CN105794154A - 用于分析传输社交通信数据的系统和方法 - Google Patents

用于分析传输社交通信数据的系统和方法 Download PDF

Info

Publication number
CN105794154A
CN105794154A CN201480063446.7A CN201480063446A CN105794154A CN 105794154 A CN105794154 A CN 105794154A CN 201480063446 A CN201480063446 A CN 201480063446A CN 105794154 A CN105794154 A CN 105794154A
Authority
CN
China
Prior art keywords
social data
social
module
data
feedback
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
Application number
CN201480063446.7A
Other languages
English (en)
Inventor
斯图尔特·小川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sysomos LP
Original Assignee
Sysomos LP
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 Sysomos LP filed Critical Sysomos LP
Publication of CN105794154A publication Critical patent/CN105794154A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/1813—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast for computer conferences, e.g. chat rooms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/1859—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast adapted to provide push services, e.g. data channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
    • 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
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/30—Definitions, standards or architectural aspects of layered protocol stacks
    • H04L69/32—Architecture of open systems interconnection [OSI] 7-layer type protocol stacks, e.g. the interfaces between the data link level and the physical level
    • H04L69/322—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions
    • H04L69/329—Intralayer communication protocols among peer entities or protocol data unit [PDU] definitions in the application layer [OSI layer 7]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computational Linguistics (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种用于在至少一个社交通信信道上传输社交通信数据的系统和方法。所述方法由计算设备执行，用于传递社交数据，所述方法包括：接收构成的社交数据对象；将至少一个跟踪符对象整合在所述社交数据对象内；将包括所述跟踪符对象的所述社交数据对象传输至至少一个目的地目标；从所述跟踪符对象获取指示目标反馈的响应，其中，所述目标反馈指示以下各项中的至少一项：所述社交数据对象至附加目的地目标的后续传输、和来自所述至少一个目的地目标与所述附加目的地目标中的至少一者的反馈参数。

Description

用于分析传输社交通信数据的系统和方法
相关申请的交叉引用
本申请请求2013年9月19日提交的、标题为“(SystemandMethodforContinuousSocialCommunication)用于连续社交通信的系统和方法”的第61/880,027号美国临时专利申请的优先权，该专利申请的全部内容通过引用并入本文。
技术领域
以下内容总体上涉及社交数据通信并且特别是基于之前的通信的反馈来传输社交通信数据。
背景技术
近年来，社交媒体已经成为个人和消费者在线(例如，在互联网上)交互的流行方式。社交媒体还影响企业目的在于和其客户、粉丝、和潜在客户在线交互的方式。
通常，一人或多人通过写消息(例如，文章、在线帖子、博客、评论等)、创建视频、或创建音轨来创建社交媒体。这个过程可能困难并且耗时。
附图说明
现在参考附图仅通过举例方式来描述实施例，在附图中：
图1是与互联网或云计算环境、或与两者交互的社交通信系统的框图。
图2是用于社交通信的计算系统的示例实施例的框图，包括该计算系统的示例部件。
图3是通过网络与彼此交互从而形成社交通信系统的多个计算设备的示例环境的框图。
图4是展示主动式接收器模块、主动式构成器模块、主动式发送器模块与社交分析合成器模块之间的数据交互和流动的示意图。
图5是用于构成新社交数据并传输该新社交数据的计算机可执行或处理器实施指令的示例实施例的流程图。
图6是主动式接收器模块的框图，展示了该主动式接收器模块的示例部件。
图7是用于接收社交数据的计算机可执行或处理器实施指令的示例实施例的流程图。
图8是主动式构成器模块的框图，展示了该主动式构成器模块的示例部件。
图9A是用于构成新社交数据的计算机可执行或处理器实施指令的示例实施例的流程图。
图9B是根据图9A中所描述的操作、用于构成社交数据的计算机可执行或处理器实施指令的示例实施例的流程图。
图9C是根据图9A中所描述的操作、用于提取社交数据的计算机可执行或处理器实施指令的示例实施例的流程图。
图9D是根据图9A中所描述的操作、用于创建社交数据的计算机可执行或处理器实施指令的示例实施例的流程图。
图10是主动式发送器模块的框图，展示了该主动式发送器模块的示例部件。
图10A是根据又另一个实施例的主动式发送器模块的框图，展示了其示例部件。
图10B是具有嵌入式跟踪符的构成的社交媒体数据的示例传递的框图。
图10C是用于在嵌入社交媒体数据消息中时使用的跟踪符的示例性组成部分的框图。
图11是用于传输新社交数据的计算机可执行或处理器实施指令的示例实施例的流程图。
图12是社交分析合成器模块的框图，展示了该社交分析合成器模块的示例部件。
图13是计算机可执行或处理器实施指令的示例实施例的流程图，这些指令用于确定针对主动式接收器模块、主动式构成器模块、和主动式发送器模块实施的任何过程进行的调整。
图14是展示了确定转折点的示例的流程图。
具体实施方式
应当认识的是，为了图示说明的简化和清晰，在认为适当时，参考编号可在图中被重复以指示相应或相似的元件。此外，再次陈述了许多特定细节，以提供对本文中所描述的实施例的透彻理解。然而，本领域的普通技术人员将理解的是，没有这些特定细节也可以实践本文中所描述的实施例。在其他情形下，没有详细描述公知方法、程序和部件，以不使本文中所描述的实施例难理解。并且，本说明不被认为是限制本文中所描述的实施例的范围。
本文中的社交数据是指人能够通过数据通信网络(如互联网)查看或听到、或既能查看又能听到的内容。社交数据包括例如文本、视频、图片、照片、图形、和音频数据、或以上的组合。文本的示例包括博客、电子邮件、消息、帖子、文章、评论等。例如，文本可以出现在网站上，如脸谱网(Facebook)、推特(Twitter)、领英(LinkedIn)、拼趣(Pinterest)、其他社交网站、杂志网站、报纸网站、公司网站、博客等。文本还可以是网站上的评论的形式、RSS源中提供的文本等。视频的示例可以出现在Facebook、YouTube、新闻网站、个人网站、博客(又称为视频博客)、公司网站等。图形数据(如图片)也可以通过上述媒体来提供。音频数据可以通过各种网站来提供，如上述那些网站、音频广播、“播客”、在线无线电台等。应认识到，社交数据的形式可以不同。
本文中的社交数据对象是指社交数据单元，如文本文章、视频、评论、消息、音轨、图形、或包括不同类型数据的混合媒体社交片段。社交数据流包括多个社交数据对象。例如，在人的一系列的评论中，每条评论即是一个社交数据对象。在另一个示例中，在一组文本文章中，每篇文章即是一个社交数据对象。在另一个示例中，在一组视频中，每个视频文件即是一个社交数据对象。社交数据包括至少一个社交数据对象。
应认识到，从商业角度看，有效的社交通信是一项重大挑战。数字社交站点(如Twitter、Facebook、YouTube等)的广阔范围、通信的实时性质、所使用的不同语言、和不同的通信方式(例如，文本、音频、视频等)使得对于企业而言有效听取其客户意见和与其通信具有挑战性。网站、信道和通信方式的数量不断增加可能产生太多的实时数据和极少的合适且相关的信息，这将使企业不知所措。还应认识到，在商业上扮演决策制定角色的人经常对谁在说什么、将使用什么样的通信信道、和要重点听取哪些人意见感到困惑。
应认识到，通常，一个或多个人生成社交数据。例如，人通过写入消息、文章、评论等、或通过生成其他社交数据(例如，图片、视频和音频数据)来生成社交数据这个生成过程(尽管有时部分得到计算机帮助)是耗时的并且要一个或多个人付出努力。例如，人通常在文本消息中打字，并且输入多个计算命令来附上图形或视频、或两者。在创建社交数据之后，人将需要将社交数据分布到网站、社交网络、或另一个通信信道中。这也是一个需要人的输入的耗时过程。
还应认识到，当人生成社交数据时，在社交数据被分布之前，人无法估计社交数据将受到其他人的好评程度。在社交数据被分布之后，人也可能无法评估内容被其他人好评的程度。此外，许多软件和计算技术要求人查看网站或查看报告来解释来自其他人的反馈。
还应认识到，生成人们感兴趣的社交数据、和识别哪些人会发现社交数据有趣对于人而言是一个困难的过程，并且对于计算设备而言要困难得多。计算技术通常需要人的输入来识别感兴趣的话题、以及识别可能对话题感兴趣的人。还应认识到，生成大量涵盖许多不同话题的社交数据是一个困难且耗时的过程。此外，难以在短时间范围内在大数据规模上完成该任务。
本文中所描述的提出的系统和方法解决了一个或多个以上问题。所提出的系统和方法使用一个或多个计算设备来接收社交数据、识别社交数据之间的关系、基于所识别的关系和所接收的社交数据构成新社交数据、并且传输新社交数据。在优选的示例实施例中，这些系统和方法是自动化的并且针对连续操作不需要人的输入。在另一个实施例中，用户的某一输入用于自定义这些系统和方法的操作。
所提出的系统和方法能够在这个过程中获取反馈以改进与上述任何操作相关的计算。例如，获取关于新构成的社交数据的反馈，并且这个反馈可以用于调整与在哪儿和何时传输新构成的社交数据相关的参数。这个反馈还可以用于调整在构成新社交数据时使用的参数和调整在识别关系时使用的参数。以下描述了关于所提出的系统和方法的更多细节和实施例。
所提出的系统和方法可以用于实时听取、分析、内容组成、和针对性广播。这些系统例如实时捕捉数据的全局数据流。对流数据进行分析并且用于以智能方式确定内容组成和以智能方式确定发送构成后的消息的人物、事件、时间和方式。
转到图1，所提出的系统102包括主动式接收器模块103、主动式构成器模块104、主动式发送器模块105、和社交分析合成器模块106。系统102与互联网或云计算环境、或与两者101通信。云计算环境可以是公共的或者专用的。在实施例中，这些模块一起运行来接收社交数据、识别社交数据之间的关系、基于所识别的关系和所接收的社交数据构成新社交数据、并且传输新社交数据。
主动式接收器模块103从互联网或云计算环境、或两者中接收社交数据。接收器模块103能够同时从许多数据流接收社交数据。接收器模块103还分析所接收的社交数据来识别社交数据之间的关系。思想、人、地点、群体、公司、文字、数字或值的单位在本文中被称为概念。主动式接收器模块103识别至少两个概念并且识别这至少两个概念之间的关系。例如，主动式接收器模块识别社交数据的始发者、社交数据的消费者、与社交数据的内容之间的关系。接收器模块103输出所识别的关系。
主动式构成器模块104使用这些关系和社交数据来构成新社交数据。例如，构成器模块104修改、提取、组合、或合成社交数据、或这些技术的组合来构成新社交数据。主动式构成器模块104输出新构成的社交数据。构成的社交数据是指由系统102构成的社交数据。
主动式发送器模块105确定适当的通信信道和社交网络，通过这些通信信道和社交网络发送新构成的社交数据。主动式发送器模块105还被配置成用于使用与新构成的社交数据相关联的跟踪符接收关于新构成的社交数据的反馈。
社交分析合成器模块106从其他模块103、104、105获取数据(包括但不限于社交数据)并且分析该数据。社交分析合成器模块106使用分析结果来生成针对与模块103、104、105和106中任何模块相关的一项或多项不同操作的调整。
在实施例中，每个模块存在多个实例。例如，多个主动式接收器模块103位于不同的地理地点。一个主动式接收器模块位于北美，另一个主动式接收器模块位于南美，另一个主动式接收器模块位于欧洲，而另一个主动式接收器模块位于亚洲。类似地，可以有多个主动式构成器模块、多个主动式发送器模块和多个社交分析合成器模块。这些模块将能够彼此通信并且在彼此之间发送信息。所述多个模块允许数据的分布式或并行处理。此外，位于每个地理地点的多个模块可以获取特定于该地理地点的社交数据并且将社交数据传输至属于该特定地理区域中的用户的计算设备(例如，计算机、笔记本电脑、移动设备、平板、智能电话、可穿戴计算机等)。在示例实施例中，南美的社交数据是在那个区域内获取并且用于构成传输至南美内的计算设备的社交数据。在另一个实施例中，社交数据是在欧洲获取的和在南美获取，并且来自这两个区域的社交数据被构成并且用于构成传输至北美的计算设备的社交数据。
转到图2，展示了系统102a的示例实施例。为了容易理解，后缀“a”或“b”等用于表示前述元件的不同实施例。系统102a是计算设备或服务器系统并且其包括处理器设备201、通信设备202和存储器203。该通信设备被配置成用于通过有线或无线网络、或两者通信。主动式接收器模块103a、主动式构成器模块104a、主动式发送器模块105a、和社交分析合成器模块106a由软件实现并且驻留在同一计算设备或服务器系统102a上。换言之，这些模块可以共享计算资源，如用于处理、通信和存储器的资源。
转到图3，展示了系统102b的另一个示例实施例。系统102b包括不同的模块103b、104b、105b、106b，这些模块是被配置成通过网络313与彼此通信的单独计算设备或服务器系统。具体而言，主动式接收器模块103b包括处理器设备301、通信设备302、和存储器303。主动式构成器模块104b包括处理器设备304、通信设备305、和存储器306。主动式发送器模块105b包括处理器设备307、通信设备308、和存储器309。社交分析合成器模块106b包括处理器设备310、通信设备311、和存储器312。
尽管图3中仅展示了单个主动式接收器模块103b、单个主动式构成器模块104b、单个主动式发送器模块105b和单个社交分析合成器模块106b，但可以认识到，每个模块103b、104b、105b可以具有能够使用网络313与彼此通信的多个实例。如以上关于图1所描述的，针对每个模块可以具有多个实例，并且这些模块可以位于不同的地理地点。
可以认识到，可以具有用于实现系统102的计算结构的其他示例实施例。
应认识到，处理器设备、通信设备和存储器的当前已知和未来的技术适用于本文中所描述的原理。处理器的当前已知技术包括多核处理器。通信设备的当前已知技术包括有线和无线通信设备两者。存储器的当前已知技术包括磁盘驱动器和固态驱动器。计算设备或服务器系统的示例包括专用机架式服务器、台式计算机、笔记本电脑、机顶盒、和构成了各种特征的集成设备。计算设备或服务器使用例如操作系统，如WindowsServer操作系统、Mac操作系统、Unix操作系统、Linux操作系统、FreeBSD操作系统、Ubuntu操作系统等。
应认识到，本文中例示的执行指令的任何模块或部件可以包括或以其他方式访问计算机可读介质，如存储介质、计算机存储介质、或如例如磁盘、光盘或磁带等数据存储设备(可移除和/或不可移除)。计算机存储介质可以包括在任何方法或技术中实现的用于存储信息(如计算机可读指令、数据结构、程序模块、或其他数据)的易失性和非易失性、可移除和不可移除介质。计算机存储介质的示例包括RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光存储设备、磁带盒、磁带、磁盘存储设备或其他磁性存储设备、或者能够用于存储所需信息且可以由应用、模块或两者访问的任何其他介质。任何这类计算机存储介质可以是系统102、或模块103、104、105、106中的任何或每个模块的一部分、或者可由其访问或与其连接。本文中所描述的任何应用或模块可以使用计算机可读/可执行指令来实现，这些指令可以由这类计算机可读介质存储或以其他方式保留。
转到图4，展示了这些模块之间的交互。系统102被配置成用于听取数据流、构成自动化和智能消息、发布自动化内容、和听取人们关于所发布的内容说些什么。
体而言，主动式接收器模块103从一个或多个数据流接收社交数据401。数据流可以同时和实时接收。数据流可以源自不同的来源，如脸谱网(Facebook)、推特(Twitter)、领英(LinkedIn)、拼趣(Pinterest)、博客网站、新闻网站、公司网站、论坛、RSS源、电子邮件、社交联网站点等。主动式接收器模块103分析社交数据、确定或识别社交数据之间的关系、并且输出这些关系402。
在具体示例中，主动式接收器模块103从不同的社交媒体源获取关于具体汽车品牌的社交数据和关于具体体育队的社交数据。主动式接收器103使用分析法来确定汽车品牌与体育队之间存在关系。例如，所述关系可以是汽车品牌的买家或所有者是体育队的粉丝。在另一个示例中，所述关系可以是查看该汽车品牌广告的人与出席体育队的赛事的人之间存在高度相关性。输出一个或多个关系。
主动式构成器模块104获取这些关系402并且获取与这些关系相对应的社交数据。主动式构成器模块104使用这些关系和相应数据来构成新社交数据403。主动式构成器模块104还被配置成用于自动创建全部消息或衍生消息、或两者。主动式构成器模块104可以随后应用分析法来推荐使用面向给定目标观众的不同社交数据、由机器创建的适当、或最优消息。
继续该具体示例，主动式构成器模块104通过构成关于车辆品牌的现有文本文章和关于体育队的现有文本文章来构成新的文本文章。在另一个示例中，该主动式构成器模块通过总结车辆品牌的不同的现有文章来构成关于该汽车品牌的新文章、并且将关于该体育队的广告包括在新文章中。在另一个示例中，该主动式构成器模块识别已经生成关于体育队和汽车品牌两者的社交数据内容的人，尽管每个话题的社交数据可以在不同时间和从不同的来源公开，并且将这个社交内容一起构成进新社交数据消息。在另一个示例实施例中，该主动式构成器模块可以将与汽车品牌相关视频数据和/或音频数据与和体育队相关的视频数据和/或音频数据构成从而构成新的视频数据和/或音频数据。可以使用其他数据类型的组合。
主动式发送器模块105获取新构成的社交数据403并且确定与新构成的社交数据的传输相关的多个因素或参数。主动式发送器模块105还插入或添加标记来跟踪人们对新构成的社交数据的响应。基于传输因素，主动式发送器模块传输所构成的具有标记社交数据404。该主动式发送器模块还被配置成用于接收关于构成的社交数据的反馈405，其中，该反馈的收集包括这些标记的使用。新构成的社交数据和任何相关联的反馈406被发送至主动式接收器模块103。
继续关于汽车品牌和体育队的具体示例，主动式发送器模块105确定轨迹或传输参数。例如，已知由对该汽车品牌和该体育队感兴趣的人阅读的社交网络、论坛、邮件列表、网站等被识别为传输目标。并且，识别体育队的特殊赛事(如竞争赛事，像比赛或竞赛)以便为应何时传输构成的数据确定调度或定时。目标读者的地点也将用于确定构成的社交数据的语言和应传输构成的社交数据所在的当地时间。。用于确定构成的社交数据被查看的时间长度的标记(如点击数量(例如，点进率)、转发数量)、时间跟踪符等用于收集关于人们对构成的社交数据的反应的信息。与该汽车品牌和体育队相关的构成的社交数据和相关联的反馈被发送至主动式接收器模块103。
继续图4，主动式接收器模块103接收构成的社交数据和相关联的反馈406。主动式接收器模块103分析此数据以确定是否存在任何关系或相关性。例如，该反馈可以用于确定或确认用于生成新构成的社交数据的关系是正确的还是不正确的。
继续关于汽车品牌和体育队的具体示例，主动式接收器模块103接收构成的社交数据和相关联的反馈。如果该反馈显示人们关于构成的社交数据正提供积极评论和积极反馈，则主动式接收器模块确定汽车品牌与体育队之间的关系是正确的。主动式接收器模块可以增加与汽车品牌与体育队之间的具体关系相关联的额定值。因为积极反馈，主动式接收器模块可以挖掘或提取与该汽车品牌和体育队相关的甚至更多社交数据。如果反馈是消极的，则主动式接收器模块纠正或废弃汽车品牌与体育队之间的关系。可以降低关于该关系的评级。在示例实施例中，主动式接收器可以减少或限制搜索对于汽车品牌和体育队特殊的社交数据。
社交分析合成器模块106从其他模块103、104、105周期性地、或连续地获取数据。社交分析合成器模块106分析该数据以确定可以对每个模块(包括模块106)执行的操作做出什么调整。通过从模块103、104和105中的每个模块获取数据可以认识到，社交分析合成器单独相比于模块103、104和105中的每个模块具有更多的上下文信息。
本文中所描述的提出的系统和方法涉及接收并分析来自一个或多个相关联模块(例如，103、104、105)的社交数据，这些模块用于接收、构成和/或传输社交数据并与关于外部模板的社交数据的这些外部模板通信。社交数据可以用于(例如但不限于)连续社交通信的情境。换言之，下文中所描述的与社交分析合成器模块相关的系统架构和操作可以与本文中所描述的连续社交通信系统一起使用，可以单独使用，或者可以与没有在本文中描述的其他系统一起使用。
主动式发送器模块105
积极反馈的一种测量手段是例如：具体涉及媒体数据被重新传输或转发(例如，在社交媒体站点上转推或分享)的次数。积极反馈的另一种测量手段是消息被转发的新目的地。例如，预期发往一个地理国家(例如，巴西)的社交媒体数据消息可以被用户转发至南美的其他地理国家。因此，社交分析合成器模块106被配置成用于接收关于系统102生成的消息的一个或多个最终目的地的反馈并且接收这些消息的路线变更。作为响应，合成器模块106被配置成用于将一个或多个后续社交媒体数据变更到之前相似的消息的检测到的最终目的地。
在又另一个方面，一个或多个模块103、104和105被配置成基于所定义的定时提供其各自的社交媒体数据和/或接收到的与该数据相关的反馈。
如之前讨论的，本文中的社交数据对象是指社交数据单元，如文本文章、视频、图像、图片、照片、评论、消息、音轨、图形、或包括不同类型数据的混合媒体社交片段。如可以设想到的，社交数据对象可以包括以上内容的任意组合或每个类别的多项，如视频、图像、评论。。。
前述社交数据对象内容之一(例如，表示广告或活动内容)可以包括两个不同的内容版本(例如，最初时长更长并且传输/显示持续n天时长的第一内容和后续传输或显示的另一简化版)。举例来讲，当第一内容介绍新活动持续30秒并且然后作为跟进随后被缩短至15秒以便提供关于公司和产品的提醒时，这对于电视广告商而言是常见的。
社交分析合成器模块106–调整系统102的操作
作为响应，社交媒体数据和/或反馈转发至社交分析合成器模块106以便更改模块103、104和/或105的操作。例如，后续社交媒体数据可以被定制成包括以下各项中的一项或多项：被提供作为示例性调整项的格式、内容、地理目的地、语言、具体目标目的地。在一个示例中，合成器模块106可以接收与在某些时间或日期期间传输的社交媒体数据相关的积极反馈。相应地，合成器模块106被配置成用于更改有待根据此知识调度的后续相似消息。
在一个实施例中，社交分析合成器模块106被配置成用于向相应的模块103、104和/或105提供调整建议。在另一个实施例中，社交分析合成器模块106被配置成用于定义调整的社交媒体数据(例如，新内容、新语言、新格式、和新目标目的地)并且将新社交数据转发至相应的模块以便传输至一个或多个目标。
继续关于汽车品牌和体育队的具体示例，社交分析合成器模块106获取以下数据：人们正在用与新构成的社交数据对象中所使用的第一语言不同的第二语言对新构成的社交数据对象进行积极响应。可以从主动式发送器模块105或从主动式接收器模块103、或从两者获取这类信息。因此，社交分析合成器模块向主动式构成器模块104发送调整命令，从而使用第二语言构成关于该汽车品牌和体育队的新社交数据。
在另一个示例中，社交分析合成器模块106获取以下数据：关于和汽车品牌和体育队相关的新构成的社交数据对象的积极反馈来自具体的地理附近地区(例如，邮政编码、地区代码、市、自治区、州、省等)。可以通过分析来自主动式接收器模块103或来自主动式发送器模块105、或来自两者的数据来获取此数据。然后，社交分析合成器生成并发送调整命令至主动式接收器模块103以获取关于那个具体地理附近地区的社交数据。关于该具体地理附近地区的社交数据包括例如当地最近的赛事、当地行话和俚语、当地俗语、当地知名人物、和当地聚集地点。社交分析合成器生成并且发送调整命令至主动式构成器模块104，从而构成新社交数据，该新社交数据构成了关于该汽车品牌、体育队和地理附近地区的社交数据。社交分析合成器生成并发送调整命令至主动式发送器模块105，从而向位于该地理附近地区的人们发送新构成的社交数据，并且在人们很可能阅读或消费这类社交数据的时间段期间(例如，晚上、周末等)发送新构成的社交数据。
继续图4，每个模块还被配置成用于从其自己收集的数据学习并且改进其自己的方法和决策算法。可以使用当前已知和未来认识的机器学习和机器智能计算。例如，主动式接收器模块103具有反馈回路407；主动式构成器模块104具有反馈回路408；主动式发送器模块105具有反馈回路409；并且社交分析合成器模块具有反馈回路410。以此方式，每个模块中的过程可以不断单独改进，并且还使用社交分析合成器模块106发送的调整来改进。这个在模块基础上和全系统基础上的自学允许系统102是没有人类干预的完全自动化。
可以认识到，随着提供更多数据和随着系统102执行更多迭代来发送构成的社交数据，于是系统102变得更有效和更高效。
以下描述了系统102的其他示例方面。
系统102被配置成用于实时捕捉社交数据。
系统102被配置成用于实时分析与企业、具体人或当事人有关的社交数据。
系统102被配置成用于实时创建和构成针对某些人或某一群体的社交数据。
系统102被配置成用于确定传输新构成的社交数据的最佳或适当时间。
系统102被配置成用于确定到达所选择或目标人群或群体的最佳或适当社交信道。
系统102被配置成用于确定人们关于系统102所发送的新社交数据说了什么。
系统102被配置成用于应用度量分析法来确定社交通信方法的有效性。
系统102被配置成用于确定和推荐分析技术和参数、社交数据内容、传输信道、目标人、和数据搜集和挖掘方法从而方便连续环路、端到端通信。
系统102被配置成用于例如使用主从安排来添加N个系统或模块。
将认识到，系统102可以执行其他操作。
在示例实施例中，由系统102实施的用于提供社交通信的计算机或处理器实施指令包括获取社交数据。该系统于是构成从该社交数据衍生出来的新社交数据对象。可以认识到，新的社交数据对象可以具有所获取的社交数据的恰好相同的内容、或所获取的社交数据的一部分、或没有所获取的社交数据的内容。该系统传输新社交数据对象并且获取与该新社交数据对象相关联的反馈。该系统使用该反馈计算调整命令，其中，执行该调整命令对该系统执行的操作中所使用的参数进行调整。
在示例实施例中，该系统使用主动式接收器模块获取社交数据对象，并且主动式构成器模块将该社交数据对象传递至主动式发送器模块以供传输。执行计算和分析从而确定社交数据对象是否适合于传输，并且如果适合，则应向哪一方和在什么时间传输社交数据对象。
图5中展示了用于提供社交通信的计算机或处理器实施指令的另一个示例实施例。这些指令由系统102实施。在框501，系统102接收社交数据。在框502，系统确定社交数据之间的关系和相关性。在框503，系统使用这些关系和相关性构成新社交数据。在框504，系统传输构成的社交数据。在框505，系统接收关于构成的社交数据的反馈。在框505之后的框506，系统使用关于构成的社交数据的反馈来调整构成的社交数据的传输参数。此外，或者在替代方案中，在框505之后的框507，系统使用关于构成的社交数据的反馈来调整所接收的社交数据之间的关系和相关性。可以认识到，可以基于该反馈进行其他调整。如虚线所指示的，该过程环回到框501并且重复。
主动式接收器模块
主动式接收器模块103自动且动态地听取N个全局数据流并且连接至互联网站点或专用网络、或两者。主动式接收器模块可以包括用于消除不想要的信息的分析过滤器、用于检测有价值信息的机器学习、和用于快速揭露重要的对话或社会趋势的推荐引擎。进一步地，主动式接收器模块能够与其他模块整合，如主动式构成器模块104、主动式发送器模块105、和社交分析合成器模块106。
转到图6，展示了主动式接收器模块103的示例部件。这些示例部件初始取样器和标记模块601、中间取样器和标记模块602、数据存储后取样器和标记模块603、分析模块604、和关系/相关性模块605。
为了方便实时和高效分析所获取的社交数据，使用不同的速度和粒度水平来处理所获取的社交数据。模块601首先用于以较快的速度和较低的取样速率对所获取的社交数据进行初始取样和标记。这允许主动式接收器模块103实时提供一些结果。相对于模块601，模块602用于以较低的速度和较高的取样速率对所获取数据进行取样和标记。这允许主动式接收器模块103提供从模块602衍生出来的甚至更详细的结果，尽管与从模块601衍生出来的结果相比存在一定延迟。模块603相比较模块602以相对较慢的速度而相比较模块602以高得多的取样速率对主动式接收器模块存储的所有社交数据进行取样。与从模块602衍生出的结果相比较，这允许主动式接收器模块103提供从模块603衍生出来的甚至更详细的结果。因此，可以认识到，不同的分析等级可以彼此并行进行并且可以非常快得提供初始结果、有一定延迟地提供中间结果、和有进一步延迟地提供数据存储后结果。
取样器和标记模块601、602、603还识别和提取与社交数据相关联的其他数据，包括例如：社交数据被公布或发帖的时间或日期、或两者；主题标签；跟踪像素、web臭虫(又称为web信标)、跟踪虫、标签、或网页标签；cookie(信息记录程序)；数字签名；关键字；与社交数据相关联的用户和/或供公司身份；与社交数据相关联的IP地址；与社交数据相关联的地理数据(例如，地理标签)；用户至社交数据的进入路径；证书；阅读或追随社交数据的作者的用户(例如，追随者)；已经消费社交数据的用户等。主动式接收器模块103和/或社交分析合成器模块106可以使用此数据来确定社交数据之间的关系。
分析模块604可以使用各种方法来分析社交数据和相关联的其他数据。进行分析以确定关系、相关性、相似性、和逆相关。可以使用的算法的非限制性示例包括人工神经网络、最近邻、贝叶斯统计、决策树、回归分析、模糊逻辑、K-均值算法、聚类、模糊聚类、蒙特卡罗法、学习自动机、即时差异学习、先验算法、ANOVA法、贝叶斯网络、和隐马尔可夫模型。更普遍地，当前已知和未来认识的分析方法可以用于识别社交数据之间的关系、相关性、相似性、和逆相关。分析模块604(例如)从这些模块601、602和/或603获取数据。
将认识到，两个概念之间的逆相关例如使得对第一概念的青睐或相似性与对第二概念的不喜欢或排斥相关。
关系/相关性模块605使用来自分析模块的结果生成对至少两个概念之间的关系表征的项和值。这些概念可以包括关键字、时间、地点、人、视频数据、音频数据、图形等的任意组合。
关系模块605还可以识别关键字突发。根据时间标绘关键字、多个关键字的流行程度。分析模块将感兴趣的暂时区域识别和标记为关键字流行程度曲线中的突发。分析模块识别与感兴趣的关键字相关联的一个或多个相关关键字(例如，具有流行程度突发的关键字)。相关关键字与在和该突发相同的暂时区域的感兴趣的关键字密切相关。2009年7月10日提交的、标题为“MethodandSystemforInformationDiscoveryandTextAnalysis(用于信息发现和文本分析的方法和系统)”的第12/501,324号美国专利申请中详细描述了这类方法，该专利申请的全部内容通过引用并入本文。
在另一个示例方面，关系模块605还可以识别话题(例如，关键字)与对关键字有兴趣的用户之间的关系。该关系模块例如可以识别被认为是话题专家的用户。如果给定用户经常对话题进行评论，并且有许多“跟随”该给定用户的其他用户，则该给定用户被认为是专家。关系模块还可以识别专家用户感兴趣的其他话题，尽管专家用户可能不被认为是那些其他话题的专家。关系模块可以获取给定用户追随的多个辅助用户；获取认为辅助用户是其专家的话题；和将那些话题与给定用户进行关联。可以认识到，有各种方式使话题与用户相关在一起。2013年6月21日提交的、标题为“SystemandMethodforAnalysingSocialNetworkData(用于分析社交网络数据的方法和系统)”的第61/837,933号美国专利申请中描述了进一步细节，该专利申请的全部内容通过引用并入本文。
转到图7，提供了示例计算机或处理器实施指令用于根据主动式接收器模块103接收和分析数据。在框701，主动式接收器模块从一个或多个社交数据流接收社交数据。在框702，主动式接收器模块首先使用快速且低清晰度的取样速率(例如，使用模块601)对社交数据取样。在框703，主动式接收器模块应用ETL(提取、变换、加载)处理。ETL过程的第一部分包括从源系统提取数据。变换阶段将一系列规则或函数应用于从该来源提取的数据从而衍生出数据以便加载到终端目标中。加载阶段将数据加载到终端目标，如存储器。
在框704，主动式接收器模块使用中间清晰度取样速率(例如，使用601)对社交数据取样。在框705，主动式接收器模块使用高清晰度取样速率(例如，使用模块603)对社交数据取样。在示例实施例中，初始取样、中间取样和高清晰度取样并行进行。在另一个示例实施例中，这些取样按顺序进行。
继续图7，在初始取样社交数据(框702)之后，主动式接收器模块输入或识别数据标记(框706)。其继续分析取样的社交数据(框707)、从取样数据确定关系(框708)、并且使用这些关系确定早期或初始社会趋势结果(框709)。
类似地，在框704之后，主动式接收器模块输入或识别取样的社交数据中的数据标记(710框)。其继续分析取样的社交数据(框711)、从取样数据确定关系(框712)、并且使用这些关系确定中间社会趋势结果(框713)。
主动式接收器模块还输入或识别从框705获取的所取样的社交数据中的数据标记(框714)。其继续分析取样的社交数据(框715)、从取样数据确定关系(框716)、并且使用这些关系确定高清晰度社会趋势结果(框717)。
在示例实施例中，在框706至709的操作、在框710至713的操作、和框714至717的操作并行进行。然而，将在来自框712、713、716和717的关系和结果之前确定来自框708和709的关系和结果。
将认识到，框706、710和714中所描述的数据标记帮助初步分析和取样数据并且还帮助确定关系。数据标记的示例实施例包括关键字、某些图像、和数据的某些来源(例如，作者、组织、地点、网络源等)。数据标记还可以是从取样数据中提取的标签。
在示例实施例中，通过对取样数据进行初步分析来识别数据标记，该初步分析不同于框707、711和715中的更详细的分析。数据标记可以用于识别趋势和情绪。
在另一个示例实施例中，基于某些关键字、某些图像、和某些数据源的检测来将数据标记输入到取样数据中。某一组织可以使用这项操作来将数据标记输入到某一取样数据中。例如，当从取样过程中获取SUV的图像、或当文本消息具有字“SUV”、“Jeep”、“4X4”、“CR-V”、“Rav4”和“RDX”中的至少一者时，汽车品牌推广组织输入数据标记“SUV”。可以认识到，可以使用用于输入数据标记的其他规则。还可以在分析操作和关系确定操作过程中使用所输入的数据标记来检测趋势和情绪。
以下提供了主动式接收器模块的其他示例方面。
主动式接收器模块103被配置成用于实时捕捉一个或多个电子数据流。
主动式接收器模块103被配置成用于实时分析与企业相关的社交数据。
主动式接收器模块103被配置成用于将文本从一种语言翻译成另一种语言。
主动式接收器模块103被配置成用于解释视频、文本、音频和图片从而创建商业信息。商业信息的非限制性示例是情绪信息。
主动式接收器模块103被配置成用于将元数据应用于社交数据以便提供进一步的商业强化。元数据的非限制性示例包括地理数据、时态数据、商业驱动特征、分析驱动特征等。
主动式接收器模块103被配置成用于使用所接收到的社交数据和所计算的信息来解释和预测潜在结果和商业情景。
主动式接收器模块103被配置成用于基于所接收到的社交数据和元数据来建议用户段或目标群体。
主动式接收器模块103被配置成用于建议或推荐与用户段或目标群体正相关或负相关的社交数据信道。
主动式接收器模块103被配置成用于使组群相互关联和属性化，如用户、用户段、和社交数据信道。在示例实施例中，主动式接收器模块使用图案、元数据、特征和定型来使用户、用户段和社交数据信道相互关联。
主动式接收器模块103被配置成用于在极少或没有人类干预的情况下操作。
主动式接收器模块103被配置成用于将相似性数据和元数据分配给所接收到的社交数据和任何相关联的计算数据。在示例实施例中，相似性数据是从相似性分析中衍生出来的，该相似性分析是一种发现特定个人、群体、公司、地点、概念品牌、设备、事件、和社交网络所进行(或关于其记录)的活动之间的共现关系的数据挖掘技术。
主动式构成器模块
主动式构成器模块104被配置成用于以分析方式构成和创建社交数据以便传递给人们。这个模块可以使用商业规则和将所学到的模式来使内容个性化。主动式构成器模块被配置成用于例如模拟人类交流、个性、俚语和行话。这个模块被配置成用于评估自己(即，模块104)构成的多个社交数据片或对象，并且进一步被配置成用于基于这些分析来评估排名和推荐最优或适当的响应。进一步地，主动式构成器模块能够与其他模块整合，如主动式接收器模块103、主动式发送器模块105、和社交分析合成器模块106。主动式构成器模块可以用机器创建个性化内容消息的多个版本并为目标观众推荐适当、或最优解决方案。
转到图8，展示了主动式构成器模块104的示例部件。示例部件包括文本构成器模块801、视频构成器模块802、图形/图片构成器模块803、音频构成器804、和分析模块805。构成器模块801、802、803和804可以单独操作从而在其各自媒体类型内构成新社交数据，或者可以一起操作从而用混合媒体类型构成新社交数据。
分析模块805用于分析输出的社交数据、识别对组合过程的调整、并且生成对组合过程进行调整的命令。
转到图9A，提供了示例计算机或处理器实施指令用于根据模块104构成社交数据。主动式构成器模块从主动式接收器模块103获取社交数据(框901)。然后，主动式构成器模块构成从所获取社交数据中衍生出来的新社交数据对象(例如，文本、视频、图形、图片、照片、音频)(框902)。
不同方法可以用于构成新社交数据对象、或多个新社交数据对象。例如，可以构成社交数据以创建新社交数据对象(框905)，可以提取社交数据以创建新社交数据对象(框906)，并且新社交数据可以被创建以形成新社交数据对象(框907)。框905、906和907中的一个或多个框中的操作可以应用于框902。图9B、图9C和图9D描述了此方面的进一步细节。
继续图9A，在框903，主动式构成器模块输出构成的社交数据。主动式构成器模块还可以向构成的社交数据添加标识符或跟踪符，这些标识符或跟踪符用于识别构成后的社交数据的来源和构成后的社交数据之间的关系。
转到图9B，提供了示例计算机或处理器实施指令用于根据框905构成社交数据。主动式构成器模块获取社交数据之间的关系和相关性(框908)。这些关系和相关性例如是从主动式接收器模块获取的。主动式构成器模块还获取与这些关系相对应的社交数据(框909)。在框909获取的社交数据可以是主动式接收器模块获取的社交数据的子集，或者可以被第三方来源、或两者获取。在框910，主动式构成器模块通过构成与彼此相关的社交数据来构成新社交数据(例如，新社交数据对象)。
可以认识到，当实施框910时，可以使用不同组合方法。例如，可以使用文本总结算法(框911)。在另一个示例中，可以使用用于组合文本、视频、图形等的模板(框912)。在示例实施例中，这些模板可以使用自然语言处理来生成文章或短文。模板可以包括关于立场的第一部分、包括支持该立场的第一论据的第二部分、包括支持该立场的第二论据的第三部分、包括支持该立场的第三论据的第四部分、和包括该立场的总结的第五部分。其他模板可以用于不同类型的文本，包括新闻文章、故事、新闻稿等。
还可以使用迎合不同语言的自然语言处理。还可以使用自然语言生成。可以认识到，可以使用适用于本文中所描述的原理的当前已知或未来认识的构成算法。
自然语言生成包括内容确定、文档结构化、聚合、词汇选择、指称表达生成、和实现。内容确定包括决定在文本中提到什么信息。在这种情况下，从与识别的关系相关联的社交数据中提取信息。文档结构化是要表达的信息的总体组织。聚合是合并相似的句子以提高可读性和自然性。词汇选择是向概念放入文字。指称表达生成包括创建识别对象和地区的指称表达。这项任务还包括关于代词和其他类型的首语重复做出决策。实现包括创建实际文本，根据句法、词态学和正词法规则，其应是正确的。例如，针对将来时“willbe(将要)”使用“tobe(将会)”。
继续图9B，当构成新社交数据对象时，可以应用从主动式接收器模块获取的、或从第三方来源获取的元数据、或系统102已经生成的元数据(框913)。另外，包含与关键字和关键短语同义或类似的字或短语的类属词典数据库也可以用于构成新社交数据对象(框914)类属词典数据库可以包括俚语和行话。
转到图9C，提供了示例计算机或处理器实施指令用于根据框906提取社交数据。在框915，主动式构成器模块识别与社交数据相关的特征。可以使用元数据、标签、关键字、社交数据的来源等识别这些特征。在框916，主动式构成器模块搜索并提取与所识别的特征相关的社交数据。
例如，所识别的特征之一是个人、组织、或地方的社交网络账户名。然后，主动式构成器模块将会访问社交网络账户以从该社交网络账户提取数据。例如，所提取的数据包括相关联的用户、兴趣、最喜欢的地方、最喜欢的食物、不喜欢的事物、态度、文化偏好等。在示例实施例中，社交网络账户是LinkedIn账户或Facebook账户。这个操作框(918)是实施框916的示例实施例。
实施框916的另一个示例实施例是获取关系并且使用这些关系提取社交数据。可以用多种方式获取关系，包括但不限于本文中所描述的方法。另一种获取关系的示例方法是使用皮尔森相关性。皮尔森相关性是测量两个变量X与Y之间的线性相关性(依赖性)的手段，给出了在+1与-1(含)之间的值，其中，1是完全正相关，0是没有相关性，而-1是负相关。例如，如果给出数据X，并且确定X和数据Y正相关，则提取数据Y。
实施框916的另一个示例实施例是使用加权来提取社交数据(框920)。例如，基于统计分析、投票、或其他标准，某些关键字可以静态地或动态地被加权。加权较重的特征可以用于提取社交数据。在示例实施例中，特征加权越重，用于提取和该特征相关的社交数据的搜索就越广和越深。
可以使用用于搜索和提取社交数据的其他方法。
在框917，所提取的社交数据用于形成新社交数据对象。
转到图9D，提供了示例计算机或处理器实施指令用于根据框907创建社交数据。在框921，主动式构成器模块识别与社交数据相关的定型。可以从社交数据中衍生出定型。例如，使用聚类和决策树分类器，可以计算定型。
在示例定型计算中，创建模型。模型表示人、地方、物体、公司、组织、或更概括地概念。随着系统102(包括构成器模块)获取得到关于社交通信的、正被传输的数据和反馈的经验，主动式构成器模块能够修改模型。特征或定型基于聚类而被分配给该模型。具体而言，使用凝聚式聚类的迭代来处理表示与该模型相关的不同特征的聚类。如果这些聚类中的某些聚类满足预定距离阈值，当该距离表示相似度时，则合并这些聚类。例如，杰卡德距离(基于杰卡德索引)(用于确定集合的相似度的测量值)用于确定两个聚类之间的距离。认为保持的聚类质心是与该模型相关联的定型。例如，该模型可以是具有以下定型的服装品牌：运动、跑步、体育、swoosh(耐克标)、‘justdoit’(耐克广告语)。
在另一个示例定型计算中，相似性传播用于识别共同特征，由此识别定型。相似性传播是一种聚类算法，该聚类算法鉴于多对数据点之间的相似度集合在数据点之间交换消息以便找出对数据描述得最好的范例点子集。相似性传播将每个数据点与一个范例相关联，从而引起将整个数据集划分成多个聚类。相似性传播的目标是将数据点与其范例之间的相似度的总和最小化。还可以使用相似性传播计算的变化。例如，可以使用相似性传播计算的二进制变量模型。英玛尔E.吉瓦提(InmarE.Givoni)和布兰登J.弗雷(BrendanJ.Frey)在标题为“ABinaryVariableModelofAffinityPropagation(相似性传播的二进制变量模型)”(神经计算21，1589-1600(2009))的文件中描述了相似性传播的二进制变量模型的非限制示例，该文件的全部内容通过引用并入本文。
另一个示例定型计算是购物篮分析(关联分析)，其是相似性分析的示例。购物篮分析是一种数学建模技术，该数学建模技术基于以下理论：如果您购买某一组产品，您很可能购买另一组产品。其通常用于分析客户购物习惯并且帮助增加销售额和通过聚焦于销售点交易数据来保持库存。鉴于数据集，先验算法训练并识别产品篮子和产品关联规则。然而，同一种方法在本文中用于识别人的特征(例如，定型)而不是产品的特征。另外，在这种情况下，对用户的社交数据消费(例如，它们读到、看到、听到、评论了什么等)进行分析。先验算法训练并识别典型(例如，定型)的篮子和典型的关联规则。
可以使用其他用于确定定型的方法。
继续图9D，定型被用作元数据(框922)。在示例实施例中，元数据是新社交数据对象(框923)，或者元数据可以用于衍生出或构成新社交数据对象(框924)。
可以认识到，尽管本文中没有具体描述，但关于框905、906和907描述的用于构成新社交数据对象的方法可以用不同的方式组合。也可以应用其他构成新社交数据对象的方式。
在构成社交数据对象的示例实施例中，社交数据包括名字“克里斯法利(ChrisFarley)”。为了构成新社交数据对象，使用定型来创建社交数据。例如，定型‘喜剧演员’、‘肥胖’、‘忍者’和‘金发’被创建并且与克里斯·法利相关联。定型于是用于自动创建漫画(例如，克里斯·法利的类卡通图像)。人的图像被自动修改成包括滑稽的微笑和抬起的眼眉，从而与‘喜剧演员’定型相对应。人的图像被自动修改成具有粗腰，从而与‘肥胖’定型相对应。人的图像被自动修改成包括忍着服装和兵器(例如，刀、棍等)，从而与‘忍者’定型相对应。人的图像被自动修改成包括金色的头发，从而与‘金发’定型相对应。以此方式，自动创建包括克里斯法利的漫画图像的新社交数据对象。可以使用从文本衍生出的不同图形生成方法。例如，映射数据库包含被映射到图形属性的文字，并且那些图形属性进而可以应用于模板图像。这类映射数据库可以用于生成漫画图像。
在另一个示例实施例中，定型用于创建克里斯·法利的文本描述，并且在文本描述中识别与相同定型匹配的其他人。文本描述是构成的社交数据对象。例如，克里斯·法利的定型还可以用于识别也与‘喜剧演员’和‘忍者’相符的演员“约翰·贝鲁西(JohnBelushi)”。尽管以上示例与人有关，但使用定型来构成社交数据的相同原理还适用于地方、文化、流行趋势、品牌、公司、物体等。
主动式构成器模块104被配置成用于在极少或没有人类干预的情况下操作。
主动式发送器模块
主动式发送器模块105以分析方式评价用于将新构成的社交数据传递至某些用户和目标群体的优选或适当的社交数据信道。一方面，主动式发送器模块105还评价发送或传输新构成的社交数据的优选时间。
转到图10，展示了主动式发送器模块105的示例部件。示例部件包括遥测模块1001、调度模块1002、跟踪和分析模块1003、以及用于传输的数据存储器1004。遥测模块1001被配置成用于确定或识别通过其应发送或广播某些社交数据的社交数据信道。社交数据对象可以是文本文章、消息、视频、评论、音轨、图片、照片、图形、或混合媒体社交片段。例如,关于某一汽车品牌的社交数据对象应发送到潜在汽车买家查看或跟随的网址,RSS源、视频或音频信道、博客、或潜在汽车买家查看或跟随的群体、汽车品牌的当前所有者、和汽车品牌的过去所有者。调度模块1002确定发送构成的社交数据对象的优选时间范围或日期范围、或两者。例如，如果新构成的社交数据对象是关于股票或商业新闻的，则构成的社交数据对象将被调度成在工作日的工作时间期间发送。跟踪和分析模块1003将数据跟踪符或标记插入构成的社交数据对象来方便收集来自人们的反馈。数据跟踪符或标记包括例如标签、反馈(例如，喜欢、不喜欢、评级、好评、差评等)、网页的查看数量等。
用于传输的数据存储器1004存储具有相关联的数据跟踪符或标记的社交数据对象。社交数据对象可以被打包为“购物车”。具有相同社交数据对象或不同社交数据对象的多个购物车存储在数据存储器1004。根据相关联的遥测和调度参数启动或传输购物车。同一购物车可以被启动多次。一个或多个购物车在活动下被组织以广播构成的社交数据。数据跟踪符或标记用于分析活动的或每个推车的成功。
主动式发送器模块的示例性部件
参照图10A，展示了主动式发送器模块105的进一步的示例性实施例，描绘了用于处理社交数据的进一步部件。参照图10A，主动式发送器模块105进一步包括：用于确定社交数据消息的目标目的地的目的地定位器模块1007；用于确定被传输的社交数据消息的调度的调度模块1002；用于将嵌入跟踪符(本文中又称为标记)以便跟踪对消息的好评程度的嵌入式跟踪模块1006；以及用于对从一个或多个目的地目标或与主动式发送器模块105的实例通信的其他主动式发送器模块接收的反馈1016和/或跟踪符响应1018进行分析的反馈分析模块1005。嵌入式跟踪模块1006被配置成用于在社交数据内嵌入一种或多种类型的跟踪符从而将构成的带有跟踪符的社交数据1014传输至单个信道传输或至图10A中所示的多个信道。
一方面，主动式发送器模块105可以进一步合并第三方像素、发射器、跟踪符从而在系统内使用和修改以定义消息被最终用户(例如，消费者)看到或点击。当接收到反馈时，主动式发送器模块105和/或合成器模块106被配置成使用第三方反馈来进一步偏置或调整主动式发送器模块105的操作和调整社交数据消息的后续传输(例如，调整地点、人物、时间......)，基于除了本文中所描述的用于利用反馈来优化主动式发送器模块105定义的未来传输行为的系统以外的第三方遥测来接收所传输的消息(例如，定义地点、传输时间、时长、最终用户、观看时间长度、将社交数据消息重新传输至其他方的许可性......)。许可性可以定义例如将社交数据从一个目标重新传输至另一个目标(例如，转推消息或分享消息)的权限。如本文中讨论的，在一个实施例中，来自像素、跟踪符和/或发射器的反馈用于生成由合成器模块106和/或发送器模块105基于先前的成功和反馈计算的与最终用户相关的新社交数据内容。另一方面，基于来自所接收的反馈的模式和相关性根据新传输参数(例如，地点、目的地、时长......)来调整和重定向系统生成的后续社交数据内容。
在又另外一方面，主动式发送器模块105和合成器模块106可以单个或组合地传输用户跟踪符信息至其他互联网公司和站点，包括广告交易，这进而可以跟踪用户的先前的互联网旅程和兴趣，并且于是随后例如在之后的预定义时长内提供相关消息和/或广告。
一方面，社交数据1014的内容可以由主动式构成器模块104构成并且被发送至特定信道。此外，社交数据1014可以定义在每个信道内，社交数据1014要传输至选择性的用户分段(例如，像社交数据1014的传输参数内定义的一样)。
另一方面，社交数据1014可以提供给多个同步信道(例如，社交联网站点、论坛、博客......)。另一方面，主动式发送器模块105可以被配置成用于与合成器模块106通信以便优化社交数据1014的传输。
例如，如果从一个或多个用户接收到指示与具体人群共鸣的社交数据内容的响应(例如，跟踪符响应1016)，则优化具有相似内容的后续社交数据以便传输至同一具体人群。可替代地，反馈响应1018和/或跟踪符1016可以指示相比另一个社交信道在一个社交信道接收到更积极的反馈(例如，脸谱vs推特)，并且因此主动式发送器模块105(例如，经由反馈分析模块1005)和/或合成器模块106被配置成用于将后续消息重新路由到与积极反馈相关联的信道。
如之前定义的，主动式发送器模块105还可以合并第三方像素、发射器、跟踪符等以提供第三方验证：消息被消费者看到或点击。可替代地，合成器模块106可以合并来自第三方跟踪的反馈，并且使用者这个第三方反馈来偏置和/或调整主动式发送器模块105(和文本中所描述的相应传输参数)，并且基于使用第三方传输遥测最终调整看到所传输的消息的地点、时间、人物等。
跟踪符
在所示的一个实施例中，跟踪符的类型包括发射器1008、信息记录程序1009、像素1010、和网络臭虫1012。
另一方面，不同类型的跟踪符可以组合在一起。跟踪符可以提供关于例如有多少人访问与社交数据相关联的具体网站、有多少人读取社交数据、和有多少人点进或转发社交数据的信息。关于图10C提供了跟踪符的特定部件。
优选地，跟踪符被嵌入式跟踪模块1006无缝整合在社交数据(例如，文本、视频、图片或照片、图形、和/或音频数据、或其组合)内，以便允许用户接收跟踪社交数据跟踪符的活动和流行度的跟踪符响应1016，以便提供对修改和改进主动式发送器模块105的行为有用的度量，用于传输后续消息。
发射器1008
一方面，发射器1008简单地被称为嵌入在构成的社交数据消息1014(例如，文本、视频、图片、照片、图形、和音频数据、或其组合)内的数字代码，该数字代码针对每个目的地或社交数据经过的跳跃向主动式发送器模块105提供发射器响应。
信息记录程序1009
信息记录程序是用于跟踪互联网用户的网络浏览活动的数字软件代码。例如，如果用户在网站上选择广告(例如，由社交数据1014产生)，则将以跟踪符响应1016的形式为主动式发送器模块105提供用户在一社交数据1014相关联的所有站点上的浏览历史记录。在另外一方面，跟踪符响应1016可以包括用户关于与社交数据源(例如，广告商)的所有站点的浏览历史记录。在跟踪符响应1016中提供的信息记录程序1009还可以提供关于用户已经访问的与社交数据1014相关联的网页的信息：按什么顺序和有多久。一方面，跟踪符进一步利用指纹法，这样使得用户的身份持续，即使删除了信息记录程序1009。
跟踪像素1010
跟踪像素1010通常是小的(例如，1×1的像素大小)、眼睛看不到的像素，优选地插入在具有图像或视频片段的社交数据中，允许跟踪网站访问、电子邮件跟踪、和在互联网上的其他类型的通信活动。如本领域的技术人员将理解的，眼睛看不到的像素是指伪装的或隐藏在社交数据的图像或视频内以便不使携带跟踪像素1010的图像或社交数据失真的像素。类似地，跟踪像素可以隐藏在文本消息或电子邮件消息内，如保持隐藏。一方面，一旦被嵌入社交数据消息内，跟踪像素1010就保持隐藏，并且像素发送回其起点(例如，主动式发送器模块106)是没有用户参与的过程。像素可以以跟踪符响应1016的形式被发送回。
跟踪像素1010可以被定义为通常包含在单个清晰/不可见像素(例如，gif格式)内的、跟踪社交数据消息1014(当其在网上去任何地方时)的软件代码。
网络臭虫1012
网络臭虫是嵌入网页或邮件列表、或论坛、或与社交数据(例如，社交网络站点)相关联的电子邮件内的数字对象，并且其通常对于用户是不可见的，但允许检查用户是否查看了页面或电子邮件。显示在网站或邮件列表或论坛或电子邮件上的上的社交数据可以呈文本、视频、图片、照片、图形、和音频数据、或其组合的形式。网络臭虫可以用于例如电子邮件跟踪和页面标记以供网络分析。如本领域的技术人员理解的，本领域中也可以使用替代性名称(如网站信标、跟踪臭虫、标记、页面标记)来指代网络臭虫1012。网页臭虫1012在由跟踪符响应1016提供时可以揭示例如谁在阅读网页(例如，社交网站)、或电子邮件、或包含社交数据消息(例如，发帖在社交联网站点上)的论坛。根据一个实施例，网络臭虫1012还可以用于确定是否在其他地方阅读或转发、或转帖了社交数据消息。网络臭虫1012一方面跟踪接收和/或阅读社交数据消息的计算机的IP地址、接收和/或审阅内容的时间、请求查看社交数据1014的用户类型。主动式发送器模块105然后可以将1016接收的这条信息存储并且将其与附接至起始消息(例如，社交数据1014)的唯一跟踪令牌相关联。
根据又另一个实施例，跟踪符1014可以包含引起接收社交数据消息的最终用户收集并提供来自最终用户(例如，目标接收人)的关于社交数据1014的反馈。反馈响应1018可以包括反馈给主动式发送器模块105和/或合成器(SAS)模块106的实时参与度量(例如，点进率、频率)。反馈响应可以包括关于这些参与度量的速度和频率(实时、近实时)以便后续用于经由反馈分析模块1005更改传送的内容(例如，社交数据1014)的遥测(地点、当日时间、频率、内容)。
再次参照图10A，反馈分析模块1005被配置成用于接收跟踪符响应1016和来自最终用户、与主动式发送器模块105通信的其他服务器和/或与接收人通信的主动式发送器模块的反馈响应1018。反馈分析模块1005因此接收与社交数据1014相关的数据，包括但不限于：接收消息(例如，IP地址)的用户的识别、初始接收人或后续接收人的识别(例如，转发、转推)、参与度量、消息接收定时、阅读或查看的时长、阅读或查看的次数、点进率和频率、地点的识别(例如，地理地点)和与社交数据相关联的语言(例如，其中，用反馈语言阅读/查看或转发社交数据)。如之前讨论的，基于跟踪符响应1016和/或反馈响应1018，反馈分析模块与处理器307通信以便指令主动式发送器模块105修改后续的社交数据1014的传输参数从而改进社交数据的反馈和接受性。例如，如果跟踪符响应和/或反馈响应1016、1018揭示了具有特别类型或内容的社交数据消息在具体的一天和在当日的某一时间内被更积极地接收(例如，点击率或阅读或查看的时长或转发的频率)，则反馈分析模块1005引起主动式发送器模块105在该当日的某一时间内或在所述具体的一天传输具有相似类型或内容的后续社交数据(例如，经由调度模块1002)。此外，反馈分析模块1005被配置成用于与合成器模块106通信以接收来自其他模块(例如，主动式构成器模块104和/或主动式接收器模块103)的反馈，并用于影响传输社交数据1014的参数(如目的地、时间、时长和语言)。
反馈分析模块1005可以被配置成用于利用模式学习算法来分析反馈和/或跟踪符响应并且确定最优化模式。可以用于由模块1005实施对跟踪符响应和/或反馈响应的分析的非限制性示例可以包括人工神经网络、最近邻、贝叶斯统计、决策树、回归分析、模糊逻辑、K-均值算法、聚类、模糊聚类、蒙特卡罗法、学习自动机、即时差异学习、先验算法、ANOVA法、贝叶斯网络、和隐马尔可夫模型。更普遍地，当前已知和未来认识的分析方法可以用于识别对社交数据1014的反馈响应和跟踪符响应之间的关系、相关性、相似性、和逆相关。
来自主动式发送器模块的示例性通信信息流
参照图10B，在示意图中所示，展示了主动式发送器模块105与社交数据1014的外部接收人之间的示例性通信。在一个示例中，社交数据1014被传输至用户A1020，组合的消息和跟踪符1407显示(例如，文本、视频和/或音频)给用户A1020。然后，用户A1020将此社交数据消息1407转发至用户B1022。识别用户A、消息的接收/查看的时间和时长、消息至用户B1022的转发的信息作为跟踪符响应1016从用户A1020发送至主动式发送器模块105。此外，第二跟踪符响应1016用户B1022发送出来，识别用户B1022信息(例如，IP地址、用户名)和消息是否被积极接收(例如，点进率、何时查看或阅读)。可以用本文中描述的信息记录程序、发射器、像素、网络臭虫或其他机构来实现跟踪符响应1016。在此方面，用户A1020和用户B1022可以被配置成在社交数据消息被分发的同时沿途提供更新。在这种配置下，主动式发送器模块105被配置成用于从中央服务器到分发服务器、到每个不同的消费者跟踪消息(例如，跟踪每个中间步骤)以便获得关于消息在哪里和到达目的地的估计时间的完整信息。
尽管两个用户在图10B中被展示位用户A和用户B，如可以设想到的，这种通信可以扩展至N个用户。此外，尽管图10B展示了特定信息流，但这不是限制性的，并且可以设想到其他信息流用于在多个通信信道和目的地上传递和分享社交数据消息。例如，消息可以在用户A停止。可替代地，用户A可以传递至用户B，并且消息可以在那里停止。进一步可替代地，除了用户B以外，用户A可以还传递至多个用户。另一方面，A与其通信的用户可以进而传递/传输/转帖消息(例如，转推消息)至一个或多个其他用户。相应地，图10B中的示意图是示例性的而非限制性的。
再次参照图10B，在另一个示例中，具有嵌入式跟踪符1014的构成的社交数据被发送至中继器模块或另一个主动式发送器模块1030。在这种情景下，然后，将消息播送到多个用户(用户D1024、用户E1026、用户F1028)。在用户D、用户E、用户F接收到的每条消息中的跟踪符可以被配置成用于与其本地中继器/ATM模块1030通信，该本地中继器/ATM模块然后合并跟踪符响应1016和从多个相关联用户的接收到的任何反馈响应1018并将它们发送至主动式发送器模块105，从而修改传输参数(例如，传输目标或调度)以便改进后续社交数据消息1014的反馈和可视性。
通常，本文中所引用的中继器模块被配置成与主动式发送器模块105类似，但基于所接收到的反馈将发往第一用户的消息中继和重新传输至其他用户。在图10B所示的示例中，用户B1022可以经由跟踪符响应1016提供以下反馈：在某个社交联网数据内消息受到好评。然后，中继器模块1030可以被配置成用于将社交数据中继至那一个社交联网站点内的多个用户。
参照图10C，展示了跟踪符响应1016的示例性部件。跟踪符响应1016包括消息接收识别符1040、消息阅读/未读识别1042、目的地路线识别1044(例如，传播的路线和进行的跳跃的数量)、最终用户识别1046(例如，已经查看、阅读或转发社交数据1014的每个用户的最终用户识别)、主动/被动识别1048(消息被主动还是被动查看)、阅读或查看的参数1050(定时/时长/频率识别)。被动传输可以指示预期接收人目标接收了社交数据对象。主动传输可以指示传输被接收并且被进一步暴露于不是消息的原始接收人的多个额外的用户。参照最终用户识别模块1046，这可以包括例如社交用户(例如，社交网络或信道的成员)。在一个示例中，社交用户在与它们相关联的互联网上具有其他社交身份名称或句柄(例如，与不同的社交数据网站相关联)。例如，这些可以包括推特的useraliastwitter.com；Faceboook的用户名等。相应地，一方面，主动式发送器模块被进一步配置成包括匹配算法模块，用于将不同的别名名字和用户识别句柄与另一个用户相关联，以便帮助衍生出社交名称和/或其他相关社交名称。在另外一方面，主动式发送器模块被进一步配置成用于将不同的别名名称和身份存储在数据库中(例如，社交消费者主记录数据库)以将另外的反馈与同一用户相关联。
转到图11，提供了示例计算机或处理器实施指令用于根据主动式发送器模块105传输构成的社交数据。在框1101，主动式发送器模块获取构成的社交数据。在框1102，主动式发送器模块确定构成的社交数据的遥测。在框1103，主动式发送器模块确定构成的社交数据的传输调度。用于获取反馈的跟踪符被添加到构成的社交数据(框1104)，并且包括这些跟踪符的社交数据联合调度和遥测参数一起被存储(框1105)。在调度参数确定的时间，主动式发送器模块按照遥测参数将构成的社交数据发送到所识别的社交数据信道(框1106)。
继续图11，主动式发送器模块使用跟踪符接收反馈(框1107)并且使用该反馈调整遥测参数或调度参数、或两者(框1108)。
以下提供了主动式发送器模块105的其他示例方面。
主动式发送器模块105被配置成用于在极少或没有人类干预的情况下传输消息并且通常传输社交数据。
主动式发送器模块105被配置成用于使用机器学习算法和分析算法来选择一个或多个数据通信信道来讲构成的社交数据对象传递给观众或用户。数据通信信道包括但不限于互联网公司，FaceBook、推特、和彭博。信道还可以包括传统电视、收音机、和报纸出版信道。
主动式发送器模块105被配置成用于自动将目标通信信道加宽或变窄从而到达某一目标观众或用户。
主动式发送器模块105被配置成用于解释来自第三方、公司或组织的数据和元数据以帮组增强信道靶向和用户靶向，由此提高社交数据的有效性。如之前描述的，第三方数据可以包括第三方像素、发射器、跟踪符等，用于提供消息被最终用户(例如，目标目的地)看到或点进的验证。如之前描述的，合成器模块106使用第三方反馈基于第三方传输遥测和来自所接收的反馈数据的另外分析/相关性来偏置和/或调整设计数据消息的传输。
主动式发送器模块105被配置成用于应用和传输唯一标记来跟踪构成的社交数据。除其他关键性能指标外，这些标记还跟踪构成的社交数据的有效性、数据通信信道的有效性、和ROI(投资回报)有效性。
主动式发送器模块105被配置成用于自动推荐发送/传输构成的社交数据的最佳时间或适当时间。
主动式发送器模块105被配置成用于听取或解释构成的社交数据是否被数据通信信道成功接收、或被用户成功查看/消费、或两者。
主动式发送器模块105被配置成用于分析用户对构成的社交数据的响应并且自动对目标信道或用户、或对两者做出改变。在示例中，做出改变的决策基于成功传输或不成功传输(被用户接收)。
主动式发送器模块105被配置成用于为未来或后续构成的社交数据传输过滤掉某个或某些数据通信信道和用户。
主动式发送器模块105被配置成用于取决于主动式发送器模块接收的分析响应来将之前发送的构成的社交数据的传输重复N次。在这个情景下，N的值可以用分析方式来确定。
主动式发送器模块105被配置成用于以分析方式确定每次传输活动之间的持续时间。
主动式发送器模块105被配置成用于将来自主动式构成器模块104的元数据应用于构成的社交数据的传输，以便提供进一步的商业信息强化。元数据包括但不限于地理数据、时态数据、商业驱动特征、唯一活动ID、关键字、主题标签或等效物、分析驱动特征等。
主动式发送器模块105被配置成用于例如通过使用多个主动式发送器模块105来缩放大小。换言之，尽管图中展示了一个模块105，但同一模块可以具有多个实例以适应大规模数据传输。
主动式发送器模块及预测
在一个实施例中，主动式发送器模块105被配置成用于预测被传输至具体数据通信信道和/或用户的社交数据消息的成功。也就是，主动式发送器模块105可以被配置成用于存储关于之前的成功的反馈(例如，基于消息的用户反馈、转帖、转推、或重新发送)并且使用机器学习技术(例如，蒙特卡罗模拟法)预测消息成功的可能性。主动式发送器模块105可以配备预定义的阈值或规则(例如，存储在存储器309中)，该阈值或规则定义消息的成功(例如，阅读或查看消息的时间量、消息转发的数量等)。在一个示例中，主动式发送器模块105通过预测社交数据消息是否可能散布到额外的数据通信信道或散布到额外的用户或地理区域来预测社交数据消息的结果。相应地，主动式发送器模块105被配置成用于处理计算的预测结果(例如，处理器307)并确定对社交媒体数据的进一步的修正项或修改项(例如，内容、传送定时、消息传送频率、消息目的地、通信信道、语言、和/或当地行话)以改善社交数据消息的结果(例如，成功的反馈的可能性)。主动式发送器模块105可以被配置成用于与其他模块(例如，103、104和106)通信以便根据主动式发送器模块105的预测操作所描述的参数重新配置社交媒体数据。如之前描述的，社交数据对象是文本、视频、图片或照片、图形、音频数据中的任一者或其组合。如之前定义的，主动式发送器模块105还可以合并第三方像素、发射器、跟踪符等以提供第三方验证：消息被消费者看到或点击。可替代地，合成器模块106可以合并来自第三方跟踪的反馈，并且使用者这个第三方反馈来偏置和/或调整主动式发送器模块105(和文本中所描述的相应传输参数)，并且基于使用第三方传输遥测最终调整看到所传输的消息的地点、时间、人物等。
第三方数据可以单独或与本文中描述的预测模块相组合使用以帮助预测用户传输目标和/或目的地。
社交分析合成器模块
社交分析合成器模块106被配置成用于执行机器学习、分析、和根据商业驱动规则做出决策。社交分析合成器模块106确定的结果和推荐以智能方式与主动式接收器模块103、主动式构成器模块104、主动式发送器模块105中任一者或多者、或可以与系统102整合的任何其他模块整合。这个模块106可以被放置或定位在多个地理地点，从而方便在其他模块之前实时通信。这种安排或其他安排可以用于以大数据规模提供低延迟收听、社交内容创建和内容传输。
社交分析合成器模块106还被配置成用于识别唯一整体模式、相关性、和深刻见解。在示例实施例中，模块106能够通过分析来自至少两个模块(例如，模块103、104和105中的任意两个或更多模块)的所有数据来识别模式或深刻见解，这些模式或深刻见解没有以其他方式通过单独分析来自每个模块104、104和105的数据来确定。在示例实施例中，反馈或调整命令由社交分析合成器模块106实时提供给其他模块。随着时间过去和随着多次迭代，模块103、104、105和106中的每个模块在连续社交通信和在其自己各自的操作上变得有效和高效。
转到图12，展示了社交分析合成器模块106的示例部件。示例部件包括来自主动式接收器模块1201的数据副本、来自主动式构成器模块1202的数据副本、和来自主动式发送器模块1203的数据副本。这些数据副本包括每个模块获取输入数据、中间数据、每个模块的输出数据、每个使用的算法和计算、每个模块使用的参数等。优选地，尽管不一定，但这些数据存储器1201、1202和1203经常被更新。在示例实施例中，随着来自其他模块103、104、105的新数据变得可用，社交分析合成器模块106实时获取来自这些其他模块103、104、105的数据。
继续图12，示例部件还包括来自第三方系统的数据存储器1204、分析模块1205、机器学习模块1206和调整模块1207。分析模块1205和机器学习模块1206使用当前已知或未来了解的计算算法处理数据1201、1202、1203、1204，从而做出决策和改进所有模块(103、104、105和106)之间的过程。
分析模块1205可以与机器学习模块1206通信并且使用各种方法分析从模块103、104和105接收的社交数据和其他相关联的数据。进行分析以确定从每个模块独立提供的数据内的关系、相关性、相似性和逆相关并且将来自模块103、104和105中的每一个模块的数据与模块103、104和105中剩余的其他模块交叉关联。可以用于确定数据之间的关系的算法的非限制性示例包括人工神经网络、最近邻、贝叶斯统计、决策树、回归分析、模糊逻辑、K-均值算法、聚类、模糊聚类、蒙特卡罗法、学习自动机、即时差异学习、先验算法、ANOVA法、贝叶斯网络、和隐马尔可夫模型。更普遍地，还可以使用当前已知和未来认识的分析方法识别从模块103、104和105获取的社交数据(以及之前来自合成器模块106的数据)之间的关系、相关性、相似性和逆相关。如之前定义的，主动式发送器模块105还可以合并第三方像素、发射器、跟踪符等以提供第三方验证：消息被消费者看到或点击。可替代地，合成器模块106可以合并来自第三方跟踪的反馈，并且使用者这个第三方反馈来偏置和/或调整主动式发送器模块105(和文本中所描述的相应传输参数)，并且基于使用第三方传输遥测最终调整看到所传输的消息的地点、时间、人物等。
第三方数据可以单独或与本文中描述的预测模块相组合使用以帮助预测用户传输目标和/或目的地。
调整模块1207基于来自分析模块和机器学习，模块的结果生成调整命令。然后，将这些调整命令发送至相应的模块(例如，模块103、104、105和106中的任一者或多者)。
在示例实施例中，来自第三方系统的数据1204可以来自另一个社交网络，如LinkedIn、Facebook、推特等。
以下展示了社交分析合成器模块106的其他示例方面。
社交分析合成器模块106被配置成用于将来自一个或多个子系统和模块(包括但不限于主动式接收器模块103、主动式构成器模块104、和主动式发送器模块105)的数据实时整合。外部或第三方系统可以与模块106整合。
社交分析合成器模块106被配置成用于将机器学习和分析应用于所获取数据以搜索“整体”数据模式、相关性和深刻见解。
社交分析合成器模块106被配置成用于实时反馈通过分析和机器学习方法(例如，分析模块1205和/或机器学习模块1206)确定的模式、相关性和深刻见解。该反馈被引导至模块103、104、105和106，并且这个整合的反馈环路随着时间改进了每个模块和整个系统102的智能。在又另一方面，合成器模块106被配置成用于基于后续社交媒体数据与从其中确定模式、相关性和/或深刻见解的之前的社交媒体数据相似的标准在传输至终端用户之前直接变更系统102生成的后续社交媒体数据。
社交分析合成器模块106被配置成用于缩放这类模块的数量。换言之，尽管这些图展示了一个模块106，但这类模块106有多个实例以改进反馈的有效性和响应时间。
社交分析合成器模块106被配置成用于进行自动(没有任何用户输入)、和/或半自动(用于定义触发社交数据检索和/或触发系统102的操作的调整的商业规则和/或标准的用户输入)操作。
转到图13，提供了示例计算机或处理器实施指令用于根据模块106分析数据并且基于该分析提供调整命令。在框1301，社交分析合成器模块从主动式接收器模块、主动式构成器模块和主动式发送器模块获取并存储数据。分析和机器学习应用于该数据(框1302)。社交分析合成器确定有待对主动式接收器模块、主动式构成器模块、和主动式发送器模块中的任何模块中使用的算法或方法进行的调整(框1303)。然后，将这些调整、调整命令发送到相应的模块或多个相应的模块(框1304)。
确定新消息的传输目的地
尽管以上实施例讨论了主动式发送器模块105改变后续社交数据的传输参数。一方面，反馈响应1018和/或跟踪符响应1016被转发至合成器模块106以便基于反馈响应1018和/或跟踪符响应1016来定义针对新社交媒体数据消息的调整项。此外，合成器模块106被配置成用于利用先验知识、之前学习的模式和预定义的规则(例如，存储在存储器312或存储器309上的)。例如，确定的模式可以揭示具体话题的一个或多个影响者。相应地，合成器模块106被配置成用于定义对源模块103、104和105的操作的调整项以根据所揭示的影响者的格式化偏好(例如，语言)、内容和/或目的地(例如，经由主动式发送器模块105)定制同一话题的后续社交媒体数据。
以下描述了这些系统和方法的一般示例实施例。
总体是，由计算设备执行的用于传递社交数据的方法包括：获取社交数据；从所述社交数据中衍生出至少两个概念；确定所述至少两个概念之间的关系；使用所述关系构成新社交数据对象；传输所述新社交数据对象；获取与所述新社交数据对象相关联的用户反馈；并且使用所述用户反馈计算调整命令，其中，执行所述调整命令对所述方法中使用的参数进行调整。
在所述方法的一方面，主动式接收器模块被配置成用于至少获取所述社交数据、从所述社交数据衍生出至少两个概念、并且确定所述至少两个概念自己的关系；主动式构成器模块被配置成用于使用所述关系至少构成所述新社交数据对象；主动式发送器模块被配置成用于至少传输所述新社交数据对象；并且其中所述主动式接收器模块、所述主动式构成器模块和所述主动式发送器模块彼此通信。
在所述方法的一方面，所述主动式接收器模块、所述主动式构成器模块和所述主动式发送器模块中的每一者与社交分析合成器模块通信，并且所述方法进一步包括所述社交分析合成器模块向所述主动式接收器模块、所述主动式构成器模块和所述主动式发送器模块中的至少一者发送所述调整命令。
在所述方法的一方面，所述方法进一步包括执行所述调整命令和重复所述方法。
在所述方法的一方面，获取所述社交数据包括所述计算设备与多个社交数据流实时通信。
在所述方法的一方面，确定所述关系包括使用机器学习算法或模式识别算法、或使用两者。
在所述方法的一方面，组合成所述新社交数据对象包括使用自然语言生成。
在所述方法的一方面，所述方法进一步包括确定通过其传输所述新社交数据对象的社交通信信道并且通过所述社交通信信道传输所述新社交数据对象，其中，所述社交通信信道是使用所述至少两个概念中的至少一个概念确定的。
在所述方法的一方面，所述方法进一步包括确定传输所述新社交数据对象所在的时间、并且在那时传输所述新社交数据对象，其中，所述时间是使用所述至少两个概念中的至少一个概念确定的。
在所述方法的一方面，所述方法进一步包括在传输所述新社交数据对象之前向所述新社交数据对象添加数据跟踪符，其中，所述数据跟踪符方便收集所述用户反馈
在所述方法的一方面，所述新社交数据对象是文本、视频、图形、音频数据、或以上的组合中的任一者。
总体上，提供一种由计算设备执行的用于传递社交数据的方法，所述方法包括：从一个或多个来源获取所述社交数据；构成从该社交数据衍生出来的新社交数据对象；传输所述新社交数据对象；获取与所述新社交数据对象相关联的至少一个反馈，使用所述反馈计算调整命令；其中，执行所述调整命令取决于所述反馈来对以下步骤中的至少一个步骤进行调整：后续社交数据对象的获取、构成、和传输。
一方面，主动式接收器模块被配置成用于至少获取所述社交数据；主动式构成器模块被配置成用于至少构成所述新社交数据对象；主动式发送器模块被配置成用于至少传输所述新社交数据对象；并且其中，所述主动式接收器模块、所述主动式构成器模块和所述主动式发送器模块与用于计算所述调整的社交分析合成器模块通信。
另一方面，每个反馈根据预定义规则被加权，并且较高的权重与较高的调整程度相关联。
另一方面，计算调整进一步包括分析所述至少一个反馈以基于与来自所述主动式接收器模块、所述主动式构成器模块、和所述主动式发送器模块中的每一者的数据相关联的反馈确定模式，所述模式用于在后续生成对所述获取、构成和传输后续社交数据对象的至少一个相应步骤的调整时使用。
另一方面，针对所述获取所述至少一个反馈的步骤计算调整进一步包括使用所述模式来从所述社交数据中衍生出至少两个概念；确定所述至少两个概念之间的关系；并且使用所述关系构成所述新社交数据。
另一方面，所述社交数据包括社交数据对象，并且所述新社交数据对象包括所述社交数据对象。
另一方面，所述方法进一步包括所述社交分析合成器模块发送所述调整命令至所述主动式接收器模块、所述主动式构成器模块和所述主动式发送器模块中的至少一者。
另一方面，所述方法进一步包括执行所述调整命令和重复所述方法。
另一方面，获取所述社交数据包括所述计算设备与多个社交数据流实时通信。
另一方面，确定模式包括以下各项中的至少一项：基于与所述社交数据相关联的先前积极反馈的机器学习算法和模式识别算法。
另一方面，基于所述模式的所述调整进一步调整通过其传输所述新社交数据对象的社交通信通道，并且所述方法包括通过所述社交通信通道传输所述新社交数据对象。
另一方面，进一步包括确定传输所述新社交数据对象的时间、并且在那时传输所述新社交数据对象，其中，所述时间是使用从所述反馈检测到的模式来确定的。
另一方面，所述社交通信通道是基于在所述反馈的基础上确定所述新社交数据的先前通信的转折点来确定的，所述转折点指示组播所述新社交数据的用户，所述调整包括引起后续社交数据传输传输到所述转折点。
另一方面，所述方法进一步包括将所述新社交数据对象传输至至少一个目的地，其中，所述至少一个反馈指示所述新社交数据的传输路径，所述传输路径指示所述新社交数据重新传输至与所述至少一个目的地不同的替代目的地，并且计算所述调整包括取决于所述替代目的地调整后续社交数据对象的后续目的地。
另一方面，所述调整进一步包括取决于所述替代目的地重新构成后续社交数据对象。
将认识到，本文中所描述的系统和方法的示例实施例的不同特征可以用不同的方式相互组合。换言之，尽管没有具体阐明，但根据其他示例实施例，不同的模块、操作和部件可以一起使用。
本文中描述的所流程图中的步骤或操作仅是示例。在不脱离本发明或这些发明的精神的情况下，这些步骤或操作可以有许多变化。例如，这些步骤可以按不同的顺序进行，或者可以添加、删除或修改步骤。
尽管已经参照某些特定实施例对以上内容进行了描述，但在不脱离所附权利要求书的范围的情况下，其各种修改对于本领域的技术人员而言将是明显的。

Claims (17)

1.一种由计算设备执行的、用于传递社交数据的方法，所述方法包括：
接收构成的社交数据对象；
将至少一个跟踪符对象整合在所述社交数据对象内；
将包括所述跟踪符对象的所述社交数据对象传输至至少一个目的地目标；
从所述跟踪符对象获取指示目标反馈的响应，其中，所述目标反馈指示以下各项中的至少一项：所述社交数据对象至附加目的地目标的后续传输、和来自所述至少一个目的地目标与所述附加目的地目标中的至少一者的反馈参数。
2.如权利要求1所述的方法，进一步包括使用所述目标反馈计算调整命令，其中，执行所述调整命令对在传输所述社交数据对象时使用的参数进行调整。
3.如权利要求1所述的方法，进一步包括使用所述目标反馈计算调整命令，所述目标反馈包括在接收所述社交数据对象的目标目的地处的用户反馈，其中，执行所述调整命令对在构成所述社交数据对象时使用的参数进行调整。
4.如权利要求1所述的方法，其中，主动式构成器模块被配置成用于至少构成所述新社交数据对象；主动式发送器模块被配置成用于至少传输所述新社交数据对象；并且其中，所述主动式构成器模块和所述主动式发送器模块与彼此通信。
5.如权利要求4所述的方法，其中，所述主动式构成器模块和所述主动式发送器模块与社交分析合成器模块通信，并且所述方法进一步包括所述社交分析合成器模块向所述主动式构成器模块和所述主动式发送器模块中的至少一者发送所述调整命令。
6.如权利要求2所述的方法，进一步包括执行所述调整命令并且重复所述方法以监视附加目标反馈。
7.如权利要求1所述的方法，进一步包括基于先前的目标反馈从传输所述社交数据对象预测目标反馈并且基于所述预测和定义积极反馈的至少一个预定义阈值来调整与所述社交数据对象相关联的传输参数。
8.如权利要求7所述的方法，其中，预测包括使用机器学习算法或模式识别算法。
9.如权利要求1所述的方法，其中，所述调整的参数进一步包括确定通过其传输所述新社交数据对象的社交通信信道、并且通过所述社交通信信道传输所述社交数据对象，其中，所述社交通信信道是使用所述响应来确定的。
10.如权利要求1所述的方法，其中，所述调整的参数进一步包括确定传输所述社交数据对象的时间、并且在那时传输所述新社交数据对象，其中，所述时间是使用从所述响应来确定的。
11.如权利要求1所述的方法，其中，所述社交数据对象是文本、视频、图片、照片、图形、音频数据中的任一者或组合。
12.如权利要求1所述的方法，其中，每个所述跟踪符对象被配置成用于传输来自每个所述目的地目标和每个所述附加目的地目标的响应，所述响应指示目标反馈。
13.如权利要求1或12所述的方法，其中，所述目标反馈包括以下各项中的至少一项：所述社交数据对象的接收时间；所述社交数据对象的读接收；将所述社交数据对象转发至所述附加目的地目标的指示；所述社交数据对象的读时间的指示；将所述社交数据对象发帖至附加通信信道的指示；以及所述社交数据对象的传播路径的指示。
14.如权利要求1所述的方法，其中，每个所述跟踪符对象是从由以下各项组成的组中选择的：发射器、信息记录程序、像素、和网络臭虫。
15.如权利要求1或7所述的方法，其中，所述目标反馈包括以下各项中的至少一项：用于后续在调整与所述社交数据对象的传输和构成中的至少一者相关联的参数进行调整时使用的用户反馈和第三方反馈。
16.如权利要求15所述的方法，其中，所述目标反馈进一步与先前的目标反馈互相关以定义与所述社交数据对象的传输参数的调整项。
17.一种非瞬态计算机可读介质，包括存储在存储器上的计算机可读指令，所述计算机可读指令当被一个或多个处理器执行时被配置成用于：
接收构成的社交数据对象；
将至少一个跟踪符对象整合在所述社交数据对象内；
将包括所述跟踪符对象的所述社交数据对象传输至至少一个目的地目标；
在至少一个社交通信数据通道内跟踪所述跟踪符对象；
从所述跟踪符对象获取指示目标反馈的响应，其中，所述目标反馈指示以下各项中的至少一项：所述社交数据对象至附加目的地目标的后续传输、和来自所述至少一个目的地目标与所述附加目的地目标中的至少一者的反馈参数；
分析所述反馈和所述反馈参数从而来确定所述社交通信数据通道内的相对于至少一个积极反馈的预定义阈值的所述社交数据对象的积极反馈；
使来自所述目的地目标中的每一个目的地目标的每个积极反馈相关以调整所述社交数据对象的后续传输。
CN201480063446.7A 2013-09-19 2014-09-16 用于分析传输社交通信数据的系统和方法 Pending CN105794154A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361880027P 2013-09-19 2013-09-19
US61/880,027 2013-09-19
PCT/CA2014/050882 WO2015039235A1 (en) 2013-09-19 2014-09-16 System and method for analyzing and transmitting social communication data

Publications (1)

Publication Number Publication Date
CN105794154A true CN105794154A (zh) 2016-07-20

Family

ID=52668971

Family Applications (5)

Application Number Title Priority Date Filing Date
CN201480063429.3A Pending CN106062730A (zh) 2013-09-19 2014-06-09 用于主动构成内容以便在连续社交通信中使用的系统和方法
CN201480063432.5A Withdrawn CN106104512A (zh) 2013-09-19 2014-07-03 用于主动获取社交数据的系统和方法
CN201480063445.2A Withdrawn CN106105096A (zh) 2013-09-19 2014-09-15 用于连续社交通信的系统和方法
CN201480063446.7A Pending CN105794154A (zh) 2013-09-19 2014-09-16 用于分析传输社交通信数据的系统和方法
CN201480063848.7A Withdrawn CN106105107A (zh) 2013-09-19 2014-09-16 用于分析和合成社交通信数据的系统和方法

Family Applications Before (3)

Application Number Title Priority Date Filing Date
CN201480063429.3A Pending CN106062730A (zh) 2013-09-19 2014-06-09 用于主动构成内容以便在连续社交通信中使用的系统和方法
CN201480063432.5A Withdrawn CN106104512A (zh) 2013-09-19 2014-07-03 用于主动获取社交数据的系统和方法
CN201480063445.2A Withdrawn CN106105096A (zh) 2013-09-19 2014-09-15 用于连续社交通信的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201480063848.7A Withdrawn CN106105107A (zh) 2013-09-19 2014-09-16 用于分析和合成社交通信数据的系统和方法

Country Status (6)

Country Link
US (5) US20150081696A1 (zh)
EP (5) EP3047390A1 (zh)
KR (5) KR20160055930A (zh)
CN (5) CN106062730A (zh)
CA (4) CA2924375A1 (zh)
WO (5) WO2015039222A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108959299A (zh) * 2017-05-19 2018-12-07 微软技术许可有限责任公司 对象描述
CN115334024A (zh) * 2022-08-01 2022-11-11 鼎捷软件股份有限公司 即时响应系统以及即时响应方法

Families Citing this family (108)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11361014B2 (en) 2005-10-26 2022-06-14 Cortica Ltd. System and method for completing a user profile
US11216498B2 (en) 2005-10-26 2022-01-04 Cortica, Ltd. System and method for generating signatures to three-dimensional multimedia data elements
US9524751B2 (en) 2012-05-01 2016-12-20 Wochit, Inc. Semi-automatic generation of multimedia content
US9547682B2 (en) * 2012-08-22 2017-01-17 Bitvore Corp. Enterprise data processing
US9704486B2 (en) * 2012-12-11 2017-07-11 Amazon Technologies, Inc. Speech recognition power management
EP2994873A4 (en) 2013-05-10 2017-02-15 Uberfan LLC Event-related media management system
US9727752B2 (en) * 2013-09-25 2017-08-08 Kairos Social Solutions, Inc. Device, system, and method of identifying a specific user from a profile image containing multiple people
US9450771B2 (en) * 2013-11-20 2016-09-20 Blab, Inc. Determining information inter-relationships from distributed group discussions
US9553904B2 (en) * 2014-03-16 2017-01-24 Wochit, Inc. Automatic pre-processing of moderation tasks for moderator-assisted generation of video clips
KR20150129963A (ko) * 2014-05-12 2015-11-23 한국전자통신연구원 위치 타입 인식 장치 및 방법
US9959364B2 (en) * 2014-05-22 2018-05-01 Oath Inc. Content recommendations
US9846687B2 (en) 2014-07-28 2017-12-19 Adp, Llc Word cloud candidate management system
US9848311B1 (en) * 2014-08-01 2017-12-19 Catalyst Communications Technologies System and method for managing communications
US10394898B1 (en) * 2014-09-15 2019-08-27 The Mathworks, Inc. Methods and systems for analyzing discrete-valued datasets
CN106156030A (zh) * 2014-09-18 2016-11-23 华为技术有限公司 社交网络中预测信息传播的方法及设备
US10095797B2 (en) * 2014-10-03 2018-10-09 Salesforce.Com, Inc. Suggesting actions for evaluating user performance in an enterprise social network
US10255358B2 (en) 2014-12-30 2019-04-09 Facebook, Inc. Systems and methods for clustering items associated with interactions
US9893952B2 (en) * 2015-01-09 2018-02-13 Microsoft Technology Licensing, Llc Dynamic telemetry message profiling and adjustment
US9659219B2 (en) 2015-02-18 2017-05-23 Wochit Inc. Computer-aided video production triggered by media availability
US20160269341A1 (en) * 2015-03-11 2016-09-15 Microsoft Technology Licensing, Llc Distribution of endorsement indications in communication environments
US9838347B2 (en) 2015-03-11 2017-12-05 Microsoft Technology Licensing, Llc Tags in communication environments
US20180054413A1 (en) * 2015-03-27 2018-02-22 Ent. Services Development Corporation Lp Communication association model
US10564805B2 (en) * 2015-03-30 2020-02-18 Oath Inc. Determining content sessions using content-consumption events
US10503836B2 (en) 2015-04-13 2019-12-10 Equivalentor Oy Method for generating natural language communication
US9881094B2 (en) * 2015-05-05 2018-01-30 Snap Inc. Systems and methods for automated local story generation and curation
US10447622B2 (en) 2015-05-07 2019-10-15 At&T Intellectual Property I, L.P. Identifying trending issues in organizational messaging
US10672029B2 (en) * 2015-05-22 2020-06-02 Facebook, Inc. Clustering users of a social networking system based on user interactions with content items associated with a topic
JP6511971B2 (ja) * 2015-06-05 2019-05-15 富士ゼロックス株式会社 情報処理装置及びプログラム
US10147107B2 (en) * 2015-06-26 2018-12-04 Microsoft Technology Licensing, Llc Social sketches
US20170024455A1 (en) * 2015-07-24 2017-01-26 Facebook, Inc. Expanding mutually exclusive clusters of users of an online system clustered based on a specified dimension
US10985993B2 (en) * 2015-09-16 2021-04-20 Adobe Inc. Identifying audiences that contribute to metric anomalies
US10169733B2 (en) * 2015-10-28 2019-01-01 International Business Machines Corporation Utilizing social performance patterns to manage and evaluate performance of user
US10079911B2 (en) * 2015-12-04 2018-09-18 International Business Machines Corporation Content analysis based selection of user communities or groups of users
US20170161364A1 (en) * 2015-12-07 2017-06-08 International Business Machines Corporation Generating messages using keywords
KR101712291B1 (ko) 2015-12-14 2017-03-13 강원대학교산학협력단 오피니언 마이닝을 기반으로 한 사용자 맞춤형 명소 정보 추천 시스템 및 구동 방법
US11195043B2 (en) 2015-12-15 2021-12-07 Cortica, Ltd. System and method for determining common patterns in multimedia content elements based on key points
US10776885B2 (en) 2016-02-12 2020-09-15 Fujitsu Limited Mutually reinforcing ranking of social media accounts and contents
WO2017193136A1 (en) * 2016-05-06 2017-11-09 Leapmind Inc. Method and system for providing weighted evaluation
US20170337747A1 (en) * 2016-05-20 2017-11-23 Patrick M. HULL Systems and methods for using an avatar to market a product
US10943250B2 (en) * 2016-06-17 2021-03-09 International Business Machines Corporation Technology for user engagement
EP3475770A4 (en) * 2016-06-23 2019-12-04 Telefonaktiebolaget LM Ericsson (publ) METHOD AND SYSTEM FOR CONTROLLING THE SUPPLY OF A COMMUNICATION NETWORK FOR CONTROLLING THE SUPPLY OF SERVICES FROM A SUPPLY NETWORK TO COMMUNICATION DEVICES
US10015182B1 (en) * 2016-06-30 2018-07-03 Symantec Corporation Systems and methods for protecting computing resources
US10749833B2 (en) * 2016-07-07 2020-08-18 Ringcentral, Inc. Messaging system having send-recommendation functionality
KR101917501B1 (ko) * 2016-08-12 2018-11-09 명지대학교 산학협력단 시그니처 트리를 이용한 시퀀셜 데이터 클러스터링 방법 및 시스템
US10187344B2 (en) * 2016-10-03 2019-01-22 HYP3R Inc Social media influence of geographic locations
CN106780055B (zh) * 2016-11-28 2020-05-22 西安电子科技大学 基于msvl社交网络用户关系强度的概率大小验证方法
CN106776897B (zh) * 2016-11-29 2020-04-03 中国农业银行股份有限公司 一种用户画像标签确定方法及装置
US11205103B2 (en) 2016-12-09 2021-12-21 The Research Foundation for the State University Semisupervised autoencoder for sentiment analysis
US11580350B2 (en) * 2016-12-21 2023-02-14 Microsoft Technology Licensing, Llc Systems and methods for an emotionally intelligent chat bot
CN106952267B (zh) * 2017-02-17 2020-04-21 北京航空航天大学 三维模型集共分割方法及装置
CN107180075A (zh) * 2017-04-17 2017-09-19 浙江工商大学 文本分类集成层次聚类分析的标签自动生成方法
US10795836B2 (en) 2017-04-17 2020-10-06 Microsoft Technology Licensing, Llc Data processing performance enhancement for neural networks using a virtualized data iterator
JP6794921B2 (ja) * 2017-05-01 2020-12-02 トヨタ自動車株式会社 興味判定装置、興味判定方法、及びプログラム
US11481454B2 (en) * 2017-06-02 2022-10-25 Microsoft Technology Licensing, Llc Search engine results for low-frequency queries
US10534798B2 (en) * 2017-06-13 2020-01-14 Oracle International Corporation Computer system and method to update data aggregation configurations and control data aggregation
US11429833B2 (en) * 2017-06-19 2022-08-30 Kyndryl, Inc. Cognitive communication assistant services
CN107509229B (zh) * 2017-08-03 2019-10-18 华南理工大学 一种基于车辆节点中心性计算的车联网机会路由方法
US10853429B2 (en) * 2017-09-20 2020-12-01 Fujitsu Limited Identifying domain-specific accounts
CN107729438B (zh) * 2017-09-29 2021-05-04 成都第四城文化传播有限责任公司 一种用户行为数据建立及分析方法
TWI678932B (zh) * 2017-12-07 2019-12-01 宏碁股份有限公司 揚聲器模組
CN108287875B (zh) * 2017-12-29 2021-10-26 东软集团股份有限公司 人物共现关系确定方法、专家推荐方法、装置及设备
US10558759B1 (en) * 2018-01-04 2020-02-11 Facebook, Inc. Consumer insights analysis using word embeddings
US10848927B2 (en) * 2018-01-04 2020-11-24 International Business Machines Corporation Connected interest group formation
US10509863B1 (en) * 2018-01-04 2019-12-17 Facebook, Inc. Consumer insights analysis using word embeddings
US10685183B1 (en) * 2018-01-04 2020-06-16 Facebook, Inc. Consumer insights analysis using word embeddings
US10803248B1 (en) * 2018-01-04 2020-10-13 Facebook, Inc. Consumer insights analysis using word embeddings
CN108170278A (zh) * 2018-01-09 2018-06-15 三星电子（中国）研发中心 沟通辅助方法及装置
US11243669B2 (en) * 2018-02-27 2022-02-08 Verizon Media Inc. Transmitting response content items
KR101854912B1 (ko) * 2018-03-07 2018-05-04 주식회사 텐디 어플리케이션들 사이의 연관도 분석 방법 및 어플리케이션들 사이의 연관도 분석 장치
US11386506B2 (en) * 2018-04-09 2022-07-12 Massachusetts Institute Of Technology System and technique for influence estimation on social media networks using causal inference
US11106979B2 (en) * 2018-06-28 2021-08-31 Microsoft Technology Licensing, Llc Unsupervised learning of entity representations using graphs
US11252537B2 (en) 2018-07-30 2022-02-15 Slack Technologies, Llc Method, apparatus, and computer program product for organizational telemetry discovery within a group based communication system
US12058090B2 (en) * 2018-07-30 2024-08-06 Salesforce, Inc. Method, apparatus, and computer program product for organizational telemetry discovery within a group based communication system
US11115228B2 (en) 2018-07-30 2021-09-07 Slack Technologies, Inc. Method, apparatus, and computer program product for individual profile telemetry discovery within a group based communication system
CN109408702B (zh) * 2018-08-29 2021-07-16 昆明理工大学 一种基于稀疏边缘降噪自动编码的混合推荐方法
US11270132B2 (en) 2018-10-26 2022-03-08 Cartica Ai Ltd Vehicle to vehicle communication and signatures
US10748038B1 (en) 2019-03-31 2020-08-18 Cortica Ltd. Efficient calculation of a robust signature of a media unit
US10728104B2 (en) * 2018-11-15 2020-07-28 Adobe Inc. Time-dependent network embedding
US11354373B2 (en) * 2018-12-14 2022-06-07 Sisense Ltd. System and method for efficiently querying data using temporal granularities
US11709686B1 (en) * 2018-12-20 2023-07-25 Snap Inc. Media content item generation for a content sharing platform
US11461794B2 (en) 2019-02-15 2022-10-04 Yandex Europe Ag Method and system for verifying accuracy of information associated with digital item
US11170064B2 (en) * 2019-03-05 2021-11-09 Corinne David Method and system to filter out unwanted content from incoming social media data
US11868414B1 (en) * 2019-03-14 2024-01-09 Snap Inc. Graph-based prediction for contact suggestion in a location sharing system
CN110059725B (zh) * 2019-03-21 2021-07-09 中国科学院计算技术研究所 一种基于搜索关键词的检测恶意搜索系统及方法
IT201900006050A1 (it) * 2019-04-18 2020-10-18 Digital Fastlane Df Gmbh Metodo e sistema per la gestione e l’interscambio di dati
US20200380560A1 (en) * 2019-05-30 2020-12-03 Ncr Corporation Automated digital advertising using behavioral intelligence
US11227101B2 (en) * 2019-07-05 2022-01-18 Open Text Sa Ulc System and method for document translation in a format agnostic document viewer
CN110503296B (zh) * 2019-07-08 2022-05-06 招联消费金融有限公司 测试方法、装置、计算机设备和存储介质
US11483408B2 (en) 2019-07-10 2022-10-25 Adobe Inc. Feature-based network embedding
US11544655B2 (en) 2019-08-06 2023-01-03 International Business Machines Corporation Team effectiveness assessment and enhancement
CN110795660B (zh) * 2019-09-26 2022-10-18 北京大米科技有限公司 数据分析方法、装置、电子设备及介质
CN110737651A (zh) * 2019-09-29 2020-01-31 武汉海昌信息技术有限公司 一种可还原脱敏的数据清洗及交换办法
US11790251B1 (en) * 2019-10-23 2023-10-17 Architecture Technology Corporation Systems and methods for semantically detecting synthetic driven conversations in electronic media messages
CN110851684B (zh) * 2019-11-12 2022-10-04 重庆邮电大学 一种基于三元关联图的社交话题影响力识别方法及装置
CN111125445B (zh) * 2019-12-17 2023-08-15 北京百度网讯科技有限公司 社区主题生成方法、装置、电子设备及存储介质
US11615444B2 (en) * 2020-05-01 2023-03-28 Meta Platforms, Inc. Recommending that an entity in an online system create content describing an item associated with a topic having at least a threshold value of a performance metric and to add a tag describing the item to the content
CN115699063A (zh) * 2020-06-18 2023-02-03 Visa欧洲有限公司 根据交易数据进行的基于网络的亲和力得分计算
CN113761385A (zh) * 2020-08-31 2021-12-07 北京京东尚科信息技术有限公司 信息处理方法及装置
TWI746244B (zh) * 2020-11-03 2021-11-11 國立清華大學 社群網路中複數個目標節點之挑選方法及其系統
WO2022104409A1 (en) * 2020-11-19 2022-05-27 BigTinCan Mobile Pty Ltd Content publisher recommender
US20220167034A1 (en) * 2020-11-20 2022-05-26 Xandr Inc. Device topological signatures for identifying and classifying mobile device users based on mobile browsing patterns
CN112348689A (zh) * 2020-11-24 2021-02-09 深兰科技（上海）有限公司 用于社交服务的人脸识别方法和系统
US20220198510A1 (en) * 2020-12-18 2022-06-23 Maarten Bos Timing advertising to user receptivity
US11966709B2 (en) * 2021-04-16 2024-04-23 Bank Of America Corporation Apparatus and methods to contextually decipher and analyze hidden meaning in communications
US20230046696A1 (en) * 2021-08-10 2023-02-16 Shusheng Fang Method and system for provisioning realtime social community based on location service
CN115344562B (zh) * 2022-08-10 2024-09-06 中国电信股份有限公司 大数据挖掘方法及装置、存储介质及电子设备
US20240144298A1 (en) * 2022-11-02 2024-05-02 Validity, Inc. Visible mark for tracking in electronic communications
FR3145048A1 (fr) * 2023-01-18 2024-07-19 Airbus Cybersecurity Sas Systeme et procede de generation automatique de contenus

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100030647A1 (en) * 2008-07-31 2010-02-04 Yahoo! Inc. Advertisement selection for internet search and content pages
US20100088152A1 (en) * 2008-10-02 2010-04-08 Dominic Bennett Predicting user response to advertisements
US20100299434A1 (en) * 2004-04-02 2010-11-25 Webtrends, Inc. Systems and methods for tracking web activity
US20130110638A1 (en) * 2011-10-27 2013-05-02 Yahoo! Inc. Advertising campaigns utilizing streaming analytics
US20130124281A1 (en) * 2011-05-13 2013-05-16 Closely, Inc. System and method for customer incentive development and distribution

Family Cites Families (45)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8554775B2 (en) * 1999-04-13 2013-10-08 Semmx, Inc. Orthogonal corpus index for ad buying and search engine optimization
WO2001046821A1 (en) * 1999-12-21 2001-06-28 Yanon Volcani System and method for determining and controlling the impact of text
US20020004825A1 (en) * 2000-06-13 2002-01-10 Lindberg Gregrey E. Methods and apparatus for distributing content teaser click-through traffic to web sites containing full content
US7197460B1 (en) * 2002-04-23 2007-03-27 At&T Corp. System for handling frequently asked questions in a natural language dialog service
WO2007048432A1 (en) * 2005-10-28 2007-05-03 Telecom Italia S.P.A. Method of providing selected content items to a user
US8402094B2 (en) * 2006-08-11 2013-03-19 Facebook, Inc. Providing a newsfeed based on user affinity for entities and monitored actions in a social network environment
US8396741B2 (en) * 2006-02-22 2013-03-12 24/7 Customer, Inc. Mining interactions to manage customer experience throughout a customer service lifecycle
WO2007101263A2 (en) * 2006-02-28 2007-09-07 Buzzlogic, Inc. Social analytics system and method for analyzing conversations in social media
US8438062B2 (en) * 2006-12-29 2013-05-07 Google Inc. Network node ad targeting
US8224298B2 (en) * 2007-02-05 2012-07-17 Boadin Technology, LLC Systems and methods for mobile media services utilizing a short form command structure
US20080281687A1 (en) * 2007-05-08 2008-11-13 Motorola, Inc. Method for determining user interest in products and services for targeted advertising
US20090204243A1 (en) * 2008-01-09 2009-08-13 8 Figure, Llc Method and apparatus for creating customized text-to-speech podcasts and videos incorporating associated media
US20090198593A1 (en) * 2008-01-31 2009-08-06 Siemens Enterprise Communications Gmbh Co.Kg Method and apparatus for comparing entities
US9064021B2 (en) * 2008-10-02 2015-06-23 Liveramp, Inc. Data source attribution system
US20110112821A1 (en) * 2009-11-11 2011-05-12 Andrea Basso Method and apparatus for multimodal content translation
US20110125793A1 (en) * 2009-11-20 2011-05-26 Avaya Inc. Method for determining response channel for a contact center from historic social media postings
US8495105B2 (en) * 2009-12-22 2013-07-23 International Business Machines Corporation Consolidating input messages for social activity summarization
US20110153377A1 (en) * 2009-12-23 2011-06-23 Victor Novikov Mixing and Targeting Content Types/Items for Users to Promote Optimization Goals
US20110153423A1 (en) * 2010-06-21 2011-06-23 Jon Elvekrog Method and system for creating user based summaries for content distribution
US20120150598A1 (en) * 2010-09-02 2012-06-14 Alfred William Griggs Social retail referral control apparatuses, methods and systems
US8607295B2 (en) * 2011-07-06 2013-12-10 Symphony Advanced Media Media content synchronized advertising platform methods
US20120166532A1 (en) * 2010-12-23 2012-06-28 Yun-Fang Juan Contextually Relevant Affinity Prediction in a Social Networking System
WO2012092669A1 (en) * 2011-01-07 2012-07-12 Primal Fusion Inc. Systems and methods for analyzing and synthesizing complex knowledge representations
US20120210383A1 (en) * 2011-02-11 2012-08-16 Sayers Craig P Presenting streaming media for an event
US20130006758A1 (en) * 2011-06-28 2013-01-03 John Hegeman User feedback-based selection of online advertisements using normalized cost modifiers
US9846916B2 (en) * 2011-07-10 2017-12-19 Facebook, Inc. Clustering a user's connections in a social networking system
US8954449B2 (en) * 2011-07-12 2015-02-10 Salesforce.Com, Inc. Method and system for determining a user's brand influence
US8327012B1 (en) * 2011-09-21 2012-12-04 Color Labs, Inc Content sharing via multiple content distribution servers
US9111317B2 (en) * 2011-12-21 2015-08-18 Facebook, Inc. Tagging posted content in a social networking system with media information
US8645485B1 (en) * 2012-01-30 2014-02-04 Google Inc. Social based aggregation of related media content
WO2013119452A1 (en) * 2012-02-08 2013-08-15 Treiser Adam Tools and methods for determining relationship values
US9514226B2 (en) * 2012-04-30 2016-12-06 Bogdan Sandulescu Methods and systems useful for identifying the most influent social media users in query-based social data streams
US20130311409A1 (en) * 2012-05-18 2013-11-21 Veetle, Inc. Web-Based Education System
US9299059B1 (en) * 2012-06-07 2016-03-29 Google Inc. Generating a summary of social media content
US9519639B2 (en) * 2012-06-08 2016-12-13 Facebook, Inc. Community translation of user-generated content
US10165067B2 (en) * 2012-06-29 2018-12-25 Nuvi, Llc Systems and methods for visualization of electronic social network content
WO2014027237A1 (en) * 2012-08-12 2014-02-20 Bablic Ltd. Systems and methods for web localization
US8825764B2 (en) * 2012-09-10 2014-09-02 Facebook, Inc. Determining user personality characteristics from social networking system communications and characteristics
US20140122222A1 (en) * 2012-10-30 2014-05-01 Google Inc. Customizing online content for a user
US8639767B1 (en) * 2012-12-07 2014-01-28 Geofeedr, Inc. System and method for generating and managing geofeed-based alerts
US9633018B2 (en) * 2013-01-14 2017-04-25 Microsoft Technology Licensing, Llc Generation of related content for social media posts
US9152709B2 (en) * 2013-02-25 2015-10-06 Microsoft Technology Licensing, Llc Cross-domain topic space
US20140280017A1 (en) * 2013-03-12 2014-09-18 Microsoft Corporation Aggregations for trending topic summarization
US9516121B2 (en) * 2013-03-15 2016-12-06 Citrix Systems, Inc. Display of user actions or search results in social media community
US20150032751A1 (en) * 2013-07-24 2015-01-29 Lithium Technologies, Inc. Methods and Systems for Utilizing Subject Matter Experts in an Online Community

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100299434A1 (en) * 2004-04-02 2010-11-25 Webtrends, Inc. Systems and methods for tracking web activity
US20100030647A1 (en) * 2008-07-31 2010-02-04 Yahoo! Inc. Advertisement selection for internet search and content pages
US20100088152A1 (en) * 2008-10-02 2010-04-08 Dominic Bennett Predicting user response to advertisements
US20130124281A1 (en) * 2011-05-13 2013-05-16 Closely, Inc. System and method for customer incentive development and distribution
US20130110638A1 (en) * 2011-10-27 2013-05-02 Yahoo! Inc. Advertising campaigns utilizing streaming analytics

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108959299A (zh) * 2017-05-19 2018-12-07 微软技术许可有限责任公司 对象描述
CN108959299B (zh) * 2017-05-19 2022-02-25 微软技术许可有限责任公司 对象描述
CN115334024A (zh) * 2022-08-01 2022-11-11 鼎捷软件股份有限公司 即时响应系统以及即时响应方法
CN115334024B (zh) * 2022-08-01 2024-07-09 鼎捷软件股份有限公司 即时响应系统以及即时响应方法

Also Published As

Publication number Publication date
CN106105096A (zh) 2016-11-09
KR20160055930A (ko) 2016-05-18
WO2015039222A1 (en) 2015-03-26
WO2015039234A1 (en) 2015-03-26
US20150081723A1 (en) 2015-03-19
CN106105107A (zh) 2016-11-09
US20150081797A1 (en) 2015-03-19
CA2924406A1 (en) 2015-03-26
EP3047606A1 (en) 2016-07-27
CA2924375A1 (en) 2015-03-26
WO2015039230A1 (en) 2015-03-26
EP3047605A1 (en) 2016-07-27
EP3047603A1 (en) 2016-07-27
WO2015039223A1 (en) 2015-03-26
US20150081725A1 (en) 2015-03-19
CA2924667A1 (en) 2015-03-26
CN106104512A (zh) 2016-11-09
KR20160058895A (ko) 2016-05-25
US20150081790A1 (en) 2015-03-19
US20150081696A1 (en) 2015-03-19
CA2924408A1 (en) 2015-03-26
KR20160057475A (ko) 2016-05-23
KR20160059486A (ko) 2016-05-26
EP3047392A1 (en) 2016-07-27
EP3047390A1 (en) 2016-07-27
CN106062730A (zh) 2016-10-26
WO2015039235A1 (en) 2015-03-26
KR20160058896A (ko) 2016-05-25

Similar Documents

Publication Publication Date Title
CN105794154A (zh) 用于分析传输社交通信数据的系统和方法
US10162816B1 (en) Computerized system and method for automatically transforming and providing domain specific chatbot responses
RU2745632C1 (ru) Серверное устройство автоматизированного ответа, оконечное устройство, система ответа, способ ответа и программа
US20160071162A1 (en) Systems and Methods for Continuous Analysis and Procurement of Advertisement Campaigns
US10180979B2 (en) System and method for generating suggestions by a search engine in response to search queries
CN103917968A (zh) 用于管理具有交互式评论流的评论网络的系统和方法
CN111885399A (zh) 内容分发方法、装置、电子设备以及存储介质
Zou et al. Exploring user engagement strategies and their impacts with social media mining: the case of public libraries
KR102216755B1 (ko) 콘텐츠 및 제품을 연동시키는 태그 분석 서비스 제공 방법
KR102322668B1 (ko) 콘텐츠 크리에이터의 창작활동 활성화를 위한 다중 플랫폼 서비스 제공 시스템
EP3905177A1 (en) Recommending that an entity in an online system create content describing an item associated with a topic having at least a threshold value of a performance metric and to add a tag describing the item to the content
KR102449602B1 (ko) 멀티미디어 콘텐츠 내 상품 정보 처리 장치 및 그 방법
CA2924446A1 (en) System and method for analyzing and transmitting social communication data
Chen et al. The impact of visual, auditory, textual stimuli on crowdfunding: evidence from tourism projects
JP2020149260A (ja) 地点情報推奨システムおよび地点情報推奨プログラム

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

Application publication date: 20160720

WD01 Invention patent application deemed withdrawn after publication