JP6288683B2 - クラスタ化階層ディスクリプタに基づくユーザプロファイル - Google Patents

クラスタ化階層ディスクリプタに基づくユーザプロファイル Download PDF

Info

Publication number
JP6288683B2
JP6288683B2 JP2015531940A JP2015531940A JP6288683B2 JP 6288683 B2 JP6288683 B2 JP 6288683B2 JP 2015531940 A JP2015531940 A JP 2015531940A JP 2015531940 A JP2015531940 A JP 2015531940A JP 6288683 B2 JP6288683 B2 JP 6288683B2
Authority
JP
Japan
Prior art keywords
descriptor
item
cluster
metadata
hierarchy
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.)
Active
Application number
JP2015531940A
Other languages
English (en)
Other versions
JP2015534174A (ja
JP2015534174A5 (ja
Inventor
フィリップ ポップ
フィリップ ポップ
チン−ウェイ チェン
チン−ウェイ チェン
ピーター シー ディマリア
ピーター シー ディマリア
マルクス ケイ クレマー
マルクス ケイ クレマー
Original Assignee
グレースノート インコーポレイテッド
グレースノート インコーポレイテッド
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by グレースノート インコーポレイテッド, グレースノート インコーポレイテッド filed Critical グレースノート インコーポレイテッド
Publication of JP2015534174A publication Critical patent/JP2015534174A/ja
Publication of JP2015534174A5 publication Critical patent/JP2015534174A5/ja
Application granted granted Critical
Publication of JP6288683B2 publication Critical patent/JP6288683B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/63—Querying
    • G06F16/635—Filtering based on additional data, e.g. user or group profiles
    • G06F16/636—Filtering based on additional data, e.g. user or group profiles by using biological or physiological data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/60—Information retrieval; Database structures therefor; File system structures therefor of audio data
    • G06F16/68—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Stored Programmes (AREA)
  • User Interface Of Digital Computer (AREA)

Description

（関連出願）
本出願は、全体が本明細書に組み込まれる、２０１２年９月１２日出願の米国出願第１３／６１１，７４０号に対する優先権を主張する。
本明細書で開示する主題は、一般に、データの処理に関する。具体的には、本開示は、クラスタ化階層ディスクリプタ（記述子）に基づくユーザプロファイルに関するシステム及び方法に取り組む。
最新の情報システムでは、マシン（例えば、サーバマシン）は、アイテムの１又はそれ以上のディスクリプタが格納されるデータベースを管理することができる。アイテムは、商品（例えば、物理的対象物）、サービス（例えば、サービス提供者によって実施される）、情報（例えば、オーディオファイル、ビデオファイル、画像、又は文書のようなデジタルメディア）、ライセンス（例えば、何かにアクセスするための認可）、又はこれらの何れかの好適な組み合わせの形態をとることができる。アイテムを記述する１又はそれ以上のディスクリプタは、マシンによって管理されるデータベース内に格納することができる。
マシンは、１又はそれ以上のアイテムを記述するディスクリプタを処理するネットワークベースシステムの全体又は一部分を形成することができる。このようなネットワークベースシステムの例は、商取引システム（例えば、ショッピング・ウェブサイト、又はオークション・ウェブサイト）、広報システム（例えば、案内広告ウェブサイト）、リスティング・システム（例えば、ほしい物リストのウェブサイト、又はギフト・レジストリ）、取引システム（例えば、決済ウェブサイト）、及びソーシャルネットワークシステム（例えば、Ｆａｃｅｂｏｏｋ（登録商標）、Ｔｗｉｔｔｅｒ（登録商標）、又はＬｉｎｋｅｄＩｎ（登録商標））を含む。
米国出願第１３／６１１，７４０号
添付図面の図において一部の実施形態を限定ではなく例証として示す。
一部の例示的な実施形態による、クラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成するのに好適なネットワーク環境を示すネットワーク図である。 一部の例示的な実施形態による、ネットワーク環境内のユーザプロファイルマシンの構成要素を示すブロック図である。 一部の例示的な実施形態による、ディスクリプタを複数階層に編成するメタデータモデルを示す概念図である。 一部の例示的な実施形態による、ディスクリプタを複数階層に編成するメタデータモデルを示す概念図である。 一部の例示的な実施形態による、ディスクリプタを複数階層に編成する別のメタデータモデルを示す概念図である。 一部の例示的な実施形態による、アイテムのメタデータに含まれているアイテムの階層ディスクリプタを示す概念図である。 一部の例示的な実施形態による、アイテムに対応する階層ディスクリプタを示す概念図である。 一部の例示的な実施形態による、階層ディスクリプタのクラスタにクラスタ化されるアイテムの階層ディスクリプタを示す概念図である。 一部の例示的な実施形態による、階層ディスクリプタのクラスタに基づいて生成されるユーザプロファイルのブロック図である。 一部の例示的な実施形態による、クラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成する方法を実行する際のユーザプロファイルマシンの動作を示すフローチャートである。 一部の例示的な実施形態による、クラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成する方法を実行する際のユーザプロファイルマシンの動作を示すフローチャートである。 一部の例示的な実施形態による、クラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成する方法を実行する際のユーザプロファイルマシンの動作を示すフローチャートである。 一部の例示的な実施形態による、クラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成する方法を実行する際のユーザプロファイルマシンの動作を示すフローチャートである。 一部の例示的な実施形態による、クラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成する方法を実行する際のユーザプロファイルマシンの動作を示すフローチャートである。 一部の例示的な実施形態による、クラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成する方法を実行する際のユーザプロファイルマシンの動作を示すフローチャートである。 一部の例示的な実施形態による、マシン可読媒体から命令を読み出して、本明細書で議論する手法の何れか１つ又はそれ以上を実行することができるマシンの構成要素を示すブロック図である。
例示的な方法及びシステムは、階層ディスクリプタの１又はそれ以上のクラスタに基づくユーザプロファイルに向けられる。実施例は、単に、実施可能な変形形態の代表例を示しているにすぎない。他に明示的に示されていない限り、構成要素及び機能は任意選択のものであり、組み合わせ又は分割を行うことができ、動作は、その順序を変更することができ、或いは、組み合わせ又は分割を行うことができる。以下の記載では、説明目的のために、例示的な実施形態を完全に理解できるように多くの特定の詳細事項が記載される。しかしながら、当業者であれば、本発明の主題は、これらの特定の詳細事項がなくとも実施することができる点は明らかであろう。
ネットワークベースシステムのユーザは、ユーザを記述するユーザプロファイルに対応することができる。ユーザプロファイルは、ユーザを記述することができる。詳細には、ユーザプロファイルは、ユーザに対応するアイテム（例えば、ユーザによって所有されるアイテム、ユーザから好まれるアイテム、又はユーザによって評価されるアイテム）の１又はそれ以上のディスクリプタにより（例えば、これを用いることによって）ユーザを記述することができる。場合によっては、このようなユーザプロファイルは、ユーザの１又はそれ以上の嗜好、選好、又は習慣の配列もしくは分布を記述する「嗜好プロファイル」として特徴付けることができる。従って、ネットワークベースシステム内のユーザプロファイルマシンは、ユーザに対応するアイテムのディスクリプタにアクセスして、ディスクリプタの１又はそれ以上をクラスタ化し、ディスクリプタの１又はそれ以上のクラスタに基づいてユーザプロファイルを生成することにより、ユーザプロファイルを生成することができる。
種々の例示的な実施形態によれば、ユーザプロファイルの生成に用いられるディスクリプタは、ユーザに対応するアイテムを記述しているが、生成されたユーザプロファイルは、ユーザを記述している。例えば、アイテム（例えば、歌）の特定のディスクリプタ（例えば、「ジャズ」）を、ディスクリプタのクラスタのためのクラスタ名として用いることができ、ユーザプロファイルマシンは、ユーザを記述するユーザプロファイル（例えば、嗜好プロファイル）内でこのクラスタ名（例えば、「ジャズ」）を用いることができる。このことは、ユーザが関連付けられたアイテムを記述するディスクリプタに基づいて、ユーザを記述するユーザプロファイルを作成する効果を有することができる。例えば、ユーザプロファイルは、アイテムの特定のタイプ（例えば、音楽、映画、芸術、ワイン、コーヒー、食べ物、衣類、車、又は製品の特定のタイプ）に関する嗜好又は趣味を有するとユーザを記述することができる。
特定の例示的な実施形態によれば、ユーザプロファイルマシンは、ユーザが行う行動（例えば、ジョギング又は通勤）を示すユーザのコンテキストデータにアクセスすることができる。ユーザプロファイルマシンは、ユーザの行動を判定して、これに応じて、ユーザプロファイルの少なくとも一部分が、ユーザの判定された行動に対応することを示すことができる。これは、ユーザの行動に対応するユーザプロファイルを作成する効果を有することができる。一部の例示的な実施形態において、このことは、ユーザが従事又は実行する複数の行動にそれぞれ対応する複数のユーザプロファイル（例えば、嗜好プロファイル）を作成する効果を有することができる。例えば、第１ユーザプロファイルは、ユーザがジョギングを行っているときのユーザを記述することができ、一方、第２ユーザプロファイルは、ユーザが通勤しているときのユーザを記述することができる。
図１は、一部の例示的な実施形態による、クラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成するのに好適なネットワーク環境１００を示すネットワーク図である。ネットワーク環境は、ユーザプロファイルマシン１１０と、データベース１１５と、デバイス１３０及び１５０と、を含み、全てがネットワーク１９０を介して互いに通信可能に結合される。ユーザプロファイルマシン１１０、データベース１１５、及びデバイス１３０及び１５０は各々、図１６に関して以下で説明するように、コンピュータシステムにおいて全体的に又は部分的に実施することができる。
図１に示すように、ユーザプロファイルマシン１１０、データベース１１５、又はこの両方は、ネットワークベースシステム１０５の全体又は一部分を形成することができる。種々の例示的な実施形態によれば、ネットワークベースシステム１０５は、アイテム（例えば、音楽、映画、芸術、ワイン、コーヒー、食べ物、衣類、車、又は製品）についての推奨システムとすることができ、又はこれを含むことができる。例えば、ネットワークベースシステム１０５は、推奨サービスを自己のユーザに提供することができ、推奨サービスは、（例えば、階層ディスクリプタの１又はそれ以上のクラスタに基づいて生成されるような）ユーザのプロファイルに基づいてアイテムの推奨、提案、提言、又は広告を提供するよう構成することができる。別の実施例として、ネットワークベースシステム１０５は、個人チャンネル作成（例えば、推奨されるメディアストリームからの個人向けメディアチャンネルの作成）の１又はそれ以上のサービスを提供することができ、その結果、グラフィカルユーザインタフェース（ＧＵＩ）の個人向け作成は、推奨される要素、推奨される友人へのソーシャルネットワーク接続の個人向け作成、又はこれらの何れかの好適な組み合わせを含む。
図１にはまた、ユーザ１３２及び１５２が示されている。ユーザ１３２及び１５２の一方又は両方は、人のユーザ（例えば、人間）、マシンユーザ（例えば、デバイス１３０と対話するようソフトウェアプログラムによって構成されたコンピュータ）、又はこれらの何れかの好適な組み合わせ（例えば、マシンによって補助される人、又は人によって管理されたマシン）とすることができる。一部の例示的な実施形態において、ユーザは、組織又は他の実体（例えば、ラジオ局、雑誌、行事、書店、又はこれらの何れかの好適な組み合わせ）の代表である。ユーザ１３２は、ネットワーク環境１００の一部分ではないが、デバイス１３０に関連し、デバイス１３０のユーザとすることができる。例えば、デバイス１３０は、ユーザ１３２の所有物であるデスクトップコンピュータ、車載コンピュータ、タブレットコンピュータ、ナビゲーションデバイス、携帯用メディアデバイス、又はスマートフォンとすることができる。同様に、ユーザ１５２は、ネットワーク環境１００の一部分ではないが、デバイス１５０に関連する。例として、デバイス１５０は、ユーザ１５２の所有物であるデスクトップコンピュータ、車載コンピュータ、タブレットコンピュータ、ナビゲーションデバイス、携帯用メディアデバイス、又はスマートフォンとすることができる。
図１に示したマシン、データベース、又はデバイスのうちの何れかは、当該マシン、データベース、又はデバイスに関して本明細書で説明する機能を実行するための専用コンピュータになるようにソフトウェアによって修正された（例えば、構成又はプログラムされた）汎用コンピュータで実施することができる。例えば、本明細書で説明する手法の何れか１つ又はそれ以上を実施することができるコンピュータシステムについて、図１６に関連して以下で議論する。本明細書で使用する「データベース」とは、データ・ストレージ・リソースであり、テキストファイル、テーブル、スプレッドシート、リレーショナルデータベース（例えば、オブジェクト・リレーショナルデータベース）、トリプルストア、階層型データストア、又はこれらの何れかの好適な組み合わせとして構成されたデータを格納することができる。更に、図１に示したマシン、データベース、又はデバイスのうちの何れか２つ又はそれ以上を組み合わせて単一のマシンとすることができ、何れかの単一マシン、データベース、又はデバイスに関して本明細書で説明した機能は、複数のマシン、データベース、又はデバイス間で更に分割することができる。
ネットワーク１９０は、マシン、データベース、及びデバイス（例えば、ユーザプロファイルマシン１１０及びデバイス１３０）の間での通信を可能にするあらゆるネットワークとすることができる。従って、ネットワーク１９０は、有線ネットワーク、無線ネットワーク（例えば、移動体又はセルラーネットワーク）、又はこれらの何れかの好適な組み合わせとすることができる。ネットワーク１９０は、プライベートネットワーク、公衆ネットワーク（例えば、インターネット）、又はこれらの何れかの好適な組み合わせを含むことができる。
図２は、一部の例示的な実施形態による、ユーザプロファイルマシン１１０の構成要素を示すブロック図である。ユーザプロファイルマシン１１０は、アクセスモジュール２１０と、クラスタモジュール２２０と、プロファイルモジュール２３０と、を含む。種々の例示的な実施形態によれば、ユーザプロファイルマシン１１０は、相関モジュール２４０と、コンテキストモジュール２５０と、フェーズモジュール２６０と、を含むことができる。ユーザプロファイルマシン１１０のモジュールは、（例えば、バス、共有メモリ、又はスイッチを介して）互いに通信するように構成することができる。
本明細書で説明するモジュールのうちの何れか１つ又はそれ以上は、ハードウェア（例えば、マシンのプロセッサ）、又はハードウェアとソフトウェアの組み合わせを用いて実施することができる。例えば、本明細書で説明する何れかのモジュールは、当該モジュールに関して本明細書で説明する動作を実行するよう、プロセッサを構成することができる。更に、これらのモジュールの何れか２つ又はそれ以上を組み合わせて単一のモジュールとすることができ、単一モジュールに関して本明細書で説明した機能は、複数のモジュール間で更に分割することができる。
図３〜４は、一部の例示的な実施形態による、ディスクリプタ３１０−３２８を複数階層に編成するメタデータモデル３００を例示する概念図である。メタデータモデル３００は、メタデータタイプ（例えば、「ジャンル」又は「ムード」）に対応することができ、従って、メタデータモデル３００によって編成されたディスクリプタ３１０−３２８は、同様に、メタデータモデル３００と同じメタデータタイプに対応することができる。図示の実施例では、メタデータモデル３００及びそのディスクリプタ３１０〜３２８は、メタデータタイプ「ジャンル」を有する。従って、メタデータモデル３００は、様々なアイテムの様々なジャンルを記述するディスクリプタを編成することができる。メタデータモデル３００は、データベース１１５内に格納され、ユーザプロファイルマシン１１０によってアクセスすることができる。一部の例示的な実施形態において、メタデータモデル３００は、メタデータタイプのタクソノミーを提供する。
メタデータモデル３００は、ディスクリプタ３１０〜３２８を含み、ディスクリプタ３１０〜３２８を様々な階層に編成する。図３〜４は、メディスクリプタ３１０〜３２８を含み、メタデータモデル３００の複数階層に編成されたノードの階層構造としてディスクリプタ３１０〜３２８を編成するものとしてタデータモデル３００を示している。例えば、メタデータモデル３００は、「階層１」とラベル付けされた最上位レベル階層を有し、この最上位レベル階層は、ディスクリプタ３１０（例えば、「ジャズ」）及びディスクリプタ３２０（例えば、「メタル」）を含む。ディスクリプタ３１０及び３２０は、メタデータモデル３００の全体（例えば、「ジャンル」のディスクリプタの階層）を表すルートノードの子ノードとして示されている。また、メタデータモデル３００の最上位レベル階層は、メタデータモデル３００の他の階層に対する影響度を示す、対応する重み（例えば、係数）を有することができる。図３に示すように、最上位レベル階層についてのこのような重みの実施例は、０．２（例えば、「低」）である。種々の例示的な実施形態によれば、最上位レベル階層の重みは、他の階層の重みよりも高い又は低いとすることができる。
図３〜４に示すように、メタデータモデル３００は、「階層２」とラベル付けされた第２レベル階層（例えば、中レベル階層又は中間レベル階層）を有することができ、この第２レベル階層は、ディスクリプタ３１１（例えば、「スムーズジャズ」）、ディスクリプタ３１２（例えば、「クールジャズ」）、ディスクリプタ３２１（例えば、「へヴィメタル」）、及びディスクリプタ３２２（例えば、「エクストリームメタル」）を含むことができる。ディスクリプタ３１１及び３１２は、ディスクリプタ３１０（例えば、「ジャズ」）の子ノードとして示されており、ディスクリプタ３２１及び３２２は、ディスクリプタ３２０（例えば、「メタル」）の子ノードとして示されている。また、メタデータモデル３００の第２レベル階層は、対応する重みを有することができる。図３に示すように、第２レベル階層のこのような重みの実施例は、０．５（例えば、「中」）である。種々の例示的な実施形態によれば、第２レベル階層の重みは、他の階層の重みよりも高い又は低いとすることができる。
図３〜４に更に示すように、メタデータモデル３００は、「階層３」とラベル付けされた第３レベル階層（例えば、最下位レベル階層）を有することができ、この第３レベル階層は、ディスクリプタ３１３（例えば、「スムーズジャズ・インストルメンタル」）、ディスクリプタ３１５（例えば、「スムーズジャズ・ボーカル」）、ディスクリプタ３１４（例えば、「クールジャズ」）、ディスクリプタ３１６（例えば、「アイスコールドジャズ」）、ディスクリプタ３２３（例えば、「ニュー・メタル」のような「へヴィメタル」のサブカテゴリ）、ディスクリプタ３２５（例えば、「インダストリアル・メタル」のような「へヴィメタル」の別のサブカテゴリ）、ディスクリプタ３２４（例えば、「ブラックメタル」）、ディスクリプタ３２６（例えば、「グラインドコア」）、及びディスクリプタ３２８（例えば、「デスメタル」）を含むことができる。ディスクリプタ３１３及び３１５は、ディスクリプタ３１１（例えば、「スムーズジャズ」）の子ノードとして示されている。ディスクリプタ３１４及び３１６は、ディスクリプタ３１２（例えば、「クールジャズ」）の子ノードとして示されている。ディスクリプタ３２３及び３２５は、ディスクリプタ３２１の子ノードとして、ディスクリプタ３２４〜３２８は、ディスクリプタ３２２（例えば、「エクストリームメタル」）の子ノードとして示されている。また、メタデータモデル３００の第３レベル階層は、対応する重みを有することができる。図３に示すように、第３レベル階層のこのような重みの例は、０．８（例えば、「高」）である。種々の例示的な実施形態によれば、第３レベル階層の重みは、他の階層の重みよりも高い又は低いとすることができる。一部の例示的な実施形態において、メタデータモデル３００は、あらゆる数の階層（例えば、７、５０、又は１０，０００）を有することができる。
図５は、一部の例示的な実施形態による、ディスクリプタ５１０〜５３５を複数階層に編成する別のメタデータモデル５００を示す概念図である。メタデータモデル５００は、メタデータタイプ（例えば、メタデータモデル３００と比較して異なるメタデータタイプ）に対応することができる。従って、メタデータモデル５００によって編成されるディスクリプタ５１０〜５３５は同様に、メタデータモデル５００と同じメタデータタイプに対応することができる。図示の実施例において、メタデータモデル５００及びそのディスクリプタ５１０〜５３５は、メタデータタイプ「ムード」を有する。従って、メタデータモデル５００は、様々なアイテムの様々なムードを記述するディスクリプタを編成することができる。メタデータモデル５００は、データベース１１５内に格納されて、ユーザプロファイルマシン１１０によってアクセスすることができる。一部の例示的な実施形態において、メタデータモデル５００は、メタデータタイプのタクソノミーを提供する。
種々の例示的な実施形態によれば、メタデータタイプの他の実施例は、オーディオファイル（例えば、歌）であるアイテムに適用可能とすることができる、「発祥」、「年代」、「テンポ」、及び「アーティストタイプ」を含む。ビデオファイル（例えば、映画又はテレビ番組）であるアイテムのメタデータタイプの実施例は、「ジャンル」、「ムード」、「年代」、「設定〜期間」、「地域」、「設定〜場所」、「シナリオ」、「スタイル」、及び「トピック」を含む。ワインであるアイテムのメタデータタイプの実施例は、「ワインの種類」、「地域」、「フレーバーノート」、及び「価格帯」を含む。コーヒーであるアイテムのメタデータタイプの実施例は、「品種」、「地域」、「フレーバーノート」、及び「価格」を含む。食べ物であるアイテムのメタデータタイプの実施例は、「地域」、「主要栄養素」、「複雑度」、「フレーバー」、及び「価格」を含む。衣料品であるアイテムのメタデータタイプの実施例は、「スタイル」、「年代」、「カルチャー」、「色」、「裁ち方」、「フィット」、及び「価格」を含む。車であるアイテムのメタデータタイプの実施例は、「型」、「エンジン」、「トランスミッション」、「地域」、「価格帯」、及び「色」を含む。一般に、メタデータモデル（例えば、メタデータモデル３００又はメタデータモデル５００）は、ディスクリプタの配列（例えば、階層又はへテラルキー）を表すデータ構造であり、メタデータモデルは、ディスクリプタの配列をディスクリプタの複数の階層（例えば、レベル）に編成することができる。
メタデータモデル５００は、ディスクリプタ５１０〜５３５を含み、ディスクリプタ５１０〜５３５を様々な階層に編成する。図５は、ディスクリプタ５１０〜５３５を含み、メタデータモデル５００の複数階層に編成されたノードの階層としてディスクリプタ５１０〜５３５を編成するものとしてメタデータモデル５００を示している。例えば、メタデータモデル５００は、「階層１」とラベル付けされた最上位レベル階層を有し、この最上位レベル階層がディスクリプタ５１０（例えば、「平穏」）、ディスクリプタ５２０（例えば、「感傷的」）、及びディスクリプタ５３０（例えば、「攻撃的」）を含む。ディスクリプタ５１０、５２０、及び５３０は、メタデータモデル５００の全体（例えば、「ムード」のディスクリプタの階層）を表すルートノードの子ノードとして示されている。また、メタデータモデル５００の最上位レベル階層は、メタデータモデル５００の他の階層に対する影響度を示す対応する重みを有することができる。
図５に示すように、メタデータモデル５００は、「階層２」とラベル付けされた第２レベル階層を有することができ、この第２レベル階層は、ディスクリプタ５１１（例えば、「のどか／静か」）、ディスクリプタ５２１（例えば、「冷めた哀愁」）、ディスクリプタ５３１（例えば、「混沌／情熱的」）、ディスクリプタ５３３（例えば、「意気揚々」）、及びディスクリプタ５３５（例えば、「攻撃的精神」）を含むことができる。ディスクリプタ５１１は、ディスクリプタ５１０（例えば、「平穏」）の子ノードとして示されている。ディスクリプタ５２１は、ディスクリプタ５２０（例えば、「感傷的」）の子ノードとして示されている。ディスクリプタ５３１、５３３、及び５３５は、ディスクリプタ５３０（例えば、「攻撃的」）の子ノードとして示されている。また、メタデータモデル５００の第２レベル階層も、メタデータモデル５００の他の階層に対する自己の影響を示す対応する重みを有することができる。
図５に更に示すように、メタデータモデル５００は、「階層３」とラベル付けされた第３レベル階層を有することができ、この第３レベル階層は、ディスクリプタ５１３（例えば、「のどか／静か」のサブカテゴリ）、及びディスクリプタ５１５（例えば、「のどか／静か」の別のサブカテゴリ）を含むことができる。ディスクリプタ５１３及び５１５は、ディスクリプタ５１１（例えば、「のどか／静か」）の子ノードとして示されている。また、メタデータモデル５００の第３レベル階層も、メタデータモデル５００の他の階層と比較した影響度を定義する対応する重みを有することができる。一部の例示的な実施形態において、メタデータモデル５００は、あらゆる数の階層（例えば、５、７０、又は２５，０００）を有することができる。
図６は、一部の例示的な実施形態による、アイテム６１０に関連（例えば、対応）し且つアイテム６１０のメタデータ６１５に含まれるディスクリプタ３１０、３１１、３１３、５１０、及び５１１を示す概念図である。図示するように、アイテム６１０は、ディスクリプタ３１０、３１１、３１３、５１０、及び５１１によって記述される。従って、ディスクリプタ３１０、３１１、３１３、５１０、及び５１１は、アイテム６１０に対応し、メタデータ６１５に含まれる。メタデータ６１５は、アイテム６１０に対応し、アイテム６１０を（例えば、メタデータ６１５に含まれるディスクリプタ３１０、３１１、３１３、５１０、及び５１１を用いて）記述する。メタデータ６１５は、メタデータ６１５に含まれるディスクリプタの１又はそれ以上のメタデータタイプに対応する１又はそれ以上のメタデータタイプを有することができる。
種々の例示的な実施形態によれば、アイテム６１０は、メディアファイル（例えば、オーディオファイル、ビデオファイル、スライドショー実演、画像、文書、又はこれらの何れかの好適な組み合わせ）とすることができる。特定の例示的な実施形態において、アイテム６１０は、芸術作品（例えば、美術品）、ワイン（例えば、特定のブドウ園の特定の醸造年もの又は特定のワイン群）、コーヒー（例えば、特定のローストコーヒー、特定のコーヒー豆品種、又は特定のコーヒー出荷）、食料品（例えば、食品）、衣料品（例えば、特定の衣料製品）、車（例えば、特定の製造元及び型の自動車）、又は何らかの他の消費者又は市販製品とすることができる。
図７は、一部の例示的な実施形態による、様々なアイテム（例えば、アイテム６１０、６２０、６３０、６４０、６５０、及び６６０）に対応する様々な階層ディスクリプタ（例えば、ディスクリプタ３１０、３１１、３１２、３１３、３１４、３２０、３２２、３２４、３２６、３２８、５１０、５１１、５２０、５２１、５３０、５３１、５３３、及び５３５）を示す概念図である。図６に関連して上述したように、アイテム６１０は、アイテム６１０のメタデータ６１５に含めることができるディスクリプタ３１０、３１１、３１３、５１０、及び５１１によって記述される。
図７に示すように、アイテム６２０は、アイテム６２０のメタデータに含めることができるディスクリプタ３１０、３１２、３１４、５２０、及び５２１によって記述することができる。同様に、アイテム６３０は、アイテム６３０のメタデータに含めることができるディスクリプタ３２０、３２２、３２４、５３０、及び５３１によって記述することができる。同様に、アイテム６４０は、アイテム６４０のメタデータに含めることができるディスクリプタ３２０、３２２、３２６、５３０、及び５３１によって記述することができる。更に、アイテム６５０は、アイテム６５０のメタデータに含めることができるディスクリプタ３２０、３２２、３２８、５３０、及び５３３によって記述することができる。更に、アイテム６６０は、アイテム６６０のメタデータに含めることができるディスクリプタ３２０、３２２、３２８、５３０、及び５３５によって記述することができる。
アイテム６１０〜６５０のうちの１又はそれ以上は、ユーザプロファイルマシン１１０がユーザプロファイルを生成することができるユーザに対応する（例えば、ユーザが所有し、ユーザによってレビュー、購入、評価、「好まれ」、又はこれらの何れかの好適な組み合わせを行う）アイテムの集合７００に含めることができる。従って、アイテム６１０〜６５０のうちの１又はそれ以上は、アイテムの集合７００の標本とすることができる。例えば、集合７００は、ユーザ１３２のメディアライブラリとすることができ、アイテム６１０〜６６０は、ユーザ１３２のメディアライブラリ内のメディアファイルとすることができる。本明細書で使用する場合、ユーザの「メディアライブラリ」とは、このユーザに対応するメディアの集合（例えば、ユーザによって所有及び格納された一連のメディアファイル、ユーザによって所有され、他の場所に格納された一連のメディアファイル、ユーザがアクセスを有する一連のメディアストリーム、又はこれらの何れかの好適な組み合わせ）を指す。
ユーザプロファイル（例えば、ユーザ１３２に関しての）を生成する際、ユーザプロファイルマシン１１０は、アイテムの集合７００を表すデータにアクセスすることができる。例えば、このようなデータは、データベース１１５に格納することができ、ユーザプロファイルマシン１１０は、（例えば、アクセスモジュール２１０を介して）データベース１１５からデータにアクセスすることができる。従って、ユーザプロファイルマシン１１０は、集合７００の標本（例えば、メンバ）であるアイテム６１０〜６６０のうちの１又はそれ以上を記述するディスクリプタ３１０〜５３５のうちの１又はそれ以上にアクセスすることができる。
図８は、一部の例示的な実施形態による、階層ディスクリプタ（例えば、１又はそれ以上のメタデータモデル内の階層に編成されたディスクリプタ）のクラスタ８１０〜８３０に（例えば、ユーザプロファイルマシン１１０のクラスタモジュール２２０によって）クラスタ化されたアイテム６１０〜６６０のディスクリプタ３１０〜５３５を示す概念図である。図示するように、アイテム６１０を記述するディスクリプタ３１０、３１１、３１３、５１０、及び５１１は、アイテム６２０を記述するディスクリプタ３１０、３１２、３１４、５２０、及び５２１と（例えば、ユーザプロファイルマシン１１０によって）グループ化することができる。ユーザプロファイルマシン１１０は、ディスクリプタ５１０及び５２０を含むクラスタ８１０を生成することができる。詳細には、ユーザプロファイルマシン１１０は、メタデータモデル５００内でディスクリプタ５１０及び５２０が提示されている階層（例えば、「階層１」）に基づいて、ディスクリプタ５１０（例えば、第１ディスクリプタ）及びディスクリプタ５２０（例えば、第２ディスクリプタ）がクラスタ８１０のメンバであると判定することによって、クラスタ８１０を生成することができる。種々の例示的な実施形態によれば、クラスタ８１０は、ディスクリプタ（例えば、ディスクリプタ５１０及び５２０）のみを含み、従って、クラスタ８１０は、アイテム６１０又はアイテム６２０を識別する何らかの情報を持っていない場合がある。
同様に、アイテム６３０を記述するディスクリプタ３２０、３２２、３２４、５３０、５３１は、アイテム６４０を記述するディスクリプタ３２０、３２２、３２６、５３０、及び５３１とグループ化することができる。ユーザプロファイルマシン１１０は、ディスクリプタ３２２及び５３１を含むクラスタ８２０を生成することができる。詳細には、ユーザプロファイルマシン１１０は、アイテム６３０のメタデータ内のディスクリプタ３２２（例えば、第１ディスクリプタ）がアイテム６４０のメタデータ内のディスクリプタ３２２（例えば、第２ディスクリプタ）に一致することに基づいて、アイテム６３０のメタデータ内のディスクリプタ５３１（例えば、第３ディスクリプタ）がアイテム６４０のメタデータ内のディスクリプタ５３１（例えば、第４ディスクリプタ）に一致することに基づいて、又はその両方に基づいて、ディスクリプタ３２２（例えば、第１ディスクリプタ）及びディスクリプタ５３１（例えば、第２ディスクリプタ）がクラスタ８２０のメンバであると判定することによって、クラスタ８２０を生成することができる。
一部の例示的な実施形態において、ユーザプロファイルマシン１１０は、ディスクリプタ間の正確な一致（例えば、完全一致）をこのような判定の根拠として使用する。特定の例示的な実施形態において、ユーザプロファイルマシン１１０は、ディスクリプタが類似する（例えば、閾値類似度内で十分に類似している）と判定し、この類似性は、ディスクリプタ３２２、ディスクリプタ５３１、又はその両方がクラスタ８２０のメンバであると判定するための根拠である。例えば、ユーザプロファイルマシン１１０は、２つの非同一のディスクリプタ間の類似度を示す相関マトリクスを使用することができ、２つのディスクリプタが類似するという判定は、このような相関マトリクスに（例えば、データベース１１５から）アクセスすることに基づくことができる。クラスタ８２０は、ディスクリプタ（例えば、ディスクリプタ３２２及び５３１）のみを含む場合があり、従って、クラスタ８２０は、クラスタ８２０に含まれるディスクリプタによって記述されるアイテム６３０及び６４０を識別する情報を含まない場合がある。
また、図８に示すように、アイテム６５０を記述するディスクリプタ３２０、３２２、３２８、５３０、及び５３３は、アイテム６６０を記述するディスクリプタ３２０、３２２、３２８、５３０、及び５３５とグループ化することができる。ユーザプロファイルマシン１１０は、ディスクリプタ３２８を含むクラスタ８３０を生成することができる。詳細には、ユーザプロファイルマシン１１０は、ディスクリプタ３２８がクラスタ８３０のメンバであると判定することによってクラスタ８３０を生成することができる。このような判定は、アイテム６５０を記述するメタデータ内のディスクリプタ３２８（例えば、第１ディスクリプタ）が、アイテム６６０を記述するメタデータ内のディスクリプタ３２８（例えば、第２ディスクリプタ）と正確に一致していることに基づいて行うことができる。上述のように、一部の例示的な実施形態において、ユーザプロファイルマシン１１０は、正確な一致ではなく、（例えば、相関マトリクスに基づく）類似性判定を用いて、２つの十分に類似するディスクリプタがクラスタ８３０のメンバであると判定する。
図９は、一部の例示的な実施形態による、階層ディスクリプタのクラスタ８１０〜８３０に基づいて、ユーザプロファイルマシン１１０によって生成されるユーザプロファイル９００のブロック図である。ユーザプロファイル９００は、ユーザ１３２の嗜好プロファイルとして機能することができ、ユーザプロファイル９００は、ユーザ１３２の１又はそれ以上の嗜好を記述する１又はそれ以上の嗜好ディスクリプタを含むことができる。種々の例示的な実施形態によれば、ユーザプロファイル９００はまた、１又はそれ以上のクラスタ（例えば、クラスタ８１０〜８３０）の１又はそれ以上の重み、１又はそれ以上のクラスタを代表する例示的なアイテム、メディア提示統計（例えば、アイテムが閲覧又は視聴された回数）、ユーザカスタマイズされたクラスタ名、又はこれらの何れかの好適な組み合わせを含む。
図示するように、ユーザプロファイル９００は、ディスクリプタ５１０及び５２０を含むことができるクラスタ８１０を含む。ユーザプロファイル９００はまた、ディスクリプタ３２２及び５３１を含むことができるクラスタ８２０を含むように示されている。ユーザプロファイル９００は更に、ディスクリプタ３２８を含むクラスタ８３０を含むように示されている。
図９は、クラスタ８１０〜８３０及びこれに含まれるディスクリプタに基づいて、１又はそれ以上のクラスタ名９１０〜９３０を決定（例えば、生成又は抽出）できることを、矢印を用いて示している。例えば、ユーザプロファイルマシン１１０は、ディスクリプタ５１０（例えば、「平穏」）及びディスクリプタ５２０（例えば、「感傷的」）がクラスタ８１０内にあることに基づいて、クラスタ８１０のクラスタ名９１０を決定することができる。従って、結果として得られるクラスタ名９１０は、「平穏な／感傷的」又は「平穏で感傷的」とすることができる。一部の例示的な実施形態において、クラスタ８１０はまた、アイテム６１０及びアイテム６２０の両方を記述するメタデータ内にディスクリプタ３１０が存在することに基づいて、ディスクリプタ３１０（例えば、「ジャズ」）も含む。従って、このような例示的な実施形態において、結果として得られるクラスタ名９１０は、「ジャズ」又は「平穏で感傷的なジャズ」とすることができる。
別の実施例として、ユーザプロファイルマシン１１０は、ディスクリプタ３２２（例えば、「エクストリームメタル」）及びディスクリプタ５３１（例えば、「混沌／情熱的」）がクラスタ８２０内にあることに基づいて、クラスタ８２０のクラスタ名９２０を決定することができる。一部の例示的な実施形態において、ユーザプロファイルマシン１１０は、ディスクリプタ３２２がアイテム６３０及びアイテム６４０の両方を記述していることに基づいて、クラスタ名９２０を決定する。従って、結果として得られるクラスタ名９２０は、「混沌／情熱的なエクストリームメタル」又は「混沌で情熱的なエクストリームメタル」とすることができる。
更なる実施例として、ユーザプロファイルマシン１１０は、ディスクリプタ３２８（例えば、デスメタル）がクラスタ８３０内にあることに基づいて、クラスタ８３０のクラスタ名９３０を決定することができる。従って、結果として得られるクラスタ名９３０は、「デスメタル」又は「デスメタル音楽」とすることができる。
種々の例示的な実施形態によれば、クラスタ名９１０、９２０、及び９３０のうちの１又はそれ以上は、ユーザプロファイル９００内に含まれ、ユーザプロファイル９００において参照され、又は他の方法でユーザプロファイル９００内で示すことができる。従って、クラスタ名９１０〜９３０のうちの１又はそれ以上は、ユーザプロファイル９００に対応するユーザ１３２の嗜好又は趣味を記述する嗜好ディスクリプタとして機能することができる。
図１０〜１５は、一部の例示的な実施形態による、クラスタ化階層ディスクリプタ（例えば、ディスクリプタ３２２、３２８、５１０、５２０、及び５３１）に基づいてユーザプロファイル９００を生成する方法１０００を実行する際のユーザプロファイルマシン１１０の動作を示すフローチャートである。方法１０００における動作は、図２に関連して上記で説明したモジュールを用いてユーザプロファイルマシン１１０によって実行することができる。図示するように、方法１０００は、動作１０１０、１０２０、及び１０３０を含む。
動作１０１０において、アクセスモジュール２１０が、第１アイテム（例えば、アイテム６１０）及び第２アイテム（例えば、アイテム６２０）を記述する、メタデータ（例えば、アイテム６１０のメタデータ６１５、更にアイテム６２０のメタデータ）内のディスクリプタにアクセスする。例えば、アクセスモジュール２１０は、アイテム６１０のメタデータ６１５からのディスクリプタ３１０、３１１、３１３、５１０、及び５１１、並びに、アイテム６２０のメタデータからのディスクリプタ３１０、３１２、３１４、５２０、及び５２１にアクセスすることができる。アクセスされるこれらのディスクリプタは、メタデータモデルの同じ階層（例えば、メタデータモデル５００の「階層１」）に編成（例えば、提示）された第１ディスクリプタ（例えば、ディスクリプタ５１０）及び第２ディスクリプタ（例えば、ディスクリプタ５２０）を含むことができる。上述のように、第１アイテム及び第２アイテムは、ユーザ（例えば、ユーザ１３２）の所有物とすることができるアイテム集合（例えば、集合７００）の標本（例えば、メンバ）とすることができる。例えば、集合は、ユーザ１３２のメディアライブラリとすることができ、第１及び第２アイテムは、メディアライブラリ内の第１及び第２メディアファイルとすることができる。
動作１０２０において、クラスタモジュール２２０が、第１及び第２ディスクリプタが階層ディスクリプタのクラスタのメンバであると判定し、この判定は、メタデータモデル内で第１及び第２ディスクリプタが提示される共通の階層に基づいて行うことができる。例えば、クラスタモジュール２２０は、ディスクリプタ５１０及び５２０がメタデータモデル５００の最上位レベル階層（例えば、「階層１」）にあることに基づいて、ディスクリプタ５１０及びディスクリプタ５２０がクラスタ８１０のメンバであると判定することができる。一部の例示的な実施形態において、ディスクリプタ５１０及び５２０は、メタデータモデル５００の中間レベル階層（例えば、「階層２」）にあり、クラスタ８１０のメンバは、ディスクリプタ５１０及び５２０が当該中間レベル階層にあることに基づいて判定される。特定の例示的な実施形態において、ディスクリプタ５１０及び５２０はメタデータモデル５００の最下位レベル階層（例えば、「階層３」）にあり、クラスタ８１０のメンバは、ディスクリプタ５１０及び５２０が最下位レベル階層にあることに基づいて判定される。
種々の例示的な実施形態によれば、動作１０２０は、第１及び第２ディスクリプタを編成するメタデータモデル内の階層の重みに基づいて実行することができる。図３〜４に関連して上述したように、メタデータモデル（例えば、メタデータモデル３００）内の複数階層には、様々な重みを割り当てることができる。従って、動作１０２０の実行は、メタデータモデル３００内の「階層２」の重み（例えば、０．５又は「中」）が、メタデータモデル３００内の「階層１」の重み（例えば、０．２又は「低」）を超えると判定する段階を含むことができる。従って、第１及び第２ディスクリプタがクラスタのメンバであると動作１０２０で判定することは、「階層２」の重みが「階層１」の重みを超えることに基づくことができる。これは、動作１０２０において何れのディスクリプタを使用すべきかを判定する際に、より高く重み付けされた１又はそれ以上の階層を好む効果を有することができる。
動作１０３０において、プロファイルモジュール２３０が、第１及び第２ディスクリプタがそのメンバであるクラスタ（例えば、クラスタ８１０）に基づいてユーザプロファイル９００を生成（例えば、作成又は更新）する。例えば、プロファイルモジュール２３０は、ディスクリプタ５１０及び５２０を含むクラスタ８１０に基づいてユーザプロファイル９００を生成することができる。種々の例示的な実施形態によれば、動作１０３０は、ユーザプロファイル９００をユーザ１３２の嗜好プロファイルとして生成する。
図１１に示すように、方法１０００は、動作１０２５、１１２０、１１２５、及び１１３０のうちの１又はそれ以上を含むことができる。動作１１２０は、クラスタモジュール２２０が、（第１及び第２アイテムを記述する）第１及び第２ディスクリプタがそのメンバとしてクラスタ（例えば、クラスタ８２０）にグループ化されると判定する動作１０２０の一部分（例えば、先行タスク、サブルーチン、又は一部分）として実行することができる。動作１１２０において、クラスタモジュール２２０は、第１アイテムの第１ディスクリプタ（例えば、アイテム６３０を記述するディスクリプタ３２２）及び第２アイテムの第２ディスクリプタ（例えば、アイテム６４０を記述するディスクリプタ３２２）が互いに一致する（例えば、同一に）と判定する。この判定は、動作１０２０を実行するための根拠として用いることができる。
動作１０２５は、プロファイルモジュール２３０がユーザプロファイル９００を生成する動作１０３０に先行して実行することができる。一部の例示的な実施形態において、動作１０２５は、動作１０３０の一部分として実行される。動作１０２５において、クラスタモジュール２２０は、動作１０２０に関連して上述したクラスタ（例えば、クラスタ８２０）のクラスタ名（例えば、クラスタ名９２０）を決定する。クラスタ名は、図９に関連して上記で議論した手法のうちの何れか１つ又はそれ以上を用いて決定することができる。
動作１１２５に関連して示すように、クラスタモジュール２２０は、第１アイテムの第１ディスクリプタ（例えば、アイテム６３０を記述するディスクリプタ３２２）及び第２アイテムの第２ディスクリプタ（例えば、アイテム６４０を記述するディスクリプタ３２２）が互いに一致することに基づいて、クラスタ名（例えば、クラスタ名９２０）を決定することができる。動作１１２５は、クラスタモジュール２２０がクラスタ（例えば、クラスタ８２０）の名前（例えば、クラスタ名９２０）を決定する動作１０２５の一部分として実行することができる。
動作１１３０に関連して示すように、プロファイルモジュール２３０は、クラスタ（例えば、クラスタ８２０）の名前（例えば、クラスタ名９２０）をユーザプロファイル９００内に格納することができる。上述のように、クラスタ名は、ユーザプロファイル９００内に嗜好ディスクリプタとして格納することができ、嗜好ディスクリプタは、ユーザプロファイル９００が対応するユーザ１３２の嗜好（例えば、１又はそれ以上の嗜好、選好、又は趣味）を記述する。一部の例示的な実施形態において、プロファイルモジュール２３０は、１又はそれ以上のサービスをユーザ１３２に提供（例えば、アイテムの推奨、広告、又は提案）する際に後で用いるために、クラスタ名、ユーザプロファイル９００、又はその両方をデータベース１１５に格納する。
図１２に示すように、方法１０００は、動作１２２０、１２２２、及び１２２５のうちの１又はそれ以上を含むことができる。動作１２２０は、クラスタモジュール２２０が、（例えば、第１及び第２アイテムを記述する）第１及び第２ディスクリプタがそのメンバとしてクラスタ（例えば、クラスタ８２０）にグループ化されると判定する動作１０２０の一部分として実行することができる。動作１２２０において、クラスタモジュール２２０は、第１アイテムの第１ディスクリプタ（例えば、アイテム６３０を記述するディスクリプタ３２２）及び第２アイテムを記述する第２ディスクリプタ（例えば、アイテム６４０を記述するディスクリプタ３２２）が互いに類似していると判定する。この類似性判定は、相関マトリクス（例えば、２つの非同一のディスクリプタ間の類似度を示すデータ構造）に基づいて行うことができる。種々の例示的な実施形態によれば、類似性判定は、特徴比較、距離メトリック、確率論的アプローチ、又はこれらの何れかの好適な組み合わせに基づいて行うことができる。この判定は、動作１０２０を実行するための根拠として用いることができる。
動作１２２２は、動作１２２０の一部分として実行することができる。動作１２２２において、クラスタモジュール２２０は、第１アイテムの別のディスクリプタ（例えば、第３ディスクリプタ）及び第２アイテムの別のディスクリプタ（例えば、第４ディスクリプタ）が互いに一致（例えば、同一に）すると判定する。例えば、クラスタ８１０に関連して、クラスタモジュール２２０は、ディスクリプタ５１０（例えば、「平穏」）及びディスクリプタ５２０（例えば、「感傷的」）は同一ではないが、アイテム６１０のメタデータ６１５内のディスクリプタ３１０（例えば、「ジャズ」）が、アイテム６２０のメタデータ内のディスクリプタ３１０と一致（同一に）すると判定することができる。この判定は、動作１０２０を実行するための根拠として用いることができる。
動作１２２５に関連して示すように、クラスタモジュール２２０は、動作１２２２で実行した判定に基づいてクラスタ（例えば、クラスタ８１０）のクラスタ名（例えば、クラスタ名９１０）を決定することができる。すなわち、動作１２２２で一致したディスクリプタ（例えば、第３及び第４ディスクリプタ）をクラスタの名前付けの根拠として用いることができる。動作１２２５による例示的な実施形態において、クラスタモジュール２２０は、一致したディスクリプタが動作１０２０に関連して上記で議論した第１及び第２ディスクリプタと同じメタデータタイプ（例えば、「ジャンル」）であることに基づいて、クラスタ名を決定する。言い換えれば、一致したディスクリプタ（例えば、ディスクリプタ３１０の２つのインスタンス）は、第１及び第２ディスクリプタ（例えば、メタデータモデル３００からのディスクリプタ３１１及び３１２）と同じメタデータモデル（例えば、メタデータモデル３００）により提供することができる。しかしながら、一致したディスクリプタは、このメタデータモデル内の異なる階層（例えば、更なる階層）により提供することができる。動作１２２５は、動作１０２５の一部分として実行することができる。
図１３に示すように、方法１０００は、クラスタモジュール２２０がクラスタの名前付けを行う動作１０２５の一部分として実行することができる動作１３２５を含む。動作１３２５において、クラスタモジュール２２０は、クラスタ（例えば、クラスタ８２０）のクラスタ名（例えば、クラスタ名９２０）を、動作１２２２で実行した判定に基づいて決定する。動作１３２５による例示的な実施形態において、クラスタモジュール２２０は、一致したディスクリプタが、動作１０２０に関連して上記で議論した第１及び第２ディスクリプタと異なるメタデータタイプ（例えば、「ムード」のような更なるメタデータタイプ）であることに基づいて、クラスタ名を決定する。言い換えれば、一致したディスクリプタ（例えば、ディスクリプタ３２２の２つのインスタンス）は、第１及び第２ディスクリプタ（例えば、メタデータモデル５００からのディスクリプタ５３１の２つのインスタンス）とは異なるメタデータモデル（例えば、メタデータモデル３００）により提供することができる。実際に、一致したディスクリプタ（例えば、第３及び第４ディスクリプタ）は、第１及び第２ディスクリプタのメタデータタイプ（例えば、「ムード」）に対応するメタデータモデル（例えば、メタデータモデル５００）には存在しない場合がある。動作１３２５は、動作１０２５の一部分として実行することができる。
図１４に示すように、方法１０００は、動作１４２０、１４２１、１４２３、１４２５、１４２７、及び１４２９のうちの１又はそれ以上を含むことができる。便宜上、図１１に関連して上記で議論した動作１１３０も図示している。
動作１４２０は、動作１０３０に先行して実行することができ、又は動作１０３０の一部分として実行することができる。動作１４２０において、相関モジュール２４０は、ユーザ１３２の行動を判定する。このような行動の実施例は、ジョギング、通勤、休憩、及びダンスを含む。判定された行動は、動作１０３０において生成されたユーザプロファイル９００において示すことができる。詳細には、行動は、１又はそれ以上の嗜好ディスクリプタ（例えば、ユーザプロファイル９００内に嗜好ディスクリプタとして格納されたクラスタ名）と相関付けることができる。これは、ユーザプロファイル９００内で、ユーザ１３２によって行われるどの行動にどの嗜好ディスクリプタが対応するかを示す効果を有することができる。
動作１４２１〜１４２９のうちの１又はそれ以上は、動作１４２０の一部分として実行することができる。動作１４２１において、コンテキストモジュール２５０が、ユーザ１３２のコンテキストデータにアクセスして、コンテキストデータを相関モジュール２４０に提供する。コンテキストデータは、動作１４２０に関連して上記で議論した行動をユーザ１３２が行う状況（コンテキスト）を記述する。コンテキストデータには、データベース１１５から、ユーザ１３２のデバイス１３０から、デバイス１３０又はユーザ１３２によって提供される場所データ（例えば、地理的位置データ）から、ユーザ１３２に対応するバイオメトリックデータ（例えば、心拍数、血圧、体温、又は電気皮膚反応）から、ユーザ１３２のカレンダーデータ（例えば、約束、会議、休日、又は旅行計画）から、時間データ（例えば、時刻又は曜日）から、又はこれらの何れかの好適な組み合わせからアクセスすることができる。従って、コンテキストデータは、ユーザ１３２の１又はそれ以上の場所、ユーザ１３２の１又はそれ以上のバイオメトリック状態、又はこれらの何れかの好適な組み合わせを判定するために、コンテキストモジュール２５０によって処理することができる。
動作１４２３において、相関モジュール２４０は、第１及び第２アイテム（例えば、アイテム６３０及び６４０）をユーザ１３２の複数の場所と相関付けるコンテキストデータに基づいて行動を判定する。例えば、第１及び第２アイテム（例えば、歌）を楽しんでいる間、ユーザ１３２が、２マイルの長さの閉じたループを形成するルートに沿って近所の通りをゆっくり移動している（例えば、毎時２０マイル以下）ことを複数の場所が示す場合、相関モジュール２４０は、ユーザ１３２の行動が「ジョギング」であると判定することができる。これは、ユーザ１３２のユーザプロファイル９００内で１又はそれ以上の嗜好ディスクリプタ（例えば、音楽に適用可能な嗜好ディスクリプタ）を「ジョギング」という行動と関連付ける効果を有することができる。別の実施例として、ユーザ１３２が、勤務時間中に頻繁に移動するルートに沿って近所と地元のオフィス街との間を足早に（例えば、毎時２０マイル以上で）移動していることを複数の場所が示す場合、相関モジュール２４０は、ユーザ１３２の行動が「通勤」であると判定することができる。これは、ユーザプロファイル９００内で種々の嗜好ディスクリプタを「通勤」という行動と関連付ける効果を有することができる。
動作１４２５において、相関モジュール２４０は、第１及び第２アイテム（例えば、アイテム６３０及び６４０）をユーザ１３２のバイオメトリック状態と相関付けるコンテキストデータに基づいて行動を判定する。例えば、第１及び第２アイテム（例えば、映画）にアクセスする間に、ユーザ１３２のバイオメトリック状態が非活動的（例えば、心拍数が毎分９０拍動以下）な場合、相関モジュール２４０は、ユーザ１３２の行動が「リラックス中」であると判定することができる。これは、ユーザプロファイル９００内の種々の嗜好ディスクリプタを「リラックスCHU」という行動と関連付ける効果を有することができる。別の実施例として、ユーザ１３２が活動的である（例えば、心拍数が毎分９０拍動以上）とバイオメトリック状態が示す場合、相関モジュール２４０は、ユーザ１３２の行動が「運動中」又は「ダンス中」と判定することができる。これは、ユーザプロファイル９００内で嗜好ディスクリプタを「運動中」又は「ダンス中」という行動と関連付ける効果を有することができる。種々の例示的な実施形態によれば、これらの行動は、固有の１又はそれ以上のメタデータモデル内に提示されたコンテキスト・ディスクリプタ（例えば、「運動中」、「リラックス中」、又は「ダンス中」）によって記述することができ、本明細書で説明するシステム及び方法を使用して、ユーザの行動嗜好を記述するユーザプロファイルを生成することができる。
動作１４２７において、相関モジュール２４０は、第１及び第２アイテム（例えば、アイテム６３０及び６４０）を曜日を示す時間データと相関付けるコンテキストデータに基づいて行動を判定する。例えば、ユーザ１３２が、第１及び第２アイテム（例えば、食べ物）を日曜日の遅い朝（例えば、１０：３０ＡＭ）に食べることを時間データが示す場合、相関モジュール２４０は、この行動が「日曜日のブランチ」であると判定することができる。これは、ユーザプロファイル９００内の嗜好ディスクリプタを「日曜日のブランチ」という行動と関連付ける効果を有することができる。
動作１４２９において、相関モジュール２４０は、第１及び第２アイテム（例えば、アイテム６３０及び６４０）を時刻を示す時間データと相関付けるコンテキストデータに基づいて行動を判定する。例えば、ユーザ１３２が、第１及び第２アイテム（例えば、歌）を毎朝７時に提示することを時間データが示す場合、相関モジュール２４０は、この行動が「起床」であると判定することができる。これは、ユーザプロファイル９００内の嗜好ディスクリプタを「起床」という行動と関連付ける効果を有することができる。
図１５に示すように、方法１０００は、動作１５２０、１５２２、及び１５３０のうちの１又はそれ以上を含むことができる。便宜上、図１４に関連して上記で議論した動作１４２１も示されている。
動作１５２０は、動作１０３０に先行して実行し、又は動作１０３０の一部分として実行することができる。フェーズモジュール２６０は、ユーザ１３２がどのくらい頻繁に第１及び第２アイテムと関連付けられるか（例えば、第１及び第２アイテムの提示、享受、取得、又は他の方法でアクセスをすることによって）を示す、事象のための１又はそれ以上のデータストリームをモニタすることができる。動作１５２０において、フェーズモジュール２６０は、ユーザ１３２が異常フェーズを経験中であると判定する。すなわち、フェーズモジュール２６０は、第１及び第２アイテムへのアクセスが、ユーザ１３２にとって非典型的である（例えば、ユーザ１３２の長期的行動と比較して）と判定することができる。動作１５２０は、動作１４２１でアクセスされるコンテキストデータに基づくことができ、動作１５２０は、嗜好ディスクリプタ及び時間データによって示されるように、ユーザ１３２の短期的嗜好とユーザ１３２の長期的嗜好との比較を伴うことができる。これは、ユーザ１３２が新しいアイテムを試す実験フェーズ、又はユーザ１３２が一時的に特定の影響下にあった（例えば、訪問客をもてなす）時間期間を検出する効果を有することができる。
動作１５２２は、動作１５２０の一部分として実行することができ、動作１４２１でアクセスされるコンテキストデータに基づいて実行することができる。動作１５２２において、フェーズモジュール２６０は、第１及び第２アイテム（例えば、アイテム６５０及び６６０）を閾値持続時間よりも短い持続時間（例えば、１ヶ月未満）を有する時間期間と相関付けるコンテキストデータに基づいて、ユーザの異常フェーズを判定する。例えば、第１及び第２アイテムが１日以内にユーザ１３２によってアクセスされて、その後、二度と再びアクセスされることがなかった場合、フェーズモジュール２６０は、この１日が、動作１５２０で判定されたユーザ１３２の異常フェーズを表すと判定することができる。
動作１５３０は、プロファイルモジュール２３０がユーザ１３２のユーザプロファイル９００を生成する動作１０３０の一部分として実行することができる。動作１５３０において、プロファイルモジュール２３０は、ユーザプロファイル９００からクラスタ（例えば、クラスタ８３０）の名前（例えば、クラスタ名９３０）を削除する。クラスタ名の削除は、動作１５２０における、ユーザ１３２が異常フェーズを経験したという判定に基づくことができる。これは、ユーザ１３２のユーザプロファイル９００に、異常な嗜好プロファイルを含めるのを防ぐ効果を有することができる。
種々の例示的な実施形態によれば、本明細書で説明する手法の１又はそれ以上は、クラスタ化階層ディスクリプタに基づくユーザプロファイルの生成を可能にすることができる。更に、本明細書で説明する手法の１又はそれ以上は、ユーザの嗜好を正確に表す詳細な嗜好プロファイルの作成及び維持を可能にすることができる。従って、本明細書で説明する手法の１又はそれ以上は、１又はそれ以上のユーザへの１又はそれ以上の推奨サービス（例えば、個人向けメディアチャンネル、又は個人向けユーザインタフェース）、提案サービス、広告、又はマーチャンダイジング・サービスの提供を可能にし、並びに複数のユーザの間又は中でのアイテムの議論、共有、又は発見を可能にするソーシャルネットワーク機能をサポートすることができる。本明細書で説明する手法の１又はそれ以上によれば、アイテムに加えて、ユーザ（例えば、友人）、ブランド、及びコンセプトを同様に共有、発見、又は議論することができる。
これらの効果を全体として考慮すると、本明細書で説明する手法の１又はそれ以上は、そうでなければクラスタ化階層ディスクリプタに基づいてユーザプロファイルを生成して使用することを伴うはずの特定の取り組み又はリソースの必要性を排除することができる。ユーザの詳細で正確な嗜好プロファイルを取得するのに費やされる取り組みは、本明細書で説明する手法の１又はそれ以上によって低減することができる。同様に、（例えば、ネットワーク環境１００内の）１又はそれ以上のマシン、データベース、又はデバイスによって用いられるコンピューティングリソースを低減することができる。このようなコンピューティングリソースの実施例は、プロセッササイクル、ネットワークトラフィック、メモリ使用量、データストレージ容量、電力消費量、及び冷却能力を含む。
図１６は、一部の例示的な実施形態による、マシン可読媒体（例えば、マシン可読ストレージ媒体）から命令を読み出して、本明細書で議論する手法の何れか１つ又はそれ以上を全体的又は部分的に実行することができるマシン１６００の構成要素を示すブロック図である。具体的には、図１６は、マシン１６００の線図をコンピュータシステムの例示的な形式で示しており、ここで本明細書で説明する手法の何れか１つ又はそれ以上をマシン１６００に実行させるための命令１６２４（例えば、ソフトウェア、プログラム、アプリケーション、アプレット、アプリ（ａｐｐ）、又は他の実行可能コード）を実行することができる。代替の実施形態において、マシン１６００は、スタンドアロンデバイスとして動作し、又は他のマシンに接続（例えば、ネットワーク化）することができる。ネットワーク展開において、マシン１６００は、サーバ−クライアントネットワーク環境ではサーバマシン又はクライアントマシンとして、或いはピアツーピア（又は分散）ネットワーク環境ではピアマシンとして動作することができる。マシン１６００は、サーバコンピュータ、クライアントコンピュータ、パーソナルコンピュータ（ＰＣ）、タブレットコンピュータ、ラップトップコンピュータ、ネットブック、セットトップボックス（ＳＴＢ）、携帯情報端末（ＰＤＡ）、携帯電話、スマートフォン、ウェブアプライアンス、ネットワークルータ、ネットワークスイッチ、ネットワークブリッジ、又はマシンによって行われるべき動作を指定する命令１６２４をシーケンシャルに又はそれ以外の方法で実行する能力がある何れかのマシンとすることができる。更に、１つのマシンのみを図示しているが、用語「マシン」は、本明細書で説明する手法の何れか１つ又はそれ以上を実行するための命令１６２４を個別に又は共同で実行するマシン集合も含むと解釈すべきである。
マシン１６００は、プロセッサ１６０２（例えば、中央処理ユニット（ＣＰＵ））、グラフィックス処理ユニット（ＧＰＵ）、デジタルシグナルプロセッサ（ＤＳＰ）、特定用途向け集積回路（ＡＳＩＣ）、無線周波数集積回路（ＲＦＩＣ）、又はこれらの何れかの好適な組み合わせ）と、メインメモリ１６０４と、スタティックメモリ１６０６と、を含み、これらはバス１６０８を介して互いに通信するよう構成される。マシン１６００は、グラフィックスディスプレイ１６１０（例えば、プラズマディスプレイパネル（ＰＤＰ）、発光ダイオード（ＬＥＤ）ディスプレイ、液晶ディスプレイ（ＬＣＤ）、プロジェクタ、又はブラウン管（ＣＲＴ））を更に含むことができる。マシン１６００はまた、英数字入力デバイス１６１２（例えば、キーボード）と、カーソル制御デバイス１６１４（例えば、マウス、タッチパッド、トラックボール、ジョイスティック、運動センサ、又は他のポインティング手段）と、ストレージユニット１６１６と、信号発生装置１６１８（例えば、スピーカ）と、ネットワークインタフェースデバイス１６２０と、を含むことができる。
ストレージユニット１６１６は、本明細書で説明する手法又は機能のうちの何れか１つ又はそれ以上を具現化する命令１６２４が格納されたマシン可読媒体１６２２を含む。命令１６２４はまた、完全に又は少なくとも部分的にメインメモリ１６０４内、プロセッサ１６０２内（例えば、プロセッサのキャッシュメモリ内）、又はその両方でマシン１６００によるこの命令の実行中に常駐することができる。従って、メインメモリ１６０４及びプロセッサ１６０２は、マシン可読媒体とみなすことができる。命令１６２４は、ネットワークインタフェースデバイス１６２０を介してネットワーク１６２６（例えば、ネットワーク１９０）上で送受信することができる。
本明細書で使用する用語「メモリ」は、データを一時的に又は永続的に格納する能力があるマシン可読媒体を指し、限定ではないが、ランダムアクセスメモリ（ＲＡＭ）、読み取り専用メモリ（ＲＯＭ）、バッファメモリ、フラッシュメモリ、及びキャッシュメモリを含むと解釈することができる。例示的な実施形態では、マシン可読媒体１６２２を単一の媒体であるように示しているが、用語「マシン可読媒体」は、命令を格納する能力がある単一媒体又は複数媒体（例えば、集中又は分散データベース、又は関連するキャッシュ及びサーバ）を含むと解釈すべきである。用語「マシン可読媒体」はまた、マシンの１又はそれ以上のプロセッサ（例えば、プロセッサ１６０２）によって命令が実行されると、本明細書で説明する手法の何れか１つ又はそれ以上をマシンに実行させるように、マシン（例えば、マシン１６００）によって実行するための命令を格納する能力がある何れかの媒体又は複数媒体の組み合わせも含むと解釈すべきである。従って、「マシン可読媒体」は、単一のストレージ装置又はデバイス、並びに複数のストレージ装置又はデバイスを含む「クラウドベースの」ストレージシステム又はストレージネットワークを指す。従って、用語「マシン可読媒体」は、限定ではないが、固体メモリ、光学媒体、磁気媒体、又はこれらの何れかの好適な組み合わせの形式の１又はそれ以上のデータリポジトリを含むと解釈すべきである。
本明細書にわたって、単一インスタンスとして記載された構成要素、動作、又は構造を複数インスタンスで実施することができる。１又はそれ以上の方法の個々の動作を別々の動作として示して説明しているが、個々の動作の１又はそれ以上を同時に実行することができ、及びここに示した順序で動作を実行する必要はない。例示的な構成で別々の構成要素として提示した構造及び機能を、組み合わせ構造又は構成要素として実施することができる。同様に、単一の構成要素として提示した構造及び機能を、別々の構成要素として実施することができる。これらの及び他の変形、修正、追加、及び改善が、本明細書の主題の範囲内に含まれる。
特定の実施形態について、本明細書ではロジック、又は多くの構成要素、モジュール、又は機構を含むものとして説明する。モジュールは、ソフトウェアモジュール（例えば、マシン可読媒体上又は伝送信号内に具現化されたコード）又はハードウェアモジュールの何れかを構成することができる。「ハードウェアモジュール」とは、一定の動作を実行する能力がある有形のユニットで、特定の物理的方法で構成又は配置することができる。種々の例示的な実施形態において、１又はそれ以上のコンピュータシステム（例えば、スタンドアロンコンピュータシステム、クライアントコンピュータシステム、又はサーバコンピュータシステム）、或いはコンピュータシステムの１又はそれ以上のハードウェアモジュール（例えば、プロセッサ又はプロセッサグループ）は、本明細書で説明するような一定の動作を実行するよう動作するハードウェアモジュールとして、ソフトウェア（例えば、アプリケーション又はアプリケーション部分）によって構成することができる。
一部の実施形態において、ハードウェアモジュールは、機械的、電気的、又はこれらの何れかの好適な組み合わせで実施することができる。例えば、ハードウェアモジュールは、一定の動作を実行するよう永続的に構成された専用回路構成又はロジックを含むことができる。例えば、ハードウェアモジュールは、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）又はＡＳＩＣのような専用プロセッサとすることができる。ハードウェアモジュールはまた、一定の動作を実行するようソフトウェアによって一時的に構成されたプログラム可能ロジック又は回路構成を含むこともできる。例えば、ハードウェアモジュールは、汎用プロセッサ又は他のプログラム可能プロセッサ内に包含されたソフトウェアを含むことができる。専用の永続的に構成された回路構成で、又は一時的に構成された回路構成で（例えば、ソフトウェアによる構成）ハードウェアモジュールを機械的に実施するという判定は、コスト及び時間を考慮することによって決定することができる。
従って、語句「ハードウェアモジュール」とは、特定の方法で動作するために又は本明細書で説明する一定の動作を実行するために、エンティティが物理的に構築された、永続的に構成された（例えば、組み込まれた）、又は一時的に構成された（例えば、プログラムされた）ものの何れであれ、有形のエンティティを包含すると理解されるべきである。本明細書で使用するように、「ハードウェア実施のモジュール」とは、ハードウェアモジュールを指す。ハードウェアモジュールが一時的に構成された（例えば、プログラムされた）実施形態を考慮すれば、ハードウェアモジュールの各々をどの時点においても構成又はインスタンス化する必要はない。例えば、ハードウェアモジュールが、専用プロセッサになるようソフトウェアによって構成された汎用プロセッサを含む場合、汎用プロセッサは、異なる時点で、それぞれ異なる専用プロセッサ（例えば、異なるハードウェアモジュールを含む）として構成することができる。従って、ソフトウェアは、例えば、ある時点において特定のハードウェアモジュールを構築するように、及び異なる時点において異なるハードウェアモジュールを構築するようにプロセッサを構成することができる。
ハードウェアモジュールは、他のハードウェアモジュールに情報を提供し、及びそこから情報を受信することができる。従って、説明するハードウェアモジュールは、通信可能に結合されるとみなすことができる。複数のハードウェアモジュールが同時に存在する場合、通信は、ハードウェアモジュールの２又はそれ以上の間又はその中での信号伝送（例えば、好適な回路又はバス上での）を通じて行うことができる。複数のハードウェアモジュールが異なる時点で構成又はインスタンス化される実施形態では、このようなハードウェアモジュール間の通信は、例えば、複数のハードウェアモジュールがアクセスを有するメモリ構造内の情報の格納及び取得を通じて行うことができる。例えば、あるハードウェアモジュールが動作を実行して、自己が通信可能に結合されたメモリデバイスにこの動作の出力を格納することができる。その後、更なるハードウェアモジュールが、後の時点でメモリデバイスにアクセスして、格納された出力を取り出して処理することができる。ハードウェアモジュールはまた、入出力デバイスとの通信を開始することもでき、リソース（例えば、情報の集合）に対して作用することができる。
本明細書で説明する例示的な方法の種々の動作は、関連する動作を実行するよう（例えば、ソフトウェアによって）一時的に構成された又は永続的に構成された、１又はそれ以上のプロセッサによって少なくとも部分的に実行することができる。一時的又は永続的に構成されたかにかかわらず、このようなプロセッサは、本明細書で説明する１又はそれ以上の動作又は機能を実行するよう動作するプロセッサ実施のモジュールを構築することができる。本明細書で使用するように、「プロセッサ実施のモジュール」とは、１又はそれ以上のプロセッサを用いて実施されるハードウェアモジュールを指す。
同様に、本明細書で説明する方法は、少なくとも部分的にプロセッサ実施であり、プロセッサは、ハードウェアの一例である。例えば、方法の動作の少なくとも一部は、１又はそれ以上のプロセッサ又はプロセッサ実施のモジュールによって実行することができる。更に、１又はそれ以上のプロセッサはまた、「クラウドコンピューティング」環境で又は「ｓｏｆｔｗａｒｅ ａｓ ａ ｓｅｒｖｉｃｅ（ＳａａＳ）」として、関連動作の実行をサポートするよう動作することもできる。例えば、動作の少なくとも一部は、コンピュータ集合（プロセッサを含むマシンの例として）によって実行することができ、これらの動作には、ネットワーク（例えば、インターネット）を介して、及び１又はそれ以上の好適なインタフェース（例えば、アプリケーションプログラムインタフェース（ＡＰＩ））を介してアクセス可能である。
動作の一部の実行は、単一のマシン内に常駐するだけでなく、多くのマシンにわたって配置された１又はそれ以上のプロセッサの間で分散させることができる。一部の例示的な実施形態において、１又はそれ以上のプロセッサ又はプロセッサ実施のモジュールは、単一の地理的場所（例えば、ホーム環境、オフィス環境、又はサーバファーム内）に配置することができる。別の実施例示的な実施形態において、１又はそれ以上のプロセッサ又はプロセッサ実施のモジュールは、多くの地理的場所にわたって分散させることができる。
本明細書の特定の一部分は、マシンメモリ（例えば、コンピュータメモリ）内にビット又はバイナリデジタル信号として格納されたデータに対する動作のアルゴリズム又はシンボル表現という点で表現される。これらのアルゴリズム又はシンボル表現は、データ処理技術の当業者によって、自己の作業の実態を他の当業者に伝えるために用いられる技術の例である。本明細書で使用するように、「アルゴリズム」とは、所望の結果に導く、首尾一貫した一連の動作又は類似する処理である。本文脈において、アルゴリズム及び動作は、物理量の物理操作を伴う。通常、必須ではないが、このような数量は、格納、アクセス、転送、結合、比較、又は他の方法でマシンによって操作可能な電気、磁気、又は光信号の形式をとることができる。時には、主に一般的使用のために、「データ」「コンテンツ」「ビット」「値」「要素」「シンボル」「キャラクタ」「項」「数」「数字」又は同様のもののような語を用いてこのような信号を指すことは便利である。しかしながら、これらの語は、便宜上の表記にすぎず、好適な物理量と関連付けられるべきである。
他に明確に言及されていない限り、「処理」「コンピュータ処理」「計算」「判定」「提示」「表示」又は同様のもののような語を用いる本明細書の議論は、１又はそれ以上のメモリ（例えば、揮発性メモリ、不揮発性メモリ、又はこれらの何れかの好適な組み合わせ）、レジスタ、又は情報を受信、格納、送信、又は表示する他のマシン構成要素内で物理的（例えば、電子、磁気、又は光学）数量として表現されたデータを操作又は変換するマシン（例えば、コンピュータ）の動作又は処理を指すことができる。更に、他に明確に言及されていない限り、用語「ａ」又は「ａｎ」は、特許文書で一般的なように、１又はそれよりも多くの事例を含むよう、本明細書では使用される。最後に、本明細書で使用するように、接続詞「ｏｒ」は、他に明確に言及されていない限り、非排他的「ｏｒ」を指す。
以下に列挙する記述は、本明細書で議論する方法及びシステム（例えば、装置）の種々の例示的な実施形態を定義する。
１．第１アイテム及び第２アイテムを記述するメタデータ内のディスクリプタにアクセスする段階を含む方法であって、ディスクリプタ及びメタデータがメタデータモデルに対応するメタデータタイプを有し、メタデータモデルがディスクリプタをメタデータモデルの複数階層に編成し、ディスクリプタが、第１アイテムの第１ディスクリプタ及び第２アイテムの第２ディスクリプタを含み、第１ディスクリプタ及び第２ディスクリプタが、メタデータモデルの複数階層のうちの１つの階層に提示され、
本方法が更に、
メタデータモデルにおいて第１ディスクリプタ及び第２ディスクリプタが内部に提示される階層に基づいて、第１ディスクリプタ及び第２ディスクリプタがディスクリプタのクラスタのメンバであると判定する段階を含み、該判定する段階がマシンのプロセッサによって実行され、
本方法が更に、
第１ディスクリプタ及び第２ディスクリプタがメンバであるディスクリプタのクラスタに基づいてユーザプロファイルを生成する段階を含む、方法。
２．第１アイテム及び第２アイテムが、ユーザの所有物であるアイテム集合の標本である、記述１に記載の方法。
３．アイテム集合が、ユーザのメディアライブラリであり、第１アイテムが、ユーザのメディアライブラリ内の第１メディアファイルであり、第２アイテムが、ユーザのメディアライブラリ内の第２メディアファイルである、記述２に記載の方法。
４．メタデータモデルのメタデータタイプが、ジャンル、ムード、発祥、年代、テンポ、及びアーティストタイプから成るグループから選択される、記述１〜３の何れか１つに記載の方法。
５．メタデータモデルが、メタデータモデルの複数階層を含むディスクリプタの階層にディスクリプタを編成する、記述１〜４の何れか１つに記載の方法。
６．第１ディスクリプタ及び第２ディスクリプタがクラスタのメンバであると判定する段階が、第１ディスクリプタ及び第２ディスクリプタが互いに一致すると判定する段階を含む、記述１〜５の何れか１つに記載の方法。
７．第１ディスクリプタが第２ディスクリプタに一致すると判定されることに基づいて、クラスタの名前を決定する段階を更に含み、ユーザプロファイルを生成する段階が、ユーザプロファイルに対応するユーザの嗜好を記述する嗜好ディスクリプタとしてユーザプロファイル内にクラスタの名前を格納する段階を含む、記述６に記載の方法。
８．第１ディスクリプタ及び第２ディスクリプタがクラスタのメンバであると判定する段階が、第１ディスクリプタ及び第２ディスクリプタが互いに類似していると判定する段階を含む、記述１〜５の何れか１つに記載の方法。
９．第１アイテムの第３ディスクリプタが第２アイテムの第４ディスクリプタに一致すると判定されることに基づいて、クラスタの名前を決定する段階を更に含み、ユーザプロファイルを生成する段階が、ユーザプロファイルに対応するユーザの嗜好を記述する嗜好ディスクリプタとしてユーザプロファイル内にクラスタの名前を格納する段階を含む、記述８に記載の方法。
１０．第３ディスクリプタ及び第４ディスクリプタが、第１ディスクリプタ及び第２ディスクリプタのメタデータタイプを有し、第３ディスクリプタ及び第４ディスクリプタが、メタデータモデルの複数階層のうちの更なる階層に提示される、記述９に記載の方法。
１１．第３ディスクリプタ及び第４ディスクリプタが、第１ディスクリプタ及び第２ディスクリプタのメタデータタイプとは異なる更なるメタデータタイプを有し、第３ディスクリプタ及び第４ディスクリプタが、メタデータモデルには存在せず、更なるメタデータタイプに対応する更なるメタデータモデル内に提示される、記述９に記載の方法。
１２．第１ディスクリプタ及び第２ディスクリプタが内部に提示される階層は、メタデータモデルの複数階層のうちの更なる階層の更なる重みを超える重みを有することをメタデータモデルが示しており、第１ディスクリプタ及び第２ディスクリプタがクラスタのメンバであると判定する段階が、階層の重みが更なる階層の更なる重みを超えることに基づいている、記述１〜１１の何れか１つに記載の方法。
１３．メタデータモデルが、第１ディスクリプタ及び第２ディスクリプタが提示される階層の重みよりも最上位階層が低く重み付けされる複数階層の階層構造を含む、記述１２に記載の方法。
１４．第１アイテム及び第２アイテムをユーザの複数の場所及びユーザのバイオメトリック状態と相関付けるコンテキストデータに基づいて、ユーザの行動を判定する段階を更に含み、ユーザプロファイルを生成する段階が、ユーザの複数の場所及びバイオメトリック状態に基づいて判定された行動に対応するようにユーザプロファイル内にクラスタの名前を格納する段階を含む、記述１〜１３の何れか１つに記載の方法。
１５．第１アイテム及び第２アイテムを曜日及び時刻と相関付けるコンテキストデータに基づいて、ユーザの行動を判定する段階を更に含み、ユーザプロファイルを生成する段階が、曜日及び時刻に基づいて判定された行動に対応するようにユーザプロファイル内にクラスタの名前を格納する段階を含む、記述１〜１４の何れか１つに記載の方法。
１６．第１アイテム及び第２アイテムを閾値持続時間よりも短い持続時間を有する時間期間と相関付けるコンテキストデータに基づいて、ユーザの異常フェーズを判定する段階を更に含み、ユーザプロファイルを生成する段階が、ユーザプロファイルからクラスタの名前を削除する段階を含む、記述１〜１５の何れか１つに記載の方法。
１７．マシンの１又はそれ以上のプロセッサによって実行されたときに、マシンに動作を実行させる命令を含む非一時的マシン可読ストレージ媒体であって、上記動作が、第１アイテム及び第２アイテムを記述するメタデータ内のディスクリプタにアクセスする段階を含み、ディスクリプタ及びメタデータがメタデータモデルに対応するメタデータタイプを有し、メタデータモデルが、ディスクリプタをメタデータモデルの複数階層に編成し、ディスクリプタが、第１アイテムの第１ディスクリプタ及び第２アイテムの第２ディスクリプタを含み、第１ディスクリプタ及び第２ディスクリプタが、メタデータモデルの複数階層のうちの１つの階層に提示され、上記動作が更に、
メタデータモデルにおいて第１ディスクリプタ及び第２ディスクリプタが内部に提示される階層に基づいて、第１ディスクリプタ及び第２ディスクリプタがディスクリプタのクラスタのメンバであると判定する段階を含み、該判定する段階が、マシンの１又はそれ以上のプロセッサによって実行され、
上記動作が更に、
第１ディスクリプタ及び第２ディスクリプタがメンバであるディスクリプタのクラスタに基づいてユーザプロファイルを生成する段階を含む、非一時的マシン可読ストレージ媒体。
１８．第１ディスクリプタ及び第２ディスクリプタが内部に提示される階層が、メタデータモデルの複数階層のうちの更なる階層の更なる重みを超える重みを有しており、第１ディスクリプタ及び第２ディスクリプタがクラスタのメンバであると判定する段階が、階層の重みが更なる階層の更なる重みを超えることに基づいている、記述１７に記載の非一時的マシン可読ストレージ媒体。
１９．システムは、第１アイテム及び第２アイテムを記述するメタデータ内のディスクリプタにアクセスするよう構成されたアクセスモジュールを備え、ディスクリプタ及びメタデータがメタデータモデルに対応するメタデータタイプを有し、該メタデータモデルがディスクリプタをメタデータモデルの複数階層に編成し、該ディスクリプタが、第１アイテムの第１ディスクリプタ及び第２アイテムの第２ディスクリプタを含み、第１ディスクリプタ及び第２ディスクリプタが、メタデータモデルの複数階層のうちの１つの階層に提示され、本システムが更に、
メタデータモデルにおいて第１ディスクリプタ及び第２ディスクリプタが内部に提示される階層に基づいて、第１ディスクリプタ及び第２ディスクリプタがディスクリプタのクラスタのメンバであると判定するようクラスタモジュールによって構成されたプロセッサと、
第１ディスクリプタ及び第２ディスクリプタがメンバであるディスクリプタのクラスタに基づいてユーザプロファイルを生成するよう構成されたプロファイルモジュールと、を備える。
２０．第１ディスクリプタ及び第２ディスクリプタが内部に提示される階層が、メタデータモデルの複数階層のうちの更なる階層の更なる重みを超える重みを有することをメタデータモデルが示しており、クラスタモジュールが、階層の重みが更なる階層の更なる重みを超えることに基づいて、第１ディスクリプタ及び第２ディスクリプタがクラスタのメンバであると判定するようプロセッサを構成する、記述１９に記載のシステム。
３００ メタデータモデル
３１０ ディスクリプタ
３１１ ディスクリプタ
３１２ ディスクリプタ
３１３ ディスクリプタ
３１４ ディスクリプタ
３１５ ディスクリプタ
３１６ ディスクリプタ
３２０ ディスクリプタ

Claims (12)

  1. 第１アイテム及び第２アイテムを記述するメタデータ内のディスクリプタにアクセスする段階を含む方法であって、前記ディスクリプタがメタデータモデルに対応するメタデータタイプを有し、該メタデータモデルが前記ディスクリプタを前記メタデータモデルの複数階層に編成し、前記ディスクリプタが前記第１アイテムの第１ディスクリプタ及び前記第２アイテムの第２ディスクリプタを含み、前記第１ディスクリプタ及び前記第２ディスクリプタが前記メタデータモデルの前記複数階層のうちの１つの階層に提示され、
    前記方法が更に、
    前記第１ディスクリプタ及び前記第２ディスクリプタが前記メタデータモデルの前記複数階層のうちの共通の階層に提示されていることに基づいて、前記第１ディスクリプタ及び前記第２ディスクリプタがディスクリプタのクラスタのメンバであると判定する段階を含み、
    前記判定する段階がマシンのプロセッサによって実行され、
    前記方法が更に、
    前記第１ディスクリプタ及び前記第２ディスクリプタがメンバである前記ディスクリプタのクラスタに基づいてユーザプロファイルを生成する段階を含む、方法。
  2. 前記メタデータモデルが、前記メタデータモデルの前記複数階層を含むディスクリプタの階層構造に前記ディスクリプタを編成する、請求項１に記載の方法。
  3. 前記第１ディスクリプタ及び前記第２ディスクリプタが前記クラスタのメンバであると判定する前記段階が、前記第１ディスクリプタ及び前記第２ディスクリプタが互いに類似していると判定する段階を含む、請求項１に記載の方法。
  4. 前記メタデータモデルは、前記共通の階層が前記メタデータモデルの前記複数階層のうちの前記共通の階層とは異なる他の階層の重みを超える重みを有することを示しており、
    前記第１ディスクリプタ及び前記第２ディスクリプタが前記クラスタのメンバであると判定する前記段階が、前記共通の階層の重みが前記他の階層の重みを超えることに基づいている、請求項１に記載の方法。
  5. 前記メタデータモデルが、前記共通の階層の重みよりも最上位階層が低く重み付けされる前記複数階層の階層構造を含む、請求項４に記載の方法。
  6. 前記第１アイテム及び前記第２アイテムをユーザの複数の場所及び前記ユーザのバイオメトリック状態と相関付けるコンテキストデータに基づいて、前記ユーザの行動を判定する段階を更に含み、
    前記ユーザプロファイルを生成する前記段階が、前記ユーザの前記複数の場所及び前記バイオメトリック状態に基づいて判定された前記行動に対応するように前記ユーザプロファイル内に前記クラスタの名前を格納する段階を含む、請求項１に記載の方法。
  7. 前記第１アイテム及び前記第２アイテムを曜日及び時刻と相関付けるコンテキストデータに基づいて、前記ユーザの行動を判定する段階を更に含み、
    前記ユーザプロファイルを生成する前記段階が、前記曜日及び前記時刻に基づいて判定された前記行動に対応するように前記ユーザプロファイル内に前記クラスタの名前を格納する段階を含む、請求項１に記載の方法。
  8. 前記第１アイテム及び前記第２アイテムを閾値持続時間よりも短い持続時間を有する時間期間と相関付けるコンテキストデータに基づいて、前記ユーザの異常フェーズを判定する段階を更に含み、
    前記ユーザプロファイルを生成する前記段階が、前記ユーザプロファイルから前記クラスタの名前を削除する段階を含む、請求項１に記載の方法。
  9. マシンの１又はそれ以上のプロセッサによって実行されたときに、前記マシンに動作を実行させる命令を含む非一時的マシン可読ストレージ媒体であって、
    前記動作が、
    第１アイテム及び第２アイテムを記述するメタデータ内のディスクリプタにアクセスする段階を含み、前記ディスクリプタがメタデータモデルに対応するメタデータタイプを有し、該メタデータモデルが前記ディスクリプタを前記メタデータモデルの複数階層に編成し、前記ディスクリプタが前記第１アイテムの第１ディスクリプタ及び前記第２アイテムの第２ディスクリプタを含み、前記第１ディスクリプタ及び前記第２ディスクリプタが前記メタデータモデルの前記複数階層のうちの１つの階層に提示され、
    前記動作が更に、
    前記第１ディスクリプタ及び前記第２ディスクリプタが前記メタデータモデルの前記複数階層のうちの共通の階層に提示されていることに基づいて、前記第１ディスクリプタ及び前記第２ディスクリプタがディスクリプタのクラスタのメンバであると判定する段階を含み、前記判定する段階が前記マシンの前記１又はそれ以上のプロセッサによって実行され、
    前記動作が更に、
    前記第１ディスクリプタ及び前記第２ディスクリプタがメンバである前記ディスクリプタのクラスタに基づいてユーザプロファイルを生成する段階を含む、ことを特徴とする非一時的マシン可読ストレージ媒体。
  10. 前記メタデータモデルは、前記共通の階層が前記メタデータモデルの前記複数階層のうちの前記共通の階層とは異なる他の階層の重みを超える重みを有することを示しており、
    前記第１ディスクリプタ及び前記第２ディスクリプタが前記クラスタのメンバであると判定する前記段階が、前記共通の階層の重みが前記他の階層の重みを超えることに基づいている、請求項９に記載の非一時的マシン可読ストレージ媒体。
  11. システムであって、
    第１アイテム及び第２アイテムを記述するメタデータ内のディスクリプタにアクセスするアクセスモジュールを備え、前記ディスクリプタがメタデータモデルに対応するメタデータタイプを有し、該メタデータモデルが前記ディスクリプタを前記メタデータモデルの複数階層に編成し、前記ディスクリプタが、前記第１アイテムの第１ディスクリプタ及び前記第２アイテムの第２ディスクリプタを含み、前記第１ディスクリプタ及び前記第２ディスクリプタが、前記メタデータモデルの前記複数階層のうちの１つの階層に提示され、
    前記システムが更に、
    前記第１ディスクリプタ及び前記第２ディスクリプタが前記メタデータモデルの前記複数階層のうちの共通の階層に提示されていることに基づいて、前記第１ディスクリプタ及び前記第２ディスクリプタがディスクリプタのクラスタのメンバであると判定するようクラスタモジュールによって構成されたプロセッサと、
    前記第１ディスクリプタ及び前記第２ディスクリプタがメンバである前記ディスクリプタのクラスタに基づいてユーザプロファイルを生成するプロファイルモジュールと、
    を備える、システム。
  12. 前記メタデータモデルは、前記共通の階層が前記メタデータモデルの前記複数階層のうちの前記共通の階層とは異なる他の階層の重みを超える重みを有することを示しており、
    前記プロセッサが、前記共通の階層の重みが前記他の階層の重みを超えることに基づいて、前記第１ディスクリプタ及び前記第２ディスクリプタが前記クラスタのメンバであると判定する、請求項１１に記載のシステム。
JP2015531940A 2012-09-12 2013-08-19 クラスタ化階層ディスクリプタに基づくユーザプロファイル Active JP6288683B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/611,740 US10140372B2 (en) 2012-09-12 2012-09-12 User profile based on clustering tiered descriptors
US13/611,740 2012-09-12
PCT/US2013/055576 WO2014042826A2 (en) 2012-09-12 2013-08-19 User profile based on clustering tiered descriptors

Publications (3)

Publication Number Publication Date
JP2015534174A JP2015534174A (ja) 2015-11-26
JP2015534174A5 JP2015534174A5 (ja) 2016-10-06
JP6288683B2 true JP6288683B2 (ja) 2018-03-07

Family

ID=50234428

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015531940A Active JP6288683B2 (ja) 2012-09-12 2013-08-19 クラスタ化階層ディスクリプタに基づくユーザプロファイル

Country Status (7)

Country Link
US (4) US10140372B2 (ja)
EP (2) EP3543872A1 (ja)
JP (1) JP6288683B2 (ja)
KR (1) KR102284383B1 (ja)
CA (1) CA2884534A1 (ja)
IL (1) IL237605A0 (ja)
WO (1) WO2014042826A2 (ja)

Families Citing this family (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10419541B2 (en) 2008-11-26 2019-09-17 Free Stream Media Corp. Remotely control devices over a network without authentication or registration
US10334324B2 (en) 2008-11-26 2019-06-25 Free Stream Media Corp. Relevant advertisement generation based on a user operating a client device communicatively coupled with a networked media device
US9519772B2 (en) 2008-11-26 2016-12-13 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US10880340B2 (en) 2008-11-26 2020-12-29 Free Stream Media Corp. Relevancy improvement through targeting of information based on data gathered from a networked device associated with a security sandbox of a client device
US9986279B2 (en) 2008-11-26 2018-05-29 Free Stream Media Corp. Discovery, access control, and communication with networked services
US10567823B2 (en) 2008-11-26 2020-02-18 Free Stream Media Corp. Relevant advertisement generation based on a user operating a client device communicatively coupled with a networked media device
US10977693B2 (en) 2008-11-26 2021-04-13 Free Stream Media Corp. Association of content identifier of audio-visual data with additional data through capture infrastructure
US10631068B2 (en) 2008-11-26 2020-04-21 Free Stream Media Corp. Content exposure attribution based on renderings of related content across multiple devices
US9154942B2 (en) 2008-11-26 2015-10-06 Free Stream Media Corp. Zero configuration communication between a browser and a networked media device
US8180891B1 (en) 2008-11-26 2012-05-15 Free Stream Media Corp. Discovery, access control, and communication with networked services from within a security sandbox
US9961388B2 (en) 2008-11-26 2018-05-01 David Harrison Exposure of public internet protocol addresses in an advertising exchange server to improve relevancy of advertisements
US10140372B2 (en) 2012-09-12 2018-11-27 Gracenote, Inc. User profile based on clustering tiered descriptors
US20160261921A1 (en) * 2012-11-21 2016-09-08 Dante Consulting, Inc Context based shopping capabilities when viewing digital media
US9830931B2 (en) * 2015-12-31 2017-11-28 Harman International Industries, Incorporated Crowdsourced database for sound identification
US10861045B2 (en) * 2016-09-07 2020-12-08 Tivo Solutions Inc. Automatically labeling clusters of media content consumers
CN110110237A (zh) * 2017-12-19 2019-08-09 福建天泉教育科技有限公司 用户兴趣信息推荐方法、存储介质
US11200536B2 (en) * 2018-09-07 2021-12-14 Texas Tech University System Systems and methods for predictively managing collections of items
CN110275986B (zh) * 2019-04-23 2022-02-11 深圳市傲天科技股份有限公司 基于协同过滤的视频推荐方法、服务器及计算机存储介质
US11403649B2 (en) 2019-09-11 2022-08-02 Toast, Inc. Multichannel system for patron identification and dynamic ordering experience enhancement
CN112001384A (zh) * 2020-08-14 2020-11-27 广州掌淘网络科技有限公司 商圈识别的方法及设备

Family Cites Families (90)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5758257A (en) 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US5616876A (en) 1995-04-19 1997-04-01 Microsoft Corporation System and methods for selecting music on the basis of subjective content
US6049777A (en) 1995-06-30 2000-04-11 Microsoft Corporation Computer-implemented collaborative filtering based method for recommending an item to a user
US6317722B1 (en) 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US6411724B1 (en) 1999-07-02 2002-06-25 Koninklijke Philips Electronics N.V. Using meta-descriptors to represent multimedia information
US7212972B2 (en) * 1999-12-08 2007-05-01 Ddi Corporation Audio features description method and audio video features description collection construction method
US6389467B1 (en) 2000-01-24 2002-05-14 Friskit, Inc. Streaming media search and continuous playback system of media resources located by multiple network addresses
US7076561B1 (en) 2000-03-08 2006-07-11 Music Choice Personalized audio system and method
US8352331B2 (en) 2000-05-03 2013-01-08 Yahoo! Inc. Relationship discovery engine
US7075000B2 (en) 2000-06-29 2006-07-11 Musicgenome.Com Inc. System and method for prediction of musical preferences
EP1297471A1 (en) 2000-06-29 2003-04-02 Musicgenome.Com Inc. Using a system for prediction of musical preferences for the distribution of musical content over cellular networks
US7206775B2 (en) 2000-07-06 2007-04-17 Microsoft Corporation System and methods for the automatic transmission of new, high affinity media
EP1215834A1 (en) * 2000-12-15 2002-06-19 Sony France S.A. Information sequence extraction and building apparatus e.g. for producing personalised music title sequences
US6928433B2 (en) * 2001-01-05 2005-08-09 Creative Technology Ltd Automatic hierarchical categorization of music by metadata
AU2002355530A1 (en) * 2001-08-03 2003-02-24 John Allen Ananian Personalized interactive digital catalog profiling
EP1860579A1 (en) 2002-08-30 2007-11-28 Sony Deutschland Gmbh Method to split a multiuser profile
US20040073924A1 (en) 2002-09-30 2004-04-15 Ramesh Pendakur Broadcast scheduling and content selection based upon aggregated user profile information
US7657907B2 (en) 2002-09-30 2010-02-02 Sharp Laboratories Of America, Inc. Automatic user profiling
US8053659B2 (en) 2002-10-03 2011-11-08 Polyphonic Human Media Interface, S.L. Music intelligence universe server
US7081579B2 (en) 2002-10-03 2006-07-25 Polyphonic Human Media Interface, S.L. Method and system for music recommendation
US20040254950A1 (en) * 2003-06-13 2004-12-16 Musgrove Timothy A. Catalog taxonomy for storing product information and system and method using same
US8019659B2 (en) * 2003-05-02 2011-09-13 Cbs Interactive Inc. Catalog taxonomy for storing product information and system and method using same
KR100493902B1 (ko) * 2003-08-28 2005-06-10 삼성전자주식회사 콘텐츠 추천방법 및 시스템
US7693827B2 (en) 2003-09-30 2010-04-06 Google Inc. Personalization of placed content ordering in search results
US7884274B1 (en) 2003-11-03 2011-02-08 Wieder James W Adaptive personalized music and entertainment
US7257571B2 (en) * 2004-01-26 2007-08-14 Microsoft Corporation Automatic query clustering
WO2005072405A2 (en) 2004-01-27 2005-08-11 Transpose, Llc Enabling recommendations and community by massively-distributed nearest-neighbor searching
JP4492214B2 (ja) * 2004-05-24 2010-06-30 ソニー株式会社 情報処理装置および方法、並びにプログラム
WO2006011102A1 (en) * 2004-07-22 2006-02-02 Koninklijke Philips Electronics N.V. Determining a similarity between ontology concepts
US20060075013A1 (en) * 2004-09-03 2006-04-06 Hite Thomas D System and method for relating computing systems
GB0512435D0 (en) * 2005-06-17 2005-07-27 Queen Mary & Westfield College An ontology-based approach to information management for semantic music analysis systems
US7603360B2 (en) 2005-09-14 2009-10-13 Jumptap, Inc. Location influenced search results
JP2007164545A (ja) 2005-12-14 2007-06-28 Sony Corp 嗜好プロファイル生成装置、嗜好プロファイル生成方法及びプロファイル生成プログラム
US7437373B2 (en) * 2006-03-06 2008-10-14 The Real Time Matrix Corporation Method and system for correlating information
US7529741B2 (en) * 2006-03-06 2009-05-05 Veveo, Inc. Methods and systems for segmenting relative user preferences into fine-grain and coarse-grain collections
US7908273B2 (en) * 2006-03-09 2011-03-15 Gracenote, Inc. Method and system for media navigation
WO2007109095A1 (en) 2006-03-17 2007-09-27 Vervelife System and method for creating custom playlists based on user inputs
US7974984B2 (en) * 2006-04-19 2011-07-05 Mobile Content Networks, Inc. Method and system for managing single and multiple taxonomies
US7844557B2 (en) * 2006-05-16 2010-11-30 Sony Corporation Method and system for order invariant clustering of categorical data
US7640220B2 (en) * 2006-05-16 2009-12-29 Sony Corporation Optimal taxonomy layer selection method
US8930204B1 (en) 2006-08-16 2015-01-06 Resource Consortium Limited Determining lifestyle recommendations using aggregated personal information
JP4910582B2 (ja) * 2006-09-12 2012-04-04 ソニー株式会社 情報処理装置および方法、並びに、プログラム
CA2989780C (en) 2006-09-14 2022-08-09 Veveo, Inc. Methods and systems for dynamically rearranging search results into hierarchically organized concept clusters
WO2008097891A2 (en) * 2007-02-02 2008-08-14 Musgrove Technology Enterprises Llc Method and apparatus for aligning multiple taxonomies
US20090013260A1 (en) 2007-07-06 2009-01-08 Martin Keith D Intelligent music track selection in a networked environment
US8452725B2 (en) * 2008-09-03 2013-05-28 Hamid Hatami-Hanza System and method of ontological subject mapping for knowledge processing applications
US20090063537A1 (en) 2007-08-30 2009-03-05 Motorola, Inc. Method and apparatus for generating a user profile
US20090077094A1 (en) * 2007-09-17 2009-03-19 Yan Bodain Method and system for ontology modeling based on the exchange of annotations
US20100185700A1 (en) * 2007-09-17 2010-07-22 Yan Bodain Method and system for aligning ontologies using annotation exchange
JP5294294B2 (ja) * 2007-11-30 2013-09-18 日本電気株式会社 コンテンツ選択支援装置、コンテンツ選択支援方法及びそのプログラム
US9081853B2 (en) 2008-04-03 2015-07-14 Graham Holdings Company Information display system based on user profile data with assisted and explicit profile modification
CN102084361A (zh) * 2008-04-13 2011-06-01 艾法罗媒体有限责任公司 媒体资产管理
US20090299945A1 (en) 2008-06-03 2009-12-03 Strands, Inc. Profile modeling for sharing individual user preferences
US8959108B2 (en) 2008-06-18 2015-02-17 Zeitera, Llc Distributed and tiered architecture for content search and content monitoring
US8214346B2 (en) 2008-06-27 2012-07-03 Cbs Interactive Inc. Personalization engine for classifying unstructured documents
US11461785B2 (en) 2008-07-10 2022-10-04 Ron M. Redlich System and method to identify, classify and monetize information as an intangible asset and a production model based thereon
US20100100826A1 (en) 2008-10-17 2010-04-22 Louis Hawthorne System and method for content customization based on user profile
US8271413B2 (en) * 2008-11-25 2012-09-18 Google Inc. Providing digital content based on expected user behavior
US8751494B2 (en) * 2008-12-15 2014-06-10 Rovi Technologies Corporation Constructing album data using discrete track data from multiple sources
KR101142679B1 (ko) * 2009-01-23 2012-05-03 삼성전자주식회사 생체 신호를 이용한 음악 검색 장치 및 그 방법
US20100205222A1 (en) 2009-02-10 2010-08-12 Tom Gajdos Music profiling
US20100268735A1 (en) * 2009-04-17 2010-10-21 Microsoft Corporation Online content service with catalog-based interaction
US20100281025A1 (en) * 2009-05-04 2010-11-04 Motorola, Inc. Method and system for recommendation of content items
US8805854B2 (en) 2009-06-23 2014-08-12 Gracenote, Inc. Methods and apparatus for determining a mood profile associated with media data
US8713078B2 (en) * 2009-08-13 2014-04-29 Samsung Electronics Co., Ltd. Method for building taxonomy of topics and categorizing videos
US20110060738A1 (en) 2009-09-08 2011-03-10 Apple Inc. Media item clustering based on similarity data
US9069848B2 (en) * 2009-09-29 2015-06-30 International Business Machines Corporation Automatic taxonomy enrichment
US20110093361A1 (en) 2009-10-20 2011-04-21 Lisa Morales Method and System for Online Shopping and Searching For Groups Of Items
US10102278B2 (en) 2010-02-03 2018-10-16 Gartner, Inc. Methods and systems for modifying a user profile for a recommendation algorithm and making recommendations based on user interactions with items
US8903794B2 (en) * 2010-02-05 2014-12-02 Microsoft Corporation Generating and presenting lateral concepts
US8352483B1 (en) * 2010-05-12 2013-01-08 A9.Com, Inc. Scalable tree-based search of content descriptors
US9792640B2 (en) 2010-08-18 2017-10-17 Jinni Media Ltd. Generating and providing content recommendations to a group of users
US8478519B2 (en) * 2010-08-30 2013-07-02 Google Inc. Providing results to parameterless search queries
US9177041B2 (en) * 2010-09-03 2015-11-03 Robert Lewis Jackson, JR. Automated stratification of graph display
US9280574B2 (en) * 2010-09-03 2016-03-08 Robert Lewis Jackson, JR. Relative classification of data objects
WO2012038007A2 (en) 2010-09-24 2012-03-29 Telefonica, S.A. Method for context-aware content recommendations using user contextual micro-profiles pre-filtering and collaborative filtering
WO2012064759A1 (en) * 2010-11-09 2012-05-18 Myusic, Inc. Displaying, exploring, discovering, recommending, and playing back media files based on user preferences
WO2012088374A1 (en) 2010-12-22 2012-06-28 Thomson Licensing Method and system for providing media recommendations
US8484245B2 (en) * 2011-02-08 2013-07-09 Xerox Corporation Large scale unsupervised hierarchical document categorization using ontological guidance
US8489639B2 (en) * 2011-03-04 2013-07-16 Accenture Global Services Limited Information source alignment
US9552425B2 (en) * 2011-06-02 2017-01-24 Ebay Inc. System and method for determining query aspects at appropriate category levels
US8620931B2 (en) * 2011-06-24 2013-12-31 Siemens Aktiengesellschaft Method of composing an ontology alignment
US8655882B2 (en) * 2011-08-31 2014-02-18 Raytheon Company Method and system for ontology candidate selection, comparison, and alignment
US8671068B2 (en) * 2011-09-22 2014-03-11 Toyota Jidosha Kabushiki Kaisha Content recommendation system
US9110998B2 (en) * 2011-12-22 2015-08-18 Google Technology Holdings LLC Hierarchical behavioral profile
US8943004B2 (en) * 2012-02-08 2015-01-27 Adam Treiser Tools and methods for determining relationship values
WO2013130834A1 (en) 2012-03-01 2013-09-06 Qloo, Inc. Personalized cross-domain recommender system
US10140372B2 (en) 2012-09-12 2018-11-27 Gracenote, Inc. User profile based on clustering tiered descriptors
US10504156B2 (en) 2012-10-23 2019-12-10 Apple Inc. Personalized media stations
US9454604B2 (en) * 2013-03-15 2016-09-27 Futurewei Technologies, Inc. Motion-based music recommendation for mobile devices

Also Published As

Publication number Publication date
US20240134921A1 (en) 2024-04-25
KR102284383B1 (ko) 2021-08-03
US10949482B2 (en) 2021-03-16
IL237605A0 (en) 2015-04-30
KR20150054861A (ko) 2015-05-20
EP3543872A1 (en) 2019-09-25
US11886521B2 (en) 2024-01-30
US20140074839A1 (en) 2014-03-13
EP2895971A4 (en) 2016-05-04
EP2895971A2 (en) 2015-07-22
WO2014042826A3 (en) 2014-05-08
CA2884534A1 (en) 2014-03-20
WO2014042826A2 (en) 2014-03-20
US20190050488A1 (en) 2019-02-14
JP2015534174A (ja) 2015-11-26
US20210200825A1 (en) 2021-07-01
US10140372B2 (en) 2018-11-27

Similar Documents

Publication Publication Date Title
JP6288683B2 (ja) クラスタ化階層ディスクリプタに基づくユーザプロファイル
US10332133B2 (en) System and methods for filtering based on social media
AU2020250246B2 (en) Media service
US11023441B2 (en) Distributed storage and processing of hierarchical data structures
US10095771B1 (en) Clustering and recommending items based upon keyword analysis
US10872110B2 (en) Systems, apparatuses, methods and computer-readable medium for automatically generating playlists based on taste profiles
US9563705B2 (en) Re-ranking results in a search
US20140067535A1 (en) Concept-level User Intent Profile Extraction and Applications
WO2014146265A1 (en) Method and apparatus for personalized resource recommendations
US20130332462A1 (en) Generating content recommendations
US20160299906A1 (en) Content Item Recommendations Based On Content Attribute Sequence
US20230008201A1 (en) Automated Content Medium Selection
US20140351052A1 (en) Contextual Product Recommendation Engine
US11803588B2 (en) Audiovisual content curation system
US10474670B1 (en) Category predictions with browse node probabilities
US20220027776A1 (en) Content cold-start machine learning system
US9792003B1 (en) Dynamic format selection and delivery
US20140006444A1 (en) Other user content-based collaborative filtering
US20170103073A1 (en) Identifying Expert Reviewers
US20180196807A1 (en) Alternative search methodology
US10572926B1 (en) Using artificial intelligence to efficiently identify significant items in a database
US20220027373A1 (en) Intuitive content search results suggestion system
Suvarna et al. Context Aware Service Information Extraction from Bigdata
WO2022020403A2 (en) Content cold-start machine learning and intuitive content search results suggestion system
Allaparthi Vacation Package Recommender System

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20160818

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160818

RD03 Notification of appointment of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7423

Effective date: 20170808

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20170808

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170825

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20170808

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170919

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171219

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: 20180109

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180131

R150 Certificate of patent or registration of utility model

Ref document number: 6288683

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250