(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2022159037
(43)【公開日】2022-10-17
(54)【発明の名称】ソーシャルメディアコンテンツのリコメンデーション
(51)【国際特許分類】
G06N 20/00 20190101AFI20221006BHJP
G06N 5/02 20060101ALI20221006BHJP
【ＦＩ】
G06N20/00
G06N5/02
【審査請求】未請求
【請求項の数】20
【出願形態】ＯＬ
(21)【出願番号】P 2022045359
(22)【出願日】2022-03-22
(31)【優先権主張番号】17/219873
(32)【優先日】2021-03-31
(33)【優先権主張国・地域又は機関】US
(71)【出願人】
【識別番号】000005223
【氏名又は名称】富士通株式会社
(74)【代理人】
【識別番号】100107766
【弁理士】
【氏名又は名称】伊東 忠重
(74)【代理人】
【識別番号】100070150
【弁理士】
【氏名又は名称】伊東 忠彦
(72)【発明者】
【氏名】ワン・ジュヌ
(72)【発明者】
【氏名】内野 寛治
(57)【要約】 （修正有）
【課題】ソーシャルメディアコンテンツのリコメンデーションの技術を提供する。
【解決手段】方法は、ソーシャルネットワークのユーザのユーザグラフを取得し、ユーザと、ユーザによって相互作用コンテンツアイテムとのリンクを示すコンテンツグラフを取得し、コンテンツアイテムと外部リソースとのリンクを示すリソースグラフを取得し、第１ユーザ表現、第１コンテンツ表現及び第１リソース表現を生成し、第１コンテンツ表現、第１リソース表現及びリソースグラフに基づき、第２リソース表現を生成し、第１コンテンツ表現、第１ユーザ表現、コンテンツグラフ及び第２リソース表現に基づき、第２コンテンツ表現を生成し、第１ユーザ表現、ユーザグラフ、第１コンテンツ表現及びコンテンツグラフに基づき、第２ユーザ表現を生成し、第２コンテンツ表現と第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成する。
【選択図】図１Ａ
【解決手段】方法は、ソーシャルネットワークのユーザのユーザグラフを取得し、ユーザと、ユーザによって相互作用コンテンツアイテムとのリンクを示すコンテンツグラフを取得し、コンテンツアイテムと外部リソースとのリンクを示すリソースグラフを取得し、第１ユーザ表現、第１コンテンツ表現及び第１リソース表現を生成し、第１コンテンツ表現、第１リソース表現及びリソースグラフに基づき、第２リソース表現を生成し、第１コンテンツ表現、第１ユーザ表現、コンテンツグラフ及び第２リソース表現に基づき、第２コンテンツ表現を生成し、第１ユーザ表現、ユーザグラフ、第１コンテンツ表現及びコンテンツグラフに基づき、第２ユーザ表現を生成し、第２コンテンツ表現と第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成する。
【選択図】図１Ａ
【特許請求の範囲】
【請求項1】
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することと
を有し、
各組み合わせは、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、
方法。
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することと
を有し、
各組み合わせは、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、
方法。
【請求項2】
前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
請求項１に記載の方法。
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
請求項１に記載の方法。
【請求項3】
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
請求項１に記載の方法。
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
請求項１に記載の方法。
【請求項4】
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
請求項１に記載の方法。
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
請求項１に記載の方法。
【請求項5】
前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
請求項４に記載の方法。
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
請求項４に記載の方法。
【請求項6】
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
請求項１に記載の方法。
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
請求項１に記載の方法。
【請求項7】
前記第１中間ユーザ表現は、前記各々のユーザと前記他のユーザとの間の第１関連性指標に更に基づき、
前記第２中間ユーザ表現は、前記各々のユーザと前記コンテンツアイテムとの間の第２関連性指標に更に基づく、
請求項６に記載の方法。
前記第２中間ユーザ表現は、前記各々のユーザと前記コンテンツアイテムとの間の第２関連性指標に更に基づく、
請求項６に記載の方法。
【請求項8】
１つ以上のプロセッサと、命令を記憶するよう構成された１つ以上の非一時的なコンピュータ可読記憶媒体とを有するシステムであって、
前記命令は、前記１つ以上のプロセッサによって実行されることに応答して、前記システムに、
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することであり、各組み合わせが、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、ことと
を有する動作を実行させる、
システム。
前記命令は、前記１つ以上のプロセッサによって実行されることに応答して、前記システムに、
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することであり、各組み合わせが、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、ことと
を有する動作を実行させる、
システム。
【請求項9】
前記動作は、前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
請求項８に記載のシステム。
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
請求項８に記載のシステム。
【請求項10】
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
請求項８に記載のシステム。
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
請求項８に記載のシステム。
【請求項11】
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
請求項８に記載のシステム。
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
請求項８に記載のシステム。
【請求項12】
前記動作は、前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
請求項１１に記載のシステム。
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
請求項１１に記載のシステム。
【請求項13】
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
請求項８に記載のシステム。
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
請求項８に記載のシステム。
【請求項14】
前記第１中間ユーザ表現は、前記各々のユーザと前記他のユーザとの間の第１関連性指標に更に基づき、
前記第２中間ユーザ表現は、前記各々のユーザと前記コンテンツアイテムとの間の第２関連性指標に更に基づく、
請求項１３に記載のシステム。
前記第２中間ユーザ表現は、前記各々のユーザと前記コンテンツアイテムとの間の第２関連性指標に更に基づく、
請求項１３に記載のシステム。
【請求項15】
実行されることに応答して、システムに、
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することであり、各組み合わせが、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、ことと
を有する動作を実行させる命令を記憶するよう構成された１つ以上の非一時的なコンピュータ可読記憶媒体。
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することであり、各組み合わせが、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、ことと
を有する動作を実行させる命令を記憶するよう構成された１つ以上の非一時的なコンピュータ可読記憶媒体。
【請求項16】
前記動作は、前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
請求項１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
請求項１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
【請求項17】
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
請求項１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
請求項１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
【請求項18】
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
請求項１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
請求項１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
【請求項19】
前記動作は、前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
請求項１８に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
請求項１８に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
【請求項20】
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
請求項１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
請求項１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
【発明の詳細な説明】
【技術分野】
【0001】
本開示で論じられている実施形態は、ソーシャルメディアコンテンツのリコメンデーションに関係がある。
【背景技術】
【0002】
インターネットなどのコンピュータネットワークの出現と、技術の成長とにより、ますます多くの情報が、ますます多くの人々に利用可能である。例えば、ソーシャルメディアは、ドメイン固有の知識のソースとしてしばしば使用される。
【0003】
本開示で請求されている対象は、上記のような環境でのみ動作する実施形態又はあらゆる欠点を解消する実施形態に限定されない。むしろ、この背景は、本開示で記載されているいくつかの実施形態が実施され得る技術的範囲の一例を説明するためにのみ与えられている。
【発明の概要】
【0004】
１つ以上の実施形態に従って、動作は、ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、ソーシャルネットワークユーザと、ソーシャルネットワークを介してユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、コンテンツアイテムとコンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することとを含んでよい。更に、動作は、ソーシャルネットワークのユーザの第１ユーザ表現を生成することと、コンテンツアイテムの第１コンテンツ表現を生成することと、外部リソースの第１リソース表現を生成することとを含んでよい。更に、動作は、第１コンテンツ表現、第１リソース表現、及びリソースグラフに基づき、外部リソースの第２リソース表現を生成することと、第１コンテンツ表現、第１ユーザ表現、コンテンツグラフ、及び第２リソース表現に基づき、コンテンツアイテムの第２コンテンツ表現を生成することと、第１ユーザ表現、ユーザグラフ、第１コンテンツ表現、及びコンテンツグラフに基づき、ユーザの第２ユーザ表現を生成することとを含んでよい。更に，動作は、第２コンテンツ表現と第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することを含んでよい。
【0005】
実施形態の目的及び利点は、少なくとも、特許請求の範囲で特に指し示されている要素、特徴、及び組み合わせによって、実現及び達成される。上記の概要及び以下の詳細な説明は両方とも、例として与えられており、請求されている発明の説明であって限定ではない。
【0006】
例となる実施形態は、添付の図面の使用を通じて、更なる特定及び詳細をもって記載及び説明される。
【図面の簡単な説明】
【0007】
【図1A】コンテンツリコメンデーションを提供することに関連した環境の例の図である。
【図1B】例となるユーザグラフ、例となるコンテンツグラフ、及び例となるリソースグラフを表す。
【図2】例となるコンピューティングシステムのブロック図を表す。
【図3】ユーザ－コンテンツ分類器を生成するよう構成された動作のフローチャートの例を表す。
【図4】更新されたリソースベクトルを生成するよう構成された動作のフローチャートの例を表す。
【図5】更新されたコンテンツベクトルを生成するよう構成された動作のフローチャートの例を表す。
【図6】更新されたユーザベクトルを生成するよう構成された動作のフローチャートの例を表す。
【図7】他の更新されたユーザベクトルを生成するよう構成された動作のフローチャートの例を表す。
【図8】コンテンツリコメンデーションを取得する方法の例のフローチャートである。
【図9】ユーザ－コンテンツ分類器を生成する方法の例のフローチャートである。
【発明を実施するための形態】
【0008】
技術、研究、及び一般的な知識の創造の現在の速いペースは、以前及び現在の知識普及の方法をもたらしてきたが、最新の知識及び最近の開発に関する情報を提供するには不十分である。更に、知識は、選択された地域内の少数の選択された個人によってはもはや生成されない。むしろ、特定のトピックについての知識を持つ研究者、教授、専門家、及びその他の人々（本開示では、知識のある人々と呼ばれる。）が、世界中にいて、常に新しいアイデアを生み出し、共有している。
【0009】
インターネットの結果として、しかしながら、世界中からの新たに作成されたこの非常に膨大な知識は、継続的に世界中で共有されている。いくつかの状況においては、この膨大な知識は、ソーシャルメディアを通じて共有されている。例えば、知識のある人々は、Ｆａｃｅｂｏｏｋ（登録商標）、Ｔｗｉｔｔｅｒ（登録商標）、ＴｉｋＴｏｋ（登録商標）、Ｉｎｓｔａｇｒａｍ（登録商標）、などのような、ブログ、マイクロブログ、及び他のソーシャルメディアプラットフォームを通じて、最近取得した知識を共有することができる。しかし、冗長な情報及び／又はノイズが多い情報を含む可能性がある大量の情報により、ドメイン固有の高品質コンテンツ（例えば、正確なコンテンツ）及び関連するリソースを特定することは、しばしば困難である。
【0010】
本開示の１つ以上の実施形態に従って、動作は、ソーシャルネットワークのユーザにコンテンツリコメンデーションを提供するよう機械学習システム（例えば、グラフニューラルネットワークのような、ニューラルネットワーク）を訓練するために実行されてよい。以下で詳述されるように、訓練及びリコメンデーションは、対応するソーシャルネットワークのユーザ間のリンクを示すユーザグラフと、ソーシャルネットワークのユーザと対応するソーシャルネットワークを介してユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフと、コンテンツアイテムとコンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフとの組み合わせから生成された情報に基づいてよい。ユーザグラフ、コンテンツグラフ、及びリソースグラフからの情報の組み合わせの使用は、リコメンデーションを提供するための機械学習分類器の能力を改善し得る。更に、いくつかの事例で、改善された分類器は、本明細書で記載されている方法で訓練されていない他のシステムからのリコメンデーションよりも品質が高いコンテンツをリコメンドするようより良く構成され得る。
【0011】
本開示の実施形態は、添付の図面を参照して説明される。
【0012】
図１Ａは、本開示の１つ以上の実施形態に従って、コンテンツリコメンデーションを提供することに関連した、例となる環境１００の図である。環境１００は、ソーシャルネットワーク１０６の１人以上のユーザのためのコンテンツリコメンデーションを生成するように機械学習システム、例えば、ニューラルネットワーク（例えば、グラフニューラルネットワーク（ＧＮＮ））を訓練するよう構成されたリコメンデーションシステム１０２を含む。
【0013】
ソーシャルネットワーク１０６は、コンテンツアイテムの配布及び相互作用を通じて互いにやりとりするためにユーザによって使用され得る如何なる適切なプラットフォーム又はプラットフォームの組み合わせも含んでよい。例えば、ソーシャルネットワーク１０６は、Ｆａｃｅｂｏｏｋ、Ｔｗｉｔｔｅｒ、ＴｉｋＴｏｋ、Ｉｎｓｔａｇｒａｍ、などのうちの１つ以上を含んでよい。「コンテンツアイテム」への言及は、ビデオ、オーディオ、ピクチャ、テキスト、ドキュメント、ウェブサイトリンク（例えば、ユニフォーム・リソース・ロケータ（ＵＲＬ）リンク）、コメント、などを含む、ソーシャルネットワーク１０６を介して広められ得る如何なるアイテムも含んでよい。更に、コンテンツアイテムと「相互作用すること」への言及は、コンテンツアイテムを他人と共有すること、コンテンツアイテムを転送すること、コンテンツアイテムをプッシュすること（例えば、ユーザのソーシャルメディアページでコンテンツを投稿すること）、コンテンツアイテムにコメントすること（例えば、コメントを書くこと、コンテンツアイテムのリンクを貼ること、コンテンツアイテムのリンクを削除すること、など）、又はコンテンツアイテムに対して実行され得るその他の相互作用を含んでよい。
【0014】
いくつかの実施形態において、リコメンデーションシステム１０２は、ソーシャルネットワーク１０６に関連したソーシャルメディア情報１１６に基づき、訓練を実行するよう及び／又はリコメンデーションを生成するよう構成されてよい。ソーシャルメディア情報１１６は、ソーシャルネットワーク１０６のユーザに関するユーザ情報を含んでよい。例えば、ユーザ情報は、ユーザに関する人口統計情報、ユーザ間のリンク（例えば、「友達」、フォロワ、ユーザがフォローしている人、などのような、ユーザ間のつながり）、ユーザの好み、ユーザの関心、ユーザによって相互作用されるコンテンツのタイプ、ユーザの評判、ユーザの人気ランキング、などを含んでよい。いくつかの実施形態において、ユーザ情報の１つ以上の側面は、各々のユーザプロファイルから取得され得るメタデータによって示されてもよい。
【0015】
追加的に、又は代替的に、ソーシャルメディア情報１１６は、ソーシャルネットワーク１０６を介して広められたコンテンツアイテムに関するコンテンツ情報を含んでもよい。例えば、コンテンツ情報は、各々のコンテンツアイテムのタイプ、各々のコンテンツアイテムとの相互作用、各々のコンテンツアイテムとの相互作用のタイプ、各々のコンテンツアイテムの主題（例えば、コンテンツアイテムが伝えているもの、コンテンツアイテムの実際のテキスト、コンテンツアイテムで使用される単語（例えば、口頭及び／又は書面）、コンテンツアイテムの各々のトピック、など）、各々のコンテンツアイテムに含まれ得る外部リソースへの参照（例えば、外部リソース１０４へのリンク、外部リソース１０４の言及、など）、そこに埋め込まれている外部リソースのコンテンツ及びコンテンツタイプ、コンテンツアイテムの評判、コンテンツアイテムのランキング、などに関する情報を含んでよい。
【0016】
これらの及び他の実施形態において、リコメンデーションシステム１０２は、外部リソース１０４に関連した外部リソース情報１１８に基づき、訓練を実行するよう及び／又はリコメンデーションを生成するよう構成されてもよい。外部リソース１０４は、ソーシャルネットワーク１０６から独立しているか又は別個であり得るオンラインリソースを含んでよい。例えば、外部リソース１０４は、ニュースウェブサイト、ビデオサイト、ブログサイト、などのような、第三者のウェブページ又はウェブサイトを含んでよい。いくつかの実施形態において、外部リソース１０４は、ソーシャルネットワーク１０６に含まれず又はその部分でもない他のソーシャルネットワークを含んでもよい。本開示では、外部リソース１０４への言及は、外部リソース１０４によって公開又は提供されるコンテンツも含んでよい。
【0017】
外部リソース情報１１８は、外部リソース１０４に関する情報を含んでよい。例えば、外部リソース情報１１８は、各々の外部リソース１０４によって提供されるコンテンツのタイプ（例えば、ニュースコンテンツ、ビデオコンテンツ、オーディオコンテンツ、映画コンテンツ、ブログコンテンツ、エンターテイメントコンテンツ、教育コンテンツ、医療コンテンツ、科学コンテンツ、架空コンテンツ、政府コンテンツ、宗教コンテンツ、など）、外部リソース１０４に関連したウェブサイトのタイプ（例えば、ニュースサイト、教育サイト、エンターテイメントサイト、ソーシャルネットワークサイト、出版サイト、医療サイト、政府サイト、宗教サイト、企業サイト、私的な個人サイト、非営利サイト、慈善サイト、など）を示してよい。これらの及び他の実施形態において、外部リソース情報１１８は、外部リソース１０４のフォーマット及びそこに含まれているコンテンツを含んでもよい。例えば、外部リソース情報１１８は、コンテンツがビデオフォーマット、画像フォーマット、テキストフォーマット、オーディオフォーマット、記事フォーマット、などを有していることを示し得る。いくつかの実施形態において、外部リソース情報１１８の１つ以上の側面は、外部リソース１０４から取得され得るメタデータによって示されてもよい。
【0018】
リコメンデーションシステム１０２は、ソーシャルメディア情報１１６及び／又は外部リソース情報１１８に基づきソーシャルメディアグラフ１１０を生成するよう構成されたソーシャルメディアグラフモジュール１０８（「グラフモジュール１０８」）を含んでよい。グラフモジュール１０８は、ソーシャルメディアグラフ１１０を生成することに関連した１つ以上の動作を実行することをコンピューティングシステムに可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、グラフモジュール１０８は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行するもの又はその実行を制御するもの）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてもよい。いくつかの他の事例では、グラフモジュール１０８は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、グラフモジュール１０８によって実行されるものとして記載されている動作は、グラフモジュール１０８が対応するシステムに実行することを指示し得る動作を含んでもよい。
【0019】
グラフモジュール１０８によって生成されたソーシャルメディアグラフ１１０は、１つ以上のユーザグラフを含んでよい。ユーザグラフは、ソーシャルネットワーク１０６のユーザ間のリンクを示し得る。例えば、ユーザグラフは、どのユーザが「友達」であることにより互いにつながっているか、ユーザが誰をフォローしているか、ユーザが誰によってフォローされているか、などを示してよい。更に、ユーザグラフは、ユーザ間のつながりの程度を示してもよい。例えば、ユーザグラフは、ユーザ間の直接的なつながり、又は異なるユーザが１人以上の中間ユーザを経由してつながっている、ユーザ間の間接的なつながりを示し得る。図１Ｂは、例となるユーザグラフ１３０を表す。
【0020】
更に、グラフモジュール１０８によって生成されたソーシャルメディアグラフ１１０は、１つ以上のコンテンツグラフを含んでもよい。コンテンツグラフは、ソーシャルネットワーク１０６のユーザと、ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示し得る。例えば、コンテンツグラフは、どのコンテンツアイテムがどのユーザによって相互作用されるかを示し得る。更に、コンテンツグラフは、対応するコンテンツアイテムに関して各々のユーザによって実行された相互作用のタイプを示してもよい。追加的に、又は代替的に、コンテンツグラフは、どのユーザによって相互作用されたコンテンツアイテムのタイプ、コンテンツアイテムの主題、及び／又はどのユーザによって相互作用された主題のタイプを示してもよい。図１Ｂは、例となるコンテンツグラフ１３２を表す。
【0021】
更に、グラフモジュール１０８によって生成されたソーシャルメディアグラフ１１０は、１つ以上のリソースグラフを含んでもよい。リソースグラフは、ソーシャルネットワーク１０６を介して広められたコンテンツアイテムと、コンテンツアイテムに含まれる外部リソースとの間のリンクを示し得る。例えば、リソースグラフは、どの外部リソース１０４がどのコンテンツアイテムに含まれているか又は参照されているかを示し得る。追加的に、又は代替的に、リソースグラフは、外部リソース１０４に対応するウェブサイト又はウェブページのＵＲＬのような外部リソース１０４のソースを示してもよい。これらの及び他の実施形態において、リソースグラフは、コンテンツアイテムと、外部リソース１０４のコンテンツ、外部リソース１０４のタイプ、及び／又は外部リソース１０４の主題タイプのうちの１つ以上のとの間のリンクを示してもよい。図１Ｂは、例となるリソースグラフ１３４を表す。
【0022】
グラフモジュール１０８は、如何なる適切な技術に従っても、ソーシャルメディアグラフ１１０を生成するよう構成されてよい。例えば、グラフモジュール１０８は、ソーシャルネットワーク１０６からソーシャルメディア情報１１６を取得し、そこに含まれているユーザ情報に基づきユーザ間のリンクを導出するよう構成されてよい。グラフモジュール１０８は、次いで、リンクの表現をユーザグラフとして生成するよう構成されてよい。いくつかの実施形態において、ユーザグラフのフォーマットは、ユーザグラフが、ユーザグラフに含まれているリンクに基づきソーシャルネットワーク１０６のユーザ間のユーザ関連性指標を決定するよう構成されたニューラルネットワーク（例えば、アテンションネットワーク（attention network））によって使用され得るようなものであってよい。ユーザ関連性指標の決定は、以下で更に詳細に論じられる。
【0023】
他の例として、グラフモジュール１０８は、ソーシャルメディア情報１１６に基づきユーザとコンテンツアイテムとの間のリンクを導出するよう構成されてもよい。グラフモジュール１０８は、次いで、リンクの表現をコンテンツグラフとして生成するよう構成されてよい。いくつかの実施形態において、コンテンツグラフのフォーマットは、コンテンツグラフが、コンテンツグラフに含まれているリンクに基づきソーシャルネットワーク１０６のユーザとそれにおいて配布されたコンテンツアイテムとの間のコンテンツ関連性指標を決定するよう構成されたニューラルネットワーク（例えば、アテンションネットワーク）によって使用され得るようなものであってよい。コンテンツ関連性指標の決定は、以下で更に詳細に論じられる。
【0024】
追加的に、又は代替的に、グラフモジュール１０８は、ソーシャルメディア情報１１６に加えて外部リソース情報１１８を取得するよう構成されてもよい。グラフモジュール１０８は、外部リソース情報１１８及びソーシャルメディア情報１１６に基づき、コンテンツアイテムと外部リソース１０４との間のリンクを導出するよう構成されてよい。例えば、グラフモジュール１０８は、ソーシャルメディア情報１１６のコンテンツアイテムに含まれ得る外部リソースリンク（例えば、ＵＲＬ）を識別及び抽出するよう構成されてよい。更に、グラフモジュール１０８は、どのリンクが同じ外部リソース１０４に対応し得るかを決定するよう構成されてもよく、そのような対応を使用して、どのコンテンツアイテムが同じ外部リソースを参照し得るか識別してもよい。これらの及び他の実施形態において、グラフモジュール１０８は、外部リソース情報１１８に基づき外部リソース１０４に関する追加情報を抽出するよう構成されてもよい。例えば、グラフモジュール１０８は、外部リソース情報１１８に基づき、外部リソース１０４のコンテンツタイプ、コンテンツフォーマット、主題、などを識別するよう構成されてよい。これらの及び他の実施形態において、グラフモジュール１０８は、外部リソース１０４のメタデータ及び／又はコンテンツアイテムに含まれている外部リソースのリンクから他の外部リソース情報１１８の１つ以上の側面を取得するよう構成されてもよい。
【0025】
グラフモジュール１０８は、次いで、コンテンツアイテムと外部リソース１０４との間のリンクの表現をリソースグラフとして生成するよう構成されてよい。いくつかの実施形態において、リソースグラフのフォーマットは、リソースグラフが、外部リソース１０４とソーシャルネットワーク１０６内で配信されるコンテンツアイテムとの間のリソース関連性指標を決定するよう構成されたニューラルネットワーク（例えば、アテンションネットワーク）によって使用され得るようなものであってよい。
【0026】
リコメンデーションシステム１０２は、コンテンツリコメンデーションを提供するように機械学習システムを訓練するよう構成された訓練モジュール１１２を含んでもよい。いくつかの実施形態において、訓練モジュール１１２は、ソーシャルメディア情報１１６、外部リソース情報１１８、及びソーシャルメディアグラフ１１０に基づき機械学習システムのユーザ－コンテンツ関係分類器（「関係分類器」）を生成することによって、機械学習システムを訓練するよう構成されてよい。関係分類器は、ソーシャルメディア情報１１６、外部リソース情報１１８、及びソーシャルメディアグラフ１１０に基づいているそこに含まれている分類に従って、リコメンデーションを生成するよう構成されてよい。
【0027】
訓練モジュール１１２は、関係分類器を生成することに関連した１つ以上の動作を実行することをコンピューティングシステムに可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、訓練モジュール１１２は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行するもの又はその実行を制御するもの）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてもよい。いくつかの他の事例では、訓練モジュール１１２は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、訓練モジュール１１２によって実行されるものとして記載されている動作は、訓練モジュール１１２が対応するシステムに実行することを指示し得る動作を含んでもよい。訓練モジュール１１２は、図３～７に関して以下で詳細に記載される１つ以上の動作を用いて関係分類器を生成するよう構成されてよい。
【0028】
これらの及び他の実施形態において、リコメンデーションシステム１０２は、訓練モジュール１１２によって生成され得る関係分類器を用いてコンテンツリコメンデーションを取得するよう構成されたリコメンデーションモジュール１１４を含んでもよい。リコメンデーションモジュール１１４は、リコメンデーションを取得することに関連した１つ以上の動作を実行することをコンピューティングシステムに可能にするよう構成されたコード及びルーチンを含んでよい。追加的に、又は代替的に、リコメンデーションモジュール１１４は、プロセッサ、マイクロプロセッサ（例えば、１つ以上の動作を実行するもの又はその実行を制御するもの）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを用いて実装されてもよい。いくつかの他の事例では、リコメンデーションモジュール１１４は、ハードウェアとソフトウェアとの組み合わせを用いて実装されてもよい。本開示では、リコメンデーションモジュール１１４によって実行されるものとして記載されている動作は、リコメンデーションモジュール１１４が対応するシステムに実行することを指示し得る動作を含んでもよい。リコメンデーションモジュール１１４は、図４に関して以下で詳細に記載される１つ以上の動作を用いてコンテンツリコメンデーションを取得するよう構成されてよい。
【0029】
本開示の範囲から逸脱せずに、環境１００に対して変更、追加、又は削除が行われてもよい。例えば、明示的に記載されているものよりも追加の又はより少ない動作が、実行されてもよい。更に、解析されるソーシャルネットワーク及び／又は外部リソースの数及びタイプは、様々であってよい。加えて、グラフモジュール１０８、訓練モジュール１１２、又はリコメンデーションモジュール１１４のうちの２つ以上は、同じモジュール又はシステムの部分として一緒に実装されてもよい。追加的に、又は代替的に、グラフモジュール１０８、訓練モジュール１１２、又はリコメンデーションモジュール１１４のうちの１つ以上は、他のモジュールの１つ以上とは別個のシステムにおいて実装されても又は含まれてもよい。更に、図１Ｂのグラフは、本明細書で記載されている概念の理解を助けるよう各々のグラフの例示的な例を提供するよう意図される。特定のフォーマット及び描写は、限定であるよう意図されない。
【0030】
図２は、本開示の少なくとも１つの実施形態に従って、例となるコンピューティングシステム２０２のブロック図を表す。コンピューティングシステム２０２は、本明細書で記載されているモジュールの１つ以上（例えば、図１Ａのグラフモジュール１０８、訓練モジュール１１２、及び／又はリコメンデーションモジュール１１４）に関連した１つ以上の動作を実装又は指示するよう構成されてよい。コンピューティングシステム２０２は、プロセッサ２５０、メモリ２５２、及びデータストレージ２５４を含んでよい。プロセッサ２５０、メモリ２５２、及びデータストレージ２５４は、通信可能に結合されてよい。
【0031】
一般的に、プロセッサ２５０は、様々なコンピュータハードウェア又はソフトウェアモジュールを含む如何なる適切な専用又は汎用コンピュータ、コンピューティングエンティティ、又はプロセッシングデバイスも含んでよく、如何なる適用可能なコンピュータ可読記憶媒体にも記憶された命令を実行するよう構成されてよい。例えば、プロセッサ２５０は、マイクロプロセッサ、マイクロコントローラ、デジタル信号プロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、あるいは、プログラム命令を解釈及び／又は実行するよう及び／又はデータを処理するよう構成されたあらゆる他のデジタル又はアナログ回路を含んでよい。図２には単一のプロセッサとして表されているが、プロセッサ２５０は、本開示で記載されている動作をいくつでも個別的に又は集合的に実行するよう又はその実行を指示するよう構成されたプロセッサをいくつでも含んでよい。更に、プロセッサの１つ以上は、異なるサーバなどの１つ以上の異なる電子デバイスに存在してもよい。
【0032】
いくつかの実施形態において、プロセッサ２５０は、メモリ２５２、データストレージ２５４、又はメモリ２５２及びデータストレージ２５４に記憶されているプログラム命令を解釈及び／又は実行するよう、及び／又は記憶されているデータを処理するよう構成されてよい。いくつかの実施形態において、プロセッサ２５０は、データストレージ２５４からプログラム命令をフェッチし、プログラム命令をメモリ２５２にロードしてよい。プログラム命令がメモリ２５２にロードされた後、プロセッサ２５０はプログラム命令を実行してよい。
【0033】
例えば、いくつかの実施形態において、上記のモジュールのうちの１つ以上は、プログラム命令としてデータストレージ２５４に含まれてもよい。プロセッサ２５０は、データストレージ２５４から各々のモジュールのプログラム命令をフェッチしてよく、また、各々のモジュールのプログラム命令をメモリ２５２にロードしてよい。各々のモジュールのプログラム命令がメモリ２５２にロードされた後、プロセッサ２５０は、コンピューティングシステムが命令によって指示されるように各々のモジュールに関連した動作を実装し得るように、プログラム命令を実行してよい。
【0034】
メモリ２５２及びデータストレージ２５４は、コンピュータ実行可能命令又はデータ構造を搬送又は記憶するコンピュータ可読記憶媒体を含んでよい。そのようなコンピュータ可読記憶媒体は、プロセッサ２５０のような汎用又は専用コンピュータによってアクセスされ得る如何なる利用可能な媒体も含んでもよい。例として、限定としてではなく、そのようなコンピュータ可読記憶媒体は、ランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリー・メモリ（ＲＯＭ）、電気的消去可能なプログラム可能リード・オンリー・メモリ（ＥＥＰＲＯＭ）、コンパクトディスク型リード・オンリー・メモリ（ＣＤ－ＲＯＭ）若しくは他の光ディスクストレージ、磁気ディスクストレージ若しくは他の磁気記憶デバイス、フラッシュメモリデバイス（固体状態メモリデバイス）、あるいは、コンピュータ実行可能命令又はデータ構造の形で特定のプログラムコードを記憶するために使用され得かつ汎用又は専用コンピュータによってアクセスされ得るあらゆる他の記憶媒体を含む有形な又は非一時的なコンピュータ可読記憶媒体を含んでよい。上記の組み合わせも、コンピュータ可読記憶媒体の範囲内に含まれてよい。コンピュータ実行可能命令は、例えば、プロセッサ２５０に特定の動作又は動作のグループを実行させるよう構成された命令又はデータを含んでもよい。
【0035】
本開示の範囲から逸脱せずに、コンピューティングシステム２０２に対して変更、追加又は削除が行われてもよい。例えば、いくつかの実施形態において、コンピューティングシステム２０２は、明示的に図示又は記載されていないことがある他のコンポーネントをいくつでも含んでよい。
【0036】
図３は、本開示で記載される少なくとも１つの実施形態に従って、ユーザ－コンテンツ分類器３５２を生成するよう構成された動作の例となるフロー（「動作３００」）を表す。動作３００は、如何なる適切なシステム、装置、又はデバイスによっても実行されてよい。例えば、図１Ａのモジュール又は図２のコンピューティングシステム（例えば、モジュールの１つによって指示される。）の１つ以上が、動作３００に関連した動作の１つ以上を実行してもよい。別個のブロックで表されているが、動作３００のブロックの１つ以上に関連したステップ及び動作は、特定の実施に応じて、更なるブロックに分けられても、より少ないブロックにまとめられても、又は削除されてもよい。
【0037】
動作３００は、ソーシャルネットワーク（例えば、図１Ａのソーシャルネットワーク１０６）のユーザの第１ユーザ表現３０４が生成され得る動作３０２を含んでよい。第１ユーザ表現３０４は、いくつかの実施形態では、ユーザの初期表現であってよい。更に、第１ユーザ表現３０４は、ソーシャルネットワークの各々のユーザに関連したユーザ情報を夫々表してもよい。ユーザ情報は、図１Ａのソーシャルメディア情報１１６に関して上述されたユーザ情報のいずれかを含んでよい。
【0038】
いくつかの実施形態において、第１ユーザ表現３０４の夫々は、各々のユーザに関連した種々のタイプのユーザ情報を含むベクトル（「ユーザベクトル」と呼ばれる。）としてフォーマット化されてよい。例えば、いくつかの実施形態において、ユーザ情報は、ソーシャルネットワーク上でのユーザの各々のプロファイル及びパターンを解析することによって、取得されてよい。これらの及び他の実施形態において、ユーザ情報の１つ以上の側面は、各々のユーザに関するメタデータ～識別されてよい。追加的に、又は代替的に、各々のユーザの種々のタイプのユーザ情報は、各々のユーザに対応するユーザベクトルとして集約されてもよい。
【0039】
例えば、いくつかの実施形態において、予め訓練されたモデル（例えば、ＢＥＲＴモデル、ＥＬＭＯモデル、Ｆａｓｔｔｅｘｔモデル）が、ユーザ情報の要約であり得るユーザベクトルを生成するために使用されてもよい。例えば、ユーザ情報のテキストは、予め訓練されたモデルへの入力として供給されてよく、予め訓練されたモデルは、ユーザベクトルを出力してよい。これらの及び他の実施形態において、直線投影（linear projection）が、対応するユーザベクトルの次元を変更するためにユーザベクトルの１つ以上に適用されてもよい。
【0040】
更に、動作３００は、ソーシャルネットワークを介して広められたコンテンツアイテムの第１コンテンツ表現３０８が生成され得る動作３０６を含んでもよい。第１コンテンツ表現３０８は、いくつかの実施形態では、コンテンツアイテムの初期表現であってよい。更に、第１コンテンツ表現３０８は、各々のコンテンツアイテムに関連したコンテンツ情報を夫々表してもよい。コンテンツ情報は、図１Ａのソーシャルメディア情報１１６に関して上述されたコンテンツ情報のいずれかを含んでよい。
【0041】
いくつかの実施形態において、第１コンテンツ表現３０８の夫々は、各々のコンテンツアイテムに関連した種々のタイプのコンテンツ情報を含むベクトル（「コンテンツベクトル」と呼ばれる。）としてフォーマット化されてよい。例えば、いくつかの実施形態において、コンテンツ情報は、各々のコンテンツアイテムに対応するコンテンツアイテム情報を識別するよう各々のコンテンツアイテムを解析することによって、取得されてよい。例えば、コンテンツアイテムの主題が、テキストをパースすること、画像認識を実行すること、オーディオ認識を実行すること、などによって、識別され得る。追加的に、又は代替的に、コンテンツアイテムは、コンテンツアイテムに含まれるメディアのタイプ、外部リソースへのリンクがコンテンツアイテムに含まれているかどうか、コンテンツアイテムに関して実行される相互作用のタイプ、などを決定するよう解析されてもよい。追加的に、又は代替的に、各々のコンテンツアイテムの種々のタイプのコンテンツ情報は、各々のコンテンツアイテムに対応するコンテンツベクトルとして集約されてもよい。
【0042】
例えば、いくつかの実施形態において、予め訓練されたモデル（例えば、ＢＥＲＴモデル、ＥＬＭＯモデル、Ｆａｓｔｔｅｘｔモデル）が、コンテンツ情報の要約であり得るコンテンツベクトルを生成するために使用されてもよい。例えば、コンテンツ情報は、予め訓練されたモデルへの入力として供給されてよく、予め訓練されたモデルは、コンテンツベクトルを出力してよい。これらの及び他の実施形態において、直線投影が、対応するコンテンツベクトルの次元を変更するためにコンテンツベクトルの１つ以上に適用されてもよい。
【0043】
更に、動作３００は、コンテンツアイテムにおいて参照され得る外部リソースの第１リソース表現３１２が生成され得る動作３１０を含んでもよい。第１リソース表現３１２は、いくつかの実施形態では、外部リソースの初期表現であってよい。更に、第１リソース表現３１２は、各々の外部リソースに関連したリソース情報を夫々表してもよい。リソース情報は、いくつかの実施形態では、図１Ａに関して記載された外部リソース情報１１８のいずれかを含んでよい。
【0044】
いくつかの実施形態において、第１リソース表現３１２の夫々は、各々の外部リソースに関連した種々のタイプのリソース情報を含むベクトル（「リソースベクトル」と呼ばれる。）としてフォーマット化されてよい。例えば、いくつかの実施形態において、リソース情報は、各々のコンテンツアイテムに対応するリソース情報を識別するよう各々の外部リソースを解析することによって、取得されてよい。
【0045】
例えば、外部リソースの主題が、外部リソースに関してテキストをパースすること、画像認識を実行すること、オーディオ認識を実行すること、などによって、識別され得る。追加的に、又は代替的に、外部リソースは、外部リソースに含まれるメディアのタイプを決定するよう解析されてもよい。例えば、識別され得るメディアタイプは、新聞、ニュース、ビデオ、スライド、オーディオ、コード、などを含んでよい。これらの及び他の実施形態において、外部リソースは、外部リソースに関連したタイムスタンプを決定するよう解析されてもよい。いくつかの実施形態において、外部リソースのメタデータが、リソース情報の１つ以上の側面を識別するよう解析されてもよい。
【0046】
いくつかの実施形態において、予め訓練されたモデルが、各々の外部リソースの主題のテキスト要約を提供するために使用されてもよい。これらの及び他の実施形態において、テキスト要約は、ベクトル表現で生成されてよい。
【0047】
追加的に、又は代替的に、ワンホットエンコーディング（one-hot encoding）が、メディアタイプをベクトルフォーマットに表現するように外部リソースのメディアタイプに関して実行されてもよい。これらの及び他の実施形態において、タイムスタンプは、如何なる適切な技術を使用してもベクトルにフォーマット化されてよい。いくつかの実施形態において、各々の外部リソースの主題ベクトル、メディアタイプベクトル、及びタイムスタンプベクトルは、各々の外部リソースのリソース情報を表すリソースベクトルを生成するよう組み合わされてよい（例えば、連結されてよい）。これらの及び他の実施形態において、直線投影が、対応するリソースベクトルの次元を変更するためにリソースベクトルの１つ以上に適用されてもよい。
【0048】
動作３００はまた、第２リソース表現３１６が第１リソース表現３１２、第１コンテンツ表現３０８、及びリソースグラフ３３４に基づき生成され得る動作３１４を含んでもよい。リソースグラフ３３４は、図１Ａに関して上述されたソーシャルメディアグラフ１１０のリソースグラフに類似し得る。これらの及び他の実施形態において、第２リソース表現３１６は、第１リソース表現３１２の更新されたバージョンと見なされてもよい。例えば、第２リソース表現３１６は、初期リソースベクトルと比較して、第１リソース表現３１２、第１コンテンツ表現３０８、及びリソースグラフ３３４に基づき決定された追加の情報及び関係を表す第２リソースベクトルとしてフォーマット化されてよい。図４は、第２リソース表現３１６を生成するために実行され得る動作の例を表す。
【0049】
動作３００はまた、コンテンツアテイムの第２コンテンツ表現３２４を生成するために使用され得る動作３１８及び３２２を含んでもよい。動作３１８及び３２２は、第１コンテンツ表現３０８、第１ユーザ表現３０４、コンテンツグラフ３３２、及び第２リソース表現３１６に基づいた第２コンテンツ表現３２４の生成を含んでよい。コンテンツグラフ３３２は、図１Ａに関して上述されたソーシャルメディアグラフ１１０のコンテンツグラフと類似し得る。
【0050】
例えば、動作３１８は、第１コンテンツ表現３０８、第１ユーザ表現３０４、及びコンテンツグラフ３３２に基づいた中間コンテンツ表現３２０の生成を含んでよい。これらの及び他の実施形態において、中間コンテンツ表現３２０は、第１コンテンツ表現３０８の更新されたバージョンと見なされてよい。例えば、中間コンテンツ表現３２０は、第１ユーザ表現３０４、第１コンテンツ表現３０８、及びコンテンツグラフ３３２と比較して、かつ、初期コンテンツベクトルと比較して、追加の情報及び関係を表す中間コンテンツベクトルとしてフォーマット化されてよい。図５は、中間コンテンツ表現３２０を生成するために実行され得る動作の例を表す。
【0051】
動作３２２は、中間コンテンツ表現３２０及び第２リソース表現３１６に基づき第２コンテンツ表現３２４を生成することを含んでよい。例えば、いくつかの実施形態において、各々の中間コンテンツ表現３２０は、各々の第２リソース表現３１６と組み合わされてよい。いくつかの実施形態において、組み合わせることは、各々の中間コンテンツベクトルを各々の第２リソースベクトルと連結させることを含んでもよい。各連結は、各々の第２コンテンツ表現３２４に対応する第２コンテンツベクトルを生成するよう１つの中間コンテンツベクトル及び１つの第２リソースベクトルを含んでよい。
【0052】
これらの及び他の実施形態において、動作３２２は、各々の第２コンテンツ表現３２４を取得するよう各々の中間コンテンツ表現３２０と各々の第２リソース表現３１６との各組み合わせに非線形変換を適用することを含んでもよい。例えば、いくつかの実施形態において、各組み合わせは、フィードフォワード・ニューラル・ネットワーク（ＦＮＮ）（例えば、多層パーセプトロン（ＭＬＰ））へ供給されてよく、ＭＬＰは、各々の第２コンテンツ表現３２４を第２コンテンツベクトルとして出力し得る。
【0053】
動作３００はまた、ユーザの第２ユーザ表現３４８を生成するために使用され得る動作３２６、３４２、及び３４６を含んでもよい。動作３２６、３４２、及び３４６は、第１コンテンツ表現３０８、第１ユーザ表現３０４、コンテンツグラフ３３２、及びユーザグラフ３３０に基づいた第２ユーザ表現３４８の生成を含んでよい。ユーザグラフ３３０は、図１Ａに関して上述されたソーシャルメディアグラフ１１０のユーザグラフに類似し得る。
【0054】
動作３２６は、第１ユーザ表現３０４及びユーザグラフ３３０に基づいた第１中間ユーザ表現３２８の生成を含んでよい。これらの及び他の実施形態において、第１中間ユーザ表現３２８は、第１ユーザ表現３０４の更新されたバージョンと見なされてよい。例えば、第１中間ユーザ表現３２８は、第１ユーザ表現３０４及びユーザグラフ３３０に基づき決定された、初期ユーザベクトルと比較して追加の情報及び関係を表す第１中間ユーザベクトルとしてフォーマット化されてよい。図６は、第１中間ユーザ表現３２８を生成するために実行され得る動作の例を表す。
【0055】
動作３４２は、第１ユーザ表現３０４、第１コンテンツ表現３０８、及びコンテンツグラフ３３２に基づいた第２中間ユーザ表現３４４の生成を含んでよい。これらの及び他の実施形態において、第２中間ユーザ表現３４４は、第１ユーザ表現３０４の更新されたバージョンと見なされてよい。例えば、第２中間ユーザ表現３４４は、第１ユーザ表現３０４、第１コンテンツ表現３０８、及びコンテンツグラフ３３２に基づき決定された、初期ユーザベクトルと比較して追加の情報及び関係を表す第２中間ユーザベクトルとしてフォーマット化されてよい。図７は、第２中間ユーザ表現３４４を生成するために実行され得る動作の例を表す。
【0056】
動作３４６は、第１中間ユーザ表現３２８及び第２中間ユーザ表現３４４に基づき第２ユーザ表現３４８を生成することを含んでよい。例えば、いくつかの実施形態において、動作３４６は、各々の第１中間ユーザ表現３２８を各々の第２中間ユーザ表現３４４と組み合わせることを含んでよい。いくつかの実施形態において、組み合わせることは、各々の第１中間ユーザベクトルを各々の第２中間ユーザベクトルと連結させることを含んでよい。各連結は、各々の第２ユーザ表現３４８に対応する第２ユーザベクトルを生成するよう１つの第１中間ユーザベクトル及び１つの第２中間ユーザベクトルを含んでよい。
【0057】
これらの及び他の実施形態において、動作３４６は、各々の第２ユーザ表現３４８を取得するよう各々の第１中間ユーザ表現３２８と各々の第２中間ユーザ表現３４４との各組み合わせに非線形変換を適用することを含んでよい。例えば、いくつかの実施形態において、各組み合わせは、フィードフォワード・ニューラル・ネットワーク（ＦＮＮ）（例えば、多層パーセプトロン（ＭＬＰ））へ供給されてよく、ＭＬＰは、各々の第２ユーザ表現３４８を第２ユーザベクトルとして出力し得る。
【0058】
追加的に、又は代替的に、動作３００は、第２ユーザ表現３４８及び第２コンテンツ表現３２４に基づきユーザ－コンテンツ分類器３５２（「分類器３５２」）を含み得る動作３５０を含んでよい。例えば、いくつかの実施形態において、動作３５０は、各々の第２ユーザ表現３４８を各々のコンテンツ表現３２４と組み合わせることを含んでよい。いくつかの実施形態において、組み合わせることは、各々の第２ユーザベクトルを各々の第２コンテンツベクトルと連結させることを含んでよい。各連結は、分類器３５２に含まれ得るユーザ－コンテンツ分類器を生成するよう１つの第２ユーザベクトル及び１つの第２コンテンツベクトルを含んでよい。いくつかの実施形態において、分類器３５２は、多層パーセプトロン（ＭＬＰ）のようなフィードフォワード・ニューラル・ネットワーク（ＦＮＮ）として構成されてよい。
【0059】
本開示の範囲から逸脱せずに、動作３００に対して変更、追加、又は削除が行われてもよい。例えば、動作のいくつかは、記載されているのとは異なる順序で実装されてもよい。追加的に、又は代替的に、２つ以上の動作が同時に実行されてもよい。更に、説明されている動作及びアクションは、単に例として与えられており、いくつかの動作及びアクションは、開示されている実施形態の本質から外れずに、任意であっても、より少ない動作及びアクションにまとめられても、又は更なる動作及びアクションに拡張されてもよい。
【0060】
図４は、本開示で記載される少なくとも１つの実施形態に従って、更新されたリソースベクトル４１６を生成するよう構成された動作４００の例となるフロー（「動作４００」）を表す。動作４００は、如何なる適切なシステム、装置、又はデバイスによっても実行されてよい。例えば、図１Ａのモジュール又は図２のコンピューティングシステム（例えば、モジュールの１つによって指示される。）の１つ以上が、動作４００に関連した動作の１つ以上を実行してもよい。別個のブロックで表されているが、動作４００のブロックの１つ以上に関連したステップ及び動作は、特定の実施に応じて、更なるブロックに分けられても、より少ないブロックにまとめられても、又は削除されてもよい。
【0061】
図３に関して示されたように、いくつかの実施形態において、図３の動作３１４は、動作４００が図３に関して記載された第２リソース表現３１６を生成するために使用され得るように、動作４００を含んでよい。例えば、いくつかの実施形態において、更新されたリソースベクトル４１６は、各々の第２リソース表現３１６に対応するリソースベクトルであってよい。更に、更新されたリソースベクトル４１６は、図３の各々の第１リソース表現３１２に対応する初期リソースベクトルであり得るリソースベクトル４０４の更新されたバージョンであってよい。これらの及び他の実施形態において、動作４００は、各第２リソース表現３１６について異なる更新されたリソースベクトル４１６を生成するために、各々の第１リソース表現３１２に対応する各リソースベクトル４０４に関して然るべく実行されてよい。
【0062】
いくつかの実施形態において、動作４００は、リソースベクトル４０４及びコンテンツベクトル４０２に基づきリソース関連性指標４０８を決定することを含み得る動作４５０を含んでよい。コンテンツベクトル４０２は、各々のコンテンツアイテムに夫々対応してよく、図３の第１コンテンツ表現３０８の例であってよい。いくつかの実施形態において、コンテンツベクトル４０２は、各コンテンツアイテムについて取得されてよい。
【0063】
追加的に、又は代替的に、動作４５０は、コンテンツアイテムの夫々とリソースベクトル４０４に対応する外部リソースとの間のリソース関連性指標４０８を決定することを含んでよい。各々のリソース関連性指標４０８は、従って、各々のコンテンツベクトル４０２に対応する各々のコンテンツアイテムと、リソースベクトル４０４に対応する外部リソースとの間であってよい。例えば、第１リソース関連性指標４０８ａは、リソースベクトル４０４に対応する外部リソースと、第１コンテンツベクトル４０２ａに対応する第１コンテンツアイテムとに関して決定されてよく、第２リソース関連性指標４０８ｂは、リソースベクトル４０４に対応する外部リソースと、第２コンテンツベクトル４０２ｂに対応する第２コンテンツアイテムとに関して決定されてよく、第３リソース関連性指標４０８ｃは、リソースベクトル４０４に対応する外部リソースと、第３コンテンツベクトル４０２ｃに対応する第３コンテンツアイテムとに関して決定されてよい。
【0064】
リソース関連性指標４０８は、各々のコンテンツアイテムと外部リソースとの間の接続性（connectivity）の度合いを夫々示し得る。いくつかの実施形態において、接続性の度合いは、コンテンツベクトル４０２と、リソースベクトル４０４と、図３のリソースグラフ３３４のようなリソースグラフ（図４には明示されず。）によって示され得る、外部リソースと対応するコンテンツアイテムとの間の関係とを解析することによって接続性の度合いを決定するよう構成されたアテンションネットワーク４０６によって、決定されてよい。例えば、リソース関連性指標４０８は、各々のコンテンツアイテムのどれが外部リソースへのリンクを提供するか、各々のコンテンツアイテムのうちのいくつが外部リソースへのリンクを提供するか、各々のコンテンツアイテムのどのタイプが外部リソースへのリンクを提供するか、などに基づいてよい。
【0065】
これらの及び他の実施形態において、リソース関連性指標４０８は、各々のコンテンツベクトル４０２を重み付けするために使用されてよい。重み付けは、接続性の度合いに基づいてよく、度合いが高ければ、より高い重みが与えられることになる。
【0066】
いくつかの実施形態において、動作４００は動作４５２を含んでよい。動作４５２は、重み付けされたコンテンツベクトル４０２に基づいた集約されたコンテンツベクトル４１０の生成を含んでよい。例えば、重み付けされたコンテンツベクトル４０２は、集約されたコンテンツベクトル４１０を生成するよう連結されてよい。集約されたコンテンツベクトル４１０は、従って、コンテンツアイテムを集合的に表す集約されたコンテンツ表現であってよい。追加的に、又は代替的に、集約されたコンテンツベクトル４１０は、コンテンツアイテムとリソースベクトル４０４に対応する外部リソースとの間の集合関係を表し得る。
【0067】
動作４００は、集約されたコンテンツベクトル４１０及びリソースベクトル４０４が組み合わされ得る動作４５４を含んでよい。例えば、いくつかの実施形態において、動作４５４は、集約されたコンテンツベクトル４１０及びリソースベクトル４０４を連結させ得る連結動作４１２を含んでよい。これらの及び他の実施形態において、動作４５４は、集約されたコンテンツベクトル４１０とリソースベクトル４０４との組み合わせを多層パーセプトロン（ＭＬＰ）４１４へ供給することを含んでよい。ＭＬＰ４１４は、更新されたリソースベクトル４１６を出力し得る。
【0068】
本開示の範囲から逸脱せずに、動作４００に対して変更、追加、又は削除が行われてもよい。例えば、動作のいくつかは、記載されているのとは異なる順序で実装されてもよい。追加的に、又は代替的に、２つ以上の動作が同時に実行されてもよい。更に、説明されている動作及びアクションは、単に例として与えられており、いくつかの動作及びアクションは、開示されている実施形態の本質から外れずに、任意であっても、より少ない動作及びアクションにまとめられても、又は更なる動作及びアクションに拡張されてもよい。
【0069】
図５は、本開示で記載される少なくとも１つの実施形態に従って、更新されたコンテンツベクトル５１６を生成するよう構成された動作５００の例となるフロー（「動作５００」）を表す。動作５００は、如何なる適切なシステム、装置、又はデバイスによっても実行されてよい。例えば、図１Ａのモジュール又は図２のコンピューティングシステム（例えば、モジュールの１つによって指示される。）の１つ以上が、動作５００に関連した動作の１つ以上を実行してもよい。別個のブロックで表されているが、動作５００のブロックの１つ以上に関連したステップ及び動作は、特定の実施に応じて、更なるブロックに分けられても、より少ないブロックにまとめられても、又は削除されてもよい。
【0070】
図３に関して示されたように、いくつかの実施形態において、図３の動作３１８は、動作５００が図３に関して記載された中間コンテンツ表現３２０を生成するために使用され得るように、動作５００を含んでよい。例えば、いくつかの実施形態において、更新されたコンテンツベクトル５１６は、各々の中間コンテンツ表現３２０に対応するコンテンツベクトルであってよい。更に、更新されたコンテンツベクトル５１６は、図３の各々の第１コンテンツ表現３０８に対応する初期コンテンツベクトルであり得るコンテンツベクトル５０４の更新されたバージョンであってよい。これらの及び他の実施形態において、動作５００は、各中間コンテンツ表現３２０について異なる更新されたコンテンツベクトル５１６を生成するために、各々の第１コンテンツ表現３０８に対応する各コンテンツベクトル５０４に関して然るべく実行されてよい。
【0071】
いくつかの実施形態において、動作５００は、コンテンツベクトル５０４及びユーザベクトル５０２に基づきエッジベクトル５２０を決定することを含み得る動作５５６を含んでよい。ユーザベクトル５０２は、ソーシャルネットワークの各々のユーザに夫々対応してよく、図３の第１ユーザ表現３０４の例であってよい。いくつかの実施形態において、ユーザベクトル５０２は、各ユーザについて取得されてよい。
【0072】
追加的に、又は代替的に、動作５５６は、ユーザベクトル５０２の夫々についてエッジベクトル５２０を決定することを含んでよい。各エッジベクトル５２０は、コンテンツベクトル５０４に対応するコンテンツアイテムに関して各々のユーザによって実行された相互作用のタイプに基づき生成されてよい。例えば、異なる相互作用は、対応するコンテンツアイテムの元の投稿（例えば、ツイートの投稿）、対応するコンテンツアイテムの共有（例えば、ツイートのリツイート）、対応するコンテンツアイテムのリンクを貼ること、対応するコンテンツアイテムにコメントすること、などを含んでよい。いくつかの実施形態において、相互作用のタイプは、図３のユーザグラフ３３０などのユーザグラフ（図５には明示されず。）、及び／又はコンテンツベクトル５０４及び／又は各々のユーザベクトル５０２に含まれ得る情報に基づき、識別されてよい。
【0073】
各々のエッジベクトル５２０は、従って、コンテンツベクトル５０４に対応するコンテンツアイテムに関して、各々のユーザに対応する各々のユーザによって実行された相互作用に基づき、生成されてよい。例えば、第１エッジベクトル５２０ａは、コンテンツベクトル５０４に対応するコンテンツアイテムとの、第１ユーザベクトル５０２ａに対応する第１ユーザによる第１相互作用に基づき、決定されてよい。同様に、第２エッジベクトル５２０ｂは、コンテンツベクトル５０４に対応するコンテンツアイテムとの、第２ユーザベクトル５０２ｂに対応する第２ユーザによる第２相互作用に基づき、決定されてよい。他の例として、第３エッジベクトル５２０ｃは、コンテンツベクトル５０４に対応するコンテンツアイテムとの、第３ユーザベクトル５０２ｃに対応する第３ユーザによる第３相互作用に基づき、決定されてよい。
【0074】
これらの及び他の実施形態において、エッジベクトル５２０は、異なるタイプの相互作用に応じて、異なる重みを有するよう生成されてよい。更に、いくつかの実施形態において、エッジベクトル５２０は、異なる重みが各々のユーザベクトル５０２に適用されている各々のユーザベクトル５０２の更新されたバージョンであってよい。追加的に、又は代替的に、動作５５６は、コンテンツベクトル５０４及びユーザベクトル５０２を多層パーセプトロン（ＭＬＰ）５１８へ供給することを含んでよく、ＭＬＰ５１８は、各々のエッジベクトル５２０を出力し得る。
【0075】
いくつかの実施形態において、動作５００は、コンテンツベクトル５０４及びエッジベクトル５２０に基づきコンテンツ関連性指標５０８を決定することを含み得る動作５５０を含んでよい。追加的に、又は代替的に、動作５５０は、ユーザの夫々とコンテンツベクトル５０４に対応するコンテンツアイテムとの間のコンテンツ関連性指標５０８を決定することを含んでよい。各々のコンテンツ関連性指標５０８は、従って、各々のエッジベクトル５２０に対応する各々のユーザと、コンテンツベクトル５０４に対応するコンテンツアイテムとの間であってよい。例えば、第１コンテンツ関連性指標５０８ａは、コンテンツベクトル５０４に対応するコンテンツアイテムと、第１エッジベクトル５２０ａに対応する第１ユーザとに関して決定されてよく、第２コンテンツ関連性指標５０８ｂは、コンテンツベクトル５０４に対応するコンテンツアイテムと、第２エッジベクトル５２０ｂに対応する第２ユーザとに関して決定されてよく、第３コンテンツ関連性指標５０８ｃは、コンテンツベクトル５０４に対応するコンテンツアイテムと、第３エッジベクトル５２０ｃに対応する第３ユーザとに関して決定されてよい。
【0076】
コンテンツ関連性指標５０８は、各々のユーザとコンテンツアイテムとの間の接続性の度合いを夫々示し得る。いくつかの実施形態において、接続性の度合いは、エッジベクトル５２０と、コンテンツベクトル５０４と、コンテンツグラフによって示され得る、コンテンツアイテムと対応するユーザとの間の関係（例えば、相互作用及び相互作用タイプに基づく関係）とを解析することによって接続性の度合いを決定するよう構成されたアテンションネットワーク５０６によって、決定されてよい。例えば、コンテンツ関連性指標５０８は、各々のユーザのうちの誰がコンテンツアイテムを生成するか又はそれと別なふうに相互作用したか、各々のユーザのうちの何人がコンテンツアイテムと相互作用したか、どのようなタイプの相互作用がコンテンツアイテムに関して各々のユーザによって行われたか、などに基づいてよい。
【0077】
これらの及び他の実施形態において、コンテンツ関連性指標５０８は、各々のエッジベクトル５２０を重み付けするために使用されてよい。重み付けは、接続性の度合いに基づいてよく、度合いが高ければ、より高い重みが与えられることになる。
【0078】
いくつかの実施形態において、動作５００は動作５５２を含んでよい。動作５５２は、重み付けされたエッジベクトル５２０に基づいた集約されたユーザベクトル５１０の生成を含んでよい。例えば、重み付けされたエッジベクトル５２０は、集約されたユーザベクトル５１０を生成するよう連結されてよい。集約されたユーザベクトル５１０は、従って、ユーザベクトル５０２に対応するユーザを集合的に表す集約されたユーザ表現であってよい。追加的に、又は代替的に、集約されたユーザベクトル５１０は、ユーザとコンテンツベクトル５０４に対応するコンテンツアイテムとの間の集合関係を表し得る。
【0079】
動作５００は、集約されたユーザベクトル５１０及びコンテンツベクトル５０４が組み合わされ得る動作５５４を含んでよい。例えば、いくつかの実施形態において、動作５５４は、集約されたユーザベクトル５１０及びコンテンツベクトル５０４を連結させ得る連結動作５１２を含んでよい。これらの及び他の実施形態において、動作５５４は、集約されたユーザベクトル５１０とコンテンツベクトル５０４との組み合わせを多層パーセプトロン（ＭＬＰ）５１４へ供給することを含んでよい。ＭＬＰ５１４は、更新されたコンテンツベクトル５１６を出力し得る。
【0080】
本開示の範囲から逸脱せずに、動作５００に対して変更、追加、又は削除が行われてもよい。例えば、動作のいくつかは、記載されているのとは異なる順序で実装されてもよい。追加的に、又は代替的に、２つ以上の動作が同時に実行されてもよい。更に、説明されている動作及びアクションは、単に例として与えられており、いくつかの動作及びアクションは、開示されている実施形態の本質から外れずに、任意であっても、より少ない動作及びアクションにまとめられても、又は更なる動作及びアクションに拡張されてもよい。
【0081】
図６は、本開示で記載される少なくとも１つの実施形態に従って、更新された現在ユーザベクトル６１６を生成するよう構成された動作６００の例となるフロー（「動作６００」）を表す。動作６００は、如何なる適切なシステム、装置、又はデバイスによっても実行されてよい。例えば、図１Ａのモジュール又は図２のコンピューティングシステム（例えば、モジュールの１つによって指示される。）の１つ以上が、動作６００に関連した動作の１つ以上を実行してもよい。別個のブロックで表されているが、動作６００のブロックの１つ以上に関連したステップ及び動作は、特定の実施に応じて、更なるブロックに分けられても、より少ないブロックにまとめられても、又は削除されてもよい。
【0082】
図３に関して示されたように、いくつかの実施形態において、図３の動作３２６は、動作６００が図３に関して記載された第１中間ユーザ表現３２８を生成するために使用され得るように、動作６００を含んでよい。例えば、いくつかの実施形態において、更新された現在ユーザベクトル６１６は、各々の第１中間ユーザ表現３２８に対応するユーザベクトルであってよい。更に、更新された現在ユーザベクトル６１６は、図３の各々の第１ユーザ表現３０４に対応する初期ユーザベクトルであり得る現在ユーザベクトル６０４の更新されたバージョンであってよい。これらの及び他の実施形態において、動作６００は、各第１中間ユーザ表現３２８について異なる更新された現在ユーザベクトル６１６を生成するために、各々の第１ユーザ表現３０４に対応する各現在ユーザベクトル６０４に関して然るべく実行されてよい。
【0083】
追加的に、又は代替的に、以下で示されるように、更新された現在ユーザベクトル６１６は、ソーシャルネットワークの特定のユーザとそのソーシャルネットワークの他のユーザとの間のリンクに基づき更新されてよい。現在ユーザベクトル６０４は、特定のユーザに対応してよく、他のユーザベクトル６０２は、他のユーザに対応してよい。他のユーザベクトル６０２も、従って、図３の第１ユーザ表現３０４の例であってよい。いくつかの実施形態で、他のユーザは、特定のユーザに直接に接続されるユーザ及び／又は特定のユーザに間接に直接されるユーザであってよい。
【0084】
いくつかの実施形態において、動作６００は、現在ユーザベクトル６０４及び他ユーザベクトル６０２に基づきユーザ関連性指標６０８を決定することを含み得る動作６５０を含んでよい。追加的に、又は代替的に、動作６５０は、他のユーザの夫々と特定のユーザとの間のユーザ関連性指標６０８を決定することを含んでよい。各々のユーザ関連性指標６０８は、従って、各々の他ユーザベクトル６０２に対応する各々の他のユーザと、現在ユーザベクトル６０４に対応する特定のユーザとの間であってよい。例えば、第１ユーザ関連性指標６０８ａは、特定のユーザと、第１他ユーザベクトル６０２ａに対応する第１の他のユーザとに関して決定されてよく、第２ユーザ関連性指標６０８ｂは、特定のユーザと、第２他ユーザベクトル６０２ｂに対応する第２の他のユーザとに関して決定されてよく、第３ユーザ関連性指標６０８ｃは、特定のユーザと、第３他ユーザベクトル６０２ｃに対応する第３の他のユーザとに関して決定されてよい。
【0085】
ユーザ関連性指標６０８は、各々の他のユーザと特定のユーザとの間の接続性の度合いを夫々示し得る。いくつかの実施形態において、接続性の度合いは、他ユーザベクトル６０２と、現在ユーザベクトル６０４と、図３のユーザグラフ３３０のようなユーザグラフ（図６には明示されず。）によって示され得る、特定のユーザと対応する他のユーザとの間の関係とを解析することによって接続性の度合いを決定するよう構成されたアテンションネットワーク６０６によって、決定されてよい。例えば、ユーザ関連性指標６０８は、どのユーザが特定のユーザにつながっているか、何人の異なるユーザが特定のユーザにつながっているか、特定のユーザと他のユーザとの間の接続性の度合い、などに基づいてよい。
【0086】
これらの及び他の実施形態において、ユーザ関連性指標６０８は、各々の他ユーザベクトル６０２を重み付けするために使用されてよい。重み付けは、接続性の度合いに基づいてよく、度合いが高ければ、より高い重みが与えられることになる。
【0087】
いくつかの実施形態において、動作６００は動作６５２を含んでよい。動作６５２は、重み付けされた他ユーザベクトル６０２に基づいた集約された他ユーザベクトル６１０の生成を含んでよい。例えば、重み付けされた他ユーザベクトル６０２は、集約された他ユーザベクトル６１０を生成するよう連結されてよい。集約された他ユーザベクトル６１０は、従って、他のユーザを集合的に表す集約されたユーザ表現であってよい。追加的に、又は代替的に、集約された他ユーザベクトル６１０は、他のユーザと現在ユーザベクトル６０４に対応する特定のユーザとの間の集合関係を表し得る。
【0088】
動作６００は、集約された他ユーザベクトル６１０及び現在ユーザベクトル６０４が組み合わされ得る動作６５４を含んでよい。例えば、いくつかの実施形態において、動作６５４は、集約された他ユーザベクトル６１０及び現在ユーザベクトル６０４を連結させ得る連結動作６１２を含んでよい。これらの及び他の実施形態において、動作６５４は、集約された他ユーザベクトル６１０と現在ユーザベクトル６０４との組み合わせを多層パーセプトロン（ＭＬＰ）６１４へ供給することを含んでよい。ＭＬＰ６１４は、更新された現在ユーザベクトル６１６を出力し得る。
【0089】
本開示の範囲から逸脱せずに、動作６００に対して変更、追加、又は削除が行われてもよい。例えば、動作のいくつかは、記載されているのとは異なる順序で実装されてもよい。追加的に、又は代替的に、２つ以上の動作が同時に実行されてもよい。更に、説明されている動作及びアクションは、単に例として与えられており、いくつかの動作及びアクションは、開示されている実施形態の本質から外れずに、任意であっても、より少ない動作及びアクションにまとめられても、又は更なる動作及びアクションに拡張されてもよい。
【0090】
図７は、本開示で記載される少なくとも１つの実施形態に従って、更新されたユーザベクトル７１６を生成するよう構成された動作７００の例となるフロー（「動作７００」）を表す。動作７００は、如何なる適切なシステム、装置、又はデバイスによっても実行されてよい。例えば、図１Ａのモジュール又は図２のコンピューティングシステム（例えば、モジュールの１つによって指示される。）の１つ以上が、動作７００に関連した動作の１つ以上を実行してもよい。別個のブロックで表されているが、動作７００のブロックの１つ以上に関連したステップ及び動作は、特定の実施に応じて、更なるブロックに分けられても、より少ないブロックにまとめられても、又は削除されてもよい。
【0091】
図３に関して示されたように、いくつかの実施形態において、図３の動作３４２は、動作７００が図３に関して記載された第２中間ユーザ表現３４４を生成するために使用され得るように、動作７００を含んでよい。例えば、いくつかの実施形態において、更新されたユーザベクトル７１６は、各々の第２中間ユーザ表現３４４に対応するユーザベクトルであってよい。更に、更新されたユーザベクトル７１６は、図３の各々の第１ユーザ表現３０４に対応する初期ユーザベクトルであり得るユーザベクトル７０４の更新されたバージョンであってよい。これらの及び他の実施形態において、動作７００は、各第２中間ユーザ表現３４４について異なる更新されたユーザベクトル７１６を生成するために、各々の第１ユーザ表現３０４に対応する各ユーザベクトル７０４に関して然るべく実行されてよい。
【0092】
いくつかの実施形態において、動作７００は、ユーザベクトル７０４及びコンテンツベクトル７０２に基づきエッジベクトル７２０を決定することを含み得る動作７５６を含んでよい。コンテンツベクトル７０２は、ソーシャルネットワークを介して広められる各々のコンテンツアイテムに夫々対応してよく、図３の第１コンテンツ表現３０８の例であってよい。いくつかの実施形態において、コンテンツベクトル７０２は、各コンテンツアイテムについて取得されてよい。
【0093】
追加的に、又は代替的に、動作７５６は、コンテンツベクトル７０２の夫々についてエッジベクトル７２０を決定することを含んでもよい。各エッジベクトル７２０は、コンテンツベクトル７０２に対応する各々のコンテンツアイテムに関して、ユーザベクトル７０４に対応するユーザによって実行される相互作用のタイプに基づき、生成されてよい。いくつかの実施形態において、相互作用のタイプは、図３のユーザグラフ３３０のようなユーザグラフ（図７には明示されず。）、及び／又はユーザベクトル７０４及び／又は各々のコンテンツベクトル７０２に含まれ得る情報に基づき、識別されてよい。
【0094】
各々のエッジベクトル７２０は、従って、コンテンツベクトル７０２に対応する各々のコンテンツアイテムに関して、ユーザベクトル７０４に対応するユーザによって実行される相互作用に基づき、生成されてよい。例えば、第１エッジベクトル７２０ａは、第１コンテンツベクトル７０２ａに対応する第１コンテンツアイテムに関する、ユーザベクトル７０４に対応するユーザによる第１相互作用に基づき、決定されてよい。同様に、第１エッジベクトル７２０ｂは、第２コンテンツベクトル７０２ｂに対応する第１コンテンツアイテムに関する、ユーザベクトル７０４に対応するユーザによる第２相互作用に基づき、決定されてよい。他の例として、第３エッジベクトル７２０ｃは、第３コンテンツベクトル７０２ｃに対応する第１コンテンツアイテムに関する、ユーザベクトル７０４に対応するユーザによる第３相互作用に基づき、決定されてよい。
【0095】
これらの及び他の実施形態において、エッジベクトル７２０は、異なるタイプの相互作用に応じて、異なる重みを有するよう生成されてよい。更に、いくつかの実施形態において、エッジベクトル７２０は、異なる重みが各々のコンテンツベクトル７０２に適用される各々のコンテンツベクトル７０２の更新されたバージョンであってよい。追加的に、又は代替的に、動作７５６は、ユーザベクトル７０４及びコンテンツベクトル７０２を多層パーセプトロン（ＭＬＰ）７１８へ供給することを含んでよく、ＭＬＰ７１８は、各々のエッジベクトル７２０を出力し得る。
【0096】
いくつかの実施形態において、動作７００は、ユーザベクトル７０４及びエッジベクトル７２０に基づきコンテンツ関連性指標７０８を決定することを含み得る動作７５０を含んでよい。追加的に、又は代替的に、動作７５０は、コンテンツアイテムの夫々とユーザベクトル７０４に対応するユーザとの間のコンテンツ関連性指標７０８を決定することを含んでよい。各々のコンテンツ関連性指標７０８は、従って、各々のエッジベクトル７２０に対応する各々のコンテンツアイテムと、ユーザベクトル７０４に対応するユーザとの間であってよい。例えば、第１コンテンツ関連性指標７０８ａは、ユーザベクトル７０４に対応するユーザと、第１エッジベクトル７２０ａに対応する第１コンテンツアイテムとに関して決定されてよく、第２コンテンツ関連性指標７０８ｂは、ユーザベクトル７０４に対応するユーザと、第２エッジベクトル７２０ｂに対応する第２コンテンツアイテムとに関して決定されてよく、第３コンテンツ関連性指標７０８ｃは、ユーザベクトル７０４に対応するユーザと、第３エッジベクトル７２０ｃに対応する第３コンテンツアイテムとに関して決定されてよい。
【0097】
コンテンツ関連性指標７０８は、各々のコンテンツアイテムとユーザとの間の接続性の度合いを夫々示し得る。いくつかの実施形態において、接続性の度合いは、エッジベクトル７２０と、ユーザベクトル７０４と、コンテンツグラフによって示され得る、ユーザと対応するコンテンツアイテムとの間の関係（例えば、相互作用及び相互作用タイプに基づく関係）とを解析することによって接続性の度合いを決定するよう構成されたアテンションネットワーク７０６によって、決定されてよい。例えば、コンテンツ関連性指標７０８は、各々のコンテンツアイテムのうちのどれとユーザが相互作用したか、各々のコンテンツアイテムのうちのいくつがユーザと相互作用したか、各々のコンテンツアイテムのうちのどのタイプとユーザが相互作用したか、などに基づいてよい。
【0098】
これらの及び他の実施形態において、コンテンツ関連性指標７０８は、各々のエッジベクトル７２０を重み付けするために使用されてよい。重み付けは、接続性の度合いに基づいてよく、度合いが高ければ、より高い重みが与えられることになる。
【0099】
いくつかの実施形態において、動作７００は動作７５２を含んでよい。動作７５２は、重み付けされたエッジベクトル７２０に基づいた集約されたコンテンツベクトル７１０の生成を含んでよい。例えば、重み付けされたエッジベクトル７２０は、集約されたコンテンツベクトル７１０を生成するよう連結されてよい。集約されたコンテンツベクトル７１０は、従って、コンテンツベクトル７０２に対応するコンテンツアイテムを集合的に表す集約されたコンテンツ表現であってよい。追加的に、又は代替的に、集約されたコンテンツベクトル７１０は、コンテンツアイテムとユーザベクトル７０４に対応するユーザとの間の集合関係を表し得る。
【0100】
動作７００は、集約されたコンテンツベクトル７１０及びユーザベクトル７０４が組み合わされ得る動作７５４を含んでよい。例えば、いくつかの実施形態において、動作７５４は、集約されたコンテンツベクトル７１０及びユーザベクトル７０４を連結させ得る連結動作７１２を含んでよい。これらの及び他の実施形態において、動作７５４は、集約されたコンテンツベクトル７１０とユーザベクトル７０４との組み合わせを多層パーセプトロン（ＭＬＰ）７１４へ供給することを含んでよい。ＭＬＰ７１４は、更新されたユーザベクトル７１６を出力し得る。
【0101】
本開示の範囲から逸脱せずに、動作７００に対して変更、追加、又は削除が行われてもよい。例えば、動作のいくつかは、記載されているのとは異なる順序で実装されてもよい。追加的に、又は代替的に、２つ以上の動作が同時に実行されてもよい。更に、説明されている動作及びアクションは、単に例として与えられており、いくつかの動作及びアクションは、開示されている実施形態の本質から外れずに、任意であっても、より少ない動作及びアクションにまとめられても、又は更なる動作及びアクションに拡張されてもよい。
【0102】
図８は、本開示で記載される少なくとも１つの実施形態に従って、コンテンツリコメンデーションを取得する、例となる方法８００のフローチャートである。方法８００は、如何なる適切なシステム、装置、又はデバイスによって実行されてよい。例えば、図１Ａのモジュール又は図２のコンピューティングシステム２０２（例えば、モジュールの１つによって指示される。）の１つ以上が、方法８００に関連した動作の１つ以上を実行してもよい。別個のブロックで表されているが、方法８００のブロックの１つ以上に関連したステップ及び動作は、特定の実施に応じて、更なるブロックに分けられても、より少ないブロックにまとめられても、又は削除されてもよい。
【0103】
方法８００は、特定のコンテンツアイテムに関連したコンテンツ表現が取得され得るブロック８０２を含んでよい。特定のコンテンツアイテムは、ソーシャルネットワークによって広められ得るコンテンツであってよい。いくつかの実施形態において、コンテンツ表現は、特定のコンテンツアイテムに対応する更新されたコンテンツ表現であってもよい。例えば、コンテンツ表現は、特定のコンテンツアイテムに対応する図３の特定の第２コンテンツ表現３２４であってよい。
【0104】
方法８００は、ソーシャルネットワークの特定のユーザに関連したユーザ表現が取得され得るブロック８０４を含んでよい。いくつかの実施形態において、ユーザ表現は、特定のユーザに対応する更新されたユーザ表現であってもよい。例えば、ユーザ表現は、特定のユーザに対応する図３の特定の第２ユーザ表現３４８であってよい。
【0105】
ブロック８０６で、ユーザ表現及びコンテンツ表現は組み合わされてよい。例えば、いくつかの実施形態において、ユーザ表現は、更新されたユーザベクトルを含んでよく、コンテンツ表現は、更新されたコンテンツベクトルを含んでよい。これらの及び他の実施形態において、組み合わせは、ユーザベクトルとコンテンツベクトルとを連結させることを含んでよい。
【0106】
ブロック８０８で、リコメンデーションスコアが、組み合わされたユーザ表現及びコンテンツ表現に基づき取得されてよい。例えば、いくつかの実施形態において、組み合わされたユーザ表現及びコンテンツ表現は、図３～７に関して上述されたように生成及び訓練され得るユーザ－コンテンツ分類器へ供給されてよい。ユーザ－コンテンツ分類器は、特定のユーザと、そこに含まれる分類を用いて決定された特定のコンテンツアイテムとの間の関係に基づき、特定のコンテンツアイテムに関して特定のユーザのためのリコメンデーションスコアを生成し得る。
【0107】
いくつかの実施形態において、特定のコンテンツアイテムは、リコメンデーションスコアに基づき特定のユーザにリコメンドされてよい。例えば、いくつかの実施形態において、特定のコンテンツアイテムは、リコメンデーションスコアが特定の閾値を満足することに応答して、リコメンドされ得る。これらの及び他の実施形態において、方法８００は、特定のユーザに関係がある各コンテンツアイテムに関して各々のリコメンデーションスコアを識別するために、１つ以上のコンテンツアイテムの夫々及び特定のユーザに関して実行されてよい。これらの及び他の実施形態において、コンテンツアイテムの１つ以上は、それらの各々のリコメンデーションスコアに基づいたコンテンツアイテムの相対的な順位付けに基づき、特定のユーザへのリコメンデーションのために選択され得る。
【0108】
本開示の範囲から逸脱せずに、方法８００に対して変更、追加、又は削除が行われてもよい。例えば、方法８００の動作のいくつかは、記載されているのとは異なる順序で実装されてもよい。追加的に、又は代替的に、２つ以上の動作が同時に実行されてもよい。更に、説明されている動作及びアクションは、単に例として与えられており、いくつかの動作及びアクションは、開示されている実施形態の本質から外れずに、任意であっても、より少ない動作及びアクションにまとめられても、又は更なる動作及びアクションに拡張されてもよい。
【0109】
図９は、本開示で記載される少なくとも１つの実施形態に従って、ユーザ－コンテンツ分類器を生成する、例となる方法９００のフローチャートである。方法９００は、如何なる適切なシステム、装置、又はデバイスによって実行されてよい。例えば、図１Ａのモジュール又は図２のコンピューティングシステム２０２（例えば、モジュールの１つによって指示される。）の１つ以上が、方法９００に関連した動作の１つ以上を実行してもよい。別個のブロックで表されているが、方法９００のブロックの１つ以上に関連したステップ及び動作は、特定の実施に応じて、更なるブロックに分けられても、より少ないブロックにまとめられても、又は削除されてもよい。
【0110】
方法９００は、ユーザグラフ、コンテンツグラフ、及びリソースグラフが取得され得るブロック９０２を含んでよい。いくつかの実施形態において、グラフは、図１Ａ及び１Ｂに関して上述されたように取得されてよい。
【0111】
ブロック９０４で、ソーシャルネットワークの各々のユーザに夫々関連している複数の第１ユーザ表現が、取得されてよい。更に、ソーシャルネットワークを介して広められる各々のコンテンツアイテムに夫々関連している複数の第１コンテンツ表現が、取得されてよい。追加的に、又は代替的に、コンテンツアイテムの１つ以上へリンクされ得る各々の外部リソースに夫々関連している複数の第１リソース表現が、取得されてよい。いくつかの実施形態において、これらの第１表現は、図３に関して上述されたように取得されてよい。
【0112】
ブロック９０６で、各々の第１ユーザ表現に夫々関連している複数の第２ユーザ表現が、取得されてよい。更に、各々の第１コンテンツ表現に夫々関連している複数の第２コンテンツ表現が、取得されてよい。追加的に、又は代替的に、各々の第１リソース表現に夫々関連している複数の第２リソース表現が、取得されてよい。いくつかの実施形態において、これらの第２表現は、図３～７に関して上述されたように取得されてよい。
【0113】
ブロック９０８で、ユーザ－コンテンツ分類器が、第２ユーザ表現、第２コンテンツ表現、及び第２リソース表現に基づき生成されてよい。これらの及び他の実施形態において、ユーザ－コンテンツ分類器は、図３～７に関して上述されたように生成されてよい。
【0114】
本開示の範囲から逸脱せずに、方法９００に対して変更、追加、又は削除が行われてもよい。例えば、方法９００の動作のいくつかは、記載されているのとは異なる順序で実装されてもよい。追加的に、又は代替的に、２つ以上の動作が同時に実行されてもよい。更に、説明されている動作及びアクションは、単に例として与えられており、いくつかの動作及びアクションは、開示されている実施形態の本質から外れずに、任意であっても、より少ない動作及びアクションにまとめられても、又は更なる動作及びアクションに拡張されてもよい。例えば、いくつかの実施形態において、方法８００の動作の１つ以上が方法９００とともに含まれてもよい。
【0115】
上述されたように、本開示で記載される実施形態は、以下で更に詳細に論じられるように、様々なコンピュータハードウェア又はソフトウェアモジュールを含む専用又は汎用コンピュータの使用を含んでよい。更に、上述されたように、本開示で記載される実施形態は、コンピュータ実行可能命令又はデータ構造を搬送又は記憶するコンピュータ可読媒体を用いて実装されてもよい。
【0116】
本開示で使用されるように、「モジュール」又は「コンポーネント」という用語は、モジュール若しくはコンポーネントの動作を実行するよう構成された特定のハードウェア実装、並びに／又はコンピューティングシステムの汎用ハードウェア（例えば、コンピュータ可読媒体、処理デバイス、など）に記憶され及び／若しくはそれによって実行され得るソフトウェアオブジェクト若しくはソフトウェアルーチンを指し得る。いくつかの実施形態において、本開示で記載される異なるコンポーネント、モジュール、エンジン、及びサービスは、コンピューティングシステムで（例えば、別個のスレッドとして）実行するオブジェクト又はプロセスとして実装されてもよい。本開示で記載されるシステム及び方法のいくつかは、（汎用ハードウェアに記憶され及び／又はそれによって実行される）ソフトウェアにおいて実装されるものとして概して記載されているが、特定のハードウェア実装、又はソフトウェアと特定のハードウェア実装との組み合わせも可能であり、考えられている。本明細書中、「コンピューティングエンティティ」は、本開示で先に定義されたあらゆるコンピューティングシステム、又はコンピューティングシステムで実行されるあらゆるモジュール若しくはモジュールの組み合わせであってよい。
【0117】
本開示で、特に添付の特許請求の範囲（例えば、添付の特許請求の本文）で使用される用語は、一般的に、“非限定的な（open）”用語として意図されている（例えば、語「含んでいる（including）」は、“～を含んでいるが、～に限定されない”との意に解釈されるべきであり、語「備えている（having）」は、「少なくとも～を備えている」との意に解釈されるべきであり、語「含む（includes）」は、“～を含むが、～に限定されない”との意に解釈されるべきである、など。）。
【0118】
更に、導入されたクレーム記載（introduced claim recitation）において特定の数が意図される場合、そのような意図は当該クレーム中に明確に記載され、そのような記載がない場合は、そのような意図も存在しない。例えば、理解を促すために、後続の添付された特許請求の範囲では、「少なくとも１つの（at least one）」及び「１つ以上の（one or more）」といった導入句を使用し、クレーム記載を導入することがある。しかし、このような句を使用するからといって、「a」又は「an」といった不定冠詞によりクレーム記載を導入した場合に、たとえ同一のクレーム内に、「１つ以上の」又は「少なくとも１つの」といった導入句と「a」又は「an」といった不定冠詞との両方が含まれるとしても、当該導入されたクレーム記載を含む特定のクレームが、当該記載事項を１しか含まない例に限定されるということが示唆されると解釈されるべきではない（例えば、「a」及び／又は「an」は、「少なくとも１つの」又は「１つ以上の」を意味すると解釈されるべきである。）。定冠詞を使用してクレーム記載を導入する場合にも同様のことが当てはまる。
【0119】
更には、導入されたクレーム記載において特定の数が明示されている場合であっても、そのような記載は、通常、少なくとも記載された数を意味するように解釈されるべきであることは、当業者には理解されるであろう（例えば、他に修飾語のない、単なる「２つの記載事項」という記載がある場合、この記載は、少なくとも２つの記載事項、又は２つ以上の記載事項を意味する。）。更に、「Ａ、Ｂ及びＣなどのうち少なくとも１つ」又は「Ａ、Ｂ及びＣなどのうちの１つ以上」に類する表記が使用される場合、一般的に、そのような構造は、Ａのみ、Ｂのみ、Ｃのみ、ＡとＢの両方、ＡとＣの両方、ＢとＣの両方、及び／又はＡとＢとＣの全て、などを含むよう意図される。
【0120】
更に、２つ以上の選択可能な用語を表す如何なる離接語及び／又は離接句も、明細書、特許請求の範囲、又は図面のいずれであろうと、それら用語のうちの１つ、それらの用語のうちのいずれか、あるいは、それらの用語の両方を含む可能性を意図すると理解されるべきである。例えば、「Ａ又はＢ」という句は、「Ａ又はＢ」、あるいは、「Ａ及びＢ」の可能性を含むことが理解されるべきである。
【0121】
本開示で挙げられている全ての例及び条件付き言語は、当該技術の促進に本発明者によって寄与される概念及び本発明を読者が理解するのを助ける教育上の目的を意図され、そのような具体的に挙げられている例及び条件に制限されないと解釈されるべきである。本開示の実施形態が詳細に記載されてきたが、様々な変更、置換、及び代替が、本開示の主旨及び適用範囲から逸脱することなしに行われてよい。
【0122】
上記の実施形態に加えて、以下の付記を開示する。
（付記１）
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することと
を有し、
各組み合わせは、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、
方法。
（付記２）
前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
付記１に記載の方法。
（付記３）
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
付記１に記載の方法。
（付記４）
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
付記１に記載の方法。
（付記５）
前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
付記４に記載の方法。
（付記６）
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
付記１に記載の方法。
（付記７）
前記第１中間ユーザ表現は、前記各々のユーザと前記他のユーザとの間の第１関連性指標に更に基づき、
前記第２中間ユーザ表現は、前記各々のユーザと前記コンテンツアイテムとの間の第２関連性指標に更に基づく、
付記６に記載の方法。
（付記８）
１つ以上のプロセッサと、命令を記憶するよう構成された１つ以上の非一時的なコンピュータ可読記憶媒体とを有するシステムであって、
前記命令は、前記１つ以上のプロセッサによって実行されることに応答して、前記システムに、
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することであり、各組み合わせが、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、ことと
を有する動作を実行させる、
システム。
（付記９）
前記動作は、前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
付記８に記載のシステム。
（付記１０）
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
付記８に記載のシステム。
（付記１１）
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
付記８に記載のシステム。
（付記１２）
前記動作は、前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
付記１１に記載のシステム。
（付記１３）
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
付記８に記載のシステム。
（付記１４）
前記第１中間ユーザ表現は、前記各々のユーザと前記他のユーザとの間の第１関連性指標に更に基づき、
前記第２中間ユーザ表現は、前記各々のユーザと前記コンテンツアイテムとの間の第２関連性指標に更に基づく、
付記１３に記載のシステム。
（付記１５）
実行されることに応答して、システムに、
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することであり、各組み合わせが、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、ことと
を有する動作を実行させる命令を記憶するよう構成された１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１６）
前記動作は、前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
付記１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１７）
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
付記１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１８）
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
付記１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１９）
前記動作は、前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
付記１８に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記２０）
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
付記１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１）
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することと
を有し、
各組み合わせは、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、
方法。
（付記２）
前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
付記１に記載の方法。
（付記３）
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
付記１に記載の方法。
（付記４）
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
付記１に記載の方法。
（付記５）
前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
付記４に記載の方法。
（付記６）
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
付記１に記載の方法。
（付記７）
前記第１中間ユーザ表現は、前記各々のユーザと前記他のユーザとの間の第１関連性指標に更に基づき、
前記第２中間ユーザ表現は、前記各々のユーザと前記コンテンツアイテムとの間の第２関連性指標に更に基づく、
付記６に記載の方法。
（付記８）
１つ以上のプロセッサと、命令を記憶するよう構成された１つ以上の非一時的なコンピュータ可読記憶媒体とを有するシステムであって、
前記命令は、前記１つ以上のプロセッサによって実行されることに応答して、前記システムに、
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することであり、各組み合わせが、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、ことと
を有する動作を実行させる、
システム。
（付記９）
前記動作は、前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
付記８に記載のシステム。
（付記１０）
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
付記８に記載のシステム。
（付記１１）
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
付記８に記載のシステム。
（付記１２）
前記動作は、前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
付記１１に記載のシステム。
（付記１３）
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
付記８に記載のシステム。
（付記１４）
前記第１中間ユーザ表現は、前記各々のユーザと前記他のユーザとの間の第１関連性指標に更に基づき、
前記第２中間ユーザ表現は、前記各々のユーザと前記コンテンツアイテムとの間の第２関連性指標に更に基づく、
付記１３に記載のシステム。
（付記１５）
実行されることに応答して、システムに、
ソーシャルネットワークのユーザ間のリンクを示すユーザグラフを取得することと、
前記ソーシャルネットワークの前記ユーザと、前記ソーシャルネットワークを介して前記ユーザによって相互作用されるコンテンツアイテムとの間のリンクを示すコンテンツグラフを取得することと、
前記コンテンツアイテムと該コンテンツアイテムに含まれる外部リソースとの間のリンクを示すリソースグラフを取得することと、
前記ソーシャルネットワークの前記ユーザの第１ユーザ表現を生成することと、
前記コンテンツアイテムの第１コンテンツ表現を生成することと、
前記外部リソースの第１リソース表現を生成することと、
前記第１コンテンツ表現、前記第１リソース表現、及び前記リソースグラフに基づき、前記外部リソースの第２リソース表現を生成することと、
前記第１コンテンツ表現、前記第１ユーザ表現、前記コンテンツグラフ、及び前記第２リソース表現に基づき、前記コンテンツアイテムの第２コンテンツ表現を生成することと、
前記第１ユーザ表現、前記ユーザグラフ、前記第１コンテンツ表現、及び前記コンテンツグラフに基づき、前記ユーザの第２ユーザ表現を生成することと、
前記第２コンテンツ表現と前記第２ユーザ表現との組み合わせに基づき、機械学習ネットワークのユーザ－コンテンツ関係分類器を生成することであり、各組み合わせが、前記第２コンテンツ表現の１つと、前記第２ユーザ表現の１つを含む、ことと
を有する動作を実行させる命令を記憶するよう構成された１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１６）
前記動作は、前記ユーザ－コンテンツ関係分類器から、前記ユーザの中の特定のユーザのための特定のコンテンツアイテムのリコメンデーションを、前記特定のユーザに関連した特定の第２ユーザ表現に基づき、かつ、前記特定のコンテンツアイテムに関連した特定の第２コンテンツ表現に基づき、取得することを更に有し、
前記特定の第２ユーザ表現及び前記特定の第２コンテンツ表現は、前記ユーザ－コンテンツ関係分類器への入力として供給される、
付記１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１７）
各々の外部リソースの各々の第２リソース表現を生成することは、
前記第１コンテンツ表現の夫々と、前記各々の外部リソースの各々の第１リソース表現とに基づき、前記コンテンツアイテムと前記各々の外部リソースとの間の関連性指標を決定することであり、各々の関連性指標は、各々のコンテンツアイテムと前記各々の外部リソースとの間である、ことと、
前記関連性指標及び前記第１コンテンツ表現に基づき、集約されたコンテンツ表現を生成することと、
前記集約されたコンテンツ表現と前記各々の第１リソース表現との組み合わせに基づき、前記各々の第２リソース表現を生成することと
を有する、
付記１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１８）
各々のコンテンツアイテムの各々の第２コンテンツ表現を生成することは、
前記第１ユーザ表現の夫々と、前記各々のコンテンツアイテムの各々の第１コンテンツ表現とに基づき、前記ユーザと前記各々のコンテンツアイテムとの間の関連性指標を決定することであり、各々の関連性指標は、各々のユーザと前記各々のコンテンツアイテムとの間である、ことと、
前記関連性指標及び前記第１ユーザ表現に基づき、集約されたユーザ表現を生成することと、
前記集約されたユーザ表現と、前記各々の第１コンテンツ表現との組み合わせに基づき、中間コンテンツ表現を生成することと、
前記中間コンテンツ表現と、前記第２リソース表現のうちの１つとの組み合わせに基づき、前記各々の第２コンテンツ表現を生成することと
を有する、
付記１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記１９）
前記動作は、前記第１ユーザ表現及び前記各々の第１コンテンツ表現に基づきエッジ表現を生成することを更に有し、
各々のエッジ表現は、各々の第１ユーザ表現及び前記各々の第１コンテンツ表現に基づいており、前記各々の第１ユーザ表現に関連したユーザが前記各々のコンテンツアイテムを共有した様式を示し、
前記関連性指標を決定することは、前記エッジ表現に基づく、
付記１８に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
（付記２０）
各々のユーザの各々の第２ユーザ表現を生成することは、
前記ユーザグラフ、前記各々のユーザの各々の第１ユーザ表現、及び他のユーザに対応する他の第１ユーザ表現に基づき、第１中間ユーザ表現を生成することと、
前記コンテンツグラフ、前記各々の第１ユーザ表現、及び前記第１コンテンツ表現に基づき、第２中間ユーザ表現を生成することと、
前記第１中間ユーザ表現及び前記第２中間ユーザ表現に基づき、前記各々の第２ユーザ表現を生成することと
を有する、
付記１５に記載の１つ以上の非一時的なコンピュータ可読記憶媒体。
【符号の説明】
【0123】
１０２ リコメンデーションシステム
１０４ 外部リソース
１０６ ソーシャルネットワーク
１０８ ソーシャルメディアグラフモジュール
１１０ ソーシャルメディアグラフ
１１２ 訓練モジュール
１１４ リコメンデーションモジュール
１１６ ソーシャルメディア情報
１１８ 外部リソース情報
１３０，３３０ ユーザグラフ
１３２，３３２ コンテンツグラフ
１３４，３３４ リソースグラフ
２０２ コンピューティングシステム
２５０ プロセッサ
２５２ メモリ
２５４ データストレージ
３０４ 第１ユーザ表現
３０８ 第１コンテンツ表現
３１２ 第１リソース表現
３１６ 第２リソース表現
３２０ 中間コンテンツ表現
３２４ 第２コンテンツ表現
３２８ 第１中間ユーザ表現
３４４ 第２中間ユーザ表現
３４８ 第２ユーザ表現
３５２ ユーザ－コンテンツ分類器
４０８ リソース関連性指標
５０８，７０８ コンテンツ関連性指標
６０８ ユーザ関連性指標
１０４ 外部リソース
１０６ ソーシャルネットワーク
１０８ ソーシャルメディアグラフモジュール
１１０ ソーシャルメディアグラフ
１１２ 訓練モジュール
１１４ リコメンデーションモジュール
１１６ ソーシャルメディア情報
１１８ 外部リソース情報
１３０，３３０ ユーザグラフ
１３２，３３２ コンテンツグラフ
１３４，３３４ リソースグラフ
２０２ コンピューティングシステム
２５０ プロセッサ
２５２ メモリ
２５４ データストレージ
３０４ 第１ユーザ表現
３０８ 第１コンテンツ表現
３１２ 第１リソース表現
３１６ 第２リソース表現
３２０ 中間コンテンツ表現
３２４ 第２コンテンツ表現
３２８ 第１中間ユーザ表現
３４４ 第２中間ユーザ表現
３４８ 第２ユーザ表現
３５２ ユーザ－コンテンツ分類器
４０８ リソース関連性指標
５０８，７０８ コンテンツ関連性指標
６０８ ユーザ関連性指標
【図1A】
【図1B】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】