[发明专利]用于测试驱动双层图模型的方法和系统

说明书

本发明提供一种系统和一种方法，其利用专有算法来向用户生成准确的推荐，从而为个人用户和用户群组产生高度相关的内容分发和优异的信噪比。所述系统和方法还基于最新的共同特征构建内容的层次结构和人的准确类别。可以通过此方法自动创建和更新双层社交图模型以展示用户类别和特征。所述系统和方法可以在不预先定义特征类别的情况下自动提取人的特征，并且根据测试结果进一步对所述特征进行分类。所述系统和方法避免了现有社交网络系统和电子商务推荐系统中固有的某些基本不准确性，例如静态和脱节的打标签机制。

相关申请的交叉引用

本申请要求于2017年4月22日提交的美国专利申请号62/488,717的优先权，所述美国专利申请的内容以全文引用的方式并入本文。

技术领域

本申请总体上涉及一种用于以准确、动态且同时的方式对信息消费者进行分类并且获得信息消费者的特征以优化信息推荐的方法和系统，并且具体地说，涉及创建实现所述方法的社交图。

背景技术

信息消费者是指通过在线连接接触和使用信息的所有个人或企业。信息消费者消费的信息是消费品。消费品由单个信息组成，例如新闻、视频、评论、产品名称、博客、信件等。

许多商业系统在例如社交网络、广告投放、新闻推荐等领域向信息消费者提供信息。这些系统尝试使用历史收集的数据在单独的过程中将标签和分类附加到信息和信息消费者。标签往往不准确、静态且陈旧。

对现有技术的研究表明，此领域的公开集中于基于标签或标记的推荐或基于人际关系的推荐。这些方法可以生成有意义的推荐，但也会生成许多噪音，因为标签是固定的，且无法准确地描述人们的兴趣，而且与用户关系密切的人可能不共享相同的兴趣。

授予Intuit公司(2009)的美国专利号8,095,432涉及一种进行推荐的方法，其包括：从社交网络工具的多个成员获得多个项目的多个推荐；基于多个成员与社交网络工具内的查询成员的关系接近度对多个推荐进行排序。建议的排序是基于社会关系接近度。如前所述，社交朋友不一定共享相同的兴趣，因此这种推荐机制存在缺陷并且会产生过多的噪音。

一些现有的SNS或相关系统尝试根据用户的兴趣对其进行分类，但其方法是使用历史数据中的预定义特征。现有系统使用的特征类别几乎都是预定义的，例如音乐、体育、旅行及其子类别。此类预定义系统至少存在以下三个缺点。首先，定义特征系统非常耗时，尤其是对于精心设计的深度系统。其次，无法准确捕捉信息消费者的特征，包含缺失信息消费者的许多特征。第三，无法适应新出现的特征。

因此，仍然需要准确、最新且同时地对信息消费者和信息进行分类。

发明内容

本公开总体上至少部分地涉及一种用于创建和维护信息消费者和信息的准确、最新和同时分类的方法和系统。作为方法和系统的实施方式，一种双层图模型不仅可以基于信息消费者的行为自动提取信息消费者的特征，而且还可以基于所提取的特征同时对信息消费者进行分类。双层图显示分类，其中第一层包括其中每一者表示一个信息消费者的节点，并且第二层包括其中每一者表示一个所选取特征的节点。第一层的节点不相互链接，但可以通过第二层的节点间接链接；第二层上的节点链接到第一层中的一些节点，并且可以链接到第二层中的其它节点并根据特定应用进行层次分类。

用于准确、最新且同时地对信息消费者和信息进行分类并且在社交图中呈现结果的方法和系统的具体实施方式是VISVA产品。所述系统的网站https://www.visva.com、系统的发布(包含用户手册、教程、视频和其它内容)以及关于系统的其它发布以引用的方式并入。实施例包括信息系统，特别是自动对内容和人进行分类并提供高信噪比(SNR)且将用户与志趣相投的人联系起来的信息系统。