CN112513911A - 位置预测 - Google Patents
位置预测 Download PDFInfo
- Publication number
- CN112513911A CN112513911A CN201980051854.3A CN201980051854A CN112513911A CN 112513911 A CN112513911 A CN 112513911A CN 201980051854 A CN201980051854 A CN 201980051854A CN 112513911 A CN112513911 A CN 112513911A
- Authority
- CN
- China
- Prior art keywords
- user
- location
- data point
- social
- social graph
- 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 89
- 239000013598 vector Substances 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 6
- 230000006855 networking Effects 0.000 claims description 36
- 230000004044 response Effects 0.000 claims description 13
- 230000003993 interaction Effects 0.000 claims description 12
- 230000009471 action Effects 0.000 description 61
- 230000015654 memory Effects 0.000 description 30
- 238000004891 communication Methods 0.000 description 18
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 12
- 238000010801 machine learning Methods 0.000 description 8
- 238000013475 authorization Methods 0.000 description 6
- 230000001413 cellular effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000670 limiting effect Effects 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000014616 translation Effects 0.000 description 2
- 230000002730 additional effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
-
- 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/021—Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences
Abstract
在一个实施例中,一种方法包括分析与社交网络系统的用户相关联的社交图信息,产生描述社交图信息的元素的特征向量,以及应用特征向量来确定社交图信息的元素与特殊相关性位置的相关性。该方法还包括从用户的联网设备接收至少一个数据点,将特征向量应用于该至少一个数据点以确定该至少一个数据点与特殊相关性位置的相关性,以及基于所确定的每个数据点与特殊相关性位置的相关性来为每个数据点分配权重。最后,该方法包括根据至少一个数据点的分配的权重来处理该至少一个数据点,并且在特定的确定性程度上形成指示用户的特殊相关性位置的预测。
Description
技术领域
本公开总体上涉及分析位置信息。
背景
可以包括社交网络网站的社交网络系统可以使它的用户(例如个人或组织)能够与它交互以及通过它彼此交互。社交网络系统可以利用来自用户的输入来在社交网络系统中创建并存储与用户相关联的用户简档(user profile)。用户简档可以包括人口统计信息、通信渠道(communication-channel)信息以及关于用户的个人兴趣的信息。社交网络系统还可以用来自用户的输入来创建并存储用户与社交网络系统的其他用户的关系的记录,以及提供服务(例如,发帖墙(wall post)、照片分享、事件组织、消息传送、游戏或广告)以促进在用户之间或当中的社交互动。
社交网络系统可以通过一个或更多个网络向用户的移动设备或其他计算设备发送与它的服务相关的内容或消息。用户还可以在用户的移动设备或其他计算设备上安装软件应用,用于访问用户的用户简档和在社交网络系统内的其他数据。社交网络系统可以生成一组个性化的内容对象以显示给用户,例如关连(connect)到该用户的其他用户的汇集的动态(story)的动态消息(newsfeed)。
特定实施例概述
本公开的特定实施例可以使用从用户与社交网络系统的交互中收集的信息或社交图信息来生成对用户的特殊相关性位置(location of special relevance)的预测。本公开的特定实施例可以包括使用广泛选择的社交信号,并且可以包括使用机器学习模型来预测用户的特殊相关性位置。预测的特殊相关性位置可以包括特定位置或更一般的位置。例如但不限于,预测的特殊相关性位置可以包括特定的城市、邮政编码或蜂窝塔(celltower)覆盖区域。特定实施例可以包括使用社交图信息,该社交图信息可以包括但当然不限于与例如以下项相关联的位置数据:用户“点赞(like)”的页面、用户与其具有高社交图亲和力(affinity)的用户朋友的特殊相关性位置、用户与之交互的企业和群组页面、用户表示出席或感兴趣的事件、用户表示到达或到场的地点、与用户已经上传的照片相关联的元数据、用户的语言偏好、用户最近执行的搜索和选择的结果、以及通过平台协调的市场交易(marketplace transaction)。
在一个实施例中,一种方法可以包括由计算系统通过分析与社交网络系统的用户相关联的社交图信息来训练机器学习模型,该用户的特殊相关性位置是已知的,开发描述社交图信息的元素的特征向量,并且应用该特征向量来确定社交图信息的元素与特殊相关性位置的相关性。该方法可以包括从用户的联网设备接收至少一个数据点(data point),将特征向量应用于该至少一个数据点以确定该至少一个数据点与特殊相关性位置的相关性,基于所确定的该至少一个数据点中的每一个数据点与该特殊相关性位置的相关性,为该至少一个数据点中的每一个数据点分配权重,根据至少一个数据点的分配的权重来处理该至少一个数据点,并且在特定的确定性程度上形成指示用户的特殊相关性位置的预测。该方法可以包括检索与特定用户相关联的社交图信号数据,基于检索到的数据生成特征向量,将机器学习模型应用于特征向量,以及生成关于用户的特殊相关性位置的预测。
特定实施例可以包括基于位置在信号数据中出现的频率,对特征向量中的特定特征应用权重。
特定实施例可以包括由计算系统确定在特定时间段内从用户的联网设备接收的数据点是否指示用户经常旅行,针对与数据点相关联的每个唯一位置登记从联网设备接收的每个数据点的计数,以形成计数集合,设置最小阈值,确定与每个唯一位置相关联的每个计数集合的计数总和,将每个计数集合的总和与阈值计数进行比较,并且如果一个计数集合的总和超过阈值计数,则更新用户的特殊相关性位置。以这种方式,如果用户的预测的特殊相关性位置不被高于最小阈值的确定性程度支持,则用户先前预测的或记录的特殊相关性位置将保持其记录的特殊相关性位置。
在一个实施例中,该方法可以包括使用通过社交网络系统或网站向用户提出的问题来验证预测,包括但当然不限于确认用户是否参加了特定事件或经常光顾特定企业的问题。该方法可以包括生成关于与用户相关联的社交图信息的至少一个元素的至少一个问题,将该至少一个问题传输到用户的联网设备,以及接收对该至少一个问题的回答。该方法可以包括计算系统基于用户的响应,验证与用户相关联的社交图信息的至少一个元素,并更新指示用户的特殊相关性位置的预测。
在特定实施例中,本公开可以包括一种系统。在一个实施例中,该系统可以包括处理器,该处理器被配置为分析与社交网络系统的用户相关联的社交图信息,产生描述社交图信息的元素的特征向量,并且应用该特征向量来确定社交图信息的元素与特殊相关性位置的相关性。该系统可以包括耦合到处理器的接收器,该接收器被配置成从用户的联网设备接收至少一个数据点。该系统可以包括所述处理器,所述处理器还被配置为将特征向量应用于至少一个数据点,以确定至少一个数据点与特殊相关性位置的相关性,并且基于所确定的至少一个数据点中的每一个数据点与特殊相关性位置的相关性,为至少一个数据点中的每一个数据点分配权重。该系统还可以包括所述处理器,所述处理器还被配置为根据至少一个数据点的分配的权重来处理该至少一个数据点,并且在特定的确定性程度上形成指示用户的特殊相关性位置的预测。
本文公开的实施例仅仅是示例,并且本公开的范围不限于它们。特定实施例可以包括上面公开的实施例的组件、元件、特征、功能、操作或步骤中的全部、一些或没有一个被包括。根据本发明的实施例在涉及方法、存储介质、系统和计算机程序产品的所附权利要求中被公开,其中,在一个权利要求类别(例如,方法)中提到的任何特征也可以在另一个权利要求类别(例如,系统)中被要求保护。在所附权利要求中的从属性或往回引用仅为了形式原因而被选择。然而,也可以要求保护由对任何先前权利要求的有意往回引用(特别是多项引用)而产生的任何主题,使得权利要求及其特征的任何组合被公开并且可以被要求保护,而不考虑在所附权利要求中选择的从属性。可以被要求保护的主题不仅包括如在所附权利要求中阐述的特征的组合,而且还包括在权利要求中的特征的任何其他组合,其中,在权利要求中提到的每个特征可以与在权利要求中的任何其他特征或其他特征的组合相结合。此外,本文描述或描绘的实施例和特征中的任一个可以在单独的权利要求中和/或以与本文描述或描绘的任何实施例或特征的任何组合或以与所附权利要求的任何特征的任何组合被要求保护。
附图简述
图1示出了本公开的示例性实施例。
图2示出了本公开的示例性实施例。
图3示出了用于预测特殊相关性位置的示例方法。
图4示出了与社交网络系统相关联的示例网络环境。
图5示出了示例社交图。
图6示出了示例计算机系统。
示例实施例的描述
本公开涉及用于预测特殊相关性位置的系统和方法。具体而言,所公开的系统和方法可以被使用和配置来预测社交网络系统或平台或者例如从用户接收信息的网站的用户的特殊相关性位置。
在示例性实施例中,可以使用用户的社交图信息来训练机器学习算法,该用户的特殊相关性位置是已知的或者已经在高确定性程度上确定了该用户的特殊相关性位置。可以在所公开的方法和系统中使用各种各样的社交图元素(其示例在图5中示出),以训练机器学习算法来形成与社交图元素相关联的特征向量,并确定那些社交图元素指示特殊相关性位置的倾向。该方法可以包括分析社交图信息以产生特征向量,并且可以包括基于社交图信息与用户的特殊相关性位置的相关性来应用特征向量。在特定实施例中,用户的特殊相关性位置可以是住所、工作场所、学校、常规娱乐场所、商店、礼拜场所、中转站/车站/停靠站(stop)或被认为具有特殊意义的任何其他类型的位置。
在特定实施例中,可以针对用户提取的特征的示例可以包括:由用户上传的照片或视频或给用户加标签(例如,带有地理标签,或用位置给用户加标签)、由用户发布的或与第三方服务器共享的状态消息(例如,带有地理标签,或包括指示位置的内容)、由用户发布的或与第三方服务器共享的签到(check-in)(例如,带有地理标签,或包括指示位置的内容)、由用户输入的搜索查询(例如,对于特定位置,或者导致点击关于具有地理标签的地点的搜索结果)、查看或共享特定于位置的内容、查看/点赞特定于位置的机构、查看/点赞/共享特定于位置的事件(例如,用户感兴趣、被邀请、前往或主持/管理的事件)、用户简档中指定的位置(例如,家庭位置、学校位置、工作位置)、IP地址、用户的朋友或家庭成员的位置(例如,具有较高朋友数量的城市具有较高权重,或者与用户具有较高亲和力的朋友的城市具有较高权重)、或者任何其他特定于位置的社交图或与第三方相关的动作。在所有实施例中,适当的隐私设置可供用户使用,以由用户进行配置,并且对特定于用户的信息的任何使用都需要许可。可以提取的附加特征包括:用户报告的电话号码、特殊相关性位置的人口、城市中的用户数量、或者正在评估的特殊相关性位置和已经存储在用户简档中的已知特殊相关性位置之间的距离。
在将特征向量应用于社交图元素之后,该方法和系统可以被用于个体用户。该方法可以包括从例如与用户相关联的联网设备接收与社交网络系统或网络的用户相关联的数据。该方法或系统还可以包括基于分配给与该用户的数据相关联的不同社交图元素的权重来处理从该用户接收的数据。基于该应用,该方法或系统可以预测特定用户的特殊相关性位置。在特定实施例中,在确定中考虑的数据类型和/或分配的权重值可以基于特殊相关性位置的类型而变化。
本文公开的方法和系统可用于确定特定广告与特定用户的相关性。基于特定用户的预测的特殊相关性位置,该方法或系统可以确定与该特定用户相关的广告,并将该广告传输到用户的联网设备。可以通过网络将广告传递给用户,并且当用户(例如经由用户的联网设备)访问社交网络系统或网站时,可以将广告提供给用户,或者该方法和系统可以包括经由社交网络系统或网站外部的电子邮件或互联网消息直接向用户发送广告。本文公开的方法和系统还可以包括基于预测的特殊相关性位置来确定与用户相关的内容和/或服务,并且向用户的联网设备发送关于该内容或那些服务的通知。在特定实施例中,被选择用于传递的广告的类型可以基于特殊相关性位置的类型而变化。
本文公开的方法和系统还可以包括通过例如确定某个地理区域内的所有、大多数或一些用户的位置来确定位于特定地理区域内的社交网络系统或网站的用户数量。该方法和系统可以基于其特殊相关性位置被确定为在所选地理区域内的用户的数量来估计其特殊相关性位置在该地理区域内的用户的总数。这样的地理区域可以例如由国家、州、县(county)、城市或蜂窝塔半径范围地理区域(celltower radius geographic areas)来定义。在特定实施例中,地理区域的确定可以基于特殊相关性位置的类型而变化。
该方法和系统还可以包括对预测的用户的特殊相关性位置进行验证。例如,可以通过生成关于与用户相关联的社交图信息的一个或更多个元素的至少一个问题来验证预测的特殊相关性位置。该至少一个问题可以被传输到用户的联网设备。如果并且当用户回答问题时,可以接收并处理响应以验证与该用户相关联的社交图信息的至少一个元素。这些问题可以针对社交图信息中与预测用户的特殊相关性位置具有特别高的相关性的元素,并且可以针对用户的社交图中先前被确定为特别准确或特别不准确的元素,以增加预测用户的特殊相关性位置的确定性。
图1示出了本公开的示例性实施例。位置数据101可以源自与社交网络系统或平台的用户相关联的一个或更多个联网设备,或者与网站的用户相关联的联网设备,该网站直接或间接地收集与其用户或访问者相关联的数据。位置数据101可以包括大量的社交图信息,包括但当然不限于与在社交网络系统上登记的用户“点赞”102相关联的社交图元素,诸如其他用户对帖子的“点赞”,或者与企业或事件相关联的页面的“点赞”。位置数据101还可以包括与用户的朋友103相关的信息,包括那些朋友(包括与用户具有高社交图亲和力的朋友)的身份和社交媒体页面,以及潜在地描述用户之间的关系的其他信息。位置数据101还可以包括关于用户已经参加的或者用户已经表示他们将参加或不参加的事件104的信息。位置数据101还可以包括页面交互105,页面交互105指示用户通过联网设备已经与页面进行了交互,该页面与社交网络系统或网站相关联或者在社交网络系统或网站上托管,并且该页面与公众人物或企业相关联或有关。
例如但不限于,页面交互105可以与位于特定区域的企业相关联,并且用户的页面交互105然后可以倾向于结合其他信息来指示用户的特殊相关性位置在离该企业的特定距离内。在一些情况下,根据本公开的实施例,可以为与企业相关的用户登记页面交互105,该企业的位置不在用户的特殊相关性位置附近(例如,如果用户在度假时访问企业,或者如果用户在社交网络系统上与该用户仅经由互联网与之交互的企业交互)。根据本公开的实施例,可以采用方法和系统来为与特定用户相关联的特定页面交互分配适当的权重,以确定用户的可能真实的特殊相关性位置。关于与用户相关联的社交图信息的其他元素,可以采用类似的方法。
位置数据101还可以包括当面进行并通过社交网络系统或互联网网站安排的市场交易。例如但不限于,这样的市场交易可能倾向于在预测用户的特殊相关性位置方面具有很大的权重,因为它们建议在至少接近的位置处进行人与人的交互。然而,基于各种因素,这些数据也可能会打折扣。
出于说明而非限制的目的,在图1的示例中,用户的预测的特殊相关性位置107在San Jose,并且位置数据被示为与该用户相关联,指示至少在San Jose和Palo Alto的区域中的位置。例如,图1示出了用户位置数据的高度简化版本,其可以在各种时间段内与多个位置相关联,并且还可以包括不一定与一个特定位置相关联的信息。出于说明的目的,图1示出了与用户相关联的位置数据,该用户在San Jose的特殊相关性位置是通过本文公开的方法和系统预测的。如本文所公开的,在计算机系统上实现的方法可以将特征向量应用于从用户的联网设备接收的各种数据,包括但不限于与朋友103、“点赞”102、事件104、页面交互105和市场交易106相关的信息。所接收的数据还可以包括与用户的位置本身相关联的数据,可以使用GPS(如果用户使之可用)、使用匿名蜂窝网络信息、使用用户的联网设备的IP地址、或者使用源自用户决定将数据标记为源自某个位置或区域的标签,来从用户的联网设备接收该数据。
图2示出了本公开的示例性实施例,其中所公开的方法可以考虑其位置数据101可能倾向于指示用户经常旅行的用户。经常旅行的用户可能在短时间段内传输与许多位置相关联的位置数据。这种在短时间段内与几个位置相关联的位置数据可以由接收机接收,该接收机被用作采用所公开方法的计算机系统的一部分。例如但不限于,用户(其位置数据被采用所公开的方法的计算机系统接收)可能倾向于指示该用户在某一点处,该点位于用户位置A 201、用户位置B 202、用户位置C 203、用户位置D 204或用户位置E 205中的任何一个。这种位置数据还可以包括例如但不限于社交图信息,诸如与“点赞”102相关联的用户数据、与用户的关连(connection)或朋友103相关联的数据、与一个或更多个事件104相关联的数据、与用户页面交互105相关联的数据以及与市场交易106相关联的数据。
根据示例性实施例,该方法可以包括确定数据101是否倾向于指示用户经常旅行,该数据101包括与一个或更多个社交图元素相关联的数据,例如但不限于上面讨论的数据类型101、102、103、104、105和106。例如但不限于,如果接收到与用户的联网设备相关联的位置数据,该位置数据倾向于指示用户在特定时间段内出现在特定数量的新的和/或远处的位置,则该方法可以确定用户是经常旅行的人。例如但不限于,可以接收与用户的联网设备相关联的位置数据,该位置数据倾向于指示在一个月的跨度内,用户至少访问了用户位置A 201、用户位置B 202和用户位置D 204。作为示例而非限制,所公开的系统可能已经在这些和其他位置中的每一个处从用户接收了上面讨论的任何数据类型101、102、103、104、105和106。
如果该方法确定从用户的一个或更多个联网设备接收的数据指示用户经常旅行,则该方法可以针对与从用户接收的数据点相关联的每个位置,登记从用户的联网设备接收的每个位置数据点的计数。该方法可以根据从其接收数据的唯一位置将登记的计数分组在一起,从而形成计数集合。该方法可以设置最小阈值,用于确定是否预测用户的新的特殊相关性位置。在特定实施例中,最小阈值可以是绝对数字、比率或百分比或其组合。该方法可以包括确定与唯一位置相关联的每个计数集合的计数总和,将这些总和中的每一个与最小阈值进行比较,并且如果一个计数集合的总和超过最小阈值,则更新用户的特殊相关性位置。如果没有一个计数集合超过最小阈值,则可以保留用户先前记录的或先前预测的特殊相关性位置。例如,如果在上面讨论的示例中,用户先前记录的特殊相关性位置是用户位置C203,并且与用户位置A 201、用户位置B 202和用户位置D 204相关联的位置数据集计数都没有超过最小阈值,则预测的特殊相关性位置将保持为用户位置C 203。
图3示出了用于预测用户的特殊相关性位置的示例方法300。该方法可以在步骤310开始,在步骤310,计算系统可以被配置为分析其特殊相关性位置已知或者其特殊相关性位置能够以高确定性水平被预测的用户的社交图信息。在步骤320,该方法可以产生特征向量作为机器学习算法的训练过程的一部分。在步骤330,该方法可以基于信息与预测用户的特殊相关性位置的相关性,将特征向量应用于社交图信息。在步骤340,计算系统可以接收与特定用户相关的数据。可以从与用户相关联的联网设备接收与特定用户相关的数据。在特定实施例中,步骤310-步骤330可以独立运行并与步骤340并行运行。在步骤350,该方法可以将由机器学习算法产生的特征向量应用于从特定用户接收的数据中包含的社交图信息。在步骤360,该方法可以基于应用于与特定用户相关联的社交图信息的元素的特征向量,为这些元素分配权重。在步骤370,该方法可以基于每个元素或数据点的分配的权重来处理与特定用户相关的数据。在步骤380,该方法可以基于从特定用户接收的经处理的数据,来预测用户的特殊相关性位置。在适当的情况下,特定实施例可以重复图3的方法的一个或更多个步骤。尽管本公开将图3的方法的特定步骤描述并示出为以特定顺序发生,但是本公开设想了以任何适当顺序发生的图3的方法的任何适当步骤。此外,尽管本公开描述并示出了用于预测特殊相关性位置的、包括图3的方法的特定步骤的示例方法,但是本公开设想了用于预测特殊相关性位置的、包括任何合适的步骤的任何合适的方法,在适当的情况下,其可以包括图3的方法的所有步骤、一些步骤或没有一个步骤被包括。此外,尽管本公开描述并示出了执行图3的方法的特定步骤的特定组件、设备或系统,但是本公开设想了执行图3的方法的任何适当步骤的任何适当组件、设备或系统的任何适当组合。
图4示出了与社交网络系统相关联的示例网络环境400。网络环境400包括通过网络410彼此连接的用户401、客户端系统430、社交网络系统460和第三方系统470。尽管图4示出了用户401、客户端系统430、社交网络系统460、第三方系统470和网络410的特定布置,但是本公开设想了用户401、客户端系统430、社交网络系统460、第三方系统470和网络410的任何合适的布置。作为示例而不是作为限制,客户端系统430、社交网络系统460和第三方系统470中的两个或更多个可以直接连接到彼此,绕过网络410。作为另一示例,客户端系统430、社交网络系统460和第三方系统470中的两个或更多个可以全部或部分地在物理上或逻辑上彼此位于同一位置。此外,尽管图4示出了特定数量的用户401、客户端系统430、社交网络系统460、第三方系统470和网络410,但是本公开设想了任何合适数量的用户401、客户端系统430、社交网络系统460、第三方系统470和网络410。作为示例而非限制,网络环境400可以包括多个用户401、客户端系统430、社交网络系统460、第三方系统470和网络410。
在特定实施例中,用户401可以是与社交网络系统460或通过社交网络系统460互动或通信的个人(人类用户)、实体(例如,企业、公司或第三方应用)或(例如,个人或实体的)团体。在特定实施例中,社交网络系统460可以是托管在线社交网络的网络可寻址计算系统。社交网络系统460可以生成、存储、接收并发送社交网络数据(例如,用户简档数据、概念简档数据、社交图信息或与在线社交网络相关的其他合适的数据)。社交网络系统460可以由网络环境400的其他部件直接地或经由网络410访问。在特定实施例中,社交网络系统460可以包括授权服务器(或其他合适的组件),该授权服务器允许用户401例如通过设置适当的隐私设置来选择加入或选择不将其动作由社交网络系统460记录或与其他系统(例如,第三方系统470)共享。用户的隐私设置可以确定可以记录与用户相关联的什么信息、可以如何记录与用户相关联的信息、何时可以记录与用户相关联的信息、谁可以记录与用户相关联的信息、可以与谁共享与用户相关联的信息以及可以记录或共享与用户相关联的信息的目的。授权服务器可用于根据需要通过阻止、数据散列、匿名化或其他合适的技术来实施社交网络系统460的用户的一个或更多个隐私设置。在特定实施例中,第三方系统470可以是可以托管第三方网站的网络可寻址计算系统。第三方系统470可以生成、存储、接收和发送与第三方网站相关联的数据,例如广告、链接和图像。第三方系统470可以由网络环境400的其他组件直接或通过网络410访问。在特定实施例中,一个或更多个用户401可以使用一个或更多个客户端系统430来访问社交网络系统460或第三方系统470、向社交网络系统460或第三方系统470发送数据以及从社交网络系统460或第三方系统470接收数据。客户端系统430可以直接地、经由网络410或经由第三方系统访问社交网络系统460或第三方系统470。作为示例而非限制,客户端系统430可以经由社交网络系统460访问第三方系统470。客户端系统430可以是任何合适的计算设备,例如个人计算机、膝上型计算机、蜂窝电话、智能手机、平板计算机或增强/虚拟现实设备
本公开设想了任何合适的网络410。作为示例而不是作为限制,网络410的一个或更多个部分可以包括自组织网络、内联网、外联网、虚拟专用网络(VPN)、局域网(LAN)、无线LAN(WLAN)、广域网(WAN)、无线WAN(WWAN)、城域网(MAN)、因特网的一部分、公共交换电话网(PSTN)的一部分、蜂窝电话网、或这些中的两个或更多个的组合。网络110可以包括一个或更多个网络410。
链路450可以将客户端系统430、社交网络系统460和第三方系统470连接到通信网络410或连接到彼此。本公开设想了任何合适的链路450。在特定实施例中,一个或更多个链路450包括一个或更多个有线(例如数字用户线路(DSL)或基于电缆的数据服务接口规范(DOCSIS))链路、无线(例如Wi-Fi或全球互通微波接入(WiMAX))链路、或光(例如同步光网络(SONET)或同步数字体系(SDH))链路。在特定实施例中,一个或更多个链路450各自包括自组织网络、内联网、外联网、VPN、LAN、WLAN、WAN、WWAN、MAN、互联网的一部分、PSTN的一部分、基于蜂窝技术的网络、基于卫星通信技术的网络、另一链路450、或两个或更多个这种链路450的组合。链路450不需要在整个网络环境400中是相同的。一个或更多个第一链路450可以在一个或更多个方面上不同于一个或更多个第二链路450。
图5示出了示例社交图500。在特定实施例中,社交网络系统460可以在一个或更多个数据储存器中存储一个或更多个社交图500。在特定实施例中,社交图500可以包括多个节点——其可以包括多个用户节点502或多个概念节点504——以及连接这些节点的多条边506。出于教导的目的,在二维视觉地图表示中示出了图5所示的示例社交图500。在特定实施例中,社交网络系统460、客户端系统430或第三方系统470可以访问社交图500和相关社交图信息以用于合适的应用。社交图500的节点和边可以作为数据对象被存储在例如数据储存器(例如社交图数据库)中。这种数据储存器可以包括社交图500的节点或边的一个或更多个可搜索或可查询的索引。
在特定实施例中,用户节点502可以对应于社交网络系统460的用户。作为示例而不是作为限制,用户可以是与社交网络系统460或通过社交网络系统460互动或通信的个人(人类用户)、实体(例如,企业、公司或第三方应用)或(例如,个人或实体的)团体。在特定实施例中,当用户向社交网络系统460注册账户时,社交网络系统460可以创建对应于用户的用户节点502,并将用户节点502存储在一个或更多个数据储存器中。本文描述的用户和用户节点502在适当的情况下可以指注册的用户和与注册的用户相关联的用户节点502。另外或作为备选方案,在适当的情况下,本文描述的用户和用户节点502可以指没有向社交网络系统460注册的用户。在特定实施例中,用户节点502可以与由用户提供的信息或由各种系统(包括社交网络系统460)收集的信息相关联。作为示例而不是作为限制,用户可以提供他或她的姓名、简档图片、联系信息、出生日期、性别、婚姻状况、家庭状况、职业、教育背景、偏好、兴趣或其他人口统计信息。在特定实施例中,用户节点502可以与对应于与用户相关联的信息的一个或更多个数据对象相关联。在特定实施例中,用户节点502可以对应于一个或更多个网页。
在特定实施例中,概念节点504可以对应于概念。作为示例而不是作为限制,概念可以对应于地点(例如,电影院、餐馆、地标或城市);网站(例如,与社交网络系统460相关联的网站或与web应用服务器相关联的第三方网站);实体(例如,个人、企业、团体、运动队或名人);资源(例如,音频文件、视频文件、数字照片、文本文件、结构化文档或应用),其可以位于社交网络系统460内或外部服务器(例如web应用服务器)上;不动产或知识产权(例如,雕塑、绘画、电影、游戏、歌曲、想法、照片或书面作品);游戏;活动;想法或理论;在增强/虚拟现实环境中的对象;另一个合适的概念;或者两个或更多个这样的概念。概念节点504可以与由用户提供的概念的信息或由各种系统(包括社交网络系统460)收集的信息相关联。作为示例而不是作为限制,概念的信息可以包括名称或标题;一个或更多个图像(例如,书籍的封面的图像);位置(例如,地址或地理位置);网站(其可以与URL相关联);联系信息(例如,电话号码或电子邮件地址);其他合适的概念信息;或者这样的信息的任何合适的组合。在特定实施例中,概念节点504可以与一个或更多个数据对象相关联,一个或更多个数据对象对应于与概念节点504相关联的信息。在特定实施例中,概念节点504可以对应于一个或更多个网页。
在特定实施例中,社交图500中的节点可以表示网页(其可以被称为“简档页面”)或者由网页表示。简档页面可以由社交网络系统460托管或是社交网络系统460可访问的。简档页面也可以在与第三方系统470相关联的第三方网站上被托管。作为示例而不是作为限制,对应于特定外部网页的简档页面可以是特定外部网页,并且简档页面可以对应于特定概念节点504。简档页面可以由其他用户的全部或选定子集可查看。作为示例而不是作为限制,用户节点502可以具有相应的用户简档页面,其中相应的用户可以添加内容、作出声明或以其他方式表达他或她自己。作为另一示例而不是作为限制,概念节点504可以具有相应的概念简档页面,其中一个或更多个用户可以添加内容、做出声明或表达他们自己,特别是关于对应于概念节点504的概念。
在特定实施例中,概念节点504可以表示由第三方系统470托管的第三方网页或资源。第三方网页或资源除了其它元素以外还可以包括表示动作或活动的内容、可选择的图标或其他图标或其他可交互对象(其可以例如用JavaScript、AJAX或PHP代码实现)。作为示例而不是作为限制,第三方网页可以包括可选择的图标(例如“赞”、“签到(check-in)”、“吃”、“推荐”)或其他合适的动作或活动。查看第三方网页的用户可以通过选择图标之一(例如,“签到”)来执行动作,使得客户端系统430向社交网络系统460发送指示用户动作的消息。响应于该消息,社交网络系统460可以在对应于用户的用户节点502和对应于第三方网页或资源的概念节点504之间创建边(例如,签到类型边),并将边506存储在一个或更多个数据储存器中。
在特定实施例中,社交图500中的一对节点可以通过一条或更多条边506连接到彼此。连接一对节点的边506可以表示在该对节点之间的关系。在特定实施例中,边506可以包括或表示对应于在一对节点之间的关系的一个或更多个数据对象或属性。作为示例而不是作为限制,第一用户可以指示第二用户是第一用户的“朋友”。响应于该指示,社交网络系统460可以向第二用户发送“朋友请求”。如果第二用户确认“朋友请求”,则社交网络系统460可以在社交图500中创建将第一用户的用户节点502连接到第二用户的用户节点502的边506,并将边506作为社交图信息存储在一个或更多个数据储存器464中。在图5的示例中,社交图500包括指示在用户“A”和用户“B”的用户节点502之间的朋友关系的边506,以及指示在用户“C”和用户“B”的用户节点502之间的朋友关系的边。尽管本公开描述或示出了连接特定用户节点502的具有特定属性的特定边506,但是本公开设想了连接用户节点502的具有任何适当属性的任何适当边506。作为示例而不是作为限制,边506可以表示友谊、家庭关系、商业或雇佣关系、粉丝关系(包括例如,赞等)、关注者(follower)关系、访问者关系(包括例如,访问、查看、签到、分享等)、订购者关系、上级/下级关系、互惠关系、非互惠关系、另一种合适类型的关系、或两种或更多种这样的关系。此外,尽管本公开一般将节点描述为被连接,但是本公开也将用户或概念描述为被连接。在本文,对被连接的用户或概念的引用在适当的情况下可以指在社交图500中由一条或更多条边506连接的对应于那些用户或概念的节点。分别由两个节点表示的两个对象之间的分离度(degree of separation)是连接社交图500中的两个节点的最短路径中的边数。作为示例而非限制,在社交图500中,用户“C”的用户节点502经由多条路径连接到用户“A”的用户节点502,例如,直接通过用户“B”的用户节点502的第一路径,通过公司“Acme”的概念节点504和用户“D”的用户节点502的第二路径,以及通过代表学校“斯坦福”、用户“G”、公司“Acme”和用户“D”的用户节点502和概念节点504的第三路径。用户“C”和用户“A”具有2的分离度,因为连接它们相应节点的最短路径(即,第一路径)包括两条边506。
在特定实施例中,在用户节点502和概念节点504之间的边506可以表示由与用户节点502相关联的用户朝着与概念节点504相关联的概念执行的特定动作或活动。作为示例而不是作为限制,如图5所示,用户可以“赞”、“出席”、“播放”、“收听”、“烹饪”、“工作于”或“观看”概念,其中每个可以对应于边类型或子类型。对应于概念节点504的概念简档页面可以包括例如可选择的“签到”图标(例如,可点击的“签到”图标)或可选择的“添加到收藏夹”图标。类似地,在用户点击这些图标之后,社交网络系统460可以响应于对应于相应动作的用户动作来创建“收藏夹”边或“签到”边。作为另一示例而不是作为限制,用户(用户“C”)可以使用特定的应用(声田(SPOTIFY),其为在线音乐应用)来收听特定的歌曲(“想象(Imagine)”)。在这种情况下,社交网络系统460可以在对应于用户的用户节点502和对应于歌曲和应用的概念节点504之间创建“收听”边506和“使用”边(如图5所示),以指示用户收听了歌曲并使用了应用。此外,社交网络系统460可以在对应于歌曲和应用的概念节点504之间创建“播放”边506(如图5所示),以指示特定应用播放了特定歌曲。在这种情况下,“播放”边506对应于由外部应用(声田)对外部音频文件(歌曲“想象”)执行的动作。尽管本公开描述了连接用户节点502和概念节点504的具有特定属性的特定边506,但是本公开设想了连接用户节点502和概念节点504的具有任何适当属性的任何适当边506。此外,尽管本公开描述了表示单个关系的在用户节点502和概念节点504之间的边,但是本公开设想了表示一个或更多个关系的在用户节点502和概念节点504之间的边。作为示例而不是作为限制,边506可以表示用户喜欢并使用了特定概念。可选地,另一个边506可以表示用户节点502和概念节点504(如图5所示,用户“E”的用户节点502和“声田”的概念节点504之间)之间的每种类型的关系(或多个单一关系)。
在特定实施例中,社交网络系统460可以在社交图500中的用户节点502和概念节点504之间创建边506。作为示例而不是作为限制,(例如,通过使用由用户的客户端系统430托管的web浏览器或专用应用)查看概念简档页面的用户可以通过点击或选择“赞”图标来指示他或她喜欢由概念节点504表示的概念,这可以使用户的客户端系统430向社交网络系统460发送指示用户喜欢与概念简档页面相关联的概念的消息。响应于该消息,社交网络系统460可以在与用户相关联的用户节点502和概念节点504之间创建边506,如由在用户节点和概念节点504之间的“赞”边506所示的。在特定实施例中,社交网络系统460可以将边506存储在一个或更多个数据储存器中。在特定实施例中,边506可以由社交网络系统460响应于特定用户动作而自动形成。作为示例而不是作为限制,如果第一用户上传图片、观看电影或收听歌曲,则可以在对应于第一用户的用户节点502和对应于那些概念的概念节点504之间形成边506。尽管本公开描述了以特定方式形成特定边506,但是本公开设想了以任何合适的方式形成任何合适的边506。
在特定实施例中,广告可以是文本(其可以是HTML链接的)、一个或更多个图像(其可以是HTML链接的)、一个或更多个视频、音频、其他合适的数字对象文件、这些的合适组合、或者在一个或更多个网页上、在一个或更多个电子邮件中或者结合由用户请求的搜索结果呈现的以任何合适的数字格式的任何其他合适的广告。另外或作为备选方案,广告可以是一个或更多个赞助动态(sponsored story)(例如,在社交网络系统460上的动态消息或即时动态栏(ticker item))。赞助动态可以是用户的社交动作(例如“点赞”页面、“点赞”或评论页面上的帖子、对与页面相关联的事件进行回复(RSVP)、对在页面上发布的问题进行投票、在某个地方签到、使用应用或玩游戏、或者“点赞”或分享网站),广告商例如,通过使社交动作呈现在用户的简档页面或其他页面的预定区域内、与和广告商相关联的附加信息一起呈现、在其他用户的动态消息或即时动态中被提升顺序(bump up)或以其他方式突出显示来推广社交动作、或者以其他方式推广社交动作。广告商可以付费来推广社交动作。作为示例而不是作为限制,广告可以被包括在搜索结果页面的搜索结果当中,其中赞助内容优于非赞助内容被推广。
在特定实施例中,广告可以被请求用于在社交网络系统网页、第三方网页或其他页面中显示。广告可以显示在页面的专用部分中,例如在页面的顶部处的标语(banner)区域中、在页面的侧面处的栏中、在页面的GUI中、在弹出窗口中、在下拉菜单中、在页面的输入字段中、在页面的内容的顶部之上或相对于页面的其他地方。另外或作为备选方案,广告可以显示在应用中。广告可以显示在专用页面内,在用户可以访问页面或利用应用之前要求用户与广告互动或观看广告。用户可以例如通过web浏览器来观看广告。
用户可以以任何合适的方式与广告交互。用户可以点击或以其他方式选择广告。通过选择广告,用户可以被引导到(或由用户正在使用的浏览器或其他应用)与广告相关联的页面。在与广告相关联的页面处,用户可以采取额外的动作,例如购买与广告相关联的产品或服务、接收与广告相关联的信息、或者订阅与广告相关联的简讯。可以通过选择广告的部件(如“播放按钮”)来播放具有音频或视频的广告。可选地,通过选择广告,社交网络系统460可以执行或修改用户的特定动作。
广告还可以包括社交网络系统功能,用户可以与社交网络系统功能互动。作为示例而不是作为限制,广告可以使用户能够通过选择与赞同(endorsement)相关联的图标或链接来“点赞”或以其他方式来赞同该广告。作为另一示例而不是作为限制,广告可以使用户能够(例如,通过执行查询)搜索与广告商相关的内容。类似地,用户可以与另一用户(例如,通过社交网络系统460)分享广告或(例如,通过社交网络系统460)回复(RSVP)与广告相关联的事件。另外或作为备选方案,广告可以包括被引导到用户的社交网络系统内容。作为示例而不是作为限制,广告可以显示关于在社交网络系统460内的已经采取与广告的主题相关联的动作的用户的朋友的信息。
在特定实施例中,社交网络系统460可以确定各种社交图实体对于彼此的社交图亲和力(affinity)(在本文可以称为“亲和力”)。亲和力可以表示在与线社交网络关联的特定对象(诸如用户、概念、内容、动作、广告)、与在线社交网络关联的其他对象、或其任何合适的组合之间的关系强度或感兴趣程度。还可以针对与第三方系统470或其他合适的系统相关联的对象来确定亲和力。可以为每个用户、主题或内容类型建立对社交图实体的总体亲和力。基于对与社交图实体相关联的动作或关系的持续监控,总体亲和力可以改变。尽管本公开描述了以特定方式确定特定亲和力,但是本公开设想了以任何合适的方式确定任何合适的亲和力。
在特定实施例中,社交网络系统460可以使用亲和力系数(在本文可以称为“系数”)来度量或量化社交图亲和力。系数可以表示或量化与在线社交网络相关联的特定对象之间的关系强度。系数还可以表示基于用户对特定动作的兴趣来度量用户将执行该动作的预测概率的概率或函数。以这种方式,可以基于用户的先前动作来预测用户的未来动作,其中可以至少部分地基于用户的动作的历史来计算系数。系数可以用于预测可位于在线社交网络内部或外部的任何数量的动作。作为示例而不是作为限制,这些动作可以包括各种类型的通信,例如发送消息、发布内容或对内容进行评论;各种类型的观察动作(例如访问或查看简档页面、媒体或其他合适的内容);关于两个或更多个社交图实体的各种类型的一致性信息(例如在同一群组中、在同一照片中被标记、在同一位置处签到或参加同一事件);或其他合适的动作。尽管本公开描述了以特定方式度量亲和力,但是本公开设想了以任何合适的方式度量亲和力。
在特定实施例中,社交网络系统460可以使用各种因素来计算系数。这些因素可以包括例如,用户动作、对象之间的关系类型、位置信息、其他合适的因素或其任意组合。在特定实施例中,当计算系数时,不同的因素可以被不同地加权。每个因素的权重可以是静态的,或者可以根据例如用户、关系类型、动作类型、用户的位置等来改变权重。可以根据因素的权重来组合这些因素的等级(rating),以确定用户的总系数。作为示例而不是作为限制,特定用户动作可以被分配等级和权重,而与特定用户动作相关联的关系被分配等级和相关权重(例如,因此权重总计为100%)。为了计算用户对特定对象的系数,分配给用户动作的等级可以包括例如,总系数的60%,而用户和该对象之间的关系可以包括总系数的40%。在特定实施例中,当确定用于计算系数的各种因素的权重时,社交网络系统460可以考虑各种变量,例如自信息被访问以来的时间、衰减因子、访问的频率、与信息的关系或与信息被访问了的对象的关系、与连接到对象的社交图实体的关系、用户动作的短期或长期平均值、用户反馈、其他合适的变量、或它们的任意组合。作为示例而不是作为限制,系数可以包括衰减因子,该衰减因子导致由特定动作提供的信号强度随时间衰减,使得在计算系数时更近的(more recent)动作更相关。等级和权重可以基于系数所基于的动作的持续跟踪而被持续更新。可以采用任何类型的过程或算法来对每个因素的等级和分配给这些因素的权重进行分配、组合、求平均等。在特定实施例中,社交网络系统460可以使用根据历史动作和过去的用户响应训练的机器学习算法,或者通过将用户暴露于各种选项并测量响应而从用户获得的数据,来确定系数。尽管本公开描述了以特定方式计算系数,但是本公开设想了以任何合适的方式计算系数。
在特定实施例中,社交网络系统460可以基于用户的动作来计算系数。社交网络系统460可以监控在线社交网络上、第三方系统470上、其他合适的系统上、或它们的任意组合上的这样的动作。可以跟踪或监控任何合适类型的用户动作。典型的用户操作包括查看简档页面、创建或发布内容、与内容交互、在图像中标记或被标记在图像中、加入群组、列出并确认事件出席情况、在不同地点签到、点赞特定页面、创建页面以及执行有助于社交动作的其他任务。在特定实施例中,社交网络系统460可以基于用户对特定类型内容的动作来计算系数。内容可以与在线社交网络、第三方系统470或另一合适的系统相关联。内容可以包括用户简档页面、帖子、新闻动态(news stories)、标题、即时消息、聊天室会话、电子邮件、广告、图片、视频、音乐、其他合适的对象或其任意组合。社交网络系统460可以分析用户的动作,以确定这些动作中的一个或更多个是否指示对主题、内容、其他用户等的亲和力。作为示例而不是作为限制,如果用户频繁发布与“咖啡”或其变型相关的内容,则社交网络系统460可以确定用户相对于概念“咖啡”具有高的系数。特定动作或动作类型可以被分配比其他动作更高的权重和/或等级,这可能影响计算的总系数。作为示例而不是作为限制,如果第一用户向第二用户发送电子邮件,则该动作的权重或等级可能高于第一用户简单地查看第二用户的用户简档页面的情况。
在特定实施例中,社交网络系统460可以基于特定对象之间的关系的类型来计算系数。参考社交图500,当计算系数时,社交网络系统460可以分析连接特定用户节点502和概念节点504的边506的数量和/或类型。作为示例而不是作为限制,通过配偶型边(表示两个用户结婚了)连接的用户节点502可以被分配比通过朋友型边连接的用户节点502更高的系数。换句话说,根据分配给特定用户的动作和关系的权重,可以确定对于关于用户的配偶的内容的总体亲和力比对于关于用户的朋友的内容的总体亲和力更高。在特定实施例中,用户与另一对象的关系可以影响关于计算该对象的系数的用户动作的权重和/或等级。作为示例而不是作为限制,如果用户在第一张照片中被标记,但仅仅赞第二张照片,则社交网络系统460可以确定用户关于第一张照片具有比第二张照片更高的系数,因为具有与内容的标记型(tagged-in-type)关系可以被分配比具有与内容的点赞型(like-type)关系更高的权重和/或等级。在特定实施例中,社交网络系统460可以基于一个或更多个第二用户与特定对象所具有的关系来计算第一用户的系数。换句话说,其他用户与对象的关连和系数可能影响第一用户关于该对象的系数。作为示例而不是作为限制,如果第一用户关连到一个或更多个第二用户或者对于一个或更多个第二用户具有高的系数,并且那些第二用户关连到特定对象或者对于特定对象具有高的系数,则社交网络系统460可以确定第一用户对于该特定对象同样应该具有相对高的系数。在特定实施例中,系数可以基于特定对象之间的分离度。较低的系数可以表示第一用户将分享对在社交图500中间接地关连到第一用户的用户的内容对象有兴趣的可能性降低。作为示例而不是作为限制,在社交图500中更靠近(即,分离度更少)的社交图实体可以比在社交图500中更远离的实体具有更高的系数。
在特定实施例中,社交网络系统460可以基于位置信息来计算系数。在地理上彼此更靠近的对象可以被认为比更远的对象彼此更相关或更感兴趣。在特定实施例中,用户对特定对象的系数可以基于对象的位置与和用户相关联的当前位置(或用户的客户端系统430的位置)的接近度。第一用户可能对更靠近第一用户的其他用户或概念更感兴趣。作为示例而不是作为限制,如果用户距机场一英里且距加油站两英里,则社交网络系统460可以基于机场与用户的接近度来确定用户对机场具有比加油站更高的系数。
在特定实施例中,社交网络系统460可以基于系数信息来执行关于用户的特定动作。系数可以用于基于用户对特定动作的兴趣来预测用户是否将执行该动作。当生成或向用户呈现任何类型的对象(例如广告、搜索结果、新闻动态、媒体、消息、通知或其他合适的对象)时,可以使用系数。该系数也可以被用来适当地对这些对象进行排名(rank)和排序(order)。以这种方式,社交网络系统460可以提供与用户的兴趣和当前环境相关的信息,增加了他们将找到这样的感兴趣的信息的可能性。在特定实施例中,社交网络系统460可以基于系数信息来生成内容。可以基于特定于用户的系数来提供或选择内容对象。作为示例而不是作为限制,系数可以用于为用户生成媒体,其中可以向用户呈现用户关于媒体对象具有高的总系数的媒体。作为另一示例而不是作为限制,该系数可以用于为用户生成广告,其中可以向用户呈现其关于广告对象具有高总体系数的广告。在特定实施例中,社交网络系统460可以基于系数信息来生成搜索结果。可以基于与查询用户的搜索结果相关联的系数来对特定用户的搜索结果进行评分或排名。作为示例而不是作为限制,对应于具有较高系数的对象的搜索结果在搜索结果页面上的排名可以高于对应于具有较低系数的对象的结果。
在特定实施例中,社交网络系统460可以响应于来自特定系统或过程的系数请求来计算系数。为了预测用户在给定情况下可能采取动作(或者可能是动作的对象)的可能性,任何过程都可以请求关于用户的计算出的系数。请求还可以包括用于计算系数的各种因素使用的一组权重。该请求可以来自在线社交网络上运行的进程(process)、来自第三方系统470(例如,经由API或其他通信渠道)、或者来自另一个合适的系统。响应于该请求,社交网络系统460可以计算系数(或者如果先前已经计算并存储了系数信息,则访问系数信息)。在特定实施例中,社交网络系统460可以度量关于特定过程的亲和力。不同的过程(在线社交网络的内部和外部)可以请求关于特定对象或对象集的系数。社交网络系统460可以提供与请求了亲和力的度量的特定过程相关的亲和力的度量。以这种方式,每个过程接收针对不同上下文调整的亲和力度量,其中该过程将使用亲和力度量。
结合社交图亲和力和亲和力系数,特定实施例可以利用在2006年8月11日提交的第11/503093号美国专利申请、2010年12月22日提交的第12/977027号美国专利申请、2010年12月23日提交的第12/978265号美国专利申请和2012年10月01日提交的第13/632869号美国专利申请(其中的每一个都通过引用并入)中公开的一个或更多个系统、部件、元件、功能、方法、操作或步骤。
在特定实施例中,计算系统的一个或更多个对象(例如,内容或其他类型的对象)可以与一个或更多个隐私设置相关联。一个或更多个对象可以存储在任何合适的计算系统或应用上,或者以其他方式与任何合适的计算系统或应用相关联,该计算系统或应用诸如例如是社交网络系统460、客户端系统430、第三方系统470、社交网络应用、消息传递应用、照片共享应用或者任何其他合适的计算系统或应用。尽管本文讨论的示例是在在线社交网络的上下文中,但是这些隐私设置可以应用于任何其他合适的计算系统。对象的隐私设置(或“访问设置”)可以以任何合适的方式——例如与对象相关联地、在授权服务器上用索引、以另一种合适的方式、或其任何合适的组合——被存储。对象的隐私设置可以指定如何可以在在线社交网络中访问、存储或以其他方式使用(例如,查看、共享、修改、复制、执行、显现或识别)该对象(或与该对象相关联的特定信息)。在对象的隐私设置允许特定用户或其他实体访问该对象时,该对象可以被描述为相对于该用户或其他实体是“可见的”。作为示例而不是作为限制,在线社交网络的用户可以指定关于用户简档页面的隐私设置,该隐私设置识别可以访问在用户简档页面上的工作经历信息的一组用户,因而排除其他用户访问该信息。
在特定实施例中,对象的隐私设置可以指定不应当被允许访问与对象相关联的某些信息的用户或其他实体的“黑名单(blocked list)”。在特定实施例中,黑名单可以包括第三方实体。黑名单可以指定一个或更多个用户或实体,对象对这些用户或实体是不可见的。作为示例而不是作为限制,用户可以指定不可以访问与用户相关联的相册的用户集合,因而排除那些用户访问相册(同时也可能允许不在指定用户集合内的某些用户访问相册)。在特定实施例中,隐私设置可以与特定社交图元素相关联。社交图元素(例如节点或边)的隐私设置可以指定可以如何使用在线社交网络来访问社交图元素、与社交图元素相关联的信息、或与社交图元素相关联的对象。作为示例而不是作为限制,对应于特定照片的特定概念节点504可以具有指定照片仅可以由在照片中标记的用户以及在照片中标记的用户的朋友访问的隐私设置。在特定实施例中,隐私设置可以允许用户选择加入或选择退出使他们的内容、信息或动作被社交网络系统460存储/记录或者与其他系统(例如,第三方系统470)分享。尽管本公开描述了以特定方式使用特定隐私设置,但是本公开设想了以任何合适的方式使用任何合适的隐私设置。
在特定实施例中,隐私设置可以基于社交图500的一个或更多个节点或边。可以为社交图500的一条或更多条边506或边类型、或者关于社交图500的一个或更多个节点502、504或节点类型,指定隐私设置。应用于连接两个节点的特定边506的隐私设置可以控制对应于这两个节点的两个实体之间的关系对于在线社交网络的其他用户是否可见。类似地,应用于特定节点的隐私设置可以控制对应于该节点的用户或概念对于在线社交网络的其他用户是否可见。作为示例而不是作为限制,第一用户可以向社交网络系统460共享对象。该对象可以与通过边506关连到第一用户的用户节点502的概念节点504相关联。第一用户可以指定应用于关连到对象的概念节点504的特定边506的隐私设置,或者可以指定应用于关连到概念节点504的所有边506的隐私设置。作为另一个示例而不是作为限制,第一用户可以共享特定对象类型的对象集合(例如,图像集合)。第一用户可以针对与第一用户相关联的该特定对象类型的所有对象将隐私设置指定为具有特定的隐私设置(例如,指定由第一用户发布的所有图像仅对第一用户的朋友和/或在图像中标记的用户可见)。
在特定实施例中,社交网络系统460可以(例如,在网页、模块、一个或更多个对话框或任何其他合适的界面内)向第一用户呈现“隐私向导(privacy wizard)”,以帮助第一用户指定一个或更多个隐私设置。隐私向导可以显示指令、合适的隐私相关信息、当前隐私设置、用于接受来自第一用户的一个或更多个输入(其指定隐私设置的改变或确认)的一个或更多个输入字段、或其任何合适的组合。在特定实施例中,社交网络系统460可以向第一用户提供“仪表板(dashboard)”功能,该功能可以向第一用户显示第一用户的当前隐私设置。仪表板功能可以在任何适当的时间显示给第一用户(例如,在来自调用仪表板功能的第一用户的输入之后,在特定事件或触发动作发生之后)。仪表板功能可以允许第一用户以任何合适的方式在任何时间修改第一用户的一个或更多个当前隐私设置(例如,将第一用户重定向到隐私向导)。
与对象相关联的隐私设置可以指定允许访问或拒绝访问的任何合适的粒度(granularity)。作为示例而不是作为限制,可以为特定用户(例如,只有我、我的室友、我的老板)、在特定分离度内的用户(例如,朋友、朋友的朋友)、用户团体(例如,游戏俱乐部、我的家人)、用户网络(例如,特定雇主的雇员、特定大学的学生或校友)、所有用户(“公众”)、无用户(“私人的”)、第三方系统470的用户、特定应用(例如,第三方应用、外部网站)、其他合适的实体、或其任何合适的组合来指定访问或拒绝访问。尽管本公开描述了允许访问或拒绝访问的特定粒度,但是本公开设想了允许访问或拒绝访问的任何合适粒度。
在特定实施例中,一个或更多个服务器462可以是用于实施隐私设置的授权/隐私服务器。响应于来自用户(或其他实体)的对存储在数据储存器464中的特定对象的请求,社交网络系统460可以向数据储存器464发送对该对象的请求。请求可以识别与该请求相关联的用户,并且对象只有在授权服务器基于与该对象相关联的隐私设置确定该用户被授权访问该对象时才可以被发送给该用户(或者该用户的客户端系统430)。如果请求用户未被授权访问该对象,则授权服务器可以阻止所请求的对象从数据储存器464中被检索,或者可以阻止所请求的对象被发送给用户。在搜索-查询上下文中,只有当查询用户被授权访问对象时,例如,如果对象的隐私设置允许其被显露给查询用户、被查询用户发现或以其他方式对查询用户可见,才可以提供对象作为搜索结果。在特定实施例中,对象可以表示通过用户的动态消息对用户可见的内容。作为示例而不是作为限制,一个或更多个对象对于用户的“热门话题(Trending)”页面可以是可见的。在特定实施例中,对象可以对应于特定用户。对象可以是与特定用户相关联的内容,或者可以是特定用户的账户或存储在社交网络系统460或其他计算系统上的信息。作为示例而不是作为限制,第一用户可以通过在线社交网络的“你可能认识的人(People You May Know)”功能或者通过查看第一用户的朋友列表来查看在线社交网络的一个或更多个第二用户。作为示例而不是作为限制,第一用户可以指定他们不希望在他们的动态消息或朋友列表中看到与特定第二用户相关联的对象。如果对象的隐私设置不允许其被显露给用户、被用户发现或对用户可见,则该对象可以从搜索结果中排除。尽管本公开描述了以特定方式实施隐私设置,但是本公开设想了以任何合适的方式实施隐私设置。
在特定实施例中,与用户相关联的相同类型的不同对象可以具有不同的隐私设置。与用户相关联的不同类型的对象可以具有不同类型的隐私设置。作为示例而不是作为限制,第一用户可以指定第一用户的状态更新是公开的,但是第一用户分享的任何图像仅对在线社交网络上第一用户的朋友可见。作为另一个示例而不是作为限制,用户可以为不同类型的实体(如个人用户、朋友的朋友、关注者、用户团体或公司实体)指定不同的隐私设置。作为另一个示例而不是作为限制,第一用户可以指定可以查看由第一用户发布的视频的一组用户,同时防止视频对第一用户的雇主可见。在特定实施例中,可以为不同的用户组或用户人口统计提供不同的隐私设置。作为示例而不是作为限制,第一用户可以指定与第一用户在同一所大学上学的其他用户可以查看第一用户的照片,但是作为第一用户的家庭成员的其他用户不能查看那些相同的照片。
在特定实施例中,社交网络系统460可以为特定对象类型的每个对象提供一个或更多个默认隐私设置。被设置为默认的对象的隐私设置可以由与该对象相关联的用户来改变。作为示例而不是作为限制,由第一用户发布的所有图像可以具有默认隐私设置,即仅对于第一用户的朋友可见,并且对于特定图像,第一用户可以改变图像的隐私设置,以对于朋友和朋友的朋友可见。
在特定实施例中,隐私设置可以允许第一用户指定(例如,通过选择退出,通过不选择加入)社交网络系统460是否可以出于任何目的接收、收集、记录或存储与用户相关联的特定对象或信息。在特定实施例中,隐私设置可以允许第一用户指定特定应用或过程是否可以访问、存储或使用与用户相关联的特定对象或信息。隐私设置可以允许第一用户选择加入或选择退出使对象或信息被特定应用或过程访问、存储或使用。社交网络系统460可以访问这样的信息以便向第一用户提供特定的功能或服务,而社交网络系统460不能出于任何其他目的访问该信息。在访问、存储或使用这样的对象或信息之前,社交网络系统460可以提示用户提供指定哪些应用或过程(如果有的话)可以在允许任何这样的动作之前访问、存储或使用对象或信息的隐私设置。作为示例而非限制,第一用户可以经由与在线社交网络相关的应用(例如,消息传送app)向第二用户发送消息,并且可以指定这样的消息不应被社交网络系统460存储的隐私设置。
在特定实施例中,用户可以指定社交网络系统460是否可以访问、存储或使用与第一用户相关联的特定类型的对象或信息。作为示例而不是作为限制,第一用户可以指定由第一用户通过社交网络系统460发送的图像不可以被社交网络系统460存储。作为另一个示例而不是作为限制,第一用户可以指定从第一用户发送给特定第二用户的消息不可以被社交网络系统460存储。作为又一个示例而不是作为限制,第一用户可以指定经由特定应用发送的所有对象可以被社交网络系统460保存。
在特定实施例中,隐私设置可以允许第一用户指定是否可以从特定客户端系统430或第三方系统470访问与第一用户相关联的特定对象或信息。隐私设置可以允许第一用户选择加入或选择退出从特定设备(例如,用户智能电话上的电话簿)、从特定应用(例如,消息传递app)或从特定系统(例如,电子邮件服务器)访问对象或信息。社交网络系统460可以提供关于每个设备、系统或应用的默认隐私设置,和/或可以提示第一用户为每个上下文指定特定的隐私设置。作为示例而不是作为限制,第一用户可以利用社交网络系统460的位置服务特征来提供用户附近的餐馆或其他地方的推荐。第一用户的默认隐私设置可以指定社交网络系统460可以使用从第一用户的客户端设备430提供的位置信息来提供基于位置的服务,但是社交网络系统460不可以存储第一用户的位置信息或将其提供给任何第三方系统470。第一用户然后可以更新隐私设置,以允许第三方图像共享应用使用位置信息来对照片进行地理标记。
在特定实施例中,隐私设置可以允许用户指定可以从其访问对象的一个或更多个地理位置。对对象的访问或拒绝访问可取决于试图访问对象的用户的地理位置。作为示例而非限制,用户可以共享对象并指定只有同一城市中的用户可以访问或查看该对象。作为另一个示例而非限制,第一用户可以共享对象,并且指定只有当第一用户在特定位置时,该对象才对第二用户是可见的。如果第一用户离开该特定位置,则对象可不再对第二用户是可见的。作为另一示例而非限制,第一用户可以指定对象仅对在距第一用户的阈值距离内的第二用户可见。如果第一用户随后改变位置,则原始具有对对象的访问权的第二用户可能会失去访问权,而新的一组第二用户可能会在他们到达第一用户的阈值距离内时获得访问权。
图6示出了示例计算机系统600。在特定实施例中,一个或更多个计算机系统600执行本文描述或示出的一个或更多个方法的一个或更多个步骤。在特定实施例中,一个或更多个计算机系统600提供本文描述或示出的功能。在特定实施例中,在一个或更多个计算机系统600上运行的软件执行本文描述或示出的一个或更多个方法的一个或更多个步骤,或者提供本文描述或示出的功能。特定实施例包括一个或更多个计算机系统600的一个或更多个部分。在本文,在适当的情况下,对计算机系统的引用可以包括计算设备,以及对计算设备的引用可以包括计算机系统。此外,在适当的情况下,对计算机系统的引用可以包括一个或更多个计算机系统。
本公开设想了任何合适数量的计算机系统600。本公开设想了计算机系统600采取任何合适的物理形式。作为示例而不是作为限制,计算机系统600可以是嵌入式计算机系统、片上系统(SOC)、单板计算机系统(SBC)(例如,模块上计算机(COM)或模块上系统(SOM))、台式计算机系统、膝上型或笔记本计算机系统、交互式信息亭、大型机、计算机系统网状网、移动电话、个人数字助理(PDA)、服务器、平板计算机系统、增强/虚拟现实设备、或者这些系统的两个或更多个的组合。在适当的情况下,计算机系统600可以包括一个或更多个计算机系统600;是整体式的或分布式的;跨越多个位置;跨越多台机器;跨越多个数据中心;或者驻留在云中,云可以包括在一个或更多个网络中的一个或更多个云组件。在适当的情况下,一个或更多个计算机系统600可以在没有实质性空间或时间限制的情况下执行本文描述或示出的一个或更多个方法的一个或更多个步骤。作为示例而不是作为限制,一个或更多个计算机系统600可以实时地或以批处理模式来执行本文描述或示出的一个或更多个方法的一个或更多个步骤。在适当的情况下,一个或更多个计算机系统600可以在不同的时间或在不同的位置处执行本文描述或示出的一个或更多个方法的一个或更多个步骤。
在特定实施例中,计算机系统600包括处理器602、存储器604、存储装置606、输入/输出(I/O)接口608、通信接口610和总线612。尽管本公开描述并示出了具有在特定布置中的特定数量的特定组件的特定计算机系统,但是本公开设想了具有在任何合适布置中的任何合适数量的任何合适组件的任何合适的计算机系统。
在特定实施例中,处理器602包括用于执行指令(例如构成计算机程序的那些指令)的硬件。作为示例而不是作为限制,为了执行指令,处理器602可以从内部寄存器、内部高速缓存、存储器604或存储装置606中检索(或取回)指令;将他们解码并执行它们;以及然后将一个或更多个结果写到内部寄存器、内部高速缓存、存储器604或存储装置606。在特定实施例中,处理器602可以包括用于数据、指令或地址的一个或更多个内部高速缓存。在适当的情况下,本公开设想了处理器602包括任何合适数量的任何合适的内部高速缓存。作为示例而不是作为限制,处理器602可以包括一个或更多个指令高速缓存、一个或更多个数据高速缓存、以及一个或更多个转译后备缓冲器(TLB)。在指令高速缓存中的指令可以是在存储器604或存储装置606中的指令的副本,并且指令高速缓存可以加速处理器602对那些指令的检索。在数据高速缓存中的数据可以是:在存储器604或存储装置606中的数据的副本,用于使在处理器602处执行的指令进行操作;在处理器602处执行的先前指令的结果,用于由在处理器602处执行的后续指令访问或者用于写到存储器604或存储装置606;或其他合适的数据。数据高速缓存可以加速由处理器602进行的读或写操作。TLB可以加速关于处理器602的虚拟地址转译。在特定实施例中,处理器602可以包括用于数据、指令或地址的一个或更多个内部寄存器。在适当的情况下,本公开设想了处理器602包括任何合适数量的任何合适的内部寄存器。在适当的情况下,处理器602可以包括一个或更多个算术逻辑单元(ALU);是多核处理器;或者包括一个或更多个处理器602。尽管本公开描述并示出了特定的处理器,但是本公开设想了任何合适的处理器。
在特定实施例中,存储器604包括用于存储用于使处理器602执行的指令或用于使处理器602操作的数据的主存储器。作为示例而不是作为限制,计算机系统600可以将指令从存储装置606或另一个源(例如,另一个计算机系统600)加载到存储器604。处理器602然后可以将指令从存储器604加载到内部寄存器或内部高速缓存。为了执行指令,处理器602可以从内部寄存器或内部高速缓存中检索指令并将它们解码。在指令的执行期间或之后,处理器602可以将一个或更多个结果(其可以是中间结果或最终结果)写到内部寄存器或内部高速缓存。处理器602然后可以将这些结果中的一个或更多个写到存储器604。在特定实施例中,处理器602仅执行在一个或更多个内部寄存器或内部高速缓存中或在存储器604(而不是存储装置606其他地方)中的指令,并且仅对在一个或更多个内部寄存器或内部高速缓存中或在存储器604(而不是存储装置606或其他地方)中的数据进行操作。一个或更多个存储器总线(其可以各自包括地址总线和数据总线)可以将处理器602耦合到存储器604。如下所述,总线612可以包括一个或更多个存储器总线。在特定实施例中,一个或更多个存储器管理单元(MMU)驻留在处理器602和存储器604之间,并且便于由处理器602请求的对存储器604的访问。在特定实施例中,存储器604包括随机存取存储器(RAM)。在适当的情况下,该RAM可以是易失性存储器。在适当的情况下,该RAM可以是动态RAM(DRAM)或静态RAM(SRAM)。此外,在适当的情况下,该RAM可以是单端口RAM或多端口RAM。本公开设想了任何合适的RAM。在适当的情况下,存储器604可以包括一个或更多个存储器604。尽管本公开描述并示出了特定的存储器,但是本公开设想了任何合适的存储器。
在特定实施例中,存储装置606包括用于数据或指令的大容量存储装置。作为示例而不是作为限制,存储装置606可以包括硬盘驱动器(HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(USB)驱动器、或这些中的两个或更多个的组合。在适当的情况下,存储装置606可以包括可移动或不可移动(或固定)介质。在适当的情况下,存储装置606可以在计算机系统600的内部或外部。在特定实施例中,存储装置606是非易失性固态存储器。在特定实施例中,存储装置606包括只读存储器(ROM)。在适当的情况下,该ROM可以是掩模编程ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可变ROM(EAROM)、或闪存、或这些中的两个或更多个的组合。本公开设想了采用任何合适的物理形式的大容量存储装置606。在适当的情况下,存储装置606可以包括便于在处理器602和存储装置606之间的通信的一个或更多个存储装置控制单元。在适当的情况下,存储装置606可以包括一个或更多个存储装置606。尽管本公开描述并示出了特定的存储装置,但是本公开设想了任何合适的存储装置。
在特定实施例中,I/O接口608包括为在计算机系统600和一个或更多个I/O设备之间的通信提供一个或更多个接口的硬件、软件或两者。在适当的情况下,计算机系统600可以包括这些I/O设备中的一个或更多个。这些I/O设备中的一个或更多个可以实现在人和计算机系统600之间的通信。作为示例而不是作为限制,I/O设备可以包括键盘、小键盘、麦克风、监视器、鼠标、打印机、扫描仪、扬声器、静态摄像机、触笔、平板计算机、触摸屏、跟踪球、视频摄像机、另一个合适的I/O设备、或这些中的两个或更多个的组合。I/O设备可以包括一个或更多个传感器。本公开设想了任何合适的I/O设备以及用于它们的任何合适的I/O接口608。在适当的情况下,I/O接口608可以包括使处理器602能够驱动这些I/O设备中的一个或更多个的一个或更多个设备或软件驱动器。在适当的情况下,I/O接口608可以包括一个或更多个I/O接口608。尽管本公开描述并示出了特定的I/O接口,但是本公开设想了任何合适的I/O接口。
在特定实施例中,通信接口610包括提供用于在计算机系统600和一个或更多个其他计算机系统600或一个或更多个网络之间的通信(例如,基于分组的通信)的一个或更多个接口的硬件、软件或两者。作为示例而非限制,通信接口610可以包括用于与以太网或其他基于有线的网络通信的网络接口控制器(NIC)或网络适配器,或者用于与无线网络(例如WI-FI网络)通信的无线NIC(WNIC)或无线适配器。本公开设想了任何合适的网络和用于它的任何合适的通信接口610。作为示例而不是作为限制,计算机系统600可以与自组织网络、个域网(PAN)、局域网(LAN)、广域网(WAN)、城域网(MAN)或互联网的一个或更多个部分、或这些中的两个或更多个的组合进行通信。这些网络中的一个或更多个的一个或更多个部分可以是有线的或无线的。作为示例,计算机系统600可以与无线PAN(WPAN)(例如,蓝牙WPAN)、WI-FI网络、WI-MAX网络、蜂窝电话网络(例如,全球移动通信系统(GSM)网络)、或其他合适的无线网络、或这些中的两个或更多个的组合进行通信。在适当的情况下,计算机系统600可以包括用于这些网络中的任一个的任何合适的通信接口610。在适当的情况下,通信接口610可以包括一个或更多个通信接口610。尽管本公开描述并示出了特定的通信接口,但是本公开设想了任何合适的通信接口。
在特定实施例中,总线612包括将计算机系统600的组件耦合到彼此的硬件、软件或两者。作为示例而不是作为限制,总线612可以包括加速图形端口(AGP)或其他图形总线、扩展工业标准体系结构(EISA)总线、前端总线(FSB)、HYPERTRANSPORT(HT)互连、工业标准体系结构(ISA)总线、INFINIBAND互连、低引脚数(LPC)总线、存储器总线,微通道体系结构(MCA)总线、外围部件互连(PCI)总线、PCI-Express(扩展)(PCIe)总线、串行高级技术附件(SATA)总线、视频电子标准协会本地(VLB)总线、或任何其他合适的总线、或这些中的两个或更多个的组合。在适当的情况下,总线612可以包括一个或更多个总线612。尽管本公开描述并示出了特定总线,但是本公开设想了任何合适的总线或互连。
在本文,在适当的情况下,一个或更多个计算机可读非暂时性存储介质可以包括一个或更多个基于半导体的或其他集成电路(IC)(例如,现场可编程门阵列(FPGA)或专用IC(ASIC))、硬盘驱动器(HDD)、混合硬盘驱动器(HHD)、光盘、光盘驱动器(ODD)、磁光盘、磁光盘驱动器、软盘、软盘驱动器(FDD)、磁带、固态驱动器(SSD)、RAM驱动器、安全数字(SECURE DIGITAL)卡或驱动器、任何其他合适的计算机可读非暂时性存储介质、或这些中的两个或更多个的任何合适组合。在适当的情况下,计算机可读非暂时性存储介质可以是易失性的、非易失性的或者易失性和非易失性的组合。
本文中,除非另有明确指示或通过上下文另有指示,否则“或”是包括一切的而非排他性的。因此在本文,除非另有明确指示或通过上下文另有指示,否则“A或B”意指“A、B或两者”。此外,除非另有明确指示或通过上下文另有指示,否则“和”既是联合的又是各自的。因此在本文,除非另有明确指示或通过上下文另有指示,否则“A和B”意指“A和B,联合地或各自地”。
本公开的范围包括本领域中的普通技术人员将理解的对本文描述或示出的示例实施例的所有改变、替换、变化、变更和修改。本公开的范围不限于本文描述或示出的示例实施例。此外,尽管本公开将本文的相应实施例描述并示为包括特定的组件、元件、特征、功能、操作或步骤,但是这些实施例中的任何一个可以包括本领域中的普通技术人员将理解的在本文任何地方描述或示出的任何组件、元件、特征、功能、操作或步骤的任何组合或置换。此外,在所附权利要求中对适合于、被布置成、能够、被配置成、实现来、可操作来、或操作来执行特定功能的装置或系统或装置或系统的组件的引用包括该装置、系统、组件,无论它或那个特定功能是否被激活、开启或解锁,只要该装置、系统或组件是这样被调整、被布置、使能够、被配置、被实现、可操作的、或操作的。此外,尽管本公开将特定实施例描述或示为提供特定优点,但是特定实施例可以提供这些优点中的一些、全部或不提供这些优点。
Claims (20)
1.一种方法,包括:
由计算系统分析与社交网络系统的用户相关联的社交图信息;
由所述计算系统产生表示社交图信息的元素的特征向量;
由所述计算系统应用所述特征向量来确定社交图信息的元素与特殊相关性位置的相关性;
由所述计算系统从与所述社交网络系统的用户相关联的联网设备接收数据项;
由所述计算系统将所述特征向量应用于所述至少一个数据点,以确定所述至少一个数据点与所述特殊相关性位置的相关性;
由所述计算系统基于所确定的所述至少一个数据点中的每一个数据点与所述特殊相关性位置的相关性,为所述至少一个数据点中的每一个数据点分配权重;
由所述计算系统根据所述至少一个数据点的分配的权重来处理该至少一个数据点;和
由所述计算系统在特定的确定性程度上形成指示所述用户的特殊相关性位置的预测。
2.根据权利要求1所述的方法,还包括以下步骤:
由所述计算系统基于预测的特殊相关性位置来确定与所述用户相关的广告;和
由所述计算系统将所述广告传输到所述用户的联网设备。
3.根据权利要求1所述的方法,还包括以下步骤:
由所述计算系统基于预测的特殊相关性位置来确定与所述用户相关的服务;和
由所述计算系统将所述服务的通知传输到所述用户的联网设备。
4.根据权利要求1所述的方法,还包括以下步骤:
由所述计算系统在特定的确定性程度上形成指示用户的特殊相关性位置在特定地理区域内的预测;和
由所述计算系统确定全体用户的数量,所述全体用户的特殊相关性位置在所述特定地理区域内。
5.根据权利要求1所述的方法,其中,来自用户的联网设备的所述至少一个数据点包括与用户账户相关联的社交图信息。
6.根据权利要求5所述的方法,其中,与所述用户账户相关联的社交图信息包括到第二用户的至少一个关连。
7.根据权利要求5所述的方法,其中,与所述用户账户相关联的社交图信息包括至少一个页面交互。
8.根据权利要求5所述的方法,其中,与所述用户账户相关联的社交图信息包括至少一个市场交易。
9.根据权利要求1所述的方法,还包括以下步骤:
由所述计算系统生成关于与所述用户相关联的社交图信息的至少一个元素的至少一个问题;
由所述计算系统将所述至少一个问题传输到所述用户的联网设备;
由所述计算系统接收对所述至少一个问题的回答;
由所述计算系统基于所述用户的响应,验证与所述用户相关联的社交图信息的至少一个元素;和
由所述计算系统更新指示所述用户的特殊相关性位置的预测。
10.根据权利要求1所述的方法,还包括以下步骤:
由所述计算系统确定在特定时间段内从用户的联网设备接收的数据点是否指示所述用户经常旅行;
由所述计算系统针对与所述数据点相关联的每个唯一位置,登记从所述联网设备接收的每个数据点的计数,以形成计数集合;
由所述计算系统设置最小阈值;
由所述计算系统确定与每个唯一位置相关联的每个计数集合的计数总和;
由所述计算系统将每个计数集合的总和与所述最小阈值进行比较;和
如果一个计数集合的总和超过所述最小阈值,则由所述计算系统更新所述用户的特殊相关性位置。
11.一种系统,包括:
处理器,其被配置为:
分析与社交网络系统的用户相关联的社交图信息;
产生描述社交图信息的元素的特征向量;
应用所述特征向量来确定社交图信息的元素与特殊相关性位置的相关性;
接收器,其耦合到所述处理器,并被配置为从用户的联网设备接收至少一个数据点;
所述处理器还被配置成:
将所述特征向量应用于所述至少一个数据点,以确定所述至少一个数据点与所述特殊相关性位置的相关性;
基于所确定的所述至少一个数据点中的每一个数据点与所述特殊相关性位置的相关性,为所述至少一个数据点中的每一个数据点分配权重;
根据所述至少一个数据点的分配的权重来处理该至少一个数据点;和
在特定的确定性程度上形成指示所述用户的特殊相关性位置的预测。
12.根据权利要求11所述的系统,其中,所述处理器还被配置成:
基于预测的特殊相关性位置来确定与所述用户相关的广告;和
将所述广告传输到所述用户的联网设备。
13.根据权利要求11所述的系统,其中,所述处理器还被配置成:
基于预测的特殊相关性位置来确定与所述用户相关的服务;和
将所述服务的通知传输到所述用户的联网设备。
14.根据权利要求11所述的系统,其中,所述处理器还被配置成:
在特定的确定性程度上形成指示用户的特殊相关性位置在特定地理区域内的预测;和
确定全体用户的数量,所述全体用户的特殊相关性位置在所述特定地理区域内。
15.根据权利要求11所述的系统,其中,来自用户的联网设备的所述至少一个数据点包括与用户账户相关联的社交图信息。
16.根据权利要求11所述的系统,其中,与所述用户账户相关联的社交图信息包括至少一个页面交互。
17.根据权利要求11所述的系统,其中,与所述用户账户相关联的社交图信息包括至少一个市场交易。
18.根据权利要求11所述的系统,还包括:
所述处理器还被配置成:
生成关于与所述用户相关联的社交图信息的至少一个元素的至少一个问题;
将所述至少一个问题传输到所述用户的联网设备;
所述接收器还被配置成接收对所述至少一个问题的回答;
所述处理器还被配置成:
验证与所述用户相关联的社交图信息的至少一个元素;和
更新指示所述用户的特殊相关性位置的预测。
19.根据权利要求11所述的系统,其中,所述处理器还被配置成:
确定在特定时间段内从用户的联网设备接收的数据点是否指示所述用户经常旅行;
针对与所述数据点相关联的每个唯一位置,登记从所述联网设备接收的每个数据点的计数,以形成计数集合;
设置最小阈值;
确定与每个唯一位置相关联的每个计数集合的计数总和;
将每个计数集合的总和与所述最小阈值进行比较;和
如果一个计数集合的总和超过所述最小阈值,则更新所述用户的特殊相关性位置。
20.一个或更多个计算机可读非暂时性存储介质,其体现软件,所述软件在被执行时能够操作来:
分析与社交网络系统的用户相关联的社交图信息;
产生描述社交图信息的元素的特征向量;
应用所述特征向量来确定社交图信息的元素与特殊相关性位置的相关性;
从用户的联网设备接收至少一个数据点;
将所述特征向量应用于所述至少一个数据点,以确定所述至少一个数据点与所述特殊相关性位置的相关性;
基于所确定的所述至少一个数据点中的每一个数据点与所述特殊相关性位置的相关性,为所述至少一个数据点中的每一个数据点分配权重;
根据所述至少一个数据点的分配的权重来处理该至少一个数据点;和
在特定的确定性程度上形成指示所述用户的特殊相关性位置的预测。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/054,367 | 2018-08-03 | ||
US16/054,367 US20200043046A1 (en) | 2018-08-03 | 2018-08-03 | Location prediction |
PCT/US2019/044965 WO2020028846A1 (en) | 2018-08-03 | 2019-08-02 | Location prediction |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112513911A true CN112513911A (zh) | 2021-03-16 |
Family
ID=67734813
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980051854.3A Pending CN112513911A (zh) | 2018-08-03 | 2019-08-02 | 位置预测 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20200043046A1 (zh) |
EP (1) | EP3794540A1 (zh) |
CN (1) | CN112513911A (zh) |
WO (1) | WO2020028846A1 (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080040475A1 (en) * | 2006-08-11 | 2008-02-14 | Andrew Bosworth | Systems and methods for measuring user affinity in a social network environment |
US20130132194A1 (en) * | 2011-11-17 | 2013-05-23 | Giridhar Rajaram | Targeting advertisements to users of a social networking system based on events |
CN103608830A (zh) * | 2010-12-22 | 2014-02-26 | 脸谱公司 | 基于位置和社交信息为用户提供相关通知 |
US8972570B1 (en) * | 2012-08-17 | 2015-03-03 | Facebook, Inc. | Implicit geolocation of social networking users |
CN104541273A (zh) * | 2012-08-20 | 2015-04-22 | 微软公司 | 推断关于兴趣点的信息的社交相关性 |
CN104756149A (zh) * | 2012-08-31 | 2015-07-01 | 脸谱公司 | 与位置相关的社交数据的真实世界视图 |
CN106687951A (zh) * | 2014-05-30 | 2017-05-17 | 邻客音公司 | 被推断的身份 |
CN106776928A (zh) * | 2016-12-01 | 2017-05-31 | 重庆大学 | 基于内存计算框架、融合社交环境及时空数据的位置推荐方法 |
JP2017130038A (ja) * | 2016-01-20 | 2017-07-27 | 株式会社コロプラ | 移動経路推定の方法および装置 |
US20170251068A1 (en) * | 2016-02-29 | 2017-08-31 | Facebook, Inc. | Network-based location determination |
-
2018
- 2018-08-03 US US16/054,367 patent/US20200043046A1/en not_active Abandoned
-
2019
- 2019-08-02 EP EP19758550.8A patent/EP3794540A1/en not_active Ceased
- 2019-08-02 WO PCT/US2019/044965 patent/WO2020028846A1/en unknown
- 2019-08-02 CN CN201980051854.3A patent/CN112513911A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080040475A1 (en) * | 2006-08-11 | 2008-02-14 | Andrew Bosworth | Systems and methods for measuring user affinity in a social network environment |
CN103608830A (zh) * | 2010-12-22 | 2014-02-26 | 脸谱公司 | 基于位置和社交信息为用户提供相关通知 |
US20130132194A1 (en) * | 2011-11-17 | 2013-05-23 | Giridhar Rajaram | Targeting advertisements to users of a social networking system based on events |
US8972570B1 (en) * | 2012-08-17 | 2015-03-03 | Facebook, Inc. | Implicit geolocation of social networking users |
US20170310776A1 (en) * | 2012-08-17 | 2017-10-26 | Facebook, Inc. | Implicit Geolocation of Social Networking Users |
CN104541273A (zh) * | 2012-08-20 | 2015-04-22 | 微软公司 | 推断关于兴趣点的信息的社交相关性 |
CN104756149A (zh) * | 2012-08-31 | 2015-07-01 | 脸谱公司 | 与位置相关的社交数据的真实世界视图 |
CN106687951A (zh) * | 2014-05-30 | 2017-05-17 | 邻客音公司 | 被推断的身份 |
JP2017130038A (ja) * | 2016-01-20 | 2017-07-27 | 株式会社コロプラ | 移動経路推定の方法および装置 |
US20170251068A1 (en) * | 2016-02-29 | 2017-08-31 | Facebook, Inc. | Network-based location determination |
CN106776928A (zh) * | 2016-12-01 | 2017-05-31 | 重庆大学 | 基于内存计算框架、融合社交环境及时空数据的位置推荐方法 |
Also Published As
Publication number | Publication date |
---|---|
US20200043046A1 (en) | 2020-02-06 |
EP3794540A1 (en) | 2021-03-24 |
WO2020028846A1 (en) | 2020-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10542101B2 (en) | Network-based location determination | |
JP6499284B2 (ja) | ネットワーク要素のソーシャル・スコア | |
AU2014241680B2 (en) | Scoring user characteristics | |
US10079901B2 (en) | Electronic notifications | |
US10154000B2 (en) | Contact aggregation in a social network | |
US9984168B2 (en) | Geo-metric | |
US20170064015A1 (en) | Geographic-Area Cluster | |
US20160150048A1 (en) | Prefetching Location Data | |
CN112534794A (zh) | 目标更新的动态位置监控 | |
US11140232B2 (en) | Analyzing geo-spatial data in layers | |
US10397346B2 (en) | Prefetching places | |
US20160147756A1 (en) | Check-in Suggestions | |
US20160147413A1 (en) | Check-in Additions | |
US10863354B2 (en) | Automated check-ins | |
US20160147421A1 (en) | Dynamic Status Indicator | |
CN112585641A (zh) | 用于分析和预测地理习惯的方法和系统 | |
US20180287980A1 (en) | Systems and Methods for Blocking Content Redistribution | |
CN112513911A (zh) | 位置预测 | |
EP3107059A1 (en) | Geo-metric |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: California, USA Applicant after: Yuan platform Co. Address before: California, USA Applicant before: Facebook, Inc. |