JP6569313B2 - 施設特性を更新する方法、施設をプロファイリングする方法、及びコンピュータ・システム - Google Patents

Description

本開示は、施設特性を更新する方法、施設をプロファイリングする方法、及びコンピュータ・システムに関する。

ユーザが多くのソーシャル・ネットワーキング・サイトに集まるので、インターネット・コンテンツは増加し続けている。コメント、写真、状況更新などの形態で、コンテンツをアップロードし、生成することにより、相互に関わり合うために、これらのサイトは、ユーザにプラットフォームを提供する。特定の位置を示す位置情報タグコンテンツに機能を提供するモバイル・デバイスの使用も増加してきている。位置情報タグを付することは、地理識別メタデータを付加する処理である。このメタデータは、一般的に、緯度及び経度座標を含む。モバイル・デバイスは、モバイル・デバイスの位置を判定するために、ＧＰＳ(Global Positioning System)などの位置検出手段を有していてもよい。位置検出手段を使用するために、ユーザは、モバイル・デバイスを用いて、写真を撮影し、もしくは、メッセージを投稿し得る。また、写真もしくはメッセージには、写真が撮影された、もしくは、メッセージが投稿された地理的位置を含む「位置情報タグ」が付され得る。これによれば、写真及び／もしくは他のコンテンツは、地理的位置によって、後で、参照され得る。

チェンら（Chen et al.）「トピック依存モデルはマイクロブログの感情評価を改善するか？（Do Topic-dependent Models Improve Microblog Sentiment Estimation?）」、ＩＣＷＳＭ抄録（Proceedings of ICWSM）、２０１４年、ＡＡＡ１ チェンら（Chen et al.） 「コミュニティ寄与写真によって人々の属性及び旅行グループ・タイプをマイニングすることによるトラベル推奨（Travel Recommendation by Mining People Attributes and Travel Group Types from Community-contributed Photos）」、マルチメディアに関するＩＥＥＥ会報（IEEE Transactions on Multimedia）」、２０１３年、１５（６）、頁１２８３〜１２９５ チェンら（Cheng et al.）、「あなたはあなたがツイートする場所にいる：ツイッター（登録商標）・ユーザの位置検出のためのコンテンツ・ベース・アプローチ（You are Where You Tweet: a Content-based Approach to Geo-Locating Twitter（登録商標） Users）、ＣＩＫＭ抄録（Proceedings of CIKM）、２０１０年、ＡＣＭ、頁７５９〜７６８

多くのユーザは、考え、評価及び変化を共有するために、複数のソーシャル・ネットワーキング・サイトもしくは他のインターネット・プラットフォームを用いる。結果的に、ユーザ・コンテンツは、情報の豊富なソースをマイニングするための凝集性(cohesive)の方法を用いず、複数のサイトに広がる。例えば、ソーシャル・メディア・コンテンツに基づくプロファイリング・エンティティのタスクは、少なくとも２つの理由のために困難である。第一に、ユーザ・コンテンツは、地理的位置によってではなく、ユーザもしくはトピックによって、構成されていることが多い。ソーシャル・メディアへのパブリックな投稿を用いて、特定の位置をプロファイリングすることは、商業上困難である。異なる位置にある同じチェーンの店舗を比較する容易な方法はない。第二に、競争的な分析のための異なるチェーンに亘る情報は、複数のサイトに広がり得る。競合チェーンに亘って、異なる位置にある店舗を比較することは困難である。

本発明は、ソーシャル・メディア・コンテンツを用いて、特定の施設を、比較的容易にプロファイリングすることを目的とする。

本開示の第１の態様は、一つもしくは複数のプロセッサ及び前記プロセッサによって実行される命令を記憶するメモリを含むコンピュータ・システムのプロセッサが、第１のソーシャル・メディア・ソースから、関連付けられている地理的位置及びメッセージ・コンテンツを有する新しい短い非構造電子メッセージを取得し、前記メッセージ・コンテンツから第１の施設名及び第１の訪問特性を識別し、施設のデータベースにアクセスし、前記データベースは施設の各々について施設名、地理的位置及び一つもしくは複数の施設特性を含み、前記データベースの情報は第１のソーシャル・メディア・ソースから以前の複数の短い非構造電子メッセージを含む複数のソーシャル・メディア投稿から抽出された施設の各々と関連付けられている情報を反映し、前記第１の施設名及び関連付けられている地理的位置と同様の施設名及び地理的位置を有する候補施設を前記データベースが含むか否か判定し、前記候補施設が前記データベースに存在する場合、前記新しい短い非構造電子メッセージと前記候補施設とを関連付け、前記データベースの施設レコードが閾値よりも多い新しい短い非構造電子メッセージと関連付けられている場合、関連付けられている新しい短い非構造電子メッセージの第１の訪問特性に基づいて、前記施設レコードの一つもしくは複数の施設特性を更新し、前記データベースは、施設の各々について、チェックイン数、ユニーク・ビジター数、及びコア施設インジケータ、を含み、予備オペレーションとして、さらに、第１の情報ソースから、第１の複数の短い非構造電子メッセージを取得し、前記第１の複数の短い非構造電子メッセージの各々は関連付けられている第１の地理的位置及びメッセージ・コンテンツを有し、前記メッセージ・コンテンツは、前記第１の施設名及び一つもしくは複数の訪問特性を含み、第２の情報ソースから、第２の複数の施設位置を取得し、前記第２の複数の施設位置の各々は関連付けられている第２の地理的位置及び前記第１の施設名と同様の第２の施設名を有し、前記第２の複数の施設位置の各々について、前記第１の複数の短い非構造電子メッセージの各々が施設位置の各々に関連付けられている前記第２の地理的位置の所定距離内である関連付けられている第１の地理的位置を有するか否か判定し、判定に応じて、前記データベースの施設と、関連付けられている第１及び第２の地理的位置が前記所定距離内にある短い非構造電子メッセージの各々及び施設位置とを関連付け、前記施設を施設グループにクラスタリングし、異常値をフィルタリングするために、前記データベースにクラスタリング・アルゴリズムを適用し、前記異常値は、前記データベースの他の施設の対応する集合的な特性と異なる一つもしくは複数の集合的な特性を有する前記データベースの一つもしくは複数の施設を示し、施設グループの各々について、前記施設グループで最大チェックイン数を有するコア施設を識別し、前記コア施設について、前記コア施設インジケータを更新する、方法である。

本開示の第２の態様は、第１の態様の方法であって、前記候補施設が前記データベースに存在しない場合、前記施設名、前記関連付けられている地理的位置及び前記第１の訪問特性に基づいて、前記データベースに新しい施設レコードを追加する、ことをさらに含む。

本開示の第３の態様は、第１または第２の態様の方法であって、前記第１の訪問特性は感情指向もしくはグループ・サイズの少なくとも１つである。

本開示の第４の態様は、第１〜第３の何れかの態様の方法であって、前記データベースが前記関連付けられている地理的位置と同様の施設の地理的位置を有する候補施設を有するか否か判定することは、前記施設の地理的位置と前記関連付けられている地理的位置との間の距離が所定の距離より短いか否か判定する、ことを含む。

本開示の第５の態様は、第１〜第４の何れかの態様の方法であって、前記関連付けられている短い非構造電子メッセージの前記第１の訪問特性に基づいて、コア施設レコードを更新することは、複数の前記施設グループの施設グループの１つについて、前記関連付けられている短い非構造電子メッセージに前記コア施設によるタグを付し、前記関連付けられている短い非構造電子メッセージの前記第１の訪問特性に基づいて、前記コア施設に対応する前記コア施設のレコードを更新する。

本開示の第６の態様は、第１〜第５の何れかの態様の方法であって、前記施設についてのコメントを記載する前記メッセージ・コンテンツに感情指向を割り当て、前記感情指向は前記メッセージ・コンテンツが肯定的感情、中立的感情、もしくは否定的感情の何れを反映するかを示し、特定の感情指向において感情の度合いを分類し、前記感情指向に基づいて感情スコアを計算し、前記感情スコアと前記短い非構造電子メッセージとを関連付ける。

本開示の第７の態様は、第６の態様の方法であって、複数の前記施設グループの施設グループの１つについて、前記施設グループの前記コア施設を識別し、前記コア施設と関連付けられているタグを付されている前記短い非構造電子メッセージを識別し、タグを付されている前記短い非構造電子メッセージと関連付けられている感情スコアに基づいて、前記コア施設の全体感情を求め、前記施設グループから感情ヒートマップを導出し、前記感情ヒートマップはコア施設の各々及びコア施設の各々の前記施設名及び地理的位置への全体感情を反映する。

本開示の第８の態様は、第７の態様の方法であって、前記感情ヒートマップを導出することは、マーク・サイズ、マーク・カラー及びマークのサイズ及びカラーの１つを含む異なる可視特性を用いて特定のコア施設に関連する全体感情を符号化する、ことを含む。

本開示の第９の態様は、第１〜第８の何れかの態様の方法であって、前記短い非構造電子メッセージに顔画像が関連付けられているか否か判定し、前記顔画像が存在する場合、前記顔画像の顔の数を検出し、前記顔画像の顔の数に基づいて、前記短い非構造電子メッセージをサイズ・カテゴリに割り当て、前記短い非構造電子メッセージと前記サイズ・カテゴリとを関連付ける、ことをさらに含む。

本開示の第１０の態様は、第９の態様の方法であって、前記クラスタリング・アルゴリズムは、密度ベース・クラスタリング・アルゴリズムである。

本開示の第１１の態様は、第９又は第１０の態様の方法であって、複数の前記施設グループの施設グループの１つについて、前記施設グループのコア施設を識別し、前記コア施設と関連付けられているタグを付された短い非構造電子メッセージを識別し、タグを付された短い非構造電子メッセージと関連付けられているサイズ・カテゴリに基づいて、前記コア施設の平均グループ・サイズを求め、前記施設グループからソーシャル・グループ・サイズ・ヒートマップを導出し、前記ソーシャル・グループ・サイズ・ヒートマップは前記コア施設の各々を訪問する前記平均グループ・サイズ及び前記コア施設の各々の前記施設名及び地理的位置を反映する。

本開示の第１２の態様は、第１１の態様の方法であって、前記ソーシャル・グループ・サイズ・ヒートマップを導出することは、マーク・サイズ、マーク・カラー及びマークのサイズ及びカラーの１つを含む異なる可視特性を用いて特定のコア施設に関連付けられている平均ソーシャル・グループ・サイズを符号化する、ことを含む。

本開示の第１３の態様は、第１〜第１２の何れかの態様の方法であって、一つもしくは複数の集合的な特性は、施設への最小ビジター数、もしくは、前記施設と関連付けられている短い非構造電子メッセージの最小数の一つもしくは複数を含む。

本開示の第１４の態様は、第１〜第１３の何れかの態様の方法であって、一つもしくは複数の施設特性を更新することは、施設のデータベースにアクセスし、前記データベースは、施設の各々について、施設名、地理的位置及び一つもしくは複数の施設特性を含み、前記データベースの情報は、第１のソーシャル・メディア・ソースからの複数の以前の短い非構造電子メッセージを含む複数のソーシャル・メディア投稿から抽出された施設の各々と関連付けられている情報を反映し、前記データベースのコア施設を検出し、関連付けられている新しい短い非構造電子メッセージの第１の訪問特性を含むように前記コア施設の一つもしくは複数の前記施設特性を再度求める。

本開示の第１５の態様は、施設をプロファイリングする方法であって、プロセッサが、第１の複数の短い非構造電子メッセージをソーシャル・メディア・ソースから取得し、前記第１の複数の短い非構造電子メッセージの各々は、関連付けられている第１の地理的位置及びメッセージ・コンテンツを含み、前記メッセージ・コンテンツは第１の施設名及び一つもしくは複数の訪問特性を含み、情報ソースから、第２の複数の施設位置を取得し、前記第２の複数の施設位置の各々は、関連付けられている第２の地理的位置及び前記第１の施設名と同様の第２の施設名を有し、前記第２の複数の施設位置の各々について、前記第１の複数の短い非構造電子メッセージの各々が施設位置の各々に関連付けられている前記第２の地理的位置の所定距離内にある関連付けられている第１の地理的位置を有するか否か判定し、判定に応じて、データベースにおいて、短い非構造電子メッセージ及び関連付けられている第１及び第２の地理的位置が前記所定距離内にある施設位置を関連付け、施設グループに施設をクラスタリングし異常値をフィルタリングするためにクラスタリング・アルゴリズムを前記データベースに適用し、前記異常値は前記データベースの他の施設の対応する集合的な特性と異なる一つもしくは複数の集合的な特性を有する前記データベースの一つもしくは複数の施設を示し、施設グループの最大のチェックイン数を有するコア施設を識別し、複数の施設グループの施設グループの１つについて、関連付けられている短い非構造電子メッセージに前記コア施設によってタグを付し、前記データベースの施設レコードが閾値より多い短い非構造電子メッセージと関連付けられている場合、関連付けられている前記短い非構造電子メッセージの第１の特性に基づいて、前記コア施設に対応する前記施設レコードの一つもしくは複数の特性を更新する。

本開示の第１６の態様は、第１５の態様の施設をプロファイリングする方法であって、一つもしくは複数の前記集合的な特性は前記施設への最小ビジター数もしくは前記施設と関連付けられている短い非構造電子メッセージの最小数の一つもしくは複数を含む。

本開示の第１７の態様は、第１５又は第１６の態様の施設をプロファイリングする方法であって、施設グループの各々について、関連付けられている一つもしくは複数の訪問特性に基づいてコア施設を識別する、ことをさらに含む。

本開示の第１８の態様は、第１５〜第１７の何れかの態様の施設をプロファイリングする方法であって、施設の前記データベースにアクセスし、前記データベースは、施設の各々について、施設名、地理的位置及び一つもしくは複数の施設特性を有し、前記データベースの情報は、第１のソーシャル・メディア・ソースからの複数の以前の短い非構造電子メッセージを含む、複数のソーシャル・メディア投稿から抽出された施設の各々と関連付けられている情報を反映し、前記データベースのコア施設を検出し、関連付けられている新しい短い非構造電子メッセージの前記第１の特性を含むように前記コア施設の一つもしくは複数の前記施設特性を再度求める、ことをさらに含む。

本開示の第１９の態様は、一つもしくは複数のプロセッサと、メモリと、一つもしくは複数のプログラムと、を含み、前記一つもしくは複数のプログラムは前記メモリに記憶され、一つもしくは複数の前記プロセッサによって実行されるように構成され、一つもしくは複数の前記プログラムは、第１のソーシャル・メディア・ソースから、関連付けられている地理的位置及びメッセージ・コンテンツを有する新しい短い非構造電子メッセージを取得し、第１の施設名及び第１の訪問特性を前記メッセージ・コンテンツから識別し、施設のデータベースにアクセスし、前記データベースは、施設の各々について、施設名、地理的位置及び一つもしくは複数の施設特性を含み、前記データベースの情報は、前記第１のソーシャル・メディア・ソースから複数の以前の短い非構造電子メッセージを含む複数のソーシャル・メディア投稿から抽出される施設の各々に関連付けられている情報を反映し、前記データベースが第１の施設と同様の施設名及び関連付けられている地理的位置と同様の地理的位置を有する候補施設を含むか否か判定し、前記候補施設が前記データベースに存在する場合、新しい前記短い非構造電子メッセージと前記候補施設とを関連付け、前記データベースの施設レコードが閾値より多い新しい短い非構造電子メッセージと関連付けられている場合、関連付けられている新しい前記短い非構造電子メッセージの前記第１の訪問特性に基づいて、前記施設レコードの一つもしくは複数の施設特性を更新し、前記データベースは、施設の各々について、チェックイン数、ユニーク・ビジター数、及びコア施設インジケータ、を含み、予備オペレーションとして、さらに、第１の情報ソースから、第１の複数の短い非構造電子メッセージを取得し、前記第１の複数の短い非構造電子メッセージの各々は関連付けられている第１の地理的位置及びメッセージ・コンテンツを有し、前記メッセージ・コンテンツは、前記第１の施設名及び一つもしくは複数の訪問特性を含み、第２の情報ソースから、第２の複数の施設位置を取得し、
前記第２の複数の施設位置の各々は関連付けられている第２の地理的位置及び前記第１の施設名と同様の第２の施設名を有し、前記第２の複数の施設位置の各々について、前記第１の複数の短い非構造電子メッセージの各々が施設位置の各々に関連付けられている前記第２の地理的位置の所定距離内である関連付けられている第１の地理的位置を有するか否か判定し、判定に応じて、前記データベースの施設と、関連付けられている第１及び第２の地理的位置が前記所定距離内にある短い非構造電子メッセージの各々及び施設位置とを関連付け、前記施設を施設グループにクラスタリングし、異常値をフィルタリングするために、前記データベースにクラスタリング・アルゴリズムを適用し、前記異常値は、前記データベースの他の施設の対応する集合的な特性と異なる一つもしくは複数の集合的な特性を有する前記データベースの一つもしくは複数の施設を示し、施設グループの各々について、前記施設グループで最大チェックイン数を有するコア施設を識別し、前記コア施設について、前記コア施設インジケータを更新する、命令を含む。

ソーシャル・メディア・コンテンツを用いて、特定の施設を、比較的容易にプロファイリングすることを可能とする。

実装のいくつかによるエンティティをプロファイリングする計算処理システムを例示するブロック図である。 実装のいくつかによるサーバ・システムを例示するブロック図である。 実装のいくつかによるサーバ・データベースを例示するブロック図である。 実装のいくつかによるクライアント・デバイスを例示するブロック図である。 実装のいくつかによるデバイスを例示するブロック図である。 実装のいくつかによるエンティティ施設の３つの位置(青）、エンティティ名が記載された短い非構造電子メッセージの位置（赤）を含むエンティティ（例えば、スターバックス）の可視表示を例示する。 実装のいくつかによる複数の関連付けられている施設及びエンティティの位置を例示する。 実装のいくつかによるクラスタリング結果を例示する。 実装のいくつかによる異なるスターバックス及びピーツ・コーヒー＆ティーの店舗の位置のプロファイリングされた平均感情値を例示する。 実装のいくつかによるＩｎ−Ｎ−Ｏｕｔ Ｂｕｒｇｅｒ及びマクドナルドの２つのファスト・フード・バーガー・チェーンの間の比較を例示する。 実装のいくつかによる異なる施設を訪問するソーシャル・グループのサイズを例示する。 実装のいくつかによる位置情報タグを付された短い電子メッセージによってエンティティと施設とを関連付けることによりエンティティの位置のソーシャル・メディア・ベース・プロファイリングを行う方法のフローチャートを例示する。 実装のいくつかによる位置情報タグを付された短い電子メッセージによってエンティティと施設とを関連付けることによりエンティティの位置のソーシャル・メディア・ベース・プロファイリングを行う方法のフローチャートを例示する。 実装のいくつかによる位置情報タグを付された短い電子メッセージによってエンティティと施設とを関連付けることによりエンティティの位置のソーシャル・メディア・ベース・プロファイリングを行う方法のフローチャートを例示する。 実装のいくつかによる位置情報タグを付された短い電子メッセージによってエンティティと施設とを関連付けることによりエンティティの位置のソーシャル・メディア・ベース・プロファイリングを行う方法のフローチャートを例示する。 実装のいくつかによる位置情報タグを付された短い電子メッセージによってエンティティと施設とを関連付けることによりエンティティの位置のソーシャル・メディア・ベース・プロファイリングを行う方法のフローチャートを例示する。 実装のいくつかによる施設をプロファイリングする方法のフローチャートを例示する。 実装のいくつかによる施設をプロファイリングする方法のフローチャートを例示する。 実装のいくつかによる施設をプロファイリングする方法のフローチャートを例示する。

以下、図面において、同様の構成要素には同様の参照符号を付す。

自身による考え、評価及び更新を友人及びパブリックと共有するためのソーシャル・メディアの使用は、急速に増加してきている。これらの表現は、パブリックなソーシャル・メディア・プラットフォームに記憶され、情報のリッチなソースとして用いられ得る。この情報をマイニングするアプリケーションは幅広く、疫学、政治的問題のパブリックの評価、イベント検出、及び、ビジネスのパブリックな評価及び商業製品を含む。アンケート及びコメント・フォームなどの顧客満足にアクセスする従来の方法に加え、ソーシャル・メディアは場所についての判断を表現するために広く用いられている方法になってきている。結果として、企業は、コメントを追跡し、企業の製品についてのパブリック・フォーラム及びマイクロブログでの問題に対処するために作業者を雇用する。

アンケート及びコメント・フォームを用いた顧客の評価の従来の査定によれば、販売者は、問題となっている店舗についてのみの評価を理解することが可能である。ソーシャル・メディアによれば、全ての店舗についての情報が誰にでも利用可能である。したがって、ビジネスでは容易に、ツイート（ツイッター・サービスのショート・メッセージ）などの、競合者及び自身のデータを収集することが可能であり、競合者に対する査定を実行するために査定を実行することが可能である。トリップアドバイザー及びイェルプなどのフォーラムは、ユーザがビジネスでの経験についての評価を投稿することを可能とするが、これらのフォーラムを用いることはツイッターのマイクロブログなどの素早い短い非構造電子メッセージを送信するよりも努力を必要とする。ツイッター及び他のショート・メッセージは、多くの人々がカジュアルな評価を表明するためためのサービスを提供する。

本開示は、店舗、学校、教会など、特定の位置で、エンティティをプロファイリングするソーシャル・メディアから（例えば、短い非構造電子メッセージから）の情報マイニングに基づくシステムに関連する。システムは、短い非構造電子メッセージで記述された特定のエンティティを識別するために、フォースクエアなどのアプリケーションから関連付けられている位置を用いて、施設と，ツイッターからのツイートなどの位置情報タグが付された短い電子メッセージと、を照合する。短い非構造電子メッセージをフィルタリングすることは、どの施設が参照されているかを不明確にする。クラスタリングは同様のエンティティを示す施設をグループ化するために用いられる。位置座標と場所とをリンクすることにより、施設と関連付けられているツイートなどの短い非構造電子メッセージは、ビジネス施設をプロファイリングするために用いられ得る。

適合した短い非構造電子メッセージに基づいて、施設をプロファイリングすることは、例えば、ある施設での感情及びある施設でのユーザのソーシャル・グループ・サイズを含む。実装のいくつかにおいて、感情評価手段が、チェーンの店舗の感情プロファイリングを生成するためにツイートに用いられる。感情評価手段は、各々の店舗に関連付けられているツイートの平均感情を求める。実装のいくつかにおいて、ソーシャル・グループ・サイズを評価するために、短い非構造電子メッセージ投稿に含まれる写真が分析され、ソーシャル・グループ情報が抽出される。感情プロファイリング結果は、ヒートマップとして可視化し得る。ヒートマップは、同一のチェーンの店舗に亘ってどのように感情が異なるか、及びチェーンのいくつかが他のチェーンよりも肯定的な感情を有するかを示す。ソーシャル・グループ・サイズについてのプロファイリング結果を示すヒートマップは、ソーシャル・グループ・サイズがどのように変動するかを示す。

エンティティ及び施設と位置情報タグを付された短い電子メッセージとを関連付けることにより、エンティティの場所のソーシャル・メディア・ベース・プロファイリングのためのシステム、方法、装置及び非一時的コンピュータ可読ストレージ媒体を開示する。ここで用いられるように、エンティティは場所（国、州、街、地理的領域など）もしくは機関（企業、協会、連合、政府もしくはプライベート機関など）もしくは、一般的な名詞から名称を付されたエンティティを区別するために使用する際に、一般的に利用される他の適切な名称であり得る。例えば、スターバックス、マクドナルド、ホームステッド・ハイスクール、ニュー・ホープ・チャーチなどが、エンティティである。ここで用いられるように、施設は、パブリックもしくはプライベートでオペレータによって操作される建物、屋内施設、屋外施設の何れであってもよい。施設には、教育、宗教、エンターテインメント、ショッピング、交通移動、及び／もしくはレクリエーションなどのためにゲストが訪れてもよい。施設は、例えば、学校、教会、スタジアム、アリーナ、球場、劇場、階段式観覧席、公園、レクリエーション・エリア、体育館、アーケード、アイス・リンク、ボーリング場、店舗、ショッピング・センター、空港、駅、バス・ターミナル、トラック停留所、マリーナ、レストラン、リゾート、ランドマーク、モニュメント、アミューズメント・パーク、スキー・リゾートなどを含むが、これらに限定されない。

開示の実装は、特定の位置の施設（例えば、商業施設、学校、公園、博物館など）での（ツイートなどの）位置情報タグを付された非構造メッセージをマッチングし、施設位置の各々で短いメッセージに含まれる、もしくは、関連付けられている情報をマイニングする技術を提供する。マイニングを実行するために、実装のいくつかは、特定の施設に関するメッセージのコンテンツの著者によって表現される一つもしくは複数の訪問特性を評価する。例えば、実装のいくつかにおいて、訪問特性は、施設に関する著者の感情（例えば、著者が当該施設を好きである度合いもしくは嫌いである度合い）及び当該施設への訪問に関連付けられているグループ・サイズの一つもしくは複数である。実装のいくつかは、感情分析手段を用いてツイート・コンテンツの感情を推定し、顔認識ソフトウェアを用いて、写真の顔を認識することによってソーシャル・グループのサイズを評価する。開示の実装の記述は、ツイート、ショート・メッセージ、短い非構造メッセージ、インスタント・メッセージ、電子メッセージ、マイクロブログ、投稿もしくは同様の用語を参照し得る。コンテキスト（例えば、ツイッター・サービスによって提供されるツイートを取り出すための特定のＡＰＩへの参照は、コンテキスト特有である）によって、差異が表現されない場合、もしくは、差異が明らかにされない場合、そのような参照の全ては取り替え可能であることを意図している。

実装のいくつかにおいて、ツイートなどの短い非構造電子メッセージが、エンティティをプロファイリングするために収集される。これらのメッセージのいくつか（このようなメッセージの数は増加してきている）には、位置座標を含むタグが付される。ある研究者によれば、２０１３年８月、位置をブロードキャストすることに同意しているツイッターのユーザは約６％である。位置のいくつかにおいては、より多い割合の人々が位置座標でツイートにタグを付する。例えば、ニュー・ヨーク市及びロサンジェルスのツイートの２６００万の内、約２９％の７５７万にＧＰＳタグが付されていることを、ある研究は示している。

位置情報タグを付されたツイートは、ツイートの緯度及び経度を提供するが、ユーザがツイートしている実際の場所（例えば、施設名）は提供しない。場所の位置座標は、都市部から、及び地理的場所の辞書から商業上利用可能であるが、情報は疎らであり、部分的に完全であり、調整される必要がある。位置ベース調査への一般的なアプローチは、ツイートの各々の地理的位置ではなく、ツイッター・ユーザが自己申告した家の位置からの位置を使用する。例えば、研究者のあるグループは、主として、都市部にある家の位置を利用した。研究者の他のグループは、郊外に家の位置をマッピングした。研究者の第３のグループは、ツイートにＰＯＩ（関心点）タグを付加した。ＰＯＩ名セットは、フォースクエア・チェックインに関連付けられているツイートから抽出された。しかしながら、チェーン店などの複数の位置に対応するＰＯＩ名は、あいまいさを取り除かなかった。研究者の第４のグループは、ニュー・ヨーク市及び合衆国本土の個別の位置情報タグを付されたツイートの幸福さを可視化した。第４のアプローチと同様に、本開示は、位置情報タグを付されたツイートにフォーカスする。一方、本開示は、特定のビジネスもしくは施設にツイートをマッピングする。

実装のいくつかにおいて、フォースクエアの施設は場所を識別するために選択される。フォースクエアの施設はユーザがチェックインするクラウド・ソースな（不特定多数の人々が寄与する）場所である。施設タイプは、例えば、店舗、スタジアム、もしくは、博物館、学校、公園などの関心点を含む。施設の各々は、緯度及び経度に関連付けられている。ツイートされている実際の施設を知ることは、位置情報タグを付されたツイートのコレクションにおける施設の各々に関する非常に豊富な情報を提供することを可能とする。

投稿が地理的位置情報を含まない場合に、ソーシャル・メディア投稿の位置を識別することに関する多くの研究が存在する。例えば、ツイートのテキストのみから、研究者のあるグループは、実際の家の位置の１００マイル内のツイッター・ユーザの５１％の位置を知ることが可能であった。研究者の第２のグループは、ユーザの家の位置の市、州、及びタイムゾーン評価の分類手段の集合を用いた。研究者の第３のグループは、国、州、街、及び郵便番号位置を推測するためにツイッターの言語モデルを生成した。研究者の第４のグループは、ユーザの位置を識別するために、ユーザの友人のＧＰＳ位置を用いた。９人の友人の位置が用いられる場合、８４．３％の正確さで実際の位置の１００ｍ以内でユーザの位置を識別することが可能であった。これらの方法の現在の正確さは、位置と施設とを関連付ける際に使用するためには、まだ粗い。これらの研究はいずれも、店舗、スタジアム、もしくは関心点などの場所もしくは施設と位置とを関連付けない。

写真も地理的位置を知るために使用される。例えば、研究者のあるグループは、位置を推測するためにＦｌｉｃｋｒのタグの性別ベース・モデルを用いた。正確さは、最高でも２１．５％であり、不十分であった。研究者の第２のグループは、位置検出を実行するためにコンパスの方向と共に写真の情報を用いた。研究者の第３のグループは、可視、テキスト及び、時間的な特徴に基づいて、ランドマークの写真の位置を推測するために、サポート・ベクター・マシン（ＳＶＭ）を用いた。研究者の第４のグループは、写真の地理的位置を検出するために、最近傍の可視ランキングを用いた。しかしながら、地理的位置検出の性能が高いとしても、少数のツイートが少なくとも１つの写真を含むだけである。例えば、本開示のテストの実装に、インスタグラムの写真を含むツイートの４％より少ない位置情報タグを付されたツイッターのコーパスが用いられた。さらに、全ての写真がユーザの位置を示すわけではない。写真に関連付けられているＥＸＩＦ（Exchangeable Image File Format）情報を見ると、地理的位置情報が取り除かれていることを発見する場合がある。写真に基づく地理的位置はツイートのいくつかについて有用であるが、写真ベースの方法だけを用いることは十分ではない。

様々な実装を詳細に参照する。実装の例は、添付の図面で示される。以下の詳細な記述において、開示の技術及び実装の全体的な理解を提供するために、特定の詳細がいくつか記載される。しかしながら、これらの特定がなくても、開示の技術を実行することは可能である。他の例において、よく知られた方法、プロシージャ、構成要素及び回路は、実装の態様を不必要に曖昧にしないように、詳細に記載しない。

図１は、実装のいくつかによる、エンティティ及び施設を位置情報タグが付された短い電子メッセージと関連付けることにより、ソーシャル・メディア・ベースで、エンティティの位置をプロファイリングするためのコンピュータ・システム１００を例示するブロック図である。実装のいくつかにおいて、コンピュータ・システム１００は、クライアント・デバイス１０４−１、１０４−２、…で実行されるクライアント側モジュール１０２−１、１０２−２、…（「クライアント側モジュール１０２」）、少なくとも１つのエンド・ユーザ・デバイス１３０、及び、サーバ・システム１０８で実行されるサーバ側モジュール１０６を含む。クライアント側モジュール１０２は、一つもしくは複数のネットワーク１１０を介して、サーバ側モジュール１０６と通信を実行する。クライアント側モジュール１０２は、クライアント側機能（例えば、インスタント・メッセージ及びソーシャル・ネットワーキング・サービスへのアクセス）及びサーバ側モジュール１０６との通信を提供する。サーバ側モジュール１０６は、任意の数のクライアント・モジュール１０２のサーバ側機能（例えば、インスタント・メッセージ及びソーシャル・ネットワーキング・サービス）を提供する。クライアント・モジュール１０２の各々は、クライアント・デバイス１０４の各々にロードされている。

実装のいくつかにおいて、クライアント・デバイス１０４は、ラップトップ、スマートフォンなどのモバイル・デバイスである。当該モバイル・デバイスから、ユーザ１２４は、ツイッター、フォースクエア、及びフェイスブックなどの外部サービス１２２とインタラクションするメッセージング及びソーシャル・メディア・アプリケーションを実行することが可能である。サーバ１０８は、エンティティ及び施設のプロファイルを知るために施設データと共にメッセージ及びエンティティを取得するために、外部サービス１２２に接続する。

図１に示されるコンピュータ・システム１００は、クライアント側部分（例えば、クライアント側モジュール１０２）及びサーバ側部分（例えば、サーバ側モジュール１０６）の両方を含む。実装のいくつかにおいて、データ処理は、クライアント・デバイス１０４にインストールされるスタンドアロン・アプリケーションとして実装される。さらに、クライアント環境データ処理のクライアント部分及びサーバ部分の間の機能の分割は、実施形態によって異なる。例えば、実装のいくつかにおいて、クライアント側モジュール１０２は、ユーザ対面入力及び出力処理機能だけを提供するシンクライアントであり、バックエンド・サーバ（例えば、サーバ・システム１０８）に他の全てのデータ処理機能を委ねる。

通信ネットワーク１１０は、イントラネット、エクストラネット、もしくはインターネットなどの有線もしくは無線のＬＡＮ（local area network）及び／もしくはＷＡＮ（wide area network）の何れかであり得る。通信ネットワーク１１０は、サーバ・システム１０８及びクライアント１０４とデバイス１３０との間に十分な通信機能を提供する。

実装のいくつかにおいて、サーバ側モジュール１０６は、１つもしくは複数のプロセッサ１１２、１つもしくは複数のデータベース１１４、１つもしくは複数のクライアントへのＩ／Ｏインターフェイス１１８、及び一つもしくは複数の外部サービスへのＩ／Ｏインターフェイス１２０を含む。一つもしくは複数のクライアントへのＩ／Ｏインターフェイス１１８は、サーバ側モジュール１０６のためにクライアント・デバイス及びデバイスと関連付けられる入力及び出力の処理を促進する。一つもしくは複数のプロセッサ１１２は、複数のユーザから短い非構造電子メッセージを取得し、短い非構造電子メッセージを処理し、クライアント・デバイスの位置情報を処理し、クライアント・デバイスの位置情報を一つもしくは複数のクライアント・デバイスのクライアント側モジュール１０２で共有し、さらにエンティティをプロファイリングする処理のために情報を記憶する。データベース１１４は、様々な情報を記憶する。様々な情報は、写真、地理的情報、マップ情報、サービス・カテゴリ、サービス・プロバイダ名、及び対応する位置を含むが、これらに限定されない。データベース１１４は、また、位置共有に関連付けられているユーザに関連する複数のレコード・エンティティ及び位置共有のためにユーザ間で交換される短い電子メッセージを記憶する。一つもしくは複数の外部サービスへのＩ／Ｏインターフェイス１２０は、１つもしくは複数の外部サービス１２２（例えば、他のソーシャル・ネットワーク・ウェブサイト、商品ウェブサイト、クレジット・カード会社及び／もしくは他の処理サービス）との通信を促進する。

実装のいくつかにおいて、サーバ側モジュール１０６は、Ｉ／Ｏインターフェイス１２０を介して、外部サービス１２０に接続し、外部サービスによって収集された短い非構造電子メッセージ及び施設などの情報を取得する。エンティティのプロファイルを知るために、複数の短い非構造電子メッセージ及び施設を蓄積した後、短い非構造電子メッセージが外部サービスに投稿された場合、クライアント・デバイスの位置情報などの情報を抽出するために、外部サービスから取り出したデータ、及び、クライアント・デバイスの共有位置情報を、サーバ１０８は、処理する。処理された、及び／もしくは処理されていない情報は、データベース１１４に記憶されている。情報は、写真、地理的情報、マップ情報、サービス・カテゴリ、サービス・プロバイダ名、及び、対応する位置を含むが、これらに限定されないデータベース１１４は、また、共有位置と関連付けられているユーザと関連する複数のレコード・エンティティ、位置共有のためにユーザ間で交換される短い電子メッセージを記憶する。

クライアント・デバイス１０４は、例えば、ハンドヘルド・コンピュータ、ウェアラブル・コンピュータ、ＰＤＡ（personal digital assistant）、タブレット・コンピュータ、ラップトップ・コンピュータ、携帯電話、スマート・フォン、ＥＧＰＲＳ（enhanced general packet radio service）モバイル・フォン、メディア・プレーヤ、ナビゲーション・デバイス、ポータブル・ゲーム・デバイス・コンソール、これらのデータ処理デバイスの何れか２つ以上の組み合わせ、もしくは他のデータ処理デバイスを含むが、これらに限定されない。

クライアント・デバイス１０４は、ディスプレイ及び一つもしくは複数の入力デバイスを含む（例えば、ディスプレイ及び一つもしくは複数の入力デバイスに結合されている）。クライアント・デバイス１０４は、一つもしくは複数の入力デバイスから入力（例えば、メッセージ、画像）を受信し、ユーザ１２４に表示するために、ディスプレイへの入力に対応するデータを出力する。ユーザ１２４は、サーバ１０８へ情報（例えば、メッセージ、画像及びクライアント・デバイス１０４の地理的位置）を送信するためにクライアント・デバイス１０４を用いる。サーバ１０８は、情報を受信し、当該情報を処理し、ユーザ１２４に表示するためにクライアント・デバイス１０４のディスプレイに処理された情報を送信する。

デバイス１３０は、例えば、ハンドヘルド・コンピュータ、ウェアラブル・コンピュータ、ＰＤＡ（personal digital assistant）、タブレット・コンピュータ、ラップトップ・コンピュータ、デスクトップ・コンピュータ、携帯電話、スマート・フォン、ＥＧＰＲＳ（enhanced general packet radio service）モバイル・フォン、メディア・プレーヤ、ナビゲーション・デバイス、ゲーム・コンソール、テレビ、リモート・コントロール、これらのデータ処理デバイスの２つ以上の組み合わせ、もしくは、他のデータ処理デバイスを含むが、これらに限定されるものではない。

デバイス１３０は、ディスプレイ及び一つもしくは複数の入力デバイスを含む（例えば、ディスプレイ及び一つもしくは複数の入力デバイスに接続されている）。デバイス１３０は、一つもしくは複数の入力デバイスから入力（例えば、プロファイリング情報を取り出すための要求、メッセージ、画像）を受信し、ユーザ１３２に表示するためのディスプレイへの入力に対応するデータを出力する。ユーザ１３２は、サーバ１０８へ情報（例えば、プロファイリング情報を取り出すための要求、メッセージ、画像及びデバイス１３０の地理的位置）を送信するためにデバイス１３０を用いる。サーバ１０８は、情報を受信し、当該情報を処理し、ユーザ１３２への表示のためにクライアント・デバイス１３０のディスプレイに処理された情報（例えば、プロファイリング結果）を送信する。

一つもしくは複数のネットワーク１１０は、例えば、ＬＡＮ（local area networks）及びインターネットなどのＷＡＮ（wide area networks）を含む。一つもしくは複数のネットワーク１１０は、イーサネット（登録商標）、ＵＳＢ（Universal Serial Bus）、ファイアワイア、ＧＳＭ（登録商標）（Global System for Mobile Communications）、ＥＤＧＥ（Enhanced Data GSM Environment）、ＣＤＭＡ（code division multiple access）、ＴＤＭＡ（time division multiple access）、ブルートゥース（登録商標）、ＷｉＦｉ、ＶｏＩＰ（voice over Internet Protocol）、Ｗｉ−ＭＡＸもしくは任意の他の適切な通信プロトコルなどの様々な有線もしくは無線のプロトコルを含む既知のネットワーク・プロトコルを用いて実装されてもよいが、必須ではない。

サーバ・システム１０８は、一つもしくは複数のスタンドアロン・データ処理装置もしくはコンピュータの分散ネットワーク上に実装される。実装のいくつかにおいて、サーバ・システム１０８は、また、サーバ・システム１０８の基礎計算処理リソース及び／もしくはインフラストラクチャ・リソースを提供するために、様々なバーチャル・デバイス、及び／もしくは、サード・パーティ・サービス・プロバイダ（例えば、サード・パーティ・クラウド・サービス・プロバイダ）のサービスを用いる。

図１に示すコンピュータ・システム１００は、クライアント側部分（例えば、クライアント側モジュール１０２、デバイス１３０のモジュール）及びサーバ側部分（例えば、サーバ側モジュール１０６）の両方を含む。実装のいくつかにおいて、データ処理の部分は、クライアント・デバイス１０４及び／もしくはエンド・ユーザ・デバイス１３０にインストールされたスタンドアロン・アプリケーションとして実装される。さらに、クライアント環境データ処理のクライアント部分及びサーバ部分の間の機能の分割は、異なる実装で変動可能である。例えば、実装のいくつかにおいて、クライアント側モジュール１０２は、ユーザ対面入力及び出力処理機能を提供するシンクライアントであり、バックエンド・サーバ（例えば、サーバ・システム１０８）にデータ処理機能を委ねる。

図２Ａは、実装のいくつかによるサーバ・システム１０８を例示するブロック図である。サーバ・システム１０８は、一つもしくは複数の処理ユニット（ＣＰＵ）１１２、一つもしくは複数のネットワーク・インターフェイス２０４（例えば、一つもしくは複数のクライアント１１８へのＩ／Ｏインターフェイス及び一つもしくは複数の外部サービス１２０へのＩ／Ｏインターフェイス）、一つもしくは複数のメモリ・ユニット２０６、及び、これらの構成要素（例えば、チップセット）を相互に接続する一つもしくは複数の通信バス２０８を含んでいてもよい。

メモリ２０６は、ＤＲＡＭ、ＳＲＡＭ、ＤＤＲ ＲＡＭもしくは他のランダム・アクセス・ソリッド・ステート・メモリ・デバイスなどの高速ランダム・アクセス・メモリを含む。メモリ２０６は、一つもしくは複数の磁気ディスク・ストレージ・デバイス、一つもしくは複数の光ディスク・ストレージ・デバイス、一つもしくは複数のフラッシュ・メモリ・デバイス、もしくは、一つもしくは複数の他の不揮発性ソリッド・ステート・ストレージ・デバイスなどの不揮発性メモリを含んでいてもよいが、必須ではない。メモリ２０６は、一つもしくは複数の処理ユニット１１２から離隔して配置される一つもしくは複数のストレージ・デバイスを含んでもよいが、必須ではない。メモリ２０６は、もしくは、代替的に、メモリ２０６の不揮発性メモリは、非一時的コンピュータ可読ストレージ媒体を含む。実装のいくつかにおいて、メモリ２０６，もしくは、メモリ２０６の非一時的コンピュータ可読ストレージ媒体は、以下のプログラム、モジュール、データ構造、もしくは、プログラム、モジュール、データ構造のサブセットもしくはスーパーセットを記憶する。
●オペレーティング・システム２１０。オペレーティング・システム２１０は、様々な基本システム・サービスに対処し、ハードウェア依存タスクを実行するためのプロシージャを含む。
●ネットワーク通信モジュール２１２。ネットワーク通信モジュール２１２は、一つもしくは複数のネットワーク１１０に一つもしくは複数のネットワーク・インターフェイス２０４（有線もしくは無線）を介して接続される他の計算処理デバイス（例えば、クライアント・デバイス１０４及び外部サービス１２２）に、サーバ・システム１０８を接続する。
●サーバ側モジュール１０６。サーバ側モジュール１０６は、サーバ側データ処理（例えば、ユーザ・アカウント照合、インスタント・メッセージ、及びソーシャル・ネットワーキング・サービス）を提供し、以下を含む。
○要求対処モジュール。要求対処モジュールは、エンティティのプロファイリングの要求を含む、クライアント・デバイスから送信される様々な要求に対処し、応答する。
○メッセージ処理モジュール２２８。メッセージ処理モジュール２２８は、クライアント・デバイス１０４から位置情報と共に受信した短い非構造電子メッセージを処理し、エンティティをプロファイリングするサーバ・デバイス１１４に記憶される施設エントリと当該メッセージとを関連付ける。このモジュールは、また、短い非構造電子メッセージのコンテンツに基づいて、施設をプロファイリングする。
○クラスタリング・モジュール２３２。クラスタリング・モジュール２３２は、サーバ・データベース１１４に記憶されたメッセージ及び施設をクラスタリングする。
○データ操作モジュール２３９。データ操作モジュール２３９は、サーバ・データベース１１４のレコードを構築し、更新する。
○感情分析手段２２２。感情分析手段は、短い非構造電子メッセージを分析し、メッセージに関して訓練された感情分析手段２２２を用いて、メッセージの各々の感情を求める。
●一つもしくは複数の施設のサーバ・データベース１１４。一つもしくは複数の施設のサーバ・データベース１１４は、エンティティをプロファイリングするためのデータを記憶する。
○地理データベース２４２。地理データベース２４２は、エンティティの施設情報を記憶する。地理データベース２４２は、施設の各々の施設名、地理的位置、及び一つもしくは複数の施設特性を含む。施設特性は、実装のいくつかによれば、外部サーバ１２２からサーバ１０８によって取得され得る。
○メッセージ・データベース２４４。メッセージ・データベース２４４は、クライアント・デバイス１０４から受信されたメッセージを記憶する。
○クラスタ・データベース２４６。クラスタ・データベース２４６は、地理データベース２４２及びメッセージ・データベース２４４に基づいて生成されるクラスタ及びクラスタの各々について求められたプロファイリング・データを記憶する。

上記構成要素の各々は、上記メモリ・デバイスの一つもしくは複数に記憶され得る。また、上記構成要素の各々は、上記機能を実行するための命令セットに対応する。上記識別されたモジュールもしくはプログラム（即ち、命令セット）は、別個のソフトウェア・プログラム、プロシージャ、もしくはモジュールとして実装されなくてもよい。これらのモジュールの様々なサブセットは、様々な実装において、組み合わされ、もしくは、再構成され得る。実装のいくつかにおいて、メモリ２０６は、上記モジュール及びデータ構造のサブセットを記憶するが、必須ではない。さらに、メモリ２０６は、上記されていないモジュール及びデータ構造を記憶するが、必須ではない。

図２Ｂは、実装のいくつかによる地理データベース２４２、メッセージ・データベース２４４、及び、クラスタ・データベース２４６を例示するブロック図である。実装のいくつかにおいて、地理データベース２４２は、エンティティの施設情報を記憶する。地理データベース２４２は、施設の各々について、施設名２５４、地理的位置２５２、及び一つもしくは複数の施設特性を含む。施設特性は、施設の各々へのチェックイン数２５６、施設の各々へのユニーク・ビジター数（延べビジター数から重複を除いた数）２５８、及び施設の各々がエンティティ位置のソーシャル・メディア・ベース・プロファイリングのクラスタにおけるコア施設であるか否かを示すコア施設インジケータ２６０などである。地理データベースの情報のいくつかは、フォースクエアなどの外部サービスによって提供される施設情報に基づく。外部サービスは、特定の施設について、施設名２５４、地理的位置２５２、及び、当該位置へのチェックイン数２５６及び当該位置へのユニーク・ビジター数２５８の一つもしくは複数を提供する。地理データベース２４２の他の情報は、コア施設インジケータ２６０など、開示の方法によって生成される情報である。

エンティティ・プロファイリングの間、地理データベース２４２は、マッチングによって、メッセージ・データベース２４４のレコードと関連付けられる。例えば、メッセージ・データベース２４４に記憶されたレコードは、短い非構造電子メッセージを表わし、実装のいくつかにおいて、関連付けられている地理的位置２６２及びメッセージ・コンテンツ２６４を含む。実装のいくつかにおいて、短い非構造電子メッセージを取得した後、メッセージ処理モジュール２２８は、さらに、メッセージ・コンテンツ２６４の施設名２６６及び特性２６８を識別する。実装のいくつかにおいて、特性２６８は、クラスタリングの予備オペレーションを実行した後、求められ得る。メッセージ処理モジュール２２８は、次に、地理データベース２４２が施設名２６６と実質的に同一である施設名２５４及び関連付けられている地理的位置２６２と実質的に同一である施設の地理的位置２５２を有する候補施設を含むか否かを判定するために、地理データベース２４２にアクセスする。候補施設が地理データベース２４２に存在する場合、メッセージ処理モジュール２６６は、候補施設と関連付けられている施設レコードと、短い非構造電子メッセージと、を関連付ける。

実装のいくつかにおいて、施設レコードは、クラスタ・データベース２４６に記憶され、施設レコードが閾値数より多い短い非構造電子メッセージと関連付けられている場合、データ操作モジュール２３９は関連付けられている短い非構造電子メッセージの特性２６８に基づいて、クラスタ・データベース２４６に記憶される施設レコードを更新する。実装のいくつかにおいて、特性２６８は、感情スコア２７２及びグループ・サイズ２７４を含む。短い非構造電子メッセージのいくつかは、顔画像を含み得る。結果として、これらのメッセージは顔画像情報２７０を含む。

図２Ｂに示されるように、実装のいくつかにおいて、クラスタリング・モジュール２３２は、地理データベース２４２に記憶されている施設レコード及びメッセージ・データベース２４４に記憶されている位置情報タグが付されているメッセージを、複数のクラスタ２８０−１、２８０−２にクラスタリングする。クラスタ２８０の各々は、複数の施設レコード２８２−１、２８２−２を含む。施設レコード２８２は、地理データベース２４２に記憶されている施設レコードに関連付けられている。施設レコード２８２は、さらに、メッセージ・データベース２４４に記憶されているメッセージと関連付けられている。クラスタリングの間、施設レコードの１つは、チェックイン数２５６が最大である施設などの特性に基づいて、クラスタの各々のコア施設として識別される。さらに、クラスタリングの間、データ操作モジュール２３９は、対応する施設レコードのコア施設インジケータ２６０及びメッセージ・データベース２４４の関連付けられているレコードのコア施設タグ２７６を更新する。

実装のいくつかにおいて、クラスタリングが完了すると、データ操作モジュール２３９は、施設レコード２８２の全体感情２８４及び平均グループ・サイズ２８６などの特性を求める。全体感情２８４及び平均グループ・サイズ２８６に記憶されている情報は、次に、同一チェーンの店舗に亘って感情がどのように異なるか、どのようにいくつかのチェーンは他のチェーンより肯定的な感情を有するか、及び／もしくは、ソーシャル・グループのサイズはどのように変動するか、など、プロファイリング・エンティティの結果を示すために用いられ得る。本開示のデータ構造及び他の数字は、実装のいくつかを代表するものである。他の実装は、本開示のデータ構造要素を変更してもよく、本開示の構成要素及び関連付けられている情報のサブセットもしくはスーパーセットを用いてもよい。

図３Ａは実装のいくつかによる一般的なクライアント・デバイス１０４を例示するブロック図である。クライアント・デバイス１０４は、一般的に、一つもしくは複数の処理ユニット（ＣＰＵ）３０２、一つもしくは複数のネットワーク・インターフェイス３０４、メモリ３０６、画像取得デバイス３０８を含み、さらに、一つもしくは複数のセンサ３１２を含んでもよいが、必須ではない。また、クライアント・デバイス１０４は、これらの構成要素（チップセットとも呼ばれる）を相互に接続する一つもしくは複数の通信バス３０８を含む。クライアント・デバイス１０４は、また、ユーザ・インターフェイス３１０を含む。ユーザ・インターフェイス３１０は、一つもしくは複数のスピーカ及び／もしくは一つもしくは複数の可視表示を含むメディア・コンテンツの提示を可能とする一つもしくは複数の出力デバイス３１２を含む。ユーザ・インターフェイス３１０は、また、キーボード、マウス、音声コマンド入力ユニットもしくはマイクロフォン、タッチ・スクリーン・ディスプレイ、入力用タッチパッド、（例えば、符号化された画像を走査する）カメラ、ジェスチャ取得カメラ、もしくは他の入力ボタンもしくはコントロールなどのユーザ入力を促進するユーザ・インターフェイス・コンポーネントを含む、一つもしくは複数の入力デバイス３１４を含む。さらに、クライアント・デバイス１０４は、キーボードを補助するため、もしくは、キーボードと置き替えるために、マイクロフォン及び音声認識もしくはカメラ及びジェスチャ認識を用いる。

メモリ３０６は、ＤＲＡＭ、ＳＲＡＭ、ＤＤＲ ＲＡＭもしくは他のランダム・アクセス・ソリッド・ステート・メモリ・デバイスなどの高速ランダム・アクセス・メモリを含み、必須ではないが、一つもしくは複数の磁気ディスク・ストレージ・デバイス、一つもしくは複数の光ディスク・ストレージ・デバイス、一つもしくは複数のフラッシュ・メモリ・デバイス、もしくは、一つもしくは複数の他の不揮発性ソリッド・ステート・ストレージ・デバイスなどの不揮発性メモリを含む。メモリ３０６は、必須ではないが、一つもしくは複数の処理ユニット３０２から離隔して配置される一つもしくは複数のストレージ・デバイスを含む。メモリ３０６、または代替的にメモリ３０６の不揮発性メモリは、非一時的コンピュータ可読ストレージ媒体を含む。実装のいくつかにおいて、メモリ３０６、もしくは、メモリの非一時的コンピュータ可読ストレージ媒体は、以下のプログラム、モジュール及びデータ構造、もしくは、プログラム、モジュール及びデータ構造のサブセットもしくはスーパーセットを記憶する。
●オペレーティング・システム３１６。オペレーティング・システム３１６は、様々な基本システム・サービスに対処し、ハードウェア依存タスクを実行するためのプロシージャを含む。
●ネットワーク通信モジュール３１８。ネットワーク通信モジュール３１８は、一つもしくは複数のネットワーク・インターフェイス３０４（有線もしくは無線）を介して、一つもしくは複数のネットワーク１１０に接続される他の計算処理デバイス（例えば、サーバ・システム１０８及び外部サービス１２２）にクライアント・デバイス１０４を接続する。
●提示モジュール３２０。提示モジュール３２０は、ユーザ・インターフェイス３１０に関連付けられている一つもしくは複数の出力デバイス３１２（例えば、ディスプレイ、スピーカなど）を介して、クライアント・デバイス１０４で情報の提示（例えば、ソーシャル・ネットワーキング・プラットフォームのためのユーザ・インターフェイス、ウィジェット、ウェブページ、ゲーム及び／もしくはアプリケーション、音声及び／もしくはビデオ・コンテンツ、テキスト、及び／もしくは走査する符号化された画像の表示）を可能とする。
●入力処理モジュール３２２。入力処理モジュール３２２は、一つもしくは複数の入力デバイス３１４の１つからの一つもしくは複数のユーザ入力もしくはインタラクションを検出し、検出した入力もしくはインタラクションを解釈する（例えば、クライアント・デバイスのカメラによって走査された符号化された画像を処理する）。
●一つもしくは複数のアプリケーション３２６−１、…、３２６−Ｎ。一つもしくは複数のアプリケーション３２６−１、…、３２６−Ｎは、クライアント・デバイス１０４（例えば、カメラ・モジュール、センサ・モジュール、ゲーム、アプリケーション・マーケットプレイス、ペイメント・プラットフォーム、ソーシャル・ネットワーク・プラットフォーム、及び／もしくは、様々なユーザ・オペレーションを含む他のアプリケーション）によって実行される。
クライアント側モジュール１０２。クライアント側モジュール１０２は、以下を含むクライアント側データ処理及び機能を提供する。
○通信システム３３２。通信システム３３２は、ショート・メッセージ及び／もしくはインスタント・メッセージ・アプリケーションを含むエンティティ・プロファイリングの要求を生成し、送信し、メッセージを送信する。
●クライアント・データ３４０。クライアント・データ３４０は、以下を含むクライアント・デバイスに関連付けられているユーザのデータを記憶する。
○ユーザ・プロファイル・データ３４２。ユーザ・プロファイル・データ３４２は、クライアント・デバイス１０４に関連付けられている一つもしくは複数のユーザ・アカウント、一つもしくは複数のユーザ・アカウントを含むユーザ・アカウント・データ、ユーザ・アカウントの各々のログイン証明、ユーザ・アカウントの各々に関連付けられているペイメント・データ（例えば、リンクされたクレジット・カード情報、クレジットもしくはギフト・カード・バランス、請求先住所、発送先住所など）、ユーザ・アカウントの各々のカスタム・パラメータ（例えば、年齢、位置、趣味など）、ユーザ・アカウントの各々のソーシャル・ネットワーク連絡先を記憶する。
○ユーザ・データ２８８。ユーザ・データ２８８は、クライアント・デバイス１０４のユーザ・アカウントの各々の利用データを記憶する。

実装のいくつかにおいて、画像取得デバイス３０８は、ネットワーク１１０に接続可能な任意の画像取得デバイスであり、必須ではないが、カメラ・デバイス３０８の位置及び／もしくは方向及び視野を決定することを可能とする一つもしくは複数のセンサ３１２（例えば、ＧＰＳ（Global Positioning System）レシーバ、加速度計、ジャイロスコープ、磁力計など）を含む。例えば、画像取得デバイス３０８は、外部カメラもしくはタブレット・デバイスもしくはスマート・フォンに組み込まれたカメラであってよい。当該タブレット・カメラもしくはスマート・フォンから、クライアント・デバイス１０４のユーザはメッセージを送信することも可能である。結果として、カメラ・デバイス３０８は、遠隔地のユーザによって経験され得るミーティング、プレゼンテーション、ツアー、及びミュージカルもしくは劇場でのパフォーマンスの音声及びビデオ及び他の環境情報を提供する。カメラ・モジュールは画像取得デバイス３０８を用いて画像（例えば、ビデオ）を取得し、取得した画像を画像データに符号化し、サーバ・システム１０８に画像データを送信する。実装のいくつかにおいて、カメラ・デバイス３０８は、カメラ・デバイス３０８の地理的位置を決定するための位置検出デバイス（例えば、ＧＰＳレシーバ）を含む。

実装のいくつかにおいて、センサ３１２は、ＧＰＳレシーバ、加速度計、ジャイロスコープ、及び磁力計の一つもしくは複数を含む。センサ・モジュールは、センサ３１２からの情報を取得し、センサ・データに当該情報を変換し、サーバ・システム１０８に当該センサ・データを送信する。ＧＰＳから地理的位置情報を取得することに加え、地理的位置情報は、クライアント・デバイス１０４のトランスミッタの既知である位置から、もしくはトランスミッタの三角測量から取得され得る。実装のいくつかにおいて、ＧＰＳセンサもしくはセンサ３１２は、サーバ１０８によって処理される位置情報タグを付されたショート・メッセージに用いられる位置情報を提供し得る。

上記識別された要素の各々は、上記メモリ・デバイスの一つもしくは複数に記憶されてもよく、上記機能を実行する命令セットに対応する。上記識別されたモジュールもしくはプログラム（即ち、命令セット）は、別個のソフトウェア・プログラム、プロシージャ、モジュール、もしくはデータ構造として実装される必要はない。したがって、これらのモジュールの様々なサブセットは様々な実装において組み合わされてもよく、また、再構成されてもよい。実装のいくつかにおいて、メモリ３０６は、上記モジュール及びデータ構造のサブセットを記憶してもよいが、必須ではない。さらに、メモリ３０６は、上記されていない他のモジュール及びデータ構造を記憶してもよいが、必須ではない。

実装のいくつかにおいて、サーバ・システム１０８の機能の少なくともいくつかは、クライアント・デバイス１０４によって実行され、これらの機能の対応するサブモジュールは、サーバ・システム１０８ではなく、クライアント・デバイス１０４内に配置されてもよい。実装のいくつかにおいて、クライアント・デバイス１０４の機能の少なくともいくつかは、サーバ・システム１０８によって実行され、これらの機能の対応するサブモジュールは、クライアント・デバイス１０４ではなく、サーバ・システム１０８によって実行される。図２Ａ及び図３Ａに示されるクライアント・デバイス１０４及びサーバ・システム１０８は、単なる例示であり、開示の機能を実装するモジュールの異なる構成が様々な実施形態において可能である。

図３Ｂは、実装のいくつかによる一般的なエンド・ユーザ・デバイス１３０を例示するブロック図である。エンド・ユーザ・デバイス１３０は、一般的に、一つもしくは複数の処理ユニット（ＣＰＵ）３５２，一つもしくは複数のネットワーク・インターフェイス３５４、メモリ３５６、これらの要素を相互に接続する一つもしくは複数の通信バス３５８（チップセットともいう）を含む。エンド・ユーザ・デバイス１３０は、また、ユーザ・インターフェイス３６０を含む。ユーザ・インターフェイス３６０は、一つもしくは複数のスピーカ及び／もしくは一つもしくは複数の可視表示を含み、メディア・コンテンツの提示を可能とする一つもしくは複数の出力デバイス３６２を含む。ユーザ・インターフェイス３６０は、また、キーボード、マウス、音声コマンド入力ユニットもしくはマイクロフォン、タッチ・スクリーン・ディスプレイ、入力タッチ・パッド、（例えば、符号化された画像を走査する）カメラ、ジェスチャ取得カメラ、もしくは他の入力ボタンもしくは制御などのユーザ入力を促進するユーザ・インターフェイス・コンポーネントを含む、一つもしくは複数の入力デバイス３６４を含む。さらに、クライアント・デバイス１０４のいくつかは、キーボードを補助するもしくはキーボードと置き替えられるマイクロフォン及び音声認識手段もしくはカメラ及びジェスチャ認識手段を用いる。

メモリ３６５は、ＤＲＡＭ、ＳＲＡＭ、ＤＤＲ ＲＡＭ、もしくは他のランダム・アクセス・ソリッド・ステート・メモリ・デバイスなどの高速ランダム・アクセス・メモリを含み、必須ではないが、一つもしくは複数の磁気ディスク・ストレージ・デバイス、一つもしくは複数の光ディスク・ストレージ・デバイス、一つもしくは複数のフラッシュ・メモリ・デバイス、もしくは一つもしくは複数の他の不揮発性ソリッド・ステート・ストレージ・デバイスなどの不揮発性メモリを含む。メモリ３５６は、一つもしくは複数の処理ユニット３５２から離隔して配置される一つもしくは複数のストレージ・デバイスを含むが必須ではない。メモリ３５６、もしくは、代替的に、メモリ３５６の不揮発性メモリは、非一時的コンピュータ可読ストレージ媒体を含む。実装のいくつかにおいて、メモリ３５６もしくはメモリ３５６の非一時的コンピュータ可読ストレージ媒体は、以下のプログラム、モジュール及びデータ構造もしくはプログラム、モジュール及びデータ構造のサブセットもしくはスーパーセットを記憶する。
●オペレーティング・システム３６６。オペレーティング・システム３６６は、様々な基本システム・サービスに対処し、ハードウェア依存タスクを実行するプロシージャを含む。
●ネットワーク通信モジュール３６８。ネットワーク通信モジュール３６８は、一つもしくは複数のネットワーク・インターフェイス３５４（有線もしくは無線）を介して、一つもしくは複数のネットワーク１１０に接続されている他の計算処理デバイス（例えば、サーバ・システム１０８及び外部サービス１２２）にエンド・ユーザ・デバイス１３０を接続する。
●提示モジュール３７０。提示モジュール３７０は、ユーザ・インターフェイス３６０と関連付けられている一つもしくは複数の出力デバイス３６２（例えば、ディスプレイ、スピーカなど）を介して、クライアント・デバイス１０４で情報の提示（例えば、ソーシャル・ネットワーキング・プラットフォームのユーザ・インターフェイス、ウィジェット、ウェブページ、ゲーム、及び／もしくはアプリケーション、音声及び／もしくはビデオ・コンテンツ、テキスト、及び／もしくは、走査する符号化された画像の表示）を可能とする。
●入力処理モジュール３７２。入力処理モジュール３７２は、一つもしくは複数の入力デバイス３６４の１つから一つもしくは複数のユーザ入力もしくはインタラクションを検出し、検出された入力もしくはインタラクションを解釈する（例えば、クライアント・デバイスのカメラによって走査される符号化された画像を処理する）。
●一つもしくは複数のアプリケーション３７６−１、…、３７６−Ｎ。一つもしくは複数のアプリケーション３７６−１、…、３７６−Ｎは、クライアント・デバイス１０４（例えば、カメラ・モジュール、センサ・モジュール、ゲーム、アプリケーション・マーケットプレイス、ペイメント・プラットフォーム、ソーシャル・ネットワーク・プラットフォーム、及び／もしくは様々なユーザ・オペレーションを含む他のアプリケーション）によって実行される。
●モジュール３８０。モジュール３８０は、以下のデータ処理及び機能を提供する。
○表示モジュール３８２。ディスプレイ・モジュール３８２は、エンティティ・プロファイリング結果を表示する。

上記要素は上記メモリ・デバイスの一つもしくは複数に記憶されてもよく、上記機能を実行する命令セットに対応する。上記モジュールもしくはプログラム（即ち、命令セット）は、別個のソフトウェア・プログラム、モジュールもしくはデータ構造として実装される必要はなく、これらのモジュールのサブセットは様々な実装において組み合わされ、再構成されてもよい。実装のいくつかにおいて、メモリ３５６を含み、上記モジュール及びデータ構造のサブセットを記憶するが、必須ではない。さらに、メモリ３５６は、上記されていないモジュール及びデータ構造を記憶するが、必須ではない。

実装のいくつかにおいて、サーバ・システム１０８の機能の少なくともいくつかはデバイス１３０によって実行され、これらの機能の対応するサブモジュールはサーバ・システム１０８ではなくデバイス１３０に配置されてもよい。実装のいくつかにおいて、デバイス１３０の機能の少なくともいくつかはサーバ・システム１０８によって実行され、これらの機能の対応するサブモジュールはデバイス１３０ではなく、サーバ・システム１０８に配置されてもよい。図２Ａ及び図３Ｂに示すデバイス１３０及びサーバ・システム１０８は、単なる例示であり、ここで記述される機能を実装するための異なるモジュールの構成が様々な実施形態において可能である。

実装のいくつかにおいて、エンティティをプロファイリングするために、エンティティの施設は、ソーシャル・メディア・ベース・プラットフォームの評価を表明するパブリックな投稿に関連付けられる。エンティティの施設は、フォースクエアもしくはイェルプなどの外部サービス１２２から収集され得る。例えば、フォースクエアの施設には、場所／施設の名前及び地理的座標を有するタグが付される。フォースクエア・ユーザは、施設にチェックインした際に、コメントをするかもしれないが、コメントはフォースクエア・サイトにおいてパブリックではない。パブリックな投稿を集めるために、ツイッターなどの外部サービス１２２のいくつかは、評価を表わす短い非構造電子メッセージを収集するために用いられ得る。

フォースクエアの施設は、ユーザがある場所にチェックインした際に識別するクラウドソースな場所である。フォースクエアは、ユーザが何の近くを歩行しているかではなく、ユーザがいる場所にチェックインすることを推奨する。偽のチェックインには反対されるが、ユーザの幾人かは場所、特にユーザの家、に名称を付ける際に、独創的である。例えば、収集領域は緯度が［３７．１０、３８．１５］の範囲であり、経度が［−１２２．６、−１２１．６］の範囲であるとして定義される。この収集領域は、サンフランシスコ及びサンホセを含むサンフランシスコベイエリアのほとんどをカバーする。収集領域の施設のデータセットコレクションは、「秘密の部屋」という名称をを含む６個の家があることを示す。実装のいくつかにおいて、フォースクエアは、位置情報タグを付されたショート・メッセージに基づいて、施設がプロファイリングされる領域の地理的座標の近くの施設の施設サーチＡＰＩ３を用いて問い合わせを受ける。以下において、例えば、地理的座標は、サンフランシスコベイエリアのツイートの地理的座標である。この例において、問い合わせレートは、フォースクエアのレート限界を下回るよう保持される。問い合わせの数を低減するために結果はキャッシュされる。結果の最大数が戻されると、問い合わせは、最も近い位置の全てを取り出すためにより狭い領域で精緻化される。施設の各々のメタデータは以下を含む。
●緯度経度
●施設名
●チェックイン数
●ユニーク・ビジター数

ツイートはパブリックであり、幅広い種類のソース及びソーシャル・メディア・プラットフォームからユーザの評価のサンプルを提供する。アイフォーンのツイッターもしくはアンドロイドのツイッターなどのツイッター・アプリから直接ツイートを投稿することに加え、フォースクエアなどの他のソーシャル・メディア・プラットフォームは、ユーザがソースと共にツイッターを介してパブリックな投稿を実行することを可能とすることがよくある。短い非構造電子メッセージを取得するために、外部サービス１２２としてツイッターを用いる以外に、１１００以上の他のソースを位置情報タグが付された短い非構造電子メッセージを取得するために用い得る。ツイッター・アプリ以外のよく用いられるソースは、多数あるが、例えば、インスタグラム及びフォースクエアを含む。

実装のいくつかにおいて、ツイートはツイッター・ストリーミングＡＰＩ２を用いて収集される。以下に記述される例において、図４Ａ〜図５Ｃに例示する結果を生成するために、地理的問い合わせは緯度［３７．１０、３８．１５］、経度［−１２２．６、−１２１．６］の範囲で、ツイートについて特定され、１６，０４０，４２７の位置情報タグを付されたツイートが２０１３年６月４日から２０１４年４月７日までの１０ヶ月間で収集された。これは、サンフランシスコベイエリアの送信者によるツイートに対応する。実装のいくつかにおいて、短い非構造電子メッセージのいくつかは、写真への一つもしくは複数のリンクを有する。短い非構造電子メッセージと関連付けられているメタデータから、ツイートで記述されるインスタグラムの写真などの、写真へのリンクは識別され、ダウンロードされ得る。例えば、総数６０１，１６４の写真が、エンティティの位置をプロファイリングし、図５に示されるプロファイリング結果を生成する際に用いるためにダウンロードされる。

実装のいくつかにおいて、施設データ及び短い非構造電子メッセージが収集されると、地理的データベース２４２に記憶されている施設データのリンク、メッセージ・データベース２４４に記憶されている短い非構造電子メッセージ、及びクラスタ・データベース２４６に記憶されているクラスタが確立され得る。エンティティ位置のソーシャル・メディア・ベース・プロファイリングのために施設と位置情報タグを付された短い非構造電子メッセージを照合するために、いくつかのファクタが考慮される必要がある。

まず、ツイートなど、他の外部サービス１２２からの短い非構造電子メッセージは、店舗／ビジネスロケーションに関連するツイートを識別するために施設と関連付けられる必要がある。フォースクエアがソースである場合、（記述される実装の１つの試みにおいて、）ツイートの地理的座標は施設と直接マッピングされる。フォースクエアは（４９２，５２９のツイートの）ソースである。また、ソースとしての他の外部サービス１２２からの短い非構造電子メッセージはユーザの現在の場所の地理的座標を反映するかもしれない。

図４Ａは、３つの位置４０２、４０４、４０６のエンティティ施設の位置（青）及びエンティティ名が記述される短い非構造電子メッセージ（赤）の全ての位置を示す。図４Ａに示すように、短い非構造電子メッセージの多くは、エンティティ施設の近くにはない。４０２−１、４０２−２、４０２−３に位置するメッセージはエンティティ施設４０２と広い道の反対側にある。図４Ａからは、エンティティ名を記述するメッセージの多くについて、参照されている位置は不明瞭である。

関連についてツイートを識別するために、ツイートは施設名が記述されるツイートを保持するようフィルタリングされる。しかしながら、図４Ａに示されるように、スターバックスを記述するツイートの多くについて、どのスターバックスの位置が参照されているかは不明瞭である。図４Ａにおいて、青マーカ４０２、４０４、４０６の近くにない多くの赤マーカによって示されるように、実際に存在することなく、ツイートのテキストにおいて、ユーザは場所を参照する可能性がある。同一の名称を有する複数の施設がある場合、図４Ａに示されるように、ユーザが参照している実際の位置を決定することは困難であり得る。したがって、関連付けられているツイートは、施設から所定の距離内にある必要もない。実装のいくつかにおいて、大円距離（球面上の２点間の最短距離）が距離を計算するために用いられ、例示的な所定の距離は施設から、ツイートが、０．０００８度以内、もしくは、約２９０フィート以内にあることを要求する。

第２に、同一の施設を実際に示す異なる地理的座標を有する施設は識別される必要がある。フォースクエア、場所の各々、例えば、特定のスターバックス店舗など、地理的データベースのいくつかは、複数のチェックインロケーションを有する可能性がある。フォースクエアにおいて施設はクラウドソースであるためである。人々は、異なる理由で新しい施設を生成する。例えば、店舗は大きく、広い領域をカバーしてもよく、ユーザが店舗の近くにいるが、店舗にいない場合、チェックインしてもよい。

図４Ｂは、複数の関連付けられているフォースクエアの施設を有するスターバックスの位置を示す例である。図４Ｂは、１つのエンティティの位置（例えば、スターバックス）に関連付けられている複数のエンティティの施設（青）及びエンティティの施設（赤）に関連付けられている短い非構造電子メッセージを示す。図４Ｂに示されているように、施設及びメッセージのいくつかは、実際のエンティティの位置（例えば、スターバックス）に対してよりも、他のエンティティ及び施設に近い。これらの施設は同一の施設の代表として識別される。

位置情報タグを付された短い非構造電子メッセージと施設とを照合するために、以下行１〜行１５に示されるマルチステップ処理の疑似コードが、実装のいくつかにおいて実行される。
プロファイリング処理１：施設及びツイート位置のグループ化
入力：ｕ：ユーザ特定施設、Ｄ：施設及びツイート間の特定最大地理的距離、Ｖ：ｕを含む位置情報タグを付された施設位置のセット、Ｔ：位置情報タグを付されたツイートのセット
出力：ｖｅｎｕｅＴｗｅｅｔＧｒｏｕｐｓ：特定位置の店舗の各々に関連付けられている施設及びツイートのクラスタ
result ← {}
venueTweets ← {}
candTweets ← {}
for each tweet t in T do
if u ∈ t then
venueTweets ← t
end if
end for
for each venue v in V do
for each tweet t in venueTweets do
if ||geo(v) - geo(t)|| < D then
candTweets ← t
end if
end for
end for
clusters, outliers ← DBScan(candTweets U V, minNeighbor-Size=5 )
venueTweetGroups ← clusters − outliers

この処理において、変数ｕはプロファイリングされるユーザ特定施設名（例えば、スターバックス）を示し、変数Ｄは施設及び短いツイート間の特定最大地理的距離を示し、変数Ｖはユーザ特定施設名ｕを含む位置情報タグを付された施設の位置（例えば、フォースクエアもしくはイェルプなどの他のタグ付けされた施設の情報のソースによって提供される施設）を示し、変数Ｔは異なる施設のプロファイリングの部分として処理される位置情報タグを付されたツイートのセットを示す。このプロファイリング処理の結果出力は、変数ｖｅｎｕｅＴｗｅｅｔＧｒｏｕｐｓであり、施設及び店舗もしくは（ユーザ特定施設名を有する）他のエンティティの各々と特定の位置で関連付けられているツイートのクラスタを含む。

上記行１〜１５を実行した後、特定のフォースクエア施設名について、ユーザ特定施設を記述するツイート、必須ではないが、施設のニックネームが識別される。これらのツイートは、次に、特定の名称を有するフォースクエアの施設から（０．０００８度もしくは約２９０フィート）などの所定の距離D内に維持するようにフィルタリングされる。

ある位置の店舗は、例えば、特定のスターバックス店舗は、フォースクエアの施設がクラウドソースであるため、複数のチェックイン位置を有してもよい。人々は、異なる理由で新しい施設を生成してもよい。例えば、店舗は広い領域をカバーしてもよく、ユーザは、店舗の近くにいるが店舗内にいない場合、チェックインしてもよい。ユーザは、フェイクのフォースクエアの施設を生成してもよい。

単一の店舗と関連付けられている複数の施設を組み合わせるために、また、フェイクの施設をフィルタリングするために、クラスタリングが地理的座標をグループ化するために実行される。クラスタの各々のチェックインの最小数及びユニーク・ビジターが、フェイクの施設ではチェックイン及びユニーク・ビジターが少ないとの仮定に基づいて、必要とされる。詳細には、上記行１６に示すように、実装のいくつかにおいて、（ｓｃｉｋｉｔクラスタリング・ライブラリからの）ＤＢＳＣＡＮは、位置の名称を有するタグを付された全ての施設及び位置の名称を含む全てのツイートに適用される。

実装のいくつかにおいて、ツイートは、施設と異なり、図４Ｂに示されるような少数の予め特定された位置に制約されないという事実から利点を得るために、クラスタリングは施設及び双方の両方に対して実行される。即ち、密度ベース・クラスタリングを実行するＤＢＳＣＡＮによってクラスタリングされるべきツイートのユニーク位置のセットは密度がより高く、よりロバストである可能性がある。実装のいくつかにおいて、ＤＢＳＣＡＮについて、２つのサンプル間の距離は０．０００８度もしくは約２９０フィートに設定される。地理的座標の近傍の５個のサンプルの最小が要求される、もしくは、サンプルは異常値として判定される。異常値サンプルはフェイクのフォースクエアの施設、一般的ではない位置もしくはユーザがどこか別の場所にいる場合に施設について記述したことによる可能性がある。上記アルゴリズムの行１７に示すように、エンティティ・プロファイリングが異常値を除外するように、異常値サンプルはクラスタからフィルタリングされる。上記例示的なアルゴリズムに示されるＤＢＳＣＡＮなど、密度ベース・クラスタリングを通して、密度ベース・クラスタリングの代わりに他のクラスタリング手法が用いられ得る。クラスタリングの可視表示を図４Ｃに示す。

図４Ｃは施設及び短い非構造電子メッセージのクラスタリングの結果を例示する。例示的なプロットは、サンフランシスコ市におけるスターバックスの位置を示す。クラスタの各々はユニークなカラー及び形状の組み合わせである。より幅の広いあるいはファジィなマークは、近傍の複数の施設及びツイートが１つのクラスタにグループ化されることを示す。

実装のいくつかにおいて、クラスタと関連付けられている短い非構造電子メッセージは、「コア」施設及びその位置を含むタグを付される。コア施設は最大チェックイン数を有するクラスタの施設として定義される。異常値サンプルはタグを付されず、したがって、プロファイリングに用いられない。

実装のいくつかにおいて、顧客によって表現される平均的感情及びある場所で人々が撮影する写真によって評価されるソーシャル・グループのサイズの店舗位置のプロファイリングを示す２つのタイプの属性で、エンティティの位置は特徴付けられる。他の属性は、また、施設レコードに関連付けられている短い非構造電子メッセージのメッセージ・コンテンツから識別されてもよく、エンティティを特徴付け、エンティティをプロファイリングするために用いられる。

一般的な感情評価に関する多くの技術が存在するが、ツイートの感情評価に関する技術はあまり多くない。機械学習に基づくツイートの感情評価方法は、語彙ベース方法よりもわずかによいとの観察がある。ある位置でのツイートの感情を評価するために、実装のいくつかにおいて、ツイッターのツイートに関して訓練されたロジスティック回帰ベース感情分析手段２２２が実装される。

実装のいくつかにおいて、ツイートの各々の感情は、ツイートに関して訓練された感情分析手段２２２を用いて計算される。Ｓｅｎｔｉｍｅｎｔ及びＳｅｎｔｉＳｔｒｅｎｇｔｈを含む、ショート・メッセージ・コンテンツから感情を識別するために利用可能なオープン・ソース・オプションが存在する。実装のいくつかにおいて、主観的ツイートが、ソーシャル・メディア・ベースのエンティティ位置のプロファイリングに用いられる。即ち、客観的ツイートは無視される。主観的ツイートは、非常に否定的な感情から非常に肯定的な感情までに対応する−１．０〜１．０までの範囲のスコアを割り当てられる。ショート・メッセージもしくは他の書かれた情報のコンテンツから感情を評価する既存の方法の何れか、もしくは新しい方法は、ビジターの感情に基づいて施設をプロファイリングするために処理されるショート・メッセージもしくは他の情報と関連付けられている感情を評価するための様々な実装に用いられ得る。さらに、施設は、幅広い特性、感情及び特性の代表例のみを含む訪問毎のグループ・サイズに基づいてプロファイリングされ得る。

実装のいくつかにおいて、多くのツイートは感情を表現しないため、評価に関連しないツイートを精度よく識別することは重要である。例えば、フォースクエアへのチェックインのデフォルトは、「私は＜場所名＞（＜場所位置＞）にいます。＜ＵＲＬ＞」である。例えば、「使えるからスターバックスＷｉＦｉを使う」もしくは「クリーーースと一緒にスターバックス」などユーザの状況を示すために、ツイッターは、一般的に用いられる。ツイートの各々の主観的な分類は、ＭＰＱＡ（Multi-Perspective Question Answer）の主観的語彙から主観的用語をツイートのテキストが含むか否か判定することにより、まず、実行される。

実装のいくつかにおいて、トピック依存ツイッター感情モデルがトピックのいくつかだけの性能を改善することが観察された。ツイートは様々なトピックをカバーするため、実装のいくつかにおいて、トピック依存モデルが生成される。

実装のいくつかにおいて、主観（客観と反対）であるとみなされるツイートの極性は、遠隔（distant）学習アプローチを用いて計算される。実装のいくつかにおいて、Ｓｅｎｔｉｍｅｎｔのツイート・コーパスからの訓練データは遠隔学習に用いられ得る。

感情分析手段２２２は、１）ツイートが主観的か客観的か、２）非常に否定的から非常に肯定的な感情までに対応する−１．０〜１．０の範囲のスコア、の２つの値を出力する。

プロファイリング結果を可視化するために、同一の施設の異なる位置（例えば、異なる位置のスターバックス）でプロファイリング属性のヒートマップが生成される。緯度［３７．１０，３８．１５］及び経度［−１２２．６，−１２１．６］の収集座標内の収集領域が図５Ａ及び図５Ｂのヒートマップを生成する際に用いられる。この領域は、サンフランシスコ（中央左）及びサンホセ（右下）を含むＳＦＢＡ（サンフランシスコベイエリア）のほとんどをカバーする。緯度及び経度の値は１００個のビン、総計１０，０００個のセルに各々量子化される。ヒートマップの白い領域は店舗が存在しないことを示す。

感情ヒートマップを生成するために、同一の「コア」施設に短い非構造電子メッセージのセットの各々について、短い非構造電子メッセージは非ゼロ感情が表わされる場所を保持するようフィルタリングされる。非常に否定的から非常に肯定的までの感情は、青から赤までのカラー・スペクトラムに亘ってマッピングされる。セルのコア値の全てに関連付けられているツイートの平均感情スコアが計算され、ヒートマップの値として用いられる。実装のいくつかにおいて、図５Ａ及び図５Ｂに示されるヒートマップの例は、サーバ１０８からエンド・ユーザ・デバイス１３０にダウンロードされる施設プロファイリング情報から生成され、デバイス１３０のユーザ・インターフェイス３６０を介して表示され、及び／もしくは、インタラクションされる。エンド・ユーザ・デバイス１３０は、プロファイリングされる企業もしくはビジネスの被雇用者、マーケッティング・コンサルタント、もしくは、広告会社によって、例えば、施設に関するカジュアルなビジターのコミュニケーションによって送信されるショート・メッセージに記述される施設の特性のいくつかに基づいて、顧客もしくは他のビジターによって企業がどのように見られているかをよりよくよりタイムリーに理解するために、用いられ得る。

図５Ａは、上記例示的なシナリオにおいて、異なるスターバックスの位置は、様々な平均感情値を示すことを例示する。位置のほとんどはわずかに肯定的であり（黄）、いくつかは強めに肯定的であり（赤）、また、少数が強めに否定的（濃い青）である。ピーツ・コーヒー＆ティー（右）はスターバックス（左）にとって小規模な競業者である。スターバックスの位置の平均感情とピーツの位置の平均感情とを比較すると、図５Ａはピーツの位置が、平均的にスターバックスの感情より非常に高い肯定的な感情を有する傾向があることを示す。ピーツのより肯定的な知覚は、各々（最高スコア５．０に対して）３．６及び４．０の値を有する、（２０１４年７月１０日に）サンフランシスコのスターバックス及びピーツの問い合わせから戻された最初の２０個の結果についてイェルプの平均スコアと整合する。

図５Ｂは２つのファスト・フード・バーガー・チェーン、食材が毎日新鮮に生成されていると宣伝しているＩｎ−Ｎ−Ｏｕｔ Ｂｕｒｇｅｒ（左）とマクドナルド（右）との間の比較を例示する。図５Ｂに示すように、Ｉｎ−Ｎ−Ｏｕｔ Ｂｕｒｇｅｒは全体的に比較的肯定的感情であり、マクドナルドの位置についての感情は全体的により否定的であるが、変動が大きい。また、マクドナルドのいくつかの位置は、かなり強い否定的な感情を示す。Ｉｎ−Ｎ−Ｏｕｔのより強い肯定的な知覚は、サンフランシスコの中もしくは近くの２つのＩｎ−Ｎ−Ｏｕｔ及びサンフランシスコのマクドナルドのスコアについて問い合わせから最初の２０個の結果について、イェルプの平均スコア４．２５及び２．５５と整合する。

店舗の位置ベース情報のこのタイプは、よりレートの低い店舗を改善するための情報を用い、幸福な顧客によるよいプラクティスを有するであろう店舗の識別を制御するために用いられ得る。

図５Ｃは、異なる施設を訪問するソーシャル・グループのサイズを例示する。施設もしくは店舗を訪問するソーシャル・グループのサイズ（一人、二人、少人数、大人数グループ）を知ることは、製品をターゲットとし、適切に宣伝する商用ビジネスの支援となり得る。写真の人々をソーシャル・グループに分類することは旅行の推奨に用いられ得る。旅行グループを一人、二人、家族、友人に分類する以下のいくつかの従来の方法は、写真の顔の数に基づいて、ソーシャル・グループのサイズを決定する。実装のいくつかにおいて、ツイートされた写真はダウンロードされＯｐｅｎＣＶ顔検出手段を用いて顔を検出する。詳細には、総数１６５，８４４の写真の顔を検出する。写真に少なくとも１つの顔がある場合、顔の数は４つの分類、一人（顔１つ）、二人（顔２つ）、少人数グループ（顔３〜４個）、大人数グループ（少なくとも７個の顔）の１つに量子化され、各々１、２、３、４のグループ・サイズ・コードにマッピングされる。図５Ｃに示されるように、例示的なヒートマップの平均グループ・サイズを計算する場合、これらのコードが用いられる。

図５Ｃのヒートマップは、サンフランシスコベイエリアのスターバックスの位置、教会、高校で検出されたソーシャル・グループ・サイズを可視化する。図５Ｃは、スターバックスのヒートマップが単一の顔に対してスキューされることを示す。反対に、赤及びオレンジの領域のいくつかによって、教会のヒートマップは、平均的に、比較的大きいソーシャル・グループを示す。高校は、より人数が多いソーシャル・グループを有する傾向がある。この観察は、直感的に、人々が、友人もしくは家族とではなく一人で頻繁にコーヒー・ショップを訪問し、教会は結婚式を含むソーシャル・イベントを開催する人々が集合する場所であり、学校にいる１０代の人々は友人と共に写真を撮影する傾向があることを示す。

ここで開示されたシステム及び方法は他の施設タイプ、関心点（例えば、水族館、動物園、観光名所、スタジアム）及び公共交通機関の駅（例えば、ＢＡＲＴ、カルトレイン）など、に適用され得る。ここで開示されたシステム及び方法は、他のソーシャル・メディアもしくは位置情報タグを付された他のコメントに適用され得る。位置情報検出は、例えば、ＲＦＩＤ及び／もしくは音声を含む任意の手段であってよい。

図６Ａは、実装のいくつかによるエンティティをプロファイリングする方法のフローチャートを例示する。実装のいくつかにおいて、方法６００はサーバ・システム１０８で実行される。サーバ１０８は、第１のソーシャル・メディア・ソースから、関連する地理的位置及びメッセージ・コンテンツを有する新しい短い非構造電子メッセージを取得する（６０２）。実装のいくつかにおいて、図２Ｂに例示するように、関連する地理的位置と共に短い非構造電子メッセージがメッセージ・データベース２４４に記憶される。短い非構造電子メッセージは、例えば、ツイッターなどの外部サービス１２２から取得されるツイートである。実装のいくつかにおいて、地理的位置は、クライアント・デバイス１０４のセンサ３１２のＧＰＳデバイスもしくは画像取得デバイス３０８によって取得され得る。

短い非構造電子メッセージを取得する際に、サーバ１０８は、メッセージ・コンテンツから第１の施設名及び第１の訪問特性を識別する（６０４）。実装のいくつかにおいて、第１の特性は、感情指向もしくはグループ・サイズの少なくとも１つである。識別された施設名及び関連する地理的位置は、次に、地理的データベース２４２、メッセージ・データベース２４４、及びクラスタ・データベース２４６の間のリンクを確立するために、サーバ１０８によって用いられ得る。リンクは、サーバ１０８によって、施設のサーバ・データベース１１４への最初のアクセスを確立する（６０８）。次に、施設のサーバ・データベース１１４と新しい短い非構造電子メッセージとに整合性があるか否かが判定される（６１０）。実装のいくつかにおいて、サーバ１０８は、地理的データベース２４２にアクセスする（６０８）。図２Ｂに示されるように、実装のいくつかにおいて、地理的データベース２４２は、施設の各々について、施設名２５４、地理的位置２５２及び、チェックイン数２５６、ユニーク・ビジター数、及びコア施設インジケータ２６０などの一つもしくは複数の施設特性を含む。

図２Ｂにさらに示すように、施設１１４のサーバ・データベースの情報は、第１ソーシャル・メディア・ソースから以前の複数の短い非構造電子メッセージを含む、複数のソーシャル・メディア投稿から抽出された施設の各々に関連付けられている情報を反映する。例えば、施設名２６６及び施設の地理的位置２６２はメッセージ・データベース２４４に記憶されているメッセージ・コンテンツ２６４から抽出される。

実装のいくつかにおいて、以下のアクセス・ステップ（６０８）で、サーバは、データベース１１４が第１の施設名及び関連付けられている地理的位置と実質的に同様な施設名及び地理的位置を有する候補施設を含むか否か判定する（６１０）。
実装のいくつかにおいて、施設名及び地理的位置は地理的データベース２４２及び／もしくはメッセージ・データベース２４４から取得される。実装のいくつかにおいて、判定（６１０）は、地理的位置２５２及び関連付けられている地理的位置２６２の間の距離が所定の距離よりも短いか否か判定する（６１２）ことを含む。実装のいくつかにおいて、大円距離が距離を計算するために用いられ、例えば、所定の距離は、ツイートが、施設から０．０００８度もしくは約２９０フィート以内であることを要求する。

候補がサーバ・データベース１１４に存在することが判定されると、サーバ１０８は候補施設と新しい短い非構造電子メッセージと関連付けられる（６１４）。候補がサーバ・データベース１１４に存在しないと判定されると、サーバ１０８は、第１の施設名、関連付けられている地理的位置及び第１の特性に基づいて、データベース１１４に新しい施設レコードを追加する（６２４）。

データベース１１４の施設レコードが閾値よりも多くの新しい短い非構造電子メッセージと関連付けられている場合、など、複数の新しい短い非構造電子メッセージが累積されると、サーバ１０８は関連付けられている新しい短い非構造電子メッセージの第１の訪問特性に基づいて、施設レコードの一つもしくは複数の特性を更新する（６１６）。図２Ｂに示されるように、施設レコードの一つもしくは複数の施設特性は、関連付けられている短い非構造電子メッセージの第１の特性２６８に基づいて、感情２８４及び平均グループ・サイズ２８６を含む。

実装のいくつかにおいて、更新（６１６）は施設によって実行される。例えば、スターバックスなどのエンティティをプロファイリングする場合、スターバックスと関連付けられている施設レコードについて更新が実行される。他の更新の場合、マクドナルドと関連付けられている施設レコードがマクドナルドの店舗の異なる位置をプロファイリングするために更新され得る。

実装のいくつかにおいて、サーバ１０８は、施設のデータベースにまずアクセスする（６１８）ことにより一つもしくは複数の施設特性を更新する（６１６）。次に、新しい関連付けられている短い非構造電子メッセージの第１の特性を含めるために、データベースのコア施設を検出し、コア施設の一つもしくは複数の施設特性を再計算する（６２２）。図２Ｂに示されるように、地理的データベース２４２は、施設の各々について、施設名２５４、地理的位置２５２及び一つもしくは複数の施設特性を含む。実装のいくつかにおいて、地理的データベース２４２に記憶されている一つもしくは複数の施設特性は、フォースクエアなどの外部サービス１２２から取得されるチェックイン数２５６、ユニーク・ビジターの数２５８、及びコア施設インジケータ２６０を含む（６１４）。図２Ｂにさらに示されるように、サーバ・データベース１１４の情報は第１のソーシャル・メディア・ソースから以前の複数の短い非構造電子メッセージを含む、複数のソーシャル・メディア投稿から抽出される施設の各々と関連付けられている情報を反映する。

実装のいくつかにおいて、エンティティをプロファイリングするためにサーバ・データベース１１４のレコードを確立するために、予備的オペレーションとして（６２６）、サーバ１０８は、第１の情報ソースから第１の複数の短い非構造電子メッセージを取得する（６２８）。短い非構造電子メッセージの各々は、関連付けられている第１の地理的位置及びメッセージ・コンテンツを含む。メッセージ・コンテンツは第１の施設名及び一つもしくは複数の訪問特性を含む。例えば、第１の情報ソースがツイッターなどの外部サービス１２２である場合、短い非構造電子メッセージの複数はツイッターからダウンロードされたツイートである。これらの短い非構造電子メッセージは、第１の地理的位置（例えば、位置情報タグが付されている）に関連付けられ、施設位置の訪問についての評価及び／もしくは訪問の間に撮影された写真などの施設名及び一つもしくは複数の訪問特性を記述するメッセージ・コンテンツを含む。

実装のいくつかにおいて、予備的オペレーション６２６の間、サーバ１０８は、第２の情報ソースから第２の複数の施設位置を取得する（６３０）。施設位置の各々は、関連付けられている第２の地理的位置及び第１の施設名と実質的に同様な第２の施設名を有する。例えば、スターバックスのプロファイリングの間、サーバ１０８は、スターバックスと実質的に同様な施設名を有する複数の施設名をダウンロードするために第２の情報ソースとしてフォースクエアなどの外部サービス１２２に接続する。

実装のいくつかにおいて、短い非構造電子メッセージが第１の情報ソースから取得され、施設名が第２の情報ソースから取得されると、サーバ１０８は、第１の複数のショート・メッセージの各々が施設位置の各々に関連付けられている第２の地理的位置の所定距離内の関連付けられている第１の地理的位置を有するか否か、第２の複数の施設の位置の各々について判定する（６３１）。実装のいくつかにおいて、距離を計算するために大円距離が用いられ、例えば、所定の距離は、ツイートが施設から０．０００８度もしくは約２９０フィート以内であることを要求する。

実装のいくつかにおいて、判定（６３１）に応じて、サーバ１０８はショート・メッセージの各々とデータベース１１４の施設とを関連付け（６３２）、第１及び第２の地理的位置と関連付けられている施設位置は所定の距離内である。サーバ１０８は、施設を施設グループにクラスタリングし、異常値をフィルタリングするために、データベースにクラスタリング・アルゴリズムを適用する（６３４）。異常値は、データベースの他の施設の対応する集合的な特性と実質的に異なる一つもしくは複数の集合的な特性を有するデータベースの一つもしくは複数の施設を示す。クラスタリングは、単一の店舗と関連付けられている複数の施設を結合し、フェイクの施設をフィルタリングする。実装のいくつかにおいて、施設を施設グループにクラスタリングし、近傍ポイントの所定数より小さい異常値をフィルタリングするために、サーバ１０８は地理的データベース２４２に密度ベース・クラスタリング・アルゴリズムを適用する（６３４）。実装のいくつかにおいて、一つもしくは複数の集合的な特性は、施設へのビジターの最小数もしくは施設と関連付けられているショート・メッセージの最小数の一つもしくは複数を含む（６３６）。例えば、異常値サンプルは、最小数より低いチェックイン数を有するフェイクのフォースクエアの施設及び／もしくは最小数より低いユニーク・ビジターを有する一般的でない場所及び／もしくは他のどこかにいる場合にユーザが記述した施設による可能性がある。結果のクラスタ２８０はクラスタ・データベース２４６に記憶される。

クラスタ２８０が確立されると、サーバ１０８は施設グループの最大数を有するコア施設を識別する（６３８）。コア施設に対応する地理的データベース２４２の施設レコードは、次に、更新される（６４０）。更新された（６４０）コア施設インジケータ２６０は施設レコードがコア施設であることを示す。実装のいくつかにおいて、クラスタ識別子などの相互参照についてのさらなる情報は、クラスタとクラスタに属する施設レコードとを関連付けるために、地理的データベース２４２及び／もしくはクラスタ・データベース２４６に記憶される。地理的データベース２４２及びメッセージ・データベース２４４の間のリンク付けの後、サーバ１０８は、さらに、施設グループの一つもしくは複数の施設と関連付けられている短い電子メッセージにコア施設によってタグを付し（６４４）、関連付けられている短い非構造電子メッセージの第１の特性に基づいて、コア施設に対応するコア施設レコードを更新する（６４６）。

クラスタ２８０はエンティティのプロファイリングに用いられ得る。実装のいくつかにおいて、プロファイリングの１つのタイプは、エンティティの位置について顧客によって表現された平均的感情を求めることである。平均的感情を求めるために、サーバ１０８は、施設に関するコメントを記述するメッセージ・コンテンツ２６４に感情指向２７２を割り当てる（６４８）。感情指向２７２は、メッセージ・コンテンツ２６４が肯定的か、中立か、もしくは否定的感情か、を示す。サーバ１０８は、さらに、特定の感情指向内の感情度合いを分類する（６５０）。

求められた感情スコアは、短い電子メッセージと関連付けられ（６５４）、感情２７２としてメッセージ・データベース２４４に記憶され、全体感情スコア計算に用いられる。クラスタの全体感情スコアを求めるために、複数の施設グループの１つの施設グループについて、サーバ１０８は、まず、施設グループのコア施設を識別する（６５８）。クラスタ・データベース２４６から地理的データベース２４２へ、さらにメッセージ・データベース２４４へのリンクにしたがって、サーバ１０８は、さらに、コア施設と関連付けられているタグを付された短い電子メッセージを識別する（６６０）。メッセージ・データベース２４４に記憶された感情スコア２７２を用いて、サーバ１０８はタグを付された短い電子メッセージと関連付けられている感情スコア２７２に基づいて、コア施設の全体感情２８４を求める（６６２）。実装のいくつかにおいて、サーバ１０８は施設グループから感情ヒートマップを導出する（６６４）ことにより、全体感情スコアの可視表示を生成する。感情ヒートマップは、コア施設及び施設名の各々及びコア施設の各々の地理的位置への全体感情を反映する。図５Ａ〜図５Ｂは感情ヒートマップの例を示す。図５Ａ〜図５Ｂに示されるように、サーバ１０８は、マーク・サイズ、マーク・カラー、及びマークのサイズ及びカラーの１つを含む異なる可視特性を用いて特定のコア施設に関連付けられている全体感情を符号化する（６６６）。

実装のいくつかにおいて、プロファイリングの他のタイプは、人々がある位置で撮影した写真によって推定されるソーシャル・グループのサイズを求めることである。ソーシャル・グループのサイズを求めるために、サーバ１０８は、まず、顔画像２７０が短い電子メッセージと関連付けられているか否か判定する（６６８）。顔画像２７０が存在する場合（６７０）、サーバ１０８は顔画像２７０の顔の数を検出する（６７２）。サーバ１０８は、さらに、顔画像２７０の顔の数に基づいて、サイズのカテゴリに短い電子メッセージを割り当てる（６７４）。サイズのカテゴリの情報は、短い非構造電子メッセージと関連付けられ（６７６）、グループ・サイズ２７４としてメッセージ・データベース２４４に記憶される。例えば、顔画像２７０に少なくとも１つの顔がある場合、顔の数は４つのカテゴリ、一人（顔１つ）、二人（顔２つ）、少人数グループ（顔３〜６個）、大人数グループ（少なくとも顔７個）の４つのカテゴリの１つに量子化され（６７８）、各々、１，２，３，４のグループ・サイズ・コードにマッピングされる。これらのコードは、図５Ｃに示されるように、例示的なヒートマップについて平均的グループ・サイズを求める場合に用いられる。

クラスタの平均グループ・サイズを求めるために、複数の施設グループの１つの施設グループについて（６８０）、サーバ１０８は施設グループのコア施設を識別する（６８２）。クラスタ・データベース２４６から地理的データベース２４２へ、さらに、メッセージ・データベース２４４へのリンクにしたがって、サーバ１０８は、さらに、コア施設と関連付けられているタグが付されている短い電子メッセージを識別する（６８４）。メッセージ・データベース２４４に記憶されているグループ・サイズ２７４を用いて、サーバ１０８（６８６）は、タグを付された短い電子メッセージと関連付けられているグループ・サイズ２７４に基づいて、コア施設の平均グループ・サイズ２８６を求める。実装のいくつかにおいて、サーバ１０８は、施設グループからソーシャル・グループ・サイズ・ヒートマップを導出する（６８８）ことにより、平均グループ・サイズの可視表示を生成する。ソーシャル・グループ・サイズ・ヒートマップは、コア施設を訪問する平均グループ・サイズ及び施設名及びコア施設の各々の地理的位置を反映する。図５Ｃに示されるように、サーバ１０８は、マーク・サイズ、マーク・カラー及びマークのサイズ及びカラーの１つを含む異なる可視特性を用いて特定のコア施設に関連付けられている平均グループ・サイズを符号化する（６９０）。

施設をプロファイリングするために、はじめて、クラスタ２８０が確立されると、サーバ１０８は一つもしくは複数の外部サービス１２２からプロファイリング・データを取得する。図７は、実装のいくつかによって施設をプロファイリングする方法を例示する。図７のフローチャートは、上記プロファイリング処理１に記述されるステップを示す。まず、プロファイリング結果、ｖｅｎｕｅＴｗｅｅｔｓ及びｃａｎｄＴｗｅｅｔｓがプロファイリング処理１の行１〜３に示されるように空に設定される。

図７に示すように、実装のいくつかにおいて、サーバ１０８は、複数の投稿を一つもしくは複数の外部サービス１２２から取得する（７０２）。投稿を取得する（７０２）ことに加え、サーバ１０８は、また、複数の施設を一つもしくは複数の外部サービス１２２から取得する（７０４）。外部サービス１２２への問い合わせの数を低減するために、実装のいくつかによれば、投稿及び／もしくは施設はキャッシュされ、サーバ・データベース１１４に記憶される。

例えば、プロファイリング処理１に示すように、スターバックスなどのユーザ特定施設ｕをプロファイリングすることをユーザは所望するかもしれない。スターバックスをプロファイリングするために、外部サービス１２２からサーバ１０８によって取得された位置情報タグを付されたツイートのセットなどの投稿は、Ｔに記憶され、プロファイリングを求めるために、外部サービス１２２からサーバ１０８によって取得されるユーザ特定施設ｕを含む位置情報タグを付された施設位置のセットはＶに記憶される。

外部サービス１２２からデータを取得すると、サーバ１０８は、次に、施設情報を用い、投稿が施設名を記述するか否か判定する（７０６）ために投稿を処理する。施設名を記述しない投稿はプロファイリングに有用ではない。したがって、プロファイリングに用いられない。投稿が施設名を記述している（７０５）との判定によって、サーバ１０８は、さらに、投稿の地理的位置及び最も近い施設が所定の距離Ｄ以内にある程度に十分近いか否かを判定する（７０８）。投稿と最も近い施設が十分近い（７０９）との判定によって、サーバ１０８は投稿及び施設を結び付ける（７１０）。実装のいくつかにおいて、オペレーションを結び付ける（７１０）ことは、図２Ｂに例示されるように、地理的データベース２４２とメッセージ・データベース２４４との間のリンクを確立するなど、施設及び投稿を関連付けることにより実行される。結び付けられた施設及び投稿は、実装のいくつかによる密度ベース・クラスタリングを用いて、投稿及び施設をグループ化するために、クラスタリングされる（７１２）。投稿がクラスタリングされると、異常値は取り除かれ（７４）、コア施設が識別され、施設及びツイートがコア施設に対応する位置の各々に関連付けられる（７１６）。

例えば、プロファイリング処理１の行４〜８に示されるように、位置情報タグが付されたツイートＴのセットのツイートの各々は、ユーザ特定施設（例えば、スターバックス）がツイート内で記述されているか否か判定する（７０６）ために分析される。投稿が施設名を記述している（７０５）との判定によって、ツイートはさらなる処理のためにｖｅｎｕｅＴｗｅｅｔｓデータ・セットに記憶される。施設名を記述していない投稿はプロファイリングに有用ではない。したがって、プロファイリングに用いられない。プロファイリング処理１の行９〜１５に示されるように、ユーザ特定施設（例えば、スターバックス）を記述するツイートを含むｖｅｎｕｅＴｗｅｅｔｓのセットを取得すると、サーバ１０８は、さらに、Ｖの施設の各々について、及びｖｅｎｕｅＴｗｅｅｔｓのツイートの各々について、投稿の地理的位置と最も近い施設との間の距離がＤより短いか否か判定する（７０８）。投稿及び最も近い施設が十分近い（７０９）との判定によって、サーバ１０８はｃａｎｄＴｗｅｅｔデータ・セットにツイートを追加する。ＣａｎｄＴｗｅｅｔデータ・セットは、関心を有する施設の近傍にあるツイートを有する。サーバ１０８は、クラスタリングのために、プロファイリング処理１の行１６でｃａｎｄＴｗｅｅｔと施設データ・セットＶとを結び付ける（７１０）。

プロファイリング処理１の行１６で、密度ベース・クラスタリングＤＢＳｃａｎなどのクラスタリング・アルゴリズムが投稿及び施設をグループ化するために用いられ得る（７１２）。実装のいくつかにおいて、ポイント毎に最低５個の近傍がＤＢＳｃａｎアルゴリズムのパラメータとして特定される。プロファイリング処理１の行１７で異常値は取り除かれる（７１４）。例えば、同一位置を記述する４個より少ない他のツイートを有する一般的ではない位置を、ｃａｎｄＴｗｅｅｔｓのツイートが記述する。このようなツイートは、近傍が５個より少ないため取り除かれる（７１４）。他の例において、ユーザがどこか他の場所にいる場合に施設を記述するツイートをユーザは投稿する。このようなツイートは、また、ツイートの地理的位置は、他の施設及びツイートの集合的な特性と実質的に異なるため、取り除かれる（７１４）。

図８Ａは実装のいくつかによる施設をプロファイリングする方法８００のフローチャートを示す。実装のいくつかにおいて、方法８００はサーバ・システム１０８で実行される。サーバ１０８は、第１の複数の短い非構造電子メッセージをソーシャル・メディア・ソースから取得する（８０２）。短い非構造電子メッセージの各々は、関連付けられている第１の地理的位置及びメッセージ・コンテンツを含む。メッセージ・コンテンツは、第１の施設名及び一つもしくは複数の訪問特性を有する。サーバ１０８は、第２の複数の施設位置を情報ソースから取得する（８０４）。施設位置の各々は関連付けられている第２の地理的位置及び第１の施設名と実質的に同様の第２の施設名を有する。実装のいくつかにおいて、図２Ｂに示されるように、関連付けられている地理的位置と共に取得された短い非構造電子メッセージが、メッセージ・データベース２４４に記憶される。短い非構造電子メッセージは、例えば、ツイッターなどの外部サービス１２２から取得されるツイートである。実装のいくつかにおいて、地理的位置は、センサ３１２のＧＰＳデバイスもしくはクライアント・デバイス１０４の画像取得デバイス３０８によって取得され得る。

短い非構造電子メッセージ及び施設位置を取得すると、サーバ１０８は、第２の複数の施設位置の各々について、第１の複数の短いメッセージの各々が施設位置の各々に関連付けられている第２の地理的位置の所定距離内にある関連付けられている第１の地理的位置を有するか否か判定する（８０６）。実装のいくつかにおいて、判定（８０６）に応じて、サーバ１０８は、短いメッセージ及び施設位置をデータベースに関連付ける（８０８）。関連付けられている第１及び第２の地理的位置は所定の距離内にある。サーバ１０８は、次に、施設を施設グループにクラスタリングし、異常値をフィルタリングするために、データベースにクラスタリング・アルゴリズムを適用する（８１０）。異常値は、データベースの他の施設の対応する集合的特性と実質的に異なる一つもしくは複数の集合的特性を有するデータベースの一つもしくは複数の施設を表わす。クラスタリングは、単一の店舗と関連付けられている複数の施設を結び付け、フェイクの施設をフィルタリングする。実装のいくつかにおいて、一つもしくは複数の集合的な特性は施設へのビジターの最小数、もしくは、施設と関連付けられている短いメッセージの最小数、の一つもしくは複数を含む。

データベース１１４の施設レコードは閾値より多い新しい短い非構造電子メッセージと関連付けられると、サーバ１０８は、関連付けられている新しい短い非構造電子メッセージの第１の訪問特性に基づいて、施設レコードの一つもしくは複数の施設特性を更新する（８１４）。図２Ｂに示されるように、施設レコードの一つもしくは複数の施設特性は、関連付けられている短い非構造電子メッセージの第１の特性２６８に基づいて、全体感情２８４及び平均グループ・サイズ２８６を含む。

実装のいくつかにおいて、クラスタ２８０が確立されると、サーバ１０８は施設グループの最大チェックイン数を有するコア施設を識別する（８１６）。コア施設に対応する地理的データベース２４２の施設レコードは、次に、更新される（６４０）。更新される（６４０）コア施設インジケータ２６０は、コア施設である施設レコードを示す。

実装のいくつかにおいて、サーバは、さらに、施設のデータベースにアクセスする（８１８）。データベースは、施設の各々について、施設名、地理的位置及び一つもしくは複数の施設特性を含む。データベースの情報は、第１のソーシャル・メディア・ソースからの複数の以前の短い非構造電子メッセージを含む、複数のソーシャル・メディア投稿から抽出される施設の各々に関連付けられている情報を反映する。実装のいくつかにおいて、サーバ１０８は、データベースのコア施設を検出し（８２０）、関連付けられている新しい短い非構造電子メッセージの第１の特性を含めるためにコア施設の一つもしくは複数の施設の特性を再度求める（８２２）。

「第１」、「第２」などは、様々な要素を記述するために用いられてもよく、これらの要素はこれらの用語によって限定されない。これらの用語は、要素を相互に区別するためだけに用いられる。例えば、第１のコンタクトは、第２のコンタクトであってよく、同様に、第２のコンタクトは第１のコンタクトであってよい。「第１のコンタクト」の名称が矛盾なく変更され、第２のコンタクトの名称が矛盾なく変更される限り、記述の意味は変更される。第１のコンタクト及び第２のコンタクトは双方ともコンタクトであるが、同一のコンタクトではない。

ここで用いられる用語は、特定の実施形態を記述するための用語であり、請求項を限定することを意図していない。実施形態及び請求項において、明示的に単数が単数であることを示す場合を除き、単数は複数を含むことを意図している。ここで用いられる「及び／もしくは」は、関連するアイテムの一つもしくは複数の任意の及び全ての可能な組み合わせを含む。「含む」との記載は、明細書において用いられる場合、記述された特徴、整数、ステップ、オペレーション、要素及び／もしくはコンポーネントの存在を特定するが、一つもしくは複数の他の特徴、整数、ステップ、オペレーション、要素、コンポーネント及び／もしくはこれらのグループの存在もしくは追加を除外しない。

開示の技術は、特定の詳細なしに実施され得る。他の例において、よく知られた方法、プロシージャ、コンポーネント及び回路は、実施形態の態様を不必要に不明瞭にしないように、詳細に記述されない。

上記記述は説明のための記述であり、特定の実施形態を参照して記述された。しかしながら、例示的な記述は網羅的であること、もしくは、詳細な形態に開示を限定することを意図していない。多くの修正及び変更が可能である。開示の原理及び実用的な応用を最もよく説明するために、実施形態は選択され、記述される。これにより、開示及び特定の使用に適した様々な変更を含む様々な実施形態を最もよく利用することを可能とする。

１０８ サーバ・システム
１２２ 外部サービス
１０４ クライアント・デバイス
１１０ ネットワーク

Claims (19)

1. 一つもしくは複数のプロセッサ及び前記プロセッサによって実行される命令を記憶するメモリを含むコンピュータ・システムの前記プロセッサが、
   第１のソーシャル・メディア・ソースから、関連付けられている地理的位置及びメッセージ・コンテンツを有する新しい短い非構造電子メッセージを取得し、
   前記メッセージ・コンテンツから第１の施設名及び第１の訪問特性を識別し、
   施設のデータベースにアクセスし、前記データベースは施設の各々について施設名、地理的位置及び一つもしくは複数の施設特性を含み、前記データベースの情報は第１のソーシャル・メディア・ソースから以前の複数の短い非構造電子メッセージを含む複数のソーシャル・メディア投稿から抽出された施設の各々と関連付けられている情報を反映し、
   前記第１の施設名及び関連付けられている地理的位置と同様の施設名及び地理的位置を有する候補施設を前記データベースが含むか否か判定し、
   前記候補施設が前記データベースに存在する場合、前記新しい短い非構造電子メッセージと前記候補施設とを関連付け、
   前記データベースの施設レコードが閾値よりも多い新しい短い非構造電子メッセージと関連付けられている場合、関連付けられている新しい短い非構造電子メッセージの第１の訪問特性に基づいて、前記施設レコードの一つもしくは複数の施設特性を更新し、
   前記データベースは、施設の各々について、チェックイン数、ユニーク・ビジター数、及びコア施設インジケータ、を含み、
   予備オペレーションとして、さらに、第１の情報ソースから、第１の複数の短い非構造電子メッセージを取得し、
   前記第１の複数の短い非構造電子メッセージの各々は関連付けられている第１の地理的位置及びメッセージ・コンテンツを有し、
   前記メッセージ・コンテンツは、前記第１の施設名及び一つもしくは複数の訪問特性を含み、第２の情報ソースから、第２の複数の施設位置を取得し、
   前記第２の複数の施設位置の各々は関連付けられている第２の地理的位置及び前記第１の施設名と同様の第２の施設名を有し、
   前記第２の複数の施設位置の各々について、前記第１の複数の短い非構造電子メッセージの各々が施設位置の各々に関連付けられている前記第２の地理的位置の所定距離内である関連付けられている第１の地理的位置を有するか否か判定し、
   判定に応じて、前記データベースの施設と、関連付けられている第１及び第２の地理的位置が前記所定距離内にある短い非構造電子メッセージの各々及び施設位置とを関連付け、
   前記施設を施設グループにクラスタリングし、異常値をフィルタリングするために、前記データベースにクラスタリング・アルゴリズムを適用し、
   前記異常値は、前記データベースの他の施設の対応する集合的な特性と異なる一つもしくは複数の集合的な特性を有する前記データベースの一つもしくは複数の施設を示し、
   施設グループの各々について、前記施設グループで最大チェックイン数を有するコア施設を識別し、
   前記コア施設について、前記コア施設インジケータを更新する、
   方法。
2. 前記候補施設が前記データベースに存在しない場合、
   前記施設名、前記関連付けられている地理的位置及び前記第１の訪問特性に基づいて、前記データベースに新しい施設レコードを追加する、
   ことをさらに含む、
   請求項１に記載の方法。
3. 前記第１の訪問特性は感情指向もしくはグループ・サイズの少なくとも１つである、
   請求項１または請求項２に記載の方法。
4. 前記データベースが前記関連付けられている地理的位置と同様の施設の地理的位置を有する候補施設を有するか否か判定することは、
   前記施設の地理的位置と前記関連付けられている地理的位置との間の距離が所定の距離より短いか否か判定する、
   ことを含む、
   請求項１〜３の何れか１項に記載の方法。
5. 前記関連付けられている短い非構造電子メッセージの前記第１の訪問特性に基づいて、コア施設レコードを更新することは、
   複数の前記施設グループの施設グループの１つについて、
   前記関連付けられている短い非構造電子メッセージに前記コア施設によるタグを付し、
   前記関連付けられている短い非構造電子メッセージの前記第１の訪問特性に基づいて、前記コア施設に対応する前記コア施設のレコードを更新する、
   請求項１〜４の何れか１項に記載の方法。
6. 前記施設についてのコメントを記載する前記メッセージ・コンテンツに感情指向を割り当て、
   前記感情指向は前記メッセージ・コンテンツが肯定的感情、中立的感情、もしくは否定的感情の何れを反映するかを示し、
   特定の感情指向において感情の度合いを分類し、
   前記感情指向に基づいて感情スコアを計算し、
   前記感情スコアと前記短い非構造電子メッセージとを関連付ける、
   請求項１〜５の何れか１項に記載の方法。
7. 複数の前記施設グループの施設グループの１つについて、
   前記施設グループの前記コア施設を識別し、
   前記コア施設と関連付けられているタグを付されている前記短い非構造電子メッセージを識別し、
   タグを付されている前記短い非構造電子メッセージと関連付けられている感情スコアに基づいて、前記コア施設の全体感情を求め、
   前記施設グループから感情ヒートマップを導出し、
   前記感情ヒートマップはコア施設の各々及びコア施設の各々の前記施設名及び地理的位置への全体感情を反映する、
   請求項６に記載の方法。
8. 前記感情ヒートマップを導出することは、
   マーク・サイズ、マーク・カラー及びマークのサイズ及びカラーの１つを含む異なる可視特性を用いて特定のコア施設に関連する全体感情を符号化する、
   ことを含む、
   請求項７に記載の方法。
9. 前記短い非構造電子メッセージに顔画像が関連付けられているか否か判定し、
   前記顔画像が存在する場合、
   前記顔画像の顔の数を検出し、
   前記顔画像の顔の数に基づいて、前記短い非構造電子メッセージをサイズ・カテゴリに割り当て、
   前記短い非構造電子メッセージと前記サイズ・カテゴリとを関連付ける、
   ことをさらに含む、請求項１〜８の何れか１項に記載の方法。
10. 前記クラスタリング・アルゴリズムは、密度ベース・クラスタリング・アルゴリズムである、請求項９に記載の方法。
11. 複数の前記施設グループの施設グループの１つについて、
    前記施設グループのコア施設を識別し、
    前記コア施設と関連付けられているタグを付された短い非構造電子メッセージを識別し、
    タグを付された短い非構造電子メッセージと関連付けられているサイズ・カテゴリに基づいて、前記コア施設の平均グループ・サイズを求め、
    前記施設グループからソーシャル・グループ・サイズ・ヒートマップを導出し、
    前記ソーシャル・グループ・サイズ・ヒートマップは前記コア施設の各々を訪問する前記平均グループ・サイズ及び前記コア施設の各々の施設名及び地理的位置を反映する、
    ことをさらに含む、請求項９または請求項１０に記載の方法。
12. 前記ソーシャル・グループ・サイズ・ヒートマップを導出することは、
    マーク・サイズ、マーク・カラー及びマークのサイズ及びカラーの１つを含む異なる可視特性を用いて特定のコア施設に関連付けられている平均ソーシャル・グループ・サイズを符号化する、
    ことを含む、
    請求項１１に記載の方法。
13. 一つもしくは複数の集合的な特性は、施設への最小ビジター数、もしくは、前記施設と関連付けられている短い非構造電子メッセージの最小数の一つもしくは複数を含む、
    請求項１〜１２の何れか１項に記載の方法。
14. 一つもしくは複数の施設特性を更新することは、
    施設のデータベースにアクセスし、
    前記データベースは、施設の各々について、施設名、地理的位置及び一つもしくは複数の施設特性を含み、
    前記データベースの情報は、第１のソーシャル・メディア・ソースからの複数の以前の短い非構造電子メッセージを含む複数のソーシャル・メディア投稿から抽出された施設の各々と関連付けられている情報を反映し、
    前記データベースのコア施設を検出し、
    関連付けられている新しい短い非構造電子メッセージの第１の訪問特性を含むように前記コア施設の一つもしくは複数の前記施設特性を再度求める、
    請求項１〜１３の何れか１項に記載の方法。
15. プロセッサが、
    第１の複数の短い非構造電子メッセージをソーシャル・メディア・ソースから取得し、前記第１の複数の短い非構造電子メッセージの各々は、関連付けられている第１の地理的位置及びメッセージ・コンテンツを含み、前記メッセージ・コンテンツは第１の施設名及び一つもしくは複数の訪問特性を含み、
    情報ソースから、第２の複数の施設位置を取得し、
    前記第２の複数の施設位置の各々は、関連付けられている第２の地理的位置及び前記第１の施設名と同様の第２の施設名を有し、
    前記第２の複数の施設位置の各々について、前記第１の複数の短い非構造電子メッセージの各々が施設位置の各々に関連付けられている前記第２の地理的位置の所定距離内にある関連付けられている第１の地理的位置を有するか否か判定し、
    判定に応じて、データベースにおいて、短い非構造電子メッセージ及び関連付けられている第１及び第２の地理的位置が前記所定距離内にある施設位置を関連付け、施設グループに施設をクラスタリングし異常値をフィルタリングするためにクラスタリング・アルゴリズムを前記データベースに適用し、
    前記異常値は前記データベースの他の施設の対応する集合的な特性と異なる一つもしくは複数の集合的な特性を有する前記データベースの一つもしくは複数の施設を示し、
    施設グループの最大のチェックイン数を有するコア施設を識別し、複数の施設グループの施設グループの１つについて、関連付けられている短い非構造電子メッセージに前記コア施設によってタグを付し、
    前記データベースの施設レコードが閾値より多い短い非構造電子メッセージと関連付けられている場合、関連付けられている前記短い非構造電子メッセージの第１の特性に基づいて、前記コア施設に対応する前記施設レコードの一つもしくは複数の特性を更新する、
    施設をプロファイリングする方法。
16. 一つもしくは複数の前記集合的な特性は前記施設への最小ビジター数もしくは前記施設と関連付けられている短い非構造電子メッセージの最小数の一つもしくは複数を含む、
    請求項１５に記載の方法。
17. 施設グループの各々について、関連付けられている一つもしくは複数の訪問特性に基づいて前記コア施設を識別する、
    ことをさらに含む、
    請求項１５または請求項１６に記載の方法。
18. 施設の前記データベースにアクセスし、
    前記データベースは、施設の各々について、施設名、地理的位置及び一つもしくは複数の施設特性を有し、
    前記データベースの情報は、第１のソーシャル・メディア・ソースからの複数の以前の短い非構造電子メッセージを含む、複数のソーシャル・メディア投稿から抽出された施設の各々と関連付けられている情報を反映し、
    前記データベースのコア施設を検出し、
    関連付けられている新しい短い非構造電子メッセージの前記第１の特性を含むように前記コア施設の一つもしくは複数の前記施設特性を再度求める、
    ことをさらに含む、
    請求項１５〜１７の何れか１項に記載の方法。
19. 一つもしくは複数のプロセッサと、
    メモリと、
    一つもしくは複数のプログラムと、
    を含み、
    前記一つもしくは複数のプログラムは前記メモリに記憶され、一つもしくは複数の前記プロセッサによって実行されるように構成され、
    一つもしくは複数の前記プログラムは、
    第１のソーシャル・メディア・ソースから、関連付けられている地理的位置及びメッセージ・コンテンツを有する新しい短い非構造電子メッセージを取得し、
    第１の施設名及び第１の訪問特性を前記メッセージ・コンテンツから識別し、
    施設のデータベースにアクセスし、
    前記データベースは、施設の各々について、施設名、地理的位置及び一つもしくは複数の施設特性を含み、
    前記データベースの情報は、前記第１のソーシャル・メディア・ソースから複数の以前の短い非構造電子メッセージを含む複数のソーシャル・メディア投稿から抽出される施設の各々に関連付けられている情報を反映し、
    前記データベースが第１の施設と同様の施設名及び関連付けられている地理的位置と同様の地理的位置を有する候補施設を含むか否か判定し、
    前記候補施設が前記データベースに存在する場合、新しい前記短い非構造電子メッセージと前記候補施設とを関連付け、
    前記データベースの施設レコードが閾値より多い新しい短い非構造電子メッセージと関連付けられている場合、関連付けられている新しい前記短い非構造電子メッセージの前記第１の訪問特性に基づいて、前記施設レコードの一つもしくは複数の施設特性を更新し、
    前記データベースは、施設の各々について、チェックイン数、ユニーク・ビジター数、及びコア施設インジケータ、を含み、
    予備オペレーションとして、さらに、第１の情報ソースから、第１の複数の短い非構造電子メッセージを取得し、
    前記第１の複数の短い非構造電子メッセージの各々は関連付けられている第１の地理的位置及びメッセージ・コンテンツを有し、
    前記メッセージ・コンテンツは、前記第１の施設名及び一つもしくは複数の訪問特性を含み、第２の情報ソースから、第２の複数の施設位置を取得し、
    前記第２の複数の施設位置の各々は関連付けられている第２の地理的位置及び前記第１の施設名と同様の第２の施設名を有し、
    前記第２の複数の施設位置の各々について、前記第１の複数の短い非構造電子メッセージの各々が施設位置の各々に関連付けられている前記第２の地理的位置の所定距離内である関連付けられている第１の地理的位置を有するか否か判定し、
    判定に応じて、前記データベースの施設と、関連付けられている第１及び第２の地理的位置が前記所定距離内にある短い非構造電子メッセージの各々及び施設位置とを関連付け、
    前記施設を施設グループにクラスタリングし、異常値をフィルタリングするために、前記データベースにクラスタリング・アルゴリズムを適用し、
    前記異常値は、前記データベースの他の施設の対応する集合的な特性と異なる一つもしくは複数の集合的な特性を有する前記データベースの一つもしくは複数の施設を示し、
    施設グループの各々について、前記施設グループで最大チェックイン数を有するコア施設を識別し、
    前記コア施設について、前記コア施設インジケータを更新する、
    命令を含む、
    コンピュータ・システム。