KR102160844B1 - 링크 연관 분석 시스템들 및 방법들 - Google Patents

링크 연관 분석 시스템들 및 방법들 Download PDF

Info

Publication number
KR102160844B1
KR102160844B1 KR1020157026852A KR20157026852A KR102160844B1 KR 102160844 B1 KR102160844 B1 KR 102160844B1 KR 1020157026852 A KR1020157026852 A KR 1020157026852A KR 20157026852 A KR20157026852 A KR 20157026852A KR 102160844 B1 KR102160844 B1 KR 102160844B1
Authority
KR
South Korea
Prior art keywords
link
reason
content
context
association
Prior art date
Application number
KR1020157026852A
Other languages
English (en)
Other versions
KR20160032714A (ko
Inventor
패트릭 순-시옹
루크 순-시옹
Original Assignee
패트릭 순-시옹
루크 순-시옹
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 패트릭 순-시옹, 루크 순-시옹 filed Critical 패트릭 순-시옹
Publication of KR20160032714A publication Critical patent/KR20160032714A/ko
Application granted granted Critical
Publication of KR102160844B1 publication Critical patent/KR102160844B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/12—Use of codes for handling textual entities
    • G06F40/134—Hyperlinking
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • G06F16/9566—URL specific, e.g. using aliases, detecting broken or misspelled links
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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

Abstract

링크 연관 분석 시스템들이 제시된다. 개시된 시스템들은 사용자들에 의해 생성된 링크들을 분석하고 사용자가 왜 그러한 링크를 생성할지를 뒷받침하는 가능한 이유들을 결정하도록 구성된다. 그 시스템은 링크가 생성되었던 그리고 링크가 포인팅하는 콘텍스트를 분석함으로써 그러한 이유들을 도출하고, 그 후 그 이유들을 피드백을 위해 사용자들에게 데이터 오브젝트로서 제시한다. 시스템은 더 많은 사용자들이 시스템과 상호작용할수록 시스템이 링크 생성에 대한 이유들을 도출하는데 있어서 더 정확하도록, 그의 정확성에 관한 조사 데이터를 수집함으로써 자기 정제 (self-refining) 하도록 제작될 수 있다.

Description

링크 연관 분석 시스템들 및 방법들{LINK ASSOCIATION ANALYSIS SYSTEMS AND METHODS}
본 출원은 2013년 2월 25일자로 출원된 미국 가출원 제 61/768989 호에 대한 우선권의 이익을 주장한다. 이들 및 모든 다른 참조된 외적 자료들은 그들의 전체에 있어서 참조로 여기에 통합된다.
본 발명의 분야는 링크들의 생성에 있어서 이유들을 표현하는 오브젝트들을 구성하고 관리하는 시스템들에 관한 것이다.
다음의 배경 논의는 본 발명을 이해하는데 있어서 유용할 수도 있는 정보를 포함한다. 그것은 여기에 제공된 임의의 그 정보가 종래 기술이라거나 현재 청구된 발명에 관련된다거나, 또는 특정적으로 또는 암시적으로 참조된 임의의 공보가 종래 기술이라는 허용이 아니다.
개인에 의해 행해지는 선택들 배후의 이유를 이해하는 것은 그 개인의 환경과의 상호작용들에 대한 깊은 통찰력을 제공한다. 개인의 추리로부터 얻어진 정보는 개인에 의해 행해진 선택들을 학습하거나, 예측하거나, 정정하는데 사용될 수 있다. 그러한 정보는 소셜 미디어, 교육, 또는 광고와 같은 많은 여역들에서 강력한 도구가 될 수 있다.
사용자에 의해 행해진 선택에 대한 이유를 획득하는 하나의 예가 하이덴라이크 (Heidenreich) 의 미국 특허 제 8,195,592 호에서 발견될 수 있다. 하이덴라이크는 사용자가 사고 (thinking) 컴포넌트들 사이의 링크들을 생성하고 그 사고 컴포넌트들 사이의 관계의 설명을 제공하는 것을 허용하는 시스템을 교시한다. 제 2 사용자는 그 후 이러한 링크 및 설명을 분석할 수도 있을 것이고, 그 후 제 1 사용자의 사고 과정을 정제하고 개발하는 제 2 설명을 제공할 수도 있을 것이다. 그러나, 하이덴라이크는 각각의 사용자가 우선 링크된 연관들을 생성한 이유에 관한 정보를 제공하지는 못한다.
젱 (Zheng) 의 PCT 공보 제 2012/088720 호는 그것의 사용자들의 온라인 거동에 기초하여 사용자들을 서로 링크함으로써 사회적 추천들을 생성하는 시스템을 교시한다. 젱의 시스템은 동일한 사고방식을 공유하는 사용자들을 링크할 수도 있지만, 젱의 시스템도 또한 임의의 사용자들이 유사한 링크된 연관들을 생성하는 이유에 관한 어떠한 정보를 제공하지는 못한다.
화이트 (White) 의 특허 공보 제 2012/0137201 호는 웹 브라우징을 할 때 사용자가 어떤 종류의 링크들을 클릭할 수도 있을지를 예측하는 시스템을 교시한다. 화이트는 사용자의 이력적 웹 패턴들을 분석하고, 그 후 해당 사용자의 과거의 거동에 기초하여 해당 사용자가 미래에 어떻게 웹을 브라우징할 것인지를 예측한다. 다른 알려진 기술처럼, 화이트는 사용자가 각각의 링크를 생성하려고 하는 이유에 대한 어떠한 정보도 제공하지 못한다.
결국, 위에 나열된 예들 각각은 사용자들에 의해 행해진 선택들에서의 이유의 전체 범위를 탐험하는데 있어서의 가치를 인식하지 못한다. 오히려, 그 예들은 단순히 연관들을 구성하는 것이나 가능한 관심의 링크를 예측하는 것을 개시할 뿐이다. 개선된 시스템은 가능하게는 링크들을 뒷받침하는 모호한 의미들을 해결하기 위해 우선 사람들이 왜 링크된 연관들을 만드는지의 배후의 이유에 대한 통찰력을 제공할 것이다.
따라서, 사용자들이 링크들을 생성하는 이유들을 도출하고 유지하는 시스템에 대한 필요가 여전히 존재한다.
여기의 모든 공보들은 각 개개의 공보 또는 특허 출원이 참조에 의해 특정적으로 및 개별적으로 통합되는 것으로 나타내어진 것처럼 동일한 정도로 참조에 의해 통합된다. 통합된 참조문헌에서의 용어의 정의 또는 사용이 여기에 제공된 해당 용어의 정의와 모순되거나 대조되는 경우, 여기에 제공된 해당 용어의 정의가 적용되고 참조문헌에서의 해당 용어의 정의는 적용되지 않는다.
다음의 설명은 본 발명을 이해하는데 있어서 유용할 수도 있는 정보를 포함한다. 그것은 여기에 제공된 임의의 그 정보가 종래 기술이라거나 현재 청구된 발명에 관련된다거나, 또는 특정적으로 또는 암시적으로 참조된 임의의 공보가 종래 기술이라는 허용이 아니다.
일부 실시형태들에서, 본 발명의 소정의 실시형태들을 기술하고 청구하는데 사용된 구성요소들의 양들을 표현하는 숫자들, 농도와 같은 특성들, 반응 조건들 등은 용어 "약 (about)" 에 의해 일부 예시들에서 수정되는 것으로서 이해되어야 한다. 이에 따라, 일부 실시형태들에서, 기록된 상세한 설명 및 첨부된 청구범위에 진술된 수치적 파라미터들은 특정의 실시형태에 의해 획득되도록 추구되는 원하는 특성들에 따라 변할 수 있는 근사치들이다. 일부 실시형태들에서, 그 수치적 파라미터들은 보고된 유의한 숫자들의 수에 비추여 그리고 보통의 라운딩 기법들을 적용함으로써 해석되어야 한다. 본 발명의 일부 실시형태들의 넓은 범위를 진술하는 수치적 범위들 및 파라미터들이 근사치들임에도 불구하고, 특정의 예들에서 진술된 수치적 값들은 될수 있는 한 정밀하게 보고된다. 본 발명의 일부 실시형태들에서 제시된 수치적 값들은 반드시 그들의 각각의 테스팅 측정들에서 발견된 표준 편차로부터 초래되는 소정의 오차들을 포함할 수도 있다.
여기의 설명 및 후속하는 청구범위에 걸쳐 사용되는 바와 같이, "a", "an", 및 "the" 의 의미는 콘텍스트가 달리 명백히 진술하지 않는 한 복수의 참조를 포함한다. 또한, 여기의 설명에 사용된 바와 같이, "in" 의 의미는 콘텍스트가 달리 명백히 진술하지 않는 한 "in" 및 "on" 을 포함한다.
여기의 값들의 범위들의 기재는 단순히 그 범위 내에 있는 각각의 별개의 값을 개별적으로 참조하는 속기의 방법으로서 작용하는 것으로 의도된다. 달리 여기에서 언급하지 않는 한, 각각의 개별적인 값은 그것이 개별적으로 여기에 기재된 것과 같이 본 명세서에 통합된다. 여기에 기술된 모든 방법들은 달리 여기에서 표시되거나 달리 콘텍스트에 의해 명백히 모순되지 않는 한, 임의의 적합한 순서로 수행될 수 있다. 여기의 소정의 실시형태들에 대해 제공된 임의의 및 모든 예시들, 또는 예시적인 언어 (예를 들어, "~ 와 같은 (such as)" 의 사용은 단지 본 발명을 더 양호하게 예시하도록 의도되고, 다르게는 청구된 발명의 범위에 대한 제한을 두는 것은 아니다. 명세서 내의 어떠한 언어도 발명의 실시에 본질적인 임의의 비청구된 엘리먼트를 나타내는 것으로서 해석되지 않아야 한다.
여기에 개시된 발명의 대안적인 엘리먼트들 또는 실시형태들의 그룹핑들은 제한들로서 해석되지 않아야 한다. 각 그룹 멤버는 개별적으로 또는 그룹의 다른 멤버들 또는 여기서 발견되는 다른 엘리먼트들과 임의의 조합으로 참조되거나 청구될 수 있다. 그룹의 하나 이상의 멤버들은 편리 및/또는 특허가능성의 이유들로 그룹에 포함되거나 그룹으로부터 삭제될 수 있다. 임의의 그러한 포함 또는 삭제가 발생하는 경우, 명세서는 여기서 변경된 따라서 첨부된 청구범위에서 사용된 모든 마쿠시 그룹들의 기록된 설명을 충족하는 그룹을 포함하는 것으로 생각된다.
본 발명의 청구물은 링크 연관 분석 시스템이 링크된 오브젝트의 콘텍스트에 기초하여 연관 이유 오브젝트를 생성하는 장치, 시스템들 및 방법들을 제공한다.
링크 오브젝트는 컴퓨터 매체 상에 저장된 데이터 구조를 포함하고 그것은 링크된 컨텐츠, 아마도 웹 페이지로의 포인터, 및 링크의 생성자를 식별하는 링크 생성자 식별자를 포함한다. 예시적인 포인터들은 유니폼 자원 로케이터들 (URLs), 네트워크 어드레스들, 이메일 어드레스들, 폰 넘버들, 북마크들, 네트워킹 콘택트들, 애플리케이션 프로그램 인터페이스 (API), 윈도우즈 숏컷들, 숏 컷들, UNIX 심볼릭 링크들, 또는 다른 타입들의 머신 이해가능한 어드레스들을 포함한다. 포인터는 시스템이 사용자 또는 사용자에 의해 생성될 수 있거나, 시스템이 제공된 컨텐츠에 기초하여 포인터를 자동적으로 생성할 수 있을 것이다. 예를 들어, 시스템은, 사용자가 액션들의 "컷 앤드 페이스트 (cut-and-paste)" 세트를 통해 컨텐츠를 참조하는 경우 시스템이 링크된 컨텐츠를 포인팅하고 링크 생성자로서 그 사용자를 식별하는 링크 오브젝트를 생성할 수 있도록, 특정의 방식으로 컨텐츠를 참조하는 사용자의 액션들을 추적할 수 있을 것이다. 링크 오브젝트는 통상적으로 연관 분석 시스템에 액세스가능한 메모리일 수도 있고 하나 이상의 링크 오브젝트들을 저장하도록 구성되는 링크 데이터베이스 내에 저장된다.
예시적인 컨텐츠는 오프 라인 컨텐츠 (즉, 가능하게는 컴퓨터 시스템의 데이터 스토어에 국부적으로 저장되는 컨텐츠) 또는 온 라인 컨텐츠 (즉, 네트워크를 통해 컴퓨터 시스템에 의해 액세스가능한 컨텐츠) 를 포함한다. 컨텐츠는 텍스트 데이터, 오디오 데이터, 비디오 데이터, 이미지 데이터, 운동감각 데이터, 메타데이터, 로케이션 데이터, 시간 데이터, 주변 데이터, 실시간 데이터, 생체 데이터, 또는 다른 타입들의 컨텐츠와 같은, 사용자에게 관심 있는 데이터의 하나 이상의 종류들을 가질 수 있을 것이다.
링크 분석 엔진은 링크 오브젝트의 콘텍스트, 즉 링크 오브젝트가 어떻게 사용되는지에 대한 상황들을 결정하기 위해 링크 오브젝트의 하나 이상의 양태들을 분석할 수 있다. 콘텍스트는 가능하게는 포인터가 디스플레이되거나 임베딩되거나, 렌더링되거나 다르게는 제시되는 로케이션 (예를 들어, 소셜 미디어 페이지, 블로그 포스트, 제품 리뷰들 등); 포인터가 포인팅하는 컨텐츠; 포인터의 속성들; 링크 생성자의 속성들; 링크 오브젝트를 제시하는데 사용된 방법; 또는 링크 컨텐츠 자체의 속성들을 포함하여, 링크 오브젝트가 존재하는 환경에 관련된 여러 속성들로부터 도출될 수 있다. 예시적인 콘텍스트는 포인터 (또는 링크) 가 제시되는 로케이션 (즉, 컨텐츠가 위치되는 URL 로의 링크를 포함하는 웹 사이트) 및 링크된 컨텐츠 자체에 관련된다. 예를 들어, 링크된 컨텐츠는 게시판, 포럼, 또는 다른 타입의 네트워크 액세스가능 데이터베이스에의 포스트의 형태로 제시될 수 있을 것이다. 예시적인 포스트들은 비디오 포스트들, 포럼 포스트들, 코멘트 포스트들, 아티클들, 소셜 네트워킹 포스트들, 코멘팅 스레드들, 리뷰들, 또는 다른 타입의 온 라인 포스트들을 포함한다. 콘텍스트는 온 라인 또는 오프 라인 컨텐츠를 가질 수 있을 것이고, 또는 온 라인 또는 오프 라인 컨텐츠로부터 도출될 수 있을 것이다. 링크 생성자의 속성들은 링크 오브젝트와 연관될 수도 있거나 연관되지 않을 수도 있는 링크 생성자의 속성들을 상세화하는 링크 생성자 프로파일을 통해 액세스가능할 수 있을 것이다.
일단 링크 분석 엔진이 링크된 오브젝트의 콘텍스트를 분별하기 위해 링크 오브젝트의 양태들을 분석하면, 링크 분석 엔진은 연관 이유 오브젝트를 인스턴스화할 수 있다. 연관 이유 오브젝트는 링크 생성자가 참조된 컨텐츠와 링크가 디스플레이되는 로케이션 사이를 연관시킨 적어도 하나의 이유를 나타내는 데이터 오브젝트이다. 예시적인 연관 이유 오브젝트는 개념적 이유 또는 온톨로지 (ontology) 에의 콘텍스트의 맵핑을 나타낼 수 있을 것이다. 그러한 개념적 이유는 시스템의 사용자가 링크 소유자, 개인들의 그룹들, 복수의 링크 오브젝트들의 공통 소유자들, 또는 집단 (population) 의 다른 부분들에 대한 이유 패턴을 추적하는 것을 허용하도록 하나 이상의 개념 맵들에 걸쳐 정규화될 수 있다. 개념적 이유들은 유머 클래스, 기술적 클래스, 교육적 클래스, 종교 클래스, 정치 클래스, 추천 클래스 또는 심지어 널 (NULL) 클래스와 같은 하나 이상의 이유 분류 스킴들로 분류될 수 있다. 널 클래스들은 기지의 이유 클래스들 중 하나로 또는 템플레이트로서 분류될 수 없는 이유 오브젝트들에 대해 사용될 수 있고, 그것은 그 후 새로운 이유 클래스의 생성을 위해 사용자 또는 별개의 시스템으로 전달될 수 있을 것이다. 이유 클래스들은 서브 클래스들로 더욱 분할될 수 있을 것이다; 가능하게는 존재론적인 계층에 따라, 예를 들어 유머 클래스에서의 이유는 수개의 타입들의 유머 (예를 들어, 풍자, 상황, 관찰 기반, 불합리 등) 로 서브 분할될 수 있을 것이고, 정치 클래스에서의 이유는 정치적 관계들 (예를 들어, 공화당, 민주당, 자유당 등) 로 서브 분할될 수 있을 것이다.
사용자 인터페이스는 통상적으로 사용자가 사용자 인터페이스와 동일한 컴퓨터 시스템 (예를 들어, 워크스테이션, 웹 서버 등) 상에 상주할 수도 있거나 상주하지 않을 수도 있는 링크 연관 분석 시스템에의 액세스를 얻는 것을 가능하게 하기 위해 컴퓨터 시스템 상에 설치된다. 사용자 인터페이스를 제시하는 예시적인 컴퓨터 시스템들은 이동 전화들, 태블릿들, 텔레비젼들, 셋톱 박스들, 애플리케이션들, 키오스크들, 미디어 플레이어, 게임 콘솔들, 증강 현실 장비들 (예를 들어, 전화들, 카메라들, 유리들 등) 또는 차량들을 포함한다. 사용자 인터페이스는 바람직하게는 일부 방식으로 (예를 들어, HTTP, SaaS, PaaS, IaaS 등) 링크 분석 엔진에 기능적으로 커플링되고, 사용자가 다양한 방식들로 링크 연관 분석 시스템과 상호작용하는 것을 허용하도록 구성될 수 있을 것이다. 예를 들어, 사용자 인터페이스는 사용자가 연관 이유 오브젝트와의 상호작용을 정의하고, 새로운 클래스를 정의하며, 기지의 개념적 이유의 클래스를 재정의하고, 온톨로지를 입력하며, 개념 맵을 입력하거나, 엔진에 의해 분석을 위한 링크 오브젝트를 선택하거나, 다르게는 연관 이유 오브젝트들을 관리하는 것을 허용하도록 구성될 수 있을 것이다.
예시의 실시형태에서, 사용자 인터페이스는 FacebookTM, LinkedInTM, Match.comTM, AngieslistTM, 또는 다른 소셜 미디어 포털과 같은 소셜 네트워킹 사이트와 상호작용하거나 그러한 소셜 네트워크 사이트의 일부이다. 일부 실시형태들에서, 사용자 인터페이스와의 사용자의 상호작용은 컨텐츠의 생성자에 가입하는 것, 컨텐츠의 엔티티를 통지하는 것, 트랜스액션을 수행하는 것, 감정을 전달하는 것, 또는 소셜 네트워킹 사이트에 컨텐츠를 포스팅하는 것과 같은, 소셜 네트워크 사이트와의 작용을 통해 연관 이유 오브젝트와의 상호작용을 정의한다. 예를 들어, FacebookTM 과 같은 소셜 미디어 웹사이트의 사용자가 소셜 네트워킹 사이트 상의 "친구" 에 의해 생성된 링크된 컨텐츠에 대한 감정 (예를 들어, 좋아요, 싫어요, 중성적 감정 등) 을 전달하는 경우, 사용자 인터페이스는 그 후 연관 이유 오브젝트와의 상호작용을 정의하는데 그 전달된 감정을 사용할 수 있을 것이다. 그러한 감정들은 링크된 컨텐츠와 연관된 다양한 속성들에 대한 임의의 선호도, 예를 들어 링크 생성자에 대한 선호도 또는 연관 이유 오브젝터와 연관된 선호도를 전달할 수 있을 것이다.
사용자 인터페이스는 또한 다양한 방식들로 다른 프로그램으로 또는 다른 사용자에게 연관 이유 오브젝트를 제시하도록 구성될 수 있을 것이다. 사용자 인터페이스는 또한 링크 분석 엔진이 사용자에게 포스팅된 하나 이상의 질문들에 기초하여 연관 이유 오브젝트를 생성하는 것을 허용하도록 구성될 수 있을 것이다. 예를 들어, 각각의 사용자에게 해당 사용자가 생각하기에 링크가 링크 오브젝트의 하나 이상의 속성들을 갖고 생성된 이유를 묻는 설문조사가 제시될 수 있을 것이다. 다른 실시형태들에서, 링크 분석 엔진은 콘텍스트 및/또는 링크된 컨텐츠와 연관된 속성들의 함수로서 이유 오브젝트 템플레이트들을 검색함으로써 연관 이유 오브젝트를 생성하도록 구성될 수 있을 것이다. 그러한 이유 오브젝트 템플레이트들은 다른 소셜 미디어 사이트들, 포럼들, 뉴스 아티클들, 또는 다른 데이터베이스 구조들과 같은 다양한 상이한 타입들의 소스들로부터 수집될 수 있을 것이다. 링크 분석 엔진은 심지어 링크 생성자 프로파일, 콘텍스트, 링크된 컨텐츠, 상기의 것들 중 임의의 것의 속성들, 또는 상기의 것들의 조합에 기초하여 이유 오브젝트 템플레이트를 팝퓰레이팅할 수 있을 것이다.
본 발명의 주제의 여러 목적들, 특징들, 양태들 및 이점들은 첨부한 도면들과 함께 바람직한 실시형태들의 다음의 상세한 설명으로부터 더욱 명백해질 것이며, 동일한 부호는 동일한 컴포넌트들을 나타낸다.
도 1 은 예시의 링크 연관 분석 시스템의 개략도이다.
도 2 는 본 발명의 링크 연관 분석 시스템에 의해 분석된 링크를 보여주는 예시적인 사용자 인터페이스를 도시한다.
도 3 은 본 발명의 링크 연관 분석 시스템에 의해 사용될 수 있을 가능한 단계들을 도시한다.
다음의 논의에 걸쳐, 다수의 참조들이 서버들, 서비스들, 인터페이스들, 엔진들, 모듈들, 클라이언트들, 피어들, 포털들, 플랫폼들, 또는 컴퓨팅 디바이스들로부터 형성된 다른 시스템들에 관해 행해질 것이다. 그러한 용어들의 사용은 컴퓨터 판독가능한 유형의 비일시적 매체 (예를 들어, 하드 드라이브, 솔리드 스테이트 드라이브, RAM, 플래시, ROM 등) 상에 저장된 소프트웨어 명령들을 실행하도록 구성된 적어도 하나의 프로세서 (예를 들어, ASIC, FPGA, DSP, x86, ARM, ColdFire, GPU, 멀티코어 프로세서들 등) 를 갖는 하나 이상의 컴퓨팅 디바이스들을 나타내는 것으로 생각된다는 것이 인정되어야 한다. 예를 들어, 서버는 웹 서버, 데이터베이스 서버, 또는 기술된 역할들, 책임들, 또는 기능들을 충족시키는 방식의 다른 타입의 컴퓨터 서버로서 동작하는 하나 이상의 컴퓨터들을 포함할 수 있다. 개시된 컴퓨터 기반 알고리즘들, 프로세스들, 방법들 또는 다른 타입들의 명령 세트들은 프로세서로 하여금 개시된 역할들 또는 책임들을 충족시키는 개시된 단계들을 실행하게 하는 명령들을 저장하는 비일시적 유형의 컴퓨터 판독가능 매체 (예를 들어, 하드 드라이브, 컴퓨터 메모리, CD, DVD 등) 를 포함하는 컴퓨터프로그램 제품으로서 구현될 수 있다. 여러 서버들, 시스템들, 데이터베이스들, 또는 인터페이스들은 가능하게는 HTTP, HTTPS, AES, 공개-비밀 키 교환들, 웹 서비스 API 들, 기지의 재정 트랜잭션 프로토콜들, 또는 다른 전자 정보 교환 방법들에 기초하여 표준화된 프로토콜들 또는 알고리즘들을 사용하여 데이터를 교환할 수 있다. 데이터 교환들은 패킷 교환 네트워크, 인터넷, LAN, WAN, VPN, 또는 다른 타입의 패킷 교환 네트워크를 통해 행해질 수 있다.
개시된 기법들은 연관 이유 오브젝트들에 기초하여 컴퓨팅 디바이스 거동들을 제어하는 것을 포함하는 다수의 이로운 기술적 효과들을 제공한다는 것을 인정해야 한다. 연관 이유 오브젝트들은 컴퓨팅 디바이스들로 하여금 가능하게는 컨텐츠를 선택적으로 렌더링하는 것, 통계를 제공하는 것, 온라인 구배들에 종사하는 것, 또는 다른 상호작용들을 포함하는 하나 이상의 액션들을 취하게 할 수 있다.
다음의 논의는 본 발명의 주제의 다수의 예시의 실시형태들을 제공한다. 각각의 실시형태는 발명의 엘리먼트들의 단일의 조합을 나타내지만, 발명의 주제는 개시된 엘리먼트들의 모든 가능한 조합들을 포함하는 것으로 고려된다. 따라서, 하나의 실시형태가 엘리머트들 A, B, 및 C 를 포함하고, 제 2 실시형태가 엘리먼트들 B 및 D 를 포함하는 경우, 발명의 주제는 또한 비록 명시적으로 개시되지는 않을 지라도 A, B, C, 또는 D 의 다른 나머지 조합들을 포함하는 것으로 고려된다.
여기에 사용되는 바와 같이, 그리고 콘텍스트가 달리 언급하지 않는 한, 용어 "~에 커프링된" 은 서로에 커플링되는 2 개의 엘리먼트들이 서로 접촉하는) 직접적인 커플링 및 (2 개의 엘리먼트들 사이에 적어도 하나의 추가적인 엘리먼트가 위치되는) 간접적인 커플링 양자 모두를 포함하도록 의도된다. 따라서, 용어들 "~에 커플링된" 및 "~와 커플링된" 은 동의어로 사용된다. 네트워킹된 디바이스들의 콘텍스트에서, 용어들 "~에 커플링된" 및 "~와 커플링된" 은 2 개 이상의 컴퓨팅 디바이스들이 가능하게는 하나 이상의 매개의 디바이스들을 통해 네트워크 링크들을 통해 서로와 데이터를 교환할 수 있는 "~와 통신적으로 커플링된' 을 의미하는 것으로 완곡어법으로 사용된다.
도 1 에서, 예시의 링크 연관 분석 시스템 (100) 을 도시한다. 도시된 바와 같이, 링크 연관 분석 시스템 (100) 은 링크 데이터베이스 (110) 및 링크 분석 엔진 (130) 을 포함한다. 링크 데이터베이스 (110) 는 여러 컨텐츠 중에서 링크들을 나타내는 하나 이상의 링크 오브젝트들 (120) 을 저장하도록 구성되거나 프로그래밍된다. 일부 실시형태들에서, 시스템 (100) 은 또한 하나 이상의 이유 데이터베이스 (170) 를 포함할 수 있다. 링크 분석 엔진 (130) 은 사용자가 컨텐츠 (150) 에 대한 링크를 생성한 이유를 뒷받침하는 하나 이상의 이유들을 도출하는 것으로 지향된 역할들 또는 책임들을 갖는다.
일 예로서, 어떤 사람이 제시 인터페이스 (140) 에 의해 표현된 바와 같은 웹 브라우저를 통해 포럼 상의, 아마도 reddit.com, 또는 digg.com 상의 포스트들을 검토하고 있는 시나리오를 고려하라. 그 사람은 재미있도록 또는 풍자적이도록 할 시도로 그 포럼 상의 컨텐츠에 응답하여 외부 컨텐츠 (150) 에 링크하는 포스트를 제출할 수도 있을 것이다. 불행하게도, 다른 독자들은 그 링크가 풍자적이도록 의도된다는 것을 인식하지 않을 수도 있을 것이다. 오히려, 다른 독자들은 그 포럼에서 "상호 공격 (flame war)" 또는 과도한 "노이즈" 를 발생시킬 수 있을 비열한 것으로서 또는 심각한 것으로서 그 링크를 취할 수 있을 것이다. 링크 분석 엔진 (130) 은 우선 그 사람이 링크를 생성하도록 동기를 부여하는 가능한 근본적인 이유를 도출하도록 하는 시도로 그 링크와 연관된 정보 또는 콘텍스트를 레버리지한다. 콘텍스트는 컨텐츠 (150) 에 관련된 정보, 링크를 둘러싼 컨텐츠 (예를 들어, 다른 포럼 포스트들, 스레드 토픽들 등), 그 사람과 연관된 정보, 독자 반응들, 또는 다른 파라미터들을 포함할 수 있다. 이유는 가능하게는 출력 디바이스 (160) 에 의해 묘사된 바와 같이 다른 포럼 독자의 브라우저 상에 제시된 연관 이유 오브젝트 (134) 로서 표현된다.
링크 데이터베이스 (110) 는 링크 생성자 식별자 (122) 및 링크된 컨텐츠 (150) 로의 포인터 (124) 를 포함하는 링크 오브젝트 (120) 와 같은 하나 이상의 링크 오브젝트들을 저장하도록 구성된다. 링크 데이터베이스 (110) 는 링크된 컨텐츠 (150), 링크 생성자 식별자 (122), 포인터 (124) 로부터, 또는 링크 제시 인터페이스 (140) 로부터 추출된 특징들 또는 속성들에 의해 정의될 수 있을 네임스페이스로부터 도출된 인덱싱 스킴을 사용할 수 있다. 그러한 특징들 및 속성들은 분석 프로세스를 능률적으로 하는 것을 돕기 위해 링크 데이터베이스 (110) 내에 저장되기 전에 분류 스키마에 따라 정규화될 수 있을 것이다. 링크 생성자 식별자 (122) 는 링크를 생성하는 엔티티 (예를 들어, 인간, 사용자, 소비자, 컴퓨터 등) 를 나타내는 데이터를 포함할 수 있다. 예시의 링크 생성자 식별자들은 사용자 이름, 사용자 ID (예를 들어, GUID, UUID 등), 이메일 어드레스, 소셜 시큐리티 번호, 디지털 사인, 해시 값, 또는 엔티티를 나타내는 다른 타입의 값을 포함할 수 있다. 포인터 (124) 는 컨텐츠 (150) 를 "포인팅하는" 또는 컨텐츠 (150) 로 "링크하는" 어드레스를 나타낸다. 웹 기반 콘텍스트 내의 예의 경우, 포인터 (124) 는 인터넷 상에 위치된 컨텐츠 (150) 에 링크하는 HTTP 하이퍼링크를 포함할 수 있을 것이다. 포인터 (124) 의 특성은 또한 링크 오브젝트 (120) 가 존재하는 환경에 따라 변할 수 있다. 포인터 (124) 의 예들은 URL 들, URI 들, IP 어드레스, HTTP 링크들, 프로토콜 어드레스들 (예를 들어, 포트 할당들 등), 로지컬 블록 어드레스들, 파일명들, 디지털 오브젝트 식별자들, 도메인 이름들, 메모리 로케이션들, 해시 기반 어드레스들 (예를 들어, BitTorrent 어드레스들, BitCoin 어드레스들 등), 또는 다른 타입들의 어드레스들을 포함할 수 있다. 포인터 (124) 의 더욱 바람직한 양태들은 링크 분석 엔진 (130) 이 포인터 (124) 를 통해 컨텐츠 (150) 에 액세스하는 것을 허용하는 컴퓨터 이해가능한 형태로 포인터 (124) 를 인코딩하는 것을 포함한다.
비록 링크 오브젝트 (120) 가 링크 데이터베이스 (110) 내의 별개의 관리가능한 데이터 오브젝트로서 제시되지만, 링크 오브젝트 (120) 는 넓은 스펙트럼의 형태들을 취할 수 있다는 것이 인정되어야 한다. 일부 실시형태들에서, 링크 오브젝트 (120) 는 링크 생성자 식별자 (122) 및 포인터 (124) 가 레코드의 필드들인 적합한 스키마에 따라 인덱싱된 바와 같은 링크 데이터베이스 (110) 내의 레코드를 포함할 수 있다. 다른 실시형태들에서, 링크 오브젝트 (120) 는 또한 웹 페이지 내의 임베딩된 컨텐츠를 포함할 수 있을 것이다. 예를 들어, 링크 오브젝트 (120) 는 Amazon® 에 의해 서빙되는 제품 웹 페이지 내에 임베딩된 링크들을 갖는 리뷰 (review) 일 수 있을 것이다. 리뷰는 외부 컨텐츠 (150) 로의 링크를 포함할 수 있을 것이다. 링크 오브젝트 (120) 는 또한 소셜 미디어 사이트 상의 포스트와 같은 임베딩된 컨텐츠를 나타낼 수 있을 것이다. 그러한 실시형태들에서, 링크 데이터베이스 (110) 는 링크 생성자가 제시 인터페이스 (140) 를 통해 링크들을 제공할 수 있는 웹 서비스들을 제공하는 하나 이상의 웹 서버들로서 구현될 수 있다.
링크 오브젝트 (120) 는 또한 링크 분석 엔진 (130) 에게 링크 오브젝트 (120) 에 관련된 콘텍스트 정보에의 액세스를 제공하는 링크 생성자 식별자 (122) 및 포인터 (124) 를 너머 추가적인 정보를 포함할 수 있다. 예를 들어, 링크 오브젝트 (120) 는 또한 아마도 블로그 포스트 또는 제품 리뷰의 본체로서 사용자-제공된 컨텐츠를 포함할 수 있을 것이다. 다른 예들은 링크 분석 엔진 (130) 이 원격 보안된 서버 상의 컨텐츠 (150) 를 액세스하는 것을 가능하게 할 수 있을 인증 또는 인가 정보 (예를 들어, 패스워드들, 사용자 ID, 공개 키들 등) 를 포함한다. 여전히 다른 예들은 링크 오브젝트 (120) 의 특성을 기술하는 하나 이상의 속성들 및 가능하게는 대응하는 값들을 포함한다. 추가적인 링크 오브젝트 속성들은 시간 스탬프들, 디바이스 위치, 디바이스 배향, 디바이스 또는 사용자 로케이션 (예를 들어, GPS 좌표들, 삼각측량 좌표들 등), 생체 정보, 또는 다른 타입들의 데이터를 포함할 수 있을 것이다. 가능하게는 링크 생성자 식별자 (122) 의 일부로서, 링크 오브젝트 (120) 내에 포함될 수 있는 예시적인 정보는 이름, 나이, 성별, 정치적 관계, 고용 상태, 또는 링크 생성자의 다른 특징적 정보를 포함할 수 있을 것이다. 따라서, 링크 분석 엔진 (130) 은 링크 생성자 식별자 (122) 와 관련하여 분석된 데이터에 의존하여 넓거나 그래뉼레이트된 (granulated) 콘텍스트 (132) 를 결정할 수 있을 것이다.
도시된 바와 같이, 링크 분석 엔진 (130) 은 제시 인터페이스 (140), 출력 디바이스 (160), 링크 데이터베이스 (110), 및 이유 데이터베이스 (170) 로부터 분리된 별개의 컴퓨팅 시스템으로서 제시된다. 일부 실시형태들에서, 링크 분석 엔진 (130) 은 그것의 웹-기반 서비스들을 다른 인터넷-기반 서버들에 제공하는 서비스로서, 아마도 유료 서비스로서 동작한다. 다른 실시형태들에서, 링크 분석 엔진 (130) 은 하나 이상의 설치가능한 모듈들로서 다른 플랫폼들 내에 통합될 수 있다. 예를 들어, 링크 분석 엔진 (130) 은 소셜 미디어 사이트, 제품 리뷰 사이트, 또는 다른 타입의 웹-기반 사이트 내에 플러그-인 (plug-in) 으로서 통합될 수 있다.
일반적으로, 링크 생성자는 브라우저 또는 심지어 애플리케이션 내에서, 일부 종류의 링크 제시 인터페이스 (140) 상에서 제시되도록 링크된 컨텐츠 (150) 로의 포인터 (124) 를 생성할 것이다. 고려되는 링크 제시 인터페이스 (140) 는 소셜 네트워킹 사이트들, 인터넷 포럼들, 브라우저들, 게시판들, 뉴스 미디어 아울렛들, 블로그들, 컴퓨터 폴더들, 또는 다른 알려진 링크 어그리게이터들 (aggregators) 을 포함한다. 포인터 (124) 는 유니폼 자원 로케이터 (URL), 이메일 어드레스, 네트워크 어드레스, 폰 넘버, 북마크, 네트워킹 콘택트, 애플리케이션 프로그램 인터페이스 (API) 또는 링크된 컨텐츠 (150) 에 링크하는 임의의 다른 타입의 포맷과 같은 다양한 형태들로 제시될 수 있을 것이다. 링크 제시 인터페이스 (140) 와 연관된 프로그램들은 포인터 (124) 의 카피, 링크된 컨텐츠 (150) 에 관한 메타데이터, 링크 생성자 식별자 (122), 링크 생성자에 관한 메타데이터, 링크 생성자가 포인터 (124) 를 생성한 방법에 관한 메타데이터, 및 링크 생성자가 제시 인터페이스 (140) 로 포인터 (124) 를 포스팅한 방법에 관한 메타데이터와 같은 포인터 (124) 에 대한 정보를 포함하는 링크 오브젝트 (120) 를 생성할 수도 있다.
다른 실시형태들에서, 링크 분석 엔진 (130) 은 포인터들이 링크 제시 인터페이스 (140) 상에서 생성되는 시기를 검출하도록 구성될 수 있을 것이고, 그 후 링크 분석 엔진 (130) 에 의해 수집된 정보에 따라 링크 데이터베이스 (110) 내에서 링크 오브젝트 (120) 를 생성할 수 있다. 예를 들어, 링크 분석 엔진 (130) 은 포스트가 포인터 (124) 를 포함하는 소셜 미디어 사이트 상에 사용자가 코멘트를 포스팅하는 시기를 검출할 수 있을 것이다. 그러한 정보는 링크 제시 인터페이스 (140), 링크된 컨텐츠 (150), 또는 검색 엔진 또는 프로파일 데이터베이스와 같은, 임의의 다른 정보 레포지토리 (repository) 로부터 수집될 수 있을 것이다. 일부 실시형태들에서, 링크 제시 인터페이스 (140) 는 결코 포인터를 포함하지 않을 수도 있지만, 대신에 링크된 컨텐츠 (150) 그 자체를 포함할 수도 있거나, 링크된 컨텐츠 (150) 에 대한 참조를 포함할 수도 있고, 이 경우 링크 분석 엔진 (130) 은 대응하는 포인터 (124) 를 자동적으로 생성하도록 구성될 수 있을 것이다. 예를 들어, 링크 제시 인터페이스 (140) 가 시를 갖는 아티클을 갖는 블로그인 경우, 링크 분석 엔진 (130) 은 링크 제시 인터페이스 (140) 를 분석하고, 그 시를 식별하며, 그 블로그의 저자를 식별하는 링크 생성자 식별자 (122) 를 갖는 링크 오브젝트 (120) 를 생성하고, 링크 제시 인터페이스 (140) 를 통해 그 시에 대한 정보 또는 그 시에 링크하는 포인터 (124) 를 생성할 수 있을 것이다.
링크 분석 엔진 (130) 은 링크 오브젝트 (120) 를 분석하여 링크 오브젝트 (120) 가 그 자신을 발견하는 환경 내의 그의 콘텍스트를 결정하도록 구성된다. 콘텍스트의 하나의 양태는 포인터 (124) 가 링크된 컨텐츠 (150) 의 속성들에 대해 링크 제시 인터페이스 (140) 에서 어떻게 제시되는가를 나타내는 데이터를 포함할 수 있을 것이다. 고려된 시스템들에서, 콘텍스트는 링크 분석 엔진 (130) 내의 콘텍스트 결정 모듈 (131) 을 사용하여 결정될 수 있다. 콘텍스트 결정 모듈 (131) 은 여러 소스들로부터 환경에 관련된 데이터의 하나 이상의 피스들 (pieces) 을 수집할 수 있다. 예를 들어, 콘텍스트 결정 모듈 (131) 은 링크 생성자에 관련된 정보 (예를 들어, 프로파일 정보, 사용자 이름, 이력 등), 포인터 (124) 를 둘러싸는 컨텐츠, 또는 심지어 포인터 (124) 가 포인팅하는 컨텐츠 (150) 를 획득한다. 특정의 관심으로, 콘텍스트 결정 모듈 (131) 은 포인터 (124) 가 링크된 컨텐츠 (150) 가 제공되는 로케이션에 관련된 콘텍스트 (132) 를 결정한다. 따라서, 콘텍스트 결정 모듈 (131) 은 컨텐츠 (150) 와 포인터 (124) 가 배치되는 주위의 컨텐츠 사이의 병치 (juxtaposition) 을 결정할 수 있다.
콘텍스트 (132) 는 포인터 (124) 가 제시되는 방법의 특성에 관련된 하나 이상의 속성들을 갖는 데이터 오브젝트로서 고려될 수 있다. 일부 실시형들에서, 콘텍스트 (132) 의 속성들은 이름 및 값을 갖는 기본 속성들을 포함할 수 있다. 그러한 속성들 및 대응하는 값들은 컨텐츠 (150) 또는 다른 소스들로부터 자동적으로 풀링 (pulling) 될 수 있다. 예를 들어, 포인터 (124) 가 비디오 게임의 채팅 윈도우 내에 제시되는 시나리오에서, 콘텍스트는 (예를 들어, 게임의 이름, 게임 내의 현재의 활동, 게임의 타입, 플레이어들이 수, 시간 등과 같은) 제시된 포인터의 로케이션을 나타내는 그리고 (예를 들어, 컨텐츠 (150) 의 오리지날 소스 또는 포스터, 컨텐츠 (150) 와 연관된 감정, 컨텐츠 (150) 로부터의 키 워드들 또는 개념들 등과 같은) 컨텐츠 (150) 의 특성을 나타내는 속성들을 포함할 수 있다. 다른 실시형태들에서, 콘텍스트 (132) 는 이용가능한 정보에 기초하여 도출된 구성을 표현할 수 있다. 콘텍스트 결정 모듈 (131) 은 하나 이상의 콘텍스트 템플레이트들에 이용가능한 여러 소스들로부터 획득된 정보를 맵핑할 수 있다. 더 구체적인 예로서, 콘텍스트 결정 모듈 (131) 은 컨텐츠 (150) 로부터 키 워드들을 컴파일할 수 있고 룩업 테이블, 어구 시소러스 (thesaurus), 또는 다른 기법을 통해 그 키 워드들을 콘텍스트 템플레이트에 맵핑할 수 있다. 템플레이트는 그 후 소스들로부터 이용가능한 데이터에 기초하여 팝퓰레이트될 수 있다.
콘텍스트 (132) 는 링크에 관련된 상황의 정량화된 설명으로 고려될 수 있다. 콘텍스트는 다음 중 하나 이상을 표현할 수 있을 것이다: 쇼핑 콘텍스트, 교육 콘텍스트, 일 또는 사무실 콘텍스트, 여행 콘텍스트, 엔터테인먼트 콘텍스트, 진행 중인 (on-going) 콘텍스트, 또는 다른 타입들의 콘텍스트들. 콘텍스트 (132) 는 하나 이상의 타입들의 컨텐츠를 반영할 수 있다: 온-라인 컨텐츠 또는 오프-라인 컨텐츠. 콘텍스트 (132) 는 다음의 타입들의 컨텐츠 중 하나 이상을 반영하거나 심지어 포함할 수 있다: 텍스트 데이터, 오디오 데이터, 비디오 데이터, 이미지 데이터, 운동감각 데이터, 메타데이터, 로케이션 데이터, 시간 데이터, 주변 데이터, 또는 임의의 다른 종류의 양상. 여전히 추가로, 제시 인터페이스 (140) 내의 컨텐츠는 콘텍스트 (132) 에 영향을 미칠 수 있을 것이고, 비디오 포스트, 포럼 포스트, 코멘트 포스트, 아티클, 소셜 네트워킹 포스트, 코멘트 스레드, 리뷰, 또는 링크가 포스트되거나 행해진 로케이션으로부터의 다른 정보.
일단 링크 분석 엔진 (130) 이 링크 오브젝트 (120) 에 대한 콘텍스트 (132) 를 결정한 경우, 링크 분석 엔진 (130) 은 콘텍스트 (132) 로부터 도출된 연관 이유 오브젝트 (134) 를 생성할 수 있다. 따라서, 링크 오브젝트 (120) 가 그의 주위의 컨텐츠 및 링크 컨텐츠 (150) 와 관련하여 어떻게 사용되는지의 특성은 링크의 생성에 대한 근본적인 이유를 추정하기 위해 레버리지될 수 있다.
연관 이유 오브젝트 (134) 가 연관이 행해진 이유에 대한 표현으로서 고려되고, 이와 같이 그러한 이유와 연관된 하나 이상의 속성들을 가질 수 있을 것이라는 것을 인식해야 한다. 연관 이유 오브젝트 모듈 (133) 은 출력 디바이스 (160) 을 통해 사용자에게 제시되는 그러한 연관 이유 오브젝트 (134) 를 생성하기 위해 링크 분석 엔진 (130) 에 의해 사용될 수 있을 것이다. 출력 디바이스 (160) 는 또한 제시 인터페이스 (140) 로서 동작할 수 있을 것이다. 일부 실시형태들에서, 단일의 콘텍스트 (132) 는 복수의 타당하거나 잠재적인 연관 이유 오브젝트들 (134) 을 생성할 수 있을 것이다. 하나 이상의 생성된 연관 이유 오브젝트들은 출력 디바이스 (160) 를 통해 사용자에게 제시될 수 있을 것이다. 그러한 실시형태를 사용하여, 링크 생성자는 그 후 가능한 연관 이유 오브젝트들 (134) 각각을 리뷰하고 링크 생성자가 링크된 오브젝트 (150) 를 식별한 가장 가능성 있는 이유로서 가장 바람직한 연관 이유 오브젝트를 선택할 수 있을 것이다. 일부 실시형태들에서, 링크 분석 엔진 (130) 은 정규화된 인덱싱 스키마를 사용하여 별도의 연관 이유 데이터 베이스 (170) 또는 링크 데이터베이스 (110) 내에 이전에 선택된 연관 이유 오브젝트들을 저장할 수 있을 것이다.
이러한 방식으로, 사용자 (또는 복수의 사용자들) 이 (링크 생성자, 링크 생성자들의 카테고리, 또는 링크 그 자체와 같은) 속성과 연관된 연관 이유 오브젝트들을 검색할 수 있기 때문에, 시스템은 링크 생성자, 또는 링크 생성자들의 카테고리와 연관된 가장 통상적인 연관 이유 오브젝트들을 "기억" 할 수 있을 것이고, 그 후 시스템은 리스트의 최상위에 속성과 연관된 가장 통상적으로 선택된 연관 이유 오브젝트에 우선순위를 부여할 수 있을 것이다. 일부 실시형태들에서, 시스템은 콘텍스트에 의해 생성된 연관 이유 오브젝트들의 리스트 내의 최고 우선순위 연관 이유 오브젝트를 자동적으로 선택하도록 구성될 수 있을 것이다. 따라서, 개시된 시스템은 링크들을 생성하는 것 배후의 '이유' 또는 의도를 나타내는 검색 결과들을 제공할 수 있는 '이유' 검색 엔진을 야기하는 것으로 고려될 수 있다.
콘텍스트 (132) 가 제시 인터페이스 (140) 및 링크 컨텐츠 (150) 내의 주위의 컨텐츠를 나타낼 수 있다는 관점에서, 연관 이유 오브젝트 (134) 를 2 개의 피스들의 정보를 함께 브리지 (bridge) 하는 콘텐츠로서 고려할 수 있다. 일부 실시형태들에서, 콘텍스트 (132) 는 개념들의 매트릭스에 의해 표현될 수 있을 것이다. 매트릭스의 차원들은 컨텐츠 (150) 에서 제시된 개념들 및 제시 인터페이스 (140) 내의 주위 컨텐츠에서 제시된 개념들을 나타낼 수 있다. 매트릭스의 각 셀은 가능하게는 링크 생성자 프로파일 정보에 의한 영향으로서, 연관 이유 오브젝트 (134) 가 인스턴스화되는 하나 이상의 규칙들을 포함할 수 있다. 예를 들어, 셀은 "게임들", "제품", "정치", "종교", "만화 스트립들", "물리학", 또는 다른 개념들로서 개념 라벨들에 의해 인덱싱될 수도 있을 것이다. 아마도 컨텐츠 (150) 로부터의 개념들이 "만화 스트립들" 쪽으로 강하게 기울고 주위 컨텐츠로부터의 개념들이 "정치" 쪽으로 기울어진 경우, "정치" 와 "만화 스트립들" 의 교차점에 위치된 매트릭스 셀은 유머 또는 풍자 이유 오브젝트를 생성하기 위한 규칙들을 포함할 것이다. 링크 생성자의 이력은 연관 이유 오브젝트 (134) 가 인스턴스화되는 방법에 영향을 미칠 수 있을 것이다. 다른 독자들이 과거에 통상적으로 그 생성자를 풍자적인 것으로서 등급을 매긴 경우, 이유 모듈 (133) 은 연관 이유 오브젝트 (134) 를 링크를 생성하는 것에 대한 도출된 근본적인 이유가 풍자의 표시를 갖는 유머스러운 것이라는 것을 나타내는 속성들을 갖는 데이터 구성으로서 인스턴스화할 수 있다.
고려된 시스템들에서, 연관 이유 오브젝트 (134) 는 온톨로지 또는 개념 맵과 같은 개념적 이유에 대한 맵핑을 포함할 수 있을 것이다. 예를 들어, 온톨로지는 다양한 이유들 (예를 들어, 유머스러운 응답, 수학적 이유, 철학적 이유들, 감정적 이유들, 교육적 이유, 동기적 이유, 의학적 또는 보건적 이유들, 사실적 이유 등) 을 나타내는데 사용될 수 있을 것이고, 개념 맵은 이유를 초래하는 수개의 고려할 사항들에서 개념들을 나타낼 수 있을 것이다 (예를 들어, 코미디 클럽에 대한 멤버십은 링크 생성자로 하여금 더 유머스러운 링크들을 생성하게 하고, 또는 유명한 수학자의 사이트 상의, FacebookTM 페이지 상의 것들과 같은 다른 링크들의 임계 수는 링크 생성자로 하여금 더 많은 수학적 링크들을 생성하게 한다). 개념적 이유 맵핑은 다양한 로직 언어들 (예를 들어, Common Logic, F-Logic, 및 KL-ONE) 을 사용하여 행해질 수 있을 것이다. 개념적 이유는 또한 에사니 (Ehsani) 의 US2002/0128821, 에사니의 US2008/0154577, 에사니의 US20090177461, 및 황 (Huang) 의 US2009/0171662 에 리스트된 것들과 같은 언어 정규화 및 추상화들을 사용함으로써 정규화된 개념적 이유로서 제시될 수 있을 것이며, 이들 각각은 참조에 의해 여기에 통합된다.
더욱이, 개념적 이유는 이유 분류를 포함할 수 있을 것이다. 고려된 시스템들에서, 이유 분류는 다음의 이유 클래스들 중 적어도 하나를 포함할 수 있을 것이다: 유머, 기술, 교육, 정치, 추천 또는 널 (NULL) (즉, 어떠한 이유도 결정되지 않았음). 이유 분류는 또한 서브 클래들을 포함할 수 있을 것이다. 예를 들어, 유머의 이유 클래스는 다음의 타입들의 서브 클래스들을 포함할 수 있다: 상황, 풍자, 아이러니, 또는 관찰 기반, 터무니 없음, 또는 다른 서브클래스. 사용자들은 그들이 이유 클래스가 너무 넓다고 느끼는 경우 이러한 특정성의 레벨이 이익이되는 것을 발견할 수 있을 것이다. 이유 분류는 바람직하게는 하나 이상의 계층들에 따라, 필요한 경우에 수개의 이유 클래스들 및 서브-클래스들을 포함할 수 있을 것이다. 이유 클래스가 널로서 정의되는 경우, 일부 실시형태들에서, 사용자는 사용자가 현존하는 이유 클래스 또는 서브클래스와 연관 이유 오브젝트를 연관시키거나, 심지어 시스템에서의 사용을 위해 새로운 이유 클래스 또는 서브클래스를 정의하는 것을 허용하는 사용자 인터페이스가 제시될 수 있을 것이다.
일부 실시형태들에서, 이유 분류는 이유들이 청구물의 특정의 타입으로 맵핑하는 경우 도메인 특정적일 수 있다. 이전에 논의된 예들은 주로 소셜 네트워킹 또는 제품 리뷰들에 관련된다. 그러나, 더욱 특정한 영역들로 지향되는 실시형태들에서, 연관 이유 오브젝트 (134) 는 또한 더욱 특정한 값들을 취할 것이다. 예를 들어, 의학적 도메인에서, 이유 분류 시스템은 지정된 질병들에 대한 진단 또는 치료들에 관련한 정보를 포함할 수 있다. 아마도 의사는 환자의 의학적 기록 내에 링크를 포함시키며, 여기서 그 링크는 처방된 약에 관련된 컨텐츠를 포인팅한다. 링크에 대한 연관된 이유 오브젝트는 증상을 완화시키거나 질병들을 치료하는 이유를 나타낼 수 있을 것이다. 이유 분류 시스템들을 레버리지하는 다른 도메인들은 게이밍 도메인들, 쇼핑 도메인들, 재정 도메인들, 여행 도메인들, 교육 도메인들, 과학 도메인들, 보건 도메인들, 미술 도메인들, 또는 다른 타입들의 도메인들을 포함한다.
연관 이유 오브젝트 (134) 를 개념적 이유에 맵핑하는 것에 더하여, 링크 분석 엔진 (130) 은 또한 가능하게는 미케니컬 터크 (mechanical turk) 인프라스트럭쳐 (예를 들어, Amazon®MTurkTM) 의 사용을 통해, 사용자들의 조사에 따라 연관 이유 오브젝트 (134) 를 생성하도록 구성될 수 있다. 이러한 기법을 사용하여, 사용자들은 그들이 생각하기에 링크가 생성되게 한 이유를 나타내는 표시를 입력한다. 일부 실시형태들에서, 사용자는 링크 생성자가 링크 포인터 (124) 를 생성하거나 포스트하는 가장 가능성있는 이유의 랭킹된 리스트가 제시될 수 있다. 조사의 결과들은 (a) 연관 이유 오브젝트 (134) 의 유일한 결정요인 또는 (b) 가능하게는 가중화 함수에 따라 연관 이유 오브젝트 (134) 의 인스턴스화의 영향 또는 함수로서 사용될 수 있을 것이다. 조사들은 연관된 컨텐츠의 향유의 가능한 중단을 감소시키기 위해 시청자의 일부에 제시될 수 있다는 것이 인정되어야 한다.
다른 실시형태들에서, 링크 분석 엔진 (130) 은 (a) 콘텍스트 (132) 와 연관된 속성들에 기초하여 연관 이유 오브젝트 (134) 를 생성하는 유일한 결정요인이거나, (b) 콘텍스트 (132) 와 연관된 속성들에 기초하여 연관 이유 오브젝트 (134) 의 생성의 함수에 대한 영향일 수 있을 함수들을 제공하는, 이유 데이터베이스 (170) 내에 저장된 하나 이상의 이유 오브젝트 템플레이트들을 이용할 수 있을 것이다. 일부 실시형태들에서, 링크 데이터베이스 (110) 는 또한 이유 데이터베이스 (170) 로서 동작할 수 있을 것이다. 또한, 이유 데이터베이스 (170) 는 링크 분석 엔진 (130) 의 메모리 내 데이터 스토어 또는 구조로서 구현될 수 있을 것이다.
링크 분석 엔진 (130) 은 출력 디바이스 (160) 가 임의의 적합한 시간에 연관 이유 오브젝트 (134) 를 제시하는 것을 가능하게 하도록 구성될 수 있을 것이다. 따라서, 연관 이유 오브젝트 (134) 는 링크 오브젝트 (120) 가 생성된 환경적 콘텍스트 내에서 다른 사람들에 의해 관람될 수 있다. 예시적인 출력 디바이스 (160) 들은 이동 전화, 태블릿, 텔레비젼, 셋톱 박스, 가전 제품, 키오스크, 컴퓨터 디스플레이, 및 차량 중 적어도 하나를 포함할 수 있을 것이다. 유사하게, 연관 이유 오브젝트 (134) 의 제시는 출력 디바이스 (160) 에 대해 또는 출력 디바이스 (160) 의 사용자에 의한 선호도에 대해 변할 수 있을 것이다. 예를 들어, 연관 이유 오브젝트 (134) 는 (이동 전화와 같은) 컴퓨터 디스플레이 상에 비쥬얼 형태로, 사운드 시스템, 아마도 Bluetooth® 사운드 시스템을 통해 사운드 형태로, 또는 리프레시가능한 Braille 디스플레이와 같은 촉각 디스플레이 상에 촉각 형태로 제시될 수 있을 것이다.
출력 디바이스 (160) 는 또한 하나 이상의 사용자들이 연관 이유 오브젝트 (134) 와 상호작용하거나 연관 이유 오브젝트 (134) 를 관리하는 것을 허용하도록 구성될 수 있어, 예를 들어 연관 이유 오브젝트 (134) 를 분석하거나, 연관 이유 오브젝트 (134) 를 변경하거나, 연관 이유 오브젝트 (134) 를 인스턴스화하는데 사용되는 연관 이유 템플레이트를 변경할 수 있을 것이다. 출력 디바이스 (160) 및 링크 제시 인터페이스 (140) 는 동일한 사용자 인터페이스이어서, 링크 생성자가 링크를 정의할 뿐만 아니라 연관 이유 오브젝트 (134) 또는 연관 이유 오브젝트 (134) 의 속성을 정의하는 것을 허용할 수 있을 것이다. 사용자가 링크된 컨텐츠 (150) 에 대한 포인터 (124) 를 생성하고 또한 연관 이유 오브젝트 (134) 를 변경하기 위해 직접 상호작용하는 것을 허용하는 고려된 링크 제시 인터페이스 (140) 는 FacebookTM, LinkedInTM, 또는 Angie's ListTM 와 같은 소셜 네트워킹 사이트들에 대한 사용자 인터페이스들을 포함한다.
고려된 실시형태들에서, 출력 디바이스 (160) 는 링크 오브젝트 (120) 와 또는 연관 이유 오브젝트 (134) 와의 다양한 상호작용들을 제공 (또는 리스트로부터 그러한 상호작용들을 선택) 할 수 있을 것이다. 예시의 상호작용들은 가입 액션, 통지 액션, 트랜잭션, 및 감정 액션 중 적어도 하나를 포함한다. 가입 액션은 사용자들이 정기적으로 무언가를 수신하는 것을 허용하는 액션으로서 기술될 수 있다 (예를 들어, 유머 이유 분류에 기초하여 링크 생성자에 의해 생성된 링크들을 포함하는 매일의 이메일). 통지 액션은 조건이 충족되는 경우 메시지 또는 사운드를 통해 사용자에게 알리는 액션일 수 있다 (예를 들어, 코멘트가 링크 오브젝트에 포스트되는 경우 이동 전화 상의 알람). 트랜잭션은 연관 이유 오브젝트 (134) 와 관련된 계좌와 연관된 상호작용일 수 있다. 감정 액션은 어떤 것에 대한 기분/의견을 표시하는 액션이다 (예를 들어, 링크된 오브젝트에 대한 좋음 또는 싫음을 나타내는 것).
도 2 는 사용자가 연관 이유 오브젝트 (134) 를 생성하거나 다르게는 연관 이유 오브젝트 (134) 와 상호작용할 수 있는 가능한 사용자 인터페이스 (200) 의 목업 (mock up) 을 도시한다. 사용자 인터페이스 (200) 는 소셜 네트워킹 사이트의 사용자에 대한 예시적인 프로파일의 웹페이지 (201) 를 디스플레이하는 브라우저로서 도시된다. 이러한 예에서, 아바타 (230) 및 프로파일 (240) 에 의해 표현된 사용자는 그의 또는 그녀의 소셜 미디어 랜딩 페이지에 링크 (214) 를 포스트한다 (예를 들어, 도 1 에서의 포인터 (124) 를 참조하라). 링크 (214) 및 그것의 연관된 컨텐츠는 링크 오브젝트 (220) 에 의해 표현된다. 이러한 예에서, 사용자는 링크의 생성자이다. 링크 오브젝트 (220) 는 링크 (214), 제목 (212), 코멘트 (218), 아마도 컨텐츠 (250) 의 응축된 표현, 또는 다른 특징들을 포함한다. 링크 오브젝트 (220) 또한 링크 (214) 를 생성하는 것에 대한 근본적인 이유를 나타내는 연관 이유 오브젝트 (234) 를 포함한다. 컨텐츠 (250) 로부터 도출된 정보, 로컬 정보, 및 가능하게는 프로파일 (240) 에 기초하여, 링크 분석 엔진은 연관 이유 오브젝트 (234) 를 클래스 (236) (즉, 유머) 및 서브클래스 (238) (즉, 풍자 및 정치) 로 분류했다. 특별히 주목하기로는, 연관 이유 오브젝트 (234) 는 단일의 클래스에 대한 다수의 이유들 또는 심지어 다수의 서브클래스들을 포함할 수 있다.
링크 연관 분석 시스템은 그 후 링크 생성자가 링크 (214) 를 생성하여 그 링크와 연관된 속성들, 예를 들어 소셜 네트워킹 사이트의 이름, 링크 생성자의 고유 식별자, 링크/포인터 그 자체, 링크의 제목, 링크에 관하여 링크 생성자에 의해 포스트된 임의의 코멘트들, 링크의 클래스, 링크의 서브클래스, 또는 임의의 다른 적합한 컨텐츠를 갖는 링크 오브젝트 (220) 를 생성했던 콘텍스트를 분석할 수 있을 것이다. 링크 생성자 또는 소셜 네트워킹 사이트의 사용자는 그 후 링크, 링크에 관한 코멘트, 또는 링크에 할당된 카테고리 클래스에 감정적 액션 (216) (예를 들어, 좋아요, 싫어요, 섬스 업 (thums up), 팁 (tip) 등) 을 할당할 수 있을 것이다. 이들 중 임의의 것은 시스템에 의해 콘텍스트, 링크 오브젝트, 또는 연관 이유 오브젝트와 연관될 수 있을 것이다. 여러 다른 속성들은 시스템이 콘텍스트로부터 도출된 하나 이상의 연관 이유 오브젝트들을 결정하는 것을 돕는 콘텍스트를 생성하기 위해 시스템에 의해 레코딩되고 이용될 수 있을 것이다.
링크 (214) 의 동적 특성을 인정해야 한다. 도 2 에 제시된 바와 같이, 링크 (214) 는 전통적 하이퍼링크로서 도시된다. 그러나, 링크 (214) 는 소스 오브젝트 또는 상황과, 하나 이상의 목적지 오브젝트들 사이의 연관 타입들의 넓은 스펙트럼을 표현할 수 있을 것이다. 고려된 연관 타입들은 링크 (214) 가 형성되는 특성에 의해 변한다. 일부 실시형태들에서, 링크 (214) 는 링크 (214) 가 소스 문서 (예를 들어, 웹 페이지) 에 임베딩될 수 있는 경우 도시된 바와 같은 하이퍼링크의 간접적 또는 직접적 구성을 통해 링크 생성자에 의해 형성되고, 외부 소스 문서 (예를 들어, 다른 웹 페이지, 비디오, 이미지, 사운드, 파일, 애플리케이션, 구매 등) 로 포인팅할 수 있다.
링크 (214), 또는 심지어 링크 오브젝트 (220) 는 또한 링크 생성자와 주변의 물체들 (예를 들어, 빌보드들, 잡지들, 장난감들, 텔레비젼들, 영화들, 음악 케이스들, 부품들, 차량들, 건물들 등) 사이의 상호작용들을 통해 형성될 수 있다. 예를 들어, 링크 생성자는 오브젝트 (예를 들어, 이미지, 비디오, 사운드 등) 의 디지털 표현을 캡쳐하고 그 물체의 디지털 표현을 추가적인 정보 또는 컨텐츠 (예를 들어, 메시지들, 다른 이미지들, 게임들, 구입한 물건들 등) 에 바인드하거나 링크할 수 있다. 따라서, 본 발명의 주제의 하나의 양태는 하나 이상의 데이터 캡쳐 양식들에 기초하여 오브젝트 인식을 통해 링크들을 생성하는 것을 포함할 수 있다. 오브젝트 링킹 또는 재조직화 (reorganization) 를 위해 레버리지되고 본 발명의 주제와 함께 사용하기 위해 적응될 수 있는 예시의 기법들은 공동 소유된 U.S. 특허들 7,016,532; 7,477,780; 7,680,324; 7,565,008; 7,775,437; 8,224,078; 8,463,031; 및 공동 소유된 U.S. 특허 출원 공보 2012/0250942 에 기술된 것들을 포함한다.
또 다른 링크 (214) 또는 링크 오브젝트 (220) 가 다른 형태들의 상호작용들에 기초하여 생성될 수 있다. 더 바람직한 실시형태들에서, 링크 (214) 는 링크 생성자의 상황 (즉, 콘텍스트) 와 타겟 오브젝트 사이의 트랜잭션에 기초하여 확립될 수 있다. 예시의 트랜잭션들은 계좌 (예를 들어, 온 라인 계좌, 은행 계좌, 신용카드 계좌, 모기지 계좌 등) 와 재정적 트랜잭션을 행하는 것, 쿠폰을 상품으로 바꾸는 것, 제안이나 프로모션들을 수락하거나 거절하는 것, 보건 제공자와 보건 데이터 (예를 들어, 전자 의료 기록들, 프라이버시, 처방들 등) 를 교환하는 것, 보안 조치들 (예를 들어, 패스워드들, 키 교환들 등) 을 시행하거나 종사하는 것, POS (point-of-sales) 활동들에 종사하는 것 (예를 들어, 지불하기), 근접장 통신, 게임들 또는 게임 오브젝트들 (예를 들어, 갬블링, 비디오 게임들, 컴퓨터 게임들 등) 에 참가하기, 또는 다른 형태들의 트랜잭션들을 포함할 수 있다. 심지어 또한, 트랜잭션 이상의 다른 상호작용들은 음악을 듣는 것, 게임들을 플레이하는 것, 전화 걸기, 텔레비젼을 시청하기, 또는 다른 타입들의 상호작용들을 포함할 수 있다.
여전히 또한, 링크 (214) 는 콘텍스트에 대한 하나 이상의 조건들에 기초하여 확립될 수 있다. 이전에 논의된 바와 같은 콘텍스트는 링크 오브젝트 (220) 또는 환경과의 링크 오브젝트의 관계를 나타낸다. 일부 실시형태들에서, 링크 (214) 는 콘텍스트 내의 조건들이 시스템 또는 생성자가 링크 (214) 를 생성하는 것이 허용되는 것을 나타내는 경우에만 생성되거나, 확립되거나, 다르게는 인스턴스화된다. 따라서, 콘텍스트는 링크 생성자 또는 생성자의 디바이스의 인증, 또는 링크 (214) 를 생성하기 위한 인가로서 만족되어야 하는 링킹 조건 기준들의 하나 이상의 세트들을 포함하도록 고려될 수 있다. 링킹 조건 기준들의 각 세트는 링크들의 하나 이상의 타입들 또는 연관 타입들에 바인드될 수 있다. 예로서, 링킹 조건 기준들의 제 1 세트는 덜 제한적이고 유머 타입 연관들에만 적용될 수도 있을 것인 반면, 링킹 조건 기준들의 제 2 세트는 더 제한적이고 관계 기반 감정 타입 링크들에만 적용될 수도 있을 것이다.
링킹 조건 기준들은 이용가능한 환경 데이터의 넓은 랜드스케이프에 걸친 함수로서 정의될 수 있다. 물리적 로케이션 데이터는 링크 (214) 를 생성하기 위해 링크 생성자를 인증하거나 인가하는데 사용될 수 있는 환경 데이터의 예를 나타낸다. 물리적 로케이션 데이터는 인터페이스에서 컨텐츠의 배치 로케이션으로 구성되지 않아야 한다. 물리적 로케이션 데이터는 링크 생성자의 디바이스 내의 내부 센서들 (예를 들어, 가속도계들, GPS, 카메라, Skyhook® 등) 로부터 또는 외부 센서들 (예를 들어, 보안 카메라들 등) 로부터 획득될 수 있다. 일부 실시형태들에서, 로케이션 데이터는 카메라 센서로부터 획득된 비쥬얼 정보에 기초하여 도출될 수 있다. 예를 들어, 셀 폰은 비디오 데이터를 캡쳐하고 생성자의 디바이스의 로케이션을 결정하기 위해 vSLAM, 삼각측량, 또는 다른 맵핑 기법들을 사용할 수 있다. 로케이션 데이터는 또한 넌-GPS 시스템들을 사용하여 건물들 또는 다른 구조물들의 내부에서 획득될 수 있다. 예를 들어, 로케이션 데이터는 가능하게는 GPS 에 의존하지 않고 이리듐 위성들 (예를 들어, 66 LEO 위성들, 보잉 타이밍, 및 로케이션 (BTL) 서비스들 등) 에 기초하여 건물들을 통과할 수 있는 전력 통과를 갖는 위성 기반 신호들을 사용하여 획득될 수 있다. 따라서, 링킹 조건 기준들은 로케이션 좌표들에 기초하여 정의될 수 있다. 링크 생성자 또는 생성자의 디바이스가 로케이션 기반 조건들을 만족시키는 로케이션을 갖는 경우, 링크 생성자는 링크 (214) 를 생성하도록 허용될 수 있다. 예시의 로케이션 기반 조건들은 지오펜스들 (geofences), 상대 위치들 또는 로케이션들, 하나의 로케이션으로부터 다른 로케이션으로의 이동, 또는 다른 로케이션 기반 조건들을 포함할 수 있다. 링크 생성자 또는 생성자의 디바이스를 인증하거나 인가하는데 사용될 수 있는 환경 데이터의 추가적인 예들은 시간 (예를 들어, 절대, 상대 등), 제스쳐들 (예를 들어, 수화, 가속도계 데이터 등), 이미지들 (예를 들어, 이미지들의 시퀀스, 비디오 등), 생체인식 (예를 들어, 안면 인식, 홍채, 망막, 지문, 심박수, 갈바닉 응답 등), 레이더 (URL phys.org/news/2012-09-radar-technology-housed-thumbtack-sized-chip.html 을 참조), 또는 다른 타입의 환경 데이터을 포함할 수 있다. 링킹 조건 기준들은 링크 (214) 를 생성하기 위해 링크 생성자를 인증하거나 인가하기 위해 만족되어야 하는 요구된 기준 또는 선택적 기준을 포함할 수 있다는 것을 또한 인정해야 한다.
링크 (214) 의 배후의 연관 이유 오브젝트 (234) 에 대한 기초적인 연관 타입에 관계 없이, 연관에 대한 이유들은 링크 (214) 가 생성되었던 콘텍스트로부터 도출될 수 있다. 이유는 클래스 (236) 및 서브클래스 (238) 을 포함하는 연관 이유 오브젝트 (234) 로서 표현될 수 있다. 콘텍스트는 하이퍼링크 또는 컨텐츠 (250) 에 의해 표현되는 바와 같은 외부 컨텐츠의 소스 및 링크 생성자의 콘텍스트 뿐아니라 웹페이지 (201) 에 의해 표현된 바와 같은 링크의 목적지에 기초할 수 있다. 링크 생성자가 제품 구매 웹 사이트로부터 친구를 위해 생일 선물을 사는 시나리오를 고려하라. 분석 엔진은 링크 생성자가 가능하게는 "생일 쇼핑" 의 서브 콘텍스트 및 아마도 심지어 "친구를 위한 생일 쇼핑" 의 더욱 정제된 콘텍스트를 갖는, 생성자의 활동에 기초한 "쇼핑" 콘텍스트에 있다는 것을 인식하고, 선물의 구매를 깨닫는다. 트랜잭션을 개시하는 액션은 링크 (214) 를 포함하는 링크 오브젝트 (220) 가 개인의 소셜 미디어 페이지 내에서 생성되게 할 수 있다. 분석 엔진은 쇼핑 콘텍스트에 대한 선물의 속성들 (예를 들어, 사이즈, 형상, 이름, 브랜드 등) 및 친구의 속성들 (좋아함, 싫어함, 선호사항, 성별 등) 을 알 수 있다. 분석 엔진은 오브젝트들 (예를 들어, 친구의 생일 및 생성자의 선물 구매) 사이의 링크가 선물이 죠크 (joke) 선물인 것으로 의도되는 것이라고 추론할 수도 있을 것이다. 응답으로, 분석 엔진은 "구매" 링크가 유머 이유라는 것을 반영하는 연관 이유 오브젝트 (234) 를 생성할 수 있을 것이다. 그러한 정보는 그 후 검색 또는 나중의 분석을 위한 나중의 취출을 위해 저장될 수 있다.
링크 (214) 는 단방향 링크 또는 양방향 링크일 수 있다. 단방향 링크는 소스 포인트로부터 목적지 포인트로 포인팅하는 포인터 (도 1, 포인터 (124) 참조) 로서 고려될 수 있다. 일 타입의 제품의 하이퍼링크 또는 구매는 단방향 링크들로서 고려될 것이다. 양방향 링크는 다수의 오브젝트들 사이에 포인터들을 제공하는 링크로서 고려될 수 있다. 예를 들어, 제 1 오브젝트 (예를 들어, 웹 페이지) 로부터 제 2 오브젝트 (예를 들어, 외부 컨텐츠) 로의 포인터 및 제 2 오브젝트 (예를 들어, 외부 컨텐츠) 로부터 다시 제 1 오브젝트 (예를 들어, 웹 페이지) 로의 포인터를 포함하는 링크 오브젝트 (220) 는 양방향 링크일 것이다. 또한, 링크 (214) 는 일-대-일 링크, 일-대-다 링크, 또는 심지어 다-대-다 링크를 나타낼 수 있다.
체인 내의 각 링크는 또한 대응하는 연관 이유 오브젝트 (234) 를 갖는다는 것이 인정되어야 한다. 매우 실제적인 의미에서, 연관 이유 오브젝트 (234) 들의 체인은 그러한 연관들을 생성하는 것 배후의 생각 또는 이유의 흐름으로서 고려될 수 있다. 연관 이유 오브젝트 (234) 들의 체인들은 생성자(들) 에 관련된 그리고 콘텍스트들 사이의 마인드 맵들을 형성하기 위해 분석될 수 있다. 마인드 맵들은 그 후 다른 생성자들의 마인드 맵들과 비교될 수 있다. 마인드 맵은 일련의 노드들 (예를 들어, 링크 오브젝트 (220) 의 포인터가 상주하는 환경) 및 그 노드들을 연결하는 에지 (즉, 링크 (214)) 를 포함할 수 있다. 맵 내의 각 노드는 이전에 논의된 바와 같은 콘텍스트를 특징으로 할 수 있다.
링크 (214) 는 또한 가시적이거나 비가시적일 수 있다는 것을 인정해야 한다. 도시된 예에서, 링크 (214) 는 그것이 하이퍼링크로서 시각적으로 제시되기 때문에 가시적이다. 비가시적 링크들은 링크 오브젝트들에 의해 표현될 수 있지만, 반드시 다른 사람들에게 시각적으로 제시되지는 않을 수 있다. 이전에 언급된 바와 같이, 링크 (214) 는 오브젝트의 구매를 나타낼 수 있을 것이다. 그러한 링크는 시각적으로 제시되지 않을 수도 있을 것이지만, 분석을 위해 링크 연관 검색 엔진을 통해 액세스될 수 있을 것이다.
도 3 은 연관 이유 오브젝트들과 상호작용하는 방법 (300) 을 도시한다. 방법 (300) 은 가능하게는 상술된 바와 같이 링크 분석 엔진으로서 동작하는 하나 이상의 컴퓨팅 디바이스들에 의해 실행되는 하나 이상의 단계들을 포함한다는 것이 이해되어야 한다. 링크 분석 엔진에 의해 제공된 서비스들은 유료 서비스로서, 가능하게는 PaaS, IaaS, SaaS, 또는 다른 타입의 서비스로서 제공될 수 있다.
단계 (310) 에서, 링크 분석 엔진은 하나 이상의 상이한 기법들을 통해 링크 제시 인터페이스를 액세스한다. 일부 실시형태들에서, 링크 분석 엔진은 링크 제시 인터페이스로서 동작하는 웹 서비스 (예를 들어, 웹 사이트, 웹 서버, 소셜 네트워킹 사이트 등) 와 통합된다. 웹 서비스가 사용자에게 컨텐츠를 제공함에 따라, 링크 분석 엔진은 또한 그 제시된 컨텐츠를 모니터할 수 있다. 다른 실시형태들에서, 링크 분석 엔진은 별개의 플러그-인 또는 심지어 원격 웹 서비스로서 동작하며, 여기서 그 엔진은 하나 이상의 HTTP 기반 프로토콜들을 통해 제시 인터페이스를 액세스한다. 링크 제시 인터페이스는 하나 이상의 사용자들에 또한 액세스가능한 웹사이트 (예를 들어, 소셜 네트워킹 사이트, 제품 리뷰 사이트, 블로그, 비디오 게임 등) 로서 고려될 수 있다. 그러한 사이트들의 사용자들은 외부 컨텐츠에의 하나 이상의 링크들을 생성하기 위해 사이트의 능력들을 레버리지할 수 있다. 링크 분석 엔진은 가능하게는 실시간으로 하나 이상의 그러한 제시 인터페이스들로부터 링크 데이터를 수집할 수 있다는 것이 인정되어야 한다. 예를 들어, 그 엔진은 주기적 기반으로 (예를 들어, 매일, 매시간, 매 5 분마다, 링크들이 생성됨에 따라 등) 데이터를 수집할 수 있을 것이다.
단계 (320) 에서, 시스템은 그 후 링크와 연관된 포인터를 획득하기 위해 링크 제시 인터페이스 분석한다. 통상적으로 포인터는 링크 제시 인터페이스의 컨텐츠 내의 하이퍼링크이다. 제품 리뷰들에 관련된 실시형태에서, 링크는 관심의 제품에 관련된 웹 페이지의 제품 리뷰 또는 코멘트 섹션에 임베딩될 수도 있을 것이다. 링크 그 자체는 오프사이트 (offsite) 또는 외부 컨텐츠 (예를 들어, 이미지, 텍스트, 비디오, Wikipedia® 아티클 등) 로 포인팅할 수도 있을 것이고 임베딩된 하이퍼링크를 포함할 수 있을 것이다. 이전에 논의된 바와 같이, 포인터는 유니버셜 자원 로케이터 (URL) 들, 유니폼 자원 식별자 (URI) 들, IP 어드레스, 파일명들, 메모리 포인터들, 또는 다른 타입들의 포인터들을 포함할 수 있는 상이한 형태들을 취할 수 있다. 획득된 포인터들은 링크 분석 엔진이 링크에 의해 참조되는 컨텐츠와 포인터가 존재하는 로컬 컨텐츠 사이의 링크 콘텍스트를 결정하도록 돕는다. 포인터는 상술된 바와 같이 링크 오브젝트의 일부로서 고려될 수 있고, 그것은 또한 링크 데이터베이스에 저장될 수 있을 것이다. 링크 오브젝트는 코멘트 필드, 메시지 포스트, 스탠드얼론 데이터 오브젝트, 웹 페이지, 또는 포인터를 포함하는 다른 타입의 데이터 구성을 포함할 수 있을 것이다. 일부 실시형태들에서, 링크 분석 엔진은 로컬 컨텐츠로부터 이용가능한 정보로부터 포인터를 생성할 수 있다. 예를 들어, 분석 엔진은 책에 어떠한 링크도 제공되지 않는 경우 리뷰 아티클은 책 제목을 참조한다는 것을 추측할 수 있을 것이다. 응답으로, 그 엔진은 대응하는 책을 갖는 웹 페이지로 또는 심지어 Wikipedia® 페이지로의 포인터를 자동적으로 생성할 수 있다. 다른 예로서, 링크 생성자가 뉴스 어그리게이터로부터 인기있는 뉴스 스토리를 언급하는 시나리오를 고려하면, 링크 분석 엔진은 네트워크 검색 엔진 상에서 간단한 검색을 실행함으로써 그 인기있는 뉴스 스토리로의 링크 또는 포인터를 생성하기 위해 그 정보를 사용할 수 있을 것이다.
단계 (330) 에서, 분석 엔진은 생성된 링크와 연관된 환경에 관련한 정보를 수집하기 위해 포인터와 연관된 컨텐츠와 함께 포인터를 분석한다. 예를 들어, 분석 엔진은 그 엔진이 참조된 컨텐츠에의 액세스를 얻을 수 있도록 인증 또는 인가를 획득할 수 있다. 보안 정보를 너머 추가적인 정보는 또한 링크 생성자의 고유 식별자, 링크 생성자의 이메일 어드레스, 링크 제시 인터페이스의 네트워크 어드레스, 링크 생성자의 폰 넘버, 링크 제시 인터페이스의 타입, 포인터와 연관된 텍스트 데이터, 포인터와 연관된 오디오 데이터, 포인터와 연관된 비디오 데이터, 포인터와 연관된 이미지 데이터, 포인터와 연관된 운동감각 데이터, 포인터가 생성된 시기와 연관된 시간 데이터, 링크 제시 인터페이스와 연관된 주위 데이터 등을 포함할 수 있다.
일부 실시형태들에서, 단계 (340) 에서, 하나 이상의 디바이스들은 선택적으로 생성된 링크에 관련된 정보를 갖는 링크 오브젝트를 생성한다. 일부 실시형태들에서, 링크 분석 엔진은 링크 생성자의 액션들 (예를 들어, 포스트를 배치하는 것 등) 에 의해 트리거되는 바와 같은 링크 오브젝트를 생성한다. 다른 실시형태들에서, 링크 오브젝트는 링크들을 찾는 디지털 컨텐츠를 통해 크롤링 (crawling) 함으로써 자동적으로 선험적으로 (a priori) 생성될 수 있을 것이다. 단계 (340) 은 단계들 (330 과 350) 사이에 순차적인 것으로 도시되지만, 적어도 단계 (340) 은 묘사된 시퀀스를 벗어나서 수행될 수도 있다는 것이 인정되어야 한다. 링크 오브젝트들은 바람직하게는 링크 생성자 식별자 및 오브젝트에 의해 참조되는 외부 컨텐츠로의 포인터를 포함한다. 위에서 논의된 바와 같이, 링크 생성자 식별자는 사용자 이름들, 식별 번호들, 머신 어드레스, 해시 어드레스, 이메일 어드레스들, GUID 들, 디지털 서명들, 또는 다른 타입들의 식별자들을 포함할 수 있다. 링크 생성자 식별자는 링크 분석 엔진이 링크를 생성하기로 결정한 엔티티와 연관된 데이터를 획득하는 것을 허용한다. 포인터 (예를 들어, URL, URI, 어드레스, 디지털 오브젝트 식별자 등) 는 링크 분석 엔진이 외부 컨텐츠를 관찰하거나 액세스하는 것을 허용한다.
단계 (350) 에서, 링크 분석 엔진은 링크 오브젝트의 포인터가 존재하는 콘텍스트를 결정하기 위해 링크 오브젝트로부터 정보를 레버리지한다. 더욱 바람직한 실시형태들에서, 콘텍스트는 적어도 링크 오브젝트의 포인터가 참조하는 컨텐츠로부터 및 포인터가 제시되는 주위의 또는 로컬 컨텐츠로부터 도출된다. Facebook® 은 하나의 예를 위한 기초를 제공한다. 페이스북 사용자는 친구들 프로파일 또는 랜딩 페이지 상에 코멘트를 포스트할 수도 있을 것이며, 여기서 그 코멘트는 오프사이트 컨텐츠, 아마도 YouTube® 상의 비디오로의 HTTP 링크를 포함한다. 이러한 상황에서, 코멘트는 HTTP 링크가 포인터를 나타내고 사용자의 유저네임이 링크 생성자 식별자를 나타내는 링크 오브젝트로서 고려될 수 있을 것이다.
그 예로 계속하자면, 링크 분석 엔진은 비디오, 유투브 상의 그 비디오와 연관된 코멘트들, 또는 HTTP 링크를 통해 이용가능한 다른 컨텐츠를 검사함으로써 링크의 콘텍스트를 결정할 수 있다. 이러한 컨텐츠는 패턴 인식 기법들 (예를 들어, 음성 인식, 이미지 인식, OCR, 스피치 대 텍스트 분석, 또는 다른 디지털 데이터 프로세싱 활동들) 을 사용하여 검사될 수 있다. 각각의 활동은 전체 콘텍스트의 일부를 형성하기 위해 결합될 수 있는 컨텐츠에 관련한 하나 이상의 속성들을 산출할 수 있다. 예를 들어, 링크 분석 엔진은 오브젝트들 또는 사람들을 인식하기 위해 이미지 인식 기법들 (예를 들어, SIFT, DAISY 등) 을 사용하여 비디오의 프레임들을 분석할 수 있을 것이다. 그 엔진은 또한 인식된 오브젝트들 또는 사람들에 관련된 추가적인 정보를 검색하거나 참조할 수 있다. 그러한 정보는 그것이 참조된 컨텐츠의 환경을 나타내기 때문에 링크 콘텍스트의 일부를 형성한다.
그 예로 계속하면, 링크 분석 엔진은 링크가 상주하는 로컬 컨텐츠로부터 추가적인 콘텍스트 정보를 결정할 수 있다. 이러한 경우, 링크 분석 엔진은 페이지, 또는 링크가 배치되는 곳에 관련된 다른 로케이션들 상에서 링크에 로컬인 (예를 들어, 동일한 포스팅 내의) 정보를 컴파일할 수 있다. 링크의 콘텍스트는 외부 컨텐츠로부터의 콘텍스트 정보 및 링크가 배치되는 곳에 대해 로컬인 콘텍스트 정보의 병치로서 생각될 수 있다. 콘텍스트들의 2 개의 세트들이 유사한 (예를 들어, 동일한 키 워드들, 감정 등을 갖는) 경우, 콘텍스트는 정보 교환을 나타낼 수도 있을 것이다. 콘택스트 정보의 2 개의 세트들이 유사하지 않은 경우 (예를 들어, 중첩하지 않는 키 워드들), 콘텍스트는 비정보교환을 나타낼 수도 있을 것이다. 2 개의 콘텍스트들은 링크를 위한 이유에 대한 일부 통찰력을 제공한다는 것이 인정되어야 한다. 그러나, 여전히 더 바람직한 실시형태들은 전체 콘텍스트를 컬러링할 수 있는 링크 생성자 정보를 레버리지한다. 콘텍스트 정보의 2 개의 세트들을 서로 비교하고 대조하는 것은 링크 생성자 정보에 의해 가중될 수 있다.
더욱 구체적인 예로서, 네임스페이스의 이름들이 개념들 (예를 들어, 긍정적인 감정, 부정적인 감정, 로케이션, 시간 등) 에 대응하는 콘텍스트 네임스페이스에 따라 콘텍스트 정보가 정규화된 이름들을 포함하는 실시형태를 고려하라. 외부 컨텐츠 및 로컬 링크 컨텐츠와 연관된 정규화된 이름들은 콘텍스트 매트릭스, 룩업 테이블, 또는 다른 데이터 스토어로의 인덱스들일 수 있다. 분석 엔진은 이유 오브젝트를 생성하기 위한 규칙들 또는 기준들을 취출하기 위해 정규화된 개념 이름들을 사용할 수 있다. 규칙들은 생성자의 프로파일 정보에 의해 영향받는 가중화 팩터들을 포함할 수 있다. 생성자의 나이는 예를 들어 정보적인 내지 교육적인 것으로부터 링크 이유의 해석에 영향을 줄 수도 있을 것이다.
단계 (360) 에서, 링크 분석 엔진은 그 후 콘텍스트에 기초하여 연관 이유 오브젝트를 생성한다. 상술된 바와 같이, 일단 연관 이유 오브젝트를 인스턴스화하는 규칙들이 확립되었다면, 링크 분석 엔진은 그 규칙들에 따라 이유 오브젝트를 인스턴스화한다. 이유 오브젝트는 다른 이유 오브젝트들로부터 독립적으로 관리될 수 있는 디지털 데이터 구성을 표현한다는 것이 인정되어야 한다. 이유 오브젝트에 저장된 이유 정보는 외부 컨텐츠, 콘텍스트 세트들, 로컬 컨텐츠, 생성자 정보, 이력 정보, 또는 다른 팩터들을 포함하는 정보의 여러 소스들에 기초하여 팝퓰레이트될 수 있다.
일부 실시형태들에서, 콘텍스트 정보는 이유 데이터베이스로부터 바람직한 이유 오브젝트 템플레이트를 취출하는데 사용될 수 있다. 콘텍스트 정보는 외부 컨텐츠와 로컬 컨텐츠 사이의 비중첩을 나타낼 수도 있을 것이다. 룩업 테이블에 기초하여, 이유 오브젝트 인스턴스화에 대한 규칙들은 유머 기반 이유 오브젝트 템플레이트에 대한 요건을 나타낼 수도 있을 것이다. 응답으로, 이유 데이터베이스는 그러한 템플레이트를 링크 분석 엔진으로 제공한다. 엔진은 그 후 가능하게는 이유 분류 또는 서브분류 정보를 포함하는 적절한 속성들을 갖는 템플레이트를 팝퓰레이트할 수 있다. 일부 실시형태들에서, 연관 이유 오브젝트는 다른 사용자들로부터의 피드백에 기초한 정보로 팝퓰레이트될 수 있다. 예를 들어, 분석 엔진은 링크를 식별하고, 그 후 그 링크의 존재에 대한 가능한 이유들의 드롭 다운 리스트를 사용자들에게 제시할 수도 있을 것이다. 더 많은 사용자들이 이유들을 선택함에 따라, 연관 이유 오브젝트는 유효성에 있어서 증가한다.
단계 (370) 에서, 링크 분석 엔진은 그 후 사용자에게 연관 이유 오브젝트를 제시한다. 연관 이유 오브젝트의 제시는 링크가 배치되는 곳에 근접한 웹 컨텐츠를 제시하는 것처럼 간단할 수 있고, 여기서 웹 컨텐츠는 연관 이유 오브젝트에 따라 생성된다. 다른 실시형태들에서, 아마존과 같은 웹 사이트는 인스턴스화된 이유 오브젝트를 획득하기 위해 원격 절차 콜 (remote procedure call: RPC) 또는 원격 애플리케이션 프로그램 인터페이스 (API) 로 콜링할 수 있을 것이다. 이유 오브젝트는 가능하게는 XML 또는 JSON 포맷으로 직렬화되고 웹 사이트로 송신될 수 있다. 웹 사이트는 그 후 사이트 방문자들에게 소비가능한 컨텐츠로서 연관 이유 오브젝트를 제시할 수 있다.
단계 (380) 에서, 하나 이상의 컴퓨팅 디바이스들은 연관 이유 오브젝트와 관련된 상호작용들을 수신 또는 프로세싱할 수 있다. 링크에 대한 근본적인 이유를 제공하는 것은 상호작용들에 대한 다수의 기회들을 발생시킨다는 것이 인정되어야 한다. 그러한 상호작용들은 주어진 사용자가 지정된 타입들의 링크들, 또는 지정된 링크 생성자들에 의해 생성된 링크들과 어떤 상호작용들을 가지는지를 지시하는 하나 이상의 상호작용 템플레이트들을 통해 생성될 수 있을 것이다. 시스템은 일반적으로 링크 또는 링크와 연관된 오브젝트들의 기지의 오브젝트 속성들로부터 상호작용 필드들을 팝퓰레이트하고, 링크 분석 엔진 그 자신, 그 엔진이 로딩되는 컴퓨터 시스템, 또는 제 3 당사자 서버와 같은 링크 분석 엔진에 의해 액세스가능한 로케이션에 상호작용 인스턴스를 호스팅한다. 시스템은 그 후 일반적으로 연관 이유 오브젝트의 속성에 따라, 및/또는 연관 이유 오브젝트가 제시되는 디바이스에 따라 상호작용의 인스턴스를 인스턴스화한다. 예를 들어, 이동 전화 상에 제시된 링크 연관 이유 오브젝트는 컴퓨터 스크린 상에 제시된 링크 연관 이유 오브젝트와는 상이한 이용가능한 상호작용들을 가질 수도 있을 것이다.
고려된 상호작용들은 상호작용 템플레이트를 변경하는 것, 연관 이유 템플레이트를 변경하는 것, 링크 생성자에 가입하는 것, (링크에 대한 새로운 코멘트, 또는 링크 옆에 디스플레이된 텍스트에 대한 변경과 같은) 링크와 연관된 데이터의 변경에 대해 알림을 설정하는 것, 링크 생성자와 트랜잭션을 수행하는 것, 또는 링크에 관하여 링크 생성자에게 감정을 전송하는 것을 포함한다. 다른 상호작용은 연관 이유 오브젝트에 기초하여 금전적 팁들을 제공하는 것을 포함할 수 있을 것이다. 예를 들어, 사용자는 사용자들이 감지된 실세계 가치의 팁들을 제출하는 것을 허용하는 암호화 화폐 (crypto-currency) (예를 들어, 비트코인, 라이트코인, 피어코인 등) 에 대한 팁 인터페이스가 제시될 수 있다. 그러한 실시형태들에서, 연관 이유 오브젝트는 팁이 링크 생성자, 웹 사이트 또는 다른 엔티티에게 제출될 수 있는 어드레싱된 하나 이상의 암호화 화폐를 포함할 수 있다.
상술된 이유 오브젝트들의 식별 및 사용의 유익을 인정해야 한다. 이유 오브젝트들은 링크 생성자의 의도의 정량화로서 고려될 수 있다. 의도는 다차원 의도 공간에 걸쳐 기술될 수 있다. 의도는 유머, 감동, 알리는 의도, 장남감들 또는 친구들과의 놀이의 패턴, 또는 다른 차원들을 나타낼 수 있다. 이유 오브젝트들이 링크가 생성되는 의도 또는 이유를 나타낸다는 관점에서, 이유 오브젝트들은 또한 더욱 분석될 수 있는 생성자의 근본적인 사고 과정들을 나타내는 것으로 고려될 수 있다. 발명의 주제는 또한 개인 또는 집단으로부터의 이유 오브젝트들을 정신 능력들에 맵핑하는 것을 포함하도록 고려된다.
정신 능력들은 인식 능력, 추론 능력, 감정적 능력들, 또는 다른 정신 능력들을 포함할 수 있다. 고려된 시스템들은 추론 오브젝트들의 집합 (aggregate) 에 기초하여 정신 능력 맵을 확립할 수 있으며, 여기서 정신 능력 맵은 개인들이 컨텐츠 사이의 연결들을 행하는 사고 과정들을 나타낸다. 가능하게는 통계적 편집에 기초하여, 집단에 걸친 정규화된 능력 맵을 확립할 수 있다. 개인들이 추론 오브젝트들과 상호작용 (예를 들어, 그것들을 생성, 그것들을 추종, 그것들을 검색, 그것들에 가입 등을) 함에 따라, 시스템은 개인에 대한 개인화된 정신 능력 맵을 구출할 수 있다. 시스템은 그 후 정규화된 능력 맵에 대해 개인화된 정신 능력 맵을 비교하여 차이들을 결정한다. 그 차이들은 필터링된 정보; 예를 들어 감정적 이유 오브젝트들만의 비교 또는 단일 시간 주기들 동안의 이유 오브젝트들의 생성에 기초하여 결정될 수 있을 것이다.
능력 맵들에 있어서의 차이들은 다수의 이로운 특징들을 갖는다. 예를 들어, 정규화된 정신 능력 맵은 감정을 나타내는 표준을 표현할 수 있을 것이다. 그 표준과 개인의 정신 능력 맵 사이에 차이들이 존재하는 경우, 그 차이들은 그 개인의 감정적 문제들을 식별하기 위해 진단 도구로서 레버리지될 수도 있을 것이다. 유사하게, 정신 능력 맵들 사이의 차이들은 정신 질병을 진단하는 것, 개인의 시간의 경과에 따른 정신 상태에서의 변화들을 식별하는 것, 정신적으로 또는 행동적으로 개인의 향상을 확인하는 것을 위해 사용될 수 있을 것이다.
개시된 기법들은 다수의 가능한 흥미로운 사용들을 발생시키며, 그들 모두는 아래에 논의되는 바와 같은 발명의 주제의 일부로서 고려된다.
하나 이상의 사용자들을 (예를 들어, 개별적으로, 인구통계적으로 등) 묶은 연관 이유 오브젝트들은 사고 또는 양심의 흐름을 나타낼 수 있다. 결과적인 패턴들은 집합 내의 연관된 컨텐츠를 검색하는데 사용될 수 있다. 예를 들어, 비디오 게이머들의 연관 이유 오브젝트들의 편집은 다른 게임들에 대해 관심이 있을 수도 있을 컨텐츠를 식별하도록 레버리지될 수 있다.
연관 이유 오브젝트들은 또한 개인의 추론, 감정적 움직임 또는 변이들, 양심의 흐름, 또는 다른 정신적 활동들에 따라 그러한 제품들을 식별하는 것에 기초하여 재화나 서비스들에 대한 구매들을 개시하기 위해 사용될 수 있다. 링크 생성자들 또는 연관 이유 오브젝트들의 체인을 관찰하는 것을 통해, 링크 분석 엔진은 어느 링크 생성자들이 유사한 양식으로 링크 연관들을 행하는지를 식별할 수 있다. 이것은 재화나 서비스들의 식별의 편리를 허용한다. 링크 연관들ㅇ르 통해 구매될 수 있는 예시의 재화나 서비스는 자동차들, 영화들, 음악, 티켓들, 모기지들, 장난감들, 스포츠 장비 또는 서비스들, 잡지들, 뉴스페이퍼들, 의복, 음식, 건물들, 부동산, 의약, 재정 서비스들, 보건 서비스들, 게임들, 컴퓨팅 디바이스들, 약품들, 그림들 또는 코팅들, 청소 공급 또는 서비스, 연료들, 수의학적 재화 또는 서비스들, 동물들, 하드웨어, 도구들 또는 머신 부품들, 소프트웨어, 가전제품, 차량들, 화기들 또는 탄약, 보석 장식, 보석들, 귀금속들, 악기들, 종이, 가죽, 건설 자재들 또는 서비스들, 가구, 부억 용품, 방사 또는 무명실, 직물, 팬시 재품, 바닥 커버링 (예를 들어, 카페트, 타일 등), 맥주, 포도주, 음료수, 담배 제품들, 광고 서비스들, 보험 서비스들, 건설 또는 수리 서비스들, 통신 서비스들, 운송 서비스들, 교육 또는 오락 서비스들, 과학 서비스들, 제조 서비스들, 음식 서비스들, 또는 다른 타입들의 재화나 서비스들을 포함한다. 컴퓨트 디바이스 상의 트랜잭션을 개시하는 행위는 링크 분석 엔진으로 하여금 하나 이상의 연관 이유 오브젝트들을 생성하게 할 수 있다는 것이 인정되어야 하고, 여기서 그 트랜잭션은 그 링크이다.
연관 이유 오브젝트들은 로봇들, 웹-봇들, 또는 다른 자동화된 디바이스들이 결정들을 행하는 것에 대한 타인의 의도 또는 이유들의 선호도들을 학습하는 것을 허용한다. 예를 들어, 보건 로봇은 환자의 원하는 루틴 또는 의사의 거동들을 학습할 수 있고, 공장 로봇은 제조 프로토콜들에 대한 예외들을 추론할 수 있으며, 게이밍 봇은 플레이어를 흉내낼 수 있고, 또는 로봇은 상호작용들 또는 링킹에 대한 이유의 관찰을 통해 그의 환경의 다른 양상들을 학습할 수 있다. 따라서, 로봇들 또는 다른 디지털 학습 에이전트들은 즉시 태스크들에 관련한 것의 이유들을 추종할 수 있다.
연관 이유 오브젝트들은 또한 차량들 (예를 들어, 항공기, 우주선, 트럭들, 자동차들 등) 이 현재의 콘텍스트 (예를 들어, 주유를 위한 정지, 식사를 위한 정지 등) 에 기초하여 승객들에게 추천들을 제공하는 것을 돕는 것을 가능하게 한다. 기회들이 차량 근처에서 발생함에 따라, 차량은 승객 추론에 관련할 뿐아니라 로케이션, 방향, 행선지, 또는 다른 차량 속성들에 콘텍스트적으로 관련된 기지의 연관 이유 오브젝트들을 관찰할 수 있다.
연관 이유 오브젝트들은 개인들에게 타인들에 대한 그들의 정신적 활동들에 기초하여 미디어 (예를 들어, 미술, 음악, 비디오, 책들, 아티클들, 웹 페이지들, 영화들 등) 를 추천하는 것을 야기할 수 있다. 링크 생성자로부터의 연관 이유 오브젝트들은 유사한 이유들에 대해 링크되었던 컨텐츠에 대한 쿼리를 생성하기 위해 사용될 수 있다. 따라서, 발명의 주제는 이유 오브젝트들 사이의 유사성 척도를 결정하는 것을 포함하는 것으로 고려된다. 그러한 척도는 추론 온톨로지 또는 계층에 기초할 수 있다. 2 개의 이유 오브젝트들이 온톨로지 내에서 더 가까울수록 그들은 더 유사하다.
연관 이유 오브젝트들은 유사한 추론에 기초하는 개인들을 타겟으로하는 광고 이벤트들에 대한 기초 엘리먼트 또는 트리거로서 작용할 수 있다.
연관 이유 오브젝트들은 또한 제공 컨텐츠, 통신들, 거래들, 또는 사용자들 사이의 다른 활동들에 대한 정보의 소스로서 작용할 수 있다.
연관 이유 오브젝트들은 관련 당사자들 사이에서 통신들의 넥서스 (nexus) 로서 기능할 수 있다. 예를 들어, 개인은 유사한 사고 패턴들을 갖는 다른 개인들과 접촉할 수 있다. 또한, 개인은 그 개인의 사고 과정들과 동조하는 컨텐츠를 제공하는 서버들과 연결될 수 있다. 이러한 의미에서, 연관 이유 오브젝트는 개인들이 이유 오브젝트에 관하여 상호작용하는 것을 허용하는 메시지 보드 또는 통신 포털로서 고려될 수 있다. 그러한 실시형태에서, 연관 이유 오브젝트는 코멘트 필드들, 링크들, 또는 다른 특징들과 같은 추가적인 특징들을 포함할 수 있다.
연관 이유 오브젝트는 또한 보안 척도들로서 기능할 수 있다. 정신적 추론에 있어서의 개인의 트렌드에서의 변화가 검출되면, 그 트렌드에서의 변화는 신원 도용 (identity theft) 또는 그 개인의 정신적 상태에의 문제의 표시일 수도 있을 것이다.
연관 이유 오브젝트들은 그룹에 대한 개인들의 동조의 척도로서 작용할 수 있다. 일부 그룹들, 예를 들어 민주당 또는 공화당은 그들의 각각의 플랫폼들에 그들의 멤버들의 표시 동조를 가지기를 원한다. 고려된 시스템은 그룹 표준과 비교하여 링크들을 생성하는 것에 대한 멤버의 이유들을 비교할 수 있다. "표준" 세트로부터 이유 오브젝트들의 콜렉션 (collection) 으로부터의 편향의 척도가 또한 본 발명의 주제의 일부로서 고려된다.
연관 이유 오브젝트들은 또한 상호작용 미디어 (예를 들어, 게임들, 비디오들, 오디오 북들, 웹 에피소드들 등) 와의 상호작용 포인트로서 동작한다. 예를 들어, 게임 엔진은 플레이어에 의해 생성된 이유 오브젝트들을 획득할 수 있다. 게임이 진행함에 따라, 게임 내의 캐릭터들은 결정을 행한다; 그 결정들은 플레이어의 이유들 오브젝트들 또는 심지어 다른 엔티티의 이유들 오브젝트들에 기초할 수 있다. 이것은 소비자의 사고 과정들과 스토리를 동조시키는 것을 허용한다.
연관 이유 오브젝트들은 적절한 추론 기법들을 예시함으로써 또는 일단 학생이 레슨을 마스터한 경우 레슨 계획들을 트리거함으로써 교육에서 레버리지될 수 있다.
연관 이유 오브젝트들은 이유 오브젝트 또는 이유 오브젝트들의 체인에 의해 표시되는 바와 같은 개인의 정신적 액션들에 따라 또는 개인이 생각하는 방법에 따라 트리거되는 정밀한 마켓팅에 기초한 트랜잭션을 가능하게 할 수 있다. 트랜잭션들 및 마켓팅은 컨텐츠와 상호작용하는 개인의 이유들에 기초하거나, 개인의 소셜 네트워크에 기초할 수 있다. 따라서, 트랜잭션들 또는 마켓팅의 트리거링은 개인의 이유 정보 또는 더 큰 집단, 예를 들어 개인의 소셜 네트워크로부터의 어그리게이트된 이유 정보에 따라서만 트리거될 수 있다.
이미 기술된 것들 이외에 다수의 더 많은 변경들이 여기의 발명의 개념들로부터 일탈하지 않고 가능하다는 것은 당업자에게 분명해야 한다. 발명이 주제는 따라서 첨부된 청구범위의 범위 내에서를 제외하고 제한되지 않아야 한다. 게다가, 명세서 및 청구범위 양자 모두를 해석함에 있어서, 모든 용어들은 콘텍스트와 일관된 가장 넓은 가능한 방식으로 해석되어야 한다. 특히, 용어들 "포함한다" 및 "포함하는" 은 참조된 엘리먼트들, 컴포넌트들, 또는 단계들이 명백히 참조되지 않는 다른 엘리먼트들, 컴포넌트들, 또는 단계들과 함께 존재하거나, 이용되거나, 결합될 수도 있다는 것을 나타내며, 비포괄적인 방식으로 엘리먼트들, 컴포넌트들, 또는 단계들을 언급하는 것으로서 해석되어야 한다. 명세서와 청구범위가 A, B, C ... 및 N 으로 이루어지는 그룹으로부터 선택된 어떤 것의 적어도 하나를 언급하는 경우, 텍스트는 A 플러스 N, 또는 B 플러스 N 등이 아니고 그 그룹으로부터 단 하나의 엘리먼트를 요구하는 것으로 해석되어야 한다.

Claims (26)

  1. 링크 연관 분석 시스템으로서,
    링크된 컨텐츠에 대한 포인터 및 인간 링크 생성자를 식별하는 링크 생성자 식별자를 포함하는 링크 오브젝트를 저장하도록 구성된 링크 데이터베이스; 및
    상기 링크 데이터베이스와 커플링된 링크 분석 엔진 컴퓨팅 디바이스를 포함하고,
    상기 링크 분석 엔진 컴퓨팅 디바이스는,
    상기 포인터가 제시되는 주위 컨텐츠 로케이션 및 상기 링크된 컨텐츠에 관련된 콘텍스트를 결정하고;
    상기 포인터를 통해 상기 주위 컨텐츠 로케이션의 주위 컨텐츠와 상기 링크된 컨텐츠 사이에 링크를 생성하는 상기 인간 링크 생성자의 동기를 나타내는 근본적인 (underlying) 이유를 상기 콘텍스트로부터 도출하며;
    상기 콘텍스트 및 상기 근본적인 이유로부터 도출된 연관 이유 오브젝트를 인스턴스화하며;
    상기 연관 이유 오브젝트를 제시하도록 출력 디바이스를 구성하도록
    구성되는, 링크 연관 분석 시스템.
  2. 제 1 항에 있어서,
    상기 링크 분석 엔진은 또한 상기 인간 링크 생성자에 의해 제공된 컨텐츠에 기초하여 상기 포인터를 자동적으로 생성하도록 구성되는, 링크 연관 분석 시스템.
  3. 제 1 항에 있어서,
    상기 콘텍스트는 온라인 컨텐츠로부터 도출되는, 링크 연관 분석 시스템.
  4. 제 1 항에 있어서,
    상기 콘텍스트는 상기 링크 오브젝트와 연관된 인간 링크 생성자 프로파일로부터 도출되는, 링크 연관 분석 시스템.
  5. 제 1 항에 있어서,
    상기 연관 이유 오브젝트는 개념적 이유에 대한 맵핑을 포함하는, 링크 연관 분석 시스템.
  6. 제 5 항에 있어서,
    상기 개념적 이유는 정규화된 개념적 이유를 포함하는, 링크 연관 분석 시스템.
  7. 제 5 항에 있어서,
    상기 개념적 이유는 이유 분류를 포함하는, 링크 연관 분석 시스템.
  8. 제 7 항에 있어서,
    상기 이유 분류는 다음의 이유 클래스들 중 적어도 하나를 포함하는, 링크 연관 분석 시스템:
    유머, 기술, 교육, 정치, 추천, 및 널 (NULL).
  9. 제 7 항에 있어서,
    상기 이유 분류는 서브클래스들을 포함하는, 링크 연관 분석 시스템.
  10. 제 1 항에 있어서,
    상기 링크 분석 엔진에 커플링되고, 사용자가 상기 연관 이유 오브젝트와의 상호작용을 정의하는 것을 허용하도록 구성된 사용자 인터페이스를 더 포함하는, 링크 연관 분석 시스템.
  11. 제 10 항에 있어서,
    상기 사용자 인터페이스는 소셜 네트워킹 인터페이스를 포함하는, 링크 연관 분석 시스템.
  12. 제 10 항에 있어서,
    상기 출력 디바이스는 상기 사용자 인터페이스를 포함하는, 링크 연관 분석 시스템.
  13. 제 10 항에 있어서,
    상기 상호작용은 가입 (subscription) 액션을 포함하는, 링크 연관 분석 시스템.
  14. 제 10 항에 있어서,
    상기 상호작용은 통지 액션을 포함하는, 링크 연관 분석 시스템.
  15. 제 10 항에 있어서,
    상기 상호작용은 트랜잭션 (transaction) 을 포함하는, 링크 연관 분석 시스템.
  16. 제 10 항에 있어서,
    상기 상호작용은 감정 액션을 포함하는, 링크 연관 분석 시스템.
  17. 제 16 항에 있어서,
    상기 감정 액션은 상기 인간 링크 생성자와 연관된 선호도를 나타내는, 링크 연관 분석 시스템.
  18. 제 16 항에 있어서,
    상기 감정 액션은 상기 연관 이유 오브젝트와 연관된 선호도를 나타내는, 링크 연관 분석 시스템.
  19. 제 1 항에 있어서,
    상기 링크 분석 엔진은 또한 사용자들의 조사에 기초하여 상기 연관 이유 오브젝트를 생성하도록 구성되는, 링크 연관 분석 시스템.
  20. 제 1 항에 있어서,
    상기 링크 분석 엔진은 또한 상기 콘텍스트와 연관된 속성들에 기초하여 이유 오브젝트 템플레이트들을 검색함으로써 상기 연관 이유 오브젝트를 생성하도록 구성되는, 링크 연관 분석 시스템.
  21. 제 20 항에 있어서,
    상기 링크 분석 엔진은 또한 다음 중 적어도 하나에 기초하여 상기 이유 오브젝트 템플레이트를 팝퓰레이트 (populate) 하도록 구성되는, 링크 연관 분석 시스템:
    인간 링크 생성자 프로파일, 상기 콘텍스트, 상기 링크된 컨텐츠, 및 상기 속성들.
  22. 제 1 항에 있어서,
    상기 포인터는 다음 중 적어도 하나를 포함하는, 링크 연관 분석 시스템:
    유니폼 자원 로케이터 (URL), 이메일 어드레스, 네트워크 어드레스, 전화 번호, 북마크, 네트워킹 콘택트, 및 애플리케이션 프로그램 인터페이스 (API).
  23. 제 1 항에 있어서,
    상기 콘텍스트는 온라인 컨텐츠를 포함하는, 링크 연관 분석 시스템.
  24. 제 23 항에 있어서,
    상기 온라인 컨텐츠는 다음의 타입들의 데이터 중 적어도 하나를 포함하는, 링크 연관 분석 시스템:
    텍스트 데이터, 오디오 데이터, 비디오 데이터, 이미지 데이터, 운동감각 데이터, 메타데이터, 물리적 로케이션 데이터, 시간 데이터, 및 주위 데이터.
  25. 제 23 항에 있어서,
    상기 링크가 제시되는 상기 주위 컨텐츠 로케이션은 다음 중 적어도 하나를 포함하는, 링크 연관 분석 시스템:
    비디오 포스트, 포럼 포스트, 코멘트 포스트, 아티클, 소셜 네트워크 포스트, 코멘트 스레드, 및 리뷰.
  26. 제 1 항에 있어서,
    상기 출력 디바이스는 다음 중 적어도 하나를 포함하는, 링크 연관 분석 시스템:
    이동 전화, 태블릿, 텔레비젼, 셋톱 박스, 가전 제품, 키오스크, 및 차량.
KR1020157026852A 2013-02-25 2014-02-18 링크 연관 분석 시스템들 및 방법들 KR102160844B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361768989P 2013-02-25 2013-02-25
US61/768,989 2013-02-25
PCT/US2014/016994 WO2014130484A1 (en) 2013-02-25 2014-02-18 Link association analysis systems and methods

Publications (2)

Publication Number Publication Date
KR20160032714A KR20160032714A (ko) 2016-03-24
KR102160844B1 true KR102160844B1 (ko) 2020-09-28

Family

ID=51391743

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020157026852A KR102160844B1 (ko) 2013-02-25 2014-02-18 링크 연관 분석 시스템들 및 방법들

Country Status (8)

Country Link
US (6) US9659104B2 (ko)
EP (1) EP2959403A4 (ko)
JP (3) JP6364428B2 (ko)
KR (1) KR102160844B1 (ko)
CN (2) CN108415984B (ko)
AU (2) AU2014219089B2 (ko)
CA (1) CA2902485C (ko)
WO (1) WO2014130484A1 (ko)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2431793B (en) * 2005-10-31 2011-04-27 Sony Uk Ltd Image processing
US9875488B2 (en) * 2012-03-30 2018-01-23 Rewardstyle, Inc. Targeted marketing based on social media interaction
US10467237B1 (en) * 2012-11-12 2019-11-05 Pinterest, Inc. Object relationships and similarities based on user context
KR102160844B1 (ko) 2013-02-25 2020-09-28 패트릭 순-시옹 링크 연관 분석 시스템들 및 방법들
US9621662B1 (en) * 2013-03-04 2017-04-11 Yelp Inc. Surfacing relevant reviews
US9256687B2 (en) * 2013-06-28 2016-02-09 International Business Machines Corporation Augmenting search results with interactive search matrix
US9832284B2 (en) 2013-12-27 2017-11-28 Facebook, Inc. Maintaining cached data extracted from a linked resource
US10133710B2 (en) 2014-02-06 2018-11-20 Facebook, Inc. Generating preview data for online content
US10567327B2 (en) * 2014-05-30 2020-02-18 Facebook, Inc. Automatic creator identification of content to be shared in a social networking system
US10380254B2 (en) * 2014-09-10 2019-08-13 International Business Machines Corporation Association of an emotional influencer to a post in a social medium
US10026051B2 (en) * 2014-09-29 2018-07-17 Hartford Fire Insurance Company System for accessing business metadata within a distributed network
US11042842B2 (en) * 2014-10-30 2021-06-22 Douglas Winston Hines System and method for a device to work collaboratively with an expert
US20160224664A1 (en) * 2015-02-02 2016-08-04 Aura Network, Inc. Free association engine to generate and operate on dynamic views of stored entities and associations derived from records of user encounters with physical objects and other input data sources
US9628419B2 (en) * 2015-07-29 2017-04-18 Mimecast North America, Inc. System for annotation of electronic messages with contextual information
US10380235B2 (en) * 2015-09-01 2019-08-13 Branchfire, Inc. Method and system for annotation and connection of electronic documents
US10289727B2 (en) * 2015-09-17 2019-05-14 International Business Machines Corporation Incorporation of semantic attributes within social media
US10462094B2 (en) * 2016-01-07 2019-10-29 International Business Machines Corporation Syndicated cloud-based notification as a service
US10462244B2 (en) * 2016-01-07 2019-10-29 International Business Machines Corporation Syndicated cloud-based notification as a service
US10064006B2 (en) 2016-08-26 2018-08-28 Microsoft Technology Licensing, Llc Location based access control for artificial conversational entities
CN108268883B (zh) * 2016-12-31 2021-05-07 上海交通大学 基于开放数据的移动端信息模板自构建系统
US20180232125A1 (en) * 2017-02-10 2018-08-16 Adobe Systems Incorporated Contextual Linking of Digital Representations of Objects with Documents
US10289432B2 (en) * 2017-03-02 2019-05-14 Salesforce.Com, Inc. Adaptively linking data between independent systems based on a uniform resource locator
US10356574B1 (en) * 2017-03-15 2019-07-16 Patreon, Inc. Augmented reality identification of subscribers
US20190073670A1 (en) * 2017-09-05 2019-03-07 PeerNova, Inc. Capturing Related Events in Cryptographically Linked Records
US20210124871A1 (en) * 2018-03-30 2021-04-29 Young-hwa Cho Authoring management method based on relation of electronic documents and authoring management system
CN108764392B (zh) 2018-04-25 2020-07-17 阿里巴巴集团控股有限公司 业务处理方法、装置以及设备
WO2020102033A2 (en) 2018-11-12 2020-05-22 Nant Holdings Ip, Llc Curation and provision of digital content
US10841377B2 (en) * 2018-11-26 2020-11-17 Microsoft Technology Licensing, Llc Managing data resources
KR102275135B1 (ko) * 2019-11-12 2021-07-09 곽해웅 프로젝트를 위한 자료 수집 및 분석 시스템 및 그의 구축 방법
EP4211547A1 (en) 2020-09-08 2023-07-19 Medtronic, Inc. Imaging discovery utility for augmenting clinical image management
CN114584824A (zh) * 2020-12-01 2022-06-03 阿里巴巴集团控股有限公司 数据处理方法、系统、电子设备、服务端及客户端设备
CN112711455B (zh) * 2020-12-31 2024-04-16 京东科技控股股份有限公司 一种页面交互方法、装置、电子设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006172489A (ja) 2006-01-11 2006-06-29 Fujitsu Ltd 文書の参照理由を用いて情報検索を行なう装置
KR100801662B1 (ko) * 2006-08-31 2008-02-05 에스케이 텔레콤주식회사 상품 추천 관리시스템 및 그 추천 방법
KR101180371B1 (ko) * 2010-08-30 2012-09-10 서울시립대학교 산학협력단 폭소노미 기반 개인화 웹 검색 방법 및 이를 수행하는 시스템

Family Cites Families (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6877137B1 (en) 1998-04-09 2005-04-05 Rose Blush Software Llc System, method and computer program product for mediating notes and note sub-notes linked or otherwise associated with stored or networked web pages
JP2003505778A (ja) 1999-05-28 2003-02-12 セーダ インコーポレイテッド 音声制御ユーザインタフェース用の認識文法作成の特定用途を有する句ベースの対話モデル化
JP3791877B2 (ja) 1999-06-15 2006-06-28 富士通株式会社 文書の参照理由を用いて情報検索を行う装置
US7343324B2 (en) * 2000-11-03 2008-03-11 Contentguard Holdings Inc. Method, system, and computer readable medium for automatically publishing content
US8224078B2 (en) 2000-11-06 2012-07-17 Nant Holdings Ip, Llc Image capture and identification system and process
US7016532B2 (en) 2000-11-06 2006-03-21 Evryx Technologies Image capture and identification system and process
US7565008B2 (en) 2000-11-06 2009-07-21 Evryx Technologies, Inc. Data capture and identification system and process
US7680324B2 (en) 2000-11-06 2010-03-16 Evryx Technologies, Inc. Use of image-derived information as search criteria for internet and other search engines
EP1547009A1 (en) * 2002-09-20 2005-06-29 Board Of Regents The University Of Texas System Computer program products, systems and methods for information discovery and relational analyses
US7949617B1 (en) 2002-11-11 2011-05-24 Linda Shawn Higgins System and methods for facilitating user thinking and learning utilizing enhanced interactive constructs
US7418403B2 (en) * 2002-11-27 2008-08-26 Bt Group Plc Content feedback in a multiple-owner content management system
US7447667B2 (en) * 2002-12-11 2008-11-04 International Business Machines Corporation Method and knowledge structures for reasoning about concepts, relations, and rules
JP2004355340A (ja) 2003-05-29 2004-12-16 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
JP2006185334A (ja) * 2004-12-28 2006-07-13 Ricoh Co Ltd リンク関係取得方法、装置、プログラムおよびコンピュータ読み取り可能な記録媒体
JP4752623B2 (ja) * 2005-06-16 2011-08-17 ソニー株式会社 情報処理装置、情報処理方法、およびプログラム
JP4614854B2 (ja) 2005-09-27 2011-01-19 日本電信電話株式会社 コミュニティ管理装置、及びコミュニティ管理プログラム
US20070088720A1 (en) * 2005-10-17 2007-04-19 Siemens Aktiengesellschaft Method for detecting discrepancies between a user's perception of web sites and an author's intention of these web sites
US7775437B2 (en) 2006-06-01 2010-08-17 Evryx Technologies, Inc. Methods and devices for detecting linkable objects
US20080154577A1 (en) 2006-12-26 2008-06-26 Sehda,Inc. Chunk-based statistical machine translation system
KR101527616B1 (ko) * 2007-05-15 2015-06-10 소씨얼 프로젝트, 아이엔씨. 소셜 네트워킹 온라인 커뮤니티를 생성하기 위한 시스템 및 방법
US8583416B2 (en) 2007-12-27 2013-11-12 Fluential, Llc Robust information extraction from utterances
US8478578B2 (en) 2008-01-09 2013-07-02 Fluential, Llc Mobile speech-to-speech interpretation system
US10275524B2 (en) * 2008-01-23 2019-04-30 Sears Holdings Management Corporation Social network searching with breadcrumbs
KR100974064B1 (ko) * 2008-02-22 2010-08-04 주식회사 솔트룩스 사용자 맞춤형 정보 제공 시스템 및 그 방법
US8346754B2 (en) 2008-08-19 2013-01-01 Yahoo! Inc. Generating succinct titles for web URLs
US8656266B2 (en) * 2008-12-18 2014-02-18 Google Inc. Identifying comments to show in connection with a document
WO2010118241A2 (en) 2009-04-08 2010-10-14 Indiana University Research & Technology Corporation Inhibitors of protein tyrosine phosphatases
JP2011138197A (ja) * 2009-12-25 2011-07-14 Sony Corp 情報処理装置、関連度評価方法及びプログラム
JP2011175362A (ja) * 2010-02-23 2011-09-08 Sony Corp 情報処理装置、重要度算出方法及びプログラム
CN102214334B (zh) * 2010-04-01 2016-06-29 阿里巴巴集团控股有限公司 一种网上支付方法、装置及系统
US9152969B2 (en) * 2010-04-07 2015-10-06 Rovi Technologies Corporation Recommendation ranking system with distrust
US20110301433A1 (en) 2010-06-07 2011-12-08 Richard Scott Sadowsky Mental state analysis using web services
US8396889B2 (en) * 2010-08-26 2013-03-12 Lexisnexis, A Division Of Reed Elsevier Inc. Methods for semantics-based citation-pairing information
US9679060B2 (en) * 2010-10-13 2017-06-13 Microsoft Technology Licensing, Llc Following online social behavior to enhance search experience
US20120137201A1 (en) 2010-11-30 2012-05-31 Alcatel-Lucent Usa Inc. Enabling predictive web browsing
JP5237353B2 (ja) 2010-12-09 2013-07-17 楽天株式会社 検索装置、検索システム、検索方法、検索プログラム、及び検索プログラムを記憶するコンピュータ読取可能な記録媒体
US9087106B2 (en) * 2010-12-31 2015-07-21 Yahoo! Inc. Behavior targeting social recommendations
GB2488373A (en) * 2011-02-28 2012-08-29 Hsbc Holdings Plc Database ranks results based on reputational scores
US9411860B2 (en) * 2011-06-28 2016-08-09 Hewlett Packard Enterprise Development Lp Capturing intentions within online text
US20140019443A1 (en) * 2012-07-10 2014-01-16 Venor, Inc. Systems and methods for discovering content of predicted interest to a user
KR102160844B1 (ko) 2013-02-25 2020-09-28 패트릭 순-시옹 링크 연관 분석 시스템들 및 방법들
US10824787B2 (en) * 2013-12-21 2020-11-03 Microsoft Technology Licensing, Llc Authoring through crowdsourcing based suggestions

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006172489A (ja) 2006-01-11 2006-06-29 Fujitsu Ltd 文書の参照理由を用いて情報検索を行なう装置
KR100801662B1 (ko) * 2006-08-31 2008-02-05 에스케이 텔레콤주식회사 상품 추천 관리시스템 및 그 추천 방법
KR101180371B1 (ko) * 2010-08-30 2012-09-10 서울시립대학교 산학협력단 폭소노미 기반 개인화 웹 검색 방법 및 이를 수행하는 시스템

Also Published As

Publication number Publication date
AU2014219089B2 (en) 2019-02-14
CN105518653A (zh) 2016-04-20
US9916290B2 (en) 2018-03-13
WO2014130484A1 (en) 2014-08-28
US10430499B2 (en) 2019-10-01
CA2902485A1 (en) 2014-08-28
US10706216B2 (en) 2020-07-07
AU2014219089A1 (en) 2015-09-03
KR20160032714A (ko) 2016-03-24
US9659104B2 (en) 2017-05-23
US10108589B2 (en) 2018-10-23
US20190057067A1 (en) 2019-02-21
JP6841867B2 (ja) 2021-03-10
US20170220532A1 (en) 2017-08-03
US10872195B2 (en) 2020-12-22
JP2018185839A (ja) 2018-11-22
JP6538245B2 (ja) 2019-07-03
AU2019202770A1 (en) 2019-05-16
US20200034411A1 (en) 2020-01-30
CN108415984B (zh) 2021-10-29
WO2014130484A4 (en) 2014-10-30
CA2902485C (en) 2019-05-21
EP2959403A1 (en) 2015-12-30
JP6364428B2 (ja) 2018-07-25
US20180181548A1 (en) 2018-06-28
JP2019200796A (ja) 2019-11-21
US20200285802A1 (en) 2020-09-10
AU2019202770B2 (en) 2020-04-09
JP2016514304A (ja) 2016-05-19
CN108415984A (zh) 2018-08-17
US20160004711A1 (en) 2016-01-07
CN105518653B (zh) 2018-03-23
EP2959403A4 (en) 2016-10-12

Similar Documents

Publication Publication Date Title
US10872195B2 (en) Link association analysis systems and methods
Darmody et al. Manipulate to empower: Hyper-relevance and the contradictions of marketing in the age of surveillance capitalism
Light et al. The walkthrough method: An approach to the study of apps
Sundar et al. Theoretical importance of contingency in human-computer interaction: Effects of message interactivity on user engagement
Van Rijmenam Think bigger: Developing a successful big data strategy for your business
CN114072832A (zh) 用于助理系统的基于记忆的对话推理和问答
Ellerbrok Playful biometrics: controversial technology through the lens of play
Blank Online research methods and social theory
US9026922B2 (en) Method and system of generating and managing digital dreamboards
Luttrell et al. Social media and society: An introduction to the mass media landscape
Rivas-Costa et al. An accessible platform for people with disabilities
Goodings Understanding social network sites: lessons from MySpace
Cheng et al. Virtually Enhancing Public Engagement During the Pandemic: Measuring the Impact of Virtual Reality Powered Immersive Videos on Corporate Social Responsibility Communication
Corcoran Integrated Digital Marketing in Practice
Bakke A rhetorical perspective on trust in E-health websites
Rafajac et al. Integral Communication Framework
Belk Adaptive usable security: personαlizing user authentication and CAPTCHA based on individual differences in cognitive processing
Kyriacou Enriching lifelong user modelling in a social networking and e-commerce era

Legal Events

Date Code Title Description
N231 Notification of change of applicant
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant