家譜網(wǎng)愛好者可能認為在Ancestry網(wǎng)上通過人口普查記錄、出生證明和其他文件來尋找親屬的信息這件事很有趣。當向朋友和親屬來炫耀自己的個人記錄時，就顯得不那么有說服力了，而且講述一個祖先的社會檔案并不簡單。

Ancestry.com服務幕后的人已經(jīng)意識到了這一點。現(xiàn)在，他們正在最大限度的利用其4PB的數(shù)據(jù)庫(包括官方的個人記錄，用戶提交的信息和其它有新特征的數(shù)據(jù))，為用戶提供由計算機生成但是可編輯的祖先信息摘要。

Ancestry網(wǎng)推出的這項服務名為Story View，本季度早些時候只針對一小部分客戶，現(xiàn)在10%的客戶都可以享受這一服務了。該公司的產(chǎn)品執(zhí)行副總裁Eric Shoup在最近一次采訪中表示，他們計劃在正式發(fā)布Story View功能前，將對比Stroy View功能使用前后的情況，以進一步完善Story View。通過允許用戶圍繞一個單頁的文檔圖像以及編輯文件中的文本部分，Ancestry已經(jīng)增強了這項功能的互動性。

它是如何工作的

Story View功能基于一個比較成熟的工具，該工具可以對親屬數(shù)據(jù)包括一些手寫的記錄進行數(shù)據(jù)挖掘。但是有時只有關(guān)鍵字段，如姓名和居住地。客戶可以訪問手寫記錄，定位到一個親屬被描述的位置，查看未被處理的數(shù)據(jù)，比如那個人的職業(yè)。

通過逐步指導"keyers"解析手寫記錄，并將記錄轉(zhuǎn)換為可搜索的文本，Ancestry正在試圖通過手寫記錄獲取更多信息。街道地址已經(jīng)通過這種方式添加進去，其它的字段以后也會添加。同時，由于Ancestry在不斷擴充其資料庫，社會檔案也會有更多的來源。

為了從多個文檔中提取信息生成一個段落總結(jié)，Ancestry求助于Narrative Science，該公司成立于2010年，專注于使用機器生成可讀的拷貝(傳說中會讓我們小編都失業(yè)的技術(shù))。早期應用于體育賽事的報道和上市公司的收益報告，現(xiàn)在Narrative Science技術(shù)被更多的用于個人信息處理。

Ancestry敘事(narrative)和內(nèi)容(context)服務團隊的首席開發(fā)人員Reed McGrew說，當Ancestry第一次采用Narrative Science技術(shù)時，只能分批地產(chǎn)生數(shù)據(jù)。它們會生成大量的財務報告，這并不是我們試圖提供的，因為這種批處理確實很慢。

幾個月內(nèi)，Narrative Science開發(fā)了一個新的API，這個API可以在更精細的水平上工作。McGrew說：“它們基于單個用戶生成社會檔案”。

Ancestry精于處理家譜信息，該公司的編輯提供編輯的標準，或“規(guī)則”，規(guī)定了narratives收發(fā)數(shù)據(jù)的格式。McGrew解釋了Ancestry標準：“比如遇到孩子只比母親小10歲的記錄，這更像是輸入錯誤，雖然現(xiàn)實情況中也會發(fā)生，但多數(shù)情況下不會，所以我們會把這條記錄當成錯誤的來處理”。

包含Shoup某個親屬信息的記錄

在Story View中，一個祖先的圖片和生活摘要下面是一個縮放的文檔圖片，而不是結(jié)構(gòu)化文本的離散字段。圖片的旁邊，Ancestry會提供從文檔信息中生成的導語。一旦Ancestry發(fā)現(xiàn)所有的記錄都和一個人有關(guān)，就會根據(jù)Ancestry的編輯規(guī)則選擇出特定的事實組裝成完整的句子。一旦基于文檔的導語顯示在瀏覽器中，用戶就可以在共享前編輯和保存它們。

很難共享

Ancestry的CIO Scott Sorenson說，我們面臨的挑戰(zhàn)并不在于創(chuàng)建和存儲用戶的新數(shù)據(jù)和網(wǎng)頁。存儲會變得越來越便宜，精確的手寫記錄處理也不是問題。通常keyers都在中國找，中國的字符集比我們的字母表要大很多，他們很擅長鍵入這些記錄。

真正困難的部分是確保服務的高可用性，數(shù)以百萬的用戶提供正確的文檔和文本，并確保網(wǎng)站流量高峰時不致崩潰，但是Story View的目標之一是讓更多的人瀏覽網(wǎng)站內(nèi)容并最終注冊。