ホーム > 特許ランキング > マレーヴィチュ，グザイゴシュ
知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2024038373
(43)【公開日】2024-03-19
(54)【発明の名称】類似性及び行程期間を使用してサイトを示すための方法
(51)【国際特許分類】
G06F 16/909 20190101AFI20240312BHJP
【ＦＩ】
G06F16/909
【審査請求】有
【請求項の数】1
【出願形態】ＯＬ
(21)【出願番号】P 2024003666
(22)【出願日】2024-01-15
(62)【分割の表示】P 2022536536の分割
【原出願日】2021-12-24
(31)【優先権主張番号】63/237,535
(32)【優先日】2021-08-27
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】63/168,279
(32)【優先日】2021-03-31
(33)【優先権主張国・地域又は機関】US
(31)【優先権主張番号】63/130,693
(32)【優先日】2020-12-27
(33)【優先権主張国・地域又は機関】US
【公序良俗違反の表示】
（特許庁注：以下のものは登録商標）
１．ＪＡＶＡ
２．ＪＡＶＡＳＣＲＩＰＴ
３．アンドロイド
４．ｉＯＳ
５．ＦＩＲＥＦＯＸ
６．ＣＨＲＯＭＥ
７．ＩＮＴＥＲＮＥＴ ＥＸＰＬＯＲＥＲ
８．ＳＡＦＡＲＩ
(71)【出願人】
【識別番号】520140051
【氏名又は名称】マレーヴィチュ，グザイゴシュ
(74)【代理人】
【識別番号】100167818
【弁理士】
【氏名又は名称】蓑和田 登
(72)【発明者】
【氏名】マレーヴィチュ，グザイゴシュ
(57)【要約】 （修正有）
【課題】類似性及び工程期間を使用してサイトの示唆を決定する方法を提供する。
【解決手段】方法は、ユーザから通勤目的地（学校５００３～５００６）を特定するリクエストを受信し、受信したリクエストのパラメータにマッチする不動産資産５００２をリスティングし、各不動産資産の地理的ロケーション及び通勤目的地との間の行程期間５００１に基づいて不動産資産をグループ化し、近い通勤期間を有する不動産資産のクラスタを決定し、少なくとも１の不動産資産をユーザに示唆する。
【選択図】図５
【解決手段】方法は、ユーザから通勤目的地（学校５００３～５００６）を特定するリクエストを受信し、受信したリクエストのパラメータにマッチする不動産資産５００２をリスティングし、各不動産資産の地理的ロケーション及び通勤目的地との間の行程期間５００１に基づいて不動産資産をグループ化し、近い通勤期間を有する不動産資産のクラスタを決定し、少なくとも１の不動産資産をユーザに示唆する。
【選択図】図５
【特許請求の範囲】
【請求項1】
交通システムに含まれる複数の興味のポイントに含まれる少なくとも２の代替の示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれるサイトを備えるリクエストを受信し、
（ｂ）前記少なくとも２の代替を決定し、
ここで、各代替及び前記サイトの間の前記交通システム内の行程の長さは、最短の閾値内であり、
（ｃ）非単一及び行程の記述ではない前記少なくとも２の代替の前記示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
（ａ）前記交通システムに含まれるサイトを備えるリクエストを受信し、
（ｂ）前記少なくとも２の代替を決定し、
ここで、各代替及び前記サイトの間の前記交通システム内の行程の長さは、最短の閾値内であり、
（ｃ）非単一及び行程の記述ではない前記少なくとも２の代替の前記示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
【発明の詳細な説明】
【背景技術】
【0001】
関連出願の相互参照
この出願は、以下の出願に基づき、及び優先日を主張する。
[国] [出願番号] [出願日]
米国 63130693 2020.12.27
米国 63168279 2021.3.31
米国 63237535 2021.8.27
これらは、充分に発表されたもののように、ここでは参照として組み込まれる。
この出願は、以下の出願に基づき、及び優先日を主張する。
[国] [出願番号] [出願日]
米国 63130693 2020.12.27
米国 63168279 2021.3.31
米国 63237535 2021.8.27
これらは、充分に発表されたもののように、ここでは参照として組み込まれる。
【0002】
本形態は、サイト間の類似性、交通システム内の行程期間を使用して、サイトの検索又は比較の結果を示すものに関する。
【0003】
検索リクエストの結果をユーザに示すとき、検索エンジンは、伝統的に、ユーザに配置される情報のオーバーロードを減らし、及び相関性を増加させるために、その結果を整理する。この整理は、典型的には２つの技術が用いられる：クラスタリングとスコアリングである。クラスタリングのゴールは、繰り返し情報をユーザに示すことを防止するため、類似の検索結果をグループにする。スコアリングのゴールは、ユーザにとって最も有益な情報の提供に限定するために、検索結果を並べ替えることである。
【0004】
類似性の考えは、アイテム間で充分に似た直感的意味を有する。我々は、用語の類似性を、広い意味で、当該技術分野の当業者によって当該用語の解釈の一貫性をもって使用する。形式的に、類似性は、アイテムのペアに、０～１までの範囲の数を割り当てる数式としてモデルされる。数０は、２つのアイテムが類似していないことを意味し、一方、数１はそれらが類似していることを意味する。間の数は、非類似性に近い、又は類似性に近い様々な程度を示す。一つの形態において、２つのアイテムは、数が例えば少なくとも0.9など、少なくとも閾値であるとき、類似であると定義される。この発明の開示において、如何なるアイテムもそれ自体に類似していると考えられる。類似性は、具体的な文脈で、様々な方法で定義される。一つの形態において、テキストを使用し、例えば、テキストの少なくとも９０％の部分で一致するとき、類似と定義され、例えばｎグラムで、ｎ＝５である。一つの形態において、数値を使用して、例えば、リストの２つの不動産資産が、５％以内の価格の違いで、同じ地理的なロケーションを有する場合、類似と定義される。一つの形態において、類似性は、コンピュータシステムでアイテムに実行される人工知能ソフトウェアを使用して定義される。人工知能ソフトウェアの例として、ニューラルネットワーク、サポートベクターマシーン、マルコフモデル、ベイジアンネットワークなどである。例えば、リストの２つの不動産資産の間の類似性は、当該リストの不動産資産に関連するイメージに実行される人工知能ソフトウェアを使用して定義され、０～１の範囲での類似性の数を生成する。一つの形態において、類似性は、正規化されたアイテムで定義され、例えば、アイテム中に含まれるテキスト“サンフランシスコ”が、テキスト“サンフランシスコ、ＣＡ”に変形され、正方フィートのエリアが、正方メータのエリアに変換され、イメージのピクセルの色が５０％の平均輝度を達成するようリスケールされる。一つの形態において、類似性は、数学ベクトルとして代表されるアイテムを使用して定義され、ベクトル間の距離を使用し、例えば、チェビシェフ距離、ミンコフスキー距離などである。一つの形態において、類似性は、コサイン類似性、ストリング類似性（例えばレーベンシュタイン距離）、意味論上の類似性などとして定義される。一つの形態において、ベクトル座標は正規化され、例えば、０の意味及び１の変化を達成するためである。一つの形態において、類似性は、少なくとも２の類似性の組み合わせで定義され、例えば、アイテム中に含まれるテキストの一致を使用し、しかし、アイテム中に含まれるイメージのための人工知能ソフトウェアを使用し、及び２つの結果の組み合わせであり、例えば重み合計を使用する。一つの形態において、類似性はアイテムの一部のみを使用し、例えば、リストの不動産の抵当権情報を無視する。類似性を定義する他の多くの方法は、技術分野の当業者において明らかであり、実施の形態の範囲及び意図から離れることは無い。
【0005】
クラスタリングの問題点は、充分に研究されている。例えば、Jain, Murty及びFlynnによる”Data Clustering: A Review"、ACM Computing Surveys 31巻，ナンバー３、1999年9月の従来技術調査である。幾分か簡略化し、アイテムの幾つかの数、及びアイテム間の類似性の考えが与えられると、ゴールは、類似アイテムのグループ内に、アイテムを割り当てることである。幾つかのクラスタリングの方法が従来技術により発展されており、例えば、接続性を基礎としたクラスタリング、例えば、凝集型階層クラスタリング、中心を基礎としたクラスタリング、例えばｋ－手段クラスタリング、分配を基礎としたクラスタリング、例えば、予測最大化アルゴリズム、密度を基礎としたクラスタリング、例えばDBSCAN、格子を基礎としたクラスタリング、例えばSTING又はCLIQUE、プレクラスタリング、例えば、キャノピークラスタリング、サブスペースクラスタリング、例えばCLIQUE又はSUBCLU、プロジェクトクラスタリング、例えばPreDeConなどである。一つの形態において、クラスタリング方法は、追加の要求を満たすクラスタを計算する。要求の例は、最小又は最大クラスタサイズ、クラスタ内の最小又は最大累積類似性などである。追加の要求は、クラスタが使用される文脈に基づいて決定される。
【0006】
クラスタリングの些細なアプローチは、全てのペアのアイテム間の類似性を計算することを含み、それらの類似性が少なくとも閾値であるとき、アイテムを同じグループに割り当てる。しかしながら、アイテムのペアの二次数は、アイテムのその数が大きいとき、非現実的に、この些細なアプローチを与える。ペアの二次数のための測定可能の問題を克服するため、度々、検索エンジンは、類似している可能性の低いプルーンペアに発見的問題学習を使用する。例えば、一のそのような発見的問題学習は、従来のUS 6658423 B1で記述される。この文脈において、各アイテムはウェブぺージである。この発見的問題学習は、各ウェブページにハッシュ値を割り当てる。ハッシュ値は、とても短いテキストのようなもの、ウェブページの可能なとても長いテキストから派生するものと考えられる。ウェブページはハッシュ値に基づいてグループ化され（ハッシュ値、バケッティングなどをソートすることに単純になされる）、類似性が同じハッシュ値を有するウェブページ間のみ計算される。ハッシュ値は、２つのウェブページのハッシュ値の一致が、度々類似である２つのウェブページに等しいというような方法で、作り上げられる。これは、例えばn-gramsを使用しながら達成される。結果として、発見的問題学習は、些細な二次アプローチと比較して、計算される必要がある類似性の数を劇的に減らすことができる。
【0007】
幾つか他の発見的問題学習が、特定のアプリケーションドメインで、実用的なクラスタリングを達成するため、進歩している。例えば、ここで、アイテムが不動産資産のとき、発見的問題学習は、従来技術のUS 20150012335 A1、US 9858628 B2、及び US 10776888 B1である。一方、アイテムが職業ポストであるとき、発見的問題学習は従来技術のUS 10043157 B2、Burk, Javed及びBalaji、データマイニングワークショップ2017の国際カンファレンスの“Apollo: Near-Duplicate Detection for Job Ads in the Online Recruitment Domain"である。
【0008】
多くのスコアリング方法が進歩してる。例えば、ウェブ検索エンジンの特定ドメインでのページランクに基づくスコアリングのために従来技術US 7058628 B1、不動産の特定ドメインでの不動産資産の特性に基づくスコアリングのための従来技術US 7974930 B2を参照のこと。
【0009】
ナビゲーション技術における近年の進歩は、通勤期間を使用して不動産資産を検索又は比較するためのエンジンの創造を可能とし、従来技術WO 2019164727参照のこと。例えば、職場を特定するユーザリクエストを与えると、本技術は至急に、大都市エリア内で職場から全ての不動産資産の間の正確な行程期間を決定する。これは、不動産資産の詳細な検索を可能にする。しかしながら、この従来技術の方法は、使用価値のある検索結果を示す目的を達成するには不足している。そのような示唆は、実用化且つスケーラブルな方法で、繰り返しの情報を避ける問題、検索結果の関連性を改善する問題を処理する必要がある。本発明の開示では、この目的を達成する方法を教示する。
【発明の概要】
【0010】
我々は、請求される主要事項の幾つかの側面の幾つかの洞察を読者に与えるため、本発明を簡略化した要約を示す。本要約は、理解の概要となることを意図せず、その意図は、本発明の範囲を充分に描写するものでは無く、本発明の重要又はキーとなる構成を特定するものでも無い。要約の目的は、幾つかの概念を、当該技術の当業者において読むことを容易にする形式に概要することである。読者は、本発明の詳細な開示を相談すべきである。
【0011】
本発明の形態は、以下の方法を含む。
１．行程の長さ及び類似性を使用する、交通システムに含まれる複数のサイトの示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記複数のサイトに含まれる少なくとも２の等時線サイトを決定し、
ここで、各等時線サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、レンジ内に含まれ、
（ｃ）以下の１つを備えるステップを使用する前記示唆を決定し、
ｉ．前記少なくとも２の等時線サイトに含まれる複数の類似サイトを決定し、及び前記複数の類似サイトの前記示唆を決定し、又は、
ｉｉ．少なくとも１の第二サイトに類似していない少なくとも１の第一サイトを選択し、両方は前記少なくとも２の等時線サイトに含まれ、及び、前記少なくとも１の第一サイト及び前記少なくとも１の第二サイトの前記示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
２．行程の長さ及び量を使用する、交通システムに含まれる複数のサイトの概要を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記複数のサイトに含まれる２以上のサイトのシークエンスを計算し、ここで、
ｉ．前記シークエンスに含まれる第一サイト及び第二サイトにおいて、前記第一サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、前記第二サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さから少なくとも離れたレンジであり、及び、
ｉｉ．前記シークエンスに含まれる第三サイトに関連する量は、最大で前記複数のサイトに含まれる第四サイトに関連する量であり、それは、前記第四サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、前記第三サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さの近所であるときはいつもであり、
（ｃ）前記シークエンスの示唆を含む前記概要を決定し、及び、
（ｄ）前記概要を有する前記リクエストに応答する。
３．交通システムに含まれる複数の興味のポイントに含まれる少なくとも２の代替の示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれるサイトを備えるリクエストを受信し、
（ｂ）前記少なくとも２の代替を決定し、
ここで、各代替及び前記サイトの間の前記交通システム内の行程の長さは、最短の閾値内であり、
（ｃ）非単一及び行程の記述ではない前記少なくとも２の代替の示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
４．推定行程の長さ及び行程の長さを使用する、交通システムに含まれる少なくとも２のサイトの示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記少なくとも２のサイト及び前記少なくとも１の場所に含まれる各サイトの間の前記交通システム内の推定行程の長さを含んでいる少なくとも２の推定行程の長さを決定し、
（ｃ）前記少なくとも２の推定行程の長さを使用する前記少なくとも２のサイトに含まれる１以上のサイトを選択し、
ここで、前記１以上のサイトの数は、最大で予め決められた境界であり、
（ｄ）前記１以上のサイト及び前記少なくとも１の場所に含まれる各サイトの間の前記交通システム内の行程の長さを含んでいる少なくとも１の行程の長さを決定し、
（ｅ）前記少なくとも１の行程の長さを使用する前記１以上のサイトの前記示唆を決定し、及び、
（ｆ）前記示唆を有する前記リクエストに応答する。
１．行程の長さ及び類似性を使用する、交通システムに含まれる複数のサイトの示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記複数のサイトに含まれる少なくとも２の等時線サイトを決定し、
ここで、各等時線サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、レンジ内に含まれ、
（ｃ）以下の１つを備えるステップを使用する前記示唆を決定し、
ｉ．前記少なくとも２の等時線サイトに含まれる複数の類似サイトを決定し、及び前記複数の類似サイトの前記示唆を決定し、又は、
ｉｉ．少なくとも１の第二サイトに類似していない少なくとも１の第一サイトを選択し、両方は前記少なくとも２の等時線サイトに含まれ、及び、前記少なくとも１の第一サイト及び前記少なくとも１の第二サイトの前記示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
２．行程の長さ及び量を使用する、交通システムに含まれる複数のサイトの概要を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記複数のサイトに含まれる２以上のサイトのシークエンスを計算し、ここで、
ｉ．前記シークエンスに含まれる第一サイト及び第二サイトにおいて、前記第一サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、前記第二サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さから少なくとも離れたレンジであり、及び、
ｉｉ．前記シークエンスに含まれる第三サイトに関連する量は、最大で前記複数のサイトに含まれる第四サイトに関連する量であり、それは、前記第四サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、前記第三サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さの近所であるときはいつもであり、
（ｃ）前記シークエンスの示唆を含む前記概要を決定し、及び、
（ｄ）前記概要を有する前記リクエストに応答する。
３．交通システムに含まれる複数の興味のポイントに含まれる少なくとも２の代替の示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれるサイトを備えるリクエストを受信し、
（ｂ）前記少なくとも２の代替を決定し、
ここで、各代替及び前記サイトの間の前記交通システム内の行程の長さは、最短の閾値内であり、
（ｃ）非単一及び行程の記述ではない前記少なくとも２の代替の示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
４．推定行程の長さ及び行程の長さを使用する、交通システムに含まれる少なくとも２のサイトの示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記少なくとも２のサイト及び前記少なくとも１の場所に含まれる各サイトの間の前記交通システム内の推定行程の長さを含んでいる少なくとも２の推定行程の長さを決定し、
（ｃ）前記少なくとも２の推定行程の長さを使用する前記少なくとも２のサイトに含まれる１以上のサイトを選択し、
ここで、前記１以上のサイトの数は、最大で予め決められた境界であり、
（ｄ）前記１以上のサイト及び前記少なくとも１の場所に含まれる各サイトの間の前記交通システム内の行程の長さを含んでいる少なくとも１の行程の長さを決定し、
（ｅ）前記少なくとも１の行程の長さを使用する前記１以上のサイトの前記示唆を決定し、及び、
（ｆ）前記示唆を有する前記リクエストに応答する。
【0012】
本発明の実施の形態はまた、いかなる上記方法を実現するコンピュータシステム及び装置を含む。
【0013】
本発明の開示で示される本発明の実施の形態は、説明目的である；それらは包括となることを意図するものではない。多くの調整や変形が、実施の形態の範囲内において、当該技術の当業者において明らかとなる。
【0014】
本説明において、用語“第一”、“第二”、“前記”などは如何なる限定の意味で使用されず、テキストからそれが無いと明確でないという区別の目的である。単数形の表現は、複数形を含み、テキストからそれが無いと明確でないからである。用語“有する”、“含む”、“備える”などは、特徴又は構成の存在を示し、他の構成又は特徴を、存在又は追加されることから除外しない。
【図面の簡単な説明】
【0015】
本発明の開示に含まれる図面は、本発明の様々な特徴及び幾つかの形態の有利点を例示する。
【0016】
図面は説明の目的のみである。他の図面は当該技術の当業者によって容易に認識されるものであるため、本実施の形態の原則から離れることがなく本発明を例示することができる。
【発明の詳細な記述】
【0017】
本発明は、それらの類似性及び行程期間を使用してサイトを示す一般的なケースに関する。しかしながら、紹介を簡単にするため、我々は最初に通勤期間を使用して不動産資産を検索又は比較するエンジンの形態を介して、本発明を説明する。簡潔のため、我々はそれをエンジンと呼ぶ。この説明は限定していない。後述において、我々はどのように前記方法が一般ケースで働くかを説明する。
１ 例示の形態
１ 例示の形態
【0018】
我々は、本発明の例示の形態を記述する。我々の記述において、我々は用語モジュールを使用する。従来、用語モジュールは幾つかの特定の機能（及びそのためコンピュータサブシステムとして見られるかもしれない）を提供するコンピュータシステムを意味する。一つの形態において、エンジンは、3つのモジュール（１）アクイジションモジュール、（２）インデックスイングモジュール、（３）サービングモジュールに分類される。エンジンを特定のモジュールに分類する我々の選択は、例示であり、義務ではない。当該技術の当業者が、本実施の形態の範囲から離れることは無く、エンジンは他のマナーでのモジュールに分類できこと知っているだろう。
【0019】
我々は、モジュールの次の機能を記述する。我々の記述を通して、我々は、図１、図２、図３、図４、図５及び図６の説明を参照し、ここで、アポストロフィーは、参照要素の少なくとも一の例を表す。我々は、特定のオーダでのステップのシーケンスとしての機能を記述する。しかしながら。このオーダは限定していない。当該技術の当業者は、幾つかのステップが他のオーダ、部分的に同時進行で実行されること、又は、本実施の形態の範囲から離れないで結合又は削除できることに気が付く。
１．１ アクイジション
１．１ アクイジション
【0020】
アクイジションモデル（1002）は、少なくとも１のソース（1001）から不動産資産リスティングに関する情報を得る。ソースは、限定するものではないが（１）直接：不動産資産リスティングをアクイジションモジュールに入力する不動産エージェント（ブローカ）、地主、建設会社などに対応、（２）非直接：不動産資産リスティングの特徴を公開し、アクイジションモジュールによってクローリングされるウェブサイト、スマートフォンアプリに対応、を含むタイプに分類される。第一タイプソースからのアクイジションは、伝統的なコールセンター、ウェブサイト、スマートフォンアプリ、又はユーザが特徴を入力できるユーザインタフェースを有するその他として実行される。第二タイプソースからのアクイジションは、ソースを訪れるためにインターネットを使用するコンピュータシステム、例えば、それ自体が特徴を公開するウェブサイト又はスマートフォンアプリなどとして実行される。訪問の間、特徴はかき落される。このプロセスは、度々クローリングと呼ばれる。不動産資産リスティングの特徴は、限定するものではないが、少なくとも以下の一つを含み：名前；住所；地理的ロケーション；資産がマーケットに得られた、又はマーケットから除かれたときのタイムスタンプ；フロアレベル；ビルのフロアレベルの数；ドアの地理的方向；窓の地理的方向；窓からの景色の特性；価格；レンタル料；敷金；貸手情報；ローン情報；抵当権情報；月の管理費；月の管理費でカバーされるものの記述；入居日；１正方メータのエリア；土地の１正方メータのエリア；例えば正方メータなど、エリアユニット毎の価格；ベッドルームの数；バスルームの数；構造又はレイアウト特性；暖房又は冷房方法；エレベータの記述；駐車場の記述；スイミングプールの記述；ガーデン又は裏庭の記述；子供の運動場の記述；ジムの記述；家主又はエージェントによって書かれた資産のテキストの記述；インテリア、エクステリア、又は窓からの景色の画像；インテリアのツアー動画；窓を開けた時の音やノイズの記録；空気の質の測定；エージェントの記述；エージェントのレーティング；又は、ソースによって不動産資産リスティングに割り当てられた識別子である。一つの形態において、アクイジションモジュールはまた、交通システムでの両方に含まれている行程を介した不動産資産リスティングに関連した興味ポイントに関する情報を得る。興味のいかなるポイントも、任意のロケーションである。興味のポイント、及びそれらの例の情報は、限定するものではないが、以下の少なくとも一つを含み：学校（例の情報：学校のタイプ（公立、私立、デイケア、小学校、中学校、高校、大学,..）、他の学校の間での学校のランク、学費、校則、入学の可能性、又は学校のゾーンの地理的エリア）、職場（例の情報：職種、又は給与情報）、又はアメニティ（例：公共交通の駅、高速入り口、駐車場、シニア市民センター、公園、病院、クリニック、薬局、レストラン、店、コンビニエンスストア、ランドリーサービス、銀行、ＡＴＭ、政府オフィス、犯罪レポート、交番、又は軍施設）である。一つの形態において、アクイジションモジュールによって得られる情報は、一時的ではない記憶媒体（例えばデータベース）に蓄積される。一つの形態において、アクイジションのプロセスは、現実世界を測定する行動として解釈され、ここで、この測定は、上記に記述されたエンティティに物理的に存在していることに関する情報を取得する。物理的存在は、一時的ではない記憶媒体中で、ソースによって蓄積されるエンティティに関するデータの形式である。不動産資産リスティングを得る多くの他の方法は、上記実施の形態の精神の範囲から離れることなく、当該技術分野の当業者において明らかである。
【0021】
一つの形態において、アクイジションモジュールは、連続的に操作し、それが故に、時間をかけて発展する不動産資産の観点を創造する。時間に関して、物理的に存在する家に関連する１以上のリスティングがあり、例えばなぜならリスティングが幾つかのソースに基づくためである。これらの多数は、矛盾する情報を有し、例えば、２つの混同する不動産エージェントによって入力された２つの異なる正方メータエリアである。一時に生成されたリスティングは、後で調整され、例えば、地主が資産の記述を編集、資産の新たな画像をアップロードするときなどである。リスティングは削除、又は復帰され、例えば、可能性の有るテナントがリースをキャンセルするときである。リスティングは意図的に曖昧な情報を有し、例えば、地主が私的情報をキャンセルすることを好むとき、例えば、リスティングの地理的ロケーションの範囲、例えば、１００ｍ円形、又は例えば“高層階”のビルの中のフロアレベルのための範囲を提供することによってである。リスティングは退化させられ、例えば、不動産資産が既に売却され、しかしセールがソースに反映されていないときである。可能性のあるテナントを騙すために生成されたフェイクリスティング、又は意図的に特徴を歪曲する悪意のあるリスティングがある。
１．２ インデックスイング
１．２ インデックスイング
【0022】
インデックスイングモジュール(1003)は、アクイジションモジュールによって得られたデータを、一時的ではない記憶媒体に蓄積させることができるフォームに標準化する。一つの形態において、フォームは、特徴ベクトルとして不動産資産を示し、各特徴は値に関連される。値のデータタイプは、限定するものでは無いが、テキスト、数、画像、動画、音、又は匂いの何れかを含む。値は、コンピュータアクセスが可能なフォームに適切に暗号化される。例えば、価格帯は、高額及び定額を示す数値で２の特徴として示される。一つの形態において、数でない値は、数にマップされる。例えば、特徴“エレベータ”は２つの可能な値を有し、値１及び０に夫々マップされる“有効”及び“非有効”である。一つの形態において、結果の特徴及びその数値は、特徴ベクトルに追加される。一つの形態において、我々は特徴の各数でない値のため、新たな特徴及び数値を追加する。一つの形態において、特徴及びその値は、少なくとも１の他の特徴及びその値を使用して計算される。例えば、ユニット価格はエリアの価値によって価格の値を分けることによって計算され、又は値はコンピュータシステムによる特徴及び値に実行される人工知能ソフトウェアによって計算される。一つの形態において、特徴は、特性の不動産資産リスティングがアクイジションモジュールによって得られたときの瞬間を示すタイムスタンプである値を有する。一つの形態において、特徴ベクトルはまばらであり、その意味において、幾つかの特徴は不動産資産リスティングのために失われ、しかし他の不動産資産リスティングのために存在する。例えば、全ての不動産資産リスティングがバスルームの画像を有するとは限らない。一つの形態において、特徴ベクトルはハッシュマップ又はリストとして示される。一つの形態において、インデックスイングモジュールは矛盾情報を和解し、例えば多数決、平均化などを使用する。データを標準化するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0023】
標準化は、特定のソースのためにカスタマイズされたモジュールとして実行される。モジュールは、ソースから得られたデータの意味を適切に解釈するため、ソースを研究する人によって作られる。一旦作成されると、しかし、モジュールは人の監視無しに自動的に動く。
【0024】
一つの形態において、インデックスイングモジュールは不動産資産リスティングの少なくとも一つの転置インデックス（1005）を作る。後述で、リクエスト過程において、予め計算された転置インデックスが、特定の特徴が特定の値を有する不動産資産リスティングを素早く識別することを許容する。例えば、転置インデックスは、正確に３つのベッドルームを有する全ての不動産資産リスティングの素早い識別を可能にする。一つの形態において、転置インデックスは、ハッシュマップ、ソートリスト、その他として実行される。一つの形態において、インデックスイングモジュールは、如何なる特徴、例えば、ユーザのリクエスト、例えば、価格、ベッドルームの数、バスルームの数、正方メータエリアなど、の共通に生じる各特徴のための転置インデックスを作る。少なくとも１の転置インデックスを作る多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0025】
一つの形態において、インデックスイングモジュールは、少なくとも一つの不動産資産リスティングのクラスタリング(1006)を作る。予め計算されたクラスタは有用である、というのもそれらはリクエスト過程の間、似たリスティングを識別するのを助けるからである。クラスタリングは、類似性の考えを使用し、例えば、その考えの一つは本発明の開示で述べられる。一つの形態において、モジュールは、地理的距離を使用する不動産資産リスティングのクラスタリングを作る。例えば、モジュールは、一時的ではない記憶媒体から、不動産資産リスティングに関連した特徴ベクトルを読む。この特徴ベクトルで示される地理的ロケーションは、グリーディアプローチを用いてクラスタ化される。例えば、もしロケーションが例えば１０ｍに設定されたクラスタ半径を超えない如何なる以前に生成されたクラスタに加えられないのなら、ロケーションは任意のオーダで処理され、ロケーションは新しいシングルトンクラスタを生成する。それから、不動産資産リスティングは、地理的ロケーションのクラスタに基づくクラスタに割り当てられる。一つの形態において、インデックスイングモジュールは、例えばユーザリクエストで共通に生じる各特徴など、如何なる特徴で定義される類似性を使用しているクラスタリングを作る。一つの形態において、インデックスイングモジュールは、例えば類似と考えられる価格及びエリアの両方にマッチするリスティングのみなど、２以上の特徴で定義される類似性を使用しているクラスタリングを作る。少なくとも一つのクラスタリングを作る多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0026】
一つの形態において、転置インデックス又はクラスタリングは、例えば過去２４時間など、時間の経過内でのアクイジションモジュールによって得られたリスティングに制限される。一つの形態において、時間の期間は幅広く、例えば数年で、例えば時間を超えた価値のトレンドを識別するのを助ける。一つの形態において、転置インデックス又はクラスタリングは、マーケットでの資産に応じたリスティングに制限される。
【0027】
一つの形態において、インデックスイングモジュールはまた、不動産資産リスティングの操作の上記記述のマナーに類似するマナーで、興味のポイントで機能する。
【0028】
一つの形態において、標準化データ、転置インデックス又はクラスタリングは、一時的ではない記憶媒体に保存される。
【0029】
一つの形態において、インデックスイングモジュールは連続で機能し、それが故に、時を超えて発展する標準化データ、転置インデックス及びクラスタリングの観点を維持する。
１．３ サービング
１．３ サービング
【0030】
サービングモジュールは、リクエストを受信し、示唆を生成し、及びこの示唆に関連するリクエストに応答する。我々は次に幾つかの形態を記述する。
１．３．１ 示唆
１．３．１ 示唆
【0031】
サービングモジュール(1008)はユーザからリクエスト(1007)を受信する。リクエストは少なくとも１の通勤目的地(2001)(3002)の特定を含む。通勤目的地は、任意のロケーションで、例えば地理的ロケーション、住所、又は興味のポイントである。リクエストはまた、この少なくとも１の通勤目的地が少なくとも１の通勤パスを形成するマナーを決定するパラメータを含む。通勤パスは、エンドポイントロケーションのペアの間の行程のシークエンスである。通勤パスは、不動産資産で始まり又は終わり、通勤目的地を含む。通勤パスは、多くの形状の一つを形成し、例えば、往復通勤パス（例えば、家、それから職場、それから家、又は家、それからその家に最も近い学校、それから家）、オープンジャウ通勤パス（例えば、家、それから家を含むゾーンの学校、それからピアノ教室、それから家）、又は非接続通勤パス（例えば、家、それから職場、それから他の家）である。通勤パスを形成するための他のマナーは、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。他のパラメータがリクエストに含まれるかもしれず、例えば、出発時間、到着期限、期限の前の到着の可能性、行程の手段（車、バス、地下鉄、徒歩、組み合わせなど）、又は行程の頻度である。例えば、職場は一週間に５回訪問し、学校は一週間に３回訪問する。他のパラメータが行程を制限するフィルタリング制限に含まれ、例えば、どのような種類の乗り物が行程のために使用されるべきか、乗り換えの最大回数、移動の許容タイプ（例えば、地下鉄移動、又はバス-地下鉄移動）、移動のタイムウインドウ、徒歩期間の限度、又は通勤パスに含まれる興味のポイントの制限（例えば、学校ランキングの上位１０％の学校のみなど）である。特定の不動産資産を与えると、我々は少なくとも１の通勤パスのための行程期間を決定する。我々は、不動産資産及び少なくとも１の通勤目的地の間の行程期間として、単純に結果を参照する。一つの形態において、不動産資産及び少なくとも１の通勤目的地の間の行程期間は、不動産資産の全ての住民が、例えば、一日、週間、月間などの時間の経過の間、行程を延長する時間の集合量を反映する数値である。これらの住民は、不動産資産に住んでいる家族、ルームメイト、オフィスの仲間などに対応する。他のパラメータはユーザに関するファイナンス情報を含み、例えば、ファイナンス資産のステートメント、クレジットレーティング、収入情報、時給など、職業カテゴリ、職業補償情報、抵当権アプリケーション；又はユーザ関する学校情報、例えば学校認可資格、例えば数学試験の成績を含む。リクエストは要望の特徴の特定又は不動産資産（3001）の価値をまた含み、例えば、80及び90正方メータの間の範囲のエリア、又は興味のポイントの要望される特徴又はそれらの価値である。リクエストの多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0032】
それから、サービングモジュールは、リクエストのパラメータにマッチする不動産資産リスティングＬ（2002）を識別する。例えば、要望の特徴の特定が“80及び90正方メータの範囲のエリア”のとき、それから、このモジュールは、80及び90正方メータの範囲のエリアを有する全てのリスティングを識別する。一つの形態において、識別の過程は、インデックスモジュールによって作られる転置インデックスを使用し、例えば、リスティングの識別のセットを横断することによってであり、各セットはリクエスト中に特定される要望の特徴及びその値に関連する。一つの形態において、識別は、アクイジションモジュールが例えば過去24時間など、過去の時間の経過内で得るリスティングに制限される。一つの形態において、識別は、マーケットでの資産に対応するリスティングに制限される。一つの形態において、Ｌは全ての不動産資産リスティングを含む。マッチする不動産資産リスティングを識別する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0033】
それからサービングモジュールは、リスティングＬの各地理的ロケーション及びその少なくとも一つの通勤目的地の間の、少なくとも１の行程距離を決定し、その際、例えば本発明で述べる従来技術のナビゲーションサービス（1010）を使用するなど当該技術分野の当業者の知る如何なるマナーをも用いる。例えば、不動産資産リスティングの特定の地理的ロケーションH、職場の特定の地理的ロケーション、及び学校の特定の地理的ロケーションにとって、ナビゲーションサービスが、Hから職場及びHに戻る行程の期間Dw、及びHから学校及びHに戻る行程の期間Dsを計算する。それから、不動産資産リスティング及び少なくとも１の通勤目的地の間の行程期間は、Dw+Dsであり、寄与Dw及び寄与Dsを含む。一つの形態において、行程期間は他の行程期間から派生される。例えば、行程期間は、重み合計であり、例えば行程頻度に基づいて(5・Dw + 3・Ds)/(5+3)である。他の例において、行程期間は行程期間の間の差であり、例えば、現在の家（リクエスト中に含まれる）の行程期間マイナス候補の新たな家（リスティングＬに含まれる）の行程期間である。一つの形態において、行程期間は最短行程期間であり、例えば交通システムをモデルにしたグラフ上でダイクストラアルゴリズムを使用して計算され、このグラフは本発明の開示で述べる従来技術を使用して構築される。一つの形態において、行程期間は推定行程期間であり、例えば、増加できるファクタ又は最短行程期間から離れた追加数であり、例えばファクタは２、加数は１５分又は１０００ｍ（本発明に記述の方法又は本発明に記述の従来技術を使用して計算された行程期間に対応する推定行程期間の特徴づけのようなもの）である。一つの形態において、ナビゲーションサービスは以下の従来技術の如何なる方法を使用して行程期間を決定する：
（ａ）代表、これは最短行程に度々生じるロケーションであり、WO 2019164727において、代表は交通システム内に含まれるロケーションとして特徴づけられ、ここで、代表の数は、最大でも、最大１である予め決定された割合によって乗算された交通システムのサイズであり、代表の例は、以下を含み：
（i）Sommerの“Shortest-Path Queries in Static Networks", ACM Computing Surveys, Vol. 46(4) 2014における陸標、ポータル、ハブ、ビーコン、シード、トランシットノードなど
（ii）US 8756014 B2におけるトランシットステーション、及びグローバルステーションで、ここでトランシットは長い接続の間で生じ易い
（iii）CN 105975627 Aにおけるグリッドのセンター、又は、
（iv）US 9222791 B2における境界頂点
（ｂ）US 250075 B2における予めフィルタされた地図特徴を示すノードを備える処理グラフデータ
（ｃ）US 9195953 B2における削減ロードグラフ
（ｄ）US 7953548 B2におけるポリゴン層の階層
（ｅ）CN 105975627 Aにおけるグリッド
（ｆ）US 8949028 B1における、少なくとも１のウェイポイントを排除することにより得られるサブグラフ
（ｇ）EP 2757504 A1における1以上の定住ノード
（ｈ）EP 1939590 B1における前方部分パス及び後方部分パス
（ｉ）US 9222791 B2におけるオーバレイグラフ
（ｊ）US 20110251789 A1における中間ウェイポイント；又は
（ｋ）US 8417409 B2, US 8738286 B2, US 8756014 B2, US 10533865 B2, KR 101692501 B1, 又はCN 104240163 Aにおけるソースロケーション又はその近くのソースステーション及びターゲットロケーション又はその近くのターゲットステーションの間の移動；
又は従来技術の如何なる方法で、以下を含み：
（ｌ）Geisberger, Sanders, Schultes及びDellingにおけるコントラクション階層：“Contraction Hierarchies: Faster and Simpler Hierarchical Routing in Road Networks"、実験及び効率アルゴリズム2008のワークショップ、又はデリング、ゴールドバーグ、及びワーナック：“Faster Batched Shortest Paths in Road Networks"、移動モデル、最大化及びシステム2011のアルゴリズムアプローチのワークショップ
（ｍ）Baum, Buchhold, Dibbelt andWagnerにおけるCRP, GRASP及びPHASTに基づく技術：ACM Journal of Experimental Algorithmics, 2019年10月における“Fast Exact Computation of Isocontours in Road Networks",
（ｎ）ソマーによるサーベイペーパーによってリストされた技術：ACM Computing Surveys, Vol. 46(4) 2014における“Shortest-Path Queries in Static Networks"；又は
（ｏ）Bast, Delling, Goldberg, Muller-Hannemann, Pajor, Sanders, Wagner及びWerneckによるサーベイペーパーによってリストされた技術：Algorithm Engineering 2016の“Route Planning in Transportation Networks"、である。
一つの形態において、サービングモジュールはＬが識別される前にリスティングの地理的ロケーションのため行程期間を決定し、一時的ではないコンピュータ読み込み可能な記憶媒体に行程期間を蓄積し、Ｌ中のロケーションが識別された後、記憶媒体から行程期間を取り出す。一つの形態において、サービングモジュールはリスティングのサブセットのため行程期間を決定し、例えば、大都会エリアの近所内のリスティングのためのみであり、例えば、プリセットロケーションから５００ｍの半径又は行程１分内である。サブセットの選択の様々な方法は、本発明の開示で述べられる。行程期間を決定する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
（ａ）代表、これは最短行程に度々生じるロケーションであり、WO 2019164727において、代表は交通システム内に含まれるロケーションとして特徴づけられ、ここで、代表の数は、最大でも、最大１である予め決定された割合によって乗算された交通システムのサイズであり、代表の例は、以下を含み：
（i）Sommerの“Shortest-Path Queries in Static Networks", ACM Computing Surveys, Vol. 46(4) 2014における陸標、ポータル、ハブ、ビーコン、シード、トランシットノードなど
（ii）US 8756014 B2におけるトランシットステーション、及びグローバルステーションで、ここでトランシットは長い接続の間で生じ易い
（iii）CN 105975627 Aにおけるグリッドのセンター、又は、
（iv）US 9222791 B2における境界頂点
（ｂ）US 250075 B2における予めフィルタされた地図特徴を示すノードを備える処理グラフデータ
（ｃ）US 9195953 B2における削減ロードグラフ
（ｄ）US 7953548 B2におけるポリゴン層の階層
（ｅ）CN 105975627 Aにおけるグリッド
（ｆ）US 8949028 B1における、少なくとも１のウェイポイントを排除することにより得られるサブグラフ
（ｇ）EP 2757504 A1における1以上の定住ノード
（ｈ）EP 1939590 B1における前方部分パス及び後方部分パス
（ｉ）US 9222791 B2におけるオーバレイグラフ
（ｊ）US 20110251789 A1における中間ウェイポイント；又は
（ｋ）US 8417409 B2, US 8738286 B2, US 8756014 B2, US 10533865 B2, KR 101692501 B1, 又はCN 104240163 Aにおけるソースロケーション又はその近くのソースステーション及びターゲットロケーション又はその近くのターゲットステーションの間の移動；
又は従来技術の如何なる方法で、以下を含み：
（ｌ）Geisberger, Sanders, Schultes及びDellingにおけるコントラクション階層：“Contraction Hierarchies: Faster and Simpler Hierarchical Routing in Road Networks"、実験及び効率アルゴリズム2008のワークショップ、又はデリング、ゴールドバーグ、及びワーナック：“Faster Batched Shortest Paths in Road Networks"、移動モデル、最大化及びシステム2011のアルゴリズムアプローチのワークショップ
（ｍ）Baum, Buchhold, Dibbelt andWagnerにおけるCRP, GRASP及びPHASTに基づく技術：ACM Journal of Experimental Algorithmics, 2019年10月における“Fast Exact Computation of Isocontours in Road Networks",
（ｎ）ソマーによるサーベイペーパーによってリストされた技術：ACM Computing Surveys, Vol. 46(4) 2014における“Shortest-Path Queries in Static Networks"；又は
（ｏ）Bast, Delling, Goldberg, Muller-Hannemann, Pajor, Sanders, Wagner及びWerneckによるサーベイペーパーによってリストされた技術：Algorithm Engineering 2016の“Route Planning in Transportation Networks"、である。
一つの形態において、サービングモジュールはＬが識別される前にリスティングの地理的ロケーションのため行程期間を決定し、一時的ではないコンピュータ読み込み可能な記憶媒体に行程期間を蓄積し、Ｌ中のロケーションが識別された後、記憶媒体から行程期間を取り出す。一つの形態において、サービングモジュールはリスティングのサブセットのため行程期間を決定し、例えば、大都会エリアの近所内のリスティングのためのみであり、例えば、プリセットロケーションから５００ｍの半径又は行程１分内である。サブセットの選択の様々な方法は、本発明の開示で述べられる。行程期間を決定する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0034】
それからサービングモジュールは、行程期間の近さを使用してリスティングＬをグループ化する。グループは、与えられたロケーションから同じ行程期間を有するポイントを接続するマップ上のラインである等時線の概念に関連する。しかしながら、我々はレンジを運ぶ、広い意味での等時線（2003）の概念を使用する。一つの形態において、レンジは例えば１５分など、短い行程期間に設定される。一つの形態において、レンジは５００ｍなど、小さな距離に設定される。一つの形態において、レンジは少なくとも２つの値を含む。例えば、サービングモジュールは、Ｍ分の幅の時間の連続レンジを考慮し、それは[0,M), [M,2M), [2M,3M)などであり、例えばＭは１５に設定される。グループｉは、レンジ[iM,(i+1)M)に関連する。それから、Ｄがリスティングの地理的ロケーション及び少なくとも１の通勤期間の間の行程期間であるとき、それからリスティングは、Ｄを含むレンジに関連するグループｉに割り当てられる。他の例では、グループは、行程期間によってソートされるリスティングの順序内で、連続して現れるリスティングの限定数を備え、例えば、各グループ最大１０００リスティングである。その場合、レンジは異なる幅を有する。一つの形態において、グループは地理的制限内の不動産資産リスティングを含み、例えば、職場から東に1時間ドライブの家、及びまた職場から西に1時間ドライブの家である。一つの形態において、グループは、大都会エリアの近所（2005）に限定された不動産資産リスティングを含み、例えば、現在ロケーションから５００ｍ半径内、1分の行程である。一つの形態において、幾つかのレンジは重複する。一つの形態において、グループは、行程期間のレンジを囲む等時線に対応して計算され、例えば、予め決められたレンジ、又はリクエスト中の特定のレンジである。行程期間の近さを使用するリスティングをグループ化する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0035】
サービングモジュールは、それから、如何なるグループ（2004）（2005）内で類似のリスティングのクラスタを決定する。一つの形態において、サービングモジュールは、本発明の開示で述べる類似性の如何なる考えも使用する。一つの形態において、クラスタは、本発明の開示で述べる如何なるクラスタリング方法をも使用して決定される。クラスタは、たった１つのリスティングを備え、例えば、他の類似のリスティングがないとき、又はクラスタが複数のリスティングを備える。一つの形態において、類似性はユーザによって影響され、例えば、リクエストが“複数エージェントを無視"と言うかもしれず、この場合、異なるエージェントを示すリスティング、しかしその他の類似の家を広告することが、類似と考えられる。一つの形態において、予め計算されたクラスタはリクエスト過程の間、クラスタリングを加速するために使用され、例えば、リスティングは予め計算されたクラスタを使用するテキストの特徴を使用してプリクラスタ化され、及びそれから各プリクラスタはユーザによって影響される類似性を使用してクラスタ化される。グループのためのクラスタを決定する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0036】
サービングモジュールは、リスティングのスコア又はリスティングのクラスタを決定する。スコアは、他のスコアに比較されるエンティティであり、その結果、順番が作られる。例えば、スコアは“より以上”を使用して比較される数値である。一つの形態において、リスティングのスコアは少なくとも１の特徴及びその値を使用し、例えば以下を含み：行程の特徴（例えば：リスティングの地理的ロケーション及び少なくとも１の通勤目的地の間の行程期間など）、興味のポイントの特徴（例えば、学校のランクなど、少なくとも通勤目的地上の中に含まれる興味のポイントの特徴及び値）、ロケーション特徴（例えば：犯罪率、学校の有効性、ローカルサービス、アメニティなど）、金銭的特徴（例えば：マーケットの標準価値、価格上昇又は減少など）、評判特徴（例えば：不動産エージェントによってブローカされた前のリース、前のブローカのフィードバックなど）、及ぶ一時的な特徴（例えば：リスティングが何日マーケットにあるのかなど）である。一つの形態において、スコアは従来技術のUS 7974930 B2にリストされる“特徴”として定義される。一つの形態において、スコアはコンピュータシステムによって実行される人工知能ソフトウェアによって計算され、それはサービングモジュールを使用するユーザの過去のインタラクションで教育され、例えば、スコアを予測するためのグランド真実として仕える特徴、値及びリクエストに関連したウェブリンク上のクリックである。一つの形態において、スコアは任意の数学公式を使用して決定される。例えば、スコアはその数の特徴の値の重み合計である。重みは正、負、又はゼロである。一つの形態において、我々は等しい重みを使用する。一つの形態において、重みはスコアに影響する等しい機会を、各特徴に与えるために、決定され、例えば：我々は全てのリスティングを横切る高い中間値を有する特徴のための低い重みを使用する。一つの形態において、我々は特定の特徴を促進する重みを使用し、例えば：我々は、金銭的特徴のためより高い重みを使用し、又はより最近のリスティングのためより高い重みを使用する。一つの形態において、スコアはユーザによって影響され、例えば、リスエストは“建設日による順序"、又は “トップ学校ランクがより好ましい"というかもしれず、何れにしろ、相関するリスティングのスコアは例えば適切に重みを調整することによって増加する一つの形態において、リスティングのクラスタのスコアは、クラスタ中のリスティングのスコアの数学統計であり、例えば：クラスタ中の如何なるリスティングの最大スコア、又はクラスタ中の数の特徴の値の重み合計である。一つの形態において、スコアはベクトルであり、その座標は少なくとも１の特徴及びその価を使用して計算され、例えば：二次元ベクトル、その第一座標が無効化された行程期間であり、及びその第二座標が上述のような特徴及びその価を用いて計算される。一つの形態において、そのようなベクトルは辞書編集的に順序される。一つの形態において、スコアはテキストであり、例えば、アルファベット的に順序されるアパートメントコミュニティの名前である。スコアを決定する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0037】
サービングモジュールはクラスタを選択する。一つの形態において、このモジュールは例えば２０クラスタなど、最も高いスコアを有するクラスタの数を選択する。一つの形態において、このモジュールは、少なくとも１の追加要求を満たす多くのクラスタの数を選択する。一つの形態において、追加要求は、例えばレンジ[0;M)のためなど、行程期間のレンジのためクラスタを選択する。一つの形態において、追加要求は、例えば最大５クラスタなど、クラスタの最大の或る数を選択する。一つの形態において、追加要求は、例えば如何なる近所における最大のクラスタのプリセットの数を選択するなど、選択されたクラスタの地理的まばらさである。例えば、スコアのオーダで、最も高いスコアを最初に、クラスタをグリーディリーに処理することによって、及びクラスタが選択されることを防止することによって、もしクラスタの閾値以上が既にその近所で選択されるなら、例えば、５００ｍ以内又は行程３分以内の２クラスタ以上である。一つの形態において、追加要求は、選択されたクラスタが特徴の異なる値を有する、である。例えば、２ベッドルームのアパートメント及び３ベッドルームのアパートメントを選択することによってである。一つの形態において、多様性は、クラスタをグリーディリーに処理すること、及びクラスタの選択を除外することによって確保され、当該クラスタの特定の特徴は、既に選択されたクラスタの特徴の値に類似する値を有する。一つの形態において、追加要求は、リクエスト中で特定される。例えば、そのリクエストが、特定の学校ゾーンでのリスティングを要求する。一つの形態において、そのモジュールは本発明に開示される如何なるクラスタリング方法をも使用してクラスタを選択し、ここで、クラスタリング方法は、アイテム、その夫々はクラスタであるものを操作する。例えば、クラスタリング方法は、図心であるアイテムを決定し、及びそのアイテムは選択されたクラスタとなる。クラスタを選択する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0038】
一つの形態において、サービングモジュールはクラスタの少なくとも一つのリスティングの示唆を決定し、及びその示唆を有するリクエストに応答（1009）する。そのクラスタは、例えば上述のように、リスティング間の類似性、及びリスティングの地理的ロケーション及び少なくとも１の通勤目的地の間の行程期間を使用して決定される。示唆は、限定されるものでは無く、少なくとも１の以下を含み：
（ａ）クラスタ内で最も高いスコアを有するリスティング
（ｂ）スコアに関連し、クラスタ内のリスティングの位置（3007）
（ｃ）リスティングのための行程期間（3003）、（3004）
（ｄ）公共交通による行程に含まれる、例えば徒歩期間など、行程期間の一部
（ｅ）リスティングのテキストの代表であるリスティングの断片（3005）
（ｆ）ソースによって公開されたリスティングへのウェブリンク（3006）
（ｇ）リスティングのための少なくとも１の特徴及びその値（3005）
（ｈ）値の数学統計、例えば、(i)特徴の値のヒストグラム、(ii)頻度統計、例えば、特徴の最も頻繁な値、又は特徴の最も頻度の少ない値、(iii)特徴の値のランダムサンプル、(iv)数値の最大値又は最小値、(v)平均、中間、百分位数、標準偏差、又は数値の分散、又は(vi)例えば閾値以下、又は閾値以上など、レンジ内にある数値の端数
（ｉ）例えば過去5年の価格のトレンドなど、時間の期間に基づく数学統計
（ｊ）クラスタ内の何れか一つのリスティングの要約
（ｋ）クラスタ内の少なくとも２のリスティングの要約、例えば：(i)リスティングの数（3007）、又は(ii)例えばより低い価格を有するもの、又はより信頼のおけるエージェントによってポストされたものなど、２つのリスティングの間の差の示唆
（ｌ）クラスタ内の少なくとも２のリスティングの特徴及び値を組み合わせることによって構築された組み合わせリスティング、例えば特定の家を広告する全ての不動産エージェントの電話番号を示し、しかし、一度だけ特定の家のベッドルームの数を示す
（ｍ）クラスタのグラフの代表、又はテキストの代表
（ｎ）上記何れかに対応、しかし、少なくとも１の通勤目的地に含まれる興味のポイントに関連、である。
一つの形態において、選択されたクラスタの示唆は、選択されたクラスタの夫々において、少なくとも１のリスティングの示唆を含んで、決定される。一つの形態において、不動産リスティングの任意のセットの示唆は、クラスタ内の少なくとも１のリスティングの示唆が決定された上記マナーにおいて、決定される。例えば、現在のマーケットでのリスティングの価格の数学統計を含むことによって、又はユーザリクエストのマッチするリスティングの価格の数学統計によってである。示唆を決定する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
（ａ）クラスタ内で最も高いスコアを有するリスティング
（ｂ）スコアに関連し、クラスタ内のリスティングの位置（3007）
（ｃ）リスティングのための行程期間（3003）、（3004）
（ｄ）公共交通による行程に含まれる、例えば徒歩期間など、行程期間の一部
（ｅ）リスティングのテキストの代表であるリスティングの断片（3005）
（ｆ）ソースによって公開されたリスティングへのウェブリンク（3006）
（ｇ）リスティングのための少なくとも１の特徴及びその値（3005）
（ｈ）値の数学統計、例えば、(i)特徴の値のヒストグラム、(ii)頻度統計、例えば、特徴の最も頻繁な値、又は特徴の最も頻度の少ない値、(iii)特徴の値のランダムサンプル、(iv)数値の最大値又は最小値、(v)平均、中間、百分位数、標準偏差、又は数値の分散、又は(vi)例えば閾値以下、又は閾値以上など、レンジ内にある数値の端数
（ｉ）例えば過去5年の価格のトレンドなど、時間の期間に基づく数学統計
（ｊ）クラスタ内の何れか一つのリスティングの要約
（ｋ）クラスタ内の少なくとも２のリスティングの要約、例えば：(i)リスティングの数（3007）、又は(ii)例えばより低い価格を有するもの、又はより信頼のおけるエージェントによってポストされたものなど、２つのリスティングの間の差の示唆
（ｌ）クラスタ内の少なくとも２のリスティングの特徴及び値を組み合わせることによって構築された組み合わせリスティング、例えば特定の家を広告する全ての不動産エージェントの電話番号を示し、しかし、一度だけ特定の家のベッドルームの数を示す
（ｍ）クラスタのグラフの代表、又はテキストの代表
（ｎ）上記何れかに対応、しかし、少なくとも１の通勤目的地に含まれる興味のポイントに関連、である。
一つの形態において、選択されたクラスタの示唆は、選択されたクラスタの夫々において、少なくとも１のリスティングの示唆を含んで、決定される。一つの形態において、不動産リスティングの任意のセットの示唆は、クラスタ内の少なくとも１のリスティングの示唆が決定された上記マナーにおいて、決定される。例えば、現在のマーケットでのリスティングの価格の数学統計を含むことによって、又はユーザリクエストのマッチするリスティングの価格の数学統計によってである。示唆を決定する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0039】
一つの形態において、我々は少なくとも１のリスティングの示唆を明瞭に制限し（例えば、等時線内に含まれるすべてのリスティング）、その結果、その示唆は限定によって明瞭に再び引用される以上の如何なる情報も含まない。その制限は、少なくとも１のリスティングの示唆を超える如何なるものも含み、しかし、追加限定“のみ"を使い、例えば：
（ａ）少なくとも１のリスティングの間の最も高いスコアを有するリスティングの断片のみ
（ｂ）その示唆の２の組み合わせのみ、又は、
（ｃ）ｋ≧３のため、その示唆のｋの組み合わせのみ、である。
これは、有利な効果を達成する、というのも制限は、ユーザに配置される情報のオーバーロードを減らし、及び相関を高めるからである。例えば、１０分から２０分の間の行程期間を有する全てのリスティングの間のたった一つのリスティングを示すことが、小さな認識のロードを、ユーザに押し付け、一方、情報の有用なピースをユーザに提供する。
（ａ）少なくとも１のリスティングの間の最も高いスコアを有するリスティングの断片のみ
（ｂ）その示唆の２の組み合わせのみ、又は、
（ｃ）ｋ≧３のため、その示唆のｋの組み合わせのみ、である。
これは、有利な効果を達成する、というのも制限は、ユーザに配置される情報のオーバーロードを減らし、及び相関を高めるからである。例えば、１０分から２０分の間の行程期間を有する全てのリスティングの間のたった一つのリスティングを示すことが、小さな認識のロードを、ユーザに押し付け、一方、情報の有用なピースをユーザに提供する。
【0040】
一つの形態において、サービングモジュールは、類似していない少なくとも２のクラスタの示唆を有するリクエストに応答する（1009）。例えば、本方法は、その距離が少なくとも閾値である２つのクラスタを選択する。クラスタの間の距離の考えは、従来より知られており、例えば：２つのクラスタからのリスティングの何れかのペアの間の最短距離、又は２つのクラスタの図心の間の距離である。例えば、閾値は１０００ｍ又は行程１分である。そしてそれから、本方法は２つのクラスタの示唆を決定する。これは、分散であるリクエストへの応答を生成するのを助ける。その少なくとも２のクラスタは、リスティングと、リスティングの地理的ロケーション及び少なくとも１の通勤目的地の間の行程距離とを使用して決定され、例えば、上記の方法である。このため、１のクラスタ内の第一リスティングは、他のクラスタ内の第二リスティングに類似しないと考えられる。一つの形態において、行程期間は、レンジ内であり、しかし、他の形態において、行程期間は、レンジ内となるよう要求されていない。少なくとも２のクラスタの示唆を使用して応答するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
１．３．２ 概要
１．３．２ 概要
【0041】
一つの形態において、本方法は、各リスティング及び行程期間に関連する量を使用して不動産資産リスティングの概要を決定する。概要の一つの有利な効果は、その量及びその行程期間の間のパーソナライズされたバランスをストライクするリスティングをユーザが見つけるのを助ける能力である。我々は一つの形態を述べ、ここで、その量はそのセール価格として解釈される。この解釈は限定していない。その量の他の解釈は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。概要が如何に決定されるかの記述を簡易化するため、我々は個別リスティングを参照する。しかしながら、各そのような個別リスティングは、本発明の開示の方法に応じて決定される類似リスティングのクラスタに応じるものと理解される。本明細書で述べる各行程期間は、不動産資産及び少なくとも１の通勤目的地の間である。
【0042】
一つの形態において、本方法は、短いことを要求するリスティングのシークエンスを計算し、分散行程期間を有し、及び近所の行程期間を有するリスティングを比較される量の低い値を達成する。一つの形態において、計算は要望の特徴とマッチするリスティングＬで開始する。一つの形態において、計算は、グリーディ方法を使用して実行される。例えば、
（ａ）本方法は、セール価格を有するリスティングＵを考慮し、及びそのセール価格、最も低いセール価格によって第一にリスティングをオーダする；
（ｂ）それから、本方法は、セール価格のオーダでリスティングを処理する；
（ｃ）処理の間、本方法は次のリスティングeを選択し、如何なるリスティングを処理するサブシークエントから排除し、このリスティングの行程期間は、eの行程期間のレンジ内であり；
（ｄ）それから、本方法はステップ（ｃ）を、処理するリスティングがなくなるまで、繰り返す。
この計算は、リスティングの幾つかの数ｋ≧１を生じる。この数ｋは、レンジが如何に広い、如何に狭いかに依る。例えば、レンジは、１５分、又は１０００ｍに設定される。我々は、この計算されたリスティングを、行程期間の増加するオーダで、e1,e2,e3,…,ekとしてシークエンスする。例えば、e1（4001）は５分の行程期間及び１ミリオンドルのセール価格を有し、e2（4002）は１４分の行程期間及び1.2ミリオンドルのセール価格を有し、e3（4003）は２５分の行程期間及び0.7ミリオンドルのセール価格を有するなどである。リスティングが計算されたマナーのため、我々は、各eiにとって、低いセール価格を有するリスティングがなく、eiの行程期間が行程期間の近所である、ことを知る。この近所は、最大でeiの行程期間の行程期間のレンジ、又は、少なくともeiの行程期間の行程期間のレンジを含む。この近所は両方のレンジを含む。近所のこの特徴は、行程期間に沿うセール価格の長い単調なランに依存する。例えば、上記例では、e1が5分の近所内で行程期間を有する如何なる不動産資産の最も安いリスティングである。一つの形態において、我々は行程期間又は量の緩い要求を使用してリスティングのシークエンスを計算する。例えば、我々は、例えば最大で５リスティングなど、行程期間のレンジ内でリスティングの閾値の最大を選択する。例えば、我々は最大で５リスティングなど、近所で量の最も低い値を有するリスティングの閾値の最大を選択する。一つの形態において、計算されたリスティングは、任意にシークエンスされる（このため、e1,e2,e3,…,ekは、行程期間の増加するオーダを必ずしもフォローする必要がなく；例えば、減少するオーダ、又は計算されたリスティングに関連する量の単調なオーダをフォローする）。リスティングのシークエンスを計算する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
（ａ）本方法は、セール価格を有するリスティングＵを考慮し、及びそのセール価格、最も低いセール価格によって第一にリスティングをオーダする；
（ｂ）それから、本方法は、セール価格のオーダでリスティングを処理する；
（ｃ）処理の間、本方法は次のリスティングeを選択し、如何なるリスティングを処理するサブシークエントから排除し、このリスティングの行程期間は、eの行程期間のレンジ内であり；
（ｄ）それから、本方法はステップ（ｃ）を、処理するリスティングがなくなるまで、繰り返す。
この計算は、リスティングの幾つかの数ｋ≧１を生じる。この数ｋは、レンジが如何に広い、如何に狭いかに依る。例えば、レンジは、１５分、又は１０００ｍに設定される。我々は、この計算されたリスティングを、行程期間の増加するオーダで、e1,e2,e3,…,ekとしてシークエンスする。例えば、e1（4001）は５分の行程期間及び１ミリオンドルのセール価格を有し、e2（4002）は１４分の行程期間及び1.2ミリオンドルのセール価格を有し、e3（4003）は２５分の行程期間及び0.7ミリオンドルのセール価格を有するなどである。リスティングが計算されたマナーのため、我々は、各eiにとって、低いセール価格を有するリスティングがなく、eiの行程期間が行程期間の近所である、ことを知る。この近所は、最大でeiの行程期間の行程期間のレンジ、又は、少なくともeiの行程期間の行程期間のレンジを含む。この近所は両方のレンジを含む。近所のこの特徴は、行程期間に沿うセール価格の長い単調なランに依存する。例えば、上記例では、e1が5分の近所内で行程期間を有する如何なる不動産資産の最も安いリスティングである。一つの形態において、我々は行程期間又は量の緩い要求を使用してリスティングのシークエンスを計算する。例えば、我々は、例えば最大で５リスティングなど、行程期間のレンジ内でリスティングの閾値の最大を選択する。例えば、我々は最大で５リスティングなど、近所で量の最も低い値を有するリスティングの閾値の最大を選択する。一つの形態において、計算されたリスティングは、任意にシークエンスされる（このため、e1,e2,e3,…,ekは、行程期間の増加するオーダを必ずしもフォローする必要がなく；例えば、減少するオーダ、又は計算されたリスティングに関連する量の単調なオーダをフォローする）。リスティングのシークエンスを計算する多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0043】
一つの形態において、本方法は計算されたリスティングe1,e2,e3,…,ekの示唆を決定する。クラスタの示唆は本発明の開示で述べ、及び、当該技術の当業者によって簡単に見られるように、実施の形態の範囲や精神から外れることは無く、e1,e2,e3,…,ekの対応する示唆がある。例えば、示唆は、各計算されたリスティングのため、セール価格及び断片を含む。一つの形態において、本示唆は、リスティングを横切るセール価格に関する数学統計を含み、このリスティングの行程期間は、eiの行程期間からレンジ内である。例の数学統計は、本発明に記述され、例えば、１０番目の百分位数、５０番目の百分位数、及び９０番目の百分位数である。これは、ユーザに、何の種類のセール価格がリスティングのために有効かの考えを与え、このリスティングの行程期間は、eiの行程期間に比較可能である。一つの形態において、示唆はリスティングＵを横切るセール価格の数学統計を含む。これは、ユーザに、何の種類のセール価格が一般のマーケットで有効かの考えを与える。例えば、ユーザは、大都会エリアの不動産マーケットで現在有効な２ベッドルームのアパートメントの間で、何が安いと考えられるか（例えば、１０番目の百分位数）(4004)、及び何が高いと考えられるか（例えば、９０番目の百分位数）(4005)が分かる。
【0044】
計算されたリスティングe1,e2,e3,…,ekは、“第一レベル”リスティングとして見られ、その意味は、それらは行程期間に基づく最も低いセール価格の概要を与える。一つの形態において、本方法は、“第二レベル”リスティング(4006)を計算する。iにとって、本方法は、ei及びei+1、及び行程期間di及びdi+1に関連したそれらである。それから、本方法はリスティングUのサブセットUiを考慮し、それらの行程期間はdi及びdi+1の間である。それから、本方法は、例えばクラスタを選択する方法など、本発明の記述された如何なる方法を使用して、Uiの示唆を決定する。例えば、U1の示唆は、例えば最大１０など、地理的に分散されたリスティングの小さな数を含み、このリスティングの行程期間は５分及び１４分の間で、及び行程期間のレンジ内でのリスティングの間の最も低いセール価格を有する。U1の示唆は、U1に関する数学統計を含む。そのエッジケースセットは、以下で定義される：U0は行程期間d1より少ないU内の全てのリスティング、及びUkは少なくとも行程期間dkを有するU内の全てのリスティング；一つの形態において、そのエッジケースセットは、さらに、行程期間のレンジ内にあるように制限される。セットUiは空で、例えば要望の特徴にマッチするリスティングがないとき、行程期間di及びdi+1の間の行程期間を有する。このため、“第二レベル”は、一様ではない。一つの形態において、本方法は、行程期間を再分し、シークエンスを計算することで“第二レベル”リスティングを計算する。一つの形態において、本方法は、行程期間をさらに再分することで“第三レベル”リスティングなどを計算する。
【0045】
一つの形態において、本方法は、セール価格及び行程期間の間の関係の地理的代表である概要を決定する。一つの形態において、地理的代表は、行程期間の各レンジに関連するセール価格の数学統計を描く。行程期間の各レンジのため、本方法はセール価格の数学統計を決定し、この数学統計を暗号化する形状を生成し、例えば：ポイント、ライン、楕円、三角、レンジバーなどである。地理的代表は多くのフォームを有し、限定するものではないが、プロット、ヒストグラム、円グラフ、ヒートマップを含む。例えば、プロットは、行程期間の対応する水平軸、セール価格に対応する垂直軸、及び各行程期間のレンジ内のリスティングに関連するセール価格の数学統計のレンダリングを含む。例えば：(4010)はセール価格の90番目の百分位数を示し、(4011)はセール価格の中間を示し、及び(4012)はセール価格の10番目の百分位数を示す。例えば、図４は、３０分を含むレンジ内の行程期間のリスティングの間で、セール価格の10番目の百分位数が１ミリオンドルであるものを示す。セール価格及び行程期間の間の関係の地理的代表を決める多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0046】
一つの形態において、本方法はナビゲーションを可能とする。本方法は、装置によって実行される。この装置は、“第一レベル”リスティングの示唆を表示する。ユーザは装置を用いて情報交換する。例えば、ユーザはユーザインタフェース要素（4007）を用いて情報交換でき（タップ、マウスを動かす、接触に敏感なディスプレイスクリーン上へのタッチ、スワイプ、タッチアンドホールドなどのジェスチャーを実行）、及び適切な“第二レベル”リスティングの示唆を表示する装置に応答、又は示唆を隠すためユーザインタフェース要素（4008）と情報交換をする。結果として、ユーザは最も低いセール価格のコンパクトな概要を示され、及びユーザはセール価格及び行程期間の間のトレードオフを探検するために、概要を反復できる。一つの形態において、リスティングの提示は、直線状（例えばリスト）、及びユーザは提示を上下にスクロールでき（例えば、サークル内に囲む）、及びユーザは提示を回転でき、その逆の順番でなどである。一つの形態において、“第二レベル”リスティングのロケーションは、その“第二レベル”リスティングが表示されるときの間、マップ上に描かれる。一つの形態において、他のリスティングのロケーションは、その“第二レベル”リスティングが表示されるときの間、マップから隠される。一つの形態において、ユーザは地理的代表を用いて情報交換する。例えば、ユーザはユーザインターフェース要素（4013）をタップし、及び装置がリスティングの示唆を表示して応答し、そのリスティングの行程期間は、この要素に関連するレンジ内である。ナビゲートのための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0047】
本方法は、セール価格及び行程期間を使用するリスティングe1,e2,e3,…,ekを計算する他の方法を使用する。一つの形態において、本方法は、本発明に開示する如何なるクラスタリング方法を使用する。各eiはクラスタから選択され、例えば、クラスタの図心である。一つの形態において、クラスタへの少なくとも１の追加要求が設定され、以下を含む：２０のようなｋのための最大値の設定；eｋが可能な限り低いことを要求；eiの行程期間及びei+1の行程期間の間の、１０分などの最小レンジの設定；行程期間の近所内で選択されるリスティングの例えば５など最大数の設定；最小2時間など、最も低い行程期間を持つリスティングのみがクラスタ化されることの要求；最小75百分位数など、最も低いセール価格を持つリスティングのみがクラスタ化されることの要求；最小５分のレンジ内など、レンジ内の行程期間を有するリスティング間から、e1が選択される要求；如何なるリスティングの最小のセール価格の１０％以内など、おおよそ最も低いセール価格を有するeiを選択することであり、このリスティングの行程期間は、eiの行程期間を含むレンジ内であるなどである。一つの形態において、少なくとも１の追加要求を有するクラスタリング問題は、直線プログラムとして暗号化される。一つの形態において、行程期間のレンジは、他の行程期間のレンジとは異なる。例えば、レンジは、相対的により低いセール価格を有するリスティングを持つ行程期間のためのより狭いものとされる。効果として、リスティングe1,e2,e3,…,ekは、等しくスペースされた行程期間を有するよう要求されない。リスティングを計算するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0048】
上述で、我々は、量の形態としてセール価格を使用した。一般に、量は、他の量と比較できるエンティティであり、その結果、オーダが構築される。一つの形態において、この量は、例えば学校ランクなど、特徴の値に設定される。一つの形態において、リクエストは、量を記述し、例えば、リクエストは、“高いセール価格が好ましい”と言い、何れにしろ、量は、セール価格の無効化である（つまり、―１によってセール価格は乗算される）。一つの形態において、量は、数学公式を使用して特徴の値から派生される。例えば、“フロアの集中”を反映する量は、公式(f/b-0.5)2を使用する特定のリスティングのために計算され、ここで、bは、ビルのフロアの数であり、及びfは、ビルの中のリスティングのフロアレベルである。一つの形態において、装置は、単に“フロアレベル”の代わりに、派生量に関連する派生テキストを表示し、例えば、“フロアの中心”である。例えば、地理的方位の類似性を反映する量は、最も短いアーク（例えば、その量は、北窓を特定するユーザリクエストに関連し、東窓のための９０度）に沿う方位中の差の絶対値として決定される。一つの形態において、その量は、２又はそれ以上の特徴の値から派生され、例えば、エリアによるセール価格を分割することによってである。一つの形態において、その量は、要望の特徴から予測される特徴に関して決定される。例えば、ユーザは約１００正方メートルのアパートメントを探しているとき、それから、その量は|x-100|に設定され、ここでxは、そのアパートメント正方メートルエリアである。一つの形態において、予測は、リクエスト及び特徴に基づき自動化され、例えば、プリセットルール；過去のリクエストで学習されたなど人工知能ソフトウェアなどを使用する。一つの形態において、量は、スコアに等しい。料を決定するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0049】
一つの形態において、要素（4002）は少なくとも１のリスティングＡの示唆として特徴付けられ、及び要素（4003）は少なくとも１のリスティングＢの示唆として特徴付けられ、両方のＡ及びＢは等時線内に含まれ、ここでＡはＢに類似しない。一つの形態において、要素（4009）は少なくとも１のリスティングＣの示唆として特徴付けられ、また同じ等時線Ｅ内に含まれ、ここで、ＡはＣに類似せず、またＢはＣに類似しない。一つの形態において、等時線Ｅは広く決定される。例えば、アパートメントのリクエストが与えられると、２０分から１８０分の間の行程期間を有するアパートメントがないときは、幅は少なくとも１６０分である。一つの形態において、複数のサイトの示唆は、複数のサイトの概要を含む。
【0050】
各リスティング及び行程期間に関連する量を使用する不動産資産リスティングの概要を決定するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
１．３．３ 代替
１．３．３ 代替
【0051】
２つの学校のケースを考えると、各学校ゾーンは、与えられた家を含む。そのような場合、その家に住む子供は２つの学校の何れかに参加する。参加が決定すると、子供は選択された学校に通勤し、しかし、他の（選択されない）学校には通勤しない。このため、選択された学校は家の合計通勤期間に貢献する。他の学校は、貢献はしないが、その家が代替の学校があると知ることは有用であり、例えば、なぜなら、他の学校は幾つかの他の機会に貢献する。
【0052】
このため、一般問題が発生し、ここで、ユーザに情報のオーバーロードがされることを減らし、相関を増やすマナーで、我々は興味の代替ポイントの示唆を決定したい。我々は、この問題に解決を示す。
【0053】
代替学校に関する形態で開始する。我々の方法は、学校Ｓ０(5003)及び不動産資産Ｈ（5002）を操作する。一つの形態において、このS0及びHは、リクエスト中に含まれる。一つの形態において、Hはリクエスト中に含まれ、及びS0は行程期間又は距離に関連してHに最も近い学校である。一つの形態において、S0はリクエスト中に含まれ、Ｈは我々の他の方法のステップによって決定される。一つの形態において、このH及びS0は、我々の他の方法のステップによって決定される我々は、本発明に開示の如何なる方法を用いて、学校S0及び不動産資産Hの間（例えば、H及びS0の間の往復行程の期間）の行程期間D0（5001）を決定する。それから、我々は代替の学校の集合Aを決定し、この行程期間は学校S0の行程期間D0に対してとても大きくはない。この目的のため、我々は不動産資産Ｈに最も近いm≧0代替学校S1,…,Sm(5004)(5005)(5006)を決定する。我々は学校Si及び不動産資産Hの間の行程期間Diを決定する。それから、各i≧1のため、行程期間のため、D0プラス閾値に設定される、もしDi≦tなら、我々は評価する。閾値の例は：２０分、及び２０００ｍである。もしその評価が成功なら、それから学校Si(5004)(5005)は集合A内に含まれる。一つの形態において、もし評価が失敗なら、それから学校Si(5006)は集合Aから排除される。例えば、各代替学校が不動産資産Hから離れるなどのとき、結果の集合Aは空となる。一つの形態において、我々が集合A中に学校Ｓ０を含む。一つの形態において、我々が集合Aから学校Ｓ０を排除する。一つの形態において、集合Aは少なくとも２つの学校を含む。
【0054】
それから、我々は集合Aの示唆を決定する。この示唆は、限定するものではないが、以下の少なくとも一つを含み：
（ａ）相応して、セクション1.3.1で特徴付けされた示唆の何れか；
（ｂ）例えばテキスト“代替学校の平均ランク”のような、集合Aの意味論；
（ｃ）集合Aを含む学校に関するアクイジションモジュールによって得られた情報、例えば(i)学校の名前、(ii)学校のタイプ、(iii)学校のランク、(iv)学校の学費、(v)学校の校則、又は(vi)学校への許可の可能性；
（ｄ）集合A中に含まれる学校に関し、アクイジションモジュールによって得られた情報についての数学統計（5008）で、例えば：(i)学校の数、(ii)学校の最大、最小、又は平均ランク、(iii)学校の最大、最小、又は平均学費、(iv)
、のような、学校への如何なる許可の可能性で、ここでpiは学校Siへの許可の可能性、
、のような、ランクの予測値、ここでriは学校Siのランク、又は(vi)
、のような、学費の予測値、ここでuiは学校Siの学費；
（ｅ）集合Aに含まれる学校のための行程期間Diについての数学統計で、例えば：(i)行程期間Di、又は(ii)学校の最大、最小、又は平均行程期間；又は
（ｆ）上記何れかの組み合わせで、例えば：(i)行程期間Djの端数
、によって重み付けされたなど、学校のランクの重み合計、又は(ii)許可の可能性piによって重み付けされたなど、学校の行程期間の重み合計、である。
（ａ）相応して、セクション1.3.1で特徴付けされた示唆の何れか；
（ｂ）例えばテキスト“代替学校の平均ランク”のような、集合Aの意味論；
（ｃ）集合Aを含む学校に関するアクイジションモジュールによって得られた情報、例えば(i)学校の名前、(ii)学校のタイプ、(iii)学校のランク、(iv)学校の学費、(v)学校の校則、又は(vi)学校への許可の可能性；
（ｄ）集合A中に含まれる学校に関し、アクイジションモジュールによって得られた情報についての数学統計（5008）で、例えば：(i)学校の数、(ii)学校の最大、最小、又は平均ランク、(iii)学校の最大、最小、又は平均学費、(iv)
（ｅ）集合Aに含まれる学校のための行程期間Diについての数学統計で、例えば：(i)行程期間Di、又は(ii)学校の最大、最小、又は平均行程期間；又は
（ｆ）上記何れかの組み合わせで、例えば：(i)行程期間Djの端数
【0055】
一つの形態において、集合Aの示唆は、行程の記述を含む。一つの形態において、集合Aの示唆は、行程の記述ではない示唆を含み、例えば、集合A内の学校の数である。一つの形態において、“行程の記述でない”の考えは、さらに従来技術を排除するために制限される、というのも、当該技術の当業者に明らかである。
【0056】
一つの形態において、集合Aの示唆は、集合Aに依存する非単一を有する。集合Aの最大で１の学校に制限されるとき、依存は単一と呼ばれる。如何なる他の依存は非単一である。例えば、集合Aから学校の名前は単一であり、しかし、少なくとも２の学校を含む集合Aからトップランク学校の名前は非単一である。非単一の示唆は有用で、というのも、大きな集合Aについて情報を要約できる。非単一である示唆の一つの形態は、少なくとも２の学校を含む集合Aから各学校のための数値の機能である数学統計であり、そのようにして、数学統計は、この数値の夫々の０ではない部分派生を有する。一つの形態において、少なくとも２の学校の平均ランクは、非単一示唆である。一つの形態において、集合Aの示唆は単一示唆を含む。一つの形態において、集合Aの示唆は、非単一示唆を含む。一つの形態において、“非単一”の考えは、さらに従来技術を排除するために制限される、というのも、当該技術の当業者に明らかである。
【0057】
一つの形態において、我々は集合Aの示唆を明確に制限する、その結果、示唆は、制限によって明瞭に再び引用される以外の如何なる情報を含まない。その制限は、集合Aの上記の示唆の如何なるものも含み、しかし追加限定”のみ”を有し、例えば：
（ａ）学校の間のベストランクを持つ集合Aに含まれる学校の名前のみ
（ｂ）学校の数のみ
（ｃ）学校の平均行程期間のみ
（ｄ）学校の平均ランクのみ
（ｅ）示唆の２つの組み合わせのみ、又は、
（ｆ）ｋ≧３の、示唆のｋの組み合わせのみ、である。
これは、有利な効果を達成し、というのも制限は、ユーザへの情報のオーバーロードを減らし、相関を増加させる。例えば、集合Aについての情報のみとして集合Aの学校の数を示すことは、小さな認識量をユーザに押し付け、一方、ユーザに情報の有用なピースを提供する。
（ａ）学校の間のベストランクを持つ集合Aに含まれる学校の名前のみ
（ｂ）学校の数のみ
（ｃ）学校の平均行程期間のみ
（ｄ）学校の平均ランクのみ
（ｅ）示唆の２つの組み合わせのみ、又は、
（ｆ）ｋ≧３の、示唆のｋの組み合わせのみ、である。
これは、有利な効果を達成し、というのも制限は、ユーザへの情報のオーバーロードを減らし、相関を増加させる。例えば、集合Aについての情報のみとして集合Aの学校の数を示すことは、小さな認識量をユーザに押し付け、一方、ユーザに情報の有用なピースを提供する。
【0058】
一つの形態において、代替学校S1,…,Smは集合Aを決定する前にフィルタされる。一つの形態において、我々は相関学校のスクールゾーン内に含まれる不動産資産Ｈに基づいてフィルタリングを使用する。一つの形態において、このフィルタリングはリクエストに基づく。例えば、リクエストは以下を特定し：“私立学校のみ”、“家から最大２０分離れた学校のみ”、“最大５００ドルの学費の学校のみ”、“ベスト３０の百分位数のランクの学校のみ”、“私の子供が学校の指標に基づいて認定される学校のみ”、“私の子供の以下の特徴を与えると、認定の機会が少なくとも８０％の学校のみ”である。一つの形態において、我々は行程期間Di又は学校の特徴の値を使用する数式に基づいてプリセットフィルタリングを使用する。例の数式は、リクエスト中で特定されるフィルタリングを表現する。
【0059】
一つの形態において、上述のスコアリングリスティングのマナーに類似したマナーで、我々は学校をスコアする。及び、相応して、我々は集合Aを選択するため学校のスコアを使用する。
【0060】
一つの形態において、不動産資産リスティングのスコアは、集合Aに含まれる学校についてのアクイジションモジュールによって得られた情報を使用して決定される。例えば、スコアは、集合Aの数学統計の値によって増加する。
【0061】
一つの形態において、複数のサイトの示唆は、集合Aの示唆を含む。例えば、リクエストが、不動産資産が学校ランクによってオーダされるべきと特定すると、それから不動産資産の示唆は、最も近い学校の示唆、及び集合Aの代替学校の示唆を含む。一つの形態において、集合Aの計算は、我々の如何なる方法を含む。一つの形態において、サービングモジュールは、集合Aの示唆を有するリクエストに応答する。
【0062】
代替学校の示唆に関する上記方法は、興味のポイントの示唆に一般化される。しかし、我々は興味の代替ポイントS1,…,Sm如何に決定するか議論する必要がある。興味の２のポイントが、代替を考えられる又はられないかは、興味のポイントの特定に依存し、及びそのため任意となる。このように、我々の方法は自動的に、当該技術の当業者の観点で一貫したマナーで、代替を決定する。例えば、もし興味のポイントが病院で、リクエストが“整形外科”を特定するなら、それから決定は、整形外科病棟を有する各病院に基づく。一つの形態において、我々は、興味のポイントの間の類似点を使用する興味のポイントの代替ポイントS1,…,Smを決定する。
【0063】
興味の代替ポイントの示唆を決定するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
１．３．４ ２-フェーズアプローチ
１．３．４ ２-フェーズアプローチ
【0064】
一つの形態において、サービングモジュールは、２-フェーズアプローチを使用する：（フェース１）推定行程期間を計算、及びクラスタの幾つかを選択するためにそれら行程期間を使用、及び（フェーズ２）選択されたクラスタの行程期間を計算、及び示唆を決定するためにその行程期間を使用、である。一つの形態において、２-フェーズアプローチは、リソースをセーブし（フェーズ１）、及び行程の量の低下を制限する。説明を簡単にするため、我々は、たった1の通勤目的地（6001）を参照して形態を記述する。しかし、少なくとも１の通勤目的地に、如何にこの形態を一般化するかは、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。この形態は、リスティングの任意の設定を操作し、及び、以下を備える：
（ａ）リスティングの各地理的ロケーショ及び通勤目的地の間の推定行程期間を計算し、その形態は以下を含む：
（i）通勤目的地（6001）の閾値内の近所の代表（6003）を識別し、地理的ロケーション（6007）の閾値内の近所の代表（6005）を識別し、この２つの近所の代表の間の予め計算された行程期間（6004）を取り出し、この取り出された行程期間に推定行程期間を設定し、選択的に以下を使用して拡張し：通勤目的地（6001）及びその近所の代表（6003）の間の行程期間（6002）、又はその地理的ロケーション（6007）及びその近所の代表（6005）の間の行程期間（6006）であり、
（ii）通勤目的地（6001）の閾値内で近所の代表（6003）を識別し、近所の代表（6003）及びその地理的ロケーション（6009）の間の予め計算された行程期間（6008）を取り出し、この取り出された行程期間に推定行程期間を設定し、選択的に通勤目的地（6001）及びその近所の代表（6003）の間の行程期間（6002）を用いて拡張し、
（iii）地理的ロケーション（6013）の閾値内で近所の代表（6011）を識別し、通勤目的地（6001）及び近所の代表（6011）の間の予め計算された行程期間（6010）を取り出し、及びこの取り出された行程期間に推定行程期間を設定し、選択的に、地理的ロケーション（6013）及びその近所の代表（6011）の間の行程期間（6012）を用いて拡張し、及び、
（iv）ナビゲーションサービスから、通勤目的地（6001）及び地理的ロケーション（6015）の間の行程期間（6014）を得て、
例示の閾値は1000ｍ、又は行程１分であり、
一つの形態において、我々は通勤目的地又は地理的ロケーションの閾値内の少なくとも１の近所の代表を識別し、及び、推定行程期間を、通勤目的地及び禁書の代表の如何なるを介して通過する地理的ロケーションの間の如何なる行程期間の最小値に設定し、
一つの形態において、我々は最も近い近所のデータ構造を予め計算し（例えば距離又は行程期間に関する代表のためのボロノイ図）、及びリクエスト処理の間、近所の代表を決定する最も近い近所のデータ構造を使用し、
（ｂ）推定行程期間を使用してリスティングの1以上のクラスタを選択し、しかし予め決められた境界以上ではなく；その予め決められた境界の値は、示唆がステップ（ｄ）で後で決められるために、クラスタの数に影響し、限定するものではないが、少なくとも１の以下に基づいて設定され：示唆が応答中に含まれる必要があるクラスタの数、ステップ（ａ）の推定行程期間によって導かれる行程の品質の低下、ステップ（ｃ）中の行程期間によって作られる行程の品質の改善、ステップ（ａ）中の推定行程期間を決定することに関連するリソース消費、又はステップ（ｃ）中で行程期間を決定することに関連するリソース消費；例えば、予め決められた境界は、1000に設定され（例えば、最も高いスコアのクラスタを選択、例えば、要望の特徴とマッチするリスティングを選択することによって、選択されたリスティングをクラスタリングすること、及びクラスタをスコアリングする）；
（ｃ）選択されたクラスタに含まれるリスティングの各地理的ロケーション及びその通勤目的地の間の行程期間を決定し、例えば、最も短いパスを計算する従来方法、又は本発明に開示された行程の計算の方法を使用し；及び、
（ｄ）行程期間を使用して選択されたクラスタの示唆を決定すること（例えば、行程期間を使用してクラスタ及びスコアをアップデートした後；例えば、最も高いスコアクラスタの数のような、予め決定された境界の最大のプリセット端数となる数、例えば最大で２０の最も高いスコアクラスタのような、クラスタを選択することによって）である。
（ａ）リスティングの各地理的ロケーショ及び通勤目的地の間の推定行程期間を計算し、その形態は以下を含む：
（i）通勤目的地（6001）の閾値内の近所の代表（6003）を識別し、地理的ロケーション（6007）の閾値内の近所の代表（6005）を識別し、この２つの近所の代表の間の予め計算された行程期間（6004）を取り出し、この取り出された行程期間に推定行程期間を設定し、選択的に以下を使用して拡張し：通勤目的地（6001）及びその近所の代表（6003）の間の行程期間（6002）、又はその地理的ロケーション（6007）及びその近所の代表（6005）の間の行程期間（6006）であり、
（ii）通勤目的地（6001）の閾値内で近所の代表（6003）を識別し、近所の代表（6003）及びその地理的ロケーション（6009）の間の予め計算された行程期間（6008）を取り出し、この取り出された行程期間に推定行程期間を設定し、選択的に通勤目的地（6001）及びその近所の代表（6003）の間の行程期間（6002）を用いて拡張し、
（iii）地理的ロケーション（6013）の閾値内で近所の代表（6011）を識別し、通勤目的地（6001）及び近所の代表（6011）の間の予め計算された行程期間（6010）を取り出し、及びこの取り出された行程期間に推定行程期間を設定し、選択的に、地理的ロケーション（6013）及びその近所の代表（6011）の間の行程期間（6012）を用いて拡張し、及び、
（iv）ナビゲーションサービスから、通勤目的地（6001）及び地理的ロケーション（6015）の間の行程期間（6014）を得て、
例示の閾値は1000ｍ、又は行程１分であり、
一つの形態において、我々は通勤目的地又は地理的ロケーションの閾値内の少なくとも１の近所の代表を識別し、及び、推定行程期間を、通勤目的地及び禁書の代表の如何なるを介して通過する地理的ロケーションの間の如何なる行程期間の最小値に設定し、
一つの形態において、我々は最も近い近所のデータ構造を予め計算し（例えば距離又は行程期間に関する代表のためのボロノイ図）、及びリクエスト処理の間、近所の代表を決定する最も近い近所のデータ構造を使用し、
（ｂ）推定行程期間を使用してリスティングの1以上のクラスタを選択し、しかし予め決められた境界以上ではなく；その予め決められた境界の値は、示唆がステップ（ｄ）で後で決められるために、クラスタの数に影響し、限定するものではないが、少なくとも１の以下に基づいて設定され：示唆が応答中に含まれる必要があるクラスタの数、ステップ（ａ）の推定行程期間によって導かれる行程の品質の低下、ステップ（ｃ）中の行程期間によって作られる行程の品質の改善、ステップ（ａ）中の推定行程期間を決定することに関連するリソース消費、又はステップ（ｃ）中で行程期間を決定することに関連するリソース消費；例えば、予め決められた境界は、1000に設定され（例えば、最も高いスコアのクラスタを選択、例えば、要望の特徴とマッチするリスティングを選択することによって、選択されたリスティングをクラスタリングすること、及びクラスタをスコアリングする）；
（ｃ）選択されたクラスタに含まれるリスティングの各地理的ロケーション及びその通勤目的地の間の行程期間を決定し、例えば、最も短いパスを計算する従来方法、又は本発明に開示された行程の計算の方法を使用し；及び、
（ｄ）行程期間を使用して選択されたクラスタの示唆を決定すること（例えば、行程期間を使用してクラスタ及びスコアをアップデートした後；例えば、最も高いスコアクラスタの数のような、予め決定された境界の最大のプリセット端数となる数、例えば最大で２０の最も高いスコアクラスタのような、クラスタを選択することによって）である。
【0065】
一つの形態において、本方法は代表に近い行程のスムージングを実行する。スムージングは、行程が、ロケーションの近くの非自然形状を有することを防止し、ここで、予め計算された行程は、拡張された行程に参加する。例えば、我々は、ソースロケーションに近い代表で開始する行程の予め計算された部分行程を取り出し、及びこのソースロケーション及び部分行程中に含まれるロケーション（そのロケーションは代表である必要はない）の間の行程を有する部分行程を拡張する。スムージングについての追加情報は、従来技術WO 2021222046で発見される。
【0066】
一つの形態において、本方法は、２-フェーズアプローチを用いて概要を計算する。一つの形態において、本方法は、上述のような“第一レベル”リスティングe'1,e'2,…,e'k’を計算し、しかし、行程期間の代わりに推定行程期間を使用し、及び例えば１分など狭いレンジを使用する。なぜなら、レンジは狭く、値ｋ’は度々大きくなる。それから、本方法はリスティングe'1,e'2,…,e'k’のための行程期間を決定する。それから、本方法は、例えば１５分など、より広いレンジ、及びこの行程期間を使用して“第一レベル”リスティングe1,e2,e3,…,ekを計算し、リスティングe'1,e'2,…,e'k’のリシャッフル及び枝切りの手段によってである。例えば、本方法はリスティングe1,e2,e3,…,ekを計算し、ここで、この計算はリスティングe'1,e'2,…,e'k’で開始する（上で、我々は形態を示し、ここで計算はリスティングＬで開始する）。一つの形態において、本方法は、推定行程期間を使用して地理的ロケーションを計算する。２-フェーズアプローチを使用して概要を計算するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0067】
一つの形態において、本方法は、我々の方法内で２-フェーズアプローチを使用する。一つの形態において、本方法は２-フェーズアプローチを使用して少なくとも２の代替の示唆を計算し、ここで、集合Aは、推定行程期間を使用して決定され、示唆は行程期間を使用して決定される。一つの形態において、本方法は、推定行程期間を使用して等時線を、及びそれから行程期間を使用して示唆を計算する。２フェーズアプローチを使用するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
１．３．５ 調整ステップ
１．３．５ 調整ステップ
【0068】
一つの形態において、サービングモジュールは、本発明に開示されるステップを比較して調整ステップを実行する。例えば、サービングモジュールは、以下のステップを実行し：他のオーダ、部分的に同時処理、又は幾つかのステップの組み合わせ又は省略である。一つの形態において、グルーピング及びクラスタリングの２ステップは、一つに組み合わせられる。例えば、我々は特徴ベクトルを拡大する。我々は、リスティングの特徴ベクトルを取り、及び追加し：特徴及びリスティングの地理的ロケーション及び少なくとも１の通勤目的地の間の行程期間を表す値、及びまた特徴及び興味の相関ポイントの値を追加する。この方法で拡大された特徴ベクトルはクラスタ化される。一つの形態において、クラスタは本発明に開示の如何なるクラスタリング方法を使用して決定される。一つの形態において、クラスタは追加要求を満たす。例えば、我々は、如何なるクラスタも、例えば最大１５分など、追加特徴の軸にそって分の最大のレンジにスパンするよう制限する。一つの形態において、予め計算されたクラスタは、リクエスト処理の間、クラスタ化を加速するために使用され、例えば、予め計算されたクラスタでその実行を開始するクラスタリングアルゴリズムの手段によってである。一つの形態において、クラスタを選択するステップは、類似性を有しない。一つの形態において、ステップは、少なくとも１のサイトのクラスタを識別する。一つの形態において、本ステップは、本発明の開示で記述されたリクエストに含まれる如何なる情報を使用して少なくとも１のサイトを識別し、例えば：フィルタリング制限、又は要望の特徴である。調整ステップを実行するための多くの他の方法は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
２ 一般ケース
２ 一般ケース
【0069】
我々は、広い意味で用語行程を使用し、当該技術の当業者において用語の解釈に一貫する。この用語は、動く物体又はデータを含む意味を有する。行程の記述は、当該技術の当業者がそのように名付ける如何なるものである。ここで、行程の記述の幾つかの例を示し：（１）“ハイ、あなた北へ1ブロック行って、そしてそれから左に少し曲がる必要がある”及び（２）“５ドル”である。行程の長さは、当該技術の当業者が行程に関連するとする数値であり、例えば：行程の金銭的費用；メートル距離；燃料消費；例えば、乗り換えの数又は徒歩距離など行程の記述の特定の特徴又は属性、である。他の例として、我々は、時間を示す行程の長さを意味する時、用語行程期間を使用する。一つの形態において、行程の長さは、不動産資産、通勤目的地、それらの特徴又は値の如何なるものなどを含んでいる行程のエンドポイントの如何なるものを使用して派生される。例えば、行程の長さは、例えば２の値の合計など、値の重み合計を使用して派生し：（１）会社の出口からビルの入り口ドアまでのメートル距離、及び（２）ビル内の不動産資産のフロアレベルを示す特徴の値、である。一つの形態において、行程の長さはリクエストを使用する。例えば、このリクエストは、２つの値の間の任意転化を含む。例えば、行程の長さは燃料のユニットから金銭量への転化率によって乗算された燃料消費である、それが故に、燃料消費を使用する最大化目的を、金銭的コストを使用する最大化目的に転化する。一つの形態において、行程の長さは、任意のプリセット転化を使用する。一つの形態において、行程の長さは、１の最大化目的に組み合わされた２以上の最大化目的を使用し、例えば、重み合計のような任意の数学公式を使用する。一つの形態において、最大化目的は、マルチ次元コストに基づくマルチ目的最大化検索に組み合わされる。例えば、方法は、行程の金銭的コストによって罰せられる行程期間、及びフィルタリング制限によって許可される行程期間を最小化する不動産資産の検索である。行程の長さは、それ自体、行程の記述である。行程の記述は、如何なる行程の長さを含まないかもしれないし、行程の長さのみを含むかもしれないし、又は幾つかの他のデータを含むかもしれない。本発明は、行程の記述をいかに計算するかを教え、例えば、本発明の開示される行程の計算のための如何なる方法、又は例えばダイクストラアルゴリズムを使うなど本発明で記述された行程の計算のための従来技術の如何なる方法である。
【0070】
我々は、用語の交通システムを、広い意味で、当該技術分野の当業者によって当該用語の解釈の一貫性をもって使用する。幾つかの形態では以下を含む：道路及び車のシステム；バス及び地下鉄を備える公共交通システム；エアポート、飛行機及び航空機専用路；又は船及びシーレーンである。交通システムは、物理的に物を動かす必要性はない。本発明の開示の方法は、単に、交通システムの要素の間の行程の記述を決定できることが必要である。このため、データを動かす交通システムは、交通システムの例である。例えば、これらの交通要素を備えるコンピュータネットワーク：無線／有線（道に類似）、及びハブ／スイッチ（駅／ターンに類似）である。それらの間の移動のために許容される交通システムの否かる組み合わせは、交通システムである。交通システムの多くの他の例は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0071】
一つの形態において、本発明は、検索又は比較の不動産形態以外を考慮する。一つの形態において、本方法は、職のポスト間の類似性、及び職が実行されるロケーション及び家ロケーションの間の行程期間を使用して、職のポストを示す。検索及び比較の形態のため、従来技術のWO 2021222046を参照のこと。
【0072】
一般的に、本発明に開示の方法は、両方、交通システム内に含まれる、任意のサイト（サイトは上述のセクションでの不動産資産を呼ばれた）及び任意の場所（場所は、上述では通勤目的地と呼ばれた）を使用し、及び本方法は、少なくとも１のサイト及び少なくとも１の場所の間の少なくとも１の行程の記述（上述で使用された行程期間は、行程の記述に一般化される）を使用して、少なくとも１のサイトの示唆を決定する。サイトは任意のロケーションである。それは、例えばアパートメント、借家、庭のある家、ランチ、ホテルなどの不動産資産である。それはまたサイトとなり、人が働く場所、レストラン、ショップなどである。場所はまた任意のロケーションである。それは、学校、祖父母の家、週末ゴルフコース、好きなレストラン、医者のオフィス、ワーシップの場所などである。それはまた、人が住む場所である。一つの形態において、興味のポイントはサイトとして解釈される。一つの形態において、興味のポイントは場所として解釈される。
【0073】
一つの形態において、少なくとも１のサイト及び少なくとも１の場所の間の交通システム内の少なくとも１の行程の記述を使用して、少なくとも１のサイトを検索又は比較する方法で、この方法は以下を備え：（ａ）前記少なくとも１の場所を備えるリクエストを受信し；及び（ｂ）前記少なくとも１の行程の記述を使用して得られた検索又は比較の結果で前記リクエストに応答する、である。一つの形態において、検索又は比較の結果は、少なくとも１のサイトの示唆の形態である。
【0074】
一つの形態において、本発明に開示の方法は、上述した機能又はステップの様々を実行する。一つの形態において、幾つかの機能及びステップは、他のオーダで、部分的に同時進行で実行され、又は幾つかの機能又はステップは、組み合わされ又は省略される。例えば、方法はサービングを実行し、しかしアクイジションやインデックスイングではない。他の形態において、インデックスイングモジュール（1003）は、如何なる転置インデックス（1005）を生成せず、また、如何なるクラスタリング（1006）も生成しない。他の形態において、リクエストは、少なくとも１の通勤目的地の特定を含まない。一つの形態において、方法は、不動産資産及び少なくとも１の通勤目的地の間の行程期間を使用すること無しに、クラスタリング又はスコアリングを実行する。一つの形態において、複数のリスティングは、以下の一つを使用して決定され、両方ではなく：（ｉ）リスティングの間の類似性、又は（ｉｉ）リスティングの地理的ロケーション及び少なくとも１の通勤目的地の間の行程期間、である。機能又はステップの様々を実行するための多くの他の例は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0075】
本発明の側面はハードウェアの形態、ソフトウェアの形態、又は2つの組み合わせの形態のフォームを取るかもしれない。例えばフローチャートのブロックなど、本発明のステップは、機能または最適化に応じて、規則に外れて実行され、部分的に同時に又はキャッシュから保存される。側面は、連続的なシステムのフォーム、又は並行／分配システムのフォームを取り、ここで各構成要件は幾つかの側面を、他の構成要件と共に重複に具現化し、及び構成要件は例えばいかなる種類のネットワークを使用して伝える。本発明は、特定のプログラミング言語を参照して記述されない。本発明の側面のための操作を実行しているコンピュータプログラムは、例えばC++,Java又はJavaScriptなどのいかなるプログラミング言語でも記述される。いかなるプログラムが、例えば中央処理ユニット（CPU）又はグラフィック処理ユニット（GPU）、及びメモリや蓄積装置に関連した任意のハードウェアプラットフォームで実行する。プログラムは、アンドロイド又はiOSオペレーティングシステム, 又は例えばFirefox, Chrome, Internet Explorer, 又はSafariのウェブブラウザを含み、しかしこれに限定するものではないが、１以上のソフトウェアプラットフォームで、本発明の側面を実行する。
３ 方法
３ 方法
【0076】
本発明の形態は、以下の方法を含む。
１．行程の長さ及び類似性を使用する、交通システムに含まれる複数のサイトの示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記複数のサイトに含まれる少なくとも２の等時線サイトを決定し、
ここで、各等時線サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、レンジ内に含まれ、
（ｃ）以下の１つを備えるステップを使用する前記示唆を決定し、
ｉ．前記少なくとも２の等時線サイトに含まれる複数の類似サイトを決定し、及び前記複数の類似サイトの前記示唆を決定し、又は、
ｉｉ．少なくとも１の第二サイトに類似していない少なくとも１の第一サイトを選択し、両方は前記少なくとも２の等時線サイトに含まれ、及び、前記少なくとも１の第一サイト及び前記少なくとも１の第二サイトの前記示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
２．行程の長さ及び量を使用する、交通システムに含まれる複数のサイトの概要を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記複数のサイトに含まれる２以上のサイトのシークエンスを計算し、ここで、
ｉ．前記シークエンスに含まれる第一サイト及び第二サイトにおいて、前記第一サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、前記第二サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さから少なくとも離れたレンジであり、及び、
ｉｉ．前記シークエンスに含まれる第三サイトに関連する量は、最大で前記複数のサイトに含まれる第四サイトに関連する量であり、それは、前記第四サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、前記第三サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さの近所であるときはいつもであり、
（ｃ）前記シークエンスの示唆を含む前記概要を決定し、及び、
（ｄ）前記概要を有する前記リクエストに応答する。
３．交通システムに含まれる複数の興味のポイントに含まれる少なくとも２の代替の示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれるサイトを備えるリクエストを受信し、
（ｂ）前記少なくとも２の代替を決定し、
ここで、各代替及び前記サイトの間の前記交通システム内の行程の長さは、最短の閾値内であり、
（ｃ）非単一及び行程の記述ではない前記少なくとも２の代替の示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
４．推定行程の長さ及び行程の長さを使用する、交通システムに含まれる少なくとも２のサイトの示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記少なくとも２のサイト及び前記少なくとも１の場所に含まれる各サイトの間の前記交通システム内の推定行程の長さを含んでいる少なくとも２の推定行程の長さを決定し、
（ｃ）前記少なくとも２の推定行程の長さを使用する前記少なくとも２のサイトに含まれる１以上のサイトを選択し、
ここで、前記１以上のサイトの数は、最大で予め決められた境界であり、
（ｄ）前記１以上のサイト及び前記少なくとも１の場所に含まれる各サイトの間の前記交通システム内の行程の長さを含んでいる少なくとも１の行程の長さを決定し、
（ｅ）前記少なくとも１の行程の長さを使用する前記１以上のサイトの前記示唆を決定し、及び、
（ｆ）前記示唆を有する前記リクエストに応答する。
４ コンピュータシステム及び装置
１．行程の長さ及び類似性を使用する、交通システムに含まれる複数のサイトの示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記複数のサイトに含まれる少なくとも２の等時線サイトを決定し、
ここで、各等時線サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、レンジ内に含まれ、
（ｃ）以下の１つを備えるステップを使用する前記示唆を決定し、
ｉ．前記少なくとも２の等時線サイトに含まれる複数の類似サイトを決定し、及び前記複数の類似サイトの前記示唆を決定し、又は、
ｉｉ．少なくとも１の第二サイトに類似していない少なくとも１の第一サイトを選択し、両方は前記少なくとも２の等時線サイトに含まれ、及び、前記少なくとも１の第一サイト及び前記少なくとも１の第二サイトの前記示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
２．行程の長さ及び量を使用する、交通システムに含まれる複数のサイトの概要を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記複数のサイトに含まれる２以上のサイトのシークエンスを計算し、ここで、
ｉ．前記シークエンスに含まれる第一サイト及び第二サイトにおいて、前記第一サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、前記第二サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さから少なくとも離れたレンジであり、及び、
ｉｉ．前記シークエンスに含まれる第三サイトに関連する量は、最大で前記複数のサイトに含まれる第四サイトに関連する量であり、それは、前記第四サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さは、前記第三サイト及び前記少なくとも１の場所の間の前記交通システム内の行程の長さの近所であるときはいつもであり、
（ｃ）前記シークエンスの示唆を含む前記概要を決定し、及び、
（ｄ）前記概要を有する前記リクエストに応答する。
３．交通システムに含まれる複数の興味のポイントに含まれる少なくとも２の代替の示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれるサイトを備えるリクエストを受信し、
（ｂ）前記少なくとも２の代替を決定し、
ここで、各代替及び前記サイトの間の前記交通システム内の行程の長さは、最短の閾値内であり、
（ｃ）非単一及び行程の記述ではない前記少なくとも２の代替の示唆を決定し、及び、
（ｄ）前記示唆を有する前記リクエストに応答する。
４．推定行程の長さ及び行程の長さを使用する、交通システムに含まれる少なくとも２のサイトの示唆を決定する方法であって、前記方法は、以下によって特徴付けられる：
（ａ）前記交通システムに含まれる少なくとも１の場所を備えるリクエストを受信し、
（ｂ）前記少なくとも２のサイト及び前記少なくとも１の場所に含まれる各サイトの間の前記交通システム内の推定行程の長さを含んでいる少なくとも２の推定行程の長さを決定し、
（ｃ）前記少なくとも２の推定行程の長さを使用する前記少なくとも２のサイトに含まれる１以上のサイトを選択し、
ここで、前記１以上のサイトの数は、最大で予め決められた境界であり、
（ｄ）前記１以上のサイト及び前記少なくとも１の場所に含まれる各サイトの間の前記交通システム内の行程の長さを含んでいる少なくとも１の行程の長さを決定し、
（ｅ）前記少なくとも１の行程の長さを使用する前記１以上のサイトの前記示唆を決定し、及び、
（ｆ）前記示唆を有する前記リクエストに応答する。
４ コンピュータシステム及び装置
【0077】
本発明の形態の一つは、コンピュータシステムである（イラストが図１にある）。コンピュータシステムは、ハードウェアの形態、ソフトウェアの形態、又は２つの組み合わせの形態である。コンピュータシステムは少なく１のプロセッサを含み、例えばCPUやGPUである。コンピュータシステムは、少なくとも１のプロセッサによって実行されるための１以上のプログラムを記憶する、一時的ではないコンピュータシステム読み込み可能な記憶媒体を含む。一時的ではないコンピュータシステム読み込み可能な記憶媒体の形態は従来技術で知られており、そのためここでは記述する必要性はない。１以上のプログラムは、本発明に開示される方法の少なくとも１のステップを実行するために、少なくとも１のプロセッサによって実公される指令を備える。一つの形態において、指令は、例えばC++,Java又はJavaScriptなどの如何なるプログラム言語において表現される。各方法は、コンピュータシステムを生む。如何なるそのようなコンピュータシステムは、本発明の開示で記述される特定の方法を実行するため特定にプログラム化される一般目的のコンピュータとしてみなされる。従って、効果として、コンピュータシステムは、特定の目的コンピュータであり、方法を暗号化するソフトウェア（１以上のプログラム）の指令に応じて、本方法の特定のステップを実行するようプログラム化される。コンピュータシステムの多くの他の形態は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
【0078】
本発明の形態の１つは、装置、また装置と呼ばれる。イラストは、図３，図４及び図５で示される。当該技術分野の当業者において、我々の図中の装置は、本形態の範囲及び精神から離れることなく調整できる（例えば、再配置、リサイズ、色、形の変更、構成の追加又は除去）ことは明らかである。装置は、物理形態を有し、例えば、スマートフォンアプリ又はウェブページである。装置は、例えばスマートフォンアプリのユーザインターフェースである“レシーバ”を介してユーザからリクエストを受信し、例えば、ここで、ユーザは、職場の住所をサーチボックスにタイプでき、職場のロケーションを特定するためにスマートフォンアプリによって表示される地図をタップし、職場のロケーションを記述する会話認識エンジンに話しかけ、職場のロケーションを暗号化するGPSリーディングを提供するなどである。一つの形態において、レシーバは、本発明の開示に記述されるリクエストに含まれる如何なる情報を受信する。装置は、それから、本発明の開示に記述される方法を使用する示唆を生成する。一つの形態において、本生成は、少なくとも１のプロセッサに適する適切な１以上のプログラムを実行することによって実行される。それから装置は、“送信機”を介して本示唆を示すことによって、ユーザに応答し、例えば：スマートフォンアプリでの表示（例えば、図３に示すように表示することによって（3005））、会話シンセサイザー（例えば、ユーザに話かけることによって）、ユーザの頭に装着する眼鏡に含まれる拡張現実レンズ、ジェダイナイトの３Ｄプロジェクターなどである。当該技術の当業者において、本発明は装置の一つの種類に限定せず、また、レシーバや送信機の一つの種類に限定しないことは明らかである。装置の多くの他の形態は、当該技術の当業者において実施の形態の範囲や精神から外れることは無く、明らかである。
５ 最終章
５ 最終章
【0079】
当該技術分野の当業者の人たちは、様々な変形を作り、また代用が本発明の範囲及び精神から離れることなしに、本質的に同等のものを伴い作られる、ということを知っている。その上、特定の状況は、その形態の範囲及び精神から離れることなしに、本発明の教示に適用される。従って、本発明が開示された形態を参照して述べられたという事実にも関われず、本発明はこれらの発明に限定されるべきではない。むしろ、本発明は、付属の請求の範囲内である全ての形態を含む。
【0080】
各請求される方法は、“精神プロセス”を含まない（人の心で実行される如何なる請求される方法のステップも含まない）。各請求される方法は自動である。セクション４は自動の例を記述する。各請求される方法の範囲は、特定の管轄権の特許に不適格な如何なる形態も排除し、ここで、この特許出願は、PCT国内／地域段階の間に出願される。例えば、カナダの特許出願は、各請求される方法はカナダの特許に適用される形態に限定されることを明確に記載する。各特定の管轄権は、その管轄権に特定の形態を排除する（異なる管轄権は形態の異なるセットを排除する）。
【0081】
一つの形態において、如何なる請求される方法は、コンピュータシステムで実行され（コンピュータ実行であり）及び装置の目的（例えば、示唆の検索、比較、決定の目的）を達成するためである。セクション４は例を記述する。一つの形態において、如何なる請求される方法は、ニュージーランドで使用される独占権の法令の意味内の“製造のマナー”の範囲内にある形態に限定され、というもの、当該技術の当業者に一人に明らかであるからである。一つの形態において、如何なる請求される方法は、欧州特許協定の意味内の“技術的特徴”の範囲内にある形態に限定され、というもの、当該技術の当業者に一人に明らかであるからである。
【0082】
本発明の開示で引用される従来技術は、当該技術の一般知識と解され、当該技術の当業者はその知識を有する。
【0083】
請求項において、先行となる基礎は時々ボックスがつけられる：請求項のボックス付き用語は、その点線ボックス付き用語として後で使用される。
【0084】
我々は、請求の範囲内に記載の選択されたフレーズの用語解説を含み、また明細書に参照を例として示す。これらの参照は網羅的であることを意図せず、他の参照が存在する。前記テーブルのフレーズのシークエンスは、前記用語が請求の範囲内に最初に現れるオーダに従うことを意図する。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
