JP2012503235A - エンティティとカテゴリの関連付け - Google Patents

Abstract

いくつかの開示された実施形態の中でも、エンティティをカテゴリに関連付けるコンピュータ実行方法は、複数の前記カテゴリのうちの少なくとも一つのサブセットの各々に対して、分類されたエンティティが個々のカテゴリに属する可能性を表わすとともに、前記エンティティに関する情報を用いることで決定される確率値を決定するステップを含む。上記の方法は、確率値と訓練データに基づいた複数のカテゴリのためのルールセットを用いて、エンティティに対して複数のカテゴリから一つを特定するステップを含む。

Description

本願発明は、情報処理に関する。
本願は、米国ＵＳＣ§１１９（ｅ）により２００８年９月１５日に出願された米国仮出願第６１／０９７０２６の優先権を主張し、その全体の内容は、引用によってここに組み込まれる。

広告主は、インターネット、テレビ、ラジオ、広告用掲示板(billboard)を含む多様で種々のいかなるプラットフォームにおいて広告活動を実施することができる。広告活動において用いられる広告は、商品およびサービスの範囲をカバーするとともに、特定の消費者に対して又はより一般的に大人数に対して向けられる。例えば、ウェブサイトを運営しているパブリッシャ(publisher)は、広告主に対して広告を行うためのスペースを提供することができる。ウェブサイト上に公開されている広告は、ウェブサイトのコンテンツに基づいて時々選別される。

本願発明は、カテゴリとエンティティ(entity)を関連付けることに関する。

第一の態様において、カテゴリとエンティティを関連付けるためのコンピュータ実行方法は、複数のカテゴリのうちの少なくとも一つのサブセットの各々に対して、分類されたエンティティが個々のカテゴリに属する可能性を表わすとともに、エンティティに関する情報を用いることで決定される確率値を決定するステップを具備している。上記方法は、エンティティに対し、確率値と複数のカテゴリに対するルールセットとを用いて特定された複数のカテゴリから一つを記録するステップを具備する。

実施態様は、以下の特徴のいずれかまたは全てを具備するか、又はどれも具備しなくてもよい。上記エンティティは、コンテンツプロバイダが少なくとも一つのパブリッシャによって公開されているコンテンツを提供している事業(program)に登録されているものとして特定されたコンテンツプロバイダである。上記確率値は、コンテンツプロバイダに関連付けられた少なくとも一つのキーワードとコンテンツプロバイダに関連付けられた少なくとも一つのファイナンシャル値(financial value)を用いて決定される。上記確率値を決定するステップは、少なくとも一つのキーワードを複数のカテゴリのうちの少なくとも一つのサブセットに対してマッピングするステップと、対応するキーワードに割り当てられている少なくとも一つのファイナンシャル値で少なくとも一つのサブセットに重み付けするステップと、サブセットとして所定の複数のカテゴリを選択するステップとを具備していてもよい。上記ルールセットは、訓練データに基づいていてもよい。上記ルールセットは、決定木に含まれる複数の分岐のうち少なくともいくつかについて処理をすることによって、複数のカテゴリから一つを選択するように構成された決定木を具備していてもよい。上記方法は、エンティティを複数のカテゴリのうち一又は二以上に対してマッピングする訓練データを用いて決定木を生成するステップをさらに具備していてもよい。決定木を生成するステップは、エンティティについてファイナンシャルデータ(financial data)を用いてマッピングを重み付けするステップをさらに具備していてもよい。マッピングを重み付けするステップは、マッピングのうちのサブセットに対応するファイナンシャルデータに基づいてマッピングのうち少なくとも一つのサブセットを多めにサンプリング(oversampling)するステップをさらに具備していてもよい。決定木を生成するステップは、決定木の構造を選択するステップと、複数のカテゴリから一つが選択される以前に作成されるどれくらいの分岐を含むかという決定木の範囲を決定するステップと、複数の分岐において使用される閾値を決定するステップとを具備していてもよい。上記決定木を、イテレーティブに生成してもよい。上記コンテンツプロバイダは、広告に関与していてもよい。複数のカテゴリは、コンテンツプロバイダに適合するバーティカル(vertical)を含んでいてもよい。決定木を生成するステップは、確率値の決定がコンテンツプロバイダに対するバーティカルを不適切に割り当てる傾向を有するバーティカルのうち少なくとも一つを特定するステップと、その傾向を低減できるように閾値のうち少なくとも一つを選択するステップとをさらに具備していてもよい。上記方法は、エンティティを分類するカテゴリに基づいて情報をユーザに提供するステップをさらに具備していてもよい。上記情報は、カテゴリに関連付けられたシーズナリティ(seasonality)を表わしていてもよい。

第二の態様において、コンピュータシステムは、分類されたエンティティが個々のカテゴリに属する可能性を表わすとともに、エンティティに関する情報を用いることで決定される複数のカテゴリのうちの少なくとも一つのサブセットの各カテゴリに対する確率値を決定する第１分類部を具備する。上記システムは、確率値と複数のカテゴリに対するルールセットとを用いてエンティティに対して複数のカテゴリから一つを特定する第２分類部を具備する。

実施態様は、以下の特徴のいずれかまたは全てを具備するか、又はどれも具備しなくてもよい。上記ルールセットは、訓練データに基づいていてもよい。上記第一分類部は、確率値を決定する際にエンティティに関してファイナンシャル値を考慮してもよい。上記ルールセットは、決定木に含まれる複数の分岐のうち少なくともいくつかについて処理をすることによって、ルールセットが複数のカテゴリから一つを選択するように構成された決定木を具備していてもよい。上記コンピュータシステムは、エンティティを複数のカテゴリのうち一又は二以上に対してマッピングする訓練データを用いて決定木を生成するルール部をさらに具備していてもよい。上記ルール部は、マッピングのうちのサブセットに対応するファイナンシャルデータに基づいて、マッピングのうち少なくとも一つのサブセットを多めにサンプリングすることを具備するマッピングを、エンティティについてファイナンシャルデータを用いて重み付けしてもよい。上記システムは、エンティティに対して特定されたカテゴリを有する第２分類部に基づいた情報をユーザに提供するフロンドエンド部をさらに具備していてもよい。

第三の態様において、コンテンツプロバイダとカテゴリを関連付けるコンピュータ実行方法は、コンテンツプロバイダが少なくとも一つのパブリッシャによって公開されているコンテンツを提供している事業(program)に登録されているものとしてコンテンツプロバイダを特定するステップを具備する。上記方法は、コンテンツプロバイダについて少なくとも一つのキーワードと、キーワードについて少なくとも一つのファイナンシャル値とを受け取るステップをさらに具備する。上記方法は、コンテンツプロバイダがカテゴリのうち少なくとも一つに関連付けられる複数のカテゴリを受け取るステップをさらに具備する。上記方法は、カテゴリの名称に基づいてカテゴリのうちのサブセットに対して少なくとも一つのキーワードをマッピングするステップをさらに具備する。上記方法は、カテゴリのうち少なくとも一つのサブセットの各々を、ファイナンシャル値を用いて重み付けをされ、コンテンツプロバイダがそれぞれのカテゴリに関連付けられるべき可能性を表わした確率値と関連付けるステップをさらに具備する。上記方法は、カテゴリから一つを特定する際に使用するために設定され、複数のカテゴリに関して生成されたルールセットを入手するステップをさらに具備する。上記方法は、コンテンツプロバイダに関して、ルールセットを用いて、(i)カテゴリのうち少なくとも一つのサブセットの各々に対する確率値、(ii)コンテンツプロバイダについてのファイナンシャルデータ、(iii)コンテンツプロバイダが関連している地理的領域、のうち少なくとも一つを具備するデータを処理するステップをさらに具備する。上記方法は、データの処理に基づいてコンテンツプロバイダに対する複数のカテゴリから一つを選択するステップをさらに具備する。上記方法は、コンテンツプロバイダと選択されたカテゴリとを関連付けるステップをさらに具備する。

実施態様は、以下の特徴のいずれかまたは全てを具備するか、又はどれも具備しなくてもよい。カテゴリに対する改善された分類方法は、次のように規定してもよい。確率ベースの分類は、収益基準加重(revenue-weighted)をしてもよい。訓練データを用いて以前に訓練したルールベースの分類によってさらに限定するようにしてもよい。分類方法における柔軟性を増加することができる。

一又は二以上の実施形態の詳細は、添付図面と以下に記載されている。他の特徴と利点は、以下の記載と図面及び特許請求の範囲から明らかとなる。

エンティティに対するカテゴリを特定することができるシステム例を示す図である。 エンティティに対するカテゴリを特定することができるさらに別のシステム例を示す図である。 エンティティに対して特定されたカテゴリに基づいた情報を表示するユーザインターフェース例を示す図である。 エンティティに対するカテゴリを特定するために実行される方法例を示す図である。 本願発明にて記載されているコンピュータ実行方法に関連して用いることができるコンピュータシステムのブロック図である。

図中において類似した符号は、類似した要素を示している。

図１は、エンティティに対するカテゴリを特定することができるシステム１００の例を示す図である。多数のエンティティは、システム１００において運用できる。例えば、エンティティは、広告主のようなコンテンツプロバイダとして、および、ウェブページおよび他のコンテンツの所有者のようなコンテンツパブリッシャとして表わされる。ある実施形態において、コンテンツプロバイダは、一又は二以上のコンテンツプロバイダシステム１０２を運用し、かつコンテンツパブリッシャは、一又は二以上のコンテンツパブリッシャシステム１０４を運用する。コンピュータデバイス、電子装置、又はシステムのうち如何なるものも、システム１０２とシステム１０４に具備されている。例えば、サーバコンピュータ又はパーソナルコンピュータである。システム１００のシステム構成要素は、如何なる形式のネットワーク１０６を用いて互いに情報のやり取りを行うことが可能である。例えば、ローカルコンピュータネットワークおよびインターネットである。

ある実施形態において、上記システム１００における一又は二以上のエンティティは、コンテンツプロバイダが少なくとも一つのパブリッシャによって公開されているコンテンツを提供している商取引に関与することができる。例えば、広告のようなコンテンツは、一又は二以上のコンテンツプロバイダパブリッシャシステム１０４の代わりに、公開するためにネットワーク１０６上でコンテンツプロバイダシステム１０２から配信される。ある実施形態において、コンテンツは、コンテンツディストリビュータシステム１０８（例えば、広告サーバ）のようなサードパーティの配下に一時的又は永続的に所属してもよく、かつ公開のためにシステム１０８から配信してもよい。例えば、ユーザシステム１１０が、パブリッシャシステム１０４からメディアコンテンツ（例えば、ウェブページ）を要求すると、コンテンツディストリビュータシステム１０８は、要求コンテンツに関連した提案として関連コンテンツ（例えば、広告）をユーザシステム１１０に対して提供することができる。システム１００におけるコンテンツプロバイダ及び／又はコンテンツパブリッシャなどの一又は二以上のエンティティがカテゴリのカタログを用いて分類することができる例を、以下に示す。上記の分類は、分類されたエンティティに関与する如何なる者にとっても有益なものとなる。例えば、エンティティ間でコンテンツの配信を運営する者である。

上記システム１００は、一又は二以上の分類部を具備してもよい。ある実施形態において、システム１００は、確率分類部１１２とルールベース分類部１１４とを具備する。上記の構成要素および他のシステム構成要素の名称は、ここでは厳密というより大まかな表現をしている。例えば、確率分類部１１２はその運用において一又は二以上のルールを使用できるし、ルールベース分類部１１４はその分類プロセスにおいて一又は二以上の確率を決定したり使用したりすることができる。分類部１１２・１１４は、ソフトウェア、ハードウェア、ファームウェア又はそれらの組み合わせを用いるなど、あらゆる形式で実装することができる。

ある実施形態において、上記分類部１１２・１１４は、システム１０２を運用するコンテンツプロバイダなどの選択されたエンティティをバーティカルカタログ１１６にあるバーティカルなど一又は二以上のカテゴリと適合させることを目的として使用することができる。バーティカルは、共通の分野（例として、家庭用家電製品バーティカル、又は化粧品バーティカル）において商売を行っている企業および消費者を表わすために市場分析において時々用いられるカテゴリ化項目などの一又は二以上のビジネス分類を表わしている。他の分類を使用することもできる。

上記確率分類部１１２は、コンテンツプロバイダなどのエンティティに対して、カタログ１１６におけるバーティカルのうち少なく一つに対する確率値を決定することができる。上記確率は、コンテンツプロバイダがそれに対応するバーティカルに属する可能性を表わすことができる。例えば、確率分類部は、“Example Company, Inc.”というエンティティが“住宅ローン”というバーティカルに属するものとして分類される確率を決定することができる。上記確率は、エンティティに関する情報を用いて決定されうる。ある実施形態において、確率分類部１１２は、カタログ１１６中のバーティカルのうち少なくとも一つのサブセットの各々に対応する値などの多数の確率値を決定することができる。

上記ルールベース分類部１１４は、エンティティに対するカテゴリを特定することができる。例えば、カタログ１１６中のバーティカルのうちの一つである。ある実施形態において、ルールベース分類部１１４は、確率分類部１１２によって決定された一又は二以上の確率および決定木１１８のようなルールセットを用いてもよい。例えば、決定木１１８は、複数の分岐を含み、分岐のうち少なくともいくつかを処理することによってカタログ１１６中の複数のバーティカルから一つを選択するように構成してもよい。ある実施形態において、システム１００は、決定木１１８を生成するルール部１２０又は訓練データ１２２に基づく別のルールを具備してもよい。ある実施形態において、訓練データ１２２は、カタログ１１６におけるバーティカルなどのカテゴリのうちのそれぞれに対するエンティティのマッピングを具備してもよい。

上記決定木１１８などのルールセットは、あらゆる多様な方法にて生成してもよい。ある実施形態において、木のモデルは定義してよいし、その木は訓練データ１２２に基づいて生成してもよい。例えば、木の構造は、木が二者択一の分岐を複数段階含むように定義する方法などの選択をしてもよい。別の例としては、複数のカテゴリから一つが選択される以前に作成されるどれくらいの分岐を含むかという決定木の範囲は定義してもよい（例えば、決定木が終了する時）。ある実施形態において、木１１８における一又は二以上の分岐は、閾値を使用してもよい。例えば、確率（例えば、確率分類部１１２よって決定されもの）は、閾値と比較してもよい。決定木１１８の一又は二以上の態様は、あらゆる形式のイテレーティブプロセスを用いて生成してもよい。例えば、木１１８の構造は、初期イテレーションにて選択してもよいし、訓練データ１２２などの代表的なデータに対してテストを行ってもよい。そのテストの結果は、別のイテレーションにて別の木１１８の構造を生成するために用いられてもよい。別の例としては、最初の閾値セットは、初期イテレーションにて決定してもよい。その値のうち少なくとも一つは、一回以上の追加イテレーションにてフィードバックプロセスを通して改善してもよい。

上記ルールベース分類部１１４は、システム１００において一又は二以上の目的を担っている。ある実施形態において、確率分類部１１２は、一又は二以上の事項においてエンティティを誤分類する傾向を有することがある。例えば、分類部１１４は、エンターテイメント産業に実際は関与していない又はわずかながら関与しているエンティティに対して、“エンターテイメント”バーティカルを高い頻度で選択する恐れがある。確率的決定における上記の特性は、どのように確率分類部１１２が設定されているか、どのように数々の要因に依存しているか、という副作用によるものである。そのことを解決するのは困難かつ非現実的である。ある実施形態において、ルールベース分類部１１４は、確率分類部１１２と組み合わせて使用してもよい。例えば、ルールベース分類部１１４にて使用されるルールセット（例えば、決定木１１８）の閾値のうち少なくとも一つは、未決定のカテゴリに関する上記傾向を減少又は除去するために選択される。

少なくとも一つのカテゴリ（例えば、カタログ１１６中のバーティカルのうちの一つ）は、システム１０２を運用するコンテンツプロバイダなどの既知のエンティティに対して選択される。上記の選択は、ユーザに対して関連情報を出力するためなどの一又は二以上の目的に対して用いられる。ある実施形態において、システム１００は、一又は二以上のカテゴリ抽出に用いることができるフロントエンド部１２４を具備してもよい。例えば、フロントエンド部１２４は、エンティティを特徴付ける一手段として選択されたカテゴリまたは選択された複数のカテゴリに関連する情報を表示できる。

図２は、エンティティに対するカテゴリを特定することができる別のシステム２００の例を示す図である。システム２００において、コンテンツプロバイダに関連するキーワード２０２などの一又は二以上のエンティティに関する情報部分を特定することができる。ある実施形態において、コンテンツプロバイダは、コンテンツ配信事業に関与している一環として、キーワードを自己識別してもよい。例えば、広告主は、広告主の広告がキーワードに関連する状況で公開されるべく考慮されるように、コンテンツディストリビュータシステム１０８が有する一又は二以上のキーワードの入札に登録してもよい。上記エンティティに関するファイナンシャル情報２０４を特定することができる。例えば、前述のことは、どれくらい広告主が特定のキーワードに費やしているかに関する情報などの収益データを含んでもよい。

上記システム２００は、基本分類部２０６を具備してもよい。ある実施形態において、基本分類部は、バーティカルカタログ１１６（図１）のようなカテゴリセットを用いて、コンテンツプロバイダ又はコンテンツ配信促進などのエンティティを分類するように設定してもよい。ある実施形態において、基本分類部２０６は、いくつか又は全てのバーティカルに対してキーワード２０２をマッピングしてもよいし、所定の複数のバーティカルを選択してもよい。例えば、大きな重み付けをされているバーティカルを選択することなどにより、バーティカルのうち３つが、エンティティの最も代表的なものとして選択されうる。

上記基本分類部２０６は、個々のバーティカルに対して特定のエンティティのための多数のキーワードをマッピングしてもよい。キーワードとして選択された個々のバーティカルは、エンティティに対して単一のカテゴリを形成するように併合（例えば、個々の確率は平均化される）してもよい。ある実施形態において、エンティティに対して選択されたバーティカルは、個々のキーワードに費やされた総額を基にするなどのファイナンシャルデータ２０４に基づいて重み付けをしてもよい。例えば、コンテンツプロバイダ又は配信促進の支出が比較的大きな割合を占めるキーワードに対するバーティカルは、コンピュータ処理で分類する際に比較的大きな重み付けを付与してもよい。ある実施形態において、基本分類部２０６は、確率分類部１１２（図１）を具備してもよい。ある実施形態において、基本分類部２０６の出力は、一又は二以上の加重バーティカル２０８を含んでもよい。例えば、重み（例えば、０から１までの数字）に関連付けられた少なくとも一つの分類項目（例えば、バーティカル名称）。

上記システム２００は、支出基準加重（spend-weighted）ルール部２１０を具備してもよい。ある実施形態において、ルール部２１０は、いくつかのカテゴリのうちから、例えば収益基準加重（revenue weighted）された３つバーティカルのうちからなど、主要な一つを定義するためのポリシーを提供してもよい。例えば、ルール部２１０は、システム２００中の他のシステム構成要素に関して、Mathworks社によって開発されたMATLAB環境上のプログラム形式などのオフラインプログラムで実行してもよい。

上記支出基準加重ルール部２１０は、多次元特徴空間上のマルチクラス分類として構成してもよい。ある実施形態において、n次元の特徴を、あらゆるm次元へマッピングするために用いてもよい。例えば、バーティカルカタログ１１６は、３０個のバーティカルを含んでもよい。別の例としては、追加の特徴は、限定されるものではないが、エンティティの四半期支出と、エンティティの総支出と、エンティティ対するキーワード数と、エンティティの請求書発行国とを含むものとして特定してもよい。つまり、３４次元特徴空間（すなわち、n=34）は、あらゆる３０次元（すなわち、n=30）への分類のために使用される。ある実施形態において、エンティティの国などの一又は二以上の特徴次元で分類することができる。例えば、所定の上位国数（例えば、９カ国）はあるクラスの各々に割り当てられ、残りの国は共通クラスにグループ化してもよい。ある実施形態において、一又は二以上の特徴次元は、離散値又は連続値となりうる。例えば、キーワード数は離散値となり、及び／又は、総支出は連続値となりうる。

ある実施形態において、上記支出基準加重ルール部２１０は、ルールベース分類部（図１）を具備していてもよい。例えば、ルール部２１０は、適切なポリシーを規定するために、訓練データ１２２のいくつか又は全てを使用してもよい。ある実施形態において、支出基準加重ルール部２１０は、新規又は修正された訓練データセットが利用可能となる時に動作しうる。例えば、人間分類部（human classifier）がバーティカルカタログ１１６に対して一又は二以上のエンティティをマッピングした時などである。

上記支出基準加重ルール部２１０は、エンティティ対するカテゴリを選択する際に用いることができるルールセット２１２を出力してもよい。ある実施形態において、ルールセットは、決定木を具備してもよい。例えば、ルール部２１０は、既知のエンティティが特定カテゴリのメンバであるという決定した確率を最適化するために、決定木を分割したり増大させることができる。別の例としては、訓練データ１２２（図１）は、過剰調整を避けるためなどの決定木の不要部分の削除をするために使用してもよい。

ある実施形態において、“分類および回帰木”（CART）などの機構(feature)を使用してもよい。上記の実施形態において、支出基準加重ルール部２１０は、CART分類を具備するか、CART分類に基づいたものであってもよい。例えば、CARTモデルは、カスタマイズされた不要部分削除処理（例えば、停止規則）を有するように構築してもよい。別の例としては、CARTモデルのエラー評価は、１０重クロス確認を使用して算出してもよい。

ある実施形態において、ルールセット２１２は、あるエンティティのためのバーティカルに対して収益基準加重をされた（例えば、３つの）バーティカルのセットをマッピングするため一次元ルールの分類決定木を具備する。例えば、前述のことは、“不適なバーティカル”及び／又は別のシステムエラーを基本分類部２０６から削除することを許可するなどのより高い汎化能力といった利便性をシステム２００において提供することができる。

上記ルールセット２１２を生成する際に、ファイナンシャルデータを考慮してもよい。ある実施形態において、データは、支出額と複製量をつりあわせるなどのために、CARTモデルが構築された時に複製してもよい。例えば、比較的高い総支出レベル及び／又は四半期支出レベルに相当するデータは、多めにサンプリング（oversample）してもよい。別の例として、比較的低い総支出レベル及び／又は四半期支出レベルに相当するデータは、少なめにサンプリング（undersample）してもよい。ある実施形態において、収益に基づいた追加の訓練データポイントは、高支出エンティティ（例えば、コンテンツプロバイダ）に対する最終出力（例えば、一又は二以上のカテゴリの選択）にバイアスをかける傾向があり、前述のエンティティに関する精度を改善することができる。

上記ルールセット２１２の例（ここでは決定木）を、以下の表１にて示す。

システム１００は、主バーティカル分類部２１４を具備してもよい。ある実施形態において、分類部は、収益基準加重（revenue-weighted）されたカテゴリ（例えば、加重バーティカル２０８）のセットをエンティティ対する単一の主バーティカルへと静的にマッピングしてもよい。例えば、分類部２１４は、基本分類部２０６より加重カテゴリから一つを選択するためにルールセット２１２（例えば、ルール部２１０によって生成されたCART分類木を取り込むことなどにより）を使用してもよい。

図３は、エンティティに対して特定されたカテゴリに基づいた情報を表示するユーザインターフェース３００の例を示す図である。ある実施形態において、フロントエンド部１２４（図１）は、システム１００の関係者などに対して、ユーザインターフェース３００を生成してもよい。ある実施形態において、ユーザインターフェース３００を、コンテンツ配信事業の参加者の監視及び／又は追跡するなどのため、顧客関係の管理に使用してもよい。ユーザインターフェース３００は、広告主及び／又は別のコンテンツプロバイダの名称など、一又は二以上のエンティティ用識別子を表示することができる“名称”エリア３０２を具備していてもよい。ユーザインターフェース３００は、カタログ１１６にあるバーティカルなど、エンティティを分類するカテゴリを表示することができる“バーティカル”エリア３０４を具備していてもよい。ユーザインターフェース３００は、“シーズナリティ”エリア３０６など、エンティティに割り当てられているカテゴリに関する情報を表示する一又は二以上のエリアを具備していてもよい。例えば、特定バーティカルに属する企業（例えば、税金の確定申告書類作成コンサルタント又は花屋）は、彼らのビジネス及び／又は他の活動において季節的に発生する揺らぎを有しうる。ある実施形態において、その様なシーズナリティ（例えば、“このエンティティのビジネスはバレンタインデー付近がピークとなると予測される”という情報）は、ユーザに出力してもよい。ある実施形態において、関連情報（例えば、シーズナリティエリア３０６）を、選択されたバーティカルを明確に提示することなく出力してもよい。ユーザインターフェース３００は、ユーザが一又は二以上の基準を用いてエンティティを検索できるように“検索”コントロール３０８を具備していてもよい。その検索結果は、エリア３０２乃至エリア３０６のうち一又は二以上に情報が渡されることによって表示してもよい。ユーザインターフェース３００は、ユーザが一又は二以上のエンティティとの接触を取ることができる電子メール又は電話などの“コンタクト”コントロール３１０を具備していてもよい。例えば、シーズナリティエリア３０６の情報を見ている際に、販売代理店などのユーザは、繁忙期に関してユーザの要望を満たせるか確認をするためエンティティと接触を図ろうとする可能性がある。

図４は、エンティティに対するカテゴリを特定するために実行される方法４００の例を示す図である。方法４００は、例えばシステム１００及び／又は２００などにおいて、コンピュータ読み取り可能なメディア上に格納された命令を実行するプロセッサによって行われてもよい。ある実施形態において、一又は二以上のステップは、異なる順番で実行してもよい。異なる実行例であれば、実行されるステップが多かったり少なかったりする場合がある。

ステップ４１０は、複数のカテゴリのうちの少なくとも一つのサブセットの各々に対する確率値を決定するステップを具備する。上記確率値は、分類されたエンティティが個々のカテゴリに属する可能性を表わしてもよいし、エンティティに関する情報を用いることで決定してもよい。例えば、確率分類部１１２及び／又は基本分類部は、コンテンツプロバイダまたはコンテンツパブリッシャなどの特定エンティティに対する加重バーティカル２０８を生成してもよい。上記サブセットは、一又は二以上のカテゴリを具備していてもよい。

ステップ４２０は、エンティティに対し、確率値と複数のカテゴリに対するルールセットとを用いて特定された、例えば訓練データに基づく、複数のカテゴリから一つを記録するステップを具備する。例えば、ルールベース分類部１１４及び／又は主バーティカル分類部２１４は、特定エンティティに関連付けられているカタログ１１６から一つのバーティカルを選択してもよい。

ステップ４３０は、エンティティに対するカテゴリの特定に基づいた情報の表示するステップを具備する。例えば、フロントエンド部１２４は、シーズナリティエリア３０６を表示することができるユーザインターフェース３００を生成してもよい。

図５は、一般的なコンピュータシステム５００の概略図である。システム５００は、実施例として、上記の如何なるコンピュータ実行方法に関連して記載された運用に用いられてもよい。システム５００は、プロセッサ５１０と、メモリ５２０と、ストレージデバイス５３０と入出力装置５４０とを具備する。各部５１０・５２０・５３０・５４０は、システムバス５５０を用いて相互に接続されている。プロセッサ５１０は、システム５００内の実行用命令を処理することができる。一実施形態において、プロセッサ５１０は、シングルスレッドプロセッサとなる。別の実施形態において、プロセッサ５１０は、マルチスレッドプロセッサとなる。プロセッサ５１０は、入出力装置５４０上のユーザインターフェースに図形情報を表示するため、メモリ５２０上またはストレージデバイス５３０に格納された命令を処理することができる。

上記メモリ５２０は、システム５００内の情報を格納する。一実施形態において、メモリ５２０は、コンピュータ読み取り可能なメディアとなる。一実施形態において、メモリ５２０は、揮発性記憶素子となる。別の実施形態において、メモリ５２０は、不揮発性記憶素子となる。

上記ストレージデバイス５３０は、システム５００にマスストレージを提供することができる。一実施形態において、ストレージデバイス５３０は、コンピュータ読み取り可能なメディアとなる。多種多様な実施形態において、ストレージデバイス５３０は、フロッピー（登録商標）ディスクデバイス、ハードディスクデバイス、光学ディスクデバイス、又はテープデバイスであってもよい。

上記入出力装置５４０は、システム５００に対して入出力動作を行う。一実施形態において、入出力装置５４０は、キーボード及び／又はポインティングデバイスを具備する。別の実施形態において、入出力装置５４０は、グラフィカルユーザインターフェースを表示するための表示ユニットを具備する。

前述の機構は、デジタル電子回路またはコンピュータハードウェアや、ファームウェアやソフトウェアや、それらの組み合わせとして実装してもよい。上記装置は、プログラム制御可能なプロセッサによる実行のために情報媒体（例えば機械読み取り可能なストレージデバイスまたは伝播された信号）にて明白に具現されるコンピュータプログラム製品として実装してもよい。方法の手続は、入力データに基づいて動作することによって記載された実装の機能を実行するために命令のプログラムを実行し出力を生成するプログラム実行可能なプロセッサによって実行してもよい。前述された機構は、データストレージシステム、少なくとも一つの入力装置、少なくとも一つの出力装置からデータと命令を受信するように接続するとともに、データストレージシステム、少なくとも一つの入力装置、少なくとも一つの出力装置へデータと命令を送信するように接続されたプログラム制御可能なプロセッサを少なくとも一つを具備するプログラム制御可能なシステム上で実行される一又は二以上のコンピュータプログラムとして有利に実装してもよい。コンピュータプログラムは、何らかのアクティビティを実行し、又は何らかの結果をもたらすためにコンピュータ上で、直接的または非直接的に用いられる命令のセットである。コンピュータプログラムを、コンパイラ言語またはインタープリタ言語を含む、如何なるプログラム言語の形式でも記述してもよい。スタンドアローンプログラム又はモジュール、コンポーネント、サブルーチン、またはコンピュータ環境上の使用に適した他のユニットのような如何なる形式でも記述してもよい。

命令プログラムの実行に適したプロセッサは、一例として、一般プロセッサ用途と特定用途マイクロプロセッサの双方、そして如何なる種類のコンピュータの単一プロセッサまたはマルチプロセッサの一種である。一般的に、プロセッサは、ROM（read-only memory）またはRAM（random access memory）またはその双方から命令およびデータを受け取る。命令を実行するプロセッサおよび命令とデータを格納する一又は二以上のメモリは、コンピュータに不可欠な要素である。一般的に、コンピュータは、一又は二以上のストレージデータファイル用ストレージデバイスを同様に具備、または通信を行うため運用上接続されている。その様な装置は、内蔵型ハードディスク、リムーバルディスク、光磁気ディスク、および光学ディスクなどの磁気ディスクである。コンピュータプログラムの命令とデータを明白に具現することに適しているストレージデバイスは、不揮発性メモリの全形態を含む。一例として、EPROM、EEPROM、およびフラッシュメモリ装置などの半導体メモリ装置、内蔵型ハードディスクおよびリムーバルディスクなどの磁気ディスク、光磁気ディスク、およびCD-ROMとDVD-ROMである。プロセッサとメモリは、ASIC(application-specific integrated circuits)で補完してもよいし、またはASICに組み込んでもよい。

ユーザとの相互作用を提供することを目的として、上記機構は、ユーザに対し情報を表示するCRTまたはLCDモニタなどのディスプレイ装置、キーボード、およびコンピュータにユーザが入力できるようにするマウスやトラックボールなどのポインティングデバイスを有するコンピュータ上に実装してもよい。

上記機構は、データサーバなどのバックエンドコンポーネント、アプリケーションサーバまたはインターネットサーバなどのミドルウェアコンポーネント、またはGUI、インターネットブラウザ、又はそれらの如何なる組み合わせを有するクライアントコンピュータなどのフロントエンドコンポーネントを具備するコンピュータシステムに実装してもよい。システムの構成要素は、通信ネットワークなどのデジタルデータ通信のあらゆる形態または媒体で接続してもよい。通信ネットワークの例として、例えば、LAN、WAN、およびインターネットを形作るコンピュータやネットワークである。

コンピュータシステムは、クライアントとサーバを具備していてもよい。クライアントとサーバは、一般的に互いに離れており、前述したようなネットワークを通して通常は互いに作用しあう。上記クライアントとサーバの関係は、個々のコンピュータ上で実行され、互いにクライアント／サーバ関係を有するコンピュータプログラムによって生じる。

多くの実施形態を、ここまで記載してきた。それでもなお、本発明の本質および範囲から逸脱せずに成される様々な変形例があることが理解される。したがって、別の実施形態が、特許請求の範囲内に存在している。

１００ システム
１０２ コンテンツプロバイダ
１０４ コンテンツパブリッシャ
１０６ ネットワーク
１０８ コンテンツディストリビュータ
１１０ ユーザ
１１２ 確率分類部
１１４ ルールベース分類部
１１６ バーティカルカタログ
１１８ 決定木
１２０ ルール部
１２２ 訓練データ
１２４ フロントエンド部

Claims (20)

1. エンティティをカテゴリに関連付けるためのコンピュータ実行方法であって、
   複数の前記カテゴリのうちの少なくとも一つのサブセットの各々に対して確率値を決定するステップと、
   前記エンティティに対して複数の前記カテゴリから一つを記録するステップとを具備し、
   前記確率値は分類されたエンティティが個々の前記カテゴリに属する可能性を表わすとともに前記エンティティに関する情報を用いることで決定され、
   前記カテゴリは前記確率値と複数の前記カテゴリに対するルールセットとを用いて特定されることを特徴とする方法。
2. 前記エンティティは、コンテンツプロバイダが少なくとも一つのパブリッシャによって公開されているコンテンツを提供している事業に登録されているものとして特定された前記コンテンツプロバイダであり、前記確率値は、前記コンテンツプロバイダに関連付けられた少なくとも一つのキーワードと前記コンテンツプロバイダに関連付けられた少なくとも一つのファイナンシャル値を用いて決定されることを特徴とする請求項１に記載のコンピュータ実行方法。
3. 前記確率値の決定ステップは、
   少なくとも一つの前記キーワードを複数の前記カテゴリのうちの少なくとも一つの前記サブセットに対してマッピングするステップと、
   対応する前記キーワードに割り当てられている少なくとも一つの前記ファイナンシャル値で少なくとも一つの前記サブセットに重み付けするステップと、
   前記サブセットとして所定の複数の前記カテゴリを選択するステップと、
   を具備することを特徴とする請求項２に記載のコンピュータ実行方法。
4. 前記ルールセットは訓練データに基づいていることを特徴とする請求項１に記載のコンピュータ実行方法。
5. 前記ルールセットは、決定木に含まれる複数の分岐のうち少なくともいくつかについて処理をすることによって、複数の前記カテゴリから一つを選択するように構成された前記決定木を具備することを特徴とする請求項４に記載のコンピュータ実行方法。
6. 前記訓練データを用いて前記決定木を生成するステップをさらに具備し、
   前記訓練データはエンティティを複数の前記カテゴリのうち一又は二以上に対してマッピングすることを特徴とする請求項５に記載のコンピュータ実行方法。
7. 前記決定木の生成ステップは、前記エンティティについてファイナンシャルデータを用いて前記マッピングを重み付けするステップをさらに具備することを特徴とする請求項６に記載のコンピュータ実行方法。
8. 前記マッピングの重み付けにおいて、前記マッピングのうちのサブセットに対応する前記ファイナンシャルデータに基づいて前記マッピングのうち少なくとも一つの前記サブセットを多めにサンプリングするステップをさらに具備することを特徴とする請求項７に記載のコンピュータ実行方法。
9. 前記決定木の生成ステップは、
   前記決定木の構造を選択するステップと、
   複数の前記カテゴリから一つが選択される以前に作成されるどれくらいの分岐を含むかという決定木の範囲を決定するステップと、
   複数の前記分岐において使用される閾値を決定するステップと、
   を具備することを特徴とする請求項５に記載のコンピュータ実行方法。
10. 前記決定木はイテレーティブに生成されることを特徴とする請求項８に記載のコンピュータ実行方法。
11. 前記コンテンツプロバイダは広告に関与するとともに、複数の前記カテゴリは前記コンテンツプロバイダに適合するバーティカルを具備することとを特徴とする請求項６に記載のコンピュータ実行方法。
12. 前記決定木の生成ステップは、
    前記確率値の決定が前記コンテンツプロバイダに対する前記バーティカルを不適切に割り当てる傾向を有する前記バーティカルのうち少なくとも一つを特定するステップと、
    前記傾向を低減できるように前記閾値のうち少なくとも一つを選択するステップと、
    をさらに具備することを特徴とする請求項１０に記載のコンピュータ実行方法。
13. 前記エンティティを分類する前記カテゴリに基づいて情報をユーザに提供するステップをさらに具備することを特徴とする請求項１に記載のコンピュータ実行方法。
14. 前記情報は前記カテゴリに関連付けられたシーズナリティを表わすことを特徴とする請求項１２に記載のコンピュータ実行方法。
15. 複数の前記カテゴリのうちの少なくとも一つのサブセットの各カテゴリに対する確率値を決定する第１分類部と、
    前記確率値と複数の前記カテゴリに対するルールセットを用いて前記エンティティに対して複数の前記カテゴリから一つを特定する第２分類部とを具備し、
    前記確率値は、分類されたエンティティが個々の前記カテゴリに属する可能性を表わすとともに、前記エンティティに関する情報を用いることで決定されることを特徴とするコンピュータシステム。
16. 前記ルールセットは訓練データに基づいていることを特徴とする請求項１４に記載のコンピュータシステム。
17. 前記ルールセットは、決定木に含まれる複数の分岐のうち少なくともいくつかについて処理をすることによって、複数の前記カテゴリから一つを選択するように構成された前記決定木を具備し、
    前記訓練データを用いて前記決定木を生成するルール部をさらに具備し、
    前記訓練データはエンティティを複数の前記カテゴリのうち一又は二以上に対してマッピングすることを特徴とする請求項１６に記載のコンピュータシステム。
18. 前記ルール部は、前記マッピングを前記エンティティについてファイナンシャルデータを用いて重み付けを行い、
    前記マッピングのうちのサブセットに対応するファイナンシャルデータに基づいて前記マッピングのうち少なくとも一つの前記サブセットを多めにサンプリングすることを特徴とする請求項１７に記載のコンピュータシステム。
19. 前記エンティティに対して特定されたカテゴリを有する前記第２分類部に基づいた情報をユーザに提供するフロンドエンド部をさらに具備することを特徴とする請求項１４に記載のコンピュータシステム。
20. コンテンツプロバイダが少なくとも一つのパブリッシャによって公開されているコンテンツを提供している事業に登録されているものとして前記コンテンツプロバイダを特定するステップと、
    前記コンテンツプロバイダについて少なくとも一つのキーワードと前記キーワードについて少なくとも一つのファイナンシャル値とを受け取るステップと、
    前記コンテンツプロバイダがカテゴリのうち少なくとも一つに関連付けられる複数の前記カテゴリを受け取るステップと、
    カテゴリの名称に基づいて前記カテゴリのうちのサブセットに対して少なくとも一つの前記キーワードをマッピングするステップと、
    前記カテゴリのうち少なくとも一つの前記サブセットの各々を、前記ファイナンシャル値を用いて重み付けをされ、前記コンテンツプロバイダが前記それぞれのカテゴリに関連付けられるべき可能性を表わした確率値に関連付けるステップと、
    前記カテゴリから一つを特定する際に使用するために設定され、複数の前記カテゴリに関して生成されたルールセットを受け取るステップと、
    前記コンテンツプロバイダに関して、前記ルールセットを用いて、(i)前記カテゴリのうち少なくとも一つの前記サブセットの各々に対する前記確率値、(ii)前記コンテンツプロバイダについてのファイナンシャルデータ、(iii)前記コンテンツプロバイダが関連している地理的領域、のうち少なくとも一つを含むデータを処理するステップと、
    前記データの処理に基づいて前記コンテンツプロバイダに対する複数の前記カテゴリから一つを選択するステップと、
    前記コンテンツプロバイダを選択された前記カテゴリに関連付けるステップと、
    を含むことを特徴とする、コンテンツプロバイダをカテゴリに関連付けるコンピュータ実行方法。