CN104123281B - 使用位置信息提供建议的方法和系统 - Google Patents

Abstract

本发明涉及使用位置信息向用户提供建议的系统和方法。在各种实施例中，本发明提供了这样的系统，即整合来自用户资料和用户生成内容的信息以通过使用位置信息以及来自各种数据源和/或社交网络的用户资料背景生成建议，所述用户资料和用户生成的内容可以从多个社交网络和商户处获得。在某些实施例中，用户生成的内容、用户资料和其关系被收集、整合、分析并存储，以便使其有用并用于做出建议。同样存在其它实施例。

Description

使用位置信息提供建议的方法和系统

技术领域

本申请涉及使用位置信息向用户提供建议的系统和方法。

背景技术

随着因特网和社交网络的出现，人们习惯于分享信息并接收时间和位置敏感信息和建议。例如，社交网络（诸如Facebook和Google+）现在利用位置信息来使信息分享变得相关。类似地，位置敏感信息对于商户可以是极其有价值的，因为商户可从向处于其商业位置附近的潜在客户推出内容敏感的信息来受益并获利。

遗憾的是，如在下文解释的，现有的技术一直是不充分的。因此，希望有用来提供建议的新的改进技术。

发明内容

本发明涉及使用位置信息向用户提供建议的系统和方法。在各个实施例中，本发明提供了这样的系统，即整合来自用户资料（可从许多社交网络获得）和商户的信息，以便通过使用位置信息以及来自各种数据源和/或社交网络的用户资料背景来生成建议。在某些实施例中，用户资料及其关系被收集、整合、分析并被存储以便使它们有用并可用来做出建议。同样存在其它的实施例。

附图说明

图1是示出根据本发明的实施例的聚合器架构的简化图。

图2是示出根据本发明的实施例的社交数据仓库架构200的简化图。

图3A是示出根据本发明的实施例用于检索数据的过程的简化图。

图3B是示出根据本发明的实施例用于检索数据的过程的简化图。

图4是示出根据本发明的实施例使用地理-散列（geo-hash）的数据分区的简化图。

具体实施方式

本发明涉及使用位置信息向用户提供建议的系统和方法。在各个实施例中，本发明提供了这样的系统，即整合来自商户的信息和用户资料、用户生成的内容（可从多个社交网络获得），以便结合来自各种数据源和/或社交网络的用户资料背景通过使用位置信息来生成建议。在某些实施例中，用户资料及其关系被收集、整合、分析并被存储以便使他们有用并可用来做出建议。同样存在其它的实施例。

提出下文的描述以使本领域普通技术人员能够做出并使用本发明，并在特定应用的环境下体现本发明。各种变形以及不同应用的各种用途对本领域技术人员是相当明显的，在本文中定义的普通原理可应用于广泛的实施例。因此，本发明不旨在被局限于所提出的实施例，而是被给予与本文中公开的原理和新特征一致的最宽泛的范围。

在下面的详细描述中，列出了各种具体的细节，以便提供对本发明的更加透彻的理解。然而，对本领域技术人员而言，显然不必局限于这些具体细节就可以实践本发明。在其它实例中，众所周知的结构和装置以方框图形式显示，而不是详细显示，以便避免使本发明模糊不清。

读者的注意力在于与此说明书同时提交并与此说明书一起向公众公开的所有文件和文献，所有这些文件和文献的内容通过引用被并入本文。在本说明书中公开的所有特征（包括所附的任何权利要求、摘要和附图）可被用作相同、相当或类似目的的可替代特征所取代，除了明确表示为相反情况之外。因此，除非明确表示为相反情况，否则，所公开的每个特征只是相当或相似特征的通用系列中的一个例子。

此外，在权利要求中并不明确表示为执行特定功能的“用于...的装置”或执行特定功能的“用于...的步骤”的任何要素并不解释为如35U.S.C.112部分、第6段中规定的“装置”或“步骤”语句。特别是，在本文的权利要求中“步骤”或“动作”的使用并不打算引用35U.S.C.112,第6段的规定。

请注意，如果使用了标记左、右、前、后、上、下、正、反、顺时针和逆时针，则只是为了方便目的使用，并不打算暗示任何特定的固定方向。实际上，用它们来反映物体的各个部分之间的相对位置和/或方向。

在各种实施例中，通过数据发现和分析过程来收集社交网络数据，其中执行以下过程：

-地理位置型的社交聚合和发现；

-社交数据仓库中的缓存；和

-分析和社交相关性确定。

在地理位置型的社交聚合和发现过程中，从各种来源收集用户资料和位置型的信息。根据应用，除了基本用户信息之外，用户资料还可包括用户生成的内容，诸如日志、评论、偏好和/或其它。例如，用户可以通过移动装置上安装的移动应用程序授权数据收集，通过数据收集，用户的社交网络信息、联系人、偏好、位置和/或其它类型的信息被收集。用户可以使用移动应用程序来分享她的位置（例如Facebook签到，Foursquare签到）。该用户可以被连接到超过一个社交网络，来自不同社交网络的信息和其相关联系人是从这些社交网络获得的。例如，Fackbook上的用户可以有与她的朋友共有的各种兴趣。可与商户有关的具有这些兴趣的消费者被发现并被聚合。

一旦获得用户数据，用户数据被存储和/或缓存在社交数据仓库中。在一个实施例中，用户数据被存储在三级缓存中，这考虑了偏好、可扩展性和灵活性。在第一级，数据被存储于速度最快的主存储器中。在第二级，数据被存储于存储器缓存中。在第三级，数据被存储于硬盘型的存储器中。根据应用，可以定制将哪类数据存储在哪个存储器中。

所存储的用户数据被分析，其社交相关性被确定。为了提供一个例子，在下文描述各种类型的数据分析。

借助位置信息，社交聚合和发现过程被执行。根据应用，一个或多个类型的社交网络服务被连接，由此检索相关信息。例如，可以从不同类型的社交网络服务中获得用户资料，社交网络服务可以是：

-朋友型的内容门户，他们是具有亲密朋友型网络的内容驱动的站点。大多数的内容只可以由朋友访问。例子包括Facebook和Renren；

-微博，他们是开放的社交门户，每个消息的大小被局限到140个字符。这些服务是非常开放的，大多数内容可由公众查看。例子包括Twitter、新浪微博和腾讯微博；

-位置型服务，他们是集中于POI签到和评论的服务。例子包括Foursquare和Jiepang；

-图像分享服务，他们处理用户上传的图像，并允许在朋友和公众之间分享。例子包括Instagram和Flickr。

本发明的各种实施例支持公众从这些社交网络服务访问API（应用程序接口），以便检索地理标记的内容元素。例如，当用户通过其智能手机将一条内容上传到社交网络服务时，她可以选择附上来自其手机的当前GPS坐标（例如，纬度/经度），表明该内容是在该位置创建的。这可以应用于文本内容和图形内容。例如，用户可以将图片上传到Facebook，其中，此图片用拍摄图片的位置的GPS坐标进行标记。在另一例子中，当用户去咖啡店时，她可以用Foursquare签到此咖啡店，以及此咖啡店的GPS坐标。

位置信息和社交网络信息被聚合。更具体地，从这些社交网络收集数据是通过聚合模块获得的，聚合模块可被称作聚合器。聚合器通过连接模块检索社交数据，连接模块可被称作连接器。例如，每个连接器负责与一个社交网络交互。在一个实施例中，连接器可被配置成与适当的社交网络通信以执行以下的功能：

-给定一个GPS坐标，检索给定半径内的邻近社交用户的列表；

-给定一个GPS坐标，检索给定半径内的邻近POI（兴趣点）的列表；

-给定一个GPS坐标，检索由邻近用户生成的内容元素（例如，微博、照片）的列表；

-给定一个GPS坐标，检索由邻近商店生成的内容元素（例如，优惠券、事件）的列表；

-检索公众可访问的用户资料（例如，名字、城市/州，生日、兴趣）；

-检索公众可访问的用户内容元素（例如，微博、照片）；

-检索用户的朋友、爱好、粉丝列表；

-代表用户张贴内容（例如，微博、照片、评论），；

-从POI检索内容（例如，优惠券、事件）。

聚合器架构是可扩展的，这使得增加附加的数据源变得容易。提供一个例子，为了支持新数据源（即新的社交网络），可以增加用于该数据源的新连接器。

图1是示出根据本发明的实施例的聚合器架构的简化图。此视图只是一个例子，不应不适当地限定本文中权利要求的范围。本领域技术人员会认识到其它变形、修改和替代。如图1中所示，聚合器模块101连接到数据源110。根据应用，数据源110可包括各种类型的社交网络服务（SNS）和/或其它类型的网络服务。如所示的，数据源110包括SNS102、SNS103和SNS104。例如，SNS可以是社交网络，诸如Facebook、Google+、Twitter、Foursquare和/或其它。大量的用户连接到这些SNS。例如，用户106是SNS102和SNS103的成员，而用户105是SNS103和SNS104的成员，他们的用户资料存储在相应的SNS中。聚合器模块101是聚合系统的一部分，被连接到数据源110，数据源包括各个SNS。聚合器模块101被配置成根据需要从数据源110检索相关信息，这将在下面进行描述。例如，聚合器模块101通过各种类型的数据通信网络（诸如，因特网、光通信网络、手机、通信网络和/或其它）连接到数据源110。

用户除了是各个SNS的成员之外，用户还连接到聚合器模块101。例如，用户105和用户106通过一个或多个通信接口和/或网关（图1中没有示出，但在图2中作为例子示出）连接到聚合器模块。在某些实施例中，用户装置（诸如移动电话）安装有应用程序，该应用程序连接到聚合器模块101。例如，应用程序可以是移动应用程序，其被称作“MyShine”。举一个例子，用户105和用户106的移动装置上安装了MyShine，通过MyShine，用户向聚合器模块101发送位置和/或其它信息。响应于从用户检索到的信息，聚合器模块101从相应的网络获得与用户105和用户106关联的信息。聚合器模块101连接到连接器模块108A、108B和108C。如所示的，连接器模块108A连接到SNS102；连接器模块108B连接到SNS103；连接器模块108C连接到SNS104。例如，连接器模块特别地被配置成在SNS和聚合器模块101之间提供接口。在各种实施例中，连接器模块使用用户证书（例如，由“MyShine”用户提供的用户证书）从SNS获得信息。例如，用户105和用户106可以是一个或多个SNS102、SNS103和SNS104的注册用户。根据应用，聚合器模块101可从用户处获得访问存储于他们的SNS的相应用户信息的许可，并且连接器模块使用用户信息来访问相应的SNS。例如，用户101和用户106是MyShine用户，他们通过聚合器模块101访问社交网络信息，聚合器模块101利用连接器模块来访问各个社交网络。用户101和用户106通过聚合系统可从相关的SNS接收附加信息。例如，基于用户101的位置信息，聚合系统可检索在用户101的邻近范围内的SNS102的一个或多个用户（可以是或者也可以不是用户101的“朋友”）的信息。要认识到的是，用户的相关信息可有助于发现新的联系人，提供其它位置敏感信息。

聚合器模块101作为聚合系统的一部分，可由用户和商户访问。例如，用户可以接收由处理器模块109生成的建议和/或其它有用信息和位置敏感信息，该信息可以由聚合器模块101获得。此外，商户同样可以访问聚合器模块101。例如，商户通过通信接口和/或通信网关访问聚合器模块101。如图1中所示，商户107被连接到聚合器模块101。由于商户可以使用与用户不同的信息，因此商户可以以不同方式访问聚合器模块101。例如，商户107可以通过网页、移动应用程序和/或其它方式从聚合器模块101访问位置敏感信息和最新信息。举一个例子，商户107可以时常从聚合器模块101请求关于客户的更新。聚合器模块101可以对以下情况做出响应以代表用户和/或商户访问或以其它方式执行动作，这些情况有（1）来自用户和/或商户的请求；或（2）用户和/或商户检测到位置和/或其它信息的更新。

图2是示出根据本发明的实施例的社交数据仓库架构200的简化图。此图只是一个例子，其不应该不适当地限定本文中权利要求的范围。本领域普通技术人员会认识到其它变形、修改和替代。社交数据仓库架构200包括用户接口模块201、处理器模块202、存储模块203、聚合器模块204、网关模块205、连接器模块206和通信接口模块207。根据应用，社交数据仓库架构200同样可具有附加组件。在某个实施例中，处理器202是使用（一个或若干）通用计算机实现的。处理器模块202被配置成执行机器可读介质（诸如，硬盘驱动器、固态存储器、只读存储器和/或其它）中存储的指令。例如，指令可以被存储在存储模块203中。处理器模块202在执行机器指令时，可以执行在本申请的各个部分中描述的各个任务，诸如获得用户信息并确定建议。在具体实施例中，处理器模块202被实现为“AuraMesh”，即社交网络应用架构的一部分。如图2中所示，用户210和商户220通过网关205向处理器202发送信息。用户信息是通过网关205从用户210处获得的，并被处理器模块202处理。例如，用户210改变其位置，这导致她的移动装置通过网关205向处理器202发送位置更新。处理器202处理信息更新，并使用聚合器模块204来访问SNS230。聚合器模块204连接到一个或多个连接器模块206（例如，连接器模块206A、206B和206C）。如上文解释的，连接器模块206被配置成访问一个或多个SNS230。通信接口207为连接器模块206提供访问SNS230。例如，通信接口207通过WLAN、无线网络和/或其它类型的通信网络访问因特网。

存储模块203被配置成存储各种类型的信息。例如，存储模块203可以被配置成存储计算机可执行指令。此外，存储模块203可以被用来存储缓存信息。在某些实施例中，存储模块203被配置为具有多级存储类型的缓存存储器，并且使用不同类型的存储介质来实现。例如，存储模块203可以具有三级存储：存储器203A作为第1级存储，存储器203B作为第2级存储，存储器203C作为第3级存储。每级的访问速度、访问频率和存储大小都不同，不同的存储器被配置成存储不同类型的数据，如在下文将解释的。用户接口201提供输入端/输出端，通过输入端/输出端，用户可以与处理器模块202交互。例如，用户接口201包括显示装置和输入装置，因此，允许用户改变与做出建议有关的设置。

与传统的支持来自搜索引擎的网络搜索器（web crawler）的网站（诸如Google和Yahoo）不同，社交网络不允许网络搜索器或网络机器人挖掘他们的内容。这是因为社交网络包含大量的互相关的信息元素，而且没有有效地挖掘他们的已建立的方法体系。因此，应认识到的是，根据本发明实施例的聚合器系统不利用传统的搜索策略。相反，聚合器在实时、按需的基础上运作。

社交数据仓库（例如，图2中所示的）适用于消费者和商店。为了使信息背景敏感并且相关，GPS信息被使用。例如，GPS信息通常指位置服务，其包括基于卫星的位置、手机信号发射塔三角测量和/或WIFI热点。对于消费者，根据本发明的各种实施例的后端社交聚合服务与社交应用程序结合工作。在具体的实施例中，社交应用程序是在移动装置上工作的特殊设计的应用程序，被称作“MyShine”。作为一个例子，MyShine的功能如下文描述：

1.MyShine激活智能手机上的GPS功能（例如，通过用户的许可），以获得当前的GPS坐标。

2.社交聚合服务模块支持公众从主社交网络服务访问API，以搜索当前位置周围的地理标记的内容元素，然后将结果组织成一个或多个以下的类别:

-邻近的社交用户；

-由此位置附近的用户创建的文本内容；

-由此位置附近的用户创建的图形内容；

-邻近的兴趣点（POI）；

-邻近的POI处的用户签到；

-邻近的POI处的用户评论；

-邻近的POI处的事件；

-邻近的POI处的优惠券/促销物品。

3.根据以下标准可对内容进一步排序和筛选：

-内容的距离；

-内容的创建时间；

-社交用户的性别；

-关键字筛选。

对于商业用户（例如B&M商店），商户门户被提供，并与社交聚合服务一起使用。例如，商户入口可以是AuraPortal，具有后端社交聚合服务：

1.AuraPortal定位B&M商店的店面的GPS坐标。

2.社交聚合服务模块支持公众从主社交网络服务访问API，以搜索店面位置周围的地理标记的内容元素，然后将结果组织成一个或多个以下的类别：

-附近的社交用户；

-由此位置周围的用户创建的文本内容；

-由此位置周围的用户创建的图形内容；

-邻近的POI处的用户签到；

-对于邻近的POI的用户评论。

3.根据以下标准，可对内容进一步排序和筛选：

a.内容的距离（例如，个人与店面相距500米）；

b.内容的创建时间（例如，某人10分钟前在此区域附近）；

c.社交用户的性别；

d.用户的兴趣；

e.用户的影响（即追随该用户的人数）。

要认识到的是，聚合服务可以由用户（例如MyShine用户）或商户触发。响应于来自用户的位置更新或者来自商户的请求（或其它动作或活动），聚合服务从各个社交网络检索相关的地理标记信息元素。

在各种实施例中，聚合数据被存储在基于云端的社交数据仓库中。例如，专门的数据仓库被配置，被称作“AuraMesh”。

注意：数据聚合基于由终端用户和商户执行的动作按需产生。结果，存储介质被非常高效地使用-只有终端用户和商户所需的内容被检索并存储在数据仓库中。

通过用户和其联系人，大的数据集合可以被收集。例如，通过MyShine用户和AuraPortal商户，数据聚合服务检索附近的社交用户和由他们产生的内容元素。从这些社交用户，可以检索与他们的朋友、喜欢的人和潜在的附近用户有关的信息。

图3A是示出根据本发明的实施例用于检索数据的过程的简化图。此图只是一个例子，其不应该不适当地限定本文中权利要求的范围。本领域普通技术人员会认识到其它变形、修改和替代。例如，图3A示出了响应于用户输入获得数据，用户输入可以是位置更新、用户请求或其它触发机制。图3A中所示的各个步骤可以被增加、去掉、修改、重新排列、重复、替换和/或重叠。

在步骤301，用户105向处理器模块109发送位置更新。例如，处理器模块109被实现为AuraMesh模块。例如，位置更新可以是当用户从一个位置变换到另一位置时，由用户105的移动装置产生的自动位置更新。位置更新还可以是用户请求的一部分。例如，用户105在进入到新位置时，想找出此区域周围的感兴趣内容，为此，用户105使用移动应用程序来向处理器模块109发送嵌入位置更新的请求。要认识到的是，位置更新同样可以是其它形式。

一旦处理器模块109接收位置更新，它便处理此位置更新。处理器模块109识别用户105及其位置。基于用户105的用户资料及其位置，处理器模块109确定在预定的时间段内此位置更新要使用的信息是否之前已经被检索。例如，在步骤302A，如果在预定的时间段（例如，5分钟、10分钟或其它预定时间段）内，服务于用户105所需的信息被存储在存储器203中，则处理器模块109从存储器203获得信息。另一方面，在步骤302B，如果在存储器203中不能获得信息，根据预定时间段信息可能不可用或过时，则处理器模块109从SNS请求信息。在各种实施例中，处理器模块109通过聚合器模块和连接器模块访问SNS。例如，处理器模块109通过使用（一个或若干）用户证书或用户给出的许可，访问存储于SNS的信息。在特定的实施例中，根据用户签约的社交网络，处理器模块109可从一个或多个SNS获得信息。例如，如果用户已经签约到SNS，则处理器模块109可以从SNS获得与用户的联系人有关的信息以及在此用户的邻近范围内的其它用户的信息；如果此用户没有签约到SNS，则处理器模块109仍然可以获得在此用户的邻近范围内的其它用户的信息，但不能从SNS获得用户的联系人。要理解的是，可用的访问和信息与用户105和用户106不同。例如，用户105注册到处理器模块109，因此通过处理器模块109获得来自SNS的信息。如所示的，如果用户105是SNS102的注册用户，则用户还可以直接访问SNS102。相反，用户106没有注册到处理器模块109，用户106不能访问处理器模块109，只可以直接访问SNS104。例如，用户105注册到SNS104，其上连接有用户106。处理器模块109可以从SNS104获得与用户105和用户106都相关的信息。

在步骤303，处理器模块109从SNS接收信息。处理器模块109处理这些信息并生成建议。例如，建议是基于位置和信息的相关性生成的。对此过程的更详细的描述在下文进行。除了使用从SNS检索的信息生成建议之外，处理器模块109还用此信息更新社交数据仓库。在步骤304，处理器模块109然后向用户105发送建议。根据应用，同样可以执行其它过程。例如，处理器模块109可以响应于用户请求向商户发送更新，因此允许商户重新采取行动。

图3B是示出根据本发明的实施例用于检索数据的过程的简化图。此图只是一个例子，其不应该不适当地限定本文中权利要求的范围。本领域普通技术人员会认识到其它变形、修改和替代。例如，图3B示出了响应于商户请求获得数据，商户请求可以是位置更新、用户请求或其它触发机制。图3B中图示的各个步骤可以被增加、去掉、修改、重新排列、重复、替换和/或重叠。

在步骤310，商户107向聚合器模块101发送对于客户/用户更新的请求，这发起用于从数据源检索和/或处理数据的过程。在某些实施例中，处理器模块109发起更新商户107信息的处理。如上文解释的，处理器模块109可以被实现为上文描述的“AuraMesh”模块。例如，处理器模块109周期性地向商户107发送更新。一旦处理器模块109发起该过程，它确定在预定的时间段内，此过程所需的信息是否之前被检索过。例如，在步骤311A，如果在预定的时间段（例如，5分钟、10分钟或其它预定段）内服务于商户107所需的信息被存储在存储器203，则处理器模块109从存储器203获得信息。在各种实施例中，信息包括位置/距离信息。例如，商户通过此信息得知他与用户的距离。另一方面，在步骤311B，如果在存储器203中不能获得信息，根据预定时间段该信息可能不可用或过时，则处理器模块109从SNS请求信息。根据具体应用，处理器模块109可以通过聚合连接器108A-108C从一个或多个SNS获得信息。

在步骤312，处理器模块109从SNS接收信息。处理器模块109处理此信息。使用此信息，处理器模块109可以为用户生成建议，并报告商户107。例如，在步骤313A，处理器模块109生成用户建议，其可以是专门与商户107相关的，并向用户发送建议。在步骤314，处理器模块109生成报告信息，并将此信息发送到商户107。根据应用，商户107可以使用报告信息来生成用户专用的商户信息，诸如优惠券、商品信息和/或其它。

要认识到的是，通过使用聚合的地理标记内容，根据本发明的实施例的发现服务允许消费者和终端用户进行以下操作：

-发现附近感兴趣的人（例如，共同兴趣或分享连接）；

-通过聊天或在其博客上发表评论，与附近感兴趣的人交互；

-查看签到并阅读附近的POI（例如，餐馆、咖啡店）上的评论；

-参加附近的POI的活动；

-附近商店的礼券换商品。

此外，通过使用聚合的和/或地理标记的内容，根据本发明实施例的发现服务允许B&M商店进行以下操作：

-发现其店面附近的潜在客户；

-通过任何所支持的社交网络服务与附近的潜在客户交互；

-向潜在客户传送促销消息（例如优惠券）。

在社交聚合过程期间，从给定的GPS坐标周围的各种社交网络服务检索地理标记内容，该社交网络服务可以是主社交网络服务（SNS）。当有大量的用户处于相同位置，且这些用户在预定的时间段（例如2分钟内）中请求聚合内容时，来自SNS数据源的相同的地理标记内容不被重复地检索。要认识到的是，为了避免反复检索相同内容，这些内容被存储在缓存中，以便避免使SNS服务器过载。

在各种实施例中，提供了多层缓存系统。多层缓存系统被配置成同时服务数百万的并行社交用户。在各种实施例中，多层缓存机制采用了地理散列技术，这允许地理区域被划分成矩形网络。例如，大的网络可以覆盖几千英里，而小的网络覆盖几百码。每个地理散列具有唯一的全球ID，标识世界上的唯一地区。在一个具体实施例中，多层缓存系统使用地理散列作为标识符来存储地理标记数据。

而且，地理散列可以被用作用于数据分区的关键字。例如，该系统可以在一个数据库中存储覆盖加利福尼亚的地理散列，在另一数据库中存储覆盖纽约的地理散列。这允许数据仓库被竖直地扩展。随着用户和内容的增加，系统可以将数据分区划分成小的地理散列。例如，加利福尼亚州可以被划分成地理散列的，并存储在多个数据库中：在一个数据库中是旧金山的地理散列，在另一数据库中是洛杉矶的地理散列。

图4是示出根据本发明的实施例使用地理-散列的数据分区的简化示意图。此图只是一个例子，其不应该不适当地限定本文中权利要求的范围。本领域技术人员会认识到其它变形、修改和替代。如图4中所示，区域400的一部分由散列402表示。散列402被细分成4个区域：402A、402B、402C和402D。区域402A本身被细分成4个区域：402A1、402A2、402A3和402A4。在各种实施例中，数据分区是基于图4中图示的地理散列层次的。例如，第一数据服务器被配置成存储区域401A的信息，第二数据服务器被配置成存储区域402B的信息，依此类推。区域401A可以被再次划分（例如在高信息密度情况下），区域402A1、402A2、402A3和402A4的信息可以被存储在不同的存储模块中。要认识到的是，存储器和其扩展及数据分配可以基于地理散列层次构成。根据应用，存储器的其它布置也是可行的。

对于性能、可扩展性和灵活性，AuraMesh社交数据仓库使用多层存储和缓存机制。各层是基于速度、存储容量和访问频率的组合来设计的。

内容元素根据其持续性要求以及是否在不同的MyShine用户之间共享而被存储在不同的层中。下面的表示出了一些关键内容元素及其存储机制。

	主存储器	存储器缓存	NOSQL DB	数据仓库
					MyShine用户状态	会话时长
用户页面设置		分钟
					附近的人员列表		分钟	天数	历史
人员细节		小时	天数	历史
					人员活动		小时	天数	历史
附近的POI列表		小时	天数	历史
					POI细节		小时	天数	历史
POI活动		小时	天数	历史

应用服务器的主存储器是最快的、最宝贵的。最经常使用的内容项目（诸如MyShine用户的状态信息）被存储在应用服务器中。存储器缓存是快速的，它可以用来存储经常变化的内容，该内容例如可以是附近的社交用户的列表。由于人们经常移动，此列表是非常动态的，使得缓存的持续时间典型地只持续几分钟。另一方面，持续的数据元素被存储在NOSQL数据库中。历史数据被存储在社交数据仓库中，其只用于分析和报告，不用于运行时数据检索。

要认识到的是，多层存储缓存结构提供各种优点，包括：

-提高服务的性能和可扩展性；

-降低对社交网络的请求数量。大多数（如果不是全部）的社交网络对即将到来的请求数量强加限制（以保护他们的资源）。缓存算法确保了在给定的持续时间（例如，10分钟窗口）内，当多个MyShine用户从相同的社交网络请求数据时，只有单一的一个请求被发送到该社交网络。

社交数据仓库AuraMesh包含目的用于计算社交相关性的数据分析算法。根据应用，相关性指：

-在相同的邻近度内的两个社交用户之间的关系，以及我们是否应该向他们相互建议以作为潜在的朋友，使得他们能够见面；

-在相同的邻近度内的社交用户和商户之间的相关性，以及我们是否应该向他们相互建议。

在各种实施例中，根据本发明的实施例的分析框架考虑（leverage）以下元素以计算“相关性”：

-数据源，其包括主社交网络和其它此类来源，数据源是可扩展的，因为新来源可通过实现连接器来添加；

-相关性因素，其包括例如位置、时间、兴趣、年龄/性别和/或其它。这些因素用来计算两个用户（或商户和用户）之间的相关性。根据应用，其它因素可以被增加。典型地，更多的因素使得相关性计算更加准确；

-因素权重，其对因素分配权重。这表明因素的重要性。因素权重可被动态地配置，并且通常因行业不同。

AuraMesh通过分析来自不同数据源的数据来计算相关分数，并通过将每个相关因素的权重相加来计算总分。例如，假定当计算Joe和Jane之间的相关分数时，有两个匹配因素：

-他们共有两个朋友，Eddie和Mary；

-他们共有相同兴趣“网球”。

现在，假定该朋友因素的权重是10，兴趣因素的权重是5，则相关分数是10x2+5=25。

建议阈值分数可以被配置成表示他们是否应该被相互建议。在此情况下，如果阈值分数小于或等于25，Joe和Jane会接收具有匹配因素描述的建议。

在计算相关分数时的一个重要方面是因素权重。因素权重可以被预先确定和/或被动态地配置（基于全系统或每个用户），从而满足不同用户和各种行业的商业的需求。

此外，分析算法还可以以反馈回路机制自动地调整因素权重。例如，当用户并不认为建议内容是相关的或感兴趣时，她可以：

-用造成此拒绝的厌恶因素的指示拒绝一个建议。在此情况下，AuraMesh会自动地降低对于此用户这些因素的权重；

-在不指示厌恶因素情况下忽略建议。在此情况下，AuraMesh会降低有助于此建议的最重要因素的权重。

在各种实施例中，当感兴趣的人员或事件出现在用户的当前位置附近时，社交建议引擎提醒社交用户。建议可以分别基于他们的建议阈值分数被发送到一方或双方。

作为一个例子，以下的建议因素可以用来判定是否提醒用户另一关注的社交用户在附近：

-用户A和用户B是直接朋友。当A和B处于同一邻近区时，两者都接收另一当事人在附近的提醒；

-用户A追随用户B。当A和B处于同一邻近区时，A可接收B在附近的提醒；

-A和B具有共同兴趣。当A和B处于同一邻近区时，两人可接收另一当事人在附近的提醒；

-A和B追随同一人，两人可接收另一当事人在附近的提醒；

-A和B共有相同的朋友。当A和B处于同一邻近区时，两人可接收另一当事人在附近的提醒；

-A和B共享喜欢的POI。当A和B处于同一邻近区时，两人可接收另一当事人在附近的提醒；

-A和B经常去相同的POI。当A和B处于同一邻近区时，两人可接收另一当事人在附近的提醒。

根据应用，附加因素可被容易地增加到全部的计算中。例如，这些因素可以是家乡、生日、同学和/或其它。例如，总的社交相关分数是通过将乘以适当的重数（例如x2，因为两个共同朋友）的每个因素的权重再相加来计算的。当计算的社交相关分数等于或者大于建议阈值（全系统默认或用户专用的），提醒会发送给用户。

最后，对于社交建议的提醒被实现为非侵入式推送通知。要认识到的是，用户的隐私关注是被全面观察的。例如，用户A可以完全地关掉推送通知，用户B可以选择根本不暴露他的位置。

根据本发明的实施例，分析框架计算商户和消费者之间的相关分数。此外，目的是找到商户和消费者之间的适当匹配，使得商户可以向消费者传送目标消息（例如，优惠券和促销）。

举一个例子，以下的建议因素可以用在判定是否向商户建议消费者作为潜在的消费者：

-位置：消费者离商户的店面有多远；

-出现率：消费者出现在附近的次数；

-附近的POI交互（签到）；

-影响：朋友和追随者的数量（即消费者的感染力）；

-手机购买/优惠券换商品；

-用户的兴趣（公众标记）；

-用户的兴趣（内容分析）。

附加因素可以被容易地增加到整体计算中。例如，这些因素可以是消费者的年纪、性别、教育和/或其它人口统计数据。总相关分数可通过将乘以适当的重数的每个因素的权重相加来计算。当计算的相关分数等于或大于建议阈值（全系统默认值或商户专用的），消费者会被建议给商户。

通过聚合来自多个社交网络的富地理标记的社交数据，AuraMesh分析人口统计、环境和消费者行为数据，以便发现潜在的消费者并向商户建议潜在的消费者。

一旦潜在消费者被识别，商户可以通过在精确的时间和地点与消费者的一对一消息，参与到以行为为目标的广告中。作为一个例子，对于面包房，促销消息可以以下方式传送：

-内容：40%的折扣；

-递送时间：每天下午4点；

-距离：在店面的500米范围内；

-消息的观众多少/数目：200。

这会在每天下午4点（当面包店需要清空其当前每天的库存时）向店面的500米范围内的前200个人递送40%的优惠消息。为了有最佳用户体验，MyShine可提供消费者隐私设置，以防止广告泛滥：

-会员商户。用户可以是一个或多个商户的消费者或会员，并且她希望只从这些商户接收消息；

-喜欢的商户。用户可以表明对一个或多个商户的兴趣（例如，特定品牌），并且她希望只从这些商户处接收消息；

-所有商户。用户不限制来自任何商户的消息，上限是每个商户的消息量和每天的消息总量。

尽管上文是对特定实施例的全部描述，但可以使用各种变形、替代性构造和等同物。因此，上文的描述和图示不应被解读为限定本发明的范围，本发明的范围由所附的权利要求来限定。

Claims (23)

1.一种向一个或多个用户提供信息的方法，所述方法包括：

使用一个或多个计算机可读介质存储多个用户的用户资料，所述多个用户资料包括第一用户的第一用户资料；

从所述第一用户接收位置更新；

处理所述位置更新；

确定一个或多个服务器是否包括与预定的时间段内获得的位置更新有关的感兴趣信息；

如果所述一个或多个服务器没有与预定的时间段内获得的位置更新有关的感兴趣信息，则从一个或多个数据源请求感兴趣信息，所述一个或多个数据源包括用户数据信息，所述一个或多个数据源与一个或多个社交网络关联；

如果所述一个或多个服务器具有与预定的时间段内获得的位置更新有关的感兴趣信息，则从所述一个或多个服务器请求感兴趣信息；

基于所述位置更新和与所述第一用户有关的用户关系信息处理所述感兴趣信息；

为所述第一用户生成建议；和

向所述第一用户发送所述建议，

其中，通过聚合来自多个社交网络的富地理标记的社交数据，分析人口统计、环境和消费者行为数据，来得到所述感兴趣信息，为所述第一用户生成建议；

其中，从所述社交网络收集数据是通过聚合模块获得的，所述聚合模块通过连接模块检索社交数据，每个所述连接模块与一个社交网络交互。

2.根据权利要求1所述的方法，还包括至少使用所述感兴趣信息确定相关值。

3.根据权利要求1所述的方法，其中，所述第一用户资料包括与多个社交网络相关的信息。

4.根据权利要求1所述的方法，其中所述一个或多个服务器包括缓存服务器。

5.根据权利要求1所述的方法，还包括将一个所述感兴趣信息存储到多个缓存服务器中。

6.根据权利要求1所述的方法，其中所述一个或多个数据源包括Facebook、Google+、Foursquare和/或Twitter。

7.根据权利要求1所述的方法，其中所述建议包括商户信息。

8.根据权利要求1所述的方法，还包括：

确定与所述感兴趣信息关联的相关值；

将所述相关值与预定阈值进行比较。

9.根据权利要求1所述的方法，还包括接收用户对建议的请求。

10.一种向商户提供信息的方法，所述方法包括：

通过数据通信网络接收来自商户的请求；

从所述商户确定位置；

确定一个或多个服务器是否包括在预定的时间段内获得的用户信息，所述用户信息包括与多个用户关联的位置和感兴趣信息；

如果一个或多个服务器没有在预定的时间段中获得的用户信息，则从一个或多个数据源请求用户信息，所述一个或多个数据源包括用户数据信息，所述一个或多个数据源与一个或多个社交网络关联；

如果所述一个或多个服务器具有在预定的时间段中获得的用户信息，则从所述一个或多个服务器请求用户信息；

基于所述商户请求和与所述商户相关的用户关系信息处理感兴趣信息；

为商户生成建议；和

向商户发送所述建议，

其中，通过聚合来自多个社交网络的富地理标记的社交数据，分析人口统计、环境和消费者行为数据，来得到所述感兴趣信息，为所述商户生成建议；

其中，从所述社交网络收集数据是通过聚合模块获得的，所述聚合模块通过连接模块检索社交数据，每个所述连接模块与一个社交网络交互。

11.根据权利要求10所述的方法，其中，所述一个或多个服务器包括三级存储模块。

12.根据权利要求10所述的方法，其中，所述感兴趣信息包括一个或多个相关值。

13.根据权利要求10所述的方法，其中，所述一个或多个服务器包括缓存服务器。

14.根据权利要求10所述的方法，还包括识别在商户位置的邻近范围内的多个用户。

15.根据权利要求10所述的方法，还包括向第一用户发送打折信息，所述打折信息与所述商户关联。

16.根据权利要求10所述的方法，其中，所述一个或多个数据源包括Facebook服务器、Google+服务器、Foursquare和/或Twitter。

17.根据权利要求10所述的方法，其中，所述建议包括用户信息。

18.一种用于生成建议的方法，所述方法包括：

处理存储于计算机可读介质中的用户资料，所述用户资料包括针对第一位置的信息和多个因素；

从一个或多个社交网络服务检索与第一用户关联的关系信息和内容；

确定所述第一用户的偏好；

获得用于生成用户建议的度量，所述度量包括相关因素和与该相关因素关联的因素权重；

使用所述关系信息选择与所述第一用户关联的第一实体；

使用所述度量和所述关系信息确定相关值；

将所述相关值与预定阈值进行比较；和

如果所述相关值大于或等于所述预定阈值，则生成与所述第一实体关联的建议，

其中，通过聚合来自多个社交网络的富地理标记的社交数据，分析人口统计、环境和消费者行为数据，计算所述第一实体和所述第一用户之间的相关分数，找到所述第一实体和所述第一用户之间的适当匹配，使得生成与所述第一实体关联的建议；

其中，从所述社交网络收集数据是通过聚合模块获得的，所述聚合模块通过连接模块检索社交数据，每个所述连接模块与一个社交网络交互。

19.根据权利要求18所述的方法，还包括修改所述度量。

20.根据权利要求18所述的方法，还包括从数据仓库获得所述关系信息。

21.根据权利要求18所述的方法，其中，所述第一实体是第二用户或商户。

22.根据权利要求18所述的方法，还包括：

使用所述关系信息选择与所述第一用户关联的第二实体；

确定是否向所述第一用户建议所述第二实体。

23.根据权利要求18所述的方法，其中，所述第一用户是商户。