[發明專利]社交網絡中與朋友的帖子混合的質量行業內容

有效

• 申請號: 201680002452.0
• 申請日: 2016-08-01
• 公開（公告）號: CN107896510A
• 公開（公告）日: 2018-04-10
• 發明（設計）人: L·張;L·朱;D·王;S·趙;Y·劉;S·陳
• 申請（專利權）人: 鄰客音公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中國專利代理(香港)有限公司72001
• 代理人: 徐紅燕,杜荔南

技術領域

本文中公開的主題一般涉及用于對社交網絡中的內容進行排名的方法、系統和程序，并且更特別地涉及用于選擇用于在社交網絡的用戶饋送中發布的內容的方法、系統和計算機程序。

背景技術

社交網絡經常在通常被稱為用戶饋送的內容中提供大量的內容用于呈現給用戶。用戶對用戶饋送的興趣主要取決于內容的質量：如果內容是無趣的，則用戶將放棄社交網絡，但是如果內容是有趣的，則用戶將繼續訪問用戶饋送。

當用戶首次加入社交網絡時，用戶可能在社交網絡上具有很少或者沒有社交連接，并且如果社交網絡僅在用戶饋送上呈現朋友的帖子，那么該饋送可能幾乎是空的。空的饋送意味著無聊且用戶對此缺乏興趣，這可能決定退出社交網絡。

附圖說明

附圖中的各種附圖僅圖示出本公開內容的示例實施例并且不能被認為是限制其范圍。

圖1是圖示出根據一些示例實施例的包括社交聯網服務器的聯網系統的框圖。

圖2A和2B是根據一些示例實施例的在社交網站上包括用戶饋送的用戶界面的截屏。

圖3是根據一些示例實施例的用戶的簡檔視圖的截屏。

圖4是圖示出根據一些示例實施例的通過合并多個內容類型來創建用戶饋送的圖。

圖5是圖示出根據一些示例實施例的朋友模型的圖。

圖6圖示出根據一些示例實施例的點進率(CTR)模型。

圖7圖示出根據一些示例實施例的CTR的跟蹤。

圖8是圖示出根據一些示例實施例的用于訓練分類器的方法的圖。

圖9是圖示出根據一個示例實施例的將帖子分配給集群的圖。

圖10圖示出根據一個示例實施例的提供對用戶饋送的訪問的社交聯網服務器。

圖11是根據一些示例實施例的用于在社交網絡的用戶饋送中呈現職業內容的方法的流程圖。

圖12是圖示出根據一些示例實施例的可以被安裝在機器上的軟件架構的示例的框圖。

圖13圖示出根據示例實施例的形式為計算機系統的機器的圖解表示，在該機器內可以執行一組指令用以引起該機器實行本文中討論的方法論中的任何一個或多個。

具體實施方式

呈現了用于優化包括職業和非職業帖子的用戶饋送的內容的示例方法、系統和計算機程序。示例僅代表可能的變化。除非另有明確陳述，否則組件和功能是可選的并且可以被組合或被細分，并且操作可以在順序方面進行變化或者可以被組合或細分。在以下描述中，為了解釋的目的，闡述了眾多具體的細節以提供對示例實施例的透徹理解。然而，對本領域技術人員將顯而易見的是，可以在沒有這些具體細節的情況下實踐本主題。

在一些示例實施例中，社交網站中的用戶饋送包括與其它類型的內容(諸如由朋友、公司、用戶關注的當局創建的內容、編輯的挑選等)混合的、與用戶的職業活動相關的職業內容。內容由社交網絡的其它用戶來提供，并且系統通過利用機器學習技術訓練分類器自動確定帖子類型來確定每個帖子是否被認為是職業或非職業內容。

當新的用戶加入社交網絡時，該用戶并沒有許多朋友或社交網絡連接。因此，用戶可能對呈現在用戶饋送上的內容不感興趣。在一個示例實施例中，一種社交網絡面向職業活動，但是也包括其它非職業活動。為了向新用戶呈現感興趣的內容，社交網絡識別與用戶的行業相關的職業內容，并且選擇來自相同行業的最好的帖子以被包括在用戶饋送中。利用若干種機器學習算法來預測帖子的價值(例如，得分)以及確定可用于呈現的那種帖子(例如，職業帖子、朋友的帖子)。

一個一般方面包括一種方法，該方法包括用于由包括處理器的服務器識別由社交網絡中的用戶創建的多個職業帖子的操作，其中每個用戶與來自如在該用戶的簡檔中配置的多個行業中的行業相關聯。該方法還包括由服務器計算針對每個識別的職業帖子的得分，并且基于該得分對所述多個職業帖子進行整理。在一些示例實施例中，所述職業帖子不包括由用戶的連接創建的帖子，并且不包括由用戶關注的其它實體(例如，話題或公司)創建的帖子。在其它示例實施例中，所述職業帖子也可以包括來自關注的實體或朋友的帖子，如果他們與用戶處在相同的行業中的話。

該方法進一步包括用于由服務器檢測對用以向與第一行業相關聯的第一用戶呈現第一用戶饋送的數據的請求的操作。該方法還包括基于創建每個帖子的用戶的行業由服務器選擇一個或多個職業帖子，并且將所選一個或多個職業帖子呈現在第一用戶饋送中。