本文中描述了用于从多个实况数据流收集关于发展中的事件的信息并且在学习这些信息时向感兴趣的个人推送新信息的技术和框架。在各种实施方式中，可以监视多个实况数据流。基于该监视，对信息通过群体的扩散进行建模的数据结构可以被生成，并且被作为输入应用到机器学习模型以生成输出。该输出可以指示发展中的事件发生的可能性和/或发展中的事件与特定用户的相关性的预测度量。基于相关性的可能性和/或度量满足准则的确定，一个或多个计算设备可以渲染关于发展中的事件的信息作为输出。备可以渲染关于发展中的事件的信息作为输出。备可以渲染关于发展中的事件的信息作为输出。
【技术实现步骤摘要】
【国外来华专利技术】使用实况数据流和/或搜索查询来确定关于发展中的事件的信息
技术介绍
[0001]随着诸如智能电话和智能手表的互联网启用的设备的激增，关于新发展中的或“实况”事件的信息由目击者使用诸如社交媒体帖子、搜索引擎查询、数字图像帖子等的实况数据流来传播日益常见。这常常甚至发生在由传统新闻媒体发布这种信息之前。因此，建立的诸如搜索引擎的知识源可能落后于这种有机地演变的信息。此外，在那些搜索引擎能够提供响应信息之前，诸如搜索引擎的知识源很可能接收到关于发展中的事件的许多查询。
技术实现思路
[0002]因此，本文中描述了用于从多个实况数据流收集关于发展中的事件的信息并且向感兴趣的个人提供新信息片段的技术和框架。特别地，各种实施方式涉及检测新发展中的事件。例如，可以响应于对新发展中的事件的检测而执行动作，例如控制对事件的检测的响应或者提供向第三方指示检测到事件的输出信号。例如，在一个示例中可以检测诸如火灾或犯罪的事件并且可以向紧急服务报警。另外或替代地，一些实施方式涉及利用最近提交的关于仍在发展中的事件—例如，常规搜索引擎可能缺少最新信息的事件—的搜索查询来向其他询问用户提供信息。这些最近提交的搜索查询可以至少在某种程度上包括来自具有第一手或二手知识的源例如事件的目击者、第一响应者、围绕事件的辅助事件的目击者(例如，看到救火车朝地标方向疾驶但是未看到实际的地标燃烧的人)等的查询。
[0003]可以以各种方式最初识别发展中的事件。在一些实施方式中，一个或多个个人可以向搜索引擎提交搜寻关于发展中的事件的信息的查询，诸如“Is there a fire at the cathedral？(教堂着火了吗？)”或“Why is a crowd gathering at Times Square？(为什么人群聚集在时代广场？)”。如果足够的查询，例如，语义上相关的查询的聚类证明新发展中的事件，则那可以触发对诸如社交媒体帖子的多个实况数据流的分析，以获得信息来填充事件特定知识图。作为另一示例，可以在持续基础上分析诸如社交媒体帖子的多个实况流。类似于连串语义上相关的查询，如果识别了足够数量的语义上相关的帖子的聚类，则那可以证明新发展中的事件。在其它的实施方式中，可以监视例如来自诸如第一响应者的可信个人/组织的特定实况数据流是否有新发展中的事件。
[0004]在一些实施方式中，可以生成或维护诸如网络模型的底层数据结构，该网络模型对各种信息源如何连接进行建模。例如，底层网络模型可以对跨诸如社交网络用户的源(特别是已知具有提高的确实性的源，诸如记者、执法人员或政府官员等)散播信息的结构进行建模。该底层网络模型可以包括表示源的多个节点和表示多个源之间的通信路径的多条边。
[0005]在该底层网络模型之上，与发展中的事件相关联的信息的散布可以例如使用诸如有向图的数据结构根据时间被建模。在一些实施方式中，可以将这些有向图作为输入应用到(apply across)诸如神经网络的机器学习模型。在一些实施方式中，机器学习模型可以
cathedral fire？(他们是否从教堂火灾中救出<文物A>？)”的查询。可以挖掘这些先前提交的查询以向第一个人提供例如既指导个人更好地查询和/或向个人提供响应于他或她自己的查询的信息(诸如<文物A>很可能处于危险中的事实)的替代查询建议。
[0014]在一些实施方式中，表面上(即，语义上和/或句法上)看似不相关的查询实际上可能与同一事件有关。通过将来自实况数据流的查询和/或其他数据按它们与发展中的事件的关系聚类在一起，可能在聚类中使彼此不表面上或显式地相关的一对查询相关联。因此，可以向提交与该对查询的第一查询类似的查询的个人建议与该对的第二查询类似的替代查询。
[0015]作为示例，在苏黎世的第一个人可能看到警车汇聚在银行并且提交诸如“details about crime in city center(关于市中心犯罪的细节)”的查询。另一个人可能间接听到了警方已经逮捕了嫌疑人并且可能提交查询“recent police statement about burglars in Zurich(最近警方关于苏黎世窃贼的声明)”。表面上，除了在“犯罪”与“窃贼”之间可能有轻微的语义关系以外，这些查询是语义上不相似的。没有更多东西可以将这两个查询联系在一起。然而，利用本文中描述的技术，可以围绕苏黎世市中心发展中的事件对这些查询进行聚类。例如，第一个人的智能电话可能包括指示第一个人在苏黎世的位置坐标传感器。第二个人的查询显式地提到苏黎世，所以这些查询可以与同一发展中的事件聚类在一起。因此，当第一个人提交他的或她的查询“details about crime in city center”时，他或她可能接收到替代查询建议“recent police statement about burglars in Zurich”。
[0016]在一些实施方式中，提供了一种方法，该方法包括：监视多个实况数据流；基于该监视，生成对信息通过人群的扩散进行建模的数据结构；将数据结构作为输入应用到机器学习模型以生成输出，其中，输出指示发展中的事件的发生可能性；以及基于发展中的事件的发生可能性满足准则的确定，使一个或多个计算设备渲染关于发展中的事件的信息作为输出。
[0017]本文中公开的技术的这些和其他实施方式可以可选地包括以下特征中的一个或多个特征。
[0018]在一些实施方式中，数据结构包括有向图，并且该有向图是基于底层网络模型被生成的，该底层网络模型包括表示源的多个节点以及表示多个源之间的通信路径的多条边。在一些实施方式中，数据结构包括图并且机器学习模型使用多个训练示例被训练，每个训练示例包括对关于相应经验证的过去事件的信息通过多个源的扩散进行建模的先验图。
[0019]在一些实施方式中，输出进一步指示发展中的事件与特定用户的相关性的预测量度。在一些实施方式中，应用还包括将特定用户的一个或多个属性作为输入应用到机器学习模型。
[0020]在一些实施方式中，机器学习模型包括被训练以对图输入进行操作的机器学习模型。在一些实施方式中，至少部分地基于提交给一个或多个搜索引擎的查询的语料库来确定关于发展中的事件的信息，其中，查询的语料库与发展中的事件有关。在一些实施方式中，关于发展中的事件的信息包括用于获得关于发展中的事件的附加信息的替代查询建议。
[0021]其他实施方式可以包括非暂时性计算机可读存储介质，其存储可由一个或多个处理器(例如，中央处理单元(CPU)、图形处理单元(GPU)和/或张量处理单元(TPU)执行的指令
以执行诸如上述和/或本文中其他地方描述的一种或多种方法的方法。其他实施方式可以包括由一台或多台计算机的系统，其包括一个或多个处理器，该一个或多个处理器可操作以执行存储的指令以执行诸如上文和/或本文中其他地方描述的一种或多种方法的方法。
[0022]将会理解，前述概念和本文中更详细描述的附加概念的所有组合都被设想为本文中公开本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种使用一个或者多个处理器实现的方法，包括：监视多个实况数据流；基于所述监视，生成对信息通过人群的扩散进行建模的数据结构；将所述数据结构作为输入应用到机器学习模型以生成输出，其中，所述输出指示发展中的事件的发生可能性；以及基于发展中的事件的所述发生可能性满足准则的确定，使一个或多个计算设备渲染关于所述发展中的事件的信息作为输出。2.根据权利要求1所述的方法，其中，所述数据结构包括有向图，并且所述有向图是基于底层网络模型被生成的，所述底层网络模型包括表示源的多个节点以及表示所述多个源之间的通信路径的多条边。3.根据权利要求1或2所述的方法，其中，所述数据结构包括图并且所述机器学习模型使用多个训练示例被训练，每个训练示例包括对关于相应经验证的过去事件的信息通过多个源的扩散进行建模的先验图。4.根据任意前述权利要求所述的方法，其中，所述输出进一步指示所述发展中的事件与特定用户的相关性的预测量度。5.根据权利要求4所述的方法，其中，所述应用进一步包括将所述特定用户的一个或多个属性作为输入应用到所述机器学习模型。6.根据任意前述权利要求所述的方法，其中，所述机器学习模型包括被训练以对图输入进行操作的机器学习模型。7.根据任意前述权利要求所述的方法，其中，关于所述发展中的事件的所述信息是至少部分地基于提交给一个或多个搜索引擎的查询的语料库来确定的，其中，所述查询的语料库与所述发展中的事件有关。8.根据权利要求7所述的方法，其中，关于所述发展中的事件的所述信息包括用于获得关于所述发展中的事件的附加信息的替代查询建议。9.一种系统，包括一个或多个处理器和存储指令的存储器，所述指令响应于所述一个或多个处理器对所述指令的执行，使所述一个或多个处理器：监视多个实况数据流；基于所述监视，生成对信息通过人群的扩散进行建模的数据结构；将所述数据结构作为输入应用到机器学习模型以生成输出，其中，所述输出指示发展中的事件的发生可能性；以及基于发展中的事件的所述发生可能性满足准则的确定，使一个或多个计算设备渲染关于所述发展中的事件的信息作为输出。10.根据权利要求9所述的系统，其中，所述数据结构包括有向图，并且所述有向图是基于底层网络模型被生成的，所述底层网络模型包括表示源的多个节点以及表示所述多个源之间的通信路径的多条边。11.根据权利要求9或10所述的系统，其中，所述...
【专利技术属性】
技术研发人员：维克托，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。