sweat-absorbent yoga mat”.
加法操作を行うための上述した手法は、アクティブ概念を別の概念と組み合わせることによって、アクティブ概念に関連するような概念として、新しい概念を合成することを含む。その結果、合成された概念は、アクティブ概念よりも未だ一般的となっていない又は「より狭い」概念となり得る。しかしながら、アクティブ概念に関連する概念は、アクティブ概念よりも一般的となっている必要があり、実際のところ、アクティブ概念よりもより一般的な又は「より広範な」概念であってもよいことを認識されたい。 The above-described approach for performing additive operations involves combining a new concept as a concept related to the active concept by combining the active concept with another concept. As a result, the synthesized concept can be a less general or “narrower” concept than the active concept. However, the concept related to the active concept needs to be more general than the active concept, and in fact it may be a more general or “broader” concept than the active concept. I want to be recognized.
従って、いくつかの実施態様において、アクティブ概念の1つ以上の属性は、アクティブ概念よりもより一般的であるような候補を生成するためにプルーニング(prune:余分なものを取り除く)されてもよい。これは、任意の適切な方法で行うことができる。例として、属性は、「逆」加法操作を実行することによってプルーニングされてもよく、ここで、アクティブ概念の属性は、上述した手法のいずれかに従って、属性が、プルーニングの結果「より広範な」概念と組み合わせられた場合に、取り除かれる。例えば、図5Eに示されるセマンティック・ネットワークにおいて、概念「指圧マッサージチェア(shiatsu massage chair)」が、アクティブ概念であって、且つ概念「マッサージチェア(massage chair)」が、ネットワーク内に存在しなかった場合に、次に、概念「マッサージチェア(massage chair)」は、属性「指圧(shiatsu)」をプルーニングすることによって形成することができる。いくつかの実施形態では、任意の好適な属性は、得られた概念がセマンティック・ネットワーク内に存在しない限り、プルーニングされてもよい。例えば、属性「マッサージ(massage)」は、概念「指圧チェア(shiatsu chair)」を得るためにプルーニングされることがある。 Thus, in some embodiments, one or more attributes of the active concept may be pruned to generate candidates that are more general than the active concept. . This can be done in any suitable way. As an example, an attribute may be pruned by performing an “inverse” additive operation, where the attribute of the active concept is “broader” as a result of pruning, according to any of the techniques described above. Removed when combined with a concept. For example, in the semantic network shown in FIG. 5E, the concept “shiatsu massage chair” was the active concept and the concept “massage chair” did not exist in the network. In some cases, the concept “massage chair” can then be formed by pruning the attribute “shiatsu”. In some embodiments, any suitable attribute may be pruned as long as the resulting concept does not exist in the semantic network. For example, the attribute “massage” may be pruned to obtain the concept “shiatsu chair”.
アクティブ概念に関連する1つ以上の概念を取得するために使用される別の操作は、置換操作である。置換操作は、アクティブ概念の1つ以上の属性を別の概念に置換することによって、新たな概念を合成するために使用され、その新たな概念は、置換前の属性よりも広い又は狭い概念であってもよい。置換を実行するには、検索操作又は加法操作のどちらかが、アクティブ概念の1つ以上の属性上で実行されてもよい。アクティブ概念の特定の属性上で実行されたときに、検索操作又は加法操作によって識別され又は生成された概念は、新しい概念を合成するために特定の属性を置換するように使用することができる。 Another operation used to obtain one or more concepts associated with an active concept is a replacement operation. A replace operation is used to synthesize a new concept by replacing one or more attributes of the active concept with another concept, which is a wider or narrower concept than the pre-replacement attribute. There may be. To perform the replacement, either a search operation or an additive operation may be performed on one or more attributes of the active concept. When executed on specific attributes of an active concept, concepts identified or generated by search or additive operations can be used to replace specific attributes to synthesize new concepts.
例えば、図5Gに示されるセマンティック・ネットワークが、属性「厳しい(strict)」と「プレス(press)」とを含むアクティブ概念「厳しいプレス(strict press)」を含むことを検討してみる。図5Aを参照して前述したように、属性「プレス(press)」上で実行された検索操作が、(より狭い)概念「プッシュプレス(push press)」を識別するために使用することができる。置換手法によれば、このより狭い概念(「プッシュプレス(push press)」)は、新しい概念を合成するためにアクティブ概念(より狭い概念が導出された属性以外)の任意の属性又は複数の属性と組み合わせることができる。このようにして、概念「厳しいプッシュプレス(strict push press)」を合成してもよい。同様にして、検索操作を用いる置換は、その属性よりも広範な概念を有するアクティブ概念の属性を置換するように実行されてもよい。 For example, consider that the semantic network shown in FIG. 5G includes an active concept “strict press” that includes the attributes “strict” and “press”. As described above with reference to FIG. 5A, a search operation performed on the attribute “press” can be used to identify the (narrower) concept “push press”. . According to the replacement method, this narrower concept (“push press”) is an attribute or attributes of the active concept (other than the attribute from which the narrower concept was derived) to synthesize a new concept. Can be combined. In this way, the concept “strict push press” may be synthesized. Similarly, replacement using a search operation may be performed to replace an attribute of an active concept that has a broader concept than that attribute.
図5Hは、属性の共規定手法に基づいて、加法操作を使用することによって置換操作を実行することを例示する。この例において、属性の共規定手法をアクティブ概念「プッシュプレス(push press)」の属性「プレス(press)」に適用することによって、図5Bを参照して前述したような概念「プレスセット(press sets)」を生じさせる。従って、概念「プレスセット(press sets)」は、新しい概念「プッシュプレスセット(push press sets)」を合成するために、概念「プッシュプレス(push press)」の属性「プレス(press)」を置換するように用いることができる。 FIG. 5H illustrates performing a replacement operation by using an additive operation based on the attribute co-definition approach. In this example, by applying the attribute co-regulation technique to the attribute “press” of the active concept “push press”, the concept “press set” as described above with reference to FIG. sets) ”. Thus, the concept “press sets” replaces the attribute “press” of the concept “push press” to synthesize the new concept “push press sets”. Can be used to
同じ脈絡において、任意の他のタイプの加法操作(例えば、親類推、兄弟類推、及び属性の共通性)をアクティブ概念の1つ以上の属性上で使用する置換操作が、アクティブ概念に関連する1つ以上の概念を合成するために使用されてもよい。 In the same context, replacement operations that use any other type of additive operation (eg, relative analogy, sibling analogy, and attribute commonality) on one or more attributes of the active concept are related to the active concept. It may be used to synthesize more than one concept.
IV.関連する測定や複数の測定を使用して識別された概念(複数可)をスコアリング及び選択する
アクティブ概念に関連する1つ以上の概念が、動作106において取得された後に、プロセス100は、取得された概念がスコアリングされ、且つ概念のサブセットがこの計算されたスコアに基づいて後続の使用のために選択されるように、動作108進む。動作106で取得された概念に関連するスコアは、多数の方法のいずれかで計算することができる。いくつかの実施形態では、スコアは、スコアリングされる概念がアクティブ概念にどの様に関連するかを示す1つ以上の関連する測定を使用することによって取得されてもよい。関連する測定は、スコアリングすべき概念とアクティブ概念とを含むセマンティック・ネットワークを表すようなグラフの構造に少なくとも部分的に基づいて計算される。
IV. Scoring and selecting the identified concept (s) using related measurements or multiple measurements After one or more concepts related to the active concept are acquired in
関連性の5つの測定法は、いくつかの変形形態とともに以下により詳細に説明される:すなわち、(1)生成確実性(generation certainty)、(2)概念の生産性(concept productivity)、(3)ジャカール(Jaccard)、(4)統計的コヒーレンス、及び(5)コサイン類似度である。これらの手法は、単なる例示であり、スコアを概念に割り当てるための任意の他の適切な手法が使用されてもよいことを認識されたい。以下でより詳細に説明されるように、例えば、上述した手法のいずれかは、動作106において取得された概念について統合されたスコアを計算するために組み合わせることができる。
The five measures of relevance are described in more detail below with some variations: (1) generation certainty, (2) concept productivity, (3 ) Jaccard, (4) statistical coherence, and (5) cosine similarity. It should be appreciated that these techniques are merely exemplary and any other suitable technique for assigning scores to concepts may be used. As described in more detail below, for example, any of the techniques described above can be combined to calculate an integrated score for the concepts obtained in
IV.A 生成確実性手法
生成確実性手法において、概念のスコアは、概念を含むセマンティック・ネットワークの構造に少なくとも部分的に基づいて計算することができる。プロセス100の動作106において取得された概念のいずれかが、セマンティック・ネットワーク内に存在し、又はそれら概念が合成された後で、セマンティック・ネットワークに追加されることを思い出して下さい。特定の概念について計算された生成確実性スコアは、セマンティック・ネットワークの構造、並びにセマンティック・ネットワーク内の特定の概念の位置及びアクティブ概念に依存してもよい。スコアは、アクティブ概念と特定の概念との経路内のエッジの数、アクティブ概念と特定の概念との間の経路内のノードの数、アクティブ概念と特定の概念との間の経路内のエッジのタイプ、アクティブ概念と特定の概念との間の経路内のノードのタイプ、アクティブ概念と特定の概念との間の経路内のエッジの方向性、アクティブ概念と特定の概念との間の経路内のエッジに関連付けられる任意の重み付け、及びそれらの任意の好適な組み合わせを含むが、これらに限定されないようなセマンティック・ネットワークの構造の多数の態様のいずれかに依存する。セマンティック・ネットワークを表すグラフ構造が、アクティブ概念とスコアリングすべき概念との間に1つ以上の経路が存在してもよいことを認識されたい。
IV. A Generation certainty method In the certainty method, the score of a concept can be calculated based at least in part on the structure of the semantic network containing the concept. Recall that any of the concepts acquired in
いくつかの実施形態では、例えば、特定の概念について計算された生成確実性スコアは、アクティブ概念とセマンティック・グラフ内の特定の概念とを分離するエッジ及び/又はノードの数に反比例してもよい。それに応じて、多数のエッジ及び/又はノードによってアクティブ概念から分離された概念について計算されたスコアは、より小さい数のエッジ及び/又はノードによってアクティブ概念から分離された概念について計算されたスコアよりも低くなってよい。 In some embodiments, for example, the generated certainty score calculated for a particular concept may be inversely proportional to the number of edges and / or nodes that separate the active concept from the particular concept in the semantic graph. . Accordingly, the score calculated for a concept separated from the active concept by a large number of edges and / or nodes is higher than the score calculated for a concept separated from the active concept by a smaller number of edges and / or nodes. May be lower.
前述したように、いくつかの実施形態では、生成確実性スコアは、セマンティック・ネットワーク中のエッジに関連付けられた重み付けの関数として計算されてもよい。具体的には、生成確実性スコアは、アクティブ概念とスコアリングすべき概念との間の経路内におけるエッジのセットに関連付けられた重み付けの関数として計算されてもよい。この場合には、生成確実性スコアは、アクティブ概念からスコアリングすべき概念への経路内のエッジの重み付けの積を取ることによって計算されてもよい。 As described above, in some embodiments, the generation certainty score may be calculated as a function of the weight associated with the edges in the semantic network. Specifically, the generation certainty score may be calculated as a function of the weight associated with the set of edges in the path between the active concept and the concept to be scored. In this case, the generation certainty score may be calculated by taking the weighted product of the edges in the path from the active concept to the concept to be scored.
重み付けは、多数の方法のいずれかにおいて、セマンティック・ネットワーク内のエッジに割り当てることができる。いくつかの実施形態では、エッジに割り当てられた重み付けは、そのエッジを横切る(traversing)ように関連付けられた確実性の測定値に基づいて計算することができる。次に、エッジを横切るように関連付けられた確実性の総量は、エッジのタイプ(すなわち、「〜によって規定される(defined-by)」エッジ又は「〜である(is-a)」エッジである)及び/又は横断の方向性に依存し得る。いくつかの実施形態では、エッジに割り当てられた重み付けは、0と1の間の数であってもよいが、他の実施形態では、重み付けは、他の任意の適当な範囲内の数であってもよい。 Weights can be assigned to edges in the semantic network in any of a number of ways. In some embodiments, the weight assigned to an edge can be calculated based on a measure of certainty associated with traversing that edge. Next, the total amount of certainty associated across the edge is the type of edge (ie, "defined-by" edge or "is-a" edge) ) And / or the direction of crossing. In some embodiments, the weight assigned to the edge may be a number between 0 and 1, while in other embodiments the weight is a number within any other suitable range. May be.
例えば、「〜によって規定される(defined-by)」エッジの横断(traversal)によって、xの係数だけエッジを横断するように関連付けられた確実性を低減することができ、ここで、xは、0と1との間の任意の適当な数であってもよく、及び、例えば、0.25,0.5,0.75,0.9等に等しい又はより大きい任意の係数であってもよい。同様に、「〜である(is-a)」エッジの横断によって、yの係数だけエッジを横断するような確実性を低減することができ、ここで、yは、0と1との間の任意の適当な数であってもよく、及び、例えば、0.25,0.5,0.75,0.9等に等しいより大きい任意の係数であってもよい。いくつかの例では、係数xが係数yに等しくてもよいが、いくつかの例では、これらの係数は、エッジを横断するように関連付けられた確実性の総量が、横断すべきエッジのタイプに依存するように異なっていてもよい。 For example, "defined-by" edge traversal can reduce the certainty associated to traverse the edge by a factor of x, where x is It can be any suitable number between 0 and 1, and can be any factor equal to or greater than, for example, 0.25, 0.5, 0.75, 0.9, etc. Good. Similarly, traversing an "is-a" edge can reduce certainty to traverse the edge by a factor of y, where y is between 0 and 1 It can be any suitable number and can be any larger coefficient, for example equal to 0.25, 0.5, 0.75, 0.9, etc. In some examples, the factor x may be equal to the factor y, but in some examples, these factors may indicate that the total amount of certainty associated to traverse the edge is the type of edge that is to be traversed. It may be different to depend on.
いくつかの実施形態では、エッジを横断するように関連付けられた確実性の総量は、エッジの方向性と、1つの概念から別の概念への経路内のそのエッジを横断するときに、エッジが横断される方向とに依存し得る。例えば、概念Aから概念Bへの移動(ここで、AがB「〜である(is-a)」とは、セマンティック・ネットワーク内において、概念Aに関連付けられたノードから概念Bに関連付けられたノードへの外向きの「〜である(is-a)」エッジがある)は、1つの係数(例えば、0.9)によって確実性の総量を低減する一方、「〜である(is-a)」エッジの方向に反対向きの移動は、異なる係数(例えば、0.8)によって確実性を低減することができる。 In some embodiments, the total amount of certainty associated to traverse an edge is the directionality of the edge and when the edge traverses that edge in the path from one concept to another, Depending on the direction traversed. For example, moving from concept A to concept B (where A is B “is-a”) is associated with concept B from the node associated with concept A in the semantic network. There is an outward “is-a” edge to the node), while reducing the total amount of certainty by one factor (eg, 0.9), while “is-a ) "Movement in the opposite direction to the edge direction can reduce certainty by a different factor (eg 0.8).
いくつかの実施形態では、概念に割り当てられた生成確実性スコアは、その概念が、検索操作を使用することによって取得された(すなわち、概念がセマンティック・ネットワーク内に既に存在していた)又は加法操作又は置換操作を使用して取得された(すなわち、概念が合成された)かどうかに依存してもよい。例えば、生成確実性スコアは、概念が合成されたときに、係数(例えば、0.25)よって低減することができる。 In some embodiments, the generation certainty score assigned to a concept is obtained by using the search operation (ie, the concept already exists in the semantic network) or additive It may depend on whether it was obtained using an operation or replacement operation (ie, the concept was synthesized). For example, the generation certainty score can be reduced by a factor (eg, 0.25) when the concept is synthesized.
1つの例示として、生成確実性スコアを計算する非限定的な例が、図6Aに示されている。この場合では、候補「マッサージ付きリクライニングチェア(massage recliner)」の生成確実性は、アクティブ概念「リクライニングチェア(recliner)」から、合成された概念「マッサージ付きリクライニングチェア(massage recliner)」への経路内のエッジに関連付けられた重み付けの積として計算するようにしてもよい。図6Aに示されるように、経路に沿って「〜によって規定される(defined-by)」エッジのそれぞれに関連付けられた重み付けは、0.9であり、且つ経路に沿って「〜である(is-a)」エッジのそれぞれに関連付けられた重み付けは、0.75である。さらに、概念「マッサージ付きリクライニングチェア(massage recliner)」が、合成された概念であるので、全体的な生成確実性スコアは、0.25の係数によって調整される。このようにして、生成確実性スコア、Sgc、は以下の式に従って計算されてもよい:
Sgc = Edgerecliner-seat * Edgeseat-chair * Edgechair-massage chair * Edgemassage chair-massage * Nodemassage recliner
= Edgeis-a * Edgeis-a * Edgedefmed-by * Edgedefmed-by *Nodesynthesized
= 0.9 * 0.9 * 0.75 * 0.75 * 0.25 = 0.1139
As one illustration, a non-limiting example of calculating a production certainty score is shown in FIG. 6A. In this case, the generation certainty of the candidate “massage recliner” is within the path from the active concept “recliner” to the synthesized concept “massage recliner”. It may be calculated as a product of weights associated with the edges. As shown in FIG. 6A, the weight associated with each of the “defined-by” edges along the path is 0.9, and “~” along the path. The weight associated with each of the “is-a)” edges is 0.75. Furthermore, since the concept “massage recliner” is a synthesized concept, the overall generation certainty score is adjusted by a factor of 0.25. In this way, the generation certainty score, S gc , may be calculated according to the following formula:
Sgc = Edge recliner-seat * Edge seat-chair * Edge chair-massage chair * Edge massage chair-massage * Node massage recliner
= Edge is-a * Edge is-a * Edge defmed-by * Edge defmed-by * Node synthesized
= 0.9 * 0.9 * 0.75 * 0.75 * 0.25 = 0.1139
いくつかの実施形態では、セマンティック・ネットワーク内のエッジに関連付けられた重み付けの数値が、手動で割り当てられてもよい(例えば、「〜である(is-a)」エッジに0.9の重み付けが割り当てられ、及び「〜によって規定される(defined-by)」エッジに0.75の重み付けが割り当てられる)ことを認識されたい。追加的に又は代替的に、重み付けの数値は、以下に説明され及び/又は以下の文献に開示される教示を用いて確率として計算される統計的コヒーレンスに基づくものであり、ここでその文献は、2011年1月7日に出願された、Probabilistic Approach for Synthesis of a Semantic Network”という表題の米国特許仮出願第61/430,810号明細書;2011年1月7日に出願された、”Constructing Knowledge Representations Using Atomic Semantics and Probabilistic Model”という表題の米国特許仮出願61/430,836号明細書;2011年9月8日に出願された、”Systems and methods for Incorporating User Model and Preferences into Analysis and Synthesis of Complex Knowledge Representation Model”という表題の米国特許仮出願第61/532,330号明細書;であり、ここにそれらの全体が参考として組み込まれる。 In some embodiments, a weighting value associated with an edge in a semantic network may be manually assigned (eg, a weight of 0.9 is assigned to an “is-a” edge). It will be appreciated that and 0.75 weights are assigned to “defined-by” edges). Additionally or alternatively, the weighting numbers are based on statistical coherence calculated as probabilities using the teachings described below and / or disclosed in the following references, where the references are US Provisional Application No. 61 / 430,810 entitled “Probabilistic Approach for Synthesis of a Semantic Network, filed Jan. 7, 2011; filed Jan. 7, 2011,” US Provisional Application 61 / 430,836 entitled “Constructing Knowledge Representations Using Atomic Semantics and Probabilistic Model”; filed September 8, 2011, “Systems and methods for Incorporating User Model and Preferences into Analysis and US Provisional Application No. 61 / 532,330 entitled “Synthesis of Complex Knowledge Representation Model”; In their entirety to this is incorporated by reference.
IV.B 概念の生産性スコア
概念の生産性手法において、概念のスコアは、概念が規定されるようなセマンティック・ネットワーク内の他の概念の数に基づいて計算することができる。例えば、ある概念の概念生産性スコアが、概念が有する内向きの「〜によって規定される(defined-by)」エッジの数に基づいて計算することができる。いくつかのさらなる例が、以下に提供される。
IV. B Concept Productivity Score In the concept productivity approach, the concept score can be calculated based on the number of other concepts in the semantic network in which the concept is defined. For example, a concept's concept productivity score can be calculated based on the number of inward “defined-by” edges that the concept has. Some further examples are provided below.
例えば、(例えば、プロセス100の動作106を参照して説明された)検索操作を用いて取得された概念に割り当てられた概念の生産性スコアは、その概念が規定する概念の数に基づいて計算してもよい。例えば、アクティブ概念が、「プレス(press)」であり、そして、このアクティブ概念は、概念「プッシュプレス(push press)」と内向きの「〜である(is-a)」関係と、概念「ダンベルプレス(dumbbell press)」と内向きの「〜である(is-a)」関係とを有している。このように、これらの概念の両方が、動作106においてアクティブ概念に関連する概念として検索することができる。しかし、概念「プッシュプレス(push press)」によって規定された概念の数が、概念「ダンベルプレス(dumbbell press)」によって規定された概念の数よりも大きい場合には、次に、概念「プッシュプレス(push press)」は、概念「ダンベルプレス(dumbbell press)」よりも高い概念の生産性スコアが割り当てられることになる。
For example, the productivity score for a concept assigned to a concept obtained using a search operation (eg, described with reference to
別の例として、(例えば、プロセス100の動作106を参照して説明した)加法操作を用いて取得された概念に割り当てられた概念の生産性スコアは、合成された概念を生成するために、アクティブ概念に追加すべき概念によって規定された概念の数に基づいて計算してもよい。例えば、アクティブ概念は、「プレス(press)」であり、加法操作のいずれかを使用して合成された概念は、「プレスセット(press sets)」又は「プレスの動き(press movements)」となり得る。「動き(movements)」によって規定された概念の数が、「セット(sets)」によって規定された概念の数より大きい場合は、次に、概念「プレスの動き(press movements)」は、概念「プレスセット(press sets)」よりもより高い概念の生産性スコアが割り当てられることになる。
As another example, a concept productivity score assigned to a concept obtained using an additive operation (e.g., described with reference to
別の例として、置換操作を使用して取得された概念に割り当てられた概念の生産性スコアは、アクティブ概念の属性のいずれかについて置換された概念によって規定された概念の数に基づいて計算してもよい。例えば、アクティブ概念が、「プッシュプレス(push press)」であり、その属性「プレス(press)」は、概念「プレスセット(press sets)」や概念「プレスの動き(press movements)」で置換されてもよい。概念「プレスの動き(press movements)」によって規定された概念の数が、概念「プレスセット(press sets)」によって規定された概念の数より大きい場合に、次に、合成された概念「プッシュプレスの動き(push press movements)」は、合成された概念「プッシュプレスセット(push press sets)」よりもより高い概念の生産性スコアが割り当てられることになる。 As another example, the concept productivity score assigned to a concept obtained using the replace operation is calculated based on the number of concepts defined by the replaced concept for any of the active concept attributes. May be. For example, the active concept is “push press” and its attribute “press” is replaced by the concept “press sets” or the concept “press movements”. May be. If the number of concepts defined by the concept “press movements” is greater than the number of concepts defined by the concept “press sets”, then the synthesized concept “push press” “Push press movements” would be assigned a higher concept productivity score than the synthesized concept “push press sets”.
IV.C ジャカールスコア
ジャカールスコア手法において、特定の概念のスコアは、アクティブ概念からの特定の分離度の範囲内にある、同様に特定の概念から同程度の分離度の範囲内にある概念の数に基づいて計算してもよい。例えば、分離度が1であるとき、特定の概念のジャカールスコアは、特定の概念とアクティブ概念との間に共通の近傍数(number of neighbors)に基づいて計算することができる。セマンティック・ネットワークにおいて、概念Aの近傍は、任意タイプのエッジを概念Aと共有するような概念である。それら近傍の概念は、エッジを共有するので、概念の近傍は、概念からの単一の分離度の範囲内にある。この場合に、アクティブ概念とスコアリングすべき概念との間に共通の近傍数が大きいほど、その概念に割り当てられるジャカールスコアはより高くなる。このように、ジャカールスコアは、2つの概念が、セマンティック・ネットワークにおいてどの様に相互接続されるかの指標を提供し、次にそれは2つの概念の関連性の指標となる。しかし、任意の分離度(例えば1,2,3,4,5,6,7等)を用いることができることを認識されたい。
IV. C Jakar Score In the Jakar Scoring method, the score for a particular concept is based on the number of concepts that are within a certain degree of separation from the active concept, and also within the same degree of separation from a particular concept May be calculated. For example, when the degree of separation is 1, the Jakar score of a specific concept can be calculated based on the number of neighbors common between the specific concept and the active concept. In the semantic network, the neighborhood of concept A is a concept that shares any type of edge with concept A. Since these neighboring concepts share an edge, the neighborhoods of the concepts are within a single degree of separation from the concepts. In this case, the greater the number of neighbors common between the active concept and the concept to be scored, the higher the Jakar score assigned to that concept. Thus, the Jakar score provides an indication of how the two concepts are interconnected in the semantic network, which in turn is an indication of the relevance of the two concepts. However, it should be appreciated that any degree of separation (eg, 1, 2, 3, 4, 5, 6, 7, etc.) can be used.
ジャカール指数は、2つの集合A,B間の類似性を測定するための類似性尺度である。いくつかの例において、ジャカール指数は、以下に示されるように、集合AとBの積集合の大きさを、集合AとBの和集合の大きさで割った値として規定することができる。
ジャカール指数は、この場合に次のように適用されてもよい。集合Aは、アクティブ概念の近傍に存在する、すなわちセマンティック・ネットワークにおけるクティブ概念からの所定数の分離度の範囲内に存在する概念の集合を表す。集合Bは、スコアリングすべき概念の近傍に存在する、すなわちセマンティック・ネットワークにおけるスコアリングすべき概念からの所定数の分離度の範囲内に存在する概念の集合を表す。従って、上記式の分母は、アクティブ概念及び/又はスコアリングすべき概念の近傍に存在する(又は所定数の分離度の範囲内に存在する)概念の合計数を表す一方、分子は、アクティブ概念と評価対象の概念との近傍(又は所定数の分離度の範囲内に存在する)に両方とも存在する概念の合計数を表している。従って、ある概念のジャカールスコアは、ジャカール指数として計算することができる。 The Jakar index may be applied in this case as follows. The set A represents a set of concepts that exist in the vicinity of the active concept, that is, exist within a predetermined number of degrees of separation from the active concept in the semantic network. The set B represents a set of concepts that exist in the vicinity of the concept to be scored, that is, within a predetermined number of degrees of separation from the concept to be scored in the semantic network. Thus, the denominator of the above equation represents the total number of concepts present in the vicinity of the active concept and / or the concept to be scored (or present within a predetermined number of resolutions), while the numerator is the active concept. Represents the total number of concepts that are present in the vicinity of the concept to be evaluated and the concept to be evaluated (or present within a predetermined number of separations). Thus, a concept's Jakar score can be calculated as a Jakar index.
プロセス100の動作106で取得された概念についてのジャカールスコアを計算する実施例が図6Bに示されている。この例では、概念の近傍は、概念の分離度が2度の範囲内の概念を含むものとして選択されている。しかし、任意の適切な分離度に関連付けられた近傍(度)が使用されることを理解されたい。従って、アクティブ概念と、スコアリングすべき概念である概念602とのいずれかからの2度の範囲内の全ての概念は、それらの概念が、アクティブ概念と概念602との両方から分離度が2度の範囲内である限り、斜線で示されている。アクティブ概念と概念602との両方が2度の範囲内であるそのような概念は、垂直線で示されている。ジャカールスコアを計算するために、斜線又は垂直線のいずれかを有する概念の数は、ジャカールスコアの分母における概念の数(25個)であることが確認される。垂直線を有する概念の数(7個)は、ジャカールスコアの分子における概念の数である。従って、概念602のジャカールスコアは、7を25で割った値、すなわち0.28として計算される。
An example of calculating a Jakar score for a concept acquired in
いくつかの実施形態では、図6Bに示された実施形態のように、アクティブ概念又はスコアリングすべき概念のいずれも、それ自体の又は互いの近傍に存在するとみなされない。しかしながら、他の実施形態では、アクティブ概念及び/又はスコアリングすべき概念は、それ自体及び/又は互いの近傍に存在するとみなすことができる。図6Bの例示では、例えばアクティブ概念と概念602とが、それ自体の及び互いの近傍に存在するとみなされた場合に、ジャカールのスコアは、9を27で割った値、すなわち0.333として計算される。
In some embodiments, as in the embodiment shown in FIG. 6B, neither the active concept nor the concept to be scored is considered to be on its own or in the vicinity of each other. However, in other embodiments, the active concept and / or the concept to be scored can be considered to exist on their own and / or in the vicinity of each other. In the illustration of FIG. 6B, for example, if the active concept and
いくつかの実施形態では、ジャカールスコアは、ジャカールスコアが、概念AとBとの間に相違の尺度の指標となるように、1〜J(A,B)に係るジャカール指数の補数として計算されてもよい。この場合には、より低いスコア(より高いスコアというよりも)を有する概念は、プロセス100の動作108で選択されることを認識されたい。また、この場合に、より高いジャカールスコアを有する概念は、より低いスコアを有する概念よりもアクティブ概念とより弱い関係を有するとみなされる。
In some embodiments, the Jakar score is calculated as the complement of the Jakar index according to 1-J (A, B) such that the Jakar score is an indicator of the measure of difference between concepts A and B. May be. In this case, it should be appreciated that concepts having a lower score (rather than a higher score) are selected in
ジャカールスコアが、(例えば、動作106を参照して説明された)検索操作を使用して取得された概念について計算されるとき、ジャカールスコアは、上述した手法を検索された概念に適用することによって取得することができる。しかし、ジャカールスコアが、加法操作を介して合成された概念について計算されるとき、ジャカールスコアは、上述した手法を、合成された概念に適用するのではなく、むしろ合成された概念を生成するためにアクティブ概念と組み合わされた概念(例えば、図5Eに示した概念「指圧(shiatsu)」)に適用することによって取得することができる。同様に、ジャカールスコアが、置換操作を介して合成された概念について計算されるときに、ジャカールスコアは、上述した手法を、合成された概念に適用するのではなく、むしろアクティブ概念の属性を置換の一部として置換するために使用された概念(例えば、図5Hに示される概念「プレスセット(press sets)」)に適用することによって取得することができる。 When a Jakar score is calculated for a concept obtained using a search operation (eg, described with reference to operation 106), the Jakar score is obtained by applying the technique described above to the searched concept. Can be acquired. However, when a Jakar score is calculated for a concept that is synthesized via an additive operation, the Jakar score does not apply the above-described technique to the synthesized concept, but rather generates a synthesized concept. To the concept combined with the active concept (for example, the concept “shiatsu” shown in FIG. 5E). Similarly, when a Jakar score is calculated for a concept that is synthesized via a replace operation, the Jakar score does not apply the technique described above to the synthesized concept, but rather replaces the attributes of the active concept By applying to the concepts used to replace them as part of (eg, the concept “press sets” shown in FIG. 5H).
IV.D 統計コヒーレンススコア
動作106で取得された概念についてスコアを計算するための別の手法は、いわゆる「統計的コヒーレンス」手法であり、ここで、特定の概念に割り当てられた統計的コヒーレンススコアは、1つ以上のテキストコーポラ(corpora)において、その概念とアクティブコンテキストとの共起(co-occurrence)頻度に依存することになる。このように、アクティブ概念とより頻繁に共起する概念は、アクティブ概念とほとんど共起しない概念よりもアクティブ概念により関連させることができる。
IV. D Statistical Coherence Score Another technique for calculating the score for the concept obtained in
任意の適切なコーパス(corpus)又はコーポラは、プロセス100の動作106で取得された概念について統計的コヒーレンスのスコアを計算するために使用することができる。例えば、コーポラは、単一の情報ソース(例えば、文字列"wikipedia.org"を含むURLで見つかった全てのコンテンツ)又は複数の情報ソースからのものであってもよい。別の例として、被対象物固有(subject-specific)のコーポラは、政治、医療用品、スポーツ等に関するコンテンツを含むようなコーポラとして使用されてもよい。各コーパスは、任意の適切なタイプのものでもよく、例えば、テキストコーパス又は複数の種類のコンテンツを含むコーパスとすることができる。
Any suitable corpus or corpora can be used to calculate a statistical coherence score for the concept acquired in
コヒーレンススコアを計算するために使用されるコーポラの数及びタイプにも拘わらず、いくつかの実施形態では、アクティブ概念は、コーポラ内のコンテンツのサブセット(例えば、テキストコーパス内の文書の一部)を選択して、統計的コヒーレンススコアを計算するために使用される。これは、任意の適切な方法で行うことができる。例えば、アクティブ概念は、例えば、アクティブ概念のラベルを含むそのコンテンツのみが存在するように、アクティブ概念に関連するコンテンツを選択するために使用することができる。 Regardless of the number and type of corpora used to calculate the coherence score, in some embodiments, the active concept is a subset of content in the corpora (eg, part of a document in a text corpus). Selected and used to calculate a statistical coherence score. This can be done in any suitable way. For example, the active concept can be used to select content related to the active concept, for example, so that only that content that includes the label of the active concept exists.
いくつかの実施形態では、統計的コヒーレンス計算に使用されるコンテンツは、アクティブ概念と、セマンティック・ネットワーク内のアクティブ概念の近傍の少なくとも1つの概念とを含むそのコンテンツにさらに限定することができる。そのような近傍が、アクティブ概念から所定数(例えば1,2,3,4等)の分離度の範囲内に存在するようなセマンティック・ネットワーク内の全ての概念を含むことができることを思い出して下さい。追加の制限は、任意の適切な方法で達成することができるが、例えば、アクティブ概念のラベルとこのアクティブ概念の近傍の少なくとも1つの他の概念のラベルとを含むそのコンテンツのみを使用することによって達成することができる。アクティブ概念及びその近傍(の概念)に基づきコーポラを制限することは、アクティブ概念のラベルを含むが異なった意味に向けられているコンテンツが、統計的コヒーレンススコアを計算する際に考慮されていない、という点で有利となり得る。 In some embodiments, the content used for statistical coherence calculation can be further limited to that content including the active concept and at least one concept in the vicinity of the active concept in the semantic network. Recall that such neighborhoods can include all concepts in a semantic network that exist within a certain number of degrees of separation (eg, 1, 2, 3, 4 etc.) from active concepts. . Additional restrictions can be achieved in any suitable way, but for example by using only its content including the label of the active concept and at least one other concept label in the vicinity of this active concept Can be achieved. Limiting the corpora based on the active concept and its neighbors does not take into account the content that contains the active concept label but is directed to a different meaning when calculating the statistical coherence score, This can be advantageous.
例えば、アクティブ概念が、「バット(bat)」であり、アクティブ概念の近傍の範囲内に見つかった概念が、概念「野球のバット(baseball bat)」、「クラブ(club)」、「パドル(paddle)」、及び「バット(lumber)」を含む場合に、統計コヒーレンススコアを計算するために使用されるコンテンツは、アクティブ概念「バット(bat)」と、隣接する概念「野球のバット(baseball bat)」、「クラブ(club)」、「パドル(paddle)」、「バット(lumber)」の少なくとも1つとを含むコンテンツに限定してもよい。少なくとも1つのこれらの近傍の概念を含むことは、概念「バット(bat)」を含むが、哺乳動物の「コウモリ(bat)」に関連しない文書は、統計的コヒーレンススコアを計算する際に回避され、尤度(可能性)が増加する。 For example, the active concept is `` bat '', and the concepts found within the vicinity of the active concept are the concepts `` baseball bat '', `` club '', `` paddle '' ) '' And `` lumber '', the content used to calculate the statistical coherence score is the active concept `` bat '' and the adjacent concept `` baseball bat '' ”,“ Club ”,“ paddle ”, and“ bat ”(lumber). Inclusion of at least one of these neighborhood concepts includes the concept “bat”, but documents not related to the mammalian “bat” are avoided in calculating the statistical coherence score. The likelihood (possibility) increases.
従って、いくつかの実施形態では、統計的コヒーレンススコアは、アクティブ概念、アクティブ概念の近傍の少なくとも1つの概念、及びスコアリングすべき概念を含む文書の数と、アクティブ概念及びこのアクティブ概念の近傍の少なくとも1つの概念を含む文書の数との比の関数として計算することができる。関数は、任意の適切な関数とすることができ、例えば、恒等関数又は任意の他の適切な単調増加関数(例えば、対数)とすることができる。このようにして計算されたときに、統計的コヒーレンススコアは、スコアリングすべき概念にも関連するようなアクティブ概念に関連する文書の総数に比例するように反映させることができる。よって、概念についての統計的コヒーレンススコアがより高くなるほど、この概念はアクティブ概念に関連してより適合する可能性がより多くなる。 Thus, in some embodiments, the statistical coherence score is calculated based on the active concept, at least one concept in the vicinity of the active concept, and the number of documents containing the concept to be scored, and the active concept and the neighborhood of the active concept. It can be calculated as a function of the ratio to the number of documents containing at least one concept. The function can be any suitable function, for example, an identity function or any other suitable monotonically increasing function (eg, logarithm). When calculated in this way, the statistical coherence score can be reflected in proportion to the total number of documents associated with the active concept as it also relates to the concept to be scored. Thus, the higher the statistical coherence score for a concept, the more likely it is to fit in relation to the active concept.
いくつかの実施形態では、統計的コヒーレンススコアは、アクティブ概念、アクティブ概念の近傍の少なくとも1つの概念、スコアリングすべき概念、及びスコアリングすべき概念の近傍の少なくとも1つの概念を含む文書の数を(ここまで、分子)、アクティブ概念、及びこのアクティブ概念の近傍の少なくとも1つの概念を含む文書の数(ここまで、分母)、の比率の関数として計算することができる。統計的コヒーレンススコアをこのように計算することは、スコアリングすべき概念のラベルを含むが異なった意味に向けられているコンテンツが、統計的コヒーレンスのスコアを計算するときに考慮されない、という点で有利となる。 In some embodiments, the statistical coherence score is the number of documents that include the active concept, at least one concept in the vicinity of the active concept, the concept to be scored, and at least one concept in the vicinity of the concept to be scored. Can be calculated as a function of the ratio of the active concept and the number of documents containing the at least one concept in the vicinity of the active concept (to date, the denominator). Computing statistical coherence scores in this way is that content that contains labels for the concepts to be scored but is oriented differently is not considered when computing statistical coherence scores. It will be advantageous.
例えば、概念「フィールドゲーム(field game)」と「スポーツ(sport)」とが、候補「クリケット(cricket)」の近傍になり得る。概念「クリケット(cricket)」と、「フィールドゲーム(field game)」及び「スポーツ(sport)」の中からの少なくとも1つの概念とを含む文書のみについて統計的コヒーレンススコアを計算する際に使用される文書を制限することは、その概念「クリケット(cricket)」を含むが、昆虫「コオロギ(cricket)」が除かれる文書が、統計的コヒーレンススコアを計算するときに回避され、尤度が増加する。 For example, the concepts “field game” and “sport” can be in the vicinity of a candidate “cricket”. Used in calculating statistical coherence scores only for documents that contain the concept "cricket" and at least one concept from "field game" and "sport" Limiting documents includes the concept “cricket”, but documents where the insect “cricket” is removed are avoided when calculating the statistical coherence score, increasing the likelihood.
いくつかの実施形態では、統計的コヒーレンススコアは、アクティブ概念、アクティブ概念の近傍の少なくとも1つの概念、スコアリングすべき概念、及び随意にスコアリングすべき概念の近傍の少なくとも1つの概念を含む文書のサブセットのみを使用することによって計算することができる。この場合には、統計的コヒーレンススコアは、上述した文書のサブセット内の1つ以上の文書において、スコアリングすべき概念のいわゆる用語出現頻度(TF:term frequency)スコアの関数として計算することができる。 In some embodiments, the statistical coherence score is a document that includes an active concept, at least one concept in the vicinity of the active concept, a concept to be scored, and optionally at least one concept in the vicinity of the concept to be scored. Can be calculated by using only a subset of In this case, the statistical coherence score can be calculated as a function of the so-called term frequency (TF) score of the concept to be scored in one or more documents in the subset of documents described above. .
いくつかの実施形態では、スコアリングすべき概念についてのTFスコアは、サブセット内の各文書について計算することができ、統計的コヒーレンススコアは、計算されたTFスコアの平均値又は中央値として計算することができる。或いは、統計的コヒーレンススコアは、計算された最大のTFスコアとして計算してもよい。スコアリングすべき概念が、統計的コヒーレンスのスコアを計算するために使用される文書のサブセット内の多数の文書にまれに現れる場合に、この状況では有利となり得る。 In some embodiments, the TF score for the concept to be scored can be calculated for each document in the subset, and the statistical coherence score is calculated as the mean or median of the calculated TF scores. be able to. Alternatively, the statistical coherence score may be calculated as the calculated maximum TF score. This situation can be advantageous if the concept to be scored appears infrequently in many documents in the subset of documents used to calculate the statistical coherence score.
さらに別の実施形態では、統計的コヒーレンススコアは、逆文書頻度(IDF)スコアの関数として計算することができ、このスコアは、スコアリングすべき概念が、統計的コヒーレンススコアを計算するために使用される文書のセット内にどれ位の頻度で出現するかの頻度の逆数として計算することができる。さらに別の実施形態では、統計的コヒーレンススコアは、用語頻度と逆文書頻度スコアとの積に依存し得る。いくつかの実施形態では、統計的コヒーレンススコアを計算する過程で計算された値を正規化してもよいことを理解されたい。 In yet another embodiment, the statistical coherence score can be calculated as a function of the inverse document frequency (IDF) score, which is used by the concept to be scored to calculate the statistical coherence score. It can be calculated as the reciprocal of how often it appears in the set of documents being played. In yet another embodiment, the statistical coherence score may depend on the product of the term frequency and the inverse document frequency score. It should be understood that in some embodiments, the value calculated in the process of calculating the statistical coherence score may be normalized.
ジャカールスコアを計算する場合のように、統計的コヒーレンススコアが計算される方法は、スコアリングすべき概念が、セマンティック・ネットワークから検索されたかどうかに依存してよく、又は代わりに、プロセス100の動作106の間に合成されたかどうかに依存してもよいことを理解されたい。スコアリングすべき概念が、加法操作を用いて合成される場合に、統計的コヒーレンススコアは、上述した手法を合成した概念に適用するのではなく、むしろ合成された概念を生成するために、アクティブ概念と組み合わせられた概念(例えば、図5Eに示した概念「指圧(shiatsu)」)に適用することによって取得することができる。同様に、統計的コヒーレンススコアが、置換操作を介して合成された概念について計算されているときに、統計的コヒーレンススコアは、上述した手法を合成された概念に適用するのではなく、アクティブ概念の属性を置換操作の一部として置換するために使用された概念(例えば、図5Hに示される概念「プレスセット(press sets)」)に適用することによって得ることができる。
The method by which the statistical coherence score is calculated, as in the case of calculating the Jakar score, may depend on whether the concept to be scored has been retrieved from the semantic network, or alternatively, the operation of the
IV.E コサイン類似度スコア
コサイン類似手法において、特定の概念のコサイン類似度スコアは、ペアの概念同士の間のセマンティック的な近接性を評価するためにコサイン類似度メトリックを用いて計算することができる。2つの概念AとBとの間のコサイン類似度メトリックを評価するために、概念の各々は、任意の適切な次元のユークリッド空間における2つのベクトルにマッピングされる。2つの概念同士の間のコサイン類似度は、2つのベクトルの間の内積とこの2つのベクトルの大きさの積との比として計算することができる。この比は、「コサイン類似度」を生じさせる、2つのベクトル同士の間の角度の余弦(cosine)を表わす。
IV. E Cosine Similarity Score In a cosine similarity approach, the cosine similarity score for a particular concept can be calculated using a cosine similarity metric to evaluate the semantic proximity between the paired concepts. In order to evaluate the cosine similarity metric between the two concepts A and B, each of the concepts is mapped to two vectors in Euclidean space of any suitable dimension. The cosine similarity between two concepts can be calculated as the ratio of the inner product between the two vectors and the product of the magnitudes of the two vectors. This ratio represents the cosine of the angle between the two vectors that gives rise to “cosine similarity”.
概念は、任意の適切な方法で、ベクトルにマッピングすることができる。例えば、概念は、属性に関連付けられた数を含む各座標で、概念の属性の各々の座標を含むベクトルにマッピングすることができる。従って、概念Aが10個の属性を有している場合は、この概念は、各次元の数が対応する属性に関連付けられるように、10次元のベクトルにマッピングすることができる。属性に対応する番号(数)は、任意の適切な数であってもよく、例えば、用語頻度(TF)スコア又は属性に関連付けられたTF−IDFスコアであってもよい。 Concepts can be mapped to vectors in any suitable way. For example, a concept can be mapped to a vector containing the coordinates of each of the concept's attributes, with each coordinate containing the number associated with the attribute. Thus, if concept A has 10 attributes, this concept can be mapped to a 10-dimensional vector such that the number of each dimension is associated with the corresponding attribute. The number (number) corresponding to the attribute may be any suitable number, for example, a term frequency (TF) score or a TF-IDF score associated with the attribute.
IV.F 統合スコア
前述したように、上述したスコアのタイプのいずれかは、プロセス100の動作106において取得された概念に割り当てられるような統合スコアを形成するように組みあわされてもよい。しかし、いくつかの実施形態では、スコアを組み合わせる必要はなく、前述のタイプのスコアのうちの1つだけを、動作106において取得された各概念に割り当ててもよい。
IV. F Integrated Score As noted above, any of the types of scores described above may be combined to form an integrated score that can be assigned to the concept acquired in
1つ以上のタイプのスコアが、統合スコアを形成するために組み合わされ得る実施形態において、スコアは、多数の方法のいずれかで組み合わせることができる。例えば、スコアは、統合スコアを計算するために重み付けされた線形結合のスコアを計算することによって組み合わせることができる。スコアを結合するために使用される重み付けは、任意の適切な重み付けであってもよく、その重み付けは、統合されたスコアにスコアを組み合わせる場合に、どのスコアがより重み付けされるべきかを反映するように増加又は減少させることができる。スコア及び/又は重み付けは、統合されたスコア内に組み合わせる前に、任意の適切な方法で正規化することができる。 In embodiments where one or more types of scores can be combined to form an integrated score, the scores can be combined in any of a number of ways. For example, the scores can be combined by calculating a weighted linear combination score to calculate an integrated score. The weighting used to combine the scores may be any suitable weighting that reflects which score should be more weighted when combining the score with the integrated score Can be increased or decreased. The scores and / or weights can be normalized in any suitable manner before being combined into the integrated score.
スコアが、プロセス100の動作106において取得された概念に割り当てられた後に、1つ以上のスコアリングされた概念が、その計算されたスコアに基づいて、後続の使用のために選択することができる。スコアに基づく選択は、任意の適切な方法で行うことができる。いくつかの実施形態では、例えば、所定のしきい値を超えるスコアに関連付けられた概念は、後続の使用のために選択することができる。あるいはまた、上位スコアの概念の所定数又は所定パーセンテージの概念を選択することができる。しかし、1つ以上の概念を選択するためにスコアを利用する他の多くの方法が当業者には明らかであることを認識されたい。
After a score is assigned to the concept obtained in
V. アクティブ概念と選択された概念(複数可)とに基づいて、コンテンツをユーザ(複数可)に提供する
アクティブ概念に関連する1つ以上の概念が動作108において選択された後で、プロセス100は、情報が、動作104において識別又は生成されたアクティブ概念と、動作108において選択された関連する概念(複数可)とに少なくとも部分的に基づいて、動作102において取得したユーザコンテキスト情報に関連付けられたユーザ(複数可)に提供されるように、動作110に進む。この目的のために、ユーザ(複数可)に提示する情報は、アクティブ概念と動作108で選択された関連する概念(複数可)とを用いて大規模セットの情報の中から選択することができる。しかし、ユーザ(複数可)に提供された情報のタイプと情報がユーザ(複数可)に提供される方法とが、本明細書で説明された手法が適用されるような特定のシナリオに依存して変更し得ることを認識されたい。
V. Providing content to the user (s) based on the active concept and the selected concept (s) After one or more concepts associated with the active concept are selected in
前述したように、いくつかの実施形態では、動作102で取得したユーザコンテキスト情報は、ユーザが関心を示すような情報のタイプを示すような、ユーザによって提供された情報を含み得る。例えば、ユーザコンテキスト情報は、ユーザが捜し求める情報についてのユーザ要求を含んでもよい。そのような要求は、ユーザが、特定のトピック又は複数のトピックに関連して更新されたニュース、一種類以上の製品(複数可)に関連する広告、ウェブサイト、ニュースレター、電子メールダイジェスト等の各種のいずれかで今まさに更新される情報の受信を希望することを示すような、検索クエリ又は1つ以上の設定等の任意の適切な形態としてもよい。従って、要求に応答して、ユーザは、ユーザの要求から導出されたアクティブ概念と、動作108で選択されたアクティブ概念に対する関連概念とに少なくとも部分的に基づいて、ユーザに提示された大規模セットのコンテンツの中から、取得した情報の提示を受けることができる。
As described above, in some embodiments, the user context information obtained at
例えば、ユーザ要求が検索クエリを含んでいた場合には、アクティブ概念と動作108で選択された関連する概念とが、1つ以上の検索サービスに提供するべく、1つ以上の検索クエリを生成するために使用される。これは、任意の適切な方法で行うことができる。例えば、検索クエリは、アクティブ概念と、これらの概念と関連付けられたラベル及び属性を使用して選択された概念の任意の概念とから構成することができる。検索クエリは、「AND」及び「OR」等の様々なブール演算子を使用して、アクティブ概念と選択された概念の任意の概念とから、概念ラベルと属性とを接合して形成される。例えば、ユーザの検索クエリを表すアクティブ概念が、図5Fを参照して説明した「ヨガマット(yoga mat)」である場合に、概念「吸汗性ヨガマット(sweat-absorbent yoga mat)」が、動作108において選択され、検索クエリ『「ヨガマット(yoga mat)」AND「吸汗性(sweat-absorbent)」』を形成することができる。別の例として、ユーザの検索クエリを表すアクティブ概念が、図5Dを参照して説明した「リクライニングチェア(recliner)」である場合に、概念「マッサージ付きリクライニングチェア(massage recliner)」が、動作108で選択され、検索クエリ『「リクライニングチェア(recliner)」OR「マッサージ付きリクライニングチェア(massage recliner)」』が形成される。他のより複雑な検索クエリを形成してもよく、複数の選択された概念に関連付けられたキーワード、アクティブ概念を識別するために使用される任意の曖昧性解消用語、及び/又は任意の他のユーザコンテキスト情報を含むことができる。例えば、ユーザが、空港でレンタカーを借りるときに、イタリアンレストランを午後10時で探しているとする。アクティブ概念「イタリアンレストラン(Italian Restaurant)」は、ユーザコンテキスト情報から取得したユーザに関する地理空間情報を一緒に用いて、「ピザ(Pizza)」、「パスタ(Pasta)」、及び「炭水化物(carbs)」等の関連する概念を選択するために使用され、『「イタリアンレストラン(Italian Restaurant)」OR「ピザ(Pizza)」OR「パスタ(Pasta)」OR「炭水化物(carbs)」AND「ニューヨーク(New York)」AND「空港(Airport)」AND「午後10時以降も開いている(OPEN AFTER 10pm)」』等のクエリを構成するために使用されてもよい。
For example, if the user request included a search query, the active concept and the related concept selected in
これらの複雑なタイプのクエリは、ユーザによってめったに構成されることはないであろう。このようなクエリは、コンテンツが事前に(例えば、コンテンツを構造化する前に)セマンティック的に分析されていない場合でも、このようなクエリは、検索サービスによってインデックス付けされたコンテンツにおいて、元のクエリにおいて必ずしも文字通りの用語が存在しないような文字通りの用語と一致するので、効果的なセマンティック検索を形成する。 These complex types of queries will rarely be constructed by the user. Such a query can be applied to the original query in the content indexed by the search service, even if the content has not been analyzed semantically in advance (eg, before structuring the content). Matches a literal term that does not necessarily have a literal term, thus forming an effective semantic search.
検索サービスは、任意の汎用検索エンジンであってもよい。例えば、検索サービスはインターネットを介して公にアクセス可能な任意の検索エンジンであってもよい。別の例として、検索サービスは、インターネット以外の任意のコンピュータネットワークを介してアクセス可能な検索エンジンであってもよい。そのような検索エンジンの例としては、企業イントラネット又は他のプライベートネットワークを検索するために使用する検索エンジンを含む。 The search service may be any general search engine. For example, the search service may be any search engine that is publicly accessible via the Internet. As another example, the search service may be a search engine that can be accessed via any computer network other than the Internet. Examples of such search engines include search engines used to search for corporate intranets or other private networks.
1つ以上の検索クエリを検索サービスに発行することに応答して、検索結果のセットを、検索サービスから受信することができる。検索結果内の文書又はコンテンツの一部からなるテキスト(或いはテキストの断片)は、アクティブ概念及び/又は動作108において選択された概念(複数可)と比較することができ、返された検索結果は、それら検索結果が、これらの概念規定とどれ位近接して一致しているかどうかに基づいて、ランク付け及び/又はフィルタリングすることができる。
In response to issuing one or more search queries to the search service, a set of search results may be received from the search service. The text (or text fragment) consisting of part of the document or content in the search results can be compared to the active concept and / or concept (s) selected in
様々な可能なランク付け又はフィルタリング手法のいずれかを使用することができるが、本発明はこの態様に限定されない。しかしながら、そのような手法は、ユーザには無関係な情報でユーザを圧倒することなく、ユーザへのコンテンツのプロビジョニングを可能にする。検索サービスは、これら検索結果にタイトル、要約、説明、タグ、ハイパーリンク等の多くのテキスト形式の機能を提供することができる。テキスト形式の機能は、例えば、検索エンジンの検索結果のテキスト形式の機能の単語に対して用語を比較することによって、動作108で選択された概念を介して提供された用語に対して検索エンジンの検索結果をフィルタリングするための手段としてテキスト分析を提供することができる。用語の全部又は部分的な一致は、個々の検索結果の関連性を重み付けするために使用することができる。いくつかの実施形態では、検索サービスから返される検索結果は、コンテンツそれ自体の識別された部分を含まず、むしろ、各コンテンツ部分の抜粋とともに、これらのコンテンツ部分へのハイパーリンクのリストを含むことができる。このような実施形態では、提供されたハイパーリンクを使用して各コンテンツ部分を検索するというよりも、ハイパーリンクのリストは、関連する抜粋を使用してランク付けするとともにフィルタリングすることができ、この抜粋は、セマンティック的な注釈を付けることができる。
Any of a variety of possible ranking or filtering techniques can be used, but the invention is not limited to this aspect. However, such an approach allows provisioning of content to the user without overwhelming the user with information unrelated to the user. The search service can provide many textual functions such as title, summary, description, tag, hyperlink, etc. for these search results. The text format functionality may, for example, match the search engine's term to the term provided via the concept selected in
いくつかの実施形態では、動作102で取得したユーザコンテキスト情報は、ユーザが関心を示す情報のタイプを示すようなユーザに関連する情報を含んでいてもよい。例えば、ユーザに関する情報は、人口統計情報、ユーザのインターネット閲覧履歴、ソーシャル・ネットワーク・ウェブサイト等の上のウェブサイトでユーザに関連付けられた任意の情報を含むことができることができ、地理空間情報は、ユーザの計算された現在位置等を含むことができる。従って、ユーザは、ユーザに関連する情報から導出されたアクティブ概念と選択された概念とに基づいて、少なくとも部分的に取得した情報の提示を受けることができる。
In some embodiments, the user context information obtained at
例えば、ユーザは、アクティブ概念と選択した概念とに基づいて、パーソナライズされた製品やサービスの推奨の提示を受けることができる。これにより、パーソナライズされた推奨は、1人以上のユーザの関心を反映させることができる。パーソナライズされた推奨は、製品及び/又はサービスの広告を含むが、これらに限定されるものではない販売促進コンテンツを含んでもよい。例えば、ユーザコンテキスト情報から導出されたアクティブ概念は、ユーザが「リクライニングチェア(recliners)」に関心あることを示している。これにより、ユーザは、「リクライニングチェア(recliners)」と、図5Dを参照して説明したようにアクティブ概念「リクライニングチェア(recliners)」に関連する概念である「マッサージ付きリクライニングチェア(massage recliners)」とに関連する広告の提示を受けることができる。このように、ユーザは、無関係の販売促進コンテンツの提示を受けることがない。 For example, the user can be presented with recommendations for personalized products and services based on the active concept and the selected concept. Thereby, the personalized recommendations can reflect the interest of one or more users. Personalized recommendations may include promotional content, including but not limited to advertising for products and / or services. For example, the active concept derived from the user context information indicates that the user is interested in “recliners”. As a result, the user can select “recliners” and “massage recliners with massage” which is a concept related to the active concept “recliners” as described with reference to FIG. 5D. You can receive advertisements related to. In this way, the user is not presented with unrelated promotional content.
別の例として、ユーザは、このユーザが関心を示すような情報を取得するために、オンライン情報ソース(又は複数のウェブサイト)を使用することができる。オンライン情報ソースは、任意の適切な情報ソースであってもよく、例えば、インターネットポータル、イントラネットポータル、ニュースウェブサイト、ソーシャル・ネットワーク・ウェブサイト、マイクロブログサービス、ブログサービス、ブログリーダ(reader)、ショッピングウェブサイト、リアルタイム番組(feed)等であってもよい。このような各オンライン情報ソースは、ニュース、広告、コンテンツ推奨、リアルタイム更新(例えば、ツイート)等を含むが、これらに限定されないようなユーザへの多数の種類の情報のいずれかを提示するように構成することができる。このように、ユーザが、オンライン情報ソースを使用するときに、ユーザは、無関係なコンテンツに圧倒されなくなる。 As another example, a user can use an online information source (or multiple websites) to obtain information that the user is interested in. The online information source may be any suitable information source, for example, internet portal, intranet portal, news website, social network website, microblog service, blog service, blog reader, shopping It may be a website, a real-time program (feed), or the like. Each such online information source may present any of a number of types of information to the user, including but not limited to news, advertisements, content recommendations, real-time updates (eg, tweets), etc. Can be configured. In this way, when a user uses an online information source, the user is not overwhelmed by irrelevant content.
従って、いくつかの実施形態では、アクティブ概念と選択された概念とが、ユーザに提示される情報を、ランク付け、優先順位付け及び/又はフィルタリングするために使用することができ、それによって、ユーザに提示される情報は、そのユーザの関心を反映させることができる。これは、任意の適切な方法で行うことができる。例えば、ウェブサイトがユーザに提示されるように構成された情報のいずれかは、1つ以上のテキスト形式の機能(例えば、タグ、テキスト、ハイパーリンク、説明、等)を含んでもよい。これらのテキスト形式の機能は、アクティブ概念と動作108で選択された概念とによって提供された任意のキーワードと比較することができる。全体又は部分的な一致は、個々の用語の関連性を重み付けするために使用することができる。
Thus, in some embodiments, the active concept and the selected concept can be used to rank, prioritize and / or filter information presented to the user, whereby the user The information presented in can reflect the user's interest. This can be done in any suitable way. For example, any of the information configured for the website to be presented to the user may include one or more textual functions (eg, tags, text, hyperlinks, descriptions, etc.). These textual functions can be compared to any keyword provided by the active concept and the concept selected in
VI.デジタル・ソーシャル・ネットワーク上でセマンティック操作を実行する
オンライン・ソーシャル・ネットワークは、最近数年にわたって未曾有の成長を見せている。最近の技術は、以前に想像もつかない方法で、プライベートネットワークとパブリックネットワークとを介して、世界中の何千、何百万人、又は何億人もの人々の間での接続を確立することを可能にしている。今日存在する何百ものソーシャル・ネットワークサイトにおいてオンラインで参加する10億以上の登録ユーザが存在し、オンライン・ソーシャル・ネットワークサイトは、情報を見つける場として及び他のネットワークと情報を共有するための場としての重要性が飛躍的に高まっている。
VI. Performing semantic operations on digital social networks Online social networks have seen unprecedented growth over the last few years. Modern technology has established a connection between thousands, millions, or hundreds of millions of people around the world over private and public networks in an unimaginable way. It is possible. With over one billion registered users participating online in hundreds of social network sites that exist today, online social network sites are a place to find information and share information with other networks. The importance as is increasing dramatically.
しかしながら、デジタル・ソーシャル・ネットワーク上で特定のユーザに関心を起こさせるような関連情報を探し出すことは、多くの課題を提示している。グループ、議論、更新状況、ツイート、関連する接続、他のソーシャル・ネットワークユーザ、仕事、ブログ、ニュース、イベント等について、ユーザが実行した検索クエリの文字通りの一致は、多くの場合、ユーザが手動で取捨選択する必要があるような圧倒的な量の情報を提示することになる。多数の結果の中で優先順位付けをすることは、従って、最も関連性の高い人気の材料をユーザがより即座に経験できるようにするために重要になってきている。例えば、「コンピュータの開発者」の経験を有している専門家についての検索は、ソーシャル・ネットワークから手に負えない程大量のそのような経験を有するメンバの検索結果を生成することがある。この検索を実行するユーザは、C+の開発者というよりむしろJava(登録商標)の開発者等の特定のコンピュータ・プログラミング言語の経験を有する開発者により関心があり、又はモバイルアプリケーションというよりもむしろリスク分析等の、所定の業界内の開発者により関心がある場合に、そのような優先度は、膨大な検索結果に優先順位を付けるために使用することができる。 However, finding relevant information that may interest a particular user on a digital social network presents many challenges. For groups, discussions, updates, tweets, related connections, other social network users, jobs, blogs, news, events, etc., literal matches of search queries performed by users are often manually It presents an overwhelming amount of information that needs to be selected. Prioritizing among a number of results is therefore becoming important to allow users to experience the most relevant and popular materials more quickly. For example, a search for professionals with a “computer developer” experience may produce search results for members with such experience that are unmanageable from social networks. Users performing this search are more interested in developers with specific computer programming language experience, such as Java developers, rather than C + developers, or risk rather than mobile applications Such priorities can be used to prioritize large search results when interested in developers within a given industry, such as analytics.
さらに、ユーザが使用する用語とユーザにとって関心のある項目内に見受けられる用語との間に不一致が存在することがある。このギャップは、検索された推奨事項が、ユーザが提供した自分のプロファイルに示している記載に基づいている場合に特に感じることがある。例えば、ユーザは、ネットワークプロファイルの専門分野の技術欄に「応用数学の研究」を記載している場合に、(複数の)グループについて文字通り一致する検索を実行することは、そのユーザに関心を起こさせる妥当な可能性を有するようなグループであるにも拘わらず、「定量的なモデリング」を対象としたグループを省略することがある。従って、情報検索の問題は、十分な関連情報を探し出すことができないことと、ユーザの関心に極わずかに関連する非常に多すぎる情報の氾濫との両方に存在する。 In addition, there may be inconsistencies between terms used by the user and terms found in items of interest to the user. This gap may be felt especially when the retrieved recommendations are based on the description shown in the user's own profile. For example, if a user has “Applied Mathematics Research” listed in the technical field of the network profile specialty field, performing a literally matching search for the group (s) is of interest to the user. Even though the group has a reasonable possibility to be performed, the group for “quantitative modeling” may be omitted. Thus, the problem of information retrieval exists both in the inability to find enough relevant information and a flood of too much information that is only slightly relevant to the user's interest.
本発明の発明者は、上述した手法及び方法の態様が、デジタル・ソーシャル・ネットワークの領域で経験する可能性のあるこれらの問題及び関連する問題に対処するために活用することができることを理解している。以下に説明するように、本システム及び方法の様々な実施形態は、ソーシャル・ネットワークのユーザに関連する情報の検索をフィルタリング、ランク付け又は拡張(増強)するために、ソーシャル・ネットワーク上でセマンティック操作を実行するために利用することができる。より一般的には、一実施形態に従って、システム及び方法は、ソーシャル・ネットワークのユーザに関連付けられたソーシャル・ネットワーク・ユーザコンテキスト情報を最初に受信することを含む。ここで、ソーシャル・ネットワークの使用は、ソーシャル・ネットワークの利益にアクセスする又は利用する任意の個人に関する。ユーザは、登録されたメンバであってもよく、又はソーシャル・ネットワーク上で匿名で、或いは一時的な「ゲスト」会員で情報を閲覧するような、ソーシャル・ネットワークの非登録者かもしれない。 The inventor of the present invention understands that aspects of the techniques and methods described above can be exploited to address these and related problems that may be experienced in the domain of digital social networks. ing. As described below, various embodiments of the present systems and methods can be used to perform semantic operations on a social network to filter, rank, or enhance (enhance) the search for information related to users of the social network. Can be used to perform More generally, according to one embodiment, the system and method includes first receiving social network user context information associated with a user of the social network. Here, the use of a social network relates to any individual who accesses or uses the benefits of the social network. The user may be a registered member or may be a non-registrant of a social network, such as viewing information anonymously on a social network or with a temporary “guest” member.
一実施形態では、ユーザのソーシャル・ネットワーク上でのつながりは、ユーザが所定のソーシャル・ネットワーク内で有している接続リストを調べることによって決定することができ、可能であれば、1つ以上の他のソーシャル・ネットワーク内でユーザが有している接続リストを調べて決定することもできる。ユーザが、多数の異なるソーシャル・ネットワークに亘って複数の接続セットを有している場合は、次に、随意にこれらの接続の全て及びそれらの接続の間で識別された任意の交差接続は、ユーザコンテキストを作成する際の入力として利用することができる。1つ以上のソーシャル・ネットワーク上でのユーザの様々なつながりにおいて、いくつかの特徴又は特性が共通している場合に、次に、それらの共通する特徴又は特性は、ユーザコンテキストを作成する際の入力として使用することができる。 In one embodiment, a user's connection on a social network can be determined by examining a connection list that the user has in a given social network, possibly with one or more It can also be determined by examining the connection list the user has in other social networks. If the user has multiple connection sets across many different social networks, then, optionally, all of these connections and any cross-connections identified between those connections are It can be used as input when creating a user context. If several features or characteristics are common in a user's various connections on one or more social networks, then those common features or characteristics can be used to create a user context. Can be used as input.
一実施形態では、ユーザが参加する議論は、ユーザコンテキストの作成の際の入力として利用することができ、この情報は、この議論に関連する補足情報をもたらすために使用することもできる。例えば、ユーザが、特定の国の最近の政治的な出来事についての議論に参加している場合に、次に、その出来事に関連したニュース記事を検索することができるとともに、その議論がどの様なことに関連しているかのより良い状況図を作成するためにまとめることができる。 In one embodiment, the discussion in which the user participates can be used as input when creating the user context, and this information can also be used to provide supplemental information related to this discussion. For example, if a user is participating in a discussion about a recent political event in a particular country, the user can then search for news articles related to that event and what the discussion is Can be put together to create a better situational diagram that relates to
1つ以上のソーシャル・ネットワーク内でのユーザのつながりによって識別されるような関心又はトレンドのトピックは、ユーザコンテキストの一部を形成してもよい。例えば、ソーシャル・ネットワーク内の大多数の人々によって表されたようなトレンドや意見の作成によって、それらトレンドや意見が、ユーザが個人的に知っている人々によって表された意見であり、且つ黙示的に信頼される場合に、ユーザは、影響を受ける可能性がある。ユーザのソーシャル・ネットワーク(「like」、「dig」)内の大多数の人々が、又は更新状況が、例えば冬の運転のための特定のタイヤブランドのトピックに関して投稿する場合に、これは、信頼された接続先からの1つ以上の推奨事項に基づいてユーザに、より望ましいタイヤブランドをもたらす可能性がある。 Topics of interest or trends, such as identified by user connections within one or more social networks, may form part of the user context. For example, by creating trends and opinions as represented by the majority of people in social networks, those trends and opinions are opinions expressed by people personally known to the user and are implicit If trusted, the user may be affected. If the majority of people in a user's social network (“like”, “dig”) or updates are posted on a topic for a particular tire brand, for example for winter driving, this is Based on one or more recommendations from the connected destination, the user may be provided with a more desirable tire brand.
ユーザによって行われた様々な電子商取引活動は、ユーザコンテキスト内に別の入力を形成することもできる。例えば、ユーザが、通常買い物に行くような、多数のお気に入りのファッションや衣類のウェブサイトを有している場合に、このようなファッションや衣類のウェブサイトは、注記され、且つ特定のファッションブランド又は特定のオンライン小売店についての優先度として、ユーザの詳細なソーシャルグラフの一部を形成することができる。 Various electronic commerce activities performed by the user can also form another input within the user context. For example, if a user has a number of favorite fashion and clothing websites, such as typically going shopping, such fashion and clothing websites are noted and a particular fashion brand or Part of the user's detailed social graph can be formed as a priority for a particular online retail store.
多様なマルチメディア・コンテンツは、ユーザのソーシャル・コンテキストへの入力として利用することができる。マルチメディア・コンテンツは、ビデオ、画像、音声を含んでいてもよい。ユーザのホーム・ウェブページに投稿された画像とビデオは、例えば入力として利用することができる。任意のビデオ入力は、次に、関連するコンテンツ/メタタグ及び/又はビデオ内の音声、画像、テキストによって処理することもできる。ユーザのソーシャルページに投稿されたマルチメディア・ファイルからのオーディオ入力は、ユーザのソーシャルグラフ内に入力を提供することもできる。マルチメディア・コンテンツに関連付けられたメタタグは、ユーザの優先度を識別するために使用することができる。オーディオ入力が、特定のアーティストについて繰り返されている場合に、次に、アーティストの名前は、ターゲットを絞った広告及びプロモーションのためにユーザのソーシャルグラフの一部を形成するために利用することができる。 A variety of multimedia content can be used as input to the user's social context. Multimedia content may include video, images, and audio. Images and videos posted on the user's home web page can be used as input, for example. Any video input can then be processed by the associated content / meta tag and / or audio, image, text in the video. Audio input from multimedia files posted on the user's social page may also provide input in the user's social graph. Meta tags associated with multimedia content can be used to identify user priorities. If the audio input is repeated for a particular artist, then the artist's name can be used to form part of the user's social graph for targeted advertising and promotion. .
上述した各種の入力は、より正確なユーザコンテキストを取得するために合成することができる。これは、複数の関心を識別するとともに、また、ユーザの参加する1つ以上のソーシャル・ネットワーク内から取得された入力を合成することによって、ユーザがソーシャル・ネットワーク・コンテキストでどの様な優先度(嗜好)を有しているかを決定することも含むことができる。 The various inputs described above can be combined to obtain a more accurate user context. This identifies multiple priorities and what priority (in the social network context) the user is allowed to synthesize by combining input obtained from within one or more social networks in which the user participates. Determining whether the user has a preference) can also be included.
ユーザのオンライン・ソーシャル・ネットワークの相互作用に基づいて、様々な入力を合成することにより取得されたユーザのプロファイルに基づいて、本発明のシステム及び方法は、ユーザの関心とより良く一致する情報を提示することができる。 Based on the user's profile obtained by synthesizing various inputs based on the user's online social network interaction, the system and method of the present invention provides information that better matches the user's interests. Can be presented.
ここで図7を参照すると、一実施形態に従って、デジタル・ソーシャル・ネットワーク上でセマンティック操作を行うための例示的なプロセス700が示されている。図7のプロセスは、ユーザコンテキスト情報が、ソーシャル・ネットワークから取得されように、動作702で開始する。ユーザコンテキスト情報は、ユーザが関心を示す情報を把握するために使用されるようなユーザに関する情報を含んでいてもよい。
With reference now to FIG. 7, an
ユーザコンテキストを取得するために使用されるユーザのオンライン相互作用からの入力の種類は、例えば、(i)1つ以上のソーシャル・ネットワーク内のユーザのネットワーク上のつながり、(ii)様々なチャット空間でユーザが参加する議論やソーシャル・ネットワーク上のブログ、(iii)ユーザのソーシャル・ネットワーク・プロファイル上での選択や投稿によって示されるような関心のあるトピック、(iv)ユーザの電子商取引活動、及び(v)閲覧され又はユーザのソーシャル・ウェブページにアップロードされたマルチメディア・コンテンツ或いはソーシャル・ネットワーク上のブログを含むことができる。これらの様々なタイプの入力とともに、「I.ユーザコンテキスト情報の取得」の項及びプロセス100の動作102で上述したように、コンテキスト情報を取得するための全ての手法は、ユーザコンテキストを取得するために適用することができる。
The type of input from the user's online interaction used to obtain the user context can be, for example, (i) a network connection of the user within one or more social networks, (ii) various chat spaces (Iii) topics of interest as indicated by selections and posts on the user's social network profile, (iv) the user's e-commerce activities, and (V) may include multimedia content viewed or uploaded to a user's social web page or a blog on a social network. Along with these various types of input, as described above in the section “I. Obtaining User Context Information” and
さらに図7を参照すると、動作702に続いて、プロセス700は、次に、プロセス700が、知識表現内のユーザコンテキスト情報を表すアクティブ概念を識別又は生成するように、動作704に進む。多くの態様での動作704は、プロセス100の動作104と平行して実行することができ、「II.ユーザコンテキスト情報を表すアクティブ概念の識別又は生成」の項で上述した技術のいずれを用いてもよい。
Still referring to FIG. 7, following
さらに図7を参照すると、動作706は、KR(知識表現)に基づいてアクティブ概念に関連する1つ以上の概念を取得することを例示している。プロセス700の動作708は、選択された概念のスコアに基づいて値を計算することを伴う。取得された関連する概念のスコアリングと選択とは、プロセス100の動作106及び動作108にそれぞれ例示され、且つ「III.アクティブ概念に関連する概念の識別」及び「IV.関連する測定や複数の測定を使用して識別された概念(複数可)をスコアリング及び選択する」の項でより詳細に説明されている方法と基本的に平行して実行される。動作706においてセマンティック的に関連する概念を取得するために使用されるKR(知識表現)は、任意のコンテンツに基づいて構築することができるが、いくつかの実施形態では、KRを形成するために使用されるコンテンツは、ユーザの現在のオンライン相互作用に関係する1つ以上の特定の対象物に向けられてもよい。
Still referring to FIG. 7,
関連する概念がスコアリングされるとともに、上位スコアの概念が選択された後に、プロセス700は、次に、このプロセス700が、上位スコアの概念を使用して、上位スコアの概念を含む関心ネットワークを確立する又はこのネットワークに追加するように、動作710に進む。このような関心ネットワークを確立した状態で、プロセス700は、次に、このプロセス700が、関心ネットワークに基づいて情報の検索をフィルタリング、ランク付け(又は再ランク付け)、又は拡張(増強)するように、動作712に進むことができる。
After the related concepts have been scored and the high score concept has been selected, the
図8は、プロセス700が、ジョニー・アップルシード(Johnny Appleseed)という名前のユーザについての関心ネットワークを確立するように実施する非限定的な一例を示す図である。自分のユーザプロファイルにおいて、ジョニー・アップルシードは、自分の専門分野が「企業戦略」、「定量的なモデリング」、及び「自動車産業」であることを示している。また、ジョニー・アップルシードのプロフィールには、彼が関心を示す多数の趣味が記載されている。
FIG. 8 is a non-limiting example that the
図8に示されるユーザプロファイルに記載された専門分野や、趣味、その他の情報は、ソーシャル・ネットワークのユーザコンテキストを提供し、そのコンテキストの一例は、図7の動作702で取得された情報である。図8は、一態様において、このユーザコンテキスト情報が、プロセス700の動作706に示されるように、どの様にKR(知識表現)内にアクティブ概念「企業戦略」を識別又は生成することを可能にするかの方法を示している。アクティブ概念が、KR内に既に存在している、又は代替的に、図3及びそれに関連する説明に関して説明したように生成されていてもよい。アクティブ概念は、次ぎに、プロセス700の動作706に記載されたようにKR内において関連する複数の概念を取得するために使用することができ、それは、図8において、アクティブ概念「企業戦略」が、「軍事戦略」、「ビジネス」等のKR内の概念にマッピングされるように示されている。複数の概念が、プロセス700の動作708と動作710とに図示されるように、KR内の関連する複数の概念から、関連する上位スコアに基づいて選択される。この例示的な例では、語句「ビジネスの原則」、「企業価値」及び「経営戦略」は、上位スコアの概念として全て選択されている。
The field of specialization, hobbies, and other information described in the user profile shown in FIG. 8 provide the user context of the social network, and an example of the context is information acquired in
選択された概念は、次に、関心グラフを確立又はこのグラフに追加するために使用することができる。図8に示すように、関心グラフは、(ユーザのプロファイルからの明示的な記述と解釈される)概念として「企業戦略」を含んでおり、且つ「経営戦略」、「ビジネスの原則」及び「企業価値」を含む概念への新たに形成された関係を有している。従って、いくつかの態様において、関心グラフは、新たに検索された概念又はアクティブ概念から取得され合成された概念に接続されたアクティブ概念を含むことができる。 The selected concept can then be used to establish or add to the graph of interest. As shown in FIG. 8, the graph of interest includes “corporate strategy” as a concept (interpreted as an explicit description from the user's profile), and includes “business strategy”, “business principles” and “ It has a newly formed relationship to concepts that include “corporate value”. Accordingly, in some aspects, the interest graph may include active concepts connected to newly retrieved concepts or concepts obtained from active concepts and synthesized.
また、「企業戦略」とそれに関連付けられた接続は、互いに関心グラフの一部をリンクするために形成された仮想ノードに接合することができる。この例では、「自動車産業」は、ユーザによって明示的に記述された、別の専門分野である。「自動車産業」は、「効率的な生産」、「自動車設計」、及び「燃費」への接続を有するように、プロセス700を使用して、以前に作成した関心グラフに使用される。仮想ノードを形成することにより、図8のユーザ名(ジョニー・アップルシード)でラベル付けされた場合に、このユーザによる別の明示的な記述に基づく二つの異なる関心グラフは、隣接してもよい。
Also, the “enterprise strategy” and the connections associated therewith can be joined to virtual nodes that are formed to link portions of the interest graph to each other. In this example, “auto industry” is another discipline explicitly described by the user. “Automobile industry” is used in the interest graph previously created using
この時点で、関心グラフ内の概念は、ユーザに関連する可能性のあるソーシャル・ネットワーク内の情報を、ランク付け、フィルタリング又は拡張(増強)するために使用することができる。図8は、関連する議論グループ:「1.企業戦略を効率的な生産に適用する」、「2.自動車産業における経営戦略」、「3.初心者用企業戦略」等、の順序を示している。項目「1」と「3」の各々は、「企業戦略」を記載しているが、項目「1」は、ユーザの関心グラフから得られた「効率的な生産」の追加の記載によってより高い優先順位を付けられることがあることに留意されたい。同様に、結果は、ユーザの関心グラフの中の概念を多く記載する結果のみが表示されるように、フィルタリングすることもできる。関心グラフが、ユーザに関連して以前に知られていなかったような概念(例えば、「ビジネスの原則」)をさらに追加するので、関心グラフは、ともするとスパース(sparse)又はヌル(0)になるであろう結果を拡張(増強)するために使用することができる。例えば、ソーシャル・ネットワーク内の項目が「企業戦略」を記載していないが、いくつかの項目「ビジネスの原則」を記載しているときに、「ビジネスの原則」を記載するこれらの項目は、潜在的に関連するものとしてユーザに提示することができる。 At this point, the concepts in the interest graph can be used to rank, filter or augment (enhance) information in the social network that may be relevant to the user. FIG. 8 shows the order of related discussion groups: “1. Apply corporate strategy to efficient production”, “2. Management strategy in the automobile industry”, “3. Corporate strategy for beginners”, etc. . Each of items “1” and “3” describes “corporate strategy”, but item “1” is higher due to the additional description of “efficient production” obtained from the user's interest graph. Note that it may be prioritized. Similarly, the results can be filtered so that only results that describe many concepts in the user's interest graph are displayed. Since the interest graph adds further concepts (eg, “business principles”) that were not previously known in relation to the user, the interest graph may be sparse or null (0). Can be used to expand (enhance) the results that would be. For example, if an item in a social network does not list “Corporate Strategy” but mentions several items “Business Principles”, those items that describe “Business Principles” It can be presented to the user as potentially relevant.
図8の例は、ユーザについて推奨されたグループを例示するが、関連グラフは、デジタル・ソーシャル・ネットワークのユーザに関連する可能性のある任意タイプの情報をランク付け、フィルタリング又は拡張(増大)させるために用いることができる。例えば、関心グラフは、ニュース、他のソーシャル・ネットワークへの推奨された接続、更新状況、将来のジョブリスト等の情報を、ランク付け、フィルタリング又は拡張(増強)するために使用することができる。従って、本システム及び本方法の適用として、ユーザのソーシャル・ネットワーク・コンテキストについて取得されたユーザコンテキストに基づいて、ソーシャル・ネットワークのユーザによって経験される情報が強化されることが理解される。 The example of FIG. 8 illustrates a recommended group for users, but the association graph ranks, filters or expands (increases) any type of information that may be relevant to users of the digital social network. Can be used for For example, the interest graph can be used to rank, filter or enhance (enhance) information such as news, recommended connections to other social networks, update status, future job lists, and the like. Accordingly, it is understood that as an application of the present system and method, the information experienced by users of the social network is enhanced based on the user context obtained for the user's social network context.
本システム及び本方法の実施形態において、オンライン小売業者から入手されるようなユーザアカウントが、動的な方法でユーザコンテキストに直接リンクすることができ、それによって、所定のユーザコンテキストは、ユーザが現在最も関心を有しているものが何であるかの観点から常に最新のものとなるようにされる。前述したように、ユーザコンテキストへの入力は、多くの異なる種類があり、且つ複数のソーシャル・ネットワークのユーザカウントを含む多数の様々なソースに由来することがある。この多様化した情報ソースは、任意の時点で、より正確で、ダイナミック、且つバランスのとれたユーザのプロファイルを提供することができる。 In embodiments of the system and method, a user account, such as obtained from an online retailer, can be linked directly to the user context in a dynamic manner, whereby the predetermined user context is It is always kept up-to-date in terms of what is of most interest. As mentioned above, input to the user context can be many different types and can come from many different sources including multiple social network user counts. This diversified information source can provide a more accurate, dynamic and balanced user profile at any given time.
VII.追加の実装の詳細
上述のコンピュータ装置(例えば、図2A及び図2Bに示されるクライアント・コンピュータとサーバ)は、任意の様々な方法で実装することができる。図9は、上述のコンピュータ装置のいずれかを実施するために使用できるような例示的なコンピュータ装置1000のブロック図である。
VII. Additional Implementation Details The computer devices described above (eg, the client computer and server shown in FIGS. 2A and 2B) can be implemented in any of a variety of ways. FIG. 9 is a block diagram of an
コンピュータ装置1000は、1つ以上のプロセッサ(例えば、マイクロプロセッサ)1001と、1つ以上の有形の、非一時的なコンピュータ可読記憶媒体(例えば、メモリ1003)とを含むことができる。メモリ1003は、上述した機能のいずれかを実施する有形の、非一時的なコンピュータ可読記憶媒体にコンピュータ命令を格納してもよい。プロセッサ(複数可)1001は、メモリ1003に結合することができ、機能を実現し且つ実行させるようなコンピュータ命令を実行することができる。コンピュータ装置1000は、このコンピュータ装置が(例えば、ネットワークを介して)他のコンピュータと通信することができような、ネットワーク入力/出力(I/O)インタフェイス1005も含むことができる。いくつかの実施形態では、コンピュータ装置は、このコンピュータが、ユーザに出力を提供するとともにユーザからの入力を受信するような、1つ以上のユーザI/Oインタフェイスも含むことができる。ユーザI/Oインタフェイスは、キーボード、マウス、マイクロフォン、ディスプレイ装置(例えば、モニタ又はタッチスクリーン)、スピーカ、カメラ、及び/又は様々な他のタイプのI/Oデバイス等のデバイスを含むことができる。
The
本発明の上述した実施形態は、多数の方法のいずれかで実装することができる。例えば、実施形態は、ハードウェア、ソフトウェア、又はこれらの組合せを用いて実装することができる。ソフトウェアで実装する場合に、ソフトウェアコードは、単一のコンピュータに設けられたか又は複数のコンピュータ間に分散されたかによらず、任意の適切なプロセッサ又はプロセッサの集合体(例えば、1つのマイクロプロセッサ又は複数のマイクロプロセッサ)上で実行されるような、格納されたプログラム命令として具現化することができる。 The above-described embodiments of the present invention can be implemented in any of a number of ways. For example, embodiments can be implemented using hardware, software, or a combination thereof. When implemented in software, the software code may be implemented in any suitable processor or collection of processors (eg, a single microprocessor or a set of processors), regardless of whether the software code is provided on a single computer or distributed among multiple computers. It can be embodied as stored program instructions that are executed on a plurality of microprocessors).
なお、コンピュータは、例えばラックマウント方式コンピュータ、デスクトップコンピュータ、ラップトップコンピュータ、又はタブレットコンピュータ等の多数の形態のいずれかで具体化され得ることを理解されたい。また、コンピュータは、一般にコンピュータとはみなされない装置で具現化することができるが、パーソナル・デジタル・アシスタント(PDA)、スマートフォン、タブレット、リーダ、又は他の任意の適切なポータブルデバイス或いは固定の電子デバイスを含む適切な処理能力を有するコンピュータで具現化できる。 It should be understood that the computer may be embodied in any of a number of forms, such as a rack mount computer, a desktop computer, a laptop computer, or a tablet computer. A computer may also be embodied in devices that are not generally considered computers, but may be a personal digital assistant (PDA), smartphone, tablet, reader, or any other suitable portable or fixed electronic device. Can be realized by a computer having an appropriate processing capability.
また、コンピュータは、1つ以上の入出力デバイスを有することができる。これらのデバイスは、ユーザインタフェイスを提示するために、特に、使用することができる。ユーザインタフェイスを提供するために使用することができる出力デバイスの例としては、出力を視覚的に提示するためのプリンタやディスプレイ画面と、出力を音声的に提示するためのスピーカ又は他の音響発生装置とを含む。ユーザインタフェイスに使用することができる入力デバイスの例には、キーボード、マイクロフォン、及びマウス、タッチパッド、並びにデジタル化タブレット等のポインティングデバイスを含む。 A computer can also have one or more input / output devices. These devices can be used in particular to present a user interface. Examples of output devices that can be used to provide a user interface include a printer or display screen for visually presenting the output, and a speaker or other sound generator for presenting the output audibly. Including the device. Examples of input devices that can be used for the user interface include keyboards, microphones, and pointing devices such as mice, touchpads, and digitized tablets.
このようなコンピュータは、企業ネットワーク等のローカルエリアネットワーク(LAN)、又はインテリジェント・ネットワーク(IN)又はインターネット等のワイドエリアネットワーク(WAN)等のネットワークを含む、任意の適切な形態の1つ以上のネットワークによって相互接続することができる。そのようなネットワークは、任意の適切な技術に基づいてもよく、任意の適切なプロトコルに従って動作し、無線ネットワーク、有線ネットワーク、及び/又は光ファイバネットワークを含むことができる。 Such a computer may include one or more of any suitable forms, including a local area network (LAN) such as a corporate network, or a network such as an intelligent network (IN) or a wide area network (WAN) such as the Internet. Can be interconnected by network. Such networks may be based on any suitable technology, operate according to any suitable protocol, and can include wireless networks, wired networks, and / or fiber optic networks.
本明細書に概説した様々な方法又はプロセスは、様々なオペレーティングシステム又はプラットフォームのいずれかを用いる1つ以上のプロセッサ上で実行可能なソフトウェアとしてコード化することができる。さらに、このようなソフトウェアは、多くの適切なプログラミング言語及び/又はプログラミング又はスクリプトツールのいずれかを用いて記述することができるとともに、仮想マシン、又は適切なフレームワーク上で実行される実行可能な機械言語コード又は中間コードとしてコンパイルすることもできる。 The various methods or processes outlined herein can be encoded as software executable on one or more processors using any of a variety of operating systems or platforms. Further, such software can be written using any of a number of suitable programming languages and / or programming or scripting tools and is executable on a virtual machine or suitable framework. It can also be compiled as machine language code or intermediate code.
この点に関して、様々な発明の概念は、少なくとも1つの非一時的な有形のコンピュータ可読記憶媒体(例えば、コンピュータメモリ、1つ以上のフロッピー(登録商標)ディスク、コンパクトディスク、光ディスク、磁気テープ、フラッシュメモリ、フィールド・プログラマブル・ゲート・アレイ又は他の半導体デバイスの回路構成等)として実現されてもよい。その媒体は、1つ以上のコンピュータ又は他のプロセッサ上で実行される場合に、1つ以上のプログラムでエンコード化された項目(複数可)が、本発明の様々なプロセスを実行する。非一時的なコンピュータ可読媒体又はこれらの複数の媒体は、その媒体上に格納されたプログラム又は複数のプログラムが、上述したように、本発明の様々な態様を実装するために、任意の適切なコンピュータリソースにロードされ得るように、可搬型としてもよい。 In this regard, the various inventive concepts are related to at least one non-transitory tangible computer readable storage medium (eg, computer memory, one or more floppy disks, compact disk, optical disk, magnetic tape, flash It may be realized as a memory, a field programmable gate array, or other semiconductor device circuit configuration). When the medium is executed on one or more computers or other processors, the item (s) encoded with one or more programs perform the various processes of the present invention. A non-transitory computer readable medium or a plurality of these media may be any suitable program for implementing various aspects of the invention, as described above, for a program or programs stored on the medium. It may be portable so that it can be loaded into computer resources.
用語「プログラム」又は「ソフトウェア」は、上述したように実施形態の様々な態様を実施するコンピュータ又は他のプロセッサをプログラムするために使用することができるような、任意のタイプのコンピュータコード又はコンピュータ実行可能命令のセットを指すために、一般的な意味として本明細書で使用されている。さらに、一態様に従って、本発明の方法を実行する際の1つ以上のコンピュータ・プログラムは、単一のコンピュータ又はプロセッサ上に存在する必要はなく、本発明の様々な態様を実装するために様々なコンピュータ又はプロセッサの間でモジュール方式として分散されてもよいことを理解されたい。 The term “program” or “software” refers to any type of computer code or computer execution that can be used to program a computer or other processor that implements various aspects of the embodiments as described above. Used herein in a general sense to refer to a set of possible instructions. Further, according to one aspect, the one or more computer programs in performing the methods of the present invention need not reside on a single computer or processor, but may vary to implement various aspects of the present invention. It should be understood that it may be distributed modularly among different computers or processors.
コンピュータ実行可能命令は、1つ以上のコンピュータ又は他のデバイスによって実行されるプログラムモジュール等の多数の形態であってもよい。一般に、プログラムモジュールは、特定のタスクを実行するか又は特定の抽象データタイプを実装するルーチン、プログラム、アイテム、構成要素、データ構造等を含む。典型的に、プログラムモジュールの機能は、様々な実施形態において所望されるように、組み合わせる、又は分散させることができる。 Computer-executable instructions may be in many forms, such as program modules, executed by one or more computers or other devices. Generally, program modules include routines, programs, items, components, data structures, etc. that perform particular tasks or implement particular abstract data types. Typically, the functionality of the program modules can be combined or distributed as desired in various embodiments.
また、データ構造は、任意の適切な形態で、非一時的な有形のコンピュータ可読記憶媒体物品に格納することができる。説明を簡単にするために、データ構造は、データ構造内の場所を介して関連するフィールドを有するように示され得る。そのような関係は、同様に、フィールド同士間の関係を伝える非一時的な有形のコンピュータ可読媒体の位置を、フィールドに対するストレージに割り当てることによって達成することができる。しかし、任意の適切な機構は、ポインタ、タグ又はデータ要素間の関係を確立する他の機構の使用を含むような、データ構造のフィールドの情報の間の関係を確立するために使用することができる。 The data structure can also be stored in any suitable form on a non-transitory tangible computer readable storage media article. For ease of explanation, the data structure may be shown as having related fields via locations within the data structure. Such a relationship can also be achieved by assigning a non-transitory tangible computer readable medium location that conveys the relationship between fields to storage for the field. However, any suitable mechanism may be used to establish relationships between information in the fields of the data structure, including the use of pointers, tags or other mechanisms that establish relationships between data elements. it can.
また、様々な発明の概念は、複数の実施例(例えば、プロセス100,300)が提供された1つ以上の方法として具現化することができる。方法の一部として実行される動作は、任意の適切な方法で順序付けられてもよい。従って、実施形態は、例示的な実施形態においてシーケンシャルな動作として示される、又はその逆として示されるにもかかわらず、同時にいくつかの動作を実行することを含むような、図示とは異なる順序で実行される構成とすることができる。 Also, the various inventive concepts may be embodied as one or more methods in which multiple embodiments (eg, processes 100, 300) are provided. The actions performed as part of the method may be ordered in any suitable way. Thus, the embodiments are shown in a different order than shown, including performing several operations simultaneously, even though they are shown as sequential operations in the exemplary embodiment, or vice versa. It can be configured to be executed.
本明細書中で使用され且つ規定される全ての規定は、辞書の規定、参照により組み込まれる文書の規定、及び/又は規定された用語の通常の意味を確立することを理解されたい。 It should be understood that all conventions used and defined herein establish dictionary definitions, document conventions incorporated by reference, and / or the normal meaning of the defined terms.
本明細書で使用される不定冠詞「a」と「an」は、明確にそれに反する指示がない限り、「少なくとも1つ」を意味すると理解されるべきである。 As used herein, the indefinite articles “a” and “an” should be understood to mean “at least one” unless there are specific indications to the contrary.
本明細書で用いるように、1つ以上の要素のリストを参照する語句「少なくとも1つ」は、要素のリスト内の任意の1つ以上の要素から選択される少なくとも1種の要素を意味すると理解されるべきであり、必ずしも要素のリスト内に特に表示されたありとあらゆる要素のうちの少なくとも1つを含む必要はなく、要素のリスト内の任意の組み合わせの要素を排除するものではない。この規定はまた、特に識別されたこれらの要素に関連するか、関連しないかによらず、要素は随意に、語句「少なくとも1つ」が指す要素のリスト内で特に識別された要素以外に存在する他の可能性があることを規定する。従って、非限定的な例として、「A及びBの少なくとも1つ」(又は、等価的に、A又はBのうちの少なくとも1つ、或いは、等価的に、A及び/又はBの少なくとも1つ)は、一実施形態において、随意に1つ以上のAを含むが、Bが存在しない(及び、随意にB以外の要素を含む)ことを意味する。別の実施形態では、少なくとも1つは、随意に1つ以上のBを含むが、Aが存在しない(及び、随意にA以外の要素を含む)ことを意味する。さらに別の実施形態では、少なくとも1つは、随意に1つ以上のAを含み、及び随意に1つ以上のBを含む(及び、随意に他の要素を含む)ことを意味する。 As used herein, the phrase “at least one” referring to a list of one or more elements shall mean at least one element selected from any one or more elements in the list of elements. It is to be understood that it need not include at least one of every element specifically displayed in the list of elements and does not exclude any combination of elements in the list of elements. This provision may also be present other than the element specifically identified in the list of elements to which the phrase “at least one” refers, regardless of whether or not these elements are specifically identified. Specify that there are other possibilities. Thus, as a non-limiting example, “at least one of A and B” (or equivalently, at least one of A or B, or equivalently, at least one of A and / or B) ) Means, in one embodiment, optionally including one or more A, but B is absent (and optionally includes elements other than B). In another embodiment, at least one means optionally including one or more B, but A is absent (and optionally includes elements other than A). In yet another embodiment, at least one is meant to optionally include one or more A, and optionally include one or more B (and optionally include other elements).
本明細書で使用される語句「及び/又は」、そのように結合された要素の「どちらか又は両方」を意味すると理解されるべきである、すなわち、ある場合には論理積として存在し、他の場合には論理和として存在する。「及び/又は」と共に記載されている複数の要素は、同じように解釈すべきである、すなわち、そのように結合された要素の「1つ以上」を意味する。特に識別されたこれらの要素に関連するか、関連しないかによらず、他の要素は、随意に、「及び/又は」節によって特に識別された要素以外に存在することができる。従って、非限定的な例として、「及び/又はB」の意味は、「備える、有する、含む(comprising)」等のオープンエンド言語に関連して使用されるときに、一実施形態では、Aのみを意味する(随意に、B以外の要素を含む)。別の実施形態では、Bのみを意味する(随意に、A以外の要素を含む)。さらに別の実施形態では、AとBの両方を意味する(随意に、他の要素を含む)。 As used herein, the phrase “and / or” should be understood to mean “either or both” of the elements so conjoined, that is, in some cases exist as a conjunction, In other cases it exists as a logical sum. Multiple elements listed with “and / or” should be construed in the same way, ie, “one or more” of the elements so conjoined. Regardless of whether or not these elements are specifically identified, other elements can optionally be present other than those specifically identified by the “and / or” clause. Thus, as a non-limiting example, the meaning of “and / or B” when used in connection with an open-ended language such as “comprising”, in one embodiment, Only (optionally including elements other than B). In another embodiment, only B is meant (optionally including elements other than A). In yet another embodiment, it means both A and B (optionally including other elements).
本明細書で使用される「又は」は、上記で規定したような「及び/又は」と同様な意味を有すると理解されたい。例えば、リスト内で項目を区切るときに、「又は」又は「及び/又は」は、包括的なものと解釈しなければならない、すなわち、少なくとも1つを含むが、多数の要素又は要素のリストの1つ以上を含み、そして、随意に、追加のリスト化されていない項目を含む。 As used herein, “or” should be understood to have the same meaning as “and / or” as defined above. For example, when delimiting items in a list, “or” or “and / or” should be construed as inclusive, ie include at least one, but multiple elements or lists of elements Contains one or more and optionally includes additional unlisted items.
本明細書で用いられる表現及び用語は、説明の目的のためであり、限定とみなされるべきではない。「含む(including)」、「備える(comprising)」、「有する(having)」、「包含する(containing)」、「含む(involving)」及びこれらの活用形の使用は、その後に列挙される項目及び追加の項目を包含することを意味する。 The expressions and terms used herein are for illustrative purposes and should not be considered limiting. The terms “including”, “comprising”, “having”, “containing”, “involving” and the use of these conjugations are listed below. And includes additional items.
本発明のいくつかの実施形態を詳細に説明したが、様々な変更及び改良は、当業者に容易に想起される。このような変更及び改良は、本発明の精神及び範囲に含まれるものである。従って、上述した説明は単なる例示であり、限定を意図するものではない。 Although several embodiments of the present invention have been described in detail, various changes and modifications will readily occur to those skilled in the art. Such changes and modifications are intended to be within the spirit and scope of the invention. Accordingly, the foregoing description is by way of example only and is not intended as limiting.
Claims (48)
前記少なくとも1人のユーザに関連付けられたユーザコンテキスト情報を受信するステップと;
格納されたプログラム命令を実行する少なくとも1つのプロセッサを用いて、前記ユーザに関連付けられた情報を少なくとも表すユーザ固有の知識表現内において、前記ユーザコンテキスト情報の少なくとも一部を表す第1の概念を生成又は識別するステップと;
前記ユーザ固有の知識表現内で第1の概念にセマンティック的に関連する少なくとも1つの概念を取得するステップと;
前記少なくとも1人のユーザに情報を提供するステップであって、該情報は、第1の概念及び第1の概念にセマンティック的に関連して取得された少なくとも1つの概念を使用することによって選択される、提供するステップと;を含み、
前記ユーザ固有の知識表現内の第1の概念及び第1の概念にセマンティック的に関連して取得された少なくとも1つの概念は、該ユーザ固有の知識表現内で概念同士のセマンティック的な関連性を示すノードに関連付けられたデータを格納するデータ構造によって表される、
コンピュータ実装方法。 A computer-implemented method for providing information selected from a large set of digital content to at least one user by using a user-specific knowledge representation, the method comprising:
Receiving user context information associated with the at least one user;
Generating a first concept representing at least a portion of the user context information in a user-specific knowledge representation representing at least information associated with the user using at least one processor that executes stored program instructions Or identifying step;
Obtaining at least one concept semantically related to a first concept within the user-specific knowledge representation;
Providing information to the at least one user, wherein the information is selected by using a first concept and at least one concept obtained semantically related to the first concept. Providing, and
The first concept in the user-specific knowledge representation and at least one concept acquired in semantic relation to the first concept are used to establish a semantic relationship between the concepts in the user-specific knowledge representation. Represented by a data structure that stores data associated with the indicated node,
Computer mounting method.
前記保存されたユーザ固有の知識表現が存在すると判定された場合に、前記保存されたユーザ固有の知識表現を前記ユーザ固有の知識表現として使用するステップと;
前記保存されたユーザ固有の知識表現が存在しないと判定された場合に、新しいユーザ固有の知識表現を生成するとともに、該新しいユーザ固有の知識表現を前記ユーザ固有の知識表現として使用するステップと;をさらに含む、
請求項1に記載のコンピュータ実装方法。 Determining whether there is a user-specific knowledge representation associated with the user and stored;
Using the stored user-specific knowledge representation as the user-specific knowledge representation when it is determined that the stored user-specific knowledge representation exists;
Generating a new user-specific knowledge representation and using the new user-specific knowledge representation as the user-specific knowledge representation when it is determined that the stored user-specific knowledge representation does not exist; Further including
The computer-implemented method of claim 1.
請求項1に記載のコンピュータ実装方法。 The at least one concept includes a second concept, and obtaining the at least one concept includes synthesizing a second concept based at least in part on the structure of the user-specific knowledge representation. ,
The computer-implemented method of claim 1.
請求項3に記載のコンピュータ実装方法。 Synthesizing the second concept includes using an additive operation based on a co-definition technique for the attributes of the first concept ;
The computer-implemented method according to claim 3.
請求項3に記載のコンピュータ実装方法。 Step of combining the second concept comprises using an additive operation based on the parent analogy technique and / or siblings analogy technique,
The computer-implemented method according to claim 3.
請求項3に記載のコンピュータ実装方法。 Synthesizing the second concept includes using an additive operation based on a commonality technique with the attributes of the first concept ;
The computer-implemented method according to claim 3.
請求項3に記載のコンピュータ実装方法。 The step of synthesizing the second concept includes using a replace operation that replaces the attribute of the first concept with another concept , and the replace operation includes using a search operation and / or an add operation. ,
The computer-implemented method according to claim 3.
第1の概念にセマンティック的に関連した複数の概念を取得するステップと;
前記複数の概念内の1つ以上の概念についてスコアを計算するステップであって、特定の概念についてのスコアが、第1の概念に対する前記特定の概念のセマンティック的な関連性の指標である、計算するステップ;
前記1つ以上の概念について計算されたスコアに基づいて、前記少なくとも1つの概念を選択するステップと;を含む、
請求項1に記載のコンピュータ実装方法。 Obtaining the at least one concept includes:
Obtaining a plurality of concepts semantically related to the first concept;
Calculating a score for one or more concepts within the plurality of concepts, wherein the score for a particular concept is an indicator of the semantic relevance of the particular concept to a first concept Step to do;
Selecting the at least one concept based on a score calculated for the one or more concepts;
The computer-implemented method of claim 1.
請求項8に記載のコンピュータ実装方法。 Calculating a score for the concept includes using at least one related measurement from among production certainty, concept productivity, jakar, statistical coherence, and / or cosine similarity;
The computer-implemented method according to claim 8.
前記ユーザコンテキスト情報の一部が、前記ユーザ固有の知識表現内の概念の識別子と一致するか否かを判定するステップと;
前記ユーザコンテキスト情報の少なくとも一部が、前記ユーザ固有の知識表現内の概念の識別子と一致しないと判断された場合に、前記ユーザ固有の知識表現内に第1の概念を生成するステップと;を含む、
請求項1に記載のコンピュータ実装方法。 The steps for identifying or generating the first concept are:
Determining whether a portion of the user context information matches a conceptual identifier in the user-specific knowledge representation;
Generating a first concept in the user-specific knowledge representation when it is determined that at least a portion of the user context information does not match an identifier of the concept in the user-specific knowledge representation; Including,
The computer-implemented method of claim 1.
請求項1に記載のコンピュータ実装方法。 Generating a first concept in the user-specific knowledge representation, the than other concepts of user-specific knowledge representation, such as to cover more of the number of words in the part of the user context information Identifying a concept in the user-specific knowledge representation,
The computer-implemented method of claim 1.
請求項1に記載のコンピュータ実装方法。 The user-specific context information is a search query provided by the user, demographic information associated with the user, information from the user's browsing history, information entered by the user and / or highlighted by the user. Including at least one of the generated information,
The computer-implemented method of claim 1.
請求項1に記載のコンピュータ実装方法。 The user-specific knowledge representation is represented by a data structure that embodies a directed graph including a plurality of nodes and a plurality of edges, where each node is associated with a concept, and an edge between two nodes is Represents the relationship between two corresponding concepts,
The computer-implemented method of claim 1.
請求項1に記載のコンピュータ実装方法。 The information includes one or more advertisements and / or one or more product recommendations from one or more other users,
The computer-implemented method of claim 1.
請求項1に記載のコンピュータ実装方法。 The information includes content that appears on or is accessible through a website,
The computer-implemented method of claim 1.
第1の概念及び取得した少なくとも1つの概念に由来する用語を含む検索クエリを作成するステップと;
該検索クエリに基づいて取得された検索結果に関連付けられた情報を前記ユーザに提供するステップと;を含む、
請求項1に記載のコンピュータ実装方法。 Providing information to the at least one user includes:
Creating a search query that includes terms derived from the first concept and the acquired at least one concept;
Providing the user with information associated with a search result obtained based on the search query;
The computer-implemented method of claim 1.
以下の方法を実行するように構成された少なくとも1つのプロセッサを含み、前記方法が:
前記少なくとも1人のユーザに関連付けられたユーザコンテキスト情報を受信することと;
格納されたプログラム命令を実行する少なくとも1つのプロセッサを使用して、前記ユーザに関連付けられた情報を少なくとも表す前記ユーザ固有の知識表現内において、前記ユーザコンテキスト情報の一部を少なくとも表す第1の概念を識別又は生成することと;
前記ユーザ固有の知識表現内で第1の概念にセマンティック的に関連する少なくとも1つの概念を取得することと;
前記少なくとも1人のユーザに情報を提供することであって、該情報は、第1の概念及び第1の概念にセマンティック的に関連して取得された少なくとも1つの概念を使用することによって選択される、提供することと;を含み、
前記ユーザ固有の知識表現内の第1の概念及び第1の概念にセマンティック的に関連して取得された少なくとも1つの概念は、前記ユーザ固有の知識表現内で概念同士のセマンティック的な関連性を示すノードに関連付けられたデータを格納するデータ構造によって表される、
システム。 A system for providing information selected from a large set of digital content to at least one user using a user-specific knowledge representation, the system comprising:
The method comprises at least one processor configured to perform the following method:
Receiving user context information associated with the at least one user;
A first concept representing at least a portion of the user context information in the user specific knowledge representation representing at least information associated with the user using at least one processor executing stored program instructions Identifying or generating
Obtaining at least one concept semantically related to a first concept within the user-specific knowledge representation;
Providing information to the at least one user, wherein the information is selected by using a first concept and at least one concept obtained semantically related to the first concept. Providing, and
The first concept in the user-specific knowledge representation and the at least one concept acquired in semantic relation to the first concept provide a semantic relationship between the concepts in the user-specific knowledge representation. Represented by a data structure that stores data associated with the indicated node,
system.
前記保存されたユーザ固有の知識表現が存在すると判定された場合に、前記保存されたユーザ固有の知識表現を前記ユーザ固有の知識表現として使用することと;
前記保存されたユーザ固有の知識表現が存在しないと判定された場合に、新しいユーザ固有の知識表現を生成するとともに、該新しいユーザ固有の知識表現を前記ユーザ固有の知識表現として使用することと;をさらに含む、
請求項17に記載のシステム。 Determining whether a user-specific knowledge representation associated with and stored with the user exists;
Using the stored user-specific knowledge representation as the user-specific knowledge representation when it is determined that the stored user-specific knowledge representation exists;
Generating a new user-specific knowledge representation when it is determined that the stored user-specific knowledge representation does not exist; and using the new user-specific knowledge representation as the user-specific knowledge representation; Further including
The system of claim 17.
請求項17に記載のシステム。 The at least one concept includes a second concept, and obtaining the at least one concept comprises synthesizing a second concept based at least in part on the structure of the user-specific knowledge representation. Including,
The system of claim 17.
請求項19に記載のシステム。 Synthesizing the second concept includes using an additive operation based on a co-definition technique for the attributes of the first concept ;
The system of claim 19.
請求項19に記載のシステム。 Synthesizing the second concept includes using an additive operation based on a relative analogy method and / or a sibling analogy method;
The system of claim 19.
請求項19に記載のシステム。 Synthesizing the second concept includes using an additive operation based on a commonality technique with the attributes of the first concept ;
The system of claim 19.
請求項19に記載のシステム。 Combining the second concept includes using a replace operation that replaces an attribute of the first concept with another concept , and the replace operation includes using a search operation and / or an add operation. ,
The system of claim 19.
第1の概念にセマンティック的に関連する複数の概念を取得することと;
該複数の概念内の1つ以上の概念についてスコアを計算することであって、特定の概念についてのスコアが、第1の概念に対する前記特定の概念のセマンティック的な関連性の指標である、計算することと;
前記1つ以上の概念について計算されたスコアに基づいて、前記少なくとも1つの概念を選択することと;を含む、
請求項17に記載のシステム。 Obtaining the at least one concept is:
Obtaining a plurality of concepts that are semantically related to the first concept;
Calculating a score for one or more concepts within the plurality of concepts, wherein the score for a particular concept is an indicator of the semantic relevance of the particular concept relative to a first concept To do;
Selecting the at least one concept based on a score calculated for the one or more concepts;
The system of claim 17.
請求項24に記載のシステム。 Calculating a score for a concept includes using at least one related measurement from among production certainty, concept productivity, jakar, statistical coherence, and / or cosine similarity.
25. The system according to claim 24.
前記ユーザコンテキスト情報の一部が、前記ユーザ固有の知識表現内の概念の識別子と一致するか否かを判定することと;
前記ユーザコンテキスト情報の少なくとも一部が、前記ユーザ固有の知識表現内の概念の識別子と一致しないと判定された場合に、前記ユーザ固有の知識表現内に第1の概念を生成することと;を含む、
請求項17に記載のシステム。 Identifying or generating the first concept is:
Determining whether a portion of the user context information matches a conceptual identifier in the user-specific knowledge representation;
Generating a first concept in the user-specific knowledge representation when it is determined that at least a portion of the user context information does not match an identifier of the concept in the user-specific knowledge representation; Including,
The system of claim 17.
請求項17に記載のシステム。 Generating a first concept to the user-specific knowledge representation, the than other concepts of user-specific knowledge representation, such as to cover more of the number of words in the part of the user context information Identifying concepts in the user-specific knowledge representation,
The system of claim 17.
請求項17に記載のシステム。 The user-specific context information is a search query provided by the user, demographic information associated with the user, information from the user's browsing history, information entered by the user and / or highlighted by the user. Including at least one of the generated information,
The system of claim 17.
請求項27に記載のシステム。 The user-specific knowledge representation is represented by a data structure that embodies a directed graph including a plurality of nodes and a plurality of edges, where each node is associated with a concept, and an edge between two nodes is Represents the relationship between two corresponding concepts,
28. The system of claim 27.
請求項17に記載のシステム。 The information includes one or more advertisements and / or one or more product recommendations from one or more other users,
The system of claim 17.
請求項17に記載のシステム。 The information includes content that appears on or is accessible through a website,
The system of claim 17.
第1の概念及び取得した少なくとも1つの概念に由来する用語を含む検索クエリを作成することと;
該検索クエリに基づいて取得された検索結果に関連付けられた情報を前記ユーザに提供することと;を含む
請求項17に記載のシステム。 Providing information to the at least one user comprises:
Creating a search query including terms derived from the first concept and the acquired at least one concept;
18. The system of claim 17, comprising: providing the user with information associated with a search result obtained based on the search query.
前記少なくとも1人のユーザに関連付けられたユーザコンテキスト情報を受信することと;
格納されたプログラム命令を実行する少なくとも1つのプロセッサを使用して、前記ユーザに関連付けられた情報を少なくとも表す前記ユーザ固有の知識表現内において、前記ユーザコンテキスト情報の一部を少なくとも表す第1の概念を識別又は生成することと;
前記ユーザ固有の知識表現内で第1の概念にセマンティック的に関連する少なくとも1つの概念を取得することと;
前記少なくとも1人のユーザに情報を提供することであって、該情報は、第1の概念及び第1の概念にセマンティック的に関連して取得された少なくとも1つの概念を使用することによって選択される、提供することと;を含み、
前記ユーザ固有の知識表現内の第1の概念及び第1の概念にセマンティック的に関連して取得された少なくとも1つの概念は、前記ユーザ固有の知識表現内で概念同士のセマンティック的な関連性を示すノードに関連付けられたデータを格納するデータ構造によって表される、
コンピュータ可読記憶媒体。 When provided by at least one processor to provide at least one user with information selected from a large set of digital content using a user-specific knowledge representation to the at least one processor. At least one non-transitory computer readable storage medium storing processor-executable instructions for performing the method, the method comprising:
Receiving user context information associated with the at least one user;
A first concept representing at least a portion of the user context information in the user specific knowledge representation representing at least information associated with the user using at least one processor executing stored program instructions Identifying or generating
Obtaining at least one concept semantically related to a first concept within the user-specific knowledge representation;
Providing information to the at least one user, wherein the information is selected by using a first concept and at least one concept obtained semantically related to the first concept. Providing, and
The first concept in the user-specific knowledge representation and the at least one concept acquired in semantic relation to the first concept provide a semantic relationship between the concepts in the user-specific knowledge representation. Represented by a data structure that stores data associated with the indicated node,
Computer-readable storage medium.
前記保存されたユーザ固有の知識表現が存在すると判定された場合に、前記保存されたユーザ固有の知識表現を前記ユーザ固有の知識表現として使用することと;
前記保存されたユーザ固有の知識表現が存在しないと判定された場合に、新しいユーザ固有の知識表現を生成するとともに、該新しいユーザ固有の知識表現を前記ユーザ固有の知識表現として使用することと;をさらに含む、
請求項33に記載のコンピュータ可読記憶媒体。 Determining whether a user-specific knowledge representation associated with and stored with the user exists;
Using the stored user-specific knowledge representation as the user-specific knowledge representation when it is determined that the stored user-specific knowledge representation exists;
Generating a new user-specific knowledge representation when it is determined that the stored user-specific knowledge representation does not exist; and using the new user-specific knowledge representation as the user-specific knowledge representation; Further including
34. A computer readable storage medium according to claim 33.
請求項33に記載のコンピュータ可読記憶媒体。 The at least one concept includes a second concept, and obtaining the at least one concept synthesizes the second concept based at least in part on the structure of the user's unique knowledge representation. including,
34. A computer readable storage medium according to claim 33.
請求項35に記載のコンピュータ可読記憶媒体。 Synthesizing the second concept includes using an additive operation based on a co-definition technique for the attributes of the first concept ;
36. The computer readable storage medium of claim 35.
請求項35に記載のコンピュータ可読記憶媒体。 Synthesizing the second concept includes using an additive operation based on a relative analogy method and / or a sibling analogy method;
36. The computer readable storage medium of claim 35.
請求項35に記載のコンピュータ可読記憶媒体。 Synthesizing the second concept includes using an additive operation based on a commonality technique with the attributes of the first concept ;
36. The computer readable storage medium of claim 35.
請求項35に記載のコンピュータ可読記憶媒体。 Combining the second concept includes using a replace operation that replaces an attribute of the first concept with another concept , and the replace operation includes using a search operation and / or an add operation. ,
36. The computer readable storage medium of claim 35.
第1の概念にセマンティック的に関連する複数の概念を取得することと;
該複数の概念内の1つ以上の概念についてスコアを計算することであって、特定の概念についてのスコアが、第1の概念に対する前記特定の概念のセマンティック的な関連性の指標である、計算することと;
前記1つ以上の概念について計算されたスコアに基づいて、前記少なくとも1つの概念を選択することと;を含む、
請求項33に記載のコンピュータ可読記憶媒体。 Obtaining the at least one concept is:
Obtaining a plurality of concepts that are semantically related to the first concept;
Calculating a score for one or more concepts within the plurality of concepts, wherein the score for a particular concept is an indicator of the semantic relevance of the particular concept relative to a first concept To do;
Selecting the at least one concept based on a score calculated for the one or more concepts;
34. A computer readable storage medium according to claim 33.
請求項33に記載のコンピュータ可読記憶媒体。 Calculating a score for a concept includes using at least one related measurement from among production certainty, concept productivity, jakar, statistical coherence, and / or cosine similarity.
34. A computer readable storage medium according to claim 33.
前記ユーザコンテキスト情報の一部が、前記ユーザ固有の知識表現内の概念の識別子と一致するか否かを判定することと;
前記ユーザコンテキスト情報の少なくとも一部が、前記ユーザ固有の知識表現内の概念の識別子と一致しないと判定された場合に、前記ユーザ固有の知識表現内に第1の概念を生成することと;を含む、
請求項33に記載のコンピュータ可読記憶媒体。 Identifying or generating the first concept is:
Determining whether a portion of the user context information matches a conceptual identifier in the user-specific knowledge representation;
Generating a first concept in the user-specific knowledge representation when it is determined that at least a portion of the user context information does not match an identifier of the concept in the user-specific knowledge representation; Including,
34. A computer readable storage medium according to claim 33.
請求項33に記載のコンピュータ可読記憶媒体。 Generating a first concept to the user-specific knowledge representation, the than other concepts of user-specific knowledge representation, such as to cover more of the number of words in the part of the user context information Identifying concepts in the user-specific knowledge representation,
34. A computer readable storage medium according to claim 33.
請求項33に記載のコンピュータ可読記憶媒体。 The user-specific context information may be a search query provided by the user, demographic information associated with the user, information from the user's browsing history, information entered by the user, and / or by the user. Including at least one of the highlighted information,
34. A computer readable storage medium according to claim 33.
請求項33に記載のコンピュータ可読記憶媒体。 The user-specific knowledge representation is represented by a data structure that embodies a directed graph including a plurality of nodes and a plurality of edges, where each node is associated with a concept, and an edge between two nodes is Represents the relationship between two corresponding concepts,
34. A computer readable storage medium according to claim 33.
請求項33に記載のコンピュータ可読記憶媒体。 The information includes one or more advertisements and / or one or more product recommendations from one or more other users,
34. A computer readable storage medium according to claim 33.
請求項33に記載のコンピュータ可読記憶媒体。 The information includes content that appears on or is accessible through a website,
34. A computer readable storage medium according to claim 33.
第1の概念及び取得された少なくとも1つの概念に由来する用語を含む検索クエリを作成することと;
該検索クエリに基づいて取得された検索結果に関連付けられた情報を前記ユーザに提供することと;を含む、
請求項33に記載のコンピュータ可読記憶媒体。 Providing information to the at least one user includes:
Creating a search query that includes terms derived from the first concept and the acquired at least one concept;
Providing the user with information associated with a search result obtained based on the search query;
34. A computer readable storage medium according to claim 33.
Applications Claiming Priority (23)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201061428435P | 2010-12-30 | 2010-12-30 | |
US201061428445P | 2010-12-30 | 2010-12-30 | |
US201061428676P | 2010-12-30 | 2010-12-30 | |
US201061428607P | 2010-12-30 | 2010-12-30 | |
US61/428,676 | 2010-12-30 | ||
US61/428,445 | 2010-12-30 | ||
US61/428,607 | 2010-12-30 | ||
US61/428,435 | 2010-12-30 | ||
US201161430090P | 2011-01-05 | 2011-01-05 | |
US201161430138P | 2011-01-05 | 2011-01-05 | |
US201161430143P | 2011-01-05 | 2011-01-05 | |
US201161430141P | 2011-01-05 | 2011-01-05 | |
US61/430,090 | 2011-01-05 | ||
US61/430,138 | 2011-01-05 | ||
US61/430,143 | 2011-01-05 | ||
US61/430,141 | 2011-01-05 | ||
US13/162,069 | 2011-06-16 | ||
US13/162,069 US9361365B2 (en) | 2008-05-01 | 2011-06-16 | Methods and apparatus for searching of content using semantic synthesis |
PCT/CA2011/001403 WO2012088591A1 (en) | 2010-12-30 | 2011-12-30 | System and method for performing a semantic operation on a digital social network |
US13/340,792 US9378203B2 (en) | 2008-05-01 | 2011-12-30 | Methods and apparatus for providing information of interest to one or more users |
US13/340,820 US8676732B2 (en) | 2008-05-01 | 2011-12-30 | Methods and apparatus for providing information of interest to one or more users |
US13/340,820 | 2011-12-30 | ||
US13/340,792 | 2011-12-30 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016089412A Division JP6246259B2 (en) | 2010-12-30 | 2016-04-27 | System and method for performing semantic operations on a digital social network |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014507704A JP2014507704A (en) | 2014-03-27 |
JP2014507704A5 JP2014507704A5 (en) | 2015-02-12 |
JP5931914B2 true JP5931914B2 (en) | 2016-06-08 |
Family
ID=46382126
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013546530A Active JP5931914B2 (en) | 2010-12-30 | 2011-12-30 | System and method for performing semantic operations on a digital social network |
JP2016089412A Active JP6246259B2 (en) | 2010-12-30 | 2016-04-27 | System and method for performing semantic operations on a digital social network |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016089412A Active JP6246259B2 (en) | 2010-12-30 | 2016-04-27 | System and method for performing semantic operations on a digital social network |
Country Status (5)
Country | Link |
---|---|
JP (2) | JP5931914B2 (en) |
AU (1) | AU2011350049A1 (en) |
CA (1) | CA2823406A1 (en) |
IL (1) | IL227140A (en) |
WO (1) | WO2012088591A1 (en) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9177248B2 (en) | 2005-03-30 | 2015-11-03 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating customization |
US9378203B2 (en) | 2008-05-01 | 2016-06-28 | Primal Fusion Inc. | Methods and apparatus for providing information of interest to one or more users |
US10002325B2 (en) | 2005-03-30 | 2018-06-19 | Primal Fusion Inc. | Knowledge representation systems and methods incorporating inference rules |
US9104779B2 (en) | 2005-03-30 | 2015-08-11 | Primal Fusion Inc. | Systems and methods for analyzing and synthesizing complex knowledge representations |
US8849860B2 (en) | 2005-03-30 | 2014-09-30 | Primal Fusion Inc. | Systems and methods for applying statistical inference techniques to knowledge representations |
US7849090B2 (en) | 2005-03-30 | 2010-12-07 | Primal Fusion Inc. | System, method and computer program for faceted classification synthesis |
US10198503B2 (en) | 2008-05-01 | 2019-02-05 | Primal Fusion Inc. | System and method for performing a semantic operation on a digital social network |
US8676732B2 (en) | 2008-05-01 | 2014-03-18 | Primal Fusion Inc. | Methods and apparatus for providing information of interest to one or more users |
CN106845645B (en) | 2008-05-01 | 2020-08-04 | 启创互联公司 | Method and system for generating semantic network and for media composition |
US9361365B2 (en) | 2008-05-01 | 2016-06-07 | Primal Fusion Inc. | Methods and apparatus for searching of content using semantic synthesis |
JP5538393B2 (en) | 2008-08-29 | 2014-07-02 | プライマル フュージョン インコーポレイテッド | Systems and methods for integrating semantic concept definitions and semantic concept relationships utilizing existing domain definitions. |
US9292855B2 (en) | 2009-09-08 | 2016-03-22 | Primal Fusion Inc. | Synthesizing messaging using context provided by consumers |
US9262520B2 (en) | 2009-11-10 | 2016-02-16 | Primal Fusion Inc. | System, method and computer program for creating and manipulating data structures using an interactive graphical interface |
US10474647B2 (en) | 2010-06-22 | 2019-11-12 | Primal Fusion Inc. | Methods and devices for customizing knowledge representation systems |
US9235806B2 (en) | 2010-06-22 | 2016-01-12 | Primal Fusion Inc. | Methods and devices for customizing knowledge representation systems |
US11294977B2 (en) | 2011-06-20 | 2022-04-05 | Primal Fusion Inc. | Techniques for presenting content to a user based on the user's preferences |
US9092516B2 (en) | 2011-06-20 | 2015-07-28 | Primal Fusion Inc. | Identifying information of interest based on user preferences |
US10755179B2 (en) | 2013-01-11 | 2020-08-25 | Primal Fusion Inc. | Methods and apparatus for identifying concepts corresponding to input information |
US9367629B2 (en) | 2013-12-19 | 2016-06-14 | Facebook, Inc. | Grouping recommended search queries on online social networks |
US10379708B2 (en) | 2014-09-26 | 2019-08-13 | Mickael Pic | Graphical user interface for a common interest social network |
CN107402912B (en) * | 2016-05-19 | 2019-12-31 | 北京京东尚科信息技术有限公司 | Method and device for analyzing semantics |
JP6678551B2 (en) * | 2016-09-29 | 2020-04-08 | Kddi株式会社 | Information processing apparatus, information processing system, information processing method and program |
KR20210033770A (en) | 2019-09-19 | 2021-03-29 | 삼성전자주식회사 | Method and apparatus for providing content based on knowledge graph |
CN112668836B (en) * | 2020-12-07 | 2024-04-05 | 数据地平线(广州)科技有限公司 | Risk spectrum-oriented associated risk evidence efficient mining and monitoring method and apparatus |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6946715B2 (en) * | 2003-02-19 | 2005-09-20 | Micron Technology, Inc. | CMOS image sensor and method of fabrication |
AU2003236672A1 (en) * | 2003-05-16 | 2004-12-03 | Docomo Communications Laboratories Europe Gmbh | Personalized service selection |
JP5228451B2 (en) * | 2007-11-20 | 2013-07-03 | 富士ゼロックス株式会社 | Document search device |
US20100100546A1 (en) * | 2008-02-08 | 2010-04-22 | Steven Forrest Kohler | Context-aware semantic virtual community for communication, information and knowledge management |
US7865592B2 (en) * | 2008-06-26 | 2011-01-04 | International Business Machines Corporation | Using semantic networks to develop a social network |
US20100250526A1 (en) * | 2009-03-27 | 2010-09-30 | Prochazka Filip | Search System that Uses Semantic Constructs Defined by Your Social Network |
US20100280860A1 (en) * | 2009-04-30 | 2010-11-04 | Adaptiveblue Inc. | Contextual social network based on the semantic web |
CN102460437B (en) * | 2009-06-26 | 2014-10-15 | 乐天株式会社 | Information search device, information search method, information search program, and storage medium on which information search program has been stored |
FR2947358B1 (en) * | 2009-06-26 | 2013-02-15 | Alcatel Lucent | A CONSULTING ASSISTANT USING THE SEMANTIC ANALYSIS OF COMMUNITY EXCHANGES |
US20110173176A1 (en) * | 2009-12-16 | 2011-07-14 | International Business Machines Corporation | Automatic Generation of an Interest Network and Tag Filter |
-
2011
- 2011-12-30 WO PCT/CA2011/001403 patent/WO2012088591A1/en active Application Filing
- 2011-12-30 CA CA2823406A patent/CA2823406A1/en active Pending
- 2011-12-30 JP JP2013546530A patent/JP5931914B2/en active Active
- 2011-12-30 AU AU2011350049A patent/AU2011350049A1/en not_active Abandoned
-
2013
- 2013-06-23 IL IL227140A patent/IL227140A/en active IP Right Grant
-
2016
- 2016-04-27 JP JP2016089412A patent/JP6246259B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CA2823406A1 (en) | 2012-07-05 |
AU2011350049A1 (en) | 2013-07-18 |
JP6246259B2 (en) | 2017-12-13 |
WO2012088591A1 (en) | 2012-07-05 |
JP2016146213A (en) | 2016-08-12 |
IL227140A (en) | 2017-08-31 |
WO2012088591A9 (en) | 2012-09-20 |
JP2014507704A (en) | 2014-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6246259B2 (en) | System and method for performing semantic operations on a digital social network | |
US9792550B2 (en) | Methods and apparatus for providing information of interest to one or more users | |
US10198503B2 (en) | System and method for performing a semantic operation on a digital social network | |
US20170372204A1 (en) | Methods and apparatus for providing information of interest to one or more users | |
US8676732B2 (en) | Methods and apparatus for providing information of interest to one or more users | |
JP6242426B2 (en) | System and method for using knowledge representation to provide information based on environmental inputs | |
US20220237246A1 (en) | Techniques for presenting content to a user based on the user's preferences | |
CA2823408C (en) | Methods and apparatus for providing information of interest to one or more users | |
US12045862B2 (en) | System and method for purchasing advertisements associated with words and phrases | |
US20160086085A1 (en) | Methods and devices for customizing knowledge representation systems | |
US10474647B2 (en) | Methods and devices for customizing knowledge representation systems | |
US20100306249A1 (en) | Social network systems and methods | |
AU2017221807B2 (en) | Preference-guided data exploration and semantic processing | |
JP6320465B2 (en) | Method and apparatus for providing information of interest to one or more users | |
AU2013312957B2 (en) | Methods and devices for customizing knowledge representation systems | |
US20240054111A1 (en) | Methods and devices for customizing knowledge representation systems | |
IL227201A (en) | Methods and apparatus for providing information of interest to one or more users |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140131 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20141215 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20151028 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20151201 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20160229 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160307 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20160405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160427 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5931914 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |