JP3643534B2 - 加入者を特定する方法、視聴者を特定する方法、視聴者を特定するシステム、加入者を特定するプログラムを記録した記録媒体 - Google Patents

Description

【０００１】
（技術分野）
エンターテインメント番組の加入者およびオンラインサービスのユーザに特定の広告を向ける能力は、彼らの製品の好みおよび人口統計を特定することに依存する。多くの技法が加入者の特徴を特定するために開発されており、データマイニング技法および協調フィルタリングを含む。
【０００２】
加入者の特徴付けが実行できるときでも、多くの場合、番組を受信しているテレビ／セットトップまたはパーソナルコンピュータが１つの家庭の数人の家族メンバーによって使用される。家庭のこれらの家族メンバーが大変異なる人口統計学上の特徴および製品の好みを有することがあることを考えると、どの加入者がそのシステムを活用しているのかを特定できることは重要である。さらに、いったんその加入者がユーザのグループから特定されたら、加入者の過去の特徴付けを活用することができることも役立つだろう。ユーザを特定するための既知の従来の技術は、ウェブサーバにアクセスするときのＰＣ機械を特定するためにブラウザクッキーを使用することに基づいている。ブラウザクッキーは、以下の製品参考文献に説明されるように、今日のインターネット広告技術でよく使用されている。
【０００３】
（背景技術）
１９９８年６月３０日にワールド ワイド ウェブサイト、ｈｔｔｐ：／／ｗｗｗ．ａｐｔｅｘ．ｃｏｍ／ｐｒｏｄｕｃｔｓ−ｓｅｌｅｃｔｃａｓｔ−ｃｏｍｍｅｒｃｅ．ｈｔｍから印刷されたされた、アプテックスソフトウェア社（Ａｐｔｅｘ Ｓｏｆｔｗａｒｅ Ｉｎｃ．）の製品参考文献「Ａｄサーバ用ＳｅｌｅｔＣａｓｔ（ＳｅｌｅｃｔＣａｓｔ ｆｏｒ Ａｄ Ｓｅｒｖｅｒｓ）」は、製品、Ａｄサーバ用ＳｅｌｅｃｔＣａｓｔを開示する。Ａｄサーバ用のＳｅｌｅｃｔＣａｓｔは、すべてのユーザの動作のコンテンツを引き出し、指定された広告を届けるためにすべてのユーザの詳細な関心を学習する。ＳｅｌｅｃｔＣａｓｔにより、広告主は、ライフスタイルまたは人口統計学に基づいて視聴者を目標にできるようにする。ＳｅｌｅｃｔＣａｓｔは、個人を特定するためにブラウザクッキーを使用する。
【０００４】
１９９８年６月３０日にワールド ワイド ウェブサイトｈｔｔｐ：／／ｗｗｗ．ｓｔａｒｐｔ．ｃｏｍ／ｃｏｒｅ／ａｄ＿Ｔａｒｇｅｔ．ｈｔｍｌから印刷されたイムジス社（Ｉｍｇｉｓ Ｉｎｃ．）の製品参考文献「ＡｄＦｏｒｃｅ」は、広告目標システムを開示する。ＡｄＦｏｒｃｅは、キャンペーンの計画と予定作成、目標設定、結果の送達および追跡調査を含む完全なサービスの端と端をつなぐインターネット広告管理である。ＡｄＦｏｒｃｅは、ウェブユーザを特定するために、マッピングおよびクッキーなどの技法を使用する。
【０００５】
前記理由から、家庭または企業内の加入者を特定し、過去の特徴付けを検索できる加入者識別システムに対するニーズがある。
【０００６】
（発明の開示）
本発明は、家庭または企業からある特定の加入者を特定するためのシステムを包含する。
【０００７】
本発明は、特定の視聴習慣および番組選択習慣に基づいて加入者を特定するための方法および装置を包含する。加入者がビデオまたはコンピュータシステムにチャンネル変更コマンドを入力すると、番組が聞かれている音量レベルを含む追加情報とともに、入力されたコマンドのシーケンスおよび選択された番組が記録される。好ましい実施態様においては、本情報は、神経ネットワークによって過去のセッションに基づいたその加入者の特色の認識に基づいて加入者を特定するために使用できるセッションデータベクトルを形成するために使用される。
【０００８】
代替の実施態様では、加入者が見ているコンテンツ、または該コンテンツに関連付けられるテキストは、対象視聴者の人口統計、および見られているコンテンツの種別を含む番組に関する統計情報を作り出すために調べられる。この関連する情報の番組はまた、セッションデータベクトルに含まれ、加入者を特定するのに使われる。
【０００９】
ある実施態様においては、加入者選択データが、セッションプロファイルごとにシグナチャを得るためにフーリエ変換を使用して処理され、そこではセッションプロファイルは、加入者の人口統計データおよび番組の特徴の蓋然論的な決定を備える。好ましい実施態様においては、分類システムは該セッションプロファイルをクラスタするために使用され、そこでは分類システムはきわめて相互に関連したシグナチャを有するセッションプロファイルを分類し、セッションプロファイルのグループはシグナチャから引き出される１つの共通識別子と関連付けられる。
【００１０】
好ましい実施態様においては、該システムは、加入者選択データの処理されたバージョンを、システムに記憶されている加入者プロファイルの共通識別子と相互に関連させることにより加入者を識別する。
【００１１】
本発明のこれらの、およびその他の特徴および目的は、添付図面を参照して読まれるべく好ましい実施態様の以下の詳細な説明からさらに完全に理解されるだろう。
【００１２】
明細書に組み込まれている、および明細書の一部を形成する添付図面は、本発明の実施態様を示し、説明とともに発明の本質を説明するのに役立つ。
【００１３】
（発明を実施するための最良の形態）
図に示されている本発明の好ましい実施態様を説明する際には、明確にするために特定の用語が使用されるだろう。しかしながら、本発明はそのように選択される特定の用語に制限されることが意図されるわけではなく、それぞれの特定の用語が、類似した目的を達成するために同様の方法で動作するすべての技術的な同等物を含むことが理解されるものである。
【００１４】
一般的に、図面、および特に図１から図１０に関しては、本発明の装置が開示される。
【００１５】
本発明は、家庭内または企業内のどの加入者が番組を受信し、選択しているのかを突き止めるための方法および装置を目的としている。
【００１６】
図１は、加入者識別システム１００のコンテキスト図を示す。加入者識別システム１００は、原資料１１０を用いてユーザ１３０の活動を監視し、該システムに記憶されている加入者プロファイル１５０の集合から適切な加入者プロファイルを選択することにより、ユーザ１３０を特定する。原資料１１０とは、ユーザ１３０が選択するコンテンツ、あるいは原資料に関連したテキストのことである。原資料１１０は、ＭＰＥＧ原資料またはＨＴＭＬファイルを含むビデオあるいはそれ以外の種類のマルチメディア原資料に埋め込まれているソース関連テキスト１１２であってよいが、それに制限されていない。このようなテキストは、電子番組表または閉鎖タイトル付けから派生してよい。
【００１７】
ユーザ１３０の活動は、チャンネル変更１３４および音量調節信号１３２を含む。加入者識別システム１００は、音量調節信号活動だけではなくチャンネル変更１３４も監視し、そのセッションの間に見られている番組を記述するセッション特徴を生成する。そのセッションの間に見られている番組の記述は、年齢、性別、収入およびその他のデータという点で対象人口統計グループを記述するだけではなく、番組のカテゴリ、サブカテゴリ、およびコンテンツ説明などの番組の特徴も含む。
【００１８】
セッション特徴付けプロセス２００は、図２に従って記述される。セッション特徴付けプロセス２００で引き出されるセッションデータベクトル２４０は、ユーザ１３０を識別するために神経ネットワーク４００に提示される。その例では、ユーザ１３０の識別は、加入者プロファイル１５０を決定することを意味する。加入者プロファイル１５０は、年齢、性別および番組と製品の好みを含む個人の特徴の蓋然論的な、もしくは決定論的な測定値を含む。
【００１９】
図２に示されているように、セッションデータベクトル２４０は、原資料１１０およびユーザ１３０の活動から生成される。第１ステップでは、活動および原資料１１０が、セッション特徴付けプロセス２００に提示される。このプロセスが、番組の特徴２１０、番組人口統計データ２３０、および加入者選択データ（ＳＳＤ）２５０を決定する。
【００２０】
番組の特徴２１０は、番組のカテゴリ、サブカテゴリ、およびコンテンツ記述から構成される。これらの特徴は、データマイニング技法または番組コンテンツに基づいた加入者特徴付け技法などの既知の方法を適用することにより得られる。
【００２１】
番組人口統計データ２３０は、番組が目標としているグループの人口統計を記述する。人口統計特徴は、年齢、性別および収入を含むが、必ずしも制限されていない。
【００２２】
加入者選択データ２５０は監視システムから得られ、音量レベル、チャンネル変更１３４、および番組タイトル、およびチャンネルＩＤを含む、どの加入者が選択したのかに関する詳細を含む。
【００２３】
図２に示されているように、セッション特徴付けプロセス２００の出力は、データ作成プロセス２２０に提示される。データは、データ作成プロセス２２０によって処理され、番組の特徴２１０、番組人口統計データ２３０、および加入者選択データ２５０を表す成分でセッションデータベクトル２４０を生成する。
【００２４】
セッションデータベクトルの例は、図３に示される。図３のセッションデータベクトル２４０は、例示的な加入者の視聴セッションを要約する。ベクトルの成分は、その加入者の行為の時間的なプロファイルを提供する。
【００２５】
図４は、好ましい実施態様において、加入者を識別するためにセッションデータベクトル２４０を処理するために使用できる神経ネットワーク４００の学習プロセスを示す。図４に示されているように、Ｎ個のセッションデータベクトル２４０がデータ作成プロセス２２０から得られる。各セッションデータベクトル２４０は、視聴者に特定の特徴を備える。これらの特徴は、ベクトル成分の任意の１つに入れることができる。一例として、ある特定の加入者は、多くの場合、ある特定の喜劇、喜劇の再放送番組、または類似した対象人口統計の別の喜劇を見ることがある。代わりに、ある加入者は、つねに、家庭の家族の他のメンバーより高い音量で番組を見て、このようにしてその加入者のその特色からの識別を可能にする。加入者が番組を見る時刻も類似していることがあり、したがってその加入者を時刻特徴で特定することもできる。
【００２６】
類似した特徴のあるすべてのセッションデータベクトルがともに分類されるように、セッションデータベクトル２４０を分類することにより、家庭の家族メンバーを特定することが可能である。図４に示されているように、その家庭のある特定の家族メンバーを表すセッションデータベクトル２４０のクラスタ４３０が形成される。
【００２７】
好ましい実施態様においては、神経ネットワーク４００は、クラスタ化動作を実行するために使用される。神経ネットワーク４００は、セッションデータベクトル２４０に基づいて加入者の識別を実行するように訓練できる。訓練セッションでは、セッションデータベクトル２４０のＮ個のサンプルが神経ネットワーク４００に別個に提示される。神経ネットワーク４００は、同じ特徴を有する入力を認識し、それらを同じクラスタ４３０内で分類し直す。このプロセスの間、ノード間のリンクのシナプシス重量は、ネットワークがその定常状態に達するまで調整される。適用される学習規則は、各ニューロンがある特定のクラスタ４３０を表す競合的な学習規則である場合があり、従って、入力がそのクラスタ４３０内で表される特徴を提示する場合にのみ「発行」される。入力セットを分類できる他の学習規則もまた、利用される。このプロセスの最後で、Ｍ個のクラスタ４３０が形成され、それぞれが加入者を表す。
【００２８】
図５では、競合単一層神経ネットワークの例が描かれている。このような神経ネットワークは、神経ネットワーク４００を実現するために活用できる。好ましい実施態様では、陰影が付けられたニューロン５００がパターンによって「発行」される。入力ベクトル、つまりこの例ではセッションデータベクトル２４０は、入力ノード５１０に提示される。それから、入力は、陰影が付けられたニューロン５００に対応するクラスタ４３０のメンバーとして認識される。
【００２９】
ある実施態様では、チャンネル変更および音量制御を含む加入者選択データ２５０は、シグナチャを得るためにさらに処理される。シグナチャは、加入者と原資料１１０の間の相互作用の表記である。加入者が、各加入者に特定の選択データのパターンに変換される独自の視聴習慣を有することは周知である。いわゆる「消去シンドローム」とは、加入者が１−２分毎に連続してチャンネルを変更する選択データの特定のパターンを示す。
【００３０】
好ましい実施態様では、シグナチャは音量調節およびチャンネル変更を表す信号のフーリエ変換である。音量調節およびチャンネル変更信号は図６Ａに示され、一方、シグナチャは図６Ｂに示される。当業者は、音量調節およびチャンネルへ交信号が、ウィンドウ関数または矩形パルスの連続により、したがって数式で表すことができることを認識するだろう。チャンネル変更は、点線で図６Ａに表されているゼロレベルへの簡略な変換で表される。
【００３１】
図６Ｂに示される離散スペクトルは、音量およびチャンネル変更信号のデジタルフーリエ変換から得ることができる。シグナチャを信号から得るそれ以外の方法は、当業者に周知であり、ウェーブレット変換を含む。
【００３２】
本発明のこの実施態様では、シグナチャは、番組人口統計データ２３０および番組の特徴２１０とで組み合わされ、シグナチャ信号により識別されるセッションプロファイルを形成する。番組人口統計データ２３０および番組の特徴２１０は、図６Ｃから図６Ｇで表される。図６Ｃは番組カテゴリの蓋然論的な値を表す。図６Ｄおよび図６Ｅは、それぞれ番組サブカテゴリおよび番組コンテンツの蓋然論的な値を表す。
【００３３】
番組受信者の年齢および性別の蓋然論的な値を含む番組人口統計データ２３０は、それぞれ図６Ｆおよび図６Ｇに示される。
【００３４】
図７は、シグナチャ信号に基づいたセッションを分類するための構成要素の関係を示す。この実施態様では、同じシグナチャを有するセッションがともに分類される。セッション分類プロセス７００は、さまざまなセッションプロファイル７１０のシグナチャを相互に関連付け、きわめて相互に関連しているシグナチャを有するセッションを同じクラス７２０に分類する。パターン分類で使用されるそれ以外の方法は、セッションをクラスに分類するために使用できる。本実施態様では、各クラス７２０は、共通したシグナチャを有するセッションプロファイルの集合で構成される。クラス内のセッションプロファイルの集合は、集合内のセッションプロファイルの番組の特徴２１０および番組人口統計データ２３０を平均化することによって加入者プロファイルに変換できる。例えば、番組カテゴリの蓋然的な値は、集合内の番組カテゴリのすべての蓋然的な値の平均となるだろう。
【００３５】
１つの実施態様では、番組人口統計データ２３０の決定論的な表記は、共通プロファイルの内部でファジー論理規則を使用することにより得ることができる。共通プロファイルに適用可能な規則の例は、図８に提示されている。本実施態様では、番組人口統計データは、人口統計グループの一部であるために加入者の尤度を説明する蓋然的な値である。一例として、人口統計データは、加入者が女性であるという０．５、および男性であるという０．５という確率を含むことがある。図８に示されている規則などのファジー論理規則を使用することにより、これらの蓋然的な値は、性別の明瞭な値を推論するために番組の特徴２１０と関係する蓋然的な値と結合することができる。ファジー論理は、一般的にはファジー入力からの明瞭な結果を推論するために使用され、そこでは入力値はインターバル［ａ，ｂ］内であらゆる考えられる値を取ることができる。
【００３６】
クラス内のセッションプロファイルの集合から得られる加入者プロファイルは、そのクラス内のセッションプロファイルと関連しているシグナチャの平均化から引き出すことができる１つの共通の識別子と関連している。シグナチャの集合から１つの共通のシグナチャを決定するためのそれ以外の方法も適用できる。この例では、共通識別子は共通シグナチャと呼ばれる。
【００３７】
代替の実施態様では、加入者プロファイル１５０は、加入者が一連の質問または一連の視聴セグメントを提示され、答えまたは視聴セグメントに対する応答が加入者プロファイル１５０を作成するために記録される、学習番組を含むことができるユーザシステム相互作用を通して得られる。
【００３８】
さらに別の実施態様では、加入者プロファイル１５０は、加入者の特定の人口統計プロファイルを作成できる小売業者またはその他のデータ収集者であってよい第３ソースから得られる。
【００３９】
１つの実施態様では、加入者プロファイル１５０は、その人口統計プロファイルを有するユーザと関連する人口統計データおよび視聴習慣に基づき作成されるその加入者の予測される視聴習慣のフーリエ変換表記と関連している。一例として、収入とチャンネル変更周波数の間の示される相互関係により、加入者の収入に関する知識に基づき、加入者プロファイルの生成を可能にする。この方法論を使用して、加入者プロファイル１５０の共通識別子の基礎を形成する、予測できる視聴習慣を作成することができる。
【００４０】
図９は、最も番組を見ているだろう加入者を突き止めるために、加入者選択データ２５０が処理され、記憶される共通識別子９３０と相互に関連付けられる加入者識別プロセスを示す。図９に示されているように、加入者選択データ２５０は、記録ＳＳＤステップ９００で記録される。好ましい実施態様では、加入者選択データ２５０はチャンネル変更および音量調節の組み合わせである。代わりに、チャンネル変更信号または音量調節信号はＳＳＤとして使用される。プロセスＳＳＤステップ９１０では、信号処理アルゴリズムが、ＳＳＤを処理し、ＳＳＤの処理済みバージョンを得るために使用できる。１つの実施態様では、信号処理アルゴリズムはフーリエ変換の使用に基づいている。この実施態様では、フーリエ変換はＳＳＤの周波数成分を表し、加入者シグナチャとして使用できる。ＳＳＤステップ相互関連９２０では、プロセスＳＳＤステップ９１０で得られる処理されたＳＳＤが記憶される共通識別子９３０と相互に関連付けられる。記憶される共通の識別子９３０は、図７に従って説明されるセッション分類プロセス７００から得られる。ピーク相互関連値は、どの加入者が最も番組を見ているのかを決定できるようにする。加入者識別ステップ９４０では、加入者選択データ２５０を作り出す加入者は、加入者の集合の間で識別される。
【００４１】
１つの実施態様では、システムは、番組視聴の１０分後に加入者を特定できる。この実施態様では、まず長さ１０分というウィンドウ関数が、信号処理アルゴリズムによる処理の前に加入者選択データ２５０に適用される。同様に、本実施態様では、記憶されている共通識別子９３０が、同じ長さのウィンドウ関数を加入者選択データ２５０に適用した後に得られる。上記ウインドウ関数は、矩形のウィンドウあるいはデータを切り捨てることによって生じる歪みを最小限に抑えるそれ以外のウィンドウ関数である場合がある。当業者は、適切なウィンドウ関数を容易に識別することができる。
【００４２】
代わりに、識別は、所定の時間量の視聴の後に実行でき、その場合、ウィンドウ関数の長さは結果的に設定される。
【００４３】
本発明では、新規学習または分類プロセスを開始するために、学習プロセスまたは分類プロセスをリセットすることができる。加入者を識別するためにフーリエ変換および相互関連を使用する１つの実施態様では、リセット関数は、記憶された共通識別子９３０と新規の処理済みのＳＳＤの間の相互関連基準が相対的に近くなるときに適用できる。
【００４４】
前述したように、加入者の集合の中で個々の加入者を識別することは、その共通識別子が実際の視聴セッションの処理済み選択データときわめて相互に関連している加入者プロファイル１５０を見つけることとして考えることができる。
【００４５】
図１０は、本発明の識別プロセスを実現するために使用できる擬似コードを示す。図１０に示されているように、視聴セッションの加入者選択データ２５０が記録される。加入者選択は、チャンネル変更シーケンス、音量調節シーケンス、または両方のシーケンスの組み合わせとなる場合がある。フーリエ変換は、視聴セッションと関連する加入者のプロファイルの表記であるシーケンスの周波数成分を得るためにシーケンスに適用される。好ましい実施態様では、フーリエ変換Ｆ＿Ｔ＿ＳＥＱが、システムに記憶されているＮ個の共通識別子のそれぞれと相互に関連付けられる。図１０に示されているように、最大相互関連値が求められ、その引数は加入者プロファイル１５０の識別子の表記である。
【００４６】
本発明は特定の実施態様を参照することにより示されるが、本発明の範囲内に明確に該当する多様な変更および修正が行われることは当業者にとっては明らかだろう。特に、神経ネットワークおよびフーリエ変換の例は制限として意図されていない。本発明を実現するためにはそれ以外の周知の方法も使用することができ、多くの神経ネットワーク、ファジー論理システムおよびそれ以外の同等なシステムが活用され、当業者にとって周知である。神経ネットワーク４００を実現するためのこのような代替システムの追加の例は、Ｓｉｍｏｎ Ｈａｙｋｉｎによる「神経ネットワーク、包括的な基礎」、およびＳｔａｍａｔｉｏｓ Ｖ．Ｋａｒｔａｌｏｐｕｌｏｓによる「神経ネットワークおよびファジー論理の理解」と題されるテキストに説明されており、その両方とも参照してここに組み込まれている。
【００４７】
本発明は、添付クレームの先進性および範囲内で幅広く保護されることを意図されている。
【図面の簡単な説明】
【図１】 図１は、加入者識別システムのコンテキスト図である。
【図２】 図２は、セッションデータベクトルの生成のための構成要素の関係を示す図である。
【図３】 図３は、セッションデータベクトルの例を示す図である。
【図４】 図４は、神経ネットワークの学習プロセスを構成要素の関係性形式で示す図である。
【図５】 図５は、競合する学習を示す図である。
【図６Ａ】 図６Ａは、セッションプロファイルを表す図である。
【図６Ｂ】 図６Ｂは、セッションプロファイルを表す図である。
【図６Ｃ】 図６Ｃは、セッションプロファイルを表す図である。
【図６Ｄ】 図６Ｄは、セッションプロファイルを表す図である。
【図６Ｅ】 図６Ｅは、セッションプロファイルを表す図である。
【図６Ｆ】 図６Ｆは、セッションプロファイルを表す図である。
【図６Ｇ】 図６Ｇは、セッションプロファイルを表す図である。
【図７】 図７は、セッションプロファイルを分類するために構成要素の関係性を表す図である。
【図８】 図８は、ファジー論理規則の例を示す図である。
【図９】 図９は、加入者を識別するためのフローチャートを示す図である。
【図１０】 図１０は、本発明の識別プロセスを実現するための擬似コードを示す図である。

Claims (19)

1. データ処理システムにおいて、
   （ａ）複数の視聴セッションを監視するステップと、
   （ｂ）クラスタ内のセッションが、加入者選択データを表す共通の識別子を有する視聴セッションをクラスタするステップと、
   （ｃ）加入者選択データに基づいて視聴セッションのクラスタから加入者を特定するステップと、
   を備え、
   前記監視するステップ（ａ）が、さらに、
   （ｉ）視聴セッションごとに加入者選択データを記録するステップと、
   （ｉｉ）視聴セッションごとに見られる番組から番組の特徴および番組人口統計データを生成するステップと、
   を備える加入者を特定する方法。
2. データ処理システムにおいて、
   （ａ）複数の視聴セッションを監視するステップと、
   （ｂ）クラスタ内のセッションが、加入者選択データを表す共通の識別子を有する視聴セッションをクラスタするステップと、
   （ｃ）加入者選択データに基づいて視聴セッションのクラスタから加入者を特定するステップと、
   を備え、
   ステップ（ｂ）が、さらに、
   （ｉ）視聴セッションごとの加入者選択データ、番組の特徴、および番組人口統計データからセッションデータベクトルを生成するステップと、
   （ｉｉ）複数のセッションデータベクトルを分類システムに渡し、セッションデータベクトルのクラスタを形成するステップと、
   を備える加入者を特定する方法。
3. エンターテインメント／情報提供システムにおいて、
   （ａ）加入者選択データを記録するステップと、
   （ｂ）信号処理アルゴリズムを該加入者選択データに適用し、加入者選択データの処理済みのバージョンを形成するステップと、
   （ｃ）該加入者選択データの処理済みバージョンの共通識別子との相互関連に基づき、加入者の集合から個々の加入者を特定するステップと、
   を備え、
   該加入者選択データが音量シーケンスである、加入者の集合から個々の加入者を特定するための方法。
4. エンターテインメント／情報提供システムにおいて、
   （ａ）加入者選択データを記録するステップと、
   （ｂ）信号処理アルゴリズムを該加入者選択データに適用し、加入者選択データの処理済みのバージョンを形成するステップと、
   （ｃ）該加入者選択データの処理済みバージョンの共通識別子との相互関連に基づき、加入者の集合から個々の加入者を特定するステップと、
   を備え、
   該加入者選択データが時刻視聴データである、加入者の集合から個々の加入者を特定するための方法。
5. エンターテインメント／情報提供システムにおいて、
   （ａ）加入者選択データを記録するステップと、
   （ｂ）信号処理アルゴリズムを該加入者選択データに適用し、加入者選択データの処理済みのバージョンを形成するステップと、
   （ｃ）該加入者選択データの処理済みバージョンの共通識別子との相互関連に基づき、加入者の集合から個々の加入者を特定するステップと、
   を備え、
   前記ステップ（ｂ）の信号処理アルゴリズムが、フーリエ変換に基づいたアルゴリズムである、加入者の集合から個々の加入者を特定するための方法。
6. 加入者の集合から個々の加入者を特定する方法をコンピュータで実行可能なプログラムを記録した記録媒体であって、
   前記プログラムは、
   （ａ）加入者選択データを記録するための加入者選択コードセグメントと、
   （ｂ）該加入者選択データを処理するため、および加入者選択データの処理済みバージョンを作成するための信号処理コードセグメントと、
   （ｃ）該加入者選択データの処理済みのバージョンの共通識別子との相互関連に基づいた加入者の集合から個々の加入者を特定するための特定コードセグメントと、
   を備え、
   前記加入者選択データが音量シーケンスである、記録媒体。
7. 加入者の集合から個々の加入者を特定する方法をコンピュータで実行可能なプログラムを記録した記録媒体であって、
   前記プログラムは、
   （ａ）加入者選択データを記録するための加入者選択コードセグメントと、
   （ｂ）該加入者選択データを処理するため、および加入者選択データの処理済みバージョンを作成するための信号処理コードセグメントと、
   （ｃ）該加入者選択データの処理済みのバージョンの共通識別子との相互関連に基づいた加入者の集合から個々の加入者を特定するための特定コードセグメントと、
   を備え、
   前記加入者選択データが時刻視聴データである、記録媒体。
8. 加入者の集合から個々の加入者を特定する方法をコンピュータで実行可能なプログラムを記録した記録媒体であって、
   前記プログラムは、
   （ａ）加入者選択データを記録するための加入者選択コードセグメントと、
   （ｂ）該加入者選択データを処理するため、および加入者選択データの処理済みバージョンを作成するための信号処理コードセグメントと、
   （ｃ）該加入者選択データの処理済みのバージョンの共通識別子との相互関連に基づいた加入者の集合から個々の加入者を特定するための特定コードセグメントと、
   を備え、
   前記ステップ（ｂ）の信号処理アルゴリズムが、フーリエ変換に基づいたアルゴリズムである、記録媒体。
9. 視聴特徴に基づき番組の視聴者を特定する方法であって、
   複数の視聴セッションを監視することと、
   該視聴セッションをクラスタに分離し、そこでは分離は、各クラスタ内の視聴セッションが視聴特徴を表す共通の識別子を有するように実行されることと、
   該クラスタに関連付けられた視聴特徴に基づき視聴者を特定すること、
   を備え、
   前記監視が、
   視聴セッションごとに視聴特徴を記録することと、
   視聴されている番組の視聴セッションごとに、番組特徴プロファイルおよび人口統計プロファイルを生成すること、
   を備える方法。
10. 前記クラスタ化が、
    視聴特徴に基づいたセッションごとのセッションデータベクトル、番組特徴プロファイル、および視聴セッション用の番組人口統計プロファイルデータを生成することと、
    該セッションデータベクトルをクラスタに分離し、分離が、各クラスタ内のセッションデータベクトルが共通の識別子を有するように実行されること、
    を含む、請求項９に記載の方法。
11. 前記クラスタ化が、
    視聴セッションごとに視聴特徴からシグナチャ信号を生成することと、
    視聴特徴に基づいた視聴セッションごとのセッションプロファイル、番組特徴プロファイル、および視聴セッション用の番組人口統計プロファイルを生成することと、
    セッションプロファイルをクラスタに分離し、各クラスタがシグナチャ信号と関連付けられること、
    を含む、請求項９に記載の方法。
12. 全員が情報およびエンターテインメントのソースにアクセスを有する加入者の集合から個々の加入者を特定する方法であって、
    加入者選択データを記録することと、
    該加入者選択データに信号処理アルゴリズムを適用し、処理済みの加入者選択データを生成することと、
    共通の識別子との該処理済みの加入者選択データの相関性に基づき、加入者の該集合から該個々の加入者を特定すること、
    を備え、
    前記加入者選択データを記録することが、音量調節シーケンスを記録することを含む方法。
13. 全員が情報およびエンターテインメントのソースにアクセスを有する加入者の集合から個々の加入者を特定する方法であって、
    加入者選択データを記録することと、
    該加入者選択データに信号処理アルゴリズムを適用し、処理済みの加入者選択データを生成することと、
    共通の識別子との該処理済みの加入者選択データの相関性に基づき、加入者の該集合から該個々の加入者を特定すること、
    を備え、
    前記加入者選択データを記録することが、時刻視聴データを記録することを含む方法。
14. 全員が情報およびエンターテインメントのソースにアクセスを有する加入者の集合から個々の加入者を特定する方法であって、
    加入者選択データを記録することと、
    該加入者選択データに信号処理アルゴリズムを適用し、処理済みの加入者選択データを生成することと、
    共通の識別子との該処理済みの加入者選択データの相関性に基づき、加入者の該集合から該個々の加入者を特定すること、
    を備え、
    前記信号処理アルゴリズムを適用することが、フーリエ変換に基づいたアルゴリズムを適用することを含む方法。
15. 視聴特徴に基づいて番組の視聴者を特定するシステムであって、
    複数の視聴セッションを監視するための手段と、
    該視聴セッションをクラスタに分離するための、分離が、各クラスタ内の視聴セッションが、視聴特徴を表す共通の識別子を有するように実行される手段と、
    該クラスタに関連付けられた視聴特徴に基づいて、視聴者を特定するための手段と、
    を備え、
    前記監視するための手段が、
    視聴セッションごとに視聴特徴を記録するための手段と、
    視聴されている番組に基づき、視聴セッションごとに番組特徴プロファイルおよび番組人口統計プロファイルを生成するための手段と、
    を含むシステム。
16. 視聴特徴に基づいて番組の視聴者を特定するためのシステムであって、
    複数の視聴セッションを監視するための手段と、
    該視聴セッションをクラスタに分離するための、分離が、各クラスタ内の視聴セッションが、視聴特徴を表す共通の識別子を有するように実行される手段と、
    該クラスタに関連付けられた視聴特徴に基づいて、視聴者を特定するための手段と、
    を備え、
    クラスタ化するための前記手段が、
    視聴特徴に基づいたセッションごとのセッションデータベクトル、番組特徴プロファイル、および視聴セッション用の番組人口統計プロファイルデータを生成するための手段と、
    該セッションデータベクトルをクラスタに分離するための、分離が、各クラスタ内のセッションベクトルが共通の識別子を有するように実行される手段と、
    を含むシステム。
17. 視聴特徴に基づいて番組の視聴者を特定するためのシステムであって、
    複数の視聴セッションを監視するための手段と、
    該視聴セッションをクラスタに分離するための、分離が、各クラスタ内の視聴セッションが、視聴特徴を表す共通の識別子を有するように実行される手段と、
    該クラスタに関連付けられた視聴特徴に基づいて、視聴者を特定するための手段と、
    を備え、
    前記クラスタ化するための手段が、
    視聴セッションごとに視聴特徴からシグナチャ信号を生成するための手段と、
    視聴特徴に基づいた視聴セッションごとのセッションプロファイル、番組特徴ファイル、および視聴セッション用の番組人口統計プロファイルを生成するための手段と、
    該セッションプロファイルをクラスタに分離するための、各クラスタがシグナチャ信号と関連付けられる手段と、
    を含むシステム。
18. 加入者の集合から個々の加入者を特定する方法をコンピュータで実行可能なプログラムを記録した記録媒体であって、
    前記プログラムは、
    加入者選択データを記録するためのソースコードセグメントと、
    加入者選択データを処理し、処理済みの加入者選択データを生成するためのソースコードセグメントと、
    共通識別子との処理済みの加入者選択データの相関性に基づいて加入者の集合から個々の加入者を特定するためのソースコードセグメントと、
    を備え、
    加入者選択データを記録するための前記ソースコードセグメントが、チャンネル変更シーケンス、音量調節シーケンス、および時刻視聴データを記録する、記録媒体。
19. 加入者の集合から個々の加入者を特定する方法をコンピュータで実行可能なプログラムを記録した記録媒体であって、
    前記プログラムは、
    加入者選択データを記録するためのソースコードセグメントと、
    加入者選択データを処理し、処理済みの加入者選択データを生成するためのソースコードセグメントと、
    共通識別子との処理済みの加入者選択データの相関性に基づいて加入者の集合から個々の加入者を特定するためのソースコードセグメントと、
    を備え、
    加入者選択データを処理するための前記ソースコードセグメントが、フーリエ変換に基づいたアルゴリズムを適用することによって加入者選択データを処理する、記録媒体。

Images