It is used to provide techniques for predicting and recommending related characters (or other entities) based on context indicators to include personages in the dialogue. In the exemplary embodiment, e-mail recipient recommendation can be recommended based on the context signal such as the item name, the main text, the existing receiver, the current date and time. In one aspect, the multiple attributes of the key phrase including the ranking are associated with the profile corresponding to the individual entity. The aggregated profile is analyzed using the first layer treatment technique and the second layer processing technique. Recommendation is reactivity (for example, in response to a specific query recommended by the user to the character), or actively (e.g., without the user's specific query, based on the context of the content that the user is currently working on), is provided to the user.
【技术实现步骤摘要】
【国外来华专利技术】上下文人物推荐
技术介绍
诸如电子邮件、文档共享和社交联网之类的广泛通信应用正在连接越来越多的人物。随着人物的联系人列表越来越大,确定用来接收消息或加入对话的最相关的人物变得更加困难。例如,当用户考虑召集人物的会议以参与新项目时,用户可能必须依靠他或她自己的记忆来生成适当的人员列表。因此,用户可能因此遗漏某些可能重要的人物,或无意中包括可能不相关的人物。其他类似的情景包括标识电子邮件的相关接收者、社交网络上的联系人、与之共享文档的各方等。现有的自动人物推荐技术可以使用某些基本信号(诸如用户输入姓名的首字母,或者最频繁发电子邮件的联系人等等)来推荐接收者。将期望利用诸如消息或对话之类的通信项目的附加的深层上下文特征来提高人物推荐的质量和相关性。
技术实现思路
提供本
技术实现思路
是为了简化的形式介绍对概念的选择,这在下面的具体实施方式中被进一步描述。本
技术实现思路
不旨在标识所要求保护的主题的关键特征或基本特征,也不旨在用于限制所要求保护的主题的范围。简而言之,在此描述的主题的各个方面针对基于用户创建的通信项目的上下文信号来生成人物推荐的技术。在某些方面中,针对多个个人实体中的每个个人实体构建包含记分的关键短语的个人简档。用于每个关键短语的分数可以例如基于关键短语与其中个人实体是参与者的通信项目或会话的相关性被生成。随后,当用户创建新的通信项目时,项目的上下文信号被提取并且提供给包括第一层(L1)排名块和第二层(L2)排名块的推荐块。在L1排名中,可以在提取的上下文信号和个人简档之间执行多维向量相互关联,以标识一组排名最高的L1候选简档。在L2处理中,使用深层上下文信号( ...
【技术保护点】
一种方法,包括:从多个通信项目中的每个项目提取至少一个关键短语,所述项目中的每个项目与至少一个个人实体相关联;将每个关键短语与所述至少一个个人实体相关联;针对与每个个人实体相关联的每个关键短语生成属性分数;从内容创建应用接收用于当前通信项目的参数;将每个个人身份的每个关键短语与接收到的所述参数相互关联,以针对每个个人身份生成相关性分数;以及基于所述相关性分数,针对所述当前通信项目生成人物推荐。
【技术特征摘要】
【国外来华专利技术】2015.04.28 US 62/154,039;2015.05.04 US 62/156,362;1.一种方法,包括:从多个通信项目中的每个项目提取至少一个关键短语,所述项目中的每个项目与至少一个个人实体相关联;将每个关键短语与所述至少一个个人实体相关联;针对与每个个人实体相关联的每个关键短语生成属性分数;从内容创建应用接收用于当前通信项目的参数;将每个个人身份的每个关键短语与接收到的所述参数相互关联,以针对每个个人身份生成相关性分数;以及基于所述相关性分数,针对所述当前通信项目生成人物推荐。2.根据权利要求1所述的方法,生成所述人物推荐还包括:标识具有最大相关性分数的多个个人实体;以及针对标识的所述多个个人实体中的每个个人实体生成简档分数;生成的所述人物推荐对应于具有生成的最大简档分数的个人实体。3.根据权利要求1所述的方法,生成所述简档分数包括向深层语义相似性模型提供多个输入,所述多个输入包括从接收到的所述参数提取的至少一个上下文信号。4.根据权利要求3所述的方法,所述至少一个上下文信号包括:所述当前通信项目的主题字段;所述当前通信项目的主体字段;已经被指定在所述当前通信项目中的接收者;所述内容创建应用的身份;与所述当前通信项目相关联的日期或时间;或者所述内容创建应用的用户的当前位置。5.根据权利要求1所述的方法,提取所述至少一个关键短语包括:使用自然语言处理(NLP)组块来浅层解析语料库的每个元素;或使用深层语义相似性模型来得到一个或者多个单词或短语嵌入。6.根据权利要求1所述的方法,针对每个关键短语生成所述属性分数包括:通过对应的通信项目的指示的重要性来对用于关键短语的所述属性分数加权;通过关键短语对项目的重要性来对用于关键短语的所述属性分数加权;通过向包含所述关键短语的所述通信项目应用时间衰减项来对用于关键...
【专利技术属性】
技术研发人员:过晨雷,高剑峰,宋鑫莹,卞秉冀,谌叶龙,王野翊,B·D·雷米克,E·泰勒,M·A·阿里,M·戈斯,何晓冬,陈建树,D·杰特利,S·弗里森,
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。