未認識および新たなユーザのための改善したユーザ経験

著者らは特許

G06F17/30 - 情報検索;そのためのデータベース構造

の所有者の特許 JP2016517579:

グーグル インコーポレイテッド

 

システムは、属性に対してユーザをマッピングする表を記憶して、ソースドメインと関連付けられた製品に対してユーザをマッピングする第2の表を記憶する。システムは、属性のそれぞれについて1組の上位スコアの製品を決定して、上位スコアの製品を使用して、ソースドメインと区別されるターゲットドメインにおける活動を予測するモデルを生成する。システムは、ターゲットドメインにアクセスする特定のユーザからの行動を検出して、行動の検出に応答して、モデルに基づいて特定のユーザについての個別予測を生じる。
【選択図】図5

 

 

(関連出願の相互参照)
この出願は、2013年3月13日に出願され、「Tailoring User Experience for Unrecognized and New Users」と題された米国仮特許出願第61/780,141号に対する優先権を主張するとともに、その出願を継続するものであり、その仮出願の開示は、その全体が参照によって本明細書に組み込まれる。
この出願は、一般に、ユーザに推薦を提供することと、検索クエリに応答して検索結果を提供することとに関する。検索エンジンは、例えば1人以上のユーザから、検索クエリを受信して、そのクエリに応答する検索結果を返送する。別の例として、検索エンジンは、任意選択的に、コンピューティングリソースからクエリを受信することができ、検索結果を例えば別の検索エンジンのようなコンピューティングリソースに返送することができる。
例えば、検索エンジンは、検索クエリに応答するリソースを特定することができ、ドキュメントについての情報を有する検索結果を生じることができ、そのクエリに応答して検索結果を提供することができる。リソースの例は、リソース、例えばウェブページ、ビデオ、本、およびサウンドファイルなどを含む。他の種類の検索結果、例えば、ユーザによって提起された質問に対する直接的な回答、またはユーザのクエリに応答する情報の要約がまた、提供され得る。
システムは、類似したユーザの種類を特定することによって、ユーザであって、そのユーザについてシステムがオンラインの行動や興味の詳細な履歴がないユーザのためにカスタマイズされた経験を提供する。
1つの実施形態によれば、方法は、属性に対してユーザをマッピングする表を記憶することと、ソースドメインと関連付けられた製品に対してユーザをマッピングする第2の表を記憶することと、コンピュータシステムのプロセッサを使用して、属性のそれぞれについて1組の上位スコアの製品を決定することと、上位スコアの製品を使用して、ソースドメインと区別されるターゲットドメインにおける活動を予測するモデルを生成することと、ターゲットドメインにアクセスする特定のユーザからの行動を検出することと、行動を検出することに応答して、モデルに基づいて特定のユーザについての個別予測を生じることと、を含む。いくつかの実施形態において、ユーザが、ソースドメインとターゲットドメインの両方における活動をする。
実施形態は、以下の特徴のうちの1つ以上を、単独でまたは互いと組み合わせて、含み得る。方法は、特定のユーザが、ターゲットドメインにおける記録された行動をもたないことを決定することと、特定のユーザが、ソースドメインにおける記録された行動をもつことを決定することと、ソースドメインにおける記録された行動を使用して個別予測を生じることと、特定のユーザについての個別予測を提供することと、を含み得る。製品は、ビデオ、購入した製品、検索クエリ、または提案された活動のうちの少なくとも1つを含み得る。1組の上位スコアの製品は、予め決定された期間内に限定され得る。属性は、実態的人口統計、クラスタ、または実体を含み得る。モデルの生成が、オフラインで行われ得る。モデルの生成が、ターゲットドメインにおける活動の検出に応答し得る。
この態様の他の実施形態は、コンピュータストレージデバイス上に符号化された、方法の動作を行うように構成された、対応するシステム、装置、およびコンピュータプログラムを含む。
更に別の実施形態において、方法は、1組の一致する属性を有するユーザを決定することと、ソースドメインと関連付けられるとともにユーザのそれぞれによってアクセスされる1組の製品を記憶することと、1組の一致する属性の各属性に対応するサブセットの製品を決定することと、サブセットの製品を使用して、ソースドメインと区別されるターゲットドメインにおける活動を予測するモデルを生成することと、特定のユーザが、ソースドメインにおける記録された行動をもたないことを決定することと、特定のユーザが、ソースドメインにおける記録された行動をもたないという決定に応答して、特定のユーザが、プロキシドメインにおける十分に記録された行動をもつことを決定することであって、プロキシドメインが、ソースドメインと区別されるとともにソースドメインと類似するプロパティを有する、決定することと、特定のユーザが、プロキシドメインにおける十分に記録された行動をもつという決定に応答して、モデルを使用して、プロキシドメインにおける十分に記録された行動に基づいて特定のユーザについての個別予測を生じることであって、特定のユーザについての個別予測が、ターゲットドメインにアクセスす間活動を行い特定のユーザに応答して生じられる、生じることと、を含む。
実施形態は、以下の特徴のうちの1つ以上を、単独でまたは互いと組み合わせて、含み得る。方法は、属性に対してユーザをマッピングする第1の暗号化されたデータストアにアクセスすることと、製品に対してユーザをマッピングする第2の暗号化されたデータストアにアクセスすることと、を含み得る。製品は、ビデオ、項目、検索クエリまたは提案された活動のうちの少なくとも1つを含み得る。モデルの生成が、オフラインで行われ得る。方法は、ターゲットドメインにおける活動の検出に応答して、モデルを生成することを含み得る。方法はまた、複数のドメインにおける行動からのデータを含む暗号化された表に基づいて、1組の一致する属性を有するユーザを決定することを含む。
この態様の他の実施形態は、コンピュータストレージデバイス上に符号化された、方法の動作を行うように構成された、対応するシステム、装置、およびコンピュータプログラムを含む。
本明細書に記載される主題の実施形態の1つ以上は、以下の利点のうちの1つ以上を提供し得る。個別コンテンツは、ユーザの興味を反映する。システムは、製品において、ユーザであって、それらのユーザについてシステムがオンライン行動や興味の詳細な履歴がないものの、それらのユーザについての詳細な情報が別の製品において存在する場合(ならびに例えばユーザがそのような情報の使用に同意した場合)、ユーザにカスタマイズされたおよび役立つ経験を提供する。
1つ以上の実施形態の詳細が、添付の図面および以下の記載に規定される。他の特徴は、記載や図面、および特許請求の範囲から明らかになるであろう。
システム例を例示する。
個別コンテンツを生じるように使用され得るシステム例である。
ユーザインターフェース例である。
個別予測を生じる方法例を例示するフローチャートである。
個別予測を生じる方法例を例示するフローチャートである。
本明細書に記載される技法を用いて使用され得る汎用コンピュータデバイスの例である。
本明細書に記載される技法を用いて使用され得る汎用コンピュータデバイスの例である。
個々の図面における同じ参照記号は、同じ要素を示す。
図1は、検索システム例102を例示する。検索システム102は、例えばネットワークを通して、通信する1以上のコンピュータ上に実装され得る。システムは、クライアントデバイス106からクエリ104を受信して、参照コンテンツからの抽出物を含む要約コンテンツを有する結果108を生じる。各クエリ104は、電子通信、例えば、電子メール、投稿、テキストメッセージ等である。クエリ104は、例えば、テキスト形式または他の形式、例えば、音声形式または画像形式であり得る。いくつかの実施形態において、クエリ104は、暗示的であり得、ユーザの同意を得てユーザについて集められた情報に基づき得る。例えば、システムは、ユーザの識別子、例えば地理的な位置などのユーザの状況、ならびに他のユーザデータ、またはユーザによる明示的クエリなどに基づいて、推薦を行い得る。
検索システム102およびクライアントデバイス106は、ネットワーク、例えば、イントラネットまたはインターネットを通して、通信することができる。検索システム102およびクライアントデバイス106は、2つの別個のデバイスとして示されるが、いくつかの実施形態では、検索システム102およびクライアントデバイス106は、同じデバイスでありうる。
検索システム102は、索引付けエンジン110およびランク付けエンジン112を含む。索引付けエンジン110は、検索システム102による使用のために索引114を保持する。索引付けエンジン110は、ドキュメントを処理して、例えば、従来または他の索引付け技法を使用して、索引114における索引エントリを更新する。
いくつかの実施形態において、検索システム102は、ユーザ興味データストア120を保持し得る。ユーザが、そのようなデータの使用に同意する場合には、ユーザ興味データストア120は、1つ以上の実体(「実体」は、人、場所、物事、または概念であり得る)、ウェブサイト、テキスト、検索クエリ、項目購入記録、視聴されるビデオ、再生される音楽、実態的人口統計データ、あるいは検索システム102によって使用され得る他のユーザ興味情報を含み得る。いくつかの実施形態において、ユーザ興味データストア120は、ユーザがそのようなデータの使用に同意する場合、ユーザによって、頻度によって、位置によって、および日付または時間によって、検索クエリを分類し得る。いくつかの実施形態において、ユーザ興味データストア120は、索引114の一部として含まれ得る。いくつかの実施形態において、ユーザ興味データストア120は、遠隔サーバに記憶され得る。
ランク付けエンジン112は、索引114を使用し得、例えば、従来のまたは他の情報取り出し技法を使用して、クエリ104に応答するドキュメントを特定する。ランク付けエンジン112は、例えば、1以上のランキング信号を使用して、クエリに応答するドキュメントについてのスコアを計算する。各信号は、ドキュメント自体、またはドキュメントとメッセージの関係についての情報を提供する。1つの信号例は、ドキュメントの全体的な質の測定値である。別の信号例は、クエリの語句がドキュメント内に発生する回数の測定値である。例えば、図2〜4に関して以下により詳細に記述されるように、ソースドメインにおける行動に基づく個別コンテンツの測定値などの他の信号がまた、使用され得る。ランク付けエンジン112は、スコアを使用して、応答性ドキュメントまたはドキュメントの部分をランク付ける。
検索システム102は、ランク付けエンジン112によって特定されたおよびスコア化されたドキュメントを使用して、結果108を生じる。結果108は、クエリ104に応答するドキュメントに対応する結果を含む。例えば、結果は、ドキュメントのタイトル、ドキュメントに対するリンク、およびクエリに応答するドキュメントからのコンテンツの要約を含むことができる。結果108の他の例は、クエリに応答する情報の要約を含む。要約は、クエリに応答するドキュメントからまたは他のソースから生じられ得る。結果108の更に他の例は、以下により詳細に記述されるように、個別コンテンツ、例えば、提案されたリンク、ビデオ、音楽、または製品などを含む。
本明細書で呼ばれる際、「製品」は、ビデオ、ウェブアプリケーション、独立型のアプリケーション、ウェブサイト、ゲーム、または任意のオンライン活動を含み得る。本明細書で呼ばれる「属性」は、例として、クラスタ(すなわち、ユーザのグループ)、実体、または実態的人口統計情報を含み得る。
本明細書に記載される際、「ドメイン」は、ユーザが、特定のシステム、例えばウェブサイトもしくはオンラインアプリケーション、例えばウェブアプリケーションなどにおいて相互作用することができる1組の動作、活動、またはデータであり得る。ドメインにおける活動または行動は、ユーザが活動もしくは行動と関連付けられたデータの使用に同意する場合において、例えば、検索クエリ、要求、ビデオ検索もしくは再生、音楽検索もしくは再生、(例えば、本、衣類、歌曲、ビデオ、または他の項目の)オンライン製品購入、メーリングリスト加入等を含み得る。
ソースドメインは、ウェブサイトであり得、ソースドメインにおける活動は、ウェブ検索行動を含み得る。ターゲットドメインは、別のウェブサイトであり得、システムは、ターゲットドメインのユーザのために提案された映画または音楽を提供し得る。簡易化した例として、ユーザは、ターゲットドメインにおいて「ビーチでの休暇」についてのクエリ104を入力し得る。検索システム102は、クエリ104を入力するユーザが、ターゲットドメインの新たなまたは未特定ユーザであること(例えば、ユーザが、ターゲットドメインにログインしていない、ユーザが、ターゲットドメインにおける前に記録された行動をもたない等)を決定し得る。システムはまた、ユーザが、例えば、図2〜5に関して以下により詳細に記載されるように、種々のデータストアを検索することによって、ソースドメインにおけるいくつかの行動をもつことを決定し得る。
図2に関して以下により詳細に記載されるモデルを使用して、検索システム102は、例えば、「属性xを有したユーザは、流行している製品(in−product)項目yを好む傾向がある」の形式で、推薦を行い得る。例えば、「クラスタXYZにおけるユーザは、技術ガジェットについてのビデオを好む傾向がある」または「実体ABCへの興味を有するユーザは、ベジタリアン向けの料理本を好む傾向がある」。上記2つの属性例(すなわち、興味のクラスタおよび実体)は、(ユーザの同意を得て)ユーザ興味データストア120内に記憶され得、そのデータストアは、複数のドメインにわたるユーザの活動の要約を含有し得る。
いくつかの実施形態において、システムは、ターゲットドメインにおける新たなユーザが、ソースドメインにおける記録された行動をもたないものの、プロキシドメイン(すなわち、ソースドメインと類似するプロパティを有するドメイン)から利用可能である十分な活動をしないことを決定し得る。例えば、プロキシドメインは、ユーザがユーザアカウントにログインされない、あるバージョンのターゲットドメインであるウェブサイトであり得る。システムは、プロキシドメインにおけるユーザの以前の行動に基づいて、個別予測を行い得る。例えば、ユーザが、そのようなデータの使用に同意した場合、ウェブ履歴を有効にさせたユーザについて、システムは、どのようにウェブページ訪問が、ビデオ検索または再生、音楽検索または再生、本購入、購入した製品等を予測するかというモデルを構築し得る。ログアウトされたユーザであって、その人の閲覧履歴が(例えば、ユーザがそのようなデータの使用に同意した場合、クッキーを使用して)知られるユーザについて、システムは、プロキシドメインにおいてログアウトした閲覧履歴を、それがターゲットドメインにおけるウェブ履歴にログインされたとして取り扱い得、そのモデルを使用して、訪問されたページに基づく推薦を行う。種々の実施形態において、複数のソースドメインまたはプロキシドメインが、1以上のターゲットドメインのために使用され得る。
システムは、図2に関して以下により詳細に記載されるモデルを利用し得、クエリ104に基づいて、関連するおよび個別結果108をユーザに提供する。システムは、それ故、他の(例えば、ログインされ、特定された)ユーザについての類似の情報に基づいて、類似のユーザの種類を特定することによって、カスタマイズされた経験をユーザに提供し得る。検索システム102によって生じられた結果108の他の例は、図2〜5に関して以下により詳細に記載される。
図2は、個別コンテンツを生じるために使用され得るシステム例である。システム200は、ソースドメインデータストア210、ターゲットドメインデータストア220、およびプロキシドメインデータストア240を含む。図2に示されるように、ソースドメインデータストア210は、1つ以上の(暗号化され得る)表、表212および表214を含み得る。システム200に示される例において、表212は、属性に対するユーザのマッピングを含む。例えば、表212に示されるように、ユーザU1は、属性A1およびA2に対してマッピングされて、ユーザU2は、属性A1およびA3に対してマッピングされて、ユーザU3は、属性A4およびA5に対してマッピングされる。
表214は、製品に対するユーザのマッピングを含む。例えば、表214に示されるように、ユーザU1は、製品P1およびP2に対してマッピングされて、ユーザU2は、製品P1およびP4に対してマッピングされて、ユーザU3は、属性P3およびP4に対してマッピングされる。製品は、予め決定された期間内の最近の活動、例えば先週に見たビデオまたは先月に購入した製品などに由来し得る。いくつかの実施形態において、複数の製品を有するユーザは、表214における複数の行を有し得る。種々の実施形態において、製品は、提案された活動、例えば、ユーザの地理的な位置に基づいて訪問することを提案されたレストランまたは店舗など、あるいは予約することを提案されたフライト、ホテル、または予約を含み得る。
表212および表214は、データストア、例えばソースドメインデータストア210などから読み取られ得る。
システム200は、例えば、検索システム102を使用して、ソースドメインデータストア210(例えば、表212および214)からのデータを少なくとも使用して、サブセットの製品216を生じ得る。例えば、システムは、(例えば、結合手順を使用して)表212および表214を組み合わせ得、各属性について1組の上位スコアの製品を含むサブセットの製品216を作り出す。 結合は、属性を有するユーザの数について、および、項目が、それがスコアを有し得る前に属性と関連付けられる回数について、最小の閾値を確保することによって、プライバシーの漏洩を防ぐように設計され得る。 例えば、1つの実施形態において、システムは、まず、表を結合し得る。システムは、何人のユーザが各属性を有するか、何人のユーザが各製品を有するか、および所与の属性を有する何人のユーザが、所与の製品を有するかを数え得る。システムは、クラスタ(すなわち、ユーザのグループ)における最小数のユーザよりも少ないことに適用できる属性をフィルタリングし(例えば、除き)得る。残りの属性について、最小回数よりも少なく現れる項目は放棄される。システムは、各属性について残りの項目をスコア化し得る。システムは、各属性について予め決定された数(例えば、200)の上位スコアの項目をランク付け得、項目(例えば、属性毎に1つの項目)を記録し得る。
システムは、サブセットの製品216を使用し得、特定のユーザが有する属性に基づいて、特定のユーザのための1組の推薦を生成する。そのような推薦は、動的に、例えば、ユーザがターゲットドメインにアクセスするときに、生じられ得る。いくつかの実施形態において、推薦は、オフラインで生じられ得る。
推薦を生成するために、システムは、サブセットの製品216からのデータを使用しておよびターゲットドメインデータストア220からの情報を使用して、モデル222を生じ得る。システムは、(例えば特定のクライアントのID空間における製品、例えばビデオに対してユーザをマッピングする)表214と表212(属性に対してユーザをマッピングする表)を組み合わせ得、各属性についての1組の上位スコアの製品を作り出す。
いくつかの実施形態において、ユーザが、同じ製品を有する複数の属性を有する場合、スコアを割り当てる異なる手法があり得る。1つの手法は、以下により詳細に記載されるように、全ての属性の中から最大スコアを選ぶことである。別の選択肢は、スコアの製品を取ることである。システムは、(例えば、ユーザ識別子に基づいて)各ユーザについて(ユーザの属性の全てにわたって)上位スコアの項目を選択し得る。生じられた表は、次いで、任意の供給基盤にロードされ得る。
システムは、モデル222を使用し得、特定のユーザについての個別予測230を生じる。システムは、オフラインで個別予測230を生じ得、いくつかの実施形態において、(例えば、ビデオウェブサイトホームページなどのターゲットドメインにおいて)特定のユーザについての1組の候補を予め計算する。いくつかの実施形態において、システムは、動的に、例えば、ターゲットドメイン、例えばオンラインアプリケーションストアなどにおけるクエリに応答して、個別予測230を生じ得る。
いくつかの実施形態において、システムは、特定のユーザが、(例えば、ソースドメインデータストア210を使用して)ソースドメインにおける記録された行動をもたないターゲットドメインにおける新たなユーザであることを決定し得る。そのような場合において、システムは、特定のユーザが、例えばプロキシドメインデータストア240を使用して、プロキシドメイン(ソースドメインに類似のプロパティを有するドメイン)における任意の(または十分に)記録された行動をもつかどうかを決定し得る。システムは、例えば、プロキシドメインデータストア240を使用して、プロキシドメインにおけるユーザの行動からのデータに基づいて、個別予測230を行い得る。いくつかの実施形態において、システムはまた、モデル222を利用し得、プロキシドメインデータストア240からのデータと共に個別予測を行う。
いくつかの実施形態において、ユーザがそのようなデータの使用に同意した場合に、システム(例えば、システム200)は、クラスタに対するユーザの割り当てを含む、ユーザの興味および属性の要約を記憶する。ユーザの興味は、種々の要因、例えば、検索活動、ビデオを見る活動、ユーザによって提供される実体、またはユーザの同意を得て取得される他の情報などに基づいて、決定され得る。ユーザは、単一モデルのインスタンスにおいて2以上のクラスタIDを割り当てられ得る。いくつかの実施形態において、システムの放棄は、予め決定された時間(例えば、1年)後に、モデルのインスタンスからの含有クラスタ割り当てを含む。システムは、予め決定された総数のクラスタに対するユーザの割り当てを周期的に計算し得る。
類似のユーザは、類似のコンテンツを好み得るので、システムは、ビデオ再生履歴に関してBenのようであるユーザが、一部のアーティストによる音楽を買う傾向があることを決定し得、それ故、システムは、Benのオンラインウェブストアのホームスクリーン上でそのアーティストを推薦し得る。
以下は、ユーザクラスタから導かれる推薦の実施形態例を含む。この例において、「属性」は、自動的に推定されたクラスタである。所与のドメインについて、システムは、ユーザを1以上のクラスタに割り当てることができる。そうするために、システムは、ユーザ履歴から導かれるいくつかの特徴空間において、K平均クラスタリングまたは任意の他の監督されていないクラスタリングアルゴリズムを使用し得、クラスタは、実態的人口統計等から推定され得る。重みなしの場合において、各ソースドメインsについて、関数fは、1組のドメインに特有のクラスタ識別子Cから引き出されるクラスタ識別子cに対してユーザuをマッピングする。

ソースドメインが、ユーザuについて知らない場合には、結果として生じる組は、空、すなわち、
であり得る。
モデリングのための1組の結果x∈Xを有するいくつかのターゲットドメインtについて、関数gは、そのユーザと関連付けられた1組の結果に対してユーザをマッピングする。これらの結果Xは、(ユーザがそのようなデータの使用に同意した場合において)ウェブサイト上でビデオを見ること、オンラインデジタルグッズストアにおいて購入した歌曲、またはユーザによって明示的に提供された興味でさえあり得る。

ユーザがターゲットドメインにおいて履歴を有さない場合、g(u)は空であり得る。
システムは、クラスタcにおける一般ユーザが項目xを有するという可能性を推定し得る。形式的に、これは、パラメータ{α(neg),α(pos)}を用いて前に非対称ベータから引き出されたベルヌーイランダム変数oc,x∈{0,1}を用いて表される。システムは、以下のMAP推定によって、oc,x=1である可能性を経験的に推定し得る。

この推定は、結果xを有すると観察されたクラスタcにおけるユーザの(疑似カウントで平滑化された)部分である。疑似カウント平滑化パラメータαは、結果xを有するクラスタcにおいて観察されたα(pos)(デフォルト=1)ユーザとその結果xを有さないα(neg)(デフォルト=50)ユーザがいることに等しい。平滑化は、非常に小さいクラスタの影響を抑制する。
いくつかの状況において、例えば、オンラインデジタルグッズストア上の音楽などに関して、最も人気がある項目は、それらが、全クラスタにわたって大半を占め得るほど人気があり得る。結果として、システムは、非常に人気がある推薦の重みを落とし得、各クラスタについて上位の推薦における多様性を促進する。
システムは、所与のユーザuのための項目を推薦し得る。システムは、ユーザが1組のクラスタf(u)内にいるとすると、ユーザが、Xにおけるそれぞれの所与の項目を有する可能性がどれくらいであるかを決定する。そのような例において、ユーザはソースドメインにおいてクラスタに割り当てられるためにソースドメインにおける十分なデータを有し得る。他の場合において、システムは、プロキシドメインにおけるデータに基づいて、クラスタを割り当て得る。ユーザが所与の項目を有するべきである可能性は、ユーザが、ユーザがその項目を有する傾向がある任意のクラスタにいる場合に、高いであろう。例えば、ユーザが、ゴルファーおよびギタリストのクラスタにいる場合、システムは、そのクラスタ(ゴルファーまたはギタリスト)におけるどちらかの種のユーザの間で人気のあるビデオを推薦し得る。ベルヌーイランダム変数hu,x∈{0,1}は、ユーザが項目を有するかどうかを表わし得る。項目は、以下の可能性によってランク付けられ得る。

代替または追加の実施形態において、システムは、ターゲットドメインtにおける全ユーザUにわたる各結果の発生をカウントすることによって、ソースチャネルsにおける全クラスタ識別子CについてXにおける結果上の経験的分布を計算することができる。

ベクトルoは、ターゲットチャネルtにおいて結果xと関連付けられたソースチャネルsのクラスタcにおけるユーザの部分を符号化する。システムは、これらのカウントに対して疑似カウント値α∈Rを追加し得、その結果をγ乗し得る。これは、結果の経験的結合分布P(x,c;α,γ)を定義し、それから、システムは、結果上の周辺分布P(x;α,γ)およびクラスタ上の周辺分布P(c;α,γ)を計算することができる。



温度パラメータγは、結果として生じる分布がどのようにピークになるかを制御して、非常に人気がある項目の影響を抑制する。システムは、結果上の周辺分布における最低カウント結果に対する最高カウント結果の可能性の最大比率r(=100)を限定するためにγを選択し得る。

0<γ<=1であるので、べき乗は、決して、分布をより急なものにさせないことになる。
最終的に、システムは、少なくとも2つの方法のうちの一方においてそれのクラスタに関して各結果をスコア化し得る。第1の方法は、最大の可能性の推定を使用して、k=10,000を選び、下記の適度にスケールされた値を与える。

スコアは、ユーザがクラスタc内にいるとすると、ユーザが結果xと関連付けられることになる可能性がどれくらいであるかを表わす。このスコアは、先頭にバイアスをかけられる傾向があり、人気のある項目は、それらがクラスタ内で表わされ過ぎ(over−represented)ないとしても、最高スコアを得る傾向がある。結果として、上位スコアの項目は、必ずしも、特にクラスタの「代表」には見えるとは限らない。
第2の方法において、システムは、点別の相互情報を使用する。
スコアは、クラスタcにおけるユーザからの結果xが、結果x全体よりもどのくらい多いか少ないかを(ビット単位で)表わす。これらのスコアは、所与のクラスタにおいて不均衡に表わされる項目を優遇する傾向がある。結果として、上位スコアの項目は、それらの項目がクラスタにおいて特に人気がない場合でさえも、何がクラスタについて固有であるかを特に説明する傾向があり得る。
図3は、ユーザインターフェース例である。図3に示されるように、システム、例えば検索システム102などは、ユーザインターフェース300を提示し得る。この例において、特定のユーザは、クエリ310をターゲットドメインの検索ツールバーにタイプし得る。システムは、リンク320、リンク330、およびリンク340の形態で、結果と応答し得る。リンク320、リンク330、およびリンク340は、それぞれ、ユーザについての個別予測、例えば図2に関して上記した個別予測230などであり得る。
いくつかの実施形態において、ユーザが、そのようなデータの使用に同意する場合において、検索システム102は、送信者がクエリ310をタイプする際に自動的に個別予測を生じる。他の実施形態において、システムは、オフラインで個別予測を生じ得、ユーザがウェブページを訪問するときに、ユーザがそのウェブページにおいてクエリを入力することさえなく、ユーザにそれらを提示し得る。
図4は、個別予測を生じる方法例を例示するフローチャートである。便宜上、フローチャートのステップは、ステップを行うシステムを参照にして記載される。システムは、例えば、図1を参照にして上記した検索システム102、図2を参照にして上記したシステム200、または他のシステムであり得る。
図4の例において、システムは、属性に対してユーザをマッピングする表を記憶する(410)。例えば、システムは、暗号化された表、例えば図2に示される表212などを記憶し得る。表におけるデータは、ユーザの同意を得て、継続的に更新され得る。いくつかの実施形態において、ユーザは、ソースドメインとターゲットドメインの両方における活動をするユーザを含み得る(412)。いくつかの実施形態において、属性は、実態的人口統計、製品、または実体を含む(414)。
システムは、ソースドメインと関連付けられた製品に対してユーザをマッピングする第2の表を記憶する(420)。例えば、システムは、暗号化された表、例えば図2に示される表214などを記憶し得る。システムは、例えば表を使用して、属性のそれぞれについて1組の上位スコアの製品を決定する(430)。システムは、ターゲットドメインにおける活動を予測するモデルを生成する(440)。例えば、システムは、図2に示されるモデル222を生成する。いくつかの実施形態において、システムは、モデルをオフラインで生成し得(442)、例えば、ビデオウェブサイトの特定のユーザのための1組の候補を予め計算する。いくつかの実施形態において、システムは、ターゲットドメインにおける活動の検出に応答して、モデルを生成し得る(444)。システムは、ターゲットドメインにおける新たなユーザによる活動を検出する(450)。例えば、システムは、あるトピックについての検索クエリ、または新たなユーザによるウェブページ訪問を受信する。システムは、行動の検出に応答して、モデルに基づいて特定のユーザについての個別予測を生じる(460)。
図5、個別予測を生じる方法例を例示するフローチャート。便宜上、フローチャートのステップは、ステップを行うシステムを参照にして記載される。システムは、例えば、図1を参照にして上記した検索システム102、図2に関して上記したシステム200、または他のシステムであり得る。
図5の例において、システムは、ソースドメインにおけるユーザ行動についての情報を集める(510)。システムは、ターゲットドメインにおけるユーザ行動についての情報を集める(520)。システムは、ソースドメインとターゲットドメインの両方における活動があるユーザを検出する(530)。システムは、ターゲットドメインにおける行動とのソースドメインにおける行動の関係のモデルを生成する(540)。システムは、ターゲットドメインにおけるユーザによる活動を検出する(550)。システムは、ユーザがソースドメインにおける行動をもつかどうかを決定する(552)。ユーザが、ソースドメインにおける行動をもつ場合(552、はい)、システムは、モデルに基づいて新たなユーザについての個別予測を生じて(554)、ターゲットドメインにおける活動を行うユーザに応答して個別予測をユーザに提供する(570)。例えば、システムは、ユーザに興味を持たせ得る、個別リンク、提案されたビデオもしくは衣類、または特定の広告を提供し得る。
ユーザが、ソースドメインにおける行動をもたない場合(552、いいえ)、システムは、ユーザがプロキシドメインにおける行動をもつかどうかを決定する(560)。ユーザが、プロキシドメインにおける十分に記録された行動をもたない場合(560、いいえ)、処理は終了し得る。ユーザが、プロキシドメインにおいて行動をもつ場合(560、はい)、システムは、プロキシドメインにおける行動に基づいて、ユーザについての個別予測を生じる(562)。いくつかの実施形態において、システムはまた、モデルを使用してまたは他のデータを使用して、個別予測を生じ得る。システムは、ターゲットドメインにおける活動を行うユーザに応答して、個別予測をユーザに提供する(570)。
図6は、汎用コンピュータデバイス600の例を示しており、それは、図1の検索システム102であり得、また、本明細書に記載される技法を用いて使用され得る。コンピューティングデバイス600は、コンピューティングデバイスの種々の形態例、例えば、ラップトップ、デスクトップ、ワークステーション、パーソナルデジタルアシスタント、携帯電話、スマートホン、タブレット、サーバ、ならびにウェアラブルデバイスを含む他のコンピューティングデバイスなどを表わすことが意図される。本明細書に示される構成要素、それらのつながりや関係、およびそれらの機能は、単なる例であることを意味するものであり、この文書において記載されるか請求される実施形態を限定することを意味するものではない。
コンピューティングデバイス600は、インターフェース608経由で接続される、プロセッサ602、メモリ604、ストレージデバイス606、および拡張ポート610を含む。いくつかの実施形態において、コンピューティングデバイス600は、インターフェース608経由で接続される、いくつかある構成要素の中でも、送受信機646、通信インターフェース644、およびGPS(全地球測位システム)レシーバモジュール648を含み得る。デバイス600は、通信インターフェース644を通して無線で通信し得、それは、必要に応じて、デジタル信号処理回路を含み得る。構成要素602、604、606、608、610、640、644、646、および648のそれぞれは、必要に応じて、一般的なマザーボード上にまたは他の様式で搭載され得る。
プロセッサ602は、メモリ604内またはストレージデバイス606上に記憶された命令を含む、コンピューティングデバイス600内の実行のための命令を処理することができ、外部入出力デバイス、例えばディスプレイ616などの上にGUIのためのグラフィカル情報を表示する。ディスプレイ616は、モニタまたはフラットタッチスクリーンディスプレイであり得る。いくつかの実施形態において、複数のプロセッサまたは複数のバスが、必要に応じて、複数のメモリや複数の種類のメモリと共に、使用され得る。また、複数のコンピューティングデバイス600は、(例えば、サーババンク、ブレードサーバのグループ、またはマルチプロセッサシステムとして)必要な動作の一部分を提供する各デバイスと、接続され得る。
メモリ604は、コンピューティングデバイス600内に情報を記憶する。一実施形態において、メモリ604は、揮発性メモリのユニットまたは複数ユニットである。別の実施形態において、メモリ604は、不揮発性メモリのユニットまたは複数ユニットである。メモリ604はまた、コンピュータで読み取り可能な媒体の別の形態、例えば磁気もしくは光学ディスクなどであり得る。いくつかの実施形態において、メモリ604は、拡張インターフェースを通して提供される拡張メモリを含み得る。
ストレージデバイス606は、コンピューティングデバイス600のためのマスストレージを提供することができる。一実施形態において、ストレージデバイス606は、コンピュータで読み取り可能な媒体、例えば、フロッピーディスクデバイス、ハードディスクデバイス、光学ディスクデバイス、またはテープデバイス、フラッシュメモリもしくは他の類似の固体メモリデバイス、あるいはストレージエリアネットワークもしくは他の構成におけるデバイスを含む、デバイスのアレイなどであり得るか、それらを含み得る。コンピュータプログラム製品は、そのようなコンピュータで読み取り可能な媒体に有形に具体化され得る。コンピュータプログラム製品はまた、実行されるときに、例えば上記したものなどの、1つ以上の方法を行う命令を含み得る。コンピュータまたはマシンで読み取り可能な媒体は、ストレージデバイス、例えばメモリ604、ストレージデバイス606、またはプロセッサ602上のメモリなどである。
インターフェース608は、コンピューティングデバイス600のための帯域幅を利用した動作を扱う高速コントローラ、または低い帯域幅を利用した動作を扱う低速コントローラ、あるいはそのようなコントローラの組み合わせであり得る。外部インターフェース640は、他のデバイスとのデバイス600の近接領域通信を可能にするように、提供され得る。いくつかの実施形態において、コントローラ608は、ストレージデバイス606および拡張ポート614に結合され得る。種々の通信ポート(例えば、USB、ブルートゥース、イーサネット、無線イーサネット)を含み得る拡張ポートは、例えば、ネットワークアダプタを通して、1つ以上の入出力デバイス、例えば、キーボード、ポインティングデバイス、スキャナ、またはネットワーキングデバイス、例えばスイッチもしくはルータなどに結合され得る。
コンピューティングデバイス600は、図面に示されるように、多くの異なる形態で実装され得る。例えば、それは、標準サーバ630として、またはそのようなサーバのグループにおいて複数回、実装され得る。それはまた、ラックサーバシステムの一部として実装され得る。加えて、それは、パーソナルコンピュータ、例えばラップトップコンピュータ622、またはスマートホン636などに実装され得る。システム全体は、互いと通信する複数のコンピューティングデバイス600で構成され得る。他の構成が可能である。
図7は、汎用コンピュータデバイス700の例を示しており、それは、図1の検索システム102であり得るとともに本明細書に記載される技法を用いて使用され得る。コンピューティングデバイス700は、大規模データ処理デバイス、例えばサーバ、ブレードサーバ、データセンター、メインフレーム、および他の大規模コンピューティングデバイスなどの種々の形態例を表わすことが意図される。コンピューティングデバイス700は、場合によっては1つ以上の通信ネットワークによって相互接続されるネットワーク接続ストレージノードを含む、複数プロセッサを有する分散型システムであり得る。本明細書に示された構成要素、それらのつながりや関係、およびそれらの機能は、単なる例示であることを意味するものであり、この文書において記載されるか請求される実施形態を限定することを意味するものではない。
分散型コンピューティングシステム700は、任意の数のコンピューティングデバイス780を含み得る。コンピューティングデバイス780は、ローカルもしくはワイドエリアネットワーク、専用光学リンク、モデム、ブリッジ、ルータ、スイッチ、有線もしくは無線ネットワーク等の上で通信する、サーバまたはラックサーバ、メインフレーム等を含み得る。
いくつかの実施形態において、各コンピューティングデバイスは、複数のラックを含み得る。例えば、コンピューティングデバイス780aは、複数のラック758a〜758nを含む。各ラックは、1以上のプロセッサ、例えばプロセッサ752a〜552nおよび762a〜562nなどを含み得る。プロセッサは、データプロセッサ、ネットワーク接続ストレージデバイス、および他のコンピュータ制御デバイスを含み得る。いくつかの実施形態において、1つのプロセッサは、マスタープロセッサとして動作し得、スケジューリングおよびデータ分散タスクを管理し得る。プロセッサは、1以上のラックスイッチ758を通して相互接続され得、1以上のラックが、スイッチ778を通して接続され得る。スイッチ778は、複数の接続されたコンピューティングデバイス700間の通信に対処し得る。
各ラックは、メモリ、例えばメモリ754やメモリ764など、およびストレージ、例えば756および766などを含み得る。ストレージ756および766は、マスストレージを提供し得、揮発性もしくは不揮発性ストレージ、例えばネットワーク攻撃ディスク、フロッピーディスク、ハードディスク、光学ディスク、テープ、フラッシュメモリもしくは他の類似の固体メモリデバイス、あるいはストレージエリアネットワークまたは他の構成におけるデバイスを含む、デバイスのアレイなどを含み得る。ストレージ756または766は、複数のプロセッサ、複数のラック、または複数のコンピューティングデバイス間で共有され得、プロセッサの1以上によって実行可能な命令を記憶するコンピュータで読み取り可能な媒体を含み得る。メモリ754および764は、例えば、揮発性メモリのユニットまたは複数ユニット、不揮発性メモリのユニットもしくは複数ユニット、あるいはコンピュータで読み取り可能な媒体の他の形態、例えば、磁気もしくは光学ディスク、フラッシュメモリ、キャッシュ、ランダムアクセスメモリ(RAM)、読み取り専用メモリ(ROM)、およびそれらの組み合わせなどを含み得る。メモリ、例えばメモリ754などはまた、プロセッサ752a〜552n間で共有され得る。索引などのデータ構造は、例えば、ストレージ756やメモリ754にわたって、記憶され得る。コンピューティングデバイス700は、図示されない他の構成要素、例えば、コントローラ、バス、入出力デバイス、通信モジュール等を含み得る。
システム全体、例えば検索システム102などは、互いと通信する複数のコンピューティングデバイス700で構成され得る。例えば、デバイス780aは、デバイス780b、780c、および780dと通信し得、これらは、集合的に検索システム102として知られ得る。別の例として、図1の検索システム102は、索引付けエンジン110として1以上のコンピューティングデバイス700、検索システム102として別個のコンピューティングデバイス700、および索引114として1以上のコンピューティングデバイス700を含み得る。その上、コンピューティングデバイスのうちのいくつかは、互いに地理的に近く位置し得、その他は、地理的に離れて位置し得る。システム700のレイアウトは、単なる例であり、システムは、他のレイアウトまたは構成を取り得る。
種々の実施形態は、ストレージシステム、少なくとも1つの入力デバイス、および少なくとも1つの出力デバイスからデータや命令を受信するように、ならびにそれらにデータや命令を送信するように、結合される、特殊目的もしくは一般目的であり得る、少なくとも1つのプログラム可能なプロセッサを含むプログラム可能なシステム上で実行可能または解釈可能である1つ以上のコンピュータプログラムにおける実施形態を含むことができる。
これらのコンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーションまたはコードとしても知られる)は、プログラム可能なプロセッサのためのマシン命令を含み、ハイレベルの手続き型もしくはオブジェクト指向のプログラミング言語、またはアセンブリ/マシン言語で、実装され得る。本明細書において使用される際、用語「マシンで読み取り可能な媒体」、「コンピュータで読み取り可能な媒体」は、任意の非一時的なコンピュータプログラム製品、装置もしくはデバイス(例えば、磁気ディスク、光学ディスク、(リードアクセスメモリを含む)メモリ、マシン命令もしくはデータをプログラム可能なプロセッサに提供するために使用されるプログラム可能な論理デバイス(PLD)のことを言う。
本明細書に記載されるシステムおよび技法は、例えばデータサーバとして、バックエンド構成要素を含む、または例えばアプリケーションサーバなどの)ミドルウェア構成要素を含む、または、フロントエンド構成要素、例えばグラフィカルユーザインターフェースもしくはウェブブラウザであって、それを通してユーザが本明細書に記載されるシステムや技法の実施形態と相互作用することができる、グラフィカルユーザインターフェースもしくはウェブブラウザを有するクライアントコンピュータなど、あるいはそのようなバックエンド、ミドルウェア、またはフロントエンド構成要素の任意の組み合わせを含む、コンピューティングシステムにおいて、実装され得る。システムの構成要素は、例えば通信ネットワークなどの)デジタルデータ通信の任意の形式または媒体によって相互接続され得る。通信ネットワークの例は、ローカルエリアネットワーク(「LAN」)、ワイドエリアネットワーク(「WAN」)、およびインターネットを含む。
コンピューティングシステムは、クライアントおよびサーバを含むことができる。クライアントおよびサーバは、一般に、互いから遠く離れており、典型的には、通信ネットワークを通して相互作用する。クライアントとサーバの関係は、それぞれのコンピュータ上で動作するとともに互いにクライアントとサーバの関係を有するコンピュータプログラムによって、生じる。
多くの実施形態が、記載された。それにもかかわらず、種々の修正が、開示の趣旨および範囲から逸脱すること無くなされ得る。加えて、図面に描写された論理フローは、所望の結果を達成するために、示された特定の順序、また連続的な順序を要求するものではない。さらに、他のステップが提供されてもよいし、あるいはステップは、記載されたフローから排除されてもよく、他の構成要素が、記載されたシステムに追加されてもよいし、または記載されたシステムから除去されてもよい。従って、他の実施形態は、以下の特許請求の範囲内にある。



  1. 方法であって、
    属性に対してユーザをマッピングする表を記憶することと、
    ソースドメインと関連付けられた製品に対して前記ユーザをマッピングする第2の表を記憶することと、
    コンピュータシステムのプロセッサを使用して、前記属性のそれぞれについて1組の上位スコアの製品を決定することと、
    前記上位スコアの製品を使用して、前記ソースドメインと区別されるターゲットドメインにおける活動を予測するモデルを生成することと、
    前記ターゲットドメインにアクセスする特定のユーザからの行動を検出することと、
    前記行動を前記検出することに応答して、前記モデルに基づいて前記特定のユーザについての個別予測を生じることと、を含む、方法。

  2. 前記ユーザが、前記ソースドメインと前記ターゲットドメインの両方における活動をする、請求項1に記載の方法。

  3. 請求項1〜2のいずれかに記載の方法であって、
    前記特定のユーザが、前記ターゲットドメインにおける記録された行動をもたないことを決定することと、
    前記特定のユーザが、前記ソースドメインにおける記録された行動をもつことを決定することと、
    前記ソースドメインにおける前記記録された行動を使用して前記個別予測を生じることと、
    前記特定のユーザについての前記個別予測を提供することと、を更に含む、方法。

  4. 前記製品が、ビデオ、購入した製品、検索クエリ、または提案された活動のうちの少なくとも1つを含む、請求項1〜3のいずれかに記載の方法。

  5. 前記1組の上位スコアの製品が、予め決定された期間内に限定される、請求項4に記載の方法。

  6. 前記属性が、実態的人口統計、クラスタ、または実体を含む、請求項1〜5のいずれかに記載の方法。

  7. 前記モデルを生成することが、オフラインで行われる、請求項1〜6のいずれかに記載の方法。

  8. 請求項1〜7のいずれかに記載の方法であって、
    前記ターゲットドメインにおける前記活動を検出することに応答して、前記モデルを生成することを更に含む、方法。

  9. 1組の一致する属性を有するユーザを決定することと、
    ソースドメインと関連付けられるとともに前記ユーザのそれぞれによってアクセスされる1組の製品を記憶することと、
    前記1組の一致する属性の各属性に対応するサブセットの前記製品を決定することと、
    前記サブセットの前記製品を使用して、前記ソースドメインと区別されるターゲットドメインにおける活動を予測するモデルを生成することと、
    特定のユーザが、前記ソースドメインにおける記録された行動をもたないことを決定することと、
    前記特定のユーザが、前記ソースドメインにおける記録された行動をもたないという決定に応答して、前記特定のユーザが、プロキシドメインであって、前記ソースドメインと区別されるとともに前記ソースドメインと類似のプロパティを有する、プロキシドメインにおける十分に記録された行動をもつことを決定することと、
    前記特定のユーザが、前記プロキシドメインにおける十分に記録された行動をもつという決定に応答して、前記モデルを使用して、前記プロキシドメインにおける前記十分に記録された行動に基づいて前記特定のユーザについての個別予測を生じることであって、前記特定のユーザについての前記個別予測が、前記ターゲットドメインにアクセスする間に前記活動を行って前記特定のユーザに応答して生じられる、生じることと、を含む、方法。

  10. 属性に対してユーザをマッピングする第1の暗号化されたデータストアにアクセスすることと、
    製品に対して前記ユーザをマッピングする第2の暗号化されたデータストアにアクセスすることと、を更に含む、請求項9に記載の方法。

  11. 前記製品が、ビデオ、項目、検索クエリ、または提案された活動のうちの少なくとも1つを含む、請求項9または請求項10に記載の方法。

  12. 前記モデルを生成することが、オフラインで行われる、請求項9、請求項10、または請求項11に記載の方法。

  13. 請求項9、請求項10、請求項11、または請求項12に記載の方法であって、
    前記ターゲットドメインにおける前記活動を検出することに応答して、前記モデルを生成することを更に含む、方法。

  14. 請求項9、請求項10、請求項11、請求項12、または請求項13に記載の方法であって、
    複数のドメインにおける行動からのデータを含む暗号化された表に基づいて、前記1組の一致する属性を有する前記ユーザを決定することを更に含む、方法。

  15. システムであって、
    命令を記憶するメモリと、
    前記メモリに操作可能に結合されるとともに前記システムに動作を行わせる前記命令を実行するように構成された、プロセッサであって、前記動作が、
    1組の一致する属性を有するユーザを決定することと、
    ソースドメインと関連付けられるとともに前記ユーザのそれぞれによってアクセスされる1組の製品を記憶することと、
    前記1組の一致する属性の各属性に対応するサブセットの前記製品を決定することと、
    前記サブセットの前記製品を使用して、前記ソースドメインと区別されるターゲットドメインにおける活動を予測するモデルを生成することと、
    特定のユーザが、前記ソースドメインにおける記録された行動をもたないことを決定することと、
    前記特定のユーザが、前記ソースドメインにおける記録された行動をもたないという決定に応答して、前記特定のユーザが、プロキシドメインであって、前記ソースドメインと区別されるとともに前記ソースドメインと類似のプロパティを有する、プロキシドメインにおける十分に記録された行動をもつことを決定することと、
    前記特定のユーザが、前記プロキシドメインにおける十分に記録された行動をもつという決定に応答して、前記モデルを使用して、前記プロキシドメインにおける前記十分に記録された行動に基づいて前記特定のユーザについての個別予測を生じることであって、前記特定のユーザについての前記個別予測が、前記ターゲットドメインにアクセスする間に前記活動を行って、前記特定のユーザに応答して生じられる、生じることと、を含む、プロセッサと、を備える、システム。

  16. 前記1組の一致する属性が、1組の自動的に推定されるクラスタから取り出される、請求項15に記載のシステム。

  17. 請求項15または請求項16に記載のシステムであって、
    前記属性を有するユーザと関連付けられた1組の製品項目に対して属性をマッピングするように構成された項目マッピング構成要素を更に備える、システム。

  18. 前記1組の一致する属性が、複数のドメインからのデータを含む暗号化された表に記憶される、請求項15、請求項16、または請求項17に記載のシステム。

  19. 前記製品が、ビデオ、購入した製品、検索クエリ、または提案された活動のうちの少なくとも1つを含む、請求項15、請求項16、請求項17、または請求項18に記載のシステム。

  20. 前記モデルがオフラインで生成される、請求項15、請求項16、請求項17、請求項18、または請求項19に記載のシステム。

 

 

Patent trol of patentswamp
類似の特許
様々な実施形態は、関心地点の検索の際、データプロバイダに照会するためのシステム、方法、装置およびコンピュータ可読媒体に関する。1つの特定の実施形態では、各々がデータソースの優先度を有する複数のデータソースを識別するステップであって、複数のデータソースは、第1の参照先ソース、第1の構造化知識ベースおよび第1の個々のウェブサイトの少なくとも2つを含む、識別するステップを含む方法が提供される。次いで、複数のデータソースは、poi検索要求と関連するメタデータを求めて照会することができ、照会する順序が複数のデータソースの各々についてのデータソースの優先度と、複数のデータソースの少なくとも1つに関して測定された少なくとも1つのソース品質とに基づく。さらなる実施形態では、照会順序は、測定されたソース品質に基づきアップデートすることができる。
方法は、複数のモジュールを有するアプリケーションで受け取られたデータ記録のストリームからの、データ記録の群中のデータ記録の第1の量を決定するステップを含む。方法は、アプリケーションのモジュールのうちの1つ以上に関して、データ記録の群の処理時にモジュールによって出力されたデータ記録のそれぞれの第2の量を決定するステップを含む。方法は、データ記録の第1および第2の量が規則を満たすかどうかを判定するステップを含む。この規則は、アプリケーションで受け取られたデータ記録の量と、アプリケーションの1つまたは複数のモジュールによって出力されたデータ記録の量との間のターゲット関係を示す。
本発明の実施形態は、データ処理方法、コーディネータ、及びノードデバイスを提供する。コーディネータは、ノードデバイスから送信される、サービスデータを含むデータフレームを受信し、サービスデータが設定データ信頼区間内に収まっているか否かを判断し、データ信頼区間から外れていると判断する場合に、ノードデバイスがサービスデータの正当性を確認するよう、サービスデータを載せた問い合わせデータフレームをノードデバイスに送信する。本発明の実施形態によれば、コーディネータは、まず、受信したサービスデータがデータ信頼区間内に収まっているか否かを判断し、データ信頼区間から外れている場合に、サービスデータをノードデバイスに返して確認させる。コーディネータがサービスデータを直ちに受け入れる先行技術による方法と比較して、本発明の実施形態で提供されるデータ処理方法は、データの信頼性及び精度に対するシステムの要求を満たす。
データベースシステムは、データベースシステムによって格納された特定のデータ記録に対して行われる変更を指定する書き込み要求を受け取ることができる。特定のデータ記録に対して行われる変更を表すログ記録は、データベースシステムのストレージサービスに送ることができる。読み取り用レプリカのキャッシュ内に格納された特定のデータ記録のキャッシュされたバージョンが古くなっていることを示す指示(例えば、ログ記録または他の指示)は、読み取り用レプリカに送ることができる。読み取り用レプリカによって受け取られた特定のデータ記録の後続の読み取りでは、読み取り用レプリカは、ストレージサービスから特定のデータ記録を要求することができる。
【選択図】図5
本発明の実施例は、クラスタリング方法及び関連装置を公開し、前記クラスタリング方法によれば、対象間の距離が対応する、2つの対象間の類似性で決められた重み係数に基づいて、クラスタ間の重み付き距離を取得し、即ち、対象間の距離に重みを付け、そして、併合後のクラスタの数と併合前のクラスタの数と等しくなるまで、重み付き距離が併合条件を満たすクラスタを併合し、クラスタリング結果を取得する。前記重み付き距離と2つの対象の類似性とが関連付けられ、異なる対象間の距離の貢献が異なり、類似性が高いほど対応する貢献が大きくなるので、クラスタリング結果の正確率が向上した。
【選択図】図1
【解決手段】 ページスナップショットの作成が開示される。この作成は、ウェブページに関連付けられているデータを受信し、ウェブページに関連付けられているページリソースが遅延読み込みに関係付けられていると決定し、ページリソースは、遅延読み込みプロセスの間トリガイベントに応答して読み込まれるように設定され、少なくとも一部には、ウェブページに関連付けられている受信データの中のページリソースに関連付けられている1つ以上の属性を変更することに基づいて、トリガイベントを伴うことなくページリソースを読み込み、読み込まれたページリソースをレンダリングし、レンダリングされたページリソースを含むウェブページのページスナップショットを作成すること、を含む。
【選択図】図3
本発明の実施形態は、データベースにおいて再実行データを処理するための方法および装置を提供し、方法は、サーバ内に含まれる複数のアプリケーションスレッドの各アプリケーションスレッドによって、データベースの変更操作に従って、再実行データを生成し、各アプリケーションスレッドに割り当てられた対応するバッファ内に再実行データを保存し、時系列キューのロックが取得された後、時系列キュー内にアプリケーションスレッドの識別子を保存し、保存が終わった後、時系列キューのロックを解除するステップと、データ読み出しスレッドによって、データ読み出し条件が満たされていることを判定し、時系列キューからアプリケーションスレッドの識別子を読み出す順序に連続的に従って、時系列キューにおける各アプリケーションスレッドの識別子に対応する各アプリケーションスレッドのバッファから1つの再実行データを読み出し、1つの再実行データを再実行キューに書き込むステップとを含む。本発明の使用によって、時系列キューをデータキューから分離することによって再実行データの処理効率が改善されることができ、それによって、データベースシステムの同時スループットを向上させる。
被試験装置(DUT)の測定値と、同様な機器から得た測定値とを比較する方法及びシステムを提供する。この方法は、1つ以上の測定装置にモバイル計算装置を通信的に接続することと、1つ以上の測定装置から測定データを受信することとを含んでいる。モバイル計算装置は、DUTの機器識別子を決定し、その機器に関連する情報を回収する。この情報は、他の装置の以前の測定値又は規準文書を含んでもよい。モバイル計算装置は、比較のために回収した測定データと共に回収した情報を提示する。
【選択図】 図1
【課題】KIR及びHLA遺伝子型に基づいて同種造血細胞ドナーを選択する。
【解決手段】本開示は、AML又は骨髄異形成症候群を有する患者のために候補となるHLA適合の非血縁造血細胞ドナー(URD)をスコア化及び順位付けする方法を対象とする。候補ドナーは、KIR/HLA対立遺伝子及び遺伝子型の組合せをもとにスコア化される。明細書に開示される方法は、造血幹細胞移植の向上した臨床転帰を予測する好都合なドナーの順位付け及び選択を可能にする。
【選択図】図1
別の演算デバイス上で実行可能である可能性が高い演算デバイス上でアクセスされたコンテンツを識別することに関する方法および装置。いくつかの実施態様は、ユーザの演算デバイスを識別し、ユーザによって別の演算デバイス上でアクセスされたコンテンツを識別し、演算デバイス上で実行可能なコンテンツを判断し、実行可能なコンテンツがユーザにとって興味がある信頼レベルを判断し、信頼レベルが閾値を満たす場合に、演算デバイス上での使用のために実行可能コンテンツを提供する方法および装置を対象としている。信頼レベルは、ユーザが他の演算デバイス上でコンテンツにアクセスしているのと演算デバイスの識別された使用の間の時間経過の表示に基づくことができる。
To top