[发明专利]根据协作的和/或基于内容的节点相互关系提供推荐的系统和方法

说明书

背景技术

搜索引擎可输出包括兴趣信息的web页面的超链接的列表。一些搜索引擎基于由用户键入的搜索询问确定对应的超链接。搜索引擎的目标是基于搜索询问返回高质量的相关站点的链接。最为常见的是，搜索引擎通过将搜索询问的术语与存储的web页面或web页面内容的数据库匹配来实现这一点。包括搜索询问项的web页面被视为“命中”，并包括于呈现给用户的超链接的列表中。

为了提高搜索的效率，搜索引擎可根据相关性或质量排列命中或超链接的列表。例如，搜索引擎可向每个命中分配评分或等级，并且分数可被分配以对应web页面的相关性或重要性。常规的确定重要性或相关性的方法基于包括web页面的链接结构的每个web页面的内容。

许多常规的搜索引擎利用用于识别可在因特网上得到的web页面的索引系统。索引系统识别页面中的词语并创建这些词语的索引。系统通过分析索引并识别与用户询问最相关的页面响应用户询问。

可通过各种方式执行相关性排列或确定。有时使用其它站点或页面对一个站点或页面的引用作为相关性的一个度量。web页面元数据有时也被用于相关性确定中。

神经网络也被用于因特网搜索领域中。出于描述的目的，假定读者熟悉神经网络如何工作。神经网络可包括三个基本方面——神经元或节点、对神经或节点如何彼此互连或者相关的定义、以及拓扑随时间更新的方式。

发明内容

在选择的实施例中，推荐产生器基于场所、评论者和用户的属性以及场所的评论者和用户评论构建场所、评论者和用户之间的相互关系的网络。每个相互关系或链接可以为正或负，并且可与其它的链接（或反链接）累积以提供节点链接，节点链接的强度基于链接节点之间的属性的共性和/或诸如评论者的一个节点对诸如场所的其它节点所表达的共同偏好。链接可以是一次的（基于例如评论者与场所之间的直接关系）或高次的（基于例如两个场所均被给定的评论者喜欢的事实）。某些实施例中的推荐引擎基于用户属性和场所偏好通过聚集链接矩阵并确定与用户最强耦合的场所而确定推荐的场所。各种实施例中的系统架构可允许响应于各种节点的属性的改变实现神经网络的有效、局部化的更新。

在以下的附图和说明书中阐述一个或多个实现的细节。根据说明书和附图以及权利要求，其它的特征、目的和优点将是明晰的。

附图说明

图1A是用于开发和利用相互关连的节点的网络的环境的框图。

图1B是由示例性内容收集系统执行的处理流程的示意图。

图1C是由示例性内容组织系统执行的处理流程的示意图。

图2是表示场所、评论者与用户之间的相互关系的示意图。

图3是根据一个例子的包括评论者评级的表格。

图4是根据一个例子的包括场所属性的表格。

图5是根据一个例子的包括评论者属性的表格。

图6是根据一个例子的包括用户属性的表格。

图7A和图7B表示根据一个例子的基于内容的场所链接的矩阵。

图8A和图8B表示根据一个例子的协作场所链接的矩阵。

图9是示出根据一个例子的推荐产生的表格。

图10是示出根据一个例子的连接生长的表格。

图11是示出根据又一个例子的规格化前的矩阵数据的表格。

图12是示出根据又一个例子的规格化后的矩阵数据的表格。

图13是示出根据又一个例子的连接蠕变的表格。

图14是根据一个例子的用户界面。

各种附图中的类似的附图标记表示类似的要素。

具体实施方式

所选择的实施例的概要

在某些实现中，推荐引擎可基于与场所、用户、评论者和评论相关联的属性和数据产生推荐。系统可收获由各种评论实体产生的评论并将这些评论解析为评论数据的组织化数据库。该数据可包括场所（诸如餐馆）的属性和由评论者提供的评级或评价。系统还可收集或产生关于评论者的属性的数据，所述属性诸如性别、年龄、职业、婚姻状况、评论频率和评论准确度。在一个实现中，系统还收集关于用户的属性的数据，所述属性诸如性别、年龄、职业、婚姻状况和对某些场所的亲切感（affinity）（正或负）。