概率消息分发制造技术

本发明专利技术涉及系统和方法，其包括配置机器学习系统以对多个消息进行训练，针对一组输入消息求解多目标优化问题以在满足一个或多个约束时最小化要发送的消息的数量，为该组中的消息选择随机值，使用该组中的消息的发送阈值和随机值为该组中的消息设置发送约束，以及响应于满足发送约束而发送该组中的消息。

【技术实现步骤摘要】
【国外来华专利技术】概率消息分发相关申请本国际申请要求2015年10月2日提交的美国专利申请第14/874,201号的优先权，其全部内容以引用方式并入本文中。
本文公开的主题通常涉及管理社交网络服务，更具体地涉及对社交网络服务的会员进行高效消息分发。
技术介绍
在线社交网络服务的提供者和管理员由于各种不同的原因向会员分发消息。常规地，在线社交网络服务的会员期望关于社交网络的会员身份、事件通知、连接、广告、促销或其它方面的通信。然而，针对每个事件、连接、更新、广告等发送消息可能会使消息传递系统难以承受，并且可能由于消息与会员或会员的兴趣不够充分相关而打扰到会员。确定特定消息何时与给定会员充分相关或令其感兴趣是困难的。附图说明在附图中通过示例而非限制性地示出一些实施例。图1是示出了示例实施例中的在线社交网络服务的各种组件或功能模块的方框图。图2是示出了根据一个示例实施例的包括消息传输系统的一个示例场景的方框图。图3是示出了根据一个示例实施例的包括消息传输系统的示例场景的另一个方框图。图4是示出了根据一个示例实施例的内容过滤系统的组件的示意性方框图。图5是示出了根据示例实施例的消息传输系统的另一个示例场景的示意性方框图。图6是示出了根据示例实施例的高效消息分发的方法的流程图。图7是示出了根据示例实施例的高效消息分发的方法的流程图。图8是示出了根据示例实施例的高效消息分发的方法的流程图。图9是示出了根据示例实施例的高效消息分发的方法的流程图。图10是示出了能够从机器可读介质读取指令的机器的组件的方框图。具体实施方式以下描述包括具体实施本专利技术中描述的本专利技术的说明性实施例的系统、方法、技术、指令序列和计算机器程序产品。在以下描述中，为了解释的目的，阐述了许多具体细节以便提供对本专利技术主题的各种实施例的理解。然而，对于本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下实践本专利技术主题的实施例。一般而言，众所周知的指令实例、协议、结构和技术不一定详细示出。基本实施方式示例方法和系统涉及高效消息分发。示例只是代表可能的变化。除非另外明确说明，否则组件和功能是可选的并且可以被组合或细分，并且操作顺序可以变化或被组合或细分。在以下描述中，为了解释的目的，阐述了许多具体细节以提供对示例实施例的透彻理解。然而，对于本领域技术人员而言显而易见的是，可以在没有这些具体细节的情况下实践本主题。已经开发了用于高效消息分发的技术，其提供用于确定给定消息的结果概率并基于结果概率确定是否发送消息。因此，消息传输系统可以将消息传输限制为那些更可能引起在线社交网络服务的会员的响应或会员更加感兴趣的消息。图1是示出了示例实施例中的在线社交网络服务系统100的各种组件或功能模块的方框图。在线社交网络服务100可以用于管理消息分发消息。在一个示例中，在线社交网络服务100包括执行本文描述的各种消息结果概率操作的消息传输系统150。如将进一步描述，消息传输系统150包括机器学习系统151。前端层101由用户接口模块(例如，网络服务器)102组成，该用户接口模块从各种客户端计算设备接收请求并将适当的响应传递给请求客户端设备。例如，用户接口模块102可以接收呈超文本传输协议(HTTP)请求或其它基于网络的应用程序编程接口(API)请求形式的请求。在另一个示例中，前端层101从经由会员的移动计算设备执行的应用程序接收请求。在一个示例中，会员提交媒体内容以包括在在线社交网络服务100中，或者从在线社交网络服务100请求媒体内容。应用程序逻辑层103包括各种应用程序服务器模块104，该应用程序服务器模块与用户接口模块102结合，可以利用从数据层105中的各种数据源获取的数据来生成各种用户界面(例如，网页、应用程序等)。在一些示例中，单独的应用程序服务器模块104可以用于实现与在线社交网络服务的各种服务和特征相关联的功能。例如，组织机构在在线社交网络服务100的社交图中建立存在的能力(包括代表组织机构建立定制网页的能力以及代表组织机构发布消息或状态更新的能力)可以是在独立应用程序服务器模块104中实现的服务。类似地，可以将在线社交网络服务的会员可用的各种其它应用程序或服务具体实施在他们自身的应用程序服务器模块104中。或者，各种应用程序可以具体实施在单个应用程序服务器模块104中。在一些示例中，在线社交网络服务100包括消息传输系统150，诸如可用于传输消息，跟踪用户对消息的响应，训练机器学习系统151以求解多目标优化问题，以及响应于随机数满足消息的发送约束而传输消息。在一个示例中，消息传输系统150响应于随机数低于消息的发送阈值而传输消息。在另一个示例中，消息传输系统150响应于随机数超过发送阈值而传输消息。因此，在某些实施例中，发送阈值表示发送概率，而在其它实施例中，发送阈值表示不发送概率。如图所示，数据层105包括但不一定限于若干数据库110、112、114，诸如用于存储简档数据的数据库110，包括会员简档数据以及各种组织机构的简档数据。与一些示例相一致，当个人最初注册成为在线社交网络服务的会员时，可以提示个人提供一些个人信息，诸如他或她的姓名、年龄(例如，出生日期)、性别、兴趣、联系方式、祖籍、地址、会员配偶和/或家庭成员的姓名、教育背景(例如，学校、专业、入学日期和/或毕业日期等)、就业经历、技能、专业组织机构等。该信息例如存储在数据库110中。类似地，当组织机构的代表最初用在线社交网络服务注册该组织机构时，可以提示该代表提供关于该组织机构的某些信息。该信息可以存储在例如数据库110或另一个数据库(未示出)中。在一些示例中，可以处理简档数据(例如，在后台或离线)以生成各种派生的简档数据。例如，如果会员已经提供了关于该会员持有相同或不同公司的各种职位名称以及工作了多久的信息，则该信息可以用来推断或派生指示该会员的总资历水平或者在特定公司内的资历水平的会员简档属性。在一些示例中，从一个或多个外部托管的数据源导入或以其它方式访问数据可以增强会员和组织机构的简档数据。例如，特别是对于公司而言，可以从一个或多个外部数据源导入财务数据，并成为公司简档的一部分。在线社交网络服务100可以提供通常广泛的其它应用程序和服务，这些应用程序和服务允许会员有机会共享和接收根据会员的兴趣定制的信息。例如，在一些示例中，在线社交网络服务可以包括照片共享应用程序，其允许会员上传并与其它会员共享照片。在一些示例中，会员可以自行组织成围绕感兴趣的主题或话题组织的小组或兴趣小组。在另一个示例实施例中，消息传输系统150将消息存储在消息数据数据库112中。消息传输系统150还可以将任何和/或所有消息相关信息存储在消息数据数据库112中。当会员与经由在线社交网络服务可用的各种应用程序、服务和内容交互时，可以监视关于诸如通过观看、播放等与之交互的内容项目的信息，并且关于交互的信息可以由数据库114存储，例如，如图1中所示。因此，在线社交网络服务100的各个会员先前与内容项目的交互可以被存储并用于确定除其它因素之外各种类型的内容项目(诸如有组织的内容项目和赞助的内容项目)如何导致在线社交网络服务100的会员与内容项目的参与水平的差异。在某些示例中，与在线社交网络服务的会员交互基于消息中的链接本文档来自技高网...

【技术保护点】
1.一种系统，包括：处理器；其上存储有指令的机器可读介质，所述指令在由所述处理器执行时使所述系统：配置机器学习系统以对多个消息进行训练，所述机器学习系统基于输入消息输出预期数量的肯定响应并基于所述输入消息输出预期数量的否定响应；针对一组输入消息，求解多目标优化问题以在满足一个或多个约束时最小化要发送的消息的数量，所述多目标优化问题包括所述组中每个消息的所述预期数量的肯定响应和所述预期数量的否定响应，所述求解导致所述组中每个消息的发送阈值；为所述组中的消息选择随机值；使用所述组中的所述消息的所述发送阈值和所述随机值为所述组中的所述消息设置发送约束；以及响应于满足所述发送约束而发送所述组中的所述消息。

【技术特征摘要】
【国外来华专利技术】2015.10.02 US 14/874,2011.一种系统，包括：处理器；其上存储有指令的机器可读介质，所述指令在由所述处理器执行时使所述系统：配置机器学习系统以对多个消息进行训练，所述机器学习系统基于输入消息输出预期数量的肯定响应并基于所述输入消息输出预期数量的否定响应；针对一组输入消息，求解多目标优化问题以在满足一个或多个约束时最小化要发送的消息的数量，所述多目标优化问题包括所述组中每个消息的所述预期数量的肯定响应和所述预期数量的否定响应，所述求解导致所述组中每个消息的发送阈值；为所述组中的消息选择随机值；使用所述组中的所述消息的所述发送阈值和所述随机值为所述组中的所述消息设置发送约束；以及响应于满足所述发送约束而发送所述组中的所述消息。2.根据权利要求1所述的系统，其中所述一个或多个约束包括发送概率的总和低于阈值数量。3.根据权利要求1或权利要求2所述的系统，其中所述一个或多个约束包括所述预期数量的否定响应低于阈值数量。4.根据权利要求1至3中任一项所述的系统，其中求解所述多目标优化问题包括针对两个或更多个不同时间段求解所述多目标优化问题，从而导致针对所述不同时间段中每个时间段的每个所述消息的发送概率，所述随机值被选择以使用所述消息的所述发送概率来指示所述不同时间段中的一个。5.根据权利要求1至4中任一项所述的系统，其中求解所述多目标优化问题包括针对两个或更多个不同传输信道求解所述多目标优化问题，从而导致每个所述消息以及所述两个或更多个不同传输信道中每一个的发送概率，所述随机值被选择以基于所述发送约束来指示所述两个或更多个不同传输信道中的一个，所述发送使用所述指示的传输信道。6.根据权利要求1至5中任一项所述的系统，其中满足消息的所述发送约束包括所述随机数低于所述发送阈值。7.根据权利要求1至6中任一项所述的系统，其中所述肯定响应中的一个或多个选自由页面浏览、点击链接、购买、喜欢和评论组成的组，而所述否定响应中的一个或多个选自由取消订阅、投诉、不喜欢和垃圾邮件报告组成的组。8.根据权利要求1至7中任一项所述的系统，其中所述机器学习系统被配置成基于对所述多个消息中的一个的响应，针对阈值时间段对用户的活动进行训练。9.一种方法，包括：配置机器学习系统以对多个消息进行训练，所述机器学习系统基于输入消息输出预期数量的肯定响应并基于所述输入消息输出预期数量的否定响应；针对一组输入消息，求解多目标优化问题以在满足一个或多个约束时最小化所述组中的所述消息的发送概率的总和，所述多目标优化问题包括所述组中每个消息的所述预期数量的肯定响应和所述预期数量的否定响应，所述求解导致所述组中每个消息的发送阈值；为所述组中的所述一个或多个消息中的一个选择随机值；使用所述发送阈值和所述随机值为所述组中的所述消息设置发送约束；以及响应于满足所述发送约束而发送所述组中的消息。10.根据权利要求9所述的方法，其中所述一个或多个约束包括发送概率的总和低于阈值数量。11.根据权利...

【专利技术属性】
技术研发人员：R古普塔，HP曾，RKH维加伊，RE罗萨尔斯，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：美国,US