• 专利附录
  • 专利说明
  • 权利要求
  • 类似技术
  • 同族专利
  • 引用文献
  • 法律状态
  • 优先权
    • 专利摘要:
    應用程式搜尋引擎之基於主題的語言模型使得使用者可依據應用程式的功能而非標題名稱來搜尋應用程式。為允許以功能為基礎的搜尋，收集並處理包含應用程式名稱、敘述及外部資料之資料。處理資料包括過濾資料、產生主題模型並以額外資料補充該主題模型。
    公开号:TW201303620A
    申请号:TW101112160
    申请日:2012-04-06
    公开日:2013-01-16
    发明作者:Natalia Gardiol；Catherine Anne Edwards
    申请人:Apple Inc；
    IPC主号:G06F16-00
    专利说明:
    用於應用程式搜尋引擎之基於主題的語言模型生成
    相關申請案交叉參考本申請案為於2011年12月6日申請，及標題為”SEARCH, RECOMMENDATION AND DISCOVERY INTERFACE”的同在申請中的美國專利申請案序號13/312,126號的部分延續案，美國專利申請案序號13/312,126號主張於2010年12月9日申請，及標題為”APP SEARCH ENGINE”的美國臨時專利申請案序號61/421,560號的35 U.S.C.§119(c)下之優先權，此兩個專利申請案皆以其全文併入此處做為參考。此申請案序亦主張於2011年4月8日申請，及標題為”IMPROVED GENERATION OF TOPIC-BASED LANGUAGE MODELS FOR AN APP SEARCH ENGINE”的美國臨時專利申請案序號61/473,672號的35 U.S.C.§119(c)下之優先權，其亦以其全文併入此處做為參考。 本發明係關於一種搜尋引擎之技術領域，更特定言之，本發明係關於一種用於應用程式搜尋引擎之基於主題的語言模型。
    目前存在的許多”應用程式（app）商店”例如”AppleR App Store及AmazonR AppStore，提供可用於下載至使用者的移動式裝置的移動式裝置應用程式。此外，存在一些搜尋產品使得使用者可在這些應用程式商店搜尋移動式裝置應用程式。然而，一些應用程式商店及搜尋產品具有顯著缺點，例如受限於透過應用程式名稱或應用程式發展者來搜尋。
    用於應用程式搜尋引擎之基於主題的語言模型使得使用者可基於應用程式功能而非標題名稱來搜尋應用程式。為進行基於功能的搜尋，收集並處理包含應用程式名稱、敘述及外部資料之資料。處理資料包括過濾資料、產生主題模型並以額外資料補充主題模型。所得基於主題的語言模型可用於應用程式搜尋引擎。
    一種內隱式搜尋引擎使得移動式應用程式(亦稱為”應用程式(apps)”)的搜尋可基於其功能而非其名稱，此與網路搜尋實質上不同在於要搜尋的應用程式內容典型上為搜尋引擎不能存取的。而且，應用程式內容不必然與使用者的詢問行為相關連，當詢問應用程式時，使用者明確陳述辨識該應用程式功能的詢問。然而，應用程式絕大多數典型上由為功能例證的內容組成，且不敘述(或是甚至提及)其實際功能，例如，簡訊應用程式可包含許多未提及應用程式功能的簡訊記錄，但是使用者希望搜尋與簡訊相關的詞彙而非與簡訊記錄內容相關的詞彙。生成基於主題模型詞機率的改良程序如下。首先，對每一個應用程式從各種資料源收集後設資料抓取應用程式功能性的語言庫，將語言庫的內容正規化為標凖形式，及接著從此語言庫訓練主題模型。接著將所得主題模型用於學習代表每一個應用程式的名稱及功能的語言模型(例如，於文字的機率分佈)。為確保關聯性及涵蓋範圍，接著進行後處理。第一個步驟為消除與應用程式無關的文字，及第二個步驟為關連認為與查詢日誌相關的文字。第1圖說明根據一些實施例生成基於主題的詞機率的方法之流程圖。在步驟100，摘錄應用程式的名稱及敘述，例如，放置名稱及敘述並自例如iTunesR或Android Market的應用程式資料庫或應用程式商店摘錄。在一些實施例中，名稱、敘述及其他資訊是儲存於應用程式商店資料結構的欄位，欄位是可由網路爬蟲或其他檢索機制辨識。在步驟102，爬行外部網站源以搜尋應用程式敘述資料，例如，搜尋提供應用程式檢閱的網站，並從這些網站檢索資訊。決定要爬行哪些網址可基於由編輯者所提供的清單(例如，前10個應用程式檢閱網站)、基於使用敘述資訊的搜尋、或是任何其他方法。依據執行而定，步驟100及102可連續或同時發生。在步驟104，將於步驟100及102所收集的每一個應用程式的資訊連結在一起並儲存於資料結構，此資料結構可為任何形式的資料結構例如資料庫、對照表或任何其他結構，例如，一種資料庫列包括應用程式ID、應用程式名稱、應用程式開發者、應用程式價格、來自一或更多應用程式商店的應用程式敘述或是來自一或更多額外來源(例如，檢閱網站)的應用程式敘述。在一些實施例，執行轉變使得在應用程式商店儲存於”應用程式標題”欄位的項目儲存在應用程式資訊收集系統的”應用程式名稱”欄位，在找到及收集應用程式資訊之後，處理應用程式資訊。在步驟106，將特殊字符從儲存於資料結構的資訊移除，例如，移除例如html標籤或字符的任何非標準文句。特殊字符的移除是要使文句更容易處理。在步驟108，標凖化於儲存資訊中的文字，文字被群組或是對應在一起，例如，因為”文句(text)”、”文句(texting)”及”文句(texts)”可減少為一種共同形式或是字根/基本字故將他們對應在一起。在一些實施例，文字被修飾。在步驟110，移除無用字（stop word），無用字包括對主題只增加一些效果(若有)的常見文字例如”一(a)”、”該(the)”及”及(and)”。在步驟112，發展主題模型，該主題模型包括常常放在一起的文字組的主題。文字的群組可以任何方式執行，群組演算(亦稱為主題模型化)的一個實例為Latent Dirichlet Allocation，其以來源或是文件的本體做為輸入並決定傾向於同時發生的文字群組例如”食物”、”吃”、”餐廳”及”附近”。主題或文字群組可由一般文字(例如，”使用者介面”主題的文字可包括”點擊”、”擴大或縮小範圍”、”撥”及”點”)或是更多特定文字(例如，”數學參考”主題的文字可包括”拉普拉斯”、”分佈”、”機率”、”二倍”及”指數”)所組成。在一些實施例，主題的決定係依據參數設定而定，例如指定從一組文件中尋找的10個主題。主題模型可能包含常在一起發現的一些顯示功能性的文字之主題但亦可包含為干擾而非有用的主題。產生主題清單(或是其他結構)，及建立每一個主題的機率，若一個主題具高機率，表示該主題在文件集中常常出現，例如在一個文件出現一次的主題可能具低機率，然而在數個文件出現許多次的主題可能具高機率。典型而言，每一個應用程式敘述包括數個主題，例如，”要完成項目清單”應用程式要包括”要完成項目”主題、"日期”主題及”使用者介面”主題。在一些實施例，主題是在自動產生後以人工檢查。在步驟114，移除品質差的主題，例如，移除具有機率低於所指定門檻的主題。在另一實例，若編輯者發現被認為是"品質差的主題"之主題，編輯者能夠移除這些主題。在步驟116，計算與應用程式相關的每一個主題的每一個文字的數值，此值顯示文字與應用程式之間的關連強度。此文字關連值是基於主題包含該文字的機率及文件包含該主題的機率來計算，例如，若文件極可能包含該主題(例如，在Yelp的敘述的許多文字是取自"餐廳發現者"主題)，及此主題具有常常出現的文字例如"附近"，則該應用程式與文字強烈關連(例如，對Yelp"附近"的關連值為高的)。對每一個文件，向量表示文件相關於主題組的組成，例如，向量表示文件為30%主題1、50%主題27及20%主題54。在一些實施例中，產生應用程式清單(例如，藉由爬行標題)的初始步驟被執行。在一些實施例中，這些步驟為自動、人工或半自動執行，此表示這些步驟中的一些為自動執行及這些步驟中的一些為人工執行。在一些實施例，更多或較少步驟被執行。在一些實施例，這些步驟的順序被變更。第2圖說明根據一些實施例對語言模型進行後處理的方法之流程圖。在步驟200，產生基於主題的文字機率，產生基於主題的文字機率可使用第1圖的步驟100至步驟116或是以任何其他方式執行。在步驟202，僅保留存在於應用程式敘述中的文字，例如，將使用主題模型化及在步驟100至步驟116的文字機率產生所決定的文字與所儲存應用程式敘述的文字進行比較，並將在應用程式敘述中未發現的任何文字從與該應用程式相關的文字清單移除。進一步實例，若主題模型化及文字關聯程序的結果為"餐廳"、"食物"、"吃"、及"點心"的清單，但應用程式敘述未使用文字"點心"，則"點心"會從與該應用程式相關的文字組移除。在步驟204，從日誌資料中辨識與每一個應用程式相關的詢問名稱，日誌資料包括與使用者搜尋相關的任何額外資訊，例如，若搜尋日誌追蹤在搜尋後使用者選擇了甚麼資料，該資料能夠被收集及利用。在步驟206，將相關詢問名稱加至應用程式的語言模型(例如，文字及相對應關連值)，例如，追蹤/記載使用者搜尋，並從日誌決定當使用者搜尋文字"臉書"時，他們絕大多數下載FacebookR應用程式。那樣的資訊，包括文字"臉書"及高關連值，可加至FacebookR應用程式的語言模型。換言之，基於使用者鍵入搜尋名稱所出現結果清單的資訊，及顯示使用者典型上從該清單下載應用程式的資訊，能夠產生要包含於此典型上下載應用程式的語言模型之文字機率(例如，機率為搜尋次數及所得下載之比值)。類似地，若決定當使用者搜尋文字"餐廳"時，及他們常下載YelpR應用程式，則顯然餐廳為應伴隨YelpR應用程式的文字即使餐廳可能不在應用程式敘述或是主題文字組中。在一些實施例，可人工將文字加至應用程式的語言模型，例如，編輯者決定雖然"食物"不在YelpR應用程式的敘述中，編輯者將"食物"人工加至應用程式的語言模型。在一些實施例，這些步驟為自動、人工或半自動執行，此表示這些步驟中的一些為自動執行及這些步驟中的一些為人工執行。在一些實施例，更多或較少步驟被執行。在一些實施例，這些步驟的順序被變更。第3圖說明根據一些實施例構型為生成應用程式搜尋引擎之基於主題的語言模型的示例計算裝置300之方塊圖。此計算裝置300能用於獲得、儲存、計算、處理、通訊及/或顯示資訊。一般來說，適合用於實施此計算裝置300的硬體結構包括網路介面302、記憶體304、處理器306、I/O裝置308、匯流排310及儲存裝置312。處理器的選擇不是關鍵只要是選擇具足夠速度的合適處理器。記憶體304可以是在該技藝中已知的任何習知電腦記憶體。儲存裝置312能包括一種硬體裝置、CDROM、CDRW、DVD、DVDRW、Blu-RayR驅動、快閃記憶體卡或是任何其他儲存裝置。計算裝置300可包含一或更多網路介面302。網路介面實例包括連接至乙太網路或是其他形式的LAN之網路卡。I/O裝置308可包含一或更多的下列裝置：鍵盤、滑鼠、螢幕、顯示器、印表機、數據機、觸控螢幕、按鈕介面及其他裝置。在一些實施例，硬體結構包括多個處理器及其他硬體以執行平行處理。用於生成基於主題的語言模型資訊的基於主題的語言模型生成應用程式330可能儲存於儲存裝置312及記憶體304並如典型上處理應用程式般處理。第3圖所示的更多或更少組件可包含在計算裝置300。在一些實施例，包括基於主題的語言模型生成硬體320。雖然在第3圖的計算裝置300包括應用程式330及硬體320以執行基於主題的語言模型生成應用程式，基於主題的語言模型生成應用程式可用硬體、韌體、軟體或其任何組合於電腦裝置執行。例如，在一些實施例，將基於主題的語言模型生成應用程式330在記憶體程式化並使用處理器執行。在另一實例，在一些實施例，基於主題的語言模型生成應用程式是於硬體邏輯中被程式化，此硬體邏輯包括特定設計為實現此方法的邏輯閘。在一些實施例，基於主題的語言模型生成應用程式330包括數個應用程式及/或模組。在一些實施例，模組亦包括一或更多子模組。合適計算裝置的實例包括個人電腦、膝上型電腦、電腦工作站、伺服器、主機電腦、手提式電腦、個人數位助理、手機/行動電話、智慧手機(例如，iPhoneR或DroidR)、平板電腦(例如，iPadR)、智慧型電器、電視遊樂器、數位相機、數位攝影機、照相手機、iPadR、視訊播放器、DVD燒錄器/播放器、Blu-rayR 燒錄器/播放器、電視、家庭娛樂系統、Apple TVR及相關裝置、雲端連結裝置或任何其他合適的計算裝置。為利用用於搜尋引擎之基於主題的語言模型生成，裝置自動、人工或半自動地搜尋、處理及產生基於主題的語言模型，其包括從數個來源搜尋/爬行應用程式資訊、過濾資訊至相關、功能資訊、建立主題模型、過濾該主題模型及計算每一個應用程式的文字機率。在進行後處理的步驟中，可基於補充資訊將額外文字加至該主題模型。所得基於主題的語言模型能用於使以功能搜尋應用程式為可行。於操作時，基於主題的語言模型生成允許一組資訊能被產生以允許能基於應用程式功能來搜尋應用程式而非基於應用程式標題，這改良了使用者搜尋移動式裝置應用程式的搜尋體驗。本發明以併入細節的特定實施例之方式敘述以幫助對本發明結構及操作的原則之了解。此處特定實施例及其細節的此種參考不在限制本發明範圍。熟知該技藝者可容易地明顯知道可在選擇用於說明的實施例進行其他各種變更而不偏離由申請專利範圍所定義的本發明精神及範圍。
    300．．．計算裝置
    302．．．網路介面
    304．．．記憶體
    306．．．處理器
    308．．．I/O裝置
    310．．．匯流排
    312．．．儲存裝置
    320．．．硬體
    330．．．應用程式
    第1圖說明根據一些實施例的基於主題的詞機率（word properties）的生成方法流程圖。第2圖說明根據一些實施例的後處理（post-processing）語言模型的方法之流程圖。第3圖說明根據一些實施例構型為生成用於應用程式搜尋引擎之基於主題的語言模型的示例計算裝置之方塊圖。
    無
    权利要求:
    Claims (43)
    [1] 一種在一裝置的記憶體中被程式化的方法，其包括：a.　　 分析一移動式裝置應用程式的一敘述；b.　　 處理該移動式裝置應用程式的該敘述成為被處理的資訊；以及c.      從該被處理的資訊生成用於一移動式裝置應用程式搜尋的一基於主題的語言模型。
    [2] 如申請專利範圍第1項所述的方法，其中分析該移動式裝置應用程式的該敘述包括從一應用程式商店擷取一應用程式名稱及一應用程式商店應用程式敘述及抓取用於應用程式敘述資料的非-應用程式商店網路來源。
    [3] 如申請專利範圍第2項所述的方法，其中處理該移動式裝置應用程式的該敘述包括連結該應用程式名稱、應用程式商店應用程式敘述及該應用程式敘述資料。
    [4] 如申請專利範圍第1項所述的方法，其中處理該移動式裝置應用程式的該敘述包括從該敘述移除複數個特殊字符。
    [5] 如申請專利範圍第1項所述的方法，其中處理該移動式裝置應用程式的該敘述包括規範化該敘述中的複數個文字。
    [6] 如申請專利範圍第1項所述的方法，其中處理該移動式裝置應用程式的該敘述包括從該敘述移除複數個無用字。
    [7] 如申請專利範圍第1項所述的方法，其中處理該移動式裝置應用程式的該敘述包括建立一主題模型。
    [8] 如申請專利範圍第7項所述的方法，其中建立該主題模型包括將常發現的文字群組在一起並提供每一個文字組的一機率。
    [9] 如申請專利範圍第8項所述的方法，其中處理該移動式裝置應用程式的該敘述包括移除品質差的複數個主題。
    [10] 如申請專利範圍第9項所述的方法，其中移除品質差的該複數個主題係為人工執行。
    [11] 如申請專利範圍第9項所述的方法，其中移除品質差的該複數個主題係為自動執行。
    [12] 如申請專利範圍第11項所述的方法，其中當一個主題機率低於門檻值時，移除該複數個品質差的主題。
    [13] 如申請專利範圍第1項所述的方法，其中產生該基於主題的語言模型包括計算複數個文字機率。
    [14] 如申請專利範圍第1項所述的方法，其中產生該基於主題的語言模型包括該處理過的資訊儲存於一資料結構中。
    [15] 如申請專利範圍第1項所述的方法更包括後處理該處理過的資訊。
    [16] 如申請專利範圍第15項所述的方法，其中後處理該處理過的資訊包括比較該基於主題的語言模型與一應用程式商店應用程式敘述以及包括從該基於主題的語言模型移除不包含於該應用程式商店應用程式敘述內的文字。
    [17] 如申請專利範圍第15項所述的方法，其中後處理該處理過的資訊包括從查詢日誌辨識與該應用程式相關的複數個詢問詞彙並將該相關複數個詢問詞彙加至該基於主題的語言模型。
    [18] 一種非暫態電腦可讀取媒體包括編碼於其上以執行該方法的指示：a.　　 從一應用程式商店擷取一移動式裝置應用程式的一第一敘述；b.　　 在複數個非-應用程式商店網路來源上進行抓取以用於該移動式裝置應用程式的一第二敘述；c.　　　 連結該第一敘述及該第二敘述以形成一組合敘述；d.　　 過濾該組合敘述；以及e.　　 藉由將常發現的文字群組在一起並提供用於每一個文字組的一機率以生成一主題模型。
    [19] 如申請專利範圍第18項所述的非暫態電腦可讀取媒體，其中過濾該組合敘述包括移除複數個特殊字符。
    [20] 如申請專利範圍第18項所述的非暫態電腦可讀取媒體，其中過濾該組合敘述包括規範化複數個文字。
    [21] 如申請專利範圍第18項所述的非暫態電腦可讀取媒體其中過濾該組合敘述包括移除複數個無用字。
    [22] 如申請專利範圍第18項所述的非暫態電腦可讀取媒體更包括從該主題模型移除複數個品質差的主題。
    [23] 如申請專利範圍第22項所述的非暫態電腦可讀取媒體，其中移除複數個品質差的主題係為人工執行。
    [24] 如申請專利範圍第22項所述的非暫態電腦可讀取媒體，其中移除複數個品質差的主題係為自動執行。
    [25] 如申請專利範圍第24項所述的非暫態電腦可讀取媒體，其中當一個主題機率低於門檻值時，移除該複數個品質差的主題。
    [26] 如申請專利範圍第18項所述的非暫態電腦可讀取媒體，其中產生該主題模型包括基於一文字出現在該第二敘述中的次數計算複數個文字機率。
    [27] 如申請專利範圍第18項所述的非暫態電腦可讀取媒體，其中產生該主題模型包括在一資料結構中儲存該主題模型。
    [28] 如申請專利範圍第18項所述的非暫態電腦可讀取媒體更包括將該主題模型進行後處理。
    [29] 如申請專利範圍第28項所述的非暫態電腦可讀取媒體，其中將該主題模型進行後處理包括比較該主題模型與該應用程式商店應用程式敘述，以及包括從該主題模型移除不包含於該應用程式商店應用程式敘述內的複數個文字。
    [30] 如申請專利範圍第28項所述的非暫態電腦可讀取媒體，其中將該主題模型進行後處理包括從查詢日誌辨識與該應用程式相關的複數個詢問詞彙並將該複數個相關詢問詞彙加至該主題模型。
    [31] 一種裝置包括：a.　　 一種用於儲存一程式的記憶體，該程式：i.　　　　　 分析一移動式裝置應用程式的一第一敘述及一第二敘述，該第一敘述包括一應用程式名稱及一應用程式商店應用程式敘述，該第二敘述包括一非-應用程式商店網路來源資料；ii.　　　　 組合該第一敘述及該第二敘述以形成一組合敘述；iii.　　　 藉由移除非-敘述性語言過濾該組合敘述；iv.　　　　 生成一主題模型；及v.　　　　　 藉由執行後處理來補充該主題模型；及b.     一種處理組件，其耦合至該記憶體，該處理組件係構型為用於處理該程式。
    [32] 如申請專利範圍第31項所述的裝置，其中過濾該組合敘述包括移除複數個特殊字符。
    [33] 如申請專利範圍第31項所述的裝置，其中過濾該組合敘述包括標凖化複數個文字。
    [34] 如申請專利範圍第31項所述的裝置，其中過濾該組合敘述包括移除複數個無用字。
    [35] 如申請專利範圍第31項所述的裝置，其中生成該主題模型包括將常發現的複數個文字群組在一起並提供用於每一個文字組的一機率。
    [36] 如申請專利範圍第31項所述的裝置，其中該程式更用於將複數個品質差的主題自該主題模型移除。
    [37] 如申請專利範圍第36項所述的裝置，其中移除複數個品質差的主題係為人工執行。
    [38] 如申請專利範圍第36項所述的裝置，其中移除複數個品質差的主題係為自動執行。
    [39] 如申請專利範圍第38項所述的裝置，其中當一個主題機率低於門檻值時，移除該複數個品質差的主題。
    [40] 如申請專利範圍第31項所述的裝置，其中生成該主題模型包括計算複數個文字機率。
    [41] 如申請專利範圍第31項所述的裝置，其中生成該主題模型包括將該主題模型儲存在一資料結構。
    [42] 如申請專利範圍第41項所述的裝置，其中補充該主題模型包括比較該主題模型與該應用程式商店應用程式敘述，以及從該主題模型移除不包含於該應用程式商店應用程式敘述內的複數個文字。
    [43] 如申請專利範圍第41項所述的裝置，其中補充該主題模型包括從查詢日誌辨識與該應用程式相關的詢問詞彙並將該相關詢問詞彙加至該主題模型。
    类似技术:
    公开号 | 公开日 | 专利标题
    TWI492071B|2015-07-11|針對應用程式搜尋引擎用於產生基於主題的語言模型之方法、非暫態電腦可讀取媒體及裝置
    WO2017096877A1|2017-06-15|一种推荐方法和装置
    US10599643B2|2020-03-24|Template-driven structured query generation
    US9626622B2|2017-04-18|Training a question/answer system using answer keys based on forum content
    US20130290319A1|2013-10-31|Performing application searches
    US9361317B2|2016-06-07|Method for entity enrichment of digital content to enable advanced search functionality in content management systems
    US11030199B2|2021-06-08|Systems and methods for contextual retrieval and contextual display of records
    US10108698B2|2018-10-23|Common data repository for improving transactional efficiencies of user interactions with a computing device
    US10176228B2|2019-01-08|Identification and evaluation of lexical answer type conditions in a question to generate correct answers
    WO2017075017A1|2017-05-04|Automatic conversation creator for news
    US20150032753A1|2015-01-29|System and method for pushing and distributing promotion content
    Heck et al.2014|Horizontal traceability for just‐in‐time requirements: the case for open source feature requests
    US9984104B2|2018-05-29|Indexing content and source code of a software application
    US20170185653A1|2017-06-29|Predicting Knowledge Types In A Search Query Using Word Co-Occurrence And Semi/Unstructured Free Text
    US20150081690A1|2015-03-19|Network sourced enrichment and categorization of media content
    WO2016191913A1|2016-12-08|Systems and methods for providing a comment-centered news reader
    US10699078B2|2020-06-30|Comment-centered news reader
    CN109933691A|2019-06-25|用于内容检索的方法、装置、设备和存储介质
    CN104580109A|2015-04-29|生成点选验证码的方法及装置
    JP7028858B2|2022-03-02|電子記録の文脈検索のためのシステム及び方法
    JP6900682B2|2021-07-07|オンラインリソースの収集及び組織化
    CN113177152A|2021-07-27|搜索方法、装置、电子设备及存储介质
    同族专利:
    公开号 | 公开日
    US20120191694A1|2012-07-26|
    US9805022B2|2017-10-31|
    TWI492071B|2015-07-11|
    WO2012154348A1|2012-11-15|
    引用文献:
    公开号 | 申请日 | 公开日 | 申请人 | 专利标题
    TWI553493B|2013-08-07|2016-10-11|飛搜股份有限公司|搜尋軟體應用程式之方法及其系統|US6064980A|1998-03-17|2000-05-16|Amazon.Com, Inc.|System and methods for collaborative recommendations|
    US6418431B1|1998-03-30|2002-07-09|Microsoft Corporation|Information retrieval and speech recognition based on language models|
    US8370203B2|2002-10-07|2013-02-05|Amazon Technologies, Inc.|User interface and methods for recommending items to users|
    US7433832B1|1999-11-19|2008-10-07|Amazon.Com, Inc.|Methods and systems for distributing information within a dynamically defined community|
    US7340466B2|2002-02-26|2008-03-04|Kang Jo Mgmt. Limited Liability Company|Topic identification and use thereof in information retrieval systems|
    KR20050043917A|2002-08-19|2005-05-11|초이스스트림|통계적 개인화된 추천 시스템|
    US7007014B2|2003-04-04|2006-02-28|Yahoo! Inc.|Canonicalization of terms in a keyword-based presentation system|
    US7392278B2|2004-01-23|2008-06-24|Microsoft Corporation|Building and using subwebs for focused search|
    WO2006099621A2|2005-03-17|2006-09-21|University Of Southern California|Topic specific language models built from large numbers of documents|
    US8185523B2|2005-03-18|2012-05-22|Search Engine Technologies, Llc|Search engine that applies feedback from users to improve search results|
    US20100312572A1|2005-09-14|2010-12-09|Jump Tap, Inc.|Presentation of Interactive Mobile Sponsor Content|
    US8370127B2|2006-06-16|2013-02-05|Nuance Communications, Inc.|Systems and methods for building asset based natural language call routing application with limited resources|
    US7966225B2|2007-03-30|2011-06-21|Amazon Technologies, Inc.|Method, system, and medium for cluster-based categorization and presentation of item recommendations|
    US7843454B1|2007-04-25|2010-11-30|Adobe Systems Incorporated|Animated preview of images|
    US9245252B2|2008-05-07|2016-01-26|Salesforce.Com, Inc.|Method and system for determining on-line influence in social media|
    US8433619B2|2007-08-31|2013-04-30|Ebay Inc.|System and method for product review information generation and management|
    TW200923690A|2007-11-23|2009-06-01|Eastern Home Shopping & Amp Leisure Co Ltd|System and method for shop search|
    US8099332B2|2008-06-06|2012-01-17|Apple Inc.|User interface for application management for a mobile device|
    US8065310B2|2008-06-25|2011-11-22|Microsoft Corporation|Topics in relevance ranking model for web search|
    US20100057577A1|2008-08-28|2010-03-04|Palo Alto Research Center Incorporated|System And Method For Providing Topic-Guided Broadening Of Advertising Targets In Social Indexing|
    US20100107081A1|2008-10-24|2010-04-29|Infocus Corporation|Projection device image viewer user interface|
    US8549016B2|2008-11-14|2013-10-01|Palo Alto Research Center Incorporated|System and method for providing robust topic identification in social indexes|
    US20100175026A1|2009-01-05|2010-07-08|Bortner Christopher F|System and method for graphical content and media management, sorting, and retrieval|
    US9892730B2|2009-07-01|2018-02-13|Comcast Interactive Media, Llc|Generating topic-specific language models|
    US8583673B2|2009-08-17|2013-11-12|Microsoft Corporation|Progressive filtering of search results|
    US9201965B1|2009-09-30|2015-12-01|Cisco Technology, Inc.|System and method for providing speech recognition using personal vocabulary in a network environment|
    US8326820B2|2009-09-30|2012-12-04|Microsoft Corporation|Long-query retrieval|
    US8559931B2|2009-11-04|2013-10-15|Cellco Partnership|Application suggestions for mobile communication device based on location-based directory information|
    US8356025B2|2009-12-09|2013-01-15|International Business Machines Corporation|Systems and methods for detecting sentiment-based topics|
    US8548969B2|2010-06-02|2013-10-01|Cbs Interactive Inc.|System and method for clustering content according to similarity|
    US20110201388A1|2010-02-15|2011-08-18|Research In Motion Limited|Prominent selection cues for icons|
    US20110202484A1|2010-02-18|2011-08-18|International Business Machines Corporation|Analyzing parallel topics from correlated documents|
    US20110288941A1|2010-05-20|2011-11-24|Google Inc.|Contextual content items for mobile applications|
    US8954425B2|2010-06-08|2015-02-10|Microsoft Corporation|Snippet extraction and ranking|
    US20110307354A1|2010-06-09|2011-12-15|Bilgehan Erman|Method and apparatus for recommending applications to mobile users|
    US8874581B2|2010-07-29|2014-10-28|Microsoft Corporation|Employing topic models for semantic class mining|
    US8799815B2|2010-07-30|2014-08-05|Apple Inc.|Device, method, and graphical user interface for activating an item in a folder|
    US8645298B2|2010-10-26|2014-02-04|Microsoft Corporation|Topic models|
    US8433620B2|2010-11-04|2013-04-30|Microsoft Corporation|Application store tastemaker recommendations|
    EP2710487A4|2011-05-09|2015-06-17|Google Inc|GENERATING APPLICATION RECOMMENDATIONS BASED ON USER INSTALLED APPLICATIONS|
    KR20130098772A|2012-02-28|2013-09-05|삼성전자주식회사|토픽 기반 커뮤니티 인덱스 생성장치, 토픽 기반 커뮤니티 검색장치, 토픽 기반 커뮤니티 인덱스 생성방법 및 토픽 기반 커뮤니티 검색방법|
    GR20140100091A|2014-02-21|2015-09-29|Google Inc,|Αναγνωριση αποτελεσματικων συνεισφεροντων πληθοπορισμου και συνεισφορες υψηλης ποιοτητας|KR101633366B1|2010-04-09|2016-06-24|삼성전자주식회사|앱스토어 서비스 제공 방법 및 시스템|
    US9201946B2|2012-04-26|2015-12-01|Quixey, Inc.|Application representation for application editions|
    US9552414B2|2012-05-22|2017-01-24|Quixey, Inc.|Dynamic filtering in application search|
    US9704171B2|2012-06-05|2017-07-11|Applause App Quality, Inc.|Methods and systems for quantifying and tracking software application quality|
    US10528385B2|2012-12-13|2020-01-07|Microsoft Technology Licensing, Llc|Task completion through inter-application communication|
    US9313162B2|2012-12-13|2016-04-12|Microsoft Technology Licensing, Llc|Task completion in email using third party app|
    US9317607B2|2013-02-20|2016-04-19|Microsoft Technology Licensing, Llc|Executing a fast crawl over a computer-executable application|
    US10303802B2|2013-03-15|2019-05-28|Gadget Software, Inc.|System for mobile application search|
    US9564122B2|2014-03-25|2017-02-07|Nice Ltd.|Language model adaptation based on filtered data|
    US20160125034A1|2014-10-31|2016-05-05|Google Inc.|Annotate Apps with Entities by Fusing Heterogeneous Signals|
    US9928233B2|2014-11-12|2018-03-27|Applause App Quality, Inc.|Computer-implemented methods and systems for clustering user reviews and ranking clusters|
    EP3079083A1|2015-04-09|2016-10-12|Google, Inc.|Providing app store search results|
    US9952848B2|2015-12-21|2018-04-24|Samsung Electronics Co., Ltd.|Dependency-aware transformation of multi-function applications for on-demand execution|
    US9811327B2|2015-12-21|2017-11-07|Quixey, Inc.|Dependency-aware transformation of multi-function applications for on-demand execution|
    US10346457B2|2016-07-27|2019-07-09|Microsoft Technology Licensing, Llc|Platform support clusters from computer application metadata|
    US10339148B2|2016-07-27|2019-07-02|Microsoft Technology Licensing, Llc|Cross-platform computer application query categories|
    US10387435B2|2016-07-27|2019-08-20|Microsoft Technology Licensing, Llc|Computer application query suggestions|
    US11107021B2|2016-11-06|2021-08-31|Microsoft Technology Licensing, Llc|Presenting and manipulating task items|
    US10417232B2|2017-12-22|2019-09-17|Microsoft Technology Licensing, Llc|Associating hardware to store applications|
    法律状态:
    优先权:
    申请号 | 申请日 | 专利标题
    US201161473672P| true| 2011-04-08|2011-04-08||
    US13/440,896|US9805022B2|2010-12-09|2012-04-05|Generation of topic-based language models for an app search engine|
    [返回顶部]