KR20220066369A

KR20220066369A - 트래블 기반 통지

Info

Publication number: KR20220066369A
Application number: KR1020227013407A
Authority: KR
Inventors: 토마스 카이 브라운
Original assignee: 스냅 인코포레이티드
Priority date: 2019-09-26
Filing date: 2020-09-24
Publication date: 2022-05-24
Also published as: US20210095986A1; CN114424230A; US11821742B2; EP4035433A1; WO2021062439A1

Abstract

동작들을 수행하기 위한 시스템들 및 방법들이 제공되며, 동작들은: 각각이 각자의 관심 지점과 연관된 복수의 지오펜스를 확립하는 동작; 사용자의 현재 로케이션 및 현재 시간을 결정하는 동작; 장래 시간에 사용자에 의해 트래버스될 복수의 지오펜스 중의 주어진 지오펜스를 예측하기 위해 훈련된 머신 러닝 모델을 현재 로케이션 및 현재 시간에 적용하는 동작 - 머신 러닝 모델은 사용자의 트래블 시간들과 경로들과 트래블 시간들 동안 경로들에 의해 트래버스되는 복수의 지오펜스 중의 지오펜스들의 세트 사이의 관계를 확립하도록 훈련됨 -; 예측된 주어진 지오펜스와 연관된 관심 지점을 검색하는 동작; 사용자가 검색된 관심 지점과 연관된 주어진 지오펜스를 트래버스하기 전에, 사용자에의 프레젠테이션을 위해 검색된 관심 지점에 관련된 통지를 자동으로 생성하는 동작을 포함한다.

Description

트래블 기반 통지

본 출원은 2019년 9월 26일자로 출원된 미국 특허 출원 제16/584,444호에 대한 우선권을 주장하며, 이 출원의 내용은 그 전체가 본 명세서에 참조로 포함된다.

본 개시내용은 일반적으로 사용자의 로케이션에 관하여 사용자에게 광고를 제공하는 것에 관한 것이다.

광고 시스템은 제품 및 서비스를 사용자에게 추천하기 위해 사용될 수 있다. 이러한 시스템은 전형적으로 사용자에게 서빙되는 광고들을 맞춤화하기 위해 사용자의 지리적 로케이션을 포함하여 사용자에 관해 일반적으로 알려진 정보를 활용한다. 사용자는 사용자의 로케이션을 결정하고 광고 선택 프로세스를 개선하기 위해 사용될 수 있는 디바이스를 계속 휴대한다.

반드시 실제 축척(scale)으로 그려진 것은 아닌 도면들에서, 유사한 참조부호들은 상이한 도면들에서의 유사한 컴포넌트들을 기술할 수 있다. 임의의 특정 요소 또는 행위의 논의를 용이하게 식별하기 위해, 참조 번호에서 최상위 숫자 또는 숫자들은 그 요소가 처음 도입되는 도면 번호를 지칭한다. 일부 실시예들은 첨부 도면들의 그림들에서 제한이 아닌 예로서 예시된다.
도 1은 예시적인 실시예들에 따른, 네트워크를 통해 데이터(예를 들어, 메시지 및 연관된 콘텐츠)를 교환하기 위한 예시적인 메시징 시스템을 도시하는 블록도이다.
도 2는 예시적인 실시예들에 따른, 메시징 서버 시스템의 데이터베이스에 저장될 수 있는 데이터를 예시하는 개략도이다.
도 3은 예시적인 실시예들에 따른, 통신을 위해 메시징 클라이언트 애플리케이션에 의해 생성된 메시지의 구조를 예시하는 개략도이다.
도 4는 예시적인 실시예에 따른, 예시적인 트래블 통지 시스템(travel notification system을 도시한 블록도이다.
도 5는 예시적인 실시예에 따른 트래블 통지 시스템의 예시적인 동작을 예시하는 흐름도이다.
도 6 내지 도 8은 예시적인 실시예에 따른 트래블 통지 시스템의 예시적인 입력들 및 출력들이다.
도 9는 예시적인 실시예들에 따른, 본 명세서에 설명된 다양한 하드웨어 아키텍처들과 연계하여 사용될 수 있는 대표적인 소프트웨어 아키텍처를 예시하는 블록도이다.
도 10은 예시적인 실시예들에 따른, 머신 판독가능 매체(예를 들어, 머신 판독가능 저장 매체)로부터 명령어들을 판독하고 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행할 수 있는 머신의 컴포넌트들을 예시하는 블록도이다.

이하의 설명은 본 개시내용의 예시적인 실시예들을 구체화하는 시스템, 방법, 기법, 명령어 시퀀스 및 컴퓨팅 머신 프로그램 제품을 포함한다. 이하의 설명에서는, 설명의 목적들을 위해, 다수의 특정 상세사항들이 다양한 실시예들의 이해를 제공하기 위해 제시된다. 그러나, 본 기술 분야의 통상의 기술자들에게는 실시예들이 이들 특정 상세사항들 없이 실시될 수 있다는 것이 명백할 것이다. 일반적으로, 잘 알려진 명령어 인스턴스들(instances), 프로토콜들(protocols), 구조들, 및 기법들은 반드시 상세하게 도시되어 있는 것은 아니다.

전형적으로, 광고 시스템들은 사용자들 및 사용자의 현재 지리적 로케이션에 관해 일반적으로 알려진 정보에 기초하여 사용자들에게 광고들을 서빙한다. 예를 들어, 사용자가 특정의 도시에 살고 있는 경우, 광고 시스템들은 사용자의 도시에서 이용가능한 제품 및 서비스에 관해 사용자에게 알려준다. 광고들은 일반적으로 미리 결정된 간격들로 또는 사용자가 그들의 디바이스 상에서 일부 콘텐츠를 소비하고 있을 때 사용자들에게 서빙되고 사용자가 현재 무엇을 하고 있는지에 항상 관련되지는 않는다. 이와 같이, 사용자는 광고된 제품 또는 서비스가 관련되게 될 때 광고되는 제품 또는 서비스를 얼마 후에 기억해야만 한다. 그 결과, 전형적인 시스템에 의해 서빙되는 광고의 전체적인 효과가 감소되고, 사용자들에게 주의 산만을 일으키는 것으로 간주될 수 있으며, 이는 결국 사용자의 시간 및 리소스를 낭비하는 것으로 끝난다.

개시된 실시예들은, 사용자가 장래에 미리 결정된 지오펜스(geofence)에 도달하기 전에 특정 시점에서 사용자에게 관련 광고들을 서빙하기 위해 사용자 거동을 학습하도록 머신 러닝 기법들을 적용함으로써 전자 디바이스를 사용하는 효율을 개선한다. 구체적으로는, 개시된 실시예들은 각각이 각자의 관심 지점과 연관되고 제1 사용자의 현재 로케이션 및 현재 시간을 결정하는 복수의 지오펜스를 확립한다. 개시된 실시예들은 장래 시간에 제1 사용자에 의해 트래버스(traverse)될 복수의 지오펜스 중의 주어진 지오펜스를 예측하기 위해 훈련된 머신 러닝 모델을 현재 로케이션 및 현재 시간에 적용하는 것을 포함한다. 머신 러닝 모델은 적어도 제1 사용자의 트래블 시간(travel time)들과 경로들 사이의 관계, 및 트래블 시간들 동안 경로들에 의해 트래버스되는 복수의 지오펜스 중의 지오펜스들의 세트를 확립하도록 훈련된다. 예측된 주어진 지오펜스와 연관된 관심 지점이 검색되고, 제1 사용자가 검색된 관심 지점과 연관된 주어진 지오펜스를 트래버스하기 전에 제1 사용자에게 제시하기 위해 검색된 관심 지점에 관련된 통지가 자동으로 생성된다.

일부 경우들에서, 머신 러닝 기법은 제1 사용자가 정상적으로 그들의 집을 떠나 직장으로 가는 시간 및 사용자가 직장에 가는데 취하는 내비게이션 경로를 학습한다. 머신 러닝 기법은, 식당, 놀이 공원, 상업 시설, 쇼핑몰, 스포츠 이벤트 장소, 공원, 해변, 풍치 지구, 또는 영화관과 같은, 하나 이상의 관심 지점을 둘러싸는 내비게이션 경로를 따른 다양한 지오펜스들을 식별한다. 사용자가 장래에 그들의 집으로부터 직장으로 가기 전에, 개시된 실시예들은 내비게이션 경로들을 따라 지오펜스들 중 하나를 선택하고, 선택된 지오펜스에 의해 둘러싸인 관심 지점에 대한 광고를 생성한다. 개시된 실시예들은 사용자가 내비게이션 경로를 따라 직장으로 가기 위해 그들의 집을 떠나기 5분 전과 같은 미리 결정된 시간 기간에 관심 지점에 대한 광고에 관해 사용자에게 통지한다. 대안적으로, 개시된 실시예들은, 사용자가 일하기 위해 내비게이션 경로를 트래버스하고 있지만 사용자가 선택된 지오펜스에 도달하기 전의 임계 시간 기간(예컨대, 5분) 동안, 사용자의 디바이스 상에 프롬프트 또는 오버레이를 제시하는 등에 의해, 사용자 입력을 수신하지 않고 통지를 제시한다. 이러한 방식으로, 사용자에게 서빙되는 광고는 매우 관련성 있게 되고, 사용자가 광고되는 제품 또는 서비스를 소비하기로 결정함에 있어서 더 효과적일 가능성이 크다. 이는 전체 효율을 증가시키고, 광고들을 사용자들에게 서빙하기 위한 처리 요건들을 감소시키며, 전체 광고 시스템을 개선한다.

도 1은 네트워크(106)를 통해 데이터(예를 들어, 메시지들 및 연관된 콘텐츠)를 교환하기 위한 예시적인 메시징 시스템(100)을 도시하는 블록도이다. 메시징 시스템(100)은 다중의 클라이언트 디바이스(102)를 포함하고, 이들 각각은 메시징 클라이언트 애플리케이션(104)을 포함하는 다수의 애플리케이션을 호스팅한다. 각각의 메시징 클라이언트 애플리케이션(104)은 네트워크(106)(예를 들어, 인터넷)를 통해 메시징 클라이언트 애플리케이션(104)의 다른 인스턴스들 및 메시징 서버 시스템(108)에 통신가능하게 결합된다.

따라서, 각각의 메시징 클라이언트 애플리케이션(104)은 네트워크(106)를 통해 또 다른 메시징 클라이언트 애플리케이션(104)과 그리고 메시징 서버 시스템(108)과 통신하고 데이터를 교환할 수 있다. 메시징 클라이언트 애플리케이션들(104) 사이에 그리고 메시징 클라이언트 애플리케이션(104)과 메시징 서버 시스템(108) 사이에 교환되는 데이터는, 기능들(예를 들어, 기능들을 기동시키는 명령들)뿐만 아니라, 페이로드 데이터(예를 들어, 텍스트, 오디오, 비디오, 또는 다른 멀티미디어 데이터)를 포함한다.

메시징 서버 시스템(108)은 네트워크(106)를 통해 특정 메시징 클라이언트 애플리케이션(104)에게 서버 측 기능성을 제공한다. 메시징 시스템(100)의 특정 기능들이 메시징 클라이언트 애플리케이션(104)에 의해 또는 메시징 서버 시스템(108)에 의해 수행되는 것으로 본 명세서에 설명되지만, 메시징 클라이언트 애플리케이션(104) 또는 메시징 서버 시스템(108) 내에서의 특정 기능성의 로케이션은 설계 선택사항이라는 것을 알 것이다. 예를 들어, 초기에 메시징 서버 시스템(108) 내에 특정 기술 및 기능성을 배치하지만, 나중에 클라이언트 디바이스(102)가 충분한 처리 용량을 갖는 메시징 클라이언트 애플리케이션(104)으로 이 기술 및 기능성을 이주시키는 것이 기술적으로 바람직할 수 있다.

메시징 서버 시스템(108)은 메시징 클라이언트 애플리케이션(104)에 제공되는 다양한 서비스들 및 동작들을 지원한다. 그러한 동작들은 메시징 클라이언트 애플리케이션(104)에 데이터를 송신하고, 그로부터 데이터를 수신하고, 그에 의해 생성된 데이터를 처리하는 것을 포함한다. 이 데이터는, 예로서, 메시지 콘텐츠, 클라이언트 디바이스 정보, 지오로케이션 정보, 미디어 주석 및 오버레이, 가상 객체, 메시지 콘텐츠 지속 조건, 소셜 네트워크 정보, 및 라이브 이벤트 정보를 포함할 수 있다. 메시징 시스템(100) 내에서의 데이터 교환은 메시징 클라이언트 애플리케이션(104)의 사용자 인터페이스(UI)들을 통해 이용 가능한 기능들을 통해 기동되고 제어된다.

이제 구체적으로 메시징 서버 시스템(108)을 참조하면, API(Application Program Interface) 서버(110)가 애플리케이션 서버(112)에 결합되어 프로그램 방식의 인터페이스(programmatic interface)를 제공한다. 애플리케이션 서버(112)는 데이터베이스 서버(118)에 통신가능하게 결합되는데, 이는 애플리케이션 서버(112)에 의해 처리되는 메시지들과 연관된 데이터가 저장되는 데이터베이스(120)로의 액세스를 용이하게 한다.

API 서버(110)를 구체적으로 다루면, 이 서버(110)는 클라이언트 디바이스(102)와 애플리케이션 서버(112) 사이에서 메시지 데이터(예를 들어, 명령들 및 메시지 페이로드들)를 수신하고 송신한다. 구체적으로, API 서버(110)는, 애플리케이션 서버(112)의 기능성을 기동시키기 위해 메시징 클라이언트 애플리케이션(104)에 의해 호출되거나 질의될 수 있는 한 세트의 인터페이스들(예를 들어, 루틴들 및 프로토콜들)을 제공한다. API 서버(110)는 계정 등록; 로그인 기능성; 애플리케이션 서버(112)를 통해, 특정한 메시징 클라이언트 애플리케이션(104)으로부터 또 다른 메시징 클라이언트 애플리케이션(104)으로의 메시지의 전송; 또 다른 메시징 클라이언트 애플리케이션(104)에 의한 가능한 액세스를 위해, 메시징 클라이언트 애플리케이션(104)으로부터 메시징 서버 애플리케이션(114)으로의 미디어 파일들(예를 들어, 이미지들 또는 비디오)의 전송; 미디어 데이터의 컬렉션(예를 들어, 스토리)의 설정; 그러한 컬렉션들의 검색; 클라이언트 디바이스(102)의 사용자의 친구들의 리스트의 검색; 메시지들 및 콘텐츠의 검색; 소셜 그래프에 친구들을 추가 및 삭제하는 것; 소셜 그래프 내에서의 친구들의 로케이션; 사용자 대화 데이터에 대한 액세스; 메시징 서버 시스템(108) 상에 저장된 아바타 정보에 액세스하는 것; 및 애플리케이션 이벤트(예를 들어, 메시징 클라이언트 애플리케이션(104)에 관련됨)를 여는 것을 포함하여, 애플리케이션 서버(112)에 의해 지원되는 다양한 기능들을 노출시킨다.

애플리케이션 서버(112)는, 메시징 서버 애플리케이션(114), 이미지 처리 시스템(116), 소셜 네트워크 시스템(122), 및 트래블 통지 시스템(124)을 포함하여, 다수의 애플리케이션 및 서브시스템을 호스팅한다. 메시징 서버 애플리케이션(114)은, 특히 메시징 클라이언트 애플리케이션(104)의 다중의 인스턴스로부터 수신된 메시지들에 포함된 콘텐츠(예를 들어, 텍스트 및 멀티미디어 콘텐츠)의 모음(aggregation) 및 다른 처리에 관련된, 다수의 메시지 처리 기술 및 기능을 구현한다. 더 상세히 설명되는 바와 같이, 다중 소스로부터의 텍스트 및 미디어 콘텐츠는, 콘텐츠의 컬렉션들(예를 들어, 스토리 또는 갤러리라고 불림)이 되도록 모아질 수 있다. 그 후, 이러한 컬렉션들은 메시징 서버 애플리케이션(114)에 의해, 메시징 클라이언트 애플리케이션(104)에 이용 가능하게 된다. 데이터의 다른 프로세서 및 메모리 집약적인 처리는 또한, 그러한 처리를 위한 하드웨어 요건을 고려하여, 메시징 서버 애플리케이션(114)에 의해 서버 측에서 수행될 수 있다.

애플리케이션 서버(112)는 전형적으로 메시징 서버 애플리케이션(114)에서 메시지의 페이로드 내에서 수신된 이미지 또는 비디오에 대하여, 다양한 이미지 처리 동작들을 수행하는 데 전용되는 이미지 처리 시스템(116)을 또한 포함한다.

소셜 네트워크 시스템(122)은 다양한 소셜 네트워킹 기능 및 서비스를 지원하고 이들 기능 및 서비스를 메시징 서버 애플리케이션(114)에 이용 가능하게 만든다. 이를 위해, 소셜 네트워크 시스템(122)은 데이터베이스(120) 내에 엔티티 그래프를 유지하고 그에 액세스한다. 소셜 네트워크 시스템(122)에 의해 지원되는 기능들 및 서비스들의 예들은, 특정 사용자가 관계를 가지거나 "팔로우하는" 메시징 시스템(100)의 다른 사용자들의 식별 및 또한 다른 엔티티들의 식별 및 특정 사용자의 관심사들을 포함한다. 그러한 다른 사용자들은 사용자의 친구들이라고 지칭될 수 있다.

애플리케이션 서버(112)는 데이터베이스 서버(118)에 통신가능하게 결합되는데, 이는 메시징 서버 애플리케이션(114)에 의해 처리되는 메시지들과 연관된 데이터가 저장되는 데이터베이스(120)로의 액세스를 용이하게 한다.

트래블 통지 시스템(124)은 사용자들의 장래의 목적지, 로케이션, 내비게이션 경로, 및/또는 운송 모드에 기초하여 하나 이상의 사용자에게 광고를 서빙한다. 구체적으로, 트래블 통지 시스템(124)은 메시징 클라이언트 애플리케이션(104)의 각각의 사용자의 로케이션들 및 사용자들이 다양한 로케이션들에 있었던 시간들을 추적하고 저장한다. 일부 경우들에서, 트래블 통지 시스템(124)은 사용자들의 현재 로케이션들을 추적하기 위해 사용자들 각각에게 명시적인 허가를 요청한다. 트래블 통지 시스템(124)은 사용자가 특정 로케이션에서 얼마나 오래 보내는지에 기초하여 로케이션들 사이의 경로를 계산 및/또는 형성한다. 예를 들어, 사용자가 몇 시간 동안 집(예를 들어, 제1 로케이션)에 있었고 그 후 직장에 도달하기 전에 이동을 시작했고 몇 시간 동안 직장(예를 들어, 제2 로케이션)에 머물렀다면, 트래블 통지 시스템(124)은 사용자가 집에 있었을 때와 사용자가 직장에 도달했을 때 사이에 트래버스한 로케이션들이 단일 내비게이션 경로를 형성한다고 결정한다. 트래블 통지 시스템(124)은 사용자들이 이동하는 로케이션들 및/또는 경로들 각각에 의해 트래버스되는 지오펜스들을 식별한다.

트래블 통지 시스템(124)은 트래블 시간들과 사용자들이 트래버스하는 경로들 및 그 경로들을 따라 트래버스되는 지오펜스들의 세트 사이의 관계를 확립하기 위해 머신 러닝 기법(모델 또는 알고리즘)을 훈련한다. 이러한 방식으로, 머신 러닝 기법은, 사용자가 특정의 로케이션에 있고 및/또는 장래에 이전에 트래버스된 내비게이션 경로들 중 하나를 따라 있을 때, 어느 지오펜스들의 세트가 사용자에 의해 트래버스될 것인지를 예측할 수 있다. 트래블 통지 시스템(124)은 예측된 지오펜스들의 세트 내에 있는 관심 지점들에 기초하여 사용자들에게 서빙할 광고를 선택한다. 트래블 통지 시스템(124)은, 사용자가 내비게이션 경로를 따라 이동을 시작하기 직전에 및/또는 사용자가 내비게이션 경로를 따라 이동하고 있는 동안 그렇지만 사용자가 광고된 관심 지점을 둘러싼 지오펜스에 도달하기 전에, 선택된 광고를 사용하여 관심 지점들에 관해 자동으로 사용자에게 통지할 수 있다.

예를 들어, 트래블 통지 시스템(124)은, 제1 사용자가 정상적으로 그들의 집을 떠나 직장으로 가는 시간과 사용자가 직장으로 가는데 취하는 내비게이션 경로를 학습한다. 트래블 통지 시스템(124)은 식당, 놀이 공원, 상업 시설, 쇼핑몰, 스포츠 이벤트 장소, 공원, 해변, 풍치 지구, 또는 영화관과 같은 하나 이상의 관심 지점을 둘러싸는 내비게이션 경로를 따라 다양한 지오펜스들을 식별한다. 사용자가 장래에 그들의 집으로부터 직장으로 가기 전에, 트래블 통지 시스템(124)은 내비게이션 경로들을 따라 지오펜스들 중 하나를 선택하고, 선택된 지오펜스에 의해 둘러싸인 관심 지점에 대한 광고를 생성한다. 트래블 통지 시스템(124)은 사용자가 내비게이션 경로를 따라 직장으로 가기 위해 그들의 집을 떠나기 5분 전과 같은 미리 결정된 시간 기간에 관심 지점에 대한 광고에 관해 사용자에게 통지한다. 대안적으로, 트래블 통지 시스템(124)은, 사용자가 일하기 위해 내비게이션 경로를 트래버스하고 있지만 사용자가 선택된 지오펜스에 도달하기 전의 임계 시간 기간(예컨대, 5분) 동안, 사용자의 디바이스 상에 프롬프트 또는 오버레이를 제시하는 등에 의해, 사용자 입력을 수신하지 않고 통지를 제시한다. 이러한 방식으로, 사용자에게 서빙되는 광고는 매우 관련성 있게 되고, 사용자가 광고되는 제품 또는 서비스를 소비하기로 결정함에 있어서 더 효과적일 가능성이 크다. 이는 전체 효율을 증가시키고, 광고들을 사용자들에게 서빙하기 위한 처리 요건들을 감소시키며, 전체 광고 시스템을 개선한다.

일부 실시예들에서, 트래블 통지 시스템(124)은 하나 이상의 지오펜스를 생성하기 위해 그래픽 지도 기반 사용자 인터페이스를 상업적 엔티티에 제시한다. 구체적으로, 식당 소유자는 트래블 통지 시스템(124)에 액세스하고, 가입료를 내고 또는 명목상으로 또는 무료로, 그래픽 지도 기반 사용자 인터페이스를 볼 수 있다. 트래블 통지 시스템(124)은 식당 소유자가 소유한 식당 주위에 원, 직사각형, 삼각형, 또는 다른 적합한 형상을 그리는, 식당 소유자로부터의 입력을 수신한다. 실시예에서, 트래블 통지 시스템(124)은 식당 소유자가 임계 크기보다 작은 형상을 그리도록 제한한다(예를 들어, 형상은 지도 상에서 1 에이커 미만의 토지를 커버하는 것으로 제한된다). 일부 실시예들에서, 임계 크기는 식당 소유자가 지도 기반 그래픽 사용자 인터페이스에 대한 그들의 액세스를 업그레이드하는 옵션을 선택한 것에 응답하여 동적으로 증가될 수 있다. 일부 경우들에서, 업그레이드하기 위한 옵션은 증가된 요금을 내는 식당 소유자에게 제시된다.

식당 소유자가 형상을 그린 후에, 식당 소유자는 관심 지점(예를 들어, 식당)의 이름을 입력할 수 있고 관심 지점에 대한 광고를 공급할 수 있다. 일부 경우들에서, 식당 소유자는 사용자들이 누구와 함께 이동하고 있는지에 좌우되어 사용자들에게 상이한 광고 프레젠테이션들을 트리거하기 위해 광고에 대한 다양한 파라미터들을 입력할 수 있다. 예를 들어, 트래블 통지 시스템(124)이 타깃팅된 사용자가 식당 소유자에 의해 그려진 지오펜스를 트래버스하는 경로를 따라 단독으로 이동하고 있다고 결정하는 경우, 식당 소유자는 관심 지점에 대해 (제1 타입의 콘텐츠를 갖는) 제1 광고를 지정할 수 있다. 또 다른 예로서, 트래블 통지 시스템(124)이 타깃팅된 사용자가 식당 소유자에 의해 그려진 지오펜스를 트래버스하는 경로를 따라 동료와 함께 이동하고 있다고 결정하는 경우, 식당 소유자는 동일한 관심 지점에 대해 (제2 타입의 콘텐츠를 갖는) 제2 광고를 지정할 수 있다. 또 다른 예로서, 트래블 통지 시스템(124)이 타깃팅된 사용자가 식당 소유자에 의해 그려진 지오펜스를 트래버스하는 경로를 따라 가족 구성원(자식 및/또는 아내)과 함께 이동하고 있다고 결정하는 경우, 식당 소유자는 동일한 관심 지점에 대해 (제3 타입의 콘텐츠를 갖는) 제2 광고를 지정할 수 있다. 일부 경우들에서, 광고는 관심 지점과 연관된 제품 또는 서비스에 대한 쿠폰 및/또는 제품에 대한 추천을 포함한다.

일부 실시예들에서, 식당 소유자는 광고들을 트리거하고 선택하기 위한 파라미터들 중에서 관심 지점에 도달하기 위해 사용되는 운송 모드를 지정할 수 있다. 예를 들어, 식당 소유자는, 트래블 통지 시스템(124)이 타깃팅된 사용자가 식당 소유자에 의해 그려진 지오펜스를 트래버스하는 경로를 따라 자전거 또는 무동력 차량에 의해 이동하고 있다고 결정하는 경우, 관심 지점에 대해 제1 광고를 지정할 수 있다. 또 다른 예로서, 식당 소유자는, 트래블 통지 시스템(124)이 타깃팅된 사용자가 식당 소유자에 의해 그려진 지오펜스를 트래버스하는 경로를 따라 자동차 또는 기차 또는 동력 차량에 의해 이동하고 있다고 결정하는 경우, 동일한 관심 지점에 대해 제2 광고를 지정할 수 있다.

일부 경우들에서, 식당 소유자는 주어진 광고를 트리거하기 위한 특정 운송 모드를 요구할 수 있다. 이러한 방식으로, 트래블 통지 시스템(124)은 상이한 운송 모드들과의 동일하거나 상이한 지오펜스 내에서의 상이한 관심 지점들 사이의 연관들을 저장할 수 있다. 예로서, 트래블 통지 시스템(124)은 주어진 경로(예를 들어, 집에서 직장까지)를 트래버스하기 위해 사용자에 의해 사용되고 있는 현재 운송 모드를 결정할 수 있고 현재 운송 모드에 기초하여 제1 관심 지점 또는 제2 관심 지점을 선택할 수 있다. 구체적으로, 제1 관심 지점은 자전거 운송 모드와 연관될 수 있고, 제2 관심 지점은 자동차 또는 기차 운송 모드와 연관될 수 있다. 제1 및 제2 관심 지점들을 포함하는 지오펜스를 트래버스하는 경로를 트래버스하기 위해 사용자에 의해 현재 사용되는 운송 모드가 자전거를 포함한다고 결정한 것에 응답하여, 트래블 통지 시스템(124)은 그에 대해 사용자에의 프레젠테이션을 위한 광고를 트리거할 제1 관심 지점을 선택한다.

트래블 통지 시스템(124)은 주어진 사용자가 트래버스한 이력 경로들로부터 사용자가 일반적으로 경로를 따라 여정을 시작하는 대략적인 시간을 결정한다. 예를 들어, 트래블 통지 시스템(124)은 평일마다 사용자가 직장으로 가는 경로를 따라 이동하기 위해 대략 오전 8시(예를 들어, 오전 7시 50분과 오전 8시 10분 사이)에 그들의 집을 떠난다고 결정한다. 트래블 통지 시스템(124)은 현재 평일에 현재 시간이 오전 7시 30분이라고 결정하는데, 이것은 사용자가 일반적으로 그들의 집으로부터 직장으로 떠날 때의 대략 오전 8시로부터의 임계값(예를 들어, 30분)보다 작다. 이에 응답하여, 트래블 통지 시스템(124)은 현재 시간이 사용자가 직장으로 떠날 시점인 대략 오전 8시에 도달하기 전에 사용자에의 제공 및 디스플레이를 위해 사용자의 집에서 직장까지의 경로에 의해 트래버스되는 관심 지점에 대한 광고를 갖는 통지의 생성을 트리거한다.

또 다른 예로서, 트래블 통지 시스템(124)은 사용자가 집에서 직장까지의 경로를 따라 어느 한 지오펜스로부터 또 다른 지오펜스로 트래버스하는 데 얼마나 오래 걸리는지를 결정한다. 구체적으로는, 트래블 통지 시스템(124)은, 집으로부터 직장까지의 경로를 따라 이동하면서, 경로를 따라 주어진 지오펜스에 도달하기 위해 사용자가 얼마나 오래 걸릴지를 추정한다. 트래블 통지 시스템(124)은 임계값(예컨대, 10분)을 검색하고, 사용자의 현재 로케이션으로부터 주어진 지오펜스에 도달하기 위한 추정된 시간량이 임계값 미만이라고 결정한 것에 응답하여, 주어진 지오펜스 내의 관심 지점에 대한 광고를 갖는 통지를 생성한다. 이러한 방식으로, 트래블 통지 시스템(124)은 사용자가 관심 지점이 자리잡은 지오펜스에 도달하기 직전에 관심 지점에 관해 사용자에게 통지한다.

일부 실시예들에서, 통지를 트리거하기 위한 관심 지점에 도달하기 위한 임계 시간량은 사용자에 의해 트래버스되는 경로의 총 지속기간에 기초하여 동적으로 조정된다. 예를 들어, 사용자의 집으로부터 직장까지의 경로가 정상적으로 완료하는데 사용자에게 30분의 총 지속기간이 걸리는 경우, 경로를 따른 관심 지점에 대한 통지를 트리거하기 위한 임계량은 5분으로 계산된다. 대안적으로, 사용자의 집으로부터 직장까지의 경로가 정상적으로 완료하는데 사용자에게 1시간의 총 지속기간이 걸리는 경우, 경로를 따른 관심 지점에 대한 통지를 트리거하기 위한 임계량은 25분인 것으로 계산된다. 일부 실시예들에서, 트래블 통지 시스템(124)은 경로를 따른 예측된 트래블 속도에 기초하여 임계 시간량을 조정한다. 예를 들어, 트래블 통지 시스템(124)이 사용자의 집으로부터 직장까지의 경로를 따른 사용자의 속도를 66MPH인 것으로 예측하면, 경로를 따른 관심 지점에 대한 통지를 트리거하기 위한 임계량은 5분인 것으로 계산된다. 대안적으로, 트래블 통지 시스템(124)이 사용자의 집으로부터 직장까지의 경로를 따른 사용자의 속도를 100MPH인 것으로 예측한다면, 경로를 따른 관심 지점에 대한 통지를 트리거하기 위한 임계량은 5분인 것으로 계산된다.

일부 실시예들에서, 트래블 통지 시스템(124)은 복수의 지오펜스 중에서, 열차가 이동하고 있는 동안 열차 운송 모드에 의해 트래버스되는 지오펜스들의 리스트를 식별한다. 트래블 통지 시스템(124)은 복수의 지오펜스 내의 주어진 지오펜스를 트래버스하기 위해 사용되고 있는 사용자의 현재 운송 모드가 열차를 포함한다고 결정한다. 트래블 통지 시스템(124)은 사용자가 사용자의 현재 시간 및 로케이션에 기초하여 주어진 지오펜스를 트래버스할 것임을 예측하기 위해 훈련된 머신 러닝 모델을 적용한다. 트래블 통지 시스템(124)은 주어진 지오펜스가 열차 운송 모드에 의해 트래버스되는 지오펜스들의 리스트에 포함된다고 결정한다. 그에 응답하여, 트래블 통지 시스템(124)은 주어진 지오펜스에 의해 둘러싸인 관심 지점에 관해 사용자에게 통지하는 것을 방지한다. 즉, 트래블 통지 시스템(124)은 사용자들이 움직이는 열차에 있는 동안 사용자들이 트래버스하는 경로들을 따라 자리잡은 관심 지점들에 관해 사용자들에게 통지하는 것을 방지할 수 있다. 트래블 통지 시스템(124)은 열차가 승객들을 하차시키고 승차시키기 위해 움직임을 중지하는 기차역들 주위의 관심 지점들을 포함할 수 있다.

일부 실시예들에서, 트래블 통지 시스템(124)은 동시에 동일한 경로들 상에서 이동하면서 서로의 임계 거리 내에 있는 사용자들 사이의 관계를 형성하기 위해 메시징 클라이언트 애플리케이션(104)에 액세스한다. 예를 들어, 트래블 통지 시스템(124)은 사용자들이 공통 시간 간격(예를 들어, 오전 8시에서 오전 9시 사이) 동안 동일한 경로 또는 일련의 로케이션을 따라 이동하고 있는 동안 두 사용자가 서로의 임계 거리 내에 (예를 들어, 5 피트 미만에) 있다고 결정할 수 있다. 트래블 통지 시스템(124)은 또한 두 사용자가 메시징 클라이언트 애플리케이션(104) 상에서 서로 연결되어 있다(예를 들어, 친구들임)고 결정할 수 있다. 이에 응답하여, 트래블 통지 시스템(124)은 두 사용자가 동료들 및/또는 가족 구성원들인 것으로 결정할 수 있다. 이러한 경우에, 트래블 통지 시스템(124)은 두 사용자가 합승하고 있다고 결정할 수 있고, 합승하고 있는 사용자들에게 프레젠테이션하기 위해 단독으로 이동하고 있는 사용자들에 대해서와는 상이한 통지들을 선택한다. 트래블 통지 시스템(124)은 동일한 광고를 갖는 동일한 통지를 동시에 양 사용자에게 제시할 수 있다.

도 2는 특정 예시적인 실시예들에 따른, 메시징 서버 시스템(108)의 데이터베이스(120)에 저장될 수 있는 데이터를 예시하는 개략도(200)이다. 데이터베이스(120)의 콘텐츠가 다수의 테이블을 포함하는 것으로 도시되어 있지만, 데이터는 다른 타입의 데이터 구조에(예를 들어, 객체-지향형 데이터베이스로서) 저장될 수 있다는 것을 알 것이다.

데이터베이스(120)는 메시지 테이블(214) 내에 저장된 메시지 데이터를 포함한다. 엔티티 테이블(202)은 엔티티 그래프(204)를 포함하는 엔티티 데이터를 저장한다. 그에 대해 엔티티 테이블(202) 내에 레코드들이 유지되는 엔티티들은, 개인, 법인 엔티티, 조직, 객체, 장소, 이벤트 등을 포함할 수 있다. 타입에 관계없이, 그에 관해 메시징 서버 시스템(108)이 데이터를 저장하는 임의의 엔티티는 인식된 엔티티일 수 있다. 각각의 엔티티는 고유 식별자뿐만 아니라 엔티티 타입 식별자(도시되지 않음)를 구비한다.

엔티티 그래프(204)는 더욱이 엔티티들 간의 관계 및 연관에 관한 정보를 저장한다. 그러한 관계들은, 단지 예를 들어, 사회의, 전문적(예를 들어, 일반 법인 또는 조직에서의 일), 관심 기반, 또는 활동 기반일 수 있다.

메시지 테이블(214)은 사용자와 하나 이상의 친구 또는 엔티티 사이의 대화들의 컬렉션을 저장할 수 있다. 메시지 테이블(214)은, 참가자들의 리스트, 대화의 크기(예를 들어, 사용자의 수 및/또는 메시지의 수), 대화의 채팅 컬러, 대화에 대한 고유 식별자, 및 임의의 다른 대화 관련 특징(들)과 같은 각각의 대화의 다양한 속성들을 포함할 수 있다.

데이터베이스(120)는 또한 주석 데이터를 필터들의 예시적인 형태로 주석 테이블(212)에 저장한다. 데이터베이스(120)는 또한 주석 테이블(212)에서 수신된 주석된 콘텐츠를 저장한다. 그에 대해 주석 테이블(212) 내에 데이터가 저장되는 필터들은, 비디오들(그에 대해 비디오 테이블(210)에 데이터가 저장됨) 및/또는 이미지들(그에 대해 이미지 테이블(208)에 데이터가 저장됨)과 연관되고 이들에 적용된다. 일 예에서, 필터들은 수신자 사용자에의 프레젠테이션 동안 이미지 또는 비디오 상에 오버레이되어 디스플레이되는 오버레이들이다. 필터들은, 전송측 사용자가 메시지를 작성하고 있을 때 메시징 클라이언트 애플리케이션(104)에 의해 전송측 사용자에게 제시되는 필터들의 갤러리로부터의, 사용자에 의해 선택된(user-selected) 필터들을 포함하여, 다양한 타입들의 것일 수 있다. 다른 타입의 필터들은, 지리적 로케이션에 기초하여 전송측 사용자에게 제시될 수 있는 지오로케이션 필터들(지오필터(geo-filter)들이라고도 알려짐)을 포함한다. 예를 들어, 이웃 또는 특수한 로케이션에 특정적인 지오로케이션 필터들이, 클라이언트 디바이스(102)의 GPS(Global Positioning System) 유닛에 의해 결정된 지오로케이션 정보에 기초하여 메시징 클라이언트 애플리케이션(104)에 의해 UI 내에 제시될 수 있다. 또 다른 타입의 필터는, 메시지 생성 프로세스 동안 클라이언트 디바이스(102)에 의해 수집된 정보 또는 다른 입력들에 기초하여, 메시징 클라이언트 애플리케이션(104)에 의해 전송측 사용자에게 선택적으로 제시될 수 있는 데이터 필터이다. 데이터 필터들의 예들은, 특정 로케이션에서의 현재 온도, 전송측 사용자가 이동하고 있는 현재 속도, 클라이언트 디바이스(102)에 대한 배터리 수명, 또는 현재 시간을 포함한다.

이미지 테이블(208) 내에 저장될 수 있는 다른 주석 데이터는 소위 "렌즈(lens)" 데이터이다. "렌즈"는 이미지 또는 비디오에 추가될 수 있는 실시간 특수 효과 및 사운드일 수 있다.

위에 언급된 바와 같이, 비디오 테이블(210)은, 일 실시예에서, 그에 대해 메시지 테이블(214) 내에 레코드들이 유지되는 메시지들과 연관되는 비디오 데이터를 저장한다. 유사하게, 이미지 테이블(208)은 그에 대해 엔티티 테이블(202)에 메시지 데이터가 저장되는 메시지들과 연관된 이미지 데이터를 저장한다. 엔티티 테이블(202)은 주석 테이블(212)로부터의 다양한 주석들을 이미지 테이블(208) 및 비디오 테이블(210)에 저장된 다양한 이미지들 및 비디오들과 연관시킬 수 있다.

훈련된 머신 러닝 기법(들)(207)은 트래블 통지 시스템(124)의 훈련 동안에 훈련된 파라미터들을 저장한다. 예를 들어, 훈련된 머신 러닝 기법(207)은 신경망 머신 러닝 기법의 훈련된 파라미터들을 저장한다.

트래블 경로 훈련 데이터(209)는 상이한 사용자에 의해 취해진 복수의 경로, 이러한 경로들이 취해진 시간, 및/또는 경로들 각각에 의해 트래버스된 지오펜스들을 저장한다. 이들 트래블 경로 훈련 데이터(209)는 사용자의 현재 로케이션 및 현재 시간에 기초하여 장래에 사용자에 의해 트래버스될 지오펜스를 예측하기 위해 사용되는 머신 러닝 기법을 훈련하기 위해 트래블 통지 시스템(124)에 의해 사용된다. 예로서, 트래블 통지 시스템(124)은, 제1 사용자가 사용자가 임계 시간 기간(예를 들어, 2시간 초과) 동안 이전에 있었던 제1 로케이션를 떠났고 사용자가 또 다른 임계 시간 기간(예를 들어, 1시간 초과)보다 오래 남아 있는 제2 로케이션에 도달했다고 결정한 것에 응답하여 제1 사용자에 대한 제1 경로를 생성할 수 있다. 트래블 통지 시스템(124)은 트래블 경로 훈련 데이터(209)에 제1 경로가 제1 사용자에 의해 트래버스된 시간 기간을 저장할 수 있다. 트래블 통지 시스템(124)은, 제1 사용자가 사용자가 임계 시간 기간(예를 들어, 2시간 초과) 동안 이전에 있었던 제3 로케이션를 떠났고 사용자가 또 다른 임계 시간 기간(예를 들어, 1시간 초과)보다 오래 남아 있는 제4 로케이션에 도달했다고 결정한 것에 응답하여 제1 사용자에 대한 제2 경로를 생성할 수 있다. 트래블 통지 시스템(124)은 트래블 경로 훈련 데이터(209)에 제2 경로가 제1 사용자에 의해 트래버스된 시간 기간을 저장할 수 있다. 트래블 통지 시스템(124)은 메시징 클라이언트 애플리케이션(104)의 다중의 사용자에 대한 이러한 경로들을 생성할 수 있다.

지오펜스(들) 데이터(205)는 각각이 하나 이상의 각자의 관심 지점(예컨대, 식당, 공원, 놀이 공원, 상업 시설, 쇼핑몰, 스포츠 이벤트 장소, 공원, 해변, 풍치 지구, 및/또는 영화관)을 둘러싸고 있는 형상들에 기초하여 지도 상에 경계들을 정의하는 데이터를 저장한다. 형상들은 다양한 타입들(예를 들어, 직사각형, 정사각형, 삼각형, 다각형 등)의 것일 수 있다. 지오펜스(들) 데이터(205)는 관심 지점을 둘러싸는 형상을 그리거나 정의하는 주어진 관심 지점과 연관된 엔티티로부터 입력을 수신한 것에 응답하여 이러한 형상들을 저장한다. 내비게이션 경로를 따른 로케이션 또는 지점이 지오펜스의 경계들 내에 속할 때, 지오펜스가 내비게이션 경로에 의해 트래버스되거나 교차된다. 지오펜스(들) 데이터(205)는 각각의 관심 지점 및/또는 지오펜스 경계의 파라미터들을 저장한다. 파라미터들은 주어진 관심 지점이 사용자에게 제시하도록 광고를 트리거할 때, 광고의 콘텐츠(예컨대, 사용자가 단독으로, 동료와 함께, 및/또는 가족 구성원과 함께 이동하고 있는지에 기초함), 및/또는 지오펜스를 트래버스하기 위해 사용되는 운송 모드를 정의한다. 지오펜스(들) 데이터(205)는 또한 움직이는 열차 및 움직이지 않는 열차가 트래버스하는 지점들의 리스트를 포함한다.

도 2로 돌아가면, 스토리 테이블(206)은, 컬렉션(예를 들어, 스토리 또는 갤러리)이 되도록 컴파일되는, 메시지들 및 연관된 이미지들, 비디오, 또는 오디오 데이터의 컬렉션들에 관한 데이터를 저장한다. 특정 컬렉션의 생성은 특정 사용자(예를 들어, 그에 대해 엔티티 테이블(202) 내에 레코드가 유지되는 각각의 사용자)에 의해 개시될 수 있다. 사용자는 그 사용자에 의해 생성되고 전송/브로드캐스팅된 콘텐츠의 컬렉션의 형태로 "개인 스토리(personal story)"를 생성할 수 있다. 이를 위해, 메시징 클라이언트 애플리케이션(104)의 UI는, 전송측 사용자가 자신의 개인 스토리에 특정 콘텐츠를 추가하는 것을 가능하게 하기 위해 사용자 선택가능한 아이콘을 포함할 수 있다.

컬렉션은 또한, 수동으로, 자동으로, 또는 수동 및 자동 기법의 조합을 이용하여 생성된 다중 사용자로부터의 콘텐츠의 컬렉션인 "라이브 스토리"를 구성할 수 있다. 예를 들어, "라이브 스토리"는 다양한 로케이션들 및 이벤트들로부터의 사용자-제출 콘텐츠(user-submitted content)의 큐레이팅된 스트림(curated stream)을 구성할 수 있다. 그 클라이언트 디바이스들이 로케이션 서비스 가능하고 특정 시간에 공통 로케이션 이벤트에 있는 사용자들에게는, 예를 들어, 메시징 클라이언트 애플리케이션(104)의 UI를 통해, 특정 라이브 스토리에 콘텐츠를 기여하는 옵션이 제시될 수 있다. 라이브 스토리는 그의 로케이션에 기초하여 메시징 클라이언트 애플리케이션(104)에 의해 사용자에게 식별될 수 있다. 최종 결과는 커뮤니티 관점에서 말한 "라이브 스토리"이다.

특정 지리적 로케이션(예를 들어, 단과대학 또는 대학 캠퍼스) 내에 그의 클라이언트 디바이스(102)가 자리잡은 사용자가 특정 컬렉션에 기여하는 것을 가능하게 하는 추가적인 타입의 콘텐츠 컬렉션은 "로케이션 스토리(location story)"라고 알려져 있다. 일부 실시예들에서, 로케이션 스토리에 대한 기여는 최종 사용자가 특정 조직 또는 다른 엔티티에 속하는지(예를 들어, 대학 캠퍼스의 학생인지)를 검증하기 위해 제2 인증 정도(second degree of authentication)를 요구할 수 있다.

도 3은 추가 메시징 클라이언트 애플리케이션(104) 또는 메시징 서버 애플리케이션(114)으로의 통신을 위해 메시징 클라이언트 애플리케이션(104)에 의해 생성된, 일부 실시예들에 따른, 메시지(300)의 구조를 예시하는 개략도이다. 특정 메시지(300)의 콘텐츠는 메시징 서버 애플리케이션(114)에 의해 액세스 가능한, 데이터베이스(120) 내에 저장된 메시지 테이블(214)을 채우기 위해 사용된다. 유사하게, 메시지(300)의 콘텐츠는 클라이언트 디바이스(102) 또는 애플리케이션 서버(112)의 "수송 중(in-transit)" 또는 "비행 중(in-flight)" 데이터로서 메모리에 저장된다. 메시지(300)는 다음과 같은 컴포넌트들을 포함하는 것으로 도시되어 있다:

● 메시지 식별자(302): 메시지(300)를 식별하는 고유 식별자.

● 메시지 텍스트 페이로드(304): 클라이언트 디바이스(102)의 UI를 통해 사용자에 의해 생성되고 메시지(300)에 포함되는 텍스트.

● 메시지 이미지 페이로드(306): 클라이언트 디바이스(102)의 카메라 컴포넌트에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리로부터 검색되고, 메시지(300)에 포함되는 이미지 데이터.

● 메시지 비디오 페이로드(308): 카메라 컴포넌트에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고 메시지(300)에 포함되는 비디오 데이터.

● 메시지 오디오 페이로드(310): 마이크로폰에 의해 캡처되거나 또는 클라이언트 디바이스(102)의 메모리 컴포넌트로부터 검색되고, 메시지(300)에 포함되는 오디오 데이터.

● 메시지 주석(312): 메시지(300)의 메시지 이미지 페이로드(306), 메시지 비디오 페이로드(308), 또는 메시지 오디오 페이로드(310)에 적용될 주석을 나타내는 주석 데이터(예를 들어, 필터, 스티커, 또는 다른 강화물).

● 메시지 지속기간 파라미터(314): 그에 대해 메시지의 콘텐츠(예를 들어, 메시지 이미지 페이로드(306), 메시지 비디오 페이로드(308), 메시지 오디오 페이로드(310))가 메시징 클라이언트 애플리케이션(104)을 통해 사용자에게 제시되거나 액세스 가능하게 되는 시간량을 초 단위로 표시하는 파라미터 값.

● 메시지 지오로케이션 파라미터(316): 메시지의 콘텐츠 페이로드와 연관된 지오로케이션 데이터(예를 들어, 위도 및 경도 좌표). 다중의 메시지 지오로케이션 파라미터(316) 값이 페이로드에 포함될 수 있고, 이들 파라미터 값들 각각은 콘텐츠(예를 들어, 메시지 이미지 페이로드(306) 내의 특정 이미지, 또는 메시지 비디오 페이로드(308) 내의 특정 비디오)에 포함된 콘텐츠 아이템들에 대하여 연관된다.

● 메시지 스토리 식별자(318): 그와 메시지(300)의 메시지 이미지 페이로드(306) 내의 특정 콘텐츠 아이템이 연관되어 있는 하나 이상의 콘텐츠 컬렉션(예를 들어, "스토리")을 식별하는 식별자 값. 예를 들어, 메시지 이미지 페이로드(306) 내의 다중의 이미지는 각각 식별자 값들을 이용하여 다중의 콘텐츠 컬렉션과 연관될 수 있다.

● 메시지 태그(320): 각각의 메시지(300)는 다중의 태그로 태깅될 수 있고, 그 각각은 메시지 페이로드에 포함된 콘텐츠의 주제를 나타낸다. 예를 들어, 메시지 이미지 페이로드(306)에 포함된 특정 이미지가 동물(예를 들어, 사자)을 묘사하는 경우, 관련 동물을 나타내는 태그 값이 메시지 태그(320) 내에 포함될 수 있다. 태그 값들은, 사용자 입력에 기초하여 수동으로 생성되거나, 또는 예를 들어, 이미지 인식을 이용하여 자동으로 생성될 수 있다.

● 메시지 송신자 식별자(322): 그 상에서 메시지(300)가 생성되었고 그로부터 메시지(300)가 송신된 클라이언트 디바이스(102)의 사용자를 나타내는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 주소, 또는 디바이스 식별자).

● 메시지 수신자 식별자(324): 메시지(300)가 어드레싱되는 클라이언트 디바이스(102)의 사용자를 나타내는 식별자(예를 들어, 메시징 시스템 식별자, 이메일 주소 또는 디바이스 식별자). 다중 사용자 간의 대화의 경우에, 식별자(324)는 대화에 관여된 각각의 사용자를 나타낼 수 있다.

메시지(300)의 다양한 컴포넌트들의 콘텐츠들(예를 들어, 값들)은 그 내에 콘텐츠 데이터 값들이 저장되어 있는 테이블들 내의 로케이션들에 대한 포인터들일 수 있다. 예를 들어, 메시지 이미지 페이로드(306) 내의 이미지 값은 이미지 테이블(208) 내의 로케이션에 대한 포인터(또는 그 주소)일 수 있다. 유사하게, 메시지 비디오 페이로드(308) 내의 값들은 비디오 테이블(210) 내에 저장된 데이터를 가리킬 수 있고, 메시지 주석(312) 내에 저장된 값들은 주석 테이블(212)에 저장된 데이터를 가리킬 수 있고, 메시지 스토리 식별자(318) 내에 저장된 값들은 스토리 테이블(206)에 저장된 데이터를 가리킬 수 있고, 메시지 송신자 식별자(322) 및 메시지 수신자 식별자(324) 내에 저장된 값들은 엔티티 테이블(202) 내에 저장된 사용자 레코드들을 가리킬 수 있다.

도 4는 예시적인 실시예에 따른, 예시적인 트래블 통지 시스템(124)을 도시하는 블록도이다. 트래블 통지 시스템(124)은 한 세트의 입력 데이터(예를 들어, 트래블 시간 및 경로 훈련 데이터(401))에 대해 동작한다. 입력 데이터의 세트는 훈련 단계 동안 데이터베이스(들)(200)에 저장된 트래블 경로 훈련 데이터(209)로부터 획득되고, 클라이언트 디바이스(102)의 로케이션 센서(예를 들어, GPS 디바이스)로부터 획득된다. 트래블 통지 시스템(124)은 머신 러닝 기법 모듈(412), 현재 경로 정보 모듈(411), 지오펜스 선택 모듈(416), 관심 지점 검색 모듈(418), 및 트래블 통지 생성 모듈(420)을 포함한다.

일부 실시예들에서, 머신 러닝 기법 모듈(412)은 ML(machine learning) 알고리즘 또는 모델을 구현한다. ML 알고리즘 또는 ML 모델 또는 기법은 함수 근사화로서 요약될 수 있다. 일부 타입의 입력-출력 쌍들(예를 들어, 특정 시간들 또는 시간 간격들에서 사용자들에 의해 트래버스되는 경로들 및 이들 각자의 경로들에 의해 트래버스되는 지오펜스들)로 구성되는 훈련 데이터가 취득되고, 함수가 (예를 들어, 경로들이 트래버스되는 타이밍으로부터 경로들에 의해 트래버스되는 지오펜스들의 리스트까지) 이러한 매핑을 근사화하도록 "훈련"된다. 일부 방법들은 NN들을 수반한다. 이들에서, 파라미터화된 함수들의 세트

이 선택되는데, 여기서 θ는 훈련 데이터에 걸친 평균 오류를 최소화함으로써 선택되는 파라미터들(예를 들어, 컨볼루션 커널들 및 바이어스들)의 세트이다. 입력-출력 쌍들이

으로 표시되면, 함수는 다음과 같은 최소화 문제를 해결함으로써 공식화될 수 있다:

일단 네트워크가 훈련되었다면(예로서, θ가 선택되었다면), 함수

은 임의의 새로운 입력에 적용될 수 있다. 예를 들어, 주어진 사용자의 이전에 결코 보이지 않은 내비게이션 경로, 로케이션, 및/또는 시간이

내에 공급될 수 있고, 장래의 특정 시간 내에 주어진 사용자가 이동할 주어진 경로에 의해 트래버스될 지오펜스들의 세트가 예측된다.

간단한 NN들이 입력 계층, 중간 또는 은닉 계층, 및 출력 계층으로 구성되며, 이들 각각은 계산 유닛들 또는 노드들을 포함한다. 은닉 계층(들) 노드들은 모든 입력 계층 노드들로부터의 입력을 가지며, 출력 계층 내의 모든 노드들에 연결된다. 이러한 네트워크는 "완전히 연결된"이라고 칭해진다. 각각의 노드는 그의 입력들의 합의 비선형 함수에 좌우되어 신호를 출력 노드에 통신한다. 분류기의 경우, 입력 계층 노드들의 수는 전형적으로 클래스들로 분류되는 객체들의 세트 각각에 대한 특징들의 수와 동일하며, 출력 계층 노드들의 수는 클래스들의 수와 동일하다. 네트워크는 이것에게 알려진 클래스들의 객체들의 특징들을 제시하고 및 역전파(backpropagation)라고 불리는 알고리즘에 의해 훈련 에러를 감소시키도록 노드 가중치들을 조정함으로써 훈련된다. 따라서, 훈련된 네트워크는 그 클래스가 알려지지 않은 새로운 객체들을 분류할 수 있다.

일부 실시예들에서, 머신 러닝 기법 모듈(412)은 신경망을 구현한다. 신경망들은 데이터와 클래스들 또는 회귀 값들 사이의 관계들을 발견하는 능력을 가지며, 특정 조건들 하에서는 비선형 함수들을 포함하는 임의의 함수

를 에뮬레이트할 수 있다. ML에서, 훈련 및 테스트 데이터 둘 다가 동일한 데이터 생성 프로세스

에 의해 발생된다는 가정이 있고, 여기서 각각의

샘플은 i.i.d. 성질을 갖는다(identically and independently distributed). ML에서, 목표는 훈련 에러를 최소화하고 훈련 에러와 테스트 에러 사이의 차이를 가능한 한 작게 만드는 것이다. 훈련 에러가 너무 크면 언더피팅(underfitting)이 발생한다; 오버피팅(overfitting)은 훈련-테스트 에러 갭이 너무 클 때 발생한다. 두 가지 타입의의 성능 부족은 모델 용량과 관련되어 있다: 큰 용량은 훈련 데이터에 매우 잘 맞을 수 있지만 오버피팅(overfitting)을 초래할 수 있는 한편, 작은 용량은 언더피팅(underfitting)을 초래할 수 있다.

훈련 동안, 개시된 실시예들에 따르면, 트래블 통지 시스템(124)은 주어진 사용자의 주어진 내비게이션 경로 및 트래블 시간들로부터의 주어진 내비게이션 경로의 트래블 시간 또는 트래블 지속기간 및 트래블 시간 및 경로 훈련 데이터(401)에 의해 트래버스되는 하나 이상의 지오펜스를 수신한다. 트래블 통지 시스템(124)은 주어진 사용자의 주어진 내비게이션 경로 및 주어진 내비게이션 경로의 트래블 시간 또는 트래블 지속기간에 대해 머신 러닝 기법 모듈(412)을 사용하여 하나 이상의 머신 러닝 기법을 적용한다. 머신 러닝 기법 모듈(412)은 주어진 훈련 데이터로부터 하나 이상의 특징을 추출하여 경로들에 의해 트래버스되는 하나 이상의 지오펜스를 추정한다.

머신 러닝 기법 모듈(412)은 경로에 의해 트래버스되는 추정된 하나 이상의 지오펜스를 훈련 데이터(401)의 일부로서 제공된 지면 지오펜스들과 비교한다. 비교의 차이 임계값에 기초하여, 머신 러닝 기법 모듈(412)은 하나 이상의 계수를 업데이트하고 하나 이상의 추가적인 훈련 경로 및 훈련 지오펜스를 획득한다. 지정된 수의 에포크(epoch) 또는 훈련 내비게이션 경로가 처리된 후에 및/또는 차이 임계값이 지정된 값에 도달할 때, 머신 러닝 기법 모듈(412)은 훈련을 완료하고 머신 러닝 기법 모듈(412)의 파라미터들 및 계수들은 훈련된 머신 러닝 기법(들)(207)에 저장된다.

훈련 후에, 개시된 실시예들에 따르면, 트래블 통지 시스템(124)은 클라이언트 디바이스(102)로부터 주어진 사용자의 현재 로케이션 및 현재 시간을 수신한다. 트래블 통지 시스템(124)은 장래에 주어진 사용자에 의해 트래버스될 하나 이상의 지오펜스를 예측하기 위해 훈련된 머신 러닝 기법 모듈(412)을 주어진 사용자의 수신된 현재 로케이션 및 현재 시간에 적용한다.

일부 실시예들에서, 머신 러닝 기법 모듈(412)은, 사용자가 주어진 경로를 따라 이동하기 위해 취할 운송 모드, 경로를 따른 트래블 속도, 및/또는 유사한 방식으로 경로를 따라 이동하는데 있어서 사용자에게 합류할 하나 이상의 사용자를 예측하도록 훈련된다.

현재 경로 정보 모듈(411)은 하나 이상의 클라이언트 디바이스(102)로부터 로케이션 정보 및 현재 시간을 수신한다. 현재 경로 정보 모듈(411)은 사용자가 또 다른 로케이션으로 떠나기 전에 특정 로케이션에서 얼마나 오래 보내는지를 분석함으로써 로케이션 정보를 이용하여 경로를 생성할 수 있다. 현재 경로 정보 모듈(411)은 주어진 사용자가 집에서 임계 시간 기간보다 더 많은(예를 들어, 2시간보다 더 많은) 시간을 보냈고 직장에 도달하기 위해 특정 거리를 이동했고 또 다른 임계 시간 기간(예를 들어, 1시간보다 더 많은 시간) 동안 직장에 머무르고 있다고 결정할 수 있다. 현재 경로 정보 모듈(411)은 사용자가 집을 떠난 시간과 사용자가 직장에 도착한 시간 사이에 사용자가 트래버스한 모든 로케이션들을 모아서 단일 내비게이션 경로를 형성한다. 현재 경로 정보 모듈(411)은 또한 경로에 의해 트래버스되는 지오펜스들의 리스트를 식별하고, 이 정보를 트래블 시간들 및 경로 훈련 데이터(401)로서 저장할 수 있다.

현재 경로 정보 모듈(411)은 주어진 사용자가 메시징 클라이언트 애플리케이션(104) 상의 또 다른 사용자와 친구들인 것으로 결정할 수 있다. 현재 경로 정보 모듈(411)은 양 사용자가 동시에 동일 경로를 트래버스하였고, 그들이 경로를 트래버스한 시간 동안 서로의 임계 거리 내에 있었던 것으로 결정할 수 있다. 이에 응답하여, 현재 경로 정보 모듈(411)은 2명의 사용자 간의 연관성을 함께 이동하는 것으로서 저장할 수 있다. 현재 경로 정보 모듈(411)은 2명의 사용자가 가족 구성원들인지 또는 동료들인지를 결정하기 위해 2명의 사용자에 대한 소셜 네트워크 정보에 액세스할 수 있다.

장래 시간에, 현재 경로 정보 모듈(411)은 주어진 사용자에 대한 현재 시간 및 현재 로케이션를 결정할 수 있다. 현재 경로 정보 모듈(411)은 현재 시간 및 현재 로케이션를 머신 러닝 기법 모듈(412)에 제공할 수 있다. 머신 러닝 기법 모듈(412)은 훈련된 머신 러닝 기법 또는 모델을 주어진 사용자의 현재 시간 및 현재 로케이션에 적용한다. 머신 러닝 기법 모듈(412)은 사용자에 의해 트래버스될 경로 및 장래의 경로 상에서 사용자에 의해 트래버스될 지오펜스들의 리스트를 예측한다. 머신 러닝 기법 모듈(412)은 주어진 사용자가 리스트 내의 지오펜스들 각각을 트래버스할 가능성이 있을 때 장래의 시간들을 식별할 수 있다. 머신 러닝 기법 모듈(412)은 지오펜스들의 리스트를 지오펜스 선택 모듈(416)에 제공한다.

지오펜스 선택 모듈(416)은 그로부터 현재 경로 정보 모듈(411)에 의해 현재 로케이션 및 시간이 수신된 주어진 사용자의 사용자 프로필을 검색한다. 지오펜스 선택 모듈(416)은 지오펜스들의 리스트 내의 지오펜스들 각각에서의 관심 지점들 중 어느 것이 사용자 프로필에 저장된 사용자의 관심과 일치하는지를 식별할 수 있다. 지오펜스 선택 모듈(416)은 지오펜스들의 리스트로부터 하나 이상의 지오펜스를 선택한다. 일부 경우들에서, 지오펜스 선택 모듈(416)은 예측된 경로를 트래버스하기 위해 사용자에 의해 이용되고 있거나 이용될 운송 모드를 결정할 수 있다. 지오펜스 선택 모듈(416)은 결정된 운송 모드와 일치하는 지오펜스들의 서브세트를 식별하기 위해 하나 이상의 지오펜스의 파라미터들을 획득한다. 예를 들어, 운송 모드가 자전거인 경우, 지오펜스 선택 모듈(416)은 그에 대해 표시된 파라미터들이 자전거 운송 모드에 적합한 지오펜스들의 서브세트를 식별하고, 그에 대해 표시된 파라미터들이 자동차 또는 동력 차량 운송 모드에 적합한 지오펜스들을 서브세트로부터 배제한다. 또 다른 예로서, 지오펜스 선택 모듈(416)은 현재 운송 모드가 열차를 포함한다고 결정할 수 있고, 열차가 움직이고 있을 때 경로에 의해 트래버스되는 임의의 지오펜스를 지오펜스들의 서브세트로부터 배제할 수 있다. 이는 사용자가 움직이고 있는 열차에 있는 동안 통지 또는 광고가 예측된 경로를 따라 이동하는 사용자에게 제시되는 것을 방지한다. 지오펜스 선택 모듈(416)은 지오펜스들의 서브세트를 관심 지점 검색 모듈(418)에게 제공한다.

일부 실시예들에서, 지오펜스 선택 모듈(416)은 하나 이상의 지오펜스를 생성하기 위해 그래픽 지도 기반 사용자 인터페이스를 상업적 엔티티에 제시한다. 예를 들어, 식당 소유자는 지오펜스 선택 모듈(416)에 액세스하고, 가입료를 내고 또는 명목상으로 또는 무료로, 그래픽 지도 기반 사용자 인터페이스를 볼 수 있다. 지오펜스 선택 모듈(416)은 식당 소유자가 소유한 식당 주위에 원, 직사각형, 삼각형, 또는 다른 적합한 형상을 그리는 식당 소유자로부터의 입력을 수신한다. 실시예에서, 지오펜스 선택 모듈(416)은 식당 소유자가 임계 크기보다 작은 형상을 그리도록 제한한다(예를 들어, 형상은 지도 상에서 1 에이커 미만의 토지를 커버하는 것으로 제한된다). 일부 실시예들에서, 임계 크기는 식당 소유자가 지도 기반 그래픽 사용자 인터페이스에 대한 그들의 액세스를 업그레이드하는 옵션을 선택한 것에 응답하여 동적으로 증가될 수 있다. 일부 경우들에서, 업그레이드하기 위한 옵션은 증가된 요금을 내는 식당 소유자에게 제시된다.

식당 소유자가 형상을 그린 후에, 식당 소유자는 관심 지점(예를 들어, 식당)의 이름을 입력할 수 있고 관심 지점에 대한 광고를 공급할 수 있다. 일부 경우들에서, 식당 소유자는 사용자들이 누구와 함께 이동하고 있는지에 좌우되어 사용자들에게 상이한 광고 프레젠테이션들을 트리거하기 위해 광고에 대한 다양한 파라미터들을 입력할 수 있다. 일부 실시예들에서, 식당 소유자는 광고들을 트리거하고 선택하기 위한 파라미터들 중에서 관심 지점에 도달하기 위해 사용되는 운송 모드를 지정할 수 있다. 일부 경우들에서, 식당 소유자는 주어진 광고를 트리거하기 위한 특정 운송 모드를 요구할 수 있다. 이러한 방식으로, 지오펜스 선택 모듈(416)은 상이한 운송 모드들과의 동일하거나 상이한 지오펜스 내에서의 상이한 관심 지점들 사이의 연관들을 저장할 수 있다.

관심 지점 검색 모듈(418)은 지오펜스들의 서브세트 각각에 대한 하나 이상의 관심 지점을 획득한다. 관심 지점 검색 모듈(418)은 서브세트 내의 지오펜스들 중 하나의 지오펜스의 관심 지점들 중 하나를 무작위적으로 또는 의사-무작위적으로 선택할 수 있다. 관심 지점 검색 모듈(418)은 선택된 관심 지점에 대한 광고를 검색한다. 일부 경우들에서, 관심 지점 검색 모듈(418)은 현재 경로 정보 모듈(411)로부터 주어진 사용자가 예측 경로를 따라 단독으로, 동료와 함께, 또는 가족 구성원과 함께 이동하고 있는지를 나타내는 정보를 수신할 수 있다. 이 정보에 기초하여, 관심 지점 검색 모듈(418)은 매칭 파라미터들과 연관된 특정 광고를 선택한다.

예를 들어, 관심 지점 검색 모듈(418)이 사용자가 예측된 경로를 따라 단독으로 이동하고 있다고 결정하면, 관심 지점 검색 모듈(418)은 단독으로 이동하는 사용자에게 적합한 선택된 관심 지점에 대한 제1 광고를 선택할 수 있다. 그러한 광고는 도 6과 연계하여 도시되고 설명된다. 관심 지점 검색 모듈(418)이 사용자가 예측된 경로를 따라 동료와 함께 이동하고 있다고 결정하면, 관심 지점 검색 모듈(418)은 동료와 함께 이동하는 사용자에게 적합한 선택된 관심 지점에 대한, 제1 광고와 상이한 콘텐츠를 갖는 제2 광고를 선택할 수 있다. 그러한 광고는 도 7과 연계하여 도시되고 설명된다. 관심 지점 검색 모듈(418)이 사용자가 예측 경로를 따라 가족 구성원과 함께 이동하고 있다고 결정하면, 관심 지점 검색 모듈(418)은 가족 구성원과 함께 이동하는 사용자에 적합한 선택된 관심 지점에 대한, 제1 및 제2 광고들과 상이한 콘텐츠를 갖는 제3 광고를 선택할 수 있다. 그러한 광고는 도 8과 연계하여 도시되고 설명된다.

관심 지점 검색 모듈(418)은 관심 지점에 대한 선택된 광고를 트래블 통지 생성 모듈(420)에 제공한다. 트래블 통지 생성 모듈(420)은, 사용자가 관심 지점을 포함하는 지오펜스에 도달하기 전에 임계 시간 기간 내에 예측된 경로를 따라 사용자와 함께 이동하는 주어진 사용자 및/또는 임의의 다른 사용자들(예컨대, 동료 또는 가족 구성원)에게 광고와 함께 통지를 제시하는 것을 트리거한다.

트래블 통지 생성 모듈(420)은, 사용자가 관심 지점을 트래버스하는 예측된 내비게이션 경로를 따라 직장에 가기 위해 그들의 집을 떠나기 5분 이전과 같은, 미리 결정된 시간 기간에서 관심 지점에 관한 광고와 함께 통지를 생성하여 사용자에게 디스플레이할 수 있다. 예를 들어, 트래블 통지 생성 모듈(420)은, 평일마다 사용자가 머신 러닝 기법 모듈(412)의 출력에 기초하여 직장으로 가는 경로를 따라 이동하기 위해 대략 오전 8시(예를 들어, 오전 7시 50분과 오전 8시 10분 사이)에 그들의 집을 떠난다고 결정한다. 트래블 통지 생성 모듈(420)은 현재 평일에 현재 시간이 오전 7시 30분이라고 결정한다. 트래블 통지 생성 모듈(420)은 통지를 트리거하기 위한 임계값(예를 들어, 예측된 경로를 따라 이동하기 시작하기 30분 전)을 검색한다. 트래블 통지 생성 모듈(420)은 오전 8시의 근사 시간과 오전 7시 30분의 현재 시간 사이의 차이를 계산하고 그 차이를 임계값과 비교한다. 차이가 임계값보다 작다고 결정한 것에 응답하여, 트래블 통지 생성 모듈(420)은 현재 시간이 오전 8시의 근사 시간에 도달하기 전에 예측된 경로가 트래버스하는 관심 지점에 대한 광고와 함께 통지의 생성을 트리거하고, 그 시점에서 사용자는 직장으로 가기 위해 떠날 것이다. 통지는 메시징 클라이언트 애플리케이션(104)의 그래픽 사용자 인터페이스 상에서 및/또는 클라이언트 디바이스(102)의 디스플레이 상에서 사용자에게 제시될 수 있다. 일부 실시예들에서, 트래블 통지 생성 모듈(420)은 사용자가 또 다른 사용자와 함께 예측된 경로를 따라 이동할 것이고 2명의 사용자가 소셜 네트워크 상에서 또는 메시징 클라이언트 애플리케이션(104) 상에서 연결되어 있다고 결정할 수 있다. 이러한 경우에, 통지는 2명의 사용자의 각자의 사용자 디바이스들 상에 동시에 제시된다.

일부 실시예들에서, 트래블 통지 생성 모듈(420)은, 사용자의 디바이스 상에 프롬프트 또는 오버레이를 제시함으로써 그런 것처럼, 사용자 입력을 수신하지 않고, 사용자(들)로의 디스플레이를 위해 통지를 생성한다. 통지는 사용자가 예측된 내비게이션 경로를 따라 목적지로 트래버스하거나 이동하는 동안 제시될 수 있다. 즉, 사용자가 경로를 따라 이동하기 시작한 후에 그렇지만 사용자가 관심 지점을 둘러싸는 지오펜스에 도달하거나 그것을 트래버스하기 전에 통지가 제시될 수 있다. 이러한 경우에, 트래블 통지 생성 모듈(420)은 사용자가 지오펜스에 도달하기 전에 통지를 제시하기 위한 임계 시간 기간(예컨대, 5분)을 검색한다. 트래블 통지 생성 모듈(420)은 (예를 들어, 관심 지점 또는 지오펜스까지의 현재 거리들 및 사용자의 현재 트래블 속도에 기초하여, 또는 머신 러닝 기법 모듈(412)에 의해 제공되는 예측된 속도에 기초하여) 사용자가 관심 지점을 둘러싸는 지오펜스에 도달할 때까지 얼마나 오래 걸릴지를 예측한다. 트래블 통지 생성 모듈(420)은 사용자가 지오펜스에 도달할 때까지의 시간량을 임계값과 비교하고, 시간량이 임계값보다 작다고 결정한 것에 응답하여, 트래블 통지 생성 모듈(420)은 디스플레이를 위한 통지를 트리거한다. 일부 실시예들에서, 트래블 통지 생성 모듈(420)은 사용자가 또 다른 사용자와 함께 예측된 경로를 따라 이동할 것이고 2명의 사용자가 소셜 네트워크 상에서 또는 메시징 클라이언트 애플리케이션(104) 상에서 연결되어 있다고 결정할 수 있다. 이러한 경우에, 통지는 2명의 사용자의 각자의 사용자 디바이스들 상에 동시에 제시된다.

임계값은 사용자의 예측된 속도에 기초하여 및/또는 예측된 경로의 총 예상 지속기간에 기초하여 조정될 수 있다.

도 5는 예시적인 실시예에 따른, 프로세스(500)를 수행하는 데 있어서의 트래블 통지 시스템(124)의 예시적인 동작들을 나타낸 흐름도이다. 프로세스(500)는 프로세스(500)의 동작들이 메시징 서버 시스템(108)의 기능 컴포넌트들에 의해 부분적으로 또는 전체적으로 수행될 수 있도록 하나 이상의 프로세서에 의한 실행을 위한 컴퓨터 판독가능 명령어들로 구체화될 수 있다; 그에 따라, 프로세스(500)는 그를 참조하여 예로서 이하에서 설명된다. 그러나, 다른 실시예들에서, 프로세스들(500)의 동작들 중 적어도 일부는 다양한 다른 하드웨어 구성들 상에 배치될 수 있다. 따라서, 프로세스(500)는 메시징 서버 시스템(108)에 제한되는 것으로 의도하지 않으며, 전체적으로 또는 부분적으로, 임의의 다른 컴포넌트에 의해 구현될 수 있다. 프로세스(500)의 동작들 중 일부 또는 전부는 병렬로, 비순차적으로, 또는 완전히 생략될 수 있다.

동작(501)에서, 트래블 통지 시스템(124)은 각자의 관심 지점과 각각 연관된 복수의 지오펜스를 확립한다.

동작(502)에서, 트래블 통지 시스템(124)은 제1 사용자의 현재 로케이션 및 현재 시간을 결정한다.

동작(503)에서, 트래블 통지 시스템(124)은 훈련된 머신 러닝 모델을 현재 로케이션 및 현재 시간에 적용하여, 장래 시간에 제1 사용자에 의해 트래버스될 복수의 지오펜스 중의 주어진 지오펜스를 예측하는데, 머신 러닝 모델은 트래블 시간들 및 적어도 제1 사용자의 경로들과 트래블 시간 동안 경로들에 의해 트래버스되는 복수의 지오펜스 중의 지오펜스들의 세트 사이의 관계를 확립하도록 훈련된다.

동작(504)에서, 트래블 통지 시스템(124)은 예측된 주어진 지오펜스와 연관된 관심 지점을 검색한다.

동작(505)에서, 트래블 통지 시스템(124)은, 제1 사용자가 검색된 관심 지점과 연관된 주어진 지오펜스를 트래버스하기 전에, 제1 사용자에의 프레젠테이션을 위해 검색된 관심 지점에 관련된 통지를 자동으로 생성한다.

도 9는 본 명세서에 설명된 다양한 하드웨어 아키텍처들과 연계하여 사용될 수 있는 예시적인 소프트웨어 아키텍처(906)를 예시하는 블록도이다. 도 9는 소프트웨어 아키텍처의 비제한적인 예이고, 많은 다른 아키텍처들이 본 명세서에서 설명된 기능성을 용이하게 하기 위하여 구현될 수 있다는 것을 알 것이다. 소프트웨어 아키텍처(906)는, 무엇보다도, 프로세서들(1004), 메모리(1014), 및 입력/출력(I/O) 컴포넌트들(1018)을 포함하는 도 10의 머신(1000)과 같은 하드웨어 상에서 실행될 수 있다. 대표적인 하드웨어 계층(952)이 예시되어 있고, 예를 들어, 도 10의 머신(1000)을 나타낼 수 있다. 대표적인 하드웨어 계층(952)은 연관된 실행가능 명령어들(904)을 갖는 처리 유닛(954)을 포함한다. 실행가능 명령어들(904)은 본 명세서에 설명된 방법들, 컴포넌트들 등의 구현을 포함하는, 소프트웨어 아키텍처(906)의 실행가능 명령어들을 나타낸다. 하드웨어 계층(952)은 메모리 및/또는 저장 모듈들인 메모리/저장소(956)를 또한 포함하고, 이들도 실행가능 명령어들(904)을 갖는다. 하드웨어 계층(952)은 기타 하드웨어(958)를 또한 포함할 수 있다.

도 9의 예시적인 아키텍처에서, 소프트웨어 아키텍처(906)는 각각의 계층이 특정 기능성을 제공하는 계층들의 스택으로서 개념화될 수 있다. 예를 들어, 소프트웨어 아키텍처(906)는 운영 체제(902), 라이브러리들(920), 프레임워크들/미들웨어(918), 애플리케이션들(916), 및 프레젠테이션 계층(914)과 같은 계층들을 포함할 수 있다. 동작적으로, 계층들 내의 애플리케이션들(916) 및/또는 다른 컴포넌트들은 소프트웨어 스택을 통해 API 호출들(908)을 기동시키고 API 호출들(908)에 응답하여 메시지들(912)을 수신할 수 있다. 예시된 계층들은 본질적으로 대표적인 것이며 소프트웨어 아키텍처들 모두가 모든 계층들을 갖는 것은 아니다. 예를 들어, 일부 모바일 또는 특수 목적 운영 체제들은 프레임워크들/미들웨어(918)를 제공하지 않을 수도 있지만, 다른 것들은 그러한 계층을 제공할 수 있다. 다른 소프트웨어 아키텍처는 추가의 또는 상이한 계층들을 포함할 수 있다.

운영 체제(902)는 하드웨어 리소스들을 관리하고 공통 서비스들을 제공할 수 있다. 운영 체제(902)는, 예를 들어, 커널(922), 서비스들(924), 및 드라이버들(926)을 포함할 수 있다. 커널(922)은 하드웨어와 다른 소프트웨어 계층들 간에 추상화 계층(abstraction layer)으로서 역할을 할 수 있다. 예를 들어, 커널(922)은 메모리 관리, 프로세서 관리(예를 들어, 스케줄링), 컴포넌트 관리, 네트워킹, 보안 설정 등을 담당할 수 있다. 서비스들(924)은 다른 소프트웨어 계층들을 위한 다른 공통 서비스들을 제공할 수 있다. 드라이버들(926)은 기본(underlying) 하드웨어를 제어하거나 그와 인터페이싱하는 것을 담당한다. 예를 들어, 드라이버들(926)은 하드웨어 구성에 좌우되어 디스플레이 드라이버, 카메라 드라이버, Bluetooth® 드라이버, 플래시 메모리 드라이버, 직렬 통신 드라이버(예를 들어, 범용 직렬 버스(USB) 드라이버), Wi-Fi® 드라이버, 오디오 드라이버, 전력 관리 드라이버 등을 포함한다.

라이브러리들(920)은 애플리케이션들(916) 및/또는 다른 컴포넌트들 및/또는 계층들에 의해 사용되는 공통 인프라스트럭처를 제공한다. 라이브러리들(920)은 다른 소프트웨어 컴포넌트들이 기본 운영 체제(902) 기능성(예를 들어, 커널(922), 서비스들(924) 및/또는 드라이버들(926))과 직접 인터페이스하는 것보다 더 쉬운 방식으로 작업들을 수행할 수 있게 하는 기능성을 제공한다. 라이브러리들(920)은 메모리 할당 기능들, 문자열 조작 기능들, 수학 기능들 등과 같은 기능들을 제공할 수 있는 시스템 라이브러리들(944)(예를 들어, C 표준 라이브러리)을 포함할 수 있다. 또한, 라이브러리들(920)은 미디어 라이브러리들(예를 들어, MPREG4, H.264, MP3, AAC, AMR, JPG, PNG와 같은 다양한 미디어 포맷의 프레젠테이션 및 조작을 지원하기 위한 라이브러리들), 그래픽 라이브러리들(예를 들어, 디스플레이 상의 그래픽 콘텐츠에서 2차원 및 3차원을 렌더링하기 위해 사용될 수 있는 OpenGL 프레임워크), 데이터베이스 라이브러리들(예를 들어, 다양한 관계형 데이터베이스 기능들을 제공할 수 있는 SQLite), 웹 라이브러리들(예를 들어, 웹 브라우징 기능성을 제공할 수 있는 WebKit) 등과 같은 API 라이브러리들(946)을 포함할 수 있다. 라이브러리들(920)은 많은 다른 API들을 애플리케이션들(916) 및 다른 소프트웨어 컴포넌트들/모듈들에 제공하는 매우 다양한 다른 라이브러리들(948)을 또한 포함할 수 있다.

프레임워크들/미들웨어(918)(때때로 미들웨어라고도 지칭됨)는 애플리케이션들(916) 및/또는 다른 소프트웨어 컴포넌트들/모듈들에 의해 사용될 수 있는 상위 레벨 공통 인프라스트럭처를 제공한다. 예를 들어, 프레임워크들/미들웨어(918)는 다양한 그래픽 UI(GUI) 기능들, 하이-레벨 리소스 관리, 하이-레벨 로케이션 서비스들 등을 제공할 수 있다. 프레임워크들/미들웨어(918)는 애플리케이션들(916) 및/또는 다른 소프트웨어 컴포넌트들/모듈들에 의해 활용될 수 있는 광범위한 스펙트럼의 다른 API들을 제공할 수 있으며, 그 중 일부는 특정 운영 체제(902) 또는 플랫폼에 특정적일 수 있다.

애플리케이션들(916)은 빌트인 애플리케이션들(938) 및/또는 제3자 애플리케이션들(940)을 포함한다. 대표적인 빌트인 애플리케이션들(938)의 예들은 연락처 애플리케이션, 브라우저 애플리케이션, 북 리더 애플리케이션, 로케이션 애플리케이션, 미디어 애플리케이션, 메시징 애플리케이션, 및/또는 게임 애플리케이션을 포함할 수 있지만, 이들로만 제한되지는 않는다. 제3자 애플리케이션들(940)은 특정 플랫폼의 벤더 이외의 엔티티에 의해 ANDROID^TM 또는 IOS^TM 소프트웨어 개발 키트(SDK)를 이용하여 개발된 애플리케이션을 포함할 수 있고, IOS^TM, ANDROID^TM, WINDOWS® Phone, 또는 다른 모바일 운영 체제들과 같은 모바일 운영 체제 상에서 실행되는 모바일 소프트웨어일 수 있다. 제3자 애플리케이션들(940)은 본 명세서에 설명된 기능성을 용이하게 하기 위해 모바일 운영 체제(예컨대 운영 체제(902))에 의해 제공되는 API 호출들(908)을 기동시킬 수 있다.

애플리케이션들(916)은 시스템의 사용자들과 상호작용하기 위한 UI들을 생성하기 위해 빌트인 운영 체제 기능들(예를 들어, 커널(922), 서비스들(924), 및/또는 드라이버들(926)), 라이브러리들(920), 및 프레임워크들/미들웨어(918)를 사용할 수 있다. 대안적으로 또는 추가적으로, 일부 시스템들에서, 사용자와의 상호작용들은 프레젠테이션 계층(914)과 같은 프레젠테이션 계층을 통해 발생할 수 있다. 이러한 시스템들에서, 애플리케이션/컴포넌트 "로직"은 사용자와 상호작용하는 애플리케이션/컴포넌트의 양태들로부터 분리될 수 있다.

도 10은, 머신 판독가능 매체(예를 들어, 머신 판독가능 저장 매체)로부터 명령어들을 판독하고 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행할 수 있는, 일부 예시적인 실시예들에 따른, 머신(1000)의 컴포넌트들을 예시하는 블록도이다. 구체적으로, 도 10은 컴퓨터 시스템의 예시적인 형태의 머신(1000)의 도식적 표현을 나타내는 것으로, 그 안에서 머신(1000)으로 하여금 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행하게 야기하기 위한 명령어들(1010)(예를 들어, 소프트웨어, 프로그램, 애플리케이션, 애플릿(applet), 앱, 또는 다른 실행가능 코드)이 실행될 수 있다. 이와 같이, 명령어들(1010)은 본 명세서에 설명된 모듈들 또는 컴포넌트들을 구현하기 위해 사용될 수 있다. 명령어들(1010)은, 일반적인 비프로그래밍된 머신(1000)을, 설명되고 예시된 기능들을 설명된 방식으로 완수하도록 프로그래밍된 특정한 머신(1000)으로 변환한다. 대안적인 실시예들에서, 머신(1000)은 독립형 디바이스로서 동작하거나 다른 머신들에 결합(예를 들어, 네트워킹)될 수 있다. 네트워킹된 배치에서, 머신(1000)은 서버-클라이언트 네트워크 환경에서 서버 머신 또는 클라이언트 머신의 자격으로 동작하거나, 피어-투-피어(또는 분산형) 네트워크 환경에서 피어 머신으로서 동작할 수 있다. 머신(1000)은, 서버 컴퓨터, 클라이언트 컴퓨터, 개인용 컴퓨터(PC), 태블릿 컴퓨터, 랩톱 컴퓨터, 넷북, 셋톱 박스(STB), 개인 휴대 정보 단말기(PDA), 엔터테인먼트 미디어 시스템, 셀룰러 전화, 스마트폰, 모바일 디바이스, 웨어러블 디바이스(예를 들어, 스마트 시계), 스마트 홈 디바이스(예를 들어, 스마트 어플라이언스), 다른 스마트 디바이스들, 웹 어플라이언스, 네트워크 라우터, 네트워크 스위치, 네트워크 브리지, 또는 머신(1000)에 의해 취해질 액션들을 지정하는 명령어들(1010)을 순차적으로 또는 다른 방식으로 실행할 수 있는 임의의 머신을 포함할 수 있지만, 이들로만 제한되지는 않는다. 또한, 단일 머신(1000)만이 예시되어 있지만, "머신"이라는 용어는 또한 본 명세서에서 논의된 방법론들 중 임의의 하나 이상을 수행하기 위해 명령어들(1010)을 개별적으로 또는 공동으로 실행하는 머신들의 컬렉션을 포함하는 것으로 간주될 것이다.

머신(1000)은, 예컨대 버스(1002)를 통해 서로 통신하도록 구성될 수 있는, 프로세서들(1004), 메모리/저장소(1006), 및 I/O 컴포넌트들(1018)을 포함할 수 있다. 예시적인 실시예에서, 프로세서(1004)(예를 들어, 중앙 처리 유닛(CPU), RISC(reduced instruction set computing) 프로세서, CISC(complex instruction set computing) 프로세서, 그래픽 처리 유닛(GPU), 디지털 신호 프로세서(DSP), 주문형 집적 회로(ASIC), 무선 주파수 집적 회로(RFIC), 또 다른 프로세서, 또는 이들의 임의의 적절한 조합)는, 예를 들어, 명령어(1010)를 실행할 수 있는 프로세서(1008) 및 프로세서(1012)를 포함할 수 있다. "프로세서"라는 용어는, 명령어들을 동시에 실행할 수 있는 2개 이상의 독립적 프로세서(때때로 "코어들"로서 지칭됨)를 포함할 수 있는 멀티-코어 프로세서(1004)를 포함하는 것으로 의도된다. 도 10은 다중의 프로세서(1004)를 도시하지만, 머신(1000)은 단일 코어를 갖는 단일 프로세서, 다중 코어를 갖는 단일 프로세서(예를 들어, 멀티-코어 프로세서), 단일 코어를 갖는 다중 프로세서, 다중 코어를 갖는 다중 프로세서, 또는 이들의 임의의 조합을 포함할 수 있다.

메모리/저장소(1006)는 메인 메모리, 또는 다른 메모리 저장소와 같은 메모리(1014), 및 저장 유닛(1016)을 포함할 수 있고, 이 둘 다에는 예컨대 버스(1002)를 통해 프로세서들(1004)이 액세스할 수 있다. 저장 유닛(1016) 및 메모리(1014)는 본 명세서에서 설명되는 방법들 또는 기능들 중 임의의 하나 이상을 구체화하는 명령어들(1010)을 저장한다. 명령어들(1010)은 또한, 머신(1000)에 의한 그의 실행 동안, 완전히 또는 부분적으로, 메모리(1014) 내에, 저장 유닛(1016) 내에, 프로세서들(1004) 중 적어도 하나 내에 (예를 들어, 프로세서의 캐시 메모리 내에), 또는 이들의 임의의 적합한 조합으로 존재할 수 있다. 따라서, 메모리(1014), 저장 유닛(1016), 및 프로세서들(1004)의 메모리는 머신 판독가능 매체의 예들이다.

I/O 컴포넌트들(1018)은 입력을 수신하고, 출력을 제공하고, 출력을 생성하고, 정보를 송신하고, 정보를 교환하고, 측정들을 캡처하는 등을 위한 매우 다양한 컴포넌트들을 포함할 수 있다. 특정 머신(1000)에 포함되는 특정 I/O 컴포넌트들(1018)은 머신의 타입에 의존할 것이다. 예를 들어, 모바일 폰 등의 휴대용 머신은 터치 입력 디바이스 또는 기타의 이러한 입력 메커니즘을 포함할 수 있는 반면, 헤드리스 서버 머신(headless server machine)은 이러한 터치 입력 디바이스를 포함하지 않을 가능성이 클 것이다. I/O 컴포넌트들(1018)은 도 10에 도시되지 않은 많은 다른 컴포넌트들을 포함할 수 있다는 것을 알 것이다. I/O 컴포넌트들(1018)은 단지 이하의 논의를 간소화하기 위해 기능성에 따라 그룹화되어 있고, 이러한 그룹화는 결코 제한적인 것이 아니다. 다양한 예시적인 실시예들에서, I/O 컴포넌트들(1018)은 출력 컴포넌트들(1026) 및 입력 컴포넌트들(1028)을 포함할 수 있다. 출력 컴포넌트들(1026)은, 시각적 컴포넌트들(예를 들어, 플라즈마 디스플레이 패널(PDP), 발광 다이오드(LED) 디스플레이, 액정 디스플레이(LCD), 프로젝터, 또는 CRT(cathode ray tube) 등의 디스플레이), 음향 컴포넌트들(예를 들어, 스피커), 햅틱 컴포넌트들(예를 들어, 진동 모터, 저항 메커니즘), 기타의 신호 생성기 등을 포함할 수 있다. 입력 컴포넌트들(1028)은 알파뉴메릭 입력 컴포넌트들(예를 들어, 키보드, 알파뉴메릭 입력을 수신하도록 구성된 터치 스크린, 포토-광학 키보드, 또는 다른 알파뉴메릭 입력 컴포넌트들), 포인트 기반 입력 컴포넌트들(예를 들어, 마우스, 터치패드, 트랙볼, 조이스틱, 모션 센서, 또는 다른 포인팅 기구), 촉각 입력 컴포넌트들(예를 들어, 물리적 버튼, 터치들 또는 터치 제스처들의 로케이션 및/또는 힘을 제공하는 터치 스크린, 또는 다른 촉각 입력 컴포넌트들), 오디오 입력 컴포넌트들(예를 들어, 마이크로폰) 등을 포함할 수 있다.

추가의 예시적인 실시예들에서, I/O 컴포넌트들(1018)은, 매우 다양한 다른 컴포넌트들 중에서도, 바이오메트릭 컴포넌트들(1039), 모션 컴포넌트들(1034), 환경 컴포넌트들(1036), 또는 위치 컴포넌트들(1038)을 포함할 수 있다. 예를 들어, 바이오메트릭 컴포넌트(1039)는, 표현(예를 들어, 손 표현, 얼굴 표정, 음성 표현, 신체 제스처, 또는 시선 추적)을 검출하고, 생체신호(예를 들어, 혈압, 심박수, 체온, 땀 또는 뇌파)를 측정하고, 사람을 식별(예를 들어, 음성 식별, 망막 식별, 얼굴 식별, 지문 식별, 또는 뇌파계 기반 식별)하는 컴포넌트들을 포함할 수 있다. 모션 컴포넌트들(1034)은 가속도 센서 컴포넌트들(예를 들어, 가속도계), 중력 센서 컴포넌트들, 회전 센서 컴포넌트들(예를 들어, 자이로스코프) 등을 포함할 수 있다. 환경 컴포넌트들(1036)은, 예를 들어, 조명 센서 컴포넌트들(예를 들어, 광도계), 온도 센서 컴포넌트들(예를 들어, 주위 온도를 검출하는 하나 이상의 온도계), 습도 센서 컴포넌트들, 압력 센서 컴포넌트들(예를 들어, 기압계), 음향 센서 컴포넌트들(예를 들어, 배경 잡음을 검출하는 하나 이상의 마이크로폰), 근접 센서 컴포넌트들(예를 들어, 인근 대상들을 검출하는 적외선 센서들), 가스 센서들(예를 들어, 안전을 위해 유해성 가스들의 농도들을 검출하거나 대기 내의 오염 물질들을 측정하는 가스 검출 센서들), 또는 주변 물리적 환경에 대응하는 표시들, 측정들, 또는 신호들을 제공할 수 있는 다른 컴포넌트들을 포함할 수 있다. 위치 컴포넌트들(1038)은, 로케이션 센서 컴포넌트들(예를 들어, GPS 수신기 컴포넌트), 고도 센서 컴포넌트들(예를 들어, 고도계 또는 고도가 도출될 수 있는 기압을 검출하는 기압계), 오리엔테이션 센서 컴포넌트들(예를 들어, 자력계) 등을 포함할 수 있다.

통신은 매우 다양한 기술을 사용하여 구현될 수 있다. I/O 컴포넌트들(1018)은 머신(1000)을 제각기 결합(1024) 및 결합(1022)을 통해 네트워크(1037) 또는 디바이스들(1029)에 결합하도록 동작가능한 통신 컴포넌트들(1040)을 포함할 수 있다. 예를 들어, 통신 컴포넌트들(1040)은 네트워크(1037)와 인터페이스하기 위한 네트워크 인터페이스 컴포넌트 또는 다른 적합한 디바이스를 포함할 수 있다. 추가 예들에서, 통신 컴포넌트들(1040)은 유선 통신 컴포넌트들, 무선 통신 컴포넌트들, 셀룰러 통신 컴포넌트들, 근접장 통신(NFC) 컴포넌트들, Bluetooth® 컴포넌트들(예를 들어, Bluetooth®Low Energy), Wi-Fi® 컴포넌트들, 및 다른 양상들을 통해 통신을 제공하는 다른 통신 컴포넌트들을 포함할 수 있다. 디바이스(1029)는 또 다른 머신 또는 임의의 다양한 주변기기 디바이스(예를 들어, USB를 통해 결합된 주변기기 디바이스)일 수 있다.

더욱이, 통신 컴포넌트들(1040)은 식별자들을 검출할 수 있거나 또는 식별자들을 검출하도록 동작가능한 컴포넌트들을 포함할 수 있다. 예를 들어, 통신 컴포넌트들(1040)은 RFID(Radio Frequency Identification) 태그 판독기 컴포넌트들, NFC 스마트 태그 검출 컴포넌트들, 광학 판독기 컴포넌트들(예를 들어, UPC(Universal Product Code) 바 코드와 같은 1-차원 바 코드들, QR(Quick Response) 코드와 같은 다-차원 바 코드들, Aztec 코드, Data Matrix, Dataglyph, MaxiCode, PDF417, Ultra Code, UCC RSS-2D 바 코드, 및 다른 광학 코드들을 검출하기 위한 광학 센서), 또는 음향 검출 컴포넌트들(예를 들어, 태깅된 오디오 신호들을 식별하기 위한 마이크로폰들)을 포함할 수 있다. 또한, 인터넷 프로토콜(IP) 지오-로케이션을 통한 로케이션, Wi-Fi® 신호 삼각측량을 통한 로케이션, 특정한 로케이션을 나타낼 수 있는 NFC 비컨 신호 검출을 통한 로케이션과 같은 다양한 정보가 통신 컴포넌트(1040)를 통해 도출될 수 있다.

용어집

이러한 맥락에서 "캐리어 신호(CARRIER SIGNAL)"는 머신에 의한 실행을 위한 일시적 또는 비-일시적 명령어들을 저장, 인코딩, 또는 운반할 수 있는 임의의 무형 매체를 지칭하고, 그러한 명령어들의 통신을 용이하게 하기 위한 디지털 또는 아날로그 통신 신호들 또는 다른 무형 매체를 포함한다. 명령어들은 네트워크 인터페이스 디바이스를 통해 일시적 또는 비-일시적 송신 매체를 사용하여 그리고 다수의 널리 공지된 전송 프로토콜들 중 임의의 하나를 사용하여 네트워크를 통해 송신 또는 수신될 수 있다.

이러한 맥락에서 "클라이언트 디바이스(CLIENT DEVICE)"는 하나 이상의 서버 시스템 또는 다른 클라이언트 디바이스들로부터 리소스들을 획득하기 위해 통신 네트워크에 인터페이스하는 임의의 머신을 지칭한다. 클라이언트 디바이스는, 모바일 전화, 데스크톱 컴퓨터, 랩톱, PDA, 스마트폰, 태블릿, 울트라 북, 넷북, 랩톱, 멀티-프로세서 시스템, 마이크로프로세서-기반 또는 프로그래밍가능한 가전 제품, 게임 콘솔, 셋탑 박스 또는 사용자가 네트워크에 액세스하기 위해 이용할 수 있는 기타 임의의 통신 디바이스일 수 있지만, 이것으로만 제한되지는 않는다.

이러한 맥락에서 "통신 네트워크(COMMUNICATIONS NETWORK)"는 애드 혹 네트워크, 인트라넷, 엑스트라넷, VPN(virtual private network), LAN(local area network), WLAN(wireless LAN), WAN(wide area network), WWAN(wireless WAN), MAN(metropolitan area network), 인터넷, 인터넷의 일부, PSTN(Public Switched Telephone Network)의 일부, POTS(plain old telephone service) 네트워크, 셀룰러 전화 네트워크, 무선 네트워크, Wi-Fi® 네트워크, 또 다른 타입의 네트워크, 또는 둘 이상의 이러한 네트워크의 조합일 수 있는 네트워크의 하나 이상의 부분을 지칭한다. 예를 들어, 네트워크 또는 네트워크의 일부는 무선 또는 셀룰러 네트워크를 포함할 수 있고 결합은 CDMA(Code Division Multiple Access) 접속, GSM(Global System for Mobile communications) 접속, 또는 다른 타입의 셀룰러 또는 무선 결합을 포함할 수 있다. 이러한 예에서, 결합은, 1xRTT(Single Carrier Radio Transmission Technology), EVDO(Evolution-Data Optimized) 기술, GPRS(General Packet Radio Service) 기술, EDGE(Enhanced Data rates for GSM Evolution) 기술, 3G를 포함하는 3GPP(third Generation Partnership Project), 4G(fourth generation wireless) 네트워크들, UMTS(Universal Mobile Telecommunications System), HSPA(High Speed Packet Access), WiMAX(Worldwide Interoperability for Microwave Access), LTE(Long Term Evolution) 표준, 다양한 표준 설정 조직들에 의해 정의되는 다른 것들, 다른 장거리 프로토콜들, 또는 다른 데이터 전송 기술과 같은, 다양한 타입들의 데이터 전송 기술 중 임의의 것을 구현할 수 있다.

이러한 맥락에서 "단기적 메시지(EPHEMERAL MESSAGE)"는 시간-제한된 지속기간 동안 액세스 가능한 메시지를 지칭한다. 단기적 메시지는, 텍스트, 이미지, 비디오 등일 수 있다. 단기적 메시지에 대한 액세스 시간은 메시지 전송자에 의해 설정될 수 있다. 대안적으로, 액세스 시간은 디폴트 설정 또는 수신자에 의해 명시되는 설정일 수 있다. 설정 기법에 관계없이, 메시지는 일시적(transitory)이다.

이러한 맥락에서 "머신 판독가능 매체(MACHINE-READABLE MEDIUM)"는 명령어 및 데이터를 일시적으로 또는 영구적으로 저장할 수 있는 컴포넌트, 디바이스 또는 다른 유형(tangible) 매체를 지칭하고, RAM(random-access memory), ROM(read-only memory), 버퍼 메모리, 플래시 메모리, 광학 매체, 자기 매체, 캐시 메모리, 다른 타입의 저장소(예를 들어, EEPROM(Erasable Programmable Read-Only Memory)) 및/또는 이들의 임의의 적합한 조합을 포함할 수 있지만, 이들로만 제한되지는 않는다. "머신 판독가능 매체(machine-readable medium)"라는 용어는, 명령어들을 저장할 수 있는 단일의 매체 또는 다중의 매체(예를 들어, 중앙집중형 또는 분산형 데이터베이스, 및/또는 연관된 캐시들 및 서버들)를 포함하는 것으로 취해져야 한다. "머신 판독가능 매체"라는 용어는 또한, 명령어들이, 머신의 하나 이상의 프로세서에 의해 실행될 때, 머신으로 하여금 본 명세서에 설명된 방법론들 중 임의의 하나 이상을 수행하게 야기하도록, 머신에 의한 실행을 위한 명령어(예를 들어, 코드)를 저장할 수 있는 임의의 매체 또는 다중의 매체의 조합을 포함하는 것으로 간주될 것이다. 따라서, "머신 판독가능 매체"는 다중의 저장 장치 또는 디바이스를 포함하는 "클라우드 기반" 저장 시스템 또는 저장 네트워크뿐만 아니라 단일 저장 장치 또는 디바이스를 지칭한다. "머신 판독가능 매체(machine-readable medium)"라는 용어가 그 자체로는 신호들을 배제한다.

이러한 맥락에서 "컴포넌트(COMPONENT)"는 기능 또는 서브루틴 호출, 분기 포인트, API, 또는 특정한 처리 또는 제어 기능들의 분할 또는 모듈화를 제공하는 다른 기술들에 의해 정의된 경계들을 갖는 디바이스, 물리적 엔티티, 또는 로직을 지칭한다. 컴포넌트들은 그들의 인터페이스들을 통해 다른 컴포넌트들과 조합되어 머신 프로세스를 완수할 수 있다. 컴포넌트는, 다른 컴포넌트들 및 보통은 관련된 기능들 중 특정 기능을 수행하는 프로그램의 일부와 함께 이용하도록 설계되는 패키징된 기능적 하드웨어 유닛일 수 있다. 컴포넌트들은 소프트웨어 컴포넌트들(예를 들어, 머신 판독가능 매체 상에 구현되는 코드) 또는 하드웨어 컴포넌트들을 구성할 수 있다. "하드웨어 컴포넌트"는 특정 동작들을 수행할 수 있는 유형 유닛(tangible unit)이고, 특정 물리적 방식으로 구성되거나 배열될 수 있다. 다양한 예시적인 실시예들에서, 하나 이상의 컴퓨터 시스템들(예를 들어, 독립형 컴퓨터 시스템, 클라이언트 컴퓨터 시스템, 또는 서버 컴퓨터 시스템) 또는 컴퓨터 시스템의 하나 이상의 하드웨어 컴포넌트들(예를 들어, 프로세서 또는 프로세서들의 그룹)은 본 명세서에 설명되는 바와 같이 특정 동작들을 수행하기 위해 동작하는 하드웨어 컴포넌트로서 소프트웨어(예를 들어, 애플리케이션 또는 애플리케이션 부분)에 의해 구성될 수 있다.

하드웨어 컴포넌트는 또한, 기계적으로, 전자적으로, 또는 이들의 임의의 적합한 조합으로 구현될 수 있다. 예를 들어, 하드웨어 컴포넌트는 특정 동작들을 수행하도록 영구적으로 구성되는 전용 회로 또는 로직을 포함할 수 있다. 하드웨어 컴포넌트는, FPGA(Field-Programmable Gate Array) 또는 ASIC와 같은 특수 목적 프로세서일 수 있다. 하드웨어 컴포넌트는 또한, 특정 동작들을 수행하도록 소프트웨어에 의해 일시적으로 구성된 프로그램가능한 로직 또는 회로를 포함할 수 있다. 예를 들어, 하드웨어 컴포넌트는 범용 프로세서 또는 다른 프로그램가능 프로세서에 의해 실행되는 소프트웨어를 포함할 수 있다. 일단 이러한 소프트웨어에 의해 구성되면, 하드웨어 컴포넌트들은 구성되는 기능들을 수행하도록 독자적으로 맞춤화된(uniquely tailored) 특정 머신들(또는 머신의 특정 컴포넌트들)이 되고 더 이상 범용 프로세서들이 아니다. 하드웨어 컴포넌트를 기계적으로, 전용의 영구적으로 구성되는 회로에, 또는 일시적으로 구성되는 회로(예를 들어, 소프트웨어에 의해 구성됨)에 구현하기로 하는 결정이 비용 및 시간 고려사항에 의해 주도될 수 있다는 것을 알 것이다. 따라서, "하드웨어 컴포넌트" (또는 "하드웨어-구현된 컴포넌트")라는 구문은, 유형 엔티티, 즉, 특정 방식으로 동작하거나 본 명세서에 설명된 특정 동작들을 수행하도록 물리적으로 구성되거나, 영구적으로 구성되거나(예를 들어, 하드와이어드) 또는 일시적으로 구성되는(예를 들어, 프로그래밍되는) 엔티티를 포괄하는 것으로 이해해야 한다. 하드웨어 컴포넌트들이 일시적으로 구성되는(예를 들어, 프로그래밍되는) 실시예들을 고려할 때, 하드웨어 컴포넌트들 각각은 임의의 한 시간 인스턴스에서 구성되거나 인스턴스화될 필요는 없다. 예를 들어, 하드웨어 컴포넌트가 특수 목적 프로세서가 되도록 소프트웨어에 의해 구성된 범용 프로세서를 포함하는 경우에, 범용 프로세서는 상이한 때에 (예컨대, 상이한 하드웨어 컴포넌트들을 포함하는) 제각기 상이한 특수 목적 프로세서들로서 구성될 수 있다. 따라서 소프트웨어는 예를 들어, 한 시간 인스턴스에서는 특정 하드웨어 컴포넌트를 구성하고 상이한 시간 인스턴스에서는 상이한 하드웨어 컴포넌트를 구성하도록 특정 프로세서 또는 프로세서들을 구성한다.

하드웨어 컴포넌트는 다른 하드웨어 컴포넌트들에 정보를 제공하고 그로부터 정보를 수신할 수 있다. 따라서, 설명된 하드웨어 컴포넌트들은 통신가능하게 결합되는 것으로서 간주될 수 있다. 다중의 하드웨어 컴포넌트가 동시에 존재하는 경우에, 하드웨어 컴포넌트들 중 2개 이상 간의 또는 그들 사이의 (예를 들어, 적절한 회로들 및 버스들을 통한) 신호 송신을 통해 통신이 달성될 수 있다. 다중의 하드웨어 컴포넌트가 상이한 시간들에서 구성되거나 인스턴스화되는 실시예에서, 이러한 하드웨어 컴포넌트들 사이의 통신은, 예를 들어, 다중의 하드웨어 컴포넌트가 액세스하는 메모리 구조 내의 정보의 저장 및 검색을 통해 달성될 수 있다. 예를 들어, 한 하드웨어 컴포넌트는 동작을 수행하고, 그에 통신가능하게 결합되는 메모리 디바이스에 그 동작의 출력을 저장할 수 있다. 추가의 하드웨어 컴포넌트는 이어서, 추후에, 저장된 출력을 검색 및 처리하기 위해 메모리 디바이스에 액세스할 수 있다.

하드웨어 컴포넌트들은 또한 입력 또는 출력 디바이스들과 통신을 개시할 수 있고, 리소스(예를 들어, 정보의 컬렉션)를 처리할 수 있다. 본 명세서에 설명된 예시적 방법들의 다양한 동작들은, 관련 동작들을 수행하도록 영구적으로 구성되거나 또는 (예를 들어, 소프트웨어에 의해) 일시적으로 구성되는 하나 이상의 프로세서에 의해 적어도 부분적으로 수행될 수 있다. 일시적으로 구성되든 또는 영구적으로 구성되든 간에, 이러한 프로세서들은 본 명세서에 설명되는 하나 이상의 동작 또는 기능들을 수행하도록 동작하는 프로세서 구현 컴포넌트들을 구성할 수 있다. 본 명세서에서 사용되는 바와 같이, "프로세서 구현 컴포넌트(processor-implemented component)"는 하나 이상의 프로세서를 사용하여 구현되는 하드웨어 컴포넌트를 지칭한다. 유사하게, 본 명세서에 설명되는 방법들은 적어도 부분적으로 프로세서로 구현될 수 있고, 특정 프로세서 또는 프로세서들은 하드웨어의 예가 된다. 예를 들어, 방법의 동작들 중 적어도 일부가 하나 이상의 프로세서 또는 프로세서 구현 컴포넌트들에 의해 수행될 수 있다. 더욱이, 하나 이상의 프로세서는 또한 "클라우드 컴퓨팅(cloud computing)" 환경에서 또는 "SaaS(software as a service)"로서 관련 동작들의 수행을 지원하기 위해 동작할 수 있다. 예를 들어, 동작들 중 적어도 일부는, (프로세서들을 포함하는 머신의 예로서의) 컴퓨터들의 그룹에 의해 수행될 수 있고, 이들 동작들은 네트워크(예를 들어, 인터넷)를 통해 및 하나 이상의 적절한 인터페이스(예를 들어, API)를 통해 액세스가능하다. 특정 동작들의 수행은 단일 머신 내에 상주할 뿐만 아니라, 다수의 머신에 걸쳐 배치된 프로세서들 사이에 분산될 수 있다. 일부 예시적인 실시예들에서, 프로세서들 또는 프로세서 구현 컴포넌트들은 단일의 지리적 로케이션에(예를 들어, 가정 환경, 사무실 환경, 또는 서버 팜(server farm) 내에) 자리잡을 수 있다. 다른 예시적인 실시예들에서, 프로세서들 또는 프로세서 구현 컴포넌트들은 다수의 지리적 로케이션들에 걸쳐 분산될 수 있다.

이러한 맥락에서 "프로세서(PROCESSOR)"는 제어 신호들(예를 들어, "명령들", "오피 코드들", "머신 코드" 등)에 따라 데이터 값들을 조작하고 머신을 동작시키기 위해 적용되는 대응하는 출력 신호들을 생성하는 임의의 회로 또는 가상 회로(실제 프로세서 상에서 실행되는 로직에 의해 에뮬레이트되는 물리적 회로)를 지칭한다. 프로세서는, 예를 들어, CPU(Central Processing Unit), RISC(Reduced Instruction Set Computing) 프로세서, CISC(Complex Instruction Set Computing) 프로세서, GPU(Graphics Processing Unit), DSP(Digital Signal Processor), ASIC, RFIC(Radio-Frequency Integrated Circuit), 또는 이들의 임의의 조합일 수 있다. 프로세서는 추가로, 명령어들을 동시에 실행할 수 있는 2개 이상의 독립적 프로세서(때때로 "코어들(cores)"이라고 지칭됨)을 갖는 멀티-코어 프로세서일 수 있다.

이러한 맥락에서 "타임스탬프(TIMESTAMP)"는 특정 이벤트가 언제 발생했는지를 식별하는, 예를 들어, 때때로 1초의 소수까지 정확한, 날짜 및 시각(time of day)을 제공하는, 문자들 또는 인코딩된 정보의 시퀀스를 지칭한다.

본 개시내용의 범위를 벗어나지 않고 개시된 실시예들에 대한 변경들 및 수정들이 이루어질 수 있다. 이들 및 다른 변경들 또는 수정들은 다음의 청구항들에서 표현된 바와 같은, 본 개시내용의 범위 내에 포함되는 것으로 의도된다.

Claims

방법으로서:
하나 이상의 프로세서에 의해, 각각이 각자의 관심 지점과 연관된 복수의 지오펜스를 확립하는 단계;
상기 하나 이상의 프로세서에 의해, 제1 사용자의 현재 로케이션 및 현재 시간을 결정하는 단계;
상기 하나 이상의 프로세서에 의해, 장래 시간에 상기 제1 사용자에 의해 트래버스될 상기 복수의 지오펜스 중의 주어진 지오펜스를 예측하기 위해, 훈련된 머신 러닝 모델을 상기 현재 로케이션 및 상기 현재 시간에 적용하는 단계 - 상기 머신 러닝 모델은 적어도 상기 제1 사용자의 트래블 시간들 및 경로들과 상기 트래블 시간들 동안 상기 경로들에 의해 트래버스되는 상기 복수의 지오펜스 중의 지오펜스들의 세트 사이의 관계를 확립하도록 훈련됨 -;
상기 하나 이상의 프로세서에 의해, 상기 예측된 주어진 지오펜스와 연관된 상기 관심 지점을 검색하는 단계; 및
상기 하나 이상의 프로세서에 의해, 상기 제1 사용자가 상기 검색된 관심 지점과 연관된 상기 주어진 지오펜스를 트래버스하기 전에 상기 제1 사용자에의 프레젠테이션을 위해 상기 검색된 관심 지점에 관련된 통지를 자동으로 생성하는 단계를 포함하는 방법.
제1항에 있어서, 상기 복수의 지오펜스를 확립하는 단계는 상기 복수의 지오펜스 중의 주어진 지오펜스와 연관된 상기 관심 지점 주위의 지도 상에 상기 주어진 지오펜스를 그리는 사용자 입력을 수신하는 단계를 포함하는 방법.
제1항에 있어서, 상기 검색된 관심 지점은 식당, 놀이 공원, 상업 시설, 쇼핑몰, 스포츠 이벤트 장소, 공원, 해변, 풍치 지구, 또는 영화관 중 적어도 하나를 포함하는 방법.
제1항에 있어서, 상기 적어도 제1 사용자의 트래블 시간들 및 경로들을 생성하기 위해 메시징 애플리케이션을 사용하여 시간 경과에 따라 상기 제1 사용자의 로케이션들을 추적하는 단계를 추가로 포함하는 방법.
제1항에 있어서, 상기 현재 로케이션 및 현재 시간을 결정하는 단계는, 상기 제1 사용자로부터 내비게이션 방향들을 수신하지 않고, 상기 현재 시간에 대응하는 시간에 상기 현재 로케이션으로부터 상기 제1 사용자에 의해 트래버스되는 경로들의 이력 세트에 기초하여, 상기 주어진 지오펜스를 트래버스하는 상기 제1 사용자에 대한 경로를 식별하는 단계를 포함하는 방법.
제5항에 있어서,
상기 경로들의 이력 세트로부터, 상기 제1 사용자가 상기 경로를 따라 여정을 시작하는 근사 시간을 결정하는 단계;
상기 현재 시간이 상기 근사 시간의 임계 시간량보다 작다는 것을 결정하는 단계; 및
상기 현재 시간이 상기 근사 시간의 임계 시간량보다 작다는 것을 결정한 것에 응답하여, 상기 현재 시간이 상기 제1 사용자가 상기 경로를 트래버스하기 시작할 상기 근사 시간에 도달하기 전에 상기 생성된 통지를 상기 제1 사용자에게 제공하는 단계를 추가로 포함하는 방법.
제1항에 있어서, 상기 통지는 상기 관심 지점을 식별하고 상기 관심 지점에 대한 추천 또는 쿠폰을 포함하는 방법.
제1항에 있어서,
상기 통지를 생성하기 위한 임계 시간량을 결정하는 단계;
상기 현재 로케이션으로부터 상기 주어진 지오펜스에 도달하기 위한 시간량을 추정하는 단계; 및
상기 추정된 시간량이 상기 임계 시간량보다 작다는 것을 결정한 것에 응답하여 상기 통지를 생성하는 단계를 추가로 포함하는 방법.
제8항에 있어서, 상기 임계 시간량은 상기 주어진 지오로케이션을 트래버스하는 시작 로케이션으로부터 종료 로케이션까지의 경로의 총 지속기간에 기초하여 조정되는 방법.
제9항에 있어서,
상기 경로의 총 지속기간이 제1 양이라고 결정한 것에 응답하여 상기 임계 시간량에 대한 제1 값을 계산하는 단계; 및
상기 경로의 총 지속기간이 제2 양이라고 결정한 것에 응답하여 상기 임계 시간량에 대한 제2 값을 계산하는 단계 - 상기 제1 값 및 상기 제1 양은 상기 제2 값 및 상기 제2 양보다 큼 - 를 추가로 포함하는 방법.
제8항에 있어서, 상기 임계 시간량은 상기 주어진 지오로케이션을 트래버스하는 시작 로케이션으로부터 종료 로케이션까지의 경로를 따른 예측된 트래블 속도에 기초하여 조정되는 방법.
제11항에 있어서,
상기 예측된 트래블 속도가 제1 양이라고 결정한 것에 응답하여 상기 임계 시간량에 대한 제1 값을 계산하는 단계; 및
상기 예측된 트래블 속도가 제2 양이라고 결정한 것에 응답하여 상기 임계 시간량에 대한 제2 값을 계산하는 단계 - 상기 제1 값 및 상기 제1 양은 상기 제2 값 및 상기 제2 양보다 큼 - 를 추가로 포함하는 방법.
제1항에 있어서,
제1 관심 지점을 상기 주어진 지오펜스 및 제1 운송 모드와 연관시키는 단계;
제2 관심 지점을 상기 주어진 지오펜스 및 제2 운송 모드와 연관시키는 단계;
상기 제1 사용자의 현재 운송 모드를 결정하는 단계; 및
상기 제1 사용자의 현재 운송 모드에 기초하여 상기 검색된 관심 지점으로서 상기 제1 관심 지점 또는 상기 제2 관심 지점을 선택하는 단계를 추가로 포함하는 방법.
제13항에 있어서, 상기 제1 운송 모드는 동력 차량들을 배제하고, 상기 제2 운송 모드는 동력 차량을 포함하는 방법.
제1항에 있어서,
상기 복수의 지오펜스 중에서, 상기 열차가 이동하고 있는 동안 열차 운송 모드에 의해 트래버스되는 지오펜스들의 리스트를 식별하는 단계;
상기 제1 사용자의 현재 운송 모드가 상기 열차를 포함하는 것을 결정하는 단계;
제2 장래 시간에 상기 제1 사용자에 의해 트래버스될 상기 복수의 지오펜스 중의 제2 지오펜스를 예측하기 위해 상기 훈련된 머신 러닝 모델을 상기 현재 로케이션 및 상기 현재 시간에 적용하는 단계 - 상기 제2 지오펜스는 제2 관심 지점과 연관됨 -;
상기 제2 지오펜스가 상기 열차 운송 모드에 의해 트래버스되는 상기 지오펜스들의 리스트에 포함된 것을 결정하는 단계; 및
상기 제1 사용자의 현재 운송 모드가 상기 열차를 포함하고 및 상기 제2 지오펜스가 상기 열차 운송 모드에 의해 트래버스되는 상기 지오펜스들의 리스트에 포함된다고 결정한 것에 응답하여, 상기 제2 관심 지점에 관해 상기 제1 사용자에게 통지하는 것을 방지하는 단계를 추가로 포함하는 방법.
제1항에 있어서, 상기 통지는 상기 검색된 관심 지점을 방문하는 개별 사용자에 대해 맞춤화된 제1 통지이고,
상기 현재 로케이션 및 상기 현재 시간에 기초하여 상기 제1 사용자에 의해 트래버스되는 경로를 결정하는 단계;
상기 제1 사용자가 상기 경로를 이전에 트래버스했을 때 제2 사용자가 상기 제1 사용자의 임계 거리 내에 있었다고 결정한 것에 기초하여 상기 제2 사용자가 상기 제1 사용자와 함께 상기 경로를 트래버스할 것을 예측하는 단계; 및
상기 제1 사용자 및 상기 제2 사용자에의 프레젠테이션을 위해 상기 검색된 관심 지점에 관련된 제2 통지를 선택하는 단계 - 상기 상이한 통지는 상기 관심 지점을 방문하는 사용자들의 그룹에 대해 맞춤화됨 - 를 추가로 포함하는 방법.
제16항에 있어서, 상기 제1 및 제2 사용자들은 둘 다 메시징 클라이언트 애플리케이션의 사용자들인 방법.
제17항에 있어서,
상기 제2 통지는 상기 제1 및 제2 사용자들이 동일한 가족의 일부라고 결정한 것에 응답하여 제1 타입의 콘텐츠를 포함하고; 및
상기 제2 통지는, 상기 제1 및 제2 사용자들이 동료들이라고 결정한 것에 응답하여, 상기 제1 타입의 콘텐츠와는 상이한 제2 타입의 콘텐츠를 포함하는 방법.
시스템으로서:
명령어들을 저장하는 메모리에 결합된 프로세서를 포함하고, 상기 명령어들은, 상기 프로세서에 의해 실행될 때, 상기 프로세서로 하여금:
각각이 각자의 관심 지점과 연관된 복수의 지오펜스를 확립하는 동작;
제1 사용자의 현재 로케이션 및 현재 시간을 결정하는 동작;
장래 시간에 상기 제1 사용자에 의해 트래버스될 상기 복수의 지오펜스 중의 주어진 지오펜스를 예측하기 위해, 훈련된 머신 러닝 모델을 상기 현재 로케이션 및 상기 현재 시간에 적용하는 동작 - 상기 머신 러닝 모델은 적어도 상기 제1 사용자의 트래블 시간들 및 경로들과 상기 트래블 시간들 동안 상기 경로들에 의해 트래버스되는 상기 복수의 지오펜스 중의 지오펜스들의 세트 사이의 관계를 확립하도록 훈련됨 -;
상기 예측된 주어진 지오펜스와 연관된 상기 관심 지점을 검색하는 동작; 및
상기 제1 사용자가 상기 검색된 관심 지점과 연관된 상기 주어진 지오펜스를 트래버스하기 전에, 상기 제1 사용자에의 프레젠테이션을 위해 상기 검색된 관심 지점에 관련된 통지를 자동으로 생성하는 동작을 포함하는 동작들을 수행하도록 야기하는 시스템.
명령어들을 포함하는 비일시적인 머신 판독가능 저장 매체로서, 상기 명령어들은 머신의 하나 이상의 프로세서에 의해 실행될 때, 상기 머신으로 하여금:
각각이 각자의 관심 지점과 연관된 복수의 지오펜스를 확립하는 동작;
제1 사용자의 현재 로케이션 및 현재 시간을 결정하는 동작;
장래 시간에 상기 제1 사용자에 의해 트래버스될 상기 복수의 지오펜스 중의 주어진 지오펜스를 예측하기 위해, 훈련된 머신 러닝 모델을 상기 현재 로케이션 및 상기 현재 시간에 적용하는 동작 - 상기 머신 러닝 모델은 적어도 상기 제1 사용자의 트래블 시간들 및 경로들과 상기 트래블 시간들 동안 상기 경로들에 의해 트래버스되는 상기 복수의 지오펜스 중의 지오펜스들의 세트 사이의 관계를 확립하도록 훈련됨 -;
상기 예측된 주어진 지오펜스와 연관된 상기 관심 지점을 검색하는 동작; 및
상기 제1 사용자가 상기 검색된 관심 지점과 연관된 상기 주어진 지오펜스를 트래버스하기 전에, 상기 제1 사용자에의 프레젠테이션을 위해 상기 검색된 관심 지점에 관련된 통지를 자동으로 생성하는 동작을 포함하는 동작들을 수행하도록 야기하는 비일시적인 머신 판독가능 저장 매체.