KR20140056302A - 랜덤화된 프로파일 교란을 사용한 프라이버시-보호 광고 타깃팅 - Google Patents

Abstract

사용자들로 광고들을 타깃팅하고 사용자-프로파일 정보의 완전한 이해 없이 서비스-제공자 수익을 최대화하는 광고 배급 및 스케줄링 시스템이 제공된다. 각각의 사용자 디바이스는 사용자 프로파일을 저장하고 타임슬롯 동안 보여질 광고들의 세트가 미리-로딩된다. 각각의 사용자 디바이스는 상기 사용자 프로파일에 기초하여 광고를 선택하고 디스플레이하지만 상기 서비스 제공자에게 상기 선택된 광고를 확인하지 않는다. 대신, 상기 사용자 디바이스들은 상기 서비스 제공자가 특정한 광고를 본 사용자들의 수를 추정하기 위해 보장된-근사화 온라인 알고리즘과 함께 사용하는 불리언 벡터들의 형태의 교란된 사용자-프로파일 정보를 제공한다. 따라서, 상기 서비스 제공자는 상기 사용자들의 프로파일들 또는 개별 사용자들에 의해 시청된 광고들에 대해 알 필요없이 그들의 광고들이 시청되는 횟수들에 대해 광고자들에게 과금할 수 있고, 사용자들은 상기 서비스 제공자로부터 프라이버시를 지키면서 상기 타깃된 광고들을 시청할 수 있다.

Description

랜덤화된 프로파일 교란을 사용한 프라이버시-보호 광고 타깃팅{PRIVACY-PRESERVING ADVERTISEMENT TARGETING USING RANDOMIZED PROFILE PERTURBATION}

본 발명은 일반적으로 텔레비전, 웹 브라우징, 및 다른 매체에 대해 타깃된 광고들(또는 "ads")의 분야에 관한 것이고, 특히, 사용자들의 프로파일 정보를 개인적으로 유지하면서 광고들을 사용자들에게 타깃팅하는 광고 배급 및 스케줄링 시스템에 관한 것이다.

본 섹션은 본 발명의 양호한 이해를 용이하게 할 수 있는 양태들을 소개한다. 따라서, 본 섹션의 문장들은 이러한 관점에서 이해되어야 하고 종래 기술 또는 종래 기술이 아닌 것을 인정하는 것으로 이해되어서는 안 된다.

사용자들로 광고들의 효율적인 타깃팅은 점점 더 중요한 수익-발생 서비스가 되었다. 적절하고 정확하게 타깃팅하기 위해, 서비스 제공자는 사용자들의 흥미 프로파일들에 액세스해야 한다. 구글의 AdWords에 의해 개척된 광고 타깃팅은 사용자들의 검색 키워드들에만 기초하여 광고들을 타깃팅하는 서비스로서 시작되었다. 그러나, 오늘날, 점점 더 많은 서비스 제공자들이 어떠한 검색 키워드도 없이, 사용자들을 더 잘 타깃팅하기 위해 사용자 프로파일들의 사용에 편향되고 있다. 예를 들어, 구글의 AdSense는 웹사이트의 페이지를 요청한 사용자의 아이덴티티(identity)에 기초하여 상기 페이지에 상이한 광고들을 서빙 및 위치시킬 수 있다. 보통, 사용자가 상이한 웹사이트들을 브라우징함에 따라, 서비스 제공자는 사용자 프로파일을 생성하고 유지하고, 상기 프로파일을 자신의 인프라스트럭처에 저장한다. 이러한 시나리오에서, 상기 서비스 제공자는 각각의 사용자의 활동들 및 관심들에 대한 완전한 지식을 가지고 액세스를 완료한다. 이러한 방식은 광고 타깃팅 및 사용자 프로파일링이 사용자 프라이버시와 불화하게 한다.

광고들을 타깃팅하는 하나의 종래의 스킴에서, 광고주는 특정한 광고에 대해 사용자 프로파일 당 입찰을 명시함으로써 상기 광고의 타깃팅에 관심이 있는 사용자들의 유형을 표현한다. 상기 서비스 제공자는 사용자에게 보여줄 최상의 광고를 선택하기 위해 상기 사용자 프로파일들에 대해 광고를 매칭하고, 그 후 상기 선택된 광고는 사용자에게 보여진다. 그 후, 상기 서비스 제공자는 상기 광고의 각각의 디스플레이에 대한 입찰량을 상기 광고주에게 과금한다.

상기 스킴에서, 상기 서비스 제공자는 어떤 광고들이 어떤 사용자들에게 전달될 것인지를 포함하여, 사용자들의 프로파일들의 지식을 갖고, 상기 정보에 기초하여 상기 광고주에게 과금한다. 그러나, 광고주들이 자신들의 광고들이 보여지는 빈도에 따라 여전히 과금되도록 하면서, 상기 사용자들의 프라이버시를 보호하는 방식으로 광고들을 타깃팅하는 것이 필요하다.

본 발명의 특정한 실시예들은 상기 사용자들의 프라이버시를 보호하는 방식으로 광고들을 타깃팅하는 방법을 채용한다.

프라이버시-보호 방식으로 광고들을 타깃팅하기 위해, 본 발명의 특정한 실시예들은 이하의 두 프라이버시-관련 요구들을 처리함으로써 상기 종래의 타깃팅된 광고-배급 모델과 상당히 다르다: 첫번째, 서비스 제공자가 사용자 프로파일들에 액세스할 수 없는 방식으로 사용자 프로파일들이 생성되고 유지될 필요가 있다. 두번째, 얼마나 많은 사용자들이 특정한 광고를 보는지에 관한 정보를 저장할 수 있어서, 여전히 어떤 광고들이 어떤 사용자들에게 디스플레이되는지를 알지 못하고 광고주들에게 적절히 과금할 필요가 있다.

본 발명의 특정한 실시예들에서, 사용자 프라이버시를 보호하기 위해, 상기 사용자 프로파일은 상기 서비스 제공자의 인프라스트럭처에 속하지 않고, 대신, 사용자의 제어 하에 있는 디바이스 및 바람직하게는 본질적으로 상기 광고를 디스플레이할 디바이스에 하우징된다. 이러한 디바이스들은 예를 들어, 상기 사용자의 PC, 이동 전화, 가정용 게이트웨이, 또는 셋-톱 박스(STB)를 포함한다. 홈 네트워크에서, 상기 사용자의 디바이스가 가정용 게이트웨이라면, 상기 광고는 상기 사용자의 네트워크된 TV 또는 PC에 디스플레이될 것이라는 것이 가정된다. 상기 프로파일-생성 프로세스는 계산-집중적일 수 있고 또한 부가적인 네트워크 트래픽을 발생할 수 있다. 전류-발생 사용자 디바이스들이 충분한 프로세싱 전력 및 메모리를 갖더라도, 기술적 또는 사업적 이유들이 이러한 디바이스들의 네트워크 처리량을 제한할 수 있다. 예를 들어, 무선 네트워크에서 대역폭 사용량은 월별로 제한될 수 있고, DSL 접속의 업링크 대역폭은 다운링크 대역폭보다 훨씬 낮다. 따라서, 상기 사용자 디바이스에 이용가능한 리소스들에 적절하고, 적합한 방식으로 프로파일을 생성하는 것이 하나의 과제이다.

사용자의 프로파일이 상기 사용자 소유의 디바이스에서 프라이버시-보호 방식으로 생성되고 유지된다고 가정하면, 다음 단계는 상기 사용자에게 광고들을 타깃팅하기 위해 상기 프로파일 정보를 레버리지(leverage)하는 것이다. 상기 프로파일이 프라이버시-보호 방식으로 준비된 후에도, 상기 사용자의 디바이스가 적절한 광고 선택을 위해, 신뢰하거나 신뢰하지 않는 상기 프로파일을 상기 서비스 제공자 또는 임의의 다른 제 3 자에게 전송했다면, 상기 사용자의 프라이버시를 위태롭게 할 수 있다. 따라서, 상기 프로파일 정보는 언제라도, 어떠한 형태로도, 어떠한 다른 디바이스로 상기 사용자의 디바이스를 떠나도록 허용될 수 없다.

프로파일 정보를 비밀로 유지하기 위한 하나의 방법은 다음과 같이 역할 전환(role reversal)을 채용한다.

상기 프로파일을 상기 서비스 제공자에게 전송하고 상기 서비스 제공자가 어떤 광고들의 세트가 특정한 사용자가 관심을 가질 것인지를 결정하게 하는 대신, 상기 서비스 제공자는 상기 광고주들이 관심이 있어 하는 프로파일 파라미터들을 상기 사용자 디바이스로 전송할 수 있고, 그 후 상기 사용자 디바이스가 상기 사용자가 관심이 있는 광고들의 세트를 결정하도록 한다. 그 후 특정한 사용자가 관심이 있어 하는 광고들의 세트에 관한 정보가 이들 광고들을 상기 사용자 디바이스에 적절한 시간에 디스플레이하기 위해 전달하는 상기 서비스 제공자에게 제공된다. 상기 사용자 디바이스가 상기 서비스 제공자에게 관심이 있는 광고들의 세트를 확인하면, 상기 사용자의 선호도 정보에 관한 그 또는 그녀의 프라이버시가 적어도 부분적으로 위태롭게 된다는 것이 인식되어야 한다. 예를 들어, 사용자 디바이스가 상기 사용자가 아우디 자동차들 및 버드와이저 맥주 광고들을 보는 것에 관심이 있다고 상기 서비스 제공자에게 알려주면, 상기 사용자가 자동차들 및 알코올 음료에 관심이 있다고 추론할 수 있다.

본 발명의 특정한 실시예들의 하나의 목표는 상기 서비스 제공자가 결국 프로파일을 구성하도록 허용하는 임의의 사용자 선호도-관련 정보를 상기 서비스 제공자에게 전송하는 것을 방지하는 것이다. 이 목표를 달성하기 위해, 광고 타깃팅(예를 들어, 사용자들) 프로세스가 광고 청구(billing)(예를 들어, 서비스 제공자)로부터 분리된다. 종래의 방법에서, 광고 타깃팅 및 광고 청구는 상기 서비스 제공자가 상기 사용자에게 보여진 광고들에 기초하여 광고주들에게 과금하기 때문에 필연적으로 밀접하게 관련된다. 상기 광고주를 적절히 과금하기 위해, 모든 서비스 제공자가 알아야 하는 것은 특정한 광고를 보는 사용자들의 수이고, 이들 개별 사용자들의 아이덴티티가 아니라는 것을 주의한다.

본 발명의 특정한 실시예들에서, 관련한 시간 기간은 시대(예를 들어, 하루, 6시간 간격, 또는 일주일)로 분할된다. 상기 사용자의 프로파일은 상기 시대 동안 변할 수 있지만 상기 시대의 시작에서만 업데이트된다는 것이 가정된다. 상기 서비스 제공자는 상기 사용자의 디바이스에 상기 시대 동안 보여질 수 있는 광고들의 세트를 로딩한다. 상기 광고들의 세트가 상기 서비스 제공자가 취급하는 모든 광고들의 세트라고 생각할 수 있지만, 실제로, 상기 사용자의 디바이스로 로딩된 광고들의 세트는 상기 서비스 제공자에 의해 취급된 모든 광고들의 세트의 작은 서브세트일 것이다. 특정한 순간에, 상기 사용자 디바이스는 자신의 프로파일을 만족하는 세트로부터 광고를 선택하고, 상기 광고는 상기 사용자에게 디스플레이된다. 그러나, 상기 사용자 디바이스는 어떤 광고를 상기 사용자가 봤는지를 상기 서비스 제공자에게 통지하지 않는다. 대신, 상기 서비스 제공자는 어떤 다른 정보를 사용하여 특정한 광고를 본 사용자들의 수를 추정한다. 이러한 추정을 획득하기 위해 상기 서비스 제공자는 상기 광고주들이 관심 있어 하는 사용자 디바이스들의 프로파일을 전송한다. 각각의 사용자 디바이스는 불리언 벡터(Boolean vector)를 구성하는, 이들 광고들 각각의 타당성을 평가한다. 보통의 형태로 상기 불리언 벡터를 전송하는 대신, 사용자 디바이스는 상기 벡터의 각 엔트리를 확률론적으로 교란하고(예를 들어, 특정한 제 1 확률에 기초하여 0의 엔트리를 1의 엔트리로 변환하고, 특정한 제 2 확률에 기초하여 1의 엔트리를 0의 엔트리로 변환함으로써, 여기서, 다양한 실시예들에서, 상기 제 1 및 제 2 확률들은 같거나 다를 수 있음), 그 후 상기 교란된 벡터를 상기 서비스 제공자로 전송한다. 그 후 상기 서비스 제공자는 각각의 광고에 대한 진실 1의 수를 추정하고, 청구를 목적으로 상기 광고를 본 사용자들의 수로서 상기 추정을 사용한다. 이러한 방식으로, 상기 서비스 제공자는 상기 사용자들의 프로파일들을 모르고도 상기 광고를 본 각각에 대해 상기 광고주에게 과금할 수 있고, 사용자들은 그들의 선호도들을 공개하지 않고 타깃팅된 광고들을 볼 수 있다. 따라서, 상기 서비스 제공자가 상기 사용자 디바이스들이 전송한 상기 교란된 프로파일 벡터들로부터 사용자들의 수를 정확하게 추정할 수 있다는 것을 보장하는 것이 중요하다.

본 발명의 특정한 실시예들은 상기 사용자 소유의 디바이스에서 프라이버시-보호 방식으로 사용자 프로파일을 생성하기 위한(상기 사용자의 웹-브라우징 및 TV-시청 습관들에 기초하여) 아키텍처 및 방법론을 제공한다. 본 발명의 특정한 실시예들은 서비스 제공자의 수익을 최대화하면서, 사용자-프로파일 정보를 완전히 알지 못해도 광고들을 타깃팅할 수 있는 광고-스케줄링 매커니즘을 채용한다. 특정한 실시예들에서, 프라이버시-보호 광고 스케줄러는 타깃팅된 인터넷 광고들을 디스플레이하기 위한 종래의 온라인 접근 방식들을 개선하는 보장된-근사치 온라인 알고리즘을 채용한다. 이 알고리즘은 상기 서비스 제공자들을 상기 사용자들로부터 분리함으로써 프라이버시를 보호하도록 자신을 잘 제공한다. 상기 시스템의 상기 사용자 디바이스들은 교란된 프로파일 정보를 상기 스케줄러에 제공하기 위해 랜덤화된-응답 기술을 사용한다. 본 발명의 특정한 실시예들은 종래의 접근방법들에 비해 개선된 프라이버시 보호를 제공하는 것에 부가하여, 광고를 보는 사용자들의 수를 추정하기 위해 표준 접근방법들보다 하나 내지 두 자릿수 더 수행하는 신규한 랜덤화 교란 스킴을 채용한다. 본 발명의 특정한 실시예들과 일치하는 시스템은 신뢰할 수 있는 제 3 자를 필요로 하지 않고 프라이버시-보호 방식으로 광고들을 효과적으로 타깃팅하기 위해 사용된다. 따라서, 본 발명의 특정한 실시예들과 일치하는 스킴들은 "3중 플레이"(예를 들어, 전화기, TV, 및 인터넷이 결합된) 서비스 제공자들, 셀룰러-폰 서비스 제공자들, 및 "오버-더-탑(over-the-top)" 서비스 제공자들(즉, 서비스들이 하나 이상의 제 3 자 네트워크들 아래에 놓이는 제공자들)에 대해서도 적합하다. 이러한 스킴들은 상기 서비스 제공자가 사용자의 활동들에 관한 구체적인 정보를 획득할 수 없거나 상기 사용자의 프로파일에 액세스할 수 없어서, 사용자 프라이버시를 홍보할 수 없다는 것을 보장한다.

일 실시예에서, 본 발명은 사용자 디바이스들의 세트로부터 타임슬롯 동안 복수의 후보 광고들 중에서 타깃 광고를 보여주는 사용자 디바이스들의 수를 추정하기 위한 컴퓨터-구현 방법을 제공한다. 상기 방법은:

(a) 상기 컴퓨터가 상기 타임슬롯 동안 상기 사용자 디바이스가 볼 수 있는 상기 복수의 후보 광고들의 ID(identification)를 상기 세트의 각각의 사용자 디바이스들로 전송하는 단계; (b) 상기 컴퓨터가 상기 복수의 사용자 디바이스들로부터 데이터를 수신하는 단계로서, (ⅰ) 상기 타임슬롯 동안 상기 복수의 후보 광고들로부터 상기 타깃 광고를 보여주는 사용자 디바이스들의 수는 상기 복수의 사용자 디바이스들로부터 수신된 데이터에 기초하여 추정될 수 있고, (ⅱ) 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 상기 사용자 디바이스들의 아이덴티티는 상기 복수의 사용자 디바이스들로부터 수신된 데이터에 기초하여 결정될 수 없는, 상기 데이터 수신 단계; 및 (c) 상기 컴퓨터가 상기 복수의 사용자 디바이스들로부터 수신된 데이터에 기초하여 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 사용자 디바이스들의 수를 추정하는 단계를 포함한다.

다른 실시예에서, 본 발명은 사용자 디바이스들의 세트로부터 타임슬롯 동안 복수의 후보 광고들 중에서 타깃 광고를 보여주는 사용자 디바이스들의 수를 추정하기 위한 데이터를 발생하기 위한 사용자 디바이스-구현 방법을 제공한다. 상기 방법은: (a) 상기 사용자 디바이스가 상기 타임슬롯 동안 상기 사용자 디바이스가 볼 수 있는 상기 복수의 후보 광고들의 ID를 수신하는 단계; (b) 상기 사용자 디바이스가 데이터를 발생하는 단계로서: (ⅰ) 상기 사용자 디바이스들의 세트로부터, 상기 타임슬롯 동안 상기 복수의 후보 광고들로부터 상기 타깃 광고를 보여주는 사용자 디바이스들의 수는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여 추정될 수 있고, (ⅱ) 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 상기 사용자 디바이스들의 아이덴티티는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여 결정될 수 없는, 상기 데이터 발생 단계; 및 (c) 상기 사용자 디바이스가 상기 복수의 사용자 디바이스들로부터의 상기 데이터에 기초하여 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 상기 사용자 디바이스들의 수를 추정하도록 구성된 컴퓨터로 상기 데이터를 제공하는 단계를 포함한다.

또 다른 실시예에서, 본 발명은 컴퓨터 및 상기 컴퓨터와 통신하는 사용자 디바이스들의 세트를 포함하는 시스템을 제공한다. 상기 컴퓨터는: (ⅰ) 타임슬롯 동안 상기 사용자 디바이스가 볼 수 있는 복수의 후보 광고들의 ID를 상기 세트의 각각의 상기 사용자 디바이스들로 전송하고; (ⅱ) 상기 복수의 사용자 디바이스들로부터 데이터를 수신하도록 구성된다. 상기 사용자 디바이스들의 세트로부터, 상기 타임슬롯 동안 상기 복수의 후보 광고들로부터 타깃 광고를 보여주는 사용자 디바이스들의 수는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여 추정될 수 있다. 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 상기 사용자 디바이스들의 아이덴티티는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여 결정될 수 없다. 상기 컴퓨터는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여, 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 사용자 디바이스들의 수를 추정하도록 구성된다.

도 1은 사용자들의 웹-브라우징 활동들에 기초하여 사용자들을 프로파일링하기 위한 2가지 예시적인 카테고리들의 방법들을 도시하는 시스템 도면.
도 2는 본 발명의 일 실시예와 일치하는 예시적인 프라이버시-보호 스케줄러를 도시하는 시스템 도면으로서, 각각의 사용자 디바이스는 각각의 타임슬롯에서 상기 스케줄러로 교란된 프로파일을 제공한다.
도 3은 본 발명의 일 실시예와 일치하는 예시적인 프라이버시-보호 스케줄링 스킴의 흐름도.

프라이버시-보호 프로파일 생성

도 1은 사용자들의 웹-브라우징(또는 TV-시청) 활동들에 기초하여 사용자들을 프로파일링하기 위한 2가지 예시적인 카테고리들의 방법들: 쿠키-기반 추적(Cookie-based tracking)(실선으로 도시됨) 및 세션 검사(파선으로 도시됨)를 도시한다. 쿠키-기반 추적에서, 사용자의 브라우징 활동들은 사용자 디바이스(101) 상에서 실행 중인 브라우저가 네트워크(104)를 통해 상기 사용자에 의해 현재 브라우징되는 하나 이상의 웹 서버들(102)로 전송하는 하나 이상의 파일들("쿠키들"이라고 참조됨)을 사용하여 상기 서비스 제공자에 의해 추적된다. 세션 검사-기반 접근방법에서, 상기 사용자 디바이스(101)(예를 들어, PC, 가정용 게이트웨이, TV, 또는 이동 전화)로부터 발신된 트래픽은 어떤 웹사이트들에 상기 사용자가 방문하는지 결정하기 위해 원격 서버(103)(예를 들어, 딥-패킷 검사 디바이스(deep-packet inspection device) 또는 웹 프록시)에서 검사된다. 그 후 사용자 프로파일은 예를 들어, 방문한 웹사이트들의 유형, 방문 빈도, 광고 연결률(click through rates), 등을 포함하는 정보에 기초하여 생성된다.

사용자의 브라우징 활동들에 관한 정보를 수집하기 위해 어떠한 방법이 사용되든, 상기 정보로부터 생성된 상기 프로파일은 관례적으로 상기 서비스 제공자의 인프라스트럭처 내에서 상기 서비스 제공자에 의해 유지된다. 상기 제공자가 상기 사용자로 하여금 상기 프로파일링 스킴에 "동참(opt in)"하도록 하거나 상기 프로파일 정보를 보고 및/또는 수정하도록 하더라도, 핵심은 상기 사용자가 상기 프로파일에 대한 어떠한 명백한 제어도 할 수 없고 상기 프로파일은 사용자와 함께 머무르지 않는다. 물론, 이는 상기 사용자의 프로파일 정보의 사용 또는 가능한 오용에 관한 사용자의 불신임을 유발할 수 있다.

본 발명의 특정한 실시예들은 상기 사용자의 프로파일을 상기 사용자의 디바이스 내에서 생성하고 유지하고, 상기 프로파일이 상기 디바이스를 절대 떠나지 않도록 함으로써 이러한 우려들을 제거한다. 상기 서비스 제공자가 사용자 프로파일들에 액세스하는 것이 방지될 뿐만 아니라, 상기 서비스 제공자는 상기 서비스 제공자로 하여금 상기 사용자 프로파일들에 포함된 정보를 "추측"하도록 하는 간섭들을 생성하는 것도 방지되어야 한다. 상기 서비스 제공자는 상기 네트워크로부터 어떠한 사용자-관련된 정보도 수집하지 않거나 수집이 방지(예를 들어, 법으로)된다는 것이 또한 본원에서 가정된다.

본 발명의 특정한 실시예들에서 사용자 관심을 반영하는 프로파일을 생성하는 것의 더 상세한 사항들은 이제 논의될 것이다. 사용자는 전형적으로 브라우징 세션 동안 몇몇 웹사이트들을 방문한다. 사용자 프로파일을 구성할 목적으로, 각각의 이들 사이트들은 "분류자들"로 참조될, 몇몇 대표적인 단어들로 분류될 수 있다. 예를 들어, www.cnn.com 및 www.edmunds.com에 대한 분류자들은 각각 {뉴스, 월드 뉴스}, 및 {자동차, 사용자 자동차}일 수 있다. 사용자의 관심은 상기 사용자가 방문한 웹사이트들을 나타내는 분류자들의 세트로 표현될 수 있다. 일부 분류자들이 1회 이상 나타나기 때문에, 예를 들어, 동일한 웹사이트를 여러 번 방문하는 사용자 또는 본질적으로 유사한 웹사이트들을 방문하는 사용자로 인해, 특정한 사용자에 대해 상대적인 중요도를 나타내도록 각각의 분류자에 0과 1 사이의 가중치의 형태로 점수가 할당된다. 예를 들어, 자동차들과 축구에 관심이 있는 사용자는 상기 사용자가 자동차들보다 스포츠에 더 관심이 있다는 것을 나타내는 프로파일 {(자동차, 0.4), (스포츠, 0.7)}을 가질 수 있다.

본 발명의 특정한 실시예들에서, 상기 사용자의 프로파일의 생성은 다음의 3 단계들을 수반한다: 먼저, 웹사이트 방문 및 광고 연결률을 반영하는 데이터가 수집된다. 두번째로, 상기 사이트의 특성들을 반영하는 하나 이상의 분류자들로 웹사이트들이 맵핑된다. 세번째로, (분류자, 점수) 쌍들의 세트를 포함하는 사용자의 프로파일을 생성하기 위해 상기 대응하는 웹사이트 방문 빈도와 함께 상기 분류자들이 사용된다. 이 세번째 단계 동안, 최신의 관심들이 과거의 관심들보다 더 가중되도록(즉, 더 높은 점수를 갖는) 상기 사용자의 관심들을 "에이징(age)"하는 것 또한 가능하다.

상기 프로파일 계산의 핵심은 복수의 웹사이트들 각각에 적절한 분류자들의 스몰 세트를 할당하는 것이다. 상기 프로파일은 최소의 리소스 양을 사용하여 사용자 디바이스에서 실시간으로 생성되고 유지되는 것이 바람직하다. 따라서, 웹사이트를 분류하기 위한 절차는 간단하고 효율적이거나, 그렇지 않으면 큰 프로세싱 및 메모리 리소스들 및 양호한 네트워크 접속성을 갖는 서버에 의해서와 같이, 사용자 디바이스 이외의 디바이스에 의해 수행되어야 한다.

본 발명의 특정한 실시예들에서, 사용자 프로파일은 예를 들어, PC, 이동 전화, 셋-톱 박스, 가정용 게이트웨이, 텔레비전 등과 같은 사용자의 디바이스에서 생성된다. 상술한 디바이스들의 임의의 현대적인 버전들은 상기 프로파일-생성 프로세스의 제 1 및 제 3 단계들을 용이하게 수행할 수 있다.

그러나, 제 2 단계는 이러한 디바이스들의 능력을 잠재적으로 초과할 수 있고, 따라서, 이러한 디바이스들은 요청에 의해 웹사이트에 대한 적절한 분류자들의 세트를 리턴하도록 구성된 소외 서버(offsite server)에 의해 보조될 수 있다. 그러나, 이러한 외부 협조로, 상기 제 2 단계는 상기 서비스 제공자에게 프로파일-관련된 정보를 누설할 잠재적인 위험이 있다. 결과적인 프라이버시 문제는 바람직하게 예를 들어, 다음: 디바이스-중심 방법 및 제공자-보조 방법이라고 하는 2가지 예시적인 방법들 중 하나를 사용하여 처리될 수 있다.

디바이스-중심 방법에서, 상기 사용자 디바이스는 웹사이트에 키워드들을 할당할 책임이 있다. 웹서버는 페이지를 수신하려는 상기 사용자 디바이스의 요청에 응답하여 html 페이지를 브라우징 사용자의 디바이스로 전송한다. 상기 페이지가 상기 사용자 디바이스를 통과할 때, 상기 사용자 디바이스는 상기 페이지를 검사하고 분류자들을 할당하는 소프트웨어 루틴을 실행한다. 분류자들을 할당하기 위한 가벼운 방법은 상기 웹 페이지에 포함된 메타데이터(예를 들어, 제목, 키워드들, 설명, 등)를 사용하는 것이다. 이 방법은 상기 사용자 디바이스에 부가적인 작업부하를 거의 도입하지 않고 대부분 디바이스들, 심지어 이동 전화의 전류 발생에 의해 용이하게 처리될 수 있다. 이 방법은 어떠한 새로운 네트워크 트래픽도 생성하지 않고 어떠한 사용자-특정 정보도 상기 서비스 제공자로 누설하지 않는다. 유일한 단점은 상기 분류자들이 웹 페이지의 실제 콘텐트에 항상 정확하게 대응하지 않을 수 있기 때문에, 분류자들을 할당하는 이 방법은 상기 페이지 생성자의 변덕으로 선택된 상기 정보에만 의존한다는 것이다. 한편, 상기 사용자 디바이스가 충분한 프로세싱 전력 및 무제한의 고속 네트워크 액세스를 갖는다면(예를 들어, 광대역 접속을 갖는 PC), 그 후 상기 사용자 디바이스는 분류자들을 할당하기 위해 더 리소스-집중적인 방법을 수행하도록 적응될 수 있다.

제공자-보조 방법에서, 상기 사용자 디바이스는 웹사이트에 분류자들을 할당하기 위해, 분류자 데이터베이스 서버(CDS) 또는 때때로 키워드 데이터베이스 서버(KDS)로 참조되는, 네트워크-상주 서버를 참조한다. CDS의 기능은 알고리즘에 기초하여 웹사이트에 대한 분류자들의 세트를 제공하기 위해 사용자 디바이스로부터의 요청을 만족시키는 것이다. CDS 기능성은 네트워크 서비스 제공자 또는 오버-더-탑 서비스 제공자에 의해 제공될 수 있거나, 대안적으로 공중 서버에서 구현될 수 있다. 상기 네트워크에 걸쳐 분산된, 상이한 소유자들에게 속한 다수의 CDS 서버들이 있을 수 있다. 이 시나리오에서, 상기 사용자 디바이스는 상기 사용자에 의해 요청된 웹 페이지의 URL(uniform resource locator)을 응답으로 상기 URL에 의해 식별된 상기 웹 페이지에 할당된 분류자들을 리턴하는, 랜덤하게 선택된 CDS로 안전하게 전송한다. 상기 제공자-보조 방법은 상기 사용자 디바이스 상에서 계산 부하를 감소시키고 상기 사용자 디바이스와 상기 CDS 간의 통신 동안 상기 네트워크로 비교적 작은 부하만을 도입한다. 이 부하의 영향을 더욱 감소시키기 위해, 쿼리 트래픽(query traffic)이 낮은 우선순위가 할당될 수 있어서, 다른 네트워크 트래픽과 간섭하지 않거나, 쿼리들이 비수기(off-peak) 시간들 동안 이루어질 수 있다. 그러나, 상기 쿼리의 콘텐트들은 사용자가 방문한 웹사이트들에 관해 상기 CDS에 통지함으로써 어떤 사용자-관련 정보를 상기 서비스 제공자에게 여전히 누설할 수 있다. 이러한 정보 누설을 방지하기 위해, 다음의 예시적인 3가지 매커니즘들: 랜덤화(randomization), 제공자의 익명 서비스(anonymizer), 및 공중-도메인 익명 서비스 중 하나가 사용될 수 있다.

랜덤화: 이 방법에서, CDS는 사용자 디바이스로부터의 2가지 유형들의 요청들에 응답한다: (ⅰ) 분류자들의 디폴트 세트 요청 및 (ⅱ) 특정한 웹사이트들의 세트에 대한 분류자 요청. 사용자 디바이스가 분류자들의 디폴트 세트를 요청할 때, 상기 CDS는 전체로서 상기 사용자 집단에 의해 자주 액세스된 어떤 웹 페이지들의 세트에 대응하는 분류자들로 응답한다. 웹 페이지들의 이 세트는 예를 들어, 가장 자주 요청된 페이지들, 가장 덜 요청된 페이지들, 최근 몇 시간 동안 요청된 상위 100개의 웹 페이지들, 상기된 웹 페이지들의 세트들의 조합들, 등을 포함할 수 있다. 상기 사용자 디바이스는 이 정보를 캐시에 저장한다(cache). 상기 사용자가 이 세트의 임의의 웹사이트를 방문하면, 상기 사용자 디바이스는 상기 CDS로 명시적인 요청을 전송할 필요가 없고, 어떠한 사용자-특정 정보도 상기 서비스 제공자에게 누설되지 않는다. 상기 사용자가 방문한 웹사이트가 상기 세트에 포함되지 않으면, 상기 디바이스는 이 사이트에 대한 요청을 CDS로 전송할지 여부를 임의로 결정한다. 상기 디바이스가 요청을 전송하기로 결정하면, 상기 디바이스는 상기 사용자가 실제로 방문하지 않은 몇몇 부가적인 신중하게 선택된 웹사이트들과 함께 요청을 증가시킨다. 이러한 방법에서, 제공자는 이들 몇몇의 웹사이트들 중 어디를 사용자가 방문했는지 여전히 정확히 알지 못한다. 다수의 CDS들이 상기 사용자 디바이스에 의해 액세스 가능하면, 상기 디바이스는 상이한 CDS들로 쿼리들을 배급하도록 결정하여, 프로파일을 재생성하기 위해 상기 사용자에 관한 충분한 정보를 항상 획득하는 단일 CDS는 없다. 이 방법은 어떤 부가적인 네트워크 트래픽(예를 들어, 요청 당 수 백 바이트)을 생성할 수 있고 사용자의 웹 서핑 습성의 조금 모호한 아이디어를 상기 서비스 제공자에게 제공할 수 있다는 것을 주의한다.

제공자의 익명 서비스: 이 방법에서, 상기 제공자는 CDS를 NAT(Network-Address Translation) 디바이스 뒤에 위치시킨다. 사용자 디바이스가 웹사이트-분류자 맵핑을 필요로 할 때, 상기 사용자 디바이스는 상기 CDS에 안전한 요청을 한다(예를 들어, SSL(secure-socket layer)을 통해). 상기 SSL 세션은 프로세스가 어떠한 사용자 디바이스도 아닌, 상기 CDS에 관련된 하나 이상의 IP(인터넷-프로토콜) 어드레스들을 노출하는, 상기 NAT 디바이스를 통과한다. 상기 CDS는 상기 SSL 세션을 통해 상기 사용자 디바이스로 자신의 응답을 안전하게 다시 제공한다. 상기 CDS가 상기 사용자 디바이스의 원래 IP 어드레스에 한번도 노출되지 않기 때문에, 상기 CDS는 어떤 사용자 디바이스가 상기 요청을 했는지 알지 못한다. 상기 요청 및 응답은 SSL을 통해 송신되기 때문에, 상기 NAT 디바이스는 상기 사용자 디바이스가 요청한 웹페이지들을 알지 못한다. 이러한 방식으로, 사용자-관련 정보는 상기 서비스 제공자에게 제공되지 않는다. 이 방법은 상기 사용자가 실제로 방문한 웹사이트들에 대한 요청들과 연관된 대역폭 외에 네트워크로의 어떠한 부가적인 트래픽 부하도 생성하지 않는다. 그러나, 상기 NAT 디바이스 및 상기 CDS가 동일한 당사자의 제어 하에 있다면, 사용자가 방문한 웹사이트들을 결정하는 것이 가능할 수 있다는 것을 주의한다.

공중-도메인 익명 서비스: 이 방법에서, 상기 사용자 디바이스는 CDS에 접촉하기 위해 임의의 공중-도메인 또는 제 3 자의 "믿을 수 있는" 익명 서비스를 사용한다. 이 방법은 예를 들어, 상기 사용자가 다른 방법들을 채용하는 제공자들에 의해 제안된 상기 프라이버시에 만족하지 못하거나 신뢰하지 못하는 경우 사용될 수 있다. 제공자가 비교적 공중-도메인 또는 제 3 자 익명 서비스와 공모할 것 같지 않기 때문에, 이 방식은 사용자 디바이스에 의한 상기 요청들을 상기 CDS가 알지 못하게 한다. 이 방법은 프라이버시를 향상시키면서, 모든 요청들 및 응답들은 이들이 상기 익명 서비스로 및 상기 익명 서비스로부터 인터넷을 통해 라우팅됨에 따라 부가적인 대역폭을 발생한다.

웹사이트를 분류자들의 세트로 맵핑한 후, 상기 사용자 디바이스는 대응하는 웹사이트에 방문한 빈도에 기초하여 분류자에 대한 점수를 계산한다. 특정한 웹사이트에 대한 상기 방문 빈도에 관한 정보는 상기 서비스 제공자에게 노출되지 않고, 따라서, 상기 서비스 제공자가 상기 사용자의 프로파일을 정확하게 복제하는 것은 불가능하다는 것을 주의한다.

게다가, 상기 사용자 디바이스는 또한 상기 프로파일을 에이징하여 더 새로운 관심들이 더 오래된 관심들보다 더 높은 점수를 받도록 하고, 상기 서비스 제공자는 사용자의 상기 "에이징된" 프로파일을 계산할 수 없다.

상술한 방법론은 또한 상기 사용자의 TV 채널-서핑 활동들, 주문형 비디오(VoD) 요청들, 및 상기 STB를 통과하는 유사한 정보에 기초하여 사용자 프로파일을 생성하도록 사용될 수 있다. 현대적인 STB들은 EPG(electronic program guide) 다운로딩, VoD 주문, 등에 대한 IP 접속성을 포함한다. 따라서, 상기 STB는 프로파일 생성 및 분류자 할당에 대해 상기 설명된 단계들과 유사한 단계들을 수행할 수 있다. 이 방식에서, 상기 STB는 상기 EPG 정보를 캐시하고 사용자가 시청하고 있는 TV 프로그램을 식별하기 위해 상기 채널-서핑 정보를 상기 EPG에 맵핑한다. 상기 TV 프로그램에 상기 설명된 CDS와 유사한 데이터베이스 서버에 의해 분류자들이 할당된다. 상기 STB는 상기 CDS로부터 분류자들을 검색하고 특정한 프로그램의 시청 빈도 및 상기 프로그램을 시청하는 지속 기간(예를 들어, 30분 프로그램을 시청하는데 사용자가 실제로 소비한 총 분(minutes))으로 상기 분류자들을 가중함으로써 상기 사용자의 TV 시청 프로파일을 생성한다. 유사하게, 어떤/언제 서비스/영화가 주문되는지에 대한 지식을 갖는, 주문형 비디오(예를 들어, 페이-퍼-뷰(pay-per-view))에 대한 요청들이 상기 STB를 통과한다. CDS에 대해 상기에 설명된 바와 같이, 상기 STB는 상기 사용자에 의해 주문된 서비스/영화와 관련된 (분류자, 점수) 쌍을 생성하기 위해 이 정보를 사용한다. 상기 EPG 정보 및 연관된 분류자들이 상기 디바이스 내에 유지되면, 사용자의 채널 서핑 활동들은 상기 서비스 제공자에게 전송될 필요가 없고, 따라서, 사용자-관련 정보의 누설이 없다. 주문형 서비스들에 대해, 상기 사용자가 아이템들의 많은 선택들 중에서 일반적으로 주문할 수 있기 때문에, 이전 섹션에서 설명된 임의의 상기 3가지 기술들(랜덤화, 제공자의 익명 서비스, 및 공중-도메인 익명 서비스) 등이 상기 분류자들을 수집하기 위해 사용될 수 있는 경우, 상기 디바이스가 상기 아이템과 연관된 상기 분류자들을 캐시하는 것이 불가능할 수 있다.

상술한 것에 부가하여, 키워드 발생 및 프로파일 생성을 위한 다른 가능한 방법들이 전체가 본원에 참조로서 통합된 미국 공개 특허 출원 번호. 2011/0016199에 설명된다.

예시적인 광고- 타깃팅 시스템의 개요

사용자들의 그룹으로 타깃팅된 광고들을 디스플레이하는데 관심이 있는 광고주들의 세트를 포함하는 시스템에서, 각각의 사용자는 예를 들어, 인구 통계학적 정보, 위치 정보, 및 텔레비전과 온라인 시청 습성을 포함하는 사용자 프로파일에 의해 설명될 수 있다. 인구 통계학적 정보와 같은, 상기 프로파일 정보의 일부는 비교적 정적인 반면, 온라인 서핑 습성 또는 사용자 위치와 같은 다른 프로파일 정보는 동적일 수 있다. 각각의 광고주는 특정한 정보를 포함하는 프로파일을 갖는 사용자들을 타깃팅하는데 관심이 있다. 각각의 광고주는 (ⅰ) 하나 이상의 타깃 프로파일들과 함께 (ⅱ) 광고가 타깃 프로파일을 갖는 사용자에게 보여지면 지불할 입찰량, 및 (ⅲ) 상기 서비스 제공자에 의해 상기 광고주에게 과금될 수 있는 최대 자금량(즉, 예산)을 명시한다. 본원의 상기 방법론의 논의가 단일 타깃 프로파일을 명시하는 광고주들을 수반하지만, 이 방법론은 각각의 프로파일에 대한 상이한 입찰과 함께, 하나 이상의 타깃 프로파일을 명시하는 광고주들에게 확장될 수 있다. 본 발명의 특정한 실시예들과 일치하는 광고-스케줄링 시스템의 목적은 상기 서비스 제공자 수익을 최대화하는 것이다. 본 발명의 특정한 실시예들과 일치하는 스케줄러는 수익 최대화를 시도하면서 몇몇 부가적인 목적들을 고려해야 한다. 먼저, 상기 스케줄러는 상기 광고-스케줄링 결정들이 온라인 방식으로 이뤄져야 한다는 것을 암시하는, 사용자 프로파일들, 사용자 가용성 정보, 또는 광고주들의 입찰들 및 예산의 어떠한 선행 지식도 가정하지 않는다. 두번째로, 각각의 사용자는 그 또는 그녀의 프로파일 정보를 알고 이를 비밀로 유지하려고 한다고 가정되고, 이는 프라이버시 관점에서, 본 발명의 특정한 실시예들과 일치하는 스케줄링 알고리즘이 어떠한 상기 사용자-프로파일 정보의 지식 없이도 동작해야 한다고 암시한다.

상술한 두 제한들의 관점에서 상기 스케줄러가 서비스 제공자의 수익을 최대화하는 것이 어렵거나 불가능해 보일 수 있지만, 상기 스케줄러가 상기 광고주들에 관한 선험적 정보 없이 사용자에 관한 확률적 정보만으로 수익을 최적화하도록 하는 것이 정말로 가능하다. 이 목표를 달성하기 위해, 타깃팅된 광고들을 배급하기 위한 3개의 상이한 스케줄러들(즉, 스케줄링 스킴들)이 설명된다. 첫번째 스케줄러는 사용자-프로파일 정보의 완전한 지식뿐만 아니라 미래의 완전한 지식을 갖는 "완전한 정보 스케줄러"이다. 두번째 스케줄러는 미래를 알지 못하지만 여전히 사용자-프로파일 정보의 완전한 지식을 갖는 "온라인 스케줄러"이다. 세번째 스케줄러는 사용자 프로파일들에 관한 교란된(즉, 프라이버시-보호) 정보만을 갖는 "온라인 프라이버시-보호 스케줄러"이다. 이들 세 스케줄러들은 이제 더 상세히 설명될 것이다.

완전한 정보 스케줄러: 이 스케줄러에 대해, 모든 미래 사용자 가용성(즉, 어떤 사용자들이 어떤 시간들에 활성화되는지), 사용자 프로파일 정보, 및 광고주의 선호도들이 선험적으로 공지된다고 가정된다. 이러한 정보가 모두 주어지면, 상기 스케줄러는 수익을 최대화하기 위해 최적화 문제를 표현할 수 있고 그 후 이 해결책을 구현할 수 있다. 이 접근 방식에서 이뤄진 가정이 비현실적이지만, 완전한 정보 스케줄러는 달성가능한 수익의 상한을 제공하고 상기 제 2 유형의 스케줄러, 온라인 스케줄러에 대한 기준을 형성한다.

온라인 스케줄러: 온라인 스케줄러는 각각의 타임슬롯에 광고를 할당한다. 이 스케줄러는 각각의 타임슬롯의 활성인 사용자들의 세트를 그들의 프로파일 및 각각의 광고주에 대한 나머지 예산들과 함께 안다. 적절히 결정함으로써, 상기 온라인 스케줄러의 성능은 상기 완전한 정보 스케줄러의 성능의 일정한 인자 내에 있다. 이 접근 방식은 선험적 정보 없이 수익 최대화의 제 1 목적을 만족한다. 그러나, 이 접근 방식은 모든 사용자 프로파일 정보가 상기 스케줄러에 노출된다고 가정한다. 제 3 유형의 스케줄러는 사용자-프로파일 정보를 가리기 위해(mask) 상기 온라인 알고리즘을 수정한다.

상기 설명된 온라인 스케줄러는 2가지 주요한 특징들을 특징으로 한다: (ⅰ) 상기 온라인 스케줄러는 입찰 및 상기 스케줄러가 계산한 다른 파라미터들에 기초하여 광고들을 주문하고, (ⅱ) 각각의 사용자 디바이스는 대응하는 사용자의 프로파일과 매칭하는 정렬된 리스트의 제 1 광고를 디스플레이한다. 각각의 타임슬롯에서 상기 사용자 디바이스들로부터 상기 온라인 스케줄러가 필요로 하는 중요한 정보는 상기 사용자들의 아이덴티티들의 지식을 요구하지 않고, 각각의 광고를 본 사용자들의 총 수를 포함한다. (ⅰ) 모든 광고들이 각각의 사용자 디바이스로 미리 로딩되고, (ⅱ) 상기 사용자 프로파일들이 상기 사용자 디바이스들에만 공지되는 시스템을 고려하면, 각각의 사용자 디바이스는 각각의 타임슬롯에 디스플레이할 광고를 용이하게 결정할 수 있다. 그러나, 상기 온라인 스케줄러를 구현하는 것의 단점은 상기 광고주에게 얼마를 과금할지 결정하기 위해, 얼마나 많은 사용자들이 각각의 광고를 시청했는지를 상기 스케줄러가 알지 못한다는 사실이다.

프라이버시-보호 스케줄러: 도 2는 하나 이상의 사용자들(예를 들어, 모바일 디바이스(201) 또는 PC(211) 또는 TV(212)에 접속된 가정용 게이트웨이(210)를 사용하는)이 각각의 타임슬롯에서 교란된 프로파일을 스케줄러(202)에 제공하는, 예시적인 프라이버시-보호 스케줄러(202)를 도시한다. (일부 실시예들에서, 프라이버시-보호 스케줄러는 상기 프로파일에 변화가 있을 때에만 상기 교란된 프로파일을 제공한다.) 스케줄러(202)는 네트워크(204)를 통해 CDS(203)와 통신한다. 이하에 더 상세히 설명되는 바와 같이, 상기 스케줄러는 특정한 사용자가 어떤 광고를 보았는지에 관해 알지 못하고 각각의 타임슬롯에서 얼마나 많은 사용자들이 각각의 광고를 시청하는지를 추정할 수 있어서, 상기 사용자들의 상기 프라이버시를 보호하면서 광고주들이 적절히 과금될 수 있다.

사용자 프로파일 및 광고 적절성

앞서 언급된 바와 같이, 본 발명의 특정한 실시예들에서, 사용자에 대한 프로파일은 상기 사용자에 관한 정적 및 동적인 정보를 둘 다 포함하고, 각각의 광고주는 프로파일들이 프로파일 요소들의 소정의 조합을 갖는 사용자들에 입찰한다. 예를 들어, 광고주는 지난 주 동안 인터넷 상에서 자동차를 검색한 특정한 위치에 살고 있는 사용자들의 그룹을 타깃팅하기를 원할 수 있다. 따라서, 상기 광고주가 관심을 갖는 프로파일은 사용자 습성의 몇몇 요소들의 조합을 포함할 수 있다. 상기 사용자 디바이스가 자신의 사용자 고유의 프로파일을 추적하면, 상기 사용자가 특정한 광고에 대한 타깃인지 여부를 알고자 하는 상기 사용자 디바이스에는 비교적 용이하다. 따라서, 사용자 j가 광고 i에 의해 명시된 타깃 프로파일을 만족하면, 사용자 j가 광고 i에 대해 "적절"하다고 할 수 있다. 특정한 시간 t에서 사용자 j에 대한 광고 i의 "적절성"은 2진 변수 A _ij (t)로 표현될 수 있다:

적절성 벡터 A _ij (t)의 정의는 사용자의 프로파일, 뿐만 아니라 광고주의 타깃이 시간에 따라 변할 수 있기 때문에 명시적인 시간 인덱스를 포함한다. 상기 적절성 벡터 A _ij (t)의 값이 상기 스케줄러에 공지되면, 상기 스케줄러는 또한 상기 사용자가 광고 i와 연관된 상기 광고주에 의해 명시된 모든 상기 프로파일 요소들을 만족한다는 것을 안다. 따라서, 상기 사용자의 목적은 상기 적절성 벡터 A _ij (t)의 값을 비밀로 유지하는 것이다. 다음 섹션들에 설명되는 처음 2개의 스케줄러들(즉, 상기 완전한 정보 스케줄러 및 상기 온라인 스케줄러)에서, 상기 적절성 벡터 A _ij (t)의 값들은 상기 스케줄러들에 공지된 것으로 가정된다. 그러나, 이러한 가정은 상기 프라이버시-보호 스케줄러에 대해 완화된다.

완전한 정보 스케줄러

상기 광고 스케줄링 및 광고 수익 최적화의 문제점의 공식화가 이제 논의될 것이다. n 개의 상이한 광고들을 포함하는 시스템(간략화를 위해, 각각의 광고주가 특정한 광고 i와 연관되었다고 가정될 것이다)에서, 광고들은 t = 1, 2, ..., T로 인덱스된 T 개의 타임슬롯들 동안 스케줄링된다고 가정될 것이다. 변수 S(t)는 타임슬롯 t에서 "활성인" 사용자들의 세트를 나타내고, 사용자가 그 타임슬롯에 광고를 디스플레이할 수 있는 디바이스를 볼 때 상기 사용자는 상기 타임슬롯에서 활성이라고 한다. 상기 광고 i와 연관된 광고주는 적절성 벡터 A _ij (t) = 1이고 j∈S(t)인 타임슬롯 t의 임의의 사용자 j(즉, 상기 사용자는 활성이고 광고 i에 대한 상기 프로파일에 맞는다)에게 상기 광고를 디스플레이하기 위해 b _t (i)를 지불하려고 한다고 가정된다. 게다가, 상기 광고 i와 연관된 광고주는 상기 T 타임슬롯들에 걸쳐 상기 광고주가 지불하려고 하는 최대 금액을 나타내는 예산 B(i)을 명시한다. 상기 완전한 정보 스케줄러에서, 상기 S(t), A _ij (t), 및 b _t (i)의 값들은 모든 타임슬롯들 t에 대해, 모든 사용자들 j에 대해 및 모든 광고들 i에 대해 선험적으로 공지된다고 가정된다. 상기 완전한 정보 스케줄러의 목적은 각각의 광고주의 예산을 준수하면서 총 수익을 최대화하는 각각의 타임슬롯의 사용자들로 상기 광고주들의 할당을 결정하는 것이다. 상기 스케줄러에 대한 결정 변수는 2진 변수 X _ij (t)이다:

수익 최대화의 문제는 다음의 정수-프로그래밍 프로그램과 같이 기술될 수 있다:

여기서 TR _CI 는 상기 완전한 정보 스케줄러에 의해 달성된 총 수익을 나타낸다. 수식(1)은 각각의 사용자가 각각의 타임슬롯에서 최대 하나의 광고를 본다고 보장한다. 수식(2)는 각각의 광고주에 대한 예산을 강요한다. 수식(3)은 상기 결정 변수가 각각의 타임슬롯 t에서 각각의 사용자 j에 대해 각각의 광고 i에 대해 할당된다는 것을 보장한다. 수식 (1) 내지 (3)이 정수-프로그래밍 문제를 만들기 때문에, 이 문제는 바로 해결되기보다 다음 섹션에서 전개되는 온라인 알고리즘에 대한 기준을 형성한다.

온라인 스케줄러

온라인 스케줄러는 상기 완전한-정보 스케줄링 문제에 개략적인 솔루션을 제공하는 최초-중복 알고리즘이다. 그러나, 단일 사용자가 시간의 특정한 순간에 나타나는 전형적인 인터넷 광고 타깃팅과 달리, 온라인 스케줄러를 채용하는 시스템에서, 다수의 사용자들은 임의의 타임슬롯에서 활성일 수 있다. 따라서, 다음 섹션에 요약된 상기 프라이버시-보호 온라인 스케줄러를 인에이블하는 동시 사용자들의 그룹들에 대해 최초 및 중복 업데이트들이 수행된다. 상기 온라인 알고리즘을 개발하기 위해, 상기 완전한 정보 스케줄러의 선형-프로그래밍 완화가 먼저 고려되고, 여기서, 상한 X _ij (t)는 0≤X _ij (t)≤1로 설정된다. 상한 X _ij (t)≤1은 상기 수식(1)에 의해 암시되고 따라서 상기 공식에서 삭제될 수 있다. 이제, 상기 선형-프로그래밍 완화에 대한 중복이 다음과 같이 기술될 수 있다:

여기서 중복 변수 δ(i)는 부호에 제한이 없다. (중복 변수들 π(j,t) 및 δ(i)는 근사치 보장을 도출하는데 사용된 중간 변수들일 뿐이고 이들 자체로 어떠한 특정한 의미도 갖지 않는다는 것을 주의한다.) 수식(4)로부터, 중복 변수 π(j,t)는 다음과 같이 설정될 수 있다:

상술한 것과 같은 온라인 스케줄링 알고리즘은 상기 완전한 정보 광고 스케줄러의 선형-프로그래밍 완화를 해결한다.

온라인 스케줄러는 각각의 타임슬롯의 시작에서 사용자들을 광고들에 매칭한다. 상기 타임슬롯 t의 시작에서, 광고-선택 알고리즘은 다음의 정보: (ⅰ) 시간 t에서 활성 사용자들의 세트 S(t), (ⅱ) 광고 i에 대응하는 광고주가 A _ij (t)=1을 갖는 사용자 j에게 하려는 입찰 b _t (i), 및 (ⅲ) 각각의 광고 i에 대응하는 광고주에 대한 예산 B(i) 및 현재 남은 예산을 갖는다는 것이 가정된다. 온라인 광고-선택 알고리즘은 S(t)의 각각의 사용자의 정확히 하나의 광고 i로의 할당을 출력한다.

본 발명의 일 실시예와 일치하는 온라인-스케줄링 알고리즘의 개요가 이제 설명될 것이다. 이하에 설명된 온라인 스케줄러는 각각의 타임슬롯에서 광고들을 선택하기 위해 최초-중복 스킴을 사용한다.

중복 변수들 δ(i)는 0으로 초기화되고(t=1에서 δ(i)←0 ∀i) 각각의 타임슬롯 t의 끝에서 업데이트된다. 상기 변수

는 시간 t에서 광고 i를 보는 사용자들의 수를 나타내고, 예산 제한 B(i)는 다음과 같이 다시 기술할 수 있다:

각각의 타임슬롯에서, 상기 온라인-스케줄링 알고리즘은 3 단계들을 수행한다:

단계 1. 광고 정렬: 각각의 타임슬롯에서, 상기 스케줄러는 k = 1, 2, 3, ..., n-1에 대해,

로 광고들의 순열 σ를 계산한다. 표기를 간략화하기 위해, 상기 광고들은 타임슬롯 t에서

으로 재넘버링된다(renumbered)는 것이 가정된다. 따라서, 각각의 타임슬롯에서, 상기 스케줄러는

의 감소하는 순서로, B(i)>0을 갖는 광고들을 배열함으로써 계산된 광고들의 정렬된 리스트를 선택하고 사용자들에게 통신한다.

단계 2. 광고 선택: 사용자 j는 상기 광고들의 정렬된 리스트에서 첫번째 광고 i를 선택하고, A _ij (t)=1이고, 상기 사용자는 그 광고를 본다. 이는

를 사용하여 중간 변수 P(j)를 계산하고 모든 다른 i에 대해 X _P(j)j (t)=1 및 X _ij (t)=0을 설정하는 사용자 j에 의해 행해진다.

단계 3. 예산 및 중복들 업데이트: 그 후 상기 온라인 스케줄러는 각각의 광고를 보는 사용자들의 수를 결정하고 상기 중복 변수들을 업데이트한다. 상기 알고리즘의 이 단계에서, 다음의 정리(theorem)(1)에 따라 상수 c가 선택된다는 것을 주의한다:

정리(1): TR _CI 는 완전한 정보 스케줄러에 의해 발생된 수익을 나타내고, TR _ON 은 온라인 스케줄러에 의해 발생된 수익을 나타내고, R은 임의의 타임슬롯에서 다 사용될 수 있는 임의의 광고주의 예산의 최대 부분을 나타낸다. 단계 3에서, c←(1+R)^{1/ R} 이면, R _ON ≥β R _CI 이고,

R→0이면, 모든 가능한 입력들에 대해, R _ON ≥[(e-1)/e]R _CI 이다.

상기 중복 변수들 π(j,t)는 근사치 보장을 유도하는데 사용되지만, 광고들을 사용자들에게 할당하는데 사용되지 않는다. 상기 온라인 스케줄러는 시간 기간 t에서 광고 i를 보는 사용자들의 수를 나타내는,

을 계산하고, 다음을 사용하여 예산 제한 B(i) 및 중복 변수들 δ(i) 및 π(j,t)에 대한 다음 값들을 업데이트한다:

상기 온라인 스케줄러는 각각의 타임슬롯에서 각각의 사용자가 어떤 광고를 보는지 알고 있다고 가정된다. 이 정보는 상기 사용자의 상기 프로파일을 상기 스케줄러에 노출한다. 상기 사용자들이 자신들의 프로파일들을 비밀로 유지하기 원하면, 그들은 자신들이 어떤 광고들을 봤는지 공개하지 않을 수 있다.

상기 온라인 스케줄러는 상기 사용자들에 의해 수행된 동작 및 상기 스케줄러에 의해 수행된 다른 동작의 2가지 기본적인 동작들을 갖는다는 것을 주의해야 한다: (ⅰ) 상기 스케줄러는 먼저

의 감소하는 값들로 광고들을 정렬하고 또한 중복 변수들 δ(i)의 값들을 업데이트할 책임이 있고, (ⅱ) 상기 정렬된 리스트로부터, 상기 사용자는 상기 사용자의 프로파일과 매칭하는 첫번째 광고를 선택한다. 상기 사용자 디바이스가 상기 사용자의 프로파일을 알기 때문에, 모든 가능한 광고들이 상기 디바이스로 미리 로딩되면, 상기 사용자 디바이스는 상기 사용자에게 디스플레이할 적절한 광고를 선택할 수 있다. 상기 온라인 스케줄러는 상기 광고주들을 적절히 과금할 수 있을 뿐만 아니라, 상기 중복-변수 값들을 업데이트할 수 있기 위해, 얼마나 많은 사용자들이 각각의 광고를 보았는지 안다. 그러나, 상기 온라인 스케줄러는 N _i (t)의 값, 즉, 상기 시간 기간 t에서 광고 i를 본 사용자들의 수만 알면, 각각의 사용자가 어떤 광고를 봤는지 정확하게 알 필요가 없다는 것을 이해해야 한다.

다음 섹션은 여전히 프라이버시-보호 스케줄러가 온라인-형 알고리즘을 실행하도록 인에이블하면서, 상기 스케줄러에 노출되는 사용자 정보량을 최소화하는 상기 프라이버시-보호 스케줄러를 소개할 것이다.

프라이버시-보호 스케줄러

각각의 광고를 보는 사용자들의 수를 결정하기 위해 상기 스케줄러에 여전히 충분한 정보를 공개하면서, 사용자들이 그들의 진짜 프로파일들은 감출 수 있게 하는 프라이버시-보호 스케줄링 스킴이 이제 설명될 것이다. 먼저, 상기 프라이버시-보호 매커니즘이 요약되고, 상기 스케줄러가 각각의 타임슬롯에서 각각의 광고를 보는 사용자들의 수를 어떻게 계산할 수 있는지의 분석이 이어진다. 다음의 논의는 모든 광고들이 상기 사용자 디바이스로 미리 로딩된다고 가정한다.

상기 프라이버시-보호 매커니즘은 다음과 같이 작동한다. n-차원 벡터

는 상기 타임슬롯 t의 시작에서 사용자 j에 대한 "적절성" 벡터를 나타내는데 사용된다. A _ij (t)는 광고 i가 시간 t에서 사용자 j에 대해 적절한지 여부를 나타낸다는 것을 주의한다. 사용자 j의 디바이스는 자신의 적절성 벡터를 상기 스케줄러에 공개하지 않는다. 대신, 사용자 j의 디바이스는 "공개된-분포 벡터"로 참조될 상기 2진 벡터

로 표기된 상기 적절성 벡터의 교란된 버전을 공개한다. 상기 공개된-분포 벡터의 각각의 성분은 예를 들어, 랜덤화를 달성하기 위한 이하의 2-파라미터 교란 절차를 사용하여 상기 적절성 벡터의 대응하는 성분으로부터 결정된다.

본 발명의 특정한 실시예들에서 A(p,γ) 교란 절차는 다음과 같이, 2진 변수 B를 또 다른 2진 변수 B'에 맵핑하는 것이다.

(p,γ)-랜덤화 절차의 구현은 "토스될" 때 각각 "헤드(heads)" 또는 "테일(tails)"을 랜덤하게(또는 의사-랜덤하게) 리턴하는 2개의 바이어스된 가상 "코인들"을 사용한다. 첫번째 코인은 토스될 때 p의 확률로 헤드를 리턴하고 두번째 코인은 토스될 때 γ의 확률로 헤드를 리턴한다.

상기 제 1 코인이 헤드를 리턴하면, B'=B이다. 상기 제 1 코인이 테일을 리턴하면, 상기 제 2 코인이 토스된다.

상기 제 2 코인이 헤드를 리턴하면, B'=1이다. 상기 제 2 코인이 테일을 리턴하면, B'=0이다.

가장 일반적인 경우에, 상기 적절성 벡터의 각각의 성분은 상이한 랜덤화 매커니즘을 사용하여 교란될 수 있다. 그러나, 이는 상기 스케줄러에 의해 해결된 상기 추정 문제에 대한 지수-상태 공간으로 유도한다. 따라서, 상기 적절성 벡터의 교란은 고정된 교란 방법 또는 랜덤화된 교란 방법을 사용하여 달성된다는 것이 가정된다.

고정된 교란 방법에서, 모든 사용자 디바이스들은 상기 적절성 벡터의 각각의 성분을 교란하기 위해 고정된 (p,γ) 확률 쌍을 채용하고, 상기 p 및 γ의 값들은 모든 사용자 디바이스들 및 상기 스케줄러에 공지된다.

랜덤화된 교란 방법에서, 모든 사용자 디바이스들은 공지된 공통 분포 함수로부터 자신들의 (p,γ) 값들을 선택한다. 상기 p 및 γ의 값들은 독립적으로 선택되고, 상기 p 및 γ 분포들은 상이할 수 있다는 것이 가정된다. 일단 사용자 j의 디바이스는 자신의 (p,γ) 확률 쌍을 선택하고, 사용자 j의 디바이스는

의 각각의 요소를 교란하기 위해 이 값들의 쌍을 사용한다.

모든 사용자 디바이스들이 자신들의 p 및 γ 값들을 선택하는 공통 확률 밀도 함수들은 변수들 ρ(p) 및 ω(γ)를 각각 사용하여 표기된다. 상기 스케줄러는 또한 p 및 γ에 대한 분포 함수를 안다. 그러나, 상기 사용자 디바이스는 상기 파라미터들 p 및 γ의 값들을 상기 스케줄러에 공개하지 않는다. 예시를 목적으로, 상기 p 및 γ의 값들이 각각 [l,1] 과 [l' ,1] (0≤l,l'≤1)사이의 균일한 분포들로부터 선택되는 시나리오가 사용될 것이다. 상기 스케줄러는 l 및 l'의 값들 및 상기 p 및 γ의 값들이 균일한 분포들로부터 선택된다는 사실을 안다. 그러나, 상기 스케줄러는 각각의 p 및 γ의 값들은 알지 못한다. 임의의 공격이 개별 사용자에 대한 교란 파라미터들을 추정하는 것을 수반할 수 있기 때문에, 랜덤화된 교란은 프라이버시의 부가적인 계층을 사용자들에게 제안한다는 것을 주의한다.

상기 프라이버시-보호 광고 스케줄러에서 중요한 단계인, 특정한 광고를 보는 사용자들의 수를 계산하기 위한 스킴이 이제 논의될 것이다. 각각의 광고를 보는 사용자들의 수를 결정하는 것의 주요 문제는 상기 스케줄러가 상기 A _ij (t) 값들을 모른다는 사실이다. 상기 변수 N _i (t)는 시간 기간 t에 광고 i를 본 사용자들의 수를 나타낸다. 상기 스케줄러는 S(t), 즉, 타임슬롯 t에서 활성 사용자들의 세트를 안다고 가정된다. 상기 표현

은 타임슬롯 t에서 활성 사용자들의 총 수를 나타내는데 사용된다. 사용자들의 수는 각각의 타임슬롯에 대해 계산되기 때문에, 본 논의의 나머지는 표기를 간략화하기 위해 변수 t를 생략할 것이다. 상기 변수 N은 타임슬롯 t동안 활성 사용자들의 총 수를 나타내는데 사용되고, 상기 변수

은 슬롯 t에서 광고 i를 본 사용자들의 수 N _i 에 대한 추정자를 나타내도록 사용된다. 각각의 타임슬롯에서, 광고들은 상기 스케줄러에 의해 정렬되고, 상기 정렬된 광고들의 리스트는 각각의 사용자 디바이스로 전송된다. 상기 광고들이 재넘버링된다고 가정되어, 상기 정렬된 리스트는 {1, 2, ..., n}이다.

사용자 j의 디바이스는 A _ij = 1이도록 i의 최소값을 결정함으로써 볼 광고를 선택하고 선택된 광고를 본다. 따라서, 사용자 j는:

일 때만 특정한 광고 m을 시청한다.

수식(7)이 광고 m이 사용자 j에 의해 시청되는지 여부를 결정하기 위해 사용되면, 1≤i≤m-1에 대해 변수들 A _ij 에 대해 잠재적으로 2^m-1개의 가능한 값들이 있다는 것을 주의한다. 이하에 더 상세히 설명될 바와 같이, 계산 부담은 광고들의 수와 함께 지수적으로 증가한다. 상기 시스템이 많은 수의 광고들을 갖기 때문에, 상술한 접근 방식은 실용적이지 않고 실현가능하지도 않다.

이 문제를 해결하기 위해, 사용자가 광고 m을 보는지 여부를 결정하기 위해 더 집합적이고 동등한 조건이 사용된다. 수식(7)은 광고 m을 보는 사용자의 조건들이 다음과 같이 다시 언급될 수 있다:

광고 m이 시청되지 않으면, 수식(7)은 (ⅰ) 왜 광고 m이 시청되지 않았는지, 및 (ⅱ) 상기 정렬된 리스트에서 광고 m에 선행되는 어떤 광고가 시청되었는지를 정확히 나타낸다. 이 정보는 비밀로 유지되는 것이 바람직하다. 이 잠재적인 프라이버시 문제를 해결하기 위해, 수식(8)이 수식(7) 대신 사용되어,

때문에 광고 m이 시청되지 않았다는 것이 추론될 수 있고, 대신 시청된 광고의 아이덴티티는 추론될 수 없다. 상기 광고의 시청자들의 수를 결정할 때, 모든 사용자 디바이스들이 동일한 분포로부터 그들의 (p,γ) 확률 값들을 선택하기 때문에 수식(8)이 사용될 수 있고, 따라서, 상기 p 및 γ의 값들은 상호교환가능하다. 이 결론은 다음의 추정 절차 논의에서 명백해질 것이다. 수식(8)을 사용하는 것은 광고들의 수와 함께 선형으로 성장하는 상태 공간을 유발한다.

각각의 광고를 보는 사용자들의 수에 대한 추정 절차는 전형적으로 타임슬롯 t에 대해 정렬된 광고 리스트의 첫번째 광고로부터 시작하는, 한번에 한 광고에 대해 수행된다. 광고 m을 보는 사용자들의 수의 추정에 사용된 2가지 성분들: "보고된-분포" 또는 "보고된-데이터 분포" 벡터 V(m) 및 "가중" 벡터 W(m)가 있다.

광고 m에 대해 보고된-분포 벡터 V(m)는 사용자들에 의해 제공된 공개된-분포 값들 D _ij 로부터 계산된 2m-차원 벡터이다.

광고 m에 대한 가중 벡터 W(m)는 또한 제 1 시간 기간 전에 미리-계산된 2m-차원 벡터이다. 상기 가중 벡터는 상기 (p,γ) 확률 값들에 기초한 상기 프라이버시-보호 매커니즘 만의 함수이고 상기 공개된 분포 D _ij 값들 또는 상기 광고들의 순서에 의존하지 않는다.

광고 m에 대한 보고된-분포 벡터의 예시적인 계산이 이제 논의될 것이다. l = 0,1,...,m-1에 대해, 다음의 표현들이 규정된다:

여기서, 상기 세트 T _{l 0}는 처음 m-1 광고들에 1의 l 값들 및 광고 m에 대해 0의 값을 갖는다고 보고하는 사용자 디바이스들의 수를 나타내고, 상기 세트 T _l1 은 처음 m-1 광고들에 1의 l 값들 및 광고 m에 대해 1의 값을 갖는다고 보고하는 사용자 디바이스들의 수를 나타낸다. 변수 Z _l (m)은 랜덤하게 선택된 사용자가 상기 세트 T _{l 0}에 속할 확률을 나타내고, 상기 변수 O _l (m)은 랜덤하게 선택된 사용자가 상기 세트 T _l1 에 속할 확률을 나타내고, 여기서:

이고, N은 현재 타임슬롯의 활성 사용자들의 총 수를 나타낸다.

광고 m에 대한 보고된-분포 벡터 V(m)는 다음과 같이:

Z _l (m) 및 O _l (m)의 값들의 연쇄로 규정된 2m-차원 벡터이다.

모든 m 값들에 대해, 시청자들의 수에 대한 추정자는 상기 보고된-분포 벡터 V(m)의 선형 합으로 나타낼 수 있다. 이 2m-차원 벡터의 가중치들은 가중 벡터 W(m)이고,

이다.

상기 가중 벡터 W(m)의 성분들은 비-내거티브(non-negative)일 필요는 없다. "실제-분포" 또는 "실제-데이터 분포" 벡터 Y(m)는 상기 보고된-분포 벡터에 대응하고, 이는 A _ij 값들로 결정된 바와 같이 0들 및 1들의 실제 분포를 나타낸다. 다음의 표현들이 규정된다:

여기서, 상기 세트 S _{l 0}는 처음 m-1 광고들에 1의 l 값들 및 광고 m에 대해 0의 값을 갖는 사용자 디바이스들의 실제 수를 나타내고, 상기 세트 S _l1 은 처음 m-1 광고들에 1의 l 값들 및 광고 m에 대해 1의 값을 갖는 사용자 디바이스들의 실제 수를 나타낸다. 변수

은 랜덤하게 선택된 사용자가 상기 세트 S _{l 0}에 속할 확률을 나타내고, 상기 변수

은 랜덤하게 선택된 사용자가 상기 세트 S _l1 에 속할 확률을 나타내고, 여기서:

이고, N은 현재 타임슬롯의 활성 사용자들의 총 수를 나타낸다. 실제-분포 벡터 Y(m)는 다음과 같이:

및

의 값들의 연쇄로 규정된 2m-차원 벡터이다.

다음에, 상기 보고된 데이터-분포 벡터 V(m) 및 상기 실제 데이터-분포 벡터 Y(m) 사이의 관계가 결정되어야 한다. 일반적인 경우에 대해 결정하기 전에, 첫번째 광고(광고(1))의 특별한 경우에 대한 V(1) 및 Y(1) 사이의 관계를 예시적으로 고려한다.

상기 첫번째 광고에 대해,

및

은 2차원 벡터들이다. 다음과 같을 수 있고:

여기서, 표현 Pr[]은 확률을 나타낸다. 다음에, 수식(9)의 조건적인 확률들은 상기 교란 프로세스의 파라미터들로 표현되어야 한다. 모든 사용자 디바이스들은 a,b∈{0, 1}에 대해 고정된 (p,γ)-쌍 교란 매커니즘을 사용하고, 다음의 표현들은:

로 기술될 수 있고, 여기서

상기 관계들은 (p,γ)-쌍 프라이버시 보호 매커니즘의 규정을 직접적으로 따른다. 예를 들어, φ ₀₁은 A-벡터의 어떤 성분에 0을 갖는 사용자 디바이스가 0의 값을 1의 값으로 보고할 확률이다. 이는 예를 들어, 제 1 코인 토스(확률 1-p를 갖는)가 테일을 유발하고, 제 2 코인 토스(확률 γ를 갖는)가 헤드를 유발하면 발생한다. 상기 코인 토스들이 독립적이기 때문에, 이들 두 이벤트들이 발생할 확률은 (1-p)γ이다. 유사한 주장들이 φ _ab에 대해 다른 값들을 도출하기 위해 사용될 수 있다. 수식(9)는 다음과 같이 다시 쓸 수 있다:

어떠한 실제 데이터에도 독립적이고 따라서 미리-계산될 수 있는 행렬 M(1)이 다음과 같이 규정된다:

수식(13)은 다음과 같이 다시 쓸 수 있다:

이는 보고된-데이터 분포 V(1)와 진짜-데이터 분포 Y(1) 간의 관계를 도출한다.

이 표현은

와 같이 다시 쓸 수 있고, 여기서:

첫번째 광고를 보는 시청자들의 세트는 A _lj =1을 갖는 사용자들 j의 세트이다. 사용자가 이 특성을 가질 확률(또는 주파수 해석을 사용하는, 이 특성을 갖는 사용자들의 부분)은 O ₀(1)이다. 따라서, O ₀(1)를 해결하는 것은

를 도출하고, 여기서:

는 M ^-1 (1)의 마지막 행이다. 수식(12)으로부터 표현들을 대체하는 것은

를 도출한다.

따라서, 광고 1을 보는 사용자들의 추정된 수는 다음과 같이 표현된다:

N ₁에 대한 추정은 보고된-데이터 분포 벡터 Y(1)의 성분들의 선형 조합으로 표현된다는 것을 주의한다. 따라서(인자 N을 무시하고), W(1)은 다음: (ⅰ) 가중 벡터 W(1)은 상기 프라이버시-보호 매커니즘의 파라미터들에만 의존하고; (ⅱ) 가중 벡터 W(1)은 보고된 D _ij 값들에 독립적일 뿐만 아니라 상기 광고 1의 아이덴티티에도 독립적이고; (ⅲ) 가중 벡터 W(1)은 일단 상기 프라이버시-보호 매커니즘이 결정되면 미리-계산될 수 있고, (ⅳ) 상기 가중 벡터 W(1) 계산의 복잡도는 2×2 행렬을 인버팅(inverting)하는 것과 실질적으로 동등하다는 특징들을 갖는 가중 벡터이다.

상기 추정 프로세스는 다음과 같이, 랜덤화된 교란의 경우로 적응될 수 있다. 사용자 디바이스들이 공통 분포 함수로부터 p의 값을 선택하고 (아마도 상이한) 공통 분포 함수로부터 독립적으로 γ의 값을 선택하기 때문에, 상기 추정 프로세스에서 행렬 M의 소자들에 대한 예상된 값들을 고려하는 것이 단 하나의 변화이다. p가 밀도 함수 ρ(p)로부터 선택되고, γ가 밀도 함수 ω(γ)로부터 선택되면, 다음의 표현이 도출된다:

여기서:

이고, 상기 E[] 표현들은 상기 φ 값들을 적분함으로써 계산될 수 있는 예상된 값들을 나타내고, 예를 들어:

p 및 γ이 독립적이기 때문에, 상기 함수는 p 및 γ에서 선형이고, 다음과 같을 수 있다:

m>1에 대한 행렬 M(m)의 소자들은 p 및 γ에서 비-선형이다. 따라서, 상기 행렬의 소자들의 예상된 값들을 얻기 위해 상기 적분은 분석적으로 또는 수적으로 수행되어야 한다. 그러나, p 및 γ이 분포로부터 선택되는 경우에도, 행렬 M(1)은 상기 프라이버시-보호 매커니즘의 파라미터들에만(실제 데이터가 아니라) 의존하고 따라서 미리-계산될 수 있다.

광고 m을 보는 사용자들의 수를 추정하는 더 일반적인 경우는 일반적으로 상기에 설명된, 첫번째 광고에 대한 절차와 동일한 단계들을 따른다. 행렬 표현들이 더 복잡해지더라도, 이하에 더 자세히 설명될 바와 같이, 원리는 동일하게 유지된다.

광고 m을 보는 사용자들의 수 N _m 을 추정하는 일반적인 경우에 대해, 실제-분포 벡터 V(m)=[Z(m),O(m)]는 보고된-분포 벡터

로부터 추정된다. V(m) 및 Y(m) 둘 다는 2m-차원 벡터들이라는 것을 주의한다. 수식(9)와 유사한 수식이 사용되고, O ₀(m)의 값이 추정되고, 이는 상기 값이 광고 m을 보는 사용자들의 부분을 나타내기 때문이다. 따라서, 0≤l≤ m-1 및 a,b=0,1에 대해:

2m×2m 행렬 M(m)은 다음과 같이 규정되고:

다음의 정리(2)가 적용된다:

정리(2): 모든 사용자 디바이스들이 (p,γ) 프라이버시-보호 매커니즘을 채용하면:

여기서, φ _ab 는 상기 수식(12)에 언급된 바와 같이 규정된다.

첫번째 광고에 대한 사용자들의 수를 결정하는 경우에서와 같이, 수식(17)은 다음과 같은 행렬 형태로 다시 쓸 수 있다:

행렬 M(m)은 상기 데이터에 독립적이고 따라서 미리-계산될 수 있다는 것을 주의한다. 행렬 M(m)의 역 M ^-1 (m)이 계산될 수 있고 다음의 표현으로 대체될 수 있다:

광고 m에 대한 가중 벡터를 나타내는 상기 변수 W(m)는 행렬 M ^-1 (m)의 m+1번째 행이고 2m-차원 벡터이다. 행렬 M(m)과 함께, 벡터 W(m)는 상기 데이터에 독립적이고 미리 계산될 수 있다. 상기 데이터로부터, 다음의 표현이 도출되고:

다음의 정리(3)이 특정한 광고 m에 대한 사용자들의 수의 추정의 분산을 계산하기 위해 사용될 수 있다:

정리(3): 상기 시스템의 모든 사용자 디바이스들이 (p,γ) 프라이버시-보호 매커니즘을 사용하면, V(m)는 2m-차원 보고된-분포 벡터를 나타내고, W(m)는 광고 m에 대한 2m-차원 가중 벡터이고:

다음의 표현이 또한 참이다:

이 N _m 과 같다는 사실은 가중 벡터 W(m)의 도출을 직접적으로 따른다. 보고된-분포 벡터 V(m)는 확률-밀도 함수로 보여질 수 있고 상기 언급된 분산을 계산하기 위한 표현을 도출하는, 가중 벡터 W(m)의 랜덤 가중이다.

도 3은 본 발명의 일 실시예와 일치하는 예시적인 프라이버시-보호 스케줄링 스킴을 요약하는 흐름도이다. 도시된 바와 같이, 단계 301에서, δ(i)의 값들은 t=1에서, 모든 i의 값들에 대해 0으로 초기화된다. 다음에, 단계 302에서, 상기 스케줄러는 상기에 더 상세히 설명된 바와 같이, 1≤m≤n에 대해, 가중 벡터 W(m)을 계산한다. 다음에, 단계 303에서, 각각의 사용자 디바이스는 공지된 분포들로부터 (p_j,γ_j) 확률 쌍을 선택한다. 다음에, 각각의 타임슬롯 t에 대해, 다음의 단계들(304a 내지 304e)이 수행된다. 단계 304a에서, 각각의 사용자 디바이스 j∈S(t)는 모든 변경된 적절성-벡터 값들 A _ij (t)에 대한 공개된-분포 벡터 값들 D _ij (t)을 스케줄러로 전송한다. 단계 304b에서, 상기 스케줄러는 양의 예산을 갖는 광고들을 감소하는 순서

로 정렬한다. 단계 304c에서, 사용자 j의 디바이스는:

을 사용하여 중간 변수 P(j)를 계산하고, 모든 다른 i에 대해 X _{P (j)j} (t)=1 및 X _ij (t)=0으로 설정한다. 단계 304d에서, 상기 스케줄러는 상기에 더 상세히 설명된 바와 같이, 1≤m≤n에 대해, 보고된-분포 벡터들 V(m)을 계산하고, 광고 m을 보는 사용자들의 수

을

으로 설정하고, 예산 제약 B(i)를

으로 설정한다. 마지막으로 단계 304e에서, 상기 스케줄러는:

및 π(j,t)←b _t (P(j))[1-δ(P(j))]을 각각 사용하여 중복 변수들 δ(i) 및 π(j,t)를 업데이트한다.

대안적인 실시예들

본 발명의 다양한 실시예들에서, 상기 설명된 프로세싱을 유효하게 하기 위해, 사용자 디바이스의 위치 및 상기 서비스 제공자의 위치(전형적이지만 필수적이지는 않게, 상기 사용자 디바이스의 위치로부터 떨어진) 모두에서 적절한 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어 모두의 조합이 제공되는 것이 바람직하다는 것이 이해되어야 한다. 본 발명의 특정한 실시예는 본원에 설명된 하나 이상의 동작 모드들을 지원할 수 있지만, 반드시 모든 이들 동작 모드들을 지원할 필요는 없다는 것이 또한 인식되어야 한다.

본 발명의 실시예들이 특정한 가정에서 단일 "사용자 디바이스"를 사용하는 단수의 사람인 "사용자"의 문맥으로 본원에 설명되었지만, 한명 이상의 개인이 동일한 가정에서 다른 개인들과 인터넷 접속 및/또는 TV 서비스들을 공유할 수 있다(또는 유사하게, 예를 들어, 비지니스 공간에서 한 명 이상의 근로자가 동료와 인터넷 접속을 공유할 것이다). 이 시나리오를 처리하는 한 방법은 모든 개인들을 단일 사용자로 처리하여, 인터넷 검색을 개별적으로 수행하는 것과 상관없이, 및 스케줄링되는 모든 광고들이 키워드들에 기초하고, 이들 광고들을 실제로 보는 개인들과 상관없이 상기 키워드들의 단일 세트만이 가정에 대한 단일 사용자 프로파일을 생성하기 위해 수집된다. 대안적으로, 상기 인터넷 검색 키워드들과 함께, 어떤 개인이 검색을 수행하는지 식별하기 위해 사용될 수 있는 부가적인 기준(예를 들어, 검색 엔진에 로그인하기 위해 사용된 사용자 이름, 상기 홈 네트워크의 특정한 컴퓨터의 IP 어드레스, 등)이 수신될 수 있어서 다수의 사용자 프로파일들이 단일 가정 또는 다른 물리적 네트워크 위치에 대해 생성될 수 있다. TV를 보는 개인을 식별하기 위해 유사한 기준 예를 들어, 상기 홈 네트워크의 특정한 텔레비전의 셋-톱 박스의 IP 어드레스(또는 다른 ID), 또는 현재 시청되는 채널에 기초하여 가장 TV를 볼 것 같은 개인을 결정하기 위해 과거 시청 습관들의 검사, 텔레비전이 시청되는 시간/날짜, 시청되는 상기 프로그램의 유형 또는 내용 등이 사용될 수 있다. 따라서, 상기 용어들 "사용자" 및 "사용자 디바이스"는 단일-사용자 디바이스들(예를 들어, 이동 전화들, 텔레비전들, 또는 PC들) 및 다수의-사용자 디바이스들(예를 들어, 텔레비전들, 셋-톱 박스들, PC들, 네트워크 서버들, 또는 가정용 게이트웨이들)을 모두 포함하는 것으로 이해되어야 한다. 상기 용어 "사용자 디바이스"는 또한 "사용자 디바이스"가 단일 물리적 디바이스(예를 들어, PC 또는 셋-톱 박스)인 실시예들뿐만 아니라, "사용자 디바이스"가 다수의 물리적 디바이스들(예를 들어, 셋-톱 박스 및 텔레비전에 결합된 가정용 게이트웨이; PC에 결합된 네트워크 서버; 또는 무선 허브에 결합된 이동 전화)을 포함하는 실시예들을 포함하는 것으로 이해되어야 한다. 게다가, 본 발명의 실시예들은 (ⅰ) 단일 사용자 디바이스와 관련되어 사용된 단일 프로파일만을 갖는 사용자, 또는 대안적으로 (ⅱ) 다수의 사용자 디바이스들과 관련하여 사용된 다수의 프로파일들을 갖는 사용자, 또는 (ⅲ) 다수의 사용자 디바이스들과 사용된 단일 프로파일을 갖는 사용자를 수반할 수 있다.

상기 용어들 "시청자" 및 "사용자"는 본원에서 상호 교환가능하게 사용되고 인터넷 세션, 예를 들어, 웹 브라우징 세션 또는 검색 엔진 세션을 수행하는 사람뿐만 아니라, TV, IPTV 시청, IP 라디오 청취, 등에 의해 패킷-기반 미디어 콘텐트를 수신하는 사람을 포함하는 것으로 규정된다. 상기 단수 용어들 "시청자" 및 "사용자"는 또한 본 발명의 실시예들에 일치하는 스킴이 TV를 시청하거나 인터넷 세션을 수행하는 개인들을 결정할 수 없을 수 있고, 따라서, 예를 들어, 어떤 또는 얼마나 많은 이들 개인들이 실제로 이들 활동들을 수행하는지와 상관없이 키워드 수집 및/또는 광고 배치를 위해, 모든 가능한 개인들이 단일 시청자로 처리되는 경우에서 한 가정에 살고 있는 가족의 구성원들과 같은, 개인들의 그룹을 집합적으로 참조하도록 사용된다.

본원에 설명된 광고들은 방송 프로그램, 주문형 프로그램, 및/또는 레코딩된(예를 들어, 디지털-비디오 레코더) 프로그램을 포함하는 TV 시스템 또는 인터넷 프로토콜 TV(IPTV) 시스템의 비디오 광고들이지만, 본 발명은 또한 다른 미디어에 광고들, 예를 들어, IP 라디오 시스템에 오디오 광고들, 주문형-비디오 시스템에 비디오 광고들, 인터넷- 또는 웹-전달 비디오 시스템에 비디오 광고들, 또는 셀룰러 전화-기반 주문형 및/또는 스트리밍 미디어 시스템에 오디오 또는 비디오 광고들을 배치하는 유틸리티를 가질 수 있다. 상기 용어 "프로그램"은 모든 상기한 것들을 포함하도록 광범위하게 해석되어야 한다. 따라서 본원에 사용된 바와 같은 상기 용어 "미디어"는 오디오만의 콘텐트, 비디오만의 콘텐트, 및 오디오 및 비디오를 모두 포함하는 콘텐트를 포함하는 것으로 이해되어야 한다.

본 발명의 실시예들은 본원에서 광고들이 셋-톱 박스, 가정용 게이트웨이, 네트워크 서버, 또는 이동 전화와 같은 사용자 디바이스로 "미리-로딩되는(pre-loaded)" 것으로 설명되었다고 언급하였다. 본 발명은 또한 상기 광고들 자체가 상이한 디바이스(예를 들어, 보안 원격 서버)로 미리-로딩되는 실시예들을 포함하여, 광고들의 리스트만이 상기 사용자 디바이스로 미리-로딩된다는 것이 이해되어야 한다. 이 시나리오에서, 상기 광고들은 타임슬롯 동안 시청자에게 보여지도록 TV, 셋-톱 박스, 또는 이동 전화와 같은 사용자 디바이스에 의해 주문형으로 다운로드되거나, 사용자 디바이스로 주문형으로 스트리밍될 수 있다.

타임슬롯 동안 광고에 대해 입찰하기 위해 광고 입찰들로부터의 키워드들과 시청자의 인터넷 세션으로부터의 키워드들의 비교와 관련하여 본원에 사용된 바와 같은 상기 용어 "매치"는 정확한 문자-대-문자(character-for-character) 키워드 매칭들뿐만 아니라, 퍼지-논리(fuzzy-logic) 매칭들, 즉, 문자-대-문자 키워드 매칭이 존재하지 않을 때 가장 개연성이 높은 단어 또는 구(phrase) 매칭에 기초한 매칭들을 광범위하게 참조하는 것으로 해석되어야 한다. 본 발명의 문맥에서의 매칭은 또한 부정확 키워드 매칭 및 임의의 다른 기준 및 알고리즘에 기초한 매칭, 예를 들어, 동의어-기반(synonym-based), 관련-용어-기반(related-term-based) 또는 개념-기반(concept-based) 키워드 매칭을 포함하는 것으로 해석되어야 한다.

본원에 사용된 바와 같은 상기 용어 "랜덤"은 순수 난수 선택들 또는 순수 난수 생성들로 제한하는 것으로 해석되지 않고, 씨드-기반(seed-based) 선택들 또는 난수 생성들뿐만 아니라, 랜덤성을 시뮬레이팅할 수 있지만 순수 난수는 아닌 다른 선택 또는 난수 생성 방법들을 포함하는 의사-랜덤(pseudo-random)을 포함하는 것으로 이해되어야 한다. 따라서, 본 발명의 실시예들에 사용된 바와 같이, 교란된 벡터들을 발생하기 위해 사용된 함수들은 난수들, 비-난수들, 또는 난수 및 비-난수들의 조합에 기초할 수 있다. 또한, 교란된 벡터들은 본원에 설명된 바와 같이 하나 이상의 난수들뿐만 아니라, 본원에 구체적으로 설명되지 않은 다른 알고리즘과 관련한 하나 이상의 난수들을 사용하여 발생될 수 있다.

본원에 설명된 본 발명의 실시예들이 광고가 보여지는 타임슬롯 후에 특정한 광고에 대한 시청자들의 수를 추정하는 것으로 설명되었지만, 본 발명의 일부 실시예들에서, 이 추정은 상기 광고가 보여지는 타임슬롯 동안, 또는 상기 광고가 실제로 보여지는 타임슬롯에 앞서라도, 이러한 추정에 도달하는 채용된 교란된 벡터들을 발생하도록 충분한 데이터가 존재한다고 가정하여 이루어질 수 있다는 것이 이해되어야 한다.

본 발명의 특성을 설명하기 위해 설명되고 예시된 부분들의 상세들, 자료들, 및 방식들에 다양한 변화들이 본 발명의 범위를 벗어나지 않고 당업자들에 의해 이루어 질 수 있다는 것이 이해되어야 한다. 예를 들어, 본 발명의 실시예들의 독창적인 개념들은 상기에 설명된 바와 같이, 가정 자산들에 대한 시스템들의 맵핑뿐만 아니라, 사업 자산들 및 다른 금융 데이터의 맵핑을 수반하는 다른 시스템들에 적용될 수 있다는 것이 이해되어야 한다.

본 발명은 이들 방법들을 실행하기 위한 방법들 및 장치들의 형태로 구현될 수 있다. 본 발명은 또한 자기 기록 매체, 광 기록 매체, 고상 메모리, 플로피 디스켓들, CD-ROM들, 하드 드라이브들, 또는 임의의 다른 비-임시 기계-판독가능 저장 매체와 같은 유형의 매체에 내장된 프로그램 코드의 형태로 구현될 수 있고, 프로그램 코드가 컴퓨터와 같은 기계로 로딩되고 기계에 의해 실행될 때, 상기 기계는 본 발명의 실시예들을 실행하기 위한 장치가 된다. 본 발명은 또한 예들 들어, 기계로 로딩되고 기기에 의해 실행되는 것을 포함하는 비-임시 기계-판독가능 저장 매체에 저장된 프로그램 코드 형태로 구현될 수 있고, 상기 프로그램 코드가 컴퓨터와 같은 기계로 로딩되고 실행될 때, 상기 기계는 본 발명의 실시예들을 실행하기 위한 장치가 된다. 범용 프로세서 상에서 구현될 때, 상기 프로그램 코드 세그먼트들은 특정한 논리 회로들과 유사하게 동작하는 고유한 디바이스를 제공하도록 상기 프로세서와 결합한다.

본원에 설명된 본 발명의 시스템의 예시적인 실시예들의 기능적인 구성요소들이 하나 이상의 종래의 범용 컴퓨터들(예를 들어, IBM-호환가능, Apple 매킨토시, 및/또는 RISC 마이크로프로세서-기반 컴퓨터들), 메인프레임들, 미니컴퓨터들, 종래의 통신들(예를 들어, 모뎀, T1, 광섬유 라인, DSL, 위성 및/또는 ISDN 통신들), 메모리 저장 수단(예를 들어, RAM, ROM) 및 종래의 네트워크 하드웨어 및 소프트웨어(예를 들어, LAN/WAN 네트워크 백본 시스템들 및/또는 인터넷)에 의해 함께 네트워크된 저장 디바이스들(예를 들어, 컴퓨터-판독가능 메모리, 디스크 어레이, 다이렉트 액세스 저장장치) 상의 하나 이상의 분산된 컴퓨터 프로그램 프로세스들, 데이터 구조들, 사전들 및/또는 다른 저장된 데이터로 구현될 수 있지만, 다른 유형들의 컴퓨터들 및 네트워크 자원들이 본 발명으로부터 벗어나지 않고 사용될 수 있다는 것이 당업자에게 이해될 것이다. 본원에 논의된 하나 이상의 네트워크들은 LAN(local area network), WAN(wide area network), 인터넷, 인트라넷, 엑스트라넷(extranet), 사유 네트워크, 가상 사설 네트워크, TCP/IP-기반 네트워크, 무선 네트워크(예를 들어, IEEE 802.11 또는 Bluetooth), 이메일 송신자들 및 수신자들의 이메일-기반 네트워크, 모뎀-기반, 셀룰러, 또는 이동 전화 네트워크, 전화에 의해 사용자들에 액세스 가능한 대화형 전화 네트워크, 또는 하나 이상의 상기한 것들의 조합일 수 있다.

본원에 설명된 바와 같은 본 발명의 실시예들은 네트워크 트랜잭션 서버 시스템에 상주하는 하나 이상의 컴퓨터들로 구현될 수 있고, 본 발명의 실시예들로의 입력/출력 액세스는 사람 사용자들이 데이터를 전송 및 수신하도록 또는 본 발명의 실시예들의 다양한 동작들의 무인 실행(unattended execution)을 허용하도록 하기 위해, 실시간 및/또는 배치-형(batch-type) 트랜잭션에서 적절한 하드웨어 및 소프트웨어(예를 들어, 인터넷 WAN 통신 하드웨어 및 소프트웨어(예를 들어, CQI-기반, FTP, Netscape Navigator™, Mozilla Firefox™, Microsoft Internet Explorer™, Google Chrome™, 또는 Apple Safari™ HTML 인터넷-브라우저 소프트웨어, 및/또는 직접적인 실시간 또는 거의-실시간 TCP/IP 인터페이스 액세싱 실시간 TCP/IP 소켓들)가 구비된 개인 및/또는 메인프레임 컴퓨터들)를 포함할 수 있다. 유사하게, 본 발명의 상기 시스템은 종래의 브라우저 소프트웨어(예를 들어, Netscape Navigator™, Mozilla Firefox™, Microsoft Internet Explorer™, Google Chrome™, 또는 Apple Safari™)를 사용하여 종래의 통신 채널들(예를 들어, 종래의 통신, 광대역 통신, 무선 통신)을 통해 액세스 가능한 하나 이상의 원격 인터넷-기반 서버들을 포함할 수 있다. 따라서, 본 발명은 이러한 통신 기능성 및 인터넷 브라우징 능력을 포함하도록 적절히 적응될 수 있다. 게다가, 당업자는 본 발명의 서버 시스템의 다양한 구성요소들이 서로 이격될 수 있고, 본 발명에 설명된 기능성을 달성하기 위해 적절한 통신 하드웨어/소프트웨어 및/또는 LAN/WAN 하드웨어/소프트웨어를 더 포함할 수 있다는 것을 인식할 것이다.

본 발명의 상기 기능성 구성요소들 각각은 종래의 네트워킹 하드웨어 및 소프트웨어에 의해 함께 네트워크된 하나 이상의 종래의 범용 컴퓨터들 상에서 실행하는 하나 이상의 분산된 컴퓨터-프로그램 프로세스들로 구현될 수 있다. 각각의 이들 기능성 구성요소들은 이들 기능성 구성요소들이 상기 언급된 기능을 달성하게 하기 위한 적절한 대용량 저장장치, 네트워크 및 다른 하드웨어 및 소프트웨어를 포함하는 네트워크된 컴퓨터 시스템들(예를 들어, 메인프레임 및/또는 IBM SB2™ 또는 HP 9000™ 컴퓨터 시스템들과 같은 대칭적 또는 다중-병렬 컴퓨팅 시스템들) 상에서 분산된 컴퓨터-프로그램 프로세스들(예를 들어, IBM DB2™, Microsoft SQL Server™, Sybase SQL Server™, 또는 Oracle 10g™ 데이터베이스 매니저, 및/또는 이러한 데이터베이스들을 링크하기 위한 JDBC 인터페이스와 같은 "풀-스케일(full-scale)" 관계형 데이터베이스 엔진들을 사용하여 발생된)을 실행함으로써 구현될 수 있다. 이들 컴퓨터 시스템들은 지리적으로 분산되고 적절한 WAN 및 LAN 하드웨어 및 소프트웨어를 통해 함께 접속될 수 있다. 일 실시예에서, 상기 데이터베이스에 저장된 데이터 또는 다른 프로그램 데이터는 분석 및 보고를 위한 표준 SQL 쿼리들을 통해 상기 사용자에게 액세스 가능해질 수 있다.

본 발명의 실시예들의 주요 소자들은 서버-기반일 수 있고 Microsoft Windows NT/2000™ 또는 UNIX와 같은 운영체제를 지원하는 하드웨어 상에 상주할 수 있다.

본 발명의 실시예들에 일치하는 시스템의 구성요소들은 모바일 및 비-모바일 디바이스들을 포함할 수 있다. 본 발명에 채용될 수 있는 모바일 디바이스들은, 예를 들어, 캘리포니아, 쿠퍼티노의 Apple Computer, Inc. 또는 캘리포니아, 산타 클라라의 Palm, Inc.에 의해 제조된 것과 같은 PDA(personal digital assistant) 스타일 컴퓨터들 및 Android, Symbian, RIM Blackberry, Palm webOS, 또는 iPhone 운영체제들을 실행하는 다른 컴퓨터들, Windows CE™ 휴대용 컴퓨터들, 또는 다른 휴대용 컴퓨터들(가능한 무선 모뎀을 포함하는)뿐만 아니라, 무선, 셀룰러, 또는 모바일 전화기들(GSM 전화기들, J2ME 및 WAP-인에이블 전화기들, 인터넷-인에이블 전화기들 및 데이터-가용 스마트 폰들), 일-방향 및 양-방향 페이징(paging) 및 메시징 디바이스들, 랩탑 컴퓨터들, 등을 포함한다. 본 발명의 실시예들에 일치하는 시스템의 잠재적인 서비스 채널들로서 사용될 수 있는 다른 전화 네트워크 기술들은 GPRS 및 EDGE과 같은 2.5G 셀룰러 네트워크 기술들뿐만 아니라, CDMA1xRTT 및 WCDMA2000과 같은 3G 기술들 및 4G 기술들을 포함한다. 본 발명의 실시예들에 모바일 디바이스들이 사용되지만, 개인용 컴퓨터들, 인터넷 기기들, 셋-톱 박스들, 유선 전화들, 등을 포함하는 비-모바일 통신 디바이스들이 또한 본 발명의 실시예들에 의해 고려된다. 클라이언트들은 또한 Apple Macintosh™, Microsoft Windows 95/98/NT/ME/CE/2000/XP/Vista/7™, UNIX Motif 워크스테이션 플랫폼을 지원하는 PC, 또는 TCP/IP 또는 다른 네트워크-기반 상호작용 가능한 다른 컴퓨터를 포함할 수 있다. 일 실시예에서, 웹 브라우저 이외의 소프트웨어는 클라이언트 플랫폼 상에 필요하지 않을 수 있다.

대안적으로, 상기한 기능성 구성요소들은 종래의 네트워킹 하드웨어 및 소프트웨어를 통해 함께 네트워크된 IBM-형, Intel Pentium™ 또는 RISC 마이크로프로세서-기반 개인용 컴퓨터들 상에서 실행하고 이들 기능성 구성요소들이 상기된 기능성들을 달성하게 허용할 것 같은 다른 부가적인 종래의 하드웨어 및 소프트웨어를 포함하는 복수의 개별 컴퓨터 프로세스들(예를 들어, dBase™, Xbase™, MS Access™ 또는 다른 "플랫 파일(flat file)" 형 데이터베이스 관리 시스템들 또는 프로덕트들을 통해 발생된)에 의해 구현될 수 있다. 이러한 대안적인 구성에서, 이러한 개인용 컴퓨터들이 전형적으로 상기에 나타낸 유형들의 풀-스케일 관계 데이터베이스 엔진들을 실행할 수 없을 수 있기 때문에, 비-관계형 플랫 파일 "테이블"(도시되지 않음)이 본 발명에 따른 시스템에 의해 저장된 적어도 일부의 데이터를 나타내도록 적어도 하나의 상기 네트워크된 개인용 컴퓨터들에 포함될 수 있다. 이들 개인용 컴퓨터들은 Unix, Microsoft Windows NT/2000™ 또는 Windows 95/98/NT/ME/CE/2000/XP/Vista/7™ 운영체제들을 실행할 수 있다. 본 발명에 따른 시스템의 상기된 기능성 구성요소들은 또한 상기 두 구성들의 조합을 포함할 수 있다(예를 들어, 적절한 WAN 및 LAN 하드웨어 및 소프트웨어를 통해 함께 네트워크된 개인용 컴퓨터들, RISC 시스템들, 메인프레임들, 대칭적 또는 병렬 컴퓨터 시스템들, 및/또는 다른 적절한 하드웨어 및 소프트웨어의 조합으로 실행하는 컴퓨터 프로그램 프로세스들에 의해).

본 발명에 따른 시스템은 또한 멀티-데이터베이스 또는 멀티-컴퓨터 시스템들 또는 다른 데이터 유형들, 프로세싱 시스템들(예를 들어, 트랜잭션, 금융, 관리, 통계적, 데이터 추출 및 감사(auditing), 데이터 송신/수신, 및/또는 회계 지원 및 서비스 시스템들)의 "창고(warehouses)"를 포함하는 더 큰 시스템의 일부일 수 있고, 및/또는 저장 방법론들이 부가적인 기능성을 달성하기 위해 본 발명과 관련하여 사용될 수 있다(예를 들어, 가정용 광섬유 네트워크 서비스 제공자에 의해 동작된 다면화된 전화, 인터넷, 및 텔레비전 시스템의 일부로서).

일 실시예에서, 소스 코드는 관계 데이터베이스들을 사용하여 객체-지향 프로그래밍 언어로 기록될 수 있다. 이러한 실시예는 C++과 같은 프로그래밍 언어들 및 Microsoft의 .Net™ 프레임워크와 같은 툴셋들(toolsets)의 사용을 포함할 수 있다. 본 발명에 따른 시스템을 구축하는데 사용될 수 있는 다른 프로그래밍 언어들은 Java, HTML, Perl, UNIX 셸 스크립팅(shell scripting), 어셈블리어, Fortran, Pascal, Visual Basic, 및 QuickBasic을 포함한다. 당업자는 본 발명이 하드웨어, 소프트웨어, 또는 하드웨어 및 소프트웨어의 조합으로 구현될 수 있다는 것을 인식할 것이다.

따라서, 본원에 사용된 바와 같은, 상기 용어들 "컴퓨터" 또는 "시스템"은 프로세서를 제어하기 위한 적절한 명령들과 함께 프로세서를 갖는 적어도 하나의 기계를 포함하는 하드웨어 및 소프트웨어 구성요소들의 조합을 의미하는 것으로 이해되어야 한다. 단수 용어들 "컴퓨터" 또는 "시스템"은 또한 서로 협력하여 동작하는 다수의 하드웨어 디바이스들, 예를 들어, 네트워크의 다수의 개인용 컴퓨터들; 라우터, 허브, 패킷-검사 장치 또는 방화벽과 같은 하나 이상의 다른 디바이스들과 관련된 하나 이상의 개인용 컴퓨터들; 셋-톱 박스 및 텔레비전에 결합된 가정용 게이트웨이; PC에 결합된 네트워크 서버; 무선 허브에 결합된 이동 전화; 등을 참조하는 것으로 이해되어야 한다.

하나 이상의 기능성 구성요소들은 본 발명으로부터 벗어나지 않고, 관습으로 대안적으로 구축될 수 있고, 전용 전자 하드웨어 및/또는 소프트웨어일 수 있는 시작부터 이해되어야 한다. 따라서, 본 발명은 본 발명의 정신 및 넓은 범위에 포함될 수 있는 모든 이러한 대안들, 수정들, 및 등가물들을 커버하는 것으로 의도된다.

본원에서 "하나의 실시예" 또는 "일 실시예"에 대한 참조는 상기 실시예와 관련하여 설명된 특정한 특징, 구조, 또는 특성들이 본 발명의 적어도 하나의 실시예에 포함될 수 있다는 것을 의미한다. 본 명세서의 다양한 위치들에서 "일 실시예에서"란 구의 출현은 반드시 동일한 실시예를 전부 참조할 필요는 없고, 별도의 또는 대안적인 실시예들이 다른 실시예들과 반드시 상호 배타적이지 않다.

본원에 언급된 예시적인 방법들의 단계들이 반드시 설명된 순서로 수행될 필요는 없다는 것이 이해되어야 하고, 이러한 방법들의 단계들의 순서는 단지 예시적이라는 것이 이해되어야 한다. 유사하게, 부가적인 단계들이 이러한 방법들에 포함될 수 있고, 본 발명의 다양한 실시예들과 일치하는 방법들에서 특정한 단계들이 생략되거나 조합될 수 있다.

이하의 방법 청구항들의 요소들이 만약 있다면 대응하는 라벨링을 갖는 특정한 시퀀스로 언급되지만, 상기 청구항 설명들이 어떤 또는 모든 이들 요소들을 구현하기 위한 특정한 시퀀스를 달리 암시하지 않는 한, 이들 요소들이 상기 특정한 시퀀스로 구현되는 것으로 제한되는 것으로 의도될 필요는 없다.

본 발명의 특성을 설명하기 위해 설명되고 예시된 부분들의 상세들, 자료들, 및 방식들의 다양한 변화들이 이하의 청구항들에 표현된 본 발명의 범위로부터 벗어나지 않고 당업자에 의해 이뤄질 수 있다는 것이 또한 이해될 것이다.

본 출원의 청구항들에 의해 커버된 실시예들은 (1) 본 명세서에 의해 가능하고 (2) 법으로 명시된 주제에 대응하는 실시예들로 제한된다. 인에이블되지 않은 실시예들 및 법으로 명시되지 않은 주제에 대응하는 실시예들은 청구항들의 범위 내에 있더라도 명백하게 권리가 포기된다.

Claims (10)

1. 사용자 디바이스들의 세트로부터 타임슬롯 동안 복수의 후보 광고들 중에서 타깃 광고를 보여주는 사용자 디바이스들의 수를 추정하기 위한 컴퓨터-구현 방법에 있어서,
   (a) 상기 컴퓨터가 상기 타임슬롯 동안 상기 사용자 디바이스가 볼 수 있는 상기 복수의 후보 광고들의 ID(identification)를 상기 세트의 각각의 사용자 디바이스들로 전송하는 단계;
   (b) 상기 컴퓨터가 상기 복수의 사용자 디바이스들로부터 데이터를 수신하는 단계로서,
   (ⅰ) 상기 타임슬롯 동안 상기 복수의 후보 광고들로부터 상기 타깃 광고를 보여주는 사용자 디바이스들의 수는 상기 복수의 사용자 디바이스들로부터 수신된 데이터에 기초하여 추정될 수 있고,
   (ⅱ) 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 상기 사용자 디바이스들의 아이덴티티(identity)는 상기 복수의 사용자 디바이스들로부터 수신된 데이터에 기초하여 결정될 수 없는, 상기 데이터 수신 단계; 및
   (c) 상기 컴퓨터가 상기 복수의 사용자 디바이스들로부터 수신된 데이터에 기초하여 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 사용자 디바이스들의 수를 추정하는 단계를 포함하는, 컴퓨터-구현 방법.
2. 제 1 항에 있어서,
   단계 (a)는 상기 컴퓨터가 상기 세트의 각각의 복수의 사용자 디바이스들로 상기 후보 광고들의 내용을 전송하는 단계를 더 포함하는, 컴퓨터-구현 방법.
3. 제 1 항에 있어서,
   단계 (a)는 상기 컴퓨터가 상기 복수의 후보 광고들의 ID를 상기 사용자 디바이스들로 전송하기 전에, 수익을 최대화하기 위해 상기 후보 광고들을 정렬하는 단계를 더 포함하는, 컴퓨터-구현 방법.
4. 제 1 항에 있어서,
   각각의 사용자 디바이스로부터 수신된 데이터는 불리언 벡터(Boolean vector)인, 컴퓨터-구현 방법.
5. 제 1 항에 있어서,
   각각의 사용자 디바이스로부터 수신된 데이터는 상기 하나 이상의 후보 광고들의 상기 사용자 디바이스에 대응하는 상기 사용자에 대한 타당성에 기초하여 발생되는, 컴퓨터-구현 방법.
6. 제 1 항에 있어서,
   각각의 사용자 디바이스로부터 수신된 데이터는 하나 이상의 랜덤하게 발생된 값들에 기초하여 교란된 정보를 사용하여 발생되는, 컴퓨터-구현 방법.
7. 제 1 항에 있어서,
   각각의 사용자 디바이스로부터 수신된 데이터는 사용자 프로파일의 하나 이상의 키워드들에 기초하여 발생되는, 컴퓨터-구현 방법.
8. 사용자 디바이스들의 세트로부터 타임슬롯 동안 복수의 후보 광고들 중에서 타깃 광고를 보여주는 사용자 디바이스들의 수를 추정하기 위한 데이터를 발생하기 위한 사용자 디바이스-구현 방법에 있어서,
   (a) 상기 사용자 디바이스가 상기 타임슬롯 동안 상기 사용자 디바이스가 볼 수 있는 상기 복수의 후보 광고들의 ID를 수신하는 단계;
   (b) 상기 사용자 디바이스가 데이터를 발생하는 단계로서:
   (ⅰ) 상기 사용자 디바이스들의 세트로부터, 상기 타임슬롯 동안 상기 복수의 후보 광고들로부터 상기 타깃 광고를 보여주는 사용자 디바이스들의 수는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여 추정될 수 있고,
   (ⅱ) 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 상기 사용자 디바이스들의 아이덴티티는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여 결정될 수 없는, 상기 데이터 발생 단계; 및
   (c) 상기 사용자 디바이스가 상기 복수의 사용자 디바이스들로부터의 상기 데이터에 기초하여 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 상기 사용자 디바이스들의 수를 추정하도록 구성된 컴퓨터로 상기 데이터를 제공하는 단계를 포함하는, 사용자 디바이스-구현 방법.
9. 제 1 항 내지 제 8 항 중 어느 한 항에 따른 방법을 수행하도록 구성된 장치.
10. 컴퓨터; 및
    상기 컴퓨터와 통신하는 사용자 디바이스들의 세트를 포함하는 시스템에 있어서,
    상기 컴퓨터는:
    (ⅰ) 타임슬롯 동안 상기 사용자 디바이스가 볼 수 있는 복수의 후보 광고들의 ID를 상기 세트의 각각의 상기 사용자 디바이스들로 전송하고;
    (ⅱ) 상기 복수의 사용자 디바이스들로부터 데이터를 수신하도록 구성되고,
    상기 사용자 디바이스들의 세트로부터, 상기 타임슬롯 동안 상기 복수의 후보 광고들로부터 상기 타깃 광고를 보여주는 사용자 디바이스들의 수는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여 추정될 수 있고,
    상기 타임슬롯 동안 상기 타깃 광고를 보여주는 상기 사용자 디바이스들의 아이덴티티는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여 결정될 수 없고,
    상기 컴퓨터는 상기 복수의 사용자 디바이스들로부터의 데이터에 기초하여, 상기 타임슬롯 동안 상기 타깃 광고를 보여주는 사용자 디바이스들의 수를 추정하도록 구성되는, 시스템.

Images