知財求人 - 知財ポータルサイト「IP Force」
▶ インターナショナル・ビジネス・マシーンズ・コーポレーションの特許一覧
(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】2024-03-15
(54)【発明の名称】情報の配布に基づくパーソナライズされたアラート生成
(51)【国際特許分類】
G06Q 50/10 20120101AFI20240308BHJP
【ＦＩ】
G06Q50/10
【審査請求】未請求
【予備審査請求】未請求
(21)【出願番号】P 2023558378
(86)(22)【出願日】2022-03-29
(85)【翻訳文提出日】2023-09-22
(86)【国際出願番号】 CN2022083697
(87)【国際公開番号】W WO2022206760
(87)【国際公開日】2022-10-06
(31)【優先権主張番号】17/218,297
(32)【優先日】2021-03-31
(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】390009531
【氏名又は名称】インターナショナル・ビジネス・マシーンズ・コーポレーション
【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ
【住所又は居所原語表記】Ｎｅｗ Ｏｒｃｈａｒｄ Ｒｏａｄ， Ａｒｍｏｎｋ， Ｎｅｗ Ｙｏｒｋ １０５０４， Ｕｎｉｔｅｄ Ｓｔａｔｅｓ ｏｆ Ａｍｅｒｉｃａ
(74)【代理人】
【識別番号】100112690
【弁理士】
【氏名又は名称】太佐 種一
(74)【代理人】
【識別番号】100120710
【弁理士】
【氏名又は名称】片岡 忠彦
(74)【復代理人】
【識別番号】100118599
【弁理士】
【氏名又は名称】村上 博司
(74)【復代理人】
【識別番号】100160738
【弁理士】
【氏名又は名称】加藤 由加里
(72)【発明者】
【氏名】バスコンセロス，マリサ アフォンソ
(72)【発明者】
【氏名】チャオ，ムー
(72)【発明者】
【氏名】リンク，ニコラス
(72)【発明者】
【氏名】オング，ユヤ ジェレミー
(72)【発明者】
【氏名】ピハネス，クラウディオ サントス
(72)【発明者】
【氏名】デ パウラ，ロジェリオ アブレウ
(57)【要約】
システムは、メモリと、該メモリと通信するプロセッサとを備えている。該プロセッサは、ネットワーク内の１人のユーザによるインタラクションを解析すること；及び、該ユーザについてのユーザプロファイルを生成することを含む動作を実行するように構成されていてもよい。該プロセッサによる該動作は、該ネットワークを介して投稿を共有する為の該ユーザによる試みを識別すること；及び、該投稿を評価するように、該ユーザにパーソナライズされたアラートにより促すことを更に含んでいてもよく、ここで、該パーソナライズされたアラートが、該インタラクション、該ユーザプロファイル、及び該投稿のプロパティに基づいて生成される。
【選択図】図１
【選択図】図１
【特許請求の範囲】
【請求項1】
システムであって、該システムが、メモリ；及び、
前記メモリと通信するプロセッサ
を備えており、前記プロセッサが、
ネットワーク内の１人のユーザによるインタラクションを解析すること；
前記ユーザについてのユーザプロファイルを生成すること；
前記ネットワークを介して投稿を共有する為の前記ユーザによる試みを識別すること；及び、
前記投稿を評価するように、パーソナライズされたアラートにより前記ユーザに促すこと
を含む動作を実行するように構成されており、
ここで、前記パーソナライズされたアラートが、前記インタラクション、前記ユーザプロファイル、及び前記投稿のプロパティに基づいて生成される、
前記システム。
【請求項2】
前記ユーザプロファイルを定義することが、前記ユーザが前記ネットワークとどのように関与するかを評価すること
を含み、ここで、前記評価することが、前記ユーザのスクロール速度、前記ネットワーク上のコンテントとの前記ユーザのインタラクションの量、及び前記ネットワーク上の前記コンテントとの前記ユーザの複数の前記インタラクションの間の時間を考慮する、請求項1に記載のシステム。
【請求項3】
前記インタラクション及び前記ユーザプロファイルが、コーパスに含まれているユーザデータであり；前記投稿の前記プロパティが前記コーパスに含まれており；
前記コーパスが、機械学習アルゴリズムを訓練する為に使用され；並びに、
前記機械学習アルゴリズムが、前記パーソナライズされたアラートを生成する、
請求項1に記載のシステム。
【請求項4】
フィードバックを前記ユーザから受けること；及び、前記フィードバックを前記コーパス内に統合すること
を更に含む、請求項３に記載のシステム。
【請求項5】
前記ネットワーク上の前記コンテントとの前記インタラクションを解析すること；及び、前記インタラクションに基づいて前記ユーザの反応を評価すること
を更に含む、請求項1に記載のシステム。
【請求項6】
前記投稿の前記プロパティが、前記投稿のトピックと前記投稿の人気度とを含む、請求項1に記載のシステム。
【請求項7】
前記プロパティを解析すること；1以上の特徴を前記プロパティに基づいて識別すること；
前記プロパティを１以上の履歴プロパティと比較すること；及び、
前記プロパティが評判閾値以上であることを判定すること
を更に含む、請求項1に記載のシステム。
【請求項8】
コンピュータに実装された方法であって、ネットワーク内の１人のユーザによるインタラクションを、プロセッサによって解析すること；
前記ユーザについてのユーザプロファイルを、前記プロセッサによって生成すること；
前記ネットワークを介して投稿を共有する為の前記ユーザによる試みを、前記プロセッサによって識別すること；及び、
前記投稿を評価するように、前記ユーザにパーソナライズされたアラートにより、前記プロセッサによって促すこと
を含み、
ここで、前記パーソナライズされたアラートが、前記インタラクション、前記ユーザプロファイル、及び前記投稿のプロパティに基づいて生成される、
前記方法。
【請求項9】
前記ユーザプロファイルを定義することが、前記ユーザが前記ネットワークとどのように関与するかを、前記プロセッサによって評価すること
を含み、ここで、前記評価することが、前記ユーザのスクロール速度、前記ネットワーク上のコンテントとの前記ユーザのインタラクションの量、及び前記ネットワーク上の前記コンテントとの前記ユーザの複数の前記インタラクションの間の時間を考慮する、請求項８に記載の方法。
【請求項10】
前記インタラクション及び前記ユーザプロファイルが、コーパスに含まれているユーザデータであり；前記投稿の前記プロパティが前記コーパスに含まれており；
前記コーパスが、機械学習アルゴリズムを訓練する為に使用され；並びに、
前記機械学習アルゴリズムが、前記パーソナライズされたアラートを生成する、
請求項８に記載の方法。
【請求項11】
フィードバックを前記ユーザから、前記プロセッサによって受けること；及び、前記フィードバックを前記コーパス内に、前記プロセッサによって統合すること
を更に含む、請求項１０に記載の方法。
【請求項12】
前記ネットワーク上の前記コンテントとの前記インタラクションを、前記プロセッサによって解析すること；及び、前記インタラクションに基づいて前記ユーザの反応を、前記プロセッサによって評価すること
を更に含む、請求項８に記載の方法。
【請求項13】
前記投稿の前記プロパティが、前記投稿のトピックと前記投稿の人気度とを含む、請求項８に記載の方法。
【請求項14】
前記プロパティを解析すること；1以上の特徴を前記プロパティに基づいて識別すること；
前記プロパティを１以上の履歴プロパティと比較すること；及び、
前記プロパティが評判閾値以上であることを判定すること
を更に含む、請求項８に記載の方法。
【請求項15】
コンピュータプログラム製品であって、該コンピュータプログラム製品が、プログラム命令をその中に有するところのコンピュータ可読ストレージ媒体を備えており、前記プログラム命令は、機能をプロセッサに実行させる為に前記プロセッサによって実行可能であり、前記機能が、ネットワーク内の１人のユーザによるインタラクションを解析すること；
前記ユーザについてのユーザプロファイルを生成すること；
前記ネットワークを介して投稿を共有する為の前記ユーザによる試みを識別すること；及び、
前記投稿を評価するように、前記ユーザにパーソナライズされたアラートにより促すこと
を含み、
ここで、前記パーソナライズされたアラートが、前記インタラクション、前記ユーザプロファイル、及び前記投稿のプロパティに基づいて生成される、
前記コンピュータプログラム製品。
【請求項16】
前記プロパティを解析すること；1以上の特徴を前記プロパティに基づいて識別すること；
前記プロパティを１以上の履歴プロパティと比較すること；及び、
前記プロパティが評判閾値以上であることを判定すること
を更に含む、請求項１５に記載のコンピュータプログラム製品。
【請求項17】
前記ユーザプロファイルを定義することが、前記ユーザが前記ネットワークとどのように関与するかを評価すること
を含み、ここで、前記評価することが、前記ユーザのスクロール速度、前記ネットワーク上のコンテントとの前記ユーザのインタラクションの量、及び前記ネットワーク上の前記コンテントとの前記ユーザの複数の前記インタラクションの間の時間を考慮する、請求項１５に記載のコンピュータプログラム製品。
【請求項18】
前記インタラクション及び前記ユーザプロファイルが、コーパスに含まれているユーザデータであり；前記投稿の前記プロパティが前記コーパスに含まれており；
前記コーパスが、機械学習アルゴリズムを訓練する為に使用され；並びに、
前記機械学習アルゴリズムが、前記パーソナライズされたアラートを生成する、
請求項１５に記載のコンピュータプログラム製品。
【請求項19】
フィードバックを前記ユーザから受けること；及び、前記フィードバックを前記コーパス内に統合すること
を更に含む、請求項１８に記載のコンピュータプログラム製品。
【請求項20】
前記ネットワーク上の前記コンテントとの前記インタラクションを解析すること；及び、前記インタラクションに基づいて前記ユーザの反応を評価すること
を更に含む、請求項１５に記載のコンピュータプログラム製品。
【発明の詳細な説明】
【技術分野】
【0001】
本開示は、情報の配布に関し、より具体的には、情報の配布前にパーソナライズされたアラートを生成することに関する。
【背景技術】
【0002】
テクノロジーにより、情報を迅速且つ容易に拡散させることが可能である。情報は事実上正確である場合もあれば、事実上不正確である場合もある。更に、テクノロジーにおいて機械学習（machine learning）が普及しており、機械学習は情報及び関連性を分析することによって、機能を自動的に更新し且つ改善しうる。
【発明の概要】
【課題を解決するための手段】
【0003】
本開示の実施態様は、パーソナライズされたアラートの為のシステム、方法、及びコンピュータプログラム製品を包含する。該実施態様は、動作を実行するように構成されたプロセッサを備えていてもよい。該動作は、ネットワーク内の1人のユーザによるインタラクションを解析すること、該ユーザについてのユーザプロファイルを生成することを含みうる。該動作は更に、該ネットワークを介して投稿を共有する為のユーザによる試みを識別すること、該投稿を評価するように、パーソナライズされたアラートにより該ユーザに促すことを含み得、ここで、該パーソナライズされたアラートは、インタラクション、該ユーザプロファイル、及び該投稿のプロパティに基づいて生成される。
【0004】
幾つかの実施態様において、該ユーザプロファイルを定義することは、該ユーザが該ネットワークとどのように関与するかを評価することを含む。該ユーザが該ネットワークとどのように関与するかを評価することは、該ユーザのスクロール速度、該ネットワーク上のコンテントとの該ユーザのインタラクションの量、及び該ネットワーク上の該コンテントとの該ユーザの複数の該インタラクションの間の時間を考慮する。
【0005】
幾つかの実施態様において、該インタラクション及び該ユーザプロファイルが、コーパスに含まれているユーザデータであり、該投稿の該プロパティが該コーパスに含まれており、該コーパスが、機械学習アルゴリズムを訓練する為に使用され、並びに、該機械学習アルゴリズムが、該パーソナライズされたアラートを生成する。幾つかの実施態様は更に、フィードバックを該ユーザから受けること；及び、該フィードバックを該コーパス内に統合することを含みうる。
【0006】
幾つかの実施態様は、該ネットワーク上の該コンテントとの該インタラクションを解析すること；及び、該インタラクションに基づいて該ユーザの反応を評価することを更に含む。
【0007】
幾つかの実施態様において、該投稿の該プロパティが、該投稿のトピックと該投稿の人気度（popularity）とを含む。
【0008】
幾つかの実施態様は、該プロパティを解析すること、１以上の特徴を該プロパティに基づいて識別すること、該プロパティを１以上の履歴プロパティと比較すること、及び、該プロパティが評判閾値（reputation threshold）以上であることを判定することを更に含みうる。幾つかの実施態様において、該投稿の該プロパティは、該投稿の発信元（origin）の評判度（reputability）及び該投稿の事実上の論争性（factual contentiousness）を含みうる。
【0009】
上記の要約は、例示された各実施態様又は本開示の全ての実装を説明することを意図しているものではない。
【0010】
本願に含まれている図面は、本明細書内に組み込まれ、そして、本明細書の一部を構成する。これらは、本開示の実施態様を例示するものであり、説明とともに、本開示の原理を説明する為に役立つ。該図面は、或る実施態様を例示するものに過ぎず、本開示を限定するものではない。
【図面の簡単な説明】
【0011】
【0012】
本発明は、様々な変更及び代替形態に従順であるが、それらの具体的な内容は、図面において例として示されており、詳細に説明されるであろう。しかしながら、本発明を、説明されている特定の実施態様に限定する意図はないことが理解されるべきである。それどころか、本発明の範囲に入る全ての変更、等価物及び代替物をカバーすることが意図されている。
【発明を実施するための形態】
【0013】
本開示の観点は、情報の配布に関し、より具体的には、情報の配布前にパーソナライズされたアラートを生成することに関する。
【0014】
個人は、情報にアクセスしたり、若しくは情報を配布したり、又は情報にアクセスし且つ配布したりすることができる。情報は、該情報が事実上正確であるかどうかに関係無しに、アクセスされ若しくは発信され又はアクセスされ且つ発信されうる。解析的思考により、個人は消費された情報を軽率に受け入れることを避け、情報を配布する前に該情報の真偽を評価することが可能である。従って、解析的思考により、個人が情報を配布するかどうかを積極的に判断することを奨励することによって、不正確な資料（inaccurate material）の拡散を遅らせうる。それ故に、情報の消費、若しくは情報の配布、又は消費且つ配布の時点で解析的思考を奨励することにより、不正確な情報（inaccurate information）の拡散を遅らせうる。
【0015】
本開示の実施態様は、情報の消費若しくは配布又は消費且つ配布の時点で個人が解析的思考に取り組むことを奨励し得、それによって事実上不正確な情報の配布を減少させうる。従って、本開示の実施態様は、冷ややかな言論の影響を低減又は排除しながら、個人の知的成長を促進し、事実上不正確な情報の拡散を遅らせうる。
【0016】
本開示の実施態様は、情報の配布前に解析的思考に取り組ませる為のパーソナライズされたアラートの為のシステム、方法、及びコンピュータプログラム製品を包含する。システムは、メモリ、及び該メモリと通信するプロセッサを備えている。該プロセッサは、ネットワーク内の１人のユーザによるインタラクションを解析すること、該ユーザについてのユーザプロファイルを生成することを含む動作を実行するように構成されうる。該プロセッサによる動作は、該ネットワークを介して投稿を共有する為の該ユーザによる試みを識別すること、及び該投稿を評価するように、パーソナライズされたアラートにより該ユーザに促すことを更に含み得、ここで、該パーソナライズされたアラートが、該インタラクション、該ユーザプロファイル、及び該投稿のプロパティに基づいて生成される。
【0017】
図1は、本開示の幾つかの実施態様に従う、代表的なコンポーネントのシステム100を示す。ユーザ110は、ユーザデバイス120に入力を提出してもよい。ユーザデバイス120は、ユーザ110の入力をネットワークシステム130に提出してもよい。ネットワークシステム130は、ユーザ110の入力をプロアクティブエージェント150に利用可能にしてもよい。プロアクティブエージェント150は、ユーザ110が解析的思考に取り組むように奨励してもよい。
【0018】
ユーザ110は、ネットワークシステム130と通信可能なユーザデバイス120に入力を提出してもよい。本開示の実施態様は、現在使用されている又は後に開発されうるデバイス及びシステムと共に使用されてもよい。ユーザデバイス120は例えば、携帯電話、コンピュータ、通信機器（例えば、ヘッドセット又はデータ入力ポータル）、ネットワークシステムと通信するように構成されたボット（例えば、スマートハブ装置）等であってもよい。
【0019】
ユーザデバイス120は、ネットワークシステム130と通信してもよい。ネットワークシステム130は、デバイスを互いに接続する。ネットワークシステム130は、ユーザ110が、直接的又は間接的に、1以上の他の個人とインタラクションしうるシステムであってもよい。ネットワークシステム130は例えば、通信ネットワーク、ウェブサイト（例えば、インターネットチャットルーム）、通信クライアント（例えば、他の個人と通信する為のモバイルアプリケーション）、又はソーシャルネットワークシステム（例えば、ソーシャルメディアプラットフォーム）であってもよい。
【0020】
ネットワークシステム130は、プロアクティブエージェント150と通信してもよい。プロアクティブエージェント150は、ユーザ110が解析的思考に取り組むことを奨励してもよい。プロアクティブエージェント150は例えば、ユーザ110が考慮する為の関連する質問を投稿することによって、解析的思考を奨励してもよい。プロアクティブエージェント150は、ユーザ110が解析的思考に取り組むように、どの質問を提起すべきかを評価する為の情報を収集してもよい。情報は、例えば、ユーザ110が同様の質問にどのように回答したか、特定の投稿についてのユーザ110の推定されたバイアス、ユーザ110からのフィードバック等を包含しうる。
【0021】
例えば、プロアクティブエージェント150は、「なぜ」の質問をユーザ110に提示することを、ユーザ110が情報にアクセスするときとユーザ110が情報を共有するときとの間の遅延に相関させるデータをデータコーパス151内に含んでいてもよく、一方、「どのように」の質問は、ユーザ110が情報にアクセスするときとユーザ110が情報を共有するときとの間の遅延に相関しない。結果として、プロアクティブエージェント150は、「どのように」の質問が投稿されたときよりも「なぜ」の質問が投稿されたときの方が、ユーザ110が解析的思考に取り組む可能性が高いと結論付けることができる。そのような結論により、プロアクティブエージェント150は、「なぜ」の質問の頻度を増加させること、及び「どのように」の質問の頻度を減少させることを結果として生じうる。
【0022】
プロアクティブエージェント150は、データコーパス151、プロファイル解析器152、コンテキスト抽出器154、質問生成器156、若しくはフィードバックモジュール158、又はそれらの組み合わせを備えていてもよい。プロアクティブエージェント150は、質問開発の為に収集されたデータ、質問データ、ユーザの好み、ユーザデータ、ユーザフィードバック、質問推奨、機械学習（ML）モデル等を記憶する為のデータコーパス151を備えていてもよい。データコーパス151は、ユーザ110が解析的思考に取り組むように、パーソナライズされたアラートを行う為の質問若しくは質問を開発する為のMLモデル又はそれらの組み合わせを開発する為に使用されてもよい。データコーパス151は、様々なソース、例えば、ユーザ110からの直接入力、ユーザ110が分析の為に選択する１以上のプロファイル、ストレージデバイス、インターネット等、から情報を引き出してもよい。
【0023】
プロアクティブエージェント150は、ユーザデータを解析する為のプロファイル解析器152を備えていてもよい。プロファイル解析器152は、解析の為にデータコーパス151内に含まれている情報を引き出してもよい。例えば、プロファイルがデータコーパス151に引き出されて、データコーパス151内に記憶されてもよく、及びプロファイル解析器152は、データコーパス151にある間に該プロファイルを解析してもよい。プロファイル解析器152は、データをデータコーパス151に提供してもよい。例えば、プロファイル解析器152は、プロファイルデータをデータコーパス151又は別のソースから引き出し、該プロファイルデータを解析し、そして、該プロファイルデータ、若しくは該プロファイルデータを解析することから得られた洞察、又はそれらの組み合わせをデータコーパス151に提出する。
【0024】
幾つかの実施態様において、プロアクティブエージェント150は、コンテキスト抽出器154を備えていてもよい。コンテキスト抽出器154は、ユーザ110が閲覧する投稿のコンテキストを抽出しうる。コンテキスト抽出器154は、ユーザ110が投稿に関して依怙（partiality）を経験しうるかを決定する際に支援する為に、該投稿の該コンテキストを使用しうる。プロファイル解析器152と協働して、コンテキスト抽出器154はまた、該投稿に関してどのような依怙をユーザが経験しうるかを決定する際に支援しうる。１以上の潜在的な依怙を識別することにより、ユーザ110が現在閲覧している投稿に関して、ユーザ110が解析的思考に取り組むように、ユーザ110にパーソナライズされた質問を生成する際に質問生成器156を支援しうる。
【0025】
プロファイルデータを解析するプロファイル解析器152から得られた洞察及び投稿コンテントを抽出するコンテキスト抽出器154から得られた洞察は、質問生成器156によって使用する為にデータコーパス151内に記憶されうる。質問生成器156は、ユーザ110が解析的思考に取り込むように、パーソナライズされた質問を生成しうる。プロファイルデータ；投稿コンテント；プロファイル解析器152によって生成された洞察；若しくはコンテキスト抽出器154によって得られた洞察；又はそれらの組み合わせは、質問を直接生成する為に使用されてもよく、又は質問を生成する為に次に使用されうるデータを生成する為に使用されてもよい。質問生成器156によって生成された質問は、投稿について解析的に考える際にユーザ110を巻き込む為に使用されうる。幾つかの実施態様において、プロアクティブエージェント150は、ユーザ110がコンテントの共有を検討する際に、ユーザ110に質問を促しうる。
【0026】
質問生成器156は、収集されたデータ、コンテキスト抽出器154によって決定された投稿のコンテキストから生成された洞察、プロファイル解析器152によって決定されたプロファイルデータから生成された洞察、又はそれらの幾つかの組み合わせに依存して、１以上の質問によりユーザ110を促しうる。質問は、例えば、該投稿がユーザ110にどのように感じさせたか、ユーザ110が他のソースによってホストされた同様のコンテントを見たことがあるか、ユーザ110がそのソースを信頼することができると考えているかどうかを尋ねるように、ユーザ110を促しうる。
【0027】
質問生成器156は、予めロードされた質問の１組から、ユーザ110に提示される１以上の質問を選択しうる。例えば、データコーパス151は、ユーザ110から解析的な応答を呼び起こす為の能力を最大化する為に専門家によってキュレーションされた質問を含みうる。データコーパス151内に含まれる質問は、専門家によって全てキュレーションされたものであってもよく、専門家によってほとんどがキュレーションされたものであってもよく、専門家によって一部がキュレーションされたものであってもよく、又は専門家によってキュレーションされた質問から派生したものであってもよい。幾つかの実施態様において、質問生成器156は、データコーパス151内の専門家がキュレーションした質問のリストから１以上の質問を選択して、ユーザ110に表示し、ユーザ110を解析的思考に取り込ませうる。幾つかの実施態様において、質問生成器156は、専門家がキュレーションした質問のリストから１以上の質問を選択する為に、ユーザ110若しくは投稿のコンテント又はそれらの組み合わせに関するデータを取り込んでもよい。
【0028】
プロアクティブエージェント150は、フィードバックモジュール158を更に備えていてもよい。フィードバックモジュール158は、直接的に又は間接的にフィードバックをプロアクティブエージェント150に提供する為のメカニズムをユーザ110に提供しうる。ユーザ110が提出するフィードバックは、データコーパス151へと統合されてもよく、若しくはプロアクティブエージェント150を調整する為に使用されてもよく、又はデータコーパス151へと統合され且つプロアクティブエージェント150を調整する為に使用されてもよい。例えば、ユーザ110は、プロアクティブエージェント150があまりにも多くの質問を投げかけており且つ有効性を高める為により少ない質問をすべきであるとのフィードバックを、フィードバックモジュール158を通じて提供することができ、プロアクティブエージェント150は、この情報をデータコーパス151へと統合し、及び、標準プロンプトの質問数を4問から3問に減少させうる。
【0029】
幾つかの実施態様において、ユーザ110のインタラクション及びユーザプロファイルは、データコーパス151内に含まれるユーザデータである。幾つかの実施態様において、該投稿のプロパティ（例えば、コンテキスト抽出器154によって生成されたコンテキスト洞察）は、データコーパス151内に含まれる。幾つかの実施態様において、データコーパス151は、アルゴリズム（例えば、MLアルゴリズム）を訓練する為に使用されてもよく、ここで、MLアルゴリズムは、ユーザ110の為のパーソナライズされたアラートを生成する質問生成器156を含んでもよい。幾つかの実施態様は、該ユーザからフィードバックを受信すること、及びフィードバックを該コーパスへと統合することを更に含んでいてもよい。
【0030】
図2は、本開示の幾つかの実施態様に従って解析的エンゲージメントを生成するプロセス200のフローチャート図を図示する。プロセス200は、データを識別（工程202）すること、セッションのメトリクスを決定（工程230）すること、データをモデル内に入力（工程240）すること、及びプロンプトを出力（工程250）することを含みうる。プロセス200は、全体的に又は部分的に、プロセッサによって実行されうる。
【0031】
データを識別（工程202）することは、ユーザデータを解析（工程210）することを含みうる。ユーザデータは、ユーザプロファイルデータ212、若しくはユーザインタラクションデータ214、又はそれらの組み合わせを備えていてもよい。ユーザプロファイルデータ212は、ユーザプロファイルから収集されたユーザに関する情報を含みうる。ユーザプロファイルデータ212は例えば、ユーザの人口統計、所属、地理、関心、職歴、好きな本等を含んでいてもよい。ユーザインタラクションデータ214は、プラットフォーム又はサービスとインタラクションする為のユーザによるアクションを含みうる。ユーザインタラクションデータ214は例えば、ユーザの「いいね！」、コメント、及びシェア；ユーザのスクロール速度；ユーザの経時的なクリック；ユーザの経時的な反応；及び同様の情報を含みうる。
【0032】
ユーザデータを解析（工程210）することは、ユーザ情報に基づいてユーザプロファイルを評価することをもたらしうる。ユーザプロファイルは、ユーザ履歴情報、若しくは現在のユーザ情報、又はそれらの組み合わせを用いて評価されてもよい。幾つかの実施態様において、ユーザ履歴情報がユーザプロファイルを評価する為に使用されてもよく、及びユーザが現在取り組んでいるセッションからの情報が、履歴使用状況（historical use）からのユーザの逸脱（deviation）を評価する為にユーザプロファイルと比較されてもよい。幾つかの実施態様において、システムは、履歴的に導出されたプロファイルからの逸脱を、ユーザの気質における逸脱として関連付けることができ、それに応じて出力を変更しうる。例えば、ユーザによる逸脱を示すデータは、ユーザが欲求不満であることを示す場合があり、従って、該システムは、解析的思考を促す為に、3つの質問ではなく1つの質問を出力するであろう。
【0033】
幾つかの実施態様において、ユーザプロファイルが定義されてもよく、及びユーザプロファイルを定義することは、ユーザがネットワークとどのように関与するかを評価することを含みうる。該ユーザが該ネットワークとどのように関与するかを評価することにより、該ユーザのスクロール速度、該ネットワーク上のコンテントとの該ユーザのインタラクションの量、及び該ネットワーク上の該コンテントとの該ユーザの複数の該インタラクションの間の時間が考慮されうる。
【0034】
幾つかの実施態様において、該ユーザプロファイルは、該ユーザに関する様々な詳細を含みうる。該ユーザに関する詳細は、ユーザデータとして言及される場合がある。ユーザデータは、ユーザの１以上のアクティビティ、例えば、「いいね！」、シェア、若しくはコメント、又はそれらの組み合わせ、を包含しうる。ユーザデータは、ユーザの１以上の繋がり、例えば、所属、関心、及び影響力、を包含しうる。パーソナライゼーションにおいて収集されるデータ、若しくは使用されるデータ、又は収集され且つ使用されるデータは、デフォルト設定に従って設定されてもよく、ユーザによって設定されてもよく、又はそれらの幾つかの組合せであってもよい。例えば、ユーザは、ユーザの「いいね！」に関する情報が収集され且つ使用されうるが、該ユーザのシェアに関する情報は収集されないか又は使用されないことを決定しうる。
【0035】
ユーザデータは、該ユーザのプロファイル、該ユーザからの入力、そのような情報に関するメタデータ、又はそれらの組み合わせから収集されうる。例えば、ユーザは、パーソナライゼーションエンジンに、既存の公衆向けプロファイルからユーザデータを収集するよう要求しうる。直接入力の例は、ユーザがパーソナライゼーションクイズ（personalization quiz）に参加することであり得、直接入力の別の例は、該ユーザがフィードバックを該システムに提出することでありうる。
【0036】
ユーザデータは、ユーザの依怙又は好意を識別する為に使用されうる。依怙は、合理的な思考過程を歪める場合があり、及び個人が健全な意思決定を行うことを妨げる場合がある。個人の依怙の種類は例えば、確証バイアス（confirmation bias）、アンカリングバイアス（anchoring bias）、ハロー効果（halo effect）、可用性ヒューリスティック（availability heuristic）、楽観主義バイアス（optimism bias）等を包含しうる。依怙は、当技術分野において知られている方法又は以下に開発されている方法を用いて識別されうる。幾つかの実施態様において、依怙は、ユーザが閲覧又はインタラクションした履歴トピックを解析することによって評価されうる；例えば、ユーザが特定のトピックに関する多くの投稿を閲覧した場合に、該ユーザがその特定のトピックに対して依怙を有することを示す場合がある。ユーザの依怙を識別することにより、該ユーザは、例えば、識別された依怙が存在する場合に情報をより批判的に解析することによって、その依怙を補償することを可能にしうる。
【0037】
データを識別（工程202）することは、投稿データを解析（工程220）することを含みうる。投稿データは、投稿トピック222及び投稿コンテント224を含みうる。投稿解析アルゴリズムは、投稿トピック222及び投稿コンテント224を解析する為に使用されてもよく、例えば、潜在的ディリクレ配分（LDA：latent Dirichlet allocation）モデルは、投稿トピック222、若しくは投稿コンテント224、又はそれらの組み合わせを評価する為に使用されてもよい。他の解析アルゴリズム、例えば潜在意味索引（LDI：latent semantic indexing）モデル、が使用されてもよい。投稿トピック222は、該投稿が含む情報又はキーワードのタイプに従って該投稿を分類する為に、訓練された分類器（classifier）で該投稿を処理することによって識別されうる。投稿コンテント224は、該コンテントに従って該投稿を分類する為に、訓練された分類器で該投稿を処理することによって識別されうる。
【0038】
投稿トピック222若しくは投稿コンテント224又はそれらの組み合わせは、投稿プロパティ（post properties）、すなわち該投稿のプロパティ（properties of the post）、と見なされうる。幾つかの実施態様において、該投稿の該プロパティは、該投稿のタイトル若しくはトピック又はそれらの組み合わせと、該投稿の人気度とを含む。該投稿の該人気度は、該投稿のバイラリティ（virality）の尺度、例えば、該投稿がバイラル（viral）になったかどうか又は該投稿がバイラルになる尺度、であってもよい。該投稿の該人気度は、例えば、該投稿が一定のスパンでどれだけの閲覧数若しくは共有数又はそれらの組み合わせを集められたかによって測定されうる。
【0039】
訓練された同じ分類器が、投稿トピック222及び投稿コンテント224の両方を解析する為に使用されてもよく、代替的に、訓練された異なる分類器が、投稿データを解析（工程220）する異なるコンポーネントの為に使用されてもよい。訓練された分類器は、識別を改善すること、若しくは解析プロセスを改善すること、又は識別及び解析プロセスを改善する為に、訓練され、再訓練され、及び更新されてもよい。幾つかの実施態様において、ユーザ入力（例えば、ユーザフィードバック）から集められたデータは、データを識別する若しくは解析する又は識別し且つ解析するモデルを再訓練する為に使用されてもよい。
【0040】
幾つかの実施態様は、プロパティを解析すること、１以上の特徴を該プロパティに基づいて識別すること、該プロパティを１以上の履歴プロパティと比較すること、及び該プロパティが評判閾値以上であることを判定することを更に含みうる。幾つかの実施態様において、該投稿の該プロパティは、該投稿の発信元の評判度、及び該投稿の事実上の論争性を含みうる。
【0041】
プロセス200は、セッションのメトリクスを決定（工程230）することを含みうる。該セッションのメトリクスは、ナビゲーションパターンを含みうる。セッションのメトリクスを決定（工程230）することは、ユーザのナビゲーションパターンを評価することを含みうる。ユーザのナビゲーションパターンは例えば、ユーザのスクロール速度、経時的なクリック、インタラクションされた投稿の種類（例えば、録音、画像、又は記事）、インタラクションされたコンテンツの種類（例えば、コメディスケッチ又はドキュメンタリー）、所与の期間にインタラクションされた投稿の数、及び同様の情報を包含しうる。セッションのメトリクスを決定（工程230）することは、ユーザの現在のナビゲーションパターンを該ユーザのナビゲーション履歴パターンと比較することを含みうる。例えば、ユーザは典型的には、ドキュメンタリー履歴記事を読む場合があり、該ユーザがコメディスキット（comedy skit）を見る場合に、該ユーザのナビゲーションパターンにおける変化が検出されうる。
【0042】
幾つかの実施態様は、ネットワーク上のコンテントとの該インタラクションを解析すること、及び該インタラクションに基づいて該ユーザの反応を評価することを含みうる。例えば、ユーザデータは、ユーザが1分間に平均10回のクリックをすることを示す場合があり、該ユーザが1分間に平均15回クリックするセッションに取り組んでいる場合に、システムは、該ユーザの気分（disposition）が熱狂的な状態（enthusiastic state）にあると解釈しうる。代替的には、該ユーザが1分間に平均10回クリックする場合に、該ユーザが1分間に平均6回クリックするセッションに取り組んでいる場合に、該システムは、該ユーザの気分が疲れている状態（weary state）にあると解釈しうる。
【0043】
プロセス200は、データをモデル内に入力（工程240）することを含みうる。該モデルは、MLモデルでありうる。幾つかの実施態様において、該MLモデルは、教師ありMLアルゴリズムでありうる。該モデルは、セッションのメトリクス、ユーザデータ、及び投稿データを統合しうる。該モデルは、ユーザについての１以上の質問を生成する為に、若しくは該ユーザが解析的思考に取り組むように奨励する為のステートメントを生成する為に、又はそれらの組み合わせを生成する為に、統合された任意のデータ、若しくは利用可能な任意のデータ、又は統合され且つ利用可能な任意のデータを入力として使用しうる。該モデルは、例えば、該入力データを質問の１以上の組に分類し、そして、これらの組から１以上の質問を選択すること、データベースにプリロードされた質問のリストから１以上の質問を選択すること、（例えば、追加の質問を呼び出す為に、キュレーションされた質問及びフィードバックデータを使用して）１以上の新しい質問を生成すること、又はそれらの幾つかの組み合わせによって、ユーザについての１以上の質問を生成しうる。
【0044】
プロセス200は、プロンプトを出力（工程250）することを含みうる。該モデルによって生成された解析的思考を奨励する為の質問若しくはステートメント又はそれらの組み合わせは、ユーザが閲覧する若しくは関与する又はそれらの組み合わせの為のプロンプト上に出力されうる。幾つかの実施態様は、或るタイプのキューを選択する為のユーザ設定を含みうる。例えば、一部のユーザは、プロンプトを視覚的な手がかり（例えば、ポップアップ画面又は投稿に紐付けられたタグ）とすることを選択してもよく、一部のユーザは聴覚的なプロンプト（例えば、ボットがモデルによって生成された質問を音読してもよい）を選択してもよく、一部のユーザはそれらの組み合わせ（例えば、5つの質問が視覚的に表示され得、及び質問の1つはボットによって読み上げられる）を選択してもよい。
【0045】
該ユーザの状態（例えば、熱中しているか、又は疲れているか）が該ユーザの１以上の反応に寄与する場合があり、該システムはそれに応じて適応しうる。例えば、該システムは、熱中している状態のユーザよりも疲れている状態のユーザに対してより少ない質問を提供してもよい。別の例において、該システムは、疲れている状態のユーザにはより単純な質問を提示してもよく、及び熱中している状態のユーザにはより複雑な質問を提示してもよい。
【0046】
図3は、本開示の幾つかの実施態様に従う、システム決定木300を示す。システム決定木300は、システムを第１の位置（例えば、開始工程302の位置）から、該システムの検出、入力、そして出力を経て、決定の完了の位置（例えば、終了の工程354の位置）、そして、第１の位置に戻すように導きうる。
【0047】
システムは、ユーザの活動を待ち且つ監視する休止状態（dormant state）又は休息状態（resting state）で工程302を開始しうる。該システムは、投稿を共有するユーザの意図を検出（工程310）しうる。該システムは例えば、ユーザが共有ボタンを押すことを観察することによって、該ユーザが投稿を喜んで共有するかを検出（工程312）しうる。該ユーザが該投稿を喜んで共有しない場合（工程312a）に、解析は工程304を終了し、そして、該システムを元の開始工程302の状態に戻しうる。
【0048】
該ユーザが該投稿を喜んで共有する場合（工程312b）に、該決定木及びその為の解析は続いてもよい。該システムは、該決定木を続ける為にユーザプロファイルを推定（工程320）しうる。該ユーザプロファイルを推定することにより、該ユーザの習慣、偏見（biase）、及び他の可能性の高い特徴を近似させる為に、ユーザの人口統計データ、履歴入力（historical inputs）、及び同様の情報をコンパイルすること及び評価することを含みうる。該システムは、該ユーザについてのアラートのパーソナライゼーションを最適化する為に、ユーザプロファイルを推定（工程320）しうる。例えば、第１のユーザのプロファイルにより、該第１のユーザの感情に関する質問によって該第１のユーザが解析的に取り組んでいることが示されてもよく、及び第2のユーザのプロファイルにより、１以上の外部ソースからの数値データを引用する質問によって該第2のユーザが解析的に取り組んでいることが示されてもよい。
【0049】
該システムは、投稿情報を推定（工程330）しうる。該投稿情報を推定することにより、該投稿のタイトル、トピック、若しくはコンテント、又はそれらの組み合わせを評価することを含みうる。該システムは、投稿情報を推定（工程330）する為に、アルゴリズム（例えば、投稿解析アルゴリズム）を使用しうる。投稿情報は、投稿の人気度、該ユーザへの関心度、該投稿の論争性、及び他のデータを評価する為に使用されうる。
【0050】
投稿情報は、該ユーザに特化したアラートをパーソナライズする為に、該ユーザプロファイルと組み合わせて使用されうる。例えば、第１のユーザは、投稿が該第１のユーザの見解と一致する為に該投稿を共有する傾向がある場合があり、それ故に、該パーソナライズされたアラートは、確証バイアスに関する解析的思考を喚起する為の質問を含みうる。別の例において、第2のユーザは、投稿を共有する傾向がありうる。なぜならば、該投稿が、感情的な反応を誘発するからである。従って、該パーソナライズされたアラートは、該ユーザの反応に関する質問を含みうる。
【0051】
次に、該システムは、データを推奨モデル内に入力（工程340）することができる。該推奨モデル内に入力されるデータは、ユーザプロファイルデータ、投稿情報、ユーザフィードバック（例えば、１以上の以前のプロンプトからのユーザ入力）、及び同様の情報を含みうる。該推奨モデルは、MLモデルであってもよい。
【0052】
次に、該システムは、ユーザを促す為に使用されうる質問を推奨（工程350）しうる。該質問は、例えば、ユーザの最近の反応、投稿コンテント、及びユーザ履歴プロファイルデータ等の状況を考慮して該ユーザにパーソナライズされたアラートであってもよい。該推奨される質問は、該ユーザが特定の投稿とインタラクションしたり又は特定の投稿を伝播したりする前に、解析的思考に取り組むようにユーザに促す為に該ユーザに提示されうる。例えば、ユーザは記事を読む場合があり、及び該システムは該記事の最後において且つ統合された共有ボタンの上にタグを備えている場合がある。該タグは、該共有ボタンをクリックする前に、該ユーザが該投稿のコンテントを熟考する為の質問を提示しうる。
【0053】
システム決定木300は、１以上の質問を推奨した後に工程を終了（工程354）しうる。次に、該システム決定木300は、元の開始工程302の状態に戻り、ユーザの共有意図を検出（工程310）するまで休止状態のままであってもよく、該検出の時点で該システム決定木300が再び開始しうる。
【0054】
図4は、本開示の幾つかの実施態様に従う、データ編集のフローチャート図（400）を図示する。システムは、ユーザを識別（工程410）し、該識別されたユーザのセッションインタラクションを決定（工程420）し、データを推奨モデル内に入力（工程430）し、収集されたデータ及び使用された該推奨モデルに基づいて質問を推奨（工程440）し、そして、組み込まれたデータに基づいて推奨行列450から１以上のパーソナライズされたアラートを選択しうる。推奨行列450は、該ユーザが解析的思考に取り組むことを奨励するパーソナライズされたアラートをユーザに提示する為に使用され得、情報及びアイデアの共有を依然として可能にしながら、情報の拡散を効果的に遅らせうる。それによって、本開示は、ユーザの知的成長を可能にし得、及び言論を萎縮させること（chilling speech）（例えば、管理者による投稿を削除すること）無しに、事実上不正確な情報の拡散を遅らせうる。
【0055】
該システムは、ユーザプロファイル情報、例えば、ユーザの人口統計、ユーザのインタラクションの履歴、ユーザの興味及びインタラクション、並びに同様のユーザ情報、を収集することによって、ユーザを識別（工程410）しうる。該ユーザは、あらゆるパーソナライゼーションをオプトイン（opt in）又はオプトアウト（opt out）しうる。例えば、ユーザは、該システムがパーソナライゼーション目的の為に作業履歴データを使用しうるが、同じパーソナライゼーション目的の為に地理的位置履歴を使用しない場合があることを示しうる。
【0056】
該システムはまた、該ユーザによって提供された追加情報に基づいてユーザを識別（工程410）してもよい。幾つかの実施態様において、該システムは、該ユーザの現在の反応を識別し、それによってパーソナライゼーションを高める為に、該ユーザの反応履歴を備えていてもよい。該システムは、ユーザの好み、設定、及び他のデータをユーザ識別内に組み込む為に、ユーザフィードバックを含んでいてもよい。幾つかの実施態様において、ユーザフィードバックは直接的に表現されてもよく、例えば、ユーザは或る好みを組み込むように該システムに命令してもよく、又は該ユーザは特定の質問が該ユーザを解析的思考に取り組ませたことをシステムに識別させる。幾つかの実施態様において、ユーザフィードバックは暗黙的であってもよい。例えば、ある質問において、ユーザが共有ボタンをクリックするまでに5秒の一時停止を生じるが、他の質問において、ユーザが共有ボタンをクリックするまでに2秒の一時停止しか生じないことを該システムが認識しうる。
【0057】
該システムは、該ユーザのセッションインタラクションを決定（工程420）しうる。該システムは、以前のユーザセッションからのデータを集約し、そして、現在のセッションを以前のセッションと比較しうる。セッションインタラクションデータは、ユーザエクスペリエンス（UX：user experience）ナビゲーションパターン、例えば、スクロール速度、経時的なクリック、経時的な反応、を含みうる。該情報は、例えば、現在のセッションにおけるユーザの反応若しくは気分又はそれらの組み合わせを識別する為に使用されうる。該情報は、投稿データ（例えば、投稿トピック若しくはコンテント又はそれらの組み合わせ）を統合してもよく、該システムは、投稿データを識別する為に、例えば、解析アルゴリズム（例えば、LDA又はLSI）を使用してもよい。該システムは更に、特徴をユーザデータ及び投稿データから、コンテキスト化された情報に基づいて抽出してもよい。
【0058】
ユーザプロファイルデータ及びセッション情報は、集約され、そして、推奨モデルの為の訓練又は他の入力データとして使用されてもよい（工程430）。該推奨モデルは、分類モデル、例えば、サポートベクターマシン（SVM：support-vector machine）モデル、ロジスティック回帰モデル、ディープニューラルネットワーク（DNN：deep neural network）モデル等、であってもよく、又はそれを含んでいてもよい。ユーザデータ、投稿データ、ユーザインタラクションデータ、ユーザ反応データ、投稿コンテント、若しくはそれらの抽出された特徴、又はそれらの組み合わせは、該推奨モデルの為の訓練データとして組み込まれてもよい。
【0059】
データは、収集されたものであれ又は開発されたものであれ、推奨行列450内に集約されうる。推奨行列450は、ユーザデータ450a及び投稿データ450bの入力データを含みうる。ユーザデータ450a及び投稿データ450bは、出力データ450cを生成する為に使用されうる。
【0060】
ユーザデータ450aは、ユーザに関する情報を含みうる。ユーザデータ450aは、ユーザプロファイルデータ451及び反応データ452を含みうる。ユーザプロファイルデータ451は、プロファイル内にユーザが含めうる情報、類似の識別システム内にユーザが含めうる情報、又はユーザに関する他の情報を含みうる。ユーザプロファイルデータ451は例えば、ユーザ個人情報（例えば、地理、教育）、履歴データ（例えば、投稿とのインタラクション、スクロール速度、コンテントへの反応）、関心（例えば、フォローされたコンテントプロバイダのタイプ、本の希望リストのコンテント、履歴データにおける傾向）等を含みうる。ユーザプロファイルデータ451は、１以上のユーザ451a～451cについて保持されてもよい。反応データ452は、１以上のユーザ451a～451cの各々についての気分452a～452cに関する情報を含みうる。
【0061】
投稿データ450bは、1以上のユーザ451a～451cが共有を検討している投稿に関する情報を含みうる。投稿データ450bは、投稿トピック453、人気度454、及び正確さ455を含みうる。異なる投稿は、異なるトピック453a～453cを有しうる。投稿は、１以上のトピックを有していてもよく、例えば、ピザを楽しむ為の最適な服装を議論する投稿は、「ファッション」と「食べ物」の両方の識別子でタグ付けされていてもよい。各投稿は、該各投稿がバイラルであるか、又は該投稿がバイラルになる可能性がどれだけあるかを示す為に、人気度の評価（popularity rating）454a～454cを有しうる。各投稿はまた、該各投稿が事実であるか或いは意見であるか、若しくは該各投稿に記載された事実がどの程度論争的であるか、又はそれらの組み合わせを示す正確さの評価（accuracy rating）455a～455cを有しうる。
【0062】
投稿データ450bは、人気度454に関する情報を更に含みうる。人気度454は、何人のユーザが現在投稿に関与しているか、何人のユーザが以前投稿に関与していたか、投稿が現在どのくらいバイラルであるか、投稿がバイラルになる可能性がどのくらいあるか、及び同様の情報を示しうる。投稿の人気度454は、トレンド、時間間隔、曜日、同様のカテゴリにおける他の投稿がどの程度の人気度であるか等に基づいて変化しうる。従って、人気度454は、投稿によってだけでなく、ユーザが該投稿を閲覧するタイミングによっても変化しうる。従って、人気度のタグ454a～454cは、同じ投稿であっても時間の経過と共に変化しうる。
【0063】
投稿データ450bは、正規化されていてもよい。例えば、投稿トピック453は、トピック（例えば、健康、時事、ファッション、若しくは料理、又はそれらの組み合わせ）の１組から選択されうる。数値識別子、例えば、人気度454及び正確さ455、は、数値的に又はプリセットスケールで正規化されてもよい。例えば、投稿の人気度454は、0.1の評価は該投稿がバイラルになる可能性がないことを示し、一方で、0.99の評価は該投稿が既にバイラルであることを示すように、0（ゼロ）～1で数値的に正規化されていてもよい。同様に、正確さ455は、0.1の評価は該投稿が評判の良いソースと矛盾していることを示し、0.5の評価は該投稿が検証不可能である（例えば、比較可能なデータが利用できないか又は該投稿が意見である）ことを示し、及び0.99の評価は該投稿が多数の評判の良いソースを通じて検証可能であることを示すように、0（ゼロ）～1で正規化された評価システム（rating system）を使用しうる。現在の尺度では、言語的な範囲が使用されうる。例えば、人気度の範囲は、バイラルでない、バイラルになりそうもない、潜在的にバイラル、ほぼバイラル、及び現在バイラルを包含しうる。
【0064】
投稿データ450bは、共有の為に利用可能な各投稿について保持されてもよい。例えば、各投稿のトピック453は、幾つかの投稿が幾つかのトピックタグ453a～453cを有するように変化してもよい。トピックタグ453a～453cは、各投稿に固有であってもよい。トピックタグ453a～453cは、完全にユニークであってもよく、類似していてもよく、同一であってもよく、それらの両方であってもよく、又はそれらの幾つかの組み合わせであってもよい。
【0065】
ユーザデータ450a及び投稿データ450bを推奨行列450内に入力することにより、出力データ450cを結果として生じうる。出力データ450cは、特定のユーザを解析的思考に取り組む為に特別に開発された質問セット457を含みうる。質問セット457a～457cは、ユーザデータ450a、投稿データ450b、及び（モデル訓練データを包含する）質問セット457a～457cを生成する際に使用される任意のモデルに基づいて変わりうる。次に、質問セット457a～457cは、パーソナライズされたアラートでユーザを促す為に使用されうる。
【0066】
例えば、第１の質問セット457aは、次のものを含んでいてもよい：あなたは不正確である可能性が高いものを本当に望んでいるのか？ 該投稿を作成した人物又は組織は編集基準を知っているのか？ 該投稿はあなた自身の見解と一致している可能性がある為に、情報を伝播する前に別のソースであなたは情報を確認したいか？
【0067】
例えば、第2の質問セット457bは、次のものを含んでいてもよい：この投稿は、何か否定的な感情を増幅させたか？ あなたは、他の人によって有害として認識されうるものを共有することに抵抗はないか？ あなたは、不謹慎な挙動を促しうる投稿を共有することに抵抗はないか？
【0068】
例えば、第３の質問セット457cは、次のものを含んでいてもよい：あなたは、情報ソースが信頼できると思うか？ あなたは、不正確である可能性が高いものを共有することに抵抗はないか？ 投稿のコンテントが、任意の専門家組織の出版物と一致しているか？
【0069】
質問セット457a～457cは、専門家によってキュレーションされた質問の１組から選択されうる。質問は、例えば、ユーザが投稿の事実上の論争性を確認したかどうか；該投稿が該ユーザにどのように感じさせたか；該投稿が該ユーザの特定の何らかの感情を増幅したかどうか；該ユーザが或る正確さ評価を持つものを共有することを望むかどうか；該ユーザが該投稿を共有する前にデータを検証したい場合、該ユーザが事実に反する情報を含みうる投稿を共有することを望むか；該投稿を広めることによって該ユーザが影響を与えうる人々が該投稿に対してどのような反応を示すか；該ユーザが該投稿を信頼できると考えているか；該ユーザが該投稿元を信頼しているか；該ユーザが該投稿の内容の正確さを信じているか；該投稿の事実関係が信頼できる組織の声明と一致しているか；該投稿を作成した組織が特定の編集基準を有しているか；該ユーザが確証バイアスを経験しているか；及び同様の質問、を含んでいてもよい。
【0070】
本開示はクラウドコンピューティングに関する詳細な説明を含むが、本明細書に列挙される教示の実装はクラウドコンピューティング環境に限定されないことが理解されるべきである。寧ろ、本発明の実施態様は、現在知られている又は後に開発される任意の他のタイプのコンピューティング環境と組み合わされて実装されることができる。
【0071】
クラウドコンピューティングは、最小限の管理労力又はサービスのプロバイダとのインタラクションで迅速にプロビジョニングされ且つ解放されることができる構成可能なコンピューティングリソース（例えば、ネットワーク、ネットワーク帯域幅、サーバ、処理（processing）、メモリ、ストレージ、アプリケーション、仮想マシン、及びサービス）の共有プールへの便利なオンデマンドネットワークアクセスを可能にする為のサービス提供のモデルである。このクラウドモデルは、少なくとも５つの特徴、少なくとも３つのサービスモデル、及び少なくとも４つのデプロイメントモデル（deployment model）を含みうる。
【0072】
特徴は下記の通りである。
【0073】
オンデマンドセルフサービス（On-demand self-service）：クラウドコンシューマ（cloud consumer）は、サービスのプロバイダとのヒューマンインタラクション（human interaction）を必要とせずに、必要に応じて、コンピューティング機能、例えばサーバ時間及びネットワークストレージ、を一方的にプロビジョニングすることができる。
【0074】
ブロードネットワークアクセス：機能は、ネットワークを介して利用可能であり、及び異種のシン（thin）クライアント・プラットフォーム又はシック（thick）クライアント・プラットフォーム（例えば、携帯電話、ラップトップ、及びPDA）による使用を促進する標準的なメカニズムを介してアクセスされる。
【0075】
リソースのプーリング：プロバイダのコンピューティングリソースは、マルチテナントモデルを使用して複数のコンシューマにサービスを提供する為にプールされ、及び様々な物理リソースと仮想リソースが需要に従って動的に割り当てられ及び再割り当てされる。コンシューマは一般的に、提供されたリソースの正確な場所についての制御又は知識を有していないが、より高いレベルの抽象化での場所（例えば、国、州又はデータセンター）を特定できうるという点で、場所に依存しないといえる。
【0076】
迅速な順応性：機能は、迅速且つ弾力的にプロビジョニングされ、場合によっては自動的に、迅速にスケールアウトされ、迅速にリリースされて迅速にスケールインされうる。コンシューマにとって、プロビジョニングに利用可能な機能はしばしば、無制限であり及びいつでも任意の量で購入されることができる。
【0077】
測定されたサービス：クラウド・システムは、サービスのタイプ（例えば、ストレージ、処理、帯域幅、及びアクティブなユーザアカウント）に適した何らかの抽象化レベルでの計量機能を用いることによって、リソースの使用を自動的に制御し及び最適化する。リソースの使用は監視され、制御され、及び報告され、利用されるサービスのプロバイダ及びコンシューマの両方についての透明性を提供することができる。
【0078】
サービスモデルは下記の通りである。
【0079】
サービスとしてのソフトウェア（SaaS：Software as a Service）：クラウドインフラストラクチャにおいて実行しているプロバイダのアプリケーションを使用する為に、コンシューマに提供される機能である。該アプリケーションは、シン・クライアント・インタフェース、例えばウェブブラウザ（例えば、ウェブ・ベースの電子メール）、を通じて、様々なクライアント・装置からアクセス可能である。該コンシューマは、制限されたユーザ固有のアプリケーション構成設定のありうる例外として、基礎をなすクラウドインフラストラクチャ、例えば、ネットワーク、サーバ、オペレーティングシステム、ストレージ、又は個々のアプリケーション機能さえも包含する基礎をなすクラウドインフラストラクチャ、を管理又は制御しない。
【0080】
サービスとしてのプラットフォーム（PaaS：Platform as a Service）：プロバイダによってサポートされるプログラミング言語及びツールを用いて生成された、コンシューマが生成した又は取得したアプリケーションを、クラウドインフラストラクチャ上にデプロイする為に、該コンシューマに提供される機能である。該コンシューマは、基礎をなすクラウドインフラストラクチャ、例えば、ネットワーク、サーバ、オペレーティングシステム、又はストレージを包含する基礎をなすクラウドインフラストラクチャ、を管理又は制御しないが、デプロイされたアプリケーション、及び場合によってはアプリケーション・ホスティング環境構成に対して制御を有する。
【0081】
サービスとしてのインフラストラクチャ（IaaS：Infrastructure as a Service）：コンシューマが、オペレーティングシステム及びアプリケーションを含むことができる任意のソフトウェアをデプロイ及び実行することができる、処理、ストレージ、ネットワーク、及び他の基本的なコンピューティングリソースをプロビジョニングする為に、該コンシューマに提供される機能である。該コンシューマは、基礎をなすクラウドインフラストラクチャを管理又は制御しないが、オペレーティングシステム、ストレージ、デプロイされたアプリケーションに対する制御、及び場合によっては、ネットワーク・コンポーネント（例えば、ホストのファイアウォール）を選択することの制限された制御を有する。
【0082】
デプロイメントモデル（Deployment Models）は下記の通りである。
【0083】
プライベートクラウド：クラウドインフラストラクチャは、ある組織の為のみに運営される。該クラウドインフラストラクチャは、該組織又は第三者によって管理され得、及びオンプレミス（on-premises）又はオフプレミス（off-premises）に存在しうる。
【0084】
コミュニティクラウド：クラウドインフラストラクチャは、幾つかの組織によって共有され、及び共通の関心事項（例えば、ミッション、セキュリティ要件、ポリシー、及びコンプライアンス考慮事項）を有する特定のコミュニティをサポートする。該クラウドインフラストラクチャは、該組織又は第三者によって管理され得、及びオンプレミス又はオフプレミスに存在しうる。
【0085】
パブリッククラウド：クラウドインフラストラクチャは、一般公衆又は大規模な業界グループに対して利用可能であり、及びクラウドサービスを販売する組織によって所有される。
【0086】
ハイブリッドクラウド：クラウドインフラストラクチャは、固有のエンティティのままであるが、データ及びアプリケーションの移行性を可能にする標準化された又は専用の技術（例えば、クラウド間の負荷分散の為のクラウド・バースティング）によって一緒にされる２以上のクラウド（プライベート、コミュニティ、又はパブリック）の混成物である。
【0087】
クラウドコンピューティング環境は、無国籍性（statelessness）、低結合性、モジュール性、及びセマンティック相互運用性（semantic interoperability）に焦点を有する指向されたサービスである。クラウドコンピューティングの中核（heart）は、相互接続されたノードのネットワークを含むインフラストラクチャである。
【0088】
図5は、本開示の実施態様に従ったクラウドコンピューティング環境510を示す。図示されている通り、クラウドコンピューティング環境510は、１以上のクラウドコンピューティングノード500を備えており、クラウドコンシューマによって使用されるローカルコンピューティング装置、例えば、パーソナルデジタルアシスタント（PDA：personal digital assistant）又は携帯電話500A、デスクトップコンピュータ500B、ラップトップコンピュータ500C若しくは自動車用コンピュータシステム500N又はそれらの組み合わせ、が通信しうる。ノード500は互いに通信しうる。該ノード500は、物理的又は仮想的に、１以上のネットワーク、例えば、本明細書において上述されているプライベートクラウド、コミュニティクラウド、パブリッククラウド若しくはハイブリッドクラウド又はそれらの組み合わせ、にグループ化されうる（図示せず）。
【0089】
このことは、クラウドコンシューマがローカルコンピューティング装置においてリソースを維持する必要がないサービスとして、インフラストラクチャ、プラットフォーム若しくはソフトウェア又はそれらの組み合わせをクラウドコンピューティング環境510が提供することを可能にする。図5に示されているコンピューティング装置500A～500Nのタイプは、例示のみであることが意図されていること、並びにクラウドコンピューティングノード500及びクラウドコンピューティング環境510は、任意のタイプのネットワーク若しくはネットワークアドレス可能接続又はそれらの組み合わせを介して（例えば、ウェブブラウザを使用して）任意のタイプのコンピュータ化された装置と通信することができることが理解される。
【0090】
図6は、本開示の実施態様に従って、（図5の）クラウドコンピューティング環境510によって提供される抽象化モデル層600を図示する。図6に示されているコンポーネント、層及び機能は、単に例示であることが意図されていること、並びに本開示の実施態様はそれらに限定されないことが理解されるべきである。図示されている通り、下記の複数の層及び対応する複数の機能が提供される。
【0091】
ハードウェア及びソフトウェア層615は、ハードウェアコンポーネント及びソフトウェアコンポーネントを包含する。ハードウェアコンポーネントの例は、メインフレーム602、RISC（Reduced Instruction Set Computer（縮小命令セット・コンピュータ））アーキテクチャ・ベースのサーバ604；サーバ606；ブレード・サーバ608；ストレージデバイス611；並びに、ネットワーク及びネットワーキング・コンポーネント612を包含する。幾つかの実施態様において、ソフトウェアコンポーネントは、ネットワーク・アプリケーション・サーバ・ソフトウェア614及びデータベース・ソフトウェア616を包含する。
【0092】
仮想化層620は、抽象化層を提供し、この抽象化層から、仮想エンティティの下記の例が提供されうる：すなわち、仮想サーバ622；仮想ストレージ624；仮想ネットワーク626、例えば仮想プライベートネットワークを包含する該仮想ネットワーク626；仮想アプリケーション及びオペレーティングシステム628；並びに、仮想クライアント630。
【0093】
１つの例において、管理層640は、以下で説明される複数の機能を提供しうる。リソース・プロビジョニング642は、クラウドコンピューティング環境内でタスクを実行する為に利用されるコンピューティングリソース及び他のリソースの動的な調達を提供する。計量及び価格決定644は、リソースがクラウドコンピューティング環境内で利用される場合のコスト追跡と、これらのリソースの消費についての課金又は請求とを提供する。１つの例においては、これらのリソースは、アプリケーション・ソフトウェア・ライセンスを包含しうる。セキュリティは、クラウドコンシューマ及びタスクに対する識別検証と、データ及び他のリソースに対する保護とを提供する。ユーザ・ポータル646は、コンシューマ及びシステム管理者の為に、クラウドコンピューティング環境へのアクセスを提供する。サービス・レベル管理648は、要求されるサービス・レベルが満たされるように、クラウド・コンピューティング・リソースの割り当て及び管理を提供する。サービス・レベル・アグリーメント（SLA：Service Level Agreement）の計画及び履行650は、将来の要件がSLAに従って予測されるクラウド・コンピューティング・リソースの為の事前配置及びその調達を提供する。
【0094】
ワークロード層660は、クラウドコンピューティング環境が利用されうる複数の機能の例を提供する。この層から提供されうる複数のワークロード及び複数の機能の例は、マッピング及びナビゲーション662；ソフトウェア開発及びライフサイクル管理664；仮想教室教育の提供667；データ解析処理668；トランザクション処理670；並びに、解析的思考に取り組ませる為のパーソナライズされたアラート672のうちの１つを包含する。
【0095】
本開示はクラウドコンピューティングに関する詳細な説明を含むが、本明細書において述べられている教示の実装は、クラウドコンピューティング環境に限定されないことが理解されるべきである。寧ろ、本発明の実施態様は、現在知られている又は後に開発される任意の他の種類のコンピューティング環境と組み合わせて実装されることが可能である。
【0096】
図7は、本開示の実施態様に従って、本明細書において記載された方法、ツール及びモジュール、並びに任意の関連する機能のうちの１以上を（例えば、コンピュータの１以上のプロセッサ回路又はコンピュータプロセッサを使用して）実装する際に使用されうる例示的なコンピュータシステム701の高レベルブロック図を示す。幾つかの実施態様において、コンピュータシステム701の主要コンポーネントは、１以上の中央処理装置（CPU：central processing unit）702A、702B、702C及び702Dを有するプロセッサ702、メモリサブシステム704、端末インタフェース712、ストレージインタフェース716、I／O（入力／出力）デバイスインタフェース714、及びネットワークインタフェース718を備えており、それらの全てが、メモリバス703、I／Oバス708及びI／Oバスインタフェースユニット710を介してコンポーネント間の通信の為に直接的又は間接的に通信的に接続されうる。
【0097】
コンピュータシステム701は、１以上の汎用目的のプログラム可能なCPU 702A、702B、702C及び702D（本明細書において、一般的にCPU 702と云われる）を備えていてもよい。幾つかの実施態様において、コンピュータシステム701は、比較的大規模なシステムに典型的な複数のプロセッサを備えていることができるが、他の実施態様において、コンピュータシステム701は代替的に、単一のCPUシステムであってもよい。各CPU 702は、メモリサブシステム704内に記憶された命令を実行してもよく、及び１以上のレベルのオンボードキャッシュを備えていてもよい。
【0098】
システムメモリ704は、揮発性メモリ、例えば、ランダムアクセスメモリ（RAM：random access memory）722又はキャッシュメモリ724、の形態のコンピュータシステム可読媒体を備えていてもよい。コンピュータシステム701は、他の取り外し可能な／取り外し不可能な、揮発性／不揮発性のコンピュータシステムストレージ媒体を更に備えていてもよい。例示に過ぎないが、ストレージシステム726は、取り外し不可能な不揮発性磁気媒体、例えば「ハードドライブ」、から読み取り且つそれに書き込む為に提供されることができる。図示されていないが、取り外し可能な不揮発性磁気ディスク（例えば、「フロッピーディスク」）から読み取り且つそれに書き込む為の磁気ディスクドライブ、又は取り外し可能な不揮発性光学ディスク、例えば、CD-ROM、DVD-ROM、又は他の光学媒体、から読み取り且つそれに書き込む為の光ディスクドライブ、が提供されることができる。加えて、メモリ704は、フラッシュメモリ、例えば、フラッシュメモリスティックドライブ又はフラッシュドライブ、を包含することができる。メモリデバイスは、１以上のデータ媒体インタフェースによってメモリバス703に接続されることができる。メモリ704は、様々な実施態様の機能を実行するように構成されたプログラムモジュールの1組（例えば、少なくとも1つ）を有する少なくとも1つのプログラム製品を含みうる。
【0099】
１以上のプログラム／ユーティリティ728（各々がプログラムモジュール730の少なくとも1組を有する）は、メモリ704内に記憶されうる。プログラム／ユーティリティ728は、ハイパーバイザー（仮想マシンモニタとしてまた言及される）、１以上のオペレーティングシステム、１以上のアプリケーションプログラム、他のプログラムモジュール、及びプログラムデータを包含しうる。１以上のオペレーティングシステム、１以上のアプリケーションプログラム、他のプログラムモジュール、及びプログラムデータの各々、又はそれらの幾つかの組み合わせは、ネットワーク環境の実装を含みうる。プログラム728若しくはプログラムモジュール730又はそれらの組み合わせは一般的に、様々な実施態様の機能又は方法論を実行する。
【0100】
メモリバス703は、CPU 702、メモリサブシステム704、及びI／Oバスインタフェース710の間の直接通信経路を提供する単一のバス構造として図7において示されているが、メモリバス703は、幾つかの実施態様において、複数の異なるバス又は通信経路を含んでいてもよく、それらは、種々の形態、例えば、階層的構成、スター構成又はウェブ構成におけるポイント・ツー・ポイントリンク；複数の階層的バス；並列経路及び冗長経路；他の任意の適切なタイプの構成、のいずれかで配置されてもよい。その上、I／Oバスインタフェース710及びI／Oバス708は夫々のユニットとして示されているが、コンピュータシステム701は、幾つかの実施態様において、複数のI／Oバスインタフェースユニット710、複数のI／Oバス708、又はその両方を備えていてもよい。更に、I／Oバス708を様々なI／Oデバイスに走る様々な通信経路から分離する複数のI／Oバスインタフェースユニット710が示されているが、他の実施態様において、I／Oデバイスの一部又は全部が１以上のシステムI／Oバス708に直接接続されてもよい。
【0101】
幾つかの実施態様において、コンピュータシステム701は、マルチユーザメインフレームコンピュータシステム、シングルユーザシステム、サーバコンピュータ、又は直接のユーザインタフェースをほとんど有さないが他のコンピュータシステム（クライアント）から要求を受け取る同様のデバイスであってもよい。更に、幾つかの実施態様において、コンピュータシステム701は、デスクトップコンピュータ、ポータブルコンピュータ、ラップトップ若しくはノートブックコンピュータ、タブレットコンピュータ、ポケットコンピュータ、電話、スマートフォン、ネットワークスイッチ若しくはルータ、又は任意の他の適切なタイプの電子デバイスとして実装されてもよい。
【0102】
図7は、例示的なコンピュータシステム701の代表的な主要コンポーネントを図示することを意図していることに留意されたい。しかしながら、幾つかの実施態様において、個々のコンポーネントは、図7に表されているよりも複雑になってもよく、又は図7に表されているよりも複雑でなくなってもよく、図7において示されるもの以外のコンポーネント又は図7において示されるものに加えてコンポーネントが存在してもよく、そのようなコンポーネントの数、タイプ及び構成は異なってもよい。
【0103】
本発明は、統合のありうる任意の技術的詳細レベルでの、システム、方法若しくはコンピュータプログラム製品若しくはコンピュータプログラム、又はそれらの組み合わせでありうる。該コンピュータプログラム製品は、プロセッサに本発明の観点を実行させる為のコンピュータ可読プログラム命令を有する１以上のコンピュータ可読記憶媒体を包含しうる。
【0104】
該コンピュータ可読記憶媒体は、命令実行デバイスによって使用する為の命令を保持且つ記憶することができる有形のデバイスであることができる。該コンピュータ可読記憶媒体は、例えば、電子ストレージデバイス、磁気ストレージデバイス、光ストレージデバイス、電磁ストレージデバイス、半導体ストレージデバイス、又はそれらの任意の適切な組み合わせでありうるが、これらに限定されない。該コンピュータ可読記憶媒体のより具体的な例の非網羅的なリストは、下記を包含する：ポータブルのコンピュータディスケット（登録商標）、ハードディスク、ランダムアクセスメモリ（RAM：random access memory）、読み取り専用メモリ（ROM：read only memory）、消去可能なプログラム可能な読み取り専用メモリ（EPROM（erasableprogrammable read-onlymemory）又はフラッシュメモリ）、スタティックランダムアクセスメモリ（SRAM：static random accessmemory）、ポータブル・コンパクトディスク読み取り専用メモリ（CD-ROM：compact disc read-only memory）、デジタル多用途ディスク（DVD：digital versatile disk）、メモリスティック、フロッピーディスク、機械的に符号化されたデバイス、例えばパンチカード若しくは命令が記憶されている溝内の隆起構造又はそれらの任意の適切な組み合わせ。本明細書において使用される場合、コンピュータ可読記憶媒体は、一時的な信号それ自体、例えば電波又は他の自由に伝播する電磁波、導波管若しくは他の伝送媒体を伝播する電磁波（例えば、光ファイバケーブルを通過する光パルス）、又は電線を介して送信される電気信号、であると解釈されるべきでない。
【0105】
本明細書において記載されたコンピュータ可読プログラム命令は、コンピュータ可読記憶媒体から個々のコンピューティングデバイス／処理デバイスに、又はネットワーク、例えば、インターネット、ローカルエリアネットワーク、ワイドエリアネットワーク若しくはワイヤレスネットワーク又はそれらの組み合わせ、を介して外部コンピュータ又は外部記憶デバイスにダウンロードされることができる。該ネットワークは、銅線伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ若しくはエッジサーバ又はそれらの組み合わせで構成されうる。各コンピューティングデバイス／処理デバイスにおけるネットワークアダプタカード又はネットワークインタフェースは、ネットワークからコンピュータ可読プログラム命令を受信し、そして、該コンピュータ可読プログラム命令を、個々のコンピューティングデバイス／処理デバイス内にコンピュータ可読記憶媒体中に記憶する為に転送する。
【0106】
本発明の動作を実行する為のコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ISA：instruction-set-architecture）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、集積回路の為の構成データ、又は、１以上のプログラミング言語、例えばオブジェクト指向プログラミング言語、例えば、Smalltalk、C++等、慣用的な手続き型プログラミング言語（例えば、「C」プログラミング言語又は同様のプログラミング言語）、の任意の組み合わせで書かれているソースコード又はオブジェクトコードのいずれか、でありうる。該コンピュータ可読プログラム命令は、ユーザのコンピュータ上で全体的に、ユーザのコンピュータ上で部分的に、ユーザのコンピュータ上でスタンドアロン・ソフトウェア・パッケージとして部分的に、ユーザのコンピュータ上で部分的に且つリモート・コンピュータ上で部分的に、又はリモート・コンピュータ若しくはサーバ上で全体的に、実行されうる。後者のシナリオにおいて、該リモート・コンピュータは、任意の種類のネットワーク、例えば、ローカルエリアネットワーク（LAN：local area network）若しくはワイドエリアネットワーク（WAN：wide area network）、を介してユーザのコンピュータに接続されうるか、又は該接続は（例えば、インターネットサービスプロバイダを使用したインターネットを通じて）外部コンピュータに対して行われうる。幾つかの実施態様において、電子回路、例えば、プログラム可能な論理回路、フィールドプログラム可能なゲートアレイ（FPGA：field-programmable gate arrays）又はプログラム可能なロジックアレイ（PLA：programmable logic arrays）、は、本発明の観点を実行する為に、コンピュータ可読プログラム命令の状態情報を利用することによって、電子回路をパーソナライズすることによって、コンピュータ可読プログラム命令を実行しうる。
【0107】
本発明の観点は、本発明の実施態様に従う、方法、装置（システム）及びコンピュータプログラム製品若しくはコンピュータプログラムのフローチャート図若しくはブロック図又はそれらの組み合わせを参照して本明細書において記載されている。該フローチャート図若しくは該ブロック図又はそれらの組み合わせの各ブロック、並びに該フローチャート図若しくは該ブロック図又はそれらの組み合わせにおける複数のブロックの組み合わせは、コンピュータ可読プログラム命令によって実装されることができることが理解されるであろう。
【0108】
これらのコンピュータ可読プログラム命令は、該コンピュータ又は他のプログラム可能なデータ処理装置のプロセッサを介して実行する命令が該フローチャート図若しくは該ブロック図又はそれらの組み合わせの１以上のブロックにおいて特定された機能／動作を実装する為の手段を作成するように、コンピュータのプロセッサ又は他のプログラム可能なデータ処理装置に提供されて、マシンを作り出しうる。記憶された命令を有するコンピュータ可読記憶媒体が該フローチャート図若しくは該ブロック図又はそれらの組み合わせの１以上のブロックにおいて特定される機能／動作の観点を実装する命令を含む製造品を含むように、これらのコンピュータ可読プログラム命令はまた、コンピュータプログラム可能なデータ処理装置若しくは他のデバイス又はそれらの組み合わせに特定の様式で機能するように指示することができるコンピュータ可読記憶媒体中に記憶されうる。
【0109】
該コンピュータ可読プログラム命令はまた、コンピュータ上、他のプログラム可能なデータ処理装置上又は他のデバイス上で実行される命令が、該フローチャート図若しくは該ブロック図又はそれらの組み合わせの１以上のブロックにおいて特定される機能／動作を実装するように、上記のコンピュータ上、他のプログラム可能なデータ処理装置上又は他のデバイス上にロードされて、コンピュータ、他のプログラム可能な装置又は他のデバイス上で一連の動作工程を実行させて、コンピュータに実装されたプロセスを生成しうる。
【0110】
図面中のフローチャート図及びブロック図は、本発明の様々な実施態様に従う、システム、方法及びコンピュータプログラム製品若しくはコンピュータプログラムのありうる実装の、アーキテクチャ、機能及び動作を示す。これに関連して、該フローチャート図又は該ブロック図における各ブロックは、命令のモジュール、セグメント、又はその一部を表し得、それは、特定された１以上の論理機能を実装する為の１以上の実行可能命令を含む。幾つかの代替の実装において、該ブロックにおいて示されている機能は、図面中に示されている順序とは異なって生じうる。例えば、連続して示されている２つのブロックは、実際には、関与する機能に依存して、同時に、実質的に同時に、部分的又は全体的に時間的に重複する様式で実行される１つの工程として達成されうるか、又は該ブロックは、逆の順序で実行されうる。該ブロック図若しくは該フローチャート図又はそれらの組み合わせの各ブロック、並びに該ブロック図若しくは該フローチャート図又はそれらの組み合わせの複数のブロックの組み合わせは、特定された機能又は動作を実行する特別な目的のハードウェアベースのシステムによって実装することができ、又は特別な目的のハードウェアとコンピュータ命令との組み合わせを実行することができることに留意されたい。
【0111】
本開示は特定の実施態様に関して説明されてきたが、その変更及び修正が当業者に明らかであろうことが予想される。本発明の様々な実施態様の記載は、例示の目的の為に提示されたものであり、網羅的であること又は開示された実施態様に限定されることが意図されたものでない。多くの修正及び変形が、記載された実施態様の範囲及び精神から逸脱すること無しに当業者に明らかであろう。本明細書において使用される語は、実施態様の原理、実用的な用途、又は市場において見られる技術に対する技術的改善を最もよく説明する為に、又は当業者が本明細書において開示されている実施態様を理解することができるようにする為に選択された。それ故に、添付の特許請求の範囲は、本開示の真の精神及び範囲内に入る全てのそのような修正及び変更を包含するものとして解釈されることが意図されている。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【手続補正書】
【提出日】2023-10-06
【手続補正1】
【補正対象書類名】特許請求の範囲
【補正対象項目名】全文
【補正方法】変更
【補正の内容】
【特許請求の範囲】
【請求項1】
システムであって、該システムが、メモリ；及び、
前記メモリと通信するプロセッサ
を備えており、前記プロセッサが、
ネットワーク内の１人のユーザによるインタラクションを解析すること；
前記ユーザについてのユーザプロファイルを生成すること；
前記ネットワークを介して投稿を共有する為の前記ユーザによる試みを識別すること；及び、
前記投稿を評価するように、パーソナライズされたアラートにより前記ユーザに促すこと
を含む動作を実行するように構成されており、
ここで、前記パーソナライズされたアラートが、前記インタラクション、前記ユーザプロファイル、及び前記投稿のプロパティに基づいて生成される、
前記システム。
【請求項2】
前記ユーザプロファイルを定義することが、前記ユーザが前記ネットワークとどのように関与するかを評価すること
を含み、ここで、前記評価することが、前記ユーザのスクロール速度、前記ネットワーク上のコンテントとの前記ユーザのインタラクションの量、及び前記ネットワーク上の前記コンテントとの前記ユーザの複数の前記インタラクションの間の時間を考慮する、請求項1に記載のシステム。
【請求項3】
前記インタラクション及び前記ユーザプロファイルが、コーパスに含まれているユーザデータであり；前記投稿の前記プロパティが前記コーパスに含まれており；
前記コーパスが、機械学習アルゴリズムを訓練する為に使用され；並びに、
前記機械学習アルゴリズムが、前記パーソナライズされたアラートを生成する、
請求項1に記載のシステム。
【請求項4】
フィードバックを前記ユーザから受けること；及び、前記フィードバックを前記コーパス内に統合すること
を更に含む、請求項３に記載のシステム。
【請求項5】
前記ネットワーク上の前記コンテントとの前記インタラクションを解析すること；及び、前記インタラクションに基づいて前記ユーザの反応を評価すること
を更に含む、請求項1に記載のシステム。
【請求項6】
前記投稿の前記プロパティが、前記投稿のトピックと前記投稿の人気度とを含む、請求項1に記載のシステム。
【請求項7】
前記プロパティを解析すること；1以上の特徴を前記プロパティに基づいて識別すること；
前記プロパティを１以上の履歴プロパティと比較すること；及び、
前記プロパティが評判閾値以上であることを判定すること
を更に含む、請求項1に記載のシステム。
【請求項8】
コンピュータに実装された方法であって、ネットワーク内の１人のユーザによるインタラクションを、プロセッサによって解析すること；
前記ユーザについてのユーザプロファイルを、前記プロセッサによって生成すること；
前記ネットワークを介して投稿を共有する為の前記ユーザによる試みを、前記プロセッサによって識別すること；及び、
前記投稿を評価するように、前記ユーザにパーソナライズされたアラートにより、前記プロセッサによって促すこと
を含み、
ここで、前記パーソナライズされたアラートが、前記インタラクション、前記ユーザプロファイル、及び前記投稿のプロパティに基づいて生成される、
前記方法。
【請求項9】
前記ユーザプロファイルを定義することが、前記ユーザが前記ネットワークとどのように関与するかを、前記プロセッサによって評価すること
を含み、ここで、前記評価することが、前記ユーザのスクロール速度、前記ネットワーク上のコンテントとの前記ユーザのインタラクションの量、及び前記ネットワーク上の前記コンテントとの前記ユーザの複数の前記インタラクションの間の時間を考慮する、請求項８に記載の方法。
【請求項10】
前記インタラクション及び前記ユーザプロファイルが、コーパスに含まれているユーザデータであり；前記投稿の前記プロパティが前記コーパスに含まれており；
前記コーパスが、機械学習アルゴリズムを訓練する為に使用され；並びに、
前記機械学習アルゴリズムが、前記パーソナライズされたアラートを生成する、
請求項８に記載の方法。
【請求項11】
フィードバックを前記ユーザから、前記プロセッサによって受けること；及び、前記フィードバックを前記コーパス内に、前記プロセッサによって統合すること
を更に含む、請求項１０に記載の方法。
【請求項12】
前記ネットワーク上の前記コンテントとの前記インタラクションを、前記プロセッサによって解析すること；及び、前記インタラクションに基づいて前記ユーザの反応を、前記プロセッサによって評価すること
を更に含む、請求項８に記載の方法。
【請求項13】
前記投稿の前記プロパティが、前記投稿のトピックと前記投稿の人気度とを含む、請求項８に記載の方法。
【請求項14】
前記プロパティを解析すること；1以上の特徴を前記プロパティに基づいて識別すること；
前記プロパティを１以上の履歴プロパティと比較すること；及び、
前記プロパティが評判閾値以上であることを判定すること
を更に含む、請求項８に記載の方法。
【請求項15】
コンピュータプログラムであって、ネットワーク内の１人のユーザによるインタラクションを解析すること；
前記ユーザについてのユーザプロファイルを生成すること；
前記ネットワークを介して投稿を共有する為の前記ユーザによる試みを識別すること；及び、
前記投稿を評価するように、前記ユーザにパーソナライズされたアラートにより促すこと、ここで、前記パーソナライズされたアラートが、前記インタラクション、前記ユーザプロファイル、及び前記投稿のプロパティに基づいて生成される、
を含む方法の各工程をプロセッサに実行させる、前記コンピュータプログラム。
【請求項16】
前記プロパティを解析すること；1以上の特徴を前記プロパティに基づいて識別すること；
前記プロパティを１以上の履歴プロパティと比較すること；及び、
前記プロパティが評判閾値以上であることを判定すること
を前記プロセッサに更に実行させる、請求項１５に記載のコンピュータプログラム。
【請求項17】
前記ユーザプロファイルを定義することが、前記ユーザが前記ネットワークとどのように関与するかを評価すること
を含み、ここで、前記評価することが、前記ユーザのスクロール速度、前記ネットワーク上のコンテントとの前記ユーザのインタラクションの量、及び前記ネットワーク上の前記コンテントとの前記ユーザの複数の前記インタラクションの間の時間を考慮する、請求項１５に記載のコンピュータプログラム。
【請求項18】
前記インタラクション及び前記ユーザプロファイルが、コーパスに含まれているユーザデータであり；前記投稿の前記プロパティが前記コーパスに含まれており；
前記コーパスが、機械学習アルゴリズムを訓練する為に使用され；並びに、
前記機械学習アルゴリズムが、前記パーソナライズされたアラートを生成する、
請求項１５に記載のコンピュータプログラム。
【請求項19】
フィードバックを前記ユーザから受けること；及び、前記フィードバックを前記コーパス内に統合すること
を前記プロセッサに更に実行させる、請求項１８に記載のコンピュータプログラム。
【請求項20】
前記ネットワーク上の前記コンテントとの前記インタラクションを解析すること；及び、前記インタラクションに基づいて前記ユーザの反応を評価すること
を前記プロセッサに更に実行させる、請求項１５に記載のコンピュータプログラム。
【国際調査報告】