JP7118998B2 - メディア視聴データを使用してデバイスマップの精度を改善させるためのシステムおよび方法 - Google Patents
メディア視聴データを使用してデバイスマップの精度を改善させるためのシステムおよび方法 Download PDFInfo
- Publication number
- JP7118998B2 JP7118998B2 JP2019554902A JP2019554902A JP7118998B2 JP 7118998 B2 JP7118998 B2 JP 7118998B2 JP 2019554902 A JP2019554902 A JP 2019554902A JP 2019554902 A JP2019554902 A JP 2019554902A JP 7118998 B2 JP7118998 B2 JP 7118998B2
- Authority
- JP
- Japan
- Prior art keywords
- media player
- group
- player devices
- categories
- media
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2365—Ensuring data consistency and integrity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/7837—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using objects detected or recognised in the video content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/60—Network streaming of media packets
- H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
- H04L65/612—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio for unicast
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/80—Responding to QoS
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44222—Analytics of user selections, e.g. selection of programs or purchase activity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Library & Information Science (AREA)
- Social Psychology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Information Transfer Between Computers (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Description
［０００１］
本願は、２０１７年４月６日に出願された米国仮出願番号第６２／４８２，４９５号の利益を主張し、すべての目的のために、その全体が参照によってここに組み込まれている。
本願は、２０１７年４月６日に出願された米国仮出願番号第６２／４８２，４９５号の利益を主張し、すべての目的のために、その全体が参照によってここに組み込まれている。
［０００２］
本開示は、一般的に、接続されたデバイスおよび特定のカテゴリとのその関係付けの分析から導出されたデータの精度を改善させることに関する。
本開示は、一般的に、接続されたデバイスおよび特定のカテゴリとのその関係付けの分析から導出されたデータの精度を改善させることに関する。
［０００３］
ユーザは、デバイスの範囲に渡ってメディアにますますアクセスしている。しかしながら、どのデバイスが特定のユーザに関係付けられているかを決定することは、難しいことがある。（ときにはデバイスマッピングまたはデバイスグラフ化と呼ばれる）デバイスを特定のカテゴリにマッピングすることを意味する多くのシステムが存在する。例えば、デバイスマッピングシステムは、第１のデバイスと第２のデバイスが特定のカテゴリに属することを示すデバイスマップを生成することができる。いくつかの例では、デバイスは、各デバイスに割り当てられたカテゴリに基づいて、特定のユーザにマッピングされることができる。他の例では、デバイスは、世帯全体のデバイスマップに割り当てられる。しかしながら、デバイスマップの精度を評価することは難しい。したがって、デバイスマップの精度を決定し、改善させる技術的必要性がある。
ユーザは、デバイスの範囲に渡ってメディアにますますアクセスしている。しかしながら、どのデバイスが特定のユーザに関係付けられているかを決定することは、難しいことがある。（ときにはデバイスマッピングまたはデバイスグラフ化と呼ばれる）デバイスを特定のカテゴリにマッピングすることを意味する多くのシステムが存在する。例えば、デバイスマッピングシステムは、第１のデバイスと第２のデバイスが特定のカテゴリに属することを示すデバイスマップを生成することができる。いくつかの例では、デバイスは、各デバイスに割り当てられたカテゴリに基づいて、特定のユーザにマッピングされることができる。他の例では、デバイスは、世帯全体のデバイスマップに割り当てられる。しかしながら、デバイスマップの精度を評価することは難しい。したがって、デバイスマップの精度を決定し、改善させる技術的必要性がある。
［０００４］
１つ以上のデバイスによって再生されるメディア（例えば、ビデオおよび／またはオーディオデータ）を処理することによって、デバイスマッピングシステムについての精度スコアを決定するための、方法、デバイス、デバイス、およびコンピュータプログラム製品を提供する。いくつかの例では、精度スコアは、デバイスマッピングシステムのデバイスマップに基づくことができる。このような例では、デバイスマップは、ともに関係付けられているデバイスをリンクすることを意味することができる。
１つ以上のデバイスによって再生されるメディア（例えば、ビデオおよび／またはオーディオデータ）を処理することによって、デバイスマッピングシステムについての精度スコアを決定するための、方法、デバイス、デバイス、およびコンピュータプログラム製品を提供する。いくつかの例では、精度スコアは、デバイスマッピングシステムのデバイスマップに基づくことができる。このような例では、デバイスマップは、ともに関係付けられているデバイスをリンクすることを意味することができる。
［０００５］
いくつかの例では、精度スコアは、自動コンテンツ認識（ＡＣＲ）システム、または、1つ以上のメディアプレーヤーデバイスによって視聴されているメディアコンテンツを決定できる他のシステムからのメディアコンテンツ視聴データにさらに基づくことができる。いくつかのケースでは、メディアコンテンツは、（オーディオコンテンツを含むことができる）ビデオコンテンツ、または、オーディオコンテンツを含むことができる。視聴データとして記憶されることができる１つ以上のメディアプレーヤーデバイスによって視聴されているメディアコンテンツを決定するために、（例えば、ＡＣＲシステムを使用して）メディアコンテンツを処理し、分析することができる。１つの例示的な例では、メディアプレーヤーデバイスによって視聴されているメディアコンテンツを決定するためにＡＣＲシステムが使用されるとき、メディアプレーヤーデバイスは、ビデオプログラムに関係付けられたビデオデータ（および、いくつかのケースでは、オーディオデータ）をデコードすることができる。メディアプレーヤーデバイスは、ビデオフレームのピクセル情報の表示またはさらなる処理に備えて、ビデオの各フレームのデコードされたコンテンツをビデオフレームバッファ中に置くことができる。メディアプレーヤーデバイスは、バッファされたビデオデータを処理でき、プレーヤーデバイスによって現在再生されている未知のビデオセグメントを表す、（「キューポイント」と呼ばれることがある）未知のデータポイントを生成することができる。マッチングサーバは、未知のキューポイントを受信でき、未知のキューポイントを記憶されている候補キューポイントと比較し、候補ビデオセグメントと未知ビデオセグメントとの間のマッチングを決定できる。
いくつかの例では、精度スコアは、自動コンテンツ認識（ＡＣＲ）システム、または、1つ以上のメディアプレーヤーデバイスによって視聴されているメディアコンテンツを決定できる他のシステムからのメディアコンテンツ視聴データにさらに基づくことができる。いくつかのケースでは、メディアコンテンツは、（オーディオコンテンツを含むことができる）ビデオコンテンツ、または、オーディオコンテンツを含むことができる。視聴データとして記憶されることができる１つ以上のメディアプレーヤーデバイスによって視聴されているメディアコンテンツを決定するために、（例えば、ＡＣＲシステムを使用して）メディアコンテンツを処理し、分析することができる。１つの例示的な例では、メディアプレーヤーデバイスによって視聴されているメディアコンテンツを決定するためにＡＣＲシステムが使用されるとき、メディアプレーヤーデバイスは、ビデオプログラムに関係付けられたビデオデータ（および、いくつかのケースでは、オーディオデータ）をデコードすることができる。メディアプレーヤーデバイスは、ビデオフレームのピクセル情報の表示またはさらなる処理に備えて、ビデオの各フレームのデコードされたコンテンツをビデオフレームバッファ中に置くことができる。メディアプレーヤーデバイスは、バッファされたビデオデータを処理でき、プレーヤーデバイスによって現在再生されている未知のビデオセグメントを表す、（「キューポイント」と呼ばれることがある）未知のデータポイントを生成することができる。マッチングサーバは、未知のキューポイントを受信でき、未知のキューポイントを記憶されている候補キューポイントと比較し、候補ビデオセグメントと未知ビデオセグメントとの間のマッチングを決定できる。
［０００６］
視聴データは、精度スコアを決定するために処理されることができる。このような例では、（ときには視聴行動と呼ばれる）メディア視聴データは、メディアプレーヤーデバイスによって再生されているメディアコンテンツを示すことができる。いくつかの例では、デバイスマッピングシステムがメディアコンテンツの類似した再生を有するデバイスに類似したカテゴリを割り当てているかを、精度スコアは示すことができる。このような例では、デバイスマップは、デバイスマッピングシステムの精度を決定するために、ランダム性に基づいて割り当てられるデバイスカテゴリ指定と比較されることができる。デバイスマップが本質的に単にランダムである十分に低い確率を有していると決定される場合、デバイスマッピングシステムは、正確であると決定されることができる。
視聴データは、精度スコアを決定するために処理されることができる。このような例では、（ときには視聴行動と呼ばれる）メディア視聴データは、メディアプレーヤーデバイスによって再生されているメディアコンテンツを示すことができる。いくつかの例では、デバイスマッピングシステムがメディアコンテンツの類似した再生を有するデバイスに類似したカテゴリを割り当てているかを、精度スコアは示すことができる。このような例では、デバイスマップは、デバイスマッピングシステムの精度を決定するために、ランダム性に基づいて割り当てられるデバイスカテゴリ指定と比較されることができる。デバイスマップが本質的に単にランダムである十分に低い確率を有していると決定される場合、デバイスマッピングシステムは、正確であると決定されることができる。
［０００７］
いくつかの例では、デバイスマップを生成するためのそのプロセスを改善させるために、精度スコアはデバイスマッピングシステムによって使用されることができる。例えば、デバイスマッピングシステムは、精度スコアを改善しようとするために、１つ以上の動作を修正できる。
いくつかの例では、デバイスマップを生成するためのそのプロセスを改善させるために、精度スコアはデバイスマッピングシステムによって使用されることができる。例えば、デバイスマッピングシステムは、精度スコアを改善しようとするために、１つ以上の動作を修正できる。
［０００８］
いくつかの例では、システムが提供され、システムは、１つ以上のプロセッサと、命令を含む１つ以上の非一時的コンピュータ読取可能記憶媒体とを含み、命令は、１つ以上のプロセッサ上で実行されるとき、１つ以上のプロセッサに動作を実行させる。動作は、メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得することを含む。複数のカテゴリは、デバイスマッピングシステムを使用して決定される。カテゴリは、メディアプレーヤーデバイスのグループについての分類を含む。動作は、メディアプレーヤーデバイスのグループの視聴行動を決定することをさらに含む。視聴行動は、自動コンテンツ認識を使用して、メディアプレーヤーデバイスによって視聴された被視聴メディアコンテンツを、記憶されたメディアコンテンツとマッチングさせることにより、決定される。動作は、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関を決定することと、決定した相関を使用して、デバイスマッピングシステムについての精度スコアを決定することとをさらに含む。動作は、精度スコアをデバイスマッピングシステムに割り当てることをさらに含み、ここで精度スコアは、デバイスマッピングシステムを改善させるために使用される。
いくつかの例では、システムが提供され、システムは、１つ以上のプロセッサと、命令を含む１つ以上の非一時的コンピュータ読取可能記憶媒体とを含み、命令は、１つ以上のプロセッサ上で実行されるとき、１つ以上のプロセッサに動作を実行させる。動作は、メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得することを含む。複数のカテゴリは、デバイスマッピングシステムを使用して決定される。カテゴリは、メディアプレーヤーデバイスのグループについての分類を含む。動作は、メディアプレーヤーデバイスのグループの視聴行動を決定することをさらに含む。視聴行動は、自動コンテンツ認識を使用して、メディアプレーヤーデバイスによって視聴された被視聴メディアコンテンツを、記憶されたメディアコンテンツとマッチングさせることにより、決定される。動作は、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関を決定することと、決定した相関を使用して、デバイスマッピングシステムについての精度スコアを決定することとをさらに含む。動作は、精度スコアをデバイスマッピングシステムに割り当てることをさらに含み、ここで精度スコアは、デバイスマッピングシステムを改善させるために使用される。
［０００９］
いくつかの例では、方法が提供され、方法は、メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得することを含む。複数のカテゴリは、デバイスマッピングシステムを使用して決定される。カテゴリは、メディアプレーヤーデバイスのグループについての分類を含む。方法は、メディアプレーヤーデバイスのグループの視聴行動を決定することをさらに含む。視聴行動は、自動コンテンツ認識を使用して、メディアプレーヤーデバイスによって視聴された、被視聴メディアコンテンツを記憶されたメディアコンテンツとマッチングさせることにより、決定される。方法は、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関を決定することと、決定した相関を使用して、デバイスマッピングシステムについての精度スコアを決定することとをさらに含む。方法は、精度スコアをデバイスマッピングシステムに割り当てることをさらに含み、ここで精度スコアは、デバイスマッピングシステムを改善させるために使用される。
いくつかの例では、方法が提供され、方法は、メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得することを含む。複数のカテゴリは、デバイスマッピングシステムを使用して決定される。カテゴリは、メディアプレーヤーデバイスのグループについての分類を含む。方法は、メディアプレーヤーデバイスのグループの視聴行動を決定することをさらに含む。視聴行動は、自動コンテンツ認識を使用して、メディアプレーヤーデバイスによって視聴された、被視聴メディアコンテンツを記憶されたメディアコンテンツとマッチングさせることにより、決定される。方法は、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関を決定することと、決定した相関を使用して、デバイスマッピングシステムについての精度スコアを決定することとをさらに含む。方法は、精度スコアをデバイスマッピングシステムに割り当てることをさらに含み、ここで精度スコアは、デバイスマッピングシステムを改善させるために使用される。
［００１０］
いくつかの例では、命令を含む非一時的機械読取可能記憶媒体中で有形に具現化されるコンピュータプログラム製品が提供され、コンピュータプログラム製品は、命令が１つ以上のプロセッサによって実行されるとき、１つ以上のプロセッサに、メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得させ、ここで、複数のカテゴリは、デバイスマッピングシステムを使用して決定され、ここで、カテゴリは、メディアプレーヤーデバイスのグループについての分類を含み、メディアプレーヤーデバイスのグループの視聴行動を決定させ、ここで、視聴行動は、自動コンテンツ認識を使用して、メディアプレーヤーデバイスによって視聴された被視聴メディアコンテンツを、記憶されたメディアコンテンツとマッチングさせることにより、決定され、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関を決定させ、決定した相関を使用して、デバイスマッピングシステムについての精度スコアを決定させ、精度スコアをデバイスマッピングシステムに割り当させる、ここで精度スコアは、デバイスマッピングシステムを改善させるために使用される。
いくつかの例では、命令を含む非一時的機械読取可能記憶媒体中で有形に具現化されるコンピュータプログラム製品が提供され、コンピュータプログラム製品は、命令が１つ以上のプロセッサによって実行されるとき、１つ以上のプロセッサに、メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得させ、ここで、複数のカテゴリは、デバイスマッピングシステムを使用して決定され、ここで、カテゴリは、メディアプレーヤーデバイスのグループについての分類を含み、メディアプレーヤーデバイスのグループの視聴行動を決定させ、ここで、視聴行動は、自動コンテンツ認識を使用して、メディアプレーヤーデバイスによって視聴された被視聴メディアコンテンツを、記憶されたメディアコンテンツとマッチングさせることにより、決定され、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関を決定させ、決定した相関を使用して、デバイスマッピングシステムについての精度スコアを決定させ、精度スコアをデバイスマッピングシステムに割り当させる、ここで精度スコアは、デバイスマッピングシステムを改善させるために使用される。
［００１１］
いくつかの態様では、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関は、複数のカテゴリの中の視聴行動における分散に基づく。
いくつかの態様では、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関は、複数のカテゴリの中の視聴行動における分散に基づく。
［００１２］
いくつかの態様では、デバイスマッピングシステムについての精度スコアを決定することは、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関がランダムであるかを決定するために、統計仮説検定を実行することを含む。
いくつかの態様では、デバイスマッピングシステムについての精度スコアを決定することは、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関がランダムであるかを決定するために、統計仮説検定を実行することを含む。
［００１３］
いくつかの態様では、システム、方法、および、コンピュータプログラム製品は、統計仮説検定の結果をランダムしきい値と比較することと、結果がランダムしきい値未満であるとき、相関がランダムであると決定することとを含む。
いくつかの態様では、システム、方法、および、コンピュータプログラム製品は、統計仮説検定の結果をランダムしきい値と比較することと、結果がランダムしきい値未満であるとき、相関がランダムであると決定することとを含む。
［００１４］
いくつかの態様では、精度スコアは、統計仮説検定の結果とランダムしきい値との比較に基づいて、デバイスマッピングシステムについて決定される。
いくつかの態様では、精度スコアは、統計仮説検定の結果とランダムしきい値との比較に基づいて、デバイスマッピングシステムについて決定される。
［００１５］
いくつかの態様では、メディアコンテンツはビデオコンテンツであり、自動コンテンツ認識を実行することは、未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することと、ここで、ピクセルキューポイントは、フレームに対応するピクセル値のセットを含み、基準データポイントのデータベース中で候補基準データポイントを識別することと、ここで、候補基準データポイントは、ピクセルキューポイントと類似しており、ここで、候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する１つ以上のピクセル値を含み、候補基準データポイントと候補ビデオセグメントとに関係付けられているビンにトークンを追加することと、ビン中のトークンの数が値を超えているかを決定することと、ビン中のトークンの数が値を超えるとき、未知のビデオセグメントを、候補ビデオセグメントとマッチングするとして識別することとを含む。
いくつかの態様では、メディアコンテンツはビデオコンテンツであり、自動コンテンツ認識を実行することは、未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することと、ここで、ピクセルキューポイントは、フレームに対応するピクセル値のセットを含み、基準データポイントのデータベース中で候補基準データポイントを識別することと、ここで、候補基準データポイントは、ピクセルキューポイントと類似しており、ここで、候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する１つ以上のピクセル値を含み、候補基準データポイントと候補ビデオセグメントとに関係付けられているビンにトークンを追加することと、ビン中のトークンの数が値を超えているかを決定することと、ビン中のトークンの数が値を超えるとき、未知のビデオセグメントを、候補ビデオセグメントとマッチングするとして識別することとを含む。
［００１６］
いくつかの態様では、視聴行動は、複数のチャネルのうちの１つ以上を視聴するメディアプレーヤーデバイスのグループの時間量、メディアプレーヤーデバイスのグループのユーザに関係付けられている所得、メディアプレーヤーデバイスのグループのユーザの年齢層、メディアプレーヤーデバイスのグループのユーザの教育レベル、または、メディアプレーヤーデバイスのグループのデバイスの数、のうちの少なくとも１つ以上を含む。
いくつかの態様では、視聴行動は、複数のチャネルのうちの１つ以上を視聴するメディアプレーヤーデバイスのグループの時間量、メディアプレーヤーデバイスのグループのユーザに関係付けられている所得、メディアプレーヤーデバイスのグループのユーザの年齢層、メディアプレーヤーデバイスのグループのユーザの教育レベル、または、メディアプレーヤーデバイスのグループのデバイスの数、のうちの少なくとも１つ以上を含む。
［００１７］
この概要は、請求項中に記載されている主題事項のキーまたは本質的な特徴を識別するように意図されておらず、請求項中に記載されている主題事項の範囲を決定するために、分離して使用されるようにも意図されていない。
主題事項は、この特許の明細書全体、任意のまたはすべての図面、および、各請求項の適切な部分への参照によって理解されるべきである。
この概要は、請求項中に記載されている主題事項のキーまたは本質的な特徴を識別するように意図されておらず、請求項中に記載されている主題事項の範囲を決定するために、分離して使用されるようにも意図されていない。
主題事項は、この特許の明細書全体、任意のまたはすべての図面、および、各請求項の適切な部分への参照によって理解されるべきである。
［００１８］
以下の明細書、特許請求の範囲、添付の図面を参照すると、他の特徴および実施形態とともに、前述のものがより明らかになるだろう。
以下の明細書、特許請求の範囲、添付の図面を参照すると、他の特徴および実施形態とともに、前述のものがより明らかになるだろう。
［００１９］
本発明の例示的な実施形態を、次の図を参照して以下に詳細に説明する。
［００２０］ 図１は、デバイスマップ分類システムを更新するためのシステムの例を図示している。
［００２１］ 図２Ａは、第１のソースについての、視聴時間とチャネル分散を比較したグラフの例を図示している。
［００２２］ 図２Ｂは、第２のソースについての、視聴時間とチャネル分散を比較したグラフの例を図示している。
［００２３］ 図２Ｃは、第３のソースについての、視聴時間とチャネル分散を比較したグラフの例を図示している。
［００２４］ 図３は、さまざまなソースについてのｆ比を計算する例を図示している。
［００２５］ 図４は、精度スコアをデバイスマップマッチングプロセスに割り当てるためのプロセスの例を図示している。
［００２６］ 図５は、複数のデバイスと予測された統計的属性の統計的相関を評価するためのプロセスの例を図示している。
［００２７］ 図６は、予測された視聴行動と自動コンテンツ認識コンポーネントによって測定された実際の視聴の比較のためのプロセスの例を図示している。
［００２８］ 図７は、メディアシステムによって視聴されたビデオコンテンツを識別するためのマッチングシステムのブロックダイヤグラムの例を図示している。
［００２９］ 図８は、さまざまなデバイスについてのプロセスフローの例を図示している。
［００３０］ 図９は、所得コード対月あたりの視聴時間を等式化した第１のマッチングレートの例を図示している。
［００３１］ 図１０は、所得コード対月あたりの視聴時間を等式化した第２のマッチングの例を図示している。
［００３２］ 図１１は、所得コード対月あたりの視聴時間を等式化したデータセット２中でのみ見出されるメディアデバイスの例を図示している。
本発明の例示的な実施形態を、次の図を参照して以下に詳細に説明する。
［００３３］
以下の記述では、説明の目的のために、本発明の実施形態の徹底した理解を提供するために、特定の詳細を述べる。しかしながら、さまざまな実施形態はこれらの特定の詳細なしで実施されてもよいことが明らかだろう。図と説明は、限定するようには意図されていない。
以下の記述では、説明の目的のために、本発明の実施形態の徹底した理解を提供するために、特定の詳細を述べる。しかしながら、さまざまな実施形態はこれらの特定の詳細なしで実施されてもよいことが明らかだろう。図と説明は、限定するようには意図されていない。
［００３４］
次の記述は、例示的な実施形態を提供するにすぎず、本開示の、範囲、適用可能性またはコンフィギュレーションを限定することを意図していない。むしろ、例示的な実施形態の次の説明は、当業者に、例示的な実施形態を実現することを可能にする説明を提供するだろう。添付の特許請求の範囲において述べるように、本発明の精神および範囲から逸脱することなく、要素の機能およびアレンジメントにおいて、さまざまな変更が行われてもよいことを理解すべきである。
次の記述は、例示的な実施形態を提供するにすぎず、本開示の、範囲、適用可能性またはコンフィギュレーションを限定することを意図していない。むしろ、例示的な実施形態の次の説明は、当業者に、例示的な実施形態を実現することを可能にする説明を提供するだろう。添付の特許請求の範囲において述べるように、本発明の精神および範囲から逸脱することなく、要素の機能およびアレンジメントにおいて、さまざまな変更が行われてもよいことを理解すべきである。
［００３５］
以下の説明において、実施形態の完全な理解を提供するために、特定の詳細が与えられる。しかしながら、実施形態は、これらの特定の詳細なしで実現されてもよいことが当業者によって理解されるだろう。例えば、不必要な詳細で実施形態を不明瞭にしないために、回路、システム、ネットワーク、プロセス、および、他のコンポーネントは、ブロックダイヤグラムでコンポーネントとして示されてもよい。他の例では、よく知られている回路、プロセス、アルゴリズム、構造、および技術は、実施形態を不明瞭にすることを回避するために、不必要な詳細なしで示されてもよい。
以下の説明において、実施形態の完全な理解を提供するために、特定の詳細が与えられる。しかしながら、実施形態は、これらの特定の詳細なしで実現されてもよいことが当業者によって理解されるだろう。例えば、不必要な詳細で実施形態を不明瞭にしないために、回路、システム、ネットワーク、プロセス、および、他のコンポーネントは、ブロックダイヤグラムでコンポーネントとして示されてもよい。他の例では、よく知られている回路、プロセス、アルゴリズム、構造、および技術は、実施形態を不明瞭にすることを回避するために、不必要な詳細なしで示されてもよい。
［００３６］
また、個々の実施形態は、フローチャート、フローダイヤグラム、データフローダイヤグラム、構造ダイヤグラム、またはブロックダイヤグラムとして描かれる、プロセスとして説明されてもよいことに留意すべきである。フローチャートは動作を連続したプロセスとして説明してもよいが、動作の多くは並行で、または同時に実行できる。加えて、動作の順序は再構成されてもよい。その動作が完了したとき、プロセスは終了するが、図中に含まれない追加のステップを有することがある。プロセスは、方法、関数、手順、サブルーチン、サブプログラム等に対応してもよい。プロセスが関数に対応するとき、その終了は、関数が呼び出し関数または主関数に戻ることに対応することができる。
また、個々の実施形態は、フローチャート、フローダイヤグラム、データフローダイヤグラム、構造ダイヤグラム、またはブロックダイヤグラムとして描かれる、プロセスとして説明されてもよいことに留意すべきである。フローチャートは動作を連続したプロセスとして説明してもよいが、動作の多くは並行で、または同時に実行できる。加えて、動作の順序は再構成されてもよい。その動作が完了したとき、プロセスは終了するが、図中に含まれない追加のステップを有することがある。プロセスは、方法、関数、手順、サブルーチン、サブプログラム等に対応してもよい。プロセスが関数に対応するとき、その終了は、関数が呼び出し関数または主関数に戻ることに対応することができる。
［００３７］
用語「機械読取可能記憶媒体」または「コンピュータ読取可能記憶媒体」は、ポータブルまたは非ポータブル記憶デバイス、光学記憶デバイス、ならびに、命令および／またはデータを記憶、包含、または搬送することができるさまざまな他の媒体を含むがこれらに限定されない。機械読取可能記憶媒体またはコンピュータ読取可能記憶媒体は、非一時的媒体を含んでいてもよく、非一時的媒体において、データを記憶でき、ワイヤレスにまたはワイヤード接続を通して伝播する搬送波および／または一時的電気信号を含まない。非一時的媒体の例は、磁気ディスクまたはテープ、コンパクトディスク（ＣＤ）またはデジタル汎用ディスク（ＤＶＤ）のような光学記憶媒体、フラッシュメモリ、メモリまたはメモリデバイスを含んでいてもよいがこれらに限定されない。コンピュータプログラム製品は、コードおよび／または機械実行可能な命令を含んでいてもよく、これらは、手順、関数、サブプログラム、プログラム、ルーチン、サブルーチン、モジュール、ソフトウェアパッケージ、クラス、あるいは、命令、データ構造、またはプログラムステートメントの任意の組み合わせを表してもよい。コードセグメントは、情報、データ、引数、パラメータ、またはメモリコンテンツをパスおよび／または受信することによって、別のコードセグメントまたはハードウェア回路に結合されてもよい。情報、引数、パラメータ、データ、または他の情報は、メモリ共有、メッセージパッシング、トークンパッシング、ネットワーク送信、または他の送信技術を含む任意の適切な手段を使用して、パス、転送、または送信されてもよい。
用語「機械読取可能記憶媒体」または「コンピュータ読取可能記憶媒体」は、ポータブルまたは非ポータブル記憶デバイス、光学記憶デバイス、ならびに、命令および／またはデータを記憶、包含、または搬送することができるさまざまな他の媒体を含むがこれらに限定されない。機械読取可能記憶媒体またはコンピュータ読取可能記憶媒体は、非一時的媒体を含んでいてもよく、非一時的媒体において、データを記憶でき、ワイヤレスにまたはワイヤード接続を通して伝播する搬送波および／または一時的電気信号を含まない。非一時的媒体の例は、磁気ディスクまたはテープ、コンパクトディスク（ＣＤ）またはデジタル汎用ディスク（ＤＶＤ）のような光学記憶媒体、フラッシュメモリ、メモリまたはメモリデバイスを含んでいてもよいがこれらに限定されない。コンピュータプログラム製品は、コードおよび／または機械実行可能な命令を含んでいてもよく、これらは、手順、関数、サブプログラム、プログラム、ルーチン、サブルーチン、モジュール、ソフトウェアパッケージ、クラス、あるいは、命令、データ構造、またはプログラムステートメントの任意の組み合わせを表してもよい。コードセグメントは、情報、データ、引数、パラメータ、またはメモリコンテンツをパスおよび／または受信することによって、別のコードセグメントまたはハードウェア回路に結合されてもよい。情報、引数、パラメータ、データ、または他の情報は、メモリ共有、メッセージパッシング、トークンパッシング、ネットワーク送信、または他の送信技術を含む任意の適切な手段を使用して、パス、転送、または送信されてもよい。
［００３８］
さらに、実施形態は、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、またはこれらの任意の組み合わせによって実現されてもよい。ソフトウェア、ファームウェア、ミドルウェアまたはマイクロコードで実現されるとき、必要なタスクを実行するためのプログラムコードまたはコードセグメント（例えば、コンピュータプログラム製品）は、機械読取可能媒体中に記憶されてもよい。プロセッサは必要なタスクを実行してもよい。
さらに、実施形態は、ハードウェア、ソフトウェア、ファームウェア、ミドルウェア、マイクロコード、ハードウェア記述言語、またはこれらの任意の組み合わせによって実現されてもよい。ソフトウェア、ファームウェア、ミドルウェアまたはマイクロコードで実現されるとき、必要なタスクを実行するためのプログラムコードまたはコードセグメント（例えば、コンピュータプログラム製品）は、機械読取可能媒体中に記憶されてもよい。プロセッサは必要なタスクを実行してもよい。
［００３９］
図のうちのいくつかで描かれているシステムは、さまざまなコンフィギュレーションで提供されてもよい。いくつかの実施形態では、システムは、システムの１つ以上のコンポーネントがクラウドコンピューティングシステム中の１つ以上のネットワークに渡って分散される分散システムのように構成されてもよい。
図のうちのいくつかで描かれているシステムは、さまざまなコンフィギュレーションで提供されてもよい。いくつかの実施形態では、システムは、システムの１つ以上のコンポーネントがクラウドコンピューティングシステム中の１つ以上のネットワークに渡って分散される分散システムのように構成されてもよい。
［００４０］
提供されるものは、デバイスマッピングシステムの精度を決定するための方法、デバイス、およびコンピュータプログラム製品である。いくつかの例では、精度スコアは、デバイスマッピングシステムについて決定されることができる。いくつかのケースでは、精度スコアは、デバイスマッピングシステムのデバイスマップに基づくことができる。このようなケースでは、デバイスマップは、分類されるまたはともに関係付けられる（「デバイス」または「プレーヤーデバイス」または「メディアデバイス」とも呼ばれる）メディアプレーヤーデバイスをリンクする情報を含むことができる。いくつかの例では、デバイス（または「プレーヤーデバイス」または「メディアプレーヤーデバイス」）は、スマートフォン、タブレット、スマートＴＶ、ラップトップ、スマートウォッチまたは他のウェアラブルデバイス、あるいは、メディアコンテンツを受信および表示できる他の何らかのネットワーク接続デバイス（例えば、インターネット接続、ブロードバンドネットワーク接続、セルラネットワーク接続、または、他のネットワーク接続デバイス）のようなネットワーク接続デバイスとして規定されることができる。いくつかの例では、デバイスマップは、１つ以上のカテゴリセグメント（または「カテゴリ」）をデバイスマップ中に含まれる各デバイスに割り当てることに基づいて生成されることができる。このような例では、カテゴリセグメントまたはカテゴリは、年間世帯所得、年齢層、教育レベル、テレビセットの数、および／または、娯楽の選択に関するさまざまな好み、あるいは、これらの任意の適切な組み合わせのような、人口統計学的属性を含むことができる。しかしながら、カテゴリセグメントまたはカテゴリが複数のデバイスをともに関係付けることができる任意の論理グループであることがあることを認識すべきである。
提供されるものは、デバイスマッピングシステムの精度を決定するための方法、デバイス、およびコンピュータプログラム製品である。いくつかの例では、精度スコアは、デバイスマッピングシステムについて決定されることができる。いくつかのケースでは、精度スコアは、デバイスマッピングシステムのデバイスマップに基づくことができる。このようなケースでは、デバイスマップは、分類されるまたはともに関係付けられる（「デバイス」または「プレーヤーデバイス」または「メディアデバイス」とも呼ばれる）メディアプレーヤーデバイスをリンクする情報を含むことができる。いくつかの例では、デバイス（または「プレーヤーデバイス」または「メディアプレーヤーデバイス」）は、スマートフォン、タブレット、スマートＴＶ、ラップトップ、スマートウォッチまたは他のウェアラブルデバイス、あるいは、メディアコンテンツを受信および表示できる他の何らかのネットワーク接続デバイス（例えば、インターネット接続、ブロードバンドネットワーク接続、セルラネットワーク接続、または、他のネットワーク接続デバイス）のようなネットワーク接続デバイスとして規定されることができる。いくつかの例では、デバイスマップは、１つ以上のカテゴリセグメント（または「カテゴリ」）をデバイスマップ中に含まれる各デバイスに割り当てることに基づいて生成されることができる。このような例では、カテゴリセグメントまたはカテゴリは、年間世帯所得、年齢層、教育レベル、テレビセットの数、および／または、娯楽の選択に関するさまざまな好み、あるいは、これらの任意の適切な組み合わせのような、人口統計学的属性を含むことができる。しかしながら、カテゴリセグメントまたはカテゴリが複数のデバイスをともに関係付けることができる任意の論理グループであることがあることを認識すべきである。
［００４１］
いくつかの例では、精度スコアは、自動コンテンツ認識（ＡＣＲ）コンポーネントまたは1つ以上のメディアプレーヤーによって視聴されているメディアコンテンツを決定することができる他のシステムからの視聴データにさらに基づくことができる。いくつかのケースでは、メディアコンテンツは、（オーディオコンテンツを含むことができる）ビデオコンテンツ、またはオーディオコンテンツを含むことができる。どのメディアコンテンツが１つ以上のメディアプレーヤーによって視聴されているかを決定するために、メディアコンテンツは、（例えば、ＡＣＲシステムを使用して）処理され、分析されることができ、これは、視聴データとして記憶されることができる。視聴データは、精度スコアを決定するために処理されることができる。このような例では、（ときには視聴行動とも呼ばれる）視聴データは、メディアプレーヤーデバイスによって再生されるメディアコンテンツを示すことができる。いくつかの例では、デバイスマッピングシステムがメディアコンテンツの類似した再生を有するデバイスに類似したカテゴリを割り当てているかを、精度スコアは示すことができる。このような例では、デバイスマッピングシステムが不正確であることを示すランダムであると、デバイスマップは決定されることがある。対照的に、デバイスマップが本質的に単にランダムである十分に低い確率を有するように決定される場合、デバイスマッピングシステムは、正確であると決定されることができる。
いくつかの例では、精度スコアは、自動コンテンツ認識（ＡＣＲ）コンポーネントまたは1つ以上のメディアプレーヤーによって視聴されているメディアコンテンツを決定することができる他のシステムからの視聴データにさらに基づくことができる。いくつかのケースでは、メディアコンテンツは、（オーディオコンテンツを含むことができる）ビデオコンテンツ、またはオーディオコンテンツを含むことができる。どのメディアコンテンツが１つ以上のメディアプレーヤーによって視聴されているかを決定するために、メディアコンテンツは、（例えば、ＡＣＲシステムを使用して）処理され、分析されることができ、これは、視聴データとして記憶されることができる。視聴データは、精度スコアを決定するために処理されることができる。このような例では、（ときには視聴行動とも呼ばれる）視聴データは、メディアプレーヤーデバイスによって再生されるメディアコンテンツを示すことができる。いくつかの例では、デバイスマッピングシステムがメディアコンテンツの類似した再生を有するデバイスに類似したカテゴリを割り当てているかを、精度スコアは示すことができる。このような例では、デバイスマッピングシステムが不正確であることを示すランダムであると、デバイスマップは決定されることがある。対照的に、デバイスマップが本質的に単にランダムである十分に低い確率を有するように決定される場合、デバイスマッピングシステムは、正確であると決定されることができる。
［００４２］
いくつかの例では、精度スコアは、デバイスマップを生成するためのそのプロセスを改善するために、デバイスマッピングシステムによって使用されることができる。例えば、デバイスマッピングシステムは、精度スコアを改善しようとするために、１つ以上の動作を修正できる。
いくつかの例では、精度スコアは、デバイスマップを生成するためのそのプロセスを改善するために、デバイスマッピングシステムによって使用されることができる。例えば、デバイスマッピングシステムは、精度スコアを改善しようとするために、１つ以上の動作を修正できる。
［００４３］
図１は、（ときにはデバイスマッピングシステムと呼ばれる）デバイスマップ分類システム１３０を更新するためのシステムの例を図示している。いくつかの例では、システムは、１つ以上のデバイス１１０、デバイスマップ分類システム１２０、視聴行動システム１３０、またはこれらの任意の組み合わせを含むことができる。システムのうちの１つ以上のコンポーネントをより少ないコンポーネントに組み合わせる、または、より多くのコンポーネントに分割することができることを認識すべきである。
図１は、（ときにはデバイスマッピングシステムと呼ばれる）デバイスマップ分類システム１３０を更新するためのシステムの例を図示している。いくつかの例では、システムは、１つ以上のデバイス１１０、デバイスマップ分類システム１２０、視聴行動システム１３０、またはこれらの任意の組み合わせを含むことができる。システムのうちの１つ以上のコンポーネントをより少ないコンポーネントに組み合わせる、または、より多くのコンポーネントに分割することができることを認識すべきである。
［００４４］
いくつかの例では、１つ以上のデバイス１１０からのデータは、デバイスマップ分類システム１２０と視聴行動システム１３０を含む、システムのうちの１つ以上のコンポーネントによって処理されることができる。１つ以上のデバイス１１０は、ラップトップ（例えば、ラップトップ１１２）、タブレット（例えば、第１のタブレット１１４または第２のタブレット１１５）、電話機（例えば、スマートフォン１１６）、テレビ（例えば、テレビ１１８）、または、メディアコンテンツ（例えば、聴覚または視覚コンテンツ）を受信および表示できる他の何らかのネットワーク接続デバイスを含むことができる。いくつかの例では、１つ以上のデバイス１１０は、１つの以上のネットワーク中に含まれることができる。
いくつかの例では、１つ以上のデバイス１１０からのデータは、デバイスマップ分類システム１２０と視聴行動システム１３０を含む、システムのうちの１つ以上のコンポーネントによって処理されることができる。１つ以上のデバイス１１０は、ラップトップ（例えば、ラップトップ１１２）、タブレット（例えば、第１のタブレット１１４または第２のタブレット１１５）、電話機（例えば、スマートフォン１１６）、テレビ（例えば、テレビ１１８）、または、メディアコンテンツ（例えば、聴覚または視覚コンテンツ）を受信および表示できる他の何らかのネットワーク接続デバイスを含むことができる。いくつかの例では、１つ以上のデバイス１１０は、１つの以上のネットワーク中に含まれることができる。
［００４５］
上記で説明したように、１つ以上のデバイス１１０からのデータは、デバイスマップ分類システム１２０によって処理されることができる。処理することは、（例えば、カテゴリセグメントジェネレータ１２２を使用して）１つ以上のカテゴリセグメントを１つ以上のデバイス１１０のそれぞれに割り当てることと、（例えば、デバイスマップジェネレータ１２４を使用して）１つ以上のデバイス１１０についてのデバイスマップを生成することと、および、（例えば、データレポートジェネレータ１２６を使用して）デバイスマップについてのデータレポートを生成することとを含むことができる。いくつかの例では、デバイスマップ中の各デバイスは、（カテゴリとも呼ばれる）少なくとも１つのカテゴリセグメントを割り当てられることができる。このような例では、カテゴリセグメントに関係付けられている１つ以上の行動および／または１つ以上の特性についてのしきい値より上にデバイスが位置することを、デバイスに割り当てられるカテゴリセグメントは示すことができる。いくつかの例では、デバイスマップは、複数のデバイス間のリンクまたは関係付けを示すことができる。１つ以上のデバイス１１０からのデータの例示的な例は、ブラウザからのクッキーおよびＩＰアドレスを含むことができる。
上記で説明したように、１つ以上のデバイス１１０からのデータは、デバイスマップ分類システム１２０によって処理されることができる。処理することは、（例えば、カテゴリセグメントジェネレータ１２２を使用して）１つ以上のカテゴリセグメントを１つ以上のデバイス１１０のそれぞれに割り当てることと、（例えば、デバイスマップジェネレータ１２４を使用して）１つ以上のデバイス１１０についてのデバイスマップを生成することと、および、（例えば、データレポートジェネレータ１２６を使用して）デバイスマップについてのデータレポートを生成することとを含むことができる。いくつかの例では、デバイスマップ中の各デバイスは、（カテゴリとも呼ばれる）少なくとも１つのカテゴリセグメントを割り当てられることができる。このような例では、カテゴリセグメントに関係付けられている１つ以上の行動および／または１つ以上の特性についてのしきい値より上にデバイスが位置することを、デバイスに割り当てられるカテゴリセグメントは示すことができる。いくつかの例では、デバイスマップは、複数のデバイス間のリンクまたは関係付けを示すことができる。１つ以上のデバイス１１０からのデータの例示的な例は、ブラウザからのクッキーおよびＩＰアドレスを含むことができる。
［００４６］
いくつかの例では、データレポートジェネレータ１２６は、デバイスマップおよび／または1つ以上のカテゴリセグメントのデータレポートを生成できる。このような例では、データレポートは、１つ以上のデバイス１１０のそれぞれおよび対応するカテゴリセグメントについての情報を含むことができる。１つの例示的な例では、データレポートは、ＴＶ番組再生（例えば、ブロードキャストＴＶ、ストリーミングＴＶ、または、他のＴＶ番組）を区別するために使用される（スマートＴＶをモバイルタブレットと区別するような）デバイスのタイプに関する情報を含むことができる。例えば、特定のメディアコンテンツが家庭のテレビ上でまたはハンドヘルドデバイス上で視聴される場合、これは決定するのに役立つことがある。当業者によく知られているカテゴリセグメントについての情報を有するために、多くの他の使用がある。
いくつかの例では、データレポートジェネレータ１２６は、デバイスマップおよび／または1つ以上のカテゴリセグメントのデータレポートを生成できる。このような例では、データレポートは、１つ以上のデバイス１１０のそれぞれおよび対応するカテゴリセグメントについての情報を含むことができる。１つの例示的な例では、データレポートは、ＴＶ番組再生（例えば、ブロードキャストＴＶ、ストリーミングＴＶ、または、他のＴＶ番組）を区別するために使用される（スマートＴＶをモバイルタブレットと区別するような）デバイスのタイプに関する情報を含むことができる。例えば、特定のメディアコンテンツが家庭のテレビ上でまたはハンドヘルドデバイス上で視聴される場合、これは決定するのに役立つことがある。当業者によく知られているカテゴリセグメントについての情報を有するために、多くの他の使用がある。
［００４７］
上記で説明したように、１つ以上のデバイス１１０は、視聴行動システム１３０によって処理されることもできる。いくつかの例では、視聴行動システム１３０は、自動コンテンツ認識（ＡＣＲ）エンジン１３２を含むことができる。ＡＣＲエンジン１３２は、デバイス（例えば、１つ以上のデバイス１１０のうちの１つのデバイス）上で表示されるまたは再生されるメディアコンテンツ（例えば、聴覚または視覚コンテンツ）を識別できる。このような例では、ＡＣＲエンジン１３２は、メディアコンテンツに関係付けられているチャネルまたは他のメタデータを識別することもできる。
上記で説明したように、１つ以上のデバイス１１０は、視聴行動システム１３０によって処理されることもできる。いくつかの例では、視聴行動システム１３０は、自動コンテンツ認識（ＡＣＲ）エンジン１３２を含むことができる。ＡＣＲエンジン１３２は、デバイス（例えば、１つ以上のデバイス１１０のうちの１つのデバイス）上で表示されるまたは再生されるメディアコンテンツ（例えば、聴覚または視覚コンテンツ）を識別できる。このような例では、ＡＣＲエンジン１３２は、メディアコンテンツに関係付けられているチャネルまたは他のメタデータを識別することもできる。
［００４８］
メディアコンテンツを識別することができる多くの方法があるが、（図７に関して以下でより詳細に説明する）１つの方法は、未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することを含むことができる。いくつかの例では、ピクセルキューポイントは、フレームに対応するピクセル値のセットを含むことができる。方法は、基準データポイントのデータベースにおける候補基準データポイントを識別することをさらに含むことができる。いくつかの例では、候補基準データポイントは、ピクセルキューポイントと類似することがある。このような例では、候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する1つ以上のピクセル値を含むことができる。方法は、候補基準データポイントと候補基準ビデオセグメントとに関係付けられているビンにトークンを追加することと、ビンにおけるトークンの数が値を超えているかを決定することとをさらに含むことができる。方法は、ビンにおけるトークンの数が値を超えるとき、未知のビデオセグメントをマッチングする候補ビデオセグメントとして識別することをさらに含むことができる。未知のビデオセグメントは、メディアデバイスが候補ビデオセグメントを再生していると示す、候補ビデオセグメントとして識別されることができる。
メディアコンテンツを識別することができる多くの方法があるが、（図７に関して以下でより詳細に説明する）１つの方法は、未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することを含むことができる。いくつかの例では、ピクセルキューポイントは、フレームに対応するピクセル値のセットを含むことができる。方法は、基準データポイントのデータベースにおける候補基準データポイントを識別することをさらに含むことができる。いくつかの例では、候補基準データポイントは、ピクセルキューポイントと類似することがある。このような例では、候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する1つ以上のピクセル値を含むことができる。方法は、候補基準データポイントと候補基準ビデオセグメントとに関係付けられているビンにトークンを追加することと、ビンにおけるトークンの数が値を超えているかを決定することとをさらに含むことができる。方法は、ビンにおけるトークンの数が値を超えるとき、未知のビデオセグメントをマッチングする候補ビデオセグメントとして識別することをさらに含むことができる。未知のビデオセグメントは、メディアデバイスが候補ビデオセグメントを再生していると示す、候補ビデオセグメントとして識別されることができる。
［００４９］
図７は、メディアシステムによって視聴されるビデオコンテンツを識別するためのマッチングシステム７００（例えば、ＡＣＲエンジン１３２）のブロックダイヤグラムの例を図示している。いくつかの例では、未知のコンテンツは、１つ以上の未知のデータポイントを含むことができる。このような例では、マッチングシステム７００は、未知のデータポイントに関係付けられている未知のビデオセグメントを識別するために、未知のデータポイントを基準データポイントとマッチングさせることができる。基準データポイントは、基準データベース７１６中に含まれることができる。
図７は、メディアシステムによって視聴されるビデオコンテンツを識別するためのマッチングシステム７００（例えば、ＡＣＲエンジン１３２）のブロックダイヤグラムの例を図示している。いくつかの例では、未知のコンテンツは、１つ以上の未知のデータポイントを含むことができる。このような例では、マッチングシステム７００は、未知のデータポイントに関係付けられている未知のビデオセグメントを識別するために、未知のデータポイントを基準データポイントとマッチングさせることができる。基準データポイントは、基準データベース７１６中に含まれることができる。
［００５０］
マッチングシステム７００は、プレーヤーデバイス７０２とマッチングサーバ７０４（例えば、ＡＣＲエンジン）を含むことができる。プレーヤーデバイス７０２は、メディアクライアント７０６、入力デバイス７０８、出力デバイス７１０、および1つ以上の文脈アプリケーション７２６を含むことができる。（テレビシステム、コンピュータシステム、またはインターネットに接続可能な他の電子デバイスであることがある）メディアクライアント７０６は、ビデオプログラム７２８に関係付けられているデータ（例えば、ブロードキャスト信号、データパケット、または他のフレームデータ）をデコードできる。メディアクライアント７０６は、ビデオフレームのピクセル情報の表示またはさらなる処理に備えて、ビデオの各フレームのデコードされたコンテンツをビデオバッファ中に置くことができる。いくつかの例では、プレーヤーデバイス７０２は、ビデオ信号を受信およびデコードできる任意の電子デコードシステムであることがある。プレーヤーデバイス７０２は、ビデオプログラム７２８を受信し、ビデオ情報を（示していない）ビデオバッファ中に記憶できる。プレーヤーデバイス７０２は、ビデオバッファ情報を処理し、（「キューポイント」と呼ばれることがある）未知のデータポイントを生成できる。メディアクライアント７０６は、基準データベース７１６中の基準データポイントとの比較のために、未知のデータポイントをマッチングサーバ７０４に送信できる。
マッチングシステム７００は、プレーヤーデバイス７０２とマッチングサーバ７０４（例えば、ＡＣＲエンジン）を含むことができる。プレーヤーデバイス７０２は、メディアクライアント７０６、入力デバイス７０８、出力デバイス７１０、および1つ以上の文脈アプリケーション７２６を含むことができる。（テレビシステム、コンピュータシステム、またはインターネットに接続可能な他の電子デバイスであることがある）メディアクライアント７０６は、ビデオプログラム７２８に関係付けられているデータ（例えば、ブロードキャスト信号、データパケット、または他のフレームデータ）をデコードできる。メディアクライアント７０６は、ビデオフレームのピクセル情報の表示またはさらなる処理に備えて、ビデオの各フレームのデコードされたコンテンツをビデオバッファ中に置くことができる。いくつかの例では、プレーヤーデバイス７０２は、ビデオ信号を受信およびデコードできる任意の電子デコードシステムであることがある。プレーヤーデバイス７０２は、ビデオプログラム７２８を受信し、ビデオ情報を（示していない）ビデオバッファ中に記憶できる。プレーヤーデバイス７０２は、ビデオバッファ情報を処理し、（「キューポイント」と呼ばれることがある）未知のデータポイントを生成できる。メディアクライアント７０６は、基準データベース７１６中の基準データポイントとの比較のために、未知のデータポイントをマッチングサーバ７０４に送信できる。
［００５１］
入力デバイス７０８は、要求または他の情報をメディアクライアント７０６に入力することを可能にする任意の適切なデバイスを含むことができる。例えば、入力デバイス７０８は、キーボード、マウス、音声認識入力デバイス、ワイヤレスデバイスから（例えば、遠隔制御装置、移動体デバイス、または、他の適切なワイヤレスデバイスから）ワイヤレス入力を受信するためのワイヤレスインターフェース、または、他の何らかの適切な入力デバイスを含むことができる。出力デバイス７１０は、ディスプレイ、ワイヤレス出力をワイヤレスデバイスに（例えば、移動体デバイスにまたは他の適切なワイヤレスデバイスに）送信するためのワイヤレスインターフェース、プリンタ、または、他の適切な出力デバイスのような、情報を提示できるまたはそうでなければ出力できる任意の適切なデバイスを含むことができる。
入力デバイス７０８は、要求または他の情報をメディアクライアント７０６に入力することを可能にする任意の適切なデバイスを含むことができる。例えば、入力デバイス７０８は、キーボード、マウス、音声認識入力デバイス、ワイヤレスデバイスから（例えば、遠隔制御装置、移動体デバイス、または、他の適切なワイヤレスデバイスから）ワイヤレス入力を受信するためのワイヤレスインターフェース、または、他の何らかの適切な入力デバイスを含むことができる。出力デバイス７１０は、ディスプレイ、ワイヤレス出力をワイヤレスデバイスに（例えば、移動体デバイスにまたは他の適切なワイヤレスデバイスに）送信するためのワイヤレスインターフェース、プリンタ、または、他の適切な出力デバイスのような、情報を提示できるまたはそうでなければ出力できる任意の適切なデバイスを含むことができる。
［００５２］
マッチングシステム７００は、既知のビデオデータソース７１８から最初にデータサンプルを収集することによって、ビデオセグメントを識別するプロセスを開始することができる。例えば、マッチングサーバ１０４は、さまざまなビデオデータソース７１８からデータを収集し、基準データベース７１６を構築し、維持できる。ビデオデータソース７１８は、テレビ番組、映画、または他の何らかの適切なビデオソースのメディアプロバイダを含むことができる。ビデオデータソース７１８からのビデオデータは、無線ブロードキャストとして、ケーブルＴＶチャネルとして、インターネットから、および他の何らかのビデオデータソースからのストリーミングソースとして、提供されることができる。いくつかの例では、マッチングサーバ７０４は、以下に説明するように、基準データベース７１６中に基準ビデオデータポイントを生成し、収集するために、ビデオデータソース７１８から受信したビデオを処理できる。いくつかの例では、ビデオデータソース７１８からのビデオプログラムは、（示していない）基準ビデオプログラムインジェストシステムによって処理することができ、これは、基準ビデオデータポイントを生成し、これらを記憶装置のための基準データベース７１６に送信できる。基準データポイントは、その後、未知のデータポイントを分析するため使用される情報を決定するために、上記で説明したように使用されることができる。
マッチングシステム７００は、既知のビデオデータソース７１８から最初にデータサンプルを収集することによって、ビデオセグメントを識別するプロセスを開始することができる。例えば、マッチングサーバ１０４は、さまざまなビデオデータソース７１８からデータを収集し、基準データベース７１６を構築し、維持できる。ビデオデータソース７１８は、テレビ番組、映画、または他の何らかの適切なビデオソースのメディアプロバイダを含むことができる。ビデオデータソース７１８からのビデオデータは、無線ブロードキャストとして、ケーブルＴＶチャネルとして、インターネットから、および他の何らかのビデオデータソースからのストリーミングソースとして、提供されることができる。いくつかの例では、マッチングサーバ７０４は、以下に説明するように、基準データベース７１６中に基準ビデオデータポイントを生成し、収集するために、ビデオデータソース７１８から受信したビデオを処理できる。いくつかの例では、ビデオデータソース７１８からのビデオプログラムは、（示していない）基準ビデオプログラムインジェストシステムによって処理することができ、これは、基準ビデオデータポイントを生成し、これらを記憶装置のための基準データベース７１６に送信できる。基準データポイントは、その後、未知のデータポイントを分析するため使用される情報を決定するために、上記で説明したように使用されることができる。
［００５３］
マッチングサーバ７０４は、基準データベース７１６中である時間期間（例えば、日数、週数、月数、または他の何らかの適切な時間期間）に受信された各ビデオプログラムについての基準ビデオデータポイントを記憶できる。マッチングサーバ７０４は、（例えば、キューまたはキュー値とも呼ばれることがある基準データポイントを含む）テレビ番組サンプルの基準データベース７１６を構築し、連続的にまたは周期的に更新できる。いくつかの例では、収集されたデータは、（例えば、５ビデオフレーム毎の、１０ビデオフレーム毎の、１５ビデオフレーム毎の、または他の適切な数のフレーム毎の）周期的ビデオフレームからサンプリングされたビデオ情報の圧縮表現である。いくつかの例では、フレームあたりのデータのバイト数（例えば、フレームあたり２５バイト、５０バイト、７５バイト、１００バイト、または他の何らかのバイト量）は、各プログラムソースについて収集されることができる。任意の数のプログラムソースは、２５チャネル、５０チャネル、７５チャネル、１００チャネル、２００チャネル、または、他の何らかの数のプログラムソースのようなビデオを取得するために使用することができる。
マッチングサーバ７０４は、基準データベース７１６中である時間期間（例えば、日数、週数、月数、または他の何らかの適切な時間期間）に受信された各ビデオプログラムについての基準ビデオデータポイントを記憶できる。マッチングサーバ７０４は、（例えば、キューまたはキュー値とも呼ばれることがある基準データポイントを含む）テレビ番組サンプルの基準データベース７１６を構築し、連続的にまたは周期的に更新できる。いくつかの例では、収集されたデータは、（例えば、５ビデオフレーム毎の、１０ビデオフレーム毎の、１５ビデオフレーム毎の、または他の適切な数のフレーム毎の）周期的ビデオフレームからサンプリングされたビデオ情報の圧縮表現である。いくつかの例では、フレームあたりのデータのバイト数（例えば、フレームあたり２５バイト、５０バイト、７５バイト、１００バイト、または他の何らかのバイト量）は、各プログラムソースについて収集されることができる。任意の数のプログラムソースは、２５チャネル、５０チャネル、７５チャネル、１００チャネル、２００チャネル、または、他の何らかの数のプログラムソースのようなビデオを取得するために使用することができる。
［００５４］
メディアクライアント７０６は、通信７２２をマッチングサーバ７０４のマッチングエンジン７１２に送ることができる。通信７２２は、未知のコンテンツを識別するためのマッチングエンジン７１２についての要求を含むことができる。例えば、未知のコンテンツは、１つ以上の未知のデータポイントを含むことができ、基準データベース７１６は、複数の基準データポイントを含むことができる。マッチングエンジン７１２は、未知のデータポイントを基準データベース７１６中の基準データとマッチングさせることにより、未知のコンテンツを識別できる。いくつかの例では、未知のコンテンツは、（ビデオベースのＡＣＲのための）ディスプレイによって提示されている未知のビデオデータ、（マップリデュースシステム、ビッグテーブルシステム、または他のデータ記憶システムのための）サーチクエリ、（顔認識のための）顔の未知の画像、（パターン認識のための）パターンの未知の画像、または基準データのデータベースについてマッチングされることができる他の何らかの未知のデータを含むことができる。基準データポイントは、ビデオデータソース７１８から受信したデータから導出されることができる。例えば、データポイントは、ビデオデータソース７１８から提供された情報から抽出されることができ、基準データベース７１６中にインデックス付けされ、記憶されることができる。
メディアクライアント７０６は、通信７２２をマッチングサーバ７０４のマッチングエンジン７１２に送ることができる。通信７２２は、未知のコンテンツを識別するためのマッチングエンジン７１２についての要求を含むことができる。例えば、未知のコンテンツは、１つ以上の未知のデータポイントを含むことができ、基準データベース７１６は、複数の基準データポイントを含むことができる。マッチングエンジン７１２は、未知のデータポイントを基準データベース７１６中の基準データとマッチングさせることにより、未知のコンテンツを識別できる。いくつかの例では、未知のコンテンツは、（ビデオベースのＡＣＲのための）ディスプレイによって提示されている未知のビデオデータ、（マップリデュースシステム、ビッグテーブルシステム、または他のデータ記憶システムのための）サーチクエリ、（顔認識のための）顔の未知の画像、（パターン認識のための）パターンの未知の画像、または基準データのデータベースについてマッチングされることができる他の何らかの未知のデータを含むことができる。基準データポイントは、ビデオデータソース７１８から受信したデータから導出されることができる。例えば、データポイントは、ビデオデータソース７１８から提供された情報から抽出されることができ、基準データベース７１６中にインデックス付けされ、記憶されることができる。
［００５５］
マッチングエンジン７１２は、基準データベース７１６から候補データポイントを決定するために、候補決定エンジン７１４に要求を送ることができる。候補データポイントは、未知のデータポイントからのある決定された距離にある基準データポイントであることがある。いくつかの例では、基準データポイントと未知のデータポイントの間の距離は、基準データポイントの1つ以上のピクセル（例えば、単一のピクセル、ピクセルのグループを表す値（例えば、平均値（mean）、代表値（average）、中央値（median）、または、他の値）、または他の適切な数のピクセル）を未知のデータポイントの１つ以上のピクセルと比較することによって決定することができる。いくつかの例では、各サンプルロケーションにおけるピクセルが特定のピクセル値範囲内にあるとき、基準データポイントは、未知のデータポイントからある決定された距離にあることがある。
マッチングエンジン７１２は、基準データベース７１６から候補データポイントを決定するために、候補決定エンジン７１４に要求を送ることができる。候補データポイントは、未知のデータポイントからのある決定された距離にある基準データポイントであることがある。いくつかの例では、基準データポイントと未知のデータポイントの間の距離は、基準データポイントの1つ以上のピクセル（例えば、単一のピクセル、ピクセルのグループを表す値（例えば、平均値（mean）、代表値（average）、中央値（median）、または、他の値）、または他の適切な数のピクセル）を未知のデータポイントの１つ以上のピクセルと比較することによって決定することができる。いくつかの例では、各サンプルロケーションにおけるピクセルが特定のピクセル値範囲内にあるとき、基準データポイントは、未知のデータポイントからある決定された距離にあることがある。
［００５６］
１つの例示的な例では、ピクセルのピクセル値は、（赤－緑－青（ＲＧＢ）色空間において）赤値、緑値、および青値を含むことができる。このような例では、対応する赤値、緑値、および青値をそれぞれ比較し、値がある値範囲内（例えば、０－５値内）にあること確実にすることにより、第１のピクセル（またはピクセルの第1のグループを表す値）を第２のピクセル（またはピクセルの第２のグループを表す値）と比較できる。例えば、（１）第１のピクセルの赤値が第２のピクセルの赤値の（プラスまたはマイナス）０－２５５値範囲中で５値内である、（２）第１のピクセルの緑値が第２のピクセルの緑値の（プラスまたはマイナス）０－２５５値範囲中で５値内である、（３）第１のピクセルの青値が第２のピクセルの青値の（プラスまたはマイナス）０－２５５値範囲中で５値内であるとき、第1のピクセルは、第２のピクセルとマッチングすることができる。このような例では、候補データポイントは、未知のデータポイントにおおよそマッチングする基準データポイントであり、未知のデータポイントについて識別されている（異なるメディアセグメントに関連する）複数の候補データポイントにつながる。候補決定エンジン７１４は、候補データポイントをマッチングエンジン７１２に戻すことができる。
１つの例示的な例では、ピクセルのピクセル値は、（赤－緑－青（ＲＧＢ）色空間において）赤値、緑値、および青値を含むことができる。このような例では、対応する赤値、緑値、および青値をそれぞれ比較し、値がある値範囲内（例えば、０－５値内）にあること確実にすることにより、第１のピクセル（またはピクセルの第1のグループを表す値）を第２のピクセル（またはピクセルの第２のグループを表す値）と比較できる。例えば、（１）第１のピクセルの赤値が第２のピクセルの赤値の（プラスまたはマイナス）０－２５５値範囲中で５値内である、（２）第１のピクセルの緑値が第２のピクセルの緑値の（プラスまたはマイナス）０－２５５値範囲中で５値内である、（３）第１のピクセルの青値が第２のピクセルの青値の（プラスまたはマイナス）０－２５５値範囲中で５値内であるとき、第1のピクセルは、第２のピクセルとマッチングすることができる。このような例では、候補データポイントは、未知のデータポイントにおおよそマッチングする基準データポイントであり、未知のデータポイントについて識別されている（異なるメディアセグメントに関連する）複数の候補データポイントにつながる。候補決定エンジン７１４は、候補データポイントをマッチングエンジン７１２に戻すことができる。
［００５７］
候補データポイントについて、マッチングエンジン７１２は、候補データポイントに関係付けられ、候補データポイントが導出される識別されたビデオセグメントに割り当てられるビンに、トークンを追加することができる。対応するトークンは、識別された候補データポイントに対応するすべてのビンに追加されることができる。（視聴される未知のコンテンツに対応する）より多くの未知のデータポイントがプレーヤーデバイス７０２からマッチングサーバ７０４によって受信されると、類似する候補データポイント決定処理を実行でき、識別された候補データポイントに対応するビンにトークンを追加できる。ビンのうちの１つだけが、視聴される未知のビデオコンテンツのセグメントに対応し、他のビンは、類似する（例えば、類似するピクセル色値を有する）データポイント値によりマッチングする候補データポイントに対応するが、視聴される実際のセグメントには対応しない。視聴される未知のビデオコンテンツセグメントについてのビンは、見られないセグメントについての他のビンよりも、それに割り当てられるより多くのトークンを有するだろう。例えば、より多くの未知のデータポイントが受信されると、ビンに対応する非常に多くの基準データポイントは候補データポイントとして識別され、より多くのトークンがビンに追加されることにつながる。いったんビンが特定の数のトークンを含むと、マッチングエンジン７１２は、ビンに関係付けられているセグメントは現在プレーヤーデバイス７０２上に表示されていると決定できる。ビデオセグメントは、ビデオプログラム全体またはビデオプログラムの一部分を含むことができる。例えば、ビデオセグメントは、ビデオプログラム、ビデオプログラムのシーン、ビデオプログラムの１つ以上のフレーム、または、ビデオプログラムの他の何らかの部分であることがある。メディアコンテンツを識別するためのシステムの例は、米国特許出願第１５／２４０、８０１号で説明されており、これは、すべての目的のために、その全体が参照によってここに組み込まれている。
候補データポイントについて、マッチングエンジン７１２は、候補データポイントに関係付けられ、候補データポイントが導出される識別されたビデオセグメントに割り当てられるビンに、トークンを追加することができる。対応するトークンは、識別された候補データポイントに対応するすべてのビンに追加されることができる。（視聴される未知のコンテンツに対応する）より多くの未知のデータポイントがプレーヤーデバイス７０２からマッチングサーバ７０４によって受信されると、類似する候補データポイント決定処理を実行でき、識別された候補データポイントに対応するビンにトークンを追加できる。ビンのうちの１つだけが、視聴される未知のビデオコンテンツのセグメントに対応し、他のビンは、類似する（例えば、類似するピクセル色値を有する）データポイント値によりマッチングする候補データポイントに対応するが、視聴される実際のセグメントには対応しない。視聴される未知のビデオコンテンツセグメントについてのビンは、見られないセグメントについての他のビンよりも、それに割り当てられるより多くのトークンを有するだろう。例えば、より多くの未知のデータポイントが受信されると、ビンに対応する非常に多くの基準データポイントは候補データポイントとして識別され、より多くのトークンがビンに追加されることにつながる。いったんビンが特定の数のトークンを含むと、マッチングエンジン７１２は、ビンに関係付けられているセグメントは現在プレーヤーデバイス７０２上に表示されていると決定できる。ビデオセグメントは、ビデオプログラム全体またはビデオプログラムの一部分を含むことができる。例えば、ビデオセグメントは、ビデオプログラム、ビデオプログラムのシーン、ビデオプログラムの１つ以上のフレーム、または、ビデオプログラムの他の何らかの部分であることがある。メディアコンテンツを識別するためのシステムの例は、米国特許出願第１５／２４０、８０１号で説明されており、これは、すべての目的のために、その全体が参照によってここに組み込まれている。
［００５８］
図１に戻って参照すると、いくつかの例では、ＡＣＲエンジン１３２は、識別されるメディアコンテンツの識別子（例えば、メディアデバイスによって視聴されているビデオセグメント）を出力できる。このような例では、ＡＣＲエンジン１３２は、メディアコンテンツの識別子、メディアコンテンツを受信したデバイスの識別子、およびメディアコンテンツに関係付けられている他の何らかのデータ（例えば、メディアコンテンツが再生されたチャネル）を統計相関器１３６に送ることができる。
図１に戻って参照すると、いくつかの例では、ＡＣＲエンジン１３２は、識別されるメディアコンテンツの識別子（例えば、メディアデバイスによって視聴されているビデオセグメント）を出力できる。このような例では、ＡＣＲエンジン１３２は、メディアコンテンツの識別子、メディアコンテンツを受信したデバイスの識別子、およびメディアコンテンツに関係付けられている他の何らかのデータ（例えば、メディアコンテンツが再生されたチャネル）を統計相関器１３６に送ることができる。
［００５９］
いくつかの例では、統計相関器１３６は、ＡＣＲエンジン１３２からの出力された視聴データを使用してデバイスマップを評価し、デバイスマップ分類システム１２０を使用して生成したカテゴリと異なるカテゴリに割り当てられたデバイスのグループの視聴行動との間の相関を決定できる。いくつかのケースでは、統計相関器１３６は、デバイスマップを生成したデバイスマッピングシステムが正確であるかを決定できる。図２Ａ、２Ｂ、および２Ｃは、異なるデバイスマッピングシステムについてのグラフの例（例えば、ソースＡ、ソースＢ、およびソースＣ）を図示している。
いくつかの例では、統計相関器１３６は、ＡＣＲエンジン１３２からの出力された視聴データを使用してデバイスマップを評価し、デバイスマップ分類システム１２０を使用して生成したカテゴリと異なるカテゴリに割り当てられたデバイスのグループの視聴行動との間の相関を決定できる。いくつかのケースでは、統計相関器１３６は、デバイスマップを生成したデバイスマッピングシステムが正確であるかを決定できる。図２Ａ、２Ｂ、および２Ｃは、異なるデバイスマッピングシステムについてのグラフの例（例えば、ソースＡ、ソースＢ、およびソースＣ）を図示している。
［００６０］
１つの例示的な例では、グラフは平均チャネル視聴時間（an average channel viewing time）（すなわち、合計で費やされた時間）についてのｘ軸とチャネル分散についてのｙ軸を含むことができる。このような例では、チャネル分散は、異なるチャネル間の視聴時間における分散を示すことができる。いくつかの例では、グラフ上の各ポイント（例えば、円）は、（例えば、カテゴリセグメントジェネレータ１２４とともに上記で説明したような）カテゴリセグメントまたはカテゴリを表すことができる。例えば、カテゴリセグメントが世帯（例えば、複数のデバイス）についてのものであるとき、世帯が時間の２単位（例えば、時間、分、秒等）の間アクティブであり、その間、１つ以上の他のチャネルより多くの１つ以上のチャネルが時間の１０単位の（例えば、時間、分、秒等）の間視聴されたことを（２、１０）における円は示すことができる。別の例は、カテゴリセグメントがデバイスについてのものであるとき、デバイスが時間の２単位（例えば、時間、分、秒等）の間アクティブであり、その間、１つ以上の他のチャネルより多くの１つ以上のチャネルが時間の１０単位（例えば、時間、分、秒等）の間視聴されたことを（２、１０）における円は示すことができる。
１つの例示的な例では、グラフは平均チャネル視聴時間（an average channel viewing time）（すなわち、合計で費やされた時間）についてのｘ軸とチャネル分散についてのｙ軸を含むことができる。このような例では、チャネル分散は、異なるチャネル間の視聴時間における分散を示すことができる。いくつかの例では、グラフ上の各ポイント（例えば、円）は、（例えば、カテゴリセグメントジェネレータ１２４とともに上記で説明したような）カテゴリセグメントまたはカテゴリを表すことができる。例えば、カテゴリセグメントが世帯（例えば、複数のデバイス）についてのものであるとき、世帯が時間の２単位（例えば、時間、分、秒等）の間アクティブであり、その間、１つ以上の他のチャネルより多くの１つ以上のチャネルが時間の１０単位の（例えば、時間、分、秒等）の間視聴されたことを（２、１０）における円は示すことができる。別の例は、カテゴリセグメントがデバイスについてのものであるとき、デバイスが時間の２単位（例えば、時間、分、秒等）の間アクティブであり、その間、１つ以上の他のチャネルより多くの１つ以上のチャネルが時間の１０単位（例えば、時間、分、秒等）の間視聴されたことを（２、１０）における円は示すことができる。
［００６１］
図２Ａ、２Ｂ、および２Ｃ中に示す例は、平均チャネル視聴時間およびチャネル分散を含むが、（例えば、（デジタルビデオ記録（ＤＶＲ）視聴またはビデオオンデマンド（ＶＯＤ）視聴のような）視聴のタイプまたは視聴が生じた時間のような）チャネル視聴時間以外の他の何らかの視聴行動が統計相関器１３６によって使用されることができることを当業者は認識するだろう。
図２Ａ、２Ｂ、および２Ｃ中に示す例は、平均チャネル視聴時間およびチャネル分散を含むが、（例えば、（デジタルビデオ記録（ＤＶＲ）視聴またはビデオオンデマンド（ＶＯＤ）視聴のような）視聴のタイプまたは視聴が生じた時間のような）チャネル視聴時間以外の他の何らかの視聴行動が統計相関器１３６によって使用されることができることを当業者は認識するだろう。
［００６２］
いくつかの例では、統計相関器１３６は、ＡＣＲエンジン１３２からの視聴データ（例えば、ビデオセグメントの視聴時間）とデバイスマップ分類システム１２０からのデバイスマップの統計評価を実行できる。統計評価は、デバイスマップ対ＡＣＲエンジン１３２によって検出されたような視聴データの予測の精度を表すことができる。例えば、統計評価は、類似する視聴データを有するデバイスとデバイスに割り当てられたカテゴリとの間に相関があるかを示すことができる。別の例として、統計相関器１３６は、各カテゴリセグメント間でチャネルの視聴がどのように変化するかを決定できる。例えば、分散分析（ＡＮＯＶＡ）、カイ二乗、ｆ検定、ｔ検定、これらの任意の組み合わせ、または、これらに類するものを含む、任意の適切な統計評価技術を使用して、統計評価を実行できることを認識すべきである。例示の目的のために、ＡＮＯＶＡは、ここでは例として使用されるだろう。しかしながら、相関を決定するために、統計相関器１３６によって他の何らかの適切な統計評価検定を使用できることを当業者は認識するだろう。
いくつかの例では、統計相関器１３６は、ＡＣＲエンジン１３２からの視聴データ（例えば、ビデオセグメントの視聴時間）とデバイスマップ分類システム１２０からのデバイスマップの統計評価を実行できる。統計評価は、デバイスマップ対ＡＣＲエンジン１３２によって検出されたような視聴データの予測の精度を表すことができる。例えば、統計評価は、類似する視聴データを有するデバイスとデバイスに割り当てられたカテゴリとの間に相関があるかを示すことができる。別の例として、統計相関器１３６は、各カテゴリセグメント間でチャネルの視聴がどのように変化するかを決定できる。例えば、分散分析（ＡＮＯＶＡ）、カイ二乗、ｆ検定、ｔ検定、これらの任意の組み合わせ、または、これらに類するものを含む、任意の適切な統計評価技術を使用して、統計評価を実行できることを認識すべきである。例示の目的のために、ＡＮＯＶＡは、ここでは例として使用されるだろう。しかしながら、相関を決定するために、統計相関器１３６によって他の何らかの適切な統計評価検定を使用できることを当業者は認識するだろう。
［００６３］
ＡＮＯＶＡは、論理グループの平均（または代表値）間の差を分析するために使用できる。いくつかの例では、デバイスマップ分類システム１２０から受信した各カテゴリのセグメントについてＡＣＲエンジン１３２に関係付けられている情報の平均を計算できる。例えば、各デバイスについて、異なるチャネル間の使用時間における分散を（例えば、図２Ａ、２Ｂ、および２Ｃ中で示すように）計算できる。各カテゴリのセグメントについて、分散は、平均分散（a mean variance）を計算できるように各デバイスにわたって平均化できる。平均分散は情報の平均であることがある。別の例では、ＡＣＲエンジン１３２に関係付けられている情報の平均を、前記世帯についての複合デバイスマップに基づいて、各世帯について計算できる。
ＡＮＯＶＡは、論理グループの平均（または代表値）間の差を分析するために使用できる。いくつかの例では、デバイスマップ分類システム１２０から受信した各カテゴリのセグメントについてＡＣＲエンジン１３２に関係付けられている情報の平均を計算できる。例えば、各デバイスについて、異なるチャネル間の使用時間における分散を（例えば、図２Ａ、２Ｂ、および２Ｃ中で示すように）計算できる。各カテゴリのセグメントについて、分散は、平均分散（a mean variance）を計算できるように各デバイスにわたって平均化できる。平均分散は情報の平均であることがある。別の例では、ＡＣＲエンジン１３２に関係付けられている情報の平均を、前記世帯についての複合デバイスマップに基づいて、各世帯について計算できる。
［００６４］
いくつかの例では、ＡＮＯＶＡは、２つのタイプの分散、すなわち、各カテゴリセグメント内の分散と異なるカテゴリセグメント間の分散とを比較できる。分散を計算するために、（「ＳＳ間（SS between）」と呼ばれる）異なるカテゴリのセグメント間の二乗和（ＳＳ（a sum of squares））を計算することができる：
ここでｘバー（
）は、カテゴリセグメント平均であり、ｘダブルバー（
）は、全体平均である。いくつかの例では、異なるカテゴリセグメント間の分散（「級間分散（variance between）」と呼ばれる）を計算できる：
ここでｋは、別個のサンプルの数である。いくつかの例では、各カテゴリセグメント内の分散（「級内分散（variance within）」と呼ばれる）も計算できる：
１つの例示的な例では、級内分散を取得するために、以下の式を使用できる：
いくつかの例では、ＡＮＯＶＡは、２つのタイプの分散、すなわち、各カテゴリセグメント内の分散と異なるカテゴリセグメント間の分散とを比較できる。分散を計算するために、（「ＳＳ間（SS between）」と呼ばれる）異なるカテゴリのセグメント間の二乗和（ＳＳ（a sum of squares））を計算することができる：
［００６５］
級間分散と級内分散が計算された後、Ｆ比を計算できる。Ｆ比は、級間分散と級内分散に基づくことができる：
Ｆ比は、データによりランダム性の量を示すことができる。いくつかの例では、Ｆ比についての臨界値を識別でき、Ｆ値が臨界値未満であるとき、デバイスマッピングシステムは、検定に不合格である（すなわち、データはランダムとして識別される）。図３は、図２Ａ、２Ｂ、および２Ｃで説明したソースのそれぞれについてのＦ比を計算する例を図示している。図から分かるように、図３中のＦ比は、（図２Ａおよび２Ｃから）ソースＣとソースＡがＦ＞Ｆｃｒｉｔにより検定に合格し、（図２Ｂから）ソースＢが検定に不合格であることを示す。いくつかの例では、分析されるデバイスマッピングシステムに依存して、臨界値を調節できる。いくつかの例では、Ｆ比が小さいほど、暗示される基礎となるマッチングの品質は良くなる。
級間分散と級内分散が計算された後、Ｆ比を計算できる。Ｆ比は、級間分散と級内分散に基づくことができる：
［００６６］
いくつかの例では、統計相関器１２６は、メッセージをカテゴリ測定システム１２０に（例えば、カテゴリセグメントジェネレータ１２２またはデバイスマップジェネレータ１２４に）送ることができる。このような例では、メッセージは、１つ以上のデバイス１１０からのメディアコンテンツを考慮して、データレポートが満足の行くものであるかを示すことができる。いくつかの例では、統計相関器１３６によって実行される統計評価に基づいて、カテゴリがランダムでなさそうであると決定されるとき、データレポートは、満足のいくものであることがある。デバイスマップシステムへの修正は、デバイスマップシステムを評価するためにこの方法論を使用して、識別され、他の精度スコアと比較され、修正の進行を決定できる。
いくつかの例では、統計相関器１２６は、メッセージをカテゴリ測定システム１２０に（例えば、カテゴリセグメントジェネレータ１２２またはデバイスマップジェネレータ１２４に）送ることができる。このような例では、メッセージは、１つ以上のデバイス１１０からのメディアコンテンツを考慮して、データレポートが満足の行くものであるかを示すことができる。いくつかの例では、統計相関器１３６によって実行される統計評価に基づいて、カテゴリがランダムでなさそうであると決定されるとき、データレポートは、満足のいくものであることがある。デバイスマップシステムへの修正は、デバイスマップシステムを評価するためにこの方法論を使用して、識別され、他の精度スコアと比較され、修正の進行を決定できる。
［００６７］
図４は、精度スコアをデバイスマッピングシステムに割りあてるためのプロセス４００の例を図示している。いくつかの例では、プロセス４００は、コンピュータシステムによって実行できる。
図４は、精度スコアをデバイスマッピングシステムに割りあてるためのプロセス４００の例を図示している。いくつかの例では、プロセス４００は、コンピュータシステムによって実行できる。
［００６８］
プロセス４００は、論理フローダイヤグラムとして図示されており、その動作は、ハードウェア、コンピュータ命令、またはこれらの組合せで実現できる、動作のシーケンスを表す。コンピュータ命令の文脈では、１つ以上のプロセッサによって命令が実行されるとき、規定した動作を実行する、１つ以上のコンピュータ読取可能記憶媒体に記憶されたコンピュータ実行可能命令を動作は表す。一般的に、コンピュータ実行可能命令は、特定の機能を実行する、または、特定のデータタイプを実現する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造、および、これらに類するものを含む。動作を説明した順序は、限定として解釈されるように意図されておらず、任意の数の説明した動作は、プロセスを実現するために、任意の順序でおよび／または並列で組み合わせることができる。
プロセス４００は、論理フローダイヤグラムとして図示されており、その動作は、ハードウェア、コンピュータ命令、またはこれらの組合せで実現できる、動作のシーケンスを表す。コンピュータ命令の文脈では、１つ以上のプロセッサによって命令が実行されるとき、規定した動作を実行する、１つ以上のコンピュータ読取可能記憶媒体に記憶されたコンピュータ実行可能命令を動作は表す。一般的に、コンピュータ実行可能命令は、特定の機能を実行する、または、特定のデータタイプを実現する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造、および、これらに類するものを含む。動作を説明した順序は、限定として解釈されるように意図されておらず、任意の数の説明した動作は、プロセスを実現するために、任意の順序でおよび／または並列で組み合わせることができる。
［００６９］
さらに、プロセス４００は、実行可能な命令を有するように構成されている１つ以上のコンピュータシステムの制御下で実行されることができ、１つ以上のプロセッサ上で、ハードウェアによって、またはこれらの組み合わせによって集合的に実行するコード（例えば、実行可能な命令、１つ以上のコンピュータプログラム、または１つ以上のアプリケーション）として実現されることができる。上記で着目したように、コードは、例えば、１つ以上のプロセッサによって実行可能な複数の命令を備えるコンピュータプログラムの形態で、機械読取可能記憶媒体上に記憶されることができる。機械読取可能記憶媒体は、非一時的であることがある。
さらに、プロセス４００は、実行可能な命令を有するように構成されている１つ以上のコンピュータシステムの制御下で実行されることができ、１つ以上のプロセッサ上で、ハードウェアによって、またはこれらの組み合わせによって集合的に実行するコード（例えば、実行可能な命令、１つ以上のコンピュータプログラム、または１つ以上のアプリケーション）として実現されることができる。上記で着目したように、コードは、例えば、１つ以上のプロセッサによって実行可能な複数の命令を備えるコンピュータプログラムの形態で、機械読取可能記憶媒体上に記憶されることができる。機械読取可能記憶媒体は、非一時的であることがある。
［００７０］
プロセス４００は、メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得することを含むことができる（ステップ４１０）。いくつかの例では、デバイスマッピングシステムを使用して、複数のカテゴリを決定できる。このような例では、カテゴリは、メディアプレーヤーデバイスのグループのユーザに関係付けられている所得、メディアプレーヤーデバイスのグループのユーザの年齢層、メディアプレーヤーデバイスのグループのユーザの教育レベル、または、メディアプレーヤーデバイスのグループのデバイスの数のような、メディアプレーヤーデバイスのグループについての分類（例えば、カテゴリセグメント、デバイスセグメント、視聴セグメント、または、これらに類するもの）を含むことができる。いくつかの例では、メディアプレーヤーデバイスは、メディアコンテンツを受信して表示することができるネットワーク接続デバイスであることがある。メディアプレーヤーデバイスの例は、スマートフォン、タブレット、スマートＴＶ、ラップトップ、または、他の何らかの適切なネットワーク接続デバイスを含むことができる。
プロセス４００は、メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得することを含むことができる（ステップ４１０）。いくつかの例では、デバイスマッピングシステムを使用して、複数のカテゴリを決定できる。このような例では、カテゴリは、メディアプレーヤーデバイスのグループのユーザに関係付けられている所得、メディアプレーヤーデバイスのグループのユーザの年齢層、メディアプレーヤーデバイスのグループのユーザの教育レベル、または、メディアプレーヤーデバイスのグループのデバイスの数のような、メディアプレーヤーデバイスのグループについての分類（例えば、カテゴリセグメント、デバイスセグメント、視聴セグメント、または、これらに類するもの）を含むことができる。いくつかの例では、メディアプレーヤーデバイスは、メディアコンテンツを受信して表示することができるネットワーク接続デバイスであることがある。メディアプレーヤーデバイスの例は、スマートフォン、タブレット、スマートＴＶ、ラップトップ、または、他の何らかの適切なネットワーク接続デバイスを含むことができる。
［００７１］
プロセス４００は、メディアプレーヤーデバイスのグループの視聴行動を決定することをさらに含むことができる（ステップ４２０）。いくつかの例では、メディアプレーヤーデバイスのグループが複数のチャネル、（例えば、ＤＶＲから）記録された番組、生番組、ビデオオンデマンドコンテンツ、インターネットからのコンテンツ（例えば、ＹｏｕＴｕｂｅ（登録商標）またはＮｅｔｆｌｉｘ）、特定の番組タイプ（例えば、スポーツまたはリアリティーテレビ）、または、これらの任意の組み合わせ、のうちの１つ以上を視聴する時間量のうちの少なくとも１つ以上を、視聴行動は含むことができる。いくつかの例では、視聴行動は、自動コンテンツ認識（ＡＣＲ）を使用して決定できる。例えば、ＡＣＲは、メディアプレーヤーデバイスによって視聴された、被視聴メディアコンテンツを記憶されたメディアコンテンツとマッチングさせることができる。このような例では、メディアコンテンツは、聴覚のまたは視覚のもの（例えば、オーディオ、ビデオ、または、静止画）であることがある。
プロセス４００は、メディアプレーヤーデバイスのグループの視聴行動を決定することをさらに含むことができる（ステップ４２０）。いくつかの例では、メディアプレーヤーデバイスのグループが複数のチャネル、（例えば、ＤＶＲから）記録された番組、生番組、ビデオオンデマンドコンテンツ、インターネットからのコンテンツ（例えば、ＹｏｕＴｕｂｅ（登録商標）またはＮｅｔｆｌｉｘ）、特定の番組タイプ（例えば、スポーツまたはリアリティーテレビ）、または、これらの任意の組み合わせ、のうちの１つ以上を視聴する時間量のうちの少なくとも１つ以上を、視聴行動は含むことができる。いくつかの例では、視聴行動は、自動コンテンツ認識（ＡＣＲ）を使用して決定できる。例えば、ＡＣＲは、メディアプレーヤーデバイスによって視聴された、被視聴メディアコンテンツを記憶されたメディアコンテンツとマッチングさせることができる。このような例では、メディアコンテンツは、聴覚のまたは視覚のもの（例えば、オーディオ、ビデオ、または、静止画）であることがある。
［００７２］
メディアコンテンツがビデオコンテンツである例では、自動コンテンツ認識を実行することは、未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することと、ここで、ピクセルキューポイントは、フレームに対応するピクセル値のセットを含み、基準データポイントのデータベース中で候補基準データポイントを識別することと、ここで、候補基準データポイントは、ピクセルキューポイントと類似しており、ここで、候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する１つ以上のピクセル値を含み、候補基準データポイントと候補ビデオセグメントとに関係付けられているビンにトークンを追加することと、ビン中のトークンの数が値を超えているかを決定することと、ビン中のトークンの数が値を超えるとき、未知のビデオセグメントを、候補ビデオセグメントとマッチングするとして識別することとを含むことができる。
メディアコンテンツがビデオコンテンツである例では、自動コンテンツ認識を実行することは、未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することと、ここで、ピクセルキューポイントは、フレームに対応するピクセル値のセットを含み、基準データポイントのデータベース中で候補基準データポイントを識別することと、ここで、候補基準データポイントは、ピクセルキューポイントと類似しており、ここで、候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する１つ以上のピクセル値を含み、候補基準データポイントと候補ビデオセグメントとに関係付けられているビンにトークンを追加することと、ビン中のトークンの数が値を超えているかを決定することと、ビン中のトークンの数が値を超えるとき、未知のビデオセグメントを、候補ビデオセグメントとマッチングするとして識別することとを含むことができる。
［００７３］
プロセス４００は、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関を決定することをさらに含むことができる（ステップ４３０）。いくつかの例では、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関は、複数のカテゴリ中の視聴行動における分散に基づくことができる。
プロセス４００は、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関を決定することをさらに含むことができる（ステップ４３０）。いくつかの例では、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関は、複数のカテゴリ中の視聴行動における分散に基づくことができる。
［００７４］
プロセス４００は、決定した相関を使用して、デバイスマッピングシステムに対する精度スコアを決定することをさらに含むことができる（ステップ４４０）。いくつかの例では、デバイスマッピングシステムの精度スコアを決定することは、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関がランダムであるかを決定するために、（例えば、上記で説明したＦ比検定のような）統計仮説検定を実行することを含む。いくつかの例では、プロセス３００は、統計仮説検定の結果を（ときには臨界値と呼ばれる）ランダムしきい値と比較し、結果がランダムしきい値未満であるとき、相関がランダムであると決定することをさらに含むことができる。いくつかの例では、精度スコアは、統計仮説検定の結果のランダム性しきい値と比較に基づいて、デバイスマッピングシステムについて決定できる。
プロセス４００は、決定した相関を使用して、デバイスマッピングシステムに対する精度スコアを決定することをさらに含むことができる（ステップ４４０）。いくつかの例では、デバイスマッピングシステムの精度スコアを決定することは、複数のカテゴリとメディアプレーヤーデバイスのグループの視聴行動との間の相関がランダムであるかを決定するために、（例えば、上記で説明したＦ比検定のような）統計仮説検定を実行することを含む。いくつかの例では、プロセス３００は、統計仮説検定の結果を（ときには臨界値と呼ばれる）ランダムしきい値と比較し、結果がランダムしきい値未満であるとき、相関がランダムであると決定することをさらに含むことができる。いくつかの例では、精度スコアは、統計仮説検定の結果のランダム性しきい値と比較に基づいて、デバイスマッピングシステムについて決定できる。
［００７５］
プロセス４００は、精度スコアをデバイスマッピングシステムに割り当てること（または送ること）をさらに含むことができる（ステップ４５０）。いくつかの例では、精度スコアは、デバイスマッピングシステムを改善させるために使用できる。例えば、（例えば山登り法のような）最適化アルゴリズムは、更新された精度スコアを精度スコアと比較するために使用されることができ、更新された精度スコアは、デバイスマッピングシステムのうちの１つ以上のパラメータを更新した後、決定される。
プロセス４００は、精度スコアをデバイスマッピングシステムに割り当てること（または送ること）をさらに含むことができる（ステップ４５０）。いくつかの例では、精度スコアは、デバイスマッピングシステムを改善させるために使用できる。例えば、（例えば山登り法のような）最適化アルゴリズムは、更新された精度スコアを精度スコアと比較するために使用されることができ、更新された精度スコアは、デバイスマッピングシステムのうちの１つ以上のパラメータを更新した後、決定される。
［００７６］
図５は、複数のデバイスの予測された統計的属性への統計的相関を評価するためのプロセス５００の例を図示している。いくつかの例では、プロセス５００は、視聴行動システム１３０のようなコンピュータシステムによって実行されることができる。
図５は、複数のデバイスの予測された統計的属性への統計的相関を評価するためのプロセス５００の例を図示している。いくつかの例では、プロセス５００は、視聴行動システム１３０のようなコンピュータシステムによって実行されることができる。
［００７７］
プロセス５００は、論理フローダイヤグラムとして図示されており、その動作は、ハードウェア、コンピュータ命令、またはこれらの組合せで実現できる動作のシーケンスを表す。コンピュータ命令の文脈では、１つ以上のプロセッサによって実行されるとき、動作は、規定した動作を実行する１つ以上のコンピュータ読取可能記憶媒体に記憶されたコンピュータ実行可能命令を表す。一般的に、コンピュータ実行可能命令は、特定の機能を実行する、または、特定のデータタイプを実現する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造、および、これらに類するものを含む。動作を説明した順序は、限定として解釈されるように意図されておらず、任意の数の説明した動作は、プロセスを実現するために、任意の順序でおよび／または並列で組み合わされることができる。
プロセス５００は、論理フローダイヤグラムとして図示されており、その動作は、ハードウェア、コンピュータ命令、またはこれらの組合せで実現できる動作のシーケンスを表す。コンピュータ命令の文脈では、１つ以上のプロセッサによって実行されるとき、動作は、規定した動作を実行する１つ以上のコンピュータ読取可能記憶媒体に記憶されたコンピュータ実行可能命令を表す。一般的に、コンピュータ実行可能命令は、特定の機能を実行する、または、特定のデータタイプを実現する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造、および、これらに類するものを含む。動作を説明した順序は、限定として解釈されるように意図されておらず、任意の数の説明した動作は、プロセスを実現するために、任意の順序でおよび／または並列で組み合わされることができる。
［００７８］
さらに、プロセス５００は、実行可能な命令を有するように構成されている１つ以上のコンピュータシステムの制御下で実行されることができ、１つ以上のプロセッサ上で、ハードウェアによって、またはこれらの組み合わせによって集合的に実行するコード（例えば、実行可能な命令、１つ以上のコンピュータプログラム、または１つ以上のアプリケーション）として実現されることができる。上記で着目したように、コードは、例えば、１つ以上のプロセッサによって実行可能な複数の命令を備えるコンピュータプログラムの形態で、機械読取可能記憶媒体上に記憶されることができる。機械読取可能記憶媒体は、非一時的であることがある。
さらに、プロセス５００は、実行可能な命令を有するように構成されている１つ以上のコンピュータシステムの制御下で実行されることができ、１つ以上のプロセッサ上で、ハードウェアによって、またはこれらの組み合わせによって集合的に実行するコード（例えば、実行可能な命令、１つ以上のコンピュータプログラム、または１つ以上のアプリケーション）として実現されることができる。上記で着目したように、コードは、例えば、１つ以上のプロセッサによって実行可能な複数の命令を備えるコンピュータプログラムの形態で、機械読取可能記憶媒体上に記憶されることができる。機械読取可能記憶媒体は、非一時的であることがある。
［００７９］
プロセス５００は、１つ以上のデバイスのそれぞれについて値を計算することを含むことができる（ステップ５１０）。いくつかの例では、値は、デバイスに利用可能な１つ以上のチャネルの各チャネルにデバイスがチューニングされる時間数であることがある。いくつかの例では、１つ以上のデバイスは、デバイスマッピングシステムによって示されることができる。このような例では、デバイスマッピングシステムは、１つ以上のデバイスと１つ以上のデバイスのそれぞれについての特定のカテゴリ（ときにはカテゴリセグメントと呼ばれる）の表示を提供することができる。
プロセス５００は、１つ以上のデバイスのそれぞれについて値を計算することを含むことができる（ステップ５１０）。いくつかの例では、値は、デバイスに利用可能な１つ以上のチャネルの各チャネルにデバイスがチューニングされる時間数であることがある。いくつかの例では、１つ以上のデバイスは、デバイスマッピングシステムによって示されることができる。このような例では、デバイスマッピングシステムは、１つ以上のデバイスと１つ以上のデバイスのそれぞれについての特定のカテゴリ（ときにはカテゴリセグメントと呼ばれる）の表示を提供することができる。
［００８０］
プロセス５００は、デバイスマッピングシステムによって示される各セグメント間でチャネル視聴がどのように変化するかを識別するために、１つ以上のデバイスのそれぞれについての値に対して統計的分析を実行することをさらに含むことができる（ステップ５２０）。
いくつかの例では、統計的分析は、分散の分析（ＡＮＯＶＡ）、カイ二乗、ｆ検定、ｔ検定、またはこれらに類するものであることがある。統計的分析がＡＮＯＶＡである場合、プロセス５００は：セグメント間に少しの分散があるとき、セグメントがデバイスマッピングシステムによって不十分に識別されたと決定すること（ステップ５３０）、セグメント間に多くの分散があるとき、セグメントが視聴行動に相関すると決定すること（ステップ５４０）、および、セグメント間に少しの分散があるか多くの分散があるかを決定するために、Ｆ検定（または他の適切な統計的分析検定または統計仮説検定）を実行することをさらに含むことができる。
プロセス５００は、デバイスマッピングシステムによって示される各セグメント間でチャネル視聴がどのように変化するかを識別するために、１つ以上のデバイスのそれぞれについての値に対して統計的分析を実行することをさらに含むことができる（ステップ５２０）。
いくつかの例では、統計的分析は、分散の分析（ＡＮＯＶＡ）、カイ二乗、ｆ検定、ｔ検定、またはこれらに類するものであることがある。統計的分析がＡＮＯＶＡである場合、プロセス５００は：セグメント間に少しの分散があるとき、セグメントがデバイスマッピングシステムによって不十分に識別されたと決定すること（ステップ５３０）、セグメント間に多くの分散があるとき、セグメントが視聴行動に相関すると決定すること（ステップ５４０）、および、セグメント間に少しの分散があるか多くの分散があるかを決定するために、Ｆ検定（または他の適切な統計的分析検定または統計仮説検定）を実行することをさらに含むことができる。
［００８１］
図６は、予測された視聴行動と自動コンテンツ認識コンポーネントによって測定されるような実際の視聴との比較のためのプロセス６００の例を図示している。いくつかの例では、プロセス６００は、視聴行動システム１３０のようなコンピュータシステムによって実行されることができる。
図６は、予測された視聴行動と自動コンテンツ認識コンポーネントによって測定されるような実際の視聴との比較のためのプロセス６００の例を図示している。いくつかの例では、プロセス６００は、視聴行動システム１３０のようなコンピュータシステムによって実行されることができる。
［００８２］
プロセス６００は、論理フローダイヤグラムとして図示されており、その動作は、ハードウェア、コンピュータ命令、またはこれらの組合せで実現できる動作のシーケンスを表す。コンピュータ命令の文脈では、動作は、１つ以上のプロセッサによって実行されるとき、規定した動作を実行する１つ以上のコンピュータ読取可能記憶媒体に記憶されたコンピュータ実行可能命令を表す。一般的に、コンピュータ実行可能命令は、特定の機能を実行する、または、特定のデータタイプを実現する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造、および、これらに類するものを含む。動作を説明した順序は、限定として解釈されるように意図されておらず、任意の数の説明した動作は、プロセスを実現するために、任意の順序でおよび／または並列で組み合わされることができる。
プロセス６００は、論理フローダイヤグラムとして図示されており、その動作は、ハードウェア、コンピュータ命令、またはこれらの組合せで実現できる動作のシーケンスを表す。コンピュータ命令の文脈では、動作は、１つ以上のプロセッサによって実行されるとき、規定した動作を実行する１つ以上のコンピュータ読取可能記憶媒体に記憶されたコンピュータ実行可能命令を表す。一般的に、コンピュータ実行可能命令は、特定の機能を実行する、または、特定のデータタイプを実現する、ルーチン、プログラム、オブジェクト、コンポーネント、データ構造、および、これらに類するものを含む。動作を説明した順序は、限定として解釈されるように意図されておらず、任意の数の説明した動作は、プロセスを実現するために、任意の順序でおよび／または並列で組み合わされることができる。
［００８３］
さらに、プロセス６００は、実行可能な命令を有するように構成されている１つ以上のコンピュータシステムの制御下で実行されることができ、１つ以上のプロセッサ上で、ハードウェアによって、またはこれらの組み合わせによって集合的に実行するコード（例えば、実行可能な命令、１つ以上のコンピュータプログラム、または１つ以上のアプリケーション）として実現されることができる。上記で着目したように、コードは、例えば、１つ以上のプロセッサによって実行可能な複数の命令を備えるコンピュータプログラムの形態で、機械読取可能記憶媒体上に記憶されることができる。機械読取可能記憶媒体は、非一時的であることがある。
さらに、プロセス６００は、実行可能な命令を有するように構成されている１つ以上のコンピュータシステムの制御下で実行されることができ、１つ以上のプロセッサ上で、ハードウェアによって、またはこれらの組み合わせによって集合的に実行するコード（例えば、実行可能な命令、１つ以上のコンピュータプログラム、または１つ以上のアプリケーション）として実現されることができる。上記で着目したように、コードは、例えば、１つ以上のプロセッサによって実行可能な複数の命令を備えるコンピュータプログラムの形態で、機械読取可能記憶媒体上に記憶されることができる。機械読取可能記憶媒体は、非一時的であることがある。
［００８４］
プロセス６００は、１つ以上のデバイスに対するデバイスマップを取得することを含むことができる（ステップ６１０）。いくつかの例では、１つ以上のデバイスは、それぞれ世帯を構成するメディアデバイスであることがある。いくつかの例では、デバイスマップは、第三者システムによって生成されることがある。このような例では、デバイスマップは、生データ（例えば、ｅメール、Ｆａｃｅｂｏｏｋ（登録商標）、ＹｏｕＴｕｂｅ、または、これらに類するものに費やされた時間を含む、ローカルエリア接続および/またはインターネットの使用のようなインターネットプロトコル（ＩＰ）トラフィック）に基づいて生成されることがある。他の例では、生データは、１つ以上のデバイスからのクッキーおよび他のデータマイニングアクティビティのようなブラウザデータを収集することによって集められることができる。
プロセス６００は、１つ以上のデバイスに対するデバイスマップを取得することを含むことができる（ステップ６１０）。いくつかの例では、１つ以上のデバイスは、それぞれ世帯を構成するメディアデバイスであることがある。いくつかの例では、デバイスマップは、第三者システムによって生成されることがある。このような例では、デバイスマップは、生データ（例えば、ｅメール、Ｆａｃｅｂｏｏｋ（登録商標）、ＹｏｕＴｕｂｅ、または、これらに類するものに費やされた時間を含む、ローカルエリア接続および/またはインターネットの使用のようなインターネットプロトコル（ＩＰ）トラフィック）に基づいて生成されることがある。他の例では、生データは、１つ以上のデバイスからのクッキーおよび他のデータマイニングアクティビティのようなブラウザデータを収集することによって集められることができる。
［００８５］
いくつかの例では、デバイスマップについての要求は、デバイスマップが基づくべき1つ以上のデバイスの表示を含むことができる。他の例では、要求は、生データを含むことができる。デバイスマップは、技術的に知られているプロプライエタリプロセスを使用して生成されてもよいことを当業者は認識するだろう。デバイスマップを生成する際に使用されるデータは、ユーザがさまざまなインターネットサイトにアクセスすると、デバイス上で収集されるクッキーを分析することから導出できる。いくつかの例では、インターネット接続デバイスのタイプは、デバイス内のコンフィギュレーション情報を遠隔で問い合わせることから導出されることができる。
いくつかの例では、デバイスマップについての要求は、デバイスマップが基づくべき1つ以上のデバイスの表示を含むことができる。他の例では、要求は、生データを含むことができる。デバイスマップは、技術的に知られているプロプライエタリプロセスを使用して生成されてもよいことを当業者は認識するだろう。デバイスマップを生成する際に使用されるデータは、ユーザがさまざまなインターネットサイトにアクセスすると、デバイス上で収集されるクッキーを分析することから導出できる。いくつかの例では、インターネット接続デバイスのタイプは、デバイス内のコンフィギュレーション情報を遠隔で問い合わせることから導出されることができる。
［００８６］
プロセス６００は、デバイスマップをデバイスのメディアコンテンツ視聴に関係付けること（またはマッピングすること）をさらに含むことができる（ステップ６２０）。いくつかの例では、関係付けることは、（コンテンツ認識のいくつかの形態を使用して）デバイスマップのＩＰアドレスをメディアコンテンツ視聴について監視されるデバイスのＩＰアドレスに関係付けることを含むことができる。このような例では、関係付けることは、デバイスから検出されたメディアコンテンツ視聴をデバイスマップのＩＰアドレスに関係付けることも含むことができる。デバイスマップをメディアコンテンツ視聴に関係付けることの例は、関係付けられている世帯が食べ物のレシピやキッチンツールを特集するウェブサイトを検索することから、彼らが料理ものを好きであるとデバイスマップが予測し、その後、彼らの食べ物チャネルのＴＶ視聴にマッピングする場合である。
プロセス６００は、デバイスマップをデバイスのメディアコンテンツ視聴に関係付けること（またはマッピングすること）をさらに含むことができる（ステップ６２０）。いくつかの例では、関係付けることは、（コンテンツ認識のいくつかの形態を使用して）デバイスマップのＩＰアドレスをメディアコンテンツ視聴について監視されるデバイスのＩＰアドレスに関係付けることを含むことができる。このような例では、関係付けることは、デバイスから検出されたメディアコンテンツ視聴をデバイスマップのＩＰアドレスに関係付けることも含むことができる。デバイスマップをメディアコンテンツ視聴に関係付けることの例は、関係付けられている世帯が食べ物のレシピやキッチンツールを特集するウェブサイトを検索することから、彼らが料理ものを好きであるとデバイスマップが予測し、その後、彼らの食べ物チャネルのＴＶ視聴にマッピングする場合である。
［００８７］
プロセス６００は、１つ以上の基準ソース（例えば、家庭内のテレビのような１つ以上のデバイス）からのデータに基づいて、視聴統計に対する第１のデータベースを生成することをさらに含むことができる（ステップ６３０）。いくつかの例では、第１のデータベースは、デバイスマップの１つ以上のデバイスから収集されたインターネットアクティビティに関係付けるプロプライエタリプロセスを使用して、第三者によって生成されることができる。このような例では、プロプライエタリプロセスは、実際の視聴記録を使用しない。いくつかの例では、第１のデータベースは、視聴者の関心をメディアコンテンツ視聴に関係付けるために使用されることができる。例えば、第１のデータベースは、メディアコンテンツ視聴を特定の自動車ブランドのような製品の関心と関係付けることができる。
プロセス６００は、１つ以上の基準ソース（例えば、家庭内のテレビのような１つ以上のデバイス）からのデータに基づいて、視聴統計に対する第１のデータベースを生成することをさらに含むことができる（ステップ６３０）。いくつかの例では、第１のデータベースは、デバイスマップの１つ以上のデバイスから収集されたインターネットアクティビティに関係付けるプロプライエタリプロセスを使用して、第三者によって生成されることができる。このような例では、プロプライエタリプロセスは、実際の視聴記録を使用しない。いくつかの例では、第１のデータベースは、視聴者の関心をメディアコンテンツ視聴に関係付けるために使用されることができる。例えば、第１のデータベースは、メディアコンテンツ視聴を特定の自動車ブランドのような製品の関心と関係付けることができる。
［００８８］
プロセス６００は、自動コンテンツ認識を使用して、ビデオセグメント視聴に対する第２のデータベースを生成することをさらに含むことができる（ステップ６４０）。いくつかの例では、自動コンテンツ認識は、（ここで説明するように）１つ以上のメディアデバイス上で視聴されているメディアコンテンツを識別できる。識別されたメディアコンテンツは、１つ以上のメディアデバイスによって視聴されているものを決定するために分析されることができる。視聴されているものに基づいて、第２のデータベースは、１つ以上のデバイスの視聴行動に関する情報を含むように生成されることができる。
プロセス６００は、自動コンテンツ認識を使用して、ビデオセグメント視聴に対する第２のデータベースを生成することをさらに含むことができる（ステップ６４０）。いくつかの例では、自動コンテンツ認識は、（ここで説明するように）１つ以上のメディアデバイス上で視聴されているメディアコンテンツを識別できる。識別されたメディアコンテンツは、１つ以上のメディアデバイスによって視聴されているものを決定するために分析されることができる。視聴されているものに基づいて、第２のデータベースは、１つ以上のデバイスの視聴行動に関する情報を含むように生成されることができる。
［００８９］
プロセス６００は、第1のデータベースと第２のデータベースを使用して、統計評価（例えば、上記で説明したような統計的相関）を実行することをさらに含む（ステップ６５０）。いくつかの例では、統計評価は、第１のデータベースと第２のデータベースを比較できる。
プロセス６００は、第1のデータベースと第２のデータベースを使用して、統計評価（例えば、上記で説明したような統計的相関）を実行することをさらに含む（ステップ６５０）。いくつかの例では、統計評価は、第１のデータベースと第２のデータベースを比較できる。
［００９０］
プロセス６００は、統計評価に基づいて、デバイスマップを評価することをさらに含む（ステップ６６０）。例えば、１つ以上のカテゴリセグメントがランダムに選択されたことを統計評価が示す場合、デバイスマップが不十分であると決定することができる。しかしながら、１つ以上のカテゴリセグメントが視聴挙動と相関することを統計評価が示す場合、デバイスマップが正確であると決定することができる。いくつかの例では、プロセス６００は、再帰的なものであることがあり、ステップ６６０が終了するとき、プロセス６００はステップ６３０、６４０、６５０、および６６０を繰り返すことができる。
プロセス６００は、統計評価に基づいて、デバイスマップを評価することをさらに含む（ステップ６６０）。例えば、１つ以上のカテゴリセグメントがランダムに選択されたことを統計評価が示す場合、デバイスマップが不十分であると決定することができる。しかしながら、１つ以上のカテゴリセグメントが視聴挙動と相関することを統計評価が示す場合、デバイスマップが正確であると決定することができる。いくつかの例では、プロセス６００は、再帰的なものであることがあり、ステップ６６０が終了するとき、プロセス６００はステップ６３０、６４０、６５０、および６６０を繰り返すことができる。
［００９１］
図８は、さまざまなデバイスのためのプロセスフローの例を図示している。いくつかの例では、プロセスフローは、メディアデバイス８０１を含むことができる。メディアデバイス８０１は、メディアデバイス８０１上に現在表示されているビデオプログラムの（ときには指紋と呼ばれる）キューポイントデータを生成することができる。メディアデバイス８０１は、キューポイントデータをキューポイントマネージャ８０２に送ることができる。キューポイントマネージャ８０２は、（ここで説明したような）キューポイントデータと自動コンテンツ認識システムを使用して、メディアディスプレイ８０１上に表示されているものを処理および／または識別できる。
図８は、さまざまなデバイスのためのプロセスフローの例を図示している。いくつかの例では、プロセスフローは、メディアデバイス８０１を含むことができる。メディアデバイス８０１は、メディアデバイス８０１上に現在表示されているビデオプログラムの（ときには指紋と呼ばれる）キューポイントデータを生成することができる。メディアデバイス８０１は、キューポイントデータをキューポイントマネージャ８０２に送ることができる。キューポイントマネージャ８０２は、（ここで説明したような）キューポイントデータと自動コンテンツ認識システムを使用して、メディアディスプレイ８０１上に表示されているものを処理および／または識別できる。
［００９２］
いくつかの例では、プロセスフローは、キューポイントキャッシュ８０６をさらに含むことができる。キューポイントキャッシュ８０６は、キューポイントデータの取り込み（記憶）をサポートするための記憶デバイスであることがある。プロセスフローは、リアルタイム基準データベース８０４をさらに含むことができる。リアルタイム基準データベース８０４は、１つ以上のテレビチャネル上で現在利用可能なテレビ番組のデータベースであることがある。リアルタイム基準データベース８０４は、メディアデバイス８０１上で現在表示されているビデオセグメントを識別するためのメディアデバイス８０１からのキューポイントデータを比較する目的のために、１つ以上のテレビチャネルを収集し、処理することができる。
いくつかの例では、プロセスフローは、キューポイントキャッシュ８０６をさらに含むことができる。キューポイントキャッシュ８０６は、キューポイントデータの取り込み（記憶）をサポートするための記憶デバイスであることがある。プロセスフローは、リアルタイム基準データベース８０４をさらに含むことができる。リアルタイム基準データベース８０４は、１つ以上のテレビチャネル上で現在利用可能なテレビ番組のデータベースであることがある。リアルタイム基準データベース８０４は、メディアデバイス８０１上で現在表示されているビデオセグメントを識別するためのメディアデバイス８０１からのキューポイントデータを比較する目的のために、１つ以上のテレビチャネルを収集し、処理することができる。
［００９３］
いくつかの例では、プロセスフローは、サーチルーター８０３をさらに含むことができる。サーチルーター８０３は、デバイスマップ情報をメディアデバイス８０１からの視聴情報と相関させる目的のために、（デバイス８０５Ａ、８０５Ｂ、８０５Ｃ、および８０５Ｄのような）世帯中の１つ以上のデバイスについてのデバイスマップ情報を受け入れることができる。
いくつかの例では、プロセスフローは、サーチルーター８０３をさらに含むことができる。サーチルーター８０３は、デバイスマップ情報をメディアデバイス８０１からの視聴情報と相関させる目的のために、（デバイス８０５Ａ、８０５Ｂ、８０５Ｃ、および８０５Ｄのような）世帯中の１つ以上のデバイスについてのデバイスマップ情報を受け入れることができる。
［００９４］
図９－１１は、月あたりのＴＶ視聴時間への世帯の所得の関係を表すチャートの例を図示している。チャートは、それぞれ異なるベンダーからのものであり、各ベンダーからのデータの品質をテストするために、ＡＣＲシステムの直接測定から学習したようにＴＶ視聴について相関する。
図９－１１は、月あたりのＴＶ視聴時間への世帯の所得の関係を表すチャートの例を図示している。チャートは、それぞれ異なるベンダーからのものであり、各ベンダーからのデータの品質をテストするために、ＡＣＲシステムの直接測定から学習したようにＴＶ視聴について相関する。
［００９５］
図９は、所得コード対月あたりの視聴時間を等式化した４７％の第１のマッチングレートの例を図示している。図に示すように、２つの要因が関連していない確率は、９ｘ１０-１７で、低い。確率は、マッチングプロセスが良さそうであることを示している。
図９は、所得コード対月あたりの視聴時間を等式化した４７％の第１のマッチングレートの例を図示している。図に示すように、２つの要因が関連していない確率は、９ｘ１０-１７で、低い。確率は、マッチングプロセスが良さそうであることを示している。
［００９６］
図１０は、所得コード対月あたりの視聴時間を等式化した６２％の第２のマッチングの例を図示している。図に示すように、２つの要因が関連していない確率は、図９と比較して３桁下がる。したがって、全体として第２のマッチングは、システムにおけるランダム性を低減させ、第１のものよりも良い（より低いほど、スコアはより良い）。
図１０は、所得コード対月あたりの視聴時間を等式化した６２％の第２のマッチングの例を図示している。図に示すように、２つの要因が関連していない確率は、図９と比較して３桁下がる。したがって、全体として第２のマッチングは、システムにおけるランダム性を低減させ、第１のものよりも良い（より低いほど、スコアはより良い）。
［００９７］
図１１は、所得コード対月あたりの視聴時間を等式化したデータセット２中のみで見いだされるメディアデバイスの例を図示している。
図１１は、所得コード対月あたりの視聴時間を等式化したデータセット２中のみで見いだされるメディアデバイスの例を図示している。
［００９８］
前述の明細書において、本発明の態様は、その特定の実施形態を参照して説明されるが、本発明はこれらに限定されないことを当業者は認識するだろう。上記で説明した発明のさまざまな特徴および態様は、単独または組み合わせて使用されてもよい。さらに、実施形態は、本明細書のより広い精神および範囲から逸脱することなく、ここで説明したもの越えて任意の数の環境および用途で利用されることができる。それゆえに、本明細書および図面を、限定的ではなく、例示的であるとみなすべきである。さらに、システムを説明してきたが、システムは、１つ以上のサーバであることがあることを認識すべきである。さらに、ＡＣＲエンジン１３２、統計相関器１３６、外部データインジェスタ１３４、カテゴリセグメントジェネレータ１２２、デバイスマップジェネレータ１２４、データレポートジェネレータ１２６、デバイスマッピングシステム、視聴行動システム１３０、デバイスマップ分類システム１２０、または、これらに類するものは、１つ以上のサーバによって実現されることができる。
前述の明細書において、本発明の態様は、その特定の実施形態を参照して説明されるが、本発明はこれらに限定されないことを当業者は認識するだろう。上記で説明した発明のさまざまな特徴および態様は、単独または組み合わせて使用されてもよい。さらに、実施形態は、本明細書のより広い精神および範囲から逸脱することなく、ここで説明したもの越えて任意の数の環境および用途で利用されることができる。それゆえに、本明細書および図面を、限定的ではなく、例示的であるとみなすべきである。さらに、システムを説明してきたが、システムは、１つ以上のサーバであることがあることを認識すべきである。さらに、ＡＣＲエンジン１３２、統計相関器１３６、外部データインジェスタ１３４、カテゴリセグメントジェネレータ１２２、デバイスマップジェネレータ１２４、データレポートジェネレータ１２６、デバイスマッピングシステム、視聴行動システム１３０、デバイスマップ分類システム１２０、または、これらに類するものは、１つ以上のサーバによって実現されることができる。
［００９９］
上述の説明において、実例の目的のために、方法を特定の順序で説明した。代替実施形態では、説明したものとは異なる順序で方法を実行してもよいことを認識すべきである。上記で説明した方法は、ハードウェアコンポーネントによって実行されてもよく、または、機械実行可能命令のシ－ケンスで具現化されてもよく、これは、汎用または専用プロセッサあるいは命令とともにプログラムされている論理回路のような機械に方法を実行させるために使用されてもよい。これらの機械実行可能命令は、ＣＤ－ＲＯＭまたは他のタイプの光ディスク、フロッピー（登録商標）ディスク、ＲＯＭ、ＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（登録商標）、磁気または光学カード、フラッシュメモリ、あるいは、電子命令を記憶するために適した他のタイプの機械読取可能媒体のような、１つ以上の機械読取可能媒体上に記憶されてもよい。代替的に、方法は、ハードウェアとソフトウェアの組み合わせによって実行されてもよい。
上述の説明において、実例の目的のために、方法を特定の順序で説明した。代替実施形態では、説明したものとは異なる順序で方法を実行してもよいことを認識すべきである。上記で説明した方法は、ハードウェアコンポーネントによって実行されてもよく、または、機械実行可能命令のシ－ケンスで具現化されてもよく、これは、汎用または専用プロセッサあるいは命令とともにプログラムされている論理回路のような機械に方法を実行させるために使用されてもよい。これらの機械実行可能命令は、ＣＤ－ＲＯＭまたは他のタイプの光ディスク、フロッピー（登録商標）ディスク、ＲＯＭ、ＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ（登録商標）、磁気または光学カード、フラッシュメモリ、あるいは、電子命令を記憶するために適した他のタイプの機械読取可能媒体のような、１つ以上の機械読取可能媒体上に記憶されてもよい。代替的に、方法は、ハードウェアとソフトウェアの組み合わせによって実行されてもよい。
［０１００］
コンポーネントは、ある動作を実行するように構成されるものとして説明されているが、例えば、動作を実行するように電子回路または他のハードウェアを設計することによって、動作を実行するためのプログラム可能電子回路（例えば、マイクロプロセッサまたは他の適切な電子回路）を番組することによって、または、これらの任意の組み合わせによって、このようなコンフィギュレーションを達成できる。
コンポーネントは、ある動作を実行するように構成されるものとして説明されているが、例えば、動作を実行するように電子回路または他のハードウェアを設計することによって、動作を実行するためのプログラム可能電子回路（例えば、マイクロプロセッサまたは他の適切な電子回路）を番組することによって、または、これらの任意の組み合わせによって、このようなコンフィギュレーションを達成できる。
［０１０１］
本願の例示的な実施形態をここで詳細に説明してきたが、発明の概念は、別の方法でさまざまに具現化され、用いられてもよく、添付の特許請求の範囲は、先行技術によって限定されるものを除き、このようなバリエーションを含むように解釈されるように意図されていることを理解すべきである。
本願の例示的な実施形態をここで詳細に説明してきたが、発明の概念は、別の方法でさまざまに具現化され、用いられてもよく、添付の特許請求の範囲は、先行技術によって限定されるものを除き、このようなバリエーションを含むように解釈されるように意図されていることを理解すべきである。
Claims (20)
- １つ以上のプロセッサと、
命令を含む１つ以上の非一時的コンピュータ読取可能記憶媒体とを備え、
前記命令は、前記１つ以上のプロセッサ上で実行されるとき、前記１つ以上のプロセッサに、
メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得し、ここで、前記複数のカテゴリは、デバイスマッピングシステムを使用して決定され、ここで、カテゴリは、前記メディアプレーヤーデバイスのグループについての分類を含み、
前記メディアプレーヤーデバイスのグループの視聴行動を決定し、ここで、前記視聴行動は、自動コンテンツ認識を使用して、前記メディアプレーヤーデバイスによって視聴された被視聴メディアコンテンツを、記憶されたメディアコンテンツとマッチングさせることにより、決定され、
前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの視聴行動との間の相関を決定し、
前記決定した相関を使用して、前記デバイスマッピングシステムについての精度スコアを決定し、
前記精度スコアを前記デバイスマッピングシステムに割り当てる、ここで前記精度スコアは、前記デバイスマッピングシステムを改善させるために使用される、
ことを含む動作を実行させる、システム。 - 前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの前記視聴行動との間の前記相関は、前記複数のカテゴリの中の視聴行動における分散に基づく、請求項１に記載のシステム。
- 前記デバイスマッピングシステムについての精度スコアを決定することは、前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの前記視聴行動との間の相関がランダムであるかを決定するために、統計仮説検定を実行することを含む、請求項２に記載のシステム。
- 命令をさらに含み、
前記命令は、前記１つ以上のプロセッサ上で実行されるとき、前記１つ以上のプロセッサに、
統計仮説検定の結果をランダムしきい値と比較し、
前記結果が前記ランダムしきい値未満であるとき、前記相関がランダムであると決定することを含む動作を実行させる、請求項３に記載のシステム。 - 前記精度スコアは、前記統計仮説検定の結果と前記ランダムしきい値との比較に基づいて、前記デバイスマッピングシステムについて決定される、請求項４に記載のシステム。
- メディアコンテンツはビデオコンテンツであり、
前記自動コンテンツ認識を実行することは、
未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することと、ここで、前記ピクセルキューポイントは、前記フレームに対応するピクセル値のセットを含み、
基準データポイントのデータベース中で候補基準データポイントを識別することと、ここで、前記候補基準データポイントは、前記ピクセルキューポイントと類似しており、ここで、前記候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する１つ以上のピクセル値を含み、
前記候補基準データポイントと前記候補ビデオセグメントとに関係付けられているビンにトークンを追加することと、
前記ビン中のトークンの数が値を超えているかを決定することと、
前記ビン中のトークンの数が前記値を超えるとき、前記未知のビデオセグメントを、前記候補ビデオセグメントとマッチングするとして識別することとを含む、請求項１に記載のシステム。 - 前記視聴行動は、複数のチャネルのうちの１つ以上を視聴する前記メディアプレーヤーデバイスのグループの時間量、前記メディアプレーヤーデバイスのグループのユーザに関係付けられている所得、前記メディアプレーヤーデバイスのグループのユーザの年齢層、前記メディアプレーヤーデバイスのグループのユーザの教育レベル、または、前記メディアプレーヤーデバイスのグループのデバイスの数、のうちの少なくとも１つ以上を含む、請求項１に記載のシステム。
- メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得することと、ここで、前記複数のカテゴリは、デバイスマッピングシステムを使用して決定され、ここで、カテゴリは、前記メディアプレーヤーデバイスのグループについての分類を含み、
前記メディアプレーヤーデバイスのグループの視聴行動を決定することと、ここで、前記視聴行動は、自動コンテンツ認識を使用して、前記メディアプレーヤーデバイスによって視聴された被視聴メディアコンテンツを、記憶されたメディアコンテンツとマッチングさせることにより、決定され、
前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの視聴行動との間の相関を決定することと、
前記決定した相関を使用して、前記デバイスマッピングシステムについての精度スコアを決定することと、
前記精度スコアを前記デバイスマッピングシステムに割り当てることと、ここで前記精度スコアは、前記デバイスマッピングシステムを改善させるために使用される、
を含む、方法。 - 前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの前記視聴行動との間の前記相関は、前記複数のカテゴリの中の視聴行動における分散に基づく、請求項８に記載の方法。
- 前記デバイスマッピングシステムについての精度スコアを決定することは、前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの前記視聴行動との間の相関がランダムであるかを決定するために、統計仮説検定を実行することを含む、請求項９に記載の方法。
- 統計仮説検定の結果をランダムしきい値と比較することと、
前記結果が前記ランダムしきい値未満であるとき、前記相関がランダムであると決定することとをさらに含む、請求項１０に記載の方法。 - 前記精度スコアは、前記統計仮説検定の結果と前記ランダムしきい値との比較に基づいて、前記デバイスマッピングシステムについて決定される、請求項１１に記載の方法。
- メディアコンテンツはビデオコンテンツであり、
前記自動コンテンツ認識を実行することは、
未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することと、ここで、前記ピクセルキューポイントは、前記フレームに対応するピクセル値のセットを含み、
基準データポイントのデータベース中で候補基準データポイントを識別することと、ここで、前記候補基準データポイントは、前記ピクセルキューポイントと類似しており、ここで、前記候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する１つ以上のピクセル値を含み、
前記候補基準データポイントと前記候補ビデオセグメントとに関係付けられているビンにトークンを追加することと、
前記ビン中のトークンの数が値を超えているかを決定することと、
前記ビン中のトークンの数が前記値を超えるとき、前記未知のビデオセグメントを、前記候補ビデオセグメントとマッチングするとして識別することとを含む、請求項８に記載の方法。 - 前記視聴行動は、複数のチャネルのうちの１つ以上を視聴する前記メディアプレーヤーデバイスのグループの時間量、前記メディアプレーヤーデバイスのグループのユーザに関係付けられている所得、前記メディアプレーヤーデバイスのグループのユーザの年齢層、前記メディアプレーヤーデバイスのグループのユーザの教育レベル、または、前記メディアプレーヤーデバイスのグループのデバイスの数、のうちの少なくとも１つ以上を含む、請求項８に記載の方法。
- 命令を含む非一時的機械読取可能記憶媒体中で有形に具現化されるコンピュータプログラム製品であって、
前記命令が１つ以上のプロセッサによって実行されるとき、前記１つ以上のプロセッサに、
メディアプレーヤーデバイスのグループに割り当てられた複数のカテゴリを取得させ、ここで、前記複数のカテゴリは、デバイスマッピングシステムを使用して決定され、ここで、カテゴリは、前記メディアプレーヤーデバイスのグループについての分類を含み、
前記メディアプレーヤーデバイスのグループの視聴行動を決定させ、ここで、前記視聴行動は、自動コンテンツ認識を使用して、前記メディアプレーヤーデバイスによって視聴された被視聴メディアコンテンツを、記憶されたメディアコンテンツとマッチングさせることにより、決定され、
前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの視聴行動との間の相関を決定させ、
前記決定した相関を使用して、前記デバイスマッピングシステムについての精度スコアを決定させ、
前記精度スコアを前記デバイスマッピングシステムに割り当させる、ここで前記精度スコアは、前記デバイスマッピングシステムを改善させるために使用される、コンピュータプログラム製品。 - 前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの前記視聴行動との間の前記相関は、前記複数のカテゴリの中の視聴行動における分散に基づく、請求項１５に記載のコンピュータプログラム製品。
- 前記デバイスマッピングシステムについての精度スコアを決定することは、前記複数のカテゴリと前記メディアプレーヤーデバイスのグループの前記視聴行動との間の相関がランダムであるかを決定するために、統計仮説検定を実行することを含む、請求項１６に記載のコンピュータプログラム製品。
- 命令をさらに含み、
前記命令が前記１つ以上のプロセッサによって実行されるとき、前記１つ以上のプロセッサに、
統計仮説検定の結果をランダムしきい値と比較させ、
前記結果が前記ランダムしきい値未満であるとき、前記相関がランダムであると決定させる、請求項１７に記載のコンピュータプログラム製品。 - 前記精度スコアは、前記統計仮説検定の結果と前記ランダムしきい値との比較に基づいて、前記デバイスマッピングシステムについて決定される、請求項１８に記載のコンピュータプログラム製品。
- メディアコンテンツはビデオコンテンツであり、
前記自動コンテンツ認識を実行することは、
未知のビデオセグメントのフレームに関係付けられているピクセルキューポイントを受信することと、ここで、前記ピクセルキューポイントは、前記フレームに対応するピクセル値のセットを含み、
基準データポイントのデータベース中で候補基準データポイントを識別することと、ここで、前記候補基準データポイントは、前記ピクセルキューポイントと類似しており、ここで、前記候補基準データポイントは、候補ビデオセグメントの候補フレームに対応する１つ以上のピクセル値を含み、
前記候補基準データポイントと前記候補ビデオセグメントとに関係付けられているビンにトークンを追加することと、
前記ビン中のトークンの数が値を超えているかを決定することと、
前記ビン中のトークンの数が前記値を超えるとき、前記未知のビデオセグメントを、前記候補ビデオセグメントとマッチングするとして識別することとを含む、請求項１５に記載のコンピュータプログラム製品。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201762482495P | 2017-04-06 | 2017-04-06 | |
| US62/482,495 | 2017-04-06 | ||
| PCT/US2018/026289 WO2018187592A1 (en) | 2017-04-06 | 2018-04-05 | Systems and methods for improving accuracy of device maps using media viewing data |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020517003A JP2020517003A (ja) | 2020-06-11 |
| JP7118998B2 true JP7118998B2 (ja) | 2022-08-16 |
Family
ID=62116553
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019554902A Active JP7118998B2 (ja) | 2017-04-06 | 2018-04-05 | メディア視聴データを使用してデバイスマップの精度を改善させるためのシステムおよび方法 |
Country Status (11)
| Country | Link |
|---|---|
| US (3) | US10983984B2 (ja) |
| EP (1) | EP3607723B1 (ja) |
| JP (1) | JP7118998B2 (ja) |
| KR (1) | KR20190134664A (ja) |
| CN (1) | CN110546932B (ja) |
| AU (1) | AU2018250286C1 (ja) |
| BR (1) | BR112019019430A2 (ja) |
| CA (1) | CA3058975A1 (ja) |
| CL (1) | CL2019002823A1 (ja) |
| MX (1) | MX2019011811A (ja) |
| WO (1) | WO2018187592A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| AU2018250286C1 (en) | 2017-04-06 | 2022-06-02 | Inscape Data, Inc. | Systems and methods for improving accuracy of device maps using media viewing data |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016534457A (ja) | 2013-08-30 | 2016-11-04 | グーグル インコーポレイテッド | 精度管理を用いたコンテンツ選択 |
| WO2017011768A1 (en) | 2015-07-16 | 2017-01-19 | Vizio Inscape Technologies, Llc | Systems and methods for partitioning search indexes for improved efficiency in identifying media segments |
Family Cites Families (264)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4697209A (en) | 1984-04-26 | 1987-09-29 | A. C. Nielsen Company | Methods and apparatus for automatically identifying programs viewed or recorded |
| US4677466A (en) | 1985-07-29 | 1987-06-30 | A. C. Nielsen Company | Broadcast program identification method and apparatus |
| US4739398A (en) | 1986-05-02 | 1988-04-19 | Control Data Corporation | Method, apparatus and system for recognizing broadcast segments |
| US5019899A (en) | 1988-11-01 | 1991-05-28 | Control Data Corporation | Electronic data encoding and recognition system |
| US5319453A (en) | 1989-06-22 | 1994-06-07 | Airtrax | Method and apparatus for video signal encoding, decoding and monitoring |
| US5436653A (en) | 1992-04-30 | 1995-07-25 | The Arbitron Company | Method and system for recognition of broadcast segments |
| US5721788A (en) | 1992-07-31 | 1998-02-24 | Corbis Corporation | Method and system for digital image signatures |
| US6463585B1 (en) | 1992-12-09 | 2002-10-08 | Discovery Communications, Inc. | Targeted advertisement using television delivery systems |
| US5557334A (en) | 1993-01-12 | 1996-09-17 | Visual Automation Systems, Inc. | Apparatus for tracking the flow of video signals by incorporating patterns of machine readable signals which will appear at predetermined locations of a television picture |
| US5481294A (en) | 1993-10-27 | 1996-01-02 | A. C. Nielsen Company | Audience measurement system utilizing ancillary codes and passive signatures |
| US5812286A (en) | 1995-08-30 | 1998-09-22 | Hewlett-Packard Company | Automatic color processing to correct hue shift and incorrect exposure |
| US6035177A (en) | 1996-02-26 | 2000-03-07 | Donald W. Moses | Simultaneous transmission of ancillary and audio signals by means of perceptual coding |
| US6025837A (en) | 1996-03-29 | 2000-02-15 | Micrsoft Corporation | Electronic program guide with hyperlinks to target resources |
| US5900905A (en) | 1996-06-05 | 1999-05-04 | Microsoft Corporation | System and method for linking video, services and applications in an interactive television system |
| US5945988A (en) * | 1996-06-06 | 1999-08-31 | Intel Corporation | Method and apparatus for automatically determining and dynamically updating user preferences in an entertainment system |
| US5918223A (en) | 1996-07-22 | 1999-06-29 | Muscle Fish | Method and article of manufacture for content-based analysis, storage, retrieval, and segmentation of audio information |
| US6647548B1 (en) | 1996-09-06 | 2003-11-11 | Nielsen Media Research, Inc. | Coded/non-coded program audience measurement system |
| US20020120925A1 (en) | 2000-03-28 | 2002-08-29 | Logan James D. | Audio and video program recording, editing and playback systems using metadata |
| US6771316B1 (en) | 1996-11-01 | 2004-08-03 | Jerry Iggulden | Method and apparatus for selectively altering a televised video signal in real-time |
| US6983478B1 (en) | 2000-02-01 | 2006-01-03 | Bellsouth Intellectual Property Corporation | Method and system for tracking network use |
| US5826165A (en) | 1997-01-21 | 1998-10-20 | Hughes Electronics Corporation | Advertisement reconciliation system |
| US6675383B1 (en) | 1997-01-22 | 2004-01-06 | Nielsen Media Research, Inc. | Source detection apparatus and method for audience measurement |
| US6173271B1 (en) | 1997-11-26 | 2001-01-09 | California Institute Of Technology | Television advertising automated billing system |
| US6804659B1 (en) | 2000-01-14 | 2004-10-12 | Ricoh Company Ltd. | Content based web advertising |
| US6008802A (en) | 1998-01-05 | 1999-12-28 | Intel Corporation | Method and apparatus for automatically performing a function based on the reception of information corresponding to broadcast data |
| US6064764A (en) | 1998-03-30 | 2000-05-16 | Seiko Epson Corporation | Fragile watermarks for detecting tampering in images |
| US6950539B2 (en) | 1998-09-16 | 2005-09-27 | Digital Persona | Configurable multi-function touchpad device |
| US7421723B2 (en) | 1999-01-07 | 2008-09-02 | Nielsen Media Research, Inc. | Detection of media links in broadcast signals |
| US7051351B2 (en) | 1999-03-08 | 2006-05-23 | Microsoft Corporation | System and method of inserting advertisements into an information retrieval system display |
| US6774917B1 (en) | 1999-03-11 | 2004-08-10 | Fuji Xerox Co., Ltd. | Methods and apparatuses for interactive similarity searching, retrieval, and browsing of video |
| GB2351409B (en) | 1999-03-18 | 2003-10-22 | British Broadcasting Corp | Watermarking |
| US6973663B1 (en) | 1999-03-29 | 2005-12-06 | The Directv Group, Inc. | Method and apparatus for detecting and viewing similar programs within a video system |
| US6381362B1 (en) | 1999-04-08 | 2002-04-30 | Tata America International Corporation | Method and apparatus for including virtual ads in video presentations |
| US6415438B1 (en) | 1999-10-05 | 2002-07-02 | Webtv Networks, Inc. | Trigger having a time attribute |
| US6469749B1 (en) | 1999-10-13 | 2002-10-22 | Koninklijke Philips Electronics N.V. | Automatic signature-based spotting, learning and extracting of commercials and other video content |
| US6993245B1 (en) | 1999-11-18 | 2006-01-31 | Vulcan Patents Llc | Iterative, maximally probable, batch-mode commercial detection for audiovisual content |
| AU2748901A (en) | 1999-12-15 | 2001-06-25 | Yellowbrix, Inc. | Context matching system and method |
| AU7233700A (en) | 1999-12-23 | 2001-06-28 | Access Devices Limited | TV receiving and internet browsing apparatus |
| US6577405B2 (en) | 2000-01-07 | 2003-06-10 | Cyberoptics Corporation | Phase profilometry system with telecentric projector |
| US6577346B1 (en) | 2000-01-24 | 2003-06-10 | Webtv Networks, Inc. | Recognizing a pattern in a video segment to identify the video segment |
| US6675174B1 (en) | 2000-02-02 | 2004-01-06 | International Business Machines Corp. | System and method for measuring similarity between a set of known temporal media segments and a one or more temporal media streams |
| US7028327B1 (en) | 2000-02-02 | 2006-04-11 | Wink Communication | Using the electronic program guide to synchronize interactivity with broadcast programs |
| US7089240B2 (en) | 2000-04-06 | 2006-08-08 | International Business Machines Corporation | Longest prefix match lookup using hash function |
| AU2001253239A1 (en) | 2000-04-07 | 2001-10-23 | America Online, Inc. | Contextual programming |
| ATE303517T1 (de) | 2000-05-26 | 2005-09-15 | Hettich Paul Gmbh & Co | Schnellbefestigungselement |
| US6990453B2 (en) | 2000-07-31 | 2006-01-24 | Landmark Digital Services Llc | System and methods for recognizing sound and music signals in high noise and distortion |
| US6774908B2 (en) | 2000-10-03 | 2004-08-10 | Creative Frontier Inc. | System and method for tracking an object in a video and linking information thereto |
| US20060253330A1 (en) | 2000-10-12 | 2006-11-09 | Maggio Frank S | Method and system for automatically substituting media content |
| WO2002033975A2 (en) | 2000-10-15 | 2002-04-25 | Sonicblue Incorporated | Method and system for dynamic ad placement |
| US7237250B2 (en) | 2000-11-28 | 2007-06-26 | Navic Systems, Inc. | Promotion server using video on demand channel |
| US7210157B2 (en) | 2000-12-18 | 2007-04-24 | Koninklijke Philips Electronics N.V. | Apparatus and method of program classification using observed cues in the transcript information |
| WO2002058246A2 (en) | 2001-01-17 | 2002-07-25 | Koninklijke Philips Electronics N.V. | Robust checksums |
| US20020162118A1 (en) | 2001-01-30 | 2002-10-31 | Levy Kenneth L. | Efficient interactive TV |
| US7584491B2 (en) | 2001-04-25 | 2009-09-01 | Sony Corporation | System and method for managing interactive programming and advertisements in interactive broadcast systems |
| US20020162117A1 (en) | 2001-04-26 | 2002-10-31 | Martin Pearson | System and method for broadcast-synchronized interactive content interrelated to broadcast content |
| US8091100B2 (en) * | 2001-06-18 | 2012-01-03 | The Nielsen Company (Us), Llc | Prompting of audience member identification |
| US20030026422A1 (en) | 2001-06-19 | 2003-02-06 | Usa Video Interactive Corporation | Method and apparatus for digitally fingerprinting videos |
| WO2003009277A2 (en) | 2001-07-20 | 2003-01-30 | Gracenote, Inc. | Automatic identification of sound recordings |
| US20030053655A1 (en) | 2001-08-16 | 2003-03-20 | Barone Samuel T. | Digital data monitoring and logging in an ITV system |
| US7089575B2 (en) | 2001-09-04 | 2006-08-08 | Koninklijke Philips Electronics N.V. | Method of using transcript information to identify and learn commercial portions of a program |
| US6968091B2 (en) | 2001-09-18 | 2005-11-22 | Emc Corporation | Insertion of noise for reduction in the number of bits for variable-length coding of (run, level) pairs |
| US20030056010A1 (en) | 2001-09-20 | 2003-03-20 | Koninklijke Philips Electronics N.V. | Downstream metadata altering |
| US7064796B2 (en) | 2001-12-21 | 2006-06-20 | Eloda Inc. | Method and system for re-identifying broadcast segments using statistical profiles |
| US6978470B2 (en) | 2001-12-26 | 2005-12-20 | Bellsouth Intellectual Property Corporation | System and method for inserting advertising content in broadcast programming |
| US7716161B2 (en) | 2002-09-24 | 2010-05-11 | Google, Inc, | Methods and apparatus for serving relevant advertisements |
| US7136875B2 (en) | 2002-09-24 | 2006-11-14 | Google, Inc. | Serving advertisements based on content |
| EP1518409B1 (en) | 2002-07-01 | 2019-01-09 | Microsoft Technology Licensing, LLC | A system and method for providing user control over repeating objects embedded in a stream |
| US20040045020A1 (en) | 2002-08-29 | 2004-03-04 | Witt Jeffrey Michael | Commercial identification system |
| US7171402B1 (en) | 2002-10-02 | 2007-01-30 | Sony Computer Entertainment America Inc. | Dynamic interactive content system |
| US7809154B2 (en) | 2003-03-07 | 2010-10-05 | Technology, Patents & Licensing, Inc. | Video entity recognition in compressed digital video streams |
| US7738704B2 (en) | 2003-03-07 | 2010-06-15 | Technology, Patents And Licensing, Inc. | Detecting known video entities utilizing fingerprints |
| EP1463301A1 (en) | 2003-03-19 | 2004-09-29 | Thomson Licensing S.A. | Method for identification of tokens in video sequences |
| US7032096B2 (en) | 2003-04-22 | 2006-04-18 | Hewlett-Packard Development Company, L.P. | Memory management system and method using a hash table |
| US20040226035A1 (en) | 2003-05-05 | 2004-11-11 | Hauser David L. | Method and apparatus for detecting media content |
| US20040240562A1 (en) | 2003-05-28 | 2004-12-02 | Microsoft Corporation | Process and system for identifying a position in video using content-based video timelines |
| US8918316B2 (en) | 2003-07-29 | 2014-12-23 | Alcatel Lucent | Content identification system |
| EP1668903A4 (en) | 2003-09-12 | 2011-01-05 | Nielsen Media Res Inc | DEVICES AND METHOD FOR DIGITAL VIDEO SIGNATURES FOR USE WITH VIDEO PROGRAM IDENTIFICATION SYSTEMS |
| US7050068B1 (en) | 2003-12-02 | 2006-05-23 | Nvidia Corporation | Generation of jittered sub-pixel samples using programmable sub-pixel offsets |
| US8010986B2 (en) | 2004-02-04 | 2011-08-30 | Ericsson Television, Inc. | Synchronization and automation in an ITV environment |
| WO2005079457A2 (en) | 2004-02-17 | 2005-09-01 | Nielsen Media Research, Inc. Et Al. | Methods and apparatus to determine audience viewing of recorded programs |
| KR20060135794A (ko) | 2004-02-26 | 2006-12-29 | 미디어 가이드, 인코포레이티드 | 방송 오디오 또는 비디오 프로그래밍 신호의 자동 검출 및식별 방법, 및 장치 |
| US8229751B2 (en) | 2004-02-26 | 2012-07-24 | Mediaguide, Inc. | Method and apparatus for automatic detection and identification of unidentified Broadcast audio or video signals |
| US20050207416A1 (en) | 2004-03-16 | 2005-09-22 | Samsung Electronics Co. , Ltd. | Apparatus and method for deploying efficient broadcast multicast services in a wireless network |
| US7131936B2 (en) | 2004-03-17 | 2006-11-07 | Schlosser Frank J | Apparatus for training a body part of a person and method for using same |
| US8407752B2 (en) | 2004-03-18 | 2013-03-26 | Digimarc Corporation | Synchronizing broadcast content with corresponding network content |
| US20050210501A1 (en) | 2004-03-19 | 2005-09-22 | Microsoft Corporation | Method and apparatus for handling metadata |
| CA2563370A1 (en) | 2004-04-19 | 2005-11-03 | Landmark Digital Services Llc | Method and system for content sampling and identification |
| US7769756B2 (en) | 2004-06-07 | 2010-08-03 | Sling Media, Inc. | Selection and presentation of context-relevant supplemental content and advertising |
| WO2005125198A2 (en) | 2004-06-09 | 2005-12-29 | Nielsen Media Research, Inc. | Methods and apparatus to identify viewing information |
| WO2006020560A2 (en) | 2004-08-09 | 2006-02-23 | Nielsen Media Research, Inc | Methods and apparatus to monitor audio/visual content from various sources |
| MX2007002071A (es) | 2004-08-18 | 2007-04-24 | Nielsen Media Res Inc | Metodos y aparatos para generar firmas. |
| US7623823B2 (en) | 2004-08-31 | 2009-11-24 | Integrated Media Measurement, Inc. | Detecting and measuring exposure to media content items |
| MX2007006164A (es) | 2004-11-22 | 2007-09-19 | Nielsen Media Res Inc | Metodos y aparatos para identificaci??n de fuentes de medios y mediciones de consumo de medios con desplazamiento de tiempo. |
| US20080044102A1 (en) | 2005-01-07 | 2008-02-21 | Koninklijke Philips Electronics, N.V. | Method and Electronic Device for Detecting a Graphical Object |
| WO2006085287A2 (en) * | 2005-02-11 | 2006-08-17 | Koninklijke Philips Electronics, N.V. | Automatic personal play list generation based on dynamically changing criteria such as light intensity or vehicle speed and location |
| US20060195860A1 (en) | 2005-02-25 | 2006-08-31 | Eldering Charles A | Acting on known video entities detected utilizing fingerprinting |
| KR100694107B1 (ko) | 2005-04-28 | 2007-03-12 | 삼성전자주식회사 | 휴대 기기의 컨텐츠 리스트를 제공하는 장치 및 방법 |
| KR100707189B1 (ko) | 2005-04-29 | 2007-04-13 | 삼성전자주식회사 | 동영상의 광고 검출 장치 및 방법과 그 장치를 제어하는컴퓨터 프로그램을 저장하는 컴퓨터로 읽을 수 있는 기록매체 |
| EP1750439A1 (en) | 2005-08-03 | 2007-02-07 | Thomson Licensing | EPG content analyser |
| US7516074B2 (en) | 2005-09-01 | 2009-04-07 | Auditude, Inc. | Extraction and matching of characteristic fingerprints from audio signals |
| US20070061831A1 (en) | 2005-09-09 | 2007-03-15 | Sbc Knowledge Ventures L.P. | IPTV channel usage and video delivery path monitoring architecture |
| CA2622900C (en) | 2005-09-15 | 2014-04-29 | Biap, Inc. | Self-contained mini-applications system and method for digital television |
| JP4839771B2 (ja) | 2005-10-20 | 2011-12-21 | ソニー株式会社 | ディジタル放送受信装置、ディジタル放送受信方法及びプログラム |
| US7933451B2 (en) | 2005-11-23 | 2011-04-26 | Leica Geosystems Ag | Feature extraction using pixel-level and object-level analysis |
| US8756633B2 (en) | 2005-12-19 | 2014-06-17 | At&T Intellectual Property I, L.P | Methods, systems, and computer program products for selectively facilitating internet content and/or alerts on a television crawl screen, closed caption and/or picture-in-picture area |
| US7639309B2 (en) | 2005-12-20 | 2009-12-29 | Broadcom Corporation | Method and system for analog video noise reduction by blending FIR and IIR filtering |
| CN101427580B (zh) | 2005-12-23 | 2011-08-24 | 安布克斯英国有限公司 | 使用从内容流确定的指纹进行脚本同步 |
| JP4321518B2 (ja) | 2005-12-27 | 2009-08-26 | 三菱電機株式会社 | 楽曲区間検出方法、及びその装置、並びにデータ記録方法、及びその装置 |
| EP4131943A1 (en) * | 2005-12-29 | 2023-02-08 | Rovi Guides, Inc. | Systems and methods for managing content |
| EP2011017A4 (en) | 2006-03-30 | 2010-07-07 | Stanford Res Inst Int | METHOD AND APPARATUS FOR ANNOTATING MULTIMEDIA STREAMS |
| WO2007114796A1 (en) | 2006-04-05 | 2007-10-11 | Agency For Science, Technology And Research | Apparatus and method for analysing a video broadcast |
| US7761491B2 (en) | 2006-04-18 | 2010-07-20 | Ecodisc Technology Ag | Method for detecting a commercial in a video data stream by evaluating descriptor information |
| US7840540B2 (en) | 2006-04-20 | 2010-11-23 | Datascout, Inc. | Surrogate hashing |
| US20070300280A1 (en) | 2006-06-21 | 2007-12-27 | Turner Media Group | Interactive method of advertising |
| US7590998B2 (en) | 2006-07-27 | 2009-09-15 | Sharp Laboratories Of America, Inc. | Television system having internet web browsing capability |
| US20080089551A1 (en) | 2006-10-16 | 2008-04-17 | Ashley Heather | Interactive TV data track synchronization system and method |
| GB0623961D0 (en) | 2006-11-30 | 2007-01-10 | Univ St Andrews | Video fingerprinting |
| US20080155627A1 (en) | 2006-12-04 | 2008-06-26 | O'connor Daniel | Systems and methods of searching for and presenting video and audio |
| US8493510B2 (en) | 2006-12-12 | 2013-07-23 | Time Warner Inc. | Method and apparatus for concealing portions of a video screen |
| US8196166B2 (en) | 2006-12-21 | 2012-06-05 | Verizon Patent And Licensing Inc. | Content hosting and advertising systems and methods |
| US8494234B1 (en) | 2007-03-07 | 2013-07-23 | MotionDSP, Inc. | Video hashing system and method |
| JP4525692B2 (ja) | 2007-03-27 | 2010-08-18 | 株式会社日立製作所 | 画像処理装置、画像処理方法、画像表示装置 |
| US8566164B2 (en) | 2007-12-31 | 2013-10-22 | Intent IQ, LLC | Targeted online advertisements based on viewing or interacting with television advertisements |
| US20080276266A1 (en) | 2007-04-18 | 2008-11-06 | Google Inc. | Characterizing content for identification of advertising |
| US9179086B2 (en) | 2007-05-07 | 2015-11-03 | Yahoo! Inc. | System and method for providing dynamically updating applications in a television display environment |
| US8094872B1 (en) | 2007-05-09 | 2012-01-10 | Google Inc. | Three-dimensional wavelet based video fingerprinting |
| CN101731011B (zh) | 2007-05-11 | 2014-05-28 | 奥迪耐特有限公司 | 用于设置接收器延迟时间的方法 |
| US8488061B2 (en) | 2007-05-17 | 2013-07-16 | Dolby Laboratories Licensing Corporation | Deriving video signatures that are insensitive to picture modification and frame-rate conversion |
| US8229227B2 (en) | 2007-06-18 | 2012-07-24 | Zeitera, Llc | Methods and apparatus for providing a scalable identification of digital video sequences |
| US8171030B2 (en) | 2007-06-18 | 2012-05-01 | Zeitera, Llc | Method and apparatus for multi-dimensional content search and video identification |
| US9438860B2 (en) | 2007-06-26 | 2016-09-06 | Verizon Patent And Licensing Inc. | Method and system for filtering advertisements in a media stream |
| US8069414B2 (en) | 2007-07-18 | 2011-11-29 | Google Inc. | Embedded video player |
| US20090028517A1 (en) | 2007-07-27 | 2009-01-29 | The University Of Queensland | Real-time near duplicate video clip detection method |
| US8001571B1 (en) | 2007-08-21 | 2011-08-16 | Google Inc. | Identifying programming information of a telecommunications provider |
| US8238669B2 (en) | 2007-08-22 | 2012-08-07 | Google Inc. | Detection and classification of matches between time-based media |
| US8175333B2 (en) | 2007-09-27 | 2012-05-08 | Behavioral Recognition Systems, Inc. | Estimator identifier component for behavioral recognition system |
| CN101855635B (zh) | 2007-10-05 | 2013-02-27 | 杜比实验室特许公司 | 可靠地与媒体内容对应的媒体指纹 |
| WO2009049252A1 (en) | 2007-10-10 | 2009-04-16 | Optiscan Biomedical Corporation | Fluid component analysis system and method for glucose monitoring and control |
| JP4424410B2 (ja) | 2007-11-07 | 2010-03-03 | ソニー株式会社 | 情報処理システム、情報処理方法 |
| CN101162470B (zh) | 2007-11-16 | 2011-04-20 | 北京交通大学 | 一种基于分层匹配的视频广告识别方法 |
| US8776117B2 (en) | 2007-12-28 | 2014-07-08 | Verizon Patent And Licensing Inc. | Method and apparatus for providing expanded displayable applications |
| GB2457694B (en) | 2008-02-21 | 2012-09-26 | Snell Ltd | Method of Deriving an Audio-Visual Signature |
| US20090213270A1 (en) | 2008-02-22 | 2009-08-27 | Ryan Ismert | Video indexing and fingerprinting for video enhancement |
| US20090235312A1 (en) | 2008-03-11 | 2009-09-17 | Amir Morad | Targeted content with broadcast material |
| WO2009116856A2 (en) | 2008-03-18 | 2009-09-24 | Civolution B.V. | Generating statistics of popular content |
| CN102037676B (zh) | 2008-03-20 | 2015-02-25 | 日内瓦大学 | 基于不可克隆特征的安全物品识别以及认证系统和方法 |
| EP2272011A2 (en) | 2008-04-13 | 2011-01-12 | Ipharro Media, Gmbh | Media asset management |
| US8051444B2 (en) | 2008-06-02 | 2011-11-01 | Intent IQ, LLC | Targeted television advertisements selected on the basis of an online user profile and presented with television programs or channels related to that profile |
| GB2460844B (en) | 2008-06-10 | 2012-06-06 | Half Minute Media Ltd | Automatic detection of repeating video sequences |
| US8335786B2 (en) | 2009-05-28 | 2012-12-18 | Zeitera, Llc | Multi-media content identification using multi-level content signature correlation and fast similarity search |
| US8189945B2 (en) | 2009-05-27 | 2012-05-29 | Zeitera, Llc | Digital video content fingerprinting based on scale invariant interest region detection with an array of anisotropic filters |
| US8385644B2 (en) | 2008-07-08 | 2013-02-26 | Zeitera, Llc | Digital video fingerprinting based on resultant weighted gradient orientation computation |
| US8959108B2 (en) | 2008-06-18 | 2015-02-17 | Zeitera, Llc | Distributed and tiered architecture for content search and content monitoring |
| US8195689B2 (en) | 2009-06-10 | 2012-06-05 | Zeitera, Llc | Media fingerprinting and identification system |
| US8634944B2 (en) | 2008-07-10 | 2014-01-21 | Apple Inc. | Auto-station tuning |
| US8180712B2 (en) | 2008-09-30 | 2012-05-15 | The Nielsen Company (Us), Llc | Methods and apparatus for determining whether a media presentation device is in an on state or an off state |
| GB2465141B (en) | 2008-10-31 | 2014-01-22 | Media Instr Sa | Simulcast resolution in content matching systems |
| CN101742269A (zh) | 2008-11-17 | 2010-06-16 | 华为技术有限公司 | 一种频道切换方法、装置和系统 |
| JP5156594B2 (ja) | 2008-11-19 | 2013-03-06 | キヤノン株式会社 | 再生装置及びその制御方法 |
| US10334324B2 (en) | 2008-11-26 | 2019-06-25 | Free Stream Media Corp. | Relevant advertisement generation based on a user operating a client device communicatively coupled with a networked media device |
| US20100166257A1 (en) | 2008-12-30 | 2010-07-01 | Ati Technologies Ulc | Method and apparatus for detecting semi-transparencies in video |
| KR101369915B1 (ko) | 2009-01-23 | 2014-03-06 | 닛본 덴끼 가부시끼가이샤 | 영상 식별자 추출 장치 |
| US20100191689A1 (en) | 2009-01-27 | 2010-07-29 | Google Inc. | Video content analysis for automatic demographics recognition of users and videos |
| US8200602B2 (en) | 2009-02-02 | 2012-06-12 | Napo Enterprises, Llc | System and method for creating thematic listening experiences in a networked peer media recommendation environment |
| US8175413B1 (en) | 2009-03-05 | 2012-05-08 | Google Inc. | Video identification through detection of proprietary rights logos in media |
| EP2247007A1 (en) * | 2009-04-30 | 2010-11-03 | TNS Group Holdings Ltd | Audience analysis |
| WO2010135082A1 (en) | 2009-05-19 | 2010-11-25 | Dolby Laboratories Licensing Corporation | Localized weak bit assignment |
| US9449090B2 (en) | 2009-05-29 | 2016-09-20 | Vizio Inscape Technologies, Llc | Systems and methods for addressing a media database using distance associative hashing |
| US8930980B2 (en) | 2010-05-27 | 2015-01-06 | Cognitive Networks, Inc. | Systems and methods for real-time television ad detection using an automated content recognition database |
| US10375451B2 (en) | 2009-05-29 | 2019-08-06 | Inscape Data, Inc. | Detection of common media segments |
| US10949458B2 (en) | 2009-05-29 | 2021-03-16 | Inscape Data, Inc. | System and method for improving work load management in ACR television monitoring system |
| US9094715B2 (en) | 2009-05-29 | 2015-07-28 | Cognitive Networks, Inc. | Systems and methods for multi-broadcast differentiation |
| US10116972B2 (en) | 2009-05-29 | 2018-10-30 | Inscape Data, Inc. | Methods for identifying video segments and displaying option to view from an alternative source and/or on an alternative device |
| US8595781B2 (en) | 2009-05-29 | 2013-11-26 | Cognitive Media Networks, Inc. | Methods for identifying video segments and displaying contextual targeted content on a connected television |
| US20110015996A1 (en) | 2009-07-14 | 2011-01-20 | Anna Kassoway | Systems and Methods For Providing Keyword Related Search Results in Augmented Content for Text on a Web Page |
| US8392789B2 (en) | 2009-07-28 | 2013-03-05 | Texas Instruments Incorporated | Method and system for decoding low density parity check codes |
| US20110041154A1 (en) | 2009-08-14 | 2011-02-17 | All Media Guide, Llc | Content Recognition and Synchronization on a Television or Consumer Electronics Device |
| US20110055552A1 (en) | 2009-09-02 | 2011-03-03 | Max Planck Gesellschaft Zur Foerderung Der Wissenschaften | Private, accountable, and personalized information delivery in a networked system |
| US20110066942A1 (en) * | 2009-09-14 | 2011-03-17 | Barton James M | Multifunction Multimedia Device |
| US8705876B2 (en) | 2009-12-02 | 2014-04-22 | Qualcomm Incorporated | Improving performance of image recognition algorithms by pruning features, image scaling, and spatially constrained feature matching |
| US8510375B2 (en) * | 2009-12-11 | 2013-08-13 | Nokia Corporation | Apparatus and methods for time mapping media segments in streaming media files |
| CN107846561B (zh) | 2009-12-29 | 2020-11-20 | 构造数据有限责任公司 | 确定和显示上下文定向内容的方法及系统 |
| US9264785B2 (en) | 2010-04-01 | 2016-02-16 | Sony Computer Entertainment Inc. | Media fingerprinting for content determination and retrieval |
| US20110251987A1 (en) | 2010-04-13 | 2011-10-13 | Buchheit Brian K | Time-shifting a content streaming request |
| WO2011130564A1 (en) | 2010-04-14 | 2011-10-20 | Sven Riethmueller | Platform-independent interactivity with media broadcasts |
| US8522283B2 (en) | 2010-05-20 | 2013-08-27 | Google Inc. | Television remote control data transfer |
| US20110289099A1 (en) | 2010-05-20 | 2011-11-24 | Rovi Technologies Corporation | Method and apparatus for identifying video program material via dvs or sap data |
| US9838753B2 (en) | 2013-12-23 | 2017-12-05 | Inscape Data, Inc. | Monitoring individual viewing of television events using tracking pixels and cookies |
| US10192138B2 (en) | 2010-05-27 | 2019-01-29 | Inscape Data, Inc. | Systems and methods for reducing data density in large datasets |
| US8625902B2 (en) | 2010-07-30 | 2014-01-07 | Qualcomm Incorporated | Object recognition using incremental feature extraction |
| CN102377960B (zh) | 2010-08-24 | 2014-11-05 | 腾讯科技（深圳）有限公司 | 视频画面显示方法及装置 |
| US8533141B2 (en) | 2010-08-31 | 2013-09-10 | Vibrant Media, Inc. | Systems and methods for rule based inclusion of pixel retargeting in campaign management |
| WO2012057724A1 (en) | 2010-10-26 | 2012-05-03 | Thomson Licensing | Systems for identifying audio information from a television data stream and related methods |
| US20120294586A1 (en) | 2010-11-18 | 2012-11-22 | David John Weaver | Controlling time-sensitive content in a time-shifted environment |
| US20120151390A1 (en) * | 2010-12-13 | 2012-06-14 | Sony Corporation | User interface for media content presentation |
| US20120158511A1 (en) | 2010-12-21 | 2012-06-21 | Microsoft Corporation | Provision of contextual advertising |
| US8793730B2 (en) | 2010-12-30 | 2014-07-29 | Yahoo! Inc. | Entertainment companion content application for interacting with television content |
| US8396302B2 (en) | 2011-01-11 | 2013-03-12 | Intel Corporation | Method of detecting logos, titles, or sub-titles in video frames |
| US9093120B2 (en) | 2011-02-10 | 2015-07-28 | Yahoo! Inc. | Audio fingerprint extraction by scaling in time and resampling |
| ES2459391T3 (es) | 2011-06-06 | 2014-05-09 | Bridge Mediatech, S.L. | Método y sistema para conseguir hashing de audio invariante al canal |
| KR20140024434A (ko) | 2011-06-08 | 2014-02-28 | 샤잠 엔터테인먼트 리미티드 | 수신된 데이터의 비교를 수행하고 비교에 기초하여 후속 서비스를 제공하는 방법 및 시스템 |
| US9256673B2 (en) | 2011-06-10 | 2016-02-09 | Shazam Entertainment Ltd. | Methods and systems for identifying content in a data stream |
| US9077458B2 (en) | 2011-06-17 | 2015-07-07 | Microsoft Technology Licensing, Llc | Selection of advertisements via viewer feedback |
| US9049073B2 (en) | 2011-06-28 | 2015-06-02 | Rovi Guides, Inc. | Systems and methods for initializing allocations of transport streams based on historical data |
| CN102956009B (zh) * | 2011-08-16 | 2017-03-01 | 阿里巴巴集团控股有限公司 | 一种基于用户行为的电子商务信息推荐方法与装置 |
| US20130054356A1 (en) | 2011-08-31 | 2013-02-28 | Jason Richman | Systems and methods for contextualizing services for images |
| US8443408B2 (en) | 2011-09-12 | 2013-05-14 | Rogers Communications Inc. | Method and system for managing bandwidth |
| US9866915B2 (en) | 2011-11-28 | 2018-01-09 | Excalibur Ip, Llc | Context relevant interactive television |
| US9210467B2 (en) | 2012-02-07 | 2015-12-08 | Turner Broadcasting System, Inc. | Method and system for a universal remote control |
| TWI502977B (zh) | 2012-02-13 | 2015-10-01 | Acer Inc | 影音播放裝置、影音處理裝置、系統以及方法 |
| US20130263166A1 (en) | 2012-03-27 | 2013-10-03 | Bluefin Labs, Inc. | Social Networking System Targeted Message Synchronization |
| US8769854B1 (en) | 2012-04-10 | 2014-07-08 | Vincent P. Battaglia | Solid chassis rifle |
| US9703932B2 (en) | 2012-04-30 | 2017-07-11 | Excalibur Ip, Llc | Continuous content identification of broadcast content |
| KR101315970B1 (ko) | 2012-05-23 | 2013-10-08 | (주)엔써즈 | 오디오 신호를 이용한 콘텐츠 인식 장치 및 방법 |
| US20170054819A1 (en) * | 2012-06-13 | 2017-02-23 | Google Inc. | System and method to categorize users |
| US9473780B2 (en) | 2012-07-13 | 2016-10-18 | Apple Inc. | Video transmission using content-based frame search |
| US8823507B1 (en) | 2012-09-19 | 2014-09-02 | Amazon Technologies, Inc. | Variable notification alerts |
| US9286912B2 (en) | 2012-09-26 | 2016-03-15 | The Nielsen Company (Us), Llc | Methods and apparatus for identifying media |
| US8799957B2 (en) | 2012-11-08 | 2014-08-05 | Motorola Mobility Llc | Electronic program guide with display of alternative-source multimedia program options and estimated availability parameters |
| US9167276B2 (en) * | 2012-12-28 | 2015-10-20 | Turner Broadcasting System, Inc. | Method and system for providing and handling product and service discounts, and location based services (LBS) in an automatic content recognition based system |
| US9146990B2 (en) | 2013-01-07 | 2015-09-29 | Gracenote, Inc. | Search and identification of video content |
| US9495451B2 (en) | 2013-01-07 | 2016-11-15 | Gracenote, Inc. | Identifying video content via fingerprint matching |
| CN103973441B (zh) | 2013-01-29 | 2016-03-09 | 腾讯科技（深圳）有限公司 | 基于音视频的用户认证方法和装置 |
| JP6017335B2 (ja) | 2013-02-06 | 2016-10-26 | 株式会社東芝 | パターン認識装置、その方法、及び、そのプログラム |
| US20140258375A1 (en) | 2013-03-11 | 2014-09-11 | Lsi Corporation | System and method for large object cache management in a network |
| US20140270489A1 (en) | 2013-03-12 | 2014-09-18 | Microsoft Corporation | Learned mid-level representation for contour and object detection |
| WO2014142758A1 (en) | 2013-03-14 | 2014-09-18 | Rocks International Group Pte Ltd | An interactive system for video customization and delivery |
| US9165203B2 (en) | 2013-03-15 | 2015-10-20 | Arris Technology, Inc. | Legibility enhancement for a logo, text or other region of interest in video |
| WO2014144408A2 (en) | 2013-03-15 | 2014-09-18 | Nito, Inc. | Systems, methods, and software for detecting an object in an image |
| WO2014144589A1 (en) | 2013-03-15 | 2014-09-18 | The Nielsen Company (Us), Llc | Systems, methods, and apparatus to identify linear and non-linear media presentations |
| CN105144141B (zh) | 2013-03-15 | 2018-12-07 | 构造数据有限责任公司 | 用于使用距离关联性散列法对媒体数据库定址的系统和方法 |
| US9058522B2 (en) | 2013-03-15 | 2015-06-16 | Arris Technology, Inc. | Logo presence detection based on blending characteristics |
| CN103326953B (zh) | 2013-03-28 | 2016-06-29 | 华为技术有限公司 | 一种基于令牌桶的流量限制方法和装置 |
| US9143840B2 (en) | 2013-05-20 | 2015-09-22 | Veenome, Inc. | Systems and methods for evaluating online videos |
| US9986307B2 (en) | 2013-07-19 | 2018-05-29 | Bottle Rocket LLC | Interactive video viewing |
| US9226137B2 (en) * | 2013-09-30 | 2015-12-29 | Qualcomm Incorporated | Method and apparatus for real-time sharing of multimedia content between wireless devices |
| US20150100979A1 (en) | 2013-10-07 | 2015-04-09 | Smrtv, Inc. | System and method for creating contextual messages for videos |
| US9325646B2 (en) | 2013-10-28 | 2016-04-26 | Verizon Patent And Licensing Inc. | Providing contextual messages relating to currently accessed content |
| US20150163545A1 (en) | 2013-12-11 | 2015-06-11 | Echostar Technologies L.L.C. | Identification of video content segments based on signature analysis of the video content |
| US9471671B1 (en) * | 2013-12-18 | 2016-10-18 | Google Inc. | Identifying and/or recommending relevant media content |
| WO2015100372A1 (en) | 2013-12-23 | 2015-07-02 | Cognitive Media Networks, Inc. | Tracking pixels and cookies for television event viewing |
| US9955192B2 (en) | 2013-12-23 | 2018-04-24 | Inscape Data, Inc. | Monitoring individual viewing of television events using tracking pixels and cookies |
| US9237138B2 (en) * | 2013-12-31 | 2016-01-12 | The Nielsen Company (Us), Llc | Methods and apparatus to collect distributed user information for media impressions and search terms |
| KR102229156B1 (ko) | 2014-03-05 | 2021-03-18 | 삼성전자주식회사 | 디스플레이 장치 및 디스플레이 장치의 제어 방법 |
| US20150302890A1 (en) | 2014-04-17 | 2015-10-22 | Echostar Technologies L.L.C. | Pausing and resuming media play |
| US20150365725A1 (en) * | 2014-06-11 | 2015-12-17 | Rawllin International Inc. | Extract partition segments of personalized video channel |
| US20160050457A1 (en) * | 2014-08-14 | 2016-02-18 | Sandipan Mondal | Method and system for tv channel content management and monetization based on content fingerprinting using a portable computing and communications device |
| US10460353B2 (en) * | 2014-10-30 | 2019-10-29 | Oracle International Corporation | Real-time cross-device user category synchronization in an advertising campaign |
| CN111757189B (zh) | 2014-12-01 | 2022-07-15 | 构造数据有限责任公司 | 用于连续介质片段识别的系统和方法 |
| JP6754968B2 (ja) | 2015-01-16 | 2020-09-16 | 太郎 金子 | 動画再生方法、動画再生装置及び動画再生プログラムを記憶したコンピュータ読み取り可能な記憶媒体 |
| AU2016211254B2 (en) | 2015-01-30 | 2019-09-19 | Inscape Data, Inc. | Methods for identifying video segments and displaying option to view from an alternative source and/or on an alternative device |
| EP3275202B1 (en) | 2015-03-27 | 2021-12-29 | Twitter, Inc. | Live video streaming services |
| EP4375952A2 (en) | 2015-04-17 | 2024-05-29 | Inscape Data, Inc. | Systems and methods for reducing data density in large datasets |
| US20160314794A1 (en) | 2015-04-27 | 2016-10-27 | Soundhound, Inc. | System and method for continuing an interrupted broadcast stream |
| US10923116B2 (en) | 2015-06-01 | 2021-02-16 | Sinclair Broadcast Group, Inc. | Break state detection in content management systems |
| US10484329B2 (en) | 2015-06-03 | 2019-11-19 | Oath Inc. | Computerized notification system and method for delivering breaking news content |
| CA2992529C (en) | 2015-07-16 | 2022-02-15 | Inscape Data, Inc. | Prediction of future views of video segments to optimize system resource utilization |
| US10080062B2 (en) | 2015-07-16 | 2018-09-18 | Inscape Data, Inc. | Optimizing media fingerprint retention to improve system resource utilization |
| US10136174B2 (en) * | 2015-07-24 | 2018-11-20 | Videoamp, Inc. | Programmatic TV advertising placement using cross-screen consumer data |
| US20170186042A1 (en) | 2015-12-28 | 2017-06-29 | Facebook, Inc. | Systems and methods for promoting content items |
| US10225623B2 (en) | 2016-06-07 | 2019-03-05 | Comcast Cable Communications, Llc | Non-temporal advertising |
| US11570454B2 (en) * | 2016-07-20 | 2023-01-31 | V-Nova International Limited | Use of hierarchical video and image coding for telepresence |
| US10798465B2 (en) * | 2016-09-16 | 2020-10-06 | Adobe Inc. | Digital audiovisual content campaigns using merged television viewer information and online activity information |
| AU2018250286C1 (en) | 2017-04-06 | 2022-06-02 | Inscape Data, Inc. | Systems and methods for improving accuracy of device maps using media viewing data |
-
2018
- 2018-04-05 AU AU2018250286A patent/AU2018250286C1/en active Active
- 2018-04-05 EP EP18722786.3A patent/EP3607723B1/en active Active
- 2018-04-05 CN CN201880023728.2A patent/CN110546932B/zh active Active
- 2018-04-05 BR BR112019019430A patent/BR112019019430A2/pt unknown
- 2018-04-05 JP JP2019554902A patent/JP7118998B2/ja active Active
- 2018-04-05 CA CA3058975A patent/CA3058975A1/en active Pending
- 2018-04-05 KR KR1020197030908A patent/KR20190134664A/ko not_active Application Discontinuation
- 2018-04-05 MX MX2019011811A patent/MX2019011811A/es unknown
- 2018-04-05 US US15/946,478 patent/US10983984B2/en active Active
- 2018-04-05 WO PCT/US2018/026289 patent/WO2018187592A1/en unknown
-
2019
- 2019-10-03 CL CL2019002823A patent/CL2019002823A1/es unknown
-
2021
- 2021-03-19 US US17/206,973 patent/US11675775B2/en active Active
-
2023
- 2023-05-02 US US18/142,434 patent/US20240028582A1/en active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2016534457A (ja) | 2013-08-30 | 2016-11-04 | グーグル インコーポレイテッド | 精度管理を用いたコンテンツ選択 |
| WO2017011768A1 (en) | 2015-07-16 | 2017-01-19 | Vizio Inscape Technologies, Llc | Systems and methods for partitioning search indexes for improved efficiency in identifying media segments |
Also Published As
| Publication number | Publication date |
|---|---|
| US11675775B2 (en) | 2023-06-13 |
| AU2018250286A1 (en) | 2019-10-10 |
| WO2018187592A1 (en) | 2018-10-11 |
| US20180293269A1 (en) | 2018-10-11 |
| MX2019011811A (es) | 2019-11-25 |
| CN110546932B (zh) | 2022-06-10 |
| AU2018250286B2 (en) | 2022-01-27 |
| EP3607723B1 (en) | 2022-03-09 |
| EP3607723A1 (en) | 2020-02-12 |
| CL2019002823A1 (es) | 2020-01-10 |
| US20210279231A1 (en) | 2021-09-09 |
| CA3058975A1 (en) | 2018-10-11 |
| CN110546932A (zh) | 2019-12-06 |
| JP2020517003A (ja) | 2020-06-11 |
| AU2018250286C1 (en) | 2022-06-02 |
| KR20190134664A (ko) | 2019-12-04 |
| BR112019019430A2 (pt) | 2020-04-14 |
| US10983984B2 (en) | 2021-04-20 |
| US20240028582A1 (en) | 2024-01-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ghadiyaram et al. | A subjective and objective study of stalling events in mobile streaming videos | |
| US20220408151A1 (en) | Methods and apparatus to measure exposure to streaming media | |
| JP7294760B2 (ja) | メディアデバイスアセット認定を実行するための方法及び装置 | |
| US20180129825A1 (en) | Methods and apparatus to assign demographic information to panelists | |
| US20160066005A1 (en) | Methods and apparatus to identify remote presentation of streaming media | |
| US9965771B2 (en) | System and method of tracking video advertisements | |
| CN104584571A (zh) | 在机顶盒处产生音频指纹序列 | |
| US10068352B2 (en) | Determining visibility of rendered content | |
| CN108737885A (zh) | 一种分析在线视频播放卡顿的方法及装置 | |
| US11540009B2 (en) | Systems and methods for assessing viewer engagement | |
| US20220303735A1 (en) | Providing a summary of media content to a communication device | |
| US20240028582A1 (en) | Systems and methods for improving accuracy of device maps using media viewing data | |
| Li et al. | Quantifying the influence of devices on Quality of Experience for Video streaming | |
| US9747330B2 (en) | Demographic determination for media consumption analytics | |
| US20230319348A1 (en) | Systems and methods for assessing viewer engagement | |
| KR101280804B1 (ko) | 영상 콘텐츠의 영상을 분석하는 장치 및 방법 | |
| US20170257678A1 (en) | Determining Advertisement Locations Based on Customer Interaction | |
| US20140229966A1 (en) | Real-time viewing and opinion analytics for connected devices |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210217 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220127 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220705 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220803 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7118998 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |