JP2004357311A - 加入者プロファイルを生成するための方法、データ処理システム、およびインターラクティブテレビシステム - Google Patents

Abstract

【課題】 どの程度まで広告が加入者または家庭によって見られたのかを判断するためのシステムを提供する。
【解決手段】 加入者視聴習慣が人口統計プロファイルを決定するために監視される加入者特徴付けおよび広告監視システム（１００）が提示される。これらのプロファイルは、その視聴習慣および概算される人口統計ならびに製品に対する関心に基づいて、加入者に対して広告を整合するために活用することができる。システム（１００）は、局所的にテレビセットアップ（１８０８）の中で実行できるか、あるいはチャンネル選択が居住地（１８００）から、電話局またはインターネットサービスプロバイダなどの集中交換ロケーション（サーバ）（１８４０）へ伝送されるクライアントサーバモードで実行することができる。クライアント−サーバモードでは、チャネル選択が、加入者特徴付けも実行する集中ロケーション（１８４０）で監視される。システムは、広告が見られたのかどうか、およびどのくらいの期間見られたのかを監視する能力も提供する。
【選択図】 図１８

Description

ケーブルテレビのサービスプロバイダは、典型的には片方向放送サービスを提供してきたが、現在では高速データサービスを提供し、従来のアナログ放送をデジタル放送と結合し、インターネットウェブサイトにアクセスすることができる。電話会社はデジタルデータおよびビデオ放送を、デジタル加入者回線技術で交換済みに基づいてビデオプログラム番組を提供することができる。加入者は一度に１つのチャンネルだけを提供されてよいが、チャンネル変更要求は瞬時に集中交換装置に送信され、加入者は放送のように番組にアクセスすることができる。インターネットサービスプロバイダ（ＩＳＰ）は、インターネットアクセスを提供し、加入者が関心のある番組を含む「チャンネル」を選択する放送のように送達することもできるテキスト、音声、およびビデオ番組へのアクセスを提供することができる。このようなチャンネルは、ビデオ番組サービスの一部として、またはデータサービス内で提供されてよく、インターネットブラウザ内で提示できる。

広告は毎日の生活の一部であり、確かに広告に対する支払額がネットワークテレビのコストをカバーしている娯楽番組の重要な一部である。ケーブルネットワークユーザに対し、見られた広告の量に基づいて柔軟な料金請求書作成発行計画を提供する方法は、対話型サービス用の広告選択の方法を開示する米国特許番号第５，５３２，７３５号に説明される。対話型テレビと関連付けられたユーザは、番組および広告のセットを提示される。ユーザは、自分が見ることを希望する広告のセットの中で広告の量を表示することができる。

広告は加入者にとって有益であり、特定の製品またはサービスに関する所望される情報を送達する一方、消費者は、通常、放送型の娯楽の「必要悪」として広告を見る。例えば、広告されているサービスまたは製品に関する情報を得るための方法は、無線聴取者およびテレビ視聴者が広告情報を得ることができるようにするためのコンピュータシステムを開示する米国特許番号第５，７０８，４７８号に記述されている。システムは、入信するビデオ信号または音声信号が広告主の広告に特殊なデータを含んでいるかどうかを判断するステップと、広告主に特殊なデータを捕捉し、記憶するステップを含む。

製造メーカは、３０秒以内で、消費者が見てくれることを希望するその製品に対する広告を提示するためにきわめて高い価格を支払っている。製造メーカにとって残念なことには、消費者は、多くの場合、その時間間隔を使用して、他のチャンネルで提示されている番組をチェックし、広告のどれも見ていない可能性がある。代わりに、消費者はチャンネルの音を消し、製造メーカが提示したことを無視することもある。いずれにせよ、消費者が広告を見た確率はきわめて低い。広告キャンペーンに数百万ドルが費やされて初めて、製造メーカは、広告が効果的であると判断できる。これは、現在、多様な公の文書に開示されているように、製品の売上、またはユーザによって見られているテレビ番組またはチャンネルを監視することにより達成される。一例として、米国特許番号第４，５４６，３８２号は、テレビおよびマーケットリサーチデータ収集システムおよび方法を開示する。メモリを備えるデータ収集装置は、複数のテレビモードの内のどれが使用中であるのか、どのテレビ番組が、ユーザの製品購入についての情報を収集するための適切な光学走査デバイスから入力されるだけではなく、見られているのかに関するデータを記憶する。米国特許第４，２５８，３８６号に説明されている別のシステムは、テレビ視聴者測定システムを開示する。システムは、チャンネル識別をあらわす情報、チャンネルが選択される時刻、およびチャンネルの選択が終了する時刻を表す情報を監視し、記憶する。米国特許番号第５，６０８，４４５号は、テレビ視聴者研究でのデータ捕捉のための方法および装置も開示する。デバイスは、どのチャンネルにセットが合わされているのかを判断するために、ビデオシステムに取り付けられる。

インターネットの到来により、製造メーカおよびサービスプロバイダは、情報に対する加入者の要求に基づいてその広告を選択的に挿入する方法を見つけ出した。一例として、インターネット上で「車」を検索する個人は、ある特定の型の車の広告を見てよい。多様なインターネットベースの広告は、この方法を使用する。１９９８年６月３０日にワールドワイドウェブサイト、ｈｔｔｐ：／／ｗｗｗ．ｓｔａｒｐｔ．ｃｏｍ／ｃｏｒｅ／ａｄ＿Ｔａｒｇｅｔ．ｈｔｍｌから印刷されたイムジス社（ＩＭＧＩＳ Ｉｎｃ．）の製品参考文献「アドフォース（Ａｄ Ｆｏｒｃｅ）」は、広告目標設定システムを開示する。システムは、ウェブページのコンテンツ、時刻、曜日、キーワードに基づき、ビジターが広告を見る回数により、および一連の広告がビジターに示される順序によってウェブサイトビジターに広告を送達する。それにも関わらず、加入者は広告されているウェブサイトに実際に行かない限り、広告が見られたかどうかを判断する方法はない。インターネット上でのコンテンツが音声およびビデオを含むマルチメディア番組に移植するにつれて、広告にかかるコストは増加するが、広告主がメッセージのかなりのパーセンテージが見られた、または観察されたと確信が持てない限り、広告は無効である。キャンペーンのレポートを作成するための従来の技術による製品は、一般的には、ダブルクリック（Ｄｏｕｂｌｅ Ｃｌｉｃｋ）の動的広告報告および目標設定（ＤＡＲＴ）製品の報告機能を開示する、１９９８年６月１９日にワールドワイドウェブ（ＷＷＷ）サイトｈｔｔｐ：／／ｗｗｗ．ｄｏｕｂｌｅｃｌｉｃｋ．ｎｅｔ／ｄａｒｔ／ｈｏｗｉ＿ｒｅｐｏ．ｈｔｍから印刷された、ダブルクリック社（ＤｏｕｂｌｅＣｌｉｃｋ Ｉｎｃ．）の製品参考文献「ダブルクリック：報告（ＤｏｕｂｌｅＣｌｉｃｋ：Ｒｅｐｏｒｔｉｎｇ）」を含む多様な製品参考文献に記述されるように、ＰＣ中心的である。報告の中の情報は、広告の種別による毎日の印象、曜日ごとおよび時刻の平均印象を含む。ユーザごとの平均応答率もレポートに含まれる。１９９８年７月９日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ｎｅｔｇｒａｖｉｔｙ．ｃｏｍ／ｐｒｏｄｕｃｔｓ／から印刷されたネットグラビティ社（Ｎｅｔｇｒａｖｉｔｙ Ｉｎｃ．）の製品参考文献「アドサーバ３（ＡｄＳｅｒｖｅｒ３）」は、オンライン広告用のネットグラビティのアドサーバ３製品を開示している。製品は、広告を見たビジターのプロファイル、および日、週、月、および年を通したサイトトラフィックを含むレポートを作成する。

１９９８年６月３０日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ｍｅｄｉａｍｅｔｒｉｘ．ｃｏｍ／ｉｎｔｅｒａｃｔ＿ｍｍｆａｑ．ｈｔｍから印刷されたメディアメトリックス（Ｍｅｄｉａ Ｍｅｔｒｉｘ）からの製品参考文献「頻繁に尋ねられる質問（Ｆｒｅｑｕｅｎｔｌｙ Ａｓｋｅｄ Ｑｕｅｓｔｉｏｎｓ）」は、ＰＣの背景で実行し、その機械上で実行されているすべてを監視するメディアメトリックスソフトウェア、ＰＣメータ（ＰＣＭｅｔｅｒ）を開示する。それは、だれがＰＣを使用しているのかを、年齢、収入、性別および地理学上の領域によって判断し、ソフトウェアアプリケーションの使用量、コマーシャルオンラインサービスおよびワールドワイドウェブの詳細なページレベル表示を追跡調査する。１９９８年７月１日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ｍａｔｃｈｌｏｇｉｃ．ｃｏｍ／ｄｏｃｓ／ｓｅｒｖｉｃｅ２．ｈｔｍから印刷された、マッチロジック社（ＭａｔｃｈｌｏｇｉｃＩｎｃ．）のマーケティング参考文献は、広告管理のためのマッチロジックサービスを開示する。サービスは、事前に定義された目標設定基準に基づいて広告を送達すること、どのくらい多くの一意の視聴者がどのバナーを見たのか、および何回それが見られたかに関するレポートを作成することを含む。１９９８年７月９日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ａｃｃｉｐｉｔｅｒ．ｃｏｍ／ｐｒｏｄｕｃｔｓ／ＡＤＭａｎｇｅｒｆａｂ．ｈｔｍｌから印刷されたアシピター社（Ａｃｃｉｐｉｔｅｒ Ｉｎｃ．）の製品参考文献「アシピターアドマネージャ（Ａｃｃｉｐｉｔｅｒ ＡｄＭａｎａｇｅｒ２．０）」は、アシピターの広告管理システムを開示する。事前に設定された基準に基づき広告を送達した後に、システムは広告キャンペーンに関するレポートを作成できる。レポートはビジターの人口統計データ、印象およびサイト全体から生じたクリックの数、および広告および広告主ごとを含む。

より多くの目標設定された番組および広告を加入者に送達するためには、彼らの好き嫌いを、今日いま行われているより広い範囲まで理解することが必要である。加入者の嗜好をその購入品およびアンケートへの回答に基づいて特定するシステムは、郵便での文献の目標とされたマーケティングに対処するだけではなく、いかなる意味においても、加入者にとて高い受容の確率を有することが知られている番組および広告の迅速かつ正確な送達に対処しない。それ以外のシステムは、ユーザの嗜好を自動的にテレビ番組情報データベースと相互に関連付けるためのシステムおよび方法を開示する米国特許番号第５，２２３，９２４号に説明されるようにその番組を選ぶ可能性をユーザに与える。システムは、ダウンロードされたテレビ番組情報を視聴者の嗜好に相互に関連付けるために「フリーテキスト」検索技法を実行するプロセッサを含む。本システムは、ユーザと番組の間の対話を必要とする。ネットパーセプションズ社（Ｎｅｔ Ｐｅｒｃｅｐｔｉｏｎｓ Ｃｏｒｐｏｒａｔｉｏｎ）の「デジタル時代に価値を付加する（Ａｄｄｉｎｇ Ｖａｌｕｅ ｉｎ ｔｈｅ Ｄｉｇｉｔａｌ Ａｇｅ）」と題され、１９９８年６月３０日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ｎｅｔｐｅｒｃｅｐｔｉｏｎｓ．ｃｏｍ／ｐｒｏｄｕｃｔｓ／ｗｈｉｔｅ−ｐａｐｅｒｓ．ｈｔｍｌから印刷される白書は、グループレンズ推奨策エンジン（ＧｒｏｕｐＬｅｎｓ Ｒｅｃｏｍｍｅｎｄａｔｉｏｎ Ｅｎｇｉｎｅ）がオンライン企業に、サービス、コンテンツ、製品および広告を目標設定し、個人向けにする能力をどのようにして与えるのかを開示する。学習プロセスは、明示的なレーティングおよび暗黙のレーティングを使用する個人についての個人情報を学習し、予測プロセスは協調フィルタリングを使用してユーザの嗜好を予測し、推奨プロセスは、予測に基づいて製品またはサービスを推奨する。

１９９８年６月３０日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ａｐｔｅｘ．ｃｏｍ／ｐｒｏｄｕｃｔｓ−ｓｅｌｅｃｔｃａｓｔ−ｃｏｍｍｅｒｃｅ．ｈｔｍから印刷されるアプテックスソフトウェア社（Ａｐｔｅｘ ｓｏｆｔｗａｒｅ Ｉｎｃ．）の製品参考文献「コマースサーバ用のセレクトキャスト（ＳｅｌｅｃｔＣａｓｔ ｆｏｒ Ｃｏｍｍｅｒｃｅ Ｓｅｒｖｅｒ）」は、コマースサーバ用の製品セレクトキャストを記述する。それは、観察されるユーザの行動に基づいてオンラインショッピングを個人向けにする。ユーザの興味は、彼らがブラウズするコンテンツ、クリックする広告、および購入する製品に基づいて学習される。

どの番組または広告が加入者にとって適切であるのかを判断するために、その加入者および加入者製品と番組の嗜好についての知識が必要とされる。一般的には、これらの方法は、ユーザをプロファイルするか、あるいはその嗜好を予測するためにコンテンツまたはデータのマイニング技術を使用する。ユーザの嗜好を予測するための別の技法は、意見ネットワークを活用する米国特許第５，７０４，０１７号に説明されているように協調的なフィルタリングの使用に基づく。システムは、意志決定の指定されたフィールドで専門家およびその意志決定フィールドでのその嗜好だけではなく、ユーザの属性などの経験的なデータを含むデータベースから得られる従来の知識を使用して意見ネットワークを学習する。意見ネットワークは、既知の属性を与えられるユーザの知られていない思考の可能性を決定し、このようにしてユーザによって最も所望されそうな嗜好を予測する。

１９９８年６月３０日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ａｐｔｅｘ．ｃｏｍ／ｐｒｏｄｕｃｔｓ−ｓｅｌｅｃｔｃａｓｔ−ａｄｓ．ｈｔｍから印刷されたアプテックスソフトウェア社の製品参考文献「広告サーバ用セレクトキャスト（ＳｅｌｅｔＣａｓｔ ｆｏｒ Ａｄ Ｓｅｒｖｅｒｓ）」は、アプテックスソフトウェア社の広告目標設定システムを開示する。システムは神経ネットワークおよびコンテキストベンダデータモデルを利用し、ユーザとコンテンツの関係性を最適化する。それは、クリック、照会、ページビュー、および広告印象を含むすべての動作のコンテキストおよびコンテンツを調べることによるユーザの調査を提供する。アプテックスの技術は、コンテキストベクトル生成および検索のシステムおよび方法を開示する米国特許番号第５，６１９，７０９号に説明されるコンテキストベンダデータモデリング技法を使用する。コンテキストベクトルは定量手段により情報項目間の概念上の関係性を表す。神経ネットワークは、ワード近接性および相互の重要性に基づいて、関係性に基づいたコンテキストベクトルを作成するために記録の訓練集団で動作する。コンテキストベクトル間の幾何学関係性は、その関連付けられた項目の間の概念上の関係性を表す。

１９９８年７月９日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ｏｐｅｎｓｅｓａｍｅ．ｃｏｍ／ｐｒｏｄ＿０４．ｈｔｍｌから印刷されるオープンセサミ（Ｏｐｅｎ Ｓｅｓａｍｅ）の製品データシート「セサミの学習（Ｌｅａｒｎ Ｓｅｓａｍｉ）」は、ウェブ企業向けのオープンセサミの個人化製品を開示する。それは、そのブラウジング動作から自動的にユーザについて学習する。

１９９８年７月０９日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ｅｎｇａｇｅｔｅｃｈ．ｃｏｍから印刷されるエンゲージテクノロジーズ（Ｅｎｇａｇｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ）の製品参考文献「Ｅｎｇａｇｅ．Ｄｉｓｃｏｖｅｒ」は、ユーザ調査用のエンゲージテクノロジーズの製品を開示する。関心、人口統計および意見などのユーザによって開示される情報は、ユーザが、サイトを訪問する前にどこから来たのか、どのくらい長く滞在するのか、ビジタープロファイルを構築するために最も頻繁に彼らが訪問するのはどのページか、あるいはページの種類を説明する匿名のクリックストリームデータと組み合わされている。

１９９８年８月２１日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ｂｒｏａｄｖｉｓｉｏｎ．ｃｏｍ／ｃｏｎｔｅｎｔ／ｃｏｒｐｏｒａｔｅ／ｂｒｏｃｈｕｒｅ／Ｂｒｏｃｈ４．ｈｔｍから印刷されるブロードビジョン（Ｂｒｏａｄｖｉｓｉｏｎ）のマーケティング参考文献「個人化の力（Ｐｏｗｅｒｏｆ Ｐｅｒｓｏｎａｌｉｚａｔｉｏｎ）」は、ブロードビジョンの１対１のアプリケーション調査システムを開示する。システムは、登録、アンケート、観察および履歴データおよび外部的に生成されたデータの統合を含む多岐に渡る技法を通してユーザについて学習する。

１９９８年６月２０日にワールドワイドウェブサイトｈｔｔｐ：／／ｗｗｗ．ｆｉｒｅｆｌｙ．ｎｅｔ／ｃｏｍｐａｎｙ／ＰａｓｓｐｏｒｔＯｆｆｉｃｅ．ｈｔｍｌから印刷された、ファイアーフライ社（Ｆｉｒｅｆｌｙ Ｃｏｒｐｏｒａｔｉｏｎ）のマーケティング参考文献は、ファイアーフライの関係性管理ソフトウェアを開示する。ソフトウェアは、オンライン企業が、ユーザごとに個人プロファイルを作成、拡張、管理できるようにする。

加入者の視聴習慣に関する特殊な情報、または彼らがアクセスしたインターネットウェブサイトは分析のために記憶できるが、このような記録は私的と見なされ、加入者は、通常、このような情報を喜んで自分の管理から離さない。「通知および承諾」ベースでこのようなデータの収集を可能にする規制モデルがあるが、このような未処理データが収集されるのを禁ずる法律的な規則に向かう一般的な傾向がある。

加入者が、インターネットプロバイダまたはコンテンツプロバイダに対する、番組への個別的に取り使われる要求を行う放送ベースのモデルからクライアントサーバベースのモデルへのサービスの移植に伴い、彼らにとって関心のある番組および広告を彼らによりよく提供するために加入者視聴特徴を監視する機会がある。サーバは、加入者要求に対する代理としての役割を果たし、このようにして加入者が要求した内容および見ている内容を監視することができる。加入者はこの未処理データの活用を望んでいないことがあるため、この情報を処理し、統計的に関連する加入者プロファイルを生成することができるシステムに対するニーズがある。これらのプロファイルは、自分達の番組または広告が加入者に適しているのかを判断したいと考えるネットワーク上の他の人がアクセスできなければならない。放送ベースのモデルでは、処理される情報は、テレビ番組または放送の中に別個に埋め込み、電子番組ガイド（ＥＰＧ）または番組に関連するテキスト情報の形を取ることがある。一例として、米国特許番号第５，５７９，０５５号は、電子番組ガイド（ＥＰＧ）およびテキストチャンネルデータ制御装置を開示する。テキストおよびＥＰＧデータは、ビデオ信号の垂直帰線消去間隔の中に埋め込まれ、受信時に、データ制御装置によって抽出される。ＥＰＧは、番組カテゴリ、番組サブカテゴリ、および番組コンテンツ説明などの情報フィールドを含む。米国特許番号第５，５９６，３７３号は、複数局放送システムで番組指向情報を提供するための方法および装置も開示する。ＥＰＧデータは、ガイドデータ、チャンネルデータおよび番組データを含む。番組データは、それ以外の情報の中で、番組タイトル、番組カテゴリ、番組サブカテゴリ、および番組の詳細な説明を含む。

前記理由から、どの広告が加入者によって見られてきたのかを監視することができる広告監視システムに対するニーズがある。また、加入者および家庭の確実な人口統計および嗜好を反映する加入者特徴を生成、記憶できる加入者特徴付けシステムに対するニーズもある。

本発明は、どの程度まで広告が加入者または家庭によって見られたのかを判断するためのシステムを含む。

好ましい実施態様においては、選択されたチャンネル、それが選択された時刻を含む加入者選択データが記録される。製品の種類、ブランド名および広告を分類するその他の記述的な情報を含む広告関連情報は、広告から、または字幕テキストを含む広告に関するテキスト情報から抽出される。加入者選択データに基づき、広告のどのくらいのパーセンテージが見られたのかに関する記録が作成される。その後、この記録は、広告の有効性の基準を作成するために使用できる。

好ましい実施態様においては、広告に関連するテキスト情報は、広告の分類および製品の種類およびブランドを含む重要なデータの抽出に対処するコンテキストマイニング技法を使用して処理される。コンテキストマイニング技法は、製品タイプ、製品ブランド名、およびある特定のブランド名で販売されていない製品の場合には製品の総称名の決定に対処する。

本発明は、その場合、加入者が、サーバ側に送信され、チャンネルの加入者へのルーティングによって達成されるネットワークのクライアント側でのチャンネル変更を実行するクライアントサーバモードも実現できる。サーバ側は、加入者活動を監視し、チャンネル変更要求を監視する。広告関連情報は、広告材料自体を含むサーバ側から検索され、サードパーティから広告材料を検索するか、あるいは加入者に広告を搬送するデータストリームを分析する。サーバ側は、広告から、および加入者選択データに基づいて記述フィールドを抽出し、広告が加入者によってどの程度まで見られたのかを判断する。一例として、システムは、加入者によって見られた広告のパーセンテージを決定することができる。

本発明は、その視聴時間期間、番組が聞かれる音量、番組の選択を含むその詳細な選択肢に基づきビデオまたはマルチメディア番組を見ている加入者を特徴付け、加入者が最も関心のある番組の種別を決定するためにその番組についてのテキスト情報を収集するためのシステムを含む。加えて、システムは、まず確実な年齢、収入、性別、およびその他の人口統計を記述する、加入者または家庭の人口統計記述を生成することができる。結果として生じる特徴付けは、それ以外のどの番組または製品に加入者／家庭が関心があるのかの蓋然的な決定を含む。

好ましい実施態様においては、番組を記述するテキスト情報は、番組に関連付けられているテキストのコンテキストマイニングによって得られる。関連付けられたテキストは、番組と関連付けられた字幕データ、電子番組ガイド、または番組自体に関連付けられた、または番組自体の一部であるテキストファイルからの場合がある。

システムは、視聴セッションで得られるプロファイルに対応するセッション測定値、または複数の視聴セッションで得られるデータに対応する平均プロファイルの両方を影響することができる。

本発明は、論理形式での、あるいは加入者プロファイルを形成する上で役立つための条件の蓋然性として表記される発見的な規則の使用も含む。論理形式での発見的な規則により、システムは、加入者の特徴付けを得るために、外部研究から学習した一般論を適用できるようになる。条件蓋然性のケースでは、番組のまず確実なコンテンツは、蓋然的な人口統計データを決定するためだけではなく、番組および製品の好き嫌いを示す蓋然的な加入者プロファイルを得るために条件蓋然性の行列に数学的なステップで適用することができる。

本発明の１つの優位点とは、それが、消費者に、自分達の特殊な視聴履歴を明らかにしなくても、その家庭の人口統計および番組／製品の嗜好に関する蓋然的なデータへのアクセスを許す可能性を与える点である。加入者は、自分達の好き／嫌いにさらに目標を定めた広告を受け取るために、この情報へのアクセスを許すことを選んでよい。同様に、加入者は、収入を得るため、あるいは製品またはサービスに対する割引を受けるために、この統計的なデータへのアクセスを販売することを希望してよい。

本発明の別の優位点とは、結果として生じる蓋然的な情報が、加入者によって局所的に記憶、制御することができるか、あるいは加入者特徴付けへのアクセスを提供できるサードパーティに転送することができるという点である。情報は、許可されていないアクセスを防止するために暗号化することもでき、その場合、加入者あるいは加入者によって許可された誰かだけがデータにアクセスすることができる。

また、本発明は、コンテンツを含むまたはサードパーティからのコンテンツを要求するサーバに対する、加入者によってなされる番組の要求を監視することに基づいてビデオまたはマルチメディア番組を特徴付けするためのシステムも含む。ネットワークのサーバ側は、その視聴の時間期間、番組が傾聴される音量、および番組の選択を含む加入者の詳細な選択肢を監視することができる。

サーバ側は、加入者がどの種類の番組に最も関心があるのかを判断するためにその番組についてのテキスト情報を収集する。加えて、システムは、まず確実そうな年齢、収入、性別、およびその他の人口統計を記述する加入者または家庭に関する人口統計記述を生成することができる。結果として生じる特徴付けは、どの他の番組および製品に加入者が関心があるのかに関する蓋然的な決定を含む。

発明のこれらのおよびその他の特徴および目的は、添付図面に関して読み取られなければならない好まれる実施態様に関する以下の詳細な説明からさらに完全に理解されるだろう。

明細書に組み込まれ、明細書の一部を形成する添付図面は、本発明の実施態様を説明し、記述とともに、本発明の原則を説明するのに役立つ。

図中に図解されている、好ましい実施態様を説明する上では、明快さのために特殊な用語が使用されるだろう。しかしながら、本発明は、このように選択された特殊な用語に制限されることは意図されず、それぞれの特殊な用語が、同様の目的を達成するために類似した方法で動作するすべての技術的な同等物を含むことが理解されるべきである。

概して図に、および特に図１から図１９に関しては、本発明の装置が開示される。

本発明は、加入者または家庭によってどの広告が見られるのかを監視するための装置を目的とする。

本発明のシステムでは、加入者によって見られる番組、娯楽と広告の両方は、番組の特徴を決定するために、加入者特徴付けシステムによって研究、処理することができる。この番組の特徴の決定は、番組の特徴ベクトルと呼ばれる。ベクトルは真に１次元ベクトルであってよいが、複数のベクトルに分解できるｎ次元の行列として表記することもできる。広告の場合、番組の特徴ベクトルは、製品種別、特徴、ブランド名または総称名、あるいはそれ以外の関連する広告情報を含む広告に関する情報を記載できる。

加入者プロファイルベクトルは、加入者（または加入者の家庭）のプロファイルを表し、人口統計プロファイル（平均またはセッション）あるいは番組または製品嗜好ベクトルの形を取ることができる。番組嗜好ベクトルおよび製品嗜好ベクトルは、加入者の関心の蓋然論的な測定値を表すｎ次元の行列として見なすことができる家庭関心プロファイルの一部と見なされる。

加入者プロファイルベクトルが人口統計プロファイルである場合には、加入者プロファイルベクトルは、加入者の年齢または家庭内の視聴者の平均年齢、加入者の性別、加入者または家庭の収入範囲、およびそれ以外のこのような人口統計データの蓋然論的な基準を示す。このような情報は、家庭の人口統計特徴を備え、平均値とセッション値の両方から構成されている。家庭人口統計特徴から値の単一集合を抽出することは、加入者プロファイルベクトルに対応できる。

家庭関心プロファイルは、番組プロファイルと製品プロファイルの両方を含み、番組プロファイルは、加入者（家庭）がどの番組に関心を持つのかの蓋然論的な決定に相当し、製品プロファイルは、どの製品に加入者（家庭）が関心を持つのかに相当する。これらのプロファイルは平均値とセッション値の両方を含み、平均値はデータの時間平均であり、そこでは平均化期間は数日、数週、数ヶ月であってよいが、平均値は、いくつかの状況では、家庭の値に最も密接に一致する。

図１は、加入者特徴付けシステム（ＳＣＳ）１００の好ましい実施態様のコンテキスト図を描く。コンテキスト図は、エンティティ関係性図と組み合わされて、当業者が本発明を理解できる基礎を提供する。本発明の範囲はある特定のプログラミング言語またはツールの選択によって限られないが、本発明は、Ｃ、Ｃ＋＋、Ｐｅｒｌ、およびＪａｖａ（登録商標）を含む多数のプログラミング言語で実現できる。本発明は当業者に既知である手続き的言語またはそれ以外の種類のプログラミング言語で実現できるが、オブジェクト指向言語は、本発明を実現するために使用されるソフトウェアの構造という点で複数の優位点を有する。

加入者プロファイルを生成する上で、ＳＣＳ１００は、ユーザ１２０から、音量調節信号１２４またはチャンネル変更の形を取ることができるが、ネットワークアドレスからの番組の送達を要求するアドレス要求であってもよい番組選択データ１２２という形式でコマンドを受け取る。記録信号１２６は、番組または番組のアドレスがユーザによって記録されていることを示す。記録信号１２６は、印刷コマンド、テープ録音コマンド、ブックマークコマンドまたは見られている番組、または番組アドレスを後に使用するために記憶することを目的とする任意のそれ以外のコマンドであってもよい。

ユーザ１２０によって見られている資料は、原資料１３０と呼ばれる。原資料１３０とは、ここに定義されるように、加入者が選択するコンテンツであり、アナログビデオ、Ｍｏｔｉｏｎ Ｐｉｃｔｕｒｅ Ｅｘｐｅｒｔ Ｇｒｏｕｐ（エムペグ）デジタルビデオ原資料、その他のデジタルまたはアナログ資料、ハイパテキストマーク付け言語（ＨＴＭＬ）、またはそれ以外の種類のマルチメディア原資料から成り立つことがある。加入者特徴付けシステム１００は、ここに記述されるように分析できるソース関連テキスト１３６の転送を制御する、開始信号１３２および停止信号１３４を使用してユーザ１２０によって受け取られる原資料にアクセスすることができる。

好ましい実施態様においては、ソース関連テキスト１３６は、原資料１３０から抽出され、メモリに記憶することができる。ソース関連テキスト１３６は、ここに定義されるように、原資料１３０に関連する記述フィールドを含むソース関連テキスト情報、または原資料１３０の一部であるテキストを含む。ソース関連テキスト１３６は、字幕情報、電子番組ガイド（ＥＰＧ）資料、およびソースそれ自体の中のテキスト情報（例えば、ＨＴＭＬファイル内のテキスト）を含むが、それらに限られない数多くのソースから引き出すことができる。

電子番組ガイド（ＥＰＧ）１４０は、ユーザ１２０に有効である原資料１３０に関連する情報を含む。ＥＰＧ１４０は、典型的には、番組カテゴリ、番組記述、レーティング、俳優、および期間を含むが、それらに限られないソース関連情報を含むナビゲーションツールである。ＥＰＧデータの構造およびコンテンツは、ここに参照して組み込まれているソニー社（Ｓｏｎｙ Ｃｏｒｐｏｒａｔｉｏｎ）およびソニーエレクトロニクス（Ｓｏｎｙ Ｅｌｅｃｔｒｏｎｉｃｓ）に譲渡される米国特許第５，５９６，３７３号に詳細に説明される。図１に示されるように、ＥＰＧ１４０には、カテゴリ１４４、サブカテゴリ１４６、および番組記述１４８の戻りを生じさせるＥＰＧデータ要求信号１４２によって、ＳＣＳ１００がアクセスすることができる。ＥＰＧ情報は、広告に関連するフィールドを潜在的に含むことがある。

本発明の１つの実施態様では、ＥＰＧデータがアクセスされ、カテゴリ１４４、サブカテゴリ１４６、および番組記述などの番組情報はメモリに記憶される。

本発明の別の実施態様では、ソース関連テキスト１３６は、アナログまたはデジタルビデオ信号に埋め込まれる字幕テキストである。このような字幕テキストは、番組の特徴ベクトル１５０を抽出するために処理用のメモリに記憶することができる。

ＳＣＳ１００の機能の１つは、図１に示されているように、番組の特徴データ１５２から構成されている番組の特徴ベクトル１５０を生成することである。ベクトル形式とテーブル形式の両方で番組の特徴ベクトル１５０を作成するために使用できる番組の特徴データ１５２は、原資料の特徴を表すソース関連情報の例である。好ましい実施態様では、番組の特徴ベクトル１５０は、カテゴリ１４４、サブカテゴリ１４６、および番組記述１４８に従って番組（ソース）資料を特徴付ける値のリストである。本発明は、広告にも適用されてよく、その場合番組の特徴ベクトルは、一例として製品カテゴリ、製品サブカテゴリ、およびブランド名を含む。

図１に図解されるように、ＳＣＳ１００は、発見的規則１６０を使用する。発見的規則１６０は、ここに記述されているように、条件蓋然性に関して表される発見的規則だけではなく、論理的な発見的規則の両方からも構成されている。発見的規則１６０は、規則１６４のコピーのＳＣＳ１００への転送を生じさせる、要求規則信号１６２を介してＳＣＳ１００によってアクセスすることができる。

ＳＣＳ１００は、図１に示されているように、番組人口統計１７２から番組人口統計ベクトル１７０を形成する。また、番組人口統計ベクトル１７０は、原資料が対象とする視聴者の意図されたまたは予測される人口統計という形でソース関連情報の特徴を表す。

加入者選択データ１１０は、ユーザの監視された活動から得られ、好まれている実施態様では、専用メモリに記憶することができる。代替の実施態様では、加入者選択データ１１０が記憶装置ディスクに記憶される。加入者選択データ１１０を形成するために活用される情報は、イベント時刻に相当する時刻１１２、チャンネルＩＤ１１４、番組ＩＤ１１６、音量レベル１１８、チャンネル変更記録１１９、および番組タイトル１１７を含む。選択データの詳細な記録は、図６に示されている。

好ましい実施態様においては、図１に示されている家庭視聴習慣１９５は、加入者選択データ１１０から計算される。ＳＣＳ１００は、家庭視聴習慣１９５を形成するために、家庭視聴データ１９７を転送する。家庭視聴データ１９７は、通常は数日間または数週間という延長期間で特定の時刻で視聴習慣を見て、その時間期間中の視聴習慣に関していくつかの一般論を作成することによって、加入者選択データ１１０から引き出される。

番組の特徴ベクトル１５０は、情報検索技法を適用することによりソース関連テキスト１３６および／またはＥＰＧ１４０から引き出される。このプロセスの詳細は図８に従って説明される。

番組の特徴ベクトル１５０は、番組が対象とする視聴者を記述する図１に示される番組人口統計ベクトル１７０の集合を定義するために、発見的規則１６０の集合と組み合わせて使用される。

ＳＣＳ１００の１つの出力は、家庭人口統計特徴１９０および家庭関心プロファイル１８０を含む家庭プロファイルである。家庭人口統計特徴１９０は、家庭人口統計データ１９２の転送から生じ、家庭関心プロファイル１８０は、家庭関心データ１８２の転送から生じる。家庭人口統計特徴１９０と家庭関心プロファイル１８０の両方とも、ここに説明されているように、セッション値と平均値を有するだろう。

図２に描かれている監視システムは、加入者活動の監視を担当し、ＳＣＳ１００を実現するために使用できる。好ましい実施態様では、図２の監視システムは、テレビセットトップデバイス内で、またはテレビ自体の中に位置している。代替の実施態様においては、監視システムはネットワークから番組を受信するコンピュータの一部である。

テレビサービス向けのシステムの用途では、入力コネクタ２２０は、アンテナ、ケーブルテレビ入力またはその他のネットワークのどれかから入信するビデオ信号を受信する。ビデオ信号はアナログまたはデジタルＭＰＥＧである場合がある。代わりに、ビデオソースは、ビデオストリーム、またはインターネットを含む通信ネットワークからの他のマルチメディアストリームであってよい。

アナログビデオまたはデジタルビデオのどちらかのケースでは、選択されるフィールドは、ＥＰＧデータまたは字幕テキストを伝搬するために定義される。アナログビデオの場合、字幕テキストは垂直帰線消去間隔（ＶＢＩ）内に埋め込まれる。サイエンティフィックアトランタ社（Ｓｃｉｅｎｔｉｆｉｃ Ａｔｌａｎｔａ Ｉｎｃ．）に譲渡された米国特許第５，５７９，００５号に説明されるように、ＥＰＧ情報は、専用チャンネル内で搬送できるか、あるいはＶＢＩ内に埋め込むことができる。デジタルビデオの場合、字幕テキストは，ｕｓｅｒ＿ｄａｔａフィールド内のビデオユーザビットとして伝搬される。ＥＰＧデータは補助データとして送信され、音声データおよびビデオデータを含むトランスポート層で多重化される。

図２を参照すると、システム制御装置２００は、ユーザ１２０からコマンドを受け取り、コマンドを復号し、コマンドを宛先モジュールに転送する。好ましい実施態様では、コマンドは、遠隔制御を介して遠隔受信機２０５またはシステム制御装置２００のフロントパネルで使用可能な一式の選択ボタン２０７に入力される。代替の実施態様では、コマンドはキーボードを介してユーザ１２０によって入力される。

システム制御装置２００は、システム制御装置２００の動作のすべてを処理し、監督するための中央処理装置（ＣＰＵ）２０３、ソフトウェアおよび固定データを含む読取り専用メモリ（ＲＯＭ）２０２、データを記憶するためのランダムアクセスメモリ（ＲＡＭ）２０４も備える。ＣＰＵ２０３、ＲＡＭ２０４、ＲＯＭ２０２、およびＩ／Ｏ制御装置２０１がマスタバス２０６に接続される。電池の形式での電源も、停電の場合にはバックアップのためにシステム制御装置２００に含むことができる。

入出力（Ｉ／Ｏ）制御装置２０１は、システム制御装置２００を外部装置と接続する。好ましい実施態様では、Ｉ／Ｏ制御装置２０１は、遠隔受信機２０５および遠隔制御装置上のチャンネル変更ボタンなどの選択ボタンに接続する。代替の実施態様では、それはキーボードまたはマウスから入力を受け入れることができる。

番組選択データ１２２は、チャンネルプロセッサ２１０に転送される。チャンネルプロセッサ２１０は選択されるチャンネルに同調し、メディアストリームはその基本的な成分に分解される。つまり、ビデオストリーム、音声ストリームおよびデータストリームである。ビデオストリームは、それが復号され、さらにテレビ画面への表示のために処理されるビデオプロセッサモジュール２３０に向けられる。音声ストリームは、復号およびスピーカへの出力用の音声プロセッサ２４０に向けられる。

データストリームはＥＰＧデータ、字幕テキスト、拡張データサービス（ＥＤＳ）情報これらの組み合わせ、あるいは代替タイプのデータである場合がある。ＥＤＳの場合、コールサイン、プログラム名、およびそれ以外の有効なデータが提供される。好ましい実施態様では、データストリームは、ＲＡＭ２０４の予約済みのロケーションに記憶される。代替の実施態様では、磁気ディスクがデータ記憶のために使用される。システム制御装置２００は、好ましい実施態様では、ＲＡＭ２０４、選択されたチャンネル、選択の時刻１１２、音量レベル１１８、番組ＩＤ１１６、および番組タイトル１１７であり、やはり専用メモリ内に書き込む。番組選択データ１２２を受信すると、新しく選択されたチャンネルはチャンネルプロセッサ２１０に向けられ、システム制御装置２００は、専用メモリにチャンネル選択終了時刻およびチャンネル変更の時刻１１２での番組タイトルを書き込む。システム制御装置２００は、チャンネル変更記録１１９を介して視聴時間中に発生する番組変更の数を追跡調査する。データは、加入者選択データ１１０の一部を形成する。

音量調節信号１２４は、音声プロセッサ２４０に送信される。好ましい実施態様では、ユーザ１２０によって選択されている音量レベルは、傾聴音量に一致する。代替の実施態様においては、ユーザ１２０によって選択される音量レベル１１８は、音声システム（ホームシアターシステム）などの装置の別の部品に対する、またはテレビ自体に対する音量レベルを表す。このようなケースでは、音量は、マイクロフォンまたは選択された原資料が傾聴されている音量を監視できるその他の音声感知装置によって直接的に測定できる。

選択されたチャンネルを見ている間に発生する番組変更は、システム制御装置２００によってログされる。番組変更の時刻で番組のコンテンツを監視することは、ＥＤＳのコンテンツを読み取ることによって実行できる。ＥＤＳは、ＶＢＩを介して送信される番組タイトルなどの情報を含む。番組タイトルフィールドでの変更は監視システムによって検出され、イベントとしてログされる。代替の実施態様では、ＥＰＧは現在であり、番組情報はＥＰＧから抽出できる。好ましい実施態様では、ＥＤＳまたはＥＰＧから受信される番組データは、娯楽番組と広告の区別を可能にする。

図３は、チャンネルプロセッサ２１０のブロック図を示す。好ましい実施態様では、入力コネクタ２２０は、選択されたチャンネルに同調するチューナー３００に接続する。ローカル発振器は、信号をＩＦ信号にヘテロダインを発生させるために使用できる。復調器３０２は、受信された信号を復調し、出力はＦＥＣデコーダ３０４に送られる。ＦＥＣデコーダ３０４から受信されるデータストリームは、好ましい実施態様では、ＭＰＥＧフォーマットを取る。好ましい実施態様では、システムデマルチプレクサ３０６は、番組関連情報を含むことがある補助的なデータだけではなく、アウトビデオおよび音声情報も、それ以降の圧縮解除および処理のために別個にする。

システムデマルチプレクサ３０６に提示されるデータストリームは、ビデオデータ、音声データ、および補助データを含むデータのパケットから成り立つ。システムデマルチプレクサ３０６は、ストリームＩＤから各ＩＤを特定し、ストリームを対応するプロセッサに向ける。ビデオデータは、ビデオプロセッサモジュール２３０に向けられ、音声データは音声プロセッサ２４０に向けられる。補助的なデータは、字幕テキスト、緊急メッセージ、番組ガイド、またはそれ以外の有効な情報を含むことがある。

字幕テキストは、補助的なデータであると見なされ、このようにしてビデオストリームに含まれる。システムデマルチプレクサ３０６は、字幕テキストを抽出するためにビデオストリームのユーザデータフィールドにアクセスする。番組ガイドは、存在する場合、特殊なトランスポート番組識別子によって特定されるデータストリームで伝搬される。

代替の実施態様では、アナログビデオを使用できる。アナログ番組の場合、字幕テキストまたはＥＤＳデータなどの補助データは、垂直帰線消去間隔で伝搬される。

図４は、両方向ネットワークからのマルチメディア信号の受信に基づく、加入者監視システムの実現のためのコンピュータシステムのブロック図を示す。システムバス４２２は、ＣＰＵ２０３、ＲＡＭ２０４、読取り専用メモリ−基本入出力システム（ＲＯＭ−ＢＩＯＳ）４０６、およびその他の構成部品の間でデータをトランスポートする。ＣＰＵ２０３は、ディスク制御装置４０２を通してハードドライブ４００にアクセスする。標準入出力装置は、Ｉ／Ｏ制御装置２０１を通してシステムバス４２２に接続される。キーボードは、キーボードポート４１６を通してＩ／Ｏ制御装置２０１に接続され、モニタはモニタポート４１８を通して接続される。シリアルポートデバイスは、Ｉ／Ｏ制御装置２０１と通信するためにシリアルポート４２０を使用する。業界規格アーキテクチャ（ＩＳＡ）拡張スロット４０８および周辺構成部品相互接続（ＰＣＩ）拡張スロット４１０が、追加カードをコンピュータ内に入れることを可能にする。好ましい実施態様では、ネットワークカードは、ローカルエリア、広域、またはその他のネットワークに接続するために使用できる。

図５は、二十四（２４）時間期間でのチャンネルシーケンスおよび音量を示す。Ｙ軸は、オン／オフステータスおよび音量レベルに関して受信機のステータスを表す。Ｘ軸は時刻を表す。見られているチャンネルは、ウィンドウ５０１から５０６で表され、第１チャンネル５０２が見られ、その後に第２チャンネル５０４が見られ、午前中に第３チャンネル５０６が見られる。夜には、第４チャンネル５０１が見られ、第５チャンネル５０３および第６チャンネル５０５が見られる。チャンネル変更は、「オフ」ステータスへの瞬間的な遷移により示され、音量の変更はＹ軸でのレベルの変更によって表される。

加入者選択データ１１０の詳細な記録は、テーブル形式で図６に示されている。時刻の欄６０２には、視聴時間中に発生するあらゆるイベントの開示時刻が記載される。チャンネルＩＤ欄６０４は、その期間中に見られた、または訪問されたチャンネルを一覧表示する。番組タイトル欄６０３には、見られたすべての番組の題名が記載されている。音量欄６０１には、選択されたチャンネルを見る時刻１１２での音量レベル１１８が記載される。

家庭視聴習慣１９５に対応する代表的な統計記録は、図７に示される。好ましい実施態様では、時刻欄７００が、朝、昼間、午後、夜、および深夜という期間で編成される。代替の実施態様では、さらに小さい時間期間が使用される。視聴分数の欄７０２は、時間期間ごとに、ＳＣＳ１００が番組の送達を記録した時間を分数単位で一覧表示する。その期間中の番組変更の数、および平均音量も、それぞれチャンネル変更欄７０４および平均音量欄７０６の中のそのテーブルに含まれる。統計的な記録の最後の行は、視聴分数欄７０２、チャンネル変更欄７０４、および平均音量７０６に一覧表示されている項目の合計を記載する。

図８Ａは、番組の特徴ベクトル１５０の生成のためのエンティティ関係性図を示す。ここに参照して組み込まれる米国特許第５，６１９，７０９号に説明されているコンテキストベクトル生成および検索の技法は、番組の特徴ベクトル１５０の生成のために適用できる。それ以外の技法は、当業者によってよく知られている。

図８Ａを参照すると、原資料１３０またはＥＰＧ１４０が、番組の特徴ベクトル１５０を生成するために、番組の特徴付けプロセス８００を通過する。番組の特徴付けプロセス８００は、図８Ｂに従って説明される。それぞれカテゴリ１４４、サブカテゴリ１４６および業界で受容される番組分類システムで特定されるその他の区分という点で分類される、第１番組コンテンツ記述子８０２、第２番組コンテンツ記述子８０４、およびｎ番目の番組コンテンツ記述子８０６を含む、番組コンテンツ記述子は、コンテキストベクトル生成器８２０に提示される。一例として、番組コンテンツ記述子は、特定の番組カテゴリ１４４に見つけられる資料の予想コンテンツを表すテキストである場合がある。この例では、番組コンテンツ記述子８０２、８０４および８０６は、それぞれニュース、フィクション、および広告のカテゴリの番組で見つけられるだろうことを表すテキストを含むだろう。コンテキストベクトル生成器８２０は、第１要約コンテキストベクトル８０８、第２要約コンテキストベクトル８１０、およびｎ番目の要約コンテキストベクトル８１２を生じさせるサンプルテキストのその集合のためのコンテキストベクトルを生成する。示されている例では、要約コンテキストベクトル８０８、８１０および８１２は、それぞれニュース、フィクションおよび広告のカテゴリに一致する。要約ベクトルはローカルデータ記憶装置システムに記憶される。

図８Ｂを参照すると、分類される新規プログラムに関連付けられるソース関連テキスト１３６のサンプルが、その番組のためにプログラムコンテキストベクトル８４０を生成するコンテキストベクトル生成器８２０に渡される。ソース関連テキスト１３６は、原資料１３０、ＥＰＧ１４０、または原資料に関連付けられるそれ以外のテキストのどれかである場合がある。点乗積計算プロセス８３０で、第１要約コンテキストベクトル８０８の番組コンテキストベクトル８４０との点乗積を計算し、第１点乗積８１４を生じさせることによって、実際の番組コンテキストベクトルと記憶されている番組コンテンツコンテキストベクトルの間で比較が行われる。類似した動作は、第２点乗積８１６およびｎ番目の点乗積８１８を生じさせるために実行される。

点乗積８１４、８１６、および８１８に含まれる値は、本質的に蓋然的ではないが、結果が、一致するコンテンツをその番組に割り当てる信頼水準を表す単純な変換を使用して蓋然的な項で表すことができる。変換された値は合計して１になる。点乗積は、番組を分類するため、あるいは番組の特徴ベクトル１５０を生じさせる分類の加重合計を形成するために使用できる。示されている例では、ソース関連テキスト１３６が広告からであった場合には、ｎ番目の点乗積８１８は、高い値を有し、広告カテゴリが最も適切なカテゴリであったことを示し、高い確率値をそのカテゴリに割り当てる。その他のカテゴリに対応するその点乗積が著しくゼロより高い場合、それらのカテゴリには任意の値が指定され、結果は番組の特徴ベクトル１５０が図９Ｄに示される通りである。

サブカテゴリの場合、同じサブカテゴリ１４６に関するコンテンツから得られる確率は、そのサブカテゴリ１４６内にある新規番組の確率を形成するために合計される。サブカテゴリレベルでは、指定されたカテゴリ１４４からの番組の確率を計算するためには、同じ方法が適用される。番組分類システムの３つのレベル、つまりカテゴリ１４４、サブカテゴリ１４６およびコンテンツは、図９Ｄから図９Ｆに描かれている番組の特徴ベクトル１５０を形成するために番組の特徴付けプロセス８００によって使用される。

番組の特徴ベクトル１５０は、概して、図９Ａから図９Ｆに表される。図９Ａ，図９Ｂおよび図９Ｃは、決定論的な番組ベクトルの例である。ベクトルのこの集合は、ソース関連テキスト１３６またはＥＰＧ１４０がカテゴリ１４４およびサブカテゴリ１４６を特定する特定フィールドを含むときに発生するように、番組の特徴が十分に定義されるときに生成される。番組レーティングもＥＰＧ１４０によって提供できる。

これらの文字が指定されていないケースでは、ベクトルの統計的な集合は、図８に従って説明されるプロセスから生成される。図９Ｄは、見られている番組が指定カテゴリ１４４からである確率を示す。カテゴリは、Ｘ軸に一覧表示されている。サブカテゴリ１４６は、確率単位でも表される。これは図９Ｅに示される。ベクトルのこの集合のコンテンツ成分は、番組分類の第３可能レベルであり、図９Ｆに示されている。

図１０Ａは、発見的規則１６０の一部を形成する論理的な発見的規則の集合を示す。好ましい実施態様では、論理的な発見的規則は、社会学的な研究または心理学的な研究から得られる。２種類の規則が図１０Ａに示されている。第１の種類は、個人の視聴特徴を、性別、年齢、および収入レベルなどの人口統計特徴に連動する。チャンネル変更速度規則１０３０は、チャンネル変更速度に基づき性別を決定しようとする。収入関連のチャンネル変更速度規則１０１０は、チャンネル変更速度を収入の区分に連動させようとする。第２の種類の規則は、番組カテゴリ１４４／サブカテゴリ１４６を性別に連動させる性別決定規則１０５０によって示されるように、特定の番組を特定の視聴者に連動させる。図１０Ａに示されている論理的な発見的規則を適用した結果は、性別、年齢および収入レベルを含む要因の蓋然的な決定である。論理的な発見的規則の特殊集合は一例として使用されたが、本発明を実現するために幅広い数の種類の論理的な発見的規則が使用できる。さらに、これらの規則は、システム内の学習に基づいて、あるいはさらに正確な規則を提供する外部研究に基づいて変更できる。

図１０Ｂは、条件付き確率単位で表される発見的規則１６０の集合を示す。図１０Ｂに示されている例では、カテゴリ１４４は、年齢、収入、家族の規模、および性別の構成などの人口統計ファクターの条件付き確率をそれと関連付けた。カテゴリ１４４は、視聴グループが彼らがそのカテゴリ１４４の番組を見ているという確率に依存する一定の年齢グループ内であるという確率を表す条件付き確率をそれに関連付けた。

図１１は、番組人口統計ベクトル１７０の生成のためのエンティティ関係図を示す。好ましい実施態様では、発見的規則１６０は、番組人口統計ベクトル１７０を形成するために、番組目標設定分析プロセス１１００内で番組の特徴ベクトル１５０とともに適用される。番組の特徴ベクトル１５０は、その暴力レベルなどのある番組のある特定の態様を示す。発見的規則１６０は、ある特定の人口統計グループがその番組に対する嗜好を有することを示す。一例として、若い男性は人口の他のセクタより暴力的な番組に対する高い嗜好を有することがある。このようにして、暴力的なコンテンツを有する高い確率を示す番組の特徴ベクトル１５０を有する番組は、「若い男性が暴力的な番組を好む」ことを示す発見的規則１６０と組み合わされると、番組目標設定分析プロセス１１００を通して、番組が若い男性によって見られているという高い確率があることを示す番組人口統計ベクトル１７０を生じさせる。

番組目標設定分析１１００は、数学的に発見的規則１６０を処理し、番組人口統計ベクトル１７０を引き出す多岐に渡る言語でプログラミングされたソフトウェアを使用して実現できる。図１０Ｂに示されている発見的規則１６０のテーブル表記は、個人または家庭がある特定のカテゴリ１４４のある番組に基づいた特殊人口統計グループからである確率を表す。これは、「個人が、指定されたカテゴリ内の番組を条件にして指定された人口統計グループ内にある確率」に従うように、確率の項を使用して表すことができる。図９Ｄを参照すると、グループが、ある特定のカテゴリにある番組に基づいた一定の人口統計特徴を有する確率が示されている。

ある番組がある特定の人口統計グループを宛先にしている確率を表すことは、ベイズ（Ｂａｙｅｓ）規則を適用することによって決定できる。この確率とは、番組がそのカテゴリ１４４からではない確率によって加重されるカテゴリ１４４を条件にして、人口統計グループが番組を好きである条件付き確率の合計である。好ましい実施態様においては、番組ターゲット分析は、図１０Ａに示されているように、論理的な発見的規則の適用によって、および図１０Ｂに示されているような条件付き確率として表される発見的規則の適用によって、番組人口ベクトルを計算できる。論理的な発見的規則は、論理プログラミングおよび当業者によりよく理解されている技法を使用するファジー論理を使用して適用することができ、ここに参照して組み込まれる「神経ネットワークおよびファジー論理の理解（Ｕｎｄｅｒｓｔａｎｄｉｎｇ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ ａｎｄ Ｆｕｚｚｙ Ｌｏｇｉｃ）」と題されるＳ．Ｖ．Ｋａｒｔａｌｏｐｏｕｌｏｓによってテキストで説明される。

条件付き確率は、番組コンテキストベクトルを条件付き確率の行列によって乗算する単純な数学演算によって適用できる。このプロセスをすべての人口統計グループで実行することにより、番組目標設定分析プロセス１１００は、それぞれの人口統計グループにとって番組がどの程度まで関心があるのかを測定することができる。それらの確率値が、図１２に表されている番組人口統計ベクトル１７０を形成する。

一例として、図１０Ｂに示されている発見的規則は、図９Ａから図９Ｆに図示されているもののような寸法Ｎの番組の特徴ベクトル１５０が、図１０Ｂに示されているもののような条件付き確率として表される発見的規則のＮ×Ｍ行列によって乗算される行列乗算の一部として使用される。寸法Ｍのその結果生じるベクトルは、カテゴリごとの条件付き確率の加重された平均であり、家庭人口統計特徴１９０を表す。類似する処理は、サブカテゴリレベルおよびコンテンツレベルで実行できる。

図１２は、番組人口統計ベクトル１７０の一例を示し、ある特定の番組がある特定の視聴者に対してどの程度まで宛てられているのかを示す。これは、図１２に描かれているように確率に関して測定される。Ｙ軸は、Ｘ軸に特定されている人口統計グループに訴える確率である。

図１３は、家庭セッション人口統計データ１３１０および家庭セッション関心プロファイル１３２０の生成のためのエンティティ関係性図を示す。好ましい実施態様では、加入者選択データ１１０が、セッション特徴付けプロセス１３００の中で番組の特徴ベクトル１５０とともに使用され、家庭セッション関心１３２０を生成する。加入者選択データ１１０は、加入者が見ている内容、彼らが番組をどのくらいの期間、どのような音量で見ているのかを示す。

好ましい実施態様では、セッション特徴付けプロセス１３００は、番組が見られる時間期間が（典型的には、装置がオンにされた時から現在までとして定義される）セッション時間に正規化される番組の特徴ベクトル１５０の加重平均を形成する。番組の特徴ベクトル１５０は（１つの番組だけが見られていない限り、１未満である）正規化された時間期間によって乗算され、過去の値と合計される。時間期間データは、それ以外の加入者視聴情報とともに、加入者選択データ１１０から使用できる。その結果生じる番組の特徴ベクトルの加重平均は、家庭セッション関心プロファイル１３２０を形成し、各番組は、どのくらいの期間それが見られたのかに従って、家庭セッション関心プロファイル１３２０に貢献する。家庭セッション関心プロファイル１３２０は、そのセッション中に、家庭番組関心の蓋然論的な値を生じさせるために正規化される。

代替の実施態様では、発見的規則１６０は、加入者選択データ１１０と番組の特徴ベクトル１５０の両方に適用され、家庭セッション人口統計データ１３１０および家庭セッション関心プロファイル１３２０を生成する。この実施態様では、番組特徴ベクトル１５０の加重平均は、加入者選択データ１１０に基づいて形成され、発見的規則１６０が適用される。図１０Ａに示されているような論理的な発見的規則の場合には、論理的な番組は家庭セッション人口統計データ１３１０および家庭セッション関心プロファイル１３２０に関して決定を下すために適用できる。図１０Ｂに示されているもののような条件付き確率という形を取る発見的規則の場合、番組の特徴ベクトルの時間平均値の点乗積は、家庭セッション人口統計データ１３１０と家庭セッション関心プロファイル１３２０の両方を生成するために発見的規則の適切な行列とともに採取できる。

加入者選択データ１１０の一部を形成する音量調節測定値も、家庭セッション関心プロファイル１３２０を形成するためにセッション特徴付けプロセス１３００で適用できる。これは、どの程度の時間期間が使用されるのかに類似した加重平均方法で正規化音量測定値を使用することによって達成できる。このようにしてショーを音消しすると、音量のゼロ値が生じ、このショーの番組の特徴ベクトル１５０は、家庭セッション関心プロファイル１３２０の中には平均化されないだろう。

図１４は、平均家庭人口時計特徴およびセッション家庭人口統計特徴１９０の生成のためのエンティティ関係性図を示す。家庭人口統計特徴付けプロセス１４００は、図１５でテーブル１５形式で表される家庭人口統計特徴１９０を生成する。家庭人口統計特徴付けプロセス１４００は、人口統計データを決定するために、実験的規則１６０と組み合わせて家庭視聴習慣１９５を使用する。例えば、その日の間の視聴分数がゼロである家庭は、二人の仕事をしている成人がいる家庭を示してよい。条件付き確率に基づく規則だけではなく、論理的な発見的規則も、家庭人口統計特徴１９０を得るために、家庭視聴習慣１９５に適用できる。

家庭視聴習慣１９５は、システムによって習慣外（ｏｕｔ−ｏｆ−ｈａｂｉｔｓ）イベントを検出するためにも使用される。例えば、深夜の視聴分数欄７０２にゼロ値が指定される家庭が、家庭セッション人口統計データ１３１０を介してその時刻にセッション地を提示すると、このセッションは、習慣外イベントとして特徴付けられ、システムは、そのセッションの人口統計が家庭のための平均人口統計と大きく異なることがきわめてありそうな場合には、このようなデータを平均から除外することができる。それにも関わらず、家庭人口統計データ１３１０へ家庭人口統計特徴付けプロセス１４００を適用した結果、このようなデータが家庭の平均人口統計特徴付けに追加されない場合にも、貴重なセッション人口統計データを生じさせることがある。

図１５は、平均およびセッション家庭人口統計特徴を示す。家庭人口統計パラメータ欄１５０１の後には、平均値欄１５０５、セッション値欄１５０３、および更新欄１５０７が続く。平均値欄１５０５およびセション値欄１５０３は、家庭人口統計特徴付けプロセス１４００から引き出される。住所と電話番号などの決定論的なパラメータは、外部ソースから得ることができるか、あるいはインストールの時点で加入者またはネットワーク事業者によってシステムの中にロードすることができる。決定論的値の更新は、これらの値が更新欄１５０７で更新されてはならない旨を示すことによって妨げられる。

図１６は、家庭関心プロファイル生成プロセス１６００での家庭関心プロファイル１８０の生成のためのエンティティ関係性図を示す。好ましい実施態様では、家庭関心プロファイル生成プロセスは、家庭セッション関心プロファイル１３２０を複数のセッションで平均化することと、それらの視聴習慣および番組嗜好のある家庭／加入者についての仮定だけではなく、家庭の視聴嗜好の両方も考慮に入れる家庭関心プロファイル１８０を形成するために、家庭視聴習慣１９５を、発見的規則１６０と組み合わせて適用することとを備える。

図１７は、番組種別行１７０９、製品種別行１７０７、および家庭関心欄１７０１、平均値欄１７０３、およびセッション値欄１７０５から構成される家庭関心プロファイル１８０を示す。

製品種別行１７０７は、どの種類の広告を家庭が見ることに関心があるのかに関して示し、どの種の製品が、潜在的に、このようにして広告がその全体として見られている高い可能性で広告できるのかを示すだろう。番組種別行１７０９は、家庭がどの種の番組を見ることに関心があるのかを示唆する。家庭関心欄１７０１は、統計的にその家庭に特徴付けられている番組および製品の種類を指定する。

本発明の産業上の適用性の例として、家庭は、好き嫌いに関する特殊な質問に答えなくても、その正常な視聴ルーチンを実行するだろう。子供は、家庭内で朝テレビを見てよく、コマーシャルの間にチャンネルを変更してみたり、あるいはまったく変更しない可能性がある。テレビは、作業日の間、子供達が学校およびデイケアにいる間、夜、両親がチャンネルを「サーフィン」し、コマーシャルの間テレビの音を消し、究極的には１時間または２時間の放送番組を見ることがある。本発明は、家庭を特徴付ける能力を提供し、家庭内に子供および成人がいるという決定を下してよく、番組および製品の関心はその構成の家族に一致する家庭関心プロファイル１８０で示されている。二人の退職した成人のいる家庭は、家庭関心プロファイル１８０で示されるだろうまったく異なった特徴付けを有するだろう。

本発明は、番組を受信する単一計算プラットホームという文脈で主として説明されてきたが、ＳＣＳ１００は、図１８に示されているようにクライアント−サーバのアーキテクチャの一部として実現できる。図１８を参照すると、居住地１８００は、テレビ１８１０と、番組を要求し、受信できるセットトップ１８０８の組み合わせだけではなく、パーソナルコンピュータ（ＰＣ）１８２０も備える。居住地１８０８内の装置または狭いあるいは広い企業環境における類似する装置は、ここに定められるようにネットワークのクライアント側を形成する。番組は、ケーブルテレビネットワーク、電話型ネットワーク、またはそれ以外のアクセスネットワークであってよい、アクセスネットワーク１８３０で送達される。情報要求は、ネットワークのサーバ側を形成するサーバ１８４０に対しクライアント側によって行われる。サーバ１８４０は、それが加入者に対して提供するコンテンツを局所的に有するか、あるいは図１８に示されるようにサードパーティコンテンツプロバイダ１８６０から加入者の変わりにコンテンツを要求する。サーバ１８４０によってクライアント側の代わりに行われる要求は、インターネットまたはその他の公衆網または構内網である倍がある広域ネットワーク１８５０全体で行われる。クライアントの代わりに要求を行うための技法は、多くの場合、代理技法と呼ばれ、当業者にはよく知られている。サーバ側は、どのデバイスが要求を行ったのかに従って、ＰＣ１８２０またはテレビ１８１０に表示される要求された番組を受信する。

好ましい実施態様では、サーバ１８４０は、それが、クライアント側のための代理としてのその動作に基づいてコンパイルできる加入者選択データ１１０を維持する。ソース関連情報の検索、および番組目標設定分析プロセス１１００、番組の特徴付けプロセス８００、番組目標分析プロセス１１００、セッション特徴付けプロセス１３００、家庭人口統計特徴付けプロセス１４００、および家庭関心プロファイル生成プロセス１６００が、サーバ１８４０によって実行できる。

図１９を参照すると、広告ＩＤ欄１９１５が、番組ＩＤ、ｈｔｔｐアドレス、または広告と一意に関連付けられるその他の識別子という形を取る広告とともに送信された広告の数値ＩＤを記載する、広告監視テーブルが示される。製品欄１９２１には、広告された製品の種別を示す製品記述が記載される。ブランド欄１９２７は、製品のブランド名を示すか、あるいは代わりにその製品の総称名を一覧表示することができる。視聴パーセント欄１９３３は、加入者が見た広告のパーセンテージを示す。代替の実施態様では、文字レーティングまたはその他の種類のレーティングが、広告が見られた確率を示すために使用される。音量欄１９３７は、広告が見られた音量レベルを示す。

発明の産業上の適用性の例として、製造メーカは、人気のある夜の番組の間の広告の挿入を示す広告戦略を作成してよい。このような広告挿入のためのコストはきわめて高い場合がある。この広告戦略の費用対効果を保証するために、製造メーカは、あまり見られないが類似した番組の間に広告を入れ、加入者がどのように反応するか監視し、考えられる視聴のすべてで広告がだいたい何度くらい見られたのかを決定することができる。このデータは、広告の潜在的な有効性を確認し、それ以降、夜の番組の間に、さらに高価な時間を購入することが費用対効果が大きいかどうか、あるいは広告を修正し、他の番組に入れる必要があるのかを決定することができる。

この例を続けると、製造メーカは、初期期間の「プライムタイム」の間に見るための広告を入れてよいが、それ以降、加入者の大半が広告を決して見ないことが判明したら、広告の放送を取り消すことができる。

本発明は特定な実施態様を参照して示されてきたが、発明の範囲に明確に該当する多様な変更および修正が加えられてよい。発明は、添付クレームの精神および範囲内で幅広く保護されることが意図される。

なお、以上の説明に関してさらに以下の付記を開示する。
（付記１）加入者によって見られる広告を監視するためのデータ処理システムであって、前記データ処理システムは、
（ａ）データを処理するためのコンピュータプロセッサ手段と、
（ｂ）記憶媒体でデータを記憶するための記憶手段と、
（ｃ）加入者活動を監視するための第１手段であって、加入者選択を記憶するための記録手段を含む前記第１手段と、
（ｄ）広告関連情報を検索するための第２手段であって、前記広告関連情報が前記広告に対応する記述フィールドを含む第２手段と、
（ｅ）情報を処理するための第３手段であって、広告が前記加入者によって見られる範囲を決定するための手段を含む前記第３手段と、
（ｆ）前記記述フィールドおよび前記広告が前記加入者によって見られる範囲の前記決定を記憶するための第４手段と、
を備えるデータ処理システム。
（付記２）加入者活動を監視するための前記第１手段が、さらに、音量レベルを監視するための手段を備え、そこでは前記音量レベルが加入者選択音量レベルに一致する、付記１に記載されるシステム。
（付記３）さらに、
（ｇ）加入者製品関心プロファイルを決定するための第５手段と、
（ｈ）前記加入者製品関心プロファイルを記憶するための第６手段と、
を備える、付記１に記載されるシステム。
（付記４）広告関連情報を検索するための前記第２手段が、さらに、前記選択された原資料に関連付けられたテキスト情報のコンテキストマイニングのための手段を備える、付記１に記載されるシステム。
（付記５）前記テキスト情報が、前記広告に関連付けられた字幕データから引き出されるテキストである、付記４に記載されるシステム。
（付記６）前記広告に関連付けられた字幕データから引き出される前記テキストが製品名フィールドを含む、付記５に記載されるシステム。
（付記７）前記広告に関連付けられた字幕データから引き出される前記テキストが、製品ブランドフィールドを含む、付記４に記載されるシステム。
（付記８）加入者によって見られる広告を監視するためのクライアント−サーバベースのデータ処理システムであって、
（ａ）広告を受け取り、表示するためのクライアント側での第１コンピュータプロセッサであって、そこでは前記第１コンピュータ手段が、チャンネル変更要求を送信できる第１コンピュータプロセッサ手段と、
（ｂ）前記チャンネル変更要求を受け取り、データを処理するためのサーバ側での第２コンピュータプロセッサ手段と、
（ｃ）記憶媒体にデータを記憶するための第２コンピュータプロセッサ手段に関連付けられる第２記憶装置手段と、
（ｄ）加入者活動を監視するための前記サーバ側での第１手段であって、加入者活動を監視するための前記第１手段が、加入者チャンネル変更要求を受け取るための手段、加入者チャンネル変更要求を記憶するための記録手段を含む第１手段と、
（ｅ）広告関連情報を検索するための前記サーバ側での第２手段であって、前記広告関連情報が広告に対応する記述フィールドを含む第２手段と、
（ｆ）情報を処理するための前記サーバ側での第３手段であって、前記第３手段が前記加入者によって広告が見られる範囲を決定するための手段を含む第３手段と、
（ｇ）前記記述フィールドおよび前記広告が前記加入者によって見られる範囲の前記決定を記憶するための前記サーバ側での第４手段と、
を備える、前記クライアント−サーバベースデータ処理システム。
（付記９）さらに、
（ｈ）加入者製品関心プロファイルを決定するための第５手段と、
（ｉ）前記加入者製品関心プロファイルを記憶するための第６手段と、
を備える、付記８に記載されるシステム。
（付記１０）広告関連情報を検索するための前記第２手段が、さらに、
前記選択された原資料と関連付けられたテキスト情報のコンテキストマイニング用手段を備える、付記８に記載されるシステム。
（付記１１）前記テキスト情報が、前記広告と関連付けられた字幕データから引き出されるテキストである、付記１０に記載されるシステム。
（付記１２）前記広告に関連付けられる字幕データから引き出される前記テキストが、製品名フィールドを含む、付記１１に記載されるシステム。
（付記１３）前記広告に関連付けられる字幕データから引き出される前記テキストが、製品ブランドフィールドを含む、付記１１に記載されるシステム。
（付記１４）加入者プロファイルベクトルを生成するためのデータ処理システムであって、
（ａ）データを処理するためのコンピュータプロセッサ手段と、
（ｂ）記憶媒体上でデータを記憶するための記憶媒体手段と、
（ｃ）加入者活動を監視するための第１手段であって、そこでは加入者選択データを記憶するための記録手段を含み、そこでは前記加入者選択データが選択された原資料に一致する前記第１手段と、
（ｄ）ソース関連情報を検索するための第２手段であって、そこでは前記ソース関連情報が、前記選択された原資料に一致する記述フィールドを含む第２手段と、
（ｅ）情報を処理するための第３手段であって、そこでは前記加入者プロファイルベクトルを形成するために、前記記述フィールドに関して前記加入者選択データを処理するための手段を含む前記第３手段と、
（ｆ）前記加入者プロファイルベクトルを記憶するための第４手段と、
を備える、前記データ処理システム。
（付記１５）加入者活動を監視するための前記第１手段が、さらに、時間期間を監視するための手段を備え、そこでは前記時間期間が前記選択された原資料の視聴時間に相当する、付記１４に記載されるシステム。
（付記１６）加入者活動を監視するための前記第１手段が、音量レベルを監視するための手段を備え、そこでは前記音量レベルが、加入者選択音量レベルに相当する、付記１４に記載されるシステム。
（付記１７）前記加入者プロファイルベクトルが、家庭人口統計の蓋然論的な測定値を示す、付記１４に記載されるシステム。
（付記１８）前記加入者プロファイルベクトルが、家庭番組関心の蓋然論的な測定値を示す、家庭番組嗜好情報を含む、付記１４に記載されるシステム。
（付記１９）前記加入者プロファイルベクトルが、家庭製品関心の蓋然論的な測定値を示す、家庭製品嗜好情報を含む、付記１４に記載されるシステム。
（付記２０）ソース関連情報を検索するための前記第２手段が、さらに、前記選択された原資料に関連付けられるテキスト情報のコンテキストマイニングのための手段を備える、付記１４に記載されるシステム。
（付記２１）前記テキスト情報が、前記選択された原資料に関連付けられた字幕データから引き出されるテキストである、付記２０に記載されるシステム。
（付記２２）ソース関連情報を検索するための前記第２手段が、さらに、電子番組ガイドから前記選択された原資料に関連付けられた情報を検索するための手段を備える、付記１４に記載されるシステム。
（付記２３）情報を処理するための前記第３手段が、視聴セッションで情報を処理し、前記加入者プロファイルベクトルが前記視聴セッションに対応する、付記１４に記載されるシステム。
（付記２４）情報を処理するための前記第３手段が、複数の表示セッションで情報を処理し、前記加入者プロファイルベクトルが前記複数の視聴セッションで平均値に一致する、付記１４に記載されるシステム。
（付記２５）加入者プロファイルベクトルを生成するためのデータ処理システムであって、
（ａ）データを処理するためのコンピュータプロセッサ手段と、
（ｂ）記憶装置媒体にデータを記憶するための記憶装置手段と、
（ｃ）加入者活動を監視するための第１手段であって、そこでは加入者選択データを記憶するための記録手段を含み、前記加入者選択データが選択された原資料に対応する第１手段と、
（ｄ）ソース関連情報を検索するための第２手段であって、そこでは前記ソース関連情報が、前記選択された原資料に対応する記述フィールドを含む前記第２手段と、
（ｅ）前記ソース関連情報に基づき番組の特徴ベクトルを生成するための第３手段と、
（ｆ）発見的規則の集合を記憶するための第４手段と、
（ｇ）情報を処理するための第５前記手段であって、そこでは、前記加入者プロファイルベクトルを形成するために、前記番組の特徴ベクトルおよび前記発見的規則の集合に関して、前記加入者選択データを処理するための手段を含む第５手段と、
（ｈ）前記加入者プロファイルベクトルを記憶するための第６手段と、
を備える、前記データ処理システム。
（付記２６）加入者活動を監視するための前記第１手段が、さらに、時間期間を監視するための手段を備え、前記時間期間が、前記選択された原資料の視聴時間に相当する、付記２５に記載されるシステム。
（付記２７）加入者活動を監視するための前記第１手段が、さらに、音量レベルを監視するための手段を備え、前記音量レベルが加入者選択音量レベルに一致する、付記２５に記載されるシステム。
（付記２８）前記加入者プロファイルベクトルが、家庭人口統計の蓋然論的な測定値を示す、家庭人口統計データを含む、付記２５に記載されるシステム。
（付記２９）前記加入者プロファイルベクトルが、家庭関心の蓋然論的な測定値を示す家庭セッション関心プロファイルを含む、付記２５に記載されるシステム。
（付記３０）家庭人口統計特徴ベクトルを生成するためのデータ処理システムであって、
（ａ）データを処理するためのコンピュータプロセッサ手段と、
（ｂ）記憶装置媒体にデータを記憶するための記憶装置手段と、
（ｃ）加入者活動を監視するための第１手段であって、そこでは前記第１手段が加入者選択データを記憶するために記録手段を含み、前記加入者選択データが選択された原資料に一致する、第１手段と、
（ｄ）家庭視聴習慣情報を生成するための第２手段であって、前記家庭視聴習慣情報が前記加入者選択データから生成される、第２手段と、
（ｅ）発見的規則の集合を記憶するための第３手段と、
（ｆ）情報を処理するための第４手段であって、前記家庭人口統計特徴ベクトルを形成するために、発見的規則の前記集合に関して、前記加入者選択データを処理するための手段を含む第４手段と、
（ｇ）前記家庭人口統計特徴ベクトルを記憶するための第５手段と、
を備える、前記データ処理システム。
（付記３１）情報を処理するための前記第４手段が、視聴セッションで情報を処理し、前記家庭人口統計特徴ベクトルが前記視聴セッションに一致する、付記３０に記載されるシステム。
（付記３２）情報を処理するための前記第４手段が、複数の視聴セッションの期間で情報を処理し、前記家庭人口統計特徴ベクトルが前記複数の視聴セッションでの平均値に一致する、付記３０に記載されるシステム。
（付記３３）クライアント−サーバベースのアーキテクチャで加入者プロファイルベクトルを生成するためのデータ処理システムであって、
（ａ）ソース情報を要求、表示するためのクライアント側での第１コンピュータプロセッサ手段であって、そこでは原資料に対する要求を送信し、前記原資料を受信、表示する前記第１コンピュータ手段と、
（ｂ）データを処理するためのサーバ側の第２コンピュータプロセッサ手段と、
（ｃ）記憶装置手段にデータを記憶するための第２コンピュータプロセッサ手段と関連付けられた第２記憶装置手段と、
（ｄ）加入者活動を監視するための前記サーバ側の第１手段であって、そこでは加入者活動を監視するための第１手段が、前記原資料に対する加入者要求を受け取るための手段と、加入者選択データを記憶するために記録手段とを含み、そこでは前記加入者選択データが前記原資料に対する要求の記録に一致する、第１手段と、
（ｅ）ソース関連情報を検索するための前記サーバ側の第２手段であって、前記ソース関連情報が前記原資料に対応する記述フィールドを含む、第２手段と、
（ｆ）情報を処理するための前記サーバ側の第３手段であって、そこでは、前記加入者プロファイルベクトルを形成するために、前記記述フィールドに関して、前記加入者選択データを処理するための手段を含む、前記第３手段と、
（ｇ）前記加入者プロファイルベクトルを記憶するための前記サーバ側での第４手段と、
を備える、前記データ処理システム。
（付記３４）加入者活動を監視するための前記第１手段が、さらに、時間期間を監視するための手段を備え、そこでは前記時間期間が前記選択された原資料の視聴時間に一致する、付記３３に記載されるシステム。
（付記３５）加入者活動を監視するための前記第１手段が、さらに、音量レベルを監視するための手段を備え、前記音量レベルが加入者選択音量レベルに一致する、付記３３に記載されるシステム。
（付記３６）前記加入者プロファイルベクトルが、家庭人口統計の蓋然論的な測定値を示す家庭人口統計データを含む、付記３３に記載されるシステム。
（付記３７）前記加入者プロファイルベクトルが、家庭番組関心の蓋然論的な測定値を示す家庭番組嗜好情報を含む、付記３３に記載されるシステム。
（付記３８）前記加入者プロファイルベクトルが、家庭製品関心の蓋然論的な測定値を示す家庭製品嗜好情報を含む、付記３３に記載されるシステム。
（付記３９）ソース関連情報を検索するための前記第２手段が、さらに、前記選択された原資料に関連付けられるテキスト情報のコンテキストマイニングのための手段を備える、付記３３に記載されるシステム。
（付記４０）前記テキスト情報が、前記選択された原資料に関連付けられた字幕データから引き出されるテキストである、付記３９に記載されるシステム。
（付記４１）ソース関連情報を検索するための前記第２手段が、電子番組ガイドから前記選択された原資料に関連付けられた情報を検索するための手段を備える、付記３３に記載されるシステム。
（付記４２）情報を処理するための前記第３手段が、視聴セッションで情報を処理し、前記加入者プロファイルベクトルが、前記視聴セッションに一致する、付記３３に記載されるシステム。
（付記４３）情報を処理するための前記第３手段が、複数の視聴セッションで情報を処理し、前記加入者プロファイルベクトルが、前記複数視聴セッションでの平均値に一致する、付記３３に記載されるシステム。
（付記４４）クライアント−サーバベースのアーキテクチャで加入者プロファイルベクトルを生成するためのデータ処理システムであって、
（ａ）ソース情報を要求し、表示するためのクライアント側の第１コンピュータプロセッサ手段であって、前記第１コンピュータ手段が、原資料に対する要求を送信し、前記原資料を受信し、表示する、第１コンピュータプロセッサ手段と、
（ｂ）データを処理するためのサーバ側の第２コンピュータプロセッサ手段と、
（ｃ）記憶装置媒体にデータを記憶するための第２コンピュータプロセッサ手段に関連付けられる第２記憶装置手段と、
（ｄ）加入者活動を監視するための前記サーバ側第１手段であって、加入者活動を監視するための前記第１手段が、前記原資料に対する加入者要求を受け取るための受け取り手段と、加入者選択データを記憶するための記録手段とを含み、前記加入者選択データが、前記原資料に対する要求の記録に一致する、第１手段と、
（ｅ）ソース関連情報を検索するための前記サーバ側の第２手段であって、前記ソース関連情報が、前記原資料に一致する記述フィールドを含む、第２手段と、
（ｆ）前記ソース関連情報に基づき、番組の特徴ベクトルを生成するための前記サーバ側の第３手段と、
（ｇ）発見的規則の集合を記憶するための前記サーバ側の第４手段と、
（ｈ）情報を処理するための前記サーバ側の第５手段であって、そこでは前記第５手段が、前記加入者プロファイルベクトルを形成するために、前記番組の特徴ベクトルおよび発見的規則の前記集合に関して前記加入者選択データを処理するための手段を含む、第５手段と、
（ｉ）前記加入者プロファイルベクトルを記憶するための前記サーバ側の第６手段と、
を備える、データ処理システム。
（付記４５）加入者活動を監視するための前記第１手段が、さらに、時間期間を監視するための手段を備え、そこでは前記時間期間が、前記選択された原資料の視聴時間に一致する、付記４４に記載されるシステム。
（付記４６）加入者活動を監視するための前記第１手段が、さらに、音量レベルを監視するための手段を備え、前記音量レベルが加入者選択音量レベルに一致する、付記４４に記載されるシステム。
（付記４７）前記加入者プロファイルベクトルが、家庭人口統計の蓋然論的な測定値を示す家庭人口統計データを含む、付記４４に記載されるシステム。
（付記４８）前記加入者プロファイルベクトルが、家庭関心の蓋然論的な測定値を示す家庭セッション関心プロファイルを含む、付記４４に記載されるシステム。
（付記４９）クライアント−サーバベースのアーキテクチャで家庭人口統計特徴ベクトルを生成するためのデータ処理システムであって、
（ａ）ソース情報を要求、表示するためのクライアント側の第１コンピュータプロセッサ手段であって、そこでは前記第１コンピュータ手段が、原資料に対する要求を送信し、前記原資料を受信し、表示する、前記第１コンピュータプロセッサ手段と、
（ｂ）データを処理するためのサーバ側の第２コンピュータプロセッサ手段と、
（ｃ）加入者の活動を監視するための前記サーバ側の第１手段であって、前記第１手段は、加入者選択データを記憶するための記録手段を含み、そこでは前記加入者選択データが、選択された原資料に一致する、第１手段と、
（ｄ）家庭視聴習慣情報を生成するための前記クライアント側の第２手段であって、前記家庭視聴習慣情報が、前記加入者選択データから生成される、第２手段と、
（ｅ）発見的規則の集合を記憶するための前記サーバ側の第３手段と、
（ｆ）情報を処理するための前記サーバ側の第４手段であって、前記第４手段が、家庭人口統計特徴ベクトルを形成するために、発見的規則の前記集合に関して、前記加入者選択データを処理するための手段を含む、第４手段と、
（ｇ）前記家庭人口統計特徴ベクトルを記憶するための前記サーバ側の第５手段と、
を備える、前記データ処理システム。
（付記５０）情報を処理するための前記第４手段が、視聴セッションで情報を処理し、前記家庭人口統計特徴ベクトルが前記視聴セッションに相当する、付記４９に記載されるシステム。
（付記５１）情報を処理するための前記第４手段が、複数の視聴セッションから成る期間で情報を処理し、前記家庭人口統計特徴ベクトルが、前記複数の視聴セッションで平均値に一致する、付記４９に記載されるシステム。

加入者特徴付けシステム用コンテキスト図を示す図。 ビデオ信号を受信するための加入者監視システムの実現のためのブロック図を示す図。 チャンネルプロセッサのブロック図を示す図。 加入者監視システムの実現のためのコンピュータのブロック図を示す図。 二十四（２４）時間期間でのチャンネルシーケンスおよび音量を示す図。 時刻詳細記録を示す図。 家庭視聴習慣統計テーブルを示す図。 番組の特徴ベクトルの生成のためのエンティティ関係性図を示す図。 番組の特徴付けのためのフローチャートを示す図。 決定論的な番組カテゴリベクトルを示す図。 決定論的な番組サブカテゴリベクトルを示す図。 決定論的な番組レーティングベクトルを示す図。 蓋然論的な番組カテゴリベクトルを示す図。 蓋然論的な番組サブカテゴリベクトルを示す図。 蓋然論的な番組コンテンツベクトルを示す図。 論理発見的規則の集合を示す図。 条件蓋然性に関して表される発見的規則の集合を示す図。 番組人口統計ベクトルの生成のためのエンティティ関係性図を示す図。 番組人口統計ベクトルを示す図。 家庭セッション人口時計データおよび家庭セッション関心プロファイルの生成のためのエンティティ関係性図を示す図。 平均的なおよびセッション家庭人口統計特徴の生成のためのエンティティ関係性図を示す図。 平均的なおよびセッション家庭人口統計データを示す図。 家庭関心プロファイルの生成のためのエンティティ関係性図を示す図。 番組および製品プロファイルを含む家庭関心プロファイルを示す図。 本発明を実現するためのクライアントサーバのアーキテクチャを示す図。 広告監視テーブルを示す図。

Claims (90)

1. テレビ番組の加入ユーザの加入者プロファイルを生成する方法であって、
   チャンネル変更信号を含むユーザ視聴活動を監視するステップと、
   所定の時間期間に前記ユーザによって選択されたソースマテリアルに基づき加入者選択データを収集するステップと、
   加入者プロファイルを作成するために前記加入者選択データを処理するステップと
   を含むことを特徴とする方法。
2. 請求項１に記載の方法であって、
   前記ソースマテリアルは、アナログビデオ、エムペグ、デジタルビデオ、ハイパーテキストマークアップ言語資料、および前記テレビ番組のプロバイダによって前記ユーザに供給される他のマルチメディアソースマテリアルを含むことを特徴とする方法。
3. 請求項１に記載の方法であって、
   前記ユーザ視聴活動を監視するステップは、前記ユーザによって開始される音量調節コマンドを監視することを含むことを特徴とする方法。
4. 請求項１に記載の方法であって、
   前記ユーザ視聴アクティビティを監視するステップは、前記テレビ番組のプロバイダからの番組の配信を要求するユーザによって行われるアドレス要求を監視することを含むことを特徴とする方法。
5. 請求項１に記載の方法であって、
   前記ユーザ視聴アクティビティを監視するステップは、前記ユーザによって起動される記録信号を監視することを含むことを特徴とする方法。
6. 請求項１に記載の方法であって、
   前記加入者選択データを収集するステップは、前記ソースマテリアルからソース関連テキストを抽出することを含むことを特徴とする方法。
7. 請求項６に記載の方法であって、
   ソース関連テキストは１以上の記述フィールドを含むことを特徴とする方法。
8. 請求項６に記載の方法であって、
   前記ソースマテリアルは電子番組ガイドであり、ソース関連テキストは前記電子番組ガイドから抽出されることを特徴とする方法。
9. 請求項６に記載の方法であって、
   前記ソースマテリアルは当該ソースマテリアルに関連する少なくとも１つのＨＴＭＬファイルであり、前記ソース関連テキストは前記少なくとも１つのＨＴＭＬファイルから抽出されることを特徴とする方法。
10. 請求項６に記載の方法であって、前記ソースマテリアルは字幕情報を含み、前記ソース関連テキストは前記字幕情報から抽出されることを特徴とする方法。
11. 請求項１に記載の方法であって、前記監視するステップは、時間期間を監視することを含み、前記時間期間は選択されたソースマテリアルの視聴時間に対応することを特徴とする方法。
12. 請求項１に記載の方法であって、 前記加入者選択データを処理するステップは、前記加入者選択データに基づいて、１つ以上の番組特徴ベクトルを生成することを含むことを特徴とする方法。
13. 請求項１２に記載の方法であって、前記番組特徴ベクトルは、前記ソースマテリアルを特徴付ける１つ以上の値を含むことを特徴とする方法。
14. 請求項１に記載の方法であって、前記加入者選択データを処理するステップは加入者プロファイルを作成し、１つ以上の番組特徴ベクトルを含むｎ次元番組特徴行列を生成することを含むことを特徴とする方法。
15. 請求項１に記載の方法であって、前記加入者選択データを処理するステップは、所定の発見的規則の集合に基づいて加入者選択データを処理することを含むことを特徴とする方法。
16. 請求項１に記載の方法であって、前記発見的規則は論理的な形式を含むことを特徴とする方法。
17. 請求項１５に記載の方法であって、前記発見的規則は条件付き確率を含むことを特徴とする方法。
18. 請求項１に記載の方法であって、前記加入者プロファイルは前記ユーザ関心に基づくことを特徴とする方法。
19. 請求項１に記載の方法であって、前記ユーザは家庭に属し、前記加入者プロファイルは前記家庭の関心に基づくことを特徴とする方法。
20. 請求項１に記載の方法であって、前記加入者プロファイルは、前記ユーザのほぼ確実な年齢、収入、性別、および他の人口統計を示す人口統計プロファイルであることを特徴とする方法。
21. 請求項２０に記載の方法であって、加入者選択データを収集するための所定の時間期間を含むことを特徴とする方法。
22. 請求項２０に記載の方法であって、加入者選択データを収集するための前記所定の時間期間は複数の視聴セッションであり、前記人口統計プロファイルは前記ユーザの平均人口統計プロファイルであり、前記平均人口統計プロファイルは前記複数の視聴セッションの平均であることを特徴とする方法。
23. 請求項１に記載の方法であって、テレビ番組の前記加入者プロファイルは前記ユーザにとって関心のある番組の種別を示す番組嗜好プロファイルであることを特徴とする方法。
24. 請求項１に記載の方法であって、前記加入者プロファイルは前記ユーザ向けの製品嗜好プロファイルであることを特徴とする方法。
25. 請求項１に記載の方法であって、前記ユーザは家庭に属し、前記加入者プロファイルは、家庭人口統計の確率的な測定値を含むことを特徴とする方法。
26. 請求項１に記載の方法であって、前記ユーザは家庭に属し、前記加入者プロファイルは、家庭番組関心の確率的な測定値を含むことを特徴とする方法。
27. 請求項１に記載の方法であって、前記ユーザは家庭に属し、前記加入者プロファイルは、家庭製品関心の確率的な測定値を含むことを特徴とする方法。
28. 請求項１に記載の方法であって、前記加入者は家庭に属し、加入者選択データを収集するための前記所定の時間期間は視聴セッションであり、前記加入者プロファイルは前記視聴セッション中の前記家庭の人口統計プロファイルであることを特徴とする方法。
29. 請求項１に記載の方法であって、前記加入者は家庭に属し、加入者選択データを収集するための前記所定の時間期間は複数の視聴セッションであり、前記加入者プロファイルは前記家庭の平均人口統計プロファイルであり、前記平均人口統計プロファイルは複数の視聴セッションの平均であることを特徴とする方法。
30. 請求項１に記載の方法であって、前記加入者プロファイルは前記ユーザによって制御されることを特徴とする方法。
31. 請求項１に記載の方法であって、前記加入者プロファイルは、マーケティングおよび広告の目的のために、サードパーティによって分析されることを特徴とする方法。
32. 請求項１に記載の方法であって、前記加入者プロファイルへのアクセスは、選択された数の他のパーティに限定されることを特徴とする方法。
33. 請求項１に記載の方法であって、さらに、ユーザ視聴特性を推定するために前記加入者プロファイルを分析するステップを含むことを特徴とする方法。
34. テレビ番組の加入ユーザ向けに加入者プロファイルを生成するためのデータ処理システムであって、
    データを処理するための手段と、
    記憶媒体と、
    加入者活動を監視するための手段であって、
    加入者選択データを記憶するための手段であって前記加入者選択データは加入者により選択されたソースマテリアルに対応するものであることを特徴とする手段と、
    前記加入者によって起動される音量制御コマンドを監視するための手段とを含む加入者活動を監視するための手段と、
    前記選択されたソースマテリアルに対応する記述フィールドを含む、ソース関連情報を検索するための手段と、
    前記加入者プロファイルを生成するために、前記記述フィールドに関する前記加入者選択データを処理するための手段と、
    前記加入者プロファイルを記憶するための手段と、
    を備えることを特徴とするデータ処理システム。
35. 請求項３４に記載のシステムであって、前記加入者活動を監視するための手段は、さらに、前記選択されたソースマテリアルの視聴回数を監視するための手段を含むことを特徴とするシステム。
36. 請求項３４に記載のシステムであって、前記ソース関連情報を検索するための手段は、前記選択されたソースマテリアルに関連付けられたテキスト情報をコンテキストマイニングするための手段を含むことを特徴とするシステム。
37. 請求項３６に記載のシステムであって、前記テキスト情報は、クローズドキャプションデータから導き出されるテキストであることを特徴とするシステム。
38. 請求項３４に記載のシステムであって、前記ソース関連情報を検索するための手段は、電子番組ガイドから前記選択されたソースマテリアルに関連付けられた情報を検索するための手段を含むことを特徴とするシステム。
39. 見るためのソースマテリアルを加入者が選択できるようにするための入力装置と、
    前記選択されたソースマテリアルを表示するためのモニタと、
    見られるソースマテリアルに基づいて、前記加入者のプロファイルを生成するためのプロファイル生成器とを備えることを特徴とするインターラクティブテレビシステムであって、前記プロファイル生成器は、
    加入者活動を監視するための手段と、
    前記選択されたソースマテリアルに対応するソース関連情報を検索するための手段と、
    前記ソース関連情報に基づいて、コンテンツ特徴ベクトルを生成するための手段と、
    加入者活動、前記コンテンツ特徴ベクトル、および発見的規則の集合に基づいて、加入者プロファイルを生成するための手段と、
    を含むことを特徴とするインターラクティブテレビシステム。
40. 請求項３９に記載のシステムであって、前記加入者活動から視聴特性プロファイルを生成するための手段を含むことを特徴とするシステム。
41. 視聴するためのソースマテリアルを加入者が選択できるようにするための入力装置と、
    前記選択されたソースマテリアルを表示するためのモニタと、
    広告監視装置と、
    前記加入者が視聴する広告に基づいて加入者関心プロファイルを生成するプロファイル生成器と、
    を備えることを特徴とするインターラクティブテレビシステム。
42. 請求項４１に記載のシステムであって、前記広告監視装置は、
    加入者選択を含む加入者活動を監視するための手段と、
    広告に対応する広告関連情報を検索するための手段と、
    広告が前記加入者によって視聴される程度を決定するための手段と、
    を含むことを特徴とするシステム。
43. 加入者プロファイルを生成する方法であって、
    テレビとの加入者インターラクションを監視するステップと、
    前記加入者に関連付けられた視聴特性を特定する視聴特徴を生成するために前記加入者インターラクションを処理するステップと、
    前記視聴特徴に関連する発見的規則を検索するステップであって、前記発見的規則は前記視聴特徴に関係しない前記加入者についての特性を予測するものであるステップと、
    前記発見的規則を前記視聴特性に適用することにより前記加入者プロファイルを生成するステップと
    を含むことを特徴とする方法。
44. 請求項４３に記載の方法であって、さらに、前記加入者プロファイルを記憶するステップを含むことを特徴とする方法。
45. 請求項４３に記載の方法であって、前記発見的規則は本来的に確率的であることを特徴とする方法。
46. 請求項４３に記載の方法であって、前記加入者プロファイルは本来的に確率的であることを特徴とする方法。
47. 請求項４３に記載の方法であって、前記発見的規則は前記加入者についての人工統計的特性を予測することを特徴とする方法。
48. 請求項４３に記載の方法であって、前記加入者プロファイルは前記加入者の人口統計的特性を特定することを特徴とする方法。
49. 請求項４３に記載の方法であって、前記発見的規則は前記加入者についての製品関心特性を予測することを特徴とする方法。
50. 請求項４３に記載の方法であって、前記加入者プロファイルは前記加入者についての製品関心特性を特定することを特徴とする方法。
51. 請求項４３に記載の方法であって、前記監視するステップは、チャンネル変更、音量変更、記録コマンド、および関連する時刻のサブセットを少なくとも監視することを含むことを特徴とする方法。
52. 請求項４３に記載の方法であって、前記処理するステップは、前記視聴特徴を生成するために前記加入者インターラクションを集計することを含むことを特徴とする方法。
53. 請求項５２に記載の方法であって、前記集計は、単一の視聴セッションについて前記加入者に関連する視聴特性を特定するセッション視聴特徴を生成するために、前記視聴セッションについて前記加入者インターラクションを集計することを含むことを特徴とする方法。
54. 請求項５３に記載の方法であって、
    前記検索するステップは、前記セッション視聴特徴に関連する発見的規則を検索することを含み、
    前記生成するステップは、前記セッション視聴特徴に前記発見的規則を適用することによりセッション加入者プロファイルを生成することを含むことを特徴とする方法。
55. 請求項５２に記載の方法であって、
    前記集計は、複数の視聴セッションについて前記加入者に関連する視聴特性を特定する平均視聴特性を生成するために、前記複数の視聴セッションにわたって前記加入者インターラクションを集計することを含む
    ことを特徴とする方法。
56. 請求項５５に記載の方法であって、
    前記検索するステップは、前記平均視聴特徴に関連する発見的規則を検索することを含み、
    前記生成するステップは、前記セッション視聴特徴に前記発見的規則を適用することにより平均加入者プロファイルを生成することを含む
    ことを特徴とする方法。
57. 請求項４３に記載の方法であって、前記視聴特徴は原加入者インターラクションデータを特定しないことを特徴とする方法。
58. 請求項４３に記載の方法であって、前記視聴特徴は、
    チャンネル、カテゴリ、ネットワークごとの視聴時間、
    時間期間ごとのチャンネル変更、
    時間期間、チャンネル、カテゴリ、ネットワークごとの平均音量、および
    チャンネル、カテゴリ、およびネットワークごとの休止時間
    のサブセットを少なくとも含むことを特徴とする方法。
59. 請求項４３に記載の方法であって、さらに、要求されたソースマテリアルに対応するソース関連情報を検索するステップを含み、
    前記ソース関連情報はタイトル、カテゴリ、サブカテゴリ、デスクリプション、レーティング、およびコンテントのうちサブセットを少なくとも含むことを特徴とする方法。
60. 請求項５９に記載の方法であって、前記処理するステップは、前記ソース関連情報に関する前記加入者インターラクションを処理することを含むことを特徴とする方法。
61. 加入者の加入者プロファイルを生成する方法であって、
    ソースマテリアルの要求を含む加入者視聴活動を監視するステップと、
    要求されたソースマテリアルに対応する、前記要求されたソースマテリアルの少なくとも一態様の記述を含むソース関連情報を検索するステップと、
    前記加入者視聴活動と前記ソース関連情報に基づき前記加入者の第1の表示生成するステップと、
    少なくとも前記加入者視聴活動と前記ソース関連情報に含まれる情報のサブセットに関連する、前記加入者視聴活動の少なくとも一態様またはソース関連情報の少なくとも一態様を、少なくとも一の非視聴パラメータに関係づける一組の規則を検索するステップと、
    少なくとも前記加入者の第2の表示を定義する前記加入者プロファイルを生成するために、前記ソース関連情報と前記一組の規則に関して前記加入者視聴活動を処理するステップと
    を含むことを特徴とする方法。
62. 請求項６１に記載の方法であって、前記一組の規則は前記少なくとも一の非視聴パラメータに関連する確率を定義し、前記加入者プロファイルは本来的に確率的であることを特徴とする方法。
63. 請求項６１に記載の方法であって、前記少なくとも一の非視聴パラメータは人口統計パラメータであり、前記加入者プロファイルは前記加入者の少なくとも人口統計表示を定義することを特徴とする方法。
64. 請求項６１に記載の方法であって、前記少なくとも一の非視聴パラメータは製品関心パラメータであり、前記加入者プロファイルは前記加入者の少なくとも製品関心表示を定義することを特徴とする方法。
65. 加入者の加入者プロファイルを生成する方法であって、
    加入者のテレビ視聴活動を監視するステップと、
    要求されたソースマテリアルに対応する、前記要求されたソースマテリアルの少なくとも一の記述を含むソース関連情報を検索するステップと、
    前記加入者視聴活動と前記ソース関連情報に基づき、前記加入者の第1の表示を定義する視聴特徴を作るステップと、
    前記視聴特徴の少なくともサブセットに関連する、前記視聴特徴で定義されていない前記加入者の少なくとも一態様を定義する一組のルールを検索するステップと、
    前記一組の規則を前記視聴特徴に適用することにより、前記加入者の第2の表示を定義する前記視聴者プロファイルを生成するステップと
    を含むことを特徴とする方法。
66. 加入者プロファイルを生成するシステムであって、
    加入者のテレビとのインターラクションを監視する手段と、
    前記加入者に関連する視聴特性を特定する視聴特徴を生成するために、前記加入者インターラクションを処理する手段と、
    前記視聴特徴に関係しない前記記述について特性を予測する前記視聴特徴に関連した発見的規則を検索する手段と、
    前記視聴特徴に前記発見的規則を適用することにより、前記加入者プロファイルを生成する手段と
    を備えることを特徴とするシステム。
67. 請求項６６に記載のシステムであって、前記処理する手段は、視聴特徴を生成するために前記加入者インターラクションを集計することを特徴とするシステム。
68. 請求項６６に記載のシステムであって、さらに、
    要求されたソースマテリアルに対応する、前記要求されたソースマテリアルの少なくとも一態様の記述を含むソース関連情報を検索する手段を備えることを特徴とするシステム。
69. 請求項６８に記載のシステムであって、前記処理する手段は、前記ソース関連情報に関する前記加入者インターラクションを処理することを特徴とするシステム。
70. 加入者の加入者プロファイルを生成するシステムであって、
    ソースマテリアルの要求を含む加入者視聴活動を監視する手段と、
    要求されたソースマテリアルに対応する、前記要求されたソースマテリアルの少なくとも一態様の記述を含むソース関連情報を検索する手段と、
    前記加入者視聴活動と前記ソース関連情報に基づき前記加入者の第1の表示生成する手段と、
    少なくとも前記加入者視聴活動と前記ソース関連情報に含まれる情報のサブセットに関連する、前記加入者視聴活動の少なくとも一態様またはソース関連情報の少なくとも一態様を、少なくとも一の非視聴パラメータに関係づける一組の規則を検索する手段と、
    少なくとも前記加入者の第２の表示を定義する前記加入者プロファイルを生成するために、前記ソース関連情報と前記一組の規則に関して前記加入者視聴活動を処理する手段と
    を含むことを特徴とする方法。
71. 請求項７０に記載のシステムであって、
    前記一組の規則を検索する手段は、前記加入者の少なくとも一の態様に関連する確率を定義する一組の規則を検索し、
    前記加入者プロファイルを生成する手段は、前記視聴特徴に定義されていない前記加入者の少なくとも一の態様の確率的決定として前記加入者プロファイルを生成することを特徴とするシステム。
72. 請求項７０に記載のシステムであって、
    前記一組の規則を検索する手段は、前記加入者の人口統計パラメータを定義する一組の規則を検索し、
    前記加入者プロファイルを生成する手段は、前期加入者の人口統計表示として前記加入者プロファイルを生成することを特徴とするシステム。
73. 請求項７０に記載のシステムであって、
    前記一組の規則を検索する手段は、前記加入者の製品関心を定義する一組の規則を検索し、
    前記加入者プロファイルを生成する手段は、前記加入者の製品関心を特定する前記加入者プロファイルを生成することを特徴とするシステム。
74. 加入者プロファイルを生成する方法であって、
    テレビとの加入者インターラクションを監視するステップと、
    前記加入者と関連するインターラクション特性を特徴付けるために、前記加入者インターラクションを処理するステップと、
    前記加入者の、子供／大人の区別にだけ限定されない非インターラクション特性を予測する、前記インターラクション特性と関連する発見的規則を検索するステップと、
    前記発見的規則を前記インターラクション特性に適用することにより前記加入者特性を生成するステップと
    を含むことを特徴とする方法。
75. 請求項７４に記載の方法であって、前記加入者プロファイルを生成するステップは、子供／大人の区別に関係しない少なくとも１つの非インターラクション特性を有する前記加入者特性を生成することを含むことを特徴とする方法。
76. 請求項７４に記載の方法であって、前記非インターラクション特性は人口統計特性であることを特徴とする方法。
77. 請求項７４に記載の方法であって、前記発見的規則は、前記インターラクション特性を前記非インターラクション特性に関連付けることを特徴とする方法。
78. 請求項７７に記載の方法であって、インターラクション特性から非インターラクション特性への関連付けは、
    チャンネル変更スピードの性別、収入レベル、またはこれらの組み合わせへの関連付け；
    プログラムの性別、役職、またはこれらの組み合わせへの関連付け；
    プログラムカテゴリ、プログラムサブカテゴリ、プログラムコンテンツ、またはこれらの組み合わせの性別、年齢、収入レベル、家族規模、またはこれらの組み合わせへの関連付け
    の少なくともサブセットを含むことを特徴とする方法。
79. 請求項７４に記載の方法であって、前記発見的規則は、非インターラクション特性を関連付けられた前記加入者に確率を割り当てることを特徴とする方法。
80. 請求項７９に記載の方法であって、確率を割り当てられた前記非インターラクション特性は、年齢、収入、家族規模、および性別の少なくともサブセットを含むことを特徴とする方法。
81. 請求項７９に記載の方法であって、前記非インターラクション特性の各々はカテゴリに分割され、各カテゴリには確率が割り当てられていることを特徴とする方法。
82. 請求項７４に記載の方法であって、前記加入者プロファイルは非インターラクション特性を有する前記加入者に関連した確率を割り当てることを特徴とする方法。
83. 請求項８２に記載の方法であって、前記加入者プロファイルの前記非インターラクション特性の各々はサブカテゴリに分割されており、各カテゴリには確率が割り当てられていることを特徴とする方法。
84. 請求項７４に記載の方法であって、前記非インターラクション特性は製品関心であることを特徴とする方法。
85. 請求項８４に記載の方法であって、前記製品関心は、子供に関連した製品および大人に関連した製品には限定されないことを特徴とする方法。
86. 請求項７４に記載の方法であって、前記加入者プロファイルは単一の加入者または加入者の家庭を表すことを特徴とする方法。
87. 請求項７４に記載の方法であって、前記加入者のアイデンティティは未知であることを特徴とする方法。
88. 加入者プロファイルを生成する方法であって、
    加入者に関連するインターラクション特性を特徴付けるために、テレビとの前記加入者のインターラクションを処理するステップと、
    前記インターラクション特性に関連した、前記加入者についての非インターラクション特性を予測する発見的規則を検索するステップと、
    前記発見的規則を前記インターラクション特性に適用することにより、子供と大人の区別、子供に関連した広告、または大人に関連した広告に限定されない前記加入者プロファイルを生成するステップと
    を含むことを特徴とする方法。
89. 加入者プロファイルを生成する方法であって、
    加入者がテレビとどのようにインターラクトするかを定義するインターラクション特性にアクセスするステップと、
    前記加入者について、性別、収入レベル、家族規模の少なくともサブセットを含む非インターラクション特性を予測する、前記インターラクション特性と関連した発見的規則を検索するステップと、
    前記発見的規則を前記インターラクション特性に適用することにより、前記加入者プロファイルを生成するステップと
    を含むことを特徴とする方法。
90. 加入者プロファイルを生成する方法であって、
    加入者のテレビとのインターラクションをインターラクション特性として特徴付けるステップと、
    前記インターラクション特性を非インターラクション特性に関連づける、前記インターラクション特性と関連する発見的規則を検索するステップであって、前記インターラクション特性の非インターラクション特性への関連付けは、チャンネル変更スピードの性別への関連付け、チャンネル変更スピードの収入レベルへの関連付け、プログラムジャンルの性別への関連付け、プログラムジャンルの収入レベルへの関連付け、およびプログラムジャンルの家族規模への関連付けの少なくともサブセットを含むステップと、
    前記発見的規則を前記インターラクション特性に適用することにより前記加入者プロファイルを生成するステップと
    を含むことを特徴とする方法。

Images