JP2015201157A - ソーシャルネットワークデータを使用する動的コンテンツ推奨システム - Google Patents

Abstract

【課題】ユーザが関心を持つコンテンツデータを精度良く推測ユーザに推奨する。【解決手段】ユーザに関連付けられたＳＮＳデータを取得し、ＳＮＳデータからキーワード（キーフレーズを含む）を抽出し、ＳＮＳデータ中で前記キーワードが観測される頻度を示す頻度解析を含む嗜好モデルを決定し、コンテンツデータ要求を受信し、前記嗜好モデルに関連付けられた頻度解析に基づいてコンテンツデータベースからコンテンツアイテムを検索し、検索されたコンテンツアイテムからユーザ又は車両システムへの推奨アイテムを生成し、前記推奨アイテムを前記ユーザへの提示または前記車両システムによる処理のために提供する。【選択図】図３

Description

本明細書は、コンテンツデータの推奨に関する。

ユーザは、様々なコンテンツプロバイダからの多くのオンラインコンテンツアイテム（例えば、ビデオアイテム、オーディオアイテム等）にアクセスすることができる。しかし、ユーザは、様々なコンテンツプロバイダから、関心のあるコンテンツアイテムを手動で検索する必要がある。ユーザが、様々なオンラインコンテンツアイテムから関連するコンテンツアイテムを手動で適宜見つけ出すことは困難である。

ユーザが関心を持つコンテンツデータを自動的に選択してユーザに提示することが望まれる。この際、ユーザが関心を持つコンテンツデータの推測精度を向上させることが必要である。

本発明は、ユーザが関心を持つコンテンツデータを精度良く推測可能な技術を提供することを目的とする。本発明は、また、ユーザが関心を持つコンテンツデータを自動的に選択してユーザに推奨可能なシステムおよび方法を提供することを目的とする。

本開示に述べられる主題の新規の一態様によれば、ユーザへの提示及び／又は車両システムによる考慮に推奨されるアイテムを提供するシステムは、１つ又は複数のプロセッサと、命令を記憶する１つ又は複数のメモリとを含む。当該命令はプロセッサに対して、ユーザに関連付けられたソーシャルネットワークデータを取得する取得ステップと、前記ソーシャルネットワークデータからキーワードまたはキーフレーズを抽出する抽出ステップと、前記キーワードまたはキーフレーズに関連付けられた頻度解析であって前記ソーシャルネットワークデータ中に前記キーワードまたはキーフレーズが観測される頻度を示す頻度解析を含む嗜好モデルを決定する決定ステップと、コンテンツデータ要求を受信する受信ステップと、前記嗜好モデルに関連付けられた頻度解析に基づいてコンテンツデータベースからコンテンツアイテムを検索する検索ステップと、前記コンテンツアイテムから、ユーザ又は車両システムへの推奨アイテムを生成する生成ステップと、前記推奨アイテムを、前記ユーザへの提示または前記車両システムによる処理のために提供する提供ステップと、を実行させる。

一般に、本開示に述べられる主題の別の一態様は、コンピュータによって実行される方法であって、ユーザに関連付けられたソーシャルネットワークデータを取得する取得ステップと、前記ソーシャルネットワークデータからキーワードまたはキーフレーズを抽出する抽出ステップと、前記キーワードまたはキーフレーズに関連付けられた頻度解析であって前記ソーシャルネットワークデータ中に前記キーワードまたはキーフレーズが観測される頻度を示す頻度解析を含む嗜好モデルを決定する決定ステップと、コンテンツデータ要求を受信する受信ステップと、前記嗜好モデルに関連付けられた頻度解析に基づいてコンテンツデータベースからコンテンツアイテムを検索する検索ステップと、前記コンテンツアイテムから、ユーザ又は車両システムへの推奨アイテムを生成する生成ステップと、前記推奨アイテムを、前記ユーザへの提示または前記車両システムによる処理のために提供する提供ステップと、を含む。

他の態様は、これら及び他の新規の態様に対応する方法、システム、装置、及びコンピュータプログラム、当該コンピュータプログラムを格納したコンピュータ可読記憶媒体を含む。

ソーシャルネットワークサービスとは、ユーザ同士の関係や結びつきを明示的あるいは黙示的に定義可能であり、それぞれのユーザが何らかのデータを他のユーザに公開可能なように送信可能なサービスである。ソーシャルネットワークデータは、このようなソーシャルネットワークサービスにおいてユーザによって公開された上記のデータであり、投稿、コメント、承認、シェア、ユーザプロフィール（興味、学歴、職歴）、ユーザが加入しているコミュニティ、ニュースフィード、トピック、ソーシャルフィードなどが含まれる。また、あるユーザとソーシャルグラフによって結びつけられた他のユーザによって公開された上記のデータも、当該あるユーザに関連付けられたソーシャルネットワークデータに含まれ得る。

コンテンツアイテムは、ユーザに提供される任意の情報であってよい。コンテンツアイテムの形式は、例えば、オーディオファイル、ビデオファイル、画像、テキストファイルやこれらの組合せなどであってよい。コンテンツアイテムの内容は、例えば、音楽、映画、ＴＶ番組、ラジオ番組、ニュース、記事、書籍（オーディオブックを含む）、情報提供（交通情報、天気情報、店舗情報、イベント情報など）、ニュースフィード、他のユーザのソーシャルネットワークデータ（投稿など）が挙げられるがこれらに限定されない。

これら及び他の実施態様はそれぞれ、任意選択的に、以下の特徴のうちの１つ又は複数を含み得る。例えば、推奨アイテムに対するユーザの反応を示すフィードバックデータを受信する受信ステップと、前記フィードバックデータに基づいて前記嗜好モデルを改良する改良ステップと、をさらに含み得る。例えば、上記検索ステップは、頻度解析に基づいて、嗜好モデルからフィーチャーされるキーワードまたはキーフレーズを特定することと、コンテンツデータベースを検索して、フィーチャーされるキーワードまたはキーフレーズに合致するコンテンツアイテムを取得することと、を含み得る。フィーチャーされるキーワードまたはキーフレーズは、タイムスタンプ、観測頻度の合計、観測頻度の変化傾向の１つまたは複数に基づいて決定され得る。推奨アイテムは、変更された最大速度または目的地までの代替ルートとし得る。

本開示は、いくつかの点で特に有利であり得る。第１に、本システムは、（１）ユーザの同意の上でユーザのソーシャルネットワークデータを監視し、（２）ユーザのソーシャルネットワークデータからキーワード又はキーフレーズを抽出し、（３）抽出されたキーワード又はキーフレーズに基づいてユーザの嗜好モデルを作成することによってユーザの嗜好モデルを自動的に学習することが可能である。第２に、システムは、適宜、コンテンツアイテムをユーザに自動的に提供することにより、よりよいユーザ経験を提供し、自動的な提供により、コンテンツを選択するユーザの時間が節約される。例えば、システムは、準リアルタイムオーディオコンテンツアイテムを、車両を運転中の運転者に自動的に提供することができ、それにより、運転者はオーディオコンテンツアイテムを手動で選択する必要がない。別の例では、ユーザに提供されるコンテンツアイテムは、予め記録されたコンテンツアイテムであり、ユーザは、スケジュールされたライブ放送時間ではなく、随時、コンテンツアイテムにアクセスすることができる。システムは、いくつかの他の利点を有し得る。

本発明によれば、ユーザが関心を持つコンテンツデータを精度良く推測することができる。また、ユーザが関心を持つコンテンツデータを自動的に選択してユーザに推奨することができる。

推奨コンテンツアイテムをユーザ又は車両システムに提供するシステムの一例を示すブロック図である。 コンテンツアプリケーションの一例を示すブロック図である。 推奨コンテンツアイテムをユーザ又は車両システムに提供する一例のフローチャートである。 推奨コンテンツアイテムをユーザ又は車両システムに提供する方法の別の例のフローチャートである。 推奨コンテンツアイテムをユーザ又は車両システムに提供する方法の別の例のフローチャートである。 一実施形態による嗜好モデルの一例に含まれるデータを示すグラフ表現である。 キーワード又はキーフレーズの頻度の変化傾向を示すグラフ表現である。 キーワード又はキーフレーズの頻度の変化傾向を示すグラフ表現である。 キーワード又はキーフレーズの頻度の変化傾向を示すグラフ表現である。 イベント警告を示すグラフ表現である。 代替ルート示唆を示すグラフ表現である。

本開示は、限定ではなく例として、添付図面の図に示され、図面中、同様の参照符号は同様の要素を指すために使用される。

＜概要＞
図１は、推奨アイテムをユーザ又は車両システムに提供するシステム１００のいくつかの実施態様のブロック図を示す。図示のシステム１００は、ユーザ１２５がアクセス可能なユーザ装置１１５と、ソーシャルネットワークサーバ１０１と、コンテンツプロバイダ１０７と、ユーザ１２５がアクセス可能なコンテンツサーバ１２７及びモバイルコンピューティングシステム１３５とを含む。いくつかの実施形態では、システム１００は、ウェブサーバ、電子メールサーバ等を含め、図１に示されない他のエンティティを含み得る。図示の実施態様では、システム１００のこれらのエンティティは、ネットワーク１０５に通信可能に結合される。

図１は、１つのユーザ装置１１５、１つのモバイルコンピューティングシステム１３５、１つのソーシャルネットワークサーバ１０１、１つのコンテンツプロバイダ１０７、及び１つのコンテンツサーバ１２７を示すが、本開示は、１つ又は複数のユーザ装置１１５、１つ又は複数のモバイルコンピューティングシステム１３５、１つ又は複数のコンテンツサーバ１２７、１つ又は複数のソーシャルネットワークサーバ１０１、及び１つ又は複数のコンテンツプロバイダ１０７を有するシステムアーキテクチャに適用される。さらに、図１は、ユーザ装置１１５と、ソーシャルネットワークサーバ１０１と、コンテンツプロバイダ１０７と、モバイルコンピューティングシステム１３５と、コンテンツサーバ１２７とに結合された１つのネットワーク１０５を示すが、実際には、１つ又は複数のネットワーク１０５をこれらのエンティティに接続することができる。

いくつかの実施態様では、コンテンツプロバイダ１０７は、プロセッサと、メモリと、ネットワーク通信性能とを有するハードウェアサーバであることができる。コンテンツプロバイダ１０７は、ネットワーク１０５を介してシステム１００の他のエンティティとデータをやりとりする。コンテンツプロバイダ１０７は、信号線１０６を介してネットワーク１０５に通信可能に結合される。図示の実施形態では、コンテンツプロバイダ１０７は、記憶装置１４１を含む。

記憶装置１４１は、本明細書に記載の機能を提供するデータを記憶する非一時的なメモリであることができる。記憶装置１４１は、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）装置、スタティックランダムアクセスメモリ（ＳＲＡＭ）装置、フラッシュメモリ装置、又は他の何らかの装置であり得る。いくつかの実施態様では、記憶装置１４１は、不揮発性メモリ又はハードディスクドライブ、フロッピーディスクドライブ、ＣＤ−ＲＯＭ装置、ＤＶＤ−ＲＯＭ装置、ＤＶＤ−ＲＡＭ装置、ＤＶＤ−ＲＷ装置、フラッシュメモリ装置、又は情報をより永続的に記憶する他の何らかの大容量記憶装置を含む同様の永続的な記憶装置及び媒体も含む。

図示の実施態様では、記憶装置１４１はコンテンツデータベース１４３を含む。コンテンツデータベース１４３は、１つ又は複数のコンテンツアイテムを記述するコンテンツデータの集まりを記憶する。例えば、コンテンツデータベース１４３は、検索可能なオンラインポッドキャストデータベースである。コンテンツアイテムの例としては、オーディオファイル（例えば、音楽オーディオクリップ、ポッドキャスト、オーディオブック、オーディオニュース、ラジオ番組、交通アナウンス、天気予報等）、ビデオファイル（例えば、音楽ビデオ、映画、ＴＶ番組、ニュースビデオ、又は任意の他のビデオ）、画像、テキストファイル、記事、投稿、イベント、ニュースフィード等が挙げられるが、これらに限定されない。コンテンツアイテムの他の例も可能である。一実施形態では、コンテンツアイテムは、予め記録されたコンテンツアイテムである。別の実施形態では、コンテンツアイテムはライブコンテンツアイテムである。

いくつかの実施態様では、コンテンツアプリケーション１０３は、信号線１０４を介してネットワーク１０５に結合されるソーシャルネットワークサーバ１０１で動作可能であり得る。ソーシャルネットワークサーバ１０１は、プロセッサと、メモリと、ネットワーク通信性能とを含むハーウェアサーバであることができる。いくつかの実施態様では、ソーシャルネットワークサーバ１０１は、ユーザ装置１１５、コンテンツサーバ１２７、モバイルコンピューティングシステム１３５、及びコンテンツプロバイダ１０７のうちの１つ又は複数と、ネットワーク１０５を介してデータをやりとりする。ソーシャルネットワークサーバ１０１は、ソーシャルネットワークアプリケーション１０９及び記憶装置１４５を含む。ソーシャルネットワークは、ユーザを共通の特徴によって接続し得るタイプのソーシャル構造であることができる。共通の特徴は、関係／結びつき、例えば、友人関係、家族、仕事、興味等を含む。共通の特徴は、明示的に定義される関係及び他のオンラインユーザとの社会的な結びつきによって暗示される関係を含む１つ又は複数のソーシャルネットワーキングシステムによって提供し得、関係はソーシャルパスを形成する。いくつかの例では、ソーシャルグラフは、これらのユーザのマッピング及びユーザがどのように関連することができるかを反映することができる。さらに、ソーシャルネットワークサーバ１０１及びソーシャルネットワークアプリケーション１０９は、１つのソーシャルネットワークを表し得、ネットワーク１０５に結合された複数のソーシャルネットワークがあり得、各ソーシャルネットワークはそれ自体のサーバ、アプリケーション、及びソーシャルグラフを有する。例えば、第１のソーシャルネットワークは、よりビジネスネットワーキング向けであることができ、第２のソーシャルネットワークはより学問向けであるか、又はより学問を中心とすることができ、第３のソーシャルネットワークは、よりローカルビジネス向けであることができ、第４のソーシャルネットワークはよりデーティングサービス向けであることができ、他は一般的な興味又は特定のフォーカスのものとすることができる。

いくつかの実施態様では、コンテンツアプリケーション１０３はコンテンツサーバ１２７に記憶することができ、このサーバは信号線１０２を介してネットワーク１０５に接続される。いくつかの実施態様では、コンテンツサーバ１２７は、プロセッサと、メモリと
、ネットワーク通信性能とを含むハードウェアサーバであることができる。コンテンツサーバ１２７は、ネットワーク１０５を介してシステム１００の他のエンティティとデータをやりとりする。例えば、コンテンツサーバ１２７は、コンテンツプロバイダ１０７から１つ又は複数のコンテンツアイテムを記述するデータを受信する。別の例では、コンテンツサーバ１２７は、ユーザ１２５に提示するために、ユーザ装置１１５又はモバイルコンピューティングシステム１３５に推奨コンテンツアイテムを送信する。

いくつかの実施態様では、コンテンツアプリケーション１０３はユーザ装置１１５に記憶することができ、この装置は信号線１０８を介してネットワーク１０５に接続される。いくつかの実施態様では、ユーザ装置１１５は、メモリ及びプロセッサを含む計算装置、例えば、ラップトップコンピュータ、デスクトップコンピュータ、タブレットコンピュータ、携帯電話、個人情報端末（ＰＤＡ）、モバイル電子メール装置、ポータブルゲームプレーヤ、ポータブル音楽プレーヤ、リーダ装置、１つ若しくは複数のプロセッサが内蔵されるか、若しくは結合されたテレビ、又はネットワーク１０５にアクセス可能な他の電子装置であり得る。図示の実施態様では、ユーザ１２５はユーザ装置１１５とインタラクションする。いくつかの実施態様では、コンテンツアプリケーション１０３は、一部では、ユーザ装置１１５に記憶し得るシンクライアントアプリケーションとして動作し、一部では、ソーシャルネットワークサーバ１０１、モバイルコンピューティングシステム１３５、及びコンテンツサーバ１２７のうちの１つ又は複数に記憶し得る構成要素として動作する。

いくつかの実施態様では、コンテンツアプリケーション１０３はモバイルコンピューティングシステム１３５に記憶することができ、このシステムは信号線１１０を介してネットワーク１０５に接続される。いくつかの実施態様では、モバイルコンピューティングシステム１３５は、メモリ及びプロセッサを含む計算装置、例えば、ラップトップコンピュータ、タブレットコンピュータ、携帯電話、個人情報端末（ＰＤＡ）、モバイル電子メール装置、ポータブルゲームプレーヤ、ポータブル音楽プレーヤ、１つ若しくは複数のプロセッサが内蔵されるか、若しくは結合されるテレビ、又はネットワーク１０５にアクセス可能な任意の他のモバイル電子システムを含む任意の計算システムである。一実施形態では、モバイルコンピューティングシステム１３５は、車両、バイク、バス、人工インプラント、又は非一時的なコンピュータ電子装置（例えば、プロセッサ、メモリ、又は非一時的なコンピュータ電子装置の任意の組み合わせ）を有する任意の他のモバイルシステムのうちの１つである。例えば、モバイルコンピューティングシステム１３５は、車、飛行機、ボート、自転車、又は他の輸送システム等の車両システムを含み得る。

コンテンツアプリケーション１０３は、推奨コンテンツアイテムをユーザ又は車両システムに提供するコード及びルーチンであることができる。いくつかの実施態様では、コンテンツアプリケーション１０３は、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）又は特定用途向け集積回路（ＡＳＩＣ）を含むハードウェアを使用して実施することができる。いくつかの他の実施態様では、コンテンツアプリケーション１０３は、ハードウェアとソフトウェアとの組み合わせを使用して実施することができる。いくつかの実施態様では、コンテンツアプリケーション１０３は、装置とサーバとの組み合わせ又は装置若しくはサーバのいずれか一方に記憶し得る。コンテンツアプリケーション１０３については、図２〜図４Ｂを参照してより詳細に後述する。

記憶装置１４５は、記憶装置１４１について上述した構造と同様の構造を有し、同様の機能を提供し、説明はここで繰り返さない。図示の実施形態では、記憶装置１４５はソーシャルネットワークデータ１４７を記憶する。ソーシャルネットワークデータ１４７は、ソーシャルネットワークに関連する任意のデータである。例えば、ソーシャルネットワークデータ１４７は、ソーシャルネットワークにおいてユーザによって公開される投稿、コ
メント、承認、シェア等のうちの１つ又は複数を含む。別の例では、ソーシャルネットワークデータ１４７は、ユーザに関連付けられたユーザプロフィール（例えば、ユーザの氏名、性別、学歴、仕事経験、興味、趣味、人口統計学的情報等）、ユーザが購読している１つ又は複数のニュースフィード、ユーザに関連付けられたソーシャルフィード、ユーザが加入している１つ又は複数のトピック、ユーザが参加している１つ又は複数のコミュニティ、及びユーザに関連付けられた１つ又は複数のカレンダーイベント等を記述するデータを含む。

ネットワーク１０５は、有線や無線の従来のものであってよく、スター構成、トークンリング構成、又は他の構成を含む多くの異なる構成を有し得る。さらに、ネットワーク１０５は、ローカルエリアネットワーク（ＬＡＮ）、広域ネットワーク（ＷＡＮ）（例えば、インターネット）、及び／又は複数の通信が通信し得る他の相互接続されたデータパスを含み得る。いくつかの実施態様では、ネットワーク１０５はピアツーピアネットワークであり得る。ネットワーク１０５は、様々な異なる通信プロトコルでデータを送信する通信ネットワークの部分に結合することもでき、又はそのような部分を含むこともできる。いくつかの実施態様では、ネットワーク１０５は、ショートメッセージングサービス（ＳＭＳ）、マルチメディアメッセージングサービス（ＭＭＳ）、ハイパーテキスト転送プロトコル（ＨＴＴＰ）、直接データ接続、ＷＡＰ、電子メール等を含むデータを送受信するＢｌｕｅｔｏｏｔｈ通信ネットワーク又はセルラ通信ネットワークを含む。

＜コンテンツアプリケーション＞
これより図２を参照して、コンテンツアプリケーション１０３の一例を更に詳細に示す。図２は計算装置２００のブロック図であり、この装置は、いくつかの例により、コンテンツアプリケーション１０３と、プロセッサ２３５と、メモリ２３７と、通信ユニット２４１と、記憶装置２４３とを含む。計算装置２００の構成要素は、バス２２０によって通信可能に結合される。いくつかの実施態様では、計算装置２００は、ソーシャルネットワークサーバ１０１、ユーザ装置１１５、コンテンツサーバ１２７、及びモバイルコンピューティングシステム１３５のうちの１つであることができる。

プロセッサ２３５は、算術論理ユニット、マイクロプロセッサ、汎用コントローラ、又は計算を実行し、電子表示信号を表示装置に提供する他の何らかのプロセッサアレイを含む。プロセッサ２３５はバス２２０に結合され、信号線２２２を介して他の構成要素と通信する。プロセッサ２３５はデータ信号を処理し、複合命令セットコンピュータ（ＣＩＳＣ）アーキテクチャ、縮小命令セットコンピュータ（ＲＩＳＣ）アーキテクチャ、又はこれら命令セットの組み合わせを実施するアーキテクチャを含む様々な計算アーキテクチャを含み得る。図２は単一のプロセッサ２３５を含むが、複数のプロセッサ２３５を含むこともできる。他のプロセッサ、オペレーティングシステム、センサ、ディスプレイ、及び物理的構成も可能である。

メモリ２３７は、プロセッサ２３５によって実行し得る命令及び／又はデータを記憶する。メモリ２３７はバス２２０に結合され、信号線２２４を介して他の構成要素と通信する。命令及び／又はデータは、本明細書に記載される技法を実行するコードを含み得る。メモリ２３７は、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）装置、スタティックランダムアクセスメモリ（ＳＲＡＭ）装置、フラッシュメモリ、又は他の何らかのメモリ装置であり得る。いくつかの実施態様では、メモリ２３７は、不揮発性メモリ又はハードディスクドライブ、フロッピーディスクドライブ、ＣＤ−ＲＯＭ装置、ＤＶＤ−ＲＯＭ装置、ＤＶＤ−ＲＡＭ装置、ＤＶＤ−ＲＷ装置、フラッシュメモリ装置、又は情報をより永続的に記憶する他の何らかの大容量記憶装置を含む同様の永続的な記憶装置及び媒体も含む。

通信ユニット２４１は、コンテンツアプリケーション１０３が記憶される場所に応じて、ユーザ装置１１５、コンテンツプロバイダ１０７、コンテンツサーバ１２７、モバイルコンピューティングシステム１３５、及びソーシャルネットワークサーバ１０１のうちの少なくとも１つとデータを送受信する。通信ユニット２４１は、信号線２２６を介してバス２２０に結合される。いくつかの実施態様では、通信ユニット２４１は、ネットワーク１０５又は別の通信チャネルへの直接物理的接続用のポートを含む。例えば、通信ユニット２４１は、ＵＳＢ、ＳＤ、ＣＡＴ−５、又はユーザ装置１１５との有線通信用の同様のポートを含む。いくつかの実施態様では、通信ユニット２４１は、ユーザ装置１１５とデータを交換するための無線送受信器又はＩＥＥＥ８０２．１１、ＩＥＥＥ８０２．１６、ＢＬＵＥＴＯＯＴＨ（登録商標）、又は別の適する無線通信方法を含む１つ若しくは複数の無線通信方法を使用する他の通信チャネルを含む。

いくつかの実施態様では、通信ユニット２４１は、ショートメッセージングサービス（ＳＭＳ）、マルチメディアメッセージングサービス（ＭＭＳ）、ハイパーテキスト転送プロトコル（ＨＴＴＰ）、直接データ接続、ＷＡＰ、電子メール、又は別の適するタイプの電子通信を介するネットワークを含め、セルラ通信ネットワークを介してデータを送受信するセルラ通信送受信器を含む。いくつかの実施態様では、通信ユニット２４１は有線ポート及び無線送受信器を含む。通信ユニット２４１は、ＴＣＰ／ＩＰ、ＨＴＴＰ、ＨＴＴＰＳ、及びＳＭＴＰ等を含む標準のネットワークプロトコルを使用してファイル及び／又はメディアオブジェクトを配信するネットワーク１０５への他の従来の接続も提供する。

記憶装置２４３は、記憶装置１４１について上述した構造と同様の構造を有し、同様の機能を提供し、説明はここで繰り返さない。図示の実施形態では、記憶装置２４３は、信号線２２８を介してバス２２０に通信可能に結合される。いくつかの実施態様では、記憶装置２４３は、ユーザに関連付けられた嗜好モデルを記述するデータ、ユーザから受信されるフィードバックデータ、及びユーザ又は車両システムに生成された１つ又は複数の推奨アイテムを記述するデータのうちの１つ又は複数を記憶する。嗜好モデル及びフィードバックデータについては、より詳細に後述する。いくつかの実施態様では、記憶装置２４３は、本明細書に記載の機能を提供する他のデータを記憶し得る。

図２に示される図示の実施態様では、コンテンツアプリケーション１０３は、コントローラ２０２と、取得モジュール２０４と、抽出モジュール２０６と、モデリングモジュール２０７と、検索モジュール２０８と、推奨モジュール２１０と、フィードバックモジュール２１１と、ユーザインタフェースモジュール２１２とを含む。コンテンツアプリケ−ション１０３のこれらの構成要素は、バス２２０を介して互いに通信可能に結合される。

コントローラ２０２は、コンテンツアプリケーション１０３と計算装置２００の他の構成要素との通信を処理するルーチンを含むソフトウェアであることができる。いくつかの実施態様では、コントローラ２０２は、プロセッサ２３５によって実行可能であり、コンテンツアプリケーション１０３と計算装置２００の他の構成要素との通信を処理する機能（後述）を提供する命令列であることができる。いくつかの実施態様では、コントローラ２０２は、計算装置２００のメモリ２３７に記憶することができ、プロセッサ２３５によってアクセス可能であるとともに、実行可能であり得る。コントローラ２０２は、信号線２３０を介するプロセッサ２３５及び計算装置２００の他の構成要素との連携及び通信に向けて構成し得る。

コントローラ２０２は、通信ユニット２４１を介して、ユーザ装置１１５、コンテンツサーバ１２７、ソーシャルネットワークサーバ１０１、モバイルコンピューティングシステム１３５、及びコンテンツプロバイダ１０７のうちの１つ又は複数とデータをやりとりする。例えば、コントローラ２０２は、通信ユニット２４１を介して、ユーザ装置１１５
から、通信アイテムに関連付けられたフィードバックデータを受信し、フィードバックモジュール２１１にそのデータを送信する。別の例では、コントローラ２０２は、グラフィカルデータを受信し、ユーザインタフェースモジュール２１２からユーザへのユーザインタフェースを提供し、グラフィカルデータをユーザ装置１１５に送信し、ユーザ装置１１５にユーザインタフェースをユーザに提示させる。

いくつかの実施態様では、コントローラ２０２は、コンテンツアプリケーション１０３の他の構成要素からデータを受信し、データを記憶装置２４３に記憶する。例えば、コントローラ２０２は、ユーザインタフェースモジュール２１２からグラフィカルデータを受信し、グラフィカルデータを記憶装置２４３に記憶する。いくつかの実施態様では、コントローラ２０２は、データを記憶装置２４３から取得し、取得されたデータをコンテンツアプリケーション１０３の他の構成要素に送信する。例えば、コントローラ２０２は、ユーザに関連付けられた嗜好モデルを記述するデータを記憶装置２４３から取得し、そのデータを検索モジュール２０８に送信する。

取得モジュール２０４は、ユーザに関連付けられたソーシャルネットワークデータを取得するルーチンを含むソフトウェアとすることができる。いくつかの実施態様では、取得モジュール２０４は、プロセッサ２３５によって実行可能であり、ユーザに関連付けられたソーシャルネットワークデータを取得する機能（後述）を提供する命令列であることができる。いくつかの実施態様では、取得モジュール２０４は、計算装置２００のメモリ２３７に記憶することができ、プロセッサ２３５によってアクセス可能であるとともに、実行可能であることができる。取得モジュール２０４は、プロセッサ２３５及び信号線２３２を介する計算装置２００の他の構成要素との連携及び通信に向けて構成し得る。

一実施形態では、取得モジュール２０４は、ユーザから、ソーシャルネットワークアカウントに関連付けられたユーザのログイン信用情報（例えば、ユーザ名、パスワード）を受信する。取得モジュール２０４は、ユーザのログイン信用情報を使用して、ソーシャルネットワークサーバ１０１から、ユーザに関連付けられたソーシャルネットワークデータを取得する。いくつかの場合、取得モジュール２０４は、ソーシャルネットワークサーバ１０１からユーザのソーシャルネットワークデータをリアルタイムで取得する。例えば、取得モジュール２０４は、ユーザの同意の上で、ユーザのソーシャルネットワークアカウントを監視し、ユーザに関連する任意の新しいソーシャルネットワークデータをソーシャルネットワークサーバ１０１からリアルタイムで取得する。いくつかの場合、取得モジュール２０４は、所定の時間間隔に従って、ユーザのソーシャルネットワークデータをソーシャルネットワークサーバ１０１から取得する。例えば、取得モジュール２０４は、２４時間毎にソーシャルネットワークサーバ１０１からユーザのソーシャルネットワークデータを取得する。

一実施形態では、ユーザに関連付けられたソーシャルネットワークデータは、（１）ソーシャルネットワークにおいてユーザによって公開された投稿、コメント、承認、シェア等、（２）ユーザに関連付けられたユーザプロフィール（例えば、興味、趣味、学歴、仕事経験、人口統計学的情報等）、（３）ユーザが加入しているコミュニティ、ニュースフィード、トピック等、（４）ユーザに関連付けられたソーシャルフィード、（５）ユーザに関連付けられたカレンダーイベント、（６）ソーシャルグラフでユーザに結び付けられた別のユーザによって公開される投稿、コメント、承認、シェア等（例えば、友人の投稿、コメント等）、（７）ソーシャルグラフでユーザに結び付けられた別のユーザに関連付けられた公開ユーザプロフィール、（８）ソーシャルグラフにおいてユーザに結び付けられた別のユーザが加入しているコミュニティ、ニュースフィード、トピック等、（９）ソーシャルグラフにおいてユーザに結び付けられた別のユーザに関連付けられたソーシャルフォード、及び（１０）ソーシャルグラフにおいてユーザに結び付けられた別のユーザに
関連付けられたカレンダーイベントのうちの１つ又は複数を含む。ソーシャルネットワークデータは、関連するユーザの同意の上で、ソーシャルネットワークサーバ１０１から取得された他のデータを含み得る。

一実施形態では、取得モジュール２０４は、ユーザに関連する取得されたソーシャルネットワークデータを記憶装置２４３に記憶する。別の実施形態では、取得モジュール２０４は、取得されたソーシャルネットワークデータを抽出モジュール２０６に送信する。

抽出モジュール２０６は、１つ又は複数のキーワード及び／又はキーフレーズを抽出するルーチンを含むソフトウェアであることができる。いくつかの実施態様では、抽出モジュール２０６は、プロセッサ２３５によって実行可能であり、１つ又は複数のキーワード及び／又はキーフレーズを実行する機能（後述）を提供する命令列であることができる。いくつかの実施態様では、抽出モジュール２０６は、計算装置２００のメモリ２３７に記憶することができ、プロセッサ２３５によってアクセス可能であるとともに、実行可能であることができる。抽出モジュール２０６は、信号線２３４を介してのプロセッサ２３５と計算装置２００の他の構成要素との連携及び通信に向けて構成し得る。

一実施形態では、抽出モジュール２０６は、ユーザに関連付けられたソーシャルネットワークデータを取得モジュール２０４から受信する。抽出モジュール２０６は、ソーシャルネットワークデータをパースして、ソーシャルネットワークデータから、ユーザに関連する１つ又は複数のキーワード及び／又はキーフレーズを抽出する。例えば、抽出モジュール２０６は、ソーシャルネットワークデータによって記述される１つ又は複数の投稿及び／又は承認をパースし、投稿及び／又は承認から１つ又は複数のキーワード及び／又はキーフレーズを抽出する。別の例では、ソーシャルネットワークデータにより、ユーザが、ラジオトークショーを記述する投稿を公開したことが示されると仮定する。抽出モジュール２０６は、ソーシャルネットワークデータをパースし、ラジオトークショーのタイトル、ラジオトークショーのホスト、ラジオトークショーを放送するラジオ局等を含む、ラジオトークショーに関連するキーワード及び／又はキーフレーズを抽出する。

いくつかの実施態様では、抽出モジュール２０６は、自然言語処理法を適用して、１つ又は複数のキーワード及び／又はキーフレーズをソーシャルネットワークデータから抽出する。例えば、抽出モジュール２０６は、自然言語処理法を適用して、内容のないストップワードをなくし、ソーシャルネットワークデータによって記述される内容を表す名詞又は名詞句に関してソーシャルネットワークデータをパースする。ストップワードの例としては、冠詞及び前置詞等が挙げられるが、これらに限定されない。

一実施形態では、抽出されるキーワード及び／又はキーフレーズは、ユーザが興味を有するトピック、イベント、番組、アルバム、アーティスト、有名人、又は他の任意のアイテムを記述する。例えば、抽出されるキーワード及び／又はキーフレーズは、自然災害、進行中の政治キャンペーン、及び特定のトピックに関連する一連のポッドキャスト等のうちの１つを記述する。一実施形態では、抽出されるキーワード及び／又はキーフレーズは、ユーザに関連付けられた興味、趣味、習慣、計画（例えば、バケーションの計画）、又は個人的な好みを記述する。キーワード及びキーフレーズの他の例も可能である。

いくつかの実施形態では、モバイルコンピューティングシステム１３５等のオンボード自動安全化システムで実行中のソフトウェアエージェント（例えば、コンテンツアプリケーション１０３）は、要求を送信し、ソーシャルネットワークデータのワード又はフレーズの頻度解析に基づいて、ルート及び最大速度の推奨を受信し得る。この解析により、ソーシャルネットワークデータから推測されるソーシャルギャザリングによる影響を考慮して、変更された最大速度及びルートの推奨を生成し得る。これらのタイプの推奨の非限定
的な様々な例を、少なくとも図７Ａ及び図７Ｂを参照して図示し説明する。

一実施形態では、抽出モジュール２０６は、１つ又は複数の抽出されたキーワード及び／又はキーフレーズを記憶装置２４３に記憶する。別の実施形態では、抽出モジュール２０６は、１つ又は複数の抽出されたキーワード及び／又はキーフレーズをモデリングモジュール２０７に送信する。

モデリングモジュール２０７は、ユーザに関連付けられた嗜好モデルを作成するルーチンを含むソフトウェアであることができる。いくつかの実施態様では、モデリングモジュール２０７は、プロセッサ２３５によって実行可能であり、ユーザに関連付けられた嗜好モデルを作成する機能（後述）を提供する命令列であることができる。いくつかの実施態様では、モデリングモジュール２０７は、計算装置２００のメモリ２３７に記憶することができ、プロセッサ２３５によってアクセス可能であるとともに、実行可能であることができる。モデリングモジュール２０７は、信号線２３０を介するプロセッサ２３５及び計算装置２００の他の構成要素との連携及び通信に向けて構成し得る。

一実施形態では、モデリングモジュール２０７は、１つ又は複数のキーワード及び／又はキーフレーズを抽出モジュール２０５から受信する。モデリングモジュール２０７は、１つ又は複数のキーワード及び／又はキーフレーズを使用して、ユーザの嗜好モデルを作成する。嗜好モデルは、コンテンツデータを選択するための１つ又は複数のユーザの好みを示すデータである。例えば、嗜好モデルは、ユーザが第１のキーワードに関連するコンテンツアイテムを好み、第２のキーワードに関連するコンテンツアイテムを嫌うことを示す。一実施形態では、嗜好モデルは、１つ又は複数のキーワード及び／又はキーフレーズに関連付けられた頻度解析を含む。頻度解析は、１つ又は複数のキーワード及び／又はキーフレーズがソーシャルネットワークデータで観測される頻度を示す解析である。例えば、頻度解析は、各キーワード及び／又はキーフレーズの観測頻度、各キーワード及び／又はキーフレーズの総合観測頻度、及び各キーワード及び／又はキーフレーズの観測頻度の変化傾向を含む。

期間内のキーワード及び／又はキーフレーズに関連付けられた観測頻度は、キーワード及び／又はキーフレーズがその期間内で観測される頻度を記述するデータである。例えば、特定の週でのあるキーワードの観測頻度は、そのキーワードが、その特定の週にユーザのソーシャルネットワークデータから２０回抽出されたことを示す。一実施形態では、観測頻度は、日毎の観測頻度、週毎の観測頻度、月毎の観測頻度、又は特定の時間間隔に関連付けられた他の任意の観測頻度の１つである。

キーワード及び／又はキーフレーズに関連付けられた総合観測頻度は、キーワード及び／又はキーフレーズが観測される総合回数を記述するデータである。例えば、キーワード及び／又はキーフレーズの総合観測頻度は、そのキーワード及び／又はキーフレーズが、ユーザに関連付けられた全てのソーシャルネットワークデータ（ユーザの過去のソーシャルネットワークデータ及び現在のソーシャルネットワークデータを含む）に基づいて５４回観測されたことを示す。一実施形態では、キーワード及び／又はキーフレーズの総合観測頻度は、重複しない期間でのキーワード及び／又はキーフレーズの全ての観測頻度の和である。

キーワード及び／又はキーフレーズに関連付けられた観測頻度変化傾向は、キーワード及び／又はキーフレーズの観測頻度の変化傾向を記述するデータである。例えば、キーワード及び／又はキーフレーズの観測頻度変化傾向は、増加傾向、減少傾向、及び揺動（fluctuant）傾向のうちの１つであることができる。増加傾向は、観測頻度が全体的に増加
する傾向である。減少傾向は、観測頻度が全体的に減少する傾向である。揺動傾向は、全
体的な傾向として観測頻度の変動がない変化傾向であり、短期的には増減する場合及び短期的にも増減しない場合の両方を含む。いくつかの例では、キーワード及び／又はキーフレーズの増加傾向は、キーワード及び／又はキーフレーズの観測頻度が、対応する前の観測頻度と比較して増大する傾向を有することを示し、キーワード及び／又はキーフレーズの減少傾向は、対応する前の観測頻度と比較して低減する傾向を有するキーワード及び／又はキーフレーズの観測頻度を示し、キーワード及び／又はキーフレーズの揺動傾向は、対応する前の観測頻度と比較して、キーワード及び／又はキーフレーズの観測頻度が変動する（例えば、不確実に上下にシフトする傾向を有する）ことを示す。観測頻度変化傾向の例を図６Ａ〜図６Ｃに示す。

一実施形態では、嗜好モデルは、（１）１つ又は複数のキーワード及び／又はキーフレーズ、（２）各キーワード及び／又はキーフレーズの期間内の観測頻度、（３）各キーワード及び／又はキーフレーズの総合観測頻度、（４）各キーワード及び／又はキーフレーズの最新タイムスタンプ、（５）各キーワード及び／又はキーフレーズの観測頻度変化傾向、（６）各キーワード及び／又はキーフレーズに関連付けられたフィードバックデータ、（７）各キーワード及び／又はキーフレーズの全てのタイムスタンプへのリンク、及び（８）キーワード、キーフレーズに関連付けられたコンテンツアイテムへのリンク等のうちの１つ又は複数を含む。嗜好モデルの一例を図５に示す。キーワード及び／又はキーフレーズのタイムスタンプは、キーワード及び／又はキーフレーズがソーシャルネットワークデータから抽出された時間を記述するデータである。フィードバックデータについてより詳細に後述する。いくつかの実施形態では、嗜好モデルは、各キーワード及び／又はキーフレーズに関連付けられた他のデータを含み得る。

一実施形態では、モデリングモジュール２０７は、嗜好モデルに含まれるデータを行列に記憶する。例えば、モデリングモジュール２０７は、各キーワード及び／又はキーフレーズ、各キーワード及び／又はキーフレーズの総合観測頻度、及び各キーワード及び／又はキーフレーズの最新タイムスタンプを行列に記憶する。

一実施形態では、モデリングモジュール２０７は、２つ以上の重複しない期間でのキーワード及び／又はキーフレーズの２つ以上の観測頻度を特定する。モデリングモジュール２０７は、２つ以上の観測頻度に基づいてキーワード及び／又はキーフレーズの観測頻度変化傾向を特定する。例えば、モデリングモジュール２０７は、（１）２０１２年１２月のキーワードの第１の月毎の観測頻度が２０であり、（２）２０１３年１月のキーワードの月毎の第２の観測頻度が２５であり、（３）２０１３年２月のキーワードの月毎の第３の観測頻度が２２であり、（４）２０１３年３月のキーワードの第４の月毎の観測頻度が２９であることを特定する。モデリングモジュール２０７は、第１、第２、第３、及び第４の月毎の観測頻度に基づいて、キーワードの観測頻度が増加傾向であると特定する。

一実施形態では、モデリングモジュール２０７は、期間内のキーワード及び／又はキーフレーズの観測頻度、キーワード及び／又はキーフレーズの総合観測頻度、キーワード及び／又はキーフレーズの観測頻度変化傾向、キーワード及び／又はキーフレーズの最新タイムスタンプ、及びキーワード及び／又はキーフレーズに関連するフィードバックデータのうちの１つ又は複数に基づいて、各キーワード及び／又はキーフレーズの嗜好スコアを生成する。キーワード及び／又はキーフレーズの嗜好スコアは、キーワード及び／又はキーフレーズのユーザ嗜好の程度を示すデータである。例えば、ユーザによって好きなキーフレーズとしてマークされる第１のキーフレーズは、ユーザによってスキップされたコンテンツアイテムに関連する第２のキーフレーズよりも高い嗜好スコアを有する。別の例では、最近のタイムスタンプを有する第１のキーワードは、古いタイムスタンプを有する第２のキーワードよりも高い嗜好スコアを有する。更に別の例では、より高い総合観測頻度を有する第１のキーフレーズは、より低い総合観測頻度を有する第２のキーフレーズより
も高い嗜好スコアを有する。更に別の例では、増加傾向を有する第１のキーワードは、減少傾向を有する第２のキーワードよりも高い嗜好スコアを有する。一実施形態では、嗜好モデルは、各キーワード及び／又はキーフレーズの嗜好スコアを更に含む。

一実施形態では、モデリングモジュール２０７は、ユーザインタフェースモジュール２１２に、ユーザにユーザインタフェースを提供し、ユーザがユーザインタフェースを介して嗜好モデルを変更できるようにするグラフィカルデータを生成するように命令する。例えば、ユーザは、ユーザインタフェースを介して、追加のキーワード及び／又はキーフレーズを嗜好モデルに提供し、嗜好モデルでのキーワード及び／又はキーフレーズのフィードバックデータを提供し、１つ又は複数のキーワード及び／又はキーフレーズを好きなキーワード及び／又はキーフレーズとしてマークし、且つ／又は１つ又は複数のキーワード及び／又はキーフレーズを嗜好モデルから削除することができる。

一実施形態では、モデリングモジュール２０７は、ユーザに関連付けられた嗜好モデルを記憶装置２４３に記憶する。別の実施形態では、モデリングモジュール２０７は、ユーザに関連付けられた嗜好モデルを検索モジュール２０８に送信する。

検索モジュール２０８は、ユーザに関連付けられた嗜好モデルに基づいて、ユーザのコンテンツアイテムを検索するルーチンを含むソフトウェアであることができる。いくつかの実施態様では、検索モジュール２０８は、プロセッサ２３５によって実行可能であり、ユーザに関連付けられた嗜好モデルに基づいて、ユーザのコンテンツアイテムを検索する機能（後述）を提供する命令列であることができる。いくつかの実施態様では、検索モジュール２０８は、計算装置２００のメモリ２３７に記憶することができ、プロセッサ２３５によってアクセス可能であるとともに、実行可能であることができる。検索モジュール２０８は、信号線２３６を介するプロセッサ２３５及び計算装置２００の他の構成要素との連携及び通信に向けて構成し得る。

一実施形態では、検索モジュール２０８は、コントローラ２０２を介してユーザからコンテンツアイテム要求を受信する。検索モジュール２０８は、ユーザに関連付けられた嗜好モデルを記憶装置２４３から取得する。検索モジュール２０８は、ユーザの要求に応答して、コンテンツアイテムを取得するクエリを生成する。例えば、検索モジュール２０８は、ユーザの嗜好モデルから１つ又は複数のフィーチャーされるキーワード及び／又はキーフレーズを特定し、それ（ら）の１つ又は複数のフィーチャーされるキーワード及び／又はキーフレーズを含むクエリを生成する。

フィーチャーされるキーワード又はキーフレーズは、嗜好モデルでの特徴を表すキーワード又はキーフレーズである。例えば、フィーチャーされるキーワード又はキーフレーズは、最近のタイムスタンプを有するキーワード又はキーフレーズ、所定の閾値を超える総合観測頻度を有するキーワード又はキーフレーズ、最高の総合観測頻度のうちの１つを有するキーワード又はキーフレーズ、増加傾向を有するキーワード又はキーフレーズ、揺動傾向を有するキーワード又はキーフレーズ、減少傾向を有するキーワード又はキーフレーズ、ユーザによって好きなキーワードとしてマークされたキーワード又はキーフレーズ、ユーザからの肯定的なフィードバックを有するキーワード又はキーフレーズ（例えば、ユーザによって承認又はシェアされたコンテンツアイテムに関連するキーワード又はキーフレーズ）、及びユーザからの否定的なフィードバックを有するキーワード又はキーフレーズ（例えば、ユーザによって嫌いなアイテムとしてマークされたコンテンツアイテムに関連するキーワード又はキーフレーズ）等のうちの１つである。フィーチャーされるキーワード及びキーフレーズの他の例も可能である。

いくつかの実施態様では、検索モジュール２０８は、１つ又は複数のフィーチャーされ
るキーワード及び／又はキーフレーズを、（１）最新タイムスタンプを有するキーワード及び／又はキーフレーズ、（２）最高の総合観測頻度を有するキーワード及び／又はキーフレーズ、（３）所定の閾値を超える総合観測頻度を有するキーワード及び／又はキーフレーズ、（４）増加傾向を有するキーワード及び／又はキーフレーズ、（５）減少傾向を有するキーワード及び／又はキーフレーズ、（６）揺動傾向を有するキーワード及び／又はキーフレーズ、（７）ユーザからの肯定的なフィードバックを有するキーワード及び／又はキーフレーズ、（８）ユーザによって好きなキーワード及び／又はキーフレーズとしてマークされたキーワード及び／又はキーフレーズ、及び／又は（９）最高の嗜好スコアを有するキーワード及び／又はキーフレーズ、のうちの１つ又は複数として特定する。

一実施形態では、検索モジュール２０８は、クエリを使用してコンテンツデータベース１４３を検索し、ユーザの嗜好モデルに基づいて、コンテンツデータベース１４３から１つ又は複数のコンテンツアイテムを取得する。例えば、検索モジュール２０８は、クエリに含まれる１つ又は複数のフィーチャーされるキーワード及び／又はキーフレーズを使用して、コンテンツデータベース１４３を検索する。検索モジュール２０８は、コンテンツデータベース１４３から１つ又は複数のコンテンツアイテムを受信し、各コンテンツアイテムは、フィーチャーされるキーワード及び／又はキーフレーズの少なくとも１つに一致する。別の例では、検索モジュール２０８は、最新のタイムスタンプを有する１０のフィーチャーされるキーワード及び／又はキーフレーズを使用して、コンテンツデータベース１４３を検索する。検索モジュール２０８は、コンテンツデータベース１４３からコンテンツアイテムを取得し、各コンテンツアイテムは、１０のフィーチャーされるキーワード及び／又はキーフレーズのうちの少なくとも１つに一致する。更に別の例では、検索モジュール２０８は、（１）ユーザからの肯定的なフィードバックを有するフィーチャーされる第１の組のキーワード及び／又はキーフレーム、及び（２）ユーザからの否定的なフィードバックを有する第２の組のキーワード及び／又はキーフレームに基づいてコンテンツデータベース１４３を検索する。検索モジュール２０８は、コンテンツデータベース１４３から１つ又は複数のコンテンツアイテムを受信し、各コンテンツアイテムは、第１の組のフィーチャーされるキーワード及び／又はキーフレームのうちの少なくとも１つに一致し、第２の組のフィーチャーされるキーワード及び／又はキーフレームからのフィーチャーされるいかなるキーワード又はフレーズにも関連しない。

一実施形態では、検索モジュール２０８は、取得された１つ又は複数のコンテンツアイテムを推奨モジュール２１０に送信する。別の実施形態では、検索モジュール２０８は、取得された１つ又は複数のコンテンツアイテムを記憶装置２４３に記憶する。

推奨モジュール２１０は、ユーザ又は車両システムの１つ又は複数の推奨アイテムを生成するルーチンを含むソフトウェアであることができる。いくつかの実施態様では、推奨モジュール２１０は、プロセッサ２３５によって実行可能であり、モバイルコンピューティングシステム１３５等の、ユーザ又は車両システムの１つ又は複数の推奨アイテムを生成する機能（後述）を提供する命令列であることができる。いくつかの実施態様では、推奨モジュール２１０は、計算装置２００のメモリ２３７に記憶することができ、プロセッサ２３５によってアクセス可能であるとともに、実行可能であることができる。推奨モジュール２１０は、信号線２３８を介するプロセッサ２３５及び計算装置２００の他の構成要素との連携及び通信に向けて構成し得る。

一実施形態では、推奨モジュール２１０は、検索モジュール２０８から１つ又は複数のコンテンツアイテムを受信し、１つ又は複数のコンテンツアイテムから、ユーザ又は車両システムの１つ又は複数の推奨アイテムを生成する。例えば、推奨モジュール２１０は、１つ又は複数のコンテンツアイテムの時間の新しさに従って１つ又は複数のコンテンツアイテムをランク付けする（例えば、推奨モジュール２１０は、コンテンツアイテムの作成
時間又は公開時間に従って１つ又は複数のコンテンツアイテムをランク付けする）。推奨モジュール２１０は、最高ランク（例えば、上位１０の最高ランクコンテンツアイテム）を有するコンテンツアイテムとして１つ又は複数の推奨アイテムを決定する。

いくつかの実施態様では、推奨モジュール２１０は、ユーザによって明示的又は暗黙的に提供されるフィードバックデータに基づいて、１つ又は複数の推奨アイテムを生成する。例えば、フィードバックデータにより、ユーザが、第１のキーワード及び／又はキーフレームに関連する第１のコンテンツアイテムをスキップし、第２のキーワード及び／又はキーフレームに関連する第２のコンテンツアイテムを承認したことが示される場合、推奨モジュール２１０は、第１のキーワード及び／又はキーフレームに関連するコンテンツアイテムを推奨アイテムから除去し、第２のキーワード及び／又はキーフレームに関連するコンテンツアイテムを推奨アイテムに追加する。

一実施形態では、推奨モジュール２１０及び検索モジュール２０８は連携して、推奨アイテムをユーザ及び／又は車両システムに適時、提供する。例えば、検索モジュール２０８は自動的に、準リアルタイムで現在のイベント（例えば、自然災害、進行中の政治イベント等）に関連するコンテンツアイテムを検索し、推奨モジュール２１０は適時、検索結果をユーザ及び／又は車両システムに提供する。例えば、図７Ａに示されるように、時速４０マイルで車両システム１３５（例えば、車）を運転中のユーザは、推奨モジュール２１０によって生成される通知７００が提供される。検索モジュール２０８が自動的に、ユーザの行先への途中にある、来る学校のイベントについての情報を検索して推奨モジュール２１０に提供し、それに基づいて推奨モジュール２１０が通知７００を生成する。推奨モジュール２１０は、検索モジュール２０８から情報を受信し、イベントについてユーザに警告し、ユーザが、安全のために車の速度を時速２０マイルに低減するように推奨する。更なる例では、推奨モジュール２１０は、元のルート７５３にあるイベント７５２が識別される場合、代替ルート７５４をユーザに提供する代替ルート示唆７５０（図７Ｂ参照）を生成するように構成し得る。これにより、ユーザ７５５は、イベント７５２によって生じる交通渋滞も回避することができる。いくつかの場合、ユーザからの「代替ルート表示」確認の受信に応答して（例えば、図７Ａの７１０参照）、示唆７５０をユーザ７５５に表示し得る。

推奨モジュール２１０は、１つ又は複数の推奨アイテムをユーザ及び／又は車両システム（例えば、モバイルコンピューティングシステム１３５）に提供する。例えば、推奨モジュール２１０は、ユーザインタフェースモジュール２１２に、１つ又は複数の推奨アイテムをユーザに示す、ユーザインタフェースを提供するグラフィカルデータを生成するように命令する。別の例では、推奨モジュール２１０は、推奨アイテムをユーザによって操作されるユーザ装置１１５又はモバイルコンピューティングシステム１３５に自動的に送る。例えば、推奨モジュール２１０は自動的に、ユーザが車両を運転しているときに、推奨アイテムを車両に送る。いくつかの実施態様では、推奨モジュール２１０は、推奨アイテムを記憶装置２４３に記憶する。

フィードバックモジュール２１１は、ユーザから受信されるフィードバックデータを処理するルーチンを含むソフトウェアであることができる。いくつかの実施態様では、フィードバックモジュール２１１は、プロセッサ２３５によって実行可能であり、ユーザから受信されるフィードバックデータを処理する機能（後述）を提供する命令列であることができる。いくつかの実施態様では、フィードバックモジュール２１１は、計算装置２００のメモリ２３７に記憶することができ、プロセッサ２３５によってアクセス可能であるとともに、実行可能であることができる。フィードバックモジュール２１１は、信号線２４０を介するプロセッサ２３５及び計算装置２００の他の構成要素との連携及び通信に向けて構成し得る。

一実施形態では、フィードバックモジュール２１１は、１つ又は複数の推奨アイテムに関連付けられたフィードバックデータを受信する。フィードバックデータは、推奨アイテムに対するユーザの応答を記述するデータである。ユーザの応答は、明示的な応答や指示又は暗黙的な応答や指示であることができる。例えば、フィードバックデータは、ユーザがソーシャルネットワークでの友人と推奨アイテムを共有したこと、ユーザが推奨オーディオ番組を３回聴いたこと、ユーザが、マウスを使用して推奨アイテムを指したか、又は推奨アイテム上をマウスでうろうろしたこと、及び／又はユーザが推奨されたトークショーをスキップしたこと等を示す。他のフィードバックデータ例も可能である。

一実施形態では、フィードバックデータは、１つ又は複数のキーワード及び／又はキーフレーズに関連する肯定的なフィードバックを記述する。例えば、フィードバックデータは、ユーザが、キーワードに関連する推奨アイテムを好みのアイテムとしてマークしたこと、ユーザがキーワードに関連する推奨アイテムを承認又は共有したこと、及び／又はユーザが、キーワードに関連する推奨アイテムを後に閲覧するために保存したことなどを示す。別の実施形態では、フィードバックデータは、ユーザからの、１つ又は複数のキーワード及び／又はキーフレーズに関連する否定的なフィードバックを記述する。例えば、フィードバックデータは、ユーザが、嫌いなアイテムとして、キーワードに関連する推奨アイテムをマークしたこと、及び／又はユーザが、キーワードに関連する推奨アイテムをスキップしたことを示す。更に別の実施形態では、フィードバックデータは、１組のキーワード及び／又はキーフレーズに関連する肯定的なフィードバック及び否定的なフィードバックを含む。

一実施形態では、フィードバックモジュール２１１は、フィードバックデータに基づいてユーザの嗜好モデルを改良する。例えば、フィードバックデータにより、ユーザがキーワードに関連する推奨アイテムをスキップしたことが示される場合、フィードバックモジュール２１１は、ユーザ嗜好モデルで対応するキーワードをマークし、対応するキーワードに関連付けられた嗜好スコアを低減する。別の例では、フィードバックデータにより、ユーザがキーフレーズに関連する推奨アイテムを承認したことが示される場合、フィードバックモジュール２１１は、ユーザの嗜好モデルで対応するキーフレーズをマークし、そのキーフレーズに関連付けられた嗜好スコアを増大させる。フィードバックモジュール２１１は、フィードバックデータをユーザの嗜好モデルに記憶し得る。一実施形態では、フィードバックモジュール２１１は、フィードバックデータに基づいて、ユーザの推奨アイテムを更新する。

ユーザインタフェースモジュール２１２は、ユーザインタフェースをユーザに提供するグラフィカルデータを生成するルーチンを含むソフトウェアであることができる。いくつかの実施態様では、ユーザインタフェースモジュール２１２は、プロセッサ２３５によって実行可能であり、ユーザインタフェースをユーザに提供するグラフィカルデータを生成する機能（後述）を提供する命令列であることができる。いくつかの実施態様では、ユーザインタフェースモジュール２１２は、計算装置２００のメモリ２３７に記憶することができ、プロセッサ２３５によってアクセス可能であるとともに、実行可能であることができる。ユーザインタフェースモジュール２１２は、信号線２４２を介するプロセッサ２３５及び計算装置２００の他の構成要素との連携及び通信に向けて構成し得る。

一実施形態では、ユーザインタフェースモジュール２１２は、ユーザインタフェースをユーザに提供するグラフィカルデータを生成する。ユーザインタフェースモジュール２１２は、グラフィカルデータをユーザ装置１１５又はモバイルコンピューティングシステム１３５に送信し、ユーザ装置１１５又はモバイルコンピューティングシステム１３５に、ユーザインタフェースをユーザに提示させる。いくつかの場合、ユーザインタフェースは
、１つ又は複数の推奨アイテムをユーザに提示し、ユーザが、ユーザインタフェースを介して１つ又は複数の推奨アイテムとインタラクションできるようにする。例えば、ユーザは、ユーザインタフェースを介して、推奨アイテムをスキップし、推奨アイテムを好きなアイテムとしてマークし、又は推奨アイテムを承認することができる。ユーザは、コメント、示唆、格付け等を含め、ユーザインタフェースを介して他のフィードバックデータを提供することもできる。いくつかの場合、ユーザインタフェースにより、ユーザは、ユーザに関連付けられた嗜好モデルを管理することができる。例えば、ユーザは、ユーザインタフェースを介して嗜好モデルに含まれるキーワード及び／又はキーフレーズを変更することができる。ユーザインタフェースモジュール２１２は、他のユーザインタフェースをユーザに提供するグラフィカルデータを生成し得る。

＜方法＞
図３は、車両システムによる処理に関してユーザに提示される推奨アイテムを提供する方法の一例３００のフローチャートである。一実施形態では、コントローラ２０２は、ソーシャルネットワークサーバ１０１からユーザに関連付けられたソーシャルネットワークデータを受信する（３０２）。抽出モジュール２０６は、ソーシャルネットワークデータから１つ又は複数のキーワード及び／又はキーフレーズを抽出する（３０４）。モデリングモジュール２０７は、１つ又は複数のキーワード及び／又はキーフレーズを使用して、ユーザの嗜好モデルを作成する（３０６）。検索モジュール２０８は、コンテンツデータベース１４３を検索して、嗜好モデルに基づいて１つ又は複数のコンテンツアイテムを取得する（３０８）。推奨モジュール２１０は、１つ又は複数のコンテンツアイテムから１つ又は複数の推奨アイテムを生成する（３１０）。推奨モジュール２１０は、１つ又は複数の推奨アイテムを、車両システムによる処理に関してユーザに提示するために提供する（３１２）。

更に説明するために、一例では、車両システム１３５は、推奨アイテムを推奨モジュール２１０から自動的に受信し、アイテムを処理／解釈して、車両の諸相を制御する自律車両システムであり得る。例えば、車両システム１３５は、とるべきルートを決定する際、車両で再生するメディアを決定する際、天気制御への調整を決定する際、１つ又は複数の乗員と通信し、且つ／又はインタラクションする際等にアイテムを使用することができる。

図４Ａ及び図４Ｂは、ユーザ及び／又は車両システムによる処理に関して推奨アイテムを提供する方法の別の例４００のフローチャートである。図４Ａを参照すると、一実施形態では、コントローラ２０２は、ユーザから、ソーシャルネットワークアカウントに関連付けられたログイン信用情報を受信する（４０２）。取得モジュール２０４は、ログイン信用情報を使用して、ソーシャルネットワークサーバ１０１から、ユーザに関連付けられたソーシャルネットワークデータを取得する（４０４）。抽出モジュール２０６は、ソーシャルネットワークデータから１つ又は複数のキーワード又はキーフレーズを抽出する（４０６）。モデリングモジュール２０７は、１つ又は複数のキーワード及び／又はキーフレーズを使用してユーザの嗜好モデルを特定する（４０８）。モデリングモジュール２０７は、１つ又は複数のキーワード及び／又はキーフレーズの頻度解析を生成する（４０９）。コントローラ２０２は、コンテンツアイテムに対する要求を受信する（４１０）。要求は、ユーザ、車両システム、又は別のエンティティへのプロンプトにおいて受信し得る。いくつかの場合、検索モジュール２０８は、ユーザの嗜好モデルから１つ又は複数のフィーチャーされたキーワード又はキーフレーズを特定する（４１２）。検索モジュール２０８は、コンテンツデータベース１４３からコンテンツアイテムを取得するクエリを生成する（４１４）。

図４Ｂを参照すると、検索モジュール２０８は、クエリを使用してコンテンツデータベ
ース１４３を検索し、ユーザの嗜好モデルに基づいて１つ又は複数のコンテンツアイテムを取得する（４１６）。いくつかの場合、推奨モジュール２１０は、１つ又は複数のコンテンツアイテムをランク付ける（４１８）。推奨モジュール２１０は、１つ又は複数のコンテンツアイテムから１つ又は複数の推奨アイテムを生成する（４２０）。推奨モジュール２１０は、車両システムによる処理及び／又は解釈に関してユーザに提示する１つ又は複数の推奨アイテムを提供する（４２２）。コントローラ２０２は、１つ又は複数の推奨アイテムに対する１つ又は複数のユーザの応答を記述するフィードバックデータを受信する（４２４）。フィードバックデータは、ユーザによって、車両又はコンピュータのインタフェース等の計算装置に入力し、コントローラ２０２に提供し、車両システム１３５によって生成され、コントローラ２０２に提供し得るなどである。フィードバックモジュール２１１は、フィードバックデータに基づいて嗜好モデルを改良する（４２６）。

＜グラフィック表現＞
図５は、一実施形態による嗜好モデルの一例に含まれるデータを示すグラフィック表現５００である。嗜好モデルの例は、２つのキーワード及び１つのキーフレーズと、各キーワード及びキーフレーズの総合観測頻度と、各キーワード及びキーフレーズに関連付けられた最新タイムスタンプと、各キーワード及びキーフレーズの観測頻度変化傾向と、各キーワード及びキーフレーズに関連付けられたフィードバックデータとを含む。

図６Ａ〜図６Ｃは、一実施形態による様々なキーワードの様々な観測頻度変化傾向を示すグラフィック表現６００、６３０、６５０である。図６Ａを参照すると、グラフィック表現６００は、５つの重ならない期間でのキーワード「美術館（Ｍｕｓｅｕｍ）」の５つの観測頻度を示す。図示の観測頻度は、キーワード「美術館」に増加傾向が関連付けられることを示す。

図６Ｂを参照すると、グラフィック表現６３０は、５つの重ならない期間でのキーフレーズ「料理教室（Ｃｏｏｋｉｎｇ Ｃｌａｓｓ）」の５つの観測頻度を示す。図示の観測頻度は、キーフレーズ「料理教室」に減少傾向が関連付けられることを示す。

図６Ｃを参照すると、グラフィック表現６５０は、５つの重ならない期間でのキーワード「ニュース（Ｎｅｗｓ）」の５つの観測頻度を示す。図示の観測頻度は、キーワード「ニュース」に揺動傾向が関連付けられることを示す。

上記の説明では、本発明を十分に理解できるように、多くの詳細について説明した。しかしながら、各実施形態はこれらの具体的な詳細無しでも良いことは当業者にとって明らかであろう。他の実施形態では、構造や装置は、説明の曖昧化を避けるために、ブロック図の形式で示される。たとえば、本実施形態は、ユーザインタフェースと特定のハードウェアを主に参照して以下の一実施形態で示される。しかしながら、本実施形態は、データと命令を受信可能な任意の演算装置と、サービスを提供する任意の周辺装置に適用することができる。

本明細書における「一実施形態」または「ある実施形態」等という用語は、その実施形態と関連づけて説明される特定の特徴・構造・性質が少なくとも一つの実施形態に含まれることを意味する。「一実施形態における」等という用語は本明細書内で複数用いられるが、これらは必ずしも同一の実施形態を示すものとは限らない。

以下の詳細な説明の一部は、有形（非一時的）なコンピュータ可読記憶媒体に記憶されたデータビットに対する動作のアルゴリズムおよび記号的表現として提供される。これらのアルゴリズム的な説明および表現は、データ処理技術分野の当業者によって、他の当業者に対して自らの成果の本質を最も効果的に説明するために用いられるものである。なお
、本明細書において（また一般に）アルゴリズムとは、所望の結果を得るための論理的な手順を意味する。処理のステップは、物理量を物理的に操作するものである。必ずしも必須ではないが、通常は、これらの量は記憶・伝送・結合・比較およびその他の処理が可能な電気的または磁気的信号の形式を取る。通例にしたがって、これらの信号をビット・値・要素・エレメント・シンボル・キャラクタ・項・数値などとして称することが簡便である。

なお、これらの用語および類似する用語はいずれも、適切な物理量と関連付いているものであり、これら物理量に対する簡易的なラベルに過ぎないということに留意する必要がある。以下の説明から明らかなように、特に断らない限りは、本明細書において「処理」「計算」「コンピュータ計算（処理）」「判断」「表示」等の用語を用いた説明は、コンピュータシステムや類似の電子的計算装置の動作および処理であって、コンピュータシステムのレジスタやメモリ内の物理的（電子的）量を、他のメモリやレジスタまたは同様の情報ストレージや通信装置、表示装置内の物理量として表される他のデータへ操作および変形する動作および処理を意味する。

本明細書中の実施形態は、本明細書中で説明される動作を実行する装置にも関連する。この装置は要求される目的のための特別に製造されるものであっても良いし、汎用コンピュータを用いて構成しコンピュータ内に格納されるプログラムによって選択的に実行されたり再構成されたりするものであっても良い。このようなコンピュータプログラムは、コンピュータ可読記憶媒体に格納されてもよい。コンピュータ可読記憶媒体は、コンピュータのシステムバスに接続可能な、フロッピー（登録商標）ディスク・光ディスク・ＣＤ−ＲＯＭ・磁気ディスク、読み込み専用メモリ（ＲＯＭ）、ランダムアクセスメモリ（ＲＡＭ）、ＥＰＲＯＭ、ＥＥＰＲＯＭ、磁気カード、光学式カード、非一時的なメモリを有するＵＳＢキーを含むフラッシュメモリ、電子的命令を格納するのに適したその他の任意のメディア媒体を含むが、これらに限定される訳ではない。

本明細書は、完全なハードウェア実施形態の形式であってもよいし、完全なソフトウェア実施形態の形式であってもよいし、ハードウェア要素とソフトウェア要素を含む実施形態の形式であってもよい。好ましい実施形態では、本明細書はソフトウェアによって実装される。ソフトウェアは、ファームウェア、常駐ソフトウェア、マイクロコードなどを含むが、これらには限定されない。

さらに、ある実施形態は、コンピュータが利用あるいは読み込み可能な記憶媒体からアクセス可能なコンピュータプログラムプロダクトの形態を取る。この記憶媒体は、コンピュータや任意の命令実行システムによってあるいはそれらと共に利用されるプログラムコードを提供する。コンピュータが利用あるいは読み込み可能な記憶媒体とは、命令実行システムや装置によってあるいはそれらと共に利用されるプログラムを、保持、格納、通信、伝搬および転送可能な任意の装置を指す。

プログラムコードを格納・実行するために適したデータ処理システムは、システムバスを介して記憶素子に直接または間接的に接続された少なくとも１つのプロセッサを有する。記憶素子は、プログラムコードの実際の実行に際して使われるローカルメモリや、大容量記憶装置や、実行中に大容量記憶装置からデータを取得する回数を減らすためにいくつかのプログラムコードを一時的に記憶するキャッシュメモリなどを含む。

入力／出力（Ｉ／Ｏ）装置は、例えばキーボード、ディスプレイ、ポインティング装置などであるが、これらはＩ／Ｏコントローラを介して直接あるいは間接的にシステムに接続される。

システムにはネットワークアダプタも接続されており、これにより、私的ネットワークや公共ネットワークを介して他のデータ処理システムやリモートにあるプリンタや記憶装置に接続される。モデム、ケーブルモデム、イーサネット（登録商標）は、現在利用可能なネットワークアダプタのほんの一例である。

最後に、本明細書において提示されるアルゴリズムおよび表示は特定のコンピュータや他の装置と本来的に関連するものではない。本明細書における説明にしたがってプログラムを有する種々の汎用システムを用いることができるし、また要求された処理ステップを実行するための特定用途の装置を製作することが適した場合もある。これら種々のシステムに要求される構成は、以下の説明において明らかにされる。さらに、 本発明は、任意の特定のプログラミング言語と関連づけられるものではない。本明細書で説明される内容を実装するために、種々のプログラミング言語を利用できることは明らかであろう。

実施形態の前述の説明は、例示と説明を目的として行われたものである。したがって、開示された実施形態が本発明の全てではないし、本発明を上記の実施形態に限定するものでもない。本発明は、上記の開示にしたがって、種々の変形が可能である。本発明の範囲は上述の実施形態に限定解釈されるべきではなく、特許請求の範囲にしたがって解釈されるべきである。本発明の技術に詳しい者であれば、本発明はその思想や本質的特徴から離れることなくその他の種々の形態で実現できることを理解できるであろう。同様に、モジュール・処理・特徴・属性・方法およびその他の本発明の態様に関する名前付けや分割方法は必須なものでものないし重要でもない。また、本発明やその特徴を実装する機構は異なる名前や分割方法や構成を備えていても構わない。さらに、当業者であれば、モジュール・処理・特徴・属性・方法およびその他の本発明の態様は、ソフトウェア、ハードウェア、ファームウェアもしくはこれらの組合せとして実装できることを理解できるであろう。また、本発明をソフトウェアとして実装する場合には、モジュールなどの各要素は、どのような様式で実装されても良い。例えば、スタンドアローンのプログラム、大きなプログラムの一部、異なる複数のプログラム、静的あるいは動的なリンクライブラリー、カーネルローダブルモジュール、デバイスドライバー、その他コンピュータプログラミングの当業者にとって既知な方式として実装することができる。さらに、実施形態は特定のプログラミング言語に限定されるものではないし、特定のオペレーティングシステムや環境に限定されるものでもない。以上のように、上記の本発明の説明は限定的なものではなく例示的なものであり、本発明の範囲は添付の特許請求の範囲にしたがって定められる。

１０１ ソーシャルネットワークサーバ
１０３ コンテンツアプリケーション
１０７ コンテンツプロバイダ
１１５ ユーザ装置
１３５ モバイルコンピューティングシステム
１２７ コンテンツサーバ
２０２ コントローラ
２０４ 取得モジュール
２０６ 抽出モジュール
２０７ モデリングモジュール
２０８ 研削モジュール
２１０ 推奨モジュール
２１１ フィードバックモジュール
２１２ ユーザインタフェースモジュール

Claims (10)

1. コンピュータによって実行される方法であって、
   ユーザに関連付けられたソーシャルネットワークデータを取得する取得ステップと、
   前記ソーシャルネットワークデータからキーワードまたはキーフレーズを抽出する抽出ステップと、
   前記キーワードまたはキーフレーズに関連付けられた頻度解析であって前記ソーシャルネットワークデータ中に前記キーワードまたはキーフレーズが観測される頻度を示す頻度解析を含む嗜好モデルを決定する決定ステップと、
   コンテンツデータ要求を受信する受信ステップと、
   前記嗜好モデルに関連付けられた頻度解析に基づいてコンテンツデータベースからコンテンツアイテムを検索する検索ステップと、
   前記コンテンツアイテムから、ユーザ又は車両システムへの推奨アイテムを生成する生成ステップと、
   前記推奨アイテムを、前記ユーザへの提示または前記車両システムによる処理のために提供する提供ステップと、
   を含む、方法。
2. 請求項１に記載の方法であって、
   前記検索ステップは、
   前記頻度解析に基づいて、前記嗜好モデルからフィーチャーされるキーワードまたはキーフレーズを特定することと、
   前記コンテンツデータベースを検索して、前記フィーチャーされるキーワードまたはキーフレーズに合致するコンテンツアイテムを取得することと、
   を含む、方法。
3. 請求項２に記載の方法であって、
   前記フィーチャーされるキーワードまたはキーフレーズは、タイムスタンプに基づいて決定される、
   方法。
4. 請求項２に記載の方法であって、
   前記フィーチャーされるキーワードまたはキーフレーズは、観測頻度の合計に基づいて決定される、
   方法。
5. 請求項２に記載の方法であって、
   前記フィーチャーされるキーワードまたはキーフレーズは、観測頻度の変化傾向に基づいて決定される、
   方法。
6. 請求項１から５のいずれか１項に記載の方法であって、
   前記推奨アイテムは、変更された最大速度または目的地までの代替ルートである、
   方法。
7. 請求項１から６のいずれか１項に記載の方法であって、
   前記推奨アイテムに対するユーザの反応を示すフィードバックデータを受信する受信ステップと、
   前記フィードバックデータに基づいて前記嗜好モデルを改良する改良ステップと、
   を更に含む、方法。
8. 請求項１から７のいずれか１項に記載の方法であって、
   前記頻度解析は、前記ソーシャルネットワークデータから抽出された前記キーワードまたはキーフレーズのある期間での観測頻度と、前記ソーシャルネットワークデータから抽出された前記キーワードまたはキーフレーズの全体の観測頻度と、前記ソーシャルネットワークデータから抽出された前記キーワードまたはキーフレーズの観測頻度の変化傾向とを含む、
   方法。
9. 請求項１から８のいずれか１項に記載の方法の各ステップをコンピュータに実行させるためのコンピュータプログラム。
10. プロセッサと、請求項９に記載のコンピュータプログラムを格納したメモリとを備えるコンピュータシステム。

Images