JP7046083B2 - コグニティブ・コンテンツ・フィルタリング - Google Patents

コグニティブ・コンテンツ・フィルタリング Download PDF

Info

Publication number
JP7046083B2
JP7046083B2 JP2019542512A JP2019542512A JP7046083B2 JP 7046083 B2 JP7046083 B2 JP 7046083B2 JP 2019542512 A JP2019542512 A JP 2019542512A JP 2019542512 A JP2019542512 A JP 2019542512A JP 7046083 B2 JP7046083 B2 JP 7046083B2
Authority
JP
Japan
Prior art keywords
user
social media
media content
reaction
content
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2019542512A
Other languages
English (en)
Other versions
JP2020510904A (ja
Inventor
ラクシット、サラブジット
ガンシ、ジュニア、ジョン
ボスティック、ジェイムス
キーン、マーティン
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of JP2020510904A publication Critical patent/JP2020510904A/ja
Application granted granted Critical
Publication of JP7046083B2 publication Critical patent/JP7046083B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/535Tracking the activity of the user
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00Computing arrangements using knowledge-based models
    • G06N5/04Inference or reasoning models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/10Office automation; Time management
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01Social networking
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/2866Architectures; Arrangements
    • H04L67/30Profiles
    • H04L67/306User profiles
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/50Network services
    • H04L67/56Provisioning of proxy services
    • H04L67/565Conversion or adaptation of application format or content

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本開示は、パーソナル・メッセージおよびソーシャル・メディア・コンテンツの配信に関し、より詳細には、ユーザ・アクティビティのパフォーマンスに対するネガティブなインパクトを阻止するために、特定のソーシャル・メディア・コンテンツのコグニティブ・フィルタリング(cognitive filtering)のための方法、コンピュータ・プログラム製品、およびシステムに関する。
広範囲のメンバーシップおよびアクティビティを伴う多種多様なテレコミュニケーション・ネットワークを伴う現代のモバイル・テレコミュニケーション環境では、ユーザは、ほとんど常にモバイル・デバイスにアクセスし、ソーシャル・メディア・コンテンツを受信する。ユーザはいくつかのソーシャル・メディア・コンテンツに対して強い感情的な反応をする可能性があるので、パフォーマンスが損なわれた場合に、ユーザが重大な結果を伴うアクティビティに関与している場合、常時のモバイル・デバイスへのユビキタス・アクセスおよびソーシャル・メディア・コンテンツの即時配信は望ましくないことがあり得る。
したがって、当技術分野では前述の問題に対処する必要がある。
本発明の目的は、ユーザ・アクティビティのパフォーマンスに対するネガティブなインパクトを阻止するために、特定のソーシャル・メディア・コンテンツのコグニティブ・フィルタリングのための方法を提供することである。
第1の態様から見ると、本発明は、ユーザへのソーシャル・メディア・コンテンツをコグニティブにフィルタリングするためのコンピュータによって実施される方法を提供し、この方法は、ソーシャル・メディア・コンテンツによって引き起こされ得るユーザの反応を、1つまたは複数のプロセッサによって予想することと、予想された反応によって影響を受ける可能性があるユーザのアクティビティを予想することと、ユーザのパフォーマンス・インパクト・スコア(performance impact score)を計算することであって、パフォーマンス・インパクト・スコアは、予想されたアクティビティ(predicted activity)を実行しているユーザに対するソーシャル・メディア・コンテンツによるインパクトの尺度を示す、計算することと、計算されたパフォーマンス・インパクト・スコアが、フィルタリングの範囲内であると判定すると、ソーシャル・メディア・コンテンツをフィルタリングすることと、範囲に関連付けられた配信方式(delivery regime)にしたがって、ソーシャル・メディア・コンテンツを配信することとを含む。
さらなる態様から見ると、本発明は、ユーザへのソーシャル・メディア・コンテンツをコグニティブにフィルタリングするためのシステムを提供し、このシステムは、メモリと、メモリと通信する1つまたは複数のプロセッサと、ユーザへのソーシャル・メディア・コンテンツをコグニティブにフィルタリングするための方法を実行するために、メモリを介して1つまたは複数のプロセッサによって実行可能なプログラム命令であって、ソーシャル・メディア・コンテンツによって引き起こされ得るユーザの反応を予想することと、予想された反応によって影響を受ける可能性があるユーザのアクティビティを予想することと、ユーザのパフォーマンス・インパクト・スコアを計算することであって、パフォーマンス・インパクト・スコアは、予想されたアクティビティを実行しているユーザに対するソーシャル・メディア・コンテンツによるインパクトの尺度を示す、計算することと、計算されたパフォーマンス・インパクト・スコアが、フィルタリングの範囲内であると判定すると、ソーシャル・メディア・コンテンツをフィルタリングすることと、範囲に関連付けられた配信方式にしたがって、ソーシャル・メディア・コンテンツを配信することとを含むプログラム命令とを備える。
さらなる態様から見ると、本発明は、ユーザへのソーシャル・メディア・コンテンツをコグニティブにフィルタリングするためのコンピュータ・プログラム製品を提供し、コンピュータ・プログラム製品は、処理回路によって可読であり、本発明のステップを実行するための方法を実行するため処理回路による実行のための命令を記憶するコンピュータ可読記憶媒体を備える。
さらなる態様から見ると、本発明は、コンピュータ可読媒体に記憶され、デジタル・コンピュータの内部メモリにロード可能なコンピュータ・プログラムを提供し、前記プログラムがコンピュータ上で実行されたときに、本発明のステップを実行するためのソフトウェア・コード部分を備える。
従来技術の欠点が克服され、一態様では方法のプロビジョンによって、追加の利点が提供される。ユーザへのソーシャル・メディア・コンテンツをコグニティブにフィルタリングするための方法は、たとえば、ソーシャル・メディア・コンテンツによって引き起こされ得るユーザの反応を1つまたは複数のプロセッサによって予想することと、予想された反応によって影響を受ける可能性があるユーザのアクティビティを予想することと、ユーザのパフォーマンス・インパクト・スコアを計算することであって、パフォーマンス・インパクト・スコアは、予想されたアクティビティを実行しているユーザに対するソーシャル・メディア・コンテンツによるインパクトの尺度を示す、計算することと、計算されたパフォーマンス・インパクト・スコアが、フィルタリングの範囲内であると判定すると、ソーシャル・メディア・コンテンツをフィルタリングすることと、範囲に関連付けられた配信方式にしたがって、ソーシャル・メディア・コンテンツを配信することとを含む。この方法の利点は、限定されないが、本明細書で提示されるように、フィルタリングなしで配信されるソーシャル・メディア・コンテンツによって引き起こされ得るパフォーマンス・インパクトを阻止することによって、ユーザの安全性および他の利点に寄与することであり得る。
さらなる特徴は、本明細書に記載の技術によって実現される。コンピュータ・プログラム製品およびシステムを含むがこれらに限定されない他の実施形態および態様は、本明細書で詳細に記載され、特許請求される発明の一部と見なされる。
本発明の1つまたは複数の態様は、本明細書の末尾にある特許請求の範囲における例としてとりわけ指摘され、明確に特許請求されている。本発明の前述および他の目的、特徴、および利点は、添付の図面と併せて以下の詳細な記載から明らかである。
本明細書に記載の1つまたは複数の実施形態による、コンテンツ配信におけるユーザの安全性を保証するためのシステムを示す図である。 本明細書に記載の1つまたは複数の実施形態による、コグニティブ・コンテンツ・フィルタリング処理によって実行される全体的な処理のフローチャートである。 本明細書に記載の1つまたは複数の実施形態による、図1のシステムに提示されているデータ要素の動作相互依存性(operational interdependency)を示す図である。 従来技術による、本発明の好ましい実施形態が実施され得るクラウド・コンピューティング・ノードを示す図である。 従来技術による、本発明の好ましい実施形態が実施され得るクラウド・コンピューティング環境を示す図である。 従来技術による、本発明の好ましい実施形態が実施され得る抽象化モデル・レイヤ(abstraction model layer)を示す図である。
図1は、本明細書に記載の1つまたは複数の実施形態による、コンテンツ配信におけるユーザの安全性を保証するためのシステム100を示す。
安全なコンテンツ配信を提供するシステム100は、ユーザ101と、ユーザ・デバイス110と、ユーザ101が加入しているソーシャル・メディア105とを含む。ユーザ・デバイス110の例は、様々なセンサ、データ・キャプチャ、処理、および通信機能を有する、ユーザ101上の任意のタイプのモバイル、またはウェアラブル・パーソナル・デバイス、あるいはその両方であり得る。
ソーシャル・メディア105は、ソーシャル・メディア105とユーザ101との間で合意されたように、ソーシャル・メディア(SM)コンテンツ107をユーザ・デバイス110に送信する。SMコンテンツ107は、限定されないが、ユーザ101が加入しているソーシャル・メディア・サイトへの投稿、ユーザが興味を持っているそのような投稿のフォロー・アップ通知、電子メール、またはユーザ101に配信される他の任意のメッセージ等、あるいはその組合せを含むことができ、旅行写真、政治的見解、個人情報等を含む幅広い情報を有している。
SMコンテンツ107を配信する前に、ユーザ安全のために任意のSMコンテンツ107をフィルタリングするために、ユーザ・デバイス110上で動作するコグニティブ・パーソナル・セーフガード・エンジン(safeguard engine)120がSMコンテンツ107を傍受する。従来、SMコンテンツ107は、SMコンテンツ107がユーザ・デバイス110で受信されると、ソーシャル・メディア105のモバイル・アプリのようなユーザ・プログラムを使用してユーザ・デバイス110に瞬時に表示され、それに対してユーザ101は感情的、または行動的、あるいはその両方で応答する。SMコンテンツ107に対するそのような反応は、ユーザ101がその時点で関与しているアクティビティの種類、ユーザ101の反応、SMコンテンツ107のメッセージ等のような多数の要因によっては、ユーザ101にとって危険である可能性がある。コグニティブ・パーソナル・セーフガード・エンジン120は、フィルタリングされたSMコンテンツ199を配信することによって、ユーザ101が、ユーザ101のためにカスタマイズされた安全な方式でSMコンテンツ107を受信することを保証する。ユーザ101にとって危険であると予想されるSMコンテンツ107とは異なり、ユーザ101は、フィルタリングされたSMコンテンツ199に対して予想された反応を示さない可能性がある。フィルタリングされたSMコンテンツ199は、SMコンテンツ107を含まないSMコンテンツ107の通知、ユーザのアクティビティに基づいた特定の配信スケジュールによって配信されるSMコンテンツ107の通知、通知のないSMコンテンツ107の遅延配信、およびそれらの組合せから選択され得る。コグニティブ・パーソナル・セーフガード・エンジン120は、期待される配信時間に、または期待される配信時間後に、あるいはその両方に、ユーザ101によって実行される可能性があるアクティビティ(likely activity)、ユーザによるSMコンテンツ107への可能性のある反応、ユーザ101によるSMコンテンツ107に対する反応の強度、ならびに、可能性のあるアクティビティを実行する際のユーザ101に対するSMコンテンツ107のインパクトについて事前設定されたしきい値に基づいて、SMコンテンツ107を、ユーザ101に配信することは安全ではないと判定する。SMコンテンツ107をフィルタリングするか否か、およびフィルタリングされた場合にSMコンテンツ107をどれだけ遅延させるかは、ユーザ101によってマニュアルで、またはコグニティブ・パーソナル・セーフガード・エンジン120によって自動的に設定され得る。たとえば、ユーザ101は、夜10時に、ユーザ101が安全に家にいるときまで、フィルタリングされたすべてのSMコンテンツを遅延させるように、コグニティブ・パーソナル・セーフガード・エンジン120を設定することができる。本発明の特定の実施形態では、本明細書に提示されるようにフィルタリングされた場合、SMコンテンツ107がユーザ・デバイス110に進み得ないように、コグニティブ・パーソナル・セーフガード・エンジン120が、ソーシャル・メディア105の配信インフラストラクチャにおいて実施され得る。本発明の特定の実施形態では、コグニティブ・パーソナル・セーフガード・エンジン120は、より洗練されたフィルタリング・サービスがユーザに利用可能になるように、多数のソーシャル・ネットワーク用の加入サービスとして提供され得る。
コグニティブ・パーソナル・セーフガード・エンジン120は、反応知識ベース(reaction knowledgebase)(RKB)130、ユーザ・アクティビティ重大度設定データ(user activity severity configuration data)140、反応予想処理(reaction prediction process)150、アクティビティ予想処理160、コグニティブ・コンテンツ・フィルタリング処理170、およびパフォーマンス・インパクト(performance impact)(PI)スコア計算処理180を含む。コグニティブ・パーソナル・セーフガード・エンジン120は、機械学習サービス181およびコンテンツ分析サービス183を含む外部のクラウド・ベースのサービスを使用することができる。それぞれの破線で示されるように、外部サービス181、183はネットワーク接続を介して結合される。
反応知識ベース(RKB)130は、過去のSMコンテンツと、過去の各SMコンテンツに対応するユーザ101による反応とを記憶する。反応は、それぞれのコンテンツに対応するユーザ101による反応に関連付けられたそれぞれの感情強度(emotional intensity)のレベル、ならびに反応の持続時間、またはタイプ等、あるいはその組合せに基づいて、いくつかのグループに分類され得る。たとえば、ユーザ101が過去に天気およびローカル・ニュースフィードに中立的に応答していた場合、天気およびローカル・ニュースフィードは中立的な反応に対応するものとして分類され、したがって天気およびローカル・ニュースを有するSMコンテンツは、フィルタリングなしに配信され得る。別の例では、ユーザ101が具体的なブログへの投稿によって非常に興奮しており、何度もコメントすることによって投稿に積極的に応答した場合、この具体的なブログからのSMコンテンツは、激しい反応に対応するとして分類され得る。これは、ユーザ101に対する安全上の懸念であり得る。さらに別の例では、経時的に観察されるようなユーザ101による反応に基づいて、ユーザを怒らせるまたは悲しませる可能性のある任意のSMコンテンツは、永続的に、ネガティブで、激しい反応に対応するものとして分類される。さらに別の例では、面白いビデオ・クリップを有するSMコンテンツは、ビデオ・クリップを見ることおよび笑うことによってユーザ101が気を取られることがあるので、短く、ポジティブで、激しい反応に対応するものとして分類され得る。反応に関連付けられた感情強度は、既知のコンテンツ分析ツールの使用によって分析され決定されてもよく、本明細書では提示されない。
RKB130を構築する際に、SMコンテンツに対応する反応は、様々な口頭、またはテキスト表現、あるいはその両方、ならびに、限定されないが、心拍数、血圧、体温、および発汗等のユーザ101のバイオメトリックおよび生理学的データのような身体監視データの使用によって測定され得る。スピーチ監視は、ユーザ・デバイス110上のマイクロフォンによって、および機械学習サービス181およびコンテンツ分析サービス183のような外部サービスによる自然言語処理によって利用可能であり、音声ストレス・レベル・データ、またはユーザ101によって使用される単語およびフレーズのタイプ等、あるいはその両方が、反応を分類する際に考慮され得る。ビデオ監視が適用可能である場合、ユーザ101のボディ・ランゲージおよび身振り、顔の表情、目の拡張、環境等も、埋め込み、または外部分析サービス、あるいはその両方の使用によって、ユーザ101による反応における感情強度を決定する際に考慮され得る。反応予想処理150は、SMコンテンツ107と、RKB130に記憶されているような類似パターンの既知のユーザ反応を伴うSMコンテンツとを比較することによって、SMコンテンツ107に対するユーザ101の可能性のある反応を予想する。
ユーザ・アクティビティ重大度設定データ140は、対応するアクティビティが適切に実行されていない場合のユーザ101に対するリスクのレベルを表す。ユーザ・アクティビティ重大度は、限定されないが、ユーザ101のパフォーマンスが特定のアクティビティ中に損なわれた場合、安全上のリスクがどれほど深刻であり得るか、同じ特定のアクティビティに対する感情的な反応に対して、ユーザ101がどれほど敏感であり得るか、および、ユーザ101がビジネス会議、試験等の能力を最大限に発揮することがどれほど不可欠であるか等の要因を含み得る。たとえば、運転経験、防御的な運転戦略、道路状況および他の運転者を理解するのに必要な熟練度等の欠如のために、新たな運転者は、経験豊富な運転者よりも容易に自制心を失うので、運転のアクティビティは、経験豊富な運転者よりも新たな運転者にとって深刻であり得る。また、運転することは、より安全上の意味合いがあり、自宅で休むことよりはるかに多くの誤りを受けやすいため、すべてのユーザにとって、自宅で休むアクティビティよりも運転のアクティビティの方が深刻であり得る。また、SMコンテンツ107によって引き起こされる悪化から保護されるべき重大な結果をもたらすアクティビティは、大手顧客とのビジネス会議等のように、安全上の影響に関係なく、深刻として分類され得る。
アクティビティ予想処理160は、フィルタリングされていない場合、SMコンテンツ107を受信した時点でユーザ101が関与している可能性のあるアクティビティを予想する。可能性のあるアクティビティはさらに、配信時だけでなくその後も同様に、SMコンテンツ107によって影響を受ける可能性がある、ユーザ101によって実行される任意のアクティビティを意味し得る。SMコンテンツ107によって影響を受ける可能性があるユーザ101の可能性のあるアクティビティは、限定されないが、ユーザ101が実行している現在のアクティビティの持続時間、SMコンテンツ107における反応の持続時間、ユーザ101のスピーチ、ユーザ101のカレンダ、またはスケジュールされたイベント、あるいはその組合せ、朝/夜の通勤、就業時間、ゲームの夜、ソーシャル・メディアの貢献/参加のようなユーザ101の特定の時間枠にしたがって、時間とともに繰り返されるアクティビティに示されるような日課等のような情報に基づいて決定され得る。
コグニティブ・コンテンツ・フィルタリング処理170は、可能性のあるアクティビティを実行している間にSMコンテンツ107によるユーザ101に対する事前設定されたしきい値よりも大きいパフォーマンス・インパクトをもたらし得るSMコンテンツ107をうまくフィルタリングするために、反応予想処理150、アクティビティ予想処理160、およびパフォーマンス・インパクト(PI)スコア計算処理180の全体的に調整された処理を示す。コグニティブ・コンテンツ・フィルタリング処理170の詳細な動作は、図2および対応する説明に提示されている。本発明の特定の実施形態では、反応予想処理150およびアクティビティ予想処理160は、PIスコア計算処理180を実行する前に同時に実行することができる。
本発明の特定の実施形態では、コグニティブ・コンテンツ・フィルタリング処理170は、反応を予想し、またはユーザ101による実際の反応をリアル・タイムで表すユーザ101のリアル・タイム状態データを監視し、あるいはその両方を行い、これによって、特定のSMコンテンツのフィルタリングが、様々なアクティビティ、またはコンテンツ、あるいはその両方に基づいて、より適切となり得る。たとえば、ユーザ101が最初にアクティビティAを実行した場合、コグニティブ・コンテンツ・フィルタリング処理170は、入ってくるSMコンテンツのコンテンツ・タイプによって引き起こされると第1の反応を予想したが、依存するコンテンツ反応マッピング・パターンがないので、フィルタリングせずにSMコンテンツを配信する。コグニティブ・コンテンツ・フィルタリング処理170が、同じアクティビティAを実行するユーザ101と同じコンテンツ・タイプを有する別のSMコンテンツを次に受信したとき、コグニティブ・コンテンツ・フィルタリング処理170は、コンテンツをフィルタリングし、ユーザ101に対するフィルタリングの効果を確かめるために、ユーザ101に対する反応を監視してもよい。RKB130を構築するためのユーザ反応を測定する際に使用される様々な手法はまた、ユーザ反応のリアル・タイム・フィードバックを測定するのに利用されてもよい。別の例では、コグニティブ・コンテンツ・フィルタリング処理170が、曖昧な表現のために、SMコンテンツを適切に分析することができず、その結果、SMコンテンツがコンテンツによって適切に分類されない場合、コグニティブ・コンテンツ・フィルタリング処理170は、ユーザ反応のリアル・タイム測定に基づいて、RKB130内のSMコンテンツのための反応のパターンをまだ適切に確立することができる。
パフォーマンス・インパクト(PI)スコア計算処理180は、アクティビティ予想処理160によって予想された可能性のあるアクティビティを実行しながら、ユーザ101に対するSMコンテンツ107の効果を定量化する処理を表す。公共の安全性研究によると、怒っている、悲しい、またはその他の感情的に動揺している運転者は、平均的な運転者の10倍、深刻な自動車事故に遭遇する可能性がある。したがって、可能性のある反応によって予想されるようなユーザ101の感情的な状態は、可能性のあるアクティビティのパフォーマンスに合理的にインパクトを与える可能性があり、PIスコア計算処理180は、パフォーマンスに対するインパクトの度合を定量化する。PIスコア計算処理180の詳細は、図3および対応する記載に提示されている。
図2は、本明細書に記載の1つまたは複数の実施形態による、図1のコグニティブ・コンテンツ・フィルタリング処理170によって実行される全体的な処理のフローチャートを示している。
ブロック210の前に、反応知識ベース(RKB)130は、ユーザ101の以前のSMコンテンツに対応する過去の反応によって確立される。また、ブロック210の前に、特定のアクティビティを実行している間にユーザ101がSMコンテンツ107によってどれだけ深刻に影響を受ける可能性があるかを示すユーザ・アクティビティ重大度設定データ140が、コグニティブ・パーソナル・セーフガード・エンジン120、または機械学習サービス181、あるいはその両方によって自動的に、またはユーザ101によってマニュアルで設定される。本明細書で提示されるブロック210から250のコグニティブ・コンテンツ・フィルタリング処理170は、ユーザ・デバイス110によってSMコンテンツ107を受信したときに開始する。
ブロック210において、コグニティブ・コンテンツ・フィルタリング処理170は、SMコンテンツ107がユーザ101に引き起こすであろう最も可能性の高い反応を示す可能性のある反応を予想する。述べたように、ブロック210は、本発明の特定の実施形態における反応予想処理150の別個のあらかじめ定義された処理として実施することができる。コグニティブ・コンテンツ・フィルタリング処理170は、受信時にSMコンテンツ107を分析し、入ってくるSMコンテンツ107に最も類似しているRKB130に記憶されたSMコンテンツを識別することによって、可能性のある反応についてRKB130を調べる。コグニティブ・コンテンツ・フィルタリング処理170は、可能性のある反応を、入ってくるSMコンテンツ107に最も類似していると識別されたRKB130内のSMコンテンツに対応する反応として決定する。本発明の特定の実施形態では、可能性のある反応は、ユーザ101がSMコンテンツ107を受信したときに発生する可能性のある反応の確率を定量化する信頼度スコア(confidence score)に関連付けられ、しきい値よりも大きいそれぞれの信頼度スコアを有する1つまたは複数の反応が選択され得る。次いで、コグニティブ・コンテンツ・フィルタリング処理170はブロック220に進む。
ブロック220において、コグニティブ・コンテンツ・フィルタリング処理170は、フィルタリングなしで配信された場合にSMコンテンツ107によって影響を受ける可能性が最も高い、ユーザ101の可能性のあるアクティビティを予想する。ブロック210と同様に、ブロック220もまた、本発明の特定の実施形態におけるアクティビティ予想処理160の別個のあらかじめ定義された処理として実施することができる。コグニティブ・コンテンツ・フィルタリング処理170は、ユーザの日常的なアクティビティ、カレンダ/イベント情報、ユーザ101が実行している現在のアクティビティの持続時間、ブロック210から予想されたようなSMコンテンツ107に対する反応の持続時間/感情/強度、ユーザ101の話した/書いた言葉、ソーシャル・メディアの貢献/参加等を分析することによって、およびブロック210から予想された反応によって影響を受けた時間枠中に実行されたアクティビティを選択することによって、可能性のあるアクティビティを決定する。たとえば、ユーザ101が特定の時間に特定のことをするつもりであるとユーザ101がコメントした場合、可能性のあるアクティビティは、表現されたアクティビティから推論され、コグニティブ・コンテンツ・フィルタリング処理170は、アクティビティの時間を、予想された反応の持続時間と比較する。別の例では、ユーザ101が「友達と釣りをする」とマークされた日に既知の釣り先に現在運転している場合、コグニティブ・コンテンツ・フィルタリング処理170は、慣習にしたがった行動にしたがって、ユーザ101が運転後に餌屋に立ち寄ると予想し得る。本発明の特定の実施形態では、可能性のあるアクティビティは、SMコンテンツ107によって影響されると、生じる可能性の高いアクティビティの確率を定量化する信頼度スコア、または、可能性のあるアクティビティがユーザ101によって実行されるべき信頼度のレベルに関連付けられ、それにしたがって、しきい値よりも大きいそれぞれの信頼度スコアを有する1つまたは複数のアクティビティが選択され得る。次いで、コグニティブ・コンテンツ・フィルタリング処理170は、ブロック230に進む。
ブロック230において、コグニティブ・コンテンツ・フィルタリング処理170は、ブロック220から予想された可能性のあるアクティビティを実行しながら、ブロック210からの可能性のある反応によって表されるように、ユーザ101に対するSMコンテンツ107の効果を定量化するパフォーマンス・インパクト(PI)スコアを計算する。PIスコアは、反応の持続時間/感情/強度、可能性のあるアクティビティ、および可能性のあるアクティビティに対応するユーザ・アクティビティの重大度のような可能性のある反応の属性の関数である。ブロック230は、本発明の特定の実施形態におけるパフォーマンス・インパクト・スコア計算処理180の別個のあらかじめ定義された処理として実施することができる。本発明の特定の実施形態では、PIスコアは、可能性のあるアクティビティの重大度、可能性のある反応の持続時間、可能性のある反応の強度、および可能性のある反応のネガティブな感情にそれぞれ比例する組合せスコアの合計から生じる。次に、コグニティブ・コンテンツ・フィルタリング処理170はブロック240に進む。
ブロック240において、コグニティブ・コンテンツ・フィルタリング処理170は、ブロック230からのPIスコアおよびプリセットされたPIスコアしきい値に基づいて、SMコンテンツをフィルタリングするか否かを判定し、その結果、ユーザ101のパフォーマンスは、予想される可能性のあるアクティビティの間にネガティブなインパクトを受けず、ユーザ101の安全性が、危険にさらされないようになる。次いで、コグニティブ・コンテンツ・フィルタリング処理170はブロック250に進む。特定の実施形態において、1つまたは複数のPIスコアしきい値は、PIスコアに対応するそれぞれの配信方式で設定され得る。各配信方式は、SMコンテンツをユーザ101に提示する前にSMコンテンツを遅延させるか否か、所定の遅延に関係なくSMコンテンツをすべて配信するか否か、保持するための所定の遅延の長さ、ユーザ101にSMコンテンツを通知して知らせるか否か、所定の遅延が経過した後にユーザ101のアクティビティを再評価するか否か等に関する指示を含み得る。本発明の一実施形態では、PIスコアしきい値が設定され、PIスコアしきい値より大きいPIスコアに対応するSMコンテンツ107は、ユーザ101がいかなる深刻なアクティビティも実行していないとき、または自宅等の特定の安全な場所にいるとき、あるいはその両方のときのみ配信され得る。本発明の別の実施形態では、遅延配信のためのPIスコアしきい値および通知のための別のPIスコアしきい値は、時間に敏感なSMコンテンツが、通常の遅延配信よりもより迅速なSMコンテンツの配信のための通知として配信され得るように設定され得る。SMコンテンツの時間感度は、コンテンツ分析サービス183を使用してSMコンテンツを分析することによって決定され得る。したがって、SMコンテンツ107を遅延させる代わりに、コグニティブ・コンテンツ・フィルタリング処理170は、SMコンテンツ107が到着したという通知を送信する。通知を受信すると、ユーザ101は、高速道路を走行している間にサービス・エリアに立ち入る場合におけるように、深刻なアクティビティを一時停止し、SMコンテンツ107をチェックすることができる。
ブロック250において、コグニティブ・コンテンツ・フィルタリング処理170は、ブロック240から選択された配信方式で設定されているようにSMコンテンツ107の配信を完了する。任意の遅延したSMコンテンツ107を配信する前に、コグニティブ・コンテンツ・フィルタリング処理170は、保証のためにユーザ101の現在位置およびアクティビティをチェックし得る。その後、コグニティブ・コンテンツ・フィルタリング処理170は、SMコンテンツ107の処理を終了する。ブロック210から250は、入ってくる各SMコンテンツについての単位として反復され得る。ブロック210からの可能性のある反応、およびブロック220からの可能性のあるアクティビティは、予想処理150、160の精度、ならびに、RKB130に記憶されたデータ、および、ユーザ・アクティビティ重大度設定データ140の精度を向上するために機械学習サービス181に提供され得る。
図3は、本明細書に記載の1つまたは複数の実施形態による、図1のシステム100に提示されているデータ要素300の例示的な動作相互依存性を示している。
ユーザ301は、コンテンツ反応マッピング303、アクティビティ重大度レベル305、ならびにパフォーマンス・インパクト(PI)スコアしきい値および配信方式309を含む、図1のコグニティブ・コンテンツ・フィルタリング処理170に利用される個々のデータに関連付けられ、配信方式はそれぞれ各PIスコアしきい値に対応する。本発明の特定の実施形態では、コンテンツ-反応マッピング303が、図1の反応知識ベース(RKB)130に記憶され、アクティビティ重大度レベル305は、ユーザ・アクティビティ重大度設定データ140の要素である。PIスコアしきい値および配信方式309は、コグニティブ・コンテンツ・フィルタリング処理170によって動的に更新されてもよく、または安全推奨事項を用いてユーザ301によってマニュアルで設定されてもよい。
たとえば、PIスコアしきい値および配信方式309は、タプルのセット{(80以上、ユーザがレベル0のアクティビティを実行しているときにのみコンテンツを配信する)、(30~79、ユーザがレベル0またはレベル1のアクティビティを実行しているときコンテンツを配信する)、(0~29、いつでもコンテンツを配信する)}、として設定することができ、ここで、PIスコアは、0から100の範囲内であり得、レベル0のアクティビティは、安全上の懸念が最小であるアクティビティのグループを示し、レベル1のアクティビティは、安全上の懸念が中程度の範囲であるアクティビティの別のグループを示し、3つのアクティビティ重大度レベルのうち、レベル2のアクティビティは、比較的リスクの高いアクティビティを伴うアクティビティのさらに別のグループを示す。
図2のブロック210を実行する前に、コグニティブ・コンテンツ・フィルタリング処理170は、コンテンツ入力307を受け取る。図2のブロック210を実行する際に、コグニティブ・コンテンツ・フィルタリング処理170は、コンテンツ入力307と同様のコンテンツについてコンテンツ-反応マッピング303を検索し、一致するコンテンツが発見された場合、一致するコンテンツに対応する反応を、コンテンツ入力303に対するユーザ反応310として返す。
図2のブロック220を実行する際、コグニティブ・コンテンツ・フィルタリング処理170は、カレンダ・イベント、日課、または他のアクティビティ履歴およびプロファイルを利用し、フィルタリングなしでユーザ301にコンテンツ入力307が配信されるのであれば、ユーザ反応310によって影響を受けるユーザ・アクティビティ320を予想する。
図2のブロック230におけるように、パフォーマンス・インパクト(PI)スコア330を計算する際に、コグニティブ・コンテンツ・フィルタリング処理170は、予想されたユーザ・アクティビティ320によってどの程度の安全上の懸念がもたらされるであろうかを定量化するために、予想されたユーザ・アクティビティ320を、アクティビティ重大度レベル305のうちの1レベルに分類する。コグニティブ・コンテンツ・フィルタリング処理170は、次に、予想されたユーザ反応310と、ユーザ・アクティビティ320に対応する選択されたアクティビティ重大度レベルとの関数として、PIスコア330を計算する。
本発明の特定の実施形態では、コグニティブ・コンテンツ・フィルタリング処理170は、アクティビティ重大度レベルとユーザ反応310との加重合計として、PIスコア330を計算する。同じ実施形態では、コグニティブ・コンテンツ・フィルタリング処理170は、ユーザ反応310を定量化する際に、ユーザ反応310の強度、感情、および持続時間のようなユーザ反応310のそれぞれの要素を考慮することができる。
図2のブロック240および250を実行する際に、コグニティブ・コンテンツ・フィルタリング処理170は、PIスコア330およびPIスコアしきい値ならびに配信方式309に基づいて、コンテンツ入力307をどのように配信するかに関してフィルタリング決定340を行う。特定の実施形態では、PIスコアしきい値と、PIスコアしきい値を超えるPIスコア330に対応するコンテンツ入力307の遅延とを指定することができ、したがって、コグニティブ・コンテンツ・フィルタリング処理170は、遅延の間コンテンツ入力307を保持するか、または保持せずにコンテンツ入力307を配信する。本発明の他の実施形態では、上記の例のように、PIスコアしきい値は、多数の範囲のPIスコアおよび対応する配信方式で提示され得る。
本発明の特定の実施形態は、リアル・タイム・コンテンツ分析、ソーシャル・メディア・コンテンツに対する反応におけるパターンの機械学習、ならびに特定のソーシャル・メディア・コンテンツに対するユーザ反応のコグニティブ予想、およびそのようなコンテンツによって影響を受ける可能性があるユーザ・アクティビティを含む、様々な技術的計算上の利点を提供することができる。ソーシャル・メディア・コンテンツに対するコグニティブに予想される反応、コグニティブに予想される反応によってパフォーマンスが影響を受ける可能性があるコグニティブに予想されるアクティビティ、およびユーザに対して個々に設定されたアクティビティの重大度レベルに基づいて、ユーザのパフォーマンス・インパクト・メトリックが自動的に計算される。パフォーマンス・インパクト・メトリックのための1つまたは複数のしきい値が事前設定され、対応するフィルタリング決定、または配信方式、あるいはその両方がそれぞれ関連付けられ、これによって、ソーシャル・メディア・コンテンツが、ユーザのパフォーマンスを損なわないように、またはユーザにさらなる安全上のリスクをもたらさないように、あるいはその両方が考慮されて配信され得る。本発明の特定の実施形態は、ソーシャル・メディア配信インフラストラクチャに固有の、提供される加入サービスとして、またはユーザ・モバイル・デバイス上で実行されるユーザ・アプリケーションとして、あるいはその両方として実施され得る。本発明の特定の実施形態は、ソーシャル・メディア・コンテンツおよび反応における経時的なパターンの機械学習によって、および、ソーシャル・メディア・コンテンツ、ユーザ・カレンダ・スケジュールおよびイベント、ユーザの日課、投稿と、コメントと、フォローとを含むソーシャル・メディアのアクティビティのコンテンツ分析によって、ソーシャル・メディア・コンテンツに対する反応、および反応によって影響を受ける可能性の高いアクティビティに関する予想の精度を向上する。
図4~図6は、本明細書に記載の1つまたは複数の態様による、コンピュータ・システムおよびクラウド・コンピューティングを含む、コンピューティングの様々な態様を示す。
本開示はクラウド・コンピューティングに関する詳細な記載を含むが、本明細書に列挙された教示の実施はクラウド・コンピューティング環境に限定されないことが前もって理解される。むしろ、本発明の実施形態は、現在知られているかまたは後に開発される他の任意のタイプのコンピューティング環境と併せて実施することができる。
クラウド・コンピューティングは、設定可能なコンピューティング・リソース(たとえば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、記憶装置、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・ネットワーク・アクセスを可能にするためのサービス配信のモデルであり、これは、最小限の管理努力で、または、サービスのプロバイダとのインタラクションで、迅速にプロビジョンおよびリリースされ得る。このクラウド・モデルは、少なくとも5つの特性、少なくとも3つのサービス・モデル、および少なくとも4つの展開モデルを含み得る。
特性は以下の通りである。
オンデマンド・セルフサービス:クラウド・コンシューマは、必要に応じて自動的にサーバ時間やネットワーク記憶装置のようなコンピューティング機能を一方的にプロビジョンして、サービスのプロバイダとの人的なインタラクションを必要としない。
ブロード・ネットワーク・アクセス:機能は、ネットワークを介して利用可能であり、異種のシンまたはシック・クライアント・プラットフォーム(たとえば、モバイル電話、ラップトップ、およびPDA)による使用を容易にする標準的なメカニズムを介してアクセスされる。
リソース・プーリング:プロバイダのコンピューティング・リソースは、マルチテナント・モデルを使用して多数のコンシューマにサービスを提供するためにプールされ、異なる物理リソースと仮想リソースは、要求に応じて動的に割り当てられ、再割り当てされる。コンシューマは一般に、提供されたリソースの正確な位置に関して制御も知識も持たないが、より高い抽象化レベル(たとえば、国、州、またはデータセンタ)で位置を特定することができるという点で位置独立性の意義がある。
迅速な弾力性(rapid elasticity):場合によっては、自動的に機能を、迅速かつ弾力的にプロビジョニングして、素早くスケール・アウトし、迅速に解放して素早くスケール・インすることができる。コンシューマにとって、プロビジョニングに利用可能な機能はしばしば、無制限であるように見え、いつでも任意の量で購入することができる。
測定サービス:クラウド・システムは、サービスのタイプ(たとえば、記憶装置、処理、帯域幅、アクティブなユーザ・アカウント)に適したある抽象化レベルでメータリング機能を活用することで、リソースの使用を自動的に制御および最適化する。利用されたサービスのプロバイダとコンシューマの両方に透明性を提供しながら、リソース使用量を監視、制御、および報告することができる。
サービス・モデルは以下の通りである。
サービス型ソフトウェア(Software as a Service)(SaaS):コンシューマに提供される機能は、クラウド・インフラストラクチャ上で実行されているプロバイダのアプリケーションを使用することである。アプリケーションは、ウェブ・ブラウザ(たとえば、ウェブベースの電子メール)のようなシン・クライアント・インターフェースを介して様々なクライアント・デバイスからアクセス可能である。コンシューマは、限られたユーザ固有のアプリケーション構成設定の可能な例外はあるものの、ネットワーク、サーバ、オペレーティング・システム、記憶装置、さらには個々のアプリケーション機能を含む、基盤となるクラウド・インフラストラクチャを管理または制御することはない。
サービス型プラットフォーム(Platform as a Service)(PaaS):コンシューマに提供される機能は、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、コンシューマ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展開することである。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、または記憶装置を含む基盤となるクラウド・インフラストラクチャを管理または制御するのではなく、展開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・ホスティング環境構成に対する制御を有する。
サービス型インフラストラクチャ(Infrastructure as a Service)(IaaS):コンシューマに提供される機能は、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み得る任意のソフトウェアを、コンシューマが展開および実行することができる場合に、処理、記憶装置、ネットワーク、および他の基本的なコンピューティング・リソースをプロビジョンすることである。コンシューマは、基盤となるクラウド・インフラストラクチャを管理または制御しないが、オペレーティング・システム、記憶装置、展開されたアプリケーション、および場合によっては選択されたネットワーキング構成要素(たとえば、ホスト・ファイアウォール)の制限された制御に対する制御を有する。
展開モデルは以下の通りである。
プライベート・クラウド:クラウド・インフラストラクチャは、団体専用に運営される。これは、団体またはサード・パーティによって管理され得、オンプレミスまたはオフプレミスに存在し得る。
コミュニティ・クラウド:クラウド・インフラストラクチャはいくつかの団体によって共有されており、懸念(たとえば、ミッション、セキュリティ要件、ポリシー、およびコンプライアンス考慮事項)を共有している具体的なコミュニティをサポートする。これは、団体またはサード・パーティによって管理され得、オンプレミスまたはオフプレミスに存在し得る。
パブリック・クラウド:クラウド・インフラストラクチャは、一般の人々や大規模な業界グループが利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団体によって所有される。
ハイブリッド・クラウド:クラウド・インフラストラクチャは、固有のエンティティのままであるが、データとアプリケーションの移植性を可能にする標準化された、または独自の技術(たとえば、クラウド間の負荷平準化のためのクラウド・バースト)によって一緒に結合された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)の合成である。
クラウド・コンピューティング環境は、ステートレス性、低結合性、モジュール性、および意味的相互運用性に焦点を当てたサービスである。クラウド・コンピューティングの中心にあるのは、相互接続されたノードのネットワークを備えたインフラストラクチャである。
次に図4を参照して、コンピュータ・システム/クラウド・コンピューティング・ノードの一例の概略図が示される。クラウド・コンピューティング・ノード10は、適切なクラウド・コンピューティング・ノードの一例にすぎず、本明細書に記載の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限定を示唆するものでもない。それにも関わらず、クラウド・コンピューティング・ノード10は、上述した機能のうちのいずれかを実施され、または実行し、あるいはその両方が可能である。
クラウド・コンピューティング・ノード10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動作可能なコンピュータ・システム12がある。コンピュータ・システム12と共に使用するのに適切であり得る周知のコンピューティング・システム、環境、または構成、あるいはその組合せの例は、限定されないが、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、マルチプロセッサ・システム、マイクロプロセッサ・ベースのシステム、セット・トップ・ボックス、プログラム可能な家庭用電化製品、ネットワークPC、ミニコンピュータ・システム、メインフレーム・コンピュータ・システム、および上記のシステムまたはデバイスのいずれかを含む分散型クラウド・コンピューティング環境等を含む。
コンピュータ・システム12は、コンピュータ・システムによって実行されるプログラム処理のようなコンピュータ・システム実行可能命令の一般的な文脈で説明することができる。一般に、プログラム処理は、特定のタスクを実行するか、または、特定の抽象データ・タイプを実施するルーチン、プログラム、オブジェクト、構成要素、ロジック、データ構造等を含み得る。
コンピュータ・システム12は、通信ネットワークを介してリンクされている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型クラウド・コンピューティング環境で実施することができる。分散型クラウド・コンピューティング環境では、プログラム処理は、メモリ記憶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することができる。
図4に示すように、クラウド・コンピューティング・ノード10内のコンピュータ・システム12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12の構成要素は、限定されないが、1つまたは複数のプロセッサ16、システム・メモリ28、およびシステム・メモリ28を含む様々なシステム構成要素をプロセッサ16に結合するバス18を含むことができる。
バス18は、メモリ・バスまたはメモリ・コントローラ、周辺バス、加速グラフィック・ポート、および様々なバス・アーキテクチャのいずれかを使用するプロセッサまたはローカル・バスを含む、いくつかのタイプのバス構造のうちのいずれかの1つまたは複数を表す。限定ではなく例として、そのようなアーキテクチャは、業界標準アーキテクチャ(ISA)バス、マイクロ・チャネル・アーキテクチャ(MCA)バス、拡張ISA(EISA)バス、ビデオ・エレクトロニクス規格協会(VESA)ローカル・バス、および周辺機器相互接続(PCI)バスを含む。
コンピュータ・システム12は通常、様々なコンピュータ・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12によってアクセス可能な任意の利用可能な媒体であり得、揮発性および不揮発性媒体、リムーバブルおよび非リムーバブル媒体の両方を含む。
システム・メモリ28は、ランダム・アクセス・メモリ(RAM)30、またはキャッシュ・メモリ32、あるいはその両方のような揮発性メモリの形態のコンピュータ・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12はさらに、他のリムーバブル/非リムーバブル、揮発性/不揮発性のコンピュータ・システム記憶媒体を含み得る。単なる例として、記憶システム34は、非リムーバブルで不揮発性の磁気媒体(図示せず、通常「ハード・ドライブ」と呼ばれる)から読み書きするために提供され得る。図示されていないが、リムーバブルな不揮発性磁気ディスク(たとえば「フロッピー(R)・ディスク」)との間で読み書きするための磁気ディスク・ドライブ、および、CD-ROM、DVD-ROM、または他の光学媒体のようなリムーバブルな不揮発性光ディスクとの間で読み書きするための光ディスク・ドライブが提供され得る。そのような事例では、各々は1つまたは複数のデータ媒体インターフェースによってバス18に接続され得る。以下にさらに図示され記載されるように、メモリ28は、本発明の実施形態の機能を実行するように設定されたプログラム処理のセット(たとえば、少なくとも1つ)を有する少なくとも1つのプログラム製品を含み得る。
プログラム処理42のセット(少なくとも1つ)を有する1つまたは複数のプログラム40は、限定ではなく例として、メモリ28のみならず、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、他のプログラム処理、およびプログラム・データにも同様に記憶され得る。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、他のプログラム処理、およびプログラム・データ、あるいはそれらの何らかの組合せのおのおのは、図1のコグニティブ・パーソナル・セーフガード・エンジン120の実施を含み得る。コグニティブ・コンテンツ・フィルタリング処理170におけるように、プログラム処理42は、概して、本明細書に記載されるような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。
コンピュータ・システム12はまた、キーボード、ポインティング・デバイス、ディスプレイ24等のような1つまたは複数の外部デバイス14、ユーザがコンピュータ・システム12とインタラクションすることを可能にする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12が1つまたは複数の他のコンピューティング・デバイス、あるいはその両方と通信することを可能にする任意のデバイス(たとえば、ネットワーク・カード、モデム等)と通信することができる。そのような通信は、入力/出力(I/O)インターフェース22を介して生じ得る。さらに、コンピュータ・システム12は、ネットワーク・アダプタ20を介して、ローカル・エリア・ネットワーク(LAN)、一般的な広域ネットワーク(WAN)、または公衆ネットワーク(たとえば、インターネット)、あるいはその組合せのような1つまたは複数のネットワークと通信することができる。図示するように、ネットワーク・アダプタ20は、バス18を介してコンピュータ・システム12の他の構成要素と通信する。図示されていないが、他のハードウェア構成要素、またはソフトウェア構成要素、あるいはその両方を、コンピュータ・システム12と併せて使用できることを理解されたい。例は、限定しないが、マイクロコード、デバイス・ドライバ、冗長プロセッサ、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、データ・アーカイブ記憶システム等を含む。
次に図5を参照して、例示的なクラウド・コンピューティング環境50が示される。図示されるように、クラウド・コンピューティング環境50は、1つまたは複数のクラウド・コンピューティング・ノード10を備え、これらを用いて、たとえば携帯情報端末(PDA)またはセルラ電話54A、デスクトップ・コンピュータ54B、ラップトップ・コンピュータ54C、または自動車コンピュータ・システム54N、あるいはその組合せのように、クラウド・コンシューマによって使用されるローカル・コンピューティング・デバイスが通信し得る。ノード10は互いに通信することができる。ノード10は、上述したように、プライベート、コミュニティ、パブリック、またはハイブリッド・クラウドのような1つまたは複数のネットワーク、またはそれらの組合せで、物理的または仮想的にグループ化(図示せず)することができる。これにより、クラウド・コンピューティング環境50は、クラウド・コンシューマがローカル・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がないサービスとして、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を、あるいはその組合せを提供することが可能になる。図5に図示されるタイプのコンピューティング・デバイス54A~54Nは例示のみを意図しており、コンピューティング・ノード10およびクラウド・コンピューティング環境50は、任意のタイプのネットワーク、またはネットワーク・アドレス指定可能な接続、あるいはその両方を介して(たとえば、Webブラウザを使用して)任意のタイプのコンピュータ化されたデバイスと通信できることを理解されたい。
次に図6を参照して、クラウド・コンピューティング環境50(図5)によって提供される機能的抽象化レイヤのセットが図示される。図6に図示される構成要素、レイヤ、および機能は例示のみを目的としており、本発明の実施形態はそれに限定されないことを前もって理解されたい。図示のように、以下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60は、ハードウェアおよびソフトウェア構成要素を含む。ハードウェア構成要素の例は、メインフレーム61、RISC(縮小命令セット・コンピュータ)アーキテクチャ・ベースのサーバ62、サーバ63、ブレード・サーバ64、記憶デバイス65、ネットワークおよびネットワーキング構成要素66を含む。いくつかの実施形態において、ソフトウェア構成要素は、ネットワーク・アプリケーション・サーバ・ソフトウェア67およびデータベース・ソフトウェア68を含む。
仮想化レイヤ70は抽象化レイヤを提供し、そこから仮想エンティティの以下の例、すなわち、仮想サーバ71、仮想記憶装置72、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73、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74、および仮想クライアント75が提供され得る。
一例では、管理レイヤ80は、以下に記載す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81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コンピューティング・リソースおよび他のリソースの動的なプロキュアメント(dynamic procurement)を提供する。メータリングおよびプライシング82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るときのコスト追跡、およびこれらのリソースの消費に対する課金または請求を提供する。一例では、これらのリソースは、アプリケーション・ソフトウェア・ライセンスを備え得る。セキュリティは、クラウド・コンシューマおよびタスクの身元確認だけでなく、データや他のリソースの保護も提供する。
ユーザ・ポータル83は、コンシューマおよびシステム管理者にクラウド・コンピューティング環境へのアクセスを提供する。サービス・レベル管理84は、必要なサービス・レベルが満たされるようにクラウド・コンピューティング・リソースの割り当ておよび管理を提供する。サービス・レベル契約(SLA)の計画および履行85は、SLAにしたがって、将来の要件が予期されるクラウド・コンピューティング・リソースの事前手配およびプロキュアメントを提供する。
ワークロード・レイヤ90は、クラウド・コンピューティング環境を利用することができる機能の例を提供する。このレイヤから提供され得るワークロードおよび機能の例は、本明細書に記載されるように、マッピングおよびナビゲーション91、ソフトウェア開発およびライフサイクル管理92、仮想教室教育配信93、データ分析処理94、トランザクション処理95、コグニティブ・パーソナル・セーフガード・エンジン96のための処理構成要素を含む。処理構成要素96は、図4に記載されている1つまたは複数のプログラム40として理解することができる。
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、あるいはその組合せであり得る。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有するコンピュータ可読記憶媒体(または複数の媒体)を含み得る。
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される命令を保持および記憶することができる有形のデバイスとすることができる。コンピュータ可読記憶媒体は、限定されないが、たとえば、電子記憶デバイス、磁気記憶デバイス、光記憶デバイス、電磁記憶デバイス、半導体記憶デバイス、またはこれらの任意の適切な組合せであり得る。コンピュータ可読記憶媒体のより具体的な例の非網羅的リストは、以下、すなわち、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)、読出専用メモリ(ROM)、消去可能プログラマブル読出専用メモリ(EPROM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)、ポータブル・コンパクト・ディスク読出専用メモリ(CD-ROM)、デジタル多用途ディスク(DVD)、メモリ・スティック、フロッピー(R)・ディスク、パンチカードのような機械的に符号化されたデバイス、または命令が記録された溝の隆起構造、および上記の任意の適切な組合せを含む。本明細書で使用されるコンピュータ可読記憶媒体は、電波または他の自由に伝播する電磁波、導波管または他の伝送媒体を伝播する電磁波(たとえば、光ファイバ・ケーブルを通過する光パルス)、または、ワイヤを介して送信される電気信号のような一時的な信号であると解釈されるべきではない。
本明細書に記載の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それぞれのコンピューティング/処理デバイスに、または、たとえば、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、またはワイヤレス・ネットワーク、あるいはその組合せのようなネットワークを介して、外部コンピュータまたは外部記憶デバイスに、ダウンロードすることができる。ネットワークは、銅伝送ケーブル、光伝送ファイバ、ワイヤレス伝送、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、あるいはその組合せを備え得る。各コンピューティング/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・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、それぞれのコンピューティング/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、コンピュータ可読プログラム命令を転送する。
本発明の動作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)命令、機械命令、機械依存命令、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++等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類似のプログラミング言語のような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合せで記述されたソース・コードまたはオブジェクト・コードであり得る。コンピュータ可読プログラム命令は、全体的にユーザのコンピュータ上で、部分的に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、部分的にユーザのコンピュータ上で、および部分的にリモート・コンピュータ上で、または全体的にリモート・コンピュータまたはサーバ上で、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)または広域ネットワーク(WAN)を含む任意のタイプのネットワークを介してユーザのコンピュータに接続することができるか、または、(たとえば、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接続することができる。いくつかの実施形態では、たとえばプログラマブル・ロジック回路構成、フィールド・プログラマブル・ゲート・アレイ(FPGA)、またはプログラマブル・ロジック・アレイ(PLA)を含む電子回路構成は、本発明の態様を実行するために、電子回路構成をパーソナル化するために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、コンピュータ可読プログラム命令を実行し得る。
本発明の態様は、本発明の実施形態による方法、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例図、またはブロック図、あるいはその両方を参照して本明細書に記載される。フローチャート例図、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例図、またはブロック図、あるいはその両方内のブロックの組合せは、コンピュータ可読プログラム命令によって実施され得ることが理解されよう。
これらのコンピュータ可読プログラム命令は、コンピュータのプロセッサまたは他のプログラマブル・データ処理装置を介して実行される命令が、フローチャート、またはブロック図ブロックまたは複数のブロック、あるいはその組合せにおいて指定される機能/動作を実施するための手段を生成するように、機械を製造するために、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得る。これらのコンピュータ可読プログラム命令はまた、コンピュータ、プログラマブル・データ処理装置、または他のデバイス、あるいはその組合せに対して、特定の方式で機能するように指示することができるコンピュータ可読記憶媒体に記憶され得、これによって、記憶された命令を有するコンピュータ可読記憶媒体は、フローチャート、または1つもしくは複数のブロック図ブロック、あるいはその組合せにおいて指定された機能/動作の態様を実施する命令を含む製造物品を備えるようになる。
コンピュータ可読プログラム命令はまた、コンピュータによって実施される処理を生成するために、コンピュータ、他のプログラマブル装置、または他のデバイスにおいて、一連の動作ステップを実行させるために、コンピュータ、他のプログラマブル・データ処理装置、または他のデバイスへロードされ得、これによって、コンピュータ、他のプログラマブル装置、または他のデバイスにおいて実行する命令が、フローチャート、または1つもしくは複数のブロック図ブロック、あるいはその組合せにおいて指定された機能/動作を実行できるようになる。
図中のフローチャートおよびブロック図は、本発明の様々な実施形態によるシステム、方法、およびコンピュータ・プログラム製品の可能な実施のアーキテクチャ、機能、および動作を例示している。これに関して、フローチャートまたはブロック図の各ブロックは、指定された論理機能を実施するための1つまたは複数の実行可能命令を備えたモジュール、セグメント、または命令の一部を表すことができる。いくつかの代替の実施では、ブロックに示されている機能は、図に示されている順序とは異なる順序で生じ得る。たとえば、連続して示されている2つのブロックは、実際には、実質的に同時に実行されてもよく、または、含まれる機能に応じてしばしば逆の順序で実行され得る。ブロック図、またはフローチャート例図、あるいはその両方の各ブロック、およびブロック図、またはフローチャート例図、あるいはその両方内のブロックの組合せは、特定の機能または動作を実行する、または、専用のハードウェアとコンピュータ命令の組合せを実行する専用のハードウェア・ベースのシステムによって実施され得ることにも留意されたい。
本明細書で使用される用語は、特定の実施形態を説明することのみを目的としており、限定することを意図するものではない。本明細書で使用されるとき、単数形「a」、「an」、および「the」は、文脈が明らかにそうでないことを示さない限り、複数形も含むことを意図している。「備える」(および、「備える」および「備えている」のような備えるの任意の形態)、「有する」(および、「有する」および「有している」のような有するの任意の形態)、「含む」(および、「含む」および「含んでいる」のような含むの任意の形態)、「包含する」(「包含する」および「包含している」のような包含するの任意の形態)という用語は、制限のない連結動詞であることをさらに理解されたい。結果として、1つまたは複数のステップまたは要素を「備える」、「有する」、「含む」、または「包含する」方法またはデバイスは、それらの1つまたは複数のステップまたは要素を保持するが、それらの1つまたは複数のステップまたは要素のみを保持するものに限定されない。同様に、1つまたは複数の特徴を「備える」、「有する」、「含む」、または「包含する」方法のステップまたはデバイスの要素は、それらの1つまたは複数の特徴を保持するが、それらの1つまたは複数の特徴のみを保持することに限定されない。さらに、特定の手法で設定されたデバイスまたは構造は、少なくともそのように設定されているが、列挙されていない手法で設定されてもよい。
以下の特許請求の範囲における対応する構造、材料、動作、およびすべての手段またはステップを加えた機能要素の均等物は、もしあれば、具体的に特許請求されたように、他の特許請求された要素と組み合わせて機能を実行するための任意の構造、材料または動作を含むことが意図される。本明細書でなされた記載は、例示および記載を目的として提示されているが、網羅的であることまたは開示された形態に限定されることは意図されていない。本開示の範囲から逸脱することなく、多くの修正および変形が当業者に明らかであろう。本実施形態は、本明細書に記載の1つまたは複数の態様の原理および実際の適用を最もよく説明し、当業者が様々な実施形態について、考慮された特定の用途に適合されたような様々な修正とともに、本明細書に記載の1つまたは複数の態様を理解できるようにするために、選択および記載された。
100 システム
101 ユーザ
105 ソーシャル・メディア
107 ソーシャル・メディア・コンテンツ
110 ユーザ・デバイス
120 コグニティブ・パーソナル・セーフガード・エンジン
130 反応知識ベース
140 ユーザ・アクティビティ重大度設定データ
150 反応予想処理
160 アクティビティ予想処理
170 コグニティブ・コンテンツ・フィルタリング処理
180 パフォーマンス・インパクトスコア計算処理
181 機械学習
183 コンテンツ分析
199 フィルタリングされたソーシャル・メディア・コンテンツ

Claims (9)

  1. ユーザへのソーシャル・メディア・コンテンツをコグニティブにフィルタリングするためのコンピュータによって実施される方法であって、
    前記ソーシャル・メディア・コンテンツによって引き起こされ得る前記ユーザの反応を、1つまたは複数のプロセッサによって予想することと、
    前記予想された反応によって影響を受ける可能性がある前記ユーザのアクティビティを予想することと、
    前記ユーザのパフォーマンス・インパクト・スコアを計算することであって、前記パフォーマンス・インパクト・スコアは、前記予想されたアクティビティを実行している前記ユーザに対する前記ソーシャル・メディア・コンテンツによるインパクトの尺度を示す、前記計算することと、
    前記計算されたパフォーマンス・インパクト・スコアが、フィルタリングの範囲内であると判定すると、前記ソーシャル・メディア・コンテンツをフィルタリングすることと、
    前記範囲に関連付けられた配信方式にしたがって、前記ソーシャル・メディア・コンテンツを配信することとを含み、
    前記反応を前記予想することは、
    前記ソーシャル・メディア・コンテンツと前記反応との間のパターンを判定することであって、過去のソーシャル・メディア・コンテンツと、前記ユーザによる対応する反応とに基づいて前記パターンが確立される、前記判定することと、
    前記ソーシャル・メディア・コンテンツを、前記過去のソーシャル・メディア・コンテンツから現れるグループとして分類することであって、前記グループ内の前記過去のソーシャル・メディア・コンテンツは、前記ソーシャル・メディア・コンテンツと同様の内容を有する、前記分類することと、
    前記ソーシャル・メディア・コンテンツによって引き起こされる可能性が最も高い前記反応として、前記グループに対応する前記反応を選択することとを含
    前記計算することは、
    前記予想されたアクティビティに関連付けられた重大度を判定することであって、前記重大度は、前記ユーザが障害を受けながら前記アクティビティを実行した場合の前記ユーザに対するリスクのレベルを示す、前記判定することと、
    前記判定された重大度、前記アクティビティ、および前記反応の属性の関数として、前記パフォーマンス・インパクト・スコアを取得することであって、前記パフォーマンス・インパクト・スコアは、前記アクティビティの前記重大度、前記反応の持続時間、前記反応の強度、および前記反応のネガティブな感情にそれぞれ比例して増加する、前記取得することとを含む、コンピュータによって実施される方法。
  2. ユーザへのソーシャル・メディア・コンテンツをコグニティブにフィルタリングするためのコンピュータによって実施される方法であって、
    前記ソーシャル・メディア・コンテンツによって引き起こされ得る前記ユーザの反応を、1つまたは複数のプロセッサによって予想することと、
    前記予想された反応によって影響を受ける可能性がある前記ユーザのアクティビティを予想することと、
    前記ユーザのパフォーマンス・インパクト・スコアを計算することであって、前記パフォーマンス・インパクト・スコアは、前記予想されたアクティビティを実行している前記ユーザに対する前記ソーシャル・メディア・コンテンツによるインパクトの尺度を示す、前記計算することと、
    前記計算されたパフォーマンス・インパクト・スコアが、フィルタリングの範囲内であると判定すると、前記ソーシャル・メディア・コンテンツをフィルタリングすることと、
    前記範囲に関連付けられた配信方式にしたがって、前記ソーシャル・メディア・コンテンツを配信することとを含み、
    前記反応を前記予想することは、
    前記ソーシャル・メディア・コンテンツと前記反応との間のパターンを判定することであって、過去のソーシャル・メディア・コンテンツと、前記ユーザによる対応する反応とに基づいて前記パターンが確立される、前記判定することと、
    前記ソーシャル・メディア・コンテンツを、前記過去のソーシャル・メディア・コンテンツから現れるグループとして分類することであって、前記グループ内の前記過去のソーシャル・メディア・コンテンツは、前記ソーシャル・メディア・コンテンツと同様の内容を有する、前記分類することと、
    前記ソーシャル・メディア・コンテンツによって引き起こされる可能性が最も高い前記反応として、前記グループに対応する前記反応を選択することとを含み、
    前記フィルタリングすることは、
    前記パフォーマンス・インパクト・スコアを、前記パフォーマンス・インパクト・スコアに対して設定された1つまたは複数のしきい値と比較することによって、前記計算されたパフォーマンス・インパクト・スコアに対応する前記範囲を発見することであって、フィルタリングの前記範囲は、前記1つまたは複数のしきい値によって分離され、前記範囲を含む1つまたは複数の範囲は、1つまたは複数の配信方式にそれぞれ関連付けられている、前記発見することと、
    前記範囲に対応する前記配信方式において設定された期間、前記ソーシャル・メディア・コンテンツを保留することであって、前記配信方式を含む前記1つまたは複数の配信方式は、前記ソーシャル・メディア・コンテンツを、前記ユーザに提示する前に遅延させるか否か、前記ソーシャル・メディア・コンテンツを、前記ユーザに提示する前にどれだけ長く遅延させるか、所定の遅延後、前記ソーシャル・メディア・コンテンツをすべて配信するか否か、前記所定の遅延の長さ、および、前記ユーザに前記ソーシャル・メディア・コンテンツを通知して知らせるか否かを指示する、前記保留することとを含む、コンピュータによって実施される方法。
  3. 前記配信することは、
    前記フィルタリングの後、前記配信方式において設定された指示の残りを実行することであって、前記指示の残りは、前記所定の遅延の間、前記ユーザに知らせることなく、前記ソーシャル・メディア・コンテンツを保持することと、通知を送信後、前記ソーシャル・メディア・コンテンツを、前記所定の遅延の間保持することと、前記ソーシャル・メディア・コンテンツを前記ユーザに提示することと、前記ソーシャル・メディア・コンテンツを直ちに破棄することと、前記所定の遅延後のユーザのアクティビティを調べることと、それらの組合せとから選択可能である、前記実行することを含む、請求項に記載のコンピュータによって実施される方法。
  4. 前記アクティビティを前記予想することは、
    前記予想された反応の持続時間を含む、前記予想された反応の属性を決定することと、
    前記ユーザのカレンダ、前記ユーザの過去のアクティビティ、前記ユーザの日課を含む、ユーザのアクティビティに関連するデータを分析することと、
    前記予想された反応の前記持続時間中に実行され得る前記ユーザの前記アクティビティを選択することとを含む、請求項1ないし3のいずれか一項に記載のコンピュータによって実施される方法。
  5. 過去のソーシャル・メディア・コンテンツに対する過去の反応が、機械学習およびコンテンツ分析によって分類され、それぞれのコンテンツ-反応マッピングとして反応知識ベースに記憶され、これによって、前記ユーザによる過去の反応のパターンが、過去のソーシャル・メディア・コンテンツのタイプにしたがってグループ化され得る、請求項1ないしのいずれか一項に記載のコンピュータによって実施される方法。
  6. 前記予想されたアクティビティを実行する前記ユーザが、前記予想された反応によって影響を受けていなかったことを確認することをさらに含む、請求項1ないしのいずれか一項に記載のコンピュータによって実施される方法。
  7. 前記確認することは、
    前記フィルタリングに応答して、前記予想されたアクティビティを実行する前記ユーザのリアル・タイムの状態データを監視することと、
    前記予想された反応と、前記ユーザの前記リアル・タイムの状態データとを比較することによって、前記ソーシャル・メディア・コンテンツと、前記予想された反応との間の関連付けのパターンを評価することと、
    前記ユーザの前記リアル・タイムの状態データに基づいて、前記予想された反応が阻止されていないと判定することに応答して、反応知識ベースに記憶されているように、前記ソーシャル・メディア・コンテンツと、前記予想された反応との間の前記パターンを調整することとを含み、
    前記ユーザの前記リアル・タイムの状態データは、前記ユーザのバイオメトリック、または生理学的データ、あるいはその両方、スピーチ監視、ビデオ監視から取得されるような顔の表情および環境、前記ユーザによる投稿、ならびにそれらの組合せから選択される、請求項に記載のコンピュータによって実施される方法。
  8. ユーザへのソーシャル・メディア・コンテンツをコグニティブにフィルタリングするためのシステムであって、前記システムは、
    メモリと、
    前記メモリと通信する1つまたは複数のプロセッサと、
    請求項1ないしのいずれか一項に記載の方法を実行するために、前記メモリを介して前記1つまたは複数のプロセッサによって実行可能なプログラム命令とを備えた、システム。
  9. コンピュータ可読媒体に記憶され、デジタル・コンピュータの内部メモリにロード可能なコンピュータ・プログラムであって、前記プログラムがコンピュータ上で実行されたときに、請求項1ないしのいずれか一項に記載の方法を実行するためのソフトウェア・コード部分を備えた、コンピュータ・プログラム。
JP2019542512A 2017-02-16 2017-12-20 コグニティブ・コンテンツ・フィルタリング Active JP7046083B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/434,417 US10958742B2 (en) 2017-02-16 2017-02-16 Cognitive content filtering
US15/434,417 2017-02-16
PCT/IB2017/058209 WO2018150246A1 (en) 2017-02-16 2017-12-20 Cognitive content filtering

Publications (2)

Publication Number Publication Date
JP2020510904A JP2020510904A (ja) 2020-04-09
JP7046083B2 true JP7046083B2 (ja) 2022-04-01

Family

ID=63105216

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019542512A Active JP7046083B2 (ja) 2017-02-16 2017-12-20 コグニティブ・コンテンツ・フィルタリング

Country Status (6)

Country Link
US (1) US10958742B2 (ja)
JP (1) JP7046083B2 (ja)
CN (1) CN110291541B (ja)
DE (1) DE112017006040T5 (ja)
GB (1) GB201911559D0 (ja)
WO (1) WO2018150246A1 (ja)

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10692370B2 (en) * 2014-03-03 2020-06-23 Inrix, Inc. Traffic obstruction detection
US20210009136A1 (en) * 2014-03-03 2021-01-14 Inrix, Inc. Presenting geographic search results using location projection and time windows
US10848485B2 (en) * 2015-02-24 2020-11-24 Nelson Cicchitto Method and apparatus for a social network score system communicably connected to an ID-less and password-less authentication system
US11171941B2 (en) 2015-02-24 2021-11-09 Nelson A. Cicchitto Mobile device enabled desktop tethered and tetherless authentication
US11122034B2 (en) 2015-02-24 2021-09-14 Nelson A. Cicchitto Method and apparatus for an identity assurance score with ties to an ID-less and password-less authentication system
US10318405B2 (en) * 2016-08-24 2019-06-11 International Business Machines Corporation Applying consistent log levels to application log messages
JP6990983B2 (ja) * 2017-04-18 2022-01-12 ヤフー株式会社 推定装置、推定方法、及び推定プログラム
US20190207889A1 (en) * 2018-01-03 2019-07-04 International Business Machines Corporation Filtering graphic content in a message to determine whether to render the graphic content or a descriptive classification of the graphic content
DE102018215705A1 (de) * 2018-09-14 2020-03-19 Bayerische Motoren Werke Aktiengesellschaft Vorrichtung zum Anzeigen von Informationen, insbesondere in einem Kraftfahrzeug
US10956524B2 (en) * 2018-09-27 2021-03-23 Microsoft Technology Licensing, Llc Joint optimization of notification and feed
US11182447B2 (en) * 2018-11-06 2021-11-23 International Business Machines Corporation Customized display of emotionally filtered social media content
US11914651B2 (en) * 2019-11-06 2024-02-27 International Business Machines Corporation Classification and selective filtering of a data set
US11445006B1 (en) * 2021-12-09 2022-09-13 Ideology Health LLC Media content distribution platform

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010262411A (ja) 2009-04-30 2010-11-18 Nec Corp 情報配信装置、情報配信装置の情報配信方法及びプログラム
JP2012000449A (ja) 2010-05-17 2012-01-05 Mitsuyoshi Kenkyusho:Kk 行動分析方法および行動分析装置
JP2014083778A (ja) 2012-10-24 2014-05-12 Toppan Tdk Label Co Ltd ラベル型抜装置、ロータリ刃部、及びラベル型抜方法
JP2015184764A (ja) 2014-03-20 2015-10-22 ヤフー株式会社 行動予測装置、行動予測方法、及び行動予測プログラム
JP2016092510A (ja) 2014-10-31 2016-05-23 セイコーエプソン株式会社 画像表示システム、画像表示方法および画像表示装置

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6530884B2 (en) * 1998-10-30 2003-03-11 The United States Of America As Represented By The Secretary Of The Army Method and system for predicting human cognitive performance
US7805008B2 (en) 2005-11-14 2010-09-28 Intel Corporation Structural content filtration of hypotheses in a cognitive control framework
US20090187473A1 (en) * 2008-01-18 2009-07-23 Blaze Jerry M System and method for recruiting online
WO2012068193A2 (en) 2010-11-17 2012-05-24 Affectiva, Inc. Sharing affect across a social network
US20130097176A1 (en) * 2011-10-12 2013-04-18 Ensequence, Inc. Method and system for data mining of social media to determine an emotional impact value to media content
US20140324749A1 (en) 2012-03-21 2014-10-30 Alexander Peters Emotional intelligence engine for systems
US20130262365A1 (en) * 2012-03-31 2013-10-03 Sharp Kabushiki Kaisha Educational system, method and program to adapt learning content based on predicted user reaction
US20130283162A1 (en) * 2012-04-23 2013-10-24 Sony Mobile Communications Ab System and method for dynamic content modification based on user reactions
CN103390194A (zh) * 2012-05-07 2013-11-13 北京三星通信技术研究有限公司 用户意图预测及推荐建议的方法、设备和系统
CN103577505B (zh) 2012-08-10 2018-07-13 腾讯科技(深圳)有限公司 媒体文件的兴趣度预测方法和系统
US9448685B1 (en) * 2012-11-20 2016-09-20 Amazon Technologies, Inc. Preemptive event notification for media experience
US10318994B2 (en) * 2012-11-30 2019-06-11 Panasonic Intellectual Property Corporation Of America Information providing method
US20150025917A1 (en) * 2013-07-15 2015-01-22 Advanced Insurance Products & Services, Inc. System and method for determining an underwriting risk, risk score, or price of insurance using cognitive information
US20150067061A1 (en) 2013-08-30 2015-03-05 Milyoni, Inc. Systems and methods for predicting and characterizing social media effectiveness
CN103473128A (zh) * 2013-09-12 2013-12-25 南京大学 一种用于mashup应用推荐的协同过滤方法
WO2015164951A1 (en) 2014-05-01 2015-11-05 Abbas Mohamad Methods and systems relating to personalized evolving avatars
US9299268B2 (en) 2014-05-15 2016-03-29 International Business Machines Corporation Tagging scanned data with emotional tags, predicting emotional reactions of users to data, and updating historical user emotional reactions to data
CN104156436B (zh) 2014-08-13 2017-05-10 福州大学 一种社交云媒体协同过滤推荐方法
US20160063874A1 (en) 2014-08-28 2016-03-03 Microsoft Corporation Emotionally intelligent systems
US9712587B1 (en) * 2014-12-01 2017-07-18 Google Inc. Identifying and rendering content relevant to a user's current mental state and context
US9996846B2 (en) * 2015-03-27 2018-06-12 International Business Machines Corporation Transforming social media re-shares to track referrer history and identify influencers
US9978426B2 (en) * 2015-05-19 2018-05-22 Spotify Ab Repetitive-motion activity enhancement based upon media content selection
CN105187540A (zh) * 2015-09-19 2015-12-23 杭州电子科技大学 一种基于地理坐标的智能推送方法
GB201520398D0 (en) * 2015-11-19 2016-01-06 Realeyes Oü Method and apparatus for immediate prediction of performance of media content
US20170193533A1 (en) * 2015-12-31 2017-07-06 International Business Machines Corporation Automatic detection of user personality traits based on social media image posts
CN105956197A (zh) * 2016-06-15 2016-09-21 杭州量知数据科技有限公司 基于社交媒体图表示模型的社会风险事件抽取方法
US10503805B2 (en) * 2016-12-19 2019-12-10 Oracle International Corporation Generating feedback for a target content item based on published content items

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010262411A (ja) 2009-04-30 2010-11-18 Nec Corp 情報配信装置、情報配信装置の情報配信方法及びプログラム
JP2012000449A (ja) 2010-05-17 2012-01-05 Mitsuyoshi Kenkyusho:Kk 行動分析方法および行動分析装置
JP2014083778A (ja) 2012-10-24 2014-05-12 Toppan Tdk Label Co Ltd ラベル型抜装置、ロータリ刃部、及びラベル型抜方法
JP2015184764A (ja) 2014-03-20 2015-10-22 ヤフー株式会社 行動予測装置、行動予測方法、及び行動予測プログラム
JP2016092510A (ja) 2014-10-31 2016-05-23 セイコーエプソン株式会社 画像表示システム、画像表示方法および画像表示装置

Also Published As

Publication number Publication date
US20180232641A1 (en) 2018-08-16
CN110291541A (zh) 2019-09-27
CN110291541B (zh) 2023-04-18
WO2018150246A1 (en) 2018-08-23
US10958742B2 (en) 2021-03-23
JP2020510904A (ja) 2020-04-09
GB201911559D0 (en) 2019-09-25
DE112017006040T5 (de) 2019-09-05

Similar Documents

Publication Publication Date Title
JP7046083B2 (ja) コグニティブ・コンテンツ・フィルタリング
US11057230B2 (en) Expected group chat segment duration
US10249167B2 (en) Intelligent alarm customization
US10223673B2 (en) Cognitive adaptation to user behavior for personalized automatic processing of events
US10750022B2 (en) Enhancing customer service processing using data analytics and cognitive computing
US20170373999A1 (en) Familiarity-based involvement on an online group conversation
US20210181791A1 (en) System, method, and recording medium for predicting cognitive states of a sender of an electronic message
US10769574B2 (en) Maximize human resources efficiency by reducing distractions during high productivity periods
US11301760B2 (en) Automated postulation thresholds in computer-based questioning
US20180218468A1 (en) Mentor-protégé matching system and method
US10783798B2 (en) Coaching system for guiding interactions
US11694139B2 (en) Dynamic assignment of tasks to internet connected devices
US20180210958A1 (en) Bias identification in social network posts
US11068856B2 (en) Biometric data based scheduling
US11290414B2 (en) Methods and systems for managing communications and responses thereto
US10796561B1 (en) Cognitive safety alert generation
US10891336B2 (en) Collaborative learned scoping to extend data reach for a search request
US20200092245A1 (en) Provoking and maintaining user attention for urgent messages by actively monitoring user activity and biometrics
US20180260788A1 (en) Cognitive scheduler
US20220309466A1 (en) Detecting and mitigating sensitive expression during a meeting
US20190357833A1 (en) Multi-Symptom Toolkit for Evaluating Readiness

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191111

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200624

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210728

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210805

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211101

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: 20220315

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220322

R150 Certificate of patent or registration of utility model

Ref document number: 7046083

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150