[发明专利]位置知晓的内容检测

说明书

背景

许多用户能够发现内容并通过各种接口与其交互，所述各种接口诸如移动设备上的新闻应用、社交媒体网站、台式设备上图像共享应用等。例如，用户可与新闻标题、图像、社交媒体帖子、视频、网站、播客、音乐流、和/或各种各样的内容交互。内容提供者可利用各种技术来标识可能与用户相关和/或用户可能感兴趣的内容。在一个示例中，搜索引擎可提供与用户提交的搜索查询相关的搜索结果。在另一示例中，社交媒体服务可基于用户与一个或多个其他用户的关系向用户提供朋友推荐。以此方式，用户可高效地定位用户可能感兴趣的内容。

概述

提供本概述以便以简化的形式介绍将在以下详细描述中进一步描述的一些概念。本概述并不旨在标识出所要求保护的主题的关键因素或必要特征，也不旨在用于限定所要求保护的主题的范围。

此处提供了尤其用于位置知晓的内容检测的一种或多种系统和/或技术。即，内容（例如，图像、社交媒体帖子、视频、文章、网站、和/或多个其他信息）可基于各种因素被选择性地排名，所述各种因素诸如全局排名（例如，内容在全局水平上的重要性/兴趣度）、局部排名（例如，内容对于各个局部区域的重要性/兴趣度）、和/或其他因素。以此方式，内容可根据特定区域（例如，国家、州、大学、城市、商办工业等）可能觉得该内容有多有趣来排名。

在一个示例中，内容集可被分组到一个或多个内容群集中。例如，具有类似特征（例如，图像特征、文本特征等）的内容可被分组到一内容群集中。因为内容群集内的内容可共享类似特征，所以可从内容群集中导出话题（例如，可从包括与足球有关的图像、社交网络帖子、文章、和/或其他内容的内容群集中导出足球话题）。以此方式，一个或多个话题群集可基于从内容群集标识出的话题来生成。来自内容集的至少某些内容可被分组到一个或多个话题群集中。

一个或多个话题群集的话题可被分配全局排名，该全局排名可指示这些话题在全局水平上可能有多重要/有多有趣。在一个示例中，话题群集的话题可基于被分组到该话题群集中的内容的一个或多个特征来被分配全局排名。例如，全局排名可基于大小特征（例如，如果相对大量或多个内容被分组到一话题群集中，则该话题群集的话题可能是相对重要的）、新鲜度特征（例如，如果在诸如一个星期之类的特定时间跨度内已经生成了相对少量的内容，则该话题可能是陈旧的）、源信任特征（例如，源信任列表可包括内容提供者的信任水平）、质量特征（例如，图像的质量、分辨率等，文章的长度，内容的用户审阅等）、和/或其他特征。以此方式，全局排名可被分配给一个或多个话题群集中的各个话题。

一个或多个话题群集的话题可被分配针对局部区域的局部排名，该局部排名可指示这些话题对于该局部区域的用户来说有多重要/有多有趣。在一个示例中，针对局部区域的局部排名可基于与局部区域相关联的用户参与数据和/或内容发生数据而被分配给话题。用户参与数据可与由局部区域的用户做出的与话题内容相关联的多种用户交互相对应，诸如用户查看、用户评论、社交媒体帖子、和/或用户审阅。内容发生数据可与源自同局部区域相关联的源的大量内容相对应。以此方式，话题可被分配全局排名和/或针对局部区域的局部排名。内容可基于该内容与具有相对较高的全局排名和/或具有相对较高的针对用户的特定局部区域的局部排名的话题相关联而被呈现给该局部区域的用户。

为实现上述内容和相关目的，以下描述和附图阐述了各个说明性方面和实现。这些方面和实现仅指示可以使用一个或多个方面的各种方式中的一些。结合附图阅读以下详细描述，则本公开的其他方面、优点、以及新颖特征将变得显而易见。

附图描述

图1是示出位置知晓的内容检测的示例性方法的流程图。

图2是示出位置知晓的内容检测的示例性方法的流程图。

图3是示出一种用于生成话题群集的示例性系统的组件框图。

图4是示出一种用于向话题群集的话题分配全局排名的示例性系统的组件框图。

图5是示出一种用于向话题分配局部排名的示例性系统的组件框图。

图6是示出一种用于基于位置知晓的话题检测将内容呈现给用户的示例性系统的组件框图。

图7是示例性计算机可读介质的图示，其中可包括被配置成实现此处所阐述的措施中的一个或多个的处理器可执行指令。

图8示出其中可实现本文中所述的措施中的一个或多个的示例性计算环境。

详细描述