CN118575185A - 隐私保护内容传递 - Google Patents

Abstract

方法、系统和装置，包括用于以隐私保护方式选择和呈现内容的介质编码的计算机程序产品。数字分量请求可以在第一内容平台处从客户端设备接收，并且可以请求用于呈现的数字分量，并且可以包括描述其中将呈现数字分量的环境的上下文数据。基于上下文数据，可以将客户端设备用户添加到兴趣组。基于上下文数据，选择数字分量用于分发给客户端设备。选择的数字分量和指令数据被提供给客户端设备，使得客户端设备：更新指示用户已经被添加到兴趣组的成员资格计数；以及将选择的数字分量包括在数字分量选择过程中以选择用于呈现给客户端设备的用户的数字分量。

Description

隐私保护内容传递

技术领域

本说明书涉及数据隐私、数据安全和机器学习。

背景技术

内容传递可以包括向用户提供相关信息。数据隐私涉及控制对用户数据的访问，并且可以包括禁止跟踪浏览网站的用户。

数据安全和用户隐私在连接到公共网络(诸如互联网)的系统和设备中是至关重要的。用户隐私的增强已经导致许多开发者改变处理用户数据的方式。例如，一些浏览器计划反对使用第三方cookie(小型文本文件)。

发明内容

本说明书描述了能够在不损害用户隐私或数据安全性的情况下传递与用户相关的内容的技术。为了在增强用户隐私的同时提供相关的内容，内容平台可以基于用户与内容平台和/或其附属机构(affiliates)之间的个体交互而不是基于跨多个不同内容平台的资源的用户跟踪来预测哪些兴趣组与用户相关。相反，内容平台可以针对从用户的客户端设备接收的对内容的每个单独请求，基于该请求和与该请求一起接收的上下文数据来预测用户的一个或多个用户兴趣组。然后，内容平台可以请求客户端设备更新存储在客户端设备处的与特定于该内容平台的兴趣组相关的信息。每个内容平台可以使用存储在客户端设备处的与兴趣组预测和提供给客户端设备的提供商特定的逻辑相关的信息来向用户推荐感兴趣的内容。当用户与内容平台和/或其附属机构重复交互时，与兴趣组相关的预测被加强，并且用户的兴趣预测的置信度可以增加。由于用户的每个内容平台的兴趣组成员资格(membership)信息存储在用户的客户端设备处，并且每个内容平台的逻辑在客户端设备处本地执行，因此客户端设备外部的实体都不能访问跨站点数据(例如，关于由不同发布者发布的跨多个网站的用户的活动的信息)，从而增强用户隐私。

一个方面的特征在于从客户端设备并且由第一内容平台接收数字分量(digitalcomponent)请求，该数字分量请求请求用于在客户端设备处呈现的一个或多个数字分量，并且该数字分量请求包括描述其中将呈现数字分量的环境的上下文数据。基于上下文数据，确定将客户端设备的用户添加到一个或多个第一兴趣组。基于上下文数据，选择选择的数字分量用于分发给客户端设备。选择的数字分量和指令数据被提供给客户端设备，并且使得客户端设备：(i)针对一个或多个第一兴趣组中的每一个，更新指示用户已经被添加到兴趣组的成员资格计数；以及(ii)将选择的数字分量包括在由客户端设备执行的数字分量选择过程中，以从接收自多个内容平台的多个数字分量中选择用于呈现给客户端设备的用户的给定数字分量。

可以包括以下特征中的一个或多个。指令数据可以包括置信度逻辑模块，该置信度逻辑模块包括被配置为产生指示特定用户对数字分量感兴趣的可能性的置信度得分的可执行指令。指令数据可以包括对位于单独的计算系统上的置信度逻辑模块的引用，该置信度逻辑模块被配置为产生指示特定用户对数字分量感兴趣的可能性的置信度得分。成员资格计数可以包括用户已经被添加到兴趣组的次数。成员资格计数可以包括兴趣组置信度指数，其指示用户对兴趣组感兴趣的预测可能性。

由客户端设备执行的数字分量选择过程可以包括：(i)执行多个置信度逻辑模块，其中每个置信度逻辑模块由多个内容平台的不同内容平台提供，并且被配置为产生内容平台的一个或多个数字分量中的每一个的置信度得分；以及(ii)至少部分地基于置信度得分来选择用于呈现给用户的给定数字分量。

可以执行以下操作：(i)从客户端设备并且由第一内容平台接收附加数字分量请求，该附加数字分量请求请求用于在客户端设备处呈现的一个或多个附加数字分量，并且该附加数字分量请求包括描述其中将呈现附加数字分量的环境的附加上下文数据；(ii)基于上下文数据，确定将客户端设备的用户添加到一个或多个第二兴趣组，其中第二兴趣组中的至少一个与第一兴趣组中的每一个不同；(iii)基于上下文数据选择第二数字分量用于分发给客户端设备；以及(iv)向客户端设备提供第二数字分量和附加数据，其使得客户端设备：针对一个或多个第二兴趣组中的每一个更新成员资格计数，该成员资格计数指示用户已经被添加到兴趣组的次数；并且将第二数字分量包括在由客户端设备执行的附加数字分量选择过程中，以从接收自多个内容平台的多个数字分量中选择用于呈现给客户端设备的用户的附加给定数字分量。

数字分量请求和附加数字分量请求可以被配置为防止第一内容平台将数字分量请求与附加数字分量请求相关联。基于上下文数据来确定将客户端设备的用户添加到一个或多个第一兴趣组可以包括：使用机器学习模型来处理包括上下文数据的输入，该机器学习模型被训练以产生兴趣组的组标识符作为输出。

可以实现本说明书中描述的主题的特定实施例，以便实现以下优点中的一个或多个。使用本说明书的技术，在为用户选择内容时有用的信息被维护在用户的客户端设备上，其中其的使用可以由用户控制。另外，内容平台可以供应专有置信度逻辑，该专有置信度逻辑可以在客户端设备处或在信任的服务器处应用，以基于与用户兴趣相关的预测来确定内容与特定用户的相关性。因此，使用本说明书的技术，用户可以从内容平台接收可能与用户相关的信息，而不损害用户的隐私。另外，当用户继续与内容平台交互时，预测的置信度可以增加，从而提高显示相关的内容的可能性。

历史上，第三方cookie(例如，来自与由客户端设备渲染(render)的资源不同的域的cookie)已被用于跨互联网从客户端设备收集数据。然而，一些浏览器和设备平台阻止第三方cookie的使用，并且第三方cookie越来越多地被从使用中移除，从而防止使用第三方cookie收集数据。这在尝试利用收集的数据进行推断、分割数据或以其他方式利用数据来增强在线浏览体验时创建了挑战，例如，通过基于使用第三方cookie收集的数据来选择与用户相关的内容。换句话说，在不使用第三方cookie的情况下，先前收集的大部分数据不再是可用的，这防止计算系统能够使用该数据来基于用户在特定网页或其他资源处执行的共享的兴趣或活动对用户进行分组，以增强用户的在线体验和/或向用户呈现相关的内容。

本文描述的技术可以解决由于根除第三方cookie而可能带来的障碍。例如，每当从用户的客户端设备向内容平台发送对内容的请求时，内容平台可以将用户添加到指示用户感兴趣的主题或用户的另一特性的一个或多个用户兴趣组。兴趣组信息然后被发送到客户端，因此用户隐私被保留。如果用户已经是用户组的成员，则客户端设备可以更新与用户已经被添加到组的次数相关的度量(例如，计数)。然而，可以采取这些步骤来确保内容平台不能将对来自相同用户的内容的多个请求相关联，并且因此不能跨多个请求、多个网站或多个域跟踪用户。例如，与用户的兴趣组相关的度量仅存储在用户的客户端设备上，并且这样的数据不与内容平台共享以保护用户隐私。然而，通过在客户端设备处维护与内容平台随时间向其添加用户的用户组相关的信息，可以使用与跨多个请求、网站、域等的用户感兴趣的主题相关的信息来为用户选择相关的内容，而不在除了用户的设备之外的任何地方暴露这样的信息，其中这样的信息可以由用户控制。这使得能够为用户准确选择相关的内容，而不将用户数据暴露给其他方。实现这样的准确选择防止了向用户分发用户不会与其交互的不相关的内容，这减少了向客户端设备发送这样的不相关的内容时浪费的带宽。在数百万个客户端设备上聚合，这样的带宽节省是大量的。

使用本文档中描述的技术，用户的用户兴趣信息可以在没有跨公共网络(例如，互联网)发送第三方cookie的情况下在用户的客户端设备处被创建和被更新。通过这样做，保护了用户隐私，减少了网络带宽，并且减少了将接收和处理cookie的服务器的计算资源。

机器学习模型可以用于基于包括在对内容的单个请求中的上下文数据来预测与用户可能感兴趣的主题相关的用户兴趣组。当机器学习模型对单个请求的上下文数据进行操作时，这样的机器学习模型可以由内容平台而不是由用户的客户端设备执行，由于内容平台包括更多的计算资源，因此相对于可以在客户端设备上有效运行的那些机器学习模型，这使得能够使用更复杂的机器学习模型(例如，具有更大数量的层和/或神经元的神经网络)。此外，该结构提高了执行机器学习模型的速度，这在选择和呈现具有网页或应用的主要内容的附加内容(例如，数字分量)时是至关重要的。另外，数字分量可以存储在客户端设备上以用于选择和呈现给客户端设备的用户，这进一步减少了选择和呈现数字分量的延迟。

响应于请求而提供内容(例如，数字分量)的延迟可能导致客户端设备处的页面加载错误，或者使得电子文档的部分即使在电子文档的其他部分呈现在客户端设备处之后也保持未填充。此外，随着向客户端设备提供数字分量的延迟增加，当数字分量被传递到客户端设备时，电子文档将更可能不再在客户端设备处呈现，从而负面地影响用户对电子文档的体验。此外，提供数字分量的延迟可能导致数字分量的传递失败，例如，如果在提供数字分量时不再在客户端设备处呈现电子文档。

在附图和下面的描述中阐述了本说明书中描述的主题的一个或多个实施例的细节。根据说明书、附图和权利要求，本发明的其他特征、方面和优点将变得显而易见。

附图说明

图1A示出了用于隐私保护内容传递的示例环境。

图1B示出了隐私保护内容传递的示例。

图2是用于隐私保护内容传递的示例过程的流程图。

图3是示例计算机系统的框图。

各个附图中相同的附图标记和名称指示相同的元件。

具体实施方式

通常，本文档描述了用于以在不向非附属的网站提供用户信息的情况下通过基于用户的聚合兴趣确定相关的内容来保护用户隐私的方式选择和向客户端设备分发数字分量的系统和技术。确保个人数据的隐私是许多计算系统的要求，尤其是连接到诸如互联网的公共网络的那些计算系统。一些不相信系统将强制执行强隐私保护的消费者将简单地选择不使用该系统。

然而，虽然保护用户隐私是重要的，但是接收与其兴趣相关的内容对用户仍然是有益的。本说明书中描述的技术基于与用户查看的资源相关的上下文数据使用与用户的用户兴趣相关的预测，而不使得内容平台或其他实体能够跨多个网站跟踪用户的活动。

图1是其中数字分量115以隐私保护方式分发给客户端设备110的示例环境100的框图。环境100包括数据通信网络105，诸如局域网(LAN)、广域网(WAN)、互联网、移动网络或其组合。数据通信网络105将客户端设备110连接到内容平台，该内容平台可以包括供应侧平台(SSP)140和/或需求侧平台(DSP)。网络105还可以将各个内容平台彼此连接和/或连接到数字分量提供商160，例如连接到数字分量提供商160的服务器。因此，内容平台可以将多个数字分量提供商的数字分量分发给客户端设备110。此外，虽然数字分量提供商160被示出为在内容平台外部，但是内容平台既可以包含数字分量提供商160又可以经由在内容平台外部的网络105与数字分量提供商160通信。

客户端设备110是能够通过网络105进行通信的电子设备。示例客户端设备110包括个人计算机、服务器计算机、移动通信设备，例如，智能电话和/或平板计算机，以及可以通过网络105发送和接收数据的其他设备。客户端设备110还可以包括通过麦克风接受音频输入并通过扬声器输出音频输出的数字助理设备。当数字助理检测到激活麦克风以接受音频输入的“热词”或“热短语”时，数字助理可被置于收听模式(例如，准备好接受音频输入)。数字助理设备还可包括相机和/或显示器以捕获图像并在视觉上呈现信息。数字助理可以以不同形式的硬件设备实现，包括可穿戴设备(例如，手表或眼镜)、智能电话、扬声器设备、平板设备或其他硬件设备。客户端设备110还可以包括数字媒体设备，例如插入电视或其他显示器以将视频流式传输到电视的流式传输设备、游戏设备或虚拟现实系统。

游戏设备是使得用户能够参与游戏应用的设备，例如，其中用户可以控制游戏应用中呈现的一个或多个角色、化身或其他渲染的内容。游戏设备通常包括计算机处理器、存储器设备和使得用户能够控制由游戏应用渲染的内容的控制器接口(物理地或视觉地渲染的)。游戏设备可以本地地存储和执行游戏应用，或者执行至少部分地由云服务器存储和/或服务的游戏应用(例如，在线游戏应用)。类似地，游戏设备可以与执行游戏应用的游戏服务器接口，并将游戏应用“流式传输”到游戏设备。游戏设备可以是平板设备、移动电信设备、计算机或执行除了执行游戏应用之外的其他功能的其他设备。

客户端设备110可以包括应用112，诸如web浏览器和/或本机应用，以促进通过网络105发送和接收数据。本机应用是为特定平台或特定设备(例如，具有特定操作系统的移动设备)开发的应用。尽管操作可以被描述为由客户端设备110执行，但是这样的操作可以由在客户端设备110上运行的应用112执行。

应用112可以向客户端设备110的用户呈现电子资源，例如网页、应用页面或其他应用内容。电子资源可以包括用于呈现具有电子资源的内容的数字分量115的数字分量槽(slot)。数字分量槽是用于显示数字分量115的电子资源(例如，网页或应用页面)的区域。数字分量槽还可以指用于播放数字分量115的音频和/或视频流(其是电子资源的另一示例)的一部分。

为简洁起见，电子资源在本文中也被称为资源。出于本文档的目的，资源可以指网页、应用页面、由本机应用呈现的应用内容、电子文档、音频流、视频流或可以利用其呈现数字分量115的其他适当类型的电子资源。

如贯穿本文档所使用的，短语“数字分量”指数字内容或数字信息的离散单元(例如，视频片段、音频片段、多媒体片段、图像、文本或其他内容的单元)。数字分量115可以作为单个文件或文件的集合电子地存储在物理存储器设备中，并且数字分量115可以采取视频文件、音频文件、多媒体文件、图像文件或文本文件的形式，并且包括广告信息，使得广告是数字分量115的一种类型。例如，数字分量115可以是旨在补充由应用112呈现的网页或其他资源的内容的内容。更具体地，数字分量115可以包括与资源内容相关的数字内容(例如，数字分量115可以与与网页内容相同的主题相关，或者与相关的主题相关)。因此，数字分量115的提供可以补充并且一般地增强网页或应用内容。

客户端设备110还可以包括或耦合到数字分量储存库130，数字分量储存库130可以是适合于存储数字分量115的任何存储系统。例如，数字分量储存库130可以是诸如数据库或文件系统的永久存储系统，或者是诸如随机存取存储器(RAM)的专用区域的暂时(transient)存储系统。

当应用112加载包括数字分量槽的资源时，应用112可以生成请求用于在数字分量槽中呈现的数字分量115的数字分量请求125。在一些实施方式中，数字分量槽和/或资源可以包括使应用112从SSP 140请求数字分量115的代码(例如，脚本)。由客户端设备110发送的数字分量请求125可以包括非敏感数据，诸如上下文数据、通用关键字和/或查询字符串。

除了贯穿本文档的描述之外，可以向用户提供控件(例如，用户可以与之交互的用户界面元素)，允许用户选择就本文描述的系统、程序或特征是否以及何时可以实现用户信息(例如，关于用户的社交网络、社交动作或活动、职业、用户的偏好或用户的当前位置的信息)的集合，以及是否从服务器向用户发送内容或通信。另外，某些数据可以在其被存储或使用之前以一种或多种方式处理，使得个人可标识信息被移除。例如，可以处理用户的身份，使得不能针对用户确定个人可标识信息，或者可以在获得位置信息的情况下将用户的地理位置一般化(诸如到城市、邮政编码或州级)，使得用户的特定位置不能被确定。因此，用户可以控制收集关于用户的什么信息、如何使用该信息以及向用户提供什么信息。

如上所述，数字分量请求125可以包括通常被认为是非敏感的上下文数据。上下文数据可以描述其中将呈现选择的数字分量115的环境。上下文数据可以包括，例如，指示发送数字分量请求125的客户端设备110的一般位置的粗略位置信息、将用其呈现选择的数字分量115的资源(例如，网站或本机应用)、应用112或客户端设备110的口语设置、其中数字分量115将用资源呈现的数字分量槽的数量、数字分量槽的类型、正在显示或将要显示的文本和/或图像、以及其他适当的上下文信息。

SSP 140是以硬件和/或软件实现的技术平台，其使获得资源的数字分量115的过程自动化。资源的发布者可以使用SSP 140来管理获得其资源的数字分量槽的数字分量115的过程。每个发布者可以具有对应的SSP 140或多个SSP 140。一些发布者可以使用相同的SSP 140。

DSP 150是以硬件和/或软件实现的技术平台，其使分发用于用资源和/或应用呈现的数字分量115的过程自动化。DSP 150可以代表数字分量提供商160与多个供应侧平台SSP交互，以提供用于用多个不同发布者的资源呈现的数字分量115。数字分量提供商160可以创建(或以其他方式发布)在发布者的资源的数字分量槽中呈现的数字分量115。

DSP 150还可以向客户端设备110提供一个或多个置信度逻辑模块135，该一个或多个置信度逻辑模块135可以被编码为计算指令，该计算指令针对每个DSP 150指示置信度得分，该置信度得分指示特定数字分量115响应于数字分量请求125的置信度。例如，置信度得分可以指示创建数字分量请求125的用户将与特定数字分量115交互的预测可能性。置信度逻辑模块135中的置信度逻辑可以用任何适当的编程语言(诸如Python或JavaScript)、规则语言或用于确定置信度测量的任何其他适当的技术来表达。在一些实施方式中，置信度逻辑模块135可以包括对信任的计算资源的引用(例如，统一资源定位符)，该信任的计算资源提供计算指令并将结果返回给客户端设备110。

另外，DSP 150可以向客户端设备110提供与DC请求125相关的兴趣组137。兴趣组137可以以任何适当的数据格式表示。例如，兴趣组137可以用JavaScript对象表示法(JSON)来表示，其包括对提供兴趣组137的DSP的引用以及表示兴趣组的一个或多个令牌(例如，字母数字串)。例如，令牌可以指示“鞋子”、“足球”、“移动电话”等。

在一些实现中，DSP 150可以提供兴趣组置信度指数，该兴趣组置信度指数指示用户对兴趣组感兴趣的预测可能性。例如，如果DSP 150确定用户是第一兴趣组的成员的置信度为30％，用户是第二兴趣组的成员的置信度为0％，用户是第三兴趣组的成员的置信度为90％等等，则DSP 150可以提供兴趣组137和对于每个兴趣组的兴趣组置信度指数两者。在上面的示例中，DSP可以提供以下：{{“鞋子”，.3}，{“足球”，0}，{“移动电话”，.9}}，其中.3、0和.9反映兴趣组置信度指数。在另一示例中，DSP可以提供对应的向量，诸如兴趣组的向量[“鞋”，“足球”，“移动电话”]和兴趣组置信度指数的向量[.3，0，.9]。

客户端设备110可以存储兴趣组137的指示，包括兴趣组137的聚合指示。对于客户端设备110的每个用户，客户端设备可以针对每个DSP和每个兴趣组存储该兴趣组已经被遇到的频率的指示。例如，如果DSP D₁具有五个兴趣组I₁...I₅，例如，对应于“鞋子”、“足球”、“移动电话”、“炊具”和“旅行”，客户端设备可以针对I₁...I₅中的每一个以零计数开始，其可以表示为向量[0，0，0，0，0]。如果内容平台首先提供包括I₁和I₂的D₁的兴趣组137的指示，则客户端设备可以递增对应的向量条目，使得向量变为[1，1，0，0，0]。(如果D₁提供兴趣组置信度指数，则客户端设备可以对指数求和，或者使用其他技术组合指数。)如果内容平台然后提供包括I₁和I₅的D₁的兴趣组137的第二指示，则客户端设备可以递增对应的向量条目，使得向量变为[2，1，0，0，1]。在该示例中，与其他兴趣组相比，用户对兴趣组I₁的兴趣是更强的实际兴趣的信号。注意，第二DSP D₂可以具有不同的兴趣组，包括不同数量的兴趣组，例如，I₁...I₇和D₂的向量中的值不受D₁中的信息的影响。因此，与用户和每个DSP之间的交互相关的用户信息被隔离，从而维护用户隐私。

在阶段A-阶段E中示出了用于选择和提供用于在客户端设备110处呈现的数字分量115的示例过程，其示出了环境100的组件之间的数据的流动。

在阶段A中，应用112通过网络105向内容提供商(诸如SSP 140)发送数字分量请求125。如上所述，应用112可以发送数字分量请求以请求用于在由应用112呈现的资源的数字分量槽中呈现的数字分量115。数字分量请求125可以包括用户数据和上下文数据。在阶段B中，SSP 140将数字分量请求125转发到一个或多个DSP 150。

在阶段C中，每个DSP 150可以确定或预测发送请求的客户端设备110是特定兴趣组137的成员，并将这些兴趣组137提供给SSP 140。DSP 150还可以发送一个或多个置信度逻辑模块135，其可以由客户端设备110用于确定响应于数字分量请求125的数字分量115。另外，DSP 150可以发送潜在地响应于数字分量请求125的数字分量115以供客户端设备110考虑，如下所述。客户端设备110可以将这样的数字分量115存储或缓存在其数字分量储存库130中。在一些情况下，DSP 150可以确定客户端设备110已经拥有或可以访问响应的数字分量115和/或置信度逻辑模块135，并且因此不必提供数字分量115和/或置信度逻辑模块135。

在阶段D中，SSP 140发送从DSP 150接收的兴趣组137、数字分量115和/或置信度逻辑模块135。在一些实施方式中，SSP 140可以在将数字分量115和/或选择值发送到安全分发系统120之前过滤数字分量115和/或选择参数。例如，SSP 140可以基于由应用112呈现的资源的发布者指定的发布者控件过滤数字分量115和/或选择参数。在特定示例中，关于特定事件的网页的发布者可以定义，作为发布者控件，与另一事件相关的数字分量115可以不用该网页呈现。SSP 140可以基于由发布者提供的规则或其他数据进行过滤。

客户端设备110可以从SSP 140接收数字分量115、置信度逻辑模块135和兴趣组137。客户端设备110可以将兴趣组137与先前接收的兴趣组信息聚合以创建聚合兴趣组信息，例如，通过递增向量中的值，如上所述。

客户端设备110可以使用聚合兴趣组信息和由各种DSP提供的置信度逻辑模块135来从接收的数字分量115中选择数字分量115以呈现给客户端设备110。例如，客户端设备110可以针对每个DSP执行由该DSP提供的一个或多个置信度逻辑模块135。每个这样的置信度逻辑模块135可以评估用户对数字分量115感兴趣(例如，将与数字分量115交互)的可能性。为了进行这样的确定，置信度逻辑模块135可以访问该DSP的聚合兴趣组信息，并且使用聚合兴趣组信息来产生置信度得分(为了简洁起见，“得分”)，该置信度得分指示特定用户对特定数字分量115感兴趣的DSP的置信度。然后，客户端设备110可以使用该得分来选择和呈现数字分量115。在一些实施方式中，客户端设备110可以向内容平台发送消息，指示显示了哪个数字分量115。

图1B示出了隐私保护内容传递的示例170。在该示例170的阶段A中，客户端设备110上的用户通过网络105向SSP 140发出第一数字分量请求125，SSP 140向DSP 150提供(阶段B)数字分量请求125。在该示例170中，数字分量请求125可以与特定模型的徒步鞋相关联。

在接收到数字分量请求125时，DSP 150例如使用如下面进一步描述的机器学习模型来确定数字分量请求125的类别。虽然实际示例可以包括数百个、数千个或更多类别，但是为了清楚起见，在该示例170中，DSP具有从中选择的总共五个类别：“活动鞋”、“户外服装”、“徒步装备”、“室内服装”和“保龄球装备”。

在该示例170中，DSP 160可以确定以下类别应用：“活动鞋”、“户外服装”和“徒步装备”。DSP 150可以创建指示将数字分量请求125分配给类别的向量，其中向量的元素与顺序“活动鞋”、“户外服装”、“徒步装备”、“室内服装”和“保龄球装备”相对应，从而产生向量[1，1，1，0，0]。如上所述，类别可以是特定于每个DSP 150的。

在阶段C和D中，DSP 150可以经由SSP 140和网络105将这些兴趣组137返回给客户端设备110。另外，DSP 150可以返回置信度逻辑135，以在选择要显示的数字分量115的过程期间由客户端设备110使用。

然后，客户端设备110可以发出对数字分量115的第二请求，在这种情况下是背包。DSP 150可以确定“背包”与类别“户外服装”、“徒步装备”和“室内服装”相关联。(如上所述，在一些实施方式中，DSP 150可以确定与“徒步装备”的关联强于与“室内服装”或“户外服装”的关联，并且DSP 150可以返回兴趣组置信度指数。)所得到的向量是[0，1，1，1，0]，并且该向量可以被发送到客户端设备110。

因此，客户端设备110获得了两个向量[1，1，1，0，0]和[0，1，1，1，0]。在阶段E中，客户端设备110可以对这些向量求和以获得聚合向量[1，2，2，1，0]，其可以指示用户对“户外服装”和“徒步装备”具有最强的兴趣。该聚合向量可以被提供给由DSP 150提供的置信度逻辑(图1A中的135)。客户端设备110可以使用聚合向量来执行DSP 150的置信度逻辑，以确定由客户端设备110存储的数字分量(图1A中的115)的置信度得分，并且客户端设备可以选择并显示具有最高置信度得分的数字分量并将该数字分量呈现给用户。

图2是用于隐私保护内容传递的示例过程的流程图。为了方便起见，过程200将被描述为由用于隐私保护内容传递的系统的组件执行，例如，图1的客户端设备110和内容平台140、150被适当地编程为执行该过程。过程200的操作还可以被实现为存储在一个或多个计算机可读介质上的指令，该一个或多个计算机可读介质可以是非暂时性的，并且由一个或多个数据处理装置执行指令可以使一个或多个数据处理装置执行过程200的操作。本文描述的一个或多个其他组件可以执行过程200的操作。

客户端设备提供(205)并且内容平台接收(210)数字分量请求，该数字分量请求请求可以在客户端设备处呈现的一个或多个数字分量。该请求可以包括描述其中将呈现数字分量的环境的上下文数据。另外，如上所述，内容平台可以分发由多个数字分量提供商提供的数字分量。尽管在该示例中示出了单个内容平台，但是可以将数字分量请求提供给多个内容平台，例如提供给多个DSP。

客户端设备可以使用任何适当的技术来提供请求，并且内容平台可以使用任何适当的技术来接收请求。例如，可以使用超文本传输协议(HTTP)或HTTP-安全(HTTPS)来发送和接收数字分量请求。在另一示例中，内容提供商可以包括应用编程接口(API)，其在被客户端设备调用时使得客户端设备能够提供数字分量请求。

内容平台可以确定客户端设备的用户应该被添加(215)到一个或多个兴趣组。该确定可以至少部分地基于上下文数据来进行。在一些实施方式中，内容平台可以包括使用上下文数据来确定用户可以被添加到哪些兴趣组(如果有的话)的模型。该模型可以采取任何适当的形式。例如，模型可以是被配置为基于上下文数据输出兴趣组的机器学习模型(例如，深度神经网络(DNN)、逻辑回归模型、决策树或其他合适的机器学习模型)。内容平台可以使用机器学习模型来处理包括上下文数据的输入，并且该模型可以产生与兴趣组相关联的指示符作为输出。该指示符可以是唯一地标识兴趣组的兴趣组标识符。该输出还可以包括兴趣组置信度指数，该兴趣组置信度指数指示客户端设备应当被添加到一个或多个兴趣组中的每一个的可能性。在另一示例中，该模型可以是包括条件和结果的规则的组，使得当满足条件时，产生结果。条件可以取决于上下文数据，并且结果可以是用户被分配给的兴趣组。

在一个示例中，内容平台可以训练机器学习模型以基于在单个数字分量请求中接收的上下文数据来预测用户感兴趣的主题。例如，可以基于标注的训练数据来训练模型。对于上下文数据的多个集中的每一个，标注的训练数据可以包括一个或多个标签，每个标签指示感兴趣的主题。当内容平台接收到包括上下文数据的数字分量请求时，内容平台可以将上下文数据作为输入提供给机器学习模型，并且接收作为机器学习模型的输出的一个或多个组标识符，每个组标识符标识与这样的上下文数据针对其被接收的用户可能感兴趣的主题相对应的兴趣组。

还可以训练机器学习模型以输出每个兴趣组的兴趣组置信度指数。兴趣组的该兴趣组置信度指数可以指示上下文数据针对其被接收的用户将对与兴趣组相对应的主题感兴趣的置信度的水平。兴趣组置信度指数可以基于上下文数据。

在一些实施方式中，内容平台可以使用多个机器学习模型，例如，针对由内容平台创建的每个兴趣组使用一个。可以训练兴趣组的机器学习模型以基于数字分量请求的上下文数据输出兴趣组的兴趣组置信度指数得分，例如，类似于如何训练机器学习模型以输出多个兴趣组的置信度得分。

当机器学习模型由内容平台而不是客户端设备执行时，机器学习模型可以在服务器类计算机或机器学习加速器(例如，图形处理单元(GPU)、专用集成电路(ASIC)、或张量处理单元(TPU))上执行。这使得能够使用更复杂和更强大的机器学习模型来为用户预测兴趣组。

然后，内容平台可以基于兴趣组置信度指数为用户选择一个或多个兴趣组。例如，内容平台可以确定请求客户端设备将用户添加到具有高于指定的阈值的兴趣组置信度指数的每个兴趣组。在另一示例中，内容平台可以确定请求客户端设备将用户添加到具有最高兴趣组置信度指数的指定的数量的兴趣组，例如，前五、前十或前其他数量的最高得分兴趣组。

在一些实施方式中，该确定可以包括指示兴趣组中的兴趣的水平的兴趣组置信度指数，如上所述。例如，值1可以指示兴趣组应用的接近确定性，值0可以指示兴趣组不应用的接近确定性，并且0和1之间的值可以指示相对置信度，例如，0.5指示50％确定性。内容平台可以向客户端设备提供每个兴趣组的确定性的水平。

内容平台可以选择(220)一个或多个数字分量用于分发给客户端设备。内容平台可以基于数字分量请求的上下文数据来选择数字分量。例如，内容平台可以选择与可以利用其呈现数字分量的资源的主题相关的一个或多个数字分量。

内容平台还可以使用机器学习模型来选择数字分量。例如，可以训练机器学习模型以针对多个数字分量中的每一个输出相关性得分，该相关性得分指示数字分量与由数字分量请求的上下文数据指示的环境的相关性的水平。内容平台可以基于相关性得分选择指定的数量的数字分量(例如，由数字分量请求指定的数量)。内容平台可以使用机器学习模型来处理包括上下文信息的输入，并且该模型可以产生描述一个或多个选择的数字分量的输出。在一些实施方式中，用于确定兴趣组的模型可以是用于确定数字分量的相同模型。例如，这样的模型可以是DNN，其被配置为产生描述零个或多个兴趣组和零个或多个数字分量的输出。

内容平台向客户端设备提供(225)选择的数字分量和指令数据，该指令数据可以包括标识确定的兴趣组的数据(例如，兴趣组的组标识符)。内容平台还可以提供一个或多个兴趣组的置信度得分。

内容平台可以使用任何适当的技术来提供选择的数字分量和指令数据。例如，如果内容平台接收到作为HTTP或HTTPS GET请求的数字分量请求，则内容平台可以提供HTTP或HTTPS响应，其在响应主体中包括选择的数字分量和指令数据。客户端设备可以使用对应的接收技术(诸如接收HTTP或HTTPS响应)来接收(230)数字分量和指令数据。

在一些实施方式中，提供数字分量可以包括提供标识数字分量的数据而不提供数字分量本身。例如，内容平台可以针对每个数字分量提供客户端设备可以从其中下载数字分量的资源的资源定位符(例如，统一资源定位符(URL)或统一资源标识符(URI))。

通过提供选择的数字分量和指令数据，内容平台使客户端设备：(i)针对一个或多个兴趣组中的每一个，更新(235)指示用户已经被添加到兴趣组的成员资格计数(例如，指示用户已经被添加到兴趣组的次数)；以及(ii)将选择的数字分量包括(240)在由客户端设备执行的数字分量选择过程中，以从接收自多个内容平台的多个数字分量中选择用于呈现给客户端设备的用户的给定数字分量。例如，指令数据可以包括指示客户端设备执行这些操作的指令。在另一示例中，客户端设备(例如，在客户端设备上运行的应用)可以被配置为响应于接收到数字分量和指令数据而执行这些操作。

如上所述，在一些实施方式中，客户端设备可以维护每个DSP的向量，其指示每个兴趣组已经针对该DSP被标识的次数。客户端设备可以响应于接收到数字分量和指令数据而更新该向量。在一些实施方式中，向量可以包括兴趣组置信度指数，其反映客户端设备的用户应当被添加到兴趣组的可能性。客户端设备可以对从内容平台接收的用户组置信度指数求和，以针对每个类别创建聚合用户组置信度指数。

在一些实施方式中，可以使用除了对出现的兴趣组的实例进行计数或对置信度得分进行求和之外的技术。例如，客户端平台可以使用衰减方法，其中最近接收的兴趣组指示(用户组置信度指数或实例计数)被更重地加权。衰减可以是例如线性的或指数的。

客户端设备还可以将接收的数字分量添加到响应于数字分量请求(按照操作205)而接收的数字分量的集合，以用于选择数字分量。客户端设备可以将数字分量存储在数字分量储存库中或其他适当的存储系统中。该集合可以包括响应于多个数字分量请求而接收的数字分量。例如，该集合可以包括在定义的时间段(例如，上周、上个月或其他适当的时间段)上接收的数字分量。

另外，内容平台可以向客户端设备提供(245)用于提供了数字分量的DSP的置信度逻辑模块。在一些实施方式中，置信度逻辑模块可以以任何适当的形式包括可执行指令，其可以评估数字分量的兴趣组并提供置信度得分。在一些实施方式中，置信度逻辑模块可以包括对可执行置信度逻辑的位置的引用(例如，URL)，并且客户端设备可以使用该引用来调用置信度逻辑。例如，客户端设备可以下载逻辑，如下所述执行逻辑，然后删除逻辑或将其存储以用于任何后续数字分量请求。在一些实施方式中，用于DSP的置信度逻辑模型可以在接收到数字分量请求之前、在接收到数字分量请求之后、当选择的数字分量和/或用户组被提供给客户端设备时等等，被提供给客户端设备。

客户端设备可以选择(250)用于显示的数字分量。在一些实施方式中，客户端设备可以使用一个或多个置信度逻辑模块。如果置信度逻辑模块包含可执行指令，则客户端设备可以执行指令以获得与作为用于显示的候选的一个或多个数字分量相关的一个或多个置信度得分。如果置信度逻辑模块包含对可执行指令的引用，则客户端设备可以使用该引用来调用可执行指令并获得与作为用于显示的候选的一个或多个数字分量相关的一个或多个置信度得分。

客户端设备可以使用置信度得分来选择数字分量。在一些实施方式中，客户端设备可以例如通过标识数字分量中包括的关键字来确定哪些兴趣组与数字分量相关。然后，客户端设备可以确定每个兴趣组的成员资格计数，并使用成员资格计数来产生置信度得分。例如，客户端设备可以对数字分量的兴趣组的成员资格计数求和以产生置信度得分。在另一示例中，一些兴趣组可以比其他兴趣组更重地加权，并且置信度得分可以是加权的和。

在一些实施方式中，客户端设备可以选择接收最高置信度得分的数字分量。如果存在最高得分的平局，则客户端设备可以使用任何适当的技术来打破平局。例如，客户端设备可以使用随机数或伪随机数来进行选择。在一些实施方式中，客户端设备可以应用公平性度量。例如，当选择来自DSP的数字分量时，当下一次显示数字分量的机会出现时，来自DSP的数字分量的得分可以递减固定的或可变的量。这样的得分降低降低了选择来自相同DSP的数字分量以排除来自其他DSP的数字分量的可能性。

在一些实施方式中，客户端设备可以基于置信度得分和可选的附加数据(例如，每个数字分量的选择参数和/或数字分量的预测的性能)从候选数字分量的集中选择数字分量。选择参数可以指示内容平台愿意向发布者提供将用其呈现数字分量的资源的量，如果数字分量用该资源呈现。预测的性能可以指示如果被呈现给用户则数字分量将由用户交互的可能性，并且可以基于数字分量的置信度得分、数字分量请求的上下文数据和/或其他适当的数据。

候选数字分量可以包括由多个内容平台中的每一个提供的一个或多个数字分量，例如，响应于数字分量请求和/或已经存储在集合中的客户端设备处。例如，内容平台的置信度逻辑模块可以被配置为基于内容平台的数字分量的置信度得分来选择一个或多个数字分量，并且提供一个或多个数字分量作为由客户端设备针对数字分量请求进行的选择过程的候选。

客户端设备可以使用各种技术来呈现(255)选择的数字分量。例如，客户端设备可以将数字分量插入正在呈现的内容的数字分量槽中。在另一示例中，客户端设备可以通过在图形用户界面窗口中、在web浏览器中或在其他应用中渲染数字分量来呈现数字分量。在另外的示例中，如果数字分量包括视频，则客户端设备可以在视频播放器应用中渲染数字分量，并且如果数字分量包括音频，则客户端设备可以在音频播放器应用中渲染数字分量。

图3是可以用于执行上述操作的示例计算机系统300的框图。系统300包括处理器310、存储器320、存储设备330和输入/输出设备340。组件310、320、330和340中的每一个可以例如使用系统总线350互连。处理器310能够处理用于在系统300内执行的指令。在一个实施方式中，处理器310是单线程处理器。在另一实施方式中，处理器310是多线程处理器。处理器310能够处理存储在存储器320中或存储设备330上的指令。

存储器320存储系统300内的信息。在一个实施方式中，存储器320是计算机可读介质。在一个实施方式中，存储器320是易失性存储器单元。在另一实施方式中，存储器320是非易失性存储器单元。

存储设备330能够为系统300提供大容量存储。在一个实施方式中，存储设备330是计算机可读介质。在各种不同的实施方式中，存储设备330可以包括例如硬盘设备、光盘设备、由多个计算设备(例如，云存储设备)通过网络共享的存储设备、或一些其他大容量存储设备。

输入/输出设备340为系统300提供输入/输出操作。在一个实施方式中，输入/输出设备340可以包括网络接口设备(例如，以太网卡)、串行通信设备(例如，RS-232端口)和/或无线接口设备(例如，802.11卡)中的一个或多个。在另一实施方式中，输入/输出设备可以包括驱动器设备，其被配置为接收输入数据并将输出数据发送到其他输入/输出设备，例如，键盘、打印机和显示设备360。然而，也可以使用其他实施方式，诸如移动计算设备、移动通信设备、机顶盒电视客户端设备等。

尽管已经在图3中描述了示例处理系统，但是本说明书中描述的主题和功能操作的实施方式可以在其他类型的数字电子电路中实现，或者在包括本说明书中公开的结构及其结构等同物的计算机软件、固件或硬件中实现，或者以它们中的一个或多个的组合实现。

本说明书中描述的主题和功能操作的实施例可以在数字电子电路中实现，或者在包括本说明书中公开的结构及其结构等同物的计算机软件、固件或硬件中实现，或者以它们中的一个或多个的组合实现。本说明书中描述的主题的实施例可以使用在计算机可读介质上编码的计算机程序指令的一个或多个模块实现，该计算机程序指令用于由数据处理装置执行或控制数据处理装置的操作。计算机可读介质可以是制造的产品，诸如计算机系统中的硬盘驱动器或通过零售渠道销售的光盘，或嵌入式系统。计算机可读介质可以单独获取，并且稍后用计算机程序指令的一个或多个模块编码，诸如通过有线或无线网络传递计算机程序指令的一个或多个模块。计算机可读介质可以是机器可读存储设备、机器可读存储基板、存储器设备或它们中的一个或多个的组合。

术语“数据处理装置”涵盖用于处理数据的所有装置、设备和机器，包括例如可编程处理器、计算机或多个处理器或计算机。除了硬件之外，装置还可以包括为所讨论的计算机程序创建执行环境的代码，例如，构成处理器固件、协议栈、数据库管理系统、操作系统、运行时环境或它们中的一个或多个的组合的代码。此外，装置可以采用各种不同的计算模型基础设施，诸如web服务、分布式计算和网格计算基础设施。

计算机程序(也称为程序、软件、软件应用、脚本或代码)可以以任何合适形式的编程语言编写，包括编译或解释语言、声明或过程语言，并且可以以任何合适的形式部署，包括作为独立程序或作为模块、组件、子例程或适用于计算环境的其他单元。计算机程序不一定与文件系统中的文件相对应。程序可以存储在保存其他程序或数据的文件的一部分(例如，存储在标记语言文档中的一个或多个脚本)中、存储在专用于所讨论的程序的单个文件中、或者存储在多个协调文件(例如，存储一个或多个模块、子程序或代码的部分的文件)中。计算机程序可以被部署为在一个计算机上或在位于一个站点处或分布在多个站点上并通过通信网络互连的多个计算机上执行。

本说明书中描述的过程和逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程处理器执行，以通过对输入数据进行操作并生成输出来执行功能。过程和逻辑流程也可以由专用逻辑电路执行，并且装置也可以实现为专用逻辑电路，例如，FPGA(现场可编程门阵列)或ASIC(专用集成电路)。

适合于执行计算机程序的处理器包括例如，专用微处理器。通常，处理器将从只读存储器或随机存取存储器或两者接收指令和数据。计算机的基本元件是用于执行指令的处理器和用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备(例如磁盘、磁光盘或光盘)，或者可操作地耦合以从其接收数据或向其传输数据或两者。然而，计算机不需要具有这样的设备。此外，计算机可以嵌入在另一设备中，例如，移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏控制台、全球定位系统(GPS)接收器或便携式存储设备(例如，通用串行总线(USB)闪存驱动器)，仅举几例。适用于存储计算机程序指令和数据的设备包括所有形式的非易失性存储器、介质和存储器设备，包括例如半导体存储器设备，例如，EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)和闪存设备；磁盘，例如，内部硬盘或可移动磁盘；磁光盘；以及CD-ROM和DVD-ROM盘。处理器和存储器可以由专用逻辑电路补充或并入专用逻辑电路中。

在本说明书中，术语“引擎”广泛地用于指被编程为执行一个或多个特定功能的基于软件的系统、子系统或过程。通常，引擎将被实现为安装在一个或多个位置中的一个或多个计算机上的一个或多个软件模块或组件。在一些情况下，一个或多个计算机将专用于特定引擎；在其他情况下，可以在同一台或多台计算机上安装和运行多个引擎。

为了提供与用户的交互，本说明书中描述的主题的实施例可以在能够向用户提供信息的计算设备上实现。信息可以以任何形式的感官格式提供给用户，包括视觉、听觉、触觉或其组合。计算设备可以耦合到用于向用户显示信息的显示设备，例如，LCD(液晶显示器)显示设备、OLED(有机发光二极管)显示设备、其他监视器、头戴式显示设备等。计算设备可以耦合到输入设备。输入设备可以包括触摸屏、键盘和指示设备，例如，鼠标或轨迹球，用户可以通过其向计算设备提供输入。其他种类的设备也可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何合适形式的感觉反馈，例如，视觉反馈、听觉反馈或触觉反馈；并且可以以任何合适的形式接收来自用户的输入，包括声学、语音或触觉输入。

计算系统可以包括客户端和服务器。客户端和服务器通常彼此远离，并且通常通过通信网络进行交互。客户端和服务器的关系借助于在各自计算机上运行并且彼此具有客户端-服务器关系的计算机程序而产生。本说明书中描述的主题的实施例可以在计算系统中实现，该计算系统包括后端组件(例如，作为数据服务器)，或者包括中间件组件(例如，应用服务器)，或者包括前端组件(例如，具有图形用户界面或Web浏览器的客户端计算机，用户可以通过该图形用户界面或Web浏览器与本说明书中描述的主题的实施方式交互)，或者一个或多个这样的后端、中间件或前端组件的任何组合。系统的组件可以通过任何合适的形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)和广域网(“WAN”)、互联网络(例如，互联网)和对等网络(例如，ad hoc对等网络)。

虽然本说明书包含许多实施方式细节，但是这些不应被解释为对所要求保护或可能要求保护的范围的限制，而是作为特定于所公开主题的特定实施例的特征的描述。在本说明书中在单独的实施例的上下文中描述的某些特征也可以在单个实施例中以组合实现。相反，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合在多个实施例中实现。此外，尽管特征可以在上面被描述为以某些组合起作用并且甚至最初如此要求保护，但是来自所要求保护的组合的一个或多个特征在一些情况下可以从组合中删除，并且所要求保护的组合可以指向子组合或子组合的变型。因此，除非另有明确说明，或者除非本领域普通技术人员的知识另有明确说明，否则上述实施方案的任何特征可以与上述实施方案的任何其他特征组合。

类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求以所示的特定顺序或按顺序执行这些操作，或者执行所有示出的操作，以实现期望的结果。在某些情况下，多任务和/或并行处理可能是有利的。此外，上述实施例中的各种系统组件的分离不应被理解为在所有实施例中都需要这种分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中或封装到多个软件产品中。

因此，已经描述了本发明的特定实施例。其它实施例在所附权利要求书的范围内。例如，权利要求中记载的动作可以以不同的顺序执行并且仍然实现期望的结果。

Claims (12)

1.一种计算机实现的方法，包括：

从客户端设备并且由第一内容平台接收数字分量请求，所述数字分量请求请求用于在所述客户端设备处呈现的一个或多个数字分量，并且所述数字分量请求包括描述其中将呈现所述数字分量的环境的上下文数据；

基于所述上下文数据，确定将所述客户端设备的用户添加到一个或多个第一兴趣组；

基于所述上下文数据，选择用于分发给所述客户端设备的选择的数字分量；以及

向所述客户端设备提供所述选择的数字分量和指令数据，所述指令数据使得所述客户端设备：

针对所述一个或多个第一兴趣组中的每一个，更新指示所述用户已被添加到所述兴趣组的成员资格计数；以及

将所述选择的数字分量包括在由所述客户端设备执行的数字分量选择过程中，以从接收自多个内容平台的多个数字分量中选择用于呈现给客户端设备的用户的给定数字分量。

2.根据权利要求1所述的计算机实现的方法，其中，所述指令数据包括置信度逻辑模块，所述置信度逻辑模块包括被配置为产生置信度得分的可执行指令，所述置信度得分指示特定用户对所述数字分量感兴趣的可能性。

3.根据权利要求1或2所述的计算机实现的方法，其中，所述指令数据包括对位于单独的计算系统上的置信度逻辑模块的引用，所述置信度逻辑模块被配置为产生置信度得分，所述置信度得分指示特定用户对所述数字分量感兴趣的可能性。

4.根据任一前述权利要求所述的计算机实现的方法，其中，成员资格计数包括所述用户已经被添加到所述兴趣组的次数。

5.根据任一前述权利要求所述的计算机实现的方法，其中，成员资格计数包括兴趣组置信度指数，所述兴趣组置信度指数指示用户对所述兴趣组感兴趣的预测的可能性。

6.根据任一前述权利要求所述的计算机实现的方法，其中，由所述客户端设备执行的所述数字分量选择过程包括：

执行多个置信度逻辑模块，所述多个置信度逻辑模块中的每一个由所述多个内容平台中的不同内容平台提供，并且被配置为针对所述内容平台的一个或多个数字分量中的每一个产生置信度得分；以及

至少部分地基于所述置信度得分，选择用于呈现给所述用户的所述给定数字分量。

7.根据任一前述权利要求所述的计算机实现的方法，还包括：

从所述客户端设备并且由所述第一内容平台接收附加数字分量请求，所述附加数字分量请求请求用于在所述客户端设备处呈现的一个或多个附加数字分量，并且所述附加数字分量请求包括描述其中将呈现所述附加数字分量的环境的附加上下文数据；

基于所述上下文数据，确定将所述客户端设备的用户添加到一个或多个第二兴趣组，其中，所述第二兴趣组中的至少一个与所述第一兴趣组中的每一个不同；

基于所述上下文数据，选择用于分发给所述客户端设备的第二数字分量；以及

向所述客户端设备提供所述第二数字分量和附加数据，所述附加数据使得所述客户端设备：

针对所述一个或多个第二兴趣组中的每一个，更新成员资格计数，所述成员资格计数指示所述用户已经被添加到所述兴趣组的次数；以及

将所述第二数字分量包括在由所述客户端设备执行的附加数字分量选择过程中，以从接收自多个内容平台的多个数字分量中选择用于呈现给所述客户端设备的用户的附加给定数字分量。

8.根据权利要求7所述的计算机实现的方法，其中，所述数字分量请求和所述附加数字分量请求被配置为防止所述第一内容平台将所述数字分量请求与所述附加数字分量请求相关联。

9.根据任一前述权利要求所述的计算机实现的方法，其中，基于所述上下文数据，确定将所述客户端设备的用户添加到一个或多个第一兴趣组包括：使用机器学习模型来处理包括所述上下文数据的输入，所述机器学习模型被训练以产生兴趣组的组标识符作为输出。

10.一种系统，包括：

一个或多个处理器；以及

一个或多个存储设备，所述一个或多个存储设备存储指令，所述指令在由所述一个或多个处理器执行时使所述一个或多个处理器实施根据任一前述权利要求所述的方法。

11.一种计算机可读介质，所述计算机可读介质携带指令，所述指令在由一个或多个处理器执行时使所述一个或多个处理器实施根据权利要求1至权利要求9中任一项所述的方法。

12.一种计算机程序产品，所述计算机程序产品包括指令，所述指令在由计算机执行时使所述计算机实施根据权利要求1至权利要求9中任一项所述的方法的步骤。