【技术实现步骤摘要】
针对搜索结果的因素化模型和基于搜索结果的通信
概括而言,本公开涉及用于解决电子通信中的技术挑战的计算机技术。更加具体地,本公开涉及用于返回搜索结果的因素化机器学习模型,所述搜索结果很可能引起按照所述结果的主题而由搜索者选择以及返回通信两者。
技术介绍
互联网的崛起已经产生了两个不同但相关的现象:社交网络出现的增加,其对应的成员简档对大量的人可见,以及对接触满足严格标准的小群体的社交网络成员的期望的增加。这在招聘领域尤其显著,其中招聘人员通常试图找到具有特定资格(例如,教育、经验、技能等)的成员,并且招聘人员通常会接触具有特定资格的成员,以查明所述成员是否愿意申请招聘人员已有的工作空缺。工作征集通信(例如,由招聘人员向可能是未来的求职人员的成员发送的电子邮件)在招聘人员这一方可能会花费很多时间,尤其是当其有效地完成时。一般而言,有效的工作征集通信包括关于成员的个人化信息并且使得征集具体地针对该成员,因此使其看上去较不像对许多潜在的申请发送的群体通信,而更像招聘人员具体地将该成员定位目标。然而,招聘人员花在创建这样的工作征集通信中的时间量是有限的,并且因此在机制已就位以减少浪费这样的时间的可能性的情况下将极大地受益。然而,在确定根据计算机系统可获得的信息所测量的特定成员是否有可能响应于特定的通信时会产生技术问题,并且即使这样的确定是可行的,在确定如何利用这样的信息来减少被浪费的资源时也会产生技术问题。附图说明作为示例而非限制,在附图的图中示出了本技术的一些实施例。图1是示出了根据示例实施例的客户端-服务器系统的框图。图2是示出了与本公开的一些实施例一致的社交网 ...
【技术保护点】
1.一种用于在在线计算机系统中返回搜索结果的系统,所述系统包括:具有存储在其上的指令的计算机可读介质,所述指令当由处理器执行时,使得所述系统执行以下操作:响应于与搜索者相对应的查询而获得多个候选者搜索结果;在社交网络服务中,获得与所述搜索者相对应的成员简档;针对来自所述多个候选者搜索结果的每个候选者搜索结果:获得与所述候选者搜索结果相对应的成员的活动和使用信息;解析所述候选者搜索结果、与所述候选者搜索结果相对应的所述成员的所述活动和使用信息、以及与所述搜索者相对应的所述成员简档,以提取第一组一个或多个特征以及第二组一个或多个特征;将所提取的第一组一个或多个特征馈送到第一机器学习模型中,所述第一机器学习模型被训练为输出具有采样成员简档的搜索者将选择潜在的搜索结果的概率;将所提取的第二组一个或多个特征馈送到第二机器学习模型中,所述第二机器学习模型被训练为输出与候选者搜索结果相对应的第一成员将响应来自搜索者的通信的概率;将所述第一机器学习模型的输出和所述第二机器学习模型的输出进行组合,以形成针对所述候选者搜索结果的组合概率;按照其对应的组合概率来将所述多个候选者搜索结果排名;以及基于该排名来 ...
【技术特征摘要】
2017.10.30 US 15/7976241.一种用于在在线计算机系统中返回搜索结果的系统,所述系统包括:具有存储在其上的指令的计算机可读介质,所述指令当由处理器执行时,使得所述系统执行以下操作:响应于与搜索者相对应的查询而获得多个候选者搜索结果;在社交网络服务中,获得与所述搜索者相对应的成员简档;针对来自所述多个候选者搜索结果的每个候选者搜索结果:获得与所述候选者搜索结果相对应的成员的活动和使用信息;解析所述候选者搜索结果、与所述候选者搜索结果相对应的所述成员的所述活动和使用信息、以及与所述搜索者相对应的所述成员简档,以提取第一组一个或多个特征以及第二组一个或多个特征;将所提取的第一组一个或多个特征馈送到第一机器学习模型中,所述第一机器学习模型被训练为输出具有采样成员简档的搜索者将选择潜在的搜索结果的概率;将所提取的第二组一个或多个特征馈送到第二机器学习模型中,所述第二机器学习模型被训练为输出与候选者搜索结果相对应的第一成员将响应来自搜索者的通信的概率;将所述第一机器学习模型的输出和所述第二机器学习模型的输出进行组合,以形成针对所述候选者搜索结果的组合概率;按照其对应的组合概率来将所述多个候选者搜索结果排名;以及基于该排名来返回所述多个候选者搜索结果中的一个或多个候选者搜索结果。2.根据权利要求1所述的系统,其中,所述指令还使得所述系统执行以下操作:取回所述社交网络服务的成员的多个采样成员简档、多个采样成员标签、以及与由这些成员在所述社交网络服务上采取的动作有关的活动和使用信息;针对所述多个采样成员简档中的第一采样成员简档和第二采样成员简档的每个组合:解析所述第一采样成员简档、所述第二采样成员简档、以及与由这些成员在所述社交网络服务上采取的动作有关的所述活动和使用信息,以提取第三组一个或多个特征和第四组一个或多个特征;将采样成员标签和所提取的第三组特征馈送到第一机器学习算法中,以训练所述第一机器学习模型输出具有所述第二采样成员简档的搜索者将选择与所述第一采样成员简档相对应的潜在的搜索结果的概率;以及将采样成员标签和所提取的第四组特征馈送到第二机器学习算法中,以训练所述第二机器学习模型输出与所述第一采样成员简档相对应的成员将响应来自具有所述第二采样成员简档的搜索者的通信的概率。3.根据权利要求1所述的系统,其中,所述第一组特征与所述第二组特征是相同的。4.根据权利要求2所述的系统,其中,所述第三组特征与所述第四组特征是相同的。5.根据权利要求1所述的系统,其中,所述将输出进行组合包括将分别的权重应用至所述第一机器学习模型的所述输出和所述第二机器学习模型的所述输出。6.根据权利要求5所述的系统,其中,所述权重是基于关于所述搜索者的信息而动态地确定的。7.根据权利要求5所述的系统,其中,所述权重是使用第三机器学习算法来确定的。8.一种用于在在线计算机系统中返回搜索结果的计算机实现的方法,所述方法包括:响应于与搜索者相对应的查询而获得多个候选者搜索结果;在社交网络服务中,获得与所述搜索者相对应的成员简档;针对每个候选者搜索结果:获得与所述候选者搜索结果相对应的成员的活动和使用信息;解析所述候选者搜索结果、与所述候选者搜索结果相对应的所述成员的所述活动和使用信息、以及与所述搜索者相对应的所述成员简档,以提取第一组一个或多个特征以及第二组一个或多个特征;将所提取的第一组一个或多个特征馈送到第一机器学习模型中,所述第一机器学习模型被训练为输出具有采样成员简档的搜索者将选择潜在的搜索结果的概率;将所提取的第二组一个或多个特征馈送到第二机器学习模型中,所述第二机器学习模型被训练为输出与候选者搜索结果相对应的第一成员将响应来自搜索者的通信的概率;将所述第一机器学习模型的输出和所述第二机器学习模型的输出进行组合,以形成针对所述候选者搜索结果的组合概率;按照其对应的组合概率来将所述多个候选者搜索结果排名;以及基于该排名来返回所述多个候选者搜索结果中的一个或多个候选者搜索结果。9.根据权利要求8所述的方法,还包括:取回所述社交网络服务的成员的多个采样成...
【专利技术属性】
技术研发人员:郭奇,胡泊,吴显仁,A·R·奈尔,周山,L·G·科特尔三世,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。