KR20110016504A

KR20110016504A - 개인화된 거리의 판단 및 표시를 위한 시스템과 방법

Info

Publication number: KR20110016504A
Application number: KR1020117000884A
Authority: KR
Inventors: 크리스 칼라부키스; 크리스토퍼 더블유 히긴스; 마크 데이비스; 조셉 오설리번; 아델리나 아샤니; 로널드 마르티네스; 크리스토퍼 티. 빠레띠
Original assignee: 야후! 인크.
Priority date: 2008-06-27
Filing date: 2009-06-04
Publication date: 2011-02-17
Also published as: US9574899B2; WO2009158168A3; KR20120081222A; US20140114572A1; CN102067631A; US20090326800A1; TWI428564B; WO2009158168A2; TW201011262A; US20160084670A1; US8706406B2; US9222780B2; KR101177233B1

Abstract

본 발명은 개인화된 거리의 판단 및 표시를 위한 시스템과 방법을 개시한다. 개인화된 거리의 판단을 위한 요청이 네트워크 상에서 수신되고, 요청은 요청한 사용자의 식별, 및 적어도 시작 위치와 종료 위치를 포함하는 다수의 현실세계 실체를 포함한다. 하나 이상의 루트가 제1 위치와 제2 위치 사이에 판단된다. 네트워크에 유효한 데이터의 글로벌 인덱스를 이용하여, 요청한 사용자와 각각의 현실세계 실체와 루트에 관련된 네트워크에 유효한 공간, 시간, 화제, 사회 데이터가 검색된다. 요청한 사용자와 각각의 현실세계 실체와 루트에 관련된 공간, 시간, 화제, 사회 데이터를 이용하여, 개인화된 거리가 네트워크를 통해 제1 위치와 제2 위치 사이에 계산된다. 루트에 대해 계산된 개인화된 거리의 표현이 표시 매체에 표시된다.

Description

개인화된 거리의 판단 및 표시를 위한 시스템과 방법{System and Method for Determination and Display of Personalized Distance}

본 출원은 저작권의 보호 대상이 되는 자료를 포함한다. 저작권의 소유자는 특허청의 파일 또는 기록에 나타나 있는 특허 개시의 타인에 의한 팩시밀리 복제에 대해 이의가 없지만, 다른 경우에는 모든 저작권을 보유한다.

본 발명은 네트워크 상에서 미디어를 선택 및 제시하는 시스템과 방법에 관한 것으로, 특히 환경 내의 사용자들의 취향에 따라 환경을 조정하여 위치 경험을 개선하는 네트워크 상에서 미디어를 선택 및 제시하는 시스템과 방법에 관한 것이다.

사람들이 이동 전화와 케이블 셋톱 박스 같은 전자 장치를 사용할 때 다량의 정보가 생성된다. 몇 가지 예를 들면, 위치, 사용된 애플리케이션, 사회 네트워크, 방문한 물리적 위치 및 온라인 위치 같은 이러한 정보들은 최종 사용자에게 유용한 서비스와 정보를 전달하고 광고주와 소매상에게 상업적 기회를 제공하기 위해 사용될 수 있다. 그러나, 이러한 정보들의 대부분은 정보를 캡쳐할 수 있는 방식에 있어서의 결함들로 인해 효과적으로 버려진다. 예를 들어, 이동 전화에 관하여, 이동 전화가 유휴 상태인 동안에는(즉, 사용자가 사용하지 않는 동안에는) 일반적으로 정보가 수집되지 않는다. 바로 인근의 다른 이동 전화의 존재, 다른 사용자에 대한 메시지 시간과 빈도, 사용자의 사회 네트워크 활동 같은 그 밖의 정보들이 또한 효과적으로 캡쳐되지 않는다.

일 실시예에서, 본 발명은 방법에 관한 것이다. 개인화된 거리의 판단을 위한 요청이 네트워크 상에서 수신되고, 요청은 요청한 사용자의 식별, 및 적어도 시작 위치와 종료 위치를 포함하는 다수의 현실세계 실체를 포함한다. 하나 이상의 루트가 제1 위치와 제2 위치 사이에 판단된다. 네트워크에 유효한 데이터의 글로벌 인덱스를 이용하여, 요청한 사용자와 각각의 현실세계 실체와 루트에 관련된 네트워크에 유효한 공간, 시간, 화제(topical), 사회 데이터가 검색된다. 요청한 사용자와 각각의 현실세계 실체와 루트에 관련된 공간, 시간, 화제, 사회 데이터를 이용하여, 개인화된 거리가 네트워크를 통해 제1 위치와 제2 위치 사이에 계산된다. 루트에 대해 계산된 개인화된 거리의 표현이 표시 매체에 표시된다.

다른 실시예에서, 본 발명은 시스템에 관한 것이다. 시스템은 현실세계 실체들 사이의 개인화된 거리들의 계산을 위한 요청들로, 요청한 사용자, 및 적어도 시작 위치와 종료 위치를 포함하는 다수의 현실세계 실체를 포함하는 요청들을 수신하는 요청 수신 모듈과; 요청 수신 모듈에 의해 수신된 각각의 요청에 대해 시작 위치들과 종료 위치들 사이에 하나 이상의 루트를 맵핑하는 루트 판단 모듈과; 네트워크에 유효한 데이터의 글로벌 인덱스를 이용하여, 요청한 사용자와 각각의 현실세계 실체와 루트에 관련된 네트워크에 유효한 공간, 시간, 화제, 사회 데이터를 검색하는 루트 데이터 검색 모듈과; 루트 데이터 검색 모듈에 의해 검색된 데이터를 사용하여 루트 판단 모듈에 의해 맵핑된 루트들에 대해 개인화된 거리를 계산하는 개인화된 거리 계산 모듈과; 개인화된 거리 계산 모듈에 의해 계산된 개인화된 거리를 표시 매체에 표시하는 개인화된 거리 표시 모듈을 포함한다.

본 발명의 전술한 및 그 밖의 목적들, 특징들, 이점들은 다양한 도면에서 유사한 도면 부호가 동일한 부분을 가리키는 첨부 도면에 도시된 바와 같은 후술하는 바람직한 실시예들의 보다 상세한 설명에 의해 명백해질 것이다. 도면들은 반드시 정확한 축척을 나타내는 것이 아니라 본 발명의 원리의 설명에 중점을 둔 것이다.
도 1은 W4 통신 네트워크(W4 COMN)의 일 실시예에서 현실세계 실체들(RWE)과 정보 객체들(IO) 사이의 관계를 도시한다.
도 2는 W4 COMN의 일 실시예에서 RWE들과 IO들 사이의 관계를 정의하는 메타데이터를 도시한다.
도 3은 W4 COMN의 일 실시예의 개념 모델을 도시한다.
도 4는 W4 COMN 구조의 일 실시예의 기능층들을 도시한다.
도 5는 도 3에 도시된 바와 같은 W4 엔진의 일 실시예의 분석 컴포넌트들을 도시한다.
도 6은 도 5에 도시된 서브 엔진들 내의 상이한 컴포넌트들을 보여주는 W4 엔진의 일 실시예를 도시한다.
도 7은 두 개 이상의 현실세계 실체들 사이의 개인화된 거리의 판단을 위한 W4 COMN의 사용의 일 실시예를 도시한다.
도 8은 도 7에 도시된 사용자들과 디바이스들을 W4 COMN에 한정할 수 있는 방법의 일 실시예를 도시한다.
도 9는 도 8에 도시된 RWE들을 W4 COMN 내의 실체들과 객체들에 관련시킬 수 있는 방법을 보여주는 데이터 모델의 일 실시예를 도시한다.
도 10은 시간, 공간, 사회 데이터를 갖는 네트워크, 예를 들어, W4 COMN을 두 개 이상의 현실세계 실체들 사이의 개인화된 거리의 판단을 위해 사용할 수 있는 방법의 프로세스(900)의 일 실시예를 도시한다.
도 11은 도 10의 프로세스를 지원할 수 있는 개인화된 거리 판단 엔진(1000)의 일 실시예를 도시한다.
도 12는 개인화된 거리 계산에 있어서 공간적, 시간적, 사회적, 화제적 요인들의 가중치를 조정하기 위한 사용자 인터페이스를 도시한다.

본 발명은 특정 화제에 관련된 미디어를 선택 및 제시하기 위한 방법과 디바이스의 블록도와 동작도를 참조하여 이하에 설명된다. 블록도 또는 동작도의 각 블록과 블록도 또는 동작도의 블록들의 조합은 아날로그 또는 디지털 하드웨어 및 컴퓨터 프로그램 명령어들을 통해 구현될 수 있음은 물론이다.

이러한 컴퓨터 프로그램 명령어들은 범용 컴퓨터, 특수용 컴퓨터, ASIC, 또는 그 밖의 프로그램가능 데이터 처리 장치의 프로세서에 제공될 수 있고, 따라서 컴퓨터 또는 그 밖의 프로그램가능 데이터 처리 장치의 프로세서를 통해 실행되는 명령어들은 블록도들 또는 동작 블록 또는 블록들에서 특정되는 기능/작동을 구현한다.

일부 대안적인 구현예들에서, 블록에 기재된 기능들/작동들은 동작도 내에 기재된 순서와 다르게 발생할 수 있다. 예를 들어, 차례로 도시된 두 블록은 사실상 실질적으로 동시에 실행될 수 있거나, 또는 관련된 기능 또는 작동에 따라 블록들이 때때로 역순으로 실행될 수 있다.

본 개시의 목적을 위해, "서버" 라는 용어는 처리, 데이터베이스, 통신 설비들을 제공하는 서비스 포인트를 가리키는 것으로 이해해야 한다. 제한이 아닌 예로서, "서버" 라는 용어는 연계된 통신, 데이터 저장, 데이터베이스 설비들을 구비한 단일의 물리적 프로세서를 가리키거나, 서버가 제공한 서비스들을 지원하는 운영 소프트웨어와 하나 이상의 데이터베이스 시스템과 애플리케이션 소프트웨어 뿐만 아니라 연계된 네트워크 및 저장 디바이스들과 프로세서들의 네트워킹된 또는 클러스터링된 복합체를 가리킬 수 있다.

본 개시의 목적을 위해, "최종 사용자" 또는 "사용자" 라는 용어는 데이터 제공자가 제공한 데이터의 소비자를 가리키는 것으로 이해해야 한다. 제한이 아닌 예로서, "최종 사용자" 라는 용어는 브라우저 세션 내의 인터넷 상에서 데이터 제공자가 제공한 데이터를 수신하는 사람을 가리키거나, 또는 데이터를 수신하고 데이터를 저장 또는 처리하는 자동화 소프트웨어 애플리케이션을 가리킬 수 있다.

본 개시의 목적을 위해, "미디어" 와 "미디어 콘텐츠" 라는 용어는 최종 사용자의 관심을 끌 수 있는 콘텐츠를 포함하는 이진 데이터를 가리키는 것으로 이해해야 한다. 제한이 아닌 예로서, "미디어" 와 "미디어 콘텐츠" 라는 용어는 동영상 데이터 또는 음성 데이터 같은 멀티미디어 데이터, 또는 최종 사용자가 인지할 수 있는 형태로 변형될 수 있는 임의의 다른 형태의 데이터를 가리킬 수 있다. 또한, 이러한 데이터는 특정 목적을 위해 현재 알려진 또는 장래에 개발될 수 있는 임의의 방식으로 인코딩될 수 있다. 제한이 아닌 예로서, 데이터는 암호화 및 압축되고/되거나 내장된 메타데이터를 포함할 수 있다.

본 개시의 목적을 위해, 컴퓨터 판독가능 매체는 컴퓨터 데이터를 기계 판독가능 형태로 저장한다. 제한이 아닌 예로서, 컴퓨터 판독가능 매체는 컴퓨터 저장 매체와 통신 매체를 포함할 수 있다. 컴퓨터 저장 매체는 컴퓨터-판독가능 명령어, 데이터 구조, 프로그램 모듈, 또는 그 밖의 데이터 같은 정보의 저장을 위한 임의의 방식 또는 기술로 구현되는 휘발성 및 비휘발성, 분리성 및 비분리성 매체를 포함한다. 컴퓨터 저장 매체는 RAM, ROM, EPROM, EEPROM, 플래시 메모리, 또는 그 밖의 고체 메모리 기술, CD-ROM, DVD, 또는 그 밖의 광 저장 장치, 마그네틱 카세트, 마그네틱 테이프, 마그네틱 디스크 저장 장치, 또는 그 밖의 대용량 저장 장치, 또는 원하는 정보를 저장하기 위해 사용되고 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함하지만, 이에 제한되지 않는다.

본 개시의 목적을 위해, 모듈은 (인간의 상호 작용 또는 증강(augmentation)과 함께 또는 이들 없이) 본 명세서에 설명된 프로세스들, 특징들, 및/또는 기능들을 수행하거나 용이하게 하는 소프트웨어, 하드웨어, 또는 펌웨어(또는 이들의 조합) 시스템, 프로세스, 또는 기능, 또는 그 컴포넌트이다. 모듈은 서브 모듈들을 포함할 수 있다. 모듈의 소프트웨어 컴포넌트들이 컴퓨터 판독가능 매체에 저장될 수 있다. 모듈들은 하나 이상의 서버에 일체화되거나 하나 이상의 서버에 의해 로딩 및 실행될 수 있다. 하나 이상의 모듈이 엔진 또는 애플리케이션에 집단화될 수 있다.

본 개시의 목적을 위해, 엔진은 (인간의 상호 작용 또는 증강과 함께 또는 이들 없이) 본 명세서에 설명된 프로세스들, 특징들, 및/또는 기능들을 수행하거나 용이하게 하는 소프트웨어, 하드웨어, 또는 펌웨어(또는 이들의 조합) 시스템, 프로세스, 또는 기능이다.

본 발명의 실시예들은 네트워크 상에서 다수의 디바이스에 의해 수집 및 저장된 데이터를 제공할 수 있는 네트워크에 의해 제공된 정보를 사용한다. 이러한 정보는 특정 사용자 또는 하드웨어 디바이스에 관련된 사용자 정보, 공간 정보, 시간 정보를 포함할 수 있지만, 이에 제한되지 않는다. 사용자 정보는 사용자 실태적 인구통계, 사용자 선호, 사용자 사회 네트워크, 사용자 행동을 포함할 수 있지만, 이에 제한되지 않는다. 이러한 네트워크의 일 실시예가 W4 통신 네트워크(W4 Communications Network)이다.

"W4 통신 네트워크" 또는 W4 COMN은 네트워크 내의 상호 작용의 "누구(Who), 무엇(What), 언제(When), 어디(Where)" 에 관련된 정보를 제공한다. 일 실시예에서, W4 COMN은 임의의 주제, 위치, 사용자, 또는 그 조합에 대해 현실세계 환경에서 데이터 인식과 수집을 제공하는 센서들의 계장된(instrumented) 네트워크를 제공하는, 사용자들과 그 프록시들 사이에 동기 및 비동기 통신 양자를 촉진하는 프로세스들, 디바이스들, 사용자들의 집합이다.

일 실시예에서, W4 COMN은 라우팅/어드레싱, 스케줄링, 필터링, 우선 순위 매김(prioritization), 응답, 포워딩, 저장, 삭제, 프라이버시, 거래, 신규 메시지 트리거링, 변화 전파(propagating changes), 트랜스코딩, 및 링킹을 처리할 수 있다. 또한, 이러한 작동들은 W4 COMN에 의해 액세스될 수 있는 임의의 통신 채널 상에서 수행될 수 있다.

일 실시예에서, W4 COMN은 사용자와 위치뿐만 아니라 네트워크 상의 임의의 디바이스와 사용자 지정 조건을 갖는 임의의 종류의 사용자 정의 데이터를 위한 프로파일을 생성하기 위한 데이터 모델링 전략을 사용한다. 모든 알려진 실체들을 서로 관련시키는 전체 그래프뿐만 아니라 각 실체를 위한 마이크로 그래프 모두를 생성하기 위해, 특정 사용자, 화제 또는 논리 데이터 객체에 대해 유효한 사회, 공간, 시간, 논리 데이터를 이용하여, W4 COMN에 알려진 모든 실체들을 다른 모든 알려진 실체들과 데이터 객체들에 대해 맵핑 및 표현할 수 있다. 일 실시예에서, 이러한 실체들과 데이터 객체들 사이의 관계는 W4 COMN 내의 글로벌 인덱스에 저장된다.

일 실시예에서, W4 COMN 네트워크는 이른바 "현실세계 실체들(real world entities)에 관련되어 있고, 이는 이하에 RWE라고 칭한다. RWE는 W4 COMN에 알려진 사람, 디바이스, 위치, 또는 그 밖의 물리적 물체를 가리키지만, 이에 제한되지 않는다. 일 실시예에서, W4 COMN에 알려진 각각의 RWE에는 W4 COMN 내의 RWE를 식별하는 고유의 W4 식별 번호가 할당된다.

RWE들은 그 자체로 RWE일 수 있는 프록시들을 통해 또는 직접적으로 네트워크와 상호 작용할 수 있다. W4 COMN과 직접 상호 작용하는 RWE들의 예는 데이터를 수신 또는 송신하거나 신호를 제어하기 위해 W4 COMN에 연결되는 하드웨어의 센서, 모터, 또는 그 밖의 부품 같은 임의의 디바이스를 포함한다. RWE는 네트워크 노드 역할을 하거나, 네트워킹된 환경에서 데이터를 생성, 요청, 및/또는 소비하거나, 네트워크를 통해 제어될 수 있는 모든 디바이스들을 포함할 수 있다. 이러한 디바이스들은 네트워크와 상호 작용하도록 목적에 맞게 설계된 임의의 종류의 "덤(dumb)" 디바이스(예를 들어, 이동 전화, 케이블 텔레비전 셋톱 박스, 팩시밀리 송수신기, 전화, 무선 주파수 식별(RFID) 태그, 센서 등)를 포함한다.

프록시를 사용하여 W4 COMN과 상호 작용할 수 있는 RWE들의 예는 사람, 위치(예를 들어, 주, 도시, 집, 건물, 공항, 도로 등)와 물체(예를 들어, 동물, 애완동물, 가축, 정원, 물리적 객체, 자동차, 비행기, 예술품 등) 같은 물리적 실체들, 및 사업적 실체, 법적 실체, 사람들의 집합, 또는 스포츠 팀 같은 무형의 실체들을 포함하는 비-전자 실체들을 포함한다. 또한, "스마트" 디바이스들(예를 들어, 다른 디바이스 또는 네트워크와의 통신을 지원하는 스마트 폰, 스마트 셋톱 박스, 스마트 카 같은 컴퓨팅 디바이스, 랩톱 컴퓨터, 퍼스널 컴퓨터, 서버 컴퓨터, 위성 등)이 프록시를 사용하여 네트워크와 상호 작용하는 RWE로 고려될 수 있고, 디바이스의 프록시 역할을 하는 소프트웨어 애플리케이션이 디바이스에서 실행된다.

일 실시예에서, W4 COMN은 RWE들 사이의 연계가 판단 및 추적되게 할 수 있다. 예를 들어, 소정의 사용자(RWE)는, 다른 사람, 이동 전화, 스마트 신용카드, 개인 휴대정보 단말기, 이메일과 그 밖의 통신 서비스 계정, 네트워킹된 컴퓨터, 스마트 기기, 케이블 텔레비전과 그 밖의 미디어 서비스를 위한 셋톱 박스와 수신기, 및 임의의 다른 네트워킹된 디바이스를 포함하는, 임의의 수와 유형의 다른 RWE들과 연계될 수 있다. RWE가 W4 COMN 내에 설치될 때와 같이, 이러한 연계가 사용자에 의해 명시적으로 이루어질 수 있다.

그 일 예가 신규 이동 전화, 케이블 텔레비전 서비스 또는 이메일 계정의 설정인데, 사용자는 RWE(예를 들어, 이동 전화 서비스를 위한 사용자의 전화, 케이블 서비스를 위한 위치 및/또는 사용자의 셋톱 박스, 또는 온라인 서비스를 위한 사용자명과 비밀 번호)를 사용자와 직접 연계된 것으로서 명시적으로 식별하게 된다. 이러한 명시적 연계는 사용자와 RWE 사이의 특정 관계(예를 들어, 내 디바이스, 내 가전기기, 내 친구/아버지/아들 등, 나와 다른 사용자들 사이에 공유되는 디바이스 등)를 사용자가 식별하는 것을 포함할 수 있다. RWE들은 또한 현재 상황에 기반하여 사용자와 명시적으로 연계될 수 있다. 예를 들어, W4 COMN 상의 날씨 센서는 사용자가 센서 위치 근처에 살거나 지나가는 것을 나타내는 정보에 기반하여 사용자와 명시적으로 연계될 수 있다.

일 실시예에서, W4 COMN 네트워크는 이른바 "정보 객체들(information objects)" 을 추가로 포함할 수 있고, 이는 이하에 IO라고 칭한다. 정보 객체(IO)는 RWE들 및/또는 W4 COMN에 의해 사용되도록 데이터를 저장, 유지, 생성 또는 제공할 수 있는 논리적 객체이다. 일 실시예에서, IO 내의 데이터는 RWE의 작동에 의해 수정될 수 있다. W4 COMN 내의 IO에는 이를 식별하는 고유의 W4 식별 번호가 제공될 수 있다.

일 실시예에서, IO들은 통신 신호(예를 들어, 디지털 및 아날로그 전화 신호, 스트리밍 미디어 및 프로세스간 통신), 이메일 메시지, 거래 기록, 가상 카드, 이벤트 기록(예를 들어, 콘서트, 랠리, 모임, 스포츠 이벤트 등의 알려진 화제/활동/중요도와 추가로 연계될 수 있는, 아마도 사용자와 위치 같은 하나 이상의 RWE와 협력하여 시간을 식별하는 데이터 파일), 전화 통화 기록, 캘린더 기재, 웹 페이지, 데이터베이스 기재, 전자 미디어 객체(예를 들어, 노래, 동영상, 사진, 영상, 음성 메시지, 전화 통화 등을 포함하는 미디어 파일), 전자 파일, 및 연계된 메타 데이터 같은 수동 객체들을 포함한다.

일 실시예에서, IO들은 (마이크로소프트의 OUTLOOK 또는 야후의 YAHOO! MAIL 같은) 이메일 통신 애플리케이션, 캘린더링 애플리케이션, 워드 프로세싱 애플리케이션, 영상 편집 애플리케이션, 미디어 플레이어 애플리케이션, 날씨 모니터링 애플리케이션, 브라우저 애플리케이션, 및 웹 페이지 서버 애플리케이션 같은 데이터를 소비하거나 생성하는 임의의 실행 프로세스 또는 애플리케이션을 포함한다. 이러한 활성 IO들은 하나 이상의 RWE에 대해 프록시 역할을 하거나 할 수 없다. 예를 들어, 스마트 폰의 음성 통신 소프트웨어는 스마트 폰과 스마트 폰의 소유자 양자를 위해 프록시 역할을 할 수 있다.

일 실시예에서, 모든 IO들에 대해, 적어도 세 등급의 연계된 RWE들이 있다. 첫 번째는 창시자 또는 권리 보유자로서 IO를 소유 또는 제어하는 RWE(예를 들어, IO에 대한 사용권 또는 편집권을 갖는 RWE)이다. 두 번째는 IO가 예를 들어 RWE에 대한 정보를 포함함으로써 RWE에 관련되거나 RWE를 식별하게 되는 RWE(들)이다. 세 번째는 특정 목적을 위해 IO로부터 데이터를 획득하기 위해 IO에 액세스하는 임의의 RWE들이다.

W4 COMN의 문맥 내에서, "유효 데이터" 및 "W4 데이터" 는 IO에 존재하는 데이터, 또는 배치된 센서 같은 알려진 IO 또는 RWE로부터 수집될 수 있는 데이터를 의미한다. W4 COMN의 문맥 내에서, "센서" 는 PC, 전화, 휴대용 PC, 그 밖의 무선 디바이스, 가정용 디바이스, 자동차, 기기, 보안 스캐너, 영상 감시, 의류의 RFID 태그, 제품과 위치, 온라인 데이터를 포함하는 임의의 W4 데이터 소스, 또는 현실세계 사용자/화제/물체(RWE) 또는 논리 기반 에이전트/프로세스/화제/물체(IO)에 관한 임의의 다른 정보 소스를 의미한다.

도 1은 W4 COMN 상에서 RWE들과 IO들 사이의 관계의 일 실시예를 도시한다. 사용자(102)는 고유의 네트워크 ID가 제공된 RWE이다. 사용자(102)는 사용자(102)와 연계된 프록시 디바이스들(104, 106, 108, 110)을 사용하여 네트워크와 통신하는 인간일 수 있고, 이들 모두는 고유의 네트워크 ID를 갖는 RWE들이다. 이 프록시들은 W4 COMN과 직접 통신하거나, 또는 프록시 디바이스 상에 또는 그에 의해 실행되는 애플리케이션 같은 IO들을 사용하여 W4 COMN과 통신할 수 있다.

일 실시예에서, 프록시 디바이스들(104, 106, 108, 110)은 사용자(102)와 명시적으로 연계될 수 있다. 예를 들어, 일 디바이스(104)는 이동 전화 서비스 공급자에 의해 네트워크에 연결된 스마트 폰일 수 있고, 다른 디바이스(106)는 네트워크에 연결된 스마트 차량일 수 있다. 그 밖의 디바이스들이 사용자(102)와 명시적으로 연계될 수 있다.

예를 들어, 일 디바이스(108)는 사용자의 이동 전화(104)의 현재 위치에 대응하는 위치의 "덤" 날씨 센서일 수 있고, 따라서 두 개의 RWE(104, 108)가 같은 장소에 위치하는 동안 사용자(102)와 명시적으로 연계될 수 있다. 다른 명시적으로 연계된 디바이스(110)는 W4 COMN에 알려진 물리적 위치(112)에 대한 센서(110)일 수 있다. 위치(112)는 (예를 들어, 내 집, 내 근무처, 내 부모 등의 사용자 지정 관계를 통해) 명시적으로 또는 (이 위치(112)의 센서(110)의 데이터에 의해 입증된 바와 같이, 사용자(102)가 자주 RWE(112)와 같은 장소에 위치함과 같이) 암시적으로 제1 사용자(102)와 연계되는 것으로 알려져 있다.

사용자(102)는 한 명 이상의 사람(140)과 직접적으로 연계될 수 있고, 직접 연계 체인을 통해 더 많은 사람들(142, 144)과 간접적으로 연계될 수 있다. 이러한 연계들은 명시적(예를 들어, 사용자(102)가 연계된 사람(140)을 자신의 아버지로 식별하거나 사용자의 사회 네트워크의 구성원으로 식별할 수 있음)이거나 또는 암시적(예를 들어, 이들은 동일한 주소를 공유함)일 수 있다. 사람들(과 그 밖의 RWE들) 사이의 연계를 추적하는 것은 "친밀도(intimacy)" 의 개념을 생성하고, 친밀도는 두 사람 또는 두 RWE 사이의 연계 정도의 척도로 정의될 수 있다. 예를 들어, RWE들 사이의 각각의 분리 정도는 낮은 친밀도로 간주될 수 있고 낮은 친밀도 점수가 할당된다. 친밀도는 명시적 사회 데이터에만 기반하거나, 또는 공간 데이터와 시간 데이터를 포함하는 모든 W4 데이터를 포괄하도록 확장될 수 있다.

일 실시예에서, W4 COMN의 각각의 RWE(102, 104, 106, 108, 110, 112, 140, 142, 144)는 도시된 바와 같이 하나 이상의 IO와 연계될 수 있다. 도 1은 이동 전화 디바이스(104)와 연계된 두 개의 IO(122, 124)를 도시한다. 일 IO(122)는 이동 전화 상의 스케줄링/캘린더링 소프트웨어에 의해 사용된 이벤트 기록, 주소록 애플리케이션에 의해 사용된 접촉 IO, 디바이스(104)를 이용하여 이루어진 거래 이력 기록, 또는 디바이스(104)로부터 송신된 메시지의 사본 같은 수동 데이터 객체일 수 있다. 다른 IO(124)는 W4 COMN을 통해 데이터를 송수신하여 W4 COMN에 대한 디바이스 프록시 역할을 하는 활성 소프트웨어 프로세스 또는 애플리케이션일 수 있다. 음성 통신 소프트웨어, 스케줄링/캘린더링 소프트웨어, 주소록 애플리케이션, 또는 문자 메시지 애플리케이션은 모두 네트워크에서 다른 IO들 및 RWE들과 통신할 수 있는 IO들의 예이다. IO들은 음악가, 음악 종류, 위치 등을 포함하지만 이에 제한되지 않는 화제 같은 하나 이상의 RWE가 관심을 갖는 화제에 추가로 관련될 수 있다.

IO들(122, 124)은 디바이스(104)에 국부 저장되거나, 또는 메시지 서버 또는 이동 전화 서비스 데이터센터 같은 W4 COMN에 액세스할 수 있는 일부 노드 또는 데이터스토어에 원격 저장될 수 있다. 차량(106)과 연계된 IO(126)는 제조자, 모델, 식별 번호, 현재 위치, 현재 속도, 현재 상태, 현재 소유자 등의 차량(106)의 사양 및/또는 현재 상태를 포함하는 전자 파일일 수 있다. 센서(108)와 연계된 IO(128)는 현재 날씨 또는 현재 교통 같은 센서(108)에 의해 모니터링된 대상(들)의 현재 상태를 식별할 수 있다. 이동 전화(110)와 연계된 IO(130)는 최근 통화 또는 현재 청구서 상의 요금을 식별하는 데이터베이스의 정보일 수 있다.

사람들(102, 140, 142, 144), 컴퓨팅 디바이스들(104, 106), 및 위치(112) 같은 프록시들을 통해서만 W4 COMN와 상호 작용할 수 있는 RWE들은 하나 이상의 IO(132, 134, 146, 148, 150)가 직접적으로 연계되어 있고, 이들은 연계된 RWE에 대한 RWE-특정 정보를 포함한다. 예를 들어, 사람들(132, 146, 148, 150)과 연계된 IO들은 이메일 주소, 전화번호, 물리적 주소, 사용자 선호, 디바이스 식별, 및 사용자와 연계된 그 밖의 RWE를 포함하는 사용자 프로파일을 포함할 수 있다. IO는 W4 COMN 상의 다른 RWE와 사용자의 과거 상호 작용 기록(예를 들어, 거래 기록, 메시지 사본, 사용자의 과거 행방을 기록한 시간 및 위치 조합의 목록), 위치에 대한 고유의 W4 COMN 식별자, 및/또는 임의의 관계 정보(예를 들어, 친척, 고용주, 동료, 이웃, 서비스 제공자 등의 사용자 관계에 대한 명시적인 사용자 지정)를 추가로 포함할 수 있다.

사람들(132, 146, 148, 150)과 연계된 IO들의 다른 예는 Yahoo! Mail 같은 웹 기반 이메일 서비스를 갖는 계정 같은 원격 애플리케이션을 포함하고, 이를 통해 사람은 W4 COMN과 통신할 수 있다. 위치의 IO(134)는 위치의 정확한 좌표, 위치로의 운전 방향, 위치의 분류(거주지, 사업장, 공공 장소, 비-공공 장소 등), 위치에서 얻을 수 있는 서비스 또는 제품에 대한 정보, 위치에 대한 고유의 W4 COMN 식별자, 위치에서 이루어지는 사업, 위치의 사진 등의 정보를 포함할 수 있다.

일 실시예에서, RWE와 IO는 그들 사이의 관계를 식별하기 위해 상호 관련될 수 있다. RWE와 IO는 메타데이터를 이용하여 상호 관련될 수 있다. 예를 들어, IO가 음악 파일이면, 파일을 위한 메타데이터는 음악가, 노래 등을 식별하는 데이터, 앨범 아트, 음악 데이터 포맷을 포함할 수 있다. 이 메타데이터는 음악 파일의 일부로 저장되거나 또는 음악 파일 또는 양자와 연계된 하나 이상의 상이한 IO에 저장될 수 있다. W4 메타데이터는 음악 파일의 소유자 및 소유자가 음악 파일에 갖는 권리를 추가로 포함할 수 있다. 다른 예로서, IO가 전자 카메라로 촬영된 사진이면, 영상이 표시기에 생성될 수 있게 하는 최초 영상 데이터 외에도, 사진은 사진 촬영 시간, 사진 촬영 시 카메라의 위치, 사진 촬영한 카메라 기종, 누구든 카메라와 연계된 사람(예를 들어, 카메라의 소유자로 지정된 사람), 사진의 피사체인 사람과 사물을 식별하는 메타데이터를 포함할 수 있다. W4 COMN은 실체와 데이터 객체 사이의 암시적 및 명시적 연계를 식별하기 위해 모든 유효한 메타데이터를 사용한다.

도 2는 W4 COMN 상에서 RWE들과 IO들 사이의 관계를 정의하는 메타데이터의 일 실시예를 도시한다. 도시된 실시예에서, IO(202)는 객체 데이터(204)와 메타데이터의 다섯 개의 분리된 항목(206, 208, 210, 212, 214)을 포함한다. 메타데이터의 일부 항목들(208, 210, 212)은 객체 데이터(204)에만 관련되고 임의의 다른 IO 또는 RWE에는 관련되지 않는 정보, 예를 들어, IO(202)의 객체 데이터(204)와 연계될 생성 날짜, 문자 또는 영상을 포함할 수 있다.

다른 한편으로, 메타데이터의 항목들의 일부(206, 214)는 IO(202) 및 다른 RWE와 IO 사이의 관계를 식별할 수 있다. 도시된 바와 같이, IO(202)는 메타데이터의 하나의 항목(206)에 의해 RWE(220)와 연계되고, RWE(220)는 W4 COMN에 알려진 일부 정보에 기반하여 두 개의 IO(224, 226)와 제2 RWE(222)와 추가로 연계된다. 예를 들어, 전자 카메라(제1 RWE(220))를 식별하는 메타데이터(206)를 포함하는 영상(IO(202)) 및 시스템에 의해 카메라(220)의 소유자로 알려진 사용자(제2 RWE(222)) 사이의 관계를 설명할 수 있다. 이러한 소유권 정보는 예를 들어 카메라(220)와 연계된 IO들(224, 226) 중 하나 또는 다른 하나로부터 판단될 수 있다.

도 2는 또한 IO(202)를 다른 IO(230)와 연계하는 메타데이터(214)를 도시한다. 이 IO(230)는 그 자체로 세 개의 다른 IO(232, 234, 236)와 연계되어 있고, 이들은 상이한 RWE들(242, 244, 246)과 추가로 연계된다. 도 2의 이 부분은 예를 들어 음악 파일(202)과 연계된 사용권의 범위를 정의하는 디지털 권리 파일(제1 IO(230))을 식별하는 메타데이터(214)를 포함하는 음악 파일(IO(202))과의 관계를 설명할 수 있다. 그 밖의 IO들(232, 234, 236)은 사용권과 연계되고 특정 소유자들(RWE들(242, 244, 246))과 현재 연계된 그 밖의 음악 파일들이다.

도 3은 W4 COMN의 개념 모델의 일 실시예를 도시한다. W4 COMN(300)은 4W, 누구(Who), 어디(Where), 무엇(What), 언제(When)의 각각에 대해 개념상 네트워킹된 클라우드로 세분화된 전역 논리 네트워크의 형태로 계장된 메시징 하부구조를 생성한다. Who 클라우드(302)에는 사용자 프로그램 프로세스, 디바이스, 에이전트, 캘린더 등의 형태로 사용자 프록시뿐만 아니라 송신자, 수신자, 데이터 포인트, 또는 확인/인증 소스로 작동하는 모든 사용자들이 있다.

Where 클라우드(304)에는 모든 물리적 위치, 이벤트, 센서, 또는 공간적 기준 지점 또는 위치와 연계된 그 밖의 RWE들이 있다. When 클라우드(306)는 집합적 사용자 시간 이벤트(휴일, 기념일, 선거일 등)와 사용자 정의 시간 이벤트(생일, 스마트 타이밍 프로그램)뿐만 아니라 자연적 시간 이벤트(날짜, 시간, 계절 같은 특정 위치 또는 사람과 연계되지 않은 이벤트)로 구성되어 있다.

What 클라우드(308)는 예를 들어 날씨와 뉴스 같은 환경 데이터, RWE 생성 데이터, IO 및 IO 데이터, 사용자 데이터, 모델, 프로세스, 애플리케이션을 포함하는, W4 COMN에 액세스할 수 있는 모든 알려진 데이터-웹 또는 개인, 상업 또는 사용자-로 이루어진다. 그러므로, 대부분의 데이터는 개념상 What 클라우드(308)에 포함된다.

일부 실체들, 센서들 또는 데이터들은 시간적으로 상이하게 또는 동시에 다수의 클라우드에 잠재적으로 존재할 수 있다. 또한, 일부 IO들과 RWE들은 하나 이상의 클라우드로부터 요소들을 조합할 수 있는 복합물일 수 있다. 이러한 복합물들은 RWE와 IO 사이의 연계 판단을 용이하게 하기에 적절한 것으로 분류될 수 있다. 예를 들어, 위치와 시간으로 이루어진 이벤트는 When 클라우드(306), What 클라우드(308), 및/또는 Where 클라우드(304)에 동등하게 분류될 수 있다.

일 실시예에서, W4 엔진(310)은 W4 COMN에서 모든 결정을 내리는 W4 COMN 지능의 중심이다. W4 엔진(310)은 W4 COMN의 각 층 사이의 모든 상호 작용을 제어하고, 공동 사용되는 애플리케이션 또는 W4 COMN 동작에 의해 활성화된 임의의 승인된 사용자 또는 애플리케이션 목표를 실행할 책임이 있다. 실시예에서, W4 COMN은 (다른 것들 중에) 동기화, 명확화, 사용자 또는 화제 어드레싱, 액세스 권리, 우선 순위 매김 또는 그 밖의 가치 기반 순위화, 스마트 스케줄링, 자동화, 및 화제적, 사회적, 공간적, 또는 시간적 경보를 요청하기 위해 표준화 및 공개된 API들을 구비한 개방 플랫폼이다.

W4 COMN의 일 기능은 W4 COMN을 통해 수행된 모든 통신과 상호 작용에 대한 데이터를 수집하는 것이고, 이는 IO의 사본, 모든 RWE들을 식별하는 정보, 그 밖의 IO들에 관련된 정보(예를 들어, 누구, 무엇, 언제, 어디 정보)를 저장하는 것을 포함할 수 있다. 그 밖의 W4 COMN에 의해 수집된 데이터는 위치, 동작 상태, 모니터링된 상태(예를 들어, 날씨 센서인 RWE에 대하여는 모니터링된 현재 날씨 상태, 또는 이동 전화인 RWE에 대하여는 이동 전화가 접촉하고 있는 셀 타워에 기반한 이동 전화의 현재 위치), 및 현재 상태 같은 임의의 소정 시간에 임의의 소정 RWE와 IO의 상태에 대한 정보를 포함할 수 있다.

W4 엔진(310)은 또한 W4 COMN을 통과하는 데이터 및 통신 스트림으로부터 RWE 및 RWE와 IO 사이의 관계를 식별할 책임이 있다. 다른 RWE에 의해 수행된 작동 및 IO와 연계되거나 그에 의해 연루된 RWE를 식별하는 기능을 실체 추출(entity extraction)이라고 칭할 수 있다. 실체 추출은 특정 IO의 송신자와 수신자의 식별 같은 단순한 작동과 W4 COMN에 의해 수집되고/되거나 W4 COMN에 유효한 데이터의 보다 복잡한 분석 모두를 포함할 수 있고, 예를 들어 메시지가 다가오는 이벤트의 시간과 위치를 포함한다고 판단하고 메시지 문맥에 기반하여 상기 이벤트를 메시지의 송신자와 수신자(들)과 연계시키는 것, 또는 같은 장소에 위치한 교통 모니터의 상태와 RWE 위치의 상관 관계에 기반하여 RWE가 교통정체로 갇혀있는지를 판단하는 것을 포함할 수 있다.

IO로부터 실체 추출을 수행할 때, IO는 객체에 관련된 W4 메타데이터만이 가시적이고 IO의 내부 데이터(즉, 객체 내의 실제 주요 데이터 또는 객체 데이터)는 보이지 않는 불투명 객체일 수 있다는 것을 주목해야 하고, 따라서 메타데이터 추출은 메타데이터에 제한된다. 대안적으로, IO의 내부 데이터가 가시적이면, 이 또한 실체 추출에 사용될 수 있다. 예를 들어, 객체 또는 프로세스에 의해 영향을 받는 송신자, 사용자, 화제, 또는 다른 RWE 또는 IO 사이의 관계를 판단하는데 사용하기 위해, 이메일 내의 스트링들이 RWE로 추출되어 연계될 수 있다.

도시된 실시예에서, W4 엔진(310)은 통신 하드웨어 및/또는 소프트웨어에 의해 W4 COMN에 연결되는 범용 퍼스널 컴퓨터(PC) 또는 목적에 맞게 설계된 서버 컴퓨터 같은 분산된 컴퓨팅 디바이스들 중 하나 또는 그 그룹일 수 있다. 이러한 컴퓨팅 디바이스들은 단일 디바이스 또는 함께 작동하는 디바이스 그룹일 수 있다. 컴퓨팅 디바이스들에는 컴퓨팅 디바이스의 국부 또는 원격 대용량 저장 장치와 국부 기억 장치(예를 들어, RAM)에 저장된 임의의 수의 프로그램 모듈과 데이터 파일이 제공될 수 있다. 예를 들어, 앞서 언급된 바와 같이, 컴퓨팅 디바이스는 마이크로소프트사의 WINDOWS XP 또는 WINDOWS SERVER 운영체제 같은 네트워킹된 컴퓨터의 동작을 제어하기에 적합한 운영체제를 포함할 수 있다.

일부 RWE들은 또한 스마트 폰, 웹 활성화 애플리케이션, PC, 랩톱 컴퓨터, 개인 휴대정보 단말기(PDA) 같은 컴퓨팅 디바이스일 수 있지만, 이에 제한되지 않는다. 컴퓨팅 디바이스들은 인터넷, 일반 전화 교환망, 이동 전화망, 위성 통신망, 케이블 텔레비전 같은 유선 통신망, 또는 개인영역 통신망 같은 하나 이상의 통신망에 연결될 수 있다. 컴퓨팅 디바이스들은 WI-FI, WiMAX(802.36), 블루투스, 또는 이동 전화 연결 같은 무선 연결 또는 유선 데이터 연결을 통해 임의의 이러한 네트워크와 연계될 수 있다.

분리된 IO들을 포함하는 국부 데이터 구조들은 W4 엔진(310)을 포함하는 본 명세서에 설명된 컴퓨팅 디바이스들 중 임의의 컴퓨팅 디바이스에 연결되거나 또는 그 일부인 컴퓨터-판독가능 매체(미도시)에 저장될 수 있다. 예를 들어, 일 실시예에서, 이하에 논의될 W4 COMN의 데이터 백본(data backbone)은 본 명세서에 설명된 바와 같이 IO들과 메타데이터와 RWE와 IO 사이의 관계를 판단하기 위해 필요한 데이터를 유지하는 다수의 대용량 저장 장치를 포함한다.

도 4는 W4 COMN 구조의 기능층들의 일 실시예를 도시한다. 센서층(402)으로 불리는 가장 아래 층에는 실제 디바이스, 사용자, 노드, 그 밖의 RWE의 네트워크(404)가 있다. 센서들은 특정 네트워크 애플리케이션 또는 기능을 최적화하기 위해 사용되는, 웹 분석, GPS, 셀 타워 핑, 사용 로그, 신용카드 거래, 온라인 구매, 행동 타겟팅을 통해 달성된 암시적 사용자 프로파일과 명시적 사용자 프로파일, 검색 분석, 및 그 밖의 분석 모델 같은 알려진 기술을 포함한다.

데이터층(406)은 센서층(402)에 의해 생성된 데이터를 저장 및 목록화한다. 데이터는 사용자, 디바이스, 에이전트, 위치, 프로세스, 및 센서의 계장된 네트워크의 상부에 설치된 네트워크 하부구조(408) 또는 센서들의 네트워크(404)에 의해 관리될 수 있다. 네트워크 하부구조(408)는 네트워크(404)의 센서, 디바이스 등으로부터 데이터를 송수신하기 위해 필요한 하드웨어와 소프트웨어를 포함하는 커버 아래 핵심 네트워크 하부구조이다. 이는 네트워크(404)에 의해 생성된 데이터를 의미 있게 범주화하고 추적하기 위해 필요한 처리 및 저장 능력을 추가로 포함한다.

사용자 프로파일층(410)은 W4 COMN의 사용자 프로파일 기능을 수행한다. 이 층(410)은 상이한 사용자 컴퓨팅 디바이스들 또는 W4 엔진 상에 실행되는 사용자 애플리케이션들/프로세스들(412)과 네트워크 하부구조(408) 사이에 추가로 분산될 수 있다. 개인화(personalization)는 이메일, IM, 텍스트(SMS 등), 포토블로깅, 음성(예를 들어, 전화 통화), 동영상(화상 회의, 생방송), 게임, 데이터 신뢰도 프로세스, 보안, 인증, 또는 유효 데이터를 위한 임의의 다른 W4 COMN 프로세스 호출을 포함하는 통신 채널들과 모드들 중 임의의 하나 또는 그 조합을 통해 활성화된다.

일 실시예에서, 사용자 프로파일층(410)은 W4 COMN 데이터 백본(420)에 매핑 및 배치되도록 센서 데이터가 가장 원시 형태로 송신되는 모든 센서들 위의 논리 기반층이다. 다음으로, (수집 및 정제되고, 관련 및 중복되고, 동기화 및 명확화된) 데이터가 W4 COMN 상에 승인된 관련 데이터베이스 유효 애플리케이션들 중 하나 또는 그 집합에 저장된다. 네트워크에서 발생한 작동과 통신이 데이터 백본의 필드에 기반하고, 이 작동들의 일부는 그 자체가 백본의 일부에 기록, 예를 들어 인보이싱 되고, 다른 작동들, 예를 들어, 사기 검출, 동기화, 명확화는 백본 내에서 프로파일과 모델에 대한 충돌 없이 이행될 수 있다.

네트워크 외부에서 발생한 작동들, 예들 들어, 사용자, 위치, 프록시, 프로세스 같은 RWE들은 W4 COMN의 애플리케이션층(412)에서 유래한다. 일부 애플리케이션들은 W4 COMN 운용자에 의해 개발될 수 있고, 이들이 얼마나 밀접하게 센서 처리 및 사용자 프로파일층(410)과 함께 동작하는지로 인해, 통신 하부구조(408)의 일부, 예를 들어 이메일 또는 캘린더 프로그램으로 구현되어 보인다. 애플리케이션들(412)은 또한 센서 역할을 하고, 애플리케이션들은 그 작동을 통해 애플리케이션 실행으로 인해 생성되거나 유효하게 되는 임의의 데이터에 관해 데이터 백본을 통해 데이터층(406)에 다시 데이터를 생성한다.

일 실시예에서, 애플리케이션층(412)은 또한 사용자-선택 또는 보안-기반 맞춤화(customization)뿐만 아니라 디바이스, 네트워크, 반송파에 기반한 사용자 인터페이스(UI)를 제공할 수 있다. 임의의 UI가 사용자 상호 작용 또는 작동에 대한 데이터를 네트워크에 다시 제공하도록 계장된다면, 이는 W4 COMN 내에서 작동할 수 있다. W4 COMN 활성화된 이동 디바이스의 경우, 다른 인접한 활성화된 또는 비활성화된 디바이스를 위한 상관 관계, 삼각측량, 동기화 센서들뿐만 아니라, UI가 또한 실시간으로 불완전한 W4 데이터를 확인 또는 명확화하기 위해 사용될 수 있다.

어떤 면에서, 충분히 활성화된 디바이스들의 네트워크 효과는 네트워크가 그 현실세계 위치에서 활성화된 디바이스에 의한 규칙적인 교차와 감지로 인해 비활성화된 디바이스의 완전한 또는 거의 완전한 데이터(프로파일링 및 트랙킹하기에 충분함)를 수집하게 한다.

통신 전달 네트워크(416)가 애플리케이션층(412) 위에 또는 그 내부에 있다. 통신 전달 네트워크는 W4 COMN 운용자에 의해 작동되거나 또는 독립적인 제3자 통신 서비스(carrier service)일 수 있다. 데이터가 동기 또는 비동기 통신을 통해 전달될 수 있다. 모든 경우에, 통신 전달 네트워크(416)는 특정 애플리케이션 또는 네트워크 하부구조(408) 요청을 대신하여 데이터를 송신하거나 수신할 것이다.

통신 전달 네트워크(416)는 또한 전달 네트워크 문맥 내의 특정 사용자 명령뿐만 아니라, 전화 통화, 이메일, 블로그 등으로부터의 W4 실체 추출을 포함하는 센서로서 작동하는 요소들을 구비한다. 예를 들어, 통화 종료 전에 "이 통화를 저장하고 우선 순위를 매긴다" 고 말하면, 이전 대화의 기록을 저장하고 대화 내의 W4 실체들을 개인화/사용자 프로파일층(410)에서 우선 순위 결정을 가중 처리할 때 분석 및 증가시킬 수 있다.

도 5는 도 3에 도시된 바와 같은 W4 엔진의 분석 컴포넌트들의 일 실시예를 도시한다. 앞서 논의된 바와 같이, W4 엔진은 W4 COMN을 통과하는 데이터 및 통신 스트림으로부터 RWE들 및 RWE와 IO 사이의 관계를 식별할 책임이 있다.

일 실시예에서, W4 엔진은 실체 추출 프로세스에서 상이한 동작을 수행하는 일련의 서브 엔진들을 통해 모든 네트워크 참가자들을 연결하고, 공동 사용하고, 계장한다. 속성 엔진(504)은 임의의 IO 내의 임의의 RWE의 현실세계 소유권, 제어, 공개, 또는 다른 조건부 권리를 추적한다. 신규 IO가 예를 들어 신규 메시지, 신규 거래 기록, 신규 영상 파일 등의 생성 또는 전송을 통해 W4 엔진(502)에 의해 검출될 때마다, 소유권이 IO에 할당된다. 속성 엔진(504)은 이러한 소유권 정보를 생성하고, 추가로 이러한 정보가 W4 COMN에 알려진 각각의 IO에 대해 판단되도록 한다.

상관 관계 엔진(506)은 먼저 (RWE들과 IO들의 임의의 조합 및 문맥 또는 상황에서 이들의 속성, 관계, 평판이 결합된 그래프를 생성하는 등과 같이) 연계된 RWE들과 IO들 및 이들의 관계를 식별하는 것과, 다음으로, 임의의 내부 또는 외부 소스로부터의 주의(attention) 이벤트에 대한 센서 분석 선행 프로세서로서의, 두 가지 용량을 동작시킬 수 있다.

일 실시예에서, 상관 관계 엔진(506)의 연계된 RWE와 IO 기능 식별은 예를 들어 하나 이상의 히스토그램을 이용하여 유효 데이터를 그래프화하여 이행된다. 히스토그램은 다양한 분해 범주(즉, 빈(bins))에 분류되는 관찰의 수를 카운트하는 맵핑 기술이다. 각각의 IO, RWE, 그 밖의 알려진 매개변수(즉, 시간, 날짜, 위치 등)를 상이한 빈으로 선택하고 유효 데이터를 맵핑하여, RWE, IO, 그 밖의 매개변수들 사이의 관계를 식별할 수 있다. 모든 RWE들과 IO들의 히스토그램이 생성되고, 이로부터 그래프에 기반한 상관 관계들이 이루어질 수 있다.

선행 프로세서로서, 상관 관계 엔진(506)은 W4 엔진(502)의 일부분의 작동을 유발할 수 있는 임의의 조건들이 식별되었는지를 판단하기 위해 RWE들에 의해 제공된 정보를 모니터링한다. 예를 들어, 전달 조건이 메시지와 연계되었으면, 상관 관계 엔진(506)은 조건이 충족되었다고 판단한 경우 메시지의 전달을 유발하는 적절한 트리거 정보를 W4 엔진(502)에 송신할 수 있다.

주의 엔진(508)은 모든 적절한 네트워크 노드, 클라우드, 사용자, 애플리케이션, 또는 이들의 임의의 조합을 계장하고, 상관 관계 엔진(506)과 속성 엔진(504) 양자와의 밀접한 상호 작용을 포함한다.

도 6은 도 5를 참조하여 앞서 설명된 서브 엔진들 내의 상이한 컴포넌트들을 보여주는 W4 엔진의 일 실시예를 도시한다. 일 실시예에서, W4 엔진(602)은 기본 기능에 기반한 수 개의 서브 관리자와 함께 주의 엔진(608), 속성 엔진(604), 상관 관계 엔진(606)을 포함한다.

속성 엔진(608)은 모든 통신을 W4 COMN을 통해 전달 및 계장하기 위해 메시지 정합 관리자(614)와 실시간 통신 관리자(616) 양자와 밀접하게 작동하는 메시지 입력 및 생성 관리자(610)와 메시지 전달 관리자(612)를 포함한다.

속성 엔진(604)은 RWE, IO, 및 그 조합에 관련된 소유권 및 권리 정보를 식별, 처리/입증, 및 표현하기 위해 모든 다른 모듈들과 협력하여 사용자 프로파일 관리자(618) 내에서 작동한다.

상관 관계 엔진(606)은 그 채널들(센서들과 프로세스들) 모두로부터의 데이터를 W4 분석 관리자(622)에 의해 조직되고 제어되는 동일한 데이터 백본(620)에 버린다. 데이터 백본(620)은 사용자 로그(624), 주의 순위 장소 로그(626), 웹 인덱스 및 환경 로그(628), 전자 상거래 및 금융 거래 정보(630), 검색 인덱스 및 로그(632), 스폰서 콘텐츠 또는 조건, 광고 카피, 및 임의의 W4 COMN 프로세서, IO, 또는 이벤트에서 사용되는 임의의 및 모든 다른 데이터를 포함하는 모든 네트워크 동작으로부터의 집단화 및 개별화된 아카이브 버전의 데이터 모두를 포함한다. W4 COMN이 잠재적으로 저장할 데이터의 양 때문에, 데이터 백본(620)은 충분한 저장 용량을 제공하기 위해 W4 COMN과 통신하여 수많은 데이터베이스 서버와 데이터 저장 장치를 포함한다.

W4 COMN에 의해 수집된 데이터는 공간 데이터, 시간 데이터, RWE 상호 작용 데이터, IO 콘텐츠 데이터(예를 들어, 미디어 데이터), 및 명시적으로 제공되고 추론된 사회 및 관계 데이터를 포함하는 사용자 데이터를 포함한다. 공간 데이터는 RWE와 연계된 위치를 식별하는 임의의 데이터일 수 있다. 예를 들어, 공간 데이터는 셀 타워 데이터, 일반 패킷 무선 서비스(GPRS) 데이터, 위성 위치확인 서비스(GPS) 데이터, WI-FI 데이터, 개인영역 통신망 데이터, IP 주소 데이터, 그 밖의 네트워크 액세스 포인트로부터의 데이터 같은 임의의 수동적으로 수집된 위치 데이터, 또는 사용자에 의해 입력된 위치 같은 능동적으로 수집된 위치 데이터를 포함할 수 있다.

시간 데이터는 사용자 및/또는 전자 디바이스와 연계된 특정 시간 및/또는 이벤트에 관련된 시간 기반 데이터(예를 들어, 타임스탬프)이다. 예를 들어, 시간 데이터는 수동적으로 수집된 시간 데이터(예를 들어, 전자 디바이스 상의 클록 레지던트로부터의 시간 데이터 또는 네크워크 클록으로부터의 시간 데이터)일 수 있거나, 또는 시간 데이터는 전자 디바이스의 사용자에 의해 입력된 시간 데이터 같은 능동적으로 수집된 시간 데이터(예를 들어, 사용자가 유지하는 캘린더)일 수 있다.

논리 및 IO 데이터는 IO가 마지막으로 액세스되었을 때 등의 생성 시간, 소유자, 연계된 RWE 같은 IO와 연계된 데이터뿐만 아니라 IO가 포함하는 데이터를 가리킨다. 예를 들어, IO는 미디어 데이터에 관련될 수 있다. 미디어 데이터는 음성 데이터, 시각 데이터, 시청각 데이터 같은 표현 가능한 미디어에 관련된 임의의 데이터를 포함할 수 있다. 음성 데이터는 장르, 예술가, 앨범 등과 같은 다운로딩된 음악에 관련된 데이터일 수 있고, 몇 가지 예를 들면 벨소리(ringtone), 통화 연결음(ringback), 구입된 미디어, 플레이리스트, 공유 미디어에 관한 데이터를 포함한다. 시각 데이터는 (예를 들어, 인터넷 또는 다른 네트워크를 통해) 전자 디바이스에 의해 수신된 영상 및/또는 문자에 관련된 데이터일 수 있다. 시각 데이터는 전자 디바이스에서 송신되고/되거나 캡쳐된 영상 및/또는 문자에 관련된 데이터일 수 있다.

시청각 데이터는 전자 디바이스에 캡쳐 또는 다운로딩 또는 연계된 임의의 동영상과 연계된 데이터일 수 있다. 미디어 데이터는 인터넷의 사용 같은 네트워크를 통해 사용자에게 제시된 미디어를 포함하고, 네트워크를 사용하는 사용자에 의해 입력되고/되거나 수신된 문자(예를 들어, 검색 용어)에 관련된 데이터, 및 클릭 데이터 같은 네트워크 미디어와의 상호 작용(예를 들어, 광고 배너 클릭, 북마크, 클릭 패턴 등)에 관련된 데이터를 포함한다. 그러므로, 미디어 데이터는 사용자의 RSS 피드, 구독, 그룹 멤버십, 게임 서비스, 경보 등에 관련된 데이터를 포함할 수 있다.

미디어 데이터는 이동 전화 같은 전자 디바이스를 이용한 영상 캡쳐 및/또는 동영상 캡쳐 같은 비-네트워크 활동을 포함할 수 있다. 영상 데이터는 사용자에 의해 추가된 메타데이터, 또는 사진에 관하여는, 몇 가지 예를 들면 사진이 촬영된 위치, 샷 방향, 샷 콘텐츠, 시각 같은 영상과 연계된 다른 데이터를 포함할 수 있다. 미디어 데이터는 예를 들어 문화 및/또는 구입 선호 정보 같은 활동 정보 또는 선호 정보를 추론하기 위해 사용될 수 있다.

관계 데이터는 RWE 또는 IO와 다른 RWE 또는 IO의 관계에 관련된 데이터를 포함할 수 있다. 예를 들어, 관계 데이터는 성별, 나이, 민족, 이름, 사회보장번호, 사진, 및 그 밖의 사용자 식별과 연계된 정보 같은 사용자 식별 데이터를 포함할 수 있다. 사용자 식별 정보는 또한 이메일 주소, 로그인 ID와 비밀 번호를 포함할 수 있다. 관계 데이터는 연계된 RWE를 명시적으로 식별하는 데이터를 추가로 포함할 수 있다. 예를 들어, 이동 전화에 대한 관계 데이터는 이동 전화를 소유하는 사용자와 전화에 서비스를 제공하는 회사를 나타낼 수 있다. 다른 예로서, 스마트 카에 대한 관계 데이터는 소유자, 전자 통행료 지불을 위한 소유자와 연계된 신용 카드, 자동차 운전이 허용된 사용자들, 자동차 주유소를 식별할 수 있다.

관계 데이터는 또한 사회 네트워크 데이터를 포함할 수 있다. 사회 네트워크 데이터는 사용자의 친구, 가족, 동료, 사업 관계 등에 관련된 데이터 같은 사용자 또는 다른 RWE에 의해 명시적으로 정의된 임의의 관계에 관련된 데이터를 포함한다. 사회 네트워크 데이터는 예를 들어 사용자가 유지하는 전자 주소록에 대응하는 데이터를 포함할 수 있다. 관계 데이터는 주요 관계(예를 들어, 사용자-배우자, 사용자-자식, 사용자-부모 관계)와 그 밖의 관계(예를 들어, 사용자-친구, 사용자-동료, 사용자-사업상 관계) 같은 사회 네트워크 정보를 추론하기 위해 예를 들어 위치 데이터와 상호 관련될 수 있다. 관계 데이터는 또한 예를 들어 활동 정보를 추론하기 위해 활용될 수도 있다.

상호 작용 데이터는 능동이든 수동이든 전자 디바이스의 사용자 상호 작용과 연계된 임의의 데이터일 수 있다. 상호 작용 데이터의 예는 대인 통신 데이터, 미디어 데이터, 관계 데이터, 거래 데이터, 디바이스 상호 작용 데이터를 포함하고, 이들 모두는 이하에 보다 상세히 설명된다. 하기의 표 1은 전자 데이터의 예를 포함하는 개략적인 목록이다.

상호 작용 데이터는 W4 COMN을 통해 전달된 임의의 RWE들 사이의 통신 데이터를 포함한다. 예를 들어, 통신 데이터는 착신 또는 발신 단문 메시지 서비스(SMS) 메시지, 이메일 메시지, 음성 통화(예를 들어, 이동 전화 통화, 인터넷 전화(VoIP) 통화), RWE에 관련된 다른 유형의 대인 통신과 연계된 데이터일 수 있다. 사용자 활동 정보를 나타낼 수 있는 집중 통신 패턴을 포함하는 통신 빈도에 관한 정보를 추론하기 위해, 통신 데이터는 예를 들어 시간 데이터와 상호 관련될 수 있다.

상호 작용 데이터는 또한 거래 데이터를 포함한다. 거래 데이터는 몇 가지 예를 들면 판매자 정보, 금융 기관 정보(예를 들어, 은행 정보), 금융 계좌 정보(예를 들어, 신용 카드 정보), 상품 정보와 비용/가격 정보, 및 구매 빈도 정보 같은 이동 전자 디바이스에 의해 또는 이동 전자 디바이스에서 수행된 상업적 거래들에 관련된 임의의 데이터일 수 있다. 거래 데이터는 예를 들어 활동과 선호 정보를 추론하기 위해 활용될 수 있다. 거래 정보는 또한 사용자가 소유하고/하거나 사용자가 관심을 가질 수 있는 디바이스 및/또는 서비스의 유형을 추론하기 위해 사용될 수 있다.

상호 작용 데이터는 또한 디바이스 또는 다른 RWE의 상호 작용 데이터를 포함할 수 있다. 이러한 데이터는 RWE와 W4 COMN 사이의 상호 작용과 W4 COMN 상의 RWE와 사용자 사이의 상호 작용에 의해 생성된 데이터 모두를 포함한다. RWE의 상호 작용 데이터는, 전자 디바이스에 사용된 애플리케이션의 종류 및 이러한 애플리케이션이 사용된 빈도와 시기에 관한 데이터 같은 그 밖의 모듈/애플리케이션의 전자 디바이스 데이터의 사용과 연계된 습관적 패턴 같이, 상기 범주들 중 어떤 범주에도 포함되지 않는 전자 디바이스와 RWE의 상호 작용에 관한 임의의 데이터일 수 있다. 이하에 보다 상세히 설명된 바와 같이, 디바이스의 상호 작용 데이터는 사용자 활동 및 그와 연계된 패턴에 관한 정보를 추론하기 위해 다른 데이터와 상호 관련될 수 있다. 하기 표 2는 상호 작용 데이터의 예를 포함하는 개략적인 목록이다.

개인화된 거리의 판단과 표시

이동 사회에서 사람들은 한 지점에서 다른 지점으로 연속하여 이동한다. 사용자는 자주 두 현실세계 위치 사이의 거리를 알고 싶어하거나 알 필요가 있다. 공간적 거리를 계산하기 위한 수많은 서비스들이 존재한다. 이러한 서비스는 Yahoo! Maps, Mapquest 같은 웹 기반 서비스 또는 GPS 기반 서비스일 수 있지만, 이에 제한되지 않는다. 이 서비스는 특정 루트에 관련된 공간적 거리를 계산하고, 평균 이동 시간에 기반하거나 실시간 교통 데이터에 기반하여 이동 시간을 추정할 수 있을 것이다. 이러한 서비스는 고속도로 또는 통행료 없는 루트 찾기 같은 작은 정도의 맞춤화를 추가로 제공할 수 있다.

그러나, 이러한 서비스에 의해 계산된 거리는 통상 주목할만한 정도로 개인화되지 않는다. 공간적 거리는 두 지점 사이를 이동할 때 사용자의 목적 또는 목표를 고려하지 않는다. 또한, 공간적 거리는 특정 루트의 바람직함을 결정하는데 사용자의 스케줄, 흥미, 선호, 또는 사회 네트워크를 고려하지 않는다. 이러한 요인들을 고려하여 개인화된 거리를 판단할 수 있다. 두 지점 사이의 개인화된 거리를 판단하는데 사용될 수 있는 요인들은 공간적 요인, 시간적 요인, 사회적 요인, 화제적(또는 논리적) 요인으로 범주화될 수 있다.

일 실시예에서, 두 현실세계 실체들 사이의 개인화된 거리의 계산은 두 현실세계 실체들 사이의 하나 이상의 루트를 판단하는 것으로 시작될 수 있다. 하나 이상의 루트는 사용자 선호 이동 모드에 기반하여 선택될 수 있다. 예를 들어, 사용자는 운전하는 것보다 걷거나 대중 교통을 사용하는 것을 선호할 수 있다. 루팅은 단순하게 최단 유효 루트를 선택할 수 있다. 루팅은 고속도로, 통행료, 학교 지역, 건설 현장 등을 피하는 것과 같은 다른 이동 선호를 추가로 반영할 수 있다. 알려진 루트를 고려할 때, 다음으로 그 루트에 대한 공간적 거리가 판단될 수 있다. 일 실시예에서, 공간적 거리는 루트의 길이이다. 다른 실시예에서, 목적지까지의 이동 시간이 공간적 거리의 형태로 고려될 수 있다.

공간적 거리는 거리에 직접 관계되지 않은 공간적 요인에 의해 변경될 수 있다. 이러한 공간적 요인들은 높이, 고도, 건물의 층 등의 추가 공간 크기에 관련될 수 있다. 이러한 요인들은 루트의 물리적 특성 또는 루트 상의 또는 그에 인접한 위치를 갖는 실체들에 관련될 수 있다. 예를 들어, 사용자가 자연적이든 인공적이든 경관 또는 시각적 자극을 주는 주변 환경을 중시하면, 만 또는 바다 또는 스카이라인의 전망을 갖는 루트가 더 바람직할 수 있다. 루트의 일부분이 열악한 물리적 조건으로 유명하거나 공사 중이면, 이 루트는 덜 바람직한 것으로 고려될 수 있다. 공간적 요인은 사용자 또는 다른 실체의 추가 속도 크기(즉, 방향과 속도)를 추가로 포함할 수 있다. 공간적 요인은 지역 날씨 상태 같은 물리적 위치에 관련된 환경 상태를 추가로 포함할 수 있다.

다음으로, 공간적 거리는 시간적 요인, 사회적 요인, 화제적 요인을 이용하여 추가로 변경될 수 있다. 시간적 요인은 일반적으로 시간의 경과가 루트의 바람직함과 수송 방식에 영향을 미치는 정도에 관련된 요인으로 정의될 수 있다. 가장 기본적인 시간적 요인은 루트를 이동하는데 걸리는 시간이다. 루트 상의 이동 시간은 역사적으로 루트에 관련된 평균 이동 시간에 기반하여 추정될 수 있다. 대안적으로, 실시간 모니터 또는 센서로부터 평균 속도와 이동 시간을 모니터링하여 이동 시간을 보다 정밀하게 판단할 수 있다. 이러한 센서들은 교통 흐름을 모니터링하기 위해 주요 이동 대로를 따라 특정적으로 설치된 고정 센서일 수 있다. 이러한 센서들은 또한 이동 전화 또는 GPS 같은 사용자 디바이스일 수 있고, 그 위치가 연속하여 모니터링되고, 따라서 물리적 위치가 알려진 개별 사용자 디바이스에 대한 이동 속도를 판단하기 위해 사용될 수 있다. 일 실시예에서, 루트 상의 이동 시간을 판단하기 위해 사용된 데이터는 다수의 센서 네트워크로부터의 많은 데이터 소스의 조합일 수 있다.

이러한 이동 시간은 유용하지만, 이동 시간을 일정 기간 축적된 역사적 이동 시간 데이터와 결합하여 개선할 수 있다. 예를 들어, 역사적으로 금요일에 사람들이 사무실을 일찍 떠날 수 있고, 당연히 교통이 도시의 주요 루트에서 오후 6시 내지 7시 사이에 15분 내지 20분 느려지게 된다. 그러므로, 오후 5시 45분의 교통 속도는 통근 거리가 대개 30분인 사용자의 경우 오후 6시 내지 7시 사이에 이동 시간에 대한 과도하게 긍정적인 추정을 제공할 수 있다.

이동 시간은 또한 날씨 상태에 의해 영향 받을 수 있다. 따라서, 비가 오기 시작할 때, 역사적으로 교통은 도시의 주요 루트에서 30분 느려질 수 있다. 그러므로, 비가 올 것으로 예상되거나 막 비가 내리기 시작하면, 이러한 루트에 대한 이동 시간도 그에 따라 조정될 것이다. 이동 시간은 또한 지역 이벤트에 의해 영향 받을 수 있다. 예를 들어, 특정 날짜의 오후 7시에 시작하는 콘서트가 번화가의 큰 무대에 예약될 수 있다. 역사 데이터는 콘서트 동안 무대의 인근에서 통근 시간이 10분 늘어나며 교통이 느려짐을 보여줄 수 있다.

시간적 요인들은 루트의 시작 지점과 종료 지점에 관련된 시간 데이터를 추가로 포함할 수 있다. 예를 들어, 루트의 목적지가 식당 또는 소매상 위치인 경우, 루트를 완전히 통과하기 전에 이 위치가 문을 닫으면, 루트는 바람직하지 않다. 식당에서 착석 대기 시간이 예를 들어 30분이 넘으면, 루트는 또한 바람직하지 않을 것이다. 이벤트가 특정 시간에 소정 위치에 일어날 예정이면, 예를 들어, 라이브 뮤직이 오후 10시에 시작하면, 오후 10시 이후에 이 위치에 도착하는 루트는 바람직하지 않을 것이다.

시간적 요인들은 특정 사용자에 관련된 시간 데이터를 추가로 포함할 수 있다. 예를 들어, 사용자가 약속이 있으면, 약속에 일찍 도착하는 루트가 바람직하다. 사용자가 특정 텔레비전 프로그램을 시청하는 것과 같이 대개 집에서 특정 활동을 하는 경우, 사용자를 집에서 먼 위치, 예를 들어, 집에서 멀어 프로그램 방송 전에 집에 도착할 수 없는 식당으로 데려가는 루트는 바람직하지 않을 것이다.

그러므로, 실시간 및 역사 데이터에 의해 알려진 루트를 통과하는 시간과, 동시에 발생하는 이벤트에 대한 이러한 이동 시간의 영향이 특정 루트 또는 루트 그룹에 대해 판단될 수 있다. 일 실시예에서, 공간적 거리, 이동 시간, 이동 시간에 의해 영향 받는 이벤트가 개별적으로 표시될 수 있다. 대안적으로, 시간적 요인은 개인화된 거리를 산출하기 위해 공간적 거리를 변경하도록 사용될 수 있다. 개인화된 거리는 루트의 총체적인 바람직함을 반영한다. 일 실시예에서, 루트의 바람직함이 감소함에 따라 거리는 증가한다. 예를 들어, 10마일의 공간적 거리를 반영하는 루트는 느린 이동 시간 때문에 또는 실시간 이동 추정에 기반하여 약속에 늦게 도착할 것이기 때문에 30마일로 증가될 수 있다. 실시간 이동 추정에 기반하여 약속에 늦게 도착하는 루트이면, 10분의 시간적 거리로 표현되는 루트가 30분 또는 너무 오래 걸림(too long)을 나타내는 "TL" 로 증가될 수 있다.

일 실시예에서, 시간적 요인은 공간적 거리를 일관된 방식으로 변경하기 위해 사용되는 가중 요인 또는 부가 요인으로 사용될 수 있다. 가중 및 부가 요인들은 단순한 연속 수치 관계를 반영하기 위해 사용될 수 있다. 예를 들어, 10마일의 루트가 20mph의 평균 속도를 반영하여 30분의 이동 시간을 갖는 것으로 예측된 경우, 그에 반해 60mph가 임의의 목표 이동 속도로 선택되면, 이동 시간에 목표 이동 속도를 곱하여 30마일의 가중 거리가 계산될 수 있다. 다른 예에서, 사용자가 약속에 늦을 것으로 예측되는 매 추가 분마다 임의의 1마일의 증분이 공간적 거리에 더해질 수 있다. 다른 실시예에서, 미리 정의된 코드 또는 태그가 공간적 거리, 예를 들어, 10분 지각을 나타내는 "10L" 또는 너무 늦거나 너무 오래 걸림을 나타내는 "TL" 과 연계될 수 있다.

가중 및 부가 요인들은 곱셈 방식으로 또는 덧셈 방식으로 사용되는 이산 구간(discrete interval)을 반영하도록 추가로 또는 대신으로 사용될 수 있다. 예를 들어, 사용자가 약속에 1분 내지 10분 늦을 것으로 예측되면, 1.5의 곱셈 또는 10 마일의 덧셈이 공간 거리에 적용될 수 있고, 반면에 사용자가 약속에 11분 내지 20분 늦을 것으로 예측되면, 10의 곱셈 또는 100 마일의 덧셈이 공간적 거리에 적용될 수 있다.

그러므로, 루트의 공간적 거리를 반영하고 또한 루트의 바람직함(또는 실현 가능성)에 대한 시간적 요인의 영향을 반영하는 질적 개인화된 거리를 산출하기 위해, 공간적 거리가 시간적 요인에 의해 다양한 방식으로 가중 처리될 수 있다. 일 실시예에서, 공간적 거리와 시간적 가중 요인들을 결합하기 위한 정확한 방법론은 사용자마다 다를 수 있고, 사용자의 인성 또는 습관을 반영하도록 맞춤화될 수 있다. 따라서, 운전을 싫어하는 사람은 이동 시간을 매우 중시할 것이고, 그에 반해 꼼꼼하게 시간을 엄수하는 사람은 일 또는 약속을 지키는 것을 매우 중시할 것이다. 일 실시예에서, 사용자는 이러한 선호를 명시적으로 입력할 수 있다. 다른 실시예에서, 이러한 선호는 일정 시간 축적된 사용자에 대한 센서 데이터와 상호 작용 데이터에 의해 반영되는 귀속된 사용자 행동일 수 있다.

공간적 거리는 사회적 요인을 이용하여 추가로 변경될 수 있다. 사회적 요인은 일반적으로 사용자의 사회 관계가 루트의 바람직함에 영향을 미치는 정도에 관련된 요인들로 정의될 수 있다. 공간적, 시간적 또는 화제적 연계, 상관 관계, 중복 또는 분리 정도에 기반하여 사용자의 사회 네트워크에 있거나 사용자와의 사회 관계를 보여주는 한 명 이상의 개인들에 루트가 근접한다면, 루트는 더 바람직한 것으로 고려될 수 있다.

이러한 요인들은 사용자의 사회 네트워크의 개인들과 연계된 프로파일 데이터에 기반할 수 있다. 예를 들어, 친한 친구의 집 주소를 통과하는 루트는 친구 집에 들르는 잠재적 기회를 제공하기 때문에 더 바람직한 것으로 고려될 수 있다. 이 요인들은 또한 사회 네트워크의 사용자들과 연계된 동적 실시간 데이터에 기반할 수 있다. 예를 들어, 소정 위치로의 루트는 한 명 이상의 친구 또는 친지가 현재 그 위치에 있으면 더 바람직한 것으로 고려될 수 있다.

사회적 요인은 또한 사용자의 사회 네트워크의 개인들과 연계된 상호 작용 또는 거래 데이터를 이용할 수 있다. 예를 들어, 소정 위치가 한 명 이상의 친구 또는 친척이 자주 가거나 우호적으로 평가한 사업장이면, 이 위치로의 루트는 더 바람직한 것으로 고려될 수 있다. 다른 예에서, 친구가 부정적으로 언급하거나 습관적으로 피하는 도로를 포함하는 루트는 덜 바람직한 것으로 고려될 수 있다.

사회 네트워크 요인은 또한 부정적인 방식으로도 사용될 수 있다. 따라서, 개인이 사용자의 사회 네트워크 내에서 피할 사람으로 식별되면, 개인 및 개인이 자주 가는 사업장과 장소를 피하기 쉬운 루트가 바람직한 것으로 고려될 수 있다.

공간적 거리는 화제적 요인을 이용하여 추가로 변경될 수 있다. 화제적 요인은 일반적으로 위치, 사용자, 환경 내 다른 실체와 연계된 주지의 정보에 관련된 요인들을 포함하는 것으로 정의될 수 있다. 이러한 요인들은 외부 이벤트뿐만 아니라 사용자의 흥미와 선호가 루트의 바람직함에 영향을 미치는 정도에 관련될 수 있다. 예를 들어, 화제적 요인은 루트를 둘러싸는 일반적인 지역에 관련될 수 있다. 사용자가 안전을 의식하면, 높은 범죄율을 갖는 지역을 통과하는 루트는 덜 바람직한 것으로 고려될 수 있다. 사용자가 고급 패션 쇼핑을 즐기면, 고급 소매점 또는 양품점의 밀도가 높은 지역을 통과하는 루트가 더 바람직할 것이다. 화제적 요인은 루트의 인근에서 일어나는 이벤트에 관련될 수 있다. 예를 들어, 부근에 축제가 있으면, 사용자가 축제에 관심이 있는지 없는지에 따라 부근을 통과하는 루트가 더 바람직하거나 덜 바람직할 것이다.

화제적 요인은 루트의 목적지에 관련될 수 있다. 예를 들어, 소정 위치가 사용자의 관심을 끄는(또는 반감을 일으키는) 화제와 연계된 사업장이면, 이 위치로의 루트는 더 바람직한 것으로 고려될 수 있다. 예를 들어, 사용자가 블루스 음악의 팬이면, 블루스 음악(즉, 블루스 클럽)과 연계된 목적지로의 루트가 더 바람직한 것으로 고려될 수 있다. 다른 예에서, 사용자가 아이들을 싫어하면, 좋은 가족 장소로 평가된 목적지로의 루트는 덜 바람직한 것으로 고려될 수 있다. 소정 위치가 좋아하는 기자 또는 뉴스 간행물 또는 친구에 의해 우호적으로 평가된 사업장이면, 이 위치로의 루트가 더 바람직한 것으로 고려될 수 있다. 예를 들어, 지역 언론에서 격찬을 받은 식당으로의 루트가 더 바람직한 것으로 고려될 수 있지만, 사용자의 친우가 그 식당에 대해 나쁜 평가를 내린 경우에는 덜 바람직할 수 있다. 그러므로, 화제적 요인은 화제에 관련된 임의의 알려진 사회적 요인에 의해 가중 처리될 수 있다.

일 실시예에서, 시간적 요인 외에도, 사회적 및 화제적 요인들이 개인화된 거리를 산출하기 위해 공간적 거리를 일관된 방식으로 변경하도록 사용되는 가중 요인 또는 부가 요인으로 사용될 수 있다. 일 실시예에서, 공간적 거리와 시간적 가중 요인들을 결합하기 위한 정확한 방법론은 사용자마다 다를 수 있고, 사용자의 인성, 습관, 선호를 반영하도록 맞춤화될 수 있다.

앞서 설명된 방법론들은 물리적 루트 또는 공간적 또는 시간적 크기에도 관련되지 않은 개인화된 거리를 판단하기 위해 확장될 수 있다. 일 실시예에서, 루트는 시작 위치와 종료 위치 사이의 직선, 중앙의 제3 지점으로부터의 상대 거리, 또는 위치 클러스터에 기반한 계산 결과이고, 사회적 및 화제적 요인들에 의해 조정될 수 있다.

또 다른 실시예에서, 공간적 및 시간적 크기들은 무시되고, 시작 위치와 종료 위치 사이의 개인화된 거리가 요청한 사용자에 관련된 사회적 및 화제적 요인들, 시작 및 종료 위치, 사용자와 시작 및 종료 위치와 연계된 모든 알려진 RWE들과 IO들에 기반한다. 이러한 개인화된 거리는 실제로 시작 및 종료 위치가 요청한 사용자의 흥미와 관계에 밀접하게 관련된 정도를 측정하는 메트릭이 된다.

이하에 논의되는 본 발명의 실시예들은 본 발명의 W4 COMN 내의 적용을 설명한다. 그러나, 사용자들과 미디어 활성화 전자 디바이스들의 물리적 위치를 추적할 수 있고 추가로 사용자들과 그들의 디바이스에 관련된 시간, 공간, 화제, 사회 데이터뿐만 아니라 사용자 프로파일 데이터, 위치 데이터를 수집 및 저장할 수 있는 임의의 네트워킹된 시스템을 이용하여 본 발명이 구현될 수 있음은 물론이다.

W4 COMN은 공간적 요인, 시간적 요인, 사회적 요인, 화제적 요인을 포함하는 두 개 이상의 현실세계 실체들 사이의 개인화된 거리의 판단을 가능하게 하는 플랫폼을 제공할 수 있다. W4 COMN은 사용자의 물리적 위치와 장소의 상대 위치를 인식하고 이러한 사용자와 장소의 선호 및 그들의 서로에 대한 그리고 더 큰 네트워크에 대한 관계를 추가로 인식하기 때문에 어느 정도 이러한 결과를 달성할 수 있다.

도 7은 두 개 이상의 현실세계 실체들 사이의 개인화된 거리의 판단을 위한 W4 COMN의 사용의 일 실시예를 도시한다.

도시된 실시예에서, 개인(702)은 시작 위치(720)와 종료 위치(724) 사이의 개인화된 거리를 판단하길 원한다. 일 실시예에서, 사용자(702)는 사용자 프록시 디바이스(704), 예를 들어, PDA 또는 휴대용 미디어 플레이어를 이용하여 개인화된 위치 요청을 입력하고, 이는 W4 COMN(750)으로 전달된다. 일 실시예에서, 요청은 시작 위치(720)와 종료 위치(724)를 포함한다. 대안적인 실시예들에서, 사용자는 셋 이상의 위치의 입력을 선택할 수 있고, 일 실시예에서, 이는 시작 위치(720)와 종료 위치(724)와 하나 이상의 추가 위치, 예를 들어, 강당(즉, 이벤트 티켓을 사기 위함)과 친구 집(718)(즉, 들르거나 방문하기 위함)을 포함할 수 있다.

하나 이상의 물리적 루트(730)가 시작 위치(720)와 종료 위치(724) 사이에 존재한다. 예를 들어, 두 위치 사이의 고속 도로와 간선 도로를 따라 루트를 계획할 수 있는 Yahoo! Maps 같은 맵핑 애플리케이션에 의해 루트를 식별할 수 있다. 대안적으로, 루트는 개인화된 위치 요청에 특정될 수 있다. 루트는 간선 도로와 고속 도로를 따라 진행하는 루트일 수 있고, 보행자 도로일 수 있고, 대량 수송 기관을 활용한 세그먼트를 포함할 수도 있지만, 이에 제한되지 않는다. 루트 요청이 셋 이상의 위치를 포함하는 경우, 각각의 루트는 루트 요청 내의 모든 위치를 포함할 것이고, 상이한 종료 위치를 갖는 대안적인 루트들을 제공할 수 있다. 예를 들어, 위치(720)에서 시작하고 위치들(740, 718, 724)을 포함하는 루트 요청은 위치(718)와 위치(724)에서 종료하는 대안적인 루트들을 생성할 수 있다.

루트의 전체 또는 일부를 따라 교통 센서들(730)이 고정된다. 센서들은 W4 COMN과 통신하고 W4COMN에 적어도 교통 정보를 포함하는 실시간 데이터를 연속하여 송신한다. 추가로 또는 대안적으로, W4 COMN은 루트(730) 상에서 이동하는 네트워크 사용자 디바이스들의 위치를 추적할 수 있다. 예를 들어, 네트워크는 이동 전화 신호를 삼각 측량하거나 내장된 GPS의 사용에 의해 이동 전화의 위치를 판단할 수 있다. 차량(708)은 차량 속도, 방향, 운동 방식을 포함하는 지리 위치 디바이스 또는 센서를 추가로 포함할 수 있다. 이러한 차량은 사용자의 차량을 포함할 수 있다. 추가로 또는 대신으로, W4 COMN은 지역 관청에서 송신한 경보와 교통 권고 또는 지역 119 네트워크(미도시)에서 제공한 데이터를 추적할 수 있다. 추가로 또는 대안적으로, W4 COMN은 차량 교통뿐만 아니라 항공 교통(709)의 흐름도 추적할 수 있다.

루트는 시작 위치(720)에서 시작한다. 시작 위치는 건물 또는 개인(예를 들어, 요청한 사용자) 같은 현실세계 실체, 주소, 또는 물리적 지점일 수 있다. 루트(730)는 주기적으로 콘서트 같은 이벤트를 개최하는 시 강당(740)을 지나 진행한다. 루트는 사용자(702)의 친구 집(728) 인근을 추가로 통과한다. 루트는 해안선, 전망 좋은 곳, 도시 스카이라인이 잘 보이는 곳 같은 전망 지역(744)을 추가로 통과한다. 루트는 종료 위치(724)에서 끝난다. 종료 위치는 위치가 네트워크에 알려진 건물 또는 개인(예를 들어, 위치가 GPS 등을 통해 알려진 디바이스를 갖는 요청한 사용자의 친구) 같은 현실세계 실체, 주소, 또는 물리적 지점일 수 있다.

요청한 사용자(702)는 네트워크에 알려진 세 명의 친구(706, 710, 726)가 있다. 사용자(706)는 요청한 사용자(702)의 친구이지만 루트(730)와 연계되지 않는다. 사용자(726)는 집(718)이 루트(730) 상에 위치한다. 사용자(710)는 현재 종료 위치(724)에 위치한다. 사용자(710)는 W4 COMN과 통신하며 그 지리적 위치가 예를 들어 이동 전화 신호의 삼각 측량 또는 GPS 기술에 의해 판단될 수 있는 스마트 폰 같은 프록시 디바이스(712)를 갖는다.

시작 위치(720)와 종료 위치(724) 같은 임의의 유형의 물리적 위치는 네트워크에 알려진 프록시 디바이스들을 추가로 포함하거나 이들과 연계될 수 있다. 이러한 디바이스는 다른 사용자의 프록시 디바이스, 자동 판매기, 프린터, 기기, LAN, WAN, WI-FI 디바이스, 및 네트워크에 추가 정보를 제공할 수 있는 RFID 태그와 연계된 프록시 디바이스를 포함할 수 있지만, 이에 제한되지 않는다. 도 7에 도시된 실체들 모두는 W4 COMN에 알려질 수 있고, 모든 네트워크 연결가능 디바이스와 센서는 W4 COMN에 연결되거나 그에 의해 추적될 수 있다(모든 가능한 연결이 도 7에 도시된 것은 아님을 주목한다).

도 8은 도 7에 도시된 객체들을 W4 COMN에 한정할 수 있는 방법의 일 실시예를 도시한다.

개인들(702, 706, 710, 726)은 사용자 RWE(802, 806, 810, 826)로 각각 나타내었다. 각 개인의 디바이스들은 프록시 RWE(804, 812)로 나타내었다. 위치들(720, 724, 740)은 위치(또는 사업) RWE(820, 824, 840)로 나타내었다. 교통 센서(730)는 센서 RWE(830)로 나타내었다. 루트(730)는 루트 정보를 포함하는 IO(830)로 나타내었다. 전망 지역은 위치에 대한 정보와 전망 지역의 다른 속성을 포함하는 RWE에 의해 나타내었다. 모든 RWE들은 친구 프록시, 친구, RWE 프록시와 연계된 IO를 추가로 구비할 수 있지만, 이에 제한되지 않는다.

도 9는 도 8에 도시된 RWE들을 W4 COMN 내의 실체들과 객체들에 관련시킬 수 있는 방법을 보여주는 데이터 모델의 일 실시예를 도시한다.

요청한 사용자를 위한 RWE가 루트 IO(830)와 연계된다. 일 실시예에서, 루트 IO(830)는 도로 세그먼트와 거리 또는 GPS 좌표 세트 같은 물리적 루트를 완전히 정의하기에 충분한 데이터를 포함한다. 루트 IO는 RWE 세트와 직접 연계되고, RWE(820)는 루트의 시작 위치를 나타내고, RWE(830)는 루트 상의 교통 센서를 나타내고, RWE(840)는 루트 상의 또는 그에 인접한 시 강당을 나타내고, RWE(844)는 전망 지역을 나타내고, RWE(824)는 종료 위치를 나타낸다.

도시된 실시예에서, 루트 IO는 화제에 관련된 두 개의 IO와 추가로 연계되고, IO(828)는 RWE(820)의 사용자 프로파일을 나타내고, RWE(820)는 집 주소가 루트 상에 또는 그에 인접하여 위치하는 요청한 사용자의 친구(820)를 나타낸다. 루트 IO는 루트를 따라 물리적 위치와 연계된 임의의 또는 모든 IO들과 직접 관련될 수 있지만, 또한 루트 및 요청한 사용자에 관련된 공간적, 시간적, 화제적 요인들에 관련된 무한한 IO 세트에 간접적으로 관련된다. 예를 들어, 도 9에서, 루트는 사용자(802)의 사회 네트워크를 통해 사용자(802)의 친구들(806, 810, 820)과 간접적으로 관련된다. 도 9에서, 도시된 모든 IO들은 루트(830)에 직접적으로 또는 간접적으로 관련된다.

요청한 사용자 RWE는 화제(803)에 관련된 IO에 의해 나타낸 사회 네트워크를 통해 친구/사용자 RWE(806, 810, 820)와 연계된다. 사용자 RWE(806)는 종료 위치 RWE(824)와 그 밖의 사용자 또는 위치에 관련된 통신을 포함할 수 있지만 이에 제한되지 않는 하나 이상의 상호 작용 데이터 IO와 연계된다. 사용자 RWE(810)는 예를 들어 사용자가 그 위치에 물리적으로 존재하는 것을 나타내는 연계에 의해 종료 위치 RWE(824)와 연계된다. 사용자 RWE(810)는 또한 물리적 위치가 알려진 사용자 프록시 디바이스 RWE(812)와 연계된다.

시 강당에 대한 위치 RWE(840)는 이벤트의 날짜와 시간을 갖는 캘린더를 포함하는 강당에서 일어난 이벤트에 대한 정보를 갖는 IO와 추가로 연계된다. 목적지에 대한 위치 RWE(824)는 지역 미디어에 의한 목적지 위치 비평, 목적지 위치의 소비자들에 의한 평가, 또는 목적지에서 수행될 라이브 음악의 캘린더를 포함할 수 있지만 이에 제한되지 않는 화제(828)에 관련된 하나 이상의 IO와 추가로 연계될 수 있다.

일 실시예에서, 사용자, 위치, 네트워크의 임의의 디바이스, 임의의 종류의 사용자 정의 데이터에 대한 화제에 관련된 프로파일과 다른 유형의 IO를 생성하기 위한 데이터 모델링 전략을 사용하여, W4 COMN에 의해 도 9에 도시된 관계를 생성한다. 모든 알려진 실체들을 서로에 대해 상대적으로 서로 관련시키는 전체 그래프뿐만 아니라 각 실체를 위한 마이크로 그래프 모두를 생성하기 위해, 특정 사용자, 화제 또는 논리 데이터 객체에 대해 유효한 사회, 공간, 시간, 화제 데이터를 이용하여, W4 COMN에 알려진 모든 실체를 다른 모든 알려진 실체와 데이터 객체에 대해 맵핑 및 표현할 수 있다. 일 실시예에서, 이러한 실체들과 데이터 객체들 사이의 관계는 W4 COMN 내의 글로벌 인덱스에 저장된다.

도 10은 시간, 공간, 사회 데이터를 갖는 네트워크, 예를 들어, W4 COMN을 두 개 이상의 현실세계 실체들 사이의 개인화된 거리의 판단을 위해 사용할 수 있는 방법의 프로세스(900)의 일 실시예를 도시한다.

현실세계 실체들 사이의 개인화된 거리의 계산을 위한 요청이 수신되고(910), 요청은 시작 위치와 종료 위치에 대응하는 두 개의 현실세계 실체를 포함한다. 요청은 시작 위치와 종료 위치 사이의 물리적 루트 또는 다른 기준을 추가로 포함할 수 있다. 요청은 현재 시간을 위한 것이거나 미래 시점을 위한 것일 수 있다. 시작 위치와 종료 위치 사이의 하나 이상의 물리적 루트가 맵핑된다(920). 모든 루트에 대해(930), 루트와 연계된 실체들과 객체들을 위한 네트워크 데이터베이스들(942)과 네트워크 센서들(944)로부터 데이터를 검색하고(940), 네트워크 데이터베이스는 네트워크 내의 실체들과 객체들에 관련된 공간, 시간, 사회, 화제 데이터를 포함한다. 일 실시예에서, 네트워크 데이터베이스들(942)은 W4 COMN에 의해 유지되는 RWE와 IO 관계의 글로벌 인덱스를 포함한다. 공간, 시간, 사회, 화제 데이터는 앞서 논의된 방법론들의 하나 이상의 실시예에 따라 개인화된 거리를 계산하기 위해 사용된다(950). 다음으로, 개인화된 거리가 각 루트에 대해 표시된다(960).

도 11은 도 10의 프로세스를 지원할 수 있는 개인화된 거리 판단 엔진(1000)의 일 실시예를 도시한다. 일 실시예에서, 개인화된 거리 판단 엔진(1000)은 W4 COMN 내의 W4 엔진(502)의 컴포넌트이고, 그 기능을 지원하기 위해 W4 엔진 내의 모듈들을 사용할 수 있다.

요청 수신 모듈(1100)이 현실세계 실체들 사이의 개인화된 거리의 계산을 위한 요청을 수신하고, 요청은 시작 위치와 종료 위치에 대응하는 두 개 이상의 현실세계 실체를 포함한다. 요청은 시작 위치와 종료 위치 사이의 물리적 루트를 추가로 포함할 수 있다. 요청 판단 모듈(1200)이 시작 위치와 종료 위치 사이의 하나 이상의 물리적 루트를 맵핑한다. 루트 데이터 검색 모듈(1300)이 루트와 연계된 실체들과 객체들을 위한 네트워크 데이터베이스들(1320)과 네트워크 센서들(1340)로부터 공간, 시간, 사회, 화제 데이터를 검색한다. 개인화된 거리 계산 모듈(1400)이 검색된 공간, 시간, 사회, 화제 데이터를 이용하여 앞서 논의된 방법론들의 하나 이상의 실시예에 따라 개인화된 거리를 계산한다. 개인화된 거리 표시 모듈(1500)이 개인화된 거리를 표시 매체(1520)에 표시한다.

일 실시예에서, 요청 수신 모듈은 개인화된 거리 요청의 입력을 위한 인터페이스를 제공한다. 인터페이스는 인터넷에서 액세스할 수 있는 HTTP 문서를 포함하는 컴퓨터 또는 PDA에 표시할 수 있는 그래픽 사용자 인터페이스일 수 있다. 이러한 인터페이스는 또한 이메일 같은 문서 파일과 컴퓨팅 디바이스에 위치한 소프트웨어 애플리케이션에 의해 사용할 수 있는 API를 포함하는 그 밖의 형태를 취할 수 있다. 일 실시예에서, 개인화된 거리 요청이 Yahoo! Maps 같은 맵핑 애플리케이션 인터페이스에 입력될 수 있다. 요청은 현재 시간을 위한 것이거나 미래 시점을 위한 것일 수 있다.

일 실시예에서, 루트 판단 모듈은 두 위치 사이에 루트를 맵핑할 수 있는 Yahoo! Maps에 의해 제공되는 것과 같은 맵핑 엔진을 이용하여 루트를 판단할 수 있다. 대안적으로, 루트는 두 위치 사이의 직선, 중앙의 제3 지점으로부터의 상대 거리, 또는 위치 클러스터에 기반한 계산 결과인 것으로 가정될 수 있다. 대안적으로, 아무 물리적 루트도 판단되지 않을 수 있다. 일 실시예에서, 루트 판단 모듈은 다수의 물리적 루트를 되돌려준다. 루트는 간선 도로와 고속 도로, 보행자 도로, 공공 수송, 또는 이들의 임의의 조합으로 전적으로 이루어진 루트일 수 있다.

일 실시예에서, 거리 표시 모듈은 사용자 인터페이스에 개인화된 거리를 표시한다. 인터페이스는 인터넷에서 액세스할 수 있는 HTTP 문서를 포함하는 컴퓨터 또는 PDA에 표시할 수 있는 그래픽 사용자 인터페이스일 수 있다. 이러한 인터페이스는 또한 이메일 같은 문서 파일과 컴퓨팅 디바이스에 위치한 소프트웨어 애플리케이션에 의해 사용할 수 있는 API를 포함하는 그 밖의 형태를 취할 수 있다. 일 실시예에서, 하나 이상의 루트에 대한 개인화된 거리가 문자 또는 번호로 목록화될 수 있다. 사용자가 계산 원리를 이해할 수 있도록, 개인화된 거리를 계산하기 위해 사용된 요인들이 문자 또는 숫자로 동일한 표시기에 목록화될 수 있다. 일 실시예에서, 사용자 정의 임계값 초과 및 미만인 거리는 자동적으로 배제되거나 선호될 수 있다.

일 실시예에서, 개인화된 거리는 개인화된 거리가 관련된 루트의 맵의 그래픽 표시의 오버레이로 표시될 수 있다. 예를 들어, 개인화된 거리는 루트의 길이 전체에서 채색된 밝은 부분으로 표시될 수 있고, 색은 거리의 크기를 나타낸다. 예를 들어, 적색은 20마일 이상의 거리, 또는 대안적으로 개인화된 거리가 공간적 거리의 두 배보다 더 큰 루트를 의미할 수 있다. 개인화된 거리는 또한 루트에 문자 태그로 표시될 수 있다. 개인화된 거리 계산에 사용되었고 루트에 인접한 물리적 위치를 갖는 실체들과 객체들은 맵 상에 문자 태그 또는 심볼로 추가로 표시될 수 있다. 대안적인 실시예에서, 루트의 색 코딩은 사용자의 있을 법한 선호의 순위에 기반한다(예를 들어, 최고의 루트는 녹색, 최악의 루트는 갈색으로 채색된다).

일 실시예에서는, W4 COMN에서, 루트 데이터 검색 모듈(1300)은 상관 관계 엔진(506)의 컴포넌트일 수 있고, 루트에 관련된 데이터를 검색하기 위해 W4 COMN 내의 데이터 관계를 이용한다. 일 실시예에서, 네트워크 데이터베이스들(1320)은 W4 COMN에 의해 유지되는 RWE와 IO 관계의 글로벌 인덱스를 포함한다.

예를 들어, 도 9를 다시 참조하면, 루트 IO(830)는 루트에 대한 개인화된 거리를 계산하는데 사용될 수 있는 데이터에 관련된 다수의 객체 및 실체와 연계될 수 있다. 도시된 실시예에서, 루트 IO는 데이터를 위해 주기적으로 또는 연속적으로 폴링(polled)되는 실시간 센서들(832)에 관련된다. 센서 데이터는 온도, 시정, 날씨 같은 환경 데이터뿐만 아니라 교통 데이터, 사용자의 존재, 운동 데이터를 포함할 수 있다. 교통 센서 데이터는 루트의 통과 시간을 계산하기 위해 사용될 수 있다. 그 밖의 유형의 감지된 데이터는 개인화된 거리를 계산하는데 요인으로서 추가로 사용될 수 있다. 예를 들어, 비가 오기 시작하면, 통과 시간은 역사 데이터에 기반하여 증가할 수 있다. 추가로 또는 대신으로, (예를 들어, 프로파일 또는 상호 작용 데이터에 나타난 바와 같이) 요청한 사용자 RWE(820)가 빗길 운전을 싫어하면, 비는 개인화된 거리 계산에서 주관적인 요인일 수 있다.

루트 IO(830)는 위치 RWE(840), 즉 루트에 인접한 위치를 갖는 강당에 추가로 관련된다. RWE(842)는 이벤트 캘린더를 포함할 수 있는 이벤트 IO와 연계될 수 있다. 루트를 통과할 시간에 예정된 이벤트가 있으면, 이벤트는 개인화된 거리 계산에서 요인이 될 수 있다. 루트 IO(830)는 루트에 인접한 전망 위치에 대한 화제에 관련된 IO에 추가로 관련된다. (예를 들어, 프로파일 또는 상호 작용 데이터에 나타난 바와 같이) 요청한 사용자(802)가 전망 관람을 중시하면, 전망 위치가 개인화된 거리 계산에서 요인이 될 수 있다.

도시된 실시예에서, 요청한 사용자 RWE(802)가 루트 IO(830)를 소유한다. 사용자 RWE(802)는 사회 네트워크를 통해 요청한 사용자의 친구들인 세 명의 사용자 RWE(806, 810, 820)와 연계된다. 친구 RWE들은 각각 루트에 대한 개인화된 거리를 계산하는데 요인일 수 있는 데이터에 관련된다. 사용자 RWE(806)는 목적지에 대한 의견(예를 들어, 맛없는 음식, 좋은 음악)을 표현하는 이메일 또는 문자 메시지 같은 목적지 RWE(824)에 관련된 상호 작용 데이터 또는 프로파일 데이터를 가질 수 있다. 사용자 RWE(810)는 아마도 위치의 매력을 증가시키면서 목적지에 물리적으로 존재한다. 사용자/친구 RWE(820)의 프로파일 IO(828)는 사용자 RWE의 집이 물리적으로 루트에 인접함을 나타내고, 따라서 요청한 사용자가 들르기 쉬울 것이다.

목적지 위치 RWE(824)는 화제 및 그 밖의 IO들(828)이 연계되어 있고, 이들은 개인화된 거리 계산에서 요소일 수 있는 추가 데이터를 포함한다. 음악 캘린더가 특정 시간의 음악 공연을 나타낼 수 있다. 요청한 RWE의 사회 네트워크 밖의 사용자들이 음식, 분위기, 서비스에 대해 목적지 위치를 평가했을 수도 있다. 지역 미디어가 목적지 위치를 비평했을 수도 있다.

일 실시예에서, 개인화된 거리 계산 모듈(1400)은 공간적, 시간적, 사회적, 화제적 요인들을 상이하게 가중 처리할 수 있다. 이러한 가중 처리는 요청의 문맥에 기반하여 자동적으로 판단될 수 있다. 각 문맥이 잠재적으로 무한한 연계 데이터 세트를 가질 것이기 때문에, 충분한 정보가 있으면, 개인화된 거리 계산 모듈(1400)이 문맥에 따라 가장 중요한 요인의 범주를 판단할 수 있다. 예를 들어, 상점 시간(시간적 요인)은 막 닫을 예정인 위치 거리에 있는 목적지의 주요 요인이 되고, 영업 시간 중에는 계산에 있어 대부분 무시된다. 예를 들어, 친구가 현재 그곳에서 쇼핑하고 있을 때(사회적 요인), 이러한 사회적 요인은 공간적 거리를 가중 처리하는 가장 중요한 요인이 된다.

일 실시예에서, 개인화된 거리 계산과 연계된 모든 RWE들과 IO들은 공간적, 시간적, 사회적, 화제적 요인들에 대해 하나 이상의 데이터 포인트를 갖고, 각 유형의 요인에 대해 많은 데이터 포인트 세트를 가질 수 있다. 이러한 요인들은 개인화된 거리 계산을 가중 처리하기 위해 분류 및 순위화될 수 있다. 대안적으로 또는 추가로, 사용자 가중 선호가 네트워크의 가중 프로파일에 저장되고, 이는 도 12에 도시된 바와 같은 사용자 인터페이스를 이용하여 추가로 유지될 수 있다. 인터페이스(2000)는 슬라이더(2420, 2320, 2120, 2220)를 이용하여 공간적 요인(2400), 시간적 요인(2300), 사회적 요인(2100), 화제적 요인(2200)에 차등 가중치를 적용하기 위해 사용될 수 있다.

당해 분야의 숙련자들은 본 개시의 방법과 시스템이 여러 방식으로 구현될 수 있고 그에 따라 전술한 예시적 실시예들 및 예들에 의해 제한되는 것은 아님을 이해할 것이다. 즉, 하드웨어와 소프트웨어 또는 펌웨어의 다양한 조합으로 단일 또는 다수의 컴포넌트에 의해 수행되는 기능 요소들, 및 개별 기능들은 클라이언트 레벨 또는 서버 레벨 또는 양자 모두에서 소프트웨어 애플리케이션 사이에 분배될 수 있다. 이와 관련하여, 본 명세서에 설명된 상이한 실시예들의 임의의 수의 특징들은 단일 또는 다수의 실시예에 결합될 수 있고, 본 명세서에 설명된 특징들 전부보다 더 적거나 또는 더 많은 특징을 갖는 대안적인 실시예들이 가능하다. 기능은 또한, 전체 또는 일부가, 현재 알려진 또는 알려질 방식으로 다수의 컴포넌트 사이에 분산될 수 있다. 따라서, 본 명세서에 설명된 기능, 특징, 인터페이스, 선호를 달성하는데 무수한 소프트웨어/하드웨어/펌웨어 조합이 가능하다. 더욱이, 당해 분야의 숙련자들이 현재 또는 이후에 이해할 수 있는 바와 같이, 본 개시의 범위는 본 명세서에 설명된 하드웨어 또는 소프트웨어 또는 펌웨어 컴포넌트들에 이루어진 다양한 변경 및 수정뿐만 아니라, 설명된 특징 및 기능 및 인터페이스를 실행하기 위한 종래 알려진 방식들을 포함한다.

또한, 본 개시에 흐름도로 제시 및 설명된 방법의 실시예들은 보다 철저한 기술에 대한 이해를 제공하기 위해 예로서 제공된다. 개시된 방법은 본 명세서에 제시된 동작과 논리 흐름에 제한되지 않는다. 다양한 동작들의 순서가 변경되고 더 큰 동작의 일부로 설명된 하위 동작들이 독립적으로 수행되는 대안적인 실시예들이 숙고된다.

본 개시의 목적을 위해 다양한 실시예들이 설명되었지만, 본 개시의 내용이 이러한 실시예들에 제한되는 것으로 간주되지 않아야 한다. 본 개시에 설명된 시스템과 프로세스의 범위에 포함되는 결과를 얻기 위해, 앞서 설명된 요소들과 동작들에 다양한 수정과 변경이 이루어질 수 있다.

Claims

개인화된 거리의 판단을 위한 요청으로, 요청한 사용자의 식별, 및 적어도 시작 위치와 종료 위치를 포함하는 다수의 현실세계 실체를 포함하는 요청을 네트워크 상에서 수신하는 단계와;
네트워크를 통해 제1 위치와 제2 위치 사이에 하나 이상의 루트를 판단하는 단계와;
네트워크에 유효한 데이터의 글로벌 인덱스를 이용하여, 요청한 사용자와 각각의 현실세계 실체와 하나 이상의 루트에 관련된 네트워크에 유효한 공간, 시간, 화제, 사회 데이터를 검색하는 단계와;
요청한 사용자와 각각의 현실세계 실체와 하나 이상의 루트에 관련된 공간, 시간, 화제, 사회 데이터를 이용하여, 네트워크를 통해 제1 위치와 제2 위치 사이의 개인화된 거리를 계산하는 단계와;
하나 이상의 루트 각각에 대해, 하나 이상의 루트에 대해 계산된 개인화된 거리의 표현을 표시 매체에 표시하는 단계를 포함하는 방법.
제1항에 있어서, 하나 이상의 루트는 시작 위치와 종료 위치 사이의 물리적 루트인, 방법.
제1항에 있어서, 하나 이상의 루트는 시작 위치와 종료 위치 사이의 직선인, 방법.
제1항에 있어서, 하나 이상의 루트는 시작 위치, 종료 위치, 위치 클러스터 사이의 상대 거리인, 방법.
제1항에 있어서, 하나 이상의 루트는 시작 위치, 종료 위치, 제3 지점 사이의 상대 거리인, 방법.
제1항에 있어서, 요청은 시작 위치와 종료 위치 사이의 물리적 루트를 추가로 포함하고, 요청에 포함된 물리적 루트는 개인화된 거리를 계산하기 위해 사용되는, 방법.
제1항에 있어서, 하나 이상의 루트와 연계된 데이터는 하나 이상의 센서로부터 검색되는, 방법.
제1항에 있어서, 하나 이상의 루트에 대해 계산된 개인화된 거리의 표현은 개인화된 거리가 관련된 루트의 맵의 그래픽 표시의 오버레이인, 방법.
제1항에 있어서, 개인화된 거리의 판단을 위한 요청의 다수의 현실세계 실체는 적어도 제3 위치를 추가로 포함하고, 제1 위치와 제2 위치 사이에 판단된 하나 이상의 루트는 적어도 제3 위치를 추가로 포함하는, 방법.
현실세계 실체들 사이의 개인화된 거리들의 계산을 위한 요청들로, 요청한 사용자, 및 적어도 시작 위치와 종료 위치를 포함하는 다수의 현실세계 실체를 포함하는 요청들을 수신하는 요청 수신 모듈과;
요청 수신 모듈에 의해 수신된 각각의 요청에 대해 시작 위치들과 종료 위치들 사이에 하나 이상의 루트를 맵핑하는 루트 판단 모듈과;
네트워크에 유효한 데이터의 글로벌 인덱스를 이용하여, 요청한 사용자와 각각의 현실세계 실체와 하나 이상의 루트에 관련된 네트워크에 유효한 공간, 시간, 화제, 사회 데이터를 검색하는 루트 데이터 검색 모듈과;
루트 데이터 검색 모듈에 의해 검색된 데이터를 사용하여 루트 판단 모듈에 의해 맵핑된 루트들에 대해 개인화된 거리를 계산하는 개인화된 거리 계산 모듈과;
개인화된 거리 계산 모듈에 의해 계산된 개인화된 거리를 표시 매체에 표시하는 개인화된 거리 표시 모듈을 포함하는 시스템.
제10항에 있어서, 루트 판단 모듈에 의해 맵핑된 하나 이상의 루트는 시작 위치와 종료 위치 사이의 물리적 루트인, 시스템.
제10항에 있어서, 루트 판단 모듈에 의해 맵핑된 하나 이상의 루트는 시작 위치와 종료 위치 사이의 직선인, 시스템.
제10항에 있어서, 루트 판단 모듈에 의해 맵핑된 하나 이상의 루트는 시작 위치, 종료 위치, 위치 클러스터 사이의 상대 거리인, 시스템.
제10항에 있어서, 루트 판단 모듈에 의해 맵핑된 하나 이상의 루트는 시작 위치, 종료 위치, 제3 지점 사이의 상대 거리인, 시스템.
제10항에 있어서, 요청은 시작 위치와 종료 위치 사이의 물리적 루트를 추가로 포함하고, 요청에 포함된 물리적 루트는 개인화된 거리 계산 모듈에 의해 개인화된 거리를 계산하기 위해 사용되는, 시스템.
제10항에 있어서, 루트 데이터 검색 모듈은 하나 이상의 센서로부터 루트와 연계된 데이터를 추가로 검색하는, 시스템.
제10항에 있어서, 개인화된 거리 표시 모듈은 개인화된 거리를 개인화된 거리가 관련된 루트의 맵의 그래픽 표시의 오버레이로서 표시하는, 시스템.
제10항에 있어서, 개인화된 거리의 판단을 위한 요청의 다수의 현실세계 실체는 적어도 제3 위치를 추가로 포함하고, 루트 판단 모듈에 의해 맵핑된 하나 이상의 루트는 적어도 제3 위치를 추가로 포함하는, 시스템.
개인화된 거리의 판단을 위한 요청으로, 요청한 사용자의 식별, 및 적어도 시작 위치와 종료 위치를 포함하는 다수의 현실세계 실체를 포함하는 요청을 네트워크 상에서 수신하는 단계와;
네트워크를 통해 제1 위치와 제2 위치 사이에 하나 이상의 루트를 판단하는 단계와;
네트워크에 유효한 데이터의 글로벌 인덱스를 이용하여, 요청한 사용자와 각각의 현실세계 실체와 하나 이상의 루트에 관련된 네트워크에 유효한 공간, 시간, 화제, 사회 데이터를 검색하는 단계와;
요청한 사용자와 각각의 현실세계 실체와 하나 이상의 루트에 관련된 공간, 시간, 화제, 사회 데이터를 이용하여, 네트워크를 통해 제1 위치와 제2 위치 사이의 개인화된 거리를 계산하는 단계와;
하나 이상의 루트 각각에 대해, 루트에 대해 계산된 개인화된 거리의 표현을 표시 매체에 표시하는 단계를 포함하는 방법을 위한 컴퓨터-실행가능 명령어들을 갖는 컴퓨터-판독가능 매체.
제19항에 있어서, 하나 이상의 루트는 시작 위치와 종료 위치 사이의 물리적 루트인, 컴퓨터-판독가능 매체.
제19항에 있어서, 하나 이상의 루트는 시작 위치와 종료 위치 사이의 직선인, 컴퓨터-판독가능 매체.
제19항에 있어서, 하나 이상의 루트는 시작 위치, 종료 위치, 위치 클러스터 사이의 상대 거리인, 컴퓨터-판독가능 매체.
제19항에 있어서, 하나 이상의 루트는 시작 위치, 종료 위치, 제3 지점 사이의 상대 거리인, 컴퓨터-판독가능 매체.
제19항에 있어서, 요청은 시작 위치와 종료 위치 사이의 물리적 루트를 추가로 포함하고, 요청에 포함된 물리적 루트는 개인화된 거리를 계산하기 위해 사용되는, 컴퓨터-판독가능 매체.
제19항에 있어서, 하나 이상의 루트와 연계된 데이터는 하나 이상의 센서로부터 검색되는, 컴퓨터-판독가능 매체.
제19항에 있어서, 개인화된 거리 표시 모듈은 개인화된 거리를 개인화된 거리가 관련된 루트의 맵의 그래픽 표시의 오버레이로서 표시하는, 컴퓨터-판독가능 매체.
제19항에 있어서, 개인화된 거리의 판단을 위한 요청의 다수의 현실세계 실체는 적어도 제3 위치를 추가로 포함하고, 제1 위치와 제2 위치 사이에 판단된 하나 이상의 루트는 적어도 제3 위치를 추가로 포함하는, 컴퓨터-판독가능 매체.