使用优质示例的自动化文档助手专利检索-自动在线助手人工智能专利检索查询-专利查询网

使用优质示例的自动化文档助手

阅读：865发布：2020-05-23

专利汇可以提供使用优质示例的自动化文档助手专利检索，专利查询，专利分析的服务。并且本发明为使用优质示例的自动化文档助手。在一些实施例中，公开的发明主题涉及使用示例的在线或基于网络的自动化文档辅助，并且更具体地说，涉及向在线用户提供与用户正在起草的文档的上下文相关的、内容的自动且经质量排名的示例。质量准则可以用于训练模型以辅助对候选示例进行排名。实施例使用文档编辑器的简历助手加载项向用户提供相关的工作经验示例以在显示器上接近于正在被编辑的简历呈现。加载项经由API与后端服务器通信，其中，后端服务器对可用内容进行预处理，并以键值形式存储具有用户可选择准则的候选示例。描述并要求保护了其他实施例。，下面是使用优质示例的自动化文档助手专利的具体信息内容。

权利要求

1.一种用于提供内容示例的系统，包括：
处理器，其通信地耦合至被配置为存储与包括上下文信息的多个内容准则相关的内容的内容数据库，并且通信地耦合至被配置为存储经过滤的内容的第二数据库，所述处理器耦合至被配置有指令的存储器，所述指令当在所述处理器上执行时，使所述自动化系统：
从所述内容数据库检索内容；
基于与至少一个质量测量相关的上下文准则来对所述内容进行过滤；
将经过滤的内容减少到数量N个条目，并将经减少和经过滤的N个条目存储在所述第二数据库中，其中，所述内容被周期性地自动重新过滤以提供经更新的N个条目来覆盖所述第二数据库中的所述N个条目；以及
响应于文档助手应用经由应用程序接口(API)调用对内容示例的请求来进行以下操作，其中，所述请求包括内容类型和可选准则以识别与所述可选准则相关的内容的子集：
从所述第二数据库中检索所述N个条目；以及
向所述API提供数量M<＝N个条目，所述M个条目被格式化以在所述文档助手应用中显示。
2.根据权利要求1所述的系统，其中，所述内容类型是职位角色，并且可选准则包括与所述职位角色相关的行业和与所述职位角色相关的职位技能中的至少一者。
3.根据权利要求1所述的系统，其中，所述第二数据库被配置为将条目存储为键值项，并且其中，存储器的上限驱动将要与所述内容进行相关以形成键值条目集合的最大数量的内容准则。
4.根据权利要求1所述的系统，其中，所述内容数据库被配置为包括含有与职位相关的社交网络的成员简档的内容，并且其中，内容包括与所述成员简档相关的工作经验以及所述工作经验的包括行业、职位技能和职位角色的内容准则。
5.根据权利要求4所述的系统，其中，所述处理器还被配置有用于以下操作的指令：
检查成员简档是否已经被授权访问，如果没有，则从所述N个条目中忽略所述成员简档，而不管所述成员简档的其他质量准则如何。
6.根据权利要求4所述的系统，还包括当在向所述API发送所述M个条目之前执行时，使所述系统进行以下操作的附加指令：
访问被配置有成员简档和相关联的设置的在线存储；
检查针对所提供的M个条目的授权，以确保与条目相关联的每个成员简档已经被授权访问；
检查来自源于所述第二数据库的所提供的条目的内容以及当前成员简档内容的变化；
以及
对所述M个条目进行匿名化，其中，如果针对授权的检查和针对变化的检查中的任何一者或二者失败，则从所提供的条目中忽略所述条目。
7.根据权利要求4所述的系统，其中，用于基于与所述至少一个质量测量相关的上下文准则来对所述内容进行过滤的指令包括：用于基于从与成员简档相关联的社交信号、简档特征和描述特征推导出的质量准则的排名来生成候选条目的指令。
8.根据权利要求7所述的系统，其中，所述排名包括：使用机器学习模型，所述机器学习模型利用与包括社交信号、简档特征和描述特征的成员简档相关联的质量准则进行训练。
9.根据权利要求7所述的系统，其中，所述质量准则的排名包括：在所述内容准则的上下文中评估所述质量测量，并且其中，所述内容准则包括职位角色、行业和职位技能中的至少一者。
10.一种用于生成内容示例的计算机实现的方法，包括：
从第一数据库检索多个内容项，其中，每个内容项具有内容类型并包括与一个或多个用户可选择准则相关的信息；
基于质量准则来对所述多个内容项进行过滤以移除具有不正确内容类型或质量水平的内容项；
基于与所述用户可选择准则或关于所述内容类型的客观准则相对应的至少一个质量测量来对所述多个内容项中的每一者进行排名；
选择与所述用户可选择准则相关的数量N个较高排名候选者；以及
将所选择的N个较高排名候选者存储在可经由来自文档助手应用的应用程序接口(API)调用访问的存储器存储设备中。
11.根据权利要求10所述的计算机实现的方法，其中，所述第一数据库包括含有工作经验信息的成员简档信息，其中，所述内容类型是成员简档，并且用户可选择准则包括职位角色、与所述职位角色相关的行业、或职位技能中的至少一者。
12.根据权利要求11所述的计算机实现的方法，还包括：
通过对以下各项中的至少一项的分析来确定所述至少一个质量测量：与所述成员简档相对应的社交信号、所述成员简档的特征，或者所述成员简档的内容。
13.根据权利要求12所述的计算机实现的方法，其中，所述确定所述至少一个质量测量还包括：
通过对以下各项中的所述至少一项相对于选择的用户可选择准则的分析来确定所述至少一个质量测量：与所述成员简档相对应的所述社交信号、所述成员简档的特征，或者所述成员简档的内容。
14.根据权利要求13所述的计算机实现的方法，其中，所述用户选择的准则是职位角色，并且对与所述成员简档相对应的社交信号、所述成员简档的特征、或者所述成员简档的内容中的所述至少一项的所述分析是在所选择的职位角色的上下文中执行的。
15.根据权利要求13所述的计算机实现的方法，其中，所述用户选择的准则是职位角色和至少一个附加准则，并且对与所述成员简档相对应的社交信号、所述成员简档的特征、或者所述成员简档的内容中的所述至少一项的所述分析是在所选择的职位角色和所述至少一个附加准则的上下文中执行的。
16.根据权利要求10所述的计算机实现的方法，还包括：
选择所选择的N个较高排名候选者中的数量M个较高排名候选者，其中，M小于或等于N；
格式化与所选择的M个较高排名候选者相对应的可显示内容；以及
将所述可显示内容存储在可经由来自文档助手应用的应用程序接口(API)调用访问的存储器存储设备中。
17.根据权利要求10所述的计算机实现的方法，还包括：
周期性地自动从所述第一数据库中检索所述多个内容项，并且重复所述过滤、排名和选择活动，并将经更新的N个候选者存储在所述存储器存储设备中。
18.根据权利要求10所述的计算机实现的方法，其中，所述第一数据库中的所述内容项与包括工作经验的成员简档相关联，所述方法还包括：
确定成员简档是否被授权与第三方共享，并且如果所述成员简档未被授权，则从所述N个较高排名候选者中忽略与所述成员简档相对应的所述内容项。
19.一种被配置为操作文档助手的客户端设备，包括：
通信地耦合至显示设备和用户输入设备二者的处理器，所述处理器耦合至存储指令的存储器，所述指令当由所述处理器执行时使所述客户端设备：
操作文档编辑器，所述文档编辑器被配置为：在所述显示器的一部分中呈现文档，并且被配置有文档助手加载项，所述文档助手加载项被配置为：提供与关联于所述文档的准则相关的内容示例，其中，所述文档助手加载项还被配置为：
向后端服务器请求与关联于所述文档的所述准则相关的内容示例，所述后端服务器被配置为：以键值格式来存储与所述准则相关的经预处理的内容示例，所述请求是经由应用程序接口(API)做出的；
从所述后端服务器接收与所述准则相关的经预处理和质量过滤的示例，其中，响应于所述请求，针对相关性和授权对所述经预处理和质量过滤的示例进行实时检查，并且仅从所述后端服务器发送相关和经授权的示例；
将所接收的经预处理和质量过滤的示例中的至少一者呈现在所述显示设备上的所呈现的文档附近的区域中；以及
响应于经由所述用户输入设备的用户输入，修改与发送到所述后端服务器的文档相关联的所述准则，以聚焦或扩展所述内容示例，并接收经更新的内容示例以便在所述显示设备上呈现。
20.根据权利要求19所述的客户端设备，其中，所述文档具有内容类型，并且与所述文档相关联的准则依赖于所述文档类型和用户输入。
21.根据权利要求20所述的客户端设备，其中，所述文档类型是简历，并且所述准则是用户经由所述用户输入设备可选择的，并且包括职位角色、行业和职位技能，并且其中，所述内容示例是与以下各项中的一项相关联的工作经验示例(1)职位角色；(2)职位角色和行业；(3)职位角色和职位技能；或者(4)职位角色、行业和职位技能。
22.根据权利要求20所述的客户端设备，其中，所述内容示例是从基于职位的社交网络数据库的成员简档中选择的，并由所述后端服务器基于所述准则以及从与成员简档相关联的社交信号、简档特征和描述特征推导出的成员简档质量测量针对质量进行过滤，其中，成员简档被输入到机器学习模型并针对质量排名，并且仅发送满足质量门限的成员简档作为内容示例。

说明书全文

使用优质示例的自动化文档助手

技术领域

[0001] 概括地说，本发明主题的实施例涉及使用示例的在线自动化文档辅助，并且更具体地说，涉及向在线用户提供与用户正在起草的文档的上下文相关的内容的自动示例背景技术

[0002] 存在用于辅助用户生成文档的各种机制。对于各种应用，表单、模板和完整的示例性文档可以供用户复制、粘贴或格式化文档。用户已经使用电子复制和粘贴来手动复制先前生成的文档的内容或格式，或者重新输入内容。对文档类型生成不熟悉的用户可以通过网络搜索、向朋友或同事请求副本等来获得类似文档的副本。然而，不能保证所使用的模板、或者所复制或依赖的内容是完全相关、准确或高质量的。此外，获得优质示例内容可能是耗时的。附图说明

[0003] 在附图中，相同的附图标记可以描述不同视图中的相似组件，所述附图不一定是按比例绘制的。具有不同字母后缀的相同数字可以表示相似组件的不同实例。在附图的图示中，通过示例而非限制的方式示出了一些实施例，在所述附图中：

[0004] 图1根据实施例示出了使用自动化工作经验示例的在线简历助手应用；

[0005] 图2根据实施例示出了选择了角色和行业的在线简历助手应用；

[0006] 图3根据实施例示出了具有角色、行业和技能的在线简历助手应用；

[0007] 图4根据实施例示出了示出角色的顶层技能的在线简历助手应用；

[0008] 图5根据实施例示出了示出建议的职位的在线简历助手应用；

[0009] 图6根据实施例示出了示出建议的职位以及附加推荐的在线简历助手应用；

[0010] 图7是根据实施例的示出在线自动化文档起草助手的组件的框图；

[0011] 图8根据实施例示出了用于选择内容示例的方法；

[0012] 图9根据实施例示出了用于生成N个职务以用作示例的后端的方法；

[0013] 图10根据实施例示出了用于在后端中进行候选排名和生成以过滤掉低质量示例的方法；以及

[0014] 图11是示出在其上可以实现一个或多个实施例的机器的示例的框图。

具体实施方式

[0015] 在下文的描述中，为了解释起见，阐述了各种细节以便提供对一些示例性实施例的透彻理解。然而，对于本领域的普通技术人员而言将显而易见的是，可以在没有这些具体细节或者有稍微更改的情况下实践本发明主题。

[0016] 本发明主题的实施例是涉及用于向创建在线文档或表单的用户提供高质量的相关内容示例的在线自动化的系统、方法、单元和计算机可读介质。虽然用于提供内容示例的实施例可以应用于不同的文档类型和场景，但是出于说明性目的，本文中的讨论描述了具有工作经验示例的简历助手的示例性实施例。将理解，本文中描述的系统和方法可以应用于获得职位发布而不是简历的示例，或者提供用于撰写雇员年度评审的示例，或者可获得包括示例的数据库的任何种类的应用。

[0017] 可以理解，数百万人经常生成或更新他们的简历以便寻找和维持就业，或用作当前的履历数据，例如在公开演讲时使用或在书的护封套上使用等。在求职时，人们可能需要帮助来起草他们的简历，例如，以便正确描述工作经验或描述与新技能或流行技能相关的经验。使用在公共网络(例如，互联网)上的公共搜索中找到的随机简历或模板可能产生不相关或较差的内容。一个人可能花费数千美元聘请专业的简历写手或公共关系(PR)顾问来帮助改进他们的简历。然而，在今天的就业市场中，作为第一个申请的人可能会比在职位发布后数天或数周申请的人更有优势。因此，搜索示例或等待来自专业写手的反馈和结果的时间可能导致申请工作的显著延迟。本文中的实施例包括在线自动化系统，其用于为简历撰写提供实时辅助，并提供用户可以修改并合并到其简历中的优质、相关内容示例，以便用优质简历来更快地对职位发布进行响应。

[0018] 实施例可以适用于与职位发布相关的工作经验内容。雇佣经理可能会告诉招聘人员她想要具有针对招聘人员不熟悉的项目的某些技能的候选者。该职位的头衔是已知的，并且招聘人员可以使用自动化在线系统来提供工作要求内容，以便可以快速起草和公布职位发布。用于使用时间至关重要的内容示例的其他应用可以利用本文中讨论的方法。

[0019] 在本说明中提及的“一个实施例”或“实施例”意指结合该实施例描述的具体特征、结构或特性被包括在本发明主题的至少一个实施例中。因此，在贯穿说明书的各个地方出现的短语“在一个实施例中”或“在实施例中”并不一定全部指代相同的实施例，或者指代不同或互斥的实施例。各个实施例的特征可以在其他实施例中进行组合。

[0020] 出于解释的目的，阐述了特定配置和细节以便提供对本发明主题的透彻理解。然而，对于本领域普通技术人员而言将显而易见的是，可以在没有本文中呈现的特定细节的情况下，或者在如本文所述的各种组合中，实实践所描述的发明主题的实施例。此外，可以省略或简化公知的特征，以免模糊所描述的实施例。贯穿本说明书可以给出各种示例。这些仅是对特定实施例的描述。权利要求书的范围或含义不限于给出的示例。

[0021] 图1根据实施例示出了使用自动化工作经验示例的在线简历助手应用。可以使用文本编辑器(例如， Word)来打开应用窗口100。简历在文本编辑器中被打开并在110处被显示。简历助手120可以被启动并被显示在右侧，或者以其他方式与文本编辑器
110相邻。在实施例中，简历助手120可以作为文本编辑器110的插件或加载项而被启动，并且可以在文本文档110附近、文本文档的右侧、左侧、上方或下方显示，因此可以在显示监视器上同时查看窗口、边框或显示部分二者。在另一个实施例中，简历助手显示可以作为单独的窗口或过程、不同的边框，或者文本编辑器110的从属窗口、弹出式窗口或过程而被启动。
文本编辑器110和简历助手120之间的通信可以通过过程间通信、共享存储器、消息传递协议、共享数据结构等来实现。插件协议可以简化两个过程之间的通信。

[0022] 在实施例中，一旦用户启动了简历助手120，就可以在文本录入区域121中录入头衔或角色。在以下讨论中，术语“头衔”和“角色”可以可互换使用，并且术语“职务”和“工作经验”可以可互换使用。例如，用户Jane Doe可能希望针对新的工作、技能或任务来更新她的工作经验，以确保她的简历是最新的，并且可以方便招聘者或其他雇佣人员阅读。在该示例中，已经在121处选择了产品经理的角色。此角色可以适用于一个以上的行业。例如，在该示例中，产品经理可以适用于多个行业。在一个实施例中，用户可以在显示器的用户选择部分中选择顶层行业123(例如，互联网、信息技术&服务、计算机软件或所有行业)中的一者。在实施例中，用户可以从列表、下拉列表中点击期望的行业，通过键入或类似的录入方法来录入行业。在实施例中，除非存在下文将更全面讨论的与行业和所选择的角色相关的候选者工作经验示例，否则行业可能不会出现在选择列表中。

[0023] 图2根据实施例示出了选择了角色和行业的在线简历助手应用。在该示例中，用户已经选择了计算机软件223行业中的产品经理221的角色。在实施例中，一旦选择了角色221和可选的行业223，工作经验示例225、227、229就被自动显示在简历助手显示区域120中。在示例中，可以仅使工作经验示例的一部分可见于用户。在示例中，可以显示该示例的第一句或第二句。在另一个示例中，可以基于选择或感知的上下文来选择示例的一部分(例如，快照或片段)来进行显示。用户可以选择示例225、227、229中的一者来查看附加信息。可以通过滚动光标并点击示例或在另一个窗口部分(未示出)中选择示例的索引，或者通过使用包括触摸或语音的各种交互式用户界面协议来选择示例。

[0024] 图3根据实施例示出了具有角色、行业和技能的在线简历助手应用。在实施例中，可以通过包括技能准则来向用户提供更相关的工作经验示例。在示例中，用户简历文本110被显示在显示区域的左侧。简历助手插件120被显示在显示区域的右侧，与简历110相邻。选择的角色和行业已经被选择并在简历助手120中显示321。在实施例中，可以在下拉选择列表323中提供适合于角色/行业对的技能列表。在实施例中，用户可以搜索未在文本输入框325中示出的特定技能。一旦用户已经选择并录入了技能，就可以显示327工作经验示例的相关列表。在示例中，可以对先前显示的工作经验示例进行过滤，使得在327处仅向用户示出包括所选择技能的示例。各种选择方法可以是可用的，例如通过滚动光标和点击列出的技能来进行选择，在另一个窗口部分(未示出)中选择技能的索引，或者通过使用包括触摸或语音的各种交互式用户界面协议等等。在实施例中，下拉列表323可以仅包括具有与所选择的角色和行业二者相关联的候选示例的那些技能。

[0025] 图4根据实施例示出了示出角色的顶层技能的在线简历助手应用。在实施例中，文档编辑器100中的简历110可以与简历助手120相邻显示。各种相关信息和交互式准则选择可以对用户是可用的。在示例中，可以针对选择的角色显示顶层技能410。可以建议可以辅助用户创建或编辑其文档110的文章或其他背景信息420。在另一个示例中，可以提供与所选择角色和/或所选择技能相关的建议的职位430。

[0026] 图5根据实施例示出了示出建议的职位的在线简历助手应用。在实施例中，简历助手120可以提供建议的职位520的列表，其中，基于所选择的角色来选择职位。可以可选地选择地理位置521以便将职位过滤到感兴趣的区域。建议的职位523、525、527、529的列表可以提供有可用文本的短片段或部分。可以基于角色、行业或技能来对职位描述中示出的文本进行过滤或选择。可以使用各种自然语言或上下文模型来准备被称为“智能片段”的文本的子集。智能片段可以包含所需的经验或职位所需的技能，或者列出公司信息等。可以预先确定智能片段过滤器，或者可以由用户对可用准则进行排名和选择。用户可以通过选择按钮531来提供关于建议的职位是否有帮助的反馈。可以提供其他输入方法，例如悬停和选择、右键单击，或包括触摸和语音的其他交互式用户界面协议等等。可以向用户提供多个从属对话框、窗口或输入区域以提供反馈，例如评估职位的相关性、所提供的片段的质量等等。
用户可以通过点击职位头衔或其他交互式用户界面方法来查看关于职位的更多信息，如上文和下文所述。将理解，反馈输入录入区域531可用于示例或其他部分，使得用户可以识别所提供的内容是否与所选择的准则相关。反馈可以被手动审阅或者被自动馈送到机器学习模型中以改进所提供的示例或其他内容的质量。在各种实施例中，模型可以是被监督的或不被监督的。

[0027] 图6根据实施例示出了示出建议的职位以及附加推荐的在线简历助手应用。在实施例中，可以建立到附加推荐的链接以帮助用户起草优质简历，例如专业帮助630的提议。可以在附加推荐630邻近或附近显示建议的职位620。可以提供其他链接或推荐。将理解，可以在630处提供任何种类的附加推荐，这取决于文本编辑器0中的文档类型的上下文。

[0028] 图7是根据实施例的示出在线自动化文档起草助手的组件的框图。在实施例中，优选内容的示例驻留在一个或多个数据库中。例如，在简历助手和工作经验示例中，职位职务(例如，工作经验信息)、职位发布信息(例如，招聘人员职位提供)、公司信息、成员简档信息、关系以及与成员简档相关的其他社交媒体信息可以被存储在职位或职业相关的在线应用和社交网络的成员数据库中，例如可以通过获得。给定角色的工作经验信息；角色/行业对；或者角色/行业/技能三元组可以通过成员、职业和职位发布数据库推导并且利用到提供给编辑她的简历或其他职业相关文档的用户的示例中。

[0029] 在实施例中，用户访问具有用于自动化文档起草助手的链接或插件的在线(例如，电子)文档编辑器。本文中描述了简历助手的示例以说明实施例。

[0030] 在实施例中，离线Hadoop脚本739可以用于访问一个或多个数据库(未示出)以处理数据并将经过滤的数据集提供给Venice数据库737。在示例中，具有与成员数据库中的成员简档相关联的可选技能和行业过滤器的原始职务(例如，职位职务、角色或头衔)信息可以被访问，然后被缩减为可以由简历助手使用的较小的相关数据集合。例如，可以按角色(例如，职位头衔)来检索和过滤工作经验示例。还可以提供按角色和行业二者过滤的工作经验示例。在实施例中，还可以提供按角色、行业和技能过滤的工作经验示例。Hadoop数据检索739对收集的数据进行挖掘并预处理成经过滤和简化的数据集，以便存储在Venice数据库737中。可以在后端处理器或服务器730上执行预处理。将理解，对数据的预处理和过滤将基于手头的应用(例如，可用数据和期望的内容示例)而不同。将理解，对内容数据的预处理对于减少用户请求示例时的滞后时间是很重要的。在工作经验示例的示例中，可能会有数百万个成员简档需要进行质量和相关性审阅。如果要按用户的要求生成每个工作经验示例集合，则滞后时间可能是不可接受的，或者无法满足服务级别协议(SLA)要求。在实施例中，可以每天运行用于对工作经验数据进行预处理的Hadoop脚本代理，以提供更新的信息。

[0031] 在实施例中，Venice存储737是异步数据服务平台，其基于通过操作大规模Voldemort存储获得的经验教训来构建。Voldemort项目用于分布式键值存储系统。Venice存储737专门提供从离线系统(例如，Hadoop 739)加载的导出数据量以及从近线系统流式传输的导出数据。由于导出数据用例不要求强一致性、读己之所写语义、事务或二级索引，因此Venice737可以针对文档示例的内容用例进行高度优化，并递送比一致同步系统(例如，Espresso和关系数据库)更简单、更高效的架构。由于数据被存储为键值而不是关系，因此可以将要用于角色示例的数据集合存储在“角色”键下。如果用户期望查看角色-行业对的示例，则将提供不同的示例集合。类似地，如果用户期望角色-行业-技能三元组的示例，则可以存储另一个示例集合并将其提供给用户。因此，一旦挖掘并存储在Venice 737中，用户对示例的请求就可以非常快速地得到服务。然而，为每个键值组合存储的示例的数量可以存在上限，以降低存储器成本。

[0032] 在示例中，可以将若干资源用于挖掘和示例生成。例如，在本示例中，可以使用职位、技能、公司、行业和简档职务(例如，工作经验)。简档职务可以被离线存储在Venice数据库737中。在本示例中，Hadoop脚本739可以执行以下查询：

[0033] ●按头衔获取职务；

[0034] ●按头衔和行业获取职务；

[0035] ●按头衔和技能获取职务；以及

[0036] ●按头衔、行业和技能获取职务。

[0037] 一旦检索到信息，Hadoop脚本739就可以将这些情况的键值数据存储在一起，而不是单独存储以便于API检索。

[0038] 在实施例中，文档编辑器插件或加载项(例如，级联网络)710是托管静态JavaScript和级联样式表(CSS)资产的用户界面(UI)网络服务。Web服务710可以执行用于API数据流式传输的服务侧呈现或大管道模式。级联样式表(CSS)资产使得资产管线能够提供用于衔接和缩小或压缩JavaScript和CSS资产的框架。CSS还增加了以其他语言和预处理器编写这些资产的能力。使用CSS允许应用中的资产自动与来自其他精品(gem)的资产进行组合。

[0039] 级联网络接口710可以扫描或分析文档以确定文档具有用于起草助手的合适类型。一旦被选择要启动，则可以在显示器上在与文档相邻或接近的位置打开起草助手窗格。可以基于自然语言理解和来自文档的上下文信息来自动选择头衔(例如，职位职务)。在实施例中，可以显示相关头衔的列表，用户可以从中选择期望的头衔。在实施例中，用户可以在例如准备向简历添加新职务时录入可能出现或可能不出现在当前文档内的期望头衔。

[0040] 在实施例中，可以使用表述性状态转移(REST)API架构。近年来，遵循REST架构风格的Web API(也被称为RESTful API)因其简单性而变得越来越流行。REST是一套原则，其包括无状态通信和统一接口。Restful API围绕资源进行解决，可经由URI寻址，并经由简单的HTTP动词(例如，GET、PUT、POST等)为广泛的前端消费者提供对资源的访问。Rest.li是Java框架，其可以使用REST风格的通信来实现轻松创建客户端-服务器通信。出于说明性目的，本文中描述的实施例可以使用REST架构。将理解，所描述的方法、算法和系统在稍作修改的情况下可以被推广并应用于其他API。

[0041] 文档编辑器加载项级联网络710可以使用指向Web URL的清单XML文件。实施例提供了XML文件，其指导文档编辑器在指定位置加载网页。级联插件710可以与应用程序接口(API)(例如，级联API)720通信。API 720可以是REST兼容的API。职位后端730中的rest.li资源731可以读取Venice数据库737信息，并在匿名地将示例性数据作为工作经验片段显露之前执行关于在线设置的检查735和简档可见性检查733。

[0042] 在实施例中，针对简档职务733和设置信息735检查从Venice数据库737检索的工作经验示例，以确保成员公开其简档并允许第三方使用简档信息。在示例被保存在Venice 737中时，将检查此信息，但由于成员可能随时更改其设置，因此将执行另一项检查以确保不发布未经授权的私人数据。工作经验示例在被传递到级联API 730之前是匿名的，使得无法识别成员。例如，成员名称、公司和/或地理数据可以在被传递给用户之前从示例中移除。
在一些实施例中，在可以使用简档信息之前，要求成员选择进入。在其他实施例中，成员需要在简档信息将被忽略之前选择退出。

[0043] 级联API 720可以用于为文档起草助手网络应用提供前端数据。对于职位职务信息API，可以调用后端rest.li端点来获取数据。一旦检索到数据，就可以在级联API 720中执行FUSE检查721。用户空间中的文件系统(FUSE)是类似Unix的计算机操作系统的可加载内核模块，其允许非特权用户在不编辑内核代码的情况下创建自己的文件系统。这是通过在用户空间中运行文件系统代码来实现的，而FUSE模块仅为实际内核接口提供“桥接”。FUSE检查可以防止API服务器上的滥用，并且其基于IP地址。例如，如果IP地址继续以高频率向API服务器发送请求，则可能会影响对其他请求进行服务。因此，这种活动可能被视为滥用，并且可能阻挡导致该活动的IP地址。

[0044] 图8根据实施例示出了用于选择内容示例的方法800。在实施例中，代理、过程或脚本可以在后端(730)中执行以生成要用作内容示例的键值条目。再次，使用简历助手的应用和成员的职位/经验简档，成员801的公开简档由代理或脚本访问。在框803中确定该成员是否已经选择进入(或退出)以允许其简档信息被使用。选择进入/选择退出可以是成员与职位/经验在线网络应用的服务协议的一部分，也可以作为单独的协议提供给成员。如果用户已经选择退出，则忽略该简档并访问下一个简档。

[0045] 在本文中讨论的示例中，可以针对头衔805、头衔-行业807、头衔-技能809以及头衔-行业-技能生成示例的键值集合。将理解，可以为其他集合添加附加准则，例如地理位置、公司规模等。示例的每个附加的键值集合将增加Venice数据库830中的存储的上限，并且将受到存储的大小的限制。将理解，对于其他应用，例如，对于职位发布起草示例，将基于可用数据和所需准则来使用其他键值组合。例如，职位发布示例可以包括头衔、行业、经验水平、教育水平或其他准则。

[0046] 可以评估每个成员简档职务描述以便将其作为候选者进行排名，例如在被存储为键值示例之前。例如，可以基于各种准则在每个逻辑单元805、807、809、811处过滤掉简档以提供优质示例，这些准则包括：

[0047] ●是垃圾邮件的可能性；

[0048] ●长度太短；

[0049] ●不是英语(或其他优选语言)；或者

[0050] ●包含不敬的言语。

[0051] 可以将简档文本输入到已经被训练以识别用于过滤的上述或其他准则的机器学习模型中。一旦简档已经通过了过滤器而没有被丢弃，则可以提取工作经验部分以供可能作为示例包括在内。可以利用类似的过滤和分析来执行每个逻辑单元805、807、809、811，以提供要存储在Venice 830中的定制键值示例。

[0052] 在实施例中，可以基于三个一般准则来对简档文本的评估进行排名：

[0053] ●社交信号；

[0054] ●简档特征；以及

[0055] ●描述/内容特征。

[0056] 如果评估仅依赖于对工作经验的描述，则这是有效或优质条目的置信性可能并不高。因此，评估其他准则以提供优质示例。

[0057] 在实施例中，社交信号可以用于确定成员是否是职业社交网络的受尊重或有价值的贡献者。关于成员可能在提供有价值的工作经验描述的指标可以从以下各项中的一项或多项推导出：

[0058] ●从其他成员接收到的站内信的数量(例如，电子邮件或消息)；

[0059] ●从招聘人员接收到的站内信的数量(例如，电子邮件或消息)；

[0060] ●到社交网络的其他成员的连接数；

[0061] ●网络上的关注者的数量；

[0062] ●认可或推荐的数量；或者

[0063] ●简档查看的数量。

[0064] ●推导自以下各项的加权组合的技能声誉：

[0065] ○针对头衔列出的顶层技能；

[0066] ○技能得分(例如，根据技能认可和其他准则计算的)；

[0067] ○连接的数量；以及

[0068] ○认可的数量。

[0069] 可以对成员简档的特征进行评估以确保候选者可以在示例中提供添加值。可以根据诸如以下各项之类的因素来评估成员简档：

[0070] ●“优质”公司当前或过去的雇佣情况，其中，可以基于以下各项中的一项或多项来对公司进行评分或排名：

[0071] ○雇员人数；

[0072] ○收入；

[0073] ○公众形象；

[0074] ○工作奖励的好地方；

[0075] ○利用职位发布来吸引人才；

[0076] ■许多申请人查看公司的空缺职位；和/或

[0077] ■许多申请人向公司申请空缺职位；

[0078] ○员工待在公司的平均时长；

[0079] ○人们离开其他公司加入该公司的流动性；以及

[0080] ○出现在新闻中；

[0081] ●获奖情况或公众声誉；

[0082] ●服务年限；

[0083] ●该头衔或类似头衔下的工作经验；

[0084] ●教育部分中的高质量或高排名的学校；以及

[0085] ●新近度得分，例如，经验的新近度以及经验的持续时间。

[0086] 例如，可以针对基于描述文本的特征来评估描述和内容特征，所述描述文本旨在使用自然语言处理和经训练的模型来识别撰写良好的相关描述，并且包括以下各项中的一项或多项：

[0087] ●拼写/语法；

[0088] ●项目符号的使用；

[0089] ●太多大写字母，或在需要时未能大写；

[0090] ●重复性文本；

[0091] ●识别内容的风格何时读起来更像公司或组织或产品描述，而不是成员简档工作经验描述；

[0092] ●识别结构不合理的文本，例如连续项目符号中的文本包含非常不同的句法结构；

[0093] ●识别的关键技能的数量；

[0094] ●与使用数据挖掘算法来测量相似度的针对相同头衔的典型职位发布的相似度；以及

[0095] ●语言模型得分，识别根据与训练语言模型所针对的文本相同的分布来生成所分析的文本的概率。

[0096] 在实施例中，在框813中，基于上文的质量准则生成前N个键值示例，以存储在Venice 830中。Venice数据库830被配置为：将所有数据存储到一个键值存储中，以便易于管理和扩展。在实施例中，对于具有职位头衔(例如，职位角色)和可选行业的工作经验示例和技能片段的用例，键可以被定义为：

[0097] ●头衔(必填)；

[0098] ●行业(可选)；以及

[0099] ●技能(可选)。

[0100] 在该示例中，存在四种情况的键：

[0101] ●仅有头衔；

[0102] ●头衔和行业；

[0103] ●头衔和技能；以及

[0104] ●头衔、行业和技能。

[0105] 在框813中将四种情况的数据集组合在一起。

[0106] 在实施例中，可以使用Hadoop到Venice(H2V)桥接810来将示例移植到Venice数据库830。在实施例中，ApacheTMKafka消息传送820可以用于辅助将示例移植到Venice 830。ApacheTMKafka是一种开源流处理发布-订阅消息传送平台，众所周知其具有快速、可扩展、持久和容错的特点。使用ApacheTMKafka 820作为消息队列并使用ZooKeeper作为控制器，将组合数据发送到Venice 830。

[0107] 图9根据实施例示出了用于生成N个职务以用作示例的后端的方法900。在后端服务器910上执行的代理或过程接收用于请求文档起草助手应用的示例的查询901。此请求可以采用RESTful API调用的形式。在示例中，用户想要特定行业中的并且具有特定技能的特定职位头衔的示例。如上所述，这种键值示例的组合已经被存储在Venice数据库930中。在框911处，后端代理检索简档和给定键的职务标识符(ID)的列表。在实施例中，可以逐天重新计算键值组合示例。然而，用户可以随时改变其关于选择进入/选择退出的简档设置或其他隐私设置。因此，后端过程通过在框913处选择进入/选择退出来对N个示例再次进行过滤，以确保不向用户发布未经授权的数据。当前设置和简档职务可以被存储在在线存储区域940中以用于该实时授权检查。可以在框915处将所提出的示例中的简档职务与实时/当前简档职务进行比较，以确保该示例仍然有效。虽然在线存储可以包含数百万个信息简档，但是可以快速执行该实时检查，这是因为在实时检查中仅比较N个简档，而不是整个简档数据库。在框917中，可以将职务(例如，工作经验)格式化为智能片段或整个文本的子集以针对用户显示器上的空间进行格式化，和/或突出显示指定的技能、短语或其他准则。移除可以标识成员的信息来对示例进行匿名化以保护成员的隐私。在框919中，N个职务(减去已经被过滤掉的职务)可以被随机化，或者以期望的方式排序，然后可以将M个职务返回到级联API 920。在实施例中，N＝100并且M＝10。在实践中，应当从数据库930检索的用于实时查询的示例的数量N应当足够大以容适最后一分钟的过滤并且足够小以便不对存储器存储和带宽要求造成压力。该数量可以针对不同的应用而不同，并且可以取决于容适用户可选择准则所必需的键值组合的数量。返回给用户的示例的数量M可以是预先选择的，用户可选择的或取决于显示分辨率或本地存储限制。M个示例可以出现在用户显示器上的可滚动窗口或窗格或其他显示部分中，并且可能不会同时全部可见。

[0108] 图10根据实施例示出了用于在后端中进行候选生成和排名以过滤掉低质量示例的方法1000。在实施例中，可以在后端处理器中执行候选生成，以避免当用户在在线应用中请求文档示例时的滞后时间。如上文所讨论的，在框1010中，后端中的代理或过程检索具有工作经验的成员简档。如上文所讨论的，在框1020中，针对垃圾邮件和其他准则来对检索到的简档进行过滤。在示例中，该过滤1020包括确保简档在类别(例如，可用于第三方使用)，垃圾邮件、长度、不敬的言语和所使用的语言(例如，英语)等方面是被选择的。在框1030中，可以执行下一级别的过滤或排名以确保从简档中提取的工作经验描述是高质量的。如上文所讨论的，可以对与成员的简档相关联的一个或多个准则(例如：社交信号；简档特征；以及描述/内容特征)进行评估。作为社交信号之一的技能声誉可以从对权威性、受欢迎程度、专业知识和影响力的测量推导出。例如，受欢迎程度和影响力可以从社交信号(例如，连接、消息流量和关注者)推导出。权威性和专业知识可以从职位头衔、认可技能和经验水平推导出。在示例中，当成员简档中存在管理技能或头衔时，可以认为成员具有更多权威性。

[0109] 在实施例中，可以使用模型来对优质简档进行排名和过滤。在示例中，可以通过使用由专家人员标记的工作经验的示例来对模型进行初始调整。可以按照重要性手动或基于经训练的模型来对准则进行加权。可以采用自我训练技术，由此初始模型用于创建新训练数据，其可以选择性地用于训练另一个模型。如果在审核或检查时，高质量示例被丢弃或忽视，或者低质量示例未被过滤掉(例如，如上文所讨论的在用户反馈中识别的)，则可以手动更改权重，或者可以引入附加数据以改进模型。

[0110] 一旦已经向简档工作经验描述分配了得分或权重(例如，秩)，在框1040中就可以针对所选择的键值准则(例如，头衔-行业、头衔-技能或头衔-行业-技能等)来选择最高得分内容。可以对经排名的示例候选者进行随机化，并且可以将N个示例返回到Venice数据库以供级联API实时使用。

[0111] 如上文所讨论的，机器学习方法可以用于识别优质工作经验示例，但是可以使用各种方法中的任何一种来提供工作体验的质量得分。技能声誉得分可以用作用于对示例进行评分和排名的社交信号特征中的一者。技能声誉得分可以是高置信度、高质量的成员技能声誉矩阵，其中，每个单元表示该成员在给定技能方面具有高信誉度的概率。可以使用各种矩阵因式分解技术中的任何一种来对成员技能声誉矩阵进行因式分解。可以使用类似于潜在语义索引的技术，其使用特定种类的矩阵因式分解技术、奇异值分解(SVD)。因式分解可以包括求解一系列交替最小二乘问题，以试图在该示例中最小化重建与原始矩阵(R)之间的正则平方误差和。

[0112] 将理解，本文中描述的技术可以应用于简历助手之外的应用。本文中描述的实施例可以应用于具有定义的质量准则的不同文档类型，例如内容的“最高”或“相关”限定符。新手用户在文档创建中可能需要帮助的任何文档类型都可以使用这些技术来进行一些适配。例如，假设一家年轻的公司想要在政府合同中回答针对提案的请求(RFP)，但不确定完成过去的业绩量的最佳方式。过去的业绩量可能需要技能、经验和其他信息，以表明公司能够成功完成合同。如果赢得合同的数据库可用，则数据库中的信息可以提供提议文档的示例条目。在这种情况下，可以在实际RFP中或者由公司内部的管理团队识别顶层技能。在另一个示例中，热门行业的新招聘人员想要发布职位空缺并接收最合格的候选者。如本文中所描述的技术可以用于提供针对特定角色或头衔的示例性职位发布。虽然本文中的许多示例是在职位/技能或职业领域中，但是所描述的技术可以应用于其他领域中的文档类型辅助。只要具有潜在示例的数据库可用或者可以被生成，并且示例的质量可以通过可测量的准则来量化，则可以在机器学习模型中使用各种因子来实时识别要提供给用户的优质示例以辅助文档编辑。

[0113] 图11示出了可以在其上执行本文中讨论的技术(例如，方法)中的任意一种或多种的示例性机器1100的框图。在替代实施例中，机器1100可以充当单独的设备，或者可以连接(例如，联网)到其他机器。在联网部署中，在服务器-客户端网络环境中，机器1100可以以服务器机器、客户端机器或这二者的能力来进行操作。在示例中，机器1100可以用作对等(P2P)(或其他分布式)网络环境中的对等机器。机器1100可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助手(PDA)、移动电话、网络设备、网络路由器、交换机或桥接、或者能够(顺序或以其他方式)执行规定将要由该机器执行的动作的指令的任何机器。此外，虽然仅示出了单个机器，但术语“机器”也应当被理解为包括单独或联合执行一组(或多组)指令，以便执行本文中讨论的方法中的任意一种或多种的机器的任意集合，例如云计算、软件即服务(SaaS)、其他计算机集群配置。

[0114] 如本文中所描述的，示例可以包括以下各项或者可以由以下各项操作：逻辑单元或多个组件或者机制。电路系统是在有形实体中实现的电路的集合，其包括硬件(例如，简单电路、门、逻辑单元等)。电路系统成员资格可能会随时间和底层硬件变化性而灵活变化。电路系统包括可以单独或组合地在操作时执行指定操作的成员。在示例中，可以不可变地设计电路系统的硬件以执行特定操作(例如，硬连线的)。在示例中，电路系统的硬件可以包括可变连接的物理组件(例如，执行单元、晶体管、简单电路等)，包括用于对特定操作的指令进行编码的物理修改的计算机可读介质(例如，不变的聚集粒子的磁、电、可移动布局等)。在连接物理组件时，硬件组分的底层电特性例如从绝缘体变为导体，反之亦然。指令使得嵌入式硬件(例如，执行单元或加载机制)能够经由可变连接在硬件中创建电路系统的成员，以便在操作时执行特定操作的部分。因此，当设备在操作时，计算机可读介质通信地耦合至电路系统的其他组件。在示例中，这些物理组件中的任何一者可以用在一个以上电路系统中的一个以上的成员中。例如，在操作中，执行单元可以在一个时间点用在第一电路系统的第一电路中，并且由第一电路系统中的第二电路重用，或者在不同时间由第二电路系统中的第三电路重用。

[0115] 机器(例如，计算机系统)1100可以包括硬件处理器1102(例如，中央处理单元(CPU)、图形处理单元(GPU)、硬件处理器内核或它们的任意组合)、主存储器1104和静态存储器1106，其中的一些或所有可以经由互联链接(例如，总线)1108与彼此进行通信。机器1100还可以包括显示单元1110、字母数字输入设备1112(例如，键盘)、以及用户接口(UI)导航设备1114(例如，鼠标)。在示例中，显示单元1110、输入设备1112和UI导航设备1114可以是触摸屏显示器。机器1100可以另外包括存储设备(例如，驱动单元)1116、信号生成设备
1118(例如，扬声器)、网络接口设备1120、以及一个或多个传感器1121(例如，全球定位系统(GPS)传感器、罗盘、加速计、或其他传感器)。机器1100可以包括输出控制器1128(例如，串行(例如，通用串行总线(USB)、并行或其他有线或无线(例如，红外线(IR)、近场通信(NFC)等)连接以便通信或控制一个或多个外围设备(例如，打印机、读卡器等)。

[0116] 存储设备1116可以包括机器可读介质1122，在其上存储有体现本文中描述的技术或功能中的任意一种或多种或由其使用的一组或多组数据结构或指令1124(例如，软件)。指令1124还可以在由机器1100对该指令的执行期间完全或至少部分位于主存储器1104内、静态存储器1106内，或者硬件处理器1102内。在示例中，硬件处理器1102、主存储器1104、静态存储器1106或存储设备1116的一种或任意组合可以构成机器可读介质。

[0117] 虽然将机器可读介质1122示为单个介质，但术语“机器可读介质”可以包括被配置用于存储一个或多个指令1124的单个介质或多个介质(例如，集中式或分布式数据库、和/或相关联的高速缓存器和服务器)。

[0118] 术语“机器可读介质”可以包括以下任何介质：能够存储、编码或携带用于由机器1100执行的指令，并且使机器1100执行本公开内容的技术中的任意一种或多种，或者能够存储、编码或携带由这样的指令使用或者与这些指令相关联的数据结构。非限制性的机器可读介质的示例可以包括固态存储器以及光学和磁介质。在示例中，集合的机器可读介质包括机器可读介质，其具有具有不变(例如，静止)质量的多个粒子。因此，集合的机器可读介质不是瞬时传播信号。集合的机器可读介质的特定示例可以包括：非易失性存储器(例如，半导体存储器设备(例如，电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))、以及闪存器设备)；磁盘(例如，内部硬盘和可移动盘)；磁-光盘；以及CD-ROM和DVD-ROM盘。

[0119] 还可以经由使用多种传输协议(例如，帧中继、互联网协议(IP)、传输控制协议(TCP)、用户数据报协议(UDP)、超文本传输协议(HTTP)等)中的任意一种的网络接口设备1120，使用传输介质，通过通信网络1126发送或接收指令1124。示例性通信网络可以包括局域网(LAN)、广域网(WAN)、分组数据网络(例如，互联网)、移动电话网络(例如，蜂窝网络)、普通老式电话(POTS)网络、以及无线数据网络(例如，被称为的电气和电子工程师协会(IEEE)802.11标准系列、被称为的IEEE 802.16标准系列)、IEEE 802.15.4标准系列、对等(P2P)网络等等。在示例中，网络接口设备1120可以包括一个或多个物理插口(例如，以太网、同轴电缆或电话插口)或一个或多个天线以连接到通信网络1126。在示例中，网络接口设备1120可以包括多个天线以使用单输入多输出(SIMO)、多输入多输出(MIMO)、或多输入单输出(MISO)技术中的至少一种以无线的方式进行通信。术语“传输介质”应当被理解为包括能够存储、编码或携带用于由机器1100执行的指令的任何非实体介质，并且包括数字或模拟通信信号或其他非实体介质以促进这样的软件的通信。

[0120] 附加注释和示例：

[0121] 示例可以包括根据本文中描述的实施例和示例的发明主题，例如用于基于网络的自动化文档起草助手的方法、用于执行所述方法的动作的单元、包括当由机器执行时使机器执行所述方法、或者用于基于网络的自动化文档起草助手的装置或系统的动作的指令的至少一个机器可读介质。

[0122] 示例1是一种用于提供内容示例的系统，包括：处理器，其通信地耦合至被配置为存储与包括上下文信息的多个内容准则相关的内容的内容数据库，并且通信地耦合至被配置为存储经过滤的内容的第二数据库，所述处理器耦合至配置有指令的存储器，所述指令当在所述处理器上执行时，使所述自动化系统：从所述内容数据库检索内容；基于与至少一个质量测量相关的上下文准则来对所述内容进行过滤；将经过滤的内容减少到数量N个条目，并将经减少和经过滤的N个条目存储在所述第二数据库中，其中，所述内容被周期性地自动重新过滤以提供经更新的N个条目来覆盖所述第二数据库中的所述N个条目；以及响应于文档助手应用经由应用程序接口(API)调用对内容示例的请求来进行以下操作，其中，所述请求包括内容类型和可选准则以识别与所述可选准则相关的内容的子集：从所述第二数据库中检索所述N个条目；以及向所述API提供数量M<＝N个条目，所述M个条目被格式化以在所述文档助手应用中显示。

[0123] 在示例2中，示例1的发明主题可选地包括：其中，所述内容类型是职位角色，并且可选准则包括与所述职位角色相关的行业和与所述职位角色相关的职位技能中的至少一者。

[0124] 在示例3中，示例1-2中的任意一者或多者的发明主题可选地包括：其中，所述第二数据库被配置为：将条目存储为键值项，并且其中，存储器的上限驱动将要与所述内容进行相关以形成键值条目集合的最大数量的内容准则。

[0125] 在示例4中，示例1-3中的任意一者或多者的发明主题可选地包括：其中，所述内容数据库被配置为：包括含有与职位相关的社交网络的成员简档的内容，并且其中，内容包括与所述成员简档相关的工作经验以及所述工作经验的包括行业、职位技能和职位角色的内容准则。

[0126] 在示例5中，示例4的发明主题可选地包括：其中，所述处理器还被配置有用于以下操作的指令：检查成员简档是否已经被授权访问，并且如果没有，则从所述N个条目中忽略所述成员简档，而不管所述成员简档的其他质量准则如何。

[0127] 在示例6中，示例4-5中的任意一者或多者的发明主题可选地包括：当在向所述API发送所述M个条目之前执行时，使所述系统进行以下操作的附加指令：访问被配置有成员简档和相关联的设置的在线存储；检查针对所提供的M个条目的授权，以确保与条目相关联的每个成员简档已经被授权访问；检查来自源于所述第二数据库的所提供的条目的内容以及当前成员简档内容的变化；以及对所述M个条目进行匿名化，其中，如果针对授权的检查和针对变化的检查中的任何一者或二者失败，则从提供的条目中忽略所述条目。

[0128] 在示例7中，示例4-6中的任意一者或多者的发明主题可选地包括：其中，用于基于与所述至少一个质量测量相关的上下文准则来对所述内容进行过滤的指令包括：用于基于从与成员简档相关联的社交信号、简档特征和描述特征推导出的质量准则的排名来生成候选条目的指令。

[0129] 在示例8中，示例7的发明主题可选地包括：其中，所述排名包括：使用机器学习模型，所述机器学习模型利用与包括社交信号、简档特征和描述特征的成员简档相关联的质量准则进行训练。

[0130] 在示例9中，示例7-8中的任意一者或多者的发明主题可选地包括：其中，所述质量准则的排名包括：在所述内容准则的上下文中评估所述质量测量，并且其中，所述内容准则包括职位角色、行业和职位技能中的至少一者。

[0131] 示例10是一种用于生成内容示例的计算机实现的方法，包括：从第一数据库检索多个内容项，其中，每个内容项具有内容类型并包括与一个或多个用户可选择准则相关的信息；基于质量准则来对所述多个内容项进行过滤以移除具有不正确内容类型或质量水平的内容项；基于与所述用户可选择准则或关于所述内容类型的客观准则相对应的至少一个质量测量来对所述多个内容项中的每一者进行排名；选择与所述用户可选择准则相关的数量N个较高排名候选者；以及将所选择的N个较高排名候选者存储在可经由来自文档助手应用的应用程序接口(API)调用访问的存储器存储设备中。

[0132] 在示例11中，示例10的发明主题可选地包括：其中，所述第一数据库包括含有工作经验信息的成员简档信息，其中，所述内容类型是成员简档，并且用户可选择准则包括职位角色、与所述职位角色相关的行业、或职位技能中的至少一者。

[0133] 在示例12中，示例11的发明主题可选地包括：通过对以下各项中的至少一项的分析来确定所述至少一个质量测量：与所述成员简档相对应的社交信号、所述成员简档的特征、或者所述成员简档的内容。

[0134] 在示例13中，示例12的发明主题可选地包括：其中，所述确定所述至少一个质量测量还包括：通过对以下各项中的所述至少一项相对于选择的用户可选择准则的分析来确定所述至少一个质量测量：与所述成员简档相对应的所述社交信号、所述成员简档的特征、或者所述成员简档的内容。

[0135] 在示例14中，示例13的发明主题可选地包括：其中，用户选择的准则是职位角色，并且对与所述成员简档相对应的社交信号、所述成员简档的特征、或者所述成员简档的内容中的所述至少一项的所述分析是在所选择的职位角色的上下文中执行的。

[0136] 在示例15中，示例13-14中的任意一者或多者的发明主题可选地包括：其中，用户选择的准则是职位角色和至少一个附加准则，并且对与所述成员简档相对应的社交信号、所述成员简档的特征、或者所述成员简档的内容中的所述至少一项的所述分析是在所选择的职位角色和所述至少一个附加准则的上下文中执行的。

[0137] 在示例16中，示例10–15中的任意一者或多者的发明主题可选地包括：选择所述N个选择的较高排名候选者中的数量M个选择的较高排名候选者，其中，M小于或等于N；格式化与所述M个选择的较高排名候选者相对应的可显示内容；以及将所述可显示内容存储在可经由来自文档助手应用的应用程序接口(API)调用访问的存储器存储设备中。

[0138] 在示例17中，示例10–16中的任意一者或多者的发明主题可选地包括：周期性地自动从所述第一数据库中检索所述多个内容项，并且重复所述过滤、排名和选择活动，并将经更新的N个候选者存储在所述存储器存储设备中。

[0139] 在示例18中，示例10–17中的任意一者或多者的发明主题可选地包括：其中，所述第一数据库中的所述内容项与包括工作经验的成员简档相关联，所述方法还包括：确定成员简档是否被授权与第三方共享，并且如果所述成员简档未被授权，则从所述N个较高排名候选者中忽略与所述成员简档相对应的所述内容项。

[0140] 示例19是一种被配置为操作文档助手的客户端设备，包括：通信地耦合至显示设备和用户输入设备的处理器，所述处理器耦合至存储指令的存储器，所述指令当由所述处理器执行时使所述客户端设备：操作文档编辑器，所述文档编辑器被配置为：在所述显示器的一部分中呈现文档，并且被配置有文档助手加载项，所述文档助手加载项被配置为：提供与关联于所述文档的准则相关的内容示例，其中，所述文档助手加载项还被配置为：向后端服务器请求与关联于所述文档的所述准则相关的内容示例，所述后端服务器被配置为：以键值格式来存储与所述准则相关的经预处理的内容示例，所述请求是经由应用程序接口(API)做出的；从所述后端服务器接收与所述准则相关的经预处理和质量过滤的示例，其中，响应于所述请求，针对相关性和授权对所述经预处理和质量过滤的示例进行实时检查，并且仅从所述后端服务器发送相关和经授权的示例；将所接收的经预处理和质量过滤的示例中的至少一者呈现在所述显示设备上的所呈现的文档附近的区域中；以及响应于经由所述用户输入设备的用户输入，修改与发送到所述后端服务器的文档相关联的所述准则，以聚焦或扩展所述内容示例，并接收经更新的内容示例以便在所述显示设备上呈现。

[0141] 在示例20中，示例19的发明主题可选地包括：其中，所述文档具有内容类型，并且与所述文档相关联的准则依赖于所述文档类型和用户输入。

[0142] 在示例21中，示例20的发明主题可选地包括：职位角色、行业和职位技能。

[0143] 在示例22中，示例20–21中的任意一者或多者的发明主题可选地包括：其中，所述内容示例是从基于职位的社交网络数据库的成员简档中选择的，并由所述后端服务器基于所述准则以及从与成员简档相关联的社交信号、简档特征和描述特征推导出的成员简档质量测量针对质量进行过滤，其中，成员简档被输入到机器学习模型并针对质量排名，并且仅发送满足质量门限的成员简档作为内容示例。

[0144] 示例23是一种用于提供自动化在线内容示例的系统，包括：内容服务器，其能够访问第一数据库，所述第一数据库存储与包括上下文信息的多个内容准则相关的内容；耦合至所述内容服务器的预处理器，其被配置为：从所述第一数据库检索所述内容；以及基于与至少一个质量测量相关的上下文准则来对所述内容进行过滤；并且还被配置为：将经过滤内容减少到数量N个条目，并将经减少和经过滤的N个条目存储在第二数据库中，其中，所述内容被周期性地重新过滤以提供经更新的N个条目来覆盖所述第二数据库中的所述N个条目；以及示例提供器，其被配置为：响应于基于网络的文档编辑器应用加载项的应用程序接口(API)调用对内容示例的请求，从所述第二数据库中检索所述N个条目，其中，所述请求包括内容类型和可选准则以识别与所述可选准则相关的内容的子集，所述示例提供器还被配置为：向所述API提供数量M<＝N个条目，所述M个条目被格式化以在所述基于网络的文档编辑器中显示。

[0145] 在示例24中，示例23的发明主题可选地包括：其中，所述内容类型是角色，并且可选准则包括与所述角色相关的行业和与所述角色相关的技能中的至少一者。

[0146] 在示例25中，示例23-24中的任意一者或多者的发明主题可选地包括：其中，所述第二数据库被配置为：将条目存储为键值项，并且其中，存储器的上限驱动将要与所述内容进行相关以形成键值条目集合的最大数量的内容准则。

[0147] 在示例26中，示例23–25中的任意一者或多者的发明主题可选地包括：其中，所述第一数据库被配置为：包括含有与职位相关的社交网络的成员简档的内容，并且其中，内容包括与所述成员简档相关的工作经验以及所述工作经验的包括行业、技能和角色的内容准则。

[0148] 在示例27中，示例26的发明主题可选地包括：其中，所述预处理器还被配置为：检查成员简档是否已经被授权访问，如果没有，则从所述N个条目中忽略所述成员简档，而不管所述成员简档的其他质量准则如何。

[0149] 在示例28中，示例26–27中的任意一者或多者的发明主题可选地包括：被配置有成员简档和相关联的设置的在线存储；以及被配置为进行以下操作的后端逻辑单元：检查针对所提供的M个条目的授权，以确保与条目相关联的每个成员简档已经被授权访问；检查来自源于所述第二数据库的所提供的条目的内容以及当前成员简档内容的变化；以及在向所述API发送所述M个条目之前，对所述M个条目进行匿名化；并且如果针对授权的检查和针对变化的检查中的任何一者或二者失败，则从提供的条目中忽略所述条目。

[0150] 在示例29中，示例26-28中的任意一者或多者的发明主题可选地包括：其中，要基于与所述至少一个质量测量相关的上下文准则来对所述内容进行过滤包括：用于基于从与成员简档相关联的社交信号、简档特征和描述特征推导出的质量准则的排名来生成候选条目的逻辑单元。

[0151] 在示例30中，示例29的发明主题可选地包括：其中，所述排名包括：使用机器学习模型，所述机器学习模型利用与包括社交信号、简档特征和描述特征的成员简档相关联的质量准则进行训练。

[0152] 在示例31中，示例29-30中的任意一者或多者的发明主题可选地包括：其中，所述质量准则的排名包括：在所述内容准则的上下文中评估所述质量测量，并且其中，所述内容准则包括角色、行业和技能中的至少一者。

[0153] 示例32是被配置为执行示例1-31中的任意一者或多者的操作的系统。

[0154] 示例33是用于执行示例1-31中的任意一者或多者的操作的方法。

[0155] 示例34是包括指令的机器可读介质，所述指令当由机器执行时，使机器执行示例1-31中的任意一者或多者的操作。

[0156] 示例35是包括用于执行示例1-31中的任意一者或多者的操作的单元的系统。

[0157] 本文中描述的技术不限于任何具体的硬件或软件配置；它们可以适用于任何计算、消费电子或处理环境。这些技术可以用硬件、软件、固件或它们的组合来实现，从而产生支持本文所述实施例的运行或执行的逻辑单元或电路系统。

[0158] 对于仿真而言，程序代码可以表示使用硬件描述语言或另一种功能描述语言的硬件，其实质上提供了预期所设计的硬件如何执行的模型。程序代码可以是汇编语言或机器语言，或者是可以被编译和/或解释的数据。此外，在本领域中通常将软件以一种或另一种形式称为采取动作或导致结果。这样的表达仅仅是通过使处理器执行动作或产生结果的处理系统来说明程序代码的执行的简写方式。

[0159] 每个程序可以用高级过程、声明式和/或面向对象的编程语言来实现以便与计算机系统进行通信。然而，如果期望的话，程序可以用汇编或机器语言来实现。在任何情况下，可以对语言进行编译或解释。

[0160] 程序指令可以用于使利用指令编程的通用或专用处理系统执行本文所述的操作。或者，操作可以由包含用于执行操作的硬连线逻辑单元的特定硬件组件来执行，或者由经编程的计算机组件和定制硬件组件的任何组合来执行。本文中描述的方法可以被提供为计算机程序产品，也被描述为计算机或机器可访问或可读介质，其可以包括一个或多个机器可访问存储介质，所述介质上存储有可以用于对处理系统或其他电子设备进行编程以执行这些方法的指令。

[0161] 程序代码或指令可以存储在例如易失性和/或非易失性存储器(例如，存储设备和/或相关联的机器可读或机器可访问介质，包括固态存储器、硬盘驱动器、软盘、光存储器、磁带、闪存器、记忆棒、数字视频盘、数字多功能盘(DVD)等)，以及更加奇特的介质(例如，机器可访问的生物状态保存存储装置)中。机器可读介质可以包括用于以机器可读的形式来存储、发送或接收信息的任何机制，并且介质可以包括有形介质，通过该有形介质，编码程序代码的电、光、声或其他形式的传播信号或载波可以通过，这些有形介质例如天线、光纤、通信接口等。程序代码可以以分组、串行数据、并行数据、传播信号等的形式发送，并且可以以压缩或加密的格式使用。

[0162] 程序代码可以在可编程机器上执行的程序中实现，这些可编程机器例如移动或固定计算机、个人数字助手、智能电话、移动互联网设备、机顶盒、蜂窝电话和寻呼机、消费电子设备(包括DVD播放器、个人视频录像机、个人视频播放器、卫星接收机、立体声接收机、有线电视接收机)和其他电子设备，每个设备包括处理器、处理器可读的易失性和/或非易失性存储器、至少一个输入设备和/或一个或多个输出设备。程序代码可以应用于使用输入设备录入的数据，以执行所描述的实施例并生成输出信息。输出信息可以应用于一个或多个输出设备。本领域普通技术人员可以领会，所公开的发明主题的实施例可以利用各种计算机系统配置来实践，包括多处理器或多核处理器系统、小型计算机、大型计算机，以及可以嵌入到几乎任何设备中的普通的或微型计算机或处理器。所公开的发明主题的实施例还可以在分布式计算环境、云环境、对等或联网微服务中实践，其中任务或其部分可以由通过通信网络链接的远程处理设备来执行。

[0163] 处理器子系统可以用于在机器可读或机器可访问介质上执行指令。处理器子系统可以包括一个或多个处理器，每个处理器具有一个或多个核。另外，处理器子系统可以置于一个或多个物理设备上。处理器子系统可以包括一个或多个专用处理器，例如图形处理单元(GPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或固定功能处理器。

[0164] 虽然操作可以被描述为顺序过程，但是其中的一些操作实际上可以并行、同时和/或在分布式环境中执行，并且程序代码本地和/或远程存储以供单处理器或多处理器机器访问。另外，在一些实施例中，可以在不脱离所公开的发明主题的精神的前提下重新布置操作的顺序。程序代码可以由嵌入式控制器使用或与之结合使用。

[0165] 如本文中所描述的，示例可以包括以下各项或者可以在以下各项上操作：电路系统、逻辑单元、多个组件、模块或机制。模块可以是通信地耦合至一个或多个处理器的硬件、软件或固件，以便执行本文中描述的操作。将理解，模块或逻辑单元可以用硬件组件或设备、在一个或多个处理器上运行的软件或固件或者组合来实现。模块可以是通过共享或传递数据而集成的不同且独立的组件，或者模块可以是单个模块的子组件，或者可以在若干模块之间拆分。组件可以是在单个计算节点上运行或在其上实现的过程，或者分布在以并行、同时、顺序或组合方式运行的多个计算节点之间，如结合附图中的流图更全面地描述的。如此，模块可以是硬件模块，并且因为这样的模块可以被认为是能够执行指定操作的有形实体，并且可以以某种方式来配置或布置。在示例中，可以用指定的方式将电路布置(例如，内在地和或相对于例如其他电路之类的外部实体)为模块。在示例中，一个或多个计算机系统(例如，单独的客户端或服务器计算机系统)或者一个或多个硬件处理器1202的部分或整体可以由固件或软件(例如，指令、应用部分或应用)配置为操作以执行指定操作的模块。在示例中，软件可以位于机器可读介质上。在示例中，软件当由模块的底层硬件执行时，使硬件执行指定操作。因此，术语硬件模块被理解为包括有形实体，是物理构建的、特别配置(例如，硬线连接的)或临时(例如，暂时)配置(例如，编程)以以指定方式执行，或者执行本文中描述的任何操作的部分或所有的实体。考虑其中模块是临时配置的示例，这些模块中的每一者不需要在任何一个时刻进行实例化。例如，在模块包括通过使用软件来配置、布置或适配的通用硬件处理器的情况下，该通用硬件处理器可以在不同时刻被配置为各个不同的模块。软件可以相应地配置硬件处理器，例如，以在一个时刻构成具体的模块，并且在另一个不同时刻构成不同的模块。模块也可以是软件或固件模块，其操作以执行本文中描述的方法。

[0166] 在本文档中，如专利文档中常见的，使用了词语“一”或“一个”来包括一个或一个以上，其独立于“至少一个”或“一个或多个”的任何其他实例或用法。在本文档中，词语“或”用于指代非排他性的或，从而除非另有指示，否则“A或B”包括“A而非B”、“B而非A”以及“A和B”。在所附权利要求书中，词语“包括(including)”和“在其中(in which)”用作相应词语“包含(comprising)”和“其中(wherein)”的通俗英语等同物。而且，在所附权利要求书中，词语“包括(including)”和“包含(comprising)”是开放式的，也就是说，权利要求书中包括除了在这样的词语之后所列出的元素以外的元素的系统、设备、制品或过程仍然被视为落入该权利要求的范围之内。此外，在所附权利要求书中，词语“第一”、“第二”和“第三”等仅用作标记，并不旨在表明这些对象的数字顺序。

[0167] 虽然已经参考说明性实施例描述了本发明主题，但是本描述并不旨在以限定或限制的意义来解释。例如，上述示例(或它们的一个或多个方面)可以与其他示例组合使用。可以使用其他实施例，例如，将由本领域普通技术人员在审阅本文中的公开内容时所理解。摘要是使读者能够快速发现技术公开内容的本质。然而，摘要是基于其将不会被用来解释或限制权利要求的范围或含义的理解来提交的。

标题	发布/更新时间	阅读量
一种智能车的控制监测系统	2020-06-08	451
用于个人信息管理的信使助理	2020-06-17	771
一种无踏板自动驾驶车辆起步方法及装置	2020-05-16	580
一种基于云平台的自动化设备的调试方法	2020-05-21	310
用于商业债务自动收款的系统和方法	2020-05-31	188
智能化妆镜	2020-05-14	328
一种创建个性化健康服务档案的方法	2020-06-05	1005
一种基于云平台的自动化设备的模糊自优化调试方法	2020-06-01	421
处理与自主车辆的操作有关的请求信号	2020-05-12	760
assistant for creation of layouts or reports for databases	2020-06-15	132

使用优质示例的自动化文档助手

使用优质示例的自动化文档助手

技术领域

具体实施方式

该功能需要专业版企业版VIP权限，您可以：