JP6689389B2 - ディープラーニングモデルを用いたエンティティの識別 - Google Patents
ディープラーニングモデルを用いたエンティティの識別 Download PDFInfo
- Publication number
- JP6689389B2 JP6689389B2 JP2018534041A JP2018534041A JP6689389B2 JP 6689389 B2 JP6689389 B2 JP 6689389B2 JP 2018534041 A JP2018534041 A JP 2018534041A JP 2018534041 A JP2018534041 A JP 2018534041A JP 6689389 B2 JP6689389 B2 JP 6689389B2
- Authority
- JP
- Japan
- Prior art keywords
- entities
- user
- entity
- social networking
- networking system
- 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
- 238000013136 deep learning model Methods 0.000 title claims description 106
- 230000006855 networking Effects 0.000 claims description 225
- 239000013598 vector Substances 0.000 claims description 197
- 238000000034 method Methods 0.000 claims description 91
- 230000009471 action Effects 0.000 claims description 66
- 238000003860 storage Methods 0.000 claims description 36
- 230000015654 memory Effects 0.000 claims description 33
- 230000008569 process Effects 0.000 claims description 11
- 238000010845 search algorithm Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 21
- 230000006870 function Effects 0.000 description 19
- 238000012549 training Methods 0.000 description 19
- 238000013507 mapping Methods 0.000 description 12
- 230000004044 response Effects 0.000 description 12
- 238000013528 artificial neural network Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000000670 limiting effect Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 101150042248 Mgmt gene Proteins 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- 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)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Economics (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Machine Translation (AREA)
Description
1つまたは複数のコンピューティング・デバイスによって、
ソーシャルネットワーキング・システムのユーザがそのソーシャルネットワーキング・システムにおいて対話したことのある第1のエンティティ集合(たとえば、1つまたは複数のデータストア内に格納されている第1のデータ・オブジェクト集合)と、
ソーシャルネットワーキング・システム内の第2のエンティティ集合(たとえば、1つまたは複数のデータストア内に格納されている第2のデータ・オブジェクト集合)と、
にアクセスする工程と、
1つまたは複数のコンピューティング・デバイスによって、ディープラーニングモデルを用いて第1のエンティティ集合の第1のベクトル表現集合を決定する工程と、
1つまたは複数のコンピューティング・デバイスによって、第1のエンティティ集合から対象エンティティを選択する工程と、
1つまたは複数のコンピューティング・デバイスによって、第1のベクトル表現集合から対象エンティティのベクトル表現を削除する工程と、
1つまたは複数のコンピューティング・デバイスによって、第1のベクトル表現集合内の残りのベクトル表現を結合して、ユーザのベクトル表現を決定する工程と、
1つまたは複数のコンピューティング・デバイスによって、ディープラーニングモデルを用いて第2のエンティティ集合の第2のベクトル表現集合を決定する工程と、
1つまたは複数のコンピューティング・デバイスによって、
ユーザのベクトル表現と対象エンティティのベクトル表現とを比較することによって、対象エンティティとユーザとの類似度スコア、および
ユーザのベクトル表現と第2のエンティティ集合内のエンティティのベクトル表現とを比較することによって、ユーザと第2のエンティティ集合内のエンティティとの類似度スコア、を計算する工程と、
1つまたは複数のコンピューティング・デバイスによって、ディープラーニングモデルを用いて、類似度スコアに基づいて第2のエンティティ集合内の1つまたは複数のエンティティのベクトル表現を更新する工程と、
を備える。
1つまたは複数のコンピューティング・デバイスによって、ユーザ、第1のエンティティ集合の各エンティティ、および第2のエンティティ集合の各エンティティの埋め込みを決定する工程をさらに備えることができ、
各埋め込みは、多次元埋め込み空間内の1点に対応し、
埋め込み空間は、複数のエンティティに対応する複数の点を備え、
各埋め込みは、ディープラーニングモデルを用いて決定されたそれぞれのベクトル表現に基づく。
ユーザは、ソーシャルネットワーキング・システムにおいて第2のエンティティ集合と対話したことがないかもしれない。
ユーザに対応する第1のノードと、
それぞれが各エンティティに対応する複数の第2のノードと、を備える。
エンティティのうちの少なくとも1つは、ソーシャルネットワーキング・システムによってホストされるページを備えることができる。
本発明による一実施形態においては、1つまたは複数のコンピュータ可読非一時的記憶媒体は、実行時、
ソーシャルネットワーキング・システムにおいてソーシャルネットワーキング・システムのユーザが対話したことのある第1のエンティティ集合と、
ソーシャルネットワーキング・システム内の第2のエンティティ集合と、にアクセスする工程と、
ディープラーニングモデルを用いて、第1のエンティティ集合の第1のベクトル表現集合を決定する工程と、
第1のエンティティ集合から対象エンティティを選択する工程と、
第1のベクトル表現集合から、対象エンティティのベクトル表現を削除する工程と、
第1のベクトル表現集合内の残りのベクトル表現を結合して、ユーザのベクトル表現を決定する工程と、
ディープラーニングモデルを用いて、第2のエンティティ集合の第2のベクトル表現集合を決定する工程と、
ユーザのベクトル表現を対象エンティティのベクトル表現と比較することによって、対象エンティティとユーザとの類似度スコア、および
ユーザのベクトル表現を第2のエンティティ集合内のエンティティのベクトル表現と比較することによって、ユーザと第2のエンティティ集合内のエンティティとの類似度スコア、を計算する工程と、
ディープラーニングモデルを用いて、類似度スコアに基づいて第2のエンティティ集合内の1つまたは複数のエンティティのベクトル表現を更新する工程と、を行うように動作可能であるソフトウェアを備えることができる。
ソフトウェアは、実行時、
ユーザ、第1のエンティティ集合の各エンティティ、および第2のエンティティ集合の各エンティティの埋め込みを決定する工程を行うようにさらに動作可能にすることができ、
各埋め込みが、多次元埋め込み空間内の1点に対応し、
埋め込み空間は複数のエンティティに対応する複数の点を備え、
各埋め込みはディープラーニングモデルを用いて決定されたそれぞれのベクトル表現に基づく。
ソーシャルネットワーキング・システムにおいてソーシャルネットワーキング・システムのユーザが対話したことのある第1のエンティティ集合と、
ソーシャルネットワーキング・システム内の第2のエンティティ集合と、にアクセスする工程と、
ディープラーニングモデルを用いて、第1のエンティティ集合の第1のベクトル表現集合を決定する工程と、
第1のエンティティ集合から対象エンティティを選択する工程と、
第1のベクトル表現集合から対象エンティティのベクトル表現を削除する工程と、
第1のベクトル表現集合内の残りのベクトル表現を結合して、ユーザのベクトル表現を決定する工程と、
ディープラーニングモデルを用いて、第2のエンティティ集合の第2のベクトル表現集合を決定する工程と、
ユーザのベクトル表現を対象エンティティのベクトル表現と比較することによって、対象エンティティとユーザとの類似度スコア、および
ユーザのベクトル表現を第2のエンティティ集合内のエンティティのベクトル表現と比較することによって、ユーザと第2のエンティティ集合内のエンティティとの類似度スコア、を計算する工程と、
ディープラーニングモデルを用いて、類似度スコアに基づいて、第2のエンティティ集合内の1つまたは複数のエンティティのベクトル表現を更新する工程とを行うように動作可能である。
プロセッサは、命令の実行時、
ユーザ、第1のエンティティ集合の各エンティティ、および第2のエンティティ集合の各エンティティの埋め込みを決定する工程を行うようにさらに動作可能にすることができ、
各埋め込みは、多次元埋め込み空間内の1点に対応し、
埋め込み空間は、複数のエンティティに対応する複数の点を備え、
各埋め込みは、ディープラーニングモデルを用いて決定されたそれぞれのベクトル表現に基づく。
図1は、ソーシャルネットワーキング・システムに関連付けられている例示的なネットワーク環境100を示している。ネットワーク環境100は、ネットワーク110によって互いにつながっているクライアント・システム130、ソーシャルネットワーキング・システム160、およびサードパーティ・システム170を含む。図1は、クライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110の特定の構成を示しているが、本開示は、クライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110の任意の適切な構成を想定している。限定ではなく、例として、クライアント・システム130、ソーシャルネットワーキング・システム160、およびサードパーティ・システム170のうちの複数は、ネットワーク110を迂回して、互いに直接つながることが可能である。別の例として、クライアント・システム130、ソーシャルネットワーキング・システム160、およびサードパーティ・システム170のうちの複数は、物理的にまたは論理的に、全体としてまたは部分的に互いに同一場所に配置されることが可能である。その上、図1は、特定の数のクライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110を示しているが、本開示は、任意の適切な数のクライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110を想定している。限定ではなく、例として、ネットワーク環境100は、複数のクライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110を含むことができる。
図2は、例示的なソーシャルグラフ200を示している。特定の実施形態においては、ソーシャルネットワーキング・システム160は、1つまたは複数のソーシャルグラフ200を1つまたは複数のデータストア内に格納することができる。特定の実施形態においては、ソーシャルグラフ200は、複数のノード(複数のユーザ・ノード202、または複数のコンセプト・ノード204を含むことができる)と、ノード同士をつなげる複数のエッジ206とを含むことができる。図2において示されている例示的なソーシャルグラフ200は、教示上の目的から、2次元のビジュアルマップ表示で示されている。特定の実施形態においては、ソーシャルネットワーキング・システム160、クライアント・システム130、またはサードパーティ・システム170は、適切なアプリケーションに関してソーシャルグラフ200および関連したソーシャルグラフ情報にアクセスすることができる。ソーシャルグラフ200のノードおよびエッジは、データ・オブジェクトとして、たとえば(ソーシャルグラフ・データベースなどの)データストア内に格納されることが可能である。そのようなデータストアは、ソーシャルグラフ200のノードまたはエッジの1つまたは複数の検索可能なまたはクエリ可能なインデックスを含むことができる。
特定の実施形態は、ディープラーニングモデルを用いて、ユーザに関連性があるとして1つまたは複数のエンティティを識別する。特定の実施形態においては、エンティティは、ソーシャルグラフ200内のコンセプト・ノード204またはユーザ・ノード202によって表すことのできる任意の適切なエンティティ(たとえば、人、企業、グループ、スポーツ・チーム、もしくは有名人)であることが可能である。特定の実施形態においては、エンティティは、限定ではなく、例として、ソーシャルネットワーキング・システム160によってホストされるページ(たとえば、プロフィール・ページ、場所ページ、企業ページ)、テキスト・コンテンツ(たとえば、1つまたは複数のnグラム)、ビジュアル・コンテンツ(たとえば、1つまたは複数の画像)、オーディオ・コンテンツ(たとえば、1つまたは複数の音声録音)、ビデオ・コンテンツ(たとえば、1つまたは複数のビデオ・クリップ)、ラベル(たとえば、ステッカーまたはハッシュタグ)、任意の他の適切な種類のコンテンツ、任意の他の適切なエンティティ、またはその任意の組合せにすることができる。本明細書で使用されるとき、ラベルは、文字(letter)もしくは言葉の使用の有無に関係なくアイディアもしくは物事をそれぞれ表すことができる、ハッシュタグ、絵文字、ステッカー、表意文字、任意の他の適切なテキスト注釈、任意の他の適切な文字(character)、記号、もしくは画像、またはその組合せにすることができる。本明細書で使用するとき、ハッシュタグは、前に「#」の文字(character)を付けた自然言語のnグラムもしくは略語(たとえば、#感謝)からなる単一トークンであることがある。本明細書で使用するとき、nグラムは、言葉もしくは言葉のグループ、会話の任意の部分、句読点(たとえば、「!」)、口語的表現(たとえば、「頭にくる」)、頭字語(たとえば、「BRB(すぐ戻る)」)、略語(たとえば、「mgmt(マネジメント)」)、感嘆詞(「うわっ」)、英数字、記号、書かれた文字(written character)、アクセント記号、またはその任意の組合せにすることができる。
特定の実施形態においては、ソーシャルネットワーキング・システム160は、さまざまなソーシャルグラフ・エンティティの互いに対するソーシャルグラフ・アフィニティ(これは本明細書において、「アフィニティ」ということもある)を決定することができる。アフィニティは、ユーザ、コンセプト、コンテンツ、アクション、広告、オンライン・ソーシャル・ネットワークに関連付けられている他のオブジェクト、またはその任意の適切な組合せなど、オンライン・ソーシャル・ネットワークに関連付けられている特定のオブジェクト同士の関係の強さまたは関心レベルを表すことができる。アフィニティは、サードパーティ・システム170または他の適切なシステムに関連付けられているオブジェクトに関しても決定することができる。各ユーザ、主題、またはコンテンツの種類に対するソーシャルグラフ・エンティティの総合的なアフィニティを確立することができる。総合的なアフィニティは、ソーシャルグラフ・エンティティに関連付けられているアクションまたは関係の継続的な監視に基づいて変わり得る。本開示は、特定のアフィニティを特定のやり方で決定することを記述するが、本開示は、任意の適切なアフィニティを任意の適切なやり方で決定することを想定している。
図9は、例示的なコンピュータシステム900を示している。特定の実施形態においては、1つまたは複数のコンピュータシステム900が、本明細書において記述されているまたは示されている1つまたは複数の方法の1つまたは複数の工程を実行する。特定の実施形態においては、1つまたは複数のコンピュータシステム900が、本明細書において記述されているまたは示されている機能を提供する。特定の実施形態においては、1つまたは複数のコンピュータシステム900上で稼働するソフトウェアが、本明細書において記述されているもしくは示されている1つもしくは複数の方法の1つもしくは複数の工程を実行し、または本明細書において記述されているもしくは示されている機能を提供する。特定の実施形態は、1つまたは複数のコンピュータシステム900の1つまたは複数の部分を含む。本明細書においては、コンピュータシステムへの言及は、適切な場合には、コンピューティング・デバイスおよびその逆を包含することができる。その上、コンピュータシステムへの言及は、適切な場合には、1つまたは複数のコンピュータシステムを包含することができる。
Claims (19)
- 方法であって、
1つまたは複数のコンピューティング・デバイスが、ソーシャルネットワーキング・システムのユーザが前記ソーシャルネットワーキング・システムにおいて対話したことのある第1組のエンティティと、前記ソーシャルネットワーキング・システム内の第2組のエンティティと、にアクセスする工程と、
1つまたは複数のコンピューティング・デバイスが、ディープラーニングモデルを用いて前記第1組のエンティティの第1組のベクトル表現を決定する工程と、
1つまたは複数のコンピューティング・デバイスが、前記第1組のエンティティから対象エンティティを選択する工程と、
1つまたは複数のコンピューティング・デバイスが、前記第1組のベクトル表現から、前記対象エンティティのベクトル表現を削除する工程と、
1つまたは複数のコンピューティング・デバイスが、前記第1組のベクトル表現のうちの残りのベクトル表現を結合して、前記ユーザのベクトル表現を決定する工程と、
1つまたは複数のコンピューティング・デバイスが、前記ディープラーニングモデルを用いて、前記第2組のエンティティの第2組のベクトル表現を決定する工程と、
1つまたは複数のコンピューティング・デバイスが、
前記ユーザのベクトル表現を前記対象エンティティのベクトル表現と比較することによって、前記対象エンティティと前記ユーザとの類似度スコアを計算し、
前記ユーザのベクトル表現を前記第2組のエンティティのうちの複数のエンティティのベクトル表現と比較することによって、前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの複数の類似度スコアを計算する工程と、
1つまたは複数のコンピューティング・デバイスが、前記ディープラーニングモデルを用いて、前記対象エンティティと前記ユーザとの前記類似度スコアおよび前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの前記複数の類似度スコアに基づいて前記第2組のエンティティのうちの1つまたは複数のエンティティのベクトル表現を更新する工程と、を備える方法。 - 1つまたは複数のコンピューティング・デバイスが、前記ユーザ、前記第1組のエンティティの各エンティティ、および前記第2組のエンティティの各エンティティの埋め込みを決定する工程をさらに備え、
各埋め込みが、多次元埋め込み空間内の1点に対応し、
前記多次元埋め込み空間が、複数のエンティティに対応する複数の点を備え、
各埋め込みが、前記ディープラーニングモデルを用いて決定された対応するベクトル表現に基づく、請求項1に記載の方法。 - 1つまたは複数のコンピューティング・デバイスが、前記対象エンティティおよび前記第2組のエンティティの各エンティティに、前記対象エンティティと前記ユーザとの前記類似度スコアおよび前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの前記複数の類似度スコアに基づいて対応するランキングを割り当てる工程をさらに備え、
前記第2組のエンティティのうちの前記1つまたは複数のエンティティのベクトル表現を更新する工程は、さらに前記ランキングに基づく、請求項1に記載の方法。 - 前記第2組のエンティティのうち、ベクトル表現が更新された前記1つまたは複数のエンティティのそれぞれは、前記対象エンティティの類似度スコアよりも大きい類似度スコアを有する、請求項3に記載の方法。
- 前記多次元埋め込み空間に検索アルゴリズムを適用することによって、複数のエンティティから前記ユーザに関連性があるとして1つまたは複数のエンティティを識別する工程をさらに備え、
識別された前記1つまたは複数のエンティティの1つまたは複数の埋め込みに対応する点は、前記多次元埋め込み空間において前記ユーザの埋め込みに対応する前記点の閾値距離内にある、請求項2に記載の方法。 - 前記ユーザに対して表示するために、前記識別された1つまたは複数のエンティティを、前記ユーザのクライアント・システムに送信する工程をさらに備える請求項5に記載の方法。
- 前記対象エンティティは、ランダムに選択される、請求項1に記載の方法。
- 前記ユーザは、前記ソーシャルネットワーキング・システムにおいて前記第2組のエンティティと対話したことがない、請求項1に記載の方法。
- 前記ソーシャルネットワーキング・システムは、複数のノードと、前記ノード同士をつなげる複数のエッジとを備えるソーシャルグラフを備え、
前記複数のノードのうちの2つのノード間の前記エッジのそれぞれが、それらの間の一次の隔たり度を表し、
前記ノードは、
前記ユーザに対応する第1のノードと、
各々、対応するエンティティに対応する複数の第2のノードとを備える、請求項1に記載の方法。 - 前記ユーザは、前記ユーザのソーシャルネットワーキング・アクションによって前記第1組のエンティティと対話したことがあり、
前記ソーシャルネットワーキング・アクションは、前記第1のノードと、前記第1組のエンティティの各エンティティに対応する各第2のノードとに関して行われる、請求項9に記載の方法。 - 前記ソーシャルネットワーキング・アクションは、エンティティに対するアフィニティの表明を表す、請求項10に記載の方法。
- 前記エンティティのうちの少なくとも1つは、前記ソーシャルネットワーキング・システムによってホストされるページを含む、請求項1に記載の方法。
- 前記ベクトル表現は、d次元強度ベクトルを含む、請求項1に記載の方法。
- ソフトウェアを備える1つまたは複数のコンピュータ可読非一時的記憶媒体であって、
前記ソフトウェアは、実行されると、
ソーシャルネットワーキング・システムのユーザが前記ソーシャルネットワーキング・システムにおいて対話したことのある第1組のエンティティと、前記ソーシャルネットワーキング・システム内の第2組のエンティティと、にアクセスする工程と、
ディープラーニングモデルを用いて前記第1組のエンティティの第1組のベクトル表現を決定する工程と、
前記第1組のエンティティから対象エンティティを選択する工程と、
前記第1組のベクトル表現から、前記対象エンティティのベクトル表現を削除する工程と、
前記第1組のベクトル表現うちの残りのベクトル表現を結合して、前記ユーザのベクトル表現を決定する工程と、
前記ディープラーニングモデルを用いて、前記第2組のエンティティの第2組のベクトル表現を決定する工程と、
前記ユーザのベクトル表現を前記対象エンティティのベクトル表現と比較することによって、前記対象エンティティと前記ユーザとの類似度スコアを計算し、前記ユーザのベクトル表現を前記第2組のエンティティのうちの複数のエンティティのベクトル表現と比較することによって、前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの複数の類似度スコアを計算する工程と、
前記ディープラーニングモデルを用いて、前記対象エンティティと前記ユーザとの前記類似度スコアおよび前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの前記複数の類似度スコアに基づいて前記第2組のエンティティのうちの1つまたは複数のエンティティのベクトル表現を更新する工程と、を行うように動作可能である、1つまたは複数のコンピュータ可読非一時的記憶媒体。 - 前記ソフトウェアは、実行されると、
前記ユーザ、前記第1組のエンティティの各エンティティ、および前記第2組のエンティティの各エンティティの埋め込みを決定する工程を行うようにさらに動作可能であり、 各埋め込みが、多次元埋め込み空間内の1点に対応し、
前記多次元埋め込み空間が、複数のエンティティに対応する複数の点を備え、
各埋め込みが、前記ディープラーニングモデルを用いて決定された対応するベクトル表現に基づく、請求項14に記載の1つまたは複数のコンピュータ可読非一時的記憶媒体。 - 前記ソフトウェアは、実行されると、
前記対象エンティティおよび前記第2組のエンティティの各エンティティに、前記対象エンティティと前記ユーザとの前記類似度スコアおよび前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの前記複数の類似度スコアに基づいて対応するランキングを割り当てる工程を行うようにさらに動作可能であり、
前記第2組のエンティティのうちの前記1つまたは複数のエンティティのベクトル表現を更新する工程は、さらに前記ランキングに基づく、請求項14に記載の1つまたは複数のコンピュータ可読非一時的記憶媒体。 - 1つまたは複数のプロセッサと、該1つまたは複数のプロセッサに接続されて前記1つまたは複数のプロセッサによって実行可能な命令を含むメモリと、を備えるシステムであって、前記1つまたは複数のプロセッサは、前記命令を実行すると、
ソーシャルネットワーキング・システムのユーザが前記ソーシャルネットワーキング・システムにおいて対話したことのある第1組のエンティティと、前記ソーシャルネットワーキング・システム内の第2組のエンティティと、にアクセスする工程と、
ディープラーニングモデルを用いて前記第1組のエンティティの第1のベクトル表現を決定する工程と、
前記第1組のエンティティから対象エンティティを選択する工程と、
前記第1組のベクトル表現から、前記対象エンティティのベクトル表現を削除する工程と、
前記第1組のベクトル表現のうちの記残りのベクトル表現を結合して、前記ユーザのベクトル表現を決定する工程と、
前記ディープラーニングモデルを用いて、前記第2組のエンティティの第2組のベクトル表現を決定する工程と、
前記ユーザのベクトル表現を前記対象エンティティのベクトル表現と比較することによって、前記対象エンティティと前記ユーザとの類似度スコアを計算し、前記ユーザのベクトル表現を前記第2組のエンティティのうちの複数のエンティティのベクトル表現と比較することによって、前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの複数の類似度スコアを計算する工程と、
前記ディープラーニングモデルを用いて、前記対象エンティティと前記ユーザとの前記類似度スコアおよび前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの前記複数の類似度スコアに基づいて前記第2組のエンティティのうちの1つまたは複数のエンティティのベクトル表現を更新する工程と、を行うように動作可能である、システム。 - 前記1つまたは複数のプロセッサは、前記命令を実行すると、
前記ユーザ、前記第1組のエンティティの各エンティティ、および前記第2組のエンティティの各エンティティの埋め込みを決定する工程を行うようにさらに動作可能であり、
各埋め込みが、多次元埋め込み空間内の1点に対応し、
前記多次元埋め込み空間が、複数のエンティティに対応する複数の点を備え、
各埋め込みが、前記ディープラーニングモデルを用いて決定された対応するベクトル表現に基づく、請求項17に記載のシステム。 - 前記1つまたは複数のプロセッサは、前記命令を実行すると、
前記対象エンティティおよび前記第2組のエンティティの各エンティティに、前記対象エンティティと前記ユーザとの前記類似度スコアおよび前記ユーザと前記第2組のエンティティのうちの複数のエンティティとの前記複数の類似度スコアに基づいて対応するランキングを割り当てる工程を行うようにさらに動作可能であり、
前記第2組のエンティティのうちの前記1つまたは複数のエンティティのベクトル表現を更新する工程は、さらに前記ランキングに基づく、請求項17に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/984,956 US10402750B2 (en) | 2015-12-30 | 2015-12-30 | Identifying entities using a deep-learning model |
US14/984,956 | 2015-12-30 | ||
PCT/US2016/018367 WO2017116488A1 (en) | 2015-12-30 | 2016-02-18 | Identifying entities using a deep-learning model |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019506664A JP2019506664A (ja) | 2019-03-07 |
JP2019506664A5 JP2019506664A5 (ja) | 2019-04-18 |
JP6689389B2 true JP6689389B2 (ja) | 2020-04-28 |
Family
ID=59225437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018534041A Active JP6689389B2 (ja) | 2015-12-30 | 2016-02-18 | ディープラーニングモデルを用いたエンティティの識別 |
Country Status (10)
Country | Link |
---|---|
US (2) | US10402750B2 (ja) |
JP (1) | JP6689389B2 (ja) |
KR (1) | KR20180099812A (ja) |
CN (1) | CN108604315B (ja) |
AU (1) | AU2016380683A1 (ja) |
BR (1) | BR112018013550A2 (ja) |
CA (1) | CA3009157A1 (ja) |
IL (1) | IL260165A (ja) |
MX (1) | MX2018008104A (ja) |
WO (1) | WO2017116488A1 (ja) |
Families Citing this family (78)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10387464B2 (en) * | 2015-08-25 | 2019-08-20 | Facebook, Inc. | Predicting labels using a deep-learning model |
US11019177B2 (en) * | 2016-07-21 | 2021-05-25 | Facebook, Inc. | Selecting assets |
US20180060747A1 (en) * | 2016-08-23 | 2018-03-01 | Linkedln Corporation | Intelligent candidate generation for large-scale link recommendation |
US10026021B2 (en) * | 2016-09-27 | 2018-07-17 | Facebook, Inc. | Training image-recognition systems using a joint embedding model on online social networks |
US10223359B2 (en) * | 2016-10-10 | 2019-03-05 | The Directv Group, Inc. | Determining recommended media programming from sparse consumption data |
US10586157B2 (en) * | 2016-11-23 | 2020-03-10 | Microsoft Technology Licensing, Llc | Skill-based title prediction model |
US10810492B2 (en) * | 2017-01-27 | 2020-10-20 | Hewlett Packard Enterprise Development Lp | Memory side acceleration for deep learning parameter updates |
US11669220B2 (en) * | 2017-03-20 | 2023-06-06 | Autodesk, Inc. | Example-based ranking techniques for exploring design spaces |
US11488028B2 (en) * | 2017-03-31 | 2022-11-01 | Yahoo Assets Llc | Collaborative personalization via simultaneous embedding of users and their preferences |
KR101975750B1 (ko) * | 2017-09-27 | 2019-05-07 | 주식회사 종달랩 | 사용자 맞춤형 의류 부자재 추천 및 주문 시스템 |
US20190130444A1 (en) * | 2017-11-02 | 2019-05-02 | Facebook, Inc. | Modeling content item quality using weighted rankings |
KR20190054454A (ko) | 2017-11-13 | 2019-05-22 | 삼성전자주식회사 | 인공 신경망의 양자화 방법 및 장치 |
US11475351B2 (en) * | 2017-11-15 | 2022-10-18 | Uatc, Llc | Systems and methods for object detection, tracking, and motion prediction |
US11989774B1 (en) * | 2017-11-20 | 2024-05-21 | Wells Fargo Bank, N.A. | Systems and methods for providing digital trusted data |
US10699398B2 (en) * | 2017-12-13 | 2020-06-30 | Uber Technologies, Inc. | Deep learning coordinate prediction using satellite and service data |
US10809083B1 (en) | 2017-12-30 | 2020-10-20 | Uber Technologies, Inc. | Using sensor data for coordinate prediction |
US11455663B2 (en) * | 2018-01-30 | 2022-09-27 | Walmart Apollo, Llc | System and method for rendering advertisements using lookalike model |
CN110232393B (zh) * | 2018-03-05 | 2022-11-04 | 腾讯科技(深圳)有限公司 | 数据的处理方法、装置、存储介质和电子装置 |
US11500910B2 (en) * | 2018-03-21 | 2022-11-15 | International Business Machines Corporation | Similarity based negative sampling analysis |
US11115410B1 (en) | 2018-04-20 | 2021-09-07 | Facebook, Inc. | Secure authentication for assistant systems |
US11676220B2 (en) | 2018-04-20 | 2023-06-13 | Meta Platforms, Inc. | Processing multimodal user input for assistant systems |
US11307880B2 (en) | 2018-04-20 | 2022-04-19 | Meta Platforms, Inc. | Assisting users with personalized and contextual communication content |
US11715042B1 (en) | 2018-04-20 | 2023-08-01 | Meta Platforms Technologies, Llc | Interpretability of deep reinforcement learning models in assistant systems |
US10782986B2 (en) | 2018-04-20 | 2020-09-22 | Facebook, Inc. | Assisting users with personalized and contextual communication content |
US10978056B1 (en) | 2018-04-20 | 2021-04-13 | Facebook, Inc. | Grammaticality classification for natural language generation in assistant systems |
US11886473B2 (en) | 2018-04-20 | 2024-01-30 | Meta Platforms, Inc. | Intent identification for agent matching by assistant systems |
EP3557498A1 (en) * | 2018-04-20 | 2019-10-23 | Facebook, Inc. | Processing multimodal user input for assistant systems |
EP3631646A1 (en) | 2018-05-01 | 2020-04-08 | Google LLC. | Accelerated large-scale similarity calculation |
US11106859B1 (en) * | 2018-06-26 | 2021-08-31 | Facebook, Inc. | Systems and methods for page embedding generation |
US10896295B1 (en) | 2018-08-21 | 2021-01-19 | Facebook, Inc. | Providing additional information for identified named-entities for assistant systems |
US10949616B1 (en) | 2018-08-21 | 2021-03-16 | Facebook, Inc. | Automatically detecting and storing entity information for assistant systems |
US11151175B2 (en) | 2018-09-24 | 2021-10-19 | International Business Machines Corporation | On-demand relation extraction from text |
KR102093233B1 (ko) * | 2018-09-27 | 2020-03-26 | 동국대학교 산학협력단 | 신경망 기반의 음악 자동 생성 장치 및 그 방법 |
EP3629520B1 (en) * | 2018-09-28 | 2023-08-23 | Permutive Limited | Fast and efficient classification system |
CN109543046A (zh) * | 2018-11-16 | 2019-03-29 | 重庆邮电大学 | 一种基于深度学习的机器人数据互操作领域本体构建方法 |
CN109582802B (zh) * | 2018-11-30 | 2020-11-03 | 国信优易数据股份有限公司 | 一种实体嵌入方法、装置、介质及设备 |
US11615302B2 (en) * | 2019-03-06 | 2023-03-28 | Samsung Electronics Co., Ltd. | Effective user modeling with time-aware based binary hashing |
WO2020185233A1 (en) | 2019-03-14 | 2020-09-17 | Hewlett-Packard Development Company, L.P. | Responding to machine learning requests from multiple clients |
WO2020185234A1 (en) | 2019-03-14 | 2020-09-17 | Hewlett-Packard Development Company, L.P. | Preprocessing sensor data for machine learning |
US11227106B2 (en) * | 2019-03-19 | 2022-01-18 | Microsoft Technology Licensing, Llc | Suggested functions for formulas in spreadsheets |
US11501213B2 (en) | 2019-05-07 | 2022-11-15 | Cerebri AI Inc. | Predictive, machine-learning, locale-aware computer models suitable for location- and trajectory-aware training sets |
US11042706B2 (en) * | 2019-05-20 | 2021-06-22 | Sap Se | Natural language skill generation for digital assistants |
CN110245980B (zh) * | 2019-05-29 | 2023-06-30 | 创新先进技术有限公司 | 基于神经网络模型确定目标用户激励形式的方法和设备 |
US11205048B2 (en) * | 2019-06-18 | 2021-12-21 | International Business Machines Corporation | Contextual disambiguation of an entity in a conversation management system |
US11657094B2 (en) | 2019-06-28 | 2023-05-23 | Meta Platforms Technologies, Llc | Memory grounded conversational reasoning and question answering for assistant systems |
US11442992B1 (en) | 2019-06-28 | 2022-09-13 | Meta Platforms Technologies, Llc | Conversational reasoning with knowledge graph paths for assistant systems |
CN110689166B (zh) * | 2019-09-02 | 2024-04-05 | 中国平安人寿保险股份有限公司 | 一种基于随机梯度下降算法的用户行为分析方法及装置 |
US10990879B2 (en) | 2019-09-06 | 2021-04-27 | Digital Asset Capital, Inc. | Graph expansion and outcome determination for graph-defined program states |
US11132403B2 (en) * | 2019-09-06 | 2021-09-28 | Digital Asset Capital, Inc. | Graph-manipulation based domain-specific execution environment |
US11386144B2 (en) * | 2019-09-09 | 2022-07-12 | Adobe Inc. | Identifying digital attributes from multiple attribute groups within target digital images utilizing a deep cognitive attribution neural network |
US11531831B2 (en) * | 2019-09-30 | 2022-12-20 | Meta Platforms, Inc. | Managing machine learning features |
US11567788B1 (en) | 2019-10-18 | 2023-01-31 | Meta Platforms, Inc. | Generating proactive reminders for assistant systems |
US11861674B1 (en) | 2019-10-18 | 2024-01-02 | Meta Platforms Technologies, Llc | Method, one or more computer-readable non-transitory storage media, and a system for generating comprehensive information for products of interest by assistant systems |
CN111160564B (zh) * | 2019-12-17 | 2023-05-19 | 电子科技大学 | 一种基于特征张量的中文知识图谱表示学习方法 |
CN111177581A (zh) * | 2019-12-25 | 2020-05-19 | 清华大学 | 一种基于多平台的社交电商网站商品推荐方法及装置 |
US11941506B2 (en) * | 2020-02-04 | 2024-03-26 | Hubbell Incorporated | System and method for monitoring via smart devices |
US11562744B1 (en) | 2020-02-13 | 2023-01-24 | Meta Platforms Technologies, Llc | Stylizing text-to-speech (TTS) voice response for assistant systems |
US11238113B2 (en) * | 2020-04-01 | 2022-02-01 | Grand Rounds Inc. | Systems and methods for machine learning models for search engine performance optimization |
US11159767B1 (en) | 2020-04-07 | 2021-10-26 | Facebook Technologies, Llc | Proactive in-call content recommendations for assistant systems |
US11657304B2 (en) * | 2020-05-01 | 2023-05-23 | Microsoft Technology Licensing, Llc | Assessing similarity between items using embeddings produced using a distributed training framework |
US11222358B2 (en) | 2020-05-29 | 2022-01-11 | At&T Intellectual Property I, L.P. | Facilitation of artificial intelligence predictions of telecommunications customers |
CN111698327B (zh) * | 2020-06-12 | 2022-07-01 | 中国人民解放军国防科技大学 | 基于聊天室架构的分布并行强化学习模型训练方法及*** |
US11658835B2 (en) | 2020-06-29 | 2023-05-23 | Meta Platforms, Inc. | Using a single request for multi-person calling in assistant systems |
US20220027373A1 (en) * | 2020-07-21 | 2022-01-27 | Tubi, Inc. | Intuitive content search results suggestion system |
US20220027409A1 (en) * | 2020-07-23 | 2022-01-27 | Vmware, Inc. | Entity to vector representation from graphs in a computing system |
US20230325630A1 (en) * | 2020-09-22 | 2023-10-12 | Visa International Service Association | Graph learning-based system with updated vectors |
CN112507312B (zh) * | 2020-12-08 | 2022-10-14 | 电子科技大学 | 在深度学习***中基于数字指纹的验证与追踪方法 |
US11563706B2 (en) | 2020-12-29 | 2023-01-24 | Meta Platforms, Inc. | Generating context-aware rendering of media contents for assistant systems |
US11809480B1 (en) | 2020-12-31 | 2023-11-07 | Meta Platforms, Inc. | Generating dynamic knowledge graph of media contents for assistant systems |
US11775533B2 (en) * | 2021-01-14 | 2023-10-03 | Capital One Services, Llc | Customizing search queries for information retrieval |
US11899766B2 (en) | 2021-03-15 | 2024-02-13 | International Business Machines Corporation | User authentication using original and modified images |
US20220327637A1 (en) * | 2021-04-12 | 2022-10-13 | Microsoft Technology Licensing, Llc | Interaction based social distance quantification |
US11861315B2 (en) | 2021-04-21 | 2024-01-02 | Meta Platforms, Inc. | Continuous learning for natural-language understanding models for assistant systems |
CN113626462B (zh) * | 2021-07-15 | 2022-11-15 | 北京百度网讯科技有限公司 | 即时通讯对象的搜索方法、装置、电子设备和存储介质 |
US12045568B1 (en) | 2021-11-12 | 2024-07-23 | Meta Platforms, Inc. | Span pointer networks for non-autoregressive task-oriented semantic parsing for assistant systems |
US11983329B1 (en) | 2022-12-05 | 2024-05-14 | Meta Platforms, Inc. | Detecting head gestures using inertial measurement unit signals |
KR102615014B1 (ko) * | 2022-12-15 | 2023-12-19 | 한국과학기술원 | 인터넷 포럼들 간의 사회적 영향력 분석 방법 및 그 장치 |
KR102649675B1 (ko) * | 2023-12-20 | 2024-03-20 | 주식회사 인텔렉투스 | 그래프 자료 구조 및 벡터 데이터가 통합된 풀 텍스트 인덱스를 이용한 정보 제공 방법 및 시스템 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060294101A1 (en) | 2005-06-24 | 2006-12-28 | Content Analyst Company, Llc | Multi-strategy document classification system and method |
WO2007002820A2 (en) | 2005-06-28 | 2007-01-04 | Yahoo! Inc. | Search engine with augmented relevance ranking by community participation |
US7970727B2 (en) * | 2007-11-16 | 2011-06-28 | Microsoft Corporation | Method for modeling data structures by creating digraphs through contexual distances |
JP5496410B2 (ja) * | 2011-02-22 | 2014-05-21 | 三菱電機株式会社 | 類似度算出システム及び類似度算出装置及びコンピュータプログラム及び類似度算出方法 |
EP2570970A1 (en) | 2011-09-16 | 2013-03-20 | Technische Universität Berlin | Method and system for the automatic analysis of an image of a biological sample |
US20130073568A1 (en) * | 2011-09-21 | 2013-03-21 | Vladimir Federov | Ranking structured objects and actions on a social networking system |
US9699485B2 (en) * | 2012-08-31 | 2017-07-04 | Facebook, Inc. | Sharing television and video programming through social networking |
US9348886B2 (en) | 2012-12-19 | 2016-05-24 | Facebook, Inc. | Formation and description of user subgroups |
US9141906B2 (en) | 2013-03-13 | 2015-09-22 | Google Inc. | Scoring concept terms using a deep network |
US9147154B2 (en) | 2013-03-13 | 2015-09-29 | Google Inc. | Classifying resources using a deep network |
US9552055B2 (en) | 2013-07-15 | 2017-01-24 | Facebook, Inc. | Large scale page recommendations on online social networks |
US9367629B2 (en) | 2013-12-19 | 2016-06-14 | Facebook, Inc. | Grouping recommended search queries on online social networks |
JP6369053B2 (ja) * | 2014-02-28 | 2018-08-08 | 日本電気株式会社 | マッチング装置、マッチング方法及びプログラム |
CN103886090B (zh) * | 2014-03-31 | 2018-01-02 | 北京搜狗科技发展有限公司 | 基于用户喜好的内容推荐方法及装置 |
US9535960B2 (en) | 2014-04-14 | 2017-01-03 | Microsoft Corporation | Context-sensitive search using a deep learning model |
US20150310862A1 (en) * | 2014-04-24 | 2015-10-29 | Microsoft Corporation | Deep learning for semantic parsing including semantic utterance classification |
US20150331908A1 (en) * | 2014-05-15 | 2015-11-19 | Genetic Finance (Barbados) Limited | Visual interactive search |
US9484022B2 (en) | 2014-05-23 | 2016-11-01 | Google Inc. | Training multiple neural networks with different accuracy |
CN104199875B (zh) * | 2014-08-20 | 2017-10-27 | 百度在线网络技术(北京)有限公司 | 一种搜索推荐方法及装置 |
US10699198B2 (en) * | 2014-10-21 | 2020-06-30 | Oath Inc. | Method and system for cold-start item recommendation |
US9589237B1 (en) * | 2015-11-17 | 2017-03-07 | Spotify Ab | Systems, methods and computer products for recommending media suitable for a designated activity |
-
2015
- 2015-12-30 US US14/984,956 patent/US10402750B2/en active Active
-
2016
- 2016-02-18 JP JP2018534041A patent/JP6689389B2/ja active Active
- 2016-02-18 AU AU2016380683A patent/AU2016380683A1/en not_active Abandoned
- 2016-02-18 BR BR112018013550A patent/BR112018013550A2/pt not_active Application Discontinuation
- 2016-02-18 KR KR1020187021851A patent/KR20180099812A/ko not_active Application Discontinuation
- 2016-02-18 CA CA3009157A patent/CA3009157A1/en not_active Abandoned
- 2016-02-18 WO PCT/US2016/018367 patent/WO2017116488A1/en active Application Filing
- 2016-02-18 CN CN201680079586.2A patent/CN108604315B/zh active Active
- 2016-02-18 MX MX2018008104A patent/MX2018008104A/es unknown
-
2018
- 2018-06-20 IL IL260165A patent/IL260165A/en unknown
-
2019
- 2019-07-15 US US16/512,128 patent/US20190340538A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
IL260165A (en) | 2018-07-31 |
US20190340538A1 (en) | 2019-11-07 |
CN108604315A (zh) | 2018-09-28 |
KR20180099812A (ko) | 2018-09-05 |
US10402750B2 (en) | 2019-09-03 |
AU2016380683A1 (en) | 2018-08-16 |
WO2017116488A1 (en) | 2017-07-06 |
CN108604315B (zh) | 2022-01-11 |
US20170193390A1 (en) | 2017-07-06 |
MX2018008104A (es) | 2018-08-23 |
CA3009157A1 (en) | 2017-07-06 |
BR112018013550A2 (pt) | 2018-12-04 |
JP2019506664A (ja) | 2019-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6689389B2 (ja) | ディープラーニングモデルを用いたエンティティの識別 | |
US11599566B2 (en) | Predicting labels using a deep-learning model | |
US11488070B2 (en) | Iterative classifier training on online social networks | |
US10592511B2 (en) | Search client context on online social networks | |
JP6360228B2 (ja) | オンライン・ソーシャル・ネットワーク用のクライアント側検索テンプレート | |
JP6145576B2 (ja) | オンライン・ソーシャル・ネットワークにおける大規模ページ推薦 | |
US10268763B2 (en) | Ranking external content on online social networks | |
JP6744993B2 (ja) | ディープラーニングモデルを使用した推奨の生成 | |
US10699320B2 (en) | Marketplace feed ranking on online social networks | |
US20180121550A1 (en) | Ranking Search Results Based on Lookalike Users on Online Social Networks | |
US20160041982A1 (en) | Conditioned Search Ranking Models on Online Social Networks | |
WO2017078768A1 (en) | Identifying content items using a deep-learning model | |
US10467238B2 (en) | Search perceived performance | |
JP2018501584A (ja) | オンライン・ソーシャル・ネットワーク上でニュース関連のコンテンツを検索するための提案キーワード | |
CN113850393A (zh) | 基于图学习的特征工程的***和方法 | |
EP3188086B1 (en) | Identifying entities using a deep-learning model | |
EP3166025A1 (en) | Identifying content items using a deep-learning model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190214 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190214 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20190517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20191210 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20191211 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200310 |
|
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: 20200324 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200407 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6689389 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |