PERSONALIZED TEXT SUGGESTIONS

In an embodiment, a computer-implemented method can receive electronic digital data representing a first text sequence comprising a plurality of source text units in a first language for a particular user account. The method can evaluate the first text sequence using a machine-learning model to gene...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: MERTENS, Timo, YERMILOV, Yaroslav, CHERNODUB, Artem, GUBIN, Maxim, HAN, Lu, TRINH, Hai-Anh
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page
container_issue
container_start_page
container_title
container_volume
creator MERTENS, Timo
YERMILOV, Yaroslav
CHERNODUB, Artem
GUBIN, Maxim
HAN, Lu
TRINH, Hai-Anh
description In an embodiment, a computer-implemented method can receive electronic digital data representing a first text sequence comprising a plurality of source text units in a first language for a particular user account. The method can evaluate the first text sequence using a machine-learning model to generate a plurality of output suggestions based on a second dataset that comprises one or more corrected source text units corresponding to the plurality of source text units of the first text sequence. The method can use a second machine learning model and the plurality of output suggestions to generate a score corresponding to each of the plurality of output suggestions. The method can display a graphical control element indicative of the plurality of output suggestions which have a score value above a predetermined threshold. The method can modify the first text sequence to display a second text sequence in the first language. Dans un mode de réalisation, un procédé mis en œuvre par ordinateur peut recevoir des données numériques électroniques représentant une première séquence de texte comprenant une pluralité d'unités de texte source dans une première langue pour un compte d'utilisateur particulier. Le procédé peut évaluer la première séquence de texte à l'aide d'un modèle d'apprentissage automatique pour générer une pluralité de suggestions de sortie sur la base d'un deuxième ensemble de données qui comprend une ou plusieurs unités de texte source corrigées correspondant à la pluralité d'unités de texte source de la première séquence de texte. Le procédé peut utiliser un deuxième modèle d'apprentissage automatique et la pluralité de suggestions de sortie pour générer un score correspondant à chacune de la pluralité de suggestions de sortie. Le procédé peut afficher un élément de commande graphique indiquant la pluralité de suggestions de sortie qui ont une valeur de score supérieure à un seuil prédéterminé. Le procédé peut modifier la première séquence de texte pour afficher une deuxième séquence de texte dans la première langue.
format Patent
fullrecord <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2023225264A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2023225264A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2023225264A13</originalsourceid><addsrcrecordid>eNrjZJANcA0K9vdz9PGMcnVRCHGNCFEIDnV3dw0O8fT3C-ZhYE1LzClO5YXS3AzKbq4hzh66qQX58anFBYnJqXmpJfHh_kYGRsZGRqZGZiaOhsbEqQIAP8giXA</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>PERSONALIZED TEXT SUGGESTIONS</title><source>esp@cenet</source><creator>MERTENS, Timo ; YERMILOV, Yaroslav ; CHERNODUB, Artem ; GUBIN, Maxim ; HAN, Lu ; TRINH, Hai-Anh</creator><creatorcontrib>MERTENS, Timo ; YERMILOV, Yaroslav ; CHERNODUB, Artem ; GUBIN, Maxim ; HAN, Lu ; TRINH, Hai-Anh</creatorcontrib><description>In an embodiment, a computer-implemented method can receive electronic digital data representing a first text sequence comprising a plurality of source text units in a first language for a particular user account. The method can evaluate the first text sequence using a machine-learning model to generate a plurality of output suggestions based on a second dataset that comprises one or more corrected source text units corresponding to the plurality of source text units of the first text sequence. The method can use a second machine learning model and the plurality of output suggestions to generate a score corresponding to each of the plurality of output suggestions. The method can display a graphical control element indicative of the plurality of output suggestions which have a score value above a predetermined threshold. The method can modify the first text sequence to display a second text sequence in the first language. Dans un mode de réalisation, un procédé mis en œuvre par ordinateur peut recevoir des données numériques électroniques représentant une première séquence de texte comprenant une pluralité d'unités de texte source dans une première langue pour un compte d'utilisateur particulier. Le procédé peut évaluer la première séquence de texte à l'aide d'un modèle d'apprentissage automatique pour générer une pluralité de suggestions de sortie sur la base d'un deuxième ensemble de données qui comprend une ou plusieurs unités de texte source corrigées correspondant à la pluralité d'unités de texte source de la première séquence de texte. Le procédé peut utiliser un deuxième modèle d'apprentissage automatique et la pluralité de suggestions de sortie pour générer un score correspondant à chacune de la pluralité de suggestions de sortie. Le procédé peut afficher un élément de commande graphique indiquant la pluralité de suggestions de sortie qui ont une valeur de score supérieure à un seuil prédéterminé. Le procédé peut modifier la première séquence de texte pour afficher une deuxième séquence de texte dans la première langue.</description><language>eng ; fre</language><subject>CALCULATING ; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS ; COMPUTING ; COUNTING ; ELECTRIC DIGITAL DATA PROCESSING ; PHYSICS</subject><creationdate>2023</creationdate><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20231123&amp;DB=EPODOC&amp;CC=WO&amp;NR=2023225264A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,776,881,25544,76293</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20231123&amp;DB=EPODOC&amp;CC=WO&amp;NR=2023225264A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>MERTENS, Timo</creatorcontrib><creatorcontrib>YERMILOV, Yaroslav</creatorcontrib><creatorcontrib>CHERNODUB, Artem</creatorcontrib><creatorcontrib>GUBIN, Maxim</creatorcontrib><creatorcontrib>HAN, Lu</creatorcontrib><creatorcontrib>TRINH, Hai-Anh</creatorcontrib><title>PERSONALIZED TEXT SUGGESTIONS</title><description>In an embodiment, a computer-implemented method can receive electronic digital data representing a first text sequence comprising a plurality of source text units in a first language for a particular user account. The method can evaluate the first text sequence using a machine-learning model to generate a plurality of output suggestions based on a second dataset that comprises one or more corrected source text units corresponding to the plurality of source text units of the first text sequence. The method can use a second machine learning model and the plurality of output suggestions to generate a score corresponding to each of the plurality of output suggestions. The method can display a graphical control element indicative of the plurality of output suggestions which have a score value above a predetermined threshold. The method can modify the first text sequence to display a second text sequence in the first language. Dans un mode de réalisation, un procédé mis en œuvre par ordinateur peut recevoir des données numériques électroniques représentant une première séquence de texte comprenant une pluralité d'unités de texte source dans une première langue pour un compte d'utilisateur particulier. Le procédé peut évaluer la première séquence de texte à l'aide d'un modèle d'apprentissage automatique pour générer une pluralité de suggestions de sortie sur la base d'un deuxième ensemble de données qui comprend une ou plusieurs unités de texte source corrigées correspondant à la pluralité d'unités de texte source de la première séquence de texte. Le procédé peut utiliser un deuxième modèle d'apprentissage automatique et la pluralité de suggestions de sortie pour générer un score correspondant à chacune de la pluralité de suggestions de sortie. Le procédé peut afficher un élément de commande graphique indiquant la pluralité de suggestions de sortie qui ont une valeur de score supérieure à un seuil prédéterminé. Le procédé peut modifier la première séquence de texte pour afficher une deuxième séquence de texte dans la première langue.</description><subject>CALCULATING</subject><subject>COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS</subject><subject>COMPUTING</subject><subject>COUNTING</subject><subject>ELECTRIC DIGITAL DATA PROCESSING</subject><subject>PHYSICS</subject><fulltext>true</fulltext><rsrctype>patent</rsrctype><creationdate>2023</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNrjZJANcA0K9vdz9PGMcnVRCHGNCFEIDnV3dw0O8fT3C-ZhYE1LzClO5YXS3AzKbq4hzh66qQX58anFBYnJqXmpJfHh_kYGRsZGRqZGZiaOhsbEqQIAP8giXA</recordid><startdate>20231123</startdate><enddate>20231123</enddate><creator>MERTENS, Timo</creator><creator>YERMILOV, Yaroslav</creator><creator>CHERNODUB, Artem</creator><creator>GUBIN, Maxim</creator><creator>HAN, Lu</creator><creator>TRINH, Hai-Anh</creator><scope>EVB</scope></search><sort><creationdate>20231123</creationdate><title>PERSONALIZED TEXT SUGGESTIONS</title><author>MERTENS, Timo ; YERMILOV, Yaroslav ; CHERNODUB, Artem ; GUBIN, Maxim ; HAN, Lu ; TRINH, Hai-Anh</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2023225264A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre</language><creationdate>2023</creationdate><topic>CALCULATING</topic><topic>COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS</topic><topic>COMPUTING</topic><topic>COUNTING</topic><topic>ELECTRIC DIGITAL DATA PROCESSING</topic><topic>PHYSICS</topic><toplevel>online_resources</toplevel><creatorcontrib>MERTENS, Timo</creatorcontrib><creatorcontrib>YERMILOV, Yaroslav</creatorcontrib><creatorcontrib>CHERNODUB, Artem</creatorcontrib><creatorcontrib>GUBIN, Maxim</creatorcontrib><creatorcontrib>HAN, Lu</creatorcontrib><creatorcontrib>TRINH, Hai-Anh</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>MERTENS, Timo</au><au>YERMILOV, Yaroslav</au><au>CHERNODUB, Artem</au><au>GUBIN, Maxim</au><au>HAN, Lu</au><au>TRINH, Hai-Anh</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>PERSONALIZED TEXT SUGGESTIONS</title><date>2023-11-23</date><risdate>2023</risdate><abstract>In an embodiment, a computer-implemented method can receive electronic digital data representing a first text sequence comprising a plurality of source text units in a first language for a particular user account. The method can evaluate the first text sequence using a machine-learning model to generate a plurality of output suggestions based on a second dataset that comprises one or more corrected source text units corresponding to the plurality of source text units of the first text sequence. The method can use a second machine learning model and the plurality of output suggestions to generate a score corresponding to each of the plurality of output suggestions. The method can display a graphical control element indicative of the plurality of output suggestions which have a score value above a predetermined threshold. The method can modify the first text sequence to display a second text sequence in the first language. Dans un mode de réalisation, un procédé mis en œuvre par ordinateur peut recevoir des données numériques électroniques représentant une première séquence de texte comprenant une pluralité d'unités de texte source dans une première langue pour un compte d'utilisateur particulier. Le procédé peut évaluer la première séquence de texte à l'aide d'un modèle d'apprentissage automatique pour générer une pluralité de suggestions de sortie sur la base d'un deuxième ensemble de données qui comprend une ou plusieurs unités de texte source corrigées correspondant à la pluralité d'unités de texte source de la première séquence de texte. Le procédé peut utiliser un deuxième modèle d'apprentissage automatique et la pluralité de suggestions de sortie pour générer un score correspondant à chacune de la pluralité de suggestions de sortie. Le procédé peut afficher un élément de commande graphique indiquant la pluralité de suggestions de sortie qui ont une valeur de score supérieure à un seuil prédéterminé. Le procédé peut modifier la première séquence de texte pour afficher une deuxième séquence de texte dans la première langue.</abstract><oa>free_for_read</oa></addata></record>
fulltext fulltext_linktorsrc
identifier
ispartof
issn
language eng ; fre
recordid cdi_epo_espacenet_WO2023225264A1
source esp@cenet
subjects CALCULATING
COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
COMPUTING
COUNTING
ELECTRIC DIGITAL DATA PROCESSING
PHYSICS
title PERSONALIZED TEXT SUGGESTIONS
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-28T00%3A57%3A48IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-epo_EVB&rft_val_fmt=info:ofi/fmt:kev:mtx:patent&rft.genre=patent&rft.au=MERTENS,%20Timo&rft.date=2023-11-23&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2023225264A1%3C/epo_EVB%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true