[发明专利]识别不充分的搜索内容

说明书

技术领域

本公开涉及访问主题语料库。

背景技术

万维网提供了对于巨大信息量的容易访问。该信息可以由任意数 量的内容创建者来创建，诸如例如个体用户、web发布者、广告(ad) 公司等。这些内容创建者可以添加内容以满足变动目的。个体用户通 常基于用户个人感兴趣的主题创建内容。例如，个体用户可以创建与 业余爱好相关的内容，以向他人提供信息或者迎合具有类似兴趣的人 们。web发布者可以创建内容，例如以显示在某个领域的知识或者出售 到站点的预订。广告公司可以创建内容，例如来怂恿用户访问站点并 购买该站点广告的产品。

如果网站的目的是吸引访问者，则可能难以识别其他用户感兴趣 的主题。同样，内容创建者可能试图使用各种机制来估量兴趣。例如， 一些发布者进行调查以识别用户感兴趣的主题。调查可能是不充分的 (inadequate)，和/或可能被答复者和/或调查员所操纵。也可以基于涉 及关键字而执行的搜索总数来识别流行的主题。

发明内容

这里公开了用于评定主题语料库的系统和方法。在一个实施方式 中，一种系统可以包括统计收集引擎、统计分析引擎、比较器和主题 分发引擎。所述统计收集引擎可以操作来生成与从浏览器接收的一个 或多个查询相关联的查询统计。所述统计分析引擎可以操作来将所述 查询划分为主题并生成与所述主题相关联的主题统计。所述主题统计 可以包括与所述主题相关联的主题语料库的聚集排名或聚集相关度。 所述比较器可以操作来基于所述主题统计与所述查询统计的比较来识 别主题，并且所述主题分发引擎可以向一个或多个用户通知所识别的 主题。

这里公开的方法可以包括：确定与第一主题相关联的统计；基于 所述统计确定所述第一主题是否是派发不充分(underserved)的；以及 基于所述确定，邀请额外内容用于包括到与所述第一主题相关联的主 题语料库中。

在一个方面中，方法被公开为基于所述语料库的质量和对搜索日 志的分析对主题语料库分类。

基于所识别的主题语料库的建议可以被提供给内容创建者，以用 于创建基于搜索日志被其他用户所期望的额外内容。

基于所识别的主题语料库的反馈也可以被提供给搜索者来指示主 题语料库不具有高质量，从而警示搜索者基于所提供的查询该主题语 料库可能是不充分的。

建议也可以使得内容创建者能够为了基于从用户获得的预订的好 处或通过在与所述内容相关联的网站上放置广告而获得的广告收入来 提供内容。

附图说明

图1是包括统计收集和分析系统的网络环境的框图。

图2是包括用于向内容生成器建议主题的系统的网络环境的框图。

图3是示出用于识别不充分的web内容的系统中的数据流的框图。

图4是示出用于聚集涉及被识别为被不充分派发(serve)的主题的 web内容的系统中的数据流的框图。

图5-7是示出用于识别不充分的web内容的示范性方法的流程图。

具体实施方式

该公开的系统和方法可以运行来基于例如对搜索日志的分析而识 别不充分的发布内容(例如，基于web的发布)。可以分析来自搜索日 志的搜索查询以找到搜索查询之间的关系。例如，相关的搜索查询可 以是与诸如主题的属(genus)相关的种类(species)。将搜索查询关 联为与主题相关可以促进基于相关的搜索查询的查询结果来识别主题 语料库。对主题语料库的分析可以促进例如对与主题相关联的内容质 量的识别。也可以分析搜索查询来确定特定主题的流行度，如可以例 如基于已接收的对于主题的搜索查询总数所取得的那样。比较搜索流 行度与在主题语料库之中找到的内容的质量可以提供如下确定：即基 于例如与主题相关联的搜索查询的流行度，内容是不充分的。

图1是包括统计收集和分析系统的网络环境100的框图。统计收集 和分析引擎110可以从搜索引擎120收集统计量。搜索引擎可以通过网 络140例如从一个或多个计算设备130a-c接收查询。搜索查询可以被分 析并与页面索引存储150进行比较。关于页面索引存储150对查询的分 析能够例如得出信息检索(IR)分值。该信息检索分值可以测量文档 (例如，网页)对搜索查询的相关度。