根据主题和/或主要实体进行识别、分组和输出的过程可能如下所示：
该过程从对实体/主题的搜索查询开始。系统识别与主要实体相关的第一组实体。 （例如媒体资产名称、演员名称、地点名称、事件名称和/或任何其他适当名称）、主题（例如兴趣、爱好和/或任何其他适当类型的主题）和/或任 line数据库 何其他适当类型的实体。在上述超级英雄的例子中，它还可以是该角色出现的书籍的名称、描绘该虚构角色的电影和/或电视节目的名称、虚构角色的创作者的姓名、在电视节目和/或电影中描绘该角色的演员的姓名、与虚构角色相关的其他角色的名称......
通过用户行为来识别关系
如前所述，可以包括用户信号来识别主要实体和相关次要实体之间的关系。这样的用户信号可以是搜索查询中所谓的共现。如果詹姆斯邦德经常与某些主题或实体一起被搜索，则表明应该在问题中考虑这些次要实体/主题。
在詹姆斯邦德的例子中，这可能是实体类型电影、预告片、演员等的内容。
这些与实体相关的用户交互可以被历史存储，直到记录下统计有效数量的关系模式。某种用户行为模式出现的频率越高，实体与主题的关系就越相关。
有关詹姆斯邦德与电影或演员相关的搜索频率越高，这些实体类型对于主要话题或主要实体来说就越重要。