KR101161078B1 - 모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 상호연관의 학습 및 예측을 위한 키워드 벡터들 및 연관된 메트릭들을 사용하는 방법 및 시스템 - Google Patents

모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 상호연관의 학습 및 예측을 위한 키워드 벡터들 및 연관된 메트릭들을 사용하는 방법 및 시스템 Download PDF

Info

Publication number
KR101161078B1
KR101161078B1 KR1020107013073A KR20107013073A KR101161078B1 KR 101161078 B1 KR101161078 B1 KR 101161078B1 KR 1020107013073 A KR1020107013073 A KR 1020107013073A KR 20107013073 A KR20107013073 A KR 20107013073A KR 101161078 B1 KR101161078 B1 KR 101161078B1
Authority
KR
South Korea
Prior art keywords
user
message
keywords
mobile client
messages
Prior art date
Application number
KR1020107013073A
Other languages
English (en)
Other versions
KR20100084690A (ko
Inventor
푸자 아가르왈
디립 크리시나스와미
마틴 에이치. 렌쉴러
패트릭 엔. 룬드큐비스트
로버트 에스. 달레이
Original Assignee
콸콤 인코포레이티드
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 콸콤 인코포레이티드 filed Critical 콸콤 인코포레이티드
Publication of KR20100084690A publication Critical patent/KR20100084690A/ko
Application granted granted Critical
Publication of KR101161078B1 publication Critical patent/KR101161078B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/53—Network services using third party service providers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/1859—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast adapted to provide push services, e.g. data channels
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/212—Monitoring or handling of messages using filtering or selective blocking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/58—Message adaptation for wireless communication
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/04—Protocols specially adapted for terminals or networks with limited capabilities; specially adapted for terminal portability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/61—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/08—Protocols for interworking; Protocol conversion
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M3/00—Automatic or semi-automatic exchanges
    • H04M3/42—Systems providing special services or facilities to subscribers
    • H04M3/487—Arrangements for providing information services, e.g. recorded voice services or time announcements
    • H04M3/4872—Non-interactive information services
    • H04M3/4878—Advertisement messages
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/12—Messaging; Mailboxes; Announcements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/20—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel
    • H04W4/21—Services signaling; Auxiliary data signalling, i.e. transmitting data via a non-traffic channel for social networking applications
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W8/00—Network data management
    • H04W8/18—Processing of user or subscriber data, e.g. subscribed services, user preferences or user profiles; Transfer of user or subscriber data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H04L12/189—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast in combination with wireless systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/18—Commands or executable codes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
    • H04L51/21—Monitoring or handling of messages
    • H04L51/214—Monitoring or handling of messages using selective forwarding

Abstract

정보를 디스플레이하기 위해 모바일 클라이언트에 대한 적절성을 결정하기 위한 방법들 및 시스템들이 개시된다. 특정 예시적 방법은 상기 모바일 클라이언트 상에서 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하는 단계 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관됨 ―, 상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링 하는 단계, 키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트 상의 학습 동작들을 수행하는 단계, 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하는 단계, 및 상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하는 단계를 포함한다.

Description

모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 상호연관의 학습 및 예측을 위한 키워드 벡터들 및 연관된 메트릭들을 사용하는 방법 및 시스템{METHOD AND SYSTEM USING KEYWORD VECTORS AND ASSOCIATED METRICS FOR LEARNING AND PREDICTION OF USER CORRELATION OF TARGETED CONTENT MESSAGES IN A MOBILE ENVIRONMENT}
이 출원은 무선 통신들에 관한 것이다. 특히, 본 출원은 타깃된-콘텐츠-메시지 프로세싱 및 관련된 거래들을 위해 사용가능한 무선 통신 시스템들에 관한 것이다.
이 출원은 출원일은 2007년 11월 14일이고, 발명의 명칭은 "METHODS AND SYSTEMS FOR USER PROFILE MATCH INDICATION IN A MOBILE ENVIRONMENT"인 미국 특허 가출원 제60/988,029호; 출원일은 2007년 11월 14일이고, 발명의 명칭은 "METHOD AND SYSTEM FOR KEYWORD CORRELATION IN A MOBILE ENVIRONMENT"인 미국 특허 가출원 제60/988,033호; 출원일은 2007년 11월 14일이고, 발명의 명칭은 "METHODS AND SYSTEMS FOR USER PROFILE MATCH INDICATION IN A MOBILE ENVIRONMENT"인 미국 특허 가출원 제60/988,037호; 출원일은 2007년 11월 14일이고, 발명의 명칭은 "METHOD AND SYSTEM FOR MESSAGE VALUE CALCULATION IN A MOBILE ENVIRONMENT"인 미국 특허 가출원 제60/988,045호에 우선권의 이익을 주장고 이들의 전체의 내용을 통합한다. 이 출원은 또한 출원일은 2008년 11월 11일이고 발명의 명칭은 "USER PROFILE MATCH INDICATION IN A MOBILE ENVIRONMENT METHODS AND SYSTEMS"인 미국 특허 출원 제12/268,905호(퀄컴 대리인 번호 제071913U1호); 출원일은 2008년 11월 11일이고 발명의 명칭은 "METHOD AND SYSTEM FOR KEYWORD VECTORS AND ASSOCIATED METRICS FOR LEARNING AND PREDICTION OF USER CORRELATION OF TARGETED CONTENT MESSAGES IN A MOBILE ENVIRONMENT"인 미국 특허 출원 제12/268,914호(퀄컴 대리인 번호 제071913U2호); 출원일은 2008년 11월 11일이고 발명의 명칭은 "METHOD AND SYSTEM FOR USING A CACHE MISS STATE MATCH INDICATOR TO DETERMINE USER SUITABILITY OF TARGETED CONTENT MESSAGES IN A MOBILE ENVIRONMENT"인 미국 특허 출원 제12/268,927호(퀄컴 대리인 번호 제071913U3호); 출원일은 2008년 11월 11일이고 발명의 명칭은 "METHOD AND SYSTEM FOR MESSAGE VALUE CALCULATION IN A MOBILE ENVIRONMENT"인 미국 특허 출원 제12/268,939호(퀄컴 대리인 번호 제071913U4호); 출원일은 2008년 11월 11일이고 발명의 명칭은 "METHOD AND SYSTEM USING KEYWORD VECTORS AND ASSOCIATED METRICS FOR LEARNING AND PREDICTION OF USER CORRELATION OF TARGETED CONTENT MESSAGES IN A MOBILE ENVIRONMENT"인 미국 특허 출원 제12/268,945호(퀄컴 대리인 번호 제071913U5호)의 전체 내용을 통합한다.
모바일 타깃된-콘텐츠-메시지(targeted-content-message; TCM)-인에이블 시스템들은 셀룰러 전화들 또는 다른 형태들의 무선 액세스 단말(W-AT)들과 같은 무선 통신 디바이스(WCD)들로, 특정 인구 통계(demographic)로 타깃된 지역 날씨 보고들 및 광고들과 같은, 타깃된 콘텐츠 정보를 전달할 수 있는 시스템들로서 설명될 수 있다. 이러한 시스템들은 또한 사용자에게 관심이 있을 수 있는 비-침입(intrusive) 타깃된-콘텐츠-메시지들을 나타냄으로써 더 양호한 사용자 경험을 제공할 수 있다.
모바일 TCM-인에이블 시스템의 예는 무선 통신 디바이스(WCD)들로 광고들을 전달할 수 있는 M-TCM-PS이다. 일반적으로, M-TCM-PS는 다양한 광고 캠페인들의 성능에 대해 다시 보고하기 위해 몇몇 형태의 분석적 인터페이스뿐만 아니라, W-AT에 대한 광고들을 제공하기 위해 셀룰러 제공자에게 광고 판매 도관(consuit)과 같은 것들을 제공할 수 있다. 모바일 광고의 특정 소비자 이익은, 광고들에 액세스하고자 하는 소비자들로 무선 서비스들에의 더욱 경제적인 액세스를 허용하도록 무선 서비스들에 대한 대체적인/추가적인 수입(revenue) 모델들을 제공할 수 있다. 예를 들어, 광고를 통해 생성된 수입은 W-AT 사용자들로 하여금 이러한 서비스들과 연관된 일반적인 총 구독료를 지불하지 않고 다양한 서비스들을 즐기도록 허용할 수 있다.
W-AT들을 통한 TCM들의 효율성을 증가시키기 위해, 타깃된 정보, 즉 특정 개인 또는 지정된 사람의 그룹에 의해 잘 수신될 가능성이 높은 것으로 그리고/또는 관심이 높은 것으로 간주되는 TCM들을 제공하는 것이 이익이 될 수 있다.
타깃-콘텐츠-메시지(TCM) 정보는 긴급 길 주변 서비스를 찾기 위한 필요 또는 이동(travel) 루트에 관한 정보에 대한 필요와 같은, 당면한 요구들 또는 환경들에 기반할 수 있다. 타깃-콘텐츠-메시지 정보는 또한 사용자가 과거의 관심을 설명한 특정 물건들 또는 서비스들(예를 들어, 게임들)에 기반할 수 있고, 그리고/또는 인구 통계에 기반할 수 있고, 예를 들어, 특정 물건에 관심이 있을 수 있는 나이 및 소득 그룹의 결정에 기반할 수 있다. 타깃된 광고들은 TCM들의 예이다.
타깃된 광고들은 다수의 이익들(일반적 광고들을 통해)을 제공할 수 있다: (1) 뷰(view) 당 비용에 기반한 경제적 구조, 광고주가 예산의 더 작은 부분으로 유료 광고(paid advertising)를 제한함으로써 그의 광고 예산의 값을 증가할 수 있고; 그리고 (2) 타깃된 광고들이 특정 사용자에 대해 관심 영역들을 나타낼 가능성이 높기 때문에, 사용자들이 타깃된 광고들에 긍정적으로 응답할 가능성이 실질적으로 증가한다.
불행하게도, 몇몇 형태들의 타깃된 광고가 가능하도록 하는 정보는 그들의 개인 정보의 보급(dissemination)을 제한하도록 정부 규제들 및 개인의 바램으로 인해 제한될 수 있다. 예를 들어, 미국에서, 정부 규제들은 "Privacy of Customer Information" ― 섹션222, 미국 법(the United State Code) 47조, Graham-Leach-Bliley Act(GLBA)를 포함한다. 비교하면, 유럽 연합은 "개인 데이터" 또는 "식별되거나 식별가능한 자연인(데이터 주체)에 관한 임의의 정보; 식별가능한 개인은 식별 번호 또는 그의 물리적, 생리적, 정신적, 경제적, 문화적 또는 사회적 신원에 특정된 하나 이상의 인자들에 참조함으로써 직접적으로 또는 간접적으로 식별될 수 있음"를 보호하는 정책을 가진다. 공통 캐리어들은 또한 마케팅 목적들을 위한 그들의 가입자들에 관한 개인 정보를 사용하는 것이 제한될 수 있다. 예를 들어, GLBA는 소비자의 명백한 앞선 인증 없이 위치 정보의 개시뿐만 아니라 개인적으로 식별가능한 소비자 정보에의 접근을 금지한다.
따라서, 무선 통신 환경에서 타깃된 광고를 전달하기 위한 새로운 기술이 요구된다.
예시적인 실시예에서, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법은 상기 모바일 클라이언트 상에서 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하는 단계 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관됨 ―, 상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링 하는 단계, 키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트 상의 학습 동작들을 수행하는 단계, 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하는 단계, 및 상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하는 단계를 포함한다.
다른 예시적인 실시예에서, 정보를 디스플레이하도록 구성된 모바일 클라이언트는, 모바일 클라이언트 상의 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하도록 구성된 수신 회로 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관되고, 상기 수신 회로는 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하도록 추가적으로 구성됨 ―, 상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링하기 위한 모니터링 에이전트, 키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트상에서 학습 동작들을 수행하기 위한 학습 엔진, 및 상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하도록 구성된 디스플레이를 포함한다.
다른 예시적인 실시예에서, 정보를 디스플레이하도록 구성된 모바일 클라이언트는, 모바일 클라이언트 상의 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하도록 구성된 수신 회로 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관되고, 상기 수신 회로는 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하도록 추가적으로 구성됨 ―, 상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링하기 위한 모니터링 수단, 키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트상에서 학습 동작들을 수행하기 위한 학습 수단, 및 상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하도록 구성된 디스플레이를 포함한다.
다른 예시적인 실시예에서, 정보를 디스플레이하기 위한 모바일 클라이언트에 대한 적절성을 결정하기 위한 장치는, 모바일 클라이언트 상에 위치한 하나 이상의 프로세서; 및 적어도 하나의 프로세서에 의해 각각 판독가능한 하나 이상의 전자 메모리들을 포함하고, 상기 전자 메모리들은 상기 모바일 클라이언트 상에서 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하기 위한 명령들 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관됨 ―, 상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링 하기 위한 명령들, 키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트 상의 학습 동작들을 수행하기 위한 명령들, 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하기 위한 명령들, 및 상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하기 위한 명령들을 포함한다.
다른 예시적인 실시예에서, 컴퓨터 프로그램 물건은 컴퓨터-판독가능 매체를 포함하고, 컴퓨터-판독가능 매체는, 상기 모바일 클라이언트 상에서 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하고 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관됨 ―, 상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링 하며, 키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트 상의 학습 동작들을 수행하고, 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하며, 그리고 상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하는 동작들을 위한 명령들을 포함한다.
본 발명의 특징들 및 특성이 도면들과 결합하여 고려할 때 아래서 설명될 상세한 설명으로부터 더욱 명백해질 것이고, 도면들 전체에 걸쳐 참조 부호들은 대응하는 아이템들 및 프로세스들을 식별한다.
도 1은 예시적 무선 액세스 단말(W-AT) 및 광고 인프라스트럭쳐 사이의 상호작용을 도시하는 도면이다. 광고 인프라스트럭쳐는 타깃된-콘텐츠-메시지-프로세싱 인프라스트럭쳐의 예이다.
도 2는 온-보드(on-board) 사용자 프로파일 생성 에이전트를 가지는 예시적인 W-AT의 동작을 도시하는 도식적인 블록 다이어그램이다.
도 3은 사용자 프로파일 생성 에이전트의 데이터 전달의 예시적 동작을 도시하는 도식적인 블록 다이어그램이다.
도 4는 프로파일 데이터 프로세싱을 위한 예시적 요청을 핸들링하는 도식적인 블록 다이어그램이다.
도 5는 사용자 프로파일 생성 에이전트의 예시적 동작을 도시하는 도식적인 블록 다이어그램이다.
도 6은 사용자 프로파일 사용자 프로파일을 생성하고 사용하기 위한 예시적 동작을 약술하는 플로우차트이다.
도 7은 사용자 프로파일을 생성하고 사용하기 위한 다른 예시적 동작을 약술하는 플로우차트이다.
도 8은 식별가능한 데이터가 모바일 광고/모바일 타깃된-콘텐츠-메시지 프로세싱 서버로 전달되는 경우 클라이언트 신원 보호를 위해 일-방향 해시 함수의 사용을 도시하는 다이어그램이다.
도 9는 모바일 광고 서버/모바일 타깃된-콘텐츠-메시지 프로세싱 서버로 전달되는 식별가능한 데이터를 익명으로 하기(anonymize) 위한 프록시 서버에 의해 구현되는 데이터 플로우를 도시하는 다이어그램이다.
도 10은 모바일 광고 서버/모바일 타깃된-클라이언트-메시지 프로세싱 서버로 전달되는 식별가능한 데이터를 익명으로 하기 위한 프록시 서버에 의해 구현되는 제 2 데이터 플로우를 도시하는 다이어그램이다.
도 11은 모바일 타깃된 콘텐츠 메시지-인에이블된 네트워크에서 광고 분배를 위한 통신 프로토콜을 도시한다.
도 12는 모바일 메시지 전달-인에이블된 네트워크에서 타깃된-콘텐츠-메시지 분배를 위한 다른 통신 프로토콜을 도시한다.
도 13은 모바일 메시지 전달-인에이블된 네트워크에서 타깃된-콘텐츠-메시지 분배를 위한 다른 통신 프로토콜을 도시한다.
도 14는 모바일 메시지 전달-인에이블된 네트워크에서 타깃된-콘텐츠-메시지 분배를 위한 다른 통신 프로토콜을 도시한다.
도 15는 "콘택트 윈도우들" 접근에 따라 광고 콘텐츠를 다운로드하기 위한 제 1 통신 프로토콜을 위한 대체적 시간라인을 도시한다.
도 16은 정의된 시간 스케줄에 따라 광고 콘텐츠를 다운로드하기 위한 통신 프로토콜을 위한 대체적 시간라인을 도시한다.
도 17은 정의된 시간 스케줄에 따라 콘텐츠를 다운로드하기 위한 제 1 통신 프로토콜을 위한 대체적 시간라인을 도시한다.
도 18은 메시지 필터링 프로세스의 예시이다.
도 19는 메시지 필터링 프로세스 컴포넌트들의 예이다.
도 20은 게이팅(gating) 프로세스의 예이다.
도 21은 랜덤 샘플링 로직 다이어그램의 예이다.
도 22는 일-방향 함수 기반 샘플링 로직 다이어그램의 예이다.
도 23은 선택 프로세스 플로우 다이어그램의 예이다.
도 24A 및 24B는 메시지 선택 프로세스의 플로우차트를 도시한다.
도 25는 예시적 사용자 프로파일 매치(match) 표시자(MI) 프로세스를 도시하는 플로우 차트이다.
도 26은 예시적 사용자 프로파일 매치 표시자를 도시하는 블록 다이어그램이다.
도 27은 예시적 키워드 상호연관 프로세스의 플로우 차트이다.
도 28은 예시적 학습 및 예측 엔진을 도시하는 블록 다이어그램이다.
도 29는 모바일 클라이언트의 다른 엘리먼트들의 환경에 따른 예시적 학습 및 예측 엔진을 도시하는 블록 다이어그램이다.
도 30A는 예시적 계층 키워드 조직을 도시한다.
도 30B는 예시적 비-계층/플랫된(flattened) 키워드 조직을 도시한다.
도 31은 모바일 클라이언트가 사용자 선호도들에 적응하도록 인에이블하기 위해 예시적 학습 프로세스의 예상된 성능을 나타내는 일련의 그래프들이다.
도 32A 및 32B는 모바일 클라이언트가 사용자 선호도들에 적응하도록 인에이블하기 위해 예시적 프로세스를 도시하는 블록 다이어그램을 도시한다.
도 33은 멀티캐스트/브로드캐스트 메시지 분배의 예이다.
도 34는 예시적 유니캐스트 메시지 분배 프로토콜의 예이다.
도 35는 다른 예시적 유니캐스트 메시지 분배 프로토콜의 예이다.
도 36은 다른 예시적 유니캐스트 메시지 분배 프로토콜의 예이다.
도 37은 다른 예시적 유니캐스트 메시지 분배 프로토콜의 예이다.
도 38A 내지 38H는 특정 사용자에 대한 히스토리 정보를 포함하는 다양한 캡춰된 위치 데이터를 도시한다.
도 39 및 도 40은 사용자에 대한 위치들 및 경로들의 예시적 세트를 도시한다.
도 41은 도 39 및 도 40의 위치들 및 경로들의 세트에 대한 예시적인 Markov 모델이다.
도 42는 사용자 프로파일 기반 캡춰된 위치 정보를 업데이트하기 위한 예시적 동작을 약술하는 프로세스 플로우의 다이어그램이다.
아래에서 개시된 방법들 및 시스템들은 특정 예들 및/또는 특정 실시예들의 관점에서 뿐만 아니라, 일반적으로 설명될 수 있다. 예를 들어, 참조들이 상세한 예들 및/또는 실시예들로 주어질 수 있고, 설명되는 기초를 이루는 원리들은 단일 실시예로 한정되지 않고, 특정하게 언급되지 않으면 당해 기술 분야에 속한 통상의 지식을 가진 자에 의해 이해될 것처럼 여기서 설명되는 임의의 다른 방법들 및 시스템들과 함께 사용하기 위해 확장될 수 있음을 인식할 것이다.
단어 "예시적인"은 "일 예, 예시, 또는 설명으로서 서빙되는"을 의미하기 위해 여기서 사용된다. "예시적인"으로서 여기서 설명된 임의의 양상은 다른 양상들에 걸쳐 선호되거나 이익이 되는 것으로 필수적으로 해석되지 않는다.
예시를 위해, 본 발명은 셀룰러 전화에서 (또는 셀룰러 전화를 이용하여 사용되는) 구현되는 것으로 종종 묘사된다. 그러나, 아래서 개시되는 방법들 및 시스템들은 임의의 수의 특별하게 구비된/변경된 음악 플레이어들(예를 들어, 변형된 Apple iPOD®), 비디오 플레이어들, 멀티미디어 플레이어들, 텔레비전들(고정형, 이동형 그리고/또는 차량 내에 설치된 것 모두), 전자 게임 시스템들, 디지털 카메라들 및 비디오 캠코더들 뿐만 아니라, 모바일 전화들, PDA들 및/또는 랩-톱 PC들을 포함하는 모바일 및 비-모바일 시스템들 모두에 관련될 수 있다.
아래의 용어들 및 개별적인 정의들/설명들이 후속하는 설명들에 참조로서 제공된다. 그러나, 특정 실시예들에 적용되는 경우, 적용된 정의들/설명들 중 일부는 확장될 수 있거나 또는 당해 기술 분야에 속한 통상의 지식을 가진 자에게 명백할 수 있거나 특정 환경의 관점에서 아래서 제공된 특정 언어 중 일부와 상이할 수 있다.
TCM ― 타깃된-콘텐츠-메시지. 광고가 타깃된-콘텐츠-메시지의 일 예일 수 있다.
M-TCM-PS ― 모바일 타깃된-콘텐츠-메시지 프로세싱 시스템
MAS - 모바일 광고 시스템, M-TCM-PS의 일 형태로서 고려될 수 있다.
UPG - 사용자 프로파일 생성 에이전트
M-TCM - 모바일 TCM-인에이블된 클라이언트
MAEC - 모바일 광고 인에이블된 클라이언트. 이는 모바일 TCM-인에이블된 클라이언트의 일 예일 수 있다.
모바일 TCM 제공자(M-TCM-P) ― 타깃된-콘텐츠-메시지 프로세싱 시스템을 통해 타깃된-콘텐츠-메시지를 디스플레이하기를 원할 수 있는 개인 또는 주체(entity).
광고주 - 모바일 광고 시스템(MAS)을 통해 광고들을 디스플레이하기를 원할 수 있는 개인 또는 주체. 광고주는 개별적인 타게팅(targeting) 및 플레이백 룰들과 함께 광고 데이터를 제공할 수 있다. 광고주는 모바일 TCM 제공자의 일 예이다.
TCM 메타데이터- 개별적인 타깃된-콘텐츠-메시지(TCM)에 관한 추가적인 정보를 제공하기 위해 사용될 수 있는 데이터를 식별하기 위해 사용되는 용어.
광고 메타데이터 - 개별적인 광고에 관한 추가적인 정보를 제공하기 위해 사용될 수 있는 데이터를 식별하기 위해 사용되는 용어. 이는 마임(mime) 타입, 광고 지속 기간, 광고 뷰잉(viewing) 시작 시간, 광고 뷰잉 종료 시간 등을 포함할 수 있으나, 이에 한정되지는 않는다. 광고주에 의해 제공되는 개별적인 광고 타게팅 및 플레이백 룰들은 또한 공과에 대한 메타데이터로서 광고에 부착될 수 있다. 광고 메타데이터는 TCM 메타데이터의 일 예이다.
애플리케이션 개발자 - 광고들을 특징을 그릴(feature) 수 있는 모바일 광고 인에이블된 클라이언트(MAEC)에 대한 애플리케이션을 개발하는 개인 또는 주체.
시스템 동작자 - MAS를 동작하는 개인 또는 주체.
제 3 차 추론 룰 제공자 - 사용자 프로파일 생성 에이전트에 의해 사용될 사용자 프로파일 추론 룰들을 제공할 수 있는 제 3 자(시스템 동작자와 다름).
사용자 프로파일 생성 에이전트 - 광고 간선 룰들, 메트릭 수집 에이전트로부터의 사용자 행동, GPS로부터의 위치 데이터, 다른 클라이언트 애플리케이션들로부터 사용자(만약 가능하다면) 및/또는 사용자 행동에 의해 입력되는 명백한 사용자 선호도들과 같은, 다양한 적절한(pertinent) 데이터를 수신할 수 있는 클라이언트에 있는 기능 유닛. 사용자 프로파일 생성 에이전트는 사용자 행동을 특성화하기 위해 사용될 수 있는 수집된 정보에 기반하여 프로파일을 계속하여 업데이트할 수 있다.
사용자 행동 신시사이저 - 신시사이징된 프로파일 속성들을 생성하기 위해 사용자 행동 정보, 위치 정보 및 사용자 프로파일 추론 룰들과 같은, 다양한 데이터를 수신하기 위해 사용될 수 있는 사용자 프로파일 생성 에이전트 내의 기능 디바이스 또는 에이전트.
프로파일 엘리먼트 리파이너(refiner) - 다수의 사용자 프로파일 추론 룰들 뿐만 아니라 사용자 행동 신시사이저에 의해 생성되는 프로파일 속성들을 수신할 수 있는 사용자 프로파일 생성 에이전트 내의 기능 디바이스 또는 에이전트. 프로파일 엘리먼트 리파이너는 프로파일 속성들을 정제(refine)하고, 그들을 프로파일 속성 프로세서로 전송된 질의들을 통해 프로세스하고, 그리고 사용자 프로파일 엘리먼트들을 생성할 수 있다.
프로파일 속성 프로세서 - 데이터-집중 룩업들을 필요로 할 수 있는 프로파일 속성 요청들을 프로세스하고, 그리고 정제된 프로파일 속성들에 응답할 수 있다.
TCM 필터링 에이전트 ― 그들의 개별적인 메타-데이터를 가지고 있는 다수의 TCM들, TCM 타게팅 룰들 및 TCM 필터링 룰들을 수신하여, TCM-캐시 메모리에 TCM들의 일부 또는 전부를 저장할 수 있는 클라이언트 에이전트. 필터링 에이전트는 또한 사용자 프로파일 생성 에이전트로부터의 입력으로서 사용자 프로파일을 취할 수 있다.
광고 필터링 에이전트 - 그들의 개별적인 메타데이터를 가지는 다수의 광고들, 광고 타게팅 룰들 및 광고 필터 룰들을 수신하여, 광고 캐시 메모리에 수신된 광고들의 일부 또는 전부를 저장할 수 있는 클라이언트 에이전트. 필터링 에이전트는 또한 사용자 프로파일 생성 에이전트로부터의 입력으로서 사용자 프로파일을 취할 수 있다. 광고 필터링 에이전트는 TCM 필터링 에이전트의 일 예이다.
TCM 캐시 관리자 ― 타깃된 콘텐츠-메시지 캐시를 유지할 수 있는 클라이언트 에이전트. 캐시 관리자는 필터링 에이전트로부터 캐싱된 타깃된 콘텐츠-메시지들을 취하고, 액세스 단말 상의 다른 애플리케이션들로부터 콘텐츠-메시지 요청들에 응답할 수 있다. 본 명세서에 대해, 용어 "캐시"는 단일 저장 디바이스, 일 세트의 분배된 저장 디바이스(로컬 및/또는 비-로컬) 등을 포함하는, 매우 넓은 세트의 메모리 구성들을 지칭할 수 있다. 일반적으로, 용어 "캐시"는 정보 디스플레이, 프로세싱 또는 데이터 전송의 속도를 증가시키는데 유용한 임의의 메모리를 지칭할 수 있음을 인식해야 한다.
광고 캐시 관리자 - 광고 캐시를 유지할 수 있는 클라이언트 에이전트. 캐시 관리자는 필터링 에이전트로부터 캐싱된 광고들을 취하고, 액세스 단말 상의 다른 애플리케이션들로부터 광고 요청들에 응답할 수 있다. 광고 캐시 관리자는 TCM 캐시 관리자의 일 예이다.
사용자 프로파일 속성들 - 프로파일 속성들을 형성하기 위해 사용자 행동 신시사이저에 의해 신시사이즈될 수 있는 사용자 행동, 관심들, 인구 통계 정보 등, 이들은 추가적으로 프로세싱되고 더욱 정제된 사용자 프로파일 엘리먼트들로 프로파일 엘리먼트 리파이너에 의해 정제될 수 있는 데이터의 중간 프리-신시사이즈된 형태들로서 관찰될 수 있다.
사용자 프로파일 엘리먼트들 - 사용자의 관심들, 행동, 인구 통계 등을 카테고리화 하거나 정의하기 위해 유용한 다양한 타입들의 데이터를 포함할 수 있는, 사용자 프로파일을 유지하기 위해 사용되는 정보의 아이템들.
TCM 타게팅 룰들 ― 이들은 모바일 TCM 제공자에 의해 규정된 타깃된-콘텐츠-메시지의 표현과 관련된 룰들을 포함할 수 있다.
광고 타게팅 룰들 - 이들은 어떻게 광고들이 디스플레이될 수 있는지에 대한 룰들/제한들을 부과하기 위해 광고주들에 의해 규정된 룰들 및/또는 사용자들의 특정 세그먼트로 광고를 타게팅하기 위한 룰들을 포함할 수 있다. 그들은 광고 캠페인 또는 광고 그룹과 같은, 다수의 기준으로 특정될 수 있다. 광고 타게팅 룰들은 TCM 타게팅 룰들의 예이다.
TCM 플레이백 룰들 - 이들은 그들의 애플리케이션의 환경에서 디스플레이하기 위해 TCM들에 대한 TCM 캐시 관리자를 질의하는 동안 클라이언트 애플리케이션에 의해 규정된 플레이 룰들을 포함할 수 있다.
광고 플레이백 룰들 - 이들은 그들의 애플리케이션의 환경에서 디스플레이하기 위해 광고들에 대한 광고 캐시 관리자를 질의하는 동안 클라이언트 애플리케이션에 의해 규정된 디스플레이 룰들을 포함할 수 있다. 광고 플레이백 룰들은 TCM 플레이백 룰들의 예이다.
TCM 필터 룰들 ― 이들은 TCM들이 필터링될 수 있는 룰들을 포함할 수 있다. 일반적으로, 시스템 동작자는 이러한 룰들을 규정할 수 있다.
광고 필터 룰들 - 이들은 광고들이 필터링될 수 있는 룰들을 포함할 수 있다. 일반적으로, 시스템 동작자는 이 룰들을 규정할 수 있다. 광고 필터 룰들은 TCM-필터-룰들의 일 예이다.
사용자 프로파일 엘리먼트 추론 룰들 - 이들은 시스템 동작자(및/또는 제 3 자)에 의해 규정된, 인구 통계 및 행동 데이터로부터 사용자 프로파일을 형성(build)하기 위해 유용한 하나 이상의 프로세스들을 결정하기 위해 사용될 수 있는, 룰들을 포함할 수 있다.
TCM 텔레스코핑(telescoping) - TCM에 대한 디스플레이 또는 표현 함수, 추가적인 표현 재료가 사용자 요청에 응답하여 사용자에게 표현될 수 있다.
광고 텔레스코핑 - 광고 디스플레이 또는 표현 함수, 추가적인 표현 재료가 사용자 요청에 응답하여 사용자에게 표현될 수 있다. 광고 텔레스코핑은 TCM 텔레스코핑의 일 예이다.
위에서 언급했듯이, 원격 통신들에 관한 다양한 제한들 및 프라이버시가 타깃 콘텐츠를 이용한 메시지들의 전달을 어렵게 만들 수 있다. 그러나, 본 명세서는 프라이버시 문제에 주의를 기울이면서, 예를 들어, 셀룰러 전화들과 같은 무선 액세스 단말(W-AT)들로 타깃된 콘텐츠를 전달하기 위해 다양한 솔루션들을 제공할 수 있다.
프라이버시 이슈들을 완화하기 위해 사용되는 본 명세서의 많은 접근 방법들 중 하나는, 차례로 사용자를 특성화하기 쉬운 일 세트의 정보를 생성하기 위해 사용될 수 있는 다양할 프로세스들을 사용자의 W-AT에서 빼내는(offload) 단계를 포함하며, 즉, 그것은 W-AT 자체 상에서 사용자의 "사용자 프로파일"을 생성할 수 있다. 따라서, 광고들 및 다른 매체와 같은, 타깃된-콘텐츠-메시지들은 잠재적으로 민감한 소비자 정보를 외부 세계로 노출하지 않고 사용자의 프로파일들에 기반하여 사용자의 W-AT로 지시될 수 있다.
다양한 개시된 방법들 및 시스템들은 모바일 TCM 프로세싱 시스템(M-TCM-PS)(그리고, 특히, 모바일 광고 시스템(MAS))에서 사용될 수 있고, 본 명세서는 타깃된-콘텐츠-메시지들(또는 특히, 광고들)을 TCM-인에이블된 W-AT들(또는 특히 모바일 광고 인에이블된 W-AT들)로 전달하기 위해 유용한 엔드-투-엔드 통신 시스템을 포함할 수 있다. M-TCM-PS는 또한 특히 광고 캠페인의 성능에 대해 보고할 수 있는 분석 인터페이스를 제공할 수 있다. 따라서, 적절하게 해석된 M-TCM-PS는 소비자들에게 관심이 있을 수 있는 비-침입(non-intrusive) 광고들만을 나타냄으로써 더 양호한 소비자 경험을 제공할 수 있다.
다음의 예들은 일반적으로 상업 광고와 같은 콘텐츠에 지시되며, 더 넓은 범위의 지시된 콘텐츠가 구상된다(envision). 예를 들어, 지시된 광고들 대신에, 주식 보고들과 같은 콘텐츠, 일기 예보들, 종교 정보, 사용자들의 관심에 특정된 뉴스들 및 스포츠 정보 등이 본 명세서의 범위들 내에서 구상된다. 예를 들어, 지시된 콘텐츠가 광고일 수 있고, 어쩌면 스포츠 이벤트에 대한 점수 및 일기 예보가 지시된 콘텐츠일 수 있다. 따라서, 광고 서버들과 같은 디바이스들이 더욱 일반적인 콘텐츠 서버로서 관찰될 수 있고, 광고-관련 에이전트들 및 디바이스들이 콘텐츠-관련 에이전트들 및 서버들로서 더욱 일반적으로 생각될 수 있다. 모든 추가적인 논의가 TCM(타깃된 콘텐츠 메시지)의 일 예로서 광고들의 환경에서 제공되며, 일반적으로 이러한 논의는 타깃된-콘텐츠-메시지에 적용가능함을 주목해야 한다.
도 1은 광고 인프라스트럭쳐를 가지는 통신 네트워크를 가지는 TCM-인에이블된 W-AT(100) 사이의 상호작용을 도시하는 M-TCM-PS의 다양한 기능 엘리먼트들 중 몇몇의 다이어그램이다. 도 1에서 도시된 것처럼, 예시적인 M-TCM-PS는 TCM-인에이블된 모바일 클라이언트/W-AT(100), 라디오-인에이블된 네트워크(RAN)(190) 및 무선 WAN 인프라스트럭쳐(도 1에는 미도시)와 연관된 네트워크에 임베드된 광고 인프라스트럭쳐(150)를 포함한다. 예를 들어, 메시징 인프라스트럭쳐는 무선 WAN에서 셀룰러 기지국과 지리적으로 코-로케이트(co-located) 되지 않은 원격 서버에서 이용가능할 수 있다.
도 1에서 도시된 것처럼, W-AT는 클라이언트 애플리케이션 디바이스(110), 클라이언트 메시지 전달 인터페이스(112), 메트릭 수집 에이전트(120), 메시지 캐싱 관리자(122), 메시지 필터링 에이전트(124), 메트릭 보고 에이전트(126), 메시지 수신 에이전트(120) 및 데이터 서비스 계층 디바이스(130)를 포함할 수 있다. 메시지 전달 인프라스트럭쳐(150)는 TCM 세일즈 에이전트(160), 분석 에이전트(162), 메시지 전달 서버 인터페이스(164), 메시지 섭취(ingestion) 에이전트(170), 메시지 빌딩 에이전트(174), 메시지 분배 에이전트(176), 메트릭 데이터베이스(172), 메트릭 수집 에이전트(178)를 포함할 수 있고, 프록시 서버(182)를 가진다.
동작에서, M-TCM-PS의 "클라이언트 사이드"는 W-AT(100)(도 1의 왼쪽 편에 도시된)에 의해 핸들링(handle)될 수 있다. W-AT들과 연관된 전통적인 애플리케이션들에 부가하여, 본 W-AT(100)는 애플리케이션들 레벨(110)에서 TCM-연관 애플리케이션들을 가질 수 있고, 이는 차례로 클라이언트 광고 인터페이스(112)를 통해 M-TCM-PS의 나머지에 링크될 수 있다. 다양한 실시예들에서, 클라이언트 메시지 전달 인터페이스(112)는 메트릭스/데이터 수집 및 관리를 제공할 수 있다. M-TCM-PS의 나머지로의 추가적인 분배를 위해, 개별적으로 식별가능한 소비자 정보를 노출시키지 않고, 수집된 메트릭들/데이터의 일부는 메트릭 보고 에이전트(126)로 그리고/또는 W-AT의 데이터 서비스 계층(130)(메트릭 수집 에이전트(120)를 통해)으로 전달될 수 있다.
전달된 메트릭들/데이터는 메시지 전달 인프라스트럭쳐(150)(도 1의 오른편에 도시된)로 RAN(190)을 통해 제공될 수 있고, 이는 본 예에서 다양한 TCM-관련 그리고 프라이버시-보호 서버들을 포함한다. 메시지 전달 인프라스트럭쳐(150)는 데이터 서비스 계층(180)에서 메트릭들/데이터를 수신할 수 있고, 이는 차례로 수신된 메트릭들/데이터를 다수의 메트릭들/데이터 수집 서버들(여기서 메트릭 수집 에이전트(178)) 및/또는 소프트웨어 모듈들로 통신할 수 있다. 메트릭들/데이터는 메트릭 데이터베이스(172)에 저장될 수 있고, 저장된 메트릭들/데이터가 예를 들어 광고, 세일즈 및 분석과 같은 마케팅 목적들을 위해 사용될 수 있는 메시지 전달 서버 인터페이스(164)로 제공될 수 있다. 관심있는 정보가 다른 것들 중에서 W-AT에서의 사용자 선택들 및 메시지 전달 인프라스트럭쳐(150)에 의해 제공되는 명령들에 응답하여 W-AT에 의해 실행되는 광고들에 대한 요청들을 포함할 수 있음을 주목해야 한다.
메시지 전달 서버 인터페이스(164)는 광고들을 제공하고(광고 섭취), 광고들을 번들링(bundling)하며, 광고들의 분배를 결정하고, 메시지 전달 인프라스트럭쳐(150)의 데이터 서비스 계층(180)을 통한 광고를 M-TCM-PS 네트워크의 나머지로 전송하기 위한 도관(conduit)을 제공할 수 있다. 메시지 전달 인프라스트럭쳐(150)는 적절한 TCM들, TCM들을 위한 메타데이터와 함께 W-AT(100)를 제공할 수 있다. W-AT(100)는 메시지 인프라스트럭쳐(150)에 의해 제공되는 룰들에 따른 임의의 이용가능한 메타데이터에 기반하여 TCM들을 선택하기 위해 메시지 전달 인프라스트럭쳐(150)에 의해 지시될 수 있다.
위에서 언급한 것처럼, 예시적인 W-AT(100)는, 차례로 M-TCM-PS로 하여금 사용자에게 관심이 있을 수 있는 TCM들을 전달하는 것을 인에이블하기 위해 유용할 수 있는 W-AT의 사용자에 대한 사용자 프로파일을, 전체로 또는 부분적으로 생성하기 위해 인에이블될 수 있다. 이는 다양한 광고 캠페인들 및 다른 TCM 전달 캠페인들을 위한 더 양호한 "클릭-스루(click-through) 레이트들"을 초래할 수 있다. 그러나, 위에서 언급한 것처럼, 사용자 프로파일을 생성하는 것은 사용자 프로파일에 내재할 수 있는 데이터의 잠재적으로 민감한 특성으로 인해 프라이버시 문제들을 유발할 수 있다.
그럼에도 불구하고, 다양한 디바이스 및 시스템 실시예들에서 아래서 도시될 것처럼, 후속적으로 매우 제한된(그리고 제어된) 환경들을 제외하고 사용자의 W-AT의 범위들로 사용자 프로파일을 제한하면서, 프라이버시 문제들은 사용자의 W-AT가 사용자 프로파일을 생성하도록 인에이블함으로써 경감될 수 있다.
도 2는 사용자 프로파일을 생성하고 사용하도록 구성되는 도 1의 예시적인 W-AT의 동작의 상세함들을 도시하는 블록 다이어그램이다. 도 2에서 도시된 것처럼, 예시적인 W-AT는 다수의 코어 클라이언트 애플리케이션들 및 클라이언크 메시지 전달 인터페이스를 포함하는 다수의 애플리케이션들을 프로세싱할 수 있는 프로세싱 시스템을 포함한다. 메시지 수신 에이전트(128) 및 데이터 서비스 계층(130)과 같은, 몇몇 컴포넌트들이 도 2와 관련된 기능들에 대해 설명의 간략함을 위해 도 2에서 생략된다. 도 2의 예시적인 W-AT(100)는 클라이언트 메시지 전달 인터페이스(112) 및 클라이언트 애플리케이션들 디바이스(110) 사이의 플랫폼 특정 적응 인터페이스(111), 사용자 프로파일 생성 에이전트(210)에 응답하여 사용자 프로파일 생성 에이전트(210) 및 클라이언트 메시지 필터링 에이전트(220)를 가지는 메시지 필터링 에이전트(112)를 포함하는 것으로 도시된다. 캐시 메모리(240)는 캐시 관리자(122)와 통신하는 것으로 도시된다. 외부 디바이스들, 예를 들어 프로파일 속성 프로세서(270), 시스템 동작자(또는 제 3 자)(280) 및 메시지 세일즈 인터페이스(164)가 클라이언트 메시지 필터링 에이전트(124)와 통신하는 것으로 도시된다. 디바이스들(270, 280 및 164)은 일반적으로 W-AT의 부분이 아니나, M-TCM-PS 네트워크의 다른 부분에 내장될 가능성이 높다.
W-AT(100)의 다양한 컴포넌트들(110-240)이 개별적인 기능 블록들로서 도시되더라도, 이러한 기능 블록들의 각각은 전용 로직의 개별적인 부분들, 소프트웨어/펌웨어의 개별적인 부분들을 실행하는 개별적인 프로세서들, 메모리에 내장되고 단일 프로세서에 의해 동작 중인 소프트웨어/펌웨어의 집합들을 포함하는 다양한 형태들일 수 있다.
동작에서, 클라이언트 애플리케이션들 디바이스(110)는 클라이언트 메시지 전달 인터페이스(112)와 인터페이스하기 위해 플랫폼 특정 적응 인터페이스(111)를 사용하는 원격 통신(예를 들어, 호출 및 텍스트 메시징) 또는 다른 태스크들을 위해 유용한 임의의 수의 기능 애플리케이션들을 수행할 수 있다. 클라이언트 메시지 전달 인터페이스(112)는 차례로 W-AT(100)가 사용자 행동을 모니터링 그리고 사용자-관련 정보를 사용자 프로파일 생성 에이전트(210)로 전달하는 것과 같은 다수의 유용한 프로세스들을 수행하도록 허용하기 위해 사용될 수 있다.
클라이언트 애플리케이션들 인터페이스로부터 직접 정보를 수신하는 것에 부가하여, 사용자 프로파일 생성 에이전트(210)는 메트릭들 수집 에이전트(120)로부터 사용자 행동 정보를 축적(accrue)할 수 있고, 이는 스스로 클라이언트 메시지 전달 인터페이스(112)로부터 동일하거나 상이한 정보를 수신할 수 있다. 사용자 행동의 예들은 광고 클릭들 및 사용의 타입들 및 주파수를 표시하는 다른 메트릭들과 같은 TCM-관련 응답들을 포함할 수 있다. 다른 사용자 행동 정보는 직접 사용자 선호도들 또는 인증들을 포함할 수 있다.
메트릭 수집 에이전트(120)는 메트릭들/데이터를 메트릭 보고 에이전트(126)로 제공할 수 있고, 이는 차례로 W-AT에 내부 또는 외부에 있을 수 있는 M-TCM-PS(아래서 논의되는)의 다른 컴포넌트들로 메트릭들/데이터 정보를 제공할 수 있다.
프로파일 속성 프로세서(270)는 데이터-집중(intensive) 룩업들을 필요로 하고(또는 그렇지 않으면 그로부터 이익이 될 수 있는) 사용자 프로파일 생성 에이전트(210)로 정제된 프로파일 속성들에 응답하는 W-AT(100)로부터 인입하는 프로파일 속성 프로세싱 요청들을 프로세싱할 수 있다.
사용자 프로파일 생성 에이전트(210)의 하나의 기능은 세일즈 인터페이스(164)로부터의 TCM 데이터 및 TCM 메타데이터 뿐만 아니라, 관련 필터 룰들에 따른 W-AT의 사용자로 제공될 수 있는 TCM들을 제공하는 것을 포함할 수 있다. 필터링 에이전트(220)는 캐시 관리자(122)로 필터링된 메시지들을 또한 제공할 수 있고, 이는 차례로 사용자로 표현하기 위해 (캐시 메모리(240)를 통해) 이러한 메시지들을 저장하고 추후에 제공할 수 있다.
사용자 프로파일 생성 에이전트는 사용자 행동 정보를 수집하기 위해 사용될 수 있는 모바일 광고 인에이블된 W-AT에 내장된 하드웨어 및/또는 소프트웨어의 임의의 집합일 수 있다. 잠재적인 정보 소스들은 사용자의 W-AT, 다양한 액세스 가능한 데이터베이스들에서 이용가능한 공공 정보, 광고들에 대한 이전의 사용자 응답들, 상주하는 GPS 라디오로부터의 위치 데이터 및 사용자(만약 가능하다면)에 의해 입력되는 명시적인 사용자 선호도들 상에 존재하는 애플리케이션들을 포함할 수 있으나, 이에 제한되는 것은 아니다. 수집된 임의의 사용자 프로파일 정보는 사용자 프로파일 속성들 또는 엘리먼트들을 생성하기 위해 프로세싱/신시사이즈될 수 있고, 이는 더 적은 메모리 리소스들을 사용하면서 사용자를 더 양호하게 특징 지울 수 있다.
다양한 실시예들에서, 시스템 동작자(및/또는 제 3 자)에 의해 제공되는 사용자 프로파일 추론 룰들은 W-AT의 사용자 프로파일 생성 에이전트의 특정 행동들을 드라이브(drive)할 수 있다. 이러한 룰들은 다수의 타입들 중 하나일 수 있음을 주목해야 한다, (1) 기초적 룰들, 각각의 동작과 연관되는 미리-결정된 스케줄 상의 사용자 프로파일 생성 에이전트에 의해 수행될 동작들을 포함함 (2) 자격이 부여되는 룰들, "조건"에 의해 자격이 부여된 "동작(들)"을 포함하고, 이 "조건"은 참(true)일 필요가 있는 행동을 정의할 수 있고, 이 "동작"은 조건이 참으로 검출되는 경우에 사용자 프로파일 생성 에이전트의 룰 엔진에 의해 취해진 동작을 정의할 수 있다. 이러한 룰들은 특정 사용자 동작들 또는 행동들로부터 정보를 추론하는데 유용할 수 있다.
예를 들어, 사용자 프로파일 생성 에이전트에 의한 단순한 룰은 매 5분마다 사용자의 W-AT에 대한 GPS 도출된 위치 정보를 저장하기 위한 것일 수 있다. 연관된 룰은 하루의 9:00 - 17:00 시간 범위 내에서 가장 빈번한 위치가 사용자의 가능성 있는 직장 위치로서 마킹되도록 하는 것일 수 있다.
제 2 예로써, 조건에 의해 자격이 부여된 룰은, 사용자가 자신의 W-AT 상의 게임 애플리케이션들에서 하루의 30분 이상의 시간을 종종 소비하면 관심의 사용자의 리스트에 "게임" 카테고리를 부가하는 것일 수 있다.
또한, 사용자 프로파일 생성 에이전트는 또한 위치 데이터, 사용자에 의해 이루어진 다른 인증들 및 사용자에 의해 입력된 다른 특정 정보, 및 사용자에 의해 입력된 다른 특정 정보를 사용하여 프로파일을 도출하기 위해, 사용자의 명백한 인증에 관한 사용자 선택을 포함하는 사용자 선호도들을 입력함으로서 취해질 수 있다. 예를 들어, 사용자는 이동-관련 광고들을 관찰하기 위해 그의 선호도를 입력할 수 있다.
행동 데이터를 수집하고 정제/카테고리화 하기 위해 유용한 사용자의 W-AT에서 다양한 룰-드라이브된 접근들은, 사용자들이 가질 수 있는 프라이버시 문제들의 일부를 경감시킬 수 있다. 예를 들어, 데이터를 조사하고 로(raw) 데이터를 W-AT 내에서 더욱 의미있고/유용한 형태들로 신시사이징 함으로써 (외부 서버를 사용하는 것의 반대로), 민감하거나 개인적인 정보는 이러한 정보를 W-AT의 통신 네트워크의 나머지에 노출시키지 않고 타깃된 광고를 위해 개발되고 추후에 사용될 수 있다.
다양한 실시예들에서, 사용자의 프로파일의 특정 양상들은 사용자의 W-AT의 부분들을 제어할 수 있다. 예를 들어, 사용자 프로파일 생성 에이전트는 W-AT에 대해 가장 적절한 방식으로 정보 콘텐츠를 조작(tailor)하기 위해 임의의 리트리브된 W-AT 정보를 이용할 수 있고, 선형, 계측적, 애니메이션화된, 팝업 그리고 소프트키들과 같은 메뉴 레이아웃의 선택을 포함한다.
위에서 언급한 것처럼, 대부분의 프로파일 생성 룰들은 W-AT의 임베드된 사용자 프로파일 생성 에이전트에 의해 해석될 수 있고, 큰 데이터베이스 룩업들, 예를 들어 정부 인구 통계 조사(census) 데이터를 필요로 하는 몇몇 룰들일 수 있다. W-AT 상의 메모리가 큰 데이터베이스들을 수용하기에 너무 한정적일 수 있기 때문에, M-TCM-PS 네트워크의 W-AP 사이드에서 적절한 정제 태스크들을 특별히 구성된 서버로 오프로딩(offload)함으로써 이미 신시사이즈된 사용자 행동 및 인구 통계 데이터를 추가적으로 정제하는 것이 가능할 수 있다. 본 명세서에 대해, 사용자 프로파일 생성을 보조할 수 있는 임의의 이러한 외부 서버가 "프로파일 속성 프로세서"로서 지칭될 수 있다. 프로파일 속성 프로세서들의 추가적인 논의가 도 4와 관련하여 아래서 제공된다.
도 3은 다른 디바이스들(312 및 280)과 상호작용하는 환경에서 도시된 이전에 나타낸 사용자 프로파일 생성 에이전트(210)의 도식적인 블록 다이어그램이다. 사용자 프로파일 생성 에이전트(210)의 다양한 성능들(위에서 논의된 것에 부가하여)이 아래서 부분적으로 제공된다.
모바일 전화의 특징들 중 하나는 그/그녀가 가고자 하는 어느 곳이든 사용자에 의해 소지될 수 있다는 것이다. W-AT의 GPS 성능들을 이용하여, W-AT는 사용자가 그/그녀의 시간의 일부 또는 전부를 주기적으로 또는 비주기적으로 소비하도록 결정할 수 있다. 위치들과 연관된 인구 통계 데이터가 종종 존재하기 때문에, 사용자가 자주 가는 위치들과 연관된 GPS 정보 및 인구 통계 데이터의 사용이 사용자와 연관된 인구 통계 프로파일의 적어도 몇몇 부분들의 개발을 허용할 수 있다. 위치 정보를 사용하는 사용자의 프로파일과 연관된 일반적인 인구 통계 프로파일 엘리먼트들은:
지역 우편 번호(ZIP code)
성별(Gender)
자주가는 위치에 대한 평균 연령
연령 분포 및 연관된 확률
일하러 가는데 평균 소요 시간
가정의 소득 또는 가정의 소득 범위
가정의 크기
가족 소득 또는 가족 소득 범위
가족의 크기
결혼 상태
집을 소유할 확률
집을 임대할 확률
삶의 스테이지 그룹/분류를 포함할 수 있으나, 이에 한정되는 것은 아니다.
복수의 인구 통계 사용자 프로파일들이 사용자에 대한 W-AT에서 유지될 수 있음을 주목해야 한다. 예를 들어, M-TCM 인에이블된 클라이언트는 사용자에 대한 두 개의 인구 통계 프로파일들 ― 하나는 그의 "집" 위치(21:00 - 06:00 사이에서 가장 자주 있는 위치)이고 하나는 그의 "직장" 위치(09:00 - 17:00 사이에서 가장 자주 있는 위치) ― 을 유지하기 위해 네트워크에 의해 구성될 수 있다.
일반적인 인구 통계에 부가하여, 사용자 프로파일은 W-AT의 다양한 애플리케이션들 중 임의의 것을 이용하여 추가적으로 개발될 수 있다. 사용자가 그의 시간을 가장 많이 소비하는 경향이 있는 애플리케이션들 예를 들어, 게임들 또는 그가 전화상의 다양한 애플리케이션들과 어떻게 상호작용하는지가 그의 행동 및 선호도들에 기반하여 사용자에 대한 프로파일을 형성하기 위한 기회를 제공할 수 있다. 이러한 분류의 데이터 수집 및 사용자 행동 프로파일 결정의 대부분이 W-AT 자신 상에서 이루어질 수 있고, 사용자 프로파일 생성 에이전트(210)로 주어지는 사용자 프로파일 추론 룰들에 의해 도출된다. 사용자와 연관된 일반적인 행동 프로파일 엘리먼트들은
애플리케이션 ID 및 애플리케이션에서의 시간 소비
관심 카테고리
즐겨찾는 키워드들
즐겨찾는 웹사이트들
관심의 광고들
음악 앨범
관심있는 게임들을 포함할 수 있으나, 이에 제한되지 않는다.
많은 프로파일 엘리먼트들(인구 통계를 포함한)이 W-AT 상의 본래의 사용자 인터페이스 애플리키에션을 통해 애플리케이션 행동을 관측하기 위해 훅(hook)들을 부가함으로써 수집된 행동으로부터 추론될 수 있다. 그것은 사용자가 다른 애플리케이션들을 런칭(launch)할 수 있는 애플리케이션들을 통할 수 있다. 사용자에게 관심있는 애플리케이션들 및 이러한 애플리케이션들에 소비된 시간은 사용자가 런칭하고 특정 애플리케이션에 존재하는 경우 모니터링함으로써 추론될 수 있다.
사용자 프로파일 생성 에이전트(210)에 공급되는 룰들은 사용자의 상호작용들에 기반한 사용자에 대한 관심 카테고리들을 애플리케이션들과 연관시킬 수 있다. 관심 카테고리들은 또한 W-AT에서 수집된 행동 데이터 상의 서버 보조 협력 필터링을 사용하여 사용자 프로파일에 할당될 수 있다.
사용자 프로파일 생성 에이전트(210)로 다운로드될 수 있는 룰들은 서버가 동적인 방식으로 사용자 프로파일 생성 에이전트(210)의 기능을 제어하도록 허용할 수 있다. 현재(incumbent)의 W-AT 상에서 로 데이터를 수집하고 그것을 더욱 의미있는 정보(프로파일 속성들)로 신시사이즈함으로써, 특정 민감한 사용자 행동 정보가 데이터를 로 형태로 유지하는 것과 대비하여 광고 행동 카테고리들 및 사용자 프로파일 엘리먼트들로 변환될 수 있다.
예시적인 W-AT는 이러한 메시지들과 연관된 사용자 및 키워드들에 관심있는 메시지들을 추적할 수 있다. 예를 들어, 동일한 광고 상의 복수의 클릭들은 연관된 키워드들 및 광고와 연관된 관심 레벨을 사용자 프로파일 에이전트로 표시할 수 있다. 동일한 선상에서, 사용자에게 관심있는 게임들 및 음악은 W-AT에서 유지될 수 있다. 서버-보조 모드는 또한 사용자의 음악 및 게임 플레이-리스트들에 기반하여 사용자의 프로파일과 사용자 관심 카테고리들을 연관시키기 위해 사용될 수 있다.
사용자 프로파일이 개발되고 유지되기 때문에, 이러한 프로파일은 다양한 형태들, 예를 들어, 신시사이즈된 프로파일 속성들 및 엘리먼트들을 가질 수 있다.
사용자 프로파일에 있는 데이터 속성들의 일부 또는 전부가 그들과 연관된 몇몇 신뢰 레벨을 가질 수 있음을 주목해야 한다. 즉, 특정 엘리먼트들 및 속성들이 추론들 및 룰들에 기반하기 때문에, 그들의 결과들은 특정되지 않을 수 있고 그들과 연관된 "퍼지(fuzziness)"를 가질 수 있다. 이 퍼지는 사용자 속성 및 엘리먼트와 연관된 신뢰 레벨로서 표현될 수 있다.
예로써, 사용자가 1개월 마다 500개 이상의 SMS 메시지들을 전송하면, 프로파일 생성기는 사용자가 60%의 신뢰 레벨로 15-24세의 나이 그룹에 있을 가능성이 높다고 이야기 한다. 그것은 만약 1개월 마다 500개 이상의 SMS 메시지들을 전송하는 100명의 사용자가 그들의 나이에 대해 조사(poll)받으면, 그들 중 약 60명이 15-24세의 나이 그룹에 속할 가능성이 높은 것을 의미한다.
유사하게, 인구 통계 프로파일이 그/그녀의 홈 위치에 기반한 사용자에 대해 추론되는 경우, 프로파일 속성들과 연관된 신뢰 레벨이 있을 수 있다. 신뢰 레벨은 여기서 프로파일 속성이 동일한 홈 위치를 가지는 100명의 사용자들의 샘플에서 정확할 것으로 예상되는 회수를 표시할 수 있다.
예시적인 사용자 프로파일 생성 에이전트(210)는 또한 속성에 대한 통합된 신뢰 레벨을 제안하기 위해(come up with) 룰들을 공급받을 수 있다. 예를 들어, 만약 SMS 사용량 레이트가 사용자가 60%의 신뢰 레벨을 가진채 15-24세의 나이 그룹 내에 속한다고 표시하면, 홈 위치에 대한 인구 통계 프로파일은 사용자가 20%의 신뢰 레빌을 가진채 15-24세의 나이 그룹에 속한다고 표시하며, 이 2개의 아이템들은 동일한 나이 그룹에 놓인 사용자에 대한 통합된 신뢰 레벨을 제안하기 위해 퍼지 로직 룰들과 통합될 수 있다.
대조적으로, 만약 사용자가 그의 관심 선호도를 클라이언트에 입력하면, 이러한 값들은 그들이 사용자로부터 직접 온 것이기 때문에 100%에 가까운 신뢰 레벨이 주어질 수 있다. 유사하게, 만약 캐리어가 사용자 데이터에 기반하여 임의의 사용자 프로파일 속성들/엘리먼트들을 규정하면, 그것은 (서비스 사인-업(sign-up) 동안 사용자로부터 수집된 빌링 데이터 또는 선택적인 프로파일 데이터)를 가지며, 그것은 또한 자신과 연관된 더 높은 신뢰 레벨을 가질 것이다.
더 많은 사용자 행동 데이터가 W-AT 상에서 수집되고 추론들이 그것에 기반하여 이루어지기 때문에, 프로파일 속성 및 엘리먼트 값들에서, 후속하는 신뢰 레벨은 증가할 것으로 예상된다.
도 4는 프로파일 속성 프로세싱을 위해 W-AT에 의한 요청을 핸들링하는 프로파일 속성 프로세서(270)에 대한 도식적인 블록 다이어그램이다. 위에서 논의된 것처럼, W-AT가 대부분의 프로세싱을 핸들링할 수 있을 수 있고, 커다란 데이터베이스 룩업들이 행동 또는 인구 통계 프로파일의 부분들을 결정하기 위해 필요한 케이스들이 존재할 수 있다. 이러한 케이스들의 예는 키가바이트들의 저장소를 필요로 할 수 있는 센서스 데이터베이스들이 유용한 경우들을 포함한다. 따라서, 프로파일 속성 프로세서(또는 다른 보조 서버)는 사용자 프로파일 정보의 더욱 정제된형태들을 제공하기 위해 사용자 정보를 프로세싱하기 위해 사용될 수 있다.
요청이 프로파일 속성 프로세서(270)에 의해 수신되기 이전에, 신시사이즈된 프로파일 속성들은 관련된 W-AT에서 수집되고, 신시사이즈된 프로파일 속성들의 사용이 더 양호한 대역폭의 사용을 초래할 수 있다고 주목하는 프로파일 속성 프로세서(270)로 전송될 수 있다. 데이터-집중 룩업들을 필요로 하는, 사용자 프로파일 속성들의 일부는 사용자 신원들을 보호하기 위해 익명으로 질의하는 기술들에 의해 선택적으로 프로파일 속성 프로세서(270)에 의해 프로세싱될 수 있다. 프로파일 속성 프로세서(270)는 임의의 수신된 속성들을 추가적으로 정제할 수 있고, 정제된 사용자 프로파일 속성들의 세트로서 지칭될 수 있는 적절한 W-AT로 정제된 데이터를 제공할 수 있다.
W-AT로부터의 요청에 의해 활성화되는 경우, 프로파일 속성 프로세서(270)는 사용자의 행동 및 인구 통계(예를 들어, 프로파일 속성들)에 관한 다양한 타입의 특정 그리고 비-특정 신시사이즈된 데이터를 프로세싱하고 적절한 정제된 프로파일 정보로 응답할 수 있다. 사용자 프라이버시를 유지하기 위해, 데이터 스크램블링의 몇몇 형태, 예를 들어 해싱 함수 및 다수의 다른 툴들이 도 8의 일-방향 해시 함수 생성기(810)와 같은 디바이스를 통해 이용될 수 있다. 동작에서, M-TCM-PS 네트워크의 나머지로부터 사용자의 신원을 숨기기 위해 W-AT에서 해시 함수를 사용하는 것이 가능하다.
다양한 동작들에서, W-AT에서 사용되는 해싱 함수는 특정 사용자와 연관된, 예측가능하고 고유한, 그러나 익명의 값을 생성할 수 있다. 이러한 접근 방법은 사용자의 프라이버시에 대해 타협하지 않고 W-AT가 외부 서버들을 질의하도록 인에이블할 수 있다. 다양한 실시예들에서, 해싱 함수는 랜덤 값, 의사-랜덤 값, 및 시간-기반 값 뿐만 아니라 W-AT의 주된 식별자, 예를 들어 W-AT와 연관된 시리얼 번호에 기반할 수 있다. 또한, 해싱 함수는 다른 생성된 값들과 충돌할 낮은 확률을 제공하기 위해 계산될 수 있다.
W-AT는 외부 서버들이 동일한 클라이언트로부터 복수의 질의들을 연관시키도록 허용하기 위해 후속하는 질의들에 대한 동일한 랜덤 번호를 사용할 수 있다. 랜덤 번호의 사용은 사용자의 신원을 결정하기 위해, 외부 서버들(또는 인증되지 않은 에이전트들)이 가입자 베이스(base) 상의 역 룩업을 실행하는 것을 방지하는 것을 도울 수 있다.
해싱된 값이 생성되면, 해싱된 값은 W-AT를 위한 대체적인 사용자 식별자로서 사용되고, 사용자 프로파일로부터 정보의 아이템들을 인구 통계 정보와 함께 제공되며, 원격 장치로 제공될 수 있다.
후속적으로, 하나 이상의 타깃된 콘텐츠 메시지들은, 대체 사용자 식별자 및 원격 장치로의 제 1 광고-관련 정보 및/또는 사용자 프로파일을 보충할 수 있는 다른 정보에 기반하여 원격 장치로부터 수신될 수 있다. 이러한 정보는 W-AT의 사용자 프로파일로 통합될 수 있다.
추가적으로 사용자 프라이버시를 유지하기 위해, 무선 액세스 포인트(W-AP)측(예컨대, 도 1 참조)에서 프록시 서버가 사용될 수 있다. 도 9는 모바일 광고-인에이블된 네트워크에서 안전하게 통신하기 위해 프록시 서버를 이용하는 특정 통신 방식을 도시한다. 도 9에서 도시된 것처럼, W-AT(910)("M-TCM-인에이블된 클라이언트")는 사용자 프로파일 정보의 정제 또는 콘텐츠 광고를 위한 요청과 같은, 다수의 서비스들과 관련된 요청(또는 보고 또는 응답과 같은 다른 메시지)을 무선 애플리케이션 프로토콜(WAP) 프록시(920)로 전송할 수 있다. WAP 프록시(920)는 차례로 요청을 보안 프록시 서버(930)로 포워딩하고, 이어 보안 프록시 서버는 거래 ID를 생성할 수 있음, 거래 ID를 위해 W-AT의 식별 정보를 제거하기 위해 헤더를 변경하고, 그리고 응답을 릴레이하는데 유용한 정보, 예를 들어 W-AT의 IP 어드레스를 포함하는 룩-업 테이블을 생성하면서 모바일 메시지 전달 서버(940)로 요청을 포워딩할 수 있다.
모바일 메시지 전달 서버(940)가 요청을 수신하여 응답하면, 프록시 서버(930)는 모바일 메시지 전달 서버의 응답을 포워딩하기 위해 적절한 거래 ID를 사용할 수 있다. 이후에, 프록시 서버(930)는 룩 업 테이블 엔트리를 삭제할 수 있다.
도 9에서 도시된 방식은 모바일 메시지 전달 서버(940)가 사용자의 W-AT IP 어드레스로 액세스하는 것을 허용하지 않기 위해 이용될 수 있고, 이는 차례로 사용자 신원을 타협(compromise)하지 않고, 타깃된 콘텐츠, 예를 들어 타깃된 광고들의 전달을 허용하는 것으로서, 다수의 이익들을 가진다.
그들의 위치가 그들의 W-AT들에 의해 실-시간으로 트래킹되는 사용자들의 문제를 완화하기 위해, 이러한 W-AT들은 실-시간으로 위치 데이터의 정제를 위한 서버를 질의하지 않도록 선택할 수 있다. 이러한 질의들은 확장된 시간의 기간(예를 들어, 한달에 한번)에 걸쳐 익명으로 그리고 희박하게 전송될 수 있다. 일반적인 스케줄은 예를 들어 72시간 동안 매 5분마다 위치 정보를 수집할 수 있다. 이 시간 프레임 동안 또는 특정 시간 프레임들 동안의 가장 최근의 위치가 30 내지 40일 사이에서 랜덤하게 선택된 시간에서 또는 시스템 동작자에 의해 규정된 몇몇 다른 스케줄에 의해 서버로부터 사용자의 인구 통계 프로파일을 질의하기 위해 사용될 수 있다.
상기 케이스는 사용자의 프라이버시를 유지하면서 사용자에 대한 프로파일 엘리먼트들을 생성하기 위해 서버-보조 모드와 함께 사용자 프로파일 생성 에이전트의 룰 드리븐(rule driven) 동작을 사용하는 하이브리드 접근 방법의 일 예이다.
도 5는 사용자 행동 신시사이저(522) 및 프로파일 엘리먼트 리파이너(524)를 가지는 사용자 프로파일 생성 에이전트(210)를 사용하는 이러한 하이브리드 접근 방법의 예시적 동작을 도시하는 도식적인 블록 다이어그램이다. 도 5의 다양한 디바이스들의 기능의 대부분들은 이미 위에서 논의했고, 추가적인 기능이 다음의 플로우 차트와 관련하여 아래서 설명될 것이다.
도 6은 사용자 프로파일을 생성하고 사용하기 위한 예시적인 동작을 약술하는 플로우 차트이다. 다수의 사용자 프로파일 추론 룰들(기초적인 그리고/또는 자격이 부여된 룰들)이 시스템 동작자 또는 다른 주체로부터 W-AT에 의해 수신(그리고 후속적으로 저장)될 수 있는 것으로 동작은 단계(602)에서 시작한다.
위에서 논의한 것처럼, 기초적인 룰들은 예를 들어, 특정 시간에서 사용자의 질의를 수행하는 미리-스케줄링된 이벤트들을 포함할 수 있다. 유사하게, 개별적인 자격이 부여된 룰은 동일한 질의가 물리적인 상태 정보 또는 동작 상태 정보와 같은, 조건 및/또는 이벤트에 의해 선행되도록 요청할 수 있다.
다음으로, 단계(604)에서, 수신된 룰들이 로 데이터를 수집하기 위해 사용될 수 있고, 단계(606)에서 로 데이터는 모든 이러한 프로세싱/신시사이징이 W-AT 상에서 발생하면서, 몇몇 정제가 위에서 논의된 프로파일 속성 프로세서들과 같은 외부 디바이스들을 사용하여 발생할 수 있다고 주목하는, 사용자 프로파일 엘리먼트들 또는 속성들로 프로세싱/신시사이즈될 수 있다. 즉, 위에서 논의한 것처럼, 로 데이터 및/또는 신시사이즈된 데이터는 W-AT의 사용자에 대한 사용자 프로파일을 생성하도록 통합될 수 있다. 예를 들어, 로 데이터를 수집하고 SMS 메시지들에 관한 프로파일 속성들/엘리먼트들을 신시사이즈하기 위해 적용되는 경우, SMS 메시지들을 모니터링하는 것과 관련된 룰은 사용자 프로파일의 동적인 특성을 변경하기 위해 사용될 수 있다. 정적 데이터, 예를 들어 사용자의 생일은 사용자를 질의하기 위한 룰을 사용하여 수집될 수 있고, 그리고나서 사용자 프로파일에서 엘리먼트로서 적용된다.
그리고나서, 단계(608)에서, 사용자 프로파일 데이터에 대한 신뢰 레벨들이 결정될 수 있다. 신뢰 레벨들이 범위의 개수들, 변동 통계, 또는 분배 프로파일과 같은, 다양한 형태들을 가질 수 있음을 주목해라.
단계(610)에서, 다양한 수신된 룰들은 다양한 사용자 프로파일 엘리먼트들 및 속성들에 관한 로 데이터 및 신시사이즈된 데이터를 추가하고, 이들은 사용자 프로파일의 전부를 형성할 수 있고, TCM들을 수신하기 위해 사용될 수 있다. 즉, 위에서 논의된 것처럼, 다양한 실시예들에서, W-AT 상의 사용된/유용한 룰은 사용자 프로파일의 임의의 수의 정적 또는 동적 특성들을 제공하기 위해 - 수집된 로 데이터 및 신시사이즈된 데이터와 함께 - 사용자 프로파일을 생성하기 위해 사용될 수 있고, 이러한 정보는 광고들, 스포츠 점수들, 날씨 예보들 및 관심있는 주제들로 지시된 뉴스들과 같은 콘텐츠를 수신하기 위해 사용될 수 있다.
다양한 실시예들에서 사용자 프로파일 데이터가 그들과 연관된 신뢰 레벨들을 가질 수 있음을 주목하고, 룰들은 신뢰 레벨들로 적용될 수 있고 타깃된 콘텐츠 메시지들은 이러한 신뢰 정보에 기반하여 수신되고 디스플레이될 수 있다.
계속하여, 동작의 제어는 단계(602)로 뒤로 되돌아올 수 있고, 여기서 새로운/더 많은 룰들이 데이터를 수집하고 사용자의 프로파일을 변경하기 위해 수신되어 사용될 수 있다.
위에서 참조된 것처럼, 룰들은, 선형, 계층형, 애니메이션화된, 팝업 및/또는 소프트키 속성들을 가지는 메뉴 레이아웃들과 같은, 적절한 디스플레이들을 생성하기 위해 W-AT에 대해 적절한 방식으로 콘텐츠 디스플레이를 조작하기 위해 W-AT 정보를 이용하도록, W-AT의 물리적 구성에 기반하여 사용될 수 있다.
도 7은 사용자 프로파일을 생성하고 사용하기 위한 다른 예시적 동작을 약술하는 플로우 차트이다. 동작은 단계(702)에서 시작하며, 다수의 사용자 프로파일 추론 룰들이 시스템 동작자 또는 다른 주체로부터 W-AT에 의해 수신된다. 다음으로, 단계(704)에서, 수신된 룰들은 로 데이터를 수집하기 위해 사용될 수 있고, 단계(706)에서, 로 데이터는 내장된 리소스들을 사용하여 사용자 프로파일 엘리먼트들 또는 속성들로 프로세싱/신시사이징될 수 있다. 다시 사용자 프로파일 정보의 임의의 아이템은 기초적인 데이터와 함께 프로세싱되고 신시사이징되는 신뢰 레벨 정보를 가질 수 있다.
단계(710)에서 계속하여, W-AT 상에서 실용적이지 않은 추가적인 정보 또는 프로세싱이 필요한지 여부에 관한 결정이 이루어질 수 있다. 예를 들어, W-AT가 GPS를 사용하여 정기적으로 방문하는 W-AT에 대한 일련의 위치들을 축적했다고 가정하면, 하나 이상의 룰들을 사용하는 W-AT 상의 소프트웨어 에이전트는, 사용자의 가능성 있는 민족성(ethnicity)(또는 다른 인구 통계)을 결정하기 위해, 원격 서버 상의 지리적 정보 서비스 또는 국가 인구 통계 조사 데이터베이스와 같은 큰 외부 데이터베이스를 질의할 필요를 결정할 수 있다. 만약 추가적인 정보 또는 프로세싱이 필요하면, 제어는 단계(712)로 계속하고; 그렇지 않으면 동작의 제어는 프로파일 속성들이 사용자의 프로파일을 생성/변경하기 위해 사용되는 단계(720)로 점프할 수 있다.
추가적인 정보 또는 프로세싱이 필요한 예들에 대해, 요청은 사용자 정보를 보호하기 위해 (선택적으로 해싱 함수들 및/또는 프록시 서버들을 사용하는) 위에서 논의된 프로파일 속성 프로세서에 의한 것처럼, 외부 디바이스(단계(712))로 구성될 수 있다.
다음으로, 단계(714)에서, 외부 디바이스는 정제된 사용자 프로파일 속성들을 생성하기 위해, 질의 큰 데이터베이스들과 같이, 임의의 수의 정제 단계들을 수행할 수 있다. 그리고나서, 단계(718)에서, 정제된 사용자 프로파일 속성들은 그리고나서 적절한 W-AT로 제공될 수 있고, (단계(720)에서) 그들은 생성, 변경되기 위해 사용될 수 있고, 사용자 프로파일에서 통합될 수 있다. 신뢰 레벨들이 프로세싱에 대해 이용가능하며, 통합된 신뢰 레벨들이 개별적인 신뢰 레벨들에 기반하여 결정될 수 있음을 주목해라. 동작의 제어는 단계(702)로 다시 점프할 수 있고, 여기서 새로운/더 많은 룰들이 데이터를 수집하고 사용자의 프로파일을 변경하기 위해 수신되고 사용될 수 있다.
도 11로 점프하면, M-TCM-인에이블된 네트워크에서 TCM들 분배를 위한 제 1 통신 프로토콜이 도시된다. 이는 예시적인 도면은 메시지 분배 인프라스트럭쳐로부터 메시지들의 멀티캐스트 "푸쉬" 동안 가능한 데이터 플로우를 도시한다. 사용자 프로파일 생성 에이전트(도 10의 모바일 디바이스(W-AT)(100))가 메시지들을 리트리브할 수 있고, 그리고나서 내부 필터링에 의해 하나 이상의 수신된 메시지들을 선택한다.
동작에서, 네트워크 시스템 동작자(280)(및/또는 제 3 자)는 프로파일 속성 프로세서(270)로 프로파일 속성 프로세싱 룰들을 제공할 수 있다. 프로파일 속성 프로세서(270)는 또한 W-AT(100) 상의 모듈들로부터 프로파일 속성 프로세스 요청을 수신하고 W-AT(100) 상의 모듈들을 통해 적절한 응답을 제공할 수 있다.
추가적으로, 멀티캐스트 또는 브로드캐스트 광고들은 멀티캐스트/브로드캐스트 분배 서버(1110)에 의해 W-AT(100)에 의해 수신될 수 있다. 이 구성에서, W-AT(100)(또는 다른 모바일 디바이스)는 모든 메시지들을 수신할 수 있고, W-AT(100)에서 생성된 사용자 프로파일 및 도 11의 멀티캐스트/브로드캐스트 분배 서버(1110)로부터 또한 수신된 필터 룰들에 따라 어떤 메시지들이 저장되고 사용자로 주어지는지를 결정할 수 있다.
도 12는 M-TCM-인에이블된 네트워크에서 메시지 분배에 대한 제 2 통신 프로토콜을 도시한다. 도 11의 예들에 따라, 네트워크 시스템 동작자(280)(및/또는 제 3 자)는 프로파일 속성 프로세서(270)로 프로파일 속성 프로세싱 룰들을 제공할 수 있고, 프로파일 속성 프로세서(270)는 또한 W-AT(100) 상의 모듈들을 통해 적절한 응답을 제공하기 위해 W-AT(100) 상의 모듈들로부터 프로파일 속성 프로세스 요청을 수신할 수 있다.
그러나, 이 실시예에서, 유니캐스트 메시지는 유니캐스트 메시지 분배 서버(1210)로부터 W-AT(100)에 의해 요청될 수 있다. W-AT(100)는 유니캐스트 통신 링크를 통해 모든 메시지들을 수신할 수 있고, W-AT(100)에서 생성된 사용자 프로파일 및 유니캐스트 메시지 분배 서버(1210)로부터 또한 수신된 필터 룰들에 따라 어떤 메시지들이 저장되고 사용자로 주어지는지를 결정할 수 있다.
도 13은 M-TCM-인에이블된 네트워크에서 메시지 분배를 위한 다른 통신 프로토콜을 도시한다. 다시, 이전의 예들로서, 네트워크 시스템 동작자(280)(및/또는 제 3 자)는 프로파일 속성 프로세서(270)로 프로파일 속성 프로세싱 룰들을 제공할 수 있고, 프로파일 속성 프로세서(270)는 또한 W-AT(100) 상의 모듈들을 통해 적절한 응답을 제공하기 위해 W-AT(100) 상의 모듈들로부터 프로파일 속성 프로세스 요청을 수신할 수 있다.
그러나, 이 실시예에서, 유니캐스트 메시지들 분배 서버(1310)는 W-AT(100)에 의해 제공되는 사용자 프로파일 정보를 수신하고, 수신된 사용자 프로파일 정보를 프로세싱하며, 그리고나서 적절한 TCM들을 W-AT(100)로 제공할 수 있다.
도 14는 M-TCM-인에이블된 네트워크에서 메시지 분배를 위한 다른 통신 프로토콜을 도시한다. 이 예는 동작의 프로파일 속성 프로세서 측에 관한 이전의 예들과 많이 동일하게 동작할 수 있다. 그러나, 유니캐스트 통신 링크를 통한 메시지리트리브는 실질적으로 상이하다.
동작에서, W-AT(100)는 W-AT(100)가 메시지 분배 서버(1410)에서 이용가능한 다양한 메시지들을 나타내는 메타데이터의 세트를 수신할 수 있는 이후에 메시지들에 대한 요청을 전송할 수 있다. W-AT(100)는 그리고나서 메타데이터 및 W-AT(100) 내에서 필터링 룰들에 기반하여 다수의 메시지들을 선택할 수 있고, 메시지 분배 서버(1410)로 선택 정보를 제공할 수 있다. 따라서, 선택된 메시지들이 그리고나서 W-AT(100)로 제공될 수 있고, 사용자 프로파일 룰들에 따라 사용자에게 주어질 수 있다.
위의 접근 방법은 유니캐스트 통신 링크를 통해 W-AT로 광고들을 전달하는 경우 최적의 네트워크 대역폭을 사용하면서 W-AT 상의 사용자 프로파일 로컬을 유지한다.
도 15는 "콘택트 윈도우들"(예시적인 윈도우들 1510-1516 참조) 접근 방법에 따른 메시지 콘텐츠를 다운로드하기 위한 제 1 통신 프로토콜에 대한 시간 라인을 도시한다. 이는 W-AT의 다른 기능들을 부담시키지 않고 적절한 시간에서 TCM들의 다운로드를 허용하기 위해 사용될 수 있다. 다양한 실시예들에서, W-AT는 만약 참여 된다면 콘택트 윈도우들로 자신의 슬립 모드로 조절할 수 있다. 동작에서, W-AT는 콘텐츠 메시지 전달 동안 플랫폼 상의 에너지 소비를 최적화하기 위해 슬립 모드로 놓여질 수 있다. 슬립 모드에서, W-AT가 다른 유용한 동작들에 관여될 수 있는 것이 가능하다. 즉, 콘택트 윈도우 이전에 그리고/또는 콘택트 윈도우 동안 슬립 모드를 참여 해제(disengage)함으로써 그리고 가능하다면 TCM들을 수신하는 것에 후속하거나 상대적인 콘택트 윈도우의 끝에서 슬립 모드를 재-참여함으로써, W-AT는 다양한 시간 회로(미도시)가 프로그래밍될 수 있거나 그렇지 않으면 슬립 모드로 응답하기 위해 조작될 수 있으면서 슬립 모드로 그리고 콘택트 윈도우 또는 다른 스케줄로 놓여질 수 있다.
도 16은 정의된 시간 스케줄에 따라 타깃된-콘텐츠-메시지 정보를 다운로드하기 위해 제 1 통신 프로토콜에 대한 대체적인 시간 라인을 도시한다. 예시적인 윈도우들 1610-1620을 참조하면, 이 접근 방법은 W-AT의 다른 기능들을 부담시키지 않고 적절한 시간에서 TCM들의 다운로드를 허용하기 위해 사용될 수 있다. 정의된 시간 스케줄은 W-AT가 정의된 시간 스케줄 동안을 제외하고 슬립 모드에 머물도록 허용한다. 다시, 다양한 타이밍/클록 회로가 W-AT를 슬립 모드로/슬립 모드로부터 참여하고 참여 해제하기 위해 이용될 수 있다. 추가적으로, W-AT가 TCM 정보를 수신하기 위해 깨는 경우, 그것이 미래의 TCM들에 대한 타게팅 메타-데이터 및 수신 시간들을 수신할 수 있고, 이는 사용자 프로파일 및 타게팅 메타-데이터에 기반하여 미래의 TCM을 수신할지 여부를 결정하고, 미래의 TCM 전달에 대한 수신 시간 이전에 적절한 깨는 시간을 스케줄링 하기 위해 사용될 수 있다.
도 17은 예시적인 정보 스트림들(1702, 1722 및 1732)에 기반하여 캐시 모델링 시나리오들 중 일부를 도시한다. 도 17에서 도시된 것처럼, 캐시 모델링 시나리오들은 다양한 리스팅된 분류들에 기반한다. 메시지 캐시가 M-TCM-인에이블된 클라이언트에서 메시지들에 대한 저장 장소일 수 있음을 주목해라. 메시지들은 TCM을 서빙할 기회가 존재하는 경우에 메시지들의 즉시의 플레이-아웃을 인에이블하기 위해 국부적으로 캐싱될 수 있다.
캐시에 있는 실제 저장 공간은 상이한 타입들의 분류들에 기반하여 복수의 카테고리들로 분할될 수 있다. 이러한 분류들은 필터 룰들을 사용하여 시스템 동작자에 의해 정의될 수 있다. 분류 내의 각각의 카테고리에 할당된 공간의 양은 몇몇 정의된 기준에 기반하여 고정적이거나 동적일 수 있고, 다시 시스템 동작자에 의해 필터 룰을 통해 정의될 수 있다. 관심있는 몇몇 카테고리들은 다음을 포함한다:
디폴트( default ) 메시지들(1710, 1720 및 1730): 이들은 시스템 동작자들에 의해 마킹(mark)될 수 있는 "폴백(fallback)" 메시지들로서 생각될 수 있다. 그들은 디바이스 애플리케이션에 의해 요청되는 메시지 타입을 만족하는 다른 메시지가 디스플레이를 위해 이용가능하지 않는 경우 도시된다.
디폴트 메시지들은 후보 디폴트 메시지들로서 동일한 메시지 타입을 가진 개별적인 클라이언트 메시지 전달 엔진을 이용하여 가입된 적어도 하나의 메시지 전달-능력(capable) 애플리케이션이 존재하는 한 캐시에 대한 후보들일 수 있다. 또한, 디폴트 메시지들은 디바이스 및 애플리케이션 성능 컴플라이언스(compliance)의 최소 게이팅 기준을 만족하기 위해 이루어질 수 있다.
디폴트 메시지에 대해 계산된 값에 기반하여, 새로운 메시지의 "정규화(normalize)"된 값이 동일한 메시지 타입 하에서 이전에 저장된 디폴트 메시지들의 값보다 크면, 이전에 저장된 디폴트 메시지는 새로운 것에 의해 대체될 수 있다.
각각의 메시지 타입에 대한 클라이언트에 대하여 허용된 디폴트 메시지들의 최대 수는 필터링 룰을 통해 시스템 동작자에 의해 정의될 수 있다. 다양한 실시예들에서, 메시지들 또는 메시지 메모리의 고정된 수가 존재할 수 있고, 또는 메시지 수 및/또는 메모리는 특정 메시지 능력 애플리케이션, 사용량 등에 기반하여 동적으로 결정될 수 있다. 일반적으로, 다수의 실시예들에서, 각각의 메시지 타입에 대해 허용된 디폴트 메시지의 최대 수는 1이다.
디폴트 메시지들로서 마킹된 메시지들은 주로 2개의 목적들을 서빙한다: (1) 그들은 각각의 카테고리에서 "폴백" 메시지들로서 서빙되며 사용자에게 메시지를 제공하기 위해 각각의 기회를 이용하기 위해 시스템을 돕고; 그리고 (2) 그들은 시스템 동작자가 디폴트 메시지들에 대한 "계층(tiered) 프라이싱(pricing)" 및 (선택적으로) 더 많은 차지(charge)를 제공하도록 허용한다.
타깃된 메시지들(1712, 1722, 1724 및 1738) 및 비- 타깃된 메시지들(1714, 1726 및 1740): 하나의 분류 방식은 타깃된 그리고 비-타깃된 메시지들에 대한 공간으로 캐시 저장소를 분할할 것이다. 타깃된 메시지 캐시 공간은, M-TCM-인에이블된 클라이언트의 사용자에 대한 사용자 프로파일이 관련된 메타데이터에 포함된 타깃 사용자 프로파일과 매치(match)하는, 메시지들만을 저장하기 위해 사용될 수 있다.
타깃 사용자 프로파일이 디바이스 사용자의 프로파일과 매치하지 않는 메시지들에 대해, 메시지들은 "타깃된-디스플레이-전용"으로서 마크되는 한, 이러한 메시지들은 비-타깃된 메시지 캐시 공간에 위치될 후보들일 수 있다. 디스플레이를 위한 비-타깃된 메시지들을 가지는 것은 시스템이 시간과 관심있는 사용자의 변경을 측정(gauge)하고, 개별적인 사용자 프로파일 및 캐시를 적절히 변경하도록 허용할 수 있다.
임프레션 -기반 메시지들(1722) 및 동작-기반 메시지들(1724): 다른 분류가 메시지가 TCM 전달 캠페인의 임프레션 타입인지 여부에 기반하여 캐시 공간의 타깃된 또는 비-타깃된 부분을 분할할 것이고, 또는 메시지는 사용자 관심을 측정하기 위한 사용자 동작을 요청하는 메시지이다. 이러한 서브-분류에 대한 파티션 크기들 또는 비율들은 시스템 동작자에 의해 정의될 수 있거나 개별적인 W-AT에 내장된 메시지 전달 능력 애플리케이션들의 성능들 및 사용 레이트에 의해 동적으로 결정될 수 있다.
사용자 관심 기반 분류(1732-1736): 타깃된 메시지 분류 하의 서브-분류는 사용자 관심 분류에 기반할 수 있다. 예를 들어, 캐시의 타깃된 메시지 섹션의 특정 캐시 공간의 대부분은 상위 3개의 사용자 관심 카테고리들에 대해 예비될 수 있고, 임의의 나머지 캐시 리소스들은 사용자의 프로파일과 매치하는 다른 카테고리들로 전용될 수 있다. 다시, 이러한 분류 내의 실제 비율들 또는 관심 기반 카테고리의 수는 시스템 동작자에 의해 정의될 수 있고 그리고/또는 각각의 관심 카테고리 내의 광고들(또는 다른 메시지들)에 대한 상대적인 클릭-스루 레이트들에 기반하여 동적일 수 있다.
도 18은 메시지 필터링 프로세스 환경의 도시이다. 모바일 타깃된 콘텐츠 메시지 전달 시스템 내의 메시지 필터링 프로세스의 하나의 목적은, 시스템에 입력되는 임의의 이용가능한 새로운 메시지들 중 어떤 것이 특정 모바일 클라이언트에서 캐싱되어야 하는지를 결정할 수 있다.
동작에서, 필터링 프로세스(1810)는 캐싱될 새로운 메시지들을 결정하기 위해 시스템 내에서 유지되는 사용자의 사용자 프로파일, 모바일 클라이언트 상의 현재 캐시 상태 및 시스템 동작자 또는 몇몇 제 3 자(280)에 의해 정의된 필터링 룰들과 같은, 다수의 입력들을 사용할 수 있다. 각각의 수신된 메시지들을 프로세싱하면, 다수의 선택된 메시지들이 결정되어, 개별적인 메타데이터와 함께 캐시(1820)에 저장될 수 있다.
도 19는 다양한 예시적인 기능 컴포넌트들의 환경에서 TCM 전달 시스템 내의 TCM 필터링 프로세스에 대한 데이터 플로우 다이어그램이다. 도 19에서 도시된 것처럼, 메시지 필터링은 멀티-스텝 프로세스일 수 있다. 세일즈 인터페이스(164)로부터 필터링 에이전트(220)에 입력되는 새로운 메시지들은 어떤 수신된 메시지들이 메시지 캐시를 위해 가능한 후보들이 되는지를 결정할 수 있는 게이팅 서브-프로세스(220-1)를 통과해 먼저 패스할 수 있다. 예시적인 게이팅 서브-프로세스(220-1)는, 시스템 동작자 또는 몇몇 제 3 자(280)에 의한 필터 룰들, 적절한 에이전트(210) 또는 저장 디바이스로부터의 사용자 프로파일 정보 뿐만 아니라, 모바일 클라이언트와 연관된 적절한 저장 디바이스(1910)로부터 디바이스 및 성능 정보를 사용할 수 있음을 주목해라.
계속하여, 게이팅 서브-프로세스(220-1)의 가능한 후보들이 그리고나서 어떤 후보 메시지들이 메시지 공간 경합(contention)의 경우에 대체될 수 있는지를 결정할 수 있는 선택 서브-프로세스(220-2)에 의해 프로세싱될 수 있다. 선택 서브-프로세스(220-2)는 시스템 동작자 또는 몇몇 제 3 자(280)에 의한 필터 룰들, 적절한 에이전트(210) 또는 저장소 디바이스로부터의 사용자 프로파일 정보 및 캐시 관리자(122)로부터의 피드백 캐시 정보를 사용할 수 있음을 주목해라.
도 20은 도 19의 게이팅 프로세스 내의 예시적인 데이터 플로우를 도시한다. 이 프로세스의 하나의 목적은 그들이 선택 프로세스로 포워딩되기 이전에 타깃된 광고들과 같은 타깃된 콘텐츠 메시지들이 특정 요구사항들을 만족하도록 확보하기 위한 것이다. 본 프로세스는 단계(2002)에서 시작하며, 여기서 메시지들 및 개별적인 메타데이터는 세일즈 인터페이스(164) 또는 다른 디바이스로부터 제공될 수 있다. 다음으로, 단계(2004)에서, 단계(2002)의 메시지들이 모바일 클라이언트의 성능들 내에 존재하는지 여부에 관한 결정이 이루어진다. 즉, 메시지들은 그들이 모바일 디바이스의 물리적 플랜트(plnat)에 의해 지원될 수 있도록 되어야한다. 예를 들어, 만약 메시지가 제 2의 디바이스 스크린에 대해 의도되고, 당면한(at issue)에서 모바일 디바이스가 메시지를 가지지 않으면, 그 메시지는 적절하지 않다. 메시지가 디바이스 성능들과 매치해야하고, 제어는 단계(2006)로 계속하며; 그렇지 않으면, 제어는 메시지가 사용을 위해 거부된 단계(2020)로 점프한다.
단계(2006)에서, 단계(2002)의 메시지들이 모바일 클라이언트의 애플리케이션들 성능들 내에 있는지 여부에 대한 결정이 이루어진다. 즉, 메시지들이 모바일 디바이스를 이용하여 사용하기 위해 등록된 다양한 소프트웨어/펌웨어에 의해 지원될 수 있도록 되어야 한다. 예를 들어, 만약 메시지가 15초의 비디오를 포함하나, 이러한 비디오를 보여주기 위해 디바이스 애플리케이션들 중 임의의 애플리케이션 내에 CODEC 기능이 존재하지 않으면, 그 메시지는 적절하지 않다. 메시지가 애플리케이션 성능들과 매치해야하고, 제어는 단계(2008)로 계속되며; 그렇지 않으면, 제어는 메시지가 사용을 위해 거부된 단계(2020)로 점프한다.
단계(2008)에서, 단계(2002)의 메시지들이 모바일 클라이언트의 애플리케이션들 성능들 내의 시스템 동작자 규정 게이팅 기준 매치를 패스한다. 예를 들어, 만약 메시지가 성인 관객(audience)들 만을 위해 적절하면, 이러한 메시지는 소수(minor)로서 식별된 임의의 사용자에 대해 가장 잘 필터링될 것이다. 메시지가 규정된 시스템 동작자 규정 게이팅 기준과 매치해야 하고, 제어는 단계(2010)로 계속하며; 그렇지 않으면, 제어는 사용하기 위한 메시지가 거부된 단계(2020)로 점프한다.
단계(2010)에서, 단계(2002)의 메시지들이 샘플링 기준 매치를 패스할지 여부에 관한 결정이 이루어진다.
만약 특정 광고가 인구 통계의 오직 30%에게만 제공된다고 예정되면, 1 내지 100범위를 가지고 자신의 ESN을 및 서버 특정된 시드를 이용하여 시드되는 RNG가 결과 랜덤 번호가 30%이하인 경우 광고에 자격을 부여할 수 있다. 만약 광고/메시지가 샘플링 기준을 패스하면, 제어는 메시지 선택이 수행될 수 있는 단계(2030)로 계속되며; 그렇지 않으면 제어는 사용하기 위한 메시지가 거부된 단계(2020)로 점프한다.
도 21은 동작자가 사용자들을 상호간에 배타적인 세트들로 분할하고 상이한 메시지들을 타깃하고자 할 수 있는 상황들에 대해 나타내는, 랜덤 샘플링 방식을 도시하는 플로우 차트이다. 예를 들어, 동작자는 동일한 사용자에게 임의의 펩시(Pepsi) 광고 및 임의의 코크(Coke) 광고를 보여주지 않는 계약상의 의무 하에 있을 수 있다. 따라서, 동작자는 가입자 베이스의 50%에게 펩시 광고를 타깃하고 가입자 베이스의 나머지 50%에게 코크 광고를 타깃하기를 원할 수 있고, 두 개 모두의 광고들이 동일한 사용자에게 보여지지 않도록 확실하게 한다.
프로세스는 랜덤 번호 생성기가 도입되고, ESN(전자 시리얼 번호)이 모바일 클라이언트/W-AT로 제공되는 단계(2102)에서 시작한다. 다음으로, 단계(2104)에서, 랜덤 번호 생성 프로세스는 1 내지 100 사이 ― 또는 다른 범위의 번호들 사이의 랜덤 번호를 생성하도록 수행된다. 제어는 단계(2110)로 계속된다.
단계(2110)에서, 매치가 단계(2104)의 랜덤 번호 및 정의된 범위, 예를 들어 1 내지 100의 전체 범위에서 1 내지 50 또는 51 내지 100 사이에서 이루어지는지 여부에 관한 결정이 이루어진다. 매치가 이루어지면, 제어는 당면한 메시지가 승인되는 단계(2112)로 점프하고, 또는 만약 상기의 코크/펩시 예시를 포함하는 것처럼 경쟁하는 광고들이 존재하면, 2개의 메시지들 중 첫 번째 것이 승인되고; 그렇지 않으면 제어는 당면한 메시지가 거부되는 단계(2114)로 점프하며, 또는 만약 상기의 코크/펩시 예들을 포함하는 것처럼 경쟁하는 광고들이 존재하면, 두 번째 광고가 승인되는 동안에 2개의 광고들 중 첫 번째 것을 거부한다.
도 22로 진행하면, 가입자 베이스 내에서 서로 배타적인 메시지 타게팅이 사용자 ID 또는 디바이스 ID와 같은 몇몇 고유 ID 상에 해싱 방식과 같은 일-방향 함수를 이용하여 이루어질 수 있음을 인식해야 한다. 동작에서, 동작자는 해싱 계산들의 결과에 기반하여 상이한 타깃 사용자 세그먼트들을 규정할 수 있다. 이러한 샘플링은 그들 개별적인 ESN들의 해시 값들의 범위에 의해 정의되는 사용자들의 선택을 타깃하기 위해 이루어질 수 있다.
프로세스는 고유의 ID가 모바일 클라이언트/W-AT로 제공되는 단계(2202)에서 시작한다. 다음으로, 단계(2204)에서, 일-방향 해싱 프로세스들이 임의의 범위의 수들 사이의 값을 생성하도록 수행될 수 있다. 제어는 단계(2210)로 계속된다.
단계(2210)에서, 매치가 단계(2204)의 해싱된 값 및 정의된 범위 사이에서 이루어지는지에 관한 결정이 이루어진다. 만약 매치가 이루어지면, 제어는 당면한 메시지가 승인되는 단계(2212)로 점프하고, 또는 만약 상기의 코크/펩시 예를 포함하는 것처럼 경쟁하는 광고들이 존재하면, 2개의 메시지들 중 첫 번째 것이 승인되고; 그렇지 않으면, 제어는 당면한 메시지가 거부되는 단계(2214)로 점프하고, 또는 만약 상기의 코크/펩시 예를 포함하는 것처럼 경쟁하는 광고들이 존재하면, 2개의 광고들 중 첫 번째 것이 두 번째 광고가 승인되는 동안 거부된다.
클라이언트의 해시 값이 시스템 동작자에 의해 규정된 샘플링 범위에 속하지 않는 경우, 메시지가 거부될 수 있고; 그렇지 않으면, 메시지 프로세싱이 다음의 게이팅 기준 또는 선택 국면으로 계속될 수 있음을 주목해라. 또한 동작자는 서로 배타적인 세트들 내에서 랜덤하게 타게팅함으로써 특정 광고/메시지 분배 갬패인에 대한 샘플링 사용자들로의 하이브리드 접근 방법을 선택할 수 있다. 일 예로서, 특정 광고 캠페인은 첫 번째 광고를 얻지 않은 가입자 베이스의 랜덤한 20%로 타게팅될 수 있다. 이는 서로 배타적인 세트를 제안하고 그리고나서 서로 배타적인 세트 내에서 랜덤하게 타게팅 하기 위해 일-방향 함수 기반 샘플링을 먼저 이용함으로써 달성될 수 있다.
계속하여, 도 23은 메시지 선택 프로세스(2300) 내의 예시적 데이터 플로우를 도시한다. 선택 프로세스의 목적이 게이팅 프로세스의 의해 모바일 클라이언트/W-AT로 포워딩되는 메시지들의 풀(pool)로부터 메시지들을 선택하고, 특별한 클라이언트 광고/메시지 캐시와 같은, 메모리에 선택된 메시지들을 저장하기 위한 것일 수 있다. 메시지 공간 경합의 경우, 선택 프로세스(2300)는 또한 캐시로부터 대체될 필요가 있는 이전에 캐시된-메시지들을 선택하도록 이용될 수 있다.
캐시 공간을 통해 경합이 존재하는 경우, 즉 모든 새로운 메시지들 및 이전에 캐싱된 메시지들을 수용하기 위한 캐시에 충분한 공간이 없는 경우, 메시지 선택이 플레이(play)될 수 있다. 메시지 선택은 멀티-스텝 프로세스일 수 있고, 캐시가 상이한 카테고리들(동적으로 또는 정적으로) 사이에서 분할될 수 있기 때문에, 경합 및 선택이 각각 메시지 카테고리에서 발생할 수 있다.
동작에서, 메시지 선택기(2310)는 시스템 동작자 또는 제 3 자(280)로부터 다수의 메시지 필터 룰들 뿐만 아니라, 게이팅 디바이스(220) 또는 게이팅 프로세스를 수행하는 다른 장비로부터 새로운 메시지들을 수신할 수 있다. 메시지 선택기(2310)는 그리고나서 각각의 새로운 메시지가, 새로운 메시지가 나이 또는 성별에 적절한지 여부와 같은, 몇몇 기초적인 기준을 패스할지 여부를 결정하기 위해 각각의 새로운 메시지로 다양한 필터 룰들을 적용할 수 있다. 특정 메시지가 필터 룰들에 따르지 않아야 하고, 그것은 거부된 새로운 메시지 및 폐기된 것으로 카테고리화될 수 있다.
필터 룰들을 통해 폐기되지 않은 메시지들은 매치 표시자 계산기(2320)로 각각의 수신된 메시지에 대한 "타겟 사용자 프로파일"을 도출하기 위해 메시지 선택기(2310)에 의해 추가적으로 프로세싱될 수 있고, 이는 사용자 프로파일 생성 에이전트(210) 또는 사용자에 관한 정보를 저장하는 몇몇 다른 디바이스에 의해 제공되는 사용자 프로파일과 타깃 사용자 프로파일(들)을 비교할 수 있다. 차례로, 매치 표시자 계산기(2320)는 사용자 또는 모바일 클라이언트/W-AT와 연관된 각각의 타깃 사용자 프로파일 및 사용자 프로파일 사이의 매치를 수행할 수 있고, 특정 인입하는/새로운 메시지가 사용자 프로파일에 얼마나 잘 부합하는지를 정량화(quantize)하는 메시지 선택기(2310)로 매치 표시 "점수(score)"를 제공할 수 있다.
만약 매치 표시 "점수"가 충분히 잘 랭크(rank)하면, 개별적인 메시지는 추가적으로 고려될 수 있고; 그렇지 않으면 그것은 거부된 새로운 메시지가 될 수 있다.
메시지 선택기(2310)에 의해 추가적으로 프로세싱되는 메시지들은 메시지 값 계산기(2330)로 메시지 크기, 지속 기간, 메모리 및 디스플레이 요구 사항들 등과 같은 다른 메시지 값 속성들과 함께, 매치 표시 "점수"를 제공할 수 있고, 이는 차례로 메시지 선택기(2310)로 다시 보낼 이러한 메시지들에 대한 "메시지 값"을 제공할 수 있다.
계속하여, 메시지 선택기(2310)는 캐시(또는 관련된 부분)에 캐시 히트/미스 정보 및 각각의 메시지에 대한 메시지 값과 함께, 이용가능한 캐시(또는 특정 메시지 카테고리로 전용된 캐시의 부분)의 상태에 관해 캐시 관리자(122)로부터 정보를 수신할 수 있다. 특정 메시지에 대한 히트/미스 정보에 의존하여, 주어진 메시지에 대한 메시지 값이 선택적으로 조절될 수 있다.
그리고나서 메시지 선택기(2310)는 새롭게 수신된 메시지가 상대적인 메시지 값들에 기반하여 캐시에 있는 하나 이상의 존재하는 메시지들을 대체하기 위한 것인지 여부를 결정할 수 있고, 임의의 새롭게 선택된 메시지들은 그리고나서 개별적인 메시지 ID들 및 개별적인 메시지 값들과 함께 캐시 관리자(122)로 전송될 수 있고, 임의의 대체된 메시지들은 추가적인 사용을 위해 폐기/거부될 수 있다.
도 24A 및 24B는 W-AT와 같은, 모바일 디바이스에서 수신된 하나 이상의 새로운 메시지들에 대한 메시지 선택 프로세스를 약술하는 플로우 차트이다. 예시적인 프로세스 플로우 차트는, 어떤 새로운 메시지들이 캐시에 추가되는지 그리고 어떤 이전에 캐싱된 메시지가 대체/폐기되는지를 결정하기 위해 메시지 선택 동안 발생하는 동작들의 상위 레벨 플로우를 도시한다.
프로세스는, 첫 번째 새로운 메시지에 대한 메시지의 크기가 특정 캐시 메모리에 대한 그리고 (선택적으로) 특정 메시지 카테고리, 예를 들어, 영화 예고편(trailer)들, 야구 하이라이트들, 일기 예보들 및 의류 판매에 대한 몇몇 최대 메시지 크기와 같은지 또는 적은지 여부에 관한 결정이 이루어지는 단계(2400)에서 시작한다. 만약 새로운 메시지 사이즈가 단계(2400)의 캐시 메모리 요구 사항들에 부합하면, 제어는 단계(2402)로 점프하고; 그렇지 않으면 제어는 단계(2408)로 계속된다.
단계(2402)에서, 새로운 메시지가 캐시 메모리에 위치한다. 다음으로, 단계(2404)에서, 새로운 메시지에 대한 메시지 값이 계산되고, 그리고 캐시에 있는 다양한 메시지들에 대한 "우선 순위 큐" ― 그리고 캐시의 메시지 카테고리에 대해 선택적으로 ― 가 새로운 메시지의 메시지 값을 이용하여 업데이트된다. 그리고나서, 단계(2406)에서, 이용가능한 캐시 사이즈가 새로운 메시지에 기반하여 (다시 특정 메시지 카테고리에 대해 선택적인 업데이트와 함께) 업데이트된다. 이러한 메시지 값들이 캐시 내에 각각의 카테고리에 대한 우선 순위 큐를 유지하기 위해 사용될 수 있음을 주목해라. 주기적으로(미리-정의된 스케줄로), 엔진이 캐시에 있는 다양한 메시지 값들을 재계산할 수 있고, 새로운 값들에 기반하여 우선 순위 큐들을 재-조절할 수 있다. 큐에 있는 값들은 현재의 값들이 될 양호한 근사치이기 때문에, 값 기반 우선 순위 큐들에 대한 이러한 주기적 업데이트들은 새로운 메시지들이 캐시 대체 후보들로서 고려되는 경우에 더 적은 시간이 소비되는 것을 초래할 수 있다. 프로세스는 그리고나서 단계(2430)로 계속된다(아래서 논의됨).
단계(2408)에서, 새로운 메시지에 대한 새로운 값이 계산된다. 다음으로, 단계(2410)에서, 새로운 메시지가 디폴트 메시지가 될 것인지 여부에 관한 결정이 이루어진다. 만약 새로운 메시지가 디폴트 메시지가 된다면, 제어는 단계(2412)로 점프하고, 그렇지 않으면 제어는 단계(2420)로 계속된다.
단계(2412)에서, 새로운 메시지에 대한 값이 캐시에 이미 존재하는 동일한 타입의 디폴트 메시지의 값보다 큰지 여부에 관한 결정이 이루어진다. 디폴트 메시지들로서 마킹되고 하나 이상의 이미 저장된 메시지들보다 큰 값을 가지는 새로운 메시지들은 우선권을 부여받을 수 있다. 추가적인 크기(만약 그들이 대체될 메시지(들)보다 크기가 큰 경우 ―), 이러한 메시지들은 캐시에 수용될 수 있기 때문에, 만약 새로운 메시지(들)가 이러한 카테고리의 이전의 디폴트 메시지들이 계산될 수 없는 새로운 메시지 타입으로 제공된다. 새로운 메시지들보다 낮은 값인 오래된 디폴트 메시지들은 대체를 위해 마킹될 수 있다. 각각의 메시지 타입은 디폴트 후보들의 고정된 수(일반적으로 1)를 가질 수 있다. 만약 새로운 메시지 값이 더 크면, 제어는 단계(2414)로 점프하고; 그렇지 않으면, 제어는 단계(2422)로 계속된다.
단계(2414)에서, 모든 디폴트 메시지들에 대한 전체 크기가 업데이트되고, 단계(2424)에서, 새로운 메시지가 캐시에 부가하기 위해 마킹되고, 대체될 존재하는 캐싱된 메시지(들)가 삭제를 위해 마킹된다. 어떻게 캐시가 메시지들의 다양한 카테고리들로 분할되거나 할당되는지에 기반하여, 새로운 공간 할당들이 각각의 카테고리에 대해 계산될 수 있다. 제어는 단계(2430)로 계속된다.
단계(2422)에서, 새로운 메시지가 삭제를 위해 마킹되고, 제어가 단계(2430)로 계속된다.
단계(2420)에서, 각각의 새로운 비-디폴트 메시지에 대한 새로운 메시지 값이 다양한 메시지 카테고리들에 대한 개별적인 우선 순위 큐로 부가될 수 있고, 제어는 단계(2430)로 계속된다.
단계(2430)에서, 고려될 임의의 더 많은 메시지 후보들이 존재하는지 여부에 관한 결정이 이루어진다. 만약 더 많은 메시지 후보들이 이용가능하면, 제어는 다음의 메시지가 고려를 위해 선택되는 단계(2440)로 다시 점프하고, 그리고나서 다음의 메시지가 프로세싱을 위해 이용가능한 단계(2400)로 다시 돌아가며; 그렇지 않으면 제어는 단계(2450)로 계속된다.
단계(2450)에서, 모든 새로운 비-디폴트 메시지들에 대한 이용가능한 크기가 전체 캐시 크기 및 디폴트 메시지들에 의해 채워지는 메모리의 양 사이의 차에 기반하여 결정될 수 있다. 다음으로, 단계(2452)에서, 메시지들의 각각의 카테고리에 대한 이용가능한 메모리가 몇몇 "카테고리 비율," 파라미터 등식에 기반하거나, 몇몇 다른 세트의 룰들 및/또는 등식들에 의해 계산될 수 있다. 제어는 단계(2454)로 계속된다.
단계(2454)에서, 가장 낮은 연관된 값을 가지는 다양한 메시지들은 메시지들의 각각의 개별적인 카테고리에 대한 이용가능한 메모리와 부합시키기 위해 각각의 메시지 카테고리에 대하여 삭제를 위해 마킹될 수 있다. 다음으로, 단계(2456)에서, 이러한 삭제를 위해 마킹된 메시지들은 캐시로부터 제거될 수 있고, 그들의 개별적인 값 엔트리들은 또한 개별적인 우선 순위 큐로부터 제거될 수 있다. 그리고나서, 단계(2458)에서, 삭제를 위해 마킹된 새로운 메시지들이 요청될 수 있고, 그들의 개별적인 값 엔트리들은 개별적인 우선 순위 큐로부터 제거될 수 있다. 제어는 단계(2460)로 계속된다.
단계(2460)에서, 삭제를 위해 마킹되지 않은 새로운 메시지들은 캐시에 추가될 수 있고, 그들의 개별적인 값 엔트리들은 우선 순위 큐에 보유될 수 있다. 제어는 프로세스가 멈추는 단계(2470)로 계속된다.
메시지 값들 및 메시지 값 속성들을 결정하는 것에 관하여, 다음이 고려될 수 있다:
메시지 값 속성들: 메시지의 타입에 기반하여, 메시지에 대한 값을 계산하는 것은 다수의 속성들을 고려할 수 있다. 다수의 이러한 속성들이 메시지-인에이블된 통신 시스템을 통해 메시지 전달 방식, 예를 들어, 광고 캠페인을 통해 집중화된 제어를 유지하기 위해 서버에 의해 정의될 수 있고, 메시지 값 계산에 속하는 속성들 중 일부가 어떻게 개별적인 사용자가 메시지와 상호작용하는지에 기반하여 모바일 클라이언트/W-AT에 대하여 결정될 수 있다.
서버 기반 값 속성들:
수입 표시자( RI ): 메시지/광고의 서빙/클릭 당 획득된 수입을 표시하는 1 내지 N(예를 들어, 100)의 범위에 있는 값. 더 높은 값들이 더 높은 수입을 표시한다.
우선순위 표시자( PI ): 모바일 메시지 전달 시스템을 통해, 성능의 몇몇 측정치, 예를 들어 광고주의 광고 캠페인의 효율에 기반하여 메시지에 대해 시스템 동작자가 스케줄링한 우선순위 레벨을 표시하는 1 내지 M(예를 들어, 10) 범위에 있는 값. 이 수는 주어진 메시지 전달 캠페인의 우선순위를 증가시키기 위해 동작자에 의해 증가될 수 있다.
메시지 전달 캠페인의 시작 및 종료 시간( T START 및 T END ): 메시지 전달 캠페인 관찰 시작 시간 및 메시지 캠페인 관찰 종료 시간에 대한 UTC 시간. 메시지 캠페인 관찰 종료 시간 이후에, 메시지는 만료할 수 있고 모바일 메시지 전달 시스템 내에서 더 이상 보이지 않을 수 있다. 또한 메시지는 이 시간에서 개별적인 캐시로부터 제거될 수 있다.
전체 시스템 클릭- 스루 레이트 ( CTR ): 이는 모바일 메시지 전달 시스템 내에서 메시지를 서빙했던 타깃 사용자 프로파일과 함께 모든 클라이언트들을 통해 메시지 캠페인의 전체 클릭 스루 레이트를 표시하기 위해 서버에 의해 포함되는 선택적인 속성이다. CTR은 사용자-동작 또는 클릭 기반 메시지들/광고들만을 위해 적용가능할 수 있다. CTR은 또한 CTR의 정확도를 표시하는 자신과 연관된 신뢰 레벨(CTRCONFIDENCE)을 가질 수 있다. 만약 CTRCONFIDENCE가 특정 임계치 미만이면, 1 내지 P(예를 들어, 100) 범위에 있는 랜덤 CTR은 개별적인 값 계산에서 선택적으로 사용되도록 생성될 수 있다. 이는 시스템이 어떻게 특정한 새로운 메시지/광고 캠페인이 가입자 세그먼트와 함께 수행할지를 테스트하도록 허용할 수 있다.
타깃 메시지 서브 카운트( MAX SERVE ): 이는 동일한 메시지가 동일한 사용자에게 보여질 수 있는 최대 회수들을 정의하는 속성이다.
타깃 사용자 동작 카운트( MAX USERACTION ): 이는 서빙된 메시지에 대하여 사용자가 동작하는 최대 회수들을 정의하는 속성이고, 이 이후에 메시지가 개별적인 캐시로부터 만료될 수 있다. 다양한 실시예들에서, 이 속성은 사용자-동작 또는 클릭-기반 메시지들/광고들만을 위해 적용가능할 수 있다.
하루 당 최대 메시지 서브 카운트( DAILYMAX SERVE ): 이는 하루에 동일한 메시지가 동일한 사용자에게 보여질 수 있는 최대 회수들을 정의하는 속성이다.
하루 당 최대 사용자 동작 카운트( DAILYMAX USER _ ACTION ): 이는 사용자가 서빙된 메시지에 대하여 동작하는 최대 회수들을 정의하는 속성이고, 이 이후에 메시지가 그 날에 대하여 사용자에게 서빙되지 않는다. 다양한 실시예들에서, 이 속성은 사용자-동작 또는 클릭-기반 메시지들/광고들만을 위해 적용가능할 수 있다.
클라이언트 기반 값 속성들:
축적 메시지 서빙된 카운트( CUM SERVE ): 존재하는 메시지가 이미 특정 사용자에게 서빙된 회수들.
축적 사용자 동작 카운트( CUM USER _ ACTION ): 존재하는 메시지가 사용자 동작을 인보크(invoke)한 회수들. 축적 메시지 서빙된 카운트와 함께, 축적 사용자 동작 카운트는 메시지에 대한 로컬 클라이언트 클릭-스루 레이트(LCTR)를 계산하기 위해 사용될 수 있다. 다양한 실시예들에서, 이 속성은 사용자-동작 또는 클릭-기반 메시지들/광고들만을 위해 적용가능할 수 있다.
하루 당 축적 메시지 서빙된 카운트( DAILYCUM SERVE ): 존재하는 메시지가 이미 주어진 날에 사용자로 서빙된 회수들. 이 값은 각각의 24시간 기간의 시작마다 0으로 리셋될 수 있다.
하루 당 축적 사용자 동작 카운트( DAILYCUM USER _ ACTION ): 존재하는 메시지가 주어진 날에 사용자 동작을 인보크한 회수들. 이 값은 각각의 24시간 기간의 시작마다 0으로 리셋될 수 있다. 다양한 실시예들에서, 이 속성은 사용자-동작 또는 클릭-기반 광고들만을 위해 적용가능할 수 있다.
사용자 프로파일 매치 표시자( MI ): 이수는, 일반적으로 1 내지 100이고, 모바일 메시지 분배 인에이블된 클라이언트의 사용자의 사용자 프로파일과 타깃 사용자 프로파일이 얼마나 잘 매치하는지를 표시할 수 있다.
캐시 미스 상태 매치 표시자( FLAG CACHE _ MISS _ MI ): 애플리케이션들이 캐시 관리자로부터 메시지들을 요청하나, 캐시에 있는 메시지들 중 어떠한 것도 애플리케이션 게이팅 기준과 매치하지 않는 경우들이 존재할 수 있다. 이러한 경우들은 캐시 관리자에 의해 기록될 수 있다. 이 속성은 새로운 메시지가 가장 최근의 기록된 캐시 미스들과 매치하는지 여부를 결정한다. 만약 그것이 최근 캐시 미스들 중 하나와 매치하면 논리 "1"이고, 그렇지 않으면 논리 "0"이다. 캐시로부터의 애플리케이션에 의해 액세스되면 플래그가 리셋될 수 있다. 만약 새로운 메시지가 캐시 엔트리에 대해 선택되면, 캐시 미스 엔트리는 기록된 캐시 미스들의 리스트로부터 제거될 수 있다.
플레이백 확률 표시자( PPI ): 이 수는, 0 내지 P(예를 들어, 100) 사이이고, 특정 메시지 타입, 디바이스 사용자에 의한 애플리케이션의 상대적인 사용량을 플레이 백할 수 있는 필터링 에이전트와 함께 가입된 넘버(number) 애플리케이션들에 기반하여, 메시지의 플레이백 확률을 표시할 수 있다.
값 속성들 중 몇몇이 오직 특정 종류의 메시지들에 대해 적용가능하기 때문에, 값 계산은 메시지들의 상이한 카테고리들에 대하 상이할 수 있다. 개별적인 우선 순위 큐는 특정 카테고리에 대한 공식을 사용하여 계산되는 값들에 기반하여 각각의 카테고리에 대해 유지될 수 있다.
메시지 값 계산 공식들: 시스템 동작자로부터의 필터 룰들은 각각의 카테고리에 대한 값 계산 공식 및 계산에 들어가는 임의의 가중치들을 결정할 수 있다. 각각의 카테고리에서 메시지 값(V)을 계산하기 위해 사용되는 공식의 예시적인 총칭적 표현은: V = (∏a=1 to m MULT_ATTRa * (∑b=1 to n ADD_ATTRb/MAX_ADD_ATTRb * WTb))
/(∑b=1 to n WTb * SizeAD) 다음의 정규화된 메시지 값과 함께: 정규화된 V = ∑i=k to NV * (MAXSERVEi - CUMSERVEi) * f (τ) 여기서 MULT_ATTRa는 a번째 곱셈 값 속성이고, ADD_ATTRb는 b번째 부가 값 속성이며, MAX_ADD_ATTRb는 b번째 부가 값 속성에 대한 최대 값이고, WTb는 공식에서 b번째 부가 속성에 할당된 가중치이며, τ= tELAPSEDi / TINTERVALi, 및 f (τ)은 시간-기반 값 붕괴 함수이며, TINTERVALi는 메시지가 보여질 동안의 i번째 인터벌 지속 기간이며, tELAPSEDi는 i번째 인터벌에서 이미 경과한 시간이며, MAXSERVEi는 i번째 인터벌 내에서 동일한 메시지가 동일한 사용자에게 보여질 수 있는 최대 회수들이고, 그리고 CUMSERVEi는 i번째 인터벌 내에서 존재하는 메시지가 이미 사용자에게 서빙된 최대의 회수이다.
다음은 상이한 카테고리들에 대한 값 계산 공식들의 몇몇 예들이다.
임프레션 기반 타깃된 메시지들에 대한 값 계산: VAL = (PI/10 * [(RI/100 * WTRI) + (MI/100 * WTMI) +
(FLAGCACHE _ MISS _ MI * WTCACHE _ MISS _ MI) + (PPI/100 * WTPPI)]) /
((WTRI + WTMI + WTCACHE _ MISS _ MI + WTPPI) * SizeMSG)
임프레션 기반 비-타깃된 메시지들에 대한 값 계산:
VAL = (PI/10 * [(RI/100 * WTRI) + (FLAGCACHE _ MISS _ MI * WTCACHE _ MISS _ MI) + (PPI/100 * WTPPI)]) / ((WTRI + WTCACHE _ MISS _ MI + WTPPI) * SizeAD)
사용자-동작 기반 타깃된 메시지들에 대한 값 계산:
VAL = (PI/10 * [(RI/100 * WTRI) + (MI/100 * WTMI) + (FLAGCACHE _ MISS _ MI * WTCACHE_MISS_MI) + (PPI/100 * WTPPI) + (CTR * WTCTR) + (LCTR * WTLCTR)]) /
((WTRI + WTMI + WTCACHE _ MISS _ MI + WTCTR + WTLCTR + WTPPI) * SizeMSG)
사용자-동작 기반 비-타깃된 메시지들에 대한 값 계산:
VAL = (PI/10 * [(RI/100 * WTRI) + (FLAGCACHE _ MISS _ MI * WTCACHE _ MISS _ MI) +
(PPI/100 * WTPPI) + (CTR * WTCTR) + (LCTR * WTLCTR)]) /
(WTRI + WTCACHE _ MISS _ MI + WTCTR + WTLCTR + WTPPI) * SizeMSG)
여기서 RI는 1 내지 100 범위의 수입 표시자 값이고, PI는 1 내지 10 범위의 우선 순위 표시자 값이며, CTR은 주어진 사용자 프로파일에 대한 시스템 내의 메시지에 대한 클릭-스루 레이트이고, LCTR은 특정 클라이언트에 대한 메시지에 대한 클릭-스루 레이트이며, MI는 1 내지 100 범위의 타깃 사용자 프로파일 및 사용자의 프로파일 사이의 매치 표시자이며, FLAGCACHE _ MISS _ MI는 0 또는 1 값을 가진 메시지 타입 및 캐시 미스 상태 사이의 매치 표시자이고, PPI는 1 내지 100 범위의 메시지 플레이백 확률 표시자이며, WTRI는 계산에서 수입 표시자에 대한 가중치이고, WTMI는 계산에서 매치 표시자에 대한 가중치이고, WTCACHE_MISS_MI는 계산에서 캐시 미스 상태 매치 플래그에 대한 가중치이고, WTCTR는 계산에서 사용자 프로파일 특정 시스템 클릭-스루 레이트이고, WTLCTR는 계산에서 메시지에 대한 클라이언트 특정 클릭-스루 레이트이며, 그리고 WTPPI는 값 계산에서 메시지 플레이백 확률 표시자에 대한 가중치이다.
f (τ)에 대한 예들:
선형 붕괴: f (τ) = (1 - τ)* u(1 - τ)
선형 붕괴에 의해 바운딩되는 더 빠른 지수( exponential ) 붕괴: f (τ) = (1 - τ)e-λτ* u(1 - τ), λ = 0인 경우 선형 붕괴가 발생하고, τ = 0이면, f (τ)= 1; 이고 τ = 1이면, f (τ)= 0 이다.
선형 붕괴에 의해 바운딩되는 더 느린 S자형( sigmoid ) 붕괴: f (τ) = (1 - τ) [(1+
Figure 112010037986053-pct00001
)/(1+
Figure 112010037986053-pct00002
eλτ)] * u (1 - τ) , λ = 0인 경우 선형 붕괴가 발생하고, τ = 0이면, f (τ)= 1; 이고 τ = 1이면, f (τ)= 0 이고, x > 0 이면, u(x) = 1이고, x<=0이면 u(x) = 0이다. 또한, λ 및
Figure 112010037986053-pct00003
는 시간에 기반하여 시스템 동작자에 의해 규정된 값 붕괴 레이트 상수들이다.
메시지 매치 표시자 계산: 위에서 간략하게 언급한 것처럼, 사용자 프로파일 매치 표시자(MI)는 수(number)일 수 있고, 반드시 0 내지 100 사이일 필요는 없고, 이는 타깃 사용자 프로파일이 모바일 메시지 전달 인에이블된 클라이언트 및 그의 광고 메시지/광고 관찰 히스토리 또는 그의 메시지/광고 선호도(들)의 몇몇 메트릭의 사용의 사용자 프로파일과 얼마나 잘 매치하는지를 표시한다. MI가 스칼라 수량으로서 설명되어도, 디자인 선호도에 따라 예를 들어, 다항 함수 또는 벡터들을 이용하여, 하나 이상의 대체적인 "가중치" 방식들이 고안될 수 있음을 인식해야 한다. 따라서, 다른 값들(스칼라 또는 비-스칼라, 단일 값 또는 멀티-값, 예를 들어)이 본 발명의 사상 및 범위를 벗어나지 않고 할당될 수 있다.
예시적인 목적들을 위해, 주어질 수 있는 가장 간단한 범위들 중 하나이기 때문에, 0 내지 100 사이의 크기량을 이용하여 광고 매치 표시 계산의 몇몇 구현들이 설명된다. 다른 범위들이 필요하다면 사용될 수 있다. 하나의 이러한 구현은 광고주에 의해 규정된 독립적 타깃 룰 그룹들의 각각에 대한 신뢰 레벨 값들을 생성하기 위해 사용될 수 있는 퍼지 로직을 이용한다. 이러한 신뢰 레벨들로부터, 이러한 신뢰 레벨들의 가중된 총합은 사용자의 프로파일로 광고에 대한 매치 표시자 값에 도달하기 위해 사용될 수 있다. 다음은, 비-제한적인 등식이고, 퍼지 로직의 하나의 타입의 일 예로서 사용될 수 있다, MI = (∑b=1 to n CONF_LEVELb * WTb) / (∑b=1 to n WTb) 여기서 사용자의 프로파일(MI)로의 메시지에 대한 전체 매치 표시자는 속성 값(b)에 해당하는 신뢰 레벨들(CONF_LEVEL) 및 가중치(WT)의 곱의 총합을 b번째 추가 속성에 해당하는 가중치(WT)의 총합으로 나눈 값과 관련된다.
신뢰 레벨 계산의 일 예로서, 그의 광고(들)를 여성들에게 타깃하고자 하는 광고자를 가정하면, 이 타깃된 여성들은 15-24세의 연령 범위이고 소득은 40K보다 크거나, 25-34세의 연령 범위이고 소득은 70K보다 크다. 관심의 사용자 프로파일 엘리먼트들의 값들을 알고 연관된 신뢰 레벨들을 가정하는 것은:
사용자 프로파일 엘리먼트 값 신뢰도
여성 50%
연령 : 15-24 40%
연령 : 25-34 35%
소득: > 40K 65%
소득: > 70K 45%
룰 그룹들에 대한 신뢰 레벨은: 여성 60%
소득 40K 초과 그리고 연령 15-24세 또는 소득 70K 초과 그리고 연령 25-34세인 혼합된 룰 그룹에 대해, 최대/최소 접근 방법이 사용될 수 있다. 예를 들어, 2개의 그루핑들(예를 들어, MAX(MIN(40, 65), MIN(35, 45)))의 최소의 최대 값을 취하면, 이는 이 그루핑에 대해 40%의 신뢰 레벨을 갖는다.
전체 룰 그룹들에 대한 전체 MI는 "여성" 신뢰 레벨 50% 및 혼합 신뢰 레벨 40%의 조합일 수 있고, 연관된 WTb에 의해 팩터(factor)되고 연관된 WTb의 총합에 의해 나눠진다. 위에서 언급한 것처럼, 퍼지 로직의 다른 형태들이 본 발명의 사상 및 범위를 벗어나지 않고 사용될 수 있다.
사용자 프로파일 매치 표시자 값을 결정하는 것에 대한 하나의 접근 방법을 설명하고, 통계적 평균, 곡선 피팅(curve fitting), 회귀 분석 등과 같은 다른 접근 방법들이 광고의 타깃 프로파일 및 사용자의 프로파일 사이에서 매치의 추론된 표시에 도착하기 위해 사용될 수 있다. 상기 접근 방법들이 주된 스칼라 접근 방법들인 것으로 이해되더라도, 벡터 표현들(예를 들어, 내-적(dot-product)), 인공 뉴럴(neural) 넷 토폴로지들 등을 사용하는 비-스칼라 접근 방법들이 사용될 수 있다.
예를 들어, 개별적인 룰 그룹에 대한 각각의 속성을 가지는 신뢰 레벨들은 n-디멘존 벡터에 의해 표현될 수 있다. 만약 필요하다면(예를 들어, 만약 상이한 개별적인 룰 그룹들이 개별적으로 벡터화되면), 전체적인 교차 또는 광고 룰 그룹 신뢰의 프로젝션(projection)을 초래하기 위해, n-디멘존 벡터는 다른 m-디멘존 개별적인 그룹들과 내적될 수 있다. 이 값은 그리고나서 매치 표시 신뢰 레벨을 생성하기 위해 사용자의 프로파일의 수학적 표현을 이용하여 스칼라 조작되거나 "내적"될 수 있다(프로젝션 공간에 의존하여).
버블(bubble) 또는 계층적 접근 방법과 같은 다른 매치-타입 알고리즘들이 사용될 수 있다. 물론, 만약 광고 매치의 더욱 정밀하고 그리고/또는 효율적인 결정에 도달하는 것이 요구된다면, 다양한 형태들의 이러한 그리고 다른 접근 방법들이 사용될 수 있음을 이해해야 한다. 수학 알고리즘들이 만약 요구된다면 모바일 메시지 전달 시스템 상에 또는 모바일 메시지 전달 인에이블된 클라이언트 상에 상주할 수 있다. 추가적으로, 선택된 구성 및 리소스들에 의존하여, 이러한 알고리즘들의 부분들이 메시지 전달 시스템 또는 메시지 전달 인에이블된 클라이언트 사이에서 파싱(parse)될 수 있다.
도 25는 본 발명의 실시예에 따른 예시적인 사용자 프로파일 매치 표시자(MI) 프로세스(2500)를 도시하는 플로우 차트이다. 예시적인 프로세스(2500)는 위에서 논의된 하나 이상의 알고리즘들/방식들을 이용한다. 예시적인 프로세스(2500)는 단계(2510)에서 개시되며, 메시지 타깃 파라미터들, 예를 들어, 광고주의 광고 타깃 파라미터들이 컴파일되거나 특성화되는 단계(2520)로 계속된다.
다음으로, 단계(2530)에서, 예시적인 프로세스가 타깃 파라미터들의 메트릭 또는 수학적 표현을 생성하는 것으로 진행할 수 있다. 다양한 실시예들에서, 이 단계는 0 내지 100 사이의 범위를 가지는 스칼라 값과 같은, 관리가능한 수로 파라미터 특성들의 변환을 단순히 수반한다. 물론, 디자인 선호도에 의존하여, 임의의 범위, 양 및/또는 음의 수가 사용될 수 있다. 단계(2530)는 광고의 타깃 파라미터들이 수학적 표현 또는 값에 의해 표현되도록 인에이블 할 수 있다. 예를 들어, 만약 광고주가 모든 여성들을 타깃하기를 원하고, 여성-대-남성 가입자 비율에 비밀이 아니라면, 그의 요청은 제공자의 가입자 인구 붕괴(breakdown)에 따라 변환될 것이다. 즉, 제공자의 가입자 인구에서 1:1의 여성-대-남성 비율을 가정하면, 이는 50% 또는 0.5일 것이다. 대체적으로, 만약 특정 제공자에 대한 개별적인 가입자 성별 비가 1:2라면, 이는 약 33.3%의 가입자 인구 또는 약 0.333의 값으로 해석될 것이다.
벡터 또는 파라미터화된 표현으로의 변환과 같은 다른 조작들이 타깃 파라미터들에 대해 수행될 수 있음을 이해해야 한다. 또한, 타깃 파라미터들이 제공되는 최초의 포맷에 의존하여, 단계(2530)는 단순히 약간의 조작 또는 조작 없이 다음 단계로 파라미터들을 포워딩하는 것으로 구성될 수 있다. 즉, 타깃 파라미터들은 이미 후속하는 단계들에 의해 프로세싱하기 위한 부합한 형태에 있을 수 있고 어떤 변환도 필요로 하지 않을 수 있다. 제어는 단계(2540)로 계속된다.
단계(2540)에서, 선택적인 컨디셔닝 또는 포뮬레이트(formulated)된 수학 표현 또는 메트릭의 변환이 발생할 수 있다. 예를 들어, 메시지의 타깃 파라미터들 및 메시지의 타깃 파라미터들로 할당된 정의 공간의 복잡성에 의존하여, 추가적인 프로세싱 및 조작이 수행되도록 요구될 수 있다. 예를 들어, 상이한 광고 타깃 파라미터들 사이의 상호연관이 수행될 수 있다. 예를 들어, 만약 광고주가 특정 영역 코드 내의 18-24세의 연령 범위를 가지는, 새로운 가입자들인, 여성 타깃 프로파일을 요구하면, 전체 광고 타깃 파라미터 세트의 더 단순하거나 더 효율적인 표현을 제공하기 위해, 신뢰 레벨들 또는 다른 타입들의 수학적 추론들이 이루어진다. 다른 형태들의 상호연관 또는 조작이 적절하게 고려되기 때문에 사용될 수 있음을 인식해야 한다. 추가적으로, 모바일 클라이언트의 프로세싱 성능들 및/또는 다른 실용적 고려들에 기반하여, 메트릭을 정제하거나 더욱 효율적이거나 더욱 효율적인 매칭(matching)을 위한 메트릭의 복잡성을 감소시키는 것이 요구될 수 있다. 제어는 단계(2540)로 계속된다.
단계(2550)에서, 메시지 매치 알고리즘은 메트릭 또는 사용자 프로파일로의 메시지 타깃 프로파일에 대한 피트(fit)의 적절성을 결정하도록 수행될 수 있다. 이 프로세스는 여기서 설명된 또는 당해 기술 분야에서 알려진 몇몇 가능한 매칭 알고리즘들 중 임의의 하나의 알고리즘을 사용할 수 있음이 명백하다. 비-제한적인 예들은 퍼지 로직, 통계 방법들, 뉴럴 네트들, 버블, 계층 등이다. 다음으로, 단계(2560)에서, 사용자의 프로파일로의 메시지의 적절성의 레벨을 표시하는 전체적인 사용자 매치 표시 값, 전체적인 신뢰 레벨 또는 다른 메트릭이 생성될 수 있다. 예를 들어, 단순히 스칼라 수 또는 "예" 또는 "아니오" 값일 수 있는 사용자 매치 프로파일 표시가 결정되면, 제어는 프로세스가 종료하는 단계(2570)로 계속된다.
상기 예시적인 프로세스(2500)에 기반하여, 타깃 인구에 대해 지정된 광고들 및 다른 메시지들은 사용자의 프로파일에 대한 메시지/광고의 적절성을 결정하기 위해 사용자의 프로파일과 매치될 수 있다. 따라서, 만약 노거나 수용가능한 매치 표시가 주어지면, 메시지/광고는 사용자가 메시지의 호의적으로 응답할 것이라는 기대로 또는 사용자와 함께 이루어진 배열들로서 사용자로 포워딩될 수 있다. 따라서, 사용자에게 "조작된(tailored)" 광고들/메시지들은 사용자에게 효율적으로 배분(disseminate)될 수 있다.
도 26은 본 발명의 실시예에 따른, 예시적인 사용자 프로파일 매치 표시자(2600)를 도시하는 블록 다이어그램이다. 예시적인 사용자 프로파일 표시자(2600)는 타깃 프로파일 생성기(2610), 광고 서버(2620), 사용자 프로파일 생성기(2630), 프로파일-대-프로파일 비교기(2640), 및 저장 시스템(2660)을 포함한다.
동작에서, 비교기(2640)는 사용자 시스템(미도시)에 하우징될 수 있고, 사용자 프로파일 생성기(2630)에 의해 포워딩되는 정보에 대하여 타깃 프로파일 생성기(2610)에 의해 포워딩되는 정보를 비교할 수 있다. 타깃 프로파일 생성기(2610)는 광고 서버(2620)에 의해 제공되는 광고들과 관련된 속성들을 포워딩할 수 있고, 여기서 정보/속성들은 사용자 프로파일 생성기(2630)에 의해 제공되는 것으로, 사용자의 프로파일의 정보/속성들에 비교될 수 있다. 비교기(2640)에 포함된 알고리즘들에 기반하여, 매치 표시는 사용자 프로파일로 타깃 프로파일의 적절성의 레벨 또는 신뢰 레벨을 지시하도록 포뮬레이팅될 수 있다. 매치 표시에 기반하여, 타깃 프로파일의 속성들과 부합하는 광고 서버로부터의 광고들 및/또는 정보는 저장 시스템(2660)으로 포워딩될 수 있다. 저장 시스템(2660)은 사용자 시스템에 상주할 수 있다. 따라서, "조작된" 광고들 및/또는 정보가 사용자의 프로파일의 프라이버시를 손상시키지 않고 사용자로 포워딩될 수 있다.
과거 관찰 히스토리에 기반한 키워드 상호연관: 위에서 설명된 매치 표시자 계산에서 잠재적인 입력들 중 하나는, 관찰된 이전의 메시지들, 즉 사용자의 "관찰 히스토리" 및 새로운 메시지들 사이에서 도출된 상호연관 값일 수 있다. 이러한 환경에서, 또는 메시지들은 디자인 선호도에 따라, 광고 세일즈 인터페이스에서 사전으로부터 키워드들과 연관될 수 있다. 도 27과 관련하여, 프로세스는 예시적인 생성 및 키워드 연관된 메시지 전달의 사용을 설명하는 것으로 설명된다.
프로세스는 단계(2710)에서 시작하며, 키워드들이 다양한 메시지들로 할당될 수 있는 단계(2720)로 계속된다. 예를 들어, 여자의 의류(apparel)로 지시된 광고는 "패션," "여성," "옷," 및 "소비"의 4개의 키워드들을 가질 수 있다. 키워드(들)는 광고들/메시지들의 유형과 널리 연관될 수 있거나 광고(들)/메시지(들)의 특정 종류들과 개별적으로 연결될 수 있다. 따라서, 요구되는 해상도(resolution) 또는 판별의 레벨에 의존하여, 하나 보다 많은 키워드가 특정 광고/메시지와 연관될 수 있고, 그 역도 마찬가지이다. 다양한 실시예들에서, 키워드들이 광고/메시지 사전 또는 인덱스로 한정될 수 있다.
계속하여, 이러한 키워드들은 특정 메시지 및 키워드의 의미 사이의 연관의 강도를 설명하는 것을 돕기 위해 가중치(예를 들어, 0 내지 1 사이의 수)를 부여받을 수 있다. 만약 키워드들이 연관되거나 특징이 부여된(impressed) 가중치를 가지지 않도록 결정되면, 그들의 가중치들은 1/n으로 가정될 수 있고, 여기서 n은 메시지와 연관된 키워드들의 전체 수이다. 이러한 방식으로, 몇몇에서 전체의 키워드 값들을 요구되는 범위로 정규화하기 위해, 전체(gross) 평균 가중치는 1/n 인자에 의해 적용될 수 있다.
할당된 가중치들은 어느 정도의 정규화를 제공할 수 있고, 특히 복수의 키워드들의 환경에서 (예를 들어, 1/n, 주어진 n개의 키워드들, 최대 값 1을 가지는 각각의 키워드), 또는 미리 결정된 임계치 또는 추정에 따라 키워드 또는 광고/메시지를 "값"을 매기기 위해 사용될 수 있다. 예를 들어, 몇몇 키워드들은 현재의 이벤트들 또는 몇몇 다른 인자에 의존하여 더 높거나 더 낮은 관련성을 가질 수 있다. 따라서, 강조 또는 비-강조가 적절한 것으로 여겨지는 것으로서 가중치를 매기는 것을 통해 이러한 특정 키워드들에 부과될 수 있다. 단계(2720)는 고정된 키워드 값 추정에 대한 키워드 연관의 부분으로서 키워드로 가중치를 할당하는 측정을 가진다고 가정된다. 그러나, 몇몇 예들에서, 가중치는 미리-할당되지 않았을 수 있거나 가중치 평가(valuation)는 결정되지 않는다. 이러한 예들에서, 임의의 값, 예를 들어 1의 가중치가 키워드로 할당될 수 있다. 이러한 키워드들이 모바일 클라이언트로 포워딩될 수 있다고 가정된다. 제어는 단계(2730)로 계속된다.
단계(2730)에서, 메시지들로의 사용자 응답이 모니터링될 수 있다. 동작에서, 사용자들이 메시지들 상의 "클릭"을 선택하면, 메시지들이 사용자들에게 보여질 수 있다. 이러한 기술에서, 용어 "클릭"은 임의의 형태의 메시지의 제공에 대한 사용자의 응답 또는 동작 메시지 시퀀스의 부분으로서 의미하는 것으로 가정될 수 있다. 몇몇 사용자 실시예들에서, 응답의 결여(lack)는 단정적인 비-클릭 또는 클릭-어웨이(click-away) 응답으로서 해석될 수 있고, 비-선택과 몇몇 환경들에서 유사하다. 따라서, 다양한 광고들/메시지들에 대한 모바일 클라이언트 사용자의 응답이 히스토리컬하게(historically) 측정될 수 있다.
일반적인 인구 또는 심지어 광고들/메시지들의 타깃된 인구사용자의 "클릭" 응답을 모니터링 함으로써, 사용자의 관심들의 최초 평가(assessment)가 획득될 수 있다.
다양한 실시예들에서, 주어진 광고/메시지 또는 일련의 광고들/메시지들에 대한 사용자의 응답 시간은 사용자의 관심을 측정하기 위해 사용될 수 있다. 예를 들어, 사용자는 몇몇 광고들/메시지들을 통해 클릭할 수 있고, 각각은 관련성 또는 키워드들의 상이한 정도를 가지며, 클릭 스루 또는 터널링(tunneling)의 레이트가 사용자 관심을 나타내도록 이해될 수 있다. 제어는 단계(2740)로 계속된다.
단계(2740)에서, 특정 광고/메시지의 사용자 선택(예를 들어, 클릭) 및 그것의 대응하는 키워드(들)의 비교가 적어도 "베이스라인(baseline)" 상호연관 메트릭을 설정하기 위해 수행될 수 있다. 다시, 키워드-연관 광고/메시지에서 사용자의 관심을 결정하는데 선택의 레이트가 사용될 수 있음을 주목해라. 이 비교에서, 다양한 키워드 및 사용자의 광고/메시지 선호도 사이의 상호연관이 제공될 수 있다. 이 상호연관은 예를 들어 통계 방법들, 퍼지 로직, 뉴럴 기술들, 벡터 매핑, 원리 컴포넌트들 분석 등과 같은, 몇몇 방법들 중 임의의 하나의 방법을 이용하여 수행될 수 있다. 단계(2740)로부터, 광고/메시지에 대한 사용자의 응답의 상호연관 메트릭이 생성될 수 있다.
다양한 예시적인 실시예들에서, 메시지 전달 시스템 및/또는 W-AT 상에 임베드된 "키워드 상호연관 엔진"은, 특정 메시지/광고가 특정 키워드(예를 들어, N_전체-키워드)를 이용하여 사용자에게 제공(또는 포워딩)될 수 있는 전체 회수들을, 그 키워드(예를 들어, N_클릭-키워드)에 대한 클릭들의 전체 회수와 함께, 트래킹(track)할 수 있다. N_클릭-키워드/N_전체 키워드의 비율은 사용자의 응답에 대하여 키워드의 상호연관을 결정하기 위해 계산될 수 있다. 메시지에 대한 키워드에 대한 가중치는, 만약 키워드가 주어진 메시지에 대해 연관된 가중치 없이 특정되면, 1인 것으로 가정될 수 있다. 위에서 설명된 것처럼 비율을 포뮬레이팅함으로써, 키워드 타깃된 광고에 대한 반응 또는 관심을 측정하기 위한 메트릭이 생성될 수 있고, 매치에 대한 정제 또는 개선들이 적절히 고안될 수 있다. 위의 예에서, 단정적인 클릭들이 사용자의 관심을 표시하기 위해 사용될 수 있다. 그러나, 다시 몇몇 실시예들에서, 직접 응답의 비-클릭 또는 결여는 또한 관심 레벨 또는 매치 관련성을 추론하기 위해 사용될 수 있음을 인식해야 한다.
하나의 예시적인 구현의 설명으로서, N개의 키워드들이 주어진 광고(들)에 대해 존재한다고 가정한다. N-디멘존 벡터 A는 연관된 키워드 가중치들에 기반하여 형성될 수 있다. N-디멘존 상호연관 벡터 B는 각각의 디멘존에서 사용자로 광고(들)에 대한 각각의 키워드의 상호연관 측정을 이용하여 생성될 수 있다. 그리고나서 벡터들 A 및 B의 함수인, 스칼라 상호연관 측정 C가 사용자로 광고의 상호연관을 설정하기 위해, 생성될 수 있다. 상호연관 측정 C는 몇몇 실시예들에서, 단순히 벡터들 A 및 B의 내적(C=(1/N) A·B로서 C=A·B)일 수 있다. 이 스칼라 상호연관 측정 C는 광고가 그의 이전의 광고 관찰 히스토리에 기반하여 특정 사용자로 얼마나 잘 타게팅 되는지의 매우 단순하고 직접적인 측정을 제공한다. 물론, 다른 방법들이 파라미터화, 비-스칼라 변환들 등과 같은 A-대-B 대응을 상호연관시키기 위해 사용될 수 있다.
상기 접근 방법은 키워드 사전이 서로 독립적인 키워드들을 가진다고 가정한다. 키워드들이 서로-관련되어야 하고, 퍼지 로직은 서로-관련된 키워드들의 세트에 대한 결합된 가중치를 제안하기 위해 사용될 수 있다. 다항 피팅(fitting), 벡터 공간 분석, 원리 컴포넌트 분석, 통계 매칭, 인공 뉴럴 네트들 등과 같은 로직 또는 상호연관의 다른 형태들이 구현될 수 있다. 따라서, 여기서 설명되는 예시적인 실시예들은 필요한 것으로 여겨지는 임의의 형태의 매칭 또는 키워드-대-사용자 상호연관 알고리즘을 사용할 수 있다. 제어는 단계(2750)로 계속된다.
단계(2750)에서, 모바일 클라이언트 또는 사용자는 다양한 예상된 타깃된 메시지들/광고들과 연관된 "타깃 키워드(들)"을 수신할 수 있다. 다음으로, 단계(2760)에서, 수신된 타깃 키워드(들)는 매치가 존재하는지 여부 또는 키워드(들)가 승인가능한 임계치를 만족하는지 여부를 결정하기 위해 평가(evaluate)될 수 있다. 다양한 실시예들에서, 매칭 평가는 그렇게 요구된다면, 통계 방법들, 퍼지 로직, 뉴럴 기술들, 벡터 매핑, 원리 컴포넌트 분석 등과 같은, 더 상위의 알고리즘들을 수반할 수 있다. 단계(2740)의 상호연관 프로세스 및 단계(2760)의 매칭 프로세스가 상보적일 수 있음을 인식해야 한다. 즉, 상이한 알고리즘들이, 디자인 선호도에 의존하거나 포워딩되는 광고/메시지 키워드의 타입에 의존하여, 관련 프로세스들과 함께 사용될 수 있다. 제어는 단계(2770)로 계속된다.
단계(2770)에서, 승인의 임계치 내에서 매치하는 것으로 여겨지는 타깃된 메시지들은 사용자로 포워딩 및/또는 디스플레이될 수 있다. 광고/메시지의 포워딩은 몇몇 형태들 중 임의의 하나를 취할 수 있고, 예를 들어, 이러한 형태는 매칭 광고/메시지가 사용자의 디바이스에 의해 수신되고 관찰되도록 단순히 허용되기 위한 것이다. 몇몇 실시예들에서, 비-매치 광고/메시지는 사용자로 포워딩될 수 있으나, 인스테니에이션(instantiation) 또는 관찰을 방지하도록 디스에이블된다. 따라서, 사용자의 선호도들 또는 프로파일이 순차적으로 변경되는 경우에, 이전에는 비-승인가능한 광고/메시지이나 지금은 승인가능한 광고/메시지가 사용자의 디바이스 상에 상주할 수 있고 적절하게 관찰될 수 있다. 물론, "매칭" 또는 "비-매칭"되는 것으로 여겨지는 이용가능한 광고들/메시지들을 만들기 위한 다른 방식들은 본 발명의 사상 및 범위를 벗어나지 않고 고안될 수 있다. 단계(2770) 이후에, 예시적인 프로세스(2700)는 프로세스가 종료되는 단계(2780)로 진행한다.
상기 예시적인 프로세스(2700)를 사용함으로써, 타깃된 광고/메시지들은 사용자의 관심들에 적절하기 위해 필터링될 수 있다. 사용자의 관심들은 키워드 할당 및 매칭을 통해 광고들/메시지들의 세트에 대하여 사용자의 모바일 클라이언트 상의 사용자의 "클릭" 응답을 히스토리컬하게 모니터링함으로써 처음에 설정될 수 있다. 그리고나서 다이내믹 모니터링은, 현재 관측된 사용자 응답(들)에 기반하여, 사용자의 관심 프로파일을 업데이트함으로써 수행될 수 있다. 따라서, 타깃된 광고들/메시지들의 더욱 직접적이거나 더욱 효율적인 보급(dissemination)이 획득될 수 있고, 이는 더욱 만족하는 모바일 클라이언트 경험을 초래한다.
계속하여, 정보의 상당한 양이 디바이스의 수명(lifetime) 동안 사용자와 연관되는 모바일 디바이스를 통해 플로우(flow)할 수 있다. 사용자는 그것으로 제공되는 정보의 몇몇 부분과 상호작용할 수 있다. 메모리 제약으로 인해, 모든 이러한 정보를 모바일 디바이스 자체에 저장하는 것이 가능할 수 있다. 심지어 디바이스를 통해 플로우되는 모든 메타-데이터 및 모든 이러한 정보와 연관된 사용자 응답들을 저장하는 것은 가능하지 않다. 따라서, 사용자 행동에 기반하여 사용자 선호도들을 캡쳐하는 사용자 모델을 생성하는 것이 요구될 수 있고, 그 결과 사용자와 관련된 모든 지나간 정보를 저장하지 않고, 관련된 콘텐츠/정보가 사용자에게 제공될 수 있도록 한다.
따라서, 도 28에 도시된 것처럼, 사용자 선호도들 및 제공된 정보를 캡쳐할 수 있는 "키워드 학습 엔진"(2810)을 생성하는 것이 요구될 수 있다. 키워드 학습 엔진과 함께, 사용자에게 제공되는 새로운 정보에 대한 사용자 관심의 가능성을 제안하기 위해, 학습된 모델에 기반하여 "키워드 예측 엔진"(2820)을 가지는 것이 요구될 수 있다. 이는 모바일 디바이스 상에 새로운 콘텐츠가 도착하면 그것을 필터링하는 것을 도울 수 있고, 그 결과 관련된 정보가 사용자에게 제공될 수 있도록 한다.
동작에서, 모바일 디바이스에 도착하는 정보와 연관된 메타-데이터는 학습 및 예측 엔진들(2810 및 2820)에서 사용될 수 있다. 제공된 정보와 연관된 임의의 사용자 응답들은 또한 학습 엔진(2820)에서 사용될 수 있다. 동작 동안, 학습 엔진(2810)은 모든 과거의 정보, 예를 들어, 개별적으로 제공된 정보와 연관된 메타-데이터 및 사용자 행동을 사용할 수 있다. 입력에 기반하여, 학습 엔진(2810)은 학습된 사용자 선호도 모델을 제공하기 위해 이러한 입력을 정제할 수 있다. 이 사용자 선호도 모델은 그리고나서 예측 엔진에서 사용될 수 있고, 이는 새로운 정보와 연관된 메타-데이터를 수신할 수 있고, 그리고나서 새로운 정보에 대한 예측된 사용자 매치 표시자/표시를 제공하기 위해 사용자 선호도 모델과 메타-데이터를 상호연관시킬 수 있다. 이 사용자 매치 표시자/표시는 그리고나서 정보가 사용자에게 제공되는지 여부를 결정하기 위해 사용될 수 있다.
사용자 선호도들은 학습되는 활동과 관련하여 전후관계(contextual)일 수 있음을 인식해야 한다. 예를 들어, 사용자는 사용자가 보고 싶어하는 광고들과 관련된 상이한 선호도들 및 사용자가 브라우징(browse)하고 싶어하는 웹 페이지들과 관련된 선호도들의 상이한 세트를 가질 수 있다. 예를 들어, 사용자는 안전한 관점(standpoint)으로부터 이러한 활동을 인지하기 위해 지역 공동체 뉴스에서 범죄에 관한 웹에 관한 뉴스들을 읽을 수 있으나; 그것이 사용자가 광고를 통해 총(gun)을 구입하는데 관심이 있을 것이라는 것을 의미하는 것은 아니다. 따라서 플랫폼 상의 메시지 제공 엔진은 사용자의 웹 브라우저 선호도들에 관한 상이한 사용자 선호도들을 반영할 수 있다. 다른 환경들은 플랫폼 상에 음악 애플리케이션 또는 플랫폼 상에 스포츠 애플리케이션에 관한 사용자 선호도들을 포함할 수 있다. 일반적으로, 학습 및 예측 엔진들은 모든 환경에 대해 필요로 할 수 있다.
이 명세서에서, 타깃된-콘텐츠-메시지들/광고들을 프로세싱하는 것과 같은 주어진 환경에 대해 학습 및 예측을 위한 예시적인 아키텍쳐 및 알고리즘이 제공된다. 제안된 아키텍쳐 및 알고리즘들은 일반성을 상실하지 않고 상이한 환경들에 적용될 수 있다.
당면한 하나의 태스크는, 사용자에게 제공되는 타깃된-콘텐츠-메시지들(광고들과 같은)에 대한 그들의 응답으로부터의 그들의 좋고 나쁨을 학습하는 것과 같이, 주어진 환경에서 사용자의 전화 사용 습관으로부터 사용자 선호도들을 학습할 것이다. 이 목적은 빠르고 제공되는 데이터의 양을 이용하여 스케일(scale)하지 않는 학습 알고리즘을 이용한 솔루션을 제공하는 것이다.
추가적으로, 시스템에 의해 학습되는 모델에 기반하여, 새로운 메시지/정보가 모바일 디바이스에 도착하는 경우, 이용가능한 예측 엔진은 주어진 사용자의 학습된 선호도들에 관한 정보에 대한 매치 표시자를 제공할 수 있다. 이 매치 표시자는 정보를 실-시간으로 사용자에게 제공할지 여부에 관한 결정을 하기 위해, 또는 모바일 디바이스 상의 공간-제한 타깃된-콘텐츠-메시지 캐시에서와 같이 사용자의 모바일 디바이스 상에 정보를 저장할지 여부에 관한 결정을 하기 위해, 다른 시스템 제한들(소득 또는 선택적으로 크기 정보와 같은)과 함께 사용될 수 있다.
예시적인 아키텍쳐 플로우들이 도 29에서 도시된다. 도 29에서 도시되는 것처럼, 사용자(2990)가 스타벅스 가게를 걸어 지나가거나 운전해서 지나가는 경우, 메시지 서버(2620)는 스타벅스 커피 광고와 같은, 단일 메시지를 사용자의 모바일 디바이스(100)로 실-시간으로 전달할 수 있다. 예측 모델에 기반하여, 모바일 디바이스(100)가 이 메시지를 이 정보와 관련되어 생성된 매치 표시자 값에 기반한 사용자(2990)로 제공할지 여부에 관한 결정을 하는 것이 유용할 수 있다.
대체적으로, 다양한 메시지들에 관한 메타-데이터 정보의 스트림은 모바일 디바이스(100)에 도착할 수 있고, 그리고 상주하는 예측 알고리즘이 각각의 메시지에 대한 매치 표시자들의 상대적인 값들을 제공할 수 있고, 그 결과 모바일 디바이스(100)는 어떤 메시지들을 모바일 디바이스(100) 상의 공간-제약 캐시(240)에 저장할 것인지에 대한 결정을 내릴 수 있도록 한다.
주어진 메시지를 사용자(2990)에게 제공할지 여부에 관한 결정을 하기 위해 예측 엔진(2820)으로부터의 명령들 및 정보를 사용하여 매치 표시자 계산에 더불어, 모바일 디바이스(100) 상의 선택 함수는 선택적으로 연관된 소득(메시지 값 계산 기준) 및 크기(게이팅 및/또는 메시지 값 계산 기준)와 같은, 추가적인 표시자들을 사용할 수 있다.
학습 엔진(2810)과 관련하여, 사용자(2990)에 제공되는 정보에 대하여, 만약 제공되는 정보와 연관되는 사용자 응답이 존재하면, 사용자 정보와 연관된 메타-데이터 및 사용자 응답 둘 모두는 학습된 사용자 선호도 모델을 생성하기 위해 학습 엔진(2810)에 의해 사용될 수 있다. 또한, 도 29의 모바일 디바이스(100)에 대해, 메시지 하나 마다의 방식으로 개별적인 동작들이 모바일 디바이스(100)에 저장될 수 있거나 저장되지 않을 수 있다. 즉, 사용자 동작들은 주어진 메시지에 대한 메타-데이터와 함께, 학습된 사용자 선호도 모델 및 후속적인 사용자 동작에 관한 입력들을 정제하기 위해 사용될 수 있고, 그리고 광고-메타-데이터는 시스템으로부터 제거된다.
다양한 실시예들 및 위에서 논의된 것처럼, 주어진 환경에서 사용자의 상이한 가능한 선호도들을 설명하는 키워드 사전을 생성하여 사용하는 것이 유용할 수 있다. 동작에서, 타깃된-콘텐츠-메시지의 생성기는 타깃된-콘텐츠-메시지에 대한 메타-데이터에 타깃된-콘텐츠-메시지에 관한 키워드들을 규정할 수 있다. 타깃된-콘텐츠-메시지와 관련된 메타-데이터가 사용자(2990)에 제공되는 경우, 학습 엔진(2810)은 정보에 대한 사용자(2990)의 응답에 기반하여 키워드들과 관련된 사용자의 선호도들을 업데이트 할 수 있다. 추가적으로, 메타-데이터(타깃된-콘텐츠-메시지와 연관된 키워드들을 포함하는)가 모바일 디바이스(100)로 제공되는 경우, 예측 엔진(2820)은, 사용자(2990)로 타깃된-콘텐츠-메시지를 제공할지 여부를 결정하기 위해 사용될 수 있는 사용자에 대한 매치 표시자를 계산할 수 있다.
실용적인 동작에서, 키워드 사전이 학습의 목적을 위해 플랫(flat) 표현임을 가정할 수 있다. 타깃된-콘텐츠-메시지 제공자에게 노출된 키워드 사전은 특성상 플랫하거나 계층적일 수 있다.
계층적 표현에서, 키워드 트리(tree)에서 상위-레벨에 있는 노드들은 스포츠, 음악, 영화들 또는 음식점들과 같은 방대한(coarse)-성질(grain) 선호도 카테고리들을 표현할 수 있음을 주목하라. 키워드 트리 계층에서 하위는 음악 서브-카테고리들인 락, 컨트리-음악, 팝, 랩 등과 같은 사용자의 더 세밀한(finer)-성질 선호도들일 수 있다.
주어진 키워드 사전이 계층적일 수 있는 동안에, 키워드 트리는 학습을 목적으로 트리의 아래로부터 시작하여 플랫(flat)될 수 있다. 예를 들어 4명의 아이를 포함하는 트리에 있는 음악 노드{락, 컨트리-음악, 팝 및 랩}는 음악(일반적인) 및 4개의 서브-카테고리들을 포함하는 5개의 노드 표현으로 플랫될 수 있다. 만약 부모 노드에 대해 L개의 잎(leave)들이 존재하면, 플랫된 표현은 키워드 계층에 있는 부모 노드의 뿌리에 대해 (1+L)개의 잎들로 번역된다. 따라서, 트리의 플랫은 계층의 맨 위로 모든 경로로 향하는 트리의 잎들에서 시작하여 순환적으로(recursively) 수행될 수 있고, 그 결과 트리의 모든 중간 노드들이 트리의 뿌리에 직접적으로 연결되도록 한다. 예를 들어, k개의 레벨들을 가지는 쿼드(quad)-트리 표현은 4+42+43+ ...... +4(k-1)개의 노드들을 가지는 루트 노드로 구성될 것이다. 이러한 트리를 플랫하는 것은 뿌리 노드에 직접적으로 연결되는 4+42+43+ ...... +4(k-1)= (4K-1)/(4-1) = 4/3 * (4(K-1) - 1) 노드들로 구성되는 키워드 사전 트리를 초래할 것이다. K=1이 0개의 키워드들에 해당하고, K=2가 4개의 키워드들에 해당하며, K=3은 20개의 키워드들에 해당할 것이고, K에 따라 키워드들의 개수가 정해진다.
도 30A 및 30B는 계층적 표현에 대한 트리에 있는 중간 부모 노드에서의 예시적인 플랫 프로세스를 도시한다. 학습 및 예측 알고리즘들이, 만약 결정을 내리는 것이 트리의 맨 위에서 수행되면, 계층적 트리의 플랫된 버전에 기반한 학습을 효율적으로 초래하는, 가중된 총합 메트릭에 대해 계속할 수 있다.
계속하여, 모바일 디바이스들 상의 학습 및 예측 엔진들에 대한 기술들이 제공된다. 표시하기 위한 목적으로, n개의 키워드들이 존재한다고 하고, 각각은 사용자에 관하여 캡쳐하기를 원할 수 있는 선호도 키워드에 대응한다. 벡터 P = (p1, ..., pn)으로서 사용자의 선호도들을 이론적으로 표현할 수 있고, 여기서 pi는 카테고리 i에 대한 사용자의 선호도 레벨에 대응한다. 유사하게, 벡터 A = (a1, ..., an)으로서 키워드들에 대한 자신의 관련성에 기반하여 메시지를 이론적으로 표현할 수 있고, 여기서 ai는 메시지가 키워드 i에 얼마나 관련되는지에 대응하는 값이다. 메시지들이 학습 알고리즘에 후속적으로 제공된다고 가정할 수 있다.
일반적으로 키워드들의 큰 수(가능한한 수 백)가 사용될 수 있고, 그들 중 대부분이 특정 메시지에 무관할 것임을 주목해야 한다. 사용자들이 오직 몇몇 키워드들에 대하여 강한 선호도들을 가질 것이라고 예상될 수 있다. 수학적으로 이러한 벡터들은 "희박한(sparse) 벡터들"로 지칭된다. 입력 트레이닝(training) 메시지 키워드 벡터들이 희박한 것으로 가정할 수 있다. 또한 요구되는 사용자 선호도 벡터 P 또한 희박한 것으로 가정할 수 있다. 사용자 모델에 기반한 사용자의 선호도들의 현재의 추정된 생각은
Figure 112010037986053-pct00004
로서 표현될 수 있다.
학습 및 예측 엔진들에 대한 알고리즘들이 아래서 설명된다.
학습 엔진 :
입력: 메시지(벡터로서 표현되는): A 사용자 응답 : '클릭 발생함'
불변 사항(persistent): 사용자 선호도들(벡터로서)의 현재의 추측:
Figure 112010037986053-pct00005
(초기에 0 )
붕괴 파라미터: D
카운터: C(초기에 0)
Figure 112010037986053-pct00006
등식(1)
P := (1-α)P + αA 등식 (2) C := C+1 등식 (3)
추정치
Figure 112010037986053-pct00007
가 초기 값 0 에서 시작할 수 있다. 그러나, 이용가능한 정보에 대하여, 상이한 초기 시드(seed)를 사용하도록 선택할 수 있다. 예를 들어, 지역 인구 통계가 몇몇 평균 또는 혼합물로 새로운 모바일 사용자의 프로파일을 시드하도록 도울 수 있다고 알고 있다. 만약 시드 벡터 S가 이용가능하면,
Figure 112010037986053-pct00008
의 초기 값이 다른 단계들에 대해 변하지 않는 시드 S와 동일하도록 설정될 수 있다.
추가적으로 상수 붕괴 파라미터 α를 사용할 수 있는 것이 가능하고, 여기서 등식 (2)에서 α:=1/D이고, D는 상수이다.
예측 엔진 :
입력: 메시지(벡터로서 표현되는): A 사용자 선호도들(벡터로서)의 현재의 추측:
Figure 112010037986053-pct00009
리턴 :
Figure 112010037986053-pct00010
·A
동작에서, 다음의 동작상의 보증을 제공할 수 있다:
(1) 만약 메시지 및 사용자 선호도들이 희박하면, 학습 엔진은 사용자 응답들, 예를 들어 사용자의 "클릭 행동"으로부터 사용자 선호도들을 빠르게 학습할 수 있다. 즉, 학습의 레이트가 메시지들 및/또는 사용자 선호도들의 희박성에 비례할 수 있다.
(2) 학습 엔진이 강한 잡음에 강건하다. 즉, 사용자가 많은 수의 무관계한(irrelevant) 메시지들을 클릭하더라도, 그녀가 관계된 메시지들의 작은 부분에 대해 클릭하는 한, 학습 엔진은 기초의 선호도들을 학습할 수 있어야 한다.
(3) 만약 기초의 사용자 선호도들이 시간에 걸쳐 변하면, 학습 엔진은 새로운 선호도들에 잘 적응할 수 있다.
정보-공간 희박성에 비하여, 사용자 선택 레이트들에 대한 학습의 레이트는 정보의 제공의 레이트, 초기 시드의 값, 및 사용자 프로파일의 양상들에 기반하여 결정될 수 있다.
가능한 키워드 학습 시나리오에 대한 Matlab 시뮬레이션의 결과들이 도 31에서 제공되며, 이는 수평축은 상이한 키워드들(총 500개)을 나타내며, 모델링된 학습 엔진을 도시하며, 수직축은 개인의 선호도의 강도 - 양(positive)은 사용자가 좋아하는 것을 의미하고, 음(negative)은 좋아하지 않는 것을 의미한다. 맨 위의 그래프(3102)는 기초적인 사용자 선호도들을 보여주며, 후속하는 4개의 그래프들(3104-3110)은 50, 100, 500 및 1000개의 메시지들을 각각 수신한 이후의 알고리즘의 최적 추측을 보여준다.
도 31에 표현된 시뮬레이션에 대해, 희박한 벡터가 기초적인 선호도 벡터를 표현하기 위해 랜덤하게 선택된다. 메시지들이 랜덤하게 선택되기 때문에, 사용자의 행동은 다음과 같이 시뮬레이션될 수 있다: 사용자는 시간의 약 25%에 대하여 진실로(truly) 관련된 메시지에 대하여 클릭하고 시간의 나머지 75%에 대하여 사용자는 무관계한 메시지에 대하여 클릭한다. 붕괴 파라미터 D는 3000으로 설정된다. 메시지들이 클릭되었던 것과 관련된 정보가 학습 엔진으로 패스된다. 본 예의 시뮬레이션에 대하여, 학습 엔진은 각각의 메시지가 사용자에 진실로 관련되는지 여부에 관한 어떤 정보도 부여받지 않음을 주목해야 한다.
도 31의 관점에서, 개별적인 학습 환경들에 대한 키워드-기반 사용자 선호도 표현이 모바일 플랫폼 상에서 요구될 수 있고 유용할 수 있는지가 명백하다. 도 31의 예가 다수의 클래식 적응 기술들에 의해 개선될 수 있음을 인식해야 한다. 예를 들어, 추가적으로 클래식 뉴럴 네트워크 학습의 "단련(annealing)" 프로세스 특성의 효과 수행에 대한 사용자의 관심들을 추가적으로 조사함으로써, 사용자의 모델을 정제하기 위해 예측 모델로 랜덤화의 작은 정도를 도입하는 것이 유용할 수 있다.
추가적으로, 등식 (2)의 중앙 학습/적응 알고리즘은 시간에 걸쳐 붕괴 파라미터를 가변함으로써 또는 사용자의 응답(예를 들어, 강한 긍정, 약한 긍정, 중성, 약한 부정, 강한 부정)의 타입에 기반하여 변형될 수 있다. 강한 긍정 응답은 추정
Figure 112010037986053-pct00011
(학습 엔진의 단계 6)로 양으로(positively) (A/D(t))를 부여할 수 있다. 그러나, 만약 사용자가 몇몇 형태의 강한 부정 행동을 특정 정보에 디스플레이하면, 응답은 추정
Figure 112010037986053-pct00012
에 음으로 (-A/D(t))를 부여할 수 있다. 만약 사용자가 몇몇 형태의 약한 긍정 응답을 디스플레이하면, 응답은 추정
Figure 112010037986053-pct00013
에 부분적으로 (α A/D(t))를 부여할 수 있고, 여기서 0≤α≤1이다. 유사하게, 약한 부정 응답은 추정
Figure 112010037986053-pct00014
에 음으로 그리고 부분적으로 (-α A/D(t))를 부여할 수 있고, 여기서 0≤α≤1이다.
대안적으로, 등식 (2)의 중앙 학습/적응 알고리즘은 시스템 동작자에 의해 또는 특정 사용자 행동에 응답하여, 특정 키워드들에 대하여 추정
Figure 112010037986053-pct00015
제한들, 즉 상한들 및 하한들을 부과함으로써 수정될 수 있다. 예를 들어, 강한 부정 사용자 반응, 예를 들어 이러한 타입의 메시지를 다시는 결코 보여주지 않을 몇몇 명령이 하나 이상의 키워드들에 대해 상한을 부과할 수 있다.
추가적으로, 다양한 실시예들에서, 트레이닝 파라미터들 및/또는 학습 룰들은 주어진 메시지에 임베드될 수 있고, 이는 키워드로 메시지의 상호연관 강도를 반영할 수 있음을 인식해야 한다. 예를 들어, 3개의 관련된 키워드들 KW1, KW2 및 KW3를 가지는 제 1 광고, 키워드 KW1은 키워드들 KW2 및 KW3와 비교되는 광고의 콘텐츠에 더욱 가깝게 연결될 수 있다. 500, 2500 및 3000의 개별적인 붕괴 파라미터들이 광고를 이용하여 전송된다고 가정하면, 광고의 선택은 예측 모델로 하여금
Figure 112010037986053-pct00016
및
Figure 112010037986053-pct00017
보다 더욱 빠르게 개별적인 추정
Figure 112010037986053-pct00018
을 변경하도록 할 수 있다.
베이스라인 상호연관 메트릭이 사용자에 대한 타깃 메시지의 연관성을 결정하기 위해 임계치 값을 초과하도록 요구하도록, 예측 엔진은 설계될 수 있다. 예를 들어, 도 31에서, 메시지들을 선택하기 위해, 0.25를 초과하고 그리고/또는 -0.20 미만인 추정들과 연관되는 키워드들만을 사용하는 것이 요구될 수 있다.
유사하게/대안적으로, 메시지들을 선택하기 위해 상위 10개의 값들 키워드들 및 하위 5개의 키워드들만을 사용하는 것이 요구될 수 있다. 이러한 예측 모델들의 간략화는 사용자 선택 "잡음"의 효과들을 제거함으로써 모바일 메시지 전달 디바이스의 성능 및 신뢰도를 개선할 수 있다.
마지막으로, 등식 (1)-(3)은 "LMS 가장 급한 강하(steepest descent)" 적응/학습 알고리즘으로서 알려진 것을 대표하고, 뉴턴 알고리즘 또는 임의의 다른 알려지거나 후에 개발될 학습 기술들과 같은, 다른 학습 알고리즘들이 사용될 수 있음을 인식해야 한다.
도 32A 및 도 32B는 다양한 학습 및 예측 프로세스들을 수행하기 위해 모바일 클라이언트에 대한 예시적인 동작을 약술한다. 프로세스는 키워드들의 세트가 할당되는 단계(3204)에서 시작한다. 위에서 논의된 것처럼, 이용가능한 키워드들의 세트가 계층 또는 비-계층/플랫 관계에서 희박 또는 희박하지 않고 그리고/또는 배열될 수 있다. 다음으로, 단계(3206)에서, 키워드들의 세트가 모바일 클라이언트, 예를 들어 셀룰러 전화 또는 무선-능력있는 PDA로 다운로드될 수 있다. 그리고나서, 단계(3208)에서, 시드 값들의 세트가 모바일 클라이언트로 다운로드될 수 있다. 다양한 실시예들에서, 이러한 시드 값들이 제로 값들의 세트, 사용자의 알려진 인구 통계에 기반하여 결정된 값들의 세트, 또는 초기/시드 값들에 관하여 위에서 논의된 다른 프로세스들 중 임의의 프로세스에 의해 결정되는 값들의 세트를 포함할 수 있다. 제어는 단계(3210)로 계속된다.
단계(3210)에서, 적절한 메타-데이터, 예를 들어, 키워드들 및 (가능하면) 키워드 가중치들, 및/또는 임의의 수의 학습 모델들, 예를 들어, 변경된 가장 급한 강하 알고리즘, 및/또는 위에서 논의된 붕괴 파라미터, 상한 제한, 하한 제한, 환경 제한들 등과 같은, 임의의 수의 학습 파라미터들과 함께 제 1 메시지들의 세트가 모바일 클라이언트로 다운로드 될 수 있다. 동작들의 이 세트들은 메시지들이 메타-데이터 및 다른 정보와 동시에 다운로드되도록 허용하면서, 모바일 클라이언트가 이러한 메시지들이 임의의 수의 게이팅 또는 밸류에이션 동작들을 통해 적절하다고 결정한 이후에, 다양한 실시예들에서 메시지들이 다운로드될 수 있음을 주목하라. 제어는 단계(3212)로 계속된다.
단계(3212)에서, 다수의 예측 동작들이, 이러한 예측 동작이 단계(3208)의 시드 값들로부터 건설되는 학습된 모델에 기반할 수 있다고 주목하는 사용자에 대하여 관심이 있을 수 있는, 타깃된 광고들과 같은 메시지들을 예측하도록 수행될 수 있다. 다음으로, 단계(3214)에서, 요구되는 메시지(들)가 모바일 디바이스 상에서 디스플레이(또는 그렇지 않으면 제공)될 수 있다. 그리고나서, 단계(3216)에서, 모바일 디바이스는 디스플레이된 메시지(들)로 사용자 응답들을 모니터링, 예를 들어 관측하고 가능하면 클릭-스루 레이트들을 저장할 수 있다. 제어는 단계(3220)로 계속된다.
단계(3220)에서, 하나 이상의 학습 알고리즘들의 세트가 학습된 사용자 선호도 가중치들의 하나 이상의 세트들을 설정하기 위해 다양한 학습된 모델들을 업데이트(또는 그렇지 않으면 결정)하도록 수행될 수 있다. 위에서 논의한 것처럼, 학습된 모델들이 다양한 환경들에 대해 제공될 수 있고, LMS 동작과 같은, 임의의 수의 적응 프로세스들을 사용할 수 있고, 특정 메시지들에 대한 알고리즘들 및 학습 파라미터들을 통합할 수 있다. 제어는 단계(3222)로 계속된다.
단계(3222)에서, 제 2 /타깃 메시지들의 세트가, 적절한 메타-데이터, 및/또는 임의의 수의 학습 모델들, 및/또는 임의의 수의 학습 파라미터들과 함께, 모바일 클라이언트로 다운로드 될 수 있다. 다시, 이 세트의 동작들은 메시지들이 메타-데이터 및 다른 정보와 동시에 다운로드 될 수 있도록 허용하면서, 다양한 실시예들에서, 모바일 클라이언트가 이러한 메시지들이 임의의 수의 게이팅 또는 밸류에이션/예측 동작들을 통해 적절하다고 결정한 이후에 메시지들이 다운로드될 수 있음을 주목해라. 제어는 단계(2334)로 계속된다.
단계(3224)에서, 이러한 예측 동작이 단계(3220)의 학습된 모델에 기반할 수 있다고 주목하는 사용자에 대해 관심있을 수 있는, 타깃된 광고들과 같은 메시지들을 예측하도록 다수의 예측 동작들이 수행될 수 있다. 다음으로, 단계(3226)에서, 요구되는 메시지(들)는 모바일 디바이스 상에서 디스플레이(또는 그렇지 않으면 제공)될 수 있다. 그리고나서, 단계(3228)에서, 모바일 디바이스가 디스플레이된 메시지(들)로 사용자 응답들을 모니터링, 예를 들어 관측하고 가능하면 클릭-스루 레이트들을 저장할 수 있다. 제어는 그리고나서 단계(3220)로 다시 점프하고, 이후에 단계들(3220-3228)이 필요하다면 또는 그렇지 않으면 요구되면 반복될 수 있다.
통계 생성에 대한 애플리케이션 - 다양한 예시적 실시예들에서, 사용자 선호도 벡터는 N개의 디멘존들을 가질 수 있으나, M개의 디멘존들의 오직 몇몇 서브셋이 사용자에 관련될 수 있다. K개의 디멘존들의 희박한 세트는 N개의 디멘존들로부터 랜덤하게 선택될 수 있고, 선택된 K개의 디멘존들과 연관된 사용자 선호 값들이 전송될 수 있다. (10대들과 같은) 특정 인구 통계 타입에 대한 인구에서 U명의 사용자들이 존재한다고 가정한다. 만약 모든 U명의 사용자들이 모든 N개의 디멘존 값들을 서버로 전송했다면, 각각의 디멘존은 디멘존(평균 또는 편차)과 연관된 통계들을 결정하기 위해 이용가능한 U개의 샘플들을 가질 수 있다. 그러나, 만약 오직 희박한 (K-디멘존) 컴포넌트들이 전송되면, 그리고나서, 평균에 대하여, Uk/N개의 샘플들이 각각의 디멘존에 대해 이용가능할 수 있다. U>>N이라면, 각각의 사용자가 선호도 벡터의 모든 N개의 컴포넌트들을 전송하도록 요청되지 않으면서, 각각의 디멘존에 대한 통계들을 계산하기 위해 이용가능한 충분한 샘플들이 존재할 수 있다. 추가적으로, 만약 사용자들의 부분적 r명이 정보를 전송하면, 평균적으로 Ukr/N개의 샘플들이 각각의 디멘존에 대해 이용가능할 수 있다. 따라서, 사용자들의 전체 인구에 걸쳐 통계들을 수집하면서, 각각의 사용자에 대한 정보의 프라이버시의 충분한 정도를 유지할 수 있다.
캐시 미스( miss ) 히스토리 속성: 특정 메시지/광고가 캐시로부터 요청되고 그리고 요청되는 메시지/광고 타입을 만족하는 캐시에 있는 메시지/광고가 존재하지 않을 때마다, 그것은 사용자에게 적절한 메시지/광고를 보여줄 미스된 기회이다. 따라서, 캐시가 최근 과거에서 미스들을 기록한, 타입인 메시지에 더 많은 가중된 값을 부여할 필요가 있다. 다양한 실시예들에서, 위에서 논의된 것처럼 캐시 미스 상태 매치 표시자(FLAGCACHE_MISS_MI)와 같은 파라미터는 메시지/광고 값 계산을 도움으로써 이러한 미스된 기회들을 회피하기 위해 동작할 수 있다. 다양한 실시예들에서, 이 속성은 새로운 예상된 메시지가 가장 최근에 기록된 캐시 미스들과 매치하는지 여부를 결정하도록 동작한다. 그것이 최근의 캐시 미스들 중 하나와 매치하면 논리 "1"(또는 동등하게)할 수 있고 그렇지 않으면 논리 "0"(또는 동등하게)일 수 있다. 메시지가 캐시로부터 애플리케이션에 의해 액세스되고 사용자로 서빙되면 이 플래그는 리셋될 수 있다. 만약 새로운 메시지가 캐시 엔트리에 대해 선택되면, 캐시 미스 엔트리는 기록된 캐시 미스들의 리스트로부터 제거될 수있다.
필터 룰들: 필터 룰들은 필터링 에이전트의 동작을 도출하기 위해 시스템 동작자에 의해 사용될 수 있다. 이는 시스템 동작자가 동적인 방식으로 필터링 에이전의 기능을 제어하도록 허용한다. 필터 룰들은 상이한 타입들일 수 있고, 필터링 서브시스템의 상이한 기능들을 드라이브(drive)하기 위해 사용될 수 있다. 몇몇 일반적인 사용 경우들은 다음을 포함할 수 있다: ·상이한 분류들에 기반하여 상이한 카테고리들로 캐시 공간을 분할하기 위해 사용되는 메시지 캐시 비율을 결정할 수 있는 필터 룰들. 캐시 비율들은 몇몇 정의된 기준에 기반하여 고정적이거나 동적일 수 있다. ·각각의 카테고리에 대한 값 계산 공식을 결정할 수 있는 필터 룰들. ·메시지들에 대한 시간에 기반하여 값 붕괴 레이트인 λ를 정의할 수 있는 필터 룰들. ·카테고리 내에 메시지 값 속성들로부터 최종 메시지 값의 계산에 들어가는 계수들/가중치 중 임의의 것을 규정하기 위해 사용될 수 있는 필터 룰들. ·매치 표시자 계산 공식을 정의할 수 있는 필터 룰들. ·캐시 미스 상태 매치 표시자 계산 공식을 정의할 수 있는 필터 룰들. ·메시지 플레이백 확률 표시자 계산 공식을 정의할 수 있는 필터 룰들. ·최소 신뢰 레벨 임계치를 정의할 수 있는 필터 룰들, 그 최소 신뢰 레벨 임계치 미만에서 랜덤 CTR이 디바이스 상에서 계산됨. ·각각의 메시지 타입에 대해 저장될 디폴트 메시지들의 수를 정의하는 필터 룰들.
아키텍쳐: 상이한 메시지 분배 모델들에 의존하여, 게이팅 및 메시지 선택 서브-프로세스들이 서버 상에 또는 클라이언트 상에 존재하는 상이한 에이전트들에 의해 구현될 수 있다. 아래의 다음의 섹션들은 상이한 광고 분배 메커니즘들에 기반하여 메시지 필터링을 위한 가능한 아키텍쳐들을 논의한다.
멀티캐스트/ 브로드캐스트 메시지 분배: 도 33은 W-AT(100) 및 멀티캐스트/브로드캐스트 메시지 분배 서버(150-A)를 사용하는 멀티캐스트/브로드캐스트 메시지 분배 시나리오의 예이다. 멀티캐스트 분배의 경우에서, 메시지들(예를 들어, 광고들), 개별적인 메타데이터 및 메시지들 필터링 룰들은 다수의 사용자들로의 브로드캐스트 또는 멀티캐스트 채널을 통해 메시지 전달 네트워크에 의해 분배될 수 있다. 그 결과로, 사용자의 사용자 프로파알에 대해 타게팅된 메시지들의 필터링 및 캐싱이 필터링 프로세스의 임의의 게이팅 및 선택 서브-프로세스들과 함께 W-AT(100)상에서 발생할 수 있다.
유니캐스트 메시지 분배: 메시지 분배 서버로부터 메시지의 유니캐스트 페치를 구현하기 위해 사용될 수 있는 다수의 상이한 프로토콜들이 존재한다. 이러한 서버에서 이용가능한 정보에 기반하여, 게이팅 및 선택 프로세스가 서버들 또는 다양한 모바일 디바이스들 상에 상주할 수 있다. 다음은 몇몇 프로토콜들에 대한 논의 및 각각의 경우에서 구현될 수 있는 대응하는 메시지 필터링 아키텍쳐이다.
유니캐스트 메시지 분배 - 프로토콜 1: 도 34는 W-AT(100) 및 유니캐스트 메시지 분배 서버(150-B)를 이용하는 첫 번째 예시적인 유니캐스트 메시지 분배 시나리오를 도시한다. 동작에서, W-AT(100)는 "메시지 풀(pull)" 요청을 서버(150-B)로 전송할 수 있고, 그에 의해 서버(150-B)는 시스템 내에서 이용가능한 모든 메시지들에 응답할 수 있다. 이 접근 방법은 W-AT(100) 상에서 프로파일을 생성하고 유지함으로써 서버(150-B)로부터 모바일 디바이스의 사용자 프로파일을 숨길 수 있다. 그러나 만약 모바일 디바이스의 사용자 프로파일과의 비-매치로 인해 거부되는 상당한 부분의 메시지들의 가능성이 존재하면, 유니캐스트 세션을 통해 클라이언트로 메시지들을 전달하는 것은 고비용일 수 있다. 멀티캐스트 분배 경우에서 처럼, W-AT(100)의 사용자 프로파일로 타게팅된 메시지들의 필터링 및 캐싱이 필터링 프로세스의 게이팅 및 선택 서브-프로세스들과 함께, W-AT(100) 상에서 발생할 수 있다.
유니캐스트 메시지 분배 - 프로토콜 2: 도 35는 W-AT(100) 및 유니캐스트 메시지 분배 서버(150-C)를 이용하는 두 번째 유니캐스트 분배 시나리오를 도시한다. 이 시나리오에서, 사용자 프로파일은 W-AT(100) 상에서 생성될 수 있으나, 서버(150-C)와 싱크될 수 있어, 사용자 프로파일의 동일한 카피들이 디바이스들(100 및 150-C) 둘 모두에 상주할 수 있다. W-AT(100)의 디바이스 프로파일은 또한 서버(150-C)와 싱크될 수 있고, W-AT(100)로부터 메시지 풀 요청을 수신하면, 서버(150-C)는 디바이스로 타깃된 메시지들만을 쉽게 푸쉬(push)할 수 있다. 게이팅 프로세스 - 메시지들이 W-AT(100)의 사용자 프로파일로 타깃될 수 있는지 여부를 결정하는 것에 기반하여 선택 프로세스의 부분들과 함께 - 는 서버(150-C) 상에서 구현될 수 있다. 메시지 값 결정 및 더 높은-값 메시지들에 의한 오래된 메시지들의 교체가 W-AT(100) 상에서 구현될 수 있다.
동작에서, W-AT(100) 및 서버(150-C) 사이의 사용자 및 디바이스 프로파일의 임의의 싱크 절차들은 개별적인 프로토콜을 사용하여 대역 외에서 발생할 수 있거나, 특정 실시예들에서, 프로파일은 클라이언트로부터의 메시지 풀 요청에 포함될 수 있다.
유니캐스트 메시지 분배 - 프로토콜 3: 도 36은 W-AT(100) 및 유니캐스트 메시지 분배 서버(150-D)를 이용하는 세 번째 예시적인 유니캐스트 메시지 분배 시나리오를 도시한다. 동작에서, 사용자 프로파일은 W-AT(100) 상에서 유지될 수 있으나, 사용자 프로파일이 W-AT(100) 내에서만 유지되면서 디바이스 프로파일이 서버(150-D)와 싱크될 수 있다. 대응하게, 게이팅 프로세스가 서버(150-D) 상에서 구현될 수 있고, 서버(150-D)는 게이팅 프로세스를 제거(clear)한 W-AT(100)로 메시지들을 단지 푸쉬할 수 있다. 사용자의 프로파일을 요청하는 필터들(만약 있다면)을 규정한 시스템 동작자에 기반하여, 게이팅 프로세스의 부분이 W-AT(100)에서 구현될 수 있다. 또한, 선택 프로세스는 W-AT(100)에서 완전하게 구현될 수 있다.
프로토콜 2를 이용하는 것처럼, W-AT(100) 및 서버(150-D) 사이의 디바이스 프로파일의 싱크가 클라이언트로부터의 광고 풀 요청에 포함될 수 있는 개별적인 프로토콜 또는 프로파일을 사용하여 대역 외에서 발생할 수 있다.
유니캐스트 메시지 분배 - 프로토콜 4: 도 37은 W-AT(100) 및 유니캐스트 메시지 분배 서버(150-E)를 사용하는 네 번째 유니캐스트 메시지 분배 시나리오를 도시한다. 이 시나리오에서, W-AT(100)로부터 메시지 풀 요청을 수신하면, 서버(150-E)는 적절한 게이팅 프로세스를 제거하는 메시지들에 대한 메타데이터에 다시 응답할 수 있다. 따라서, 게이팅 프로세스는 서버(150-E) 상에서 구현될 수 있다. 계속하여, 선택 프로세스는 서버(150-E)에 의해 제공되는 메타데이터를 사용하는 W-AT(100)에서 구현될 수 있다. 사용자의 프로파일을 요청하는 필터들(만약 있다면)을 규정한 시스템 동작자에 기반하여, 게이팅 프로세스의 부분이 W-AT(100)에서 구현될 수 있다. 다음으로, W-AT(100)는, W-AT(100)가 선택 프로세스에 기반하여 자신의 캐시에 디스플레이 또는 저장하도록 결정하고, 서버(150-E)가 W-AT(100)로 선택된 메시지들을 제공할 수 있다는, 메시지들에 대한 메시지 선택 요청들에 서버(150-E)로 응답할 수 있다.
다시, 디바이스 프로파일 또는 게이팅 파라미터들이 W-AT(100)에 의한 최초 메시지 풀 요청에 포함될 수 있거나, 상이한 프로토콜을 이용하는 대역 외에서 W-AT(100) 및 서버(150-E) 사이에서 싱크될 수 있다.
사용자 프로파일에 영향을 주기 위한 프로세싱/ 신시사이징 캡쳐된 위치 데이터
위치 정보는 종종 개인 인구 통계의 표시자들을 도출하기 위해 사용될 수 있다. 모바일 통신 디바이스들의 경우에, 위치 데이터는 종종 빌링 정보보다 더 양호한 사용자에 관한 인구 통계 데이터의 표시일 수 있다. 빌링 정보의 사용에 대한 부과에 더하여, 빌링 정보는 요구되는 인구 통계들을 표시하기 위한 충분한 데이터를 포함하지 못할 수 있다. 또한, 홈 인구 통계들이 사용자의 메시지-관련 관심들을 부분적으로만 표시될 수 있다. 만약, 예를 들어, 사용자가 2개의 거주지들에 머무르거나, 특정 위치들에 자주가는 경향이 있으면, 이는 홈 인구 통계들에 의해 표시되지 않을 수 있다. 따라서, 특정 직장 또는 여가 위치와 연관된 서비스들 및 물건들이 사용자의 홈-위치 도출된 인구 통계들에 의해 반영되지 않을 수 있으나, 여전히 매우 유용하다.
사용자는 프라이버시를 보호하기 위해 그/그녀의 위치 정보를 릴리즈(release)하기를 원하지 않을 수 있거나 그것을 지나치게 침해당하는 것으로 고려할 수 있음을 이해해야 한다. 그러나, 모바일 클라이언트에 의해 위치 정보를 수집 그리고 위치-기반 매칭을 수행하기 위한 능력을 보유함으로써, 모바일 디바이스 내에서 타게팅된 인구 통계에 대해 필요한 정보를 획득하고 여전히 프라이버시를 보호하는 것이 가능하다. 따라서, 예를 들어, 만약 사용자가 적절하게 인에이블된 모바일 디바이스를 가지고 특정 여가 영역에 자주 가면, 이러한 셀 폰은 GPS 정보에 액세스하며, 사용자를 방해하고 그리고/또는 사용자의 프라이버시를 침해(breach)하지 않으면서, 사용자의 여가 관심에 대한 적절한 정보가 획득 및/또는 신시사이징될 수 있다. 이 정보는 그리고나서 모바일 디바이스에 상주하는 사용자 프로파일을 획득 및/또는 업데이트하기 위해 사용될 수 있고, 이는 차례로 어떤 타깃된 콘텐츠 메시지들이 모바일 디바이스 상에서 다운로드 및/또는 디스플레이될 수 있는지를 결정하기 위해 사용될 수 있다. 개념적으로, 이는 실제 검출된 위치들에 기반하여, 그러나 위치 정보를 외부 에이전트에 제공하지 않으면서, 사용자와 연관된 위치 정보에 적절한 방식으로 광고 및 다른 정보의 소개를 초래할 수 있다.
동작에서, 위치 정보는 모바일 디바이스에 상주하는 데이터베이스를 사용하여 저장될 수 있다. 저장된 데이터는 로 위치 데이터를 포함할 수 있으나, 다양한 실시예들에서 특정 위치 영역 위치들, 위치들의 클러스터들, 다양한 위치들에서 다른 위치들로의 경로 정보, 시간 인터벌들과 연관된 값들과 관련한 위치-타입들, 및 특정 위치 타입들의 시간 확률 분배들에 관한 데이터를 포함한다.
계속하여, 많은 경우들에서, 사용자 행동은 특정 활동을 표시하기 위해 불충분할 수 있으나, 만약 이러한 행동들이 하나 이상의 다양한 세트들의 위치 데이터와 링크될 수 있으면 사용자 행동들은 적절할 수 있다. 휴양지 영역에 자주 가지만, 특정 차도(roadway)에 진입함으로써 휴양지 영역에 보통 진입하는 개인의 예를 고려해본다. 그 차도의 사용에 관한 데이터는 차도의 사용 및 존재 이상을 표시할 것이고, 휴양지 영역과 어떠한 연관도 그 자체로 가지지 않을 것이다. 그러나, 개인의 위치 히스토리 및 차도에 진입하는 현재의 행동을 커플링/상호연관시킴으로써, 개인이 휴양지 영역으로 가고 있는 통계적으로 상당한 확률을 설정하는 것이 가능하다. 따라서, 특정 위치 정보는 다른 특정 위치들과 연관된 활동들과 상호연관될 수 있다. 연속된 예들은 휴양지 영역들, 도시의 부분들, 엔터테인먼트 위치들(특히, 하루의 시간 정보와 함께), 직장과 연관된 하루의 시간과 결합한 지리적 위치, 및 쇼핑과 연관된 위치들을 포함한다. 이들은 위치들 및 시간 인터벌들의 클러스터들의 식별과 결합될 수 있다. 위치들은 경로 분석과 결합하여 사용될 수 있고, 이는 다른 저장된 데이터와 현재 위치(또는 이동)의 연관성을 설정하는데 유용할 수 있고, 예를 들어 현재의 위치, 위치 히스토리 및 경로 활동은 특정 활동의 확률을 식별하기 위해 사용될 수 있고, 따라서 메시지 제공자가 사용자가 특정 활동에 참여하기 이전에 메시지들을 타깃하도록 인에이블할 수 있다. 예를 들어, GPS-인에이블된 모바일 클라이언트 상의 다양한 위치들을 측정함으로써, 모바일 클라이언트가 사용자가 직장을 떠나서(퇴근하고), 사용자가 자주 가는 쇼핑 센터로 가는 길이라고 결정할 수 있다. 응답하여, MAS(또는 다른 타깃된 콘텐츠 전달 시스템)는 사용자가 관심이 있을 수 있는 물건들에 관한 정보를 자동적으로 포워딩할 수 있고, 쇼핑 센터로 가는 다양한 루트들에 대한 개선된 트래픽 정보를 제공할 수 있다.
계속하여, 다양한 실시예들에서 고속도로를 횡단하는 사용자에게 다양한 비지니스들, 예를 들어 특정 고속도로에 기반하는 비지니스들을 식별하는 것이 유용할 수 있다. 이러한 예들에서, 소비자의 행동들의 결정에 기반하는 타깃된 광고들 또는 다른 정보가 제공될 수 있다. 이러한 접근 방법은 소비자가 자신의 모바일 디바이스에 제한된 액세스를 가지는 상황들에서 특별히 이익이 되나, 정보를 제공하기 위해 특정 비지니스 또는 비지니스들의 유형을 인증한다.
다양한 실시예들에서, 시스템의 중요한 양상은, 개인의 트래킹이 모바일 디바이스 내에서 수행될 수 있고 모바일 디바이스 내에 보유될 수 있다는 것을 포함한다. 일 구성에서, 외부의 주체는 트래킹 정보를 알지 못한다. 추가적으로, 다양한 타깃된 콘텐츠와 연관된 트래킹 정보와 매치가 필요한 프로파일링은 모바일 디바이스 내에서 수행될 수 있다. 다시, 사용자의 모바일 디바이스로 개인 정보를 제한함으로써, 사용자가 이러한 형태의 승인가능한 프로파일링을 찾을 수 있을 것이고, 이는 이것이 외부적으로 수행되지 않기 때문이다.
다양한 실시예들에서, 많은 차량들의 GPS-기반 내비게이션 디바이스와 같은, 다른 디바이스들에서 이용가능한 리소스들과 함께 모바일 클라이언트를 메시(mesh)하는 것이 가능하고 그리고/또는 이익이 될 수 있음을 주목하라. 따라서, 모바일 디바이스가 하나 이상의 차량의 시스템들과 통신하도록 인에이블하는, 더욱 많은 소프트웨어 수정(들)(특정 실시예들에 의존하여)을 이용하여, GPS 및 다른 정보가 공유될 수 있다. 일반적으로, 이러한 차량 및 모바일 클라이언트는 블루투스 또는 이러한 디바이스들에서 널리 발견되는 유사한 무선 인터페이스를 사용하여 통신할 수 있다. 따라서, 모바일 클라이언트에 대한 위치 정보가 차량의 GPS/내비게이션 디바이스에 의해 제공되기 때문에, 모바일 디바이스의 상주 사용자 프로파일은 모바일 디바이스에 내장된 GPS 시스템에 대한 비용없이 업데이트될 수 있다.
차량들에 더하여, 특정 모바일 디바이스가 위치 정보를 수신하기 위해 원격 서버 또는 다른 근처에 있는 디바이스와 같은 다양한 대체적인 소스들로부터 위치 정보를 획득할 수 있음을 주목해라. 예를 들어, 모바일 클라이언트가 위치 정보를 결정하기 위해, 커피 샵에 있는 802.11 네트워크, 또는 아마도 위치가 알려져 있거나 획득될 수 있는 도시 내에 있는 일련의 로컬 무선 네트워크들과 교신하러 갈 수 있다.
다양한 실시예들에서, 모바일 클라이언트는 모바일 클라이언트/디바이스의 에너지 레벨, 예를 들어 낮은 배터리 전하량에 기반하여 정보의 소스를 선택할 수 있음을 주목해라. 또한, 측정들의 기간이 변하도록 허용되는 주기적 측정들에 기반하여, 또는 랜덤 측정들, 또는 랜덤 및 주기적 측정들의 조합에 기반하여 위치 히스토리가 획득될 수 있음을 주목해라. 모바일 클라이언트는 이용가능한 에너지에 기반하여 GPS 캡쳐의 레이트를 변경하기 위해 선택할 수 있고, 예를 들어 낮은 배터리 조건들 상에서 간헐적인(intermittent) 전력 다운을 포함하는 GPS 캡쳐 레이트를 늦출 수 있고, 다른 이용가능한 데이터 소스들, 예를 들어 모바일 클라이언트가 액세스한 차량의 가속도계 및/또는 속도계로 탭(tap)할 수 있는 레이트로 변경할 수 있다.
도 38A-38H는 다양한 관심의 포인트들을 이용하여 디스플레이되는 특정 사용자의 GPS-인에이블된 셀룰러 전화에 의해 캡쳐되는 정보 화면들 3800-A ... 3800-H를 도시한다. 이러한 도면들에서 도시된 것처럼, 각각의 정보 화면들 3800-A ... 3800-H는 맵(3810), 제어들의 세트(3820), 달력 디스플레이(3830), 일간 히스토그램(3840) 및 주간 히스토그램(3850)을 포함한다.
동작에서, 사용자(또는 자동화된 프로그램)는 GPS 샘플링 시간들 및 맵(3810)에 대한 GPS 정보의 디스플레이, 달력(3820) 및 히스토그램(3840)이 한 시간의 시간 슬롯들로 분할된 주간 히스토그램이고, 주간 히스토그램(3850)이 하루의 슬롯들로 분할된다고 주목하는, 히스토그램들(3840 및 3850)을 설정하기 위한 제어들(3820)의 세트에서의 각각의 제어를 설정할 수 있고, 이러한 캡쳐된 위치 데이터는 사용자가 다양한 시간의 기간들의 코스(course), 예를 들어 주중, 주말, 개별적인 날들, 전체 주들, 전체 달 들 등을 통해 경험한 과거의 경로들을 나타내는 정보들 까지를 포함하는 임의의 수의 히스토그램들로 구성될 수 있다. 달력(3830)이 또한 히스토그램으로 고려될 수 있음을 주목해라.
또한, 도 38A의 위치(3850 또는 3852)와 같은, 특정 위치 아이콘을 선택함으로써, 달력(3830)을 차지하는 수들 뿐만 아니라, 히스토그램들(3840 및 3842)의 히스토그램들의 데이터가 수집된 GPS 데이터와 같은 정도의 GPS 데이터를 반영하기 위해 변할 수 있다. 도 38C에 계속하여, 특정 위치는 사용자의 거주지(3854)로서 (모바일 클라이언트의 사용자에 의해 또는 모바일 클라이언트에 있는 몇몇 추정 소프트웨어에 의해) 식별될 수 있고, 유사하게 도 38E에서 특정 위치가 사용자의 직장(3856)으로서 식별될 수 있다.
도 41A-41H의 관점에서, GPS-인에이블된 셀룰러 전화에 의해 캡쳐된 위치 정보가 아래의 것들을 결정하기 위해 내장된 소프트웨어를 인에이블하는 사용자 프로파일 정보를 생성하기 위해 사용될 수 있음을 인식해야 한다: (1) 사용자가 주어진 시간 프레임에서 특정 위치 또는 특정 경로를 따라 이동하고 있을 가능성, 예를 들어 고용인이 오후 4:00에 직장에 있을 가능성; (2) 사용자가 주어진 시간에 특정 시작 위치를 떠날 것 같은 시간 프레임, 예를 들어 고용인이 오후 5:00에 직장을 떠나는지; 그리고 (3) 사용자가 특정한 제 2 위치에 있거나 경로를 사용할 것 같은 시간 프레임, 예를 들어 고용인이 오후 5:30에 특정 도로를 사용하고 오후 6:00 및 오후 6:30 사이에 그의 거주지에 도달하는지.
가능성 정보는 매우 다양한 방법들로 표현될 수 있다. 예를 들어, 시간 가능성은 시간 상의 특정 포인트, 시간 상에 특정 포인트에 집중되고 특정 편차를 가지는 가우시안 분배; 과거의 사용자 행동에 기반하여 고유의 형태를 가지는 연속적인 확률 분포 함수(PDF); 동일하거나 동일하지 않는 크기인 시간 버켓(bucket)들과 함께 연속적인 시간 기간들("시간 버켓들")에서 측정되는 이산 PDF 등으로서 표현될 수 있다.
이러한 정보를 사용하면, 사용자가 이러한 위치들에 있을 수 있는 가능성 높은 시간 및 이러한 관심의 포인트들에 대한 다른 가능성 정보(예를 들어, 도착 및 출발의 가능성 높은 시간들) 뿐만 아니라, 적절하게 인에이블된 모바일 클라이언트가 또한 사용자의 집, 직장, 취미들, 종교적 숭배의 장소 등에 대한 이러한 사용자의 가능성 높은 위치와 같은, 사용자에 대한 관심의 포인트들을 결정할 수 있다. 이러한 정보는 그리고나서 사용자의 모바일 클라이언트에서 사용자 프로파일 정보를 형성하고 수정하기 위해 사용될 수 있고, 위에서 언급한 것처럼, 그 결과로서 생기는 사용자 프로파일은 사용자가 가장 관심있어 하는 정보(예를 들어, 광고들, 쿠폰들 등)를 결정하기 위해 사용될 수 있고, 차례대로 모바일 클라이언트 상에 저장되고 그리고/또는 디스플레이되는 특정 타깃 정보로 이끌 수(lead) 있다.
계속하여, 도 39 및 도 40은 근무 일의 마감에서 사용자가 직장(LW)을 떠나는 일 예에 대한 예시적인 다수의 동작들을 도시한다. 위치들(L1-L8) 사이의 개별적인 경로들/도로들(R1-R8)을 사용할 확률들과 함께, 다양한 위치들, 즉 시간 위치(LW) 및 예상되는 목표 위치(L1-L8)에 관한 확률이 사용자의 과거의 행동을 사용하여 개발되고, GPS 및 다른 기술들을 이용하여 인식되고, 그리고 사용자의 모바일 클라이언트로 통합되는 것으로 가정될 수 있다.
도 39에서 시작하면, 사용자는 그의 근무 일이 끝나기 전에 잠깐 시작/직장(LW)에 있다고 가정된다. 사용자의 과거의 행동에 기반하여, 사용자의 모바일 클라이언트에 있는 사용자 프로파일은, 사용자가 오후 5:00-5:15에서 직장을 떠나고 예상되는 목적 위치들(L1-L8) 중 임의의 곳으로 향할지를 결정할 수 있고, 본 예에서 위치들(L7-L8)로 향할 확률이 특정 임계치 미만이며 고려되지 않는다.
사용자가 위치(L1 및 L6)로 향할 확률은 모두 0.1이고, 사용자가 도로들(R7 및 R8)을 이용할 확률은 또한 모두 0.1이다. 관심있는 나머지 목적지들에 대한 사용자의 최종 목적지일 확률은 L2=0.1, L3=0.1, L4=0.4 및 L5=0.2(사용자가 직장에 머무르고 있을 확률은 0.1로 가정함)이고, 사용자가 도로 R1을 이용할 확률은 0.7이다. 따라서, 모바일 클라이언트의 사용자의 가능성 높은 루트들은, 가장 가능성 높은 목적 위치들(L1-L8) 사이의 공간 관계들 뿐만 아니라, 가장 가능성 높은 목적 위치들(L1-L8)과 관련하여 모바일 클라이언트의 현재의 위치(LW)의 공간 관계들에 기반할 수 있음이 명백하다.
직장(LW) 및/또는 사용자가 방문했던 임의의 다른 위치에 대한 사용자의 과거의 존재 및 이동의 시간 확률 분포를 형성하기 위해 사용자의 위치 히스토리의 과거의 시간 데이터를 상호연관시킴으로써 사용자의 모바일 클라이언트의 사용자 프로파일이 형성되고 업데이트될 수 있고; 결과는 시간의 함수로써 주어진 위치에서 사용자의 존재의 확률 밀도 함수(또는 그것의 팩스(facsimile))임을 주목해라. 이러한 사용자 프로파일은 시간 및/또는 현재 위치의 함수로써 사용자에 의한 고려 사항 하에서 현재의 가장 가능성 높은 목적지들(L1-L6) 중 임의의 것 그리고 전부를 결정할 수 있다.
또한, 가장 확률 높은 현재의 목적지들 중 임의의 것이 사용자의 복수의 과거에 식별된 목적지들의 혼합물 또는 클러스터일 수 있음을 주목해라. 예를 들어, 위치(L5)는 (가중된 지리적 평균에 기반하여) 중앙인 가정된 위치 정보와 함께 가깝게 이격된 3개의 개별적인 위치들 또는 3개의 위치의 일반적 영역으로 실제로 구성될 수 있다. 유사하게, 위치들(L3-L5)이 서로 상대적으로 논리적으로 근사하고/클러스터된다고 가정하는, 위치들(L3-L5)이 혼합 위치로 결합될 수 있다.
도 39로 돌아가면, 다시 사용자의 모바일 클라이언트가 하루의 시간, 사용자의 프로파일로 통합된 과거의 관찰들 뿐만 아니라, 사용자의 현재 위치 및 모바일 클라이언트에 의해 택해진 다른 현재의 관찰들에 기반하여 가장 확률 높은 목적지들을 결정할 수 있다. 이러한 "다른 현재의 관찰들"은 최근의 전화 및 텍스팅 활동과 같은 것들을 포함할 수 있다. 예를 들어, 만약 사용자가 오후 4:30에 그녀의 와이프로부터 전화를 받으면, 그것은 사용자가 집으로 향하기 전에 가게로 갈 수 있을 가능성의 증가를 표시할 수 있고, 따라서 현재의 가능성 높은 목적지들(L1-L6)에 대한 확률들을 변경한다. 유사하게, 만약 사용자가 모바일 클라이언트를 이용하여 어떠한 상호작용을 보여주지 않으면, 그것은 사용자가 위치(LW)로부터 그의 출발을 지연할 수 있는 가능성을 표시할 수 있다.
도 40에서 계속하여, 다양한 현재의 가능성 높은 목적지들(L1-L6) 중 임의의 목적지로 향할 확률은, 첫 번째 위치(LW)를 떠난 이후에 모바일 클라이언트에 의한 위치 변경의 "아 루트(en route)" 축적된 측정들에 기반하여 업데이트될 수 있다. 즉, 새로운 데이터가 수신되기 때문에, 다양한 확률들이 재-평가될 필요가 있을 수 있다. 도 40의 예에서, 이는 위치(LW)에서 머무는 사용자의 확률뿐만 아니라, 목적지들(L1 및 L6)로 갈 확률들의 변화들을 반영하며, 사용자가 자신의 모바일 클라이언트에 의해 도로(R1) 상에 있다고 결정되면 무시할 정도이다. 따라서, 목적지들(L1 및 L6)로 갈 확률들 또는 위치(LW)에 머무를 확률들은 추가적인 고려로부터 낮아진다(discount). 한편, 사용자가 위치(L2)에 도달할 가능성의 거의 1(사용자 및 다른 현재의 목적 위치들(L3, L4, L5, L8 및 L8)과의 공간 관계들로 인해)임을 주목하면, 사용자가 위치 L2에서 서지 않더라도, 위치들(L2, L3, L4, L5, L8 및 L8) 중 어느 한 곳에 도달할 확률은 증가할 수 있다. 따라서, 적절한 전이 시간, 예를 들어 첫 번째 위치를 떠나고 다른 위치에 도착하는 시간을 결정하는 것은 다른 아 루트 이벤트들에 기반하여 적응 가중된 할당을 사용하여 수행될 수 있다.
다양한 실시예들에서, 모바일 클라이언트로 통합된 K차(kth order) Markov 모델(여기서 k는 1보다 큰 정수임)은 위에서 논의된 확률들 중 임의의 확률을 결정하기 위해 사용될 수 있음을 주목해라. 도 41에 계속하여, 예시적인 Markov 모델(4100)은 사용자의 시작 위치(LW) 및 도 39 및 도 40의 예상되는 목적 위치들(L1-L8)에 대해 도시된다. 도 41에 도시되는 것처럼, 위치들(LW 및 L1-L8)이 경로들을 이용하여 상호연결되고, 각각의 경로는 확률(PN -M)을 갖는다. 다시, 각각의 확률(PN-M)이 사용자 프로파일로부터 도출될 수 있고, 사용자의 현재의 위치, 전이 이벤트 및/또는 하루의 시간의 함수로써 변할 수 있음을 주목해라. 또한, 사용자가 주어진 기간 동안 위치(LN)에 머무를 시-변(time-varying) 확률들(PN -N)이 존재할 수 있고, 예를 들어, 사용자가 식료품 가게에 머무를 가능성이 10분의 편차를 가지고 20분에 중심이 있는 가우시안 분포를 가질 수 있다.
도 42는 NFC 거래에 기반한 사용자 프로파일을 업데이트 하기 위한 예시적인 동작을 약술하는 프로세스 플로우의 다이어그램이다. 프로세서는 모바일 클라이언트가 미리 결정된 또는 적응 샘플링 주파수들 및 기간들에 따라 이용가능한 GPS(또는 다른 적절한 위치 확인 디바이스) 및/또는 무선 셀룰러 네트워크들, 로컬 이용가능한 LAN들 등 중 임의의 것을 사용하여 위치 정보를 샘플링하도록 프로그래밍될 수 있는 단계(4202)에서 시작한다. 다음으로, 단계(4204)에서, 캡쳐된 정보는 관심 지점들, 영역들, 취해진 경로들 또는 임의의 다른 위치 및/또는 경로 데이터를 식별하기 위해 프로세싱/신시사이즈될 수 있다. 그리고나서, 단계(4206)에서, 정보가 주어진 위치 또는 경로에 대한 가능성 높은 시간 기간들의 상보적인 정보뿐만 아니라 - 특정 시간 기간들에 대한 가능성 높은 위치들 및/또는 가능성 높은 경로들을 결정하도록 추가적으로 프로세싱/신시사이즈될 수 있다. 제어는 단계(4208)로 계속된다.
단계(4208)에서, 모바일 클라이언트에 있는 사용자 프로파일은 모바일 클라이언트에 내장된 특별한 소프트웨어를 사용하여 업데이트될 수 있다. 다양한 실시예들에서, 사용자의 과거의 관측들로부터 획득된 정보를 포함하는, 이러한 사용자 프로파일 정보가 주어진 하루의 시간 및 현재의 위치에 대한 사용자의 가능성 높은 행동의 확률 모델의 몇몇 형태를 생성하도록 사용될 수 있다.
다음으로, 단계(4210)에서, 모바일 클라이언트는 사용자의 현재 및/또는 최근 행동과 관련된 정보뿐만 아니라, 위에서 논의된 위치, 시간, 전이/이동, 센서(예를 들어, 속도계) 데이터와 같은 최근/현재의 관측 데이터 중 일부 및 전부를 (직접적으로 또는 제 2의 리소스, 예를 들어 차량의 GPS를 사용하여) 획득할 수 있고, 예를 들어 모바일 클라이언트가 사용자가 전송하는 텍스트 메시지들을 관찰한다. 다음으로, 단계(4512)에서, 사용자가 사용자의 현재의 위치 및 시간에 기반하여 택할 가능성이 높은 가능성 높은 목적지들, 전이 시간들 및/또는 경로들(또는, 이전에 결정된 확률들로의 변경들)을 식별하기 위해, 모바일 클라이언트는 위에서 논의된 기술들 중 임의의 것을 이용하여 단계(4210)의 정보 및 사용자 프로파일 내의 정보를 프로세싱할 수 있다. 그리고나서, 단계(4214)에서, 사용자 프로파일, 이전의 단계들에서 수집된 데이터 및 획득된 임의의 확률 데이터에 기반하여 모바일 클라이언트는 정보, 예를 들어 광고들, 쿠폰들 등을 선택 및/또는 디스플레이할 수 있다. 제어는 그리고나서 필요하거나 요구되는 것으로 발견될 수 있으면 단계들(4210-4214) 중 일부 또는 전부가 반복될 수 있는 단계(4210)로 점프한다.
여기서 설명된 기술들 및 모듈들은 다양한 수단들에 의해 구현될 수 있다. 예를 들어, 이러한 기술들은 하드웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수 있다. 하드웨어 구현에 대해, 액세스 포인트 또는 액세스 단말 내의 프로세싱 유닛들은 하나 이상의 애플리케이션 특정 집적 회로(ASIC)들, 디지털 신호 프로세서(DSP)들, 디지털 신호 프로세싱 W-AT(DSPD)들, 프로그래밍 가능한 로직 W-AT(PLD)들, 필드 프로그래밍 가능한 게이트 어레이들(FPGA)들, 프로세서들, 제어기들, 마이크로-제어기들, 마이크로프로세서들, 여기서 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 또는 이들의 조합 내에서 구현될 수 있다.
소프트웨어 구현에 대해, 여기서 설명된 기술들은 여기서 설명된 기능들을 수행하는 모듈들(예를 들어, 절차들, 함수들, 등)을 이용하여 구현될 수 있다. 소프트웨어 코드들은 메모리 유닛들에 저장될 수 있고 프로세서들 또는 복조기들에 의해 실행될 수 있다. 메모리 유닛은 프로세서 또는 프로세서의 외부에서 구현될 수 있고, 이 경우에 다양한 수단들을 통해 프로세서와 통신가능하게 연결될 수 있다.
하나 이상의 예시적인 실시예들에서, 여기서 제시된 기능들은 하드웨어, 소프트웨어, 펌웨어, 또는 이들의 조합을 통해 구현될 수 있다. 소프트웨어로 구현되는 경우, 상기 기능들은 컴퓨터 판독가능한 매체 상에 하나 이상의 명령들 또는 코드로서 저장되거나, 또는 이들을 통해 전송될 수 있다. 컴퓨터 판독가능한 매체는 컴퓨터 저장 매체 및 일 장소에서 다른 장소로 컴퓨터 프로그램의 이전을 용이하게 하기 위한 임의의 매체를 포함하는 통신 매체를 포함한다. 저장 매체는 범용 컴퓨터 또는 특별한 컴퓨터에 의해 액세스될 수 있는 임의의 가용한 매체일 수 있다. 예를 들어, 이러한 컴퓨터 판독가능한 매체는 RAM,ROM,EEPROM,CD-ROM 또는 다른 광학 디스크 저장 매체, 자기 디스크 저장 매체 또는 다른 자기 저장 장치들, 또는 명령 또는 데이터 구조의 형태로 요구되는 프로그램 코드 수단을 저장하는데 사용될 수 있고, 범용 컴퓨터, 특별한 컴퓨터, 범용 프로세서, 또는 특별한 프로세서에 의해 액세스될 수 있는 임의의 다른 매체를 포함하지만, 이들로 제한되는 것은 아니다. 또한, 임의의 연결 수단이 컴퓨터 판독가능한 매체로 간주될 수 있다. 예를 들어, 소프트웨어가 웹사이트, 서버, 또는 다른 원격 소스로부터 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 라인(DSL), 또는 적외선 라디오, 및 마이크로웨이브와 같은 무선 기술들을 통해 전송되는 경우, 이러한 동축 케이블, 광섬유 케이블, 연선, DSL, 또는 적외선 라디오, 및 마이크로웨이브와 같은 무선 기술들이 이러한 매체의 정의 내에 포함될 수 있다. 여기서 사용되는 disk 및 disc은 컴팩트 disc(CD), 레이저 disc, 광 disc, DVD, 플로피 disk, HD-DVD(High Definition DVD) 및 블루-레이 disc를 포함하며, 여기서 disk는 데이터를 자기적으로 재생하지만, disc는 레이저를 통해 광학적으로 데이터를 재생한다. 상기 조합들 역시 컴퓨터 판독가능한 매체의 범위 내에 포함될 수 있다.
제시된 실시예들에 대한 설명은 본 발명의 기술 분야에서 통상의 지식을 가진 자가 여기서 개시된 특징들, 기능들, 동작들, 및 실시예들을 이용하거나 또는 실시할 수 있도록 제공된다. 이러한 실시예들에 대한 다양한 변형들은 본 발명의 기술 분야에서 통상의 지식을 가진 자에게 명백할 것이며, 여기에 정의된 일반적인 원리들은 본 발명의 범위를 벗어남이 없이 다른 실시예들에 적용될 수 있다. 그리하여, 본 발명은 여기에 제시된 실시예들로 한정되는 것이 아니라, 여기에 제시된 원리들 및 신규한 특징들과 일관되는 최광의의 범위에서 해석되어야 할 것이다.

Claims (40)

  1. 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법으로서,
    상기 모바일 클라이언트 상에서 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하는 단계 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관됨 ―;
    상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링 하는 단계;
    키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트 상의 학습 동작들을 수행하는 단계;
    타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하는 단계; 및
    상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하는 단계를 포함하는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  2. 제1항에 있어서,
    상기 타깃 메시지의 추정된 사용자 관심을 결정하기 위해 상기 타깃 키워드들 및 상기 키워드 관심 가중치들에 기반하여 예측 루틴(prediction routine)을 수행하는 단계를 더 포함하고,
    상기 추정된 사용자 관심이 다른 메시지들의 다른 추정된 사용자 관심들과 선호적으로 비교하여 선호(favorable)되는 경우에 상기 타깃 메시지가 디스플레이되는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  3. 제2항에 있어서, 상기 예측 루틴을 수행하는 단계는, 상호연관(correlation) 동작
    Figure 112010037986053-pct00019
    을 수행하는 단계를 포함하고, 여기서
    Figure 112010037986053-pct00020
    는 사용자 관심 가중치들의 현재 추정치이고,
    Figure 112010037986053-pct00021
    는 상기 타깃 메시지의 벡터 표현인, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  4. 제1항에 있어서, 만약 상기 추정된 키워드 관심 추정치들이 상기 타깃 메시지의 바람직함(desirability)을 표시하면 무선 링크를 통해 상기 타깃 메시지를 수신하는 단계를 더 포함하는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  5. 제1항에 있어서, 상기 사용자 상호작용을 모니터링하는 단계는 상기 제 1 메시지들에 대해 클릭-스루-레이트(click-through-rate)들을 모니터링 하는 단계를 포함하는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  6. 제1항에 있어서, 상기 학습 동작들을 수행하는 단계는 적어도 하나의 키워드 관심 가중치들을 추정하기 위해 적어도 하나의 최대 경사 알고리즘(steepest descent algorithm)을 사용하는 단계를 포함하는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  7. 제1항에 있어서, 상기 학습 동작들을 수행하는 단계는 적어도 하나의 키워드 관심 가중치들을 추정하기 위해 적어도 하나의 뉴턴(Newtonian) 알고리즘을 사용하는 단계를 포함하는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  8. 제1항에 있어서, 상기 키워드들은 키워드 사전으로부터 규정되는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  9. 제8항에 있어서, 상기 학습의 레이트는 정보-공간 희박성(sparseness), 정보의 표시 레이트, 초기 시드(seed)의 값, 및 사용자 프로파일의 양상들 중 적어도 하나에 기반하여 결정되는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  10. 제8항에 있어서, 상기 키워드들은 규정된 계층 키워드 사전으로부터 규정되며, 상기 계층은 둘 이상의 레벨들을 가지는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  11. 제8항에 있어서, 상기 키워드들은 규정된 플랫(flat) 키워드 사전으로부터 규정되는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  12. 제8항에 있어서, 상기 키워드들은 특정 언어의 의미론(semantics)과 연관되지 않는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  13. 제8항에 있어서, 상기 학습 동작들을 수행하는 단계는 랜덤 또는 의사-랜덤 잡음을 통합(incorporate)하는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  14. 제8항에 있어서, 타깃 키워드들의 세트의 카디널리티(cardinality)는 상기 키워드 사전의 크기에 비하여 희박한(sparse), 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  15. 제1항에 있어서, 상기 학습 동작의 단계를 위해 사용되는 학습 파라미터들은 적어도 하나의 수신된 메시지로 통합되는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  16. 제15항에 있어서, 학습 파라미터들은 적어도 하나의 붕괴 상수(decay constant)를 포함하는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  17. 제1항에 있어서, 상기 키워드들의 세트의 서브셋만이 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하기 위해 사용되는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  18. 제17항에 있어서, 상기 키워드들의 서브셋은 임계 관심 값에 기반하여 결정되는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  19. 제17항에 있어서, 상기 키워드들의 서브셋은 개별적인 탑(top) 키워드 관심 가중치들을 가지는 키워드들을 사용함으로써 결정되는, 모바일 클라이언트 상에서 디스플레이 정보를 결정하기 위한 방법.
  20. 정보를 디스플레이하도록 구성되는 모바일 클라이언트로서,
    상기 모바일 클라이언트 상에서 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하기 위한 수단 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관되고, 상기 수신하기 위한 수단은 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하도록 추가적으로 구성됨 ―;
    상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링하기 위한 수단;
    키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트 상의 학습 동작들을 수행하기 위한 수단; 및
    상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하기 위한 수단을 포함하는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  21. 제20항에 있어서,
    상기 타깃 메시지의 추정된 사용자 관심을 결정하기 위해 상기 타깃 키워드들 및 상기 키워드 관심 가중치들에 기반하여 예측 루틴을 수행하기 위한 수단을 더 포함하고,
    상기 추정된 사용자 관심이 다른 메시지들의 다른 추정된 사용자 관심들과 비교하여 선호되는 경우에 상기 타깃 메시지가 디스플레이되는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  22. 제21항에 있어서, 상기 예측 루틴을 수행하기 위한 수단은, 상호연관 동작
    Figure 112010037986053-pct00022
    을 수행함으로써 예측 루틴을 수행하고, 여기서
    Figure 112010037986053-pct00023
    는 사용자 관심 가중치들의 현재 추정치이고,
    Figure 112010037986053-pct00024
    는 상기 타깃 메시지의 벡터 표현인, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  23. 제20항에 있어서, 상기 수행하기 위한 수단은, 적어도 하나의 키워드 관심 가중치들을 추정하기 위해 적어도 하나의 최대 경사 알고리즘을 사용하는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  24. 제20항에 있어서, 상기 수행하기 위한 수단은, 적어도 하나의 키워드 관심 가중치들을 추정하기 위해 적어도 하나의 뉴턴 알고리즘을 사용하는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  25. 제20항에 있어서, 상기 수행하기 위한 수단은, 자신의 학습 동작들에서 랜덤 또는 의사-랜덤 잡음을 통합하는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  26. 제20항에 있어서, 상기 타깃 키워드들의 세트의 카디널리티는 상기 키워드 사전의 크기에 비하여 희박한, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  27. 제26항에 있어서, 학습 파라미터들은 적어도 하나의 붕괴 상수를 포함하는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  28. 제20항에 있어서, 상기 키워드들의 세트의 서브셋만이 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하기 위해 사용되는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  29. 제28항에 있어서, 상기 키워드들의 서브셋은 임계 관심 값에 기반하여 결정되는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  30. 제29항에 있어서, 상기 키워드들의 서브셋은 개별적인 탑 키워드 관심 가중치들을 가지는 키워드들을 사용함으로써 결정되는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
  31. 정보를 디스플레이하도록 구성된 모바일 클라이언트로서,
    모바일 클라이언트 상의 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하도록 구성된 수신 회로 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관되고, 상기 수신 회로는 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하도록 추가적으로 구성됨 ―;
    상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링하기 위한 모니터링 수단;
    키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트상에서 학습 동작들을 수행하기 위한 학습 수단; 및
    상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하도록 구성된 디스플레이를 포함하는, 정보를 디스플레이하도록 구성된 모바일 클라이언트.
  32. 제31항에 있어서,
    상기 타깃 메시지의 추정된 사용자 관심을 결정하기 위해 상기 타깃 키워드들 및 상기 키워드 관심 가중치들에 기반하여 예측 루틴을 수행하기 위한 수단을 더 포함하고,
    상기 추정된 사용자 관심이 다른 메시지들의 다른 추정된 사용자 관심들과 비교하여 선호되는 경우에 상기 타깃 메시지가 디스플레이되는, 정보를 디스플레이하도록 구성된 모바일 클라이언트.
  33. 제32항에 있어서, 상기 예측 루틴을 수행하기 위한 수단은, 상호연관(correlation) 동작
    Figure 112010037986053-pct00025
    을 수행하고, 여기서
    Figure 112010037986053-pct00026
    는 사용자 관심 가중치들의 현재 추정치이고,
    Figure 112010037986053-pct00027
    는 상기 타깃 메시지의 벡터 표현인, 정보를 디스플레이하도록 구성된 모바일 클라이언트.
  34. 제31항에 있어서, 상기 학습 수단은 적어도 하나의 키워드 관심 가중치들을 추정하기 위해 적어도 하나의 최대 경사 알고리즘을 수행하는, 정보를 디스플레이하도록 구성된 모바일 클라이언트.
  35. 제31항에 있어서, 상기 학습 수단은 학습 동작들에서 랜덤 또는 의사-랜덤 잡음을 통합하는, 정보를 디스플레이하도록 구성된 모바일 클라이언트.
  36. 제31항에 있어서, 상기 타깃 키워드들의 세트의 카디널리티는 상기 키워드 사전의 크기에 비하여 희박한, 정보를 디스플레이하도록 구성된 모바일 클라이언트.
  37. 제31항에 있어서, 상기 키워드들의 세트의 서브셋만이 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하기 위해 사용되는, 정보를 디스플레이하도록 구성된 모바일 클라이언트.
  38. 제37항에 있어서, 상기 키워드의 서브셋은 임계 관심 값에 기반하여 결정되는, 정보를 디스플레이하도록 구성된 모바일 클라이언트.
  39. 컴퓨터 판독가능 매체로서,
    컴퓨터로 하여금 모바일 클라이언트 상에서 하나 이상의 제 1 키워드들의 복수의 세트들을 수신하도록 하기 위한 명령들 ― 제 1 키워드들의 각각의 세트는 하나 이상의 개별적인 제 1 메시지들과 연관됨 ―;
    상기 컴퓨터로 하여금 상기 모바일 클라이언트 상에서 상기 개별적인 제 1 메시지들의 사용자 상호작용을 모니터링 하도록 하기 위한 명령들;
    상기 컴퓨터로 하여금 키워드 관심 가중치들의 세트를 추정하기 위해 모니터링된 사용자 상호작용에 기반하여 상기 제 1 키워드들을 이용하여 상기 모바일 클라이언트 상의 학습 동작들을 수행하도록 하기 위한 명령들;
    상기 컴퓨터로 하여금 타깃 메시지와 연관된 타깃 키워드들의 세트를 수신하도록 하기 위한 명령들; 및
    상기 컴퓨터로 하여금 상기 추정된 키워드 관심 가중치들에 기반하여 상기 모바일 클라이언트 상에서 상기 타깃 메시지를 디스플레이하도록 하기 위한 명령들을 포함하는, 컴퓨터 판독가능 매체.
  40. 제20항에 있어서, 상기 학습 동작을 수행하기 위해 사용되는 학습 파라미터들은 적어도 하나의 수신된 메시지로 통합되는, 정보를 디스플레이하도록 구성되는 모바일 클라이언트.
KR1020107013073A 2007-11-14 2008-11-14 모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 상호연관의 학습 및 예측을 위한 키워드 벡터들 및 연관된 메트릭들을 사용하는 방법 및 시스템 KR101161078B1 (ko)

Applications Claiming Priority (19)

Application Number Priority Date Filing Date Title
US98803707P 2007-11-14 2007-11-14
US98804507P 2007-11-14 2007-11-14
US98802907P 2007-11-14 2007-11-14
US98803307P 2007-11-14 2007-11-14
US60/988,037 2007-11-14
US60/988,033 2007-11-14
US60/988,029 2007-11-14
US60/988,045 2007-11-14
US12/268,945 2008-11-11
US12/268,914 2008-11-11
US12/268,905 2008-11-11
US12/268,905 US20090124241A1 (en) 2007-11-14 2008-11-11 Method and system for user profile match indication in a mobile environment
US12/268,939 US9203912B2 (en) 2007-11-14 2008-11-11 Method and system for message value calculation in a mobile environment
US12/268,945 US9705998B2 (en) 2007-11-14 2008-11-11 Method and system using keyword vectors and associated metrics for learning and prediction of user correlation of targeted content messages in a mobile environment
US12/268,927 2008-11-11
US12/268,939 2008-11-11
US12/268,914 US20090125517A1 (en) 2007-11-14 2008-11-11 Method and system for keyword correlation in a mobile environment
US12/268,927 US9203911B2 (en) 2007-11-14 2008-11-11 Method and system for using a cache miss state match indicator to determine user suitability of targeted content messages in a mobile environment
PCT/US2008/083680 WO2009065071A1 (en) 2007-11-14 2008-11-14 Method and system using keyword vectors and associated metrics for learning and prediction of user correlation of targeted content messages in a mobile environment

Publications (2)

Publication Number Publication Date
KR20100084690A KR20100084690A (ko) 2010-07-27
KR101161078B1 true KR101161078B1 (ko) 2012-07-13

Family

ID=40624182

Family Applications (5)

Application Number Title Priority Date Filing Date
KR1020107013111A KR101134248B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 적절성을 결정하기 위해 캐시 미스 상태 매치 표시자를 사용하기 위한 방법 및 시스템
KR1020107013073A KR101161078B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 상호연관의 학습 및 예측을 위한 키워드 벡터들 및 연관된 메트릭들을 사용하는 방법 및 시스템
KR1020107013116A KR101195640B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 사용자 프로파일 매치 표시 방법들 및 시스템들
KR1020107013114A KR101172968B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 상호연관의 학습 및 예측을 위해 키워드 벡터들 및 연관된 메트릭들을 사용하는 방법 및 시스템
KR1020107013102A KR101190446B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 메시지 값 계산을 위한 방법 및 시스템

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020107013111A KR101134248B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 적절성을 결정하기 위해 캐시 미스 상태 매치 표시자를 사용하기 위한 방법 및 시스템

Family Applications After (3)

Application Number Title Priority Date Filing Date
KR1020107013116A KR101195640B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 사용자 프로파일 매치 표시 방법들 및 시스템들
KR1020107013114A KR101172968B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 상호연관의 학습 및 예측을 위해 키워드 벡터들 및 연관된 메트릭들을 사용하는 방법 및 시스템
KR1020107013102A KR101190446B1 (ko) 2007-11-14 2008-11-14 모바일 환경에서 메시지 값 계산을 위한 방법 및 시스템

Country Status (6)

Country Link
US (5) US9203911B2 (ko)
EP (5) EP2225860A1 (ko)
JP (6) JP2011507055A (ko)
KR (5) KR101134248B1 (ko)
CN (5) CN102119513B (ko)
WO (5) WO2009065071A1 (ko)

Families Citing this family (298)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8352400B2 (en) 1991-12-23 2013-01-08 Hoffberg Steven M Adaptive pattern recognition based controller apparatus and method and human-factored interface therefore
US7904187B2 (en) 1999-02-01 2011-03-08 Hoffberg Steven M Internet appliance system and method
SE0002572D0 (sv) * 2000-07-07 2000-07-07 Ericsson Telefon Ab L M Communication system
DE602005027090D1 (de) * 2005-12-02 2011-05-05 Microsoft Corp Nachrichtendienst
US9507778B2 (en) 2006-05-19 2016-11-29 Yahoo! Inc. Summarization of media object collections
GB2435565B (en) 2006-08-09 2008-02-20 Cvon Services Oy Messaging system
EP2095313A4 (en) 2006-10-27 2011-11-02 Cvon Innovations Ltd PROCESS AND DEVICE FOR SUBSCRIBER MANAGEMENT
US20100274661A1 (en) * 2006-11-01 2010-10-28 Cvon Innovations Ltd Optimization of advertising campaigns on mobile networks
GB2435730B (en) 2006-11-02 2008-02-20 Cvon Innovations Ltd Interactive communications system
US8594702B2 (en) 2006-11-06 2013-11-26 Yahoo! Inc. Context server for associating information based on context
US8402356B2 (en) 2006-11-22 2013-03-19 Yahoo! Inc. Methods, systems and apparatus for delivery of media
US9110903B2 (en) 2006-11-22 2015-08-18 Yahoo! Inc. Method, system and apparatus for using user profile electronic device data in media delivery
US20080120308A1 (en) * 2006-11-22 2008-05-22 Ronald Martinez Methods, Systems and Apparatus for Delivery of Media
GB2436412A (en) 2006-11-27 2007-09-26 Cvon Innovations Ltd Authentication of network usage for use with message modifying apparatus
US8769099B2 (en) 2006-12-28 2014-07-01 Yahoo! Inc. Methods and systems for pre-caching information on a mobile computing device
WO2008082441A1 (en) 2006-12-29 2008-07-10 Prodea Systems, Inc. Display inserts, overlays, and graphical user interfaces for multimedia systems
US9602880B2 (en) 2006-12-29 2017-03-21 Kip Prod P1 Lp Display inserts, overlays, and graphical user interfaces for multimedia systems
US9569587B2 (en) 2006-12-29 2017-02-14 Kip Prod Pi Lp Multi-services application gateway and system employing the same
US11316688B2 (en) 2006-12-29 2022-04-26 Kip Prod P1 Lp Multi-services application gateway and system employing the same
US20160277261A9 (en) * 2006-12-29 2016-09-22 Prodea Systems, Inc. Multi-services application gateway and system employing the same
US20170344703A1 (en) 2006-12-29 2017-11-30 Kip Prod P1 Lp Multi-services application gateway and system employing the same
US11783925B2 (en) 2006-12-29 2023-10-10 Kip Prod P1 Lp Multi-services application gateway and system employing the same
GB2440990B (en) 2007-01-09 2008-08-06 Cvon Innovations Ltd Message scheduling system
GB2445630B (en) 2007-03-12 2008-11-12 Cvon Innovations Ltd Dynamic message allocation system and method
GB2440408B (en) * 2007-05-16 2008-06-25 Cvon Innovations Ltd Method and system for scheduling of messages
US8935718B2 (en) 2007-05-22 2015-01-13 Apple Inc. Advertising management method and system
GB2450144A (en) 2007-06-14 2008-12-17 Cvon Innovations Ltd System for managing the delivery of messages
US9392074B2 (en) 2007-07-07 2016-07-12 Qualcomm Incorporated User profile generation architecture for mobile content-message targeting
US9596317B2 (en) * 2007-07-07 2017-03-14 Qualcomm Incorporated Method and system for delivery of targeted information based on a user profile in a mobile communication device
US20090048977A1 (en) * 2007-07-07 2009-02-19 Qualcomm Incorporated User profile generation architecture for targeted content distribution using external processes
US10069924B2 (en) 2007-07-25 2018-09-04 Oath Inc. Application programming interfaces for communication systems
US9177323B2 (en) 2007-08-28 2015-11-03 Causam Energy, Inc. Systems and methods for determining and utilizing customer energy profiles for load control for individual structures, devices, and aggregation of same
US10295969B2 (en) 2007-08-28 2019-05-21 Causam Energy, Inc. System and method for generating and providing dispatchable operating reserve energy capacity through use of active load management
US9130402B2 (en) 2007-08-28 2015-09-08 Causam Energy, Inc. System and method for generating and providing dispatchable operating reserve energy capacity through use of active load management
US8890505B2 (en) 2007-08-28 2014-11-18 Causam Energy, Inc. System and method for estimating and providing dispatchable operating reserve energy capacity through use of active load management
US8805552B2 (en) 2007-08-28 2014-08-12 Causam Energy, Inc. Method and apparatus for actively managing consumption of electric power over an electric power grid
US8806239B2 (en) 2007-08-28 2014-08-12 Causam Energy, Inc. System, method, and apparatus for actively managing consumption of electric power supplied by one or more electric power grid operators
GB2452789A (en) 2007-09-05 2009-03-18 Cvon Innovations Ltd Selecting information content for transmission by identifying a keyword in a previous message
GB2453810A (en) 2007-10-15 2009-04-22 Cvon Innovations Ltd System, Method and Computer Program for Modifying Communications by Insertion of a Targeted Media Content or Advertisement
US9203911B2 (en) * 2007-11-14 2015-12-01 Qualcomm Incorporated Method and system for using a cache miss state match indicator to determine user suitability of targeted content messages in a mobile environment
WO2009065045A1 (en) * 2007-11-14 2009-05-22 Qualcomm Incorporated Methods and systems for determining a geographic user profile to determine suitability of targeted content messages based on the profile
KR101112204B1 (ko) * 2007-12-04 2012-03-09 한국전자통신연구원 모바일 광고 방법
US8069142B2 (en) 2007-12-06 2011-11-29 Yahoo! Inc. System and method for synchronizing data on a network
US20090150507A1 (en) * 2007-12-07 2009-06-11 Yahoo! Inc. System and method for prioritizing delivery of communications via different communication channels
US8671154B2 (en) 2007-12-10 2014-03-11 Yahoo! Inc. System and method for contextual addressing of communications on a network
US8307029B2 (en) 2007-12-10 2012-11-06 Yahoo! Inc. System and method for conditional delivery of messages
US9391789B2 (en) * 2007-12-14 2016-07-12 Qualcomm Incorporated Method and system for multi-level distribution information cache management in a mobile environment
US8166168B2 (en) 2007-12-17 2012-04-24 Yahoo! Inc. System and method for disambiguating non-unique identifiers using information obtained from disparate communication channels
US9706345B2 (en) 2008-01-04 2017-07-11 Excalibur Ip, Llc Interest mapping system
US9626685B2 (en) * 2008-01-04 2017-04-18 Excalibur Ip, Llc Systems and methods of mapping attention
US8762285B2 (en) 2008-01-06 2014-06-24 Yahoo! Inc. System and method for message clustering
US20090182618A1 (en) * 2008-01-16 2009-07-16 Yahoo! Inc. System and Method for Word-of-Mouth Advertising
US8560390B2 (en) 2008-03-03 2013-10-15 Yahoo! Inc. Method and apparatus for social network marketing with brand referral
US8538811B2 (en) 2008-03-03 2013-09-17 Yahoo! Inc. Method and apparatus for social network marketing with advocate referral
US8554623B2 (en) 2008-03-03 2013-10-08 Yahoo! Inc. Method and apparatus for social network marketing with consumer referral
US8745133B2 (en) 2008-03-28 2014-06-03 Yahoo! Inc. System and method for optimizing the storage of data
US8589486B2 (en) 2008-03-28 2013-11-19 Yahoo! Inc. System and method for addressing communications
US8271506B2 (en) 2008-03-31 2012-09-18 Yahoo! Inc. System and method for modeling relationships between entities
US8965786B1 (en) 2008-04-18 2015-02-24 Google Inc. User-based ad ranking
US8072379B2 (en) * 2008-05-12 2011-12-06 Qualcomm Incorporated GPS power savings using low power sensors
US20090298483A1 (en) * 2008-06-02 2009-12-03 Motorola, Inc. Method and apparatus for selecting advertisements and determining constraints for presenting the advertisements on mobile communication devices
US8554767B2 (en) * 2008-12-23 2013-10-08 Samsung Electronics Co., Ltd Context-based interests in computing environments and systems
US8813107B2 (en) * 2008-06-27 2014-08-19 Yahoo! Inc. System and method for location based media delivery
US8452855B2 (en) 2008-06-27 2013-05-28 Yahoo! Inc. System and method for presentation of media related to a context
US8706406B2 (en) 2008-06-27 2014-04-22 Yahoo! Inc. System and method for determination and display of personalized distance
US10230803B2 (en) 2008-07-30 2019-03-12 Excalibur Ip, Llc System and method for improved mapping and routing
US8583668B2 (en) 2008-07-30 2013-11-12 Yahoo! Inc. System and method for context enhanced mapping
US8386506B2 (en) 2008-08-21 2013-02-26 Yahoo! Inc. System and method for context enhanced messaging
CN101360098B (zh) * 2008-08-29 2012-02-15 腾讯科技（北京）有限公司 用户行为属性确定方法、装置、系统及广告投放方法与系统
US8281027B2 (en) 2008-09-19 2012-10-02 Yahoo! Inc. System and method for distributing media related to a location
US7966325B2 (en) * 2008-09-24 2011-06-21 Yahoo! Inc. System and method for ranking search results using social information
US20100076846A1 (en) * 2008-09-25 2010-03-25 Yahoo! Inc. Interest manager
US9600484B2 (en) 2008-09-30 2017-03-21 Excalibur Ip, Llc System and method for reporting and analysis of media consumption data
US8738436B2 (en) * 2008-09-30 2014-05-27 Yahoo! Inc. Click through rate prediction system and method
US8108778B2 (en) 2008-09-30 2012-01-31 Yahoo! Inc. System and method for context enhanced mapping within a user interface
US8060492B2 (en) 2008-11-18 2011-11-15 Yahoo! Inc. System and method for generation of URL based context queries
US8032508B2 (en) 2008-11-18 2011-10-04 Yahoo! Inc. System and method for URL based query for retrieving data related to a context
US9805123B2 (en) 2008-11-18 2017-10-31 Excalibur Ip, Llc System and method for data privacy in URL based context queries
US8024317B2 (en) 2008-11-18 2011-09-20 Yahoo! Inc. System and method for deriving income from URL based context queries
US9224172B2 (en) 2008-12-02 2015-12-29 Yahoo! Inc. Customizable content for distribution in social networks
US8055675B2 (en) 2008-12-05 2011-11-08 Yahoo! Inc. System and method for context based query augmentation
US8166016B2 (en) 2008-12-19 2012-04-24 Yahoo! Inc. System and method for automated service recommendations
US8175902B2 (en) * 2008-12-23 2012-05-08 Samsung Electronics Co., Ltd. Semantics-based interests in computing environments and systems
US20100198604A1 (en) * 2009-01-30 2010-08-05 Samsung Electronics Co., Ltd. Generation of concept relations
US8325088B2 (en) * 2009-02-04 2012-12-04 Google Inc. Mobile device battery management
US8150967B2 (en) 2009-03-24 2012-04-03 Yahoo! Inc. System and method for verified presence tracking
US8504569B2 (en) * 2009-05-20 2013-08-06 Genieo Innovation Ltd. Apparatus and methods for providing answers to queries respective of a user based on user uniquifiers
US20130318167A1 (en) * 2009-05-20 2013-11-28 Aaron SEREBOFF Method and apparatus for providing exchange of profile information
EP2271036B1 (en) * 2009-06-22 2013-01-09 Semiocast Method, system and architecture for delivering messages in a network to automatically increase a signal-to-noise ratio of user interests
US9654590B2 (en) 2009-06-26 2017-05-16 Telefonaktiebolaget L M Ericsson Method and arrangement in a communication network
US20110191717A1 (en) 2010-02-03 2011-08-04 Xobni Corporation Presenting Suggestions for User Input Based on Client Device Characteristics
KR101169840B1 (ko) * 2009-08-05 2012-07-30 삼성전자주식회사 사용자 맞춤형 휴대 광고 서비스를 제공하는 시스템 및 방법
US10223701B2 (en) 2009-08-06 2019-03-05 Excalibur Ip, Llc System and method for verified monetization of commercial campaigns
US8914342B2 (en) 2009-08-12 2014-12-16 Yahoo! Inc. Personal data platform
US8364611B2 (en) 2009-08-13 2013-01-29 Yahoo! Inc. System and method for precaching information on a mobile device
US9529864B2 (en) 2009-08-28 2016-12-27 Microsoft Technology Licensing, Llc Data mining electronic communications
GB2473197A (en) 2009-09-02 2011-03-09 Nds Ltd Advert selection using a decision tree
US20110066942A1 (en) 2009-09-14 2011-03-17 Barton James M Multifunction Multimedia Device
US9124642B2 (en) * 2009-10-16 2015-09-01 Qualcomm Incorporated Adaptively streaming multimedia
US8682145B2 (en) 2009-12-04 2014-03-25 Tivo Inc. Recording system based on multimedia content fingerprints
US20110140956A1 (en) * 2009-12-15 2011-06-16 Paul Henry Systems and Methods for Determining Geographic Location of a Mobile Device
US9760866B2 (en) 2009-12-15 2017-09-12 Yahoo Holdings, Inc. Systems and methods to provide server side profile information
US8520552B2 (en) 2010-01-05 2013-08-27 Qualcomm Incorporated Method for determining mutual and transitive correlation over a wireless channel to form links and deliver targeted content messages
US8924956B2 (en) * 2010-02-03 2014-12-30 Yahoo! Inc. Systems and methods to identify users using an automated learning process
EP2545652B1 (en) * 2010-03-12 2018-02-28 Sunrise Micro Devices Inc. Power efficient communications
WO2011115986A2 (en) * 2010-03-15 2011-09-22 Howard University Apparatus and method for context-aware mobile data management
US20110238485A1 (en) * 2010-03-26 2011-09-29 Nokia Corporation Method and apparatus for utilizing confidence levels to serve advertisements
CN103119621B (zh) 2010-04-30 2016-12-07 当今技术（Ip)有限公司 内容管理装置
US8898217B2 (en) 2010-05-06 2014-11-25 Apple Inc. Content delivery based on user terminal events
US20110282964A1 (en) * 2010-05-13 2011-11-17 Qualcomm Incorporated Delivery of targeted content related to a learned and predicted future behavior based on spatial, temporal, and user attributes and behavioral constraints
US8504419B2 (en) 2010-05-28 2013-08-06 Apple Inc. Network-based targeted content delivery based on queue adjustment factors calculated using the weighted combination of overall rank, context, and covariance scores for an invitational content item
US9232046B2 (en) 2010-07-21 2016-01-05 Tksn Holdings, Llc System and method for controlling mobile services using sensor information
US9210528B2 (en) 2010-07-21 2015-12-08 Tksn Holdings, Llc System and method for control and management of resources for consumers of information
US20120021770A1 (en) 2010-07-21 2012-01-26 Naqvi Shamim A System and method for control and management of resources for consumers of information
US8510658B2 (en) 2010-08-11 2013-08-13 Apple Inc. Population segmentation
US8510309B2 (en) 2010-08-31 2013-08-13 Apple Inc. Selection and delivery of invitational content based on prediction of user interest
US9171311B2 (en) 2010-08-31 2015-10-27 Microsoft Technology Licensing, Llc Maintaining targetable user inventory for digital advertising
US8983978B2 (en) 2010-08-31 2015-03-17 Apple Inc. Location-intention context for content delivery
US8996624B2 (en) 2010-09-15 2015-03-31 At&T Intellectual Property I, L.P. Managing presence in communications systems
US9134873B2 (en) * 2010-09-28 2015-09-15 Qualcomm Incorporated Apparatus and methods for presenting interaction information
US20120089983A1 (en) * 2010-10-11 2012-04-12 Tata Consultancy Services Limited Assessing process deployment
US8499048B2 (en) 2010-10-27 2013-07-30 Facebook, Inc. Indexing and organizing messages in a messaging system using social network information
US8706824B2 (en) 2011-08-08 2014-04-22 Facebook, Inc. Rescinding messages in a messaging system with multiple messaging channels
CN103392306A (zh) * 2010-11-12 2013-11-13 脸谱公司 具有多个消息信道的消息系统
US8880627B2 (en) 2011-08-08 2014-11-04 Facebook, Inc. Providing transparency in a messaging system with multiple messaging channels
US9203796B2 (en) 2010-11-12 2015-12-01 Facebook, Inc. Messaging system with multiple messaging channels
US8744979B2 (en) * 2010-12-06 2014-06-03 Microsoft Corporation Electronic communications triage using recipient's historical behavioral and feedback
US8626587B2 (en) * 2010-12-10 2014-01-07 Verizon Patent And Licensing Inc. Artificial intelligence-based recommender and self-provisioner
US20160048883A1 (en) * 2010-12-13 2016-02-18 Vertical Computer Systems, Inc. System and Method for Distributed Advertising
KR101051804B1 (ko) 2010-12-16 2011-07-25 전자부품연구원 웹 기반의 미디어 콘텐츠를 위한 선호도 정보 관리 시스템
BR112013017170B1 (pt) 2011-01-03 2022-02-22 Wellness & Prevention, Inc Método para proporcionar entrega de mensagem personalizada
US20120173639A1 (en) * 2011-01-03 2012-07-05 Thomas Walsh Method and system for personalized message delivery
US8849990B2 (en) * 2011-02-03 2014-09-30 Disney Enterprises, Inc. Optimized video streaming to client devices
EP2521328A3 (en) * 2011-02-17 2013-02-20 Prolifiq Software Inc. Dedicated message channel
US8682895B1 (en) * 2011-03-31 2014-03-25 Twitter, Inc. Content resonance
US8655321B2 (en) 2011-04-11 2014-02-18 Microsoft Corporation Adaptive notifications
KR20120117044A (ko) * 2011-04-14 2012-10-24 조진형 양방향 디지털 광고 서비스 시스템 및 제공 방법
US20120272156A1 (en) * 2011-04-22 2012-10-25 Kerger Kameron N Leveraging context to present content on a communication device
US9002957B2 (en) * 2011-04-27 2015-04-07 Verizon Patent And Licensing Inc. Profile message communications
US8671185B2 (en) * 2011-05-03 2014-03-11 Facebook, Inc. Data transmission between devices based on bandwidth availability
US20120323698A1 (en) * 2011-06-14 2012-12-20 Disman William S Interface for Online Advertising
US9747583B2 (en) 2011-06-30 2017-08-29 Yahoo Holdings, Inc. Presenting entity profile information to a user of a computing device
US8498627B2 (en) 2011-09-15 2013-07-30 Digimarc Corporation Intuitive computing methods and systems
US9225173B2 (en) 2011-09-28 2015-12-29 Causam Energy, Inc. Systems and methods for microgrid power generation and management
US11727249B2 (en) 2011-09-28 2023-08-15 Nara Logics, Inc. Methods for constructing and applying synaptic networks
US8862279B2 (en) 2011-09-28 2014-10-14 Causam Energy, Inc. Systems and methods for optimizing microgrid power generation and management with predictive modeling
US10467677B2 (en) * 2011-09-28 2019-11-05 Nara Logics, Inc. Systems and methods for providing recommendations based on collaborative and/or content-based nodal interrelationships
US8751036B2 (en) 2011-09-28 2014-06-10 Causam Energy, Inc. Systems and methods for microgrid power generation management with selective disconnect
CN102411753A (zh) * 2011-09-28 2012-04-11 中兴通讯股份有限公司 基于nfc实现受众细分的方法、服务器以及系统
US10091322B2 (en) * 2011-10-18 2018-10-02 Qualcomm Incorporated Method and apparatus for improving a user experience or device performance using an enriched user profile
US9767465B2 (en) * 2011-10-28 2017-09-19 Excalibur Ip, Llc Methods and systems for facilitating caching of advertisements
US8954100B2 (en) 2011-11-04 2015-02-10 Facebook, Inc. Server-side rate-limiting algorithms for piggybacking social updates for mobile devices
US8989818B2 (en) 2011-11-04 2015-03-24 Facebook, Inc. Device actions based on device power
US8869041B2 (en) 2011-11-11 2014-10-21 Apollo Education Group, Inc. Dynamic and local management of hierarchical discussion thread data
US8966404B2 (en) 2011-11-11 2015-02-24 Apollo Education Group, Inc. Hierarchy-indicating graphical user interface for discussion threads
US20130125061A1 (en) * 2011-11-11 2013-05-16 Jongwoo LEE Efficient Navigation Of Hierarchical Data Displayed In A Graphical User Interface
RU2014122086A (ru) * 2011-11-24 2015-12-27 Вивалект Аб Способ доставки рекламных объявлений
US8478768B1 (en) * 2011-12-08 2013-07-02 Palo Alto Research Center Incorporated Privacy-preserving collaborative filtering
US11290912B2 (en) * 2011-12-14 2022-03-29 Seven Networks, Llc Mobile device configured for operating in a power save mode and a traffic optimization mode and related method
US10038927B2 (en) * 2011-12-22 2018-07-31 Cisco Technology, Inc. Out-of-band signaling and device-based content control
US8797899B2 (en) * 2011-12-22 2014-08-05 Qualcomm Incorporated System and method for probabilistic WLAN positioning
WO2013121400A2 (en) * 2012-02-17 2013-08-22 Danielli Alberto Method for managing via web data related to an event and/or a person and/or an organization
US10157388B2 (en) * 2012-02-22 2018-12-18 Oracle International Corporation Generating promotions to a targeted audience
US11328325B2 (en) * 2012-03-23 2022-05-10 Secureads, Inc. Method and/or system for user authentication with targeted electronic advertising content through personal communication devices
RU2510982C2 (ru) * 2012-04-06 2014-04-10 Закрытое акционерное общество "Лаборатория Касперского" Система и способ оценки пользователей для фильтрации сообщений
US8996997B2 (en) * 2012-04-18 2015-03-31 Sap Se Flip-through format to view notification and related items
CN104255047A (zh) * 2012-04-30 2014-12-31 惠普发展公司，有限责任合伙企业 控制移动设备的行为
US9525587B2 (en) 2012-05-17 2016-12-20 International Business Machines Corporation Updating web resources
US9465398B2 (en) 2012-06-20 2016-10-11 Causam Energy, Inc. System and methods for actively managing electric power over an electric power grid
US9461471B2 (en) 2012-06-20 2016-10-04 Causam Energy, Inc System and methods for actively managing electric power over an electric power grid and providing revenue grade date usable for settlement
US9207698B2 (en) 2012-06-20 2015-12-08 Causam Energy, Inc. Method and apparatus for actively managing electric power over an electric power grid
WO2013192538A2 (en) * 2012-06-22 2013-12-27 Jiwire, Inc. Location graph based derivation of attributes
US9141504B2 (en) 2012-06-28 2015-09-22 Apple Inc. Presenting status data received from multiple devices
US9563215B2 (en) 2012-07-14 2017-02-07 Causam Energy, Inc. Method and apparatus for actively managing electric power supply for an electric power grid
TW201709122A (zh) * 2012-07-19 2017-03-01 菲絲博克公司 以計算機實現的方法及計算機程式產品
US20140031060A1 (en) * 2012-07-25 2014-01-30 Aro, Inc. Creating Context Slices of a Storyline from Mobile Device Data
US9513648B2 (en) 2012-07-31 2016-12-06 Causam Energy, Inc. System, method, and apparatus for electric power grid and network management of grid elements
US10861112B2 (en) 2012-07-31 2020-12-08 Causam Energy, Inc. Systems and methods for advanced energy settlements, network-based messaging, and applications supporting the same on a blockchain platform
US8849715B2 (en) 2012-10-24 2014-09-30 Causam Energy, Inc. System, method, and apparatus for settlement for participation in an electric power grid
US8983669B2 (en) 2012-07-31 2015-03-17 Causam Energy, Inc. System, method, and data packets for messaging for electric power grid elements over a secure internet protocol network
US10475138B2 (en) 2015-09-23 2019-11-12 Causam Energy, Inc. Systems and methods for advanced energy network
CN103684969A (zh) * 2012-08-31 2014-03-26 国际商业机器公司 用于处理消息的方法和系统
WO2014037937A2 (en) * 2012-09-06 2014-03-13 Beyond Verbal Communication Ltd System and method for selection of data according to measurement of physiological parameters
US20140074959A1 (en) * 2012-09-10 2014-03-13 Apple Inc. Client side media station generation
US20140089092A1 (en) * 2012-09-27 2014-03-27 Livingsocial, Inc. Client-Based Deal Filtering and Display
US9654591B2 (en) * 2012-10-01 2017-05-16 Facebook, Inc. Mobile device-related measures of affinity
US20150263925A1 (en) * 2012-10-05 2015-09-17 Telefonaktiebolaget L M Ericsson (Publ) Method and apparatus for ranking users within a network
US9721263B2 (en) * 2012-10-26 2017-08-01 Nbcuniversal Media, Llc Continuously evolving symmetrical object profiles for online advertisement targeting
US10192200B2 (en) 2012-12-04 2019-01-29 Oath Inc. Classifying a portion of user contact data into local contacts
US9372811B2 (en) * 2012-12-13 2016-06-21 Arm Limited Retention priority based cache replacement policy
US9571998B2 (en) * 2013-01-15 2017-02-14 Marvell World Trade Ltd. System and method for asynchronous event reporting
CN103927162B (zh) * 2013-01-15 2018-09-21 马维尔国际贸易有限公司 用于异步事件报告的系统和方法
JP2016509305A (ja) * 2013-01-31 2016-03-24 ヒューレット−パッカード デベロップメント カンパニー エル．ピー．Ｈｅｗｌｅｔｔ‐Ｐａｃｋａｒｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｃｏｍｐａｎｙ， Ｌ．Ｐ． ファームウェアインタフェース変数リポジトリに書き込まれるデータを示すためのコミットリストの更新
CN105229684B (zh) * 2013-03-15 2021-02-19 布莱恩·麦克法登 用于控制和优化信息交换中的用户之间信息分布的系统
US9558508B2 (en) * 2013-03-15 2017-01-31 Microsoft Technology Licensing, Llc Energy-efficient mobile advertising
WO2014145059A2 (en) 2013-03-15 2014-09-18 Bell Tyler Apparatus, systems, and methods for analyzing movements of target entities
US20140324953A1 (en) * 2013-04-24 2014-10-30 Samsung Electronics Co., Ltd. Terminal device and content displaying method thereof, server and controlling method thereof
US10187520B2 (en) 2013-04-24 2019-01-22 Samsung Electronics Co., Ltd. Terminal device and content displaying method thereof, server and controlling method thereof
US9871883B2 (en) 2013-05-31 2018-01-16 Microsoft Technology Licensing, Llc Opportunity events
US20140372216A1 (en) * 2013-06-13 2014-12-18 Microsoft Corporation Contextual mobile application advertisements
US9210132B2 (en) * 2013-06-28 2015-12-08 Cellco Partnership Protecting subscriber information from third parties
JP5959745B2 (ja) * 2013-06-28 2016-08-02 楽天株式会社 広告システム、広告処理装置
US9282066B2 (en) 2013-07-18 2016-03-08 International Business Machines Corporation Targeted message response
US20150046152A1 (en) * 2013-08-08 2015-02-12 Quryon, Inc. Determining concept blocks based on context
CA2921622A1 (en) * 2013-08-19 2015-02-26 Monster Worldwide, Inc. Sourcing abound candidates apparatuses, methods and systems
US11556808B1 (en) * 2013-08-29 2023-01-17 Ivanti, Inc. Content delivery optimization
US20150073867A1 (en) * 2013-09-12 2015-03-12 Upsight, Inc. Systems and Methods for Predicting User Lifetime Value Using Cohorts
US9618343B2 (en) 2013-12-12 2017-04-11 Microsoft Technology Licensing, Llc Predicted travel intent
US11062337B1 (en) 2013-12-23 2021-07-13 Massachusetts Mutual Life Insurance Company Next product purchase and lapse predicting tool
US11100524B1 (en) 2013-12-23 2021-08-24 Massachusetts Mutual Life Insurance Company Next product purchase and lapse predicting tool
US11062378B1 (en) 2013-12-23 2021-07-13 Massachusetts Mutual Life Insurance Company Next product purchase and lapse predicting tool
US11151486B1 (en) 2013-12-30 2021-10-19 Massachusetts Mutual Life Insurance Company System and method for managing routing of leads
US11743389B1 (en) 2013-12-30 2023-08-29 Massachusetts Mutual Life Insurance Company System and method for managing routing of customer calls
US11509771B1 (en) 2013-12-30 2022-11-22 Massachusetts Mutual Life Insurance Company System and method for managing routing of customer calls
US11831794B1 (en) 2013-12-30 2023-11-28 Massachusetts Mutual Life Insurance Company System and method for managing routing of leads
US10394834B1 (en) 2013-12-31 2019-08-27 Massachusetts Mutual Life Insurance Company Methods and systems for ranking leads based on given characteristics
US9210207B2 (en) * 2014-02-13 2015-12-08 Ericsson Ab Time-sensitive content manipulation in adaptive streaming buffer
US9420086B2 (en) * 2014-03-05 2016-08-16 Honda Motor Co., Ltd. Information terminal
US10884991B1 (en) * 2014-03-14 2021-01-05 Jpmorgan Chase Bank, N.A. Data request analysis and fulfillment system and method
JP6327950B2 (ja) * 2014-05-28 2018-05-23 ヤフー株式会社 予測値演算装置、予測値演算方法および予測値演算プログラム
US9552587B2 (en) 2014-07-11 2017-01-24 Sensoriant, Inc. System and method for mediating representations with respect to preferences of a party not located in the environment
US10390289B2 (en) 2014-07-11 2019-08-20 Sensoriant, Inc. Systems and methods for mediating representations allowing control of devices located in an environment having broadcasting devices
US9853950B2 (en) * 2014-08-13 2017-12-26 Oath Inc. Systems and methods for protecting internet advertising data
CN105491092B (zh) * 2014-09-18 2020-05-26 腾讯科技（深圳）有限公司 一种消息推送方法和装置
US10068256B2 (en) * 2014-10-08 2018-09-04 Microsoft Technology Licensing, Llc User directed information collections
US10116560B2 (en) 2014-10-20 2018-10-30 Causam Energy, Inc. Systems, methods, and apparatus for communicating messages of distributed private networks over multiple public communication networks
US9996575B2 (en) 2014-10-30 2018-06-12 Twitter, Inc. Automated social message stream population
US10325220B2 (en) * 2014-11-17 2019-06-18 Oath Inc. System and method for large-scale multi-label learning using incomplete label assignments
US20160335272A1 (en) * 2014-12-13 2016-11-17 Velvet Ropes, Inc. Methods and systems for rating celebrities for generating a digital celebrity map tour guide
US10327094B2 (en) 2016-06-07 2019-06-18 NinthDecimal, Inc. Systems and methods to track locations visited by mobile devices and determine neighbors of and distances among locations
US11410225B2 (en) * 2015-01-13 2022-08-09 State Farm Mutual Automobile Insurance Company System and method for a fast rental application
US9661386B2 (en) * 2015-02-11 2017-05-23 Google Inc. Methods, systems, and media for presenting a suggestion to watch videos
US10379497B2 (en) 2015-03-07 2019-08-13 Apple Inc. Obtaining and displaying time-related data on an electronic watch
US9825962B2 (en) * 2015-03-27 2017-11-21 Accenture Global Services Limited Configurable sharing of user information
US10175866B2 (en) 2015-06-05 2019-01-08 Apple Inc. Providing complications on an electronic watch
US10572571B2 (en) 2015-06-05 2020-02-25 Apple Inc. API for specifying display of complication on an electronic watch
US11327640B2 (en) 2015-06-05 2022-05-10 Apple Inc. Providing complications on an electronic device
CN105046512A (zh) * 2015-06-19 2015-11-11 长沙待霁电子科技有限公司 一种智能定位广告方法
CN105046513A (zh) * 2015-06-19 2015-11-11 长沙待霁电子科技有限公司 一种车载区域化智能定位广告方法
US20170011049A1 (en) * 2015-07-09 2017-01-12 Longsand Limited Attribute analyzer for data backup
US9807198B2 (en) 2015-08-20 2017-10-31 Google Inc. Methods and systems of identifying a device using strong component conflict detection
EP3353669A4 (en) 2015-09-23 2019-04-24 Sensoriant, Inc. METHOD AND SYSTEM FOR USING DEVICE STATES AND USER PREFERENCES TO CREATE FRIENDLY ENVIRONMENTS
JP6062014B1 (ja) * 2015-09-29 2017-01-18 Ｌｉｎｅ株式会社 情報処理装置、制御方法、及びプログラム
CN105245609A (zh) * 2015-10-23 2016-01-13 小米科技有限责任公司 推送信息的方法、装置、设备及系统
EP3182738B1 (en) * 2015-12-16 2018-12-05 Snips Method and means for triggering at least one action based on geolocation and user information, places and user habits
KR101694727B1 (ko) * 2015-12-28 2017-01-10 주식회사 파수닷컴 인공 지능 기반 연관도 계산을 이용한 노트 제공 방법 및 장치
CN105678587B (zh) * 2016-01-12 2020-11-24 腾讯科技（深圳）有限公司 一种推荐特征确定方法、信息推荐方法及装置
EP3405880A4 (en) * 2016-01-22 2019-06-26 eBay Inc. CONTEXT IDENTIFICATION FOR CONTENT GENERATION
EP3414877B1 (en) * 2016-02-10 2019-07-17 Telefonaktiebolaget LM Ericsson (publ) Technique for transport protocol selection and setup of a connection between a client and a server
US9848061B1 (en) 2016-10-28 2017-12-19 Vignet Incorporated System and method for rules engine that dynamically adapts application behavior
US10178171B2 (en) 2016-04-21 2019-01-08 Samsung Electronics Company, Ltd. Content management system for distribution of content
CN105975540A (zh) * 2016-04-29 2016-09-28 北京小米移动软件有限公司 信息显示方法及装置
US10523635B2 (en) * 2016-06-17 2019-12-31 Assured Information Security, Inc. Filtering outbound network traffic
US10104417B2 (en) 2016-07-26 2018-10-16 At&T Mobility Ii Llc Method and apparatus for sponsored messaging
CN107665225B (zh) * 2016-07-29 2022-01-28 北京京东尚科信息技术有限公司 信息推送方法和装置
CN107872494B (zh) * 2016-09-28 2020-12-08 腾讯科技（深圳）有限公司 一种消息推送方法和装置
US10229193B2 (en) * 2016-10-03 2019-03-12 Sap Se Collecting event related tweets
US10542148B1 (en) 2016-10-12 2020-01-21 Massachusetts Mutual Life Insurance Company System and method for automatically assigning a customer call to an agent
KR102585230B1 (ko) * 2016-11-15 2023-10-05 삼성전자주식회사 통화 요청에 대한 알림 메시지를 제공하는 디바이스 및 방법
GB201620476D0 (en) * 2016-12-02 2017-01-18 Omarco Network Solutions Ltd Computer-implemented method of predicting performance data
CN106600069B (zh) * 2016-12-20 2020-08-18 西南石油大学 基于微博主题标签进行微博转发预测的方法和系统
US10616153B2 (en) * 2016-12-30 2020-04-07 Logmein, Inc. Real-time communications system with intelligent presence indication
US10165064B2 (en) 2017-01-11 2018-12-25 Google Llc Data packet transmission optimization of data used for content item selection
US10348820B2 (en) * 2017-01-20 2019-07-09 Facebook, Inc. Peer-to-peer content distribution
US10685294B2 (en) 2017-03-29 2020-06-16 International Business Machines Corporation Hardware device based software selection
US10042614B1 (en) * 2017-03-29 2018-08-07 International Business Machines Corporation Hardware device based software generation
US10101971B1 (en) 2017-03-29 2018-10-16 International Business Machines Corporation Hardware device based software verification
EP3616387A1 (en) 2017-04-24 2020-03-04 Carnegie Mellon University Virtual sensor system
IL252041B (en) * 2017-04-30 2020-09-30 Verint Systems Ltd System and method for tracking computer application users
US10296831B2 (en) 2017-05-03 2019-05-21 Virginia Tech Intellectual Properties, Inc. Learning radio signals using radio signal transformers
CN110020094B (zh) * 2017-07-14 2023-06-13 阿里巴巴集团控股有限公司 一种搜索结果的展示方法和相关装置
US11176461B1 (en) 2017-08-29 2021-11-16 Massachusetts Mutual Life Insurance Company System and method for managing routing of customer calls to agents
US10257355B1 (en) 2017-08-29 2019-04-09 Massachusetts Mutual Life Insurance Company System and method for managing customer call-backs
JP7013178B2 (ja) * 2017-09-08 2022-01-31 株式会社日立製作所 データ分析システム、データ分析方法、及びデータ分析プログラム
US11048766B1 (en) * 2018-06-26 2021-06-29 Facebook, Inc. Audience-centric event analysis
CN109067842B (zh) * 2018-07-06 2020-06-26 电子科技大学 面向车联网的计算任务卸载方法
CN109040300B (zh) * 2018-09-04 2021-05-14 航天信息股份有限公司 推送消息的方法、装置和存储介质
WO2020159917A1 (en) 2019-01-28 2020-08-06 Pindrop Security, Inc. Unsupervised keyword spotting and word discovery for fraud analytics
CN111506522B (zh) * 2019-01-31 2023-04-18 阿里巴巴集团控股有限公司 数据处理设备及方法
CN109873869B (zh) * 2019-03-05 2021-08-24 东南大学 一种雾无线接入网中基于强化学习的边缘缓存方法
CN110113410B (zh) * 2019-04-30 2021-12-07 秒针信息技术有限公司 一种信息推送的管理方法、装置、电子设备及存储介质
US10862854B2 (en) * 2019-05-07 2020-12-08 Bitdefender IPR Management Ltd. Systems and methods for using DNS messages to selectively collect computer forensic data
US20210004481A1 (en) * 2019-07-05 2021-01-07 Google Llc Systems and methods for privacy preserving determination of intersections of sets of user identifiers
CN110365848B (zh) * 2019-07-26 2021-04-13 维沃移动通信有限公司 一种消息显示方法及装置
US11948153B1 (en) 2019-07-29 2024-04-02 Massachusetts Mutual Life Insurance Company System and method for managing customer call-backs
US11263667B1 (en) * 2019-07-31 2022-03-01 Meta Platforms, Inc. Scoring of content items having a messaging application as a landing page
CN112306558A (zh) * 2019-08-01 2021-02-02 杭州中天微系统有限公司 处理单元、处理器、处理系统、电子设备和处理方法
US11803917B1 (en) 2019-10-16 2023-10-31 Massachusetts Mutual Life Insurance Company Dynamic valuation systems and methods
TWI723626B (zh) 2019-11-12 2021-04-01 國立中山大學 具隱私保護機制的預測方法、電子裝置與電腦程式產品
CN111241225B (zh) * 2020-01-10 2023-08-08 北京百度网讯科技有限公司 常驻区域变更的判断方法、装置、设备及存储介质
EP3902206B1 (de) * 2020-04-21 2022-02-16 TTTech Computertechnik Aktiengesellschaft Fehlertolerante verteilereinheit und verfahren zur bereitstellung einer fehlertoleranten globalen zeit
US11500940B2 (en) 2020-08-13 2022-11-15 International Business Machines Corporation Expanding or abridging content based on user device activity
US11875198B2 (en) * 2021-03-22 2024-01-16 EMC IP Holding Company LLC Synchronization object issue detection using object type queues and associated monitor threads in a storage system
US20220335244A1 (en) * 2021-04-19 2022-10-20 Microsoft Technology Licensing, Llc Automatic profile picture updates
KR20220149211A (ko) * 2021-04-30 2022-11-08 에이케이시스 주식회사 매핑 프로파일 제공시스템 및 매핑 프로파일 제공방법
US20230045801A1 (en) * 2021-08-11 2023-02-16 Edge AI, LLC Body or car mounted camera system
CN114006879B (zh) * 2021-10-28 2023-04-07 平安普惠企业管理有限公司 基于多人会话群组的输出提示信息的方法及相关设备
US11971822B2 (en) * 2022-01-26 2024-04-30 Salesforce, Inc. Progressive caching of filter rules

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050086186A1 (en) * 1999-02-02 2005-04-21 Alan Sullivan Neural network system and method for controlling information output based on user feedback

Family Cites Families (363)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE2037580A1 (de) 1970-07-29 1972-02-03 J. Hengstler Kg, 7207 Aldingen Einrichtung zum Steuern eines selbstbedienbaren Warenausgabegerätes vermittels Identifikationsdatenträgern
JPH01162028A (ja) 1987-12-18 1989-06-26 Nec Miyagi Ltd アラーム信号伝送方式
JPH03122770A (ja) 1989-10-05 1991-05-24 Ricoh Co Ltd キーワード連想文書検索方法
WO1991017530A1 (en) * 1990-05-01 1991-11-14 Environmental Products Corporation A method of transferring display and print data
US5664126A (en) 1992-07-24 1997-09-02 Kabushiki Kaisha Toshiba Human interface system for communicating networked users
JP3140621B2 (ja) * 1993-09-28 2001-03-05 株式会社日立製作所 分散ファイルシステム
US6202058B1 (en) * 1994-04-25 2001-03-13 Apple Computer, Inc. System for ranking the relevance of information objects accessed by computer users
US6460036B1 (en) 1994-11-29 2002-10-01 Pinpoint Incorporated System and method for providing customized electronic newspapers and target advertisements
US6571279B1 (en) 1997-12-05 2003-05-27 Pinpoint Incorporated Location enhanced information delivery system
US5758257A (en) * 1994-11-29 1998-05-26 Herz; Frederick System and method for scheduling broadcast of and access to video programs and other data using customer profiles
US5778436A (en) * 1995-03-06 1998-07-07 Duke University Predictive caching system and method based on memory access which previously followed a cache miss
US6112186A (en) 1995-06-30 2000-08-29 Microsoft Corporation Distributed system for facilitating exchange of user information and opinion using automated collaborative filtering
JP3360495B2 (ja) 1995-08-09 2002-12-24 株式会社日立製作所 携帯端末
JP3668495B2 (ja) 1995-11-06 2005-07-06 モトローラ・インコーポレーテッド 選択呼出し受信機およびその中にメッセージを記憶する方法
WO1997026729A2 (en) 1995-12-27 1997-07-24 Robinson Gary B Automated collaborative filtering in world wide web advertising
JPH09212397A (ja) * 1996-01-31 1997-08-15 Toshiba Corp ファイル読み出し方法
US20020086671A1 (en) * 1996-02-05 2002-07-04 Umesh J. Amin Roaming authorization system
US5848397A (en) * 1996-04-19 1998-12-08 Juno Online Services, L.P. Method and apparatus for scheduling the presentation of messages to computer users
CN100371914C (zh) 1996-07-22 2008-02-27 Cyva研究公司 个人信息安全与交换的工具
US6601103B1 (en) * 1996-08-22 2003-07-29 Intel Corporation Method and apparatus for providing personalized supplemental programming
JPH1063618A (ja) 1996-08-23 1998-03-06 Nippon Telegr & Teleph Corp <Ntt> 情報提供システム
US7327711B2 (en) * 1996-09-05 2008-02-05 Symbol Technologies, Inc. System for digital radio communication between a wireless LAN and a PBX
US6185427B1 (en) * 1996-09-06 2001-02-06 Snaptrack, Inc. Distributed satellite position system processing and application network
US20030093790A1 (en) 2000-03-28 2003-05-15 Logan James D. Audio and video program recording, editing and playback systems using metadata
CA2188845A1 (en) 1996-10-25 1998-04-25 Stephen Ross Todd Selection of an antenna operating in diversity
US5948061A (en) * 1996-10-29 1999-09-07 Double Click, Inc. Method of delivery, targeting, and measuring advertising over networks
US6177931B1 (en) * 1996-12-19 2001-01-23 Index Systems, Inc. Systems and methods for displaying and recording control interface with television programs, video, advertising information and program scheduling information
US6873834B1 (en) 1996-12-20 2005-03-29 Nortel Networks Limited Wireless terminal diversity scheme
US5961593A (en) * 1997-01-22 1999-10-05 Lucent Technologies, Inc. System and method for providing anonymous personalized browsing by a proxy system in a network
JPH10294676A (ja) 1997-04-17 1998-11-04 Yozan:Kk 待ち受け回路
US6105028A (en) * 1997-06-26 2000-08-15 Digital Equipment Corporation Method and apparatus for accessing copies of documents using a web browser request interceptor
BRPI9812104B1 (pt) 1997-07-21 2016-12-27 Guide E Inc método para navegar por um guia de programa interativo
US6119098A (en) * 1997-10-14 2000-09-12 Patrice D. Guyot System and method for targeting and distributing advertisements over a distributed network
JPH11136365A (ja) 1997-10-31 1999-05-21 Hitachi Ltd 情報配信システム
JP3122770B2 (ja) 1997-12-12 2001-01-09 大日精化工業株式会社 画像記録用着色組成物
US6738678B1 (en) * 1998-01-15 2004-05-18 Krishna Asur Bharat Method for ranking hyperlinked pages using content and connectivity analysis
GB2333379A (en) 1998-01-16 1999-07-21 Ibm Client/server computing
US6647257B2 (en) 1998-01-21 2003-11-11 Leap Wireless International, Inc. System and method for providing targeted messages based on wireless mobile location
US6415322B1 (en) 1998-02-27 2002-07-02 Engage, Inc. Dual/blind identification
GB2336006A (en) 1998-03-31 1999-10-06 Ibm Client/server computing with client selectable location of transaction objects
US6026393A (en) 1998-03-31 2000-02-15 Casebank Technologies Inc. Configuration knowledge as an aid to case retrieval
US6112203A (en) 1998-04-09 2000-08-29 Altavista Company Method for ranking documents in a hyperlinked environment using connectivity and selective content analysis
JPH11312190A (ja) 1998-04-28 1999-11-09 Hitachi Ltd 商品情報表示方法
EP1076871A1 (en) 1998-05-15 2001-02-21 Unicast Communications Corporation A technique for implementing browser-initiated network-distributed advertising and for interstitially displaying an advertisement
US6256633B1 (en) 1998-06-25 2001-07-03 U.S. Philips Corporation Context-based and user-profile driven information retrieval
JP3328589B2 (ja) 1998-07-23 2002-09-24 株式会社リクルート 端末装置、データストリーム生成装置、データストリームの処理方法およびデータストリームの生成方法並びに記録媒体
JP2947280B1 (ja) * 1998-07-28 1999-09-13 日本電気株式会社 位置登録制御方法
US6654813B1 (en) 1998-08-17 2003-11-25 Alta Vista Company Dynamically categorizing entity information
US6317722B1 (en) * 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US6356879B2 (en) 1998-10-09 2002-03-12 International Business Machines Corporation Content based method for product-peer filtering
FR2784846B1 (fr) * 1998-10-15 2000-12-15 Cit Alcatel Procede et systeme de telephonie mobile utilisant des messages de signalisation avec des niveaux de priorite
JP4465560B2 (ja) 1998-11-20 2010-05-19 ソニー株式会社 情報表示制御装置及び情報表示制御装置の情報表示制御方法
AU759014B2 (en) 1998-11-30 2003-04-03 Rovi Guides, Inc. Smart agent based on habit, statistical inference and psycho-demographic profiling
US7150030B1 (en) * 1998-12-03 2006-12-12 Prime Research Alliance, Inc. Subscriber characterization system
US8290351B2 (en) * 2001-04-03 2012-10-16 Prime Research Alliance E., Inc. Alternative advertising in prerecorded media
CA2353646C (en) 1998-12-03 2004-04-06 Expanse Networks, Inc. Subscriber characterization and advertisement monitoring system
US7328448B2 (en) 2000-08-31 2008-02-05 Prime Research Alliance E, Inc. Advertisement distribution system for distributing targeted advertisements in television systems
US20020123928A1 (en) 2001-01-11 2002-09-05 Eldering Charles A. Targeting ads to subscribers based on privacy-protected subscriber profiles
CN1337129A (zh) 1998-12-10 2002-02-20 利普无线国际公司 基于无线移动位置提供定向消息的系统和方法
US6611684B1 (en) * 1998-12-10 2003-08-26 Nortel Networks Limited Method and apparatus for implementing customer group functionality in a wireless environment
US6668378B2 (en) 1999-06-30 2003-12-23 Webtv Networks, Inc. Interactive television triggers having connected content/disconnected content attribute
JP3788111B2 (ja) 1999-06-30 2006-06-21 株式会社デンソー 情報サービスシステム
US20020046084A1 (en) * 1999-10-08 2002-04-18 Scott A. Steele Remotely configurable multimedia entertainment and information system with location based advertising
FI107863B (fi) 1999-10-11 2001-10-15 Sonera Oyj Menetelmä ja järjestelmä käyttäjätunnisteen suojaamiseksi
JP2001117977A (ja) 1999-10-15 2001-04-27 Fuji Xerox Co Ltd ワークフローシステム
US20030182567A1 (en) * 1999-10-20 2003-09-25 Tivo Inc. Client-side multimedia content targeting system
JP2001128097A (ja) 1999-10-28 2001-05-11 Nec Corp 移動体向け情報蓄積装置
US6230199B1 (en) * 1999-10-29 2001-05-08 Mcafee.Com, Inc. Active marketing based on client computer configurations
US6834294B1 (en) 1999-11-10 2004-12-21 Screenboard Technologies Inc. Methods and systems for providing and displaying information on a keyboard
WO2001035291A2 (en) * 1999-11-10 2001-05-17 Amazon.Com, Inc. Method and system for allocating display space
US7159232B1 (en) 1999-11-16 2007-01-02 Microsoft Corporation Scheduling the recording of television programs
US7031932B1 (en) 1999-11-22 2006-04-18 Aquantive, Inc. Dynamically optimizing the presentation of advertising messages
JP2003527627A (ja) * 1999-12-02 2003-09-16 ゼド インコーポレイテッド 目標設定された内容のためのデータ処理システム
US7213005B2 (en) * 1999-12-09 2007-05-01 International Business Machines Corporation Digital content distribution using web broadcasting services
US6421673B1 (en) 1999-12-13 2002-07-16 Novient, Inc. Method for mapping applications and or attributes in a distributed network environment
US6981040B1 (en) 1999-12-28 2005-12-27 Utopy, Inc. Automatic, personalized online information and product services
US6847959B1 (en) * 2000-01-05 2005-01-25 Apple Computer, Inc. Universal interface for retrieval of information in a computer system
JP2001203811A (ja) 2000-01-19 2001-07-27 Index:Kk 移動体通信システム
US6868525B1 (en) * 2000-02-01 2005-03-15 Alberti Anemometer Llc Computer graphic display visualization system and method
CA2298194A1 (en) * 2000-02-07 2001-08-07 Profilium Inc. Method and system for delivering and targeting advertisements over wireless networks
JP2001222491A (ja) 2000-02-09 2001-08-17 Nec Corp 情報提供システム、情報提供方法およびクライアント
JP3545666B2 (ja) 2000-02-14 2004-07-21 株式会社東芝 移動端末に対するサービス提供システム
US6484148B1 (en) * 2000-02-19 2002-11-19 John E. Boyd Electronic advertising device and method of using the same
JP2001238192A (ja) 2000-02-21 2001-08-31 Nippon Telegr & Teleph Corp <Ntt> 情報配信システム、情報配信方法及び端末装置
US7330824B1 (en) * 2000-02-25 2008-02-12 Navic Systems, Inc. Method and system for content profiling and activation
AU2001239923A1 (en) 2000-02-29 2001-09-12 Thinairapps, Inc. Flexible wireless advertisement integration in wireless software applications
JP2001251576A (ja) 2000-03-03 2001-09-14 Matsushita Electric Ind Co Ltd 番組受信装置および蓄積放送課金装置
GB0005727D0 (en) * 2000-03-10 2000-05-03 Koninkl Philips Electronics Nv Television
JP4414554B2 (ja) 2000-03-22 2010-02-10 シャープ株式会社 顧客管理システム
JP2001273298A (ja) 2000-03-23 2001-10-05 Hitachi Ltd ディジタルコンテンツ配信システム
US6499029B1 (en) 2000-03-29 2002-12-24 Koninklijke Philips Electronics N.V. User interface providing automatic organization and filtering of search criteria
US6912398B1 (en) * 2000-04-10 2005-06-28 David Domnitz Apparatus and method for delivering information to an individual based on location and/or time
WO2001080134A2 (en) * 2000-04-17 2001-10-25 Advertising.Com, Inc. Apparatus and method for delivery of targeted marketing to automated service machines
WO2001082160A1 (fr) * 2000-04-26 2001-11-01 Voltage Inc. Procede de determination/optimisation de la distribution de publicites
JP4620830B2 (ja) 2000-04-26 2011-01-26 株式会社 ボルテージ 広告配信決定方法および配信最適化システム
US8843590B2 (en) * 2000-05-31 2014-09-23 Ebm/Ip, Llc Systems, methods and computer program products for facilitating display of content within application programs executing on electronic devices
US6738808B1 (en) 2000-06-30 2004-05-18 Bell South Intellectual Property Corporation Anonymous location service for wireless networks
EP1358528A2 (en) 2000-07-13 2003-11-05 Koninklijke Philips Electronics N.V. Auditing system for e-commerce via consumer appliance
US20020032771A1 (en) * 2000-07-20 2002-03-14 Trond Gledje Event-based advertisements
US6647261B1 (en) 2000-07-20 2003-11-11 Koninklijke Philips Electronics N.V. Idle handoff method taking into account critical system jobs
US6671732B1 (en) * 2000-07-24 2003-12-30 Comverse Ltd. Method and apparatus for control of content based rich media streaming
US20070037610A1 (en) * 2000-08-29 2007-02-15 Logan James D Methods and apparatus for conserving battery power in a cellular or portable telephone
US7478089B2 (en) * 2003-10-29 2009-01-13 Kontera Technologies, Inc. System and method for real-time web page context analysis for the real-time insertion of textual markup objects and dynamic content
US7689510B2 (en) 2000-09-07 2010-03-30 Sonic Solutions Methods and system for use in network management of content
US20020062251A1 (en) * 2000-09-29 2002-05-23 Rajan Anandan System and method for wireless consumer communications
JP4479087B2 (ja) 2000-10-19 2010-06-09 ソニー株式会社 放送システム
US20070022375A1 (en) 2000-10-19 2007-01-25 David Walker Apparatus, system, and method for an electronic payment system
US7403980B2 (en) 2000-11-08 2008-07-22 Sri International Methods and apparatus for scalable, distributed management of virtual private networks
AU2002223811B8 (en) 2000-11-20 2007-10-18 British Telecommunications Public Limited Company Method of managing resources
US7370073B2 (en) * 2000-11-28 2008-05-06 Navic Systems, Inc. Using viewership profiles for targeted promotion deployment
JP2002197342A (ja) 2000-12-25 2002-07-12 Hitachi Ltd 集合住宅共同サイトシステム及びその運営方法
JP2002197356A (ja) 2000-12-26 2002-07-12 Toshiba Corp コマーシャルメッセージ提供方法およびシステム、ならびに記憶媒体
US9613483B2 (en) * 2000-12-27 2017-04-04 Proxense, Llc Personal digital key and receiver/decoder circuit system and method
JP2002199460A (ja) 2000-12-27 2002-07-12 Hitachi Ltd 情報サービスシステムと情報提供方法
US20020087401A1 (en) * 2000-12-29 2002-07-04 Gateway, Inc. System and method for targeted advertising
US20020091568A1 (en) 2001-01-10 2002-07-11 International Business Machines Corporation Personalized profile based advertising system and method with integration of physical location using GPS
US7356530B2 (en) 2001-01-10 2008-04-08 Looksmart, Ltd. Systems and methods of retrieving relevant information
US7343317B2 (en) 2001-01-18 2008-03-11 Nokia Corporation Real-time wireless e-coupon (promotion) definition based on available segment
US6526440B1 (en) 2001-01-30 2003-02-25 Google, Inc. Ranking search results by reranking the results based on local inter-connectivity
JP4451063B2 (ja) 2001-02-02 2010-04-14 オープンティブイ・インコーポレーテッド 双方向テレビジョンでの表示のためにコンテンツを再フォーマットする方法及び装置
US20020138331A1 (en) 2001-02-05 2002-09-26 Hosea Devin F. Method and system for web page personalization
US20030222134A1 (en) 2001-02-17 2003-12-04 Boyd John E Electronic advertising device and method of using the same
US7222101B2 (en) * 2001-02-26 2007-05-22 American Express Travel Related Services Company, Inc. System and method for securing data through a PDA portal
US7298734B2 (en) * 2001-03-05 2007-11-20 Qwest Communications International, Inc. Method and system communication system message processing based on classification criteria
JP2002271855A (ja) 2001-03-08 2002-09-20 Ntt Software Corp 広告提供装置
US6889054B2 (en) 2001-03-29 2005-05-03 International Business Machines Corporation Method and system for schedule based advertising on a mobile phone
US20020152117A1 (en) 2001-04-12 2002-10-17 Mike Cristofalo System and method for targeting object oriented audio and video content to users
US6635015B2 (en) 2001-04-20 2003-10-21 The Procter & Gamble Company Body weight management system
JP2003208381A (ja) 2001-04-20 2003-07-25 Nippon Telegr & Teleph Corp <Ntt> トークン型コンテンツ提供システム及びトークン型コンテンツ提供方法及び携帯型利用者端末
US20040139204A1 (en) 2001-04-23 2004-07-15 Siegried Ergezinger Architecture for providing services in the internet
US6968178B2 (en) 2001-04-27 2005-11-22 Hewlett-Packard Development Company, L.P. Profiles for information acquisition by devices in a wireless network
JP2002334248A (ja) 2001-05-07 2002-11-22 Honda Motor Co Ltd 顧客タイプをリアルタイムで判定するコンピュータ・システム
JP2002333853A (ja) 2001-05-08 2002-11-22 Hitachi Ltd 広告配信システムとその方法及び携帯端末装置
US6889224B2 (en) * 2001-05-16 2005-05-03 International Business Machines Corporation Method for storing, accessing embedded web pages during manufacturing phase on personal digital device
JP2002366819A (ja) 2001-05-31 2002-12-20 Hewlett Packard Co <Hp> 識別子に基づいた電子クーポンの配布システム
US6507279B2 (en) * 2001-06-06 2003-01-14 Sensormatic Electronics Corporation Complete integrated self-checkout system and method
WO2002103997A2 (en) * 2001-06-14 2002-12-27 Dizpersion Group, L.L.C. Method and system for providing network based target advertising
US7099952B2 (en) 2001-06-28 2006-08-29 Microsoft Corporation Transportable identifier and system and method to facilitate access to broadcast data
US7149704B2 (en) 2001-06-29 2006-12-12 Claria Corporation System, method and computer program product for collecting information about a network user
US6798358B2 (en) 2001-07-03 2004-09-28 Nortel Networks Limited Location-based content delivery
CA2394503A1 (en) 2001-07-23 2003-01-23 Research In Motion Limited System and method for pushing information to a mobile device
JP2003050932A (ja) 2001-08-06 2003-02-21 Fuji Bolt Seisakusho:Kk 通信データ中継方法と装置、並びに通信データの中継による購買代行方法と装置
JP2003050820A (ja) 2001-08-07 2003-02-21 Casio Comput Co Ltd サービス情報提供システム、サービス情報提供装置及びその方法
JP3875051B2 (ja) 2001-08-28 2007-01-31 株式会社エヌ・ティ・ティ・ドコモ 通信システム、通信方法及び通信制御装置
JP3612562B2 (ja) 2001-08-28 2005-01-19 独立行政法人情報通信研究機構 ディジタルデータ検索情報提示システム
US20050210243A1 (en) 2001-09-28 2005-09-22 Archard Paul L System and method for improving client response times using an integrated security and packet optimization framework
US20030130887A1 (en) 2001-10-03 2003-07-10 Thurston Nathaniel Non-deterministic method and system for the optimization of a targeted content delivery
US6947910B2 (en) 2001-10-09 2005-09-20 E-Cast, Inc. Secure ticketing
US7274684B2 (en) 2001-10-10 2007-09-25 Bruce Fitzgerald Young Method and system for implementing and managing a multimedia access network device
US7756520B2 (en) 2001-10-17 2010-07-13 Nortel Networks Limited Packet communication system with dual candidate sets for independent management of uplink and downlink transmissions
US6985811B2 (en) 2001-10-30 2006-01-10 Sirf Technology, Inc. Method and apparatus for real time clock (RTC) brownout detection
US7136871B2 (en) 2001-11-21 2006-11-14 Microsoft Corporation Methods and systems for selectively displaying advertisements
GB2383494B (en) 2001-12-19 2006-01-25 Qualcomm A method of and apparatus for handling messages in a mobile communications environment
JP2003196128A (ja) 2001-12-26 2003-07-11 Hitachi Ltd 携帯通信端末、外部記憶装置及び情報通信システム
JP2003196305A (ja) 2001-12-28 2003-07-11 Pfu Ltd 情報配信プログラム、情報配信方法および情報配信装置
WO2003067465A1 (en) * 2002-02-07 2003-08-14 Trigenix Limited Method and apparatus for providing content to a mobile terminal
US20040203630A1 (en) 2002-03-15 2004-10-14 Wang Charles Chuanming Method and apparatus for targeting service delivery to mobile devices
JP2003283652A (ja) 2002-03-25 2003-10-03 Nippon Telegr & Teleph Corp <Ntt> パケット通信網を用いた音声広告配信システム
WO2003083714A1 (en) 2002-03-28 2003-10-09 Nokia Corporation Providing information for mobile users
US7716161B2 (en) 2002-09-24 2010-05-11 Google, Inc, Methods and apparatus for serving relevant advertisements
US9235849B2 (en) 2003-12-31 2016-01-12 Google Inc. Generating user information for use in targeted advertising
US7346606B2 (en) 2003-06-30 2008-03-18 Google, Inc. Rendering advertisements with documents having one or more topics using user topic interest
JP2003316742A (ja) 2002-04-24 2003-11-07 Nippon Telegr & Teleph Corp <Ntt> シングルサインオン機能を有する匿名通信方法および装置
JP2004005080A (ja) 2002-05-31 2004-01-08 Sanyo Electric Co Ltd 情報提供システムおよび情報提供方法
WO2003102728A2 (en) * 2002-05-31 2003-12-11 Predictive Media Corporation Method and system for the storage, viewing management, and delivery of targeted advertising
JP2004013426A (ja) 2002-06-05 2004-01-15 Nippon Telegr & Teleph Corp <Ntt> マルチメディア情報提供システム及びその方法並びにマルチメディア情報提供プログラム及びその記録媒体
US7069259B2 (en) 2002-06-28 2006-06-27 Microsoft Corporation Multi-attribute specification of preferences about people, priorities and privacy for guiding messaging and communications
GB0216650D0 (en) * 2002-07-18 2002-08-28 Univ Bristol Detection of disease by analysis of emissions
AU2003254036A1 (en) * 2002-07-19 2004-02-09 Intellisign, Ltd Methods and apparatus for an interactive media display
US7254643B1 (en) 2002-08-08 2007-08-07 At&T Corp. System and method for providing multi-media services to communication devices over a communications network
KR20040032260A (ko) 2002-10-08 2004-04-17 전자부품연구원 메타데이터를 이용한 광고 디스플레이 장치 및 그 서비스방법
JP2004086560A (ja) 2002-08-27 2004-03-18 Yamaha Corp 情報配信システム及び方法、並びに、情報配信制御装置、方法及びプログラム
GB2392518B (en) 2002-09-02 2004-09-22 3Com Corp Computer network and method of operating same to preload content of selected web pages
JP2007263972A (ja) 2002-10-10 2007-10-11 Matsushita Electric Ind Co Ltd 情報提示方法および情報提示装置
AU2003275550A1 (en) 2002-10-10 2004-05-04 Matsushita Electric Industrial Co., Ltd. Information acquisition method, information providing method, and information acquisition device
JP2004138692A (ja) 2002-10-16 2004-05-13 Hitachi Eng Co Ltd インターネット広告情報提供システム
JP2004151954A (ja) 2002-10-30 2004-05-27 Ntt Comware Corp 広告メール配信装置および広告メール配信方法
KR20040040779A (ko) 2002-11-08 2004-05-13 주식회사 비즈모델라인 스마트 카드(또는 아이씨카드)를 이용한 지출 내역 관리방법 및 시스템
KR100453674B1 (ko) 2002-11-08 2004-10-20 지에스티 주식회사 삼각기둥 회전 광고장치
US20040093418A1 (en) * 2002-11-13 2004-05-13 Jukka Tuomi Update of subscriber profiles in a communication system
ATE433169T1 (de) 2002-12-03 2009-06-15 Research In Motion Ltd Verfahren, system und computerprogrammprodukt für die vorauswahl eines ordners für eine nachricht
US7512403B2 (en) 2002-12-20 2009-03-31 Samsung Electronics Co., Ltd. Apparatus and method for performing an interfrequency handoff in a wireless network
US20040128347A1 (en) 2002-12-31 2004-07-01 Jeffrey Mason System and method for providing content access at remote portal environments
EP1604284A1 (en) 2003-03-10 2005-12-14 Koninklijke Philips Electronics N.V. Content exchange between portable device and network
JP2004294264A (ja) 2003-03-27 2004-10-21 Mazda Motor Corp ナビゲーションシステム
US7577732B2 (en) 2003-03-28 2009-08-18 Fujitsu Limited Information distribution service providing system
JP2004320153A (ja) 2003-04-11 2004-11-11 Sony Corp 無線通信システム及びその電力制御方法
KR20060009332A (ko) 2003-05-12 2006-01-31 코닌클리케 필립스 일렉트로닉스 엔.브이. 프로파일 기반 협력적 필터링을 수행하는 장치 및 방법
US20040243482A1 (en) 2003-05-28 2004-12-02 Steven Laut Method and apparatus for multi-way jukebox system
US20060179107A1 (en) 2003-06-18 2006-08-10 Yoshiaki Iwata Network recording system, recording server, and terminal device
US7027463B2 (en) * 2003-07-11 2006-04-11 Sonolink Communications Systems, Llc System and method for multi-tiered rule filtering
JP2005070889A (ja) 2003-08-28 2005-03-17 Shunji Sugaya 属性判定システム及び方法、ならびに、コンピュータプログラム
US8527346B2 (en) * 2003-09-29 2013-09-03 Yahoo! Inc. Method and system for scheduling electronic advertising
US20050128995A1 (en) * 2003-09-29 2005-06-16 Ott Maximilian A. Method and apparatus for using wireless hotspots and semantic routing to provide broadband mobile serveices
JP2005107728A (ja) 2003-09-29 2005-04-21 Hitachi Software Eng Co Ltd 携帯電話端末における広告表示システム及び広告表示方法
US20050071328A1 (en) 2003-09-30 2005-03-31 Lawrence Stephen R. Personalization of web search
US20050222989A1 (en) 2003-09-30 2005-10-06 Taher Haveliwala Results based personalization of advertisements in a search engine
ATE464726T1 (de) 2003-09-30 2010-04-15 Ericsson Telefon Ab L M Mittel und verfahren zur erzeugung einer eindeutigen benutzeridentität zur verwendung zwischen verschiedenen domänen
US7693827B2 (en) 2003-09-30 2010-04-06 Google Inc. Personalization of placed content ordering in search results
US8321278B2 (en) * 2003-09-30 2012-11-27 Google Inc. Targeted advertisements based on user profiles and page profile
FI116808B (fi) 2003-10-06 2006-02-28 Leiki Oy Järjestely ja menetelmä tiedon tarjoamiseksi käyttäjälle
US20050120003A1 (en) * 2003-10-08 2005-06-02 Drury William J. Method for maintaining a record of searches and results
US7312752B2 (en) 2003-10-22 2007-12-25 Awarepoint Corporation Wireless position location and tracking system
US7552433B2 (en) 2003-11-12 2009-06-23 Hewlett-Packard Development Company, L.P. Non-platform-specific unique indentifier generation
JP4285225B2 (ja) 2003-12-11 2009-06-24 沖電気工業株式会社 中継装置，ネットワークシステム，ネットワークアクセス方法，およびプログラム
US20050216823A1 (en) 2003-12-30 2005-09-29 Microsoft Corporation Assigning textual ads based on article history
US7216205B2 (en) 2004-01-12 2007-05-08 Hewlett-Packard Development Company, L.P. Cache line ownership transfer in multi-processor computer systems
WO2008097210A2 (en) * 2004-01-26 2008-08-14 Quad/Graphics, Inc. Advertising management system and method of operation
US7523112B2 (en) 2004-02-19 2009-04-21 Research In Motion Limited System and method for searching a remote database
US7599991B2 (en) 2004-03-10 2009-10-06 Microsoft Corporation Rules interface for implementing message rules on a mobile computing device
US20050215238A1 (en) * 2004-03-24 2005-09-29 Macaluso Anthony G Advertising on mobile devices
US20050262246A1 (en) 2004-04-19 2005-11-24 Satish Menon Systems and methods for load balancing storage and streaming media requests in a scalable, cluster-based architecture for real-time streaming
US7616613B2 (en) 2004-05-05 2009-11-10 Cisco Technology, Inc. Internet protocol authentication in layer-3 multipoint tunneling for wireless access points
JP2005332265A (ja) 2004-05-20 2005-12-02 Sony Corp 情報処理システムおよび方法、情報処理装置および方法、プログラム
US7502344B2 (en) * 2004-06-25 2009-03-10 Fujifilm Corporation Communications terminal, server, playback control method and program
US8005716B1 (en) 2004-06-30 2011-08-23 Google Inc. Methods and systems for establishing a keyword utilizing path navigation information
US7716219B2 (en) 2004-07-08 2010-05-11 Yahoo ! Inc. Database search system and method of determining a value of a keyword in a search
JP2006031204A (ja) 2004-07-14 2006-02-02 Recruit Co Ltd 情報マッチング装置
JP2006053767A (ja) 2004-08-12 2006-02-23 Ntt Comware Corp コンテンツ配信システム及び方法、コンテンツ配信サーバ、クライアント端末、ならびに、コンピュータプログラム
US7860923B2 (en) * 2004-08-18 2010-12-28 Time Warner Inc. Method and device for the wireless exchange of media content between mobile devices based on user information
US7860922B2 (en) 2004-08-18 2010-12-28 Time Warner, Inc. Method and device for the wireless exchange of media content between mobile devices based on content preferences
US20060041472A1 (en) 2004-08-23 2006-02-23 Lukose Rajan M Systems and methods of interfacing an advertisement with a message presentation client
US8135803B2 (en) * 2004-08-23 2012-03-13 Ianywhere Solutions, Inc. Method, system, and computer program product for offline advertisement servicing and cycling
KR20060017990A (ko) 2004-08-23 2006-02-28 남기열 신용카드 결제와 연동된 핸드폰(모바일)을 통한 정보(광고/쿠폰) 전송 서비스 모델
US20060064346A1 (en) 2004-08-31 2006-03-23 Qualcomm Incorporated Location based service (LBS) system and method for targeted advertising
US20060059183A1 (en) * 2004-09-16 2006-03-16 Pearson Malcolm E Securely publishing user profile information across a public insecure infrastructure
US20060064386A1 (en) * 2004-09-20 2006-03-23 Aaron Marking Media on demand via peering
US7707167B2 (en) 2004-09-20 2010-04-27 Microsoft Corporation Method, system, and apparatus for creating a knowledge interchange profile
JP4880962B2 (ja) 2004-09-27 2012-02-22 ヤフー株式会社 広告コンテンツ配信比率算出プログラム、広告コンテンツ配信比率算出方法、広告コンテンツ配信比率算出システム、コンテンツ配信制御システム、広告コンテンツ配信制御システム、広告コンテンツ配信制御方法および広告コンテンツ配信制御プログラム
US11283885B2 (en) 2004-10-19 2022-03-22 Verizon Patent And Licensing Inc. System and method for location based matching and promotion
EP1825430A4 (en) 2004-10-19 2009-08-26 Yahoo Inc SYSTEM AND METHOD FOR PERSONAL NETWORKING BASED ON LOCATION
US7224970B2 (en) 2004-10-26 2007-05-29 Motorola, Inc. Method of scanning for beacon transmissions in a WLAN
US20060165005A1 (en) * 2004-11-15 2006-07-27 Microsoft Corporation Business method for pay-as-you-go computer and dynamic differential pricing
FR2878670B1 (fr) 2004-11-26 2007-04-20 Himanshu Sekhar Procede d'amelioration d'ergonomie et vitesse d'acces a de l'information
US20060129931A1 (en) 2004-12-10 2006-06-15 Microsoft Corporation Integrated client help viewer for internet-based and local help content
US7869453B2 (en) 2004-12-17 2011-01-11 Lantiq Deutschland Gmbh Apparatus and method for data transfer
JP2008525875A (ja) 2004-12-23 2008-07-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ コンテンツを推薦するための方法及び装置
JP4331101B2 (ja) 2004-12-27 2009-09-16 株式会社東芝 キャッシュ制御装置、キャッシュ制御方法およびキャッシュ制御プログラム
US8843536B1 (en) * 2004-12-31 2014-09-23 Google Inc. Methods and systems for providing relevant advertisements or other content for inactive uniform resource locators using search queries
JP2006203593A (ja) 2005-01-21 2006-08-03 Hitachi Ltd Ｔｖ放送視聴システム及びｔｖ放送視聴方法
US20070168461A1 (en) 2005-02-01 2007-07-19 Moore James F Syndicating surgical data in a healthcare environment
JP2006215956A (ja) 2005-02-07 2006-08-17 Nomura Research Institute Ltd オンライン広告システム及びオンライン広告方法
US20060194569A1 (en) 2005-02-25 2006-08-31 Leapfrog Technologies, Inc. Wireless electronic coupon delivery system for use by mobile communication devices
US8768766B2 (en) 2005-03-07 2014-07-01 Turn Inc. Enhanced online advertising system
JP4650037B2 (ja) 2005-03-11 2011-03-16 日本電気株式会社 データ管理装置、携帯電話、データ管理方法、プログラム、記録媒体
JP2006261956A (ja) 2005-03-16 2006-09-28 Hochiki Corp 告知放送システム
US9288538B2 (en) 2005-04-07 2016-03-15 Qualcomm Incorporated Methods and apparatus for conveying a delivery schedule to mobile terminals
US7610280B2 (en) 2005-05-05 2009-10-27 Cisco Technology, Inc. Method and system for dynamically pre-positioning content in a network based detecting or predicting user presence
US7653627B2 (en) * 2005-05-13 2010-01-26 Microsoft Corporation System and method for utilizing the content of an online conversation to select advertising content and/or other relevant information for display
US20060271425A1 (en) 2005-05-27 2006-11-30 Microsoft Corporation Advertising in application programs
US20060277098A1 (en) 2005-06-06 2006-12-07 Chung Tze D Media playing system and method for delivering multimedia content with up-to-date and targeted marketing messages over a communication network
US20060277271A1 (en) 2005-06-07 2006-12-07 Yahoo! Inc. Prefetching content based on a mobile user profile
US20060282312A1 (en) 2005-06-10 2006-12-14 Microsoft Corporation Advertisements in an alert interface
US20060293065A1 (en) 2005-06-27 2006-12-28 Lucent Technologies Inc. Dynamic information on demand
KR20080043764A (ko) 2005-06-28 2008-05-19 초이스스트림, 인코포레이티드 타게팅 광고용 통계 시스템에 관한 방법 및 장치
US20070005419A1 (en) * 2005-06-30 2007-01-04 Microsoft Corporation Recommending location and services via geospatial collaborative filtering
JP2007017841A (ja) 2005-07-11 2007-01-25 Seiji Wada 電子メール広告配信システム
JP2007089131A (ja) 2005-07-25 2007-04-05 Sony Corp 情報処理装置および方法、プログラム、並びに記録媒体
US20070022098A1 (en) * 2005-07-25 2007-01-25 Dale Malik Systems and methods for automatically updating annotations and marked content of an information search
EP1913499A1 (en) 2005-08-01 2008-04-23 Koninklijke Philips Electronics N.V. Organizing content using a dynamic profile
JP4398916B2 (ja) 2005-08-12 2010-01-13 株式会社東芝 確率モデル生成装置およびプログラム
US20070060114A1 (en) 2005-09-14 2007-03-15 Jorey Ramer Predictive text completion for a mobile communication facility
US20080214153A1 (en) 2005-09-14 2008-09-04 Jorey Ramer Mobile User Profile Creation based on User Browse Behaviors
US20080215623A1 (en) 2005-09-14 2008-09-04 Jorey Ramer Mobile communication facility usage and social network creation
US8195133B2 (en) 2005-09-14 2012-06-05 Jumptap, Inc. Mobile dynamic advertisement creation and placement
US7702318B2 (en) 2005-09-14 2010-04-20 Jumptap, Inc. Presentation of sponsored content based on mobile transaction event
US7979509B1 (en) 2005-09-15 2011-07-12 Juniper Networks, Inc. Clustered network acceleration devices having shared cache
US7761075B2 (en) 2005-09-21 2010-07-20 Samsung Electronics Co., Ltd. Apparatus and method for interference cancellation in wireless mobile stations operating concurrently on two or more air interfaces
GB2430524A (en) 2005-09-23 2007-03-28 Avantone Oy Mobile information processing system
JP2007094560A (ja) 2005-09-27 2007-04-12 Nec Corp サービス提供方法、サービス提供システム、サービス提供装置、サービス提供端末及びサービス提供プログラム
US20070088603A1 (en) * 2005-10-13 2007-04-19 Jouppi Norman P Method and system for targeted data delivery using weight-based scoring
US20070088801A1 (en) * 2005-10-17 2007-04-19 Zohar Levkovitz Device, system and method of delivering targeted advertisements using wireless application protocol
CN101341490B (zh) 2005-10-18 2011-08-10 意大利电信股份公司 控制文件系统存取的方法、相关的系统、sim卡以及在其中使用的计算机程序产品
US7628325B2 (en) 2005-11-08 2009-12-08 At&T Intellectual Property I, Lp Systems, methods and computer program products for wirelessly preprocessing a transaction while in a queue for a point-of-transaction
US20070111726A1 (en) 2005-11-15 2007-05-17 Sony Ericsson Mobile Communications Ab User profiles for mobile terminals
US20070136742A1 (en) 2005-12-13 2007-06-14 General Instrument Corporation Method, apparatus and system for replacing advertisements in recorded video content
US7805129B1 (en) 2005-12-27 2010-09-28 Qurio Holdings, Inc. Using device content information to influence operation of another device
WO2007082190A2 (en) * 2006-01-06 2007-07-19 Qualcomm Incorporated Apparatus and methods of selective collection and selective presentation of content
US7706740B2 (en) 2006-01-06 2010-04-27 Qualcomm Incorporated Apparatus and methods of selective collection and selective presentation of content
US7657522B1 (en) 2006-01-12 2010-02-02 Recommind, Inc. System and method for providing information navigation and filtration
US7668922B2 (en) 2006-01-19 2010-02-23 International Business Machines Corporation Identifying and displaying relevant shared entities in an instant messaging system
US20070288310A1 (en) 2006-01-24 2007-12-13 Boos Frederick B Methods and systems for providing advertising to consumers
US7756922B2 (en) 2006-01-27 2010-07-13 Oracle International Corporation Schema annotations for managing cached document fragments
GB0601819D0 (en) * 2006-01-31 2006-03-08 Aea Technology Plc Track twist monitoring
CN101395835A (zh) 2006-02-28 2009-03-25 诺基亚公司 无线网络中用于省电传送的使用mac报头的多播组地址信令
US7903817B2 (en) 2006-03-02 2011-03-08 Cisco Technology, Inc. System and method for wireless network profile provisioning
US20070208728A1 (en) 2006-03-03 2007-09-06 Microsoft Corporation Predicting demographic attributes based on online behavior
JP2007241921A (ja) 2006-03-13 2007-09-20 Keiji Ariyama 広告配信システムおよび広告配信方法
JP2007264764A (ja) 2006-03-27 2007-10-11 Denso It Laboratory Inc コンテンツ選別方法
JP2007271305A (ja) 2006-03-30 2007-10-18 Suzuki Motor Corp 情報配信装置
US7535884B2 (en) * 2006-04-18 2009-05-19 Cisco Technology, Inc. Battery-efficient generic advertising service for wireless mobile devices
US10803468B2 (en) 2006-04-18 2020-10-13 At&T Intellectual Property I, L.P. Method and apparatus for selecting advertising
US7711004B2 (en) * 2006-04-18 2010-05-04 Cisco Technology, Inc. Multiple broadcast channels for wireless networks
US20070255690A1 (en) 2006-04-28 2007-11-01 Chi-Chao Chang System and method for forecasting the performance of advertisements
US20070260597A1 (en) * 2006-05-02 2007-11-08 Mark Cramer Dynamic search engine results employing user behavior
WO2007135436A1 (en) 2006-05-24 2007-11-29 Icom Limited Content engine
US8571580B2 (en) 2006-06-01 2013-10-29 Loopt Llc. Displaying the location of individuals on an interactive map display on a mobile communication device
US7814112B2 (en) 2006-06-09 2010-10-12 Ebay Inc. Determining relevancy and desirability of terms
US8175645B2 (en) 2006-06-12 2012-05-08 Qurio Holdings, Inc. System and method for modifying a device profile
US8332269B2 (en) * 2006-06-27 2012-12-11 Adchemy, Inc. System and method for generating target bids for advertisement group keywords
US7997485B2 (en) * 2006-06-29 2011-08-16 Microsoft Corporation Content presentation based on user preferences
US9135626B2 (en) * 2006-06-30 2015-09-15 Nokia Technologies Oy Advertising middleware
US20080010157A1 (en) 2006-07-08 2008-01-10 Raj Prakash Deploying Advertisement Objects With Vendor Transaction Objects
US8059646B2 (en) * 2006-07-11 2011-11-15 Napo Enterprises, Llc System and method for identifying music content in a P2P real time recommendation network
US7657639B2 (en) 2006-07-21 2010-02-02 International Business Machines Corporation Method and system for identity provider migration using federated single-sign-on operation
US20080082417A1 (en) * 2006-07-31 2008-04-03 Publicover Mark W Advertising and fulfillment system
US8121915B1 (en) * 2006-08-16 2012-02-21 Resource Consortium Limited Generating financial plans using a personal information aggregator
CN101502110B (zh) * 2006-08-31 2011-05-18 国际商业机器公司 用于移动电视中的播放个性化广告的方法和系统
US20080133327A1 (en) 2006-09-14 2008-06-05 Shah Ullah Methods and systems for securing content played on mobile devices
JP4240094B2 (ja) 2006-09-19 2009-03-18 船井電機株式会社 コンテンツ受信システム
JP5016880B2 (ja) * 2006-09-21 2012-09-05 富士通株式会社 優先クラスに応じたメモリ管理方法及び装置
WO2008042302A2 (en) 2006-09-29 2008-04-10 Narian Technologies Corp. Apparatus and method using near field communications
US8230037B2 (en) * 2006-09-29 2012-07-24 Audible, Inc. Methods and apparatus for customized content delivery
US8566874B2 (en) 2006-10-03 2013-10-22 Verizon Patent And Licensing Inc. Control tools for media content access systems and methods
US20080098420A1 (en) 2006-10-19 2008-04-24 Roundbox, Inc. Distribution and display of advertising for devices in a network
WO2008055172A2 (en) * 2006-10-30 2008-05-08 Maxlinear, Inc. Targeted advertisement in the digital television environment
US7895121B2 (en) 2006-10-31 2011-02-22 Hewlett-Packard Development Company, L.P. Method and system for tracking conversions in a system for targeted data delivery
GB2446199A (en) 2006-12-01 2008-08-06 David Irvine Secure, decentralised and anonymous peer-to-peer network
US8036632B1 (en) 2007-02-02 2011-10-11 Resource Consortium Limited Access of information using a situational network
US8646016B2 (en) 2006-12-06 2014-02-04 Verizon Patent And Licensing Inc. Content storage and delivery systems and associated methods
US20080140941A1 (en) 2006-12-07 2008-06-12 Dasgupta Gargi B Method and System for Hoarding Content on Mobile Clients
US20080140667A1 (en) 2006-12-07 2008-06-12 Sony Ericsson Mobile Communications Ab Device and method for creating a transaction log of data exchanges between a portable mobile communications device and other wireless devices
US20080153513A1 (en) 2006-12-20 2008-06-26 Microsoft Corporation Mobile ad selection and filtering
US7840685B2 (en) * 2007-01-07 2010-11-23 Apple Inc. Handheld computer having dynamic network transport selection according to a media type of a request
CA2677303C (en) 2007-02-01 2014-04-08 Invidi Technologies Corporation Targeting content based on location
JP4686491B2 (ja) 2007-03-02 2011-05-25 株式会社シリウステクノロジーズ 広告情報表示方法、広告情報表示システム、及び広告情報送信プログラム
US20080215348A1 (en) 2007-03-02 2008-09-04 Marc Guldimann System and methods for advertisement and event promotion
US20080228568A1 (en) 2007-03-16 2008-09-18 Microsoft Corporation Delivery of coupons through advertisement
US7702620B2 (en) * 2007-03-29 2010-04-20 International Business Machines Corporation System and method for ranked keyword search on graphs
US20080249987A1 (en) 2007-04-06 2008-10-09 Gemini Mobile Technologies, Inc. System And Method For Content Selection Based On User Profile Data
US8229458B2 (en) 2007-04-08 2012-07-24 Enhanced Geographic Llc Systems and methods to determine the name of a location visited by a user of a wireless device
US20080276266A1 (en) 2007-04-18 2008-11-06 Google Inc. Characterizing content for identification of advertising
EP2150902A4 (en) 2007-04-22 2012-03-21 Phone Through Inc METHODS AND APPARATUS ASSOCIATED WITH CONTENT SHARING BETWEEN DEVICES
US7904461B2 (en) * 2007-05-01 2011-03-08 Google Inc. Advertiser and user association
US20080275771A1 (en) 2007-05-01 2008-11-06 Visa U.S.A. Inc. Merchant transaction based advertising
US20080281940A1 (en) 2007-05-11 2008-11-13 Sony Ericsson Mobile Communications Ab Advertising on a portable communication device
US8073423B2 (en) 2007-05-25 2011-12-06 At&T Mobility Ii Llc Intelligent information control repository
US8027954B2 (en) 2007-05-31 2011-09-27 Red Hat, Inc. Portable media player recommendation system
US7702813B2 (en) 2007-06-08 2010-04-20 Sony Ericsson Mobile Communications Ab Using personal data for advertisements
US8249922B2 (en) 2007-06-15 2012-08-21 Alcatel Lucent Method and apparatus for advertisement delivery in wireless networks
US9483769B2 (en) * 2007-06-20 2016-11-01 Qualcomm Incorporated Dynamic electronic coupon for a mobile environment
US20090006183A1 (en) 2007-06-29 2009-01-01 The Western Union Company Methods and systems for customized coupon generation
US9596317B2 (en) * 2007-07-07 2017-03-14 Qualcomm Incorporated Method and system for delivery of targeted information based on a user profile in a mobile communication device
US9392074B2 (en) 2007-07-07 2016-07-12 Qualcomm Incorporated User profile generation architecture for mobile content-message targeting
US20090048977A1 (en) * 2007-07-07 2009-02-19 Qualcomm Incorporated User profile generation architecture for targeted content distribution using external processes
US20090049090A1 (en) 2007-08-13 2009-02-19 Research In Motion Limited System and method for facilitating targeted mobile advertisement
US20090070700A1 (en) * 2007-09-07 2009-03-12 Yahoo! Inc. Ranking content based on social network connection strengths
EP2200223A4 (en) 2007-09-12 2012-03-07 Panasonic Corp WIRELESS TERMINAL DEVICE, WIRELESS CONNECTION METHOD, AND PROGRAM
US20090076882A1 (en) 2007-09-14 2009-03-19 Microsoft Corporation Multi-modal relevancy matching
US20090083147A1 (en) * 2007-09-21 2009-03-26 Toni Paila Separation of advertising content and control
US20090089352A1 (en) * 2007-09-28 2009-04-02 Yahoo!, Inc. Distributed live multimedia switching mechanism and network
US20090094248A1 (en) * 2007-10-03 2009-04-09 Concert Technology Corporation System and method of prioritizing the downloading of media items in a media item recommendation network
US9203911B2 (en) 2007-11-14 2015-12-01 Qualcomm Incorporated Method and system for using a cache miss state match indicator to determine user suitability of targeted content messages in a mobile environment
WO2009065045A1 (en) * 2007-11-14 2009-05-22 Qualcomm Incorporated Methods and systems for determining a geographic user profile to determine suitability of targeted content messages based on the profile
US9391789B2 (en) 2007-12-14 2016-07-12 Qualcomm Incorporated Method and system for multi-level distribution information cache management in a mobile environment
US8234159B2 (en) 2008-03-17 2012-07-31 Segmint Inc. Method and system for targeted content placement
US7487017B1 (en) 2008-03-31 2009-02-03 International Business Machines Corporation Systems and methods for generating pattern keys for use in navigation systems to predict user destinations
US9846049B2 (en) 2008-07-09 2017-12-19 Microsoft Technology Licensing, Llc Route prediction
US20100057924A1 (en) 2008-09-02 2010-03-04 Qualcomm Incorporated Access point for improved content delivery system
US8966001B2 (en) 2008-09-02 2015-02-24 Qualcomm Incorporated Deployment and distribution model for improved content delivery system
US9152411B2 (en) 2010-05-12 2015-10-06 Microsoft Technology Licensing, Llc Edge computing platform for delivery of rich internet applications
US20110282964A1 (en) * 2010-05-13 2011-11-17 Qualcomm Incorporated Delivery of targeted content related to a learned and predicted future behavior based on spatial, temporal, and user attributes and behavioral constraints
US9286084B2 (en) * 2013-12-30 2016-03-15 Qualcomm Incorporated Adaptive hardware reconfiguration of configurable co-processor cores for hardware optimization of functionality blocks based on use case prediction, and related methods, circuits, and computer-readable media

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050086186A1 (en) * 1999-02-02 2005-04-21 Alan Sullivan Neural network system and method for controlling information output based on user feedback

Also Published As

Publication number Publication date
KR20100088623A (ko) 2010-08-09
KR101172968B1 (ko) 2012-08-13
KR20100092018A (ko) 2010-08-19
WO2009065060A1 (en) 2009-05-22
US9705998B2 (en) 2017-07-11
CN101911620B (zh) 2014-12-24
US20090125517A1 (en) 2009-05-14
JP2011507055A (ja) 2011-03-03
WO2009065067A1 (en) 2009-05-22
EP2225859A1 (en) 2010-09-08
KR101190446B1 (ko) 2012-10-12
CN101911620A (zh) 2010-12-08
JP2011509540A (ja) 2011-03-24
JP5657712B2 (ja) 2015-01-21
CN102119513B (zh) 2014-10-29
US9203912B2 (en) 2015-12-01
US20090125585A1 (en) 2009-05-14
CN101911619B (zh) 2015-09-09
JP2013122773A (ja) 2013-06-20
JP5134091B2 (ja) 2013-01-30
US9203911B2 (en) 2015-12-01
KR20100084690A (ko) 2010-07-27
EP2223479A1 (en) 2010-09-01
JP2011504626A (ja) 2011-02-10
EP2225860A1 (en) 2010-09-08
KR20100076070A (ko) 2010-07-05
US20090124241A1 (en) 2009-05-14
JP2011504061A (ja) 2011-01-27
KR101134248B1 (ko) 2012-06-29
CN101911618A (zh) 2010-12-08
WO2009065071A1 (en) 2009-05-22
JP2011504341A (ja) 2011-02-03
US20090216847A1 (en) 2009-08-27
CN102119513A (zh) 2011-07-06
JP5209733B2 (ja) 2013-06-12
JP5307153B2 (ja) 2013-10-02
KR20100087385A (ko) 2010-08-04
CN101911617B (zh) 2015-12-16
CN101911619A (zh) 2010-12-08
CN101911617A (zh) 2010-12-08
JP5345631B2 (ja) 2013-11-20
EP2225861A1 (en) 2010-09-08
EP2232798A1 (en) 2010-09-29
KR101195640B1 (ko) 2012-10-31
CN101911618B (zh) 2015-07-15
WO2009065064A1 (en) 2009-05-22
WO2009065052A1 (en) 2009-05-22
US20090125462A1 (en) 2009-05-14

Similar Documents

Publication Publication Date Title
KR101161078B1 (ko) 모바일 환경에서 타깃된 콘텐츠 메시지들의 사용자 상호연관의 학습 및 예측을 위한 키워드 벡터들 및 연관된 메트릭들을 사용하는 방법 및 시스템
KR101195630B1 (ko) 프로파일에 기반하여 타깃 콘텐츠 메시지들의 적절성을 결정하기 위해 지리적 사용자 프로파일을 결정하기 위한 방법들 및 시스템들
US9391789B2 (en) Method and system for multi-level distribution information cache management in a mobile environment

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20160330

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20170330

Year of fee payment: 6

FPAY Annual fee payment

Payment date: 20180329

Year of fee payment: 7