[发明专利]针对头衔标准化的与语言无关的机器学习模型

说明书

在示例实施例中，提供了一种系统，机器学习模型通过该系统被训练以预测针对给定原始头衔的标准化。可以训练一种神经网络，该神经网络的输入是原始头衔(例如，查询字符串)以及候选头衔列表(分类法中的头衔标识、或英语字符串)，其产生该原始头衔和每个候选头衔属于同一头衔的概率。该模型能够以在训练数据中包含的任何语言将头衔标准化，而无需首先对头衔进行语言识别或规范化。另外地，该模型能够受益于“外来词”(从外语中采用的词，其具有很少或没有修改)的存在以及语言之间的关系。

技术领域

本公开内容一般涉及用于解决在分析社交网络中的分类数据时的技术挑战的计算机技术。更加具体地，本公开涉及用于针对标准化的与语言无关的机器学习模型。

背景技术

互联网的兴起引发了两种截然不同的现象：社交网络的出现的增加，其中，其对应的成员简档对大量人可见；以及使用这些社交网络来执行针对人员和公司的搜索的增加。基于各种分类法中的实体来将成员(例如，个人或公司)简档的各种属性标准化是很常见的。例如，可以为公司列出一个行业，其中，该行业是从行业分类法中的多个条目(即由社交网络服务保存的数据结构)中选择的。该行业分类法可以包括可能的行业的层级组织。例如，行业分类法中的“信息技术”行业类别可以具有“计算机软件”、“计算机硬件”、和“计算机网络”的子类别。行业分类法可以将所述子类别组织成与“信息技术”父节点相对应的子节点。在行业分类法中可以存在许多层类别和子类别。

当然，行业只是能够被分配给分类法中的实体的成员属性的一个示例。其他的示例包括职位头衔、学校、技能等。常常用于分析候选项和职业的一个重要的成员属性是职位头衔(或者更简单地说，只是“头衔”)。头衔的标准化对分析是重要的，因为某些头衔可能听起来很类似，但又非常不同(例如，“软件工程师”与火车工程师是非常不同的工作，火车工程师通常仅被称为“工程师”)。

另外地，用户可能来自世界各地，并且在用许多不同的语言中的一种来键入他们的头衔。用于将头衔标准化的许多模型依赖于将复杂头衔分解成带有含义的单个词语的能力。例如，在英语中，“software engineer(软件工程师)”由两个单独的词语组成，每个词语带有不同的含义。然而，其他语言不以该方式来分隔词语。例如，在德语中，针对“softwareengineer”的术语可能是“Softwareentwickler”，这是因为德语中有所谓的“复合名词”。诸如中文之类的语言在词语之间没有空格。当然，即使是英语有时也会有复合名词(例如，bedroom(卧室))，但它们在英语中比在其他语言中要少得多。

针对每种语言使用不同的模型会产生的技术问题在于，针对头衔的任何给定语言的数据可能都不足以提供可靠的结果。因此，在试图标准化采用另一种语言的术语时，能够利用在一种语言中了解到的术语的某些方面在技术上是有利的。

附图说明

作为示例而非限制，在附图的图中示出了本技术的一些实施例。

图1是示出了根据示例实施例的客户端-服务器系统的框图。

图2是示出了与本公开的一些实施例一致的社交网络服务的功能性组件的框图，所述功能性组件包括在本文中被称为搜索引擎的数据处理模块，其在生成和提供针对搜索查询的搜索结果时使用。

图3是更加详细地示出了根据示例实施例的应用服务器模块的框图。

图4是更加详细地示出了根据示例实施例的机器学习组件的框图。

图5是示出了根据示例实施例的深度卷积神经网络(DCNN)的图。

图6是示出了根据示例实施例的方法的流程图。

图7是示出了软件架构的框图，该软件架构可以被安装在上文所描述的设备中的一个或多个上。

图8示出了根据示例实施例的采用计算机系统的形式的机器的图解表示，在该计算机系统中，可以执行一组指令以使得机器执行在本文中所讨论的方法中的任何一个或多个方法。