Способ и сервер для представления элемента рекомендуемого содержимого пользователю

Изобретение относится к способу и серверу для представления элемента рекомендуемого содержимого пользователю. Техническим результатом является обеспечение уточненного списка рекомендуемых элементов содержимого пользователю, в котором некоторые рекомендуемые элементы содержимого связаны с потенциально нежелательным содержимым. Способ включает в себя: получение запроса на представление и пользовательские взаимодействия. Элементы связаны с соответствующими факторами и веб-ресурсами. Элементы ранжированы в первый список на основе персонализированных для пользователя оценок, указывающих на их расчетную релевантность для пользователя. Данный элемент связан с данным рангом в первом списке. Способ также включает в себя: создание для элементов понижающих оценок, указывающих на степень нежелательности содержимого, поступающего с соответствующих ресурсов; создание для элементов уточненных оценок на основе персонализированных для пользователя и понижающих оценок; создание второго списка, в котором элементы ранжированы в соответствии с уточненными оценками, причем данный элемент связан с уточненным рангом во втором списке; и инициирование представления элементов из второго списка пользователю. Данный элемент представлен с уточненным рангом. 2 н. и 28 з.п. ф-лы, 8 ил.

 

ОБЛАСТЬ ТЕХНИКИ

[01] Настоящая технология относится к системе рекомендаций в общем смысле, и в частности - к способу и устройству для представления элемента рекомендуемого содержимого пользователю.

УРОВЕНЬ ТЕХНИКИ

[02] Различные глобальные или локальные сети связи (интернет, всемирная паутина, локальные сети и подобные им) предлагают пользователю большой объем информации. Информация включает в себя контекстуальные разделы, такие как, среди прочего, новости и текущие события, карты, информацию о компаниях, финансовую информацию и ресурсы, информацию о трафике, игры и информацию развлекательного характера. Пользователи используют множество клиентских устройств (настольный компьютер, портативный компьютер, ноутбук, смартфон, планшеты и подобные им) для получения доступа к богатому информационному содержимому (например, изображениям, аудио- и видеофайлам, анимированным изображениям и прочему мультимедийному содержимому подобных сетей).

[03] Объем доступной информации на различных интернет-ресурсах экспоненциально вырос за последние несколько лет. Были разработаны различные решения, которые позволяют обычному пользователю находить информацию, которую он(а) ищет. Примером такого решения является поисковая система. Примеры поисковых систем включают в себя такие поисковые системы как GOOGLE™, YANDEX™, YAHOO! ™ и другие. Пользователь может получить доступ к интерфейсу поисковой системы и подтвердить поисковый запрос, связанный с информацией, которую пользователь хочет найти в Интернете. В ответ на поисковый запрос поисковые системы предоставляют ранжированный список результатов поиска. Ранжированный список результатов поиска создается на основе различных алгоритмов ранжирования, которые реализованы в конкретной поисковой системе, и которые используются пользователем, производящим поиск. Общей целью таких алгоритмов ранжирования является представление наиболее релевантных результатов вверху ранжированного списка, а менее релевантных результатов - на менее высоких позициях ранжированного списка результатов поиска (а наименее релевантные результаты поиска будут расположены внизу ранжированного списка результатов поиска).

[04] Поисковые системы обычно являются хорошим поисковым инструментом в том случае, когда пользователю заранее известно, что именно он(а) хочет найти. Другими словами, если пользователь заинтересован в получении информации о наиболее популярных местах в Италии (т.е. поисковая тема известна), пользователь может ввести поисковый запрос: «Наиболее популярные места в Италии». Поисковая система предоставит ранжированный список интернет-ресурсов, которые потенциально являются релевантными по отношению к поисковому запросу. Пользователь далее может просматривать ранжированный список результатов поиска для того, чтобы получить информацию, в которой он заинтересован, в данном случае - о посещаемых местах в Италии. Если пользователь по какой-либо причине не удовлетворен представленными результатами, пользователь может произвести вторичный поиск, уточнив запрос, например «наиболее популярные места в Италии летом», «наиболее популярные места на юге Италии», «Наиболее популярные места в Италии для романтичного отдыха».

[05] Существует и другой подход, в котором пользователю предоставляется возможность обнаруживать содержимое и, конкретнее, позволяется отображать и/или рекомендовать содержимое, в поиске которого пользователь не был явно заинтересован. В некоторым смысле, подобные системы рекомендуют пользователю содержимое без отдельного поискового запроса, на основе явных или неявных интересов пользователя.

[06] Примерами таких систем являются система рекомендаций FLIPBOARD, которая агрегирует и рекомендует содержимое из различных социальных сетей. Система рекомендаций FLIPBOARD предоставляет содержимое в «журнальном формате», где пользователь может «пролистывать» страницы с рекомендуемым/агрегированным содержимым. Системы рекомендаций собирают содержимое из социальных медиа и других веб-сайтах, представляет его в журнальном формате, и позволяют пользователям «пролистывать» ленты социальных новостей и ленты веб-сайтов, которые поддерживают партнерские отношения с компанией, что позволяет эффективно «рекомендовать» содержимое пользователю, даже если пользователь явно не выражал свой интерес в конкретном содержимом.

[07] Обычно, системы рекомендаций предоставляют персонализированное содержимое пользователям на основе предыдущих пользовательских взаимодействий с сервисом рекомендаций, которые могут указывать на предпочтения пользователя в отношении конкретного содержимого по сравнению с другим содержимым. Например, если какое-то конкретное содержимое связано с большим количеством предыдущих пользовательских взаимодействий, это конкретное содержимое, скорее всего, будет предоставляться как персонализированное содержимое, поскольку большое количество предыдущих пользовательских взаимодействий может указывать на релевантное содержимое. Однако, так может быть не всегда так, например, в том случае если содержимое представляет собой "click-bate" ("приманка для клика"), когда поставщики веб-контента, в попытке привлечь клики пользователей к их содержимому, добавляют провокационные или скандальные заголовки, чтобы привлечь внимание пользователей и, следовательно, побуждают пользователей взаимодействовать с этим содержимым. Это побуждение может привести к тому, что большое количество предыдущих пользовательских взаимодействий будет связано с содержимым, которое при этом не является особенно релевантным.

РАСКРЫТИЕ ТЕХНОЛОГИИ

[08] Разработчики настоящей технологии обратили внимание на некоторые технические недостатки, связанные с существующими системами рекомендаций. Обычные системы рекомендаций обычно используют предыдущие пользовательские взаимодействия с элементами в качестве основы для определения релевантности этих элементов для пользователей сервиса рекомендаций. Эти обычные системы рекомендаций основаны на предположении о том, что пользователи часто просматривают и/или часто взаимодействуют с определенными элементами, что указывает на их высокую релевантность для пользователей. Однако в некоторых случаях это предположение может быть ошибочным по причине того, что, например, некоторые веб-провайдеры предоставляют "click-bate" содержимое, которое побуждает пользователей взаимодействовать с ним, несмотря на то, что это содержимое не является релевантным для пользователей. Таким образом, этот тип нежелательного содержимого может быть определен как высоко релевантный при помощи обычных систем рекомендаций из-за количества связанных с ним пользовательских взаимодействий, даже если это фактически не так. Таким образом, пользователям этих обычных систем рекомендаций может быть рекомендовано нежелательное содержимое, которое не является полезным ни для опыта пользователя, ни для лояльности пользователя сервису рекомендаций.

[09] Задачей предлагаемой технологии является устранение по меньшей мере некоторых недостатков, присущих известному уровню техники.

[10] Первым объектом настоящей технологии является способ представления рекомендуемого элемента содержимого пользователю электронного устройства. Элемент рекомендуемого содержимого связан с потенциально нежелательным содержимым. Способ выполняется на сервере, размещающем сервис рекомендаций. Способ включает в себя получение сервером запроса на представление рекомендуемого содержимого пользователю. Способ включает в себя получение сервером указания на предыдущие пользовательские взаимодействия пользователя с сервисом рекомендаций. Способ включает в себя создание, с помощью MLA персонализированного ранжирования, реализуемого сервером, ранжированного списка рекомендуемых элементов содержимого. Каждый элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с соответствующими факторами элемента и соответствующим веб-ресурсом. Факторы элемента каждого элемента содержимого основаны на содержимом соответствующего элемента содержимого. Содержимое каждого элемента содержимого поступает с соответствующего веб-ресурса. MLA персонализированного ранжирования обучен создавать персонализированные для пользователя оценки ранжирования для элементов содержимого на основе соответствующих им факторов элементов и указания на предыдущие пользовательские взаимодействия с сервисом рекомендаций. Каждый элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с соответствующей персонализированной для пользователя оценкой ранжирования, которая указывает на расчетную релевантность соответствующего элемента содержимого для пользователя. Данный элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с данным рангом в ранжированном списке рекомендуемых элементов содержимого. Способ включает в себя создание, с помощью не зависящего от пользователя MLA классификации, реализуемого сервером, понижающей оценки для каждого элемента содержимого в ранжированном списке рекомендуемых элементов содержимого. Не зависящий от пользователя MLA классификации был обучен классифицировать содержимое, поступающее с соответствующего веб-ресурса на один из множества классов содержимого, и создавать понижающие оценки для элементов содержимого на основе соответствующего одного из множества классов содержимого, которое поступает с соответствующих веб-ресурсов. Каждая понижающая оценка указывает на степень нежелательности содержимого, которое поступает с соответствующего веб-ресурса. Способ включает в себя создание сервером уточненной оценки ранжирования для каждого элемента содержимого в ранжированном списке рекомендуемых элементов содержимого на основе соответствующей персонализированной для пользователя оценки ранжирования и соответствующей понижающей оценки. Уточненная оценка ранжирования данного элемента содержимого меньше персонализированной для пользователя оценки ранжирования данного элемента. Способ включает в себя создание сервером модифицированного ранжированного списка рекомендуемых элементов содержимого, которые будут представлены пользователю на основе элементов содержимого и соответственно связанных уточненных оценок ранжирования. Элементы содержимого в модифицированном ранжированном списке рекомендуемых элементов содержимого ранжированы в соответствии с соответствующими уточненными оценками ранжирования. Данный элемент содержимого связан с уточненным рангом в модифицированном ранжированном списке рекомендуемых элементов содержимого. Уточненный ранг меньше данного ранга. Способ включает в себя инициирование сервером представления ранжированного рекомендуемого списка элементов содержимого пользователю на электронном устройстве в виде ранжированного рекомендуемого содержимого. Ранжированный рекомендуемый список элементов содержимого включает в себя по меньшей мере некоторые элементы содержимого из модифицированного ранжированного списка рекомендуемых элементов содержимого. Данный элемент содержимого представлен пользователю с уточненным рангом в модифицированном ранжированном списке рекомендуемых элементов содержимого.

[11] В некоторых вариантах осуществления настоящей технологии, множество классов содержимого может содержать по меньшей мере один класс нежелательного содержимого и по меньшей мере один класс нейтрального содержимого.

[12] В некоторых вариантах осуществления способа, по меньшей мере один класс нежелательного содержимого может включать в себя набор классов нежелательного содержимого, где каждый из набора классов нежелательного содержимого может быть связан с соответствующим типом нежелательного содержимого, включенного в заранее определенные правила в отношении содержимого.

[13] В некоторых вариантах осуществления способа, содержимое, поступающее с соответствующих веб-ресурсов, может быть агрегированным содержимым всех элементов содержимого, содержащихся на соответствующем веб-ресурсе.

[14] В некоторых вариантах осуществления способа, содержимое, поступающее с соответствующих веб-ресурсов, может быть содержимым соответствующего элемента содержимого.

[15] В некоторых вариантах осуществления способа, содержимое, поступающее с соответствующих веб-ресурсов, может быть агрегированным содержимым всех элементов содержимого, содержащихся на соответствующем веб-ресурсе, взвешенных с помощью первого весового коэффициента; и содержимым соответствующего элемента содержимого, взвешенного с помощью второго весового коэффициента.

[16] В некоторых вариантах осуществления способа, каждый веб-ресурс может содержать веб-страницы, расположенные на общем домене.

[17] В некоторых вариантах осуществления способа, каждый веб-ресурс может включать в себя соответствующую веб-страницу.

[18] В некоторых вариантах осуществления способа, способ далее включает в себя ограничение сервером модифицированного ранжированного списка рекомендуемых элементов до заранее определенного числа наиболее высоко ранжированных элементов рекомендуемого содержимого в соответствии с соответствующими скорректированными оценками ранжирования.

[19] В некоторых вариантах осуществления настоящей технологии, не зависящий от пользователя MLA классификации могут быть обучен классифицировать содержимое, поступающее с соответствующего веб-ресурса на один из множества классов содержимого, и создавать понижающие оценки для элементов содержимого на основе соответствующего одного из множества классов содержимого, которое поступает с соответствующих веб-ресурсов, и заранее определенных правил в отношении содержимого.

[20] В некоторых вариантах осуществления способа, заранее определенные правила в отношении содержимого могут быть заранее определены оператором не зависящего от пользователя MLA классификации.

[21] В некоторых вариантах осуществления способа, заранее определенные правила в отношении содержимого могут указывать на тип нежелательного содержимого.

[22] В некоторых вариантах осуществления способа, содержимое, поступающее с данного веб-ресурса, классифицируется не зависящим от пользователя MLA классификации на периодической основе.

[23] В некоторых вариантах осуществления способа, содержимое, поступающее с данного веб-ресурса, классифицируется не зависящим от пользователя MLA классификации (i) в первый из множества классов содержимого в первый момент времени и (ii) во второй из множества классов содержимого во второй момент времени.

[24] В некоторых вариантах осуществления способа, по меньшей мере один из первого момента времени и второго момента времени предшествует получению сервером запроса на предоставление пользователю рекомендуемого содержимого.

[25] Другим объектом настоящей технологии является сервер для представления рекомендуемого элемента содержимого пользователю электронного устройства. Элемент рекомендуемого содержимого связан с потенциально нежелательным содержимым. На сервере расположен сервис рекомендаций. Сервер выполнен с возможностью получать запрос на представление рекомендуемого содержимого пользователю. Сервер выполнен с возможностью получать указание на предыдущие пользовательские взаимодействия пользователя с сервисом рекомендаций. Сервер выполнен с возможностью осуществлять создание, с помощью MLA персонализированного ранжирования, реализуемого сервером, ранжированного списка рекомендуемых элементов содержимого. Каждый элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с соответствующими факторами элемента и соответствующим веб-ресурсом. Факторы элемента каждого элемента содержимого основаны на содержимом соответствующего элемента содержимого. Содержимое каждого элемента содержимого поступает с соответствующего веб-ресурса. MLA персонализированного ранжирования обучен создавать персонализированные для пользователя оценки ранжирования для элементов содержимого на основе соответствующих им факторов элементов и указания на предыдущие пользовательские взаимодействия с сервисом рекомендаций. Каждый элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с соответствующей персонализированной для пользователя оценкой ранжирования, которая указывает на расчетную релевантность соответствующего элемента содержимого для пользователя. Данный элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с данным рангом в ранжированном списке рекомендуемых элементов содержимого. Сервер выполнен с возможностью осуществлять создание, с помощью не зависящего от пользователя MLA классификации, реализуемого сервером, понижающей оценки для каждого элемента содержимого в ранжированном списке рекомендуемых элементов содержимого. Не зависящий от пользователя MLA классификации был обучен классифицировать содержимое, поступающее с соответствующего веб-ресурса на один из множества классов содержимого, и создавать понижающие оценки для элементов содержимого на основе соответствующего одного из множества классов содержимого, которое поступает с соответствующих веб-ресурсов. Каждая понижающая оценка указывает на степень нежелательности содержимого, которое поступает с соответствующего веб-ресурса. Сервер выполнен с возможностью осуществлять создание уточненной оценки ранжирования для каждого элемента содержимого в ранжированном списке рекомендуемых элементов содержимого на основе соответствующей персонализированной для пользователя оценки ранжирования и соответствующей понижающей оценки. Уточненная оценка ранжирования данного элемента содержимого меньше персонализированной для пользователя оценки ранжирования данного элемента. Сервер выполнен с возможностью осуществлять создание модифицированного ранжированного списка рекомендуемых элементов содержимого, которые будут представлены пользователю на основе элементов содержимого и соответственно связанных уточненных оценок ранжирования. Элементы содержимого в модифицированном ранжированном списке рекомендуемых элементов содержимого ранжированы в соответствии с соответствующими уточненными оценками ранжирования. Данный элемент содержимого связан с уточненным рангом в модифицированном ранжированном списке рекомендуемых элементов содержимого. Уточненный ранг меньше данного ранга. Сервер выполнен с возможностью инициировать представление ранжированного рекомендуемого списка элементов содержимого пользователю на электронном устройстве в виде ранжированного рекомендуемого содержимого, ранжированный рекомендуемый список элементов содержимого включает в себя по меньшей мере некоторые элементы содержимого из модифицированного ранжированного списка элементов рекомендуемого содержимого. Данный элемент содержимого представлен пользователю с уточненным рангом в модифицированном ранжированном списке рекомендуемых элементов содержимого.

[26] В некоторых вариантах осуществления сервера, множества классов содержимого может содержать по меньшей мере один класс нежелательного содержимого и по меньшей мере один класс нейтрального содержимого.

[27] В некоторых вариантах осуществления сервера, по меньшей мере один класс нежелательного содержимого может включать в себя набор классов нежелательного содержимого, где каждый из набора классов нежелательного содержимого может быть связан с соответствующим типом нежелательного содержимого, включенного в заранее определенные правила содержимого.

[28] В некоторых вариантах осуществления сервера, содержимое, поступающее с соответствующих веб-ресурсов, может быть агрегированным содержимым всех элементов содержимого, содержащихся на соответствующем веб-ресурсе.

[29] В некоторых вариантах осуществления сервера, содержимое, поступающее с соответствующих веб-ресурсов, может быть содержимым соответствующего элемента содержимого.

[30] В некоторых вариантах осуществления сервера, содержимое, поступающее с соответствующих веб-ресурсов, может быть агрегированным содержимым всех элементов содержимого, содержащихся на соответствующем веб-ресурсе, взвешенных с помощью первого весового коэффициента; и содержимым соответствующего элемента содержимого, взвешенного с помощью второго весового коэффициента.

[31] В некоторых вариантах осуществления сервера, каждый веб-ресурс может содержать веб-страницы, расположенные на общем домене.

[32] В некоторых вариантах осуществления сервера, каждый веб-ресурс может включать в себя соответствующую веб-страницу.

[33] В некоторых вариантах осуществления сервера, сервер может быть выполнен с возможностью осуществлять ограничение модифицированного ранжированного списка рекомендуемых элементов до заранее определенного числа наиболее высоко ранжированных элементов рекомендуемого содержимого в соответствии с соответствующими уточненными оценками ранжирования.

[34] В некоторых вариантах осуществления сервера, не зависящий от пользователя MLA классификации могут быть обучен классифицировать содержимое, поступающее с соответствующего веб-ресурса на один из множества классов содержимого, и создавать понижающие оценки для элементов содержимого на основе соответствующего одного из множества классов содержимого, которое поступает с соответствующих веб-ресурсов, и заранее определенных правил в отношении содержимого.

[35] В некоторых вариантах осуществления сервера, заранее определенные правила в отношении содержимого могут быть заранее определены оператором независимым от пользователя MLA классификации.

[36] В некоторых вариантах осуществления сервера, заранее определенные правила в отношении содержимого могут указывать на тип нежелательного содержимого.

[37] В некоторых вариантах осуществления сервера, содержимое, поступающее с данного веб-ресурса, классифицируется не зависящим от пользователя MLA классификации на периодической основе.

[38] В некоторых вариантах осуществления сервера, содержимое, поступающее с данного веб-ресурса, классифицируется не зависящим от пользователя MLA классификации (i) в первый из множества классов содержимого в первый момент времени и (ii) во второй из множества классов содержимого во второй момент времени.

[39] В некоторых вариантах осуществления сервера, по меньшей мере один из первого момента времени и второго момента времени предшествует получению сервером запроса на предоставление пользователю рекомендуемого содержимого.

[40] В контексте настоящего описания «сервер» подразумевает под собой компьютерную программу, работающую на соответствующем оборудовании, которая способна получать запросы (например, от клиентских устройств) по сети и выполнять эти запросы или инициировать выполнение этих запросов. Оборудование может представлять собой один физический компьютер или одну физическую компьютерную систему, но ни то, ни другое не является обязательным для данной технологии. В контексте настоящей технологии использование выражения «сервер» не означает, что каждая задача (например, полученные команды или запросы) или какая-либо конкретная задача будет получена, выполнена или инициирована к выполнению одним и тем же сервером (то есть одним и тем же программным обеспечением и/или аппаратным обеспечением); это означает, что любое количество элементов программного обеспечения или аппаратных устройств может быть вовлечено в прием/передачу, выполнение или инициирование выполнения любого запроса или последствия любого запроса, связанного с клиентским устройством, и все это программное и аппаратное обеспечение может быть одним сервером или несколькими серверами, оба варианта включены в выражение «по меньшей мере один сервер».

[41] В контексте настоящего описания «клиентское устройство» подразумевает под собой аппаратное устройство, способное работать с программным обеспечением, подходящим к решению соответствующей задачи. Таким образом, примерами клиентских устройств (среди прочего) могут служить персональные компьютеры (настольные компьютеры, ноутбуки, нетбуки и т.п.) смартфоны, планшеты, а также сетевое оборудование, такое как маршрутизаторы, коммутаторы и шлюзы. Следует иметь в виду, что устройство, ведущее себя как клиентское устройство в настоящем контексте, может вести себя как сервер по отношению к другим клиентским устройствам. Использование выражения «клиентское устройство» не исключает возможности использования множества клиентских устройств для получения/отправки, выполнения или инициирования выполнения любой задачи или запроса, или же последствий любой задачи или запроса, или же этапов любого вышеописанного способа.

[42] В контексте настоящего описания «база данных» подразумевает под собой любой структурированный набор данных, не зависящий от конкретной структуры, программного обеспечения по управлению базой данных, аппаратного обеспечения компьютера, на котором данные хранятся, используются или иным образом оказываются доступны для использования. База данных может находиться на том же оборудовании, выполняющем процесс, на котором хранится или используется информация, хранящаяся в базе данных, или же база данных может находиться на отдельном оборудовании, например, выделенном сервере или множестве серверов.

[43] В контексте настоящего описания «информация» включает в себя информацию любую информацию, которая может храниться в базе данных. Таким образом, информация включает в себя, среди прочего, аудиовизуальные произведения (изображения, видео, звукозаписи, презентации и т.д.), данные (данные о местоположении, цифровые данные и т.д.), текст (мнения, комментарии, вопросы, сообщения и т.д.), документы, таблицы, списки слов и т.д.

[44] В контексте настоящего описания «компонент» подразумевает под собой программное обеспечение (соответствующее конкретному аппаратному контексту), которое является необходимым и достаточным для выполнения конкретной(ых) указанной(ых) функции(й).

[45] В контексте настоящего описания «используемый компьютером носитель компьютерной информации» подразумевает под собой носитель абсолютно любого типа и характера, включая ОЗУ, ПЗУ, диски (компакт диски, DVD-диски, дискеты, жесткие диски и т.д.), USB флеш-накопители, твердотельные накопители, накопители на магнитной ленте и т.д.

[46] В контексте настоящего описания слова «первый», «второй», «третий» и и т.д. используются в виде прилагательных исключительно для того, чтобы отличать существительные, к которым они относятся, друг от друга, а не для целей описания какой-либо конкретной взаимосвязи между этими существительными. Так, например, следует иметь в виду, что использование терминов «первый сервер» и «третий сервер» не подразумевает какого-либо порядка, отнесения к определенному типу, хронологии, иерархии или ранжирования (например) серверов/между серверами, равно как и их использование (само по себе) не предполагает, что некий "второй сервер" обязательно должен существовать в той или иной ситуации. В дальнейшем, как указано здесь в других контекстах, упоминание «первого» элемента и «второго» элемента не исключает возможности того, что это один и тот же фактический реальный элемент. Так, например, в некоторых случаях, «первый» сервер и «второй» сервер могут являться одним и тем же программным и/или аппаратным обеспечением, а в других случаях они могут являться разным программным и/или аппаратным обеспечением.

[47] Каждый вариант осуществления настоящей технологии преследует по меньшей мере одну из вышеупомянутых целей и/или объектов, но наличие всех не является обязательным. Следует иметь в виду, что некоторые объекты данной технологии, полученные в результате попыток достичь вышеупомянутой цели, могут не удовлетворять этой цели и/или могут удовлетворять другим целям, отдельно не указанным здесь.

[48] Дополнительные и/или альтернативные характеристики, аспекты и преимущества вариантов осуществления настоящей технологии станут очевидными из последующего описания, прилагаемых чертежей и прилагаемой формулы изобретения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[49] Для лучшего понимания настоящей технологии, а также других ее аспектов и характерных черт, сделана ссылка на следующее описание, которое должно использоваться в сочетании с прилагаемыми чертежами, где:

[50] На Фиг. 1 представлена система, подходящая для реализации неограничивающих вариантов осуществления настоящей технологии;

[51] На Фиг. 2 схематически представлено содержимое, поступающее с множества веб-ресурсов системы, показанной на Фиг. 1, и соответствующие элементы содержимого в соответствии с неограничивающими вариантами осуществления настоящей технологии;

[52] На Фиг. 3 схематически представлен алгоритм машинного обучения (MLA), реализованного системой, показанной на Фиг. 1, и персонализированные для пользователя оценки ранжирования, созданные в соответствии с неограничивающими вариантами осуществления настоящей технологии;

[53] На Фиг. 4 схематически представлен ранжированный список рекомендуемых элементов содержимого в соответствии с неограничивающими вариантами осуществления настоящего технического решения;

[54] На Фиг. 5 схематически представлен другой алгоритм машинного обучения (MLA), реализованного системой, показанной на Фиг. 1, и понижающие оценки, созданные в соответствии с неограничивающими вариантами осуществления настоящей технологии;

[55] На Фиг. 6 схематически представлен процесс создания уточненных оценок ранжирования для элементов содержимого на основе персонализированных для пользователя оценок ранжирования и понижающих оценок в соответствии с неограничивающими вариантами осуществления настоящей технологии;

[56] На Фиг. 7 схематически представлен модифицированный ранжированный список рекомендуемых элементов содержимого в соответствии с неограничивающими вариантами осуществления настоящего технического решения; и

[57] На Фиг. 8 представлена блок-схема способа, выполняемого в рамках системы, изображенной на Фиг. 1, и выполняемого в соответствии с вариантами осуществления настоящей технологии, не ограничивающими ее объем.

ОСУЩЕСТВЛЕНИЕ

[58] На Фиг. 1 представлена принципиальная схема системы 100, выполненной в соответствии с вариантами осуществления настоящей технологии, не ограничивающими ее объем. Важно иметь в виду, что нижеследующее описание системы 100 представляет собой описание показательных вариантов осуществления настоящей технологии. Таким образом, все последующее описание представлено только как описание иллюстративного примера настоящей технологии. Это описание не предназначено для определения объема или установления границ настоящей технологии. Некоторые полезные примеры модификаций системы 100 также могут быть охвачены нижеследующим описанием. Целью этого является также исключительно помощь в понимании, а не определение объема и границ настоящей технологии. Эти модификации не представляют собой исчерпывающий список, и специалистам в данной области техники будет понятно, что возможны и другие модификации. Кроме того, это не должно интерпретироваться так, что там, где это еще не было сделано, т.е. там, где не были изложены примеры модификаций, никакие модификации невозможны, и/или что то, что описано, является единственным вариантом осуществления этого элемента настоящего технического решения. Как будет понятно специалисту в данной области техники, это, скорее всего, не так. Кроме того, следует иметь в виду, что система 100 представляет собой в некоторых конкретных проявлениях достаточно простой вариант осуществления настоящей технологии, и в подобных случаях этот вариант представлен здесь с целью облегчения понимания. Как будет понятно специалисту в данной области техники, многие варианты осуществления настоящей технологии будут обладать гораздо большей сложностью.

[59] В общем случае, система 100 выполнена с возможностью предоставлять рекомендации содержимого пользователю 102 системы 100 в форме наборов рекомендуемого цифрового содержимого, предназначенного для отображения на электронном устройстве 104. Рекомендуемые элементы содержимого могут представлять собой, без установления ограничений, новостные статьи, элементы розничной продажи, аудиовизуальные элементы, таргетированное содержимое, цифровую рекламу и так далее. Пользователь 102 может являться подписчиком сервиса рекомендаций, который предоставляет система 100. Однако, подписка не обязана быть оплачиваемой или ускоренной. Например, пользователь 102 может стать подписчиком путем скачивания рекомендательного предложения из система 100, путем регистрации и предоставления сочетания логина/пароля, путем регистрации, путем получения доступа к веб-браузеру, путем получения доступа к целевой странице сервиса рекомендаций, предлагаемого системой 100 и так далее. Поэтому любой вариант системы, выполненный с возможностью создавать рекомендации содержимого для данного пользователя 102, может быть адаптирован специалистом для выполнения вариантов осуществления настоящей технологии после того, как специалистом было прочитано настоящее описание. Кроме того, система 100 может быть описана с помощью примера системы 100, которая является системой рекомендаций (следовательно, система 100 может упоминаться как «система 100 рекомендаций» или «система 100 прогнозирования»). Тем не менее, варианты осуществления настоящей технологии могут также применяться к другим типам систем 100, как будет более подробно описано далее.

[60] Система 100 содержит электронное устройство 104, электронное устройство 104 связано с пользователем 102. Таким образом, электронное устройство 104 может иногда упоминаться как «клиентское устройство», «устройство конечного пользователя» или «клиентское электронное устройство». Следует отметить, что тот факт, что электронное устройство 104 связано с пользователем 102, не подразумевает какого-либо конкретного режима работы, равно как и необходимости входа в систему, быть зарегистрированным, или чего-либо подобного.

[61] Варианты осуществления электронного устройства 104 конкретно не ограничены, но в качестве примера электронного устройства 104 могут использоваться персональные компьютеры (настольные компьютеры, ноутбуки, нетбуки и т.п.), устройства беспроводной связи (смартфоны, мобильные телефоны, планшеты и т.п.), а также сетевое оборудование (маршрутизаторы, коммутаторы или шлюзы). Электронное устройство 104 содержит аппаратное и/или прикладное программное, и/или системное программное обеспечение (или их комбинацию), как известно в области техники, чтобы выполнять рекомендательное приложение 106. В общем случае, задачей рекомендательного приложения 106 является позволить пользователю 102 получать (или каким-либо иным способом иметь доступ) к элементам рекомендаций, предоставляемым системой 100. То, как именно системой 100 выбираются элементы рекомендаций для пользователя 102, будет более подробно описано далее.

[62] Реализация рекомендательного приложения 106 никак конкретно не ограничена. Одним из примеров выполнения рекомендательного приложения 106 является доступ пользователем на веб-сайт, соответствующий системе рекомендаций, для получения доступа к рекомендательному приложению 106. Например, рекомендательное приложение 106 может быть вызвано путем ввода (или копирования-вставки или выбора ссылки) URL, связанного с сервисом рекомендаций. Альтернативно, рекомендательное приложение 106 может являться приложением, скачанным из так называемого магазина приложений, например, APPSTORE™ или GOOGLEPLAY™, и установленным/используемым на электронном устройстве 104. Важно иметь в виду, что рекомендательное приложение 106 может быть вызвано с помощью любых других средств.

[63] В других вариантах осуществления настоящей технологии, рекомендательное приложение 106 может быть реализовано в виде браузера (например, браузер GOOGLE™, браузер YANDEX™, a YAHOO! ™ или любое другое собственное или коммерчески доступное браузерное приложение). Например, пользователю 102 может предоставляться доступ к сервису рекомендаций через стартовую или домашнюю страницу браузера.

[64] Электронное устройство 104 соединено с сетью 110 передачи данных для получения доступа к серверу 112. В некоторых вариантах осуществления настоящей технологии, не ограничивающих ее объем, сеть 110 передачи данных может представлять собой Интернет. В других неограничивающих вариантах осуществления настоящей технологии, сеть 110 передачи данных может быть реализована иначе - в виде глобальной сети связи, локальной сети связи, частной сети связи и т.п. Реализация линии передачи данных (отдельно не пронумерована) между электронным устройством 104 и сетью 110 передачи данных будет зависеть среди прочего от того, как именно реализовано электронное устройство 104.

[65] В качестве примера, но не ограничения, в данных вариантах осуществления настоящей технологии в случаях, когда электронное устройство 104 представляет собой беспроводное устройство связи (например, смартфон), линия передачи данных представляет собой беспроводную сеть передачи данных (например, среди прочего, линия передачи данных 3G, линия передачи данных 4G, беспроводной интернет Wireless Fidelity или коротко WiFi®, Bluetooth® и т.п.). В тех примерах, где электронное устройство 104 представляет собой портативный компьютер, линия связи может быть как беспроводной (беспроводной интернет Wireless Fidelity или коротко WiFi®, Bluetooth® и т.п) так и проводной (соединение на основе сети Ethernet).

[66] Система 100 рекомендаций также включает в себя множество веб-ресурсов 130, которые коммуникативно соединены с сетью 110 передачи данных. Каждый из множества ресурсов 130, а именно первый веб-ресурс 132, второй веб-ресурс 134 и третий веб-ресурс 136, представляют собой сетевой ресурс, доступный серверу 112 (или электронному устройству 104) через сеть 110 передачи данных.

[67] В некоторых вариантах осуществления настоящей технологии, данный веб-ресурс во множестве веб-ресурсов 130 представляет собой данную веб-страницу, доступную на ее соответствующем URL (Универсальном указателе ресурса). Например, данный веб-ресурс может представлять собой одну из веб-страниц новостного агентства CNN, которая относится к конкретной теме, такой как, без установления ограничений, политика, путешествия, здоровье, развлечения, спорт, международные события. Следовательно, можно сказать, что данный веб-ресурс (например, один из первого веб-ресурса 132, второго веб-ресурса 134 и третьего веб-ресурса 136) может включать в себя содержимое, поступающее с данной веб-страницы.

[68] В других вариантах осуществления настоящей технологии, данный веб-ресурс во множестве веб-ресурсов 130 представляет собой данное множество веб-страниц, которые расположены на общем веб-домене. Например, данный веб-ресурс может включать в себя все из веб-страниц новостного агентства CNN, поскольку все из веб-страниц, размещенных новостным агентством CNN, расположены на общем веб-домене, управляемым новостным агентством CNN. Следовательно, можно сказать, что данный веб-ресурс (первый веб-ресурс 132, второй веб-ресурс 134 и третий веб-ресурс 136) может включать в себя данное множество веб-страниц, расположенных на общем веб-домене.

[69] Каждый из множества веб-ресурсов 130 также содержит соответствующее множество элементов содержимого. Например, данный веб-ресурс может размещать новостные элементы, которые связаны с соответствующими новостными статьями, опубликованными новостным агентством CNN на данном веб-ресурсе. Следовательно, можно сказать, что содержимое данного веб-ресурса включает в себя содержимое данных элементов содержимого, которые связаны с данным веб-ресурсом. Также, это означает, что содержимое данного элемента содержимого поступает с соответствующего веб-ресурса.

[70] Следует отметить, что в некоторых случаях, по меньшей мере некоторые из множества веб-ресурсов 130 могут предоставлять нежелательное содержимое. Например, по меньшей мере один из множества веб-ресурсов 130 может предоставлять конкретный тип содержимого, называемого "click-bate''-содержимым, где поставщик веб-содержимого по меньшей мере одного из множества веб-ресурсов 130, с целью привлечь пользовательские клики к своему содержимому, добавляет провокационные или скандальные заголовки, чтобы захватить внимание пользователя и, как следствие, побудить пользователя взаимодействовать с этим содержимым. Тем не менее, оператор сервиса рекомендаций может определять "click-bate"-содержимое как нежелательное для предоставления в виде рекомендуемого содержимого пользователям системы рекомендаций, поскольку, несмотря на то, что это содержимое с большой вероятностью будет просмотрено большим количеством пользователей из-за привлекательных заголовков, "click-bate"-содержимое может не быть релевантным для этих пользователей.

[71] Для того чтобы идентифицировать нежелательное содержимое, оператор может определить правила в отношении содержимого, которые указывают на различные типы нежелательного содержимого, например, "click-bate"-содержимое и/или другие типы нежелательного содержимого. Другие типы нежелательного содержимого могут представлять собой, без установления ограничений: жестокое содержимое, содержимое сексуального характера, кровавое содержимое, непристойное содержимое и так далее. То как именно реализованы эти заранее определенные правила в отношении содержимого применяются сервисом рекомендаций, будет более понятно из нижеследующего описания.

[72] Возвращаясь к описанию Фиг. 1, система 100 рекомендаций также включает в себя сервер 112, который может быть реализован как обычный сервер. В примере варианта осуществления настоящей технологии, сервер 112 может представлять собой сервер Dell™ PowerEdge™, на котором используется операционная система Microsoft™ Windows Server™. Излишне говорить, что сервер 112 может представлять собой любое другое подходящее аппаратное, прикладное программное, и/или системное программное обеспечение или их комбинацию. В представленном варианте осуществления настоящей технологии, не ограничивающем ее объем, сервер 112 является одиночным сервером. В других вариантах осуществления настоящей технологии, не ограничивающих ее объем, функциональность сервера 112 может быть разделена, и может выполняться с помощью нескольких серверов.

[73] Сервер 112 реализует первый машинно-обученный алгоритм (MLA) 116, второй MLA 118 и дополнительный рекомендательный алгоритм 119. Сервер 112 обладает доступом к главной базе 120 данных, базе 122 данных факторов элементов, базе 124 данных рекомендуемых элементов содержимого и базе 126 данных пользовательских взаимодействий.

[74] Кроме того, в представленном варианте осуществления главная база 120 данных, база 122 данных факторов элементов, база 124 данных рекомендуемых элементов содержимого и база 126 данных пользовательских взаимодействий представлены в виде отдельных физических элементов. Но это не является обязательным для каждого варианта осуществления настоящей технологии. Таким образом, некоторые или все из главной базы 120 данных, базы 122 данных факторов элементов, базы 124 данных рекомендуемых элементов содержимого и базы 126 данных пользовательских взаимодействий могут быть реализованы в виде одной базы данных. Кроме того, любая из главной базы 120 данных, базы 122 данных факторов элементов, базы 124 данных рекомендуемых элементов содержимого и базы 126 данных пользовательских взаимодействий может быть разделена на несколько отдельных хранилищ.

[75] Аналогичным образом, все (или любая комбинация), первого MLA 116, второго MLA 118, дополнительного алгоритма 119 ранжирования, главной базы 120 данных, базы 122 данных факторов элементов, базы 124 данных рекомендуемых элементов содержимого и базы 126 данных пользовательских взаимодействий могут быть реализованы как одно устройство аппаратного обеспечения.

[76] Главная база данных 120 выполнена с возможностью сохранять информацию, извлеченную или иным образом определенную сервером 112 во время обработки. В общем случае, главная база данных 120 может получать данные с сервера 112, которые были извлечены или иным образом определены сервером 112 во время обработки для временного и/или постоянного хранения, и могут предоставлять сохраненные данные серверу 112 для использования.

[77] База 122 факторов элементов выполнена с возможностью хранить информацию, связанную с факторами элементов, связанными, например, с элементами содержимого, которые были ранее рекомендованы сервисом рекомендаций предыдущим пользователям, и с которыми взаимодействовал по меньшей мере один предыдущий пользователь. Примеры подобных элементов содержимого могут включать в себя, без установления ограничений: песню для потоковой передачи или скачивания, документ для загрузки, новостную статью для чтения, продукт для продажи, страницу результатов поиска (SERP) и тому подобное.

[78] Примеры факторов элементов включают в себя, без установления ограничений:

- популярность данного элемента среди пользователей сервиса рекомендаций (например, в случае, если данный элемент является музыкальным треком, количество раз, когда музыкальный трек был прослушан и/или скачан пользователями сервиса рекомендаций);

- число лайков / покупок / скачиваний / кликов среди всех событий, связанных с данным элементом и выполненных с помощью сервиса рекомендаций; и

- характеристики, присущие элементу, которые основаны на содержимого соответствующего элемента содержимого - в случае, если элемент является музыкальным треком - длина трека, жанр трека, аудио-характеристики трека (например, темп трека); другие присущие элементу характеристики включают в себя: цену элемента, мерность элемента, категорию элемента, производителя/изготовителя элемента, длину документа, выраженную в количестве слов или символов; категорию / тему документа; рейтинг фильма в сервисе ранжирования фильмов, и так далее.

[79] База 124 данных рекомендуемых элементов содержимого выполнена с возможностью хранения информации/содержимого, связанного с пулом потенциально рекомендуемых элементов содержимого сервисом рекомендаций, и содержит все элементы содержимого, которые сервис рекомендаций может потенциально рекомендовать своим пользователям. Каждый из пула потенциально рекомендуемых элементов содержимого является соответствующим цифровым элементом содержимого, связанным с соответствующими факторами элементов, хранящимися в базе 122 данных факторов элементов. Природа одного или нескольких потенциально рекомендуемых элементов содержимого в пуле потенциально рекомендованных элементов содержимого никак конкретно не ограничена. Некоторые примеры одного или нескольких потенциально рекомендуемых элементов содержимого включают в себя, без установления ограничений, такие цифровые элементы содержимого как:

- новостной элемент;

- публикацию;

- веб-ресурс;

- пост на веб-сайте социального медиа;

- новый элемент, который предназначен для загрузки из магазина приложений;

- новую песню (музыкальный трек), которая предназначена для воспроизведения / загрузки с ресурса;

- новый фильм (видеоклип), который предназначен для воспроизведения/ загрузки с ресурса;

- продукт, который предназначен для покупки с ресурса; и

- новый документ, загруженный для просмотра на веб-сайте социального медиа (например, новую фотографию, которая загружена в учетную запись в сетях INSTRAGRAM или FACEBOOK).

[80] Пул потенциально рекомендуемых элементов содержимого может включать в себя по меньшей мере один элемент из соответствующих множеств элементов, связанных с множеством веб-ресурсов 130, хотя это и не является обязательным в каждом варианте осуществления настоящей технологии.

[81] База 126 данных пользовательских взаимодействий выполнена с возможностью хранить информацию, относящуюся к пользовательским событиям/взаимодействиями, которые связаны с предыдущими пользователями системы 100. Естественно, пользовательские события могут храниться в зашифрованной форме. Примеры пользовательских событий включают в себя, без установления ограничений:

- данный пользователь системы рекомендаций "прокрутил" мимо данного элемента;

- данный пользователь системы рекомендаций "лайкнул" данный элемент;

- данный пользователь системы рекомендаций "репостнул" данный элемент;

- данный пользователь системы рекомендаций щелкнул на (или иначе выбрал) данный элемент; и

- данный пользователь системы рекомендаций купил / заказал / загрузил данный элемент.

[82] Важно иметь в виду, что пользовательские события и факторы элементов могут принимать различные формы, и никак конкретно не ограничены. Таким образом, представленные выше списки неограничивающих примеров того, как реализованы пользовательские события и факторы элементов, представлены здесь только для примера. И важно иметь в виду, что многие альтернативные варианты осуществления пользовательских событий и факторов элементов могут быть представлены в других вариациях в рамках настоящей технологии.

[83] То, как именно получают и сохраняют информацию в базе 122 данных факторов элементов, базе 124 данных рекомендуемых элементов содержимого и базе 126 данных пользовательских взаимодействий, никак конкретно не ограничено.

[84] Например, информация, связанная с факторами элементов, может быть получена от конкретного сервиса, который располагает информацией о различных элементах, доступных на нем и тому подобное; и может быть сохранена во в базе 122 данных факторов элементов. Информация, связанная с факторами элементов может быть разделена на различные категории, представляющие различные типы или тематики элементов.

[85] Информация, относящаяся к набору потенциально рекомендуемых элементов, может быть получена путем "просмотра поисковым роботом" большого количества ресурсов, которые могут включать в себя, в некоторых случаях, множество ресурсов 130; и храниться в базе 124 данных рекомендуемых элементов содержимого. Тем не менее, подразумевается, что набор потенциально рекомендуемых элементов содержимого может не включать в себя никакие из некоторых элементов содержимого, поступающих с множества веб-ресурсов 130.

[86] Информация, связанная с пользовательскими событиями, может быть получена путем записи предыдущих пользовательских взаимодействий между любым из потенциально рекомендуемых элементов, хранящихся в базе 124 данных рекомендуемых элементов содержимого, и некоторыми или всеми пользователями системы рекомендаций; и храниться в базе 126 данных пользовательских взаимодействий. Информация, связанная с пользовательскими событиями, может храниться в зашифрованной форме.

[87] Сервер 112 расположен сервис рекомендаций и, в общем случае, он выполнен с возможностью (i) получать от электронного устройства 104 запрос 150 на рекомендуемое содержимое и (ii) в ответ на запрос 150, создавать ответ 153, содержащий данный ранжированный рекомендуемый список элементов рекомендаций. Данный ранжированный рекомендуемый список элементов содержимого, который передается на электронное устройство 104, ранжирован по меньшей мере частично с персонализацией для пользователя, и представляет персонализированную рекомендацию содержимого, которая конкретна для пользователя 102. Тем не менее, в дополнение к ранжированию по меньшей мере частично с персонализацией для пользователя, данный ранжированный рекомендуемый список элементов содержимого может включать в себя некоторые элементы содержимого, связанные с потенциально нежелательным содержимым, которые могут быть опущены на более низкие ранги в данном ранжированном рекомендуемом списке элементов содержимого, как будет далее описано более подробно.

[88] В некоторых вариантах осуществления настоящей технологии, запрос 150 может быть создан в ответ на предоставление пользователем 102 явного указания на его/ее желание получить рекомендуемое содержимое, например, путем нажатия кнопки в приложении 106 рекомендаций. Следовательно, запрос 150 на данный набор элементов рекомендаций может считаться "явным запросом" в том смысле, что пользователь 102 явно предоставляет запрос на данный набор элементов 152 рекомендаций.

[89] В других вариантах осуществления настоящей технологии, запрос 150 может быть создан в ответ на предоставление пользователем 102 неявного указания на его/ее желание получить рекомендованное содержимое. В некоторых вариантах осуществления настоящей технологии, запрос 150 может быть создан в ответ на то, что пользователь 102 запускает рекомендательное приложение 106.

[90] В некоторых других вариантах осуществления настоящей технологии, запрос 150 может быть создан даже без предоставления пользователем 102 явного или неявного указания на его/ее желание получить рекомендованное содержимое. Например, в тех вариантах осуществления настоящей технологии, где приложение 106 рекомендаций реализовано как браузер, как упоминалось ранее, запрос 150 может быть создан в ответ на то, что пользователь 102 открывает браузерное приложение и может быть создан, например, без выполнения пользователем 102 каких-либо действий, кроме активации браузерного приложения. В качестве другого примера, запрос 150 может быть создан в ответ на открытие пользователем 102 новой вкладки в уже открытом браузерном приложении, и может быть создан, например, без выполнения пользователем 102 каких-либо действий, кроме активации новой вкладки браузера. Другими словами, запрос 150 может быть создан даже без знания пользователя 102 о том, что он может быть заинтересован в получении рекомендованного содержимого.

[91] В качестве другого примера, запрос 150 может быть создан в ответ на выбор пользователем 102 конкретного элемента браузерного приложения, и могут быть созданы, например, без выполнения пользователем 102 каких-либо действий, кроме активации/выбора конкретного элемента браузерного приложения.

[92] Примеры конкретного элемента браузерного приложения включают в себя, без установления ограничений:

- адресную строку строки браузерного приложения;

- поисковую строку браузерного приложения и/или поисковую строку веб-сайта поисковой системы, доступного в браузерном приложении;

- омнибокс (связанные адрес и поисковая строка браузерного приложения);

- панель избранных или недавно посещенных сетевых ресурсов; и

- любую другую заранее определенную область интерфейса браузерного приложения или веб-ресурса, отображенного в браузерном приложении.

[93] При получении запроса 150, сервер 112 выполнен с возможностью получать указание на предыдущие пользовательские взаимодействия пользователя 102 с сервисом рекомендаций. Например, сервер 112 может идентифицировать пользователя 102 на основе запроса 150 и может получать указание на предыдущие пользовательские взаимодействия пользователя 102 из базы 126 данных пользовательских взаимодействий.

[94] Сервер 112 также выполнен с возможностью получать указание на содержимое (или самое содержимое) из множества веб-ресурсов 130. С этой целью, сервер 112 может получать соответствующий пакет данных от каждого из множества веб-ресурсов 130. Например, сервер 112 может получать по сети 110 передачи данных (i) первый пакет 162 данных из первого веб-ресурса 132, (ii) второй пакет 164 данных из второго веб-ресурса 134 и (i) третий пакет 116 данных из третьего веб-ресурса 136. Следует отметить, что в альтернативных вариантах осуществления настоящей технологии, первый пакет 162 данных, второй пакет 163 данных и третий пакет 166 данных получают в режиме оффлайн (т.е. до получения запроса 150), например, раз в день, раз в час и т.д.

[95] В тех вариантах осуществления технологии, где данный веб-ресурс представляет собой данную веб-страницу, соответствующий пакет данных, полученный сервером 112 может включать в себя содержимое, связанное с данной веб-страницей. Например, соответствующий пакет данных может включать в себя компьютерные файлы, которые представляют данную веб-страницу, которые могут быть написаны на языке разметки гипертекста (HTML) или на любом другом приемлемом языке разметки, а также компьютерные файлы, которые представляют элементы веб-ресурса (такие как, без установки ограничений, таблицы стилей, скрипты, изображения и т.п.), которые связаны с компьютерными файлами, представляющими данную веб-страницу.

[96] В других вариантах осуществления технологии, где данное множество веб-страниц, которые расположены на данном общем веб-домене, соответствующий пакет данных, полученный сервером 112 может включать в себя содержимое, связанное с каждой вебстраницей из данного множества веб-страниц.

[97] Сервер 112 может быть выполнен с возможностью сохранять содержимое каждого из множества веб-ресурсов в главной базе 120 данных. Например, при получении первого, второго и третьего пакетов 162, 164 и 166 данных, сервер 112 может сохранять содержимое каждого из первого, второго и третьего пакетов 162, 164 и 166 данных в главной базе 120 данных для их дальнейшей обработки.

[98] Вне зависимости от того, является ли каждый веб-ресурс данной веб-страницей или данным множеством веб-страниц, размещенных на данном общем домене, сервер 112 может быть выполнен с возможностью парсить содержимое веб-ресурса в каждом пакте данных для того чтобы идентифицировать данные элементов содержимого, расположенные на множестве веб-ресурсов 130, и извлекать содержимое, связанное с каждым из данных элементов содержимого.

[99] В общем случае, парсинг подразумевает выполнение синтаксического и/или лексического анализа компьютерного кода для облегчения извлечения определенных компонентов и/или другой семантической информации из компьютерных кодов. Во время парсинга, алгоритм парсинга может выполняться сервером 112 и может использовать в качестве входных данных компьютерные файлы для вывода или построения структур данных в виде деревьев разбора, абстрактных синтаксических деревьев или других иерархических структур, которые определяют структурные представления введенных компьютерных файлов. Используемые в качестве входных данных компьютерные файлы могут быть написаны на различных компьютерных языках, таких как, например, языки разметки.

[100] Со ссылкой на неограничивающий вариант осуществления технологии, представленный на Фиг. 2, предположим, что первый пакет данных 162 включает в себя первое содержимое 202 веб-ресурса, связанное с первым веб-ресурсом 132 и поступающее с него. Второй пакет 164 данных включает в себя второе содержимое 204 веб-ресурса, связанное со вторым веб-ресурсом 134 и поступающее с него. Третий пакет 166 данных включает в себя третье содержимое 206 веб-ресурса, связанное с третьим веб-ресурсом 136 и поступающее с него.

[101] Сервер 112 может быть выполнен с возможностью парсить каждое из первого, второго и третьего содержимого 202, 204 и 206 веб-ресурса для идентификации соответствующих элементов содержимого и извлечения содержимого, связанного с каждым из соответствующих элементов содержимого.

[102] Путем парсинга содержимого 202 первого веб-ресурса, сервер 112 может идентифицировать три элемента I1, I2 и I3 содержимого, связанные с первым веб-ресурсом 132 и поступающие с него. Сервер 112 также извлекает первое содержимое 212, связанное с элементом I1 содержимого, второе содержимое 222, связанное с элементом I2 содержимого, и третье содержимое 232, связанное с элементом I3 содержимого Следует иметь в виду, что первое, второе и третье содержимое 212, 222 и 232 элементов II, I2 и I3 соответственно поступает с первого веб-ресурса 132. Можно сказать, что первое содержимое 212 представляет собой содержимое элемента I1 содержимого, второе содержимое 222 представляет собой содержимое элемента I2 содержимого и третье содержимое 232 представляет собой содержимое элемента I3 содержимого.

[103] Путем парсинга содержимого 204 второго веб-ресурса, сервер 112 может идентифицировать три элемента I4, I5 и I6 содержимого, связанные со вторым веб-ресурсом 134 и поступающие с него. Сервер 112 также извлекает четвертое содержимое 214, связанное с элементом I4 содержимого, пятое содержимое 224, связанное с элементом I5 содержимого, и шестое содержимое 234, связанное с элементом I6 содержимого. Следует иметь в виду, что четвертое, пятое и шестое содержимое 214, 224 и 234 элементов I4, I5 и I6 соответственно поступает со второго веб-ресурса 134. Можно сказать, что четвертое содержимое 214 представляет собой содержимое элемента I4 содержимого, пятое содержимое 224 представляет собой содержимое элемента I5 содержимого и шестое содержимое 234 представляет собой содержимое элемента I6 содержимого.

[104] Путем парсинга содержимого 206 третьего веб-ресурса, сервер 112 может идентифицировать три элемента I7, I8 и I9 содержимого, связанные с третьим веб-ресурсом 136 и поступающие с него. Сервер 112 также извлекает седьмое содержимое 216, связанное с элементом I7 содержимого, восьмое содержимое 226, связанное с элементом I8 содержимого, и девятое содержимое 236, связанное с элементом I9 содержимого. Следует иметь в виду, что седьмое, восьмое и девятое содержимое 216, 226 и 236 элементов I7, I8 и I9 соответственно поступает со второго веб-ресурса 136. Можно сказать, что седьмое содержимое 216 представляет собой содержимое элемента I7 содержимого, восьмое содержимое 226 представляет собой содержимое элемента I8 содержимого и девятое содержимое 236 представляет собой содержимое элемента I9 содержимого.

[105] Несмотря на то, что в неограничивающем варианте осуществления, показанном на Фиг. 2, сервер 112 идентифицирует три элемента содержимого, поступающие с каждого из множества веб-ресурсов 130, следует иметь в виду, что в других случаях сервер 112 может идентифицировать меньшее или большее число, чем три элемента содержимого, поступающие с любого из множества веб-ресурсов 130, не выходя за границы настоящей технологии. Следует также отметить, что число элементов содержимого, извлеченных с данного веб-ресурса может отличаться от числа элементов содержимого, извлеченного с другого веб-ресурса.

[106] Сервер 112 выполнен с возможностью анализировать каждое из содержимого 212, 222, 232, 214, 224, 234, 216, 226 и 236, чтобы определить факторы элементов, связанные с каждым из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого соответственно. Как уже ранее упоминалось, каждое из содержимых 212, 222, 232, 214, 224, 234, 216, 226 и 236 представляет собой содержимое соответствующего одного из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого соответственно. Таким образом, сервер 112 может анализировать содержимое данного элемента содержимого, чтобы определить присущие элементу характеристики, которые основаны на содержимом соответствующего элемента содержимого.

[107] В некоторых случаях, по меньшей мере некоторые элементы I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого могли быть ранее рекомендованы сервисом рекомендаций их предыдущим пользователям, и с ними взаимодействовал по меньшей мере один предыдущий пользователь. Другими словами, по меньшей мере некоторые из элементов содержимого могли быть ранее сохранены в базе 124 данных рекомендуемых элементов содержимого, для которых соответствующие факторы элементов были ранее сохранены в базе 122 данных факторов элементов. В этих случаях, сервер 112 может быть выполнен с возможностью извлекать из базы 122 факторов элементов другие факторы элементов, в дополнение к присущим элементу характеристикам, связанным с каждым из по меньшей мере некоторых элементов содержимого.

[108] На основе факторов элементов каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9, содержимого и указания на предыдущие пользовательские взаимодействия, связанные с пользователем 102, сервер 112 выполнен с возможностью создавать соответствующую персонализированную для пользователя оценку ранжирования для каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого.

[109] Создание персонализированных для пользователя оценок ранжирования может выполняться различными способами. Например, в одном варианте осуществления технологии, сервер 112 может выполнять первый MLA 116 для создания соответствующей персонализированной для пользователя оценки ранжирования для каждого из элементов содержимого I1, I2, I3, I4, I5, I6, I7, I8 и I9. Первый MLA 116 упоминается здесь как "MLA персонализированного ранжирования", поскольку первый MLA 116 создает персонализированные для пользователя оценки ранжирования, которые указывают на расчетную релевантность соответствующих элементов содержимого для конкретного пользователя (в данном случае, они указывают на соответствующую расчетную релевантность элементов II, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого для пользователя 102).

[110] То, как первый MLA 116 сервера 112 обучен и выполнен с возможностью создавать персонализированные для пользователя оценки ранжирования, предназначенные для представления пользователю 102, описано в патентной заявке под номером 15/607 555, поданной 29 мая 2017 года и озаглавленной "СПОСОБ И УСТРОЙСТВО ДЛЯ ОБУЧЕНИЯ АЛГОРИТМА МАШИННОГО ОБУЧЕНИЯ (MLA) ДЛЯ СОЗДАНИЯ РЕКОМЕНДАЦИИ СОДЕРЖИМОГО В СИСТЕМЕ РЕКОМЕНДАЦИЙ, И СПОСОБ И УСТРОЙСТВО ДЛЯ СОЗДАНИЯ РЕКОМЕНДУЕМОГО СОДЕРЖИМОГО С ПОМОЩЬЮ MLA", которая полностью включена в настоящую заявку посредством ссылки.

[111] Со ссылкой на Фиг. 3, представлено указание 350 на предыдущие пользовательские взаимодействия пользователя 102 с сервисом рекомендаций, а также информация о каждом факторе элемента, представляющая соответствующие факторы элемента, связанные с соответствующим одним из элементов II, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого. В первый MLA 116 (MLA персонализированного ранжирования) введены указание 350 на предыдущие пользовательские взаимодействия и информация о факторах, связанно с каждым из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого, и из MLA выводится соответствующая персонализированная для пользователя оценка ранжирования для каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого.

[112] Таким образом, первый MLA 116:

- на основе указания 350 и информации 301 о факторах, представляющей факторы элемента 11 содержимого, создает первую персонализированную для пользователя оценку 312 ранжирования;

- на основе указания 350 и информации 302 о факторах, представляющей факторы элемента 12 содержимого, создает вторую персонализированную для пользователя оценку 322 ранжирования;

- на основе указания 350 и информации 303 о факторах, представляющей факторы элемента 13 содержимого, создает третью персонализированную для пользователя оценку 332 ранжирования;

- на основе указания 350 и информации 304 о факторах, представляющей факторы элемента 14 содержимого, создает четвертую персонализированную для пользователя оценку 314 ранжирования;

- на основе указания 350 и информации 305 о факторах, представляющей факторы элемента 15 содержимого, создает пятую персонализированную для пользователя оценку 324 ранжирования;

- на основе указания 350 и информации 306 о факторах, представляющей факторы элемента 16 содержимого, создает шестую персонализированную для пользователя оценку 334 ранжирования;

- На основе указания 350 и информации 307 о факторах, представляющей факторы элемента 17 содержимого, создает седьмую персонализированную для пользователя оценку 316 ранжирования;

- На основе указания 350 и информации 308 о факторах, представляющей факторы элемента 18 содержимого, создает восьмую персонализированную для пользователя оценку 326 ранжирования; и

- На основе указания 350 и информации 309 о факторах, представляющей факторы элемента 19 содержимого, создает девятую персонализированную для пользователя оценку 336 ранжирования.

[113] Сервер 112 может быть выполнен с возможностью сохранять персонализированную для пользователя оценку ранжирования, связанную с соответствующим элементом содержимого в главной базе 120 данных для дальнейшего использования. Другими словами, сервер 112 может сохранять в главной базе 120 данных множество персонализированных для пользователя оценок 390 ранжирования в связи с соответствующими связанными элементами содержимого.

[114] Со ссылкой на Фиг. 4, первый MLA 116 реализован сервером 112, также создает ранжированный список рекомендуемых элементов 400 содержимого, который, в данном случае, включает в себя элементы I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого, которые ранжированы на основе соответственно связанных с ними связанных персонализированных для пользователя оценок ранжирования, созданных первым MLA 116. Данный элемент содержимого с наибольшей персонализированной для пользователя оценкой ранжирования из множества персонализированных для пользователя оценок 390 ранжирования будет связан с наиболее высоким рангом в ранжированном списке рекомендуемых элементов 400 содержимого, а другой данный элемент содержимого, связанный с низкой персонализированной для пользователя оценкой ранжирования из множества персонализированных для пользователя оценок 390 ранжирования, связан с самым низким рангом в ранжированном списке рекомендуемых элементов 400 содержимого.

[115] Предположим, что на основе соответствующих связанных персонализированных для пользователя оценок ранжирования, элемент содержимого:

- I2 ранжирован 1-ым в ранжированном списке рекомендуемых элементов 400 содержимого;

- I4 ранжирован 2-ым в ранжированном списке рекомендуемых элементов 400 содержимого;

- I1 ранжирован 3-им в ранжированном списке рекомендуемых элементов 400 содержимого;

- I3 ранжирован 4-ым в ранжированном списке рекомендуемых элементов 400 содержимого;

- I7 ранжирован 5-ым в ранжированном списке рекомендуемых элементов 400 содержимого;

- I6 ранжирован 6-ым в ранжированном списке рекомендуемых элементов 400 содержимого;

- I5 ранжирован 7-ым в ранжированном списке рекомендуемых элементов 400 содержимого;

- I9 ранжирован 8-ым в ранжированном списке рекомендуемых элементов 400 содержимого;

- I8 ранжирован 9-ым в ранжированном списке рекомендуемых элементов 400 содержимого.

[116] Следует отметить, что элементы I1, I2, I3, I4, I5, I6, I7, I8 и I9 ранжированы в ранжированном списке рекомендуемых элементов 400 содержимого на основе их расчетной релевантности для пользователя 102. Например, элемент 12 содержимого связан с наиболее высокой расчетной релевантностью для пользователя 102, поскольку вторая персонализированная для пользователя оценка 322 ранжирования, связанная с элементом содержимого I2, является наиболее высокой персонализированной для пользователя оценкой ранжирования из множества персонализированных для пользователя оценок 390 ранжирования. В другом примере, элемент I8 содержимого связан с наиболее низкой расчетной релевантностью для пользователя 102, поскольку восьмая персонализированная для пользователя оценка 326 ранжирования, связанная с элементом содержимого I8, является наиболее низкой персонализированной для пользователя оценкой ранжирования из множества персонализированных для пользователя оценок 390 ранжирования.

[117] Тем не менее, как уже упоминалось ранее, по меньшей мере некоторые элементы содержимого среди элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого могут быть связаны с потенциально нежелательным содержимым для пользователей сервиса рекомендаций. В общем случае, несмотря на то, что данный элемент содержимого оценен как высоко релевантный для данного пользователя, этот данный элемент содержимого может, тем не менее, быть связан с потенциально нежелательным содержимым для рекомендации пользователям сервиса рекомендаций на основе заранее определенных правил в отношении содержимого. Например, данный "click-bate''-элемент содержимого может быть оценен как высокорелевантный для данного пользователя, поскольку он может быть связан с большим количеством предыдущих пользовательских взаимодействий (например, кликов). Таким образом, данный "click-bate''-элемент содержимого может обладать высокой оценкой релевантности, что приводит к тому, что "click-bate''-элемент содержимого ранжирован высоко на основе релевантности, чем следует, поскольку, в случае когда содержимое представляет собой "click-bate"-содержимое, число пользовательских взаимодействий является ошибочным индикатором его релевантности для данного пользователя.

[118] Следовательно, подразумевается, что в некоторых вариантах осуществления настоящей технологии, вместо предоставления ранжированного списка рекомендуемых элементов 400 содержимого в виде данного ранжированного рекомендуемого списка элементов содержимого пользователю 102, сервер 112 может быть выполнен с возможностью понижать ранги по меньшей мере некоторых элементов содержимого, если они вероятно связаны с нежелательным содержимым.

[119] Для этого сервер 112 может быть выполнен с возможностью выполнять второй MLA 118. Второй MLA 118 во время фазы использования выполнен с возможностью создавать понижающие оценки для элементов содержимого. Для того, чтобы создавать понижающие оценки для элементов содержимого, второй MLA 118 был обучен во время фазы обучения. То, как именно второй MLA 118 обучен во время фазы обучения, и как он выполнен с возможностью создавать понижающие оценки во время фазы использования, будет описано далее.

Фаза обучения второго MLA 118

[120] В общем случае, второй MLA 118 обучен получать данный элемент содержимого и выводить, для введенного данного элемента содержимого, понижающую оценку, которая указывает на степень нежелательности введенного содержимого. В широком смысле, MLA 118 выполнен с возможностью выводить понижающую оценку на основе: (i) содержимого данного элемента содержимого; (ii) содержимого множества / всех элементов содержимого веб-ресурса; и (iii) комбинации (i) и (ii).

[121] Таким образом, обучение второго MLA 118 может быть по меньшей мере частично основано на заранее определенных правилах в отношении содержимого, которые были заранее определены оператором сервиса рекомендаций. Как уже ранее упоминалось, заранее определенные правила в отношении содержимого могут указывать на различные типы нежелательного содержимого, такого как "click-bate''-содержимое, жестокое содержимое, содержимое сексуального характера, кровавое содержимое, нецензурное содержимое и так далее.

[122] В некоторых вариантах осуществления настоящей технологии, второй MLA 118 может быть обучен на основе "индикаторов нежелательного содержимого", которые основаны в свою очередь на заранее определенных правилах в отношении содержимого. Индикаторы нежелательного содержимого могут представлять эвристические правила, которые, при подтверждении после анализа данного элемента содержимого, указывают на то, что данный элемент содержимого относится к типу содержимого, которое включено в заранее определенные правила в отношении содержимого. Например, индикаторы нежелательного содержимого могут предоставлять эвристические правила, такие как, без установления ограничений:

- Включает ли содержимое в себя слова или предложения, которые связаны с каким-либо нежелательным содержимым?

- Включает ли содержимое в себя слова или предложения, которые связаны с "click-bate "-содержимым?

- Включает ли содержимое в себя слова или предложения, которые связаны с жестоким содержимым?

- Включает ли содержимое в себя слова или предложения, которые связаны с содержимым сексуального характера?

- Включает ли содержимое в себя слова или предложения, которые связаны с кровавым содержимым?

- Включает ли содержимое в себя слова или предложения, которые связаны с нецензурным содержимым?

- Включает ли содержимое в себя слова или предложения, которые связаны с другим типом нежелательного содержимого?

- Включает ли в себя заголовок содержимого слова или предложения, которые связаны с нежелательным содержимым?

- Включает ли в себя содержимое триггеры для всплывающих окон?

- Включает ли в себя содержимое больше рекламных элементов, чем пороговое количество?

[123] В других вариантах осуществления настоящей технологии, второй MLA 118 может быть обучен на основе заранее определенных обучающих данных, которые были созданы на основе заранее определенных правил в отношении содержимого. Обучающие данные могут быть созданы сервером 112 после ранжирования множества обучающего содержимого (например, содержимого множества обучающих элементов содержимого) множеством асессоров. Например, каждому из множества асессоров может быть представлено такое обучающее содержимое и, в ответ, каждый из множества асессоров может ранжировать представленное обучающее содержимое на основе заранее определенных правил в отношении содержимого. Таким образом, сервер 112 может создавать множество пар "обучающее содержимое - рейтинг асессора", которые используются как обучающие данные для обучения второго MLA 118.

[124] Когда в "необученный" второй MLA 118 вводят обучающие данные во время фазы его обучения, второй MLA 118 обучается, в некотором смысле, отношениям и/или шаблонам данных между обучающим содержимым и соответствующими рейтингами асессора, которые основаны на заранее определенных правилах в отношении содержимого, для того чтобы (i) классифицировать данное содержимое, введенное в него во время фазы использования и (ii) создавать данную понижающую оценку для данного содержимого на основе этой классификации.

[125] Второй MLA 118 может быть обучен связывать данное введенное в него содержимое по меньшей мере с одним классом содержимого среди множества классов содержимого. В некоторых вариантах осуществления технологии, множества классов содержимого может содержать (i) по меньшей мере один класс нежелательного содержимого и (ii) по меньшей мере один класс нейтрального содержимого. По меньшей мере один класс нежелательного содержимого может быть связан с данным типом нежелательного содержимого, включенного в заранее определенные правила в отношении содержимого, причем содержимое, которое не связано ни с каким типом нежелательного содержимого, может быть связано по меньшей мере с одним классом нейтрального содержимого. В других вариантах осуществления технологии, по меньшей мере один класс нежелательного содержимого может включать в себя набор классов нежелательного содержимого, где каждый класс нежелательного содержимого в наборе классов нежелательного содержимого связан с соответствующим типом нежелательного содержимого, включенного в заранее определенные правила содержимого. Например, первый класс нежелательного содержимого в наборе классов нежелательного содержимого может быть связан с "click-bate''-содержимым, а второй класс нежелательного содержимого в наборе классов нежелательного содержимого может быть связан с содержимым сексуального характера.

[126] Когда данное содержимое классифицировано вторым MLA 118 в один из множества классов содержимого, второй MLA 118 может создавать данную понижающую оценку для данного содержимого на основе того, в какой соответствующий класс содержимого из множества классов содержимого попадает данное содержимое.

[127] Подразумевается, что второй MLA 118 может создавать различные понижающие оценки для содержимого в зависимости от соответствующего класса содержимого, в который попадает содержимое. Например, второй MLA 118 может создавать первую понижающую оценку, обладающую первым значением для первого содержимого, если первое содержимое связано с первым классом нежелательного содержимого, и вторую понижающую оценку, обладающую вторым значением для первого содержимого, если первое содержимое связано со вторым классом нежелательного содержимого. В другом примере, второй MLA 118 может создавать другую понижающую оценку, обладающую значением ноль для первого содержимого, если первое содержимое связано с классом нейтрального содержимого из множества классов содержимого.

[128] Второй MLA 118 упоминается здесь как "не зависящий от пользователя MLA классификации", поскольку, в отличие от первого MLA 116, второй MLA 118 не был обучен на информации, связанной с пользователями сервиса рекомендаций, и не использует ее для создания понижающих оценок. Второй MLA 118 создает понижающие оценки не зависящим от пользователя образом и основывается на конкретном содержимом, а не конкретном пользователе.

Фаза использования второго MLA 118

[129] Во время фазы использования второго MLA 118, сервер 112 выполнен с возможностью вводить содержимое каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого во второй MLA 118, который выводит соответствующую понижающую оценку для каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого.

[130] В одном варианте осуществления настоящей технологии, второй MLA 118 может быть выполнен с возможностью создавать данную понижающую оценку для данного элемента содержимого на основе содержимого данного элемента содержимого. Например, второй MLA 118 может создавать данную понижающую оценку для элемента I1 содержимого на основе первого содержимого 212. В другом примере, второй MLA 118 может создавать данную понижающую оценку для элемента 19 содержимого на основе девятого содержимого 236. В этом варианте осуществления технологии, можно сказать, что второй MLA 118 может быть выполнен с возможностью создавать понижающие оценки на основе каждого элемента таким образом, что каждая понижающая оценка основана на содержимом только каждого соответствующего элемента содержимого.

[131] В другом варианте осуществления настоящей технологии, второй MLA 118 может быть выполнен с возможностью создавать данную понижающую оценку для данного элемента содержимого на основе агрегированного содержимого всех элементов содержимого, поступающих с данного веб-ресурса. Например, второй MLA 118 может создавать данную понижающую оценку для элемента I1 содержимого на основе агрегированного первого, второго и третьего содержимого 212, 222 и 223. В другом примере, второй MLA 118 может создавать данную понижающую оценку для элемента I2 содержимого на основе агрегированных первого, второго и третьего содержимого 212, 222 и 223. В еще одном примере, второй MLA 118 может создавать данную понижающую оценку для элемента I3 содержимого на основе агрегированных первого, второго и третьего содержимого 212, 222 и 223. Это означает, что второй MLA 118 может создавать идентичную понижающую оценку для каждого из элементов I1, I2 и I3 содержимого, поскольку они поступают с одного и того же веб-ресурса. В этом варианте осуществления технологии, можно сказать, что второй MLA 118 может быть выполнен с возможностью создавать понижающие оценки на основе каждого веб-ресурса таким образом, что каждая понижающая оценка основана на агрегированном содержимом всех элементов содержимого, поступающих с одного и того же веб-ресурса. В некоторых вариантах осуществления настоящей технологии, применение ранжирования на основе каждого веб-ресурса приводит к тому, что все элементы содержимого с данного хоста понижаются с помощью одной и той же понижающей оценки.

[132] В других вариантах осуществления настоящей технологии, второй MLA 118 может быть выполнен с возможностью создавать понижающие оценки с помощью комбинации подходов с каждым элементом и каждым веб-ресурсом. Например, второй MLA 118 может создавать данную понижающую оценку каждого элемента для элемента I1 содержимого на основе первого содержимого 212, и данную понижающую оценку каждого веб-ресурса для элемента I1 содержимого на основе первого, второго и третьего содержимого 212, 222 и 223. В результате, второй MLA 118 может создавать данную понижающую оценку для элемента I1 одержимого в виде взвешенной суммы данной понижающей оценки для каждого элемента и данной понижающей оценки для каждого веб-ресурса для элемента I1 содержимого.

[133] В этих вариантах осуществления технологии, можно сказать, что второй MLA 118 может быть выполнен с возможностью создавать понижающие оценки на гибридной основе элемента и веб-ресурса таким образом, что каждая понижающая оценка основана на (i) содержимом каждого соответствующего элемента содержимого и (ii) агрегированном содержимом всех элементов содержимого, поступающих с одного и того же веб-ресурса. Весовые коэффициенты, применяемые к данной понижающей оценке каждого элемента и к данной понижающей оценке каждого веб-ресурса для каждого соответствующего элемента содержимого в каждой соответствующей взвешенной сумме, могут быть заранее определены оператором сервиса рекомендаций.

[134] Вне зависимости от того, как создается каждая понижающая оценка вторым MLA 118, данная понижающая оценка, которая связана с соответствующим элементом содержимого, указывает на степень нежелательности содержимого, поступающего с соответствующего веб-ресурса.

[135] Со ссылкой на Фиг. 5, второй MLA 118 создает:

- первую понижающую оценку 512 для элемента I1 содержимого;

- вторую понижающую оценку 522 для элемента I2 содержимого;

- третью понижающую оценку 532 для элемента I3 содержимого;

- четвертую понижающую оценку 514 для элемента I4 содержимого;

- пятую понижающую оценку 524 для элемента I5 содержимого;

- шестую понижающую оценку 534 для элемента I6 содержимого;

- седьмую понижающую оценку 516 для элемента I7 содержимого;

- восьмую понижающую оценку 526 для элемента I8 содержимого; и

- девятую понижающую оценку 536 для элемента I9 содержимого.

[136] Сервер 112 может быть выполнен с возможностью сохранять каждую понижающую оценку, связанную с соответствующим элементом содержимого в главной базе 120 данных для дальнейшего использования. Другими словами, сервер 112 может сохранять в главной базе 120 данных множество понижающих оценок 590 в связи с соответствующими связанными элементами содержимого.

[137] Сервер 112 также может создавать соответствующую уточненную оценку ранжирования для каждого из элементов содержимого I1, I2, I3, I4, I5, I6, I7, I8 и I9. Сервер 112 выполнен с возможностью создавать для данного элемента содержимого соответствующую уточненную оценку ранжирования на основе соответствующей персонализированной для пользователя оценки ранжирования из множества персонализированных для пользователя оценок 390 ранжирования и соответствующей понижающей оценки из множества понижающих оценок 590.

[138] Со ссылкой на Фиг. 6, сервер 112 создает:

- для элемента I1 содержимого, первую уточненную оценку 612 ранжирования на основе (i) первой персонализированной для пользователя оценки 312 ранжирования и (ii) первой понижающей оценки 512;

- для элемента I2 содержимого, вторую уточненную оценку 622 ранжирования на основе (i) второй персонализированной для пользователя оценки 322 ранжирования и (ii) второй понижающей оценки 522;

- для элемента I3 содержимого, третью уточненную оценку 632 ранжирования на основе (i) третьей персонализированной для пользователя оценки 332 ранжирования и (ii) третьей понижающей оценки 532;

- для элемента I4 содержимого, четвертую уточненную оценку 614 ранжирования на основе (i) четвертой персонализированной для пользователя оценки 314 ранжирования и (ii) четвертой понижающей оценки 514;

- для элемента I5 содержимого, пятую уточненную оценку 624 ранжирования на основе (i) пятой персонализированной для пользователя оценки 324 ранжирования и (ii) пятой понижающей оценки 524;

- для элемента I6 содержимого, шестую уточненную оценку 634 ранжирования на основе (i) шестой персонализированной для пользователя оценки 334 ранжирования и (ii) шестой понижающей оценки 534;

- для элемента I7 содержимого, седьмую уточненную оценку 616 ранжирования на основе (i) седьмой персонализированной для пользователя оценки 316 ранжирования и (ii) седьмой понижающей оценки 516;

- для элемента I8 содержимого, восьмую уточненную оценку 626 ранжирования на основе (i) восьмой персонализированной для пользователя оценки 326 ранжирования и (ii) восьмой понижающей оценки 526; и

- для элемента I9 содержимого, девятую уточненную оценку 636 ранжирования на основе (i) девятой персонализированной для пользователя оценки 336 ранжирования и (ii) девятой понижающей оценки 536.

[139] Сервер 112 может быть выполнен с возможностью сохранять каждую уточненную оценку ранжирования, связанную с соответствующими элементами содержимого в главной базе 120 данных для дальнейшего использования. Другими словами, сервер 112 может сохранять в главной базе 120 данных множество уточненных оценок 690 ранжирования в связи с соответствующими связанными элементами содержимого.

[140] Можно сказать, что каждая уточненная оценка ранжирования создается по меньшей мере частично с персонализацией для пользователя и по меньшей мере частично не зависящим от пользователя образом. Другими словами, каждая уточненная оценка ранжирования создается по меньшей мере частично на основе предыдущих пользовательских взаимодействий конкретного пользователя (часть с персонализацией для пользователя) и на содержимом, поступающим с веб-ресурса соответствующего элемента содержимого (не зависящая от пользователя часть).

[141] Следует отметить, что в некоторых вариантах осуществления технологии, понижающие оценки и персонализированные для пользователя оценки ранжирования могут обладать противоположными знаками. Другими словами, данная уточненная оценка ранжирования может быть меньше соответствующей персонализированной для пользователя оценки ранжирования. Элементы содержимого, ранжированные на основе соответствующих персонализированных для пользователя оценок ранжирования могут не сохранять их соответствующие ранги при ранжировании на основе соответствующих уточненных оценок ранжирования. Следовательно, ранги по меньшей мере некоторых элементов могут быть понижены, если элементы содержимого ранжированы на основе уточненных оценок ранжирования по сравнению с их рангами, если элементы содержимого ранжируются на основе персонализированных для пользователя оценок ранжирования.

[142] Со ссылкой на Фиг. 7, сервер 112 также выполнен с возможностью создавать модифицированный ранжированный список рекомендуемых элементов 700 содержимого.

Сервер 112 выполнен с возможностью создавать модифицированный ранжированный список рекомендуемых элементов 700 содержимого на основе элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого и соответствующих связанных уточненных оценок ранжирования из множества уточненных оценок 690 ранжирования.

[143] Данный элемент содержимого с наибольшей уточненной оценкой ранжирования из множества уточненных оценок 690 ранжирования будет связан с наиболее высоким рангом в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого, а другой данный элемент содержимого, связанный с низкой уточненной оценкой ранжирования из множества уточненных оценок 690 ранжирования, связан с самым низким рангом в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого.

[144] Предположим, что на основе соответствующих связанных уточненных оценок ранжирования, как показано на Фиг. 7, элемент содержимого:

- I2 ранжирован 1-ым в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого;

- I1 ранжирован 2-ым в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого;

- I3 ранжирован 3-им в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого;

- I6 ранжирован 4-ым в ранжированном списке рекомендуемых элементов 700 содержимого;

- I4 ранжирован 5-ым в ранжированном списке рекомендуемых элементов 700 содержимого;

- I5 ранжирован 6-ым в ранжированном списке рекомендуемых элементов 700 содержимого;

- I9 ранжирован 7-ым в ранжированном списке рекомендуемых элементов 700 содержимого;

- I8 ранжирован 8-ым в ранжированном списке рекомендуемых элементов 700 содержимого; и

- I7 ранжирован 9-ым в ранжированном списке рекомендуемых элементов 700 содержимого.

[145] Следует отметить, что элементы содержимого в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого ранжированы между друг другом с учетом одновременно (i) расчетной релевантности каждого соответствующего элемента содержимого и (ii) степени нежелательности содержимого, поступающего с веб-ресура каждого соответствующего элемента содержимого.

[146] Сервер 112 может быть выполнен с возможностью сохранять модифицированный ранжированный список рекомендуемых элементов 700 содержимого в главной базе 120 данных для дальнейшего использования. Другими словами, сервер 112 может сохранять в главной базе 120 данных элементы I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого в связи с их соответствующими рангами в модифицированном списке рекомендуемых элементов содержимого 700.

[147] Со ссылкой на Фиг. 4 и 7 следует отметить, что ранги по меньшей мере некоторых элементов содержимого в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого отличаются от соответствующих им рангов в ранжированном списке рекомендуемых элементов 400 содержимого. Например, элемент I4 содержимого ранжирован 2-ым в ранжированном списке рекомендуемых элементов 400 содержимого, и ранжирован 5-ым в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого. В другом примере, элемент I7 содержимого ранжирован 5-ым в ранжированном списке рекомендуемых элементов 400 содержимого, и ранжирован 2-ым в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого. Это понижение ранга элементов I4 и I7 содержимого с соответствующих им рангов в ранжированном списке рекомендуемых элементов 400 содержимого на уточненные ранги в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого указывает на то, что элементы I4 и I7 содержимого вероятно связаны с нежелательным содержимым.

[148] Сервер 112 также выполнен с возможностью осуществлять инициирование сервером представления данного ранжированного рекомендуемого списка элементов содержимого пользователю 102 на электронном устройстве 104 в виде ранжированного рекомендуемого содержимого. Данный ранжированный рекомендуемый список элементов содержимого, в некоторых вариантах осуществления технологии, может представлять собой модифицированный ранжированный список рекомендуемых элементов 700 содержимого. Другими словами, в некоторых вариантах осуществления технологии сервер 112 может быть выполнен с возможностью инициировать представление модифицированного ранжированного списка рекомендуемых элементов 700 пользователю в виде ранжированного рекомендуемого содержимого. Таким образом, сервер 112 может инициировать представление элементов I4 и I7 содержимого пользователю в соответствии с их соответствующими уточненными рангами в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого.

[149] Например, сервер 112 может создавать пакет данных, например, ответ 153, который в данном случае включает в себя информацию, указывающую на модифицированный ранжированный список рекомендуемых элементов 700 содержимого и инструкции для инициирования его представления на электронном устройстве 104. Сервер 112 может передавать ответ 153 электронному устройству 104 через сеть 110 передачи данных для инициирования представления модифицированного ранжированного списка рекомендуемых элементов содержимого пользователю 102.

[150] В других вариантах осуществления настоящей технологии, до создания и передачи ответа 153, сервер 112 может быть выполнен с возможностью предоставлять модифицированный ранжированный список рекомендуемых элементов 700 содержимого дополнительному алгоритму 119 рекомендаций (см. Фиг. 1) для выбора элементов содержимого из модифицированного ранжированного списка рекомендуемых элементов 700 содержимого, которые предназначены для включения в данный ранжированный рекомендуемый список элементов содержимого.

[151] Например, дополнительный алгоритм 119 рекомендаций может быть выполнен с возможностью выбирать элементы содержимого из модифицированного ранжированного списка рекомендуемых элементов 700 содержимого, которые предназначены для включения в данный ранжированный рекомендуемый список элементов содержимого, которые связаны с соответствующими уточненными оценками ранжирования, которые превышают заранее определенный порог уточненной оценки ранжирования. Заранее определенный порог уточненной оценки ранжирования мог быть определен оператором сервиса рекомендаций.

[152] Дополнительный алгоритм 119 рекомендаций может определять, что элементы I2, I1, I3, I6, I4 и I5 содержимого связаны с соответствующими уточненными оценками ранжирования, которые превышают заранее определенный порог уточненной оценки ранжирования. Дополнительный алгоритм 119 рекомендаций может определять, что элементы I9, I8 и I7 содержимого связаны с соответствующими уточненными оценками ранжирования, которые меньше заранее определенного порога уточненной оценки ранжирования. Таким образом, дополнительный алгоритм 119 рекомендаций может выбирать I2, I1, I3, I6, I4 и I5 из модифицированного ранжированного списка рекомендуемых элементов 700 содержимого и может включать их в данный ранжированный список рекомендуемых элементов содержимого в соответствии с их соответствующим порядком ранжирования в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого.

[153] Следовательно, сервер 112 может создавать ответ 153, который, в данном случае, включает в себя информацию, указывающую на ранжированный рекомендуемый список элементов содержимого, включающий элементы I2, I1, I3, I6, I4 и I5 содержимого (ранжированные в соответствии с их соответствующими рангами в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого) и инструкции по инициированию их представления электронным устройством 104. Сервер 112 может передавать ответ 153 электронному устройству 104 через сеть 110 передачи данных для инициирования представления ранжированного рекомендуемого списка элементов содержимого пользователю 102.

[154] Со ссылкой на Фиг. 8, сервер 112 может быть выполнен с возможностью выполнять способ 800 представления данного рекомендуемого элемента содержимого данному пользователю на соответствующего электронном устройстве, и в котором данный рекомендуемый элемент содержимого связан с потенциально нежелательным содержимым. Способ 800 будет более подробно описан ниже.

ЭТАП 802: получение запроса на представление рекомендуемого содержимого пользователю

[155] Способ 700 начинается на этапе 802, где сервер 112 получает запрос 150 на представление рекомендуемого содержимого пользователю 102.

[156] В некоторых вариантах осуществления настоящей технологии, запрос 150 может быть создан в ответ на предоставление пользователем 102 явного указания на его/ее желание получить рекомендуемое содержимое, например, путем нажатия кнопки в приложении 106 рекомендаций. Следовательно, запрос 150 на данный набор элементов рекомендаций может считаться "явным запросом" в том смысле, что пользователь 102 явно предоставляет запрос на данный набор элементов 152 рекомендаций.

[157] В других вариантах осуществления настоящей технологии, запрос 150 может быть создан в ответ на предоставление пользователем 102 неявного указания на его/ее желание получить рекомендованное содержимое. В некоторых вариантах осуществления настоящей технологии, запрос 150 может быть создан в ответ на то, что пользователь 102 запускает рекомендательное приложение 106.

[158] В некоторых других вариантах осуществления настоящей технологии, запрос 150 может быть создан даже без предоставления пользователем 102 явного или неявного указания на его/ее желание получить рекомендованное содержимое. Например, в тех вариантах осуществления настоящей технологии, где приложение 106 рекомендаций реализовано как браузер, как упоминалось ранее, запрос 150 может быть создан в ответ на то, что пользователь 102 открывает браузерное приложение и может быть создан, например, без выполнения пользователем 102 каких-либо действий, кроме активации браузерного приложения. В качестве другого примера, запрос 150 может быть создан в ответ на открытие пользователем 102 новой вкладки в уже открытом браузерном приложении, и может быть создан, например, без выполнения пользователем 102 каких-либо действий, кроме активации новой вкладки браузера. Другими словами, запрос 150 может быть создан даже без знания пользователя 102 о том, что он может быть заинтересован в получении рекомендованного содержимого.

[159] В качестве другого примера, запрос 150 может быть создан в ответ на выбор пользователем 102 конкретного элемента браузерного приложения, и могут быть созданы, например, без выполнения пользователем 102 каких-либо действий, кроме активации/выбора конкретного элемента браузерного приложения.

ЭТАП 804 - получение указания на предыдущие пользовательские взаимодействия пользователя

[160] Способ 800 продолжается на этапе 804, где сервер 112 получает указание 350 (см. Фиг. 3) на предыдущие пользовательские взаимодействия пользователя 102 с сервисом рекомендаций.

[161] Например, при получении запроса 150, сервер 112 может идентифицировать пользователя 102 на основе запроса 150 и может получать указание 350 на предыдущие пользовательские взаимодействия, связанные с пользователем 102, из базы 126 данных пользовательских взаимодействий.

[162] Как уже ранее упоминалось, база 126 данных пользовательских взаимодействий сохраняет информацию, связанную с пользовательскими событиями/взаимодействиями, связанными с предыдущими пользователями системы 100 (в данном случае, включая пользователя 102). Естественно, пользовательские события могут храниться в зашифрованной форме. Примеры пользовательских событий включают в себя, без установления ограничений:

- данный пользователь системы рекомендаций "прокрутил" мимо данного элемента;

- данный пользователь системы рекомендаций "лайкнул" данный элемент;

- данный пользователь системы рекомендаций "репостнул" данный элемент;

- данный пользователь системы рекомендаций щелкнул на (или иначе выбрал) данный элемент; и

- данный пользователь системы рекомендаций купил / заказал / загрузил данный элемент.

[163] Важно иметь в виду, что пользовательские события могут принимать различные формы, и никак конкретно не ограничены. Таким образом, представленные выше списки неограничивающих примеров того, как реализованы пользовательские события и факторы элементов, представлены здесь только для примера. И важно иметь в виду, что многие альтернативные варианты осуществления пользовательских событий и факторов элементов могут быть представлены в других вариациях в рамках настоящей технологии.

ЭТАП 806: создание ранжированного списка рекомендуемых элементов содержимого

[164] Способ 800 продолжается на этапе 806, где сервер 112 осуществляет создание ранжированного списка рекомендуемых элементов 400 содержимого (см. Фиг. 4). Для этого сервер 112 может быть выполнен с возможностью выполнять первый MLA 116, который реализован на сервере 112.

[165] До создания ранжированного списка рекомендуемых элементов 400 содержимого, сервер 112 может получать указание на содержимое (или самое содержимое) от множества веб-ресурсов 130. С этой целью, сервер 112 может получать соответствующий пакет данных от каждого из множества веб-ресурсов 130.

[166] Например, сервер 112 может получать по сети 110 передачи данных (i) первый пакет 162 данных из первого веб-ресурса 132, (ii) второй пакет 164 данных из второго веб-ресурса 134 и (i) третий пакет 116 данных из первого веб-ресурса 136. Следует отметить, что в альтернативных вариантах осуществления настоящей технологии, первый пакет 162 данных, второй пакет 163 данных и третий пакет 166 данных получают в режиме оффлайн (т.е. до получения запроса 150), например, раз в день, раз в час и т.д.

[167] В некоторых вариантах осуществления настоящей технологии, данный веб-ресурс во множестве веб-ресурсов 130 представляет собой данную веб-страницу, доступную на ее соответствующем URL (Универсальном указателе ресурса). Следовательно, можно сказать, что данный веб-ресурс (например, один из первого веб-ресурса 132, второго веб-ресурса 134 и третьего веб-ресурса 136) может включать в себя содержимое, поступающее с данной веб-страницы. Таким образом, каждый веб-ресурс может включать в себя соответствующую веб-страницу.

[168] В других вариантах осуществления настоящей технологии, данный веб-ресурс во множестве веб-ресурсов 130 представляет собой данное множество веб-страниц, которые расположены на общем веб-домене. Следовательно, можно сказать, что данный веб-ресурс (первый веб-ресурс 132, второй веб-ресурс 134 и третий веб-ресурс 136) может включать в себя данное множество веб-страниц, расположенных на общем веб-домене. Таким образом, каждый веб-ресурс может содержать веб-страницы, расположенные на общем домене.

[169] Подразумевается, что каждый из множества веб-ресурсов 130 может размещать соответствующее множество элементов содержимого. Следовательно, можно сказать, что содержимое данного веб-ресурса включает в себя содержимое данных элементов содержимого, которые связаны с данным веб-ресурсом. Также, это означает, что содержимое данного элемента содержимого поступает с соответствующего веб-ресурса.

[170] Следует отметить, что в некоторых случаях, по меньшей мере некоторые из множества веб-ресурсов 130 могут предоставлять нежелательное содержимое. Например, по меньшей мере один из множества веб-ресурсов 130 может предоставлять конкретный тип содержимого, называемого "click-bate''-содержимым, где поставщик веб-содержимого по меньшей мере одного из множества веб-ресурсов 130, с целью привлечь пользовательские клики к своему содержимому, добавляет провокационные или скандальные заголовки, чтобы захватить внимание пользователя и, как следствие, побудить пользователя взаимодействовать с этим содержимым. Тем не менее, оператор сервиса рекомендаций может определять "click-bate''-содержимое как нежелательное для предоставления в виде рекомендуемого содержимого пользователям системы рекомендаций, поскольку, несмотря на то, что это содержимое с большой вероятностью будет просмотрено большим количеством пользователей из-за привлекательных заголовков, "click-bate''-содержимое может не быть релевантным для этих пользователей.

[171] До создания ранжированного списка рекомендуемых элементов 400 содержимого, вне зависимости от того, содержит ли каждый веб-ресурс данную веб-страницу или данное множество веб-страниц, размещенных на данном общем домене, сервер 112 может парсить содержимое веб-ресурса в каждый пакте данных для того чтобы идентифицировать данные элементов содержимого, расположенные на множестве веб-ресурсов 130, и извлекать содержимое, связанное с каждым из данных элементов содержимого.

[172] Сервер 112 может быть выполнен с возможностью парсить каждое из первого, второго и третьего содержимого 202, 204 и 206 веб-ресурса (см. Фиг. 2), полученное с помощью первого, второго и третьего пакетов 162, 164 и 166 данных соответственно, для идентификации соответствующих элементов содержимого и извлечения содержимого, связанного с каждым из соответствующих элементов содержимого.

[173] Путем парсинга содержимого веб-ресурса, сервер 112 может идентифицировать элементы содержимого, связанные с каждым соответствующим первым веб-ресурсом и поступающие с него.

[174] Путем парсинга содержимого 202 первого веб-ресурса, сервер 112 может извлекать первое содержимое 212, которое представляет собой содержимое элемента I1 содержимого, второе содержимое 222, которое представляет собой содержимое элемента I2 содержимого, и третье содержимое 232, которое представляет собой содержимое элемента I3 содержимого.

[175] Путем парсинга содержимого 204 второго веб-ресурса, сервер 112 может извлекать четвертое содержимое 214, которое представляет собой содержимое элемента I4 содержимого, пятое содержимое 224, которое представляет собой содержимое элемента I5 содержимого, и шестое содержимое 234, которое представляет собой содержимое элемента I6 содержимого.

[176] Путем парсинга содержимого 206 третьего веб-ресурса, сервер 112 может извлекать седьмое содержимое 216, которое представляет собой содержимое элемента I7 содержимого, восьмое содержимое 226, которое представляет собой содержимое элемента I8 содержимого, и девятое содержимое 236, которое представляет собой содержимое элемента I9 содержимого.

[177] Следовательно, можно сказать, что каждый из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого связан с соответствующим веб-ресурсом (например, элементы содержимого I1, I2 и I3 связаны с первым веб-ресурсом 132, элементы содержимого I4, I5 и I6 связаны со вторым веб-ресурсом 134, и элементы I7, I8 и I9 связаны с третьим веб-ресурсом 136).

[178] До создания ранжированного списка рекомендуемых элементов 400 содержимого, сервер 112 анализирует каждое содержимое 212, 222, 232, 214, 224, 234, 216, 226 и 236, чтобы определить факторы элементов, связанные с каждым из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого соответственно. Сервер 112 может анализировать содержимое данного элемента содержимого, чтобы определить присущие элементу характеристики, которые основаны на содержимом соответствующего элемента содержимого.

[179] В некоторых случаях, по меньшей мере некоторые элементы I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого могли быть ранее рекомендованы сервисом рекомендаций их предыдущим пользователям, и с ними взаимодействовал по меньшей мере один предыдущий пользователь. Другими словами, по меньшей мере некоторые из элементов содержимого могли быть ранее сохранены в базе 124 данных рекомендуемых элементов содержимого, для которые соответствующие факторы элементов были ранее сохранены в базе 122 данных факторов элементов. В этих случаях, до создания ранжированного списка рекомендуемых элементов 400 содержимого, сервер 112 может быть выполнен с возможностью извлекать из базы 122 факторов элементов другие факторы элементов, в дополнение к присущим элементу характеристикам, связанным с каждым из по меньшей мере некоторых элементов содержимого.

[180] Следовательно, можно сказать, что каждый из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого связан с соответствующими факторами элемента. Это означает, что:

- элемент содержимого I1 связан с факторной информацией 301, представляющей факторы элемента I1 содержимого;

- элемент содержимого I2 связан с факторной информацией 302, представляющей факторы элемента I2 содержимого;

- элемент содержимого I3 связан с факторной информацией 303, представляющей факторы элемента I3 содержимого;

- элемент содержимого I4 связан с факторной информацией 304, представляющей факторы элемента I4 содержимого;

- элемент содержимого I5 связан с факторной информацией 305, представляющей факторы элемента I5 содержимого;

- элемент содержимого I6 связан с факторной информацией 306, представляющей факторы элемента I6 содержимого;

- элемент содержимого I7 связан с факторной информацией 307, представляющей факторы элемента I7 содержимого;

- элемент содержимого I8 связан с факторной информацией 308, представляющей факторы элемента I8 содержимого; и

- элемент содержимого I9 связан с факторной информацией 309, представляющей факторы элемента I9 содержимого;

[181] На основе факторов элементов каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9, содержимого и указания 350 на предыдущие пользовательские взаимодействия, связанные с пользователем 102, сервер 112 выполнен с возможностью создавать соответствующую персонализированную для пользователя оценку ранжирования для каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого.

[182] Для того, чтобы создать ранжированный список рекомендуемых элементов 400 содержимого, сервер 112 создает множество персонализированных для пользователя оценок 390 ранжирования, показанных на Фиг. 3. Сервер 112 может выполнять первый MLA 116 для создания соответствующей персонализированной для пользователя оценки ранжирования для каждого из элементов содержимого I1, I2, I3, I4, I5, I6, I7, I8 и I9. Первый MLA 116 упоминается здесь как "MLA персонализированного ранжирования", поскольку первый MLA 116 создает персонализированные для пользователя оценки ранжирования, которые указывают на расчетную релевантность соответствующих элементов содержимого для конкретного пользователя (в данном случае, они указывают на соответствующую расчетную релевантность элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого для пользователя 102).

[183] Первый MLA 116 обучен создавать персонализированные для пользователя оценки ранжирования для элементов содержимого на основе соответствующих им факторов элементов и указания 350 на предыдущие пользовательские взаимодействия пользователя 102 с сервисом рекомендаций.

[184] Со ссылкой на Фиг. 3, представлено указание 350 на предыдущие пользовательские взаимодействия пользователя 102 с сервисом рекомендаций, а также информация о каждом факторе элемента, представляющая соответствующие факторы элемента, связанные с соответствующим одним из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого. В первый MLA 116 (MLA персонализированного ранжирования) введены указание 350 на предыдущие пользовательские взаимодействия и информация о факторах, связанно с каждым из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого, и из MLA выводится соответствующая персонализированная для пользователя оценка ранжирования для каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого.

[185] Подразумевается, что сервер 112 может сохранять в главной базе 120 данных множество персонализированных для пользователя оценок 390 ранжирования в связи с соответствующими связанными элементами содержимого.

[186] Когда создается множество персонализированных для пользователя оценок 390 ранжирования, первый MLA 116, реализованный сервером 112, также создает ранжированный список рекомендуемых элементов 400, как показано на Фиг. 4, содержимого, который, в данном случае, включает в себя элементы I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого, которые ранжированы на основе соответственно связанных с ними связанных персонализированных для пользователя оценок ранжирования из множества персонализированных для пользователя оценок 390 ранжирования. Сервер 112 может сохранять ранжированный список рекомендуемых элементов 400 содержимого в главной базе 120 данных для дальнейшего использования.

[187] Данный элемент содержимого с наибольшей персонализированной для пользователя оценкой ранжирования из множества персонализированных для пользователя оценок 390 ранжирования будет связан с наиболее высоким рангом в ранжированном списке рекомендуемых элементов 400 содержимого, а другой данный элемент содержимого, связанный с низкой персонализированной для пользователя оценкой ранжирования из множества персонализированных для пользователя оценок 390 ранжирования, связан с самым низким рангом в ранжированном списке рекомендуемых элементов 400 содержимого.

[188] Следует отметить, что элементы I1, I2, I3, I4, I5, I6, I7, I8 и I9 ранжированы в ранжированном списке рекомендуемых элементов 400 содержимого на основе их расчетной релевантности для пользователя 102.

[189] Как было упомянуто ранее, элемент I2 содержимого связан с наиболее высокой расчетной релевантностью для пользователя 102, поскольку вторая персонализированная для пользователя оценка 322 ранжирования, связанная с элементом содержимого I2, является наиболее высокой персонализированной для пользователя оценкой ранжирования из множества персонализированных для пользователя оценок 390 ранжирования.

[190] Как уже упоминалось ранее, элемент I8 содержимого связан с наиболее низкой расчетной релевантностью для пользователя 102, поскольку восьмая персонализированная для пользователя оценка 326 ранжирования, связанная с элементом содержимого I8, является наиболее низкой персонализированной для пользователя оценкой ранжирования из множества персонализированных для пользователя оценок 390 ранжирования.

[191] Следует отметить, то, в данном случае, элемент I4 содержимого ранжирован 2-ым в ранжированном списке рекомендуемых элементов 400 содержимого, а элемент I7 ранжирован 5-ым в модифицированном ранжированном списке рекомендуемых элементов 400 содержимого.

[192] Тем не менее, как уже упоминалось ранее, по меньшей мере некоторые элементы содержимого среди элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого могут быть связаны с потенциально нежелательным содержимым для пользователей сервиса рекомендаций. В общем случае, несмотря на то, что данный элемент содержимого оценен как высоко релевантный для данного пользователя, этот данный элемент содержимого может, тем не менее, быть связан с потенциально нежелательным содержимым для рекомендации пользователям сервиса рекомендаций на основе заранее определенных правил в отношении содержимого. Например, данный "click-bate''-элемент содержимого может быть оценен как высокорелевантный для данного пользователя, поскольку он может быть связан с большим количеством пользовательских взаимодействий (например, кликов). Таким образом, данный "click-bate''-элемент содержимого может обладать большой оценкой релевантности, что приводит к тому, что "click-bate''-элемент содержимого ранжирован высоко на основе релевантности, чем следует, поскольку, в случае когда содержимое представляет собой "click-bate''-содержимое, число пользовательских взаимодействий является ошибочным индикатором его релевантности для данного пользователя.

ЭТАП 808: создание понижающей оценки для каждого элемента содержимого

[193] Способ 800 продолжается на этапе 808, где сервер 112 создает соответствующую понижающую оценку для каждого элемента содержимого в ранжированном списке рекомендуемых элементов 400 содержимого.

[194] Для этого сервер 112 выполняет второй MLA 118. Второй MLA 118 во время фазы использования выполнен с возможностью создавать понижающие оценки для элементов содержимого. Для того, чтобы создавать понижающие оценки для элементов содержимого, второй MLA 118 обучен во время фазы обучения.

[195] В общем случае, второй MLA 118 обучен получать данный элемент содержимого и выводить, для введенного данного элемента содержимого, понижающую оценку, которая указывает на степень нежелательности введенного содержимого. В широком смысле, MLA 118 выполнен с возможностью выводить понижающую оценку на основе: (i) содержимого данного элемента содержимого; (ii) содержимого множества / всех элементов содержимого веб-ресурса; и (iii) комбинации (i) и (ii).

[196] Как уже ранее упоминалось, для того, чтобы идентифицировать нежелательное содержимое, оператор может определять правила в отношении содержимого, которые указывают на различные типы нежелательного содержимого, такого как "click-bate''-содержимое, жестокое содержимое, содержимое сексуального характера, кровавое содержимое, нецензурное содержимое и так далее. Таким образом, обучение второго MLA 118 может быть по меньшей мере частично основано на заранее определенных правилах в отношении содержимого, которые были заранее определены оператором сервиса рекомендаций.

[197] В некоторых вариантах осуществления настоящей технологии, второй MLA 118 может быть обучен на основе "индикаторов нежелательного содержимого", которые основаны в свою очередь на заранее определенных правилах в отношении содержимого. Как уже ранее упоминалось, индикаторы нежелательного содержимого могут представлять эвристические правила, которые, при подтверждении после анализа данного элемента содержимого, указывают на то, что данный элемент содержимого относится к типу, который включен в заранее определенные правила в отношении содержимого.

[198] В других вариантах осуществления настоящей технологии, второй MLA 118 может быть обучен на основе заранее определенных обучающих данных, которые были созданы на основе заранее определенных правил в отношении содержимого. Как было упомянуто ранее, обучающие данные могут быть созданы сервером 112 после ранжирования множества обучающего содержимого (например, содержимого множества обучающих элементов содержимого) множеством асессоров. Сервер 112 может создавать множество пар "обучающее содержимое - рейтинг асессора", которые используются как обучающие данные для обучения второго MLA 118.

[199] Подразумевается, что множество обучающего содержимого (например, содержимого множества обучающих элементов содержимого) может поступать или не поступать с множества веб-ресурсов 130. Множество обучающего содержимого может поступать с множества сетевых источников, которые могут включать или не включать по меньшей мере некоторые из множества веб-ресурсов 130.

[200] Во время фазы обучения второй MLA 118 обучается, в некотором смысле, отношениям и/или шаблонам данных между обучающим содержимым (например, содержимое множества обучающих элементов содержимого) и соответствующими рейтингами асессора, которые основаны на заранее определенных правилах в отношении содержимого, для того чтобы (i) классифицировать данное содержимое, введенное в него во время фазы использования и (ii) создавать данную понижающую оценку для данного содержимого на основе этой классификации.

[201] Второй MLA 118 может быть обучен связывать данное введенное в него содержимое по меньшей мере с одним классом содержимого среди множества классов содержимого. В некоторых вариантах осуществления технологии, множества классов содержимого может содержать (i) по меньшей мере один класс нежелательного содержимого и (ii) по меньшей мере один класс нейтрального содержимого.

[202] По меньшей мере один класс нежелательного содержимого может быть связан с данным типом нежелательного содержимого, включенного в заранее определенные правила в отношении содержимого, причем содержимое, которое не связано ни с каким типом нежелательного содержимого, может быть связано по меньшей мере с одним классом нейтрального содержимого.

[203] В других вариантах осуществления технологии, по меньшей мере один класс нежелательного содержимого может включать в себя набор классов нежелательного содержимого, где каждый класс нежелательного содержимого в наборе классов нежелательного содержимого связан с соответствующим типом нежелательного содержимого, включенного в заранее определенные правила содержимого. Например, первый класс нежелательного содержимого в наборе классов нежелательного содержимого может быть связан с "click-bate''-содержимым, а второй класс нежелательного содержимого в наборе классов нежелательного содержимого может быть связан с содержимым сексуального характера.

[204] Когда данное содержимое классифицировано вторым MLA 118 на один из множества классов содержимого, второй MLA 118 может создавать данную понижающую оценку для данного содержимого на основе соответствующего класса содержимого из множества классов содержимого, в который попадает данное содержимое. Второй MLA 118 упоминается здесь как "не зависящий от пользователя MLA классификации", поскольку, в отличие от первого MLA 116, второй MLA 118 не был обучен на информации, связанной с пользователями сервиса рекомендаций, и не использует ее для создания понижающих оценок. Второй MLA 118 создает понижающие оценки не зависящим от пользователя образом и основывается на конкретном содержимом, а не конкретном пользователе.

[205] Следует отметить, что второй MLA 118 обучается создавать понижающие оценки для элементов содержимого на основе содержимого, поступающего с соответствующих веб-ресурсов, и при этом каждая понижающая оценка указывает на степень нежелательности содержимого, поступающего с соответствующего веб-ресурса. Подразумевается, что каждая понижающая оценка может указывать на степень нежелательности по меньшей мере содержимого соответствующего элемента содержимого.

[206] После завершения фазы обучения второго MLA 118, во время фазы использования второго MLA 118, сервер вводит содержимое каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого во второй MLA 118, который выводит соответствующую понижающую оценку для каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого.

[207] Подразумевается, что способ, которым реализовано обучающее содержимое (например, содержимое множества обучающих элементов содержимого), которое вводится и используется во время фазы обучения второго MLA 118, может быть аналогичен способу, которым реализовано содержимое фазы использования (например, содержимое каждого из элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого), которое вводится и используется во время фазы использования второго MLA 118.

[208] Подразумевается, что второй MLA 118 может создавать понижающие оценки для элементов содержимого на основе различных комбинаций содержимого, поступающего с соответствующего веб-ресурса - например, индивидуальные элементы содержимого, содержимое всех элементов содержимого, или содержимое выбранного подмножества элементов содержимого (например, того, которое отображается на целевой странице).

[209] В одном варианте осуществления настоящей технологии, второй MLA 118 может быть выполнен с возможностью создавать данную понижающую оценку для данного элемента содержимого на основе содержимого данного элемента содержимого (это содержимое поступает с соответствующего веб-ресурса, размещающего данный элемент содержимого). В этом варианте осуществления технологии, второй MLA 118 может создавать понижающие оценки на основе каждого элемента таким образом, что каждая понижающая оценка основана на содержимом каждого соответствующего элемента содержимого.

[210] Следовательно, можно сказать, в одном варианте осуществления технологии, что содержимое, поступающее с соответствующего веб-ресурса, используемого для создания соответствующей понижающей оценки, может представлять собой содержимое соответствующего элемента содержимого, размещенного на соответствующем веб-ресурсе.

[211] В другом варианте осуществления настоящей технологии, второй MLA 118 может быть выполнен с возможностью создавать данную понижающую оценку для данного элемента содержимого на основе агрегированного содержимого всех элементов содержимого, поступающих с данного веб-ресурса. Это означает, что второй MLA 118 может создавать идентичную понижающую оценку для каждого элемента содержимого, поступающего с одного и того же веб-ресурса, поскольку каждая из их понижающих оценок будет основана на одном и том же агрегированном содержимом, поступающем с одного и того же веб-ресурса. В этом варианте осуществления технологии, можно сказать, что второй MLA 118 может быть выполнен с возможностью создавать понижающие оценки на основе каждого веб-ресурса таким образом, что каждая понижающая оценка основана на агрегированном содержимом всех элементов содержимого, поступающих с одного и того же веб-ресурса.

[212] Следовательно, можно сказать, в другом варианте осуществления технологии, что содержимое, поступающее с соответствующего веб-ресурса, используемого для создания соответствующей понижающей оценки, может представлять собой агрегированное содержимое всех элементов содержимого, размещенных на соответствующем веб-ресурсе.

[213] В других вариантах осуществления настоящей технологии, второй MLA 118 может быть выполнен с возможностью создавать понижающие оценки с помощью комбинации подходов с каждым элементом и каждым веб-ресурсом. Второй MLA 118 может создавать (i) данную понижающую оценку каждого элемента для данного элемента содержимого на основе его соответствующего содержимого и (ii) данную понижающую оценку каждого веб-ресурса для этого данного элемента содержимого на основе агрегированного содержимого всех элементов содержимого, поступающих с соответствующего веб-ресурса, с которого поступает данный элемент содержимого. Следовательно, подразумевается, что второй MLA 118 может создавать данную понижающую оценку для данного элемента содержимого в виде взвешенной суммы (i) понижающей оценки каждого элемента для данного элемента содержимого и (ii) понижающей оценки каждого веб-ресурса для данного элемента содержимого.

[214] Следовательно, можно сказать, что второй MLA 118 может быть выполнен с возможностью создавать понижающие оценки на гибридной основе элемента и веб-ресурса таким образом, что данная понижающая оценка основана на (i) содержимом каждого соответствующего элемента содержимого и (ii) агрегированном содержимом всех элементов содержимого, поступающих с одного и того же веб-ресурса, что и соответствующий элемент содержимого.

[215] Подразумевается, что весовые коэффициенты, применяемые к данной понижающей оценке каждого элемента и к данной понижающей оценке каждого веб-ресурса для каждого соответствующего элемента содержимого в каждой соответствующей взвешенной сумме, могут быть заранее определены оператором сервиса рекомендаций.

[216] Следовательно, можно сказать, что в других вариантах осуществления технологии, содержимое, поступающее с соответствующего веб-ресурса, используемое для создания соответствующей понижающей оценки, может быть (i) агрегированным содержимым всех элементов содержимого, содержащихся на соответствующем веб-ресурсе, взвешенных с помощью первого весового коэффициента; и (ii) содержимым соответствующего элемента содержимого, взвешенного с помощью второго весового коэффициента.

[217] Вне зависимости от того, на какой основе создается данная понижающая оценка для данного элемента содержимого вторым MLA 118, данная понижающая оценка, которая связана с соответствующим элементом содержимого, указывает на степень нежелательности содержимого, поступающего с соответствующего веб-ресурса.

[218] Сервер 112 может сохранять в главной базе 120 данных множество понижающих оценок 590 (см. Фиг. 5) в связи с соответствующими связанными элементами содержимого.

[219] В некоторых вариантах осуществления настоящей технологии, второй MLA 118 может быть выполнен с возможностью классифицировать содержимое, поступающее с первого, второго и третьего веб-ресурсов 132, 134 и 136 до получения запроса 150. Другими словами, второй MLA 118 может "заранее классифицировать" содержимое, поступающее с соответствующего первого, второго и третьего веб-ресурсов 132, 1134 и 136 в соответствующий один из по меньшей мере одного из множества классов элементов (аналогично тому, как это описано выше, но до получения сервером 112 запроса 150 на предоставление рекомендуемого содержимого пользователю 102). Второй MLA 118 может также быть выполнен с возможностью создавать понижающие оценки для каждого веб-ресурса до получения запроса 150. Другими словами, все содержимое, поступающее с данного хоста, может быть понижено с помощью той же самой понижающей оценки.

[220] В других вариантах осуществления настоящей технологии, второй MLA 118 может быть выполнен с возможностью на периодической основе (i) классифицировать содержимое, поступающее с первого, второго и третьего веб-ресурсов 132, 134 и 136 и (ii) создавать снижающие оценки для каждого веб-ресурса. Например, в первый момент времени, второй MLA 118 может быть выполнен с возможностью (i) классифицировать, для первого момента времени, содержимое, поступающее с первого, второго и третьего веб-ресурсов 132, 134 и 136 и (ii) создавать, для первого момента времени, снижающие оценки для каждого веб-ресурса. Например, во второй момент времени, второй MLA 118 может быть выполнен с возможностью (i) классифицировать, для второго момента времени, содержимое, поступающее с первого, второго и третьего веб-ресурсов 132, 134 и 136 и (ii) создавать, для второго момента времени, снижающие оценки для каждого веб-ресурса. В результате, классификация содержимого, поступающего с первого, второго и третьего веб-ресурсов 132, 134 и 136 в первый момент времени может отличаться от классификации во второй момент времени и, таким образом, понижающие оценки, созданные для каждого веб-ресурса в первый момент времени, могут отличаться от понижающих оценок, созданных для каждого веб-ресурса во второй момент времени.

[221] Следовательно, можно сказать, что если содержимое, поступающее с данного первого, второго и третьего веб-ресурсов 132, 134 и 136, классифицировано как нежелательное содержимое вторым MLA 118 во второй момент времени, несмотря на то, что содержимое, поступающее с данного первого, второго и третьего веб-ресурсов 132, 134 и 136, не было классифицировано как нежелательное содержимое вторым MLA 118 в первый момент времени, понижающие оценки для второго момента могут быть выше, чем понижающие оценки для первого момента времени. Аналогично, можно сказать, что если содержимое, поступающее с данного первого, второго и третьего веб-ресурсов 132, 134 и 136, не классифицировано как нежелательное содержимое вторым MLA 118 во второй момент времени, несмотря на то, что содержимое, поступающее с данного первого, второго и третьего веб-ресурсов 132, 134 и 136, классифицировано как нежелательное содержимое вторым MLA 118 в первый момент времени, понижающие оценки для второго момента могут быть ниже, чем понижающие оценки для первого момента времени.

[222] Следует отметить, что классификация содержимого, поступающего с данного первого, второго и третьего веб-ресурсов 132, 134 и 136 в первый момент времени может отличаться от классификации во второй момент времени, поскольку содержимое, поступающее с данного первого, второго и третьего веб-ресурсов 132, 134 и 136 в первый момент времени, может отличаться от содержимого, поступающего с данного первого, второго и третьего веб-ресурсов 132, 134 и 136 во второй момент времени.

ЭТАП 810: создание уточненной оценки ранжирования для каждого элемента содержимого

[223] Способ 800 продолжается на этапе 810, где сервер 112 создает уточненные оценки ранжирования для каждого соответствующего элемента содержимого в ранжированном списке рекомендуемых элементов 400 содержимого на основе соответствующей персонализированной для пользователя оценки ранжирования и соответствующей понижающей оценки.

[224] Со ссылкой на Фиг. 6, сервер 112 создает соответствующую уточненную оценку ранжирования для каждого из элементов содержимого I1, I2, I3, I4, I5, I6, I7, I8 и I9. Сервер 112 создает множество уточненных оценок 690 ранжирования на основе множества персонализированных для пользователя оценок 390 ранжирования и множества понижающих оценок 590.

[225] Подразумевается, что каждая уточненная оценка ранжирования создает по меньшей мере частично с персонализацией для пользователя и по меньшей мере частично независимым от пользователя образом. Другими словами, каждая уточненная оценка ранжирования создается по меньшей мере частично на основе предыдущих пользовательских взаимодействий конкретного пользователя (часть с персонализацией для пользователя) и на содержимом, поступающим с веб-ресурса соответствующего элемента содержимого (независимая от пользователя часть).

[226] Следует отметить, что в некоторых вариантах осуществления технологии, понижающие оценки и персонализированные для пользователя оценки ранжирования могут обладать противоположными знаками. Другими словами, данная уточненная оценка ранжирования может быть меньше соответствующей персонализированной для пользователя оценке ранжирования.

[227] Следует отметить, что в данном случае (i) четвертая уточненная оценка 614 ранжирования элемента I4 содержимого меньше четвертой персонализированной для пользователя оценки 413 ранжирования элемента I4 содержимого и (ii) седьмая уточненная оценка 616 ранжирования элемента 17 содержимого меньше седьмой персонализированной для пользователя оценки 316 ранжирования элемента 17 содержимого.

[228] Подразумевается, что элементы содержимого, ранжированные на основе соответствующих персонализированных для пользователя оценок ранжирования могут не сохранять их соответствующие ранги при ранжировании на основе соответствующих уточненных оценок ранжирования. Следовательно, ранги по меньшей мере некоторых элементов могут быть понижены, если элементы содержимого ранжированы на основе уточненных оценок ранжирования по сравнению с их рангами, если элементы содержимого ранжируются на основе персонализированных для пользователя оценок ранжирования.

[229] Следовательно, можно сказать, в некоторых вариантах осуществления настоящей технологии, элементы содержимого, которые ранжируются с персонализацией для пользователя, могут не сохранять свои ранги при ранжировании в комбинации (i) конкретного для пользователя способа (ii) зависящего от содержимого способа (независимый от пользователя способ).

[230] Подразумевается, что сервер 112 может сохранять в главной базе 120 данных множество уточненных оценок 690 ранжирования в связи с соответствующими связанными элементами содержимого.

ЭТАП 812: создание модифицированного ранжированного списка рекомендуемых элементов содержимого на основе элементов содержимого и уточненных оценок ранжирования

[231] Способ 800 продолжается на этапе 812, где сервер 112 создает модифицированный ранжированный список рекомендуемых элементов 700 (см. Фиг. 7) содержимого, которые предназначены для представления пользователю 102 на основе элементов I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого и соответствующих связанных уточненных оценок ранжирования из множества уточненных оценок 690 ранжирования.

[232] Элементы содержимого в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого ранжированы в соответствии с соответствующими уточненными оценками ранжирования. Это означает, что данный элемент содержимого с наибольшей уточненной оценкой ранжирования из множества уточненных оценок 690 ранжирования будет связан с наиболее высоким рангом в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого, а другой данный элемент содержимого, связанный с низкой уточненной оценкой ранжирования из множества уточненных оценок 690 ранжирования, связан с самым низким рангом в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого.

[233] Следует отметить, что элементы содержимого в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого ранжированы между друг другом с учетом одновременно (i) расчетной релевантности каждого соответствующего элемента содержимого и (ii) степени нежелательности содержимого, поступающего с веб-ресурса каждого соответствующего элемента содержимого.

[234] В некоторых вариантах осуществления настоящей технологии, элементы содержимого, ранжированные на основе расчетной релевантности каждого соответствующего элемента содержимого, могут не сохранять свои ранги при ранжировании с помощью комбинации (i) расчетной релевантности каждого соответствующего элемента содержимого и (ii) степени нежелательности содержимого, поступающего с веб-ресурса каждого соответствующего элемента содержимого.

[235] Сервер 112 может сохранять в главной базе 120 данных элементы I1, I2, I3, I4, I5, I6, I7, I8 и I9 содержимого в связи с их соответствующими рангами в модифицированном списке рекомендуемых элементов содержимого 700.

[236] Со ссылкой на Фиг. 4 и 7 следует отметить, что ранги по меньшей мере некоторых элементов содержимого в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого отличаются от соответствующих им рангов в ранжированном списке рекомендуемых элементов 400 содержимого.

[237] Как упоминалось ранее, элемент I4 содержимого ранжирован 2-ым в ранжированном списке рекомендуемых элементов 400 содержимого, и ранжирован 5-ым в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого. В другом примере, элемент I7 содержимого ранжирован 5-ым в ранжированном списке рекомендуемых элементов 400 содержимого, и ранжирован 2-ым в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого.

[238] Следовательно, подразумевается, что уточненный ранг данного элемента содержимого (ранг элемента содержимого в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого) может быть меньше его данного рангу в ранжированном списке рекомендуемых элементов 400 содержимого.

[239] Это понижение ранга элементов I4 и I7 содержимого с соответствующих им рангов в ранжированном списке рекомендуемых элементов 400 содержимого на уточненные ранги в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого указывает на то, что элементы I4 и I7 содержимого вероятно связаны с нежелательным содержимым.

ЭТАП 814: инициирование представления ранжированного рекомендуемого списка элементов содержимого в виде ранжированного рекомендуемого содержимого

[240] Способ 800 завершается на этапе 814, где сервер 112 инициирует представление данного ранжированного рекомендуемого списка элементов содержимого пользователю 102 на электронном устройстве 104 в виде ранжированного рекомендуемого содержимого. Ранжированный рекомендуемый список элементов содержимого включает в себя по меньшей мере некоторые элементы содержимого из модифицированного ранжированного списка рекомендуемых элементов 700 содержимого.

[241] В некоторых вариантах осуществления настоящей технологии, модифицированный ранжированный список рекомендуемых элементов 700 может быть использован как данный ранжированный рекомендуемый список элементов содержимого. Это означает, сервер 112 может быть выполнен с возможностью инициировать представление модифицированного ранжированного списка рекомендуемых элементов 700 пользователю 102 в виде ранжированного рекомендуемого содержимого. Таким образом, сервер 112 может инициировать представление элементов I4 и I7 содержимого пользователю в соответствии с их соответствующими уточненными рангами (5-ым и 9-ым рангами соответственно) в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого.

[242] Сервер 112 может создавать пакет данных, например, ответ 153, который в данном случае включает в себя информацию, указывающую на модифицированный ранжированный список рекомендуемых элементов 700 содержимого и инструкции для инициирования его представления на электронном устройстве 104. Сервер 112 может передавать ответ 153 электронному устройству 104 через сеть 110 передачи данных для инициирования представления модифицированного ранжированного списка рекомендуемых элементов содержимого пользователю 102.

[243] В других вариантах осуществления настоящей технологии, до создания и передачи ответа 153, сервер 112 может быть выполнен с возможностью предоставлять модифицированный ранжированный список рекомендуемых элементов 700 содержимого дополнительному алгоритму 119 рекомендаций (см. Фиг. 1) для выбора по меньшей мере некоторых элементов содержимого из модифицированного ранжированного списка рекомендуемых элементов 700 содержимого, которые предназначены для включения в данный ранжированный рекомендуемый список элементов содержимого.

[244] Дополнительный алгоритм 119 рекомендаций может выбирать элементы содержимого из модифицированного ранжированного списка рекомендуемых элементов 700 содержимого, которые предназначены для включения в данный ранжированный рекомендуемый список элементов содержимого, которые связаны с соответствующими уточненными оценками ранжирования, которые превышают заранее определенный порог уточненной оценки ранжирования. Как упоминалось ранее, заранее определенный порог уточненной оценки ранжирования мог быть определен оператором сервиса рекомендаций.

[245] Дополнительный алгоритм 119 рекомендаций может определять (i) что элементы I2, I1, I3, I6, I4 и I5 содержимого связаны с соответствующими уточненными оценками ранжирования, которые связаны с соответствующими уточненными оценками ранжирования, которые превосходят заранее определенный порог уточненной оценки и/или (ii) что элементы содержимого I9, I8 и I7 связаны с соответствующими уточненными оценками ранжирования, которые меньше заранее определенного порога уточненной оценки ранжирования. Таким образом, дополнительный алгоритм 119 рекомендаций может выбирать I2, I1, I3, I6, I4 и I5 из модифицированного ранжированного списка рекомендуемых элементов 700 содержимого и может включать их в данный ранжированный список рекомендуемых элементов содержимого в соответствии с их соответствующим порядком ранжирования в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого.

[246] Следовательно, подразумевается, что дополнительный алгоритм 119 рекомендаций реализован сервером 112 может ограничивать модифицированный ранжированный список рекомендуемых элементов 700 до заранее определенного числа наиболее высоко ранжированных элементов рекомендуемого содержимого в соответствии с соответствующими скорректированными оценками ранжирования. В этом случае, ограниченный модифицированный ранжированный список рекомендуемых элементов 700 может быть использован как данный ранжированный список рекомендуемых элементов содержимого.

[247] Подразумевается, что способ 800 может далее включать в себя этап ограничения модифицированного ранжированного списка рекомендуемых элементов 700 содержимого до заранее определенного числа наиболее высоко ранжированных элементов рекомендуемого содержимого в соответствии с соответствующими скорректированными оценками ранжирования. Например, сервер 112 может ограничивать данный модифицированный ранжированный список рекомендуемых элементов содержимого верхними 2, 3, 4, 5, 10, 15 и так далее, элементами содержимого.

[248] Сервер 112 может создавать ответ 153, который, в данном случае, включает в себя информацию, указывающую на ранжированный рекомендуемый список элементов содержимого, включающий элементы I2, I1, I3, I6, I4 и I5 содержимого (ранжированные в соответствии с их соответствующими рангами в модифицированном ранжированном списке рекомендуемых элементов 700 содержимого) и инструкции по инициированию их представления электронным устройством 104. Сервер 112 может передавать ответ 153 электронному устройству 104 через сеть 110 передачи данных для инициирования представления ранжированного рекомендуемого списка элементов содержимого пользователю 102.

[249] Модификации и улучшения вышеописанных вариантов осуществления настоящей технологии будут ясны специалистам в данной области техники. Предшествующее описание представлено только в качестве примера и не устанавливает никаких ограничений. Таким образом, объем настоящей технологии ограничен только объемом прилагаемой формулы изобретения.

1. Способ представления элемента рекомендуемого содержимого пользователю на электронном устройстве, элемент рекомендуемого содержимого связан с потенциально нежелательным содержимым, способ выполняется на сервере, на котором расположен сервис рекомендаций, способ включает в себя:

получение сервером запроса на представление рекомендуемого содержимого пользователю;

получение сервером указания на предыдущие пользовательские взаимодействия пользователя с сервисом рекомендаций;

создание с помощью MLA (алгоритма машинного обучения) персонализированного ранжирования, реализуемого сервером, ранжированного списка рекомендуемых элементов содержимого;

каждый элемент содержимого в ранжированном списке элементов рекомендуемого содержимого связан с соответствующими факторами элемента и соответствующим веб-ресурсом, факторы элемента для каждого элемента содержимого основаны на содержимом соответствующего элемента содержимого, причем содержимое каждого элемента содержимого поступает с соответствующего веб-ресурса,

MLA персонализированного ранжирования обучен создавать персонализированные для пользователя оценки ранжирования для элементов содержимого на основе соответствующих им факторов элементов и указания на предыдущие пользовательские взаимодействия с сервисом рекомендаций,

каждый элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с соответствующей персонализированной для пользователя оценкой ранжирования, которая указывает на расчетную релевантность соответствующего элемента содержимого для пользователя,

данный элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с данным рангом в ранжированном списке рекомендуемых элементов содержимого;

создание с помощью не зависящего от пользователя MLA классификации, реализуемого сервером, понижающей оценки для каждого элемента содержимого в ранжированном списке рекомендуемых элементов содержимого,

не зависящий от пользователя MLA классификации обучен классифицировать содержимое, поступающее с соответствующего веб-ресурса на один из множества классов содержимого, и создавать понижающие оценки для элементов содержимого на основе соответствующего одного из множества классов содержимого, которое поступает с соответствующих веб-ресурсов, каждая понижающая оценка указывает на степень нежелательности содержимого, поступающего с соответствующего веб-ресурса;

создание сервером уточненной оценки ранжирования для каждого элемента содержимого в ранжированном списке рекомендуемых элементов содержимого на основе соответствующей персонализированной для пользователя оценки ранжирования и соответствующей понижающей оценки, уточненная оценка ранжирования данного элемента содержимого меньше персонализированной для пользователя оценки ранжирования данного элемента;

создание сервером модифицированного ранжированного списка рекомендуемых элементов содержимого, предназначенных для представления пользователю на основе элементов содержимого и соответствующих связанных уточненных оценок ранжирования, элементы содержимого в модифицированном ранжированном списке рекомендуемых элементов содержимого ранжированы в соответствии с соответствующими уточненными оценками ранжирования, данный элемент содержимого связан с уточненным рангом в модифицированном ранжированном списке рекомендуемых элементов содержимого, причем уточненный ранг меньше данного ранга; и

инициирование сервером представления ранжированного рекомендуемого списка элементов содержимого пользователю на электронном устройстве в виде ранжированного рекомендуемого содержимого, ранжированный рекомендуемый список элементов содержимого включает в себя по меньшей мере некоторые элементы содержимого из модифицированного ранжированного списка рекомендуемых элементов содержимого, причем данный элемент содержимого представлен пользователю на уточненном ранге в модифицированном ранжированном списке рекомендуемых элементов содержимого.

2. Способ по п. 1, в котором множество классов содержимого содержит по меньшей мере один класс нежелательного содержимого и по меньшей мере один класс нейтрального содержимого.

3. Способ по п. 2, в котором по меньшей мере один класс нежелательного содержимого может включать в себя набор классов нежелательного содержимого, причем каждый из набора классов нежелательного содержимого связан с соответствующим типом нежелательного содержимого, включенного в заранее определенные правила содержимого.

4. Способ по п. 1, в котором содержимое, поступающее с соответствующих веб-ресурсов, является агрегированным содержимым всех элементов содержимого, содержащихся на соответствующем веб-ресурсе.

5. Способ по п. 1, в котором содержимое, поступающее с соответствующих веб-ресурсов, представляет собой содержимое соответствующего элемента содержимого.

6. Способ по п. 1, в котором содержимое, поступающее с соответствующих веб-ресурсов, представляет собой:

агрегированное содержимое всех элементов содержимого, расположенных на соответствующем веб-ресурсе, взвешенное с помощью первого весового коэффициента; и

содержимое соответствующего элемента содержимого, взвешенное с помощью второго весового коэффициента.

7. Способ по п. 1, в котором каждый веб-ресурс включает в себя веб-страницы, расположенные на общем домене.

8. Способ по п. 1, в котором каждый веб-ресурс включает в себя соответствующую веб-страницу.

9. Способ по п. 1, в котором способ далее включает в себя ограничение сервером модифицированного ранжированного списка рекомендуемых элементов до заранее определенного числа наиболее высоко ранжированных элементов рекомендуемого содержимого в соответствии с соответствующими скорректированными оценками ранжирования.

10. Способ по п. 1, в котором:

не зависящий от пользователя MLA классификации обучен классифицировать содержимое, поступающее с соответствующего веб-ресурса на один из множества классов содержимого, и создавать понижающие оценки для элементов содержимого на основе соответствующего одного из множества классов содержимого, которое поступает с соответствующих веб-ресурсов, и заранее определенных правил в отношении содержимого.

11. Способ по п. 10, в котором заранее определенные правила в отношении содержимого заранее определены оператором не зависящего от пользователя MLA классификации.

12. Способ по п. 11, в котором заранее определенные правила в отношении содержимого указывают на тип нежелательного содержимого.

13. Способ по п. 1, в котором содержимое, поступающее с данного веб-ресурса, классифицируется не зависящим от пользователя MLA классификации на периодической основе.

14. Способ по п. 1, в котором содержимое, поступающее с данного веб-ресурса, классифицируется не зависящим от пользователя MLA классификации (i) в первый из множества классов содержимого в первый момент времени и (ii) во второй из множества классов содержимого во второй момент времени.

15. Способ по п. 14, в котором по меньшей мере один из первого момента времени и второго момента времени предшествует получению сервером запроса на предоставление пользователю рекомендуемого содержимого.

16. Сервер для представления элемента рекомендуемого содержимого пользователю на электронном устройстве, элемент рекомендуемого содержимого связан с потенциально нежелательным содержимым, причем на сервере расположен сервис рекомендаций, сервер выполнен с возможностью осуществлять:

получение запроса на представление рекомендуемого содержимого пользователю;

получение указания на предыдущие пользовательские взаимодействия пользователя с сервисом рекомендаций;

создание с помощью MLA персонализированного ранжирования, реализуемого сервером, ранжированного списка рекомендуемых элементов содержимого;

каждый элемент содержимого в ранжированном списке элементов рекомендуемого содержимого связан с соответствующими факторами элемента и соответствующим веб-ресурсом, факторы элемента для каждого элемента содержимого основаны на содержимом соответствующего элемента содержимого, причем содержимое каждого элемента содержимого поступает с соответствующего веб-ресурса, MLA персонализированного ранжирования обучен создавать персонализированные для пользователя оценки ранжирования для элементов содержимого на основе соответствующих им факторов элементов и указания на предыдущие пользовательские взаимодействия с сервисом рекомендаций,

каждый элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с соответствующей персонализированной для пользователя оценкой ранжирования, которая указывает на расчетную релевантность соответствующего элемента содержимого для пользователя,

данный элемент содержимого в ранжированном списке рекомендуемых элементов содержимого связан с данным рангом в ранжированном списке рекомендуемых элементов содержимого;

создание с помощью не зависящего от пользователя MLA классификации, реализуемого сервером, понижающей оценки для каждого элемента содержимого в ранжированном списке рекомендуемых элементов содержимого,

не зависящий от пользователя MLA классификации обучен классифицировать содержимое, поступающее с соответствующего веб-ресурса на один из множества классов содержимого, и создавать понижающие оценки для элементов содержимого на основе соответствующего одного из множества классов содержимого, которое поступает с соответствующих веб-ресурсов, каждая понижающая оценка указывает на степень нежелательности содержимого, поступающего с соответствующего веб-ресурса;

создание уточненной оценки ранжирования для каждого элемента содержимого в ранжированном списке рекомендуемых элементов содержимого на основе соответствующей персонализированной для пользователя оценки ранжирования и соответствующей понижающей оценки, уточненная оценка ранжирования данного элемента содержимого меньше персонализированной для пользователя оценки ранжирования данного элемента;

создание модифицированного ранжированного списка рекомендуемых элементов содержимого, предназначенных для представления пользователю на основе элементов содержимого и соответствующих связанных уточненных оценок ранжирования, элементы содержимого в модифицированном ранжированном списке рекомендуемых элементов содержимого ранжированы в соответствии с соответствующими уточненными оценками ранжирования, данный элемент содержимого связан с уточненным рангом в модифицированном ранжированном списке рекомендуемых элементов содержимого, причем уточненный ранг меньше данного ранга; и

инициирование представления ранжированного рекомендуемого списка элементов содержимого пользователю на электронном устройстве в виде ранжированного рекомендуемого содержимого, ранжированный рекомендуемый список элементов содержимого включает в себя по меньшей мере некоторые элементы содержимого из модифицированного ранжированного списка рекомендуемых элементов содержимого, причем данный элемент содержимого представлен пользователю на уточненном ранге в модифицированном ранжированном списке рекомендуемых элементов содержимого.

17. Сервер по п. 16, в котором множество классов содержимого содержит по меньшей мере один класс нежелательного содержимого и по меньшей мере один класс нейтрального содержимого.

18. Сервер по п. 17, в котором по меньшей мере один класс нежелательного содержимого может включать в себя набор классов нежелательного содержимого, причем каждый из набора классов нежелательного содержимого связан с соответствующим типом нежелательного содержимого, включенного в заранее определенные правила содержимого.

19. Сервер по п. 16, в котором содержимое, поступающее с соответствующих веб-ресурсов, является агрегированным содержимым всех элементов содержимого, содержащихся на соответствующем веб-ресурсе.

20. Сервер по п. 16, в котором содержимое, поступающее с соответствующих веб-ресурсов, представляет собой содержимое соответствующего элемента содержимого.

21. Сервер по п. 16, в котором содержимое, поступающее с соответствующих веб-ресурсов, представляет собой:

агрегированное содержимое всех элементов содержимого, расположенных на соответствующем веб-ресурсе, взвешенное с помощью первого весового коэффициента; и

содержимое соответствующего элемента содержимого, взвешенное с помощью второго весового коэффициента.

22. Сервер по п. 16, в котором каждый веб-ресурс включает в себя веб-страницы, расположенные на общем домене.

23. Сервер по п. 16, в котором каждый веб-ресурс включает в себя соответствующую веб-страницу.

24. Сервер по п. 16, в котором сервер далее выполнен с возможностью осуществлять ограничение сервером модифицированного ранжированного списка рекомендуемых элементов до заранее определенного числа наиболее высоко ранжированных элементов рекомендуемого содержимого в соответствии с соответствующими скорректированными оценками ранжирования.

25. Сервер по п. 16, в котором:

не зависящий от пользователя MLA классификации обучен классифицировать содержимое, поступающее с соответствующего веб-ресурса на один из множества классов содержимого, и создавать понижающие оценки для элементов содержимого на основе соответствующего одного из множества классов содержимого, которое поступает с соответствующих веб-ресурсов, и заранее определенных правил в отношении содержимого.

26. Сервер по п. 25, в котором заранее определенные правила в отношении содержимого заранее определены оператором не зависящего от пользователя MLA классификации.

27. Сервер по п. 26, в котором заранее определенные правила в отношении содержимого указывают на тип нежелательного содержимого.

28. Сервер по п. 16, в котором содержимое, поступающее с данного веб-ресурса, классифицируется не зависящим от пользователя MLA классификации на периодической основе.

29. Способ по п. 16, в которому содержимое, поступающее с данного веб-ресурса, классифицируется не зависящим от пользователя MLA классификации (i) в первый из множества классов содержимого в первый момент времени и (ii) во второй из множества классов содержимого во второй момент времени.

30. Способ по п. 29, в котором по меньшей мере один из первого момента времени и второго момента времени предшествует получению сервером запроса на предоставление пользователю рекомендуемого содержимого.



 

Похожие патенты:

Изобретение относится к области вычислительной техники. Техническим результатом является обеспечение обучения модели обнаружения вредоносных контейнеров.

Группа изобретений относится к лучевой терапии или радиотерапии, а именно к системам и способам определения отслеживания целевого органа во время лучевой терапии. Способ обучения классификатора для определения качества локализации целевого объекта по множеству изображений, полученных устройством визуализации во время лечения пациента лучевой терапией, содержит определение результата локализации, указывающего местоположение целевого объекта на множестве изображений, представляющих изображения, полученные в сеансе лечения лучевой терапией, определение показателя качества для каждого результата локализации, причем показатель качества представляет уровень точности каждого результата локализации, извлечение посредством обрабатывающей схемы одного или более признаков из каждого результата локализации и обучение классификатора с использованием результата локализации, показателя качества и одного или более из извлеченных признаков, причем классификатор выводит указание уровня точности нового результата локализации вновь захваченного изображения.

Изобретение относится к системам автономного управления транспортным средством. Технический результат заключается в расширении арсенала средств того же назначения.

Изобретение относится к области вычислительной техники. Техническим результатом является определение параметра качества прогноза для дерева решений в прогностической модели дерева решений.

Изобретение относится к области интеллектуальных самообучающихся автоматизированных систем формирования управляющих решений в избранной области применения и раскрывает устройство, способ и систему функций интеллектуальной интегрированной цифровой платформы, предназначенной для управления большими системами, например экономическими, на основе аналого-цифровых преобразований универсальных морфологический моделей с использованием нейронных сетей.

Изобретение относится к вычислительной технике. Технический результат – предоставление логических ответов, которые подражают стилю речи пользователя.

Группа изобретений относится к вычислительной технике и может быть использована для создания прогностической модели. Техническим результатом является обеспечение преобразования значения категориального фактора в его числовое представление.

Изобретение относится к вычислительной технике. Технический результат – обеспечение перевода исходного предложения целевым предложением.

Изобретение относится к области вычислительной техники. Техническим результатом является формирование алгоритма машинного обучения, использующего модель дерева решений и предназначенного для классификации объектов, обладающих значением категориального фактора, которое преобразуется в его числовое представление.

Изобретение относится к области вычислительной техники и может быть использовано для интерпретации работы моделей искусственных нейронных сетей. Техническим результатом является повышение качества и точности интерпретации работы искусственной нейронной сети.

Предлагаются способ и сервер для создания значений общего критерия оценки (ОЕС), предназначенного для использования во время тестирования контроль/эксперимент. Способ включает в себя, для каждой из контрольной и экспериментальной версий: получение наборов данных, указывающих на пользовательские взаимодействия; определение первых наборов значений первой пользовательской метрики; и определение вторых наборов значений пользовательской метрики.

Группа изобретений относится к сегментации медицинских изображений, а именно к системам и способам автоматизированной сегментации медицинских изображений на основании алгоритмов обучения с использованием признаков, извлекаемых по отношению к анатомическим ориентирам.

Изобретение относится к вычислительной технике. Технический результат заключается в обеспечении возможности создания идентификации аннотации в электронному отчету об изображении на основании предварительно аннотированных изображений.

Изобретение относится к области вычислительной техники для аутентификации пользователей. Технический результат заключается в повышении уровня защиты от несанкционированных транзакций.

Изобретение относится к области вычислительной техники. Технический результат заключается в эффективном осуществлении доступа к сохраненным данным внутри веб-страницы.

Изобретение относится к средствам для обнаружения орфанных высказываний. Технический результат заключается в повышении эффективности обнаружения орфанных высказываний.

Изобретение относится к вычислительной технике. Технический результат заключается в обеспечении безопасной и надежной работы с конфиденциальными документами и возможности осуществления контроля доступа к файлам для дальнейшего выявления каналов утечки информации.

Изобретение относится к области информационных технологий. Технический результат заключается в обеспечении формирования связанного набора информации из новостных источников с группировкой по компаниям, являющихся объектом новостей и заданными типами событий.

Изобретение относится к вычислительной технике. Технический результат заключается в повышении безопасности компьютерной системы.

Изобретение относится к средствам обработки аутентификации удаленной переменной. Технический результат заключается в расширении арсенала средств обработки данных при аутентификации.

Изобретение относится к способу и серверу для представления элемента рекомендуемого содержимого пользователю. Техническим результатом является обеспечение уточненного списка рекомендуемых элементов содержимого пользователю, в котором некоторые рекомендуемые элементы содержимого связаны с потенциально нежелательным содержимым. Способ включает в себя: получение запроса на представление и пользовательские взаимодействия. Элементы связаны с соответствующими факторами и веб-ресурсами. Элементы ранжированы в первый список на основе персонализированных для пользователя оценок, указывающих на их расчетную релевантность для пользователя. Данный элемент связан с данным рангом в первом списке. Способ также включает в себя: создание для элементов понижающих оценок, указывающих на степень нежелательности содержимого, поступающего с соответствующих ресурсов; создание для элементов уточненных оценок на основе персонализированных для пользователя и понижающих оценок; создание второго списка, в котором элементы ранжированы в соответствии с уточненными оценками, причем данный элемент связан с уточненным рангом во втором списке; и инициирование представления элементов из второго списка пользователю. Данный элемент представлен с уточненным рангом. 2 н. и 28 з.п. ф-лы, 8 ил.

Наверх