RU2012127417A - Системы, устройства и способы использования контекстной информации - Google Patents

Системы, устройства и способы использования контекстной информации Download PDF

Info

Publication number
RU2012127417A
RU2012127417A RU2012127417/08A RU2012127417A RU2012127417A RU 2012127417 A RU2012127417 A RU 2012127417A RU 2012127417/08 A RU2012127417/08 A RU 2012127417/08A RU 2012127417 A RU2012127417 A RU 2012127417A RU 2012127417 A RU2012127417 A RU 2012127417A
Authority
RU
Russia
Prior art keywords
user
product
specified
computer
sellers
Prior art date
Application number
RU2012127417/08A
Other languages
English (en)
Other versions
RU2541890C2 (ru
Inventor
Марк ЯРВИС
Рита Х. ВУХАЙБИ
Фил МЬЮЗ
Ленитра М. ДЮРЭМ
Саи Б. ПРАСАД
Санджита Р. ШАРМА
Чиех-Йих ВАН
Original Assignee
Интел Корпорейшн
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Интел Корпорейшн filed Critical Интел Корпорейшн
Publication of RU2012127417A publication Critical patent/RU2012127417A/ru
Application granted granted Critical
Publication of RU2541890C2 publication Critical patent/RU2541890C2/ru

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

1. Способ, содержащий этапы, на которых:собирают контекстную информацию о пользователе и используют эвристику, основанную на базе данных общедоступных сведений, для перевода местоположения, отслеживаемого в течение времени, вместе с контекстной информацией в семантическую информацию о местоположении.2. Способ по п.1, дополнительно содержащий этап, на котором создают и идентифицируют указанную эвристику.3. Способ по п.2, содержащий этапы, на которых получают отслеживаемые данные о координатах GPS на протяжении всего дня пользователя и сначала выполняют кластеризацию для идентификации интересуемых местоположений, после повышают уровень местоположения до улицы и номера дома или названия фирмы, и выполняют семантическую интерпретацию для помещения в одну из несколько категорий.4. Способ по п.3, содержащий этап, на котором используют эвристику для выполнения семантической интерпретации кластеризованных местоположений, имеющих уровень, поднятый до улицы и номера дома или названия фирмы для помещения в одну из нескольких категорий.5. Способ по п.4, дополнительно содержащий этап, на котором конкретизируют категории получением набора ежедневных шаблонов.6. Способ по п.1, дополнительно содержащий этап, на котором предоставляют семантическую информацию о местоположении поставщику услуг, при этом обеспечивают при помощи поставщика услуг стимулирование указанного пользователя на основе контекстной информации.7. Способ определения заинтересованности пользователя в конкретном товаре и распознавания общих предпочтений и привычек пользователя при совершении покупок, содержащий этапы, на которых:используют поведение �

Claims (48)

1. Способ, содержащий этапы, на которых:
собирают контекстную информацию о пользователе и используют эвристику, основанную на базе данных общедоступных сведений, для перевода местоположения, отслеживаемого в течение времени, вместе с контекстной информацией в семантическую информацию о местоположении.
2. Способ по п.1, дополнительно содержащий этап, на котором создают и идентифицируют указанную эвристику.
3. Способ по п.2, содержащий этапы, на которых получают отслеживаемые данные о координатах GPS на протяжении всего дня пользователя и сначала выполняют кластеризацию для идентификации интересуемых местоположений, после повышают уровень местоположения до улицы и номера дома или названия фирмы, и выполняют семантическую интерпретацию для помещения в одну из несколько категорий.
4. Способ по п.3, содержащий этап, на котором используют эвристику для выполнения семантической интерпретации кластеризованных местоположений, имеющих уровень, поднятый до улицы и номера дома или названия фирмы для помещения в одну из нескольких категорий.
5. Способ по п.4, дополнительно содержащий этап, на котором конкретизируют категории получением набора ежедневных шаблонов.
6. Способ по п.1, дополнительно содержащий этап, на котором предоставляют семантическую информацию о местоположении поставщику услуг, при этом обеспечивают при помощи поставщика услуг стимулирование указанного пользователя на основе контекстной информации.
7. Способ определения заинтересованности пользователя в конкретном товаре и распознавания общих предпочтений и привычек пользователя при совершении покупок, содержащий этапы, на которых:
используют поведение пользователя при просмотре веб-страниц для определения товаров, интересующих указанного пользователя в качестве объекта приобретения, и предпочтительного для пользователя способа совершения покупок; при этом
определяют поведение при просмотре веб-страниц посредством отслеживания некоторых или всех загруженных веб-страниц и анализа, по меньшей мере, URL, текста страницы и cookies, связанных с каждой загруженной веб-страницей.
8. Способ по п.7, дополнительно содержащий этапы, на которых отслеживают, в течение времени набор посещенных доменов и анализируют отдельные страницы для определения, представляют ли указанные страницы результат поиска или веб-страницы с описанием товара, на основании известных шаблонов веб-страниц.
9. Способ по п.8, дополнительно содержащий этапы, на которых используют известные форматы URL, структуры страницы и текстовые шаблоны, отслеживают количество осуществленных поисков и набор сайтов, на которых был осуществлен поиск, идентифицируют просмотры товара на сайтах продавцов, и получают веб-страницы, содержащие подробности о товаре, и дополнительную информацию от общедоступных системах веб-узлов.
10. Способ по п.9, дополнительно содержащий этапы, на которых: отслеживают набор сайтов, на которых был просмотрен товар, и отслеживают для каждого сайта количество посещений пользователем на указанном сайте описания указанного товара, дату последнего посещения, количество активных посещений, во время которых пользователь взаимодействовал со страницей на указанном сайте посредством прокрутки или щелчков, и количества добавлений товара в виртуальную корзину продавца.
11. Способ по п.7, дополнительно содержащий этап, на котором идентифицируют учетные данные пользователя на основании веб-страниц и cookies для соотнесения поиска и просмотров страниц с товарами с конкретным пользователем.
12. Способ по п.7, дополнительно содержащий этап, на котором вычисляют товар, интересующий пользователя для приобретения посредством оценки каждого товара в соответствии с нижеприведенной формулой:
s c o r e = A d ( W p V p + W a V a + W M ( M − 1 ) + W c C + ∑ s e a r c h e s W s S i ) ,
Figure 00000001
где А - коэффициент срока действия (например, 0,9);
d - количество дней, прошедшее с момента последнего просмотра указанного товара;
Vp - общее количество просмотров страниц с указанным товаром для всех продавцов;
Wp - числовой весовой коэффициент для просмотров страниц;
Va - количество активных просмотров страниц с указанном товаром для всех продавцов;
Wa - числовой весовой коэффициент для активных просмотров страниц;
М - количество продавцов, у которых данный товар был просмотрен;
WM - числовой весовой коэффициент для количества продавцов;
С - количество помещений товара в корзину для всех продавцов;
Wc - числовой весовой коэффициент добавления товара в корзину;
Si - количество слов, используемых в i-м поисковом запросе, совпадающем с метаданными указанного товара.
13. Способ по п.10, дополнительно содержащий этап, на котором используют собранную информацию для определения категорий товаров обычно приобретаемых пользователем, и набора часто посещаемых продавцов для дачи рекомендаций в форме предложений, относящихся к соответствующим товарам или продавцам.
14. Способ определения заинтересованности пользователя в конкретном товаре и распознавания общих предпочтений и привычек пользователя во время совершения покупок, содержащий этапы, на которых:
идентифицируют заинтересованность в приобретении и представляют указанную заинтересованность в качестве цели пользователя, при этом указанная цель имеет срок, при этом определяют достижение цели посредством различных контекстных вводов, выбираемых из группы, состоящей из местоположения: отслеживания активности покупок в интернет-магазине; счетов по кредитным картам; или транзакциям по телефону.
15. Способ по п.14, дополнительно содержащий этапы, на которых создают рекомендации посредством разбиения действий на подгруппы действий, при этом выполняют идентификацию разных подгрупп действий с использованием датчиков разных типов и получаемого контекста от датчиков, и создают и оценивают последовательность указанных подгрупп в соответствии с состоянием пользователя во время каждого из указанных действий.
16. Способ по п.14, дополнительно содержащий этапы, на которых: используют контекстные ключи для определения отношения указанной цели к пользователю или кому-либо другому и создают профиль, разбитый на основной сегмент, относящийся непосредственно к пользователю, и другие сегменты, относящиеся к другим людям или действиям, относящимся к указанному пользователю.
17. Машиночитаемый носитель информации, содержащий команды выполняемые компьютером, вызывающие выполнение компьютером этапов, на которых:
собирают контекстную информацию о пользователе и используют эвристику, основанную на базе данных общедоступных сведений, для перевода местоположения, отслеживаемого в течение времени вместе с контекстной информацией в семантическую информацию о местоположении.
18. Машиночитаемый носитель информации по п.17, дополнительно содержащий дополнительные команды, вызывающие выполнение компьютером дополнительных этапов, на которых создают и идентифицируют указанную эвристику.
19. Машиночитаемый носитель информации по п.18, содержащий команды, вызывающие выполнение этапов, на которых получают отслеживаемые данные о координатах GPS на протяжении всего дня пользователя, и сначала выполняют их кластеризацию для идентификации интересуемых местоположений, затем повышают уровень до улицы и номера дома или названия фирмы, и выполняют семантическую интерпретацию для помещения в одну из нескольких категорий.
20. Машиночитаемый носитель информации по п.19, содержащий команды, вызывающие выполнение этапов, на которых используют эвристику для семантической интерпретации кластеризованных местоположений с уровнем, поднятым до улицы и номера дома или названия фирмы, для помещения в одну из нескольких категорий.
21. Машиночитаемый носитель информации по п.20, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых конкретизируют категории с получением набора ежедневных шаблонов.
22. Машиночитаемый носитель информации по п.17, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых предоставляют семантическую информацию о местоположении поставщику услуг, при этом обеспечивают, при помощи поставщика услуг, стимулирование указанного пользователя на основе контекстной информации.
23. Машиночитаемый носитель информации, кодированный выполняемыми компьютером командами, вызывающими при обращении к ним определение заинтересованности пользователя в приобретении конкретного товара и распознают общие предпочтения и привычки пользователей при совершении покупок посредством использования поведения при просмотре веб-страниц для определения товара, интересующего указанного пользователя в качестве объекта приобретения, и способа совершения покупок указанным пользователем;
при этом определяют указанное поведение при просмотре веб-страниц посредством отслеживания некоторых или всех загруженных веб-страниц и анализа, по меньшей мере, URL, текста страниц и cookies, связанных с загруженными веб-страницами.
24. Машиночитаемый носитель информации по п.23, содержащий дополнительные команды, выполняемые компьютером, вызывающие выполнение компьютером этапов, на которых отслеживают, в течение времени набор посещенных доменов и анализируют отдельные страницы для определения, представляют ли указанные страницы результат поиска или веб-страницы с описанием товара, на основании известных шаблонов веб-страниц.
25. Машиночитаемый носитель информации по п.24, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых: используют известные форматы URL, структуры страницы и текстовые шаблоны, отслеживают количество осуществленных поисков и набор сайтов, на которых был произведен поиск, идентифицируют просмотры товара на сайтах продавцов, и получают веб-страницы, содержащие подробности о товаре, и дополнительную информацию от систем веб-услуг.
26. Машиночитаемый носитель информации по п.25, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых: отслеживают набор сайтов, на которых был просмотрен товар, и отслеживают для каждого сайта количество помещений пользователем страницы с описанием указанного товара, дату последнего посещения, количество активных посещений, при которых пользователь взаимодействовал со страницей на указанном сайте посредством прокрутки содержания или щелчков, и количества добавлений товара в виртуальную корзину продавца.
27. Машиночитаемый носитель информации по п.23, дополнительно содержащий команды, вызывающие выполнение компьютером этапов, на которых: идентифицируют учетные данные пользователя на основании веб-страниц и cookies для соотнесения поиска и просмотров страниц с описанием товара с конкретным пользователем.
28. Машиночитаемый носитель информации по п.23, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых вычисляют товары, интересующие пользователя, для приобретения посредством оценки каждого товара в соответствии с нижеприведенной формулой:
s c o r e = A d ( W p V p + W a V a + W M ( M − 1 ) + W c C + ∑ s e a r c h e s W s S i ) ,
Figure 00000002
где А - коэффициент срока действия (например, 0,9);
d - количество дней, прошедшее с момента последнего просмотра указанного товара;
Vp - общее количество просмотров страниц с указанным товаром для всех продавцов;
Wp - числовой весовой коэффициент посмотренных страниц;
Va - количество активных просмотров страниц с указанным товаром для всех продавцов;
Wa - числовой весовой коэффициент для активных просмотров страниц;
М - количество продавцов, у которых данный товар был просмотрен;
WM - числовой весовой коэффициент для количества продавцов;
С - количество помещений товара в корзину для всех продавцов;
Wc - числовой весовой коэффициент добавления товара в корзину;
Si - количество слов, используемых в i-м поисковом запросе, совпадающем с метаданными указанного товара.
29. Машиночитаемый носитель информации по п.28, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых: используют собранную информацию для определения категорий товаров, обычно приобретаемых пользователем, и набора часто посещаемых продавцов для дачи рекомендаций в форме предложений, относящихся к соответствующим товарам или продавцам.
30. Машиночитаемый носитель информации по п.23, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых: идентифицируют заинтересованность пользователя в приобретении конкретного товара и представляют указанную заинтересованность в качестве цели пользователя, при этом указанная цель имеет срок, и определяют достижение цели посредством различных контекстных вводов, выбираемых из группы, состоящей из: местоположения отслеживания активности покупок в Интернет-магазине; счетов по кредитным картам; или транзакциям оплаты по телефону.
31. Машиночитаемый носитель информации по п.23, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых: создают рекомендации, посредством разбиения действий на подгруппы действий, при этом идентифицируют указанные разные подгруппы действий с использованием датчиков разных типов и получаемого контекста от датчиков, и создают и оценивают последовательность указанных подгрупп в соответствии с состоянием пользователя во время каждого из указанных действий.
32. Машиночитаемый носитель информации по п.30, содержащий дополнительные команды, вызывающие выполнение компьютером этапов, на которых: используют контекстные ключи для определения отношения цели к пользователю или кому-либо другому и создают профиль, разбитый на основной сегмент, относящийся непосредственно к пользователю, и другие сегменты, относящиеся к другим людям или действиям, относящимся к указанному пользователю.
33. Система, содержащая:
платформу связи и усвоения информации, выполненную с возможностью сбора контекстной информации о пользователе и использования эвристики, основанной на базе данных общедоступных сведений, для перевода местоположения, отслеживаемого в течение времени, вместе с контекстной информацией в семантическую информацию о местоположении.
34. Система по п.33, в которой указанная платформа выполнена с возможностью создания и идентификации указанной эвристики.
35. Система по п.34, в которой отслеживаемые данные о координатах GPS получены непрерывно на протяжении всего дня пользователя и сначала кластеризированы для идентификации интересуемых местоположений, и повышены до улицы и номера дома или названия фирмы, а затем семантически интерпретированы для помещения в одну из нескольких категорий.
36. Система по п.35, в которой эвристика использована для семантической интерпретации кластеризованных местоположений, имеющих поднятый уровень до улицы и номера дома или названия фирмы, для помещения в одну или множество категорий.
37. Система по п.36, содержащая платформу, выполненную с возможностью дополнительной конкретизации категории с получением набора ежедневных шаблонов.
38. Система по п.33, содержащая платформу, выполненную с возможностью предоставления семантической информации о местоположении поставщику услуг, при этом поставщик услуг выполнен с возможностью стимулирования указанного пользователя на основе контекстной информации.
39. Система, содержащая:
платформу связи и усвоения информации, выполненную с возможностью определения заинтересованности пользователя в приобретении конкретного товара и распознания общих предпочтений и привычек пользователя при совершении покупок посредством определения поведения пользователя при просмотре веб-страниц для определения товаров, интересующих пользователя в качестве объекта приобретения, и способа совершения пользователем покупок;
при этом поведение при просмотре веб-страниц определяется отслеживанием всех загруженных веб-страниц и анализом, по меньшей мере, URL, текста страниц и cookies, связанных с каждой загруженной веб-страницей.
40. Система по п.39, в которой платформа выполнена с возможностью отслеживания, в течение времени, набора посещенных доменов и анализа отдельных страниц для определения, представляют ли указанные страницы результат поиска или веб-страницы с описанием товара, на основании известных шаблонов веб-страниц.
41. Система по п.40, в которой платформа дополнительно выполнена с возможностью использования известных форматов URL, структур страницы и текстовых шаблонов для отслеживания количества осуществленных поисков, и набора сайтов, осуществления поиска, идентификации просмотров товара на сайтах продавцов и получения веб-страниц, содержащих подробности о товаре и дополнительную информацию от систем веб-услуг.
42. Система по п.41, в которой платформа дополнительно выполнена с возможностью отслеживания набора сайтов, на которых был просмотрен товар, и отслеживания для каждого сайта количества посещений пользователем на указанном сайте описания указанного товара, даты последнего посещения, количества активных посещений, во время которых пользователь взаимодействовал со страницей на указанном сайте посредством прокрутки содержания или щелчков, и количества добавлений товара в виртуальную корзину продавца.
43. Система по п.39, в которой платформа дополнительно выполнена с возможностью идентификации учетных данных пользователя на основании веб-страниц и cookies для соотнесения поиска и просмотров страниц с товарами с конкретным пользователем.
44. Система по п.39, в которой платформа дополнительно выполнена с возможностью вычисления товара, интересующего пользователя для приобретения посредством оценки каждого товара в соответствии с нижеприведенной формулой:
s c o r e = A d ( W p V p + W a V a + W M ( M − 1 ) + W c C + ∑ s e a r c h e s W s S i ) ,
Figure 00000003
где A - коэффициент срока действия (например, 0,9);
d - количество дней, прошедшее с момента последнего просмотра указанного товара;
Vp - общее количество просмотров страниц с указанным товаром для всех продавцов;
Wp - числовой весовой коэффициент для просмотров страниц;
Va - количество активных просмотров страниц с указанным товаром для всех продавцов;
Wa - числовой весовой коэффициент для активных просмотров страниц;
М - количество продавцов, у которых данный товар просмотрен;
WM - числовой весовой коэффициент для количества продавцов;
С - количество помещений товара в корзину для всех продавцов;
Wc - числовой весовой коэффициент добавления товара в корзину;
Si - количество слов, используемых в i-м поисковом запросе, совпадающем с метаданными указанного товара.
45. Система по п.44, в которой платформа дополнительно выполнена с возможностью использования собранной информации для определения категорий товаров, обычно приобретаемых пользователем, и набора часто посещаемых продавцов для дачи рекомендаций в форме предложений, относящихся к соответствующим товарам или продавцам.
46. Система по п.39, в которой платформа дополнительно выполнена с возможностью идентификации заинтересованности пользователя в приобретении конкретного товара и представления указанной заинтересованности в качестве цели пользователя, при этом указанная цель имеет срок, а достижение цели определяется посредством различных контекстных вводов, выбираемых из группы, состоящей из местоположения: отслеживания активности покупок в интернет-магазине; счетов по кредитным картам; или транзакциям по телефону.
47. Система по п.39, в которой платформа выполнена с возможностью создания рекомендаций посредством разбиения действий на подгруппы действий, при этом идентификация разных функциональных подгрупп выполняется с использованием датчиков разных типов и получаемого контекста от датчиков, и с возможностью создания и оценки последовательности указанных подгрупп в соответствии с состоянием пользователя во время каждого из указанных действий.
48. Система по п.46, в которой платформа дополнительно выполнена с возможностью использования контекстных ключей для определения отношения цели к пользователю или кому-либо другому и создания профиля, разбитого на основной сегмент, относящийся непосредственно к пользователю, и другие сегменты относящихся к другим людям или действиям, относящимся к указанному пользователю.
RU2012127417/08A 2009-12-15 2009-12-15 Системы, устройства и способы использования контекстной информации RU2541890C2 (ru)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2009/068131 WO2011075120A1 (en) 2009-12-15 2009-12-15 Context information utilizing systems, apparatus and methods

Publications (2)

Publication Number Publication Date
RU2012127417A true RU2012127417A (ru) 2014-01-10
RU2541890C2 RU2541890C2 (ru) 2015-02-20

Family

ID=44167613

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2012127417/08A RU2541890C2 (ru) 2009-12-15 2009-12-15 Системы, устройства и способы использования контекстной информации

Country Status (8)

Country Link
US (1) US20120246000A1 (ru)
EP (1) EP2513858A4 (ru)
JP (1) JP2013512501A (ru)
CN (2) CN102667840A (ru)
BR (1) BR112012014148A2 (ru)
IN (1) IN2012DN03063A (ru)
RU (1) RU2541890C2 (ru)
WO (1) WO2011075120A1 (ru)

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8621046B2 (en) 2009-12-26 2013-12-31 Intel Corporation Offline advertising services
US8429685B2 (en) 2010-07-09 2013-04-23 Intel Corporation System and method for privacy-preserving advertisement selection
EP2666138A4 (en) * 2011-01-17 2014-08-06 Imetrik Technologies Inc COMPUTER-IMPLEMENTED METHOD AND REPORT SYSTEM ON A TRUST SCORE CONNECTED WITH A VEHICLE EQUIPPED WITH A WIRELESS UTILIZATION REPORT DEVICE
US8775275B1 (en) * 2011-03-30 2014-07-08 Amazon Technologies, Inc. Inferring user intent based on network navigation paths
EP2749036B1 (en) 2011-08-25 2018-06-13 Intel Corporation System and method and computer program product for human presence detection based on audio
KR101482756B1 (ko) * 2013-08-07 2015-01-14 네이버 주식회사 의미적 지역을 기반으로 검색어를 추천하는 방법 및 시스템
CN103679494B (zh) * 2012-09-17 2018-04-03 阿里巴巴集团控股有限公司 商品信息推荐方法及装置
US9740773B2 (en) 2012-11-02 2017-08-22 Qualcomm Incorporated Context labels for data clusters
US9336295B2 (en) * 2012-12-03 2016-05-10 Qualcomm Incorporated Fusing contextual inferences semantically
US9582572B2 (en) 2012-12-19 2017-02-28 Intel Corporation Personalized search library based on continual concept correlation
US20150120452A1 (en) * 2013-10-29 2015-04-30 Wal-Mart Stores, Inc. Product Information by Consumer Movement
EP3067842A4 (en) * 2013-11-04 2017-08-23 Sociedad Española Para el Internet de Las Cosas, S.L. Device for recording data for monitoring and tracking the dispatch and transportation of goods requiring specific values to be maintained, and method for achieving said monitoring and tracking
US9904932B2 (en) * 2014-12-29 2018-02-27 Google Llc Analyzing semantic places and related data from a plurality of location data reports
CN104850541B (zh) * 2015-06-04 2016-10-26 武汉大学 一种基于位置语义网的语义位置转换方法
US10146829B2 (en) * 2015-09-28 2018-12-04 Google Llc Query composition system
US10394823B2 (en) * 2017-01-04 2019-08-27 International Business Machines Corporation Detection and utilization of attributes
US20180210872A1 (en) * 2017-01-23 2018-07-26 Microsoft Technology Licensing, Llc Input System Having a Communication Model
US10706108B2 (en) * 2017-04-29 2020-07-07 Cisco Technology, Inc. Field name recommendation
EP3627339A4 (en) 2017-06-30 2020-04-29 Guangdong Oppo Mobile Telecommunications Corp., Ltd. USER LOCATION IDENTIFICATION METHOD, STORAGE MEDIUM, AND ELECTRONIC DEVICE
CN108242016B (zh) * 2018-01-25 2022-01-25 创新先进技术有限公司 一种产品推荐的方法和装置
RU2699059C1 (ru) * 2018-02-12 2019-09-03 Общество с ограниченной ответственностью "Колтувизит" (ООО "КТВ") Способ для привлечения покупателей в офисы продаж товаров и услуг
RU2706473C1 (ru) * 2019-05-30 2019-11-19 Сергей Алексеевич Гридяев Система и способ поиска с автоматизированным предоставлением контента товаров и/или услуг посредством сети передачи данных
CN114219586A (zh) * 2022-01-14 2022-03-22 平安普惠企业管理有限公司 基于视频的购物推荐方法、装置、设备和存储介质

Family Cites Families (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5644723A (en) * 1989-05-01 1997-07-01 Credit Verification Corporation Method and system for selective incentive point-of-sale marketing in response to customer shopping histories
CH690875A5 (de) * 1996-05-21 2001-02-15 Hts High Technology Systems Ag Heim- und Gebäudeautomationssystem.
US6837436B2 (en) * 1996-09-05 2005-01-04 Symbol Technologies, Inc. Consumer interactive shopping system
US6029141A (en) * 1997-06-27 2000-02-22 Amazon.Com, Inc. Internet-based customer referral system
US6484149B1 (en) * 1997-10-10 2002-11-19 Microsoft Corporation Systems and methods for viewing product information, and methods for generating web pages
US7720723B2 (en) * 1998-09-18 2010-05-18 Amazon Technologies, Inc. User interface and methods for recommending items to users
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
JP3488104B2 (ja) * 1998-11-18 2004-01-19 富士通株式会社 移動体の特性抽出装置，特性抽出方法およびそのプログラム記録媒体
US7082407B1 (en) * 1999-04-09 2006-07-25 Amazon.Com, Inc. Purchase notification service for assisting users in selecting items from an electronic catalog
US7302429B1 (en) * 1999-04-11 2007-11-27 William Paul Wanker Customizable electronic commerce comparison system and method
US20040199435A1 (en) * 1999-07-28 2004-10-07 Abrams David Hardin Method and apparatus for remote location shopping over a computer network
US20010029485A1 (en) * 2000-02-29 2001-10-11 E-Scoring, Inc. Systems and methods enabling anonymous credit transactions
US7228327B2 (en) * 2000-05-08 2007-06-05 Hoshiko Llc Method and apparatus for delivering content via information retrieval devices
US7249056B1 (en) * 2000-08-17 2007-07-24 Performics, Inc. Method and system for exchanging data between affiliated sites
US7844489B2 (en) * 2000-10-30 2010-11-30 Buyerleverage Buyer-driven targeting of purchasing entities
JP2002216021A (ja) * 2001-01-23 2002-08-02 Fujitsu Ltd 特定エリアの携帯移動情報端末へ情報配信を行なうサーバーシステム
US20020156685A1 (en) * 2001-02-10 2002-10-24 International Business Machines Corporation System and method for automating electronic commerce transactions using a virtual shopping cart
US20020198882A1 (en) * 2001-03-29 2002-12-26 Linden Gregory D. Content personalization based on actions performed during a current browsing session
US7295995B1 (en) * 2001-10-30 2007-11-13 A9.Com, Inc. Computer processes and systems for adaptively controlling the display of items
CN1206872C (zh) * 2002-03-15 2005-06-15 国际商业机器公司 对移动台进行位置管理的系统和方法、移动台和移动网络
US8965998B1 (en) * 2002-03-19 2015-02-24 Amazon Technologies, Inc. Adaptive learning methods for selecting web page components for inclusion in web pages
JP4140326B2 (ja) * 2002-09-17 2008-08-27 日産自動車株式会社 情報提供装置、情報提供用プログラムおよび情報提供方法
US7318056B2 (en) * 2002-09-30 2008-01-08 Microsoft Corporation System and method for performing click stream analysis
US8065227B1 (en) * 2003-12-31 2011-11-22 Bank Of America Corporation Method and system for producing custom behavior scores for use in credit decisioning
WO2006042265A2 (en) * 2004-10-11 2006-04-20 Nextumi, Inc. System and method for facilitating network connectivity based on user characteristics
US7835859B2 (en) * 2004-10-29 2010-11-16 Aol Inc. Determining a route to a destination based on partially completed route
US7636785B2 (en) * 2004-11-16 2009-12-22 Microsoft Corporation Heuristic determination of user origin
US7882043B2 (en) * 2005-01-07 2011-02-01 International Business Machines Corporation Method and apparatuses for facilitating spontaneous shopping collaboration
WO2006083973A2 (en) * 2005-01-31 2006-08-10 4Info, Inc. Automated transfer of data from pc clients
US8131861B2 (en) * 2005-05-20 2012-03-06 Webtrends, Inc. Method for cross-domain tracking of web site traffic
US20070073592A1 (en) * 2005-09-28 2007-03-29 Redcarpet, Inc. Method and system for network-based comparision shopping
JP4861004B2 (ja) * 2005-12-27 2012-01-25 株式会社エヌ・ティ・ティ・ドコモ サービス推薦システム、及び、サービス推薦方法
US7756534B2 (en) * 2006-05-19 2010-07-13 Alcatel-Lucent Usa Inc. Provision of location-based services utilizing user movement statistics
CN100450179C (zh) * 2006-05-30 2009-01-07 浙江工业大学 基于全方位计算机视觉的独居老人家庭安保装置
US7831586B2 (en) * 2006-06-09 2010-11-09 Ebay Inc. System and method for application programming interfaces for keyword extraction and contextual advertisement generation
US8055548B2 (en) * 2006-06-23 2011-11-08 Stb Enterprises, Llc System for collaborative internet competitive sales analysis
JP2008152564A (ja) * 2006-12-18 2008-07-03 Orion Denki Kk 携帯情報端末装置及びコンテンツ配信システム
EP1939797A1 (en) * 2006-12-23 2008-07-02 NTT DoCoMo, Inc. Method and apparatus for automatically determining a semantic classification of context data
US20080201643A1 (en) * 2007-02-01 2008-08-21 7 Billion People, Inc. System for creating customized web content based on user behavioral portraits
US20080215348A1 (en) * 2007-03-02 2008-09-04 Marc Guldimann System and methods for advertisement and event promotion
US20080221987A1 (en) * 2007-03-07 2008-09-11 Ebay Inc. System and method for contextual advertisement and merchandizing based on an automatically generated user demographic profile
WO2008131388A2 (en) * 2007-04-22 2008-10-30 Phone Through, Inc. Methods and apparatus related to content sharing between devices
US7636677B1 (en) * 2007-05-14 2009-12-22 Coremetrics, Inc. Method, medium, and system for determining whether a target item is related to a candidate affinity item
US7983926B2 (en) * 2007-06-08 2011-07-19 Conopco, Inc. Purchases method and system
CN101471802A (zh) * 2007-12-29 2009-07-01 上海聚力传媒技术有限公司 多媒体内容中根据用户个性化信息展示广告的方法及装置
US8015144B2 (en) * 2008-02-26 2011-09-06 Microsoft Corporation Learning transportation modes from raw GPS data
US8271413B2 (en) * 2008-11-25 2012-09-18 Google Inc. Providing digital content based on expected user behavior
US8234147B2 (en) * 2009-05-15 2012-07-31 Microsoft Corporation Multi-variable product rank
WO2011109781A2 (en) * 2010-03-04 2011-09-09 Milewise, Inc. Payment method decision engine
US9401965B2 (en) * 2010-12-09 2016-07-26 Google Inc. Correlating user interactions with interfaces
US8515828B1 (en) * 2012-05-29 2013-08-20 Google Inc. Providing product recommendations through keyword extraction from negative reviews

Also Published As

Publication number Publication date
EP2513858A1 (en) 2012-10-24
EP2513858A4 (en) 2013-11-20
CN102667840A (zh) 2012-09-12
WO2011075120A1 (en) 2011-06-23
US20120246000A1 (en) 2012-09-27
BR112012014148A2 (pt) 2016-05-17
JP2013512501A (ja) 2013-04-11
IN2012DN03063A (ru) 2015-07-31
RU2541890C2 (ru) 2015-02-20
CN106910090A (zh) 2017-06-30

Similar Documents

Publication Publication Date Title
RU2012127417A (ru) Системы, устройства и способы использования контекстной информации
Bhandari et al. Impact of search engine optimization as a marketing tool
US20190266133A1 (en) Apparatus, systems, and methods for analyzing characteristics of entities of interest
US8620746B2 (en) Scoring quality of traffic to network sites
US20100161605A1 (en) Context transfer in search advertising
US20210326936A1 (en) Location-based bid modifiers
EP2557511B1 (en) Information processing device, information processing method, information processing programme, and recording medium
EP2159716A1 (en) System and method for interfacing a web browser widget with social indexing
TW201207651A (en) Operationalizing search engine optimization
US20110246300A1 (en) Techniques to determe when an internet user is in-market for a specific product and determining general shopping preferences and habits of internet users
CN106796612A (zh) 基于用户与内容数据的机器可读代码的交互来路由数据和连接用户的系统和方法
CN105488163B (zh) 信息推送方法和装置
CN103838732A (zh) 一种生活服务领域垂直搜索引擎
Hopkins et al. Public health implications of Google searches for sunscreen, sunburn, skin cancer, and melanoma in the United States
CN103198072A (zh) 一种流行检索词的挖掘、推荐方法及装置
CN103365906A (zh) 一种实现基于位置的搜索和推荐的系统和方法
US20110246469A1 (en) Techniques to capture context and location information and utilize heuristics to turn location tracked over time and context information into semantic location information
CN103646342A (zh) 一种搜索引擎消费数据和回报数据的拼接方法和平台
JP2015225582A (ja) 情報処理装置、情報処理方法、及びプログラム
CN107634985A (zh) 信息推送方法、装置、计算机和介质
WO2020031232A1 (ja) 情報処理システム、情報処理方法、及びプログラム
CN102214173A (zh) 用于选择用于网络发布的关键词的方法和设备
JP7187597B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
US20100257018A1 (en) Enhanced search marketing
KR102347187B1 (ko) Ai　마케팅　솔루션을　위해　특정　사이트에　대한　정보를　분석하는　전자　장치　및　그　동작　방법

Legal Events

Date Code Title Description
TK4A Correction to the publication in the bulletin (patent)

Free format text: AMENDMENT TO CHAPTER -FG4A- IN JOURNAL: 5-2015 FOR TAG: (57)

MM4A The patent is invalid due to non-payment of fees

Effective date: 20171216