用于应届大学毕业生的职位搜索引擎

摘要

一种系统依据最近就业于第一就业岗位的应届大学毕业生而筛选在线业务网络的简档，并标识与所述第一就业岗位相关联的代码。所述系统使用被标识的代码来筛选职位列表以标识已关闭且类似于所述第一就业岗位的职位列表。所述系统将类似于所述第一就业岗位的被标识的职位列表存储为职位列表的第一子集，并使用逻辑回归来分析职位列表的所述第一子集中的职位描述，以通过指示职位描述中表达的要求——例如先前工作经历的要求——有可能是任选的还是强制性的预测因子变量模型化职位列表。所述系统将由模型分类为有可能具有任选要求或强制性要求的开放职位列表存储为职位列表的第二子集，并显示职位列表的所述第二子集以帮助应届大学毕业生进行其职位搜索。

说明书

技术领域

本申请大体上涉及数据处理系统，且在一个特定实例中，涉及包含尤其适合于应届大学毕业生的职位搜索引擎的社交和/或业务联网系统。

背景技术

在线社交和专业联网服务正变得越来越流行，许多此类服务数正拥有百万名活跃成员。具体来说，专业联网网站领英（LinkedIn）已取得成功，这是至少部分地因为其允许成员主动搜索职位。

附图说明

借助于实例而非限制在附图的各图中说明一些实施例，其中：

图1是示出与本发明的一些实施例一致的社交网络服务的功能组件的框图；

图2是根据各种实施例的实例系统的框图；

图3A和3B是说明根据各种实施例的实例方法的流程图；

图3C是说明根据各种实施例的另一实例方法的流程图；

图4说明根据各种实施例的示范性成员简档页面；

图5说明根据各种实施例的用于训练预测模型的示范性操作；

图6是呈计算机系统形式的实例机器的图形表示，可在所述机器内执行用于致使所述机器以执行本文中论述的方法中的任何一个或多个的一组指令。

具体实施方式

描述了用于允许应届大学毕业生搜索职位并定位适合于应届大学毕业生的应届大学毕业生职位的实例方法和系统。在以下描述中，出于解释的目的，阐述许多特定细节以便提供对实例实施例的透彻理解。但是，所属领域的技术人员将显而易见，可以在无这些特定细节的情况下实践本发明。

根据各种示范性实施例，适用于应届大学毕业生的职位搜索引擎被配置成标识尤其适合于应届大学毕业生的职位。这些职位可以是在例如领英等社交网络服务上发布或与其相关联的职位。举例来说，职位搜索引擎可标识最近毕业的大学生被聘用的职位的类型并接着向其它最近毕业的大学生推荐类似类型职位。

图1是说明与一些实施例一致的例如社交网络系统20等社交网络服务的各种组件或功能模块的框图。如图1中所绘示，前端可由用户接口模块（例如，网络服务器）22组成，所述用户接口模块从各种客户端-计算装置接收请求并将适当响应传达给请求客户端装置。举例来说，用户接口模块22可接收呈超文本传送协议（Hypertext Transport Protocol，HTTP）请求或其它基于网络的应用程序编程接口（application programming interface，API）请求形式的请求。应用逻辑层包含各种应用程序服务器模块24，所述应用程序服务器模块结合用户接口模块22以从数据层中的各种数据源检索的数据产生用户界面（例如，网页）。在一些实施例的情况下，个别应用程序服务器模块24用以实施与社交网络服务的各种服务和特征相关联的功能性。举例来说，组织确定社交网络服务中的社交图表的存在的能力，包含代表组织建立自定义网页并代表组织发布消息或状态更新的能力可以是非相依应用程序服务器模块24中实施的服务。类似地，随社交网络服务的成员可用的多种其它应用程序或服务将自身体现于应用程序服务器模块24中。

如图1中所示出，数据层包含若干数据库，例如用于存储简档数据的数据库28，简档数据包含成员简档数据以及各种组织的简档数据两者。与一些实施例一致，当人员一开始注册变成社交网络服务的成员时，将提示人员提供一些个人信息，例如其姓名、年龄（例如，出生日期）、性别、兴趣、联系人信息、家乡、地址、成员配偶和/或家庭成员姓名、教育背景（例如，学校、专业、入学考试和/或毕业日期等）、工作经历、技能、专业组织等等。这信息存储于例如具有附图标记是28的数据库中。类似地，当组织的代表一开始将组织向社交联网服务注册时，可提示所述代表提供关于所述组织的某些信息。此信息可存储于例如附图标记是28的数据库或另一数据库（未示出）中。在一些实施例的情况下，可（例如，在后台或脱机）处理简档数据以产生各种派生简档数据。举例来说，如果成员已经提供关于成员已经在同一公司或公司组织所持有的各种职称和供职期限的信息，那么此信息可用以推断或得出指示成员的总体资历水平或在特定公司内的资历水平的成员简档属性。在一些实施例的情况下，导入或以其它方式访问来自一个或多个外部托管的数据源的数据可增强成员和组织两者的简档数据。举例来说，具体地就公司来说，可从一个或多个外部数据源导入财务数据且使其变成公司简档的部分。

一旦注册，那么成员可邀请其它成员或由其它成员邀请，以通过社交网络服务连接。“连接”可需要成员的双边协议，使得两个成员承认连接的建立。类似地，在一些实施例的情况下，成员可选择“关注（follow）”另一名成员。相比于建立连接，“关注”另一成员的概念通常是单边操作，且至少在一些实施例的情况下，不需要由正被关注的成员承认或批准。当一名成员关注另一名成员时，正在关注的成员可接收由正被关注的成员发表的或关于由正被关注的成员进行的各种活动的状态更新或其它消息。类似地，当成员关注组织时，所述成员变得有资格接收代表组织发布的消息或状态更新。举例来说，代表成员正关注的组织发布的消息或状态更新将出现在成员的个人化数据馈入或内容流中。在任何状况下，在图1中示出的附图标记是30的社交图表内存储并维护成员与其它成员或与其它实体和物体建立的各种关联和关系。

社交网络服务可提供允许成员有机会共享并接收信息的广泛范围的常常对成员的兴趣定制的其它应用程序和服务。举例来说，在一些实施例的情况下，社交网络服务可包含允许成员上传照片并与其它成员共享照片的照片共享应用程序。在一些实施例的情况下，成员可以能够自组成围绕主题或所关注话题组织的团体成或兴趣团体。在一些实施例的情况下，社交网络服务可代管提供具有各种组织的职位空缺的细节的各种职位列表。

当成员与通过社交网络服务变得可用的各种应用程序、服务和内容交互时，可监测成员的行为（例如，所查看内容、选定链接或按钮、等等），且可通过附图标记是32的数据库存储关于成员的活动和行为的信息，例如如图1中所指示。此信息可用以将成员分类为在各种类别中。举例来说，如果所述成员执行频繁的职位列表搜索，由此展现指示成员是可能的求职者的行为，那么此信息可用以将所述成员分类为求职者。此分类可接着出于使得其它人能够使所述成员以接收消息或状态更新为目标的目的而用作成员简档属性。因此，具有可用职位空缺的公司可发布特定针对于是社交网络服务的求职者并因此，更有可能接收招募成果的某些成员的消息。

在一些实施例的情况下，社交网络系统20包含大体上在本文中被称作职位搜索引擎200的内容。在下文结合图2更详细地描述职位搜索引擎200。

虽然未示出，但是在一些实施例的情况下，社交网络系统20提供应用程序编程接口（API）模块，第三方应用程序可通过所述API模块存取社交网络服务提供的各种服务和数据。举例来说，使用API，第三方应用程序可提供使得组织的经授权代表能够将来自第三方应用程序的消息发布到社交网络服务的便于呈现由社交网络服务维护并呈现的活动或内容流的内容托管平台。此类第三方应用程序可以是基于浏览器的应用程序，或可以是具体针对操作系统的。具体来说，一些第三方应用程序可驻留并执行于具有移动操作系统的一个或多个移动装置（例如，电话或平板电脑计算装置）上。

现转而参看图2，职位搜索引擎200包含简档筛选模块或处理器202、元数据代码标识模块或处理器203、职位筛选模块或处理器204、职位描述分析模块或处理器205、模型化模块或处理器206、职位适合性确定模块或处理器207和数据库208。职位搜索引擎200的模块或处理器可实施于例如职位搜索装置等单个装置上或由其执行或实施于通过网络互连的单独装置上。前述职位搜索引擎可以是例如一个或多个客户端机器和/或应用程序服务器。

如下文更详细地描述，简档筛选模块202被配置成筛选在线社交或业务网络服务的成员的简档以标识最近就业于其第一就业岗位（或其第一就业岗位之一）中的应届大学毕业生。在其之后，元数据代码标识模块203标识与这些第一就业岗位相关联的元数据代码。职位筛选模块204使用被标识的元数据代码来筛选职位列表的数据库，以标识类似于应届大学毕业生最近就业于的第一就业岗位的职位列表。职位描述分析模块205分析被标识的职位列表的职位描述，以标识可指示职位列表具有任选或强制性要求（例如，先前工作经历要求）的关键词。模型化模块206调用逻辑回归以模型化职位列表（由职位描述分析模块205标识）和其具有任选或强制性要求的机率。职位适合性确定模块207取得新职位发布并预测所述职位是否有可能适合或不适合于应届大学毕业生。对于给定职位发布，其使用职位描述分析模块205来提取特征，其将特征向量输入到来自模型化模块206的二元逻辑回归模型中，且其记录预测。现将结合图3A、3B和3C更详细地描述职位搜索引擎200的前述模块中的每一个的操作。

图3A、3B和3C是说明准许应届大学毕业生搜索职位并定位适合于应届大学毕业生的职位的系统和方法的特征和操作的框图。图3A、3B和3C包含数个过程框305到340和305C到315C。虽然在图3A、3B和3C的实例中基本上串联地布置，但其它实例可重新排序所述框、忽略一个或多个框、和/或使用多个处理器或组织为两个或更多个虚拟机或子处理器的单个处理器来并行地执行两个或更多个区块。此外，又其它实例可将所述框实施为具有在模块之间传达且穿过模块的相关控制和数据信号的一个或多个具体互连硬件或集成电路模块。因此，任何处理流程适用于软件、固件、硬件和混合型实施方案。

现特别参看图3A和3B，在305处，在线社交网络系统的简档筛选模块202筛选在线社交网络服务的成员或用户的简档，以定位最近就业于第一就业岗位的应届大学毕业生。

更具体地说，在线社交网络服务（例如，领英）的每个成员可与包含关于那名成员的各种信息的成员简档页面相关联。图4中说明成员的成员简档页面400（例如，成员“JaneDoe”的LinkedIn^®页面）的实例。如图4中所见，成员简档页面400包含标识信息401，例如成员的名字（“Jane>

在一些实施例中，通过分析社交网络服务的成员的成员简档数据和/或成员简档页面，简档筛选模块202可确定成员是最近就业的应届大学毕业生。在线社交网络系统将检查成员的简档以确定其是否已从大学毕业（432），并接着检查以得知所述成员是否就业（412）。为了确定所述成员是否是最近毕业且就业的人，在线社交网络系统比较成员简档中的毕业日期或学位授予日期432A与成员简档中的就业岗位的就业开始日期412A。如果职位开始日期是在成员的毕业日期的某一时间内，那么成员被视为最近就业。

返回到图3A和3B，如306处指示，将已毕业并已在其之后在其毕业日期的一年内就业的大学毕业生认为是最近就业于第一就业岗位的应届大学毕业生。在307处，在线社交网络系统的简档筛选模块202依据最近就业于第二或第三就业岗位的应届大学毕业生而筛选成员的简档。此特征捕获已在毕业之后被聘用到初次岗位接着在相对较短的时间段内离开那份初个岗位来进入第二就业岗位的应届大学毕业生。因为应届大学毕业生并未在第一位置处待得很久，所以有可能所述应届大学毕业生仍被认为是入门级的人，且应届大学毕业生得到作为其第二就业位置的职位的类型有可能适合于其它应届大学毕业生。

在310处，元数据代码标识模块203标识与这些第一就业岗位相关联的代码。这些代码可呈元数据形式，并可由标识例如职位类型、公司和具体职称的一个或多个部分组成。接着，在315处，职位筛选模块204使用被标识的代码来筛选职位列表的数据库。数据库可以是图2中的数据库208。使用代码来筛选数据库208标识出类似于应届大学毕业生最近就业于的第一就业岗位的职位列表。

在320处，在线社交网络系统从通过代码标识的数据库检索职位列表，并将其代码类似于应届大学毕业生最近就业于的第一就业岗位的代码的这些职位列表存储为职位列表的第一子集。接着，在325处，职位描述分析模块205和模型化模块206使用逻辑回归来分析职位列表的所述第一子集中的职位描述，以依据指示职位描述中表达的要求是任选的还是强制性的预测因子变量而模型化职位列表。即，逻辑回归模型话职位列表的具有任选或强制性要求的机率。如326处指示，强制性要求的实例包含先前工作经历要求、高等学位要求和/或专业认证要求。如327A处指示，可通过在职位描述中搜索指示此类要求是强制性的关键词来将职位列表标识为具有强制性要求。此类关键词可包含“必须”、“最小”和“至少”。类似地，在327B处，可通过在职位描述中搜索指示此类要求是任选的关键词来将职位列表标识为具有任选要求。此类关键词可包含“应”、“优选地”、“理想上”和/或“等效物”。在另一实施例中，如328处指示，通过检查职位发布的长度并将更长的职位发布模型化为有可能包含强制性要求来标识包含强制性要求的职位列表。

图3C是说明与上文所描述的各种实施例一致的实例方法300C的流程图。方法300C可至少部分地由例如图2中所说明的模型化模块206（或具有类似模块的设备、例如客户端机器和/或应用程序服务器）执行。在操作305C中，模型化模块206录入标记或预分类（由受信任的个人或个人小组预分类）为具有任选要求的职位描述，并将这些描述视为正向训练样本。在操作310C中，模型化模块206将正向训练样本编码成特征向量，其中特征例如是任选或强制性要求的选定指示符。在操作315C中，基于经编码样本，模型化模块执行训练操作以改进逻辑回归模型的系数。

此外，根据各种示范性实施例，具有强制性要求的职位描述可被标记或预分类（由受信任个人或个人小组预分类）为用于训练模型的负向训练样本。换句话说，负向训练数据可由模型化模块206处理为具有强制性要求的职位描述的代表性样本，且模型化模块206可基于此类数据而训练模型（例如，通过改进逻辑回归模型的系数）。以此方式，模型可稍后用以确定给定职位描述是否具有强制性要求，同时分析在对其它职位描述训练模型时使用的相同类型的特征或指示符。举例来说，如在图5中的500处所说明，具有强制性要求502的职位描述可用作用于训练模型的负向训练样本，且具有任选要求501的职位描述可用作用于训练模型的正向训练样本。

再次返回参考图3A和3B，在330处，在线社交网络系统将被标识为有可能具有职位描述中表达的任选或强制性要求的职位列表存储为职位列表的第二子集。在335处，在线社交网络系统在计算机显示装置上显示职位列表的第二子集。职位列表的此第二集合含有更有可能考虑应届大学毕业生的职位，这是因为系统确定其它应届大学毕业生已被聘用到类似职位中，且基于这些职位具有任选或强制性要求的可能性而出于应届大学毕业生的考量来分拣或筛选这些职位。职位列表的第二集合的此呈现有可能适用于搜索其第一就业岗位的应届大学毕业生。

如325A到325D处指示，使用逻辑回归来分析职位列表的所述第一子集中的职位描述以依据特征或指示符或任选或强制性要求而模型化职位列表的步骤如下。在325A处，逻辑回归在数据的第一子集，即元数据代码类似于最近毕业的大学生最近被聘用的职位的元数据代码的职位的子集，上训练模型。在325B处，回归依据职位列表的子集内的交叉验证的性能而标识潜在模型。在325C处，测试潜在模型，且在325D处，依据来自职位列表的子集内的交叉验证的性能而选择模型。

更具体地说，模型化模块206基于指示符（即，与职位描述相关联的任选或强制性要求的指示符）而执行预测模型化过程，以便标识适合于应届毕业生的职位列表和不适合于应届毕业生的职位列表。根据在下文更详细地描述的各种示范性实施例，前述模型化过程可包含在变化的量值中使用可不展现、展现一些或所有特征或指示符的正向数据样本（具有任选要求的职位描述）和负向数据样本（具有强制性要求的职位描述）来训练模型（例如，逻辑回归模型）。在其之后，训练模型可分析在线社交网络服务上发布的特定职位描述，以预测特定职位发布将适合或不适合于应届大学毕业生的可能性或机率。这可接着针对在线社交网络服务上的所有职位列表进行重复，以便标识应届大学毕业生可适合于的所有职位列表。

模型化模块206可使用各种已知模型化技术中的任一个以执行模型化。举例来说，根据各种示范性实施例，模型化模块206可将例如逻辑回归模型等基于统计的机器学习模型应用于指示符。如由所属领域的技术人员理解，逻辑回归是使用逻辑函数的基于统计的机器学习技术的实例。逻辑函数是基于被称作分对数的变量。根据对应非相依预测因子变量的一组回归系数而定义分对数。逻辑回归可用以预测一组非相依/预测因子变量的情况下发生事件的机率。使用逻辑回归的高度简化的实例机器学习模型可以是ln[p/(1-p)]=a+BX+e或[p/(1-p)]=exp(a+BX+e)，其中ln是自然对数log_exp，其中exp=2.71828…，p是事件Y发生的机率p(Y=1)，p/(1-p)是“优势比(odds>

根据上文所描述的各种实施例，职位列表指示符可用于训练模型（来产生并改进模型和/或模型的系数）和使用训练模型（来预测特定职位列表是否适合于应届大学毕业生）两者的目的。举例来说，如果模型化模块206利用逻辑回归模型（如上文所描述），那么可通过监督学习技术从指示符学习逻辑回归模型的回归系数。因此，在一个实施例中，职位描述分析模块205可通过将职位描述指示符汇编成特征向量来在离线训练模式下操作。（出于训练系统的目的，所述系统通常需要具有任选要求的职位列表的正向实例以及具有强制性要求的职位列表的负向实例两者，如将在下文更详细地描述）。特征向量可接着被传递给模型化模块206，以便改进逻辑回归模型的回归系数。举例来说，可针对此任务利用基于随机梯度下降技术的统计学习。其后，一旦确定回归系数，那么职位适合性确定模块207可操作以基于训练模型（包含训练模型系数）而对表示在线社交网络服务的职位列表的特征向量执行在线（或离线）推断。举例来说，根据本文中所描述的各种示范性实施例，职位适合性确定模块207被配置成：相比于职位列表中的用以训练模型的这些指示符的比重或加权，基于特定职位列表的职位描述指示符而预测特定职位列表适合于应届大学毕业生的可能性。在一些实施例中，如果特定职位列表适合于应届大学毕业生的机率大于具体阈值（例如，0.5、0.8等等），那么职位适合性确定模块207可将那个分类为适合于应届大学毕业生。在其它实施例中，职位适合性确定模块207可基于特定职位列表适合于应届大学毕业生的机率而计算特定职位列表的计分。因此，职位适合性确定模块207可针对在线社交网络服务的所有职位列表重复此过程。

根据各种示范性实施例，可按有规律的时间间隔（例如，一月一次）周期性地执行或可按无规律的时间间隔、随机时间间隔、连续地等等执行基于职位描述指示符而训练或重新训练模型的离线过程。因为职位列表指示符可基于社交网络系统上的职位列表的改变而随时间推移改变，所以当然，模型自身可随时间推移改变（基于用以训练模型的当前招募意图指示符）。职位列表的描述可随时间推移改变，这是因为例如领域内的行业实践会改变，或在线社交网络服务的特征、产品和技术会改变等等。

如上文所描述，出于训练逻辑回归模型的目的，模型通常需要具有任选要求的职位列表的正向实例以及具有强制性要求的职位列表的负向实例两者。换句话说，职位列表实例可由职位适合性确定模块207视为与任选要求相关联的职位列表和与强制性要求相关联的职位列表的代表性样本。职位适合性确定模块207可基于含于这些职位列表中的指示符或预测因子变量而训练模型（例如，通过改进预测模型的系数）。以此方式，可稍后利用模型以分析与给定职位列表相关联的数据，以便确定此特定列表中的预测因子变量的值的职位比重并因此确定所述职位列表是否适合于应届大学毕业生。

再次返回参考图3A和3B，在340处，在线社交网络系统在已关闭职位发布已由最近就业于第一就业岗位的应届大学毕业生填补时筛选已关闭职位发布。即，即使职位岗位已被填补且其现已已关闭，但如果所述职位岗位由最近就业于那个岗位的应届大学毕业生填补，那么在线社交网络系统仍在其分析中考虑那条发布。此已关闭职位发布接着与其它已关闭职位一起发布用以导出职位列表的第一子集（其元数据代码类似于应届大学毕业生最近被聘用的职位的元数据代码）。

在331和332处，在线社交网络系统对其元数据代码类似于应届大学毕业生最近被聘用的职位的元数据代码的职位进行排名。具体地说，在331处，在线社交网络系统依据职位列表中列出的要求或技能正强制性还是任选的机率而对其元数据代码类似于应届毕业生最近被聘用的职位的元数据代码的职位列表进行计分。举例来说，如果职位列表在其中具有具有项“必须”中的一个或多个的描述，那么那个职位列表将有可能计分更低（这是因为应届大学毕业生不大可能具有词“必须”之后列出的许多所需技能集）。类似地，如果职位列表在其中具有具有一个或多个或项“优选地”的描述，那么那个职位列表将有可能计分更高（这是因为又将更有可能会针对此位置考虑不具有许多技能集的应届大学毕业生）。接着，在332处，依据计分而对最近被应聘的应届大学毕业生的职位列表进行排名。因此，具有任选要求的职位列表排名更高并呈现给正搜索职位的应届大学毕业生，这是因为那位应届大学毕业生不大可能将获得具有强制性要求的职位。

在329处，在线社交网络系统的对最近有应届大学毕业生填补的职位的职位描述的分析涉及搜索职位类型和职称并将所述职位类型和职称标识为不可获得或不合需要的。举例来说，如果职位描述包含项“资深”、“CEO”或“小组领导”，那么有可能应届大学毕业生不够资格担任那个职位。类似地，应届大学毕业生可能不会对具有“厨师”、“技工”或“杂货商”的描述的职位对感兴趣。

总之，在线社交网络系统的实施例标识类似于应届大学毕业生就业于的职位的那些，分析那些职位的描述并基于那个分析而产生模型，并使用模型以标识可以是适合于应届大学毕业生的职位类型的其它职位列表。此实施例改善计算机化在线社交网络服务的功能性，这是因为其向应届大学毕业生显示其更有可能被聘用的职位。通过仅搜索、定位和显示应届大学有可能被聘用的职位并不搜索、定位和显示应届大学毕业生不大可能被聘用的职位，上面执行在线社交网络系统的计算机硬件的操作的起作用效率要高得多。

图6是呈计算机系统600的实例形式的机器或装置的框图，可以在所述计算机系统内执行用于致使所述机器执行本文中论述的方法中的任何一个或多个的指令。在替代性实施例中，机器充当独立装置或可连接（例如，联网）到其它机器。在联网部署中，机器可能能够作为服务器-客户端网络环境中的服务器或客户端机器而操作，或作为点对点（或分布式）网络环境中的对等机器而操作。机器可以是个人计算机（personal computer，PC）、平板PC、机顶盒（set-top box，STB）、个人数字助理（Personal Digital Assistant，PDA）、蜂窝式电话、网络器具、网络路由器、开关或桥接器，或能够执行（依序或以其它方式）指定将由所述机器采取的动作的一组指令的任何机器。另外，虽然仅说明单个机器，但是还应采用术语“机器”以包含机器的任何集合，机器的集合个别地或共同地执行一组（或多组）指令以执行本文中论述的方法中的任何一个或多个。

实例计算机系统600包含通过总线608彼此通信的处理器602（例如，中央处理单元（central processing unit，CPU）、图形处理单元（graphics processing unit，GPU）或这两者）、主存储器604和静态存储器606计算机系统600可进一步包含视频显示单元610（例如，液晶显示器（liquid crystal display，LCD）或阴极射线管（cathode ray tube，CRT））。计算机系统600还包含字母数字输入装置612（例如，键盘或触敏显示屏幕）、用户接口（userinterface，UI）导览装置614（例如，鼠标）、磁盘驱动单元616、信号产生装置618（例如，扬声器）和网络接口装置620。

磁盘驱动单元616包含机器可读媒体622，其上存储有体现或由本文中所描述的方法或功能中的任何一个或多个利用的一个或多个指令集和数据结构（例如，软件）624。指令624还可在其由计算机系统600执行期间完全或至少部分地驻留于主存储器604内和/或处理器602内，主存储器604和处理器602还构成机器可读媒体。

虽然机器可读媒体622在实例实施例中示出为单个媒体，但是术语“机器可读媒体”可包含存储一个或多个指令或数据结构的单个媒体或多个媒体（例如，集中式或分布式数据库、和/或相关联高速缓冲存储器和服务器）。术语“机器可读媒体”应同样被理解为包含能够存储、编码或携带指令的任何有形媒体，所述指令由所述机器执行并且致使机器执行本发明的方法中的任何一或多者，或者所述媒体能够对此类指令利用的或与此类指令相关联的数据结构进行存储、编码或携带。术语“机器可读媒体”因此应被视为包含但不限于固态存储器、光学和磁性媒体。机器可读媒体的具体实例包含非易失性存储器，包含例如半导体存储器装置，例如电可编程只读存储器（Erasable Programmable Read-Only Memory，EPROM）或电可擦除可编程只读存储器（Electrically Erasable Programmable Read-OnlyMemory，EEPROM）、以及闪存存储器装置；磁盘，例如内部硬盘和可移动盘；磁光碟；以及CD-ROM和DVD-ROM盘。

可使用发射媒体来通过通信网络626进一步发射或接收指令624。可使用网络接口装置620和数个众所周知的传送协议中的任一个（例如，HTTP）来发射指令624。通信网络的实例包含局域网（“local area network，LAN”）、广域网（“wide area network，WAN”）、因特网、移动电话网络、简易老式电话（Plain Old Telephone，POTS）网络和无线数据网络（例如，WiFi、LTE和WiMAX网络）。术语“发射媒体”应被视为包含能够存储、编码或携带指令以由机器执行的任何无形媒体，并包含数字或模拟通信信号或用以促进此软件的通信的其它无形媒体。

虽然已参考具体实例实施例描述了实施例，但应显而易见的是，可在不脱离本发明的更广范围的情况下对这些实施例进行各种修改和改变。因此，说明书和图式应在说明性意义上而非限制性意义上看待。形成本文的一部分的附图借助于说明示出，而并非进行限制，可以实践特定实施例中的主题。对所说明实施例进行足够详细的描述以使所属领域的技术人员能够实践本文中所公开教示。可以利用其它实施例并且从本文中导出其它实施例，使得可以在不脱离本公开的范围的前提下作出结构和逻辑的替代和变化。因此，此详细描述并非以限制性意义获得，并且各种实施例的范围仅通过所附权利要求书以此权利要求书授权的等效物的完整范围界定。

仅为了方便起见，并且如果实际上公开了多于一个发明或发明概念，则不希望自愿地将本申请案的范围限制为任何单一发明或发明概念，本发明主题的此类实施例可以在本文中分别地和/或共同地由术语“发明”提及。因此，虽然本文已说明并描述特定实施例，但应了解，预计实现相同目的任何布置都可替代所示出的特定实施例。本公开意图涵盖各种实施例的任何和所有调适或变化。对于所属领域的技术人员来说在审阅上述描述之后上述实施例的组合以及本文中未具体描述的其它实施例将是显而易见的。

在整个本说明书中，多个实例可实施描述为单一实例的组件、操作或结构。虽然将一个或多个方法的个别操作说明且描述为分离的操作，但可以同时执行个别操作中的一个或多个，且并不要求以所说明的次序执行操作。呈现为实例配置中的单独组件的结构和功能性可实施为组合式结构或部件。类似地，呈现为单个组件的结构和功能性可实施为单独组件。这些以及其它变化、修改、添加和改进属于本文中的主题的范围内。

本文中将某些实施例描述为包含逻辑或数个组件、模块或机构。模块可以构成软件模块（例如，体现于机器可读媒体上或发射信号中的代码）或硬件模块。“硬件模块”是能够执行特定操作并可以某一物理方式配置或布置的有形单元。在各种实例实施例中，一个或多个计算机系统（例如，独立计算机系统、客户端计算机系统或服务器计算机系统）或计算机系统的一个或多个硬件模块（例如，处理器或处理器群组）可通过软件（例如，应用程序或应用程序部分）配置为操作以执行如本文所描述的某些操作的硬件模块。

在一些实施例中，可以机械方式、电子方式或其任何适合组合实施硬件模块。举例来说，硬件模块可包含永久地配置成执行某些操作的专用电路系统或逻辑。举例来说，硬件模块可以是专用处理器，例如现场可编程门阵列（ield programmable gate array，FPGA）或ASIC。硬件模块还可以包含由软件暂时地配置成执行特定操作的可编程逻辑或电路。举例来说，硬件模块可以包含涵盖于通用处理器或其它可编程处理器内的软件。应了解，可以由成本和时间考虑因素驱动以机械方式、在专用且永久性地配置的电路中或在暂时性地配置的电路（例如，由软件配置）中实施硬件模块的决策。

因此，短语“硬件模块”应理解为涵盖有形实体，即以物理方式建构、永久配置（例如，固线式）或暂时配置（例如，编程）从而以某一方式操作或执行本文中所描述的特定操作的实体。如本文中所使用，“硬件实施模块”是指硬件模块。考虑到其中硬件模块进行暂时性配置（例如，编程）的实施例，无需在任一时刻处配置或实例化硬件模块中的每一个。举例来说，在硬件模块包括通过软件配置成变成专用处理器的通用处理器的情况下，通用处理器可在不同时间处被配置成分别不同的专用处理器（例如，包括不同硬件模块）。软件因此可以对处理器进行配置，例如以在一个时刻构成特定硬件模块并且在不同时刻构成不同硬件模块。

硬件模块可将信息提供到其它硬件模块且从其它硬件模块接收信息。因此，可以将所描述硬件模块视为以通信方式耦合。当多个硬件模块同时存在时，可通过信号发射（例如，通过适当的电路和总线）实现硬件模块中的两个或更多个之间或当中的通信。在在不同时间处配置或具现化多个硬件模块的实施例中，可例如通过存储并恢复多个硬件模块已接入的存储器结构中的信息而实现此等硬件模块之间的通信。例如一个硬件模块可以执行一个操作且将所述操作的输出存储在存储器装置中，所述硬件模块以通信方式耦合到所述存储器装置。接着，另一硬件模块可以随后接入存储器装置以检索和处理所存储输出。硬件模块还可以通过输入或输出装置启动通信，并可以对资源（例如，信息的集合）进行操作。

操作的特定性能可以分布在一个或多个处理器当中，不仅驻留于单一机器内，而且还跨越多个机器部署。在一些实例实施例中，一个或多个处理器或处理器实施模块可定位于单个地理位置中（例如，家庭环境、办公室环境或服务器集群内）。在其它实例实施例中，一个或多个处理器或处理器实施的模块可以跨越多个地理位置分布。

根据存储为机器存储器（例如，计算机存储器）内的位或二进制数字信号的数据上的操作的算法或符号表示而呈现本说明书的一些部分。这些算法或符号表示是数据处理领域的一般技术人员用来向所属领域的其它技术人员传达其工作的实质内容的技术的实例。如本文中所使用，“算法”为导致所需结果的操作或类似处理的自一致性序列。在此上下文中，算法和操作涉及对物理量的物理操纵。通常但不一定，此类量可以呈电、磁或光学信号的形式，所述电、磁或光学信号能够由机器存储、访问、传送、组合、比较或以其它方式操纵。主要出于常用的原因，有时使用例如“数据”、“内容”、“位”、“值”、“元素”、“符号”、“字符”、“项”、“数目”、“数字”等词语来提及此类信号是很方便的。但是，这些词语仅仅是方便的标记并将与适当物理量相关联。

除非另有特定说明，否则本文中的使用例如“处理”、“计算”、“运算”、“确定”、“呈现”、“显示”等词的论述可指操控或变换表示为一个或多个存储器（例如，易失性存储器、非易失性存储器或其任何适合的组合）、寄存器及存取或接收、存储、发射或显示信息的其它机器组件内的物理（例如，电子、磁性或光学）量的数据的机器（例如，计算机）的动作或程序。此外，除非另有特定说明，否则如在专利文件中常见，在本文中使用术语“一（a或an）”以包含一个或多于一个个例。最后，如本文中所使用，除非另有特定说明，否则连词“或”是指非排他性的“或”。