JP6367289B2 - オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト - Google Patents
オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト Download PDFInfo
- Publication number
- JP6367289B2 JP6367289B2 JP2016184612A JP2016184612A JP6367289B2 JP 6367289 B2 JP6367289 B2 JP 6367289B2 JP 2016184612 A JP2016184612 A JP 2016184612A JP 2016184612 A JP2016184612 A JP 2016184612A JP 6367289 B2 JP6367289 B2 JP 6367289B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- modification
- correction
- users
- exposure
- 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
Links
- 238000012937 correction Methods 0.000 claims description 119
- 238000012986 modification Methods 0.000 claims description 99
- 230000004048 modification Effects 0.000 claims description 99
- 230000000694 effects Effects 0.000 claims description 90
- 238000000034 method Methods 0.000 claims description 67
- 230000015654 memory Effects 0.000 claims description 31
- 238000003860 storage Methods 0.000 claims description 28
- 230000006870 function Effects 0.000 claims description 26
- 239000013598 vector Substances 0.000 claims description 22
- 238000009826 distribution Methods 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 13
- 230000006399 behavior Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 6
- 238000000926 separation method Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 description 152
- 230000009471 action Effects 0.000 description 61
- 238000012360 testing method Methods 0.000 description 31
- 230000004044 response Effects 0.000 description 27
- 230000036961 partial effect Effects 0.000 description 22
- 238000004891 communication Methods 0.000 description 21
- 238000004364 calculation method Methods 0.000 description 13
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000013459 approach Methods 0.000 description 5
- 230000003416 augmentation Effects 0.000 description 5
- 230000001413 cellular effect Effects 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 235000008694 Humulus lupulus Nutrition 0.000 description 3
- 238000013475 authorization Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012552 review Methods 0.000 description 3
- 238000013515 script Methods 0.000 description 3
- 239000008186 active pharmaceutical agent Substances 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 description 1
- 239000000872 buffer Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010422 painting Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0244—Optimization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
- H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications
Description
図1は、ソーシャルネットワーキング・システムに関連付けられている例示的なネットワーク環境100を示している。ネットワーク環境100は、ネットワーク110によって互いにつながっているクライアント・システム130、ソーシャルネットワーキング・システム160、およびサードパーティ・システム170を含む。図1は、クライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110の特定の構成を示しているが、本開示は、クライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110の任意の適切な構成を想定している。限定ではなく、例として、クライアント・システム130、ソーシャルネットワーキング・システム160、およびサードパーティ・システム170のうちの複数は、ネットワーク110を迂回して、互いに直接つながることが可能である。別の例として、クライアント・システム130、ソーシャルネットワーキング・システム160、およびサードパーティ・システム170のうちの複数は、物理的にまたは論理的に、全体としてまたは部分的に互いに同一場所に配置されることが可能である。その上、図1は、特定の数のクライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110を示しているが、本開示は、任意の適切な数のクライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110を想定している。限定ではなく、例として、ネットワーク環境100は、複数のクライアント・システム130、ソーシャルネットワーキング・システム160、サードパーティ・システム170、およびネットワーク110を含むことができる。
ットワーク(WAN)、ワイヤレスWAN(WWAN)、メトロポリタン・エリア・ネットワーク(MAN)、インターネットの一部分、公衆交換電話網(PSTN)の一部分、セルラー電話ネットワーク、またはこれらのうちの複数の組合せを含むことができる。ネットワーク110は、1つまたは複数のネットワーク110を含むことができる。
ーザに提示するためにサーバからのHTMLファイルに基づいてウェブページをレンダリングすることができる。本開示は、任意の適切なウェブページ・ファイルを想定している。限定ではなく、例として、ウェブページは、特定のニーズに従って、HTMLファイル、拡張可能ハイパー・テキスト・マークアップ言語(XHTML)ファイル、または拡張可能マークアップ言語(XML)ファイルからレンダリングすることができる。そのようなページは、限定ではなく、例として、JAVASCRIPT(登録商標)、JAVA(登録商標)、MICROSOFT SILVERLIGHTで書かれたスクリプトなどのスクリプト、AJAX(Asynchronous JAVASCRIPT(登録商標)
and XML)などのマークアップ言語とスクリプトの組合せなどを実行することもできる。本明細書においては、ウェブページへの参照は、適切な場合には、1つまたは複数の対応するウェブページ・ファイル(そのウェブページをレンダリングするためにブラウザが使用することができる)を含み、その逆もまた同様である。
・ノード(それぞれが、特定のコンセプトに対応している)を含むことができる)と、ノード同士をつなげる複数のエッジとを含むことができる。ソーシャルネットワーキング・システム160は、オンライン・ソーシャル・ネットワークのユーザに、その他のユーザと通信および対話する能力を提供することができる。特定の実施形態においては、ユーザたちは、ソーシャルネットワーキング・システム160を介してオンライン・ソーシャル・ネットワークに参加し、次いで、自分たちがつながりたいと望むソーシャルネットワーキング・システム160のその他の複数のユーザにつながり(例えば、関係)を付加することができる。本明細書においては、「友達」という用語は、ユーザがソーシャルネットワーキング・システム160を介して、つながり、関連付け、または関係を形成しているソーシャルネットワーキング・システム160のその他の任意のユーザを指すことができる。
学歴を有しているか、または何らかの形で関連しているか、もしくは共通の属性を共有しているユーザ同士を示すことができる。つながり情報は、さまざまなユーザおよびコンテンツ(内部および外部の両方)の間におけるユーザ定義のつながりを含むこともできる。ネットワーク110を介してソーシャルネットワーキング・システム160を1つもしくは複数のクライアント・システム130または1つもしくは複数のサードパーティ・システム170にリンクさせるために、ウェブ・サーバが使用されることが可能である。ウェブ・サーバは、ソーシャルネットワーキング・システム160と、1つまたは複数のクライアント・システム130との間においてメッセージを受け取って回送するためにメール・サーバまたはその他のメッセージング機能を含むことができる。API要求サーバは、サードパーティ・システム170が、1つまたは複数のAPIを呼び出すことによってソーシャルネットワーキング・システム160からの情報にアクセスすることを可能にすることができる。ソーシャルネットワーキング・システム160の上のまたは外のユーザのアクションに関してウェブ・サーバから通信を受け取るために、アクション・ロガーが使用されることが可能である。アクション・ログとともに、サードパーティコンテンツ・オブジェクトへのユーザの露出についてのサードパーティコンテンツオブジェクト・ログが保持されることが可能である。通知コントローラは、コンテンツ・オブジェクトに関する情報をクライアント・システム130に提供することができる。情報は、通知としてクライアント・システム130へ押し出されることが可能であり、または情報は、クライアント・システム130から受け取られた要求に応答してクライアント・システム130から引き出されることが可能である。ソーシャルネットワーキング・システム160のユーザの1つまたは複数のプライバシー設定を実施するために、認可サーバが使用されることが可能である。ユーザのプライバシー設定は、ユーザに関連付けられている特定の情報がどのように共有されることが可能であるかを識別する。認可サーバは、ユーザが、たとえば、適切なプライバシー設定を設定することなどによって、自分のアクションをソーシャルネットワーキング・システム160によって記録されること、またはその他のシステム(たとえば、サードパーティ・システム170)と共有されることのオプトインまたはオプトアウトを行うことを可能にすることができる。サードパーティ・システム170などのサードパーティから受け取られたコンテンツ・オブジェクトを格納するために、サードパーティコンテンツオブジェクト・ストアが使用されることが可能である。ユーザに関連付けられているクライアント・システム130から受け取られたロケーション情報を格納するために、ロケーション・ストアが使用されることが可能である。広告価格設定モジュールが、ソーシャルな情報、現在時刻、ロケーション情報、またはその他の適切な情報を組み合わせて、関連がある広告を、通知の形式でユーザに提供することができる。
図2は、例示的なソーシャル・グラフ200を示している。特定の実施形態においては、ソーシャルネットワーキング・システム160は、1つまたは複数のソーシャル・グラフ200を1つまたは複数のデータ・ストア内に格納することができる。特定の実施形態においては、ソーシャル・グラフ200は、複数のノード(複数のユーザ・ノード202、または複数のコンセプト・ノード204を含むことができる)と、ノード同士をつなげる複数のエッジ206とを含むことができる。図2において示されている例示的なソーシャル・グラフ200は、教示上の目的から、2次元のビジュアル・マップ表示で示されている。特定の実施形態においては、ソーシャルネットワーキング・システム160、クライアント・システム130、またはサードパーティ・システム170は、適切なアプリケーションに関してソーシャル・グラフ200および関連したソーシャル・グラフ情報にアクセスすることができる。ソーシャル・グラフ200のノードおよびエッジは、データ・オブジェクトとして、たとえば(ソーシャルグラフ・データベースなどの)データ・ストア内に格納されることが可能である。そのようなデータ・ストアは、ソーシャル・グラフ200のノードまたはエッジの1つまたは複数の検索可能なまたはクエリ可能なインデックスを含むことができる。
2と、ユーザ「B」のユーザ・ノード202との間における友達関係を示すエッジ206と、ユーザ「C」のユーザ・ノード202と、ユーザ「B」のユーザ・ノード202との間における友達関係を示すエッジとを含む。本開示は、特定のユーザ・ノード202同士をつなげる特定の属性を伴う特定のエッジ206を記述している、または示しているが、本開示は、ユーザ・ノード202同士をつなげる任意の適切な属性を伴う任意の適切なエッジ206を想定している。限定ではなく、例として、エッジ206は、友達関係、家族関係、ビジネスもしくは雇用関係、ファン関係、フォロワー関係、ビジター関係、サブスクライバ関係、上下関係、互恵的関係、非互恵的関係、別の適切なタイプの関係、または複数のそのような関係を表すことができる。その上、本開示は一般に、ノード同士をつながっているものとして記述しているが、本開示はまた、ユーザ同士またはコンセプト同士をつながっているものとして記述している。本明細書においては、つながっているユーザ同士またはコンセプト同士への言及は、適切な場合には、1つまたは複数のエッジ206によってソーシャル・グラフ200内でつながっているそれらのユーザ同士またはコンセプト同士に対応するノード同士を指すことができる。
02とコンセプト・ノード204との間におけるそれぞれのタイプの関係(または、単一の関係が複数集まったもの)を表すことができる(図2において、ユーザ「E」を表すユーザ・ノード202と、「SPOTIFY」を表すコンセプト・ノード204との間において示されているように)。
特定の実施形態において、ソーシャルネットワーキング・システム160は、新しい製品、フィーチャ、広告、または経験(「修正」)がオンライン・ソーシャル・ネットワークのユーザに対してローンチされるその仕方を、特定のユーザ・クラスタ(「クラスタ」)に対するローンチを互い違いに行うことによって、改善することが可能である。テストおよびロールアウトは、標準的なA/Bテストの手法を使用して新しい修正をテストするのではなく、ネットワーク指向のやり方でなされることができる。限定ではなく例として、ソーシャル・グラフ200のノードの独立したクラスタが、好適なクラスタリング・アルゴリズムを使用して識別され得る。これらのクラスタは、特定のクラスタにおけるノードが同じクラスタにおけるその他のノードに関連してネットワーク露出されるように定義され得る。これは、これが特定のユーザおよびそのユーザの友達のほとんど(特定のクラスタにおけるノードに対応する)が当該修正を受け取ることを保証するので、それらのユーザに対する修正の修正効果がより効率的に決定されることを可能にし得る。このことは、別のユーザも伴って使用され得るときのほうがより有用となる修正に関して特に有利である場合がある(たとえば、オンライン・チャット・アプリケーション)。クラスタが識別された後、修正は、第1のクラスタ集合のユーザに提供され、それらのユーザでテストされ得る。そして、この第1のクラスタ集合から受け取られたデータが、それらのユーザに対する修正の修正効果を決定するために分析されることができる。次いで、修正は、次のクラスタ集合のユーザに対してロールアウトされる前に変更されることも可能である。修正をロールアウトするこの段階的な手法が、修正がオンライン・ソーシャル・ネットワ
ークのすべてのユーザに提供されるまで行われ得る。本開示は、特定のやり方でユーザに修正を提供することおよび修正効果を決定することを説明するが、任意の好適なやり方でユーザに修正を提供することまたは修正効果を決定することを想定する。
value assumption)」として知られることを重要なものとして仮定する。A/Bテストの形式体系とネットワーク・インタラクションの非局所的効果との間のこの緊張状態に対処することが、オンラインの挙動の分析およびネットワーク試験の設計においてキーとなる未解決の問題として現れた。
が対照内にあるとした場合にその個人がするのとまったく同様に応答する。このようにして、我々は、我々が2つのはっきり区別できる「並行ユニバース(universe)」(たとえば、配色Aが全員に使用される「ユニバースA」および配色Bが全員に使用される「ユニバースB」)のサンプルからのリザルトを同時に観測していると想像することが可能であり、我々は、これらのユニバースのそれぞれにおけるユーザの挙動の特性について推論を行うことが可能である。
特定の実施形態において、ソーシャルネットワーキング・システム160は、第1のユーザ集合のユーザに関する修正の修正効果を決定し得る。1つの目標は、そのようなインタラクションが存在するときの母集団に対する修正の平均の効果を分析するための技術を開発することである。ソーシャルネットワーキング・システム160は、修正をオンライン・ソーシャル・ネットワークのユーザのサブセットに提供することによってその修正をテストし得る。修正は、修正に対するiの反応が、オンライン・ソーシャル・ネットワークにおける近傍点jも修正を有するかどうかに依存するという点で「ソーシャルな」構成要素を有する。このソーシャルな構成要素は、修正のネットワーク効果と呼ばれることがある。限定ではなく例として、特定の修正が、たとえば、ソーシャル広告、テキスト/ビデオ・チャット、メッセージング、ソーシャル・ネットワークなどのソーシャルな構成要素を呈することが可能である。たとえば、テキスト/ビデオ・チャットのフィーチャに関して、それらのフィーチャは、ユーザiがチャットする1つまたは複数の近傍点jを有する場合にのみ有用である。個人/ユーザは、個人がテストのために修正を提供される場合は修正グループにいると考えられ、そうでない場合は対照グループにいると考えられる。関心のある基礎を成す数値的な応答変数(たとえば、それぞれの条件におけるユーザのサイト滞在時間)が存在することが可能であり、ソーシャルネットワーキング・システム160は、(母集団が修正と対照との間で分けられるので)どちらの仮定のユニバースも実際にはテストされていないという事実にもかかわらず、全員がサービスを有するユニバースと誰もサービスを持たないユニバースとの両方におけるこの応答の平均を推定し得る。
図3は、ソーシャル・グラフ200のクラスタの例を示す。特定の実施形態において、ソーシャルネットワーキング・システムは、グラフのクラスタのランダム化を使用してソーシャル・グラフ200の複数のクラスタを識別し得る。それぞれの識別されたクラスタは、ソーシャル・グラフ200の複数のノードからの独立したノード集合を備えることが可能である。図3は、4つのクラスタが識別された比較的小さなソーシャル・グラフ200のありふれた例を示す。各クラスタは、独立である(つまり、重なり合っていない)。特定の実施形態において、ソーシャルネットワーキング・システム160は、各クラスタの閾値数のノードがクラスタにおけるその他のノードに関連してネットワーク露出され得るようにクラスタを指定することが可能である。(式1)を評価するためのキーとなる概念は、ネットワーク露出の概念である。ユーザiは、z’→の下でのiの応答が、全員が修正を受け取る割り振りでのiの応答と同じである場合に、特定の割り振りz’→の下で修正に「ネットワーク露出される」。(我々は、これらの2つの場合の応答が小さなパラメータεだけ異なる場合への適応も検討する。)我々は、対照条件(control condition)へのネットワーク露出を同じように定義する。この定義をした上で、
我々は、ネットワーク露出を構成するいくつかの有り得る条件を調べ得る。限定ではなく例として、ユーザiは、iおよびiの近傍点のすべてが修正を示される場合に修正にネットワーク露出されることが可能である。限定ではなく別の例として、ユーザiは、固定部分q>0に対して、iおよびiの近傍点のうちの少なくとも部分qが修正を示される場合に修正にネットワーク露出されることが可能である。ネットワーク露出の定義は、基本的に、試験者によるモデル化の判断であり、本発明において、我々は、ユーザが修正ユニバースおよび対照ユニバースにネットワーク露出されたと仮定され得る割り当てベクトルの集合をそれぞれが指定する露出条件のいくつかの系統を導入し、2つのユニバースの間の連続体(continuum)のいくつかの特性を提供する。ネットワーク露出の条件を選択することは、すべてのユーザを実際に修正ユニバースまたは対照ユニバースに入れることなく、ソーシャルネットワーキング・システム160がユーザの有り得る結果をそれらが修正ユニバースまたは対照ユニバースにいるかのように観測し得るときを指定するために重要であり得る。特定の実施形態において、ソーシャルネットワーキング・システム160は、互いに対するユーザのソーシャル・グラフ・アフィニティ(親和性)に少なくとも部分的に基づいてクラスタを識別し得る。ソーシャルネットワーキング・システム160は、単にソーシャル・グラフ200において近傍点であること(つまり、エッジ206によって接続されること)に基づいてクラスタリングするのではなく、互いに比較的高いソーシャル・グラフ・アフィニティを有する近傍点をクラスタリングし得る。言い換えると、ユーザiは、ユーザiに関連する閾値を超えるアフィニティを有するj個の近傍点とともにクラスタをなすことが可能であり、一方、ユーザiとのより低いアフィニティを有する近傍点は、必ずしもクラスタに含まれない場合がある。特定の実施形態において、ソーシャルネットワーキング・システム160は、クラスタにおけるノードのネットワーク露出がネットワーク露出の指定された分布範囲を有するようにクラスタを識別し得る。限定ではなく例として、ネットワーク露出は、閾値レベルのネットワーク露出(たとえば、クラスタにおけるすべてのノードが5%以上の近傍露出を有する)から最大レベルのネットワーク露出(たとえば、クラスタにおけるすべてのノードが95%未満の近傍露出を有する)までで指定されることが可能である。そして、ソーシャルネットワーキング・システム160は、ネットワーク露出の分布範囲でクラスタにおけるユーザに対する修正の修正効果を決定し得る。そのとき、これらの修正効果は、修正の個人効果およびネットワーク効果を決定するためにそれらの限界まで外挿され得る。本開示は、特定のやり方でネットワーク露出によるクラスタを識別することを説明するが、任意の好適なやり方でネットワーク露出によるクラスタを識別することを想定する。
であり、これは小ささに関する単純だが例示的な十分条件である。キーとなる課題は、次数への依存性であり、概して、有界サイズのクラスタの集合は、ノード次数で指数関数的に増大する分散を生成する可能性がある。もっと正確に言えば、単一ノードのクラスタによるグラフのクラスタのランダム化を実行するとき、推定量の分散は、次数に指数関数的に依存する下界を許容する。これは、どのようにしてクラスタリングを選択したらよいかという重要なアルゴリズムの問題を引き起こし、すなわち、有界サイズのクラスタは、ノードの数nで漸近的に小さな分散を提供するが、クラスタが慎重に選択されない場合、我々は、実際のところ分散を非常に大きくする可能性がある、ノード次数への指数関数的な依存性を得る。
我々は、我々が制約付き増大度グラフと呼ぶ重要なクラスのグラフを識別し、その重要なクラスのグラフに対して、非自明なクラスタリング・アルゴリズムは、グラフの次数に対して線形である推定量の分散に対する上界を許容する。我々がグラフに関して導入する制約付き増大度条件は、近傍が指数関数的に増大する可能性がある、小さな直径のグラフを含むように設計された距離空間(metric space)における最近傍アルゴリズム[ref.10]を研究するために既に導入された有界増大度条件の拡張である。Br(ν)が、ノードνのτホップ以内のノード集合であるものとすると、我々の制約付き増大度条件は、すべてのノードνおよびすべてのτ>0に対して、我々が|Br+1(ν)|≦к|Br(ν)|を有するようにグラフの次数とは独立した定数кが存在することを言う。標準的な有界増大度の定義(これはずっと強い条件|B2r(ν)|≦к|Br(ν)|を必要とし、我々のリザルトが成り立つためには必ずしも必要でない)との比較に留意されたい。
A/Bランダム化試験に関しては、個人の修正条件が、それらが介入(intervention)を受けるか否かを決める。典型的に、これは、2つの値、すなわち、「修正」または「対照」をとる。最もランダム化された試験において、試験者は、どのようにして修正条件をランダム化したらよいかを明示的に制御し、概して、個人が独立して割り振られる。一方、個人の露出条件は、どのようにして世界が介入を経験するかに完全に連動してどのようにしてそれらが介入を経験するかを決定する。修正値単位での安定に関する
仮定がない場合、悪くとも、z→の2n個の有り得る値のそれぞれが各ユーザに関するはっきり区別できる露出条件を定義する。アロノウ(Aronow)およびサミイ(Samii)は、これを「任意露出(arbitrary exposure)」と呼び[ref.2]、任意露出の下で試験を分析するための扱いやすい手立てはない。
我々は、ユーザiに関する露出モデルを、有り得る割り振りベクトルz→を完全に分割する露出条件の集合として定義する。すべてのユーザにわたるすべてのモデルの集合が、試験のための露出モデルである。しかし、我々の目的のために、我々は極端なユニバース間の平均の修正効果を決定しようとしているだけなので、露出モデルを全体的に指定することは不要である。我々は、主に、各ユーザiが修正ユニバースまたは対照ユニバースへの露出を経験する露出条件σi 1およびσi 0に気を配る。(異なる露出条件における有り得る結果の間の関数関係を仮定するならば、σi 1およびσi 0以外のその他の露出条件がより関連性を持つようになる可能性がある。)
もちろん、各ユーザに関する真の露出条件σi 1およびσi 0は、前もって試験者に知られておらず、試験のリザルトを分析することは、我々のフレームワークでそのような条件を選択することを必要とする。不十分な露出条件が試験者によって選択される場合、ユーザがz→=1→およびz→=0→に対応しない手立てで応答することが可能であり、平均の修正効果の計算に偏りを導入することが可能である。この偏りの大きさは、実際に観測された結果が、我々が観測したかったz→=1→およびz→=0→における結果にどれだけ近いかに依存する。試験のリザルトの分散を小さくするためにそのような偏りを許すことが好ましい場合もある。
特定の実施形態において、ソーシャルネットワーキング・システム160は、さまざま
な露出条件に露出されるクラスタを識別し得る。任意の好適な露出条件が、使用され得る。特に、我々は主に、2つの割り振りがiの直近のグラフの近傍で一致する場合にこの2つの割り振りがiにとって区別することができないような局所的な露出条件に焦点を当てる。我々は、修正を示される近傍点の数に対する絶対(absolute)条件および部分(fractional)条件を考える。我々は、必ずしも、これらの有り得る露出条件が、試験における実際の有り得る結果に関連する実際の露出条件であると主張しているのではなく、むしろ、それらが試験の分析のための有用な抽象化を提供すると主張し、ここで、導入される偏りの度合いは再び、露出条件が反事実的ユニバース(counterfactual universe)に属することにどれだけよく近似されるかに依存することに留意されたい。限定ではなく例として、ソーシャルネットワーキング・システム160は、各クラスタに関して、クラスタにおけるノードのネットワーク露出が完全な近傍露出(full neighborhood exposure)であるクラスタを定義し得る。完全な近傍露出で、ノードiは、iおよびiのすべての近傍点が修正条件を受け取る場合にその修正条件への完全な近傍露出を経験する。限定ではなく別の例として、ソーシャルネットワーキング・システム160は、各クラスタに関して、クラスタにおけるノードのネットワーク露出が絶対k−近傍露出(absolute k−neighborhood exposure)であるクラスタを定義し得る。絶対k−近傍露出で、d≧kである次数dのノードiは、iおよびiの≧k個の近傍点が修正条件を受け取る場合にその修正条件への絶対k−近傍露出を経験する。限定ではなくさらに別の例として、ソーシャルネットワーキング・システム160は、各クラスタに関して、クラスタにおけるノードのネットワーク露出が部分q−近傍露出(fractional q−neighborhood exposure)であるクラスタを定義し得る。部分q−近傍露出で、次数dのノードiは、iおよび≧iのqd個の近傍点が修正条件を受け取る場合にその修正条件への部分q−近傍露出を経験する。k全面的近傍露出(k−absolute
neighborhood exposure)およびq部分的近傍露出(q−fractional neighborhood exposure)は、当該露出条件に属すると考えられるiに対して、決まった修正条件を有するのに必要なiの近傍点がより少ないという点において、ノードiに関する完全な近傍露出を緩和したものと考えることが可能である。実際、k全面的近傍露出およびq部分的近傍露出に対応する割り振りベクトルの集合は、それぞれがパラメータkおよびqのそれぞれ下で入れ子にされる。kまたはqを増やすことは、ノードiに関する完全な近傍露出に達するまで割り振りベクトルの集合を減らす。本開示は、特定の露出条件を説明するが、任意の好適な露出条件を想定する。
完全な近傍露出は、明らかに、ユニバースへの完全な没入(immersion)の近似に過ぎない。局所的な露出条件の他に、我々は、大域的な依存性を伴う露出条件も考える。1つの手法として、個人が十分に多くの修正を示される近傍点によって十分に囲まれ、そしてさらに、それらの十分に多くの修正を示される近傍点もまた十分に多くの修正を示される近傍点によって囲まれ、以下同様である場合に限ってそれらの個人が修正に露出されると考える。この再帰的な定義は、初めは扱いにくく見えるかもしれないが、そのような再帰的な露出は、実際、修正の個人および対照の個人の誘導されるグラフでk−コア(より一般的には、異種のk−コア)を分析することによって精密に特徴付けられ得る。グラフG=(V,E)のk−コアは、すべてのノードが少なくともkの次数を有するGの
極大部分グラフである[ref.4]。同様に、ベクトルk→=(k1,...,k|v|)によってパラメータ付けされるグラフG=(V,E)の異種のk−コアは、各ノードυi∈V’が少なくともkiの次数を有するGの極大部分グラフH=(V’,E’)である[ref.5]。同様に、部分q−コアは、各ノードυi∈V’が、G内でそのノードが接続されたノードのうち、少なくとも部分qに接続されるG=(V,E)の極大部分グラフH=(V’,E’)である。したがって、すべてのυi∈V’に対して、degH(υ1)≧q degG(υ1)である。等価的に、diがノードiの次数である場合、部分q−コアは、k→=(qd1,...,gd|v|)に対するGの異種のk−コアである。
その他の露出条件が、特定の応用と関連性を持つと判明する可能性がある。特に、我々は、hホップ以内のノードの母集団に絶対条件または部分条件を課す中間的なコンセプトに注目し、ここではh=1が上記の近傍露出の条件である。限定ではなく例として、ソーシャルネットワーキング・システム160は、各クラスタに関してクラスタにおけるノードのネットワーク露出がiの隔たりについての閾値次数以内のノードの閾値部分が修正に露出されるようなものであるように、クラスタを定義し得る。我々は、非常に高い次数を
持つソーシャル・ネットワーク上では、多くの応用に関して、より強い結びつきだけを考えるより低い次数のネットワークの観点で露出条件を定義することがより関連性を持つ可能性があることにも留意する。
特定の実施形態において、ソーシャルネットワーキング・システム160は、第1のクラスタ集合に対応する第1のユーザ集合に修正を提供し得る。修正は、たとえば、特定の広告、製品、フィーチャ、経験、その他の好適な修正、またはこれらの任意の組み合わせであることが可能である。修正は、オンライン・ソーシャル・ネットワークまたはサードパーティ・システム170を介して提供されることが可能である。そして、ソーシャルネットワーキング・システム160は、ユーザの第1のユーザ集合に対する修正の修正効果を決定し得る。ネットワーク露出のコンセプトを使用して、今や、我々は、ランダム化された試験を使用して2つの反事実的ユニバースの間の平均の修正効果τを推定することを考え得る。z→は試験の修正割り振りベクトルであることを思い出されたい。試験をランダム化するために、z→が、z→の範囲{0,1}n上の値をとるランダム・ベクトルZから引き出されるものとする。Pr(Z=z→)によって与えられる{0,1}n上のZの分布が、我々のランダム化方式を定義するものであり、まさに、ネットワーク露出の関連性を持つ確率を決定するものでもある。ユーザiに関して、Pr(Z∈σi 1)は、修正へのネットワーク露出の確率であり、Pr(Z∈σi 0)は、対照へのネットワーク露出の確率である。概して、これらの確率は、各ユーザおよび各修正条件に対して異なり、これらの確率を知ることは、ランダム化の間に割り当ての偏りを補正することを可能にする。特に、ホルビッツ−トンプソン推定量
ネットワーキング・システム160は、第1のユーザ集合のユーザに対する修正の決定された修正効果に基づいて修正を変更し得る。広告、フィーチャ、または製品が、たとえば、修正とのユーザのインタラクションまたは経験を最適化するために、決定された修正効果に基づいて変更されることが可能である。そして、たとえば、変更された修正が十分に改善され、オンライン・ソーシャル・ネットワーク全体にローンチされ得るまで、その変更された修正が追加的なユーザ集合に提供され、続けて変更され、追加的なユーザにロールアウトされることが可能である。本開示は、特定のやり方で修正を提供することおよび修正効果を決定することを説明するが、任意の好適なやり方で修正を提供することまたは修正効果を決定することを想定する。さらに、本開示は、特定の推定量を使用することを説明するが、任意の好適な推定量を使用することを想定する。
={Cj:(i∪Ni)∩Cj≠0}がiまたはiの近傍点を含むクラスタの集合を表すものとし、我々はSiをiが接続されるクラスタの集合と呼ぶ。この表記を使用して、今や、我々は、異なるネットワーク露出の確率を調べる。
限定ではなく例として、完全な近傍露出の条件に関して、修正へのネットワーク露出の確率は、単純に
クラスタのランダム化の下で次数diのノードiが修正を示され、そのノードiの近傍点のうちのk個よりも多くが修正を示される確率を計算するという課題を考える。これは、絶対近傍露出と部分近傍露出との両方を考えるときに当てはまる。始めに、我々は、iが|S1|=sクラスタに接続される場合にi自体がクラスタsにいるようにクラスタを再びインデックス付けするものとし、我々は、j=1,...,s−1がその他の接続されたクラスタを表すものとする。wi1,...,wisがiが各クラスタに対して有する接続の数であるものとし、Bernoulli(p)確率変数X1,...,X5が各クラスタに関連付けられている独立したコイン・トスを表すものとする。そのとき、
独立したクラスタのランダム化の下でノードiが修正を示され、≧k個の近傍点が修正を示される確率は、
Pτ[Z∈σi 1]=pf(s−1,k−wis,p,w→)
によって与えられ、ここで、
f(1,T;p,wi→)=p1[T<wi1],
f(j,T;p,wi→)=pf(j−1,T−wij;p,wi→)+(1−p)f(j−1,T;p,wi→)
である。独立したクラスタのランダム化の下でノードiが対照内にあり、≧k個の近傍点が対照内にある確率は、
Pτ[Z∈σi 1]=(1−p)[1−f](s−1,di−k+1;p,w→)
によって与えられる。
これらの一部だけの近傍露出の条件(全面的および部分的)が入れ子にされることを思い出されたい。実際、所与のノードiに関して、単一のO(dmaxs)の二重forループでの考慮の下であらゆる有り得る閾値に関する確率を導出するために再帰が使用され得る。そのような計算は、実際、各個人に関する露出空間(exposure space)上の確率分布を返す。
Pτ(Z∈σi x|k−コア)≦Pτ(Z∈σi x|k−近傍)
Pτ(Z∈σi x|部分q−コア)≦Pτ(Z∈σi x|部分q−近傍)。
コア露出の確率の有用な直接的な推定がランダム化のモンテ・カルロ・サンプリングによって得られる可能性があるが、我々は、本明細書においてその可能性を追究しない。
干渉の下でのホルビッツ−トンプソン推定量の分散が、アロノウおよびサミイによって研究されており[ref.2]、アロノウおよびサミイは、いくつかの分散を小さくする方式も提示する。アロノウおよびサミイの手法の下で分散を推定することは、結合露出条件、ノードiが修正/対照にネットワーク露出され、ノードjが修正/対照にネットワーク露出される結合確率の知識を必要とする。これは、ランダム・ベクトルZが同時にノードiおよびノードjに関する露出条件にある確率、すなわち、修正への結合されたネットワーク露出に関するPτ(Z∈(σi 1∩σj 1))である。推定量の分散を解析的に計算することに関心がある場合、2つの集合の交差が空である可能性があるということ以外に、単一のノードの露出の確率と比較したとき、この確率の計算について基本的に異なることはない。
上記の式は、分散が露出の確率によって非常に緊密に制御されることをはっきりさせ、
分散を上に有界とするために、我々は、確率πi xに対する下界、ならびにすべてのノードの対およびxとyとのすべての組み合わせに関する結合確率πij xyに対する上界も必要とする。近傍露出に関して、今や、我々は、推定量の分散がグラフのクラスタのランダム化に関してnで漸近的にO(1/n)である基本的な十分条件を記述し得る。
特定の実施形態において、ソーシャルネットワーキング・システム160は、高い次数のノードに関する推定量の分散を含み得るランダム化方式を使用して大規模なグラフで干渉の下での平均の修正効果を測定し得る。制約付き増大度条件を満たす任意のグラフは、O(1/n)でありかつグラフの次数に対して線形である不偏の効果の推定値を生成し得るクラスタリングを許容する。対照的に、より慎重でないクラスタリングでは、より簡単に分散が次数で指数関数的に増大する。我々は、始めに、制約付き増大度グラフを定義するものとする。Br(ν)がノードνのrホップ以内のノードの集合であるものとする。G={V,E}は、すべてのノードν∈Vおよびすべてのr>0に関して我々が|Br+1(ν)|≦k|Br(ν)|を有する場合、制約付き増大度グラフである。導入で述べられたように、次元mのユークリッド空間における一様な密度の埋め込みから導出されたグラフは、増大定数k+2mが次元と独立である、制約付き増加を呈する。制約付き増加の仮定に関する洞察を詳しく説明するために、我々は、始めに、特に扱いやすい制約付き増大度グラフの族、閉路のk乗に対するグラフのクラスタのランダム化を使用して分散を分析する。我々は、全般的な制約付き増大度グラフに関する分散についての有界性を証明することにより、この分析を行う。本開示は、特定のやり方で修正効果を測定することを説明するが、任意の好適なやり方で修正効果を測定することを想定する。
限定ではなく例として、始めに、我々は、n個のノードによる単一の閉路からなる単純なグラフを考える。このグラフに関して、我々は、ノードが修正を示され、それらの近傍点の両方が修正を示されるときのσi 1と、ノードが修正を示されず、それらの近傍点の
どちらも修正を示されないときのσi 1との間の平均の修正効果に我々が関心がある完全な近傍露出のモデルを考える。修正および対照へのノードの決まった応答に関して、我々は、すべてのノードが修正へのネットワーク露出に一様に
二重和の項はπij≠πiπjであるノードの対に関してのみ非ゼロであることに注意されたい。
今や、c≧2個のノードのブロックをランダム化することを考えるものとし、ここで、cはnに依存しない。我々は、等価な巡回シフトされた確率の1つを考える。計算は、c=2およびc≧3を分けて扱うことを必要とするが、cの関数としてのc≧3に関する式はc=2に関しても成り立ち、したがって、我々は、簡潔にするために特別な場合を省略する。分散の計算は、最高でΔ=c+1である距離Δ=|i−j|に依存し、c≧3に関して、これは、
これは、すべてのc≧2に関して成り立つ
図5は、例示的な閉路グラフおよび分散の計算のプロットを示す。上述の計算を組み合わせて、すべてのcに関する推定量の漸近的な分散が、図5にプロットされる。分散は、単純な閉路上の近傍のサイズに正確に対応するサイズc=3のクラスタをランダム化するときに最小化される。(a)c=2個のノードのグループでクラスタリングされたところを示される、ノードが修正に
クラスタがサイズc=d+1を有するとき、各ノードは、最大で2つのクラスタに接続される可能性があり、すべてのiに対して1/πi≦1/p2であることを意味する。したがって、
今や、各ノードは、最大で3d+1個のその他のノード、つまり、それらノードが2つのクラスタに隣接するときは最高で2d+1個のその他のノード、左のクラスタの左のd/2、および右のクラスタの右のd/2との(πij≠πiπjであるような)独立していない結合割り振り確率を有する。結合割り振り確率πijは、2つのノードが両方がクラスタの中心にはなり得ないので、最大でp2である。それぞれのiに関して、そのとき、jによってインデックス付けされる和は有界とされる可能性があり、
このリザルトは、ノードがd+1個のノードのつながったブロックでクラスタリングされるならば、dに対してのみ線形である分散を持つ、非常に高い次数dの閉路グラフに対するネットワーク効果を実験的に測定することが可能であることを我々に示す。今、我々は、いかなる幾何学的な構造の知識も必要としないクラスタリング・アルゴリズムを使用することにより、分散を有界とするこの方針が、ずっと全般的なクラスのグラフにさらにどのようにして当てはまるかを示す。
今や、我々は、本節の主たるリザルト、すなわち、当該クラスの制約付き増大度グラフに関するクラスタのランダム化方式を詳しく説明することを始める。第1の構成要素は、ノード次数とは独立に各ノードが最大で一定の数のクラスタに接続されるそのようなグラフに関するクラスタリング・アルゴリズムである。そして、これは、任意の制約付き増大度グラフに対する分散が次数に対して線形の関数によって上に有界とされ得ることを示唆する。我々のクラスタリングは、つながっている領域による閉路の良好な分解が我々のクラスの任意のグラフに一般化され得ることを示す。言い換えると、幾何学形状は決定的でなく、制約付き増大度の性質は十分である。
Br(ν)|に対するкの有界性よりも潜在的にずっと大きいものとなる。これは、制約付き増大度条件の核心であり、つまり、半径0から1まで、我々は、制約のない増大度(因子d+1)を有するが、次いで、増加は、dから離れて有界とされ得る因子кまで遅くなる。
・ マーキングされていないノードが存在する間、工程jにおいて、任意のマーキングされていないノードνを見つけ、νをノードνjであるものとして選択し、B2(νj)におけるすべてのノードをマーキングする。
・ Gのあらゆるノードwに関して、wを最も近いノードν1∈Sに割り振り、一貫して(たとえば、最も小さなインデックスの順に)結びつきを解く。
そのとき、集合C1,...,Ckが、我々の3−netクラスタリングである。このクラスタリングの特性は、各ノードが次数とは独立してкの関数によって有界とされ得るいくつかのクラスタに接続されることを確立する以下のリザルトである。限定ではなく例として、グラフG=(V,E)の任意の3−netクラスタリングを考える。すべてのw∈Vに対して、近傍B1(w)は、最大でк3のはっきり区別できるクラスタとの空でない交差を有する。始めに、我々は、すべてのν1∈Sに対して、我々が有することを要求する。さらに言えば、Cjにおいて任意のノードw≠ν1を考える。我々は、そうでない場合、wがそれ自体によって識別されるクラスタに属することになるので
、その反復でマーキングされることになり、よって、同様にSに追加され得なかろう。この矛盾は、B1(νi)およびB1(νj)が互いに素であることを確立する。証明を完成させるために、背理法により、B1(w)がк3を超えるはっきり区別できるクラスタとの空でない交差を有するものとする、つまり、h=1,2,...,tに対して
今や、我々は、効果の推定量
とも、それらの個々の確率の積であり、x=0,1に対してπij xy≧πi xπj yである。したがって、(式4)の二重和は、非負である。同様に、反対の露出条件に関して、我々は、x≠yに対してπij xy≦πi xπj yを有し、これは、(式5)に(式3)に対して非負の寄与をさせる。我々は、我々の下界を(式4)の主要項に対してあてがうことにする。確率πi 1=pd+1およびπi 0=(1−p)d+1を入力し、応答を下に有界とすることは、我々に所望のリザルト
任意の次数の分布を持つグラフに関して、この有界性は、各ノード次数に対して指数関数的である
今や、我々は、我々の3−netクラスタリングを使用するときの制約付き増大度グラフに関する我々の線形の上界に目を向ける。限定ではなく例として、制約付き増大度グラフの3−netクラスタ・ランダム化に関する完全な、q部分的、またはk全面的近傍露出の下でのホルビッツ−トンプソン推定量の分散が、グラフの次数dに対して線形な関数によって上に有界とされると仮定する。推定量の分散は、
各ノードiに関して2つの和の内側は、割り振りが依存するノードjでのみ非ゼロである。iおよびjに関する割り振りが依存する場合、それらは、クラスタ中心の集合の中のノードνhに関連付けられている同じクラスタChにおける近傍点をそれぞれ有するはずである。我々はCh⊆B2(υh)であることを既に確立したので、したがってiおよびjはそれぞれνhの距離3以内にあり、よって互いの距離6以内にある。したがって、割り振りがiの割り振りに依存する任意のjは、B6(i)内にあるはずであり、したがって、制約付き増大度条件により、最大で|B6(i)|≦к5|B1(i)|=к5(d+1)個のそのようなノードjがある可能性がある。したがって、そのようなjの和は、最大でк5(d+1)個の項を有する。また、2つのノードが少なくとも1つのクラスタに依存するはずであるので、πij 1≦pが当てはまる。我々は、
今や、分散への共分散の項
前の類似した式と同様に、各iに関して、内側の和は、最大でk5(d+1)個のその他のノードjに関して非ゼロである。残りの項に関しては、量−(πij 10/(πi 1πj 0)−1)が、1によって上に有界とされることは自明である。したがって、我々は、
各上界を組み合わせて、我々は、望んでいた通り、次数に対して線形である合計の上界を得る。
ある任意の好適な工程を含む修正効果を決定するための任意の好適な方法を想定する。さらに、本開示は、特定の構成要素、デバイス、またはシステムが図6の方法の特定の工程を実行することを説明しかつ示しているが、任意の好適な構成要素、デバイス、またはシステムの任意の好適な組み合わせが図6の方法の任意の好適な工程を実施することを想定する。
ソーシャル・グラフ・アフィニティおよび係数
特定の実施形態において、ソーシャルネットワーキング・システム160は、互いに対するさまざまなソーシャル・グラフのエンティティのソーシャル・グラフ・アフィニティ(本明細書においては「アフィニティ」と呼ばれることがある)を決定し得る。アフィニティは、ユーザ、コンセプト、コンテンツ、アクション、広告、オンライン・ソーシャル・ネットワークに関連付けられているその他のオブジェクト、またはこれらの任意の好適な組み合わせなどのオンライン・ソーシャル・ネットワークに関連付けられている特定のオブジェクトの間の関係の強さまたは関心のレベルを表し得る。また、アフィニティは、サードパーティ・システム170またはその他の好適なシステムに関連付けられているオブジェクトに関連して決定され得る。各ユーザ、対象、またはコンテンツの種類に対するソーシャル・グラフのエンティティに関する全体的なアフィニティが、確立されることが可能である。全体的なアフィニティは、ソーシャル・グラフのエンティティに関連付けられているアクションまたは関係の継続的な監視に基づいて変わり得る。本開示は、特定のやり方で特定のアフィニティを決定することを説明するが、任意の好適なやり方で任意の好適なアフィニティを決定することを想定する。
を含み得る。特定の実施形態において、ソーシャルネットワーキング・システム160は、係数を計算するために使用されるさまざまな因子に関する重みを決定するときに、たとえば、情報がアクセスされてからの時間、減衰因子、アクセスの頻度、情報との関係もしくは情報がアクセスされたオブジェクトとの関係、オブジェクトに接続されたソーシャル・グラフのエンティティとの関係、ユーザのアクションの短期的もしくは長期的平均、ユーザのフィードバック、その他の好適な変数、またはこれらの任意の組み合わせなどのさまざまな変数を考える可能性がある。限定ではなく例として、係数は、係数を計算するときにより最近のアクションがより関連性を持つように、特定のアクションによって提供される信号の強度を時間とともに減衰させる減衰因子を含むことが可能である。レーティングおよび重みは、係数が基づくアクションの継続的な追跡に基づいて継続的に更新され得る。各因子に関するレーティングおよび因子に割り振られる重みの割り振り、組み合わせ、平均などのために任意の種類のプロセスまたはアルゴリズムが採用され得る。特定の実施形態において、ソーシャルネットワーキング・システム160は、履歴的アクションおよび過去のユーザの応答、またはユーザをさまざまなオプションに露出し、応答を測定することによってユーザから養われたデータで訓練された機械学習アルゴリズムを使用して係数を決定し得る。本開示は、特定のやり方で係数を計算することを説明するが、任意の好適なやり方で係数を計算することを想定する。
特定のユーザ・ノード202とコンセプト・ノード204とを接続するエッジ206の数および/または種類を分析し得る。限定ではなく例として、配偶者タイプのエッジ(2人のユーザが結婚していることを表す)によって接続されるユーザ・ノード202は、友達タイプのエッジによって接続されるユーザ・ノード202よりも高い係数を割り振られることが可能である。言い換えると、特定のユーザに関するアクションおよび関係に割り振られた重みに依存して、全体的なアフィニティが、ユーザの友達についてのコンテンツに関してよりもユーザの配偶者についてのコンテンツに関してより高いと決定されることが可能である。特定の実施形態においては、ユーザが有する別のオブジェクトとの関係が、そのオブジェクトに関する係数を計算することに関連するユーザのアクションの重みおよび/またはレーティングに影響を与えることが可能である。限定ではなく例として、ユーザが第1の写真にタグ付けされるが、第2の写真にしか「いいね!」を表明しない場合、ソーシャルネットワーキング・システム160は、コンテンツとタグ付けタイプの関係を有することがコンテンツと「いいね!」タイプの関係を有することよりも重い重みおよび/またはレーティングを割り振られる可能性があるので、ユーザが第2の写真よりも第1の写真に関連してより高い係数を有すると決定し得る。特定の実施形態において、ソーシャルネットワーキング・システム160は、1人または複数の第2のユーザが有する特定のオブジェクトとの関係に基づいて第1のユーザに関する係数を計算し得る。言い換えると、その他のユーザが有するオブジェクトとの接続および係数が、オブジェクトに関する第1のユーザの係数に影響を与えることが可能である。限定ではなく例として、第1のユーザが1人もしくは複数の第2のユーザに接続されるかまたは1人もしくは複数の第2のユーザに関する高い係数を有し、それらの第2のユーザが特定のオブジェクトに接続されるかまたは特定のオブジェクトに関する高い係数を有する場合、ソーシャルネットワーキング・システム160は、第1のユーザも特定のオブジェクトに関する比較的高い係数を有するべきであると決定し得る。特定の実施形態において、係数は、特定のオブジェクトの間の隔たりの度合いに基づくことが可能である。より低い係数は、第1のユーザがソーシャル・グラフ200の第1のユーザに間接的に接続されるユーザのコンテンツ・オブジェクトへの関心を共有する減少する見込みを表し得る。限定ではなく例として、ソーシャル・グラフ200内でより近いソーシャル・グラフのエンティティ(つまり、隔たりのより低い度合い)は、ソーシャル・グラフ200内でさらに離れているエンティティよりも高い係数を有することが可能である。
ワーキング・システム160は、ユーザの関心および現在の事情に関連性を持っている情報を提供し、それらのユーザが関心のあるそのような情報を見つける見込みを増やすことが可能である。特定の実施形態において、ソーシャルネットワーキング・システム160は、係数情報に基づいてコンテンツを生じ得る。コンテンツ・オブジェクトは、ユーザに固有の係数に基づいて提供または選択されることが可能である。限定ではなく例として、係数は、ユーザのためのメディアを生じるために使用されることが可能であり、ユーザは、ユーザがメディア・オブジェクトに関連する高い全体的な係数を有するメディアを提示されることが可能である。限定ではなく別の例として、係数は、ユーザのための広告を生じるために使用されることが可能であり、ユーザは、ユーザが広告されるオブジェクトに関連する高い全体的な係数を有する広告を提示されることが可能である。特定の実施形態において、ソーシャルネットワーキング・システム160は、係数情報に基づいて検索リザルトを生じ得る。特定のユーザのための検索リザルトが、問い合わせしているユーザに関連する検索リザルトに関連付けられている係数に基づいてスコアを付けられるかまたはランクを付けられることが可能である。限定ではなく例として、より高い係数を持つオブジェクトに対応する検索リザルトが、より低い係数を有するオブジェクトに対応するリザルトよりも検索リザルト・ページでより高くランクを付けられることが可能である。
特定の実施形態において、広告は、テキスト(HTMLのリンクが張られることが可能である)、1つもしくは複数の画像(HTMLのリンクが張られることが可能である)、1つもしくは複数のビデオ、音声、1つもしくは複数のADOBE FLASHファイル、これらの任意の組み合わせ、あるいは1つもしくは複数のウェブページで、1つもしくは複数の電子メールで、またはユーザによってリクエストされた検索リザルトに関係して
示される任意の好適なデジタル・フォーマットの任意のその他の好適な広告であることが可能である。加えてまたは代替として、広告は、1つまたは複数のスポンサー付きの記事(たとえば、ニュースフィード、またはソーシャルネットワーキング・システム160のティッカー・アイテム)であることが可能である。スポンサー付きの記事は、たとえば、ソーシャル・アクションをユーザのプロファイル・ページもしくはその他のページの予め決められた領域内に示されるか、広告主に関連付けられている追加の情報とともに示されるか、その他のユーザのニュースフィードもしくはティッカー内で大きくされる(bumped up)かもしくはその他の方法で強調されるか、またはその他の方法でプロモーションされるようにすることによって広告主がプロモーションするユーザによるソーシャル・アクション(ページ「に対して『いいね!』を表明する」、ページのポスト「に対して『いいね!』を表明する」かもしくはコメントする、ページに関連するイベントへの出欠の返事をする(RSVP)、ページにポストされた質問に投票する、場所にチェックインする、アプリケーションを使用するかもしくはゲームをする、またはウェブサイト「に対して『いいね!』を表明する」かもしくはウェブサイトを共有するなど)であることが可能である。広告主は、ソーシャル・アクションをプロモーションさせるために料金を支払う場合がある。限定ではなく例として、広告は、検索リザルト・ページの検索リザルトに含まれることが可能であり、スポンサー付きのコンテンツがスポンサー付きでないコンテンツの上でプロモーションされる。特定の実施形態においては、1つまたは複数の広告が、上述のネットワーク指向の製品ロールアウト技術を使用してオンライン・ソーシャル・ネットワークのユーザの1つまたは複数のクラスタ上でテストされ得る。
たとえば、ソーシャルネットワーキング・システム160を通じて)別のユーザと広告を共有するか、または(たとえば、ソーシャルネットワーキング・システム160を通じて)広告に関連付けられているイベントへの出欠の返事をし得る。加えてまたは代替として、広告は、ユーザを対象とするソーシャルネットワーキング・システムのコンテキストを含み得る。限定ではなく例として、広告は、広告の対象に関連付けられているアクションを行ったソーシャルネットワーキング・システム160におけるユーザの友達についての情報を表示し得る。
図7は、例示的なコンピュータ・システム700を示している。特定の実施形態においては、1つまたは複数のコンピュータ・システム700が、本明細書において記述されているまたは示されている1つまたは複数の方法の1つまたは複数の工程を実行する。特定の実施形態においては、1つまたは複数のコンピュータ・システム700が、本明細書において記述されているまたは示されている機能を提供する。特定の実施形態においては、1つまたは複数のコンピュータ・システム700上で稼働するソフトウェアが、本明細書において記述されているもしくは示されている1つもしくは複数の方法の1つもしくは複数の工程を実行し、または本明細書において記述されているもしくは示されている機能を提供する。特定の実施形態は、1つまたは複数のコンピュータ・システム700の1つまたは複数の部分を含む。本明細書においては、適切な場合には、コンピュータ・システムへの言及はコンピューティング・デバイスを包含することができ、反対に、コンピューティング・デバイスへの言及はコンピュータ・システムを包含することができる。その上、コンピュータ・システムへの言及は、適切な場合には、1つまたは複数のコンピュータ・システムを包含することができる。
タフェース710、およびバス712を含む。本開示は、特定の数の特定のコンポーネントを特定の構成で有する特定のコンピュータ・システムについて記述し、示しているが、本開示は、任意の適切な数の任意の適切なコンポーネントを任意の適切な構成で有する任意の適切なコンピュータ・システムを想定している。
よびデータ・バスを含むことができる)は、プロセッサ702をメモリ704に結合することができる。バス712は、以降で記述されているような1つまたは複数のメモリ・バスを含むことができる。特定の実施形態においては、1つまたは複数のメモリ管理ユニット(MMU)が、プロセッサ702とメモリ704との間に常駐し、プロセッサ702によって要求されるメモリ704へのアクセスを容易にする。特定の実施形態においては、メモリ704は、ランダム・アクセス・メモリ(RAM)を含む。このRAMは、適切な場合には、揮発性メモリであることが可能である。適切な場合には、このRAMは、ダイナミックRAM(DRAM)またはスタティックRAM(SRAM)であることが可能である。その上、適切な場合には、このRAMは、シングルポートRAMまたはマルチポートRAMであることが可能である。本開示は、任意の適切なRAMを想定している。メモリ704は、適切な場合には、1つまたは複数のメモリ704を含むことができる。本開示は、特定のメモリについて記述し、示しているが、本開示は、任意の適切なメモリを想定している。
開示は、特定のI/Oインタフェースについて記述し、示しているが、本開示は、任意の適切なI/Oインタフェースを想定している。
ハード・ドライブ(HHD)、光ディスク、光ディスク・ドライブ(ODD)、光磁気ディスク、光磁気ドライブ、フロッピー(登録商標)・ディスケット、フロッピー(登録商標)・ディスク・ドライブ(FDD)、磁気テープ、ソリッドステート・ドライブ(SSD)、RAMドライブ、セキュア・デジタル・カードもしくはドライブ、その他の任意の適切な非一時的なコンピュータ可読記憶媒体、またはこれらのうちの複数の組合せを含むことができる。非一時的なコンピュータ可読記憶媒体は、適切な場合には、揮発性、不揮発性、または揮発性と不揮発性の組合せであることが可能である。
Claims (23)
- 1つまたは複数のコンピューティング・デバイスに関連付けられている1つまたは複数のプロセッサが、
アプリケーション・サーバから第1のクライアント・システム集合に、前記第1のクライアント・システム集合に関連付けられているオンライン・ソーシャル・ネットワークの第1のユーザ集合に修正を提供するための命令を送信する工程と、
前記第1のクライアント・システム集合の1または複数のクライアント・システムから、前記第1のユーザ集合の1または複数のユーザによる前記修正に関連付けられているユーザのインタラクションに関する情報を受信する工程と、
前記アプリケーション・サーバの1または複数のプロセッサが、前記修正に関連付けられているユーザのインタラクションに関する前記情報と各ユーザに関する前記修正へのネットワーク露出とに基づいて前記第1のユーザ集合の前記ユーザに対する前記修正の平均の修正効果を決定する工程であって、特定のユーザに関する前記ネットワーク露出は、前記修正の提供された前記オンライン・ソーシャル・ネットワークにおいて前記特定のユーザに接続されている他のユーザの測定値である、効果決定工程と、
前記アプリケーション・サーバの前記1または複数のプロセッサが、決定した前記平均の修正効果に基づいて前記修正を変更する修正変更工程と、
前記アプリケーション・サーバから第2のクライアント・システム集合に、前記第2のクライアント・システム集合に関連付けられている前記オンライン・ソーシャル・ネットワークの第2のユーザ集合に変更した前記修正を提供するための命令を送信する工程であって、前記第2のユーザ集合は、前記第1のユーザ集合とは独立である、前記第1のユーザ集合とは重なり合わないユーザ集合である、工程と、
前記第2のクライアント・システム集合の1または複数のクライアント・システムから、前記第2のユーザ集合の1または複数のユーザによる変更した前記修正に関連付けられているユーザのインタラクションに関する情報を受信する工程と、
前記アプリケーション・サーバの前記1または複数のプロセッサが、変更した前記修正に関連付けられているユーザのインタラクションに関する前記情報と各ユーザに関する変更した前記修正への前記ネットワーク露出とに基づいて前記第2のユーザ集合の前記ユーザに対する変更した前記修正の変更した修正効果を決定する工程と、
前記アプリケーション・サーバから第3のクライアント・システム集合に、前記第3のクライアント・システム集合に関連付けられている前記オンライン・ソーシャル・ネットワークの第3のユーザ集合に更新した修正を提供するための命令を送信する工程であって、更新した前記修正は、決定した前記変更した修正効果に基づく、工程と、を行う方法。 - 前記平均の修正効果
Zは、{0,1}nの値を含むランダム・ベクトルを表し、
nは、特定のクラスタにおけるノードの数であり、
iは、前記ノードに関連付けられている前記ユーザを表す、請求項1に記載の方法。 - 前記修正または変更された前記修正は前記オンライン・ソーシャル・ネットワークの前記ユーザのすべてに提供される、請求項1に記載の方法。
- 前記修正変更工程は、前記修正との前記ユーザの経験を最適化する工程を含む、請求項1に記載の方法。
- 前記修正変更工程は、前記修正との前記ユーザのインタラクションを最適化する工程を含む、請求項1に記載の方法。
- 前記修正は、前記修正が最終のローンチに対して完了するまで、続けて変更され、前記最終のローンチは、前記ソーシャル・ネットワークの全体に前記修正を提供することを含む、請求項1に記載の方法。
- 前記第1のユーザ集合および前記第2のユーザ集合は、前記オンライン・ソーシャル・ネットワークのユーザの第1のクラスタおよび第2のクラスタに対応し、前記第1のクラスタは、前記第1のクラスタと前記第2のクラスタと間に重なり合いが存在しないように、前記第2のクラスタとは独立である、請求項1に記載の方法。
- 各クラスタに関して、前記クラスタにおけるノードの前記ネットワーク露出は、閾値レベルのネットワーク露出から最大レベルのネットワーク露出までの範囲の指定された分布を有する、請求項7に記載の方法。
- 前記修正効果は、前記ユーザに関する前記修正のネットワーク効果と前記ユーザに関する前記修正の個人効果との関数である、請求項1に記載の方法。
- 前記オンライン・ソーシャル・ネットワークは、複数のノードと前記複数のノードを接続する複数のエッジとを含むソーシャル・グラフを含み、前記複数のノードのうちの2つのノードの間の前記複数のエッジの各々は前記ノードの間の1次の隔たりを表し、前記複数のノードは前記オンライン・ソーシャル・ネットワークに関連付けられている複数のユーザに対応する、請求項1に記載の方法。
- 特定のクラスタにおけるノードは、前記ノードの1次の隔たり以内のノードの閾値部分が同じ修正条件にある場合、ネットワーク露出される、請求項10に記載の方法。
- グラフ・クラスタリングを用いて前記ソーシャル・グラフにおける重なっていないクラスタを識別する工程であって、前記クラスタは前記複数のノードからのノードの独立した集合を含む、工程をさらに備える、請求項10に記載の方法。
- 識別した前記重なっていないクラスタは、前記第1のユーザ集合に対応する、請求項12に記載の方法。
- 前記効果決定工程は、指定された分布の範囲のネットワーク露出の異なる複数のレベルについて前記修正の前記修正効果を決定する工程を含む、請求項1に記載の方法。
- 前記修正は特定の広告である、請求項1に記載の方法。
- 前記修正は、サードパーティ・システムの特定の製品またはフィーチャである、請求項1に記載の方法。
- 前記修正は、前記オンライン・ソーシャル・ネットワークの特定の製品またはフィーチャである、請求項1に記載の方法。
- 決定した前記変更した修正効果に基づき、前記アプリケーション・サーバから第3のクライアント・システム集合に、前記第3のクライアント・システム集合に関連付けられている前記オンライン・ソーシャル・ネットワークの第3のユーザ集合に変更した前記修正を提供するための命令を送信する工程をさらに備える、請求項1に記載の方法。
- n個の修正条件
- 前記第3のユーザ集合は、前記第1のユーザ集合および前記第2のユーザ集合とは独立である、前記第1のユーザ集合および前記第2のユーザ集合とは重なり合わないユーザ集合である、請求項1に記載の方法。
- 前記第3のユーザ集合は、前記第1のユーザ集合および前記第2のユーザ集合を含めて、前記オンライン・ソーシャル・ネットワークのすべてのユーザを含む、請求項1に記載の方法。
- ソフトウェアを具現化する1または複数の非一時的なコンピュータ可読記憶媒体であって、前記ソフトウェアは実行時、
アプリケーション・サーバから第1のクライアント・システム集合に、前記第1のクライアント・システム集合に関連付けられているオンライン・ソーシャル・ネットワークの第1のユーザ集合に修正を提供するための命令を送信する工程と、
前記第1のクライアント・システム集合の1または複数のクライアント・システムから、前記第1のユーザ集合の1または複数のユーザによる前記修正に関連付けられているユーザのインタラクションに関する情報を受信する工程と、
前記アプリケーション・サーバの1または複数のプロセッサが、前記修正に関連付けられているユーザのインタラクションに関する前記情報と各ユーザに関する前記修正へのネットワーク露出とに基づいて前記第1のユーザ集合の前記ユーザに対する前記修正の平均の修正効果を決定する工程であって、特定のユーザに関する前記ネットワーク露出は、前記修正の提供された前記オンライン・ソーシャル・ネットワークにおいて前記特定のユーザに接続されている他のユーザの測定値である、効果決定工程と、
前記アプリケーション・サーバの前記1または複数のプロセッサが、決定した前記平均の修正効果に基づいて前記修正を変更する修正変更工程と、
前記アプリケーション・サーバから第2のクライアント・システム集合に、前記第2のクライアント・システム集合に関連付けられている前記オンライン・ソーシャル・ネットワークの第2のユーザ集合に変更した前記修正を提供するための命令を送信する工程であって、前記第2のユーザ集合は、前記第1のユーザ集合とは独立である、前記第1のユーザ集合とは重なり合わないユーザ集合である、工程と、
前記第2のクライアント・システム集合の1または複数のクライアント・システムから、前記第2のユーザ集合の1または複数のユーザによる変更した前記修正に関連付けられているユーザのインタラクションに関する情報を受信する工程と、
前記アプリケーション・サーバの前記1または複数のプロセッサが、変更した前記修正に関連付けられているユーザのインタラクションに関する前記情報と各ユーザに関する変更した前記修正への前記ネットワーク露出とに基づいて前記第2のユーザ集合の前記ユーザに対する変更した前記修正の変更した修正効果を決定する工程と、
前記アプリケーション・サーバから第3のクライアント・システム集合に、前記第3のクライアント・システム集合に関連付けられている前記オンライン・ソーシャル・ネットワークの第3のユーザ集合に更新した修正を提供するための命令を送信する工程であって、更新した前記修正は、決定した前記変更した修正効果に基づく、工程と、を行うように構成されている、媒体。 - 1または複数のプロセッサと、前記プロセッサに結合されており前記プロセッサによって実行可能な命令を含むメモリと、を備えるシステムであって、前記プロセッサは前記命令の実行時、
アプリケーション・サーバから第1のクライアント・システム集合に、前記第1のクライアント・システム集合に関連付けられているオンライン・ソーシャル・ネットワークの第1のユーザ集合に修正を提供するための命令を送信する工程と、
前記第1のクライアント・システム集合の1または複数のクライアント・システムから、前記第1のユーザ集合の1または複数のユーザによる前記修正に関連付けられているユーザのインタラクションに関する情報を受信する工程と、
前記アプリケーション・サーバの1または複数のプロセッサが、前記修正に関連付けられているユーザのインタラクションに関する前記情報と各ユーザに関する前記修正へのネットワーク露出とに基づいて前記第1のユーザ集合の前記ユーザに対する前記修正の平均の修正効果を決定する工程であって、特定のユーザに関する前記ネットワーク露出は、前記修正の提供された前記オンライン・ソーシャル・ネットワークにおいて前記特定のユーザに接続されている他のユーザの測定値である、効果決定工程と、
前記アプリケーション・サーバの前記1または複数のプロセッサが、決定した前記平均の修正効果に基づいて前記修正を変更する修正変更工程と、
前記アプリケーション・サーバから第2のクライアント・システム集合に、前記第2のクライアント・システム集合に関連付けられている前記オンライン・ソーシャル・ネットワークの第2のユーザ集合に変更した前記修正を提供するための命令を送信する工程であって、前記第2のユーザ集合は、前記第1のユーザ集合とは独立である、前記第1のユーザ集合とは重なり合わないユーザ集合である、工程と、
前記第2のクライアント・システム集合の1または複数のクライアント・システムから、前記第2のユーザ集合の1または複数のユーザによる変更した前記修正に関連付けられているユーザのインタラクションに関する情報を受信する工程と、
前記アプリケーション・サーバの前記1または複数のプロセッサが、変更した前記修正に関連付けられているユーザのインタラクションに関する前記情報と各ユーザに関する変更した前記修正への前記ネットワーク露出とに基づいて前記第2のユーザ集合の前記ユーザに対する変更した前記修正の変更した修正効果を決定する工程と、
前記アプリケーション・サーバから第3のクライアント・システム集合に、前記第3のクライアント・システム集合に関連付けられている前記オンライン・ソーシャル・ネットワークの第3のユーザ集合に更新した修正を提供するための命令を送信する工程であって、更新した前記修正は、決定した前記変更した修正効果に基づく、工程と、を行うように構成されている、システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/939,093 | 2013-07-10 | ||
US13/939,093 US9292884B2 (en) | 2013-07-10 | 2013-07-10 | Network-aware product rollout in online social networks |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016516014A Division JP6013653B2 (ja) | 2013-07-10 | 2014-07-07 | オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2017054514A JP2017054514A (ja) | 2017-03-16 |
JP2017054514A5 JP2017054514A5 (ja) | 2018-06-28 |
JP6367289B2 true JP6367289B2 (ja) | 2018-08-01 |
Family
ID=52278032
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016516014A Active JP6013653B2 (ja) | 2013-07-10 | 2014-07-07 | オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト |
JP2016184612A Active JP6367289B2 (ja) | 2013-07-10 | 2016-09-21 | オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016516014A Active JP6013653B2 (ja) | 2013-07-10 | 2014-07-07 | オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト |
Country Status (7)
Country | Link |
---|---|
US (3) | US9292884B2 (ja) |
JP (2) | JP6013653B2 (ja) |
KR (2) | KR101961711B1 (ja) |
AU (2) | AU2014287551B2 (ja) |
CA (2) | CA2941114C (ja) |
IL (2) | IL243465A (ja) |
WO (1) | WO2015006180A1 (ja) |
Families Citing this family (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014068541A2 (en) * | 2012-11-05 | 2014-05-08 | Systemiclogic Innovation Agency (Pty) Ltd | Innovation management |
US9576071B2 (en) * | 2013-09-12 | 2017-02-21 | Dropbox, Inc. | Graph-based data models for partitioned data |
US20150088635A1 (en) * | 2013-09-23 | 2015-03-26 | Umbel Corporation | Systems and methods of measurement and modification of advertisements and content |
US9450992B2 (en) * | 2013-10-23 | 2016-09-20 | Facebook, Inc. | Node properties in a social-networking system |
US10373209B2 (en) * | 2014-07-31 | 2019-08-06 | U-Mvpindex Llc | Driving behaviors, opinions, and perspectives based on consumer data |
US20160253696A1 (en) * | 2015-02-26 | 2016-09-01 | Linkedln Corporation | Bias correction and estimation in network a/b testing |
US20160253311A1 (en) * | 2015-02-27 | 2016-09-01 | Linkedln Corporation | Most impactful experiments |
EP3101563B1 (en) * | 2015-06-05 | 2018-01-10 | Technische Universität Kaiserslautern | Automated determination of network motifs |
US10796239B2 (en) * | 2015-08-26 | 2020-10-06 | Oath Inc. | Method and/or system for recommender system |
US20170128838A1 (en) * | 2015-11-09 | 2017-05-11 | Google Inc. | Application testing with experimental layers |
US10262039B1 (en) * | 2016-01-15 | 2019-04-16 | Facebook, Inc. | Proximity-based searching on online social networks |
CN107133248B (zh) * | 2016-02-29 | 2020-04-14 | 阿里巴巴集团控股有限公司 | 一种应用程序的分类方法和装置 |
RU2642411C2 (ru) * | 2016-04-04 | 2018-01-24 | Общество С Ограниченной Ответственностью "Яндекс" | Способ определения тренда показателя степени вовлеченности пользователя |
US10372599B2 (en) | 2016-04-27 | 2019-08-06 | Microsoft Technology Licensing, Llc | Model-based matching for removing selection bias in quasi-experimental testing of mobile applications |
US10304067B2 (en) * | 2016-04-27 | 2019-05-28 | Microsoft Technology Licensing, Llc | Model validation and bias removal in quasi-experimental testing of mobile applications |
US9787705B1 (en) * | 2016-08-19 | 2017-10-10 | Quid, Inc. | Extracting insightful nodes from graphs |
US10846564B2 (en) * | 2018-01-04 | 2020-11-24 | Facebook, Inc. | Capturing a cluster effect with targeted digital-content exposures |
US11386506B2 (en) | 2018-04-09 | 2022-07-12 | Massachusetts Institute Of Technology | System and technique for influence estimation on social media networks using causal inference |
US10937054B2 (en) | 2018-06-15 | 2021-03-02 | The Nielsen Company (Us), Llc | Methods, systems, apparatus and articles of manufacture to determine causal effects |
US20200106685A1 (en) * | 2018-09-27 | 2020-04-02 | Microsoft Technology Licensing, Llc | Low variance estimation of network effects |
CN110222055B (zh) * | 2019-05-23 | 2021-08-20 | 华中科技大学 | 一种动态图下多边更新的单轮核值维护方法 |
US11150886B2 (en) * | 2019-09-03 | 2021-10-19 | Microsoft Technology Licensing, Llc | Automatic probabilistic upgrade of tenant devices |
CN111641517A (zh) * | 2020-04-29 | 2020-09-08 | 深圳壹账通智能科技有限公司 | 同质网络的社群划分方法、装置、计算机设备和存储介质 |
CN111885113B (zh) * | 2020-06-24 | 2021-09-28 | 天津大学 | 一种社交网络中锚定节点的自适应选取和资源分配方法 |
CN113539405B (zh) * | 2021-06-24 | 2024-03-19 | 北京天健源达科技股份有限公司 | 电子病历表格运算控件的处理方法 |
CN115277156B (zh) * | 2022-07-22 | 2023-05-23 | 福建师范大学 | 一种社交网络中抵抗邻居攻击的用户身份隐私保护方法 |
CN115293919B (zh) * | 2022-07-22 | 2023-08-04 | 浙江大学 | 面向社交网络分布外泛化的图神经网络预测方法及系统 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7975000B2 (en) * | 2005-01-27 | 2011-07-05 | Fmr Llc | A/B testing of a webpage |
US20080215418A1 (en) * | 2007-03-02 | 2008-09-04 | Adready, Inc. | Modification of advertisement campaign elements based on heuristics and real time feedback |
EP2137680A4 (en) * | 2007-03-15 | 2012-01-25 | Olista Ltd | SYSTEM AND METHOD FOR PROVIDING SERVICE OR ADDUCTION TO SOCIAL NETWORKS |
US8688701B2 (en) | 2007-06-01 | 2014-04-01 | Topsy Labs, Inc | Ranking and selecting entities based on calculated reputation or influence scores |
US8214804B2 (en) * | 2007-12-31 | 2012-07-03 | Overstock.Com, Inc. | System and method for assigning computer users to test groups |
US8055470B2 (en) * | 2008-02-14 | 2011-11-08 | Yahoo!, Inc. | Simulated bucket testing |
US20110213716A1 (en) * | 2009-09-30 | 2011-09-01 | Matthew Ocko | Apparatuses, Methods and Systems for a Customer Service Request Evaluator |
US20110320424A1 (en) * | 2010-06-29 | 2011-12-29 | Intuit Inc. | Assessing and adapting component parameters |
US20130066711A1 (en) | 2011-09-09 | 2013-03-14 | c/o Facebook, Inc. | Understanding Effects of a Communication Propagated Through a Social Networking System |
US8312056B1 (en) * | 2011-09-13 | 2012-11-13 | Xerox Corporation | Method and system for identifying a key influencer in social media utilizing topic modeling and social diffusion analysis |
WO2013071064A1 (en) * | 2011-11-11 | 2013-05-16 | Wetpaint.Com, Inc. | Dynamic playbook: experimentation platform for social networks |
US20130151332A1 (en) * | 2011-12-10 | 2013-06-13 | Rong Yan | Assisted adjustment of an advertising campaign |
US20130159110A1 (en) | 2011-12-14 | 2013-06-20 | Giridhar Rajaram | Targeting users of a social networking system based on interest intensity |
US8788340B2 (en) * | 2011-12-16 | 2014-07-22 | Facebook, Inc. | Advertisement based on application-created social content |
US8974305B2 (en) * | 2012-01-18 | 2015-03-10 | Bally Gaming, Inc. | Network gaming architecture, gaming systems, and related methods |
US9120007B2 (en) * | 2012-01-18 | 2015-09-01 | Bally Gaming, Inc. | Network gaming architecture, gaming systems, and related methods |
US20130219307A1 (en) * | 2012-02-21 | 2013-08-22 | Artisan Mobile, Inc. | System and method for runtime user interface management |
US10083027B2 (en) * | 2013-03-14 | 2018-09-25 | Solano Labs, Inc. | Systems and methods for managing software development environments |
US20150026522A1 (en) * | 2013-07-19 | 2015-01-22 | Dawnray Young | Systems and methods for mobile application a/b testing |
-
2013
- 2013-07-10 US US13/939,093 patent/US9292884B2/en active Active
-
2014
- 2014-07-07 CA CA2941114A patent/CA2941114C/en active Active
- 2014-07-07 AU AU2014287551A patent/AU2014287551B2/en not_active Ceased
- 2014-07-07 CA CA2917557A patent/CA2917557C/en not_active Expired - Fee Related
- 2014-07-07 KR KR1020167032385A patent/KR101961711B1/ko active IP Right Grant
- 2014-07-07 WO PCT/US2014/045516 patent/WO2015006180A1/en active Application Filing
- 2014-07-07 KR KR1020167003560A patent/KR101681250B1/ko active IP Right Grant
- 2014-07-07 JP JP2016516014A patent/JP6013653B2/ja active Active
-
2016
- 2016-01-05 IL IL243465A patent/IL243465A/en not_active IP Right Cessation
- 2016-01-07 US US14/990,611 patent/US9934514B2/en active Active
- 2016-09-15 IL IL247844A patent/IL247844B/en not_active IP Right Cessation
- 2016-09-21 JP JP2016184612A patent/JP6367289B2/ja active Active
-
2017
- 2017-02-01 AU AU2017200664A patent/AU2017200664A1/en not_active Abandoned
-
2018
- 2018-02-02 US US15/887,628 patent/US10528973B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
KR20160135858A (ko) | 2016-11-28 |
CA2917557A1 (en) | 2015-01-15 |
JP2017054514A (ja) | 2017-03-16 |
CA2941114A1 (en) | 2015-01-15 |
KR101681250B1 (ko) | 2016-11-30 |
KR101961711B1 (ko) | 2019-03-25 |
AU2014287551A1 (en) | 2016-03-03 |
CA2941114C (en) | 2019-02-12 |
US9292884B2 (en) | 2016-03-22 |
IL247844B (en) | 2018-07-31 |
IL243465A0 (en) | 2016-03-31 |
US10528973B2 (en) | 2020-01-07 |
AU2017200664A1 (en) | 2017-02-23 |
US9934514B2 (en) | 2018-04-03 |
US20160117721A1 (en) | 2016-04-28 |
IL243465A (en) | 2016-11-30 |
US20150019639A1 (en) | 2015-01-15 |
US20180158097A1 (en) | 2018-06-07 |
JP6013653B2 (ja) | 2016-10-25 |
KR20160021460A (ko) | 2016-02-25 |
JP2016530586A (ja) | 2016-09-29 |
WO2015006180A1 (en) | 2015-01-15 |
CA2917557C (en) | 2016-10-18 |
AU2014287551B2 (en) | 2017-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6367289B2 (ja) | オンライン・ソーシャル・ネットワークにおけるネットワーク指向の製品ロールアウト | |
JP6145576B2 (ja) | オンライン・ソーシャル・ネットワークにおける大規模ページ推薦 | |
JP6695389B2 (ja) | オンライン・ソーシャル・ネットワーク用のクライアント側検索テンプレート | |
JP6479762B2 (ja) | ユーザ特性のスコア決定 | |
JP6069594B2 (ja) | 対話履歴に基づくユーザ体験インターフェースまたはユーザ・インターフェース | |
JP6386007B2 (ja) | ネイティブ・アプリケーションのテスト | |
JP5902875B2 (ja) | コンテキスト上のユーザ状態および継続時間の推測 | |
JP6483689B2 (ja) | 通信に関するユーザのアベイラビリティのインジケータ表示 | |
JP6379309B2 (ja) | ジオメトリック | |
WO2012119137A2 (en) | Identify experts and influencers in a social network | |
JP6349331B2 (ja) | ソーシャルネットワークにおける連絡先の集約 | |
JP6523329B2 (ja) | ユーザのコンテンツ共有の誘引 | |
US20240020352A1 (en) | Dynamic selection and enhancement of images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170614 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180521 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20180521 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180521 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20180529 |
|
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: 20180619 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180704 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6367289 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: R3D02 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |