CN103942704A - 用于广告筛选的方法和设备 - Google Patents

Abstract

提供了一种用于广告筛选的方法和设备。一种系统包括：处理器，被配置为基于用户请求初始化用于广告评价的新的用户模型。所述处理器还被配置为将基本用户人口统计信息添加到模型。所述处理器还被配置为基于用户对在使用模型的驾驶期间呈现的广告的反应更新所述模型；并且在驾驶中，利用模型来过滤或选择对应于与模型相关联的识别特性的广告。

Description

用于广告筛选的方法和设备

技术领域

示意性实施例总体涉及用于广告筛选（screening）的方法和设备。

背景技术

已经提出了广告选择和筛选的各种方法。这些方法包括：

U.S.2009/0076915，其总体针对用于使用一台或多台车辆提供广告的方法，该方法包括针对车辆产生广告以及针对广告选择车辆。选择具有与广告资料相应的资料的车辆。本发明还提供用于实现该方法的系统和存储介质。利用所述方法、系统和/或介质，可提供微针对型的移动广告。

U.S.2007/0113243，其总体涉及一种针对型的广告系统，包括：接口单元，被配置为接收广播传输、用于广播节目的主广播流、用于针对型广告内容的次广播流；存储装置，用于存储针对型广告内容。该方法包括：向用户呈现针对型广告内容，包括：接收主广播流，接收次广播流，将次广播流的一部分存储在存储装置中，并将可基于用户参数选择的针对型广告流呈现给用户。

U.S.2004/0192351，其总体涉及环境相关的附近驾驶的移动广告，其通过基于车辆的环境（诸如位置和时间）在与移动车辆关联的显示装置处显示广告内容来实现。广告环境模块将多个广告内容与选择的内容相关联。与每台车辆相关联的广告显示控制器使用由定位装置（诸如GPS定位器）提供的位置，来确定车辆环境并应用该环境来选择用于在车辆中显示的广告内容。

发明内容

在第一示意性实施例中，一种系统包括：处理器，被配置为：基于用户请求初始化用于广告评价的新的用户模型。所述处理器还被配置为将基本用户人口统计信息添加到模型。所述处理器还被配置为：基于用户对在使用模型的驾驶期间呈现的广告的反应更新所述模型；在驾驶中，利用模型来过滤或选择对应于与模型相关联的识别特性的广告。

在第二示意性实施例中，一种计算机执行的方法包括：基于用户请求初始化用于广告评价的新的用户模型。所述方法还包括：将基本用户人口统计信息添加到模型。所述方法还包括：基于用户对在使用模型的驾驶期间呈现的广告的反应更新所述模型；在驾驶中，利用模型来过滤或选择对应于与模型相关联的识别特性的广告。

所述方法还可包括询问用户以获得基本用户人口统计信息。

所述方法还可包括从先前存储的用户人口统计信息获得基本用户人口统计信息。

更新可包括基于各个正面或负面的用户反应，增加或减少广告种类的用户期望性特征。

识别特性可包括指定目的地。

识别特性可包括一天中的时间。

识别特性可包括一星期中的日子。

在第三示意性实施例中，一种计算机执行的方法包括：基于用户请求初始化用于广告评价的新的用户模型。所述方法还包括：将基本用户人口统计信息添加到模型。所述方法还包括：基于用户对在使用模型的驾驶期间呈现的广告的反应更新所述模型；在驾驶中，利用模型来过滤或选择对应于与模型相关联的识别特性的广告。

所述方法还可包括询问用户以获得基本用户人口统计信息。

所述方法还可包括从先前存储的用户人口统计信息获得基本用户人口统计信息。

更新可包括基于各个正面或负面的用户反应，增加或减少广告种类的用户期望性特征。

识别特性可包括指定目的地。

识别特性可包括一天中的时间。

识别特性可包括一星期中的日子。

附图说明

图1示出示意性的车辆计算系统；

图2示出用于获得用户偏好的示意性处理；

图3示出用于获得用户数据的示意性处理；

图4示出可用于索引广告信息的示意性示例系统；

图5示出用于选择广告的示例性处理；

图6示出用于呈现广告并跟踪用户反应的示例性处理。

具体实施方式

根据需要，在此公开本发明的详细实施例；然而，应当理解，所公开的实施例仅为本发明的示例，其可以以多种替代形式实施。附图无需按比例绘制；可夸大或缩小一些特征以显示特定组件的细节。因此，此处所公开的具体结构和功能细节不应被解释为限制，而仅为教导本领域技术人员以多种形式实施本发明的代表性基础。

图1示出用于车辆31的基于车辆的计算系统（VCS）1的示例框式拓朴图。这种基于车辆的计算系统1的示例为由福特汽车公司制造的SYNC系统。设有基于车辆的计算系统的车辆可包含位于车辆中的可视前端界面4。如果所述界面设置有例如触摸敏感屏幕，则用户还可与该界面交互。在另一示意性的实施例中，通过按压按扭、可听语音和语音合成进行交互。

在图1中所示的示意性实施例1中，处理器3控制基于车辆的计算系统的操作的至少一部分。设在车辆中的处理器允许在车上处理命令和程序。此外，处理器连接至非永久存储器5和永久存储器7两者。在该示意性实施例中，非永久存储器为随机存取存储器（RAM）并且永久存储器为硬盘驱动器（HDD）或闪存。

处理器还设有允许用户与处理器交互的多个不同的输入。在该示意性实施例中，设有麦克风29、辅助输入25（用于输入33）、通用串行接口（USB）输入23、GPS输入24和蓝牙输入15。还设有输入选择器51，以允许用户在各种输入之间互换。在对麦克风和辅助连接器的输入被传递至处理器之前，通过转换器27将对麦克风和辅助连接器的输入从模拟信号转换为数字信号。尽管没有显示，但是与VCS通信的多个车辆组件和辅助组件可使用车辆网络（诸如但不限于控制器区域网络（CAN）总线）以向VCS（或其组件）传递数据或传递来自VCS（或其组件）的数据。

对系统的输出可包括但不限于视觉显示器4和扬声器13或立体声系统输出。扬声器连接至放大器11并通过数字-模拟转换器9从处理器3接收其信号。还可分别沿19、21处所示的双向数据流产生至远程蓝牙装置（诸如便携式导航装置（PND）54）或USB装置（诸如车辆导航装置60）的输出。

在一个示意性实施例中，系统1使用蓝牙收发器15与用户的移动装置53（例如，蜂窝电话、智能电话、个人数字助理（PDA）或具有无线远程网络连接能力的任何其它装置）进行通信17。移动装置随后可用于通过例如与蜂窝塔57的通信55来与车辆31外部的网络61进行通信59。在一些实施例中，蜂窝塔57可以为WiFi接入点。

信号14代表了移动装置和蓝牙收发器之间的示例性通信。

可通过按钮52或类似输入来指示移动装置53与蓝牙收发器15进行配对。因此，指示中央处理单元（CPU）车载蓝牙收发器将与移动装置中的蓝牙收发器进行配对。

可利用例如与移动装置53相关联的数据计划、话上数据或双音多频（DTMF）音调在CPU3和网络61之间传递数据。可选择地，可能期望包括具有天线18的车载调制解调器63以便在语音频带上在CPU3和网络61之间对数据进行通信16。移动装置53随后能够通过例如与蜂窝塔57的通信55而被用来与车辆31之外的网络61进行通信59。在一些实施例中，调制解调器63可与蜂窝塔57建立通信20，以与网络61通信。作为非限制性示例，调制解调器63可以为USB蜂窝调制解调器并且通信20可以为蜂窝通信。

在一个示意性实施例中，处理器设有包括与调制解调器应用软件进行通信的API（应用编程接口）的操作系统。调制解调器应用软件可访问蓝牙收发器上的嵌入式模块或固件，以完成与远程蓝牙收发器（诸如设在移动装置里的）的无线通信。蓝牙是IEEE802PAN（个人区域网络）协议的子集。IEEE802LAN（局域网络）协议包括WiFi并且与IEEE802PAN具有相当多的交叉功能。两者都适合于车辆内的无线通信。可以在该领域使用的其它通信方式为自由空间光通信（诸如IrDA（红外数据协议））和非标准的消费者IR（红外）协议。

在另一实施例中，移动装置53包括用于语音频带或宽带数据通信的调制解调器。在话上数据的实施例中，当正在传输数据期间移动装置的拥有者可对装置说话时，可执行已知为频分复用的技术。在其它时间，当拥有者没有使用该装置时，数据传输能够使用整个带宽（在一个示例中为300Hz至3.4kHz）。尽管频分复用对于车辆与因特网之间的模拟蜂窝通信而言可能是常见的并且仍然在使用，但其已经很大程度上被针对数字蜂窝通信的码域多址（CDMA）、时域多址（TDMA）、空域多址（SDMA）的混合体代替。这些都是符合ITU IMT-2000(3G)的标准，并且为静止或者行走的用户提供高达2mbs的数据传输速率以及为在移动车辆中的用户提供高达385kbs的数据传输速率。3G标准现正被为车辆中的用户提供100mbs以及为静止用户提供1gbs数据传输速率的IMT（国际移动通信）高级（4G）所替代。如果用户具有与移动装置相关联的数据计划，则该数据计划可能允许宽带传输且系统可使用宽得多的带宽（加速数据传送）。在又一实施例中，移动装置53被安装至车辆31的蜂窝通信装置（未示出）所代替。在又一实施例中，移动装置（ND）53可为能够通过例如（而非限制）802.11g网络（即WiFi）或WiMax网络进行通信的无线局域网（LAN）装置。

在一个实施例中，输入数据可经由话上数据或数据计划穿过移动装置、穿过车载蓝牙收发器、并进入车辆内部处理器3。例如，在某些临时数据的情况下，数据可存储在HDD或其它存储介质7上，直至不再需要所述数据的时候。

其它可与车辆进行接口连接的源包括具有例如USB连接56和/或天线58的个人导航装置54、具有USB62或其它连接的车辆导航装置60、车载GPS装置24、或者与网络61连接的远程导航系统（未显示）。USB是一类串行网络协议中的一种。IEEE1394（火线）、EIA（电子工业协会）串行协议、IEEE1284(并口)、S/PDIF(索尼/飞利浦数字互联格式)和USB-IF(USB应用者论坛)形成了装置-装置串行标准的骨干。多数协议可实施为用于电通信或光通信。

此外，CPU能与各种其它的辅助装置65进行通信。这些装置可通过无线连接67或有线连接69来连接。辅助装置65可包括但不限于个人媒体播放器、无线健康装置、便携式计算机等。

此外或可选择地，CPU可使用例如WiFi71收发器而连接至基于车辆的无线路由器73。这能允许CPU在本地路由器73的范围内连接到远程网络。

除了具有通过位于车辆中的车辆计算系统执行的示例性处理之外，在一些实施例中，还可以通过与车辆计算系统通信的计算系统来执行示例性处理。这样的系统可包括但不限于无线装置（例如，但不限于移动电话）或者经由无线装置连接的远程计算系统（例如，但不限于服务器）。总体上，这些系统可被称为与车辆相关联的计算系统（VACS）。在特定实施例中，VACS的特定组件可以根据系统的特定实施而执行处理的特定部分。通过示例并且是非限制的方式，如果处理具有利用配对的无线装置发送或者接收信息的步骤，则很可能无线装置不执行该处理，因为该无线装置不会与自身进行信息的“发送和接收”。本领域的普通技术人员将理解何时不适合对给定解决方案应用特定VACS。在所有解决方案中，预期至少位于车辆中的车辆计算系统（VCS）自身能够执行示例性处理。

目前，所有类型的音频广告都是在电台节目、TV和移动应用上播放的，不是在汽车环境中就是在家中享受期间。这些广告中的大多数（虽然可能针对特定群体）不能以特定意义传达给观众，并且只能基于节目播放（即，已知为观看特定节目/收听特定站台的人口统计）锁定对象。

潘多拉电台和类似应用使得车辆乘员通过多种方式控制播放什么歌曲，但是几乎不提供控制广告的功能。使用基于模型的推荐系统的信息过滤器基于先前已知的驾驶员偏好建议和回放歌曲。针对音乐回放的驾驶员响应可用于潘多拉学习系统的监督训练。虽然基于驾驶员偏好改变内容，但是当前不使用该信息来改变广告回放或内容。

通过车辆系统传输的驾驶员资料和消费者信息可大大提高广告的效率和实用性。根据车辆类型、路线、位置和其他已知数据，可开启用于广告和抽样调查的市场。在此讨论的示意性系统可推荐更加基于环境的广告，并使得广告对于驾驶员的相关性和针对性更强。

虽然可以使用反馈信息来确定广告，但是期望在暴露给第三方之前隐藏该信息，从而防止车辆网络的逆向工程以及对车辆安全和/或乘客隐私的威胁。

可采用门卫（gatekeeper）应用来解决对过滤数据的需要并避免外部源获得数据。应用可推荐广告、收集数据、抽样调查并基于来自消费者的反馈调整未来的广告推荐。系统可涉及基于云的计算，并可使用云资源来管理其各方面。

示意性实施例呈现用于使用用户数据、路线数据、位置数据和行程目的数据来使广告针对车辆乘员的方法。可使广告具有针对性，以服务于车辆OEM和/或应用提供商的目的，从而确保消费者忠实度和满意度，区分产品和为车辆乘员提供重要信息。

车辆计算系统可基于被提供为VCS的部分的软件组件来锁定广告的目标，所述软件诸如例如车载控制应用、学习偏好并在模型、策略服务器和富媒体服务器中存储/更新这些偏好的推荐系统。可在乘员驾驶期间收集的与乘员对于广告、产品、优惠券和位置的偏好相关的数据可通过VCS被捕捉。

用于训练推荐系统用户模型的信息来自关于广告的信息、在购买地点获得的数据、（使用例如语音对话系统的）明确用户输入、从车辆传感器收集的数据、对于先前广告的用户反应、从用户调查收集的数据等。

系统中的数据挖掘功能在广告服务器中搜索与用户数据模型匹配良好的广告。可使用市场需求（market basket）分析来基于最近播放的广告筛选列表。可使用来自数据挖掘系统的匹配的列表来从广告服务器获取广告。然后富媒体播放器将该广告列表呈现给驾驶员，用户选择播放一个或多个广告。广告可包括允许用户选择（诸如是否接受优惠券、是否接收更多信息、是否在线购买等）的富媒体广告。

可通过人口统计信息（诸如收入、年龄、车辆、购买习惯等）来区分/聚类消费者。然后，在每个群体中，可基于驾驶员对不同产品的广告或特别促销的反应的可能性来对驾驶员进行评级。

基于该信息，可使用机器学习方法来基于消费者对广告的反应的可能性而对消费者进行评级。一旦将用户分配到类中，就可传送符合用户资料的合适广告。之后可使用用户反馈来更新类的偏好，从而可实现更精确的广告传送。

图2示出用于获得用户偏好的示意性处理。在该示意性示例中，用户可创建与驾驶员类型、用户资料、一天中的时间等相关的一个或多个模型。在该示例中，在201，模型创建处理开始，并在203询问用户是否将要创建新模型。

如果将不会创建新用户模型，则在209，处理可选择现有模型以进一步训练。该模型可以基于用户输入、基于指定的目的地、基于一天中的时间等。另一方面，在205，模型可以是新模型，并可以具有与其相关的一个或多个属性（诸如一天中的时间、目的地、用户资料等）。在207，用户还可以输入附加的初始偏好信息。该信息可对应于用户产品需求、用户购物兴趣以及一般用户统计信息（该信息也可从与创建新模型的用户相关联的用户资料中检索）。

在211，示意性处理可以向驾驶员推荐多个广告，驾驶员可以选择或拒绝。这可以是广告的列表，或者可以只是针对用户反应而回放的一系列广告。如果用户处理该广告，或者从列表中选择广告，则推荐系统可从乘员对广告的选择中进行学习，并更新选择的用户模型。在213，随着时间推移，该系统将学习在给定模型中用户偏好的是哪类广告。久而久之，该模型将持续改进。

在该实施例中，在215，在播放广告的同时，可使用生物计量学数据来基于生物计量学反应训练选择的用户模型。例如，用户的脉搏反应、用户面部反应的改变等可指示用户对于特定广告的兴趣。

此外，可以向用户询问一些决定，诸如：更多信息、需要的优惠券、到目的地的方向等。可以使用对于这些问题的回答来测量用户对于广告的兴趣，并进一步训练用户选择的偏好模型。即使是用户对于任何问题的反应的微弱事实也能显示用户对于广告有着某种程度的兴趣。

此外，可要求用户对一个或多个广告进行评分，或者提供诸如“喜欢”、“不感兴趣”等的反馈。这可以通过调查来完成，或者可仅通过在广告播放之后提出的简单的问题来完成。

图3示出用于获得用户数据的示意性处理。在该示意性示例中，开发了用于特定模型的一般用户资料。随着资料学习更多关于用户需要的特定广告的信息，这提供用于广告传送的初始资料。在该示意性示例中，在301，用户可完成提供一些初始信息的基本调查。可使用（尤其在最初时使用）该信息来确定应该被呈现给用户的广告。可使用基本信息来基于一般人口统计偏好来分类用户。在该示意性示例中，在303，基本调查包括一些用户标识符，该标识符可以是用户名称、用户ID、面部识别、其他生物特定信息或者任何其他唯一标识符。

此外，在该示例中，基本调查可请求用户年龄或年龄范围。该系统可使用年龄信息来确定例如可用于一般广告选择的年龄统计。类似地，在305，处理可询问用户的性别，以确定用于初始广告呈现的性别统计。可收集其他合适的基本信息来建立一般用户资料。该信息可包括例如用户种族、用户收入（或收入范围）、国家的区域、子女数量（或者用户是否有小孩）等。

在一些示例中，特定用户可能已经建立了基本资料。该资料可被本地保存、被保存在电话上或被远程地保存。在这样的情况下，可从存储位置上传用户资料以防止对共同信息的重复输入。由于广告资料可能针对给定的用户而不同（例如，一广告用于星期日驾驶、一广告用于去商店的行程、一广告用于去工作的行程），一些信息可以是每个资料所共有的，而其他信息可以基于行程的类型而不同。

在一些情况下，在309，可添加额外的高级信息。这可允许用户输入专门关于偏好广告类型的信息。该信息输入可以提高广告选择的速度，并还可帮助在远程服务器上开发用于特定人口群体的一般资料。例如，在311，处理可询问用户是否偏好食品广告。如果用户希望至少偶尔收听食品广告，则处理可随后在313询问用户希望收听这类广告的频率。这不必是特定的百分比，而可以是简单的“偶尔”、“经常”等。此外，可向用户询问关于所期望的食品广告的类型。例如，这些种类可包括但不限于饭店类型（快餐店、堂食店）、饭店名称（麦当劳、温迪家）、或食品种类（意大利、墨西哥、中东等）。

在317，另一可能的广告选择的种类是电子产品。在此情况下，处理可在319再次询问频率，并随后在321询问类型。在该示例中，类型可包括例如但不限于家用电器、商业电器、PC、TV、收音机、船上电器等。

作为呈现针对种类的是/否问题的详尽列表的替换，还可以向用户呈现可能种类的项目可选择列表。用户可随后选择期望的特定种类，并且可以向用户询问用于确定广告的类型和选择的适当的后续问题。

这些种类是代表性的而不是穷尽的。此外，随着系统呈现越来越多的广告，处理可进一步筛选与用户偏好相关联的特征。在一些示例中，用户首先可只允许广告系统性地进入，并依赖系统筛选广告选择的细节。一旦完成了初始模型的所有合适筛选，处理就可以开始呈现广告并收集数据。

图4示出可用于索引广告信息的示意性示例性系统。在该示意性示例中，多个数据库保存广告以及用于特定广告的值索引。随着数据被填入分析处理引擎（405），值索引被更新，并且该信息可被反馈给广告服务器以与特定广告相关联。

在该示例中，广告服务器可保存用于呈现给用户的大量可能的广告。这些广告可具有与其相关联的多个标签，所述标签描绘广告、它们的长度、交互性质、优惠券关联性等。此外，广告可具有人口统计以及与其相关联的评分信息。例如，针对新电视的广告可最普遍地与25至38岁的男性相关联。在这些人口统计中，不同的值索引可以与各个年龄或年龄群体相关联。因此，当特定年龄的用户请求“电子产品”广告时，可至少部分基于这些观察的值来选择特定的有用广告。

其他数据库（403）可以专门与用户或限定的用户群体相关。由于通过确定算法（405）来处理用户或用户群体数据，因此可更新在该群体中的数据以确定用于呈现的最佳广告。例如，如果针对特定用户保存数据，则可适当地减少针对特定广告的值，从而在过短时间内不会播放两次相同的广告。类似地，可以减少其他相关的广告，但是可能减少更少的数量，从而类似产品的两个广告不会一个接着另一个出现。在合适的情况下可应用调整值的其他合适的方法（增加不相关产品、在至少X中情况下锁定相关产品等）。

在该示例中，还显示用于分析引擎的非限制性输入的数量。首先，限定用户的人口统计群体可以是一个输入。在示出的示例中，优选考虑土耳其技工（即，面向机械的土耳其人）的人口统计（409）。这些在产品特征中填入了与该人口统计相关联的已知的特征，诸如听众、语言、广告的类型等（407）。

此外，在该示例中，处理包括对于已知人口统计中的人所偏好的特定产品的市场需求分析（413）。这可输入其他未知信息，诸如产品类型甚至偏好的商家。

其他输入可包括产品数据（417）。该数据可包括但不限于根据业务的产品分类、商家的标准分类等（415）。还可将该数据与特定用户的已知偏好进行比较，以更好地选择广告。可将从这些源中提取的所有数据与现有广告进行比较，以确定这些广告应该如何被描述或者符合期望的模型。

此外，可以包括语言分析（421）。在该示例中，语言分析包括情感的语言分析（例如，驾驶员回应的是什么）、词语识别（word spotting）、语义分析、韵律分析等（419）。

图5示出用于选择广告的示例性处理。在该示意性示例中，处理利用多个不同的数据库。例如，可存在用户偏好模型数据集（501）。这是用于给定用户的特定数据集，并且是向用户传送高针对性的广告的优良方式（一旦通过观察和用户输入开发出来之后）。作为一种可行的输入源，用户可将其选择为用于给定驾驶的可用的模型（503）。

由于对于给定用户可能存在与各种场景相应的多个模型（505），因此可为用户选择特定模型。在另一示例中，用户可选择使用“已知模型”，则处理可例如基于观察到的环境信息（天气、一天的时间、目的地、行程的目的等）确定哪个特定模型。

如果用户不选择特定模型，则在另一示例中，处理可基于最近广告选择（507）选择广告标准。如果用户已经接受或者没有接受最近呈现的各种广告，则系统可使用来自该场景的反应以选择用于呈现的广告。

在另一模型中，处理可利用基于特定人口统计（509）的数据。广告值索引可以与特定的已知用户人口统计相关，随着对特定用户的了解越来越多，这些索引自身可在用户资料中被修改和更新。

一旦已经选择了使用的模型，则在511，可挖掘广告值索引来查找与选择的模型相应的广告。可以使用多于一个的模型，但是每个模型应该具有与广告特性相关的值和/或相应的权重，这可允许选择基于模型对更合理的优良广告选择。

可使用市场需求分析来进一步筛选选择，从而选择用户感兴趣的可能性高的广告。在该示例中，一旦选择了特定广告，就可向用户提供所选择的广告的列表。在其他示例中，处理可简单地呈现合适的广告的数量并测量用户反应。

一旦用户或者机器选择了合适的广告，则处理可在517播放选择的广告，广告的内容可从广告服务器（515）提取。虽然没有示出，但是可使用用户针对这些广告的反应以及由用户选择的特定广告（如果实施了该模型）来更新选择的模型以及广告索引。

图6示出用于呈现广告和跟踪用户反应的示例性处理。在该示意性示例中，在601，在广告选择之前应用一个或多个模型。在该示例中，该处理根据用户选择的或人口统计的适当类别而“已识别”先前呈现的广告类型。

一旦选择了给定的模型，则在603，处理将与该模型相关联的变量应用到广告值索引以确定用于呈现的合适的广告。一旦被选择，在605，就将广告类型（或其他属性）与频率模型进行比较。即使用户可能希望主要收听针对一个或两个对象的广告，但是重复呈现特定广告或广告组可能会引起反感。

因此，处理可基于频率模型防止对广告或某类型的广告的重复呈现。处理可基于偏好而不同，例如，在一个示例中，系统可绝对地防止类似广告类型的重复播放，在另一示例中，处理可仅降低相似类型的回放，从而如果与类型相关联的值保持在阈值（或者其他广告的阈值）之上时，仍可选择该类型。

在607，如果基于频率模型（或其他测量）防止广告的回放的确定而没有允许广告，则在609处理将拒绝该类型的广告，并返回用于选择不同类型的广告的模型处理。

另一方面，如果接受了模型，则处理将在611呈现广告，或者在611呈现针对用户选择的选择的广告组。一旦已经呈现了广告，则处理可在613跟踪用户针对广告的反应。

跟踪将导致针对各种广告的一些数据收集。在615，使用该数据（反应、对于附加信息的请求、用户调查等），处理可更新一个或多个各种模型。根据用户反应的相关性，未选择的模型也可通过该处理被更新。仅仅因为没有利用模型来提供特定广告，并不意味着模型不能从用户反应更新获益。

此外，在该示例性实施例中，在617，处理跟踪广告的频率。使用频率数据，处理可更新频率模型以基于特定广告或类型帮助确保广告不重复。此外，在该模型中，在619，可应用用户积累的任何积分。例如，可要求用户收听四个广告，或者例如收听并与至少两个广告交互。根据用户反应和系统的要求，可在此报告用户由于交互或收听而获得的任何积分。

在已经调整了合适的参数之后，处理可在621确定是否存在将在当前广告框中播放的更多广告，或者在623确定内容回放是否应继续。如果广告完成，则623的内容回放继续直到处理在625确定应该播放另一广告的时候为止。

虽然以上已经描述了示例性实施例，但是不意图这些实施例描述本发明的所有可能形式。而是，在说明书中使用的词语是描述的词语而不是限制，并且应该理解，在不脱离本发明的精神和范围的情况下，可进行各种改变。此外，可组合各种实现实施例的特征以行程本发明的进一步的实施例。

Claims (7)

1.一种系统，包括：

处理器，被配置为：

基于用户请求初始化用于广告评价的新的用户模型；

将基本用户人口统计信息添加到模型；

基于用户对在使用模型的驾驶期间呈现的广告的反应更新所述模型；

在驾驶中，利用模型来过滤或选择对应于与模型相关联的识别特性的广告。

2.如权利要求1所述的系统，其中，处理器还被配置为询问用户以获得基本用户人口统计信息。

3.如权利要求1所述的系统，其中，处理器还被配置为从先前存储的用户人口统计信息获得基本用户人口统计信息。

4.如权利要求1所述的系统，其中，更新包括基于各个正面或负面的用户反应，增加或减少广告种类的用户期望性特征。

5.如权利要求1所述的系统，其中，识别特性包括指定目的地。

6.如权利要求1所述的系统，其中，识别特性包括一天中的时间。

7.如权利要求1所述的系统，其中，识别特性包括一星期中的日子。