用于利用来自媒体体验内部的智能用户交互实施上下文敏感搜索的方法和装置.pdf

在一些实施例中，本发明涉及使用媒体体验内的用户选择的术语的基于上下文的搜索引擎。自然语言处理器模块被配置成提供与搜索术语有关并且来自媒体体验内的基于上下文的关键词。在一些实施例中，基于接近度的统计分析被用于得到关键词。将关键词提供给至少一个内容浏览器或（一个或多个）其它搜索引擎以实现搜索。在一些实施例中，机器学习模块通信耦合到自然语言处理器以进一步精炼上下文以用于选择相关关键词。上下文搜索引擎、自然语言处理器模块、机器学习模块和搜索引擎可以驻留在相同的计算设备上或者分布在各种本地、远程和云设备之中以供处理。描述和要求保护其它实施例。

1.  一种用于提供基于上下文的搜索的系统，包括：
被配置成向用户提供媒体体验的计算设备，计算设备还包括：
　　输出显示器；
　　用于在媒体体验内选择搜索术语的输入设备；
　　通信耦合到自然语言处理器模块和内容浏览器的上下文搜索引擎，其中上下文搜索引擎被配置成向自然语言处理器提供搜索术语，并且向内容浏览器提供从自然语言处理器接收的关键词结果。

2.  权利要求1中所述的系统，其中自然语言处理器模块驻留在计算设备、内容服务器、云服务器、远程服务器和本地计算设备中的至少一个上，其中当自然语言处理器模块不驻留在计算设备上时，自然语言处理器可以经由直接连接、有线连接和无线连接中的至少一个被访问。

3.  如权利要求1和2中任一项中所述的系统，其中自然语言处理器模块被配置成在识别向上下文搜索引擎提供的关键词结果中使用基于接近度的统计分析。

4.  如权利要求3中所述的系统，其中自然语言处理器模块被配置成在媒体体验内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内。

5.  如权利要求1和2中任一项中所述的系统，还包括通信耦合到自然语言处理器模块的机器学习模块。

6.  如权利要求5中所述的系统，其中自然语言处理器模块被配置成在媒体体验内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内，并且其中机器学习模块被配置成基于历史上下文信息而动态调节数据部分的大小。

7.  如权利要求1和2中任一项中所述的系统，其中计算设备还被配置成显示从内容浏览器返回的结果，其中内容浏览器被配置成使用所提供的关键词来执行搜索。

8.  如权利要求7中所述的系统，其中上下文搜索引擎被配置成向至少一个附加内容浏览器会话提供搜索术语并且聚合来自内容浏览器和至少一个附加内容浏览器会话的结果并且向用户显示经聚合的结果。

9.  一种用于提供基于上下文的搜索的系统，包括：
通信耦合到自然语言处理器模块和至少一个内容浏览器的上下文搜索引擎，其中上下文搜索引擎被配置成向自然语言处理器提供用户选择的搜索术语，并且向至少一个内容浏览器提供从自然语言处理器接收的关键词结果。

10.  如权利要求9中所述的系统，其中所选搜索术语选自电视节目、广播节目、流媒体和记录的媒体之一的闭路字幕文本。

11.  如权利要求10中所述的系统，其中使用遥控设备和辅计算设备之一来选择闭路字幕文本。

12.  如权利要求9-11中任一项中所述的系统，其中自然语言处理器模块被配置成在识别提供给上下文搜索引擎的关键词结果中使用基于接近度的统计分析。

13.  如权利要求12中所述的系统，其中自然语言处理器模块被配置成在闭路字幕文本的可用部分内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内。

14.  如权利要求9-11中任一项中所述的系统，还包括通信耦合到自然语言处理器模块的机器学习模块，其中自然语言处理器模块被配置成在搜索术语的指定接近度内的文本的部分上执行基于接近度的统计分析，并且其中机器学习模块被配置成基于历史上下文信息而动态调节文本部分的大小。

15.  如权利要求11中所述的系统，其中上下文搜索引擎被配置成提供来自内容浏览器的结果以供在电视和辅设备中的至少一个上显示。

16.  一种用于上下文搜索的方法，包括：
响应于媒体体验内的搜索术语的用户选择，通过上下文搜索引擎向自然语言处理器模块发送搜索术语；
通过自然语言处理器模块扫描搜索术语的接近度内的内容，以及确定与搜索术语相关联的关键词；以及
向至少一个内容浏览器提供关键词以供搜索。

17.  如权利要求16中所述的方法，还包括：
向用户显示通过至少一个内容浏览器的搜索的结果。

18.  如权利要求17中所述的方法，其中搜索术语选自对用户设备而言可访问的电子文档和对应于在观看设备上可得到的电视节目、广播节目、流媒体和记录的媒体之一的闭路字幕文本中的一个。

19.  如权利要求18中所述的方法，其中搜索的结果在用户设备和辅用户设备之一上显示。

20.  如权利要求16中所述的方法，还包括：
通过自然语言处理器模块识别提供给上下文搜索引擎的关键词，其中所述识别使用基于接近度的统计分析。

21.  如权利要求20中所述的方法，还包括：
在媒体体验内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内。

22.  如权利要求16中所述的方法，还包括：
在媒体体验内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内；以及
通过机器学习模块而动态调节数据部分的大小，其中所述调节是基于历史上下文信息的。

23.  如权利要求22中所述的方法，还包括：
向至少一个附加内容浏览器会话提供搜索术语并且聚合来自内容浏览器和至少一个附加内容浏览器会话的结果；以及
向用户显示经聚合的结果。

24.  其上存储有指令的至少一个计算机可读存储介质，当所述指令在机器上运行时，使机器：
执行权利要求16-23中任一项中所述的方法。

25.  一种被配置成执行如权利要求16-23中任一项中所述的方法的用于上下文搜索的装置。

26.  一种用于上下文搜索的装置，包括：
响应于媒体体验内的搜索术语的用户选择，用于识别媒体体验中的搜索术语的构件；
用于扫描搜索术语的接近度内的内容并且确定与搜索术语相关联的关键词的构件；以及
用于向至少一个内容浏览器提供关键词以供搜索的构件。

27.  如权利要求26中所述的装置，还包括：
用于向用户显示搜索结果的构件。

28.  如权利要求27中所述的装置，其中搜索术语选自对用户设备而言可访问的电子文档和对应于在观看设备上可得到的电视节目、广播节目、流媒体和记录的媒体之一的闭路字幕文本中的一个。

29.  如权利要求28中所述的装置，其中搜索的结果在用户设备和辅用户设备之一上显示。

30.  如权利要求26中所述的装置，其中用于识别媒体体验中的搜索术语的构件利用基于接近度的统计分析。

31.  如权利要求30中所述的装置，还包括：
用于在媒体体验内的文本的部分上执行基于接近度的统计分析的构件，其中文本的所述部分在搜索术语的指定接近度内。

32.  如权利要求26中所述的装置，还包括：
用于在媒体体验内的文本的部分上执行基于接近度的统计分析的构件，其中文本的所述部分在搜索术语的指定接近度内；以及
用于动态地调节数据部分的大小的构件，其中所述调节是基于历史上下文信息的。

33.  如权利要求32中所述的装置，还包括：
用于向至少一个附加内容浏览器会话提供搜索术语并且聚合来自内容浏览器和至少一个附加内容浏览器会话的结果的构件；以及
用于向用户显示经聚合的结果的构件。

用于利用来自媒体体验内部的智能用户交互实施上下文敏感搜索的方法和装置
技术领域
本公开一般地涉及数字媒体中的术语搜索的领域，并且更具体地涉及使用媒体体验内的搜索术语周围的上下文信息来提供更好结果。通过使得用户能够选择然后由周围上下文自动限定的搜索术语来简化搜索的发起。
背景技术
搜索系统如今与提供特定问题以便搜寻出“正确”答案的用户一起工作。通常，用户不确定问题是否被恰当地措词以提供期望的结果，或者有时不是太确定问什么。作为关于在线搜索中使用的算法的用户不确定性或者缺乏对所讨论的话题的理解的结果，重复搜索和搜索术语或问题的重新措词通常是必要的以向用户提供相关且期望的结果。现有系统可以使用作为搜索准则录入的术语或短语并且形成各种布尔搜索或者使用其它算法，并且可以基于其他人在类似搜索中找到的相关内容提供结果；不存在基于任何有用上下文对用户为何录入该特定搜索术语的知识或理解。
附图说明
本文所公开的实施例的特征和优点将结合附图通过以下具体实施方式而变得容易理解。具有不同字母后缀的相似标号可以表示类似组件的不同实例。图一般通过示例的方式而不是通过限制的方式图示在本文档中讨论的各种实施例。
图1是图示了根据实施例的用于选择搜索术语并且使用媒体上下文来提供搜索结果的方法的经修改的流程图。
图2图示了根据实施例的渐进式（progressive）搜索。
图3是图示了其上可以实现各种实施例的示例系统的框图。
图4是图示了根据实施例的示例上下文搜索系统的结构组件和模块的框图。
图5是图示了其上可以实现用于基于电视观看体验的上下文搜索的实施例的示例系统的框图。
具体实施方式
在以下具体实施方式中，对形成具体实施方式的部分的附图做出参考，其中相同的标号自始至终指代相同的部分，并且其中通过图示的方式示出可以实践的实施例。这些实施例在本文中还可以被称为“示例”。这样的示例还可以包括除所示出或描述的那些之外的元件。然而，作者还设想到其中仅提供所示出或所描述的那些元件的示例。而且，作者还设想到使用关于特定示例（或其一个或多个方面）或关于本文所示出或所描述的其它示例（或其一个或多个方面）的所示出或所描述的那些元件（或其一个或多个方面）的任何组合或置换的示例。
要理解的是，可以利用其它实施例或示例，并且可以在不脱离于本公开的范围的情况下做出结构或逻辑改变。因此，不以限制性含义考虑以下具体实施方式，并且实施例的范围由随附权利要求及其等同物来限定。
实施例为涉及使用由用户在媒体体验期间选择的术语的上下文搜索的系统和方法。在至少一个实施例中，实施例意在使得用户能够选择在媒体体验中出现的简单术语或短语。搜索引擎利用来自媒体体验的所选术语周围的上下文以更好地聚焦搜索，并且向用户提供基于上下文的搜索结果。媒体体验可以是web（网络）浏览会话、电子书（ebook）的阅读、观看电视、广播或媒体流、车载信息娱乐、阅读电子邮件（e-email）或者其它数字文档，或者与数字或电子媒体的其它用户交互。
在说明书中对“一个实施例”、“实施例”或“示例”的提及意指结合实施例或示例描述的特定特征、结构或特性包括在如本文所描述的至少一个实施例中。因此，出现在各种地方中的短语“在一个实施例中”遍及说明书的出现不一定都是指相同的实施例。
出于解释的目的，阐述具体配置和细节以便提供本文所公开的实施例的透彻理解。然而，对本领域普通技术人员将显然的是，可以在没有本文所呈现的具体细节的情况下实践实施例。另外，可以省略或者简化众所周知的特征以免混淆本文中的描述的理解。遍及本说明书，可以给出各种示例。这些仅仅是具体实施例的描述。权利要求的范围不限于所给出的确切示例。
图1是图示了根据实施例的用于选择搜索术语并且使用媒体上下文以提供搜索结果的方法的流程图。在某种程度上修改该图以包括示例方法以及示例数据和结果二者。在说明性示例中，用户可以正在阅读提供关于夏威夷中的火山的信息的文档或网页。仅仅出于说明目的，作者已经使用了来自hubpage.com的网页的摘录。摘录被示出为数据块10。用户期望在所阅读的文章的上下文中更多地学习火山。在块11中，用户从电子文档选择术语“火山”。将显然的是，可以使用各种方法来实施该选择。例如，在具有鼠标设备的计算设备上，用户可以使用鼠标来选择术语。在诸如平板、Ultrabook^TM设备、混合设备、智能电话、车辆导航或车载信息娱乐系统等之类的触摸屏设备上，用户可以触摸并且保持搜索术语直至其被高亮。之后将讨论其中选择为电视节目的实施例。其它类型的选择被设想到并且可以基于设备类型及其输入识别而变化。
自然语言处理（NLP）模块在块13中扫描电子文档的所选部分以领会所选搜索术语周围的概念和相关关键词。所选部分可以从单个句子、单个段落、多个句子、多个段落或整个文档等变化。所选部分的大小可以被系统预选择为默认值，或者由用户定义，或者取决于文档的大小（例如总文本的百分数），或者按页。预选择的默认值可以通过NLP模块使用各种基于接近度（proximity）的统计分析而随时间变化。所述部分的大小还可以部分地基于执行NLP的设备的相对处理速度来动态地选择，以便向用户提供结果而没有明显延迟。可以执行最佳部分大小和可接受的延迟之间的权衡。可接受的延迟可以是预定义的，并且针对各种大小的部分的处理时间的估计可以用于帮助选择可允许以提供及时响应的最大部分大小。部分大小可以通过以默认大小（或接近于所选文本）开始并且使用机器学习技术和利用NLP的统计建模来针对不同摘录大小而改变以针对重要关键词的更好识别而调节大小。
存在用于在词语、短语或文本的其它部分上执行自然语言处理的许多已知技术。本文所描述的实施例可以使用命名实体识别（named entity recognition，NER）和贝叶斯统计模型的组合。
例如，命名实体识别技术可以帮助识别代词与句子或句子串中的恰当主语之间的相关性。NER旨在对文本中的原子元素（atomic element）定位和将其分类成诸如人员的姓名、组织、位置、时间表述、数量、货币值、百分比等之类的预定义类别。现有NER系统可以使用基于语言学语法的技术以及统计模型。统计NER系统典型地要求大量人工注释的训练数据。本文所描述的实施例可以使用机器学习模型来调节NLP的结果。
贝叶斯统计模型在本领域中一般是众所周知的。贝叶斯统计量在可信度或者更具体地贝叶斯概率方面表述关于世界的真实状态的证据。这样的解释仅仅是概率的众多解释中的一个并且存在不基于“可信度”的许多其它的统计技术。本文所描述的实施例可以通过包括基于位置和接近度的算法来使用传统贝叶斯统计模型的变型来聚焦于部分文本内的概念或想法的上下文，但是沿比在NLP算法中传统使用的更长的文本范围。对更长文本部分的贝叶斯建模帮助识别文本部分内的重要术语和非重要术语。在实施例中，建模算法使用以下假定：你离所选搜索术语越远，术语与核心概念相关得越少，即术语在相关关键词的分析和识别中将会具有更低权重。因此，这种基于接近度的统计分析可以提供更好的所得到的相关关键词以供录入到搜索引擎中。
数据块10说明了针对上下文进行分析的电子文档的示例部分。块12示出具有以粗体标识的关键词的部分。应当指出的是，关键词可以是术语或短语，并且不限于单个词语。在该示例中，NLP通过使用块10中所示的部分来提取所选术语“火山”和许多其它关键词或参数。在该示例中，NLP模块识别出要用作上下文搜索中的参数的以下关键词：夏威夷；盾状火山；相对大；浅坡侧；低粘性；以及熔岩。在块15中提取出所选搜索术语连同上下文关键词或参数以供在搜索引擎中使用。然后在块17中将所提取的术语和关键词或短语（参数）发送到用户偏好的或默认的搜索引擎。应当指出的是，可以使用任何常见搜索引擎，因为向所选搜索引擎发送上下文关键词以聚焦基于原始文档的上下文的搜索。如果期望的话，可以使用定制搜索引擎。将理解的是，搜索引擎可以位于远程网络服务器、云服务提供商服务器上，提供在中间服务器上，或者在用户设备本地。搜索引擎的位置可以取决于搜索的类型，例如本地或远程数据库搜索、本地文档搜索、因特网搜索等。
搜索引擎使用搜索术语和上下文关键词或短语并且执行搜索（未示出）。基于搜索引擎的操作，将结果返回给用户，并且在块19中显示结果。结果19A-C例如可以显示在用户设备或者以下更充分地描述的辅用户设备上。在该示例中，结果可以包括夏威夷的照片19A、维基百科页面19B和/或夏威夷的地图19C。结果可以被显示为具有或不具有预览文本的超链接、简单本文、话语文本、图像、一个或多个浏览器页面、一个或多个弹出对话框或对用户可视或可听的任何形式。结果的形式可以取决于上下文搜索系统如何与媒体体验集成。
例如，上下文搜索系统可以实现为浏览器附加件、动态负载库（DLL）的部分，可以集成为媒体体验系统内的模块或其它方法。在实施例中，上下文搜索组件是原始媒体体验的部分，但是被设计到其中以提供最佳的用户交互模型。例如，eBook可以利用用于Web应用的插件或者用于本地应用的DLL。实际的上下文搜索可以限于在关键词被选择（按压）时的关键词的简单高亮并且覆盖层可以弹出结果，或者整个页面可以滚回以显露具有推送结果的下页面。如果上下文搜索系统被集成为附加件，其中简单地将搜索术语和关键词传递到默认搜索引擎，结果可以以符合所选搜索引擎的通常显示方法的方式显示。在一些情况中，搜索引擎结果可以传递回到上下文搜索系统并且然后如期望的那样重新格式化以用于不同的显示方法。默认的显示方式可以基于用户预选择的简档（profile）或设备配置而变化。例如，显示器是基于用户设备上的可观看区域的大小而不同的。
当结果被显示为另一电子文档（诸如示出维基条目19B的浏览器页面）时，用户可以通过选择新的词语或短语来重新发起另一上下文搜索，如块21中那样，并且发起另一NLP扫描（块13）。图2图示了示例渐进式搜索。在实施例中，该下一搜索可以是全新的搜索，其中针对关键词的扫描基本上从擦除（scratch）开始，或者下一搜索可以使用从之前的（一个或多个）搜索识别出的关键词或历史或驻留的上下文信息以帮助精炼上下文并且在下一NLP扫描（13）期间提供聚焦的关键词。例如，通过从在之前的扫描中识别出的关键词中选择关键词，NLP模块可以将其它术语加权为较不重要，因为它们未被选择用于该下一搜索，从而改变上下文聚焦。
在图2中，块10示出用于初始搜索的原始数据部分（摘录），如以上所描述的，其中“火山”作为所选搜索术语。在块20中说明该上下文搜索的结果的示例摘录。在该示例中，用户选择搜索短语“夏威夷的喷发”。现在通过使用新的短语来执行NLP扫描和搜索过程。在一些实施例中，机器学习模块可以通信耦合到上下文搜索引擎以用于在选择和提取既相关于所选搜索术语又相关于渐进式搜索的历史上下文的知识的关键词中使用。在该示例中，在块30中示出该第二搜索的结果，其中文本描述具体夏威夷火山Mauna Loa的喷发。
图3是图示了根据实施例的被配置成提供上下文搜索系统的示例系统100的简化框图。示例性系统100包括电子用户设备102、内容服务器104和将电子设备102通信耦合到服务器104的网络106。尽管在图3中说明性地示出仅一个电子设备102、一个服务器104和一个网络106，但是系统100可以包括类似或不类似的架构的任何数目的电子设备102、服务器104和网络106。例如，电子设备102可以通过一个或多个网络106与多个服务器104通信，并且每一个服务器104可以通过一个或多个网络106与多个电子设备102通信。
电子设备102可以体现为能够执行本文所描述的功能的任何类型的电子设备。作为示例，电子设备102可以体现为个人计算机（PC）、膝上型计算机、手持式计算机、超移动个人计算机，诸如平板设备、上网本设备、Ultrabook^TM计算设备、混合膝上型/平板设备、电子阅读器设备（ebook）、个人数字助理（PDA）设备、移动互联网设备（MID）、智能电话、蜂窝电话等等。在图3中所示的说明性实施例中，电子设备102可以使用硬件、固件、软件或其组合实现。
示例性电子设备102包括一个或多个处理器110，其还称为主处理器或带内处理器。主处理器110可以包括一个或多个处理器核122。电子设备102还包括耦合到至少一个处理器110的系统控制逻辑或芯片组112、耦合到系统控制逻辑112的系统存储器114、耦合到系统控制逻辑112的非易失性存储器和/或（一个或多个）存储设备120，以及耦合到系统控制逻辑112的一个或多个通信接口或模块116。系统控制逻辑可以可选地还包括包含其自己的通信模块（未示出）的辅带外处理器124。系统控制逻辑112还耦合到一个或多个输入/输出设备118。应当理解的是，电子设备102可以包括其它组件、子组件，和通常在计算机和/或计算设备中发现的设备，其为了描述的清楚性而未在图3中图示。
在一个实施例中，一个或多个处理器110可以是能够运行软件/固件的任何类型的处理器，诸如例如，微处理器、数字信号处理器、微控制器等等。一个或多个处理器110可以体现为具有处理器核122的单核处理器。然而，在其它实施例中，一个或多个处理器110可以体现为具有多个处理器核的多核处理器。此外，电子设备102可以包括具有一个或多个处理器核的附加处理器。一个或多个处理器110一般负责运行软件栈，其可以包括操作系统和驻留在电子设备102上的各种应用、程序、库和驱动器。
在一个实施例中，系统控制逻辑112可以包括任何合适的接口控制器以提供到至少一个处理器110和/或到与系统控制逻辑112通信的任何合适的设备或组件的任何合适的接口。
在一个实施例中，系统控制逻辑112可以包括一个或多个存储器控制器以提供到系统存储器114的接口。系统存储器114可以用于加载和存储数据和/或指令，例如以用于电子设备102。在一个实施例中，系统存储器114可以包括任何合适的易失性存储器，诸如例如合适的动态随机存取存储器（DRAM）。
在一个实施例中，系统控制逻辑112可以包括一个或多个输入/输出（I/O）控制器以提供到显示设备（未示出）、显示控制器（未示出）、非易失性存储器和/或（一个或多个）存储设备120的接口以及（一个或多个）通信接口116。
在一个实施例中，非易失性存储器和/或（一个或多个）存储设备120是机器可访问介质（还称为计算机可读介质），其可以例如用于存储数据和/或指令。非易失性存储器和/或（一个或多个）存储设备120可以包括任何合适的非易失性存储器，诸如例如闪速存储器，和/或可以包括（一个或多个）任何合适的非易失性存储设备，诸如例如一个或多个硬盘驱动器（HDD）、一个或多个压缩盘（CD）驱动器和/或一个或多个数字多功能盘（DVD）驱动器。
（一个或多个）通信接口116可以提供用于电子设备102的接口以通过诸如网络106之类的一个或多个网络与服务器104或任何其它合适的联网设备通信。（一个或多个）通信接口116可以包括任何合适的硬件、固件、软件或其组合。在一个实施例中，（一个或多个）通信接口116可以包括例如网络适配器、无线网络适配器、电话调制解调器和/或无线调制解调器。在用于无线通信的实施例中，（一个或多个）通信接口116可以使用一个或多个天线（未示出）。
在一个实施例中，系统控制逻辑112可以包括一个或多个输入/输出（I/O）控制器以提供到诸如例如音频设备之类的（一个或多个）任何合适的输入/输出设备的接口以帮助将声音转换成对应的数字信号和/或以帮助将数字信号转换成对应的声音、摄像机、摄录像机、打印机和/或扫描仪（其全部未示出）。
在一个实施例中，显示设备可以使用任何合适的显示技术实现，诸如例如液晶显示器（LCD）。在一个实施例中，显示控制器可以耦合以帮助控制通过显示设备的输入。在一个实施例中，显示控制器可以耦合到系统控制逻辑112以供至少一个I/O控制器和/或至少一个处理器110处理由显示控制器通过显示设备检测到的输入。在实施例中，系统控制逻辑112可以包括一个或多个图形控制器以提供到显示设备的一个或多个显示接口。在实施例中，显示设备可以直接、无线或远程地通信耦合到电子设备102。
在一个实施例中，显示设备可以是触敏显示设备并且显示控制器可以是触摸控制器。触敏显示设备可以使用任何合适的触敏技术实现，诸如，例如而没有限制的，电容式、电阻式、声表面波（SAW）、红外和光学成像。在一个实施例中，触敏显示设备可以使用任何合适的多触摸技术实现。触敏显示设备可以使用任何合适显示技术实现，诸如例如液晶显示器（LCD）。触摸控制器可以耦合以帮助控制通过触敏显示设备的触摸输入。在一个实施例中，触摸控制器可以耦合到系统控制逻辑112以供至少一个I/O控制器和/或至少一个处理器110处理由触摸控制器通过触敏显示设备检测到的触摸输入。在实施例中，系统控制逻辑112可以包括一个或多个图形控制器以提供到触敏显示设备的一个或多个显示接口。
在一个实施例中，至少一个处理器110可以与用于系统控制逻辑112的一个或多个控制器的逻辑封装在一起。在一个实施例中，至少一个处理器110可以与用于系统控制逻辑112的一个或多个控制器的逻辑封装在一起以形成封装中的系统（SiP）。在一个实施例中，至少一个处理器110可以集成在与用于系统控制逻辑112的一个或多个控制器的逻辑相同的管芯上。在一个实施例中，至少一个处理器110可以集成在与用于系统控制逻辑112的一个或多个控制器的逻辑相同的管芯上以形成芯片上系统（SoC）。
内容服务器104可以体现为与电子设备102分离的任何类型的计算设备。作为示例，服务器104可以体现为个人计算机、工作站、膝上型计算机、手持式计算机、移动互联网设备、蜂窝电话、个人数据助理、电话设备、网络电器、虚拟化设备、存储控制器或被配置成通过网络106与电子设备102通信的其它基于计算机的设备。在图3中所示的说明性实施例中，服务器104包括处理器130、芯片组132、系统存储器134、通信模块136、一个或多个大容量存储设备138和一个或多个输入/输出设备（未示出）。在一些实施例中，若干前述组件可以合并在服务器104的母板上，而其它组件可以经由例如外围端口通信耦合到母板。另外，应当理解的是，服务器104可以包括在计算机和/或计算设备中通常发现的其它组件、子组件和设备，其为了描述的清楚性而未在图3中图示。
内容服务器104的组件可以类似于或不类似于用户设备102的组件，并且可以包括与以上针对电子设备102描述的类似或不类似的替换组件。例如，服务器104的处理器130可以是能够运行软件/固件的任何类型的处理器，诸如微处理器、数字信号处理器、微控制器等等。处理器130说明性地体现为单个处理器并且可以具有单个处理器核。然而，在其它实施例中，处理器130可以体现为具有多个处理器核的多核处理器。此外，服务器104可以包括具有一个或多个处理器核的附加处理器130。处理器130一般负责运行软件栈，其可以包括操作系统和驻留在服务器104上的各种应用、程序、库和驱动器。
为了简明起见，在此不重申内容服务器104的替换和等同组件，但是将理解的是，内容服务器104的架构和配置可以如针对电子设备102描述的那样变化。
在实施例中，电子设备102用于向用户呈现媒体体验。用户可以在电子设备102上发起上下文搜索。在实施例中，可以在用户设备上执行NLP以经由网络106向驻留在一个或多个内容服务器104上的搜索引擎发送搜索参数和关键词。网络可以是公共因特网或者专有内联网。在另一实施例中，NLP可以在内容服务器104或其它远程设备（未示出）上执行。在实施例中，上下文搜索可以在电子设备102上本地执行并且全部省略内容服务器104的使用，例如当搜索本地数据库或局部网页和其它文档时。在实施例中，上下文搜索模块可以基于用户设备的处理能力和到具有NLP模块的远程处理器的连接的可用性来为NLP模块选择本地处理或远程处理。例如，NLP可以驻留在用户的家用台式计算机上并且搜索可以在具有有限处理能力的智能电话上发起。如果家用台式计算机经由WiFi连接（或经由诸如因特网之类的网络）可用，则智能电话上的上下文搜索引擎可以选择将NLP分析卸载到家用台式计算机，而不是云服务器或内容服务器或其它远程设备。
现在参考图4，示出图示了根据实施例的示例上下文搜索系统200的各种结构组件和模块的框图。在实施例中，电子设备102还包括用户输入/选择设备201。输入/选择设备可以由用户用于从媒体体验内选择期望的搜索术语。该输入/选择设备201可以取决于设备的架构和配置而变化。用户可以利用鼠标、触摸垫、触摸屏或其它输入设备来选择搜索术语。媒体体验将典型地显示在显示器211上和/或具有通过音频输出设备（未示出）播放的音频成分。对于仅音频媒体体验，用户可以选择利用预定义的控制字可听的搜索术语，诸如“开始搜索术语”和“结束搜索术语”。对于启用音频媒体体验的上下文搜索系统，用于语音识别和命令的附加模块和用于可听命令的控件（二者未示出）将耦合到电子设备102，以及音频输入设备（未示出）。
在实施例中，电子设备102还包括与内容浏览器207通信的上下文搜索引擎203和自然语言处理器模块205。在另一实施例中，上下文搜索引擎203还通信耦合到机器学习模块209。机器学习模块209与存储器存储装置219通信耦合以用于存储和获取历史搜索和上下文数据。
将理解的是，在各种实施例中，自然语言处理器（NLP）模块205和机器学习模块209可以驻留在电子设备102或诸如内容服务器104、云服务或其它远程设备（未示出）之类的远程设备上。模块205和209的部分可以共置在相同设备上或者在远离电子设备102的一个或多个设备之中分布。
在实施例中，机器学习模块209通过重复和用户引导来进行学习。机器学习模块可以通过用户的观察学习，例如感兴趣的内容类型或话题。如果用户非常视觉而不是数据驱动的，上下文搜索引擎可以发送具有更多图像、视频和图形而不是到长文本论文的链接的结果。可以通过在不同时间跨多种形式的媒体查看用户来推断感兴趣的话题；可以存在兴趣的线索，其帮助引导搜索（即，感兴趣的地方的历史比对地理比对社会学）。该感兴趣的话题可以帮助优先化提出什么结果。这两种机器学习技术要求时间和重复和/或用户与引擎的交互以“教导”它用户的偏好和所偏好的响应。
在实施例中，内容浏览器207使用所选搜索术语和NLP模块识别出的关键词并且发起搜索。搜索可以是驻留在电子设备102上的数据的本地数据库、网页或文档搜索，或者经由网络106的搜索，其中在所存储的内容138A-N中的内容在一个或多个内容服务器104A-N上可用。
在实施例中，向至少一个附加内容浏览器会话发送搜索术语。附加会话可以用于相同内容浏览器或者不同内容浏览器。来自多个浏览器的结果然后可以聚合并且为用户显示。在经聚合的结果的情况中，每一个结果可以用所使用的内容浏览器和/或用所发现的内容源来识别。在实施例中，用于单个内容浏览器的两个栏标（tab），例如用于相同内容浏览器的多个会话，可以返回在向用户呈现之前可以聚合的结果。
现在参考图5，框图图示了其上可以实现用于基于电视观看体验的上下文搜索的实施例的示例系统300。在该示例中，可以通过电视301和远程输入/选择设备307（即TV遥控）和/或诸如但不限于平板、膝上型计算机、智能电话或其它计算设备之类的移动设备320中的至少一个促进用户体验。在一些实施例中，移动设备320还可以用作用于电视的遥控，并且远程设备307不是必要的。在一些实施例中，用户将仅具有远程设备307而没有移动设备320。电视301可以耦合到机顶盒，或者诸如DVD或蓝光播放器之类的其它外围设备，或用于获取节目以供在电视上显示的其它设备305。获取设备可以连接到诸如用于按需接收例如从Netflix有限公司可得到的因特网流媒体的内容服务器104A-N，或者用于接收有线和广播电视节目的头端设施（未示出）。获取设备可以经由有线或无线通信与内容服务器、头端或其它内容提供商通信。在实施例中，电视与WiFi通信设备耦合并且可以在没有附加设备305的情况下通过网络106通信，或者在一些情况中，获取设备305与电视301集成。
在实施例中，闭路字幕（closed captioning）文本303可以用作可以从其选择所期望的搜索术语的数据流。在各种实施例中，用户可以经由遥控307或移动设备320选择搜索术语。在实施例中，闭路字幕文本303出现在电视监视器上并且用户按压遥控307上的控制键或控制键的序列以抓取或选择适当的文本。选择操作可以暂时停止文本滚动以促进选择。在一个实施例中，用于上下文扫描的文本可以限于在屏幕上示出的量。在另一实施例中，可以存在可见文本周围可访问的附加文本以提供附加上下文。在实施例中，闭路字幕文本可以本地存储在电视上、机顶盒上，或者从源设备（DVD、蓝光、内容服务器等）获取。
在另一实施例中，可以使用作为替换遥控或者作为与在电视上观看的节目、闭路字幕或媒体同步的辅设备的移动设备320搜索术语。节目的闭路字幕可以从云服务器（104或330）、到机顶盒305或电视301和本地客户端的连接同步或者直接从机顶盒305或电视301和移动设备320同步。
在实施例中，用户使用遥控307选择文本。上下文搜索引擎和NLP模块执行上下文参数的分析和识别，如针对图1描述的那样。上下文搜索引擎可以本地驻留在电视（例如对于智能电视而言）、机顶盒、其它连接的处理设备上或者远程地通过网络106作为云服务或其它远程服务例如驻留在内容服务器104上。在其中用户具有与电视通信（例如同步到节目）的移动设备320的实施例中，上下文搜索引擎203、NLP模块205和可选的机器学习模块209中的一些或全部可以驻留在移动设备320上或者分布在电视301、移动设备320、内容服务器104A-N、云服务器330和/或获取设备305中的一个或多个之中。在实施例中，一旦上下文搜索参数已被NLP 205识别，它们被传递到以驻留在电视301、获取设备305、云服务器330或移动设备320中的任何一个上的内容浏览器207。
在实施例中，发起用于上下文搜索的控制将自动开启闭路字幕，如果其先前已被关闭的话。在实施例中，闭路字幕文本可以出现在移动设备320上，但是不出现在电视显示器上。
来自搜索的结果可以提供在电视301上，或者当可用时，提供在移动设备320上。结果可以以各种格式显示在电视301上，例如，包括但不限于，图片区域中的图片、分割屏幕，或者用搜索结果完全或部分地遮盖当前节目。在其中电视耦合到诸如从最为商业化的有线和卫星电视提供商可得到的数字录像机（DVR），或者诸如TiVo?设备的实施例中，当前节目可以自动被设成在显示搜索结果的同时进行记录，使得用户不错过任何当前节目，并且可以在稍后时间返回到其媒体体验。
在实施例中，移动设备可以实际上为更加静止的设备，诸如可以通过有线或者无线连接通信耦合到系统或者直接耦合到电视301或获取设备305的台式计算机。
附注和示例
示例1可以包括主题（诸如被配置成执行上下文搜索的系统、或者被配置成执行提供上下文搜索的方法的系统、用于执行动作的构件，或者包括当由机器执行时使机器执行与上下文搜索有关的动作的指令的机器可读介质等），其中用于提供基于上下文的搜索的系统包括被配置成向用户提供媒体体验的计算设备，计算设备还包括：输出显示器；用于在媒体体验内选择搜索术语的输入设备；通信耦合到自然语言处理器模块和内容浏览器的上下文搜索引擎，其中上下文搜索引擎被配置成向自然语言处理器提供搜索术语，并且向内容浏览器提供从自然语言处理器接收的关键词结果。
示例2包括示例1的主题并且还包括其中自然语言处理器模块驻留在计算设备、内容服务器、云服务器、远程服务器和本地计算设备中的至少一个上，其中当自然语言处理器模块不驻留在计算设备上时，自然语言处理器可以经由直接连接、有线连接和无线连接中的至少一个被访问。
示例3包括示例1和2中的任一者的主题，并且其中自然语言处理器模块被配置成在识别向上下文搜索引擎提供的关键词结果中使用基于接近度的统计分析。
示例4包括示例3的主题，并且其中自然语言处理器模块被配置成在媒体体验内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内。
示例5包括前述示例1-4中任一项的主题，还包括通信耦合到自然语言处理器模块的机器学习模块。可选地，自然语言处理器模块被配置成在媒体体验内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内，并且其中机器学习模块被配置成基于历史上下文信息而动态地调节数据部分的大小。
示例6可以包括前述示例1-5中任一项的主题，包括或省略可选元素，并且进一步地其中计算设备还被配置成显示从内容浏览器返回的结果，其中内容浏览器被配置成使用所提供的关键词来执行搜索。
示例7可以包括前述示例1-6中任一项的主题，包括或省略可选元素，并且进一步地其中上下文搜索引擎被配置成向至少一个附加内容浏览器会话提供搜索术语并且聚合来自内容浏览器和至少一个附加内容浏览器会话的结果并且向用户显示经聚合的结果。
示例8是用于提供基于上下文的搜索的系统，包括：通信耦合到自然语言处理器模块和至少一个内容浏览器的上下文搜索引擎，其中上下文搜索引擎被配置成向自然语言处理器提供用户选择的搜索术语，并且向至少一个内容浏览器提供从自然语言处理器接收的关键词结果。所选搜索术语可以可选地选自电视节目、广播节目、流媒体和记录的媒体之一的闭路字幕文本。
示例9可以包括示例8的主题，并且当所选搜索术语选自闭路字幕测试时，使用遥控设备和辅计算设备之一来选择搜索术语。
示例10可以包括前述示例8-9中任一项的主题，包括或省略可选元素，并且进一步地其中自然语言处理器模块被配置成在识别提供给上下文搜索引擎的关键词结果中使用基于接近度的统计分析。
示例11可以包括示例10的主题，包括或省略可选元素，并且进一步地其中自然语言处理器模块被配置成在闭路字幕文本的可用部分内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内。
示例12可以包括前述示例8-11中任一项的主题，包括或省略可选元素，并且还包括通信耦合到自然语言处理器模块的机器学习模块，其中自然语言处理器模块被配置成在搜索术语的指定接近度内的文本的部分上执行基于接近度的统计分析，并且其中机器学习模块被配置成基于历史上下文信息动态调节文本部分的大小。
示例13可以包括前述示例8-12中任一项的主题，包括或省略可选元素，并且进一步地其中上下文搜索引擎被配置成提供来自内容浏览器的结果以供在电视和辅设备中的至少一个上显示。
示例14是用于上下文搜索的方法，包括：响应于媒体体验内的搜索术语的用户选择，通过上下文搜索引擎向自然语言处理器模块发送搜索术语；通过自然语言处理器模块扫描搜索术语的接近度内的内容，以及确定与搜索术语相关联的关键词；以及向至少一个内容浏览器提供关键词以供搜索。
示例15可以包括示例14的主题，并且还包括：向用户显示通过至少一个内容浏览器的搜索的结果。
示例16可以包括前述示例14-15中任一项的主题，包括或省略可选元素，并且进一步地其中搜索术语选自对用户设备而言可访问的电子文档和对应于在观看设备上可得到的电视节目、广播节目、流媒体和记录的媒体之一的闭路字幕文本中的一个。
示例17可以包括前述示例14-16中任一项的主题，包括或省略可选元素，并且进一步地其中搜索的结果在用户设备和辅用户设备之一上显示。
示例18可以包括前述示例14-17中任一项的主题，包括或省略可选元素，并且还包括：通过自然语言处理器模块识别提供给上下文搜索引擎的关键词，其中所述识别使用基于接近度的统计分析。基于接近度的统计分析可以可选地在媒体体验内的文本的部分上执行，其中文本的所述部分在搜索术语的指定接近度内，并且可选地，通过机器学习模块动态调节数据部分的大小，其中调节是基于历史上下文信息的。
示例19可以包括前述示例14-18中任一项的主题，包括或省略可选元素，并且还包括：在媒体体验内的文本的部分上执行基于接近度的统计分析，其中文本的所述部分在搜索术语的指定接近度内；以及通过机器学习模块动态地调节数据部分的大小，其中调节是基于历史上下文信息的。
示例20可以包括前述示例14-19中任一项的主题，包括或省略可选元素，并且还包括：向至少一个附加内容浏览器会话提供搜索术语并且聚合来自内容浏览器和至少一个附加内容浏览器会话的结果；以及向用户显示经聚合的结果。
示例21是其上存储有指令的至少一个计算机可读介质或机器可访问介质，当所述指令在机器上运行时，将使机器执行在示例14-20中描述的方法中的任一个，包括或省略可选特征。
示例22是一种被配置有执行示例14-20中描述的步骤中的任一个的构件的用于上下文搜索的装置，包括或省略可选特征。
示例23是一种被配置成执行如示例14-20中描述的方法的用于上下文搜索的装置，包括或省略可选特征。
示例24是一种用于上下文搜索的装置，包括：响应于媒体体验内的搜索术语的用户选择，用于识别媒体体验中的搜索术语的构件；用于扫描搜索术语的接近度内的内容并且确定与搜索术语相关联的关键词的构件；以及用于向至少一个内容浏览器提供关键词以供搜索的构件。
示例25可以包括示例24的主题，并且还包括：用于向用户显示搜索结果的构件。
示例26可以包括示例24-25中任一项的主题，包括或省略可选元素，其中搜索术语选自对用户设备而言可访问的电子文档和对应于在观看设备上可得到的电视节目、广播节目、流媒体和记录的媒体之一的闭路字幕文本中的一个。
示例27可以包括示例24-26中任一项的主题，包括或省略可选元素，其中搜索的结果在用户设备和辅用户设备之一上显示。
示例28可以包括示例24-27中任一项的主题，包括或省略可选元素，其中用于识别媒体体验中的搜索术语的构件利用基于接近度的统计分析。可选地，示例28可以包括用于在媒体体验内的文本的部分上执行基于接近度的统计分析的构件，其中文本的所述部分在搜索术语的指定接近度内。
示例29可以包括示例24-28中任一项的主题，包括或省略可选元素，还包括：用于在媒体体验内的文本的部分上执行基于接近度的统计分析的构件，其中文本的所述部分在搜索术语的指定接近度内；以及用于动态地调节数据部分的大小的构件，其中调节是基于历史上下文信息的。
示例30可以包括示例24-29中任一项的主题，包括或省略可选元素，还包括：用于向至少一个附加内容浏览器会话提供搜索术语并且聚合来自内容浏览器和至少一个附加内容浏览器会话的结果的构件；以及用于向用户显示经聚合的结果的构件。
本文所描述的技术不限于任何特定硬件或软件配置；它们可以在任何计算、消费电子产品或处理环境中找到可应用性。技术可以以硬件、软件、固件或组合来实现。
可以以最有助于理解所要求保护的主题的方式来将各种操作描述为相继的多个分立行动或操作。然而，描述的次序不应当被解释为暗示这些操作必然是次序相关的。特别地，这些操作可以不以呈现的次序执行。所描述的操作可以以不同于所描述的实施例的次序来执行。可以执行各种附加操作和/或可以在附加实施例中省略所描述的操作。
为了模拟，程序代码可以使用硬件描述语言或本质上提供所设计的硬件预期如何执行的模型的另一功能描述语言来表示硬件。程序代码可以是汇编或机器语言，或者可以提前或者在运行期间被编译和/或解释的数据。另外，在本领域中，以某种方式将软件说成是采取行动或导致结果是常见的。这样的表述仅仅是陈述使处理器执行行动或产生结果的处理系统对程序代码的执行的简略方式。
每一个程序可以以高级面向过程或对象的编程语言实现以与处理系统通信。然而，如果期望的话，程序可以以汇编或机器语言实现。在任何情况中，可以编译或解释语言。
程序指令可以被用于使利用指令编程的通用或专用处理系统执行本文所描述的操作。可替换地，可以由特定硬件组件执行操作，所述特定硬件组件包含用于执行操作的硬连线逻辑，或者由编程的计算机组件和定制硬件组件的任何组合来执行操作。本文所描述的方法可以被提供为计算机程序产品，其可以包括其上存储有可以用于对处理系统或其它电子设备进行编程以执行方法的指令的机器可访问（也称为计算机可读）介质。虽然机器可访问介质可以被说明为单个介质，但是术语“机器可访问介质”或“计算机可读介质”可以包括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和服务器），其被配置成存储一个或多个指令。程序代码或指令可以存储在例如易失性和/或非易失性存储器中，诸如存储设备和/或相关联的机器可读或机器可访问介质，包括固态存储器、硬驱动器、软盘、光学存储装置、磁带、闪速存储器、存储器条、数字视频盘、数字多功能盘（DVD）等，以及诸如机器可访问生物状态保留存储装置之类的更外来的介质。机器可访问介质可以包括用于以机器可读的形式存储、发射或接收信息的任何机制，并且介质可以包括电学、光学、声学或其它形式的传播信号或编码程序代码的载波可以通过其传递的有形介质，诸如天线、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射，并且可以以压缩或加密的格式使用。
程序代码可以在可编程机器上运行的程序中实现，可编程机器诸如移动或静止计算机、平板、膝上型计算机、台式计算机或混合物、个人数字助理、机顶盒、蜂窝电话和传呼机、消费电子设备（包括DVD播放器、个人录像机、个人视频播放器、卫星接收器、立体声接收器、有线TV接收器）以及其它电子设备，其每一个都包括处理器、由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。可以将程序代码应用于使用输入设备录入的数据以执行所描述的实施例和生成输出信息。可以将输出信息应用于一个或多个输出设备。本领域普通技术人员可以理解，所公开的主题的实施例可以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、微计算机、主机计算机以及实际可以嵌入任何设备中的普遍的或微型计算机或处理器。所公开的主题的实施例还可以在分布式计算环境、云服务或自组织对等网络中实践，其中其任务或部分可以由通过通信网络链接的远程处理设备来执行。
尽管操作可以被描述为顺序过程，但是一些操作事实上可以并行地执行、同时地执行和/或在分布式环境中执行，并且可以利用本地和/或远程地存储以供单个或多处理器机器访问的程序代码来执行。此外，在一些实施例中，可以在不脱离于所公开的主题的精神的情况下重新布置操作的次序。程序代码可以被嵌入式控制器使用或与其结合。
在本文档中，如在专利文献中常见的那样使用术语“一”或“一个”以包括一个或多于一个，其独立于“至少一个”或“一个或多个”的任何其它实例或使用。在本文档中，术语“或者”被用于指非排他性的或者，使得“A或者B”包括“A而不是B”、“B而不是A”和“A和B”，除非另行指示。在随附权利要求中，术语“包含”和“在其中”被用作相应术语“包括”和“其中”的简明英语等同物。同样，在以下权利要求中，术语“包含”和“包括”是开放式的，也就是说，包括除在权利要求中的这样的术语之后列举的那些之外的元件的系统、设备、制品或过程仍旧被认为落在该权利要求的范围内。而且，在以下权利要求中，术语“第一”、“第二”和“第三”等仅仅被用作标记，并且不意图在其对象上强加数字要求。
虽然已参考说明性实施例和示例描述了本文中的主题，但是该描述不意在以限制性的含义来理解。说明性实施例的各种修改以及对于本领域技术人员而言显而易见的其它实施例被认为处于随附权利要求的范围内。
以上描述意在为说明性而非限制性的。例如，以上描述的示例（或其一个或多个方面）可以与彼此结合使用。其它实施例可以诸如由本领域普通技术人员之一在回顾以上描述时使用。遵照37 C.F.R.§1.72（b）而提供摘要以允许读者快速确认技术公开的实质。基于以下理解而提交摘要：它将不被用于解释或限制权利要求的范围或含义。此外，在以上的具体实施方式中，各种特征可以一起成组以精简本公开。这不应当被解释为未要求保护的公开特征对于任何权利要求是关键的这一意图。而是，发明主题可以在于少于特定公开实施例的所有特征。因此下述权利要求由此并入到具体实施方式中，其中每一个权利要求独立作为单独的实施例。参考随附权利要求连同这样的权利要求被授权的等同物的完整范围来确定所要求保护的主题的范围。