JP6916804B2 - 不確実性を含むユーザ・モバイル・データに基づく位置コンテキスト推定のための方法、非一時的製品、およびシステム - Google Patents

Description

本発明は、一般に、移動体通信に関し、さらに詳細には、不確実性を含むユーザ・モバイル・データ（user mobile data）に基づく位置コンテキスト推定（location context inference）に関する。

モビリティ情報を使用して顧客の行動および意図を推定することは、有益である。しかし、そのような情報を推定することには大きな課題がある。例えば、携帯電話データは、コンテキストなしで経度および緯度を提供する。さらに、携帯電話ロケータ（cell phone locator）はあまり正確ではないということが知られている。例えば、デバイス、オペレーティング・システム、および位置決め方法によっては、そのような携帯電話ロケータによって生じる誤差は、１００メートル以上になる可能性がある。したがって、不確実なユーザ・モバイル・データに基づいて、モバイル・ユーザの位置コンテキストを正確に推定する必要がある。

不確実性を含むユーザ・モバイル・データに基づく位置コンテキスト推定方法、およびそのシステムを提供することである。

本発明の１つの態様によれば、少なくとも２人のメンバーを含んでいるモバイル・ユーザの集合に関して位置コンテキスト・カテゴリ（location context categories）を推定するための、コンピュータ・サーバによって実行される方法が提供される。この方法は、集合内のモバイル・ユーザごとに、不確実なモバイル・デバイス位置データに応答して、パブリックに使用可能な情報から少なくとも１つの位置コンテキスト・カテゴリを取得するステップを含む。この方法は、集合内のモバイル・ユーザごとに１つの正確な位置コンテキスト・カテゴリを推定するために、集合内のモバイル・ユーザごとに、複数ユーザの共同機械学習（multi-user collaborative machine learning）を少なくとも１つの位置コンテキスト・カテゴリに適用するステップをさらに含む。

本発明の別の態様によれば、少なくとも２人のメンバーを含んでいるモバイル・ユーザの集合に関して位置コンテキスト・カテゴリを推定するための、コンピュータ・サーバによって実行される方法が提供される。この方法は、集合内のモバイル・ユーザごとに、各クエリを１つまたは複数のモバイルＷｅｂアプリケーションに送信するステップを含み、これらのモバイルＷｅｂアプリケーションは、各クエリ内で規定されたモバイル・ユーザ位置入力（mobile user location input）に応答して、モバイル・ユーザのうちの１人のサブミットに適用できる少なくとも１つの位置コンテキスト・カテゴリを返す。この方法は、集合内のモバイル・ユーザごとに、各クエリに応答して、少なくとも１つの位置コンテキスト・カテゴリをモバイルＷｅｂアプリケーションから受信するステップをさらに含む。この方法は、集合内のモバイル・ユーザごとに１つの正確な位置コンテキスト・カテゴリを推定するために、集合内のモバイル・ユーザごとに、複数ユーザの共同機械学習を少なくとも１つの位置コンテキスト・カテゴリに適用するステップも含む。

本発明のさらに別の態様によれば、少なくとも２人のメンバーを含んでいるモバイル・ユーザの集合に関して位置コンテキスト・カテゴリを推定するためのシステムが提供される。このシステムは、プロセッサおよびメモリを含んでいるコンピュータ・サーバを含み、このコンピュータ・サーバは、不確実なモバイル・デバイス位置データに応答して、集合内のモバイル・ユーザごとに、パブリックに使用可能な情報から少なくとも１つの位置コンテキスト・カテゴリを取得するように構成される。プロセッサおよびメモリを含んでいるコンピュータ・サーバは、集合内のモバイル・ユーザごとに１つの正確な位置コンテキスト・カテゴリを推定するために、集合内のモバイル・ユーザごとに、複数ユーザの共同機械学習を少なくとも１つの位置コンテキスト・カテゴリに適用するようにさらに構成される。
これらおよびその他の特徴と利点は、以下の詳細な実施形態例の説明から明らかになるが、その説明は添付の図面と併せて読む必要がある。

本開示では、以下の図を参照して、好ましい実施形態の以下の説明において詳細を示す。

本発明の一実施形態に記載された、本発明が適用されてよい処理システムの例を示す図である。 本発明の一実施形態に記載された、本発明が適用され得る環境の例を示す図である。 本発明の一実施形態に記載された、不確実なユーザ・モバイル・データに基づいてモバイル・ユーザの位置コンテキストを推定するための方法の例を示す図である。 本発明の一実施形態に記載された、行列Ａ、可能な位置の２進行列（possible location binary matrix）Ｙ、および不可能な位置の２進行列（impossible location binary matrix）Ｚを示す図である。 ｎ人のユーザのそれぞれに対していずれかの特定の時間での１つの位置コンテキスト・カテゴリを規定する行列Ｘを示す図である。 本発明の一実施形態に記載された、クラウド・コンピューティング・ノードの例を示す図である。 本発明の一実施形態に記載された、クラウド・コンピューティング環境の例を示す図である。 本発明の一実施形態に記載された、抽象モデル・レイヤの例を示す図である。

本発明は、不確実なユーザ・モバイル・データに基づいて、モバイル・ユーザの位置コンテキストを推定することを対象にする。本明細書において使用されているように、「真の位置カテゴリ」、「正確な位置カテゴリ」、「真の位置コンテキスト・カテゴリ」、および「正確な位置コンテキスト・カテゴリ」という用語はすべて、（ｉ）１００メートル以上の誤差を含んでいる可能性のある、モバイル・デバイス（例えば、電話）ロケータによって提供される位置、および（ｉｉ）モバイル・デバイス・ロケータによって提供される位置に基づいて、１人のモバイル・ユーザに関して提供される位置コンテキスト・カテゴリよりもおそらく正確な位置カテゴリの推定を指している。このようにしてユーザの位置のより正確な推定が提供され、このことは、ユーザの役に立ち、ユーザの位置を含んでいるアプリケーションとして十分に機能することができる。モバイル・デバイス（例えば、電話）ロケータによって提供される位置は、その精度が保証されず、前述の典型的誤差を含んでおり、したがってそのような位置データを不確実にするので、本明細書では、置き換え可能なように「不確実なモバイル・デバイス位置データ」と呼ばれる。ほとんどの場合、そのような不確実性は、誤差量のしきい値よりも大きい誤差を含んでいる位置データとして表され得る。さらに、本発明の態様に関する、本明細書における「真の」という用語の一般的使用は、本明細書において提供される本発明の内容を前提として当業者によって容易に理解されるように、本発明を使用せずに他の方法で提供される表現よりもおそらく正確な物事の表現を指している。

一実施形態では、本発明は、可能性のある近くの位置カテゴリに基づいて携帯電話ユーザの位置コンテキスト・カテゴリを自動的に推定するために、機械学習に基づく解を提供する。一実施形態では、本発明は、通常はあまり正確ではないすべてのユーザの位置情報を使用して、互いの位置コンテキスト・カテゴリを共同でより正確に特定する。

一実施形態では、可能性のある近くの位置カテゴリが、パブリックに使用可能な情報から収集される。そのようなパブリックに使用可能な情報は、Ｆｏｕｒｓｑｕａｒｅ（Ｒ）、ＯｐｅｎＳｔｒｅｅｔＭａｐ（Ｒ）（ＯＳＭ）などから取得され得るが、これらに限定されない。本発明が前述のモバイル・アプリケーションのみに限定されず、したがって、まだ使用可能ではないモバイル・アプリケーションを含むその他のモバイル・アプリケーションが、本発明の内容に従って使用され得るということが理解されるべきである。

Ｆｏｕｒｓｑｕａｒｅ（Ｒ）は、検索結果をユーザに提供する、ローカル検索および発見サービス・モバイル・アプリケーションである。Ｆｏｕｒｓｑｕａｒｅ（Ｒ）は、ユーザが行ったことがある場所、Ｆｏｕｒｓｑｕａｒｅ（Ｒ）アプリケーションへの入力として規定されたユーザが好むもの、およびユーザが信頼している他のＦｏｕｒｓｑｕａｒｅ（Ｒ）ユーザの助言に基づいて、Ｆｏｕｒｓｑｕａｒｅ（Ｒ）ユーザの現在の位置に最も近い訪問するべき場所の推薦を提供する。１つの位置を含んでいるクエリを送信すると、Ｆｏｕｒｓｑｕａｒｅ（Ｒ）は、複数の近くのコンテキストのオプションを返す。位置カテゴリは、食品、小売店、ナイトライフ・スポット、学校、野外などを含む。

ＯｐｅｎＳｔｒｅｅｔＭａｐ（Ｒ）は、無料の編集可能な世界地図を作成するための共同プロジェクトである。マップ・データが、例えば携帯用ＧＰＳユニット、タブレット、デジタル・カメラなどのアイテムを使用して地上調査を行うボランティアによって収集される。その後、このデータはＯｐｅｎＳｔｒｅｅｔＭａｐ（Ｒ）データベースに入力される。このデータは、Ｗｅｂブラウザなどを使用して閲覧／アクセスされ得る。

一実施形態では、本発明は、ユーザを複数のグループに分類することができ、同じグループ内のユーザが類似する行動様式および興味を持っているが、異なるグループ内のユーザは異なる行動様式および興味を持っているということを仮定する。このようにして、本発明は分類およびユーザの行動様式を共同で学習することができる。

一実施形態では、本発明は、入力として、ユーザごとにユーザの近くの位置カテゴリのリストを受け取る。この実施形態では、他の情報は不要である。

一実施形態では、本発明は、出力としてユーザの位置カテゴリを提供する。

図１は、本発明の一実施形態に従って、本発明が適用されてよい処理システム１００の例を示している。処理システム１００は、システム・バス１０２を介して他のコンポーネントに動作可能なように結合された少なくとも１つのプロセッサ（ＣＰＵ）１０４を含んでいる。キャッシュ１０６、読み取り専用メモリ（ＲＯＭ：Read Only Memory）１０８、ランダム・アクセス・メモリ（ＲＡＭ：Random Access Memory）１１０、入出力（Ｉ／Ｏ：input/output）アダプタ１２０、音声アダプタ１３０、ネットワーク・アダプタ１４０、ユーザ・インターフェイス・アダプタ１５０、およびディスプレイ・アダプタ１６０が、システム・バス１０２に動作可能なように結合されている。

第１のストレージ・デバイス１２２および第２のストレージ・デバイス１２４は、Ｉ／Ｏアダプタ１２０によってシステム・バス１０２に動作可能なように結合されている。ストレージ・デバイス１２２および１２４は、ディスク・ストレージ・デバイス（例えば、磁気ディスク・ストレージ・デバイスまたは光ディスク・ストレージ・デバイス）、半導体磁気デバイスなどのうちのいずれかであることができる。ストレージ・デバイス１２２および１２４は、同じ種類のストレージ・デバイスまたは異なる種類のストレージ・デバイスであることができる。

スピーカ１３２は、音声アダプタ１３０によってシステム・バス１０２に動作可能なように結合されている。トランシーバ１４２は、ネットワーク・アダプタ１４０によってシステム・バス１０２に動作可能なように結合されている。ディスプレイ・デバイス１６２は、ディスプレイ・アダプタ１６０によってシステム・バス１０２に動作可能なように結合されている。

第１のユーザ入力デバイス１５２、第２のユーザ入力デバイス、および第３のユーザ入力デバイス１５６は、ユーザ・インターフェイス・アダプタ１５０によってシステム・バス１０２に動作可能なように結合されている。ユーザ入力デバイス１５２、１５４、および１５６は、キーボード、マウス、キーパッド、画像キャプチャ・デバイス、動作検知デバイス、マイクロホン、前述のデバイスのうちの少なくとも２つの機能を組み込んでいるデバイスなどのうちのいずれかであることができる。当然、本原理の思想を維持しながら、他の種類の入力デバイスも使用され得る。ユーザ入力デバイス１５２、１５４、および１５６は、同じ種類のユーザ入力デバイスまたは異なる種類のユーザ入力デバイスであることができる。ユーザ入力デバイス１５２、１５４、および１５６は、システム１００に情報を入力するため、およびシステム１００から情報を出力するために使用される。

当然、処理システム１００は、当業者によって容易に企図されるように、他の要素（図示されていない）を含んでもよく、特定の要素を省略してもよい。例えば、当業者によって容易に理解されるように、処理システム１００の特定の実装に応じて、さまざまな他の入力デバイスまたは出力デバイスあるいはその両方が、処理システム１００に含まれ得る。例えば、さまざまな種類の無線または有線あるいはその両方の入力デバイスまたは出力デバイスあるいはその両方が使用され得る。さらに、当業者によって容易に理解されるように、追加のプロセッサ、コントローラ、メモリなどを、さまざまな構成で使用することもできる。処理システム１００のこれらおよびその他の変形が、本明細書において提供される本発明の内容を前提として、当業者によって容易に企図される。

図２は、本発明の一実施形態に従って、本発明が適用され得る環境２００の例を示している。

環境２００は、モバイル・デバイス２１０のセットおよび中央サーバ２２０を含んでいる。図２の実施形態では、モバイル・デバイスは携帯電話である。ただし、デバイス・ロケータを含んでいる任意のモバイル・デバイスまたはデバイス・ロケータによって位置が特定され得る任意のモバイル・デバイスあるいはその両方のモバイル・デバイスが、本発明の内容に従って使用され得ると理解されるべきである。

一実施形態では、中央サーバ２２０はクラウド内で実装される。ただし、中央サーバ２２０は、クラウド環境以外で実装することもできる。

１つまたは複数のモバイル・デバイス・ロケータ２３０は、モバイル・デバイス２１０に関する位置データ２３１を提供する。デバイス・ロケータは、図２の実施形態ではモバイル・デバイス２１０から分離して示されているが、当業者によって容易に理解されるように、モバイル・デバイス２１０自体の内部にあるか、他のデバイス／システムの内部にあるか、または他のデバイス／システムの一部であることができる。したがって、一実施形態では、モバイル・ユーザ位置入力は、モバイル・デバイス自体から取得され得るが、ほとんどの場合、モバイル・デバイスからのそのような情報は、ほとんど許容できないほど不正確になるということに注意する。また、そのような不正確さは、通常、位置情報を提供するデバイスとは異なるデバイスである、位置決定機能を有する関連するデバイス（例えば、他のデバイスの位置を特定できるようにそれぞれ構成された、電話やタブレットなどの、同じ製造業者が提供するデバイス）上のデバイス・ロケータに特有である。本発明は、いずれかの特定のデバイス・ロケータに限定されず、したがって、全地球測位システム（ＧＰＳ：Global Positioning System）ベースのデバイス・ロケータ、ＷＩＦＩ位置決めシステム（ＷＰＳ：WIFI Positioning System）、セルラー・ネットワークベースの位置決めシステムなどと共に使用され得る。前述の一覧は単なる例である。

モバイル・デバイス・ロケータ２３０からの位置データは、位置コンテキスト情報の１つまたは複数のパブリックに使用可能なソース（例えばモバイル・アプリケーションなどを使用して実装する）２４０に提供され、位置コンテキスト情報のパブリックに使用可能なソース２４０は、各クエリ内で規定されたモバイル・ユーザ位置入力に応答して、モバイル・ユーザに適用できる複数の位置コンテキスト・カテゴリ／オプション（以下では「カテゴリ」と呼ぶ）を返す。

中央サーバ２２０は、モバイル・デバイス・ユーザの集合に関する複数の位置コンテキスト・カテゴリを１つまたは複数のソース２４０から受信し、ユーザの集合およびユーザの集合に関する位置コンテキスト・カテゴリのセットをそれぞれ含む１つまたは複数の行列を形成するために、機械学習を複数の位置コンテキスト・カテゴリに適用する。行列の例が図４に示されており、これについて説明する。機械学習では、最初は、モバイル・デバイス・ロケータからのやや不正確な位置データから開始して、モバイル・デバイス・ユーザの真の位置を学習するために、目的関数を使用する。その目的で、中央サーバ２２０は、ユーザごとに受信された複数の位置コンテキスト・カテゴリから、ユーザごとに１つの真の位置コンテキスト・カテゴリを識別する。

その後、中央サーバ２２０は、モバイル・デバイス・ユーザの真の位置に基づいて、１つまたは複数の機能を実行するか、または１つまたは複数のアプリケーションを実装するか、あるいはその両方を実行することができる。

図３は、本発明の一実施形態に従って、不確実なユーザ・モバイル・データに基づいてモバイル・ユーザの位置コンテキストを推定するための方法の例を示している。

図３の実施形態では、方法３００は、説明の目的で、ｎ人のユーザおよびｍ個の位置コンテキスト・カテゴリに対して使用される。ただし、本明細書において提供された本発明の内容を前提として当業者によって容易に理解されるように、本発明を任意の数のユーザおよび任意の数の位置コンテキスト・カテゴリに使用することができ、これらの数が実装に応じて容易に変更され得るということが理解されるべきである。

図３の実施形態では、方法３００は、特定の制約および仮定の下で動作する。例えば、制約として、検討中の特定の期間ごとに、各ユーザは唯一のカテゴリに属さなければならない。最初は、このカテゴリは未知であるが、対象のすべてのカテゴリを含んでいるセットが存在する。一実施形態では、このセットは、ユーザおよびユーザの近くの位置カテゴリのリストである。一例として、図４は、すべて（ｎ人）のユーザおよびすべて（ｍ個）のカテゴリの行列Ａ４１０を示しており、本発明の一実施形態に従って、行列Ａ４１０から可能な位置の２進行列Ｙ４２０および不可能な位置の２進行列Ｚ４３０が導出される。図５は、ｎ人のユーザのそれぞれに対するいずれかの特定の時間での１つの位置コンテキスト・カテゴリを規定する行列Ｘ５１０を示している。各行列（４１０、４２０、４３０、５１０）では、近くの位置カテゴリが点状の網掛けパターンを使用して示されており、その他の位置カテゴリが網掛けパターンなしで示されている。各行列（４１０、４２０、４３０、５１０）において、異なるｎ人のユーザが、ｕ_１〜ｕ_ｎを使用して示されており、異なるｍ個のカテゴリがｃ_１〜ｃ_ｍを使用して示されている。行列Ｘ５１０は次式に従って形成される。
行列Ｘ５１０ ＝ 行列Ｙ４２０ ＋ 行列Ｚ４３０

図３を参照すると、ステップ３１０で、ｎ人のモバイル・ユーザの集合内のモバイル・ユーザごとに、各クエリをモバイルＷｅｂアプリケーションに送信し、このモバイルＷｅｂアプリケーションは、各クエリ内で規定されたモバイル・ユーザ位置入力に応答して、モバイル・ユーザに適用可能な１つまたは複数の位置コンテキスト・カテゴリを返す。ｎ人のユーザすべての位置コンテキスト・カテゴリの総数はｍであり、ｎおよびｍは両方とも整数である。一実施形態では、モバイル・ユーザ位置入力は、モバイル・デバイス自体から取得され得るが、ほとんどの場合、モバイル・デバイスからのそのような情報は、ほとんど許容できないほど不正確になるということに注意する。モバイル・ユーザ位置入力は、経度および緯度、または位置を表すのに使用される任意のその他の表現であることができる。

ステップ３２０で、集合内のモバイル・ユーザごとに、各クエリに応答して、モバイルＷｅｂアプリケーションから１つまたは複数の位置コンテキスト・カテゴリを受信する。

ステップ３３０で、集合内のモバイル・ユーザごとに、複数ユーザの共同機械学習を１つまたは複数の位置コンテキスト・カテゴリに適用して、集合内のモバイル・ユーザごとに１つの「真の」（より正確な）位置コンテキスト・カテゴリを推定する。本発明との関連において、「複数ユーザの共同機械学習」という用語は、共有データを介して複数ユーザ全体で基本的に共同で結果に到達するために、複数ユーザからのデータに適用される機械学習のことを指しており、機械学習の使用に関連するそのような共有は、複数ユーザのデータに適用される。次の例は、１つの位置コンテキスト・カテゴリを各モバイル・ユーザに適用できるということを想定しているが、例えばユーザが２つの施設（１つは食品関係の施設（例えばレストラン）、もう１つはスポーツ関係の施設（例えばスポーツ用品店））の間に立っている場合は、２つ以上の位置コンテキスト・カテゴリを適用できる。しかし、ほとんどの場合、１つのカテゴリのみが呼び出される。さらに、本原理は、本明細書に示されている実施形態例におけるように、１つのカテゴリのみに適用される（１つのカテゴリのみを選択する）ように制約され得る。本発明のこれらおよびその他の変形が、本明細書において提供される本発明の内容を前提として、当業者によって容易に決定される。

一実施形態では、ステップ３３０はステップ３３０Ａ〜３３０Ｘを含んでいる。

ステップ３３０Ａで、次の制約下で複数ユーザの共同機械学習および目的関数を使用して、ｎ＊ｍの「真の」位置行列Ｘを形成する。
（ｉ）行列Ｘ５１０の各行は、唯一の１を含んでいる（１は斜線で網掛けされたエントリ内にある）。
（ｉｉ）その行内の他のすべてのエントリは０である。

行列Ｘ５１０内で、Ｘ_ｉｊ＝１は、ユーザｉの真の目的地が位置カテゴリｊ内にあることを意味している。

一実施形態では、行列Ｘ５１０は低ランク行列であるべきである。一実施形態では、ランクは次の値であることができる。
ランク（Ｘ）＝ユーザ・グループの数（＜＜ｎ）

一実施形態では、目的関数は次のとおりである。

ここで、||Ｘ||_＊は、行列５１０の核ノルム（核ノルムは、非凸ランク関数（non-convex rank function）の凸エンベロープである）を示し、Ｘ｛ｉ，＊｝は、行列Ｘ５１０のｉ番目の行ベクトルを示す。

これらの２つの制約が、行列Ｘ５１０内の各行が唯一の１を含んでおり、その他すべてのエントリが０であるということを保証すると理解されるべきである。

上の目的関数は、目的関数に関連する制約付き最適化問題を一連の制約なし問題に置き換えることができる拡張ラグランジュ法を使用して、効率的に最適化され得る。目的関数が凸状であるため、最適化手法によって学習される最適解は一意であり、初期値（initializations）に対して安定している。加えて、学習された行列Ｘは、疎（各行内に１つの１のみ）であり、かつ低ランクであるため、ユーザの行動の原動力となり得る少数の最も重要な要因を自然に捉える。これは、ユーザの行動および興味をモデル化することを非常に魅力的にする。

ステップ３４０で、集合内の少なくとも１人のモバイル・ユーザに関して、１つの正確な位置コンテキスト・カテゴリに基づいて、少なくとも１人のモバイル・ユーザによって実行される少なくとも１つの活動、または少なくとも１人のモバイル・ユーザにとって興味のある少なくとも１つの活動を推定する。

ステップ３５０で、集合内の少なくとも１人のモバイル・ユーザに関して、１つの正確な位置コンテキスト・カテゴリに基づいて、少なくとも１人のモバイル・ユーザの少なくとも１つの将来の意図を推定する。

ここで、本発明によって提供されるさまざまな利点に関して説明する。

例えば、本発明は、有利なことに、モバイル・データの不確実性を利用して、モバイル・ユーザの行動および意図に対する洞察を提供することができる。

さらに一般的には、本発明は、一般的な割当不確実性問題（general assignment uncertainty problem）を解くことができる。例えば、データの参照において、システムは、ユーザが特定のページ上の少なくとも１つのアイテムに興味があるということを認識するが、特定のどのアイテムに興味が示されているかは不確かであることがある。有利なことに、本発明は、モバイル・ユーザの真の興味を推定することができる。

さらに、真の位置コンテキストの識別は、時空間分析に関連する多くのアプリケーションにおいて必要なステップである。

また、割り当ての不確実性は、マーケティング分析において重要な問題であり、本発明をこの問題に容易に適用して、そのような不確実性を除去または軽減することができる。

本発明を適用できるアプリケーション／使用の例として、ターゲッティング広告、マーケティング・アプリケーション、時空間分析などが挙げられるが、これらに限定されない。

本開示にはクラウド・コンピューティングの詳細な説明が含まれているが、本明細書において示された内容の実装は、クラウド・コンピューティング環境に限定されないということが、あらかじめ理解される。本発明の実施形態は、既知または今後開発される任意のその他の種類のコンピューティング環境と組み合わせて実装できる。

クラウド・コンピューティングは、構成可能な計算リソース（例えば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン、およびサービス）の共有プールへの便利なオンデマンドのネットワーク・アクセスを可能にするためのサービス提供モデルであり、管理上の手間またはサービス・プロバイダとのやりとりを最小限に抑えて、それらのリソースを迅速にプロビジョニングおよび解放することができる。このクラウド・モデルは、少なくとも５つの特徴、少なくとも３つのサービス・モデル、および少なくとも４つのデプロイメント・モデルを含むことができる。

特徴は、次のとおりである。

オンデマンドのセルフ・サービス：クラウドの利用者は、サーバの時間、ネットワーク・ストレージなどのコンピューティング能力を一方的に、サービス・プロバイダとの人間的なやりとりを必要とせず、必要に応じて自動的にプロビジョニングすることができる。

幅広いネットワーク・アクセス：クラウドの能力は、ネットワークを経由して利用可能であり、標準的なメカニズムを使用してアクセスできるため、異種のシン・クライアントまたはシック・クライアント・プラットフォーム（例えば、携帯電話、ラップトップ、およびＰＤＡ）による利用を促進する。

リソース・プール：プロバイダの計算リソースは、プールされ、マルチテナント・モデルを使用して複数の利用者に提供される。さまざまな物理的および仮想的リソースが、要求に従って動的に割り当ておよび再割り当てされる。場所に依存しないという感覚があり、利用者は通常、提供されるリソースの正確な場所に関して管理することも知ることもないが、さらに高い抽象レベル（例えば、国、州、データセンタ）では、場所を指定できる場合がある。

迅速な順応性：クラウドの能力は、迅速かつ柔軟に、場合によっては自動的にプロビジョニングされ、素早くスケールアウトし、迅速に解放されて素早くスケールインすることができる。プロビジョニングに使用できる能力は、利用者には、多くの場合、任意の量をいつでも無制限に購入できるように見える。

測定されるサービス：クラウド・システムは、計測機能を活用することによって、サービスの種類（例えば、ストレージ、処理、帯域幅、およびアクティブなユーザのアカウント）に適した抽象レベルで、リソースの使用を自動的に制御および最適化する。リソースの使用量は監視、制御、および報告することができ、利用されるサービスのプロバイダと利用者の両方に透明性が提供される。

サービス・モデルは、次のとおりである。

ＳａａＳ（Software as a Service）：利用者に提供される能力は、クラウド・インフラストラクチャ上で稼働しているプロバイダのアプリケーションの利用である。それらのアプリケーションは、Ｗｅｂブラウザ（例えば、Ｗｅｂベースの電子メール）などのシン・クライアント・インターフェイスを介して、さまざまなクライアント・デバイスからアクセスできる。利用者は、ネットワーク、サーバ、オペレーティング・システム、ストレージ、または個々のアプリケーション機能を含む基盤になるクラウド・インフラストラクチャを、限定的なユーザ固有のアプリケーション構成設定を行う可能性を除き、管理することも制御することもない。

ＰａａＳ（Platform as a Service）：利用者に提供される能力は、プロバイダによってサポートされるプログラミング言語およびツールを使用して作成された、利用者が作成または取得したアプリケーションをクラウド・インフラストラクチャにデプロイすることである。利用者は、ネットワーク、サーバ、オペレーティング・システム、またはストレージを含む基盤になるクラウド・インフラストラクチャを管理することも制御することもないが、デプロイされたアプリケーション、および場合によってはアプリケーション・ホスティング環境の構成を制御することができる。

ＩａａＳ（Infrastructure as a Service）：利用者に提供される能力は、処理、ストレージ、ネットワーク、およびその他の基本的な計算リソースのプロビジョニングであり、利用者は、オペレーティング・システムおよびアプリケーションを含むことができる任意のソフトウェアをデプロイして実行できる。利用者は、基盤になるクラウド・インフラストラクチャを管理することも制御することもないが、オペレーティング・システム、ストレージ、およびデプロイされたアプリケーションを制御することができ、場合によっては、選択されたネットワーク・コンポーネント（例えば、ホスト・ファイアウォール）を限定的に制御できる。

デプロイメント・モデルは、次のとおりである。

プライベート・クラウド：このクラウド・インフラストラクチャは、組織のためにのみ運用される。このクラウド・インフラストラクチャは、この組織またはサード・パーティによって管理することができ、オンプレミスまたはオフプレミスに存在することができる。

コミュニティ・クラウド：このクラウド・インフラストラクチャは、複数の組織によって共有され、関心事（例えば、任務、セキュリティ要件、ポリシー、およびコンプライアンスに関する考慮事項）を共有している特定のコミュニティをサポートする。このクラウド・インフラストラクチャは、これらの組織またはサード・パーティによって管理することができ、オンプレミスまたはオフプレミスに存在することができる。

パブリック・クラウド：このクラウド・インフラストラクチャは、一般ユーザまたは大規模な業界団体が使用できるようになっており、クラウド・サービスを販売する組織によって所有される。

ハイブリッド・クラウド：このクラウド・インフラストラクチャは、データとアプリケーションの移植を可能にする標準化された技術または独自の技術（例えば、クラウド間の負荷バランスを調整するためのクラウド・バースト）によって固有の実体を残したまま互いに結合された２つ以上のクラウド（プライベート、コミュニティ、またはパブリック）の複合である。

クラウド・コンピューティング環境は、ステートレス、疎結合、モジュール性、および意味的相互運用性に重点を置いたサービス指向の環境である。クラウド・コンピューティングの中心になるのは、相互接続されたノードのネットワークを備えるインフラストラクチャである。

ここで図６を参照すると、クラウド・コンピューティング・ノード６１０の例の概略図が示されている。クラウド・コンピューティング・ノード６１０は、適切なクラウド・コンピューティング・ノードの一例に過ぎず、本明細書に記載された本発明の実施形態の使用または機能の範囲に関して、いかなる制限を示唆することも意図されていない。いずれにせよ、クラウド・コンピューティング・ノード６１０は、前述した任意の機能を実装すること、または実行すること、あるいはその両方を行うことができる。

クラウド・コンピューティング・ノード６１０内には、他の多数の汎用または専用のコンピューティング・システム環境または構成で運用できるコンピュータ・システム／サーバ６１２が存在する。コンピュータ・システム／サーバ６１２での使用に適した既知のコンピューティング・システム、環境、または構成、あるいはその組み合わせの例は、パーソナル・コンピュータ・システム、サーバ・コンピュータ・システム、シン・クライアント、シック・クライアント、ハンドヘルドまたはラップトップ・デバイス、マイクロプロセッサ・システム、マイクロプロセッサベース・システム、セット・トップ・ボックス、プログラマブル・コンシューマ・エレクトロニクス、ネットワークＰＣ、マイクロコンピュータ・システム、メインフレーム・コンピュータ・システム、およびこれらの任意のシステムまたはデバイスを含む分散クラウド・コンピューティング環境などを含むが、これらに限定されない。

コンピュータ・システム／サーバ６１２は、コンピュータ・システムによって実行されているプログラム・モジュールなどの、コンピュータ・システムによって実行可能な命令との一般的な関連で説明することができる。通常、プログラム・モジュールは、特定のタスクを実行する、または特定の抽象データ型を実装するルーチン、プログラム、オブジェクト、コンポーネント、論理、データ構造などを含むことができる。コンピュータ・システム／サーバ６１２は、通信ネットワークを介してリンクされたリモート処理デバイスによってタスクが実行される、分散クラウド・コンピューティング環境で実行されてよい。分散クラウド・コンピューティング環境において、プログラム・モジュールは、メモリ・ストレージ・デバイスを含む、ローカルおよびリモートの両方のコンピュータ・システム記憶媒体に配置されてよい。

図６に示すように、クラウド・コンピューティング・ノード６１０内のコンピュータ・システム／サーバ６１２は、汎用コンピューティング・デバイスの形態で示されている。コンピュータ・システム／サーバ６１２のコンポーネントは、１つまたは複数のプロセッサまたはプロセッシング・ユニット６１６、システム・メモリ６２８、およびシステム・メモリ６２８を含むさまざまなシステム・コンポーネントをプロセッサ６１６に結合するバス６１８を含むことができるが、これらに限定されない。

バス６１８は、メモリ・バスまたはメモリ・コントローラ、ペリフェラル・バス、アクセラレーテッド・グラフィックス・ポート、および任意のさまざまなバス・アーキテクチャを使用するプロセッサまたはローカル・バスを含む、１つまたは複数の任意の種類のバス構造を表す。例として、そのようなアーキテクチャは、ＩＳＡ（Industry Standard Architecture）バス、MCA（Micro Channel Architecture）バス、ＥＩＳＡ（Enhanced ISA）バス、ＶＥＳＡ（Video Electronics Standards Association）ローカル・バス、およびＰＣＩ（Peripheral Component Interconnect）バスを含むが、これらに限定されない。

コンピュータ・システム／サーバ６１２は、通常、さまざまなコンピュータ・システム可読媒体を含む。そのような媒体は、コンピュータ・システム／サーバ６１２によってアクセスできる任意の使用可能な媒体にすることができ、揮発性および不揮発性媒体、取り外し可能および取り外し不可の媒体を含む。

システム・メモリ６２８は、ランダム・アクセス・メモリ（ＲＡＭ）６３０またはキャッシュ・メモリ６３２あるいはその両方などの、揮発性メモリの形態でのコンピュータ・システム可読媒体を含むことができる。コンピュータ・システム／サーバ６１２は、その他の取り外し可能／取り外し不可、揮発性／不揮発性のコンピュータ・システム記憶媒体をさらに含むことができる。単に例として、取り外し不可、不揮発性の磁気媒体（図示されておらず、通常は「ハード・ドライブ」と呼ばれる）に対する読み取りと書き込みを行うために、ストレージ・システム６３４を提供することができる。図示されていないが、取り外し可能、不揮発性の磁気ディスク（例えば、「フロッピー（Ｒ）・ディスク」）に対する読み取りと書き込みを行うための磁気ディスク・ドライブ、およびＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、またはその他の光媒体などの取り外し可能、不揮発性の光ディスクに対する読み取りと書き込みを行うための光ディスク・ドライブを提供することができる。そのような例では、それぞれを、１つまたは複数のデータ媒体インターフェイスによってバス６１８に接続することができる。下で詳細に示され、説明されるように、メモリ６２８は、本発明の実施形態の機能を実行するように構成された一連の（例えば、少なくとも１つの）プログラム・モジュールを備える少なくとも１つのプログラム製品を含むことができる。

例えば、一連の（少なくとも１つの）プログラム・モジュール６４２を含んでいるプログラム／ユーティリティ６４０がメモリ６２８に記憶されてよいが、これに限定されず、オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、その他のプログラム・モジュール、およびプログラム・データも記憶されてよい。オペレーティング・システム、１つまたは複数のアプリケーション・プログラム、その他のプログラム・モジュール、およびプログラム・データまたはこれらの組み合わせは、それぞれネットワーク環境の実装を含むことができる。プログラム・モジュール６４２は、通常、本明細書に記載された本発明の実施形態の機能または方法あるいはその両方を実行する。

また、コンピュータ・システム／サーバ６１２は、キーボード、ポインティング・デバイス、ディスプレイ６２４などの１つまたは複数の外部デバイス６１４、ユーザがコンピュータ・システム／サーバ６１２と情報をやりとりできるようにする１つまたは複数のデバイス、またはコンピュータ・システム／サーバ６１２が１つまたは複数の他のコンピューティング・デバイスと通信できるようにする任意のデバイス（例えば、ネットワーク・カード、モデムなど）、あるいはその組み合わせと通信することもできる。そのような通信は、入力／出力（Ｉ／Ｏ：Input/Output）インターフェイス６２２を介して行うことができる。さらに、コンピュータ・システム／サーバ６１２は、ローカル・エリア・ネットワーク（ＬＡＮ：Local Area Network）、一般的な広域ネットワーク（WAN：Wide Area Network）、またはパブリック・ネットワーク（例えば、インターネット）、あるいはその組み合わせなどの１つまたは複数のネットワークと、ネットワーク・アダプタ６２０を介して通信することができる。図示されているように、ネットワーク・アダプタ６２０は、バス６１８を介してコンピュータ・システム／サーバ６１２の他のコンポーネントと通信する。図示されていないが、その他のハードウェア・コンポーネントまたはソフトウェア・コンポーネントあるいはその両方を、コンピュータ・システム／サーバ６１２と併用できるということが理解されるべきである。その例は、マイクロコード、デバイス・ドライバ、冗長プロセッシング・ユニット、外部ディスク・ドライブ・アレイ、ＲＡＩＤシステム、テープ・ドライブ、およびデータ・アーカイブ・ストレージ・システムなどを含むが、これらに限定されない。

ここで図７を参照すると、クラウド・コンピューティング環境７５０の例が示されている。図示されているように、クラウド・コンピューティング環境７５０は、クラウドの利用者によって使用されるローカル・コンピューティング・デバイス（例えば、ＰＤＡ（Personal Digital Assistant）または携帯電話７５４Ａ、デスクトップ・コンピュータ７５４Ｂ、ラップトップ・コンピュータ７５４Ｃ、または自動車コンピュータ・システム７５４Ｎ、あるいはその組み合わせなど）が通信できる１つまたは複数のクラウド・コンピューティング・ノード７１０を備える。ノード７１０は、互いに通信することができる。ノード７１０は、本明細書において前述されたプライベート・クラウド、コミュニティ・クラウド、パブリック・クラウド、またはハイブリッド・クラウド、あるいはこれらの組み合わせなど、１つまたは複数のネットワーク内で物理的または仮想的にグループ化されてよい（図示されていない）。これによって、クラウド・コンピューティング環境７５０は、クラウドの利用者がローカル・コンピューティング・デバイス上でリソースを維持する必要のないインフラストラクチャ、プラットフォーム、またはソフトウェア、あるいはその組み合わせをサービスとして提供できる。図７に示されたコンピューティング・デバイス７５４Ａ〜Ｎの種類は、例示のみが意図されており、コンピューティング・ノード７１０およびクラウド・コンピューティング環境７５０は、任意の種類のネットワークまたはネットワーク・アドレス指定可能な接続（例えば、Ｗｅｂブラウザを使用した接続）あるいはその両方を経由して任意の種類のコンピュータ制御デバイスと通信することができると理解される。

ここで図８を参照すると、クラウド・コンピューティング環境７５０（図７）によって提供される機能的抽象レイヤのセットが示されている。図８に示されたコンポーネント、レイヤ、および機能は、例示のみが意図されており、本発明の実施形態がこれらに限定されないということが、あらかじめ理解されるべきである。図示されているように、次のレイヤおよび対応する機能が提供される。

ハードウェアおよびソフトウェア・レイヤ８６０は、ハードウェア・コンポーネントおよびソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例は、メインフレーム（一例を挙げると、ＩＢＭ（Ｒ） ｚＳｅｒｉｅｓ（Ｒ）システム）、ＲＩＳＣ（Reduced Instruction Set Computer）アーキテクチャ・ベース・サーバ（一例を挙げると、ＩＢＭ ｐＳｅｒｉｅｓ（Ｒ）システム）、ＩＢＭ ｘＳｅｒｉｅｓ（Ｒ）システム、ＩＢＭ ＢｌａｄｅＣｅｎｔｅｒ（Ｒ）システム、ストレージ・デバイス、ネットワークおよびネットワーク・コンポーネントを含む。ソフトウェア・コンポーネントの例は、ネットワーク・アプリケーション・サーバ・ソフトウェア（一例を挙げると、ＩＢＭ ＷｅｂＳｐｈｅｒｅ（Ｒ）アプリケーション・サーバ・ソフトウェア）、およびデータベース・ソフトウェア（一例を挙げると、ＩＢＭ ＤＢ２（Ｒ）データベース・ソフトウェア）を含む。（ＩＢＭ、ｚＳｅｒｉｅｓ、ｐＳｅｒｉｅｓ、ｘＳｅｒｉｅｓ、ＢｌａｄｅＣｅｎｔｅｒ、ＷｅｂＳｐｈｅｒｅ、およびＤＢ２は、世界中の多くの管轄区域で登録されているＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎの商標である）

仮想化レイヤ８６２は、仮想サーバ、仮想ストレージ、仮想プライベート・ネットワークを含む仮想ネットワーク、仮想アプリケーションおよびオペレーティング・システム、ならびに仮想クライアントなどの仮想的実体を提供できる抽象レイヤを備える。

一例を挙げると、管理レイヤ８６４は、以下で説明される機能を提供することができる。リソース・プロビジョニングは、クラウド・コンピューティング環境内でタスクを実行するために利用される計算リソースおよびその他のリソースの動的調達を行う。計測および価格設定は、クラウド・コンピューティング環境内でリソースが利用された際のコスト追跡、およびそれらのリソースの利用に対する請求書の作成と送付を行う。一例を挙げると、それらのリソースは、アプリケーション・ソフトウェア・ライセンスを含むことができる。セキュリティは、クラウドの利用者およびタスクのＩＤ検証を行うとともに、データおよびその他のリソースの保護を行う。ユーザ・ポータルは、クラウド・コンピューティング環境へのアクセスを利用者およびシステム管理者に提供する。サービス・レベル管理は、必要なサービス・レベルを満たすように、クラウドの計算リソースの割り当てと管理を行う。サービス水準合意（ＳＬＡ：Service Level Agreement）計画および実行は、今後の要求が予想されるクラウドの計算リソースの事前準備および調達を、ＳＬＡに従って行う。

ワークロード・レイヤ８６６は、クラウド・コンピューティング環境で利用できる機能の例を示している。このレイヤから提供できるワークロードおよび機能の例は、マッピングおよびナビゲーション、ソフトウェア開発およびライフサイクル管理、仮想クラスルーム教育の配信、データ解析処理、トランザクション処理、および位置コンテキストの推定を含む。

本発明は、システム、方法、またはコンピュータ・プログラム製品、あるいはその組み合わせであってよい。コンピュータ・プログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令を含んでいる１つまたは複数のコンピュータ可読記憶媒体を含んでよい。

コンピュータ可読記憶媒体は、命令実行デバイスによって使用するための命令を保持および記憶できる有形のデバイスであることができる。コンピュータ可読記憶媒体は、例えば、電子ストレージ・デバイス、磁気ストレージ・デバイス、光ストレージ・デバイス、電磁ストレージ・デバイス、半導体ストレージ・デバイス、またはこれらの任意の適切な組み合わせであってよいが、これらに限定されない。コンピュータ可読記憶媒体のさらに具体的な例の非網羅的リストは、ポータブル・コンピュータ・ディスケット、ハード・ディスク、ランダム・アクセス・メモリ（ＲＡＭ：random access memory）、読み取り専用メモリ（ＲＯＭ：read-only memory）、消去可能プログラマブル読み取り専用メモリ（ＥＰＲＯＭ：erasable programmable read-only memoryまたはフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ：static random access memory）、ポータブル・コンパクト・ディスク読み取り専用メモリ（ＣＤ−ＲＯＭ：compact disc read-only memory）、デジタル多用途ディスク（ＤＶＤ：digital versatile disk）、メモリ・スティック、フロッピー（Ｒ）・ディスク、パンチカードまたは命令が記録されている溝の中の隆起構造などの機械的にエンコードされるデバイス、およびこれらの任意の適切な組み合わせを含む。本明細書において使用されているコンピュータ可読記憶媒体は、それ自体が、電波またはその他の自由に伝搬する電磁波、導波管またはその他の送信媒体を伝搬する電磁波（例えば、光ファイバ・ケーブルを通過する光パルス）、あるいはワイヤを介して送信される電気信号などの一時的信号であると解釈されるべきではない。

本明細書に記載されたコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から各コンピューティング・デバイス／処理デバイスへ、またはネットワーク（例えば、インターネット、ローカル・エリア・ネットワーク、広域ネットワーク、または無線ネットワーク、あるいはその組み合わせ）を介して外部コンピュータまたは外部ストレージ・デバイスへダウンロードされ得る。このネットワークは、銅伝送ケーブル、光伝送ファイバ、無線送信、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、またはエッジ・サーバ、あるいはその組み合わせを備えてよい。各コンピューティング・デバイス／処理デバイス内のネットワーク・アダプタ・カードまたはネットワーク・インターフェイスは、コンピュータ可読プログラム命令をネットワークから受信し、それらのコンピュータ可読プログラム命令を各コンピューティング・デバイス／処理デバイス内のコンピュータ可読記憶媒体に記憶するために転送する。

本発明の処理を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セット・アーキテクチャ（ＩＳＡ：instruction-set-architecture）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、あるいは、Ｓｍａｌｌｔａｌｋ（Ｒ）、Ｃ＋＋などのオブジェクト指向プログラミング言語、および「Ｃ」プログラミング言語または同様のプログラミング言語などの従来の手続き型プログラミング言語を含む１つまたは複数のプログラミング言語の任意の組み合わせで記述されたソース・コードまたはオブジェクト・コードであってよい。コンピュータ可読プログラム命令は、ユーザのコンピュータ上で全体的に実行すること、ユーザのコンピュータ上でスタンドアロン・ソフトウェア・パッケージとして部分的に実行すること、ユーザのコンピュータ上およびリモート・コンピュータ上でそれぞれ部分的に実行すること、あるいはリモート・コンピュータ上またはサーバ上で全体的に実行することができる。後者のシナリオでは、リモート・コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ：local area network）または広域ネットワーク（ＷＡＮ：wide area network）を含む任意の種類のネットワークを介してユーザのコンピュータに接続されてよく、または接続は、（例えば、インターネット・サービス・プロバイダを使用してインターネットを介して）外部コンピュータに対して行われてよい。一部の実施形態では、本発明の態様を実行するために、例えばプログラマブル論理回路、フィールドプログラマブル・ゲート・アレイ（ＦＰＧＡ：field-programmable gate arrays）、またはプログラマブル・ロジック・アレイ（ＰＬＡ：programmable logic arrays）を含む電子回路は、コンピュータ可読プログラム命令の状態情報を利用することによって、電子回路をカスタマイズするためのコンピュータ可読プログラム命令を実行してよい。

本発明の態様は、本明細書において、本発明の実施形態に従って、方法、装置（システム）、およびコンピュータ・プログラム製品のフローチャート図またはブロック図あるいはその両方を参照して説明される。フローチャート図またはブロック図あるいはその両方の各ブロック、ならびにフローチャート図またはブロック図あるいはその両方に含まれるブロックの組み合わせが、コンピュータ可読プログラム命令によって実装され得るということが理解されるであろう。

これらのコンピュータ可読プログラム命令は、コンピュータまたはその他のプログラム可能なデータ処理装置のプロセッサを介して実行される命令が、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックに指定される機能／動作を実施する手段を作り出すべく、汎用コンピュータ、専用コンピュータ、または他のプログラム可能なデータ処理装置のプロセッサに提供されてマシンを作り出すものであってよい。これらのコンピュータ可読プログラム命令は、命令が記憶されたコンピュータ可読記憶媒体がフローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックに指定される機能／動作の態様を実施する命令を含んでいる製品を備えるように、コンピュータ可読記憶媒体に記憶され、コンピュータ、プログラム可能なデータ処理装置、または他のデバイス、あるいはその組み合わせに特定の方式で機能するように指示できるものであってもよい。

コンピュータ可読プログラム命令は、コンピュータ上、その他のプログラム可能な装置上、またはその他のデバイス上で実行される命令が、フローチャートまたはブロック図あるいはその両方の１つまたは複数のブロックに指定される機能／動作を実施するように、コンピュータ実装プロセスを作り出すべく、コンピュータ、その他のプログラム可能なデータ処理装置、またはその他のデバイスにロードされ、コンピュータ、その他のプログラム可能な装置、またはその他のデバイス上で、一連の動作可能なステップを実行させるものであってもよい。

図内のフローチャートおよびブロック図は、本発明のさまざまな実施形態に従って、システム、方法、およびコンピュータ・プログラム製品の可能な実装のアーキテクチャ、機能、および処理を示す。これに関連して、フローチャートまたはブロック図内の各ブロックは、指定された論理機能を実装するための１つまたは複数の実行可能な命令を備える、命令のモジュール、セグメント、または部分を表してよい。一部の代替の実装では、ブロックに示された機能は、図に示された順序とは異なる順序で発生してよい。例えば、連続して示された２つのブロックは、実際には、含まれている機能に応じて、実質的に同時に実行されるか、または場合によっては逆の順序で実行されてよい。ブロック図またはフローチャート図あるいはその両方の各ブロック、ならびにブロック図またはフローチャート図あるいはその両方に含まれるブロックの組み合わせは、指定された機能または動作を実行するか、または専用ハードウェアとコンピュータ命令を組み合わせて実行する専用ハードウェアベースのシステムによって実装され得るということにも注意する。

本明細書における本原理の「一実施形態」または「実施形態」およびその他のそれらの変形への言及は、実施形態に関連して説明される特定の特徴、構造、特性などが、本原理の少なくとも１つの実施形態に含まれることを意味している。したがって、本明細書全体のさまざまな場所に現れる「一実施形態では」または「実施形態では」という語句、あるいは任意のその他の変形は、必ずしもすべてが同じ実施形態を参照しているわけではない。

「／」、「〜または〜あるいはその両方」、および「〜のうちの少なくとも１つ」のいずれかの使用は、例えば、「Ａ／Ｂ」、「ＡまたはＢあるいはその両方」、および「ＡとＢのうちの少なくとも１つ」のケースでは、１番目に示されたオプション（Ａ）のみの選択、または２番目に示されたオプション（Ｂ）のみの選択、または両方のオプション（ＡおよびＢ）の選択を包含することが意図されているということが理解されるべきである。さらに例を挙げると、「Ａ、Ｂ、またはＣ、あるいはその組み合わせ」および「Ａ、Ｂ、およびＣのうちの少なくとも１つ」のケースでは、そのような語句は、１番目に示されたオプション（Ａ）のみの選択、または２番目に示されたオプション（Ｂ）のみの選択、または３番目に示されたオプション（Ｃ）のみの選択、または１番目および２番目に示されたオプション（ＡおよびＢ）のみの選択、または１番目および３番目に示されたオプション（ＡおよびＣ）のみの選択、または２番目および３番目に示されたオプション（ＢおよびＣ）のみの選択、または３つすべてのオプション（ＡおよびＢおよびＣ）の選択を包含することが意図されている。これは、当業者または関連する業者にとって容易に明らかであるように、示された多くの項目に関して拡張されてよい。

システムおよび方法（例であって、限定することは意図されていない）の好ましい実施形態について説明したが、上の内容を考慮して当業者によって変更および変形を行うことができるということに注意する。したがって、添付の請求項によって概説されている発明の範囲内で、開示された特定の実施形態において変更を行ってよいということが理解されるべきである。本発明の態様について説明したが、特許証によって請求、要求、および保護される内容については、特許法が要求する詳細さで、添付の請求項に記載される。

Claims (15)

1. 少なくとも２人のメンバーを含んでいるモバイル・ユーザの集合に関して正確な位置コンテキスト・カテゴリを推定するための、コンピュータ・サーバによって実行される方法であって、
   前記集合内のモバイル・ユーザごとに、不確実なモバイル・デバイス位置データに応答して、パブリックに使用可能な情報から少なくとも１つの位置コンテキスト・カテゴリを取得するステップと、
   前記集合内のモバイル・ユーザごとに１つの正確な位置コンテキスト・カテゴリを推定するために、前記集合内のモバイル・ユーザごとに、複数ユーザの共同機械学習を前記少なくとも１つの位置コンテキスト・カテゴリに適用して、前記集合内のモバイル・ユーザごとに１つのより正確な位置コンテキスト・カテゴリを推定するステップと
   を含む、方法。
2. 前記不確実なモバイル・デバイス位置データが、携帯電話ロケータによって生成された携帯電話位置データを含んでいる、請求項１に記載の方法。
3. 前記取得するステップが、
   前記集合内のモバイル・ユーザごとに、各クエリを１つまたは複数のモバイルＷｅｂアプリケーションに送信するステップであって、前記モバイルＷｅｂアプリケーションが、前記各クエリ内で規定された前記不確実なモバイル・デバイス位置データに応答して、前記モバイル・ユーザのうちの１人のサブミットに適用できる前記少なくとも１つの位置コンテキスト・カテゴリを返す、前記ステップと、
   前記集合内のモバイル・ユーザごとに、前記各クエリに応答して、前記少なくとも１つの位置コンテキスト・カテゴリを前記モバイルＷｅｂアプリケーションから受信するステップと
   をさらに含む、請求項１に記載の方法。
4. 前記モバイル・ユーザ間の類似性に基づいて、前記モバイル・ユーザを複数のグループに分類するステップをさらに含む、請求項１または３に記載の方法。
5. 前記複数ユーザの共同機械学習が、核ノルムを使用して表された目的関数を使用して実行される、請求項１に記載の方法。
6. 前記推定するステップが、目的関数を使用して前記複数ユーザの共同機械学習を適用して行列を形成し、列および行のうちの一方がそれぞれ、前記モバイル・ユーザの各１人に対応し、前記列および前記行のうちの他方がそれぞれ、前記複数の位置コンテキスト・カテゴリの各１つに対応する、請求項１に記載の方法。
7. 行列に対する行制約を受ける非凸ランク関数の凸エンベロープを使用して前記目的関数が表される、請求項６に記載の方法。
8. 前記集合内の少なくとも１人のモバイル・ユーザに関して、前記１つの正確な位置コンテキスト・カテゴリに基づいて、前記少なくとも１人のモバイル・ユーザによって実行される少なくとも１つの活動、または前記少なくとも１人のモバイル・ユーザにとって興味のある少なくとも１つの活動を推定するステップをさらに含む、請求項１または３に記載の方法。
9. 前記集合内の少なくとも１人のモバイル・ユーザに関して、前記１つの正確な位置コンテキスト・カテゴリに基づいて、前記少なくとも１人のモバイル・ユーザの少なくとも１つの将来の意図を推定するステップをさらに含む、請求項１または３に記載の方法。
10. コンピュータに、請求項１〜９の何れか１項に記載の各ステップを実行させるコンピュータ・プログラム。
11. 請求項１０に記載の前記コンピュータ・プログラムを、コンピュータ可読記録媒体に記録した、コンピュータ可読記録媒体。
12. 少なくとも２人のメンバーを含んでいるモバイル・ユーザの集合に関して正確な位置コンテキスト・カテゴリを推定するためのシステムであって、
    プロセッサおよびメモリを含んでいるコンピュータ・サーバを備えており、前記コンピュータ・サーバが、
    前記集合内のモバイル・ユーザごとに、不確実なモバイル・デバイス位置データに応答して、パブリックに使用可能な情報から少なくとも１つの位置コンテキスト・カテゴリを取得することと、
    前記集合内のモバイル・ユーザごとに１つの正確な位置コンテキスト・カテゴリを推定するために、前記集合内のモバイル・ユーザごとに、複数ユーザの共同機械学習を前記少なくとも１つの位置コンテキスト・カテゴリに適用して、前記集合内のモバイル・ユーザごとに１つのより正確な位置コンテキスト・カテゴリを推定することと
    を実行するように構成されている、システム。
13. 前記コンピュータ・サーバがクラウド・コンピューティング構成を使用して実装されている、請求項１２に記載のシステム。
14. 前記コンピュータ・サーバが、前記集合内の少なくとも１人のモバイル・ユーザに関して、前記１つの正確な位置コンテキスト・カテゴリに基づいて、前記少なくとも１人のモバイル・ユーザによって実行される少なくとも１つの活動、または前記少なくとも１人のモバイル・ユーザにとって興味のある少なくとも１つの活動を推定するようにさらに構成されている、請求項１２に記載のシステム。
15. 前記コンピュータ・サーバが、前記集合内の少なくとも１人のモバイル・ユーザに関して、前記１つの正確な位置コンテキスト・カテゴリに基づいて、前記少なくとも１人のモバイル・ユーザの少なくとも１つの将来の意図を推定するようにさらに構成されている、請求項１２に記載のシステム。

Images