本申请一般涉及对推荐给用户的内容生成并提供相关解释。
背景技术：
许多线上产品的用户面临着例如“人们也查看过”类推荐这样的以相似产品的形式、和例如“基于你的偏好”类推荐这样的以对于用户个性化的建议内容的形式的过多推荐。相比于用户相信内容对于他们是定制的，用户更信任推荐系统。当制作推荐的上下文模糊时，这尤其重要。例如，在产品页，用于产生“人们也查看过”推荐的上下文是清楚的，即，这是人们也查看过用户在看的产品。然而，当在线系统使一般的推荐在特定上下文之外时，不清楚会降低用户对推荐的信任。
技术实现要素：
本公开的实施例的方面和优点将在下面说明的部分中提出，或者从说明书中习得，或者通过实施例的实施而习得。
本公开的一个示例方面涉及一种计算机实现的方法，其提供推荐内容的相关解释。所述方法包括：通过一个或更多个计算设备获得指示与用户相关的一个或更多个参数的数据。方法包括用所述一个或更多个计算设备至少部分地基于与所述用户相关的所述一个或更多个参数确定用于所述用户的推荐内容。所述推荐内容与所述用户的推荐契约(engagement)相关联。该方法包括用所述一个或更多个计算设备至少部分地基于与所述用户相关的所述一个或更多个参数生成用于所述用户的推荐内容的解释。所述解释指示为何所述推荐内容被推荐给所述用户。该方法包括用所述一个或更多个计算设备提供指示所述推荐内容和所述推荐内容的所述解释的数据，以用于经由显示设备显示在用户界面上。
本公开的另一个示例方面涉及一种计算系统，该计算系统用于提供推荐内容的相关解释。该系统包括：一个或更多个处理器；以及一个或更多个存储设备。所述一个或更多个存储设备存储有当由所述一个或更多个处理器执行使所述一个或更多个处理器执行操作的指令。所述操作包括：获得指示与用户相关的一个或更多个参数的数据。所述操作包括至少部分地基于与所述用户相关的所述一个或更多个参数确定用于所述用户的推荐内容，所述推荐内容与所述用户的推荐契约相关联。所述操作包括至少部分地基于与所述用户相关的所述一个或更多个参数生成用于所述用户的推荐内容的解释。所述解释指示为何所述推荐内容被推荐给所述用户。所述操作包括提供指示所述推荐内容和所述推荐内容的所述解释的数据，以用于经由显示设备显示在用户界面上。
本公开的另一个示例方面涉及一个或更多个有形的非暂态计算机可读存储介质，其存储有当由一个或更多个处理器执行时使所述一个或更多个处理器执行操作的计算机可读指令。所述操作包括获得指示与用户相关的一个或更多个参数的数据。所述一个或更多个参数包括下述至少之一：与所述用户相关的工作经验、与所述用户相关的用户技能和与所述用户相关的线上行为。所述操作包括至少部分地基于与所述用户相关的所述一个或更多个参数确定用于所述用户的推荐契约。所述操作包括至少部分地基于与所述用户相关的所述一个或更多个参数生成用于所述用户的推荐契约的解释。所述操作包括提供指示所述推荐契约和所述推荐契约的所述解释的数据，以用于经由显示设备显示在用户界面上。
本发明的其他示例方面涉及用于提供推荐内容的相关解释的系统、设备、有形的非暂态的计算机可读介质、用户界面、存储设备和电子设备。
参考附图和权利要求书将更好理解各个实施例的这些和其他特征、方面和优点。包括在说明书中并且构成说明书一部分的附图示出了本公开的实施例，并且连同说明书一起用于说明相关原理。
附图说明
针对本领域普通技术人员的实施例的详述参考附图在说明书中说明，其中：
图1描绘根据本公开的示例性实施例的提供用于推荐内容的相关解释的示例系统；
图2描绘根据本公开的示例性实施例的示例用户界面；
图3描绘根据本公开的示例性实施例的示例方法的流程图；
图4描绘根据本公开的示例性实施例的另一个示例方法的流程图；以及
图5描绘根据本公开的示例性实施例的系统组件。
具体实施方式
对实施例做详细参照，附图中示出实施例的一个或更多个的示例。以实施例说明的方式提供每个示例，不限于本公开。实际上，明显的是，对于本领域技术人员，能够对示例性在没有背离本公开的范围或精神的情况下进行各种修改和变化。例如，被示出或描述为一个实施例的部分的特征能够用于另一个实施例，进而用于再一个实施例。因此，旨在使本公开的方面覆盖这样的修改和变化。
本公开的示例方面旨在向用户提供为何特定的内容被推荐给该用户的解释。例如，内容推荐系统能够向用户推荐契约，同时也提供为何特定的契约被推荐给该用户的解释。契约(engagement)可包括该用于用户的职位(有报酬、无报酬、供租用、合同的、就业岗位、临时岗位)、志愿性岗位、合同岗位、安排做某事、承担、为他人(如个人、实体)承担的任务、业余爱好等。内容推荐系统能够处理用户的简历(例如，由用户上传的电子版本)、用户的线上简档、用户搜索历史等，来获得与用户相关的一个或更多个参数。这样的参数能够包括用户的工作经历、用户的技能、用户的线上行为等。内容推荐系统能够至少部分地基于这些参数来确定用于用户的推荐契约。另外，内容推荐系统能够生成为何该推荐契约被推荐给该用户的解释。例如，内容推荐系统能够(例如，通过处理用户上传的简历文件)识别用户具有“c++”编码的技术技能和作为计算机编程人员的工作经验。由于精通c++的人通常对这样的职位感兴趣，和/或由于具有计算机编程经验的人经常转变到软件开发工业中的主管职位，内容推荐系统能够将“软件开发主管”的空缺职位推荐给用户。为了给用户阐明该空缺职位，内容推荐系统能够提供指示被推荐的职位和相应解释的数据，以用于显示在用户界面上。以这样的方式，内容推荐系统能够更容易地向用户告知相关的用户契约(如职位)，同时也提供为何该契约与用户相关的解释。该方法能够帮助提高用户对推荐的理解以及提高用户选择推荐内容的可能性。
更特别地，内容推荐系统(例如，基于网络的服务器系统)能够获得指示与用户相关的一个或更多个参数的数据。与用户相关的参数能够包括例如，与用户相关的工作经验，与用户相关的用户技能，与用户相关的线上行为等。为了获得这样的参数，内容推荐系统能够访问一个或更多个的数据库，这些数据库存储与用户相关的信息。这些信息能够由用户上传。例如，内容推荐系统能够访问用户简历的电子版本、与用户相关的线上简档、与用户相关的一个或更多个先前工作申请、指示用户网络历史的数据(搜索历史、点击量、访问的页面、喜好、不喜好、关注的社会媒体、签到等)。内容推荐系统能够处理这样的信息来获得与用户相关的参数。例如，内容推荐系统能够处理与用户相关的简历，从简历中提取一个或更多个参数(例如，用户的c++编程技能、作为计算机编程人员的工作经历)。在一些实施中，内容推荐系统能够推断用户的一个或更多个参数。例如，内容推荐系统能够处理包括在用户简历和/或线上简档中的工作经验(例如，“做过网站编程项目”)，以推断用户很可能具有通常用于构建网页的超文本标记语言(html)的知识。
继上面的描述，可以提供给用户这样的控件，即允许用户进行是否且何时这里描述的系统、程序或特征可以收集用户信息(例如，关于用户的社会网络、社会行为或活动、职业、用户的偏好、或用户的当前位置)以及是否用户从服务器发送内容或通信这二者的选择。另外，特定数据在被存储或使用之前可以按一种或更多种方式被处理，使得个人可识别的信息被移除。例如，用户的身份可以被处理使得没有个人可识别的信息能够对于用户被识别，或者获得位置信息(诸如城市、zip码或州级)的用户的地理位置可以被泛化，使得用户的特定位置不能被确定。因此，用户可以具有收集关于用户的何种信息、如何使用该信息、和何种信息被提供给用户的控制。
内容推荐系统能够确定用于用户的推荐内容(content)。推荐内容与用于用户的推荐契约相关联，契约(engagement)诸如是推荐的职位、业余爱好、雇佣、承担等。以示例的方式，推荐内容能够包括与职位(例如，推荐雇佣)相关联的招聘公告(例如，包括在电子文档中)。招聘公告(jobposting)能够包括与职位(例如，公司a的“软件开发主管”)相关联的文本内容。文本内容能够包括与工作相关的一个或更多个职位特征，例如，职位名称、地点、公司、报酬、工作环境、公司概况、职责、技能(例如，优选的、推荐的)等。在一些实施中，这样的内容能够在招聘公告内以分开的部分来组织。例如，招聘公告能够包括指示相关工作所需和/或优选的职位技能的一个或更多个部分。内容推荐系统能够利用分类器模型从招聘公告中提取一个或更多个的职位技能(例如，优选“c++”4年以上经验)，这里将进一步描述上述内容。
内容推荐系统能够至少部分地基于与用户相关的一个或更多个参数来确定用于用户的推荐内容。例如，内容推荐系统能够对用户相关的一个或更多个参数和招聘公告中指示的一个或更多个职位特征做比较。内容推荐系统能够至少部分地基于用户相关的参数与在招聘公告中指示的一个或更多个职位特征的比较，确定被推荐的契约(例如，职位)。以示例的方式，内容推荐系统能够把从用户简历中提取的用户技能(例如，c++编程能力)与从招聘公告中提取的职位技能(例如，优选4年以上的c++经验)做比较。在提取的用户技能与职位技能相关、相似、匹配等的情况下，内容推荐系统能够从招聘公告中识别职位作为用户的被推荐的契约(例如，被推荐的职位)。
作为附加或替代，内容推荐系统能够至少部分地基于通常的转职(jobtransition)来确定用于用户的被推荐的契约。例如，内容推荐系统能够被构造成分析多个简历、(例如，线上职位专业网站的)用户简档、职位申请等，来确定在特定行业内和/或跨行业的职位之间的关系。内容推荐系统能够生成数据结构(例如，分层、树结构、其他结构)，该数据结构至少部分地基于被分析的数据来指示不同职位类型之间的相关性。内容推荐系统能够指示在转变和/或申请到新职位之前的个体通常具有的职位类型。内容推荐系统能够利用这样的数据结构来确定用于用户的潜在转职。
内容推荐系统能够至少部分地基于与用户相关的一个或更多个参数来确定用于用户的转变。该转变(例如转职)能够指示从与用户相关的当前契约(例如，用户的当前职位、过去职位)转变到新的契约(例如，与用户当前不相关的新的职位、契约)。内容推荐系统能够至少部分地基于转变来确定用于用户的被推荐的契约(例如，职位)。例如，内容推荐系统能够确定具有计算机编程经验的人在软件开发行业经常转变到主管职位。以这样的方式，内容推荐系统能够利用在通常转变(例如，转职)中的趋向，来帮助将相关用户契约(例如，职位)推荐给用户。
内容推荐系统能够至少部分地基于与用户相关的一个或更多个参数来生成用于用户的推荐内容的解释。该解释能够指示为何该推荐内容(例如，推荐契约)被推荐给用户。例如，内容推荐系统能够至少部分地基于用户的技能(例如，c++能力)、工作经验(例如，作为计算机编程人员)、线上行为(例如，搜索在软件开发中与空缺职位相关的查询)，来确定用户可能对a公司的“软件开发主管”的工作感兴趣。为何该推荐工作被推荐给该用户的解释可以是精通c++的人通常对软件开发领域中的主管职位的工作感兴趣。以这样的方式，推荐内容的解释能够指示与用户相关的一个或更多个参数(例如，用户技能相关的c++编程语言)。另外，或者，推荐内容的解释能够指示转职。例如，解释可以是具有计算机编程经验的人经常转变到软件开发行业中的主管职位。
在一些实施中，解释可至少部分地基于预定义解释。例如，内容推荐系统能够访问数据库，该数据库包括多个预定义解释和/或用于这样解释的模板。内容推荐系统能够访问这些预定义的解释来帮助生成其为何推荐内容被推荐给特定用户的解释。以示例的方式，预定义的解释能够包括当解释至少部分地基于用户技能时的下面的模板：“精通<技能名称>的人对像这样的<职位、项目、契约等>感兴趣”。
内容推荐系统能够提供数据，该数据指示用于经由显示设备显示在用户界面上的推荐内容和推荐内容的解释。例如，内容推荐系统能够提供数据，该数据指示用于经由用户的计算设备(例如，笔记本电脑、平板电脑、电话)的显示设备显示在用户界面上的推荐职位(例如，参考、虚拟信息、招聘公告链接)和推荐职位的解释。推荐职位的解释能够指示从用户的职位到新职位的转职(例如，通过显示“具有计算机编程经验的人经常在软件开发行业中转变到主管职位”的文本显示)。在一些实施中，内容推荐系统能够提供数据，该数据指示用于经由用户界面由用户选择的推荐职位。例如，推荐职位能够与链接(例如，超链接)到相对应的招聘公告相关联。用户的推荐职位的选择(例如，通过鼠标点击、敲击)能够显示与推荐职位相关的招聘公告。以这样的方式，如果需要，用户能够了解更多关于推荐内容。解释的提供可以使用户选择与推荐契约相关联的内容，否则用户可能将这些内容作为与其不相关的内容忽略。这可以使得用户找到他们特别感兴趣(否则他们不会发现到)的契约(即职位)并且较之其他方式可以更早地结束他们的搜索会话。
利用例如基于网络的服务器系统的用户搜索相关内容的行为可以是耗时的处理，这一直利用诸如处理、带宽和电力的计算资源。如此，如果，可以期望减少用户搜索相关内容的时间，来减少这些计算资源的使用。为何内容被推荐给用户(例如，为何该内容与用户相关)的解释连同被推荐内容一起的提供可以增加用户选择内容的可能性，否则用户可能忽略该内容。例如，如果所选择的内容对于用户是特别感兴趣的，则这可以减少花在搜索其他推荐内容的时间和计算资源。
现在参考附图，本公开的示例性实施例将进一步详述。图1描绘了根据本公开的示例性实施例的提供推荐内容的相关解释的示例系统100。系统100能够包括用户计算设备102和内容推荐系统104。用户计算设备102和内容推荐系统104能够被配置为经由一个或更多个的有线和/或无线网络105彼此通信。网络105能够包括一个或更多个公共或私人网络，并且能够包括因特网。在下面的描述描述了用于将推荐内容的相关解释提供给用户的作为被内容推荐系统104执行的操作和功能的同时，一个或更多个的操作和功能还可以或者由用户计算设备102来执行。而且，本公开这里关于推荐职位的示例实施进行描述。本公开的系统和方法能够用于其他类型的契约而实施。
用户计算设备102能够由用户106利用。用户计算设备102能够例如包括电话、智能电话、电脑化的手表(例如，智能手表)、电脑化的眼镜、电脑化的头戴件、其他类型的可穿戴计算设备、平板电脑、个人数字助理(pda)、笔记本电脑、台式电脑、游戏系统、媒体播放器、电子书阅读器、电视平台、导航系统、数码相机、电器、和/或其他类型的移动和/或非移动用户计算设备。用户计算设备102能够包括各种计算设备(例如，包括处理器、内衬设备等)用于进行如这里描述的操作和功能。
用户计算设备102能够包括一个或更多个的配置为显示用户界面的显示设备108(例如，显示屏幕)。用户界面能够是允许用户106提供诸如例如查询词条、界面交互(例如，鼠标点击、敲击)等的用户输入110的用户界面。
内容推荐系统104可包含有用户计算设备102，和/或与用户计算设备102远离。例如，在一些实施中，内容推荐系统104能够包括用于执行这里描述的各种操作和功能的部件。例如，内容推荐系统104能够包括一个或更多个的计算设备112(例如，服务器)。如将进一步描述的，计算设备112能够包括一个或更多个的处理器以及一个或更多个存储设备。一个或更多个的存储设备能够存储指令，当指令由一个或更多个的处理器执行时，使一个或更多个的处理器执行用于提供推荐内容的相关解释的操作和功能。
计算设备112能够被配置为获得数据114，数据114指示与用户106相关的一个或更多个参数116a-c。与用户106相关的参数116a-c能够包括例如与用户106相关的工作经验116a、与用户106相关的一个或更多个用户技能116b、与用户106相关的线上行为116c和/或与用户106相关的其他参数。为了获得这样的参数，计算设备113能够被配置为访问存储与(例如，多个用户之中的)用户106相关的信息的一个或更多个数据库118。与用户相关的一个或更多个参数116a-c能够经由用户上传的信息、文件等而获得。例如，计算设备112能够(例如，经由数据库118)访问用户106的简历120的电子版本、与用户106相关的线上简档、与用户106相关的一个或更多个先前职位申请、指示用户网络历史的数据(例如，搜索历史，点击量、访问的网页、喜好、不喜好、社会媒体关注、签到等)。在一些实施中，计算设备112能够利用一个或更多个网络信息收集技术来获得关于用户106的信息。
计算设备112能够被配置为处理与用户106相关的信息来获得与用户106相关的参数116a-c。例如，计算设备112能够处理与用户106相关简历120和/或与用户106相关的线上简档的至少一者，以提取一个或更多个参数116a-b(例如，用户的c++编程技能、作为计算机程序员的工作经验)。为此，计算设备112能够包括各种模型用于处理与用户106相关的信息。例如，计算设备116能够包括模型122(例如，分类器模型)，其被配置为从与用户相关的信息(例如，用户120的简历)中提取与用户106相关的一个或更多个参数116a-c(例如，用户技能)。模型122能够是或者能够另外包括诸如神经网络(例如，深度神经网络)这样的各种机器学习模型或者其他多层非线性模型。神经网络能够包括循环神经网络(例如，长短期存储循环神经网络)、前馈型神经网络或其他类型的神经网络。模型122能够接收至少包括与用户106相关的信息(例如，指示用户的简历、线上简档、线上行为的数据)的输入124。模型122能够被训练成提供模型输出126，该模型输出126指示与用户106相关的一个或更多个参数116a-c。
在一些实施中，计算设备112能够推断用于用户的一个或更多个参数。例如，计算设备112能够处理包括在用户简历120(和/或线上简档)中的工作经验，以推断与用户106相关的一个或更多个用户技能和/或证书。这还能够利用查找表来完成，该查找表能够用于将用户的工作经验中的词条/短语匹配到一个或更多个推断的技能。在一些实施中，计算设备112能够利用模型(例如，机器学习模型)，该模型被配置为接收指示与用户106相关的信息并且提供指示一个或更多个的推断参数(例如，推断技能、认证)的输出。以示例的方式，计算设备112能够处理(例如，利用参考表、分类器模型)包括在用户简历120中的工作经验(如“做过网站编程项目”)，以推断出用户106很可能具有通常用于构建网页的超文本标记语言(html)的知识。
计算设备112能够被配置为确定用户106的推荐内容。推荐内容能够与用户的推荐契约相关联。契约可包括用于用户的职位(有报酬、无报酬、供租用、合同的、就业职位、临时职位)、志愿性职位、合同职位、安排做某事、承担、为他人(例如个人、单位)承担的工作、业余爱好等。在一些实施中，推荐契约(例如，推荐职位)能够与(例如，包括在电子文件中的)招聘公告128相关联。招聘公告128能够包括与职位(例如，公司a的“软件开发主管”)相关的文字内容130。文字内容130能够包括与职位相关的一个或更多个职位特征，诸如，例如，职位名称、地点、公司、报酬、工作环境、公司概况、职责、技能(例如，优选的、推荐的)等。在一些实施中，这样的内容在招聘公告128内可组织成分开的部分。例如，招聘公告128能够包括指示相关工作所需和/或优选职位技能132的一个或更多个部分。计算设备112能够利用与模型122相似的分类器模型从招聘公告128中提取一个或更多个的职位技能132(例如，优选“c++”4年以上经验)。
计算设备112能够至少部分地基于与用户106相关的一个或更多个参数116a-c来确定用于用户106的推荐内容。例如，计算设备112能够对用户106相关的一个或更多个参数116a-c和招聘公告128中指示的一个或更多个职位特征做比较。计算设备112能够至少部分地基于用户106相关的参数116a-c和在招聘公告128中指示的一个或更多个职位特征的比较，确定被推荐的契约(例如，职位)。以示例的方式，计算设备112能够把从用户简历120中提取的用户技能116b(例如，c++编程能力)与从招聘公告128中提取的职位技能132(例如，优选4年以上的c++经验)做比较。在提取的用户技能116a与职位技能132相关、相似、匹配等的情况下，计算设备112能够从招聘公告128中识别职位作为用户106的被推荐的契约(例如，被推荐的职位)。
另外，或者，计算设备112能够至少部分地基于转变来确定用于用户106的被推荐的契约。该转变是通常可见的从一种契约(例如，职位)到另一种契约的转变。例如，计算设备112能够被构造成分析多个简历、(例如，线上职位专业网站的)用户简档、职位申请等，来确定在特定行业内和/或跨行业的职位之间的关系。内容推荐系统能够生成数据结构(例如，分层、树结构、其他结构)，该数据结构至少部分地基于被分析的数据(例如，职位名称)来指示不同职位类型之间的相关性。数据结构能够指示在转变和/或申请新职位之前的个体通常具有的职位类型。计算设备112能够利用这样的(存储在可访问的数据库中的)数据结构来确定用于用户106的潜在转职。
计算设备112能够至少部分地基于与用户106相关的一个或更多个参数116a-c来确定用于用户106的转变(例如，转职)。该转变能够指示从与用户相关的当前契约(例如，用户的当前职位、过去职位)到新的契约(例如，新的职位)的转变。计算设备112能够至少部分地基于转变(例如，转职)来确定用于用户106的被推荐的契约(例如，推荐职位)。例如，计算设备112能够确定具有计算机编程经验的人在软件开发行业经常转变到主管职位。以这样的方式，计算设备112能够利用在通常转变中的职位移动和/或雇佣趋向，来帮助将相关内容(例如，职位)推荐给用户106。
计算设备112能够被配置为至少部分地基于与用户106相关的一个或更多个参数116a-c来生成用于用户106的推荐内容的解释。该解释能够指示为何该推荐契约(例如，推荐职位)被推荐给用户106。例如，计算设备112能够至少部分地基于用户106的工作经验116a(例如，作为计算机编程人员)、用户106的一个或更多个用户技能116b(例如，c++能力)、用户106的线上行为(例如，搜索在软件开发中与空缺职位相关的查询)等，来确定用户106可能对a公司的“软件开发主管”的工作感兴趣。推荐内容的解释能够指示与用户106相关的一个或更多个参数116a-c(例如，用户技能相关的c++编程语言)。例如，为何该推荐契约(例如，工作)被推荐给用户106的解释能够是精通c++的人通常对软件开发领域中的像主管职位这样的职位感兴趣。另外，或者，推荐内容的解释能够指示转变(例如，从与用户相关的契约到新的契约)。例如，解释能够是具有计算机编程经验的人经常转变到软件开发行业中的主管职位。
在一些实施中，解释可以至少部分地基于预定义解释。例如，计算设备112能够被配置为访问数据库134，该数据库134包括指示多个预定义解释和/或用于这样解释的模板的数据。计算设备112能够访问这些预定义的解释来帮助生成其为何推荐内容被推荐给特定用户106的解释。以示例的方式，预定义的解释能够包括当解释至少部分地基于用户技能116b时的以下模板：“精通<技能名称>的人对像这样的职位感兴趣”。
计算设备112能够提供数据136，该数据136指示用于经由显示设备108显示在用户界面上的推荐内容和推荐内容的解释。图2示出根据本公开的示例性实施例的示例用户界面200。计算设备112能够提供数据136，该数据136指示用于经由用户计算设备102的显示设备108显示在用户界面200上的推荐内容202(例如，指示推荐契约的虚拟消息)和推荐职位的解释204(例如，指示为何推荐契约被推荐给该用户)。
推荐内容的解释204能够指示被用于确定推荐内容202的一个或更多个因素。例如，推荐契约(例如，职位)的解释204能够指示被用于确定推荐契约(例如，职位)的与用户106相关的一个或更多个参数116a-c。以实例的方式，解释204能够向用户(例如，经由用户界面200)指示“精通c++的人对像这样的职位感兴趣”。这能够向用户106指示一个或更多个的用户技能116b被用于确定用户106的推荐职位。另外，或者，如图2所示，推荐契约的解释204能够指示转变。转变(例如，转职)能够是从与用户106相关的契约(例如，职位、任务、用户的职责)到新契约(例如，新的职位、任务、用户的职责)的转变。例如，用户界面200能够包括解释该转变的文字消息：“具有计算机编程经验的人经常在软件开发行业中转变到主管职位”。以这样的方式，解释204能够通知用户106可应用于用户106的通常转变(例如，在行业中的转职)。解释204能够至少部分地基于如这里描述的预定义解释。
在一些实施中，计算设备112能够提供指示经由用户界面200由用户106选择的推荐内容202的数据。例如，推荐契约能够与到诸如相应招聘公告128这样的额外信息的链接(例如，超链接)相关联。用户106(例如，经由鼠标点击、敲击)的推荐契约的选择能够显示额外信息(例如，与推荐职位相关的招聘公告128)。例如，计算设备112能够获得指示用户选择的数据并提供指示用于经由显示设备108显示的招聘公告128的数据。
图3描绘根据本公开的示例性实施例的提供推荐内容的相关解释的示例方法300的流程图。方法300的一个或更多个部分能够由用户计算设备(例如，102)和/或其他计算设备(例如，112)来实现，例如，图1和5中示出的那些设备。方法300的一个或更多个的部分能够被实现为在图1和5的硬件(例如，计算机部件)上的算法，来执行本发明的计算机实现的功能。为了示出和讨论的目的。图3描绘了以特定的顺序执行的步骤。本领域技术人员根据公开的内容将理解，在不背离本发明范围的情况下，在此讨论的任何方法步骤能够以各种方式被适应、重新排布、扩展、省略或修改。以用于示出的目的，方法300在此描述为由计算设备112来执行。方法300能够由用户计算设备102来执行。
在步骤302，方法300能够包括获得指示与用户相关的一个或更多个参数的数据。计算设备112能够获得指示与用户106相关的一个或更多个参数116a-c的数据114。与用户106相关的一个或更多个参数116a-c能够包括与用户106相关的工作经验116a、与用户106相关的用户技能116b(例如，显式的、推断的)、和与用户106相关的线上行为116c中的至少一者。参数也能够，或者替代地，包括与用户106相关的其他信息。计算设备112能够被配置为经由一个或更多个的数据库118、经由一个或更多个的网络信息收集技术和/或其他处理来访问与用户106相关的信息。与用户106相关的一个或更多个参数116a-c能够经由用户上传的信息、文件等来获得。在一些实施中，为了获得与用户106相关的参数116a-c，计算设备112能够把与用户106相关的信息输入到模型122中，以从信息中提取参数116a-c。例如，与用户106相关的工作经验116a和/或与用户106相关的用户技能116b能够经由与用户106相关的简历120和与用户106相关的简档(例如在社交媒体网站、工作职业网站中的线上简档)中的至少一者而获得。
在步骤304，方法300能够包括确定用于用户的推荐内容。例如，计算设备112能够至少部分地基于与用户106相关的一个或更多个参数116a-c来确定用户106的推荐内容202。推荐内容202能够包括用于用户106的推荐契约(例如，如图2所示)。在一些实施中，推荐契约(例如，职位)能够与招聘公告128相关联(例如，包括与推荐职位关联的一个或更多个职位特征)。如这里所述，计算设备112能够对用户106相关的用户技能116b和招聘公告128相关的一个或更多个职位技能132做比较，来确定推荐契约(例如，职位)。另外，或者，计算设备112能够至少部分地基于与用户106相关的一个或更多个参数116a-c来确定用于用户106的转变(例如，转职)。计算设备112能够至少部分地基于在此描述的转变(例如，转职)，来确定用于用户106的推荐契约(例如，职位)。
在步骤306，方法300能够包括生成用于推荐内容的解释。例如，计算设备112能够至少部分地基于与用户106相关的一个或更多个参数生成用户106的推荐内容202的解释204。解释204能够指示为何推荐契约被推荐给用户106。例如，推荐内容202的解释204能够指示与用户106相关的用户技能116b(例如，c++能力)，其被用于确定推荐契约(例如，“软件开发主管”)。另外，或者，推荐内容202的解释204能够指示该转变，如图2的示例所示。
在步骤308，方法300能够包括提供指示用于显示的推荐内容和推荐内容的解释的数据。例如，计算设备112能够提供数据136，数据136指示用于经由显示设备108显示在用户界面200上的推荐内容202和推荐内容202的解释204。如这里描述地，推荐内容202可以是交互式的(例如，超链接)，使得用户106能够选择推荐内容202来访问额外信息(例如，招聘公告)。然而，用于推荐内容202的解释204可以不是交互式的。
图4描绘了根据本公开的示例性实施例的提供推荐内容的相关解释的实例方法400的流程图。方法400的一个或更多个的部分能够由用户计算设备(例如，102)和/或其他计算设备(例如，112)来实施，诸如，例如，图1和5中所示的那些设备。方法400的一个或更多个的部分能够实施为在图1和5的硬件(例如，计算机组件)上的算法，以执行本发明的计算机执行的功能。为了示出和讨论，图4描绘了以特定顺序执行的步骤。本领域技术人员利用这里提出的公开内容将理解在此讨论的任何方法的步骤能够以各种方式在不背离本公开的范围的情况下被适应、重新排布、扩展、省略或修改。以用于示出的目的，方法400在此描述为由计算设备112来执行。方法400能够由用户计算设备102来执行。
计算设备112能够收集各种类型的用户信息来生成高用户特定和相关的推荐解释。例如，技术设备112能够获得与简档(例如，线上用户简档)相关的信息402、与简历和/或职位申请相关的信息404、和/或与线上行为相关的信息406。如这里描述地，计算设备112能够访问一个或更多个的数据库118，该数据库118包含信息402、404、406和/或经由网络信息收集技术获得这样的数据。
每组信息402、404、406也能够或者替代地包括用于多个用户的数据。例如，信息能够包括用于多个用户的多个简档和/或简历。在一些实施中，如这里描述地，计算设备112能够将其模型(例如，122)应用到多个简档和/或简历来帮助建立技能和转变(例如，转职)的整体拓扑的理解。通过分析多个用户的数据，计算设备112能够更容易地确定通常使用的(例如，用于技能的)词条/短语以及趋向(例如，转职)。例如，计算设备112能够识别技能，每个技能能够与一个或更多个向量相关。计算设备能够识别与特定职位角色/名称相关的技能的向量(例如，软件开发者的角色与诸如“面向细节的”、“c++”、“java”这样的技能相关)，以帮助确定用于用户106的推荐(例如，通过将用户技能与职位技能匹配)。例如，一旦(例如，推断的、显式的)用户技能、分类等为特定用户而确定，与用户技能相关的向量能够与之前确定的技能向量和职位名称转变的更大数据集进行比较，以基于用户配合于该数据组的地方而确定个性化的推荐。
计算设备能够从信息402、404、406中提取与用户相关的一个或更多个参数。例如，计算设备112能够从与用户106的简档相关的信息402提取一个或更多个参数408。以实例的方式，计算设备112能够从用户简档中描述的工作经验(利用这里描述的提取模型)提取一个或更多个(例如，明确的、推断的)用户技能、证书、资深等级等。另外，或者，计算设备112能够从与用户106的简历和/或职位申请相关的信息404中提取一个或更多个的参数410。这能够包括例如(例如，由一个或更多个向量表达的)一个或更多个用户技能。计算设备112也能够处理与线上行为相关的信息，以确定一个或更多个相关参数412(例如，点击量、搜索、喜好、不喜好)。这样的信息可以指示特定用户的兴趣和/或来自一定量的用户(例如，计算机编程人员)的总体兴趣。
计算设备112也能够通过分析与多个简历和/或职位申请(和/或信息402)相关的信息404，确定一个或更多个转职。这能够通过分析由不同个体具有的不同职位的职位名称来确定职位名称轨迹而实现。通过分析职位名称轨迹(例如，简历、专业网站简档)，给定当前职位名称，计算设备112能够识别与特定职位名称相关的技能向量和用户具有很大可能性转入的职位名称。这种信息能够最终由计算设备112使用，以传达精通相似技能的人作为用户经常进入他们当前被推荐的职位类型(例如，如图2所示)。
在一些实施中，计算设备112能够对于每个类型的源信息402、404、406确定推荐内容(和相应解释)。计算设备112能够基于与用户简档相关的信息402确定推荐内容414a和用于推荐内容的解释414b。另外，或者，计算设备112能够基于与简历和/或职位申请相关的信息404确定推荐内容416a和用于推荐内容的解释416b。计算设备112也能够或者基于与(例如，用户106的)线上行为相关的信息406确定推荐内容418a和用于推荐内容的解释书418b。
计算设备112能够选择一个或更多个推荐内容414a、416a、418a以显示给用户106。例如，在推荐内容与每个类型的源信息相同的情况下，计算设备112能够选择待显示给用户106的推荐内容。在推荐内容因源信息的类型不同而不同的情况下，计算设备112能够至少部分地基于权重、评分等，来选择推荐内容以显示给用户106。例如，基于用户简历和/或转职的推荐更可能与特定用户相关。因此，计算设备112能够被配置为将更大的权重、评分等给予推荐内容416a(例如，基于用户的简历、转职)而不是推荐内容416c(例如，基于线上行为)。以相似方式，计算设备114能够至少部分地基于权重、评分等选择推荐内容的解释414b、416b、418b以显示给用户106。例如，权重、评分等能够至少基于解释与特定用户相关的可能性。
计算设备114能够提供用于指示所选择的推荐内容420和所选择的解释422的数据，用于经由显示设备(例如，108)显示在用户界面(如200)上。如这里所述，所选择的解释422能够包括被用于确定所选择的推荐内容420的因素(例如，在用户简历上的c++技能的识别、在软件开发行业中从编程人员到主管的通常职位名称转变的知识)。如此，本公开的系统和方法使得为何关于用户技能、工作历史、职业生涯轨迹、浏览历史等推荐内容(例如，推荐职位)与用户相关对于用户(例如，求职者)变得显而易见。而且，推荐内容和/或解释能够作为与用户106相关的另一个参数被反馈以用于未来的推荐，因此进一步求精对用户的推荐。
图5描绘了根据本公开的示例性实施例的示例系统500。该系统500能够包括一个或更多个用户计算设备102和内容推荐系统104。内容推荐系统104和用户计算设备102能够被配置为经由一个或更多个网络502(例如，能够与图1所示的网络105相对应)通信。
内容推荐系统104能够包括一个或更多个计算设备112。计算设备112能够包括一个或更多个处理器504a和一个或更多个存储设备504b。一个或更多个处理器504a能够是任何合适的处理设备(例如，处理器核、微型处理器、asic、fpga、控制器、微型控制器等)，并且能够是一个处理器或操作连接的多个处理器。存储设备504b能够包括一个或更多个非暂态计算机可读存储介质，诸如ram、rom、eeprom、eprom、闪存设备、磁盘等、和/或其组合。
存储设备504b能够存储由一个或更多个处理器504a可访问的信息，其包括能够由一个或更多个处理器504a执行的计算机可读指令504c。指令504c能够是当由一个或更多个处理器504a执行的、使一个或更多个处理器504a进行操作的指令集。在一些实施例中，指令504c能够由一个或更多个处理器504a执行，以使处理器504a进行这样的操作，诸如计算设备112的和/或设备112为其配置的操作和功能这样的操作，如这里所述的，用于提供推荐内容(例如，方法300、400的一个或更多个部分)的相关解释的操作、和/或任何其他的如这里所述的操作和功能。指令504c能够是以任何适当的编程语言编写的软件或能够在硬件中执行。另外，和/或者，指令504c能够以逻辑和/或虚拟分开的思路在处理器504a上执行。
一个或更多个存储设备504b也能够存储数据504d，该数据能够由一个或更多个处理器504a检索、操纵、生成、或存储。数据504d能够包括例如指示与用户相关的参数、用户信息(例如，402、404、406)的数据、指示提取信息的数据、指示招聘公告的数据、指示推荐内容的数据、指示推荐内容的解释的数据、和/或在此描述的其他数据或信息。数据504d能够存储在一个或更多个数据库中。一个或更多个数据库能够通过高带宽lan或wan连接到计算设备112，或者也能够经由网络502连接到计算设备112。一个或更多个数据库能够被分开使得他们位于多个地方。
计算设备112也能够包括通信接口504e，其被用于与系统500(例如，用户计算设备102)的一个或更多个其他组件在网络502上通信。通信接口504e能够包括用于与一个或更多个网络连接的任何适当组件，包括例如，发射器、接收器、端口、控制器、天线、或其他适当组件。
用户计算设备102能够是如这里描述的任何适当类型的计算设备。用户计算设备102能够包括一个或更多个处理器506a和一个或更多个存储设备506b。一个或更多个处理器506a能够包括任何适当处理设备，诸如微型处理器、微型控制器、集成电路、专用集成电路(asic)、数字信号处理器(dsp)、现场可编程门阵列(fpga)、逻辑设备、一个或更多个中央处理单元(cpu)、图形处理单元(gpu)(例如，专用于有效处理图像)、执行其他专用计算的处理单元等。存储设备506b能够包括一个或更多个非暂时计算机可读存储介质，诸如ram、rom、eeprom、eprom、闪存设备、磁盘等、和/或其组合。
存储设备506b能够包括一个或更多个计算机可读存储介质，并且能够存储由一个或更多个处理器506a可访问的信息，包括能够由一个或更多个处理器506a执行的指令506c。例如，存储设备506b能够存储用于运行一个或更多个软件应用、显示用户界面、接收用户输入、处理用户输入等的指令506c。在一些实施中，指令506c能够由一个或更多个处理器506a执行来使一个或更多个处理器506a进行这样的操作，诸如用户计算设备102的和/或用户计算设备102为其配置的任何操作和功能、用于提供推荐内容的相关解释的操作(例如，方法300、400中的一个或更多个部分)、和/或任何其他如这里描述的操作或功能。指令506c能够是以任何适当的编程语言编写的软件或能够在硬件中执行。另外，和/或者，指令506c能够以逻辑和/或虚拟分开的思路在处理器506a上执行。
一个或更多个存储设备506b也能够存储数据506d，该数据能够由一个或更多个处理器506a检索、操纵、生成、或存储。数据506d能够包括例如指示用户输入的数据、指示用户界面的数据、和/或其他在此描述的数据/信息。在一些实施中，数据506d能够由另一个设备接收。
计算设备102也能够包括通信接口506e，其被用于与系统500(例如，计算设备112)的一个或更多个其他组件在网络502上通信。通信接口506e能够包括用于与一个或更多个网络连接的任何适当组件，包括例如，发射器、接收器、端口、控制器、天线、或其他适当组件。
用户计算设备102能够包括一个或更多个输入组件506f和/或一个或更多个输出组件506g。输入组件506f能够包括例如从用户接收信息的硬件，诸如触摸屏、触摸板、鼠标、数据输入键、扬声器、适于声音识别的麦克风等。输出组件506g能够包括用于对于用户可听地产生音频内容的硬件。例如，输出组件506g能够包括一个或更多个扬声器、耳机、耳麦、手机等。输出组件506g能够包括显示设备(例如108)，其能够包括用于显示用户界面和/或其他用于用户的信息的硬件。以示例的方式，输出组件506g能够包括显示屏、crt、lcd、等离子屏、触摸屏、tv、投影仪、和/或其他适当显示组件。
网络502能够是任何类型的通信网络，诸如局域网(例如，内联网)、广域网(例如，因特网)、蜂窝网、或其一些组合，并且能够包括任何数量的有线和/或无线连接。网络502能够包括系统500的一个或更多个组件之间的直接连接。总体上，在网络502上的通信能够经由任何有线和/或无线连接利用各种通信协议(例如，tcp/ip、http、smtp、ftp)、编码或格式(例如，html、xml)、和/或保护方案(例如，vpn、安全http、ssl)而进行。
这里讨论的技术参考服务器、数据库、软件应用、和其他基于计算机的系统，以及采取的动作和发送到这样的系统和从这样的系统发送的信息。本领域技术人员将认识到基于计算机的系统的固有灵活性允许在多个组件之间的任务和功能的各种可能的配置、组合和分割。例如，这里讨论的计算机处理能够利用单个计算设备来执行或组合工作的多个计算设备(例如，服务器)。数据库和应用能够在单个系统上执行或分布在多个系统上。分布组件能够顺序或平行操作。
而且，这里讨论的在计算系统(例如，服务器系统)执行的计算任务能够代替地在用户计算设备执行。同样地，这里讨论的在用户及时设备处执行的计算任务能够代替地在计算系统处执行。
虽然本主题已经详细参照特定示例实施例和其方法而描述，但是明显的是本领域技术人员当理解前述内容时能够容易地获得这样实施例的代替、变形、和等同。因此，本公开的范围是以示例的方式而不是以限制的方式，并且对于本领域技术人员显而易见地，本主题公开不排除包括这样的对于本主题的修改、改变和/或添加。