KR101704887B1

KR101704887B1 - Internet preference learning facility

Info

Publication number: KR101704887B1
Application number: KR1020147008643A
Authority: KR
Inventors: 토마스 핀크니; 크리스토퍼 딕슨; 매튜 알 가티스
Original assignee: 이베이 인크.
Priority date: 2009-06-12
Filing date: 2010-06-11
Publication date: 2017-02-08
Also published as: AU2010260010B2; WO2010144766A1; CA2767688C; EP2441039A1; KR20120050965A; RU2012100619A; IN2012DN00306A; EP2441039A4; KR20140049087A; CN102625940A; CA2767688A1; AU2010260010A1

Abstract

본 발명의 실시예에서, 사용자의 선호도를 판정하기 위해 사용자 선호도 학습 장비를 이용함으로써 컴퓨터 장비의 사용을 통해 사용자에게 복귀된 웹사이트 응답을 타겟화하기 위한 개량된 능력이 설명된다.In an embodiment of the present invention, an improved capability for targeting a Web site response returned to a user through the use of computer equipment by using user preference learning equipment to determine a user's preferences is described.

Description

컴퓨터 판독가능한 저장 매체{INTERNET PREFERENCE LEARNING FACILITY}[0001] INTERNET PREFERENCE LEARNING FACILITY [0002]

관련 출원의 상호 참조Cross reference of related application

본 출원은 그 각각이 그대로 본 명세서에 참조로서 포함되어 있는 이하의 출원들, 2009년 8월 12일 출원된 미국 가출원 제61/233,326호, 2010년 2월 2일 출원된 미국 가출원 제61/300,511호 및 2009년 6월 12일 출원된 미국 특허 출원 제 12/483,768호를 우선권 주장한다.The present application is related to the following applications, each of which is incorporated herein by reference: U.S. Provisional Application No. 61 / 233,326, filed August 12, 2009; U.S. Provisional Application No. 61 / 300,511, filed February 2, And U.S. Patent Application No. 12 / 483,768, filed June 12, 2009, all of which are incorporated herein by reference.

이 출원은 또한 그 각각이 그대로 본 명세서에 참조로서 포함되어 있는 이하의 특허 출원들, 2009년 6월 12일 출원된 미국 특허 출원 제 12/483,768호, 2009년 7월 15일 출원된 미국 특허 출원 제 12/503,263호 및 2009년 7월 15일 출원된 미국 특허 출원 제 12/503,334호의 계속 출원인 이하의 미국 특허에 관련된다.
This application is also related to the following patent applications, each of which is incorporated herein by reference: U.S. Patent Application No. 12 / 483,768, filed June 12, 2009, U.S. Patent Application, filed July 15, 2009 12 / 503,263, and U.S. Patent Application No. 12 / 503,334, filed July 15, 2009, which are continually applicants of the following US patents.

분야Field

본 발명은 집단 지식(collective knowledge) 시스템에 관한 것으로서, 더 구체적으로는 사용자 상호 작용을 통한 기계 학습에 기초하여 자연 언어 컴퓨터 기반 토픽(topical) 조언을 제공하는 것에 관한 것이다.
The present invention relates to collective knowledge systems, and more particularly to providing natural language computer based topic advice based on machine learning through user interaction.

토픽 조언을 위한 온라인 검색은 인터넷을 통해 제공되는 것과 같은 컴퓨터 리소스의 상당한 사용을 표현한다. 컴퓨터 사용자는 현재 특정 토픽에 대한 조언을 검색하기 위한 다양한 검색 도구를 이용할 수 있지만, 이렇게 하는 것은 검색 엔진의 사용에 있어서의 전문 지식을 필요로 할 수 있고, 가려내고, 해석하고, 비교하는데 시간을 소요하는 방대한 검색 결과를 생성할 수 있다. 사람들은 구두의 자연 언어로 다른 사람에게 조언을 구하는 것에 익숙할 수 있고, 따라서 사람들이 어떠한 방식으로 서로 상호 작용하는지를 더 밀접하게 모방하는 컴퓨터 기반 조언 도구를 갖는 것이 유용할 수 있다. 게다가, 토픽에 대한 조언은 시간에 따라 변할 수 있고, 조언의 임의의 정적 데이터베이스는 급속하게 구식이 될 수 있다. 따라서, 자연 언어와 함께 사용을 위해 적용되고 연속적인 콘텐트 개선(refinement)을 제공하는 향상된 토픽 조언 검색 능력에 대한 요구가 존재한다.
Online searches for topic advice represent a significant use of computer resources, such as those provided over the Internet. Computer users can now use a variety of search tools to search for advice on a particular topic, but doing so may require expertise in using the search engine, and it may take time to sort, interpret, and compare It can generate a vast amount of search results. People may be accustomed to seeking advice from others in the natural language of the verse, and thus it may be useful to have a computer based advice tool that more closely mimics how people interact with each other. In addition, the advice for a topic can change over time, and any static database of advice can quickly become outdated. Thus, there is a need for an improved topic advice search capability that is applied for use with natural language and provides continuous content refinement.

본 발명은 사용자 질문을 문의할 수 있는 기계 학습 장비와 같은 컴퓨팅 장비로 이루어질 수 있고, 사용자의 답변에 기초하여 시스템은 추천, 진단, 결론, 조언 등과 같은 결정을 제공할 수 있다. 내부적으로, 시스템은 어느 질문이 문의되어야 하는지 및 어느 결정이 프로세스의 종료시에 행해져야 하는지를 최적화하기 위해 기계 학습을 사용할 수 있다. 시스템은 결정이 도움이 되었는지 여부에 대한 결정을 포함하는 제공된 결정에 대한 피드백을 제공하는 사용자를 통해 학습할 수 있다. 도움이 되는 해결책은 강화될 수 있고 이러한 방식으로 문의된 질문 및 답변과 관련된다. 사용자가 결정이 도움이 되었다고 지시할 때, 시스템은 어느 질문이 문의되었는지, 각각의 질문에 대한 답변이 무엇이었는지를 기억할 수 있고, 이들 질문과 답변을 최종적인 결정과 관련시킬 수 있다. 실시예에서, 이들 관련성은 다음에 사용자가 시스템에 오게 될 때 어느 질문이 문의되는지를 시간 경과에 따라 학습하는 기계 학습의 기초일 수 있다.The invention may be made up of computing equipment such as machine learning equipment capable of querying user questions, and based on user responses, the system may provide such decisions as recommendations, diagnoses, conclusions, advice and the like. Internally, the system can use machine learning to optimize which questions should be consulted and which decisions should be made at the end of the process. The system can learn from the user providing feedback on the provided decision, including a decision as to whether the decision was helpful. A helpful solution can be strengthened and is related to questions and answers that are asked in this way. When the user indicates that the decision was helpful, the system can remember which question was asked, what the answer to each question was, and can relate these questions and answers to the final decision. In an embodiment, these associations may be the basis of machine learning that learns over time which question is queried when the user comes to the system.

실시예에서, 본 발명은 기계 학습 장비의 사용을 통해 사용자가 결정을 행하는 것을 도울 수 있다. 프로세스는 사용자로부터 기계 학습 장비에 의해 수신되는 초기 질문으로 시작할 수 있다. 초기 질문은 검색 인터페이스를 경유하여 수신될 수 있고, 여기서 최종 결정은 초기 검색 항목, 사용자와의 질문 및 답변의 대화, 시스템의 트레이닝 등에 기초한다. 사용자는 이어서 기계 학습 장비로부터의 질문 및 사용자에 의해 제공된 답변으로 이루어진 대화를 구비할 수 있다. 기계 학습 장비는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문에 속하고 대화에 기초하여 사용자에 결정을 제공할 수 있다. 실시예에서, 기계 학습 장비에 의해 제공된 미래 질문 및 결정은 사용자에 의해 제공된 피드백을 통해 향상될 수 있다.In an embodiment, the present invention can help the user make decisions through the use of machine learning equipment. The process can begin with an initial question that is received by the machine learning equipment from the user. The initial query may be received via the search interface, where the final decision is based on an initial search item, conversation of questions and answers with the user, training of the system, and the like. The user can then have a conversation consisting of a question from the machine learning equipment and an answer provided by the user. Machine learning equipment can then be part of the initial question, such as recommendations, diagnoses, conclusions, advice, etc., and can provide decisions to the user based on the conversation. In an embodiment, future questions and decisions provided by machine learning equipment may be improved through feedback provided by the user.

실시예에서, 사용자에 의해 부여된 초기 질문은 객관적 질문, 주관적 질문 등일 수 있다. 질문은 제품, 개인 정보, 개인 건강, 경제적 건강, 비즈니스, 정치, 교육, 엔터테인먼트, 환경 등에 속하는 토픽과 같은 넓은 토픽의 카테고리 중으로부터 제공될 수 있다. 질문은 다중 선택 질문, 예-아니오 질문, 평점, 이미지의 선택, 사적인 질문 등의 형태일 수 있다. 질문은 사용자에 대한 것일 수 있고, 다른 사용자에 의해 제공될 수 있고, 전문가에 의해 제공될 수 있는 등이다. 질문은 예를 들어 사용자와의 현재 대화로부터, 사용자와의 저장된 이전의 대화로부터, 다른 사용자와의 저장된 이전의 대화로부터와 같이 이전의 답변에 기초할 수 있다. 질문은 테스트 질문, 의사 랜덤 결정이 유용한 것으로 판명되는 기회에 의사 랜덤 결정을 선택하는 것을 돕는 탐색 질문과 같은 의사 랜덤 질문일 수 있다. 질문은 질문의 부분으로서 적어도 하나의 이미지를 포함할 수 있다. 질문은 사이코그래픽 차원을 따를 수 있다. 실시예에서, 질문은 사용자에 직접 문의하지 않을 수 있고, 오히려 IP 어드레스, 사용자의 위치, 사용자의 위치에서의 날씨, 도메인명, 경로 정보에 관련성, 최근 다운로드에 관련성, 최근 네트워크 액세스에 관련성, 최근 파일 액세스에 관련성 등을 통해서와 같이 개념적인 정보로부터 판정될 수 있다.In an embodiment, the initial question given by the user may be an objective question, a subjective question, and the like. Questions can come from a broad category of topics, such as topics pertaining to products, personal information, personal health, economic health, business, politics, education, entertainment, Questions can be in the form of multiple choice questions, yes - no questions, ratings, image selection, personal questions, and so on. The question can be for the user, can be provided by other users, can be provided by an expert, and so on. The question may be based on the previous answer, for example, from the current conversation with the user, from a previous conversation with the user, or from a previous conversation with another user. The question may be a pseudo-random question such as a test question, a navigation question that helps the pseudo-random decision to choose a pseudo-random decision on the opportunity that turns out to be useful. The question may include at least one image as part of the question. Questions can follow the psychological dimension. In an embodiment, the question may not directly ask the user, but rather may include an IP address, location of the user, weather at the user's location, domain name, relevance to route information, relevance to recent downloads, Can be determined from conceptual information, such as through relevance to file access.

실시예에서, 대화는 기계 학습 장비가 사용자에 제시된 감소된 결정의 세트, 사용자에 제시된 단일 결정과 같은 감소된 결정의 세트에서 높은 확신을 전개할 때까지 계속될 수 있다. 기계 학습 장비에 의해 제공된 결정은 대화에서 질문의 순서에 무관할 수 있다. 결정은 대화의 적어도 하나의 질문이 생략될 때 대안 결정을 제공할 수 있고, 여기서 대안 결정은 사용자로부터 적은 정보를 갖는 기계 학습 장비에 기초하여 상이할 수 있다. 결정은 비전통적인 특징 차원을 가로지르는 랭킹 결정과 같은 결정 선택의 랭킹을 표시할 수 있다. 결정은 결정에 관련된 적어도 하나의 이미지를 표시할 수 있다. 결정은 의사 랜덤 결정이 탐색의 시스템의 부분인 것과 같이 의사 랜덤 결정이 유용한 것으로 판명되는 기회에 대한 의사 랜덤 결정일 수 있고, 여기서 탐색의 시스템은 시스템의 유효성을 향상시킬 수 있고, 기계 학습 장비는 탐색으로부터 학습될 수 있는 등이다.In an embodiment, the conversation may continue until machine learning equipment develops a high degree of confidence in a reduced set of decisions, such as a set of reduced decisions presented to the user, a single decision presented to the user. The decision provided by the machine learning equipment may be independent of the order of the questions in the conversation. The decision may provide an alternative decision when at least one question of the dialog is omitted, wherein the alternative decision may differ based on the machine learning equipment having less information from the user. A decision may indicate a ranking of a decision choice, such as a ranking decision across a non-traditional feature dimension. The decision may indicate at least one image related to the decision. The decision may be a pseudo-random decision on the opportunity for which the pseudo-random decision proves to be useful, such that the pseudo-random decision is part of the system of search, where the system of search may improve the effectiveness of the system, And so on.

실시예에서, 제공된 피드백은 어떻게 사용자가 대화에서 질문에 답변하는지, 어떻게 사용자가 기계 학습 장비에 의해 제공된 결정에 응답하는지 등에 관련되거나 이들로부터 유도될 수 있다. 실시예에서, 피드백은 사용자로부터 간청될 수도 있다.In an embodiment, the provided feedback may be related to or derived from how the user answers the question in the dialog, how the user responds to the decision provided by the machine learning equipment, and so on. In an embodiment, feedback may be sought from the user.

실시예에서, 사용자는 새로운 정보를 입력함으로써 기계 학습 장비의 학습을 확장할 수 있고, 여기서 새로운 정보는 그 자신의 토픽, 질문, 답변, 결정 등일 수 있다. 기계 학습 장비는 새로운 정보가 사용자에게 도움이 되는지 여부를 판정하기 위해 새로운 정보를 사용할 수 있다.In an embodiment, a user may extend learning of machine learning equipment by entering new information, where the new information may be his or her own topics, questions, answers, decisions, and the like. Machine learning equipment can use new information to determine whether new information is helpful to the user.

실시예에서, 전문가 사용자는 새로운 정보를 입력함으로써 연산 장비의 학습을 확장할 수 있고, 여기서 새로운 정보는 이들 자신의 토픽, 질문, 답변, 결정 등일 수 있다. 새로운 질문, 답변 또는 결정을 입력하는 전문가 사용자는 미래 사용자가 질문에 대한 특정 답변을 제공할 때 어떻게 시스템이 결정을 랭킹해야 하는지를 지정할 수 있다. 전문가 사용자는 또한 새로운 질문이 문의되어야 할 때 사전 조건/의존성을 지정할 수 있다. 전문가 사용자는 질문을 위한 중요성을 선택적으로 또한 입력할 수 있다.In an embodiment, an expert user may extend learning of computing equipment by entering new information, where new information may be their own topics, questions, answers, decisions, and so on. An expert user entering a new question, answer, or decision can specify how the system should rank a decision when a future user provides a specific answer to the question. Expert users can also specify preconditions / dependencies when new questions need to be consulted. Expert users can also selectively enter the importance for the question.

실시예에서, 시스템은 일련의 동적 결정 트리로서 구현될 수 있다. 사용자와의 질문 및 대답 대화 중에, 시스템은 사용자가 미리 제공받은 답변이 제공되면 어느 질문이 문의를 위해 관련되는지를 찾을 수 있다. 사용자가 새로운 질문, 답변 또는 결정을 입력할 때, 이들은 어느 질문이 어느 결정에 관련되는지 어떻게 답변이 다양한 결정의 상대적인 랭킹에 영향을 미치는지를 지정할 수 있다.In an embodiment, the system may be implemented as a series of dynamic decision trees. Questions and Answers with Users During a conversation, the system can find out which questions are relevant for the inquiry once the answers provided by the user are provided in advance. When a user enters a new question, answer, or decision, they can specify which question is relevant to which decision and how the answer affects the relative ranking of the various decisions.

실시예에서, 시스템은 결정이 질문 및 답변 대화 중에 사용자에 의해 지정된 객관적 요건에 얼마나 양호하게 정합하는지 및 결정이 사용자의 기호도 선호도와 같은 사용자의 주관적 요건에 얼마나 양호하게 정합하는지와 같은 다수의 독립적인 팩터에 기초하여 판정을 추천할 수 있다.In an embodiment, the system may include a number of independent features, such as how well the decision matches the objective requirement specified by the user during the question and answer conversation, and how well the decision conforms to the subjective requirements of the user, The determination can be recommended based on the factor.

실시예에서, 사용자 인터페이스는 웹 인터페이스, 인스턴트 메시징, 음성 인터페이스, 휴대폰, SMS 등과 관련된 것과 같은 기계 학습 장비와의 사용자 상호 작용을 위해 제공될 수 있다.In an embodiment, the user interface may be provided for user interaction with machine learning equipment such as those associated with a web interface, instant messaging, voice interface, mobile phone, SMS, and the like.

실시예에서, 본 발명은 기계 학습 장비의 사용을 통해 사용자가 결정을 행하는 것을 도울 수 있다. 프로세스는 사용자로부터 기계 학습 장비에 의해 수신되는 초기 질문으로 시작할 수 있고, 여기서 초기 질문은 제품, 개인, 건강, 비즈니스, 정치, 교육, 엔터테인먼트, 환경 등과 같은 토픽의 넓은 카테고리 중 하나와 관련될 수 있다. 사용자는 이어서 기계 학습 장비로부터의 질문 및 사용자에 의해 제공된 답변으로 이루어진 대화를 구비할 수 있다. 기계 학습 장비는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문에 속하고 대화에 기초하여 사용자에 결정을 제공할 수 있다. 실시예에서, 기계 학습 장비에 의해 제공된 미래 질문 및 결정은 사용자에 의해 제공된 피드백을 통해 향상될 수 있다.In an embodiment, the present invention can help the user make decisions through the use of machine learning equipment. The process may begin with an initial question received by the machine learning equipment from the user, where the initial question may relate to one of the broad categories of topics such as product, personal, health, business, politics, education, entertainment, . The user can then have a conversation consisting of a question from the machine learning equipment and an answer provided by the user. Machine learning equipment can then be part of the initial question, such as recommendations, diagnoses, conclusions, advice, etc., and can provide decisions to the user based on the conversation. In an embodiment, future questions and decisions provided by machine learning equipment may be improved through feedback provided by the user.

실시예에서, 본 발명은 컴퓨팅 장비의 사용을 통해 사용자가 결정을 행하는 것을 도울 수 있다. 프로세스는 사용자로부터 컴퓨팅 장비에 의해 수신되는 초기 질문으로 시작할 수 있다. 사용자는 이어서 컴퓨팅 장비로부터의 질문 및 사용자에 의해 제공된 답변으로 이루어진 대화를 구비할 수 있다. 컴퓨팅 장비는 이어서 복수의 사용자로부터 수집된 피드백에 기초하여 사용자에 결정을 제공할 수 있다. 실시예에서, 컴퓨팅 장비는 사용자로부터 수신 피드백에 기초하여 컴퓨팅 장비에 의해 제공된 미래의 질문 및 결정을 향상시킬 수 있다.In an embodiment, the present invention may help a user make a decision through the use of computing equipment. The process may begin with an initial query received by a computing device from a user. The user can then have a conversation consisting of questions from the computing equipment and answers provided by the user. The computing device may then provide a decision to the user based on feedback collected from the plurality of users. In an embodiment, the computing device may enhance future queries and decisions provided by the computing device based on the received feedback from the user.

실시예에서, 본 발명은 기계 학습 장비의 사용을 통해 사용자가 결정을 행하는 것을 도울 수 있다. 프로세스는 사용자로부터 기계 학습 장비에 의해 수신되는 초기 질문으로 시작할 수 있다. 사용자는 이어서 기계 학습 장비로부터의 질문 및 사용자에 의해 제공된 답변으로 이루어진 대화를 구비할 수 있고, 여기서 대화를 통해 제공된 질문 및 답변의 수는 결정의 품질을 결정할 수 있다. 기계 학습 장비는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문에 속하고 대화에 기초하여 사용자에 결정을 제공할 수 있다. 실시예에서, 기계 학습 장비에 의해 제공된 미래 질문 및 결정은 사용자에 의해 제공된 피드백을 통해 향상될 수 있다. 실시예에서, 품질은 10개 초과의 질문, 15개 초과의 질문, 10개 초과의 질문 등과 같이 질문 및 답변의 수가 클 때 높을 수 있다. 실시예에서, 품질은 10개 미만의 질문, 5개 미만의 질문, 3개 미만의 질문, 하나의 질문 등과 같이 질문 및 답변의 수가 작을 때 양호한 품질일 수 있다.In an embodiment, the present invention can help the user make decisions through the use of machine learning equipment. The process can begin with an initial question that is received by the machine learning equipment from the user. The user may then have a conversation consisting of a question from the machine learning equipment and a reply provided by the user, where the number of questions and answers provided through the conversation can determine the quality of the decision. Machine learning equipment can then be part of the initial question, such as recommendations, diagnoses, conclusions, advice, etc., and can provide decisions to the user based on the conversation. In an embodiment, future questions and decisions provided by machine learning equipment may be improved through feedback provided by the user. In an embodiment, the quality may be high when the number of questions and answers is large, such as more than 10 questions, more than 15 questions, more than 10 questions, and so on. In an embodiment, quality may be good quality when the number of questions and answers is small, such as less than 10 questions, less than 5 questions, less than 3 questions, one question, and so on.

실시예에서, 본 발명은 기계 학습 장비의 사용을 통해 결정을 행할 수 있다. 시스템은 사용자로부터 초기 질문을 수신할 수 있는 기계 학습 장비, 사용자에 질문을 제공하고 사용자로부터 답변을 수용하는 기계 학습 장비 내의 대화 장비, 사용자로 결정을 제공하는 기계 학습 장비 등을 포함할 수 있다. 실시예에서, 사용자에 제공된 결정은 사용자와 기계 학습 장비 사이의 교환에 기초하고 초기 질문에 속할 수 있다. 또한, 기계 학습 장비는 기계 학습 장비에 의해 제공된 미래의 질문 및 결정을 향상시키기 위해 사용자로부터 피드백을 수신할 수 있다.In an embodiment, the invention can make decisions through the use of machine learning equipment. The system may include machine learning equipment capable of receiving initial questions from a user, interactive equipment within a machine learning machine that provides a question to the user and accepts an answer from the user, machine learning equipment that provides a decision as a user, and so on. In an embodiment, the decision provided to the user may be based on an exchange between the user and the machine learning equipment and belong to an initial question. In addition, the machine learning equipment may receive feedback from the user to improve future questions and decisions provided by the machine learning equipment.

본 발명의 이들 및 다른 시스템, 방법, 목적, 특징 및 장점은 이하의 바람직한 실시예의 상세한 설명 및 도면으로부터 당 기술 분야의 숙련자들에게 명백할 것이다. 본 명세서에 언급된 모든 문헌은 그대로 본 명세서에 참조로서 포함되어 있다.These and other systems, methods, objects, features, and advantages of the present invention will become apparent to those skilled in the art from the following detailed description of the preferred embodiments and drawings. All publications mentioned herein are incorporated herein by reference in their entirety.

본 발명 및 그 특정 실시예의 이하의 상세한 설명은 이하의 특징을 참조하여 이해될 수 있다.
The following detailed description of the invention and its specific embodiments can be understood with reference to the following features.

도 1은 사용자가 결정을 얻을 수 있는 시스템 내의 토픽의 리스트를 도시하는 도면.
도 2는 시스템이 사용자에게 문의할 수 있는 예시적인 질문을 도시하는 도면.
도 3은 시스템이 사용자에게 문의할 수 있는 예시적인 화상 질문을 도시하는 도면.
도 4는 시스템이 특정 결정을 행할 때 사용자에게 제시할 수 있는 정보의 유형의 예를 도시하는 도면.
도 5는 카메라에 대한 상위 리스트의 예를 도시하는 도면.
도 6은 카메라에 대한 상위 리스트의 제 2 예를 도시하는 도면.
도 7은 사용자 홈페이지의 실시예를 도시하는 도면.
도 8 및 도 8a는 사용자의 기억된 답변의 실시예를 도시하는 도면.
도 9는 사용자가 전문성에 기여할 수 있는 선택을 도시하는 도면.
도 10은 사용자 질문의 예를 도시하는 도면.
도 11 및 도 11a는 답변 포맷의 실시예를 도시하는 도면.
도 12는 토픽의 모든 결정의 예시적인 리스트를 도시하는 도면.
도 13은 본 발명에 대한 실시예 프로세스 흐름을 도시하는 도면.
도 14는 본 발명에 대한 실시예 프로세스 흐름을 도시하는 도면.
도 15는 본 발명의 블록 다이어그램의 실시예를 도시하는 도면.
도 16은 기고자/전문가 인터페이스 홈페이지 실시예를 도시하는 도면.
도 17은 결정시에 도움을 찾는 사용자에 대한 객관적 질문 실시예를 도시하는 도면.
도 18은 특정 추천된 결정을 나타내는 결정 결과의 실시예를 도시하는 도면.
도 19는 속성과 결정 결과 사이에 관련성을 설정하기 위한 사용자를 위한 인터페이스 실시예를 도시하는 도면.
도 20은 사용자가 어떻게 결정 결과를 편집할 수 있는지를 예시하는 실시예를 도시하는 도면.
도 21은 콘텐트의 이전의 수정 및 2개의 이전의 수정 사이의 변경을 예시하는 실시예를 도시하는 도면.
도 22는 사용자에 의해 편집된 질문을 나타내는 실시예를 도시하는 도면.
도 23은 속성에 대한 수정 이력을 나타내는 실시예를 도시하는 도면.
도 24는 새롭게 추가된 조언의 영역이 표시될 수 있는 워크샵 인터페이스의 실시예를 도시하는 도면.
도 25는 사용자의 선호도를 학습하기 위해 시스템이 사용자에게 주관적인 질문을 문의하는 실시예를 도시하는 도면.
도 26은 기고자에 의한 최근의 활동의 활동 피드를 나타내는 실시예를 도시하는 도면.
도 27은 다중 차원에 기초하여 결과를 나타내는 실시예를 도시하는 도면.
도 28은 사용자의 비구조화된 입력에 응답하는 다중 질문 및 답변 결과를 나타내는 실시예를 도시하는 도면.
도 29는 이들의 선호도를 문의하는 사용자로의 예시적인 질문을 나타내는 실시예를 도시하는 도면.
도 30은 본 발명의 실시예에서 판정된 바와 같은 뉴스 유명 인사 글렌 벡(Glenn Beck)의 유사성 프로파일을 도시하는 도면.
도 31은 본 발명의 실시예에서 판정된 바와 같은 유명 인사 마사 스튜어드(Martha Steward)의 유사성 프로파일을 도시하는 도면.
도 32는 사용자에 대해 학습하는 것을 돕기 위해 제 3 자 API를 사용하기 위한 실시예를 도시하는 도면.
도 33은 사용자에 대해 학습하는 것을 돕기 위해 그리고 사용자 질의로부터 사용자에 복귀된 응답에 타겟화하기 위해 제 3 자 API를 사용하기 위한 실시예를 도시하는 도면.
도 34는 인터넷 사회적 상호 작용 그래픽 표현의 사용을 통한 미지의 사용자의 선호도를 판정하기 위한 실시예를 도시하는 도면.
도 35는 사용자 기호도 및 선호도 프로파일링의 향상을 위한 실시예를 도시하는 도면.BRIEF DESCRIPTION OF THE DRAWINGS Figure 1 shows a list of topics in a system in which a user can make decisions.
2 is a diagram illustrating an exemplary query where the system can query the user;
Figure 3 illustrates an exemplary image query where the system can query the user.
4 illustrates an example of the types of information that a system can present to a user when making a particular decision.
5 is a diagram showing an example of a top list for a camera;
6 shows a second example of a top list for a camera.
7 is a diagram showing an embodiment of a user home page;
Figures 8 and 8A show an embodiment of a user ' s memorized answer.
Figure 9 shows a selection that a user can contribute to expertise.
10 is a diagram showing an example of a user question;
Figures 11 and 11A show an embodiment of an answer format.
Figure 12 shows an exemplary list of all decisions of a topic;
13 is a diagram showing a process flow of an embodiment of the present invention.
14 is a diagram showing a process flow of an embodiment of the present invention.
15 is a diagram illustrating an embodiment of a block diagram of the present invention.
16 is a diagram showing an embodiment of a contributor / expert interface homepage;
Figure 17 illustrates an example of an objective query for a user seeking help in decision making;
18 shows an example of a determination result indicating a particular recommended decision;
19 illustrates an interface embodiment for a user for establishing a relationship between an attribute and a determination result;
20 illustrates an embodiment that illustrates how a user can edit a determination result;
Figure 21 illustrates an embodiment that illustrates a change between a previous modification of a content and two previous modifications;
22 is a diagram showing an embodiment showing a question edited by a user;
23 is a diagram showing an embodiment showing a modification history for an attribute;
24 illustrates an embodiment of a workshop interface in which areas of newly added advice can be displayed;
25 illustrates an embodiment in which the system queries the user for subjective questions to learn user preferences;
26 illustrates an embodiment that represents an activity feed of recent activity by the contributor;
Figure 27 shows an embodiment showing results based on multiple dimensions.
28 illustrates an embodiment of multiple query and answer results in response to a user ' s unstructured input;
29 illustrates an example of an exemplary query to a user querying their preferences;
Figure 30 shows a similarity profile of a news celebrity Glenn Beck as determined in an embodiment of the present invention.
31 illustrates a similarity profile of a celebrity Martha Steward as determined in an embodiment of the present invention;
32 illustrates an embodiment for using a third party API to help learn about a user;
33 illustrates an embodiment for using a third party API to help learn about a user and to target a response returned from a user to a user.
34 illustrates an embodiment for determining the preference of an unknown user through the use of an internet social interaction graphical representation;
35 is a diagram showing an embodiment for improving user preference and preference profiling;

본 발명이 특정 바람직한 실시예와 관련하여 설명되지만, 다른 실시예가 당 기술 분야의 숙련자에 의해 이해될 수 있고 본 명세서에 포함된다.While the present invention has been described in connection with certain preferred embodiments, other embodiments are capable of being understood by those skilled in the art and are included herein.

본 명세서에 참조된 모든 문헌은 본 명세서에 참조로서 포함된다.All references cited herein are incorporated herein by reference.

본 발명은 사용자(1314)에게 질문(1320)을 문의할 수 있고, 사용자의 답변에 기초하여 시스템은 추천, 진단, 결론, 조언 등과 같은 결정을 제공할 수 있다. 내부적으로, 시스템은 어느 질문(1320)이 문의되어야 하는지 및 어느 결정(1310)이 프로세스의 종료시에 행해져야 하는지를 최적화하기 위해 기계 학습을 사용할 수 있다. 시스템은 결정(1310)이 도움이 되었는지 여부에 대한 최종적인 결정에 대한 피드백을 제공하는 사용자를 통해 학습할 수 있다. 도움이 되는 해결책은 강화될 수 있고 이러한 방식으로 문의된 질문(1320) 및 답변(1322)과 관련된다. 사용자(1314)가 결정(1310)이 도움이 되었다고 말할 때, 시스템은 어느 질문(1320)이 문의되었는지, 각각의 질문(1320)에 대한 답변(1322)이 무엇이었는지를 기억할 수 있고, 이들 질문(1320)과 답변(1322)을 최종적인 결정과 관련시킬 수 있다. 이들 관련성은 다음에 사용자(1314)가 시스템에 오게 될 때 어느 질문(1320)이 문의되는지를 시간 경과에 따라 학습하는 기계 학습의 기초일 수 있다.The present invention may query user 1314 for question 1320 and based on the user's answer the system may provide a decision such as recommendation, diagnosis, conclusion, advice, and so on. Internally, the system can use machine learning to optimize which question 1320 should be consulted and which decision 1310 should be made at the end of the process. The system can learn through the user providing feedback on the final decision as to whether decision 1310 was helpful. A helpful solution can be enforced and is related to question 1320 and answer 1322 that were queried in this manner. When the user 1314 says that the decision 1310 has helped the system can remember which question 1320 was queried and what the answer 1322 for each question 1320 was, ) And answer (1322) to the final decision. These associations may be the basis of machine learning that learns over time which questions 1320 are queried when the user 1314 comes to the system.

예를 들어, 사용자(1314)는 방문할 바를 고르는 조언을 얻도록 시도할 수 있다. 시스템은 질문 "몇살입니까?"를 문의하고 답변 "30대"를 얻을 수 있다. 최종적으로, 시스템은 사용자(1314)에게 결정 "켈리스 아이리시 바(Kelley's Irish Bar)"를 표시할 수 있다. 사용자(1314)가 이 결정이 도움이 되었다고 말하는 것을 가정한다. 시스템은 질문 "몇살입니까?", 답변 "30대" 및 결정 "켈리스 아이리시 바" 사이의 관련성을 증가시킬 것이다. 다음에 사용자(1314)가 바에 대한 조언을 찾아 사이트에 오게 될 때, 시스템은 과거에 이 질문(1320)이 사용자에게 도움을 주는데 유용하였기 때문에 사용자(1314)에게 "몇살입니까" 질문(1320)을 문의할 가능성이 더 높을 것이다. 사용자(1314)가 이전의 사용자(1314)와 동일한 방식으로 질문(1320)에 답변하면("30대"), 시스템은 최종적인 결정이 "켈리스 아이리스 펍"인 그 신뢰를 증가시킬 것이다.For example, the user 1314 may attempt to obtain advice on what to visit. The system asks "How old are you?" And get "30" answers. Finally, the system may display the decision "Kelley's Irish Bar" to the user 1314. It is assumed that the user 1314 says this decision is helpful. The system will increase the relevance between the question "how old is it?", The answer "30" and the decision "Kelis Irish Bar". Next, when the user 1314 comes to the site looking for advice on the bar, the system will ask the user 1314 "how old" question 1320 since this question 1320 was useful for helping the user in the past It will be more likely to inquire. If the user 1314 answers the question 1320 in the same way as the previous user 1314 ("30"), the system will increase its confidence that the final decision is a " Kellis Iris Pub. &Quot;

시스템은 사용자의 기호도, 미관 선호도 등의 프로파일을 구축하고, 어느 결정(1310)이 어느 유형의 사람들에 의해 좋아하게 되는지를 피드백을 경유하여 학습할 수 있다. 대안적으로, 전문가 사용자는 어느 종류의 결정(1310)이 어느 종류의 사람에 의해 좋아하게 되는지를 지정할 수 있다. 사용자의 기호도 프로파일을 학습하는 것은 특정 토픽에서 시스템에 의해 문의된 질문(1320) 및 답변(1322)의 대화로부터 개별 프로세스를 통해 발생할 수 있다. 예를 들어, 사용자(1314)는 사용자의 미관 선호도를 이해하기 위해 특정하게 설계된 상이한 질문 및 답변 대화를 통해 이들의 기호도 선택에 대해 시스템에 개별적으로 말할 수 있다.The system builds a profile of the user's preferences, aesthetic preferences, etc., and learns which types of people like which decisions 1310 are favored via feedback. Alternatively, an expert user may specify which type of decision 1310 is favored by which type of person. Learning a user's preference profile can occur through a separate process from the conversation of the questions (1320) and answers (1322) queried by the system at a particular topic. For example, the user 1314 may speak to the system individually about their preference choices through different question and answer dialogs that are specifically designed to understand the user's aesthetic preferences.

사용자(1314)는 모든 이들 기호도 선호도에 대해 시스템에 교육하도록 시간을 소비하기를 원하지 않을 수도 있고, 따라서 대신에 시스템은 하나의 특정 결정(1310)을 행하는 사용자(1314)의 콘텍스트에서 문의하기 위해 모든 기호도 질문(1320) 중 어느 것이 가장 중요한 기호도 질문인지를 학습하거나 또는 전문가가 지정할 수 있다. 모든 질문의 세계로부터, 시스템은 기호도 프로파일에 대해 발견하는 것에 대해 인지할 수 있는데, 예를 들어 시스템은 사용자(1314)가 $25,000 미만의 세단을 발견하려고 시도할 때에 최선인 3개의 특정 질문(1310)이 존재한다는 것을 학습하고 있을 수 있다. 대안적으로, $45,000 초과의 SUV에 관심이 있는 사용자(1314)에 3개의 기호도 질문의 완전히 상이한 세트가 존재할 수 있다.The user 1314 may not want to spend time educating the system for all of these preferences and therefore the system may instead decide to use all of the preferences 1314 to query in the context of the user 1314 performing one particular decision 1310. [ You can either learn which of the symbolic questions (1320) is the most important symbol question, or you can assign an expert. From the world of all questions, the system can be aware of discovering a preference profile, e.g., the system can determine which of three specific questions (1310) is best when a user 1314 attempts to find a sedan of less than $ 25,000, May exist. Alternatively, there may be a completely different set of three preference questions to the user 1314 interested in SUVs over $ 45,000.

사용자(1314)는 또한 임의의 객관적인 질문에 대해서가 아니라 이들의 기호도 선호도에 대해서만 시스템에 말할 수 있다. 이 경우에, 시스템은 순수하게 기호도에 기초하여 조언의 영역에서 모든 결정(1310)의 랭킹을 제공할 수 있다. 따라서, 사용자(1314)가 이들이 $200 포인트 앤 슛(point-and-shoot) 카메라를 원한다고 말하는 대신에, 효과적으로 사용자(1314)가 수행할 것은 이들이 스포츠보다 컴퓨터를 선호하는 다른 35세 도시 남자가 원하는 카메라를 원한다고 말한다. 사용자(1314)는 검색 인터페이스를 사용하고 "어느 카메라를 사야 하나" 조언 영역 대신에 "30대의 도시 남자를 위한 카메라"로 명시적으로 라벨 표기된 조언의 영역을 선택함으로써 이 선호도를 지시할 수 있다. 대안적으로, 사용자(1314)는 카메라에 대한 결정(1310)을 행하는 것에 있어서 이들의 관심을 지시할 수 있고, 이어서 시스템으로부터 Q&A 대화에서 임의의 질문에 대답하지 않는 것을 선택할 수 있고, 따라서 시스템은 사용자(1314)에 카메라를 추천하는데 사용하기 위해 사용자(1314)에 대한 주관적인 정보만을 가질 수 있다. 대안적으로, 사용자(1314)는 객관적 및 주관적 모두인 대화에서의 질문(1320)에 답변할 수 있고, 시스템은 이어서 카메라에 대한 조합된 객관적인 데이터 및 카메라에 대한 주관적인 데이터에 기초하여 카메라를 추천할 수 있다.The user 1314 may also speak to the system only about their preference for preference, not for any objective question. In this case, the system can provide a ranking of all decisions 1310 in the area of advice based purely on preference. Thus, instead of telling the user 1314 that they want a $ 200 point-and-shoot camera, effectively the user 1314 will do what they want a 35-year-old city man, . The user 1314 may indicate this preference by using the search interface and choosing the area of advice explicitly labeled as "Camera for 30 city men" instead of the "Which camera should I buy? Alternatively, the user 1314 may indicate their interest in making a decision 1310 for the camera, and then may choose not to answer any questions in the Q & A conversation from the system, May only have subjective information about the user 1314 for use in recommending the camera to the user 1314. [ Alternatively, the user 1314 may answer questions 1320 in a dialogue that is both objective and subjective, and the system then recommends the camera based on the combined objective data for the camera and subjective data for the camera .

사용자는 또한 새로운 질문, 답변 및 최종적인 결정을 입력할 수 있다. 시스템은 질문(1320)이 이들 사용자를 돕는데에 유용한 것으로 판명되는지를 알기 위해 미래의 사용자에 새로운 질문(1320)을 시도할 수 있다. 예를 들어, 바 추천 서비스의 사용자(1314)는 질문 "당신은 시끄러운 장소 또는 조용한 사사로운 세팅을 원합니까?"를 기고할 수 있다. 시스템은 바 추천 서비스의 미래의 사용시에 이 질문(1320)의 답변과 사용자가 유용한 것으로 발견한 추천 사이의 상관성을 관찰하는 전술된 프로세스를 통해 이 질문(1320)을 문의하도록 결정할 수 있다. 다른 한편으로, 사용자(1314)는 사용자를 돕는데 있어 가치를 갖지 않는 질문(1320)을 기고할 수 있다. 예를 들어, 사용자(1314)는 질문 "당신은 캐논 카메라를 갖고 있나요?"를 기고할 수 있다. 시스템은 미래의 사용자에게 이 질문(1320)을 시도할 수 있고, 사용자가 도움이 되는 것으로 판명하는 바 추천과 이 질문(1320)의 답변 사이의 임의의 상관성을 주목하는 것을 실패할 수 있다. 이 경우에, 질문(1320)은 하나의 추천 또는 다른 추천이 도움이 되었는지의 예측이 없기 때문에 덜 문의될 수 있다.The user can also enter new questions, answers and final decisions. The system may try new questions 1320 to future users to see if question 1320 proves useful in helping these users. For example, the user of the bar recommendation service 1314 may contribute the question "Do you want a noisy place or quiet private setting?". The system may decide to query this question 1320 through the process described above that observes the correlation between the answer of this question 1320 and the recommendation that the user found useful at the time of future use of the bar recommendation service. On the other hand, the user 1314 may contribute a question 1320 that is not valuable in helping the user. For example, the user 1314 may post a question "Do you have a Canon camera? The system may try this question 1320 to the future user and fail to note any correlation between the recommendation and the answer of this question 1320 that the user has found to be helpful. In this case, question 1320 may be less consulted because there is no prediction of whether a recommendation or other recommendation was helpful.

시스템은 소수의 가능한 결정에 높은 확신을 갖는다고 느끼지 않으면 질문(1320)을 계속 문의할 수 있다. 시스템은 너무 많은 질문(1320)을 이미 문의하였고 사용자를 화나게 할 위험이 있다고 느끼면 또한 곧 정지할 수 있다. 시스템은 또한 시스템이 가능하게는 지능형 결정을 행하는데 충분히 문의할 수 없다고 느끼면 사용자(1314)를 회피하기 위해 적어도 최소 수의 질문(1320)을 문의할 수 있다.If the system does not feel that there is a high degree of confidence in a small number of possible decisions, it may continue to query question 1320. If the system has already contacted too many questions (1320) and feels there is a risk of annoying the user, the system may soon stop. The system may also query at least a minimum number of questions 1320 to avoid the user 1314 if the system feels that it is not possible to make a sufficient inquiry to possibly make an intelligent decision.

시스템은 사용자로부터 부정확한 답변을 견디기 위한 메커니즘을 가질 수 있다. 부정확한 답변은 질문을 이해하지 못한, 답변(1322)을 이해하지 못한 또는 질문에 대한 답변(1322)을 인지하지 못하는 사용자(1314)로부터 초래될 수 있다. 사용자(1314)에 의해 제공된 대부분의 답변이 특정 결정을 지원하면, 시스템은 모든 사용자의 답변이 이 결정을 지원하지 않더라도 결정(1310)을 행할 수 있다.The system may have a mechanism to withstand inaccurate answers from the user. The inaccurate answer may result from the user 1314 who does not understand the question, does not understand the answer 1322, or does not recognize the answer 1322. If most of the answers provided by user 1314 support a particular decision, the system can make decision 1310 even if not all of the user's answers support this determination.

실시예에서, 본 발명은 시스템과 사용자 사이의 질문(1320) 및 답변(1322), 사용자로의 결정 및 결정을 향상시키기 위해 이용되는 기계 학습 중 적어도 하나를 제공할 수 있다. 시스템은 질문(1320) 및 답변(1322)을 생성하기 위한 향상된 방식, 사용자에 결정을 제공하기 위한 향상된 방식, 시스템에 의해 제공된 질문(1320) 및 결정을 향상시키기 위해 기계 학습을 이용하기 위한 향상된 방식 등을 제공할 수 있고, 이들 능력 중 임의의 것은 개별적으로 또는 조합하여 독립형 시스템으로서 사용될 수 있거나 또는 향상된 능력으로서 제 3 자 시스템 내에 통합될 수 있다. 실시예에서, 이들 향상된 능력의 각각은 본 명세서에 설명된 바와 같은 기계 학습의 소정 형태를 이용할 수 있다. 예를 들어, 시스템은 어느 상황하에서 사용자(1314)가 특정 정보를 찾는지를 학습함으로써 사용자(1314)에 질문(1320) 및 답변(1322)을 실행하기 위한 향상된 방식을 제공할 수 있다. 예를 들어, 날씨는 사용자가 일시 및 날씨 조건에 의존하여 차별화된 선호도를 갖는 조건인 것이 시스템에 의해 학습될 수 있다. 낮에 비가 내리고 사용자(1314)가 영화를 검색할 때, 사용자(1314)는 영화가 상영되는 위치 및 영화 티켓을 찾을 가능성이 많을 수 있다. 밤에 비가 내리고 사용자(1314)가 영화를 검색할 때, 사용자(1314)는 영화의 설명을 찾을 가능성이 더 많을 수 있다. 다른 예에서, 시스템은 예를 들어 사용자가 주간 중에 대 저녁 중에 특정 포맷을 선호하는 것을 학습하고, 연령에 기초하는 단일 결정(1310) 대 선택을 제공하고, 사용자의 지리학적 위치에 기초하여 결정(1310)의 제시에 앞서 더 많은 질문(1320)을 선호하는 것 등과 같이 사용자에 결정을 제공하는 향상된 방식을 제공할 수 있다. 다른 예에서, 시스템은 예를 들어 연령 및 교육에 기초하여 더 많은 전문 정보를 이용하는 것, 토픽이 패션이고 사용자(1314)가 젊을 때 더 많은 인기 있는 의견을 이용하는 것 대 사용자(1314)가 나이가 많을 때 전통적인 실시를 더 많이 이용하는 것, 토픽이 개인적일 때 친구들 사이에서 사용자의 선택에 대해 더 많은 질문(1320)을 문의하는 것 등과 같은 사용자에 대해 어느 결정(1310)이 선택되는지를 학습하기 위한 향상된 방식을 제공할 수 있다.In an embodiment, the present invention may provide at least one of a question (1320) and an answer (1322) between the system and the user, machine learning used to improve decision and decision to the user. The system includes an enhanced method for generating a query 1320 and an answer 1322, an improved method for providing a decision to a user, a query 1320 provided by the system, and an improved method for using machine learning to improve the decision Etc., and any of these capabilities may be used individually or in combination as a stand-alone system, or may be integrated within a third-party system as an enhanced capability. In an embodiment, each of these enhanced capabilities may utilize some form of machine learning as described herein. For example, the system may provide an improved way to execute questions 1320 and answers 1322 to the user 1314 by learning under what circumstances the user 1314 finds certain information. For example, the weather can be learned by the system that the user is a condition with differentiated preferences depending on the date and weather conditions. When rainfall occurs during the day and the user 1314 searches for a movie, the user 1314 may be more likely to find the location and movie ticket where the movie is being screened. When rain falls at night and the user 1314 searches for a movie, the user 1314 may be more likely to find a description of the movie. In another example, the system may learn, for example, that a user prefers a particular format during the evening versus during the day, provides age-based single decision 1310 versus selection, and makes decisions based on the geographic location of the user Such as preferring more questions 1320 prior to the presentation of the questionnaire 1310 to the user. In another example, the system may use more specialized information based on, for example, age and education, use of more popular opinions when the topic is fashion and user 1314 is younger versus user 1314 is older To learn which decision 1310 is to be made for the user, such as making more use of the traditional practice at many times, asking more questions 1320 about the user's choice between friends when the topic is personal It can provide an improved method.

실시예에서, 본 발명은 결정을 제공하고 이 요소가 제 3 자 시스템에 의해 제공될 때와 같이 요소 중 하나가 시스템에 의해 제공되지 않는 경우에 어느 결정이 제공되는지를 학습하는 질문(1320) 및 답변의 조합을 제공할 수 있다. 예를 들어, 제 3 자 검색 엔진 웹 애플리케이션은 사용자의 검색 질의로부터 분류된 리스트를 제공하기 위해 이들의 능력을 향상시키는 것일 수 있고, 따라서 이들의 키워드 검색 및 분류 알고리즘을 보강하기 위해 질문(1320) 및 답변(1322)을 생성하기 위해 본 발명의 장비를 이용하기를 원할 수 있다. 이 경우에, 제 3 자 검색 엔진 공급자는 이들의 서비스가 결정의 제한된 세트가 아니라 분류된 리스트를 제공하는 비즈니스에 있기 때문에 결정을 생성하기 위한 본 발명의 장비에 관심이 없을 수도 있다. 그러나, 본 발명은 사용자로의 질문(1320) 및 답변(1322)을 연속적으로 향상시키는 본 발명의 능력이 검색 엔진 공급자가 본 발명의 능력에 기초하여 사용자에 이 분류 결과를 향상시킬 수 있게 할 수 있는 점에서 검색 엔진 공급자에 중요한 새로운 능력을 제공할 수 있다.In an embodiment, the invention includes a query 1320 that provides a decision and which decision is provided when one of the elements is not provided by the system, such as when the element is provided by a third party system, and A combination of answers can be provided. For example, third party search engine web applications may be enhancing their capabilities to provide a categorized list from a user ' s search query, and thus may include query 1320 to augment their keyword search & And answer (1322) of the present invention. In this case, the third party search engine provider may not be interested in the inventive equipment for generating a decision because their service is in the business providing a sorted list, rather than a limited set of decisions. However, the present invention may enable the ability of the present invention to continuously improve the question 1320 and answer 1322 to the user to enable the search engine provider to enhance this classification result to the user based on the capabilities of the present invention. In terms of being able to provide important new capabilities to search engine providers.

실시예에서, 조언의 초기 영역의 주제는 검색 인터페이스를 통해 지정될 수 있다. 예를 들어, "이탈리아에서 로맨틱한 신혼여행"을 검색하는 사용자(1314)는 이들이 어디서 휴가를 원하는지, 이들이 찾는 휴가의 유형이 무엇인지에 대해 사용자 질문을 먼저 문의하는 대신에 사용자(1314)가 이탈리아의 어디로 신혼여행을 갈 것인지를 결정하는 것을 돕는 웹 페이지에 유도될 수 있다. 또는, 사용자(1314)는 이탈리아의 특정 위치를 검색할 수 있고 1) 사용자(1314)가 이 특정 위치가 이들의 요구에 대해 좋은 것인지를 결정하는 것을 돕고(예를 들어, "이 휴가는 신혼여행자 및 로맨틱한 도주에 대해 좋고 가족 휴가에 대해 나쁨"과 같은 것을 표시함), 2) 사용자(1314)가 휴가를 위한 이탈리아의 대안적인 잠재적으로 더 좋은 위치를 발견하는 것을 돕기 위해 대화를 시작하는 것을 제공하는 웹 페이지로 안내될 수 있다. 또는, 사용자(1314)는 특정 제품을 검색할 수 있고, 이어서 이들 제품 중 어느 것이 이들에게 더 최선인지를 좁혀가기 위해 대화에 들어갈 수 있다. 양 경우 1) 및 2)에서, 표시된 정보는 어떻게 다른 사용자들이 결정 수행 대화에서 질문에 답변했는지 그리고 이어서 이 결정에 긍정적인 피드백을 제공했는지에 기초할 수 있다. 따라서, "휴가를 어디로 가야하나" 토픽을 사용하는 많은 사람들이 질문 "당신은 로맨틱한 휴가를 원하나요"라는 질문에 "예"로 답변하고 이어서 "이탈리아"로 긍정적인 피드백을 제공하면, 시스템은 이탈리아가 검색 엔진을 경유하여 오게 되는 사용자(1314)에 대해 로맨틱한 목적지인 것을 표시할 수 있다. 대안적으로, 결정 "이탈리아" 또는 "당신은 로맨틱한 휴가를 원하나요"를 시스템에 추가하는 사용자(1314)는 질문 "당신은 로맨틱한 휴가를 원하나요"에 대한 답변 "예"가 이탈리아와 관련되어야 하고 따라서 이탈리아는 검색 엔진을 경유하여 오게 되는 사용자(1314)에게 로맨틱한 휴가라는 것을 표시하는 것을 명시적으로 지시할 수 있다.In an embodiment, the subject of the initial area of advice may be specified via a search interface. For example, a user 1314 who searches for "romantic honeymoon in Italy ", instead of asking user questions first about where they want to go for vacation and what type of vacation they are looking for, To a web page that helps to determine where to go on a honeymoon. Alternatively, the user 1314 can search for a particular location in Italy and 1) help the user 1314 determine if this particular location is good for their needs (e.g., " And good for romantic getaways and poor for family vacations "), 2) user 1314 initiates a conversation to help find an alternative potential location for Italy for vacation The user can be guided to a web page provided. Alternatively, the user 1314 may search for a particular product and then enter into a conversation to narrow down which of these products is better for them. In both cases 1) and 2), the displayed information may be based on how other users have answered the question in the decision-making dialogue and subsequently provided positive feedback to the decision. Therefore, many people who use the topic "Where to go on vacation" answer the question "Do you want a romantic vacation" with "yes" and then give positive feedback to "Italy" It can be shown that Italy is a romantic destination for the user 1314 coming via the search engine. Alternatively, the user (1314) who adds the decision "Italy" or "Do you want a romantic vacation" to the system (1314) answers the question "Do you want a romantic vacation" And thus Italy can explicitly indicate to the user 1314 via the search engine that it is a romantic vacation.

실시예에서, 본 발명은 예를 들어 더 양호한 결정을 행하기 위해 본 발명의 장비를 사용하고 뿐만 아니라 전문가로부터의 입력을 사용하는 것과, 특정 사용자에 대한 질문(1320) 및 답변(1322) 세션을 제공할 뿐만 아니라 결정을 제공하기 위해 시스템과의 이전의 사용자(1314) 상호 작용을 이용하는 것과, 미래의 결정과 관련하여 시스템이 학습할 수 있게 하기 위해 사용자(1314)에 질문(1320) 및 답변(1322)을 문의할 뿐만 아니라 결정보다는 사용자(1314)에 보상을 제공하는 것과, 질문(1320) 및 답변을 문의하고 간단히 결과를 필터링 다운하는 것과 같이 임의의 학습 없이 결정(1310)을 행하는 것과, 어떻게 더 양호한 결정을 행하는지를 학습하는 본 발명의 능력을 이용할 뿐만 아니라 질문(1320) 및 답변(1322) 인터페이스를 통해 사용자에보다 전문가 시스템에 이 능력을 제공하는 것 등과 같이, 질문을 문의하고, 결정을 행하고, 더 양호한 결정을 행하기 위해 학습하는 것의 몇몇 서브세트의 다른 조합을 제공할 수 있다. 실시예에서, 시스템은 질문(1320) 및 답변(1322)의 모든 요소에 대해 사용자(1314) 세션을 제공할 수 있어, 사용자에게 결정을 제공하고, 어떻게 결정을 향상시키는지를 학습한다.In an embodiment, the present invention can be used, for example, to use the equipment of the present invention to make better decisions, as well as to use input from a specialist, and to interrogate questions (1320) and answers (1322) (1314) and answers (1314) to the user (1314) to enable the system to learn in connection with future decisions, as well as to use the previous user (1314) (1310) without any learning, such as querying the user (1314) and asking for an answer and simply filtering down the results, as well as querying the user (1314) (1320) and answer (1322) interfaces as well as using the ability of the present invention to learn how to make better decisions, Providing a different combination of some subset of learning to do a query, make a decision, and make better decisions, such as providing one or more answers. In an embodiment, the system can provide a user 1314 session for all of the elements of question 1320 and answer 1322, providing a decision to the user and learning how to improve the decision.

실시예에서, 질문(1320)을 입력하는 사용자(1314)는 선택적으로 질문에 대한 의존성 및 중요성을 지정할 수 있다. 의존성은 질문이 문의될 수 있을 때를 제어할 수 있다. 중요성은 사용자(1314)의 답변을 가중화하기 위해 상이한 질문(1320) 사이의 상대적 중요성을 지정할 수 있다. 시스템이 어느 결정(1310) 결과도 사용자(1314)에 의해 지정된 모든 답변(1322)에 정합하지 않기 때문에 절충을 행해야 하면, 시스템은 낮은 중요도 질문에 높은 중요도 질문을 정합하는 결정 결과를 추천하려고 시도할 수 있다. 시스템은 또한 낮은 중요도 질문에 대해 높은 중요도 질문을 문의하는 것을 우선화할 수 있다. 예를 들어, "미국의 어디에서 휴가를 원하십니까"와 같은 새로운 질문을 입력하는 사용자는 새로운 질문 "미국의 어디에서 휴가를 원하십니까"가 문의될 수 있기 전에 "미국"이라고 답변하기 위한 "세계의 어디에 가기를 원합니까"와 같은 현존하는 질문을 요구하는 의존성을 설정한다.In an embodiment, the user 1314 entering the question 1320 can optionally specify the dependency and importance for the question. Dependencies can control when a question can be queried. The importance can specify the relative importance between the different questions 1320 to weight the answers of the user 1314. [ If the system has to compromise because no decision 1310 result matches any answer 1322 specified by the user 1314, the system attempts to recommend a decision result that matches the high importance question to the low importance question . The system can also prioritize inquiring high importance questions for low importance questions. For example, a user who enters a new question such as "Where do you want to vacation in the United States" will be asked to answer the question "Where do you want to vacation in the USA" Where do you want to go? ".

실시예에서, 본 발명은 사용자(1314)가 시스템의 장비와 상호 작용할 수 있는 사용자(1314) 인터페이스를 시스템에 제공할 수 있다. 시스템은 그 중 일부가 웹사이트, 수퍼바이저 및 위젯의 집합일 수 있는 다수의 부분을 포함할 수 있다. 위젯은 웹사이트 상에서 콘텐트의 단일 조각을 수집하고, 프로세싱하고, 렌더링하는 코드의 집합일 수 있다. 웹사이트는 최종 사용자, 스태프 일원 및 등록된 사용자가 결정을 얻게 하고, 결정을 편집하고, 시스템 성능에 보고를 관찰하게 하기 위한 인터페이스로 이루어질 수 있다. 수퍼바이저는 위젯이 시간 소비적 데이터 수집을 수행하고 이 콘텐트를 렌더링하기 위해 사용자(1314) 요구에 앞서 프로세싱되도록 위젯을 실행하기 위한 컨테이너일 수 있다.In an embodiment, the present invention may provide the system with a user 1314 interface through which the user 1314 may interact with the equipment of the system. The system may include a number of portions, some of which may be a collection of web sites, supervisors, and widgets. A widget can be a collection of code that collects, processes, and renders a single piece of content on a website. A Web site can be made up of an interface for end users, staff members and registered users to get decisions, edit decisions, and view reports on system performance. The supervisor may be a container for executing the widget such that the widget is time processed prior to the user 1314 request to perform time consuming data collection and render the content.

예를 들어, 위젯은 인터넷으로부터 결정에 대한 비디오를 수집할 수 있다. 수퍼바이저 내의 위젯은 각각의 결정(1310)에 대해 비디오를 보는 웹을 크롤링하고 그가 발견한 비디오를 데이터베이스에 저장할 수 있다. 사용자(1314)가 웹사이트에 오게 되고 특정 결정을 얻게 될 때, 웹사이트는 비디오 위젯이 자체로 렌더링되도록 요구하고 그가 이전에 발견한 임의의 비디오를 표시할 수 있다.For example, a widget can collect video about decisions from the Internet. A widget within the supervisor can crawl the web viewing video for each decision 1310 and store the video it finds in the database. When the user 1314 comes to the web site and gets a specific decision, the web site may request that the video widget be rendered by itself and display any video he has previously found.

수퍼바이저의 복수의 인스턴스는 위젯 프로세싱을 스케일이 커지게 하기 위해 다수의 컴퓨터 상에서 실행될 수 있다. 각각의 위젯은 그 자신이 컴퓨터 상에서 실행될 수 있다. 유사하게, 다수의 컴퓨터가 웹 서버, 인스턴트 메시징, 음성 게이트웨이, 이메일, 프로그램형 API, 제 3 자 웹사이트 내에 매립된 것 등을 통해 시스템에 인터페이스를 제공할 수 있다.Multiple instances of the supervisor may be run on multiple computers to scale the widget processing. Each widget can itself run on a computer. Similarly, multiple computers may provide interfaces to the system via web servers, instant messaging, voice gateways, email, programmatic APIs, embedded in third party web sites, and the like.

실시예에서, 속성은 질문(1320)과 이 질문에 대한 하나의 특정 답변(1322)의 조합일 수 있다. 예를 들어, 질문(1320)이 "몇살입니까?"이고 이 질문(1320)에 대한 답변이 "18세 미만", "20 내지 30세" 및 "30세 초과"이면, 속성은 "몇살입니까? 18세 미만"일 수 있다. 시스템은 속성과 결정 사이의 관계를 학습함으로써 동작할 수 있다. 시스템이 질문(1320)을 문의하고 사용자(1314)가 답변(1322)을 제공할 때, 시스템은 이 속성을 취하고 어느 결정이 이와 관련되는지를 알 수 있다.In an embodiment, the attribute may be a combination of question 1320 and one specific answer 1322 for this question. For example, if question 1320 is "how old?" And the answer to question 1320 is "under 18 years", "20-30 years" and "over 30 years old" Under the age of 18 ". The system can operate by learning the relationship between the attribute and the decision. When the system asks a question 1320 and the user 1314 provides an answer 1322, the system can take this attribute and know which decisions are related to it.

실시예에서, 시스템은 몇몇이 연속적인 값을 표현하고 다른 것이 이산 값을 표현하는 것을 이해할 수 있다. 연속적인 속성을 사용할 때, 시스템은 사용자(1314)가 요구하는 것보다 저가인 제품을 추천하는 것이 빈번히 허용 가능하지만 사용자(1314)가 요구하는 것보다 고가인 비용인 제품을 공급하는 것이 거의 허용 가능하지 않은 것을 이해하는 것과 같이 더 지능형 절충을 행하는 것이 가능하다.In an embodiment, the system can understand that some represent a continuous value and others represent a discrete value. When using a continuous attribute, the system is likely to be able to supply a product that is often more expensive than the user 1314 requires, although it is often acceptable for the user 1314 to recommend the product at a lower cost than the user requires It is possible to make a more intelligent compromise as to understand what has not been done.

실시예에서, 속성과 결정 사이의 관계는 사용자로부터 학습되어, 명시적으로 시스템 또는 2개의 몇몇 조합 등에 제공될 수 있다. 예를 들어, "얼마나 지출할 의향이 있는가? $200 미만"의 가격 속성은 전문가, 전자 상거래 사이트/API 등으로부터 데이터에 기초하여 이 가격 범위 내에 있는 카메라에 명시적으로 연결될 수 있다. 그러나, 속성 "카메라를 어떻게 사용할 것인가? 휴가에"와 가능한 휴가 목적지 사이의 관계가 완전히 학습될 수 있다.In an embodiment, the relationship between the attribute and the decision is learned from the user and can be explicitly provided to the system or some combination of the two. For example, a price attribute of "How much do you want to spend? Less than $ 200" can be explicitly linked to a camera within this price range based on data from a professional, an e-commerce site / API, However, the relationship between the property "how to use camera? Vacation" and possible vacation destinations can be fully learned.

새로운 질문(1320), 답변(1322) 및 결과를 입력할 때, 사용자(1314)는 속성과 결정 결과 사이의 관계를 선택적으로 지정할 수 있다. 예를 들어, 사용자(1314)가 "어느 카메라를 사야 하나" 토픽에서 질문 "얼마나 지출할 의향이 있는가?"를 입력하면, 사용자(1314)는 답변 "$200 미만"이 카메라 X 및 Y는 관련되지만 카메라 Z와는 관련되지 않는다는 것을 시스템에 또한 지정할 수 있다. 다음에, 미래 사용자는 "어느 카메라를 사야 하나" 토픽을 사용하고 "얼마나 지출할 의향이 있는가" 질문에 답변 "$200 미만"으로 답변하면, 사용자(1314)는 카메라 Z보다는 카메라 X 및 Y가 추천되는 더 높은 기회를 가질 수 있다.When entering new questions (1320), answers (1322) and results, the user (1314) may optionally specify a relationship between the attribute and the determination result. For example, if the user 1314 enters the question "How much are you willing to spend?" In the "Which camera should I buy?" Topic, then the user 1314 is associated with an answer "less than $ 200" It is also possible to specify in the system that it is not associated with camera Z. Next, if a future user uses the "Which camera should I buy" topic and answers the question "How much are they willing to spend" with an answer of "less than $ 200", then user 1314 will recommend camera X and Y rather than camera Z Can have a higher chance of becoming.

시스템으로부터 조언을 추구하고 결정 결과를 수신한 후에, 사용자(1314)는 또한 왜 이 특정 결정 결과가 추천되었는지에 대해 시스템으로부터 이유가 제공될 수 있다. 이 설명은 사용자(1314)가 결정 결과가 시스템에 의해 에러로 추천된 것으로 고려되면 사용자(1314)가 결정 결과에 대해 속성을 변경하는 것을 또한 허용할 수 있다.After seeking advice from the system and receiving the decision result, the user 1314 may also be provided with a reason from the system as to why this particular decision result is recommended. This description may also allow the user 1314 to change the attribute for the decision result if the user 1314 considers that the decision result is recommended by the system as an error.

일반적으로, 학습된 관계는 사용자, 전문가, 종업원, 제 3 자로부터의 자동화된 데이터 피드 또는 몇몇 조합으로부터 학습을 수반할 수 있다.Generally, learned relationships can involve learning from users, experts, employees, automated data feeds from third parties, or some combination.

실시예에서, 시스템은 해결책을 추천할 수 있고 사용자에게 문의하기 위한 다음의 질문(1320)을 선택할 수 있는 다양한 방식이 존재할 수 있다. 가능한 기계 학습 시스템은 가장 가까운 이웃과 같은 기하학적 시스템일 수 있고, 결정 트리, 베이지안 추론, 랜덤 포레스트, 부스팅, 로지스틱 회귀 분석, 다면 네비게이션, 질의 개선, 질의 확장, 특이값 분해 등과 관련된 벡터 기계, 기하학적 시스템, 확률적 시스템, 유전 알고리즘과 같은 진화적 시스템, 결정 트리, 중립 네트워크를 지원할 수 있다. 이들 시스템은 완전한 게임 플레이[예를 들어, 결정을 얻기 전에 사용자(1314)에 의해 제공된 모든 속성], 개별적인 질문에 대한 답변/게임 플레이의 서브세트, 하나의 긍정적인 피드백, 단지 부정적인 피드백 또는 이들의 몇몇 조합으로부터 학습에 기초할 수 있다. 추가적으로, 시스템은 이전에 답변된 질문을 기억하는 것과 같이 사용자(1314)가 행한 이전의 상호 작용, 사용자(1314)가 좋아하거나 좋아하지 않았던 결정, 어느 조언의 영역이 사용자(1314)가 이전에 조언을 추구하였는지 등을 고려할 수 있다. 추가적으로, 시스템은 사용자(1314)가 시스템을 사용한 일시 및 날짜, 사용자의 IP 어드레스, 클라이언트 유형(예를 들어, 파이어폭스, IE, 휴대폰, SMS 등) 및 다른 이러한 데이터와 같이 사용자(1314)에 의해 암시적으로 제공된 팩터를 고려할 수 있다.In an embodiment, there may be various ways in which the system can recommend a solution and select the next question (1320) to query the user. A possible machine learning system can be a geometric system such as the nearest neighbors and can be a vector machine related to decision tree, Bayesian inference, random forest, boosting, logistic regression analysis, multi-page navigation, query improvement, query expansion, , Probabilistic systems, evolutionary systems such as genetic algorithms, decision trees, and neutral networks. These systems include a full game play (e.g., all attributes provided by the user 1314 before obtaining a decision), a response to individual questions / a subset of gameplay, a positive feedback, only negative feedback, It can be based on learning from several combinations. In addition, the system may include a previous interaction performed by the user 1314, such as remembering a previously answered question, a decision that the user 1314 liked or disliked, which advice area the user 1314 previously advised And whether they pursued it. In addition, the system may be configured to allow the user 1314 to communicate with the user 1314, such as the date and time the user used the system 1314, the user's IP address, the client type (e.g., Firefox, IE, cell phone, SMS, Implicitly provided factors can be considered.

실시예에서, 본 발명은 예를 들어 시스템이 사용자의 의도, 무드 등을 추론하려고 시도하려고 남아 있지 않기 때문에 훨씬 더 강력할 수 있는 사용자의 거동에 기초하여 암시적으로 학습하는 대신에 질문(1320)을 명시적으로 문의하는 것을 통해서와 같이 협동적인 필터링의 능력을 양호하게 넘어가는 기계 학습 시스템을 제공할 수 있다. 또한, 이들이 이미 답변한 것에 기초하여 사용자(1314)에 문의하기 위한 질문(1320)을 선택하는 것은 다르게는 누락될 수 있는 뉘앙스로 본 발명이 집중하는 것을 허용할 수 있다. 본 발명은 예를 들어 '제품 A를 또한 좋아하는 X, Y 및 Z를 구매한 다른 사람들'에서와 같은 과거의 거동을 간단한 외삽 형태를 넘어 결정을 제공하는 것과 같이 결정을 설명하는 능력을 가질 수 있다. 대신에, 본 발명은 사용자(1314)가 '사용자(1314)가 이들이 X를 원하고, Y를 좋아하고, Z를 믿는다고 말하기 때문에 A를 행해야' 한다고 말하는 것이 가능할 수 있다. 게다가, 본 발명은 사용자가 유용할 수 있는 새로운 질문(1320)을 기고할 수 있게 하고, 이어서 질문(1320)이 도움이 되는 콘텍스트 하에서 자동으로 학습한다. 다른 차이의 영역에서, 본 발명의 기계 학습 기술은 매우 다양한 사용자(1314) 관심 영역에서 결정을 제공하는 것이 가능할 수 있고, 여기서 협동적인 필터링은 비제품/매체 용례에 적용되는데 어려움을 갖는다. 예를 들어, 협동적인 필터링은 예를 들어 이들이 문신을 얻어야 하는지 여부 또는 특정 비용이 사용자의 세금 환급시에 공제될 수 있는지 여부와 같은 드문 질문(1320)과 같은 매우 개인적인 토픽에 사용자(1314)가 결정(1310)을 행하는 것을 돕기 위해 용이하게 적용되지 않을 수 있다. 본 발명은 이러한 용례가 가능할 수 있다. 실시예에서, 본 발명은 사용자에 결정을 행하기 위해 사용자의 그룹으로부터 학습된 조언과 상호 혼합된 사전 프로그램된 전문가 조언을 사용하는 것이 가능할 수 있다.In an embodiment, the present invention provides a query 1320, instead of implicitly learning based on a user's behavior that may be much more robust, for example because the system is not left to try to deduce a user's intent, mood, To provide a machine learning system that goes well beyond the capabilities of collaborative filtering, such as by explicitly asking for < RTI ID = 0.0 > a < / RTI > In addition, choosing question 1320 to query user 1314 based on what they have already answered may allow the invention to focus on nuances that could otherwise be missed. The present invention may have the ability to describe past decisions, such as providing decisions beyond simple extrapolation, such as in " others who purchased product A also likes X, Y and Z " have. Instead, it may be possible for the present invention to say that the user 1314 must do A because the user 1314 says that they want X, like Y, and believe Z. In addition, the present invention allows a user to contribute to a new question 1320 that may be useful, and then automatically learns under the context where the question 1320 is helpful. In the area of other differences, the machine learning techniques of the present invention may be able to provide decisions in a wide variety of user 1314 areas of interest, where cooperative filtering is difficult to apply to non-product / media applications. For example, collaborative filtering can be applied to a very private topic, such as a rare question 1320, such as whether they need to get a tat, or whether a particular cost can be deducted at the time of a user's tax refund, It may not be readily applicable to assist in making decision 1310. [ The present invention can be applied to such an application. In an embodiment, the invention may be possible to use pre-programmed expert advice intermixed with learned advice from a group of users to make decisions to the user.

실시예에서, 시스템은 시스템 상의 모든 데이터를 편집하기 위한 위키 웹 사이트를 가질 수 있다. 웹 인터페이스는 질문, 답변, 속성 및 해결책을 편집/생성/삭제하는데 사용될 수 있다. 각각의 해결책은 또한 그 해결책이 추천될 때 결정 페이지 상에 표시될 수 있는 그와 관련된 다양한 정보를 가질 수 있다. 예를 들어, 캔쿤에서 휴가를 추천할 때, 추천 페이지는 캔쿤에 대한 비디오를 표시할 수 있다. 해결책에 대한 모든 이 부수적인 데이터는 또한 위키를 통해 편집 가능할 수 있다.In an embodiment, the system may have a wiki website for editing all of the data on the system. The web interface can be used to edit / create / delete questions, answers, attributes and solutions. Each solution may also have various information associated therewith that may be displayed on the decision page when the solution is recommended. For example, when recommending a vacation in Cancun, the recommendation page can display a video about Cancun. All of these ancillary data about the solution can also be edited via the wiki.

실시예에서, 위키는 수퍼바이저에서 실행할 때 위젯에 의해 수집된 데이터를 편집하는데 사용될 수 있다. 이는 위젯이 미리 데이터를 수집할 수 있게 하고, 이어서 수집된 데이터를 리뷰하고 변경하기 위해 인간 품질 보증 프로세스를 가질 수 있다.In an embodiment, a wiki can be used to edit data collected by a widget when executed on a supervisor. This allows the widget to collect data in advance, and then have a human quality assurance process to review and change the collected data.

실시예에서, 시스템은 위젯 또는 인간에 의해 행해진 모든 변경의 이력을 유지할 수 있다. 예를 들어, 이 이력의 일 사용은 콘텐트 품질 보증을 행하는 고용된 계약자에 의해 수행된 작업을 리뷰하는 것일 수 있다. 이 이력의 다른 사용은 인간에 의해 수행된 작업을 위젯이 원상태로 하지 않는 것을 보장하는 것일 수 있다. 예를 들어, 위젯이 특정 비디오를 수집하고 인간이 이 비디오가 부적절하기 때문에 삭제하면, 위젯은 미래의 언젠가 이 비디오를 재차 재추가하지 않도록 이력을 사용할 수 있다. 마지막으로, 데이터가 변조되거나 부정확하게 삭제되면, 이력은 회수의 수단을 허용할 수 있다.In an embodiment, the system may maintain a history of all changes made by the widget or human. For example, the daily use of this history may be to review the work performed by the employed contractor performing the content quality assurance. Another use of this history might be to ensure that the widget does not undo the work done by the human. For example, if a widget collects a particular video and the human is deleted because the video is inappropriate, the widget may use the history to not re-add the video again sometime in the future. Finally, if the data is tampered or incorrectly deleted, the history may allow means of retrieval.

실시예에서, 위젯이 새로운 콘텐트를 발견할 때, 이들은 이 콘텐트를 유효화하고 편집하기 위해 인간 작업흐름에 작업을 큐잉할 수 있다.In an embodiment, when a widget discovers new content, they may queue the work in a human workflow to validate and edit this content.

실시예에서, 시스템은 때때로 시스템이 유용한 것으로 예측되지 않을 수 있지만 이것이 유용한 것으로 판명될 수 있는 어떤 것을 추천하는 것을 기대하여 랜덤 또는 반랜덤 결정을 행할 수 있다. 시스템이 이미 학습되어 있는 것을 사용하기를 원하면, 이는 어느 질문(1320)이 문의되는지 및 어느 결정(1310)이 행해지는지에 랜덤 선택을 행하지 않을 수 있다. 활용(exploitation)이라 또한 칭하는 이미 알려진 것을 사용하는 것과 탐색(exploration)이라 또한 칭하는 새로운 것을 잠재적으로 학습하는 것 사이의 절충이 존재할 수 있다. 활용은 더 만족된 사용자로 이어질 수 있고, 반면 탐색은 시스템을 더 스마트하게 할 수 있다.In an embodiment, the system may sometimes make random or semi-random decisions in anticipation of recommending something that may prove useful, although the system may not be expected to be useful. If the system wants to use what has already been learned, it may not make a random selection as to which question (1320) is consulted and which decision (1310) is made. There may be a trade-off between using already known, also called exploitation, and potentially learning something new, also called exploration. Utilization can lead to more satisfied users, while exploration can make the system smarter.

실시예에서, 사용자(1314)에게 문의할 질문(1320)을 선택할 때 이 절충을 수행하기 위한 일 방식은 시스템이 결정(1310)을 행하고 이어서 문의될 소수의 랜덤 질문(1320)을 취출하는데 있어 유용한 것으로 확신하는 질문(1320)을 문의하는 것일 수 있다. 절충을 행하는 다른 방식은 고정된 세트의 질문(1320)이 활용에 기초하고 다음의 세트는 탐색에 기초하는 모든 사용자(1314) 상호 작용에서 고정된 버젯을 갖는 것일 수 있다.In an embodiment, one way to accomplish this trade-off when selecting a question 1320 to query the user 1314 is to use the system 1310 to make a decision 1310 and then use it to retrieve a small number of random questions 1320 to be queried (1320). Another way to do compromise may be that a fixed set of questions 1320 is based on utilization and the next set has a fixed budget in all user 1314 interactions based on the search.

실시예에서, 결정은 또한 탐색되거나 활용될 수도 있다. 시스템이 학습하기를 원하면, 이는 랜덤 결정을 표시할 수 있다. 순수하게 랜덤 결정을 표시하는 대신에, 시스템은 사용자(1314)에 의해 지정된 몇몇 요구에 부합하고 남아 있는 요구 내에서 순수하게 탐색하는 결정(1310)을 또한 표시할 수 있다. 예를 들어, 사용자(1314)에 표시를 위해 랜덤 카메라를 취출하는 대신에, 시스템은 사용자의 가격 요구에 부합하는 랜덤 카메라를 취출할 수 있다. 이는 시스템이 사용자의 요구에 부합하는 기회를 갖지 않는 결정을 표시할 가능성이 적을 수 있기 때문에 더 효율적인 트레이닝을 초래할 수 있다. 탐색시에 랜덤 결정(1310)을 표시하기보다는, 시스템은 또한 활용된 결정(1310) 및 탐색된 해결책의 모두를 표시할 수 있고 사용자로부터 각각 별도로 피드백을 얻을 수 있다. 대안적으로, 시스템은 제한된 양의 랜덤성을 주입할 수 있고, 시스템의 최선의 추측이 무엇인가 "와 같은" 결정을 취출할 수 있다. 예를 들어, 시스템은 사용자(1314)가 하나의 특정 카메라를 좋아할 수 있는지를 예측할 수 있지만, 대신에 적당한 결정(1310)을 행하는 것과 여전히 사용자로부터 새로운 정보를 학습하는 것을 균형화하기 위해 다른 유사하지만 동일하지는 않은 카메라를 추천할 수 있다. 실시예에서, 시스템은 질문(1320)을 문의하거나 또는 탐색 대 활용을 통해 결정할 때 사용자(1314)를 식별할 수 있고 또는 식별하지 않을 수도 있다.In an embodiment, the decision may also be explored or exploited. If the system wants to learn, it can display a random decision. Instead of displaying a purely random decision, the system may also display a decision 1310 that fits some request specified by the user 1314 and searches purely within the remaining request. For example, instead of taking a random camera for display on the user 1314, the system can take out a random camera that meets the user's price requirements. This can result in more efficient training because the system may be less likely to indicate decisions that do not have the opportunity to meet the user's needs. Rather than displaying a random decision 1310 at the time of the search, the system can also display both the exploited decision 1310 and the discovered solution, and can separately obtain feedback from the user. Alternatively, the system can inject a limited amount of randomness and can take a "like" decision as to what the best guess of the system is. For example, the system may predict whether the user 1314 may like a particular camera, but instead may use other similar but equally similar techniques to balance the decision making 1310 and still learning new information from the user You can recommend a camera that does not. In an embodiment, the system may or may not identify the user 1314 when querying 1320 or making a decision through search versus using.

실시예에서, 시스템은 이것이 추천하는 다양한 것들에 대해 사용자에게 조사하는 것으로서 관찰될 수 있다. 예를 들어, 시스템은 캐논 SD1000 카메라에 대해 10개의 질문(1320)을 사용자에게 문의할 수 있다. 이는 각각의 카메라에 대한 농후한 세트의 데이터를 제공하여 시스템이 어느 종류의 사용자(1314)가 이 카메라를 좋아할 가능성이 있는지의 리스트를 구축하기 시작하게 할 수 있다. 시스템은 예를 들어 속성이 주어지면 가장 연결될 가능성이 높은 것으로부터 가장 연결될 가능성이 낮은 것과 같이 각각의 속성에 대해 결정의 랭킹된 리스트를 구축할 수 있다. 예를 들어, 시스템은 "몇살입니까? 50세 초과"라고 말하는 사람에 의해 연결될 가능성이 있는 순서로 카메라의 리스트를 구축할 수 있다. 이는 50세 초과의 사용자에 대해 상위 10개의 카메라로서 시스템에 의해 표시될 수 있다. 다수의 이들 상위 10개의 리스트는 시스템의 데이터에 기초하여 구성될 수 있다. 이들 리스트는 또한 새로운 리스트를 형성하도록 조합될 수 있다. 예를 들어, 속성 "몇살입니까? 50세 초과"에 대한 카메라의 랭킹된 리스트 및 속성 "왜 카메라를 구매하나요? 여행"에 대한 다른 리스트가 제공되면, 시스템은 "여행용 카메라를 원하는 50세 초과의 사용자"에 대한 카메라의 새로운 랭킹된 리스트를 구성할 수 있다. 상위 리스트의 이들 조합은 새로운 상위 리스트 등을 선택하도록 사용자(1314)에게 증분적으로 요구함으로써 사전 생성된 주문형 생성될 수 있다.In an embodiment, the system can be viewed as examining the user for various things that it recommends. For example, the system can query the user for ten questions (1320) for the Canon SD1000 camera. This may provide a rich set of data for each camera, allowing the system to begin building a list of what types of users 1314 are likely to like the camera. The system can build a ranked list of decisions for each attribute, for example, given the attributes are less likely to be most connected from the most likely to be connected. For example, the system can build a list of cameras in the order they are likely to be connected by someone who says "how old are you?" Which can be displayed by the system as the top ten cameras for users over 50 years of age. A plurality of these top ten lists may be constructed based on the data of the system. These lists may also be combined to form a new list. For example, given a list of cameras' ranked listings for the property "how old are you? 50 years old" and a different list of properties "Why buy a camera? Travel", the system will say " Quot; user ". < / RTI > These combinations of the top lists may be created on-demand by pre-creating by incrementally requesting the user 1314 to select a new top list or the like.

실시예에서, 이들 "상위 리스트"는 다양한 목적으로 사용될 수 있다. 몇몇 사용자는 결정을 수신하기 전에 일련의 질문(1320)에 답변하기를 원하지 않을 수 있다. 대신에, 이들은 이들 리스트를 통해 브라우징하고 관련 결정을 발견하는 것이 가능할 수 있다. 시스템은 그 각각이 그 자신의 웹 페이지를 가질 수 있는 수천 또는 수만개와 같은 다수의 상위 리스트를 가질 수 있다. 게다가, 이들 페이지는 검색 엔진에 의해 인덱싱되고 사용자를 시스템의 웹사이트에 유도할 수 있는 대량의 콘텐트를 포함할 수 있다. 대안적으로, 사용자(1314)는 이들의 결정하기를 원하는 조언의 영역을 찾기 위해 시스템 자체에서 검색 인터페이스를 사용할 수 있다. 다양한 상위 리스트는 상위 리스트에 기초하여 대화에서 질문(1320)의 일부에 암시적으로 답변함으로써 대화를 지름길화하는데 사용될 수 있다. 예를 들어, "휴가"라 칭하는 조언의 영역 및 이미 답변된 "휴가" 대화로부터 다수의 질문(1320), 즉 "어디로 가기를 원하나요? 유럽", "유럽에서 어디를 가기를 원하나요? 이탈리아", "특정 행사로 여행하나요? 예", "특정 행사가 무엇인가요? 신혼여행"을 갖는 "휴가" 토픽 내로 지름길 또는 게이트웨이로서 기능하는 "이탈리아에서 로맨틱 신혼여행 휴가"라 칭하는 상위 리스트가 존재할 수 있다. 이는 질문 및 답변 대화에 관여하지 않고 전통적인 검색 인터페이스를 통해 조언을 추구하기 위해 사용자(1314)를 위한 대안적인 인터페이스로서 기능할 수 있다.In an embodiment, these "top lists" can be used for a variety of purposes. Some users may not want to answer a series of questions 1320 before receiving a decision. Instead, they may be able to browse through these lists and discover relevant decisions. The system may have multiple top lists, such as thousands or tens of thousands, each of which may have its own web page. In addition, these pages may contain a large amount of content that can be indexed by the search engine and direct the user to the web site of the system. Alternatively, the user 1314 may use the search interface in the system itself to look for areas of advice that they want to determine. The various top lists may be used to shorten the conversation by implicitly responding to a portion of the question 1320 in the conversation based on the top list. For example, from the area of advice called "vacation" and from the already answered "vacation" conversation, many questions (1320), "Where do you want to go to Europe?", "Where do you want to go in Europe? There may be a top list called "romantic honeymoon vacation in Italy" that acts as a shortcut or gateway within the "Vacation" topic with "What is a specific event?", "What is a particular event? have. This can serve as an alternative interface for the user 1314 to seek advice through a traditional search interface without engaging in question and answer conversations.

실시예에서, 사이트 상의 다양한 페이지는 위젯이라 칭하는 정보의 내장형 디스플레이를 가질 수 있다. 예를 들어, 결정 페이지는 이 질문(1320)을 좋아하는 다른 사람들이 어떻게 다양한 질문에 답변하는지를 표시하는 위젯, 결정에 대한 비디오/화상, 결정에 대한 정보를 갖는 다른 웹사이트로의 링크, 어떻게 사용자(1314)가 질문에 답변하는지에 기초하는 이 결정(1310)의 개인화된 찬성 및 반대, 질문(1320)이 상이하게 답변되어 있는 수행되어 있을 수 있는 다른 결정의 리스트, 이 결정의 상품/명예의 리스트(추천된 소비 보고서와 같은) 등을 가질 수 있다.In an embodiment, the various pages on the site may have an embedded display of information referred to as a widget. For example, the decision page may include a widget that indicates how other people who like this question 1320 answer various questions, a video / picture for the decision, a link to another website with information about the decision, A personalized approval of this decision 1310 based on whether the answer 1314 answers the question, and a list of other decisions that may be made where the question 1320 is answered differently, A list (such as a recommended consumption report), and so on.

실시예에서, 시스템은 사용자가 통상적으로 이용 가능하지 않은 차원을 따라 결정의 분야(예를 들어, 카메라, 휴가 목적지 등)를 통해 네비게이팅할 수 있게 한다. 예를 들어, 카메라를 표시하고 단지 사용자(1314)가 "더 고가/더 저가의 카메라를 보여주세요"라고 말하게 하는 대신에, 시스템은 사용자(1314)가 "젊은 사람이 더 좋아하는 카메라를 보여주세요", "여행에 더 양호하고 덜 유행적인 카메라를 보여주세요" 등을 말하게 할 수 있다. "스타일", "여행에 양호함", "젊은 사람들에게 나쁨" 등과 같은 차원은 사용자 질문(1320)을 문의하고 이어서 양호한 결정(1310)이 이들 답변을 제공하는 것을 학습함으로써 부수 효과로서 생성될 수 있다.In an embodiment, the system allows the user to navigate through a field of decision (e.g., camera, vacation destination, etc.) along a dimension that is not normally available. For example, instead of displaying the camera and just letting the user 1314 say "Show me the higher / lower camera ", the system will show that the user 1314" "," Show me a better and less fashionable camera for travel, "and so on. Dimensions such as "style", "good for travel", "bad for young people" and the like can be generated as side effects by querying user questions 1320 and then learning that good decisions 1310 provide these answers have.

실시예에서, 대안 차원을 따른 네비케이팅은 사용자(1314)가 조언을 추구할 영역을 선택하고 이어서 대화에 관여하는 대신에 사용자(1314)에 대한 시작점으로서 사용될 수 있다. 사용자(1314)는 제품명 또는 여행 목적지와 같은 특정 결정 결과를 검색하기 위해 검색 인터페이스 또는 외부 검색 엔진을 사용함으로써 시스템과 상호 작용하기 시작할 수 있다. 시스템은 이어서 특정 결정 결과에 대한 사용자 정보를 표시하고, 사용자가(1314)가 다른 결정 결과를 조정할 수 있게 하고, 사용자(1314)가 무엇을 찾는지를 상세화하기 위해 대화에 관여하거나 또는 시스템이 이 특정 결정 결과에 대해 학습하는(기계 학습, 전문가 디바이스 또는 몇몇 조합을 통해) 사용자(1314) 정보를 표시할 수 있게 한다. 예를 들어, 사용자(1314)는 캐논 SD1100 카메라에 대한 정보를 표시하는 웹 페이지에 네비게이팅하기 위해 검색 인터페이스를 사용할 수 있다. 시스템은 캐논 SD1100을 찾는 사람들이 또한 좋아하는 다른 카메라를 표시할 수 있고, 사용자(1314)가 스포츠 이벤트를 촬영하기 위해 더 양호한 카메라와 같은 비전통적인 특징 차원을 따른 유사한 카메라를 발견할 수 있게 하고, 뿐만 아니라 "여행에 좋음", "사진을 배우는 사람에게 양호하지 않음", "S200 미만으로 입수 가능함", 이들 자신이 디자인 의식을 고려하는 사람들에 의해 선호됨"과 같은 캐논 SD1100에 대해 시스템이 인지하는 것을 표시한다.In an embodiment, navigating along the alternative dimension may be used as a starting point for the user 1314, instead of the user 1314 selecting an area to seek advice and then engaging in conversation. The user 1314 may begin interacting with the system by using a search interface or an external search engine to search for a specific decision result such as a product name or a travel destination. The system then displays user information for a particular determination result, engages in a conversation to allow the user 1314 to adjust other determination results, to detail what the user 1314 is looking for, Allowing the user 1314 information to be displayed (through machine learning, expert devices, or some combination) to learn about the determination results. For example, the user 1314 may use a search interface to navigate to a web page displaying information about the Canon SD1100 camera. The system can display other cameras that the people looking for the Canon SD1100 also love and allow the user 1314 to find similar cameras along the non-traditional feature dimension, such as a better camera for shooting sport events, In addition, for the Canon SD1100, such as "good for travel," "not good for photographers," "available under S200, and those who consider themselves design conscious" .

실시예에서, 다른 가능한 인터페이스는 결정의 리스트를 사용자에게 표시하고 왜 각각의 결정(1310)이 이루어지는지에 대한 간단한 설명을 표시하는 것일 수 있다. 예를 들어, 카메라를 추천할 때, 시스템은 3개의 카메라를 표시하고 하나는 "저렴하고", 하나는 "더 긴 줌"을 갖고, 다른 하나는 "여행에 더 양호함"이라고 말할 수 있다. 이는 사용자가 어떻게 이들이 질문(1320)에 답변하여 결정(1310)에 이르는지에 기초하여 알지 못할 수 있는 대안을 사용자(1314)가 보는 것을 도울 수 있다.In an embodiment, another possible interface may be to display a list of decisions to the user and to display a brief description of why each decision 1310 is made. For example, when recommending a camera, the system may display three cameras, one with "cheap", one with "longer zoom" and the other with "better travel". This may help the user 1314 to see an alternative that the user may not know based on how they answer the question 1320 and arrive at a decision 1310. [

실시예에서, 사용자는 추천되는 아이템(가격, 컬러 등)에 대한 질문(1320), 그들 자신에 대한 질문(1320) 등과 같은 상이한 유형의 질문을 문의받을 수 있다. 시스템은 사이코그래픽 차원, 데모그래픽 차원 등과 같은 차원을 따라 사용자를 차별화할 수 있다. 예측성일 수 있는 사용자의 특성은 사용자의 연령, 성별, 결혼 상태, 이들이 시골/도시 영역에 살고 있는지, 교회 참석의 빈도, 정치적인 제휴, 미관적 선호도, 풍자 감각/유머 감각, 사회 경제적 배경, 기호도, 단정한 또는 혼란스런 라이프스타일을 위한 선호도, 이들이 미리 계획한 정도 등을 포함할 수 있다.In an embodiment, the user may be contacted with different types of questions, such as questions 1320 about recommended items (price, color, etc.), questions 1320 about themselves, and the like. The system can differentiate users along dimensions such as the psychological dimension, the demographic dimension, and the like. The characteristics of users who can be predictive are user age, gender, marital status, whether they live in rural / urban areas, frequency of church attendance, political alliances, aesthetic preferences, satire / sense of humor, socio- Preferences for a neat or confused lifestyle, the degree to which they have planned in advance, and the like.

실시예에서, 질문(1320)을 직접 문의하는 것이 어려울 수 있고, 대신에 시스템은 대신에 상관되는 것들을 측정하려고 시도할 수 있다. 예를 들어, 수입에 대해 문의하는 대신에, 시스템은 사용자(1314)가 어느 상점(예를 들어, 월마트, 타겟, 삭스 등)을 선호하는지를 문의할 수 있다. 미관은 화상, 거실, 의류 등을 표시하는 것과, 어느 스타일을 사용자(1314)가 선호하는지를 문의하는 것을 통해 결정될 수 있다. 실시예에서, 화상이 질문을 대신할 수 있고(답변은 당신이 어떻게 화상에 반응하는지에 대한 것일 수 있음) 또는 화상은 "이하의 어느 것이 당신이 착용하는 의류와 가장 유사한가"와 같은 질문(1320)에 답변을 대신할 수 있다.In an embodiment, it may be difficult to directly query question 1320, and instead the system may instead attempt to measure correlations. For example, instead of querying for imports, the system may query which store (e.g., Walmart, Target, Sachs, etc.) the user 1314 prefers. The aesthetics can be determined by displaying an image, living room, clothing, etc., and by querying which style the user 1314 prefers. In an embodiment, the image may be a question (the answer may be about how you are responding to the image) and the image may be a question such as "Which of the following is closest to the garment you wear & ) Can be substituted for the answer.

실시예에서, 시스템은 이들이 추천되는 아이템에 대한 또는 사용자에 대한 것인지의 여부에 의해 질문(1320)을 그룹화할 수 있다. 시스템은 사용자(1314)가 문의되는 잠재적으로 공격적인 질문(1320) 및 다른 방식으로 놀라운 값을 이해하는 것을 돕기 위해 어느 유형의 질문(1320)이 문의되는지를 설명할 수 있다. 시스템은 또한 질문을 문의하는 동안, 얼마나 많은 질문(1320)이 남아 있는지를 사용자(1314)에게 말하는 것, 시스템이 어느 결정(1310)이 행해지는지를 미리 추측할 수 있는지를 말함으로써 사용자(1314)에 빈정대는 것과 같은 사용자(1314)에 다른 유형의 메시지를 또한 표시할 수 있다.In an embodiment, the system may group questions 1320 by whether they are for a recommended item or for a user. The system may describe which type of question 1320 is being consulted to help the user 1314 understand the potentially aggressive questions 1320 that are queried and otherwise in an awesome value. The system also includes a user 1314 by telling the user 1314 how many questions 1320 remain, while telling the user how many questions 1320 remain, May also display other types of messages to the user 1314, such as spoofing.

실시예에서, 인스턴트 메신저(IM) 시스템이 시스템의 질문(1320) 및 답변(1322) 대화에 자연 인터페이스를 제공할 수 있다. 예를 들어, 사용자(1314)는 이들의 "친구 리스트"에 본 발명의 시스템을 초대할 수 있고 이어서 IM을 통해 결정(1310)을 얻도록 대화를 개시할 수 있다. 시스템은 사용자에 제 1 질문(1320)을 IM할 수 있고, 사용자(1314)는 이어서 결국에 시스템이 결정에 링크를 사용자(1314)에 IM하거나 사용자에 결정(1310)의 명칭을 직접 IM할 때까지 이들의 답변(1322)을 재차 IM할 수 있는 등일 수 있다. 실시예에서, 휴대폰, SMS, 이메일 등과 같은 다른 형태의 추천이 또한 사용될 수 있다.In an embodiment, an instant messenger (IM) system may provide a natural interface to the question 1320 and answer 1322 conversations of the system. For example, the user 1314 may invite the inventive system to their "buddy list " and then initiate a conversation to obtain a decision 1310 via IM. The system may IM a first query 1320 to the user and the user 1314 may then eventually cause the system to IM a link to the user 1314 or IM the user directly to the name of the decision 1310 The user can IM the answers 1322 again. In embodiments, other forms of recommendation such as mobile phones, SMS, e-mail, etc. may also be used.

실시예에서, 예를 들어 애플리케이션의 형태의 시스템은 제 3 자 웹 사이트에 매립될 수 있다. 예를 들어, 시스템은 카메라를 판매하고 사용자에 관련 카메라를 추천하도록 제공하는 웹사이트에 배치될 수 있다. 대안적으로, 사용자(1314)는 카메라를 검색하고 이들의 관심이 있는 잠재적인 카메라의 리스트를 가진 후에, 시스템은 사용자(1314)가 카메라의 리스트 중에서 결정하는 것을 돕기 위해 질문(1320)을 문의할 수 있다. 예를 들어, 사용자(1314)가 고려하는 모든 카메라가 여행에 대해 양호하면, 시스템은 어떻게 사용자(1314)가 카메라를 사용하기를 원하는지에 대해 문의하지 않을 수 있지만, 시스템은 상호 교환 가능한 렌즈가 요구되는지를 문의하는 것이 다른 카메라에 비해 하나의 카메라를 추천하는데 사용될 수 있는 것을 실현할 수 있다.In an embodiment, for example, a system in the form of an application may be embedded in a third party web site. For example, the system may be located on a website that sells cameras and provides users with recommendations for related cameras. Alternatively, after the user 1314 searches the camera and has a list of potential cameras of interest to them, the system queries the question 1320 to help the user 1314 decide from the list of cameras . For example, if all the cameras the user 1314 considers are good for travel, the system may not ask how the user 1314 wants to use the camera, Can be used to recommend one camera as compared to other cameras.

실시예에서, 시스템은 제품(예를 들어, 카메라, TV, GPS/네비게이션, 홈 오디오, 랩탑, 욕실 및 미용, 아기, 가든/옥외, 자동차, 보석류, 시계, 의복, 신발 등), 여행(예를 들어, 어디로 가나, 어디에 체류하나, 어느 지역에 방문하나, 거기서 무엇을 하나 등), 재정(예를 들어, 어느 모기지인가, 자금 보충을 해야 하나, 어느 신용 카드인가, 세금에서 무언가를 공제해야 하는가, 어느 유형의 IRA가 절약되는가, 자본에 대한 자산 할당 등), 다양한 휴일 및 행사에 대한 선물, 다른 날짜 기반 결정(할로윈에 어느 옷을 입는가 등), 개성(예를 들어, 사용자의 개성에 대해, 이들의 관계에 대해, 이들의 커리어 등), 올바른 애완동물의 추천, 야간 생활의 음료 및 다른 양태, 서적, 영화, 필름, 음악, 콘서트, TV 쇼, 비디오 게임, 어디서 식사하나, 무엇을 주문하나, 사용자(1314)가 가장 유사한 연예인과 같은 관련 연예인, 선물 추천, 어느 이웃이 사는지, 텔레비전에서 무엇을 보는지 등과 같은 복수의 토픽 영역에서 결정을 행할 수 있다.In an embodiment, the system may be a mobile device, such as a camera, a TV, a GPS / navigation, a home audio, a laptop, a bathroom and a beauty, a baby, a garden / outdoor, (For example, which mortgage, which should be supplemented, which credit card to pay, what to pay, what to do, where to go, where to go, where to stay, (Eg, what types of IRAs are saved, asset allocations to capital, etc.), gifts for various holidays and events, other date-based decisions (such as what to wear on Halloween), personality Books, films, films, music, concerts, TV shows, video games, where to eat, what to eat, what to drink, what to drink, One order, user (1314) Live the most similar and related artists, gift recommendations, such as celebrities, some neighbors, it is possible to determine from the plurality of topic areas, such as in the television sees what.

실시예에서, 시스템은 테크놀로지/IT의 영역(예를 들어, 컴퓨터, 소프트웨어, 프린터, 홈 네트워킹, 무선, 비즈니스 네트워크, 성능 문제 등), 의료/건강, 자동차, 관계 또는 개인간 문제, 홈 및 건물 문제 등에서와 같은 문제를 진단하는데 사용될 수 있다.In embodiments, the system may be implemented in a variety of computing environments including, but not limited to, areas of technology / IT (e.g., computer, software, printer, home networking, wireless, And the like.

실시예에서, 시스템의 사용자는 익명 또는 로그인 한 사용자일 수 있다. 로그인 한 사용자(1314)는 사이트 상에 계정을 생성하는 사람일 수 있다. 로그인 한 사용자는 이들에 대한 프로파일 페이지를 또한 가질 수 있다. 프로파일 페이지 상의 콘텐트는 이 사용자에 대한 기본 정보(닉네임, 사진 등), 이들이 수신하고 연결한 결정, 사용자(1314)가 그 토픽 영역에서 질문(1320)에 답변하지않더라도 사용자(1314)가 좋아할 것이라고 시스템이 예측한 결정, 이들이 사용자(1314)가 결정을 위해 시스템을 사용할 때마다 반복될 필요가 없도록 사용자(1314)가 제공하지 않은 사용자(1314)에 대한 사실의 리스트(예를 들어, 사용자의 연령 또는 이들의 미관적인 선호도가 1회 제공될 수 있고 사용자가 시스템을 사용하는 상이한 시간을 가로질러 기억됨), 사용자(1314)가 정량화되고 위키를 경유하여 행하는 것에 관심이 있을 수 있다고 시스템이 고려하는 작업의 리스트[예를 들어, 새로운 사용자(1314)가 콘텐트를 제출하는 것을 리뷰하고, 사용자(1314) 제출된 콘텐트의 철자 에러를 고치고, 위젯에 의해 발견된 새로운 콘텐트를 리뷰하는 것 등], 질문에 대한 유사한 답변을 갖는 다른 사용자 등을 포함할 수 있다.In an embodiment, the user of the system may be an anonymous or logged in user. The logged-in user 1314 may be a person who creates an account on the site. The logged-in user can also have a profile page for them. The content on the profile page may be used by the user 1314 to indicate that the user 1314 would like the basic information (nickname, picture, etc.) for this user, the decisions they received and associated, and the user 1314 would not answer the question 1320 in that topic area. This predicted decision is based on a list of facts for the user 1314 that the user 1314 has not provided by the user 1314 such that they do not need to be repeated each time the user 1314 uses the system for determination Their aesthetic preferences can be provided once, and are remembered across different times when a user is using the system), the work that the system considers the user 1314 may be interested in doing through the wikis (E.g., reviewing the new user 1314 submitting content, correcting spelling errors in the user 1314 submitted content, That would like] to review the new content discovered by, and may include others, such as having a similar answer to the question.

실시예에서, 사용자는 시스템 상에서 이들이 행할 수 있는 것에 영향을 미칠 수 있는 다양한 타이틀, 랭크 또는 레벨을 또한 가질 수 있다. 예를 들어, 몇몇 사용자는 이들 사용자가 이들 토픽의 특정 양태를 편집할 수 있게 하는 특정 토픽의 "중재자"의 타이틀이 제공될 수 있다. 랭크 및 타이틀은 얼마나 많은 결정을 이들이 제공하는지, 얼마나 많은 새로운 질문(1320) 또는 해결책을 이들이 시스템에 기고하는지, 얼마나 많은 작업을 위키를 사용하여 성취하는지, 얼마나 양호하게 이들의 다양한 토픽에서 특정 질문(1320)에 답변하는지(1322) 등에 기초하는 것을 포함하는 자동화 수단을 통해 또는 수동으로 할당될 수 있다.In an embodiment, a user may also have various titles, ranks, or levels that can affect what they can do on the system. For example, some users may be provided with titles of "mediators" of a particular topic that enable these users to edit certain aspects of these topics. The ranks and titles are used to determine how many decisions they provide, how many new questions (1320) or solutions they contribute to the system, how many tasks are accomplished using the wiki, 1320), or may be manually assigned via an automated means, including based on, or the like.

실시예에서, 로그인하지 않은 사용자는 이들의 프로파일에 이미 입력된 미관 또는 기호도 기반 선호도의 큰 선택을 갖는 시스템을 사용하는 이득을 갖지 않을 수 있다. 로그인 한 사용자(1314)로부터 학습 또는 수동 트레이닝에 기초하여, 시스템은 로그인하지 않은 사용자가 특정 토픽 영역에서 조언을 추구할 때 해당 대화에서 문의하기 위해 몇몇 미관적인 질문을 선택할 수 있다. 예를 들어, 그 자신에 대해 기호도 질문을 답변하고 이어서 어느 자동차를 이들이 좋아하고 좋아하지 않는지에 대한 피드백을 제공하는 로그인 한 사용자에 기초하여, 시스템은 미식가 식사를 즐기는지 여부에 대한 질문(1320)이 도요타와 렉서스 사이에서 결정하도록 시도하는 로그인하지 않은 사용자에 문의하는데 유용하다는 것을 학습할 수 있다. 로그인 한 사용자에 의해 학습되거나 수동으로 지정된 속성 관련성을 사용하여, 시스템은 이어서 로그인하지 않은 사용자에게 도요다 또는 렉서스를 추천하는지 여부를 조정할 수 있다.In an embodiment, non-logged-in users may not have the benefit of using a system with a large selection of aesthetic or preference based preferences already entered in their profiles. Based on learning or manual training from the logged-in user 1314, the system can select some aesthetic questions to inquire in that conversation when a non-logged-in user seeks advice in a particular topic area. For example, based on a logged-in user who answers a preference question for himself and then provides feedback as to which car he likes and dislikes, the system asks 1320 whether he enjoys a gourmet meal It can be useful to consult a user who is not logged in trying to decide between Toyota and Lexus. Using the attribute relevance learned or manually specified by the logged-in user, the system can then adjust whether or not to recommend the user to the untrusted user, either Toyota or Lexus.

실시예에서, 시스템은 결정시에 피드백을 제출하는 사용자로부터 학습할 수 있다. 몇몇 사용자는 의도적으로 또는 비의도적으로 부정확한 피드백을 제공할 수 있다. 예를 들어, 판매자는 이들의 제품이 상위 추천되게 하기 위해 시스템에 게임하려고 시도할 수 있다. 대안적으로, 비디오 게임에 대해 더 많이 알지 못하는 사용자(1314)는 실제로 양호한 비디오 게임이 아닌 비디오 게임을 추천할 수 있다. 시스템은 다양한 수단에 의해 이들 사용자로부터 피드백을 필터링 아웃하려고 시도할 수 있다. 시스템은 소정의 사용자(1314)가 제출할 수 있는[그리고 사용자(1314)가 로그인하거나 높은 랭크/타이틀을 가지면 더 높은 스로틀 한계를 가짐] 피드백의 수를 스로틀할 수 있다. 시스템은 또한 식견이 없는 사용자보다 많은 식견이 있는 사용자로부터 주제 및 가중 피드백의 사용자의 지식을 테스트하기 위해 질문(1320) 및 답변(1322) 중에 특정 '테스트' 질문(1320)에 얼마나 양호하게 사용자(1314)가 답변하는지에 기초하여 피드백을 스로틀하거나 가중할 수 있다. 시스템은 또한 이들의 피드백이 카운팅되거나 이들이 결정을 얻기 전에 사용자(1314)가 '캅차(captcha)'(Completely Automated Public Turing test to tell Computers and Humans Apart)를 통과하도록 요구할 수 있다. 시스템은 또한 사용자(1314)에 의해 제공된 답변의 시리지를 찾고, 답변의 시리즈에 기초하여 사용자의 피드백을 가중할 수 있다. 예를 들어, 사용자(1314)가 제 1 답변(1322)을 항상 클릭하거나 사용자(1314)가 매우 가망이 없는 방식으로 클릭되면, 시스템은 사용자의 피드백을 낮게 가중할 수 있다. 마지막으로, 시스템은 사용자의 피드백의 가중치를 변경하거나 이전의 게임 플레이의 이력에 기초하여 결정(1310)을 표시하지 않는 것으로 결정할 수 있다. 예를 들어, 사용자(1314)가 카메라 결정(1310)을 얻도록 시도하는 10번째에 시스템은 9번째에보다 적게 이들의 피드백을 가중할 수 있다.In an embodiment, the system may learn from a user submitting feedback at the time of determination. Some users may intentionally or unintentionally provide inaccurate feedback. For example, the seller may attempt to play on the system to make their product highly recommendable. Alternatively, a user 1314 who is less aware of a video game may recommend a video game that is not actually a good video game. The system may attempt to filter out feedback from these users by various means. The system may throttle the number of feedbacks that a given user 1314 can submit (and the user 1314 logs in or has a higher throttle limit if it has a higher rank / title). The system may also be configured to determine how well users (e. G., Users) are to particular " test " questions 1320 during question 1320 and answer 1322 to test the user's knowledge of subject and weighted feedback, Lt; / RTI > 1314). &Lt; RTI ID = 0.0 > The system may also require that the user 1314 pass a "Completely Automated Public Turing Test" to tell Computers and Humans Apart before their feedback is counted or they get a decision. The system may also search for a series of answers provided by the user 1314 and weight user feedback based on the series of responses. For example, if the user 1314 always clicks on the first answer 1322 or if the user 1314 is clicked in a very unlikely manner, the system may weight the user's feedback low. Finally, the system may determine that it does not display the decision 1310 based on the history of the previous game play or by changing the weight of the user's feedback. For example, the tenth system in which the user 1314 attempts to obtain the camera decision 1310 may weight their feedback less in the ninth.

실시예에서, 시스템은 주요 검색 엔진 내의 시스템의 웹사이트 랭킹을 향상시키는 프로세스인 검색 엔진 최적화(SEO)를 포함할 수 있다. 이 프로세스는 사용자가 검색하는 키워드를 발견하는 것, 사용자가 이들 단어를 검색할 때 오게되는 사이트의 페이지를 갖도록 검색 엔진의 경쟁을 이해하는 것, 어떻게 검색 엔진이 사이트를 랭킹하는지를 이해하는 것, 시스템의 웹사이트로의 변경이 공통의 검색을 위해 사이트의 랭킹을 증가시키기 위해 행해질 필요가 있는지를 이해하는 것 등과 같은 다수의 거의 자동화된 단계로 분류될 수 있다.In an embodiment, the system may include Search Engine Optimization (SEO), a process that enhances the website ranking of systems in major search engines. This process involves discovering keywords the user is searching for, understanding the competition of the search engine so that the user has a page of the site that comes when they search for those words, understanding how the search engine ranks the site, Such as understanding that changes to the website of the site need to be done to increase the ranking of the site for a common search, and so on.

실시예에서, 사용자가 검색할 수 있는 키워드를 발견하는 것은 예를 들어 구글 및 야후가 제공하는 것과 같은 키워드 제안 도구를 사용하여, 제 3 자 데이터 공급자로부터 라이센싱된 이력 검색에 대한 데이터를 사용하여 그리고 이들이 사용하는 단어를 알기 위해 다른 웹사이트를 크롤링하는 등과 같은 상이한 수단을 통해 발견될 수 있다. 일단 이들 키워드가 발견되면, 시스템은 검색 엔진 마켓팅(SEM)을 경유하여 이들 단어에 비딩(bidding)하고, 미래에 검색 트래픽을 얻는 것을 기대하여 이들 키워드에 대한 시스템의 사이트에 콘텐트를 개발하고, 어떻게 우리의 경쟁자가 이들 동일한 키워드를 사용하는지를 찾는 등과 같은 다수의 방식으로 데이터를 사용할 수 있다.In an embodiment, discovering keywords that a user can search for may be accomplished using data for a licensed history search from a third-party data provider, for example, using a keyword suggestion tool such as those provided by Google and Yahoo, They can be found through different means such as crawling other websites to know the words they use. Once these keywords are found, the system will develop content on the system's site for these keywords, hoping to bidding on those words via search engine marketing (SEM) and getting search traffic in the future. You can use your data in a number of ways, such as finding out if our competitors use these same keywords.

실시예에서, 시스템은 검색 엔진을 통해 키워드를 실행하고 누가 각각의 키워드를 광고하고 어느 상위 자연 검색 결과가 각각의 키워드에 대한 것인지를 찾음으로써 다른 사이트가 행하고 어떻게 이들이 검색 엔진에 랭킹되는지를 이해할 수 있다. 이 프로세스를 통해 발견된 사이트는 더 많은 잠재적인 키워드를 발견하도록 크롤링될 수 있다. 시스템은 또한 이 경쟁적인 정보에 기초하여 새로운 콘텐트를 개발하거나 시장을 회피하도록 결정할 수 있다. 콘텐트 영역에 소수의 상위 랭킹된 사이트가 존재하면, 시스템은 이 영역에서 콘텐트를 개발할 수 있다.In an embodiment, the system can run a keyword through a search engine, who can advertise each keyword, and find which top natural search results are for each keyword, thereby understanding how other sites do and how they are ranked in search engines have. Sites found through this process can be crawled to discover more potential keywords. The system can also decide to develop new content or avoid the market based on this competitive information. If there are a small number of high ranked sites in the content area, the system can develop the content in this area.

실시예에서, 시스템은 사용자(1314)를 사이트로 유도하는 지불된 광고가 사이트 상의 조언의 일 토픽 영역에서 비교적 저가이고 다른 곳에서 고가라는 것을 이해할 수 있다. 따라서, 시스템은 저가의 트래픽을 위해 광고하고, 이들의 결정을 갖는 이들의 사용자(1314)를 돕고, 이어서 이들 사용자(1314)가 트래픽을 광고하고 구매하는데 고가인 토픽 영역에서 시스템을 사용하는 것을 추천하려고 시도할 수 있다. 예를 들어, 시스템은 이들이 구매해야 하는 개 품종을 알아내고, 이들 사용자(13114)가 어느 개 품종이 이들에게 제격인지를 결정하는 것을 돕고, 이어서 이들이 어디서 이들의 애완 동물 약품을 구매해야 하는지를 알아내도록 안내하기를 원하는 사람들에게 광고를 실행할 수 있다. 후자의 토픽 영역은 고가의 광고 요금에 기인하여 소스 트래픽으로의 시스템에 대해 고가일 수 있는 것이고, 전자의 토픽 영역은 몇몇 현존하는 비즈니스가 어느 유형의 개를 얻을 것인지에 대해 조언을 원하는 고객에 대해 경쟁적일 수 있기 때문에 비교적 저가일 수 있다.In an embodiment, the system can understand that the paid advertisement leading the user 1314 to the site is relatively low in one topic area of advice on the site and expensive elsewhere. Thus, the system advertises for low-cost traffic, assists its users 1314 with their decisions, and then recommends that these users 1314 use the system in a topic area that is expensive to advertise and purchase traffic You can try to. For example, the system can identify the dog breeds that they should purchase and help these users 13114 determine which dog breeds are best for them, and then determine where they should buy their pet medication You can run ads on people you want to be able to guide. The latter topic area can be expensive for systems with source traffic due to expensive advertising costs and the former topic area is competitive for customers who want to advise on which type of existing business And can be relatively inexpensive.

실시예에서, 시스템은 어떻게 검색 엔진이 검색이 행해질 때 오게되는 사이트와 이들 사이트의 팩터 사이의 관계를 연구함으로써 이들의 자연적인(스폰서되지 않은) 검색 결과를 랭크하는지를 이해할 수 있다. 높은 랭킹을 갖고 오게 되는 사이트 사이에 상관될 수 있는 가능한 팩터는 사이트의 콘텐트, 사이트에 연결하는 다른 사이트의 수 및 품질, 이들 다른 연결 사이트 상의 콘텐트의 유형 등과 같은 팩터일 수 있다. 이전의 단계로부터, 시스템은 검색 엔진의 사이트 랭킹을 증가시키는 이들의 능력 등에 의해 랭킹되는 사이트 팩터의 리스트를 생성할 수 있다. 시스템은 이어서 사이트가 전체로서 또는 사이트 상의 특정 페이지가 검색 엔진에 상위에 랭킹되어 있을 수 있는 확률을 증가시키기 위해 사이트로 변경을 행하기 위해 이 랭킹된 리스트를 사용할 수 있다.In an embodiment, the system can understand how the search engine ranks its natural (un-sponsored) search results by studying the relationship between the sites that come when the search is done and the factors of those sites. Possible factors that may be correlated between sites that come with a high ranking may be factors such as the content of the site, the number and quality of other sites that connect to the site, the type of content on those other connected sites, and the like. From the previous steps, the system can generate a list of site factors ranked by their ability to increase the site rankings of the search engines. The system can then use this ranked list to make changes to the site to increase the probability that the site as a whole or a particular page on the site may be ranked higher in the search engine.

검색 엔진은 통상적으로 사용자의 질의와 관련되는 문서를 발견하기 위해 키워드 인덱스를 이용할 수 있다. 실시예에서, 본 발명은 관련 문헌에 사용자 입력을 또한 맵핑할 수 있는 "결정 인덱스"를 이용할 수 있다. 인덱스는 자동으로 구축될 수 있고, 전문가는 인덱스를 수동으로 구축할 수 있고, 인덱스는 시스템을 트레이닝하려고 암시적으로 또는 명시적으로 결정하는 사용자의 상이한 유형으로부터 피드백을 통해 학습될 수 있다. 결정 인덱스를 이용하는 검색의 결과는 문헌의 리스트, 단일 문헌 등으로서 표시될 수 있다.The search engine can typically use a keyword index to find documents related to the user's query. In an embodiment, the present invention may utilize a "decision index" that can also map user input to related documents. Indexes can be built automatically, experts can build indexes manually, and indexes can be learned through feedback from different types of users who implicitly or explicitly decide to train the system. The result of the search using the decision index can be displayed as a list of documents, a single document, or the like.

도 1을 참조하면, 카메라, 휴대폰, 커피 및 에스프레소, 음료, 좋아하는 연예인, GPS 디바이스, 그릴, 할로윈, 랩탑, 개성, 발가락찌, TV, 휴가, 비디오 게임, 시계 등을 포함하는 사용자가 결정을 얻을 수 있는 시스템 내의 토픽(102)의 리스트를 위한 실시예가 제시된다. 게다가, 43,921명 사용자 평점으로부터 학습된 바와 같은 사용자 평점으로부터 학습된 결정의 수에 대한 지시기가 존재할 수 있다(104).1, a user, including a camera, a cell phone, a coffee and an espresso, a drink, a favorite entertainer, a GPS device, a grill, a Halloween, a laptop, a personality, a toe cruiser, a TV, An embodiment is shown for a list of topics 102 in the system that can be obtained. In addition, there may be an indicator of the number of decisions learned from user ratings as learned from 43,921 user ratings (104).

도 2를 참조하면, 시스템이 사용자(1314)에 문의할 수 있는 예시적인 질문(1320)의 실시예가 제공된다. 이 예에서, 사용자(1314)는 카메라의 구매와 관련된 결정을 요구하고, 질문(1320)은 "얼마나 지출할 의향이 있는가?"이다. 사용자(1314)는 $200 미만, 최대 $300, 최대 $500, $500 초과, 모르겠음 등 사이에서 선택하는 것과 같이 이제 선택(204)으로부터 선택할 수 있다. 게다가, "10개 이하의 질문에서, 당신과 같은 사람에 의해 선호된 카메라 결정 얻음"에서와 같이 얼마나 많은 질문(1320)이 문의될 수 있는지에 대한 지시가 존재할 수 있다(202). 실시예에서, 사용자는 이들 자신의 질문, 이들 자신의 답변, 이들 자신의 결정 등을 또한 제공할 수 있고, 여기서 시스템은 현재 또는 미래의 결정 세션에서 이 정보를 이용할 수 있다. 실시예에서, 사용자(1314)는 질문(208)을 스킵하도록 선택할 수 있고, 여기서 사용자(1314)는 이제 사용자로부터 이용 가능한 감소된 양의 정보에 기초하여 대안 결정이 제공될 수 있고, 시스템은 스킵된 질문(208)을 구성하기 위해 사용자 대안 질문(1320)을 문의할 수 있고, 질문(1320)은 테스트 시험일 수 있고 최종 결정(1310)에 영향을 미치지 않을 수 있다.Referring to FIG. 2, there is provided an example of an exemplary query 1320 in which the system can query the user 1314. In this example, the user 1314 requests a decision related to the purchase of the camera, and the question 1320 is "how much do you intend to spend? &Quot;. User 1314 may now select from selection 204, such as choosing between less than $ 200, up to $ 300, up to $ 500, over $ 500, do not know, and so on. In addition, there may be an indication of how many questions (1320) can be queried (202), such as in "Less than 10 questions, getting camera decisions preferred by a person like you". In an embodiment, a user may also provide their own questions, their answers, their own decisions, etc., where the system can use this information in a current or future decision session. In an embodiment, the user 1314 may choose to skip the query 208, where the user 1314 may now be provided with an alternative decision based on the reduced amount of information available from the user, Question 1320 may be queried to construct a question 208, and question 1320 may be a test test and may not affect final decision 1310. < RTI ID = 0.0 >

도 3을 참조하면, 시스템이 사용자(1314)에 문의할 수 있는 예시적인 화상 질문(1320)의 실시예가 도시된다. 이 예에서, 시스템은 누구의 답변(1322)이 시스템이 사용자(1314)의 개인 특징을 더 양호하게 결정할 수 있게 할 수 있게 할 수 있는지를 질문(1320)을 문의할 수 있다. 예를 들어, 예시된 바와 같은 질문(1320)은 "이들 원인 중 어느 것이 관심 있는가?"를 문의하고, 여기서 화상 선택(304)은 오염, 재정, 국방, 건강 등과 같은 특정 토픽을 지시한다. 이 질문(1320)은 현재 사용자에 타겟화될 수 있거나 또는 경험적 질문으로서 삽입될 수 있다. 실시예에서, 사용자(1314)는 질문(1320)이 "마지막으로, 다른 사용자에 의해 제출된 경험적 질문에 답하세요"라 읽어지는 헤더를 갖고 도 3에 도시된 바와 같이 경험적 질문(302)이라는 것을 통보 받을 수 있다.Referring to FIG. 3, an exemplary embodiment of an exemplary image query 1320 is shown in which the system can query the user 1314. In this example, the system may query question 1320 as to which answer (s) 1322 may enable the system to better determine the personal characteristics of user (s) 1314. For example, a question 1320 as illustrated inquires of "Which of these causes are of interest ?," where the image selection 304 indicates specific topics such as pollution, financial, defense, health, This question 1320 can be targeted to the current user or inserted as an empirical question. In an embodiment, the user 1314 has a header in which the question 1320 is read as "Finally, answer an empirical question submitted by another user" and is an empirical question 302 as shown in FIG. 3 You can be informed.

도 4를 참조하면, 특정 결정(1310)을 행할 때 시스템이 사용자(1314)에 표시할 수 있는 정보(402)의 유형의 예의 실시예가 제시된다. 예를 들어, 결정(1310)은 특정 카메라를 위한 것일 수 있고, 여기서 설명, 누가 사용하는가, 카메라에 대한 가장 좋은 가격, 다른 카메라와 어떻게 비교하는가(404) 등과 같은 카메라에 대한 정보가 제공된다. 실시예에서, 점수별, 퍼센트 정합별 등과 같은 상대 랭킹(408)을 갖는 것과 같은 다른 결정(1310)이 제공될 수 있다. 사용자(1314)는 또한 결정(1310)이 좋은 결정인지를 문의하는 것과 같은 피드백(1312)을 위해 질의될 수 있다. 게다가, 사용자(1314)는 제품(410)에 대한 더 많은 정보, 최저가 파인더(412), 더 많은 조언을 위한 웹사이트 등과 같은 결정(1310)에 대한 더 많은 정보를 발견할 기회를 구비할 수 있다.4, an example of an example of the type of information 402 that the system can display to the user 1314 when performing a particular decision 1310 is presented. For example, decision 1310 may be for a particular camera, and information about the camera is provided, such as a description, who uses it, the best price for the camera, how it compares to another camera (404), and so on. In an embodiment, another decision 1310 may be provided, such as having a relative ranking 408 such as score, percent match, User 1314 may also be queried for feedback 1312, such as querying if decision 1310 is a good decision. In addition, the user 1314 may have the opportunity to discover more information about the decision 1310, such as more information about the product 410, the lowest price finder 412, a website for more advice, .

도 5 및 도 6을 참조하면, 사용자(1314)는 결정과 관련하여, 상위 리스트를 보기 위한 사용자의 요구 등과 관련하여 제시된 바와 같이, 본 명세서에 설명된 바와 같은 토픽과 관련된 다양한 상위 리스트(502)를 구비할 수 있다.Referring to Figures 5 and 6, the user 1314, in relation to the decision, selects various top lists 502 associated with a topic as described herein, as presented in connection with a user ' .

실시예에서, 본 발명은 사용자(1314) 신분(702), 개인 표현, 과거에 이루어진 결정, 고려를 위한 미래의 토픽, 오늘 행해진(714) 결정(1310) 등을 포함하는 홈페이지(700)를 사용자에게 제공할 수 있다. 도 7은 사용자(1314)가 이들이 시스템 계정에 로그인할 때 보는 것과 같은 사용자 홈페이지(700)의 예를 제공한다. 여기서, 시스템이 추천한 최근의 결정, 결정을 얻기 위한 인기 있는 토픽(708)의 리스트, 토픽을 발견하기 위한 검색 인터페이스(710), 시스템에 기여하기 위한 이득을 얻는 사용자(1314)에 대한 상태 업데이트, 최근의 활동(704), 사용자의 프로파일(712)로의 액세스 등의 표시가 존재할 수 있다.In an embodiment, the present invention provides a home page 700 that includes a user 1314 identity 702, a personal presentation, a decision made in the past, a future topic for consideration, a decision 1314 made today (714) . FIG. 7 provides an example of a user homepage 700, such as that user 1314 sees when they log in to the system account. A list of popular topics 708 for getting a decision, a search interface 710 for finding a topic, a status update for a user 1314 to gain a benefit to contribute to the system, , Recent activity 704, access to user's profile 712, and the like.

도 8 및 도 8a는 이들에 대한 정보 및 이들의 계정을 표시하는 사용자의 프로파일(712) 페이지의 예를 제공한다. 사용자(1314)는 사용자의 이메일 주소, 패스워드 등과 같은 사용자 정보(802)를 관리할 수 있다. 이들은 또한 그 자신에 대한 질문(1320)에 답변할 수 있고, 기억되어(810) 이들이 시스템 내에 결정 수행 토픽을 사용할 때 자동으로 사용되는 답변을 갖는다. 사용자(1314)는 또한 "뱃지"와 같은 보상(804)을 수신할 수 있고, 다른 사용자를 돕고, 시스템에 기고하는 등에 응답하여 수신된 바와 같이 표시된 이들을 본다. 이들 보상의 일부는 사용자의 기고의 품질, 기고의 양 등에 기초할 수 있다. 게다가, 사용자는 이들 자신에 대해 유사하게 질문(1320)에 답변하는 사람의 데모그래픽 그룹(808)에 할당될 수 있다.Figures 8 and 8A provide an example of a user's profile 712 page that displays information about them and their account. The user 1314 may manage user information 802, such as a user's email address, password, and the like. They can also answer questions 1320 about themselves and are stored (810) and have answers automatically used when they use decision-making topics in the system. User 1314 may also receive compensation 804, such as a "badge ", to see other users as they are received as being received in response to, for example, contributing to the system. Some of these rewards can be based on the quality of the user contributions, the amount of contributions, and so on. In addition, a user may be assigned to a demographic group 808 of a person who likewise answers questions 1320 about themselves.

실시예에서, 사용자는 '시스템 교육' 모드에서와 같이 시스템에 전문 지식을 기고하기를 원하는 것을 결정할 수 있다(902). 도 9는 예를 들어 다양한 결정에 대한 시스템 트레이닝을 제공하는 것과, 화상의 품질 및 사용자 기고된 산문을 평점 매기는 것과, 복제 아이템 및 질문을 발견하는 것과, 새로운 결정 수행 토픽을 기고하는 것과, 현존하는 토픽에 새로운 질문(1320)을 기고하는 것 등과 같이 사용자(1314)가 기고하는 것을 허용할 수 있는 다양한 링크/페이지의 예를 도시한다.In an embodiment, the user may decide to wish to contribute expertise to the system, such as in the 'system training' mode (902). FIG. 9 is an example of providing system training for various decisions, for example, rating the quality of a picture and user submitted prose, discovering duplicate items and questions, writing a new decision-making topic, / RTI > < RTI ID = 0.0 > 1314 < / RTI >

실시예에서, 사용자는 결정을 행하기 위해 시스템을 위한 토픽을 선택한 후에 질문을 문의할 수 있다. 도 10은 어떻게 질문(1320)이 사용자에게 제시될 수 있는지의 예(1000)를 제공한다. 도시된 바와 같이, 사용자(1314)로의 질문(1320)의 제시는 토픽 헤딩(1002), 토픽과 관련된 화상 또는 삽화(1004), 질문, 답변 선택의 세트 등과 같은 상이한 요소를 제공할 수 있다.In an embodiment, a user may query a question after selecting a topic for the system to make a decision. Figure 10 provides an example 1000 of how question 1320 can be presented to a user. As shown, presentation of the question 1320 to the user 1314 may provide different elements, such as a topic heading 1002, a picture or illustration 1004 associated with the topic, a set of questions, answer choices, and so on.

질문에 답변한 후에, 사용자(1314)는 사용자의 원래 질문과 관련된 답변(1322) 또는 결정(1310)이 제공될 수 있다. 도 11 및 도 11a는 어떻게 결정(1310)이 사용자에게 제시될 수 있는지(1100)의 예를 도시하고, 1차 결정, 결정을 요약하는 정보, 대안 결정, 결정의 변형 등을 포함할 수 있다. 게다가, 사용자(1314)는 사용자(1314)가 결정(1310)에 동의하는지 여부와 같은 피드백(1312)을 시스템에 제공하기 위한 기회를 구비할 수 있다. 사용자(1314)는 또한 예를 들어 현재 토픽, 답변 프로파일, 답변의 이력, 사용자의 프로파일, 사용자의 질문의 이력, 다른 사용자가 도움이 되었다고 발견하는 토픽 등에 기초하여 다른 제안된 토픽(1102)이 제공될 수 있다.After answering the question, the user 1314 may be provided with an answer 1322 or decision 1310 that is related to the user's original question. 11 and 11A illustrate an example of how a decision 1310 can be presented to a user 1100 and may include a primary decision, information summarizing the decision, alternative decisions, variants of decisions, and the like. In addition, the user 1314 may have the opportunity to provide feedback 1312 to the system, such as whether the user 1314 agrees to the decision 1310. [ The user 1314 may also provide other suggested topics 1102 based on, for example, the current topic, the answer profile, the history of the answer, the user's profile, the history of the user's question, .

도 12는 토픽에서 결정(1200)의 예시적인 리스트를 도시한다. 도시된 바와 같은 제품 토픽에 대해, "결정"은 어느 제품을 사야하는지일 수 있다. 다른 토픽에 대해, 결정(1310)은 "예, 그를 버립니까" 또는 "아니오, 문신을 하지 않아요"일 수 있다. 결정은 사용자에 이들의 관련성에 기초하여, 어떻게 사용자(1314)가 질문에 답변했는지에 기초하여, 어떻게 사용자(1314)가 토픽의 질문(1320)에 답변했는지 등에 기초하여 랭킹되고 순서화될 수 있다. 추가적으로, 아이템은 가격별, 이름별 등에 의해 랭킹될 수 있다.Figure 12 shows an exemplary list of decisions 1200 in a topic. For a product topic as shown, the "decision" may be which product to buy. For other topics, decision 1310 can be "yes, I will discard him" or "no, no tattoo". The decision can be ranked and ordered based on how the user 1314 responded to the question 1320 of the topic, etc., based on how the user 1314 answered the question based on their relevance to the user. In addition, items may be ranked by price, by name, and so on.

도 16은 시스템(1602)으로의 최근의 기고 및 기고(1604)를 행한 다른 사용자를 나타내는 기고자/전문가 인터페이스의 예를 도시한다. 우상부 코너에는 사용자의 기호도 선호도(1608)를 학습하기 위한 질문이다.FIG. 16 shows an example of a contributor / expert interface that represents a recent contribution to system 1602 and other users who have contributed 1604. The upper right corner is a question for learning the user's preference degree (1608).

도 17은 객관적인 질문(1700), 이 경우에 어느 이름이 이들의 강아지에 결정하는 것을 돕기 위해 사용자가 찾는 것을 문의하는 시스템과 대화식으로 질문하는 예를 도시한다.Figure 17 shows an example of an interactive query with an objective query (1700), a system in which the user is looking for to help determine which name is their dog in this case.

도 18은 특정 추천된 결정(1800)(이 경우에, 당신이 이름을 러스티로 작명함), 다른 사용자로부터의 이 결정에 대한 리뷰(1802)(사용자에 대한 이들의 유사성에 의해서와 같이 랭킹될 수 있음), 예/아니오 버튼(1804)(이 결정에 대해 피드백을 수신하여 사용자가 즐길 수 있는 다른 결정 영역을 나타내는 것과 같은), 제안된 토픽(1808)을 나타내는 결정 결과의 예를 도시한다. 이 예에서, 시스템의 제 2 및 제 3 최선의 추천된 결정은 #2 탭(1810) 및 #3 탭(1812) 아래에 리스트된다. 시스템은 또한 랜덤화를 통해 부분적으로 취출된 결정일 수 있는 "와일드 카드" 결정을 추천함으로써 탐색에 또한 결합할 수 있다. 제안된 토픽(1808)은 시스템이 얼마나 적절하게 이들 토픽이 사용자를 위한 것일 수 있는지를 고려하는지 및/또는 시스템이 얼마나 많이 이들 다른 결정 영역을 사용하여 사용자로부터 생성하는 것이 가능할 수 있는지에 기초하여 선택될 수 있다.FIG. 18 shows an example of a particular recommended decision 1800 (in this case, you name the name Rusty), a review 1802 of this decision from another user (as ranked by their similarity to the user (E.g., yes), a Yes / No button 1804 (such as receiving feedback on this decision to indicate a different decision area the user may enjoy), and a proposed topic 1808. In this example, the system's second and third best recommended decisions are listed below the # 2 tab 1810 and # 3 tab 1812. The system may also combine with the search by recommending a "wildcard" decision, which may be a partially retrieved decision through randomization. The proposed topic 1808 may be selected based on whether the system considers how appropriately these topics may be for the user and / or how much the system may be able to generate from the user using these different decision areas .

도 19는 속성과 결정 결과 사이의 관련성을 설정하기 위한 사용자(1900)를 위한 인터페이스의 예를 도시한다. 이 예에서, 결정 결과 "러스티"는 속성 "이 이름이 암컷 또는 수컷 개를 위한 것입니까? 수컷"과 관련되어야 한다.19 illustrates an example of an interface for the user 1900 to establish an association between an attribute and a determination result. In this example, the decision result "Rusty" should be associated with the attribute "Is this the name for a female or male dog? Male".

도 20은 어떻게 사용자가 시스템(2000) 내의 콘텐트를 편집할 수 있는지의 예를 도시한다. 이 예에서, 사용자는 결정 결과, 그 이름, 설명, 더 많은 정보를 얻기 위한 URL 등을 편집하는 것이 가능하다.FIG. 20 shows an example of how a user can edit content in the system 2000. FIG. In this example, the user can edit the decision result, its name, description, URL for obtaining more information, and the like.

도 21은 사용자에 의해 편집 가능한 콘텐트가 어떻게 또한 콘텐트에 대한 이전의 수정(2100)을 보고 2개의 이전이 수정 사이의 변경을 표시하기 위한 인터페이스를 가질 수 있는지의 예를 도시한다. 사용자는 또한 이들 변경이 무관하거나 도움이 되지 않은 것으로 간주되면 다른 사용자에 의해 행해진 변경을 복귀시킬 수 있다. 이 경우에, 예는 결과의 설명이 변경되어 있는 결정 결과에 대한 2개의 수정 사이의 차이를 나타낸다.Figure 21 shows an example of how content that can be edited by a user can also have an interface to view the previous revision 2100 of the content and to display the changes between the two previous revisions. The user can also return changes made by other users if these changes are considered to be irrelevant or unhelpful. In this case, the example shows the difference between the two modifications to the determination result that the description of the result is changed.

도 22는 사용자(2200)에 의해 편집되는 질문을 나타내는 예를 도시한다. 새로운 답변이 추가될 수 있고, 현존하는 답변이 재순서화되고, 질문 및 답변 텍스트 자체가 편집되는 등이다. 질문은 선택적으로 패드 잠금 아이콘(2202)에 의해 지시되는 바와 같이 다른 사용자가 이들을 변경하는 것을 방지하기 위해 선택적으로 "잠금"될 수 있다.22 shows an example of a question being edited by the user 2200. New answers can be added, existing answers are re-ordered, and the question and answer text itself is edited. The question may optionally be "locked" to prevent other users from changing them as indicated by the pad lock icon 2202. [

도 23은 속성에 대한 편집이 다른 편집 가능한 콘텐트(2300)와 같은 수정 이력을 가질 수 있는 것을 표시하는 예를 도시한다. 이 예는 결정 결과 "러스티"와 속성 "몇음절의 이름을 갖고 싶나요? 2개 이하 또는 3개 이상이 좋음" 사이의 속성 관련성의 2개의 수정 사이의 차이를 나타낸다.FIG. 23 shows an example in which an edit to an attribute indicates that it can have a modification history such as another editable content 2300. FIG. This example shows the difference between the two modifications of the attribute relevance between the decision result "Rusty" and the attribute "Do you want the name of a few syllables? Two or fewer?"

도 24는 새롭게 추가된 조언의 영역이 먼저 표시될 수 있는 '워크샵' 스크린(2400)을 표시하는 예를 도시한다. 실시예에서, 전문가 사용자는 정규의 사용자가 진행중인 작업을 보지 않고 여기에 추가를 행할 수 있다. 이의가 있을 수 있고, 무관하고 또는 저품질인 것으로 간주되는 콘텐트는 투표되어 시스템으로부터 제거될 수 있다.24 shows an example of displaying a 'workshop' screen 2400 in which the area of the newly added advice can be displayed first. In the embodiment, the expert user can add to the regular user without seeing the work in progress. Content that may be objectionable, irrelevant or considered to be of low quality may be voted and removed from the system.

도 25는 사용자로부터 기호도 및 주관적 선호도를 학습하기 위해 시스템이 사용자 기호도/주관적 질문(2500)을 문의하는 것을 나타내는 예를 도시한다. 이들 질문에 답변한 후에, 시스템은 어떻게 다른 사용자가 동일한 질문에 답변했는지에 대해 통계를 표시할 수 있다.25 shows an example of how the system queries a user preference / subjective question 2500 to learn preference and subjective preferences from a user. After answering these questions, the system can display statistics about how other users have answered the same question.

도 26은 새롭게 추가된 콘텐트 및 전문가 트레이닝을 표시하는 사이트를 가로지르는 기고자에 의한 최근의 활동의 활동 피드(2600)의 예를 도시한다.Figure 26 shows an example of an activity feed 2600 of a recent activity by a contributor across a site that displays newly added content and expert training.

실시예에서, 본 발명은 제품, 개인, 건강, 비즈니스, 정치, 교육, 엔터테인먼트, 환경 등을 포함하는 넓은 카테고리의 토픽을 가로질러 질문(1320)으로 사용자(1314)에게 결정을 제공하기 위해 향상된 방식을 제공하기 위한 장비를 제공할 수 있다. 예를 들어, 시스템은 사용자(1314)가 이들의 남자친구와 헤어져야 하는지로부터, 당신이 문신을 해야하는지 여부, 당신이 제품 결정에 추가하여 당신의 세금에서 무언가를 공제할 수 있는지 여부 등에 이르는 모든 것에 대한 결정을 제공할 수 있다. 실시예에서, 시스템은 사용자(1314)가 가질 수 있는 임의의 관심에 대한 결정을 제공할 수 있다.In an embodiment, the present invention provides an improved method for providing a decision 1314 to a user 1314 across a broad category of topics including product, personal, health, business, politics, education, entertainment, environment, Can be provided. For example, the system may determine whether the user (1314) should be separated from their boyfriend, whether or not you need to tattoo, whether you can deduct something from your tax in addition to product decisions Decision can be provided. In an embodiment, the system may provide a determination of any interest the user 1314 may have.

실시예에서, 본 발명은 탄력적이고 변경 및 성장이 가능한 결정 시스템을 제공할 수 있다. 이는 결정을 행하기 위한 질문(1320) 및 답변의 대화의 시스템의 사용에 의해 이어서 사용자(1314)로부터의 피드백을 얻음으로써 부분적으로 가능화될 수 있고, 따라서 시스템이 향상시킬 수 있다. 실시예에서, 이 접근법은 시스템이 임의의 질문(1320)을 문의할 수 있고 따라서 이들이 원하는 것에 대해 사용자(1314)로부터 훨씬 더 양호한 정보를 얻을 수 있기 때문에 상당히 더 강력할 수 있다. 게다가, 사용자는 문의를 위해 시스템을 위한 이들 자신의 질문(1320) 및 답변을 입력하고 시스템이 행하기 위한 새로운 결정을 입력하는 등에 의해 시스템을 확장시키는 것이 가능할 수 있다. 시스템은 이어서 이것이 유용한지 또는 도움이 되는지를 아기 위해 새롭게 입력된 정보를 자동으로 시도할 수 있고, 이것이 유용한지를 판정하기 위해 이 새로운 정보를 사용하고, 가능하게는 사용자에 도움이 되는 것이 아닐 수 있는 질문/결정을 문의/사용하는 것을 중단할 수 있다. 실시예에서, 이 접근법은 잠재적으로 임의의 토픽을 위한 전문가 시스템을 제조하는 군중의 지혜 기반 결정을 구축하는 것을 제공할 수 있다.In an embodiment, the present invention can provide a flexible, changeable, and growable decision system. This can be partially enabled by obtaining feedback from the user 1314 followed by a question 1320 to make a decision and a system of conversations of answers, and thus the system can improve. In an embodiment, this approach can be significantly more robust because the system can query any query 1320 and thus get much better information from the user 1314 about what they want. In addition, the user may be able to expand the system by entering their own questions (1320) and answers for the system for inquiry and entering a new decision for the system to do. The system can then automatically try the newly entered information for the baby to see if this is useful or helpful, use this new information to determine if this is useful, and possibly not for the user You can stop asking / using a question / decision. In an embodiment, this approach may provide for constructing a wisdom-based determination of the crowd manufacturing an expert system for potentially any topic.

실시예에서, 본 발명은 비전통적인 특징 차원을 가로질러 랭킹함으로써 결정을 제공하여 사용자(1314)에 향상된 결정 장비를 또한 제공할 수 있다. 예를 들어, 가격 또는 크기별로 카메라를 단지 랭킹하는 대신에, 시스템은 얼마나 많이 이들이 은퇴한 사람들에 의해 좋아하는지, 얼마나 섹시하게 보이는지 등에 기초하여 카메라를 랭킹할 수 있다. 시스템은 이어서 이들 차원을 가로질러 사용자가 네비게이팅하는 것을 도울 수 있다. 예를 들어, 사용자가 "나는 이 카메라를 좋아하지만, 더 저렴한 것을 원합니다"라고 말하는 것을 가능하게 하는 대신에, 시스템은 "나는 이 카메라를 좋아하지만 사진을 배우기 위해 더 양호한 것을 원합니다" 또는 "나는 이 휴가를 좋아하지만, 더 활발한 사회적 장면을 갖는 것을 원합니다"와 같이 말하는 것들을 할 수 있게 한다.In an embodiment, the present invention can also provide a decision to the user 1314 by providing a determination by ranking across the non-traditional feature dimension. For example, instead of just ranking the camera by price or size, the system can rank the camera based on how much they like by the retired people, how sexy it looks, and so on. The system can then assist the user in navigating across these dimensions. For example, instead of making it possible for a user to say, "I like this camera, but want something cheaper," the system says, "I like this camera, but I want something better to learn a picture. I like to take a vacation, but I want to have a more active social scene. "

실시예에서, 본 발명은 웹 인터페이스, 인스턴트 메시징, 음성, 휴대폰, SMS/인스턴트 메시징, 제 3 자 사용(예를 들어, 제 3 자 상의 위젯, 제 3 자에 판매된 웹 서비스) 등과 같은 다양한 상이한 사용자 인터페이스에 이바지할 수 있다. 예를 들어, 음성 인터페이스는 각각의 질문에 가능한 답변과 같은 시스템이 인식해야 하는 매우 제한된 어휘가 존재할 수 있기 때문에 시스템에 양호하게 적합될 수 있다. 이 방식으로, 시스템이 사용자 응답을 이해할 수 없으면, 이들의 답변을 계속 반복하기 위해 이들에 문의함으로써 사용자(1314)를 짜증나게 하는 대신에 다른 질문(1320)으로 이동할 수 있다. 다른 예에서, 본 발명은 전자 상거래 웹사이트 상에서 TV의 검색과 같은 제 3 자 사이트 내에 통합될 수 있고, 여기서 본 발명은 사용자(1314)가 결과를 좁아지게 하는 것을 돕기 위한 위젯이거나 이들에 대한 양호한 정합인 집을 찾기 위해 사용자(1314)에 MLS 질의를 구축하기 위해 부동산 웹사이트와 관련하여 위젯으로서 본 발명을 사용한다. 실시예에서, 본 발명은 사용자 인터페이스를 제공할 수 있고, 물리적 인터페이스에 대해 및 질문, 답변의 방식의 모두에서 다양한 토픽에 대한 결정을 얻기 위해 상당히 향상된 방식을 사용자(1314)에게 제공하는 결정이 제공된다.In an embodiment, the present invention may be implemented in a variety of different ways, such as a web interface, instant messaging, voice, cell phone, SMS / instant messaging, third party use (e.g., third party widgets, You can contribute to the user interface. For example, the voice interface can be well suited to the system because there may be a very limited vocabulary that the system should recognize, such as possible answers to each question. In this manner, if the system can not understand the user's response, it may move to another question 1320 instead of annoying the user 1314 by querying them to continue repeating their answers. In another example, the invention may be integrated within a third-party site, such as a search for a TV on an e-commerce website, where the present invention is a widget for helping the user 1314 narrow the results, Use the present invention as a widget in connection with a real estate website to build an MLS query in user 1314 to find a matching house. In an embodiment, the present invention may provide a user interface and provide a decision to provide a significantly improved manner to the user 1314 to obtain decisions on various topics, both in terms of the physical interface and in the manner of the question and the answer do.

실시예에서, 본 발명은 제 3 자 사용자 인터페이스 및 사용자 만족을 향상시키기 위한 이러한 방식으로 제 3 자 제품 내에 통합될 수 있다. 예를 들어, 몇몇 웹사이트 서비스는 과거 구매 이력을 통해 예측을 제공한다. 이 경우에, 본 발명은 명시적 질문을 문의하는 것을 통해서와 같이 사용자의 무드 또는 의도를 탐색하는 것이 가능할 수 있다. 검색 엔진의 경우에, 본 발명은 사용자(1314)가 결정(1310)을 행할 때를 검출하고, 이어서 질문에 따라 이들을 문의하기 시작할 수 있다. 포럼 사이트, 메일링 리스트, 뉴스 그룹 등의 경우에, 본 발명은 사용자와 유사한 사람들에 의해 이루어진 결정 및 결정들에 향상된 액세스를 제공할 수 있다. 예를 들어, 본 발명은 사용자와 동일한 상황에 있는 사람들을 발견하고 어느 결정(1310)이 포럼 커뮤니티가 이들에 추천되는지를 제공하여 모든 포럼 포스트를 통해 검색하는 것이 가능할 수 있다.In an embodiment, the invention may be integrated into a third party product in this manner to enhance third party user interfaces and user satisfaction. For example, some website services provide forecasts through past purchasing histories. In this case, the invention may be able to search for a user's mood or intent, such as by querying an explicit question. In the case of a search engine, the present invention may detect when user 1314 makes decision 1310, and then begin querying them in accordance with the query. In the case of a forum site, a mailing list, a newsgroup, etc., the present invention can provide improved access to decisions and decisions made by people similar to the user. For example, the invention may be able to discover people in the same situation as the user and to search through all the forum posts, which decision 1310 provides for forum community to recommend to them.

실시예에서, 본 발명은 전자 상거래 웹 애플리케이션 사용자 인터페이스를 확장하는 것이 가능할 수 있다. 예를 들어, 사용자(1314)는 키워드 검색으로 제품 검색을 시작할 수 있고, 이어서 사용자를 위해 최선의 결정(1310)에 결과를 좁아지게 하기 위해 질문(1320)을 문의할 수 있다. 본 발명은 일단 사용자(1314)가 카테고리 페이지로 클릭하면 제품을 취출하기 위해 Q&A 인터페이스를 제공하는 것이 가능할 수 있다. 예를 들어, 웹사이트 상에서 카메라를 클릭한 후에, 사용자(1314)는 제 1 질문을 볼 수 있다. 본 발명은 어떻게 사용자가 질문에 답변하는지에 기초하는 차원을 따라 제품을 랭킹하는 것이 가능할 수 있다. 예를 들어, 카메라는 질문 "카메라를 무엇을 위해 원합니까?"에 어떻게 사람들이 답변(1322)하는지 답변 "여행" 및 이들이 특정 카메라에 대해 긍정적 또는 부정적 피드백을 제공하는지 여부에 기초하여 최선으로부터 최악의 '여행 카메라'로 랭킹될 수 있다. 이것은 그 전자 상거래 웹사이트가 카메라 키워드 검색 결과의 리스트를 최선으로부터 최악의 여행 카메라까지 랭킹할 수 있도록 한다.In an embodiment, the invention may be possible to extend an e-commerce web application user interface. For example, the user 1314 may initiate a product search with a keyword search, and then query 1320 to narrow the result to the best decision 1310 for the user. The present invention may be possible once the user 1314 clicks on the category page to provide a Q & A interface to retrieve the product. For example, after clicking on the camera on the web site, the user 1314 may view the first question. The present invention may be able to rank products along a dimension based on how users answer questions. For example, the camera may determine the worst-case (worst-case) or the worst-of-the-way (based on whether the person answers the question "What do you want the camera for? It can be ranked as 'Travel camera'. This allows the e-commerce website to rank the list of camera keyword search results from best to worst travel cameras.

실시예에서, 본 발명은 사용자(1314)가 결정(1310)을 행하려고 시도할 때를 검출하고 Q&A 인터페이스로 스위칭하는 것과 같이 향상된 검색 엔진 능력을 제공하는 것이 가능할 수 있고, 키워드 검색으로부터의 검색 결과에 기초하여 결과를 좁아지게 하거나 재랭킹하기 위해 후속 질문(1320)을 문의하고, 키워드 검색 질의를 구축하거나 검색 질의를 개선하기 위해 질문(1320)을 문의하고, 질문이 문의된 후에 어느 링크를 사용자(1314)가 클릭하는지에 기초하여 피드백을 학습하는 등일 수 있다. 게다가, 본 발명은 사용자(1314)에 대해 암시적으로 학습할 수 있고, 이들이 시스템을 사용하는 일시, 이들이 세계의 어디에 있는지, 어느 유형의 브라우저를 이들의 사용하는지, 이들이 있는 곳의 날씨 등과 같은 이들 암시적인 사실에 기초하여 랭킹을 변경할 수 있다.In an embodiment, the invention may be able to provide enhanced search engine capabilities, such as detecting when a user 1314 attempts to make a decision 1310 and switching to a Q & A interface, (1320) to narrow the results or re-rank the results based on the query, query a question (1320) to build a keyword search query or improve the search query, Learning feedback based on whether user click 1314 clicks, and so on. In addition, the present invention may implicitly learn about the user 1314 and can be used to determine what time they are using the system, where they are in the world, what type of browser they are using, You can change your ranking based on implicit facts.

실시예에서, 본 발명은 정보가 사용자에 의해 수집되어 이용되는 방식을 제공하는 것이 가능할 수 있다. 예를 들어, 위키피디아는 최종 사용자(1314)가 소정 정도로 이들에 이후에 공급된 정보의 정확도를 자체 유효화해야 하도록 사용자가 정보를 기고하는 방식이다. 유사한 방식으로, 본 발명은 사용자 기고된 콘텐트를 이용하는 웹 애플리케이션을 호스팅하는 것이 가능할 수 있다. 예를 들어, 카메라의 가격이 무엇인가를 학습하는 대신에, 웹 애플리케이션은 사용자가 카메라의 가격을 입력하고 이어서 다른 사용자가 이들 청구를 자체 유효화할 수 있게 할 수 있다. 이 방식으로, 기고된 정보의 범주는 사용자가 시스템과 상호 작용함에 따라 유기적으로 설정하도록 허용될 수 있다.In an embodiment, the invention may be possible to provide a manner in which information is collected and utilized by a user. For example, Wikipedia is a way for a user to contribute information so that the end user 1314 has to validate the accuracy of the information subsequently provided to them to a certain degree. In a similar manner, the present invention may be able to host a web application that uses user submitted content. For example, instead of learning what the price of the camera is, the web application can allow the user to enter the price of the camera and subsequently enable other users to validate these charges themselves. In this way, the category of information contributed may be allowed to organically set as the user interacts with the system.

실시예에서, 몇몇 전자 상거래 애플리케이션은 개인 선호도와 관련되는 제품 및/또는 서비스를 제공할 수 있고, 따라서 본 발명으로부터 이득을 얻을 수 있다. 예를 들어, 현재 다수의 영화 렌탈 웹서비스가 존재하고, 여기서 사용자(1314)는 메일을 통해 이들의 홈에 전달을 위해 영화를 선택한다. 결정은 또한 사용자(1314)가 과거에 무엇을 선택했는지에 기초하여 사용자(1314)에 제공된다. 그러나, 영화를 선택하는 것은 무드, 의도, 날씨, 이들이 혼자인가 누구와 같이 있는가, 이들의 현재 개인 관계 등에 의해 결정될 수 없는 렌탈시에 개인 관심을 수반할 수 있다. 이들 유형의 관심은 질문을 통해 본 발명에 의해 탐색될 수 있고, 이와 같이 렌탈시에 사용자의 관심에 훨씬 더 개인화된 정합을 제공할 수 있다.In an embodiment, some e-commerce applications may provide products and / or services associated with personal preferences and thus may benefit from the present invention. For example, there are currently a number of movie rental web services where a user 1314 selects a movie for delivery to their home via mail. The decision is also provided to the user 1314 based on what the user 1314 has selected in the past. However, choosing a movie can involve personal attention at the time of rental, which can not be determined by the mood, intent, weather, who they are alone with, their current personal relationships, and so on. These types of interests can be searched by the present invention through questions, thus providing a much more personalized match to the user's interest at the time of rental.

실시예에서, 로컬 검색 애플리케이션은 본 발명의 사용을 통해 향상될 수 있다. 예를 들어, 사용자(1314)가 어디서 저녁식사할지에 대해 결정(1310)을 원하면, 이들은 "뉴욕에서의 저녁"을 검색하고 질의에 타겟화된 제안을 갖는 웹사이트를 발견할 수 있다. 그러나, 이 인터페이스는 사용자(1314)가 어느 키워드가 포함되어야 하는지에 대해 명확한 사상을 갖지 않을 때 불충분하게 된다. 예를 들어, 사용자(1314)는 식품에 대한 키 옵션을 인지하지 않을 수 있지만, '에티오피아 음식 뉴욕'을 검색하려고 생각하지 않을 수 있다. 본 발명은 가능성을 좁아지게 하기 위해 어느 질문(1320)이 문의되어야 하는지를 판명하는 것이 가능할 수 있는 장점을 가질 수 있다. 실시예에서, 본 발명은 검색 질의의 구축을 보조하는 것이 가능할 수 있다.In an embodiment, a local search application may be enhanced through use of the present invention. For example, if the user 1314 wants a decision 1310 about where to have dinner, they can search for "evening in New York" and find a website with a proposal targeted for the query. However, this interface becomes insufficient when the user 1314 does not have a clear idea of which keyword should be included. For example, the user 1314 may not be aware of the key options for food, but may not be willing to search for 'Ethiopian food New York'. The present invention may have the advantage that it may be possible to determine which question 1320 should be consulted to narrow the possibilities. In an embodiment, the invention may be able to assist in the construction of a search query.

실시예에서, 본 발명은 사용자 및 전문가, 사용자 및 다른 지식 기반 사용자에 정합하는 향상된 방식을 제공할 수 있다. 예를 들어, 서비스는 상이한 토픽에서 사용자 및 전문가를 수집하는데 제공될 수 있다. 사용자는 이어서 서비스의 웹 인터페이스에 오게되고 가장 양호한 정합이 결정되는 Q&A 세션에 진입할 수 있다. 질문의 결과로서, 시스템은 결정을 제공할 수 있고, 여기서 전문가 또는 다른 사용자(1314)의 프로파일이 제공되고 사용자(1314)는 이들이 추천된 개인과 동의하면 문의될 수 있다. 실시예에서, 사용자(1314)는 이전의 정합 및 통신이 유지되는 홈 페이지에 제공되고, 친구에 포워딩되고, 전문가 평점 매겨질 수 있는 등이다.In an embodiment, the invention may provide an improved way of matching users and experts, users and other knowledge-based users. For example, a service may be provided for collecting users and experts at different topics. The user can then come to the service's web interface and enter a Q & A session where the best match is determined. As a result of the query, the system can provide a decision, where a profile of the expert or other user 1314 is provided and the user 1314 can be consulted if they agree with the recommended individual. In an embodiment, the user 1314 may be provided with a home page where previous matching and communication is maintained, forwarded to a friend, rated by an expert, and so on.

실시예에서, 본 발명은 커뮤니티 기반 질문(1320) 및 답변(1322) 애플리케이션을 위한 플랫폼을 제공할 수 있다. 예를 들어, 사용자는 시스템에 질문(1320)을 포스팅할 수 있고, 다른 사용자는 응답이 허용될 수 있다. 이러한 시스템에서, 사용자(1314)는 단일 사용자, 다중 사용자, 자동화 시스템으로부터 답변을 수신할 수 있고, 여기서 사용자(1314)는 어느 답변(1322)이 이들이 정확하다고 느끼는지를 선택하는 것이 가능할 수 있다. 이 답변(1322)은 사적으로 유지되고, 다른 사람이 보기 위해 포스팅되고, 정확한 답변으로서 포스팅되고, 시스템에 제공되는 등일 수 있다. 실시예에서, 시스템은 시스템을 더 발전시키기 위해 질문(1320) 및 답변을 사용하고, 사용자에게 더 정확한 답변을 제공하고, 사용자에 제공된 답변을 분류하고, 사용자에 제공된 답변을 필터링하는 등일 수 있다. 게다가, 시스템의 사용자는 다른 사용자에 의해 제공된 답변에 피드백을 제공하고, 부정확한 답변을 제거하기 위해 필터링 기준에 기여할 수 있다.In an embodiment, the present invention may provide a platform for community based questions 1320 and answer 1322 applications. For example, a user may post a question 1320 to the system, and other users may be allowed to respond. In such a system, the user 1314 may receive answers from a single user, a multi-user, an automation system where the user 1314 may be able to select which answer 1322 they feel is correct. This answer 1322 may be kept private, posted for viewing by others, posted as an exact answer, provided to the system, and so on. In an embodiment, the system may use question 1320 and answer to further develop the system, provide a more accurate answer to the user, sort the answer provided to the user, filter the answer provided to the user, and the like. In addition, a user of the system may provide feedback to answers provided by other users and contribute to filtering criteria to remove inaccurate responses.

실시예에서, 본 발명은 본 명세서에 설명된 바와 같은 기계 학습 능력을 통해 엔터테인먼트로서 사용될 수 있다. 예를 들어, 사용자(1314)는 토픽, 키워드, 카테고리, 질문, 느낌 등과 같은 사상의 입력 또는 생각을 제공할 수 있고, 시스템은 일련의 질문(1320) 및 답변을 통하는 것에 대해 추측을 행할 수 있다. 예를 들어, 사용자(1314)는 야구와 같은 객체를 고려할 수 있고, 시스템은 질문(1320)을 사용자에게 제공하기 위해 기하학적 시스템과 같은 기계 학습 능력을 이용할 수 있다. 통상적인 질문(1320)은 '이것이 토스트기보다 큰가?'와 같은 크기에 관련될 수 있다. 이 질문(1320)은 다음에 다중 선택을 통해, 빈칸을 채우는 것을 통해, 참/거짓을 통해, 자유 응답 등을 통해서와 같이 사용자에 의해 답변될 수 있다. 시스템은 이어서 추측을 가질 때까지 질문(1320) 및 답변(1322) 시퀀스를 계속할 수 있고, 사용자에게 이 추측을 제공할 수 있다. 실시예에서, 이 프로세스는 고정된 질문의 수, 랜덤 질문의 수, 사용자(1314) 지정된 질문의 수, 시스템 결정된 질문의 수, 시스템 지정된 질문의 수 등에 대해 계속될 수 있다. 실시예에서, 시스템은 웹사이트를 경유하여 인터넷을 통해, 자립형 연산 디바이스를 통해, 모바일 연산 디바이스를 통해, 전화 서비스를 통해, 음성 인터페이스를 통해, 인스턴트 메시징 서비스와 관련하여, 텍스트 메시징을 통해 사용자 인터페이스를 사용자(1314)에 제공할 수 있다. 실시예에서, 시스템은 다른 웹사이트로의 위젯으로서, 제 3 자 애플리케이션으로의 API로서 등과 같이 제 3 자에 제공될 수 있다. 실시예에서, 본 발명은 게임을 플레이하는 것과 같이 엔터테인먼트 애플리케이션에 대해 비중립 네트워크를 사용할 수 있다.In an embodiment, the invention may be used as entertainment through machine learning capabilities as described herein. For example, the user 1314 may provide input or ideas of ideas, such as topics, keywords, categories, questions, feelings, etc., and the system may make inferences about a series of questions 1320 and responses . For example, the user 1314 may consider an object such as a baseball, and the system may use machine learning capabilities, such as a geometric system, to provide a query 1320 to a user. A typical question 1320 may relate to a size such as 'Is this greater than a toaster?' This question 1320 can then be answered by the user, such as through multiple selections, filling in the blanks, through true / false, through free responses, and so on. The system can then continue with the query 1320 and answer 1322 sequences until it has guesses and can provide this guess to the user. In an embodiment, the process may continue with the number of fixed questions, the number of random questions, the number of users 1314 specified questions, the number of system determined questions, the number of system specified questions, and so on. In an embodiment, the system may be implemented via a web site, via the Internet, via a standalone computing device, via a mobile computing device, via a telephone service, via a voice interface, in connection with an instant messaging service, via a text messaging, To the user 1314. In an embodiment, the system may be provided to a third party, such as as a widget to another website, as an API to a third party application, and so on. In an embodiment, the present invention may use a non-neutral network for entertainment applications, such as playing a game.

실시예에서, 본 발명은 신약의 발견을 보조하기 위한 시스템을 제공할 수 있고, 여기서 시스템은 신약의 생성에 있어서 분자의 선택 및 조합의 보조를 제공할 수 있다. 예를 들어, 시스템은 용해도, 반응도, 독성 등과 같은 화학 파라미터와 관련된 정보에 대해 사용자(1314)에 문의할 수 있고, 분자 구조를 인식하는데 있어 사용자의 전문 지식을 탐구하기 위해 질문(1320)과 이들을 조합할 수 있다. 질문(1320) 및 답변(1322) 시퀀스가 진행함에 따라, 시스템은 어느 분자 구조가 안정하고 합성 가능할 수 있는지에 대해 식견을 사용자(1314)에 제공할 수 있다. 실시예에서, 프로세스는 사용자(1314)가 어느 분자 조합이 신약을 위해 이루어질 수 있는지에 대해 향상된 개념을 가질 때까지, 새로운 탐구 루트의 선택이 사용자에 제시를 위해 이용 가능할 때까지, 새로운 잠재적인 약물이 식별될 때 등까지 계속될 수 있다.In an embodiment, the invention may provide a system for assisting in the discovery of a new drug, wherein the system may provide assistance in selection and combination of molecules in the production of a new drug. For example, the system may query the user 1314 for information related to chemical parameters such as solubility, responsiveness, toxicity, etc., and may query 1320 to explore the user's expertise in recognizing the molecular structure, Can be combined. As the sequence of questions 1320 and 1322 proceeds, the system may provide insight into which molecular structure may be stable and synthesizable to the user 1314. In an embodiment, the process continues until a new exploration route is available for presentation to the user, until the user 1314 has an improved concept of which molecule combination can be made for the new drug Can be continued until it is identified.

실시예에서, 본 발명은 이미지 파인더 애플리케이션을 제공할 수 있고, 여기서 사용자(1314)는 사용자에 반드시 명시적으로 인지되지 않는 몇몇 주관적 기준에 적합하는 이미지를 식별하는 것을 보조할 수 있다. 예를 들어, 사용자(1314)는 회사에 대한 브로셔의 개발에 수반될 수 있고, 여기서 이들은 브로셔에 대한 텍스트를 갖지만, 텍스트가 전달하려고 시도하는 사상 및 감정을 지원하기 위해 이미지를 선택해야 한다. 사용자(1314)는 이 경우에 어느 유형의 사진이 요구될 수 있는지에 대해 주관적 사상을 가질 수 있지만, 반드시 이들이 키워드로 검색을 지정할 수 있는 정도는 아니다. 사용자(1314)는 대신에 먼저 파일, 데이터베이스, 웹사이트 서비스로부터, 구글 이미지로부터, 광고자 이미지 뱅크로부터와 같이 이미지의 소스를 지정할 수 있다. 다음에, 사용자(1314)는 일련의 질문을 문의받을 수 있고 또는 그로부터 선택을 위해 일련의 이미지를 제시받을 수 있다. 사용자(1314)가 선택하는 답변 및/또는 선택은 이어서 사용자에게 다음에 제시되는 선택을 개선하는데 이용될 수 있고, 그로부터 추가의 질문(1320) 및/또는 이미지 선택이 제공될 수 있다. 실시예에서, 이 프로세스는 사용자(1314)가 최종 이미지로서 선택을 위해 이미지를 발견할 때까지 계속될 수 있다. 추가적으로, 시스템은 사용자의 '최종 선택'을 취할 수 있고, 사용자(1314)가 선택 개선의 프로세스를 계속하도록 선택할 수 있는 시간에 사용자에 제시를 위해 다른 유사한 이미지의 그룹을 선택할 수 있다.In an embodiment, the invention may provide an image finder application, where the user 1314 may assist in identifying an image that fits some subjective criteria that are not necessarily explicitly recognized by the user. For example, the user 1314 may be involved in the development of a brochure for a company, where they have text for the brochure, but must select the image to support the ideas and emotions that the text is attempting to deliver. User 1314 may have subjective thoughts on what types of pictures may be required in this case, but not necessarily to the extent that they can specify searches by keyword. The user 1314 may instead first specify the source of the image, such as from a file, database, website service, from a Google image, from an advertiser image bank. Next, the user 1314 may be consulted with a series of questions or may be presented with a series of images for selection therefrom. The answers and / or selections selected by the user 1314 may then be used to improve the selection presented to the user, from which additional questions 1320 and / or image selections may be provided. In an embodiment, this process may continue until the user 1314 finds the image for selection as the final image. Additionally, the system may take a user's ' final selection ' and may select a group of other similar images for presentation to the user at a time when the user 1314 may choose to continue the process of selection enhancement.

실시예에서, 본 발명은 아기 작명 애플리케이션에 사용될 수 있고, 여기서 사용자(1314)는 이들이 선호하는 이름이 무엇인지의 막연한 개념만을 가질 수 있다. 사용자(1314)는 가족, 친구, 교육, 유산, 지리학적 위치, 출생 장소, 취미, 읽은 책, 본 영화 등에 대한 질문(1320)과 같은 사용자의 선호도의 학습을 보조하기 위해 정보를 시스템에 제공하도록 의도된 상이한 유형의 질문(1320)을 초기에 문의할 수 있다. 시스템은 이어서 이름 평점, 이름의 리스트로부터 선택, 이름에 속하는 질문(1320)에 답변 등과 같은 복수의 방법으로 이름 선호도와 관련된 질문(1320)의 제시를 통해 계속 학습할 수 있다. 실시예에서, 이 프로세스는 사용자(1314)가 마지막 이름으로서 선택하도록 이름을 발견할 때까지 계속될 수 있다. 추가적으로, 시스템은 사용자의 '최종 선택'을 취할 수 있고, 사용자(1314)가 선택 개선의 프로세스를 계속하도록 선택할 수 있는 시간에 사용자에 제시를 위해 다른 유사한 이름의 그룹을 선택할 수 있다.In an embodiment, the present invention may be used in a baby naming application, where the user 1314 may only have a vague idea of what their preferred name is. The user 1314 may provide information to the system to assist in learning of the user's preferences, such as questions 1320 about family, friends, education, heritage, geographical location, birthplace, hobby, reading book, It is possible to initially inquire the intended different type of question 1320. The system may then continue to learn through presentation of a question 1320 relating to name preference in a plurality of ways, such as name rating, selection from a list of names, answer to a question 1320 belonging to a name, and the like. In an embodiment, this process may continue until the user 1314 finds the name to select as the last name. Additionally, the system may take the user's ' last choice ' and select a group of other similar names for presentation to the user at a time when the user 1314 may choose to continue the process of selection enhancement.

실시예에서, 본 발명은 이들에 한정되는 것은 아니지만, 비디오 게임, 랩탑, 휴가, 카메라, 일반적인 개성, 음료, 휴대폰, 텔레비전, 그릴, 시계, 커피 머신, 발가락찌, 할로윈, GPS 디바이스, 가장 섹시한 연예인, 당신의 개인적 영웅, 대통령 선거, 아기 장난감, 블로그, 캠코더, 자동차, 어느 스타워즈 캐릭터가 당신인가, 신용카드, 헤어 케어, 스킨 케어, 섹스 앤드 더 시티, 문신을 해야 하나, 직업, 얼마나 버나, 거주하는 도시, 개 품종, 방향(fragrance), 뉴욕, 이웃 선택자, 소프트웨어, 데스크탑 컴퓨터, DVD 플레이어 및 레코더, 담배, 자비, 브로드웨어 쇼, 스피커, 홈 시어터 시스템, MP3 플레이어, 컴퓨터 네트워킹 디바이스, 헤드폰, 메모리 카드, 잡지, 서적, 오프라 픽스, 서적, 뉴욕 타임즈 베스트셀러, 비즈니스 캐쥬얼 의류, 프랜차이즈, 요리 기구, 장난감, 장난감-교육, 운동복, 에스프레소 머신, 그리스에 가야 하나, 부모로부터 독립해야 하나, 임금 인상을 요구해야 하나, 음주 문제가 있는가, ADD/ADHD 아이에게 약물 투여해야 하나, 진공 청소기, 세탁기 및 건조기, 신생 회사가 나에게 맞는가, 습도계, 당신은 좋은 친구인가요, 당뇨병 발생의 위험, 어느 외국어를 배워야 하나, 마이크로웨이브, 카 오디오, 어떤 종류의 고객인가요, 와인, 군대에 지원해야 하나, 어느 군 분과에 지원해야 하나, 어느 종류의 예술을 즐길 것인가, 아이 및 유아용 카시트, 아기 유모차, 아기 여행 부속품, 천연 및 유기 뷰티 제품, 메이크업, 홈 오디오 수신기 및 앰프, 복사기 및 팩스기, 프린터, 남자친구/여자친구와의 헤어짐, 어느 그리스신이 당신인가, 어느 게임을 즐길 것인가, 컴퓨터 부속품, 어느 초능력을 가져야 하나, 대학, 온라인 학위 프로그램, 대학에서 전공 선택, 신분 도난 방지, 개인 트레이너를 고용해야 하나, 자동차를 사야 하나 리스해야 하나, 레이저 눈 수술을 해야 하나, 탈모에 대해 무엇을 해야 하나, 내 사업을 시작해야 하나, 내 아이들을 유치원을 보내야 하나, NYC에 방문하면 내 가족을 어떻게 대접해야 하나, OTC 통증 경감제, 생전 유서가 필요한가, 다음 비행을 위한 마일리지 또는 현금, 치아 미백을 위한 최선의 방법, 내 딸을 화장시켜야 하나, 내 나쁜 습관을 고치기 위한 가능한 최면술인가, ED 옵션, 수면 보조, OTC 알러지 알약, 결혼 선물에 얼마를 지출해야 하나, 확장된 보증을 구매해야 하나, SAT 또는 ACT를 취득하는 것이 더 나을까, 개인 오디오 부속품, 커피/에스프레소 음료를 즐길 것인가, 비디오 게임 콘솔, 청바지, 다운로드 가능 PC 게임, 스낵, 비타민 및 보충제, 나는 어느 수퍼히어로인가, 선글래스, 주방 기구, 베개, 뷰티 액세서리, 뷰티백 및 케이스, 스포츠 용품, 어느 악기가 나한테 맞는가, 장식가를 고용해야 하나, 전가 리더, 어느 쇼핑몰에 속하는가, 파워 워셔, 소기업, 전화 시스템, 팁이 얼마인가, 보톡스를 해야 하나, 지방 흡입을 해야 하나, 피부암의 위험, 우리집을 자금 보충해야 하나, 차량 서비스(NYC), 마이크로양조 맥주, 미식 초콜릿, 나는 은퇴를 위해 충분히 저축하는가, 엔터테인먼트 센터/TV 스탠드, 요리책, 전기 면도기, 조카딸/조카에게 아기 선물을 계속 보내기, 수하물, 컴퓨터 프로젝터, 에너지/체조 바아, 면도칼, 미식 아이스크림, 온라인 데이트, 뉴스캐스트, 메이크업, 공구 및 브러시, 뷰티 거울 및 콤팩트, 비즈니스북, 첫 번째 데이트 후 얼마나 빨리 전화하나, 은퇴 장소, 외장 하드 드라이브, 유니버설 리모컨, 워킹화, 생명 보험 정책을 판매해야 하나, 당신은 얼마나 환경을 생각합니까, 섭식 장애가 있는가, 아기 침대, 다이어트 및 다이어트 책, 휴대폰 플랜, 결혼 및 약혼 반지, 충분히 고집스러운가, 내 아이가 비디오 게임을 너무 많이 하는가, 세금 준비(개인 환급), 역모기지를 얻어야 하나, 데이트에 대한 친구와의 계획 취소, 아이들의 TV 쇼, 주방용 조리대, 욕실 용품, 해충 방지제, 암 전문가, 병원, 전국 체인 레스토랑, 시리얼, 지금 아이를 가져야 하나, 유모를 고용해야 하나, 영화, 소고기 부위, 하루 목표 칼로리, OCD가 있는가, 가정용 공기 정화기, 자동 공기 청정기 및 정화기, 아이폰 애플리케이션, 게이/레즈비언 휴가, 내 동료에게 데이트 신청해도 되는가, 내 아기돌보기 준비가 된 사춘기 직전의 아이인가, 스포츠/에너지 음료, TV 쇼, 사무용 가구, 모터사이클, 양호한 리포트 카드를 위한 아이들의 보상, 잔디 정돈기 및 가장자리톱, 스트레스가 심한가, 종교, 좋은 첫인상을 만드는가, 온라인에 너무 많은 시간을 소비하는가, 새로운 헤어스타일을 해야 하나, 내 아이들을 홈 스쿨을 해야 하나, 기저귀 가방, 천 기저귀 또는 1회용 기저귀를 사용해야 하나, 개 장난감, 내 파트너가 나를 속이는가, 고전 서적, 내 나이 드신 부모가 운전을 그만두셔야 하나, 전 배우자와 끝났는가, 이것은 욕망인가 사랑인가, 보수계 및 심박계 모니터, 츄잉검, 날씨 디바이스, 가스 첨가제가 내 자동차에 도움이 될 것인가, 올란도 테마 공원, 얼마나 큰 터키를 사야하나, 인기 음악-신규 발매, 자기 태닝기, 세금 및 금전 관리, 소프트웨어, 아기 젖병 및 시피컵, 아기 높이 의자 및 부스터 시트, 아기줄, 토스트기 및 토스트기 오븐, 안락 시트 및 침대보, 접시류 세트, 애완 동물 캐리어 및 개집, 치즈, 주방 물꼭지, 캐쥬얼 슈즈, 드레스 슈즈, 뷰티 전자 기기, 은퇴를 위해 충분히 저축하나, 뮤추얼 펀드 선택자, 스테이크 부위, 내 D&D 정렬은 무엇인가, 좌창 및 여드름 약품, 욕실 물꼭지, 집 외부 조명, 풍경 조명, 잔디깍기, 아페리티프, 코냑, 럼, 스카치, 데킬라 보드카, 위스키, 라스베가스 쇼, 선스크린, 러닝화, US MBA 프로그램, 안뜰 및 옥외 가구, 주방칼, 진정한 팬인가, 자동차 보험, 개인 법률 서비스, 재정 조언자를 고용해야 하나, 실내 식물 선택자, 배달 서비스, 이것을 공제해야 하나, 풀 히터, 소파, 하우스 넘버, 콘택트 렌즈, 생일 선물, 내 커리어가 최고인가, 전자북, 도어 손잡이 및 로크 세트, 제설 장비, 그린 홈 개량, 아이들 의복 및 수영복, 모터사이클 헬멧, 자전거 헬멧, 쥬스기, 골프 클럽, 냉장고, 와인 쿨러, 레인지 및 오븐, 에어컨, 크리스마스 선물, 이별 어구, 발진 약품, 당뇨병 모니터링 디바이스, 금연 보조제, 내 등에 머리카락을 어떻게 하나, 폐경 중화 호르몬, 하이킹 백팩, 스쿨 백팩, 웹사이트/도메인 획득, 이메일 서비스, 웹 호스팅, 카페트, 전동 공구, 타일, 물 히터, 옥외 페인트, 윈도우 처리, 난로 스크린, 실내 램프, 소기업 법률 서비스, 브런치 레시피, 천정 팬, 매트리스, 라스베가스 호텔 및 카지노, 살사, 발렌타인용 사랑 퀴즈, 클라이언트 선물에 얼마나 지출하나, 기념일 선물, 옥외 외투, 캐쥬얼 외투, 캠핑 텐트, 슬리핑백, 타이어, 어드벤처 휴가, 음악 다운로드, 비디오 다운로드, 웨딩드레스, 웨딩 테마, 맨하탄 체육관, 버젯 호텔 체인, 골프 코스, 스키 휴가, 미국 스파, ETF 펀드, 디자이너 핸드백, 파산 선고해야 하나, 가정에서 401k 계약금, 정신과 의사를 만나야 하나, 자기 방어, 접시류, 디시워셔, 정치 집단, 새해 결심, 크루즈 라인, 가족 휴가, 아기 음식, 아기 건강 케어 제품, 머리를 면도해야 하나, 티셔츠, 온라인 포토 서비스, 학급 졸업 반지 구매, 여름 직업/인턴십, 어디에 자원 봉사하나, 홈 경보 시스템, 당신의 관계 문제 진단, 그녀/그가 나한테 매력있나, 입양해야 하나, 내 나이 드신 부모님이 운전해야 하나, 온라인 뱅크 계정, BBQ 소스, 냉동 피자, 레시피 파인더, 다시 선물해야 하나, 보디빌딩 보충제, 가정용 운동 기구, 몇시간 자야 하나, 성형 수술을 고려해야 하나, 관절염 위험, 심장병 위험, 골다공증 위험, 도박 문제가 있나, 배우기 가장 좋은 춤, 자전거, 고양이 음식, 개 음식, 취미 추천자, 격투기, 옥외 꼭 선택자, 어느 머펫인가, 아이들을 위한 활동, 얼마나 도덕적인가, 내 아이들 세례 받아야 하나, 마이애미 호텔, 미국 국립 공원, 모터 오일, 자동차 비디오, 블라우스, 코트, 드레스, 안경테, 양말, 인터뷰 의류, 자켓, 실내복, 팬츠, 셔츠, 스커트, 모자, 전화-집전화, 스테이크하우스, 어느 출산 방법이 나에게 맞는가, 여름 캠프 추천자, 3월의 광란 브래킷 선택자, 유아용 유동식, 뉴욕 베이커리, 부분 제트 소유권, 얼마나 자신감이 있나, 디지털 포토 액자, 회계사가 필요한가, 내 아이들이 ADD/ADHD를 갖는가, 문서 세단기, 아기 모니터, 그린 홈 개량, 회의 전화 등을 포함하는 복수의 토픽에 대한 결정을 제공할 수 있다.In an embodiment, the present invention may be applied to a variety of devices including but not limited to video games, laptops, holiday, cameras, general personality, beverage, cell phone, television, grill, clock, coffee machine, You must have a tattoo, your personal hero, presidential election, baby toys, blogs, camcorders, cars, which Star Wars characters are you, credit cards, hair care, skin care, sex and the city, A home computer system, an MP3 player, a computer networking device, a headphone, a speaker, a home theater system, a music player, Memory card, magazine, book, Opaque, book, New York Times bestseller, business casual clothing, franchise, cooker, toy, I have to go to Greece, I have to be independent from my parents, but I have to ask for a wage increase, I have a drinking problem, ADD / ADHD drug should be administered to my child, vacuum cleaner, washer and dryer, The company is suitable for me, hygrometer, you are a good friend, the risk of developing diabetes, which language to learn, microwave, car audio, what kind of customer, wine, army support, What kind of art would you enjoy, kids and infant car seats, baby strollers, baby travel accessories, natural and organic beauty products, makeup, home audio receiver and amplifier, copier and fax machine, printer, boyfriend / girlfriend Which gods are you, what games you will enjoy, computer accessories, which psychics you should have, colleges, One must lease one to buy a car, one must hire a personal trainer, one must be laser eye surgery, one should do about hair loss, one should start my business, I need to send my children to kindergarten, how to treat my family when I visit NYC, OTC pain relief, need for lifelong learning, mileage or cash for the next flight, the best way to whiten my teeth, I have to buy an extended warranty, but I would like to get a SAT or ACT, if I have to buy an extended warranty, how much I should spend on ED, sleep aids, OTC allergy pills, wedding gifts, possible Hypnosis to fix my bad habits, Personal audio accessories, coffee / espresso drinks, video game consoles, jeans, downloadable PC games, snacks, vita And supplements, I have to hire a decorator, Which superhero, Sunglasses, Kitchen utensils, Pillows, Beauty accessories, Beauty bags and cases, Sporting goods, Which instrument is right for me, (NYC), Micro Brewing Beer, Gourmet Chocolate, I Want to Retire, Small Business, Phone System, How Much Tips, Botox Must Be, Liposuction, Skin Cancer Risk, Keep saving, Entertainment center / TV stand, Cookbook, Electric razor, Continue sending baby gifts to niece / nephew, Baggage, Computer projector, Energy / gym bar, Razor, Gourmet ice cream, Online dating, News cast, Makeup, Tool And brushes, beauty mirrors and compacts, business books, how to quickly call after one's first date, one retirement place, and more You have to sell a hard drive, universal remote control, walking shoes, life insurance policy, how do you think environment, eating disorder, baby bed, diet and diet book, cell phone plan, marriage and engagement ring, You have to get too much video game, tax preparation (personal refund), reverse mortgage get, dating canceled with friends, TV show for children, kitchen countertops, bathroom supplies, pest control, cancer specialist, hospital, Chain restaurant, cereal, now I have to have a child, I need to hire a nanny, movie, beef area, daily calorie, OCD, home air purifier, automatic air purifier and purifier, iPhone application, gay / lesbian vacation, my colleagues Can I ask for a date, a child just before puberty ready to take care of my baby, a sports / Children's rewards, grass trimmers and edge saws, stressful, religion, making good first impressions, spending too much time online, new hair One should have style, one should have my kids home school, one should use diaper bag, cloth diapers or disposable diapers, dog toys, my partner deceive me, classic books, my aged parents should stop driving, Whether it's a desire or love, a pedometer and heart rate monitor, a chewing gum, a weather device, gas additive will help my car, Orlando theme park, how big a turkey to buy, popular music - new releases, Self tanning, tax and financial management, software, baby bottles and cups, baby height chair and booster seat , Baby shoes, toys and toasters ovens, armchairs and bedspreads, plates sets, pet carriers and dog kennels, cheese, kitchen faucets, casual shoes, dress shoes, beauty electronics, enough savings for retirement, mutual fund choosers, What is my stake area, what is my D & D alignment, acne and acne medication, bathroom faucet, outdoor lighting, landscape lighting, lawn mowers, aperitifs, cognacs, rum, scotch, tequila vodka, whiskey, lvg show, sunscreen, The US MBA program must be a one-time, indoor plant chooser, delivery service, one that must be deducted from this one, a pool heater, a sofa, a house number, a kitchen fan, a real fan, a patio and outdoor furniture, Contact lenses, birthday gifts, my career is the best, e-book, door handle and lock set, snow removal equipment, green home improvement, children's clothing and water How to do hair on the back of a person, menstrual cramps, diabetic monitoring devices, anti-smoking supplements, mosquito helmets, bicycle helmets, juices, golf clubs, refrigerators, wine coolers, ranges and ovens, air conditioners, Christmas gifts, Horns, Hiking Backpacks, School Backpacks, Website / Domain Acquisition, Web Hosting, Carpets, Power Tools, Tiles, Water Heaters, Outdoor Paint, Window Treatments, Stove Screens, Indoor Lamps, Small Business Legal Services, Brunch Recipes, Ceilings Fan, Mattress, Las Vegas Hotel and Casino, Salsa, Valentine's Day Love Quiz, How much you spend on client gifts, Anniversary Gifts, Outdoor Coat, Casual Coat, Camping Tent, Sleeping Bag, Tire, Adventure Vacation, Music Download, Video Download, Wedding Dress, wedding theme, Manhattan gym, budget hotel chain, golf course, ski vacation, USA I need to meet a psychiatrist, a self-defense, a plateau, a dishwasher, a political group, a new year resolution, a cruise line, family vacation, baby food, baby health care Products should be shaved, hair, T-shirts, online photo services, buy classroom graduation rings, summer job / internship, where to volunteer one, home alarm system, diagnose your relationship problems, she / I should consider my plastic surgery, my aged parents should drive, online bank account, BBQ sauce, frozen pizza, recipe finder, one should have a gift, bodybuilding supplements, home fitness equipment, a few hours sleep, arthritis risk, Danger of heart disease, risk of osteoporosis, gambling problem, learning the best dance, bike, cat food, dog food, hobby recommender, Miami Hotel, US National Park, motor oil, car video, blouse, coat, dress, eyeglass frames, socks, interview clothing, jacket, how to be baptized, how to be baptized How to choose the right method of birth, Summer camp recommender, Frenzy bracket selector in March, Infant formula, New York bakery, Partial jet ownership, How confident , A digital photo frame, a need for an accountant, my children having ADD / ADHD, a document shredder, a baby monitor, a green home improvement, a conference call, and so on.

실시예에서, 도 13에 도시된 바와 같이, 본 발명은 기계 학습 장비(1302)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는(1304) 초기 질문(1320)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자에 결정(1310)을 제공할 수 있다. 실시예에서, 기계 학습 장비(1318)에 의해 제공된 미래 질문(1320) 및 결정(1310)은 사용자(1314)에 의해 제공된 피드백(1312)을 통해 향상될 수 있다.In an embodiment, as shown in FIG. 13, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1302. The process may begin with an initial query 1320 that is received 1304 by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user based on the conversation 1308. In an embodiment, future questions 1320 and decisions 1310 provided by machine learning equipment 1318 may be enhanced through feedback 1312 provided by user 1314. [

실시예에서, 사용자(1314)에 의해 부여된 초기 질문(1304)은 객관적 질문, 주관적 질문 등일 수 있다. 질문(1320)은 제품, 개인 정보, 개인 건강, 경제적 건강, 비즈니스, 정치, 교육, 엔터테인먼트, 환경 등에 속하는 토픽과 같은 넓은 토픽의 카테고리 중으로부터 제공될 수 있다. 질문(1320)은 다중 선택 질문, 예-아니오 질문, 평점, 이미지의 선택, 사적인 질문 등의 형태일 수 있다. 질문(1320)은 사용자(1314)에 대한 것일 수 있고, 다른 사용자에 의해 제공될 수 있고, 전문가에 의해 제공될 수 있는 등이다. 질문(1320)은 예를 들어 사용자(1314)와의 현재 대화(1308)로부터, 사용자(1314)와의 저장된 이전의 대화(1308)로부터, 다른 사용자와의 저장된 이전의 대화(1308)로부터와 같이 이전의 답변에 기초할 수 있다. 질문(1320)은 테스트 질문, 의사 랜덤 결정(1310)이 유용한 것으로 판명되는 기회에 의사 랜덤 결정(1310)을 선택하는 것을 돕는 탐색 질문(1320)과 같은 의사 랜덤 질문일 수 있다. 질문(1320)은 질문의 부분으로서 적어도 하나의 이미지를 포함할 수 있다. 질문(1320)은 사이코그래픽 차원을 따를 수 있다. 실시예에서, 질문(1320)은 사용자(1314)에 직접 문의하지 않을 수 있고, 오히려 IP 어드레스, 사용자의 위치, 사용자의 위치에서의 날씨, 도메인명, 경로 정보에 관련성, 최근 다운로드에 관련성, 최근 네트워크 액세스에 관련성, 최근 파일 액세스에 관련성 등을 통해서와 같이 개념적인 정보로부터 판정될 수 있다.In an embodiment, the initial question 1304 provided by the user 1314 may be an objective question, a subjective question, or the like. Question 1320 may be provided from a broad category of topics, such as topics pertaining to products, personal information, personal health, economic health, business, politics, education, entertainment, environment, The question 1320 may be in the form of a multiple choice question, a yes-no question, a rating, an image choice, a private question, and so on. Question 1320 may be for user 1314, may be provided by other users, may be provided by an expert, and so on. The query 1320 may be used to retrieve the previous conversation 1308 from the previous conversation 1308 with the user 1314 from the current conversation 1308 with the user 1314, Can be based on answers. The question 1320 may be a pseudo-random question, such as a test question 1320, a search question 1320 that helps the pseudo-random decision 1310 to select a pseudo-random decision 1310 at an opportunity that proves useful. Question 1320 may include at least one image as part of the question. Question 1320 may follow the psychological dimension. In an embodiment, the question 1320 may not directly query the user 1314, but rather may include information such as IP address, location of the user, weather at the user's location, domain name, relevance to route information, Can be determined from conceptual information, such as through relevance to network access, relevance to recent file access, and the like.

실시예에서, 대화(1308)는 기계 학습 장비(1318)가 사용자에 제시된 감소된 결정의 세트, 사용자에 제시된 단일 결정(1310)과 같은 감소된 결정의 세트에서 높은 확신을 전개할 때까지 계속될 수 있다. 기계 학습 장비(1318)에 의해 제공된 결정(1310)은 대화(1308)에서 질문의 순서에 무관할 수 있다. 결정(1310)은 대화의 적어도 하나의 질문(1320)이 생략될 때 대안 결정(1310)을 제공할 수 있고, 여기서 대안 결정(1310)은 사용자(1314)로부터 적은 정보를 갖는 기계 학습 장비(1318)에 기초하여 상이할 수 있다. 결정(1310)은 비전통적인 특징 차원을 가로지르는 랭킹 결정과 같은 결정 선택의 랭킹을 표시할 수 있다. 결정(1310)은 결정(1310)에 관련된 적어도 하나의 이미지를 표시할 수 있다. 결정(1310)은 의사 랜덤 결정이 탐색의 시스템의 부분인 것과 같이 의사 랜덤 결정(1310)이 유용한 것으로 판명되는 기회에 대한 의사 랜덤 결정일 수 있고, 여기서 탐색의 시스템은 시스템의 유효성을 향상시킬 수 있고, 기계 학습 장비(1318)는 탐색으로부터 학습될 수 있는 등이다.In an embodiment, conversation 1308 continues until machine learning equipment 1318 develops a high degree of confidence in a reduced set of decisions, such as a set of reduced decisions presented to the user, a single decision 1310 presented to the user . The decision 1310 provided by the machine learning equipment 1318 may be independent of the order of the questions in the dialog 1308. [ The decision 1310 may provide an alternative decision 1310 when at least one question 1320 of the conversation is omitted where the alternative decision 1310 may be made by the machine learning equipment 1318 having less information from the user 1314 ). &Lt; / RTI > Decision 1310 may indicate a ranking of decision choices, such as ranking decisions across non-traditional feature dimensions. Decision 1310 may display at least one image associated with decision 1310. [ The decision 1310 may be a pseudo-random decision on the chance that the pseudo-random decision 1310 proves to be useful as the pseudo-random decision is part of the system of search, where the system of search may improve the effectiveness of the system , The machine learning equipment 1318 can be learned from the search, and so on.

실시예에서, 제공된 피드백(1312)은 어떻게 사용자(1314)가 대화(1308)에서 질문(1320)에 답변하는지, 어떻게 사용자(1314)가 기계 학습 장비(1318)에 의해 제공된 결정(1310)에 응답하는지 등에 관련되거나 이들로부터 유도될 수 있다. 실시예에서, 피드백(1312)은 사용자(1314)로부터 간청될 수도 있다.In an embodiment, the provided feedback 1312 indicates how the user 1314 answers the question 1320 in the dialog 1308, how the user 1314 responds to the decision 1310 provided by the machine learning equipment 1318, And the like. In an embodiment, feedback 1312 may be appealed from user 1314. [

실시예에서, 사용자(1314)는 새로운 정보를 입력함으로써 기계 학습 장비(1318)의 학습을 확장할 수 있고, 여기서 새로운 정보는 이들 자신의 토픽, 질문, 답변, 결정 등일 수 있다. 기계 학습 장비(1318)는 새로운 정보가 사용자에게 도움이 되는지 여부를 판정하기 위해 새로운 정보를 사용할 수 있다.In an embodiment, the user 1314 may extend learning of the machine learning equipment 1318 by entering new information, where the new information may be their own topics, questions, answers, decisions, and the like. The machine learning equipment 1318 may use the new information to determine whether the new information is helpful to the user.

실시예에서, 사용자 인터페이스는 웹 인터페이스, 인스턴트 메시징, 음성 인터페이스, 휴대폰, SMS 등과 관련된 것과 같은 기계 학습 장비(1318)와의 사용자 상호 작용을 위해 제공될 수 있다.In an embodiment, the user interface may be provided for user interaction with machine learning equipment 1318, such as associated with a web interface, instant messaging, voice interface, mobile phone, SMS,

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있고, 여기서 초기 질문(1304)은 제품, 개인, 건강, 비즈니스, 정치, 교육, 엔터테인먼트, 환경 등과 같은 토픽의 넓은 카테고리 중 하나와 관련될 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 기계 학습 장비(1318)에 의해 제공된 미래 질문(1320) 및 결정(1310)은 사용자(1314)에 의해 제공된 피드백(1312)을 통해 향상될 수 있다.In an embodiment, the present invention may help a user to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial question 1304 received by the machine learning equipment 1318 from the user 1314 where the initial question 1304 may be related to the product, the individual, the health, the business, the politics, the education, And may be associated with one of the broad categories of the same topic. User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In an embodiment, future questions 1320 and decisions 1310 provided by machine learning equipment 1318 may be enhanced through feedback 1312 provided by user 1314. [

실시예에서, 도 14에 도시된 바와 같이, 본 발명은 컴퓨팅 장비(1402)의 사용을 통해 사용자가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 컴퓨팅 장비(1418)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 컴퓨팅 장비(1418)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1408)를 구비할 수 있다. 컴퓨팅 장비(1418)는 이어서 복수의 사용자(1412)로부터 피드백으로부터 수집된 피드백(1428)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 컴퓨팅 장비(1418)는 사용자로부터 수신 피드백(1412)에 기초하여 컴퓨팅 장비(1418)에 의해 제공된 미래의 질문(1320) 및 결정(1310)을 향상시킬 수 있다.In an embodiment, as shown in FIG. 14, the present invention may help a user to make a decision 1310 through the use of computing equipment 1402. [ The process may begin with an initial query 1304 that is received by the computing device 1418 from the user 1314. The user 1314 may then have a question 1320 from the computing device 1418 and a conversation 1408 consisting of the answers 1322 provided by the user 1314. [ Computing device 1418 can then provide decision 1310 to user 1314 based on feedback 1428 collected from feedback from a plurality of users 1412. [ In an embodiment, the computing device 1418 may enhance future queries 1320 and decisions 1310 provided by the computing device 1418 based on the received feedback 1412 from the user.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있고, 여기서 대화(1308)를 통해 제공된 질문(1320) 및 답변(1322)의 수는 결정(1310)의 품질을 결정할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 기계 학습 장비(1318)에 의해 제공된 미래 질문(1320) 및 결정(1310)은 사용자에 의해 제공된 피드백(1312)을 통해 향상될 수 있다. 실시예에서, 품질은 10개 초과의 질문, 15개 초과의 질문, 10개 초과의 질문 등과 같이 질문(1320) 및 답변(1322)의 수가 클 때 높을 수 있다. 실시예에서, 품질은 10개 미만의 질문, 5개 미만의 질문, 3개 미만의 질문, 하나의 질문 등과 같이 질문(1320) 및 답변(1322)의 수가 작을 때 양호한 품질일 수 있다.In an embodiment, the present invention may help a user to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ The user 1314 may then have a dialog 1308 comprised of a question 1320 from the machine learning equipment 1318 and an answer 1322 provided by the user 1314, The number of questions 1320 and 1322 can determine the quality of decision 1310. [ The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In an embodiment, future questions 1320 and decisions 1310 provided by machine learning equipment 1318 may be enhanced through feedback 1312 provided by the user. In an embodiment, the quality may be high when the number of questions (1320) and answers (1322) is large, such as more than 10 questions, more than 15 questions, more than 10 questions. In an embodiment, the quality may be good quality when the number of questions 1320 and answers 1322 is small, such as less than 10 questions, less than 5 questions, less than 3 questions, one question, and so on.

실시예에서, 도 15에 도시된 바와 같이, 본 발명은 기계 학습 장비(1318)의 사용을 통해 결정(1310)을 행할 수 있다. 시스템은 사용자(1314)로부터 초기 질문(1304)을 수신할 수 있는 기계 학습 장비(1318), 사용자(1314)에 질문(1320)을 제공하고 사용자로부터 답변(1322)을 수용하는 기계 학습 장비(1318) 내의 대화 장비(1502), 결정 장비(1504)로부터 사용자(1314)로 결정(1310)을 제공하는 기계 학습 장비(1318) 등을 포함할 수 있다. 실시예에서, 사용자(1314)에 제공된 결정(1310)은 사용자(1314)와 기계 학습 장비(1318) 사이의 대화(1308)의 교환에 기초하고 초기 질문(1304)에 속할 수 있다. 또한, 기계 학습 장비(1318)는 기계 학습 장비(1318)에 의해 제공된 미래의 질문(1320) 및 결정(1310)을 향상시키기 위해 사용자(1314)로부터 피드백 장비(1508)를 통해 피드백(1312)을 수신할 수 있다.In an embodiment, as shown in FIG. 15, the present invention can make a decision 1310 through the use of machine learning equipment 1318. The system includes machine learning equipment 1318 that can receive an initial query 1304 from a user 1314 and machine learning equipment 1318 that provides a question 1320 to a user 1314 and accepts an answer 1322 from a user. Machine learning equipment 1318 that provides decision 1310 from decision equipment 1504 to user 1314 and the like. In an embodiment, the decision 1310 provided to the user 1314 may be based on an exchange of a conversation 1308 between the user 1314 and the machine learning equipment 1318 and belong to an initial question 1304. [ Machine learning equipment 1318 also includes feedback 1312 via feedback equipment 1508 from user 1314 to improve future questions 1320 and decisions 1310 provided by machine learning equipment 1318 .

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 검색 애플리케이션, 사회적 네트워크 애플리케이션, 서비스 공급자, 비교 쇼핑 엔진, 미디어 컴퍼니의 웹 환경 등과 같은 제 3 자를 통해 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 기계 학습 장비(1318)에 의해 제공된 미래 질문(1320) 및 결정(1310)은 사용자(1314)에 의해 제공된 피드백(1312)을 통해 향상될 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314 via a third party such as a search application, a social network application, a service provider, a comparison shopping engine, a media company's web environment, have. User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In an embodiment, future questions 1320 and decisions 1310 provided by machine learning equipment 1318 may be enhanced through feedback 1312 provided by user 1314. [

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 제 3 자 검색 애플리케이션을 통해 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있고, 여기서 사용자는 제 3 자 검색 애플리케이션 상의 키워드 검색으로 시작하고 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)가 제공된다. 기계 학습 장비(1318)는 이어서 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있고, 여기서 결정(1310)은 분류된 리스트의 형태와 같이 제 3 자 검색 애플리케이션으로 재차 제공될 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314 via a third party search application where the user begins with a keyword search on the third party search application, A dialog 1308 consisting of a question 1320 from the learning equipment 1318 and a response 1322 provided by the user 1314 is provided. Machine learning equipment 1318 then may belong to an initial query 1304 and may provide decision 1310 to user 1314 based on dialog 1308 where decision 1310 may take the form of a sorted list And can be re-delivered to third party search applications as well.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있고, 여기서 기계 학습 장비(1318)는 제 3 자 정보, 기능, 유틸리티 등을 이용할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 제 3 자 정보, 기능, 유틸리티 등은 비용 정보, 제품 정보, 개인 정보, 토픽 정보 등의 수집을 가능화하는 애플리케이션 프로그래밍 인터페이스(API)를 포함할 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ The user 1314 may then have a dialog 1308 comprised of a question 1320 from the machine learning equipment 1318 and a response 1322 provided by the user 1314 where the machine learning equipment 1318 Third party information, functions, utilities, and the like. The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In embodiments, third party information, functions, utilities, and the like may include application programming interfaces (APIs) that enable collection of cost information, product information, personal information, topic information, and the like.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 제 3 자 검색 애플리케이션을 통해 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있고, 여기서 사용자(1314)는 제 3 자 검색 애플리케이션 상에 키워드 검색으로 시작하고 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)가 제공된다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 결정(1310)은 협동 필터링에 적어도 부분적으로 기초하여 제 3 자 검색 애플리케이션에 재차 제공될 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314 via a third party search application where the user 1314 may perform a keyword search on the third party search application A dialog 1308 consisting of a question 1320 from the machine learning equipment 1318 and a response 1322 provided by the user 1314 is provided. The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In an embodiment, decision 1310 may be re-provided to the third party search application based at least in part on cooperative filtering.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 적어도 하나의 이미지 결정(1310)을 제공할 수 있다. 실시예에서, 이미지는 사진, 그림, 비디오 이미지, 광고 등일 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ Machine learning equipment 1318 may then be included in an initial question 1304 such as recommendations, diagnoses, conclusions, advice, etc. and may provide at least one image determination 1310 to user 1314 based on dialog 1308 . In an embodiment, the image may be a photograph, a picture, a video image, an advertisement, or the like.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 결정(1310)은 기계 학습 장비(1318)의 다른 사용자에 의해 제공된 결정(1310)으로부터 학습에 적어도 부분적으로 기초할 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In an embodiment, decision 1310 may be based, at least in part, on learning from decision 1310 provided by another user of machine learning equipment 1318.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 결정(1310)은 협동적인 필터링에 적어도 부분적으로 기초할 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In an embodiment, decision 1310 may be based at least in part on cooperative filtering.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 결정(1310)은 예를 들어 협동적인 필터링을 위한 콘텍스트를 제공하는 적어도 하나의 질문과 같은 대화(1308)를 통해 그 콘텍스트가 제공되는 협동적인 필터링에 적어도 부분적으로 기초할 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In an embodiment, decision 1310 may be based, at least in part, on collaborative filtering where the context is provided via dialog 1308, such as, for example, at least one question providing a context for cooperative filtering.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 결정(1310)은 초기 질문(1304)에 속하고 기계 학습 장비(1318)의 복수의 사용자(1314)를 통해 수집된 정보만에 기초할 수 있고, 여기서 기계 학습 장비(1318)의 복수의 사용자(1314) 중 적어도 하나는 대화(1308)와 관련된 사용자(1314)일 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide a decision 1310 to the user 1314 based on the dialog 1308. In an embodiment, decision 1310 may be based solely on information collected through a plurality of users 1314 of machine learning equipment 1318 belonging to initial query 1304, At least one of the plurality of users 1314 may be a user 1314 associated with the conversation 1308.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 초기 질문(1304)에 속하고 대화(1308)에 기초하여 그리고 초기 질문(1304)의 요지에 대한 제한된 초기 기계 학습 장비(1318) 지식을 갖고 사용자(1314)에 결정(1310)을 제공할 수 있다. 실시예에서, 제한된 초기 기계 학습 장비(1318) 지식은 시드 지식일 수 있고, 초기 질문(1304)의 요지와 관련된 기본 지식에 제한될 수 있고, 기본 지식이 전문가 지식일 수 있는 초기 질문(1304)의 요지와 관련된 기본 지식에 제한될 수 있다. In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 then belongs to an initial query 1304 and has a limited initial machine learning equipment 1318 knowledge on the basis of the dialog 1308 and for the essence of the initial question 1304, Lt; RTI ID = 0.0 > 1310 < / RTI > In an embodiment, the limited initial machine learning equipment 1318 knowledge can be seed knowledge, limited to basic knowledge related to the gist of the initial query 1304, and initial query 1304, in which the basic knowledge may be expert knowledge, To the basic knowledge related to the gist of the invention.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 결정(1310)을 제공할 수 있고, 결정(1310)은 전문가 및 사용자 입력의 조합으로부터 학습에 기초할 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ Machine learning equipment 1318 may then belong to an initial question 1304, such as recommendations, diagnoses, conclusions, advice, etc., and may provide decision 1310 to user 1314 based on dialog 1308, ) Can be based on learning from a combination of expert and user input.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하고 대화(1308)에 기초하여 사용자(1314)에 카테고리 기반 결정(1310)을 제공할 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 may then belong to an initial question 1304 such as recommendations, diagnoses, conclusions, advice, etc. and may provide the user 1314 with a category based decision 1310 based on the dialog 1308.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 사용자(1314)가 결정(1310)을 행하는 것을 도울 수 있다. 프로세스는 사용자(1314)로부터 기계 학습 장비(1318)에 의해 수신되는 초기 질문(1304)으로 시작할 수 있다. 사용자(1314)는 이어서 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어진 대화(1308)를 구비할 수 있다. 기계 학습 장비(1318)는 이어서 기계 학습 장비(1318)가 사이코그래픽 및 데모그래픽 차원 중 적어도 하나를 따라 결정(1310)을 분류하고 제공하기 위해 기계 학습 장비(1318)의 복수의 사용자(1314)로부터 응답을 이용할 수 있는 사용자(1314)에 결정(1310)을 제공할 수 있다.In an embodiment, the present invention may help the user 1314 to make a decision 1310 through the use of machine learning equipment 1318. [ The process may begin with an initial query 1304 received by the machine learning equipment 1318 from the user 1314. [ User 1314 may then have a dialog 1308 comprised of questions 1320 from machine learning equipment 1318 and answers 1322 provided by user 1314. [ The machine learning equipment 1318 is then used to determine whether the machine learning equipment 1318 is to be used by a plurality of users 1314 of the machine learning equipment 1318 to classify and provide decisions 1310 along at least one of the psychographic and demographic dimensions. And may provide decision 1310 to a user 1314 who may use the response.

실시예에서, 본 발명은 기계 학습 장비(1318)의 사용을 통해 응답을 사용자(1314)에 제공할 수 있다. 사용자(1314)는 기계 학습 장비(1318)로부터의 질문(1320) 및 사용자(1314)에 의해 제공된 답변(1322)으로 이루어지는 대화(1308)를 구비할 수 있고, 여기서 기계 학습 장비(1318)로부터의 질문(1320)은 엔터테인먼트 용례, 약물 전달 용례, 아기 이름 용례 등과 같은 용례에 관련될 수 있다. 기계 학습 장비(1318)는 이어서 추천, 진단, 결론, 조언 등과 같은 초기 질문(1304)에 속하는 대화(1308)에 기초하는 사용자(1314)에 응답을 제공할 수 있다. 실시예에서, 기계 학습 장비(1318)에 의해 제공된 미래 질문(1320) 및 결정(1310)은 사용자(1314)에 의해 제공된 피드백(1312)을 통해 향상될 수 있다.In an embodiment, the present invention may provide a response to user 1314 through the use of machine learning equipment 1318. [ The user 1314 may have a dialog 1308 consisting of a question 1320 from the machine learning equipment 1318 and a response 1322 provided by the user 1314, Question 1320 may relate to examples such as entertainment usage, drug delivery usage, baby name usage, and the like. Machine learning equipment 1318 may then provide a response to user 1314 based on dialog 1308 that belongs to initial question 1304, such as recommendations, diagnoses, conclusions, advice, and the like. In an embodiment, future questions 1320 and decisions 1310 provided by machine learning equipment 1318 may be enhanced through feedback 1312 provided by user 1314. [

실시예에서, 본 발명은 사용자의 기호도 프로파일 등에 기초하여 사용자 입력으로부터 텍스트 정합에 기초하는 결과와 같이 다수의 차원에 기초하는 결과를 제공할 수 있다. 도 27은 사용자 질의 "피오스"에 대한 검색 결과를 나타내는 예시적인 검색 인터페이스를 도시한다. 이 예에서, 랭킹은 사용자 질의에 대해 양호한 텍스트 정합인 제 1 발견 결정 및 결정 결과(추천) 및 이어서 시스템이 사용자의 기호도 프로파일에 대해 갖는 지식에 의한 결정 결과의 제 2 랭킹에 기초한다. 이 예에서, "피오스"는 "어느 ISP를 사용해야 하나"(2702) 및 "어느 미국 위성/케이블 서비스를 얻어야 하나?"(2704)에 추천으로서 결정 결과 "버라이즌 피오스"에 양호한 텍스트 정합이고, 양자 모두는 사용자의 기호도 선호도에 기초하는 이 사용자의 #1 랭킹된다.In an embodiment, the present invention may provide results based on multiple dimensions, such as results based on text matching from user input based on a user's preference profile or the like. Figure 27 shows an exemplary search interface that represents search results for a user query "feel. &Quot; In this example, the ranking is based on a first ranking and a second ranking of the results of the determination (recommendation), which is a good text match for the user query, and a determination result by knowledge the system has for the user's preference profile. In this example, "Phios" is a good text match to the determination result "Verizon Phios" as a recommendation to " Which ISP should be used "2702 and" Which US satellite / cable service should I get? " , Both of which are ranked # 1 of this user based on the user's preference degree of preference.

실시예에서, 본 발명은 사용자의 구조화되지 않은 입력에 응답하여 다수의 질문 및 답변 '결과'를 제공할 수 있다. 예를 들어, 도 28은 사용자의 질의가 'suv'인 경우를 도시한다. 제 1 결과는 이미 'suv'로 답변된 질문 '어느 유형의 자동차를 사기를 원하나?'를 갖는 토픽 "어느 새차를 사야 하나?'(2802)에 대한 것이다. 이는 시스템이 저장하는 구조화된 Q&A 데이터와 구조화되지 않은 검색 사이의 브리지를 제공할 수 있다. 또한, 예에서 도시된 바와 같이, 사용자의 상위 3개의 결과는 이들의 기호도 프로파일에 기초하여 개인화되어 표시된다. 효율적으로, 사용자는 예를 들어 '어느 BMW를 사야 하나?'(2804), '어느 최신 모델의 중고차를 사야 하나?'(2808) 및 '어느 타이어를 나의 자동차 또는 트럭에 사용해야 하나?'(2810)로 나타낸 예로서 제공된 다른 질문에 대해서와 같이 전통적인 Q&A 인터페이스를 경유하여 임의의 질문에 명시적으로 답변하지 않고 키워드 검색을 행하고 결과를 얻는다.In an embodiment, the invention may provide a number of questions and answers 'results' in response to a user's unstructured input. For example, FIG. 28 shows a case where the user's query is 'suv'. The first result is for the question "Which car should I buy?" (2802) with the question "What type of car do you want to buy?", Which is already answered with 'suv.' This is the structured Q & A The top three results of the user are personalized and displayed based on their preference profile, as shown in the example. (2804), "Which BMW should I buy?" (2804), "Which one should I buy a used car of the latest model" (2808), and "Which tire should I use for my car or truck? As in the case of questions, we do keyword searches without explicitly asking any questions via traditional Q & A interfaces and get results.

실시예에서, 본 발명은 이들이 서로 모순되고 서로 배타적이거나 각각 개별적으로 사용자를 위한 결과의 랭킹에 극적인 영향을 갖는 질문에 답변을 제공할 때 이들의 선호도를 표현하기 위해 사용자의 문의할 수 있다. 예를 들어, 사용자는 "어느 새차를 사야 하는가" 토픽을 시작하고 이들이 $18,000 미만의 SUV를 구매하기를 원하고 사치보다는 더 실용적인 것으로 답변할 수 있다. 시스템은 더 중요한 것에 대한 사용자의 선호도-자동차가 SUV이거나 $18,000 미만임-를 얻기를 원할 수 있다. 도 29는 이들의 선호도를 문의하는 사용자로의 예시적인 질문을 도시한다.In an embodiment, the present invention may query the user to express their preferences when they are contradictory, mutually exclusive, or each individually answering questions that have a dramatic impact on the ranking of results for the user. For example, a user might start a "Which new car should I buy" topic and want them to buy SUVs under $ 18,000 and answer more practical than luxury. The system may want to get user preference for more important things - cars are SUVs or under $ 18,000. Figure 29 shows an exemplary question to the user querying their preferences.

실시예에서, 시스템은 사용자당, 결정 결과당, 질문-답변-결정 결과당 등인 질문 중요도의 세트를 학습할 수 있다. 예를 들어, 시스템은 사용자 A가 소형 카메라를 구매하기로 할 때 가격보다 중량에 대해 더 많이 관심을 갖지만, 자동차를 구매하게 될 때 다른 것보다 가격에 대해 더 많이 관심을 갖는다는 것을 학습할 수 있다.In an embodiment, the system may learn a set of query importance, such as per user, per decision result, per query-answer-decision result, and so on. For example, the system can learn that user A is more interested in weight than price when he chooses to buy a small camera, but he is more interested in price than others when he buys a car have.

실시예에서, 사용자는 새로운 결정 결과를 추가함으로써 시스템을 확장할 수 있다. 이들 새로운 결과는 결정 결과에 대해 더 많이 판독하기 위해 웹 페이지로의 링크를 선택적으로 포함할 수 있다. 시스템은 시스템이 링크가 지시하는 사이트로부터 위탁을 수신하도록 링크를 제휴하도록 이들 링크를 자동으로 전환할 수 있다. 또한, 사용자에 의해 제출된 링크에 기초하여, 시스템은 어느 종류의 링크인지를 인식할 수 있고, 어떻게 아마존닷컴으로부터와 같이 제품에 대한 가격과 같은 정보를 분석하거나 또는 제품 코드를 분석하여 상인 특정 API 호가 제품 코드에 기초하여 제품 정보를 찾도록 이루어질 수 있는지를 이해할 수 있다.In an embodiment, the user may extend the system by adding new decision results. These new results may optionally include a link to a web page to further read the determination result. The system may automatically switch these links so that the system associates the link to receive the commit from the site pointed to by the link. Also, based on the links submitted by the user, the system can recognize what kind of link it is, and can analyze information such as price for the product, such as from Amazon.com, or analyze the product code, It can be understood that the call can be made to search the product information based on the product code.

실시예에서, 사용자는 특이값 분해(SVD), 고유벡터 및 다른 유사한 기반 접근법과 같은 차원 감소 기술을 사용하여 그룹으로 클러스터링될 수 있다. 시스템은 왜 사용자의 그룹이 함께 클러스터링되는지에 대한 정보를 표시할 수 있다. 이를 수행하기 위한 일 방식은 클러스터가 전체로서 집단 평균으로부터 가장 상이한 저차원 공간에서 상위 X 차원을 발견하는 것이다. 서브 공간에서 각각의 차원에서 일반적인 집단의 분포로부터 답변의 클러스터의 분포의 발산이 이들이 각각의 클러스터에 대해 고유한 것을 얼마나 잘 설명하는지의 견지에서 차원을 랭킹하는데 사용될 수 있다.In an embodiment, a user may be clustered into groups using dimension reduction techniques such as singular value decomposition (SVD), eigenvectors, and other similar underlying approaches. The system can display information on why the groups of users are clustered together. One way to do this is to find the top X dimension in the low dimensional space where the cluster is the most different from the population mean as a whole. The divergence of the distribution of the clusters of answers from the distribution of the general population at each dimension in the subspace can be used to rank the dimensions in terms of how well they are to be unique for each cluster.

실시예에서, 서브 공간의 차원은 어떻게 사람들이 질문에 답변하는지 또는 어느 결정 결과를 이들이 좋아하는지와 같은 다수의 상이한 특징으로 구성되는 것에 기인하여 용이하게 설명되거나 해석될 수 없다. 각각의 차원이 의미하는 것을 설명하는 일 방식은 이들 질문/답변으로 차원을 라벨 표기하고 차원의 상이한 극단과 가장 상관되는 질문 및 답변을 발견하는 것일 수 있다.In an embodiment, the dimensions of the subspace can not be easily described or interpreted due to how it consists of a number of different features, such as how people answer a question or which decision results they like. One way of describing what each dimension means is to label the dimension with these questions / answers and find the questions and answers most relevant to the different extreme of the dimension.

실시예에서, 사용자를 클러스터하기 위한 일 방식은 사용자의 초기 랜덤 그룹화를 취출하여 얼마나 많은 사용자가 이들 자신의 클러스터에서 서로로부터 상이한지를 최소화하기 위해 클러스터 사이에 사용자를 반복적으로 이동시키는 것일 수 있다. 몇 번의 반복 후에, 프로세스는 중단될 수도 있고, 또는 프로세스는 임계량의 에러에 도달할 때까지 계속될 수도 있다.In an embodiment, one way to cluster users may be to take a user's initial random grouping and repeatedly move users between clusters to minimize how many users are different from each other in their own clusters. After a few iterations, the process may be interrupted, or the process may continue until a critical amount of errors is reached.

실시예에서, 본 발명은 사용자 유사성에 의해 정합을 용이하게 할 수 있다. 사용자명, 이메일 주소, 수치적 사용자 id 등을 제공하는 것은 소정 방식으로 유사하거나 유사하지 않은 다른 사용자의 리스트를 제공한다. 예를 들어, 페이스북 사용자명을 제공하는 것은 전자 기기에서와 같이 전체 또는 몇몇 특정 방식으로 유사한 기호도를 갖는 다른 페이스북 사용자의 랭킹된 리스트를 제공한다. 게다가, 이 리스트는 선택적으로 예를 들어 제 1 사용자로부터 사회적 그래프에서 1도 이격하는 다른 사용자에 제한될 수 있다(예를 들어, 나에 대한 이들의 유사성에 의해 페이스북 상의 내 친구들을 랭킹하여 내가 나와 가장 같은 사람에게 질문할 수 있음). 실시예에서, 사용자 유사성은 이들 자신에 대해 사용자 질문을 문의하는 것을 경유하여 컴퓨팅될 수 있어 이들의 위치, IP 어드레스, 시간 등과 같은 콘텍스트를 사용하여 이들의 사회적 그래프를 참조한다. 사회적 그래프는 사용자명, 이메일 주소, 이름, 성, 생일, 주소, 성별 및 다른 유사한 정보에 대한 발견법(heuristics)에 기초하여 다른 데이터 세트의 기지의 사용자에 사회적 그래프 내의 사용자를 맵핑함으로써 사용될 수 있다. 인접한 사람들은 이들이 당신이 그 상에서 '삼각측량'하려고 시도하는 사람으로부터 더 많이 제거되더라도 더 많은 사람을 고려하기 위해 사회적 그래프 내에서 검색될 수 있다. 예를 들어, 페이스북으로부터의 사회적 그래프를 나와 가장 유사한 페이스북 상의 사용자를 발견하기 위해 아마존에 기록된 리뷰를 갖는 사용자와 조합하고, 이어서 이들이 랩탑 추천을 나에게 제공하기 위해 아마존 상에서 좋아할 경향이 있는 랩탑을 찾는다. 다른 예에서, 리뷰는 당신과 유사한 사람들에 기초하여 옐프, 트립어드바이저, 아마존 등과 같은 사이트 상에 필터링될 수 있다. 이 정보는 이어서 페이스북 상에 "친구를 맺고", 트위터 상에 '팔로잉'하도록 사용자를 추천하는 것과 같이 사용자를 돕기 위해 사용될 수 있다. 도 30 및 도 31은 본 발명에 의해 제공될 수 있는 바와 같은 유사성 프로파일의 예를 제공한다.In an embodiment, the present invention can facilitate matching by user similarity. Providing a user name, email address, numerical user id, etc. provides a list of other users that are similar or unlike in some way. For example, providing a Facebook username provides a ranked list of other Facebook users with similar preferences in all or some specific ways, such as in an electronic device. In addition, this list may optionally be limited to other users, for example, one user away from the social graph from the first user (e.g., by ranking their friends on Facebook by their similarity to me, I can ask the same person as me.) In an embodiment, user similarity can be computed via querying user questions about themselves and refers to their social graphs using contexts such as their location, IP address, time, and the like. Social graphs can be used by mapping users in social graphs to known users of other data sets based on heuristics of user name, email address, first name, last name, birthday, address, gender and other similar information. Adjacent people can be searched in a social graph to consider more people, even if they are more removed from the person you are attempting to 'triangulate' on it. For example, a social graph from Facebook could be combined with a user with a review on Amazon to find the most similar Facebook user, and then they tend to like it on Amazon to provide me with laptop recommendations Find your laptop. In another example, a review can be filtered on sites such as Yelp, Trip Advisor, Amazon, etc. based on people similar to you. This information can then be used to help the user "make a friend" on Facebook, and recommend the user to " follow " on Twitter. Figures 30 and 31 provide examples of similarity profiles as may be provided by the present invention.

실시예에서, 본 발명은 그 대신에 이어서 일들을 좋아하고/싫어하는 사람들을 추천함으로써 추천 사이의 부정직의 레벨을 제공할 수 있다. 본 발명은 어느 유사한 사용자가 아마존에 유도되는지에 기초하여 구매할 것들, 옐프, 자가트, 포스퀘어 등 상의 유사한 사용자에 기초하여 식사할 위치, 어느 유사한 사람들이 클릭했는지에 기초하여 구글 검색 결과에서 클릭하는 것들 등을 추천할 수 있다. 예를 들어, 어느 사용자를 트위터로의 새로운 사용자가 팔로잉해야 하는지를 추천하는 문제점 고려한다. 본 발명은 트위터 상의 사용자 및 이들에 팔로잉하는 사람을 찾을 수 있고, 이들이 이들 자신에 대해 답변하는 질문에 기초하여 각각의 사용자에 대한 것들을 인지하는 본 발명의 데이터 세트에 이들 팔로워의 일부를 정합할 수 있다. 이는 또한 아마존 사용자, 옐프 사용자 등과 같은 다른 사용자들에 팔로워를 정합하여 이들에 대해 다른 것들을 학습할 수 있다. 이에 기초하여, 본 발명은 트위터 사용자와 같은 특정 사용자의 팔로워에 대해 추론을 행할 수 있다. 이제, 새로운 사용자는 이들 자신에 대해 문의할 수 있고 어느 현존하는 사용자의 팔로워가 이 새로운 사용자가 가장 유사한지를 발견할 수 있다. 추천은 이어서 그 팔로워가 새로운 사용자와 가장 유사한 현존하는 트위터 사용자를 팔로잉하기 위해 새로운 트위터 사용자에 대해 생성될 수 있다.In an embodiment, the present invention may instead provide a level of dishonesty between referrals by recommending those who likes / dislikes things. The present invention is based on what to buy based on which similar users are led to Amazon, locations to eat based on similar users on Yelp, Zat, Foursquare, etc., and clicks on Google search results based on which similar people clicked Can be recommended. For example, consider the issue of recommending which user should be followed by a new user to Twitter. The present invention can find a user on Twitter and those who follow it, and they can match some of these followers to a data set of the present invention that perceives things for each user based on the questions they answer about themselves . It can also learn other things about them by matching their followers to other users, such as Amazon users, Yelp users, and so on. Based on this, the present invention can make inferences about a specific user's follower, such as a Twitter user. Now, the new user can inquire about themselves and find out which existing user's follower is most similar to this new user. The recommendation can then be generated for a new Twitter user to follow an existing Twitter user whose follower is most similar to the new user.

실시예에서, 본 발명은 예를 들어 사용자로부터의 새로운 정보를 즉시 반영하고, 이들의 사회적 그래프, 이들에 대한 새로운 사실, 위치 변경과 같은 이들의 콘텍스트를 즉시 사용하는 것과 같이 추천을 행하는 것과 같은 실시간 개인화를 용이하게 할 수 있어 추천을 재랭킹하거나 다른 방식으로 결과를 향상시킬 수 있다.In embodiments, the present invention may be used to provide real-time information such as, for example, immediately reflecting new information from a user and making recommendations such as their social graphs, new facts about them, Personalization may be facilitated and the recommendation may be re-ranked or otherwise improved.

실시예에서, 본 발명은 사용자가 먹기를 좋아하는 근처의 장소, 음료, 이들이 보려고 하는 사이트, 할 일 등을 표시하기 위해 위치를 암시적으로 사용하는 것과 같은, 위치, 시간, 날씨, 사회적 그래프 등 과 같은 콘텍스트에 기초하여 정합할 수 있다. 예를 들어, 이 프로세스는 이어서 GPS를 경유하여 위치 데이터로의 액세스를 갖는 모바일 애플리케이션에 사용될 수 있다. 선택적으로, 추천은 현재 날씨(예를 들어, 비가 내리면 사람들이 단지 안뜰에 기인하여 좋아하는 장소를 추천하지 않음), 현재 시간(예를 들어, 10 am에 나이트클럽을 추천하지 않음), 달력(예를 들어, 사용자가 바쁘고 이들이 미래에 있어야 할 장소를 인지함), 사회적 그래프(예를 들어, 사용자의 친구가 동일한 다른 것에 있는 장소를 추천함)와 같은 사용자의 콘텍스트의 다른 부분에 의해 통보될 수 있다.In an embodiment, the present invention provides location, time, weather, social graphs, and the like, such as implicitly using a location to indicate nearby places where the user likes to eat, drinks, sites they are about to see, Lt; / RTI > based on context such as < RTI ID = 0.0 > For example, the process can then be used in a mobile application having access to location data via GPS. Alternatively, the recommendation may be made based on the current weather (e.g., when the rain falls, people do not recommend the place they like due to the courtyard), the current time (e.g., not recommending a nightclub at 10 am) (E.g., the user is busy and knows where they should be in the future), and other parts of the user's context, such as social graphs (e.g., a user's friend suggests a place in the same other) .

실시예에서, 본 발명은 예를 들어 이들이 돕기를 원하는 결정 또는 추천에 대해 사용자로부터 자유 형식 또는 구조화된 입력을 허용하기 위해 자연 언어 질문 및 답변 인터페이스를 제공할 수 있다. 입력은 사용자에 문의하고, 다른 사용자가 질문을 리뷰하게 하고, 자연 언어 프로세싱과 같은 자동화된 기술을 사용하는 것(즉, "이 질문이 전자 기기, 여행, 자동차 또는 몇몇 다른 토픽에 대한 것인가?") 등에 의해 분류될 수 있다.In an embodiment, the present invention may provide a natural language question and answer interface, for example, to allow free form or structured input from a user for a decision or recommendation that they want to help. The input is to ask the user, let the other user review the question, and use automated techniques such as natural language processing (ie, "Is this question about electronics, travel, cars or some other topic?" ), And the like.

실시예에서, 본 발명은 질문의 카테고리 내에 전문 지식을 갖는 요구 사용자에 유사한 사용자를 발견할 수 있다. 예를 들어, 사용자는 호텔에 유사한 기호도를 갖고 L.A. 호텔에 대한 것을 인지하는(자기 설명된 지식 또는 이들의 동작에 기초하는 증명된 지식과 같이) 사람들로부터 L.A. 내의 호텔에 대해 조언받기를 원할 수 있다. 예를 들어, 본 발명은 이어서 새로운 질문 및 이를 해결하는 것을 돕는 것의 요구에 대해 이들 유사한 사용자에 경보할 수 있다. 얼마나 많이 이전의 질의/경보를 이들이 송신하는지, 얼마나 많이 이들이 이미 응답하였는지, 이들의 응답이 얼마나 도움이 되었는지 등에 대한 고려가 제공될 수 있다. 유사한 사용자는 요구 사용자의 결정 또는 추천 문제점을 통보하는 것을 돕기 위해 요구 사용자와 대화에 관여하도록 허용될 수 있다. 최종 대화는 사용을 위해 다른 사람을 위해 저장될 수 있고, 다른 요구 사용자에 의해 이후의 소환을 보조하기 위해 대화를 구조화된 형태로 인덱싱하기 위해 유사한 사용자를 조장할 수 있다.In an embodiment, the invention may find users similar to the requesting user with expertise in the category of the question. For example, a user may have similar preferences to a hotel and have L.A. L.A. from people who are aware of the hotel (such as self-described knowledge or proven knowledge based on their actions). You may want to be advised about hotels within. For example, the present invention can then alert these similar users to the need for new questions and help to solve them. Consideration can be given to how many previous queries / alerts they send, how much they have already responded, and how their response has helped. Similar users may be allowed to engage in a conversation with the requesting user to help inform the requesting user's decision or recommendation issue. The final conversation may be stored for other users for use and may encourage similar users to index the conversation in a structured form to assist subsequent summons by other requesting users.

본 발명은 이들의 사용자에 대해 학습하는 능력을 제 3 자 사이트에 제공하여, 유사한 사용자를 발견하고, 예를 들어 시스템과의 직접적인 사용자 상호 작용에 독립적으로 추천을 행할 수 있다. 실시예에서, 본 발명은 이들 자신의 웹 사이트를 호스팅하는 제 3 자와 같은 제 3 자가 사용자의 기호도, 선호도, 좋아하는 것, 싫어하는 것 및 다른 속성에 대해 학습하는데 사용할 수 있는 기호도 및 선호도 API를 제공할 수 있고, 여기서 사용자는 대화에 관여하거나 본 발명의 컴퓨팅 장비와 직접 상호 작용하지 않는다. 예를 들어, 사용자는 아마존닷컴과 같은 웹사이트로 진행하여 제품에 대한 질의를 행할 수 있다. 이 경우에, 아마존은 사용자의 기호도, 선호도 등을 더 양호하게 결정하기 위해 사용자의 기호도 및 선호도 프로파일의 생성 또는 향상을 가능화하고, 따라서 제 3 자가 사용자 질의에 대한 의미 있는 응답을 사용자에게 재차 더 양호하게 타겟화하는 것을 가능화하는 본 발명의 API를 가질 수 있다. 실시예에서, 제 3 자는 예를 들어 사용자와의 이전의 상호 작용을 통해 이들의 기호도 및 선호도를 판정함으로써 사용자 상호 작용 없이 사용자의 기호도, 선호도 등을 판정하기 위해 API를 사용할 수 있고, 여기서 이들 이전의 상호 작용은 이 예에서 아마존과 같은 제 3 자 사이트 상에 있는 동안의 이전의 상호 작용으로부터, 또는 유사한 API를 호스팅하는 다른 웹사이트와의 이전의 상호 작용으로부터 또는 본 발명의 장비와의 직접 상호 작용을 통해 이루어질 수 있다. 실시예에서, API는 사용자와의 상호 작용이 다른 유사한 사용자를 식별하는데 사용될 수 있어 따라서 선택, 결정, 선정, 추천 등을 사용하도록 복수의 사용자에 의해 사용될 수 있다. 실시예에서, 이들 다른 유사한 사용자는 API를 호스팅하는 제 3 자, 또는 다른 호스트 API 사이트로부터 또는 본 발명의 장비로부터 관련될 수 있다. 실시예에서, 제 3 자 사이트에 의해 호스팅되는 본 발명의 API의 사용은 사용자의 기호도, 선호도, 좋아하는 것, 싫어하는 것, 속성 등에 관련된 추천에 대해 제 3 자 사이트에 상당한 장점을 제공할 수 있다.The present invention can provide the ability to learn about these users to third party sites, discover similar users, and make recommendations, for example, independent of direct user interaction with the system. In an embodiment, the present invention provides preference and preference APIs that a third party, such as a third party hosting their own website, can use to learn about the user's preferences, likes, dislikes, and other attributes Where the user does not engage in conversations or interact directly with the computing device of the present invention. For example, a user can go to a website like Amazon.com to query a product. In this case, the Amazon enables creation or enhancement of the user's preference and preference profiles to better determine the user's preferences, preferences, etc., and thus allows the third party to send a meaningful response to the user query again May have the API of the present invention to enable targeted targeting. In an embodiment, the third party may use the API to determine the preferences, preferences, etc., of the user without user interaction by, for example, determining their preferences and preferences through previous interaction with the user, In this example may be obtained from previous interactions while on a third party site such as Amazon or from previous interactions with other websites hosting similar APIs or directly with the equipment of the present invention Can be achieved through the action. In an embodiment, the API may be used by multiple users to use selection, decision, selection, recommendation, etc., so that interaction with the user can be used to identify other similar users. In an embodiment, these other similar users may be related from a third party hosting the API, or from another host API site or from the equipment of the present invention. In an embodiment, the use of an API of the present invention hosted by a third party site may provide significant advantages to third party sites for recommendations related to the liking, preference, likes, dislikes, attributes, etc. of the user .

실시예에서, 사용자의 기호도 및 선호도는 다른 유사한 사용자, 사회적 네트워크 내의 사용자에 접속된 다른 사용자, 개인 또는 직업적 활동을 통해 관련된 다른 사용자, 친구 또는 가족인 다른 사용자 등과 같은 다른 사용자를 통해 판정되거나 증대될 수 있다. 실시예에서, 이는 사용자의 질문을 문의할 필요 없이 행해질 수 있다. 예를 들어, 사용자는 본 발명을 통해 설정된 바와 같은 현존하는 기호도 및 선호도를 가질 수 있고, 이 프로파일은 이들의 사회적 네트워크, 가족, 비즈니스의 장소 등의 다른 사용자에 대한 정보를 수집하거나 추론함으로써 향상될 수 있다. 실시예에서, 사용자의 프로파일은 사회적 네트워크를 통해서와 같이 다른 유사한 사용자 또는 사용자로의 소정의 접속을 갖는 것으로 나타낸 사용자로부터 부가적인 기호도 및 선호도를 추론하는 것을 통해 향상될 수 있다. 실시예에서, 사용자의 프로파일은 제품 선택, 추천 등과 같은 다른 유사한 사용자에 의해 행해진 선택을 통해 향상될 수 있다. 실시예에서, 시스템은 이들이 좋아하고 좋아하지 않는 것들의 이들의 평점을 통해 또는 어떻게 사용자가 이들의 사용자 프로파일을 태그하는지를 분석함으로써 기호도 프로파일을 추론하는 것과 같이 자연 언어 프로세싱의 사용을 통해 기지의 사용자의 기호도 프로파일에 대해 학습할 수 있다.In an embodiment, a user's preference and preference may be determined or augmented through other similar users, other users connected to users in the social network, other users such as other users who are related through personal or professional activities, friends or family, etc. . In an embodiment, this may be done without having to ask the user questions. For example, a user may have existing preferences and preferences as set through the invention, which may be enhanced by gathering or inferring information about other users, such as their social network, family, business location, . In an embodiment, the user's profile may be enhanced through inferring additional preferences and preferences from the user as having a predetermined connection to another similar user or user, such as through a social network. In an embodiment, the user's profile may be enhanced through selection made by other similar users, such as product selection, recommendation, and the like. In an embodiment, the system may be able to determine preferences of the base user through the use of natural language processing, such as by inferring preference profiles by analyzing how users tag their user profiles through their ratings of what they like and do not like You can learn about profiles.

도 32를 참조하면, 실시예에서, 본 발명은 하나 이상의 컴퓨터 상에서 실행될 때, (1) 제 3 자 웹사이트(3220)에 사용자 선호도 학습 API를 제공하여 제 3 자의 시장에 적용된 바와 같은 사용자(3218)의 선호도를 판정하는 단계로서, 선호도 학습 API는 컴퓨터 장비의 확장으로서 실행되는 단계(3204), (2) 제 3 자의 시장에 관련된 제 3 자 정보를 수신하는 단계(3208), (3) 사용자(3218)의 선호도를 수집하여 사용자 선호도 프로파일로서 이들을 저장하는 단계(3210), (4) 제 3 자의 시장과 관련된 제 3 자 웹사이트(3220)에서 사용자로부터 질의를 수신하는 단계, 및 (5) 사용자 선호도 프로파일 및 제 3 자 정보에 기초하여 제 3 자에 추천을 공급하여 수신된 질의의 답변에 있어 제 3 자를 보조하는 단계를 수행함으로써 컴퓨터 장비(3202)의 사용을 통해 사용자에 대해 학습하기 위해 제 3 자 웹사이트를 돕는 컴퓨터 판독 가능 매체에 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 선호도 판정은 자연 언어 프로세싱의 사용을 통할 수 있다. 컴퓨팅 장비는 기계 학습 장비일 수 있다. 제 3 자 정보는 제품 제조업자로부터의 제품 정보, 웹 상인으로부터의 제품 정보, 다른 웹사이트로부터의 가격 정보, 다른 웹사이트로부터의 입수 가능성 정보, 리뷰, 코멘트 및 평점 중 적어도 하나로 이루어질 수 있다. 선호도 학습 API는 비용 정보, 제품 정보, 개인 정보 및 토픽 정보 중 적어도 하나의 수집을 가능화할 수 있다. 또한, 사용자 프로파일 선호도는 사용자의 사회적 네트워크로부터 추론된 정보에 기초할 수 있고, 여기서 사용자는 사용자와 컴퓨터 장비 사이의 부가적인 대화를 수신할 수 있다.Referring to Figure 32, in an embodiment, the present invention, when executed on one or more computers, provides (1) a user preference learning API to a third party website 3220 to enable a user 3218 (2) receiving (3208) third party information related to a market of a third party, (3) determining a preference of the user (3210) collecting preferences of the third party website (3218) and storing them as a user preference profile; (4) receiving a query from a user at a third party web site (3220) To provide a recommendation to a third party based on the user preference profile and third party information to assist the third party in answering the received query to learn about the user through use of the computer equipment 3202 It is possible to provide a computer program product embodied on a computer readable medium that helps third party websites. In an embodiment, the preference determination may be through the use of natural language processing. The computing equipment may be machine learning equipment. The third party information may comprise at least one of product information from a product manufacturer, product information from a web merchant, price information from other websites, availability information from other websites, reviews, comments and ratings. The preference learning API may enable the collection of at least one of cost information, product information, personal information, and topic information. In addition, the user profile preferences may be based on information deduced from the user's social network, wherein the user may receive additional conversations between the user and the computer equipment.

도 33을 참조하면, 본 발명은 광고를 타겟화하기 위해 사용자에 복귀된 응답을 타겟화하기 위해 기호도 및 선호도의 사용을 제공하고, 유사한 사용자로부터 리뷰를 표시하고, 제품 또는 서비스를 추천하고, 사회적 네트워크 상에 유사한 사람들을 표시하고, 어느 결과가 유사한 사용자가 가장 많이 클릭한 것인지에 기초하여 검색 결과를 랭킹할 수 있다. 실시예에서, 본 발명은 하나 이상의 컴퓨터 상에서 실행될 때, (1) 제 3 자 웹사이트(3320)에 사용자 선호도 학습 API를 제공하여 제 3 자의 시장에 관련된 바와 같은 사용자의 선호도를 판정하는 단계로서, 여기서 선호도 학습 API가 컴퓨터 장비의 확장으로서 실행되는 단계(3304), (2) 제 3 자의 시장에 관련된 제 3 자 정보를 수신하는 단계(3308), (3) 사용자(3318)의 선호도를 수집하고 사용자 선호도 프로파일로서 이들을 저장하는 단계(3310), (4) 제 3 자 웹사이트에서 사용자(3318)로부터 질의를 수신하는 단계(3312), 및 (5) 제 3 자의 시장에 관련된 제 3 자 정보 및 사용자 선호도 프로파일에 저장된 바와 같은 사용자(3318)의 선호도를 사용자 선호도 학습 API에서 사용하여 사용자로부터 질의에 관련하는 응답을 사용자에게 재차 제공하는 단계를 수행함으로써 컴퓨터 장비(3302)의 사용을 통해 사용자로 복귀된 응답을 타겟화하는 것을 돕는 컴퓨터 판독 가능 매체에 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 컴퓨팅 장비는 기계 학습 장비일 수 있다.33, the present invention provides for the use of preference and preference to target a response returned to a user to target an advertisement, to display a review from a similar user, to recommend a product or service, It is possible to display similar people on the network and rank search results based on which results are most clicked by similar users. In an embodiment, the present invention provides a method for providing a user preference learning API, when executed on one or more computers, comprising the steps of: (1) providing a user preference learning API to a third party web site 3320 to determine a user's preference as related to a third party's market, (3) receiving (3308) third party information related to the third party's market; (3) collecting the preferences of the user (3318); Storing them as a user preference profile 3310, (4) receiving a query 3312 from a user 3318 at a third party web site, and (5) By using the preferences of the user 3318 as stored in the user preference profile in the user preference learning API and re-providing the user with a response related to the query from the user, Through the use of non-3302 may provide a computer program product embodied in a computer readable medium that help to targeted the response returned to the user. In an embodiment, the computing device may be a machine learning device.

응답은 사용자에 광고를 제공하는 것일 수 있고, 여기서 광고는 사용자 선호도 프로파일에 저장된 바와 같은 사용자의 선호도에 기초할 수 있다. 광고는 컴퓨터 장비에 의해 제공되고, 제 3 자를 통해 제공되고, 컴퓨터 장비로부터 제 3 자에 제공된 선호도를 통해 가능화되고, 사용자의 사회적 네트워크에서 다른 사용자에 전달되는 등이다. 응답은 제 3 자의 시장에 관련된 제품, 서비스 등의 추천을 제공할 수 있다. 적어도 제 2 사용자의 선호도를 수집하는 것은 제 2 사용자를 위한 사용자 선호도 프로파일을 형성할 수 있어, 선호도 프로파일의 비교에 기초하여 사용자에 유사하도록 제 2 사용자를 판정한다. 응답은 제 2 사용자에 의해 행해진 추천을 제공하는 것일 수 있다. 제 2 사용자에 대한 선호도의 수집은 인터넷 기반 사회적 구성으로부터 취해질 수 있고, 응답은 구성에 대해 유사한 사람으로서 제 2 사용자를 표시하는 사용자에 정보를 제공하고, 여기서 인터넷 기반 사회적 구성은 사회적 네트워크일 수 있다. 적어도 제 2 사용자에 대한 선호도의 수집은 검색 결과 선택을 포함할 수 있고, 질의는 검색 결과일 수 있고, 응답은 적어도 제 2 사용자의 검색 결과 선택에 따라 랭킹된 검색 결과일 수 있다. 수집은 사용자에 의해 행해진 추천, 구매 및 검색 결과 선택으로부터일 수 있다. 수집은 사용자의 위치 거동을 드러내는 소스로부터일 수 있다. 소스는 웹 서비스 포스퀘어, 옐프, 구글, 고왈라, 페이스북 등으로부터와 같은 사용자 위치 정보일 수 있다. 소스는 서비스 공급자로부터 사용자 위치 정보일 수 있다. 제 3 자 정보는 제품 제조업자, 웹 상인으로부터의 제품 정보, 다른 웹사이트로부터의 가격 정보, 다른 웹사이트로부터의 입수 가능성 정보, 상인으로부터의 가격 정보, 상인으로부터의 입수 가능성 정보, 리뷰, 코멘트 및 평점 중 적어도 하나로 이루어질 수 있다. 선호도 판정은 자연 언어 프로세싱의 사용을 통할 수 있다. API는 비용 정보, 제품 정보, 개인 정보, 토픽 정보 등의 수집을 가능화할 수 있다. 수집은 인터넷 기반 사회적 상호 작용 구성에 표현된 바와 같은 사용자의 상호 작용으로부터 올 수 있고, 여기서 인터넷 기반 사회적 상호 작용 구성은 사회적 네트워크일 수 있다. 응답은 리뷰를 읽는 사용자에 대한 리뷰 저자의 유사성에 의해 분류된 리뷰의 리스트일 수 있다. 사용자의 선호도를 수집하는 것은 제 3 자 웹사이트를 통할 수 있다. 수집은 제 3 자 웹사이트를 크롤링하는 것을 통할 수 있다.The response may be to provide an advertisement to the user, where the advertisement may be based on the user's preference as stored in the user preference profile. The advertisements may be provided by computer equipment, provided by third parties, enabled by preferences provided to third parties from computer equipment, communicated to other users in the user's social network, and the like. The response may provide recommendations for products, services, etc. related to the third party's market. Collecting at least the preferences of the second user may form a user preference profile for the second user to determine the second user to be similar to the user based on the comparison of preference profiles. The response may be to provide a recommendation made by the second user. The collection of preferences for the second user may be taken from an Internet based social composition and the response may provide information to a user representing the second user as a similar person to the configuration wherein the Internet based social organization may be a social network . The collection of preferences for at least the second user may include a search result selection, the query may be a search result, and the response may be a search result ranked according to at least a second user's search result selection. The collection may be from recommendation, purchase and search result selection made by the user. The collection can be from a source that reveals the user's location behavior. The source may be user location information, such as from Web services Foursquare, Yelp, Google, Gowalla, Facebook, and the like. The source may be user location information from a service provider. Third party information may include product information from product manufacturers, web merchants, price information from other websites, availability information from other websites, price information from merchants, availability information from merchants, reviews, comments, And a score. The preference determination can be through the use of natural language processing. The API may enable collection of cost information, product information, personal information, and topic information. The collection may come from a user's interaction as expressed in an Internet-based social interaction configuration, wherein the Internet-based social interaction configuration may be a social network. The answer may be a list of reviews categorized by the review author's similarity to the user reading the review. Collecting user preferences can be through a third party web site. Collection can be through crawling third-party websites.

실시예에서, 본 발명은 제 3 자가 사용자의 선호도에 기초하여 사용자에 광고를 타겟화하는데 사용할 수 있는 기호도 및 선호도 API를 이용할 수 있고, 여기서 사용자는 대화에 관여하거나 본 발명의 컴퓨팅 장비와 직접 상호 작용하지 않는다. 예를 들어, 사용자는 시스템과의 질문 및 답변의 대화를 이전에 경험할 수 있고, 이 대화를 통해 시스템은 사용자를 위한 기호도 및 선호도 프로파일을 전개할 수 있다. 실시예에서, 대화는 본 발명의 장비에 의해 직접, 또는 본 발명에 의해 제공된 제 3 자 API를 통해 제공될 수 있다. 대안적으로, 사용자는 본 발명의 장비와 결코 상호 작용되지 않을 수 있고, 여기서 사용자의 기호도 및 선호도 프로파일은 사용자의 상호 작용, 응답, 추천, 리뷰 등을 통해 생성되어 업데이트될 수 있다. 실시예에서, 시스템은 이들이 좋아하는 것과 좋아하지 않는 것의 이들의 평점을 통해, 또는 어떻게 사용자가 이들의 사용자 프로파일을 태그하는지를 분석함으로써 기호도 프로파일을 추론하는 것과 같은 자연 언어 프로세싱의 사용을 통해 기지의 사용자의 기호도 프로파일에 대해 학습할 수 있다. 사용자를 위한 기호도 및 선호도 프로파일은 이어서 사용자의 기호도 및 선호도에 정합되는 광고와 같이 사용자에 광고를 타겟화하는데 사용될 수 있다. 예를 들어, 제 3 자 기호도 및 선호도 API는 엘.엘. 빈(L.L. Bean), REI, EMS 등과 같은 옥외 상점 웹사이트와 관련될 수 있고, 여기서 옥외 상점은 이들의 고객에 광고의 이들의 타겟화를 향상시키도록 시도한다. 고객은 이어서 옥외 상점 웹사이트에 방문하고 하이킹 부츠와 같은 제품에 대한 질의를 행할 수 있다. 기호도 및 선호도 API는 이어서 사용자의 브라우저로의 광고 배치에 대한 정합을 설정하기 위해 사용자의 기호도 및 선호도의 조사를 가능하게 할 수 있다. 이 예에서, 사용자의 기호도 및 선호도 프로파일은 사용자가 뉴잉글랜드에 여행을 즐기고, 캠프를 좋아하고, 아이들이 있는 가족을 갖는 등을 지시할 수 있다. 그 결과, 웹사이트와 관련된 광고 장비는 사용자의 질의에서 정보, 이 경우에 하이킹 부츠 및 이들의 기호도 및 선호도 프로파일로부터의 정보를 이용하는 광고를 선택할 수 있다. 이 경우에 광고는 뉴잉글랜드에서 여행을 위해 이들의 선호도와 사용자의 하이킹 부츠 질의를 조합하는 화이트 마운틴에서의 숙박을 위한 것일 수 있다. 또한, 숙박은 사용자가 가족으로서 여행하기를 좋아하기 때문에 가족 숙박일 수 있고 사용자의 선호도를 반영하는 속성을 갖는다. 실시예에서, 제 3 자 기호도 및 선호도 API는 이들이 광고 스폰서로부터 주어진 광고 배치에 이루어진 세입을 증가시키는 것이 가능할 수 있도록 제 3 자가 사용자로의 광고의 이들의 타겟화를 향상시키는 것을 가능하게 할 수 있다. 실시예에서, 사용자 기호도 및 선호도 프로파일은 이들의 즉각적인 질의에 포커싱하는 것으로서 실시간으로 전개될 수 있다. 기호도 및 선호도는 구매의 지점 등에서 제품 검색의 후속의 개선 중에서와 같이 사용자에 광고를 더 양호하게 타겟화하기 위해 수집될 수 있다.In embodiments, the invention may utilize preference and preference APIs that a third party may use to target advertisements to a user based on user preferences, wherein the user interacts with the computing device of the present invention It does not work. For example, a user may have previously experienced a conversation of questions and answers with the system, which allows the system to develop a preference profile and a preference profile for the user. In an embodiment, the conversation may be provided directly by the inventive equipment, or via a third party API provided by the present invention. Alternatively, the user may never interact with the equipment of the present invention, wherein the user's preference and preference profiles may be generated and updated through user interaction, responses, recommendations, reviews, and the like. In an embodiment, the system may be configured to use the natural language processing, such as by inferring a preference profile, by analyzing how users tag their user profiles through their ratings of their likes and dislikes, You can learn about the preference profile. The preference and preference profiles for the user can then be used to target the advertisements to the user, such as those matched to the user's preferences and preferences. For example, third party preference APIs and preference APIs are described in El. Can be associated with outdoor store websites such as Bean (L.L. Bean), REI, EMS, etc., where outdoor stores try to improve their targeting of advertisements to their customers. The customer can then visit the outdoor store website and query for products such as hiking boots. The preference and preference APIs may then enable investigation of the user's preferences and preferences to establish a match to the placement of the ad on the user's browser. In this example, the user's preference and preference profiles may indicate that the user is traveling to New England, enjoys camping, has a family with children, and the like. As a result, the advertising equipment associated with the website may select advertisements that use information from the user's query, in this case hiking boots and their preferences and preference profiles. In this case the ad may be for accommodation in White Mountain that combines their preferences for travel in New England and the user's hiking boots query. In addition, accommodations have attributes that can be family stays and reflect user preferences because the user likes to travel as a family. In an embodiment, third party preference and preference APIs may enable a third party to enhance their targeting of the ad to the user so that they may be able to increase revenues from a given ad placement from the ad sponsor . In an embodiment, the user preference and preference profiles can be developed in real time as focusing on their immediate query. Preference and preference may be collected to better target the advertisements to the user, such as in a subsequent improvement of the product search at a point of purchase or the like.

실시예에서, 광고는 사용자 또는 사용자의 사회적 네트워크를 통해 추론된 기호도 및 선호도에 기초하여 사용자와 관련된 개인의 그룹에 타겟화될 수 있다. 예를 들어, 제 3 자에 의해 사용된 기호도 및 선호도 API는 사용자의 사회적 네트워크에서와 같이 그룹, 노드 클러스터 등에 대한 기호도 및 선호도를 설정하는데 사용될 수 있다. 실시예에서, 사회적 네트워크로부터 추론된 기호도 및 선호도는 제 3 자 사이트를 통해 또는 본 발명과 직접 관련된 장비를 통해 이전에 형성된 기호도 및 선호도 프로파일을 이용할 수 있다. 이들 기호도 및 선호도는 이어서 사용자 또는 사용자의 사회적 네트워크의 일원에 광고를 더 양호하게 타겟화하는데 사용될 수 있다. 예에서, 제 3 자는 사용자에 광고를 타겟화하기를 원할 수 있고, 여기서 사용자는 본 발명의 장비에 저장된 설정된 기호도 및 선호도 프로파일을 갖는다. 제 3 자는 이어서 광고를 타겟화하기 위해 사용자의 프로파일 내의 정보를 사용할 수 있다. 대안적으로, 제 3 자는 추가적으로 사회적 네트워크의 토픽에 속하는 정보, 사회적 네트워크 내의 사용자와 관련된 사용자의 공통 관심 등과 같은 사용자가 부분인 사회적 네트워크로부터 추론된 정보를 사용할 수 있다. 예를 들어, 사용자는 이들이 중년이고, 정치적으로 보수적이고, 시골에 있는 등을 지시하는 기호도 및 선호도 프로파일을 가질 수 있고, 우세한 관심으로서 사격을 갖는 사회적 네트워크에서 사용자와 관련된다. 이 예에서, 제 3 자는 사격 장비, 사격 여행 등을 위한 광고에 타겟화할 수 있고, 여기서 광고는 사용자의 사회적 네트워크로부터의 추론에 더하여 사용자의 현존하는 기호도 및 선호도 프로파일에 기초하여 선택되어 있다. 실시예에서, 이는 본 명세서에 설명된 바와 같은 대화에서 사용자에 결합할 필요 없이, 오히려 제 3 자 웹사이트에서 사용자의 상호 작용을 통해 직접적으로, 본 발명이 제 3 자 API 등을 갖는 다른 웹사이트에서 제 3 자 공급된 정보를 통해 수행될 수 있다. 실시예에서, 제 3 자는 또한 사용자의 사회적 네트워크의 다른 일원에 광고를 타겟화하기 위해 사용자로부터 기호도 및 선호도를 이용할 수 있다.In an embodiment, an advertisement may be targeted to a group of individuals associated with the user based on preferences and preferences inferred through the user or user ' s social network. For example, the preference and preference APIs used by third parties can be used to set preferences and preferences for groups, node clusters, and the like, as in a user's social network. In embodiments, the preference and preference deduced from the social network may utilize preference profiles and preference profiles previously established through third party sites or through equipment directly related to the present invention. These preferences and preferences can then be used to better target the advertisements to a user or a member of the user's social network. In an example, a third party may want to target the ad to the user, where the user has a preference degree and preference profile stored in the equipment of the present invention. The third party can then use the information in the user's profile to target the ad. Alternatively, the third party may use information derived from the social network, which is part of the user, such as information pertaining to the topic of the social network, the user's common interest related to the user in the social network, and the like. For example, a user may have a preference profile and a preference profile indicating that they are middle-aged, politically conservative, rural, etc., and are associated with the user in a social network that has fire as a preponderant concern. In this example, the third party may be targeted to advertisements for shooting equipment, shooting trips, etc., where the ads are selected based on the user's existing preference and preference profiles in addition to inferences from the user's social network. In an embodiment, it is not necessary to combine with a user in a conversation as described herein, but rather through a user interaction on a third party web site, Lt; RTI ID = 0.0 > third-party < / RTI > In an embodiment, the third party may also use preference and preference from the user to target the ad to other members of the user's social network.

실시예에서, 사용자에 광고하는 것은 유사한 기호도 및 선호도를 갖는 사용자의 제품 선택, 추천 등에 기초하여 타겟화될 수 있다. 예를 들어, 제 1 사용자는 제 2 사용자에 유사한 기호도 및 선호도를 가질 수 있고, 여기서 제 1 사용자는 현존하는 기호도 및 선호도 프로파일을 갖고, 특정 제품 선택, 추천 등을 행한다. 광고가 이어서 제 1 사용자의 결정에 기초하여 제 2 사용자에 타겟화될 수 있다. 예를 들어, 제 1 사용자는 이들이 나이가 많고, 은퇴했고, 캘리포니아에 거주하고, 여행을 즐기는 등을 지시하는 프로파일을 가질 수 있고, 이들은 수하물에 대한 제품 선택을 이전에 행하였다. 제 2 사용자는 이어서 2명의 사용자의 기호도 및 선호도의 유사성에 기초하여 유사한 수하물에 대한 추천이 제공될 수 있다. 실시예에서, 이는 대화에서 사용자 중 하나에 결합할 필요 없이 실행될 수 있다.In an embodiment, advertising to a user may be targeted based on a user ' s product selection, recommendation, etc. having similar preference and preference. For example, a first user may have similar preference and preference to a second user, wherein the first user has an existing preference and preference profile and performs a particular product selection, recommendation, and the like. The advertisement may then be targeted to a second user based on the determination of the first user. For example, a first user may have a profile indicating that they are older, retired, residing in California, enjoying a trip, etc., and they have previously made product selection for baggage. The second user may then be provided with a recommendation for similar baggage based on similarity of preferences and preferences of the two users. In an embodiment, this can be done without having to join one of the users in the conversation.

실시예에서, 본 발명은 하나 이상의 컴퓨터 상에서 실행될 때, (1) 제 3 자의 시장에 적용된 바와 같이 사용자의 선호도를 판정하기 위해 제 3 자 웹사이트에 사용자 선호도 학습 API를 제공하는 단계로서, 선호도 학습 API는 컴퓨터 장비의 확장으로서 실행되는 단계, (2) 제 3 자의 시장에 관련된 제 3 자 정보를 수신하는 단계, (3) 사용자의 선호도를 수집하고 사용자 선호도 프로파일로서 이들을 저장하는 단계, (4) 제 3 자의 시장과 관련된 제 3 자 웹사이트에서 사용자로부터 질의를 수신하는 단계, 및 (5) 사용자에 광고를 제공하는 단계로서, 광고는 사용자의 확인된 선호도에 기초하는 단계를 수행함으로써 컴퓨터 장비의 사용을 통해 사용자에 광고를 타겟화하는 것을 돕는 컴퓨터 판독 가능 매체에 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 선호도를 판정하는 것은 자연 언어 프로세싱의 사용을 통할 수 있다. 광고는 컴퓨터 장비에 의해 제공될 수 있다. 광고는 제 3 집단을 통해 제공될 수 있고 컴퓨터 장비로부터 제 3 집단에 제공된 선호도를 통해 가능화될 수 있다. API는 비용 정보, 제품 정보, 개인 정보 및 토픽 정보 중 적어도 하나의 수집을 가능화할 수 있다. 결정은 사용자의 사회적 네트워크로부터 추론된 정보에 또한 기초할 수 있다. 광고는 사회적 네트워크를 통해서와 같이 사용자와 관련된 다른 사용자에 전달될 수 있다.In an embodiment, the invention provides a method for providing a user preference learning API, when executed on one or more computers, comprising the steps of: (1) providing a user preference learning API to a third party web site to determine a user's preference as applied to a third party's market, (2) receiving third party information related to a third party's market; (3) collecting user preferences and storing them as a user preference profile; (4) Receiving a query from a user at a third party web site related to a third party's market; and (5) providing an advertisement to a user, The computer program product embodied in a computer readable medium that aids in targeting an advertisement to a user through use. In an embodiment, determining preferences may be through the use of natural language processing. The advertisement may be provided by computer equipment. The advertisements may be provided through a third group and may be enabled through preferences provided to the third group from the computer equipment. The API may enable collection of at least one of cost information, product information, personal information, and topic information. The decision may also be based on information deduced from the user's social network. The advertisement may be communicated to other users associated with the user, such as through a social network.

실시예에서, 본 발명은 제 3 자가 유사한 사용자로부터 리뷰를 사용자에게 제공하는데 사용할 수 있는 기호도 및 선호도 API를 제공할 수 있고, 여기서 사용자 및 유사한 사용자는 대화에 관여하거나 본 발명의 컴퓨팅 장비와 직접 상호 작용하지 않을 수 있다. 예를 들어, 기호도 및 선호도 API는 본 발명이 사용자를 위한 기호도 및 선호도 정보를 수집하고, 이전에 설정된 기호도 및 선호도 프로파일로부터 사용자에 대한 기호도 및 선호도 정보를 제 3 자에게 제공하고, 사용자의 단기적 동작에 기초하여 사용자에 대한 기호도 및 선호도 정보를 제 3 자에 제공하는 등을 가능하게 할 수 있다. 실시예에서, 사용자는 본 발명의 장비와 결코 상호 작용하지 않을 수 있고, 여기서 사용자의 기호도 및 선호도 프로파일은 사용자의 상호 작용, 응답, 추천, 리뷰 등을 통해 생성되고 업데이트될 수 있다. 실시예에서, 시스템은 이들이 좋아하고 좋아하지 않는 것들에 대한 이들의 평점을 통해 또는 사용자가 어떻게 이들의 사용자 프로파일을 태그하는지를 분석함으로써 기호도 프로파일을 추론하는 것과 같이 자연 언어 프로세싱의 사용을 통해 기지의 사용자의 기호도 프로파일에 대해 학습할 수 있다. 이 경우에, 유사한 사용자는 이전에 설정된 기호도 및 선호도 프로파일을 가질 수 있고, 이와 같이 사용자에 정합될 수 있는 기호도 및 선호도 프로파일을 가질 수 있다. 게다가, 이들 유사한 사용자는 이들의 프로파일과 관련된 리뷰를 가질 수 있다. 시스템은 이제 유사한 사용자에 사용자를 정합할 수 있고, 이어서 관련된 리뷰를 사용자에 제공할 수 있다. 예를 들어, 사용자는 예를 들어 컴퓨터 장비로 직접 또는 적어도 하나의 제 3 자 API를 통해서와 같이 시스템에 의해 현존하는 기호도 및 선호도 프로파일을 가질 수 있고, 다른 유사한 사용자가 어떻게 소정 제품, 서비스, 사람, 이벤트 등을 고려하는지를 인지하기를 원할 수 있다. 시스템은 이어서 현재 사용자가 관심을 갖는 것인 주제에 대한 유사한 사용자에 대한 기호도 및 선호도 프로파일을 검색할 수 있다. 이 방식으로, 시스템은 이제 유사한 사용자로부터 현재 사용자에 리뷰 등을 제공하는 것이 가능할 수 있고, 따라서 현재의 사용자가 이들의 기호도 및 선호도에 기초하여 행하기를 원할 수 있는 것을 판정하는 것을 돕는다. 예를 들어, 사용자는 본 발명의 기호도 및 선호도 API를 이용하는 제품 웹사이트로 진행할 수 있고, 디지털 카메라에 대한 리뷰에 관심이 있다. 제 3 자는 이제 유사한 사용자를 발견할 수 있고, 이어서 이들 유사한 사용자에 의한 디지털 카메라 리뷰를 검색하고 현재 사용자에게 리뷰를 제공할 수 있다. 실시예에서, 리뷰는 제 3 자 장비에서, 다른 제 3 자 장비에서, 본 발명의 장비 등에서 존재할 수 있다. 실시예에서, 유사한 사용자의 리뷰를 표시하는 능력은 사용자가 더 시간 효율적인 방식으로 더 많은 관련 리뷰에 액세스할 수 있게 하고, API의 제 3 자 사용자는 이들의 사용자에 더 타겟화되고 관련된 지원을 제공하는 것이 가능할 수 있다.In an embodiment, the invention may provide an preference and preference API that a third party may use to provide a review to a user from a similar user, where the user and a similar user may interact with the computing device of the present invention It may not work. For example, the preference and preference API collects preference information and preference information for a user, provides preference information and preference information for a user to a preference profile from a previously set preference profile and preference profile, It is possible to provide the third party with preference information and preference information for the user based on the preference information. In an embodiment, the user may never interact with the equipment of the present invention, wherein the user's preference and preference profiles may be generated and updated through user interaction, responses, recommendations, reviews, and the like. In an embodiment, the system may be able to determine the likelihood of a base user through the use of natural language processing, such as by inferring a preference profile by analyzing their ratings for what they like and dislike or how a user tags their user profile You can learn about the preference profile. In this case, a similar user may have previously set preference and preference profiles, and thus may have preference profiles and preference profiles that can be matched to the user. In addition, these similar users may have reviews associated with their profiles. The system can now match the user to a similar user and can then provide relevant reviews to the user. For example, a user may have existing preference profiles and preference profiles by the system, such as, for example, directly to computer equipment or through at least one third party API, , Events, and so forth. The system may then retrieve preference profiles and likelihood profiles for similar users for subjects that the current user is interested in. In this way, the system now helps to determine that it may be possible to provide a review or the like to a current user from a similar user, and thus the current user may want to do based on their preferences and preferences. For example, a user may proceed to a product web site using the preference and preference API of the present invention and is interested in reviewing digital cameras. The third party can now find similar users and then search for digital camera reviews by these similar users and provide reviews to the current user. In an embodiment, the review can be in third party equipment, in other third party equipment, in the equipment of the present invention, and the like. In an embodiment, the ability to display similar user reviews allows the user to access more related reviews in a more time-efficient manner, and third party users of the API provide more targeted and relevant assistance to their users .

실시예에서, 본 발명은 제 3 자가 유사한 사용자로부터 리뷰를 사용자에게 제공할 수 있는 기호도 및 선호도 API를 제공할 수 있고, 여기서 사용자는 본 발명을 통한 대화에 참여하는 유사한 사용자가 없이 유사하도록 판정된다. 예를 들어, 유사한 사용자는 사회적 네트워크, 친구, 가족, 직장 등을 통해 유사한 것으로서 식별될 수 있다. 예에서, 사용자는 연령, 관심 등을 통해서와 같이 '유사한' 것으로 판정된 사회적 네트워크를 통해 그리고 이 관련성을 통해 제 2 사용자와 관련될 수 있다. 유사한 사용자는 이어서 예를 들어 제품, 활동 등에 대해 리뷰를 제공할 수 있다. 이 리뷰는 이어서 다른 사용자에 대한 유사성을 통해 관련된 것으로서 사용자에게 제공될 수 있다. 실시예에서, 유사한 사용자는 예를 들어 다른 팩터와 조합하여 다른 토픽 상의 유사한 추천을 통해 판정될 수 있고, 여기서 다른 팩터는 사회적 관련성일 수 있다.In an embodiment, the invention may provide an preference and preference API that allows a third party to provide a review to a user from a similar user, wherein the user is determined to be similar without a similar user participating in the conversation through the present invention . For example, similar users can be identified as being similar through social networks, friends, family, work, and the like. In an example, a user may be associated with a second user through a social network determined to be ' similar ' as through age, interest, and the like. A similar user can then, for example, provide a review of products, activities, and the like. This review can then be provided to the user as being related via similarity to other users. In an embodiment, a similar user may be determined, for example, through a similar recommendation on another topic in combination with other factors, where the other factors may be social relevance.

실시예에서, 본 발명은 하나 이상의 컴퓨터 상에서 실행될 때, (1) 사용자의 선호도를 판정하기 위해 제 3 자 웹사이트에 사용자 선호도 학습 API를 제공하는 단계로서, 선호도 학습 API는 컴퓨터 장비의 확장으로서 실행되는 단계, (2) 복수의 사용자의 선호도를 수집하는 단계로서, 복수의 사용자는 사용자를 포함하는 단계, (3) 복수의 기호도 및 선호도 프로파일을 포함하는 기호도 및 선호도 데이터베이스 내에 사용자의 선호도를 저장하는 단계, (4) 유사한 기호도 및 선호도를 갖는 사용자로부터 토픽 리뷰에 대해 제 3 자 기호도 및 선호도 학습 API를 통해 사용자로부터 요구를 수신하는 단계, (5) 기호도 및 선호도 데이터베이스 내의 적어도 하나의 다른 사용자의 선호도에 사용자의 선호도를 정합하는 단계, (6) 정합된 다른 사용자로부터의 토픽 리뷰에 대해 요구에 관련된 리뷰를 검색하는 단계, 및 (7) 사용자에 리뷰를 제공하는 단계를 수행함으로써 사용자가 컴퓨터 장비의 사용을 통해 유사한 사용자의 리뷰를 발견하는 것을 돕는 컴퓨터 판독 가능 매체에 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 선호도를 판정하는 것은 자연 언어 프로세싱의 사용을 통할 수 있다. 리뷰는 컴퓨터 장비, 제 3 자의 장비 등 내에서 발견될 수 있다. 컴퓨팅 장비는 기계 학습 장비일 수 있다. 선호도 학습 API는 비용 정보, 제품 정보, 개인 정보, 토픽 정보 등의 수집을 가능화할 수 있다. 리뷰는 기호도 및 선호도 프로파일을 갖지 않는 유사한 사용자에 의해 제공될 수 있고, 여기서 사용자는 사회적 관련성이 사회적 네트워크일 수 있는 사회적 관련성을 통해 판정된 바와 유사할 수 있다.In an embodiment, the present invention provides a method comprising: (1) providing a user preference learning API to a third party web site to determine a preference of a user, wherein the preference learning API is executed as an extension of a computer device (2) collecting preferences of a plurality of users, the plurality of users including a user; (3) storing preferences of the user in a preference database including a plurality of preference profiles and preference profiles; (4) receiving a request from a user via a third party preference and preference learning API for a topic review from a user having similar preferences and preferences, (5) preference of at least one other user in the preference and preference database, (6) matching the user's preferences to the topic reviews from other matched users (7) providing a review to a user, thereby enabling a user to find similar user reviews through use of the computer equipment. &Lt; RTI ID = 0.0 > Products can be provided. In an embodiment, determining preferences may be through the use of natural language processing. Reviews can be found in computer equipment, third party equipment, and the like. The computing equipment may be machine learning equipment. The preference learning API can enable the collection of cost information, product information, personal information, and topic information. The review may be provided by a similar user who does not have a preference and preference profile, wherein the user may be similar to what was determined through social relevance that social relevance may be a social network.

실시예에서, 본 발명은 제 3 자가 추천된 제품, 서비스 등을 사용할 수 있는 기호도 및 선호도 API를 제공할 수 있다. 예를 들어, 사용자는 제품에 대한 추천의 검색시에 제 3 자 웹사이트에 오게 될 수 있고, 제 3 자는 이어서 사용자가 통상적으로 선호하는 것을 더 양호하게 이해하기 위해 기호도 및 선호도 API를 이용할 수 있고, 이 선호도로부터 제품을 제안할 수 있다. 예에서, 사용자는 오디오 상점 웹사이트에 오게되어 이들의 아이폰으로부터 음악을 재생하기 위해 오디오 시스템에 대한 추천을 찾을 수 있다. 제 3 자는 이어서 API를 통해 사용자에 대한 현존하는 기호도 및 선호도를 이용할 수 있다. 이 예에서, 사용자의 기호도 및 선호도는 이들이 대학 학생이고 이들의 사회 생활이 바쁜 것을 지시할 수 있다. 이 정보로부터, 제 3 자는 이제 휴대형, 소형, 강력 등인 오디오 시스템에 대한 추천과 같은 추천을 행할 수 있다. 대안적으로, 제 3 자는 일반적으로 사용자 등을 위해 질의, 제 3 자의 콘텐트에 타겟화되는 것과 같은 사용자 질의시에 이들의 기호도 및 선호도를 판정하기 위해 기호도 및 선호도 API를 사용할 수 있다. 제 3 자는 이제 이 새로운 기호도 및 선호도 정보를 단독으로 또는 본 발명을 통해 이전의 기호도 및 선호도 프로파일과 조합하여 사용하여 추천을 행할 수 있다. 제 3 자를 통해 설정된 바와 같은 기호도 및 선호도는 이제 본 발명의 장비 내에 저장될 수 있어, 예를 들어 다른 제 3 자 API를 통해 또는 본 발명의 장비를 통해 직접 생성된 새로운 기호도 및 선호도 프로파일과 조합하여 또는 재차 사용될 수 있다. 실시예에서, 기호도 및 선호도 API를 사용하는 능력은 제 3 자 사이트를 통해 행해진 제품, 서비스 등에 대한 추천을 향상시킬 수 있다.In an embodiment, the present invention may provide a preference API and a preference API that a third party can use a recommended product, service, and the like. For example, a user may come to a third party website at the time of searching for recommendations for the product, and the third party may then use the preference and preference APIs to better understand what the user typically likes , The product can be proposed from this preference. In an example, a user may come to an audio store website to find recommendations for an audio system to play music from their iPhone. The third party can then use the existing preferences and preferences for the user via the API. In this example, user preferences and preferences can indicate that they are college students and that their social lives are busy. From this information, a third party can now make recommendations, such as recommendations for audio systems that are portable, compact, powerful, and so on. Alternatively, the third party may use the preference and preference APIs to determine their preferences and preferences in a user query, such as being typically targeted to a user, etc., to a third party's content. A third party can now make recommendations using this new preference and preference information alone or in combination with previous preference profiles and preference profiles through the present invention. Preferences and preferences as set through a third party can now be stored in the equipment of the present invention, for example in combination with a new preference profile and a preference profile generated directly via another third party API or through the inventive equipment Or may be used again. In an embodiment, the ability to use the preference and preference APIs can improve recommendations for products, services, and the like done through third party sites.

실시예에서, 본 발명은 제 3 자가 유사한 사용자의 동작에 기초하여 사용자에게 제품, 서비스 등을 추천하는데 사용할 수 있는 기호도 및 선호도 API를 제공할 수 있다. 예를 들어, 2명의 사용자는 본 발명의 이전에 설정된 기호도 및 선호도 프로파일을 가질 수 있고, 여기서 사용자 중 1명은 제품, 서비스 등을 선택하고, 제 3 자는 이제 이들의 프로파일을 통해 판정된 바와 같은 이들의 유사성에 기초하여 다른 사용자에게 추천을 제공할 수 있다. 예에서, 2명의 사용자는 예를 들어 이들의 연령, 위치, 정치적 관점, 사회적 활동 등에 의해 이들의 기호도 및 선호도 프로파일을 통해 유사한 것으로 판정되어 있을 수 있다. 제 1 사용자는 이어서 자동차와 같은 제품을 선택할 수 있다. 제 2 유사한 사용자가 본 발명에 검색, 광고 선택, 명시적 질문을 통해서와 같이 자동차에 대한 관심을 지시해야 하는 경우에, 본 발명은 이들의 유사성에 기인하여 잠재적인 적합성으로서 제 2 사용자에게 자동차 선택을 제공할 수 있다. 실시예에서, 이는 1명 또는 양 사용자에 제공된 대화 없이 수행될 수 있다.In an embodiment, the invention may provide a preference and preference API that a third party may use to recommend a product, service, or the like to a user based on the behavior of a similar user. For example, two users may have previously set preference and preference profiles of the present invention, wherein one of the users selects a product, service, and so on, Lt; / RTI > may provide recommendations to other users based on their similarity. In the example, the two users may have been judged to be similar through their preference profiles and preference profiles, for example by their age, location, political viewpoint, social activity, and the like. The first user can then select a product such as a car. In the event that a second similar user has to direct attention to the vehicle, such as through search, advertisement selection, explicit questioning, etc., the present invention may provide a second user with a vehicle selection Can be provided. In an embodiment, this may be performed without any interaction provided to one or both users.

실시예에서, 본 발명은 하나 이상의 컴퓨터 상에서 실행될 때, (1) 제 3 자의 제품 및 서비스에 적용된 바와 같이 사용자의 선호도를 판정하기 위해 제 3 자 웹사이트에 사용자 선호도 학습 API를 제공하는 단계로서, 선호도 학습 API는 컴퓨터 장비의 확장으로서 실행되는 단계, (2) 제 3 자의 제품 및 서비스에 관련된 제 3 자 정보를 수신하는 단계, (3) 사용자의 선호도를 수집하여 사용자 선호도 프로파일로서 이들을 저장하는 단계, (4) 제 3 자의 제품 및 서비스 중 적어도 하나와 관련된 제 3 자 웹사이트에서 사용자로부터 질의를 수신하는 단계, 및 (5) 컴퓨팅 장비로부터 사용자에 제품 및 서비스 중 적어도 하나에 대한 추천을 제공하는 단계로서, 추천은 질의 및 사용자의 확인된 선호도에 기초하는 단계를 수행함으로써 컴퓨터 장비의 사용을 통해 사용자가 추천을 발견하는 것을 돕는 컴퓨터 판독 가능 매체에 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 선호도의 판정은 자연 언어 프로세싱의 사용을 통할 수 있다. 수집은 인터넷 상의 제 3 자 웹사이트, 인터넷 상의 복수의 제 3 자 웹사이트, 사용자에 의해 행해진 추천, 구매 및 검색 결과 선택 중 적어도 하나 등으로부터 이루어질 수 있다. 컴퓨팅 장비는 기계 학습 장비일 수 있다. 제 3 자 정보는 제품 제조업자로부터의 제품 정보, 웹 상인으로부터의 제품 정보, 다른 웹사이트로부터의 가격 정보, 다른 웹사이트로부터의 입수 가능성 정보, 상인으로부터의 가격 정보, 상인으로부터의 입수 가능성 정보, 리뷰, 코멘트, 평점 등으로 이루어질 수 있다. API는 비용 정보, 제품 정보, 개인 정보, 토픽 정보 등의 수집을 가능화할 수 있다. 선호도는 제 2 유사한 사용자의 동작으로부터 유도될 수 있고, 여기서 유사성은 사용자 및 제 2 유사한 사용자에 대한 기호도 및 선호도 프로파일을 통해 판정될 수 있다. 제 2 유사한 사용자의 동작은 제품 및 서비스 중 적어도 하나의 선택일 수 있다.In an embodiment, the invention provides a method for providing a user preference learning API to a third party web site when executed on one or more computers, the method comprising: (1) providing a user preference learning API to a third party web site to determine user preferences as applied to third party products and services, (2) receiving third party information related to third party products and services; (3) collecting user preferences and storing them as user preference profiles; , (4) receiving a query from a user at a third party web site associated with at least one of the third party's products and services, and (5) providing a recommendation to the user of at least one of the product and the service from the computing device As a step, the recommendation is made by using the computer equipment by performing steps based on the query and the identified preferences of the user, It can provide a computer program product embodied on a computer readable medium that helps to find the others. In an embodiment, the determination of preferences may be through the use of natural language processing. The collection may be from a third party website on the Internet, a plurality of third party websites on the Internet, at least one of a recommendation made by the user, a purchase and a selection of search results. The computing equipment may be machine learning equipment. Third party information includes product information from a product manufacturer, product information from a web merchant, price information from another web site, availability information from another web site, price information from a merchant, availability information from a merchant, Reviews, comments, ratings, and so on. The API may enable collection of cost information, product information, personal information, and topic information. The preferences can be derived from the operation of the second similar user, wherein the similarities can be determined through preference profiles and preference profiles for the user and the second similar user. The operation of the second similar user may be a selection of at least one of a product and a service.

실시예에서, 본 발명은 제 3 자 사회적 네트워크 사이트가 사회적 네트워크 상에서 이들에 유사한 사용자 사람들을 나타내는데 사용할 수 있는 기호도 및 선호도 API를 제공할 수 있다. 이들 유사한 사람들은 영역별, 연령별, 성별에 의해 등으로 리스트로서, 사진으로서 표시될 수 있다. 예를 들어, 사용자는 사회적 네트워크 사이트에 오게 될 수 있고, 이들과 유사한 사람을 보거나 접속하도록 요청될 수 있다. 사회적 네트워크 사이트는 이어서 일반적으로 사회적 지위, 사회적 네트워킹, 활동, 음악, 개성 등과 같이 이들의 기호도 및 선호도를 판정하기 위해 대화를 사용자에게 제공하기 위해 기호도 및 선호도 API를 이용할 수 있다. 대안적으로, 사용자는 다른 제 3 자 API를 통해, 사회적 네트워크를 통해 등으로 본 발명의 장비에 의해 직접 판정된 바와 같은 기호도 및 선호도 프로파일을 미리 가질 수 있다. 사회적 네트워크는 이어서 이전에 판정된 바와 같이 다른 사람들의 기호도 및 선호도 프로파일을 통해, 사회적 네트워크를 통해 이용 가능한 바와 같은 다른 사람들에 대해 이용 가능한 정보를 통해 등과 같이 사회적 네트워크 상의 다른 사람들에 사용자를 정합하기 위해 이 정보를 사용할 수 있다. 예를 들어, 사용자의 기호도 및 선호도는 이들이 젊고 NYC의 클럽에 가는 것을 즐기는 것을 지시할 수 있다. 사회적 네트워킹 사이트는 리스트별, 사진, 카테고리별, 도시의 지역별 등과 같이 사회적 네트워크 상의 유사한 사람들에 사용자를 정합하는 것이 이제 가능할 수 있다. 실시예에서, 사회적 네트워크를 갖는 기호도 및 선호도 API는 사회적으로 관계하는 다른 유사한 사람들을 발견하려고 시도하는 사용자에 향상된 정합 경험을 제공할 수 있다.In an embodiment, the present invention may provide preference and preference APIs that third-party social networking sites may use to represent users of users who are similar to these on a social network. These similar people can be displayed as a list, by photo, by category, by age, by gender, etc. For example, a user may come to a social network site and be asked to view or access a person who is similar to them. Social network sites can then use the preference and preference APIs to provide users with dialogues to determine their preferences and preferences, such as social status, social networking, activities, music, personality, and the like in general. Alternatively, the user may have a preference profile and preference profile, as determined directly by the equipment of the present invention, via a third party API, through a social network, and so on. The social network is then used to match users to other people on the social network, such as through the preferences and preferences profiles of others, as previously determined, and through information available to others such as are available through social networks You can use this information. For example, a user's preferences and preferences can indicate that they enjoy being young and going to a club in NYC. Social networking sites may now be able to match users to similar people on social networks, such as by list, by photo, by category, by region of city, and so on. In embodiments, preference and preference APIs with social networks may provide an improved matching experience for users attempting to discover other socially relevant peers.

실시예에서, 본 발명은 하나 이상의 컴퓨터에서 실행될 때, (1) 제 3 자 사회적 네트워킹 사이트 API를 통해 사용자로부터 초기 요구를 수신하는 단계로서, 초기 요구는 사회적 네트워크에서 이들에 다른 유사한 사용자를 발견하기 위한 것인 단계, (2) 사회적 네트워크킹 사이트 API를 통해 사용자의 선호도를 확인하는 단계, (3) 유사한 선호도를 갖는 사용자를 갖는 사회적 네트워크 상에서 다른 사용자에 사용자 선호도를 정합하는 단계, 및 (4) 사용자의 선호도에 정합하는 다른 사용자를 포함하는 사용자에게 정합 요구를 제공하는 단계를 수행함으로써 컴퓨터 장비의 사용을 통해 사회적 네트워킹 사이트 상에서 사용자가 다른 유사한 사용자를 발견하는 것을 돕는 컴퓨터 판독 가능 매체에 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 선호도의 확인은 자연 언어 프로세싱의 사용을 통할 수 있다. 정합 결과는 유사한 사용자의 리스트로서 사용자에게 제시될 수 있다. 정합 결과는 유사한 사용자의 프로파일로서 사용자에 제시될 수 있다. 정합 결과는 사회적 네트워크 내의 유사한 사용자로의 링크로서 사용자에 제시될 수 있다. 컴퓨팅 장비는 기계 학습 장비일 수 있다.In an embodiment, the present invention provides a method for providing a service to a user when executed on one or more computers, the method comprising: (1) receiving an initial request from a user via a third party social networking site API, (2) confirming the user's preferences via the social networking site API, (3) matching user preferences to other users on a social network having users with similar preferences, and (4) A computer implemented on a computer readable medium that facilitates a user to locate another similar user on a social networking site through the use of computer equipment by performing a step of providing a matching request to a user including other users matching the user's preference Program product can be provided. In an embodiment, the confirmation of preferences may be through the use of natural language processing. The matching result can be presented to the user as a list of similar users. The matching result can be presented to the user as a profile of a similar user. The matching result may be presented to the user as a link to a similar user in the social network. The computing equipment may be machine learning equipment.

실시예에서, 본 발명은 어느 결과가 유사한 사용자가 가장 많이 선택했는지에 기초하여 제 3 자 검색 장비가 검색 결과를 랭킹하는데 사용할 수 있는 기호도 및 선호도 API를 제공할 수 있다. 예를 들어, 검색 장비는 본 발명의 기호도 및 선호도 API를 통해 제공된 바와 같이, 어떻게 검색 결과가 기호도 및 선호도 프로파일을 통해 리스트되는지의 관련성을 향상시키기 위한 기회를 사용자에게 제공할 수 있다. 기호도 및 선호도 프로파일 데이터베이스 등은 이어서 축적되어 유지될 수 있고, 그로부터 검색 장비가 다른 유사한 사용자에 의해 이전에 선택된 결과로 사용자에 대한 검색 결과를 랭킹할 수 있다. 예에서, 사용자는 항해를 좋아하고 약간 모험심이 있는 은퇴한 남성을 나타내는 기호도 및 선호도 프로파일을 가질 수 있다. 사용자가 카리브해 휴가 목적지를 검색할 때, 검색 장비는 예를 들어 섬 내의 범선 임대 패키지, 섬 내의 하이킹, 색다른 목적지 등과 같은 먼저 리스트된 이들 기호도 및 선호도 속성을 갖는 검색 결과를 랭킹할 수 있다. 실시예에서, 검색 장비에 제공된 기호도 및 선호도 API의 사용은 사용자로의 랭킹된 검색 결과의 관련성을 향상시킬 수 있다.In an embodiment, the present invention may provide an preference and preference API that third party search equipment may use to rank search results based on which results are most commonly selected by similar users. For example, the search appliance may provide the user with an opportunity to improve the relevance of how search results are listed through the preference and preference profiles, as provided through the preference and preference APIs of the present invention. The likelihood and preference profile database, etc. can then be accumulated and maintained, from which the search appliance can rank search results for the user as a result of a previous selection by another similar user. In the example, a user may have a preference profile and a preference profile indicating a retired male who likes sailing and is a little adventurous. When a user searches for a Caribbean vacation destination, the search appliance can rank search results with these preference and preference attributes listed earlier, such as a sailing boat rental package on an island, a hike within an island, a different destination, and the like. In an embodiment, the use of the preference and preference APIs provided to the search appliance may improve the relevance of the ranked search results to the user.

실시예에서, 본 발명은 하나 이상의 컴퓨터에서 실행될 때 (1) 제 3 자 검색 장비를 통해 사용자로부터 검색 요청을 수신하는 단계, (2) 사용자의 선호도를 확인하는 단계로서, 사용자로부터 확인된 선호도는 사용자에 대한 기호도 및 선호도 프로파일을 생성하고 복수의 다른 사용자 기호도 및 선호도 프로파일을 포함하는 기호도 및 선호도 저장 장치에 저장되고, 여기서 프로파일은 또한 이전의 검색에서 다른 사용자에 의해 선택된 검색 결과의 이력을 포함하는 단계, (3) 유사한 기호도 및 선호도 프로파일을 갖는 다른 사용자에 사용자를 정합하는 단계, (4) 사용자의 검색 요구에 대해 검색 결과 세트를 판정하는 단계, (5) 유사한 기호도 및 선호도 프로파일을 갖는 다른 사용자에 의해 선택된 검색 결과의 이력에 검색 결과 세트를 정합하는 단계, 및 (6) 유사한 기호도 및 선호도 프로파일을 갖는 다른 사용자에 의해 선택된 정합된 결과에 따라 랭킹되는 검색 결과를 사용자에게 제공하는 단계를 수행함으로써 컴퓨터 장비의 사용을 통해 검색 결과를 랭킹하는 것을 돕는 컴퓨터 판독 가능한 매체에 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 선호도의 확인은 자연 언어 프로세싱을 사용을 통할 수 있다. 컴퓨팅 장비는 기계 학습 장비일 수 있다. 검색 장비는 검색 엔진일 수 있다.In an embodiment, the present invention provides a method for providing a search query, when executed on one or more computers, comprising the steps of (1) receiving a search request from a user via a third party search appliance, (2) identifying a user's preference, Generating a preference and preference profile for the user and storing the preference and preference profile in a preference storage device including a plurality of other preferences and preferences profiles, wherein the profile also includes a history of search results selected by other users in the previous search (3) matching the user to other users having similar preference and preference profiles, (4) determining a set of search results for the user's search request, (5) Matching the search result set to the history of the search results selected by (6) A computer-readable medium embodied in a computer-readable medium that aids in ranking search results through use of computer equipment by performing a step of providing a search result ranked according to a matched result selected by another user having a similar preference and preference profile A computer program product can be provided. In an embodiment, confirmation of preferences may be through the use of natural language processing. The computing equipment may be machine learning equipment. The search appliance can be a search engine.

도 34를 참조하면, 본 발명은 기지의 기호도 선호도를 갖는 사람에 인터넷 기반 사회적 상호 작용 구성을 통해 경로를 발견함으로써 미지의 사용자에 대해 기호도 및 선호도를 추론하기 위해 사회적 그래프를 이용할 수 있다. 이 방식으로, 본 발명은 시스템이 이전에 듣지 못했던 사용자에 대한 데이터를 얻는 방식을 제공할 수 있다. 실시예에서, 본 발명은 하나 이상의 컴퓨터에서 실행될 때, (1) 인터넷 기반 사회적 상호 작용 구성의 부분인 복수의 사용자의 선호도를 확인하는 단계로서, 복수의 사용자는 복수의 기지의 사용자가 되는 단계(3404), (2) 복수의 기지의 사용자에 대한 인터넷 기반 사회적 상호 작용 그래픽 표현(3412)을 결정하는 단계, 및 (3) 그래픽 표현 내의 복수의 기지의 사용자와 미지의 사용자 사이의 상관성에 기초하여 복수의 기지의 사용자의 인터넷 기반 사회적 상호 작용 그래픽 표현(3412)에 존재하는 미지의 사용자의 선호도를 추론하는 단계(3410)를 수행함으로서 컴퓨터 장비(3402) 상의 인터넷 기반 사회적 상호 작용 그래픽 표현의 사용을 통해 미지의 사용자의 선호도를 결정하는 것을 돕는 컴퓨터 판독 가능 매체에서 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 인터넷 기반 사회적 상호 작용 그래픽 표현은 사회적 네트워크, 사회적 그래프, 사회적 다이어그램 등일 수 있다. 미지의 사용자는 인터넷 기반 사회적 상호 작용 그래픽 표현에서 가장 근접한 기지의 사용자로부터 3도, 5도 등 이격될 수 있다. 미지의 사용자의 추론된 선호도는 미지의 사용자를 새로운 기지의 사용자가 되게 할 수 있고, 새로운 기지의 사용자는 제 2 미지의 사용자의 선호도의 추론에 기여하는데 사용될 수 있다. 선호도는 사용자의 상호 작용에 관련된 개인 정보, 토픽 정보 등을 포함할 수 있고, 여기서 상호 작용은 인터넷 기반 사회적 상호 작용 그래픽 표현을 통할 수 있다. 상호 작용은 제 3 자 웹사이트에 제공된 API를 통할 수 있다. 추론은 사용자의 인터넷 기반 사회적 상호 작용 구성에서 사용자에 관련된 다른 기지의 사용자와 함께 제공될 수 있다. 선호도의 확인은 자연 언어 프로세싱의 사용을 통할 수 있다. 컴퓨팅 장비는 기계 학습 장비일 수 있다. 추론된 선호도는 미지의 사용자와 리뷰를 공유하기 위해 미지의 사용자에 광고를 타겟화하는데 사용될 수 있다. 추론된 선호도는 미지의 사용자에게 제품, 서비스 등을 추천하는데 사용될 수 있다. 추론된 선호도는 미지의 사용자에 대해 검색 결과를 랭킹하는 것을 보조하는데 사용될 수 있다. 미지의 사용자에 밀접하게 근접하는 기지의 사용자는 추론 알고리즘에 더 많은 가중치를 전달할 수 있다. 추론된 선호도는 다른 소스로부터 정보에 의해 개선될 수 있고, 여기서 다른 소스는 제 3 자 소스, 복수의 기지의 사용자에 의해 이루어진 추천, 복수의 기지의 사용자에 의한 검색 질의, 복수의 기지의 사용자 중 하나의 검색 결과 선택, 복수의 기지의 사용자 중 적어도 하나에 의해 웹 상호 작용을 통해 판정된 바와 같은 개인 기호도 등을 포함할 수 있다. 다른 소스는 제 3 자 선호도 학습 API를 포함할 수 있다.Referring to FIG. 34, the present invention can use a social graph to deduce preferences and preferences for an unknown user by discovering a path through an Internet-based social interaction configuration to a person having a preference degree preference. In this manner, the present invention can provide a way for the system to obtain data for a user that has not previously heard. In an embodiment, the present invention relates to a method and system for performing a method comprising: (1) confirming a preference of a plurality of users as part of an Internet-based social interaction configuration, the plurality of users being a plurality of known users 3404), (2) determining an internet based social interaction graphical representation (3412) for a plurality of known users, and (3) determining, based on the correlation between a plurality of known users and unknown users in the graphical representation Based social interaction graphical representation on the computer device 3402 by performing step 3410 of inferring the likelihood of an unknown user present in the Internet based social interaction graphical representation 3412 of a plurality of known users To provide a computer program product embodied in a computer-readable medium that aids in determining the likelihood of an unknown user There. In an embodiment, the Internet-based social interaction graphical representation may be a social network, a social graph, a social diagram, or the like. An unknown user may be spaced 3 degrees, 5 degrees from the closest base user in the Internet based social interaction graphical representation. The inferred user's inferred preference can make the unknown user become the new base user and the new base user can be used to contribute to the inference of the second unknown user's preference. Preferences may include personal information related to the user's interaction, topic information, etc., where the interaction may be through an Internet based social interaction graphical representation. The interaction may be through an API provided on a third party web site. Inference can be provided with other base users associated with the user in the user's Internet-based social interaction configuration. Confirmation of preferences can be through the use of natural language processing. The computing equipment may be machine learning equipment. Inferred preferences can be used to target ads to unknown users to share reviews with unknown users. Inferred preferences can be used to recommend products, services, etc. to unknown users. The inferred preferences can be used to assist in ranking the search results for unknown users. A known user closely related to an unknown user can deliver more weight to the inference algorithm. The inferred preferences can be improved by information from other sources, where the other sources include third party sources, recommendations made by a plurality of base users, search queries by a plurality of base users, One search result selection, personal preferences as determined via web interaction by at least one of a plurality of known users, and the like. Other sources may include a third party preference learning API.

실시예에서, 본 발명은 사회적 네트워크 그래프, 다이어그램, 그래픽 표현 등을 이용하여, 사회적 네트워크를 통한 기지의 기호도를 갖는 사람들로의 경로를 발견함으로써 미지의 사용자에 대한 기호도 및 선호도를 추론할 수 있고, 또는 그 반대도 마찬가지이다. 사회적 다이어그램은 일반적으로 말하면, 복수의 사용자의 맵핑 및 어떻게 이들이 관련되는지이다. 사회적 다이어그램을 사용함으로써, 기지의 및 미지의 사용자의 기호도 및 선호도는 다이어그램 내의 이들의 상관성으로부터 판정될 수 있다. 예를 들어, 기지의 기호도 및 선호도 프로파일을 갖는 사용자는 사회적 다이어그램 내에 표현된 바와 같은 복수의 다른 사용자와 직접 관련될 수 있다. 제 1 근사를 위해, 이들 복수의 다른 사용자가 사용자와 유사하고, 따라서 유사한 기호도 및 선호도를 갖는 것으로 가정될 수 있다. 이들 다른 사용자는 이어서 본 명세서에 설명된 바와 같이 사용자의 기호도 및 선호도를 인지하는 장점을 취하는 개선된 서비스를 제공할 수 있다. 예를 들어, 이들이 암벽 등반가인 것을 지시하는 기지의 기호도 및 선호도 프로파일을 갖는 사용자가 제공되면, 사용자의 사회적 다이어그램의 제 1 링크 내의 사용자는 또한 암벽 등반가인 것으로 가정될 수 있다. 실제로, 이는 너무 일반적인 가정인 것으로 입증될 수 있다. 그러나, 사용자가 다른 암벽 등반가와 관련성을 갖는다는 것은 양호한 가정일 수 있고, 따라서 시스템은 암벽 등반을 즐기는 다른 기지의 사용자를 검색하는 사회적 다이어그램을 통해 진행할 수 있다. 이 예에서, 암벽 등반을 또한 즐기는 3개의 링크 이격된 것과 같은 다른 기지의 사용자가 존재하는 것으로 발견될 수 있고, 이 사용자는 제 1 사용자에 접속하는 클러스터에서 발견된다. 이로부터, 이 클러스터는 암벽 등반가의 그룹이고 암벽 등반가는 모두 서로 유사한 기호도 및 선호도의 세트를 공유할 수 있다는 것이 양호한 가정일 수 있다. 실시예에서, 기호도 및 선호도는 사회적 네트워크 다이어그램 내의 관련성으로부터 추론될 수 있고, 이와 같이 본 명세서에 설명된 바와 같이 본 발명으로부터 이득이 제공될 수 있다.In an embodiment, the present invention can deduce preferences and preferences for an unknown user by finding paths to people with a known preference through a social network using social network graphs, diagrams, graphical representations, Or vice versa. Social diagrams generally refer to the mapping of multiple users and how they are related. By using social diagrams, preferences and likelihoods of known and unknown users can be determined from their correlation in the diagram. For example, a user with a known preference and preference profile may be directly associated with a plurality of other users as represented within the social diagram. For the first approximation, these plurality of other users may be assumed to be similar to the user, and thus have similar preference and preference. These other users can then provide an improved service that takes advantage of recognizing user preferences and preferences as described herein. For example, if a user is provided with a known preference and preference profile indicating that they are rock climbers, the user in the first link of the user's social diagram may also be assumed to be a rock climber. In practice, this can prove to be a very general assumption. However, it can be a good assumption that a user is associated with another rock climber, and therefore the system can proceed through a social diagram that searches for other base users enjoying rock climbing. In this example, it can be found that there are other known users, such as three link spacing, which also enjoy rock climbing, and this user is found in a cluster connecting to the first user. From this it can be a good assumption that this cluster is a group of rock climbers and that the rock climbers can all share a similar set of preferences and preferences. In an embodiment, preferences and preferences can be deduced from the relevance within the social network diagram, and thus benefits from the present invention as described herein can be provided.

실시예에서, 본 발명은 하나 이상의 컴퓨터 상에서 실행될 때, (1) 사용자의 선호도를 확인하는 단계로서, 사용자는 기지의 사용자가 되는 단계, (2) 기지의 사용자에 대한 사회적 네트워크 그래픽 표현을 판정하는 단계, (3) 기지의 사용자의 사회적 네트워크 그래픽 표현 내의 다른 기지의 사용자에 존재를 판정하는 단계, 및 (4) 미지의 사용자와 기지의 사용자 및 네트워크 그래픽 표현 내의 다른 기지의 사용자 사이의 상관성에 기초하여 기지의 사용자의 사회적 네트워크 그래픽 표현에 존재하는 미지의 사용자의 선호도를 추론하는 단계를 수행함으로써 컴퓨터 장비 상의 사회적 네트워크 그래픽 표현의 사용을 통해 미지의 사용자의 기호도 및 선호도를 판정하는 것을 돕는 컴퓨터 판독 가능 매체에 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 선호도의 확인은 자연 언어 프로세싱의 사용을 통할 수 있다. 사회적 네트워크 그래픽 표현은 사회적 그래프, 사회적 다이어그램 등일 수 있다. 컴퓨팅 장비는 기계 학습 장비일 수 있다.In an embodiment, the invention relates to a method of operating a computer system, when executed on one or more computers, comprising the steps of (1) confirming a user's preference, the user being a known user, (2) determining a social network graphical representation of a known user (3) determining the presence of another known user within the social network graphical representation of the user of the base, and (4) determining the presence of the base user based on the correlation between the unknown user and other known users in the network graphical representation Computer readable medium that helps determine the likelihood and likelihood of an unknown user through the use of a social network graphical representation on a computer device by performing a step of inferring the likelihood of an unknown user present in the social network graphical representation of the base user It is possible to provide a computer program product embodied in a medium. In an embodiment, the confirmation of preferences may be through the use of natural language processing. Social network graphic representation can be social graph, social diagram, and so on. The computing equipment may be machine learning equipment.

실시예에서, 본 발명은 2개 이상의 제 3 자 API를 통해 판정된 바와 같은 사용자의 기호도 및 선호도를 조합하여 2개 이상의 제 3 자 API를 통해 제공된 추천을 향상시킬 수 있다. 예를 들어, 하나 초과의 제 3 자 API를 통해 설정되는 기호도 및 선호도 프로파일이 존재할 수 있고, 본 발명에 의해 이들 상이한 기호도 및 선호도 프로파일을 조합함으로써, 조합된 기호도 및 선호도 프로파일이 생성될 수 있다. 또한, 부가적인 기호도 및 선호도 프로파일이 제 3 자 API를 통해 생성됨에 따라, 이들은 사용자를 위한 조합된 기호도 및 선호도 프로파일을 연속적으로 업데이트하는데 사용될 수 있다. 제 3 자는 이어서 이들의 추천을 향상시키기 위해 조합된 기호도 및 선호도 프로파일을 이용할 수 있다. 이는 특히 상이한 제 3 자가 제품, 개인 관계, 서비스, 연예인 등과 같은 상이한 영역에서 기호도 및 선호도 프로파일링에 포커싱할 때 해당할 수 있다. 다수의 더 많은 특정 프로파일을 조합된 프로파일로 조합하는 것은 더 풍부한 기호도 및 선호도 프로파일을 제공할 수 있고, 이어서 더 많은 특정 프로파일 중 임의의 하나를 통해 생성될 수 있다는 것이 이해될 수 있다. 게다가, 사용자는 시간 경과에 따라 이들의 기호도 및 선호도를 변경할 수 있고, 따라서 하나의 제 3 자 API 상에서 더 많은 최근 사용자 프로파일 상호 작용을 조합하는 것은 사용자가 최근에 상호 작용되지 않았지만 다른 제 3 자가 이들의 사용자 프로파일을 최신으로 유지하기를 원하는 경우에 다른 제 3 자에게 이득이 될 수 있다.In an embodiment, the present invention may enhance preferences provided through two or more third party APIs by combining user preferences and preferences as determined via two or more third party APIs. For example, there can be preference profiles and preference profiles set via more than one third party API, and by combining these preference profiles and preference profiles with the present invention, a combined preference and preference profile can be generated. In addition, as additional preference and preference profiles are generated via third party APIs, they can be used to continuously update the combined preference and preference profiles for the user. The third party can then use the combined preference and preference profiles to enhance their recommendations. This may be especially true when different third parties are focusing on preference and preference profiling in different areas such as products, personal relationships, services, entertainers, and the like. It can be appreciated that combining multiple more specific profiles into a combined profile may provide a richer preference and preference profile and then be generated through any one of more specific profiles. In addition, users can change their preferences and preferences over time, thus combining more recent user profile interactions on one third-party API means that the user has not been recently interacted, Lt; / RTI > can benefit other third parties if they want to keep their user profile up-to-date.

도 35를 참조하면, 실시예에서, 본 발명은 하나 이상의 컴퓨터 상에서 실행될 때, (1) 제 1 선호도 학습 제 3 자 API를 통해 제 1 제 3 자 웹사이트(3514)와의 사용자의 상호 작용을 통해 사용자(3512)의 제 1 기호도 및 선호도 프로파일을 생성하는 단계(3504), (2) 제 2 제 3 자 API를 통해 제 2 제 3 자 웹사이트(3514)를 통해 부가적인 사용자 상호 작용 정보를 수집하는 단계(3508), 및 (3) 부가적인 사용자 상호 작용 정보를 기호도 및 선호도 프로파일과 조합하여 기호도 및 선호도 프로파일을 향상시키는 단계(3510)를 수행함으로써 컴퓨터 장비의 사용을 통해 향상된 기호도 및 선호도 프로파일링(3502)을 제공하는 컴퓨터 판독 가능 매체에서 구체화된 컴퓨터 프로그램 제품을 제공할 수 있다. 실시예에서, 제 1 기호도 및 선호도 프로파일을 생성하는 단계는 자연 언어 프로세싱의 사용을 통한 사용자 선호도의 확인을 통할 수 있다. 컴퓨팅 장비는 기계 학습 장비일 수 있다. API는 비용 정보, 제품 정보, 개인 정보 및 토픽 정보 중 적어도 하나의 수집을 가능화할 수 있다.35, in an embodiment, the present invention, when executed on one or more computers, may (1) interact with a first third party web site 3514 through a first preference learning third party API (3504) generating a first preference and preference profile of the user 3512, (2) collecting additional user interaction information via the second third party web site 3514 via the second third party API (3508), and (3) combining the additional user interaction information with preference and preference profiles to enhance the preference and preference profiles (3510), thereby enhancing preference and preference through use of computer equipment Lt; RTI ID = 0.0 > 3502 < / RTI > In an embodiment, generating the first preference and preference profiles may be through an identification of user preferences through the use of natural language processing. The computing equipment may be machine learning equipment. The API may enable collection of at least one of cost information, product information, personal information, and topic information.

본 명세서에 설명된 방법 및 시스템은 컴퓨터 소프트웨어, 프로그램 코드 및/또는 명령을 프로세서 상에서 실행하는 기계를 통해 부분적으로 또는 전체적으로 전개될 수 있다. 본 발명은 기계 상에서의 방법으로서, 기계의 부분으로서 또는 기계에 관련하는 시스템 또는 장치로서, 또는 기계의 하나 이상 상에서 실행하는 컴퓨터 판독 가능 매체에서 구체화된 컴퓨터 프로그램 제품으로서 구현될 수 있다. 프로세서는 서버, 클라이언트, 네트워크 인프라구조, 모바일 컴퓨팅 플랫폼, 정지형 컴퓨팅 플랫폼 또는 다른 컴퓨팅 플랫폼의 부분일 수 있다. 프로세서는 프로그램 명령, 코드, 2진 명령 등을 실행하는 것이 가능한 임의의 종류의 연산 또는 프로세싱 디바이스일 수 있다. 프로세서는 그 위에 저장된 프로그램 코드 또는 프로그램 명령의 실행을 직접적으로 또는 간접적으로 용이하게 할 수 있는 신호 프로세서, 디지털 프로세서, 매립형 프로세서, 마이크로프로세서 또는 코프로세서(수학 코프로세서, 그래픽 코프로세서, 통신 코프로세서 등) 등과 같은 임의의 변형일 수 있거나 이들을 포함할 수 있다. 게다가, 프로세서는 다수의 프로그램, 스레드 및 코드의 실행을 가능화할 수 있다. 스레드는 프로세서의 성능을 향상시키고 애플리케이션의 동시 동작을 용이하게 하기 위해 동시에 실행될 수 있다. 구현예로서, 본 명세서에 설명된 방법, 프로그램 코드, 프로그램 명령 등은 하나 이상의 스레드에서 구현될 수 있다. 스레드는 이들과 관련된 할당된 우선 순위를 가질 수 있는 다른 스레드를 스포닝할 수 있고, 프로세서는 프로그램 코드 내에 제공된 명령에 기초하여 우선 순위 또는 임의의 다른 순서에 기초하여 이들 스레드를 실행할 수 있다. 프로세서는 본 명세서 및 다른 위치에 설명된 바와 같은 방법, 코드, 명령 및 프로그램을 저장하는 메모리를 포함할 수 있다. 프로세서는 본 명세서 및 다른 위치에 설명된 바와 같은 방법, 코드 및 명령을 저장할 수 있는 인터페이스를 통해 저장 매체에 액세스할 수 있다. 컴퓨팅 또는 프로세싱 디바이스에 의해 실행되는 것이 가능한 방법, 프로그램, 코드, 프로그램 명령 또는 다른 유형의 명령을 저장하기 위한 프로세서와 관련된 저장 매체는 이들에 한정되는 것은 아니지만, CD-ROM, DVD, 메모리, 하드 디스크, 플래시 드라이브, RAM, ROM, 캐시 등 중 하나 이상을 포함할 수 있다.The methods and systems described herein may be deployed, in part or in whole, through a computer that executes computer software, program code, and / or instructions on a processor. The present invention may be implemented as a machine-readable method, as a computer program product embodied in a machine-readable medium, such as a machine or a machine-readable medium, or as part of a machine. The processor may be a server, a client, a network infrastructure, a mobile computing platform, a stationary computing platform or other computing platform. A processor may be any type of computing or processing device capable of executing program instructions, code, binary instructions, and the like. A processor may be a signal processor, a digital processor, a programmable processor, a microprocessor, or a coprocessor (such as a math coprocessor, a graphics coprocessor, a communications coprocessor, or the like) capable of directly or indirectly facilitating the execution of program code or program instructions stored thereon. ), And the like. In addition, a processor may enable execution of multiple programs, threads, and code. The threads may be executed concurrently to improve the performance of the processor and facilitate simultaneous operation of the application. As an implementation, the methods, program code, program instructions, and the like described herein may be implemented in one or more threads. A thread may sparse another thread that may have an assigned priority associated therewith and the processor may execute these threads based on priority or any other order based on instructions provided in the program code. A processor may include a memory that stores methods, codes, instructions, and programs as described herein and elsewhere. The processor may access the storage medium via an interface capable of storing methods, codes and instructions as described herein and elsewhere herein. A storage medium associated with a processor for storing a method, program, code, program command or other type of instruction that may be executed by a computing or processing device includes, but is not limited to, a CD-ROM, a DVD, , Flash drive, RAM, ROM, cache, and the like.

프로세서는 멀티프로세서의 속도 및 성능을 향상시킬 수 있는 하나 이상의 코어를 포함할 수 있다. 실시예에서, 프로세스는 2개 이상의 독립적인 코어(다이라 칭함)를 조합하는 듀얼 코어 프로세서, 쿼드 코어 프로세서, 다른 칩-레벨 멀티프로세서 등일 수 있다.A processor may include one or more cores capable of improving the speed and performance of the multiprocessor. In an embodiment, the process may be a dual core processor, quad core processor, other chip-level multiprocessor, etc., that combine two or more independent cores (i.

본 명세서에 설명된 방법 및 시스템은 서버, 클라이언트, 방화벽, 게이트웨이, 허브, 라우터 또는 다른 이러한 컴퓨터 및/또는 네트워킹 하드웨어 상에서 컴퓨터 소프트웨어를 실행하는 기계를 통해 부분적으로 또는 전체적으로 전개될 수 있다. 소프트웨어 프로그램은 파일 서버, 프린트 서버, 인터넷 서버, 인트라넷 서버 및 2차 서버, 호스트 서버, 분산형 서버 등과 같은 다른 변형을 포함할 수 있는 서버와 관련될 수 있다. 서버는 메모리, 프로세서, 컴퓨터 판독 가능 매체, 저장 매체, 포트(물리적 및 가상), 통신 디바이스 및 유선 또는 무선 매체 등을 통해 다른 서버, 클라이언트, 기계 및 디바이스에 액세스하는 것이 가능한 인터페이스 중 하나 이상을 포함할 수 있다. 본 명세서 및 다른 위치에 설명된 바와 같은 방법, 프로그램 또는 코드는 서버에 의해 실행될 수 있다. 게다가, 이 출원에 설명된 바와 같은 방법의 실행을 위해 요구되는 다른 디바이스는 서버와 관련된 인프라구조의 부분으로서 고려될 수 있다.The methods and systems described herein may be deployed in part or in whole through a machine running computer software on a server, client, firewall, gateway, hub, router or other such computer and / or networking hardware. A software program may be associated with a server that may include file servers, print servers, Internet servers, intranet servers and other variations such as secondary servers, host servers, distributed servers, and the like. A server may include one or more of the interfaces capable of accessing other servers, clients, machines and devices via memory, a processor, a computer readable medium, a storage medium, ports (physical and virtual), communication devices and wired or wireless media, can do. A method, program, or code as described herein and elsewhere herein may be executed by a server. In addition, other devices required for the implementation of the method as described in this application may be considered as part of the infrastructure associated with the server.

서버는 이들에 한정되는 것은 아니지만, 클라이언트, 다른 서버, 프린터, 데이터베이스 서버, 프린트 서버, 파일 서버, 통신 서버, 분산형 서버 등을 포함하는 다른 디바이스로의 인터페이스를 제공할 수 있다. 추가적으로, 이 커플링 및/또는 접속은 네트워크를 가로질러 프로그램의 원격 실행을 용이하게 할 수 있다. 이들 디바이스의 일부 또는 전체의 네트워킹은 본 발명의 범주로부터 벗어나지 않고 하나 이상의 위치에서 프로그램 또는 방법의 병렬 프로세싱을 용이하게 할 수 있다. 게다가, 인터페이스를 통해 서버에 연결된 임의의 디바이스는 방법, 프로그램, 코드 및/또는 명령을 저장하는 것이 가능한 적어도 하나의 저장 매체를 포함할 수 있다. 중앙 저장소가 상이한 디바이스 상에서 실행될 프로그램 명령을 제공할 수 있다. 이 구현예에서, 원격 저장소는 프로그램 코드, 명령 및 프로그램을 위한 저장 매체로서 작용할 수 있다.The server may provide an interface to other devices including, but not limited to, clients, other servers, printers, database servers, print servers, file servers, communication servers, distributed servers, Additionally, the coupling and / or connection may facilitate remote execution of the program across the network. Networking of some or all of these devices may facilitate parallel processing of programs or methods at one or more locations without departing from the scope of the present invention. In addition, any device connected to the server via an interface may include at least one storage medium capable of storing methods, programs, code, and / or instructions. The central repository may provide program instructions to be executed on different devices. In this implementation, the remote repository may act as a storage medium for program code, instructions and programs.

소프트웨어 프로그램은 파일 클라이언트, 프린트 클라이언트, 도메인 클라이언트, 인터넷 클라이언트, 인트라넷 클라이언트 및 2차 클라이언트, 호스트 클라이언트, 분산형 클라이언트 등과 같은 다른 변형을 포함할 수 있는 클라이언트와 관련될 수 있다. 클라이언트는 메모리, 프로세서, 컴퓨터 판독 가능 매체, 저장 매체, 포트(물리적 및 가상), 통신 디바이스 및 유선 또는 무선 매체 등을 통해 다른 클라이언트, 서버, 기계 및 디바이스에 액세스하는 것이 가능한 인터페이스 중 하나 이상을 포함할 수 있다. 본 명세서 및 다른 위치에 설명된 바와 같은 방법, 프로그램 또는 코드는 클라이언트에 의해 실행될 수 있다. 게다가, 이 출원에 설명된 바와 같은 방법의 실행을 위해 요구되는 다른 디바이스는 클라이언트와 관련된 인프라구조의 부분으로서 고려될 수 있다.A software program may be associated with a client that may include a file client, a print client, a domain client, an Internet client, an intranet client and other variations such as a secondary client, a host client, a distributed client, A client may include one or more of the following: an interface capable of accessing other clients, servers, machines and devices via a memory, a processor, a computer readable medium, a storage medium, ports (physical and virtual), communication devices and wired or wireless media, can do. A method, program or code as described herein and elsewhere herein may be executed by a client. In addition, other devices required for the implementation of the method as described in this application may be considered as part of the infrastructure associated with the client.

클라이언트는 이들에 한정되는 것은 아니지만, 서버, 다른 클라이언트, 프린터, 데이터베이스 서버, 프린트 서버, 파일 서버, 통신 서버, 분산형 서버 등을 포함하는 다른 디바이스로의 인터페이스를 제공할 수 있다. 추가적으로, 이 커플링 및/또는 접속은 네트워크를 가로질러 프로그램의 원격 실행을 용이하게 할 수 있다. 이들 디바이스의 일부 또는 전체의 네트워킹은 본 발명의 범주로부터 벗어나지 않고 하나 이상의 위치에서 프로그램 또는 방법의 병렬 프로세싱을 용이하게 할 수 있다. 게다가, 인터페이스를 통해 클라이언트에 연결된 임의의 디바이스는 방법, 프로그램, 애플리케이션, 코드 및/또는 명령을 저장하는 것이 가능한 적어도 하나의 저장 매체를 포함할 수 있다. 중앙 저장소가 상이한 디바이스 상에서 실행될 프로그램 명령을 제공할 수 있다. 이 구현예에서, 원격 저장소는 프로그램 코드, 명령 및 프로그램을 위한 저장 매체로서 작용할 수 있다.Clients may provide interfaces to other devices including, but not limited to, servers, other clients, printers, database servers, print servers, file servers, communication servers, distributed servers, Additionally, the coupling and / or connection may facilitate remote execution of the program across the network. Networking of some or all of these devices may facilitate parallel processing of programs or methods at one or more locations without departing from the scope of the present invention. In addition, any device connected to the client via an interface may include at least one storage medium that is capable of storing methods, programs, applications, code, and / or instructions. The central repository may provide program instructions to be executed on different devices. In this implementation, the remote repository may act as a storage medium for program code, instructions and programs.

본 명세서에 설명된 방법 및 시스템은 네트워크 인프라구조를 통해 부분적으로 또는 전체적으로 전개될 수 있다. 네트워크 인프라구조는 당 기술 분야에 공지된 바와 같은 컴퓨팅 디바이스, 서버, 라우터, 허브, 방화벽, 클라이언트, 퍼스널 컴퓨터, 통신 디바이스, 라우팅 디바이스 및 다른 능동 및 수동 디바이스, 모듈 및/또는 구성 요소와 같은 요소를 포함할 수 있다. 네트워크 인프라구조와 관련된 컴퓨팅 및/또는 비컴퓨팅 디바이스(들)는 다른 구성 요소와는 별개로, 플래시 메모리, 버퍼, 스택, RAM, ROM 등과 같은 저장 매체를 포함할 수 있다. 본 명세서 및 다른 위치에 설명된 프로세스, 방법, 프로그램 코드, 명령은 네트워크 인프라구조 요소 중 하나 이상에 의해 실행될 수 있다.The methods and systems described herein may be deployed, in part or in whole, through a network infrastructure. The network infrastructure may include elements such as computing devices, servers, routers, hubs, firewalls, clients, personal computers, communication devices, routing devices and other active and passive devices, modules and / or components as is known in the art . Computing and / or non-computing device (s) associated with the network infrastructure may include storage media such as flash memory, buffer, stack, RAM, ROM, etc., separate from the other components. The processes, methods, program codes, and instructions described in this specification and elsewhere herein may be executed by one or more of the network infrastructure elements.

본 명세서 및 다른 위치에 설명된 방법, 프로그램 코드 및 명령은 다수의 셀을 갖는 셀룰러 네트워크 상에서 구현될 수 있다. 셀룰러 네트워크는 주파수 분할 다중 접속(FDMA) 네트워크 또는 코드 분할 다중 접속(CDMA) 네트워크일 수 있다. 셀룰러 네트워크는 모바일 디바이스, 셀 사이트, 기지국, 리피터, 안테나, 타워 등을 포함할 수 있다. 셀 네트워크는 GSM, GPRS, 3G, EVDO, 메시 또는 다른 네트워크 유형일 수 있다.The methods, program codes, and instructions described herein and in other locations may be implemented on a cellular network having a plurality of cells. The cellular network may be a frequency division multiple access (FDMA) network or a code division multiple access (CDMA) network. The cellular network may include a mobile device, a cell site, a base station, a repeater, an antenna, a tower, and the like. The cell network may be GSM, GPRS, 3G, EVDO, mesh or other network type.

본 명세서 및 다른 위치에 설명된 방법, 프로그램 코드 및 명령은 모바일 디바이스 상에서 또는 모바일 디바이스를 통해 구현될 수 있다. 모바일 디바이스는 네비게이션 디바이스, 휴대폰, 이동 전화, 모바일 개인 휴대 정보 단말, 랩탑, 팜탑, 넷북, 호출기, 전자북 리더, 음악 플레이어 등을 포함할 수 있다. 이들 디바이스는 다른 구성 요소와는 별개로, 플래시 메모리, 버퍼, RAM, ROM 및 하나 이상의 컴퓨팅 디바이스와 같은 저장 매체를 포함할 수 있다. 모바일 디바이스와 관련된 컴퓨팅 디바이스는 그 위에 저장된 프로그램 코드, 방법 및 명령을 실행하도록 가능화될 수 있다. 대안적으로, 모바일 디바이스는 다른 디바이스와 협력하여 명령을 실행하도록 구성될 수 있다. 모바일 디바이스는 서버와 인터페이스되고 프로그램 코드를 실행하도록 구성된 기지국과 통신할 수 있다. 모바일 디바이스는 피어투피어 네트워크, 메시 네트워크 또는 다른 통신 네트워크 상에서 통신할 수 있다. 프로그램 코드는 서버와 관련되고 서버 내에 매립된 컴퓨팅 디바이스에 의해 실행된 저장 매체 상에 저장될 수 있다. 기지국은 컴퓨팅 디바이스 및 저장 매체를 포함할 수 있다. 저장 디바이스는 기지국과 관련된 컴퓨팅 디바이스에 의해 실행된 프로그램 코드 및 명령을 저장할 수 있다.The methods, program codes, and instructions described herein and in other locations may be implemented on or through a mobile device. A mobile device may include a navigation device, a cell phone, a mobile phone, a mobile personal digital assistant, a laptop, a palmtop, a netbook, a pager, an electronic book reader, a music player, and the like. These devices, apart from other components, may include storage media such as flash memory, buffer, RAM, ROM, and one or more computing devices. The computing device associated with the mobile device may be enabled to execute program code, methods and instructions stored thereon. Alternatively, the mobile device may be configured to execute instructions in cooperation with another device. The mobile device may communicate with a base station that is interfaced with the server and configured to execute the program code. The mobile device may communicate on a peer-to-peer network, a mesh network, or other communications network. The program code may be stored on storage media associated with the server and executed by a computing device embedded within the server. The base station may include a computing device and a storage medium. The storage device may store program code and instructions executed by a computing device associated with the base station.

컴퓨터 소프트웨어, 프로그램 코드 및/또는 명령은 소정 시간 간격 동안 컴퓨팅하기 위해 사용된 디지털 데이터를 보유하는 컴퓨터 부품, 디바이스 및 기록 매체와, 임의 접근 메모리(RAM)로서 공지된 반도체 저장 장치와, 통상적으로 광학 디스크, 하드 디스크, 테이프, 드럼, 카드 및 다른 유형과 같은 자기 저장 장치의 형태와 같은 더 영구적인 저장 장치에 대한 대량 저장 장치와, 프로세서 레지스터, 캐시 메모리, 휘발성 메모리, 비휘발성 메모리와, CD, DVD와 같은 광학 저장 장치와, 플래시 메모리(예를 들어, USB 스틱 또는 키), 플로피 디스크, 자기 테이프, 페이퍼 테이프, 펀치 카드, 독립형 RAM 디스크, Zip 드라이브, 제거 가능 대량 저장 장치, 오프라인 등과 같은 제거 가능 매체와, 동적 메모리, 정적 메모리, 판독/기록 저장 장치, 가변 저장 장치, 판독 전용, 임의 접근, 순차적 접근, 위치 어드레스 가능, 파일 어드레스 가능, 콘텐트 어드레스 가능, 네트워크 연결 저장 장치, 저장 영역 네트워크, 바코드, 자기 잉크 등과 같은 다른 컴퓨터 메모리를 포함할 수 있는 기계 판독 가능 매체 상에 저장되고 그리고/또는 액세스될 수 있다.Computer software, program code, and / or instructions may include computer components, devices and recording media having digital data used to compute for a predetermined time interval, semiconductor storage devices known as random access memory (RAM) Volatile memory, non-volatile memory, and mass storage devices for more persistent storage devices, such as magnetic disks, magnetic disks, magnetic disks, magnetic storage devices in the form of disks, hard disks, Optical storage such as DVD and removals such as flash memory (e.g., USB stick or key), floppy disk, magnetic tape, paper tape, punch card, stand alone RAM disk, Zip drive, removable mass storage, Capable media, dynamic memory, static memory, read / write storage, variable storage, read Storage on a machine-readable medium that may include other computer memory such as, for example, random access, sequential access, location addressable, file addressable, content addressable, network connected storage devices, storage area networks, bar codes, And / or accessed.

본 명세서에 설명된 방법 및 시스템은 하나의 상태로부터 다른 상태로 물리적 및/또는 무형의 아이템을 변환할 수 있다. 본 명세서에 설명된 방법 및 시스템은 또한 하나의 상태로부터 다른 상태로 물리적 및/또는 무형의 아이템을 표현하는 데이터를 변환할 수 있다.The methods and systems described herein may convert physical and / or intangible items from one state to another. The methods and systems described herein may also convert data representing physical and / or intangible items from one state to another.

도면 전체에 걸쳐 흐름도 및 블록 다이어그램을 포함하여 본 명세서에 설명되고 도시된 요소는 요소들 사이의 논리적 경계를 암시한다. 그러나, 소프트웨어 또는 하드웨어 엔지니어링 실시에 따르면, 도시된 요소 및 그 기능은 모노리식 소프트웨어 구조체로서, 독립형 소프트웨어 모듈로서 또는 외부 루틴, 코드, 서비스 등, 또는 이들의 임의의 조합을 이용하는 모듈로서 그 위에 저장된 프로그램 명령을 실행하는 것이 가능한 프로세서를 갖는 컴퓨터 실행 가능 매체를 통해 기계 상에서 구현될 수 있고, 모든 이러한 구현예는 본 발명의 범주 내에 있을 수 있다. 이러한 기계의 예는 이들에 한정되는 것은 아니지만, 개인 휴대 정보 단말, 랩탑, 퍼스널 컴퓨터, 휴대폰, 다른 휴대형 컴퓨팅 디바이스, 의료 장비, 유선 또는 무선 통신 디바이스, 트랜스듀서, 칩, 계산기, 위성, 타블렛 PC, 전자북, 가젯, 전자 디바이스, 인공 지능을 갖는 디바이스, 컴퓨팅 디바이스, 네트워킹 장비, 서버, 라우터 등을 포함할 수 있다. 더욱이, 흐름도 및 블록 다이어그램에 도시된 요소 또는 임의의 다른 논리 구성 요소는 프로그램 명령을 실행하는 것이 가능한 기계 상에서 구현될 수 있다. 따라서, 상기 도면 및 설명은 개시된 시스템의 기능 양태를 설명하고 있지만, 이들 기능 양태를 구현하기 위한 소프트웨어 어떠한 특정 배열도 명시적으로 언급되거나 다른 방식으로 문맥으로부터 명백하지 않으면 이들 설명으로부터 추론되지 않아야 한다. 유사하게, 상기에 식별되고 설명된 다양한 단계는 변경될 수 있고, 단계의 순서는 본 명세서에 개시된 기술의 특정 용례에 적용될 수 있다는 것이 이해될 수 있을 것이다. 모든 이러한 변형 및 수정은 본 명세서의 범주 내에 있도록 의도된다. 이와 같이, 다양한 단계를 위한 순서의 도시 및/또는 설명은 특정 용례에 의해 요구되지 않거나 명시적으로 언급되지 않거나 다른 방식으로 문맥으로부터 명백하지 않으면 이들 단계를 위한 실행의 특정 순서를 필요로 하는 것으로 이해되어서는 안된다.The elements described and illustrated herein, including flow diagrams and block diagrams throughout the drawings, imply logical boundaries between elements. However, according to a software or hardware engineering practice, the depicted elements and their functions may be implemented as monolithic software structures, as standalone software modules or as modules using external routines, code, services, etc., or any combination thereof, May be implemented on a machine via a computer-executable medium having a processor capable of executing the instructions, and all such implementations may be within the scope of the present invention. Examples of such machines include, but are not limited to, personal digital assistants, laptops, personal computers, mobile phones, other portable computing devices, medical equipment, wired or wireless communication devices, transducers, Electronic books, electronic devices, devices having artificial intelligence, computing devices, networking equipment, servers, routers, and the like. Moreover, elements shown in the flowcharts and block diagrams or any other logical element may be implemented on a machine capable of executing program instructions. Accordingly, while the drawings and description illustrate functional aspects of the disclosed system, software for implementing these functional aspects should not be deduced from these descriptions unless explicitly stated otherwise or otherwise apparent from the context. Similarly, it will be appreciated that the various steps identified and described above may be varied and that the order of steps may be applied to the specific use of the techniques described herein. All such variations and modifications are intended to be within the scope of this disclosure. As such, it will be understood that the order and / or description of the sequences for the various steps are not required by the particular use, are not explicitly mentioned, or are otherwise apparent from the context, requiring a particular order of execution for these steps It should not be.

전술된 방법 및/또는 프로세스 및 이들의 단계는 특정 용례에 적합한 하드웨어, 소프트웨어 또는 하드웨어와 소프트웨어의 임의의 조합으로 실현될 수 있다. 하드웨어는 범용 컴퓨터 및/또는 전용 컴퓨팅 디바이스 또는 특정 컴퓨팅 디바이스 또는 특정 컴퓨팅 디바이스의 특정 양태 또는 구성 요소를 포함할 수 있다. 프로세스는 내부 및/또는 외부 메모리와 함께, 하나 이상의 마이크로프로세서, 마이크로제어기, 매립형 마이크로제어기, 프로그램 가능 디지털 신호 프로세서 또는 다른 프로그램 가능 디바이스에서 실현될 수 있다. 프로세스는 또한 또는 대신에, 응용 특정 집적 회로, 프로그램 가능 게이트 어레이, 프로그램 가능 어레이 로직 또는 전자 신호를 프로세싱하도록 구성될 수 있는 임의의 다른 디바이스 또는 디바이스의 조합으로 구체화될 수 있다. 프로세스의 하나 이상은 기계 판독 가능 매체 상에서 실행되는 것이 가능한 컴퓨터 실행 가능 코드로서 실현될 수 있다.The above-described methods and / or processes and their steps may be implemented in hardware, software, or any combination of hardware and software suitable for the particular application. The hardware may include general purpose computers and / or dedicated computing devices or specific aspects or components of a particular computing device or a particular computing device. The process may be implemented in one or more microprocessors, microcontrollers, embedded microcontrollers, programmable digital signal processors or other programmable devices, with internal and / or external memory. The process may also or alternatively be embodied in an application specific integrated circuit, a programmable gate array, programmable array logic, or any other device or combination of devices that may be configured to process electronic signals. One or more of the processes may be realized as computer executable code capable of being executed on a machine-readable medium.

컴퓨터 실행 가능 코드는 상기 디바이스 중 하나, 뿐만 아니라 프로세서의 이종 조합, 프로세서 아키텍처 또는 상이한 하드웨어 및 소프트웨어의 조합 또는 프로그램 명령을 실행하는 것이 가능한 임의의 다른 기계 상에서 실행되도록 저장되고, 컴파일링되거나 해석될 수 있는 C와 같은 구조화된 프로그래밍 언어, C++과 같은 객체 지향성 프로그래밍 언어, 또는 임의의 다른 고레벨 또는 저레벨 프로그래밍 언어(어셈블리 언어, 하드웨어 기술 언어 및 데이터베이스 프로그래밍 언어 및 기술)를 사용하여 생성될 수 있다.The computer executable code may be stored, compiled, or interpreted to execute on one of the devices, as well as on a heterogeneous combination of processors, a processor architecture or a combination of different hardware and software or any other machine capable of executing program instructions (Assembly language, hardware description language, and database programming language and technology), such as C, a structured programming language such as C, an object oriented programming language such as C ++, or any other high or low level programming language.

따라서, 일 양태에서, 전술된 각각의 방법 및 이들의 조합은 하나 이상의 컴퓨팅 디바이스 상에서 실행될 때 이들의 단계를 수행하는 컴퓨터 실행 가능 코드로 구체화될 수 있다. 다른 양태에서, 방법은 이들의 단계를 수행하는 시스템에서 구체화될 수 있고, 다수의 방식으로 디바이스를 가로질러 분배될 수 있고 또는 모든 기능성은 전용, 독립형 디바이스 또는 다른 하드웨어 내에 통합될 수 있다. 다른 양태에서, 전술된 프로세스와 관련된 단계를 수행하기 위한 수단은 전술된 임의의 하드웨어 및/또는 소프트웨어를 포함할 수 있다. 모든 이러한 치환 및 조합은 본 발명의 범주 내에 있는 것으로 의도된다.Thus, in one aspect, each of the above-described methods and combinations thereof may be embodied as computer executable code that performs these steps when executed on one or more computing devices. In other aspects, the method may be embodied in a system that performs these steps, may be distributed across the device in a number of ways, or all functionality may be integrated into a dedicated, stand-alone device or other hardware. In other aspects, the means for performing the steps associated with the processes described above may include any of the hardware and / or software described above. All such substitutions and combinations are intended to be within the scope of the present invention.

본 발명이 상세히 도시되고 설명된 바람직한 실시예와 관련하여 개시되어 있지만, 다양한 수정 및 개량이 당 기술 분야의 숙련자들에게 즉시 명백하게 될 것이다. 따라서, 본 발명의 사상 및 범주는 상기 예에 의해 한정되는 것은 아니고, 법규에 의해 허용 가능한 가장 넓은 개념으로 이해되어야 한다.While the present invention has been disclosed in connection with the preferred embodiments shown and described in detail, various modifications and improvements will become readily apparent to those skilled in the art. Accordingly, the spirit and scope of the present invention should not be construed as being limited by the above examples, but should be understood as the broadest possible allowable by law.

본 명세서에 참조된 모든 문헌은 본 명세서에 참조로서 포함되어 있다.All references cited herein are incorporated herein by reference.

Claims

메모리 및 적어도 하나의 프로세서를 포함하는 머신과,
상기 머신에 의해 실행가능한 컴퓨터 장비를 포함하되,
상기 컴퓨터 장비는,
사회적 그래프(social graph)에서 특정 사용자에 연결된 하나 이상의 사용자를 식별하는 사회적 그래프 정보에 액세스하고,
상기 하나 이상의 사용자의 선호도를 식별하고,
상기 하나 이상의 사용자의 식별된 선호도에 기초하여, 상기 특정 사용자의 선호도를 나타내는 사용자 선호도 프로파일을 생성하고,
상기 특정 사용자로부터 초기 질문을 수신하고,
상기 컴퓨터 장비로부터의 질문 및 상기 특정 사용자에 의해 제공된 답변으로 구성된 대화를 상기 특정 사용자에게 제공―상기 컴퓨터 장비로부터의 질문 중 적어도 하나는 상기 생성된 사용자 선호도 프로파일에 기초하여 선택됨―하고,
감소된 결정 세트(reduced set of decisions)내에서 상기 컴퓨터 장비가 사전 결정된 확신 레벨(confidence level)에 이를 때까지 상기 대화를 계속하고,
상기 감소된 결정 세트 중 가장 높은 확신 레벨을 갖는 하나를 상기 특정 사용자에게 제시하도록 구성되며,
상기 감소된 결정 세트 중 가장 높은 확신 레벨을 갖는 하나는, 상기 대화 및 상기 생성된 사용자 선호도 프로파일에 기초한, 상기 특정 사용자로부터의 상기 초기 질문에 대한 단일 답변인
시스템.
A machine comprising a memory and at least one processor,
And computer equipment executable by the machine,
The computer equipment comprising:
Accessing social graph information identifying one or more users connected to a particular user in a social graph,
Identifying a preference of the one or more users,
Generating a user preference profile indicating preferences of the particular user based on the identified preferences of the one or more users,
Receiving an initial query from the particular user,
Providing a dialog comprising a question from the computer equipment and an answer provided by the particular user to the particular user, wherein at least one of the questions from the computer equipment is selected based on the generated user preference profile,
Continuing the conversation until the computer equipment has reached a predetermined confidence level within a reduced set of decisions,
And to present the one having the highest confidence level of the reduced set of decisions to the particular user,
And one with the highest confidence level of the reduced set of decisions is a single answer to the initial question from the particular user based on the conversation and the generated user preference profile
system.

제 1 항에 있어서,
상기 컴퓨터 장비는 또한,
상기 특정 사용자가 특정 토픽에 관심을 갖는다는 것을 판정하고,
상기 사회적 그래프를 통해 상기 특정 사용자에 연결된 제 2 사용자가 상기 특정 토픽에 관심을 갖는다는 것을 판정하고,
상기 사회적 그래프를 통해 상기 특정 사용자 및 상기 제 2 사용자의 양쪽에 연결된 사용자들의 클러스터(cluster)를 식별하고,
상기 사용자들의 클러스터 내의 각 사용자가 상기 특정 토픽에 관심을 갖는다는 것을 추론하도록 구성되는
시스템.
The method according to claim 1,
The computer equipment may also include,
Determine that the particular user is interested in a particular topic,
Determine, through the social graph, that a second user connected to the particular user is interested in the particular topic,
Identify a cluster of users connected to both the specific user and the second user through the social graph,
Configured to deduce that each user in the cluster of users is interested in the particular topic
system.

제 2 항에 있어서,
상기 제 2 사용자는 상기 사회적 그래프 내에서 상기 특정 사용자로부터 적어도 사전 결정된 도수(a predetermined number of degrees)만큼 이격되는
시스템.
3. The method of claim 2,
Wherein the second user is at least a predetermined number of degrees away from the particular user in the social graph
system.

제 2 항에 있어서,
상기 제 2 사용자는 상기 사회적 그래프 내에서 상기 특정 사용자로부터 적어도 3도 이격되는
시스템.
3. The method of claim 2,
Wherein the second user is at least three degrees away from the particular user within the social graph
system.

제 1 항에 있어서,
상기 사회적 그래프는 온라인 사회적 네트워크 서비스와 연관되는
시스템.The method according to claim 1,
The social graph may be associated with an online social network service
system.

제 1 항에 있어서,
상기 하나 이상의 사용자 중 적어도 하나는 상기 사회적 그래프 내에서 상기 특정 사용자로부터 적어도 3도 이격되는
시스템.
The method according to claim 1,
Wherein at least one of the one or more users is at least three degrees away from the particular user in the social graph
system.

제 1 항에 있어서,
상기 하나 이상의 사용자 중 적어도 하나는 상기 사회적 그래프 내에서 상기 특정 사용자로부터 적어도 5도 이격되는
시스템.
The method according to claim 1,
Wherein at least one of the one or more users is at least 5 degrees apart from the particular user within the social graph
system.

제 1 항에 있어서,
상기 하나 이상의 사용자의 선호도는, 상기 하나 이상의 사용자의 상호 작용과 관련된 토픽 정보와 개인 정보 중 적어도 하나를 포함하는
시스템.
The method according to claim 1,
Wherein the preferences of the one or more users include at least one of topic information and personal information associated with the interaction of the one or more users
system.

제 1 항에 있어서,
상기 하나 이상의 사용자 중에서 상기 특정 사용자에 근접한 사용자는 추론 알고리즘에서 더 많은 가중치를 전달하는
시스템.
The method according to claim 1,
Wherein the user proximate to the particular user among the one or more users conveys more weight in the inference algorithm
system.

삭제delete

명령어를 포함하는 비일시적 머신 판독가능한 저장 매체로서,
상기 명령어는, 컴퓨터 장비의 하나 이상의 프로세서에 의해 실행될 때, 상기 컴퓨터 장비로 하여금,
사회적 그래프에서 특정 사용자에 연결된 하나 이상의 사용자를 식별하는 사회적 그래프 정보에 액세스하는 것과,
상기 하나 이상의 사용자의 선호도를 식별하는 것과,
상기 하나 이상의 사용자의 식별된 선호도에 기초하여, 상기 특정 사용자의 선호도를 나타내는 사용자 선호도 프로파일을 생성하는 것과,
상기 특정 사용자로부터 초기 질문을 수신하는 것과,
상기 컴퓨터 장비로부터의 질문 및 상기 특정 사용자에 의해 제공된 답변으로 구성된 대화를 상기 특정 사용자에게 제공하는 것―상기 컴퓨터 장비로부터의 질문 중 적어도 하나는 상기 생성된 사용자 선호도 프로파일에 기초하여 선택됨―과,
감소된 결정 세트내에서 상기 컴퓨터 장비가 사전 결정된 확신 레벨에 이를 때까지 상기 대화를 계속하는 것과,
상기 감소된 결정 세트 중 가장 높은 확신 레벨을 갖는 하나를 상기 특정 사용자에게 제시하는 것을 포함하는 동작을 수행하게 하고,
상기 감소된 결정 세트 중 가장 높은 확신 레벨을 갖는 하나는, 상기 대화 및 상기 생성된 사용자 선호도 프로파일에 기초한, 상기 특정 사용자로부터의 상기 초기 질문에 대한 단일 답변인
머신 판독가능한 저장 매체.
17. A non-transitory machine-readable storage medium comprising instructions,
Wherein the instructions, when executed by one or more processors of the computer equipment, cause the computer equipment to:
Accessing social graph information identifying one or more users connected to a particular user in the social graph,
Identifying a preference of the one or more users,
Generating a user preference profile indicating preferences of the particular user based on the identified preferences of the one or more users,
Receiving an initial query from the particular user,
Providing a user with a dialog comprising a question from the computer equipment and a response provided by the particular user, wherein at least one of the questions from the computer equipment is selected based on the generated user preference profile,
Continuing the conversation until the computer equipment reaches a predetermined confidence level within the reduced set of decisions,
And presenting the one having the highest confidence level of the reduced set of decisions to the particular user,
And one with the highest confidence level of the reduced set of decisions is a single answer to the initial question from the particular user based on the conversation and the generated user preference profile
A machine-readable storage medium.

제 14 항에 있어서,
상기 동작은,
상기 특정 사용자가 특정 토픽에 관심을 갖는다는 것을 판정하는 것과,
상기 사회적 그래프를 통해 상기 특정 사용자에 연결된 제 2 사용자가 상기 특정 토픽에 관심을 갖는다는 것을 판정하는 것과,
상기 사회적 그래프를 통해 상기 특정 사용자 및 상기 제 2 사용자의 양쪽에 연결된 사용자들의 클러스터를 식별하는 것과,
상기 사용자들의 클러스터 내의 각 사용자가 상기 특정 토픽에 관심을 갖는다는 것을 추론하는 것을 더 포함하는
머신 판독가능한 저장 매체.
15. The method of claim 14,
The operation includes:
Determining that the particular user is interested in a particular topic,
Determining that a second user connected to the particular user via the social graph is interested in the particular topic,
Identifying a cluster of users connected to both the particular user and the second user via the social graph,
Further comprising inferring that each user in the cluster of users is interested in the particular topic
A machine-readable storage medium.

제 15 항에 있어서,
상기 제 2 사용자는 상기 사회적 그래프 내에서 상기 특정 사용자로부터 적어도 사전 결정된 도수만큼 이격되는
머신 판독가능한 저장 매체.
16. The method of claim 15,
Wherein the second user is at least a predetermined number of degrees away from the particular user in the social graph
A machine-readable storage medium.

제 15 항에 있어서,
상기 제 2 사용자는 상기 사회적 그래프 내에서 상기 특정 사용자로부터 적어도 3도 이격되는
머신 판독가능한 저장 매체.
16. The method of claim 15,
Wherein the second user is at least three degrees away from the particular user within the social graph
A machine-readable storage medium.

컴퓨터 장비에서 컴퓨터에 의해 구현되는 방법으로서,
사회적 그래프에서 특정 사용자에 연결된 하나 이상의 사용자를 식별하는 사회적 그래프 정보에 액세스하는 단계와,
상기 하나 이상의 사용자의 선호도를 식별하는 단계와,
상기 하나 이상의 사용자의 식별된 선호도에 기초하여, 상기 특정 사용자의 선호도를 나타내는 사용자 선호도 프로파일을 생성하는 단계와,
상기 특정 사용자로부터 초기 질문을 수신하는 단계와,
상기 컴퓨터 장비로부터의 질문 및 상기 특정 사용자에 의해 제공된 답변으로 구성된 대화를 상기 특정 사용자에게 제공하는 단계―상기 컴퓨터 장비로부터의 질문 중 적어도 하나는 상기 생성된 사용자 선호도 프로파일에 기초하여 선택됨―와,
감소된 결정 세트내에서 상기 컴퓨터 장비가 사전 결정된 확신 레벨에 이를 때까지 상기 대화를 계속하는 단계와,
상기 감소된 결정 세트 중 가장 높은 확신 레벨을 갖는 하나를 상기 특정 사용자에게 제시하는 단계를 포함하되,
상기 감소된 결정 세트 중 가장 높은 확신 레벨을 갖는 하나는, 상기 대화 및 상기 생성된 사용자 선호도 프로파일에 기초한, 상기 특정 사용자로부터의 상기 초기 질문에 대한 단일 답변인
컴퓨터에 의해 구현되는 방법.
A method implemented by a computer in a computer equipment,
Accessing social graph information identifying one or more users connected to a particular user in a social graph;
Identifying a preference of the one or more users;
Generating a user preference profile indicating a preference of the particular user based on the identified preferences of the one or more users;
Receiving an initial query from the particular user;
Providing a dialog comprising a question from the computer equipment and an answer provided by the particular user, wherein at least one of the questions from the computer equipment is selected based on the generated user preference profile,
Continuing the conversation until the computer equipment reaches a predetermined confidence level within the reduced set of decisions;
And presenting to the particular user one having the highest confidence level of the reduced set of decisions,
And one with the highest confidence level of the reduced set of decisions is a single answer to the initial question from the particular user based on the conversation and the generated user preference profile
A method implemented by a computer.

제 18 항에 있어서,
상기 특정 사용자가 특정 토픽에 관심을 갖는다는 것을 판정하는 단계와,
상기 사회적 그래프를 통해 상기 특정 사용자에 연결된 제 2 사용자가 상기 특정 토픽에 관심을 갖는다는 것을 판정하는 단계와,
상기 사회적 그래프를 통해 상기 특정 사용자 및 상기 제 2 사용자의 양쪽에 연결된 사용자들의 클러스터를 식별하는 단계와,
상기 사용자들의 클러스터 내의 각 사용자가 상기 특정 토픽에 관심을 갖는다는 것을 추론하는 단계를 더 포함하는
컴퓨터에 의해 구현되는 방법.
19. The method of claim 18,
Determining that the particular user is interested in a particular topic,
Determining that a second user connected to the particular user via the social graph is interested in the particular topic;
Identifying a cluster of users connected to both the specific user and the second user via the social graph;
Further comprising inferring that each user in the cluster of users is interested in the particular topic
A method implemented by a computer.

제 19 항에 있어서,
상기 제 2 사용자는 상기 사회적 그래프 내에서 상기 특정 사용자로부터 적어도 사전 결정된 도수만큼 이격되는
컴퓨터에 의해 구현되는 방법.20. The method of claim 19,
Wherein the second user is at least a predetermined number of degrees away from the particular user in the social graph
A method implemented by a computer.