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

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み、
   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２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４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５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６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７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７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。

Images