[发明专利]基于内容项关联的自动内容组织

说明书

本发明涉及数据库内容组织和管理领域，以及涉及内容项关联与 分组。

包括个人计算机上的硬盘驱动器和其它类型的存储介质的存储设 备和数据库的存储容量，近年来一直在迅速增加。据估计，存储容量 大约每12个月就翻一番，同时网络带宽也一直在迅速增加。其结果是， 存储设备储存了更大量的内容，而这需要提高用户访问这些内容的能 力。用户可能会由于存储于存储设备或数据库中的内容而过载，除非 这些内容以某种方式管理或组织以供用户方便地访问。另一方面，没 有以一种对用户透明的方式分组的内容可能会由于远离用户需求而 “丢失”。

存在存储设备组织的各种方案。Lawler的美国专利No.5,905,981 公开使介质对象文档的内容与当前新闻文章关联起来，该文档包括一 个具有对于每一介质对象的关键字的索引。Obrador的国际公开No. WO 2004/012105公开基于与一个或多个数据结构的相关程度从一个介 质对象的集合中来选择介质对象，上述数据结构是从被索引的、临时 排序的数据结构中选择出来的。然而，这些系统每个都需要某种索引、 预先存在的排序，和/或关键字。

当然对用户而言，手工组织存储设备或数据库的内容项以便获得 令人满意的内容项分组，也是可能的。然而，这可能是一项耗时且任 务繁重的工作。而且，随着存储设备或数据库中内容项的不断积累， 需要对用户部分进行持续地干预以保持数据库中项目方便的和符合逻 辑的分组。

提供一种方法、系统、设备、引擎、装置以及计算机可读的介质， 它体现或执行用于在逻辑数据库中组织内容项的关联引擎的功能。这 可以如下实现。可以在逻辑数据库中提取第一描述数据，其包括用于 第一识别内容项的维度数据。该过程可以对其它可用的识别内容项重 复进行。可以进一步在逻辑数据库中提取候选描述数据，其包括用于 候选内容项的相应维度数据。然后，可以为每一候选内容项生成一组 矢量值，每一矢量值表示为在第一描述数据的一个维度的维度数据与 候选描述数据的相应维度数据之间的相似度。基于由所生成的矢量值 组表示的相似度，可以从候选内容项中选择一个相似的候选内容项。 因此，可以将相似的候选内容项与逻辑数据库的组织中的第一内容项 组合在一起。

另外，维度数据的维度可以表示该项的内容类型、项的内容风格、 项的种类、项元数据、项的使用历史、执行该项的执行者、与项关联 的指导者、与项关联的创建者、或者提供项的需求。应该理解，元数 据可以表示项的创建时间、项的创建地点、项的采集时间和/或项的采 集地点。

只有在由该组矢量值所表示的一个总相似度高于一个最小阈值 时，才可以选择相似的候选内容项。该阈值可由用户决定或预先设置， 或者由关联引擎依据已发现的结果来提供。另外，当由用户设置时， 可以为用户提示一个默认阈值。

进而，可以选择由该组矢量值所表示的具有最高总相似度的一个 或多个候选内容项。

如果有可用的其它识别内容项，则可以提取包括与第一识别内容 项组合在一起的用于第二识别内容项的维度数据的描述数据。然后， 同样基于表示在用于第二识别内容项的维度数据和相似的候选内容项 的维度数据之间的相似度的第二组矢量值，可以选择该相似的候选内 容项。在这种情况，可以选择该相似的候选内容项，从而对第一组矢 量值与第二组矢量值采取平均、加权平均或相加。

另外，可以选择一个表示维度的通用矢量(对于该维度，第一识 别内容项的维度数据最接近第二识别内容项)，因此，在选择相似的 候选内容项时，对通用矢量的值的加权要大于其余的矢量值。