CN105431874A - 计算产品的社会影响能力和社会影响者 - Google Patents
计算产品的社会影响能力和社会影响者 Download PDFInfo
- Publication number
- CN105431874A CN105431874A CN201480043040.2A CN201480043040A CN105431874A CN 105431874 A CN105431874 A CN 105431874A CN 201480043040 A CN201480043040 A CN 201480043040A CN 105431874 A CN105431874 A CN 105431874A
- Authority
- CN
- China
- Prior art keywords
- several
- user
- product
- interest
- influencer
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims abstract description 95
- 230000000694 effects Effects 0.000 claims description 44
- 238000004891 communication Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 18
- 230000009471 action Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 description 69
- 238000010586 diagram Methods 0.000 description 29
- 230000001364 causal effect Effects 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000003997 social interaction Effects 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000005291 magnetic effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000036651 mood Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 241000272173 Calidris Species 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 235000014171 carbonated beverage Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开了一种用于识别对于对产品的用户兴趣的影响以及要受影响的用户和产品的能力的方法。处理器基于数个用户对于数个产品的用户兴趣历史,识别数个影响者对于对数个产品的每一个的用户兴趣所具有的影响的程度,其中数个影响者中的每一个影响者是数个用户中的一用户和数个产品中的一产品中的一个。另外,处理器基于数个影响者的每一个的影响的程度以及在数个用户和数个产品中的一个或多个与数个影响者之间的数个关系,识别要受影响的数个用户和数个产品中的一个或多个的能力的程度。
Description
技术领域
本公开一般地涉及一种改进的数据处理系统,并且具体地涉及处理与对于购买产品的用户兴趣有关的信息。更具体地,本公开涉及一种用于计算对要受影响的产品的用户兴趣的能力的方法和装置。
背景技术
目前存在许多类型的社交互动,通过所述社交互动可以看出对产品销售的社会(social)影响。例如,在有关产品的社交网络上发帖喜欢和不喜欢可以对一些产品的销售具有大的影响而对其它产品具有小的影响。在市场营销的背景下,存在识别通过社会互动何时强烈地影响产品的销售的兴趣。还存在识别强烈地影响特别是关于特定产品和产品种类的他人的购物行为的个人的兴趣。
识别影响产品销售的社会影响者和社会互动的类型能够允许改善市场营销活动。例如,对于特定种类的产品,选择哪一类型的市场营销活动以及要将市场营销活动聚焦于哪些目标受众将效果最好。
因此,期望具有一种考虑到上面讨论的问题中的至少一些问题的方法、装置和计算机程序产品。
发明内容
在一个说明性实施例中,公开了一种用于识别对于对产品的用户兴趣的影响以及要受影响的用户和产品的能力的方法、装置和计算机程序产品。装置基于数个用户对于数个产品的用户兴趣的历史,识别数个影响者对于对数个产品的每一个的用户兴趣所具有的影响程度,其中,数个影响者中的每一个影响者是数个用户中的一用户和数个产品中的一产品中的一个。该装置检索在数个用户和数个产品中的一个或多个与数个影响者之间的数个关系。然后,该装置基于数个影响者的每一个的影响程度以及所述数个关系,识别要受影响的数个用户和数个产品中的一个或多个的能力的程度。
附图说明
图1是根据说明性实施例的用于在社会影响能力确定环境中识别对于对产品的用户兴趣的影响的过程的数据流的框图;
图2是根据说明性实施例的在识别对于对产品的用户兴趣的影响中所涉及的数据处理系统的组件的框图;
图3是根据说明性实施例的用于识别对于对产品的用户兴趣的影响的过程的流程图;
图4是根据说明性实施例的用于识别对于对产品的用户兴趣的影响并且报告产品影响能力的度量的过程的流程图;
图5是根据说明性实施例的用于对于数个用户的每一个以及数个产品的每一个计算社会影响能力以及对数个产品的购买的影响的过程的流程图;以及
图6是根据说明性实施例的数据处理系统的图示。
具体实施方式
所属技术领域的技术人员知道,本发明的各个方面可以实现为系统、方法或计算机程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、驻留软件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。此外,在一些实施例中,本发明的各个方面还可以实现为在一个或多个计算机可读介质中的计算机程序产品的形式,该计算机可读介质中包含计算机可读的程序代码。
可以采用一个或多个计算机可读介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的示例(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者发送用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质发送,包括——但不限于——无线、有线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++等,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机。此外,在这后一种情形中,远程计算机可以包括社会影响能力确定环境中的社交网络发现者、产品影响因果发现者以及社会影响能力发现者。例如,社交网络发现者、产品影响因果发现者以及社会影响能力发现者可以是网络设备以及在社会影响能力确定环境中分析数据的其它类型的数据处理系统。
下面参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图示和/或框图来描述本发明的各方面。将理解的是,可以由计算机程序指令来实现流程图示和/或框图的每个方框以及流程图示和/或框图中的各方框的组合。可以将这些计算机程序指令提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器以产生一种机器,使得经由计算机或其它可编程数据处理装置的处理器运行的指令创建用于实现在流程图和/或框图的一个或多个方框中所指定的功能/动作的部件。
也可以将这些计算机程序指令存储在计算机可读介质中,所述计算机程序指令可以引导计算机、其它可编程数据处理装置或其它设备以特定方式运作,使得在计算机可读介质中存储的指令产生包含实现在流程图和/或框图的一个或多个方框中所指定的功能/动作的指令的制造品。
也可以将计算机程序指令加载到计算机、其它可编程数据处理装置或其它设备上,以促使一系列操作步骤在计算机、其它可编程装置或其它设备上执行以产生计算机实现的过程,使得在计算机或其它可编程装置上执行的指令提供用于实现在流程图和/或框图的一个或多个方框中所指定的功能/动作的过程。
不同的说明性实施例提供了用于识别对于对产品的用户兴趣的影响的方法、装置和计算机程序产品。例如,不同的说明性实施例可以使用用于识别对于对产品的用户兴趣的影响的过程。例如,产品影响因果发现者可以基于数个用户对数个产品的用户兴趣的历史,识别数个用户的每一个和数个产品的每一个对于对数个产品的每一个的用户兴趣所具有的影响的程度。社交网络发现者可以识别数个关系,该数个关系包括以下关系中的一个或多个:数个用户中的两个或更多个用户之间的关系、对于数个用户和数个产品的用户和产品之间的关系,以及数个产品中的两个或更多个产品之间的关系。社会影响能力发现者然后可以基于数个用户的每一个的影响的程度、数个产品的每一个的影响的程度以及所述数个关系,识别要受数个用户中的一个或多个其它用户和数个产品中的一个或多个其它产品影响的数个用户的每一个和数个产品的每一个的能力的程度。
现在参照附图,具体参照图1,根据说明性实施例描绘了用于在社会影响能力确定环境中识别对于对产品的用户兴趣的影响的过程的数据流的框图。社会影响能力确定环境100是用于计算社会影响能力的环境的示例。
如在此所使用的,项目(item)的“影响能力”是对要受影响的该项目的用户兴趣的能力。如在此所使用的,产品的“社会影响能力”是对要受相关联的关系影响的产品的用户兴趣的能力。在这些说明性示例中,与社会影响能力相关联的“关系”包括数个用户中的两个或更多个用户之间的关系、对于数个用户和数个产品的用户和产品之间的关系,以及数个产品中的两个或更多个产品之间的关系。例如,具有高级别的社会影响能力的产品特征可以在于:产品的销售取决于在社区内散播关于产品的信息的用户的社区。在该示例中,通过关系链接的用户之间的社会影响比没有通过关系链接的用户之间的社会影响更强。在该示例中,病毒式市场营销对于产品是有效的,因为社交建议很可能对于对该产品的用户兴趣具有影响。
具有高级别的社会影响能力的产品的示例可以包括多玩家游戏、度假套餐以及许多其它受社交影响的产品。在这些示例中,积极情绪鼓励购买,而消极情绪阻碍购买。情绪可以通过语音通信、聊天和即时消息收发产品、社交网站以及许多其它形式的电子通信来提供。
与高级别的社会影响能力相比,产品的低社会影响能力意味着社区互动、社交建议和社会影响活动将对产品销售具有低的影响。可能具有低社会影响能力的产品的示例包括特别设计的产品,诸如设计师女性的服装。在该示例中,如果一个人拥有特定产品,那么这个人的社交圈中的朋友可能不希望拥有该产品,否则这些朋友将被看作是抄袭这个人,这在社交圈内可能是件要做的坏事。可能具有低级别的社会影响能力的产品还包括不管社会互动如何,每个人都购买的基本必需品,诸如食品。可能具有低级别的社会影响能力的其它产品包括具有刚性/非柔性需求的产品。具有刚性/非柔性需求的产品包括被委托购买的产品,诸如制服、贸易工具等。具有刚性/非柔性需求的另外的产品包括人们基于购买历史可能会重复购买的产品。可能具有低级别的社会影响能力的产品的另一示例包括大多数人已经尝试过每个不同的品牌并且已选择了哪个品牌是他们最喜欢的品牌的产品。例如,基于个人已经选择了他们最喜欢的品牌,不同品牌的汽水产品可能具有低级别的社会影响能力。在该示例中,即使产品可以在特定社交圈中流行,当该社交圈中的人已经选择了他们最喜欢的品牌时,社区互动也可能对产品销售具有小的影响。
正如所描绘的,社交网络发现者102是社会影响能力确定环境100的组件,用于识别社交媒体104中的数个关系108。在这些说明性示例中,数个关系108包括以下关系中的一个或多个:数个用户中的两个或更多个用户之间的关系、对于数个用户和数个产品的用户和产品之间的关系、以及数个产品中的两个或更多个产品之间的关系。正如所描绘的,社交网络发现者102通过网络106访问社交媒体104。在所示的示例中,社交媒体104可以包括杂志、因特网论坛、博客、社交博客、微博客、维基、社交网络、播客、收视率、社交书签、电子邮件、即时消息、众包信息、基于IP数据的语音、以及用于社会影响能力确定环境100的任何其它合适类型的社交媒体。
时间因果关系发现者110是社会影响能力确定环境100的组件,用于识别用户兴趣历史112中的数个时间因果关系114。正如所描绘的,时间因果关系发现者110通过网络106访问用户兴趣历史112。用户兴趣历史112可以是数据库、存储器以及社会影响能力确定环境100中的任何其它合适类型的关于用户兴趣的信息的储存库。
在这些说明性示例中,用户兴趣历史112包括与由用户进行的产品购买相关联的事件、由用户进行的关于特定产品的兴趣和意见的表达、以及用于在社会影响能力确定环境100中识别对于产品的用户兴趣的其它合适类型的事件信息。例如,由用户进行的关于特定产品的兴趣和意见的表达可以包括与该特定产品相关联的消息被查看的次数、以及由用户创建的与该特定产品相关联的消息的数量。例如,查看和创建的消息可以是推特TM、即时消息、电子邮件、发帖以及任何其它合适类型的消息。例如,查看和创建的推特可以通过引用产品、指明产品的评级、指明产品的喜欢或不喜欢、提供产品的评论,以及包含与产品的购买相关联的陈述和对于产品的兴趣的任何其它合适的表达而与该特定产品相关联。
在这些说明性示例中,数个时间因果关系114包括以下关系中的一个或多个:数个用户中的两个或更多个用户之间的关系、数个用户和数个产品的用户和产品之间的关系、以及数个产品中的两个或更多个产品之间的关系。如在此所使用的,时间因果关系是基于事件的原因和效果的关系。例如,第一事件可以被识别为第二事件的原因,该第二事件被识别为该第一事件的效果。例如,时间因果关系发现者110可以根据用户兴趣历史112识别出在第一用户和第二用户之间存在时间因果关系。例如,时间因果关系发现者110可以识别出当第一用户购买特定产品时,第二用户也购买该产品。
影响和影响能力程度计算116是社会影响能力确定环境100的一组用于识别对用户兴趣的影响的组件。产品影响发现者118是影响和影响能力程度计算116的组件中用于识别数个影响者对于对产品的用户兴趣所具有的影响的程度。在这些说明性示例中,影响者是用户和产品之一。在这些说明性示例中,产品影响发现者118部分地基于关系108和时间因果关系114中的相关联的关系来识别数个影响者对于对产品的用户兴趣所具有的影响的程度。
正如所描绘的,社会影响能力发现者120是影响和影响能力程度计算116的组件中用于识别对要受相关联的关系影响的产品的用户兴趣的能力。在这些说明性示例中,社会影响能力发现者120可以基于影响者的影响的程度以及关系108和时间因果关系114中的相关联的关系,识别要受数个影响者影响的数个用户的每一个和数个产品的每一个的能力的程度。
对图1中的社会影响能力确定环境100的说明并不意味着暗含对不同说明性实施例可以实现的方式的物理或架构限制。可以使用除了所示出的组件之外的其它组件以及/或者取代所示出的组件的其它组件。一些组件可以是不必要的。此外,呈现各方框以说明一些功能组件。这些方框中的一个或多个当在说明性实施例中实现时,可以被组合和/或划分成不同方框。
例如,在一些说明性示例中,在社会影响能力确定环境100内可以存在除了社交媒体104和用户兴趣历史112之外的附加社交媒体和附加用户兴趣历史。另外,虽然社交网络发现者102和时间因果关系发现者110被示出为社会影响能力确定环境100中的分离的方框,但是也可以将社交网络发现者102和时间因果关系发现者110的全部或部分实现在社会影响能力确定环境100中的社会影响能力发现者120中。在这些说明性示例,可以通过硬件和软件产品的任何组合来实现社会影响能力确定环境100,也可以在计算机系统集群的一个或多个计算机系统中实现社会影响能力确定环境100。
现在转到图2,根据说明性实施例描绘了在识别对于对产品的用户兴趣的影响中所涉及的数据处理系统中的组件的框图。在这些说明性示例中,数据处理系统202中的社会影响能力发现者200是图1中的社会影响能力发现者120的一个实现的示例。社交网络发现者204是图1的社交网络发现者102的一个实现的示例,时间因果关系发现者205是时间因果关系发现者110的一个实现的示例,并且产品影响发现者206是图1的产品影响发现者118的一个实现的示例。社交媒体208是图1的社交媒体104的一个实现的示例,并且用户兴趣历史210是图1的用户兴趣历史112的一个实现的示例。
正如所描绘的,数个对象212包括数个产品214和数个用户216。在这些所示出的示例中,产品218是数个产品214的示例,并且用户220是用户216的示例。对象数据222是产品218的对象数据219和用户220的对象数据221的示例。正如所描绘的,对象数据222包括影响者224和影响能力的程度226。对象数据222中的影响者224包括用户228和产品230。用户232是用户228中的一用户的示例,并且产品234是产品230中的一产品的示例。在这些说明性示例中,用户232的影响的程度236是用户232对于对象212中的一对象(诸如,产品218和用户220)所具有的影响的程度。产品234的影响的程度238是产品234对于对象212中的一对象(诸如,产品218和用户220)所具有的影响的程度。
在这些说明性示例中,社交媒体208包括电子通信240。电子通信242是社交媒体208中的电子通信的示例。正如所描绘的,社交媒体208中的电子通信240包括由用户216和用户228中的一个或多个用户所提供的用户输入244。用户兴趣250是社交媒体208中的用户兴趣246的示例,并且还是用户兴趣历史210中的用户兴趣248的示例。在这些说明性示例中,用户兴趣250是用户252对于产品254的兴趣的记录。正如所描绘的,对于产品254的用户兴趣250可以包括诸如事件257的数个事件256的记录。在这些说明性示例中,事件256中的每个事件可以包括关于由用户252进行的产品254的购买(诸如购买258)的信息。事件256中的每个事件还可以包括关于用户252对产品254的意见(诸如意见260)的信息。
社交网络发现者204在用于识别对于对产品的用户兴趣的影响的过程中,识别数据处理系统202中的数个关系261。数个关系261包括用户之间的数个关系262、产品之间的数个关系264,以及用户和产品之间的数个关系266。
例如,社会影响能力发现者200可以通过首先创建其边全部有向的图G=(V,E)来计算对于对产品的用户兴趣的影响。在该示例中,V是用户216的集合。V可以被写为如下形式:V={v1,v2...vn},其中v1、v2...vn是独特的用户,诸如用户220。在该示例中,E是用户216中的独特用户之间的连接的集合,诸如用户262之间的关系。例如,用户之间的连接可以对应于社交网络中的友谊关系,或者对应于用户之间的社会互动,诸如在用户之间共享信息以及类似情况。在这一个说明性示例中,社交影响能力发现者200随后创建被用作起点的用户集合V的邻接矩阵A。如果vj连接到vi,则邻接矩阵A中的每个条目aij被设为1,如果vj没有连接到vi,则aij被设为0。在该示例中,社会影响能力发现者200创建矢量Aj作为用户vj的邻居的矢量,使得如果vi连接到vj,那么第i个元素Aj(i)被设为1,否则的话设为0。在该过程中,P是产品214的集合。P可以被写为如下形式:P={p1,p2...pm},其中p1、p2...pm是独特的产品,诸如产品218。在该示例中,产品218可以被写为pi的形式。在该示例中,社会影响能力发现者200随后创建买过产品218的用户的有序列表Pi。在此过程中,在该示例中的Pi是按时间先后顺序买过pi的用户的有序列表。表达式Pi=[v1,v2]意味着用户v1是买过pi的第一用户,并且v2是买过pi的第二用户。在该示例中,社会影响能力发现者200接着创建矢量Pi(j)作为在用户vj之后买过产品pi的用户的矢量。在该示例中,如果用户vk在用户vj之后购买项目pi,那么通过该过程将第k个条目Pi k(j)设为1,否则的话通过该过程将其设为0。表达式Aj.Pi(j)=∑kAj(k)*Pi k(j)表示被连接到vj并且在vj之后已经购买项目pi的人(即,属于Aj和Pi(j)两者的人)的数量。在该示例中,社会影响能力发现者200随后使用以下等式计算产品购买的影响Wij:
在该示例中,|X|是指矢量X的非零元素的数量。该等式的分子是在用户vj之后已经购买产品pi的人数。该等式的分母是期望会购买产品pi并且连接到用户vj的人数。总人口是|V|。表达式|Pi(j)|是在用户vj之后已经购买产品pi的人。在用户vj之后已经购买产品pi的人与整体人口的比例是(|Pi(j)|/|V|))。在该示例中,社会影响能力发现者200还可以随机地选取人,并且通过使用在用户vj之后已经购买产品pi的人与整体人口的比例(|Pi(j)|/|V|)),确定这个人会在用户vj之后购买产品pi的可能性。由于vj具有|Aj|个邻居,因此作为vj的邻居并且已经在用户vj之后购买产品pi的人的期望数量是vj的邻居数量乘以每个邻居成为在用户vj之后购买产品pi的人的可能性是多少。作为vj的邻居并且已经在用户vj之后购买产品pi的人的期望数量可以被写为(|Aj|*(|Pi(j)|/|V|))的形式。在该示例中,社会影响能力发现者200通过分析数个用户的社会影响来确定用户对产品的社会影响是一致的还是非一致的。社会影响能力发现者200还通过分析影响者对产品的影响能力的程度来确定产品的影响能力是一致的还是非一致的。在该示例中,社会影响能力发现者200基于产品的影响能力的一致性的确定来计算:用户vi的“影响”是被写为以下等式形式的相对于所有产品pi的用户vi的W分数的平均值:
在该示例中,社会影响能力发现者200还基于用户的社会影响的一致性的确定来计算:产品的影响能力是被写为以下等式形式的相对于所有用户vj的pi的W分数的平均值:
在该示例中,社会影响能力发现者200进一步基于产品的影响能力的非一致性的确定来计算用户v的影响是:
在该示例中,社会影响能力发现者200又进一步基于用户的社会影响的非一致性的确定来计算产品p的影响能力是:
上面所示的对于I(j)和S(i)的公式呈现出形式上表达社会影响能力和社会影响的基本概念的一种可能方式。还可以使用所述公式的变型。例如,以上公式考虑用户vj的直接邻居Aj。可替代地,考虑与用户vj传递地连接的所有用户可能是有利的。类似地,可以用标准矩阵表示法来表示所述公式。例如,I(j)可以表示为I=WT*W*I,其中WT是W的转置矩阵,并且*是矩阵乘法,其中|S|=Σ(Si)。作为另一示例,S(i)可以用矩阵表示法表示为S=W*WT*S,其中WT是W的转置矩阵,*是矩阵乘法,并且|I|=Σ(Ij)。在这些说明性示例中,可以使用公式来计算社会影响能力和社会影响。
正如所描绘的,社会影响能力发现者200生成社会影响能力报告268。例如,报告268可以包括以下的一个或多个:数个用户228的影响的程度236、数个产品230的影响的程度238、对于数个产品214的每一个的影响能力的程度226、以及对于数个用户216的每一个的影响能力的程度226。报告268还可以包括关系261的全部或部分以及用户兴趣历史210的全部和部分中的一个或多个。
接着转到图3,根据说明性实施例描绘了用于识别对于对产品的用户兴趣的影响的过程的流程图的说明性示例。可以通过图2中的数据处理系统202以软件、硬件或二者的组合来实现该过程中的步骤。
该过程开始于检索包括以下一个或多个的数个关系:数个用户中的两个或更多个用户之间的关系、对于数个用户和数个产品的用户和产品之间的关系、以及数个产品中的两个或更多个产品之间的关系(步骤300)。在这个所示出的过程中,所述数个关系是图2中的数个关系261的关系示例。
该过程基于数个用户对于数个产品的用户兴趣历史,识别数个用户的每一个和数个产品的每一个对于数个产品的每一个的用户兴趣所具有的影响的程度(步骤302)。在这个所示出的过程中,数个用户的每一个对于用户兴趣所具有的影响的程度是对于图2中的数个用户228的每一个的图2中的影响的程度236的示例。数个产品的每一个对于用户兴趣所具有的影响的程度是对于图2中的数个产品230的每一个的图2中的影响的程度238的示例。在这个所示出的过程中,用户兴趣历史是图2中的用户兴趣历史210的示例。
然后该过程基于数个用户的每一个的影响的程度、数个产品的每一个的影响的程度以及所述数个关系,识别要受数个用户中的一个或多个其它用户和数个产品中的一个或多个其它产品影响的数个用户的每一个和数个产品的每一个的能力的程度(步骤304),随后该过程终止。在这个所示出的过程中,要受数个用户中的一个或多个其它用户和数个产品中的一个或多个其它产品影响的数个用户的每一个和数个产品的每一个的能力的程度是图2中的影响能力的程度226的示例。还应当注意到,虽然相继地示出步骤302和304,但是实际上可以基本上同时执行步骤302和304,并且还可以以相反顺序执行步骤302和304。
接着转到图4,根据说明性实施例描绘了用于识别对于对产品的用户兴趣的影响并且报告产品影响能力的度量的过程的流程图的说明性示例。可以通过图2中的数据处理系统202以软件、硬件或二者的组合来实现该过程中的步骤。
该过程开始于检索包括以下一个或多个的数个关系:数个用户中的两个或更多个用户之间的关系、对于数个用户和数个产品的用户和产品之间的关系、以及数个产品中的两个或更多个产品之间的关系(步骤400)。在这个所示出的过程中,所述数个关系是图2中的数个关系261的示例。
该过程基于数个用户的一个或多个所参与的与数个产品相关联的购买和意见的记录,识别数个用户的每一个和数个产品的每一个对于数个产品的每一个的用户兴趣所具有的影响的程度(步骤402)。在这个所示出的过程中,数个用户的每一个对于用户兴趣所具有的影响的程度是对于图2中的数个用户228的每一个的图2中的影响的程度236的示例。数个产品的每一个对于用户兴趣所具有的影响的程度是对于图2中的数个产品230的每一个的图2中的影响的程度238的示例。数个用户的一个或多个所参与的与数个产品相关联的购买和意见的记录,是图2中的用户兴趣历史210中的用户兴趣248以及图2中的社交媒体208的电子通信240中的用户输入244中的用户兴趣246的示例。
该过程接着基于数个用户的每一个的影响的程度、数个产品的每一个的影响的程度以及所述数个关系,识别要受数个用户中的一个或多个其它用户和数个产品中的一个或多个其它产品影响的数个用户的每一个和数个产品的每一个的能力的程度(步骤404)。在这个所示出的过程中,要受数个用户中的一个或多个其它用户和数个产品中的一个或多个其它产品影响的数个用户的每一个和数个产品的每一个的能力的程度是图2中的影响能力的程度226的示例。
该过程然后基于要受数个用户中的一个或多个其它用户和数个产品中的一个或多个其它产品影响的产品的能力的程度,报告所述数个产品的每一个的产品影响能力的度量(步骤406),随后该过程终止。还应当注意到,虽然相继地示出步骤402和404,但是实际上可以基本上同时执行步骤402和404,并且还可以以相反顺序执行步骤402和404。
接着转到图5,根据说明性实施例描绘了用于对于数个用户的每一个和数个产品的每一个计算社会影响能力以及对数个产品的购买的影响的过程的流程图的说明性示例。可以通过图2中的数据处理系统202以软件、硬件或二者的组合来实现该过程中的步骤。
该过程开始于检索社交网络的用户之间的数个关系,并且检索对于数个产品的每一个的由用户进行的产品购买的历史(步骤500)。在这个所示出的过程中,用户之间的数个关系是图2中的用户之间的数个关系262的示例,并且产品购买历史是图2中的用户兴趣历史210的示例。
该过程根据购买历史和所述数个关系来识别对于每一个产品的时间因果关系(步骤502)。该过程根据用户之间的数个关系生成对于用户的邻接矩阵(步骤504)。对于每一个用户和产品,该过程还构建受到过用户影响的产品购买的列表(步骤506)。对于每一个用户和产品,该过程进一步生成社会影响能力和对数个产品的购买的影响的一组值(步骤508)。在这个所示出的过程中,社会影响能力的所述一组值是图2中的产品214的影响能力的程度226和图2中的用户216的影响能力的程度226的示例。
正如所描绘的,对于每一个用户和产品,该过程计算社会影响能力和对数个产品的购买的影响的新的一组值(步骤510)。然后,该过程确定所述一组值与所述新的一组值之间的差是否小于阈值(步骤512)。在这个所示出的过程中,如果差不小于阈值,则所述过程使用所述新的一组值作为所述一组值(步骤514),该过程返回到步骤510。正如所描绘的,如果差小于阈值,则该过程生成关于社会影响能力和对数个产品的每一个的购买的影响的报告(步骤516),随后该过程终止。在这个所示出的过程中,关于社会影响能力和对数个产品的每一个的购买的影响的报告是图2中的社会影响能力报告268的示例。
用于对于数个用户的每一个和数个产品的每一个计算社会影响能力以及对数个产品的购买的影响的过程还可以使用在上文中针对S(j)和I(j)描述的公式,并且还可以使用基于S(j)和I(j)公式的特征值方程形式的矩阵技术。
现在转到图6,描绘了根据说明性实施例的数据处理系统的图示。数据处理系统600是可以用于识别对于对产品的用户兴趣的影响的数据处理系统的示例。更具体地,数据处理系统600可以用于实现图2中的数据处理系统202。在该说明性示例中,数据处理系统600包括通信框架602,该通信框架在处理器单元604、存储器606、永久贮存器608、通信单元610、输入/输出(I/O)单元612和显示器614之间提供通信。在这些示例中,通信框架602可以是总线系统。
处理器单元604用来执行可以被加载到存储器606中的软件的指令。根据具体的实现方式,处理器单元604可以是数个处理器、多处理器核、或某种其它类型的处理器。如在此关于项目所使用的,“数个”是指一个或多个项目。此外,可以使用其中主处理器与次处理器存在于单个芯片上的数个异构处理器系统来实现处理器单元604。作为另一说明性示例,处理器单元604可以是包含相同类型的多个处理器的对称多处理器系统。
存储器606和永久贮存器608是存储设备616的示例。存储设备是能够在临时或永久的基础上存储信息的任何硬件,所述信息不加限制地例如为数据、功能形式的程序代码和/或其它合适的信息。在这些示例中,存储设备616也可以被称为计算机可读存储设备。在这些示例中,存储器606可以例如是随机存取存储器或任何其它合适的易失性或非易失性存储设备。根据具体实现方式,永久贮存器608可以采取各种形式。
例如,永久贮存器608可以包含一个或多个组件或设备。例如,永久贮存器608可以是硬驱动器、闪存、可重写光盘、可重写磁带或以上的某个组合。由永久贮存器608所使用的介质也可以是可移除的。例如,可移除硬驱动器可以用于永久贮存器608。
在这些示例中,通信单元610提供与其它数据处理系统或设备的通信。在这些示例中,通信单元610是网络接口卡。通信单元610可以通过使用物理通信链路和无线通信链路中的任一者或两者来提供通信。
输入/输出单元612允许使用可以被连接到数据处理系统600的其它设备来输入和输出数据。例如,输入/输出单元612可以提供用于通过键盘、鼠标和/或一些其它合适的输入设备进行的用户输入的连接。此外,输入/输出单元612可以将输出发送到打印机。显示器614提供了将信息显示给用户的机制。
用于操作系统、应用和/或程序的指令可以位于存储设备616中,存储设备616通过通信框架602与处理器单元604进行通信。在这些说明性示例中,所述指令以功能形式存在于永久贮存器608上。这些指令可以被加载到存储器606中,以便由处理器单元604执行。可以由处理器单元604使用可以位于诸如存储器606之类的存储器中的计算机实现的指令来执行不同实施例的处理。
这些指令被称为可以由处理器单元604中的处理器读取并执行的程序代码、计算机可用程序代码或计算机可读程序代码。在不同实施例中,程序代码可以体现在诸如存储器606或永久贮存器608的不同的物理或计算机可读存储介质上。
程序代码618以功能形式位于可选择性地移除的计算机可读介质620上,并且可以被加载到或传输到数据处理系统600,以便由处理器单元604执行。在这些示例中,程序代码618和计算机可读介质620形成计算机程序产品622。在一个示例中,计算机可读介质620可以是计算机可读存储介质624或计算机可读信号介质626。计算机可读存储介质624可以例如包括光盘或磁盘,所述光盘或磁盘被插入或放入驱动器或作为永久贮存器608的一部分的其它设备中以便传输到作为永久贮存器608的一部分的存储设备,例如硬驱动器。计算机可读存储介质624也可以采用被连接到数据处理系统600的永久贮存器(诸如,硬驱动器、拇指驱动器或闪存)的形式。在一些情况下,计算机可读存储介质624不能从数据处理系统600移除。在这些示例中,计算机可读存储介质624是用于存储程序代码618的物理或有形存储设备,而不是传播或发送程序代码618的介质。计算机可读存储介质624也被称为计算机可读有形存储设备或计算机可读物理存储设备。换句话说,计算机可读存储介质624是人可以触及的介质。
可替代地,可以使用计算机可读信号介质626将程序代码618传输到数据处理系统600。计算机可读信号介质626可以例如是包含程序代码618的传播数据信号。例如,计算机可读信号介质626可以是电磁信号、光信号和/或任何其它合适类型的信号。可以通过通信链路,诸如无线通信链路、光纤缆线、同轴电缆、有线和/或任何其它合适类型的通信链路来发送这些信号。换句话说,在说明性示例中,通信链路和/或连接可以是物理的或无线的。
在一些说明性实施例中,可以通过计算机可读信号介质626从另一设备或数据处理系统将程序代码618经由网络下载到永久贮存器608以用于在数据处理系统600内使用。例如,可以将在服务器数据处理系统中的计算机可读存储介质中存储的程序代码经由网络从服务器下载到数据处理系统600。提供程序代码618的数据处理系统可以是服务器计算机、客户端计算机或能够存储和发送程序代码618的某个其它设备。
所示出的用于数据处理系统600的不同组件并不意味着提供对不同实施例可以实现的方式的架构限制。可以在包括除了对于数据处理系统600示出的组件之外的或替代对于数据处理系统600示出的组件的组件的数据处理系统中实现不同的说明性实施例。图6中所示的其它组件可以与所示出的说明性示例不同。可以使用能够运行程序代码的任何硬件设备或系统来实现不同实施例。作为一个示例,数据处理系统可以包括与无机组件集成在一起的有机组件,并且/或者数据处理系统可以完全由不包括人类的有机组件组成。例如,存储设备可以由有机半导体组成。
在另一说明性示例中,处理器单元604可以采用硬件单元的形式,所述硬件单元具有被制造或配置用于特定用途的电路。这种类型的硬件可以执行操作,而无需将程序代码从存储设备加载到存储器中以便被配置为执行所述操作。例如,当处理器单元604采用硬件单元的形式时,处理器单元604可以是被配置以执行数个操作的电路系统、专用集成电路(ASIC)、可编程逻辑器件或某个其它合适类型的硬件。使用可编程逻辑器件,设备被配置以执行数个操作。设备可以在以后的时间重新配置或可以永久地配置以执行数个操作。可编程逻辑器件的示例包括例如可编程逻辑阵列、可编程阵列逻辑、现场可编程逻辑阵列、现场可编程门阵列和其它合适的硬件设备。使用这种类型的实现,可以省略程序代码618,因为在硬件单元中实现了不同实施例的处理。
在又一个说明性示例中,可以使用在计算机中发现的处理器和硬件单元的组合来实现处理器单元604。处理器单元604可以具有数个硬件单元以及被配置为运行程序代码618的数个处理器。使用这个所描述的示例,一些处理可以在数个硬件单元中实现,而其它处理可以在数个处理器中实现。
在另一个示例中,总线系统可以用于实现通信框架602,并且可以包括一个或多个总线,诸如系统总线或输入/输出总线。当然,可以使用在附接到总线系统的不同组件或设备之间提供数据的传输的任何合适类型的架构来实现总线系统。
此外,通信单元可以包括数个发送数据、接收数据或者发送和接收数据的更多设备。通信单元可以例如是调制解调器或网络适配器、两个网络适配器或其某个组合。进一步地,存储器可以例如是存储器606或诸如在可能存在于通信框架602中的接口和存储器控制器集线器中找到的高速缓存。
因此,说明性实施例提供了用于识别对于对产品的用户兴趣的影响的方法、装置和计算机程序产品。在一个示例中,程序基于数个用户对于数个产品的用户兴趣历史,识别数个用户的每一个和数个产品的每一个对于数个产品的每一个的用户兴趣所具有的影响的程度。在该示例中,程序识别数个关系,该数个关系包括以下关系中的一个或多个:数个用户中的两个或更多个用户之间的关系、对于数个用户和数个产品的用户和产品之间的关系,以及数个产品中的两个或更多个产品之间的关系。然后程序基于数个用户的每一个的影响的程度、数个产品的每一个的影响的程度以及所述数个关系,识别要受数个用户中的一个或多个其它用户和数个产品中的一个或多个其它产品影响的数个用户的每一个和数个产品的每一个的能力的程度。
在此使用的术语仅仅为了描述特定实施例的目的,而并不意图限制本发明。如在此所使用的,单数形式“一”、“一个”和“该”也意图包括复数形式,除非上下文清楚地指示相反的情况。还将理解,当在本说明书中使用时术语“包括”和/或“包含”指明所陈述的特征、整体、步骤、操作、元件和/或组件的存在,但不排除存在或增加一个或多个其它特征、整体、步骤、操作、元件、组件和/或其组合。如在此所使用的,当与项目的列表一起使用时,短语“中的至少一个”是指可以使用所列出的项目的一个或多个的不同组合并且可以仅需要列表中的每个项目的一个。例如,“项目A、项目B和项目C中的至少一个”可以例如不受限地包括项目A,或者项目A和项目B。这个示例还可以包括项目A、项目B和项目C,或者项目B和项目C。在其它示例中,“中的至少一个”可以例如不受限地是两个项目A、一个项目B和十个项目C;四个项目B和七个项目C;以及其它合适的组合。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在所附权利要求中的所有部件或步骤加功能元素的对应结构、材料、动作和等同物意图包括用于结合明确要求保护的其它元素执行功能的任何结构、材料或动作。已提供本发明的描述以用于说明和描述的目的,但所述描述意图不是穷尽性的或者限于所公开的形式的发明。在不脱离本发明的范围和精神的情况下,许多修改和变形对于本领域普通技术人员将是明显的。已选择并描述了实施例,以便最好地解释本发明的原理和实际应用,并且使得本领域的其它普通技术人员能够理解本发明以用于具有适于所考虑的特定用途的各种修改的各种实施例。
Claims (20)
1.一种用于识别对于对产品的用户兴趣的影响的方法,所述方法包括:
由一个或多个处理器基于数个用户对于数个产品的用户兴趣历史,识别数个影响者对于对数个产品的每一个的用户兴趣所具有的影响的程度,其中数个影响者中的每一个影响者是数个用户中的一用户和数个产品中的一产品中的一个;以及
由一个或多个处理器基于数个影响者的每一个的影响的程度以及在数个用户和数个产品中的一个或多个与数个影响者之间的数个关系,识别要受影响的数个用户和数个产品中的一个或多个的能力的程度。
2.如权利要求1所述的方法,其中数个用户对于数个产品的用户兴趣历史包括数个用户中的一个或多个所参与的与数个产品相关联的事件的记录。
3.如权利要求1所述的方法,其中数个用户对于数个产品的用户兴趣历史包括在数个用户的一个或多个电子通信中通过用户输入所提供的表达的兴趣。
4.如权利要求3所述的方法,其中数个用户的一个或多个电子通信包括一个或多个社交网络的电子通信。
5.如权利要求2所述的方法,其中与数个产品相关联的事件的记录包括由数个用户进行的产品的购买,并且还包括:
报告要受数个影响者影响的产品的能力的程度,作为用户兴趣历史和数个关系对于产品的购买所具有的影响的量。
6.如权利要求5所述的方法,其中报告要受数个影响者影响的产品的能力的程度作为用户兴趣历史和数个关系对于产品的购买所具有的影响的量包括:
基于用户兴趣历史中用户执行表达对产品的兴趣的动作的次数来报告产品的购买是否是可能的,所述动作包括查看与产品相关联的推特以及创建表达对产品的兴趣的推特中的一个或多个。
7.如权利要求5所述的方法,其中要受数个影响者影响的每一个用户的能力基于由数个用户的用户兴趣历史和数个关系对由每一个相应用户所进行的产品的购买所施加的影响。
8.如权利要求1所述的方法,其中用户兴趣历史包括由与数个关系相关联的数个用户所采取的动作,并且其中由数个用户所采取的动作识别数个关系对数个用户的影响。
9.如权利要求8所述的方法,其中由数个用户所采取的动作包括与用户兴趣历史相关联的组织中的成员关系、作为数个产品中的一产品的用户的列表、以及在电话交谈、电子邮件、聊天、(转发)发帖、(转发)推特和博客中提供包括意见和建议之一的用户输入。
10.如权利要求1所述的方法,其中由以下的一个或多个确定所述影响的程度和要受影响的能力的程度:购买模式的分析、社交网络上的连接、社交网络上连接的强度、数个电话通信、共同兴趣、关于共同兴趣的数个通信、以及域中的分层关系,所述域包括以下的一个或多个:教育环境中的学生和老师关系、工作环境中的管理者和工作者关系、以及与数个产品中的一个或多个相关联的专家和新手关系。
11.如权利要求1所述的方法,其中相对于影响的随机程度来识别所述影响的程度和要受影响的能力的程度。
12.一种用于识别对于对产品的用户兴趣的影响的装置,所述装置包括:
一个或多个处理器单元和一个或多个存储器;
第一程序代码,用于基于数个用户对于数个产品的用户兴趣历史来识别数个影响者对于数个产品的每一个的用户兴趣所具有的影响的程度,其中数个影响者中的每一个影响者是数个用户中的一用户和数个产品中的一产品中的一个;以及
第二程序代码,用于基于数个影响者的每一个的影响的程度以及在数个用户和数个产品中的一个或多个与数个影响者之间的数个关系,识别要受影响的数个用户和数个产品中的一个或多个的能力的程度。
13.如权利要求12所述的装置,其中数个用户对于数个产品的用户兴趣历史包括数个用户中的一个或多个所参与的与数个产品相关联的事件的记录。
14.如权利要求12所述的装置,其中数个用户对于数个产品的用户兴趣历史包括数个用户的一个或多个电子通信中的通过用户输入所提供的表达的兴趣。
15.如权利要求14所述的装置,其中数个用户的一个或多个电子通信包括一个或多个社交网络的电子通信。
16.如权利要求13所述的装置,其中与数个产品相关联的事件的记录包括由数个用户进行的产品的购买,并且还包括:
第三程序代码,用于报告要受数个影响者影响的产品的能力的程度,作为用户兴趣历史和数个关系对于产品的购买所具有的影响的量,其中将所述第三程序代码存储在所述一个或多个存储器的至少一个中,以便由所述一个或多个处理器的至少一个经由所述一个或多个存储器的至少一个来运行。
17.如权利要求16所述的装置,其中用于报告要受数个影响者影响的产品的能力的程度作为用户兴趣历史和数个关系对于产品的购买所具有的影响的量的所述第三程序代码包括:
用于基于用户兴趣历史中用户执行表达对产品的兴趣的动作的次数来报告产品的购买是否是可能的程序指令,所述动作包括查看与产品相关联的推特以及创建表达对产品的兴趣的推特中的一个或多个。
18.如权利要求16所述的装置,其中要受数个影响者影响的每一个用户的能力基于由数个用户的用户兴趣历史和数个关系对由每一个相应用户所进行的产品的购买所施加的影响。
19.一种用于识别对于对产品的用户兴趣的影响的计算机程序产品,所述计算机程序产品包括在其中体现有程序指令的计算机可读存储设备,所述程序指令用于:
基于数个用户对于数个产品的用户兴趣历史,识别数个影响者对于数个产品的每一个的用户兴趣所具有的影响的程度,其中数个影响者中的每一个影响者是数个用户中的一用户和数个产品中的一产品中的一个;以及
基于数个影响者的每一个的影响的程度以及在数个用户和数个产品中的一个或多个与数个影响者之间的数个关系,识别要受影响的数个用户和数个产品中的一个或多个的能力的程度。
20.如权利要求19所述的计算机程序产品,其中数个用户对于数个产品的用户兴趣历史包括以下至少一个:数个用户中的一个或多个所参与的与数个产品相关联的事件的记录、以及在数个用户的一个或多个电子通信中通过用户输入所提供的表达的兴趣。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/960,909 US20150046217A1 (en) | 2013-08-07 | 2013-08-07 | Computing Social Influenceability of Products and Social Influencers |
US13/960,909 | 2013-08-07 | ||
PCT/CA2014/050579 WO2015017921A1 (en) | 2013-08-07 | 2014-06-20 | Computing social influenceability of products and social influencers |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105431874A true CN105431874A (zh) | 2016-03-23 |
Family
ID=52449396
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480043040.2A Pending CN105431874A (zh) | 2013-08-07 | 2014-06-20 | 计算产品的社会影响能力和社会影响者 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20150046217A1 (zh) |
CN (1) | CN105431874A (zh) |
WO (1) | WO2015017921A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018034956A1 (en) * | 2016-08-14 | 2018-02-22 | The Ticket Fairy, Inc. | Automated system for target identification and management |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012017786A1 (ja) * | 2010-08-06 | 2012-02-09 | 日本電気株式会社 | コミュニケーション支援装置、コミュニケーション支援方法、およびコンピュータ読み取り可能な記録媒体 |
CN104967679B (zh) * | 2015-06-09 | 2017-07-21 | 深圳市腾讯计算机系统有限公司 | 信息推荐系统、方法及装置 |
JP6786978B2 (ja) * | 2016-09-12 | 2020-11-18 | コニカミノルタ株式会社 | 影響度算出プログラムおよび影響度算出装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090119173A1 (en) * | 2006-02-28 | 2009-05-07 | Buzzlogic, Inc. | System and Method For Advertisement Targeting of Conversations in Social Media |
US20120215597A1 (en) * | 2011-02-17 | 2012-08-23 | Bank Of America Corporation | System for analyzing social media behavioral influence |
US8312056B1 (en) * | 2011-09-13 | 2012-11-13 | Xerox Corporation | Method and system for identifying a key influencer in social media utilizing topic modeling and social diffusion analysis |
CN102855535A (zh) * | 2011-02-10 | 2013-01-02 | 微软公司 | 社交影响者发现 |
-
2013
- 2013-08-07 US US13/960,909 patent/US20150046217A1/en not_active Abandoned
-
2014
- 2014-06-20 WO PCT/CA2014/050579 patent/WO2015017921A1/en active Application Filing
- 2014-06-20 CN CN201480043040.2A patent/CN105431874A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090119173A1 (en) * | 2006-02-28 | 2009-05-07 | Buzzlogic, Inc. | System and Method For Advertisement Targeting of Conversations in Social Media |
CN102855535A (zh) * | 2011-02-10 | 2013-01-02 | 微软公司 | 社交影响者发现 |
US20120215597A1 (en) * | 2011-02-17 | 2012-08-23 | Bank Of America Corporation | System for analyzing social media behavioral influence |
US8312056B1 (en) * | 2011-09-13 | 2012-11-13 | Xerox Corporation | Method and system for identifying a key influencer in social media utilizing topic modeling and social diffusion analysis |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018034956A1 (en) * | 2016-08-14 | 2018-02-22 | The Ticket Fairy, Inc. | Automated system for target identification and management |
US10970738B2 (en) | 2016-08-14 | 2021-04-06 | The Ticket Fairy, Inc. | Metadata based generation and management of event presentations |
Also Published As
Publication number | Publication date |
---|---|
US20150046217A1 (en) | 2015-02-12 |
WO2015017921A1 (en) | 2015-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Stadtfeld et al. | Dynamic network actor models: Investigating coordination ties through time | |
Negahban et al. | Agent-based simulation applications in marketing research: an integrated review | |
Coscia | The atlas for the aspiring network scientist | |
US20140330548A1 (en) | Method and system for simulation of online social network | |
Bandyopadhyay et al. | Discrete and continuous simulation: theory and practice | |
US20130151330A1 (en) | Methods and system for predicting influence-basis outcomes in a social network using directed acyclic graphs | |
Lee et al. | Comparing performance of ensemble methods in predicting movie box office revenue | |
Holt et al. | Eliciting and combining decision criteria using a limited palette of utility functions and uncertainty distributions: illustrated by application to pest risk analysis | |
CN105431874A (zh) | 计算产品的社会影响能力和社会影响者 | |
CN105094515A (zh) | 商业问题网络化系统和工具 | |
Gkikas et al. | Enhanced marketing decision making for consumer behaviour classification using binary decision trees and a genetic algorithm wrapper | |
CN103092921A (zh) | 一种面向微博热门话题社区的动态预测方法及系统 | |
Biazzo et al. | A Bayesian generative neural network framework for epidemic inference problems | |
Ridgeway et al. | Challenge design and lessons learned from the 2018 differential privacy challenges | |
Humbert et al. | Kgp meter: Communicating kin genomic privacy to the masses | |
Gao et al. | Forecasting elections with agent-based modeling: Two live experiments | |
Diaz et al. | Scaling laws do not scale | |
Rai et al. | An Investigation of Neuron Activation as a Unified Lens to Explain Chain-of-Thought Eliciting Arithmetic Reasoning of LLMs | |
Silva et al. | Information spreading in a population modeled by continuous asynchronous probabilistic cellular automata | |
Liu et al. | Combining goal model with reviews for supporting the evolution of apps | |
Isken et al. | Queueing inspired feature engineering to improve and simplify patient flow simulation metamodels | |
Zhao et al. | TSSCM: A synergism-based three-step cascade model for influence maximization on large-scale social networks | |
Alzubaidi et al. | Detecting treatment interference under K-nearest-neighbors interference | |
Sato | Applications of Data-Centric Science to Social Design: Qualitative and Quantitative Understanding of Collective Human Behavior | |
Stratton | Automated theory selection using agent based models |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160323 |