特表 2024-501893 エンティティデータベースの方法およびシステム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】

(43)【公表日】2024-01-16

(54)【発明の名称】エンティティデータベースの方法およびシステム

(51)【国際特許分類】

   G06F 16/38 20190101AFI20240109BHJP

【ＦＩ】

G06F16/38

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2023540674

(86)(22)【出願日】2021-12-29

(85)【翻訳文提出日】2023-08-29

(86)【国際出願番号】 US2021065431

(87)【国際公開番号】W WO2022147067

(87)【国際公開日】2022-07-07

(31)【優先権主張番号】63/133,417

(32)【優先日】2021-01-04

(33)【優先権主張国・地域又は機関】US

(81)【指定国・地域】

(71)【出願人】

【識別番号】519161872

【氏名又は名称】ライブランプ インコーポレーテッド

(74)【代理人】

【識別番号】110000855

【氏名又は名称】弁理士法人浅村特許事務所

(72)【発明者】

【氏名】クマール、シリシュ

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175DA01

5B175FB03

(57)【要約】

エンティティに対するマッチングプラットフォームを実装するためのコンピュータ化された方法は、入力データストリーム上でリアルタイムリンクを使用するリアルタイム処理層と、バッチデータソースストリームからのエンティティをリンクする高スループット層とを含む。リアルタイムのリンク結果は、状態変更ストアに記憶され、高スループットのリンク結果は、状態ストアに記憶される。オンデマンドリンクが、状態変更ストアおよび状態ストアを使用する。ラムダスイッチが、オンデマンドリンクがより古い世代の状態ストアおよびステージ変更ストアからより新しい世代の状態ストアおよび状態変更ストアに切り替わるとき、エンティティ状態が一貫したままであることを保証する。これらのストアは、クエリを命令に構文解析し、エンティティマッチングを制御する命令ストリームを作成するエンティティデータベースに実装される。

【特許請求の範囲】

【請求項1】

エンティティデータベースシステムであって、
文を命令のパイプラインに構文解析してレコード（イベント）のセットを読み取り、データストアを解決し、正規化し、持続させるように構成されたデータ操作言語（ＤＭＬ）パーサと、
前記エンティティデータベース内のエンティティについてのクエリを実施するように構成されたクエリパーサであって、各クエリは、エンティティ形質を備える少なくとも１つの宣言的命令を備えるクエリパーサと、
前記ＤＭＬパーサから命令を受信し、前記クエリパーサからクエリを受信し、少なくとも１つのマッチしたエンティティを返すように構成されたエンティティ解決エンジンであって、前記エンティティ解決は、
前記ＤＭＬパーサまたは前記クエリパーサにおいて受信されたレコードから形質を抽出し、前記レコードから少なくとも１つのエンティティ形質を抽出するように構成された形質抽出部
を備えるエンティティ解決エンジンと
を備える、エンティティデータベースシステム。

【請求項2】

前記エンティティ解決エンジンが、２つのアイデンティティがマッチする場合、前記２つのアイデンティティを単一のブロックにグループ化するように構成された近傍生成部をさらに備える、請求項１に記載のエンティティデータベース。

【請求項3】

前記近傍生成部が、各ブロックのサイズを指定された閾値に制限するようにさらに構成される、請求項２に記載のエンティティデータベース。

【請求項4】

前記エンティティ解決エンジンが、マッチがマッチ閾値を超える確率に基づいて、各エンティティについての少なくとも１つの特定の形質をマッチさせ、少なくとも１つのマッチしたペアを返すように構成されたペアワイズマッチサブルーチンをさらに備える、請求項２に記載のエンティティデータベース。

【請求項5】

前記ペアワイズマッチサブルーチンが、前記ブロック内のアイデンティティのペアに関する少なくとも１つの予め構築された人工知能（ＡＩ）ベースのモデルおよびビジネスルールのセットを備える、請求項４に記載のエンティティデータベース。

【請求項6】

前記少なくとも１つの予め構築されたＡＩベースのモデルの各々が、特定のタイプの現実世界のエンティティのために構築される、請求項５に記載のエンティティデータベース。

【請求項7】

前記エンティティ解決エンジンが、前記ペアワイズマッチサブルーチンから返された各マッチしたペアに対して推移閉包を実施し、エンティティクラスタを返すように構成された推移閉包サブルーチンをさらに備える、請求項４に記載のエンティティデータベース。

【請求項8】

前記エンティティ解決エンジンは、前記エンティティクラスタが少なくとも１つの競合を含む場合、前記推移閉包サブルーチンから前記エンティティクラスタを分割するように構成されたクラスタ分割サブルーチンをさらに備える、請求項７に記載のエンティティデータベース。

【請求項9】

前記クラスタ分割サブルーチンが、前記エンティティクラスタの各々を分割すべきかどうかを決定するために、２つの異なる主幹アルゴリズムを前記エンティティクラスタに適用するように構成される、請求項８に記載のエンティティデータベース。

【請求項10】

前記エンティティ解決エンジンが、分割が発生していない限り以前のＩＤ割り当てで割り当てられたＩＤを保存し、分割が発生して新しいＩＤを割り当てなければならない場合にＩＤ割り当ての変更を最小限に抑えるように構成された安定識別子（ＩＤ）割り当てサブルーチンをさらに備える、請求項８に記載のエンティティデータベース。

【請求項11】

前記エンティティ解決エンジンによって解決されたエンティティに関するメタデータを受信および記憶するように構成された解決辞書をさらに備える、請求項１０に記載のエンティティデータベース。

【請求項12】

前記エンティティ解決エンジンから前記解決されたエンティティおよび関連識別子のすべてを受信および記憶するように構成されたスタンプされたエンティティストアをさらに備える、請求項１１に記載のエンティティデータベース。

【請求項13】

前記エンティティ解決エンジンからレコードおよび関連識別子を受信および記憶するように構成されたスタンプされたレコードストアをさらに備える、請求項１２に記載のエンティティデータベース。

【請求項14】

前記エンティティ解決エンジンから複数のブロッキングキーおよび各ブロックへの参照を受信および記憶するように構成されたブロッキングインデックスストアをさらに備える、請求項１３に記載のエンティティデータベース。

【請求項15】

エンティティデータベースを動作させるための方法であって、
データ操作言語（ＤＭＬ）パーサにおける少なくとも１つのデータ操作言語（ＤＭＬ）文を命令のパイプラインに構文解析してレコード（イベント）のセットを読み取り、データストアを解決し、正規化し、持続させるステップと、
前記命令のパイプラインから少なくとも１つの形質を抽出するステップと、
前記エンティティデータベース内のエンティティの中からの近傍をグループ化するステップであって、前記グループは、前記近傍がマッチする場合に単一のブロックに形成されるステップと、
マッチがマッチ閾値を超える確率に基づいて、各グループ化されたエンティティからの少なくとも１つの形質をペアワイズマッチングするステップと、
各グループ化されたエンティティに対して推移閉包を実施し、少なくとも１つのエンティティクラスタを形成するステップと、
各エンティティクラスタが競合を含む場合、そのようなエンティティクラスタに対してクラスタ分割を実施するステップと、
安定識別子（ＩＤ）を各エンティティクラスタに適用するステップと
を含む、エンティティデータベースを動作させるための方法。

【請求項16】

近傍をグループ化する前記ステップが、各単一のブロックのサイズを指定された閾値に制限する、請求項１５に記載のエンティティデータベースを動作させるための方法。

【請求項17】

ペアワイズマッチングは、前記ブロック内のアイデンティティのペアに対して複数の予め構築された人工知能（ＡＩ）ベースのモデルを利用し、各予め構築されたＡＩベースのモデルが、異なるタイプの現実世界のエンティティのために構築される、請求項１５に記載のエンティティデータベースを動作させる方法。

【請求項18】

クラスタ分割を実施する前記ステップが、２つの異なる主幹アルゴリズムを前記エンティティクラスタに適用する、請求項１５に記載のエンティティデータベースを動作させるための方法。

【請求項19】

スタンプされたエンティティストアに解決されたエンティティおよび関連識別子のすべてを記憶するステップをさらに含む、請求項１５に記載のエンティティデータベースを動作させるための方法。

【請求項20】

スタンプされたレコードストアにレコードおよび関連識別子を記憶するステップをさらに含む、請求項１９に記載のエンティティデータベースを動作させるための方法。

【発明の詳細な説明】

【背景技術】

【0001】

エンティティは、記述的形質の特定のセットを有する固有の実体であり得る。例えば、小売ビジネスにおいては、個々の顧客（人物）および家庭が各々エンティティである。保険ビジネスにおいて、顧客、代理店、および製品は、エンティティのいくつかの例である。同様に、ヘルスケア産業において、患者、提供者、およびヘルスケア施設は、エンティティのいくつかの例である。

【0002】

エンティティは、複数の形質によって記述することもできる。例えば、人物エンティティは、名前、住所、電子メールアドレス、電話番号、およびクレジットカード番号などの形質によって表すことができる。個々の形質自体が、異なる値を有し得る。例えば、ある人物は２つの名前を有することができ、１つは結婚前、もう１つは結婚後である。また、人物の住所は、複数の値を有してもよい。形質値のいくつかは、時間と共に変化する可能性があり、例えば電話番号形質は、人物にとって時間と共に変化する場合があり、特定の時間までしか有効でない可能性がある。これらのバリエーション（複数の形質および形質についての複数の値）を考えると、人物エンティティは、いくつかの有効な表現を有することができる。同様に、ビジネスエンティティは、いくつかの住所および電話番号を有することができ、または様々な名前で知られることができる。

【0003】

ビジネスにおいては、様々な理由で、複数のソースまたはシステムから収集されたレコードのセットからエンティティを一意に識別し（解決としても知られる）、正規化し（すなわち、フォーマットを標準化し、最良値を選択する）、持続し（すなわち、無期限に保存する）、クエリする必要があり得る。

【0004】

現在のデータベース技術（例えば、リレーショナルデータベース、文書指向データベース、およびキーバリューペアデータベース）は、エンティティ識別、正規化、持続、およびクエリの概念をサポートしていない。したがって、企業がエンティティを解決し、正規化し、持続させ、クエリするのを助けるために使用することができる新しいタイプのエンティティ指向データベースの改善が望まれている。宣言的言語を使用してこれを達成することもまた、望ましい。

【発明の概要】

【0005】

特定の実施形態におけるエンティティデータベースシステムは、レコードのセットからエンティティを効率的に解決し、新しいレコードを受信したときに解決を更新するコンポーネント、形質値を正規化して様々なエンティティ表現をサポートするコンポーネント、エンティティを持続させるコンポーネント、エンティティをクエリするコンポーネント、およびユーザが解決、正規化、またはクエリのためにエンティティデータベースシステムと対話するための手段を提供する宣言的言語から構成され得る。

【0006】

特定の実施形態では、解決エンジンコンポーネントは、入力データストリーム上でリアルタイムリンクを使用するリアルタイム処理層と、バッチデータソースストリームからのエンティティをリンクする高スループット層とを含むことができる。これらの２つの層は、エンティティ解決を実施する。次いで、解決されたエンティティは、正規化エンジンコンポーネントによって正規化される。

【0007】

特定の実施形態では、リアルタイムのリンク結果は、状態変更ストア（ｓｔａｔｅ ｃｈａｎｇｅ ｓｔｏｒｅ）に保持され、高スループットのリンク結果は、状態ストアに保持される。オンデマンドリンクが、状態変更ストアおよび状態ストアを使用する。

【0008】

特定の実施形態では、ラムダスイッチが、オンデマンドリンクがより古い世代の状態ストアおよびステージ変更ストアからより新しい世代の状態ストアおよび状態変更ストアに切り替わるとき、エンティティ状態が一貫したままであることを保証する。これらのストアは、クエリを命令に構文解析し、エンティティマッチングを制御する命令ストリームを作成するエンティティデータベースに実装される。

【0009】

特定の実施形態では、エンティティデータベースは、エンティティ解決エンジンに供給を行うＤＭＬおよびクエリパーサを含む。エンティティ解決エンジンは、入来するレコードまたは命令から形質を抽出し、近傍生成を実施して同様または同一のエンティティを接続し、ペアワイズマッチングを実施してエンティティ関係をさらに定義し、推移閉包を実施して同じエンティティに関係し得るクラスタを形成し、過マッチしたクラスタを分割し、次いで安定ＩＤ割り当てシステムを使用して新たに受信した情報に基づく識別子の再割り当てを最小限に抑える。

【図面の簡単な説明】

【0010】

【図1A】いくつかの実施形態による、エンティティに対するマッチングプラットフォームを実装するための例示的なシステムを示す図である。

【図1B】いくつかの実施形態による、エンティティに対するマッチングプラットフォームを実装するための例示的なプロセスを示す図である。

【図1C】全体的なエンティティデータベースシステムを示す図である。

【図2】いくつかの実施形態による、エンティティに対するマッチングプラットフォームにおいて高スループットリンクを実装するための例示的なプロセスを示す図である。

【図3】いくつかの実施形態による、近傍プロセスの例示的な概略図である。

【図4】いくつかの実施形態による、ペアワイズマッチングプロセスの概略図の一例を示す図である。

【図5】いくつかの実施形態による、推移閉包プロセスの例示的な概略図である。

【図6】いくつかの実施形態による、クラスタ分割についての例示的な概略図である。

【図7】いくつかの実施形態による、安定識別子（ＩＤ）割り当てを示す例示的な概略図である。

【図8】いくつかの実施形態による、リアルタイム／オンデマンドリンク（ＲＴＬ）についての例示的なプロセスを示す図である。

【図9】いくつかの実施形態による、本明細書で使用するための例示的なデータ管理プロセスを示す図である。

【図10】いくつかの実施形態による、複合プロファイル作成の例示的な概略図である。

【図11】いくつかの実施形態による、複合プロファイル作成のための例示的なプロセスを示す図である。

【図12】いくつかの実施形態による、例示的なエンティティデータベースアーキテクチャを示す図である。

【図13】いくつかの実施形態による、例示的なＤＭＬ文法を示す図である。

【図14】いくつかの実施形態による、例示的なクエリ文文法を示す図である。

【図15】いくつかの実施形態による、エンティティ解決エンジンのコンポーネントの例示的なセットを示す図である。

【図16】様々な実施形態を実装するために利用することができるサンプルコンピューティング環境のブロック図である。

【発明を実施するための形態】

【0011】

上述の図は、代表的なセットであり、本発明を具現化することに関して網羅的ではない。

【0012】

エンティティのためのマッチングプラットフォームのシステム、方法、および物品が開示される。以下の説明は、当業者が様々な実施形態を作製および使用することを可能にするために提示される。具体的なデバイス、技法、および用途の説明は、例としてのみ提供される。本明細書に記載された例に対する様々な修正は、当業者に容易に明らかであり得、本明細書で定義された一般的な原理は、様々な実施形態の精神および範囲から逸脱することなく、他の例および用途に適用され得る。

【0013】

本明細書全体を通した「一実施形態」、「実施形態」、「一例」、または同様の言語への参照は、その実施形態に関連して記載される特定の特徴、構造、または特性が少なくとも１つの実施形態に、またはいくつかの実施形態に従って含まれることを意味する。したがって、本明細書全体を通して「一実施形態では」、「実施形態では」、および同様の言語の句の出現は、必ずしもそうとは限らないが、すべてが同じ実施形態を参照してもよい。

【0014】

さらに、本発明の記載された特徴、構造、または特性は、１つまたは複数の実施形態において任意の適切な方式で組み合わせることができる。以下の説明では、本発明の実施形態の完全な理解を提供するために、プログラミング、ソフトウェアモジュール、ユーザ選択、ネットワークトランザクション、データベースクエリ、データベース構造、ハードウェアモジュール、ハードウェア回路、ハードウェアチップなどの例など、多数の具体的な詳細が提供される。しかし、当業者は、本発明が具体的な詳細のうちの１つまたは複数を用いずに、または他の方法、コンポーネント、材料などを用いて実践され得ることを認識することができる。他の例では、本発明の態様を不明瞭にすることを避けるために、周知の構造、材料、または動作は詳細に図示または説明されていない。

【0015】

本明細書に含まれる概略フローチャート図は、一般に、論理フローチャート図として記載されている。したがって、図示された順序およびラベル付けされたステップは、提示された方法の一実施形態を示す。機能、論理、または効果において、図示された方法の１つまたは複数のステップまたはその一部と同等である他のステップおよび方法が考えられ得る。加えて、用いられるフォーマットおよび記号は、方法の論理ステップを説明するために提供され、方法の範囲を限定するものではないと理解される。様々な矢印タイプおよび線タイプをフローチャート図では用いることができるが、それらは対応する方法の範囲を限定するものではないと理解される。実際、いくつかの矢印または他のコネクタを使用して、方法の論理フローのみを示すことができる。例えば、矢印は、図示された方法の列挙されたステップ間の不特定の期間の待機または監視期間を示すことができる。加えて、特定の方法が行われる順序は、示されている対応するステップの順序に厳密に準拠してもしなくてもよい。

【0016】

定義
いくつかの実施形態のための例示的な定義が、ここで提供される。

【0017】

アプリケーションプログラミングインターフェース（ＡＰＩ）は、第三者がソフトウェアアプリケーションの機能を拡張することを可能にするための特定用途向けコンピューティングインターフェースとすることができる。

【0018】

トランスフォーマからの双方向エンコーダ表現（ＢＥＲＴ）は、自然言語処理（ＮＬＰ）事前訓練のためのトランスフォーマベースの機械学習技法である。

【0019】

クラウドコンピューティングは、エンドユーザによる直接的な能動的管理なしに、コンピュータシステムリソース、特にデータストレージおよびコンピューティング能力のオンデマンド可用性であり得る。

【0020】

相関クラスタリングは、予めその数を指定することなく、物体のセットを最適な数のクラスタにクラスタリングするための方法を提供する。

【0021】

データ操作言語（ＤＭＬ）は、コンピュータプログラムまたはデータベースユーザがデータベース内のデータを検索、挿入、削除、および更新するために使用するコンピュータ言語のファミリである。

【0022】

エンティティは、例えば、人物、会社、製品、部品などの現実世界の人工物を指す。例えば、人物は、顧客、患者、ユーザなどのような異なる形態をとることができる。同様に、会社は、例えば、商業者、供給者、サービスの提供者などであり得るビジネスエンティティとすることができる。

【0023】

エンティティ問い合わせ言語（ＥＱＬ）は、ＳＱＬと同様の構文に従うストレージ非依存の問い合わせ言語である。ＥＱＬは、ユーザがエンティティ（例えば、顧客）に対して実施され得る演算を記述することを可能にする。これらの演算は、例えば、集約、和集合、交点、および最良値計算を含む。ＥＱＬが構文解析され、コードに変換される。その後、コードがエンティティデータに対して実行され、結果を計算する。例えば、小売会社の顧客は、名前、住所（１つまたは複数）、電子メール、電話番号、ショッピング場所、ウェブサイトクッキー、ウェブサイトアクティビティなどによって定義することができる。

【0024】

高スループットリンクは、現実世界のエンティティに対応するレコードのクラスタを作成するソフトウェアモジュールを使用することができる。ソフトウェアモジュールは、１回のバッチでディスクに記憶された大量のデータ（例えば、数百テラバイトの範囲内）を処理することができる。特定の例では、数時間ごとに実行するように構成することができる。

【0025】

エンティティの属性を識別することは、現実世界のエンティティを識別するための寄与因子として作用する属性である。

【0026】

リンクは、同じ現実世界のエンティティに属するレコードを識別するタスクを含むことができる。リンクは、現実世界のエンティティに属するレコードのクラスタを作成する。

【0027】

機械学習（ＭＬ）は、明示的にプログラムされることなく学習する能力をコンピュータに提供する人工知能（ＡＩ）の一種である。機械学習は、新しいデータにさらされたときに成長および変化することを自らに教えることができるコンピュータプログラムの開発に焦点を合わせている。本明細書で使用することができる例示的な機械学習技法は、とりわけ、決定木学習、相関ルール学習、人工ニューラルネットワーク、誘導論理プログラミング、サポートベクターマシン、クラスタリング、ベイジアンネットワーク、強化学習、表現学習、類似性およびメトリック学習、ならびに／またはスパース辞書学習を含む。ランダムフォレスト（ＲＦ）（例えば、ランダムデシジョンフォレスト）は、訓練時間に多数の決定木を構築し、個々の木のクラス（例えば、分類）または平均予測（例えば、回帰）のモードであるクラスを出力することによって動作する、分類、回帰、および他のタスクのためのアンサンブル学習方法である。ＲＦは、それらの訓練セットに過剰適合する決定木の習慣を修正することができる。深層学習は、学習データ表現に基づく機械学習方法のファミリである。学習は、教師あり、半教師あり、または教師なしであり得る。

【0028】

最尤推定（ＭＬＥ）は、尤度関数を最大化することによって確率分布のパラメータを推定する方法であり、仮定された統計モデルの下では、観測されたデータが最も確からしい。尤度関数を最大化するパラメータ空間内の点は、最尤推定値と呼ばれる。

【0029】

近傍は、同じ現実世界のエンティティに属する可能性が高いエンティティのユニバースから選択されたエンティティのグループである。

【0030】

オンデマンドリンクは、外部ソフトウェアアプリケーションによって呼び出されることができるＡＰＩを提供するソフトウェアモジュールを使用することができる。外部ソフトウェアアプリケーションは、リンクさせたいレコードでＡＰＩを呼び出すことができる。

【0031】

リアルタイムリンクは、現実世界のエンティティに属するレコードのクラスタを作成するソフトウェアモジュールを使用することができる。このソフトウェアモジュールは、マイクロバッチ間隔（例えば、１分未満）でデータストリームからデータを連続的に消費し、データストリームに到達したときにデータのマイクロバッチを処理することができる。高スループットリンクは大量のデータを処理することを意味することができるが、リアルタイムリンクは迅速に小さなデータを処理することを意味することができる（例えば、１分未満程度）。

【0032】

構造化問い合わせ言語（ＳＱＬ）は、リレーショナルデータベース管理システムで保持されるデータを管理するため、またはリレーショナルデータストリーム管理システムでのストリーム処理のために設計されたドメイン固有のコンピュータプログラミング言語である。

【0033】

転移学習（ＴＬ）は、機械学習（ＭＬ）を使用して、１つの問題を解決し、それを異なるが関連する問題に適用しながら得られた知識を記憶することに焦点を合わせている。

【0034】

集合Ｘ上の二項関係Ｒの推移閉包は、Ｒを含み、推移的であるＸ上の最小関係である。

【0035】

例示的な方法およびシステム
図１Ｃに示すように、全体的なエンティティデータベースシステムは、以下のコンポーネントから構成される。解決コンポーネント／エンジン１５０が、レコードのセット１６０からエンティティを効率的に解決し、新しいレコードを受信すると解決を更新する。正規化コンポーネント／エンジン１５２が、様々なエンティティ表現をサポートするために形質値を正規化する。持続性コンポーネント１５４が、エンティティを持続させる。クエリコンポーネント／エンジン１５６が、エンティティをクエリする。解決コンポーネント／エンジン１５０、正規化コンポーネント／エンジン１５２、およびクエリコンポーネント／エンジン１５６と統合された宣言的言語をサポートするためのパーサが、解決、正規化、またはクエリのためにエンティティデータベースシステムと対話する手段をユーザに提供する。

【0036】

図１Ａは、いくつかの実施形態による、エンティティデータベースシステムを実装するための例示的なシステム１００を示している。エンティティは、例えば、人物、会社、製品、部品などに関する顧客データを含むことができることに留意されたい。システム１００は、同じ現実世界のエンティティに属するレコードを識別し（例えば、リンクプロセスなど）、エンティティの正規化、持続、およびクエリを実施するタスクに使用することができる。

【0037】

図示のように、システム１００は、その出力を状態ストア１０８に記憶する高スループットリンク１０４および正規化１０５を含む。これは、高スループット層１２０で実施することができる。高スループット層１２０は、マシンのクラスタ（例えば、コンピュータハードウェアおよび／またはソフトウェアシステム）を使用して大量のデータ（例えば、数百テラバイト）を処理することができるソフトウェアモジュールとすることができる。このマシンのクラスタは、従来のローカルコンピューティング環境またはクラウドベースの仮想コンピューティング環境で動作することが可能である。

【0038】

システム１００は、その出力を状態変更ストア１０６に記憶するリアルタイムリンク１０２および正規化１０３を含む。これは、リアルタイム層１１８で実施することができる。

【0039】

システム１００は、状態ストア１０８およびステージ変更ストア１０６から読み取りを行うエンティティクエリエンジン１０９を含む。

【0040】

いくつかの例示的な実施形態では、層は、明確に定義されたタスクのセットを実施するソフトウェアモジュールとすることができることに留意されたい。層は、他のモジュールがそれを通じて対話することができるインターフェースおよびＡＰＩのリストを定義することができる。

【0041】

バッチデータソース１２６は、ストレージディスク上に大量のデータを記憶するデータストレージからのものとすることができる。イベントストリーム１２４（例えば、リアルタイムデータソースおよび／またはストリーミングデータソース）が、レコードの連続ストリームとして配信されるデータを含む。

【0042】

高スループット層１２０は、マシンのクラスタ（例えば、コンピュータハードウェアおよび／またはソフトウェアシステム）を使用して大量のデータ（例えば、数百テラバイト）を処理することができるソフトウェアモジュールとすることができる。高スループット層１２０は、バッチデータソースからデータを読み取ることができ、通常数時間ごとまたは数日ごとに規定の間隔でリンクおよび正規化を実施する。入力データサイズによっては、処理に数時間から数日かかる場合がある。

【0043】

リアルタイム層１１８は、イベントストリームからデータを読み取り、数秒ごとにリンクおよび正規化を実施するソフトウェアモジュールとすることができる。このプロセスは、通常、数秒未満である。

【0044】

エンティティクエリエンジン１０９は、外部アプリケーションからのユーザクエリに応答してクエリを実施するソフトウェアモジュールとすることができる。クエリに基づいて、クエリエンジン１０９は、状態ストア１０８と状態変更ストア１０６の両方を読み取り、マッチングを実施し、マッチした結果を返す。

【0045】

システム１００はまた、アプリケーション構成層（図示せず）と対話することもできる。いくつかの例では、アプリケーション構成層は、高スループット層１２０がバッチで大量のデータを処理するとき、高スループット層１２０の構成／挙動を変更するために使用されるソフトウェアモジュールとすることができる。バッチ間隔は、数時間、１日など様々な場合がある。これは、データ処理層の上のカスタマイズであり得る。

【0046】

ラムダスイッチ１２８が、古い世代の状態から新しい世代に切り替わるときにエンティティの状態が一貫したままであることを保証する。ラムダスイッチ１２８は、オンデマンドリンクがサービングをより古い世代の状態ストア１０６および状態変更ストア１０６から新しい世代の状態ストア１０８および状態変更ストア１０６に切り替えるとき、エンティティの状態のセットが一貫したままであることを保証するように構成される。ラムダスイッチ１２８は、クエリエンジン層１０９がダウンタイムなしにクエリを継続することを可能にする。ラムダスイッチ１２８は、リアルタイム層１１８と高スループット層１２０の両方がシームレスに動作し続けることを保証する機能を提供する。したがって、ラムダスイッチ１２８は、膨大な量のデータを処理する能力、ならびにリアルタイムデータを処理しながらレイテンシを低減する能力を提供する。

【0047】

システム１００は、高スループットリンク１０４とリアルタイムリンク１０２の両方を実施する。いくつかの例では、高スループット層１２０は、数時間ごとにデータの大きなバッチのリンクを実施し、リアルタイムリンク１０２は、ストリームが受信されるとデータストリームに対してリンクを実施する。高スループット１０４のリンクは、リンクの精度および包括性を保証する。リアルタイムリンク１０２は、ストリームデータのレイテンシを最小限に抑える。システム１００は、これらの２つの層（すなわち、高スループット１０４およびリアルタイムリンク１０２）を組み合わせ、精度、包括性、および低レイテンシの利点を提供する。ラムダスイッチ１２８は、これらの２つの層にわたってデータが一貫したままであることを保証するソフトウェアモジュールとすることができる。

【0048】

システム１００のエンティティマッチングを使用して、例えば、属性のあいまいさ（例えば、同じ名前は異なる個人を指す場合がある）、欠損値（例えば、電子メール、住所の欠落）、データ入力エラー（例えば、誤って綴られた名前、余分な数字）、属性の変更（例えば、名前変更、住所変更）、多関係（例えば、家族関係）などを解決することが可能である。システム１００を使用して、現実世界のエンティティのすべてのバリエーションをまとめることができる。したがって、エンティティ（例えば、人物、商業者などの任意のタイプの現実世界のエンティティ）は、システム１００を使用してマッチさせることができる。

【0049】

リンクプロセスは、異なるマッチングルールを使用して繰り返し、マッチしたエンティティの異なるバリエーションを生成するか、または異なるタイプのエンティティをマッチさせることができることに留意されたい。リンクプロセスはまた、エンティティ間の関係を生成するために使用することもできる。これらの関係は、階層的または連想的であり得る。例えば、リンクは、親とその子会社との間の従属関係を解決することができる。

【0050】

図１Ｂは、いくつかの実施形態による、エンティティに対するマッチングプラットフォームを実装するための例示的なプロセス１３０を示している。ステップ１において、高スループットリンク１０４は、時間ｔ０においてバッチデータソースからデータを読み取る。高スループットリンク１０４は、リンクを実施し、状態ストア１０８に出力を保存する。状態ストア１０８は、時間ｔ０におけるすべてのエンティティの状態を記憶する。この出力は、状態 世代０とラベル付けすることができる。プロセス１３０は、現在の状態ストア１０８としてこれをマークすることができる。

【0051】

ステップ２において、リアルタイムリンク１０２が連続プロセスとして実装される。一例では、リアルタイムリンク１０２は、数秒ごとにイベントストリームからデータを読み取る（例えば、マイクロバッチで）。代替の実施形態では、イベントストリームが読み取られる時間は、変更されてもよい。リアルタイムリンク１０２は、状態ストアからデータを読み取ってリンクを実施し、影響を受けるエンティティの状態に対して変更を適用し、ステージ変更ストア１０６に結果を保存する。リアルタイムリンク１０２の出力は、エンティティの最新の状態を表す。

【0052】

ステップ３において、外部アプリケーションがＡＰＩ１１４を呼び出してエンティティに関するクエリを実施すると、ＡＰＩ１１４は、エンティティクエリエンジン１０９を呼び出す。エンティティクエリエンジン１０９は、状態ストア１０８（例えば、世代０を含む）と状態変更ストア１０６の両方を読み取る。読み取られた内容に基づいて、エンティティクエリエンジン１０９は、リンクを実施し、結果を返す。

【0053】

ステップ４において、時間ｔ１（例えば、ｔ０の数時間後または数日後であり得る）では、高スループットリンク１０４が実行される。この時点で、プロセス１００は、時間ｔ１におけるバッチデータソースおよびイベントシンク１１６を読み取る。この実行により、世代１としてマークされた新しい状態ストアが得られる。この状態ストアの生成は、時間ｔ１においてバッチソースとリアルタイムソースの両方から受信したデータを使用して構築されたすべてのエンティティの状態を含む。

【0054】

ステップ５において、時間ｔ１＋ｔ＋ｘでは、ラムダスイッチ１２８は、世代０の状態ストア１０８を無効化し、状態変更ストアを調整し、世代１を現在の状態ストアにする。切り替え後、オンデマンドリンク１１０は、世代１の状態ストアに切り替えて任意のクエリを提供する。ラムダスイッチ１２８は、ここでは２つの目的を果たすことができる。第１に、ラムダスイッチ１２８は、世代０から世代１（例えば、次世代）への切り替えがエンティティの状態を矛盾させないことを保証する。第２に、ラムダスイッチ１２８は、オンデマンドリンク１１０にダウンタイムがないことを保証する（例えば、オンデマンドリンク１１０は、外部アプリケーションの提供を継続することができる）。

【0055】

図２は、いくつかの実施形態による、エンティティに対するマッチングプラットフォームにおいて高スループットリンクを実装するための例示的なプロセス２００を示している。プロセス２００は、リンクプロセスのために実装される様々なステップを示している。高スループットリンクは、精度などに合わせて調節することができる。近傍生成ステップ２０２において、プロセス２００は、近傍生成を実装することができる。ペアワイズマッチングを、各クラスタ内で実装することができる。これにより、マッチングプロセスにおいて比較を行うために必要な反復回数を減らすことが可能である。ステップ２０２は、マッチする可能性が高いアイデンティティを生成する。

【0056】

ステップ２０２は、２つのアイデンティティがマッチする場合、それらが単一のブロック（例えば、以下に提供される近傍３０４のグループのブロック）に含まれるように十分なグループを生成することができる。加えて、ステップ２０２は、前記ブロックが大きすぎない（例えば、指定された閾値を超えない）ことを保証することが可能である。ステップ２０２は、アイデンティティのブロックのセットを返すことができる。

【0057】

図３は、いくつかの実施形態による、近傍プロセス３００の例示的な概略図を示している。これは、ステップ２０２によって実装することが可能である。ステップ２０２は、マッチする可能性が高いエンティティＥ１～Ｅ８ ３０２からのアイデンティティの近傍３０４のグループを生成することができる。ステップ２０２は、可能性の高いマッチを生成し、真陽性が少なくとも近傍グループのうちの１つに入ることを高い確率で保証する。

【0058】

カスタム機能をプラグインし、近傍を生成することができる。例えば、ステップ２０２は、各イベント上でキーのセットを生成し、キーによってそれらをグループ化することができる。

【0059】

生成されたキーは、以下とすることができる：
ｎｎｆ（ｅ_１）＝｛ｋ_１１，ｋ_１２，ｋ_１３，…ｋ_１ｍ｝
ｎｎｆ（ｅ_２）＝｛ｋ_２１，ｋ_２２，ｋ_２３，…ｋ_２ｍ｝
．．．

【0060】

キーごとのグループは、以下とすることができる：
ｋ_１１→｛ｅ_１，ｅ_６，ｅ_７，…｝
．．．

【0061】

図２に戻ると、ステップ２０４において、プロセス２００は、ペアワイズマッチングを実装することができる。ステップ２０４は、ブロック内のアイデンティティのペアに対して予め構築されたＡＩベースのモデルおよびビジネスルールのセットを使用する。このようにして、ステップ２０４は、ペアがマッチするかどうかを推測することができる。カスタムモデルは、プラグインすることができる。ステップ２０４は、すべてのマッチしたペアを返す。各ＡＩベースのモデルは、特定のタイプの現実世界のエンティティのために構築することが可能である。例えば、ＡＩベースのモデルは、マッチの確率に基づいて、住所、名前、特定の挙動などを顧客ＩＤにマッチさせることができる。ＡＩベースのモデルは、例えば、ランダムフォレスト分類器、人工ニューラルネットワーク、および／またはＢＥＲＴ符号化を使用する。これらのモデルは、ペアアイデンティティで訓練することができる。訓練中、モデルは、正または負のいずれかのマッチを予測することができるペア間の差を区別することを学習することが可能である。

【0062】

図４は、いくつかの実施形態による、ペアワイズマッチングの概略図の一例を示している。ステップ２０４は、ＡＩアーキテクチャに基づいて、予め構築されたマッチング関数を使用することができる。人物エンティティについての予め構築されたマッチング関数の例は、例えば、名前のマッチング、住所のマッチングなどを含んでもよい。ステップ２０４は、一対のアイデンティティが与えられた場合にマッチングの確率を返すマッチング関数を使用することができる。ステップ２０４は、カスタムビジネスマッチングルールおよび制約のプラグインを使用することができる。ステップ２０４は、予め訓練されたモデル（例えば、転移学習）を再訓練し、かつ／またはエンティティ解決（ＥＲ）ワークベンチを使用してカスタムモデルを構築してもよい。ＥＲワークベンチは、ペアワイズマッチングを実施するためのＡＩモデルの適用である。図４に示すように、ステップ２０４は、エンティティを各近傍グループ（例えば、近傍３０４のグループ）と比較し、マッチしたペアのセットにおけるマッチの確率を生成することができる：
ｍｆ（ｅ_ｉ，ｅ_ｊ）＝マッチの確率
（ｍｆ（ｅ_ｉ，ｅ_ｊ））＞閾値である場合、マッチする。

【0063】

プロセス２００の説明に戻ると、ステップ２０６において、プロセス２００は、推移閉包を実装することができる。ステップ２０６は、マッチしたペアに対して推移閉包を実施することができる（例えば、上述のペアワイズマッチングを使用して）。ステップ２０６は、分散接続コンポーネントアルゴリズムを使用して、特定の実施形態では、数億のペアにスケーリングする。ステップ２０６は、マッチしたペアの推移閉包を返す。

【0064】

図５は、いくつかの実施形態による、推移閉包プロセスの例示的な概略図５００を示している。図示のように、ステップ２０６は、マッチしたアイデンティティのペアの各々に対して推移閉包を適用し、クラスタを作成することができる。図示の例では、ｅ１とｅ２との間のマッチ、ｅ２とｅ３との間のマッチ、およびｅ３とｅ４との間のマッチが存在する。したがって、ｅ１、ｅ２、ｅ３、およびｅ４は、推移関係のためにすべて同じクラスタに割り当てられる。

【0065】

ステップ２０８において、プロセス２００は、クラスタ分割（例えば、相関クラスタリング）を実装することができる。推移閉包は、不完全なクラスタをもたらす可能性がある（例えば、競合を含む）。マッチするエンティティのペアに対する推移閉包は、競合を含むエンティティのクラスタを作成することができる。ステップ２０８は、競合を解決するために、２つの異なる主幹アルゴリズム（ｔｗｏ－ｄｉｓａｇｒｅｅｉｎｇ ｃａｐｔａｉｎ ａｌｇｏｒｉｔｈｍ）（例えば、以下を参照されたい）を適用してクラスタを分割することが可能である。ステップ２０８は、マッチしたアイデンティティを含むクラスタを返すことができる。

【0066】

図６は、いくつかの実施形態による、クラスタ分割についての例示的な概略図６００を示している。概略図６００は、ステップ２０８を実装するために使用することができる。この例では、ステップ２０８は、２つの異なる主幹アルゴリズムを使用することによってクラスタを分割するための制約を適用する。２つの異なる主幹アルゴリズムは、２つの主幹を選択する。各主幹は、２つのクラスタのクラスタを表す。２つの異なる主幹アルゴリズムは、元のクラスタ内の他のメンバーを主幹の各々に貪欲に割り当てる。次いで、２つの結果として得られるクラスタのＭＬＥを計算する。結果として得られる分割が確率を最大化すると、分割が実装される。このプロセスは、分割が確率を最大化しなくなるまで分割ごとに繰り返される。

【0067】

図２の説明に戻ると、ステップ２１０において、プロセス２００は、安定ＩＤ割り当てを実装することができる。マッチしたクラスタには、「安定ＩＤ」が割り当てられる。安定ＩＤは、以前のＩＤ割り当てで割り当てられたＩＤを保存する。ＩＤ分割の場合、ステップ２１０は、ＩＤ割り当ての変更を最小限に抑える。ステップ２１０は、安定ＩＤを有するクラスタを返す。

【0068】

図７は、いくつかの実施形態による、安定識別子（ＩＤ）割り当てを示す例示的な概略図７００を示している。概略図７００は、ステップ２１０を実装するために使用することができる。図示のように、マッチしたクラスタには、安定ＩＤが割り当てられる。

【0069】

ＩＤを選択すべきカスタムルールは、プラグインすることができる。ステップ２１０は、安定ＩＤを有するクラスタを返すことができる。ＩＤ割り当てのためのカスタムルールを使用して、ＩＤが分割されるとき、またはＩＤが１つにマージされるとき、どの以前のＩＤを選択するかを決定することができる。例えば、ＩＤマージまたはＩＤ分割のためのカスタムルールは、最大のクラスタのＩＤを保存してもよい。

【0070】

図７の例では、２つの実行ＡおよびＢが実施される。これらの２つの実行の間、ｅ４を含む実行Ａのクラスタは、もはや実行Ｂのｅ４を含まないことが分かる。加えて、ｅ８およびｅ９が、実行Ｂにおいて新たに見出される。その場合、問題は、実行Ｂで見られる変更に基づいてＩＤをどのように割り当てるかである。この例では、ｅ４のみが変更されたため、実行Ａの第１のクラスタからのＩＤ１は依然として実行Ｂの第１のクラスタに属しているはずである。同様に、ＩＤ２は、ｅ９が実行Ｂにおいて追加されたとしても、第２のクラスタと共に残る。ｅ４およびｅ８を含む新しいクラスタには、新しいＩＤ３が割り当てられる。

【0071】

図８は、いくつかの実施形態による、リアルタイム／オンデマンドリンク（ＲＴＬ）についての例示的なプロセス８００を示している。高スループットマッチングとは異なり、プロセス８００は、マッチングの二次（または三次効果）を考慮しなくてもよい。マッチングの二次的影響は、マッチングが以前に実施された他のマッチングに影響を及ぼし得る場合である。ステップ８０２において、プロセス８００は、近傍探索を実装することができる。ステップ８０２は、リンクを実施するためにイベントストリームデータおよび／または同期／非同期要求を受信して利用することができる。ステップ８０４において、プロセス８００は、ペアワイズマッチングを実装することができる。ステップ８０６において、プロセス８００は、安定ＩＤを使用するか、または新しいＩＤを作成することができる。

【0072】

プロセス８００は、低レイテンシコンテキスト（例えば、ミリ秒単位）でアイデンティティをリンクすることによってリアルタイムリンクを実装することができる。プロセス８００は、いくつかの実施形態では、リアルタイムイベントのマッチの二次的影響を考慮しないが、マッチの正確さを保証することが可能である。ラムダスイッチの後、スイッチが高スループットリンクに供給されるまでに受信されたリアルタイムイベントがある場合、二次的影響および後続の影響を考慮することができる。

【0073】

図９は、いくつかの実施形態による、例示的なデータ管理プロセス９００を示している。データ管理プロセス９００を使用して、データ準備を最小限に抑えることができる。データ管理プロセス９００は、データ動作管理モジュール９０２を使用することができる。データ動作管理モジュール９０２は、とりわけ、データ品質、データバックアウト管理、データワークフロー、分類管理、コンプライアンス、および可視性などのためのモジュールを含み得る。

【0074】

より具体的には、ステップ９０４において、プロセス９００は、イベントストリームに対して低レイテンシ検証を実装することができる。ステップ９０６において、プロセス９００は、低レイテンシ変換／富化（ｅｎｒｉｃｈｍｅｎｔ）を実装することができる。これにより、リアルタイムイベント９１２を生成することができる。

【0075】

ステップ９０８において、プロセス９００は、高スループット検証を実装することができる。ステップ９０８の出力は、ステップ９１０に供給することが可能である。ステップ９１０において、プロセス９００は、高スループット変換／富化を実装することができる。高スループット変換／富化は、リアルタイムイベント９１２と統合された出力を提供することが可能である。高スループット変換／富化はまた、品質メトリック９１４を生成することができる。

【0076】

データ管理プロセス９００はまた、とりわけ、データ品質管理、データバックアップ管理、法令順守ワークフロー、コンプライアンス、および可視性プロトコルなどを実装することを可能にすることができる。

【0077】

図１０は、いくつかの実施形態による、複合プロファイル作成の例示的な概略図１０００を示している。図示のように、ＳＱＬ様エンティティ問い合わせ言語（ＥＱＬ）を使用して、エンティティの様々な属性および／またはプロパティを計算することができる。エンティティのすべてのマッチした属性を、利用することが可能である。ＥＱＬは、エンティティ固有属性（例えば、ＭＯＳＴ＿ＦＲＥＱＵＥＮＴ、ＭＯＮＴＨＬＹ、ＬＡＳＴ＿ＡＣＴＩＶＥなど）を計算するための豊富な予め定義された関数のセットを有することに留意されたい。加えて、機械学習（ＭＬ）推論関数は、通常の関数としてＥＱＬで使用することができる。

【0078】

図１１は、いくつかの実施形態による、複合プロファイル作成のための例示的なプロセス１１００を示している。ステップ１１０２において、すべての計算がＥＱＬ形式で表される。ステップ１１０４において、プロセス１１００は、すべての計算にわたる実行計画を実装することができる。ステップ１１０６において、プロセス１１００は、各エンティティが計画を実行するのに適したメモリ内データ構造を作成することができる。ステップ１１０８において、プロセス１１００は、関連する属性を計算することができる。

【0079】

エンティティデータベース管理システム
エンティティデータを扱い記憶するためのエンティティデータベース管理システムが提供される。エンティティデータベース管理システムは、従来のＳＱＬデータベースなどのレコード指向データベースではなく、エンティティ指向データベースを利用する。エンティティデータベース管理システムは、企業がエンティティを解決、管理、およびクエリするのを助けるために使用することができる。エンティティデータベース管理システムは、エンティティ解決のためのシステム全体において上述したコンポーネントのスーパーセットを形成する。

【0080】

図１２は、いくつかの実施形態による、エンティティデータベース１２００の例示的なアーキテクチャを示している。エンティティデータベース１２００は、エンティティデータベース管理システムで利用することができる。エンティティデータベース１２００は、ＤＭＬパーサ１２０２を含むことができる。ＤＭＬパーサ１２０２は、データをエンティティデータベースにロードするために文を構文解析する。ＤＭＬ文は、エンティティを作成し、データをエンティティデータベース１２００にロードするために使用される宣言的命令である。ロードには、エンティティの解決が必要である（例えば、以下を参照されたい）。ＤＭＬパーサ１２０２は、構文解析された文を命令のパイプラインに変換する。これらの命令はその後、実行のためにエンティティ解決エンジン１２０６に渡される。

【0081】

図１３は、いくつかの実施形態による、例示的なＤＭＬ文法１３００を示している。ＤＭＬ文法は、エンティティデータベース１２００の文を定義するために使用することができる。

【0082】

エンティティデータベース１２００は、クエリパーサ１２０４を含むことができる。クエリパーサ１２０４は、クエリ文を構文解析し、エンティティに対するクエリを実施する。クエリ文は、エンティティ形質を含む宣言的命令である。次いで、エンティティ解決エンジン１２０６は、これらの命令を実行してマッチングを実施し、マッチしたエンティティを返す。図１４は、いくつかの実施形態による、例示的なクエリ文文法１４００を示している。

【0083】

エンティティデータベース１２００は、エンティティ解決エンジン１２０６を含むことができる。エンティティ解決エンジン１２０６は、エンティティの作成、クエリの解決、およびクエリの実施を担当する。図１５は、いくつかの実施形態による、エンティティ解決エンジン１２０６のコンポーネントの例示的なセットを示している。これは、解決パイプライン１５０２を含む。

【0084】

解決パイプライン１５０２は、形質抽出部１５０４を含む。形質抽出部１５０４は、各レコードから形質を抽出し、重複排除を実施し、すなわち、重複レコードが解決パイプライン１５０２に入るときに重複レコードを除去する。これらの処理は、上述したような近傍生成２０２、ペアワイズマッチング２０４、推移閉包２０６、クラスタ分割２０８、および安定ＩＤ割り当て２１０を通して進む。

【0085】

解決パイプライン１５０２は、ＤＭＬパーサ１２０２からのＤＭＬ解決文を実行して解決を実施し、スタンプされたエンティティストア１５１２、スタンプされたレコードストア１５１４、およびブロッキングインデックス１５１０を取り込む。これらは、それら自体のデータベースストレージ領域または１つまたは複数の物理ストレージ領域の異なる領域に記憶される。解決パイプライン１５０２は、クエリ文を実行する。

【0086】

解決辞書１５０６が、解決されたエンティティおよび様々なメトリックに関するメタデータ情報を維持する。監査ログ１５０８が、解決およびクエリを含むすべての活動の監査を維持する。ブロッキングインデックス１５１０は、ブロッキングキーおよびすべてのブロックへの参照を維持する。スタンプされたエンティティストア１５１２は、解決されたエンティティおよび関連識別子のすべてを記憶する。スタンプされたエンティティストア１５１２はまた、識別子履歴、識別子マージ、および識別子分割を含む識別子の系統も維持する。スタンプされたレコードストア１５１４は、すべてのレコードおよびそれらの関連識別子を記憶する。

【0087】

例示的なコンピュータアーキテクチャおよびシステム
図１６は、本明細書で提供されるプロセスのいずれかを実施するように構成することができる例示的なコンピューティングシステム１６００を図示する。これに関連して、コンピューティングシステム１６００は、例えば、プロセッサ、メモリ、ストレージ、およびＩ／Ｏデバイス（例えば、モニタ、キーボード、ディスクドライブ、インターネット接続など）を含むことができる。しかし、コンピューティングシステム１６００は、プロセスのいくつかまたはすべての態様を実行するための回路または他の専用ハードウェアを含んでもよい。いくつかの動作設定では、コンピューティングシステム１６００は、１つまたは複数のユニットを含むシステムとして構成されてもよく、その各々がソフトウェア、ハードウェア、またはそれらの何らかの組み合わせのいずれかでプロセスのいくつかの態様を実行するように構成される。

【0088】

メインシステム１６０２は、Ｉ／Ｏセクション１６０６、１つまたは複数の中央処理装置（ＣＰＵ）またはプロセッサ１６０８、およびそれに関連するフラッシュメモリカード１６１２を有し得るメモリセクション１６１０を有するマザーボード１６０４を含む。ＣＰＵ１６０８は、マルチプロセッサシステムであってもよい。Ｉ／Ｏセクション１６０６は、ディスプレイ１６１４、キーボードおよび／または他のユーザ入力（図示せず）、ディスクストレージユニット１６１６、およびメディアドライブユニット１６１８に接続することができる。メディアドライブユニット１６１８は、プログラム１６２２および／またはデータを含むことができるコンピュータ可読媒体１６２０の読み取り／書き込みを行うことができる。コンピューティングシステム１６００は、ウェブブラウザを含むことができる。さらに、コンピューティングシステム１６００は、様々な機能を果たすために追加のシステムを含むように構成することができることに留意されたい。コンピューティングシステム１６００は、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）（および／または短波長無線送信を使用するものを含む短距離でデータを交換するための他の規格）、ＵＳＢ、イーサネット、セルラなどの様々なコンピュータ通信プロトコルに基づいて、他のコンピューティングデバイスと通信することができる。コンピューティングシステム１６００は、ローカルシステムまたはクラウドベースのシステムとして実装されてもよく、後者の場合、潜在的にクラウドコンピューティング環境内の仮想コンピューティングシステムとして動作する。

【0089】

結論
特定の例示的な実施形態を参照して本実施形態を説明したが、様々な実施形態のより広い精神および範囲から逸脱することなく、これらの実施形態に対して様々な修正および変更を行うことができる。例えば、本明細書に記載の様々なデバイス、モジュールなどは、ハードウェア回路、ファームウェア、ソフトウェア、またはハードウェア、ファームウェア、およびソフトウェアの任意の組み合わせ（例えば、機械可読媒体で具現化される）を使用して有効化および動作させることができる。

【0090】

加えて、本明細書で開示される様々な動作、プロセス、および方法は、データ処理システム（例えば、コンピュータシステム）と互換性のある機械可読媒体および／または機械アクセス可能媒体で具現化することができ、（例えば、様々な動作を達成するための手段を使用することを含む）任意の順序で実施することができることが理解されよう。したがって、本明細書および図面は、限定的な意味ではなく例示的な意味で見なされるべきである。いくつかの実施形態では、機械可読媒体は、機械可読媒体の非一時的な形態であり得る。

【図1A】

【図1B】

【図1C】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【国際調査報告】