Registri domain mematenkan cara yang lebih baik untuk memilih awalan dan akhiran untuk saran domain.
Kantor Paten dan Merek Dagang AS telah memberikan nomor paten 11.468.336 (pdf) kepada Verisign (NASDAQ: VRSN) untuk Sistem, perangkat, dan metode untuk saran nama domain berbasis afiks yang ditingkatkan.
Sebuah imbuhan adalah sebuah awalan atau akhiran, jadi Verisign telah mematenkan cara yang lebih baik untuk menempelkan awalan dan akhiran yang relevan pada kata-kata untuk menyarankan nama domain.
Ada banyak pemintal nama yang menambahkan imbuhan ke nama domain, tetapi paten menyatakan, “sistem saran nama domain saat ini mungkin mendasarkan saran pada kemunculan afiks dengan string input dalam set pelatihan (misalnya, menggunakan perkiraan kemungkinan maksimum berdasarkan kemunculan urutan), dan tidak dapat dan/atau mengalami kesulitan dalam menetapkan nilai untuk afiks yang tidak muncul dengan string input dalam set pelatihan.
Sedikit lebih teknis, inilah cara Verisign menguraikan kebaruan penemuannya:
Memilih afiks yang sesuai adalah tugas teknis yang kompleks yang melibatkan penggunaan pemrosesan bahasa alami (NLP) untuk menentukan afiks yang sesuai secara semantik dan sintaksis berdasarkan string input.
Model bahasa tradisional sangat bergantung pada contoh dalam set pelatihan untuk menetapkan nilai ke afiks relatif terhadap string input. Sebagai contoh, suatu nilai dapat diberikan pada sebuah afiks dengan membagi jumlah kemunculan string input dengan affix dalam set pelatihan dengan jumlah total kemunculan string input dalam set pelatihan (misalnya, perkiraan kemungkinan maksimum). Namun, karena model bahasa tradisional tidak memiliki kemampuan teknis untuk memuluskan model bahasa, sistem mungkin tidak dapat menentukan nilai jika tidak ada kemunculan string input dengan afiks di set pelatihan.
Oleh karena itu, dalam beberapa perwujudan, sistem saran nama domain dapat dikonfigurasi untuk menggunakan model bahasa jaringan saraf (misalnya, model bahasa jaringan saraf umpan-maju) dengan satu atau beberapa lapisan tersembunyi non-linear atau model bahasa log-linear yang mempelajari representasi terdistribusi terus menerus dari kata-kata dan ekspresi multi-kata. Dengan demikian, sistem saran nama domain tersebut memiliki kemampuan teknis untuk memproses set pelatihan secara efisien untuk menghasilkan model bahasa yang halus dan mengembalikan hasil yang lebih akurat. Oleh karena itu, penggunaan model bahasa jaringan saraf dengan satu atau lebih beberapa lapisan tersembunyi non-linear atau model bahasa log-linear adalah perbaikan teknis untuk operasi sistem saran nama domain.
Selain itu, menggunakan model bahasa yang dihaluskan memungkinkan penggunaan file zona sistem nama domain (DNS) sebagai set pelatihan. File zona berguna sebagai set pelatihan untuk saran nama domain karena file zona berisi nama domain yang sudah terdaftar, yang dapat menjadi indikasi efektif dari semantik dan sintaks nama domain yang diinginkan.
Namun, file zona mungkin hanya menyertakan nama domain terdaftar, dan sistem saran nama domain harus menyarankan nama domain yang tidak terdaftar. Dengan demikian, nilai dapat ditetapkan ke kombinasi string afiks/input yang tidak muncul di file zona. Jadi, tanpa menggunakan model bahasa yang halus, mungkin sulit untuk menetapkan nilai pada kombinasi string affix/input karena mungkin tidak ada kemunculan kombinasi string affix/input di file zona.
Oleh karena itu, sistem saran nama domain yang menggunakan model bahasa jaringan saraf dengan satu atau beberapa lapisan tersembunyi non-linear atau model bahasa log-linear yang mempelajari representasi kata dan ekspresi multi-kata secara terus-menerus (model bahasa yang dihaluskan) memungkinkan penggunaan file zona meskipun jumlah konteks yang disediakan file zona sangat rendah.
Saya mengerti mengapa, untuk tujuan pemasaran, perusahaan biasanya hanya mengatakan bahwa mereka telah menerapkan AI untuk membuat segalanya lebih baik.
Verisign mengajukan paten pada tahun 2016, dan diberikan hari ini.
Perusahaan telah mematenkan aspek lain dalam menyarankan nama domain yang relevan kepada pengguna.
