JP2021184244A - 事業体に代わってコンテンツを作成するオンラインシステムユーザを選択する選択肢の、該ユーザによって前に作成された、事業体に関連付けられたコンテンツに基づいた、事業体への提供 - Google Patents

Abstract

【課題】事業体に代わってコンテンツを作成するオンラインシステムユーザを選択する選択肢を、ユーザによって前に作成された、事業体に関連付けられたコンテンツに基づいて、事業体に提供する方法及びコンピュータプログラム製品を提供する。【解決手段】オンラインシステムは、各コンテンツアイテムが事業体に関連付けられた品目の画像を含む確率を予測し、１組のコンテンツアイテムのそれぞれについて確率が少なくとも閾値確率である場合、その１組のコンテンツアイテムがそこから受け取られたコンテンツ提供ユーザを特定し、その１組のコンテンツアイテムに含まれるコンテンツアイテムの数を判定する。オンラインシステムはさらに、その数に基づいてコンテンツ提供ユーザのスコアを計算し、スコアに基づいて追加のコンテンツ提供ユーザの間でそのコンテンツ提供ユーザをランク付けし、コンテンツ提供ユーザを選択する選択肢を事業体に提供する。【選択図】図３

Description

本開示は、一般にオンラインシステムに関し、より詳細には、事業体に代わってコンテンツを作成するオンラインシステムユーザを選択する選択肢を、該ユーザによって前に作成された、事業体に関連付けられたコンテンツに基づいて、事業体に提供することに関する。

オンラインシステムは、ユーザが他のオンラインシステムユーザと接続し、通信することを可能にする。ユーザは、オンラインシステムにおいて、自身の身元に結びつけられ、関心事や社会的属性情報などの自身に関する情報を含む、プロファイルを作成する。ユーザは、個人、または企業や慈善事業団体などの事業体の場合がある。オンラインシステムの普及と、オンラインシステムにおいて維持される大量のユーザ固有情報のため、オンラインシステムは、追加のオンラインシステムユーザに提示するためのコンテンツアイテムを作成することによって、ユーザがコンテンツをシェアすることができるようにする仮想上のフォーラムを提供する。例えば、ユーザは、ユーザがオンラインシステムにおいて接続されている追加のユーザに提示される写真または動画を含むコンテンツアイテムを作成することによって、自分がアップロードした写真またはビデオをシェアすることができる。

オンラインシステムの閲覧ユーザは、オンラインシステムのコンテンツ提供ユーザを「フォローする」ことによって、オンラインシステムのコンテンツ提供ユーザによって提供されるコンテンツを購読することができる。例えば、オンラインシステムの閲覧ユーザがオンラインシステムのコンテンツ提供ユーザをフォローする場合、その閲覧ユーザ（または「フォロワ」）に提示され得るコンテンツのフィードに含まれるコンテンツは、コンテンツ提供ユーザによってオンラインシステムに提供されるコンテンツを含む。多数のフォロワを持つオンラインシステムのコンテンツ提供ユーザは、自分のフォロワに様々なアクションを行うように促すことができる。またオンラインシステム上にプレゼンスがある事業体（例えば小売業者）は、多数のフォロワを持つコンテンツ提供ユーザによって提供されたコンテンツアイテムがそれらの事業体に関連付けられた様々な品目（例えば製品）の画像を含む場合、それらのコンテンツアイテムから利益を引き出すことができる。例えば、多数のフォロワを持つオンラインシステムのコンテンツ提供ユーザがオンラインシステムにコンテンツアイテムを提供し、そのコンテンツアイテムがサングラスをかけたコンテンツ提供ユーザの写真を含み、コンテンツアイテムに含まれるリンクが、サングラスを購入可能なオンラインシステム上にプレゼンスを有する小売業者に関連付けられたページに対応するものとする。この例では、コンテンツ提供ユーザは、そのコンテンツアイテムが提示され得る多数のフォロワを持っているため、オンラインシステムユーザがそのリンクを介してそのページを訪れ、そのサングラスを購入する可能性が高くなる場合がある。

しかし、事業体に関連付けられた品目の画像を含むコンテンツアイテムは、その品目および／または品目に関連付けられた事業体を特定する情報を含まない場合がある。上記の例では、オンラインシステムで維持されているその小売業者に関連付けられたページへのリンクがコンテンツアイテムに含まれていない場合、コンテンツ提供ユーザのフォロワが、そのコンテンツアイテムを閲覧することに応答してそのページを訪問してその小売業者からサングラスを購入する可能性はそれほど高くない。この例では、事業体がそのコンテンツアイテムに気づいた場合でも、その事業体はそのコンテンツアイテムを作成していないため、そのコンテンツアイテムにリンクを付加することができない。したがって、事業体は事業体に関連付けられている品目の画像を含むコンテンツアイテムからいかなる利益も引き出すことができない可能性があるため、事業体はオンラインシステム上にプレゼンスを維持するのに必要な時間および資源を割り振ろうとする動機に欠ける可能性がある。

多数のフォロワを持つオンラインシステムのコンテンツ提供ユーザが、フォロワに様々なアクションを行うように促すことができる。また、オンラインシステム上にプレゼンスのある事業体が、多数のフォロワを持つコンテンツ提供ユーザによって提供されるコンテンツアイテムがそれらの事業体に関連付けられた様々な品目の画像を含む場合、それらのコンテンツアイテムから利益を引き出すことができる。しかし、事業体に関連付けられた品目の画像を含むコンテンツアイテムは、それらの品目および／または品目に関連付けられた事業体を識別する情報を含まないことがあるため、事業体はそれらのコンテンツアイテムから利益を引き出すことができない可能性がある。したがって、事業体はオンラインシステム上にプレゼンスを維持するのに必要な時間および資源を割り振る動機に欠ける可能性がある。

この問題に対処するために、オンラインシステムが、事業体に代わってコンテンツを作成するオンラインシステムユーザを選択する選択肢を、該ユーザによって前に作成された、事業体に関連付けられたコンテンツに基づいて、事業体に提供する。より具体的には、オンラインシステムは、オンラインシステムの１人または複数のコンテンツ提供ユーザから、各コンテンツアイテムが画像を含む１つまたは複数のコンテンツアイテムを受け取る。オンラインシステムは、コンテンツアイテムがその事業体に関連付けられた品目の画像を含む確率を予測するために、トレーニング済み品目検出モデルにアクセスし、そのモデルを各コンテンツアイテムの１組の属性に適用する。オンラインシステムは、各コンテンツアイテムについて、予測された確率が少なくとも閾値確率であるか否かを判定する。１組のコンテンツアイテムのそれぞれについて確率が少なくとも閾値確率であるとの判定に応答して、オンラインシステムは、その１組のコンテンツアイテムをそこから受け取ったオンラインシステムのコンテンツ提供ユーザを特定し、その１組のコンテンツアイテムに含まれるコンテンツアイテムの数を判定する。オンラインシステムは、その数に基づいてコンテンツ提供ユーザのスコアを計算し、そのスコアに基づいて１組の追加のコンテンツ提供ユーザの間でそのコンテンツ提供ユーザをランク付けする。オンラインシステムは、事業体に代わって１つまたは複数のコンテンツアイテムを作成することを許可された１組の承認コンテンツ提供ユーザをそのランキングから選択する選択肢を、事業体に提供する。実施形態によっては、承認コンテンツ提供ユーザの選択を事業体から受け取ると、オンラインシステムは、事業体に代わって承認コンテンツ提供ユーザによって作成された１つまたは複数のコンテンツアイテムを、オンラインシステムで維持されているその事業体に関連付けられたページに含めることができる。オンラインシステムは、これに加えて、またはこれに代えて、事業体に関連付けられたページへのリンクを、事業体に代わって承認コンテンツ提供ユーザによって作成された各コンテンツアイテムに付加することもできる。オンラインシステムは、事業体によって受け取られた対価額のうちの取り分を、承認コンテンツ提供ユーザに与えることもできる。

一実施形態によるオンラインシステムが動作するシステム環境を示すブロック図である。 一実施形態によるオンラインシステムを示すブロック図である。 一実施形態による、事業体に代わってコンテンツを作成するオンラインシステムユーザを選択する選択肢を、該ユーザによって前に作成された、事業体に関連付けられたコンテンツに基づいて、事業体に提供する方法を示すフローチャートである。 一実施形態による、事業体に代わって１つまたは複数のコンテンツアイテムを作成する１組のオンラインシステムユーザをランキングから選択する選択肢を含む、ユーザインターフェースの一例を示す図である。

図面は、例示のみを目的として様々な実施形態を図示している。当業者には、以下の説明から、本明細書に記載の原理から逸脱することなく本明細書に記載されている構造および方法の別の実施形態も採用可能であることが容易にわかるであろう。

システムアーキテクチャ
図１は、オンラインシステム１４０のシステム環境１００を示すブロック図である。図１によって示されるシステム環境１００は、１つまたは複数のクライアントデバイス１１０と、ネットワーク１２０と、１つまたは複数のサードパーティシステム１３０と、オンラインシステム１４０とを含む。別の構成では、異なるおよび／または追加の構成要素もシステム環境１００に含めることができる。

クライアントデバイス１１０は、ユーザ入力を受け取ることができるとともに、ネットワーク１２０を介してデータを送信および／または受信することができる、１つまたは複数のコンピューティングデバイスである。一実施形態では、クライアントデバイス１１０は、デスクトップまたはラップトップコンピュータなどの従来型コンピュータシステムである。あるいは、クライアントデバイス１１０は、パーソナルデジタルアシスタント（ＰＤＡ）、携帯電話、スマートフォンまたはその他の適切なデバイスなど、コンピュータ機能を有するデバイスであってもよい。クライアントデバイス１１０は、ネットワーク１２０を介して通信するように構成される。一実施形態では、クライアントデバイス１１０は、クライアントデバイス１１０のユーザがオンラインシステム１４０とインタラクトすることを可能にするアプリケーションを実行する。例えば、クライアントデバイス１１０は、ネットワーク１２０を介したクライアントデバイス１１０とオンラインシステム１４０との間のインタラクションを可能にするブラウザアプリケーションを実行する。別の実施形態では、クライアントデバイス１１０は、ＩＯＳ（登録商標）またはＡＮＤＲＯＩＤ（商標）などのクライアントデバイス１１０のネイティブオペレーティングシステム上で稼働するアプリケーションプログラミングインターフェース（ＡＰＩ）を介して、オンラインシステム１４０とインタラクトする。

クライアントデバイス１１０は、有線および／または無線通信システムの両方を使用するローカルエリアネットワークおよび／またはワイドエリアネットワークの任意の組み合わせを含み得るネットワーク１２０を介して通信するように構成される。一実施形態では、ネットワーク１２０は、標準通信技術および／またはプロトコルを使用する。例えば、ネットワーク１２０は、Ｅｔｈｅｒｎｅｔ、８０２．１１、ｗｏｒｌｄｗｉｄｅ ｉｎｔｅｒｏｐｅｒａｂｉｌｉｔｙ ｆｏｒ ｍｉｃｒｏｗａｖｅ ａｃｃｅｓｓ（ＷｉＭＡＸ）、３Ｇ、４Ｇ、符号分割多重アクセス方式（ＣＤＭＡ）、デジタル加入者回線（ＤＳＬ）などの技術を使用した通信リンクを含む。ネットワーク１２０を介した通信のために使用されるネットワークプロトコルの例には、マルチプロトコルラベルスイッチング（ＭＰＬＳ）、伝送制御プロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）、ハイパーテキストトランスポートプロトコル（ＨＴＴＰ）、シンプルメールトランスファープロトコル（ＳＭＴＰ）、およびファイルトランスファープロトコル（ＦＴＰ）が含まれる。ネットワーク１２０を介して交換されるデータは、ハイパーテキストマークアップ言語（ＨＴＬＭ）または拡張マークアップ言語（ＸＭＬ）などの任意の適切な形式を使用して表すことができる。実施形態によっては、ネットワーク１２０の通信リンクのすべてまたは一部が、任意の適切な１つまたは複数の技法を使用して暗号化可能である。

オンラインシステム１４０と通信するために１つまたは複数のサードパーティシステム１３０をネットワーク１２０に結合することができ、これについては図２に関連して以下でさらに説明する。一実施形態では、サードパーティシステム１３０は、クライアントデバイス１１０による実行のためにアプリケーションを記述する情報を伝達するか、またはクライアントデバイス１１０上で実行されるアプリケーションによる使用のためにクライアントデバイス１１０にデータを伝達する、アプリケーションプロバイダである。他の実施形態では、サードパーティシステム１３０（例えばコンテンツ公開者）は、クライアントデバイス１１０を介して提示するためのコンテンツまたはその他の情報を提供する。サードパーティシステム１３０は、サードパーティシステム１３０によって提供される広告、コンテンツまたはアプリケーションに関する情報などの情報を、オンラインシステム１４０に伝達することもできる。

図２は、オンラインシステム１４０のアーキテクチャを示すブロック図である。図２に示すオンラインシステム１４０は、ユーザプロファイルストア２０５と、コンテンツストア２１０と、アクションロガー２１５と、アクションログ２２０と、エッジストア２２５と、トピック抽出エンジン２３０と、関係推測モジュール２３５と、機械学習モジュール２４０と、予測モジュール２４５と、スコアリングモジュール２５０と、ランキングモジュール２５５と、ユーザインターフェースジェネレータ２６０と、ウェブサーバ２６５とを含む。他の実施形態では、オンラインシステム１４０は、様々な用途のための追加の、またはより少ない、または異なる構成要素を含み得る。システムアーキテクチャの詳細がわかりにくくならないように、ネットワークインターフェース、セキュリティ機能、ロードバランサ、フェイルオーバサーバ、管理およびネットワーク操作コンソールなどの従来の構成要素は図示されていない。

オンラインシステム１４０の各ユーザには、ユーザプロファイルストア２０５に記憶されているユーザプロファイルが関連付けられる。ユーザプロファイルは、ユーザによって明示的にシェアされたユーザに関する叙述情報を含み、オンラインシステム１４０によって推測されたプロファイル情報も含み得る。一実施形態では、ユーザプロファイルは、それぞれが対応するオンラインシステムユーザの１つまたは複数の属性を記述する、複数のデータフィールドを含む。ユーザプロファイルに記憶される情報の例には、職歴、学歴、性別、趣味または嗜好、場所などの、経歴、社会的属性、およびその他の種類の記述情報が含まれる。ユーザプロファイルは、ユーザによって提供されるその他の情報、例えば画像または動画も記憶し得る。特定の実施形態では、ユーザの画像に、画像に表示されているオンラインシステムユーザを識別する情報が、ユーザのユーザプロファイルに記憶されているユーザがタグ付けされた画像を識別する情報とともに、タグ付けされる。ユーザプロファイルストア２０５内のユーザプロファイルは、対応するユーザによってコンテンツストア２１０内のコンテンツアイテムに対して行われ、アクションログ２２０に記憶されている、アクションへの参照も維持することができる。

ユーザプロファイルストア２０５内のユーザプロファイルはしばしば個人に関連付けられ、それによって個人がオンラインシステム１４０を介して互いにインタラクトすることを可能にするが、ユーザプロファイルは、企業または組織などの事業体用に記憶することもできる。これによって、事業体は、他のオンラインシステムユーザと接続し、コンテンツを交換するためにオンラインシステム１４０におけるプレゼンスを確立することができる。事業体は、事業体のユーザプロファイルに関連付けられたブランドページを使用して、その事業体自体に関する情報、その製品に関する情報を投稿することができ、またはその他の情報をオンラインシステム１４０のユーザに提供することができる。オンラインシステム１４０の他のユーザが、ブランドページに投稿された情報を受け取るため、またはブランドページから情報を受け取るために、ブランドページに接続することができる。ブランドページに関連付けられたユーザプロファイルは、事業体自体に関する情報を含んでよく、それによってユーザに事業体の背景データまたは情報データを提供することができる。

コンテンツストア２１０は、それぞれが様々な種類のコンテンツを表すオブジェクトを記憶する。オブジェクトによって表されるコンテンツの例には、ページ投稿、状況更新、写真、動画、リンク、シェアされたコンテンツアイテム、ゲームアプリケーションの成績、地元企業におけるチェックインイベント、ページ（例えばブランドページ）、広告、または任意のその他の種類のコンテンツが含まれる。オンラインシステムユーザは、状況更新、オンラインシステム１４０における他のオブジェクトに関連付けられるようにユーザによってタグ付けされた写真、イベント、グループまたはアプリケーションなど、コンテンツストア２１０によって記憶されるオブジェクトを作成することができる。実施形態によっては、オブジェクトは、サードパーティアプリケーション、またはオンラインシステム１４０とは別個のサードパーティアプリケーションから受け取られる。一実施形態では、コンテンツストア２１０内のオブジェクトは、コンテンツの各単体、またはコンテンツ「アイテム」を表す。したがって、オンラインシステムユーザは、様々な通信チャネルを介してオンラインシステム１４０にテキストおよび様々な種類の媒体のコンテンツアイテムを投稿することによって互いに通信するように仕向けられる。これにより、ユーザ相互間のインタラクションの量が増加し、オンラインシステム１４０内でユーザが互いにインタラクトする頻度が増加する。

アクションロガー２１５は、オンラインシステム１４０の内部および／または外部のユーザアクションに関する通信を受け取り、それによってアクションログ２２０にユーザアクションに関する情報を記憶する。アクションの例には、別のユーザへの接続の追加、別のユーザへのメッセージの送信、画像のアップロード、別のユーザからのメッセージを読むこと、別のユーザに関連付けられたコンテンツの閲覧、および別のユーザによって投稿されたイベントへの参加が含まれる。さらに、複数のアクションがオブジェクトおよび１人または複数の特定のユーザに関与することができ、したがってこれらのアクションはそれらのユーザにも関連付けられ、アクションログ２２０に記憶される。

アクションログ２２０は、オンラインシステム１４０によってオンラインシステム１４０におけるユーザアクションと、オンラインシステム１４０に情報を伝達するサードパーティシステム１３０におけるアクションとを追跡するために使用され得る。ユーザは、オンラインシステム１４０内の様々なオブジェクトとインタラクトすることができ、それらのインタラクションを記述する情報がアクションログ２２０に記憶される。オブジェクトとのインタラクションの例には、投稿に関するコメント、リンクのシェア、クライアントデバイス１１０を介した物理的場所へのチェックイン、コンテンツアイテムへのアクセス、および任意のその他の適切なインタラクトが含まれる。アクションログ２２０に含まれるオンラインシステム１４０におけるオブジェクトとのインタラクションの他の例は、フォトアルバムに関するコメント、ユーザとの通信、オブジェクトとの接続の確立、イベントへの参加、グループへの参加、イベントの制作、アプリケーションの許可、アプリケーションの使用、オブジェクトに対する好感の表明（オブジェクトに「いいね」をする）、トランザクションへの関与が含まれる。さらに、アクションログ２２０は、ユーザのオンラインシステム１４０における広告とのインタラクション、およびオンラインシステム１４０で稼働している他のアプリケーションとのインタラクションを記録することができる。実施形態によっては、アクションログ２２０からのデータがユーザの関心または嗜好を推測するために使用され、それによって、ユーザのユーザプロファイルに含まれる関心を補強し、ユーザの嗜好のより完全な理解を可能にすることができる。

アクションログ２２０は、外部ウェブサイトなどのサードパーティシステム１３０で行われ、オンラインシステム１４０に伝達されたユーザアクションも記憶することができる。例えば、電子商取引ウェブサイトは、電子商取引ウェブサイトがオンラインシステム１４０のユーザを特定することができるようにするソーシャルプラグインを介して、オンラインシステム１４０のユーザを認識することができる。オンラインシステム１４０のユーザは一意に識別可能であるため、上記の例におけるような電子商取引ウェブサイトは、オンラインシステム１４０の外部でのユーザのアクションに関する情報を、そのユーザへの関連付けのためにオンラインシステム１４０に伝達することができる。したがって、アクションログ２２０は、ウェブページ閲覧履歴、反応した広告、行われた購買、および買物および購買のその他のパターンを含む、ユーザがサードパーティシステム１３０上で行ったアクションに関する情報を記録することができる。さらに、ユーザがサードパーティシステム１３０に関連付けられたアプリケーションおよびクライアントデバイス１１０上での実行を介して行うアクションは、オンラインシステム１４０による記録およびユーザへの関連付けのため、アプリケーションによってアクションログ２２０に記憶するためにアプリケーションロガー２１５に伝達され得る。

一実施形態では、エッジストア２２５は、ユーザとオンラインシステム１４０における他のオブジェクトとの間の接続を記述する情報をエッジとして記憶する。一部のエッジはユーザによって定義可能であり、それによってユーザは他のユーザとの関係を指定することができる。例えば、ユーザは、友人、同僚、パートナーなど、ユーザの実生活における関係に対応する他のユーザとのエッジを作成することができる。その他のエッジは、オンラインシステム１４０におけるページに対する関心を表明する、オンラインシステム１４０の他のユーザとリンクをシェアする、およびオンラインシステム１４０の他のユーザによって行われた投稿についてコメントするなど、ユーザがオンラインシステム１４０におけるオブジェクトとインタラクトする際に生成される。

一実施形態では、エッジはそれぞれがユーザ間のインタラクション、ユーザとオブジェクトとのインタラクション、またはオブジェクト間のインタラクションの特性を表す、様々な特徴を含み得る。例えば、エッジに含まれる特徴は、２人のユーザ間のインタラクションの比率、２人のユーザが最近どの程度互いにインタラクトしたか、１人のユーザがオブジェクトに関して取り出した情報の比率または量、またはユーザがオブジェクトに関して書き込んだコメントの数および種類を記述する。特徴は、特定のオブジェクトまたはユーザを記述する情報も表し得る。例えば、特徴は特定のトピックに対してユーザが持っている関心度、ユーザがオンラインシステム１４０にログインする比率、またはユーザに関する社会的属性情報を記述するレベルを表し得る。各特徴は、発信元オブジェクトまたはユーザ、宛先オブジェクトまたはユーザ、および特徴値に関連付けられ得る。特徴は、発信元オブジェクトまたはユーザ、宛先オブジェクトまたはユーザ、または発信元オブジェクトまたはユーザと宛先オブジェクトまたはユーザとのインタラクションを記述する値に基づく表現として指定することができ、したがって、エッジを１つまたは複数の特徴表現として表すことができる。

エッジストア２２５は、オブジェクト、関心事、および他のユーザに対する親和性スコアなど、エッジに関する情報も記憶することができる。親和性スコア、または「親和度」は、ユーザによって行われたアクションに基づいて、オンラインシステム１４０におけるオブジェクトまたは別のユーザへのユーザの関心を概算するために経時的にオンラインシステム１４０によって計算可能である。ユーザの親和度は、ユーザによって行われたアクションに基づいて、オブジェクト、トピック、または別のユーザに対するユーザの関心を概算するために経時的にオンラインシステム１４０によってオンラインシステム１４０内で計算可能である。親和度の計算については、２０１０年１２月２３日に出願された米国特許出願第１２／９７８，２６５号、２０１２年１１月３０日に出願された米国特許出願第１３／６９０，２５４号、２０１２年１１月３０日に出願された米国特許出願第１３／６８９，９６９号、および２０１２年１１月３０日に出願された米国特許出願第１３／６９０，０８８号で詳述されており、これらの出願のそれぞれは参照によりその全体が本明細書に組み込まれる。一実施形態では、ユーザと特定のオブジェクトとの間の複数のインタラクションを単一のエッジとしてエッジストア２２５に記憶することができる。あるいは、ユーザと特定のオブジェクトとの間の各インタラクションを別個のエッジとして記憶することができる。実施形態によっては、ユーザ間の接続をユーザプロファイルストア２１５に記憶することができ、またはユーザプロファイルストア２０５がエッジストア２２５にアクセスしてユーザ間の接続を判定することができる。

オンラインシステム１４０は、コンテンツストア２１０内のオブジェクトに関連付けられた１つまたは複数のトピックを特定するトピック抽出エンジン２３０を含む。コンテンツアイテムに関連付けられたトピックを特定するために、トピック抽出エンジン２３０は、参照によりその全体が本明細書に組み込まれる２０１１年６月２４日に出願された米国特許出願第１３／１６７，７０１号（２０１７年１０月３日に発行された米国特許第９，７７９，３８５号）に詳述されているように、コンテンツアイテムに含まれるアンカー用語を特定し、そのアンカー用語の意味を判定する。例えば、トピック抽出エンジン２３０は、コンテンツストア２１０で維持されているコンテンツアイテムに関連付けられた１つまたは複数のトピックを判定する。コンテンツアイテムに関連付けられた１つまたは複数のトピックは、そのコンテンツアイテムに対応するオブジェクト識別子とともに記憶され、関連付けられる。様々な実施形態において、オブジェクト識別子に関連付けられた１つまたは複数のトピックの取り出し、または指定されたトピックに関連付けられたオブジェクト識別子の取り出しを簡単にするために、オブジェクト識別子とトピックとの関連付けがトピック抽出エンジン２３０またはコンテンツストア２１０に記憶される。コンテンツアイテムに関連付けられたトピックを抽出するために、コンテンツアイテムに関連付けられた構造化情報も使用することができる。トピック抽出エンジン２３０の機能については、図３に関連して以下でさらに説明する。

関係推測モジュール２３５は、コンテンツアイテムと、オンラインシステム１４０上にプレゼンスを有する事業体に関連付けられたトピックとの関係を推測することができる。関係推測モジュール２３５は、コンテンツアイテムに関連付けられた様々な種類の情報に基づいてこれを行うことができる。コンテンツアイテムと事業体に関連付けられたトピックとの関係を推測するために使用可能な、コンテンツアイテムに関連付けられた情報は、コンテンツアイテムに付加されるタグに含めることができ、タグは、トピック、トピックに関連付けられたページ（例えばウェブページまたはオンラインシステム１４０において維持されているページ）へのリンク、トピックに関連付けられたキャプション、トピックに関連付けられた場所、トピックに関連付けられたコメント、トピックに関連付けられた視聴者などに関連付けられる。例えば、複数のコンテンツアイテムに付加されたタグが、オンラインシステム１４０上にプレゼンスを有する事業体を識別する名称またはその他の情報を含むものとする。この例では、コンテンツアイテムのうちの少なくとも閾値割合についての複数のコメントが、ある語句またはキーワードを含む場合、関係推測モジュール２３５はコンテンツアイテムと、事業体に関連付けられた、その語句／キーワードに対応するトピックとの関係を推測することができる。様々な実施形態において、コンテンツアイテムと事業体に関連付けられたトピックとの関係を推測するために使用可能な、コンテンツアイテムに関連付けられた情報は、コンテンツアイテムに含まれる１つまたは複数の画像または動画に含まれることがある。そのような実施形態では、トレーニング済み品目検出モデルが、（後述するように）画像または動画に含まれるオブジェクトに対応するトピックを特定した後、関係推測モジュール２３５は、そのトピックがその事業体に関連付けられているか否か（これについても後述）を判定することができ、その判定に基づいてコンテンツアイテムと事業体に関連付けられたトピックとの関係を推測することができる。実施形態によっては、関係推測モジュール２３５は、コンテンツアイテムと複数のトピックとの関係を推測することができる。例えば、コンテンツアイテムに付加されたタグに含まれる情報が、コンテンツアイテムに含まれる画像が特定の小売業者によって販売されている犬用シャンプーに対応していることを示す場合、関係推測モジュール２３５は、トピックが犬とシャンプーとに対応し、事業体が小売業者に対応する、コンテンツアイテムと事業体に関連付けられた複数のトピックとの関係を推測することができる。

実施形態によっては、関係推測モジュール２３５は、トピック抽出エンジン２３０によって特定されたコンテンツアイテムに関連付けられた１つまたは複数のトピックに基づいて、コンテンツアイテムと、オンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた１つまたは複数のトピックとの関係を推測する。このような実施形態では、トピック抽出エンジン２３０がコンテンツアイテムに関連付けられたトピックを推測すると、関係推測モジュール２３５は、（例えば、コンテンツアイテムに含まれる事業体を識別する情報に基づいて、オンラインシステム１４０で維持されている情報に基づいてなどにより）トピックがその事業体に関連付けられているか否かを判定することができる。例えば、トピック抽出エンジン２３０が、トピックがサンフランシスコのレストランに対応する、コンテンツアイテムに関連付けられたトピックを特定したとする。この例では、ユーザプロファイルストア２０５に記憶されている情報が、オンラインシステム１４０上にプレゼンスを有する事業体がレストラン業界にあり、サンフランシスコにあることを示している場合、関係推測モジュール２３５は、その事業体がサンフランシスコのレストランのトピックに関連付けられていると判定することができ、そのコンテンツアイテムとその事業体に関連付けられたトピックとの関係を推測することができる。実施形態によっては、関係推測モジュール２３５が、コンテンツアイテムと事業体に関連付けられたトピックとの関係を推測した場合、関係推測モジュール２３５は、コンテンツアイテムと事業体に関連付けられたトピックとの関係を記述する情報を（例えばコンテンツストア２１０に）記憶することができる。関係推定モジュール２３５の機能については、図３に関連して以下でさらに説明する。

機械学習モジュール２４０は、コンテンツアイテムが、オンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を予測するために、品目検出モデルをトレーニングすることができる。品目の例には、衣料品、電子製品、靴、自動車、または任意のその他の適切な種類の品目が含まれる。品目に関連付けられる事業体の例には、品目の製造業者、品目の小売業者、品目の販売元などが含まれる。品目検出モデルは、従来のニューラルネットワーク、深層学習モデル、または任意のその他の適切な機械学習モデルであってよい。実施形態によっては、機械学習モジュール２４０は、コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を共同で予測する複数の機械学習モデルをトレーニングすることができる。

機械学習モジュール２４０は、画像のトレーニングセットのうちの一部が１つまたは複数の事業体に関連付けられた品目の画像を含み、画像のトレーニングセットの一部はそれらを含まない、オンラインシステム１４０上にプレゼンスを有する１つまたは複数の事業体に関連付けられた１つまたは複数の品目の画像を含むコンテンツアイテムのトレーニングセットに基づいて、品目検出モデルをトレーニングすることができる。機械学習モジュール２４０は、コンテンツアイテムのトレーニングセットのそれぞれの１組の属性と、コンテンツアイテムのトレーニングセットのそれぞれが、オンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目に対応する画像を含むか否かを示す情報とに基づいて、品目検出モデルをトレーニングすることもできる。コンテンツアイテムの属性の例には、コンテンツアイテムに含まれる画像に関連付けられた１組の画素値、コンテンツアイテムに関連付けられたタグ、コンテンツアイテムに関連付けられたキャプション、コンテンツアイテムに関連付けられた場所、コンテンツアイテムに関連付けられたコメント、コンテンツアイテムに関連付けられた視聴者、コンテンツアイテムとオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられたトピックとの推測された関係などが含まれる。品目検出モデルがコンテンツアイテムに含まれる画像に関連付けられた１組の画素値に基づいてトレーニングされる実施形態では、その１組の画素値は、画像のサイズ、画像の解像度、画像内の１つまたは複数の画素の輝度、画像内の１つまたは複数の画素の赤、緑および青色成分強度などを記述することができる。

実施形態によっては、トレーニングされると品目検出モデルはまず、コンテンツアイテムに含まれる画像内の１つまたは複数のオブジェクト（例えば、コンテンツアイテムに含まれる動画の１つまたは複数のフレームに含まれる画像）を検出することができる。品目検出モデルは、１つまたは複数のオブジェクト検出方法を画像に適用することによってこれを行うことができる。品目検出モデルは、（例えば、各オブジェクトを囲む境界ボックスを生成することによって）画像内で検出されたオブジェクトの場所を特定することもできる。実施形態によっては、品目検出モデルは、画像内のオブジェクトを検出するために、および、検出されたオブジェクトのそれぞれに対応する境界ボックスを生成するために、１つまたは複数のオブジェクト検出方法を使用する。画像に含まれるオブジェクトを検出すると、品目検出モデルは、そのオブジェクトの属性に基づいて、画像内で検出された各オブジェクトに対応するトピック（例えば、製品またはその他の品目のカテゴリまたは種類）を特定することもできる。例えば、品目検出モデルによって適用されるオブジェクト検出方法は、オブジェクトの属性に基づいてオブジェクトに異なるトピックを関連付け、品目検出モデルは、オブジェクト検出方法からのトピックを、検出されたオブジェクトに関連付けることができる。この例では、画像内で検出されたオブジェクトが、そのオブジェクトの属性（例えば、ヘッドライト、フロントガラス、四輪、１つまたは複数のサイドミラーなど）に基づいて特定のメーカーおよび型のスポーツカーに対応する場合、品目検出モデルによって適用されるオブジェクト検出方法は、そのオブジェクトを自動車のトピックに関連付けることができる。

品目検出モデルがコンテンツアイテムに含まれる画像内で検出された各オブジェクトに関連付けられたトピックを特定する実施形態では、機械学習モジュール２４０が、異なるトピックに関連付けられた品目の画像を含む画像のトレーニングセットに基づいて、品目検出モデルをトレーニングすることができる。実施形態によっては、画像のトレーニングセットは、様々な品目の画像に関連付けられた異なるトピックを識別する公表されている情報を含み得る。品目検出モデルは、画像のトレーニングセットのそれぞれを特徴付ける属性と、画像のトレーニングセットのそれぞれに対応する品目に関連付けられたトピックを示す情報とに基づいてトレーニング可能である。画像を特徴付ける属性の例には、画像内で検出された形状、エッジ、曲線、テクスチャなど、品目の様々なカテゴリ／種類の構成要素（例えば表面、取っ手、車輪、締結部品など）、または画像を特徴付け得る任意のその他の適切な属性が含まれる。

実施形態によっては、トレーニングされると、品目検出モデルは、それぞれの予測が、コンテンツアイテムに含まれる画像内で検出されたオブジェクトがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた特定の品目に対応する確率に対応する、１つまたは複数の予測を行うこともできる。品目検出モデルは、画像内で検出された各オブジェクトを、オンラインシステム１４０上にプレゼンスを有する１つまたは複数の事業体に関連付けられた品目の画像（例えば、製品カタログに含まれる製品の画像）と比較することによって、各予測を行うことができる。品目検出モデルは、次に、コンテンツアイテムに含まれる画像内で検出された各オブジェクトが、オンラインシステム１４０上にプレゼンスを有する１つまたは複数の事業体に関連付けられた異なる品目に一致する１つまたは複数の確率を出力する。

品目検出モデルが、画像内で検出されたオブジェクトがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた特定の品目に対応する確率を予測する実施形態において、機械学習モジュール２４０は、画像内で検出されたオブジェクトと、オンラインシステム１４０上にプレゼンスを有する１つまたは複数の事業体に関連付けられた品目の画像との比較に基づいて、品目検出モデルをトレーニングすることができる。実施形態によっては、機械学習モジュール２４０は、画像内で検出されたオブジェクトとオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた異なる品目との事前の突き合わせに基づいて、品目検出モデルをトレーニングして、画像内で検出されたオブジェクトがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目と一致する確率を予測する。例えば、機械学習モジュール２４０は、オブジェクトの属性（例えば、ロゴ、トレードマーク、エンブレム、アイコン、模様、プリントなど）に基づいて、画像内で検出されたオブジェクトに、オブジェクトが事業体に関連付けられた品目と一致することを示すラベルを付ける。画像から抽出されたオブジェクトのラベル付けされた属性から、機械学習モジュール２４０は、任意の適切なトレーニング方法またはトレーニング方法の組み合わせ（例えば、品目検出モデルがニューラルネットワークの場合はバックプロパゲーション、品目検出モデルが線形回帰モデルの場合はカーブフィッティング技法など）を使用して、品目検出モデルをトレーニングする。機械学習モジュール２４０の機能については、図３に関連して以下でさらに説明する。

予測モジュール２４５は、コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を予測するために、（例えば図３のステップ３１０に示すように）トレーニング済み品目検出モデルにアクセスし、（例えば図３のステップ３１５に示すように）品目検出モデルをコンテンツアイテムの１組の属性に適用する。実施形態によっては、品目検出モデルは機械学習モジュール２４０によってトレーニング可能であり、他の実施形態では、品目検出モデルはサードパーティシステム１３０によってトレーニング可能である。コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する企業体に関連付けられた品目の画像を含む確率を予測すべく品目検出モデルを適用するために、予測モジュール２４５は、コンテンツアイテムの１組の属性を含む入力を品目検出モデルに入力する。上述のように、コンテンツアイテムの属性の例には、コンテンツアイテムに含まれる画像に関連付けられた１組の画素値、コンテンツアイテムに関連付けられたタグ、コンテンツアイテムに関連付けられたキャプション、コンテンツアイテムに関連付けられた場所、コンテンツアイテムに関連付けられたコメント、コンテンツアイテムに関連付けられた視聴者、コンテンツアイテムとオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられたトピックとの推測された関係などが含まれ得る。コンテンツアイテムのこの１組の属性に基づいて、品目検出モデルは、コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を予測する。次に、予測モジュール２４５が、予測された確率に対応する出力を品目検出モデルから受け取る。実施形態によっては、予測モジュール２４５は、品目検出モデルの機能を共同で実行する複数の機械学習モデルにアクセスし、適用することもできる。

予測モジュール２４５が、コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を予測するために品目検出モデルを適用した後、予測モジュール２４５は（例えば図３のステップ３２０に示すように）、予測された確率が少なくとも閾値確率であるか否かを判定する。予測モジュール２４５は、予測確率を閾値確率と比較し、次に、その比較に基づいて予測確率が少なくとも閾値確率であるか否かを判定することによってこれを行うことができる。例えば、予測モジュール２４５が品目予測モデルから受け取った出力が、コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する企業体に関連付けられた品目の画像を含む確率８５．１％に対応するとする。この例では、閾値確率が確率８５％に対応する場合、８５．１％が８５％以上であるため、予測モジュール２４５は予測確率が少なくとも閾値確率であると判定する。あるいは、上記の例において、予測モジュール２４５が品目検出モデルから受け取った出力が確率８４％に対応する場合、８４％は８５％以上でないため、予測モジュール２４５は予測確率が閾値確率未満であると判定する。予測モジュール２４５の機能については、図３に関連して以下でさらに説明する。

スコアリングモジュール２５０は、（図３のステップ３２５に示すように）１組のコンテンツアイテムのそれぞれが品目予測モデルによって予測された少なくとも閾値確率である確率に関連付けられている１組のコンテンツアイテムをそこから受け取った、オンラインシステム１４０のコンテンツ提供ユーザを特定する。実施形態によっては、スコアリングモジュール２５０は、コンテンツストア２１０、アクションログ２２０、および／またはエッジスコア２２５に記憶されている情報に基づいて、そのコンテンツ提供ユーザを特定することができる。例えば、予測モジュール２４５が、コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率が少なくとも閾値確率であると判定したとする。この例では、スコアリングモジュール２５０は、コンテンツストア２１０、アクションログ２２０、および／またはエッジストア２２５にアクセスし、そのコンテンツアイテムをそこから受け取ったオンラインシステム１４０のコンテンツ提供ユーザを識別する情報（例えばユーザ名またはその他のユーザ識別子）を取り出すことができる。上記の例では、スコアリングモジュール２５０は、同じコンテンツ提供ユーザから受け取った１組のコンテンツアイテムに含まれる各コンテンツアイテムについてこのプロセスを繰り返すことができる。実施形態によっては、スコアリングモジュール２５０は、１組のコンテンツアイテムのそれぞれがコンテンツ提供ユーザから受け取られた時刻を記述する情報を取り出すこともできる。上記の例では、スコアリングモジュール２５０は、オンラインシステム１４０が１組のコンテンツアイテムのそれぞれをコンテンツ提供ユーザから受け取った日付と時刻とを記述する情報をアクションログ２２０から取り出すことができる。

スコアリングモジュール２５０はまた、１組のコンテンツアイテムのそれぞれに品目予測モデルによって予測された少なくとも閾値確率である確率が関連付けられている、オンラインシステム１４０のコンテンツ提供ユーザから受け取った１組のコンテンツアイテムに含まれるコンテンツアイテムの数を（例えば図３のステップ３３０に示すように）判定する。実施形態によっては、スコアリングモジュール２５０は、コンテンツ提供ユーザに関連付けられたカウントをインクリメントすることによって、その１組のコンテンツアイテムに含まれるコンテンツアイテムの数を判定することができる。例えば、スコアリングモジュール２５０は、スコアリングモジュール２５０が、コンテンツ提供ユーザから受け取ったコンテンツアイテムに関連付けられた予測確率が少なくとも閾値確率であると判定するたびに、そのコンテンツ提供ユーザに関連付けられたカウントを値１だけインクリメントすることができる。別の実施形態では、スコアリングモジュール２５０が１組のコンテンツアイテムがそこから受け取られたコンテンツ提供ユーザを特定すると、スコアリングモジュール２５０は、１組のコンテンツアイテムに含まれるコンテンツアイテムの数の合計を計算することによって１組のコンテンツアイテムに含まれるコンテンツアイテムの数を判定することができる。

スコアリングモジュール２５０は、（例えば図３のステップ３３５に示すように）オンラインシステム１４０のコンテンツ提供ユーザのスコアも計算する。スコアリングモジュール２５０は、１組のコンテンツアイテムのそれぞれが少なくとも閾値確率である品目予測モデルによって予測された確率に関連付けられている、コンテンツ提供ユーザから受け取った１組のコンテンツアイテムに含まれるコンテンツアイテムの数に基づいてスコアを計算することができる。例えば、スコアリングモジュール２５０は、１組のコンテンツアイテムのそれぞれが少なくとも閾値確率である品目予測モデルによって予測された確率に関連付けられている、コンテンツ提供ユーザから受け取った１組のコンテンツアイテムに含まれるコンテンツアイテムの数に比例するコンテンツ提供ユーザのスコアを計算することができる。実施形態によっては、スコアリングモジュール２５０は、上記に加えて、または上記に代えて、１組のコンテンツアイテムのそれぞれが少なくとも閾値確率である品目予測モデルによって予測された確率に関連付けられている、コンテンツ提供ユーザから受け取った１組のコンテンツアイテムに関連付けられた追加の値に基づいてコンテンツ提供ユーザのスコアを計算することができる。このような値の例には、１組のコンテンツアイテムのそれぞれに関連付けられたパフォーマンス測定値、コンテンツ提供ユーザがその１組のコンテンツアイテムを作成した頻度などが含まれる。

スコアリングモジュール２５０が、コンテンツ提供ユーザが１組のコンテンツアイテムを作成した頻度に基づいてコンテンツ提供ユーザのスコアを計算する実施形態では、スコアリングモジュール２５０がコンテンツ提供ユーザが１組のコンテンツアイテムを作成した頻度を判定することができる。例えば、スコアリングモジュール２５０が、１組のコンテンツ項目のそれぞれに少なくとも閾値確率である品目予測モデルによって予測された確率に関連付けられた、オンラインシステム１４０のコンテンツ提供ユーザから受け取った１組のコンテンツアイテムに含まれるコンテンツアイテムの数を判定したとする。またこの例で、スコアリングモジュール２５０が、コンテンツ提供ユーザからその１組のコンテンツアイテムのそれぞれを受け取った時刻を記述する情報を取り出したとする。この例を続けると、スコアリングモジュール２５０は、その１組のコンテンツアイテムに含まれるコンテンツアイテムが最初にコンテンツ提供ユーザから受け取られた時刻と、その１組のコンテンツアイテムに含まれるコンテンツアイテムが最後にコンテンツ提供ユーザから受け取られた時刻との間の経過時間の長さを判定することができる。この例では、スコアリングモジュール２５０は、次に、コンテンツアイテムの数を経過時間の長さで割ることによって、コンテンツ提供ユーザがその１組のコンテンツアイテムを作成した頻度を判定することができる。上記の例では、スコアリングモジュール２５０は、スコアが頻度に比例するように、頻度に基づいてコンテンツ提供ユーザのスコアを計算することができる。スコアリングモジュール２５０の機能については、図３に関連して以下でさらに説明する。

ランキングモジュール２５５は、（例えば図３のステップ３４０に示すように）オンラインシステム１４０の１組の追加のコンテンツ提供ユーザの間でオンラインシステム１４０のコンテンツ提供ユーザをランク付けする。ランキングモジュール２５５は、スコアリングモジュール２５０によって計算されたコンテンツ提供ユーザのスコアに基づいて、１組の追加のコンテンツ提供ユーザの間でそのコンテンツ提供ユーザをランク付けすることができる。例えば、ランキングモジュール２５５は、最高ランクのコンテンツ提供ユーザに最高のスコアが関連付けられ、最低ランクのコンテンツ提供ユーザに最低スコアが関連付けられている、各ユーザに関連付けられたスコアに基づいて１組の追加のコンテンツ提供ユーザの間でコンテンツ提供ユーザをランク付けすることができる。実施形態によっては、ランキングモジュール２５５は、コンテンツ提供ユーザが少なくとも閾値スコアであるスコアに関連付けられている場合にのみ、そのコンテンツ提供ユーザをランキングに含み得る。上記の例では、ランキングモジュール２５５は各コンテンツ提供ユーザに関連付けられたスコアを閾値スコアと比較してもよく、少なくとも閾値スコアに関連付けられていないコンテンツ提供ユーザをランキングに含めなくてもよい。ランキングモジュール２５５については、図３に関連して以下でさらに説明する。

ユーザインターフェースジェネレータ２６０は、オンラインシステム１４０の１人または複数のコンテンツ提供ユーザのランキングから、オンラインシステム１４０の１組のコンテンツ提供ユーザを選択する選択肢を含むユーザインターフェースを生成する。例えば、ランキングモジュール２５５がオンラインシステム１４０の１組の追加のコンテンツ提供ユーザの間でオンラインシステム１４０のコンテンツ提供ユーザをランク付けした後、ユーザインターフェースジェネレータ２６０は、そのランキングを含むユーザインターフェースを生成することができる。実施形態によっては、ユーザインターフェースは、ユーザインターフェースの提示先の事業体が、１組のコンテンツ提供ユーザを選択することができるようにする１つまたは複数のインタラクティブ要素（例えばチェックボックス、ボタン、ラジオボタンなど）も含み得る。上記の例では、ユーザインターフェースが提示される事業体が対応するインタラクティブ要素とインタラクトすることによってコンテンツ提供ユーザを選択することができるように、各コンテンツ提供ユーザをユーザインターフェース内においてインタラクティブ要素に関連付けることができる。

実施形態によっては、ユーザインターフェースジェネレータ２６０によって生成されるユーザインターフェースは、ランキングに含まれる各コンテンツ提供ユーザに関連付けられた１組のデータを含み得る。実施形態によっては、この１組のデータは、各コンテンツ提供ユーザから受け取った事業体に関連付けられた１つまたは複数のコンテンツアイテムの視聴者、各コンテンツ提供ユーザから受け取った事業体に関連付けられた１つまたは複数のコンテンツアイテムのそれぞれへのユーザエンゲージメントの量、各コンテンツ提供ユーザから受け取った少なくとも閾値パフォーマンス測定量に関連付けられた１つまたは複数のコンテンツアイテムの内容、各コンテンツ提供ユーザによる１つまたは複数のポリシーの違反の履歴を記述する情報、それぞれの追加の事業体に代わってコンテンツアイテムを作成することを各コンテンツ提供ユーザに許可したオンラインシステム１４０上にプレゼンスを有する追加の事業体の数などを含み得る。例えば、ユーザインターフェースに含まれるコンテンツ提供ユーザに関連付けられた１組のデータは、コンテンツ提供ユーザから受け取った事業体に関連付けられた１組のコンテンツアイテムの視聴者に関連付けられた社会的属性情報（例えば性別、地理的場所、年齢など）と、様々な期間にその１組のコンテンツアイテムのそれぞれに関連付けられたユーザエンゲージメント（クリック、いいね、シェア、コメントなど）の量とを含み得る。上記の例では、１組のデータは、コンテンツ提供ユーザから受け取った最も人気のあるコンテンツアイテムの内容、様々な期間のコンテンツ提供ユーザによる１つまたは複数のポリシーの違反の履歴を記述する情報、代わってコンテンツアイテムを作成することをそのコンテンツ提供ユーザに許可した追加の事業体を記述する情報（例えば、事業体の総数、事業体に関連する業界／トピックなど）も含み得る。ユーザインターフェースジェネレータ２６０の機能については、図３および図４に関連して以下でさらに説明する。

ウェブサーバ２６５は、オンラインシステム１４０をネットワーク１２０を介して１つまたは複数のクライアントデバイス１１０および１つまたは複数のサードパーティシステム１３０に結合する。ウェブサーバ２６５は、ＪＡＶＡ（登録商標）、ＦＬＡＳＨ（登録商標）、ＸＭＬなどの、ウェブページとその他のコンテンツのためにサービス提供する。ウェブサーバ２６５は、オンラインシステム１４０とクライアントデバイス１１０との間のメッセージ、例えばインスタントメッセージ、キューに入れられたメッセージ（例えばｅメール）、テキストメッセージ、ショートメッセージサービス（ＳＭＳ）メッセージ、または任意のその他の適切なメッセージング技術を使用して送信されるメッセージを受信し、ルーティングすることができる。ユーザは、ウェブサーバ２６５に、コンテンツストア２１０に記憶されている情報（例えば画像または動画）をアップロードする要求を送信することができる。さらに、ウェブサーバ２６５は、ＩＯＳ（登録商標）、ＡＮＤＲＯＩＤ（商標）、ＷＥＢＯＳ（登録商標）またはＢｌａｃｋｂｅｒｒｙＯＳなどのネイティブクライアントデバイスオペレーティングシステムに直接データを送るアプリケーションプログラミングインターフェース（ＡＰＩ）機能を提供することができる。

事業体に代わってコンテンツを作成するオンラインシステムユーザを選択する選択肢の、該ユーザによって前に作成された、事業体に関連付けられたコンテンツに基づいた、事業体への提供
図３は、事業体に代わってコンテンツを作成するオンラインシステムユーザを選択する選択肢を、該ユーザによって前に作成された、事業体に関連付けられたコンテンツに基づいて事業体に提供する方法のフローチャートである。他の実施形態では、この方法は、図３に示すものとは異なる、および／または追加のステップを含み得る。さらに、この方法のステップは、図３に関連して説明する順序とは異なる順序で実行されてもよい。

オンラインシステム１４０は、オンラインシステム１４０の１人または複数のコンテンツ提供ユーザから各コンテンツアイテムが画像を含む１つまたは複数のコンテンツアイテムを受け取る（３０５）。例えば、オンラインシステム１４０は、コンテンツ提供ユーザから、それぞれがキャプションと画像とを含む１つまたは複数のコンテンツアイテムを受け取ることができる（３０５）。実施形態によっては、コンテンツ提供ユーザから受け取られる（３０５）各コンテンツアイテムは、上記に加えて、または上記に代えて、動画データ、音声データ、（例えば１つまたは複数のタグ内の）テキストデータ、１つまたは複数の追加の画像などの追加のデータを含み得る。コンテンツ提供ユーザから受け取られる（３０５）コンテンツアイテムが動画データを含む実施形態では、動画データに画像が含まれ得る。例えば、コンテンツ提供ユーザから受け取られる（３０５）コンテンツアイテムに含まれる動画の１つまたは複数のフレームに画像が含まれ得る。

オンラインシステム１４０は、次に、トレーニング済み品目検出モデルに（例えば予測モジュール２４５を使用して）アクセスし（３１０）、コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を予測するために、受け取ったコンテンツアイテムのそれぞれの１組の属性に（例えば予測モジュール２４５を使用して）品目検出モデルを適用する（３１５）。実施形態によっては、品目検出モデルは（例えば機械学習モジュール２４０を使用して）オンラインシステム１４０によってトレーニング可能であり、一方、他の実施形態では、品目検出モデルはサードパーティシステム１３０によってトレーニング可能である。コンテンツアイテムがオンラインシステム１４０上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を予測すべく品目検出モデルを適用する（３１５）ために、オンラインシステム１４０は、コンテンツアイテムの１組の属性を含む入力を品目検出モデル検出モデルに入力する。上述のように、コンテンツアイテムの属性の例には、コンテンツアイテムに含まれる画像に関連付けられた１組の画素値、コンテンツアイテムに関連付けられたタグ、コンテンツアイテムに関連付けられたキャプション、コンテンツアイテムに関連付けられた場所、コンテンツアイテムに関連付けられたコメント、コンテンツアイテムに関連付けられた視聴者、コンテンツアイテムと事業体に関連付けられたトピックとの推測された関係などが含まれ得る。品目検出モデルに入力される入力に含まれるコンテンツアイテムの１組の属性がコンテンツアイテムと事業体に関連付けられたトピックとの推測された関係を含む実施形態では、コンテンツアイテムとトピックとの関係はオンラインシステム１４０によって（例えばトピック抽出モジュール２３０および／または関係推測モジュール２３５を使用して）推測され得る。コンテンツアイテムのこの１組の属性に基づいて、品目検出モデルは、コンテンツアイテムがその事業体に関連付けられた品目の画像を含む確率を予測する。次に、オンラインシステム１４０は、品目検出モデルから予測された確率に対応する出力を受け取る。実施形態によっては、オンラインシステム１４０は、品目検出モデルの機能を共同で実行する複数の機械学習モデルにアクセスし、適用することができる。

オンラインシステム１４０が、受け取ったコンテンツアイテムのそれぞれが事業体に関連付けられた品目の画像を含む確率を予測するために品目検出モデルを適用（３１５）した後、オンラインシステム１４０は各コンテンツアイテムについて（予測モジュール２４５を使用して）予測された確率が少なくとも閾値確率であるか否かを判定する（３２０）。オンラインシステム１４０は、各コンテンツアイテムの予測確率を閾値確率と比較し、次にこの比較に基づいて予測確率が少なくとも閾値確率であるか否かを判定する（３２０）ことによってこれを行うことができる。例えば、品目予測モデルから受け取った出力が、コンテンツアイテムが事業体に関連付けられた品目の画像を含む確率８５．１％に対応するとする。この例では、閾値確率が確率８５％に対応する場合、８５．１％が８５％以上であるため、オンラインシステム１４０は予測確率が少なくとも閾値確率であると判定する（３２０）。あるいは、上記の例で、品目検出モデルから受け取った出力が確率８４％に対応する場合、８４％は８５％以上でないため、オンラインシステム１４０は、予測確率は閾値確率未満であると判定する（３２０）。

１人または複数のコンテンツ提供ユーザから受け取った（３０５）１組のコンテンツアイテムのそれぞれについて予測確率が少なくとも閾値確率であるとの判定（３２０）に応答して、オンラインシステム１４０は、そこからその１組のコンテンツアイテムを受け取った（３０５）オンラインシステム１４０のコンテンツ提供ユーザを（例えばスコアリングモジュール２５０を使用して）特定する（３２５）。実施形態によっては、オンラインシステム１４０は、オンラインシステム１４０で（例えばコンテンツストア２１０、アクションログ２２０、および／またはエッジストア２２５で）維持されている情報に基づいて、コンテンツ提供ユーザを特定する（３２５）ことができる。例えば、オンラインシステム１４０が、コンテンツアイテムが事業体に関連付けられた品目の画像を含む確率が少なくとも閾値確率であると判定した（３２０）とする。この例では、オンラインシステム１４０は、コンテンツストア２１０、アクションログ２２０、および／またはエッジストア２２５にアクセスし、コンテンツアイテムをそこから受け取った（３０５）、オンラインシステム１４０のコンテンツ提供ユーザを識別する情報（例えばユーザ名またはその他のユーザ識別子）を取り出すことができる。上記の例では、オンラインシステム１４０は、同じコンテンツ提供ユーザから受け取った（３０５）１組のコンテンツアイテムに含まれる各コンテンツアイテムについてこのプロセスを繰り返すことができる。実施形態によっては、オンラインシステム１４０は、コンテンツ提供ユーザから１組のコンテンツアイテムのそれぞれのコンテンツアイテムを受け取った（３０５）時刻を記述する情報も取り出すことができる。上記の例では、オンラインシステム１４０は、オンラインシステム１４０がコンテンツ提供ユーザから１組のコンテンツアイテムのそれぞれを受け取った（３０５）日付と時刻とを記述する情報をアクションログ２２０から取り出すことができる。

次に、オンラインシステム１４０は、オンラインシステム１４０によって特定された（３２５）コンテンツ提供ユーザから受け取った（３０５）１組のコンテンツアイテムに含まれるコンテンツアイテムの数を（例えばスコアリングモジュール２５０を使用して）判定する（３３０）。実施形態によっては、オンラインシステム１４０は、コンテンツ提供ユーザに関連付けられたカウントをインクリメントすることによって、１組のコンテンツアイテムに含まれるコンテンツアイテムの数を判定する（３３０）ことができる。例えば、オンラインシステム１４０は、オンラインシステム１４０が、コンテンツ提供ユーザから受け取った（３０５）コンテンツアイテムに関連付けられた予測確率が少なくとも閾値確率であると判定する（３２０）たびに、そのコンテンツ提供ユーザに関連付けられたカウントを値１だけインクリメントすることができる。別の実施形態では、オンラインシステム１４０が１組のコンテンツアイテムをそこから受け取った（３０５）コンテンツ提供ユーザを特定する（３２５）と、オンラインシステム１４０は、１組のコンテンツアイテムに含まれるコンテンツアイテムの数の合計を計算することによって１組のコンテンツアイテムに含まれるコンテンツアイテムの数を判定する（３３０）ことができる。

次に、オンラインシステム１４０は、コンテンツ提供ユーザのスコアを（例えばスコアリングモジュール２５０を使用して）計算する（３３５）。オンラインシステム１４０は、コンテンツ提供ユーザから受け取った（３０５）１組のコンテンツアイテムに含まれるコンテンツアイテムの数に基づいてスコアを計算する（３３５）ことができる。例えば、コンテンツ提供ユーザについてオンラインシステム１４０によって計算される（３３５）スコアは、コンテンツ提供ユーザから受け取った（３０５）１組のコンテンツアイテムに含まれるコンテンツアイテムの数に比例し得る。実施形態によっては、オンラインシステム１４０は、上記に加えて、または上記に代えて、コンテンツ提供ユーザから受け取った（３０５）１組のコンテンツアイテムに関連付けられた追加の値に基づいてコンテンツ提供ユーザのスコアを計算する（３３５）ことができる。そのような値の例には、１組のコンテンツアイテムのそれぞれに関連付けられたパフォーマンス測定量、コンテンツ提供ユーザがその１組のコンテンツアイテムを作成した頻度などが含まれる。

オンラインシステム１４０が、コンテンツ提供ユーザが１組のコンテンツアイテムを作成した頻度に基づいてコンテンツ提供ユーザのスコアを計算する（３３５）実施形態では、オンラインシステム１４０はコンテンツ提供ユーザがその１組のコンテンツアイテムを作成した頻度を判定することができる。例えば、オンラインシステム１４０が、１組のコンテンツアイテムのそれぞれが少なくとも閾値確率である品目予測モデルによって予測された確率に関連付けられている、コンテンツ提供ユーザから受け取った（３０５）１組のコンテンツアイテムに含まれるコンテンツアイテムの数を判定した（３３０）とする。またこの例において、オンラインシステム１４０はコンテンツ提供ユーザから１組のコンテンツアイテムのそれぞれを受け取った（３０５）時刻を記述する情報を取り出したとする。この例の説明を続けると、オンラインシステム１４０は、１組のコンテンツアイテムに含まれるコンテンツアイテムがコンテンツ提供ユーザから最初に受け取られた（３０５）時刻と１組のコンテンツアイテムに含まれるコンテンツアイテムがコンテンツ提供ユーザから最後に受け取られた（３０５）時刻との間に経過した時間の長さを判定することができる。この例では、オンラインシステム１４０は、次に、コンテンツアイテムの数を経過時間の長さで割ることによって、コンテンツ提供ユーザが１組のコンテンツアイテムを作成した頻度を判定することができる。上記の例では、オンラインシステム１４０は、スコアが頻度に比例するように、頻度に基づいてコンテンツ提供ユーザのスコアを計算（３３５）することができる。

次に、オンラインシステム１４０は、（例えばランキングモジュール２５５を使用して）オンラインシステム１４０の１組の追加のコンテンツ提供ユーザの間でそのコンテンツ提供ユーザをランク付けする（３４０）。オンラインシステム１４０は、コンテンツ提供ユーザのスコアに基づいて、１組の追加のコンテンツ提供ユーザの間でコンテンツ提供ユーザをランク付けすることができる（３４０）。例えば、オンラインシステム１４０は、最高ランクのコンテンツ提供ユーザは最高スコアに関連付けられ、最低ランクのコンテンツ提供ユーザは最低スコアに関係付けられる、各ユーザに関連付けられたスコアに基づいて１組の追加のコンテンツ提供ユーザの間でコンテンツ提供ユーザをランク付けする（３４０）ことができる。実施形態によっては、オンラインシステム１４０は、コンテンツ提供ユーザに少なくとも閾値スコアであるスコアが関連付けられている場合にのみ、そのコンテンツ提供ユーザをランキングに含み得る。上記の例では、オンラインシステム１４０は、各コンテンツ提供ユーザに関連付けられたスコアを閾値スコアと比較することができ、少なくとも閾値スコアに関連付けられていないコンテンツ提供ユーザをランキングに含めなくてもよい。

次に、オンラインシステム１４０は、ランキングからオンラインシステム１４０の１組の「承認」コンテンツ提供ユーザを選択する選択肢を事業体に提供し（３４５）、この場合、事業体によって選択される１組の承認コンテンツ提供ユーザに含まれる各承認コンテンツ提供ユーザは、事業体に代わって１つまたは複数のコンテンツアイテムを作成することを許可される。実施形態によっては、オンラインシステム１４０は、ユーザインターフェースがこの選択肢を含む、（例えば事業体に関連付けられたクライアントデバイス１１０の表示領域を介して）表示するためのユーザインターフェースを事業体に送信することによって、この選択肢を事業体に提供する（３４５）ことができる。このような実施形態では、オンラインシステム１４０は（例えばユーザインターフェースジェネレータ２６０を使用して）ユーザインターフェースを生成することができる。実施形態によっては、ユーザインターフェースは、ランキングに含まれる各承認コンテンツ提供ユーザに関連付けられた１組のデータを含み得る。様々な実施形態において、この１組のデータは、各承認コンテンツ提供ユーザから受け取った（３０５）事業体に関連付けられた１つまたは複数のコンテンツアイテムの視聴者と、各承認コンテンツ提供ユーザから受け取った（３０５）事業体に関連付けられた１つまたは複数のコンテンツアイテムのそれぞれに対するユーザエンゲージメントの量と、各承認コンテンツ提供ユーザから受け取った（３０５）少なくとも閾値パフォーマンス測定量に関連付けられた１つまたは複数のコンテンツアイテムの内容と、各承認コンテンツ提供ユーザによる１つまたは複数のポリシーの違反の履歴を記述する情報と、各承認コンテンツ提供ユーザに追加の各事業体に代わってコンテンツアイテムを作成することを許可したオンラインシステム１４０上にプレゼンスを有する追加の事業体の数などを含み得る。実施形態によっては、ユーザインターフェースは、事業体に代わって１つまた複数のコンテンツアイテムを作成することを許可される１組の承認コンテンツ提供ユーザを事業体が選択することを可能にする、１つまたは複数のインタラクティブ要素（例えばチェックボックス、ボタン、ラジオボタンなど）も含み得る。

ユーザインターフェースの一例を図４に示す。この例では、ユーザインターフェース４００（例えばコンテンツ作成ダッシュボード）は、承認コンテンツ提供ユーザ４１０を含み、最高ランキング４０５を有する承認コンテンツ提供ユーザ４１０がユーザインターフェース４００内で最も目立つ位置にあり、最低ランキング４０５を有する承認コンテンツ提供ユーザ４１０がユーザインターフェース４００内で最も目立たない位置にある。この例に示すように、ユーザインターフェース４００に含まれる各承認コンテンツ提供ユーザ４１０に関連付けられた１組のデータは、承認コンテンツ提供ユーザ４１０から受け取られる（３０５）事業体に関連付けられた１組のコンテンツアイテムの視聴者４１５に関連付けられた社会的属性情報（例えば性別、地理的位置、年齢など）と、様々な期間の１組のコンテンツアイテムのそれぞれに関連付けられたユーザエンゲージメント４２０（例えばクリック、いいね、シェア、コメントなど）の量とを含み得る。やはり図４の例に示されているように、ユーザインターフェース４００に含まれる各承認コンテンツ提供ユーザ４１０に関連付けられた１組のデータは、承認コンテンツ提供ユーザ４１０から受け取った（３０５）最上位コンテンツアイテム４２５（例えば最も人気のあるコンテンツアイテム）の内容と、様々な期間の承認コンテンツ提供ユーザ４１０のポリシー違反履歴を記述する（４３０）情報と、代わりにコンテンツアイテムを作成することを承認コンテンツ提供ユーザ４１０に許可した他者を記述する（４３５）情報（例えば、事業体の総数、事業体に関連する業界／トピックなど）も含み得る。この例では、各承認コンテンツ提供ユーザ４１０は、対応する承認コンテンツ提供ユーザが事業体４４０に代わってコンテンツを作成することを可能にするユーザインターフェース４００内のトグルボタン４０７に関連付けられ、その結果、ユーザインターフェース４００を提示されている事業体が、対応するトグルボタン４０７とインタラクトすることによってユーザＸなどの承認コンテンツ提供ユーザ４１０を選択することができる。

オンラインシステム１４０が事業体に、ランキングからオンラインシステム１４０の１組の承認コンテンツ提供ユーザを選択する選択肢を提供（３４５）した後、オンラインシステム１４０は事業体に代わって１つまたは複数のコンテンツアイテムを作成することを許可された承認コンテンツ提供ユーザの選択を事業体から受け取ることができる。事業体に表示のために送信されるユーザインターフェースで事業体にこの選択肢が提供される（３４５）実施形態では、オンラインシステム１４０は、ユーザインターフェースに含まれるインタラクティブ要素を介して選択を受け取ることができる。実施形態によっては、オンラインシステム１４０は、事業体に代わって１つまたは複数のコンテンツアイテムを作成することを許可された複数の承認コンテンツ提供ユーザの選択を事業体から受け取ることができる。

オンラインシステム１４０が、事業体に代わって１つまたは複数のコンテンツアイテムを作成することを許可された承認コンテンツ提供ユーザの選択を事業体受け取った場合、オンラインシステム１４０は、事業体に代わって承認コンテンツ提供ユーザによって作成された各コンテンツアイテムに関連付けられた様々なアクションを行うことができる。実施形態によっては、オンラインシステム１４０は、事業体に代わって承認コンテンツ提供ユーザによって作成された各コンテンツアイテムを、オンラインシステム１４０で維持されている事業体に関連付けられたページに含めることができる。例えば、事業体に代わって承認コンテンツ提供ユーザによって作成された１つまたは複数のコンテンツアイテムがコンテンツアイテムのフィードに含められてもよく、そのコンテンツアイテムのフィードが事業体に関連付けられたページに含み得る。様々な実施形態において、オンラインシステム１４０は、上記に加えて、または上記に代えて、事業体に代わって承認コンテンツ提供ユーザによって作成された各コンテンツアイテムに、事業体に関連付けられたページへのリンクを付加することができる。例えば、オンラインシステム１４０は、事業体に代わって承認コンテンツ提供ユーザによって作成された各コンテンツアイテムに、オンラインシステム１４０で維持されている事業体に関連付けられたページへのリンクを含むタグを付加することができる。

実施形態によっては、オンラインシステム１４０が事業体から、事業体に代わって１つまたは複数のコンテンツアイテムを作成することを許可された承認コンテンツ提供ユーザの選択を受け取った場合、オンラインシステム１４０は事業体が受け取る対価額のうちの取り分を承認コンテンツ提供ユーザに与えることができる。例えば、オンラインシステム１４０の閲覧ユーザが、オンラインシステム１４０で維持されている事業体に関連付けられたページから製品を購入するとし、閲覧ユーザは事業体に代わって承認コンテンツ提供ユーザによって作成されたコンテンツアイテムに含まれるリンクをクリックすることによってそのページにアクセスしたとする。この例では、オンラインシステム１４０は、事業体がその購入から受け取った収益額のうちの取り分を、承認コンテンツ提供ユーザに与えることができる。
まとめ

以上の実施形態の説明は例示のために示したものであり、網羅的であること、または特許権を開示されている厳密な形態に限定することを意図していない。当業者は、上記の開示に照らして多くの変更および変形が可能であることがわかるであろう。

本説明の一部は、実施形態を、情報に対する操作のアルゴリズムおよびシンボル表現で表して記載している。このようなアルゴリズムによる説明および表現は、データ処理技術分野の業者が、他の当業者に作業の内容を効果的に伝えるために一般的に使用されているものである。これらの操作は、機能、演算、または論理により記載されているが、コンピュータプログラムまたは同等の電子回路、マイクロコードなどによって実装されるものと理解される。また、一般性を失わずに、操作のこれらの構成をモジュールと言うことが時として好都合であることもわかっている。記載されている操作およびそれに関連するモジュールは、ソフトウェア、ファームウェア、ハードウェアまたはこれらの任意の組み合わせで具現化され得る。

本明細書に記載されているステップ、操作、またはプロセスは、１つまたは複数のハードウェアモジュールまたはソフトウェアモジュールにより、単独または他のデバイスと組み合わせて、実行または実装可能である。一実施形態では、ソフトウェアモジュールは、記載されているステップ、操作またはプロセスのいずれかまたは全部を実行するために、コンピュータプロセッサによって実行可能なコンピュータプログラムコードを含むコンピュータ可読媒体を備えるコンピュータプログラム製品によって実装される。

実施形態は、本明細書の操作を実行するための装置にも関し得る。この装置は、必要な目的のために特に構築され得、および／または、コンピュータに記憶されたコンピュータプログラムによって選択的に起動されるかまたは再構成される汎用コンピューティングデバイスを含み得る。そのようなコンピュータプログラムは、コンピュータシステムバスに結合することができる、非一過性の有形のコンピュータ可読記憶媒体、または電子命令を記憶するのに適した任意の種類の媒体に記憶され得る。また、本明細書で言及されているいずれのコンピューティングシステムは、単一のプロセッサを含むことができ、または計算能力を向上させるために複数プロセッサ設計を採用するアーキテクチャとすることもできる。

実施形態は、本明細書に記載のコンピューティングプロセスによって製造される製品にも関し得る。そのような製品は、コンピューティングプロセスの結果として生じる情報を含むことができ、情報は非一過性の有形のコンピュータ可読記憶媒体に記憶され、本明細書に記載されているコンピュータプログラム製品の任意の実施形態またはその他のデータの組み合わせを含み得る。

最後に、本明細書で使用されている用語は、主として読みやすさと教示を目的として選択されており、本発明の主題の範囲を定めることまたは制限するためには選択されていない場合がある。したがって、特許権の範囲はこの詳細な説明によって限定されず、本明細書に基づく出願によりもたらされる特許請求によって限定されることが意図されている。したがって、実施形態の開示は、以下の特許請求の範囲に記載されている特許権の範囲の例示であることが意図されており、限定することは意図されていない。

１００ システム環境
１１０ クライアントデバイス
１２０ ネットワーク
１３０ サードパーティシステム
１４０ オンラインシステム
２０５ ユーザプロファイルストア
２１０ コンテンツストア
２１５ アクションロガー
２２０ アクションログ
２２５ エッジストア
２３０ トピック抽出エンジン
２３５ 関係推測モジュール
２４０ 機械学習モジュール
２４５ 予測モジュール
２５０ スコアリングモジュール
２５５ ランキングモジュール
２６０ ユーザインターフェースジェネレータ
２６５ ウェブサーバ
４００ ユーザインターフェース

Claims (20)

1. オンラインシステムの１人または複数のコンテンツ提供ユーザから、各コンテンツアイテムが画像を含む１つまたは複数のコンテンツアイテムを受け取ることと、
   コンテンツアイテムが前記オンラインシステム上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を予測するためにトレーニングされた品目検出モデルにアクセスすることであって、前記品目検出モデルは、前記事業体に関連付けられた１つまたは複数の品目の複数の画像を含む複数のコンテンツアイテムと、前記複数のコンテンツアイテムのそれぞれのコンテンツアイテムの１組の属性とに少なくとも部分的に基づいてトレーニングされる、トレーニングされた品目検出モデルにアクセスすることと、
   前記コンテンツアイテムが前記事業体に関連付けられた品目の画像を含む確率を予測するために、前記品目検出モデルを前記１つまたは複数のコンテンツアイテムのそれぞれのコンテンツアイテムの１組の属性に適用することと、
   前記１つまたは複数のコンテンツアイテムのそれぞれについて、予測された確率が少なくとも閾値確率であるか否かを判定することと、
   １組のコンテンツアイテムのそれぞれについて前記予測された確率が少なくとも前記閾値確率であるとの判定に応答して、前記１組のコンテンツアイテムがそこから受け取られた前記オンラインシステムのコンテンツ提供ユーザを特定することと、
   前記予測された確率が少なくとも前記閾値確率である前記コンテンツ提供ユーザから受け取られた前記１組のコンテンツアイテムの数を判定することと、
   前記数に少なくとも部分的に基づいて、前記コンテンツ提供ユーザのスコアを計算することと、
   前記スコアに少なくとも部分的に基づいて、前記オンラインシステムの１組の追加のコンテンツ提供ユーザの間で前記コンテンツ提供ユーザをランク付けすることと、
   前記事業体に代わって１つまたは複数のコンテンツアイテムを作成することが許可される前記オンラインシステムの１組の承認コンテンツ提供ユーザをランキングから選択する選択肢を、前記事業体に提供することとを含む方法。
2. 前記ランキングは、前記１組の承認コンテンツ提供ユーザのそれぞれに関連付けられた１組のデータに関連付けられて前記事業体に提供され、前記１組のデータは、前記１組の承認コンテンツ提供ユーザのそれぞれから受け取られた前記事業体に関連付けられた１つまたは複数のコンテンツアイテムの視聴者と、前記１組の承認コンテンツ提供ユーザのそれぞれから受け取られた前記事業体に関連付けられた１つまたは複数のコンテンツアイテムのそれぞれに対するユーザエンゲージメントの量と、前記１組の承認コンテンツ提供ユーザのそれぞれから受け取られた少なくとも閾値パフォーマンス測定量に関連付けられた１つまたは複数のコンテンツアイテムの内容と、前記１組の承認コンテンツ提供ユーザのそれぞれによる１つまたは複数のポリシーの違反の履歴を記述する情報と、前記１組の承認コンテンツ提供ユーザのそれぞれに追加の各事業体に代わってコンテンツアイテムを作成することを許可した、前記オンラインシステム上にプレゼンスを有する追加の事業体の数と、これらの任意の組み合わせとからなるグループから選択される、請求項１に記載の方法。
3. トピックに関連付けられたタグと、前記トピックに関連付けられたページへのリンクと、前記トピックに関連付けられたキャプションと、前記トピックに関連付けられた場所と、前記トピックに関連付けられたコメントと、これらの任意の組み合わせとからなるグループから選択された、コンテンツアイテムに関連付けられた情報に少なくとも部分的に基づいて、前記コンテンツアイテムと前記事業体に関連付けられた前記トピックとの関係を推測することをさらに含む、請求項１に記載の方法。
4. 前記複数のコンテンツアイテムのそれぞれの前記１組の属性は、前記複数の画像のうち１つの画像に関連付けられた１組の画素値と、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたタグと、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたキャプションと、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられた場所と、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたコメントと、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムと前記事業体に関連付けられた前記トピックとの推測された関係とのうちの１つまたは複数を含む、請求項３に記載の方法。
5. 前記１つまたは複数のコンテンツアイテムのそれぞれの前記１組の属性は、前記１つまたは複数のコンテンツアイテムを含む画像に関連付けられた１組の画素値と、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたタグと、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたキャプションと、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられた場所と、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたコメントと、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムと前記事業体に関連付けられた前記トピックとの推測された関係とのうちの１つまたは複数を含む、請求項４に記載の方法。
6. 前記コンテンツ提供ユーザの前記スコアを計算することは、
   前記予測された確率が少なくとも前記閾値確率である前記１組のコンテンツアイテムのそれぞれが前記コンテンツ提供ユーザから受け取られた時刻を記述する情報を取り出すことと、
   前記予測された確率が少なくとも前記閾値確率である前記コンテンツ提供ユーザから受け取った前記１組のコンテンツアイテムの数と、前記予測された確率が少なくとも前記閾値確率である前記１組のコンテンツアイテムのそれぞれが前記コンテンツ提供ユーザから受け取られた時刻とに少なくとも部分的に基づいて、前記コンテンツ提供ユーザが前記１組のコンテンツアイテムを作成した頻度を判定することと、
   前記頻度に少なくとも部分的に基づいて、前記コンテンツ提供ユーザの前記スコアを計算することとを含む、請求項１に記載の方法。
7. 前記事業体から、前記事業体に代わって１つまたは複数のコンテンツアイテムを作成することを許可される承認コンテンツ提供ユーザの選択を受け取ることをさらに含む、請求項１に記載の方法。
8. 前記事業体に代わって前記承認コンテンツ提供ユーザによって作成された１つまたは複数のコンテンツアイテムを、前記オンラインシステムで維持されている前記事業体に関連付けられたページに含めることをさらに含む、請求項７に記載の方法。
9. 前記事業体に代わって前記承認コンテンツ提供ユーザによって作成された１つまたは複数のコンテンツアイテムに、前記オンラインシステムで維持されている前記事業体に関連付けられたページへのリンクを付加することをさらに含む、請求項７に記載の方法。
10. 前記事業体によって受け取られる対価額のうちの取り分を前記承認コンテンツ提供ユーザに与えることをさらに含む、請求項７に記載の方法。
11. 命令がエンコードされたコンピュータ可読記憶媒体を含むコンピュータプログラム製品であって、前記命令はプロセッサによって実行されると前記プロセッサに、
    オンラインシステムの１人または複数のコンテンツ提供ユーザから、各コンテンツアイテムが画像を含む１つまたは複数のコンテンツアイテムを受け取ることと、
    コンテンツアイテムが前記オンラインシステム上にプレゼンスを有する事業体に関連付けられた品目の画像を含む確率を予測するためにトレーニングされた品目検出モデルにアクセスすることであって、前記品目検出モデルは、前記事業体に関連付けられた１つまたは複数の品目の複数の画像を含む複数のコンテンツアイテムと、前記複数のコンテンツアイテムのそれぞれのコンテンツアイテムの１組の属性とに少なくとも部分的に基づいてトレーニングされる、トレーニングされた品目検出モデルにアクセスすることと、
    前記コンテンツアイテムが前記事業体に関連付けられた品目の画像を含む確率を予測するために、前記品目検出モデルを前記１つまたは複数のコンテンツアイテムのそれぞれのコンテンツアイテムの１組の属性に適用することと、
    前記１つまたは複数のコンテンツアイテムのそれぞれについて、予測された確率が少なくとも閾値確率であるか否かを判定することと、
    １組のコンテンツアイテムのそれぞれについて前記予測された確率が少なくとも前記閾値確率であるとの判定に応答して、前記１組のコンテンツアイテムがそこから受け取られた前記オンラインシステムのコンテンツ提供ユーザを特定することと、
    前記予測された確率が少なくとも前記閾値確率である前記コンテンツ提供ユーザから受け取られた前記１組のコンテンツアイテムの数を判定することと、
    前記数に少なくとも部分的に基づいて、前記コンテンツ提供ユーザのスコアを計算することと、
    前記スコアに少なくとも部分的に基づいて、前記オンラインシステムの１組の追加のコンテンツ提供ユーザの間で前記コンテンツ提供ユーザをランク付けすることと、
    前記事業体に代わって１つまたは複数のコンテンツアイテムを作成することが許可される前記オンラインシステムの１組の承認コンテンツ提供ユーザをランキングから選択する選択肢を、前記事業体に提供することとを行わせる、コンピュータプログラム製品。
12. 前記ランキングは、前記１組の承認コンテンツ提供ユーザのそれぞれに関連付けられた１組のデータに関連付けられて前記事業体に提供され、前記１組のデータは、前記１組の承認コンテンツ提供ユーザのそれぞれから受け取られた前記事業体に関連付けられた１つまたは複数のコンテンツアイテムの視聴者と、前記１組の承認コンテンツ提供ユーザのそれぞれから受け取られた前記事業体に関連付けられた１つまたは複数のコンテンツアイテムのそれぞれに対するユーザエンゲージメントの量と、前記１組の承認コンテンツ提供ユーザのそれぞれから受けられた少なくとも閾値パフォーマンス測定量に関連付けられた１つまたは複数のコンテンツアイテムの内容と、前記１組の承認コンテンツ提供ユーザのそれぞれによる１つまたは複数のポリシーの違反の履歴を記述する情報と、前記１組の承認コンテンツ提供ユーザのそれぞれに追加の各事業体に代わってコンテンツアイテムを作成することを許可した、前記オンラインシステム上にプレゼンスを有する追加の事業体の数と、これらの任意の組み合わせとからなるグループから選択される、請求項１１に記載のコンピュータプログラム製品。
13. 前記コンピュータ可読記憶媒体は、前記プロセッサによって実行されると前記プロセッサに、
    トピックに関連付けられたタグと、前記トピックに関連付けられたページへのリンクと、前記トピックに関連付けられたキャプションと、前記トピックに関連付けられた場所と、前記トピックに関連付けられたコメントと、これらの任意の組み合わせとからなるグループから選択された、コンテンツアイテムに関連付けられた情報に少なくとも部分的に基づいて、前記コンテンツアイテムと前記事業体に関連付けられた前記トピックとの関係を推測させる命令がさらにエンコードされた、請求項１１に記載のコンピュータプログラム製品。
14. 前記複数のコンテンツアイテムのそれぞれの前記１組の属性は、前記複数の画像のうち１つの画像に関連付けられた１組の画素値と、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたタグと、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたキャプションと、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられた場所と、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたコメントと、前記複数のコンテンツアイテムのうち１つのコンテンツアイテムと前記事業体に関連付けられた前記トピックとの推測された関係とのうちの１つまたは複数を含む、請求項１３に記載のコンピュータプログラム製品。
15. 前記１つまたは複数のコンテンツアイテムのそれぞれの前記１組の属性は、前記１つまたは複数のコンテンツアイテムを含む画像に関連付けられた１組の画素値と、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたタグと、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたキャプションと、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられた場所と、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムに関連付けられたコメントと、前記１つまたは複数のコンテンツアイテムのうち１つのコンテンツアイテムと前記事業体に関連付けられた前記トピックとの推測された関係とのうちの１つまたは複数を含む、請求項１４に記載のコンピュータプログラム製品。
16. 前記コンテンツ提供ユーザの前記スコアを計算することは、
    前記予測された確率が少なくとも前記閾値確率である前記１組のコンテンツアイテムのそれぞれが前記コンテンツ提供ユーザから受け取られた時刻を記述する情報を取り出すことと、
    前記予測された確率が少なくとも前記閾値確率である前記コンテンツ提供ユーザから受け取った前記１組のコンテンツアイテムの数と、前記予測された確率が少なくとも前記閾値確率である前記１組のコンテンツアイテムのそれぞれが前記コンテンツ提供ユーザから受け取られた時刻とに少なくとも部分的に基づいて、前記コンテンツ提供ユーザが前記１組のコンテンツアイテムを作成した頻度を判定することと、
    前記頻度に少なくとも部分的に基づいて、前記コンテンツ提供ユーザの前記スコアを計算することとを含む、請求項１１に記載のコンピュータプログラム製品。
17. 前記コンピュータ可読記憶媒体は、前記プロセッサによって実行されると前記プロセッサに、
    前記事業体から、前記事業体に代わって１つまたは複数のコンテンツアイテムを作成することを許可される承認コンテンツ提供ユーザの選択を受け取らせる命令がさらにエンコードされた、請求項１１に記載のコンピュータプログラム製品。
18. 前記コンピュータ可読記憶媒体は、前記プロセッサによって実行されると前記プロセッサに、
    前記事業体に代わって前記承認コンテンツ提供ユーザによって作成された１つまたは複数のコンテンツアイテムを、前記オンラインシステムで維持されている前記事業体に関連付けられたページに含めさせる命令がさらにエンコードされた、請求項１７に記載のコンピュータプログラム製品。
19. 前記コンピュータ可読記憶媒体は、前記プロセッサによって実行されると前記プロセッサに、
    前記事業体に代わって前記承認コンテンツ提供ユーザによって作成された１つまたは複数のコンテンツアイテムに、前記オンラインシステムで維持されている前記事業体に関連付けられたページへのリンクを付加させる命令がさらにエンコードされた、請求項１７に記載のコンピュータプログラム製品。
20. 前記コンピュータ可読記憶媒体は、前記プロセッサによって実行されると前記プロセッサに、
    前記事業体によって受け取られる対価額のうちの取り分を前記承認コンテンツ提供ユーザに与えさせる命令がさらにエンコードされた、請求項１７に記載のコンピュータプログラム製品。

Images