JP2014534516A5 - - Google Patents

Claims (57)

1. コンピュータサーバが、ソーシャル・ネットワーク環境の１以上のコンピューティングシステムに関連付けられているソーシャル・グラフにおいて、特定のユーザを示すユーザ・ノードにアクセスするステップであって、該ユーザ・ノードは、複数の属性ノードに接続されている、ステップと、
   前記コンピュータサーバが、前記ソーシャル・グラフにおける、複数の属性ノードにそれぞれ接続された複数のオブジェクト・ノードのそれぞれに対して、前記ユーザ・ノードと個別のオブジェクト・ノードとの間の一致係数を算出する、算出ステップとを含み、前記算出ステップは、
   前記ユーザ・ノードおよびオブジェクト・ノードの両方に接続された属性ノード全てからなるセットにおける各属性ノードに対して、前記ユーザ・ノードと該属性ノードとの間の第１の係数、および前記オブジェクト・ノードと該属性ノードとの間の第２の係数を算出するステップと、
   前記第１の係数と前記第２の係数との積の全ての合計を得るステップと、を含む、方法。
2. 前記第１の係数は、前記ユーザ・ノードと前記属性ノードとの間の分離度が大きくなると小さくなり、前記第２の係数は、前記オブジェクト・ノードと前記属性ノードとの間の分離度が大きくなると小さくなる、請求項１に記載の方法。
3. 前記第２の係数にはそれぞれ、その関連する属性ノードおよびオブジェクト・ノードの対に対するフィードバック重みが乗算される、請求項１に記載の方法。
4. 前記フィードバック重みは、機械学習アルゴリズムを通じて算出される、請求項３に記載の方法。
5. 属性ノードおよびオブジェクト・ノードの各対に対する前記フィードバック重みは、
   前記オブジェクト・ノードとのユーザ・ノードによる対話の全てを監視し、
   前記オブジェクト・ノードとのユーザ・ノードによる対話のそれぞれにおいて、
   前記属性ノードも、前記ユーザ・ノードに接続されるか否かを判定し、
   肯定的判定の結果、前記フィードバック重みをインクリメントし、
   否定的判定の結果、前記フィードバック重みをデクリメントすることによって算出される、請求項４に記載の方法。
6. 前記オブジェクト・ノードとのユーザ・ノードによる対話のタイプによって、前記フィードバック重みをインクリメントまたはデクリメントする量が決定される、請求項５に記載の方法。
7. 前記特定のユーザ・ノードに接続された属性ノードは、前記ソーシャル・グラフから算出された親近感を含む、請求項１に記載の方法。
8. 前記ソーシャル・グラフは、前記特定のユーザのプロフィールからの情報を含む、請求項７に記載の方法。
9. 前記ソーシャル・グラフは、前記ソーシャル・ネットワーク環境上の前記ユーザのアクションを含む、請求項７に記載の方法。
10. 前記ソーシャル・グラフは、前記ソーシャル・ネットワーク環境の外部のインターネット接続されたノードにおける前記ユーザのアクションを含む、請求項７に記載の方法。
11. 前記ソーシャル・グラフは、前記ユーザのメッセージ内の共通のキーワードを含む、請求項７に記載の方法。
12. 前記属性ノードは、メタデータ・タグを含む、請求項５に記載の方法。
13. 前記メタデータ・タグは、特定のオブジェクト・ノードに関連づけられたノード管理者から受信される、請求項１２に記載の方法。
14. 受信される前記メタデータ・タグには最初に、所定のフィードバック重みが割り当てられる、請求項１３に記載の方法。
15. 前記特定のユーザについての所定の閾値を超える一致係数によって、ノードを昇格させるステップをさらに含む、請求項１に記載の方法。
16. 前記特定のユーザに対して表示するために、一致係数の降順に、全てのノードをランキングするステップをさらに含む、請求項１に記載の方法。
17. 属性ノードは、コンセプト・ノードを含む、請求項１に記載の方法。
18. オブジェクト・ノードは、コンセプト・ノードを含む、請求項１７に記載の方法。
19. コンセプト・ノードは、前記ソーシャル・グラフによって動的に生成される、請求項１７に記載の方法。
20. １以上のコンピューティングシステムにおける１以上の非一時的コンピュータ可読記憶媒体であって、前記媒体は、
    ソーシャル・ネットワーク環境の１以上のコンピューティングシステムに関連付けられているソーシャル・グラフにおいて、特定のユーザを示すユーザ・ノードにアクセスするステップであって、該ユーザ・ノードは、複数の属性ノードに接続されている、ステップと、
    前記ソーシャル・グラフにおける、複数の属性ノードにそれぞれ接続された複数のオブ
    ジェクト・ノードのそれぞれに対して、前記ユーザ・ノードと個別のオブジェクト・ノードとの間の一致係数を算出する、算出ステップとが行われるように構成される論理を具現化しており、前記算出ステップは、
    前記ユーザ・ノードおよびオブジェクト・ノードの両方に接続された属性ノード全てからなるセットにおける各属性ノードに対して、前記ユーザ・ノードと該属性ノードとの間の第１の係数、および前記オブジェクト・ノードと該属性ノードとの間の第２の係数を算出するステップと、
    前記第１の係数と前記第２の係数との積の全ての合計を得るステップと、を含む、媒体。
21. 前記第１の係数は、前記ユーザ・ノードと前記属性ノードとの間の分離度が大きくなると小さくなり、前記第２の係数は、前記オブジェクト・ノードと前記属性ノードとの間の分離度が大きくなると小さくなる、請求項２０に記載の媒体。
22. 前記第２の係数にはそれぞれ、その関連する属性ノードおよびオブジェクト・ノードの対に対するフィードバック重みが乗算される、請求項２０に記載の媒体。
23. 前記フィードバック重みは、機械学習アルゴリズムを通じて算出される、請求項２２に記載の媒体。
24. 属性ノードおよびオブジェクト・ノードの各対に対する前記フィードバック重みは、
    前記オブジェクト・ノードとのユーザ・ノードによる対話の全てを監視し、
    前記オブジェクト・ノードとのユーザ・ノードによる対話のそれぞれにおいて、
    前記属性ノードも、前記ユーザ・ノードに接続されるか否かを判定し、
    肯定的判定の結果、前記フィードバック重みをインクリメントし、
    否定的判定の結果、前記フィードバック重みをデクリメントすることによって算出される、請求項２３に記載の媒体。
25. 前記オブジェクト・ノードとのユーザ・ノードによる対話のタイプによって、前記フィードバック重みをインクリメントまたはデクリメントする量が決定される、請求項２４に記載の媒体。
26. 前記特定のユーザ・ノードに接続された属性ノードは、前記ソーシャル・グラフから算出された親近感を含む、請求項２０に記載の媒体。
27. 前記ソーシャル・グラフは、前記特定のユーザのプロフィールからの情報を含む、請求項２６に記載の媒体。
28. 前記ソーシャル・グラフは、前記ソーシャル・ネットワーク環境上の前記ユーザのアクションを含む、請求項２６に記載の媒体。
29. 前記ソーシャル・グラフは、前記ソーシャル・ネットワーク環境の外部のインターネット接続されたノードにおける前記ユーザのアクションを含む、請求項２６に記載の媒体。
30. 前記ソーシャル・グラフは、前記ユーザのメッセージ内の共通のキーワードを含む、請求項２６に記載の媒体。
31. 前記属性ノードは、メタデータ・タグを含む、請求項２４に記載の媒体。
32. 前記メタデータ・タグは、特定のオブジェクト・ノードに関連づけられたノード管理者
    から受信される、請求項３１に記載の媒体。
33. 受信される前記メタデータ・タグには最初に、所定のフィードバック重みが割り当てられる、請求項３２に記載の媒体。
34. 前記特定のユーザについての所定の閾値を超える一致係数によって、ノードを昇格させるステップをさらに含む、請求項２０に記載の媒体。
35. 前記特定のユーザに対して表示するために、一致係数の降順に、全てのノードをランキングするステップをさらに含む、請求項２０に記載の媒体。
36. 属性ノードは、コンセプト・ノードを含む、請求項２０に記載の媒体。
37. オブジェクト・ノードは、コンセプト・ノードを含む、請求項３６に記載の媒体。
38. コンセプト・ノードは、前記ソーシャル・グラフによって動的に生成される、請求項３６に記載の媒体。
39. １以上のプロセッサと、
    前記プロセッサが実行可能な命令を備え、前記プロセッサに結合されているメモリと、を備え、前記命令が実行されるとき、前記プロセッサは、
    ソーシャル・ネットワーク環境の１以上のコンピューティングシステムに関連付けられているソーシャル・グラフにおいて、特定のユーザを示すユーザ・ノードにアクセスするステップであって、該ユーザ・ノードは、複数の属性ノードに接続されている、ステップと、
    前記ソーシャル・グラフにおける、複数の属性ノードにそれぞれ接続された複数のオブジェクト・ノードのそれぞれに対して、前記ユーザ・ノードと個別のオブジェクト・ノードとの間の一致係数を算出する、算出ステップとが行われるように構成されており、前記算出ステップは、
    前記ユーザ・ノードおよびオブジェクト・ノードの両方に接続された属性ノード全てからなるセットにおける各属性ノードに対して、前記ユーザ・ノードと該属性ノードとの間の第１の係数、および前記オブジェクト・ノードと該属性ノードとの間の第２の係数を算出するステップと、
    前記第１の係数と前記第２の係数との積の全ての合計を得るステップと、を含む、システム。
40. 前記第１の係数は、前記ユーザ・ノードと前記属性ノードとの間の分離度が大きくなると小さくなり、前記第２の係数は、前記オブジェクト・ノードと前記属性ノードとの間の分離度が大きくなると小さくなる、請求項３９に記載のシステム。
41. 前記第２の係数にはそれぞれ、その関連する属性ノードおよびオブジェクト・ノードの対に対するフィードバック重みが乗算される、請求項３９に記載のシステム。
42. 前記フィードバック重みは、機械学習アルゴリズムを通じて算出される、請求項４１に記載のシステム。
43. 属性ノードおよびオブジェクト・ノードの各対に対する前記フィードバック重みは、
    前記オブジェクト・ノードとのユーザ・ノードによる対話の全てを監視し、
    前記オブジェクト・ノードとのユーザ・ノードによる対話のそれぞれにおいて、
    前記属性ノードも、前記ユーザ・ノードに接続されるか否かを判定し、
    肯定的判定の結果、前記フィードバック重みをインクリメントし、
    否定的判定の結果、前記フィードバック重みをデクリメントすることによって算出される、請求項４２に記載のシステム。
44. 前記オブジェクト・ノードとのユーザ・ノードによる対話のタイプによって、前記フィードバック重みをインクリメントまたはデクリメントする量が決定される、請求項４３に記載のシステム。
45. 前記特定のユーザ・ノードに接続された属性ノードは、前記ソーシャル・グラフから算出された親近感を含む、請求項３９に記載のシステム。
46. 前記ソーシャル・グラフは、前記特定のユーザのプロフィールからの情報を含む、請求項４５に記載のシステム。
47. 前記ソーシャル・グラフは、前記ソーシャル・ネットワーク環境上の前記ユーザのアクションを含む、請求項４５に記載のシステム。
48. 前記ソーシャル・グラフは、前記ソーシャル・ネットワーク環境の外部のインターネット接続されたノードにおける前記ユーザのアクションを含む、請求項４５に記載のシステム。
49. 前記ソーシャル・グラフは、前記ユーザのメッセージ内の共通のキーワードを含む、請求項４５に記載のシステム。
50. 前記属性ノードは、メタデータ・タグを含む、請求項４３に記載のシステム。
51. 前記メタデータ・タグは、特定のオブジェクト・ノードに関連づけられたノード管理者から受信される、請求項５０に記載のシステム。
52. 受信される前記メタデータ・タグには最初に、所定のフィードバック重みが割り当てられる、請求項５１に記載のシステム。
53. 前記特定のユーザについての所定の閾値を超える一致係数によって、ノードを昇格させるステップをさらに含む、請求項３９に記載のシステム。
54. 前記特定のユーザに対して表示するために、一致係数の降順に、全てのノードをランキングするステップをさらに含む、請求項３９に記載のシステム。
55. 属性ノードは、コンセプト・ノードを含む、請求項３９に記載のシステム。
56. オブジェクト・ノードは、コンセプト・ノードを含む、請求項５５に記載のシステム。
57. コンセプト・ノードは、前記ソーシャル・グラフによって動的に生成される、請求項５５に記載のシステム。