JP2018537768A - ソーシャルビジネス特性を持つユーザの識別 - Google Patents

Abstract

方法は、候補ユーザのユーザデータを獲得することと、第１の社会的属性データに従って、候補ユーザの一部のソーシャルビジネス特性を持つユーザをマイニングすることと、ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを用いて分類器を訓練することと、隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを分類器に入力することと、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力することとを含み、隣のユーザは、ソーシャルビジネス特性を持つユーザ以外の候補ユーザである。本開示は、関連データの量を増やし、分類器の精度を向上させることによって、識別の精度を向上させ、その結果、第１の期間の潜在的なソーシャルビジネス特性を持つユーザを識別できる。

Description

関連出願の相互参照
本開示は、２０１５年１１月１６日出願の中国特許出願番号201510784634.5「Method and Apparatus for Identifying Social Business Characteristic User」の利益を主張し、参照により、その全体を本明細書に組み込む。

本開示は、コンピュータの技術分野に関し、より詳細には、ソーシャルビジネス特性を持つユーザを識別する方法と、ソーシャルビジネス特性を持つユーザを識別する装置に関する。

ネットワークの急速な発展は、人々を、情報社会とネットワーク経済の時代に入らせ、企業及び個人の生活の発展に大きな影響を与えている。

サービス精度を向上させるために、多くのウェブサイトが、ユーザを識別し、グループの特性に従って、グループのユーザにサービスを提供している。

例えば、スポーツ愛好家のグループのユーザは、最新のスポーツニュースを提供され、アニメ愛好家のグループのユーザは、最新のアニメ情報を提供される等である。

現在、ユーザ識別は、一般的に、ユーザの振る舞い間の類似度に従って、類似の振る舞いを有するユーザを同じグループにクラスタリングすることによって行われる。

一方では、これらのユーザ識別方法は、クラスタリングのために一種類の振る舞いデータのみを使用する。少量のデータしかなく、振る舞いは偏る。

他方では、これらのユーザ識別方法は、現在の期間のみに焦点を当てているが、ユーザの振る舞いは経時的に変化している。

これらのユーザ識別方法は、識別精度が低く、一部の潜在的なユーザを識別できない場合がある。

本概要は、発明を実施するための形態で以下にさらに記載する概念の一部を簡単に紹介するためのものである。本概要は、特許を請求する主題の重要な特徴や必須の特徴を全て特定することを意図してはおらず、また、特許を請求する主題の範囲を決定する助けに単独で使用されることも意図していない。例えば、「技術（複数可）または技術的解決法（複数可）」という語は、上記文脈によって認められた、また、本開示を通して、装置（複数可）、システム（複数可）、方法（複数可）、及び／または、コンピュータ可読命令を指してよい。

上記問題を考慮して、本開示の実施形態例は、ソーシャルビジネス特性を持つユーザを識別する方法と、ソーシャルビジネス特性を持つユーザを識別する対応する装置を提供して、上記問題を解決、または、少なくとも部分的に解決する。

上記問題を解決するために、本開示の実施形態例は、ソーシャルビジネス特性を持つユーザを識別する方法を開示する。方法は、
候補ユーザのユーザデータを獲得することであって、ユーザデータは、第１の期間に関連付けられた第１の社会的属性データ及び第１のビジネスオブジェクト属性データと、第２の期間に関連付けられた第２の社会的属性データ及び第２のビジネスオブジェクト属性データとを含み、第２の期間は、第１の期間の前の期間である、候補ユーザのユーザデータを獲得することと、
第１の社会的属性データに従って、候補ユーザの少なくとも一部のソーシャルビジネス特性を持つユーザをマイニングすることと、
ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して分類器を訓練することと、
隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを分類器に入力することと、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力することと、を含み、ここで、隣のユーザは、ソーシャルビジネス特性を持つユーザ以外の候補ユーザである。

オプションで、第１の社会的属性データに従って、候補ユーザの一部のソーシャルビジネス特性を持つユーザをマイニングするステップは、
候補ユーザの第１の社会的属性データから、サービス処理に関連するソーシャルビジネスメッセージを抽出することと、
ソーシャルビジネスメッセージを使用して、ソーシャルビジネス特性を持つユーザを識別することと、
を含む。

オプションで、ソーシャルビジネスメッセージを使用して、ソーシャルビジネス特性を持つユーザを識別するステップは、
グラフ計算に従って、ソーシャルビジネスメッセージを使用して、ソーシャルビジネス特性を持つユーザを識別することを含む。

オプションで、ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して、分類器を訓練するステップは、
候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択することと、
ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データから、第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データと同じタイプの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを抽出することと、
第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを使用して、分類器を訓練することと、
を含む。

オプションで、ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して分類器を訓練するステップは、
ソーシャルビジネス特性を持つユーザの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データに対する特徴変換を行うことをさらに含み、
特徴変換は、
平均変換、分散変換、勾配変換、及び、山と谷の数の変換の１つまたは複数を含む。

オプションで、ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して、分類器を訓練するステップは、
隣のユーザの第１のビジネスオブジェクト特徴データと、ソーシャルビジネス特性を持つユーザの第１のビジネスオブジェクト特徴データとの類似度を計算することと、
類似度がプリセット類似度閾値より大きい時、隣のユーザの第１のビジネスオブジェクト特徴データをソーシャルビジネス特性を持つユーザの第１のビジネスオブジェクト特徴データにマージすることと、
をさらに含む。

オプションで、候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択するステップは、
候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、サービス処理に関連する第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データを抽出することと、
第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データを重要度に従ってソートすることと、
候補ユーザが属する業界の選択規則を検索することと、
ソートされた第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データにおいて、選択規則を満足させる第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択することと、
を含む。

オプションで、隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを分類器に入力し、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力するステップは、
隣のユーザの第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを分類器に入力することと、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力することを含む。

オプションで、隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを分類器に入力し、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力するステップは、
隣の候補ユーザの第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データに対して特徴変換を行うことをさらに含み、
特徴変換は、
平均変換、分散変換、勾配変換、及び、山と谷の数の変換の１つまたは複数を含む。

本開示の実施形態例は、ソーシャルビジネス特性を持つユーザを識別する装置をさらに開示する。装置は、
候補ユーザのユーザデータを獲得するユーザデータ獲得モジュールであって、ユーザデータは、第１の期間に関連付けられた第１の社会的属性データ及び第１のビジネスオブジェクト属性データと、第２の期間に関連付けられた第２の社会的属性データ及び第２のビジネスオブジェクト属性データとを含み、第２の期間は、第１の期間の前の期間である、ユーザデータ獲得モジュールと、
第１の社会的属性データに従って、候補ユーザの一部のソーシャルビジネス特性を持つユーザをマイニングするソーシャルビジネス特性ユーザマイニングモジュールと、
ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して分類器を訓練する分類器訓練モジュールと、
隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを分類器に入力し、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力するソーシャルビジネス特性ユーザ識別モジュールと、を含み、ここで、隣のユーザは、ソーシャルビジネス特性を持つユーザ以外の候補ユーザである。

オプションで、ソーシャルビジネス特性ユーザマイニングモジュールは、
候補ユーザの第１の社会的属性データから、サービス処理に関連するソーシャルビジネスメッセージを抽出するソーシャルビジネスメッセージ抽出サブモジュールと、
ソーシャルビジネスメッセージを使用して、ソーシャルビジネス特性を持つユーザを識別するユーザ識別サブモジュールと、
を含む。

オプションで、ユーザ識別サブモジュールは、
グラフ計算に従って、ソーシャルビジネスメッセージを使用してソーシャルビジネス特性を持つユーザを識別するグラフ計算ユニットを含む。

オプションで、分類器訓練モジュールは、
候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択する特徴データ選択サブモジュールと、
ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データから、第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データと同じタイプの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを抽出する特徴データ抽出サブモジュールと、
第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを使用して、分類器を訓練するデータ訓練サブモジュールと、
を含む。

オプションで、分類器訓練モジュールは、
ソーシャルビジネス特性を持つユーザの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データに対して特徴変換を行う第１の特徴変換サブモジュールをさらに含み、
特徴変換は、
平均変換、分散変換、勾配変換、及び、山と谷の数の変換のうちの１つまたは複数を含む。

オプションで、分類器訓練モジュールは、
隣のユーザの第１のビジネスオブジェクト特徴データとソーシャルビジネス特性を持つユーザの第１のビジネスオブジェクト特徴データの類似度を計算する類似度計算サブモジュールと、
類似度がプリセット類似度閾値より大きい時、隣のユーザの第１のビジネスオブジェクト特徴データをソーシャルビジネス特性を持つユーザの第１のビジネスオブジェクト特徴データとマージするデータマージサブモジュールと、
をさらに含む。

オプションで、特徴データ選択サブモジュールは、
候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、サービス処理に関連する第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データを抽出する候補データ抽出ユニットと、
第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データを重要度に従ってソートするソートユニットと、
候補ユーザが属する業界の選択規則を検索する選択規則検索ユニットと、
ソートされた第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データにおいて、選択規則を満足させる第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択するデータ選択ユニットと、
を含む。

オプションで、ソーシャルビジネス特性ユーザ識別モジュールは、
隣のユーザの第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを分類器に入力し、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力するデータ入力サブモジュールを含む。

オプションで、ソーシャルビジネス特性ユーザ識別モジュールは、
隣の候補ユーザの第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データに対して特徴変換を行う第２の特徴変換サブモジュールをさらに含み、
特徴変換は、
平均変換、分散変換、勾配変換、及び、山と谷の数の変換のうちの１つまたは複数を含む。

本開示の実施形態例は、少なくとも以下の長所を含む。

本開示の実施形態例は、第２の期間のソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して分類器を訓練し、第１の期間の隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを分類器に入力し、隣のユーザが、ある期間の後、ソーシャルビジネス特性を持つユーザとなるか否かの結果を予測する。識別は、関連する社会的属性データとビジネスオブジェクト属性データを使用して行われ、それによって、関連データの量を増やし、分類器の精度を向上させ、従って、識別の精度を向上させる。さらに、第２の期間のデータを用いて分類器を訓練することによって、分類器は、第１の期間の潜在的なソーシャルビジネス特性を持つユーザを識別する。

本開示による、ソーシャルビジネス特性を持つユーザを識別する例示の方法を示すフローチャートである。 本開示による、ソーシャルビジネス特性を持つユーザを識別する例示の装置を示す構造ブロック図である。

本開示の上記目的、特徴、及び、長所をより理解しやすくするために、本開示を添付図面と実施形態例を参照して、以下にさらに詳細に記載する。

図１を参照する。図１は、本開示による、ソーシャルビジネス特性を持つユーザを識別する例示の方法のフローチャートを示す。方法は、以下のステップを含んでよい。

ステップ１０１：候補ユーザのユーザデータを獲得する。

ある実施態様においては、本開示の実施形態例は、クラウドコンピューティングプラットフォームに、すなわち、膨大な数のユーザのビジネスオブジェクトを記憶する分散システム等のサーバクラスタに適用されてよい。さらに、クラウドコンピューティングプラットフォームは、ソーシャルネットワーク（Ｗｅｉｂｏ（商標）、フォーラム、及び、ブログ等）と相互接続してよい、すなわち、同じユーザが、ビジネスオブジェクトとソーシャルネットワークを有する。

本開示の実施形態例において、候補ユーザは、ソーシャルビジネス特性を持つユーザの識別に関連する。候補ユーザは、本質的にユーザでもあり、ユーザ識別子を使用することによって、すなわち、ユーザＩＤ（アイデンティティ）、クッキー、Ｍａｃ（媒体アクセス制御）アドレス等を含む、一意に決定された候補ユーザを表し得る情報を使用することによって、クラウドコンピューティングプラットフォーム上で表される。

本開示の実施形態例において、クラウドコンピューティングプラットフォームは、ウェブサイトログを介してユーザデータを記録してよく、ユーザデータをデータベースに記憶してよい。

ユーザデータは、社会的属性データ、すなわち、ソーシャルネットワークで生成されたデータを含んでよい。Ｗｅｉｂｏ（商標）の例に関しては、社会的属性データは、個人データ、ファンデータ、ステータスデータ、転送データ、いいねデータ（like data）等を含む。

さらに、ユーザデータは、ビジネスオブジェクト属性データ、すなわち、ビジネスオブジェクトがサービス処理を行う時に生成されるデータをさらに含んでよい。

異なる分野においては、異なるビジネスオブジェクト、すなわち、分野の特性を反映するデータがあってよいことに注意されたい。

例えば、通信分野においては、ビジネスオブジェクトは、通信データであってよく、ニュースメディア分野では、ビジネスオブジェクトは、ニュースデータであってよく、検索分野では、ビジネスオブジェクトは、ウェブページであってよく、電子商取引（ＥＣ）分野では、ビジネスオブジェクトは、店舗データであってよい等である。

異なる分野において、ビジネスオブジェクトは、ビジネスオブジェクトが有する異なる分野特性によって異なるが、本質的に、それらは全て、例えば、テキストデータ、画像データ、音声データ、ビデオデータ等のデータであり、従って、ビジネスオブジェクトの処理は、本質的にデータ処理である。

当業者が本開示の実施形態例をより良く理解するのを助けるために、本開示の実施形態例においては、記載のために、店舗データをビジネスオブジェクトの例として使用する。

この例においては、サービス処理は、マーケティングである。すなわち、ビジネスオブジェクト属性データは、店の基本データ（店の星評価、その店は開業してどれくらい経つか、店の取引等）、購入者の特徴データ（購入者の年齢及び性別等）、商品の特徴データ（商品の写真の品質、商品価格、及び、商品のコメント等）、振る舞いデータ（ブックマーク、閲覧、購入、注文等）等を含む。

ウェブサイトは、一般に、ユーザデータを連続的に記録し、それは比較的長い期間を有するので、ユーザデータは、一般に、データベースシャーディングの形態で記憶される。

本開示の実施形態例において、それぞれ、第１の期間と第２の期間の２つの期間のユーザデータが、選択され、第２の期間は、第１の期間の前の期間である。

例えば、第１の期間が、２０１５年９月の場合、第２の期間は、２０１４年９月から２０１５年８月であってよく、第２の期間の開始時間から第１の期間の開始時間まで１年の間隔がある。

ユーザデータに関して、ユーザデータは、第１の期間に関連付けられた第１の社会的属性データ及び第１のビジネスオブジェクト属性データと、第２の期間に関連付けられた第２の社会的属性データ及び第２のビジネスオブジェクト属性データとを含んでよい。

第１のビジネスオブジェクト属性データ及び第２のビジネスオブジェクト属性データは、ビジネスオブジェクトがサービス処理を行う時、生成されたデータである。

ステップ１０２：ソーシャルビジネス特性を持つユーザが、第１の社会的属性データに従って、候補ユーザの少なくとも一部からマイニングされる。

本開示の実施形態例において、一部の候補ユーザが、全ての候補ユーザから前もって選択されてよく、一部の候補ユーザは、手動で選択されてもよく、または、プリセット条件に従って、フィルタリングされてもよい。これについて、本開示の実施形態例において、制限はない。

サービス処理を表すソーシャルビジネス特性を持つユーザ、すなわち、社交（social intercourse）を用いてサービス処理を促進するのに優れたユーザが、選択された候補ユーザから、分類器の訓練サンプルとしてマイニングされてよい。

電子商取引分野においては、サービス処理は、マーケティングであり、その場合、ソーシャルビジネス特性を持つユーザは、ソーシャルマーケティングタレント、すなわち、社交を用いてマーケティングを促進することに優れたユーザと呼ばれてよい。

本開示のある実施形態例においては、ステップ１０２は、以下のサブステップを含んでよい。

第１のサブステップ：サービス処理に関連するソーシャルビジネスメッセージが、候補ユーザの第１の社会的属性データから抽出される。

特定の実施態様においては、候補ユーザのデータは、ソーシャルネットワークの記載を参照してフィルタリングされてよく、一般に、ソーシャルビジネス特性を持つユーザ（ソーシャルマーケティングタレント等）は、大抵、セレブ、デザイナー、または、フォーラムモデレータ等、有名な公認ユーザであり、比較的明らかな社会的特性を有し得る。

例えば、新しい製品投入メッセージまたは新しい製品のトライアルメッセージ等、サービス処理に関するメッセージが、Ｗｅｉｂｏ（商標）メッセージ、フレンド（fiend）サークルメッセージ、フォームの投稿、ブログの投稿、及び、他のメッセージ等、サービス処理（マーケティング等）に関連するソーシャルビジネスメッセージからテキストマイニングによって選択される。

第２のサブステップ：ソーシャルビジネス特性を持つユーザが、ソーシャルビジネスメッセージを使用して識別される。

特定の実施態様においては、ソーシャルビジネス特性を持つユーザは、グラフ計算に従って、ソーシャルビジネスメッセージを使用して識別されてよい。ＰａｇｅＲａｎｋ等のグラフ計算によって、「オピニオンリーダー」、すなわち、ソーシャルネットワークにおいて、通常のユーザと多くのサービスの相互作用を有するユーザが見いだされ、これらのユーザはソートされて、トップＮ個の候補ユーザが選択される、それによって、Ｎ個の候補ユーザがソーシャルビジネス特性を持つユーザであるか否かを識別する。

グラフ計算に加えて、ソーシャルビジネス特性を持つユーザを識別する他の方法を採用してよく、方法は、本開示の実施形態例においては、制限されない。

ソーシャルビジネス特性を持つユーザをより正確に識別するために、手動で監査するための専門技術者を採用して、分類器の精度を向上させてよいことは当然である。

ステップ１０３：分類器が、ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して訓練される。

ある実施態様においては、第２の期間の開始時間から期間ｔ後、第１の期間において、ユーザが、ソーシャルビジネス特性を持つユーザ（ソーシャルマーケティングタレント等）になることが規定されてよい。

ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを正のサンプルとして、ソーシャルビジネス特性を持たないユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを負のサンプルとして使用して、分類器は、機械学習を介して訓練される。

本開示のある実施形態例においては、ステップ１０３は、以下のサブステップを含んでよい。

第１のサブステップにおいて、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データが、候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから選択される。

本開示の実施形態例においては、タレントを最もよく表し得る第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データが、膨大な量の第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、スクリーニングされる。

特定の実施態様においては、サービス処理に関連する第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データが、候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、サービス論理を使用して抽出され、データプールを形成する。

電子商取引の例に関しては、販売者は、購入者と相互作用する必要があり、従って、新しい製品を絶えず投入する必要があり、一方、購入者は、新しい製品を見逃さないようにこれらの店にブックマークする。さらに、これらの店は、常に、在庫している商品をできるだけ多く売るので、販売率が高い。よって、タレントは、販売率が高い、新製品の数が多い、及び、ブックマーク数が多い等の特徴を有する。販売率、新製品の数、及び、購入者のブックマーク数等、タレントに関連する特徴は、大量のデータからスクリーニングされてよい。

第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データは、機械学習のＲＯＣまたは関係係数等の特徴選択方法を使用して重要度に従ってソートされてよい。

異なる業界は、異なる特性を有するので、例えば、婦人服業界サークルの婦人服タレントと、紳士服業界サークルの紳士服タレントは、異なる特性を有するので、重要度も異なる。よって、候補ユーザが属する業界の選択規則を見いだしてよい。

選択規則に見合う第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データが、ソートされた第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データから選択される。

特徴の重要度は、定量的データである。従って、閾値を規定してよく、特徴は、重要度が０．７より大きく０．９より小さい等、選択規則を使用してスクリーニングされる。

第２のサブステップ：第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データと同じタイプの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データが、ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データから抽出される。

第２の期間の第２の社会的属性データ及び第２のビジネスオブジェクト属性データが、訓練サンプルとして使用されるので、スクリーニングされた特徴と同じタイプの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データが抽出されてよい。

第３のサブステップ：隣のユーザの第１のビジネスオブジェクト特徴データとソーシャルビジネス特性を持つユーザの第１のビジネスオブジェクト特徴データとの類似度が、計算される。

第４のサブステップ：類似度がプリセット類似度閾値より大きい時、隣のユーザの第１のビジネスオブジェクト特徴データは、ソーシャルビジネス特性を持つユーザの第１のビジネスオブジェクト特徴データとマージされる。

専門の技術者が、候補ユーザがソーシャルビジネス特性を持つユーザとなるか否かを手動で監査するシナリオにおいては、比較的少数のソーシャルビジネス特性を持つユーザ、例えば、１００のユーザがあってよい。よって、ソーシャルビジネス特性を持つユーザのサンプル数は、識別に備えて拡張されてよい。

ソーシャルビジネス特性を持つユーザの拡張において、第１のビジネスオブジェクト特徴データを類似度のフィルタリングを使用して正規化した後、隣のユーザとソーシャルビジネス特性を持つユーザとの第１のビジネスオブジェクト特徴データの類似度を、対毎に計算し、類似度閾値を設定して、似ていない第１のビジネスオブジェクト特徴データを取り除く。第１のビジネスオブジェクト特徴データのマージ後の結果が、拡張された第１のビジネスオブジェクト特徴データである。

電子商取引店舗の取引とブックマークを例として使用することによって：

取引数とブックマーク数は、０から１の間隔に正規化される。すなわち、

余弦公式（狭角余弦）を使用すると、２つの販売者１００１と１００２の類似度は、
（０．３３＊０．６６＋０．２５＊０．７５）／（ＳＱＲＴ（０．３３＾２＋０．２５＾２）＊ＳＱＲＴ（０．６６＾２＋０．７５＾２））である。

第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データは、獲得されると、候補ユーザがソーシャルビジネス特性を持つユーザであるか否かと、特徴名及び値と、対応する時間とを含む、リストの形で出力されてよい。

サンプル番号：１、特徴１：ＸＸＸ、特徴２：ＸＸＸ、…、特徴ｎ：ＸＸＸ、タレントか否か：１、時間：ＹＹＹＹ−ＭＭ−ＤＤ
サンプル番号：２、特徴１：ＸＸＸ、特徴２：ＸＸＸ、…、特徴ｎ：ＸＸＸ、タレントか否か：０、時間：ＹＹＹＹ−ＭＭ−ＤＤ
サンプル番号：３、特徴１：ＸＸＸ、特徴２：ＸＸＸ、…、特徴ｎ：ＸＸＸ、タレントか否か：１、時間：ＹＹＹＹ−ＭＭ−ＤＤ

第５のサブステップ：特徴変換が、ソーシャルビジネス特性を持つユーザとソーシャルビジネス特性を持たないユーザの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データに対して行われる。

スクリーニングされた特徴は、第１の期間までの時系列の特徴なので、特徴変換が行われて、特徴ワイドテーブルが作成されてよく、特徴変換は、平均変換、分散変換、勾配変換、及び、山と谷の数の変換の１つまたは複数を含んでよい。

例えば、上記例において変換された特徴は、以下であってよい。
サンプル番号：１、特徴の平均１：１０、特徴の分散１：２、特徴の勾配１：０．５、特徴の山の数１：３、特徴の谷の数１：５、特徴の平均２：８、特徴の分散１：１、特徴の勾配２：０．９、特徴の山の数１：２、特徴の谷の数１：７、…、ユーザが、時間ｔ後、タレントになるか否か：１
サンプル番号：１、特徴の平均１：５、特徴の分散１：５、特徴の勾配１：１．２、特徴の山の数１：１０、特徴の谷の数１：８、特徴の平均２：２、特徴の分散１：４、特徴の勾配２：０．２、特徴の山の数１：５、特徴の谷の数１：３、…、ユーザが、時間ｔ後、タレントになるか否か：１

特徴は全て、均一に、変換されてよいが、平均、分散、勾配、山の数、及び、谷の数は、７日、３０日、及び、９０日等の異なる期間から選択されてよい。

第６のサブステップ：分類器は、第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを使用して訓練される。

本開示の実施形態例を使用することによって、例えば、サポートベクターマシン（ＳＶＭ）、決定木、ランダムフォレスト等を含むが、本開示の実施形態例においては制限されないトレーナが、異なる次元のデータ（すなわち、第２の社会的属性データと第２のビジネスオブジェクト属性データ）間の論理的関係を学ぶように予め設定されてよい。

サポートベクターマシンは、非線形マッピングｐを使用して、サンプル空間を高次元または無次元特徴空間（ヒルベルト空間）にさえマッピングし、その結果、元のサンプル空間における非線形に分離可能という問題は、特徴空間においては、線形に分離可能という問題に変換される。

ランダムフォレストは、ランダムに構築されたフォレストである。フォレストは、多くの決定木で構成されており、フォレストの決定木は、互いに関連していない。フォレスト取得後、新しい入力サンプルが入力されると、フォレストの各決定木は、有効にされて（分類アルゴリズムに対応する）どのカテゴリにサンプルが属するのかを別個に判定し、次に、最大回数、選択されたカテゴリが決定され、サンプルがこのカテゴリに属すると予測される。

様々な状況の発生確率が既知であるということに基づいて決定木を構築することによって、正味の現在の値の期待値が０以上であるという確率を解いて、プロジェクトのリスクを評価する。プロジェクトの実現可能性を判断する決定分析方法は、確率分析を直感的に使用するグラフィカルな方法である。

分類器の精度をさらに向上させるために、複数のトレーナを同時に使用して、分類器を訓練することができ、オフライン環境で最適な性能を有する分類器が選択される。

ステップ１０４：隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データが、分類器に入力され、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果が出力される。

隣のユーザは、ソーシャルビジネス特性を持つユーザ以外の候補ユーザである。

特定の実施態様においては、特徴変換が、隣の候補ユーザの第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データに対して行われてよい。

特徴変換は、平均変換、分散変換、勾配変換、及び、山と谷の数の変換のうちの１つまたは複数を含んでよい。

隣のユーザの第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データが、分類器に入力され、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果が出力される。すなわち、隣のユーザが第１の期間の後の期間にわたって、ソーシャルビジネス特性を持つユーザになるか否かが予測される。

電子商取引の例に関しては、２０１５年９月の前の年（第１の期間）のソーシャルマーケティングタレントのデータを使用して、分類器を訓練する場合、分類器を使用して、隣のユーザが２０１６年９月にソーシャルマーケティングタレントになるか否かを識別してよい。なる場合、隣のユーザは、潜在的なソーシャルマーケティングタレントと呼ばれてよい。

ソーシャルマーケティングは、その強力な売上の急増とファンの影響で、電子商取引プラットフォームにおいて、急速に成長している革新的なビジネスモードにすぐになり、または、インターネットのファストファッション特徴及び社会的依存特徴を有する。

従来の低価格のマーケティングモードとは異なり、ソーシャルマーケティングは、高品質のトラフィックと非常に高いコンバージョン率とをもたらし、たとえ製品が高価格で販売されても、依然として新しく入荷されるとすぐに売り切れる。

現在、多くの潜在的なソーシャルマーケティングタレントが、社会的権力が弱いために、自分自身でソーシャル業務（social operations）を行うことができない。よって、潜在的なソーシャルマーケティングタレントを識別後、これらの潜在的なソーシャルマーケティングタレントが、ソーシャルネットワークにおける定期的な活動を組織するのを助けてよい。プロの代理運営機構を構築して運営費用を減らすことによって、販売量の向上を加速させる。

本開示の実施形態例は、第２の期間のソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して、分類器を訓練し、第１の期間の隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを分類器に入力し、隣のユーザが、ある期間の後、ソーシャルビジネス特性を持つユーザとなるか否かの結果を予測する。識別は、関連する社会的属性データ及びビジネスオブジェクト属性データを使用することによって行われ、これによって、関連データの量を増やし、分類器の精度を向上させ、従って、識別の精度を向上させる。さらに、第２の期間のデータを使用して分類器を訓練することによって、分類器は、第１の期間の潜在的なソーシャルビジネス特性を持つユーザを識別する。

記載を簡単にするために、方法の実施形態例は、一連のアクションの組み合わせとして示したことに注意されたい。しかしながら、本開示の実施形態例によると、一部のステップは、他の順でまたは同時に行われてよいので、本開示の実施形態例は、記載のアクション順に制限されないことを、当業者は理解されよう。さらに、本明細書に記載の実施形態例は、全て例であり、関連するアクションは、本開示の実施形態例に必ずしも必須ではないことも当業者は理解されよう。

図２を参照する。図２は、本開示による、ソーシャルビジネス特性を持つユーザを識別する例示の装置２００の構造ブロック図を示す。

装置２００は、１つまたは複数のプロセッサ（複数可）２０２またはデータ処理ユニット（複数可）と、メモリ２０４とを含む。装置２００は、１つまたは複数の入力／出力インタフェース（複数可）２０６及びネットワークインタフェース（複数可）２０８をさらに含んでよい。メモリ２０４は、コンピュータ可読媒体の例である。

メモリ２０４は、複数のモジュールまたはユニットを記憶してよく、複数のモジュールまたはユニットは、
候補ユーザのユーザデータを獲得するユーザデータ獲得モジュール２１０であって、ユーザデータは、第１の期間に関連付けられた第１の社会的属性データ及び第１のビジネスオブジェクト属性データと、第２の期間に関連付けられた第２の社会的属性データ及び第２のビジネスオブジェクト属性データとを含み、第２の期間は、第１の期間の前の期間である、ユーザデータ獲得モジュール２１０と、
第１の社会的属性データに従って、候補ユーザの一部のソーシャルビジネス特性を持つユーザをマイニングするソーシャルビジネス特性ユーザマイニングモジュール２１２と、
ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データを使用して、分類器を訓練する分類器訓練モジュール２１４と、
隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを分類器に入力し、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力するソーシャルビジネス特性ユーザ識別モジュール２１６とを含み、ここで、隣のユーザは、ソーシャルビジネス特性を持つユーザ以外の候補ユーザである。

本開示のある実施形態例においては、ソーシャルビジネス特性ユーザマイニングモジュール２１２は、
候補ユーザの第１の社会的属性データから、サービス処理に関連するソーシャルビジネスメッセージを抽出するソーシャルビジネスメッセージ抽出サブモジュールと、
ソーシャルビジネスメッセージを使用して、ソーシャルビジネス特性を持つユーザを識別するユーザ識別サブモジュールと
を含んでよい。

本開示のある実施形態例においては、ユーザ識別サブモジュールは、
グラフ計算に従って、ソーシャルビジネスメッセージを使用して、ソーシャルビジネス特性を持つユーザを識別するグラフ計算ユニットを含んでよい。

本開示のある実施形態例においては、分類器訓練モジュール２１４は、
候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択する特徴データ選択サブモジュールと、
ソーシャルビジネス特性を持つユーザの第２の社会的属性データ及び第２のビジネスオブジェクト属性データから、第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データと同じタイプの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを抽出する特徴データ抽出サブモジュールと、
第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを使用して、分類器を訓練するデータ訓練サブモジュールと、
を含んでよい。

本開示のある実施形態例においては、分類器訓練モジュール２１４は、
ソーシャルビジネス特性を持つユーザの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データに対して特徴変換を行う第１の特徴変換サブモジュールをさらに含んでよく、特徴変換は、平均変換、分散変換、勾配変換、及び、山と谷の数の変換のうちの１つまたは複数を含む。

本開示のある実施形態例においては、分類器訓練モジュール２１４は、
隣のユーザの第１のビジネスオブジェクト特徴データとソーシャルビジネス特性を持つユーザの第１のビジネスオブジェクト特徴データとの類似度を計算する類似度計算サブモジュールと、
類似度がプリセット類似度閾値より大きい時、隣のユーザの第１のビジネスオブジェクト特徴データを、ソーシャルビジネス特性を持つユーザの第１のビジネスオブジェクト特徴データにマージするデータマージサブモジュールと、
をさらに含んでよい。

本開示のある実施形態例においては、特徴データ選択サブモジュールは、
候補ユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データから、サービス処理に関連する第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データを抽出する候補データ抽出ユニットと、
第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データを重要度に従ってソートするソートユニットと、
候補ユーザが属する業界の選択規則を検索する選択規則検索ユニットと、
ソートされた第１のソーシャルビジネス候補データと第１のビジネスオブジェクト候補データにおいて、選択規則を満足させる第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択するデータ選択ユニットと、
を含んでよい。

本開示のある実施形態例においては、ソーシャルビジネス特性ユーザ識別モジュール２１６は、
隣のユーザの第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを分類器に入力し、隣のユーザが、第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力するデータ入力サブモジュールをさらに含む。

本開示のある実施形態例においては、ソーシャルビジネス特性ユーザ識別モジュール２１６は、
隣の候補ユーザの第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データに対して特徴変換を行う第２の特徴変換サブモジュールをさらに含んでよく、特徴変換は、平均変換、分散変換、勾配変換、及び、山と谷の数の変換のうちの１つまたは複数を含む。

装置の実施形態例は、基本的に方法の実施形態例と類似しているので比較的簡単に記載している。関連する内容に関しては、方法の実施形態例の関連する記載を参照してよい。

明細書の実施形態例は、漸進的に記載している。各実施形態例は、他の実施形態例との相違に焦点をあてている。実施形態例間の同一または類似の部分に関しては、互いに参照してよい。

本開示の実施形態例は、方法、装置、または、コンピュータプログラム製品として提供されてよいことを当業者は理解されよう。よって、本開示は、全てハードウェアの実施形態例、全てソフトウェアの実施形態例、または、ソフトウェアとハードウェアを組み合わせた実施形態例の形を採用してよい。さらに、本開示の実施形態例は、コンピュータ可読命令を含む１つまたは複数のコンピュータ可読媒体（磁気ディスクストレージ、ＣＤ−ＲＯＭ、光学ストレージ等を含むが、これらに限定されない）で実施されるコンピュータプログラム製品の形を採用してよい。

典型的な構成においては、コンピュータ装置は、１つまたは複数のプロセッサ（ＣＰＵ）、入力／出力インタフェース、ネットワークインタフェース、及び、メモリを含む。メモリは、揮発性メモリ、ランダムアクセスメモリ（ＲＡＭ）、及び／または、リードオンリメモリ（ＲＯＭ）もしくはフラッシュメモリ（フラッシュＲＡＭ）等のコンピュータ可読媒体の不揮発性メモリの形態を含んでよい。メモリは、コンピュータ可読媒体の例である。コンピュータ可読媒体は、永続的及び一時的、取り外し可能及び取り外し不能の媒体を含み、情報は、任意の方法または技術で記憶されてよい。情報は、コンピュータ可読命令、データ構造、プログラムモジュール、または、他のデータであってよい。コンピュータ記憶媒体の例は、位相変化メモリ（ＰＲＡＭ）、スタティックランダムアクセスメモリ（ＳＲＡＭ）、ダイナミックランダムアクセスメモリ（ＤＲＡＭ）、他の種類のランダムアクセスメモリ（ＲＡＭ）、リードオンリメモリ（ＲＯＭ）、電気的消去可能プログラム可能リードオンリメモリ（ＥＥＰＲＯＭ）、フラッシュメモリもしくは他のメモリ技術、コンパクトディスクリードオンリメモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）もしくは他の光学ストレージ、カセットタイプのテープ、磁気テープ、ディスクストレージもしくは他の磁気記憶装置、または、任意の他の非伝送媒体を含むが、これらに限定されず、これらを用いて、コンピューティング装置によってアクセス可能な情報を記憶できる。本明細書の定義では、コンピュータ可読媒体は、変調データ信号及び搬送波等の一時的媒体を含まない。

本開示は、本開示の実施形態例による、方法、端末装置（システム）、及び、コンピュータプログラム製品のフローチャート及び／またはブロック図を参照して記載される。コンピュータ可読命令を使用して、フローチャート及び／またはブロック図の各プロセス及び／またはブロックと、フローチャート及び／またはブロック図のプロセス及び／またはブロックの組み合わせを実施してよいことは理解されよう。コンピュータ可読命令は、ユニバーサルコンピュータ、専用コンピュータ、組み込みプロセッサ、または、他のプログラム可能データ処理端末装置のプロセッサに提供されて、マシンを生成してよく、それによって、コンピュータ、または、他のプログラム可能データ処理端末装置のプロセッサは、命令を実行して、フローチャートの１つまたは複数のプロセス、及び／または、ブロック図の１つまたは複数のブロックで指定された機能を実施する装置を生成する。

コンピュータ可読命令は、コンピュータ可読媒体に記憶されてもよく、コンピュータ、または、他のプログラム可能データ処理端末装置が特定の方法で動作するようにガイドすることによって、コンピュータ可読ストレージに記憶された命令は、命令装置を含む製品を生成し、命令装置は、フローチャートの１つまたは複数のプロセス、及び／または、ブロック図の１つまたは複数のブロックで指定された機能を実施する。

コンピュータ可読命令は、コンピュータまたは他のプログラム可能データ処理端末装置にロードされてもよく、それによって、コンピュータまたは他のプログラム可能データ処理端末装置は、一連の動作ステップを実行して、コンピュータによって実施される処理を生成し、従って、コンピュータまたは他のプログラム可能データ処理端末装置で実行される命令は、フローチャートの１つまたは複数のプロセス、及び／または、ブロック図の１つまたは複数のブロックで規定された機能を実施するステップを提供する。

本開示の実施形態例を記載したが、当業者は、基本的な発明の概念を理解すると、実施形態例に他の変形及び修正が行われ得る。よって、添付の請求項は、本開示の実施形態例の範囲に該当する実施形態例と全ての変形及び修正を含むと解釈されることを意図している。

最後に、本出願書における「第１の」及び「第２の」等の関係語は、ある実体または動作を他の実体または動作と区別するためにのみ使用され、実体と実体の間、または、動作と動作の間に実際の関係または順序が存在することを必ずしも必要とせず、示唆してもいないことに注意されたい。さらに、「ｉｎｃｌｕｄｅ（含む）」「ｃｏｍｐｒｉｓｅ（含む）」等の語、または、任意の他の変形は、排他的でなく含むことを意図しており、一連の要素を含むプロセス、方法、品目、または、端末装置は、これらの要素だけでなく、明示的に列挙されていない他の要素、または、プロセス、方法、品目、もしくは、端末装置に本来備わる他の要素も含む。別段の規定のない限り、「ｉｎｃｌｕｄｅ ａ．．．（を含む）」という句によって規定される要素は、この要素を含むプロセス、方法、品目、または、端末装置に存在する追加の同一の要素を除外しない。

本開示によって提供されるソーシャルビジネス特性を持つユーザを識別する方法と、ソーシャルビジネス特性を持つユーザを識別する装置を、上記に詳細に記載した。本明細書では、特定の例を使用して、本開示の原理及び実施態様を記載している。実施形態例の上記記載は、本開示の方法と本開示の中心的な考えの理解を助けるために使用したに過ぎない。一方、当業者は、本開示の考えに従って、特定の実施態様及び用途の範囲を変更してよい。結論として、明細書の内容は、本開示への制限と解釈すべきではない。

Claims (20)

1. ソーシャルビジネス特性を持つユーザを識別する方法であって、
   候補ユーザのユーザデータを獲得することであって、前記ユーザデータは、第１の期間に関連付けられた第１の社会的属性データ及び第１のビジネスオブジェクト属性データと、第２の期間に関連付けられた第２の社会的属性データ及び第２のビジネスオブジェクト属性データとを含み、前記第２の期間は、前記第１の期間の前の期間である、ことと、
   前記第１の社会的属性データに従って前記候補ユーザの少なくとも一部のソーシャルビジネス特性を持つユーザをマイニングすることと、
   前記ソーシャルビジネス特性を持つユーザの前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データを使用して分類器を訓練することと、
   隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを前記分類器に入力することと、
   前記隣のユーザが、前記第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力することであって、前記隣のユーザは、前記ソーシャルビジネス特性を持つユーザ以外の候補ユーザである、ことと、
   を含む方法。
2. 前記第１の社会的属性データに従って前記候補ユーザの少なくとも一部の前記ソーシャルビジネス特性を持つユーザを前記マイニングすることは、
   前記候補ユーザの前記第１の社会的属性データから、サービス処理に関連するソーシャルビジネスメッセージを抽出することと、
   前記ソーシャルビジネスメッセージを使用して前記ソーシャルビジネス特性を持つユーザを識別することと、
   を含む、請求項１に記載の方法。
3. 前記ソーシャルビジネスメッセージを使用して前記ソーシャルビジネス特性を持つユーザを前記識別することは、グラフ計算に従って、前記ソーシャルビジネスメッセージを使用して前記ソーシャルビジネス特性を持つユーザを識別することを含む、請求項２に記載の方法。
4. 前記ソーシャルビジネス特性を持つユーザの前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データを使用して分類器を前記訓練することは、
   前記候補ユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データから、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択することと、
   前記ソーシャルビジネス特性を持つユーザの前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データから、前記第１のソーシャルビジネス特徴データ及び前記第１のビジネスオブジェクト特徴データと同じタイプの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを抽出することと、
   前記第２のソーシャルビジネス特徴データ及び前記第２のビジネスオブジェクト特徴データを使用して前記分類器を訓練することと、
   を含む、請求項１に記載の方法。
5. 前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データを使用して前記分類器を前記訓練することは、前記ソーシャルビジネス特性を持つユーザの前記第２のソーシャルビジネス特徴データ及び前記第２のビジネスオブジェクト特徴データに対して特徴変換を行うことを含む、請求項４に記載の方法。
6. 前記特徴変換は、
   平均変換、
   分散変換、
   勾配変換、及び、
   山と谷の数の変換
   のうちの１つまたは複数を含む、請求項５に記載の方法。
7. 前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データを使用して前記分類器を前記訓練することは、
   前記隣のユーザの前記第１のビジネスオブジェクト特徴データと前記ソーシャルビジネス特性を持つユーザの前記第１のビジネスオブジェクト特徴データとの類似度を計算することと、
   前記類似度がプリセット類似度閾値より大きいとき、前記隣のユーザの前記第１のビジネスオブジェクト特徴データを前記ソーシャルビジネス特性を持つユーザの前記第１のビジネスオブジェクト特徴データにマージすることと、
   を含む、請求項４に記載の方法。
8. 前記候補ユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データから、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを前記選択することは、
   前記候補ユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データから、前記サービス処理に関連する第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データを抽出することと、
   前記第１のソーシャルビジネス候補データ及び前記第１のビジネスオブジェクト候補データを重要度に従ってソートすることと、
   前記候補ユーザが属する業界の選択規則を検索することと、
   前記ソートされた第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データにおいて、前記選択規則を満足させる第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択することと、
   を含む、請求項４に記載の方法。
9. 前記隣のユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データを前記分類器に前記入力することと、前記隣のユーザが、前記第１の期間の後の前記期間に、前記ソーシャルビジネス特性を持つユーザとなるか否かの前記結果を出力することは、
   前記隣のユーザの前記第１のソーシャルビジネス特徴データ及び前記第１のビジネスオブジェクト特徴データを前記分類器に入力することと、前記隣のユーザが、前記第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの前記結果を出力することを含む、請求項４に記載の方法。
10. 前記隣のユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データを前記分類器に前記入力することと、前記隣のユーザが、前記第１の期間の後の前記期間に、前記ソーシャルビジネス特性を持つユーザとなるか否かの前記結果を前記出力することは、
    隣の候補ユーザの前記第１のソーシャルビジネス特徴データ及び前記第１のビジネスオブジェクト特徴データに対して特徴変換を行うことを含む、請求項８に記載の方法。
11. 前記特徴変換は、
    平均変換、
    分散変換、
    勾配変換、及び、
    山と谷の数の変換
    のうちの１つまたは複数を含む、請求項１０に記載の方法。
12. コンピュータ可読命令を記憶する１つまたは複数のメモリであって、前記コンピュータ可読命令は、１つまたは複数のプロセッサによって実行可能で、前記１つまたは複数のプロセッサに、
    候補ユーザのユーザデータを獲得することであって、前記ユーザデータは、第１の期間に関連付けられた第１の社会的属性データ及び第１のビジネスオブジェクト属性データと、第２の期間に関連付けられた第２の社会的属性データ及び第２のビジネスオブジェクト属性データとを含み、前記第２の期間は、前記第１の期間の前の期間である、ことと、
    前記第１の社会的属性データに従って、前記候補ユーザの少なくとも一部のソーシャルビジネス特性を持つユーザをマイニングすることと、
    前記ソーシャルビジネス特性を持つユーザの前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データを使用して分類器を訓練することと、
    隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを前記分類器に入力することと、
    前記隣のユーザが、前記第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力することであって、前記隣のユーザは、前記ソーシャルビジネス特性を持つユーザ以外の候補ユーザである、ことと
    を含むアクトを行わせる、１つまたは複数のメモリ。
13. 前記第１の社会的属性データに従って、前記候補ユーザの少なくとも一部において前記ソーシャルビジネス特性を持つユーザを前記マイニングすることは、
    前記候補ユーザの前記第１の社会的属性データから、サービス処理に関連するソーシャルビジネスメッセージを抽出することと、
    前記ソーシャルビジネスメッセージを使用して、前記ソーシャルビジネス特性を持つユーザを識別することと、
    を含む、請求項１２に記載の１つまたは複数のメモリ。
14. 前記ソーシャルビジネスメッセージを使用して前記ソーシャルビジネス特性を持つユーザを前記識別することは、グラフ計算に従って前記ソーシャルビジネスメッセージを使用して前記ソーシャルビジネス特性を持つユーザを識別することを含む、請求項１３に記載の１つまたは複数のメモリ。
15. 前記ソーシャルビジネス特性を持つユーザの前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データを使用して前記分類器を前記訓練することは、
    前記候補ユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データから、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択することと、
    前記ソーシャルビジネス特性を持つユーザの前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データから、前記第１のソーシャルビジネス特徴データ及び前記第１のビジネスオブジェクト特徴データと同じタイプの第２のソーシャルビジネス特徴データ及び第２のビジネスオブジェクト特徴データを抽出することと、
    前記第２のソーシャルビジネス特徴データ及び前記第２のビジネスオブジェクト特徴データを使用して前記分類器を訓練することと、
    を含む、請求項１２に記載の１つまたは複数のメモリ。
16. 前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データを使用して前記分類器を前記訓練することは、前記ソーシャルビジネス特性を持つユーザの前記第２のソーシャルビジネス特徴データ及び前記第２のビジネスオブジェクト特徴データに対して特徴変換を行うことを含み、
    前記特徴変換は、
    平均変換、
    分散変換、
    勾配変換、及び、
    山と谷の数の変換
    のうちの１つまたは複数を含む、請求項１５に記載の１つまたは複数のメモリ。
17. 前記第２の社会的属性データ及び前記第２のビジネスオブジェクト属性データを使用して前記分類器を前記訓練することは、
    前記隣のユーザの前記第１のビジネスオブジェクト特徴データと、前記ソーシャルビジネス特性を持つユーザの前記第１のビジネスオブジェクト特徴データとの類似度を計算することと、
    前記類似度がプリセット類似度閾値より大きいとき、前記隣のユーザの前記第１のビジネスオブジェクト特徴データを前記ソーシャルビジネス特性を持つユーザの前記第１のビジネスオブジェクト特徴データとマージすることと、
    を含む、請求項１５に記載の１つまたは複数のメモリ。
18. 前記候補ユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データから、サービス処理を表す第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを前記選択することは、
    前記候補ユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データから、前記サービス処理に関連する第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データを抽出することと、
    前記第１のソーシャルビジネス候補データ及び前記第１のビジネスオブジェクト候補データを重要度に従ってソートすることと、
    前記候補ユーザが属する業界の選択規則を検索することと、
    前記ソートされた第１のソーシャルビジネス候補データ及び第１のビジネスオブジェクト候補データにおいて、前記選択規則を満足させる第１のソーシャルビジネス特徴データ及び第１のビジネスオブジェクト特徴データを選択することと、
    を含む、請求項１５に記載の１つまたは複数のメモリ。
19. 前記隣のユーザの前記第１の社会的属性データ及び前記第１のビジネスオブジェクト属性データを前記分類器に前記入力することと、前記隣のユーザが、前記第１の期間の後の前記期間に、前記ソーシャルビジネス特性を持つユーザとなるか否かの前記結果を出力することは、
    前記隣のユーザの前記第１のソーシャルビジネス特徴データ及び前記第１のビジネスオブジェクト特徴データを前記分類器に入力することと、前記隣のユーザが、前記第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの前記結果を出力することを含む、請求項１５に記載の１つまたは複数のメモリ。
20. ソーシャルビジネス特性を持つユーザを識別する装置であって、
    候補ユーザのユーザデータを獲得するユーザデータ獲得モジュールであって、前記ユーザデータは、第１の期間に関連付けられた第１の社会的属性データ及び第１のビジネスオブジェクト属性データと、第２の期間に関連付けられた第２の社会的属性データ及び第２のビジネスオブジェクト属性データとを含み、前記第２の期間は前記第１の期間の前の期間である、ユーザデータ獲得モジュールと、
    前記第１の社会的属性データに従って、前記候補ユーザの少なくとも一部のソーシャルビジネス特性を持つユーザをマイニングするソーシャルビジネス特性ユーザマイニングモジュールと、
    前記ソーシャルビジネス特性を持つユーザの前記第２の社会的属性データおよび前記第２のビジネスオブジェクト属性データを使用して、分類器を訓練する分類器訓練モジュールと、
    隣のユーザの第１の社会的属性データ及び第１のビジネスオブジェクト属性データを前記分類器に入力し、且つ、前記隣のユーザが、前記第１の期間の後の期間に、ソーシャルビジネス特性を持つユーザとなるか否かの結果を出力するソーシャルビジネス特性ユーザ識別モジュールと、を含み、前記隣のユーザは、前記ソーシャルビジネス特性を持つユーザ以外の候補ユーザである、装置。

Images