本专利申请要求以下申请的优先权利益：2016年8月31日提交的序列号为no.15/253,381、题为“assistedcreationofasearchquery”的美国专利申请，该申请转而要求序列号为no.62/241,375、题为“searchstarters”并且于2015年10月14日提交的美国临时申请的优先权；2016年8月31日提交的序列号为no.15/253,644、题为“systemforfacetexpansion”的美国专利申请，该申请转而要求序列号为no.62/241,405、题为“smartsearchfilters”并且于2015年10月14日提交的美国临时申请的优先权；以及2016年8月31日提交的序列号为no.15/253,667、题为“searchresultrefinement”的美国专利申请，该申请转而要求序列号为no.62/241,611、题为“prioritizedsearchresults”并且于2015年10月14日提交的美国临时申请的优先权，上面提到的所有申请的全部内容通过引用并入本文。
本文描述的实施例总体上涉及搜索引擎，更具体地，涉及搜索查询的辅助创建。
背景技术：
搜索引擎通常提供一种输入数据请求并且将该请求与数据仓（datastore）中的项目匹配的结构化机制。这些数据仓项目通常包括多个字段，其包括数据或者对其他数据的引用。数据请求经常关于数据仓中数据的已知字段配置进行结构化。这样，形成了（formulate）例如请求标题字段的查询，所述字段包括文章标题的全部或者部分。
接收查询之后，搜索引擎通常解析该查询以便确定何时以及何处搜索数据仓，创建查询计划。然后，搜索引擎执行查询计划，收集结果。这些结果一旦定位，可以依照查询的其他参数进一步进行操纵。这些操纵可以包括对结果排序，聚合结果以产生一定的数，等等。然后，在操纵之后，将最终结果返回到代理，以便例如向用户显示搜索结果。在一些实例中，用户可以随后就已经完成的搜索请求搜索引擎以便进一步操纵搜索结果。
附图说明
在不一定按比例绘制的附图中，不同视图中相似的数字可以描述类似的部件。具有不同字母后缀的相似数字可以表示类似部件的不同示例。这些附图通常通过举例的方式而不是通过限制的方式图示出本文件中讨论的各个实施例。
图1图示出依照一个实施例的用于辅助搜索查询的系统的实例。
图2图示出依照一个实施例的社交网络服务的功能部件。
图3-6图示出依照一个实施例的用于辅助创建搜索查询的用户界面元素的实例。
图7图示出依照一个实施例的用于辅助创建搜索查询的方法的实例。
图8图示出依照一个实施例的用于分面（facet）扩展的用户界面的实例。
图9图示出依照一个实施例的用于分面扩展的实体比较的实例。
图10图示出依照一个实施例的用于分面扩展的方法的实例。
图11-13b图示出依照一个实施例的用于搜索结果细化的用户界面元素的实例。
图14图示出依照一个实施例的用于搜索结果细化的方法的实例。
图15为图示出可以在其上实现一个或多个实施例的机器的实例的框图。
具体实施方式
对于为复杂的数据使用复杂的搜索工具的用户而言，出现一个常见的问题：用户必须投入大量的时间学习这些搜索工具（查询语言，调整参数，等等），并且可能地收集和组织先前的成功查询以便将来再次使用。这些问题在经常发生但是具有不同的目的的搜索任务中可能会加剧，所述任务例如招聘人员搜索申请人数据库的工作。在诸如此类的任务中，用户可能花费时间学习如何搜索胜过执行其主要功能，诸如为空缺职位招聘人员。
查询构建工具可以缓解上面指出的一些问题。胜过提供纯粹的界面以便输入要搜索的值和字段的是，这些工具可以接受初始输入值并且建议后续值以便选择。在一些实例中，工作流程可以用来引导用户完成查询生成。在一个实例中，工作流程由用户选择，并且然后用户开始按照提示完成工作流程。许多工作流程实现方式的一个问题可能包括所得工作流程的僵硬性。例如，在用户变得更加习惯于特定的查询运用之后，工作流程提示可能是一个对于该用户而言缓慢或者在其他方面繁琐的界面。
为了解决上面指出的问题，本文公开了用于辅助创建搜索查询的技术和系统。将文本输入用户界面呈现给用户。当用户开始键入查询时，输入被用来提供建议的查询完成选项（例如提前键入）。然而，胜过传统的提前键入的是，这些完成选项是若干可能的工作流程中的那些选项。因此，当用户选择特定选项时，也选择了工作流程。当完成时，可以将工作流程元素放入文本条目中，作为丸状物（pill），即表示先前选择的图形元素。然后，文本条目元素上的背景文本提示可以就下一个工作流程提示指示用户。在任何时候，用户都可以促使该搜索退出该工作流程并且利用输入的参数开始一个搜索。通过这种方式，用户与熟悉的搜索框交互，同时在没有过去的僵硬工作流程界面的情况下获得引导式搜索创建的益处。在下文中，讨论了附加的实例和细节。
在搜索之后，向用户显示搜索结果。在一些示例中，数据可能太大或者在其他方面是笨拙的而不能回答用户的具体问题。然而，搜索结果中的数据包含满足用户的原材料。在这些示例中，分面可以用来允许在不执行附加的搜索的情况下进一步操纵搜索结果中的数据。通常，分面是搜索结果中返回的记录的一个方面。通常，这个方面被呈现为可选择的用户界面元素。再者，该可选择的用户界面元素经常包括具有特定分面的项目的计数。例如，如果想要在电子店面上搜索“电视”，那么用于搜索结果的分面可以包括诸如“lcd”、“oled”或者“大于50英寸”之类的东西。尽管可能不是每一个搜索结果都具有这些分面之一，但是一些搜索结果将会。选择分面将搜索结果布置或者过滤成使得具有分面的搜索结果被显示。如果用户想要看lcd电视，那样用户选择“lcd”分面。如果用户接着想要看oled电视，那么用户可以简单地移除“lcd”分面并且添加“oled”分面。所有这一切通常可以在没有附加搜索的情况下完成。通过这种方式，用户可以高效且交互地处理搜索结果。
尽管分面可能有帮助，但是它们通常限于已经作为搜索结果的部分而返回的数据的方面或者维度。所缺失的是扩展分面交互动态的方便方式以便包括来自可能不在搜索结果中的或者未被初始搜索结果建议的元素的分面，并且将其放在前面作为供用户选择的建议。本文描述的是用于分面扩展的技术和系统。分面扩展采取用户界面建议元素的形式，用户可以从其选择附加分面并且添加到搜索结果。所述建议从包括先前的分面选择的上下文中获取线索。因此，用户体验不受新界面打断，而界面的能力却增加了。
所述建议（例如被显示的或者在添加分面时提前键入的）取自相似的实体。当在本文中使用时，实体是给定类别中的个别选项。因此，两个工作头衔“软件工程师”和“软件开发人员”是“工作头衔”类别中的不同实体。在一个实例中，实体是社交媒体简介的方面，然而，诸如产品列表、资产记录等等之类的其他记录类型将具有像实体那样的类似元素。简介包括具体实体的其他数据，诸如地点、技能等等。实体可以收集在对等组中。可以添加这些对等组中未在分面用户界面元素中表示的实体，产生比先前可用的选择扩展的分面选择。
实体分组成对等组可以基于实体中的属性的接近度指标。尽管实体之间一定的亲和性对于将它们收集到对等组中是必要的，但是提升那些组之间的差异可能具有益处。因此，如果在加利福尼亚使用术语“软件开发人员”而在纽约使用“软件工程师”，但是在其他方面这些头衔却指的是相同的工作，那么即使输入了实体“软件开发人员”作为分面也可以提供“加利福尼亚”的地点建议。
对等组识别是基于实体属性的统计分析。该分析以成对的方式确定实体之间的共同性和新颖性（例如差异）二者。对等组联系关系可以用来对用于建议的实体属性加权。因此，两个相关性不佳的实体将提供具有低权重的属性建议。实体建议也可以通过分面输入的顺序进行加权。该实例规定用户在选择分面的同时保持思路。例如，如果按顺序输入技能“java”和“html”作为技能分面，其他一切相等，那么基于“html”分面的技能建议将优先于“java”属性的那些建议。排名也可以基于用户。例如，可以基于执行搜索的人的地点推断一个地点。
因此，分面扩展可以包括识别对等实体，估计对等实体之间的亲和性（例如重叠），对对等组中的实体属性排名，以及将高排名实体呈现给用户，作为例如分面条目提前键入或者即时添加建议。
搜索查询来自两个来源：成员特征和相似特征。这两个来源具有显性特征和潜在特征。输出应当是用于每个分面/维度的特征值和相关分数。
如上面所指出的，搜索可以包括产生搜索结果的查询阶段以及操纵返回的结果的后查询阶段。该操纵的一个实例是交互添加或减少分面以及基于当前选择的分面集合过滤搜索结果。分面也称为维度，是搜索结果中的记录的属性。分面允许在没有执行附加搜索的开销或者不便的情况下以通常交互的方式聚焦搜索结果。
在一些搜索任务中，人们将利用每个搜索结果执行一个任务。本文使用的一个实例是招聘人员搜索候选申请的实例。另一个实例可以是例如研究人员查找关于一个问题的文献。在这些实例中的每一个中，用户将很可能在每个最终识别的结果上花费大量的时间。尽管良好的搜索和利用可用分面的适当过滤可能产生良好的搜索结果，但是通常仍然存在许多要有效地处理的结果。为了解决这个问题，本文提出了一种搜索结果细化的系统。该细化包括特定于搜索任务而不是数据的分面集合。当获取例如搜索结果形式的数据时，计算搜索任务分面并且将其添加到搜索结果。虽然有效分面，这些细化的特定于上下文的性质的操作方式却不同，将数据添加到记录，其例如在一个搜索中是感兴趣的，但是在另一个搜索中不一定相关。将单独的用户界面呈现给用户以便选择这些依赖于上下文的分面并且进一步细化搜索结果。由于该技术不要求改变底层数据，因而可以将它添加到现有的搜索系统。进一步，通过利用其中执行搜索的上下文，用户体验成为没有附加工作的更加直观的搜索体验。
在其中用户为招聘人员的实例中，这些依赖于上下文的分面可以称为人才库。每个人才库可以在后台（例如不是与搜索一起实时地而是事先）计算，并且从上下文特征导出，所述上下文特征诸如用户的身份（例如先前的用户搜索、先前的雇用、先前的候选联系人等等）、对用户可用的搜索流（例如引导式搜索）、可以搜索的公司（例如候选人或用户的公司连接、候选人的公司参与、公司的过去申请人等等），以及记录（例如候选人简介）的其他方面，诸如当前职位的时间或者竞争性人才。在一个实例中，批量型机器学习机制（例如神经网络、支持向量机等等）用来确定顶级（例如十个最佳的）竞争者或者顶级学校的竞争性人才价值。在这里，这些价值表明竞争雇主从什么公司或学校雇人。这是依赖于上下文的分面的一个实例，其可以大大改进提供给招聘人员的搜索操纵。下文中提供了附加的细节和实例。
图1图示出依照一个实施例的用于辅助搜索查询的系统125的实例。系统125在操作时通信耦合至网络120和数据仓130。网络120允许系统125传送用户界面，并且接收来自诸如膝上型计算机、平板计算机、智能电话等等之类的用户设备的用户输入。如图所示，用户界面是包括顶部围栏105、侧面围栏115和结果区域110的搜索界面。数据仓130包含记录135，其在这里图示为用于可能的雇员的候选记录。尽管贯穿本文件使用了招聘人员搜索候选人的实例，但是其他类型的记录和搜索类似地受益于本文讨论的系统和技术。
系统125的部件以可以针对特定操作通过软件进行配置的计算机硬件实现，诸如利用存储器、存储装置（例如磁带、基于盘片的硬盘驱动器等等）、收发器、搜索引擎、查询接口、复用器、电路等等实现。为方便起见，系统125的操作将参照下面的部件进行描述：查询接口、复用器、搜索引擎、过滤器、分类器和用户界面模块。这些部件单独地或者以不同组合地经由如下文中详述的除别的以外的辅助创建搜索查询、分面扩展和搜索结果细化而支持辅助搜索查询。
关于辅助创建搜索查询，查询接口被布置成在图形用户界面（gui）上呈现文本输入域，并且在文本域处接收用户输入。查询接口可以耦合至复用器，该复用器接受若干输入并且产生单个输出。响应于接收用户输入，也许由复用器馈送的查询接口被布置成呈现与文本输入域相接触的流程选择器。该实例说明了用户熟悉的并且将其过载以便在不打断用户的情况下允许选择工作流程的标准搜索界面（文本域）的使用。因此，流程选择器包括基于用户输入选择的流程选择集合。在一个实例中，流程选择包括流程的标识和实例结果的标识。该方案的一个例证关于图3给出。基本上，提前键入被扩展为不仅包括可能的文本完成建议，而且利用流程选择对这些建议分组。在一个实例中，流程选择器中呈现的流程基于找到的提前键入建议。这些建议可以以许多方式中的任一种实现，诸如使用查询扩展、运行查询和对结果排名。在一个实例中，基于其他搜索者的流程使用选择流程。在这些实例中，提前键入建议结合了该流程以及输入文本域中当前输入的数据。
查询接口被布置成接收流程选择的用户选择。在一个实例中，流程通过提前键入选项的用户选择而选择。在该实例中，用户无需单独地识别流程被选择，而是从流程中选择一个选项。这简化了用户界面并且提高了用户的总体满意度。在一个实例中，用户选择包括对流程选择中呈现的第二结果的选择。在该实例中，流程可以不包括附加的问题，但是可以例如接受原始数据点的附加输入。例如，如果想要使用实例候选人搜索求职者，那么初始提前键入可以是该实例候选人。然而，在这样的基于实例的搜索中，第一实例候选人的独特性可能将结果限制为具有那些独特性的那些候选人。例如，如果实例候选人是喜欢皮划艇的软件开发人员，那么接受该候选人的数据的机器智能可能倾向于包括皮划艇爱好者。为了解决该问题，可以识别附加的候选人并且将其用于样本集合。为了促进该活动，工作流程进行至提示用户搜索附加的理想候选人。现在，利用更健壮的样本集合，实例候选人之间的相似性可以通过搜索智能收集，并且用于更有成效的搜索。该接口的一个实例关于图4给出。
响应于流程选择的用户选择，查询接口被布置成呈现后续步骤流程元素。在这里，工作流程在进行中，并且可以摆出附加的问题以方便构建所述查询。如上面所指出的，这些元素基于选择的工作流程提示或者引导用户完成查询构建。这些后续步骤可以在文本输入域上呈现为背景文本。这样做时，用户不必使用鼠标或者以其他方式离开舒适的文本输入域以便将数据添加至工作流程。
然后，查询接口从后续步骤流程元素收集用户查询选择以便填充与用户的流程选择相应的查询模板。用户查询选择收集可以通过复用器来促进，其接受来自用户的各种输入选择并且提示用户界面摆出用户的附加数据请求。在一个实例中，流程选择是职位、人或者岗位中的至少一个。这些实例流程选择与例如用户的招聘搜索有关。在这里，流程选择与例如使用人作为实例或者工作岗位（jobpost）作为实例的搜索相应。这两个工作流程接受识别数据仓130中的记录135的数据。一旦识别了这些记录，提取记录的属性并且将其用作搜索引擎的参数。职位工作流程是一种更传统的搜索，其中用户将被提示输入关于职位的具体细节，例如职位所要求的技能、地点等等。这些用户界面元素的实例关于图5和图6示出。
在一个实例中，为了从后续步骤流程元素收集用户查询选择，查询接口被布置成利用文本域中的图形元素代替文本域处的用户输入，并且将光标移到文本域中的图形元素之后。这种在文本域中标记先前做出的选择的图形技术允许通知用户已经做出了哪些选择。在一个实例中，图形元素采取包括编辑或者删除控件中的至少一个的丸状物的形式。因此，用户可以容易地在例如不必重启工作流程或者以其他方式打断其一般搜索交互的情况下移除先前的选择或者编辑它们。
搜索引擎被布置成执行查询模板以便产生搜索结果。执行查询模板涉及从查询中提取键值配对，并且将其格式化以便与搜索引擎交互。因此，如果提取了职位（键）和软件经理（值），那么可以形成搜索，诸如select*fromrecordswhere职位equals“软件经理”等等。该简单实例可以基于用于搜索引擎的应用编程接口（api）进行修改。也可以采用促进基于机器智能的搜索机制的附加格式，诸如基于所述键选择特定的输入神经元或者输入神经元集合，并且将相应的值作为输入提供给这些神经元。
为了执行查询模板，搜索引擎也被布置成从中间结果中的未见于查询模板的结果中提取实体。在这里，实体是记录中的一种属性类型。例如，地点、经验水平、爱好等等是实体，而人名是属性。实体可以包括附加的属性。例如，工作头衔实体可以包括区域变化和与另一个实体的关系。例如，头衔“软件工程师”可以是纽约的本地头衔，其与加利福尼亚的头衔“软件开发人员”有关（例如相同）。
在一个实例中，为了提取实体，搜索引擎被布置成通过离查询模板中的实体的接近度指标对实体排名。在这里，例如通过实例搜索的搜索中的实体用来对其他记录中的实体排名。实体集合越接近已经在查询模板中的那些实体，则可以认为相应的记录越相关。在一个实例中，接近度指标基于实体在群体中的统计位置。统计位置可以是均值、中值、标准偏差等等中的一个。在这里，接近度是查询模板实体与找到的实体之间的关系。例如，如果二者均在中值附近（例如在针对样本尺寸调节的中值的阈值距离内），那么认为它们是紧密的。在一个实例中，接近度是差异的原始值，使得离查询模板的中值的距离从候选实体的距离中减去，结果是接近度指标。
在一个实例中，使用的接近度指标取决于实体的实体类型。例如，接近度指标和计算不同于职位的。这允许灵活地处理可以比较的广泛多样的数据。在一个实例中，实体类型是公司。在这里，接近度指标基于搜索者访问公司对象的频率。即，候选人对公司越感兴趣——这通过候选人做出的公司搜索次数，访问公司简介或网站的次数等等证明，则该候选人与查询模板中的公司实体的接近度越大。在其中实体类型为公司的另一个实例中，接近度指标基于实体所代表的组织之间的竞争。该竞争可以是从诸如市场研究、诉讼记录或者过去的交叉雇用活动（例如，公司a雇用了来自公司b的人才，反之亦然）之类的外部源收集的分数。
在一个实例中，实体类型是头衔。在这里，接近度指标基于头衔的搜索者会话发生。同一会话期间头衔的使用说明搜索者可能一直在寻找先前尚未击中查询元素的正确组合的东西。因此，包括先前搜索的头衔允许扩展到用户已经感兴趣的头衔。类似地，在一个实例中，可以给予这些头衔差的接近度分数，因为用户已经搜索了它们并且发现它们是缺乏的。在一个实例中，实体类型是描述。在这里，接近度指标为从语义分析导出的距离。特定的语义分析可以是逆文档频率、字向量近似等等。这些技术产生可以用来计算距离的数值。通常，创建具有与样本文件相等的维度数的空间。字、短语或者其他词性根据给定样本中其出现或者重要性沿着每个维度绘制。然后，可以比较这些坐标（非常像地图上的坐标）以便得到距离。该距离是用于描述实体的实例接近度指标。
使用上面给出的理想候选人集合的一个实例可以如下进行。复用器将接受该理想候选人集合，并且生成包括技能、头衔、公司等等的搜索查询。接着，将该查询提交给搜索引擎以便得到最优结果。查询生成的结果将被评估，以便向搜索引擎建议用于离线索引、去规格化或者其他增强的不同策略或者参数设置。表明良好性能的技术将被选择并且部署在搜索引擎中以用于后续查询。由于搜索引擎性能经常取决于排名功能如何使用搜索查询中的信息，因而评估方法由排名功能通知。
用于评估的训练数据的一个实例可以包括在相同的搜索会话内搜索者是否将站内信（例如社交媒体服务内的消息）发送至若干结果。在这里，这些结果很可能适合搜索者心目中的职位。因此，这些结果彼此相似，并且如果搜索者使用它们中的一些作为用于该职位的查询启动器（例如，理想候选人通过实例搜索），那么其他结果也很可能是相关的结果。
因此，给定搜索会话，随机挑选一些搜索者向其发送站内信的结果作为理想候选人。具有站内信的其余结果被认为与理想候选人相关。没有站内信的结果被认为是非相关的。给定所述数据，单独地评估生成的查询中的不同部分，例如技能、头衔和公司。例如，给定如上的理想候选人集合，提取技能集合s={s1,s2…sk}。通过计算相关结果在这些技能上的声誉（reputation）分数（按平均）：reputation(r+,s)以及非相关结果在这些技能上的声誉分数：reputation(r-,s)评估该集合。在一个实例中，这是排名功能使用查询中的技能对结果排名（例如使用结果在查询中的技能上的声誉分数之和作为特征）的相同方式。因此，如果reputation(r+,s)>reputation(r-,s)，那么相关结果将很可能比非相关结果排名更高。因此，这种评估方式将符合当前搜索系统上的查询的性能。
类似地，对于头衔集合t而言，可以通过将头衔与相关结果中的当前头衔在多大程度上匹配和它们与非相关结果中的当前头衔的匹配程度进行比较，来评估这些头衔。当当前搜索排名功能给予当前头衔匹配高权重时，如果t与相关结果的头衔的匹配比非相关结果的头衔更佳，那么查询t将表现良好。
为了执行查询模板，搜索引擎也被布置成基于接近度指标选择实体。如上面所指出的，接近度指标提供了一种关于候选实体与（例如已经被用户选择的）已经是查询模板的部分的（例如包含在内的）那些实体有多接近的度量。在一个实例中，基于接近度指标选择实体包括搜索引擎在接近度指标超过阈值时选择该实体。在该实例中，避免了太接近已经是查询模板的部分的那些实体的实体。这允许查询模板将搜索扩展为包括有关的、但是不同的实体。在一个实例中，为了基于接近度指标选择实体，搜索引擎被布置成使用各自的接近度指标对实体排名以便创建有序集合并且按顺序从该有序集合选择实体，直到选择了预定数量的实体。因此，如果存在太多的候选记录，那么将实体排序，并且基于该排序填充预设数量的空位（slot）。
为了执行查询模板，搜索引擎也被布置成将实体添加至查询模板。如上面所指出的，将实体添加至查询模板在被添加的附加实体、被呈现的提前键入值的类型等方面改变了系统行为。通过这种方式，用户先前的选择进一步缩小并且增强了给定搜索。
在一个实例中，执行查询模板在连续的基础上发生。也就是说，当从用户收集每条新信息时，搜索引擎产生将在结果区域110中显示的结果。通过这种方式，用户被请至一种交互引导式搜索，并且可以在结果满足其期望的任何时候停止。在一个实例中，为了执行查询模板，搜索引擎要基于查询模板的元素执行初步搜索以便产生中间结果。
实现上面描述的系统125解决了与复杂搜索工具有关的一些技术问题。首先，用户没有长久记忆或训练负担来利用复杂的搜索。其次，对于涉及工作流程选择和问卷调查的复杂界面，没有放弃传统的用户界面。相反地，使用了雅致的搜索框，其提前键入过载以便允许工作流程选择，并且其已经输入的内容适当变换以便表示先前的选择。因此，用户在不必离开熟悉的搜索界面的情况下获得复杂工作流程引擎的益处。
关于分面扩展，查询接口在搜索结果显示于搜索结果区域110中之后控制左边围栏115。虽然这是一种典型的配置，但它不是必需的。查询接口被布置成在包括搜索结果的搜索结果显示的分面选择部分上呈现用户界面元素。在这里，用户界面元素被布置成接受分面的用户输入。该界面的一个实例在下面于图8中给出。用户界面元素可以采取由丸状物表示的、已经选择的分面下面的即时添加选择的形式。用户界面元素也可以包括由例如“+”元素激活的提前键入文本区域。
查询接口被布置成接收用于分面的部分用户输入。这典型地通过其中用户开始输入希望的分面的提前键入实现。在一个实例中，该部分用户输入可以通过分面部分的即时添加接收。例如，代替提供完整的分面以便即时添加至选择的分面的集合的是，所述即时添加可以包括匹配若干当前实体的部分分面。
过滤器被布置成获得与分面相应的实体的对等实体（例如，其被用户部分或者完全选择）。在一个实例中，基于产生搜索结果的搜索流程选择对等实体。搜索流程是定向搜索，使得例如以职位名称开始的引导式搜索不同于理想候选人的通过实例搜索或者关键字搜索。搜索流程可以建议实体之间的哪些属性用于接近度测量。例如，当搜索理想候选人时，可以强调与人相应的属性，不一定是工作头衔。类似地，对于职位搜索，可以相对于例如提供给定职位的公司强调职位的资格。
在一个实例中，过滤器被布置成基于实体的实体种类选择对等实体。实体种类或类别表示实体的类型而不是它包含的值。因此，例如，车辆记录可以包括具有一个值的“制造”实体，其不同于另一个车辆记录的“制造”实体。如上面所指出的，实体本身可以具有超过一个的属性。因此，工作头衔也可以包括资格证书集合、地理使用领域等等。如上面所指出的，在实体之间比较这些属性最终产生作为给用户的建议的分面的选择。
在一个实例中，用户界面元素与实体种类相应。在这里，单个实体种类的分面通过查询接口在分面选择部分中一起显示。这在图8中图示出。在一个实例中，对等实体由过滤器基于实体的实体类型进行选择。因此，如果通过用户的部分分面输入识别的实体处于第一种类，那么对等组限于该实体种类。
在一个实例中，对等实体具有与所述实体不同的实体类型。这种跨种类建议相对于附加的分面系统提供了强大的增强。也就是说，胜过将分面建议限制为用户已经参与的种类，例如工作头衔，用户被提示将分面添加至不同的种类，诸如地点。尽管附加的搜索不是必需的，但是效果就像执行了扩展的搜索，因为用户可能没有以其他方式将第一种类的分面选择连接至来自第二种类的建议。例如，假设用户期待填充具有给定工作头衔的职位。结果中存在的分面指明用户感兴趣的先前的雇主，例如，因为该雇主的其他雇员工作得很好。过滤器获得与该分面相应的公司分面标识和实体。该实体包括已经雇用的候选人的教育机构集合。将这些属性与教育机构比较，并且识别对这些机构实体排名的集合。可以将预定数量（例如一至五个）的这些机构呈现给用户。用户可以选择该机构，并且即使不存在那么多的来自该公司的可供雇用的候选人，也以很可能良好的候选人的分面过滤器结束。
在一个实例中，对等实体是建议元素中呈现的多个对等实体中的一个。也就是说，如上面所指出的，建议可以包括给用户的超过一个的建议。在一个实例中，所述多个对等实体在建议元素中排序。在一个实例中，该顺序基于实体与对等实体之间的接近度度量。因此，已经选择的实体与建议之间的亲和性越大，则这些建议越可能在建议元素中具有突出的或者任意的表示。在一个实例中，该顺序基于先前选择的对等分面而改变。因此，当用户表达一系列询问时，最近选择的分面表示了用户的思路。因此，接近度排序不是绝对的，而是基于最近的选择而改变。
在一个实例中，为了获得对等实体，过滤器被布置成：基于实体的属性搜索实体，并且对实体之间的接近度评分。在一个实例中，为了对接近度评分，过滤器被布置成测量实体与对等实体的属性之间的重叠。在一个实例中，当偏差在实体与第一对等实体之间更大时，相比第二对等实体，实体与第一对等实体之间的相等的重叠离实体更近。也就是说，在三个实体之间，当第一和第二实体之间等效（例如在一定阈值内相等、同义等等）的属性数量在数量上大于第一和第三实体之间等效的属性数量时，相比于第一个与第三个之间的接近度，前两个更接近。
在一个实例中，过滤器也被布置成测量实体与对等实体的属性之间的偏差。该偏差测量提供了建议也许不太可能的实体的排名机制。例如，如果在三个实体之间，两个实体基本上相同，因为它们具有全部等效的属性，那么添加用于第二实体的分面没有改进搜索很多，因为结果应当基本上与第一实体的结果相同。然而，人们也不会期望具有完全无关的属性的实体是有效的，因为该实体更可能找到与用户在先前的选择中表达的愿望相反的记录。因此，给定接近度阈值——也就是说，如阈值数量的共同属性所确定的，对等组中的实体至少彼此足够接近——与已经选择的实体不同的表达附加属性的那些实体可以给用户带来最大的价值。因此，一旦满足共同的阈值属性，那么在其余属性不同的情况下可以增大接近度指标。
过滤器被布置成基于与实体的接近度选择对等实体。因此，过滤器搜索像已经通过例如所述搜索或者先前输入的部分或完整分面所指明的实体那样的实体。计算这些对等实体至已经接收到用户输入的接近度分数，并且将具有良好接近度分数——高分在一些情况下可能是好的，而低分在其他情况下可能是好的；高或低的最终选择是一个设计选择并且对当前系统125不太重要——的对等实体子集分组并且输送至查询接口。
查询接口被布置成响应于接收到部分用户输入而在分面选择部分中的建议元素中呈现对等分面。在这里，将上面讨论的建议提供给用户。用户可以选择一个建议并且进一步操纵搜索结果，提供比当前系统更强大的搜索操纵器。
关于搜索结果细化，分类器被布置成获得（例如检索或接收）搜索结果并且获得搜索上下文。搜索上下文包括特定于搜索的元素，例如执行搜索的用户、执行搜索所针对的组织、搜索工作流程等等。这些元素可能与结果相关，但是从搜索的详情而不是搜索结果的属性导出。
分类器被布置成将依赖于上下文的分面集合添加至这些搜索结果中的一个搜索结果。该添加可以包括修改该搜索结果的记录，但是在大多数情况下，涉及记录特定搜索结果与已经返回的搜索结果的上下文中的分面之间的关联。在一个实例中，该添加包括查询在批处理中计算的分面。在一个实例中，上下文包括实体的标识。在一个实例中，依赖于上下文的分面集合中的分面是搜索结果中的结果与实体之间的联系关系（affiliation）。该联系关系可以是实体与搜索结果之间的任意可测量的交互。因此，例如如果车辆记录135包括“制造”属性，并且该车辆制造由实体产生，那么存在实体与车辆记录135之间的联系关系。在测量时，该联系关系可以被添加至记录的依赖于上下文的分面集合并且使用该实体进行索引。
在一个实例中，搜索结果识别一个人。在这里，联系关系是该人关于该实体的活动记录。在一个实例中，该活动记录包括该人选择在社交媒体平台（例如服务）中跟随该实体。在一个实例中，该活动记录包括该人搜索该实体。在一个实例中，该活动记录包括该人与在该实体处的另一个人之间的连接。在一个实例中，该连接仅当在该人的指导下在社交媒体平台上建立时才被考虑。这在例如该人决定跟随、订阅该实体或者以其他方式与该实体发生明显联系关系时是常见的。在一个实例中，活动记录包括先前在该实体的就业申请。
在一个实例中，上下文包括执行产生搜索结果（例如用户）的搜索的用户。在这里，依赖于上下文的分面集合中的分面是用户过去关于所述结果采取的行动。在招聘人员的实例中，这样的行动可以包括诸如与候选人通信、推荐雇用该候选人、将该候选人保存为潜在的雇用者或者甚至查看该候选人的简介达显著的时间段或者显著的次数之类的事情。这些最后的指标的显著性可以例如通过将用户通常或者特别是这次使用花在特定简介上的时间量与观察时间的一般统计分布相比较来进行测量。当简介的特定查看在时间或者频率上超过阈值（例如高于均值、中值，或者高于均值一个或多个标准偏差，等等）时，认为它是显著的。
在一个实例中，上下文包括先前作为查询参数提供以便产生搜索结果的实体职位。在这里，依赖于上下文的分面集合中的分面是在职时间指标。在一个实例中，该在职时间指标是一个组中的结果的统计表征。在一个实例中，该组是整个搜索结果。在一个实例中，该在职时间指标是段标识。这些分类提供了例如对候选人稳定性的看法。因此，在先前职位的时间的平均值或者其他统计度量以下的人可能意味着该候选人不太可能留在新的职位。这也可以推荐一个候选人，因为他们更加可能离开当前雇主。通过比较该候选人关于职位的活动以及相似情形下的其他候选人（如受导致搜索结果的搜索参数支配的），可以具有处理一个候选人的适当性的附加见解。
用户界面模块被布置成呈现依赖于上下文的分面集合的用户界面连同显示搜索结果。用户界面模块可以在搜索结果区域110、侧面围栏115中的传统分面界面以及顶部围栏105中的用户界面中显示搜索结果。图3至图5b中图示出用户界面的实例。在一个实例中，对于依赖于上下文的分面集合中的每个分面，依赖于上下文的分面集合的用户界面包括用于该分面的标签以及分面所应用于的搜索结果的计数。
在一个实例中，用户界面在线性元素中显示依赖于上下文的分面集合的成员。在一个实例中，依赖于上下文的分面集合的成员以最初通过每个分面的值建立的顺序显示。在一个实例中，该值是搜索结果的计数。在一个实例中，用户界面模块被布置成对分面的顺序重新排序以便将该分面置于线性元素的末端。
用户界面模块被布置成接收来自用户的对于依赖于上下文的分面集合中的分面的选择，并且过滤被显示的搜索结果，该过滤包括满足该分面的测量结果的搜索结果并且排除其余的搜索结果。
依赖于搜索上下文的分面增强了通常从搜索结果记录本身导出的分面的当前使用。由于不同的搜索任务可能受益于不同的搜索敏感分面，因而系统125向用户提供了更佳的体验，导致更有效的搜索。
图2图示出依照一个实施例的社交网络服务200的功能部件。社交网络服务可以用来托管或者实现上面在图1中描述的系统。前端模块可以包括用户界面模块（例如web服务器）220，其接收来自各个客户端计算设备的请求，并且将适当的响应传送至发出请求的客户端设备。例如，（多个）用户界面模块220可以接收超文本传输协议（http）请求或者其他基于网络的应用编程接口（api）请求（例如来自运行在客户端设备上的专用社交网络服务应用）形式的请求。此外，可以提供用户交互和检测模块220以便检测用户（例如成员）与不同应用、服务和呈现的内容的各种交互。一检测到特定交互，用户交互和检测模块220就将该交互，包括交互的类型和与交互有关的任何元数据，记录到成员活动和行为数据库270中。
应用逻辑层可以包括一个或多个不同的应用服务器模块230，所述模块结合（多个）用户界面模块210利用从数据层中的各个不同数据源检索的数据生成各个图形用户界面（例如网页）。对于一些实施例，应用服务器模块230用来实现与如上面所讨论的社交网络服务提供的各个应用和/或服务关联的功能。
在一个实例中，应用逻辑层可以包括查询接口240、复用器241和搜索引擎242。如图1中所讨论的，这些部件促进搜索查询的辅助创建。在一个实例中，应用逻辑层可以包括查询接口240和过滤器243。如图1中所讨论的，这些部件促进分面扩展。在一个实例中，应用逻辑层也可以包括用户界面模块244和分类器245。如图1中所讨论的，这些部件促进搜索结果细化。
数据层可以包括若干数据库，诸如用于存储简介数据的数据库，所述简介数据包括成员简介数据以及用于不同组织（例如公司、学校等等）的简介数据。与一些实施例一致的是，当一个人最初注册成为社交网络服务的成员时，该人将被提示提供一些个人信息，例如他或她的姓名、年龄（例如出生日期）、性别、兴趣、联系信息、家乡、地址、成员配偶和/或家庭成员的姓名、教育背景（例如学校、专业、入学和/或毕业日期等等）、就业历史、技能、专业组织等等。该信息例如存储在数据库250中。类似地，当组织的代表最初向社交网络服务注册该组织时，可以提示该代表提供关于该组织的某些信息。该信息可以例如存储在数据库250或者另一个数据库（未示出）中。对于一些实施例，可以（例如在后台或者离线地）处理简介数据以生成不同的导出的简介数据。例如，如果一个成员提供了关于该成员在同一家公司或者不同公司担任的不同工作头衔以及担任多久的信息，那么该信息可以用来推断或者导出表明该成员的总体资历水平或者在特定公司内的资历水平的成员简介属性。对于一些实施例，从一个或多个外部托管的数据源导入或者以其他方式访问数据可以增强成员和组织二者的简介数据。比如，特别是对于公司而言，财务数据可以从一个或多个外部数据源导入，并且成为公司简介的一部分。
在社交图谱数据库260的社交图谱内存储并且维护了描述诸如成员建立的与其他成员或者与其他实体和对象的连接之类的各种关联和关系的信息。再者，当成员与经由社交网络服务变得可用的各种应用、服务和内容交互时，可以跟踪成员的交互和行为（例如查看的内容、选择的链接或按钮、被响应的消息等等），并且关于成员的活动和行为的信息可以例如由成员活动和行为数据库270记录或存储。
对于一些实施例，社交网络服务200向应用编程接口（api）模块提供用户界面模块210，应用和服务可以经由该模块访问社交网络服务提供或者维护的各种数据和服务。例如，使用api，应用可能能够请求和/或接收一个或多个导航推荐。这样的应用可以是基于浏览器的应用，或者可以是特定于操作系统的。特别地，一些应用可以在具有移动操作系统的一个或多个移动设备（例如电话或者平板计算设备）上驻留并且执行（至少部分地）。此外，虽然在许多情况下利用api的应用或服务可以是由操作社交网络服务的实体开发并且维护的应用和服务，但是除了数据隐私问题以外，没有任何东西阻止api在特殊安排下提供给公众或者某些第三方，从而使得导航推荐对第三方应用和服务可用。
图3-6图示出依照一个实施例的用于辅助创建搜索查询的用户界面元素的实例。图3图示出图1中所示的顶部围栏内的搜索文本域305。在这里，用户输入了“dev”形式的部分搜索。提前键入元素当前正与流程选择一起显示针对“dev”的候选结果。例如，流程选择“通过工作头衔搜索”310首先与候选结果“开发人员”312和“软件工程师”一起显示。“软件工程师”选择表示基于实体属性的实体接近度，诸如代表相同工作的术语的地理亲和性。
流程选择315是一种通过实例搜索的流程，其中人员的简介（例如先前的候选人）用来提供查询参数。在图示的实例中，用于“devonsmart”的候选结果317也可以包括诸如链接、按钮或者其他控件之类的调查元素319，使得用户可以审核该结果以确定它与搜索的相关性。
流程选择320是另一种通过实例搜索的流程，其中先前的工作岗位用来提供查询参数。再一次地，候选结果324包括调查元素324，使得用户可以审核建议的实例。
如上面所指出的，从该界面可知，当用户选择候选结果时用户正选择哪个流程。因此，当用户例如选择“devonsmart”时，用户也知道他正选择“发现更多人，如”流程315。图2图示出这样的选择的结果。应当指出，选择“devonsmart”在文本域405中变换成包括删除（“x”）元素的丸状物407。由于选择了“发现更多人，如”流程410，提前键入现在仅仅显示针对该流程的候选结果。用户输入了附加的文本“robe”，再次利用调查元素414提示特定于流程的提前键入建议，诸如建议412。该工作流程允许该条目或者若干实例记录用作针对搜索参数的原材料。
图5图示出职位流程的用户选择。在这里，“开发人员”职位的先前选择在文本域中表示为丸状物505。该流程包括关于该职位的地点的二次询问。文本域中的提示改变，并且提示510在文本域上写在光标之后。典型地，提示510处于柔和的颜色，诸如白色上的灰色而不是白色上的文本正常黑色，以便向用户进一步区分提示510的性质。候选地点结果515在基于到目前为止的查询模板（例如被选择的“开发人员”）的提前键入中显示。这些结果可以包括计数520，其让用户了解添加地点会如何影响搜索结果。图6图示出选择了地点之后的职位流程。再一次地，先前的选择表示为丸状物505和605。然后，用户被提示610添加技能。现在，提前键入包括技能结果615。
在输入流程选择和用户选择期间的任何时间，用户可以例如使用放大图标调用搜索。因此，引导用户的直观性也允许有经验的搜索者在搜索结果看起来满足搜索者的目标时立即退出所述流程。
图7图示出依照一个实施例的用于辅助创建搜索查询的方法700的实例。方法700的操作通过如上文和下文所描述的硬件执行。
在操作705处，在图形用户界面（gui）上呈现文本输入域。
在操作710处，响应于在文本输入域处接收到用户输入，与文本输入域接触地呈现流程选择器。在一个实例中，流程选择器包括基于用户输入选择的流程选择集合。在一个实例中，流程选择包括流程的标识和实例结果的标识。
在操作715处，接收流程选择的用户选择。在一个实例中，用户选择包括对流程选择中呈现的第二结果的选择。
在操作720处，响应于用户选择呈现后续步骤流程元素。
在操作725处，从后续步骤流程元素收集用户查询选择以便填充与流程选择相应的查询模板。在一个实例中，流程选择是职位、人员或者岗位中的至少一个。在一个实例中，从后续步骤流程元素收集用户查询选择包括利用文本域中的图形元素代替文本域处的用户输入，并且将光标移到文本域中的图形元素之后。
在操作730处，执行查询模板以便产生搜索结果。在一个实例中，执行查询模板包括基于查询模板的元素执行初步搜索以便产生中间结果。
执行查询模板也包括从中间结果中的未见诸查询模板的结果中提取实体。在一个实例中，提取实体包括通过离查询模板中的实体的接近度指标对实体排名。在一个实例中，接近度指标基于实体在群体中的统计位置。在一个实例中，使用的接近度指标取决于实体的实体类型。在一个实例中，实体类型是公司，并且接近度指标基于搜索者访问公司对象的频率。在一个实例中，实体类型是公司，并且接近度指标基于实体所代表的组织之间的竞争。在一个实例中，实体类型是头衔，并且接近度指标基于头衔的搜索者会话发生。在一个实例中，实体类型是描述，并且接近度指标为从语义分析导出的距离。
执行查询模板也包括基于接近度指标选择实体。在一个实例中，基于接近度指标选择实体包括在接近度指标超过阈值时选择实体。
在一个实例中，基于接近度指标选择实体包括使用各自的接近度指标对实体排名以便创建有序集合并且按顺序从该有序集合选择实体，直到选择了预定数量的实体。
执行查询模板也包括将实体添加至查询模板。
图8图示出依照一个实施例的用于分面扩展的用户界面的实例。顶部围栏805和搜索结果区域810通常与上面在图1中讨论的类似命名的元素相应。大体图示出的侧面围栏包括实体种类分组的分面区域815、820、825、830、835和840。丸状物845图示出已经选择的针对“项目经理”的分面。用户界面元素850是可以显示提前键入元素的实例元素。提前键入元素包括文本条目以及基于文本条目中部分输入的数据的变化的建议列表。即时添加区域855在这里针对每个种类显示。
如上面所指出的，分面选择元素可以采取即时添加区域855的形式。因此，当添加了分面或者将分面键入至提前键入中时，即时添加选择将改变。
图9图示出依照一个实施例的用于分面扩展的实体比较的实例。多个实体包括若干属性、不同实体值，但是相同类别（例如“工作头衔”）。实体之间的阴影箭头表示等效的那些属性，无阴影箭头表示不同的（不等效的）属性。如上面所指出的，当满足阈值相似性（在这里，两个属性）并且存在不相似时，可以改善（例如增大）接近度指标。因此，在图示的实例中，不仅“软件工程师”可以作为分面建议提供，而且“美国纽约”地点可以作为地点分面提供。
图10图示出依照一个实施例的用于分面扩展的方法1000的实例。方法1000的操作使用如下文关于图15所描述的诸如处理器、存储器或者电路系统之类的计算机硬件执行。
在操作1005处，在包括搜索结果的搜索结果显示的分面选择部分上呈现用户界面元素。在这里，用户界面元素被布置成接受分面的用户输入。
在操作1010处，针对分面接收部分用户输入。
在操作1015处，获得与分面相应的实体的对等实体。在一个实例中，基于产生搜索结果的搜索流程选择对等实体。
在一个实例中，基于实体的实体种类选择对等实体。在一个实例中，用户界面元素与实体种类相应。在这里，单个实体种类的分面在分面选择部分中一起显示。在一个实例中，对等实体基于实体的实体类型进行选择。在一个实例中，对等实体具有与所述实体不同的实体类型。
在一个实例中，对等实体是建议元素中呈现的多个对等实体中的一个。在一个实例中，所述多个对等实体在建议元素中排序。在一个实例中，该顺序基于实体与对等实体之间的接近度度量。在一个实例中，该顺序基于先前选择的对等分面而改变。
在一个实例中，获得对等实体包括：基于实体的属性搜索实体，并且对实体之间的接近度评分。在一个实例中，对接近度评分包括测量实体与对等实体的属性之间的重叠。在一个实例中，当偏差在实体与第一对等实体之间更大时，相比第二对等实体，实体与第一对等实体之间的相等的重叠离实体更近。在一个实例中，对接近度评分也包括测量实体与对等实体的属性之间的偏差，以及基于与实体的接近度选择对等实体。
在操作1020处，响应于接收到部分用户输入而在分面选择部分中的建议元素中呈现对等分面。
图11-13b图示出依照一个实施例的用于搜索结果细化的用户界面元素的实例。图11图示出在搜索应用中呈现的界面1100，其中搜索结果在依赖于上下文的分面集合1110下面的区域1105中显示。图11图示出一个受限的线性区域，其中利用溢出访问元素1115显示分面以便允许用户扩展依赖于上下文的分面集合。图示出的还有图形标记1120，其指明当前选择了哪个依赖于上下文的分面。在一个实例中，一次只能选择一个依赖于上下文的分面。
图12图示出激活溢出访问元素1115的结果。菜单1205被呈现，其中单选按钮类型选择元素1210用来选择相应的分面。在一个其中可以选择多个分面的实例中，复选框状元素可以代替用于选择元素1210的单选按钮。
图13a和图13b图示出选择分面之后依赖于搜索上下文的分面的重新排序。具体地，在图13a中，给予分面自然排序，诸如分面涵盖的搜索结果中的记录编号。最初在第三位置（第一位置在这里被总结果指示器而不是分面占用）选择“跟随你的公司”分面1305。在做出选择之后，在图13b中，重新布置分面的线性排序，使得选择的分面1305占据更突出的位置，在这里移到最左边的分面位置。
图14图示出依照一个实施例的用于搜索结果细化的方法1400的实例。方法1400的操作使用如下文关于图15所描述的诸如处理器、存储器或者电路系统之类的计算机硬件执行。
在操作1405处，获得搜索结果。
在操作1410处，获得搜索上下文（例如上下文）。
在操作1415处，将依赖于上下文的分面集合添加至这些搜索结果中的一个搜索结果。在一个实例中，上下文包括实体的标识。在一个实例中，依赖于上下文的分面集合中的分面是搜索结果中的结果与实体之间的联系关系。
在一个实例中，搜索结果识别一个人。在这里，联系关系是该人关于该实体的活动记录。在一个实例中，该活动记录包括该人选择在社交媒体平台中跟随该实体。在一个实例中，该活动记录包括该人搜索该实体。在一个实例中，该活动记录包括该人与在该实体处的另一个人之间的连接。在一个实例中，该连接在该人的指导下在社交媒体平台上建立。在一个实例中，活动记录包括先前在该实体的就业申请。
在一个实例中，上下文包括执行生成搜索结果的搜索的用户。在这里，依赖于上下文的分面集合中的分面是用户过去关于所述结果采取的行动。
在一个实例中，上下文包括先前作为查询参数提供以便产生搜索结果的实体职位。在这里，依赖于上下文的分面集合中的分面是在职时间指标。在一个实例中，该在职时间指标是一个组中的结果的统计表征。在一个实例中，该组是整个搜索结果。在一个实例中，该在职时间指标是段标识。
在操作1420处，呈现依赖于上下文的分面集合的用户界面连同显示搜索结果。在一个实例中，对于依赖于上下文的分面集合中的每个分面，依赖于上下文的分面集合的用户界面包括用于该分面的标签以及分面所应用于的搜索结果的计数。
在一个实例中，用户界面在线性元素中显示依赖于上下文的分面集合的成员。在一个实例中，依赖于上下文的分面集合的成员以最初通过每个分面的值建立的顺序显示。在一个实例中，该值是搜索结果的计数。在一个实例中，方法1400可选地扩展为包括对该顺序重新排序以便将该分面置于线性元素的末端。
在操作1425处，从用户接收对于依赖于上下文的分面集合中的分面的选择。
在操作1430处，过滤被显示的搜索结果。在一个实例中，该过滤包括满足该分面的测量结果的搜索结果并且排除其余的搜索结果。
图15图示出可以在其上执行本文讨论的任何一种或多种技术（例如方法）的实例机器1500的框图。在可替换的实施例中，机器1500可以作为独立的设备操作或者可以连接（例如联网）至其他机器。在联网部署中，机器1500可以以服务器机器、客户端机器或者在服务器-客户端网络环境下这二者的能力操作。在一个实例中，机器1500可以在点对点（p2p）（或者其他分布式）网络环境下充当对等机器。机器1500可以是个人计算机（pc）、平板pc、机顶盒（stb）、个人数字助理（pda）、移动电话、web器具、网络路由器、交换机或桥接器或者能够执行指令（顺序地或者以其他方式）的任何机器，所述指令规定由该机器采取的行动。此外，虽然图示出仅仅单个机器，但是术语“机器”也应当被理解为包括任何机器集合，这些机器单独地或者联合地执行单个（或多个）指令集以便执行本文讨论的任何一种或多种方法，例如云计算、软件即服务（saas）、其他计算机群集配置。
如本文所描述的实例可以包括逻辑电路或者若干部件或机构，或者可以通过其操作。电路系统是以包括硬件（例如简单电路、门电路、逻辑电路等等）在内的有形实体实现的电路集合。电路系统成员资格可能随着时间的推移和潜在的硬件可变性而变得灵活。电路系统包括可以在操作时单独地或者组合地执行规定的操作的成员。在一个实例中，电路系统的硬件可以永恒地设计成执行特定操作（例如硬接线）。在一个实例中，电路系统的硬件可以包括可变地连接的物理部件（例如执行单元、晶体管、简单电路等等），包括物理地修改（例如以磁性方式、以电学方式、不变聚集颗粒的可移动放置，等等）以便对特定操作的指令编码的计算机可读介质。在连接物理部件时，硬件组成的基本电气特性例如从绝缘体变化为导体，或者反之亦然。在操作时，所述指令使得嵌入式硬件（例如执行单元或者加载机构）能够经由可变连接以硬件创建电路系统的成员，以便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耦合至电路系统的其他部件。在一个实例中，任何所述物理部件都可以用在超过一个的电路系统的超过一个的成员中。例如，在运行时，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，并且在不同的时间由第一电路系统中的第二电路或者第二电路系统中的第三电路重新使用。
机器（例如计算机系统）1500可以包括硬件处理器1502（例如中央处理单元（cpu）、图形处理单元（gpu）、硬件处理器核或者其任意组合）、主存储器1504和静态存储器1506，其中一些或全部可以经由互连（例如总线）1508彼此通信。机器1500可以进一步包括显示单元1510、字母数字输入设备1512（例如键盘）和用户界面（ui）导航设备1514（例如鼠标）。在一个实例中，显示单元1510、输入设备1512和ui导航设备1514可以是触摸屏显示器。机器1500可以附加地包括存储设备（例如驱动单元）1516、信号生成设备1518（例如扬声器）、网络接口设备1520和一个或多个传感器1521，诸如全球定位系统（gps）传感器、罗盘、加速度计或者其他传感器。机器1500可以包括输出控制器1528，诸如串行（例如通用串行总线（usb））、并行或者其他有线或无线（例如红外（ir）、近场通信（nfc）等等）连接以便通信或者控制一个或多个外设（例如打印机、读卡器等等）。
存储设备1516可以包括机器可读介质1522，该介质上存储了体现本文描述的任何一种或多种技术或功能或者由其利用的一个或多个数据结构或指令1524集合（例如软件）。指令1524在其由机器1500执行期间也可以完全或者至少部分地驻留在主存储器1504内、静态存储器1506内或者硬件处理器1502内。在一个实例中，硬件处理器1502、主存储器1504、静态存储器1506或者存储设备1516中的一个或者其任意组合可以构成机器可读介质。
虽然机器可读介质1522被图示为单个介质，但是术语“机器可读介质”可以包括被配置成存储所述一个或多个指令1524的单个介质或者多个介质（例如集中式或分布式数据库，和/或关联的缓存和服务器）。
术语“机器可读介质”可以包括任何这样的介质，其能够存储、编码或者携带供机器1500执行的指令并且使得机器1500执行本公开的技术中的任何一种或多种，或者能够存储、编码或者携带由这样的指令使用或者与这样的指令关联的数据结构。非限制性机器可读介质实例可以包括固态存储器以及光学和磁性介质。在一个实例中，聚集（massed）机器可读介质包括带有具有不变（例如静止）质量的多个颗粒的机器可读介质。因此，聚集机器可读介质可以是暂时性传播信号。聚集机器可读介质的具体实例可以包括：非易失性存储器，诸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））和闪存设备；磁盘，诸如内部硬盘和可移除盘；磁光盘；以及cd-rom和dvd-rom盘。
指令1524可以进一步利用若干传输协议（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）等等）中的任何一种经由网络接口设备1520使用传输介质通过通信网络1526发送或者接收。实例通信网络除别的以外可以包括局域网（lan）、广域网（wan）、分组数据网络（例如因特网）、移动电话网络（例如蜂窝网络）、普通老式电话（pots）网络和无线数据网络（例如称为wi-fi®的电气电子工程师协会（ieee）802.11系列标准、称为wimax®的ieee802.16系列标准）、ieee802.15.4系列标准、点对点（p2p）网络。在一个实例中，网络接口设备1520可以包括一个或多个物理插孔（例如以太网、同轴或者电话插孔）或者连接到通信网络1526的一个或多个天线。在一个实例中，网络接口设备1520可以包括使用单输入多输出（simo）、多输入多输出（mimo）或者多输入单输出（miso）技术中的至少一种进行无线通信的多个天线。术语“传输介质”应当被理解为包括能够存储、编码或者携带供机器1500执行的指令的任何无形介质，并且包括数字或模拟通信信号或者促进传送这样的软件的其他无形介质。传输介质是机器可读介质的一个实施例。
附加注释和实例
实例1是一种用于辅助创建搜索查询的系统，该系统包括：处理器；以及包括指令的存储器，这些指令在由处理器执行时使得处理器：在图形用户界面（gui）上呈现文本输入域；响应于在文本输入域处接收到用户输入而邻近文本输入域呈现流程选择器，该流程选择器包括基于用户输入选择的流程选择集合；接收流程选择的用户选择；响应于用户选择而呈现后续步骤流程元素；从后续步骤流程元素收集用户查询选择以便填充与流程选择相应的查询模板；并且执行该查询模板以便产生搜索结果。
在实例2中，实例1的主题可选地包括：其中流程选择包括流程的标识和实例结果的标识。
在实例3中，实例1-2中任何一个或多个的主题可选地包括：其中执行查询模板包括：基于查询模板的元素执行初步搜索以便产生中间结果；从中间结果中的未见诸查询模板的结果中提取实体；以及将实体添加至查询模板。
在实例4中，实例3的主题可选地包括：其中提取实体包括：按照离查询模板中的实体的接近度指标对实体排名；以及基于接近度指标选择实体。
在实例5中，实例4的主题可选地包括：其中基于接近度指标选择实体包括在接近度指标超过阈值时选择实体。
在实例6中，实例4-5中任何一个或多个的主题可选地包括：其中基于接近度指标选择实体包括：使用各自的接近度指标对实体排名以便创建有序集合；以及按顺序从该有序集合选择实体，直到选择了预定数量的实体。
在实例7中，实例4-6中任何一个或多个的主题可选地包括：其中使用的接近度指标取决于实体的实体类型。
在实例8中，实例7的主题可选地包括：其中实体类型是公司，并且其中接近度指标基于搜索者访问公司对象的频率。
在实例9中，实例7-8中任何一个或多个的主题可选地包括：其中实体类型是公司，并且其中接近度指标基于实体所代表的组织之间的竞争。
在实例10中，实例7-9中任何一个或多个的主题可选地包括：其中实体类型是头衔，并且其中接近度指标基于头衔的搜索者会话发生。
在实例11中，实例7-10中任何一个或多个的主题可选地包括：其中实体类型是描述，并且其中接近度指标为从语义分析导出的距离。
在实例12中，实例4-11中任何一个或多个的主题可选地包括：其中接近度指标基于实体在群体中的统计位置。
在实例13中，实例1-12中任何一个或多个的主题可选地包括：其中从后续步骤流程元素收集用户查询选择包括：利用文本域中的图形元素代替文本域处的用户输入；以及将光标移到文本域中的图形元素之后。
在实例14中，实例1-13中任何一个或多个的主题可选地包括：其中流程选择是职位、人员或者岗位中的至少一个。
在实例15中，实例2-14中任何一个或多个的主题可选地包括：其中用户选择包括对流程选择中呈现的第二结果的选择。
实例16是一种用于辅助创建搜索查询的方法，该方法包括：在图形用户界面（gui）上呈现文本输入域；响应于在文本输入域处接收到用户输入而邻近文本输入域呈现流程选择器，该流程选择器包括基于用户输入选择的流程选择集合；接收流程选择的用户选择；响应于用户选择而呈现后续步骤流程元素；从后续步骤流程元素收集用户查询选择以便填充与流程选择相应的查询模板；以及执行该查询模板以便产生搜索结果。
在实例17中，实例16的主题可选地包括：其中流程选择包括流程的标识和实例结果的标识。
在实例18中，实例16-17中任何一个或多个的主题可选地包括：其中执行查询模板包括：基于查询模板的元素执行初步搜索以便产生中间结果；从中间结果中的未见诸查询模板的结果中提取实体；以及将实体添加至查询模板。
在实例19中，实例18的主题可选地包括：其中提取实体包括：按照离查询模板中的实体的接近度指标对实体排名；以及基于接近度指标选择实体。
在实例20中，实例19的主题可选地包括：其中基于接近度指标选择实体包括在接近度指标超过阈值时选择实体。
在实例21中，实例19-20中任何一个或多个的主题可选地包括：其中基于接近度指标选择实体包括：使用各自的接近度指标对实体排名以便创建有序集合；以及按顺序从该有序集合选择实体，直到选择了预定数量的实体。
在实例22中，实例19-21中任何一个或多个的主题可选地包括：其中使用的接近度指标取决于实体的实体类型。
在实例23中，实例22的主题可选地包括：其中实体类型是公司，并且其中接近度指标基于搜索者访问公司对象的频率。
在实例24中，实例22-23中任何一个或多个的主题可选地包括：其中实体类型是公司，并且其中接近度指标基于实体所代表的组织之间的竞争。
在实例25中，实例22-24中任何一个或多个的主题可选地包括：其中实体类型是头衔，并且其中接近度指标基于头衔的搜索者会话发生。
在实例26中，实例22-25中任何一个或多个的主题可选地包括：其中实体类型是描述，并且其中接近度指标为从语义分析导出的距离。
在实例27中，实例19-26中任何一个或多个的主题可选地包括：其中接近度指标基于实体在群体中的统计位置。
在实例28中，实例16-27中任何一个或多个的主题可选地包括：其中从后续步骤流程元素收集用户查询选择包括：利用文本域中的图形元素代替文本域处的用户输入；以及将光标移到文本域中的图形元素之后。
在实例29中，实例16-28中任何一个或多个的主题可选地包括：其中流程选择是职位、人员或者岗位中的至少一个。
在实例30中，实例17-29中任何一个或多个的主题可选地包括：其中用户选择包括对流程选择中呈现的第二结果的选择。
实例31是一种机器可读介质，包括指令，这些指令在由机器执行时使得机器执行操作，这些操作包括：在图形用户界面（gui）上呈现文本输入域；响应于在文本输入域处接收到用户输入而邻近文本输入域呈现流程选择器，该流程选择器包括基于用户输入选择的流程选择集合；接收流程选择的用户选择；响应于用户选择而呈现后续步骤流程元素；从后续步骤流程元素收集用户查询选择以便填充与流程选择相应的查询模板；并且执行该查询模板以便产生搜索结果。
在实例32中，实例31的主题可选地包括：其中流程选择包括流程的标识和实例结果的标识。
在实例33中，实例31-32中任何一个或多个的主题可选地包括：其中执行查询模板包括：基于查询模板的元素执行初步搜索以便产生中间结果；从中间结果中的未见诸查询模板的结果中提取实体；以及将实体添加至查询模板。
在实例34中，实例33的主题可选地包括：其中提取实体包括：按照离查询模板中的实体的接近度指标对实体排名；以及基于接近度指标选择实体。
在实例35中，实例34的主题可选地包括：其中基于接近度指标选择实体包括在接近度指标超过阈值时选择实体。
在实例36中，实例34-35中任何一个或多个的主题可选地包括：其中基于接近度指标选择实体包括：使用各自的接近度指标对实体排名以便创建有序集合；以及按顺序从该有序集合选择实体，直到选择了预定数量的实体。
在实例37中，实例34-36中任何一个或多个的主题可选地包括：其中使用的接近度指标取决于实体的实体类型。
在实例38中，实例37的主题可选地包括：其中实体类型是公司，并且其中接近度指标基于搜索者访问公司对象的频率。
在实例39中，实例37-38中任何一个或多个的主题可选地包括：其中实体类型是公司，并且其中接近度指标基于实体所代表的组织之间的竞争。
在实例40中，实例37-39中任何一个或多个的主题可选地包括：其中实体类型是头衔，并且其中接近度指标基于头衔的搜索者会话发生。
在实例41中，实例37-40中任何一个或多个的主题可选地包括：其中实体类型是描述，并且其中接近度指标为从语义分析导出的距离。
在实例42中，实例34-41中任何一个或多个的主题可选地包括：其中接近度指标基于实体在群体中的统计位置。
在实例43中，实例31-42中任何一个或多个的主题可选地包括：其中从后续步骤流程元素收集用户查询选择包括：利用文本域中的图形元素代替文本域处的用户输入；以及将光标移到文本域中的图形元素之后。
在实例44中，实例31-43中任何一个或多个的主题可选地包括：其中流程选择是职位、人员或者岗位中的至少一个。
在实例45中，实例32-44中任何一个或多个的主题可选地包括：其中用户选择包括对流程选择中呈现的第二结果的选择。
实例46是一种方法，包括：在用户输入搜索查询时呈现上下文菜单，该上下文菜单包括初始化为用户输入的查询的部分的搜索流程选项；响应于搜索流程选项的用户选择而利用图形元素代替所述查询的部分，该图形元素汇总了输入的所述查询的部分；利用对于由选择的搜索流程选项确定的附加查询项目的提示修改用于搜索查询的输入区域；以及使用所述查询的部分和所述附加查询项目执行完整的搜索查询，该完整的搜索查询组织由用户选择的搜索流程选项限定。
在实例47中，实例46的主题可选地包括：其中搜索流程选项是通过工作头衔搜索。
在实例48中，实例46-47中任何一个或多个的主题可选地包括：其中搜索流程选项是通过候选人实例搜索。
在实例49中，实例46-48中任何一个或多个的主题可选地包括：其中搜索流程选项是通过工作岗位实例搜索。
在实例50中，实例46-49中任何一个或多个的主题可选地包括：其中图形元素为具有汇总输入的所述查询的部分的文本的丸状物。
在实例51中，实例50的主题可选地包括：其中文本输入区域接受搜索查询，并且其中丸状物置于文本输入区域中。
实例52是一种系统，包括：查询接口，其在用户输入搜索查询时呈现上下文菜单，该上下文菜单包括初始化为用户输入的查询的部分的搜索流程选项；复用器，其响应于搜索流程选项的用户选择而利用图形元素代替所述查询的部分，该图形元素汇总了输入的所述查询的部分；其中查询接口利用对于由选择的搜索流程选项确定的附加查询项目的提示修改用于搜索查询的输入区域；并且查询引擎使用所述查询的部分和所述附加查询项目执行完整的搜索查询，该完整的搜索查询组织由用户选择的搜索流程选项限定。
在实例53中，实例52的主题可选地包括：其中搜索流程选项是通过工作头衔搜索。
在实例54中，实例52-53中任何一个或多个的主题可选地包括：其中搜索流程选项是通过候选人实例搜索。
在实例55中，实例52-54中任何一个或多个的主题可选地包括：其中搜索流程选项是通过工作岗位实例搜索。
在实例56中，实例52-55中任何一个或多个的主题可选地包括：其中图形元素为具有汇总输入的所述查询的部分的文本的丸状物。
在实例57中，实例56的主题可选地包括：其中丸状物置于输入区域中。
实例58是一种用于分面扩展的系统，该系统包括：处理器；以及存储器，其包括指令，这些指令在由处理器执行时使得处理器：在包括搜索结果的搜索结果显示的分面选择部分上呈现用户界面元素，该用户界面元素被布置成接受分面的用户输入；接收用于分面的部分用户输入；获得与分面相应的实体的对等实体；响应于接收到部分用户输入而在分面选择部分中的建议元素中呈现对等分面。
在实例59中，实例58的主题可选地包括：其中基于产生搜索结果的搜索流程选择对等实体。
在实例60中，实例58-59中任何一个或多个的主题可选地包括：其中基于实体的实体种类选择对等实体。
在实例61中，实例60的主题可选地包括：其中用户界面元素与实体种类相应，单个实体种类的分面在分面选择部分中一起显示。
在实例62中，实例60-61中任何一个或多个的主题可选地包括：其中基于实体的实体类型选择对等实体。
在实例63中，实例62的主题可选地包括：其中对等实体具有与所述实体不同的实体类型。
在实例64中，实例58-63中任何一个或多个的主题可选地包括：其中对等实体是建议元素中呈现的多个对等实体中的一个。
在实例65中，实例64的主题可选地包括：其中所述多个对等实体在建议元素中排序。
在实例66中，实例65的主题可选地包括：其中该顺序基于实体与对等实体之间的接近度度量。
在实例67中，实例66的主题可选地包括：其中该顺序基于先前选择的对等分面而改变。
在实例68中，实例58-67中任何一个或多个的主题可选地包括：其中获得对等实体包括：处理器：基于实体的属性搜索实体；对实体之间的接近度评分；并且基于与实体的接近度选择对等实体。
在实例69中，实例68的主题可选地包括：其中对接近度评分包括：处理器：测量实体与对等实体的属性之间的重叠；并且测量实体与对等实体的属性之间的偏差。
在实例70中，实例69的主题可选地包括：其中当偏差在实体与第一对等实体之间更大时，相比第二对等实体，实体与第一对等实体之间的相等的重叠离实体更近。
实例71是一种用于分面扩展的方法，该方法包括：在包括搜索结果的搜索结果显示的分面选择部分上呈现用户界面元素，该用户界面元素被布置成接受分面的用户输入；接收用于分面的部分用户输入；获得与分面相应的实体的对等实体；响应于接收到部分用户输入而在分面选择部分中的建议元素中呈现对等分面。
在实例72中，实例71的主题可选地包括：其中基于产生搜索结果的搜索流程选择对等实体。
在实例73中，实例71-72中任何一个或多个的主题可选地包括：其中基于实体的实体种类选择对等实体。
在实例74中，实例73的主题可选地包括：其中用户界面元素与实体种类相应，单个实体种类的分面在分面选择部分中一起显示。
在实例75中，实例73-74中任何一个或多个的主题可选地包括：其中基于实体的实体类型选择对等实体。
在实例76中，实例75的主题可选地包括：其中对等实体具有与所述实体不同的实体类型。
在实例77中，实例71-76中任何一个或多个的主题可选地包括：其中对等实体是建议元素中呈现的多个对等实体中的一个。
在实例78中，实例77的主题可选地包括：其中所述多个对等实体在建议元素中排序。
在实例79中，实例78的主题可选地包括：其中该顺序基于实体与对等实体之间的接近度度量。
在实例80中，实例79的主题可选地包括：其中该顺序基于先前选择的对等分面而改变。
在实例81中，实例71-80中任何一个或多个的主题可选地包括：其中获得对等实体包括：基于实体的属性搜索实体；对实体之间的接近度评分；以及基于与实体的接近度选择对等实体。
在实例82中，实例81的主题可选地包括：其中对接近度评分包括测量实体与对等实体的属性之间的重叠；以及测量实体与对等实体的属性之间的偏差。
在实例83中，实例82的主题可选地包括：其中当偏差在实体与第一对等实体之间更大时，相比第二对等实体，实体与第一对等实体之间的相等的重叠离实体更近。
实例84是一种非暂时性机器可读介质，包括指令，这些指令在由机器执行时使得机器：在包括搜索结果的搜索结果显示的分面选择部分上呈现用户界面元素，该用户界面元素被布置成接受分面的用户输入；接收用于分面的部分用户输入；获得与分面相应的实体的对等实体；响应于接收到部分用户输入而在分面选择部分中的建议元素中呈现对等分面。
在实例85中，实例84的主题可选地包括：其中基于产生搜索结果的搜索流程选择对等实体。
在实例86中，实例84-85中任何一个或多个的主题可选地包括：其中基于实体的实体种类选择对等实体。
在实例87中，实例86的主题可选地包括：其中用户界面元素与实体种类相应，单个实体种类的分面在分面选择部分中一起显示。
在实例88中，实例86-87中任何一个或多个的主题可选地包括：其中基于实体的实体类型选择对等实体。
在实例89中，实例88的主题可选地包括：其中对等实体具有与所述实体不同的实体类型。
在实例90中，实例84-89中任何一个或多个的主题可选地包括：其中对等实体是建议元素中呈现的多个对等实体中的一个。
在实例91中，实例90的主题可选地包括：其中所述多个对等实体在建议元素中排序。
在实例92中，实例91的主题可选地包括：其中该顺序基于实体与对等实体之间的接近度度量。
在实例93中，实例92的主题可选地包括：其中该顺序基于先前选择的对等分面而改变。
在实例94中，实例84-93中任何一个或多个的主题可选地包括：其中获得对等实体包括：所述机器：基于实体的属性搜索实体；对实体之间的接近度评分；并且基于与实体的接近度选择对等实体。
在实例95中，实例94的主题可选地包括：其中对接近度评分包括：所述机器：测量实体与对等实体的属性之间的重叠；并且测量实体与对等实体的属性之间的偏差。
在实例96中，实例95的主题可选地包括：其中当偏差在实体与第一对等实体之间更大时，相比第二对等实体，实体与第一对等实体之间的相等的重叠离实体更近。
实例97是一种方法，包括：在显示器的区域上呈现搜索结果；在显示器上放置过滤区域（filterarea），该过滤区域包括搜索结果的多个分面，用于每个分面的图形元素包括表示该分面的图形元素和对于附加分面的推荐；接收修改分面的用户输入；以及基于修改的分面调节搜索结果。
在实例98中，实例97的主题可选地包括：其中过滤区域中的分面按照类别进行分组。
在实例99中，实例98的主题可选地包括：其中对于附加分面的推荐限于个别分面的类别。
在实例100中，实例97-99中任何一个或多个的主题可选地包括：其中修改分面包括以下至少一个：移除分面、改变分面的值或者添加分面。
在实例101中，实例97-100中任何一个或多个的主题可选地包括：其中调节搜索结果包括移除不匹配添加的分面的搜索结果。
在实例102中，实例97-101中任何一个或多个的主题可选地包括：其中调节搜索结果包括基于修改的分面运行第二搜索以便产生新搜索结果。
实例103是一种系统，包括：用户界面模块，其：在显示器的区域上呈现搜索结果；在显示器上放置过滤区域，该过滤区域包括搜索结果的多个分面，用于每个分面的图形元素包括表示该分面的图形元素和对于附加分面的推荐；以及过滤模块，其：接收修改分面的用户输入；并且基于修改的分面调节搜索结果。
在实例104中，实例103的主题可选地包括：其中过滤区域中的分面按照类别进行分组。
在实例105中，实例104的主题可选地包括：其中对于附加分面的推荐限于个别分面的类别。
在实例106中，实例103-105中任何一个或多个的主题可选地包括：其中修改分面包括以下至少一个：移除分面、改变分面的值或者添加分面。
在实例107中，实例103-106中任何一个或多个的主题可选地包括：其中调节搜索结果包括过滤模块移除不匹配添加的分面的搜索结果。
在实例108中，实例103-107中任何一个或多个的主题可选地包括：其中调节搜索结果包括查询引擎基于修改的分面运行第二搜索以便产生新搜索结果。
实例109是一种用于搜索结果细化的系统，该系统包括：处理器；以及存储器，其包括指令，这些指令在由处理器执行时使得处理器：获得搜索结果；获得搜索上下文；将依赖于上下文的分面集合添加至这些搜索结果中的一个搜索结果；呈现依赖于上下文的分面集合的用户界面连同显示搜索结果；从用户接收对于依赖于上下文的分面集合中的分面的选择；并且过滤被显示的搜索结果，该过滤包括满足该分面的测量结果的搜索结果并且排除其余的搜索结果。
在实例110中，实例109的主题可选地包括：其中对于依赖于上下文的分面集合中的每个分面，依赖于上下文的分面集合的用户界面包括用于该分面的标签以及分面所应用于的搜索结果的计数。
在实例111中，实例110的主题可选地包括：其中用户界面在线性元素中显示依赖于上下文的分面集合的成员。
在实例112中，实例111的主题可选地包括：其中依赖于上下文的分面集合的成员以最初通过每个分面的值建立的顺序显示。
在实例113中，实例112的主题可选地包括：其中该值是搜索结果的计数。
在实例114中，实例112-113中任何一个或多个的主题可选地包括：其中所述指令进一步使得处理器对所述顺序重新排序以便将所述分面置于线性元素的末端。
在实例115中，实例109-114中任何一个或多个的主题可选地包括：其中上下文包括实体的标识。
在实例116中，实例115的主题可选地包括：其中依赖于上下文的分面集合中的分面是搜索结果中的结果与实体之间的联系关系。
在实例117中，实例116的主题可选地包括：其中搜索结果识别一个人，并且其中联系关系是该人关于所述实体的活动记录。
在实例118中，实例117的主题可选地包括：其中该活动记录包括该人选择在社交媒体平台中跟随该实体。
在实例119中，实例117-118中任何一个或多个的主题可选地包括：其中该活动记录包括该人搜索该实体。
在实例120中，实例117-119中任何一个或多个的主题可选地包括：其中该活动记录包括该人与在该实体处的另一个人之间的连接，该连接在该人的指导下在社交媒体平台上建立。
在实例121中，实例117-120中任何一个或多个的主题可选地包括：其中该活动记录包括先前在该实体的就业申请。
在实例122中，实例109-121中任何一个或多个的主题可选地包括：其中上下文包括执行生成搜索结果的搜索的用户，并且其中依赖于上下文的分面集合中的分面是用户过去关于所述结果采取的行动。
在实例123中，实例109-122中任何一个或多个的主题可选地包括：其中上下文包括先前作为查询参数提供以便产生搜索结果的实体职位，并且其中依赖于上下文的分面集合中的分面是在职时间指标。
在实例124中，实例123的主题可选地包括：其中该在职时间指标是一个组中的结果的统计表征。
在实例125中，实例124的主题可选地包括：其中该组是整个搜索结果。
在实例126中，实例124-125中任何一个或多个的主题可选地包括：其中在职时间指标是段标识。
实例127是一种用于搜索结果细化的方法，该方法包括：获得搜索结果；获得搜索上下文；将依赖于上下文的分面集合添加至这些搜索结果中的一个搜索结果；呈现依赖于上下文的分面集合的用户界面连同显示搜索结果；从用户接收对于依赖于上下文的分面集合中的分面的选择；以及过滤被显示的搜索结果，该过滤包括满足该分面的测量结果的搜索结果并且排除其余的搜索结果。
在实例128中，实例127的主题可选地包括：其中对于依赖于上下文的分面集合中的每个分面，依赖于上下文的分面集合的用户界面包括用于该分面的标签以及分面所应用于的搜索结果的计数。
在实例129中，实例128的主题可选地包括：其中用户界面在线性元素中显示依赖于上下文的分面集合的成员。
在实例130中，实例129的主题可选地包括：其中依赖于上下文的分面集合的成员以最初通过每个分面的值建立的顺序显示。
在实例131中，实例130的主题可选地包括：其中该值是搜索结果的计数。
在实例132中，实例130-131中任何一个或多个的主题可选地包括：对所述顺序重新排序以便将所述分面置于线性元素的末端。
在实例133中，实例127-132中任何一个或多个的主题可选地包括：其中上下文包括实体的标识。
在实例134中，实例133的主题可选地包括：其中依赖于上下文的分面集合中的分面是搜索结果中的结果与实体之间的联系关系。
在实例135中，实例134的主题可选地包括：其中搜索结果识别一个人，并且其中联系关系是该人关于所述实体的活动记录。
在实例136中，实例135的主题可选地包括：其中该活动记录包括该人选择在社交媒体平台中跟随该实体。
在实例137中，实例135-136中任何一个或多个的主题可选地包括：其中该活动记录包括该人搜索该实体。
在实例138中，实例135-137中任何一个或多个的主题可选地包括：其中该活动记录包括该人与在该实体处的另一个人之间的连接，该连接在该人的指导下在社交媒体平台上建立。
在实例139中，实例135-138中任何一个或多个的主题可选地包括：其中该活动记录包括先前在该实体的就业申请。
在实例140中，实例127-139中任何一个或多个的主题可选地包括：其中上下文包括执行生成搜索结果的搜索的用户，并且其中依赖于上下文的分面集合中的分面是用户过去关于所述结果采取的行动。
在实例141中，实例127-140中任何一个或多个的主题可选地包括：其中上下文包括先前作为查询参数提供以便产生搜索结果的实体职位，并且其中依赖于上下文的分面集合中的分面是在职时间指标。
在实例142中，实例141的主题可选地包括：其中该在职时间指标是一个组中的结果的统计表征。
在实例143中，实例142的主题可选地包括：其中该组是整个搜索结果。
在实例144中，实例142-143中任何一个或多个的主题可选地包括：其中在职时间指标是段标识。
实例145是一种机器可读介质，包括指令，这些指令在由机器执行时使得该机器：获得搜索结果；获得搜索上下文；将依赖于上下文的分面集合添加至这些搜索结果中的一个搜索结果；呈现依赖于上下文的分面集合的用户界面连同显示搜索结果；从用户接收对于依赖于上下文的分面集合中的分面的选择；并且过滤被显示的搜索结果，该过滤包括满足该分面的测量结果的搜索结果并且排除其余的搜索结果。
在实例146中，实例145的主题可选地包括：其中对于依赖于上下文的分面集合中的每个分面，依赖于上下文的分面集合的用户界面包括用于该分面的标签以及分面所应用于的搜索结果的计数。
在实例147中，实例146的主题可选地包括：其中用户界面在线性元素中显示依赖于上下文的分面集合的成员。
在实例148中，实例147的主题可选地包括：其中依赖于上下文的分面集合的成员以最初通过每个分面的值建立的顺序显示。
在实例149中，实例148的主题可选地包括：其中该值是搜索结果的计数。
在实例150中，实例148-149中任何一个或多个的主题可选地包括：其中所述指令进一步使得处理器对所述顺序重新排序以便将所述分面置于线性元素的末端。
在实例151中，实例145-150中任何一个或多个的主题可选地包括：其中上下文包括实体的标识。
在实例152中，实例151的主题可选地包括：其中依赖于上下文的分面集合中的分面是搜索结果中的结果与实体之间的联系关系。
在实例153中，实例152的主题可选地包括：其中搜索结果识别一个人，并且其中联系关系是该人关于所述实体的活动记录。
在实例154中，实例153的主题可选地包括：其中该活动记录包括该人选择在社交媒体平台中跟随该实体。
在实例155中，实例153-154中任何一个或多个的主题可选地包括：其中该活动记录包括该人搜索该实体。
在实例156中，实例153-155中任何一个或多个的主题可选地包括：其中该活动记录包括该人与在该实体处的另一个人之间的连接，该连接在该人的指导下在社交媒体平台上建立。
在实例157中，实例153-156中任何一个或多个的主题可选地包括：其中该活动记录包括先前在该实体的就业申请。
在实例158中，实例145-157中任何一个或多个的主题可选地包括：其中上下文包括执行生成搜索结果的搜索的用户，并且其中依赖于上下文的分面集合中的分面是用户过去关于所述结果采取的行动。
在实例159中，实例145-158中任何一个或多个的主题可选地包括：其中上下文包括先前作为查询参数提供以便产生搜索结果的实体职位，并且其中依赖于上下文的分面集合中的分面是在职时间指标。
在实例160中，实例159的主题可选地包括：其中该在职时间指标是一个组中的结果的统计表征。
在实例161中，实例160的主题可选地包括：其中该组是整个搜索结果。
在实例162中，实例160-161中任何一个或多个的主题可选地包括：其中在职时间指标是段标识。
实例163是一种方法，包括：对搜索结果实体分类；将这些类别的子集与搜索结果一起呈现在显示器中；接收选择类别的用户输入；以及响应于类别选择过滤搜索结果。
在实例164中，实例163的主题可选地包括：其中对所述类别的子集排序。
在实例165中，实例164的主题可选地包括：其中所述类别的顺序由识别的搜索的有效性确定。
在实例166中，实例163-165中任何一个或多个的主题可选地包括：其中搜索结果实体表示这样的人，这些人是工作候选人。
在实例167中，实例166的主题可选地包括：其中所述类别包括以下至少一个：连接到目标公司，跟随目标公司，是目标公司的过去申请人，具有先前与招聘人员的交互，或者工作在与目标公司相似的公司。
在实例168中，实例163-167中任何一个或多个的主题可选地包括：其中类别选择一次限于单个类别。
实例169是一种系统，包括：分类器，其对搜索结果实体分类；以及用户界面，其：将这些类别的子集与搜索结果一起呈现在显示器中；接收选择类别的用户输入；并且响应于类别选择过滤搜索结果。
在实例170中，实例169的主题可选地包括：其中对所述类别的子集排序。
在实例171中，实例170的主题可选地包括：其中所述类别的顺序由识别的搜索的有效性确定。
在实例172中，实例169-171中任何一个或多个的主题可选地包括：其中搜索结果实体表示这样的人，这些人是工作候选人。
在实例173中，实例172的主题可选地包括：其中所述类别包括以下至少一个：连接到目标公司，跟随目标公司，是目标公司的过去申请人，具有先前与招聘人员的交互，或者工作在与目标公司相似的公司。
在实例174中，实例169-173中任何一个或多个的主题可选地包括：其中类别选择一次限于单个类别。
上面的具体实施方式包括对附图的引用，这些附图形成具体实施方式的一部分。附图通过图示的方式示出可以实施的具体实施例。这些实施例在本文中也称为“实例”。这样的实例可以包括除了那些示出的或者描述的元素之外的元素。然而，本发明人也仔细考虑了其中仅仅提供所示出或描述的那些元素的实例。而且，针对特定实例（或者其一个或多个方面）或者针对本文示出或描述的其他实例（或者其一个或多个方面），本发明人也仔细考虑了使用所示出或描述的那些元素的任意组合或排列的实例（或者其一个或多个方面）。
本文件中提及的所有出版物、专利和专利文件通过引用全部合并于本文，如同通过引用单独合并。在本文件与通过引用合并的那些文件之间的用法不一致的情况下，合并的（多个）文献中的用法应当被认为是本文件用法的补充；对于不可协调的不一致性，本文件中的用法起支配作用。
在本文件中，像在专利文件中常见的那样，术语“一”用来包括一个或者超过一个，独立于“至少一个”或者“一个或多个”的任何其他示例或用法。在本文件中，术语“或”用来指非排他性的或，使得“a或b”包括“a而非b”、“b而非a”以及“a和b”，除非另外指明。在所附权利要求书中，术语“包括”和“其中”用作对应术语“包含”和“在其中”的简明英语等价物。再者，在下面的权利要求书中，术语“包括”和“包含”是开放式的，也就是说，包括权利要求中系统、设备、制品或者过程之类的术语之后列出的元素以外的元素的系统、设备、制品或者过程仍然被视为落入该权利要求的范围之内。而且，在下面的权利要求书中，术语“第一”、“第二”和“第三”等等仅仅用作标签，并非意在对其对象施加数字要求。
上面的描述意在是说明性的，而不是限制性的。例如，上面描述的实例（或者其一个或多个方面）可以彼此组合使用。其他的实施例可以诸如由本领域普通技术人员在回顾上面的描述时使用。摘要将允许读者快速地确定本技术公开的性质，并且在以下理解的情况下提交：它不会用来解释或者限制权利要求的范围或者含义。再者，在上面的具体实施方式中，各个特征可以分组在一起以便简化本公开。这不应当被解释为意指未要求保护的公开的特征对于任何权利要求都是必不可少的。确切地说，发明主题可以存在于特定的公开的实施例的少于全部的特征之中。因此，下面的权利要求书由此并入具体实施方式中，每项权利要求都作为单独的实施例而独立。这些实施例的范围应当参照所附权利要求，连同这样的权利要求有权享有的等价物的全部范围来确定。