KR20190010711A - 이벤트 방송을 위한 시스템 및 방법 - Google Patents

이벤트 방송을 위한 시스템 및 방법 Download PDF

Info

Publication number
KR20190010711A
KR20190010711A KR1020197000910A KR20197000910A KR20190010711A KR 20190010711 A KR20190010711 A KR 20190010711A KR 1020197000910 A KR1020197000910 A KR 1020197000910A KR 20197000910 A KR20197000910 A KR 20197000910A KR 20190010711 A KR20190010711 A KR 20190010711A
Authority
KR
South Korea
Prior art keywords
broadcast
user
determining
broadcaster
computing system
Prior art date
Application number
KR1020197000910A
Other languages
English (en)
Inventor
아미트 푼탐베카르
마이클 해밀턴 코워드
마허 아피프 사바
Original Assignee
페이스북, 인크.
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 페이스북, 인크. filed Critical 페이스북, 인크.
Publication of KR20190010711A publication Critical patent/KR20190010711A/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4758—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for providing answers, e.g. voting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25808—Management of client data
    • H04N21/25841—Management of client data involving the geographical location of the client
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/61—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio
    • H04L65/611—Network streaming of media packets for supporting one-way streaming services, e.g. Internet radio for multicast or broadcast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
    • H04L65/60—Network streaming of media packets
    • H04L65/75—Media network packet handling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H04N21/25866—Management of end-user data
    • H04N21/25891—Management of end-user data being end-user preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4524—Management of client data or end-user data involving the geographical location of the client
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/4508—Management of client data or end-user data
    • H04N21/4532—Management of client data or end-user data involving end-user characteristics, e.g. viewer profile, preferences
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4662—Learning process for intelligent management, e.g. learning user preferences for recommending movies characterized by learning algorithms
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
    • H04N21/44213—Monitoring of end-user related data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies

Landscapes

  • Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Graphics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Human Computer Interaction (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 컴퓨팅 시스템을 통한 컨텐츠 방송을 진행하기 위한 정보를 결정하기 위하여 방송자 요청을 결정할 수 있다. 이전에 진행된 방송을 서술하는 데이터에 적어도 부분적으로 기반하여 하나 이상의 파라미터를 예측하도록 훈련된 기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터가 결정될 수 있다. 적어도 하나 이상의 파라미터를 서술하는 정보가 방송자에게 제공된다.

Description

이벤트 방송을 위한 시스템 및 방법
본 기술은 컨텐츠 제공 분야에 관한 것이다. 특히, 본 발명은 사용자에게 생방송을 제공하기 위한 기술에 관한 것이다.
오늘날, 사람들은 매우 다양한 목적으로 종종 컴퓨팅 장치(또는 시스템)를 사용한다. 사용자는 그 컴퓨팅 장치를 사용하여, 예컨대 서로 상호작용하고, 컨텐츠에 접근하고, 컨텐츠를 공유하고, 컨텐츠를 생성할 수 있다. 예를 들어, 사용자는 컴퓨팅 장치를 통해 컨텐츠를 스트리밍할 수 있다. 일반적으로, 컨텐츠는 인코딩된 데이터(예컨대, 오디오, 비디오 또는 둘 다)를 최종 사용자의 컴퓨팅 장치로 전송하는 컨텐츠 제공자로부터 스트리밍될 수 있다. 스트리밍되는 데이터를 수신하는 컴퓨팅 장치는 컴퓨팅 장치를 통해 컨텐츠를 디코딩 및 표시할 수 있다.
본 발명의 내용 중에 포함되어 있다.
본 명세서의 다양한 실시예는 컴퓨팅 시스템을 통한 컨텐츠 방송을 진행하기 위한 정보를 결정하기 위하여 방송자 요청을 결정하도록 구성된 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체를 포함할 수 있다. 이전에 진행된 방송을 서술하는 데이터에 적어도 부분적으로 기반하여 하나 이상의 파라미터를 예측하도록 훈련된 기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터가 결정될 수 있다. 적어도 하나 이상의 파라미터를 서술하는 정보가 방송자에게 제공될 수 있다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 모델에 적어도 부분적으로 기반하여 방송을 진행하기 위한 적어도 하나의 기간을 결정하도록 구성되고, 적어도 임계수의 사용자가 기간의 적어도 일부에 대하여 방송에 접근할 것으로 기대된다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 모델에 적어도 부분적으로 기반하여 방송을 위한 적어도 하나의 주제를 결정하도록 구성되고, 적어도 임계수의 사용자가 적어도 하나의 주제에 대해 진행될 때 방송에 접근할 것으로 기대된다.
일실시예에서, 방송을 위한 적어도 하나의 주제는: 방송자의 소셜 프로필에 명시된 정보, 방송자에 의하여 소셜 네트워킹 시스템을 통해 발행된 게시물에 대응하는 주제 또는 방송자에 대응하는 지리적 위치 중 적어도 하나에 기반하여 자동으로 생성된다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 모델에 적어도 부분적으로 기반하여 방송을 진행할 적어도 하나의 지리적 위치를 결정하도록 구성되고, 적어도 임계수의 사용자가 적어도 하나의 지리적 위치에서 진행될 때 방송에 접근할 것으로 기대된다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 모델에 적어도 부분적으로 기반하여 방송에 접근할 것으로 기대되는 사용자를 서술하는 정보를 결정하도록 구성된다.
일실시예에서, 정보는: 사용자의 수 또는 사용자를 서술하는 인구통계 정보 중 적어도 하나를 포함한다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 방송을 위한 청중이 구축되도록 야기하고, 청중의 크기가 임계치를 충족한다고 결정하고, 및 방송자에게 적어도 하나의 통지를 제공하도록 구성되고, 청중은 방송에 관심 있는 사용자의 세트를 포함하고, 통지는 방송에 관심 있는 사용자의 세트를 서술한다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 방송에 대하여 사용자에게 알리기 위하여 사용자의 세트에게 하나 이상의 통지를 제공하도록 구성된다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 방송에 대해 사용자에게 알리기 위하여 사용자의 세트에게 하나 이상의 여론 조사 설문을 제공하고 방송에 관심 있는 사용자의 수를 결정하도록 구성된다.
본 명세서의 다양한 실시예는 제1 사용자가 컴퓨팅 시스템을 통하여 컨텐츠 방송을 개시하도록 요청을 결정하도록 구성되고, 요청은 제2 사용자에 의하여 전송된다. 방송을 위한 하나 이상의 파라미터가 결정될 수 있다. 요청을 서술하는 적어도 하나의 통지가 제1 사용자에게 제공될 수 있고, 통지는 하나 이상의 파라미터를 서술하는 정보를 포함한다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 컴퓨팅 시스템의 하나 이상의 사용자에게 여론 조사 설문을 제공하도록 구성되고, 여론 조사 설문에 응답하여 사용자 중 적어도 하나로부터 피드백을 획득하고, 여론 조사 설문은 방송을 위한 적어도 하나의 주제에 대한 피드백을 요청하고, 피드백은 제1 사용자에게 제공되는 통지에 포함된다.
일실시예에서, 방송을 위한 적어도 하나의 주제는 제1 사용자의 소셜 프로필에 명시된 정보에 기반하여 자동으로 생성된다.
일실시예에서, 방송을 위한 적어도 하나의 주제는 소셜 네트워킹 시스템을 통하여 제1 사용자에 의하여 발행된 게시물에 대응하는 주제에 기반하여 자동으로 생성된다.
일실시예에서, 방송을 위한 적어도 하나의 주제는 제1 사용자에 대응하는 지리적 위치에 기반하여 자동으로 생성된다.
일실시예에서, 여론 조사 설문은 사용자와 연관된 컨텐츠 피드에 컨텐츠 아이템으로서 사용자에게 제공된다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 컴퓨팅 시스템의 하나 이상의 사용자에게 여론 조사 설문을 제공하도록 구성되고, 여론 조사 설문에 응답하여 사용자 중 적어도 하나로부터 피드백을 획득하고, 여론 조사 설문은 방송을 진행하기 위한 적어도 하나의 시간에 대한 피드백을 요청하고, 피드백은 제1 사용자에게 제공되는 통지에 포함된다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 컴퓨팅 시스템의 하나 이상의 사용자에게 여론 조사 설문을 제공하도록 구성되고, 여론 조사 설문에 응답하여 사용자 중 적어도 하나로부터 피드백을 획득하고, 여론 조사 설문은 방송을 진행할 적어도 하나의 지리적 위치에 대한 피드백을 요청하고, 피드백은 제1 사용자에게 제공되는 통지에 포함된다.
일실시예에서, 시스템, 방법 및 비일시적 컴퓨터 판독가능한 매체는 컴퓨팅 시스템의 하나 이상의 사용자에게 여론 조사 설문을 제공하도록 구성되고, 여론 조사 설문에 응답하여 사용자 중 적어도 하나로부터 피드백을 획득하고, 여론 조사 설문은 사용자가 방송을 시청하는데 관심 있는지 여부에 대한 피드백을 요청하고, 피드백은 제1 사용자에게 제공되는 통지에 포함된다.
일실시예에서, 청중을 서술하는 정보는 방송에 관심 있는 사용자를 서술하는 정보, 청중의 크기, 방송에 관심 있는 사용자를 서술하는 인구통계 정보 중 적어도 하나를 포함한다.
개시된 기술의 많은 다른 특징, 응용, 실시예 및/또는 변형이 첨부된 도면 및 다음의 상세한 설명으로부터 명백할 것이라는 것을 이해할 것이다. 본 명세서에 서술되는 구조, 시스템, 비일시적 컴퓨터 판독가능한 매체 및 방법의 추가 및/또는 대안적 구현이 개시된 기술의 원리로부터 벗어남 없이 채용될 수 있다.
본 발명의 내용 중에 포함되어 있다.
도 1은 본 명세서의 일실시예에 따른 예시적인 컨텐츠 제공자 모듈을 포함하는 예시적인 시스템을 도시한다.
도 2는 본 명세서의 일실시예에 따른 방송 요청 모듈의 예시를 도시한다.
도 3은 본 명세서의 일실시예에 따른 방송 최적화 모듈의 예시를 도시한다.
도 4는 본 명세서의 일실시예에 따른 방송 제안 모듈의 예시를 도시한다.
도 5는 본 명세서의 다양한 실시예에 따른 컨텐츠 방송을 요청하는 프로세스의 예시를 도시한다.
도 6은 본 명세서의 다양한 실시예에 따른 컨텐츠 방송을 위한 정보를 결정하는 프로세스의 예시를 도시한다.
도 7은 본 명세서의 일실시예에 따른 다양한 시나리오에서 이용될 수 있는 예시적인 소셜 네트워킹 시스템을 포함하는 예시적인 시스템의 네트워크도를 도시한다.
도 8은 본 명세서의 일실시예에 따른 다양한 시나리오에서 이용될 수 있는 컴퓨터 시스템 또는 컴퓨팅 장치의 예시를 도시한다.
도면들은 오로지 예시적인 목적을 위해 개시된 기술의 다양한 실시예들을 도시하며, 도면들은 같은 구성요소를 식별하기 위해 같은 참조 번호를 사용한다. 통상의 기술자는 다음의 설명으로부터 도면들에 도시된 구조들 및 방법들의 대안적 실시예가 본 명세서에 기술된 발명의 원리로부터 벗어남이 없이 이용될 수 있음을 쉽게 인식할 것이다.
이벤트 방송을 위한 접근
오늘날, 사람들은 매우 다양한 목적으로 종종 컴퓨팅 장치(또는 시스템)를 사용한다. 사용자는 그 컴퓨팅 장치를 사용하여, 예컨대 서로 상호작용하고, 컨텐츠에 접근하고, 컨텐츠를 공유하고, 컨텐츠를 생성할 수 있다. 예를 들어, 사용자는 컴퓨팅 장치를 통해 컨텐츠를 스트리밍할 수 있다. 일반적으로, 컨텐츠는 인코딩된 데이터(예컨대, 오디오, 비디오 또는 둘 다)를 최종 사용자의 컴퓨팅 장치로 전송하는 컨텐츠 제공자로부터 스트리밍될 수 있다. 스트리밍되는 데이터를 수신하는 컴퓨팅 장치는 컴퓨팅 장치를 통해 컨텐츠를 디코딩 및 표시할 수 있다.
종래의 접근법에서, 이벤트의 생방송은 일부 녹화 장치를 사용하여 캡처되고 컨텐츠 제공자를 통하여 사용자에게 이용 가능해질 수 있다. 컴퓨팅 장치를 구동하는 사용자는 컨텐츠 제공자로부터의 생방송의 스트리밍을 요청할 수 있다. 요청을 처리할 때, 컨텐츠 제공자는 사용자의 컴퓨팅 장치로 라이브 스트리밍에 대응하는 데이터를 전송할 수 있다. 컴퓨팅 장치는 데이터를 디코딩하고 컴퓨팅 장치의 디스플레이 스크린 상에 표시할 수 있다. 생방송되는 이벤트는 미리 예정되거나 즉흥적으로 진행될 수 있다. 방송을 예정할 때, 이벤트의 퍼블리셔(예컨대, 방송자)는 일반적으로 방송을 진행할 최적의 시간(들) 및/또는 최적의 수의 시청자를 가장 끌어낼 수 있는 주제(들)을 모른다. 이러한 정보 없이 방송을 진행하면 시청자 수가 줄어들 수 있다. 따라서, 이러한 종래의 접근법은 이들 및 컴퓨터 기술에서 발생하는 다른 문제를 다루는데 효과적이지 않을 수 있다.
컴퓨터 기술에 뿌리를 둔 향상된 접근법은 상기 및 특히 컴퓨터 기술 영역에서 발생하는 종래의 접근법과 연관된 다른 단점을 극복한다. 일부 실시예에서, 기계 학습 모델이 퍼블리셔에 의해 사용되어 몇몇 예를 들자면 방송을 진행할 최적의 시간, 방송을 위한 주제 및/또는 방송을 위한 지리적 위치와 같은 방송 관련 정보를 결정할 수 있다. 일부 실시예에서, 크라우드 소스(crowd-source) 접근법이 퍼블리셔에 의해 사용되어 몇몇 예를 들자면 방송을 진행할 최적의 시간, 방송을 위한 주제 및/또는 방송을 위한 지리적 위치에 관련된 제안을 여론 조사할 수 있다. 일부 실시예에서, 사용자는 사용자(예컨대, 친구, 유명인 등)에게 사용자가 지정된 시간 및/또는 지정된 때에 생방송을 진행하도록 요청을 제출할 수 있다. 일반적으로, 이러한 접근법은 퍼블리셔가 적절한 시간 및/또는 최고의 주제로 방송을 진행하여 시청하는 청중 및/또는 범위를 향상시킬 수 있게 한다. 다양한 실시예에서, 방송 시간 및/또는 주제는 소정의 범위를 충족시키기 위해 향상될 수 있다. 범위는 특정 인구통계의 사용자와 같이 타게팅되는 특정 청중을 지칭할 수 있다. 일부 실시예에서, 범위는 목적을 달성하기 위해 타게팅되는 청중, 예컨대 지정된 판매량, 지정된 클릭수, 지정된 사용자 참여량 등과 같은 달성되는 특정 목적을 지칭할 수 있다. 방송자가 지정한 사생활 설정에 따라서, 방송은 일반 대중에 의해 사용가능하거나 예컨대 방송자가 명시한 사용자의 세트로 제한될 수 있다.
도 1은 본 명세서의 일실시예에 따른 예시적인 컨텐츠 제공자 모듈(102)을 포함하는 예시적인 시스템(100)을 도시한다. 도 1의 예시에 도시된 바와 같이, 컨텐츠 제공자 모듈(102)은 컨텐츠 모듈(104), 방송 요청 모듈(106), 방송 최적화 모듈(108), 방송 제안 모듈(110) 및 방송 모듈(112)을 포함할 수 있다. 일부 예시에서, 시스템(100)의 예시는 적어도 하나의 데이터 스토어(114)를 포함할 수 있다. 이 도면 및 본 명세서의 모든 도면에 도시된 컴포넌트(예컨대, 모듈, 요소 등)는 오직 예시적인 것이고, 다른 구현은 추가적이거나, 더 적거나, 통합되거나, 상이한 컴포넌트를 포함할 수 있다. 일부 컴포넌트는 관련 세부사항을 모호하게 하지 않기 위해 도시되지 않을 수 있다.
일부 실시예에서, 컨텐츠 제공자 모듈(102)은 일부 또는 전체로서, 소프트웨어, 하드웨어 또는 그들의 임의의 조합으로 구현될 수 있다. 일반적으로, 본 명세서에서 논의되는 모듈은 소프트웨어, 하드웨어 또는 그들의 임의의 조합과 연관될 수 있다. 일부 구현에서, 모듈의 하나 이상의 기능, 작업 및/또는 동작은 소프트웨어 루틴, 소프트웨어 프로세스, 하드웨어 및/또는 그들의 임의의 조합에 의해 이행 또는 수행될 수 있다. 일부 경우에, 컨텐츠 제공자 모듈(102)은 사용자나 클라이언트 컴퓨팅 장치와 같은 하나 이상의 컴퓨팅 장치 또는 시스템 상에서 실행되는 소프트웨어로 부분적 또는 전체로 구현될 수 있다. 일례로, 컨텐츠 제공자 모듈(102) 또는 그 적어도 일부는 사용자 컴퓨팅 장치 또는 클라이언트 컴퓨팅 시스템, 예컨대 도 7의 사용자 장치(710) 상에서 실행되는 애플리케이션(예컨대, 앱), 프로그램 또는 애플릿 등으로서 또는 그 내부에 구현될 수 있다. 다른 예시에서, 컨텐츠 제공자 모듈(102), 또는 적어도 그 일부는 네트워크 서버나 클라우드 서버와 같은 하나 이상의 서버를 포함하는 하나 이상의 컴퓨팅 장치 또는 시스템을 사용하여 구현될 수 있다. 일부 예에서, 컨텐츠 제공자 모듈(102)은 부분 또는 전체로, 도 7의 소셜 네트워킹 시스템(730)과 같은 소셜 네트워킹 시스템(또는 서비스) 내에 구현되거나 함께 동작하도록 구성될 수 있다.
컨텐츠 제공자 모듈(102)은 예시적인 시스템(100)의 적어도 하나의 데이터 스토어(114)와 통신 및/또는 동작하도록 구성될 수 있다. 적어도 하나의 데이터 스토어(114)는 다양한 타입의 데이터를 저장 및 유지하도록 구성될 수 있다. 예를 들어, 데이터 스토어(114)는 컨텐츠 아이템, 예컨대 사용자가 생성하고 사용가능한 방송을 설명하는 정보를 저장할 수 있다. 일부 구현에서, 적어도 하나의 데이터 스토어(114)는 소셜 네트워킹 시스템(예컨대, 도 7의 소셜 네트워킹 시스템(730))과 연관된 정보를 저장할 수 있다. 소셜 네트워킹 시스템과 연관된 정보는 사용자에 대한 데이터, 소셜 연결, 소셜 상호작용, 위치, 지오펜스 영역, 지도, 장소, 이벤트, 페이지, 그룹, 게시물, 통신, 컨텐츠, 피드, 계정 설정, 사생활 설정, 소셜 그래프 및 다양한 다른 타입의 데이터를 포함할 수 있다. 일부 구현에서, 적어도 하나의 데이터 스토어(114)는 사용자와 연관된 정보, 예컨대 사용자 식별자, 사용자 정보, 프로필 정보, 사용자 고유 설정, 사용자에 의해 생성 또는 게시된 컨텐츠 및 다양한 다른 타입의 사용자 데이터를 저장할 수 있다.
컨텐츠 모듈(104)은 다양한 컨텐츠 아이템, 예컨대 컨텐츠 제공자 모듈(102)을 통해 사용가능한 방송으로의 접근을 제공하도록 구성될 수 있다. 예를 들어, 일부 실시예에서, 컴퓨팅 장치를 구동하는 사용자는 컨텐츠 모듈(104)와, 예컨대 인터페이스(예컨대, 그래픽 사용자 인터페이스, 애플리케이션 프로그래밍 인터페이스 등)를 통해 상호작용하여, 사용가능한 다양한 컨텐츠 아이템에 접근, 예컨대 스트리밍할 수 있다. 사용자가 컨텐츠 아이템으로의 접근을 요청할 때, 컨텐츠 모듈(104)은 컨텐츠 아이템에 대응하는 데이터(예컨대, 인코딩된 데이터)가 사용자의 컴퓨팅 장치로 전송되도록 야기함으로써 요청을 서비스할 수 있다. 사용자의 컴퓨팅 장치는 수신된 데이터를 처리하여(예컨대, 데이터 디코딩) 컨텐츠 아이템이 컴퓨팅 장치의 디스플레이 스크린 상에 표시될 수 있다.
방송 요청 모듈(106)은 사용자가 다른 사용자(예컨대, 친구, 유명인 등)가 방송을 진행하도록(예컨대, 라이브 컨텐츠 스트리밍) 요청을 제출할 수 있게 하도록 구성될 수 있다. 방송 요청 모듈(106)에 관한 세부 사항은 도 2와 관련되어 후술될 것이다.
방송 최적화 모듈(108)은 방송을 위한 최적의 사용자 참여를 유도할 것으로 예상되는 시간 및/또는 주제와 같은 정보를 방송자에게 제공하도록 구성될 수 있다. 방송 최적화 모듈(108)에 관한 더 상세한 내용은 도 3을 참조하여 아래에서 제공될 것이다.
방송 제안 모듈(110)은 방송자를 위해 방송 이벤트를 자동으로 결정하도록 구성될 수 있다. 또한 방송 제안 모듈(110)은 방송 이벤트를 위한 청중을 생성하고, 적절할 때, 제1 사용자에게 방송을 진행하도록 제안을 제공할 수 있다. 방송 제안 모듈(110)에 관한 더 상세한 내용은 도 4를 참조하여 아래에서 제공될 것이다.
방송 모듈(112)은 컨텐츠 제공자의 사용자에 의해 이용되어 방송을 개시할 수 있다(예컨대, 라이브 컨텐츠 스트리밍). 라이브 컨텐츠 스트리밍을 개시할 때, 방송 모듈(112)이 방송자에 의해 이용되어 방송자의 컴퓨팅 장치를 사용하여 캡처된 컨텐츠를 서술하는 데이터를 컨텐츠 제공자에게 통신할 수 있다. 방송 모듈(112)은 예컨대 RTMP(Real Time Messaging Protocol)을 포함하여 컨텐츠의 라이브 스트리밍을 가능하게 하는 임의의 일반적으로 알려진 기술을 이용할 수 있다.
도 2는 본 명세서의 일실시예에 따른 방송 요청 모듈(202)의 예시를 도시한다. 일부 실시예에서, 도 1의 방송 요청 모듈(106)은 예시적인 방송 요청 모듈(202)로 구현될 수 있다. 도 2에 도시된 바와 같이, 방송 요청 모듈(202)은 요청 모듈(204), 여론 조사 모듈(206), 주제 모듈(208) 및 이벤트 모듈(210)을 포함할 수 있다.
상술한 바와 같이, 방송 요청 모듈(202)은 사용자(예컨대, 도 7의 소셜 네트워킹 시스템(730)의 사용자)가 다른 사용자에게 방송을 진행하도록 요청하는 요청을 제출할 수 있게 하도록 구성될 수 있다. 다양한 실시예에서, 사용자는 요청 모듈(204)을 통하여 이러한 요청을 할 수 있다. 요청 모듈(204)은 하나 이상의 사용자로부터, 예컨대 인터페이스(예컨대, 그래픽 사용자 인터페이스, 애플리케이션 프로그래밍 인터페이스 등)를 통하여 방송 요청을 수신하도록 구성될 수 있다. 요청은 방송을 위한 하나 이상의 파라미터를 명시할 수 있다. 예를 들어, 일부 실시예에서, 요청은 방송을 진행하도록 요청받는 방송자를 식별할 수 있다. 일부 실시예에서, 요청은 방송을 위한 하나 이상의 요청된 주제 및/또는 방송을 위한 하나 이상의 요청된 시간(예컨대, 날짜, 하루 중 시간 등)도 명시할 수 있다. 요청이 수신되면, 요청 모듈(204)은 방송자에게 방송을 제시하도록 요청받았음의 통지를 송신할 수 있다. 예를 들어, 통지는 방송자의 컴퓨팅 장치 상에서 실행되는 소프트웨어 애플리케이션을 통해 통신될 수 있다. 방송자는 요청에 명시된 파라미터에 기반하여 컨텐츠 제공자(예컨대, 도 7의 소셜 네트워킹 시스템(730))를 통해 방송을 개시하는 옵션을 가진다. 일부 실시예에서, 방송자는 도 1의 방송 모듈(112)을 통해 방송을 개시할 수 있다.
일부 경우에, 요청은 방송을 위한 주제나 시간을 명시하지 않고 방송자만 명시할 수 있다. 예를 들어, 요청을 제출한 사용자는 단순히 방송자가 임의의 주제에 대해 및/또는 임의의 때에 말하는 것을 듣는데 관심 있을 수 있다. 이러한 경우에, 여론 조사 모듈(206)은 방송자가 방송을 계획하는데 유용할 수 있는 추가 정보를 위해 소셜 네트워킹 시스템을 통해 사용자에게 여론 조사하도록 구성될 수 있다. 예를 들어, 여론 조사 모듈(206)은 다양한 피드백을 얻기 위해 사용자에게 설문을 제공할 수 있다. 일부 실시예에서, 설문은 사용자가 방송을 위한 주제를 제안할 수 있는 자유 형식 필드를 포함할 수 있다. 만약 초기 방송 요청이 주제 제안의 세트를 명시했다면, 여론 조사 모듈(206)은 사용자에게 방송을 위한 주제 제안 중 하나 이상을 선택하도록 요청하는 설문을 제공할 수 있다. 다른 예시에서, 설문은 방송을 위한 시간 제안의 세트로부터 하나 이상의 시간을 선택하도록 요청할 수 있다. 유사하게, 일부 실시예에서, 설문은 사용자가 아직 제안되지 않은 방송 시간을 명시할 수 있는 자유 형식 필드를 포함할 수 있다. 일부 실시예에서, 설문은 사용자가 방송자가 방송을 진행해야 할 하나 이상의 지리적 위치를 선택이나 명시하도록 요청할 수 있다. 예를 들어, 사용자는 방송자가 촬영중인 새 영화의 세트에서 방송을 진행하기 원할 수 있다.
설문 조사를 할 때, 여론 조사 모듈(206)은 여론 조사되는 사용자의 컨텐츠 피드에 투표나 설문을 표시할 수 있다. 일반적으로, 컨텐츠 피드는 소셜 네트워킹 시스템에 의해 사용자의 컴퓨팅 장치의 디스플레이 스크린을 통해 표시되기 위해 제공될 수 있다. 컨텐츠 피드는 소셜 네트워킹 시스템에 의해 사용자와 관련되거나, 관심 있는 것으로 결정된 다양한 컨텐츠 아이템을 포함할 수 있다. 투표나 설문은 컨텐츠 피드에 컨텐츠 아이템으로 포함될 수 있다. 다양한 실시예에서, 컨텐츠 피드는 사용자의 컴퓨팅 장치 상에서 실행되는 소프트웨어 애플리케이션(예컨대, 소셜 네트워킹 애플리케이션, 브라우저 등)을 통해 접근될 수 있다. 일부 실시예에서, 여론 조사 모듈(206)은 소셜 네트워킹 시스템에서 방송자의 소셜 연결로 인식되는 사용자에게 여론 조사할 수 있다. 일부 실시예에서, 여론 조사 모듈(206)은 요청을 제출한 사용자의 소셜 연결로 인식되는 사용자에게 여론 조사할 수 있다. 일부 실시예에서, 여론 조사 모듈(206)은 방송자에 대응하는 페이지를 “좋아요”하거나 “팬”하는 옵션을 선택한 소셜 네트워킹 시스템의 사용자 및/또는 다르게 방송자의 팬으로 소셜 네트워킹 시스템에 의해 식별된 사용자에게 여론 조사할 수 있다. 당연히, 여론 조사 되는 사용자는 구현에 따라 달라질 수 있다. 예를 들어, 일부 실시예에서, 여론 조사는 방송자, 요청을 제출한 사용자, 방송자의 소셜 연결 및/또는 요청을 제출한 사용자의 소셜 연결로부터 추가 이격도(예컨대, 2도 소셜 연결, 3도 소셜 연결 등)를 가지는 소셜 연결로 인식되는 사용자로 확장될 수 있다.
일부 경우에, 방송자에게 송신된 방송 요청은 방송자가 방송을 진행하도록 장려하기 부족할 수 있다. 이러한 경우, 요청은 방송을 위한 청중이 방송자에게 통지를 보내기 전 확립된다면 더 설득력 있을 수 있다. 따라서, 일부 실시예에서, 방송 요청이 수신될 때, 여론 조사 모듈(206)은 방송에 관심 있는 사용자의 청중을 결정하도록 구성될 수 있다. 예를 들어, 여론 조사 모듈(206)은 어떤 사용자가 방송을 보는데 관심 있는지 결정하기 위해 다른 사용자에게 여론 조사할 수 있다. 이 예시에서, 여론 조사 설문은 방송자가 하나 이상의 주제에 대해 방송을 진행하게 하는데 관심 있음을 표시하고 여론 조사 받는 사용자도 방송을 보는데 관심이 있는지 물을 수 있다(예컨대, “당신의 친구 John Doe는 Jane Doe가 비디오 인코딩에 대해 얘기하게 하는데 관심이 있습니다. 당신은 관심 있습니까?”). 설문에 응답한 피드백에 기반하여, 여론 조사 모듈(206)은 어떤 사용자가 방송에 관심 있는지 뿐만 아니라 관심을 표시한 사용자의 총 수도 결정할 수 있다. 일부 실시예에서, 여론 조사 모듈(206)은 방송에 관심 있는 사용자의 인구통계적 정보(예컨대, 연령 그룹, 성별, 소속, 관심사 등)를 결정한다. 일부 실시예에서, 이러한 정보는 방송자에게 전송되는 통지에 포함될 수 있다. 예를 들어, 방송자에게의 통지는 30명의 사용자가 제1 사용자가 비디오 인코딩에 대해 말하는 것을 듣는데 관심이 있고 이들 사용자 모두는 캘리포니아에 거주한다고 표시할 수 있다.
일부 실시예에서, 주제 모듈(208)은 방송을 위한 주제를 자동으로 제안하도록 구성될 수 있다. 예를 들어, 주제 모듈(208)은 방송자의 소셜 프로필에 명시된 정보(예컨대, 관심사, 취미 등)에 기반하여 주제를 결정할 수 있다. 일부 실시예에서, 주제 모듈(208)은 방송자가 소셜 네트워킹 시스템에서 회원(예컨대, 팬)인 임의의 그룹에 기반하여 주제를 결정할 수 있다. 예를 들어, 소셜 네트워킹 시스템의 다양한 그룹은 하나 이상의 주제와 관련될 수 있다. 방송자가 회원인 그룹과 연관된 주제는 방송의 주제로 제안될 수 있다. 일부 실시예에서, 주제 모듈(208)은 소셜 네트워킹 시스템을 통해 방송자에 의해 발행된 게시물에 기반하여 주제를 결정할 수 있다. 예를 들어, 만약 방송자가 비디오 인코딩, 화산 활동 및 조류 관찰에 관한 주제를 자주 게시한다면, 이러한 주제가 방송의 주제로 제안될 수 있다. 일부 실시예에서, 주제 모듈(208)은 방송자에 대응하는 지리적 위치에 기반하여 주제 제안을 결정할 수 있다. 예를 들어, 만약 방송자가 외국을 여행 중이라면, 제안된 주제는 지리적 위치에 관련될 수 있는데, 몇몇 예를 들자면 문화, 음식, 관광, 관심 지점, 지리적 위치에서 일어나는 이벤트 등이다. 일부 실시예에서, 주제 모듈(208)은 방송자에 대응하는 이벤트에 기반하여 제안된 주제를 결정할 수 있다. 예를 들면, 만약 방송자가 신생아에 대하여 소셜 네트워킹 시스템에 업데이트를 게시했다면, 주제 모듈(208)은 제1 사용자가 새로운 부모라고 결정할 수 있다. 이 결정에 기반하여, 주제 모듈(208)은 아기를 방송을 위해 제안된 주제로 제안할 수 있다.
방송자가 방송을 진행하기로 결정하면, 방송자는 방송을 위한 주어진 시간, 및 선택적으로 방송의 임의의 주제를 선택이나 지정할 수 있다. 이 지정된 정보에 기반하여, 이벤트 모듈(210)은 방송에 대응하는 캘린더 이벤트를 생성할 수 있다. 일부 실시예에서, 이러한 캘린더 이벤트는 방송에 관심을 표현한 사용자의 각 캘린더에 게시될 수 있다. 이러한 캘린더 이벤트는 예를 들어 소셜 네트워킹 시스템을 통해 접근 가능할 수 있다. 일부 실시예에서, 이벤트 모듈(210)은 방송에 관심을 표현한 사용자에게 방송의 세부 사항을 서술하는 통지를 전송할 수 있다. 예를 들어 이러한 통지는 소셜 네트워킹 시스템을 통해 다양한 네트워크 상으로 이메일 및/또는 메시지로 전송될 수 있다.
도 3은 본 명세서의 일실시예에 따른 방송 최적화 모듈(302)의 예시를 도시한다. 일부 실시예에서, 도 1의 방송 최적화 모듈(108)은 방송 최적화 모듈(302)로 구현될 수 있다. 도 3에 도시된 바와 같이, 방송 최적화 모듈(302)은 방송 개시 모듈(304), 참여 예측 모듈(306), 주제 모듈(308) 및 방송 시간 모듈(310)을 포함할 수 있다.
상술한 바와 같이, 방송 최적화 모듈(302)은 방송 사용자(예컨대, 도 7의 소셜 네트워킹 시스템(730)의 사용자)에게 최적의 사용자 참여를 이끌어낼 것으로 예측되는 방송 시간 및/또는 방송 주제와 같은 정보를 제공하도록 구성될 수 있다. 다양한 실시예에서, 소셜 네트워킹 시스템을 통한 방송 진행에 관심 있는 방송자는 방송 개시 모듈(304)와 상호작용하여 방송을 위한 청중을 최적화하기 위한 시간 및/또는 주제를 결정할 수 있다. 방송 개시 모듈(304)은 방송자로부터, 예컨대 인터페이스(예컨대 그래픽 사용자 인터페이스, 애플리케이션 프로그래밍 인터페이스 등)을 통해 이러한 방송 정보 요청을 수신하도록 구성될 수 있다. 예를 들어, 방송자는 방송자의 컴퓨팅 장치 상에서 실행되는 소프트웨어 애플리케이션을 통해 방송 개시 모듈(304)과 상호작용할 수 있다.
방송 정보 요청은 방송을 위한 하나 이상의 파라미터를 제안할 수 있다. 예를 들어, 일부 실시예에서, 요청은 방송자가 방송하기 원하는 시간 및/또는 방송을 위한 하나 이상의 주제를 명시할 수 있다. 이러한 실시예에서, 참여 예측 모듈(306)은 지정된 시간 및 주제 각각에 대한 방송에 접근 또는 시청할 것으로 기대되는 각 청중(예컨대, 사용자의 총 수)를 예측하도록 훈련될 수 있다. 예를 들어, 일부 실시예에서, 참여 예측 모듈(306)은 다양한 입력(예컨대, 방송 시간, 주제 또는 모두)에 기반하여 방송을 위한 청중을 예측하도록 훈련된 하나 이상의 기계 학습 모델을 이용할 수 있다. 일부 실시예에서, 모델은 각각 소셜 네트워킹 시스템을 통해 이전에 진행된 방송을 서술하는 훈련 예시의 세트를 사용하여 훈련될 수 있다. 이러한 실시예에서, 훈련 예시는 다음 특징 중 하나 이상을 포함할 수 있다: 방송을 진행한 사용자의 신원, 방송을 진행한 사용자의 관심사, 방송을 진행한 사용자의 특성, 방송이 진행된 지리적 위치, 방송에 관한 임의의 주제, 방송이 진행된 기간, 방송 기간 동안 소셜 네트워킹 시스템에 접근한 사용자의 소셜 연결 및/또는 팬의 수, 방송 기간 동안 방송이 통지된 온라인인 사용자의 소셜 연결 및/또는 팬의 수, 방송 기간 동안 방송에 접근한(예컨대, 시청한) 온라인인 소셜 연결 및/또는 팬의 수, 방송에 접근한 사용자의 관심사, 방송에 접근하고 반응 세트에서 반응 옵션, 예컨대 좋아요 옵션이나 긍정적/부정적 반응(예컨대, 행복해요, 슬퍼요, 웃겨요, 흥미로워요 등)을 선택한 사용자의 수, 방송에 접근하고 반응 세트에서 반응 옵션, 예컨대 좋아요 옵션이나 반응(긍정적 또는 부정적)을 선택하지 않은 사용자의 수 및 방송에 접근하고 접근하지 않은 사용자의 인구통계. 일례로, 모델은 각각 방송을 진행한 사용자를 식별하는 훈련 예시, 방송이 진행된 기간, 방송에 대응하는 주제 및 방송 기간 동안 방송에 접근한(예컨대, 시청한) 온라인인 팬의 수를 사용하여 훈련될 수 있다. 이 예시에서, 훈련된 모델은 주어진 사용자가 방송을 진행하는 장래의 방송에 접근할 수 있는 청중(예컨대, 사용자의 총 수), 방송이 진행될 기간 및 방송 주제(들)을 예측할 수 있다. 일부 실시예에서, 일반적으로 알려진 컨텐츠 프로세싱 및/또는 음성 인식 기술이 방송과 관련된 임의의 각 주제를 결정하기 위해 이전 방송을 서술하는 데이터에 적용될 수 있다. 이러한 주제는 상술한 바와 같이 기계 학습 모델을 훈련시키는데 사용될 수 있다.
일부 실시예에서, 개시 요청은 방송자가 임의의 주제 명시 없이 방송을 고려하는 하나 이상의 시간을 명시할 수 있다. 이러한 실시예에서, 참여 예측 모듈(306)은 지정된 시간 각각에 대한 방송에 접근 또는 시청할 것으로 기대되는 각 청중(예컨대, 사용자의 총 수)를 예측할 수 있다. 상술한 바와 같이, 참여 예측 모듈(306)은 방송을 위한 청중을 예측하기 위해 하나 이상의 훈련된 기계 학습 모델을 이용할 수 있다. 일례로, 모델은 각각 이전에 방송을 진행한 사용자를 식별하는 훈련 예시, 방송이 진행된 기간 및 방송에 접근한(예컨대, 시청한) 소셜 연결 및/또는 팬의 수를 사용하여 훈련될 수 있다. 이 예시에서, 훈련된 모델은 주어진 사용자가 방송을 진행하는 장래의 방송에 접근할 수 있는 청중(예컨대, 사용자의 총 수) 및 방송 기간(예컨대, 하루 중 시간, 요일, 일자, 월 등)을 예측할 수 있다. 일부 실시예에서, 주제 모듈(308)은 방송을 위한 하나 이상의 주제를 제안하도록 구성될 수 있다. 예를 들어, 주제 모듈(308)은 도 2의 주제 모듈(208)과 관련하여 상술한 바와 같이 사용자를 위한 주제 제안의 세트를 생성할 수 있다. 이러한 실시예에서, 참여 예측 모듈(306)은 어떤 주제 제안이 방송을 위해 가장 큰 청중을 끌어들일 수 있는지 예측하도록 훈련될 수 있다. 예를 들어, 모델은 각각 이전에 방송을 진행한 사용자를 식별하는 훈련 예시, 방송 기간, 방송을 위한 하나 이상의 주제 및 방송에 접근한(예컨대, 시청한) 소셜 연결 및/또는 팬의 수를 사용하여 훈련될 수 있다. 이 예시에서, 훈련된 모델은 주어진 사용자가 방송을 진행하는 장래의 방송에 접근할 수 있는 청중(예컨대, 사용자의 총 수), 방송 기간 및 방송을 위한 주제(들)을 예측할 수 있다.
일부 실시예에서, 개시 요청은 방송을 위한 시간 명시 없이 방송을 위한 하나 이상의 주제를 명시할 수 있다. 이러한 실시예에서, 참여 예측 모듈(306)은 지정된 주제 각각에 대한 방송에 접근 또는 시청할 것으로 기대되는 각 청중(예컨대, 사용자의 총 수)를 예측하도록 훈련될 수 있다. 예를 들어, 모델은 각각 이전에 방송을 진행한 사용자를 식별하는 훈련 예시, 방송을 위한 하나 이상의 주제 및 사용자의 방송에 접근한(예컨대, 시청한) 팬의 수를 사용하여 훈련될 수 있다. 이 예시에서, 훈련된 모델은 주어진 사용자가 방송을 진행하는 장래의 방송에 접근할 수 있는 청중(예컨대, 사용자의 총 수) 및 방송을 위한 주제(들)을 예측할 수 있다. 상술한 바와 같이, 일부 실시예에서, 참여 예측 모듈(306)은 어떤 시간이 방송을 위해 가장 큰 청중을 끌어들일 수 있는지 예측하도록 훈련될 수 있다. 일부 실시예에서, 방송 시간 모듈(310)은 상이한 기간(예컨대, 하루 중 시간, 요일, 일자, 월 등)을 모델에 입력으로 제공하여 각 청중이 주어진 기간 동안 사용자에 의한 방송을 시청하도록 기대되는지 결정하도록 구성될 수 있다. 모델로부터의 출력에 기반하여, 방송 시간 모듈(310)은 방송을 위해 가장 큰 청중을 끌어들일 수 있는 하나 이상의 최적의 기간을 결정할 수 있다. 방송 시간 모듈(310)은 방송자에게 제안으로 하나 이상의 최적의 기간을 제공할 수 있다. 당연히, 본 명세서에 서술된 모델은 방송을 진행하는 사용자의 신원을 알지 못하며 방송이 진행될 수 있는 다양한 기간 및/또는 방송의 주제에 대한 청중을 예측하도록 훈련될 수 있다.
일반적으로, 본 명세서에 서술된 모델은 과거의 방송(예컨대, 라이브 컨텐츠 스트리밍) 및/또는 온-디맨드 컨텐츠 스트리밍(예컨대, 사용자가 게시한 사전 녹화된 컨텐츠 아이템)을 서술하는 데이터를 사용하여 훈련될 수 있다. 일부 경우에, 사용자는 모델이 정확하게 청중을 예측하도록 훈련될 수 있을 만큼 과거에 충분한 방송을 진행하지 않았을 수 있다. 일부 실시예에서, 과거 방송으로부터의 데이터에만 의존하지 않고, 본 명세서에 서술된 모델은 소셜 네트워킹 시스템을 통해 발행된 방송자의 게시물에 기반하여 훈련될 수 있다. 예를 들어, 모델은 각각 방송자가 이전에 발행한 게시물을 서술하는 훈련 예시의 세트를 사용하여 훈련될 수 있다. 이러한 실시예에서, 훈련 예시는 다음 특징 중 하나 이상을 포함할 수 있다: 게시한 방송자의 신원, 방송자의 관심사, 방송자의 특성(예컨대, 소셜 네트워킹 시스템이 관리하는 소셜 그래프에서 사용 가능한 사용자를 서술하는 정보), 게시물이 제출된 지리적 위치, 게시물과 연관된 임의의 주제, 게시물과 연관된 타임스탬프, 게시물을 “좋아요”하는 옵션을 선택한 사용자의 소셜 연결 및/또는 팬의 수(또는 사용자 참여, 예컨대 열람, 코멘트 공유의 다른 측정) 및 게시물이 가장 많은 사용자 참여(예컨대, 좋아요, 열람, 코멘트, 공유 등)를 수신한 기간(예컨대, 하루 중 시간, 요일, 일자, 월 등). 일례로, 모델은 각각 게시한 사용자를 식별하는 훈련 예시, 게시물과 연관된 임의의 주제, 게시물이 가장 많은 사용자 참여를 받은 하루 중 기간, 게시물에 접근한 사용자의 관심사, 게시물에 접근하고 반응의 세트에서 반응 옵션(예컨대, 행복해요, 슬퍼요, 웃겨요, 흥미로워요 등)을 선택한 사용자의 수, 게시물에 접근하지 않은 사용자의 관심사, 게시물에 접근하고 반응 옵션, 예컨대 좋아요 옵션이나 반응 세트에서 반응(예컨대, 긍정적 또는 부정적)을 선택하지 않은 사용자의 수 및 게시물에 접근하고 접근하지 않은 사용자의 인구통계를 사용하여 훈련될 수 있다. 이 예시에서, 훈련된 모델은 주어진 사용자의 장래의 방송에 접근할 수 있는 청중(예컨대, 사용자의 총 수), 방송 기간 및 방송을 위한 주제(들)을 예측할 수 있다. 상술한 바와 같이, 일부 경우에, 사용자는 모델이 정확하게 청중을 예측하도록 훈련될 수 있을 만큼 과거에 충분한 방송을 진행하지 않았을 수 있다. 따라서, 일부 실시예에서, 본 명세서에 서술되는 모델은 사용자가 과거에 방송을 진행한 다른 방송자와 얼마나 유사한지에 기반하여 사용자를 위한 방송 제안을 제공하도록 훈련될 수 있다. 예를 들어, 방송자간의 유사성이 몇몇 예를 들자면 그 신원, 관심사, 특성, 방송 위치 및 방송 시간에 기반하여 결정될 수 있다.
주어진 방송을 시청하도록 기대되는 청중을 예측하는데 추가로, 본 명세서에 서술되는 모델은 사용자가 주어진 사용자에 의해 제시되는 방송에 접근할 것으로 기대되는 평균 길이, 사용자가 주어진 기간에 걸쳐 제시되는 방송에 접근할 것으로 기대되는 평균 길이 및/또는 사용자가 주어진 주제에 대해 제시되는 방송에 접근할 것으로 기대되는 평균 길이와 같은 다른 형태의 사용자 참여를 예측하도록 훈련될 수 있다. 모델의 다른 예시는 일부 예시를 들자면 방송을 “좋아요”하는 옵션을 선택할 것, 방송에 응답하여 코멘트를 게시할 것, 방송을 공유할 것으로 기대되는 사용자의 수를 예측하도록 훈련될 수 있다. 일부 실시예에서, 청중을 예측할 때, 모델은 방송에 대해 기대되는 사용자 참여를 측정하는 점수를 출력할 수 있다. 예를 들어, 점수는 방송을 시청할 것으로 기대되는 사용자의 수, 방송을 시청할 것으로 기대되는 평균 기간 및/또는 방송과 상호작용(예컨대, 좋아요, 코멘트, 공유 등)할 것으로 기대되는 사용자의 수에 기반할 수 있다. 일부 실시예에서, 모델은 방송을 진행하는 기간에 있어 사용자에게 제안을 제공할 수 있다. 이들 제안은 예컨대 사용자가 방송을 시청할 것으로 기대되는 평균 기간에 부분적으로 결정될 수 있다. 일례로, 기간 제안은 하루 중 시간에 기반하여 영향 받을 수 있다. 예를 들어, 아침(예컨대, 아침 식사 시간)에 진행되는 방송을 위한 기간 제안은 저녁(예컨대, 업무 시간 후)에 진행되는 방송을 위한 것보다 짧을 수 있다. 일부 실시예에서, 방송 주제 제안을 제공할 때, 모델은 방송에 접근할 것으로 기대되는 청중의 각 관심사에 부분적으로 기반하여 주제 제안을 결정할 수 있다. 예를 들어, 사용자는 각 소실 프로필에 관심사를 명시할 수 있거나, 일부 경우에, 그들이 접근하는 컨텐츠 타입에 기반하여 관심사를 나타낼 수 있다. 이러한 사용자 관심사는 한 주제에 대한 제안에 영향을 미치는데 사용될 수 있다.
도 4는 본 명세서의 일실시예에 따른 방송 제안 모듈(402)의 예시를 도시한다. 일부 실시예에서, 도 1의 방송 제안 모듈(110)은 방송 제안 모듈(402)로 구현될 수 있다. 도 4에 도시된 바와 같이, 방송 제안 모듈(402)은 참여 예측 모듈(404), 청중 생성 모듈(406) 및 이벤트 통지 모듈(408)을 포함할 수 있다. 일부 실시예에서, 도 3의 참여 예측 모듈(306)은 참여 예측 모듈(404)로 구현될 수 있다.
상술한 바와 같이, 방송 제안 모듈(402)은 (예컨대, 도 7의 소셜 네트워킹 시스템(730)의 사용자)방송자를 위해 방송 이벤트를 자동으로 결정하도록 구성될 수 있다. 일부 실시예에서, 방송 제안 모듈(402)은 방송을 위한 청중도 생성할 수 있다. 방송 이벤트를 위한 청중이 확립되면, 방송 제안 모듈(402)은 방송자에게 방송을 제안하는 통지를 제공할 수 있다. 방송 제안 모듈(402)에 의해 수행되는 동작은 구현에 따라 다르게 트리거링될 수 있다. 예를 들어, 일부 실시예에서, 동작은 랜덤으로 트리거링될 수 있다. 일부 실시예에서, 동작은 방송자가 인생 이벤트(예컨대, 사용자가 약혼함, 결혼함, 아기를 낳음 등)를 겪을 때 트리거링될 수 있다. 이러한 인생 이벤트는 예컨대, 미디어 아이템, 게시물 및/또는 방송자의 소셜 프로필 업데이트(예컨대, 결혼 상태를 표시하도록 프로필 업데이트)를 게시하는 것을 포함하여 방송자의 소셜 네트워킹 시스템을 통한 행위에 기반하여 결정될 수 있다. 일부 실시예에서, 동작은 방송자가 집 지리적 영역 외부를 여행 중이라고 결정할 때 트리거링될 수 있다.
다양한 실시예에서, 참여 예측 모듈(404)은 하나 이상의 기계 학습 모델을 사용하여 방송자를 위한 청중을 예측할 수 있다. 예를 들어, 일부 실시예에서, 참여 예측 모듈(404)은 방송자가 임의의 주제에 대해 임의의 때에 방송을 진행한다면 방송자를 위한 청중을 예측하도록 훈련된 모델을 이용할 수 있다. 일부 실시예에서, 참여 예측 모듈(404)은 방송자가 임의의 주제(또는 주제들)에 대해 방송을 진행한다면 방송자를 위한 청중을 예측하도록 훈련된 모델을 이용할 수 있다. 일부 실시예에서, 참여 예측 모듈(404)은 방송자가 임의의 때에 방송을 진행한다면 방송자를 위한 청중을 예측하도록 훈련된 모델을 이용할 수 있다. 일부 실시예에서, 참여 예측 모듈(404)은 방송자가 주어진 때에 임의의 주제(또는 주제들)에 대해 방송을 진행한다면 방송자를 위한 청중을 예측하도록 훈련된 모델을 이용할 수 있다. 일부 실시예에서, 참여 예측 모듈(404)은 방송자가 특정 지리적 위치 및/또는 관심 지점에서 방송을 진행한다면 방송자를 위한 청중을 예측하도록 훈련된 모델을 이용할 수 있다. 이러한 모델은 상술한 다양한 훈련 예시를 사용하여 훈련될 수 있다. 일부 실시예에서, 참여 예측 모듈(404)은 방송자가 하나 이상의 다른 사용자와 공동 방송자로 방송을 진행한다면 방송자를 위한 청중을 예측하도록 훈련된 모델을 이용할 수 있다. 예를 들어, 방송자가 특정 공동 방송자를 추가하는 것이(공동 방송자의 지리적 위치와 관계 없이) 더 큰 청중 및/또는 청중으로부터의 더 호의적인 반응을 야기할 수 있다고 통지 받을 수 있다. 일부 실시예에서, 참여 예측 모듈(404)은 방송을 위한 감독 제안을 제공하도록 훈련된 모델을 이용할 수 있다. 이러한 모델은 일부 예시적 특징을 들자면 사용되는 조명 타입, 방송자의 위치, 카메라 각도(예컨대, 배경에 대한 방송자 얼굴의 비율), 방송 동안 재생되는 음악 타입, 방송 동안 주변 노이즈, 사용되는 카메라 효과 타입을 명시하는 과거 방송 데이터를 사용하여 훈련될 수 있다. 이들 특징은 상술한 바와 같이 방송에 접근한 청중을 서술하는 라벨의 세트를 사용하여 훈련될 수 있다. 이들 특징의 예시는 오디오 및 비디오 프로세싱을 위한 일반적으로 알려진 기술을 사용하여 결정될 수 있다. 훈련되면, 이들 모델은 방송자에게 다음 방송을 위한 다양한 감독 제안을 제공하는데 이용될 수 있다.
일부 실시예에서, 청중 생성 모듈(406)은 청중 예측이 임계치(예컨대, 방송을 시청할 것으로 기대되는 사용자의 최소수)를 충족하는지 여부를 결정할 수 있다. 만약 임계치가 충족된다면, 청중 생성 모듈(406)은 방송을 위한 청중을 구축하도록 구성될 수 있다. 구현에 따라, 임계치는 사용자, 주제 및/또는 방송 시간에 따라 달라질 수 있다. 일부 실시예에서, 청중 생성 모듈(406)이 청중을 구축하는데 임계치가 충족될 필요가 없다. 청중을 구축할 때, 청중 생성 모듈(406)은 방송을 시청하는데 관심이 있을 수 있는 사용자에게 통지를 전송할 수 있다. 예를 들어, 사용자 통지가 통지되는 사용자의 컨텐츠 피드에 표시될 수 있다. 일부 실시예에서, 청중 생성 모듈(406)은 방송자 및/또는 방송자의 팬으로 소셜 네트워킹 시스템에 의해 다르게 식별된 사용자에 대응하는 페이지를 “좋아요”하거나 “팬”하는 옵션을 선택한 사용자에게 통지할 수 있다. 일부 실시예에서, 통지되는 사용자는 소셜 네트워킹 시스템에 의해 방송자의 소셜 연결(예컨대, 1도 소셜 연결)로 인식될 수 있다. 일부 실시예에서, 통지되는 사용자는 방송자로부터 추가 이격도(예컨대, 2도 소셜 연결, 3도 소셜 연결 등)를 가질 수 있다. 일부 실시예에서, 사용자에게 통지할 때, 방송을 시청하는데 관심 있는 사용자의 수를 결정하기 위해 청중 생성 모듈(406)은 사용자에게 여론 조사도 할 수 있다.
이벤트 통지 모듈(408)은 방송 이벤트 제안을 서술하는 정보를 포함하는 통지를 방송자에게 전송하도록 구성될 수 있다. 이러한 정보는 일부 예를 들자면 이벤트에 대해 기대되는 청중, 제안된 주제(들), 방송을 진행할 기간(들) 제안, 방송을 진행할 지리적 위치(들) 제안을 가리킬 수 있다. 일부 실시예에서, 다수의 주제가 제안될 때, 방송자에게 다수의 주제를 논의할 순서 제안이 제공될 수 있다. 일부 실시예에서, 예를 들어 감정 분석 기술을 사용하여 방송자에게 특정 주제 커버를 중단하고 다른 주제로 넘어가거나 주제를 논의할 순서를 수정하도록 실시간 제안을 제공하기 위하여 청중 피드백(예컨대, 반응, 코멘트 등)이 분석될 수 있다. 일부 경우에, 관련된 방송(예컨대, 관련된 주제, 공유된 청중 등)을 진행할 계획을 세우는 두 상이한 방송자는 동시에 및/또는 같은 위치에서 방송할 제안이 제공될 수 있다. 청중이 분할될 수 있는 방송이 충돌하는 것을 막기 위하여, 일부 실시예에서, 이러한 방송자는 방송에 시차를 두도록 제안이 제공될 수 있다. 예를 들어, 제1 방송자는 제1 기간 동안 방송을 진행하도록 요청될 수 있고 제2 방송자는 지연된 제2 기간 동안 방송을 진행하도록 요청될 수 있다. 일부 실시예에서, 방송자는 방송자가 진행하는 방송을 시청하도록 기대되는 청중의 임계치(예컨대, 사용자의 최소수)를 명시할 수 있다. 이러한 실시예에서, 이벤트 통지 모듈(408)은 명시된 임계치가 충족되지 않으면 방송자에게 통지를 전송하지 않는다.
도 5는 본 명세서의 다양한 실시예에 따른 컨텐츠 방송을 요청하는 프로세스(500)의 예시를 도시한다. 다르게 언급되지 않으면 본 명세서에 서술된 다양한 실시예의 범위 내에서 유사하거나 대안적인 순서로, 또는 병행하여 수행되는 추가적이거나, 더 적거나, 대안적인 단계가 있을 수 있음을 이해하여야 한다.
블록(502)에서, 제1 사용자가 소셜 네트워킹 시스템을 통해 컨텐츠 방송을 개시하기 위한 요청의 결정이 이루어지고, 요청은 제2 사용자에 의해 전송된다. 블록(504)에서, 방송을 위한 하나 이상의 파라미터가 결정된다. 블록(506)에서, 요청을 서술하는 적어도 하나의 통지가 제1 사용자에게 제공되고, 통지는 하나 이상의 파라미터를 서술하는 정보를 포함한다.
도 6은 본 명세서의 다양한 실시예에 따른 컨텐츠 방송을 위한 정보를 결정하는 프로세스(600)의 예시를 도시한다. 다르게 언급되지 않으면 본 명세서에 서술된 다양한 실시예의 범위 내에서 유사하거나 대안적인 순서로, 또는 병행하여 수행되는 추가적이거나, 더 적거나, 대안적인 단계가 있을 수 있음을 이해하여야 한다.
블록(602)에서, 소셜 네트워킹 시스템을 통해 컨텐츠 방송을 진행하기 위한 정보를 결정하기 위하여 방송자로부터의 요청의 결정이 이루어진다. 블록(604)에서, 방송을 위한 하나 이상의 파라미터가 이전에 진행된 방송을 서술하는 데이터에 적어도 부분적으로 기반하여 하나 이상의 파라미터를 예측하도록 훈련된 기계 학습 모델을 사용하여 결정된다. 블록(606)에서, 하나 이상의 파라미터를 서술하는 정보가 방송자에게 제공된다.
본 명세서의 다양한 실시예와 연관된 많은 다른 사용, 응용 및/또는 변형이 있을 수 있음을 고려한다. 예를 들어, 일부 경우에서, 사용자는 개시된 기술을 이용할 것인지 여부를 선택할 수 있다. 또한, 개시된 기술은 다양한 사생활 설정 및 선호가 유지되고 개인 정보가 유출되는 것을 방지할 수 있음을 보장할 수 있다. 다른 예시에서, 본 명세서의 다양한 실시예는 시간에 걸쳐 학습, 개선 및/또는 개량될 수 있다.
소셜 네트워킹 시스템 - 구현의 예시
도 7은 본 명세서의 일실시예에 따른 다양한 시나리오에서 이용될 수 있는 소셜 네트워킹 시스템(700)의 예시를 포함하는 시스템의 예시의 네트워크도를 도시한다. 시스템(700)은 하나 이상의 사용자 장치(710), 하나 이상의 외부 시스템(720), 소셜 네트워킹 시스템(또는 서비스)(730) 및 네트워크(750)를 포함한다. 일실시예로, 전술한 실시예들과 연계하여 논의된 소셜 네트워킹 서비스, 제공자 및/또는 시스템은 소셜 네트워킹 시스템(730)으로 구현될 수 있다. 예시적인 목적을 위해, 도 7에 의해 도시된 시스템(700)의 실시예는 단일 외부 시스템(720) 및 단일 사용자 장치(710)를 포함한다. 그러나, 다른 실시예로, 시스템(700)은 더 많은 사용자 장치(710) 및/또는 더 많은 외부 시스템(720)을 포함할 수 있다. 특정 실시예로, 소셜 네트워킹 시스템(730)은 소셜 네트워크 제공자에 의해 운영되는 반면, 외부 시스템(720)은 다른 엔터티에 의해 운영될 수 있다는 점에서 소셜 네트워킹 시스템(730)과 구별된다. 그러나, 다양한 실시예로, 소셜 네트워킹 시스템(730) 및 외부 시스템(720)은 소셜 네트워킹 시스템(730)의 사용자(또는 회원)에게 소셜 네트워킹 서비스를 제공하기 위하여 함께 동작한다. 이러한 점에서, 소셜 네트워킹 시스템(730)은 외부 시스템(720)과 같은 다른 시스템이 인터넷을 통해 사용자들에게 소셜 네트워킹 서비스 및 기능을 제공하기 위하여 사용할 수 있는 플랫폼 또는 백본을 제공한다.
사용자 장치(710)는 사용자로부터 입력을 수신하고 네트워크(750)를 통해 송수신할 수 있는 하나 이상의 컴퓨팅 장치(또는 시스템)를 포함한다. 일 실시예로, 사용자 장치(710)는 예컨대, 마이크로소프트 윈도우-호환 운영 시스템(OS), 애플 OS X 및/또는 리눅스 배포판을 실행하는 종래 컴퓨터 시스템이다. 다른 실시예로, 사용자 장치(710)는 컴퓨팅 장치 또는 가령 스마트폰, 태블릿, PDA(personal digital assistant), 모바일 전화, 랩탑 컴퓨터, 웨어러블 장치(예컨대, 안경, 시계, 팔찌 등) 등과 같은 컴퓨터 기능을 갖는 장치일 수 있다. 사용자 장치(710)는 네트워크(750)를 통해 통신하도록 구성된다. 사용자 장치(710)는 애플리케이션, 예컨대 사용자 장치(710)의 사용자가 소셜 네트워킹 시스템(730)과 상호작용할 수 있게 하는 브라우저 애플리케이션을 실행할 수 있다. 다른 실시예로, 사용자 장치(710)는 iOS 및 ANDROID와 같이 사용자 장치(710)의 네이티브 운영 시스템에 의해 제공되는 애플리케이션 프로그래밍 인터페이스(API)를 통하여 소셜 네트워킹 시스템(730)과 상호작용한다. 사용자 장치(710)는 네트워크(750)를 통해 외부 시스템(720) 및 소셜 네트워킹 시스템(730)과 통신하도록 구성되는데, 유선 및/또는 무선 통신 시스템을 사용하는 근거리 및/또는 원거리 네트워크의 조합을 포함할 수 있다.
일실시예로, 네트워크(750)는 표준 통신 기술 및 프로토콜을 사용한다. 따라서, 네트워크(750)는 Ethernet, 802. 11, WiMAX(worldwide interoperability for microwave access), 3G, 4G, CDMA, GSM, LTE, DSL(digital subscriber line) 등과 같은 기술을 사용하는 링크를 포함할 수 있다. 유사하게, 네트워크(750)에서 사용되는 네트워크 프로토콜은 MPLS(multiprotocol label switching), TCP/IP(transmission control protocol/Internet protocol), UDP(User Datagram Protocol), HTTP(hypertext transport protocol), SMTP(simple mail transfer protocol), FTP(file transfer protocol) 등을 포함할 수 있다. 네트워크(750) 상에서 교환되는 데이터는 HTML(hypertext markup language) 및 XML(extensible markup language)을 포함하는 기술 및/또는 포맷을 사용하여 표현될 수 있다. 추가로, 모든 또는 일부 링크는 SSL(secure sockets layer), TLS(transport layer security), 및 IPsec(Internet Protocol security)와 같은 종래의 암호화 기술을 사용하여 암호화될 수 있다.
일실시예로, 사용자 장치(710)는 브라우저 애플리케이션(712)을 사용하여, 외부 시스템(720) 및 소셜 네트워킹 시스템(730)으로부터 수신된 마크업 언어 문서(714)를 프로세싱함으로써 외부 시스템(720) 및/또는 소셜 네트워킹 시스템(730)으로부터의 컨텐츠를 디스플레이할 수 있다. 마크업 언어 문서(714)는 컨텐츠 및 컨텐츠의 포맷과 표현을 기술하는 하나 이상의 명령어들을 식별한다. 마크업 언어 문서(714)에 포함된 명령어들을 실행하는 것에 의해, 브라우저 애플리케이션(712)은 마크업 언어 문서(714)에 의해 기술된 포맷 및 표현을 사용하여 식별된 컨텐츠를 디스플레이한다. 예컨대, 마크업 언어 문서(714)는 외부 시스템(720) 및 소셜 네트워킹 시스템(730)으로부터 검색된 텍스트 및/또는 이미지 데이터를 포함하는 다수의 프레임을 갖는 웹페이지를 생성하고 디스플레이하기 위한 명령어들을 포함한다. 다양한 실시예로, 마크업 언어 문서(714)는 확장형 마크업 언어(XML) 데이터, 확장형 하이퍼텍스트 마크업 언어(XHTML) 데이터, 또는 다른 마크업 언어 데이터를 포함하는 데이터 파일을 포함한다. 추가로, 마크업 언어 문서(714)는 JSON(JavaScript Object Notation) 데이터, 패딩(padding)을 갖는 JSON(JSONP), 및 외부 시스템(720)과 사용자 장치(710) 사이의 데이터 상호교환을 용이하게 하는 자바스크립트 데이터를 포함할 수 있다. 사용자 장치(710)상의 브라우저 애플리케이션(712)은 마크업 언어 문서(714)를 디코딩하기 위해 자바스크립트 컴파일러를 사용할 수 있다.
마크업 언어 문서(714)는 또한, FLASH™ 또는 Unity™ 애플리케이션들, SilverLight™ 애플리케이션 프레임워크(framework) 등과 같은 애플리케이션 또는 애플리케이션 프레임워크를 포함하거나 링크할 수 있다.
일실시예로, 사용자 장치(710)는 또한, 사용자 장치(710)의 사용자가 소셜 네트워킹 시스템(730)으로 로그되는지 여부를 표시하는 데이터를 포함하는 하나 이상의 쿠키(716)를 포함하고, 이는 소셜 네트워킹 시스템(730)으로부터 사용자 장치(710)로 통신되는 데이터의 수정을 가능하게 할 수 있다.
외부 시스템(720)은, 네트워크(750)를 사용하여 사용자 장치(710)로 통신되는 하나 이상의 웹 페이지들(722a, 722b)을 포함하는 하나 이상의 웹 서버들을 포함한다. 외부 시스템(720)은 소셜 네트워킹 시스템(730)과 구별된다. 예컨대, 외부 시스템(720)은 제1 도메인과 연관되는 반면, 소셜 네트워킹 시스템(730)은 개별 소셜 네트워킹 도메인과 연관된다. 외부 시스템(720)에 포함된 웹 페이지들(722a, 722b)는 컨텐츠를 식별하고 식별된 컨텐츠의 포맷 및 표현을 특정하는 명령어들을 포함하는 마크업 언어 문서(714)를 포함한다. 전술한 바와 같이, 많은 변형 또는 다른 가능성이 있을 수 있음을 이해할 것이다.
소셜 네트워킹 시스템(730)은 복수의 사용자들을 포함하는 소셜 네트워크를 위해 소셜 네트워크의 사용자들에게 소셜 네트워크의 다른 사용자들과 통신하고 상호작용하는 능력을 제공하는 하나 이상의 컴퓨팅 장치를 포함한다. 일부 예에서, 소셜 네트워크는 그래프 즉, 에지 및 노드를 포함하는 데이터 구조로 표현될 수 있다. 데이터베이스, 객체, 분류, 메타 요소, 파일 또는 임의의 다른 데이터 구조를 포함하나 그에 제한되지 않는 다른 데이터 구조가 또한 소셜 네트워크를 표현하기 위하여 사용될 수 있다. 소셜 네트워킹 시스템(730)은 운영자에 의해 운영, 관리, 또는 제어될 수 있다. 소셜 네트워킹 시스템(730)의 운영자는 소셜 네트워킹 시스템(730) 내의 컨텐츠를 관리하거나, 정책을 조정하거나, 사용 메트릭스를 수집하는 인간, 자동화된 애플리케이션 또는 일련의 애플리케이션들일 수 있다. 임의 유형의 운영자가 사용될 수 있다.
사용자들은 소셜 네트워킹 시스템(730)에 가입할 수 있고, 이후 그들이 연결되고자 하는 소셜 네트워킹 시스템(730)의 임의의 수의 다른 사용자들에 대한 연결을 추가할 수 있다. 본 명세서에서 사용되는 용어 "친구"는, 사용자가 소셜 네트워킹 시스템(730)을 통해 연결, 연관, 또는 관계를 형성한 소셜 네트워킹 시스템(730)의 임의의 다른 사용자를 의미한다. 예컨대, 일실시예로, 소셜 네트워킹 시스템(730)에서의 사용자들이 소셜 그래프에서 노드로 표현된다면, 용어 "친구"는 2개의 사용자 노드를 직접 연결하고 그 사이에 형성되는 에지를 의미할 수 있다.
연결은 사용자에 의해 명시적으로 추가되거나 사용자의 공통의 특징(예컨대, 동일한 교육 기관의 졸업생들인 사용자들)에 기반하여 소셜 네트워킹 시스템(730)에 의해 자동으로 생성될 수 있다. 예컨대, 제1 사용자는 구체적으로 특정의 다른 사용자를 친구로 선택한다. 소셜 네트워킹 시스템(730)에서의 연결은 보통 양방향이지만, 그럴 필요는 없고, 따라서 용어들 "사용자" 및 "친구"는 준거 기준(frame of reference)에 따른다. 소셜 네트워킹 시스템(730)의 사용자들 사이의 연결은 보통 양방향("쌍방향"), 또는 "상호적"이지만, 연결들은 또한, 일방적, 또는 "일방향"일 수 있다. 예컨대, Bob과 Joe가 모두 소셜 네트워킹 시스템(730)의 사용자들이고 서로에게 연결되어있다면, Boe과 Joe는 서로의 연결들이다. 반면에, Bob이 소셜 네트워킹 시스템(730)으로 Joe에 의해 통신되는 데이터를 열람하기 위해 Joe에게 연결하기를 희망한지만, Joe가 상호 연결을 형성하기를 희망하지 않는다면, 일방향 연결이 확립될 수 있다. 사용자들 사이의 연결은 직접적인 연결일 수 있지만, 소셜 네트워킹 시스템(730)의 일부 실시예들은 하나 이상의 연결 레벨 또는 이격도를 통한 간접적인 연결을 허용한다.
사용자들 사이의 연결을 확립 및 관리하고 사용자들 사이의 상호작용을 허용하는 것에 추가로, 소셜 네트워킹 시스템(730)은 사용자들에게 소셜 네트워킹 시스템(730)에 의해 지원되는 다양한 타입의 아이템들에 대해 행위를 수행할 능력을 제공한다. 이러한 아이템들을, 소셜 네트워킹 시스템(730)의 사용자들이 속할 수 있는 그룹들 또는 네트워크들(즉, 사람들, 엔티티들, 및 컨셉들의 소셜 네트워크), 사용자가 관심있을 수 있는 이벤트 또는 캘린더 엔트리들, 사용자가 소셜 네트워킹 시스템(730)을 통해 사용할 수 있는 컴퓨터-기반의 애플리케이션들, 사용자가 소셜 네트워킹 시스템(730)에 의해 제공되거나 소셜 네트워킹 시스템(730)을 통한 서비스를 통해 아이템들을 사거나 팔 수 있도록 하는 거래들, 사용자가 소셜 네트워킹 시스템(730) 내에서 혹은 밖에서 수행할 수 있는 광고와의 상호작용들을 포함할 수 있다. 이들은 사용자가 소셜 네트워킹 시스템(730)에 대해 행동할 수 있는 아이템들의 몇몇 예시에 불과하며, 많은 다른 예들이 가능하다. 사용자는 소셜 네트워킹 시스템(730)에서 또는 소셜 네트워킹 시스템(730)과 분리되거나 네트워크(750)를 통해 소셜 네트워킹 시스템(730)으로 연결된 외부 시스템(720)에서, 표현될 수 있는 어떤 것과도 상호작용할 수 있다.
소셜 네트워킹 시스템(730)은 또한, 다양한 엔티티들을 링크할 수 있다. 예컨대, 소셜 네트워킹 시스템(730)은 사용자들이 서로 상호작용할 수 있게 할 뿐 아니라 외부 API, 웹서비스, 또는 다른 통신 채널을 통하여 외부 시스템(720) 또는 다른 엔터티들과 상호작용할 수 있게 한다. 소셜 네트워킹 시스템(730)은 복수의 에지에 의해 상호연결된 복수의 노드를 포함하는 "소셜 그래프"를 생성하고 관리한다. 소셜 그래프에서의 각각의 노드는 다른 노드에 대해 행동할 수 있거나 및/또는 다른 노드가 행동할 수 있는 엔티티를 표현할 수 있다. 소셜 그래프는 다양한 타입의 노드들을 포함할 수 있다. 노드의 타입의 예들은 사용자들, 비-인간 엔티티들, 컨텐츠 아이템, 웹 페이지, 그룹, 활동, 메시지, 컨셉, 및 소셜 네트워킹 시스템(730)에서 객체에 의해 표현될 수 있는 임의의 다른 것들을 포함한다. 소셜 그래프에서 두 노드 사이의 에지는 두 노드 사이의 특정 종류의 연결 또는 연관을 나타낼 수 있으며, 이는 노드 관계 또는 노드들 중 하나에 의해 다른 노드에 수행되었던 행위로부터의 결과일 수 있다. 일부 경우에서, 노드 사이의 에지에는 가중치가 부과될 수 있다. 에지의 가중치는 노드 사이의 연결 또는 연관의 강도와 같은 에지와 연관된 속성을 표현할 수 있다. 상이한 타입의 에지에는 상이한 가중치가 제공될 수 있다. 예컨대, 한 명의 사용자가 다른 사용자를 "좋아요"할 때 생성된 에지에는 하나의 가중치가 부여될 수 있는 한편, 사용자가 다른 사용자를 친구로 삼을 때 생성된 에지에는 상이한 가중치가 부여될 수 있다.
예로서, 제1 사용자가 제2 사용자를 친구로 식별할 때, 소셜 그래프에서의 에지는 제1 사용자를 표현하는 노드와 제2 사용자를 표현하는 제2 노드를 연결하도록 생성된다. 다양한 노드들이 관련되거나 상호작용함에 따라, 소셜 네트워킹 시스템(730)은 관계 또는 상호작용을 반영하기 위하여 다양한 노드들을 연결하는 에지를 변경한다.
소셜 네트워킹 시스템(730)은 또한, 소셜 네트워킹 시스템(730)과의 사용자 상호작용을 향상시키는 사용자-생성된 컨텐츠를 포함한다. 사용자-생성된 컨텐츠는, 사용자가 소셜 네트워킹 시스템(730)에 추가, 업로드, 전송 또는 "게시"할 수 있는 모든 것을 포함할 수 있다. 예컨대, 사용자는 사용자 장치(710)로부터 소셜 네트워킹 시스템(730)에 게시물을 통신한다. 포스트는 상태 업데이트 또는 임의의 텍스트형 데이터와 같은 데이터, 지역 정보, 사진과 같은 이미지, 비디오, 음악 또는 다른 유사한 데이터 및/또는 미디어를 포함할 수 있다. 컨텐츠는 또한 제3자에 의해 소셜 네트워킹 시스템(730)에 추가될 수 있다. 컨텐츠 "아이템"들은 소셜 네트워킹 시스템(730)에서 객체로 표현될 수 있다. 이러한 방식으로, 소셜 네트워킹 시스템(730)의 사용자들은, 다양한 통신 채널을 통해 미디어의 다양한 타입의 텍스트 및 컨텐츠 아이템을 게시함으로써 서로와 통신하도록 장려된다. 이러한 통신은 사용자들 서로간의 상호작용을 증가시키고 사용자가 소셜 네트워킹 시스템(730)과 상호작용하는 빈도를 증가시킨다.
소셜 네트워킹 시스템(730)은 웹 서버(732), API 요청 서버(734), 사용자 프로필 스토어(736), 연결 스토어(738), 행위 로거(740), 활동 로그(742) 및 인증 서버(744)를 포함한다. 본 발명의 일실시예로, 소셜 네트워킹 시스템(730)은 다양한 애플리케이션을 위해 추가의, 더 적은 수의, 혹은 상이한 컴포넌트들을 포함할 수 있다. 네트워크 인터페이스, 보안 메커니즘, 로드 균형기(load balancer), 장애복구 서버(failover server), 관리 및 네트워크 운영 콘솔 등과 같은 다른 컴포넌트들은 시스템의 세부사항을 불명확하게 만들지 않기 위해 도시되지 않는다.
사용자 프로필 스토어(736)는, 사용자에 의해 선언되었거나 소셜 네트워킹 시스템(730)에 의해 추론된 경력, 학력, 취미 또는 선호도, 위치 등과 같은 인명적, 인구학적, 및 다른 타입의 기술적 정보를 포함하는 사용자 계정에 관한 정보를 관리한다. 정보는 각 사용자가 고유하게 식별되도록 사용자 프로필 스토어(736)에 저장된다. 소셜 네트워킹 시스템(730)은 또한 연결 스토어(738)에 서로 다른 사용자들 사이의 하나 이상의 연결을 기술하는 데이터를 저장한다. 연결 정보는 유사하거나 공통되는 경력, 그룹 멤버쉽, 취미, 또는 학력을 갖는 사용자들을 표시할 수 있다. 추가로, 소셜 네트워킹 시스템(730)은 상이한 사용자들 사이의 사용자-정의된 연결을 포함하여, 사용자들이 다른 사용자들과의 그들의 관계를 특정할 수 있도록 한다. 예컨대, 사용자-정의된 연결은 사용자가 사용자의 실제-삶에서의 관계들, 가령 친구들, 동료들, 파트너들 등에 필적하는 다른 사용자들과의 관계를 생성할 수 있도록 한다. 사용자는 기정의된 연결 타입으로부터 선택될 수 있거나, 필요에 따라 스스로 연결 타입을 정의할 수 있다. 소셜 네트워킹 시스템(730)에서의 다른 노드들과의 연결, 가령 비-인간 엔티티들, 버킷, 클러스터 센터, 이미지, 관심사, 페이지, 외부 시스템, 컨셉 등이 또한, 연결 스토어(738)에 저장된다.
소셜 네트워킹 시스템(730)은 사용자가 상호작용할 수 있는 객체들에 관한 데이터를 관리한다. 이 데이터를 관리하기 위해, 사용자 프로필 스토어(736) 및 연결 스토어(738)는 소셜 네트워킹 시스템(730)에 의해 관리되는 객체들의 대응하는 타입의 인스턴스들을 저장한다. 각 객체 유형은 객체 유형에 적절한 정보를 저장하는데 적합한 정보 필드를 가진다. 예컨대, 사용자 프로필 스토어(736)는 사용자의 계정 및 사용자의 계정과 관련된 정보를 기술하기에 적절한 필드를 갖는 데이터 구조를 포함한다. 특정 타입의 새로운 객체가 생성될 때, 소셜 네트워킹 시스템(730)은 대응하는 타입의 새로운 데이터 구조를 초기화하고, 고유한 객체 식별자를 그것에 할당하며, 필요에 따라 객체에 데이터를 추가한다. 이는 예컨대, 사용자가 소셜 네트워킹 시스템(730)의 사용자가 되고, 소셜 네트워킹 시스템(730)이 사용자 프로필 스토어(736)에 사용자 프로필의 새로운 인스턴스를 생성하며, 고유한 식별자를 사용자 계정에 할당하고, 사용자에 의해 제공된 정보로 사용자 계정의 필드를 채우는 것을 시작할 때에 발생할 수 있다.
연결 스토어(738)는 사용자의 다른 사용자들에 대한 연결, 외부 시스템(720)으로의 연결 또는 다른 엔티티들로의 연결을 기술하는데 적절한 데이터 구조를 포함한다. 연결 스토어(738)는 또한, 연결 타입을 사용자의 연결과 연관시킬 수 있고, 연결 타입은 사용자에 관한 정보에 대한 액세스를 규제하기 위해 사용자의 개인정보 설정과 함께 사용될 수 있다. 본 발명의 일실시예로, 사용자 프로필 스토어(736) 및 연결 스토어(738)는 연합된 데이터베이스로 구현될 수 있다.
연결 스토어(738), 사용자 프로필 스토어(736), 및 활동 로그(742)에 저장된 데이터는 소셜 네트워킹 시스템(730)이 상이한 객체들 사이의 관계를 식별하기 위해 다양한 객체 및 노드를 연결하는 에지를 식별하도록 노드를 사용하는 소셜 그래프를 생성할 수 있도록 한다. 예컨대, 제1 사용자가 소셜 네트워킹 시스템(730)에서 제2 사용자와의 연결을 확립한다면, 사용자 프로필 스토어(736)로부터의 제1 사용자 및 제2 사용자의 사용자 계정들은 소셜 그래프에서 노드로서 역할을 할 수 있다. 연결 스토어(738)에 의해 저장된 제1 사용자 및 제2 사용자 사이의 연결은 제1 사용자 및 제2 사용자와 연관된 노드들 사이의 에지이다. 이 예로 계속하면, 제2 사용자는 이후, 소셜 네트워킹 시스템(730) 내에서 제1 사용자에게 메시지를 전송할 수 있다. 저장될 수 있는 이 메시지를 전송하는 행위는, 제1 사용자 및 제2 사용자를 표현하는 소셜 그래프에서의 2개의 노드 사이의 또 다른 에지이다. 추가로, 메시지 자체는 제1 사용자 및 제2 사용자를 나타내는 노드에 연결된 다른 노드로서 식별되고 소셜 그래프 내에 포함될 수 있다.
다른 예로, 제1 사용자는 소셜 네트워킹 시스템(730)에 의해 관리되는 이미지에서 (또는 대안으로, 소셜 네트워킹 시스템(730) 외부의 다른 시스템에 의해 관리되는 이미지)에서 제2 사용자를 태그할 수 있다. 이미지는 그 자체가 소셜 네트워킹 시스템(730)에서 노드로 표현될 수 있다. 이 태깅 행위는 제1 사용자와 제2 사용자 사이의 에지를 생성할뿐 아니라 사용자 각각과 소셜 그래프 내의 노드인 이미지 사이의 에지를 생성할 수 있다. 또 다른 예로, 사용자가 이벤트에 참여한 경우, 사용자 및 이벤트는 사용자 프로필 스토어(736)로부터 획득된 노드들이며, 이벤트의 참석은 활동 로그(742)로부터 검색될 수 있는 노드 사이의 에지이다. 소셜 그래프를 생성하고 관리함으로써, 소셜 네트워킹 시스템(730)은 상이한 타입의 객체 및 상호작용과 그 객체들 사이의 연결을 기술하는 데이터를 포함하고, 소셜적으로 관련된(socially relevant) 정보의 풍부한 소스를 제공한다.
웹 서버(732)는 네트워크(750)를 통해 소셜 네트워킹 시스템(730)을 하나 이상의 사용자 장치(710) 및/또는 하나 이상의 외부 시스템(720)으로 링크한다. 웹 서버(732)는 웹 페이지뿐 아니라 자바, 자바스크립트, 플래시, XML 등과 같은 다른 웹 기반 컨텐츠를 서비스한다. 웹 서버(732)는 메일 서버 또는 소셜 네트워킹 시스템(730)과 하나 이상의 사용자 장치(710) 사이의 메시지를 수신하고 라우팅하기 위한 다른 메시징 기능을 포함할 수 있다. 메시지는 인스턴트 메시지, 큐잉된 메시지(예컨대, 이메일), 텍스트 및 SMS 메시지, 또는 임의의 다른 적절한 메시지 포맷일 수 있다.
API 요청 서버(734)는, 하나 이상의 API 함수를 호출함으로써 하나 이상의 외부 시스템(720) 및 사용자 장치(710)가 소셜 네트워킹 시스템(730)으로부터 액세스 정보를 호출하도록 한다. API 요청 서버(734)는 또한 외부 시스템(720)이 API를 호출하는 것에 의하여 소셜 네트워킹 시스템(730)으로 정보를 전송하게 할 수 있다. 예컨대, API 요청에 응답하여, API 요청 서버(734)는 외부 시스템(720)에 로그인하고 있는 사용자의 연결과 같이 사용자와 연관된 데이터를 수집하고 수집된 데이터를 외부 시스템(720)으로 통신한다. 다른 실시예로, 사용자 장치(710)는 외부 시스템(720)과 동일한 방식으로 API를 통하여 소셜 네트워킹 시스템(730)과 통신한다.
행위 로거(740)는 소셜 네트워킹 시스템(730) 안에서의 및/또는 밖에서의 사용자 행위에 관한 통신을 웹 서버(732)로부터 수신할 수 있다. 행위 로거(740)는 활동 로그(742)에 사용자 행위에 관한 정보를 추가하고, 이는 소셜 네트워킹 시스템(730)이 소셜 네트워킹 시스템(730) 내 및 외에서 사용자에 의해 행해진 다양한 행위를 발견할 수 있게 한다. 특정 사용자가 소셜 네트워킹 시스템(730) 상의 다른 노드에 관해 행한 임의의 행위는, 활동 로그(742) 또는 유사한 데이터베이스 또는 다른 데이터 저장소에 관리되는 정보를 통해 각각의 사용자의 계정과 연관될 수 있다. 식별되고 저장된 소셜 네트워킹 시스템(730) 내에서 사용자에 의해 행해진 행위의 예들은 예컨대, 다른 사용자로의 연결의 추가, 다른 사용자에게 메세지를 전송, 다른 사용자로부터의 메시지를 읽기, 다른 사용자와 연관된 컨텐츠를 열람, 다른 사용자에 의해 게시된 이벤트에 참석, 이미지를 게시, 이미지를 게시하는 것의 시도, 또는 다른 사용자 또는 다른 객체와 상호작용하는 다른 행위들을 포함할 수 있다. 사용자가 소셜 네트워킹 시스템(730) 내에서 행위를 행할 때, 행위는 활동 로그(742)에 기록된다. 일실시예로, 소셜 네트워킹 시스템(730)은 활동 로그(742)를 엔트리들의 데이터베이스로서 관리한다. 행위가 소셜 네트워킹 시스템(730) 내에서 행해질 때, 행위에 대한 엔트리는 활동 로그(742)에 추가된다. 활동 로그(742)는 행위 로그라고 언급될 수 있다.
추가로, 사용자 행위는 가령 소셜 네트워킹 시스템(730)으로부터 분리된 외부 시스템(720)과 같이 소셜 네트워킹 시스템(730)의 외부의 엔트리 내에서 발생하는 컨셉 및 행위와 연관될 수 있다. 예컨대, 행위 로거(740)는 웹 서버(732)로부터 외부 시스템(720)과의 사용자 상호작용을 기술하는 데이터를 수신할 수 있다. 이 예에서, 외부 시스템(720)은 소셜 그래프에서의 구조화된 행위 및 객체에 따라 사용자의 상호작용을 보고한다.
사용자가 외부 시스템(720)과 상호작용하는 행위들의 다른 예들은, 사용자가 외부 시스템(720) 또는 다른 엔티티에 대한 관심을 표현하는 것, 사용자가 외부 시스템(720) 또는 외부 시스템(720) 내의 웹 페이지(722a)를 논의하는 코멘트를 소셜 네트워킹 시스템(730)에 게시하는 것, 사용자가 외부 시스템(720)과 연관된 URL(Uniform Resource Locator) 또는 다른 식별자를 소셜 네트워킹 시스템(730)에 게시하는 것, 사용자가 외부 시스템(720)과 연관된 이벤트에 참석하는 것, 또는 외부 시스템(720)과 관련된 사용자에 의한 임의의 다른 행위를 포함한다. 따라서, 활동 로그(742)는 소셜 네트워킹 시스템(730)의 사용자 및 소셜 네트워킹 시스템(730)으로부터 분리된 외부 시스템(720) 사이의 상호작용을 기술하는 행위들을 포함할 수 있다.
인증 서버(744)는 소셜 네트워킹 시스템(730)의 사용자들의 하나 이상의 개인정보 설정을 강제한다. 사용자의 개인정보 설정은 어떻게 사용자와 관련된 특정 정보가 공유될 수 있는지를 결정한다. 개인정보 설정은 사용자와 연관된 특정 정보의 사양 및 정보가 공유될 수 있는 엔터티 또는 엔터티들의 사양을 포함한다. 정보가 공유될 수 있는 엔티티들의 예들은 다른 사용자들, 애플리케이션, 외부 시스템(720), 또는 정보에 잠재적으로 액세스할 수 있는 임의의 엔티티를 포함할 수 있다. 사용자에 의해 공유될 수 있는 정보는 가령, 프로필 사진, 사용자와 연관된 전화번호, 사용자의 연결, 연결을 추가하기, 사용자의 프로필 정보를 변경하기와 같은 사용자에 의해 행해진 행위 등과 같은 사용자 계정 정보를 포함한다.
개인정보 설정 명세가 상이한 레벨의 입상도(granularity)에서 제공될 수 있다. 예컨대, 개인정보 설정은 다른 사용자들과 공유될 특정 정보를 식별할 수 있고; 개인정보 설정은 직장 전화번호 또는 가령, 프로필 사진, 집 전화번호, 및 상태와 같은 관련된 정보의 특정 세트를 식별한다. 대안으로, 개인정보 설정은 사용자와 연관된 모든 정보에 적용될 수 있다. 특정 정보에 접속할 수 있는 엔터티 세트의 사양 또한 다양한 상세도 레벨으로 특정될 수 있다. 정보가 공유될 수 있는 다양한 엔터티 세트는 예컨대, 사용자의 모든 친구들, 친구들의 모든 친구들, 모든 애플리케이션 또는 모든 외부 시스템(720)을 포함할 수 있다. 일 실시예는 엔터티 세트의 사양이 엔터티들의 나열을 포함하게 한다. 예컨대, 사용자는 특정 정보에 접속이 허용되는 외부 시스템들(720)의 리스트를 제공할 수 있다. 다른 실시예는 사양이 정보에 접속이 허용되지 않는 예외와 함께 엔터티 세트를 포함하게 할 수 있게 한다. 예컨대, 사용자는 모든 외부 시스템(720)이 사용자의 작업 정보에 액세스할 수 있도록 하지만, 작업 정보에 액세스하는 것이 허용되지 않는 외부 시스템(720)의 리스트를 특정할 수 있다. 특정 실시예들은 특정 정보를 액세스하는 것이 허용되지 않는 예외들의 리스트를 "차단 리스트"라고 할 수 있다. 사용자에 의해 특정된 블랙 리스트에 속하는 외부 시스템(720)은 개인정보 설정에 특정된 정보에 접속하는 것이 차단된다. 정보 사양의 상세도 및 정보가 공유되는 엔터티 사양의 상세도의 다양한 조합이 가능하다. 예컨대, 모든 개인 정보는 친구들과 공유될 수 있는 한편, 모든 작업 정보는 친구의 친구들과 공유될 수 있다.
인증 서버(744)는 사용자와 연관된 특정 정보가 사용자의 친구들, 외부 시스템(720), 및/또는 다른 애플리케이션과 엔티티들에 의해 액세스될 수 있는지 여부를 결정하는 로직을 포함한다. 외부 시스템(720)은 가령 사용자의 직장 전화번호와 같은 사용자의 더 개인적이고 민감한 정보에 액세스하기 위해 인증 서버(744)로부터의 인증이 필요할 수 있다. 사용자의 개인정보 설정에 기반하여, 인증 서버(744)는, 다른 사용자, 외부 시스템(720), 애플리케이션, 또는 다른 엔티티가 사용자에 의해 행해진 행위에 관한 정보를 포함하는 사용자와 연관된 정보에 액세스하는 것이 허용되는지 여부를 결정한다.
일부 실시예에서, 소셜 네트워킹 시스템(730)은 컨텐츠 제공자 모듈(746)을 포함할 수 있다. 컨텐츠 제공자 모듈(746)은 예컨대 도 1의 컨텐츠 제공자 모듈(102)로 구현될 수 있다. 일부 실시예에서, 컨텐츠 제공자 모듈(746)은 전체로 또는 부분적으로, 사용자 장치(710)나 외부 시스템(720)에 구현될 수 있다. 전술한 바와 같이, 많은 변형 또는 다른 가능성이 있을 수 있음을 이해할 것이다.
하드웨어 구현
전술한 프로세스 및 특징들은 광범위하게 다양한 네트워크 및 컴퓨팅 환경에서 광범위하게 다양한 기계 및 컴퓨터 시스템 구조에 의해 구현될 수 있다. 도 8은 본 발명의 실시예에 따른, 본 명세서에 기술된 하나 이상의 실시예들을 구현하도록 사용될 수 있는 컴퓨터 시스템(800)의 예시를 도시한다. 컴퓨터 시스템(800)은 컴퓨터 시스템(800)이 본 명세서에 개시된 프로세스 및 특징을 수행하도록 하는 명령어들의 세트를 포함한다. 컴퓨터 시스템(800)은 다른 기계들에 연결(예컨대, 네트워크화)될 수 있다. 네트워크화된 배치에서, 컴퓨터 시스템(800)은 클라이언트-서버 네트워크 환경에서의 서버 기계 또는 클라이언트 기계의 용량으로 또는 피어-투-피어 (또는 분산형) 네트워크 환경에서의 피어 기계로서 동작할 수 있다. 본 발명의 일실시예로, 컴퓨터 시스템(800)은 소셜 네트워킹 시스템(730), 사용자 장치(710) 및 외부 시스템(720)이거나 그들의 컴포넌트일 수 있다. 본 발명의 일실시예로, 컴퓨터 시스템(800)은 소셜 네트워킹 시스템(730)의 전부 또는 일부를 구성하는 많은 수의 서버들 중 하나의 서버일 수 있다.
컴퓨터 시스템(800)은, 본 명세서에 기술된 프로세스 및 특징에 관련되고, 컴퓨터-판독가능한 매체에 저장된 프로세서(802), 캐시(804), 및 하나 이상의 실행가능한 모듈 및 드라이버를 포함한다. 추가로, 컴퓨터 시스템(800)은 고성능 입력/출력(I/O) 버스(806) 및 표준 I/O 버스(808)를 포함한다. 호스트 브리지(810)는 프로세서(802)를 고성능 I/O 버스(806)에 연결하는 한편, I/O 버스 브리지(812)는 2개의 버스들(806, 808)을 서로 연결한다. 시스템 메모리(814) 및 하나 이상의 네트워크 인터페이스(816)는 고성능 I/O 버스(806)에 연결된다. 컴퓨터 시스템(800)은 비디오 메모리 및 비디오 메모리에 연결된 디스플레이 장치(미도시)를 더 포함할 수 있다. 대용량 저장장치(818) 및 I/O 포트(820)는 표준 I/O 버스(808)에 연결된다. 컴퓨터 시스템(800)은 키보드 및 포인팅 장치, 디스플레이 장치 또는 표준 I/O 버스(808)에 연결된 다른 입출력 장치를 선택적으로 포함할 수 있다. 전체적으로, 이러한 구성요소들은, 캘리포니아 산타 클라라의 인텔사에 의해 제조된 x86-호환 프로세서, 및 캘리포니아 서니데일의 AMD(Advanced Micro Devices), Inc. 에 의해 제조된 x86-호환 프로세서뿐만 아니라 임의의 다른 적절한 프로세서에 기반하는 컴퓨터 시스템을 포함하지만 이에 제한되지 않는 컴퓨터 하드웨어 시스템의 넓은 카테고리를 표현하도록 의도되었다.
운영 시스템은, 소프트웨어 애플리케이션(도시되지 않음)으로 오가는 데이터의 입력 및 출력을 포함하는 컴퓨터 시스템(800)의 동작을 관리하고 제어한다. 운영 시스템은 시스템상에 실행되는 소프트웨어 애플리케이션과 시스템의 하드웨어 컴포넌트들 사이의 인터페이스를 제공한다. 가령 LINUX 운영 시스템, 캘리포니아 쿠퍼티노의 Apple Computer Inc. 로부터 이용가능한 Apple Macintosh 운영 시스템, UNIX 운영 시스템, Microsoft® Windows® 운영 시스템, BSD 운영 시스템 등과 같은 임의의 적절한 운영 시스템이 이용될 수 있다. 다른 구현도 가능하다.
컴퓨터 시스템(800)의 구성요소들은 아래에서 더 상세하게 기술된다. 특히, 네트워크 인터페이스(816)는 컴퓨터 시스템(800) 및 가령 Ethernet(예컨대, IEEE 802. 3) 네트워크, 백플레인(backplane) 등과 같은 임의의 광범위의 네트워크 사이의 통신을 제공한다. 대용량 저장소(818)는 앞서 식별된 각각의 컴퓨팅 시스템들에 의해 구현되는 상기 프로세스들 및 특징들을 수행하는 프로그래밍 명령어들 및 데이터를 위한 영구적인 저장소를 제공하는 한편, 시스템 메모리(814)(예컨대, DRAM)는 프로세서(802)에 의해 실행될 때 데이터 및 프로그래밍 명령어들을 위한 임시적인 저장소를 제공한다. I/O 포트(820)는, 컴퓨터 시스템(800)에 연결될 수 있는 추가 주변 장치들 사이의 통신을 제공하는 하나 이상의 직렬 및/또는 병렬 통신 포트일 수 있다.
컴퓨터 시스템(800)은 다양한 시스템 구조들을 포함할 수 있고, 컴퓨터 시스템(800)의 다양한 컴포넌트들은 재정렬될 수 있다. 예컨대, 캐시(804)는 프로세서(802)를 갖는 온-칩일 수 있다. 대안으로, 캐시(804) 및 프로세서(802)는 프로세서(802)가 "프로세서 코어"로 불리는 "프로세서 모듈"로 함께 패킹(pack)될 수 있다. 더욱이, 본 발명의 특정 실시예들은 상기의 컴포넌트들 전부를 요구하지도 않고 포함하지도 않을 수 있다. 예컨대, 표준 I/O 버스(808)에 연결된 주변 장치들은 고성능 I/O 버스(806)에 연결될 수 있다. 추가로, 일부 실시예로, 단일 버스만이 존재할 수 있고, 컴퓨터 시스템(800)의 컴포넌트들은 단일 버스에 연결될 수 있다. 더욱이, 컴퓨터 시스템(800)은 가령 추가적인 프로세서, 저장 장치, 또는 메모리와 같은 추가 컴포넌트들을 포함할 수 있다.
일반적으로, 본 명세서에 기술된 프로세스 및 특징들은 운영 시스템 또는 특정 애플리케이션, 컴포넌트, 프로그램, 객체, 모듈 또는 "프로그램"으로 불리는 일련의 명령어들의 일부로서 구현될 수 있다. 예컨대, 하나 이상의 프로그램들은 본 명세서에 기술된 특정 프로세스들을 실행하는데 사용될 수 있다. 프로그램은 통상 컴퓨터 시스템(800) 내의 다양한 메모리 및 저장 장치들에 하나 이상의 명령어를 포함하며, 하나 이상의 명령어들은 하나 이상의 프로세서에 의해 판독되고 실행되는 경우 컴퓨터 시스템(800)이 본 명세서에 개시된 프로세스 및 특징들을 실행하는 동작을 수행하게 한다. 본 명세서에 기술된 프로세스 및 특징들은 소프트웨어, 펌웨어, 하드웨어(예컨대, 애플리케이션 고유의 집적 회로(application specific integrated circuit; ASIC), 또는 이들의 임의의 조합에서 구현될 수 있다.
하나의 구현예로, 본 명세서에 기술된 프로세스 및 특징들은, 컴퓨터 시스템(800)에 의해 실행되는 일련의 실행가능한 모듈로서 분산형 컴퓨팅 환경에서 개별적으로 또는 집합적으로 구현될 수 있다. 전술한 모듈들은 하드웨어, 컴퓨터-판독가능한 매체 (또는 기계-판독가능한 매체), 또는 이들 모두의 조합에 의해 실현될 수 있다. 예컨대, 모듈은 가령, 프로세서(802)와 같은 하드웨어 시스템에서의 프로세서에 의해 실행되는 복수의 또는 일련의 명령어들을 포함할 수 있다. 초기에, 일련의 명령어들은 가령, 대용량 저장소(818)와 같은 저장 장치에 저장될 수 있다. 하지만, 일련의 명령어들은 임의의 적절한 컴퓨터-판독가능한 저장 매체에 저장될 수 있다. 더욱이, 일련의 명령어들은 로컬에서 저장될 필요가 없으며, 네트워크 인터페이스(816)를 통해 가령 네트워크상의 서버와 같은 원격 저장 장치로부터 수신될 수 있다. 명령어들은 대용량 저장 장치(818)와 같은 저장 장치로부터 시스템 메모리(814)로 복사된 후 프로세서(802)에 의해 접속되어 실행된다. 다양한 구현예에서, 모듈 또는 모듈들은 프로세서나 복수의 프로세서들에 의하여 하나 또는 복수의 위치, 예컨대 병렬 프로세싱 환경의 복수의 서버에서 실행될 수 있다.
컴퓨터-판독가능한 매체의 예들은, 가령 휘발성 및 비-휘발성 메모리 장치와 같은 기록 가능한 타입의 매체; 고체 상태 메모리(solid state memory; SSD); 플로피 및 다른 제거가능한 디스크; 하드 디스크 드라이브, 자기 매체; 광학 디스크(예컨대, CD ROMS(Compact Disk Read-Only Memory), DVDs(Digital Versatile Disks)); 다른 유사한 비-일시적 (또는 일시적), 실체적 (또는 비-실체적) 저장 매체; 또는 본 명세서에 기술되는 임의의 하나 이상의 프로세스 및 특징을 수행하는 컴퓨터 시스템(800)에 의해 실행하기 위한 일련의 명령어들을 저장하고, 인코딩하고, 운반하는데 적절한 임의의 타입의 매체를 포함하지만, 이에 제한되지 않는다.
설명하기 위한 목적을 위해, 발명의 설명의 완전한 이해를 제공하도록 다수의 구체적인 세부사항들이 언급된다. 하지만, 본 명세서의 실시예들은 이러한 구체적인 세부사항들 없이도 실행될 수 있음이 통상의 기술자에게 자명해질 것이다. 다른 예에서, 기능적 블록 다이어그램 및 흐름 다이어그램은 데이터 및 로직의 흐름을 표현하도록 도시된다. 다른 예에서, 기능적 블록 다이어그램 및 흐름 다이어그램은 데이터 및 로직의 흐름을 표현하도록 도시된다. 블럭도 및 흐름도의 구성요소들(예컨대, 모듈, 블럭, 구조, 장치, 특징 등)은 본 명세서에 명시적으로 설명되거나 도시되는 것 외의 방식으로 다양하게 결합, 분리, 제거, 재배치 및 대체될 수 있다.
본 명세서에서의 "일실시예", "실시예", "다른 실시예", "일련의 실시예", "일부 실시예", "다양한 실시예" 등에 대한 언급은, 실시예와 연계되어 기술된 특정의 특징, 설계, 구조, 또는 특성이 본 명세서의 적어도 하나의 실시예에 포함되는 것을 의미한다. 본 명세서에서의 다양한 위치에서 가령, "일실시예로" 또는 "실시예로"와 같은 구절이 나타나는 것은 동일한 실시예를 언급하거나 혹은 다른 실시예들과 상호 배타적이며 분리된 또는 대안적 실시예들을 필연적으로 언급하는 것은 아니다. 더욱이, "실시예" 등에 대한 명시적인 언급이 있는지와 무관하게, 다양하게 조합될 수 있고 일부 실시예들에 포함될 수 있는 다양한 특징들이 기술되지만, 이들은 또한, 다른 실시예들에서 다양하게 생략된다. 유사하게, 일부 실시예들에 대한 선호사항 또는 요구사항일 수 있지만 다른 실시예들에서는 그렇지 않을 수 있는 다양한 특징들이 기술된다.
본 명세서에 사용되는 용어는 원칙적으로 가독성 및 훈시적 목적을 위해서 선택되었으며, 발명의 대상을 묘사하거나 제한하기 위해 선택된 것은 아니다. 따라서, 본 발명의 범위는, 본 발명의 상세한 설명에 의해 제한되는 것이 아니며, 본 출원이 기초로 하는 제출되는 청구범위에 의해 정의되는 것으로 의도되었다. 따라서, 본 발명의 실시예들의 개시는 설명을 위한 것이며, 본 발명의 범위를 제한하고자 하는 것이 아니다. 본 발명의 범위는 이하의 청구범위에 개시된다.

Claims (20)

  1. 컴퓨팅 시스템에 의하여, 컴퓨팅 시스템을 통한 컨텐츠 방송을 진행하기 위한 정보를 결정하기 위하여 방송자 요청을 결정하는 단계;
    컴퓨팅 시스템에 의하여, 이전에 진행된 방송을 서술하는 데이터에 적어도 부분적으로 기반하여 하나 이상의 파라미터를 예측하도록 훈련된 기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계; 및
    컴퓨팅 시스템에 의하여, 적어도 하나 이상의 파라미터를 서술하는 정보를 방송자에게 제공하는 단계를 포함하는 컴퓨터 구현 방법.
  2. 청구항 1에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계는:
    컴퓨팅 시스템에 의하여, 모델에 적어도 부분적으로 기반하여 방송을 진행하기 위한 적어도 하나의 기간을 결정하는 단계를 더 포함하고,
    적어도 임계수의 사용자가 기간의 적어도 일부에 대하여 방송에 접근할 것으로 기대되는 컴퓨터 구현 방법.
  3. 청구항 1에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계는:
    컴퓨팅 시스템에 의하여, 모델에 적어도 부분적으로 기반하여 방송을 위한 적어도 하나의 주제를 결정하는 단계를 더 포함하고,
    적어도 임계수의 사용자가 적어도 하나의 주제에 대해 진행될 때 방송에 접근할 것으로 기대되는 컴퓨터 구현 방법.
  4. 청구항 3에 있어서,
    방송을 위한 적어도 하나의 주제는: 방송자의 소셜 프로필에 명시된 정보, 방송자에 의하여 컴퓨팅 시스템을 통해 발행된 게시물에 대응하는 주제 또는 방송자에 대응하는 지리적 위치 중 적어도 하나에 기반하여 자동으로 생성되는 컴퓨터 구현 방법.
  5. 청구항 1에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계는:
    컴퓨팅 시스템에 의하여, 모델에 적어도 부분적으로 기반하여 방송을 진행할 적어도 하나의 지리적 위치를 결정하는 단계를 더 포함하고,
    적어도 임계수의 사용자가 적어도 하나의 지리적 위치에서 진행될 때 방송에 접근할 것으로 기대되는 컴퓨터 구현 방법.
  6. 청구항 1에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계는:
    컴퓨팅 시스템에 의하여, 모델에 적어도 부분적으로 기반하여 방송에 접근할 것으로 기대되는 사용자를 서술하는 정보를 결정하는 단계를 더 포함하는 컴퓨터 구현 방법.
  7. 청구항 6에 있어서,
    정보는: 사용자의 수 또는 사용자를 서술하는 인구통계 정보 중 적어도 하나를 포함하는 컴퓨터 구현 방법.
  8. 청구항 1에 있어서,
    컴퓨팅 시스템에 의하여, 방송을 위한 청중이 구축되도록 야기하는 단계;
    컴퓨팅 시스템에 의하여, 청중의 크기가 임계치를 충족한다고 결정하는 단계; 및
    컴퓨팅 시스템에 의하여, 방송자에게 적어도 하나의 통지를 제공하는 단계를 더 포함하고,
    청중은 방송에 관심 있는 사용자의 세트를 포함하고,
    통지는 방송에 관심 있는 사용자의 세트를 서술하는 컴퓨터 구현 방법.
  9. 청구항 8에 있어서,
    방송을 위한 청중이 구축되도록 야기하는 단계는:
    컴퓨팅 시스템에 의하여, 방송에 대하여 사용자에게 알리기 위하여 사용자의 세트에게 하나 이상의 통지를 제공하는 단계를 더 포함하는 컴퓨터 구현 방법.
  10. 청구항 8에 있어서,
    방송을 위한 청중이 구축되도록 야기하는 단계는:
    컴퓨팅 시스템에 의하여, 방송에 대해 사용자에게 알리기 위하여 사용자의 세트에게 하나 이상의 여론 조사 설문을 제공하고 방송에 관심 있는 사용자의 수를 결정하는 단계를 더 포함하는 컴퓨터 구현 방법.
  11. 적어도 하나의 프로세서; 및
    명령어를 저장하는 메모리를 포함하고,
    명령어는 적어도 하나의 프로세서에 의하여 실행될 때, 시스템으로 하여금:
    컴퓨팅 시스템을 통한 컨텐츠 방송을 진행하기 위한 정보를 결정하기 위하여 방송자 요청을 결정하고;
    이전에 진행된 방송을 서술하는 데이터에 적어도 부분적으로 기반하여 하나 이상의 파라미터를 예측하도록 훈련된 기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하고; 및
    적어도 하나 이상의 파라미터를 서술하는 정보를 방송자에게 제공하도록 야기하는 시스템.
  12. 청구항 11에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 것은 시스템으로 하여금:
    모델에 적어도 부분적으로 기반하여 방송을 진행하기 위한 적어도 하나의 기간을 결정하는 것을 수행하도록 더 야기하고,
    적어도 임계수의 사용자가 기간의 적어도 일부에 대하여 방송에 접근할 것으로 기대되는 시스템.
  13. 청구항 11에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 것은 시스템으로 하여금:
    모델에 적어도 부분적으로 기반하여 방송을 위한 적어도 하나의 주제를 결정하는 것을 수행하도록 더 야기하고,
    적어도 임계수의 사용자가 적어도 하나의 주제에 대해 진행될 때 방송에 접근할 것으로 기대되는 시스템.
  14. 청구항 13에 있어서,
    방송을 위한 적어도 하나의 주제는: 방송자의 소셜 프로필에 명시된 정보, 방송자에 의하여 컴퓨팅 시스템을 통해 발행된 게시물에 대응하는 주제 또는 방송자에 대응하는 지리적 위치 중 적어도 하나에 기반하여 자동으로 생성되는 시스템.
  15. 청구항 11에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 것은 시스템으로 하여금:
    모델에 적어도 부분적으로 기반하여 방송을 진행할 적어도 하나의 지리적 위치를 결정하는 것을 수행하도록 더 야기하고,
    적어도 임계수의 사용자가 적어도 하나의 지리적 위치에서 진행될 때 방송에 접근할 것으로 기대되는 시스템.
  16. 명령어를 포함하는 비일시적 컴퓨터 판독가능한 저장 매체로서,
    명령어는 컴퓨팅 시스템의 적어도 하나의 프로세서에 의하여 실행될 때, 컴퓨팅 시스템으로 하여금:
    컴퓨팅 시스템을 통한 컨텐츠 방송을 진행하기 위한 정보를 결정하기 위하여 방송자 요청을 결정하는 단계;
    이전에 진행된 방송을 서술하는 데이터에 적어도 부분적으로 기반하여 하나 이상의 파라미터를 예측하도록 훈련된 기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계; 및
    적어도 하나 이상의 파라미터를 서술하는 정보를 방송자에게 제공하는 단계를 포함하는 방법을 수행하도록 야기하는 비일시적 컴퓨터 판독가능한 저장 매체.
  17. 청구항 16에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계는 컴퓨팅 시스템으로 하여금:
    모델에 적어도 부분적으로 기반하여 방송을 진행하기 위한 적어도 하나의 기간을 결정하는 단계를 수행하도록 더 야기하고,
    적어도 임계수의 사용자가 기간의 적어도 일부에 대하여 방송에 접근할 것으로 기대되는 비일시적 컴퓨터 판독가능한 저장 매체.
  18. 청구항 16에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계는 컴퓨팅 시스템으로 하여금:
    모델에 적어도 부분적으로 기반하여 방송을 위한 적어도 하나의 주제를 결정하는 단계를 수행하도록 더 야기하고,
    적어도 임계수의 사용자가 적어도 하나의 주제에 대해 진행될 때 방송에 접근할 것으로 기대되는 비일시적 컴퓨터 판독가능한 저장 매체.
  19. 청구항 18에 있어서,
    방송을 위한 적어도 하나의 주제는: 방송자의 소셜 프로필에 명시된 정보, 방송자에 의하여 소셜 네트워킹 시스템을 통해 발행된 게시물에 대응하는 주제 또는 방송자에 대응하는 지리적 위치 중 적어도 하나에 기반하여 자동으로 생성되는 비일시적 컴퓨터 판독가능한 저장 매체.
  20. 청구항 16에 있어서,
    기계 학습 모델을 사용하여 방송을 위한 하나 이상의 파라미터를 결정하는 단계는 컴퓨팅 시스템으로 하여금:
    모델에 적어도 부분적으로 기반하여 방송을 진행할 적어도 하나의 지리적 위치를 결정하는 단계를 수행하도록 더 야기하고,
    적어도 임계수의 사용자가 적어도 하나의 지리적 위치에서 진행될 때 방송에 접근할 것으로 기대되는 비일시적 컴퓨터 판독가능한 저장 매체.
KR1020197000910A 2016-06-21 2016-08-16 이벤트 방송을 위한 시스템 및 방법 KR20190010711A (ko)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662352973P 2016-06-21 2016-06-21
US62/352,973 2016-06-21
US15/237,539 US20170366592A1 (en) 2016-06-21 2016-08-15 Systems and methods for event broadcasts
US15/237,539 2016-08-15
PCT/US2016/047220 WO2017222572A1 (en) 2016-06-21 2016-08-16 Systems and methods for event broadcasts

Publications (1)

Publication Number Publication Date
KR20190010711A true KR20190010711A (ko) 2019-01-30

Family

ID=60659952

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020197000910A KR20190010711A (ko) 2016-06-21 2016-08-16 이벤트 방송을 위한 시스템 및 방법

Country Status (7)

Country Link
US (2) US20170366592A1 (ko)
JP (1) JP2019522421A (ko)
KR (1) KR20190010711A (ko)
AU (1) AU2016410631A1 (ko)
CA (1) CA3027846A1 (ko)
IL (1) IL263787A (ko)
WO (1) WO2017222572A1 (ko)

Families Citing this family (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108419137A (zh) * 2018-01-15 2018-08-17 上海全土豆文化传播有限公司 数据处理方法和数据处理装置
US11533272B1 (en) * 2018-02-06 2022-12-20 Amesite Inc. Computer based education methods and apparatus
US10558827B2 (en) 2018-02-23 2020-02-11 Microsoft Technology Licensing, Llc Automatic method and system for identifying consensus and resources
US20190268385A1 (en) * 2018-02-23 2019-08-29 Microsoft Technology Licensing, Llc Automatic method and system for identifying consensus and resources
CN108900922B (zh) * 2018-07-20 2021-03-19 广州方硅信息技术有限公司 设置直播组件的标签的方法和装置
CN110113622A (zh) * 2019-03-18 2019-08-09 北京达佳互联信息技术有限公司 直播中的交互方法、装置、电子设备及存储介质
US11792143B1 (en) 2021-06-21 2023-10-17 Amazon Technologies, Inc. Presenting relevant chat messages to listeners of media programs
US11792467B1 (en) 2021-06-22 2023-10-17 Amazon Technologies, Inc. Selecting media to complement group communication experiences
US11687576B1 (en) 2021-09-03 2023-06-27 Amazon Technologies, Inc. Summarizing content of live media programs
US11785299B1 (en) 2021-09-30 2023-10-10 Amazon Technologies, Inc. Selecting advertisements for media programs and establishing favorable conditions for advertisements
US11785272B1 (en) * 2021-12-03 2023-10-10 Amazon Technologies, Inc. Selecting times or durations of advertisements during episodes of media programs
US11916981B1 (en) 2021-12-08 2024-02-27 Amazon Technologies, Inc. Evaluating listeners who request to join a media program
US11791920B1 (en) 2021-12-10 2023-10-17 Amazon Technologies, Inc. Recommending media to listeners based on patterns of activity
JP7332739B1 (ja) 2022-03-23 2023-08-23 楽天グループ株式会社 投稿管理装置、投稿管理プログラム、および、投稿管理方法
US11743524B1 (en) * 2023-04-12 2023-08-29 Recentive Analytics, Inc. Artificial intelligence techniques for projecting viewership using partial prior data sources

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7020893B2 (en) * 2001-06-15 2006-03-28 Intel Corporation Method and apparatus for continuously and opportunistically driving an optimal broadcast schedule based on most recent client demand feedback from a distributed set of broadcast clients
JP2005051562A (ja) * 2003-07-29 2005-02-24 Matsushita Electric Ind Co Ltd コンテンツ送信方法及び装置、並びにこれらを用いたコンテンツ配信システム
US8280948B1 (en) * 2004-06-08 2012-10-02 Persony Inc. System and method for enabling online collaboration amongst a plurality of terminals using a web server
US20060218614A1 (en) * 2005-03-23 2006-09-28 Lovell Joseph L Educational television broadcast system
US20140143004A1 (en) * 2006-11-22 2014-05-22 Raj Abhyanker Event publication in a neighborhood social network
US20080300872A1 (en) * 2007-05-31 2008-12-04 Microsoft Corporation Scalable summaries of audio or visual content
US20090055238A1 (en) * 2007-08-24 2009-02-26 Yuliy Baryshnikov Meeting optimizer
US8312022B2 (en) * 2008-03-21 2012-11-13 Ramp Holdings, Inc. Search engine optimization
US8539359B2 (en) * 2009-02-11 2013-09-17 Jeffrey A. Rapaport Social network driven indexing system for instantly clustering people with concurrent focus on same topic into on-topic chat rooms and/or for generating on-topic search results tailored to user preferences regarding topic
US9165073B2 (en) * 2009-08-17 2015-10-20 Shoutpoint, Inc. Apparatus, system and method for a web-based interactive video platform
US20110072476A1 (en) * 2009-09-21 2011-03-24 Firstpaper Llc System, method, and apparatus for broadcast content distribution
US8813110B2 (en) * 2009-12-10 2014-08-19 Nbcuniversal Media, Llc Dual channel audience customized broadcast delivery system and method
US20120011006A1 (en) * 2010-07-09 2012-01-12 Richard Schultz System And Method For Real-Time Analysis Of Opinion Data
US8707184B2 (en) * 2010-11-01 2014-04-22 Google Inc. Content sharing interface for sharing content in social networks
JP2013008186A (ja) * 2011-06-24 2013-01-10 Kddi Corp コンテンツ表示システム、投稿端末、閲覧端末、コンテンツ表示方法、およびプログラム
WO2013010104A1 (en) * 2011-07-13 2013-01-17 Bluefin Labs, Inc. Topic and time based media affinity estimation
CA2869699A1 (en) * 2012-04-04 2013-10-10 Scribble Technologies Inc. System and method for generating digital content
US20160034712A1 (en) * 2012-10-02 2016-02-04 Banjo, Inc. System and method for event-related content discovery, curation, and presentation
WO2014141704A1 (ja) * 2013-03-15 2014-09-18 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ コンテンツ提示方法、コンテンツ提示装置及びプログラム
US11308503B2 (en) * 2013-03-15 2022-04-19 Tunein, Inc. System and method for providing crowd sourced metrics for network content broadcasters
EP3534318A1 (en) * 2013-09-26 2019-09-04 Mark W. Publicover Providing targeted content based on a user´s moral values
US20150268991A1 (en) * 2014-03-19 2015-09-24 Motorola Mobility Llc Method and apparatus for managing the scheduling of unscheduled events
US10681428B2 (en) * 2014-07-07 2020-06-09 Hulu, LLC Video view estimation for shows delivered using a video delivery service
JP6334348B2 (ja) * 2014-09-19 2018-05-30 ヤフー株式会社 配信装置、配信方法及び配信プログラム
US10079792B2 (en) * 2015-03-13 2018-09-18 International Business Machines Corporation Recommending hashtags to be used in composed message to increase propagation speed and enhance desired sentiment of composed message

Also Published As

Publication number Publication date
CA3027846A1 (en) 2017-12-28
IL263787A (en) 2019-01-31
US20170366854A1 (en) 2017-12-21
WO2017222572A1 (en) 2017-12-28
AU2016410631A1 (en) 2019-01-17
JP2019522421A (ja) 2019-08-08
US20170366592A1 (en) 2017-12-21

Similar Documents

Publication Publication Date Title
KR20190010711A (ko) 이벤트 방송을 위한 시스템 및 방법
US10678839B2 (en) Systems and methods for ranking ephemeral content item collections associated with a social networking system
US9882863B2 (en) Methods and systems for optimizing messages to users of a social network
US10535177B2 (en) Systems and methods for interactive broadcasting
US20190147112A1 (en) Systems and methods for ranking ephemeral content item collections associated with a social networking system
US20190138951A1 (en) Systems and methods for generating multi-contributor content posts for events
US10616288B2 (en) Systems and methods for shared broadcasting
US20190139150A1 (en) Systems and methods for generating multi-contributor content posts for events
KR20190026945A (ko) 미디어 컨텐츠 아이템을 관리하는 시스템 및 방법
US20210027065A1 (en) Systems and methods for predicting video quality based on objectives of video producer
US11206235B1 (en) Systems and methods for surfacing content
US20180189030A1 (en) Systems and methods for providing content
US10990635B2 (en) Systems and methods for ranking ephemeral content associated with a social networking system
US10783150B2 (en) Systems and methods for social network post audience prediction and selection
JP2018502398A (ja) メディアコンテンツ上に重ね合わされるテキストのソーシャルリマークスを提供するためのシステムおよび方法
US20190043075A1 (en) Systems and methods for providing applications associated with improving qualitative ratings based on machine learning
US20200401522A1 (en) Systems and methods for providing content
US20180081500A1 (en) Systems and methods for content engagement
US20180158099A1 (en) Custom audience generation using engagement targeting
KR20180053683A (ko) 게시물과 연관된 사생활 설정의 트리거 기반 수정을 위한 시스템 및 방법
US10805367B2 (en) Systems and methods for sharing content
US20170140440A1 (en) Systems and methods for determining and providing advertisement recommendations
US20190188320A1 (en) Systems and methods for providing ephemeral content items created from live stream videos
US11163843B1 (en) Systems and methods for recommending content
US10425377B2 (en) Systems and methods to manage an event broadcast in a social network

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E601 Decision to refuse application