[发明专利]使用在网络节点处具有软件代理的网络进行机器学习并然后对网络节点进行排名的方法和装置

说明书

提供了一种用于根据输入排名标准快速对网络节点进行排名的装置和方法。用一阶路径矩阵表示节点之间的链接(即，一阶路径)，所述一阶路径矩阵用于生成n阶路径矩阵作为所述一阶路径矩阵的n次幂，并且被求和作为幂级数用以生成将所有阶的路径之和表示为单个矩阵运算的替代排名运算符(SRO)。因此，与需要多个递归步骤来考虑链接节点的相互关联性的常规排名方法相比，排名是通过将SRO乘以表示输入排名标准的状态向量而产生的。

相关文件的交叉引用

本申请是基于2017年2月17日提交的美国临时申请号62/460,570并且要求所述申请的优先权权益，其全部内容通过引用并入本文。

技术领域

本文描述的说明性实施方案涉及在根据接收的排名标准对网络节点进行排名时快速应用网络信息，并且更具体地，涉及通过将表示排名标准的状态向量乘以作为替代排名运算符(surrogate ranking operator)的矩阵来对网络的节点进行排名。进一步地，本文描述的说明性实施方案涉及交互式网络中的学习模式并且快速应用所学习的模式来答复询问，并且更具体地，涉及通过将表示排名标准的状态向量乘以作为替代排名运算符的矩阵来对网络的节点进行排名。

背景技术

计算机相关领域的许多技术问题本质上归纳为应用在互连的节点网络中提供的信息以根据特定的标准集和/或用户输入集对节点进行排名的问题。

例如，Netflix.com^TM可以被视为数字媒体内容(即，电影)网络，并且基于用户对先前观看电影的评级以及已观看电影的记录，可以提供用户可能未来更愿意观看哪些电影的推荐。这种推荐可以基于电影之间表示其相似性的连接网络，或基于来自随时间累积的其他用户的评级以及观看倾向的相关性和统计信息的贝叶斯推断。因此，推荐器系统(像是Netflix.com^TM或其他在线媒体内容提供商提供的电影推荐)可以被理解为本质上使用特定的标准集和/或用户输入集来基于节点之间的互连提供节点的排名。

类似地，万维网(World Wide Web)可以明确地被理解为互连节点(即，通过超链接、相关内容等互连的互联网页面/站点)的网络。进一步地，搜索引擎和算法(如Google^TM的PageRank算法)可以被理解为使用用户输入(例如，作为文本录入到搜索输入中的关键词)并且根据节点相对重要性(例如，基于网络内节点之间的互连)以及搜索标准(例如，文本搜索中的关键词)与网络节点的内容的连接两者来对此网络的节点进行排名。

随着技术的进步，在从医学(例如，使用例如通过症状、治疗和结果的相似性连接的相关医疗记录的网络，以将类似于当前病史的情况进行排名或对可能实现有利结果的程序进行排名)到社交网络到消费者广告到安全和消费者欺诈威胁到交通/GPS导航系统等的各种背景下重复这种基于互连网络解决对数据进行排名的技术问题的模式。因此，这种技术问题是根植于计算机相关技术的显著性反复出现的问题。鉴于其显著性，已经使用各种方式来解决这种技术问题，并且通常基于(i)给定的搜索标准集和(ii)网络的结构/互连来对网络元素进行排序的潜在技术问题的一种解决方案在所有类似构成的基于网络进行排名的应用中也是完全且普遍适用的。例如，已经提出PageRank算法可以应用于生物化学中以提供相对重要性的度量并且识别蛋白质中有希望的药物靶标。由于排名网络/图节点是如此常见且反复出现的技术问题，需要改进的并且更快速的方法用于从网络信息中生成排名。

例如，常规的链接分析算法(如PageRank算法)可以为一个超链接文档集合(如万维网)的每个元素指派数值加权，目的是度量其在集合中的相对重要性。通常，所述算法可以应用于具有形成连接基础的内容(包括例如相互引用和参考)的任何节点集合。基于这些连接为任何给定节点指派数值权重。进一步地，排名可以受到与嵌入元数据中的属性以及所传送的内容相对应的多于一个层次的网络的影响(例如，可以根据作者及其互连的网络对作者进行排名，并且可以根据互连和引用的网络对学者进行排名)。