在线社交人物管理的制作方法
【技术领域】
[0001] 本发明一般涉及在线社交媒体领域，更具体而言，涉及管理在线社交人物和用户 在在线社区中的简档。
【背景技术】
[0002] 以前的研究工作的大部分专注于通过各种数据挖掘技术来自动地推断用户特征 的任务。参见，例如，Pennacchiotti，M.，&Popescu，A. (2〇11)，Democrats,republicans andStarbucksafficionados:推特中的用户分类(Userclassificationin twitter),Proceedingsofthe17thACMSIGKDDInternationalConferenceon KnowledgeDiscoveryandDataMining, 430-438 ；Ramage,D. ,Dumais,S. , &Liebling,D. (2010),以主题模型表征微博（CharacterizingMicroblogswithTopic Models),ConferenceonWeblogsandSocialMedia,AAAI；以及Yang,J.,和 Leskovec,J·,在线媒体的时间变量模式（Patternsoftemporalvariationinonline media),ProceedingsofthefourthACMinternationalconferenceonWebsearchand datamining,WSDM' 11，ACM(NewYork,NY,USA, 2011)，177-186。
[0003] 然而，很少有人专注于通过有意义的建议，给用户带来价值，诸如用户可以在谈话 中承担的以达到所希望的目标的社交角色，或用户可以基于用户的专业知识来进行帮助的 谈话。
[0004] 现有的或建议的社交建议系统专注于标识可能会引起用户兴趣的在线内 容，参见，例如，GoogleAlerts;或发现要与其共享在线内容的其他用户，参见，例如， Amershi,S.，Fogarty,J.，Weld,D.S.ReGroup:在社交网络中用于按需群组创建的交互式 机器学习(InteractiveMachineLearningforOnDemandGroupCreationinSocial Networks),ProceedingsCHI'12,ACMPress2012,Bernstein,M. ,Marcus,A. ,Karger,D ·,MillerR·,增强网络上共享的定向内容（Enhancingdirectedcontentsharingon theweb),ProceedingsoftheSIGCHIConferenceonHumanFactorsinComputing Systems.ACM,NewYork,NY,USA, 2010〇
[0005] 附图简述
[0006] 通过参考以下详细描述以及各个附图，可更易于理解此处所公开的各实施例的特 点和优点。具有不同的字母后缀的类似编号可以表示类似的组件的不同的实例。附图作为 示例，而不作为限制，一般示出了在本文档中讨论的各实施例。
[0007]图1A-B是示出了根据一实施例的社交人物管理系统的示例总览的框图。
[0008] 图2是示出了根据一实施例的示例爬取模块方法的流程图。
[0009] 图3A-B是示出了根据一实施例的示例社交角色推理模块方法的流程图。
[0010] 图4是示出了根据一实施例的用于简档增强建议的示例方法的流程图。
[0011] 图5是示出了根据一实施例的示例在线谈话建议模块方法的流程图。
[0012] 图6是示出了根据一实施例的社交目标警告方法的流程图。
[0013] 图7是示出了根据一实施例的社交人物可视化图形的框图。
[0014] 图8是根据一实施例的用于声称的身份推理的示例方法的流程图。
[0015] 图9是示出了根据一个实施例的实验的来自0ntd_政治中的作者的数据集的统计 信息的表1。
[0016] 图10是示出了根据一个实施例的实验的陈述的兴趣的示例和与谈话的主题相关 的贴子的表2。
[0017] 图11示出了根据一个实施例的实验的在给定社区的贴子、评论以及兴趣标记的 情况下，建模此处所公开的框架如何标识社区的声称的以及表现出的兴趣的模式的流水 线。
[0018] 图12示出了根据示例实施例的由AMT用户所提供的评价的直方图。
[0019] 图13表示根据一个实施例的实验的属于每一组类型的社区成员的百分比。
【具体实施方式】
[0020] 在下面的详细描述中，将参考构成本详细描述的一部分的附图，其中，相同编号表 示相同部分，通过例图，示出了可以实施的实施例。这些实施例此处也可以被称为"示例"。 这样的示例还可包括除所示出的或所描述的那些之外的元件。然而，作者还设想其中只提 供所示出的或所描述的那些元件的示例。此外，作者还设想使用所示出的或所描述的那些 元件（或其一个或多个方面）的任何组合或置换，相对于特定示例（或其一个或多个方 面），或相对于此处所示出的或所描述的其他示例（或其一个或多个方面）。
[0021 ] 应该理解，在不偏离本发明的范围的情况下，可以利用其他实施例或示例，也可以 进行结构性的或逻辑性更改。因此，下面的详细描述不是在限制性的意义上进行的，并且各 实施例的范围由所附权利要求以及它们的等效内容来进行定义。
[0022] 实施例是涉及管理一个或多个在线社区内或社交媒体系统内的用户社交人物、简 档以及投射的图像的系统、方法以及一个或多个计算机可读介质。
[0023] 说明书中对"一个实施例"、"实施例"、"示例"等等的引用意味着结合该实施例或 示例所描述的特定特征、结构或特性被包括在如此处所描述的至少一个实施例中。如此，在 整个说明书中的不同位置出现短语"在一个实施例中"不一定都是指同一个实施例。
[0024] 为解释起见，阐明了特定配置和细节以提供对此处所公开的各实施例的全面理 解。然而，对本领域的技术人员显而易见的是，各实施例也可以在没有此处所呈现的具体细 节的情况下实施。进一步地，可以省略或简化已知的特征以便不致对此处的描述的理解造 成模糊。可以在整个此描述中给出各种示例。这些只是特定的实施例的描述。权利要求的 范围不限于给出的准确的示例。
[0025] 大多数现有的研究以及社交媒体系统不能基于社区的需求或用户的总体目标，向 用户建议他们能够给社区作出的贡献的类型。例如，Facebook?允许用户基于友谊关系， 查看或评论"朋友"发出的贴子，但是，没有有关用户应该在谈话中承担的社交角色的类型， 或用户应该作出的贡献的类型的建议，以满足个人目标。
[0026] 在线系统，诸如Google來Alerts、Alltop、Monitter、TweetDeck、BackType，以及 PostRankAnalytics可监视数百万博客（web日志），推特谈话以及新闻站点，并帮助用户 在线跟随它们的所感兴趣的主题的谈话。然而，现有的系统不会分析用户的单个贴子以及 行为，以便帮助用户标识将通过专业知识或社交角色突出用户的独特性的机会。
[0027]此处的各实施例描述了推断社区的需求以及其用户的需求，以及如何使用此信息 来提供社交建议的系统。社交建议可以基于讨论的谈话主题，或用户的社交联系，通知用户 他们可能感兴趣的谈话，还可以将用户可以在谈话中承担的社交角色通知给用户，以帮助 讨论。进一步，还可以提供社交建议，以帮助用户实现一个或多个定义的/所希望的目标。 所描述的各实施例可以改善对在线社交角色和人物的管理，因为现有的系统不建议用户可 以在谈话中承担的社交角色，以改善讨论。各实施例也可以分析讨论中的用户行为，以提供 有帮助的简档增强建议。当讨论中的用户行为阻止/帮助用户实现它们的目标时，各实施 例也可以向用户发送警告。
[0028]完成并维护准确的在线简档，用于向其他人介绍自己会是费时的，复杂的，常常很 难；当与其他人相比时，一个人可能不能意识到他们的全部专业知识。此处的实施例描述了 帮助建立用户简档的用于简档增强建议的系统和方法。
[0029]在线讨论也可以得益于诸如仲裁人或专家之类的某些社交角色的贡献。但是，现 有的系统不自动地标识对这样的贡献者以及正确的或最佳候选人的需求。此处的实施例描 述了有助于角色标识以及建议的系统和方法。
[0030]用户可以具有一个或多个定义的目标。例如，用户可能希望实现在主题X中提升 他们的专业知识的目标。使用现有的系统来发现达到目标的在线机会会是困难的，并且费 时。此处的实施例描述了通过建议以及简档和人物管理来实现目标的系统和方法。为自己 准备社交目标的许多用户可能会发现很难预见在在线讨论中他们的某些动作会影响实现 他们的个人社交目标（帮助或伤害）。
[0031]此处所描述的各实施例可以减轻上文所提及的问题，以便帮助用户更好地呈现他 们自己，分析他们的行为，并优化他们在在线社区中的交互。
[0032]实施例可以从在线社区的谈话以及参与者的简档获取文本信息，详细地推断用户 在谈话内或社区内承担的典型的社交角色（诸如仲裁人、专家、特罗尔、新手，或其他用户/ 管理员定义的角色）；用户更喜欢参与其中的主题谈话；以及，在讨论中缺少的社交角色。 然后，实施例可以利用此推断的信息来提供社交建议以及自省，诸如：
[0033]?向用户建议要添加到他们的在线简档中的元素，诸如，对于某些主题的专业知识 或兴趣。
[0034]?基于他/她的在处理谈话需要的社交角色的经验，向用户建议谈话以及承担的 社交角色。
[0035]?向其社交目标将满足谈话需要的社交角色的用户，建议谈话以及承担的社交角 色。
[0036]?向其社交目标将满足社区需要的社交角色或具有社区要求的社交角色的经验的 用户或来自其他在线社区的成员建议在线社区以及承担的社交角色。
[0037]?当用户的行为正在帮助/危害实现他们的目标时，例如，用户正在充当特罗尔 (Troll)，但是，他/她的目标将是仲裁人（Moderator)，或用户在X主题中正在充当新手 (Newbie)，但是，他/她的目标是在X主题中充当专家（Maven)，则警告用户。
[0038]?给用户提供透明的内省界面，在那里，用户可以基于他们在社区张贴的内容，可 视化他们已经承担的不同的社交人物；可使用户能够在不同级别分析他们的数据（承担的 不同的社交人物的总图，以及数据的每一特定的片断如何对创建的总体社交人物有贡献）； 可使用户能够删除/编辑他们的内容，并查看这如何影响他们在社区内创建的社交人物。
[0039] ?可使用户能够告诉系统，某些数据如何与某些在线社交人物相关联；基于由系统 学习的社交规则，向用户提供他们的数据的新分类和可视化；允许用户基于这些新分类，探 索并内省他们的数据。
[0040] 实施例可包括四个组件：爬取模块、社交推理模块、社交建议模块，以及社交人物 可视化模块，下面将更全面地讨论。可以理解，模块是可以在硬件组件或设备，在处理器上 运行的软件或固件，或其组合实现的逻辑。模块可以是通过共享或传递数据来集成的不同 的并且独立的组件，或者，模块可以是单个模块的子组件，或在多个模块之间拆分。组件可 以是在单个计算节点上运行的，或实现的，或在多个并行地、并发、按顺序运行（或组合）的 计算节点之间分布的进程，如参考图形中的流程图更全面地描述的。
[0041] 参考图1A-B，示出了根据一实施例的对在线社区的管理以及社交人物管理系统 100的示例总览的框图。在线社区101具有相关联的初始数据103,可包括有关社区网站、 黑板、讨论小组、推特馈送、Facebook评论跟帖，等等的信息，104a，以及表示用户简档的数 据l〇4b。
[0042] 爬取模块105可以被配置成从在线社区101以及社区的用户的简档信息104b收 集文本信息。爬取模块105可以向社交推理模块110提供综合的信息。
[0043] 社交推理模块110可以被配置成从社区的谈话的主题检测并分类用户的社交角 色。社交推理模块向社交建议模块130给予其分类和检测结果。
[0044] 社交建议模块130可以包括用于向用户作出推荐或建议的各种子组件或模块，诸 如简档增强建议131、在线谈话建议133,以及社交目标警告135。社交建议模块可以被配置 成，基于从社交推理模块110推断的数据，向用户建议（i)可以被添加到用户简档141中的 有关他们自己的信息；（ii)在模块143,基于他们的承担的社交角色和/或需要的当前社交 角色134,用户可以参加的谈话；（iii)在模块143,用户可能满足他们的所希望的社交目标 136中的某些的谈话；以及（iv)在模块145,当用户行为正在影响/帮助用户实现一个或多 个社交目标135时，警告。
[0045] 社交人物可视化模块150可以被配置成给用户提供交互式可视化界面151，该界 面151让用户内省他们的数据创建的不同的在线社交人物。界面151也可以让用户分析他 们的数据的不同的方面，诸如创建的总体社交人物，以及特定的数据片断如何对具体的社 交人物有贡献。界面也可以让用户删除和更新他们的数据，以及查看这如何改变他们的在 线图像（在社区作出的社交人物。）此模块也可以给用户提供交互式界面151，通过该交互 式界面151，用户可以教会系统某些数据（帖子或评论）如何可以链接到用户参与的在线社 区中的某些在线社交人物。
[0046] 在下面的描述中，讨论了关于每一模块的更多细节：
[0047] 爬取模块：爬取模块105收集（爬取107)在线社区的K个最新的谈话（帖子和 评论），以及参与讨论的用户的简档页面。此模块105计算社区的平均张贴比率，并每隔 τ*average_posting_rate_community，周期性地收集数据。张贴比率被计算为从一个帖子 被创建到另一帖子之间的时间差。爬取模块105也可以爬取并收集有关在用户109的标记 中具体地标识的谈话、帖子和社区的数据。图2是示出了根据一实施例的用于爬取的示例 方法。
[0048] 在一个用于爬取的示例方法中，使用来自社区网站210的信息。爬取模块可以被 配置成在框201中爬取社区210的K个月的帖子和评论。在框203中，爬取模块获取参与 用户的列表。在框205中，爬取模块从用户的相应的简档中获取社区的用户的声称的兴趣。 在框207中，模块获取社区的平均张贴比率。在判断框209,作出关于是否过去了α*社区 的平均张贴比率时间。如果是，那么，在框211中，系统将Κ设置为等于现在和爬取最后一个 帖子时的时间之间流逝的时间量；在框201，Κ个时间周期的爬取继续。如果没有过去该时 间，如在框209中判断的，那么在从社区爬取和收集更多数据之前系统等待更多时间流逝。
[0049] 对于此示例，平均张贴比率表示在某人在社区中张贴新东西之前通常流逝多长时 间，α是设计参数，当其与平均张贴比率组合使用时，可以帮助设计人员选择系统应该等待 多长时间以再次从社区爬取数据。
[0050] 社交推理模块：社交推理模块110包