JP2016532943A - オンライン・ソーシャル・ネットワークにおける大規模ページ推薦 - Google Patents
オンライン・ソーシャル・ネットワークにおける大規模ページ推薦 Download PDFInfo
- Publication number
- JP2016532943A JP2016532943A JP2016526998A JP2016526998A JP2016532943A JP 2016532943 A JP2016532943 A JP 2016532943A JP 2016526998 A JP2016526998 A JP 2016526998A JP 2016526998 A JP2016526998 A JP 2016526998A JP 2016532943 A JP2016532943 A JP 2016532943A
- Authority
- JP
- Japan
- Prior art keywords
- user
- concept
- nodes
- score
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 claims abstract description 67
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 75
- 239000011159 matrix material Substances 0.000 claims description 51
- 230000008569 process Effects 0.000 claims description 32
- 230000015654 memory Effects 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims 2
- 230000006855 networking Effects 0.000 description 167
- 230000009471 action Effects 0.000 description 61
- 238000004891 communication Methods 0.000 description 21
- 230000004044 response Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 229940050561 matrix product Drugs 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
- H04L65/403—Arrangements for multi-party communication, e.g. for conferences
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
-
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/282—Hierarchical databases, e.g. IMS, LDAP data stores or Lotus Notes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/47—End-user applications
- H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
- H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
- H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Operations Research (AREA)
- Information Transfer Between Computers (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
Description
ャル・ネットワークの多数のユーザに推薦または広告するコンテンツ・オブジェクトを識別することができる。そのような推薦は、ユーザに提示されたコンテンツのコンバージョン・レートを最適化するために識別され得る。コンテンツ推薦は、予測されるレーティング関数を含む目的関数を最適化することによって決定されることができ、(ユーザ−コンセプト・ペアのための)各レーティング関数は、ユーザ−スコア・ベクトルとコンセプト−スコア・ベクトルとのドット積と、バイアス値とを含む。しかしながら、オンライン・ソーシャル・ネットワークのすべてのユーザについて、これらのベクトルのドット積を直接的に計算することは、時間および処理の観点から見て、負担が大きすぎることがある。特定の実施形態では、ソーシャルネットワーキング・システムは、ユーザによって提供されたエンティティへの接続に基づいた協調フィルタリングを通して、ユーザの関心を予測し、これらの関心を利用して、コンテンツ推薦を行うことができる。オンライン・ソーシャル・ネットワークは、10億を超えるユーザおよび何100万ものコンセプト(例えば、場所、ウェブサイト、エンティティ、リソースなど)に関連付けられることができ、他のユーザにこれらのユーザおよびコンセプトを推薦することが望ましいことがある。実現不可能なほど大きなデータ・セットであることがある、すべてのユーザおよびすべてのコンセプトからのレーティング・データを使用する代わりに、ソーシャルネットワーキング・システムは、オンライン・ソーシャル・ネットワークに関連付けられているすべてのコンセプトに関して、ユーザのサンプルのみからのレーティング・データを使用することができ、この限られたデータ・セットを使用して、コンセプト特徴を計算することができる。その後、これらのコンセプト特徴は、固定され、オンライン・ソーシャル・ネットワークの残りのすべてのユーザについてのユーザ特徴を計算するために使用され得る。ユーザ特徴およびコンセプト特徴を取得した後、各ユーザ−コンセプト・ペアについてスコアを直接的に計算する代わりに、ソーシャルネットワーキング・システムは、ランダム射影を使用して、どのユーザについてもコンセプトの範囲を狭めることができる。それは、コンセプト特徴ベクトルのコサイン類似距離に基づいて、どのコンセプトについても最も類似するコンセプトを決定することができ、次に、それを情報源として使用して、ユーザに提案(例えば、ユーザが以前「いいね」を表明した、または他の方法で対話したコンセプトに最も類似したコンセプト)を提供することができる。
はその他のアドレスを入力することができ、ウェブ・ブラウザ132は、ハイパー・テキスト転送プロトコル(HTTP)要求を生成して、そのHTTP要求をサーバに通信することができる。サーバは、そのHTTP要求を受け入れて、そのHTTP要求に応答して1つまたは複数のハイパー・テキスト・マークアップ言語(HTML)ファイルをクライアント・システム130に通信することができる。クライアント・システム130は、ユーザに提示するためにサーバからのHTMLファイルに基づいてウェブページをレンダリングすることができる。本開示は、任意の適切なウェブページ・ファイルを想定している。限定ではなく、例として、ウェブページは、特定のニーズに従って、HTMLファイル、拡張可能ハイパー・テキスト・マークアップ言語(XHTML)ファイル、または拡張可能マークアップ言語(XML)ファイルからレンダリングすることができる。そのようなページは、限定ではなく、例として、JAVASCRIPT(登録商標)、JAVA(登録商標)、MICROSOFT SILVERLIGHTで書かれたスクリプトなどのスクリプト、AJAX(Asynchronous JAVASCRIPT(登録商標)
and XML)などのマークアップ言語とスクリプトの組合せなどを実行することもできる。本明細書においては、ウェブページへの参照は、適切な場合には、1つまたは複数の対応するウェブページ・ファイル(そのウェブページをレンダリングするためにブラウザが使用することができる)を含み、その逆もまた同様である。
ーキング・サービスを提供するために互いに連携して機能することができる。この意味において、ソーシャルネットワーキング・システム160は、サードパーティ・システム170などのその他のシステムがインターネットを介してソーシャルネットワーキング・サービスおよび機能をユーザに提供するために使用することができるプラットフォーム、またはバックボーンを提供することができる。
は具体的であることが可能である。限定ではなく、例として、ユーザが、あるブランドの靴に関する記事に対して「いいね!」を表明した場合には、カテゴリは、そのブランド、または「靴」もしくは「衣類」という一般的なカテゴリであることが可能である。ユーザに関するつながり情報を格納するために、つながりストアが使用されることが可能である。つながり情報は、類似のもしくは共通の職業経験、グループ・メンバーシップ、趣味、学歴を有しているか、または何らかの形で関連しているか、もしくは共通の属性を共有しているユーザ同士を示すことができる。つながり情報は、さまざまなユーザおよびコンテンツ(内部および外部の両方)の間におけるユーザ定義のつながりを含むこともできる。ネットワーク110を介してソーシャルネットワーキング・システム160を1つもしくは複数のクライアント・システム130または1つもしくは複数のサードパーティ・システム170にリンクさせるために、ウェブ・サーバが使用されることが可能である。ウェブ・サーバは、ソーシャルネットワーキング・システム160と、1つまたは複数のクライアント・システム130との間においてメッセージを受け取って回送するためにメール・サーバまたはその他のメッセージング機能を含むことができる。API要求サーバは、サードパーティ・システム170が、1つまたは複数のAPIを呼び出すことによってソーシャルネットワーキング・システム160からの情報にアクセスすることを可能にすることができる。ソーシャルネットワーキング・システム160の上のまたは外のユーザのアクションに関してウェブ・サーバから通信を受け取るために、アクション・ロガーが使用されることが可能である。アクション・ログとともに、サードパーティコンテンツ・オブジェクトへのユーザの露出についてのサードパーティコンテンツオブジェクト・ログが保持されることが可能である。通知コントローラは、コンテンツ・オブジェクトに関する情報をクライアント・システム130に提供することができる。情報は、通知としてクライアント・システム130へ押し出されることが可能であり、または情報は、クライアント・システム130から受け取られた要求に応答してクライアント・システム130から引き出されることが可能である。ソーシャルネットワーキング・システム160のユーザの1つまたは複数のプライバシー設定を実施するために、認可サーバが使用されることが可能である。ユーザのプライバシー設定は、ユーザに関連付けられている特定の情報がどのように共有されることが可能であるかを識別する。認可サーバは、ユーザが、たとえば、適切なプライバシー設定を設定することなどによって、自分のアクションをソーシャルネットワーキング・システム160によって記録されること、またはその他のシステム(たとえば、サードパーティ・システム170)と共有されることのオプトインまたはオプトアウトを行うことを可能にすることができる。サードパーティ・システム170などのサードパーティから受け取られたコンテンツ・オブジェクトを格納するために、サードパーティコンテンツオブジェクト・ストアが使用されることが可能である。ユーザに関連付けられているクライアント・システム130から受け取られたロケーション情報を格納するために、ロケーション・ストアが使用されることが可能である。広告価格設定モジュールが、ソーシャルな情報、現在時刻、ロケーション情報、またはその他の適切な情報を組み合わせて、関連がある広告を、通知の形式でユーザに提供することができる。
オブジェクトとして、たとえば(ソーシャルグラフ・データベースなどの)データ・ストア内に格納されることが可能である。そのようなデータ・ストアは、ソーシャル・グラフ200のノードまたはエッジの1つまたは複数の検索可能なまたはクエリ可能なインデックスを含むことができる。
対応する1つまたは複数のデータ・オブジェクトに関連付けられることが可能である。特定の実施形態においては、コンセプト・ノード204は、1つまたは複数のウェブページに対応することができる。
シャル・グラフ200内で第1のユーザのユーザ・ノード202を第2のユーザのユーザ・ノード202につなげるエッジ206を作成して、エッジ206をソーシャル・グラフ情報としてデータ・ストア164のうちの1つまたは複数の中に格納することができる。図2の例においては、ソーシャル・グラフ200は、ユーザ「A」のユーザ・ノード202と、ユーザ「B」のユーザ・ノード202との間における友達関係を示すエッジ206と、ユーザ「C」のユーザ・ノード202と、ユーザ「B」のユーザ・ノード202との間における友達関係を示すエッジとを含む。本開示は、特定のユーザ・ノード202同士をつなげる特定の属性を伴う特定のエッジ206を記述している、または示しているが、本開示は、ユーザ・ノード202同士をつなげる任意の適切な属性を伴う任意の適切なエッジ206を想定している。限定ではなく、例として、エッジ206は、友達関係、家族関係、ビジネスもしくは雇用関係、ファン関係、フォロワー関係、ビジター関係、サブスクライバ関係、上下関係、互恵的関係、非互恵的関係、別の適切なタイプの関係、または複数のそのような関係を表すことができる。その上、本開示は一般に、ノード同士をつながっているものとして記述しているが、本開示はまた、ユーザ同士またはコンセプト同士をつながっているものとして記述している。本明細書においては、つながっているユーザ同士またはコンセプト同士への言及は、適切な場合には、1つまたは複数のエッジ206によってソーシャル・グラフ200内でつながっているそれらのユーザ同士またはコンセプト同士に対応するノード同士を指すことができる。
つまたは複数の関係を表すユーザ・ノード202とコンセプト・ノード204との間におけるエッジを想定している。限定ではなく、例として、エッジ206は、ユーザが特定のコンセプトに対して「いいね!」を表明していること、およびその特定のコンセプトを使用したことの両方を表すことができる。あるいは、別のエッジ206は、ユーザ・ノード202とコンセプト・ノード204との間におけるそれぞれのタイプの関係(または、単一の関係が複数集まったもの)を表すことができる(図2において、ユーザ「E」を表すユーザ・ノード202と、「SPOTIFY」を表すコンセプト・ノード204との間において示されているように)。
よって提供されたエンティティへの接続(例えば、レーティング・データと呼ばれることがある、ユーザ・ノード202とソーシャル・グラフ200の他のノードとの間のユーザ生成のエッジ接続)に基づいた協調フィルタリングを通して、ユーザの関心を予測し、これらの関心を利用して、コンテンツ推薦を行うことができる。問題は、オンライン・ソーシャル・ネットワークでは、(ユーザ・ノード202およびコンセプト・ノード204にそれぞれ対応する)10億を超えるユーザと何100万ものコンセプトとが関連付けられることができ、他のユーザにこれらのユーザおよびコンセプトを推薦する(例えば、それらに対応するプロファイル・ページを推薦する)ことが望ましいことがあることである。ソーシャル・グラフ200のサイズのせいで、特異値分解(SVD)などの標準的な次元削減技法を使用してユーザ推薦を計算することは、時間制約および計算能力制約が原因で、負担が大きすぎることがある。システムが、ユーザおよび推薦の低次元近似を取得することができたとしても、すべての可能なユーザ−コンセプト・ペアのスコアを計算するコストは、きわめて高いことがある。限定ではなく、例として、10億を超えるユーザ・ノード202と500万のコンセプト・ノード204を含むソーシャル・グラフ200の場合、すべてのユーザ−コンセプト・ペアを分析するために、5000兆(5×1015)を超える計算を要し、それを妥当なタイムフレーム内で完了するのは実現不可能なことがある。すべてのコンセプトが、個別にスコア付けされ得たとしても、そのような大きなセットから推薦を与えることは、大規模なインフラストラクチャを必要とする。したがって、実現不可能なほど大きなデータ・セットであることがある、すべてのユーザおよびすべてのコンセプトからのレーティング・データを使用する代わりに、ソーシャルネットワーキングは、オンライン・ソーシャル・ネットワークに関連付けられているすべてのコンセプトに関して、ユーザのサンプル(例えば、1%)のみからのレーティング・データを使用することができ、この限られたデータ・セットを使用して、すべてのコンセプト特徴を計算することができる。その後、これらのコンセプト特徴は、固定され、オンライン・ソーシャル・ネットワークの残りのすべてのユーザについてのユーザ特徴を計算するために使用され得る。ユーザ特徴およびコンセプト特徴を取得した後、各ユーザ−コンセプト・ペアについてスコアを直接的に計算する代わりに、ソーシャルネットワーキング・システム160は、ランダム射影を使用して、どのユーザについてもコンセプトの範囲を狭めることができる。それは、コンセプト特徴ベクトルのコサイン類似距離に基づいて、どのコンセプトについても最も類似するコンセプトを決定することができ、次に、それを情報源として使用して、ユーザに提案(例えば、ユーザが以前「いいね」を表明した、または他の方法で対話したコンセプトに最も類似したコンセプト)を提供することができる。本開示は、特定の方法で推薦または広告する特定のコンテンツ・オブジェクトを識別することについて説明するが、本開示は、任意の適切な方法で推薦または広告する任意の適切なコンテンツ・オブジェクトを識別することを想定している。
ネント、要素、機能、方法、動作、または工程を利用することができる。特定の実施形態では、ソーシャルネットワーキング・システム160は、第1の組のユーザ・ノード202に対するユーザ−コンセプト・スコアを表すレーティング行列Rにアクセスすることができる。レーティング行列Rは、ユーザのコンセプトに対するレーティングを含むことができ、R(u,i)は、ユーザ・ノードuからのコンセプト・ノードiに対するレーティングを提示することができる。レーティング行列Rは、ユーザとエンティティとの間の自己報告された接続(例えば、ユーザがコンセプトに「いいね」を表明するときのエッジ206接続)によって生成され得る。ソーシャル・グラフ200との関連において、エッジ206によって接続されたノードは、ノード・ペアに関するレーティング/スコアを有すると見なされ得るが、接続されていないノードは、ノード・ペアに関するスコアを有さない、またはゼロ・スコアを有することができる。一般的なユーザは、オンライン・ソーシャル・ネットワークに関連付けられているコンセプトの総数に比べて非常に僅かなコンセプトにしかレーティング/「いいね」の表明を行わないことがある点で、レーティング行列Rは、きわめて疎であり得る。言い換えれば、一般的なユーザ・ノード202は、エッジ206によって、相対的に僅かなコンセプト・ノード204に接続され得る。しかし、例えば、10億を超えるユーザおよび数100万のコンセプトが存在する場合、すべてのユーザについてのレーティング行列Rは、非常に大きな次元を有し得る。レーティング行列Rに基づいて、次に、ソーシャルネットワーキング・システム160は、ユーザ行列Pを決定することができ、ユーザ行列Pは、第1の組のユーザ・ノード202の各ユーザ・ノードuについての複数のユーザ−スコア・ベクトルP(u)を含む。ソーシャルネットワーキング・システム160は、レーティング行列Rに基づいて、コンセプト行列Qも決定することができ、コンセプト行列Qは、複数のコンセプト・ノードの各コンセプト・ノードiについての複数のコンセプト−スコア・ベクトルQ(i)を含む。限定ではなく、例として、ソーシャルネットワーキング・システム160は、ユーザの1%と、すべてのコンセプトとを取り、1%のユーザとコンセプトとの間の対話履歴(例えば、ユーザ・ノード202からコンセプト・ノード204への接続に関するエッジ・タイプ情報)をトレーニング・データとして収集し、並列型(distributed)確率的勾配降下アルゴリズムを使用して、1%のユーザすべてについてのユーザ・トレース・ベクトル、およびコンセプトすべてについてのコンセプト・トレース・ベクトル、ならびにユーザ−コンセプト・ペアすべてについてのバイアスを計算することができる。本開示は、特定の方法で特定のユーザ−コンセプト・スコアにアクセスすることについて説明するが、本開示は、任意の適切な方法で任意の適切なユーザ−コンセプト・スコアにアクセスすることを想定している。
とができる。次に、ソーシャルネットワーキング・システム160は、レーティング行列Rに基づいて、コンセプト行列Qにアクセスすることができ、コンセプト行列Qは、複数のコンセプトの各コンセプト・ノードiについての複数の(コンセプト特徴ベクトルとも呼ばれる)コンセプト−スコア・ベクトルQ(i)を含み、各コンセプト・ノードiは、コンセプト−バイアス・ベクトルBi(i)に関連付けられている。言い換えれば、コンセプト行列Qは、各列がコンセプトによってインデックス付けされ、行が特徴空間内の値である、行列である。コンセプト行列Qの特徴空間も、同様に次元kを有することができる。コンセプト行列Qの列は、コンセプト・ノードiによって参照される。どのユーザも、ユーザ−バイアス・ベクトルBu(u)によって定められるバイアス値を有することができ、Buは、ユーザのすべてのバイアスからなるベクトルである。同様に、どのコンセプトも、コンセプト−バイアス・ベクトルBi(i)によって定められるバイアス値を有することができ、Biは、コンセプトのすべてのバイアスからなるベクトルである。次に、ソーシャルネットワーキング・システム160は、第1の組のユーザ・ノードに対する推薦されるユーザ−コンセプト・スコアを表すエスティメータ行列R’を生成することができ、ユーザ・ノードuのコンセプト・ノードiに対するレーティングは、各ユーザ−コンセプト・ペア(u,i)に対し、R’(u,i)=P(u)・Q(i)+Bu(u)+Bi(i)である。特定の実施形態では、ソーシャルネットワーキング・システム160は、並列型確率的勾配降下(DSGD)を使用して、ユーザ行列P、各ユーザ・ノードuについてのユーザ−スコア・ベクトルP(u)、コンセプト行列Q、および各コンセプト・ノードiについてのコンセプト−スコア・ベクトルQ(i)を決定することができる。限定ではなく、例として、ソーシャルネットワーキング・システム160によって使用される実施アルゴリズムは、R’(u,i)についての式によって生成されたユーザ・ノードuおよびコンセプト・ノードiのスコア/レーティングが、R(u,i)と最も密接にマッチするように、ユーザ行列P、コンセプト行列Q、ユーザ−バイアス・ベクトルBu(u)、およびコンセプト−バイアス・ベクトルBi(i)を見つけるために、並列型確率的勾配降下を使用することができる。アルゴリズムは、事前トレーニング・フェーズにおいて、データのサンプル上で稼働させられることができ、次に、それらの結果から、すべてのデータに外挿され得る。最終的なスコア/レーティングは、ランダム射影を使用して計算されることができ、次に、トップ・スコアのコンセプトが、ソーシャルネットワーキング・システム160の推薦処理によって使用するために格納され得る。ユーザ行列Pおよびコンセプト行列Qは、DSGDによって、必ずしもすべてのユーザおよびすべてのコンセプトについてトレーニングされる必要はない。代わりに、ユーザのサンプルおよびすべてのコンセプトについて、DSGDの完全稼働が、このサンプルからユーザ行列Pおよびコンセプト行列Qを学習するために、稼働させられ得る。このように、コンセプト行列Qおよびコンセプト−バイアス・ベクトルBi(i)は、より小さなサンプルから学習され得る。次に、コンセプト特徴およびコンセプト・オフセットについてのこれらの値が、固定され得る。すべてのユーザについてのユーザ行列Pを計算するために、次に、繰り返されるサンプルが、置き換えのないユーザの組から選択され得る。次に、各サンプルが、サンプル内のユーザに対応するユーザ行列Pの部分行列を計算するために使用され得る。この部分行列は、事前トレーニングからの固定されたコンセプト行列Qおよびコンセプト−バイアス・ベクトルBi(i)を保持しながら、上で行列因子分解に関して説明された最適化処理にDSGDを適用することによって計算され得る。第1のトレーニング・工程では、ソーシャルネットワーキング・システム160は、ユーザのランダムなサンプルPおよびすべてのアイテムQ上において、各ユーザ・ノードuについてのユーザ・スコア・ベクトルP(u)および各コンセプト・ノードiについてのコンセプト・スコア・ベクトルQ(i)を発見するために最適化することができる。次に、コンセプト特徴が、固定されることができ、次に、ソーシャルネットワーキング・システム160は、ユーザ・ベースの区画上で、そのユーザ・ベースについてのP(u)を計算するために、数々の処理を稼働させることができる。これらの処理は、並列で稼働させられることができ、各並列稼働は、機械のクラスタ上でDSGDを稼働させることによって行われ得る。限定ではな
く、例として、ソーシャルネットワーキング・システムは、コンセプト・トレース・ベクトルおよびすべてのバイアスを固定し、並列型確率的勾配降下アルゴリズムを使用して、(第1の組が約1%のユーザを含むと仮定すれば)オンライン・ソーシャル・ネットワークの残りの99%のユーザについてのデータを用いてトレーニングし、すべてのユーザについてのユーザ・トレース・ベクトル、すべてのコンセプトについてのコンセプト・トレース・ベクトル、およびすべてのユーザ−コンセプト・ペアについてのバイアスを計算することができる。本開示は、特定の方法で特定の推薦アルゴリズムを生成することについて説明するが、本開示は、任意の適切な方法で任意の適切な推薦アルゴリズムを生成することを想定している。
でき、各ユーザ−バイアス・ベクトルBu(u)は、第2の組のユーザ・ノードのうちの1つのユーザ・ノードuに関連付けられている。次に、ソーシャルネットワーキング・システム160は、ランダム・ハッシュ関数を使用して、複数のユーザ−バイアス・ベクトルBu(u)および複数のコンセプト−バイアス・ベクトルBi(i)を複数の部分空間にマッピングすることができ、各コンセプト−バイアス・ベクトルBi(i)は、複数のコンセプト・ノードのうちの1つのコンセプト・ノードiに関連付けられている。次に、ソーシャルネットワーキング・システム160は、各部分空間について、部分空間にマッピングされたユーザ−バイアス・ベクトルBu(u)に関連付けられている、第2の組のユーザ・ノードのうちの1つのユーザ・ノードuに対するユーザ−コンセプト・スコアを計算することができ、ユーザ−コンセプト・スコアは、部分空間にマッピングされたユーザ−バイアス・ベクトルBu(u)およびコンセプト−バイアス・ベクトルBi(i)対し、Bu(u)・Bi(i)に等しい。限定ではなく、例として、ソーシャルネットワーキング・システム160は、一連のランダム・ハッシュ関数を定義し、それを使用して、各ユーザ関心ベクトルおよび各コンセプト関心ベクトルを、部分空間IDを有する部分空間にマッピングすることができる。この処理は、局所性鋭敏型ハッシュ(LSH)に類似しており、コンセプト特徴およびユーザ特徴の低次元近似を提供する。次に、ソーシャルネットワーキング・システム160は、各部分空間について、同じ部分空間内のすべてのユーザとすべてのコンセプトのベクトルの内積を計算することができる。この処理の後、任意の特定のユーザおよび任意の特定のコンセプトについて、ソーシャルネットワーキング・システム160は、推薦されるユーザ−コンセプト・スコアを計算することができることがある。どのユーザについても、ソーシャルネットワーキング・システム160は、スコアに基づいて、そのベクトルがユーザのベクトルと同じ部分空間内にある、すべてのコンセプトをランク付けすることができる。次に、そのユーザについてのトップnのコンセプトが、ユーザに対する推薦として格納され得る。特定の実施形態では、この処理は、新しい推薦または更新された推薦が各ユーザについて生成され得るように、指定された時間区間において繰り返され得る。本開示は、特定の方法で特定の推薦されるユーザ−コンセプト・スコアを計算することについて説明するが、本開示は、任意の適切な方法で任意の適切な推薦されるユーザ−コンセプト・スコアを計算することを想定している。
明するが、本開示は、任意の適切な方法で任意の適切な推薦を送信することを想定している。
れているアクションまたは関係の継続的な監視に基づいて変わり得る。本開示は、特定のやり方で特定のアフィニティを決定することを説明するが、任意の好適なやり方で任意の好適なアフィニティを決定することを想定する。
態において、ソーシャルネットワーキング・システム160は、履歴的アクションおよび過去のユーザの応答、またはユーザをさまざまなオプションに露出し、応答を測定することによってユーザから養われたデータで訓練された機械学習アルゴリズムを使用して係数を決定し得る。本開示は、特定のやり方で係数を計算することを説明するが、任意の好適なやり方で係数を計算することを想定する。
有することがコンテンツと「いいね!」タイプの関係を有することよりも重い重みおよび/またはレーティングを割り振られる可能性があるので、ユーザが第2の写真よりも第1の写真に関連してより高い係数を有すると決定し得る。特定の実施形態において、ソーシャルネットワーキング・システム160は、1人または複数の第2のユーザが有する特定のオブジェクトとの関係に基づいて第1のユーザに関する係数を計算し得る。言い換えると、その他のユーザが有するオブジェクトとの接続および係数が、オブジェクトに関する第1のユーザの係数に影響を与えることが可能である。限定ではなく例として、第1のユーザが1人もしくは複数の第2のユーザに接続されるかまたは1人もしくは複数の第2のユーザに関する高い係数を有し、それらの第2のユーザが特定のオブジェクトに接続されるかまたは特定のオブジェクトに関する高い係数を有する場合、ソーシャルネットワーキング・システム160は、第1のユーザも特定のオブジェクトに関する比較的高い係数を有するべきであると決定し得る。特定の実施形態において、係数は、特定のオブジェクトの間の隔たりの度合いに基づくことが可能である。より低い係数は、第1のユーザがソーシャル・グラフ200の第1のユーザに間接的に接続されるユーザのコンテンツ・オブジェクトへの関心を共有する減少する見込みを表し得る。限定ではなく例として、ソーシャル・グラフ200内でより近いソーシャル・グラフのエンティティ(つまり、隔たりのより低い度合い)は、ソーシャル・グラフ200内でさらに離れているエンティティよりも高い係数を有することが可能である。
関連する検索リザルトに関連付けられている係数に基づいてスコアを付けられるかまたはランクを付けられることが可能である。限定ではなく例として、より高い係数を持つオブジェクトに対応する検索リザルトが、より低い係数を有するオブジェクトに対応するリザルトよりも検索リザルト・ページでより高くランクを付けられることが可能である。
可能である。広告主は、ソーシャル・アクションをプロモーションさせるために料金を支払う場合がある。限定ではなく例として、広告は、検索リザルト・ページの検索リザルトに含まれることが可能であり、スポンサー付きのコンテンツがスポンサー付きでないコンテンツの上でプロモーションされる。
提供する。特定の実施形態は、1つまたは複数のコンピュータ・システム400の1つまたは複数の部分を含む。本明細書においては、適切な場合には、コンピュータ・システムへの言及はコンピューティング・デバイスを包含することができ、反対に、コンピューティング・デバイスへの言及はコンピュータ・システムを包含することができる。その上、コンピュータ・システムへの言及は、適切な場合には、1つまたは複数のコンピュータ・システムを包含することができる。
のコピーであることが可能であり、命令キャッシュは、プロセッサ402によるそれらの命令の取り出しを高速化することができる。データ・キャッシュ内のデータは、プロセッサ402において実行される命令が機能する際に基づくメモリ404もしくはストレージ406内のデータのコピー、プロセッサ402において実行される後続の命令によるアクセスのための、もしくはメモリ404もしくはストレージ406への書き込みのためのプロセッサ402において実行された以前の命令の結果、またはその他の適切なデータであることが可能である。データ・キャッシュは、プロセッサ402による読み取り動作または書き込み動作を高速化することができる。TLBは、プロセッサ402のための仮想アドレス変換を高速化することができる。特定の実施形態においては、プロセッサ402は、データ、命令、またはアドレスのための1つまたは複数の内部レジスタを含むことができる。本開示は、適切な場合には、任意の適切な数の任意の適切な内部レジスタを含むプロセッサ402を想定している。適切な場合には、プロセッサ402は、1つまたは複数の演算ロジック・ユニット(ALU)を含むこと、マルチコア・プロセッサであること、または1つもしくは複数のプロセッサ402を含むことが可能である。本開示は、特定のプロセッサについて記述し、示しているが、本開示は、任意の適切なプロセッサを想定している。
、光ディスク、光磁気ディスク、磁気テープ、またはユニバーサル・シリアル・バス(USB)ドライブ、またはこれらのうちの複数の組合せを含むことができる。ストレージ406は、適切な場合には、取り外し可能なまたは取り外し不能な(すなわち、固定された)媒体を含むことができる。ストレージ406は、適切な場合には、コンピュータ・システム400の内部または外部に存在することが可能である。特定の実施形態においては、ストレージ406は、不揮発性のソリッドステート・メモリである。特定の実施形態においては、ストレージ406は、読み取り専用メモリ(ROM)を含む。適切な場合には、このROMは、マスクプログラムROM、プログラマブルROM(PROM)、消去可能PROM(EPROM)、電気的消去可能PROM(EEPROM)、電気的書替え可能ROM(EAROM)、またはフラッシュ・メモリ、またはこれらのうちの複数の組合せであることが可能である。本開示は、任意の適切な物理的な形態を取るマス・ストレージ406を想定している。ストレージ406は、適切な場合には、プロセッサ402とストレージ406との間における通信を容易にする1つまたは複数のストレージ・コントロール・ユニットを含むことができる。適切な場合には、ストレージ406は、1つまたは複数のストレージ406を含むことができる。本開示は、特定のストレージについて記述し、示しているが、本開示は、任意の適切なストレージを想定している。
たはこれらのうちの複数の組合せと通信することができる。これらのネットワークのうちの1つまたは複数の1つまたは複数の部分は、有線またはワイヤレスであることが可能である。例として、コンピュータ・システム400は、ワイヤレスPAN(WPAN)(たとえば、ブルートゥースWPANなど)、WI−FIネットワーク、WI−MAXネットワーク、セルラー電話ネットワーク(たとえば、グローバル・システム・フォー・モバイル・コミュニケーションズ(GSM(登録商標))ネットワークなど)、またはその他の適切なワイヤレス・ネットワーク、またはこれらのうちの複数の組合せと通信することができる。コンピュータ・システム400は、適切な場合には、これらのネットワークのうちの任意のネットワークのための任意の適切な通信インタフェース410を含むことができる。通信インタフェース410は、適切な場合には、1つまたは複数の通信インタフェース410を含むことができる。本開示は、特定の通信インタフェースについて記述し、示しているが、本開示は、任意の適切な通信インタフェースを想定している。
ではないことが文脈によって示されている場合は除く)。
Claims (15)
- 1つまたは複数のコンピューティング・デバイスに関連付けられている1つまたは複数のプロセッサが、
複数のノードと、前記複数のノードを接続する複数のエッジとを含むソーシャル・グラフにアクセスする工程であって、前記ノードのうちの2つのノードの間の前記エッジの各々は、それら2つのノードの間の1次の隔たりを表し、前記複数のノードは、
オンライン・ソーシャル・ネットワークに関連付けられている複数のユーザにそれぞれ対応する複数のユーザ・ノードと、
前記オンライン・ソーシャル・ネットワークに関連付けられている複数のコンセプトにそれぞれ対応する複数のコンセプト・ノードと、
を含む、工程と、
前記複数のノードのうちの第1の組のユーザ・ノードに対するユーザ−コンセプト・スコアにそれぞれアクセスする工程であって、各ユーザ−コンセプト・スコアは特定のユーザ−コンセプト・ペアに関し、前記特定のユーザ−コンセプト・ペアは、前記複数のコンセプト・ノードのうちの1つのコンセプト・ノードに対し1つのエッジによって接続されている、前記第1の組のユーザ・ノードのうちの1つのユーザ・ノードを含む、ユーザ−コンセプト・スコア・アクセス工程と、
前記第1の組のユーザ・ノードと前記複数のコンセプト・ノードとによるすべてのユーザ−コンセプト・ペアに対する推薦されるユーザ−コンセプト・スコアを推定するための推薦アルゴリズムを生成する工程であって、前記推薦されるユーザ−コンセプト・スコアは、アクセスされた前記ユーザ−コンセプト・スコアに基づく、推薦アルゴリズム生成工程と、
前記複数のノードのうちの第2の組のユーザ・ノードに対する推薦されるユーザ−コンセプト・スコアを計算するユーザ−コンセプト・スコア計算工程であって、前記第1の組のユーザ・ノードは前記第2の組のユーザ・ノードから分離している、工程と、
を行う方法。 - 前記第2の組のユーザ・ノードに対する計算された前記推薦されるユーザ−コンセプト・スコアに基づいて、1つまたは複数のコンセプト・ノードに対する推薦を、前記第2の組のユーザ・ノードのうちの前記1つのユーザ・ノードに対応する1つまたは複数のユーザに送信する工程をさらに備える、請求項1に記載の方法。
- 前記ユーザ−コンセプト・スコア・アクセス工程は、
前記第1の組のユーザ・ノードに対する前記ユーザ−コンセプト・スコアを表すレーティング行列Rにアクセスする工程と、
前記レーティング行列Rに基づいて、ユーザ行列Pを決定する工程であって、前記ユーザ行列Pは、前記第1の組のユーザ・ノードの各ユーザ・ノードuについての複数のユーザ−スコア・ベクトルP(u)を含む、工程と、
前記レーティング行列Rに基づいて、コンセプト行列Qを決定する工程であって、前記コンセプト行列Qは、前記複数のコンセプト・ノードの各コンセプト・ノードiについての複数のコンセプト−スコア・ベクトルQ(i)を含む、工程と、
を含む、請求項1に記載の方法。 - 前記ユーザ行列Pと、各ユーザ・ノードuについての前記ユーザ−スコア・ベクトルP(u)と、前記コンセプト行列Qと、各コンセプト・ノードiについての前記コンセプト−スコア・ベクトルQ(i)とは、並列型確率的勾配降下を使用して決定される、請求項3に記載の方法。
- 前記推薦アルゴリズム生成工程は、
前記第1の組のユーザ・ノードの各ユーザ・ノードuについての複数のユーザ−スコア・ベクトルP(u)を含むユーザ行列Pにアクセスする工程であって、各ユーザ・ノードuは、ユーザ−バイアス・ベクトルBu(u)に関連付けられている、工程と、
前記複数のコンセプトの各コンセプト・ノードiについての複数のコンセプト−スコア・ベクトルQ(i)を含むコンセプト行列Qにアクセスする工程であって、各コンセプト・ノードiは、コンセプト−バイアス・ベクトルBi(i)に関連付けられている、工程と、
前記第1の組のユーザ・ノードに対する推薦されるユーザ−コンセプト・スコアを表すエスティメータ行列R’を生成する工程であって、各ユーザ−コンセプト・ペアについて、R’(u,i)=P(u)・Q(i)+Bu(u)+Bi(i)である、工程と、
を含む、請求項1に記載の方法。 - 前記ユーザ−コンセプト・スコア計算工程は、
前記第2の組のユーザ・ノードの各ユーザ・ノードについて、複数のユーザ−バイアス・ベクトルBu(u)を計算する工程であって、各ユーザ−バイアス・ベクトルBu(u)は、前記第2の組のユーザ・ノードのうちの1つのユーザ・ノードuに関連付けられている、工程と、
ランダム・ハッシュ関数を使用して、前記複数のユーザ−バイアス・ベクトルBu(u)および複数のコンセプト−バイアス・ベクトルBi(i)を複数の部分空間にマッピングする工程であって、各コンセプト−バイアス・ベクトルBi(i)は、前記複数のコンセプト・ノードのうちの1つのコンセプト・ノードiに関連付けられている、マッピング工程と、
各部分空間について、前記部分空間にマッピングされた前記ユーザ−バイアス・ベクトルBu(u)に関連付けられている、前記第2の組のユーザ・ノードのうちの前記1つのユーザ・ノードuに対するユーザ−コンセプト・スコアを計算する工程であって、前記ユーザ−コンセプト・スコアは、前記部分空間にマッピングされた前記ユーザ−バイアス・ベクトルBu(u)および前記コンセプト−バイアス・ベクトルBi(i)に対し、Bu(u)・Bi(i)に等しい、工程と、
を備える、請求項1に記載の方法。 - 前記マッピング工程は、前記複数のユーザ−バイアス・ベクトルBu(u)および複数のコンセプト−バイアス・ベクトルBi(i)を前記複数の部分空間に射影するためにランダム射影処理を使用する工程を含む、請求項6に記載の方法。
- 前記ユーザ−コンセプト・スコア計算工程は、前記1つまたは複数のコンピューティング・デバイスに関連付けられている複数のプロセッサ上で、並列型確率的勾配降下を使用して、前記第2の組のユーザ・ノードのうちの複数の分離したユーザの組に対し実行される、請求項1に記載の方法。
- 前記第1の組のユーザ・ノードは、前記オンライン・ソーシャル・ネットワークのユーザの代表サンプルに対応する、代表数のユーザ・ノードを含む、請求項1に記載の方法。
- 前記第1の組のユーザ・ノードは、前記複数のユーザ・ノードのうちの約1%の前記ユーザ・ノードを含む、請求項1に記載の方法。
- 前記第2の組のユーザ・ノードは、前記複数のユーザ・ノードのうちの実質的にすべての残りのユーザ・ノードを含む、請求項1に記載の方法。
- 前記第2の組のユーザ・ノードは、前記第1の組のユーザ・ノードを差し引いた前記複数のユーザ・ノードのうちのほぼ100%の前記ユーザ・ノードを含む、請求項1に記載
の方法。 - 前記第2の組のユーザ・ノードは、複数の分離したユーザの組に分割される、請求項12に記載の方法。
- ソフトウェアを具現する1または複数の非一時的なコンピュータ可読記憶媒体であって、前記ソフトウェアは実行時、
複数のノードと、前記複数のノードを接続する複数のエッジとを含むソーシャル・グラフにアクセスする工程であって、前記ノードのうちの2つのノードの間の前記エッジの各々は、それら2つのノードの間の1次の隔たりを表し、前記複数のノードは、
オンライン・ソーシャル・ネットワークに関連付けられている複数のユーザにそれぞれ対応する複数のユーザ・ノードと、
前記オンライン・ソーシャル・ネットワークに関連付けられている複数のコンセプトにそれぞれ対応する複数のコンセプト・ノードと、
を含む、工程と、
前記複数のノードのうちの第1の組のユーザ・ノードに対するユーザ−コンセプト・スコアにそれぞれアクセスする工程であって、各ユーザ−コンセプト・スコアは特定のユーザ−コンセプト・ペアに関し、前記特定のユーザ−コンセプト・ペアは、前記複数のコンセプト・ノードのうちの1つのコンセプト・ノードに対し1つのエッジによって接続されている、前記第1の組のユーザ・ノードのうちの1つのユーザ・ノードを含む、ユーザ−コンセプト・スコア・アクセス工程と、
前記第1の組のユーザ・ノードと前記複数のコンセプト・ノードとによるすべてのユーザ−コンセプト・ペアに対する推薦されるユーザ−コンセプト・スコアを推定するための推薦アルゴリズムを生成する工程であって、前記推薦されるユーザ−コンセプト・スコアは、アクセスされた前記ユーザ−コンセプト・スコアに基づく、推薦アルゴリズム生成工程と、
前記複数のノードのうちの第2の組のユーザ・ノードに対する推薦されるユーザ−コンセプト・スコアを計算するユーザ−コンセプト・スコア計算工程であって、前記第1の組のユーザ・ノードは前記第2の組のユーザ・ノードから分離している、工程と、
を行うように構成されている、媒体。 - 1つまたは複数のプロセッサと、前記プロセッサに結合されており前記プロセッサによって実行可能な命令を含むメモリと、を備えるシステムであって、前記プロセッサは前記命令の実行時、
複数のノードと、前記複数のノードを接続する複数のエッジとを含むソーシャル・グラフにアクセスする工程であって、前記ノードのうちの2つのノードの間の前記エッジの各々は、それら2つのノードの間の1次の隔たりを表し、前記複数のノードは、
オンライン・ソーシャル・ネットワークに関連付けられている複数のユーザにそれぞれ対応する複数のユーザ・ノードと、
前記オンライン・ソーシャル・ネットワークに関連付けられている複数のコンセプトにそれぞれ対応する複数のコンセプト・ノードと、
を含む、工程と、
前記複数のノードのうちの第1の組のユーザ・ノードに対するユーザ−コンセプト・スコアにそれぞれアクセスする工程であって、各ユーザ−コンセプト・スコアは特定のユーザ−コンセプト・ペアに関し、前記特定のユーザ−コンセプト・ペアは、前記複数のコンセプト・ノードのうちの1つのコンセプト・ノードに対し1つのエッジによって接続されている、前記第1の組のユーザ・ノードのうちの1つのユーザ・ノードを含む、ユーザ−コンセプト・スコア・アクセス工程と、
前記第1の組のユーザ・ノードと前記複数のコンセプト・ノードとによるすべてのユーザ−コンセプト・ペアに対する推薦されるユーザ−コンセプト・スコアを推定するための
推薦アルゴリズムを生成する工程であって、前記推薦されるユーザ−コンセプト・スコアは、アクセスされた前記ユーザ−コンセプト・スコアに基づく、推薦アルゴリズム生成工程と、
前記複数のノードのうちの第2の組のユーザ・ノードに対する推薦されるユーザ−コンセプト・スコアを計算するユーザ−コンセプト・スコア計算工程であって、前記第1の組のユーザ・ノードは前記第2の組のユーザ・ノードから分離している、工程と、
を行うように構成されている、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/942,486 | 2013-07-15 | ||
US13/942,486 US9552055B2 (en) | 2013-07-15 | 2013-07-15 | Large scale page recommendations on online social networks |
PCT/US2014/046392 WO2015009572A1 (en) | 2013-07-15 | 2014-07-11 | Large scale page recommendations on online social networks |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016532943A true JP2016532943A (ja) | 2016-10-20 |
JP2016532943A5 JP2016532943A5 (ja) | 2017-05-25 |
JP6145576B2 JP6145576B2 (ja) | 2017-06-14 |
Family
ID=52278033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016526998A Active JP6145576B2 (ja) | 2013-07-15 | 2014-07-11 | オンライン・ソーシャル・ネットワークにおける大規模ページ推薦 |
Country Status (7)
Country | Link |
---|---|
US (2) | US9552055B2 (ja) |
JP (1) | JP6145576B2 (ja) |
KR (1) | KR101820893B1 (ja) |
AU (1) | AU2014290339B2 (ja) |
CA (1) | CA2918053C (ja) |
IL (1) | IL243539A (ja) |
WO (1) | WO2015009572A1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019109621A (ja) * | 2017-12-15 | 2019-07-04 | ヤフー株式会社 | 推定装置、推定方法、及び推定プログラム |
JP2022542708A (ja) * | 2019-08-02 | 2022-10-06 | マッチ グループ, エルエルシー | 共有デジタル体験に基づきユーザを推薦するシステム及び方法 |
Families Citing this family (50)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104079960B (zh) * | 2013-12-05 | 2015-10-07 | 深圳市腾讯计算机系统有限公司 | 文件推荐方法和装置 |
US9741081B2 (en) * | 2014-12-23 | 2017-08-22 | Invent.ly LLC | Perturbing a subject's contextualization of a proposition about an item considered in a quantum representation by altering the item |
US9754306B2 (en) * | 2014-03-03 | 2017-09-05 | Invent.ly LLC | Recommendation engine with profile analysis |
GB2524073A (en) * | 2014-03-14 | 2015-09-16 | Ibm | Communication method and system for accessing media data |
US10771572B1 (en) * | 2014-04-30 | 2020-09-08 | Twitter, Inc. | Method and system for implementing circle of trust in a social network |
CN106503022B (zh) * | 2015-09-08 | 2020-12-01 | 北京邮电大学 | 推送推荐信息的方法和装置 |
US10878029B2 (en) * | 2015-09-10 | 2020-12-29 | Adobe Inc. | Incorporating social-network connections information into estimated user-ratings of videos for video recommendations |
US9977797B2 (en) * | 2015-09-28 | 2018-05-22 | Salesforce.Com, Inc. | Combined directed graphs |
US20170124086A1 (en) * | 2015-10-30 | 2017-05-04 | Linkedin Corporation | Ranking objects based on affinity |
EP3188086B1 (en) * | 2015-12-30 | 2020-02-19 | Facebook, Inc. | Identifying entities using a deep-learning model |
US10402750B2 (en) | 2015-12-30 | 2019-09-03 | Facebook, Inc. | Identifying entities using a deep-learning model |
US10303517B1 (en) | 2016-01-28 | 2019-05-28 | BrainFights, Inc. | Automated evaluation of computer programming |
US11650903B2 (en) | 2016-01-28 | 2023-05-16 | Codesignal, Inc. | Computer programming assessment |
US10747741B2 (en) * | 2016-07-26 | 2020-08-18 | Ebay Inc. | Mechanism for efficient storage of graph data |
US20180033095A1 (en) * | 2016-07-29 | 2018-02-01 | Erich Atlas Ocean | Methods and systems for connecting users of social media networks through a network application using short range wireless communications |
US10579941B2 (en) * | 2016-09-01 | 2020-03-03 | Facebook, Inc. | Systems and methods for recommending pages |
US10223359B2 (en) * | 2016-10-10 | 2019-03-05 | The Directv Group, Inc. | Determining recommended media programming from sparse consumption data |
US20180129940A1 (en) * | 2016-11-08 | 2018-05-10 | Facebook, Inc. | Systems and methods for similar account determination |
US10902070B2 (en) | 2016-12-15 | 2021-01-26 | Microsoft Technology Licensing, Llc | Job search based on member transitions from educational institution to company |
US10475062B2 (en) | 2017-01-03 | 2019-11-12 | International Business Machines Corporation | Rewarding online users as a function of network topology |
US11263704B2 (en) * | 2017-01-06 | 2022-03-01 | Microsoft Technology Licensing, Llc | Constrained multi-slot optimization for ranking recommendations |
US10679187B2 (en) | 2017-01-30 | 2020-06-09 | Microsoft Technology Licensing, Llc | Job search with categorized results |
US10783497B2 (en) | 2017-02-21 | 2020-09-22 | Microsoft Technology Licensing, Llc | Job posting data search based on intercompany worker migration |
US10607189B2 (en) | 2017-04-04 | 2020-03-31 | Microsoft Technology Licensing, Llc | Ranking job offerings based on growth potential within a company |
US20180315019A1 (en) * | 2017-04-27 | 2018-11-01 | Linkedin Corporation | Multinodal job-search control system |
US20180311484A1 (en) * | 2017-05-01 | 2018-11-01 | Allurion Technologies, Inc. | Method of fabrication for devices for deploying and releasing a temporary implant within the body |
KR101953802B1 (ko) * | 2017-07-03 | 2019-03-07 | 한양대학교 산학협력단 | 내연적 및 외연적 신뢰 관계를 이용한 아이템 추천 방법 및 장치 |
US11144812B2 (en) * | 2017-09-01 | 2021-10-12 | Facebook, Inc. | Mixed machine learning architecture |
US11157503B2 (en) * | 2017-11-15 | 2021-10-26 | Stochastic Processes, LLC | Systems and methods for using crowd sourcing to score online content as it relates to a belief state |
CN110113650A (zh) * | 2018-02-01 | 2019-08-09 | 优酷网络技术(北京)有限公司 | 多媒体内容推荐方法及装置 |
CN108563690B (zh) * | 2018-03-15 | 2022-01-21 | 中山大学 | 一种基于面向对象聚类的协同过滤推荐方法 |
US10839014B1 (en) * | 2018-08-09 | 2020-11-17 | Facebook, Inc. | Multiple representations of a user in an embedding space |
CN111191142B (zh) * | 2018-11-14 | 2023-03-14 | 腾讯科技(深圳)有限公司 | 一种电子资源推荐方法、装置和可读介质 |
US10893339B2 (en) * | 2019-02-26 | 2021-01-12 | Capital One Services, Llc | Platform to provide supplemental media content based on content of a media stream and a user accessing the media stream |
CN109934759B (zh) * | 2019-03-20 | 2021-11-09 | 中国铁道科学研究院集团有限公司 | 一种机车监测数据分析方法及系统 |
US11288582B2 (en) * | 2019-03-29 | 2022-03-29 | Rovi Guides, Inc. | Systems and methods for providing media content recommendations |
US11188579B2 (en) * | 2019-04-08 | 2021-11-30 | Adobe Inc. | Personalized dynamic content via content tagging and transfer learning |
CN110083775B (zh) * | 2019-05-13 | 2021-06-25 | 北京顺丰同城科技有限公司 | 一种推荐资源的配置方法及配置装置 |
US11151106B1 (en) * | 2019-05-20 | 2021-10-19 | Pinterest, Inc. | Balanced distribution of items in LSH mapping |
US11442914B1 (en) | 2019-05-20 | 2022-09-13 | Pinterest, Inc. | Efficient LSH computation |
US11323463B2 (en) * | 2019-06-14 | 2022-05-03 | Datadog, Inc. | Generating data structures representing relationships among entities of a high-scale network infrastructure |
CN110489656A (zh) * | 2019-07-02 | 2019-11-22 | 华南师范大学 | 基于模式融合的物品推荐方法、系统及存储介质 |
KR102214422B1 (ko) * | 2019-08-08 | 2021-02-09 | 네이버 주식회사 | 개인화 컨텐츠 추천을 위한 실시간 그래프기반 임베딩 구축 방법 및 시스템 |
KR102342678B1 (ko) * | 2019-08-08 | 2021-12-27 | 네이버 주식회사 | 개인화 컨텐츠 추천을 위한 실시간 그래프기반 임베딩 구축 방법 및 시스템 |
US11532025B2 (en) * | 2019-08-12 | 2022-12-20 | International Business Machines Corporation | Deep cognitive constrained filtering for product recommendation |
CN112115367B (zh) | 2020-09-28 | 2024-04-02 | 北京百度网讯科技有限公司 | 基于融合关系网络的信息推荐方法、装置、设备和介质 |
US12013874B2 (en) * | 2020-12-14 | 2024-06-18 | International Business Machines Corporation | Bias detection |
KR102576484B1 (ko) * | 2021-04-07 | 2023-09-08 | 주식회사 피씨엔씨 | 협업필터링과 도서 기반 추천을 결합한 하이브리드 방식의 도서 추천을 위한 장치 및 이를 위한 방법 |
WO2023233233A1 (en) * | 2022-05-31 | 2023-12-07 | Sony Group Corporation | Hypergraph-based collaborative filtering recommendations |
KR20240111481A (ko) | 2023-01-10 | 2024-07-17 | 주식회사 스테이폴리오 | 사용자에 대한 방문 장소 추천 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011257955A (ja) * | 2010-06-08 | 2011-12-22 | Nippon Telegr & Teleph Corp <Ntt> | 推薦アイテムフィルタリング方法及び推薦アイテムフィルタリングプログラム |
US20120221581A1 (en) * | 2010-04-19 | 2012-08-30 | Srinivas Narayanan | Automatically Generating Nodes and Edges in an Integrated Social Graph |
US20130097180A1 (en) * | 2011-10-18 | 2013-04-18 | Erick Tseng | Ranking Objects by Social Relevance |
WO2013073206A1 (ja) * | 2011-11-17 | 2013-05-23 | 株式会社日立システムズ | 情報収集システム、情報収集方法、およびプログラム |
Family Cites Families (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7464075B2 (en) * | 2004-01-05 | 2008-12-09 | Microsoft Corporation | Personalization of web page search rankings |
US20050210025A1 (en) * | 2004-03-17 | 2005-09-22 | Dalton Michael E | System and method for predicting the ranking of items |
US8090665B2 (en) * | 2008-09-24 | 2012-01-03 | Nec Laboratories America, Inc. | Finding communities and their evolutions in dynamic social network |
US20120001919A1 (en) | 2008-10-20 | 2012-01-05 | Erik Lumer | Social Graph Based Recommender |
US20100268661A1 (en) * | 2009-04-20 | 2010-10-21 | 4-Tell, Inc | Recommendation Systems |
KR101372942B1 (ko) | 2010-01-19 | 2014-03-13 | 한국전자통신연구원 | 소셜 미디어 콘텐츠 공유 장치 및 방법 |
US8244848B1 (en) * | 2010-04-19 | 2012-08-14 | Facebook, Inc. | Integrated social network environment |
US8732208B2 (en) | 2010-04-19 | 2014-05-20 | Facebook, Inc. | Structured search queries based on social-graph information |
US8180804B1 (en) * | 2010-04-19 | 2012-05-15 | Facebook, Inc. | Dynamically generating recommendations based on social graph information |
CA2745536A1 (en) * | 2010-07-06 | 2012-01-06 | Omar M. Sheikh | Improving the relevancy of advertising material through user-defined preference filters, location and permission information |
US20120166532A1 (en) * | 2010-12-23 | 2012-06-28 | Yun-Fang Juan | Contextually Relevant Affinity Prediction in a Social Networking System |
US20120297038A1 (en) * | 2011-05-16 | 2012-11-22 | Microsoft Corporation | Recommendations for Social Network Based on Low-Rank Matrix Recovery |
US9009096B2 (en) * | 2011-07-12 | 2015-04-14 | Ebay Inc. | Recommendations in a computing advice facility |
US8793593B2 (en) * | 2011-09-21 | 2014-07-29 | Facebook, Inc. | Integrating structured objects and actions generated on external systems into a social networking system |
US8706739B1 (en) * | 2012-04-26 | 2014-04-22 | Narus, Inc. | Joining user profiles across online social networks |
WO2014001908A1 (en) * | 2012-06-29 | 2014-01-03 | Thomson Licensing | A system and method for recommending items in a social network |
US8583659B1 (en) * | 2012-07-09 | 2013-11-12 | Facebook, Inc. | Labeling samples in a similarity graph |
US20140025702A1 (en) * | 2012-07-23 | 2014-01-23 | Michael Curtiss | Filtering Structured Search Queries Based on Privacy Settings |
US20140074545A1 (en) * | 2012-09-07 | 2014-03-13 | Magnet Systems Inc. | Human workflow aware recommendation engine |
US8983888B2 (en) * | 2012-11-07 | 2015-03-17 | Microsoft Technology Licensing, Llc | Efficient modeling system for user recommendation using matrix factorization |
US20140172545A1 (en) * | 2012-12-17 | 2014-06-19 | Facebook, Inc. | Learned negative targeting features for ads based on negative feedback from users |
US9077744B2 (en) * | 2013-03-06 | 2015-07-07 | Facebook, Inc. | Detection of lockstep behavior |
US9183282B2 (en) * | 2013-03-15 | 2015-11-10 | Facebook, Inc. | Methods and systems for inferring user attributes in a social networking system |
US10397363B2 (en) * | 2013-03-27 | 2019-08-27 | Facebook, Inc. | Scoring user characteristics |
US9367625B2 (en) * | 2013-05-03 | 2016-06-14 | Facebook, Inc. | Search query interactions on online social networks |
-
2013
- 2013-07-15 US US13/942,486 patent/US9552055B2/en active Active
-
2014
- 2014-07-11 WO PCT/US2014/046392 patent/WO2015009572A1/en active Application Filing
- 2014-07-11 JP JP2016526998A patent/JP6145576B2/ja active Active
- 2014-07-11 CA CA2918053A patent/CA2918053C/en not_active Expired - Fee Related
- 2014-07-11 AU AU2014290339A patent/AU2014290339B2/en not_active Ceased
- 2014-07-11 KR KR1020167003751A patent/KR101820893B1/ko active IP Right Grant
-
2016
- 2016-01-10 IL IL243539A patent/IL243539A/en not_active IP Right Cessation
- 2016-12-01 US US15/367,057 patent/US10367862B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120221581A1 (en) * | 2010-04-19 | 2012-08-30 | Srinivas Narayanan | Automatically Generating Nodes and Edges in an Integrated Social Graph |
JP2011257955A (ja) * | 2010-06-08 | 2011-12-22 | Nippon Telegr & Teleph Corp <Ntt> | 推薦アイテムフィルタリング方法及び推薦アイテムフィルタリングプログラム |
US20130097180A1 (en) * | 2011-10-18 | 2013-04-18 | Erick Tseng | Ranking Objects by Social Relevance |
WO2013073206A1 (ja) * | 2011-11-17 | 2013-05-23 | 株式会社日立システムズ | 情報収集システム、情報収集方法、およびプログラム |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019109621A (ja) * | 2017-12-15 | 2019-07-04 | ヤフー株式会社 | 推定装置、推定方法、及び推定プログラム |
JP2022542708A (ja) * | 2019-08-02 | 2022-10-06 | マッチ グループ, エルエルシー | 共有デジタル体験に基づきユーザを推薦するシステム及び方法 |
US11755670B2 (en) | 2019-08-02 | 2023-09-12 | Match Group, Llc | System and method for recommending users based on shared digital experiences |
JP7487289B2 (ja) | 2019-08-02 | 2024-05-20 | マッチ グループ, エルエルシー | 共有デジタル体験に基づきユーザを推薦するシステム及び方法 |
Also Published As
Publication number | Publication date |
---|---|
US10367862B2 (en) | 2019-07-30 |
WO2015009572A1 (en) | 2015-01-22 |
US20170085607A1 (en) | 2017-03-23 |
KR101820893B1 (ko) | 2018-01-22 |
IL243539A (en) | 2017-10-31 |
AU2014290339A1 (en) | 2016-03-03 |
CA2918053A1 (en) | 2015-01-22 |
US9552055B2 (en) | 2017-01-24 |
CA2918053C (en) | 2017-08-15 |
JP6145576B2 (ja) | 2017-06-14 |
AU2014290339B2 (en) | 2017-06-29 |
KR20160034334A (ko) | 2016-03-29 |
US20150019640A1 (en) | 2015-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6145576B2 (ja) | オンライン・ソーシャル・ネットワークにおける大規模ページ推薦 | |
JP6367289B2 (ja) | オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト | |
JP6681867B2 (ja) | 関心箇所に応じた画像の切り取り | |
JP6689389B2 (ja) | ディープラーニングモデルを用いたエンティティの識別 | |
JP6499284B2 (ja) | ネットワーク要素のソーシャル・スコア | |
US20190205402A1 (en) | Machine-Learning Model for Ranking Diverse Content | |
JP6483689B2 (ja) | 通信に関するユーザのアベイラビリティのインジケータ表示 | |
JP6379309B2 (ja) | ジオメトリック | |
JP6386007B2 (ja) | ネイティブ・アプリケーションのテスト | |
JP6055122B2 (ja) | ユーザのためのビデオのランク付け | |
US10079901B2 (en) | Electronic notifications | |
JP6074120B2 (ja) | メディア・アクション・ボタン | |
JP6349331B2 (ja) | ソーシャルネットワークにおける連絡先の集約 | |
JP2016521404A (ja) | ソーシャル・コンテキストに基づくメディア・プレビュー | |
US10459950B2 (en) | Aggregated broad topics | |
JP6531156B2 (ja) | クライアント・コンピューティング・デバイス上のタイムスロット内でのコンテンツの提供 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170405 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170405 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20170405 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20170426 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170515 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6145576 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D02 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |