上下文人物推荐制造技术

用于提供用于基于上下文指示符来预测和推荐相关人物(或其他实体)以包括在对话中的人物推荐系统的技术。在示例性实施例中，电子邮件接收者推荐可以基于例如项目名称、主体文本、现有接收者、当前日期和时间等的上下文信号被建议。在一个方面中，包括排名的关键短语的多个属性与对应于个人实体的简档相关联。聚合的简档使用第一层处理技术和第二层处理技术被分析。推荐可以反应性地(例如，响应于由用户对人物推荐系统的特定查询)或者主动地(例如，在没有用户的特定查询的情况下基于用户当前正工作于的内容的上下文)被向用户提供。

Context character recommendation

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(例如，应用深层语义相似性模型(DSSM)和其他算法)进一步对L1候选简档评分和排名。来自L2处理的排名最高的简档作为用于新通信项目的人物推荐被提供给用户。在一方面中，可以响应于显式用户查询而反应性地生成人物推荐，或者可以在用户正在创建通信项目时主动地生成它们。从以下详细描述和附图，其他优点可以变得显而易见。附图说明图1图示了图示本公开的某些方面的用于电子邮件客户端软件的示例性用户界面。图2图示了根据本公开的电子邮件接收者推荐系统的示例性实施例。图3图示了图2的历史分析引擎的示例性实施例。图4图示了关键短语提取的示例。图5图示了对应于单个个人实体的个人简档的示例。图6图示了根据本公开的用于将关键短语指派给个人简档的方法的示例性实施例。图7图示了图2的推荐块的示例性实施例。图8图示了图7的L1候选标识块的示例性实施例。图9图示了图7的L2排名块的示例。图10图示了图9中的用于第m个简档的分数计算块的示例性实施例。图11图示了根据本公开的用于执行系统更新和反馈的方法的示例性实施例。图12图示了根据本公开的方法的示例性实施例。图13图示了根据本公开的装置的示例性实施例。图14图示了根据本公开的装置的备选示例性实施例。具体实施方式在此描述的技术的各个方面通常针对用于使用用户创建的项目的上下文特征来生成人物推荐的技术。这些技术可以适用于推荐用于电子邮件的接收者、会议邀请、文本消息、社交联网或共享文档等。另外的应用包括但不限于即时消息接发、用于因特网呼叫的应用、用于标识业务关系的客户关系管理(CRM)、其中希望标识要与之玩/共享内容的其他方的在线游戏应用，等等。将会认识到，其中用户选择与其他用户连接或通信的任何应用都可以利用本专利技术的技术。以下结合附图阐述的详细描述旨在作为对“用作示例、实例或例示”的示例性手段的描述，并且不应被解释为比其他示例性方面优选或有利。详细描述包括为了提供对本专利技术的示例性方面的透彻理解的目的的具体细节。对本领域技术人员将显而易见的是，可以在没有这些具体细节的情况下实践本专利技术的示例性方面。在一些情况中，以框图形式示出了众所周知的结构和设备，以避免使在此呈现的示例性方面的新颖性模糊。注意，除非另有说明，否则如在此使用的术语“对话”通常可以表示任何用户创建的通信项目，该通信项目被与其他人共享或被发送给其他人或者随后将被与其他人共享或被发送给其他人。还注意到，如在此使用的术语“人物”并不意味着仅表示一个或多个个人，而是还可被理解为是指可以被系统推荐以用于包括在对话中的任何实体。因此，群组、组织、邮件列表、社交联网群组等也将被理解为落入可被系统推荐的“人物”的范围内。在设计如上所述的用于使人物彼此连接的软件时，期望为这样的软件提供基于项目的上下文来智能地预测和推荐用于用户创建的通信项目的合适的接收者的能力。例如，当用户撰写与某一任务或项目有关的电子邮件时，电子邮件软件可以智能地预测与这样的任务或项目最相关的人物，并且将那些人物作为电子邮件接收者推荐给用户。备选地，当用户考虑召集一组人物从事新项目时，任务管理软件可以推荐最可能与新项目相关的人物的列表。本公开的技术有利地提供了一种人物推荐系统，其用于基于各种上下文指示符来预测和推荐要包括在通信项目中的相关人物或其他个人实体。推荐可以反应性地(例如，响应于用户对人物推荐系统的特定查询)或主动地(例如，在没有用户的具体查询时，基于用户当前正工作于的内容的上下文)被提供给用户。图1示出了图示本公开的某些方面的用于电子邮件客户端软件的示例性用户界面。注意，图1仅为了例示性目的而被示出，并且不意味着将本公开的范围限制于电子邮件应用，或将其限制于任何特定类型的用户界面、电子邮件客户端。其他示例性实施例可以将本技术应用于例如用于会议邀请的人物推荐、文本消息、即时消息接发应用、包含帖子或推文的社交联网平台、其他共享应用，等等。在备选示例性实施例中，用户可以在社交网络上创建消息或加字幕的图像，并且例如基于诸如最活跃用户、社交网络上的先前动作、关键字、共同兴趣、标签、话题标签、因特网浏览历史等的上下文信号来将其与其他用户共享。这样的备选示例性实施例被预期在本公开的范围内。在图1中，电子邮件消息100包括发送者字段110、接收者字段112、主题字段114、日期和时间字段116以及主体120。当用户撰写电子邮件100时，电子邮件客户端软件(在此也被表示为“内容创建应用”的示例)可以使用如在下文中被进一步描述的某些上下文信号来向用户推荐一个或多个接收者或“人物推荐”，例如以用于包括在接收者字段112中。图2图示了根据本公开的人物推荐系统200的示例性实施例。在示例性实施例中，系统200可以生成用于电子邮件100的人物推荐。在图2中，用户201通过内容创建应用210提供文本或其他输入201a(例如，“用户输入”)。在示例性实施例中，应用210可以对应于例如用于接收、撰写、编辑、发送电子邮件等的在线或离线(本地存储的)的电子邮件客户端软件应用。在备选示例性实施例中，应用210可以对应于用于接收用户输入201a以创建对话的任何应用，例如，用于创建本地或共享的文档的文字处理软件、社交联网网站用户界面、在线会议设置界面、文本消息或其他即时消息接发应用等，如在上文中例示性描述的。在块220处，去往应用210以及先前通过应用210(例如，从其他人)接收到的任何通信项目的用户输入201a被累积地存储在用户历史220a中。在示例性实施例中，历史220a可以包括一个或多个数据文件，其包括由应用210或其他应用211累积地创建或处理的所有项目，本文档来自技高网...

【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