本月早些时候授予的一项专利告诉我们谷歌如何使用机器学习来识别网络文档中的观点。 将文档部分分类为意见或非意见的机器学习模型。 更详细地说，该专利涉及使用一个或多个机器学习模型将文档部分分类为意见或非意见的系统和方法。
因此，分类为意见的部分可以在信息显示中发挥作用。 该专利的描 卡塔尔电话号码数据 述首先告诉我们“计算系统理解文档中包含的内容（例如文本内容）是一个具有挑战性的问题。它指出，在专业新闻领域尤其如此，该领域的文章通常是用高质量的语言和语法撰写的。
而且计算系统很难理解这些新闻文章的实际内容。所以这个新专利告诉我们它正在关注新闻信息。 它还告诉我们，确定一篇文章与其他文章的比较是困难的，而其他记者撰写的相关新闻文章则是一项更具挑战性的任务。
热门故事专利并没有真正告诉我们它如何选择一篇文章而不是另一篇文章来显示在轮播中，所以这是很好的了解更多。 相互比较文档的挑战 我们知道，生产系统几乎只能根据浅层内容信号（例如显着术语和实体等）和/或元数据（例如，发布者的重要性，当内容出现时（例如，相对于其他文章）、文章之间的引用（例如，链接）等）。
该专利指出了几个问题，告诉我们此类生产系统通常不依赖于对文章本身实际内容的细致理解。 该解决方案涉及许多与文档内容的计算机化理解相关的研究领域，以及在主观性检测中尝试识别主观文本的研究领域。 这些类型的主观性检测技术通常会使用词典或使用词典训练的模型。不幸的是，这样的词典的使用本质上是有限制的。