JP2013535065A - コンテンツアイテムヒストグラムを用いた流行のコンテンツアイテムの識別 - Google Patents
コンテンツアイテムヒストグラムを用いた流行のコンテンツアイテムの識別 Download PDFInfo
- Publication number
- JP2013535065A JP2013535065A JP2013516657A JP2013516657A JP2013535065A JP 2013535065 A JP2013535065 A JP 2013535065A JP 2013516657 A JP2013516657 A JP 2013516657A JP 2013516657 A JP2013516657 A JP 2013516657A JP 2013535065 A JP2013535065 A JP 2013535065A
- Authority
- JP
- Japan
- Prior art keywords
- content item
- time
- trend score
- trend
- content
- 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.)
- Withdrawn
Links
- 230000008859 change Effects 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 85
- 230000002238 attenuated effect Effects 0.000 claims description 10
- 238000003491 array Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 27
- 238000003860 storage Methods 0.000 description 21
- 239000000047 product Substances 0.000 description 15
- 230000008901 benefit Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Primary Health Care (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
コンテンツアイテムセット内で、コンテンツアイテムに対する参照の頻度の変化に基づいて、特定のコンテンツアイテムを流行のコンテンツアイテムとして識別する。例えば、ソーシャルネットワークのユーザは、メッセージ内のウェブリソースのユニフォームリソースロケータ(URL)をポストすることによってウェブリソースを参照し、そのような参照の頻度の変化を検出することによって流行のウェブリソースを識別する。コンテンツアイテムヒストグラム中のそのような参照をカウントし、コンテンツアイテムに対する各参照の検出時のトレンドスコアを計算することにより、こうした傾向を追跡する。次いで、第2の時間と、コンテンツアイテムに対する最後に検出した参照の最後の参照時間との間の期間に基づいて、それぞれのコンテンツアイテムのトレンドスコアを減衰させた後のトレンドスコアを比較することにより、流行のコンテンツアイテムを第2の時間に識別する。
Description
本発明は、コンテンツアイテムヒストグラムを用いた流行のコンテンツアイテムの識別に関する。
コンピューティングの分野の中で、多くのシナリオが、様々なエージェントによって参照することのできるコンテンツアイテムのセットを使用する。第1の例としては、ソーシャルネットワークのユーザが、ウェブページ、ビデオ、イメージなどのウェブリソースに対する参照(ユニフォームリソースロケータ、すなわちURLなど)を含むメッセージをポストする。第2の例としては、そのようなユーザはまた、ウェブ上で利用可能な様々なリソースのURLなどの特定のコンテンツアイテムに対する参照、または特定の地理的位置を示す地理的参照(全地球測位システム(GPS)座標など)を含むメッセージもポストする。第3の例としては、eコマースサイトの顧客が、eコマースサイトを通じて入手可能であることがある様々な製品またはサービスを参照するメッセージをポストすることができる。これらおよび他のシナリオでは、流行的な人気および/または使用を明確に示すコンテンツアイテムを識別することが望ましいことがある。この情報を使用して、例えば、現在流行のコンテンツアイテムのリストをユーザに提示し、流行のコンテンツアイテムをユーザに提案し(例えば、予測テキスト入力デバイスが、流行のコンテンツアイテムのテキスト名に基づいてユーザ入力の補完または訂正を提案することができる)、またはeコマースプロバイダが需要の傾向に基づいて製品またはサービスの価格および在庫を調節することを可能にすることができる。
この概要は、以下の詳細な説明でさらに説明する概念の抜粋を簡略化した形態で紹介するために与えるものである。この概要は、特許請求される主題の主要な要素または不可欠な特徴を識別するためのものではなく、特許請求される主題の範囲を限定するために使用するものでもない。
流行のコンテンツアイテムについての情報は多くのシナリオで有用であることがあるが、そのような流行のコンテンツアイテムを識別することは、様々な理由で難しいことがある。例えば、会話的コンテキスト、曖昧な用語の曖昧性除去、および頭字語の解釈を含むことのある、参照に含まれる特定のコンテンツアイテムを識別することは難しいことがある。さらに、各メッセージを効率的であるが完全に、迅速に評価する方法で、ソーシャルネットワークのユーザによってポスト(投函、送信)されたメッセージのセット全体などの大量のメッセージのセット内のそのような参照を評価することは難しいことがある。例えば、速報ニュースを示す可能性があるような、特定のニュース記事に対する参照の急増を迅速に検出することは、メッセージの量が多い場合、達成することが難しいことがある。
様々なコンテンツアイテムに対する大量の参照を特徴とする環境内であっても流行のコンテンツアイテムの迅速な検出をサポートすることのできる、そのような参照を潜在的に効率的でスケーラブルに追跡する技法を本明細書で提示する。こうした技法は、それぞれ、異なるコンテンツアイテムを表し、異なる期間内のコンテンツアイテムに対する参照の測定のセットを含む、ユーザのコンテンツアイテムヒストグラムのセットを使用する。例えば、コンテンツアイテムヒストグラムは配列を含み、第1の索引(番号0)が、現時間枠内で検出したコンテンツアイテムに対する参照を表し、第2の索引(番号1)が、先行する時間枠内で検出したコンテンツアイテムに対する参照を表し、第3の索引(番号2)が、第2の索引の時間枠に先行する時間枠内で検出したコンテンツアイテムに対する参照を表し、以下同様である。
コンテンツアイテムに対する新しい参照を検出した場合、現在時間を、現測定期間が経過したかどうかをコンテンツアイテムヒストグラムが判定するための最後の参照時間と比較する。そうである場合、(例えば、配列の先頭に新しいエントリを挿入することによって)新しい参照カウント(新しい測定期間を表す)をコンテンツアイテムヒストグラムに追加する。さらに、最後に検出したコンテンツアイテムに対する参照の検出時に、コンテンツアイテムの流行的な人気および/または使用を示すコンテンツアイテムヒストグラムに基づいて、コンテンツアイテムについてのトレンドスコアを計算する。例えば、最近の鋭い参照の急増を示したコンテンツアイテムについて、参照数が比較的低い場合であっても高いトレンドスコアを計算し、一方、最近の検出した参照のプラトーまたは低下を示すコンテンツアイテムについて、参照数が高いままであっても低いトレンドスコアを計算する(コンテンツアイテムの、安定しているが、流行的ではない人気を示す)。その後で、流行的な人気を有するコンテンツアイテムを判定するためにコンテンツアイテムを評価する場合、最後に検出した参照以来経過した時間に基づいて、各コンテンツアイテムのトレンドスコアを減衰させる、(減衰調節後の)最高のトレンドスコアを有するコンテンツアイテムを、最も鋭い人気の増加傾向を有するコンテンツアイテムとして選択する。
このようにして、流行的な人気を比較的効率的に識別することができる。さらに、いくつかの実施形態では、サーバセットを備えるデバイスのセットが、異なる参照のバッチを評価し、それに応じてコンテンツアイテムヒストグラムを更新し、それによって、評価する参照の量に依然として比例する評価のスケーラビリティが可能となる(例えば、参照の評価が技法のレート制限要素を含む場合、追加の参照のグループを評価するためにサーバセットに新しいデバイスを追加することにより、追加の容量および性能を予測可能に、比例的に増大させることができる。)
上記および関連する目的の達成に向けて、以下の説明および添付の図面は、いくつかの例示的態様および実装を述べる。これらは、1つまたは複数の態様を利用することのできる様々な方法のうちのいくつかを示すに過ぎない。本開示の他の態様、利点、および新規な特徴は、添付の図面と共に考える場合に以下の詳細な説明から明らかとなるであろう。
次に、全体を通して同様の参照番号が同様の要素を指すのに使用される図面を参照しながら、特許請求される主題を説明する。以下の説明では、説明のために、特許請求される主題の完全な理解を与えるために、多数の特定の詳細を説明する。しかし、こうした特定の詳細を用いずに、特許請求される主題を実施できることは明らかである。別の例では、特許請求される主題の説明を容易にするために、構造およびデバイスをブロック図形態で示す。
コンピューティングの分野内で、複数のコンテンツアイテムに対する参照を通じて、コンテンツアイテムのセットの流行的な人気および使用を追跡する多くのシナリオがある。前記コンテンツは様々なエージェント(ユーザなど、ソフトウェアプロセスをも含む)によって生成される。例えば、ソーシャルネットワークでは、ユーザは、公にアクセス可能なポストと、特定の他のユーザに宛てられたプライベートメッセージとを含むメッセージを書くことがある。これらメッセージは、特定のストーリーまたはコンテンツアイテムを含むウェブページを示すユニフォームリソースロケータ(URL)などのような様々なコンテンツアイテムへの参照を含む。このシナリオおよびその他のシナリオでは、コンテンツアイテムに対する参照の頻度の傾向を追跡することが有利である。「流行的に」参照される(例えば、以前の時点とは著しく異なる頻度で参照される)のではなく、単に頻繁に参照されるコンテンツアイテム(例えば、頻繁に訪問されるウェブサイトや、頻繁に参照される場所などの、人気のあるコンテンツアイテム)との対照により、参照の頻度の傾向の識別は著しく有用である。第1の例として、企業は、安定した需要の予測に基づいて様々な製品の在庫を維持するが(例えば、頻繁に購入される製品の在庫量を高く保ち、頻繁には購入されない製品の在庫量を低く保つ)、購入のために入手可能な製品のセットを調節するために、そのような購入の頻度の動的傾向も識別したいことがある。第2の例として、メディアライブラリが、様々なメディアアイテムの人気を追跡することがあるが、(例えば、他のユーザがしばしば再生を頻繁に開始したメディアアイテムをユーザに提案するために)そのような人気の傾向を別々に追跡することがある。
図1に、ソーシャルネットワークの1人または複数のユーザ12によってポストされたメッセージ14中のコンテンツアイテム18に対する参照16に基づく、そのようなコンテンツアイテム18の人気の傾向を特徴とする例示的シナリオ10を提示する。それぞれのユーザ12は、テキスト説明を含み、他のユーザ12にとって関心のある可能性のあるウェブリソースのURLなどのコンテンツアイテム16に対する参照16を時折含む、ユーザ12にとって関心のあるトピックについてのメッセージ14をポストすることができる。コンテンツアイテム18の一部は静的に人気があることがあり、例えば、人気のある女優の経歴が、高い頻度であるが、安定した予測可能な頻度で、ユーザ12によってしばしば参照されることがある。しかし、ユーザ12は、以前に参照されたよりも著しく高いまたは低い頻度で特定のコンテンツアイテム18への参照16のポスティングを開始することもある。コンテンツアイテム18の参照のそのような傾向は、有用な情報を与えることがある。例えば、図1の例示的シナリオ10では、人気のある俳優が急に亡くなったという情報をユーザが受信した場合、ユーザ16は、以前に検出されたよりもずっと高いレートで、俳優の経歴18(例えば、映画データベースウェブサイト上のウェブページ、または人物百科事典ウェブサイト内のウェブページ)に対する参照16を含むメッセージ14のポスティングを急に開始することがある。第2の例として、気象レーダーを特徴とするウェブサイトを訪問しているユーザ16は、竜巻などの関心を引く気象パターンの発展に気付くことがあり、気象レーダーウェブサイトへの参照16を含むメッセージ14をポストすることがある。他のユーザ12は、このメッセージ14を閲覧することがあり、同様のメッセージ14をポストして他のユーザ12に通知することがあり、気象レーダーウェブサイトを含むコンテンツアイテム18に対する参照16の急増が検出されることがある。そのようなコンテンツアイテム18の静的な人気を識別することとは対照的に、そのようなコンテンツアイテム18に対する参照16の頻度のこうした傾向を検出することは、正式に確認される前、例えば従来型ニュース源によって速報ニュース記事としてレポートされる前であっても、ユーザ12によって知られ、または知覚される、何らかの新しい有用な情報を識別することができる。
しかし、そのようなコンテンツアイテム18に対する参照16の傾向を識別するようにコンピュータシステムを構成することは難しいことがある。具体的には、傾向を識別するために評価すべきメッセージ14の純然たる量は、数百万のEメールメッセージ、インスタントメッセージ、ソーシャルネットワーク内のポストなど、非常に多い。さらに、トレンド情報は、迅速に検出した場合にのみ貴重であり、したがって、参照16の頻度の傾向を検出するためにメッセージ14の評価の効率を改善する技法が有利であるが、そのような検出を遅延させる技法は、得られた情報の価値を損なう。具体的には、多くのコンピュータシステムを使用する実装では(サーバファームなど)、いくつかの技法は、例えば、サーバファームに追加されるいくつかの新しいサーバに比例する速度および感度利得を管理者が実現可能にすることにより、スケーラビリティを通じて、傾向を迅速に敏感に検出することの、予測可能な著しい利点を提供することができ、他の技法は、もたらされる利点が制限され、または利点がなく、さらには傾向の検出の利点が低下する。
図2に、デバイスの第1の構成が、流行のコンテンツアイテム18に対する、ソーシャルネットワークのユーザ12のメッセージ14でポストされる参照16の頻度の傾向を識別することによってそのようなコンテンツアイテム18を検出するように構成されることを特徴とする例示的シナリオ20を提示する。この構成はデバイス22のセットを含み、そのそれぞれは、メッセージ14の一部(例えば、メッセージ14のセット全体の任意の部分、またはソーシャルネットワークのユーザ12のセット全体の中のユーザ12の任意のサブセットによってポストされるメッセージ14)を監視するように構成される。デバイス22は、特定のコンテンツアイテム18に対する参照16の頻度の傾向を検出し(例えば、特定のコンテンツアイテム18に対する参照16の検出した頻度を、コンテンツアイテム18に対する参照16の予測される頻度または典型的な頻度と比較することによって)、検出した傾向を中央データベースなどの別のサーバにレポートする。このようにして、デバイス22の構成は、いくつかの流行のコンテンツアイテム18を検出するために、ソーシャルネットワーク内でポストされたメッセージ14のすべての評価を迅速な形で促進する。さらに、この構成は、迅速性を改善し、および/またはより大量のメッセージ14を処理するようにスケーラブルでよく、例えば、追加のデバイス22を含めることができ、追加のメッセージ14を処理し、メッセージ14のセットをより高速に処理するように構成する。しかし、この構成は、流行のコンテンツアイテム18の検出の感度も制限する。例えば、図2の例示的シナリオ20では、通常は、すべてのコンテンツアイテム18を、図示するユーザ12のセットによって1度参照する。しかしながら、2つの特定のコンテンツアイテム18は、様々なユーザによってポストされるメッセージ14に含まれる3つの参照16で参照される。この頻度は、こうしたコンテンツアイテム18に対する参照16の著しく高い頻度の傾向を示す。しかし、参照16が、デバイス22間で均一に配布されるメッセージ14に含まれるので、デバイス22はこの傾向を検出しないことがある。したがって各デバイス22は、各コンテンツアイテム18に対する1つの参照16だけを検出し、それは、各コンテンツアイテム18に対する参照16の予想頻度と一致する。したがって、デバイス16のこの構成は、受け入れられるレベルの感度で流行のコンテンツアイテム18を検出するように適切にスケーラブルではないことがある。他の技法は感度の改善を示すことができるが、速度、容量、および/またはスケーラビリティが犠牲となる。
ソーシャルネットワークのユーザ12のメッセージ14内に含まれることのある参照、メディアライブラリ内の特定のメディアアイテムを再生することを求めるユーザの要求時の参照、様々なソフトウェアプロセスによるコンピュータシステム内の様々なタイプのデータオブジェクトのアクセス時の参照などの、流行のコンテンツアイテム18に対する参照16の頻度を評価することによって流行のコンテンツアイテム18を検出する技法を本明細書で提示する。こうした技法は、特定のメッセージ14について、コンテンツアイテムヒストグラムのセットを生成することを含み、各コンテンツアイテムヒストグラムは、1分、1時間、1日などの特定の持続時間の参照期間内に検出される特定のコンテンツアイテム18に対する参照16の参照カウントのセットを含む。コンテンツアイテムヒストグラムは、例えば整数配列として実装することができ、整数配列の第1の要素は、現参照期間内の参照の数値カウントを含み、後続の要素は、以前に経過した参照期間内の参照の数値カウントを含む。コンテンツアイテムヒストグラムはまた、最後に検出したコンテンツアイテム18に対する参照16の日付および/または時刻を示す、最後の参照時間をも含むことができる。
こうした技法によれば、新しいコンテンツアイテム18に対する参照18を検出した場合、こうした技法の一実施例は、例えば初期値0を有する単一参照カウント(現参照期間の現参照カウントを表す)を含む、コンテンツアイテム18に関する新しいコンテンツアイテムヒストグラムを生成する。次いで実施形態は、現参照カウントを増分することによってコンテンツアイテム18に対する参照16を記録する。さらに、実施形態は、コンテンツアイテムヒストグラムに関する最後の参照時間を現在日付および/または時刻に設定する。さらに、参照16の検出時に、実施形態は、コンテンツアイテムヒストグラムに基づいて、最後に検出した参照16の時のコンテンツアイテム18の流行を示す、コンテンツアイテム18に関するトレンドスコアを計算し、格納する。例えば、正のトレンドスコアは、コンテンツアイテム18の最近の正の傾向(コンテンツアイテム18に対する参照16の頻度の著しい上昇など)を示し、負のトレンドスコアは、参照16の頻度の最近の負の傾向を示す。0のトレンドスコアは、以前の測定と比べて参照16の頻度に変化がないことを示す。
さらにこうした技法によれば、ユーザ12の要求時や期間の経過時などの、(後続の)2回目に、本実施形態では、コンテンツアイテム18のトレンドスコアを比較して、流行のコンテンツアイテム18を識別する。本実施形態では、各コンテンツアイテム18について設定されたトレンドスコアを比較することによってそれを行うことができるが、例えば、以前に高頻度で参照されたコンテンツアイテム18がかなりの期間に参照されなかった場合、結果として不正確な比較が得られる。例えば、気象レーダー上に現れつつある嵐の状態を綿密に監視している(非常に流行しているコンテンツアイテム18を示す多くの参照16を生成している)ユーザ12は、嵐の状態が急に消散した場合、即座に関心を失う。しかし、コンテンツアイテムヒストグラムは、最後に記録した現メトリックとして高い参照カウントを示すだけである。一実施形態においては、ユーザ12がウェブサイトへの参照16の生成を停止した後であっても、引き続きこのウェブサイトを流行のコンテンツアイテム18として識別する。したがって、それぞれのコンテンツアイテム18のトレンドスコアを比較する際に、一実施形態は、最後の参照時間と、流行のコンテンツアイテム18のレポーティングが生成された第2の時間との差に従って、各トレンドスコアを「減衰」させることができる。例えば、引き続き頻繁に参照されるコンテンツアイテム18に関するトレンドスコアは同じままでよいが、ある時に参照されなかったコンテンツアイテム18に関するトレンドスコアを、参照18の中断の持続時間(例えば、参照中断間隔)に比例して、著しく低い値まで減衰させることができる。次いで、この実施形態は、「減衰した」トレンドスコアを比較して、流行のコンテンツアイテム18を識別する。このようにして、この実施形態は、流行のコンテンツアイテム18の正確な検出およびレポーティングを改善すると共に、参照16の効率的な評価も達成し、検出した参照カウントを各コンテンツアイテム18のコンテンツアイテムヒストグラムに格納する。さらに、この構成は、システムのスケーラビリティを促進して、より多くの参照16を評価し、および/または参照16のバッチをより迅速に評価して、流行のコンテンツアイテム18の迅速な検出を改善する。
図3〜4は共に、こうした技法を示す。この技法は、流行のコンテンツアイテム18を検出するように構成されたデバイス22によって実行される。図3の例示的シナリオ30では、デバイス22は、メッセージ14のセットを監視する。メッセージ14のセットはユーザ12のセットによって生成される。ユーザ12のセットは特定のコンテンツアイテム18に対する参照16を含む。デバイス22はまた、それぞれのコンテンツアイテム18について、コンテンツアイテムヒストグラム32を生成および保持する。コンテンツアイテムヒストグラム32は現参照カウント期間に検出した参照16の数を表す現参照カウント34を含み、1つまたは複数の参照カウント期間内で検出した1つまたは複数の参照カウントを示す。そのような参照16の検出時に、デバイス22はまず、これが、検出されたコンテンツアイテム18に対する第1の参照16であるかどうかを判定する。肯定判定である場合、デバイス22は、コンテンツアイテム18に関するコンテンツアイテムヒストグラム32を生成する。次いでデバイス22は、現参照カウント期間に関する現参照カウント34を増分し、検出した参照16を記録する。デバイス22はまた、コンテンツアイテム18に関する最後の参照時間36を現在日付および/または時刻として設定して、最後に検出したコンテンツアイテム18に対する参照16の日付または時刻を示す。デバイスはまた、コンテンツアイテムヒストグラム32を評価して、最後の参照時間36時点のコンテンツアイテム18の流行を示す、コンテンツアイテム18に関するトレンドスコア38を設定する。例えば、第1のコンテンツアイテム18を、一貫して高い頻度の参照16に関連付けるが、(特に、以前の参照カウントに対する最近の参照カウントの)頻度の一貫性が流行の欠如を示すことができ、その結果、トレンドスコア38が0となる。第2のコンテンツアイテム18に関するコンテンツアイテムヒストグラム32は、参照16の頻度の安定した上昇傾向を示し、その結果、トレンドスコア38が6となり、第3のコンテンツアイテム18に関するコンテンツアイテムヒストグラム32は、参照16の頻度の鋭い上昇傾向(最近の急増など)を示し、その結果、トレンドスコア38が9となる。
図4の例示的シナリオ40では、(図3に示す時間の後の)第2の時間42で、デバイス22は、コンテンツアイテム18の計算したトレンドスコア38を使用して、流行のコンテンツアイテム18を識別する。具体的には、デバイス22は、それに対する参照16がかなりの期間にわたって検出されなかったコンテンツアイテム18について対処するために、それぞれのコンテンツアイテム18について、第2の時間42と、コンテンツアイテム18の最後の参照時間36との間の差に基づいて、トレンドスコア38の減衰44を実行する。例えば、第1のコンテンツアイテム38について、検出の参照16がない短い期間が経過することがある。したがってトレンドスコア38の9を、調節後トレンドスコア46の8に減衰させる(44)。第2のコンテンツアイテム38は、参照16の検出でどんな著しい遅延も示さないことがあり(例えば、最後の参照時間36が、第2の時間42とほぼ等しいことがある)、したがってトレンドスコア38の6を0のファクタで減衰させて(44)、調節後トレンドスコア46の6を生成する。一方、第3のコンテンツアイテム18は、トレンドスコア38の8で開始した可能性があるが、最後に検出した参照16から著しい期間が経過することがあり、減衰44が、著しく減衰した調節後トレンドスコア46の5を生成する。このようにして、デバイス22は、流行のコンテンツアイテム18の次数を(減衰44に基づいて)1次から、流行検出の精度を改善することができる2次に調節する。
図5はこうした技法の第1の実施形態を提示する。図5では、この技法をコンテンツアイテム18に対する参照16に基づいて流行のコンテンツアイテム18を識別する例示的方法50として示す。例示的方法50は、プロセッサを有するデバイス22上で、例えば、システムRAMなどの揮発性メモリ、またはハードディスクドライブ、固体ドライブ、フラッシュ記憶デバイス、光ディスクなどの不揮発性メモリに格納されたソフトウェア命令のセットとして実装することができる。例示的方法50は52で始まり、本明細書で提示する技法を実施するように構成された命令をプロセッサ上で実行される(54)。具体的には、命令が、コンテンツアイテム18に対する参照16の検出時56に、参照16がコンテンツアイテム18に対する最初に検出した参照16を含むかどうかをまず判定し、肯定判定の場合、コンテンツアイテム18に関するコンテンツアイテムヒストグラム32を開始する(58)ように構成される。命令はまた、参照16の検出時(56)に、コンテンツアイテム18に関するコンテンツアイテムヒストグラム32の現参照カウント34を増分し(60)、コンテンツアイテムヒストグラム32を使用して、コンテンツアイテム18に関するトレンドスコア38を設定し(62)、コンテンツアイテム18に関する最後の参照時間36を設定する(64)ように構成される。命令はまた、第2の時間42に、それぞれのコンテンツアイテム18について、第2の時間42と、コンテンツアイテム18に関する最後の参照時間36との差に従ってトレンドスコア38を減衰させ(68)、コンテンツアイテム18のトレンドスコア38を比較する(70)ことにより、流行のコンテンツアイテム18を識別する(66)ように構成される。このようにして、本明細書で提示する技法をデバイス22に実行させるように命令を構成し、したがって命令は72で終了する。
図6は、本明細書で提示する技法の第2の実施形態を特徴とする第2のシナリオの図を提示する。第2の実施形態はコンテンツアイテム18に対する参照16に基づいて流行のコンテンツアイテム18を識別するように構成された例示的システム86を含む。例示的システム86は、例えば、デバイス82のメモリに格納された命令を含み、こうした技法を共に実装する構成要素を実装するように構成されたソフトウェアアーキテクチャとして、および/またはこうした技法の様々な側面を実装する1つまたは複数のハードウェア構成要素として実装することができる。例示的システム86は、プロセッサ84を有し、少なくとも1つのコンテンツアイテム18にアクセスできるデバイス82上で動作する。例示的システム86は参照カウンティング構成要素(reference counting component)88を備え、参照カウンティング構成要素88は、コンテンツアイテム18に対する参照16の検出時に、参照16がコンテンツアイテム18に対する最初に検出した参照16を含むかどうかを判定し、肯定判定の場合、コンテンツアイテム18に関するコンテンツアイテムヒストグラム32を開始するように構成される。参照カウンティング構成要素88はまた、コンテンツアイテム16に関するコンテンツアイテムヒストグラム32の現参照カウント34を増分し、コンテンツアイテムヒストグラム32を使用して、コンテンツアイテム18に関するトレンドスコア38を設定し、コンテンツアイテム18に関する最後の参照時間36を設定するように構成される。例示的システム86はまた、流行のコンテンツアイテム識別構成要素(trending content item identiying component)90をも備え、流行のコンテンツアイテム識別構成要素90は、第2の時間42に、それぞれのコンテンツアイテム18について、第2の時間42と、コンテンツアイテム18に関する最後の参照時間36との差に従ってトレンドスコア38を減衰させ(44)、次いでコンテンツアイテム18のトレンドスコア38を比較することにより、流行のコンテンツアイテム18を識別するように構成される。このようにして、例示的システム86は、本明細書で提示する技法に従って、コンテンツアイテム18のセットの中の流行のコンテンツアイテム18をデバイス82に識別させる。
さらに別の実施形態は、本明細書で提示する技法を適用するように構成されたプロセッサ実行可能命令を含むコンピュータ可読媒体を使用する。このようにして考案することのできる例示的コンピュータ可読媒体を図7に示す。実装100は、コンピュータ可読データ104がその上に符号化されるコンピュータ可読媒体102(例えば、CD−R、DVD−R、ハードディスクドライブのプラッタ)を含む。このコンピュータ可読データ104は、本明細書で説明する原理に従って動作するように構成されたコンピュータ命令106のセットを含む。そのような一実施形態では、図5の例示的方法60などの、コンテンツアイテムのセットの中の流行のコンテンツアイテムを識別する方法を実施するようにプロセッサ実行可能命令106を構成する。別のそのような実施形態では、図6の例示的システム86などの、コンテンツアイテムのセットの中の流行のコンテンツアイテムを識別するシステムを実装するようにプロセッサ実行可能命令106を構成する。このコンピュータ可読媒体のいくつかの実施形態は、このようにしてプロセッサ実行可能命令を格納するように構成される非一時的コンピュータ可読記憶媒体(例えば、ハードディスクドライブ、光ディスク、またはフラッシュメモリデバイス)を含むことができる。本明細書で提示する技法に従って動作するように構成される多くのそのようなコンピュータ可読媒体を当業者は考案することができよう。
本明細書で提示する技法を多くの態様での変形と共に考案することができ、いくつかの変形は、これらおよび他の技法の他の変形に対して、追加の利点を提示することができ、および/または欠点を低減することができる。さらに、いくつかの変形形態を組み合わせて実装することができ、いくつかの組合せは、相乗的協働を通じて追加の利点および/または欠点の低減を特徴とすることができる。変形を様々な実施形態(例えば、図5の例示的方法60および図6の例示的システム86)に組み込み、そのような実施形態に対して個々の利点および/または相乗的利点を与えることができる。
こうした技法の実施形態の間で変化することがある第1の態様は、そのような技法を利用することのできるシナリオに関する。第1の例として、ソーシャルネットワークのユーザ12は、特定のストーリーまたはコンテンツアイテムを含むウェブページなどのウェブリソースを識別するユニフォームリソースロケータ(URL)などの様々なコンテンツアイテム18に対する参照16を含むメッセージ14(例えば、ソーシャルネットワークのすべての他のユーザによって閲覧することのできる公にアクセス可能なポスト、および/またはソーシャルネットワークの特定のユーザに宛てられたプライベートメッセージ)をポストする。この第1の態様の第2の例として、メディアライブラリで、1人または複数のユーザ12が、様々なメディアアイテムをレンダリングする(音楽の再生、ビデオの表示など)ように要求する。メディアベースのコンテンツアイテム18の間の人気の傾向を解釈するために、そのようなメディアアイテムの(参照16のタイプとしての)レンダリングを追跡する。この第1の態様の第3の例として、企業が、様々な商品またはサービスの顧客による関心または購入の傾向を識別することができる(製品の表現はコンテンツアイテム18を含み、コンテンツアイテム18の購入、推薦、レビュー、または閲覧は、コンテンツアイテム18に対する参照16を含むことができる)。この第1の態様の第4の例として、コンピュータシステムでの様々なソフトウェアプロセスが、高度プログラミングインターフェース(API)内の関数、ファイルシステム内のファイル、データベース内のレコード、データキャッシュ内のデータエントリなどの、データオブジェクトセット内の様々なデータオブジェクトを利用する。コンピュータシステムは、流行的な使用のデータオブジェクトへのより迅速なアクセスを実現することによって性能を改善をする。そのようなデータオブジェクトの(コンテンツアイテム18としての)流行的使用は、そのようなデータオブジェクトに対する利用(参照16を含む)の使用を監視することによって追跡する。
この第1の態様の第5の例として、ユーザまたはデバイスは、様々な位置についての情報(例えば、全地球測位システム(GPS)受信機によって検出される位置のレポート)を要求または提供し、そのような位置についての情報(コンテンツアイテム18への参照16を含む)のアクセスおよび/またはレポーティングを評価する。人気があり、混雑しているエリア(例えば、自動車の通行で渋滞した位置)、および/または興味深いエリア(例えば、ジオタギングされた写真にしばしば示される場所)を識別するために、そのような位置に対する参照16の傾向を検出する。しかし、GPS受信機によって検出される参照16の精度のために、参照16を特定の位置に(コンテンツアイテム18として)関連付けるために、いくつかの追加の処理を必要とすることがある。例えば、特定の位置は、可変のサイズおよび形状のエリアに対応し、例えば、小さいモニュメント(小さい彫像など)に対応する位置は、モニュメント付近の小さい円形の地理的エリアを含むが、大きいランドマーク(パルテノンなど)に対応する位置は、変わった形状の非常に広いエリアを含む。しかし、GPS受信機がレポートすることができるのは、単に検出された緯度および経度座標などの点としてのユーザ12の位置である。したがって、一実施形態は、参照16によって参照されるコンテンツアイテム18(例えば、位置)を識別するために、参照16をより一般化した参照に変換しなければならないことがある。
図8に、この第1の態様の第5の例を示す例示的シナリオ110を提示する。この例示的シナリオ110では、地理的エリア112内で、(例えば、様々なユーザ12によって操作される全地球測位システム(GPS)デバイスによって検出される)様々な位置参照114をレポートする。位置参照14は、特定の精度を有する緯度および経度座標のセットを含む。しかし、注目の位置(ランドマークを含むエリアなど)がいくつかの座標または多くの座標を包含する場合、GPSデバイスによってレポートされるあらゆる座標を別個の位置として表現することは、有用ではないことがある。したがって、位置参照114の傾向を追跡するように構成されるデバイス22を、特定の位置参照114について、ランドマークなどの同一の位置を共に指す、ある範囲の位置参照の114などの一般化位置参照118を計算する(116)ように構成することができる。例えば、図8の例示的シナリオ110では、地理的エリア112を、単一の表現される位置にマッピングされる地理的座標の範囲などの各象限に分割する。位置参照114が検出される場合、デバイス22は、位置参照114を、座標を包含する特定の象限116に変換することによって一般化位置参照118を計算する(116)。次いでデバイス22は、一般化位置参照118の間の傾向を識別して、コンテンツアイテム18に対する参照16(例えば、参照される位置)の間の傾向を識別するために、一般化位置参照118をそのような参照16として使用する。本明細書で提示する技法を利用することのできる多くのシナリオを当業者は識別することができよう。
こうした技法の実施形態の間で変化することがある第2の態様は、特定のコンテンツアイテム18に対する参照16を識別する方法に関する。第1の例として、参照16は、コンテンツアイテム18のセットの中の特定のコンテンツアイテム18を弁別的に、直接的に識別する、識別子(例えば、名前、データベース内のキー値、またはユニフォームリソースロケータ(URL))などのコンテンツアイテム18を直接的に識別する。しかし、他のシナリオでは、参照16および/またはそれに参照されるコンテンツアイテム18を識別するために処理を実施しなければならないことがある。この第2の態様の第2の例として、第1のユーザ12によって第2のユーザ12に送られるプライベートメッセージ、ソーシャルネットワーク上でユーザ12によって発行されるポストなどのメッセージ14に参照16を含める。しかし、メッセージ14は主に、1つまたは複数の参照16を特定のフォーマットに埋め込む、テキスト、データベース、イメージなどの別の形態のデータを含むことができる。第1のそのようなシナリオでは、メッセージは、電話番号、住所、ユニフォームリソースロケータ(URL)、または地理的座標を含むことができ、デバイス22は、メッセージ14のテキスト解析を通じて(例えば、電話番号またはEメールアドレスを、その確立されたフォーマットに基づいて識別する正規表現をメッセージ14に適用することによって)参照16を抽出する。第2のそのようなシナリオでは、ソーシャルネットワークのユーザ12は、「ハッシュタグ」フォーマットを使用して、メッセージ14のテキスト内容の中で、メッセージ14に関連する1つまたは複数のトピックの名前を識別する。例示的「ハッシュタグ」フォーマットは、例えば、「私は今日#テニスをしました」および「私はテレビジョンでウィンブルドンを視聴しました。#テニス」のように、語句内にテニスというスポーツに対する参照を含む。したがって、デバイス22は、様々なコンテンツアイテム18に対する参照16の間の傾向を識別するために、メッセージ14を評価して、そのようなメッセージ14に埋め込まれたハッシュタグラベリングされた参照16を識別する。
この第2の態様の第3の例として、第1の参照16は、特定のコンテンツアイテム18を直接的には識別せず、その代わりにコンテンツアイテム18を(直接的または間接的に)識別する第2の参照16を識別する。様々な考慮すべき点に鑑みて、他のユーザ12(または他のユーザ12が操作するデバイス)を第2の参照16によって識別されるコンテンツアイテム18にリダイレクトすることを奨励するために、ユーザ12は、第1の参照16を生成する。例えば、いくつかのソーシャルネットワークは、ポストするメッセージ14のサイズを特定のテキスト長に制限し、そのテキスト長は、参照16全体(特定のコンテンツアイテム18を識別するが、著しく長い長さを有するユニフォームリソースロケータ(URL)など)を含むには不十分であることがある。したがって、第1のユーザ12は、URL短縮サービスなどの別のサービスを使用して、より短いURLを生成し、より短いURLは、コンテンツアイテム18に変換されるより長いURLに変換される。次いで第1のユーザ12は、メッセージ14でより短いURLをポストし、より短いURLへのアクセス時に、第2のユーザ12を、コンテンツアイテム18を示すターゲットURLにリダイレクトする。第2の例として、第1のウェブログ著者によって生成された(直接的参照として働く)第1のウェブログ記事によってニュース記事を参照し、リンクすることができる。第2のウェブログ著者は、第1のウェブログ記事にリンクする第2のウェブログ記事を生成するが、第2のウェブログ記事のトピックは、第2のウェブログ記事が直接的に参照する第1のウェブログ記事ではなく、元のニュース記事でよい。
これらおよび他の例では、「リダイレクティング」参照は、コンテンツアイテム18を直接的に識別することができないが、コンテンツアイテム18を直接的に参照する「ターゲット」参照を識別することができる。代替として、「ターゲット」参照は、コンテンツアイテム18を識別する第3の参照16にユーザ12をリダイレクトすることにより、コンテンツアイテム18を間接的に参照することができる。この技法はユーザ12にとって有利であり、または望ましいことがあるが、特定のコンテンツアイテム18に対する参照16の検出を複雑にする。したがって、コンテンツアイテム18の傾向を追跡するデバイス22が参照を検出した場合、デバイス22は、参照16を検査し、参照16がターゲット参照を参照するか否かを判定する。肯定判定の場合、参照16は、ターゲット参照も第3の参照を(第2のターゲット参照として)参照するかどうかを識別するために、ターゲット参照を検査する。最終的に、デバイス22は、コンテンツアイテム18を識別する非リダイレクティング参照16を識別し、コンテンツアイテム18に対する参照16の傾向の追跡で、この参照16を使用する。
さらに、デバイス22は参照キャッシュを利用する。参照キャッシュは、以前に遭遇した参照16と、それによって直接的または間接的に参照されるコンテンツアイテム18とを(キー/値対として)格納する。例えば、デバイス22が参照16を検出し、それによって直接的または間接的に参照されるコンテンツアイテム18を識別した場合、デバイス22は、参照16および識別したコンテンツアイテム18を参照キャッシュに格納する。別の参照16への遭遇時に、デバイス22は、参照キャッシュを探索して、参照16に以前に遭遇し、参照16を特定のコンテンツアイテム18に関連付けたかどうかを判定する。肯定判定の場合、デバイス22は、参照16を検査して、参照されるコンテンツアイテム18を求めるのではなく、参照キャッシュに格納された関連付けを利用する。コンテンツアイテム18に対する参照16の関連付けのこのキャッシングは、例えば、(参照キャッシュを検査することは、参照16を逆参照して、参照されるコンテンツアイテム18を識別することよりも高速であることがあるので)性能を促進するのに有利であり、および/または傾向追跡のロバストネスを促進することができる(例えば、リダイレクティング参照16が、もはや利用可能ではないターゲット参照16を参照するが、参照キャッシュは、ターゲット参照16によって以前に参照されたコンテンツアイテム18を識別することができる)。
図9に、ある参照16によって直接参照されると共に、コンテンツアイテム18を間接的に参照するリダイレクティング参照16によって参照される流行のコンテンツアイテム18の識別を特徴とする例示的シナリオ120の図を提示する。この例示的シナリオ120では、ユーザ12によってポストされる第1のメッセージ14は、コンテンツアイテム18を直接的に識別する参照16を含む。本明細書で提示する技法に従って、コンテンツアイテムヒストグラム32に参照16を記録する。ユーザ12は、ターゲット参照124に対するリダイレクティング参照122(例えば、アクセスした場合に、コンテンツアイテム18を弁別的に識別する完全な長さのURLにリダイレクトする短縮したURL)を含む第2のメッセージ14をポストする。リダイレクティング参照122によって参照されるコンテンツアイテム18としてターゲット参照124を不正確に識別するのではなく、デバイス22は、リダイレクションを識別し、ターゲット参照124をたどる。デバイス22は、コンテンツアイテム18を共に識別するリダイレクティング参照122とターゲット参照124を共に識別する。さらに、デバイス22は、こうした関連付けを参照キャッシュ126に格納する。したがってその後でリダイレクティング参照122をやはり含む第3のメッセージ14を検出した場合、デバイス22は、参照キャッシュ126がリダイレクティング参照122を含むと判定したとき、リダイレクティング参照122およびターゲット参照124を逆参照、および、参照されるコンテンツアイテム18を識別しなければならないのではなく、参照キャッシュ126に格納された関連付けを利用して、リダイレクティング参照122がコンテンツアイテム18を識別すると判定する。このようにして、デバイス22は、改善された精度および/または性能でコンテンツアイテム18の参照を追跡することができる。本明細書で提示する技法を実装しながら、様々な参照16によって参照されるコンテンツアイテム18を識別する多くの技法を当業者は考案することができよう。
こうした技法の実施形態の間で変化することのある第3の態様は、コンテンツアイテム18に対する検出した参照16をカウントするために本明細書で使用するコンテンツアイテムヒストグラム32の性質に関する。この情報を格納するために多くのデータ構造またはデータオブジェクトを使用することができ、いくつかの変形形態は、他の変形形態に勝る利点を与えることができる。この第3の態様の第1の例として、図10〜11は共に、コンテンツアイテムヒストグラム32を使用して、コンテンツアイテム18に対する検出した参照16を格納(およびカウント)することなどによって、本明細書で提示する技法で使用することのできるコンテンツアイテムヒストグラム32の例示的実装を示す。こうした例示的シナリオでは、コンテンツアイテムヒストグラム32は、特定の参照期間136に関する参照カウント134、および次のメモリ構造に対するメモリ参照(例えば、配列内の最後のメモリ構造が、配列の終わりを示すためのヌルのメモリ参照を有する)を表す整数をそれぞれ格納する、メモリ構造の配列やリンクリストなどの整数のセットを含む。各メモリ構造は、配列内のその順序位置に従って配列索引によって識別され、第1のメモリ構造は配列索引0を有し、第2のメモリ構造は配列索引1を有し、以下同様である。さらに、配列は、第1のメモリ構造が、現参照期間136に関する現参照カウント34を格納し、追従する各メモリ構造が、隣接する前の参照期間136を表すように編成される。このようにして、連続する前の参照期間136に関する参照カウント134が、逆の時系列順にリスト内の後ろに格納され、したがってコンテンツアイテムヒストグラム32のグラフィカル表現と類似する。
図10の例示的シナリオ130では、コンテンツアイテムヒストグラム32が配列として実装され、それぞれの配列索引132が、それぞれの参照期間136に関する参照カウント134を表す整数を格納するメモリ構造を参照する。この実装では、特定の参照期間136の境界が格納されない。むしろ、第1の配列索引132は、現参照期間136に関する現参照カウント34を格納し、それぞれの連続する配列索引132が、隣接して先行する参照期間136に関する参照カウント134を格納する。それぞれの参照期間136の持続時間を、コンテンツアイテムヒストグラム32のソフトウェア実装で、ソフトウェア実装に関連する構成ファイルで、ユーザ選択によって、などで固定式に定義する。さらに、現参照期間136が最後の参照時間36によって示され、最後の参照時間36は、コンテンツアイテムヒストグラム32によって表されるコンテンツアイテム18に対する各参照16の検出時に格納(および更新)される。第1の例として、最後の参照時間36は、コンテンツアイテム18に対する参照16を最後に検出した日付および/または時刻を示すことができる。第2の例として、最後の参照時間36は、コンテンツアイテム18に対する任意の検出した参照に関連する最新の日付および/または時刻を示すことができる(例えば、特定の参照16は、ユーザ12によってポストされるメッセージ14の日付などの生成の時間を示すタイムスタンプを含み、いつ参照16を検出したかに関わらず、最新のタイムスタンプを使用して、最後の参照時間36を求める)。第3の例として、最後の参照時間36は、現参照期間136の開始または終了を示す日付および/または時刻を示す。デバイス22がコンテンツアイテムヒストグラム32によって表されるコンテンツアイテム18に対する参照16を検出した場合、現参照カウント34に対応する、第1の配列索引132の参照カウント134を増分し、検出した参照16を記録する。次いで、現参照カウント34を他の配列索引132の参照カウント134と比較して、コンテンツアイテム18に対する参照16の傾向を識別する。
コンテンツアイテムヒストグラム32によって表されるコンテンツアイテム18に対する参照16を(例えば、ユーザ12によってポストされるメッセージ14で)検出した場合、こうした技法の一実施形態では、現参照期間136を表す配列索引の現参照カウント34を増分する。しかし、この実施形態はまた、最後の参照時間36を検査して、第1の配列索引132が依然として現参照期間136を表すかどうかを判定する。第1の例として、各参照期間136が1時間などの指定の持続時間である場合、および特定の時間内(例えば、特定の朝の8時中)に前の参照16を検出したことを最後の参照時間36が示す場合、現在時間を比較して、同一の時間内に最新の参照16を検出したかどうかを判定する。第2の例として、前の参照16を検出した参照期間136の開始および/または終了を含む日付および/または時刻を最後の参照時間36が示す場合、現在時間を検査して、同一の参照期間136内で現参照16を検出したかどうかを判定する。肯定判定の場合、(現参照カウント34に対応する)第1の配列索引132の参照カウント134を増分し、最後の参照時間36を現在時間で更新する。しかし、前の参照16を検出した参照期間136がその後に終了した場合、1つまたは複数の新しい配列索引132を、配列の先頭に、0の初期参照カウント134で挿入し、以前に検出した参照16以来の1つまたは複数の参照期間136の仲介を示す。コンテンツアイテム18に対する1つの参照16の検出さえもなく介在参照期間136が過ぎた場合、複数の配列索引132を挿入する。
図11に、コンテンツアイテムヒストグラム32の使用をさらに示す例示的シナリオ140を提示する。この例示的シナリオでは、各配列索引132は、各時間の最初で終了する、1時間の参照期間持続時間の参照期間136を表す。しかし、これらの技法の一実施形態が最後の参照時間36を最初に例として示す場合、最新の参照16を朝の9時中に検出し、前の参照16が同じ朝の8時中に検出したと判定する。したがって、8時の参照期間136を表す参照カウント134を増分する代わりに、配列の先頭に1つの配列索引132を0の初期参照カウント134で挿入することによって配列を調節する。この新しい配列索引132は、朝の9時を含む現参照期間136に関する現参照カウント34を表す。次いで、この第1の配列索引132の参照カウント134を増分し、コンテンツアイテム18に対する検出した参照16を記録することができ、最後の参照時間36を更新して、最後に検出した参照16の日付および時刻を示す。このようにして、配列を使用して、参照16の検出をコンテンツアイテムヒストグラム32として記録し、配列を更新して、時間の経過を示す。
図10〜11は共に、コンテンツアイテムヒストグラム32の1つの例示的実装を示し、多くの他の実装も選択することができる。第1の例としては、順方向時系列順に配列を編成し、現参照期間136を最後の配列索引132として格納し、先行する配列索引132が、隣接して先行する参照期間136を表す。第2の例としては、現参照カウント34に先行する特定のいくつかの参照期間136だけが傾向検出に関係するとみなされる場合、最大配列サイズを指定し、1つまたは複数の配列索引132が挿入される場合、配列が最大配列サイズを超える場合、最も古い配列索引132を除去する。第3の例としては、リンクリスト以外のデータ構造で配列を表すことができ、例えば、ホワイトスペースで分離され、それぞれの参照期間136に関する参照カウント134を示す整数のシーケンスを含む単純なASCIIまたはUnicodeテキスト文字列として表す。
こうした技法の実施形態の間で変化することのある第4の態様は、コンテンツアイテム18に関連するコンテンツアイテムヒストグラム32に基づく、それぞれのコンテンツアイテム18に関するトレンドスコア38の設定に関する。第1の例として、コンテンツアイテムヒストグラム32中のコンテンツアイテム18に対する前の参照カウント134と比べた、コンテンツアイテムヒストグラム32中のコンテンツアイテム18に対する最近の参照カウント134の変化の大きさとしてトレンドスコア38を計算する。第2の例として、恐らくは、後の参照カウント134間の変化を、前の参照カウント134間の変化よりも大きく重み付けして、参照カウント134にわたる曲線の傾きとしてトレンドスコア38を計算する。トレンドスコア18の他の計算は、著しい変化と小さい変化の判定などの、他の統計技法および概念を使用することができる。
この第4の態様の第3の例として、コンテンツアイテムヒストグラム32は、2つ以上の配列のセットなどの、少なくとも2つのコンテンツアイテムヒストグラム32のセットを含み、各コンテンツアイテムヒストグラム32は、異なる期間にわたる参照16の検出を示す。各コンテンツアイテムヒストグラム32は、1分、1時間、1日、1週間などの異なる参照期間持続時間の特定の参照期間136に関する参照カウント134を蓄積する。コンテンツアイテム18(ニュース記事や地理的位置など)の参照の傾向が、参照16の迅速で急なポスティング、経時的なそのような参照16の安定した成長などの多くの方法で生じることがあることを理解することができる。複数のコンテンツアイテムヒストグラム132の使用は、比較的短期の傾向の迅速な検出(例えば、数分のスペースにわたる、特定のコンテンツアイテム18に対する参照16を生成するユーザ12の急増)や、比較的長期間の傾向の検出(例えば、1日または1週間の期間にわたる、特定のコンテンツアイテム18に対する参照16の安定した膨張)などの、コンテンツアイテム18に対する参照16のいくつかのタイプの傾向の検出を可能にすることができる。参照16を検出した場合、コンテンツアイテム18を表す各コンテンツアイテムヒストグラム32の現参照カウント34を増分する。さらに、こうしたコンテンツアイテムヒストグラム32のすべてに鑑みて、コンテンツアイテム18に関するトレンドスコア38を検出し、それによって様々なタイプの傾向のより敏感でより正確な検出が実現される。
図12に、別々の配列としてそれぞれ実装され、同一のコンテンツアイテム18に対する参照であるが、異なる期間にわたる参照16を格納するように構成された3つのコンテンツアイテムヒストグラム32を特徴とする例示的シナリオ140を表す。第1のコンテンツアイテムヒストグラム142は、1時間の参照期間持続時間を有する参照期間136を表す配列索引132を特徴とする。第2のコンテンツアイテムヒストグラム142は、1日の参照期間持続時間を有する参照期間136を表す配列索引132を特徴とする。第3のコンテンツアイテムヒストグラム142は、3日の参照期間持続時間を有する参照期間136を表す配列索引132を特徴とする。この例示的シナリオ140では、コンテンツアイテムヒストグラム32は、コンテンツアイテム18の傾向についての異なる情報のセットを明らかにする。表現されるコンテンツアイテム18は、第2のコンテンツアイテムヒストグラム146によって示されるように、過去数日にわたる安定した正の傾向を示すことを開始した可能性がある。しかし、第1のコンテンツアイテムヒストグラム142は、実際には、より短期の負の傾向を明らかにすることがある。任意の特定の日に、夕方の時間よりも昼の時間に(ユーザ12がより活動的な場合に)より頻繁に参照16がユーザ12によって生成されることがあり、したがって、昼から夕方になると参照カウント134が落ち込むことがあるからである。一方、第3のコンテンツアイテムヒストグラム150は、現参照期間136の結果がまだ集計中であるので、コンテンツアイテム18に対する参照16の正の傾向をまだ反映していないことがある。例えば、爆発的に正の傾向を示すコンテンツアイテム18(第1のコンテンツアイテムヒストグラム142のみによって迅速に検出されることがあるが、より長い参照期間持続時間を表すコンテンツアイテムヒストグラム32では検出されないことがある)、または安定した正の傾向ではあるがより低速な傾向を示すコンテンツアイテム18(第3のコンテンツアイテムヒストグラム150上のみで検出可能であることがある)について、異なる結果が観測されることがある。
複数のコンテンツアイテムヒストグラム32を使用することにより、一実施形態は、コンテンツアイテム18に対する参照16の間の複数のタイプの傾向を検出することができる。例えば、図12の例示的シナリオ140では、コンテンツアイテムヒストグラム32の現参照カウント34を増分した後、一実施形態は、各コンテンツアイテムヒストグラム32についてトレンドスコア36を設定して各コンテンツアイテムヒストグラム32内のコンテンツアイテム18に対する参照16の傾向を反映する。次いで、実施形態は、それぞれのコンテンツアイテムヒストグラム32の複数のトレンドスコア36に基づいて、コンテンツアイテム18に関するトレンドスコア36を計算する。図12の例示的シナリオ140では、第1のコンテンツアイテムヒストグラム142について第1のトレンドスコア144を計算し(コンテンツアイテム18に対する検出した参照16の負の傾向を示す)、第2のコンテンツアイテムヒストグラム146について第2のトレンドスコア148を計算し(コンテンツアイテム18に対する検出した参照16の強い正の傾向を示す)、第3のコンテンツアイテムヒストグラム150について第3のトレンドスコア152を計算する(コンテンツアイテム18に対する検出した参照16のわずかに正の傾向を示す)。こうしたトレンドスコア36の中で、第2のコンテンツアイテムヒストグラム146で反映されるように、日ごとのコンテンツアイテム18に対する参照16の傾向に基づいて、最大トレンドスコア32をコンテンツアイテム18の最終的トレンドスコア154として選択する。しかし、他の実施形態は、例えば最小トレンドスコア36または平均トレンドスコア36を選択することにより、そのようなトレンドスコア36を異なるように使用する。本明細書で提示する技法で使用するコンテンツアイテムヒストグラム132の多くの実装および用途を当業者は考案することができよう。
こうした技法の実施形態の間で変化することのある第5の態様は、コンテンツアイテム18を比較して流行のコンテンツアイテム18を識別する間の、トレンドスコア32の減衰44に関する。本明細書で説明するように、コンテンツアイテム18に対する参照16の検出時に計算したトレンドスコア38は、最新の参照16の検出に先行する参照期間に関する参照カウント134を反映することができるが、最後の参照時間36と第2の(後続の)時間との間の不活動の期間中に参照16を検出しない場合、コンテンツアイテム18のトレンドスコア32を利用する場合に、この不活動の期間を反映することができない。多くのコンテンツアイテム18が、コンテンツアイテム18の最後の参照時間36と第2の時間42との間の少なくとも短い不活動の期間(および場合によっては延長した不活動の期間)を示すことがあるので、トレンドスコア38は、不活動の期間を反映するように調整しない限り、傾向検出で不正確な結果を生成することがある。したがって、この第5の態様の第1の例として、第2の時間42でのコンテンツアイテム18の比較時に、第2の時間42と、コンテンツアイテム18の最後の参照時間36との間の差に基づいて、それぞれのコンテンツアイテム18のトレンドスコア32を減衰する(44)。例えば、最後の参照時間36と第2の時間42との間の各介在参照期間136について、固定量(1ポイントなど)、または固定パーセンテージ(10%など)だけトレンドスコア32を減衰することができる(44)。代替として、より延長した不活動の期間に鑑みて、ゼロ参照16の第1の参照期間136についてトレンドスコア38の2%の減少、第2の参照期間136についてトレンドスコア38の4%の減少、第3の参照期間136についてトレンドスコア38の10%の減少など、累進的ペナルティを適用して減衰44を加速させることができる。
この第5の態様の第2の例としては、「トップ10流行アイテム」コンテンツアイテムセットなどの、流行のコンテンツアイテムセットサイズを有する流行のアイテムコンテンツセットを生成するために、トレンドスコア38の減衰44を実施する。したがって、(トレンドスコア38の減衰44の後に)最高の調整後トレンドスコア46を有するコンテンツアイテム18を、コンテンツアイテムセットのために選択する。さらに、流行のコンテンツアイテムセットのコンテンツアイテム18だけに関心があるシナリオでは、この流行のコンテンツアイテムセットに含まれることのあるコンテンツアイテム18のみについて減衰44を実施し、したがって流行のコンテンツアイテムセットに含めることのできないコンテンツアイテム18のトレンドスコア46を減衰させる(44)ことにより、計算資源が費やされることはない。例えば、第1のトレンドスコア38よりも低い第2のコンテンツアイテム18の第2のトレンドスコア38の前に第1のコンテンツアイテム18の第1のトレンドスコア38が減衰する(44)ように、減衰44を実施することができる。さらに、流行のコンテンツアイテムセットサイズまで流行のコンテンツアイテムセットを満たすコンテンツアイテム18の調整後トレンドスコア46の識別時に、流行のコンテンツアイテムセット内のコンテンツアイテム18の調整後トレンドスコア46よりも高い「減衰していない」トレンドスコア38(例えば、最後の参照以来の経過時間に基づく、減衰に先立つトレンドスコア)を有する他のコンテンツアイテム18が残っていない場合には、減衰を中止することができる。この技法は、流行のコンテンツアイテム18を識別すると共に、コンピューティングリソースの保存を促進する(特に、コンテンツアイテム18のセットが大きい場合)。
図13に、それぞれのコンテンツアイテム18のトレンドスコア38を減衰する(44)この技法を示す例示的シナリオを示す。この例示的シナリオでは、最高の調節後トレンドスコア46を有する3つの流行のコンテンツアイテム18のセットを識別するために、まず、(減衰していない)トレンドスコア38に従ってコンテンツアイテム18をソートし、より低い減衰していないトレンドスコア38を有するコンテンツアイテム18の前に、より高い減衰していないトレンドスコア38を有するコンテンツアイテム18を減衰させる(44)。特定の第2の時間(第2の時間42)に、以下の方法で流行についてコンテンツアイテム18を比較する。第1の時点160で、(最高の減衰していない)18のトレンドスコア38を有する第1のコンテンツアイテム18が減衰し(44)、17の調節後トレンドスコア46を生成する(最後の参照時間36以来の短い不活動の期間を反映する)。次に、第2の時点162で、(次に高い減衰していない)16のトレンドスコア38を有する第2のコンテンツアイテム18が減衰し(44)、調節後トレンドスコア11を生成する(最後の参照時間36以来の比較的長い不活動の期間を反映する)。次に、第3の時点164で、15のトレンドスコア38を有する第3のコンテンツアイテム18が、14の調節後トレンドスコアに減衰し、それによって、第2のコンテンツアイテム18よりも正の第3のコンテンツアイテム18の傾向を反映する。比較的高い調節後トレンドスコア46を有する3つのコンテンツアイテム18をここで識別したが、これらはコンテンツアイテムセット内の最も流行のコンテンツアイテム18ではない可能性がある。第4のコンテンツアイテム18が、13の減衰していないトレンドスコア38を提示し、恐らくは第2のコンテンツアイテム18の流行を超えるからである。したがって、第4の時点166で、第4のコンテンツアイテム18のトレンドスコア38が、12の調節後トレンドスコア46まで減衰し(44)、それによって3つの最も流行のコンテンツアイテム18のセット内の第2のコンテンツアイテム18に取って代わる。しかし、減衰44は、コンテンツアイテム18のトレンドスコア38だけを低減するので、この第4の時点166の後で別の減衰44は計算しない。残りのコンテンツアイテム18は、3つの最も流行のコンテンツアイテムのセット内の最低の調節後トレンドスコア46(すなわち、第4のコンテンツアイテム18によって提示される12の調節後トレンドスコア46)よりも大きい、減衰していないトレンドスコア38を提示しないからである。したがって、最も流行のコンテンツアイテム18のセットを、確定的に選択されているとみなすことができ、他のコンテンツアイテム18の別の減衰44を控えることによって計算資源を節約する。本明細書で提示する技法を実装しながら、コンテンツアイテム18のトレンドスコア38を減衰させる(44)多くの方法を当業者は考案することができよう。
こうした技法の実施形態の間で変化することのある第6の態様は、識別した流行のコンテンツアイテム18の様々な使用を含む。第1の例として、効率および/または性能を改善するために、例えば、より頻繁に参照されるコンテンツアイテム18をより迅速なアクセスのためのキャッシュに格納することにより、流行を使用して計算資源を調節することができる。こうした技法が(企業などによって)製品セット内の流行の製品を識別するために実装される、この第6の態様の第2の例として、流行のコンテンツアイテム18に関する情報を使用して、需要(例えば、正の傾向を示す製品の価格を上げ、および/または負の傾向を示す製品の価格を下げる)および/または在庫(例えば、販売成長の継続を予期して正の傾向を示す製品の単位をより多く発注し、および/または負の傾向を示す製品の発注を低減する)に応答して価格を調節する。
この第6の態様の第3の例として、流行のコンテンツアイテムについて得られる情報を、例えば、他のユーザ12が流行的に参照しているコンテンツアイテム18の提案として(ニュース記事、ウェブサイト、メディアオブジェクト、製品、地理的位置など)、ユーザ12に対して表示する。例えば、ソーシャルネットワークは、(様々なユーザ12によってポストされるメッセージ14に含まれるURLによって識別される)様々なウェブリソースを表す流行のコンテンツアイテム18についての情報を使用して、特定の時間に、例えば流行のコンテンツアイテム18を識別するためのユーザ12からの要求の受信時に、流行のウェブリソースのリストをユーザ12に提示する。そのような実施形態は、流行のコンテンツアイテム18を様々な方法で提示することができ、例えば、流行のコンテンツアイテム18のトレンドスコア38に従ってソートすることができる。代替または追加として、一実施形態は、例えば流行のコンテンツアイテム18を示すインスタントメッセージ、ポップアップダイアログ、Eメールメッセージなどの通知を提示することにより、流行のコンテンツアイテム18をユーザ12に事前に通知することができる。
図14に、ユーザ12に対する流行のコンテンツアイテム18の提示176を特徴とする例示的シナリオ170を示す。比較的高いトレンドスコア38を有する3つの流行のコンテンツアイテム18の識別時に、本明細書で提示する技法に従って構成されたデバイス22は、ディスプレイ174を有するユーザ12によって操作されるユーザデバイス172と通信し、流行のコンテンツアイテム18を提示するディスプレイ174上にレンダリングするためにユーザデバイス172にデータ(例えば、ウェブページ)を送る(例えば、トレンドスコア38の降順に従ってソートされ、したがって最高のトレンドスコア38を有するコンテンツアイテム18が最初に提示される)。例えばユーザ12の要求時に、この提示176をレンダリングすることができる。さらに、特に高いトレンドスコア38を有する第4のコンテンツアイテム18(例えば、速報ニュース記事)の識別時に、デバイス22は、ユーザデバイス172に情報を送り、ユーザ12に提示するために流行のコンテンツアイテム18の通知178をディスプレイ174上に出現させる。このようにして、こうした技法に従って識別した流行のコンテンツアイテム18を、事前に、または要求時にユーザ12に提示することができる。本明細書で提示する技法を実装しながら、流行のコンテンツアイテム18についての情報を使用する多くの方法を当業者は考案することができよう。
構造的特徴および/または方法論的動作に特有の術語で主題を説明したが、添付の特許請求の範囲で定義される主題は必ずしも上述の特定の特徴または動作に限定されないことを理解されたい。むしろ、上述の特定の特徴および動作は、特許請求の範囲を実装する例示的形態として開示される。
本願では、「構成要素」、「モジュール」、「システム」、「インターフェース」などの用語は一般に、ハードウェア、ハードウェアとソフトウェアの組合せ、ソフトウェア、または実行中のソフトウェアのいずれかであるコンピュータ関連の実体を指すものとする。例えば、構成要素は、限定はしないが、プロセッサ上で動作中のプロセス、プロセッサ、オブジェクト、実行可能ファイル、実行のスレッド、プログラム、および/またはコンピュータでよい。例として、コントローラ上で動作中のアプリケーションとコントローラはどちらも構成要素でよい。1つまたは複数の構成要素が、プロセスおよび/または実行のスレッド内に存在することができ、構成要素は、1つのコンピュータ上に局在化することができ、および/または2つ以上のコンピュータの間で分散することができる。
さらに、特許請求される主題を、標準プログラミング技法および/またはエンジニアリング技法を使用する方法、装置、または製品として実装し、ソフトウェア、ファームウェア、ハードウェア、またはそれらの任意の組合せを生成し、開示される主題を実装するようにコンピュータを制御することができる。本明細書では、「製造品」という用語は、任意のコンピュータ可読デバイス、キャリア、または媒体からアクセス可能なコンピュータプログラムを包含するものとする。もちろん、特許請求される主題の範囲または趣旨から逸脱することなく、この構成に対して多くの修正を行えることを当業者は理解されよう。
図15および以下の議論は、本明細書で説明した設備のうちの1つまたは複数のうちの実施形態を実装するための適切なコンピューティング環境の簡潔で一般的な説明を与える。図15の動作環境は、適切な動作環境の一例に過ぎず、動作環境の使用または機能の範囲に関して何らかの制限を示唆するものではない。例示的コンピューティングデバイスは、限定はしないが、パーソナルコンピュータ、サーバコンピュータ、ハンドヘルドまたはラップトップデバイス、モバイルデバイス(携帯電話、携帯情報端末(PDA)、メディアプレーヤなど)、マルチプロセッサシステム、コンシューマエレクトロニクス、ミニコンピュータ、メインフレームコンピュータ、上記のシステムまたはデバイスのいずれかを含む分散コンピューティング環境などを含む。
必須ではないが、1つまたは複数のコンピューティングデバイスによって実行中の「コンピュータ可読命令」の一般的状況で実施形態を説明する。コンピュータ可読命令は、(本明細書で与えられる)コンピュータ可読媒体を介して配布することができる。コンピュータ可読命令は、特定のタスクを実行し、または特定の抽象データタイプを実装する関数、オブジェクト、アプリケーションプログラミングインターフェース(API)、データ構造などのプログラムモジュールとして実装することができる。通常、様々な環境で必要に応じて、コンピュータ可読命令の機能を組み合わせ、または分散させることができる。
図15に、本明細書で与える1つまたは複数の実施形態を実装するように構成されたコンピューティングデバイス182を備えるシステム180の一例を示す。一構成では、コンピューティングデバイス182は、少なくとも1つ処理装置186およびメモリ188を含む。コンピューティングデバイスの厳密な構成およびタイプに応じて、メモリ188は、揮発性(例えばRAMなど)、不揮発性(例えばROM、フラッシュメモリなど)、またはその2つの何らかの組合せでよい。この構成を図15の破線184で示す。
別の実施形態では、デバイス182は、追加の特徴および/または機能を含むことができる。例えば、デバイス182は、限定はしないが、磁気ストレージ、光ストレージなどを含む追加のストレージ(例えば、取外し可能および/または取外し不能)をも含むことができる。そのような追加のストレージを図15のストレージ190で示す。一実施形態では、本明細書で提供する1つまたは複数の実施形態を実装するためのコンピュータ可読命令は、ストレージ190内にあってよい。ストレージ190は、オペレーティングシステム、アプリケーションプログラムなどを実装するための他のコンピュータ可読命令をも格納することができる。コンピュータ可読命令は、例えば処理装置186によって実行するためにメモリ188にロードすることができる。
本明細書で使用する「コンピュータ可読媒体」という用語は、コンピュータ記憶媒体を含む。コンピュータ記憶媒体は、コンピュータ可読命令、他のデータなどの情報を記憶するために何らかの方法または技術で実装された、揮発性および不揮発性の、取外し可能および取外し不能な媒体を含む。メモリ188およびストレージ190はコンピュータ記憶媒体の例である。コンピュータ記憶媒体は、限定はしないが、RAM、ROM、EEPROM、フラッシュメモリ、もしくは他のメモリ技術、CD−ROM、デジタルバーサタイルディスク(DVD)、もしくは他の光ストレージ、磁気カセット、磁気テープ、磁気ディスクストレージ、もしくは他の磁気記憶デバイス、または所望の情報を格納するのに使用することができ、デバイス182でアクセスすることのできる任意の他の媒体を含む。そのような任意のコンピュータ記憶媒体はデバイス182の一部でよい。
デバイス182はまた、デバイス182が他のデバイスと通信することを可能にする通信接続(複数可)196をも含むことができる。通信接続(複数可)196は、限定はしないが、モデム、ネットワークインターフェースカード(NIC)、統合ネットワークインターフェース、無線周波数送信機/受信機、赤外線ポート、USB接続、またはコンピューティングデバイス182を他のコンピューティングデバイスに接続する他のインターフェースを含むことができる。通信接続(複数可)196は、ワイヤード接続またはワイヤレス接続を含むことができる。通信接続(複数可)196は、通信媒体を送信および/または受信することができる。
「コンピュータ可読媒体」という用語は通信媒体を含むことができる。通信媒体は通常、コンピュータ可読命令または他のデータを、搬送波や他の移送機構などの「被変調データ信号」で実施し、任意の情報配信媒体を含む。「被変調データ信号」という用語は、その特徴のうちの1つまたは複数が信号中に情報を符号化するような方法で設定され、または変化する信号を含むことができる。
デバイス182は、キーボード、マウス、ペン、音声入力デバイス、タッチ入力デバイス、赤外線カメラ、ビデオ入力デバイス、および/または任意の他の入力デバイスなどの入力デバイス(複数可)194を含むことができる。1つまたは複数のディスプレイ、スピーカ、プリンタ、および/または任意の他の出力デバイスなどの出力デバイス(複数可)192もデバイス182に含めることができる。ワイヤード接続、ワイヤレス接続、またはそれらの任意の組合せを介して、入力デバイス(複数可)194および出力デバイス(複数可)192をデバイス182に接続することができる。一実施形態では、別のコンピューティングデバイスからの入力デバイスまたは出力デバイスを、コンピューティングデバイス182用の入力デバイス(複数可)194または出力デバイス(複数可)192として使用することができる。
コンピューティングデバイス182の構成要素をバスなどの様々な相互接続によって接続することができる。そのような相互接続は、Peripheral Component Interconnect(PCI) ExpressなどのPCI、ユニバーサルシリアルバス(USB)、ファイアワイヤ(IEEE1394)、光バス構造などを含むことができる。別の実施形態では、コンピューティングデバイス182の構成要素をネットワークで相互接続することができる。例えば、メモリ188は、ネットワークで相互接続された異なる物理的位置に配置された複数の物理メモリユニットから構成することができる。
コンピュータ可読命令を格納するのに使用される記憶デバイスをネットワークにわたって分散させることができることを当業者は理解されよう。例えば、ネットワーク198を介してアクセス可能なコンピューティングデバイス200は、本明細書で提供される1つまたは複数の実施形態を実装するためのコンピュータ可読命令を格納することができる。コンピューティングデバイス182は、コンピューティングデバイス200にアクセスし、実行のためにコンピュータ可読命令の一部またはすべてをダウンロードすることができる。代替として、コンピューティングデバイス182は、いくかのコンピュータ可読命令を必要に応じてダウンロードすることができ、いくつかの命令をコンピューティングデバイス182で実行し、いくつかをコンピューティングデバイス200で実行することができる。
実施形態の様々な動作を本明細書で提供する。一実施形態では、説明した動作のうちの1つまたは複数は、1つまたは複数のコンピュータ可読媒体上に格納されたコンピュータ可読命令を構成することができ、コンピュータ可読命令は、コンピューティングデバイスによって実行された場合、説明した動作をコンピューティングデバイスに実行させる。動作の一部またはすべてを説明する順序を、これらの動作が必ず順序に依存することを暗示すると解釈すべきではない。この説明の恩恵を得る当業者は代替順序を理解されよう。さらに、すべての動作が必ずしも本明細書で与えた各実施形態内に存在するわけではないことを理解されよう。
さらに、「例示的」という語を、本明細書では、例、事例、または例示としての働きをすることを意味するために使用する。本明細書で「例示的」として説明する任意の態様または設計は、必ずしも他の態様または設計よりも有利であると解釈すべきではない。むしろ、例示的という語の使用は、概念を具体的に提示するためのものである。本願では、「または」という用語は、排他的な「または」ではなく、包含的な「または」を意味するものとする。すなわち、別段に規定されていない限り、または文脈から明らかでない限り、「XはAまたはBを使用する」は、自然な包含的置換のいずれかを意味するものとする。すなわち、XがAを使用し、XがBを使用し、またはXがAとBのどちらも使用する場合、上記の例のいずれかの下で「XがAまたはBを使用する」が満たされる。さらに、本願および添付の特許請求の範囲で使用する冠詞「a」および「an」は一般に、別段に規定されていない限り、または文脈から単数形を対象とすることが明らかでない限り、「1つまたは複数」を意味すると解釈することができる。
さらに、1つまたは複数の実装に関して本開示を図示し、説明したが、本明細書および添付の図面を読み、理解することに基づいて、同等の変更および修正が当業者には思い浮かぶであろう。本開示は、すべてのそのような修正および変更を含み、以下の特許請求の範囲のみによって限定される。特に、上述の構成要素(例えば、要素、リソースなど)によって実施される様々な機能に関して、そのような構成要素を説明するのに使用した用語は、別段の指示がない限り、本開示の例示的実装で示した本明細書の機能を実施する、開示した構造と構造的には同等でないとしても、(例えば、機能的に同等である)説明した構成要素の指定の機能を実施する任意の構成要素に対応するものとする。さらに、本開示の特定の特徴をいくつかの実装のうちの1つだけに関して開示したが、所与または特定の応用例にとって望ましく、有利となるように、そのような特徴を他の実装の1つまたは複数の他の特徴と組み合わせることができる。さらに、「含む(includes)」、「有する(having)」、「有する(has)」、「と共に(with)」という用語、またはそれらの変形が詳細な説明または特許請求の範囲で使用される範囲で、そのような用語は、「含む(comprising)」という用語と同様に包含的なものとする。
Claims (15)
- プロセッサを有するデバイス上のコンテンツアイテムに対する参照に基づいて流行のコンテンツアイテムを識別する方法であって、
前記プロセッサ上で命令を実行するステップであって、前記命令が、
コンテンツアイテムに対する参照の検出時に、
前記参照が、前記コンテンツアイテムに対する最初に検出した参照を含む場合、前記コンテンツアイテムに関するコンテンツアイテムヒストグラムを開始し、
前記コンテンツアイテムに関する前記コンテンツアイテムヒストグラムの現参照カウントを増分し、
前記コンテンツアイテムヒストグラムを使用して、前記コンテンツアイテムに関するトレンドスコアを設定し、
前記コンテンツアイテムに関する最後の参照時間を設定し、
第2の時間に流行のコンテンツアイテムを、
それぞれのコンテンツアイテムについて、前記第2の時間と、前記コンテンツアイテムに関する前記最後の参照時間との差に従って前記トレンドスコアを減衰させ、
前記コンテンツアイテムの前記トレンドスコアを比較すること
によって識別する
ように構成される、ステップを含むことを特徴とする方法。 - それぞれのコンテンツアイテムは、データオブジェクトライブラリ内のデータオブジェクトを含み、
前記コンテンツアイテムに対するそれぞれの参照は、少なくとも1つのエージェントによる前記データオブジェクトのアクセスを含むことを特徴とする請求項1に記載の方法。 - それぞれのコンテンツアイテムは位置を含み、
前記コンテンツアイテムに対するそれぞれの参照は、前記位置に対する位置参照を含み、
前記命令が、前記コンテンツアイテムに対する前記参照の検出時に、
前記位置参照を含む一般化位置参照を計算し、
前記一般化位置参照を前記コンテンツアイテムに対する前記参照として使用する
ように構成されることを特徴とする請求項1に記載の方法。 - 前記コンテンツアイテムに対する参照を検出するステップは、
参照を検査して、前記参照がターゲット参照を参照するかどうかを判定するステップと、
前記参照がターゲット参照を参照すると判定したとき、前記ターゲット参照を前記コンテンツアイテムに対する前記参照として使用するステップと
を含むことを特徴とする請求項1に記載の方法。 - 前記デバイスは、それぞれの参照について、前記参照によって識別される前記ターゲット参照を識別する参照キャッシュを有し、
前記命令が、参照がターゲット参照を参照すると判定したとき、前記参照および前記ターゲット参照を前記参照キャッシュに格納するように構成され、
前記参照を検査して、前記参照がターゲット参照を参照するかどうかを判定するステップは、前記参照キャッシュが前記参照を含むかどうかを判定するステップを含むことを特徴とする請求項4に記載の方法。 - 前記コンテンツアイテムヒストグラムは、前記コンテンツアイテムに対する参照カウントの配列を含み、それぞれの参照カウントは、参照期間持続時間を有する参照期間内に検出された前記コンテンツアイテムに対する参照のカウントを示し、少なくとも1つ参照カウントは現参照期間内の前記参照カウントを表すことを特徴とする請求項1に記載の方法。
- 前記最後の参照時間は、前記現参照期間の開始時間を示し、
前記現参照カウントを増分するステップは、
前記参照の参照時間を前記最後の参照時間と比較するステップと、
前記参照時間が前記参照期間持続時間を超えて前記現参照期間を超過する場合、
0に初期化され、前記最後の参照時間以来の前記参照期間持続時間の少なくとも1つの参照期間を表す少なくとも1つの参照カウントを、前記配列に挿入するステップと、
前記最後の参照時間を更新するステップと
を含むことを特徴とする請求項6に記載の方法。 - コンテンツアイテムに関する前記コンテンツアイテムヒストグラムは、前記コンテンツアイテムに対する参照カウントの少なくとも2つの配列を含み、第1の配列は、第1の参照期間持続時間を有する参照期間内に検出されたそれぞれの参照カウントを含み、第2の配列は、前記第1の参照期間持続時間とは異なる第2の参照期間持続時間を有する参照期間内に検出されたそれぞれの参照カウントを含み、
前記コンテンツアイテムに関する前記トレンドスコアを設定するステップは、前記コンテンツアイテムヒストグラムを含む前記少なくとも2つの配列を使用して、前記コンテンツアイテムに関する前記トレンドスコアを設定するステップを含むことを特徴とする請求項6に記載の方法。 - 前記コンテンツアイテムの前記トレンドスコアを設定するステップは、
それぞれの配列について、配列トレンドスコアを計算するステップと、
前記トレンドスコアを前記配列トレンドスコアの間の最大配列トレンドスコアとして設定するステップと
を含むことを特徴とする請求項8に記載の方法。 - 前記コンテンツアイテムの前記トレンドスコアを設定するステップは、
前記コンテンツアイテムヒストグラム中の前記コンテンツアイテムに対する前の参照カウントと比べた、前記コンテンツアイテムヒストグラム中の前記コンテンツアイテムに対する最近の参照カウントの変化の大きさを計算するステップを含むことを特徴とする請求項1に記載の方法。 - それぞれのコンテンツアイテムの前記トレンドスコアを減衰させるステップは、
前記第2の時間と前記最後の参照時間の間の参照期間持続時間を有する少なくとも1つの参照期間を含む参照中断間隔を計算するステップと、
前記参照中断間隔のそれぞれの参照期間について、前記コンテンツアイテムの前記トレンドスコアを減衰値だけ低減するステップと
を含むことを特徴とする請求項1に記載の方法。 - 前記流行のコンテンツアイテムを識別するステップは、
前記流行のコンテンツアイテムの中から、最高のトレンドスコアを有する流行のコンテンツアイテムの流行のコンテンツアイテムセットを識別するステップであって、前記流行のコンテンツアイテムセットは、流行のコンテンツアイテムセットサイズを有するステップ
を含むことを特徴とする請求項1に記載の方法。 - それぞれのコンテンツアイテムの前記トレンドスコアを減衰させるステップは、
第1のトレンドスコアを有する第1のコンテンツアイテムと、前記第1のトレンドスコアよりも低い第2のトレンドスコアを有する第2のコンテンツアイテムとの間で、前記第2のコンテンツアイテムの前記トレンドスコアを減衰させる前に、前記第1のコンテンツアイテムの前記トレンドスコアを減衰させるステップと、
コンテンツアイテムの前記流行のコンテンツアイテムセットサイズの前記トレンドスコアを減衰させた結果、残りのコンテンツアイテムの前記トレンドスコアよりも高いトレンドスコアが得られたとき、前記コンテンツアイテムの前記トレンドスコアの減衰を中止するステップと
を含むことを特徴とする請求項12に記載の方法。 - 前記第2の時間に前記流行のコンテンツアイテムを識別するステップが、前記第2の時間に流行のコンテンツアイテムを識別するためのユーザからの要求の受信時に実施され、
前記第2の時間に前記流行のコンテンツアイテムを識別するステップは、
前記ユーザに前記流行のコンテンツアイテムを提示するステップ
を含むことを特徴とする請求項1に記載の方法。 - 流行のコンテンツアイテムを前記コンテンツアイテムに対する参照に基づいて識別するように構成されたシステムであって、
コンテンツアイテムに対する参照の検出時に、
前記参照が、前記コンテンツアイテムに対する最初に検出した参照を含む場合、前記コンテンツアイテムに関するコンテンツアイテムヒストグラムを開始し、
前記コンテンツアイテムに関する前記コンテンツアイテムヒストグラムの現参照カウントを増分し、
前記コンテンツアイテムヒストグラムを使用して、前記コンテンツアイテムに関するトレンドスコアを設定し、
前記コンテンツアイテムに関する最後の参照時間を設定する
ように構成された参照カウンティング構成要素と、
第2の時間に流行のコンテンツアイテムを、
それぞれのコンテンツアイテムについて、前記第2の時間と、前記コンテンツアイテムに関する前記最後の参照時間との差に従って前記トレンドスコアを減衰させ、
前記コンテンツアイテムの前記トレンドスコアを比較すること
によって識別するように構成された流行のコンテンツアイテム識別構成要素と
を備えることを特徴とするシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/821,747 US20110320715A1 (en) | 2010-06-23 | 2010-06-23 | Identifying trending content items using content item histograms |
US12/821,747 | 2010-06-23 | ||
PCT/US2011/041120 WO2011163147A2 (en) | 2010-06-23 | 2011-06-20 | Identifying trending content items using content item histograms |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013535065A true JP2013535065A (ja) | 2013-09-09 |
Family
ID=45353642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013516657A Withdrawn JP2013535065A (ja) | 2010-06-23 | 2011-06-20 | コンテンツアイテムヒストグラムを用いた流行のコンテンツアイテムの識別 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20110320715A1 (ja) |
EP (1) | EP2586007A4 (ja) |
JP (1) | JP2013535065A (ja) |
CN (1) | CN102947856A (ja) |
WO (1) | WO2011163147A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019016173A (ja) * | 2017-07-07 | 2019-01-31 | 株式会社日立製作所 | データ処理方法、データ処理装置、及びデータ処理プログラム |
Families Citing this family (116)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9819561B2 (en) | 2000-10-26 | 2017-11-14 | Liveperson, Inc. | System and methods for facilitating object assignments |
US8868448B2 (en) | 2000-10-26 | 2014-10-21 | Liveperson, Inc. | Systems and methods to facilitate selling of products and services |
US9432468B2 (en) | 2005-09-14 | 2016-08-30 | Liveperson, Inc. | System and method for design and dynamic generation of a web page |
US8738732B2 (en) | 2005-09-14 | 2014-05-27 | Liveperson, Inc. | System and method for performing follow up based on user interactions |
US8260846B2 (en) | 2008-07-25 | 2012-09-04 | Liveperson, Inc. | Method and system for providing targeted content to a surfer |
US8762313B2 (en) * | 2008-07-25 | 2014-06-24 | Liveperson, Inc. | Method and system for creating a predictive model for targeting web-page to a surfer |
US8805844B2 (en) | 2008-08-04 | 2014-08-12 | Liveperson, Inc. | Expert search |
US8458290B2 (en) | 2011-02-01 | 2013-06-04 | Limelight Networks, Inc. | Multicast mapped look-up on content delivery networks |
US9892417B2 (en) | 2008-10-29 | 2018-02-13 | Liveperson, Inc. | System and method for applying tracing tools for network locations |
US9521013B2 (en) | 2008-12-31 | 2016-12-13 | Facebook, Inc. | Tracking significant topics of discourse in forums |
US8462160B2 (en) * | 2008-12-31 | 2013-06-11 | Facebook, Inc. | Displaying demographic information of members discussing topics in a forum |
US9319357B2 (en) | 2009-01-15 | 2016-04-19 | Social Communications Company | Context based virtual area creation |
US9767212B2 (en) | 2010-04-07 | 2017-09-19 | Liveperson, Inc. | System and method for dynamically enabling customized web content and applications |
US9177346B2 (en) | 2010-07-01 | 2015-11-03 | Facebook, Inc. | Facilitating interaction among users of a social network |
US9197448B2 (en) * | 2010-07-19 | 2015-11-24 | Babar Mahmood Bhatti | Direct response and feedback system |
WO2013015835A1 (en) | 2011-07-22 | 2013-01-31 | Seven Networks, Inc. | Mobile application traffic optimization |
KR101774397B1 (ko) * | 2010-08-31 | 2017-09-13 | 삼성전자주식회사 | 방송 선호 정보를 제공하기 위한 방법 및 장치 |
US9699503B2 (en) | 2010-09-07 | 2017-07-04 | Opentv, Inc. | Smart playlist |
US10210160B2 (en) | 2010-09-07 | 2019-02-19 | Opentv, Inc. | Collecting data from different sources |
US8977767B2 (en) * | 2010-10-20 | 2015-03-10 | Qualcomm Incorporated | Methods and apparatuses for affecting programming of content for transmission over a multicast network |
US9324093B2 (en) * | 2010-10-28 | 2016-04-26 | Yahoo! Inc. | Measuring the effects of social sharing on online content and advertising |
JP5235972B2 (ja) * | 2010-11-17 | 2013-07-10 | 株式会社ソニー・コンピュータエンタテインメント | 情報処理装置および情報処理方法 |
US20120131013A1 (en) * | 2010-11-19 | 2012-05-24 | Cbs Interactive Inc. | Techniques for ranking content based on social media metrics |
US9350598B2 (en) | 2010-12-14 | 2016-05-24 | Liveperson, Inc. | Authentication of service requests using a communications initiation feature |
US8918465B2 (en) | 2010-12-14 | 2014-12-23 | Liveperson, Inc. | Authentication of service requests initiated from a social networking site |
US8943054B2 (en) | 2011-01-31 | 2015-01-27 | Social Resolve, Llc | Social media content management system and method |
US8396970B2 (en) | 2011-02-01 | 2013-03-12 | Limelight Networks, Inc. | Content processing between locations workflow in content delivery networks |
US8478858B2 (en) | 2011-02-01 | 2013-07-02 | Limelight Networks, Inc. | Policy management for content storage in content delivery networks |
US8615577B2 (en) | 2011-02-01 | 2013-12-24 | Limelight Networks, Inc. | Policy based processing of content objects in a content delivery network using mutators |
US8521813B2 (en) * | 2011-02-01 | 2013-08-27 | Limelight Networks, Inc. | Content replication workflow in content delivery networks |
US8838613B1 (en) | 2011-02-18 | 2014-09-16 | Google Inc. | Identifying trends from micro-posts |
EP2678784A4 (en) | 2011-02-23 | 2014-08-06 | Bottlenose Inc | ADAPTIVE SYSTEM ARCHITECTURE FOR IDENTIFYING POPULAR TOPICS IN NEWS |
US8954503B2 (en) * | 2011-03-03 | 2015-02-10 | Facebook, Inc. | Identify experts and influencers in a social network |
US8694593B1 (en) | 2011-03-31 | 2014-04-08 | Google Inc. | Tools for micro-communities |
US20120278431A1 (en) * | 2011-04-27 | 2012-11-01 | Michael Luna | Mobile device which offloads requests made by a mobile application to a remote entity for conservation of mobile device and network resources and methods therefor |
JP5679194B2 (ja) * | 2011-05-18 | 2015-03-04 | ソニー株式会社 | 情報処理装置、情報処理方法、およびプログラム |
US9668006B2 (en) * | 2011-06-01 | 2017-05-30 | Comcast Cable Communications, Llc | Content selection based on dispersion calculations |
US20130066885A1 (en) * | 2011-07-15 | 2013-03-14 | Binge, Llc | System and Method for Scoring the Popularity and Popularity Trend of an Object |
US8918468B1 (en) * | 2011-07-19 | 2014-12-23 | West Corporation | Processing social networking-based user input information to identify potential topics of interest |
US10068006B1 (en) * | 2011-12-09 | 2018-09-04 | Amazon Technologies, Inc. | Generating trend-based item recommendations |
US8909643B2 (en) * | 2011-12-09 | 2014-12-09 | International Business Machines Corporation | Inferring emerging and evolving topics in streaming text |
US20130151666A1 (en) * | 2011-12-13 | 2013-06-13 | Motorola Mobility, Inc. | Targeting content based on sensor network data while maintaining privacy of sensor network data |
US8694458B2 (en) * | 2011-12-21 | 2014-04-08 | Teradata Us, Inc. | Making estimations or predictions about databases based on data trends |
US9519614B2 (en) | 2012-01-10 | 2016-12-13 | Verizon Digital Media Services Inc. | Multi-layer multi-hit caching for long tail content |
US8370460B1 (en) * | 2012-01-10 | 2013-02-05 | Edgecast Networks, Inc. | Optimizing multi-hit caching for long tail content |
US20130298084A1 (en) * | 2012-01-27 | 2013-11-07 | Bottlenose, Inc. | Targeted advertising based on trending of aggregated personalized information streams |
US8943002B2 (en) | 2012-02-10 | 2015-01-27 | Liveperson, Inc. | Analytics driven engagement |
US9092540B2 (en) * | 2012-02-14 | 2015-07-28 | International Business Machines Corporation | Increased interoperability between web-based applications and hardware functions |
US8832092B2 (en) | 2012-02-17 | 2014-09-09 | Bottlenose, Inc. | Natural language processing optimized for micro content |
US9253051B2 (en) * | 2012-02-23 | 2016-02-02 | Ericsson Ab | System and method for delivering content in a content delivery network |
US9438487B2 (en) | 2012-02-23 | 2016-09-06 | Ericsson Ab | Bandwith policy management in a self-corrected content delivery network |
US8805941B2 (en) | 2012-03-06 | 2014-08-12 | Liveperson, Inc. | Occasionally-connected computing interface |
US9563336B2 (en) | 2012-04-26 | 2017-02-07 | Liveperson, Inc. | Dynamic user interface customization |
US20140123178A1 (en) * | 2012-04-27 | 2014-05-01 | Mixaroo, Inc. | Self-learning methods, entity relations, remote control, and other features for real-time processing, storage, indexing, and delivery of segmented video |
US9330419B2 (en) | 2012-05-01 | 2016-05-03 | Oracle International Corporation | Social network system with social objects |
US11023536B2 (en) | 2012-05-01 | 2021-06-01 | Oracle International Corporation | Social network system with relevance searching |
US9645944B2 (en) | 2012-05-07 | 2017-05-09 | International Business Machines Corporation | Enhancing data caching performance |
US9672196B2 (en) | 2012-05-15 | 2017-06-06 | Liveperson, Inc. | Methods and systems for presenting specialized content using campaign metrics |
US9697528B2 (en) * | 2012-06-25 | 2017-07-04 | International Business Machines Corporation | Tracking interactions with forwarded links by evaluating similarity of forwarded links and evaluating a chain of forwarding |
US20140025734A1 (en) * | 2012-07-18 | 2014-01-23 | Cisco Technology, Inc. | Dynamic Community Generation Based Upon Determined Trends Within a Social Software Environment |
US9009126B2 (en) * | 2012-07-31 | 2015-04-14 | Bottlenose, Inc. | Discovering and ranking trending links about topics |
US10275521B2 (en) | 2012-10-13 | 2019-04-30 | John Angwin | System and method for displaying changes in trending topics to a user |
US20140149501A1 (en) * | 2012-11-27 | 2014-05-29 | Wayne Kao | Efficient Navigation Through Social Networking Content |
US9619845B2 (en) | 2012-12-17 | 2017-04-11 | Oracle International Corporation | Social network system with correlation of business results and relationships |
US8856161B2 (en) * | 2012-12-21 | 2014-10-07 | Dropbox, Inc. | Preserving content item collection data across interfaces |
US9122989B1 (en) | 2013-01-28 | 2015-09-01 | Insidesales.com | Analyzing website content or attributes and predicting popularity |
US8762302B1 (en) | 2013-02-22 | 2014-06-24 | Bottlenose, Inc. | System and method for revealing correlations between data streams |
US9910921B2 (en) * | 2013-02-28 | 2018-03-06 | International Business Machines Corporation | Keyword refinement in temporally evolving online media |
US20140280052A1 (en) * | 2013-03-14 | 2014-09-18 | Microsoft Corporation | Knowledge discovery using collections of social information |
US9830191B2 (en) | 2013-04-15 | 2017-11-28 | Seven Networks, Llc | Temporary or partial offloading of mobile application functions to a cloud-based environment |
US9479473B2 (en) | 2013-04-30 | 2016-10-25 | Oracle International Corporation | Social network system with tracked unread messages |
US9275156B2 (en) | 2013-05-29 | 2016-03-01 | Microsoft Technology Licensing, Llc | Trending topic identification from social communications |
US9311406B2 (en) | 2013-06-05 | 2016-04-12 | Microsoft Technology Licensing, Llc | Discovering trending content of a domain |
US10063450B2 (en) * | 2013-07-26 | 2018-08-28 | Opentv, Inc. | Measuring response trends in a digital television network |
US20150058079A1 (en) * | 2013-08-26 | 2015-02-26 | Google Inc. | Detecting trends from images uploaded to a social network |
US10080060B2 (en) | 2013-09-10 | 2018-09-18 | Opentv, Inc. | Systems and methods of displaying content |
US20150074728A1 (en) * | 2013-09-10 | 2015-03-12 | Opentv, Inc. | Systems and methods of displaying content |
US9811521B2 (en) * | 2013-09-30 | 2017-11-07 | Google Inc. | Methods, systems, and media for presenting recommended content based on social cues |
US10367827B2 (en) | 2013-12-19 | 2019-07-30 | Splunk Inc. | Using network locations obtained from multiple threat lists to evaluate network data or machine data |
US9727630B2 (en) * | 2014-02-18 | 2017-08-08 | Microsoft Technology Licensing, Llc | Dynamic content delivery for real-time trends |
US11386442B2 (en) | 2014-03-31 | 2022-07-12 | Liveperson, Inc. | Online behavioral predictor |
US10592539B1 (en) | 2014-07-11 | 2020-03-17 | Twitter, Inc. | Trends in a messaging platform |
US10601749B1 (en) * | 2014-07-11 | 2020-03-24 | Twitter, Inc. | Trends in a messaging platform |
US11589083B2 (en) | 2014-09-26 | 2023-02-21 | Bombora, Inc. | Machine learning techniques for detecting surges in content consumption |
US9940634B1 (en) | 2014-09-26 | 2018-04-10 | Bombora, Inc. | Content consumption monitor |
US10311362B1 (en) * | 2014-12-12 | 2019-06-04 | Amazon Technologies, Inc. | Identification of trending content using social network activity and user interests |
US9880953B2 (en) | 2015-01-05 | 2018-01-30 | Tuxera Corporation | Systems and methods for network I/O based interrupt steering |
US9940234B2 (en) * | 2015-03-26 | 2018-04-10 | Pure Storage, Inc. | Aggressive data deduplication using lazy garbage collection |
JP6762963B2 (ja) | 2015-06-02 | 2020-09-30 | ライブパーソン, インコーポレイテッド | 一貫性重み付けおよびルーティング規則に基づく動的通信ルーティング |
US10977678B1 (en) | 2015-06-05 | 2021-04-13 | Groupon, Inc. | Apparatus and method for utilizing proximity density mapping to assist relevance determinations |
US10521815B1 (en) * | 2015-06-05 | 2019-12-31 | Groupon, Inc. | Apparatus and method for utilizing immediate gratification promotions |
US10929867B1 (en) | 2015-06-05 | 2021-02-23 | Groupon, Inc. | Apparatus and method for utilizing immediate gratification promotions |
CN104866628B (zh) * | 2015-06-16 | 2018-03-30 | 长沙万商云信息技术有限公司 | 高效计算机指令进行选择性不对等的大数据收集及分析方法和系统 |
WO2017116493A1 (en) * | 2015-12-28 | 2017-07-06 | Bombora, Inc. | Surge detector for content consumption |
US10687167B1 (en) * | 2016-03-31 | 2020-06-16 | Groupon, Inc. | Methods and systems for detecting aggregation events |
US11132413B2 (en) * | 2016-05-24 | 2021-09-28 | Microsoft Technology Licensing, Llc | Providing travel or promotion based recommendation associated with social graph |
US10326855B2 (en) * | 2016-07-28 | 2019-06-18 | International Business Machines Corporation | Trending topic driven cache eviction management |
CA3033743A1 (en) | 2016-08-14 | 2018-02-22 | Liveperson, Inc. | Systems and methods for real-time remote control of mobile applications |
US20180276227A1 (en) * | 2017-03-27 | 2018-09-27 | FanFaves, Inc. | System and method for creating and sharing customized web feeds from a plurality of sources |
US20180349351A1 (en) * | 2017-05-31 | 2018-12-06 | Move, Inc. | Systems And Apparatuses For Rich Phrase Extraction |
US10607143B2 (en) | 2017-08-22 | 2020-03-31 | Internatonal Business Machines Corporation | Profile data camera adjustment |
EP3447711A1 (en) * | 2017-08-24 | 2019-02-27 | Bombora, Inc. | Website interest detector |
US10694248B2 (en) | 2018-06-12 | 2020-06-23 | The Nielsen Company (Us), Llc | Methods and apparatus to increase a match rate for media identification |
US11735028B2 (en) | 2018-06-12 | 2023-08-22 | Intergraph Corporation | Artificial intelligence applications for computer-aided dispatch systems |
US11120058B2 (en) | 2018-10-22 | 2021-09-14 | Adobe Inc. | Generating and providing stacked attribution breakdowns within a stacked attribution interface by applying attribution models to dimensions of a digital content campaign |
US11347781B2 (en) | 2018-10-22 | 2022-05-31 | Adobe Inc. | Dynamically generating attribution-model visualizations for display in attribution user interfaces |
US10970338B2 (en) | 2018-11-13 | 2021-04-06 | Adobe Inc. | Performing query-time attribution channel modeling |
US11423422B2 (en) * | 2018-11-13 | 2022-08-23 | Adobe Inc. | Performing query-time attribution modeling based on user-specified segments |
US11347809B2 (en) | 2018-11-13 | 2022-05-31 | Adobe Inc. | Performing attribution modeling for arbitrary analytics parameters |
CN109657164B (zh) * | 2018-12-25 | 2020-07-10 | 广州华多网络科技有限公司 | 发布消息的方法、装置及存储介质 |
US11494393B2 (en) * | 2019-08-22 | 2022-11-08 | Yahoo Assets Llc | Method and system for data mining |
US11631015B2 (en) | 2019-09-10 | 2023-04-18 | Bombora, Inc. | Machine learning techniques for internet protocol address to domain name resolution systems |
US11170432B2 (en) * | 2020-03-31 | 2021-11-09 | Adobe Inc. | Recommender system based on trendsetter inference |
US11860780B2 (en) | 2022-01-28 | 2024-01-02 | Pure Storage, Inc. | Storage cache management |
US11762898B1 (en) | 2022-03-31 | 2023-09-19 | Dropbox, Inc. | Generating and utilizing digital media clips based on contextual metadata from digital environments |
CN116385591B (zh) * | 2023-06-06 | 2023-08-15 | 杭州芯翼科技有限公司 | 变化趋势图的显示方法、装置和设备 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7197470B1 (en) * | 2000-10-11 | 2007-03-27 | Buzzmetrics, Ltd. | System and method for collection analysis of electronic discussion methods |
US7143088B2 (en) * | 2000-12-15 | 2006-11-28 | The Johns Hopkins University | Dynamic-content web crawling through traffic monitoring |
US20020198979A1 (en) * | 2001-06-13 | 2002-12-26 | Allen Yu | Weighted decay system and method |
EP1621486B1 (en) * | 2004-07-29 | 2007-02-28 | Herrblitz Modular System Srl | Pneumatic device for transferring materials |
US8732175B2 (en) * | 2005-04-21 | 2014-05-20 | Yahoo! Inc. | Interestingness ranking of media objects |
US10210159B2 (en) * | 2005-04-21 | 2019-02-19 | Oath Inc. | Media object metadata association and ranking |
GB2430507A (en) * | 2005-09-21 | 2007-03-28 | Stephen Robert Ives | System for managing the display of sponsored links together with search results on a mobile/wireless device |
EP1936585A1 (en) * | 2006-12-23 | 2008-06-25 | NTT DoCoMo, Inc. | Method and apparatus for automatically identifying regions of interest in a digital map |
JP5140289B2 (ja) * | 2007-01-17 | 2013-02-06 | サイジニア株式会社 | 情報処理システム、サーバ装置、レコメンド方法、およびプログラム |
WO2009026395A1 (en) * | 2007-08-20 | 2009-02-26 | Facebook, Inc. | Targeting advertisements in a social network |
US9384186B2 (en) * | 2008-05-20 | 2016-07-05 | Aol Inc. | Monitoring conversations to identify topics of interest |
CN101639832A (zh) * | 2008-07-29 | 2010-02-03 | 国际商业机器公司 | 用于管理基于文本的流式数据的方法和系统 |
WO2010048430A2 (en) * | 2008-10-22 | 2010-04-29 | Fwix, Inc. | System and method for identifying trends in web feeds collected from various content servers |
-
2010
- 2010-06-23 US US12/821,747 patent/US20110320715A1/en not_active Abandoned
-
2011
- 2011-06-20 WO PCT/US2011/041120 patent/WO2011163147A2/en active Application Filing
- 2011-06-20 JP JP2013516657A patent/JP2013535065A/ja not_active Withdrawn
- 2011-06-20 CN CN2011800309378A patent/CN102947856A/zh active Pending
- 2011-06-20 EP EP11798718.0A patent/EP2586007A4/en not_active Withdrawn
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019016173A (ja) * | 2017-07-07 | 2019-01-31 | 株式会社日立製作所 | データ処理方法、データ処理装置、及びデータ処理プログラム |
Also Published As
Publication number | Publication date |
---|---|
US20110320715A1 (en) | 2011-12-29 |
EP2586007A4 (en) | 2016-04-27 |
WO2011163147A2 (en) | 2011-12-29 |
CN102947856A (zh) | 2013-02-27 |
EP2586007A2 (en) | 2013-05-01 |
WO2011163147A3 (en) | 2012-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2013535065A (ja) | コンテンツアイテムヒストグラムを用いた流行のコンテンツアイテムの識別 | |
JP6646781B2 (ja) | 検索結果へのアクセスを改良するシステム、方法及び記憶媒体 | |
US10726071B2 (en) | Content search engine | |
JP5795101B2 (ja) | リアルタイムフィードバックを伴う情報検索システム | |
US7974970B2 (en) | Detection of undesirable web pages | |
US9141722B2 (en) | Access to network content | |
US8510285B1 (en) | Using pre-search triggers | |
US20120066196A1 (en) | Device for determining internet activity | |
US9183312B2 (en) | Image display within web search results | |
US20160041984A1 (en) | Selecting content using query-independent scores of query segments | |
US10445753B1 (en) | Determining popular and trending content characteristics | |
JP2014519090A (ja) | 動的な画像表示領域およびウェブ検索結果内での画像表示 | |
US9171045B2 (en) | Recommending queries according to mapping of query communities | |
US10909170B2 (en) | Method for processing and rendering feed-like based images for mobile devices | |
CN107526828B (zh) | 页面信息推荐方法和装置 | |
US9558233B1 (en) | Determining a quality measure for a resource | |
US20160055203A1 (en) | Method for record selection to avoid negatively impacting latency | |
US8572096B1 (en) | Selecting keywords using co-visitation information | |
US9177255B1 (en) | Cloud systems and methods for determining the probability that a second application is installed based on installation characteristics | |
US9251171B2 (en) | Propagating image signals to images | |
US10547658B2 (en) | System and method for managing content presentation on client devices | |
EP4377813A1 (en) | Privacy sensitive estimation of digital resource access frequency |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20130712 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20130719 |
|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20140902 |