KR101397876B1 - 적응적 질문 및 추천 장치 및 방법 - Google Patents

Abstract

엔터테이닝(entertaining)한 방식으로 적응적으로 질문함으로써, 제한된 양의 사용자 프로파일 정보로도 가입자에게 추천들이 제시될 수 있다. 더욱이, 그 질문은 가입자로 하여금 자신에 관한 것을 학습하게 할 수 있다. 빈번한 중단에 의한 단속적인 사용을 수용하기 위해, 각각의 상호작용은 간결할 뿐아니라 마음이 가벼워지고 즐거울 수 있다. 프로파일 정보를 획득하는 것뿐 아니라 다소 랜덤한 것에 집중된 질문들/추천 선택들을 섞는 것은 사용자 경험을 엔터테이닝하게 유지시키면서 가입자에 관한 것을 예기치않게 학습할 수 있다. 개인적 상세들은 회피될 수 있으며, 저장된 개인 정보를 편집하기 위한 툴들은 신뢰를 유도하기 위해 프라이버시 감각을 개선시킬 수 있다. 질문들 및 다른 응답들은, 가입자를 특성화하게 하는 방식으로 다른 질문들을 유도하여, 적절한 추천 제공물들이 선택될 수 있게 할 수 있다.

Description

적응적 질문 및 추천 장치 및 방법{APPARATUS AND METHOD OF ADAPTIVE QUESTIONING AND RECOMMENDING}

35 U.S.C.§119 하의 우선권 주장

본 특허출원은 "APPARATUS AND METHOD OF ADAPTIVE QUESTIONING AND RECOMMENDING" 의 명칭으로 2009년 11월 19일자로 출원되어 본원의 양수인에게 양도되고 본 명세서에 참조로 명백히 통합되는 가출원 제61/262,748호에 대한 우선권을 주장한다.

본 개시는 모바일 오퍼레이팅 환경에 관한 것으로서, 더 상세하게는, 모바일 디바이스의 사용자들에 대한 질문들 및 추천들을 생성하는 개선된 방법들의 제공에 관한 것이다.

모바일 오퍼레이터들 또는 모바일 디바이스 캐리어들은 오늘날 통신 산업에 있어서 중요한 부분을 담당한다. 처음에, 그러한 모바일 오퍼레이터들은 그 가입자 베이스를 증가시킴으로써 수익을 발생시키는데 노력을 집중했다. 하지만, 수개의 국가들에 있어서, 시장이 포화점에 근접하게 도달하였기 때문에, 이제, 가입자 베이스를 증가시키는 범위는 매우 제한되게 되었다. 결과적으로, 모바일 오퍼레이터들은 그 수익을 증가시키기 위해 부가가치 서비스들을 가입자들에게 제공하는 것으로 분기하고 있다.

증가된 수익을 발생시키는 하나의 수단은 링톤, 월페이퍼, 게임 등과 같은 프리미엄 서비스들의 사용자들에게로의 판매를 통하는 것이다. 이들 서비스들은 모바일 오퍼레이터 자체에 의해, 또는 모바일 오퍼레이터들과 협력하여 동작하거나 독립적으로 캐리어의 네트워크를 레버리징하여 그러한 서비스들을 제공할 수도 있는 모바일 디바이스 제조자들 또는 미디어 브랜드들과 같은 비즈니스 엔터티들에 의해 제공될 수도 있다. 그 서비스들은 요금 지불 시 모바일 디바이스로의 다운로드에 가용될 수도 있다.

판매에 대한 잠재 소득을 최대화하는 것과 같은 다수의 이점들은, 가장 가능성있게 사용자들에게 관심있게 되는 컨텐츠 또는 서비스들을 추천하고 프로모션할 시에 누적된다. 또한, 사용자는 이들 개별적으로 추천된 컨텐츠 및 서비스들을 고려하여 사용자의 모바일 디바이스를 이용하거나 독립적으로 캐리어의 네트워크를 레버리징하여 더 우수한 경험을 가질 수 있다.

하지만, 모바일 디바이스의 사용자에게 유용한 제안들을 제공하는 것은 사용자에 관한 정보의 결여, 사용자의 데모그래픽스 (demographics), 및 호불호에 의해 좌절될 수 있다. 이러한 문제를 완화시키는 것은, 이름 및 주소와 같은 가입자 정보의 등록이 불요한 선불 호출 플랜의 익명 특성에 의해 그리고 상이한 전화기들을 갖는 다수의 사용자들이 단일의 가입을 공유할 수도 있는 패밀리 플랜의 사용에 있어서 더 도전적이게 된다. 다른 예로서, 사용자는 추후 거래들을 위한 추천들을 도출하게 되는 제한된 수의 구매 또는 상호작용(interaction)을 행할 수 있다. 부가적인 양태로서, 추천들을 개선시키기 위해 사용자 입력들을 요청하는 것은 일부 사용자들에게 지루하거나 강요하는 것으로 판명될 수 있고, 따라서, 그 사용자들은 참여하길 거부할 것이다.

다음은 하나 이상의 양태들에 대한 기본적인 이해를 제공하기 위하여 그 하나 이상의 양태들의 간략화된 개요를 제시한다. 이러한 개요는 모든 고려된 양태들의 광범위한 개관이 아니며, 모든 양태들의 중요한 또는 결정적인 엘리먼트들을 식별하지도 않고 임의의 또는 모든 양태들의 범위를 기술하지도 않도록 의도된다. 이 개요의 유일한 목적은 하나 이상의 양태들의 일부 개념들을, 이하 제시되는 더 상세한 설명에 대한 서두로서 간략화된 형태로 제시하는 것이다.

하나 이상의 양태들 및 그 대응하는 개시에 따르면, 관심있는 것으로 공지된 및 공지되지 않은 컨텐츠 모두를 쿼리(query)하고 제공함으로써 엔터테이닝(entertaining)한 방식으로 무선 모바일 디바이스와 같은 디바이스의 사용자에 관해 학습하는 것과 관련하여 다양한 양태들이 설명된다.

일 양태에 있어서, 다음의 동작들을 구현하기 위해 컴퓨터 판독가능 저장 매체 상에 저장된 컴퓨터 실행가능 명령들을 실행하는 프로세서를 채용함으로써 사용자에게 컨텐츠를 추천하기 위한 방법이 제공된다. 상호작용 쿼리들의 세트가 액세스된다. 각각의 쿼리는 판정 연관 (decision association) 및 제시 명령 (presentation instruction) 과 연관될 수 있다. 상호작용 쿼리가 제시 명령에 따라 모바일 사용자 인터페이스를 통해 제시된다. 모바일 사용자 인터페이스의 사용자의 제 1 특성이 상호작용 쿼리에 대한 응답에 기초하여 결정된다. 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들이 사용자 상호작용을 위해 제시된다. 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다.

다른 양태에 있어서, 사용자에게 컨텐츠를 추천하기 위한 컴퓨터 프로그램 제품이 제공된다. 적어도 하나의 컴퓨터 판독가능 저장 매체는, 적어도 하나의 프로세서에 의해 실행될 경우 컴포넌트들을 구현하는 컴퓨터 실행가능 명령들을 저장하고, 프로세서에 의해 실행가능한 적어도 하나의 명령은 상호작용 쿼리들의 세트에 액세스하고, 각각의 쿼리는 판정 연관 및 제시 명령과 연관된다. 프로세서에 의해 실행가능한 적어도 하나의 명령은 제시 명령에 따라 모바일 사용자 인터페이스를 통해 상호작용 쿼리를 제시한다. 프로세서에 의해 실행가능한 적어도 하나의 명령은 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정한다. 프로세서에 의해 실행가능한 적어도 하나의 명령은 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 제시한다. 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다.

부가적인 양태에 있어서, 사용자에게 컨텐츠를 추천하기 위한 장치가 제공된다. 적어도 하나의 컴퓨터 판독가능 저장 매체는, 적어도 하나의 프로세서에 의해 실행될 경우 컴포넌트들을 구현하는 컴퓨터 실행가능 명령들을 저장하고, 상호작용 쿼리들의 세트에 액세스하는 수단이 제공되고, 각각의 쿼리는 판정 연관 및 제시 명령과 연관된다. 제시 명령에 따라 모바일 사용자 인터페이스를 통해 상호작용 쿼리를 제시하는 수단이 제공된다. 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하는 수단이 제공된다. 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 제시하는 수단이 제공된다. 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다.

추가 양태에 있어서, 사용자에게 컨텐츠를 추천하기 위한 장치가 제공된다. 컴퓨팅 플랫폼은 상호작용 쿼리들의 세트에 액세스하고, 각각의 쿼리는 판정 연관 및 제시 명령과 연관된다. 사용자 인터페이스는 제시 명령에 따라 상호작용 쿼리를 제시한다. 컴퓨팅 플랫폼은 또한, 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정한다. 사용자 인터페이스는 또한, 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 제시한다. 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다.

또 하나의 양태에 있어서, 다음의 동작들을 구현하기 위해 컴퓨터 판독가능 저장 매체 상에 저장된 컴퓨터 실행가능 명령들을 실행하는 프로세서를 채용함으로써 사용자에게 컨텐츠를 추천하기 위한 방법이 제공된다. 모바일 디바이스가 상호작용 쿼리들의 세트를 제공받고 각각의 쿼리는 판정 연관 및 제시 명령과 연관된다. 제시 명령에 따라 제시되었던 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자 입력을 나타내는 리포트가 모바일 디바이스로부터 수신된다. 모바일 사용자 인터페이스의 사용자의 제 1 특성이 상호작용 쿼리에 대한 응답에 기초하여 결정된다. 사용자 프로파일이 제 1 특성에 기초하여 업데이트된다. 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들이 사용자 상호작용을 위해 모바일 디바이스로 송신된다. 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다.

또 다른 양태에 있어서, 사용자에게 컨텐츠를 추천하기 위한 컴퓨터 프로그램 제품이 제공된다. 적어도 하나의 컴퓨터 판독가능 저장 매체는 적어도 하나의 프로세서에 의해 실행될 경우 컴포넌트들을 구현하는 컴퓨터 실행가능 명령들을 저장하고, 프로세서에 의해 실행가능한 적어도 하나의 명령은 상호작용 쿼리들의 세트를 모바일 디바이스에게 제공하고, 각각의 쿼리는 판정 연관 및 제시 명령과 연관된다. 프로세서에 의해 실행가능한 적어도 하나의 명령은, 제시 명령에 따라 제시되었던 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자 입력을 나타내는 리포트를 모바일 디바이스로부터 수신한다. 프로세서에 의해 실행가능한 적어도 하나의 명령은 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정한다. 프로세서에 의해 실행가능한 적어도 하나의 명령은 제 1 특성에 기초하여 사용자 프로파일을 업데이트한다. 프로세서에 의해 실행가능한 적어도 하나의 명령은 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 모바일 디바이스로 송신한다. 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다.

또 하나의 부가적인 양태에 있어서, 사용자에게 컨텐츠를 추천하기 위한 장치가 제공된다. 적어도 하나의 컴퓨터 판독가능 저장 매체는 적어도 하나의 프로세서에 의해 실행될 경우 컴포넌트들을 구현하는 컴퓨터 실행가능 명령들을 저장하고, 상호작용 쿼리들의 세트를 모바일 디바이스에게 제공하는 수단이 제공되고, 각각의 쿼리는 판정 연관 및 제시 명령과 연관된다. 제시 명령에 따라 제시되었던 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자 입력을 나타내는 리포트를 모바일 디바이스로부터 수신하는 수단이 제공된다. 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하는 수단이 제공된다. 제 1 특성에 기초하여 사용자 프로파일을 업데이트하는 수단이 제공된다. 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 모바일 디바이스로 송신하는 수단이 제공된다. 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다.

또 하나의 추가 양태에 있어서, 사용자에게 컨텐츠를 추천하기 위한 장치가 제공된다. 송신기는 상호작용 쿼리들의 세트를 모바일 디바이스에게 제공하고, 각각의 쿼리는 판정 연관 및 제시 명령과 연관된다. 수신기는, 제시 명령에 따라 제시되었던 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자 입력을 나타내는 리포트를 모바일 디바이스로부터 수신한다. 컴퓨팅 플랫폼은 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하고 제 1 특성에 기초하여 사용자 프로파일을 업데이트한다. 송신기는 또한, 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 모바일 디바이스로 송신한다. 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다.

전술한 목적 및 관련 목적의 달성을 위해, 하나 이상의 양태들은, 이하 충분히 설명되고 특허청구범위에 특별히 기재된 특징들을 포함한다. 다음의 설명 및 첨부 도면들은 하나 이상의 양태들의 특정 예시적인 특징들을 상세히 설명한다. 하지만, 이들 특징들은, 다양한 양태들의 원리들이 채용될 수도 있는 다양한 방법들 중 매우 조금을 나타내며, 이 설명은 그러한 모든 양태들 및 그 균등물들을 포함하도록 의도된다.

도 1 은 사용자 또는 가입자와 상호작용하기 위한 적응적 질문 엔진 및 추천 엔진을 갖는 시스템의 일 양태의 블록 다이어그램이다.
도 2 는 적응적 질문 및/또는 추천하는 방법의 일 양태의 플로우 다이어그램이다.
도 3 은 클라이언트를 지원하는 추천 엔진을 갖는 분산형 아키텍처를 채용한 통신 네트워크의 일 양태의 개략도이다.
도 4 는 도 1 의 시스템의 일 양태에서 물어볼 다음 질문을 결정하는 방법의 일 양태의 플로우 다이어그램이다.
도 5 는 도 1 의 시스템의 일 양태에서 사용하기 위한 사용자 프로파일의 일 양태의 개략도이다.
도 6 은 도 1 의 시스템의 일 양태에서 사용하기 위한 가중된 속성 리스트의 일 양태의 개략도이다.
도 7 은 도 1 의 시스템의 일 양태에서 사용하기 위한 질문의 일 양태의 개략도이다.
도 8 은 도 1 의 시스템의 일 양태에서 사용하기 위한 하나 이상의 사용자-특정 랭크된 질문들의 일 양태의 개략도이다.
도 9 는 서버 백엔드에 의해 수행된 방법 또는 동작 시퀀스의 일 양태의 플로우 다이어그램이다.
도 10 은 서버 프론트 엔드에 의해 수행된 방법 또는 동작 시퀀스의 일 양태의 플로우 다이어그램이다.
도 11 은 클라이언트 디바이스에 의해 수행된 방법 또는 동작 시퀀스의 일 양태의 플로우 다이어그램이다.
도 12 는 퀴즈를 제시하는 사용자 인터페이스의 일 양태의 그래픽도이다.
도 13 은 사용자 프로파일 및 다른 유틸리티들을 제시하는 사용자 인터페이스의 일 양태의 그래픽도이다.
도 14 는 엔터테이닝 방식으로 추천들을 제시하는 사용자 인터페이스의 일 양태의 그래픽도이다.
도 15 는 다른 엔터테이닝 방식으로 추천들을 제시하는 사용자 인터페이스의 일 양태의 그래픽도이다.
도 16 은 부가적인 엔터테이닝 방식으로 추천들을 제시하는 사용자 인터페이스의 일 양태의 그래픽도이다.
도 17 은 적응적 질문 및 추천하는 방법의 일 양태의 플로우 다이어그램이다.
도 18 은 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 홈 페이지 사용자 인터페이스의 일 양태의 그래픽도이다.
도 19 는 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 추천 리스팅 사용자 인터페이스의 일 양태의 그래픽도이다.
도 20 은 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 랜덤 추천 리스팅 사용자 인터페이스의 일 양태의 그래픽도이다.
도 21 은 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 추천된 아이템 상세 사용자 인터페이스의 일 양태의 그래픽도이다.
도 22 는 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 퀴즈 사용자 인터페이스의 일 양태의 그래픽도이다.
도 23 은 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 퀴즈 결과 사용자 인터페이스의 일 양태의 그래픽도이다.
도 24 는 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 퀴즈 결과 비교 사용자 인터페이스의 일 양태의 그래픽도이다.
도 25 는 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 질문 결과 비교 사용자 인터페이스의 일 양태의 그래픽도이다.
도 26 은 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 사용자 프로파일 사용자 인터페이스의 일 양태의 그래픽도이다.
도 27 은 적응적 질문 및 추천 시스템의 일 양태에서 사용하기 위한 식별된 관심사 리스팅 사용자 인터페이스의 일 양태의 그래픽도이다.
도 28 은 적응적 질문 및 추천을 위한 예시적인 환경의 일 양태의 개략도이다.
도 29 는 추천 엔진이 클라이언트 모바일 디바이스를 지원하는 분산된 무선 통신 시스템의 일 양태의 개략도이다.
도 30 은 모바일 오퍼레이터와 연관된 특정 컴포넌트들과 프로파일 및 추천 시스템 간의 상호작용을 갖는 추천 네트워크의 일 양태의 개략도이다.
도 31 은 적응적 질문 및 추천을 위한 시스템 또는 장치의 일 양태의 개략도이다.
도 32 는 적응적 질문 및 추천을 위한 시스템 또는 장치의 다른 양태의 개략도이다.

적응적 질문 및 추천 엔진들은, 사용자를 엔터테이닝 방식으로 신속히 특성화함으로써 캐리어들에 대한 부가 수익을 위한 기회들을 생성하면서 모바일 디바이스로 사용자 경험을 개선시킬 수 있다. 하나 이상의 양태들에 있어서, 쿼리들 (예를 들어, 사용자 특성화(characterization)들을 요청하도록 의도된 질문들의 세트) 을 통한 상호작용을 위한 기회들은 그 쿼리를 사용자에게 제시하는 방식 (예를 들어, 퀴즈, 호불호 선택 게임 등) 과 (예를 들어, 메타데이터를 통해) 연관된다. 부가적으로, 하나 이상의 양태들에 있어서, 사용자로부터의 명시적 또는 암시적인 응답은, 부가적인 쿼리들을 선택할 뿐 아니라 (예를 들어, 컨텐츠의) 추천들을 생성하기 위해 쿼리에 대한 추가 판정-기반 메타데이터에 따라 이용될 수 있다.

예시적인 양태에 있어서, 쇼핑 보조 프로그램은 사용자에 제시된 질문들의 시퀀스에 대한 자기-특성화 응답들의 조합에 의해, 및 무슨 오브젝트들이 사용자에 의해 선택되고 폐기되고 랭크되는지 등에 의해 학습된 추론된 특성화들에 의해 사용자를 알게 될 수 있다. 예를 들어, 일부 양태들에 있어서, 사용자의 표현된 필요성들에 응답하는 아이템들은 사용자의 암시적 또는 명시적인 선호도들을 충족시킬 수도 또는 충족시키지 않을 수도 있는 아이템들과 함께 제시된다. 사용자가 어떻게 응답하는 지에 기초하여, 쇼핑 보조 프로그램은 추후 추천들을 결정하는데 이용하기 위한 사용자의 추가 특성화들을 결정할 수 있다.

다른 예로서, 부동산 프로그램은 가격 범위, 위치 및 하우징 요건들에 관한 기본 정보를 사용자로부터 수집할 수 있다. 그 후, 일 범위의 주택들을 보여줌으로써, 부동산 프로그램은 사용자를 더 잘 특성화하도록 인에이블되고, 특히, 사용자가 표현할 수 없었거나 표현하고 싶지 않았던 그 선호도들을 확인하도록 인에이블된다.

또 하나의 부가적인 예로서, 무슨 비디오를 볼 것인지 무슨 오디오를 들을 것인지 무슨 텍스트를 읽을 것인지 등에 관해 사용자에게 충고하는 충고자 또는 추천자 프로그램을 고려한다. 예를 들어, 충고자 또는 추천자 프로그램이 없다면, 제공물들 (offerings) 의 범위는 특히 주문형(on-demand) 환경에서는 위축될 수 있다. 사용자의 공지된 또는 추론된 편안한 구역 (예를 들어, 관심 영역) 내부에서 그리고 조금 외부에서 사용자 속성들을 발견하도록 설계된 추천 또는 질문들을 제시하고 질문들의 일부 조합을 제시함으로써, 사용자가 그 사용자의 소질들 또는 관심사들을 의식적으로 알지 못할지라도, 프로그램은 지능적인 추천에 도달한다.

그러한 논의집중된 적응적 질문 및 추천 보조는, 그 대역폭 및 제시 능력들에 있어서 제한된 모바일 인터페이스에 의해 컨텐츠 제공물들을 제시할 경우에 특히 유용할 수 있다. 예를 들어, 모바일 디바이스에 의한 쇼핑은 상품 및 서비스의 통로 상의 통로 (aisle upon aisle) 를 통해 브라우징할 수 있는 것보다는 스토어 프론트 윈도우를 보는 것과 더 유사할 수 있다. 그와 같이, 기술된 양태들의 하나 이상은 사용자로부터 미리결정된 정보를 끌어낼 뿐아니라 사용자를 관여시키도록 설계된 질문 패턴 또는 시퀀스를 제공한다. 질문 패턴은 처음에 동일하거나 유사한 질문들에 대한 이력적 사용자 응답들에 기초할 수도 있고, 정보 수집과 사용자 엔터테인먼트의 특정 혼합을 획득하도록 구성될 수도 있다. 또한, 어떤 경우, 기술된 양태들은, 사용자 프로파일을 업데이트하고 또한 사용자를 더 특성화하거나 관여시키기 위해 각각의 사용자 응답의 결과로서 다음 질문 또는 전체 질문 패턴을 실시간으로 적응시킬 수도 있는 질문 엔진을 포함할 수도 있다. 부가적으로, 특정 질문들에 대한 사용자로부터의 대답들을 통해 사용자 프로파일에 부가되는 계속 증가하는 데이터에 기초하여, 추천 엔진은, 사용자의 상황에 기초하여 변할 수도 있는 개인화된 추천들 (예를 들어, 쇼핑 프로그램 대 엔터테인먼트 옵션들을 다루는 프로그램, 사용자의 위치 등과 같은 특정 타입의 추천자 프로그램) 을 사용자에게 제공하도록 동작할 수 있다. 따라서, 적응적 질문 및/또는 추천의 기술된 장치 및 방법들은 사용자의 지식을 얻고/얻거나 사용자에게 개인화된 추천들을 제공한다.

이제, 다양한 양태들이 도면들을 참조하여 설명된다. 다음의 설명에 있어서, 설명의 목적으로, 다수의 특정 상세들이 하나 이상의 양태들의 철저한 이해를 제공하기 위해 설명된다. 하지만, 다양한 양태들은 이들 특정 상세없이도 실시될 수도 있음이 명백할 것이다. 다른 경우들에 있어서, 널리 공지된 구조들 및 디바이스들은 이들 양태들의 설명을 용이하게 하기 위해 블록 다이어그램의 형태로 도시된다.

도 1 을 참조하면, 적응적 질문 및 추천을 위한 시스템 (99) 은 사용자 (104) 가 컨텐츠 (106) 를 경험하기 위한 하나 이상의 사용자 인터페이스들 (102) 을 제시하는 디바이스 (100) 를 포함한다. 국부적으로, 원격적으로, 또는 분산 아키텍처로 위치될 수도 있는 적응적 질문 엔진 (107) 은, 사용자 (104) 가 특성화될 수 있는 사용자 인터페이스 (102) 를 통해 엔터테이닝 상호작용을 제공함으로써 사용자 경험을 개선시키기 위해 컴퓨팅 플랫폼 (110) 과 상호작용한다. 예를 들어, 사용자 (104) 는 어떠한 데모그래픽 데이터, 거동 데이터, 선호도 데이터 또는 관심 데이터, 또는 거래 이력들도 이용될 수 없는 새로운 사용자일 수 있다. 다른 극단에서, 사용자 (104) 는 잘 특성화될 수 있지만, 이러한 특성화를 업데이트하여 사용자 (104) 의 전개되는 취향들 및 생활 실태를 검출할 뿐 아니라 사용자 (104) 에게 친숙하지 않은 새로운 영역들을 아마도 개방하기 위해 연속적인 필요성이 존재한다. 하나 이상의 사용자 속성들 (123) 을 통하는 것과 같은, 사용자를 특성화할 수 있는 데이터는 사용자의 마케팅 관련, 데모그래픽 관련 등등의 관심사들 또는 디스크립션들을 정의하는 데이터를 포함할 수 있으며, 그러한 데이터는 본 명세서에서 "핵심(keystone)" 데이터 (126) 로 지칭될 수도 있다. 일 양태에 있어서, 하나 이상의 속성들 (123) 은 사용자와 연관된 사용자 프로파일 (122) 에 저장될 수도 있다. 더욱이, 사용자의 포괄적인 특성화를 지원하기 위해 그러한 "핵심" 데이터 (126) 를 추구함에 있어서, 일 양태에서, 적응적 질문 엔진 (107) 은 사용자 경험을 개선시키기 위해 핵심 데이터 (126) 를 끌어내도록 설계된 쿼리들 또는 상호작용 질문들 (112) 의 세트에 배치된 관련없는 기분전환물들, 예를 들어, 핵심 데이터와 관련없는 질문을 제공할 수 있다. 그와 같이, 적응적 질문 엔진 (107) 은, 본 명세서에서 질문 패턴으로서 또한 지칭되는 상호작용 쿼리들 (112) 의 세트를 생성할 수도 있으며, 이 상호작용 쿼리들은 예를 들어 하나 이상의 엔터테이닝 쿼리들 (115) 을 통해 핵심 데이터 (126) 를 획득할 뿐 아니라 사용자를 관여시키고 또한 추가 상호작용을 이끌어내어 추가 특성화들이 획득되거나 추론되게 하도록 구성된 쿼리들이다. 이에 의해, 시스템 (99) 은 사용자 (104) 에 대한 사용자 프로파일 (122) 을 형성할 수 있으며, 여기서, 사용자 프로파일은 예를 들어 상호작용 쿼리들 (112) 의 세트 중 하나 이상에 대한 응답 (117) 에서 획득된 핵심 데이터 (126) 를 포함하거나 핵심 데이터 (126) 로부터 도출될 수도 있는 하나 이상의 속성들 (123) 을 포함한다. 사용자 프로파일 (122) 에서의 하나 이상의 속성들 (123) 에 따른 사용자 (104) 의 특성화에 기초하여, 국부적으로, 원격적으로, 또는 분산 아키텍처로 위치될 수도 있는 추천 엔진 (108) 은 컨텐츠를 추천하기 위한 방법을 실행하고, 이에 의해, 사용자 (104) 로의 제시를 위해 예를 들어 컨텐츠와 같은 상품 또는 서비스들과 관련된 하나 이상의 추천들 (125) 을 생성할 수 있다. 일 양태에 있어서, 예를 들어, 하나 이상의 추천들 (125) 에 기초한 상품 또는 서비스의 사용자에 의한 구매는 본 시스템을 이용한 무선 캐리어에 대한 수익 기회들을 증가시킬 수도 있을 뿐 아니라 컨텐츠와 같은 원하는 상품 또는 서비스에 대한 사용자 (104) 의 필요성을 충족시킬 수도 있다. 부가적으로, 일부 양태들에 있어서, 적응적 질문 엔진 (107) 은, 하나 이상의 속성들 (123) 을 업데이트하고 추가 질문 및 추천을 위한 기반을 제공하기 위해 사용자 (104) 가 어떻게 추천들 (125) 과 상호작용하는지 예를 들어, 구매하고 추가 질문하고 또는 무시하는지를 평가한다.

그 목적을 위해 그리고 도 2 에 있어서 컨텐츠를 추천하는 방법 (150) 을 부가적으로 참조하면, 일 양태에 따라, 컴퓨팅 플랫폼 (110) 은 상호작용 쿼리들 (112) 의 세트에 액세스한다 (도 2, 블록 152). 예를 들어, 일 양태에 있어서, 상호작용 쿼리들 (112) 의 세트는 적어도 하나의 핵심 쿼리 (113) 및 적어도 하나의 엔터테이닝 쿼리 (115) 를 포함하며, 여기서, 상호작용 쿼리들 (112) 의 세트는 하나 이상의 사용자 속성들 (123) 을 정의하는데 사용하기 위한 적어도 하나의 핵심 데이터 (126) 의 결정을 가능케 하도록 설계된다. 상호작용 쿼리들 (112) 의 소정 세트에 있어서, 핵심 쿼리들 (113) 과 엔터테이닝 쿼리들 (115) 의 혼합을 결정하기 위해, 랜덤 혼합, 핵심 (또는 상호작용식) 쿼리들을 묻기 위한 적응적 레이트를 이용한 (예를 들어, 여기서, 그 레이트는 개별 사용자가 핵심 데이터 (126) 를 제공하는 것으로 인지되는 것을 얼마나 열망하는지 또는 열망하지 않는지에 기초하여 적응됨) 미리결정된 시퀀스 (예를 들어, 매 3번의 엔터테이닝 쿼리 이후 핵심 쿼리를 물음) 를 포함하지만 이에 제한되지 않는 임의의 수의 접근법들이 채택될 수 있다. 예를 들어, 다량의 정보를 매우 편안히 공유하고 있는 어떤 이에 있어서, 기술된 양태들은 더 많은 예약된 사용자들에 대한 더 낮은 빈도에 비해 높은 빈도의 핵심 쿼리들을 가질 수도 있으며, 여기서, 기술된 양태들은 오직 가끔씩만 핵심 쿼리를 제기할 수도 있다. 더욱이, 각각의 쿼리 (112) 는, 판정 연관 (114) 및 제시 명령 (116) 을 포함하지만 이에 제한되지 않는 메타데이터 (111) 와 연관될 수도 있다. 예를 들어, 일 양태에 있어서, 판정 연관 (114) 은 사용자로부터 수신된 응답 (117) 에 기초하여 사용자를 특성화할 수 있는 핵심 데이터 (126) 또는 속성들 (123) 중 하나 이상; 현재 쿼리에 대한 응답 (117) 에 기초하여 사용자에게 제시될 수도 있는 하나 이상의 다른 쿼리들로 링크시키는 링킹 데이터, 사용자에게 묻기 위한 다른 쿼리와 관련된 임의의 다른 데이터, 발견하기 위한 사용자 프로파일 속성, 또는 사용자에게 추천하기 위한 컨텐츠 아이템과 같은 데이터를 포함할 수도 있지만 이에 제한되지 않는다. 또한, 예를 들어, 일 양태에 있어서, 제시 명령 (116) 은 "예" 또는 "아니오" 옵션들, 다수의 옵션들, 소팅, 랭킹, 게임 스타일 선택 등과 같은 제시 스타일들을 포함하여 대응하는 쿼리를 사용자에게 제시하는 방법에 관한 하나 이상의 명령들 또는 데이터를 포함할 수도 있지만 이에 제한되지 않는다. 그와 같이, 사용자 인터페이스 (102) 는 대응하는 제시 명령 (116) 에 따라 하나 이상의 상호작용 쿼리들 (112) 을 제시하고, 예를 들어, 사용자 입력 (119) 에 기초하여 적어도 하나의 대응하는 응답 (117) 또는 대답을 수신한다 (도 2, 블록 154 및 블록 156). 적응적 질문 엔진 (107) 및/또는 추천 엔진 (108) 은 또한 적어도 하나의 상호작용 쿼리 (112) 또는 복수의 쿼리들에 대한 적어도 하나의 응답에 기초하여 사용자 (104) 의 제 1 특성 (예를 들어, 스포츠 팬), 예를 들어, 속성 (123) 을 결정한다 (도 2, 블록 158). 사용자 인터페이스 (102) 는 또한, 제 1 사용자 특성에 대응하도록 선택된 제 1 오브젝트 (118) (예를 들어, 사용자를 스포츠 팬으로서 정의하는 속성 (123) 에 대응하는 농구 유료시청 (pay-per-view) 티켓) 및 알기를 원하는 사용자 속성 (127) 과 같은 제 2 사용자 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트 (120) (예를 들어, 특정 뮤직 그룹에 대한 뮤직 다운로드) 와 같은 복수의 컨텐츠 오브젝트들을 추가적인 사용자 상호작용을 위해 제시한다 (도 2, 블록 160). 알기를 원하는 사용자 속성 (127) 에 의해 정의될 수도 있는 바와 같은 제 2 사용자 특성은 예를 들어, 사용자가 스포츠 팬인 특정 스포츠와 같은 이미 알려진 속성 (123) 을 추가로 정의하는 데이터, 또는 새로운 관심 또는 관심 부족을 정의하는 데이터, 또는 사용자를 기술하는 새로운 핵심 데이터 (126) 를 포함할 수도 있다. 예를 들어, 일 양태에 있어서, 적응적 질문 엔진 (107) 및/또는 추천 엔진 (108) 은 제 2 사용자 특성 또는 알기를 원하는 사용자 속성 (127) 에 대한 데이터를 획득할 가능도에 상관하는 상호작용 쿼리들 (112) 의 세트 중 하나를 선택할 수도 있다. 또한, 대안적 또는 부가적인 예에 있어서, 적응적 질문 엔진 (107) 및/또는 추천 엔진 (108) 은 적절성에 따라 상호작용 쿼리들 (112) 의 세트 중 하나를 선택할 수도 있다. 예를 들어, 사용자가 경쟁 팀들을 수반하는 스포츠를 좋아한다는 것을 기술된 양태들이 안다고 하면, 기술된 양태들은, 사용자가 예를 들어 째즈 또는 록 타입의 뮤직을 선호하는지 여부를 알아내는 것에 더 높은 우선순위가 있을 수도 있더라도, 사용자가 라이브 게임에 참여하는 것을 좋아하거나 그 게임을 텔레비전을 통해 시청하는 것을 선호하는지 여부를 알아내는 것이 적절할 수도 있음을 (발견법, 판정 알고리즘들, 오퍼레이터 입력 등을 통해) 결정할 수도 있다. 옵션적으로, 하나 이상의 부가적인 응답들이 복수의 제시된 오브젝트들에 대한 응답으로 사용자로부터 수신될 수도 있다 (도 2, 블록 162). 예를 들어, 하나 이상의 응답들은 제 2 오브젝트에 대한 명시적 확인 또는 명시적 폐기 입력 중 하나를 수신하는 것을 포함할 수도 있으며, 예를 들어, 이는 제 2 오브젝트에 대응하여 각각 관심 또는 관심 부족을 나타낼 수도 있거나, 또는 제 2 오브젝트에 대한 제 1 오브젝트의 선호도 입력을 포함할 수도 있거나 그 역도 성립할 수도 있다.

그와 같이, 사용자 프로파일 (122) 은 응답들 (117) 또는 직접적인 사용자 입력 (124) 에 기초하여 하나 이상의 속성들 (123) 과 같은 증가하는 양의 데이터를 실장받을 수도 있다. 예를 들어, 일부 양태들에 있어서, 하나 이상의 속성들 (123) 은, 하나 이상의 응답들 (117) 에 포함되거나 직접적인 사용자 입력 (124) 에 포함되거나 또는 이들 양자인 핵심 데이터 (126); 하나 이상의 응답들 (117) 에 기초하거나 직접적인 사용자 입력 (124) 에 포함되거나 또는 이들 양자인 추론들 (128) 을 포함하거나 이들로부터 도출될 수도 있다. 사용자 프로파일 (122) 과 연관된 부가적인 상호작용 쿼리들 (112) 이, 존재할 정도로 그리고 이전에 제시된 상호작용 쿼리들 (112) 에 대한 판정 연관들 (114) 로부터, 선택될 수 있다. 더욱이, 언급된 바와 같이, 엔터테이닝 쿼리들 (115) 은 또한, 쿼리들과의 후속적인 사용자 상호작용을 유지시키기 위한 노력으로 사용자를 엔터테이닝하거나 관여시키는 것과 같이 디바이스 (100) 가 사용자 경험을 개선시키도록 제공된 상호작용 쿼리들 (112) 의 세트에서 핵심 쿼리들 (113) 사이에 배치될 수 있다.

쿼리들 (112) 은 상이한 응답들이 상이한 후속 쿼리들을 프롬프트시키도록 본질적으로 상호 관련될 수 있다. 대안적으로, 쿼리들 (112) 에 관한 포커스의 변경은 예를 들어, 분산 시스템 아키텍처의 경우에서 디바이스 (100) 의 전반적인 계산 및 전원에 부담을 주는 것을 회피시키기 위해 그러한 결정이 원격으로 행해질 경우에 배치 (batch) 로 발생할 수 있다.

쿼리들 (112) 은 추천된 상품 또는 서비스의 형태일 수 있으며, 예를 들어, 추천 (125) 은 일 타입의 상호작용 쿼리 (112) 로 고려될 수도 있다. 대안적으로, 쿼리들 (112) 에 대한 응답들 (117) 은 추천 (125), 예를 들어, 상품 또는 서비스를 주기적으로 제시하는 것을 유도할 수 있다. 일부 양태들에 있어서, 상호작용 쿼리들 (112) 또는 추천들 (125) 은 추천 엔진 (108) 에 의해 새로운 기회가 검출된 경우에 디바이스 (100) 상에 제시를 위해 생성될 수도 있다. 예를 들어, 콘서트에 대한 티켓 판매가 통지된다는 정보를 추천 엔진 (108) 이 획득하면, 추천 엔진 (108) 은 콘서트에 대한 관심과 상관하는 적어도 하나의 속성 (123) 을 갖는 사용자 프로파일 (122) 을 갖는 임의의 사용자에게 그 콘서트를 추천할 수도 있다. 즉, 추천 엔진 (108) 은 제 3 오브젝트, 예를 들어, 콘서트에 대한 티켓의 새로운 가용도를 결정하는 것에 응답하여, 사용자 프로파일에서의 사용자 속성과 같은 제 1 및/또는 제 2 특성에 기초하여 제 3 오브젝트를 후속적으로 제시할 수도 있다. 대안적으로 또는 부가적으로, 사용자 (104) 는 쿼리들 (112) 또는 추천들 (125) 을 요청할 수 있다. 대안적으로 또는 부가적으로, 쿼리들 (112) 또는 추천들 (125) 을 수신하는 특정 간격, 예를 들어, "주간 추천" 과 같은 사용자 특정 시간 간격을 식별하는 입력이 사용자 (104) 로부터 수신될 수 있고, 이에 의해, 추천 엔진 (108) 으로 하여금 긴 시간 주기들에 걸쳐 사용자와의 상호작용을 유지하게 할 수 있다.

일 양태에 있어서, 적응적 질문 엔진 (107) 및/또는 추천 엔진 (108) 은 예를 들어, 사용자 (104) 에 대한 초기 데모그래픽 데이터, 선호도 데이터, 브라우징 데이터, 미리보기 데이터, 또는 평가 데이터없이도, 사용자 프로파일 (122) 에 매우 적은 속성들 (123) 로 또는 속성들 (123) 없이 동작할 수도 있다. 이는 콜드 스타트 (cold start) 문제로서 지칭될 수도 있다. 이들 양태들에 있어서, 적응적 질문 엔진 (107) 및 추천 엔진 (108) 은 룩업 테이블 (129) 을 포함할 수도 있으며, 이 룩업 테이블은 질문들 및 시스템 (99) 의 다른 사용자들이 그러한 질문들에 어떻게 응답하였는지에 관한 이력 데이터를 포함함으로써, 적응적 질문 엔진 (107) 및/또는 추천 엔진 (108) 으로 하여금 사용자들의 총 모집단에 걸쳐 어떤 질문들이 잘 작동하고 어떤 질문들이 덜 작동하는지를 결정하게 할 수도 있다. 즉, 룩업 테이블 (129) 은 복수의 사용자 프로파일들로부터의 상호작용 쿼리 응답 데이터와 복수의 가용 상호작용 쿼리들을 상관시킨다. 그러한 정보에 기초하여, 예를 들어, 적응적 질문 엔진 (107) 및/또는 추천 엔진 (108) 은 새로운 사용자에 의한 사용을 위해 상호작용식 쿼리들 (112) 의 세트에 대해 이력적으로 잘 작동했었던 질문들을 선택할 수도 있다. 대안적으로 또는 부가적으로, 새로운 사용자에 의한 사용을 위한 상호작용식 쿼리들 (112) 의 세트에 대한 질문들은 사용자로 하여금 하나 이상의 속성들 (123) 을 식별하게 하는 개방 종단형 질문들을 포함할 수도 있으며, 그 후, 이들 질문들에 대한 응답 (117) 은 사용자에게 관심있는 것으로 결정된 추가 질문들 또는 추천들을 선택하는데 이용된다.

또한, 일부 양태들에 있어서, 적응적 질문 엔진 (107) 및/또는 추천 엔진 (108) 은, 추천하기 위한 특정 컨텐츠 아이템들, 예를 들어 추천들 (125) 이 메타데이터에 의해 잘 기술되지 않더라도 동작할 수도 있다. 예를 들어, 적응적 질문 엔진 (107) 및/또는 추천 엔진 (108) 은, 추천 (125) 에 대한 이전에 선택되거나 도시된 관심을 갖는 사용자들의 타입들을 정의하는 추론들을 이력 데이터로부터, 예를 들어 룩업 테이블 (129) 로부터 인출할 수도 있다.

또한, 적응적 질문 엔진 (107) 은 관여하는 대화 또는 신속한 개성 퀴즈를 정의하도록 상호작용 퀴즈들 (112) 의 세트를 구성하고 추천들 (125) 을 제시함에 있어서 추천 엔진 (108) 과 함께 동작함으로써, 점점더 많은 정보를 자원하도록 사용자 (104) 를 끌어낼 수 있다. 부가적으로, 적응적 질문 엔진 (107) 은 쿼리들 (112) 또는 추천들 (125) 에 대한 사용자 응답들 (117) 의 실시간 피드백을 활용하여, 사용자에 대해 더 많은 관심이 있게 후속 쿼리들을 적응시키거나 새로운 사용자 속성들 (123) 을 발견할 수 있다. 더욱이, 시스템 (99) 의 장치 및 방법은 용이한 발견가능성 및 이용을 위해 디바이스 (100) 상에 (예를 들어, 웹 기반 툴로서, 사전 인스톨된 애플리케이션으로서, 홈 스크린 상의 사용자 인터페이스로서, "당신을 위한 추천" 카테고리 등등에) 배치될 수도 있다.

예시적인 양태에 있어서, 적응적 질문 엔진 (107) 은 상호작용식 질문 및 대답 시퀀스들을 생성하기 위한 동적이고 유연한 메커니즘을 제공한다. 예를 들어, 각각의 상호작용 쿼리 (112) 는 텍스트, 그래픽스, 또는 오디오 중 하나 이상과 같은 하나 이상의 정보 포맷들을 포함할 수도 있다. 개별 쿼리들 (112) 은 스킵될 수 있으며, 이는 본질적으로 추론 (128) 을 제공할 수 있다. 이에 따라, 일 양태에 있어서, 적응적 질문 엔진 (107) 은 선행하는 질문에 대한 대답 또는 무 대답을 포함한 응답 (117) 에 적어도 부분적으로 기초하여 다음 질문을 선택할 수도 있다. 예를 들어, 사용자가 스포츠를 선호함을 사용자 (104) 가 나타낸다면, 다음 질문은 사용자 (104) 가 다양한 종류들의 스포츠에 대해 관객인지 또는 액티브 플레이어인지 여부로 좁혀질 수 있다. 또한, 전술된 바와 같이, 추천들 (125) 이 상호작용 쿼리들 (112) 로서 제기될 수 있다. 일부 양태들에 있어서, 속성들 (123) 또는 핵심 데이터 (126; 예를 들어, 연령, 성별) 가 사용자에 의해 직접 질문되거나 입력될 수도 있다. 더욱이, 일부 양태들에 있어서, 위치 정보가 후속 쿼리들 또는 추천들을 위해 고려될 수 있다. 또한, 일부 양태들에 있어서, 디바이스 (100) 상의 사용자 상호작용에 대한 최근 입력들 또는 로컬 정보가 상호작용 쿼리들 (112) 및/또는 추천들 (125) 을 공식화하는데 고려될 수 있다. 부가적으로, 일부 양태들에 있어서, 사용자 (104) 는 국부적으로 저장된 입력들 또는 상호작용들 또는 사용자 프로파일 데이터를 프라이버시 관리의 일부로서 삭제할 기회, 및 사용자 신뢰와 개방성을 개선시킬 기회를 제공받을 수 있다.

도 3 을 참조하면, 도 1 의 적응적 질문 엔진 (107) 및 추천 엔진 (108) 의 가능한 구현의 일 양태에 있어서, 통신 시스템 (200) 은 엔터테이닝 질문들을 통해 생성된 적응적 질문 및 추천들을 제공하기 위해 분산 아키텍처를 채용할 수 있다. 적응적 질문 및 추천 능력의 적어도 일부는 추천 애플리케이션 (204) 에 제공될 수도 있으며, 이는 전용 애플리케이션, 브라우저 (205), 또는 다른 애플리케이션 (206) 중 하나 이상을 통해 구현될 수도 있으며, 이들 중 어느 하나 또는 이들 모두는 서비스 애플리케이션 프로그래밍 인터페이스 (API) (210) 를 통해 질문 및 추천 시스템 (214) 의 프론트 엔드에 인터페이싱되는 프로세서 (208) 상에서 구동할 수 있으며, 이 서비스 API 는 웹 서비스 API (212) 를 포함한다.

질문 및 추천 시스템 (214) 의 백엔드는 질문들을 저장하는 질문 저장소 (218) 및 컨텐츠 아이템들을 저장하는 컨텐츠 아이템 저장소 (220) 에 의지하여, 카탈로그 (222) 를 실장한다. 모바일 디바이스 (202) 는 프론트 엔드 (212) 로부터, 추천들 (125) 을 수신하고 상호작용 쿼리들 (112) 과 같은 평가할 하나 이상의 질문들 또는 퀴즈들 또는 아이템들 등을 수신하고, 실시간 피드백 (215) 을 위해 응답들 (117) 또는 대답들 (예를 들어, 명시적 또는 암시적, 바이너리 또는 정량적 등) 을 리턴한다.

질문 형성자 컴포넌트 (224) 는 카탈로그 (222) 로부터의 질문들 및 컨텐츠 아이템들을 취출 및 업데이트하고, 질문 설계자 (226) 와 상호작용하고 그 질문 설계자에게 지지 툴들을 제공하여 질문들/퀴즈들, 예를 들어, 상호작용 쿼리들 (112) 을 생성한다. 일 양태에 있어서, 질문 형성자 컴포넌트 (224) 는 풍부한 메타데이터 (111) 를 갖는 질문들을 생성하고 또한 현재의 상호작용 쿼리 (112) 또는 질문 (218) 에 대해 수신된 응답 (117) 또는 대답에 의존하여 후속적으로 제시될 대안의 질문들 또는 질문 타입들을 포함한 질문 시퀀스들 또는 옵션의 수열들을 갖는 상호작용 쿼리들 (112) 를 생성하는데 이용될 수 있는 대화식 스크립팅 툴 (227) 을 포함할 수도 있다.

예를 들어, 시스템 (214) 과 사용자 간의 상호작용들의 플로우를 생성하는 것에 부가하여, 대화식 스크립팅 툴 (227) 은 상호작용 쿼리들 (112) 의 세트 내의 질문들 (218) 사이에 고정된 시퀀스보다는 유연한 연결을 제공할 수 있다. 따라서, 하나의 질문 (218) 과 다음 질문 (218) 간의 연결은 고정된 비 적응적 시퀀스에 비하여 훨씬 더 유동적이고 동적이다 (예를 들어, "콘솔 게임을 좋아하나요?" 에 대해 대답이 "예"이면, 게임 장르를 더 상세히 탐색하는 질문들이 선택됨). 하지만, 그 연결은, 심문과 같이 들리는 것을 회피하기 위해 엔터테이닝 쿼리들 (115; 도 1) 과 같이 완전히 다르거나 기분전환용 질문들을 배치하도록 느슨할 수도 있다. 또한, 대화식 스크립팅 툴 (227) 은 적어도 일부 경우들에 있어서 자동화된 질문 시퀀스 선택을 가능케 할 수 있다.

도 4 을 참조하면, 예를 들어, 일 양태에 있어서, 동적인 적응적 질문 방법 (250) 은 질문에 대한 요청을 수신하는 단계를 포함한다 (블록 252). 예를 들어, 질문에 대한 요청은 질문 형성자 컴포넌트 (224; 도 3) 에서와 같은 추천 엔진 (214; 도 3) 에서 클라이언트 모바일 디바이스 (202; 도 3) 로부터 수신될 수도 있다.

방법 (250) 은 대답이 이용가능한지 여부를 결정하는 단계를 더 포함할 수도 있다 (블록 254). 예를 들어, 질문에 대한 요청 (블록 252) 은 이전 질문에 대응하는 하나 이상의 대답들을 수신하는 것에 기초할 수도 있다 (블록 256). 대답이 이용가능하다면, 방법 (250) 은 대답을 프로세싱하도록 진행한다 (블록 258). 예를 들어, 일 양태에 있어서, 대답을 프로세싱하는 것은 이전 질문 및 그 다양한 대답들에서의 정보에 기초하여 사용자 프로파일을 업데이트하는 것; 사용자 프로파일과 연관된 그룹 프로파일을 업데이트하는 것; 업데이트된 사용자 프로파일 속성들에 기초하여 새로운 추천들을 획득하는 것; 물어보고/보거나 대답된 질문들의 사용자 이력을 업데이트하는 것; 또는 질문 시퀀스 정보의 이력을 업데이트하는 것 중 하나 이상을 포함할 수도 있지만 이에 제한되지 않는다. 즉, 사용자 프로파일을 업데이트하는 것에 관하여, 사용자가 특정 방식으로 대답하면, 사용자에 관해 특정한 학습이 실시되며, 이는, 사용자 프로파일에서 사용자를 정의하는 하나 이상의 속성들의 값에 대한 긍정적 또는 부정적인 변화의 관점에서 표현될 수도 있다. 프로파일 그룹을 업데이트하는 것에 관하여, 이는, 특정 속성들, 속성 값들, 또는 그 범위들을 모두 공유하는 유사한 사람들의 세트를 정의하는 하나 이상의 그룹들을 업데이트하는 것을 포함할 수도 있다.

대답을 프로세싱 (블록 258) 한 이후, 또는 대답이 이용가능하지 않다면, 예를 들어, 요청이 첫번째 사용자 요청이거나 이전 질문과 무관한 요청이다면, 방법 (250) 은 사용자가 새로운 사용자인지 또는 사용자가 새로운 사용자 시퀀스 내에 있는지 여부를 판정하도록 진행한다 (블록 260). 예를 들어, 기술된 양태들은 새로운 사용자로부터 정보의 기본 세트를 획득하도록 설계된 질문들과 같이 새로운 사용자에게 제시될 질문들의 세트를 포함할 수도 있다. 그와 같이, 사용자가 새로운 사용자라면, 또는 사용자가 새로운 사용자에게 제시될 질문들의 세트의 중간에 있다면, 방법 (250) 은 질문들의 새로운 사용자 시퀀스, 예를 들어, 질문들의 새로운 사용자 세트에 액세스하는 단계 (블록 262), 물어볼 다음 질문을 결정하는 단계 (블록 264), 및 물어볼 다음 질문을 포함한 응답을 요청한 디바이스, 예를 들어, 클라이언트 모바일 디바이스 (202; 도 2) 로 송신하는 단계 (블록 266) 를 포함한다. 예를 들어, 일 양태에 있어서, 질문들의 새로운 사용자 시퀀스에 액세스한 이후, 물어볼 다음 질문을 결정하는 단계 (블록 264) 는, 질문들의 시퀀스가 각각의 질문 간 상대적 순서를 갖는 경우에서와 같이 대답이 수신되었던 최종 질문에 기초하여, 질문들의 시퀀스에서 다음 질문을 선택하는 단계를 포함할 수도 있다. 다른 양태에 있어서, 물어볼 다음 질문을 결정하는 단계 (블록 264) 는 질문들의 시퀀스에서 다음 질문을 랜덤으로 선택하는 단계를 포함할 수도 있다. 어떤 경우라도, 이러한 방식으로, 본 장치 및 방법들은 사용자에 대한 사용자 프로파일을 형성하기 위해 질문들의 새로운 사용자 시퀀스를 새로운 사용자에게 제공한다.

한편, 방법 (250) 이 사용자가 새로운 사용자가 아니라고 판정한다면 또는 사용자가 새로운 사용자 시퀀스 내에 있지 않다면, 방법 (250) 은 우선순위에 기초하여 선택된 질문 또는 랜덤 질문일 수도 있는 물어볼 질문을 결정하는 단계 (블록 268), 및 물어볼 질문을 포함한 응답을 요청한 디바이스, 예를 들어, 클라이언트 모바일 디바이스 (202; 도 2) 로 송신하는 단계 (블록 266) 를 포함할 수도 있다. 예를 들어, 일 양태에 있어서, 방법 (250) 은 다음 질문이 랜덤하게 선택될 것인지 여부를 판정하는 단계 (블록 270) 를 포함할 수도 있다.

방법 (250) 이 다음 질문이 램덤하게 선택될 것이라고 판정한다면, 방법 (250) 은 복수의 모든 질문들로부터 일 질문을 선택하는 단계 (블록 272), 및 선택된 질문에 하나 이상의 필터들을 적용하여 (블록 274), 물어볼 질문을 결정하는 단계 (블록 268) 를 포함한다. 예를 들어, 일 양태에 있어서, 복수의 모든 질문들은 핵심 쿼리들 (112; 도 1) 및 엔터테이닝 질문들 (130; 도 1) 을 포함할 수도 있으며, 이 엔터테이닝 질문들은 또한 사용자에 관하여 새로운 것의 학습을 위한 것보다 더 즐거움을 위해 설계된 필러 질문들로서 지칭될 수도 있다. 즉, 엔터테이닝 질문들 (130; 도 1) 은 매우 날카롭고 진지한 핵심 쿼리들 (112; 도 1) 을 약간 즐거운 질문으로 끝내는데 사용될 수도 있다. 또한, 예를 들어, 선택된 질문에 하나 이상의 필터들을 적용하는 단계 (블록 274) 는, 질문이 이전에 스킵되었는지 여부를 판정하는 질문 스킵형 필터 (여기서, 본 장치 및 방법들의 오퍼레이터는 그 후 다시 물어볼 질문을 허용하거나 새로운 질문을 선택하도록 그 필터를 설정할 수도 있음); 예를 들어 "이 질문이 특정 속성에서의 높은 값을 갖는 사람에게 요구될 수 있다" 는 질문, 또는 예를 들어 남성을 위해 설계된 질문이 여성에게 제시되기에 적절하지 않을 수도 있는 질문에 대응하는 이미 획득된 핵심 데이터 또는 데모그래픽 정보에 기초하는 것과 같은 관심사들 또는 특성화들을 사용자가 갖는지 여부를 판정하는 엔트리 기준 필터; 또는 선택된 질문이 이미 대답되었는지를 판정하고 이미 대답되었다면 새로운 질문을 선택하도록 그 방법을 재안내할 수도 있는 질문 기 대답형 필터; 예를 들어 "선택되는 다음 질문이 뮤직, 게임 또는 엔터테인먼트의 카테고리들 중 하나로부터 유래할 것이다" 와 같이 다음 질문이 미리결정된 카테고리들의 세트 중 하나로부터 선택될 것인지 여부를 판정하는 카테고리화 필터 (그러한 카테고리화 필터는 시간에 걸쳐 선택될 일 범위의 카테고리들로부터 다양한 질문들을 허용함) 와 같은 필터와 같지만 이에 제한되지 않는 하나 이상의 필터들을 적용하는 단계를 포함할 수도 있다. 예를 들어, 일부 양태들에 있어서, 그 방법의 이 부분은 필터를 적용한 결과를 판정하기 위하여, 물어본 질문들의 이력, 수신된 대답들의 이력, 또는 질문들 및 대답들에 관련된 다른 이력 정보에 액세스할 수도 있다. 부가적으로, 언급된 바와 같이, 방법 (250) 은 필터를 적용할 때 실패를 판정하고 (블록 280) (예를 들어, 선택된 질문이 이미 대답되었음), 그 후, 다른 질문을 선택 (블록 272) 하도록 진행하는 단계를 포함할 수도 있으며, 이는 선택된 질문이 필터를 통과하고 물어볼 질문인 것으로 판정 (블록 268) 될 때까지 반복될 수도 있다.

방법 (250) 은 다음 질문이 랜덤하게 선택되지 않을 것이라고 판정하면, 방법 (250) 은 최고의 다음 속성 우선순위를 갖는 속성을 취출하는 단계 (블록 282) 를 포함한다.

예를 들어, 도 5 를 참조하면, 일 양태에 있어서, 각각의 사용자 프로파일 (450) 은 사용자에 대한 이름 또는 코드를 나타내는 사용자 식별자 (452), 및 사용자의 특성 또는 관심사들을 정의하는 속성들 (454) 의 집합을 포함한다. 예를 들어, 각각의 속성 (454) 은 예를 들어 속성에 대한 사용자 관심 레벨 또는 사용자와 속성 간의 대응도 레벨, 예를 들어, 속성이 사용자를 얼마나 잘 정의하는지의 척도를 나타내는 사용자 값 (456) 을 가질 수도 있다. 사용자 값 (456) 은 사용자-정의식일 수도 있고, (예를 들어, 질문들에 대한 사용자 대답들로부터 인출된 추론들 또는 가설들에 기초한) 시스템-정의식일 수도 있고, 또는 이들 양자의 일부 조합일 수도 있다. 더욱이, 일부 옵션적인 양태들에 있어서, 각각의 속성 (454) 은 사용자 값 (456) 에서의 신뢰도 레벨을 정의할 수도 있는 가변 신뢰도 레벨 (458) 을 더 포함할 수도 있다. 예를 들어, 신뢰도 레벨 (458) 은 속성에 대한 관심 레벨 또는 특성화를 명확히 정의하는 대답으로 사용자가 질문에 응답하는 경우의 제 1 값, 및 사용자 값이 추론 또는 가설에 기초할 경우의 제 2 값을 가질 수도 있으며, 여기서, 제 1 값은 제 2 값보다 더 큰 신뢰도 레벨을 나타낸다. 또한, 일부 옵션적인 양태들에 있어서, 각각의 속성 (454) 은 기술된 장치 및 방법들의 오퍼레이터에 의해 할당된 우선순위, 예를 들어, 오퍼레이터 우선순위 (460) 를 가질 수도 있으며, 여기서, 오퍼레이터 우선순위 (460) 는 사용자로부터 그 속성에 관한 정보를 알아내는 오퍼레이터에 대한 중요도를 나타낸다. 다른 옵션적인 양태에 있어서, 오퍼레이터가 각각의 속성 (454) 에 대해 사용자 값 (456) 에서 갖는 신뢰도와 연관된 각각의 신뢰도 레벨 (458) 및 오퍼레이터 우선순위 (460) 는, 사용자에 대한 각각의 속성 (454) 에 대해 네트 우선순위 (462) 를 생성하기 위해 결합되거나 일 함수, 예를 들어, 가중 알고리즘에 적용될 수도 있다. 예를 들어, 임의의 하나의 속성 (454) 에서의 상대적으로 높은 신뢰도 레벨 (458) 은, 그 상대적으로 높은 신뢰도 레벨 (458) 이 그 사용자에 관한 것을 학습하였음을 나타내기 때문에 그 속성 (454) 에 대한 오퍼레이터 우선순위 (460) 를 감소할 수 있다. 이에 따라, 일 양태에 있어서, 도 6 을 부가적으로 참조하면, 최고의 다음 속성 우선순위를 갖는 속성을 취출하는 단계 (블록 282) 는, 예를 들어, 각각의 속성 (454) 의 네트 우선순위 (462) 의 상대적인 값에 기초하여 가중된 또는 주문 번호 (552) 를 갖는 가중된 속성 리스트 (550) 를 생성하는 단계, 및 가중된 속성 리스트 (550) 로부터 최고 우선순위 속성을 선택하는 단계를 포함할 수도 있다. 따라서, 예를 들어, 하나의 결과는 가중된 리스트일 수도 있으며, 여기서, 상대적으로 높은 오퍼레이터 우선순위 속성을 갖는 속성에서 높은 신뢰도를 갖는 것은 상대적으로 낮은 오퍼레이터 우선순위 및 신뢰도 레벨에 대한 상대적으로 낮은 값을 갖거나 신뢰도 레벨에 대한 값을 갖지 않는 다른 속성 아래로 속성을 강하하게 할 수도 있다. 하지만, 오퍼레이터별로 변할 수도 있는 가중 알고리즘이 구현되는 방법에 의존하여 임의의 수의 상이한 결과들이 획득될 수도 있음을 유의해야 한다.

부가적으로, 최고의 다음 속성 우선순위를 갖는 속성을 취출 (블록 282) 한 후, 방법 (250) 은 식별된 속성에 대한 하나 이상의 질문들을 획득하는 단계 (블록 284) 를 더 포함할 수도 있다. 예를 들어, 일 양태에 있어서 그리고 도 7 을 부가적으로 참조하면, 식별된 속성에 대한 하나 이상의 질문들을 획득하는 단계는 복수의 질문들 (650) 을 분석하여, 질문에 의해 설정될 수도 있는 가중된 속성 리스트 (654) 를 각각의 질문 (652) 에 대해 생성하는 단계를 포함할 수도 있다. 복수의 질문들 (650) 은 모든 가능한 질문들 또는 그 일부 서브세트일 수도 있다. 또한, 질문에 의해 설정될 수도 있는 가중된 속성 리스트 (654) 는 질문에 대한 대답이 정의할 가능성이 있는 속성들 (656) 이며, 각각의 속성 (654) 의 가중치 (658) 는 질문 (652) 에 대한 대답이 정의할 가능성이 있는 그 속성 (654) 의 특성화 레벨과 관련된다. 각각의 속성 (656) 은 사용자의 사용자 프로파일 (450; 도 5) 과 이미 연관된 속성 (454; 도 5) 과 동일하거나 속성 (454) 에 대한 부가물일 수도 있음을 유의한다. 또한, 예를 들어, 질문 (652) 은 모두 스포츠에 관한 것일 수도 있으며, 따라서, 기술된 양태들은 질문 (652) 에 대한 스포츠 속성 (656) 의 가중치 (658) 에 상대적으로 높은 값을 제공할 수도 있다. 한편, 질문 (652) 은 또한 영화 취향에 대해 적은 참조를 가져서, 기술된 양태들은 질문 (652) 에 대한 영화 취향 속성 (656) 의 가중치 (658) 에 상대적으로 낮은 값을 제공할 수도 있다. 어구 "질문에 의해 설정될 수도 있는 가중된 속성 리스트" 에서 "설정될 수도 있는" 이라는 용어는 제공되는 대답에 의존하는 (예를 들어, 하나의 대답은 "영화" 참조를 가질 수도 있지만 다른 대답은 영화 지식의 어떠한 학습도 제공할 수 없음) 사용자에 관한 실제 학습과 관련됨을 유의한다. 이에 따라, 일 양태에 있어서 그리고 도 8 을 부가적으로 참조하면, 식별된 속성에 대한 하나 이상의 질문들을 획득하는 단계는 사용자 프로파일 (450) 의 (네트 우선순위 (462) 를 통해) 가중된 속성들 (454) 과 (설정될 수도 있는 속성들 (656) 을 통해) 가중된 질문들 (652) 을 비교하여 질문들 (652) 을 사용자에 대한 우선순위의 순서로 랭킹 (예를 들어, 사용자 프로파일 (450) 의 가중된 속성들 (454) 과 가중된 질문들 (652) 의 비교에 기초한 사용자 우선순위 (754) 에 대응하는 주문 값 (752) 에 기초하여 각각의 질문 (652) 이 순서화된 사용자 특정 랭킹된 질문들 (750) 의 리스트) 시키는 단계를 포함할 수도 있다. 예를 들어, 일 예에 있어서, 설정될 속성에 대한 최고 가중치를 갖는 질문 (652) (여기서, 그 속성은 최고의 네트 우선순위를 가짐) 이 최고로 랭킹된다. 즉, 이 양태에 있어서, 각각의 질문이 각각의 속성의 네트 우선순위에 기초하여 각각의 속성에 대해 얼마나 많이 학습될 수도 있는지에 기초하여 질문들이 순서화된다.

또한, 도 4 로 돌아가면, 속성에 대한 하나 이상의 질문들을 획득 (블록 284) 한 후, 방법 (250) 은 물어볼 질문을 결정 (블록 268) 하기 위해 하나 이상의 필터들을 하나 이상의 질문들에 적용하는 단계 (블록 286) 를 더 포함할 수도 있다. 하나 이상의 필터들을 하나 이상의 질문들에 적용하는 동작 (블록 286) 은 블록 274 에 관하여 상기 설명된 하나 이상의 필터들을 적용하는 단계와 유사하거나 동일할 수도 있다. 또한, 질문이 필터의 적용을 통과하는데 실패하면 (블록 288), 예를 들어, 사용자 프로파일이 질문의 사용을 고려하기 위한 기준을 포함하지 않으면, 방법 (250) 은 질문들을 획득하는 단계 (블록 284) 로 리턴하여 사용자 특정 랭킹된 질문들 (750; 도 8) 의 리스트 내에서 다음 질문을 선택할 수도 있으며, 이는 선택된 질문이 필터를 통과하고 물어볼 질문인 것으로 판정 (블록 268) 될 때까지 반복될 수도 있는 프로세스이고, 그 후, 이는 응답으로 제공될 수도 있다 (블록 266).

따라서, 상술된 방식으로, 하나 이상의 사용자 속성들에 대한 정보를 끌어내도록 설계된 동적으로 적응된 새로운 질문이 본 장치 및 방법들의 사용자에게 제공될 수 있다.

도 3 으로 돌아가면, 질문 형성자 컴포넌트 (224) 는 프로파일 컴포넌트 (228) 및 프로모트 (promote) 컴포넌트 (230) 에 또한 인터페이싱되며, 이들 양자는 차례로 서비스 API (212) 뿐 아니라 판정 엔진 (232) 에 인터페이싱된다. 프로파일 컴포넌트 (228) 는 웹 서비스 API (212) 를 통해 수신된 응답들 (117) 또는 대답들, 세팅들, 선호도들 등에 기초하여, 가입자로서 또한 지칭되는 각각의 사용자에 관한 정보를 학습 및 유지한다. 프로모트 컴포넌트 (230) 는 질문 시퀀스들을 설계하고, 레이트/대답 등에 대한 질문들/퀴즈들 및 아이템들, 예를 들어, 상호작용식 쿼리들 (112) 을 제공한다. 질문 형성자 컴포넌트 (224) 및 카탈로그 (222) 에 또한 인터페이싱되는 판정 엔진 (232) 은 개별 가입자들에 대한 질문들의 시퀀스들, 예를 들어, 상호작용식 쿼리들 (112) 에 대해 자동으로 판정하고, 그러한 질문들을 가입자에게 제안하기 위해 그러한 질문들의 시퀀스들을 프로모트 컴포넌트 (230) 에 제공한다.

생성된 질문들 (218) 은, 풍부한 프로파일 정보를 제공하는 그러한 핵심 쿼리들 (113) 을 위한 그리고 그러한 즐겁거나 랜덤하거나 지적으로 관여된 질문들, 예를 들어, 엔터테이닝 쿼리들 (113) 을 위한 풍부한 메타데이터 (111) 를 가질 수 있다. 이용가능하다면, 사용자 프로파일 (122) 과 함께 메타데이터 (111) 는 질문들 (218) 을 선택하기 위한 기반으로서 이용될 수 있거나, 또는 사용자 또는 가입자에게 어필할 수 있는 특정 장르 (예를 들어, 힙, 오프-비트, 리스퀘, 트래디셔널 등) 에 적절한 질문을 제시하는 방식을 결정하는데 이용될 수 있다. 질문들 (218) 은 클라이언트 디바이스 (202) 에 대한 가용 자산들 (예를 들어, 그래픽스, 텍스트, 오디오) 에 부합하는 방식으로 제시될 수 있다.

개별 질문 (218) 각각 또는 질문들의 시리즈 각각, 예를 들어, 상호작용식 쿼리 (112) 는 서로 독립적으로 정의될 수 있다. 질문 메타데이터 (111) 는 판정 엔진 (232) 으로 하여금 개인화된 질문 시퀀스들 또는 상호작용식 쿼리들 (112) 을 자동으로 생성하게 할 수 있고/있거나 인간에 대한 질문들을 제안하여 질문 시퀀스를 생성할 수 있다. 추천 엔진 (214) 은 질문 시퀀스들 또는 상호작용 쿼리들 (112) 의 세트 또는 질문 시퀀스의 서브세트를 지능적으로 선택하여 클라이언트 디바이스 (202) 로 다운로드할 수 있고 클라이언트 디바이스 (202) 에 대한 고 레벨의 상호작용을 허용할 수 있다. 일부 양태들에 있어서, 다운로딩은 데이터/저장 효율을 위해 아마도 블록단위로 최적화될 수도 있다. 질문/퀴즈 메타데이터 (111) 는 핵심 쿼리 (113) 를 문의하는 빈도, 문의하는 횟수, 및 대답 또는 응답 (117) 을 얻고자 하는 핵심 쿼리들 (113) 의 리스트를 제공할 수 있다. 클라이언트 디바이스 (202) 는 예를 들어, 가입자의 최근 활동 및 응답들에 대한 반응성을 개선시키기 위해 특정량의 자율성을 가질 수 있다. 특히, 일 양태에 있어서, 클라이언트 디바이스 (202) 는, 사용자가 현재 행하고 있는 것 (예를 들어, 애플리케이션 이용, 사람 호출, 링톤 선택 등), 가입자가 있는 곳, 및 무슨 대답들이 최근에 수신되었는지를 고려하여 적절하다고 간주된 그러한 국부적으로 이용가능한 예를 들어 상호작용 쿼리들 (112) 의 다운로드된 세트로부터 질문들을 선택하도록 구성된 질문 선택 엔진 (231) 을 포함할 수도 있으며, 여기서, 그러한 로컬 사용자 정보는 로컬 사용자 이력 데이터베이스 (233) 에 저장될 수도 있다. 이에 의해, 자율적인 로컬 질문 선택 엔진 (231) 은 송신 채널에 부담을 주지 않고도 반응성을 증가시킬 수 있다.

일 양태에 있어서, 사용자 식별자 (235) 는 서버 프론트 엔드 (212) 에 의해 획득되고 백엔드 (216) 에 의해 사용자 프로파일 (122) 에 상관될 수도 있어서, 사용자 특정 질문들이 어떤 시점에서 생성되어 실시간 피드백 (215) 을 가능케 할 수 있다. 예를 들어, 사용자 식별자 (235) 는 모든 경우에 각각의 개별 사용자를 나타낼 수 있는 고유의 수치 ID 를 포함할 수도 있지만 이에 제한되지 않는다. 예를 들어, 사용자 식별자 (235) 는 모바일 전화 번호 또는 가입자의 디바이스의 핸드셋 하드웨어 ID 번호에 링크될 수 있지만 그 번호들과 동일하지 않을 수도 있다. 예를 들어, 일부 경우들에 있어서, 개인은, 식별이 단일 개인의 특정 인물을 더 분석할 수 있도록 무선 가능 미디어 플레이어와는 다른 방식으로 워크 셀폰 (work cell phone) 을 이용할 수도 있다. 대안적으로 또는 부가적으로, 2 이상의 개인이 동일한 디바이스를 이용할 수도 있다. 대안적으로 또는 부가적으로, 실제 사용자가 식별될 때까지 임시 ID 가 채용될 수도 있으며, 이는 식별되기 전에 서비스를 시험해보는 사용자의 가능성을 향상시킬 수 있다. 대안적으로 또는 부가적으로, 질문 및 추천 시스템 (214) 은 클라이언트 디바이스 (202) 에 의해 액세스될 수 있는 디바이스들 또는 서비스들의 범위에 걸쳐 이용가능한 하나 이상의 디바이스들 또는 서비스들에 대해 개인을 고유하게 식별할 수 있다.

부가적으로, 일부 양태들에 있어서, 질문 형성자 (224) 는 질문들의 시리즈, 예를 들어, 상호작용식 쿼리 (112) 를 결정하여 소정의 사용자에게 묻기 위하여 모든 사용자 프로파일들과 같은 사용자 프로파일들의 모집단으로부터의 질문들 및 데이터에 관한 모든 가용 지식에 기초하여 생성된 룩업 테이블 (229) 을 활용할 수도 있다. 상호작용식 쿼리들 (112) 의 세트는 로컬 사용자 이력 데이터베이스 (233) 에 저장되거나 로컬 사용자 이력 데이터베이스 내의 정보로부터 도출되는 사용자의 특정 상황 (예를 들어, 개인 쇼핑객 상황, 일반 "업무" 상황, 처음 업무 상황 등) 에 의해 그리고 사용자에 관해 이미 알려진 것에 의존하여, 또한 부가적인 정보가 상호작용식 쿼리들 (112) 을 통해 사용자로부터 획득될 수 있는 것에 기초하여 변할 수 있다. 다른 양태들에 있어서, 룩업 테이블 (229) 은 질문 및 추천 시스템 (214) 으로 하여금 "콜드 스타트" 시에도 예를 들어 질문들 및 추천들을 선택하기 위한 사전 개별 데이터없이도 사용자와 상호작용하게 한다. 예를 들어, 일 양태에 있어서, 룩업 테이블 (229) 은 질문들 및 그러한 질문들에 대해 시스템 (214) 의 다른 사용자들이 어떻게 응답하였는지에 대한 이력 데이터를 포함함으로써, 질문 및 추천 시스템 (214) 으로 하여금 사용자들의 총 모집단에 걸쳐 어떤 질문들이 잘 작동하고 어떤 질문들이 작동하지 않은지를 결정할 수 있게 할 수도 있다. 그러한 결정에 기초하여, 예를 들어, 질문 및 추천 시스템 (214) 은 새로운 사용자와의 사용을 위해 상호작용식 쿼리들 (112) 의 세트에 대해 이력적으로 잘 작동했던 질문들을 선택할 수도 있다.

도 9 를 참조하면, 서버 백엔드에 의해 수행되는 방법 또는 동작 시퀀스 (300) 는 질문을 생성하고 (블록 302) 퀴즈 (예를 들어, 질문들의 세트) 를 생성하는 것 (블록 304) 으로서 도시된 쿼리들을 생성하는 단계를 포함할 수 있다. 각각, 질문들은 메타데이터로 풍부해지고 (블록 306), 퀴즈들은 질문들을 선택함 (블록 308) 으로써 향상될 수 있다. 생성된 쿼리들은 카탈로그에 저장된다 (블록 310). 하나 이상의 사용자 프로파일들을 고려 (블록 314) 할 수도 있는 판정 알고리즘들이 구동하여 (블록 312), 각각의 질문 또는 질문들의 시리즈를 특성화함으로써 룩업 테이블들을 생성한다 (블록 316).

더 상세하게, 룩업 테이블들은, 관계들을 결정하기 위해 사용자 프로파일들로부터의 데이터와 결합된 카탈로그로부터의 질문들에 걸쳐 상관 알고리즘들을 구동시키는 것에 기초하여 생성된다. 즉, 특정 질문들의 능률의 평가들은 다른 사용자들이 어떻게 응답하였는지에 기초하여 결정될 수 있다. 그 목적을 위하여, 백엔드는 다른 사람들이 어떤 질문들에 대답하였는지, 어떻게 대답하였는지, 그리고 얼마나 빈번히 각각의 질문들이 질문되고 스킵되고 대답되었는지, 어떻게 대답되었는지 등을 안다. 이에 기초하여, 그 알고리즘들은 총 모집단에 걸쳐 또는 소정의 상황 또는 사용자에 대해 어떤 질문들이 잘 작동하고 또한 어떤 질문들이 잘 작동하지 않은지를 결정할 수 있다. 따라서, 미리결정된 사용자 특성들을 끌어 낼 가능성이 있는 질문들이 선택될 수 있다.

일부 양태들에 있어서, 질문들 및 질문 시퀀스들은 인간 생성식일 수 있으며, 여기서, 이들 질문 시퀀스들은 사용자의 초기 특성화가 획득될 때까지 신뢰될 수 있다. 다른 양태들에 있어서, 질문 생성은 자동화된다. 또 다른 양태들에 있어서, 질문 생성은 인간 생성식과 자동식의 조합이다.

부가적인 양태에 있어서, 시스템은 매우 다양한 랜덤 토픽들에 대한 질문들을 묻도록 선택할 수 있으며, 여기서, 그러한 질문들은 고 레벨 정보를 획득하기 위해 설계된 "개방형 질문들 (open questions)" 로서 태깅됨으로써 식별될 수도 있다. 예를 들어, 그러한 개방형 질문들은 넓은 카테고리들과 관련될 수도 있으며, 이들 질문들에 대한 응답들은 사전 개시 정보없이 특정 특성을 식별하기 위해 후속 질문들을 더 좁은 카테고리들로 유도할 수 있다. 일 예는 "스포츠하기를 좋아하세요?" 를 묻는 것을 포함한다. 스포츠하기를 좋아한다면, 다양한 스포츠 관련 질문들이 물어질 수 있다. 스포츠하기를 좋아하지 않는다면, "당신의 디바이스 상의 뮤직 트랙들을 청취하는 아이디어를 좋아하세요?" 또는 "콘솔 게임하기를 즐기나요?" 와 같은 다른 넓은 카테고리가 선택될 수도 있다. 이들 "개방형 질문들" 에 대한 응답들에 기초하여, 시스템은 더 특정한 다른 세트의 질문들을 선택할 수 있다. 시스템은, 이들 특성화들이 도달되는 방식이 다소 예기치않은 즐겁고 랜덤한 방식으로 이루어져 계속 가볍고 엔터테이닝하게 하도록 구성된다.

따라서, 일부 경우들에 있어서, 질문 선택 및 시퀀싱은 인간 설계들에 의존하기 보다는 룩업 테이블들에 기초하여 오로지 자동화될 수 있다. 예를 들어, 질문 선택은 어떤 카테고리화들/특성화들이 사용자에 대해 최근에 확인되었는지를 추적하여, 이미 공지된 속성을 확인하거나 정세하는 것에 대한 우선순위로서 미지의 속성들을 추구하는 질문들을 리턴할 수 있다.

도 10 을 참조하면, 일 양태에 따르면, 서버 프론트 엔드에 의해 수행된 방법 또는 동작 시퀀스 (400) 는 질문들 또는 퀴즈들을 실시간으로 생성하는 단계 (블록 402) 뿐 아니라 미리 형성된 퀴즈들을 선택하는 단계 (블록 404) 를 포함한다. 이들 후보 질문들/퀴즈들은 예를 들어, 사용자, 사용자 상황, 또는 다른 네트워크 고려사항들에 관해 알려진 정보에 기초하여 필터링될 수도 있다 (블록 406). 옵션적으로, 질문들의 필터링된 세트는 송신 대역폭, 원하는 레이턴시 한계들, 및 다른 고려사항들에 관하여 효율적으로 인코딩될 수도 있다 (블록 408). 필터링되고/되거나 인코딩된 질문들은 클라이언트로 송신된다 (블록 410). 이전에 전개된 질문들에 대한 대답들이 클라이언트로부터 수신된다 (블록 412). 사용자 프로파일이 그 대답들에 기초하여 증대된다 (블록 414). 판정 테이블들이 그 대답들에 응답하여 업데이트된다 (블록 416). 이와 같이 업데이트된 프로세싱은 블록 402 로 리턴한다.

도 11 을 참조하면, 일 예에 따르면, 클라이언트에 의해 수행된 적응적 질문 및 추천을 위한 방법 또는 동작 시퀀스 (500) 는 서버로부터의 질문들의 세트에 대해 문의하는 것 (블록 502) 으로 시작할 수 있다. 질문들의 세트 중 하나가 질문 선택 엔진에 의해서와 같이 선택된다 (블록 504). 옵션적으로, 질문의 선택은 로컬 클라이언트 데이터에 기초할 수도 있다 (블록 506). 예를 들어, 질문 선택 엔진은, 질문들의 초기 세트가 공식화되었을 경우에 공지되지 않은 데이터, 즉, 로컬 데이터를 고려함으로써 적응적 질문 프로세스를 더 향상 및 개인화할 수도 있다. 그와 같이, 질문 선택 엔진은 질문들의 세트를 더 조정하기 위해 시스템 프론트 엔드와 유사한 알고리즘들을 활용할 수도 있다. 또한, 질문들은 관련 메타데이터에 따라 렌더링된다 (블록 508). 대답들이 관련 메타데이터에 기초하여 요청된다 (블록 510). 옵션적으로, 일부 양태들에 있어서, 사용자 인터페이스가 관련 메타데이터 및 대답(들)에 기초하여 재-개인화될 수 있다 (블록 512). 즉, 질문하는 그래픽 또는 언어 또는 스타일이 대답들에 의존하여 변할 수도 있다. 대답들이 서버로 리턴되고 (블록 514), 프로세싱은, 더 많은 질문들이 필요하다면 블록 502 로 리턴하고 필요없다면 블록 504 로 리턴한다.

전술한 바에 의해, 본 개시의 도움으로, 질문들의 시리즈는 사용자를 관여시킬 뿐 아니라 미리결정된 정보, 예를 들어, "핵심" 데이터, 사용자 "경계" 데이터 (즉, 사용자의 편안한 구역인 경우) 등을 끌어내도록 설계될 수 있음이 인식될 것이다. 대화식 스크립팅 애플리케이션 (CSA) 을 기반으로 하여, 부가적인 구조 및 전체 프로파일링 목적이 대화식 질문들에 제공된다. 예를 들어, 이것을 설명하기 위한 하나의 방식은 질문들의 시리즈 각각이 원하는 질문 시리즈 "서명" 을 갖는다고 말하는 것일 수도 있다. 그 서명은, 질문들의 시리즈를 정의하는 질문 메타데이터의 조합 (또는 조합들의 범위) 을 나타냄으로써 프로파일링 목적을 식별할 수 있다. 예를 들어, 질문들의 시리즈는 1 내지 n개의 질문들을 가질 수도 있으며, 여기서, n 은 양의 정수이고, 각각의 질문은 각각의 질문 서명을 결합하여 정의하는 다수의 메타데이터를 가지며, 따라서, 그 시리즈에 있어서의 질문 서명들 모두의 합은 예를 들어 표 1 에 제공되는 바와 같은 질문 시리즈 서명을 정의한다.

질문 시리즈 - 질문 1: <질문 텍스트, 스타일, 타입, 목적, 링크들, 자산들, 방법, 다른 메타데이터 …> … - 질문 n: <질문 텍스트, 스타일, 타입, 목적, 링크들, 자산들, 방법, 다른 메타데이터 …> 여기서: "질문 텍스트" 는 질문의 실제 워딩임; "스타일" 은 응답을 요청하는 모양/느낌/방식을 포함하여 질문이 제시되는 방법임…예를 들어, "스킨즈" 또는 "어휘"; "타입" 은 핵심 질문, 엔터테인먼트 질문, 랜덤 질문, 또는 경계 테스팅 질문임; "목적" 은 타입과 유사하지만 요구되는 것을 더 구체적으로 정의함, 예를 들어, 사용자 연령, 사용자 스포츠 관심, 사용자 뮤직 장르, 사용자 영화 장르 등, 이는 핵심 또는 경계 테스팅 타입들의 질문들에 더 관련될 수 있음; "링크들" 은 해당 질문이 다른 질문 또는 특정 다른 질문 파라미터들과 관련되는 방법임; "자산들" 은 질문과 함께 제시를 위한 그래픽스, 오디오 클립들, 비디오 클립들, URL들 등임; "방법" 은 질문이 문의되는 방법, 예를 들어, 다수의 추측, "N개의 선택 중에서 1 대답을 선택하시오", "예 또는 아니오로 대답하시오", "때때로 대답하시오, 항상 대답하시오, 드물게 대답하시오, 전혀 대답하지 마시오", "이들 아이템들을 랭크시키시오", "호불호를 대답하시오", "텍스트 스트링으로 대답하시오" 등을 포함함

아이템 평가 타입 질문에 관하여, 질문 시리즈는, 특정 핵심 데이터를 획득하는 것, 사용자를 관여/엔터테이닝시키는 것, 특정 "플로우" 를 갖는 것, 특정 "길이" 를 갖는 것 등과 같은 특정 목적들을 충족시키도록 설계될 수 있다. 이들 목적들 모두를 충족시키는 질문 시리즈는 특정 질문 시리즈 서명을 갖는 것으로 말해질 수 있다. 이는 또한 질문 자체 없이 질문 시퀀스의 본질적인 특성들의 질문 패턴으로서도 지칭된다. 다른 양태에 있어서, 서명은 정의된 메타데이터 카테고리들 (예를 들어, 스타일, 타입, 목적 등) 을 가질 수 있다. 옵션적으로 또는 부가적으로, 특정 타입의 카테고리에서의 메타데이터, 예를 들어, 그 시리즈에 있어서의 각각의 질문에 대한 "목적" 메타데이터의 시리즈는 (하나 이상의 카테고리들에 대한) 카테고리 메타데이터의 시리즈가 자신의 카테고리 시리즈 서명을 가질 수 있도록 특정 패턴으로 구성될 수도 있다.

따라서, 서버 프론트 엔드에서 또한 클라이언트 질문 선택 엔진에서, 하나의 목적은 원하는 질문 시리즈 서명 (또는 특정 범위 내에 있는 서명) 을 갖는 질문들의 초기 또는 국부적으로 변경된 세트를 생성하는 것이다. 그와 같이, 다양한 질문들이 혼합되고 매칭되어 원하는 질문 시리즈 서명을 생성할 수 있다. 따라서, 사용자 응답들을 이용하여, 질문 시리즈는 실시간으로 변경될 수 있어서 (또는 부가적인 정보를 획득하기 위해 상이한 서명을 갖는 다른 질문 시리즈에 링크되거나 다른 질문 시리즈로 변경되거나 다른 질문 시리즈로 대체될 수 있음), 사용자 관점으로부터 또한 즐겁고 관여하고 있는 효율적인 데이터 수집 시스템을 생성할 수 있다.

적응적 질문 및 추천 장치 및 방법은 임의의 수의 사용자 인터페이스들 또는 프로그램들에서 구현될 수도 있다. 이제, 다수의 샘플 이용 케이스들이 논의될 것이지만, 다수의 다른 이용 케이스들, 사용자 인터페이스들 또는 프로그램들은 본 교시를 포함할 수도 있으며, 따라서, 이들 예들은 제한하는 것으로서 해석되지 않아야 한다.

도 12 를 참조하면, 예를 들어, 적응적 질문 및 추천이 선택 타입 프로그램에서 구현될 수도 있다. 모바일 디바이스 (600) 는 누가 더 매력적인지에 관한 퀴즈 (604) 를 렌더링하는 것으로서 도시된 그래픽 사용자 인터페이스 (602) 를 가진다. 특정 임계 갯수의 퀴즈들을 완료하는 것은 생명선 (606) 으로 하여금 점진적으로 채워지게 할 수 있다. 예를 들어, 추가의 특권 또는 우선순위 아이템들을 획득하기 위하여 부가적인 평가를 수행함으로써 은, 금, 또는 백금 구분이 획득될 수 있다. 사용자의 특성화는 특정 선택이 스킵되었는지 여부 또는 누가 선택되었는지로부터 수집될 수 있다. 예를 들어, 사용자는 특정 연령 또는 패션 데모그래픽과 연관되는 것으로서 식별될 수 있다. 일부 양태들에 있어서, 예를 들어, 퀴즈 대답들은 소셜 네트워킹 웹사이트 상에서 공유될 수 있다.

대안적으로, 관여하는 방식으로 사용자를 자기 식별할 시에 선택이 안내될 수 있다. 무미건조한 데모그래픽 사실들을 입력하는 것보다, 선택 그래픽스/텍스트는 "너드 (nerd)", "소셜 버터플라이", "애국자", "치어리더", "아웃도어맨" 등과 같이 당신이 무슨 "집단 (tribe)" 인지 또는 무슨 "타입" 인지와 같은 옵션들을 제공할 수 있다.

도 13 을 참조하면, 예를 들어, 적응적 질문 및 추천이 자기 프로파일링 프로그램에서 구현될 수도 있다. 모바일 디바이스 (700) 는, 사용자로 하여금 핵심 정보와 같은 사용자 프로파일 정보를 시스템에 직접 제공하게 할 수 있는 프로파일 스크린 (704) 을 렌더링하는 것으로서 도시된 그래픽 사용자 인터페이스 (702) 를 가진다. 그러한 프로파일 스크린 (704) 은 다른 소셜 또는 프로페셔널 네트워킹 사이트들로부터 연락처들 및 개인 정보를 다운로드 할 수 있는 것과 같은 다른 개인 보조기와 결합될 수도 있다. 카렌더 및 이벤트 리마인더들과 같은 유틸리티들을 통합하는 것은 더 많은 활동들을 위해 디바이스 (700) 를 이용하는데 가입자를 더 관여시킬 수 있다. 이에 의해, 사용자의 특성을 결정하고 또한 추천을 제시할 부가적인 찬스들을 찾기 위해 더 많은 기회들이 생성된다.

도 14 를 참조하면, 예를 들어, 적응적 질문 및 추천이, 상호작용식 게임을 제공하여 사용자 관심사들 또는 호불호를 결정하는 것을 보조하는 선택 타입 프로그램의 다른 스타일에서 구현될 수도 있다. 모바일 디바이스 (800) 는, 아이템들이 부가적인 도전을 제공하도록 이동될 수도 있고 또한 파괴하거나 획득 및 폐기하고 싶지 않은 아이템들을 사용자가 "슛팅" 할 수도 있는 아케이드 게임 (804) 에서의 아이템들을 도시하고 있는 그래픽 사용자 인터페이스 (802) 를 가진다. 예를 들어, 사용자에게 관심이 없는 아이템들과 상관하는 특정 수의 아이템들의 처분에 대해 보상이 제공될 수 있다. 터치 가능 인터페이스들 (802) 에 대해, 사용자에 대해 더 신속하고 더 직관적으로 선택/폐기할 수 있는 다양한 타입들의 제스처들이 검출될 수 있다.

도 15 를 참조하면, 예를 들어, 적응적 질문 및 추천이 쇼핑 타입 프로그램에서 구현될 수도 있다. 모바일 디바이스 (900) 는, 부가 정보를 평가하고 선택하고 폐기하고 획득하는 등을 위해 이용가능한 그 조망 (in view) 을 갖는 랜덤화 휠에 의해 기대된 분류로 아마도 회전되는 애플리케이션들의 애니메이션된 캐러셀로서 "당신의 스토어" 페이지 (904) 를 도시하고 있는 그래픽 사용자 인터페이스 (902) 를 가진다. 예를 들어, 가용 애플리케이션들의 가이드된 투어를 제공하는 것은 다운로드될 수 있는 애플리케이션들의 방대한 카탈로그를 모르는 새로운 사용자를 보조할 수 있다. 가입자는 특정 제공물들을 북마크하고 특정 애플리케이션들에 관한 더 많은 정보를 획득할 수 있다.

도 16 을 참조하면, 예를 들어, 적응적 질문 및 추천이 선택 타입 프로그램에서 구현될 수도 있다. 모바일 디바이스 (1000) 는, 특정 아이템들이 이동 캐러셀로부터의 다양한 타입들의 스시이고 경품을 위한 모음을 완결하기 위해 트레이 상에 위치되는 스시 식당 게임으로서 "당신의 스토어" 페이지 (1000) 를 도시하고 있는 그래픽 사용자 인터페이스 (1002) 를 가진다. 이 상황에서, 스시가 아닌 아이템들은 스시 아이템들을 남겨 두기 위해, 평가하거나 위시 리스트를 선택하거나 또는 폐기하기 위한 추천된 오브젝트들이다.

도 17 을 참조하면, 본 명세서에서 설명된 양태들의 구현의 다른 예에 있어서 (제한하는 것으로서 해석되어서는 안됨), 적응적 질문 및 추천 방법 (1400) 은 추천 애플리케이션을 론칭 (블록 1402) 하는 사용자에 의해 디바이스 상에서 개시될 수도 있다. 그 후, 방법 (1400) 은 애플리케이션을 론칭한 사용자가 첫번째 사용자인지 여부를 더 판정할 수도 있다 (블록 1404).

사용자가 첫번째 사용자라면, 방법 (1400) 은 하나 이상의 엔트리 퀴즈들을 제시하는 단계 (블록 1406) 를 더 포함할 수도 있다. 예를 들어, 하나 이상의 엔트리 퀴즈들 각각은 하나 이상의 핵심 질문들, 관심 식별 질문들, 또는 옵션적으로 또는 부가적으로, 하나 이상의 엔터테이닝 질문들을 포함할 수도 있다. 그와 같이, 이에 의해, 하나 이상의 엔트리 퀴즈들은 추천 애플리케이션으로 하여금 예를 들어 데모그래픽 데이터 또는 사용자 관심 데이터와 같은 핵심 데이터를 사용하여 사용자를 특성화하는 적어도 부분적인 사용자 프로파일을 형성할 수 있게 할 뿐 아니라, 엔터테인먼트 팩터를 제공함으로써 퀴즈들을 완료하는데에 사용자의 관심을 유지할 수 있게 한다. 일 양태에 있어서, 예를 들어, 하나 이상의 엔트리 퀴즈들은, 사용자로의 추천을 생성하는데 이용될 수도 있는 핵심 또는 관심 데이터의 기반 세트를 끌어내도록 설계될 수도 있다. 예를 들어, 그 데이터의 기반 세트는 사용자 연령, 사용자 성별, 하나 이상의 사용자 관심사들, 사용자 정의식 아바타 또는 화상 또는 자신의 그래픽 표현과 같은 데이터, 또는 하나 이상의 추천들을 실시하기 위해 본 양태들의 오퍼레이터에 의해 요구될 수도 있는 기반 데이터의 임의의 다른 구성가능 세트를 포함할 수도 있지만 이에 제한되지 않는다.

방법 (1400) 이 사용자가 첫번째 사용자가 아니라고 판정한다면 또는 적어도 부분적인 사용자 프로파일이 예를 들어 하나 이상의 엔트리 퀴즈들을 통해 생성되었다면 (블록 1406), 방법 (1400) 은 홈 페이지 사용자 인터페이스를 사용자에게 제시하는 단계 (블록 1408) 를 더 포함한다. 홈 페이지 사용자 인터페이스로부터, 방법 (1400) 은 사용자 프로파일에 관련된 옵션들과 같은 하나 이상의 사용자 선택가능 옵션들, 부가적인 퀴즈들, 또는 추천들을 제시할 수도 있다. 일 양태에 있어서, 예를 들어, 홈 페이지 사용자 인터페이스를 사용자에게 제시하는 단계 (블록 1408) 는 사용자 프로파일 페이지 사용자 인터페이스를 제시하는 단계 (블록 1410), 및/또는 추천 리스팅 페이지 사용자 인터페이스를 제시하는 단계 (블록 1412), 및/또는 랜덤 추천 페이지 사용자 인터페이스를 제시하는 단계 (블록 1414) 를 더 포함하거나 링크될 수도 있다. 예를 들어, 일 양태에 있어서, 사용자 프로파일 페이지 사용자 인터페이스를 제시하는 단계 (블록 1410) 는, 사용자를 식별하는 정보, 사용자의 관심 아이템들 또는 특성화들, 및 완료되고/되거나 실시하는데 이용가능한 퀴즈들을 포함하는 변경가능한 필드들을 제시하는 단계를 포함할 수도 있지만 이에 제한되지 않는다. 또한, 예를 들어, 추천 리스팅 페이지 사용자 인터페이스를 제시하는 단계 (블록 1412) 는 애플리케이션, 뮤직 파일, 영화, 또는 임의의 다른 타입의 제품 또는 서비스와 같은 추천 아이템들의 리스트를 제시하는 단계를 포함할 수도 있지만 이에 제한되지 않는다. 더욱이, 추천 아이템들의 리스트는 소팅가능하고/하거나, 상이한 카테고리들로 분할되고/되거나, 추천 아이템들을 원하는 순서 또는 카테고리로 제시하기 위해 추천 애플리케이션에 의해 또는 사용자에 의해 변경가능할 수도 있다. 부가적으로, 예를 들어, 랜덤 추천 페이지 사용자 인터페이스를 제시하는 단계 (블록 1414) 는, 무슨 타입의 아이템이 추천될 것인지를 사용자가 예상하기 때문에 어느 정도의 엔터테인먼트를 사용자에게 제공할 수도 있는 복수의 추천 아이템들 중 하나의 랜덤 선택을 포함할 수도 있지만 이에 제한되지 않는다.

부가적으로, 홈 페이지 사용자 인터페이스에 대한 제시된 또는 링크가능한 옵션들 각각 또는 그 옵션들 중 선택된 옵션들 (블록들 1410, 1412, 및/또는 1414) 은, 추천 상세들을 제시하거나, 추천 아이템들을 구매하거나, 또는 사용자 관심사들 및 핵심 데이터와 같은 부가적인 사용자 프로파일 정보를 수집하거나 사용자에게 그 부가적인 사용자 프로파일 정보를 정의하게 하기 위한 부가적인 사용자 인터페이스들을 유도할 수도 있다.

예를 들어, 일 양태에 있어서, 방법 (1400) 은 추천 상세들을 제시하는 단계 (블록 1416) 를 더 포함할 수도 있다. 예를 들어, 추천은, 디바이스에 다운로드될 수도 있는 컨텐츠와 같은 추천 제품 또는 서비스일 수도 있다. 이에 따라, 예를 들어, 추천 상세들은 제품 또는 서비스의 이름, 설명, 공급자 식별자, 평가 또는 추천 레벨, 가격, 제품 또는 서비스의 적어도 일부의 샘플 또는 보기와 같은 추천에 관련된 정보, 또는 구매 판정을 행하는 것을 보조하기 위해 본 양태들의 오퍼레이터가 사용자에게 제시함에 있어서 유용하다고 여겨질 수도 있는 임의의 다른 정보를 포함할 수도 있지만 이에 제한되지 않는다.

부가적으로, 일 양태에 있어서, 방법 (1400) 은 구매 요청을 수신하는 단계 (블록 1418) 를 더 포함할 수도 있다. 예를 들어, 방법 (1400) 은 추천 상세들을 제시할 시에 제품 또는 서비스를 구매하기 위한 옵션을 사용자에게 제공할 수도 있다. 하지만, 구매 요청을 수신하는 단계는 추천 리스팅의 제시에 응답하여 또는 일부 다른 사용자 인터페이스로부터 실시될 수도 있음을 유의해야 한다. 더욱이, 방법 (1400) 은 구매 요청을 송신하는 단계 (블록 1420) 및 구매된 제품 또는 서비스를 수신하는 단계 (블록 1422) 를 더 포함할 수도 있다. 예를 들어, 일 양태에 있어서, 디바이스는, 오디오 파일, 뮤직 파일, 애플리케이션 등과 같지만 이에 제한되지 않는 요청된 제품 또는 서비스의 전달을 제공 또는 배열하는 서버에 구매 요청을 무선으로 송신할 수도 있다.

다른 예에서, 일 양태에 있어서, 방법 (1400) 은 변경가능 사용자 관심사들을 제시하는 단계 (블록 1424) 를 더 포함할 수도 있다. 예를 들어, 일 양태에 있어서, 변경가능 사용자 관심사들을 제시하는 단계는 애플리케이션 결정식 또는 사용자 정의식 관심 레벨을 표현하는 스케일링 팩터와 함께 식별된 관심 아이템들의 리스트를 포함할 수도 있다. 옵션적으로, 변경가능 사용자 관심사들을 제시하는 단계는, 관심 아이템을 추가 또는 삭제하거나 (블록 1425) 또는 스케일링 팩터를 변경하는 것과 같이 관심 아이템을 정세 (블록 1427) 하기 위한 사용자 입력을 수신하는 단계를 더 포함할 수도 있다.

추가 예에서, 일 양태에 있어서, 방법 (1400) 은 또한, 하나 이상의 퀴즈들을 제시하는 단계 (블록 1426), 사용자 입력 퀴즈 응답들을 수신하는 단계 (블록 1428), 및 퀴즈 결과들을 제시하는 단계 (블록 1430) 를 포함할 수도 있다. 예를 들어, 일 양태에 있어서, 하나 이상의 퀴즈들을 제시하는 단계 (블록 1426) 는 사용자에게 관심있는 퀴즈를 식별하는 수신된 사용자 선택에 기초하여 퀴즈를 제시하는 단계, 또는 분실한 사용자 프로파일 데이터 예를 들어 핵심 데이터 또는 사용자 관심사들을 수집하거나 기존의 사용자 프로파일 데이터를 추가로 정세하거나 사용자 관심사들의 한계들을 테스트하거나 사용자 프로파일 데이터를 반드시 도출하지 않고도 사용자에게 엔터테인먼트를 제공하거나 또는 이들의 일부 조합을 실시하도록 선택된 애플리케이션 결정식 퀴즈를 제시하는 단계를 포함할 수도 있다. 또한, 예를 들어, 사용자 입력 퀴즈 응답들을 수신하는 단계 (블록 1428) 는 기계적 또는 가상의 키, 마이크로폰, 터치 감지형 디스플레이와 같은 하나 이상의 사용자 입력 메커니즘들, 또는 임의의 다른 타입의 사용자 입력 메커니즘을 수신하는 단계를 포함할 수도 있다. 또한, 예를 들어, 퀴즈 결과들을 제시하는 단계 (블록 1430) 는 퀴즈 응답들 또는 대답들의 요약, 또는 그 퀴즈 응답들 또는 대답들에 기초하여 추천 애플리케이션에 의해 결정된 결론 또는 관심사 또는 핵심 데이터, 또는 질문들에 대한 그 대답들을 통해 사용자에 관해 학습된 가장 최근 정보에 특히 기초한 컨텐츠에 대한 추천들의 세트, 또는 이들의 일부 조합을 포함할 수도 있다. 일 양태에 있어서, 예를 들어, 기술된 양태들에 의해 제공된 추천들 (125) 은, 기술된 양태들이 사용자에 관해 막 학습한 새로운 것들에 주로 기초할 수도 있으며, 예를 들어, 사용자가 라이브 야구 게임에 참가하길 좋아한다고 막 학습되었으면, 기술된 양태들은, 이 새로운 식견에 특정된 예를 들어 컨텐츠 또는 제공물들에 대한 하나 이상의 추천들 (125) 을 사용자에게 제공한다.

옵션적인 부가 양태에 있어서, 방법 (1400) 은 사용자 입력 퀴즈 응답들 예를 들어 (블록 1430 으로부터의) 퀴즈 결과들과 사용자들의 일부 다른 모집단의 대응하는 응답들과의 비교를 제시하는 단계 (블록 1432) 를 더 포함할 수도 있다. 예를 들어, 사용자 입력 퀴즈 응답들과 사용자들의 일부 다른 모집단의 대응하는 응답들과의 비교를 제시하는 단계 (블록 1432) 는 퀴즈 결과들을 제시하는 것에 응답하여 비교 요청의 사용자 입력에 응답할 수도 있다. 더욱이, 추천 애플리케이션은 사용자들의 하나 이상의 모집단들에 대한 퀴즈 응답들의 이력 정보를 갖는 네트워크 기반 서버와 통신할 수도 있거나, 또는 추천 애플리케이션 또는 사용자 디바이스는 이력 정보의 모두 또는 그 일부, 예를 들어, 사용자에 의해 실시된 하나 이상의 퀴즈들 또는 사용자에 의해 실시되도록 이용가능한 하나 이상의 퀴즈들에 대응하는 이력 정보의 일부를 저장할 수도 있다.

옵션적으로, 도 17 에 도시되지는 않았지만, 방법 (1400) 의 각각의 액션은 이전 액션과 또는 임의의 다른 액션과 링크될 수도 있다. 예를 들어, 퀴즈 결과들을 제시 (블록 1430) 하자마자, 방법 (1400) 은 퀴즈들을 제시하는 단계 (블록 1426) 로 또는 홈 페이지 사용자 인터페이스를 제시하는 단계 (블록 1408) 로 또는 사용자 프로파일 사용자 인터페이스를 제시하는 단계 (블록 1410) 로 또는 추천들을 제시하는 단계 (블록 1412 또는 1414) 로 리턴할 수도 있다. 다른 예에 있어서, 추천된 아이템 상세를 제시 (블록 1416) 하자마자, 방법 (1400) 은 변경가능 사용자 관심사들을 제시하는 단계 (블록 1424) 로 리턴하기 위한 사용자 입력을 수신하는 단계를 더 포함할 수도 있고, 관심 아이템 및 관심 아이템과 연관된 스케일링 팩터를 변경하거나 추가하거나 삭제하기 하기 위한 사용자 입력들을 수신하는 단계를 더 포함할 수도 있다.

도 18 내지 도 27 을 참조하면, 도 17 의 방법 (1400) 에 대응하는 사용자 인터페이스들의 다양한 예들이 도시되지만, 이들 예들은 제한하는 것으로서 해석되지 않아야 하며, 도 17 의 방법 (1400) 과 연관된 사용자 인터페이스들이 본 명세서에서 설명된 추천 애플리케이션의 오퍼레이터에게 적절한 임의의 방식으로 구현될 수도 있음을 이해해야 한다.

도 18 을 참조하면, 예를 들어, 홈 페이지 사용자 인터페이스 (1500) 의 일 양태는 추천 리스트 페이지 ("당신을 위한 선택" 으로도 또한 지칭됨; 1504), 사용자 프로파일 페이지 (1506), 및 랜덤 추천 페이지 ("경품 뽑기 (Lucky dip)" 로도 또한 지칭됨; 1508) 와 같은 복수의 선택가능 부가 사용자 인터페이스들 (1502) 을 포함한다. 도 18 에 있어서, 일 양태에서 더 많은 상세들을 제공하거나 또는 부가적인 페이지들에 액세스하도록 선택 또는 확장될 수 있는 요약 필드들을 생성하는 사용자 프로파일 페이지 (1506) 가 선택된다. 예를 들어, 그러한 필드들은 사용자에 대한 이름 또는 별명을 포함할 수도 있고 또한 사용자 데모그래픽스와 같은 다른 사용자 특정 정보를 리스팅하도록 확장될 수도 있는 사용자 데이터 필드 (1510); 예를 들어 완료된 퀴즈들을 리스팅하거나 더 많은 퀴즈들이 취해질 수 있게 하는 하나 이상의 퀴즈 관련 필드들 (1512); 및 사용자 정의식 또는 애플리케이션 결정식 사용자 관심사들의 리스팅에 대한 링크를 리스팅하거나 제공할 수도 있는 관심사 필드 (1514) 중 하나 이상을 포함할 수도 있다.

도 19 를 참조하면, 예를 들어, "당신을 위한 선택" 사용자 인터페이스로도 또한 지칭되는 추천 리스팅 사용자 인터페이스 (1600) 의 일 양태는 추천된 아이템들의 리스트 (1602) 를 포함한다. 추천된 아이템들의 리스트 (1602) 는 사용자에 의해 선택가능한 카테고리화 키들 (1604) 이 추천된 아이템들의 하나 이상의 상이한 세트들 또는 서브세트들을 제공하도록 카테고리화될 수도 있다. 예를 들어, 사용자 선택가능 카테고리화 키들 (1604) 은 모든 추천된 아이템들을 리스팅하는 모든 추천 리스팅 (1606), 소정의 가격 또는 가격 범위를 갖는 추천 아이템들을 리스팅하는 가격 기반 (예를 들어, "무료") 추천 리스팅 (1608), 또는 각각의 추천된 아이템들과 연관된 메타데이터에 기초하여 결정될 수도 있는 추천들을 특정 카테고리에서만 리스팅하는 하나 이상의 사용자 또는 애플리케이션 정의식 관심 또는 카테고리 특정 추천 리스팅들 (1610) 을 포함할 수도 있지만 이에 제한되지 않는다. 또한, 사용자 선택가능 카테고리화 키들 (1604) 중 하나 이상은 각각의 카테고리에서의 추천된 아이템의 수를 식별하는 카운터 (1614) 와 같은 카운터를 포함할 수도 있다. 부가적으로, 각각의 리스팅에 있어서의 추천된 아이템 (1612) 과 같은 각각의 추천된 아이템은 아이템 식별자 또는 이름, 아이템 설명, 아이템 평가 또는 추천 레벨, 아이템 가격 등과 같지만 이에 제한되지 않는 아이템 정보 (1616) 를 포함할 수도 있다.

도 20 을 참조하면, 예를 들어, "경품 뽑기" 사용자 인터페이스로도 또한 지칭되는 랜덤 추천 리스팅 사용자 인터페이스 (1700) 의 일 양태는 복수의 추천된 아이템들로부터의 추천 애플리케이션에 의해 랜덤하게 선택될 수도 있는 적어도 하나의 추천된 아이템 (1702) 을 포함한다. 추천 리스팅 사용자 인터페이스 (1600; 도 19) 에서의 추천된 아이템들 (1602) 과 유사하게, 추천된 아이템 (1702) 은 아이템 식별자 또는 이름, 아이템 설명, 아이템 평가 또는 추천 레벨, 아이템 가격 등과 같지만 이에 제한되지 않는 아이템 정보 (1704) 를 포함할 수도 있다. 또한, 옵션적인 양태에 있어서, 랜덤 추천 리스팅 사용자 인터페이스 (1700) 는 새로운 아이템 획득 키 ("휠 돌리기" 키로도 또한 지칭됨; 1706) 를 더 포함하여, 또다른 랜덤하게 선택된 추천 아이템을 요청함으로써 부가적인 게이밍 경험을 제공할 수도 있다. 더욱이, 옵션적인 양태에 있어서, 랜덤 추천 리스팅 사용자 인터페이스 (1700) 는, 랜덤하게 추천된 아이템 (1702) 을 요청, 지불, 및 후속적으로 수신하기 위한 구매 프로세스를 개시하는 구매 키 ("장터 가기" 키로서도 또한 지칭됨; 1708) 를 더 포함할 수도 있다.

도 21 을 참조하면, 예를 들어, 추천된 아이템 상세 사용자 인터페이스 (1800) 의 일 양태는 추천된 아이템 정보 (1802) 를 포함한다. 추천된 아이템 정보 (1616; 도 19 및 1704; 도 20) 와 유사하게, 추천된 아이템 정보 (1802) 는 아이템 식별자 또는 이름, 아이템 설명, 아이템 평가 또는 추천 레벨, 아이템 가격 등 중 하나 이상과 같은 정보를 포함할 수도 있지만 이에 제한되지 않는다. 부가적으로, 옵션적인 양태에 있어서, 추천된 아이템 상세 사용자 인터페이스 (1800) 는, 이유 설명 (1804) 과 같이 아이템이 추천되었던 이유를 설명하기 위한, 및/또는 확인 키 ("좋아 보여요" 키로서도 또한 지칭됨; 1806) 와 같이 사용자로 하여금 추천 아이템 (1800) 이 사용자에게 관심이 있는지 여부를 확인할 수 있게 하기 위한, 및/또는 교정 키 ("이것을 고쳐주세요" 키로서도 또한 지칭됨; 1808) 와 같이 사용자로 하여금 사용자 프로파일, 사용자 관심사 또는 스케일링 팩터, 또는 핵심 데이터를 교정할 수 있게 하기 위한 피드백 메커니즘들을 제공한다. 더욱이, 옵션적인 양태에 있어서, 추천된 아이템 상세 사용자 인터페이스 (1800) 는, 구매 키 (1708; 도 20) 와 유사하게, 추천된 아이템 (1800) 을 요청, 지불, 및 후속적으로 수신하기 위한 구매 프로세스를 개시하는 구매 키 ("장터 가기" 키로서도 또한 지칭됨; 1810) 를 더 포함할 수도 있다.

도 22 를 참조하면, 예를 들어, 퀴즈 사용자 인터페이스 (1900) 의 일 양태는 이름 또는 설명과 같은 퀴즈 식별자 (1902), 및 하나 이상의 퀴즈 질문들 (1904) 을 포함한다. 퀴즈 사용자 인터페이스 (1900) 는, 본 명세서에서 설명된 추천 애플리케이션에 의해 디바이스 사용자에게 제공될 수도 있는 복수의 퀴즈들 중 하나를 나타낸다. 하나 이상의 퀴즈 질문들 (1904) 은 질문 (1906) 및 하나 이상의 선택가능한 대답들 (1908) 을 포함하는 것과 같지만 이에 제한되지 않는 다양한 포맷들 중 임의의 하나일 수도 있다. 더욱이, 각각의 퀴즈 사용자 인터페이스 (1900) 가 소정의 퀴즈와 연관된 질문들의 세트 또는 시퀀스의 일부인 질문 (1904) 을 제공하는 양태에 있어서, 퀴즈 사용자 인터페이스 (1900) 는, 시퀀스를 통해 얼마나 멀리 통과했는지 및/또는 얼마나 더 많은 질문들이 시퀀스에 남았는지 (예를 들어, "다음 스테이지/레벨로 6Q 더") 에 관한 피드백을 사용자에게 제공하는 진행 표시자 (1910) 를 더 포함할 수도 있다. 진행 표시자 (1910) 는, 퀴즈에 대한 질문들의 시퀀스를 통한 진행에 관련된 피드백을 사용자에게 제공하는 텍스트, 그래픽 (예를 들어, 완료의 퍼센티지 또는 레벨을 나타내기 위한 표시자 및/또는 음영을 갖는 바), 오디오 파일, 또는 임의의 출력 중 하나 이상을 포함할 수도 있다.

도 23 을 참조하면, 예를 들어, 퀴즈 결과 사용자 인터페이스 (2000) 의 일 양태는 하나 이상의 추천된 아이템들 (2002), 및 그 아이템, 아이템 비용, 아이템에 대한 평가 등 중 하나 이상을 기술하는 아이템 정보 (2004) 의 적어도 일부를 포함할 수도 있다. 하지만, 각각의 퀴즈 결과 사용자 인터페이스 (2000) 는 하나 이상의 추천된 아이템들 (2002) 을 포함하지 않을 수도 있지만, 대신 또는 부가적으로, 퀴즈에 대한 대답들을 요약할 수도 있거나, 대신 또는 부가적으로, 퀴즈에 대한 대답들로부터 도출 또는 추론된 하나 이상의 관심사들 또는 핵심 데이터를 포함할 수도 있음을 유의해야 한다. 옵션적인 양태에 있어서, 퀴즈 결과 사용자 인터페이스 (2000) 는, 이하 더 상세히 설명되는 퀴즈 결과 비교 사용자 인터페이스에 링크되는 비교 키 (2006) 를 더 포함할 수도 있다. 다른 옵션적인 양태에 있어서, 퀴즈 결과 사용자 인터페이스 (2000) 는 사용자 인터페이스에 링크되는 부가 (또는 "더 많은") 퀴즈 키 (2008) 를 부가적으로 포함할 수도 있으며, 여기서, 사용자는 부가 퀴즈들을 선택하여 완료할 수도 있다.

도 24 를 참조하면, 예를 들어, 퀴즈 결과 비교 사용자 인터페이스 (2100) 의 일 양태는 각각의 질문을 기술하는 질문 식별자 (2102), 각각의 질문에 대한 각각의 대답 (2104) 뿐 아니라 각각의 대답에 관련된 사용자들의 모집단의 측정치의 하나 이상의 표시자들 (2106) 을 갖는 요약을 포함할 수도 있다. 예를 들어, 하나 이상의 표시자들 (2106) 은, 사용자와 동일한 대답을 선택하였거나 각각의 대답을 선택하였거나 사용자와 동일한 대답 조합을 선택하였던 사용자들의 모집단 중 하나 이상의 측정치들일 수도 있다. 또한, 예를 들어, 하나 이상의 표시자들 (2106) 은 수치 퍼센티지 또는 그래픽 표현을 포함할 수도 있지만 이에 제한되지 않는다. 도 24 는, 각각의 "질문" 하단의 볼드체의 "대답" 에 의해 표시된 바와 같은 대답들의 사용자 조합 및 동일 대답들을 갖는 사용자들의 모집단의 퍼센티지를 식별하는 사용자 인터페이스의 특정 예를 나타냄을 유의한다. 따라서, 이 예에 있어서, 퀴즈 결과 비교 사용자 인터페이스 (2100) 는 사용자로 하여금 얼마나 많은 사용자들의 모집단이 그 사용자와 동일한 대답 조합을 가졌었는지를 비교하게 한다.

도 25 를 참조하면, 예를 들어, 퀴즈 결과 비교 사용자 인터페이스 (2100) 의 일 양태는, 사용자가 도 24 의 질문 식별자들 (2102) 중 특정 식별자를 선택할 경우에 생성될 수도 있는 질문 결과 비교 사용자 인터페이스 (2200) 를 더 포함할 수도 있다. 예를 들어, 질문 결과 비교 사용자 인터페이스 (2200) 는 선택된 질문 식별자 (2102), 각각의 대답 (2204), 각각의 대답을 선택하였던 사용자들의 모집단의 각각의 표시자 (2106), 및 또한 사용자 선택식 대답의 하일라이팅과 같은 표시자 (2202) 를 포함한다. 따라서, 이 예에 있어서, 질문 결과 비교 사용자 인터페이스 (2200) 는 사용자로 하여금 그 대답을 사용자들의 모집단의 대답들과 비교하게 한다.

도 26 을 참조하면, 예를 들어, 엔트리 퀴즈 또는 후속 퀴즈와 같은 하나 이상의 퀴즈들을 완료하는 것이 관심사 부분 (2302) 을 포함할 수도 있는 이후, 사용자 프로파일 페이지 (1506; 도 18) 와 유사한 사용자 프로파일 사용자 인터페이스 (2300) 의 일 양태는 하나 이상의 식별된 관심 아이템들 (2302) 을 갖는 관심사 필드 (1514) 를 포함한다. 하나 이상의 식별된 관심 아이템들 (2302) 은 사용자에 관심있게 되도록 사용자에 의해 직접 식별된 아이템들 또는 하나 이상의 퀴즈들에 대한 하나 이상의 대답들로부터 도출 또는 추론된 아이템들을 포함할 수도 있지만 이에 제한되지 않는다. 일 양태에 있어서, 예를 들어, 하나 이상의 식별된 관심 아이템들 (2302) 의 적어도 일부는 사용자 선택가능 카테고리화 키들 (1604; 도 19) 과 연관된 카테고리들과 같은 하나 이상의 카테고리들을 표현 또는 대응하는 워드들을 포함할 수도 있다. 일부 양태들에 있어서, 관심사 필드 (1514) 에서 제시된 하나 이상의 식별된 관심 아이템들 (2302) 은 사용자에 대응하는 모든 관심사들을 포함하지는 않을 수도 있지만, 예를 들어, 사용자에 대한 관심사의 임계 레벨을 달성하는 식별된 관심사들과 같은 또는 사용자의 관심사 레벨에 기초하여 옵션적으로 순서화되는 설정된 개수의 관심사들과 같은 그 서브세트만을 포함할 수도 있다. 옵션적인 양태에 있어서, 관심사 필드 (1514) 는, 사용자에 의해 선택될 경우에 식별된 관심사 리스팅 사용자 인터페이스를 생성하는 관심사 리스트 링크 (2304) 를 더 포함할 수도 있다.

도 27 을 참조하면, 예를 들어, 식별된 관심사 리스팅 사용자 인터페이스 (2400) 의 일 양태는 사용자의 식별된 관심사들 (2402) 을 포함할 수도 있다. 옵션적으로, 식별된 관심사 리스팅 사용자 인터페이스 (2400) 는 식별된 관심 아이템들 (2402) 중 하나 이상에 대한 스케일링 팩터 (2404) 를 포함할 수도 있으며, 여기서, 각각의 스케일링 팩터 (2404) 는 애플리케이션 결정식 또는 사용자 정의식 관심 레벨을 나타낸다. 예를 들어, 도 27 에 있어서, 스케일링 팩터들 (2404) 은 수평선을 따라 위치되며, 여기서, 우측에 대한 위치는 좌측 상의 위치에 비해 더 높은 관심 레벨을 나타내며, 예를 들어, 0 으로부터 100 으로의 수평 스케일은 좌측으로부터 우측으로 이동한다. 일부 양태들에 있어서, 각각의 스케일링 팩터 (2404) 는 사용자 조정가능식일 수도 있고, 이에 의해, 사용자로 하여금 각각의 식별된 관심 아이템 (2402) 에서의 그 관심 레벨을 변경할 수 있게 하거나 또는 그렇지 않으면 식별할 수 있게 한다. 부가적으로, 일부 양태들에 있어서, 각각의 스케일링 팩터 (2404) 는 상대적인 사이즈 또는 척도, 음영 또는 컬러링 등과 같지만 이에 제한되지 않는 하나 이상의 부가적인 신뢰도 표시자들 (2406) 을 포함하여, 애플리케이션 결정식 대 사용자 식별식의 관심 레벨 중 하나 이상을 표시하거나 또는 각각의 스케일링 팩터 (2404) 의 값에서 상대적인 신뢰도를 표시할 수도 있다. 예를 들어, 일 양태에 있어서, 사용자는 계산된 예를 들어 애플케이션 결정식의 신뢰도 레벨 (예를 들어, "당신이 야구를 좋아한다는 것이 75% 확실함") 을 변경할 수 없을 수도 있지만, 사용자는 야구를 좋아한다는 것을 시스템에 직접 통지하기 위해 사용자 정의식 관심 레벨을 나타내는 스케일링 팩터 (2404) 를 변경할 수 있을 수도 있다. 그러한 경우에 있어서, 기술된 양태들은 신뢰도 레벨을 75% 로서 (예를 들어, 음영을 통해) 나타낼 수도 있지만, 후속적으로 사용자가 야구를 명확히 좋아한다는 것을 그 시스템에게 통지한다면, 기술된 양태들은 신뢰도 표시자 (2406), 예를 들어, 음영을 (기술된 양태들에 의해 정의될 수도 있는) 더 명확한 음영 또는 컬러로 변경한다.

도 28 을 참조하면, 청구물의 다양한 양태들을 구현하기 위한 예시적인 환경 (1300) 은 본 명세서에 설명된 적응적 질문 및 추천 기능을 수행하기 위해 하드웨어, 또는 소프트웨어, 또는 이들의 조합으로 프로그래밍된 컴퓨터 (1312) 를 포함한다. 예를 들어, 컴퓨터 (1312) 는 본 명세서에 설명된 네트워크측 기능을 수행하는 네트워크 디바이스를 포함할 수도 있거나, 또는 컴퓨터 (1312) 는 본 명세서에 설명된 클라이언트측 기능을 수행하는 무선 디바이스와 같은 클라이언트 디바이스를 포함할 수도 있다. 어떤 경우든, 컴퓨터 (1312) 는 프로세싱 유닛 (1314), 시스템 메모리 (1316), 및 시스템 버스 (1318) 를 포함한다. 시스템 버스 (1318) 는, 시스템 메모리 (1316) 를 포함하지만 이에 제한되지 않는 시스템 컴포넌트들을 프로세싱 유닛 (1314) 에 커플링시킨다. 프로세싱 유닛 (1314) 은 임의의 다양한 가용 프로세서들일 수 있다. 듀얼 마이크로프로세서들 및 다른 멀티프로세서 아키텍처들이 또한 프로세싱 유닛 (1314) 으로서 채용될 수 있다.

시스템 버스 (1318) 는 메모리 버스 또는 메모리 제어기, 주변 버스 또는 외부 버스, 및/또는 산업 표준 아키텍처 (ISA), 마이크로 채널 아키텍처 (MSA), 확장된 ISA (EISA), 인텔리전트 드라이브 전자기기 (IDE), VESA 로컬 버스 (VLB), 주변 컴포넌트 상호접속 (PCI), 카드 버스, 유니버셜 직렬 버스 (USB), 어드밴스드 그래픽스 포트 (AGP), 개인용 컴퓨터 메모리 카드 국제 협회 버스 (PCMCIA), 파이어와이어 (IEEE 1394), 및 소형 컴퓨터 시스템 인터페이스 (SCSI) 를 포함하지만 이에 제한되지 않는 임의의 다양한 가용 버스 아키텍처들을 이용한 로컬 버스를 포함하는 임의의 수개 타입들의 버스 구조(들)일 수 있다.

시스템 메모리 (1316) 는 휘발성 메모리 (1320) 및 비휘발성 메모리 (1322) 를 포함한다. 스타트-업 동안과 같이 컴퓨터 (1312) 내 엘리먼트들 사이에 정보를 전송하기 위한 기본 루틴들을 포함하는 기본 입력/출력 시스템 (BIOS) 은 비휘발성 메모리 (1322) 에 저장된다. 제한이 아닌 예시로서, 비휘발성 메모리 (1322) 는 판독전용 메모리 (ROM), 프로그래머블 ROM (PROM), 전기적 프로그래머블 ROM (EPROM), 전기적 소거가능 프로그래머블 ROM (EEPROM), 또는 플래시 메모리를 포함할 수 있다. 휘발성 메모리 (1320) 는 외부 캐시 메모리로서 기능하는 랜덤 액세스 메모리 (RAM) 를 포함한다. 제한이 아닌 예시로서, RAM 은 정적 RAM (SRAM), 동적 RAM (DRAM), 동기식 DRAM (SDRAM), 더블 데이터 레이트 SDRAM (DDR SDRAM), 인핸스드 SDRAM (ESDRAM), 싱크링크 DRAM (SLDRAM), 램버스 다이렉트 RAM (RDRAM), 다이렉트 램버스 동적 RAM (DRDRAM) 및 램버스 동적 RAM (RDRAM) 과 같은 다수의 형태들로 이용가능하다.

컴퓨터 (1312) 는 또한, 디스크 저장부 (1324) 와 같지만 이에 제한되지 않는 착탈식/비-착탈식, 휘발성/비휘발성 컴퓨터 저장 매체를 포함한다. 디스크 저장부 (1324) 는 자기 디스크 드라이브, 플로피 디스크 드라이브, 테이프 드라이브, Jaz 드라이브, Zip 드라이브, LS-100 드라이브, 플래시 메모리 카드, 또는 메모리 스틱과 같은 디바이스들을 포함하지만 이에 제한되지 않는다. 부가적으로, 디스크 저장부 (1324) 는, 컴팩트 디스크 ROM 디바이스 (CD-ROM), CD 기록가능 드라이브 (CD-R 드라이브), CD 재기입가능 드라이브 (CD-RW 드라이브) 또는 디지털 다기능 디스크 ROM 드라이브 (DVD-ROM) 와 같은 광학 디스크 디바이스를 포함하지만 이에 제한되지 않는 다른 저장 매체와 조합하여 또는 별개로 저장 매체를 포함할 수 있다. 디스크 저장 디바이스들 (1324) 의 시스템 버스 (1318) 로의 접속을 용이하게 하기 위해, 인터페이스 (1326) 와 같은 착탈식 또는 비-착탈식 인터페이스가 통상 이용된다.

도 28 이 적절한 오퍼레이팅 환경 (1300) 에서 기술된 기본 컴퓨터 리소스들과 사용자들 간의 매개자로서 기능하는 소프트웨어를 포함함을 인식해야 한다. 그러한 소프트웨어는 오퍼레이팅 시스템 (1328) 을 포함한다. 디스크 저장부 (1324) 상에 저장될 수 있는 오퍼레이팅 시스템 (1328) 은 컴퓨터 시스템 (1312) 의 리소스들을 제어 및 할당하도록 기능한다. 시스템 애플리케이션들 (1330) 은, 시스템 메모리 (1316) 에 또는 디스크 저장부 (1324) 상에 저장된 프로그램 데이터 (1334) 및 프로그램 모듈들 (1332) 을 통해 오퍼레이팅 시스템 (1328) 에 의한 리소스들의 관리를 이용한다. 일 양태에 있어서, 예를 들어, 애플리케이션들 (1330) 은 적응적 질문 엔진 (107; 도 1), 추천 엔진 (108; 도 1), 또는 클라이언트 질문 및 추천 애플리케이션 (204; 도 3) 중 하나 이상을 포함할 수도 있다. 청구물은 다양한 오퍼레이팅 시스템들 또는 오퍼레이팅 시스템들의 조합들로, 다양한 애플리케이션들로, 다양한 모듈들로 또는 이들의 임의의 조합으로 구현될 수 있음을 인식해야 한다.

사용자는 입력 디바이스(들) (1336) 을 통해 커맨드들 또는 정보를 컴퓨터 (1312) 에 입력한다. 입력 디바이스들 (1336) 은 마우스, 트랙볼, 스타일러스, 터치 패드, 키보드, 마이크로폰, 조이스틱, 게임 패드, 위성 접시, 스캐너, TV 튜너 카드, 디지털 카메라, 디지털 비디오 카메라, 웹 카메라 등과 같은 포인팅 디바이스를 포함하지만 이에 제한되지 않는다. 이들 및 다른 입력 디바이스들은 인터페이스 포트(들) (1338) 를 경유하여 시스템 버스 (1318) 를 통해 프로세싱 유닛 (1314) 에 접속한다. 인터페이스 포트(들) (1338) 는 예를 들어, 직렬 포트, 병렬 포트, 게임 포트, 및 유니버셜 직렬 버스 (USB) 를 포함한다. 출력 디바이스(들) (1340) 는 입력 디바이스(들) (1336) 와 동일한 타입의 포트들 중 일부를 이용한다. 따라서, 예를 들어, USB 포트는 컴퓨터 (1312) 로의 입력을 제공하고 컴퓨터 (1312) 로부터 출력 디바이스 (1340) 로 정보를 출력하도록 이용될 수도 있다. 출력 어댑터 (1342) 는, 특별한 어댑터들을 요하는 다른 출력 디바이스들 (1340) 중에서 모니터들, 스피커들, 및 프린터들과 같은 일부 출력 디바이스들 (1340) 이 존재함을 예시하도록 제공된다. 출력 어댑터들 (1342) 은 제한이 아닌 예시로서, 출력 디바이스 (1340) 와 시스템 버스 (1318) 간의 접속 수단을 제공하는 비디오 및 사운드 카드들을 포함한다. 다른 디바이스들 및/또는 디바이스들의 시스템들이 원격 컴퓨터(들) (1344) 와 같이 입력 및 출력 능력들 양자를 제공함을 유의해야 한다.

컴퓨터 (1312) 는 원격 컴퓨터(들) (1344) 와 같은 하나 이상의 원격 컴퓨터들로의 논리 접속들을 이용하여 네트워킹된 환경에서 동작할 수 있다. 원격 컴퓨터(들) (1344) 는 개인용 컴퓨터, 서버, 라우터, 네트워크 PC, 워크스테이션, 마이크로프로세서 기반 어플라이언스, 피어 디바이스 또는 다른 공통 네트워크 노드 등일 수 있고, 통상적으로, 컴퓨터 (1312) 에 관해 설명된 다수의 또는 모든 엘리먼트들을 포함한다. 간략화의 목적으로, 오직 하나의 메모리 저장 디바이스 (1346) 가 원격 컴퓨터(들) (1344) 로 예시된다. 원격 컴퓨터(들) (1344) 는 네트워크 인터페이스 (1348) 를 통해 컴퓨터 (1312) 에 논리적으로 접속된 후, 통신 커넥션 (1350) 을 통해 물리적으로 접속된다. 네트워크 인터페이스 (1348) 는 로컬 영역 네트워크들 (LAN) 및 광역 네트워크들 (WAN) 과 같은 유선 및/또는 무선 통신 네트워크들을 포괄한다. LAN 기술들은 광섬유 분산 데이터 인터페이스 (FDDI), 동선 분산 데이터 인터페이스 (CDDI), 이더넷, 토큰 링 등을 포함한다. WAN 기술들은 포인트 투 포인트 링크들, 통합 서비스 디지털 네트워크들 (ISDN) 및 그 변형체와 같은 서킷 스위칭 네트워크들, 패킷 스위칭 네트워크들, 및 디지털 가입자 회선들 (DSL) 을 포함하지만 이에 제한되지 않는다.

통신 커넥션(들) (1350) 은 네트워크 인터페이스 (1348) 을 버스 (1318) 에 접속시키도록 채용되는 하드웨어/소프트웨어를 지칭한다. 통신 커넥션 (1350) 이 예시적인 명료화를 위해 컴퓨터 (1312) 내부에 도시되어 있지만, 컴퓨터 (1312) 외부에 또한 있을 수도 있다. 네트워크 인터페이스 (1348) 로의 접속에 필요한 하드웨어/소프트웨어는 단지 예시적인 목적으로, 정규의 전화 등급 모뎀들, 케이블 모뎀들, 및 DSL 모뎀들을 포함한 모뎀들, ISDN 어댑터들, 및 이더넷 카드들과 같은 내부 및 외부 기술들을 포함한다.

도 29 를 참조하면, 예시적인 양태에 있어서, 분산형 추천 시스템 (1100) 이 무선 통신 시스템 (1102) 전반에 걸쳐 수행된다. 특히, 본 양태들은 무선 통신 네트워크 (1114) 의 모바일 오퍼레이터 (1112) 및 컨텐츠 제공자들 (1116) 로서 도시된 그 비즈니스 파트너들로 하여금 가입자 (1119) 의 모바일 디바이스 (1118) 로서 도시된 그 가입자 베이스로 컨텐츠 및 서비스들의 활용을 선행적으로 프로모션하게 할 수 있는 프로파일 및 추천 시스템 (1110) 을 제공한다. 초기에, 상호작용식 보조기 (1120) 는 퀴즈들, 핵심, 질문들, 및 엔터테이닝 또는 기분전환 질문들을 포함하는 질문들 (1123) 의 세트, 및 옵션적으로 추천들 (1125) 을 제공받으며, 가입자 (1119) 를 특성화하기 시작하거나 특성화하는 것을 개선시키기 위해 쿼리들을 자율적으로 생성하거나 추천들에 대한 응답들을 쿼리들로서 끌어낼 수 있다. 일 예에 있어서, 이는, 그 모바일 디바이스 (1118) 로의 전달을 위해 특정 가입자 (1119) 에 맞춤화된 추천들 (1121) 의 리스트의 생성에 의해 달성된다. 추천들은 모바일 오퍼레이터와 연관된 포털 상에 디스플레이되거나, 또는 예를 들어 모바일 메시징에 의해 모바일 디바이스에 전달될 수 있다.

일 양태에 따르면, 프로파일 저장부 (1122) 는 속성 데이터 (1124) 또는 거동 데이터 (1126) 를 포함한다. 속성 추천기 (1128) 및 거동 추천기 (1130) 로서 도시된 대응하는 복수의 추천기들은 각각의 데이터 (1124, 1126) 를 컨텐츠 저장부 (1136) 의 카탈로그 인덱스 (1134) 의 컨텐츠 특성화 상호 참조 (1132) 와 연관시킨다. 추천기들 (1128, 1130) 로부터의 예비 추천들은 신뢰도 가중 컴포넌트 (1138) 에 의해 할당된 신뢰도 레벨을 가진다. 예를 들어, 약하거나 강한 연관이 결정될 수도 있다. 다른 예로서, 속성 또는 거동은 제한된 발생의 추론적 분석을 통해 약하게 결정될 수도 있거나, 또는 명시적 입력들 또는 반복된 거동들을 통해 강하게 결정될 수도 있다. 그 후, 가중된 예비 추천들은 소팅 컴포넌트 (1140) 에 의해 소팅될 수 있다.

소팅 이전 또는 그 이후, 필터링 컴포넌트 (1142) 는 배제 (1144) 를 구현하여 부적절한 추천을 회피시킨다. 배제 (1144) 는, 불쾌하게 될 특정 추천 카테고리들을 제한하는 것 또는 특정 타입들 또는 추천 카테고리들을 필터링하는 다른 추천 세팅들을 제공하는 것과 같이, 1146 에서 도시된 바와 같이 가입자 (1119) 에 의해 명백히 특정될 수 있다. 배제 (1144) 는, 컨텐츠에 적절한 컴퓨팅 플랫폼 타깃들 (예를 들어, MP3 미디어 플레이어를 갖는 모바일 디바이스에 적절한 오디오 파일들) 을 특정하는 것과 같이, 1148 에 도시된 바와 같이 모바일 오퍼레이터 (1112) 에 의해 특정될 수 있다. 배제 (1144) 는 또한, 가입자 (1119) 에 의해 반복적으로 무시된 추천들 또는 다시 달리 추천될 컨텐츠의 구매의 추적과 같이, 1150 에 도시된 프로파일 데이터 (1124 및/또는 1126) 로부터 인출될 수 있다. 배제 (1144) 는 또한, 1152 에 도시된 디바이스 또는 소프트웨어 구성 호환가능 정보를 제공함으로써, 모바일 오퍼레이터 (1112) 일 수 있는 컨텐츠 제공자들 (1116) 로부터 인출될 수 있다. 이에 의해, 추천된 컨텐츠를 성공적으로 이용할 수 없는 모바일 디바이스들 (1118) 이 배제된다.

추천들은, 제공된 컨텐츠 및 서비스들과 함께 모바일 오퍼레이터 (1112) 에 이용가능한 가입자 정보의 분석에 의해 생성되어, 가입자에게 가장 관심있을 가능성있는 그 컨텐츠 및 서비스들을 결정한다. 특히, 프로파일 및 추천 시스템 (1110) 은 또한, 가입자 (1119) 가 개인 또는 그룹 멤버로서 속성 또는 거동 평가에 기초한 구매에 가장 순응할 수 있을 때인 것으로 결정된 그 시간에 추천들이 가입자 (1119) 에 전달되게 할 수 있다. 프로파일 및 추천 시스템은 또한, 그 가입자 베이스에 대한 특정 컨텐츠 또는 서비스를 능동적으로 프로모션하길 원할 경우에 프로모션들을 생성하도록 적응된다.

부가적인 양태에 있어서, 도 30 에서, 추천 네트워크 (1200) 는 모바일 오퍼레이터 (1202) 와 연관된 특정 컴포넌트들과 본 개시의 프로파일 및 추천 시스템 (1204) 간의 상호작용들을 도시한다. 이들 시스템들은 모바일 오퍼레이터의 통신 인프라구조 (1206) 에 직접 통합될 수도 있거나, 대안적으로, 모바일 오퍼레이터와 연관된 비즈니스 파트너의 시스템의 일부일 수도 있다. 인프라구조 (1206) 는 서비스 및 컨텐츠 정보 컴포넌트 (1208), 가입자 프로파일 정보 소스 (1210), 및 관리자 (1213) 에 의해 이용된 추천 애플리케이션 (1212) 을 포함할 수 있다. 프로파일 및 추천 시스템 (1204) 은, WAP 게이트웨이 (1215), 단문 메시지 서비스 센터 (SMSC; 1216), 및 멀티미디어 메시징 서비스 센터 (MMSC; 1218) 를 포함할 수 있고 차례로 무선 디바이스들 (1220) 과 통신하는 컨텐츠 전달 시스템 (1214) 과 인터페이싱한다. 컨텐츠 전달 시스템 (1214) 은 WAP 게이트웨이들 (1215), SMSC들 (1216), MMSC들 (1218) 과 같은 네트워크 시스템들로의 접속을 통해 컨텐츠 전달 능력을 제공한다. 이는 프로파일 및 추천 시스템 (1204) 으로 하여금 컨텐츠 전달 시스템 (1214) 과 통신하는 무선 디바이스들 (1220) 의 사용자들 또는 가입자들 (1222) 로 임의의 타입의 모바일 컨텐츠 또는 서비스를 전달 및 수신하게 할 수 있다. 이러한 능력은, 프로파일 및 추천 시스템 (1204) 이 프로모션 정보를 (예를 들어, SMS, MMS, WAP 푸시 등을 통해) 전달하는데 이용되는 경우 그리고 프로파일 및 추천 시스템 (1204) 이 컨텐츠 전달 이행물 (예를 들어, 폴리포닉 링톤, 월페이퍼, 쇼핑, 게임 등) 을 담당하는 경우에 구현될 수 있다.

서비스들 및 컨텐츠 정보 컴포넌트 (1208) 는, 프로파일 및 추천 시스템 (1204) 이 통신할 수 있는 부가가치 서비스 (VAS) 또는 포털 (1226) 과 같은 외부 플랫폼들을 포함할 수 있다. 일 예에 있어서, VAS 플랫폼들 (1226) 과의 통합은 하나 이상의 무선 디바이스들 (1220) 의 모바일 가입자 (1222) 에 이용가능한 컨텐츠의 완전한 카탈로그의 생성을 용이하게 할 수 있다. 이는 프로파일 및 추천 시스템 (1204) 으로 하여금 모바일 오퍼레이터 또는 그 파트너들에 의한 제공에 대한 가용 컨텐츠 또는 서비스들을 더 지능적으로 팔리게 할 수 있다. 포털 (1226) 과의 통합은 포털 (1226) 을 이용하는 그 사용자들 또는 가입자들 (1226) 로의 목표된 프로모션들의 전달을 가능케 하고, 가입자 프로파일 정보 소스 (1210) 로부터 더 나중에 참조하기 위한 그 거동 (예를 들어, 키 스트로크 기술, 얼굴 표정, 생체측정법, 상호작용의 패턴 등) 에 관한 정보 컴포넌트 (1228) 의 캡처링을 가능케 한다. 일 예에 있어서, 가입자 프로파일 정보 (1228) 는 호출 데이터; 성별; 생일; 사전 구매; 관심 또는 무관심의 표현; 소비 패턴; 모바일 디바이스 타입, 현재 지리적 위치, 호출 주파수 또는 다른 메타데이터 중 하나 이상을 포함한다.

도 30 은 일 양태에 따라 프로파일 및 추천 시스템 (1204) 의 예시적인 메인 컴포넌트들의 상세들을 더 제공한다. 이들은 카탈로그 모듈 (1230), 프로파일 모듈 (1232), 판정 모듈 (1234) 및 프로모트 모듈 (1236) 을 포함한다. 카탈로그 모듈 (1230) 은 프로파일 및 추천 시스템 (1204) 으로 하여금 대량의 컨텐츠 또는 서비스들에 대한 중앙 카탈로그로서 활용되게 할 수 있다. 이러한 방식으로, 가용 컨텐츠/서비스들의 더 상세한 화상이 다른 시스템들 (예를 들어, 포털 등) 에 제공될 수 있고, 따라서, 컨텐츠 리테일링 프로세스의 더 우수한 관리를 가능케 할 수 있다.

일 예에 따르면, 중앙집중된 위치에서 모바일 오퍼레이터에 의해 유지된 오퍼레이터 카탈로그 (1238) 는 오퍼레이터에 의해 제공된 음성, 데이터 및 다른 서비스들의 완전한 카탈로그를 포함할 수도 있다. 일 예에 있어서, 카탈로그 모듈 (1230) 은 모바일 오퍼레이터의 중앙 카탈로그 (1238) 에서 정의된 제품 ID 코드들 및 구조들 (1240) 을 유지할 수 있다.

컨텐츠 모듈 (1242) 은 일 범위의 컨텐츠 또는 서비스들에 대한 컨텐츠 관리 및 전달 능력을 제공한다. 접속 모듈 (1244) 은 SMS, MMS, WAP, 및 다운로드가능한 컨텐츠의 전달을 가능케 한다. 일 예에 따르면, 모든 산업 표준 네트워크 접속 및 전달 프로토콜들이 지원된다. 컨텐츠 모듈 (1242) 은 컨텐츠 또는 서비스들에 대해 청구하는 빌링과 같은 가입자 프로파일 정보 소스 (1210) 와 통합하도록 동작할 수 있다. 부가적으로, 컨텐츠 모듈 (1242) 은 다양한 프로토콜들을 통해 선불 시스템 및 후불 시스템과 통합할 수 있다. 컨텐츠 모듈 (1242) 은 또한 서비스들 및 컨텐츠 정보 블록 (1208) 과 통합하여, 웹 또는 WAP 포털들 (예를 들어, 타이틀, 아티스트, 미리보기 등) 상에 가용 컨텐츠 또는 서비스들을 나타내고 컨텐츠 또는 서비스들의 전달을 트리거링할 수 있다.

일 예에 있어서, 컨텐츠 모듈 (1242) 은 임의의 컨텐츠 타입을 국부적으로 저장하고 관리하고 전달하는 능력을 제공한다. 컨텐츠 및 정보는 예를 들어 웹 인터페이스를 통해 보안성있게 저장 및 관리되고, 캐리어 등급 다운로드, 경보, 및 주문형 컨텐츠 서버들을 통해 전달될 수 있다.

프로파일 및 추천 시스템은 또한, 외부 소스들로부터의 컨텐츠의 자동 수용 및 수집을 위한 다양한 메커니즘들을 지원할 수 있다. 플랫폼은 외부 소스들로부터 HTTP/XML 또는 파일 전송 프로토콜 (FTP)/XML 의 형태로 컨텐츠 피드들을 수용하고, 컨텐츠 통합을 위한 컨텐츠 제공자 특정 메커니즘들을 구현하기 위한 프레임워크를 제공하도록 구성될 수 있다. 일 양태에 따르면, 프로파일 및 추천 시스템은 또한, RSS 와 같은 외부 소스들로부터 컨텐츠를 선행적으로 취출할 수 있다. 일 예에 있어서, 프로파일 및 추천 시스템 컨텐츠 제출 API 는 HTTP 상의 정의된 XML 포맷을 이용하여 그 컨텐츠를 관리하기 위해 컨텐츠 제공자들에 의해 이용될 수 있다.

컨텐츠 모듈 (1242) 은 또한, 요구될 수도 있는 컨텐츠 유효성의 타입에 의존하여 활성 또는 비활성 업데이트를 제공하도록 구성될 수 있다. 관리자 (1213) 는 컨텐츠의 각 타입에 요구되는 허가의 타입을 제공할 수 있다. 일 예에 있어서, 신뢰된 컨텐츠는 자동으로 허가될 수 있지만, 다른 타입들의 컨텐츠는 관리자 (1213) 또는 모바일 오퍼레이터의 컨텐츠 매니저로부터의 승인을 요구할 수도 있다.

또한, 컨텐츠 모듈 (1242) 은 가입 기반 경보들의 생성 및 관리뿐 아니라 SMS, MMS, 또는 다른 컨텐츠 타입들을 전달하는 것을 지원할 수 있다. 가입자들은, 베어러 (예를 들어, SMS v MMS 등), 일일 전달 시각, 언어, 시간대 등과 같은 파라미터들을 정의하기 위한 능력으로 그 관심사들에 특정한 개인화된 경보들의 스케줄을 생성할 수 있다. 컨텐츠 모듈 (1242) 의 경보 모듈은 모바일 오퍼레이터들의 요건들을 스케일할 능력을 가져서 컨텐츠 또는 서비스들의 적시의 전달을 제공한다.

일 예에 따르면, 컨텐츠 다운로드 모듈은, 자바 (Java), 링톤, 월페이퍼 등을 제한없이 포함하는 모든 다운로드가능한 타입들의 컨텐츠에 대한 다운로드 서버를 제공한다. 일 예에 있어서, 컨텐츠 다운로드 모듈은 다음의 특징들을 제공한다: (A) 자바 애플리케이션들 (예를 들어, 게임 등), 자바 아카이브 (JAR) 또는 자바 애플리케이션 디벨로프먼트 (JAD) 포맷 (2 스테이지 다운로드) 의 전달; (B) 각각의 다운로드는 고유의 URL 을 할당받을 수 있고 그 자신의 토큰 ID 를 가질 수 있음; (C) JAD 파일은 JAR 다운로드의 동적 위치를 특정하도록 재기입됨; (D) 구성가능한 시간 주기 또는 시도 횟수에 대해 다운로드 재시도들이 허용될 수 있음; (E) 다운로드된 컨텐츠에 디지털 저작권 관리 (DRM) 가 적용될 수 있음; (F) 다운로드는 WAP 푸시를 통해 또는 WAP 포털로부터 직접 개시될 수 있음; 및 (G) 사용자 활성도 검색을 위한 CSR 인터페이스는, 요구될 경우 다운로드를 재전송할 능력에 의한 모바일 가입자 통합 서비스 디지털 네트워크 번호 (MSISDN) 에 기초함.

그 모듈은, 성공적인 다운로드 및 다운로드된 컨텐츠의 정확한 빌링을 보장하기 위한 실질적으로 모든 가능한 표준들 및 기술들을 이용하도록 구성될 수 있다. 이는, 다운로드 서버로 하여금 다운로드의 상이한 스테이지들이 발생하는 대로 외부 시스템에게 통지하게 하는 다운로드 통지 API 를 포함할 수 있다. 이들 통지들은 임의의 포인트에서 다운로드를 중지시키거나 또는 빌링 이벤트들을 생성하는데 이용될 수 있다.

일 예에 따르면, 접속 모듈 (1244) 은 디지털 저작권 관리 (DRM) 능력을 갖도록 구성될 수 있으며, 이 DRM 능력은 오픈 모바일 얼라이언스 (OMA) DRM v1 포워드 록, 결합된 전달 및 별도의 전달을, 플랫폼 관리자 또는 컨텐츠 제공자들에 의해 제공된 바와 같은 선택적인 컨텐츠에 적용하는 능력을 제공한다.

일 양태에 있어서, 접속 모듈 (1244) 은 매우 다양한 컨텐츠 포맷들과 코덱들 간의 트랜스코딩을 지원하도록 구성될 수 있는 트랜스코딩 엔진을 포함한다. 부가적으로, 트랜스코딩 엔진은, 멀티미디어 컨텐츠를 전달할 목적으로 특별히 테스트되고 튜닝된 자신의 디바이스 프로파일 데이터베이스를 제공하도록 구성될 수 있다.

일 양태에 따르면, 접속 모듈 (1244) 은 다음과 같은 3가지 컨텐츠 전달 시나리오들을 처리할 수 있다.

시나리오 1. 주문형 정보: 이 시나리오에 있어서, 서비스들 또는 컨텐츠 요청들은 그 서비스들 또는 컨텐츠 요청들을 관련 컨텐츠 소스에 매핑하고 그 소스로부터 현재 컨텐츠 또는 서비스를 취출하며 가입자에게 리턴함으로써 처리된다.

시나리오 2. 스케줄링된 전달: 스케줄링된 전달은 시스템 관리자 (1213) 에 의해 특정된 고정식 전달 스케줄 또는 가입자 정의식 스케줄에 기초할 수 있다. 이 상황에서, 컨텐츠 또는 서비스들은 그 스케줄들에서 특정된 시간들에서 취출되어 가입자들에게 전달된다.

시나리오 3. 스케줄링되지 않은 전달: 스케줄링되지 않은 컨텐츠 또는 서비스들의 전달은 외부 이벤트를 통해 수동으로 또는 자동으로 트리거링될 수 있다. 이 상황에서, 컨텐츠 또는 서비스는 컨텐츠 또는 서비스 소스로부터 가입자들로 푸시된다.

컨텐츠 모듈 (1244) 은 제공된 포털 API 를 통해 기존의 포털과 통합될 수 있거나, 또는 기존의 스토어프론트가 대체되고 있는 상황에서, 컨텐츠 모듈 (1242) 은 모바일 오퍼레이터의 요건들에 맞춤화될 수 있는 스토어프론트를 제공할 수 있다. 컨텐츠 모듈 (1244) 은 또한, 모바일 오퍼레이터들로 하여금 다중의 스토어프론트들 및 다중의 전달 채널들에 걸쳐 컨텐츠 또는 서비스들을 구매할 수 있게 하는 "특별취급 (out-of-the-box)" 스토어프론트를 제공한다. 이러한 디폴트 스토어프론트는 특정 모바일 오퍼레이터의 기능 및 브랜딩 요건들을 충족시키도록 맞춤화될 수 있다.

일 예에 있어서, 스토어프론트가 프로파일 및 추천 시스템의 나머지와 미리 통합되었기 때문에, 스토어프론트는 전체 시스템 특징들을 가장 잘 이용할 수 있다. 일 양태에 따르면, 스토어프론트는 모바일 오퍼레이터로 하여금 (A) 포괄적인 범위의 서비스들을 가입자들에게 제공하게 하고; (B) 새로운 서비스들을 프로모션하게 하고; (C) 컨텐츠 번들들 근방에 제공물들을 생성하게 하고; (D) "사용자 친화적" 인터페이스를 가입자들에게 제공하여 컨텐츠 서비스들을 구매 및 가입하게 하고; (E) 스토어프론트의 마켓 세그먼트 특정 버전들을 디스플레이하게 하며; 그리고 (F) 톱-텐 (top-ten) 리스트를 생성하여 새로운/인기있는 서비스들을 프로모션하게 할 수 있다.

부가적으로, 스토어프론트는 가입자로 하여금 (A) 제공에 대한 완전한 범위의 컨텐츠 서비스들 (모든 서비스들 또는 그 마켓 세그먼트에서 이용가능한 서비스들) 을 보게 하고; (B) 컨텐츠 서비스들 (예를 들어, 게임, 링톤 등) 을 구매하게 하고; (C) 컨텐츠 서비스들 (예를 들어, 경보 등) 에 가입하게 하고; (D) 컨텐츠 서비스들로의 그 가입들을 관리하게 하며; 그리고 (E) 컨텐츠의 전달을 위해 자신의 스케줄을 특정하게 할 수 있다.

컨텐츠 또는 서비스가 상이한 채널들을 통해 판매되어야 하는 상황에 있어서, 프로파일 및 추천 시스템은 다중의 스토어프론트들로 구성될 수 있다. 예를 들어, 모바일 오퍼레이터는 다중의 브랜드들 또는 재판매자들을 통해 그 컨텐츠 또는 서비스들을 마켓팅할 수도 있다. 일 예에 있어서, 맞춤화된 스토어프론트가 각각의 채널에 대해 지원될 수 있다.

컨텐츠 모듈 (1244) 은 또한, 컨텐츠를 저장 및 관리하는 보안성있고 신뢰성있고 검증된 메커니즘들을 제공하도록 구성될 수 있다. 일 예에 있어서, 보안성은 SSL 및 사용자명/패스워드 인증을 통해 제공된다. 일 예에 따르면, 컨텐츠로의 액세스는 분리될 수 있고, 따라서, 컨텐츠 제공자들을 자신의 컨텐츠에 액세스하는 것으로 제한될 수 있다. 컨텐츠 리뷰 및 허가는 플랫폼 관리자 (1213) 에 의해 또는 외부 컨텐츠 소유자들에 의해 수행될 수 있다.

일 양태에 있어서, 제공자들에 의해 제공된 컨텐츠의 타입이 사용자 또는 가입자의 디바이스의 능력과 일치하는 최적의 포맷으로 전달될 수 있음을 보장하기 위해 지능적 컨텐츠 선택이 이용될 수 있다. 디바이스 능력들을 디바이스들 및 컨텐츠 또는 서비스 아이템들에 매핑함으로써, 어떤 서비스 또는 어떤 컨텐츠 피스를 전달할 것인지에 관한 결정이 프로파일 및 추천 시스템에 의해 행해질 수 있다. 디바이스가 다수의 디바이스 능력들을 갖는 경우, 프로파일 및 추천 시스템은 가중 시스템을 이용하여, 전달할 가장 적절한 컨텐츠를 결정할 수 있다.

도 30 을 계속 참조하면, 일 예에 있어서, 카탈로그 및 프로파일 모듈들 (1230 및 1232) 에 대한 데이터가, 대응되게, 접속 모듈 (1244) 을 통해 시스템들 (예를 들어, 빌링, CRM, 부가가치 서비스들 (VAS) 플랫폼들 (예를 들어, 경보 플랫폼) 등) 로부터 임포팅될 수 있다. 일 양태에 있어서, 접속 모듈 (1244) 은, 프로파일 및 추천 시스템 (1204) 내로 그리고 그 시스템 밖으로 프로파일 모듈 (1232) 및 카탈로그 모듈 (1230) 에 대한 정보의 임포트 및 익스포트를 간략화 및 자동화하는 방식을 제공한다.

일 예시적인 양태에 있어서, 추천들은, O'Donoghue 등에 의해 "RECOMMENDATION GENERATION SYSTEMS, APPARATUS AND METHODS" 의 명칭으로 2008년 9월 25일자로 출원되고 2009년 6월 25일자로 공개번호 제20090163183A1호로서 공개되었으며 2007년 10월 4일자로 동일한 명칭으로 출원된 가출원 제60/997,570호를 우선권 주장한 미국특허 출원번호 제 12/237,864호에 개시된 바와 같이 제공될 수 있으며, 이들 출원들 모두는 본원의 양수인에게 양도되고 본 명세서에 참조로써 명백히 통합된다.

도 31 을 참조하면, 일 양태에 있어서, 적응적 질문 및 추천을 위한 시스템 (3100) 은 적어도 하나의 네트워크 디바이스, 적어도 하나의 모바일 클라이언트 디바이스를 포함할 수도 있거나, 또는 그들 사이에 분산될 수도 있다. 시스템 (3100) 은 프로세서, 소프트웨어, 또는 이들의 조합 (예를 들어, 펌웨어) 에 의해 구현된 기능들을 나타낼 수 있는 기능 블록들을 포함한다. 일 양태에 있어서, 예를 들어, 시스템 (3100) 은 결합하여 동작하는 전기 컴포넌트들의 논리 그룹핑 (3102) 을 포함한다. 논리 그룹핑 (3102) 은 상호작용 쿼리들에 액세스하는 컴포넌트 (3104) 를 포함할 수도 있다. 더욱이, 논리 그룹핑 (3102) 은 적어도 하나의 상호작용 쿼리를 제시하는 컴포넌트 (3106) 를 포함할 수도 있다. 또한, 논리 그룹핑 (3102) 은 사용자 응답을 수신하는 컴포넌트 (3108) 를 포함할 수 있다. 또한, 논리 그룹핑 (3102) 은 사용자 응답에 기초하여 사용자의 적어도 제 1 특성을 결정하는 컴포넌트 (3110) 를 더 포함할 수도 있다. 부가적으로, 논리 그룹핑 (3102) 은 제 1 특성에 관련된 제 1 오브젝트를 제시하고 제 2 특성에 관련된 제 2 오브젝트를 제시하는 컴포넌트 (3112) 를 포함할 수도 있다. 부가적으로, 시스템 (3100) 은 전기 컴포넌트들 (3104, 3106, 3108, 3110, 및 3112) 과 연관된 기능들을 실행하는 명령들을 보유하는 메모리 (3114) 를 포함할 수 있다. 메모리 (3114) 외부에 있는 것으로서 도시되어 있지만, 전기 컴포넌트들 (3104, 3106, 3108, 3110, 및 3112) 은 메모리 (3114) 내에 존재할 수도 있음을 이해해야 한다.

도 32 를 참조하면, 일 양태에 있어서, 적응적 질문 및 추천을 위한 시스템 (3200) 은 적어도 하나의 네트워크 디바이스, 적어도 하나의 모바일 클라이언트 디바이스를 포함할 수도 있거나, 또는 그들 사이에 분산될 수도 있다. 시스템 (3200) 은 프로세서, 소프트웨어, 또는 이들의 조합 (예를 들어, 펌웨어) 에 의해 구현된 기능들을 나타낼 수 있는 기능 블록들을 포함한다. 일 양태에 있어서, 예를 들어, 시스템 (3200) 은 결합하여 동작하는 전기 컴포넌트들의 논리 그룹핑 (3202) 을 포함한다. 논리 그룹핑 (3202) 은 상호작용 쿼리들의 세트를 모바일 디바이스에 제공하는 컴포넌트 (3204) 를 포함할 수도 있으며, 상호작용 쿼리들의 세트로부터의 각각의 쿼리는 판정 연관 및 제시 명령과 연관된다. 더욱이, 논리 그룹핑 (3202) 은, 제시 명령에 따라 제시되었던 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자의 응답을 나타내는 리포트를 모바일 디바이스로부터 수신하는 컴포넌트 (3206) 를 포함할 수도 있다. 또한, 논리 그룹핑 (3202) 은 상호작용 쿼리에 대한 응답에 기초하여 사용자의 제 1 특성을 결정하는 컴포넌트 (3208) 를 포함할 수 있다. 또한, 논리 그룹핑 (3202) 은 제 1 특성에 기초하여 사용자 프로파일을 업데이트하는 컴포넌트 (3210) 를 더 포함할 수도 있다. 부가적으로, 논리 그룹핑 (3202) 은 또한, 제 1 특성에 대응하도록 선택된 제 1 오브젝트를 포함하고 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 모바일 디바이스로 송신하는 컴포넌트 (3212) 를 포함할 수도 있으며, 여기서, 제 2 특성은 사용자에 관해 공지될 원하는 특성을 포함한다. 부가적으로, 시스템 (3200) 은 전기 컴포넌트들 (3204, 3206, 3208, 3210, 및 3212) 과 연관된 기능들을 실행하는 명령들을 보유하는 메모리 (3214) 를 포함할 수 있다. 메모리 (3214) 외부에 있는 것으로서 도시되어 있지만, 전기 컴포넌트들 (3204, 3206, 3208, 3210, 및 3212) 은 메모리 (3214) 내에 존재할 수도 있음을 이해해야 한다.

본 개시의 다양한 양태들이 상기 설명되었다. 본 명세서에서의 교시는 매우 다양한 형태들로 구현될 수 있으며 본 명세서에서 개시된 임의의 특정 구조 또는 기능은 단지 견본임이 명백할 것이다. 본 명세서에서의 교시에 기초하여, 당업자는 본 명세서에 개시된 양태가 다른 양태들에 무관하게 구현될 수 있으며 이들 양태들 중 2 이상은 다양한 방식으로 결합될 수 있음을 인식할 것이다. 예를 들어, 본 명세서에서 설명된 임의의 수의 양태들을 이용하여 장치가 구현될 수 있거나 방법이 실시될 수 있다. 부가적으로, 본 명세서에서 설명된 양태들 중 하나 이상의 양태에 부가하거나 그 이외에 다른 구조 또는 기능을 이용하여 장치가 구현될 수 있거나 방법이 실시될 수 있다. 일 예로서, 본 명세서에 설명된 다수의 방법들, 디바이스들, 시스템들 및 장치들은 모바일 통신 환경에서 동적 쿼리들 및 추천들을 제공하는 문맥으로 설명된다. 당업자는 유사한 기술들이 다른 통신 및 비통신 환경에 또한 적용될 수 있음을 인식할 것이다.

본 개시에서 사용되는 바와 같이, 용어 "컨텐츠" 및 "오브젝트들" 은, 디바이스 상에 렌더링되거나 프로세싱되거나 또는 실행될 수도 있는 임의의 타입의 애플리케이션, 멀티미디어 파일, 이미지 파일, 실행 가능물 (executable), 프로그램, 웹 페이지, 스크립트, 다큐먼트, 제시, 메시지, 데이터, 메타데이터, 또는 임의의 다른 타입의 미디어 또는 정보를 기술하기 위해 이용된다.

본 개시에서 사용되는 바와 같이, 용어들 "컴포넌트", "시스템", "모듈" 등은 컴퓨터 관련 엔티티, 하드웨어, 소프트웨어, 실행 중인 소프트웨어, 펌웨어, 미들 웨어, 마이크로코드, 또는 이들의 임의의 조합 중 어느 하나를 지칭하도록 의도된다. 예를 들어, 컴포넌트는 프로세서 상에서 구동하는 프로세스, 프로세서, 오브젝트, 실행 가능물, 실행 쓰레드 (thread of execution), 프로그램, 또는 컴퓨터일 수도 있지만 이에 제한되지 않는다. 하나 이상의 컴포넌트들은 프로세스 또는 실행 쓰레드 내에 상주할 수 있고, 일 컴포넌트는 하나의 컴퓨터에 국부화되거나 2 이상의 컴퓨터들 사이에 분산될 수 있다. 또한, 이들 컴포넌트들은, 다양한 데이터 구조들이 저장된 다양한 컴퓨터 판독가능 매체로부터 실행할 수 있다. 컴포넌트들은 하나 이상의 데이터 패킷들 (예를 들어, 로컬 시스템, 분산 시스템에서의 다른 컴포넌트와 상호작용하는 또는 인터넷과 같은 네트워크를 통해 신호에 의해 다른 시스템들과 상호작용하는 일 컴포넌트로부터의 데이터) 을 갖는 신호에 따라서와 같은 로컬 또는 원격 프로세스들을 경유하여 통신할 수 있다. 부가적으로, 본 명세서에 설명된 시스템들의 컴포넌트들은 관련하여 설명된 다양한 양태들, 목적들, 이점들 등을 달성하는 것을 용이하게 하도록 부가적인 컴포넌트들에 의해 재배열 또는 보완될 수 있으며, 또한 당업자에 의해 인식될 바와 같이 소정 도면에 기재된 정확한 구성들로 제한되지 않는다.

부가적으로, 본 명세서에 개시된 양태들과 관련하여 설명된 다양한 예시적인 로직들, 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, 디지털 신호 프로세서 (DSP), 주문형 집적회로 (ASIC), 필드 프로그래머블 게이트 어레이 (FPGA), 또는 다른 프로그래머블 로직 디바이스, 별개의 게이트 또는 트랜지스터 로직, 별개의 하드웨어 컴포넌트들, 하나 이상의 하드웨어 모듈들, 또는 본 명세서에서 설명된 기능들을 수행하도록 설계되는 이들의 임의의 조합으로 구현 또는 수행될 수 있다. 범용 프로세서는 마이크로프로세서일 수 있지만, 대안적으로, 그 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로 제어기, 또는 상태 머신일 수 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들어, DSP 와 마이크로프로세서의 조합, 복수의 마이크로프로세서들, DSP 코어와 결합된 하나 이상의 마이크로프로세서들, 또는 임의의 다른 적절한 구성으로서 구현될 수 있다. 부가적으로, 적어도 하나의 프로세서는 본 명세서에 설명된 동작들 또는 액션들 중 하나 이상을 수행하도록 동작가능한 하나 이상의 모듈들을 포함할 수 있다.

더욱이, 본 명세서에 설명된 다양한 양태들 또는 특징들은 표준 프로그래밍 또는 엔지니어링 기술들을 이용하여 방법, 장치, 또는 제조 물품으로서 구현될 수 있다. 또한, 본 명세서에 개시된 양태들과 관련하여 설명된 방법 또는 알고리즘의 동작들 또는 액션들은 하드웨어 모듈에서, 프로세서에 의해 실행된 소프트웨어 모듈에서, 또는 이들 양자의 조합에서 직접 구현될 수 있다. 부가적으로, 일부 양태들에 있어서, 방법 또는 알고리즘의 동작들 또는 액션들은, 컴퓨터 프로그램 제품에 통합될 수 있는 머신 판독가능 매체 또는 컴퓨터 판독가능 매체 상의 코드들 또는 컴퓨터 판독가능 명령들의 적어도 하나 또는 임의의 조합 또는 세트로서 상주할 수 있다. 또한, 본 명세서에서 사용되는 바와 같은 용어 "제조 물품" 은 임의의 컴퓨터 판독가능 디바이스, 캐리어, 또는 매체로부터 액세스가능한 컴퓨터 프로그램을 포괄하도록 의도된다. 예를 들어, 컴퓨터 판독가능 매체는 자기 저장 디바이스들 (예를 들어, 하드 디스크, 플로피 디스크, 자기 스트립들 등), 광학 디스크들 (예를 들어, 컴팩트 디스크 (CD), 디지털 다기능 디스크 (DVD) 등), 스마트 카드들, 및 플래시 메모리 디바이스들 (예를 들어, 카드, 스틱, 키 드라이브 등) 을 포함할 수 있지만 이에 제한되지 않는다. 부가적으로, 본 명세서에 설명된 다양한 저장 매체는 정보를 저장하기 위한 하나 이상의 디바이스들 또는 다른 머신 판독가능 매체를 나타낼 수 있다. 용어 "머신 판독가능 매체" 는 명령 또는 데이터를 저장하거나 포함하거나 수록할 수 있는 무선 채널들 및 다양한 다른 매체에 제한없이 이들을 포함할 수 있다.

또한, 다양한 양태들이 모바일 디바이스와 관련하여 본 명세서에서 설명되어 있다. 모바일 디바이스는 또한, 시스템, 가입자 유닛, 가입자국, 이동국, 모바일, 모바일 디바이스, 셀룰러 디바이스, 멀티-모드 디바이스, 원격국, 원격 단말기, 액세스 단말기, 사용자 단말기, 사용자 에이전트, 사용자 디바이스, 또는 사용자 장비 등으로 지칭될 수 있다. 가입자국은 셀룰러 전화기, 코드리스 전화기, 세션 개시 프로토콜 (SIP) 전화기, 무선 로컬 루프 (WLL) 스테이션, 개인휴대 정보단말기 (PDA), 무선 접속 능력을 갖는 휴대용 디바이스, 또는 프로세싱 디바이스와의 무선 통신을 용이하게 하는 무선 모뎀 또는 유사한 메커니즘에 접속된 다른 프로세싱 디바이스일 수 있다.

전술한 바에 부가하여, 단어 "예시적인" 은 예, 예증 또는 예시로서 기능하는 것을 의미하도록 본 명세서에서 사용된다. "예시적인" 것으로서 본 명세서에서 설명된 임의의 양태 또는 설계는 다른 양태들 또는 설계들에 비해 반드시 바람직하거나 유리한 것으로서 해석될 필요는 없다. 오히려, 단어 "예시적인" 의 사용은 개념들을 구체적인 방식으로 제시하도록 의도된다. 더욱이, 본원 및 첨부된 청구항들에서 사용되는 바와 같이, 용어 "또는" 은 배타적 "또는" 보다는 포괄적 "또는" 을 의미하도록 의도된다. 즉, 달리 특정되지 않거나 문맥으로부터 명백하지 않다면, "X 는 A 또는 B 를 채용한다" 는 것은 임의의 자연스런 포괄적 치환을 의미하도록 의도된다. 즉, 이 예에 있어서, X 는 A 를 채용할 수 있거나, X 는 B 를 채용할 수 있거나, X 는 A 와 B 양자를 채용할 수 있으며, 따라서, 구문 "X 는 A 또는 B 를 채용한다" 는 임의의 전술한 예들 하에서 만족된다. 부가적으로, 본원 및 첨부된 청구항들에서 사용되는 바와 같은 단수표현 (관사 "a" 및 "an") 은, 단수 형태를 지향하도록 달리 특정되지 않거나 문맥으로부터 명백하지 않으면 "하나 이상" 을 의미하도록 일반적으로 해석되어야 한다.

본 명세서에서 사용되는 바와 같이, "추론하다" 또는 "추론" 에 대한 용어는 이벤트 또는 데이터를 통해 캡처되는 바와 같은 관측 세트로부터 시스템, 환경, 또는 사용자의 상태들을 추정하거나 그 상태들에 관하여 추리하는 프로세스를 일반적으로 지칭한다. 추론은 특정 상황 또는 액션을 식별하기 위해 채용될 수 있거나, 또는, 예를 들어, 상태들에 대한 확률 분포를 생성할 수 있다. 추론은 확률론적일 수 있으며, 즉, 관심있는 상태들에 대한 확률 분포의 계산은 데이터 및 이벤트들의 고려사항에 기초한다. 추론은 또한, 이벤트들 또는 데이터의 세트로부터 더 높은 레벨의 이벤트들을 구성하기 위해 채용된 기술들을 지칭할 수 있다. 이러한 추론은 관측된 이벤트들 또는 저장된 이벤트 데이터의 세트로부터 새로운 이벤트들 또는 액션들의 구성, 이벤트들이 인접한 시간적 근접성에서 상관되는지 여부, 및 이벤트들 및 데이터가 하나 또는 수개의 이벤트 및 데이터 소스들로부터 기인하는지 여부를 발생시킨다.

본 명세서에 설명된 바의 변경예들, 변형예들 및 다른 구현예들은, 청구된 바와 같은 본 개시의 사상 및 범위로부터 일탈함없이 당업자에게 발생할 것이다. 이에 따라, 본 개시는 상기의 예시적인 설명에 의해 한정되지 않아야 하고 대신 다음의 청구항들의 사상 및 범위에 의해 한정되어야 한다.

Claims (56)

1. 사용자에게 컨텐츠를 추천하는 방법으로서,
   컴퓨터 판독가능 저장 매체 상에 저장된 컴퓨터 실행가능 명령들을 실행하는 프로세서를 채용하여,
   상호작용 쿼리들의 세트에 액세스하는 동작으로서, 각각의 쿼리는 판정 연관 및 제시 명령과 연관되고, 상기 판정 연관은 사용자의 특성들을 결정하는 것과 연관된 데이터를 포함하는, 상기 액세스하는 동작;
   상기 제시 명령에 따라 모바일 사용자 인터페이스를 통해 상기 상호작용 쿼리들의 세트로부터 상호작용 쿼리를 제시하는 동작;
   상기 상호작용 쿼리에 대한 응답에 기초하여 상기 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하는 동작; 및
   상기 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 제시하는 동작으로서, 상기 제 2 특성은 상기 사용자에 관하여 알기를 원하는 특성을 포함하는, 상기 복수의 컨텐츠 오브젝트들을 제시하는 동작
   을 구현하는 단계를 포함하는, 컨텐츠를 추천하는 방법.
2. 제 1 항에 있어서,
   상기 상호작용 쿼리들의 세트는 상기 제 1 특성 및 상기 제 2 특성을 포함하는 사용자 특성들을 획득하도록 구성된 핵심 쿼리들, 및 상기 사용자를 관여시키도록 구성된 엔터테이닝 쿼리들을 갖는 질문 패턴의 적어도 일부를 포함하는, 컨텐츠를 추천하는 방법.
3. 제 1 항에 있어서,
   상기 상호작용 쿼리들의 세트는, 복수의 사용자 프로파일들로부터의 상호작용 쿼리 응답 데이터와 복수의 가용 상호작용 쿼리들을 상관시키는 룩업 테이블로부터 도출되는, 컨텐츠를 추천하는 방법.
4. 제 1 항에 있어서,
   상기 제 2 오브젝트와의 사용자 상호작용에 기초하여 상기 사용자의 사용자 프로파일을 업데이트하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
5. 제 4 항에 있어서,
   상기 제 2 오브젝트에 대한 명시적 확인 입력 또는 명시적 폐기 입력 중 하나를 수신하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
6. 제 4 항에 있어서,
   상기 제 1 오브젝트에 대한 상기 제 2 오브젝트의 선호도 입력을 수신하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
7. 제 1 항에 있어서,
   상기 사용자에 대한 저장된 프로파일에 부분적으로 기초하여 상기 상호작용 쿼리들의 세트를 생성하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
8. 제 1 항에 있어서,
   사용자 특정 시간 간격에 대한 응답으로 상기 제 1 특성 및 상기 제 2 특성에 기초하여 제 3 오브젝트를 후속적으로 제시하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
9. 제 1 항에 있어서,
   제 3 오브젝트의 새로운 가용도를 결정하는 것에 대한 응답으로 상기 제 1 특성 및 상기 제 2 특성에 기초하여 상기 제 3 오브젝트를 후속적으로 제시하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
10. 제 1 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들을 제시하는 것은, 상기 상호작용 쿼리에 대한 응답에 기초하여 상기 제 1 오브젝트 또는 상기 제 2 오브젝트 중 적어도 하나로의 링크를 제공하는 상기 판정 연관에 기초하는, 컨텐츠를 추천하는 방법.
11. 제 1 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들을 제시하는 것은 상기 상호작용 쿼리들의 세트로부터 제 2 상호작용 쿼리를 제시하는 것을 더 포함하고,
    상기 제 2 상호작용 쿼리는 상기 제 2 특성에 대응하는 속성을 포함하는, 컨텐츠를 추천하는 방법.
12. 제 1 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들을 제시하는 것은 상기 상호작용 쿼리들의 세트로부터 제 2 상호작용 쿼리를 제시하는 것을 더 포함하고,
    상기 제 2 상호작용 쿼리는 상기 상호작용 쿼리들의 세트의 적어도 하나의 다른 상호작용 쿼리의 제 2 우선순위보다 큰 제 1 우선순위를 포함하는, 컨텐츠를 추천하는 방법.
13. 제 12 항에 있어서,
    상기 제 2 특성에 대응하는 속성에 대한 사용자 값, 상기 속성에 대한 오퍼레이터 값, 또는 상기 속성에 대한 신뢰도 레벨 중 적어도 2개에 기초하여 상기 제 1 우선순위를 결정하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
14. 사용자에게 컨텐츠를 추천하기 위한 컴퓨터 실행가능 명령들을 저장한 컴퓨터 판독가능 저장 매체로서,
    상기 명령들은,
    상호작용 쿼리들의 세트에 액세스하기 위한, 프로세서에 의해 실행가능한 적어도 하나의 명령으로서, 각각의 쿼리는 판정 연관 및 제시 명령과 연관되고, 상기 판정 연관은 사용자의 특성들을 결정하는 것과 연관된 데이터를 포함하는, 상기 액세스하기 위한 적어도 하나의 명령;
    상기 제시 명령에 따라 모바일 사용자 인터페이스를 통해 상기 상호작용 쿼리들의 세트로부터 상호작용 쿼리를 제시하기 위한, 상기 프로세서에 의해 실행가능한 적어도 하나의 명령;
    상기 상호작용 쿼리에 대한 응답에 기초하여 상기 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하기 위한, 상기 프로세서에 의해 실행가능한 적어도 하나의 명령; 및
    상기 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 제시하기 위한, 상기 프로세서에 의해 실행가능한 적어도 하나의 명령으로서, 상기 제 2 특성은 상기 사용자에 관하여 알기를 원하는 특성을 포함하는, 상기 복수의 컨텐츠 오브젝트들을 제시하기 위한 적어도 하나의 명령
    을 포함하는, 컴퓨터 판독가능 저장 매체.
15. 사용자에게 컨텐츠를 추천하는 장치로서,
    상호작용 쿼리들의 세트에 액세스하는 수단으로서, 각각의 쿼리는 판정 연관 및 제시 명령과 연관되고, 상기 판정 연관은 사용자의 특성들을 결정하는 것과 연관된 데이터를 포함하는, 상기 액세스하는 수단;
    상기 제시 명령에 따라 모바일 사용자 인터페이스를 통해 상기 상호작용 쿼리들의 세트로부터 상호작용 쿼리를 제시하는 수단;
    상기 상호작용 쿼리에 대한 응답에 기초하여 상기 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하는 수단; 및
    상기 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 제시하는 수단으로서, 상기 제 2 특성은 상기 사용자에 관하여 알기를 원하는 특성을 포함하는, 상기 복수의 컨텐츠 오브젝트들을 제시하는 수단을 포함하는, 컨텐츠를 추천하는 장치.
16. 사용자에게 컨텐츠를 추천하는 장치로서,
    상호작용 쿼리들의 세트에 액세스하기 위한 컴퓨팅 플랫폼으로서, 각각의 쿼리는 판정 연관 및 제시 명령과 연관되고, 상기 판정 연관은 사용자의 특성들을 결정하는 것과 연관된 데이터를 포함하는, 상기 컴퓨팅 플랫폼; 및
    상기 제시 명령에 따라 상기 상호작용 쿼리들의 세트로부터 상호작용 쿼리를 제시하기 위한 사용자 인터페이스를 포함하고,
    상기 컴퓨팅 플랫폼은 또한, 상기 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하기 위한 것이며, 그리고
    상기 사용자 인터페이스는 또한, 상기 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 제시하기 위한 것이고,
    상기 제 2 특성은 상기 사용자에 관하여 알기를 원하는 특성을 포함하는, 컨텐츠를 추천하는 장치.
17. 제 16 항에 있어서,
    상기 상호작용 쿼리들의 세트는 상기 제 1 특성 및 상기 제 2 특성을 포함하는 사용자 특성들을 획득하도록 구성된 핵심 쿼리들, 및 상기 사용자를 관여시키도록 구성된 엔터테이닝 쿼리들을 갖는 질문 패턴의 적어도 일부를 포함하는, 컨텐츠를 추천하는 장치.
18. 제 16 항에 있어서,
    상기 상호작용 쿼리들의 세트는, 복수의 사용자 프로파일들로부터의 상호작용 쿼리 응답 데이터와 복수의 가용 상호작용 쿼리들을 상관시키는 룩업 테이블로부터 도출되는, 컨텐츠를 추천하는 장치.
19. 제 16 항에 있어서,
    상기 컴퓨팅 플랫폼은 또한, 상기 제 2 오브젝트와의 사용자 상호작용에 기초하여 사용자 프로파일을 업데이트하기 위한 것인, 컨텐츠를 추천하는 장치.
20. 제 19 항에 있어서,
    상기 사용자 인터페이스는 또한, 상기 제 2 오브젝트에 대한 명시적 확인 입력 또는 명시적 폐기 입력 중 하나를 수신하기 위한 것인, 컨텐츠를 추천하는 장치.
21. 제 19 항에 있어서,
    상기 사용자 인터페이스는 또한, 상기 제 1 오브젝트에 대한 상기 제 2 오브젝트의 선호도 입력을 수신하기 위한 것인, 컨텐츠를 추천하는 장치.
22. 제 16 항에 있어서,
    상기 사용자에 대한 저장된 프로파일에 부분적으로 기초하여 상기 상호작용 쿼리들의 세트를 생성하는 것을 더 포함하는, 컨텐츠를 추천하는 장치.
23. 제 16 항에 있어서,
    상기 사용자 인터페이스는 또한, 사용자 특정 시간 간격에 대한 응답으로 상기 제 1 특성 및 상기 제 2 특성에 기초하여 제 3 오브젝트를 후속적으로 제시하기 위한 것인, 컨텐츠를 추천하는 장치.
24. 제 16 항에 있어서,
    상기 사용자 인터페이스는 또한, 제 3 오브젝트의 새로운 가용도를 결정하는 것에 대한 응답으로 상기 제 1 특성 및 상기 제 2 특성에 기초하여 상기 제 3 오브젝트를 후속적으로 제시하기 위한 것인, 컨텐츠를 추천하는 장치.
25. 제 16 항에 있어서,
    상기 사용자 인터페이스는 또한, 상기 상호작용 쿼리에 대한 응답에 기초하여 상기 제 1 오브젝트 또는 상기 제 2 오브젝트 중 적어도 하나로의 링크를 제공하는 상기 판정 연관에 기초하여 상기 복수의 컨텐츠 오브젝트들을 제시하기 위한 것인, 컨텐츠를 추천하는 장치.
26. 제 16 항에 있어서,
    상기 사용자 인터페이스는 또한, 상기 상호작용 쿼리들의 세트로부터 제 2 상호작용 쿼리를 제시하는 것을 포함하는 상기 복수의 컨텐츠 오브젝트들을 제시하기 위한 것이고,
    상기 제 2 상호작용 쿼리는 상기 제 2 특성에 대응하는 속성을 포함하는, 컨텐츠를 추천하는 장치.
27. 제 16 항에 있어서,
    상기 사용자 인터페이스는 또한, 상기 상호작용 쿼리들의 세트로부터 제 2 상호작용 쿼리를 제시하는 것을 포함하는 상기 복수의 컨텐츠 오브젝트들을 제시하기 위한 것이고,
    상기 제 2 상호작용 쿼리는 상기 상호작용 쿼리들의 세트의 적어도 하나의 다른 상호작용 쿼리의 제 2 우선순위보다 큰 제 1 우선순위를 포함하는, 컨텐츠를 추천하는 장치.
28. 제 27 항에 있어서,
    상기 제 2 특성에 대응하는 속성에 대한 사용자 값, 상기 속성에 대한 오퍼레이터 값, 또는 상기 속성에 대한 신뢰도 레벨 중 적어도 2개에 기초하여 상기 제 1 우선순위를 결정하는 것을 더 포함하는, 컨텐츠를 추천하는 장치.
29. 사용자에게 컨텐츠를 추천하는 방법으로서,
    컴퓨터 판독가능 저장 매체 상에 저장된 컴퓨터 실행가능 명령들을 실행하는 프로세서를 채용하여,
    상호작용 쿼리들의 세트를 모바일 디바이스에 제공하는 동작으로서, 상기 상호작용 쿼리들의 세트로부터의 각각의 쿼리는 판정 연관 및 제시 명령과 연관되고, 상기 판정 연관은 사용자의 특성들을 결정하는 것과 연관된 데이터를 포함하는, 상기 상호작용 쿼리들의 세트를 제공하는 동작;
    상기 제시 명령에 따라 제시되었던 상기 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자의 응답을 나타내는 리포트를 상기 모바일 디바이스로부터 수신하는 동작;
    상기 상호작용 쿼리에 대한 응답에 기초하여 상기 사용자의 제 1 특성을 결정하는 동작;
    상기 제 1 특성에 기초하여 사용자 프로파일을 업데이트하는 동작; 및
    상기 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 상기 모바일 디바이스로 송신하는 동작으로서, 상기 제 2 특성은 상기 사용자에 관해 알기를 원하는 특성을 포함하는, 상기 복수의 컨텐츠 오브젝트들을 송신하는 동작
    을 구현하는 단계를 포함하는, 컨텐츠를 추천하는 방법.
30. 제 29 항에 있어서,
    상기 상호작용 쿼리들의 세트는 상기 제 1 특성 및 상기 제 2 특성을 포함하는 사용자 특성들을 획득하도록 구성된 핵심 쿼리들, 및 상기 사용자를 관여시키도록 구성된 엔터테이닝 쿼리들을 갖는 질문 패턴의 적어도 일부를 포함하는, 컨텐츠를 추천하는 방법.
31. 제 29 항에 있어서,
    상기 상호작용 쿼리들의 세트는, 복수의 사용자 프로파일들로부터의 상호작용 쿼리 응답 데이터와 복수의 가용 상호작용 쿼리들을 상관시키는 룩업 테이블로부터 도출되는, 컨텐츠를 추천하는 방법.
32. 제 29 항에 있어서,
    상기 제 2 오브젝트와의 사용자 상호작용에 기초하여 상기 사용자의 상기 사용자 프로파일을 업데이트하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
33. 제 32 항에 있어서,
    상기 제 2 오브젝트에 대한 명시적 확인 입력 또는 명시적 폐기 입력 중 하나를 수신하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
34. 제 32 항에 있어서,
    상기 제 1 오브젝트에 대한 상기 제 2 오브젝트의 선호도 입력을 수신하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
35. 제 29 항에 있어서,
    상기 사용자에 대한 저장된 프로파일에 부분적으로 기초하여 상기 상호작용 쿼리들의 세트를 생성하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
36. 제 29 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들을 송신하는 것은, 사용자 특정 시간 간격에 대한 응답으로 상기 제 1 특성 및 상기 제 2 특성에 기초하여 제 3 오브젝트를 송신하는 것을 더 포함하는, 컨텐츠를 추천하는 방법.
37. 제 29 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들을 송신하는 것은, 제 3 오브젝트의 새로운 가용도를 결정하는 것에 대한 응답으로 상기 제 1 특성 및 상기 제 2 특성에 기초하여 상기 제 3 오브젝트를 송신하는 것을 더 포함하는, 컨텐츠를 추천하는 방법.
38. 제 29 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들을 송신하는 것은, 상기 상호작용 쿼리에 대한 응답에 기초하여 상기 제 1 오브젝트 또는 상기 제 2 오브젝트 중 적어도 하나로의 링크를 제공하는 상기 판정 연관에 기초하는, 컨텐츠를 추천하는 방법.
39. 제 29 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들을 송신하는 것은 상기 상호작용 쿼리들의 세트로부터 제 2 상호작용 쿼리를 송신하는 것을 더 포함하고,
    상기 제 2 상호작용 쿼리는 상기 제 2 특성에 대응하는 속성을 포함하는, 컨텐츠를 추천하는 방법.
40. 제 29 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들을 송신하는 것은 상기 상호작용 쿼리들의 세트로부터 제 2 상호작용 쿼리를 송신하는 것을 더 포함하고,
    상기 제 2 상호작용 쿼리는 상기 상호작용 쿼리들의 세트의 적어도 하나의 다른 상호작용 쿼리의 제 2 우선순위보다 큰 제 1 우선순위를 포함하는, 컨텐츠를 추천하는 방법.
41. 제 40 항에 있어서,
    상기 제 2 특성에 대응하는 속성에 대한 사용자 값, 상기 속성에 대한 오퍼레이터 값, 또는 상기 속성에 대한 신뢰도 레벨 중 적어도 2개에 기초하여 상기 제 1 우선순위를 결정하는 단계를 더 포함하는, 컨텐츠를 추천하는 방법.
42. 사용자에게 컨텐츠를 추천하기 위한 컴퓨터 실행가능 명령들을 저장한 컴퓨터 판독가능 저장 매체로서,
    상기 명령들은,
    상호작용 쿼리들의 세트를 모바일 디바이스에 제공하기 위한, 프로세서에 의해 실행가능한 적어도 하나의 명령으로서, 상기 상호작용 쿼리들의 세트로부터의 각각의 쿼리는 판정 연관 및 제시 명령과 연관되고, 상기 판정 연관은 사용자의 특성들을 결정하는 것과 연관된 데이터를 포함하는, 상기 상호작용 쿼리들의 세트를 제공하기 위한 적어도 하나의 명령;
    상기 제시 명령에 따라 제시되었던 상기 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자 입력을 나타내는 리포트를 상기 모바일 디바이스로부터 수신하기 위한, 상기 프로세서에 의해 실행가능한 적어도 하나의 명령;
    상기 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하기 위한, 상기 프로세서에 의해 실행가능한 적어도 하나의 명령;
    상기 제 1 특성에 기초하여 사용자 프로파일을 업데이트하기 위한, 상기 프로세서에 의해 실행가능한 적어도 하나의 명령; 및
    상기 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 상기 모바일 디바이스로 송신하기 위한, 상기 프로세서에 의해 실행가능한 적어도 하나의 명령으로서, 상기 제 2 특성은 상기 사용자에 관해 알기를 원하는 특성을 포함하는, 상기 복수의 컨텐츠 오브젝트들을 송신하기 위한 적어도 하나의 명령
    을 포함하는, 컴퓨터 판독가능 저장 매체.
43. 사용자에게 컨텐츠를 추천하는 장치로서,
    상호작용 쿼리들의 세트를 모바일 디바이스에 제공하는 수단으로서, 상기 상호작용 쿼리들의 세트로부터의 각각의 쿼리는 판정 연관 및 제시 명령과 연관되고, 상기 판정 연관은 사용자의 특성들을 결정하는 것과 연관된 데이터를 포함하는, 상기 상호작용 쿼리들의 세트를 제공하는 수단;
    상기 제시 명령에 따라 제시되었던 상기 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자 입력을 나타내는 리포트를 상기 모바일 디바이스로부터 수신하는 수단;
    상기 상호작용 쿼리에 대한 응답에 기초하여 모바일 사용자 인터페이스의 사용자의 제 1 특성을 결정하는 수단;
    상기 제 1 특성에 기초하여 사용자 프로파일을 업데이트하는 수단; 및
    상기 제 1 특성에 대응하도록 선택된 제 1 오브젝트 및 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 상기 모바일 디바이스로 송신하는 수단으로서, 상기 제 2 특성은 상기 사용자에 관해 알기를 원하는 특성을 포함하는, 상기 복수의 컨텐츠 오브젝트들을 송신하는 수단을 포함하는, 컨텐츠를 추천하는 장치.
44. 사용자에게 컨텐츠를 추천하는 장치로서,
    상호작용 쿼리들의 세트를 모바일 디바이스에 제공하기 위한 송신기로서, 상기 상호작용 쿼리들의 세트로부터의 각각의 쿼리는 판정 연관 및 제시 명령과 연관되고, 상기 판정 연관은 사용자의 특성들을 결정하는 것과 연관된 데이터를 포함하는, 상기 송신기;
    상기 제시 명령에 따라 제시되었던 상기 상호작용 쿼리들의 세트 중 적어도 하나에 대한 사용자에 의한 응답을 나타내는 리포트를 상기 모바일 디바이스로부터 수신하기 위한 수신기; 및
    상기 상호작용 쿼리에 대한 응답에 기초하여 상기 사용자의 제 1 특성을 결정하고, 상기 제 1 특성에 기초하여 사용자 프로파일을 업데이트하기 위한 컴퓨팅 플랫폼을 포함하고,
    상기 송신기는 또한, 상기 제 1 특성에 대응하도록 선택된 제 1 오브젝트를 포함하고 제 2 특성에 관한 정보를 요청하도록 선택된 제 2 오브젝트를 포함하는 복수의 컨텐츠 오브젝트들을 사용자 상호작용을 위해 상기 모바일 디바이스로 송신하기 위한 것이며,
    상기 제 2 특성은 상기 사용자에 관해 알기를 원하는 특성을 포함하는, 컨텐츠를 추천하는 장치.
45. 제 44 항에 있어서,
    상기 상호작용 쿼리들의 세트는 상기 제 1 특성 및 상기 제 2 특성을 포함하는 사용자 특성들을 획득하도록 구성된 핵심 쿼리들, 및 상기 사용자를 관여시키도록 구성된 엔터테이닝 쿼리들을 갖는 질문 패턴의 적어도 일부를 포함하는, 컨텐츠를 추천하는 장치.
46. 제 44 항에 있어서,
    상기 상호작용 쿼리들의 세트는, 복수의 사용자 프로파일들로부터의 상호작용 쿼리 응답 데이터와 복수의 가용 상호작용 쿼리들을 상관시키는 룩업 테이블로부터 도출되는, 컨텐츠를 추천하는 장치.
47. 제 44 항에 있어서,
    상기 컴퓨팅 플랫폼은 또한, 상기 제 2 오브젝트와의 사용자 상호작용에 기초하여 상기 사용자의 상기 사용자 프로파일을 업데이트하도록 동작가능한, 컨텐츠를 추천하는 장치.
48. 제 47 항에 있어서,
    상기 수신기는 또한, 상기 제 2 오브젝트에 대한 명시적 확인 입력 또는 명시적 폐기 입력 중 하나를 수신하도록 동작가능한, 컨텐츠를 추천하는 장치.
49. 제 47 항에 있어서,
    상기 수신기는 또한, 상기 제 1 오브젝트에 대한 상기 제 2 오브젝트의 선호도 입력을 수신하도록 동작가능한, 컨텐츠를 추천하는 장치.
50. 제 44 항에 있어서,
    상기 컴퓨팅 플랫폼은 또한, 상기 사용자에 대한 저장된 프로파일에 부분적으로 기초하여 상기 상호작용 쿼리들의 세트를 생성하도록 동작가능한, 컨텐츠를 추천하는 장치.
51. 제 44 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들은, 사용자 특정 시간 간격에 대한 응답으로 상기 제 1 특성 및 상기 제 2 특성에 기초한 제 3 오브젝트를 더 포함하는, 컨텐츠를 추천하는 장치.
52. 제 44 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들은, 제 3 오브젝트의 새로운 가용도를 결정하는 것에 대한 응답으로 송신된 상기 제 1 특성 및 상기 제 2 특성에 기초한 상기 제 3 오브젝트를 더 포함하는, 컨텐츠를 추천하는 장치.
53. 제 44 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들은, 상기 상호작용 쿼리에 대한 응답에 기초하여 상기 제 1 오브젝트 또는 상기 제 2 오브젝트 중 적어도 하나로의 링크를 제공하는 상기 판정 연관에 기초하여 송신되는, 컨텐츠를 추천하는 장치.
54. 제 44 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들은, 상기 상호작용 쿼리들의 세트로부터의 제 2 상호작용 쿼리를 포함하고,
    상기 제 2 상호작용 쿼리는 상기 제 2 특성에 대응하는 속성을 포함하는, 컨텐츠를 추천하는 장치.
55. 제 44 항에 있어서,
    상기 복수의 컨텐츠 오브젝트들은 상기 상호작용 쿼리들의 세트로부터의 제 2 상호작용 쿼리를 더 포함하고,
    상기 제 2 상호작용 쿼리는 상기 상호작용 쿼리들의 세트의 적어도 하나의 다른 상호작용 쿼리의 제 2 우선순위보다 큰 제 1 우선순위를 포함하는, 컨텐츠를 추천하는 장치.
56. 제 55 항에 있어서,
    상기 컴퓨팅 플랫폼은 또한, 상기 제 2 특성에 대응하는 속성에 대한 사용자 값, 상기 속성에 대한 오퍼레이터 값, 또는 상기 속성에 대한 신뢰도 레벨 중 적어도 2개에 기초하여 상기 제 1 우선순위를 결정하도록 동작가능한, 컨텐츠를 추천하는 장치.

Images