Desambiguación aprendida por máquina de los datos de acción del buscador

¿Qué puede aprender un motor de búsqueda de los datos de acción del buscador?

Esta patente trata de mejorar el funcionamiento de una computadora.

Los datos de acción del buscador pueden representar transacciones financieras. El extracto de una tarjeta de crédito puede incluir datos de transacciones financieras sobre una tarjeta de crédito en particular.

Estos datos de acción del buscador pueden incluir:

• Una cita
• Descripción
• Importe correspondiente a una transacción financiera concreta

Los datos de transacciones financieras, [“4/12/2013”, “ITALIAN DELI NEW YORK NY,” “12.08”], pueden representar un cargo de tarjeta de crédito de $ 12.08 por una transacción el 12 de abril de 2013, en “Italian Deli” ubicado en Nueva York, NY

Esta patente involucra datos de acción del buscador sobre muchos tipos de entidades. El proceso requiere el uso de un anotador basado en aprendizaje automático para:

• Reconocer entidades
• Anota los datos de la acción del buscador
• Recibir una consulta del buscador
• Consultar los datos de acción del buscador
• Genere una respuesta a la consulta a partir de los datos de acción del buscador.
• Responde la consulta

El sistema puede recibir datos tomados por un buscador particular sobre entidades de una pluralidad de tipos de entidad. Los datos de la mayoría de las entidades se determinan como ambiguos porque las entidades no se pueden determinar. El sistema elimina la ambigüedad de la información que representa las acciones realizadas por un buscador particular sobre entidades de una pluralidad de tipos de entidad.

¿Qué se desambigua de los datos de acción del buscador?

La eliminación de ambigüedades puede incluir la identificación de entidades especificadas para la mayoría de las entidades determinadas como ambiguas. Utilizaría un anotador basado en aprendizaje automático entrenado para reconocer entidades y atributos de entidad en los datos. También anotaría los datos que representan los datos de acción del buscador sobre entidades de muchos tipos de entidad con identificadores de entidad respectivos.

El sistema recibe una consulta que es específica para el buscador en particular. La pregunta incluye términos que establecen un primer tipo de entidad de entidades y una acción realizada por el buscador sobre las entidades. El sistema determina las entidades del primer tipo de entidad y consulta los datos que representan las acciones realizadas por el buscador sobre las entidades del primer tipo de entidad. El sistema genera una respuesta a la consulta a partir de la información que representa las acciones realizadas por el buscador particular sobre entidades del primer tipo de entidad y proporciona la respuesta a la pregunta específica del buscador específico.

Los datos se ven como datos de acción del buscador, como datos de transacciones financieras. El sistema puede recibir datos de la acción del buscador que representan una transacción financiera. Los datos de la acción del buscador pueden incluir:

• Datos de transacciones de tarjetas de crédito
• Datos de transacciones con tarjeta de débito
• Datos de transacciones de estados financieros

El sistema puede analizar datos de transacciones financieras para proporcionar información sobre las transacciones financieras. Por ejemplo, el sistema puede clasificar las transacciones financieras para ver la cantidad o el porcentaje que el buscador gastó en categorías particulares. Una categoría puede incluir "restaurantes" y el sistema puede indexar la transacción financiera en el restaurante "Italian Deli" en restaurantes, ya que los datos de acción del buscador correspondiente consisten en la palabra "Deli". Sin embargo, los datos de transacciones financieras pueden volverse más ambiguos. Por ejemplo, los datos de transacciones financieras [“4/11/2013”, “BEST R NEW YORK NY”, “45.78”] pueden volverse confusos.

Eliminación de ambigüedades de datos de transacciones financieras

Para eliminar la ambigüedad de los datos de las transacciones financieras, el sistema puede utilizar un anotador basado en el aprendizaje automático que identifica las entidades asociadas con los datos de las transacciones financieras. Las entidades pueden ser una entidad comercial, como:

• Una tienda en particular
• Restaurante
• Oficina
• Compañía

Por ejemplo, el anotador basado en aprendizaje automático puede identificar la entidad "Mejor restaurante" ubicada en Nueva York, NY. Se asocia con los datos de transacciones financieras.

Asociaciones basadas en datos de formación etiquetados

El anotador basado en aprendizaje automático puede capacitarse para identificar entidades asociadas con los datos de acción del buscador en función de los datos de entrenamiento etiquetados. Por ejemplo, el anotador basado en aprendizaje automático puede recibir capacitación para determinar que es probable que los datos de transacciones financieras, incluidas las ubicaciones, por ejemplo, "NUEVA YORK NY", "DC" o "90210", se asocien con entidades asociadas con el áreas.

Y, el anotador basado en aprendizaje automático puede capacitarse para determinar que una sola letra, por ejemplo, "R", puede ser una abreviatura de una palabra que comienza con la letra del nombre de una entidad. El anotador basado en aprendizaje automático puede determinar en función de la presencia de "NUEVA YORK NY", "MEJOR" y "R" que los datos de transacciones financieras se asocian con la entidad denominada "Mejor restaurante" ubicada en Nueva York, NY

Además, el anotador basado en aprendizaje automático puede ser entrenado solo para analizar la descripción en los datos de transacciones financieras o para analizar más información en los datos de transacciones financieras, por ejemplo, cantidad y fecha. Por ejemplo, el anotador basado en aprendizaje automático puede determinar aún más la transacción financiera asociada con "Mejor restaurante" en función de considerar el monto y la fecha. El anotador puede elegir que la cantidad de $ 45.78 sea consistente con la cantidad gastada en el restaurante "Best Restaurant" y que el buscador que participó en la transacción financiera estaba en Nueva York, NY el 11 de abril de 2013, según el perfil del buscador.

Datos de acción del buscador que son datos de transacciones no financieras

La patente también nos dice que los datos de entrenamiento etiquetados que se utilizan para entrenar al anotador basado en el aprendizaje automático pueden incluir texto y entidades identificadas como asociadas con el texto. Por ejemplo, el anotador basado en aprendizaje automático puede prepararse utilizando extractos del sitio web para "Mejor restaurante" que se identifican como asociados con la entidad "Mejor restaurante". Los datos de entrenamiento etiquetados pueden incluir otros datos de transacciones no financieras, como:

• Texto de un sitio web de reseñas, asociado con entidades identificadas
• Interacciones de los buscadores en las redes sociales
• Términos de búsqueda utilizados por los buscadores
• El buscador proporcionó datos de capacitación que incluyen confirmaciones explícitas de que las entidades identificadas son correctas o incorrectas.

Además, los datos de entrenamiento etiquetados pueden incluir datos de transacciones financieras asociados con entidades identificadas. Por ejemplo, los datos de capacitación etiquetados pueden consistir en transacciones financieras que representan transacciones financieras en restaurantes, incluido "Mejor restaurante".

El sistema puede asociar las transacciones financieras con entidades identificadas por el anotador basado en aprendizaje automático. El método puede anotar datos de transacciones financieras con datos que incluyen un identificador que representa a la entidad reconocida. Por ejemplo, el sistema puede anotar los datos de transacciones financieras ["4/11/2013", "BEST R NEW YORK NY", "45.78"] con un identificador de entidad "00542687" para dar como resultado datos de transacciones financieras anotados ["4 / 11/2013, "" BEST R NEW YORK NY "," 45.78 "," 00542687 "] donde" 00542687 "es un identificador único para la entidad" Mejor restaurante ".

El sistema puede almacenar datos de la entidad sobre la entidad

El sistema puede almacenar datos de la entidad sobre la entidad. Por ejemplo, los datos de entidad para una entidad que es un restaurante pueden incluir:

• El nombre de un restaurante
• Habla a
• Número de teléfono
• Horas
• Estilo de comedor
• Tipo de cocina
• Nombre del chef ejecutivo
• Rango de precios

Una entidad para una tienda de ropa puede incluir:

• El nombre de una tienda
• Tipo de ropa
• Público objetivo
• Horas
• Rango de precios

Otros tipos de entidades pueden incluir valores diferentes para otras propiedades.

Los datos de acción del buscador pueden proporcionar información sobre transacciones financieras

Usando los datos de transacciones financieras anotadas, el sistema puede proporcionar información sobre transacciones financieras. Por ejemplo, si un buscador solicita que el sistema identifique en qué restaurante comió el buscador el 11 de abril de 2013, el sistema puede identificar transacciones financieras en abril según los datos de transacciones financieras anotadas. 11 de 2013, y que se asocian con una entidad que es un restaurante y devuelve el resultado del restaurante "Mejor restaurante".

El tema descrito en esta patente puede incluir datos detallados de transacciones financieras sobre una transacción financiera específica. Puede proporcionar los datos de transacciones financieras particulares a un anotador basado en aprendizaje automático que identifica entidades asociadas con datos de transacciones financieras. Más acciones pueden incluir asociar la transacción financiera específica con una entidad identificada por el anotador basado en aprendizaje automático para los datos financieros detallados.

Y, el tema descrito en esta especificación puede incorporarse en métodos que pueden incluir las acciones de recibir una consulta de un buscador que fue parte de una transacción financiera particular y determinar un tipo de entidad asociado con la pregunta. Más medidas pueden incluir determinar que una entidad asociada con la transacción financiera específica coincide con el tipo de entidad asociado con la consulta. Otras acciones pueden incluir proporcionar, en respuesta a la consulta, una respuesta que identifique la entidad.

Otras versiones incluyen sistemas, aparatos y programas informáticos correspondientes, configurados para realizar las acciones de los métodos codificados en dispositivos de almacenamiento informáticos.

Otros tipos de transacciones financieras

Estas y otras versiones pueden incluir las siguientes características. Los datos de transacciones financieras pueden incluir:

• Datos de transacciones de tarjetas de crédito
• Datos de transacciones con tarjeta de débito
• Datos de transacciones de estados financieros

En ciertos aspectos, asociar la transacción financiera particular con una entidad identificada por el anotador basado en aprendizaje automático puede incluir anotar los datos de la transacción financiera específica con un identificador que representa la entidad reconocida.

Las acciones pueden incluir recibir datos que identifiquen entidades candidatas del anotador basado en aprendizaje automático y seleccionar la entidad asociada con la transacción financiera particular de las entidades candidatas identificadas en base a un perfil de buscador de un buscador que fue parte de la transacción financiera específica.

Seleccionar la entidad que se asocia con la transacción financiera particular de las entidades candidatas en función de un perfil de buscador puede incluir determinar que, en una fecha indicada por los datos de la transacción financiera, el perfil del buscador sugiere que el buscador se ubica en una ubicación asociada con el entidad.

La desambiguación aprendida por máquina de la patente de datos del buscador

El anotador basado en aprendizaje automático se entrena utilizando datos de entrenamiento etiquetados.

Las acciones en el proceso de datos de acción del buscador patentado pueden incluir:

• Recibir una consulta de un buscador que era parte de la transacción financiera en particular
• Determinar un tipo de entidad asociado con la consulta
• Decidir que la entidad asociada con la transacción financiera en particular coincide con el tipo de entidad asociado con la consulta.
• Proporcionar, en respuesta a la consulta, una respuesta que identifique a la entidad.

La patente está aquí:

Eliminación de ambigüedades mediante aprendizaje automático de los datos de acción del buscador
ventiladores: Mathew Cowan
Cesionario: Google LLC
Patente de EE. UU.: 11,151,198
Concedido: 19 de octubre de 2021
Archivado: 22 de enero de 2020

Abstracto

Métodos, sistemas y aparatos, incluidos programas de computadora codificados en un medio de almacenamiento de computadora, para recibir datos que representan acciones tomadas por un buscador particular sobre entidades de una pluralidad de tipos de entidades, eliminando ambigüedades de los datos identificando entidades especificadas en los datos usando una máquina. anotador basado en el aprendizaje que se capacita para reconocer entidades y anotar los datos, recibir una consulta específica del buscador en particular, consultar los datos que representan las acciones tomadas por el buscador en particular, generar una respuesta a la consulta a partir de los datos que representan las acciones tomadas por el buscador en particular, y proporcionando la respuesta a la consulta.