JP2009536412A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2009536412A5 JP2009536412A5 JP2009510062A JP2009510062A JP2009536412A5 JP 2009536412 A5 JP2009536412 A5 JP 2009536412A5 JP 2009510062 A JP2009510062 A JP 2009510062A JP 2009510062 A JP2009510062 A JP 2009510062A JP 2009536412 A5 JP2009536412 A5 JP 2009536412A5
- Authority
- JP
- Japan
- Prior art keywords
- user
- filter
- signal
- user equipment
- input
- 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.)
- Granted
Links
- 239000002245 particle Substances 0.000 claims description 18
- 230000000875 corresponding Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims 3
- 230000004931 aggregating Effects 0.000 claims 1
- 230000001419 dependent Effects 0.000 claims 1
- 230000002123 temporal effect Effects 0.000 claims 1
- 125000004429 atoms Chemical group 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 231100000517 death Toxicity 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Description
DSTBフィルタ202は、その条件付き分布、または条件付き分布から得られた推定値をコマーシャル選択アルゴリズム203に渡し、この後、コマーシャル選択アルゴリズム203はフィルタの出力、ダウンロードされたコマーシャル301、および視聴者推定値が所与の許容されるコマーシャルを規定する何らかのルール302に基づいて現在の視聴者に見せるコマーシャル204を決定する。視聴者に見せられるコマーシャルは記録されて保存される。
DSTBフィルタ202の推定値およびコマーシャル配信統計ならびにその他の情報は、ヘッドエンド100に情報を提供するために、無作為にサンプリングされて303収集される304。この情報はヘッドエンドフィルタ102によって使用され、ヘッドエンドフィルタ102は、集合体能力に関する条件付き分布とこれが関連するDSTBの集合に関する実際の視聴率とを計算する(資源が利用可能であるものとして)。ヘッドエンドフィルタ101は、収集された世帯とDSTBフィードバックモデル101を使ってその推定値を提示する。これらの推定値は、ヘッドエンド100によって制御されるDSTBの集合に渡されるべきコマーシャルを決定するためにヘッドエンドコマーシャル選択システム103によって使用される。また、コマーシャル選択システム103は、現在のコマーシャル契約およびこれらの契約の経済性に関する有効な市場情報105を考慮に入れる。選択の結果として得られるコマーシャル301は後でDSTB100にダウンロードされる。ダウンロードするために選択されるコマーシャルはレベル設定104に影響を与え、レベル設定104はある種の個人に示される一部のコマーシャルに拘束を課する。
ジェネレータLと初期分布νを有するマルコフ信号Xtがあるものと仮定する。正確には、信号は以下の(L,ν)マルチンゲール問題を満たす固有のDE[0,∞)過程であると規定される。
Xtおよび一部の外因的情報Dtに依存する{1,2,...,M}値の離散時間マルコフ連鎖観測に基づくXtの条件付き分布を推定する。分かりやすくするために、
2.5.3 RESTフィルタの進化
図4はRESTフィルタの典型的な進化を描いている。この進化方法は、仮想クロック値を使って隣接するセル間の粒子を移動することによって、ある期間dtにわたってフィルタの条件付き分布を更新する。隣接するセル間の粒子の移動は事象として知られる。(ところで、筆者らは、粒子の移動を頻繁に新たな出生および死亡で置き換えて、より多くの出生率と死亡率の取り消しが行われうるようにしている。)このような事象は、進化の計算オーバヘッドを抑制するためにまとめてシミュレーションされる。シミュレーションする事象の数は、すべてのセルに対する全仮想クロックの合計λtに基づく。図5は、各ネイバーに移動する粒子数の決定方法を示す。事象のシミュレーションが完了すると、粒子数は更新されうるようになり、仮想クロックは封印されてフィルタの状態が変化したことを表す。
図4はRESTフィルタの典型的な進化を描いている。この進化方法は、仮想クロック値を使って隣接するセル間の粒子を移動することによって、ある期間dtにわたってフィルタの条件付き分布を更新する。隣接するセル間の粒子の移動は事象として知られる。(ところで、筆者らは、粒子の移動を頻繁に新たな出生および死亡で置き換えて、より多くの出生率と死亡率の取り消しが行われうるようにしている。)このような事象は、進化の計算オーバヘッドを抑制するためにまとめてシミュレーションされる。シミュレーションする事象の数は、すべてのセルに対する全仮想クロックの合計λtに基づく。図5は、各ネイバーに移動する粒子数の決定方法を示す。事象のシミュレーションが完了すると、粒子数は更新されうるようになり、仮想クロックは封印されてフィルタの状態が変化したことを表す。
RESTフィルタのロバスト性を改善するために、ドリフトバック法が追加されている。この方法では、信号の初期分布νに基づいて変動状態セルにある関数
2.6 ヘッドエンドの推定
複数のサービスオペレータの広告事業の収益を最大にするために、どのコマーシャルを集合体のDSTBに配信すべきかを決定することがきわめて重要である。DSTBベースの漸近的最適非線形フィルタの条件付き分布(または、この分布から導かれる条件付き推定値)に基づいてコマーシャルの実際の視聴率に関するより多くの情報が得られるので、特定コマーシャルスロットの価格設定は動的であるため、総収益が改善される。
複数のサービスオペレータの広告事業の収益を最大にするために、どのコマーシャルを集合体のDSTBに配信すべきかを決定することがきわめて重要である。DSTBベースの漸近的最適非線形フィルタの条件付き分布(または、この分布から導かれる条件付き推定値)に基づいてコマーシャルの実際の視聴率に関するより多くの情報が得られるので、特定コマーシャルスロットの価格設定は動的であるため、総収益が改善される。
本発明の実施形態において、計算要件を最小にするために各カテゴリにおけるDSTBの可能な数の集合を追跡することが可能である。このような場合、総数がやはりDSTBの最大数まで合計することになるようにサイズ0の原子が使用される。たとえば、100万台のDSTBがあるものと仮定する。そのとき、Dにわたって分布する100,000個の原子(各々a=10台のDSTBからなる)を有することになる。M(D)はDに関する計数測度を示し、
Claims (32)
- 通信ネットワークにおいてユーザ機器デバイスのユーザに対する資源の対象設定において使用する方法であって、
プロセッサにより、一つまたは複数のユーザ機器デバイスに関する1ユーザまたは複数ユーザによる第1の入力に基づいて観測モデルを展開するステップと、
前記プロセッサにより、時間に関する第1のユーザ機器デバイスの1ユーザまたは複数ユーザのユーザ構成の、可能性のある状態及びダイナミクスを表す信号モデルを展開するステップであって、前記観測モデルは、第1の入力に関連する測定データを前記可能性のある状態及びダイナミクスに確率的に関連付ける、前記信号モデルを展開するステップと、
前記プロセッサにより、確率フィルタを用いて、前記信号モデル、前記観測モデル、及び1ユーザまたは複数ユーザによる第2の入力を与えられた信号の条件付き分布の近似によって対象時刻における前記ユーザ構成を推定するステップと、
プロセッサにより、前記ユーザ機器デバイスに関して、資源の対象を定める際に、推定されたユーザ構成を使用するステップと
を備える方法。 - 前記入力は時間的なユーザ入力のクリックストリームであって、前記観測モデルは前記クリックストリームをマルコフ連鎖としてモデル化する、請求項1に記載の方法。
- 前記観測モデルは前記入力の少なくとも一部によって示されるネットワークコンテンツのプログラミング関連情報を考慮する、請求項2に記載の方法。
- 前記マルコフ連鎖の観測は、状態の全集合の部分集合だけに遷移することができる数学モデルを使って前記マルコフ連鎖を処理するステップをさらに備え、前記部分集合は前記マルコフ連鎖の現在の状態に依存する、請求項3に記載の方法。
- 前記観測モデルを展開するステップは、前記観測モデルをkステップのマルコフ連鎖でマルコフ連鎖としてモデル化するステップを備える、請求項1に記載の方法。
- 前記マルコフ連鎖の遷移関数は、推定する信号の位置に依存する、請求項5に記載の方法。
- 前記信号は、前記ユーザ構成と前記第2の入力をもたらす別の要因とを表すものとして確定される、請求項1に記載の方法。
- 前記信号のモデルは、複数ユーザを含むものとして前記ユーザ構成を表現することができる、請求項1に記載の方法。
- 前記信号のモデルは、前記ユーザ構成の変化を表現することができる、請求項1に記載の方法。
- 前記変化は、前記ユーザ機器デバイスに関連するユーザの数の変化である、請求項9に記載の方法。
- 前記確率フィルタを用いて、ユーザ構成を推定するステップは、前記観測モデルおよび前記測定データに基づいて前記信号の確率的推定値を得るステップを含む、請求項1に記載の方法。
- 前記確率フィルタを用いて、ユーザ構成を推定するステップは、前記観測モデルに基づいて前記信号の確率的推定値を得るために非線形フィルタを定義するステップを備える、請求項11に記載の方法。
- 前記確率フィルタを用いて、ユーザ構成を推定するステップは、前記非線形フィルタの動作を近似する近似フィルタを構築するステップをさらに備える、請求項12に記載の方法。
- 前記近似フィルタは、粒子フィルタである、請求項13に記載の方法。
- 前記近似フィルタは、離散空間フィルタである、請求項13に記載の方法。
- 前記使用するステップは、資源を前記通信ネットワークのコンテンツストリームに挿入するように機能するネットワークプラットフォームに前記ユーザ構成に基づく情報を提供するステップを備える、請求項1に記載の方法。
- 前記情報は、前記ユーザ機器デバイスの1ユーザまたは複数ユーザの人口統計を特定する、請求項16に記載の方法。
- 複数のユーザ機器デバイスに関連するユーザ構成情報を集約し、前記集約された情報に基づいて挿入する1つまたは複数の資源を選択するステップをさらに備える、請求項17に記載の方法。
- 複数のユーザ機器デバイスからの情報を観測モデルとして処理し、前記対象時刻におけるネットワーク視聴者の複合的な構成を推定するために前記観測モデルに関するフィルタを適用するステップをさらに備える、請求項16に記載の方法。
- 複合的な構成と特定資源の配信価値に影響を与える追加情報とに基づいて挿入する資源を選択するステップをさらに備える、請求項17に記載の方法。
- 前記情報は、前記ユーザ構成に基づいて前記ユーザ機器デバイスに配信する1つまたは複数の適切な資源を特定する、請求項16に記載の方法。
- 前記使用するステップは、前記1ユーザまたは複数ユーザに配信する資源を前記ユーザ機器デバイスにおいて選択するステップを備える、請求項1に記載の方法。
- 前記使用するステップは、前記1ユーザまたは複数ユーザに関する前記ユーザ機器デバイスにおいて配信される資源の適合度を報告するステップを備える、請求項1に記載の方法。
- 通信ネットワークにおけるユーザ機器デバイスのユーザに対する資源の対象設定において使用する装置であって、
ユーザ機器デバイスに関する1ユーザまたは複数ユーザによる第1の入力に関する入力情報を受信するように動作するポートと、
前記第1の入力に基づいて観測モデルを提供し、前記観測モデルを時間に関する前記ユーザ機器デバイスの1ユーザまたは複数ユーザの少なくともユーザ構成を表す信号モデルに依存するものとしてモデル化し、確率フィルタを用いて、前記信号モデル、前記観測モデル、及び1ユーザまたは複数ユーザによる第2の入力を与えられた信号の条件付き分布の近似によって対象時刻におけるユーザ構成を信号の状態として推定し、前記ユーザ機器デバイスに関して、資源の対象を定める際に、推定されたユーザ構成を使用するように動作するプロセッサであって、前記観測モデルは、前記第1の入力に関連する測定データを前記ユーザ構成に確率的に関連付ける、前記プロセッサと、
を備える装置。 - 前記プロセッサは、前記観測モデルおよび前記測定データに基づいて前記信号の推定値を得るために非線形フィルタを定義するように動作する、請求項24に記載の装置。
- 前記プロセッサは、前記非線形フィルタの動作を近似する近似フィルタを構築するように動作する、請求項25に記載の装置。
- 前記非線形フィルタは、粒子フィルタおよび離散空間フィルタの一方である、請求項26に記載の装置。
- 別のネットワークプラットフォームの目標資源に使用する情報を伝送するポートをさらに備え、前記情報は前記決定されたユーザ構成に基づく、請求項24に記載の装置。
- 放送ネットワークにおけるユーザ機器デバイスのユーザに対する資源の対象設定において使用する方法であって、
プロセッサにより、一つまたは複数のユーザ機器デバイスに関する一連の第1のユーザ入力に対応するデータストリームを総合的に解析するステップであって、該ステップは、観測モデルを確立することを含む、前記総合的に解析するステップと、
前記プロセッサにより、一連の第2のユーザ入力に対応するストリームによって記述されるパターンをユーザの視聴者分類に関連する特性に一致させるロジックを適用するステップであって、該ステップは、確率フィルタを用いて、前記観測モデル及び第2の入力を与えられた信号の条件付き分布を近似的に推定し、前記一連の第2のユーザ入力から信号の推定を抽出し、対象時刻における前記視聴者分類を推定することを含む、前記ロジックを適用するステップと、
を備える方法。 - 一連のユーザ入力はマルコフ連鎖としてモデル化される、請求項29に記載の方法。
- 前記ロジックを適用するステップは、非線形フィルタモデルを使うステップを備える、請求項29に記載の方法。
- 前記ロジックを適用するステップは、前記非線形フィルタの動作を近似するために近似フィルタを実行するステップを備える、請求項31に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US74624406P | 2006-05-02 | 2006-05-02 | |
US60/746,244 | 2006-05-02 | ||
PCT/US2007/068075 WO2007131068A2 (en) | 2006-05-02 | 2007-05-02 | Method and apparatus to perform real-time audience estimation and commercial selection suitable for targeted advertising |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2009536412A JP2009536412A (ja) | 2009-10-08 |
JP2009536412A5 true JP2009536412A5 (ja) | 2012-12-27 |
JP5172826B2 JP5172826B2 (ja) | 2013-03-27 |
Family
ID=38668530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009510062A Active JP5172826B2 (ja) | 2006-05-02 | 2007-05-02 | 対象を定めた広告に適したリアルタイム視聴者推定およびコマーシャル選択を実施する方法および装置 |
Country Status (6)
Country | Link |
---|---|
EP (1) | EP2016766A4 (ja) |
JP (1) | JP5172826B2 (ja) |
CN (1) | CN101473647A (ja) |
AU (1) | AU2007247995B2 (ja) |
CA (1) | CA2651165C (ja) |
WO (1) | WO2007131068A2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102541877B (zh) * | 2010-12-07 | 2014-10-22 | 腾讯科技(北京)有限公司 | 一种图文信息投放方法及系统 |
US8761658B2 (en) | 2011-01-31 | 2014-06-24 | FastTrack Technologies Inc. | System and method for a computerized learning system |
US8863166B2 (en) * | 2011-04-06 | 2014-10-14 | Rentrak Corporation | Method and system for detecting non-powered video playback devices |
CN104584001B (zh) * | 2012-08-22 | 2017-10-27 | 兰屈克有限公司 | 用于预测收视数据的系统和方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1223757B1 (en) * | 2001-01-09 | 2006-03-22 | Metabyte Networks, Inc. | System, method, and software application for targeted advertising via behavioral model clustering, and preference programming based on behavioral model clusters |
US7424409B2 (en) * | 2001-02-20 | 2008-09-09 | Context-Based 4 Casting (C-B4) Ltd. | Stochastic modeling of time distributed sequences |
US7818206B2 (en) * | 2001-10-29 | 2010-10-19 | Teradata Us, Inc. | System and method for profiling different users having a common computer identifier |
US20030126601A1 (en) * | 2001-12-31 | 2003-07-03 | Koninklijke Philips Electronics N.V. | Visualization of entertainment content |
US8245251B2 (en) * | 2002-12-06 | 2012-08-14 | General Instrument Corporation | Method and apparatus for predictive tuning in digital content receivers |
US20040172650A1 (en) * | 2003-02-28 | 2004-09-02 | Hawkins William J. | Targeted content delivery system in an interactive television network |
US7188048B2 (en) * | 2003-06-25 | 2007-03-06 | Lockheed Martin Corporation | Refining stochastic grid filter |
-
2007
- 2007-05-02 CN CNA200780023082XA patent/CN101473647A/zh active Pending
- 2007-05-02 JP JP2009510062A patent/JP5172826B2/ja active Active
- 2007-05-02 EP EP07797322A patent/EP2016766A4/en not_active Withdrawn
- 2007-05-02 CA CA2651165A patent/CA2651165C/en active Active
- 2007-05-02 WO PCT/US2007/068075 patent/WO2007131068A2/en active Application Filing
- 2007-05-02 AU AU2007247995A patent/AU2007247995B2/en active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cai et al. | Real-time bidding by reinforcement learning in display advertising | |
CN107657486A (zh) | 一种广告投放方法及装置 | |
CN107423859B (zh) | 一种组合模型建模方法及系统 | |
CN109784959B (zh) | 一种目标用户预测方法、装置、后台服务器及存储介质 | |
CN110009429B (zh) | 一种预测流量数据的方法、装置和计算机设备 | |
CN109711860A (zh) | 用户行为的预测方法及装置、存储介质、计算机设备 | |
CN109118224A (zh) | 区块链网络的工作量证明方法、装置、介质及电子设备 | |
US20200074498A1 (en) | Systems and methods for improving social media advertising efficiency | |
CN109509010A (zh) | 一种多媒体信息处理方法、终端及存储介质 | |
JP2009536412A5 (ja) | ||
US20160189175A1 (en) | System and method of sensitivity-driven pricing service for non-stationary demand management | |
WO2022120065A1 (en) | Systems and methods for predicting television viewership patterns for advanced consumer segments | |
WO2020250723A1 (ja) | 情報処理方法、情報処理装置、及び、プログラム | |
CN111626767B (zh) | 资源数据的发放方法、装置及设备 | |
Baron et al. | Now playing: DVD purchasing for a multilocation rental firm | |
CN114298728A (zh) | 一种数据处理方法及相关装置 | |
JP5172826B2 (ja) | 対象を定めた広告に適したリアルタイム視聴者推定およびコマーシャル選択を実施する方法および装置 | |
CN107423315B (zh) | 一种户外媒体资源数据的挖掘处理方法及系统 | |
Inoue et al. | Estimating customer impatience in a service system with unobserved balking | |
CN110599337A (zh) | 一种基于群智感知技术的联盟链安全激励方法 | |
CN110069708A (zh) | 一种跨媒介推广的推广效果预估方法、装置、介质和设备 | |
Lin et al. | Service expansion for chained business facilities under congestion and market competition | |
CN114282657A (zh) | 一种市场数据长期预测模型训练方法、装置、设备及存储介质 | |
CN115345635A (zh) | 推荐内容的处理方法、装置、计算机设备和存储介质 | |
CN113742600A (zh) | 资源推荐方法、装置、计算机设备及介质 |