JP2018534700A - メディアコンテンツのパフォーマンスの即時予測のための方法及び装置 - Google Patents
メディアコンテンツのパフォーマンスの即時予測のための方法及び装置 Download PDFInfo
- Publication number
- JP2018534700A JP2018534700A JP2018526589A JP2018526589A JP2018534700A JP 2018534700 A JP2018534700 A JP 2018534700A JP 2018526589 A JP2018526589 A JP 2018526589A JP 2018526589 A JP2018526589 A JP 2018526589A JP 2018534700 A JP2018534700 A JP 2018534700A
- Authority
- JP
- Japan
- Prior art keywords
- performance data
- media content
- feature vector
- content
- data
- 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 title claims abstract description 90
- 239000013598 vector Substances 0.000 claims abstract description 163
- 238000010801 machine learning Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims description 27
- 230000002996 emotional effect Effects 0.000 claims description 26
- 238000013507 mapping Methods 0.000 claims description 26
- 230000006397 emotional response Effects 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 230000009467 reduction Effects 0.000 claims description 5
- 238000013479 data entry Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 238000004590 computer program Methods 0.000 claims 2
- 230000008451 emotion Effects 0.000 description 23
- 230000006399 behavior Effects 0.000 description 18
- 238000013480 data collection Methods 0.000 description 15
- 230000003542 behavioural effect Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000002123 temporal effect Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 239000008186 active pharmaceutical agent Substances 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000013075 data extraction Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007654 immersion Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000007480 spreading Effects 0.000 description 2
- 206010048909 Boredom Diseases 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 229910052709 silver Inorganic materials 0.000 description 1
- 239000004332 silver Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000009424 underpinning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06Q30/0242—Determining effectiveness of advertisements
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
Claims (30)
- メディアコンテンツに関するパフォーマンスデータを予測するコンピュータによって実装される方法であって、
メディアコンテンツを第1の分類子に入力することと、
前記第1の分類子によって、コンテンツ識別子ストリームを生成することと、
マッピングモジュールによって前記コンテンツ識別子ストリームを所定の次元数を有する特徴ベクトルにマッピングすることと、
前記特徴ベクトルを予測エンジンに入力することと、
前記予測エンジンによって、前記メディアコンテンツに関して予測されるパフォーマンスデータを生成することとを含み、
前記予測エンジンが、前記特徴ベクトルと、他のメディアコンテンツに関する既知のパフォーマンスデータとの関係を求めるように構成され、かつ
前記予測されるパフォーマンスデータが、前記特徴ベクトルと、前記他のメディアコンテンツに関する前記既知のパフォーマンスデータとの前記関係に基づいている、前記コンピュータによって実装される方法。 - 前記予測エンジンは、前記他のメディアコンテンツに関する前記既知のパフォーマンスデータを利用して教育されたモデルを有し、これは前記特徴ベクトルを入力として受信し、前記予測されるパフォーマンスデータを出力として提供するように構成される、請求項1に記載の方法。
- 前記モデルは、前記他のメディアコンテンツに関する複数の既知の特徴ベクトルに基づいており、前記複数の既知の特徴ベクトルの各々が、前記特徴ベクトルと同一の所定の次元数を有する、請求項2に記載の方法。
- 前記予測エンジンは、前記特徴ベクトルを他のメディアコンテンツに関する複数の既知の特徴ベクトルと比較するように構成され、前記既知の特徴ベクトルは各々同一の所定の次元数を有しており、前記予測されるパフォーマンスデータは、前記比較の結果に基づいている、請求項1に記載の方法。
- 前記予測されるパフォーマンスデータを出力することを含む、先行請求項のいずれかに記載の方法。
- 前記コンテンツ識別子ストリームは、前記メディアコンテンツ内の主題の数値的な表現を含んでおり、前記マッピングモジュールは、前記コンテンツ識別子ストリームの前記数値的な表現を前記特徴ベクトルに対してマップする、先行請求項のいずれかに記載の方法。
- 前記コンテンツ識別子ストリームを第2の分類子に入力することと、
前記第2の分類子によって、前記コンテンツ識別子ストリームの数値的な表現を生成することとを含み、
前記マッピングモジュールが、前記コンテンツ識別子ストリームの前記数値的な表現を前記特徴ベクトルに対してマップする、請求項1〜5のいずれか一項に記載の方法。 - 前記第2の分類子は、人間が読み取ることが可能なデータを機械可読フォーマットにエンコードするように構成される、請求項7に記載の方法。
- 前記機械可読フォーマットは、複数の数値的な成分を有するベクトルで構成される、請求項8に記載の方法。
- 既知の特徴ベクトルのパターンライブラリから前記複数の既知の特徴ベクトルを選択することを含む、請求項3または4に記載の方法。
- 前記メディアコンテンツに関連する外的基準を入力することを含み、前記複数の既知の特徴ベクトルを選択するステップは、前記入力された外的基準に基づいている、請求項10に記載の方法。
- 前記メディアコンテンツは広告であり、前記外的基準は、前記広告の対象となる客層の識別、及び前記広告に関するマーケットの識別のうちの任意の1つまたは複数を含む、請求項11に記載の方法。
- 前記特徴ベクトルを複数の既知の特徴ベクトルと比較するステップは、前記特徴ベクトルと、前記複数の既知のベクトルとの相関関係を計算することを含む、請求項4に記載の方法。
- 距離行列を利用して、前記特徴ベクトルと前記複数の既知の特徴ベクトルとの相関係数を計算する、請求項13に記載の方法。
- 前記特徴ベクトルに最も密接に相関する前記複数の既知の特徴ベクトルのサブセットを選択することを含み、前記予測されるパフォーマンスデータを生成するステップにおいて使用される前記既知のパフォーマンスデータは、前記複数の既知の特徴ベクトルの前記サブセットに対応付けられている、請求項13または14に記載の方法。
- 前記複数の既知の特徴ベクトルの前記サブセットが、10個またはそれ以上の既知の特徴ベクトルを含む、請求項15に記載の方法。
- マッピングのステップは、前記コンテンツ識別子ストリームを減少された次元数の特徴スペースに投入することを含む、先行請求項のいずれかに記載の方法。
- 前記投入することは、数値的な表現の教育セットにマシンラーニング技術を適用することによって取得された次元数減少モデルに基づいている、請求項17に記載の方法。
- マッピングのステップは、前記特徴ベクトルに関して減少された次元数を選択することと、前記コンテンツ識別子ストリームを、前記選択された減少された次元数を有する減少された次元数の特徴スペースに投入することとを含む、請求項17に記載の方法。
- 前記コンテンツ識別子ストリームは、人間が読み取ることが可能なフォーマットまたは機械可読フォーマットである、先行請求項のいずれかに記載の方法。
- 前記コンテンツ識別子ストリームは、複数の単語を含む、請求項20に記載の方法。
- 前記メディアコンテンツは複数の画像フレーム含んでおり、前記第1の分類子は、画像フレーム毎に所定の数の単語を出力するように構成される、請求項20または21に記載の方法。
- 前記既知のパフォーマンスデータは、前記予測されるパフォーマンスデータと同一のタイプである、先行請求項のいずれかに記載の方法。
- 前記予測されるパフォーマンスデータは、感情の状態の情報、ソーシャルメディア反応データ、受賞する確率、アンケート用紙の回答データ及び売り上げ高情報のうちのいずれか1つである、先行請求項のいずれかに記載の方法。
- 前記予測されるパフォーマンスデータは、前記メディアコンテンツに反応する概念的なユーザの1つまたは複数の感情の反応を示す感情の状態のデータである、請求項24に記載の方法。
- 前記既知のパフォーマンスデータは、複数の異なる概念的なユーザタイプに関して集められた感情の反応データを含んでおり、各々の概念的なユーザタイプ、前記方法はさらに、予測されるパフォーマンスデータが望まれるユーザタイプを前記予測エンジンに入力することを含む、請求項25に記載の方法。
- 記憶されたコンピュータプログラムコードを有するコンピュータ可読記憶媒体を備え、コンピューティングデバイスによって実行される際、前記コンピューティングデバイスに先行請求項のいずれかに記載されるメディアコンテンツに関するパフォーマンスデータを予測する方法を実行させるコンピュータプログラム製品。
- メディアコンテンツに関するパフォーマンスデータを予測するためのシステムであって、
メディアコンテンツプロバイダから分析するためにメディアコンテンツを受信するように構成された予測サーバであって、
前記受信したメディアコンテンツからコンテンツ識別子ストリームを生成するための第1の分類子と、
前記コンテンツ識別子ストリームを所定の次元数を有する特徴ベクトルにマッピングするためのマッピングモジュールと、
前記特徴ベクトルを用いて予測されるパフォーマンスデータを生成するための予測エンジンとを備える、前記予測サーバと、
前記予測サーバに通信可能に結合され、複数の他のメディアコンテンツに関するパフォーマンスデータエントリを格納するパターンライブラリとを備え、
前記予測エンジンは、
前記特徴ベクトルと、他のメディアコンテンツに関する既知のパフォーマンスデータとの関係を求め、かつ
前記特徴ベクトルと、前記他のメディアコンテンツに関する前記既知のパフォーマンスデータとの前記関係に基づいて前記予測されるパフォーマンスデータを生成するように構成される、前記システム。 - 各々のパフォーマンスデータエントリは、特徴ベクトルと、前記他のメディアコンテンツに関するパフォーマンスデータとを含んでおり、各々の特徴ベクトルは所定の次元数を有しており、前記予測エンジンは、
前記特徴ベクトルを前記他のメディアコンテンツに関する特徴ベクトルと比較し、
前記比較の結果と、前記他のメディアコンテンツに関するパフォーマンスデータとに基づいて前記予測されるパフォーマンスデータを生成するように構成される、請求項28に記載のシステム。 - 前記予測サーバは、前記コンテンツ識別子ストリームの数値的な表現を生成するために第2の分類子を含んでおり、前記マッピングモジュールは、前記コンテンツ識別子ストリームの前記数値的な表現を前記特徴ベクトルに対してマップするように構成される、請求項28または29に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1520398.7 | 2015-11-19 | ||
GBGB1520398.7A GB201520398D0 (en) | 2015-11-19 | 2015-11-19 | Method and apparatus for immediate prediction of performance of media content |
PCT/EP2016/077959 WO2017085168A1 (en) | 2015-11-19 | 2016-11-17 | Method and apparatus for immediate prediction of performance of media content |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018534700A true JP2018534700A (ja) | 2018-11-22 |
JP6807389B2 JP6807389B2 (ja) | 2021-01-06 |
Family
ID=55133023
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018526589A Active JP6807389B2 (ja) | 2015-11-19 | 2016-11-17 | メディアコンテンツのパフォーマンスの即時予測のための方法及び装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11481791B2 (ja) |
EP (1) | EP3378025A1 (ja) |
JP (1) | JP6807389B2 (ja) |
CN (1) | CN108475381A (ja) |
GB (1) | GB201520398D0 (ja) |
WO (1) | WO2017085168A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019021175A (ja) * | 2017-07-20 | 2019-02-07 | 株式会社コラージュ・ゼロ | 広告制作支援システム、方法及びプログラム |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10158898B2 (en) | 2012-07-26 | 2018-12-18 | Comcast Cable Communications, Llc | Customized options for consumption of content |
US10958742B2 (en) * | 2017-02-16 | 2021-03-23 | International Business Machines Corporation | Cognitive content filtering |
JP7020215B2 (ja) * | 2018-03-19 | 2022-02-16 | 日本電気株式会社 | 余所見判定装置、余所見判定システム、余所見判定方法、プログラム |
JP6844568B2 (ja) * | 2018-03-27 | 2021-03-17 | 日本電気株式会社 | 余所見判定装置、余所見判定システム、余所見判定方法、プログラム |
US10802406B2 (en) | 2018-08-17 | 2020-10-13 | Taiwan Semiconductor Manufacturing Co., Ltd. | Apparatus and method for generating extreme ultraviolet radiation |
US11799930B2 (en) | 2019-06-25 | 2023-10-24 | Spotify Ab | Providing related content using a proxy media content item |
US11340531B2 (en) | 2020-07-10 | 2022-05-24 | Taiwan Semiconductor Manufacturing Company, Ltd. | Target control in extreme ultraviolet lithography systems using aberration of reflection image |
US12032957B2 (en) * | 2021-12-08 | 2024-07-09 | Capital One Services, Llc | Systems and methods for providing software development performance predictions |
US20240016438A1 (en) * | 2022-07-13 | 2024-01-18 | Brainvivo Ltd. | Segmenting audiences using brain type information |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11161670A (ja) * | 1997-12-01 | 1999-06-18 | Ntt Data Corp | 情報フィルタリング方法、装置及びシステム |
JP2000163477A (ja) * | 1998-11-27 | 2000-06-16 | Nec Corp | 表示広告選択方法 |
US20080249832A1 (en) * | 2007-04-04 | 2008-10-09 | Microsoft Corporation | Estimating expected performance of advertisements |
US20140040019A1 (en) * | 2012-08-03 | 2014-02-06 | Hulu, LLC | Predictive video advertising effectiveness analysis |
WO2015075035A1 (en) * | 2013-11-20 | 2015-05-28 | Realeyes Oü | Method of benchmarking media content based on viewer behaviour |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5304786A (en) * | 1990-01-05 | 1994-04-19 | Symbol Technologies, Inc. | High density two-dimensional bar code symbol |
EP1921866A3 (en) * | 2005-03-10 | 2010-07-28 | QUALCOMM Incorporated | Content adaptive multimedia processing |
JP4591793B2 (ja) * | 2008-04-22 | 2010-12-01 | ソニー株式会社 | 推定装置および方法、並びにプログラム |
US8959540B1 (en) * | 2009-05-27 | 2015-02-17 | Google Inc. | Predicting engagement in video content |
US8442849B2 (en) * | 2010-03-12 | 2013-05-14 | Yahoo! Inc. | Emotional mapping |
US9106958B2 (en) | 2011-02-27 | 2015-08-11 | Affectiva, Inc. | Video recommendation based on affect |
AU2010355789B2 (en) * | 2010-06-24 | 2016-05-12 | Arbitron Mobile Oy | Network server arrangement for processing non-parametric, multi-dimensional, spatial and temporal human behavior or technical observations measured pervasively, and related method for the same |
US8381969B1 (en) * | 2011-04-28 | 2013-02-26 | Amazon Technologies, Inc. | Method and system for using machine-readable codes to perform a transaction |
US10491694B2 (en) * | 2013-03-15 | 2019-11-26 | Oath Inc. | Method and system for measuring user engagement using click/skip in content stream using a probability model |
US20150095111A1 (en) * | 2013-09-27 | 2015-04-02 | Sears Brands L.L.C. | Method and system for using social media for predictive analytics in available-to-promise systems |
WO2015112878A1 (en) * | 2014-01-23 | 2015-07-30 | Barnett Samuel Benjamin | Method for measuring engagement |
US10567838B2 (en) * | 2014-10-01 | 2020-02-18 | Adobe Inc. | Digital content consumption analysis |
US9269374B1 (en) * | 2014-10-27 | 2016-02-23 | Mattersight Corporation | Predictive video analytics system and methods |
-
2015
- 2015-11-19 GB GBGB1520398.7A patent/GB201520398D0/en not_active Ceased
-
2016
- 2016-11-17 WO PCT/EP2016/077959 patent/WO2017085168A1/en active Application Filing
- 2016-11-17 EP EP16797562.2A patent/EP3378025A1/en not_active Ceased
- 2016-11-17 US US15/775,122 patent/US11481791B2/en active Active
- 2016-11-17 JP JP2018526589A patent/JP6807389B2/ja active Active
- 2016-11-17 CN CN201680067875.0A patent/CN108475381A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11161670A (ja) * | 1997-12-01 | 1999-06-18 | Ntt Data Corp | 情報フィルタリング方法、装置及びシステム |
JP2000163477A (ja) * | 1998-11-27 | 2000-06-16 | Nec Corp | 表示広告選択方法 |
US20080249832A1 (en) * | 2007-04-04 | 2008-10-09 | Microsoft Corporation | Estimating expected performance of advertisements |
US20140040019A1 (en) * | 2012-08-03 | 2014-02-06 | Hulu, LLC | Predictive video advertising effectiveness analysis |
WO2015075035A1 (en) * | 2013-11-20 | 2015-05-28 | Realeyes Oü | Method of benchmarking media content based on viewer behaviour |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019021175A (ja) * | 2017-07-20 | 2019-02-07 | 株式会社コラージュ・ゼロ | 広告制作支援システム、方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
CN108475381A (zh) | 2018-08-31 |
EP3378025A1 (en) | 2018-09-26 |
US11481791B2 (en) | 2022-10-25 |
US20180330249A1 (en) | 2018-11-15 |
WO2017085168A1 (en) | 2017-05-26 |
GB201520398D0 (en) | 2016-01-06 |
JP6807389B2 (ja) | 2021-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6807389B2 (ja) | メディアコンテンツのパフォーマンスの即時予測のための方法及び装置 | |
JP6260979B1 (ja) | 事象評価支援システム、事象評価支援装置、及び事象評価支援プログラム | |
US11064257B2 (en) | System and method for segment relevance detection for digital content | |
JP7111711B2 (ja) | メディアコンテンツ成果の予測のためのデータ処理方法 | |
US9563901B2 (en) | Generating audience response metrics and ratings from social interest in time-based media | |
US20170251262A1 (en) | System and Method for Segment Relevance Detection for Digital Content Using Multimodal Correlations | |
US20130151333A1 (en) | Affect based evaluation of advertisement effectiveness | |
KR20190011829A (ko) | 컴퓨터 실행 방법, 시스템 및 컴퓨터 판독 가능 매체 | |
JP6661036B2 (ja) | 閲覧者行動に基づいてメディアコンテンツをベンチマークする方法 | |
EP3285222A1 (en) | Facilitating television based interaction with social networking tools | |
US20190297384A1 (en) | System and Method for Segment Relevance Detection for Digital Content Using Multimodal Correlations | |
US20200074481A1 (en) | System, method, and device for analyzing media asset data | |
CN112685596B (zh) | 视频推荐方法及装置、终端、存储介质 | |
CN113506124B (zh) | 一种智慧商圈中媒体广告投放效果的评价方法 | |
US20190050890A1 (en) | Video dotting placement analysis system, analysis method and storage medium | |
US11812105B2 (en) | System and method for collecting data to assess effectiveness of displayed content | |
KR20220019750A (ko) | 인공지능을 이용한 성과 기반 콘텐츠 스타일 추천방법 | |
US20210295186A1 (en) | Computer-implemented system and method for collecting feedback | |
JP2016506553A (ja) | オンラインビデオ用の自動化サムネイル選択 | |
CN113569668A (zh) | 确定视频中高光片段的方法、介质、装置和计算设备 | |
Turov et al. | Digital signage personalization through analysis of the visual information about viewers | |
JP7267341B2 (ja) | 広告評価システム、広告評価方法及び広告評価プログラム | |
WO2023120263A1 (ja) | 情報処理装置及び情報処理方法 | |
US20230177532A1 (en) | System and Method for Collecting Data from a User Device | |
KR20200128220A (ko) | 인공지능을 이용한 성과 기반 콘텐츠 스타일 추천방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190927 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200317 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200611 |
|
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: 20201110 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6807389 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |