在一些實施例中，本發明專利技術涉及使用媒體體驗內的用戶選擇的術語的基于上下文的搜索引擎。自然語言處理器模塊被配置成提供與搜索術語有關并且來自媒體體驗內的基于上下文的關鍵詞。在一些實施例中，基于接近度的統計分析被用于得到關鍵詞。將關鍵詞提供給至少一個內容瀏覽器或（一個或多個）其它搜索引擎以實現搜索。在一些實施例中，機器學習模塊通信耦合到自然語言處理器以進一步精煉上下文以用于選擇相關關鍵詞。上下文搜索引擎、自然語言處理器模塊、機器學習模塊和搜索引擎可以駐留在相同的計算設備上或者分布在各種本地、遠程和云設備之中以供處理。描述和要求保護其它實施例。
【技術實現步驟摘要】
【國外來華專利技術】
本公開一般地涉及數字媒體中的術語搜索的領域，并且更具體地涉及使用媒體體驗內的搜索術語周圍的上下文信息來提供更好結果。通過使得用戶能夠選擇然后由周圍上下文自動限定的搜索術語來簡化搜索的發起。
技術介紹
搜索系統如今與提供特定問題以便搜尋出“正確”答案的用戶一起工作。通常，用戶不確定問題是否被恰當地措詞以提供期望的結果，或者有時不是太確定問什么。作為關于在線搜索中使用的算法的用戶不確定性或者缺乏對所討論的話題的理解的結果，重復搜索和搜索術語或問題的重新措詞通常是必要的以向用戶提供相關且期望的結果。現有系統可以使用作為搜索準則錄入的術語或短語并且形成各種布爾搜索或者使用其它算法，并且可以基于其他人在類似搜索中找到的相關內容提供結果；不存在基于任何有用上下文對用戶為何錄入該特定搜索術語的知識或理解。【附圖說明】本文所公開的實施例的特征和優點將結合附圖通過以下【具體實施方式】而變得容易理解。具有不同字母后綴的相似標號可以表示類似組件的不同實例。圖一般通過示例的方式而不是通過限制的方式圖示在本文檔中討論的各種實施例。圖1是圖示了根據實施例的用于選擇搜索術語并且使用媒體上下文來提供搜索結果的方法的經修改的流程圖。圖2圖示了根據實施例的漸進式(progressive)搜索。圖3是圖示了其上可以實現各種實施例的示例系統的框圖。圖4是圖示了根據實施例的示例上下文搜索系統的結構組件和模塊的框圖。圖5是圖示了其上可以實現用于基于電視觀看體驗的上下文搜索的實施例的示例系統的框圖。【具體實施方式】在以下【具體實施方式】中，對形成【具體實施方式】的部分的附圖做出參考，其中相同的標號自始至終指代相同的部分，并且其中通過圖示的方式示出可以實踐的實施例。這些實施例在本文中還可以被稱為“示例”。這樣的示例還可以包括除所示出或描述的那些之外的元件。然而，作者還設想到其中僅提供所示出或所描述的那些元件的示例。而且，作者還設想到使用關于特定示例(或其一個或多個方面)或關于本文所示出或所描述的其它示例(或其一個或多個方面)的所示出或所描述的那些元件(或其一個或多個方面)的任何組合或置換的示例。要理解的是，可以利用其它實施例或示例，并且可以在不脫離于本公開的范圍的情況下做出結構或邏輯改變。因此，不以限制性含義考慮以下【具體實施方式】，并且實施例的范圍由隨附權利要求及其等同物來限定。實施例為涉及使用由用戶在媒體體驗期間選擇的術語的上下文搜索的系統和方法。在至少一個實施例中，實施例意在使得用戶能夠選擇在媒體體驗中出現的簡單術語或短語。搜索引擎利用來自媒體體驗的所選術語周圍的上下文以更好地聚焦搜索，并且向用戶提供基于上下文的搜索結果。媒體體驗可以是web(網絡)瀏覽會話、電子書(ebook)的閱讀、觀看電視、廣播或媒體流、車載信息娛樂、閱讀電子郵件(e-email)或者其它數字文檔，或者與數字或電子媒體的其它用戶交互。在說明書中對“一個實施例”、“實施例”或“示例”的提及意指結合實施例或示例描述的特定特征、結構或特性包括在如本文所描述的至少一個實施例中。因此，出現在各種地方中的短語“在一個實施例中”遍及說明書的出現不一定都是指相同的實施例。出于解釋的目的，闡述具體配置和細節以便提供本文所公開的實施例的透徹理解。然而，對本領域普通技術人員將顯然的是，可以在沒有本文所呈現的具體細節的情況下實踐實施例。另外，可以省略或者簡化眾所周知的特征以免混淆本文中的描述的理解。遍及本說明書，可以給出各種示例。這些僅僅是具體實施例的描述。權利要求的范圍不限于所給出的確切示例。圖1是圖示了根據實施例的用于選擇搜索術語并且使用媒體上下文以提供搜索結果的方法的流程圖。在某種程度上修改該圖以包括示例方法以及示例數據和結果二者。在說明性示例中，用戶可以正在閱讀提供關于夏威夷中的火山的信息的文檔或網頁。僅僅出于說明目的，作者已經使用了來自hubpage.com的網頁的摘錄。摘錄被示出為數據塊10。用戶期望在所閱讀的文章的上下文中更多地學習火山。在塊11中，用戶從電子文檔選擇術語“火山”。將顯然的是，可以使用各種方法來實施該選擇。例如，在具有鼠標設備的計算設備上，用戶可以使用鼠標來選擇術語。在諸如平板、Ultrabook?設備、混合設備、智能電話、車輛導航或車載信息娛樂系統等之類的觸摸屏設備上，用戶可以觸摸并且保持搜索術語直至其被高亮。之后將討論其中選擇為電視節目的實施例。其它類型的選擇被設想到并且可以基于設備類型及其輸入識別而變化。自然語言處理(NLP)模塊在塊13中掃描電子文檔的所選部分以領會所選搜索術語周圍的概念和相關關鍵詞。所選部分可以從單個句子、單個段落、多個句子、多個段落或整個文檔等變化。所選部分的大小可以被系統預選擇為默認值，或者由用戶定義，或者取決于文檔的大小(例如總文本的百分數)，或者按頁。預選擇的默認值可以通過NLP模塊使用各種基于接近度(proximity)的統計分析而隨時間變化。所述部分的大小還可以部分地基于執行NLP的設備的相對處理速度來動態地選擇，以便向用戶提供結果而沒有明顯延遲。可以執行最佳部分大小和可接受的延遲之間的權衡。可接受的延遲可以是預定義的，并且針對各種大小的部分的處理時間的估計可以用于幫助選擇可允許以提供及時響應的最大部分大小。部分大小可以通過以默認大小(或接近于所選文本)開始并且使用機器學習技術和利用NLP的統計建模來針對不同摘錄大小而改變以針對重要關鍵詞的更好識別而調節大小。存在用于在詞語、短語或文本的其它部分上執行自然語言處理的許多已知技術。本文所描述的實施例可以使用命名實體識別(named entity recognit1n，NER)和貝葉斯統計模型的組合。例如，命名實體識別技術可以幫助識別代詞與句子或句子串中的恰當主語之間的相關性。NER旨在對文本中的原子元素(atomic element)定位和將其分類成諸如人員的姓名、組織、位置、時間表述、數量、貨幣值、百分比等之類的預定義類別。現有NER系統可以使用基于語言學語法的技術以及統計模型。統計NER系統典型地要求大量人工注釋的訓練數據。本文所描述的實施例可以使用機器學習模型來調節NLP的結果。貝葉斯統計模型在本領域中一般是眾所周知的。貝葉斯統計量在可信度或者更具體地貝葉斯概率方面表述關于世界的真實狀態的證據。這樣的解釋僅僅是概率的眾多解釋中的一個并且存在不基于“可信度”的許多其它的統計技術。本文所描述的實施例可以通過包括基于位置和接近度的算法來使用傳統貝葉斯統計模型的變型來聚焦于部分文本內的概念或想法的上下文，但是沿比在NLP算法中傳統使用的更長的文本范圍。對更長文本部分的貝葉斯建模幫助識別文本部分內的重要術語和非重要術語。在實施例中，建模算法使用以下假定:你離所選搜索術語越遠，術語與核心概念相關得越少，即術語在相關關鍵詞的分析和識別中將會具有更低權重。因此，這種基于接近度的統計分析可以提供更好的所得到的相關關鍵詞以供錄入到搜索引擎中。數據塊10說明了針對上下文進行分析的電子文檔的示例部分。塊12示出具有以粗體標識的關鍵詞的部分。應當指出的是，關鍵詞可以是術語或短語，并且不限于單個詞語。在該示例中，NLP通過使用塊10中所示的部分來提取所選術語“火山”和許多其本文檔來自技高網...
【技術保護點】
一種用于提供基于上下文的搜索的系統，包括：被配置成向用戶提供媒體體驗的計算設備，計算設備還包括： 輸出顯示器； 用于在媒體體驗內選擇搜索術語的輸入設備； 通信耦合到自然語言處理器模塊和內容瀏覽器的上下文搜索引擎，其中上下文搜索引擎被配置成向自然語言處理器提供搜索術語，并且向內容瀏覽器提供從自然語言處理器接收的關鍵詞結果。
【技術特征摘要】
【國外來華專利技術】...
【專利技術屬性】
技術研發人員：S莫，V西拉伊，RH沃海比，
申請(專利權)人：英特爾公司，
類型：發明
國別省市：美國;US
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。