Aşağıdaki makale size yardımcı olacaktır:Arama İşlemi Verilerinin Makine Tarafından Öğrenilen Belirsizliğin Giderilmesi
Bir Arama Motoru, Arama İşlemi Verilerinden Ne Öğrenebilir?
Bu patent, bir bilgisayarın çalışmasını iyileştirmekle ilgilidir.
Araştırmacı eylem verileri, finansal işlemleri temsil edebilir. Bir kredi kartı ekstresi, belirli bir kredi kartıyla ilgili mali işlem verilerini içerebilir.
Bu arama eylemi verileri şunları içerebilir:
- Buluşma
- Tanım
- Belirli bir finansal işleme karşılık gelen tutar
Finansal işlem verileri, [“4/12/2013,” “ITALIAN DELI NEW YORK NY,” “12.08”]New York, NY’de bulunan “Italian Deli”de 12 Nisan 2013 tarihinde yapılan bir işlem için 12,08 ABD Doları tutarında bir kredi kartı ücretini temsil edebilir.
Bu patent, birçok varlık türü hakkında araştırmacı eylem verilerini içerir. Süreç, aşağıdakileri gerçekleştirmek için makine öğrenimi tabanlı bir ek açıklama aracı kullanmayı gerektirir:
- Varlıkları tanıma
- Arama yapan eylem verilerini açıklar
- Arayıcıdan bir sorgu alın
- Arayıcı eylem verilerini sorgula
- Arama yapan eylem verilerinden sorguya bir yanıt oluşturun
- soruyu cevapla
Sistem, çok sayıda varlık tipindeki varlıklar hakkında belirli bir araştırıcı tarafından alınan verileri alabilir. Varlıkların çoğu için veriler belirsiz olarak belirlenir çünkü varlıklar belirlenemez. Sistem, çok sayıda varlık tipindeki varlıklar hakkında belirli bir araştırmacı tarafından gerçekleştirilen eylemleri temsil eden bilgilerin belirsizliğini giderir.
Arama İşlemi Verilerinden Neyin Belirsizliği Giderilir?
Belirsizliği giderme, belirsiz olarak belirlenen varlıkların çoğunluğu için belirtilen tanımlayıcı varlıkları içerebilir. Verilerdeki varlıkları ve varlık niteliklerini tanımak için eğitilmiş makine öğrenimi tabanlı bir açıklayıcı kullanır. Ayrıca, ilgili varlık tanımlayıcıları ile birçok varlık tipinin varlıkları hakkında arama yapan eylem verilerini temsil eden verileri açıklayacaktır.
Sistem, belirli bir araştırmacıya özgü bir sorgu alır. Soru, varlıkların ilk varlık tipini ve araştırıcı tarafından varlıklar hakkında gerçekleştirilen bir eylemi belirten terimleri içerir. Sistem, birinci varlık tipindeki varlıkları belirler ve araştırmacı tarafından birinci varlık tipindeki varlıklar hakkında gerçekleştirilen eylemleri temsil eden verileri sorgular. Sistem, belirli araştırıcı tarafından birinci varlık türündeki varlıklar hakkında gerçekleştirilen eylemleri temsil eden bilgilerden sorguya bir yanıt üretir ve belirli araştırıcıya özgü soruya yanıt sağlar.
Veriler, finansal işlem verileri gibi arama eylemi verileri olarak görülür. Sistem, bir finansal işlemi temsil eden araştırmacı eylem verilerini alabilir. Arayıcı eylem verileri şunları içerebilir:
- Kredi kartı işlem verileri
- Banka kartı işlem verileri
- Mali tablo işlem verileri
Sistem, mali işlemler hakkında bilgi sağlamak için mali işlem verilerini analiz edebilir. Örneğin sistem, araştırmacının belirli kategorilerde harcadığı miktarı veya yüzdeyi görüntülemek için finansal işlemleri kategorilere ayırabilir. Bir kategori “restoranlar” içerebilir ve sistem “Italian Deli” restoranındaki finansal işlemi, ilgili arama eylemi verileri “Deli” kelimesinden oluştuğu için restoranlar altında indeksleyebilir. Ancak finansal işlem verileri daha belirsiz hale gelebilir. Örneğin, finansal işlem verileri [“4/11/2013,” “BEST R NEW YORK NY,” “45.78”] belirsiz hale gelebilir.
Finansal İşlem Verilerinin Belirsizliğini Ortaya Çıkarma
Mali işlem verilerinin belirsizliğini gidermek için sistem, mali işlem verileriyle ilişkili varlıkları tanımlayan makine öğrenimi tabanlı bir açıklayıcı kullanabilir. Kuruluşlar, aşağıdakiler gibi bir ticari işletme olabilir:
- Belirli bir mağaza
- Restoran
- Ofis
- Şirket
Örneğin, makine öğrenimi tabanlı açıklayıcı, New York, NY’de bulunan “En İyi Restoran” varlığını tanımlayabilir ve finansal işlem verileriyle ilişkilendirilir.
Etiketli Eğitim Verilerine Dayalı Dernekler
Makine öğrenimi tabanlı açıklayıcı, etiketli eğitim verilerine dayalı olarak arama yapan eylem verileriyle ilişkili varlıkları tanımlamak üzere eğitilebilir. Örneğin, makine öğrenimi tabanlı açıklayıcı, “NEW YORK NY”, “DC” veya “90210” gibi konumlar da dahil olmak üzere finansal işlem verilerinin ilgili varlıklarla ilişkilendirilme olasılığının yüksek olduğunu belirlemek üzere eğitilebilir. alanlar.
Ayrıca, makine öğrenimi tabanlı açıklayıcı, tek bir harfin, örneğin “R”nin, bir varlığın adındaki harfle başlayan bir kelimenin kısaltması olabileceğini belirlemek üzere eğitilebilir. Makine öğrenimi tabanlı açıklayıcı, “NEW YORK NY”, “BEST” ve “R” değerlerinin varlığına dayanarak finansal işlem verilerinin New York, NY’de bulunan “Best Restaurant” adlı varlıkla ilişkilendirildiğini belirleyebilir.
Ayrıca, makine öğrenimi tabanlı açıklayıcı, yalnızca finansal işlem verilerindeki açıklamayı analiz etmek veya finansal işlem verilerinde örneğin tutar ve tarih gibi daha fazla bilgiyi analiz etmek için eğitilebilir. Örneğin, makine öğrenimi tabanlı açıklayıcı, miktar ve tarihi dikkate alarak “En İyi Restoran” ile ilişkili finansal işlemi daha ayrıntılı olarak belirleyebilir. Ek açıklama yapan kişi, 45,78 ABD Doları tutarındaki tutarın “Best Restaurant” restoranında harcanan tutarla tutarlı olduğunu ve finansal işleme taraf olan araştırmacının 11 Nisan 2013 tarihinde New York, NY’de olduğunu seçebilir. arayan kişinin profili.
Finansal Olmayan İşlem Verileri Olan Arama İşlemi Verileri
Patent ayrıca, makine öğrenimi tabanlı açıklayıcıyı eğitmek için kullanılan etiketli eğitim verilerinin metin ve metinle ilişkili olarak tanımlanan varlıkları içerebileceğini söylüyor. Örneğin, makine öğrenimi tabanlı açıklayıcı, “En İyi Restoran” varlığıyla ilişkili olarak tanımlanan “En İyi Restoran” web sitesinin alıntılarını kullanarak hazırlanabilir. Etiketli eğitim verileri, aşağıdakiler gibi diğer finansal olmayan işlem verilerini içerebilir:
- Tanımlanmış varlıklarla ilişkili bir inceleme web sitesinden metin
- Arama yapanların sosyal ağ etkileşimleri
- Arayanlar tarafından kullanılan arama terimleri
- Araştırmacı, tanımlanan varlıkların doğru veya yanlış olduğuna dair açık onaylar dahil olmak üzere eğitim verileri sağladı
Ek olarak, etiketli eğitim verileri, tanımlanan varlıklarla ilişkili mali işlem verilerini içerebilir. Örneğin, etiketli eğitim verileri, “En İyi Restoran” da dahil olmak üzere restoranlardaki finansal işlemleri temsil eden finansal işlemlerden oluşabilir.
Sistem, mali işlemleri makine öğrenimi tabanlı açıklayıcı tarafından tanımlanan varlıklarla ilişkilendirebilir. Yöntem, mali işlem verilerini, tanınan varlığı temsil eden bir tanımlayıcı içeren verilerle açıklayabilir. Örneğin, sistem finansal işlem verilerini açıklayabilir. [“4/11/2013,” “BEST R NEW YORK NY,” “45.78”] açıklamalı finansal işlem verileriyle sonuçlanacak bir varlık tanımlayıcısı “00542687” ile [“4/11/2013,” “BEST R NEW YORK NY,” “45.78,” “00542687”] burada “00542687”, “En İyi Restoran” varlığı için benzersiz bir tanımlayıcıdır.
Sistem, Varlık Hakkındaki Varlık Verilerini Saklayabilir
Sistem, varlıkla ilgili varlık verilerini depolayabilir. Örneğin, restoran olan bir varlık için varlık verileri şunları içerebilir:
- Bir restoran adı
- Adres
- Telefon numarası
- Saat
- Yemek stili
- Mutfak türü
- Yönetici şef adı
- Fiyat aralığı
Bir giyim mağazası işletmesi şunları içerebilir:
- Bir mağaza adı
- giyim türü
- Hedef kitle
- Saat
- Fiyat aralığı
Diğer varlık türleri, diğer özellikler için farklı değerler içerebilir.
Arama İşlemi Verileri Finansal İşlemler Hakkında Bilgi Sağlayabilir
Açıklamalı finansal işlem verilerini kullanarak, sistem finansal işlemler hakkında bilgi sağlayabilir. Örneğin, bir araştırmacı sistemden 11 Nisan 2013 tarihinde hangi restoranda yemek yediğini belirlemesini isterse sistem, açıklamalı finansal işlem verilerine dayanarak Nisan ayındaki finansal işlemleri belirleyebilir. 11 Ocak 2013 ve bir restoran olan bir varlıkla ilişkilendirilen ve restoranın “En İyi Restoran” sonucunu döndüren.
Bu patentte açıklanan konu, belirli bir mali işlemle ilgili ayrıntılı mali işlem verilerini içerebilir. Belirli finansal işlem verilerini, finansal işlem verileriyle ilişkili varlıkları tanımlayan makine öğrenimi tabanlı bir açıklayıcıya sağlayabilir. Daha fazla eylem, belirli finansal işlemi, ayrıntılı finansal veriler için makine öğrenimi tabanlı açıklayıcı tarafından tanımlanan bir varlıkla ilişkilendirmeyi içerebilir.
Ayrıca, bu şartnamede açıklanan konu, belirli bir finansal işleme taraf olan bir araştırmacıdan bir sorgu alma ve soruyla ilişkili bir varlık türünü belirleme eylemlerini içerebilecek yöntemlerde somutlaştırılabilir. Daha fazla ölçüm, belirli finansal işlemle ilişkili bir varlığın, sorguyla ilişkili varlık türüyle eşleştiğinin belirlenmesini içerebilir. Diğer eylemler, sorguya yanıt olarak varlığı tanımlayan bir yanıtın sağlanmasını içerebilir.
Diğer sürümler, bilgisayar depolama aygıtlarında kodlanmış yöntemlerin eylemlerini gerçekleştirmek üzere konfigüre edilmiş karşılık gelen sistemleri, aparatları ve bilgisayar programlarını içerir.
Diğer Finansal İşlem Türleri
Bu ve diğer sürümlerin her biri aşağıdaki özellikleri içerebilir. Mali işlem verileri şunları içerebilir:
- Kredi kartı işlem verileri
- Banka kartı işlem verileri
- Mali tablo işlem verileri
Belirli açılardan, belirli bir mali işlemi makine öğrenimi tabanlı açıklayıcı tarafından tanımlanan bir varlıkla ilişkilendirmek, belirli mali işlem verilerinin, tanınan varlığı temsil eden bir tanımlayıcı ile açıklanmasını içerebilir.
Eylemler, makine öğrenimi tabanlı açıklayıcıdan aday varlıkları tanımlayan verilerin alınmasını ve belirli finansal işleme taraf olan bir araştırıcının bir araştırmacı profiline dayalı olarak tanımlanmış aday varlıklardan belirli finansal işlemle ilişkili varlığın seçilmesini içerebilir.
Belirli bir finansal işlemle ilişkilendirilen varlığın, bir araştırmacı profiline dayalı olarak aday varlıklardan seçilmesi, finansal işlem verileri tarafından belirtilen bir tarihte, araştırmacı profilinin, araştırıcının ilgili bir konumda bulunduğunu önermesinin belirlenmesini içerebilir. varlık.
Arayıcı Veri Patentinin Makine Tarafından Öğrenilen Belirsizliğin Giderilmesi
Makine öğrenimi tabanlı açıklayıcı, etiketli eğitim verileri kullanılarak eğitilir.
Patentli Searcher Action Data sürecindeki eylemler şunları içerebilir:
- Belirli bir finansal işlemin tarafı olan bir araştırmacıdan sorgu alma
- Sorguyla ilişkili varlık türünü belirleme
- Belirli finansal işlemle ilişkili varlığın, sorguyla ilişkili varlık türüyle eşleştiğine karar verme
- Sorguya yanıt olarak, varlığı tanımlayan bir yanıt sağlama
Patent burada:
Arama yapan eylem verilerinin makine tarafından öğrenilen belirsizliği giderme
venciler: Mathew Cowan
Vekil: Google LLC
ABD Patenti: 11.151.198
Verildi: 19 Ekim 2021
Dosyalandı: 22 Ocak 2020
Soyut
Bill Slawski hakkında
26 yılı aşkın SEO deneyimi ve Hukuk Doktoru Derecesi ile Bill Slawski, Google’ın SEO ile ilgili patentleri konusunda en önde gelen uzmandır. Patent Keşfi, SEO hakkında yeni bilgiler bulmanın en hızlı ve en ayrıntılı yollarından biridir. Bill, önde gelen bir arama motoru optimizasyonu blogu olan SEO by the Sea’nin Editörüdür ve burada 1.300’den fazla gönderinin yazarıdır. Bill’in deneyimi, Fortune 500 markalarını ve dünyanın en büyük web sitelerinden bazılarını içerir. Bill, Moz, Search Engine Land ve Search Engine Journal için katkıda bulunan bir yazardır. 2014-2021’de arama motoru algoritmaları, evrensel ve harmanlanmış arama, aramada kişiselleştirme, arama ve sosyal ve yinelenen içerik sorunları, yapılandırılmış veri ve şema gibi konularda sektör lideri uluslararası konferanslarda konuşma yaptı.
