特表 2025-501181 クライアントデバイス上へのコンテンツ提示に関するリアルタイムユーザ応答予測のためのシステムおよび方法

(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】2025-01-17

(54)【発明の名称】クライアントデバイス上へのコンテンツ提示に関するリアルタイムユーザ応答予測のためのシステムおよび方法

(51)【国際特許分類】

   G06F 16/90 20190101AFI20250109BHJP

【ＦＩ】

G06F16/90 100

【審査請求】未請求

【予備審査請求】未請求

(21)【出願番号】P 2024539286

(86)(22)【出願日】2022-12-28

(85)【翻訳文提出日】2024-08-01

(86)【国際出願番号】 US2022054181

(87)【国際公開番号】W WO2023129611

(87)【国際公開日】2023-07-06

(31)【優先権主張番号】63/266,186

(32)【優先日】2021-12-30

(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】517089798

【氏名又は名称】スキルズ プラットフォーム インコーポレイテッド

(74)【代理人】

【識別番号】100078282

【弁理士】

【氏名又は名称】山本 秀策

(74)【代理人】

【識別番号】100113413

【弁理士】

【氏名又は名称】森下 夏樹

(74)【代理人】

【識別番号】100181674

【弁理士】

【氏名又は名称】飯田 貴敏

(74)【代理人】

【識別番号】100181641

【弁理士】

【氏名又は名称】石川 大輔

(74)【代理人】

【識別番号】230113332

【弁護士】

【氏名又は名称】山本 健策

(72)【発明者】

【氏名】ラウシュ， イゴール

(72)【発明者】

【氏名】ブダギャン， レボン

【テーマコード（参考）】

5B175

【Ｆターム（参考）】

5B175AA02

5B175EA01

(57)【要約】

ある側面では、情報をユーザのクライアントデバイス上に表示するための要求が、受信されることができる。要求と関連付けられる複数の特徴が、抽出されることができる。複数の特徴は、ユーザを特性評価する、少なくとも１つの特徴と、クライアントデバイスを特性評価する、少なくとも付加的特徴とを含むことができる。要求と関連付けられる特徴に基づく特徴ベクトルが、発生されることができる。コンテンツ提示に対するユーザの予測される応答値が、予測モデルと、特徴ベクトルとを使用して、発生されることができる。予測される応答値は、コンテンツ提示と相互作用する、ユーザの尤度を特性評価することができる。要求応答値が、コンテンツ提示印象値と、特徴ベクトルとに基づいて、決定されることができる。要求応答値およびコンテンツ提示は、ユーザのクライアントデバイス上での表示のために、伝送されることができる。

【特許請求の範囲】

【請求項1】

方法であって、
情報をユーザのクライアントデバイス上に表示するための要求を受信することと、
前記要求と関連付けられる複数の特徴を抽出することであって、前記複数の特徴は、前記ユーザを特性評価する少なくとも１つの特徴と、前記クライアントデバイスを特性評価する少なくとも付加的特徴とを含む、ことと、
前記要求と関連付けられる前記複数の特徴に基づいて、特徴ベクトルを発生させることと、
予測モデルと、前記特徴ベクトルとを使用して、コンテンツ提示に対する前記ユーザの予測される応答値を発生させることであって、前記予測される応答値は、前記コンテンツ提示と相互作用する前記ユーザの尤度を特性評価する、ことと、
前記予測される応答値が事前に決定された閾値を充足させるとき、前記予測される応答値と、前記ユーザと関連付けられる標的値とを使用して、コンテンツ提示印象値を発生させることであって、前記標的値は、前記ユーザと前記コンテンツ提示の相互作用のコストを特性評価する、ことと、
前記コンテンツ提示印象値と、前記特徴ベクトルとに基づいて、要求応答値を決定することと、
前記ユーザのクライアントデバイス上での表示のために、前記要求応答値および前記コンテンツ提示を伝送することと
を含む、方法。

【請求項2】

前記予測モデルは、ベイズロジスティック回帰モデルである、請求項１に記載の方法。

【請求項3】

前記予測される応答値はさらに、前記コンテンツ提示と相互作用することに応答して、前記ユーザの下流コンバージョンの尤度を特性評価する、請求項１に記載の方法。

【請求項4】

前記予測される応答値と、前記ユーザと関連付けられる標的値とを使用した前記コンテンツ提示印象値の発生は、前記標的値および前記予測される応答値を乗算することを含む、請求項１に記載の方法。

【請求項5】

前記ユーザのクライアントデバイス上での表示のために、前記特徴ベクトルに基づいて、前記コンテンツ提示を選択することをさらに含む、請求項１に記載の方法。

【請求項6】

前記コンテンツ提示に対する前記ユーザの予測される応答値が前記事前に決定された閾値を充足させないことの決定に応答して、前記クライアントデバイス上での表示のために、代替コンテンツ提示を選択することをさらに含む、請求項１に記載の方法。

【請求項7】

前記予測モデルと、前記特徴ベクトルとを使用して、前記代替コンテンツ提示に対する前記ユーザの付加的な予測される応答値を発生させることをさらに含む、請求項６に記載の方法。

【請求項8】

前記付加的な予測される応答値が前記事前に決定された閾値を充足させるとき、前記付加的な予測される応答値と、前記ユーザと関連付けられる標的値とを使用して、付加的コンテンツ提示印象値を発生させることをさらに含む、請求項７に記載の方法。

【請求項9】

前記予測モデルと関連付けられるフィルタモデルを実装することをさらに含む、請求項１に記載の方法。

【請求項10】

前記フィルタモデルの実装は、前記ユーザが、１つまたはそれを上回る付加的コンテンツ提示と関連付けられる特定のカテゴリ内でコンバージョンする付加的尤度を決定することを含む、請求項９に記載の方法。

【請求項11】

システムであって、
少なくとも１つのデータプロセッサと、
命令を記憶しているメモリであって、前記命令は、前記少なくとも１つのデータプロセッサによって実行されると、前記少なくとも１つのデータプロセッサに、
情報をユーザのクライアントデバイス上に表示するための要求を受信することと、
前記要求と関連付けられる複数の特徴を抽出することであって、前記複数の特徴は、前記ユーザを特性評価する少なくとも１つの特徴と、前記クライアントデバイスを特性評価する少なくとも付加的特徴とを含む、ことと、
前記要求と関連付けられる前記複数の特徴に基づいて、特徴ベクトルを発生させることと、
予測モデルと、前記特徴ベクトルとを使用して、コンテンツ提示に対する前記ユーザの予測される応答値を発生させることであって、前記予測される応答値は、前記コンテンツ提示と相互作用する前記ユーザの尤度を特性評価する、ことと、
前記予測される応答値が事前に決定された閾値を充足させるとき、前記予測される応答値と、前記ユーザと関連付けられる標的値とを使用して、コンテンツ提示印象値を発生させることであって、前記標的値は、前記ユーザと前記コンテンツ提示の相互作用のコストを特性評価する、ことと、
前記コンテンツ提示印象値と、前記特徴ベクトルとに基づいて、要求応答値を決定することと、
前記ユーザのクライアントデバイス上での表示のために、前記要求応答値および前記コンテンツ提示を伝送することと
を含む動作を実施させる、メモリと
を備える、システム。

【請求項12】

前記予測モデルは、ベイズロジスティック回帰モデルである、請求項１１に記載のシステム。

【請求項13】

前記予測される応答値はさらに、前記コンテンツ提示と相互作用することに応答して、前記ユーザの下流コンバージョンの尤度を特性評価する、請求項１１に記載のシステム。

【請求項14】

前記少なくとも１つのデータプロセッサは、前記標的値および前記予測される応答値を乗算することによって、前記予測される応答値と、前記ユーザと関連付けられる標的値とを使用して、前記コンテンツ提示印象値を発生させる動作を実施する、請求項１１に記載のシステム。

【請求項15】

前記動作はさらに、
前記ユーザのクライアントデバイス上での表示のために、前記特徴ベクトルに基づいて、前記コンテンツ提示を選択することを含む、請求項１１に記載のシステム。

【請求項16】

前記動作はさらに、
前記コンテンツ提示に対する前記ユーザの予測される応答値が前記事前に決定された閾値を充足させないことの決定に応答して、前記クライアントデバイス上での表示のために、代替コンテンツ提示を選択することを含む、請求項１１に記載のシステム。

【請求項17】

前記動作はさらに、
前記予測モデルと、前記特徴ベクトルとを使用して、前記代替コンテンツ提示に対する前記ユーザの付加的な予測される応答値を発生させることを含む、請求項１６に記載のシステム。

【請求項18】

前記動作はさらに、
前記予測モデルと関連付けられるフィルタモデルを実装することを含む、請求項１１に記載のシステム。

【請求項19】

前記フィルタモデルを実装する動作は、前記ユーザが、１つまたはそれを上回る付加的コンテンツ提示と関連付けられる特定のカテゴリ内でコンバージョンする付加的尤度を決定することを含む、請求項１８に記載のシステム。

【請求項20】

非一過性コンピュータプログラム製品であって、前記非一過性コンピュータプログラム製品は、実行可能命令を記憶しており、前記実行可能命令は、少なくとも１つのコンピューティングシステムの一部を形成する少なくとも１つのデータプロセッサによって実行されると、
情報をユーザのクライアントデバイス上に表示するための要求を受信することと、
前記要求と関連付けられる複数の特徴を抽出することであって、前記複数の特徴は、前記ユーザを特性評価する少なくとも１つの特徴と、前記クライアントデバイスを特性評価する少なくとも付加的特徴とを含む、ことと、
前記要求と関連付けられる前記複数の特徴に基づいて、特徴ベクトルを発生させることと、
予測モデルと、前記特徴ベクトルとを使用して、コンテンツ提示に対する前記ユーザの予測される応答値を発生させることであって、前記予測される応答値は、前記コンテンツ提示と相互作用する前記ユーザの尤度を特性評価する、ことと、
前記予測される応答値が事前に決定された閾値を充足させるとき、前記予測される応答値と、前記ユーザと関連付けられる標的値とを使用して、コンテンツ提示印象値を発生させることであって、前記標的値は、前記ユーザと前記コンテンツ提示の相互作用のコストを特性評価する、ことと、
前記コンテンツ提示印象値と、前記特徴ベクトルとに基づいて、要求応答値を決定することと、
前記ユーザのクライアントデバイス上での表示のために、前記要求応答値および前記コンテンツ提示を伝送することと
を含む動作を実施する、非一過性コンピュータプログラム製品。

【発明の詳細な説明】

【背景技術】

【0001】

（関連出願の相互参照）
本願は、その全内容が、参照することによって本明細書に組み込まれる、２０２１年１２月３０日に出願された、米国仮出願第６３／２６６，１８６号の利益を主張する。

【0002】

クライアントデバイスは、ビデオ、オーディオ、画像、およびそれらの組み合わせを含む、多種多様なデジタルコンテンツをユーザに提示することができる。コンテンツは、多くの場合、コンテンツに暴露されたユーザからのある応答を達成するために開発および使用される。いくつかのコンテンツは、ユーザに、クライアントアプリケーションと相互作用する、またはそれにエンゲージする、製品またはサービスを購入する、またはクライアントアプリケーションをインストールする等のあるアクションをとるように促すことができる。しかしながら、全てのユーザが、彼らに提示される、デジタルコンテンツに応答するわけではなく、したがって、全てのユーザに同一デジタルコンテンツを提示することは、無駄なリソースをもたらし、非生産的であり得る。ユーザがデジタルコンテンツに応答するであろうかどうか、および応答するであろうユーザを決定することは、困難で、時間がかかり、かつ高価であり得る。

【発明の概要】

【課題を解決するための手段】

【0003】

クライアントデバイス上へのコンテンツ提示に関するリアルタイムユーザ応答予測のためのシステムおよび方法が、提供される。関連装置、技法、および物品もまた、説明される。

【0004】

ある側面では、情報をユーザのクライアントデバイス上に表示するための要求が、受信されることができる。要求と関連付けられる複数の特徴が、抽出されることができる。複数の特徴は、ユーザを特性評価する、少なくとも１つの特徴と、クライアントデバイスを特性評価する、少なくとも付加的特徴とを含むことができる。要求と関連付けられる複数の特徴に基づく特徴ベクトルが、発生されることができる。コンテンツ提示に対するユーザの予測される応答値が、予測モデルと、特徴ベクトルとを使用して、発生されることができる。予測される応答値は、コンテンツ提示と相互作用する、ユーザの尤度を特性評価することができる。コンテンツ提示印象値が、予測される応答値が事前に決定された閾値を充足させるとき、予測される応答値と、ユーザと関連付けられる標的値とを使用して、発生されることができる。標的値は、ユーザとコンテンツ提示の相互作用のコストを特性評価することができる。要求応答値が、コンテンツ提示印象値と、特徴ベクトルとに基づいて、決定されることができる。要求応答値およびコンテンツ提示は、ユーザのクライアントデバイス上での表示のために、伝送されることができる。

【0005】

１つまたはそれを上回る特徴は、任意の実行可能組み合わせ内に含まれることができる。例えば、予測モデルは、ベイズロジスティック回帰モデルであることができる。例えば、予測される応答値はさらに、コンテンツ提示と相互作用することに応答して、ユーザの下流コンバージョンの尤度を特性評価することができる。例えば、コンテンツ提示印象値は、標的値および予測される応答値を乗算することによって、予測される応答値と、ユーザと関連付けられる標的値とを使用して、発生されることができる。例えば、ユーザのクライアントデバイス上での表示のためのコンテンツ提示は、特徴ベクトルに基づいて、選択されることができる。例えば、クライアントデバイス上での表示のための代替コンテンツ提示が、コンテンツ提示に対するユーザの予測される応答値が事前に決定された閾値を充足させないことの決定に応答して、選択されることができる。例えば、代替コンテンツ提示に対するユーザの付加的な予測される応答値が、予測モデルと、特徴ベクトルとを使用して、発生されることができる。例えば、付加的コンテンツ提示値は、付加的な予測される応答値が事前に決定された閾値を充足させるとき、付加的な予測される応答値と、ユーザと関連付けられる標的値とを使用して、発生されることができる。他の実施例では、予測モデルと関連付けられるフィルタモデルが、実装されることができる。例えば、フィルタモデルの実装は、ユーザが、１つまたはそれを上回る付加的コンテンツ提示と関連付けられる特定のカテゴリと相互作用する、付加的尤度を決定することを含むことができる。

【0006】

別の側面では、システムが、提供され、少なくとも１つのデータプロセッサと、少なくとも１つのデータプロセッサに、本明細書に説明される動作を実施させるように構成される、命令を記憶する、メモリとを含むことができる。動作は、情報をユーザのクライアントデバイス上に表示するための要求を受信することと、要求と関連付けられる複数の特徴を抽出することであって、複数の特徴は、ユーザを特性評価する、少なくとも１つの特徴と、クライアントデバイスを特性評価する、少なくとも付加的特徴とを含む、ことと、要求と関連付けられる複数の特徴に基づいて、特徴ベクトルを発生させることと、予測モデルと、特徴ベクトルとを使用して、コンテンツ提示に対するユーザの予測される応答値を発生させることであって、予測される応答値は、コンテンツ提示と相互作用する、ユーザの尤度を特性評価する、ことと、予測される応答値が事前に決定された閾値を充足させるとき、予測される応答値と、ユーザと関連付けられる標的値とを使用して、コンテンツ提示印象値を発生させることであって、標的値は、ユーザとコンテンツ提示の相互作用のコストを特性評価する、ことと、コンテンツ提示印象値と、特徴ベクトルとに基づいて、要求応答値を決定することと、ユーザのクライアントデバイス上での表示のために、要求応答値およびコンテンツ提示を伝送することとを含むことができる。

【0007】

１つまたはそれを上回る特徴は、任意の実行可能組み合わせ内に含まれることができる。例えば、予測モデルは、ベイズロジスティック回帰モデルであることができる。例えば、予測される応答値はさらに、コンテンツ提示と相互作用することに応答して、ユーザの下流コンバージョンの尤度を特性評価する。例えば、少なくとも１つのデータプロセッサは、標的値および予測される応答値を乗算することによって、予測される応答値と、ユーザと関連付けられる標的値とを使用して、コンテンツ提示印象値を発生させる動作を実施することができる。例えば、動作はさらに、ユーザのクライアントデバイス上での表示のために、特徴ベクトルに基づいて、コンテンツ提示を選択することを含むことができる。例えば、動作はさらに、コンテンツ提示に対するユーザの予測される応答値が事前に決定された閾値を充足させないことの決定に応答して、クライアントデバイス上での表示のために、代替コンテンツ提示を選択することを含むことができる。例えば、動作はさらに、予測モデルと、特徴ベクトルとを使用して、代替コンテンツ提示に対するユーザの付加的な予測される応答値を発生させることを含むことができる。例えば、動作はさらに、予測モデルと関連付けられるフィルタモデルを実装することを含むことができる。例えば、フィルタモデルを実装する動作は、ユーザが、１つまたはそれを上回る付加的コンテンツ提示と関連付けられる特定のカテゴリ内でコンバージョンする、付加的尤度を決定することを含むことができる。

【0008】

さらに別の側面では、非一過性コンピュータプログラム製品（すなわち、物理的に具現化されるコンピュータプログラム製品）もまた、説明され、これは、少なくとも１つのコンピューティングシステムの一部を形成する、少なくとも１つのデータプロセッサによって実行されると、少なくとも１つのデータプロセッサに、本明細書の動作を実施させる、命令を記憶する。動作は、情報をユーザのクライアントデバイス上に表示するための要求を受信することと、要求と関連付けられる複数の特徴を抽出することであって、複数の特徴は、ユーザを特性評価する、少なくとも１つの特徴と、クライアントデバイスを特性評価する、少なくとも付加的特徴とを含む、ことと、要求と関連付けられる複数の特徴に基づいて、特徴ベクトルを発生させることと、予測モデルと、特徴ベクトルとを使用して、コンテンツ提示に対するユーザの予測される応答値を発生させることであって、予測される応答値は、コンテンツ提示と相互作用する、ユーザの尤度を特性評価する、ことと、予測される応答値が事前に決定された閾値を充足させるとき、予測される応答値と、ユーザと関連付けられる標的値とを使用して、コンテンツ提示印象値を発生させることであって、標的値は、ユーザとコンテンツ提示の相互作用のコストを特性評価する、ことと、コンテンツ提示印象値と、特徴ベクトルとに基づいて、要求応答値を決定することと、ユーザのクライアントデバイス上での表示のために、要求応答値およびコンテンツ提示を伝送することとを含む。

【0009】

コンピュータシステムもまた、説明され、これは、１つまたはそれを上回るデータプロセッサと、１つまたはそれを上回るデータプロセッサに結合される、メモリとを含み得る。メモリは、一時的または恒久的に、少なくとも１つのプロセッサに、本明細書に説明される動作のうちの１つまたはそれを上回るものを実施させる、命令を記憶してもよい。加えて、方法が、単一コンピューティングシステム内にあるか、または２つまたはそれを上回るコンピューティングシステム間に分散されるかのいずれかである、１つまたはそれを上回るデータプロセッサによって実装されることができる。そのようなコンピューティングシステムは、接続されることができ、ネットワーク（例えば、インターネット、無線広域ネットワーク、ローカルエリアネットワーク、広域ネットワーク、有線ネットワーク、または同等物）を経由したもの、複数のコンピューティングシステムのうちの１つまたはそれを上回るもの間の直接接続を介したもの等の接続を含む、１つまたはそれを上回る接続を介して、データおよび／またはコマンドまたは他の命令または同等物を交換することができる。

【図面の簡単な説明】

【0010】

上記に説明される実施形態は、付随の図面と関連して検討される、以下の詳細な説明からより完全に理解されるであろう。図面は、正確な縮尺で描かれることを意図するものではない。明確性の目的のために、全てのコンポーネントが、全ての図面において標識され得るわけではない。

【0011】

【図1】図１は、リアルタイムユーザ応答予測のための例示的システムを図示する、ブロック図である。

【0012】

【図2】図２は、リアルタイムユーザ応答予測のための例示的方法を図示する、ブロック図である。

【0013】

【図3】図３は、クライアントデバイス上に表示されるコンテンツ提示に対するユーザの応答の予測のための別の例示的方法を図示する、ブロック図である。

【0014】

【図4】図４は、本実施形態による、本明細書に説明される動作のうちの１つまたはそれを上回るものを実施し得る、例示的コンピューティングデバイスのブロック図である。

【発明を実施するための形態】

【0015】

詳細な説明
ある例示的実施形態が、本明細書に開示されるデバイスおよび方法の構造、機能、製造、および使用の原理の全体的理解を提供するために、ここで説明されるであろう。これらの実施形態の１つまたはそれを上回る実施例は、付随の図面に図示される。当業者は、具体的に、本明細書に説明され、付随の図面に図示される、デバイスおよび方法が、非限定的例示的実施形態であって、本発明の範囲が、請求項によってのみ定義されることを理解するであろう。１つの例示的実施形態に関連して図示または説明される特徴は、他の実施形態の特徴と組み合わせられてもよい。そのような修正および変形例は、本発明の範囲内に含まれるように意図される。さらに、本開示では、実施形態の同様に命名されたコンポーネントは、概して、類似特徴を有し、したがって、特定の実施形態内では、各同様に命名されたコンポーネントの各特徴は、必ずしも、それについて完全に詳述されない。

【0016】

本発明は、クライアントデバイス上へのコンテンツ提示に関するリアルタイムユーザ応答予測のためのシステムおよび方法を対象とする。本発明によると、自動化されたプロセスが、ユーザが、彼らのクライアントデバイス上に提示される、コンテンツ提示または他のデジタルコンテンツにエンゲージするであろう、尤度を予測することができる。本発明の実施形態は、好適な機械学習モデルを使用して、そのようなユーザ応答をリアルタイムで予測することができる。予測は、例えば、コンテンツ提示をユーザのクライアントデバイス上に表示または別様に提示するための要求に対する応答を発生させる、決定する、または最適化するために使用され得る、コンテンツ提示の印象値を計算するために使用されることができる。単に、議論の目的のために、限定ではなく、本開示は、本発明の種々の側面を例証するために、モバイルデバイス上へのコンテンツ提示を参照するであろう。しかしながら、本発明は、そのためにユーザの予測される応答が、ユーザにリアルタイムで彼らのクライアントデバイス上で提示するための情報のタイプ、フォーマット、およびコンテンツを決定および選択するために使用され得る、任意の好適なタイプのシステム内で、かつそれとともに使用されることができる。

【0017】

本発明の実施形態は、特に、多数のユーザと、わずかコンマ数秒のうちに処理されなければならない、多数のコンテンツ提示（例えば、数百万、数千万等）とが存在するとき、時間かつプロセッサ集約的試行錯誤およびコンピュータベースの方法論のようなその他を通してではなく、それらのユーザの予測される応答に基づいて、ユーザにクライアントデバイス上で提示するための情報のタイプ、フォーマット、およびコンテンツを決定および選択することによって、コンピュータ処理効率を改良することができる。加えて、本発明の実施形態は、線形モデル（例えば、ロジスティック回帰モデルまたは同等物）を使用して、そのような予測を行うために特殊コンピュータハードウェアを使用せずに、そのような厳格な時間制約内で予測を行い、１秒あたり数百万の要求を処理することができる。そのような線形モデルはまた、最も正確な予測を行うために、新しいデータの迅速な取り込みを可能にすることができる。さらに、本発明の実施形態は、ベイズアプローチを使用して、予測における不確実性を定量化し、試行錯誤およびコンピュータベースの方法論のようなその他を通して達成不可能である、コンテンツ提示インベントリ探索および活用を効率的に平衡することができる。

【0018】

図１は、クライアントデバイス上へのコンテンツ提示に関するリアルタイムユーザ応答予測のための例示的システム１００を図示する、ブロック図である。サーバシステム１１４は、予測モデルを開発し、予測モデルを使用して、コンテンツ提示に対するユーザ応答をリアルタイムで予測し、コンテンツ提示をユーザのクライアントデバイス上に提示するための要求に対する応答を発生させる、決定する、または別様に最適化するための機能性を提供することができる。実施形態では、コンテンツ提示は、例えば、デジタル広告、クリエイティブアセット、またはデジタルコンテンツまたは同等物の他の提示等、クライアントデバイス上でユーザにサービス提供される、提示される、または別様に表示されることが可能である、任意の好適なタイプのデジタルコンテンツであることができ、テキスト、画像、ビデオ、オーディオ、またはそれらの任意の組み合わせを含むことができる。コンテンツ提示は、コンテンツ提示に暴露される、ユーザからの所望の応答を達成するために、任意の適切な目的のために使用されることができる。サーバシステム１１４は、例えば、１つまたはそれを上回る地理的場所において、１つまたはそれを上回るデータセンタ１１２で展開され得る、ソフトウェアコンポーネントと、データベースとを含むことができる。サーバシステム１１４のソフトウェアコンポーネントは、モデル開発モジュール１１６と、ユーザ応答予測モジュール１１８と、応答決定モジュール１２０とを含むことができる。ソフトウェアコンポーネントは、同一または異なる個々のデータ処理装置上で実行され得る、サブコンポーネントを含むことができる。サーバシステム１１４のデータベースは、例えば、ユーザ応答データデータベース１２２と、クライアントデバイスデータデータベース１２４とを含むことができる。データベースは、１つまたはそれを上回る物理的記憶システム内に常駐する、またはクラウドベースであることができる。ソフトウェアコンポーネントおよびデータは、下記にさらに説明されるであろう。

【0019】

図１に図示されるように、モデル開発モジュール１１６、ユーザ応答予測モジュール１１８、および応答決定モジュール１２０は、ユーザ応答データデータベース１２２およびクライアントデバイスデータデータベース１２４と通信することができる。ユーザ応答データデータベース１２２は、ユーザと関連付けられるデータ、応答コンテンツ提示に対するユーザ応答、ユーザ情報（例えば、年齢、性別、デバイス識別子等）、コンテンツ提示応答または入札履歴（例えば、パブリッシャ、カテゴリ、入札、印象、サンプリングされたオークション等）、ユーザ応答履歴（例えば、クリック、インストール、アプリ内購入、アプリ内収入、購入回数、コンテンツ提示相互作用（例えば、視聴完了）等）、コンテンツ提示実績メトリック（例えば、クリックスルーレート、アクションあたりコスト等）、インストールおよびインストール後イベント（例えば、アプリ内購入、コンテンツ提示収入等）、パブリッシャ情報（例えば、アプリケーション、カテゴリ等）、コンテンツ提示コンテキスト（例えば、その中でコンテンツ提示が表示された、コンテキストを反映させるためのＷｉ－Ｆｉ／セルラー）、コンテンツ提示および／またはコンテンツ提示に関連する情報、例えば、画像、ビデオ、音、テキスト、および同等物等を含むことができ、コンテンツ提示内に存在する特性または特徴の説明（例えば、コンテンツ提示のフォーマット）、コンテンツ提示配置情報、時間／日付（例えば、時刻、曜日、年間週番号等）、ユーザ地理的情報（例えば、国、領域、指定されるマーケティングエリア（ＤＭＡ）等）、および同等物を含むことができる。他のユーザ応答データも、可能性として考えられる。クライアントデバイスデータデータベース１２４は、例えば、クライアントデバイスモデル、キャリア、クライアントデバイスオペレーティングシステム、アプリ内イベント、クライアントデバイス特性（例えば、価格、ハードウェア、記憶装置等）、そのようなデータおよび／またはユーザ応答データデータベース１２２からのデータから計算される要約される統計、および同等物等、ユーザのクライアントデバイスに関連する情報または特性を含むことができる。他のクライアントデバイス情報または特性も、可能性として考えられる。

【0020】

ソフトウェアアプリケーションまたはそのコンポーネントは、クライアントデバイスＡ１０２、クライアントデバイスＢ１０４、クライアントデバイスＣ１０６、…、クライアントデバイスＮ１０８（Ｎは、任意の好適な自然数であることができる）等のユーザのクライアントデバイス上で実行されることができ、ネットワーク１１０（例えば、インターネット）を通して、アクセスし、かつアクセスされることができる。クライアントデバイスはそれぞれ、例えば、スマートフォン、タブレットコンピュータ、ラップトップコンピュータ、デスクトップまたはパーソナルコンピュータ、ゲーム用コンソール、セットトップボックス、スマートテレビ、または同等物等、ソフトウェアアプリケーションを実行し、ネットワーク１１０を通して、サーバシステム１１４と通信することが可能である、任意の適切なタイプの電子デバイスであることができる。他のクライアントデバイスも、可能性として考えられる。代替実施形態では、ユーザ応答データデータベース１２２、クライアントデバイスデータデータベース１２４、またはその任意の部分は、１つまたはそれを上回るクライアントデバイス上に記憶されることができる。加えて、または代替として、システム１００のためのソフトウェアコンポーネント（例えば、モデル開発モジュール１１６、ユーザ応答予測モジュール１１８、および／または応答決定モジュール１２０）またはその任意の部分は、１つまたはそれを上回るクライアントデバイス上に常駐する、またはその上で動作を実施するために使用されることができる。

【0021】

例えば、ウェブベースまたはモバイルアプリケーション（例えば、パブリッシャアプリ）等のソフトウェアアプリケーションは、（例えば、パブリッシャによって）エンドユーザアプリケーションとして提供され、ユーザが、サーバシステム１１４と相互作用することを可能にすることができる。加えて、好適なデジタルコンテンツ（例えば、コンテンツ提示）が、ユーザのクライアントデバイス上で実行されるソフトウェアアプリケーションを通して、またはそれとの関連付けにおいて、ユーザに表示されることができる。ソフトウェアアプリケーションは、例えば、エンターテインメント（例えば、ゲーム、音楽、ビデオ等）、ビジネス（例えば、ワード処理、会計、スプレッドシート等）、ニュース、天候、融資、スポーツ等を含む、多種多様な機能および情報に関連し、および／またはそれを提供することができる。ある実施形態では、ソフトウェアアプリケーションは、モバイルゲームを提供することができる。モバイルゲームは、例えば、スポーツゲーム、冒険ゲーム、仮想プレーカードゲーム、仮想ボードゲーム、パズルゲーム、レースゲーム、または任意の他の適切なタイプのモバイルゲームである、またはそれを含むことができる。ある実施形態では、モバイルゲームは、非同期競合的技能ベースのゲームであることができ、その中でプレーヤは、モバイルゲーム内で相互に対して競合することができるが、同時に、モバイルゲームをプレーする必要はない。代替実施形態では、モバイルゲームは、同期競合的技能ベースのゲームであることができ、その中でプレーヤは、同時に、モバイルゲームをプレーすることができ、リアルタイムで、モバイルゲーム内で相互に対して競合することができる。ある実施形態では、コンテンツ提示は、ソフトウェアアプリケーションの外側のクライアントデバイス上に提示され、ユーザが、例えば、コンテンツ提示上または内をクリックまたは選択することによって、コンテンツ提示と相互作用する、またはそれにエンゲージすることを可能にすることができる。加えて、または代替として、ソフトウェアアプリケーションは、コンテンツ提示をクライアントデバイス上のソフトウェアアプリケーション内に提示し、ユーザが、コンテンツ提示と相互作用する、またはそれにエンゲージすることを可能にするように構成されることができる。

【0022】

例示的実施形態によると、モデル開発モジュール１１６は、ユーザ応答予測モデルを開発し、コンテンツ提示に対するユーザ応答をリアルタイムで予測するために使用されることができる。実施形態では、任意の好適な予測機械学習モデルが、ユーザ応答をリアルタイムで予測するために適切に訓練および使用されることができる。本発明のいくつかの実装では、ベイズロジスティック回帰モデルが、モデル開発モジュール１１６によって、ユーザ応答予測モデルとして使用されることができる。ベイズロジスティック回帰は、新しいデータ点に関する成功の確率を自動的に算出し得る、確率論的モデルである。本発明のいくつかの実装では、モデル開発モジュール１１６は、１つまたはそれを上回るコンテンツ提示をユーザのクライアントデバイス上に表示することを所望する、単一エンティティ（例えば、広告主または同等物）またはエンティティのグループ（例えば、広告主または同等物のグループ）のためのモデルを構築することができる。モデル開発モジュール１１６は、事前に決定された数のカテゴリ特徴（例えば、５、１０、１５、または任意の好適な数）を特徴ベクトルの中に配列することができる。特徴ベクトル内のカテゴリ特徴は、任意の所望の順序において、特徴ベクトル内にカテゴリ化または記憶されることができる。特徴ベクトルは、ユーザ属性および／または他の属性等のカテゴリ特徴の組み合わせの数値表現を備えることができる。例えば、特徴ベクトルは、複数の数（例えば、整数）を含むことができ、各数は、異なるカテゴリ特徴を表す。特徴ベクトルは、特徴ベクトル内で捕捉される所望の数のカテゴリ特徴に応じて、任意の適切な長さであることができる。本発明のいくつかの実装では、ワンホットエンコーディングが、カテゴリ特徴のセット内の各または任意のカテゴリ特徴のための数値表現を計算する、変換する、または別様にマッピングするための特徴ベクトルの全てまたは一部のために使用されることができるが、他の好適なエンコーディング技法も、使用されることができる。例証目的のために、限定ではないが、長さまたは大きさＭ（Ｍは、任意の好適な自然数）を有する、特徴ベクトルは、特徴ベクトルのｍ番目の要素として、特定のパブリッシャアプリのカテゴリ特徴のための数値表現を含むことができる。パブリッシャアプリＡをワンホットエンコーディングするために、特徴ベクトルのｍ番目の要素が、「１」である場合、これは、パブリッシャアプリがＡであることを表すことができ、そうでなければ、ｍ番目の要素は、「０」である（すなわち、パブリッシャアプリは、Ａではない）。カテゴリ特徴の他の数値表現も、可能性として考えられる。例えば、数値表現は、種々のユーザ属性および／または特徴ベクトル内のカテゴリ特徴を構成する他の属性のタイプおよび特性と、そのようなカテゴリ特徴がワンホットエンコーディングまたは他の好適なエンコーディング技法によって数（例えば、整数）に変換またはマッピングされる方法とに依存し得る。例証目的のために、限定ではないが、カテゴリ特徴は、例えば、パブリッシャアプリ、国、時刻、曜日、Ｗｉ－Ｆｉ／セルラー、領域、ＤＭＡ、キャリア、デバイスＯＳ、広告フォーマット、アプリ内イベント、オークションストリーム履歴（例えば、パブリッシャおよびカテゴリ）、および同等物を含むことができる。他のカテゴリ特徴も、可能性として考えられ、ユースケースに依存するであろう。これらのカテゴリ特徴の全てまたはいずれかは、特徴ベクトル内の対応する数値表現（例えば、整数）にエンコーディング（例えば、ワンホットエンコーディング）および変換されることができる。本発明のいくつかの実装では、ユーザは、複数のグループまたはコホートに分裂され、情報利得を最大限にすることができる。例えば、１つまたはそれを上回る類似特性を伴う、ユーザは、第１のコホートにグループ化されることができる一方、他の類似特性を伴う、ユーザは、第２、第３、第４等のコホートにグループ化されることができる。任意の好適な数のコホートが、使用されることができ、コホートのそれぞれまたはいずれかは、例えば、ユースケース要件に基づいて、所望の制約を用いて、規定されることができる。

【0023】

本発明のいくつかの実装では、モデル開発モジュール１１６は、ベイズロジスティック回帰を使用して、方程式（１）に示されるように、特徴ベクトルｘのデータを前提として、加重係数ｗの分布を決定することができる。

【化1】

予測は、方程式（２）によって与えられることができる。

【化2】

式中、ｗは、方程式（１）における分布から引き出される（例えば、トンプソンサンプリングまたは同等物を使用して）。より具体的には、加重係数に関する事後確率は、方程式（３）におけるように表されることができる。

【化3】

式中、

【化4】

であって、「Ｂｅｒｎ」は、ベルヌーイ尤度関数を表す。方程式（３）では、ｍ_０およびｑ_０は、それぞれ、各加重の平均および精度に関する以前の知識を反映させることができる。モデル開発モジュール１１６は、データを前提として、ｗの可能性が最も高い値を決定することができ、これは、方程式（４）に従って、最大事後確率（ＭＡＰ）推定値と称され得る。

【化5】

モデル開発モジュール１１６は、次いで、ラプラス近似を適用し、方程式（５）に従って、各加重の事後確率精度を推定することができる。

【化6】

本発明のいくつかの実装では、モデル開発モジュール１１６によって構築される、予測モデルは、好適なデータ上で訓練され（例えば、例えば、ミニバッチ限定メモリブロイデン・フレッチャー・ゴールドファーブ・シャンノ法（Ｌ－ＢＦＧＳ）または同等物等の好適なオプティマイザを使用して）、次いで、サーバシステム１１４によって受信されるにつれて、周期的に、インクリメントデータで更新されることができる。ある実施形態では、アプリ埋込が、予測を類似クライアントデバイス上の類似アプリ（ソフトウェアアプリケーション）にも拡張させるために、クライアントデバイス上での同時発生に基づいて、アプリをベクトル化するために使用されることができる。

【0024】

他の好適な予測モデルも、使用されることができる。例えば、予測モデルは、例えば、１つまたはそれを上回る方程式（例えば、回帰方程式または同等物）および／または分類子である、またはそれを含むことができる。いくつかの実施形態では、予測モデルは、リッジ、ラッソ、エラスティックネット、適応ラッソ、グループラッソ、ランダム化ラッソ、および／または他の適切な回帰モデルである、またはそれを含むことができる。加えて、または代替として、予測モデルは、例えば、１つまたはそれを上回る線形分類子（例えば、フィッシャーの線形判別、ロジスティック回帰、単純ベイズ分類子、および／またはパーセプトロン）、サポートベクターマシン（例えば、最小二乗法サポートベクターマシン）、二次分類子、カーネル推定モデル（例えば、ｋ－最近傍）、ブースティング（メタアルゴリズム）モデル、決定木（例えば、ランダムフォレスト、勾配ブースティングツリー）、ニューラルネットワーク、および／または学習ベクトル量子化モデル等の分類子等である、またはそれを含むことができる。

【0025】

本発明のいくつかの実装では、モデル開発モジュール１１６は、付加的モデルを使用して、ベース予測モデル（例えば、ベイズロジスティック回帰モデル）をアンサンブルモデルとして補完または拡大させることができる。ある実施形態では、１つまたはそれを上回る付加的モデルからの予測は、好適には、ベース予測モデルによって発生された予測を改良または別様に精緻化するために、相互と、および／またはベース予測モデルによって発生された予測と組み合わせられることができる（例えば、乗算、平均化、中央値等を介して）。加えて、または代替として、１つまたはそれを上回る付加的モデルからの予測は、応答を提出すべきであるかどうかを決定する（例えば、１つまたはそれを上回る付加的モデルからの予測が、１つまたはそれを上回る事前に決定された、または調整可能閾値を上回るまたは下回るかどうかに基づいて）のためのフィルタとして使用されることができる。モデル開発モジュール１１６は、好適なフィルタモデルを使用して、あるシナリオにおけるトラフィックをフィルタリングすることができる（例えば、オーディエンス拡張、ルックアライクターゲティング等のために）。ある実施形態では、フィルタモデルは、自己相互情報量（ＰＭＩ）スコアに基づくことができ、ＰＭＩスコアは、２つのイベント間の相関または特徴とクラス（例えば、より大きいおよび／または異なるグループの特徴）との間の関連付けの測定値であることができる。ＰＭＩスコアは、２つのイベントが同時に生じる可能性の高低の程度の定量化された測定値を表すことができる。例えば、ＰＭＩスコアは、例えば、広告主の特定のカテゴリ内の複数の特徴およびコンバージョンのうちの１つまたはそれを上回るもの間の相関を表すことができる。ＰＭＩスコアは、２つのイベントがともに生じる確率と、２つのイベントが独立している場合に生じるであろう本確率を比較することができる。例えば、２つのイベントｘおよびｙに関する０のＰＭＩスコアは、特定のイベントｘおよびｙが統計的に独立することを表すことができる。正のＰＭＩスコアは、イベントｘおよびｙがそれらが独立イベントであった場合に予期されるであろうものより頻繁に同時に生じることを表すことができる。負のＰＭＩスコアは、イベントｘおよびｙが予期されるであろうものほど頻繁に同時に生じないことを表すことができる。本発明のいくつかの実装では、一対のイベントｘおよびｙに関するＰＭＩスコアは、方程式（６）に従って、計算されることができる。

【化7】

方程式（６）は、最大尤度推定値に基づくことができ、式中、ｐ（ｘ，ｙ）は、個々の確率ｐ（ｘ）およびｐ（ｙ）の積によって除算される、ランダム変数ｘおよびｙの結合確率であることができる。例えば、以下の情報は、本発明のいくつかの実装に従って決定されることができる。（ｉ）ｏ_ｘ、これは、イベントｘの観察の数であることができ、（ｉｉ）ｏ_ｙ、これは、イベントｙの観察の数であることができ、（ｉｉｉ）Ｎ、これは、観察のプールの総サイズであることができる。そのような情報を前提として、イベントｘおよびｙおよびｘおよびｙの同時発生に関する確率が、以下、すなわち、ｐ（ｘ）＝ｏ_ｘ／Ｎおよびｐ（ｙ）＝ｏ_ｙ／Ｎのように、方程式（６）を使用して決定されることができ、式中、ｐ（ｘ，ｙ）は、ｘおよびｙの観察される同時発生の数であることができる。例証目的のために、限定ではないが、ＰＭＩスコアは、ユーザのクライアントデバイス上のソフトウェアアプリケーション（例えば、パブリッシャアプリ）の存在と、ユーザがある広告主内でコンバージョンしたという事実との間で測定されることができる。その間で相関が決定され得る、イベントは、例えば、ユーザが、アプリＡを彼らのクライアントデバイス上に有するという事実が、ユーザがアプリＢ内で購入を行う、尤度を増加させる程度を含むことができる。ＰＭＩスコアによって測定されるような他のイベントの同時発生も、可能性として考えられる。加えて、または代替として、フィルタモデルは、適切な正の未標識分類子に基づくことができる。例えば、好適なモデルは、優良ユーザのリストおよび「平均」ユーザを区別するように訓練されることができる。予測は、それら自体では意味がなくあり得るが、そのような結果は、ユーザを資質別にランク付けするために使用されることができる。

【0026】

本発明のいくつかの実装では、オークションまたはオークション様プロセスに関する入札が、フィルタ確率が、事前に決定された、または調整可能閾値を充足させる（例えば、それを上回る、またはそれ未満である）場合、インストールベースの予測モデル（例えば、コンテンツ提示内で識別された製品をインストールする、ユーザの尤度を予測し得る、ベイズロジスティック回帰モデル）を使用して、行われることができる。ある実施形態では、閾値は、調整可能ハイパーパラメータであることができ、その値は、所与の広告キャンペーンまたは同等物に関するスケールと実績との間のトレードオフを制御するために使用されることができる。例えば、モデル開発モジュール１１６は、フィルタモデルを使用して、カテゴリレベル購入者尤度を予測することができる。カテゴリレベル購入者尤度は、ユーザが広告主または同等物の所与のカテゴリ内で購入者にコンバージョンするであろう、尤度を測定することができる。カテゴリレベル購入者尤度予測が、事前に決定された、または調整可能閾値（例えば、上記に議論されるような調整可能ハイパーパラメータ）を充足させる（例えば、それを上回る）場合、モデル開発モジュール１１６は、インストールベースの予測モデルを使用して、好適なユーザ応答予測を行うことができる。そうでなければ、ユーザ応答予測は、インストールベースの予測モデルを使用して、行われないであろう。他のフィルタモデルも、可能性として考えられる。

【0027】

代替実施形態では、モデル開発モジュール１１６は、例えば、第三者レベル効果（例えば、広告主レベル効果または同等物）を捕捉しながら、関連第三者（例えば、広告主または同等物）からのデータをプールするために、ベース予測モデルとして、アンサンブルモデルのための好適な階層モデルを使用することができる。例えば、モデル開発モジュール１１６は、上位レベル係数をそのようなモデルのより低いレベルのための初期値として使用して、マルチレベルベイズロジスティック回帰（ＢＬＲ）階層モデルを訓練することができる。本発明のいくつかの実装では、マルチレベルＢＬＲ階層モデルは、カテゴリレベル初期値と、アプリレベルモデルとを伴う、２層モデルであることができる。他の階層モデルも、可能性として考えられる。加えて、または代替として、モデル開発モジュール１１６は、ベース予測モデルとともに、アンサンブルモデルのための好適な乗法モデルを使用することができる。例えば、乗法モデルは、方程式（７）に従って、データを分解することができる。

【化8】

式中、Ｅ１は、「ピボット」イベントであることができる。モデル開発モジュール１１６は、ｐ（Ｅ｜Ｅ１）モデルを適切な未起因データ上で、およびｐ（Ｅ１｜ｉｍｐｒｅｓｓｉｏｎ）モデルを適切な起因データ上で訓練することができる。例えば、ｐ（ｉｎｓｔａｌｌ｜ｉｍｐｒｅｓｓｉｏｎ）モデルは、好適な起因データ上で訓練されることができる一方、ｐ（ｐｕｒｃｈａｓｅｒ｜ｉｎｓｔａｌｌ）モデルは、好適な未起因データ上で訓練されることができる。他の乗法モデルも、可能性として考えられる。例えば、起因データは、特定のエンティティのコンテンツ提示印象に起因されている、インストールおよびインストール後イベントであることができる。未起因または非起因データは、エンティティに起因しない、インストールおよびインストール後イベントであることができる（例えば、それらのいずれかが、別のユーザ入手チャネルに起因する、またはそれらが、オーガニックインストールである）。例えば、未起因または非起因データに関して、入手コンテキストに関する情報が存在しない場合があり、したがって、対応するモデルは、例えば、ユーザプロファイルに基づいて、構築されることができる。

【0028】

本発明のいくつかの実装では、モデル開発モジュール１１６は、０と１との間の確率論的値であり得る、予期される値ｐを発生させるための、予測モデル（例えば、ベイズロジスティック回帰モデル）を使用して、コンテンツ提示に対するユーザの応答（例えば、クリック、インストール、アプリ内購入等）を予測することができる。換言すると、予測される応答は、コンテンツ提示と相互作用する、ユーザの尤度を特性評価することができる。本発明のいくつかの実装では、予測される応答値は、加えて、または代替として、ユーザの下流コンバージョンの尤度（すなわち、コンテンツ提示と相互作用することに応答して、ある所望のアクションをとる、ユーザの尤度）を特性評価することができる。例えば、予期される値ｐは、コンテンツ提示に暴露された後、ユーザがコンバージョンする、確率を表すことができる。加えて、または代替として、予測モデルはまた、いくつかのユースケースでは、例えば、予期される購入頻度、予期されるアプリ内収入、および同等物等、持続的値を予測するために使用されることができる。実施形態では、ユーザ応答予測モジュール１１８は、モデル開発モジュール１１６からの予期される値ｐを使用して、コンテンツ提示の印象値を計算することができる。本発明のいくつかの実装では、ユーザ応答予測モジュール１１８は、コンテンツ提示に関するユーザ応答予測ｐが、好適な事前に決定された、または調整可能閾値を充足させる（例えば、５０％、６０％、７０％等である、またはそれを上回る）場合、コンテンツ提示の印象値を計算することができる。ある実施形態では、コンテンツ提示印象値は、コンテンツ提示印象をユーザに示す、または別様に表示することの、通貨（例えば、ドル）単位における値であることができる。換言すると、コンテンツ提示印象値は、コンテンツ提示をユーザに示すために支払われる意思がある、（金額値における）額を規定することができる。ユーザ応答予測ｐが、事前に決定された、または調整可能閾値を充足させない（例えば、それを下回る）場合、ユーザ応答予測モジュール１１８は、それに関してユーザ応答予測ｐが、事前に決定された、または調整可能閾値を充足させる（例えば、その値またはそれを上回る）、別の（代替）コンテンツ提示を選択することができる。本発明のいくつかの実装では、代替コンテンツ提示は、ユーザ応答予測ｐが、事前に決定された、または調整可能閾値を充足させない場合、選択（かつ応答が提供）されなくてもよい。

【0029】

ユーザ応答予測モジュール１１８は、要求（例えば、オークションプロセスまたは同等物の一部として、入札要求または同等物）をユーザのクライアントデバイスと関連付けられるコンテンツ提示エクスチェンジ１２６（例えば、アドエクスチェンジまたは同等物）から受信することができる（例えば、ネットワーク１１０を介して）。ユーザ応答予測モジュール１１８は、事前に決定されたサイズのｘの特徴ベクトル（例えば、５、１０、１５、または他の好適な数のカテゴリ特徴を含有する）を発生させるための要求から、または別様にそれと関連付けられる、コンテキスト（すなわち、複数のカテゴリ特徴）を抽出することができる。情報は、ユーザ応答データデータベース１２２および／またはクライアントデバイスデータデータベース１２４の一方または両方から読み出される、または別様に導出され得る、情報に加え、または代替として、要求自体から取得されることができる。例証目的のために、限定ではないが、特徴ベクトルｘは、例えば、パブリッシャ（例えば、アプリ、カテゴリ等）、配置、ユーザ（例えば、年齢、性別、デバイス識別子等）、時刻、曜日、年間週番号、地理的場所（例えば、国、領域、ＤＭＡ等）、および／または他の同様の情報等のカテゴリ特徴を含むことができる。他のカテゴリ特徴も、可能性として考えられ、特定のユースケースに依存するであろう。本発明のいくつかの実装では、カテゴリ特徴は、ワンホットエンコーディングされ、カテゴリ特徴を特徴ベクトルｘに関する数値表現に計算する、変換する、または別様にマッピングすることができる。特徴ベクトルｘは、モデル開発モジュール１１６に通過され、上記に記載されるように、事後確率加重分布に基づいて、予期される値ｐを発生させることができる。ユーザ応答予測モジュール１１８は、予期される値ｐをモデル開発モジュール１１６から受信することができる。ユーザ応答予測モジュール１１６はまた、標的値ｙ（例えば、クリック、インストール、エンゲージメント、購入、購入回数、収入、または同等物）を使用することができ、これは、ユーザ応答予測モジュール１１８によって、事前に決定または計算されることができる。本発明のいくつかの実装では、標的値ｙは、標的エンゲージメントあたりコスト（ＣＰＥ）であることができるが、他の標的値またはメトリックも、可能性として考えられる。ＣＰＥ価格は、コンテンツ提示（例えば、デジタル広告）がユーザによって彼らのクライアントデバイス上でエンゲージされるとき、支払われる、価格であることができる。故に、コンテンツ提示印象値ｖは、方程式（８）に従って、ユーザ応答予測モジュール１１８によって、計算されることができる。

【化9】

印象は、彼らのクライアントデバイス上でのユーザへのコンテンツ提示の視聴、表示、提示、または他の表面化である。コンテンツ提示印象値ｖは、コンテンツ提示印象の値であることができる。本発明のいくつかの実装では、コンテンツ提示印象値ｖは、要求に対する適切な応答（例えば、例えば、オークションプロセスまたは同等物の一部としての要求に応答した、入札価格の形態における入札値）を決定するために使用されることができる。

【0030】

ある実施形態では、ユーザ応答予測モジュール１１８によって計算される、コンテンツ提示印象値ｖと、特徴ベクトルｘとが、応答決定モジュール１２０に通過されることができる。応答決定モジュール１２０は、予期される利益Ｅ［ｖ－ｂ］を最大限にするために、応答または別様に入札する額または値（例えば、入札価格ｂ）を決定するために使用されることができる。ある実施形態では、応答決定モジュール１２０は、方程式（９）に従って、ある関数として、勝率ｗをモデル化することができる。

【化10】

その結果、応答決定モジュール１２０は、方程式（１０）に従って、応答値または入札価格ｂを計算することができる。

【化11】

応答値または入札価格ｂを計算する他の方法も、可能性として考えられる。応答決定モジュール１２０は、応答値または入札価格ｂを含み得る、オリジナル要求に対する応答（例えば、オークションプロセスまたは同等物における要求に対する入札応答）と、随意に、好適なコンテンツ提示（例えば、ユーザ応答データデータベース１２２から読み出される、または別様に発生される）とを発生させ、応答をコンテンツ提示エクスチェンジ１２６に伝送または別様に送信することができる（例えば、ネットワーク１１０を介して）。ある実施形態では、コンテンツ提示は、複数またはセットのコンテンツ提示から選択されることができる。本発明のいくつかの実装では、応答決定モジュール１２０は、好適なモデルまたは技法（例えば、多腕バンディットベータ／ベルヌーイバンディット、多変量バンディット、または同等物）を使用して、特徴ベクトルｘに基づいて、コンテンツ提示（例えば、最適コンテンツ提示）を選択することができる。ある実施形態では、コンテキストバンディットが、コンテンツ提示（例えば、最適コンテンツ提示）を決定するために使用されることができる。例えば、ベイズロジスティック回帰（ＬＲ）モデルまたは他の同様のモデルが、構築されることができる（例えば、モデル開発モジュール１１６を使用して）。ベイズＬＲモデルは、方程式（１１）に従って、好適な事後確率加重分布ｗ_ｉを識別することができる。

【化12】

例えば、ベイズＬＲモデルは、トンプソンサンプリングを使用することができ、これは、予測の間、事後確率加重分布に作用する、探索／活用技法である。好適な事後確率加重分布を識別するための他の技法も、可能性として考えられる。したがって、応答決定モジュール１２０は、リアルタイムで、ユーザ応答予測（および続いて計算されるコンテンツ提示印象値ｖ）と、特徴ベクトルｘとに基づいて、要求に対する応答（例えば、オークションプロセスまたは同等物における要求に応答した入札）を自動的に調節する、発生させる、決定する、または最適化する。

【0031】

図２は、クライアントデバイス上へのコンテンツ提示に関するリアルタイムユーザ応答予測のための例示的方法２００を図示する、ブロック図である。本発明のいくつかの実装では、方法２００は、コンテンツ提示エクスチェンジ１２６によって管理される、オークションまたは他の同様のプロセスの一部として実施されることができる。ブロック２０５では、ユーザ応答予測モジュール１１８は、要求（例えば、ネットワーク１１０を介して、コンテンツ提示エクスチェンジ１２６からのオークションまたはオークション様プロセスのための入札要求または同等物）を受信し、情報をユーザのクライアントデバイス上に表示することができる。ブロック２１０では、ユーザ応答予測モジュール１１８は、特徴ベクトルを発生させるための要求と関連付けられる複数の特徴を抽出することができる。例証目的のために、限定ではないが、特徴ベクトルは、例えば、パブリッシャ（例えば、アプリ、カテゴリ等）、配置、ユーザ（例えば、年齢、性別、デバイス識別子等）、時刻、曜日、年間週番号、地理的場所（例えば、国、領域、ＤＭＡ等）、および／または他の同様の情報等のカテゴリ特徴を含むことができるが、他の特徴も、可能性として考えられる。本発明のいくつかの実装では、カテゴリ特徴は、ワンホットエンコーディングされ、カテゴリ特徴を特徴ベクトルのための数値表現に計算する、変換する、または別様にマッピングすることができる。ブロック２１５では、ユーザ応答予測モジュール１１８は、特徴ベクトルに基づいて、ユーザのクライアントデバイス上に表示するためのコンテンツ提示を選択することができる。例えば、ユーザ応答予測モジュール１１８は、コンテンツ提示をユーザ応答データデータベース１２２から読み出すことができる。ブロック２２０では、モデル開発モジュール１１６は、予測モデルと、特徴ベクトルとを使用して、コンテンツ提示に対するユーザの予測される応答を発生させることができる。本発明のいくつかの実装では、予測モデルは、ベイズロジスティック回帰モデルまたは同等物であることができる。ブロック２２５では、ユーザ応答予測モジュール１１８は、予測される応答が、好適な（事前に決定された、または調整可能）閾値を充足させる（例えば、それを上回るまたはそれに等しい）かどうかを決定することができる。予測される応答が、（事前に決定された、または調整可能）閾値を充足させない（例えば、それを下回る）場合、ユーザ応答予測モジュール１１８は、ブロック２１５に戻り、代替コンテンツ提示を選択することができる。本発明のいくつかの実装では、方法２００は、予測される応答が、閾値を充足させない（例えば、それを下回る）場合、ブロック２２５で終了することができる（すなわち、ブロック２１５に戻らず、ブロック２３０にも進まない）。予測される応答が、閾値を充足させる（例えば、その値である、またはそれを上回る）場合、ブロック２３０では、ユーザ応答予測モジュール１１８は、予測される応答と、ユーザと関連付けられる標的値とを使用して、コンテンツ提示印象値を発生させることができる。ブロック２３５では、応答決定モジュール１２０は、コンテンツ提示印象値と、特徴ベクトルとに基づいて、要求に対する応答値を決定することができる。ブロック２４０では、応答決定モジュール１２０は、要求に応答して、応答値と、選択されたコンテンツ提示とを伝送することができる（例えば、ネットワーク１１０を介して、コンテンツ提示エクスチェンジ１２６に）。コンテンツ提示は、応答が承認される（例えば、オークションまたはオークション様プロセスの一部として、コンテンツ提示エクスチェンジ１２６によって承認される）と、ユーザのクライアントデバイス上に表示されることができる。

【0032】

図３は、クライアントデバイス上でのコンテンツ提示に対するユーザ応答を予測するための別の例示的方法３００を図示する、ブロック図である。実施形態では、ブロック３０２において、ユーザ応答予測モジュール１１８は、情報をユーザのクライアントデバイス上に表示するための要求（例えば、オークションまたはオークション様プロセスの一部としての、ネットワーク１１０を介した、コンテンツ提示エクスチェンジ１２６からの入札要求または同等物）を受信することができる。上記に述べられるように、ユーザのクライアントデバイス上に出力または表示される、情報は、デジタル広告、クリエイティブアセット等を含んでもよく、これは、テキスト、画像、ビデオ、オーディオ、および／または同等物を含んでもよい。さらに、そのような情報は、ユーザのクライアントデバイス上で実行される、ソフトウェアアプリケーションの外側またはその中に提示されてもよい。実施形態では、ブロック３０４において、ユーザ応答予測モジュール１１８は、要求と関連付けられる複数の特徴を抽出してもよい。これらの特徴は、ユーザを特性評価する、少なくとも１つの特徴と、クライアントデバイスを特性評価する、少なくとも１つの付加的特徴とを含んでもよい。上記に述べられるように、複数の特徴は、例えば、パブリッシャを特性評価するデータ、クライアントデバイスの画面上へのコンテンツ提示の配置の場所、例えば、年齢、性別等のユーザと関連付けられるデータ等の情報を含んでもよい。さらに、複数の特徴はまた、ユーザおよび／またはクライアントデバイスに特有の地理的場所を含んでもよい。ユーザを特性評価する、少なくとも１つの特徴は、年齢、性別等の情報に対応し得、クライアントデバイスを特性評価する、少なくとも１つの特徴は、クライアントデバイスを特性評価する、デバイス識別子または他の匹敵する情報を含んでもよい。

【0033】

実施形態では、ブロック３０６において、ユーザ応答予測モジュール１１８は、特徴ベクトルを発生させてもよい。特徴ベクトルは、特定のサイズのリストに対応し得、例えば、５、１０、または１５の特徴を含んでもよいが、任意の好適な数の特徴も、可能性として考えられる。上記に議論されるように、特徴ベクトルは、ユーザ属性および／または他の属性の組み合わせの数値表現であることができる。例えば、特徴ベクトルは、特徴ベクトル内で捕捉される所望の数の特徴に応じて、複数の数を含み、任意の適切な長さであることができる。本発明のいくつかの実装では、ワンホットエンコーディングが、特徴のセット内の各または任意の特徴の数値表現を計算するために、特徴ベクトルの全てまたは一部のために使用されることができる。実施形態では、ブロック３０４に関して上記に説明される、複数の特徴のうちの１つまたはそれを上回るものは、ブロック３０６で発生される、特徴ベクトルの一部として、記憶されてもよい。

【0034】

実施形態では、ブロック３０８において、モデル開発モジュール１１６は、コンテンツ提示、特に、すなわち、ユーザのクライアントデバイス上に表示され得る、コンテンツ提示に対するユーザの予測される応答値を発生させてもよい。予測される応答値は、予測モデルと、ブロック３０６で発生される、特徴ベクトルとを使用して、決定されてもよい。実施形態では、予測モデルは、ベイズロジスティック回帰モデルまたは同等物であってもよい。実施形態では、予測モデルは、モデル開発モジュール１１６によって、構築され、例えば、ミニバッチ限定メモリブロイデン・フレッチャー・ゴールドファーブ・シャンノ法（Ｌ－ＢＦＧＳ）または同等物を使用して、訓練されてもよい。代替として、実施形態では、予測モデルは、リッジ、ラッソ、エラスティックネット、適応ラッソ、グループラッソ、ランダム化ラッソ、および／または他の適切な回帰モデルを含んでもよい。加えて、または代替として、予測モデルは、例えば、１つまたはそれを上回る線形分類子（例えば、フィッシャーの線形判別、ロジスティック回帰、単純ベイズ分類子、および／またはパーセプトロン）、サポートベクターマシン（例えば、最小二乗法サポートベクターマシン）、二次分類子、カーネル推定モデル（例えば、ｋ－最近傍）、ブースティング（メタアルゴリズム）モデル、決定木（例えば、ランダムフォレスト、勾配ブースティングツリー）、ニューラルネットワーク、および／または学習ベクトル量子化モデル等の分類子である、またはそれを含むことができる。

【0035】

実施形態では、ブロック３１０において、コンテンツ提示印象値が、予測される応答値と、ユーザと関連付けられる標的値とを使用して、発生されてもよい。予測される応答値は、コンテンツ提示と相互作用する、ユーザの尤度を特性評価することができ、標的値は、ユーザとコンテンツ提示の相互作用のコストを特性評価することができることに留意されたい。さらに、コンテンツ提示印象値は、予測される応答値が、事前に決定された、または調整可能閾値を充足させるとき、発生されてもよいことに留意されたい。例えば、予測される応答値は、０～１に及ぶ、確率値の形態で表されてもよい。他の閾値および値範囲もまた、利用されてもよいことに留意されたい。さらに、標的値は、ユーザのクライアントデバイス上に表示される、ユーザとコンテンツ提示の相互作用のコストを表すことができる。上記に述べられるように、標的値は、ユーザとコンテンツ提示との間のエンゲージメントの特定の事例と関連付けられる、価格に対応してもよい。他のメトリックもまた、利用されてもよいことに留意されたい。

【0036】

実施形態では、ブロック３１２において、応答決定モジュール１２０は、コンテンツ提示印象値と、特徴ベクトルとに基づいて、応答値（すなわち、要求応答値）を決定してもよい。応答値（すなわち、要求応答値）は、コンテンツ提示をユーザのクライアントデバイス上に表示するための機会に関する入札額または入札価格に対応してもよいことに留意されたい。上記に議論されるように、そのような要求応答値は、下記に繰り返される、方程式（１０）を使用して、計算されてもよい。

【化13】

【0037】

最後に、ブロック３１４では、応答決定モジュール１２０は、ユーザのクライアントデバイス上での表示のために、要求応答値およびコンテンツ提示を伝送するように動作してもよい。例えば、コンテンツ提示は、要求応答値が、承認される（例えば、オークションまたはオークション様プロセスの一部として、コンテンツ提示エクスチェンジ１２６によって承認される）と、ユーザのクライアントデバイス上に表示されることができる。実施形態では、伝送は、無線で、または有線接続を介して、実装されてもよい。

【0038】

図４は、本実施形態による、本明細書に説明される動作のうちの１つまたはそれを上回るものを実施し得る、例示的コンピューティングデバイス４００のブロック図である。コンピューティングデバイス４００は、ＬＡＮ、イントラネット、エクストラネット、および／またはインターネット内の他のコンピューティングデバイスに接続されてもよい。コンピューティングデバイス４００は、クライアント－サーバネットワーク環境内のサーバ機械の容量内で、またはピアツーピアネットワーク環境内のクライアントの容量内で、動作してもよい。コンピューティングデバイス４００は、パーソナルコンピュータ（ＰＣ）、セットトップボックス（ＳＴＢ）、サーバ、ネットワークルータ、スイッチまたはブリッジ、またはその機械によってとられるアクションを規定する、命令のセットを実行する（シーケンシャルまたは別様に）ことが可能な任意の機械によって提供されてもよい。さらに、単一コンピューティングデバイス４００のみが、図示されるが、用語「コンピューティングデバイス」はまた、個々に、または、ともに、本明細書で議論される方法を実施するための命令のセット（または複数のセット）を実行する、コンピューティングデバイスの任意の集合を含むように捉えられるものとする。

【0039】

例示的コンピューティングデバイス４００は、コンピュータ処理デバイス４０２（例えば、汎用プロセッサ、ＡＳＩＣ等）と、メインメモリ４０４と、静的メモリ４０６（例えば、フラッシュメモリまたは同等物）と、データ記憶デバイス４０８とを含んでもよく、これは、バス４３０を介して、相互に通信してもよい。コンピュータ処理デバイス４０２は、マイクロプロセッサ、中央処理ユニット、または同等物等の１つまたはそれを上回る汎用処理デバイスによって提供されてもよい。例証的実施例では、コンピュータ処理デバイス４０２は、複合命令セットコンピューティング（ＣＩＳＣ）マイクロプロセッサ、縮小命令セットコンピューティング（ＲＩＳＣ）マイクロプロセッサ、超長命令語（ＶＬＩＷ）マイクロプロセッサ、または他の命令セットを実装するプロセッサまたは命令セットの組み合わせを実装するプロセッサを備えてもよい。コンピュータ処理デバイス４０２はまた、特定用途向け集積回路（ＡＳＩＣ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、デジタル信号プロセッサ（ＤＳＰ）、ネットワークプロセッサ、または同等物等の１つまたはそれを上回る特殊目的処理デバイスを備えてもよい。コンピュータ処理デバイス４０２は、本明細書で議論される動作およびステップを実施するために、本開示の１つまたはそれを上回る側面による、本明細書に説明される動作を実行するように構成されてもよい。

【0040】

コンピューティングデバイス４００はさらに、ネットワークインターフェースデバイス４１２を含んでもよく、これは、ネットワーク４１４と通信してもよい。データ記憶デバイス４０８は、機械可読記憶媒体４２８を含んでもよく、その上に、１つまたはそれを上回る命令のセット、例えば、本開示の１つまたはそれを上回る側面による、本明細書に説明される動作を行うための命令が記憶されてもよい。コア論理命令４２６を実装する、命令４１８はまた、その実行の間、コンピュータ可読媒体を同様に構成する、コンピューティングデバイス４００、メインメモリ４０４、およびコンピュータ処理デバイス４０２によって、完全にまたは少なくとも部分的に、メインメモリ４０４内および／またはコンピュータ処理デバイス４０２内に常駐してもよい。命令はさらに、ネットワークインターフェースデバイス４１２を介して、ネットワーク４１４を経由して、伝送または受信されてもよい。

【0041】

機械可読記憶媒体４２８は、単一媒体であるように例証的実施例に示されるが、用語「コンピュータ可読記憶媒体」は、１つまたはそれを上回る命令のセットを記憶する、単一媒体または複数の媒体（例えば、一元型または分散型データベースおよび／または関連付けられるキャッシュおよびサーバ）を含むものと捉えられるべきである。用語「コンピュータ可読記憶媒体」はまた、機械による実行のために、命令のセットを記憶、エンコーディング、または搬送することが可能であって、機械に本明細書に説明される方法を実施させる、任意の媒体を含むように捉えられるものとする。用語「コンピュータ可読記憶媒体」は、故に、限定ではないが、ソリッドステートメモリ、光学メディア、磁気媒体、および同等物を含むように捉えられるものとする。

【0042】

本開示に説明される主題および動作の実施形態は、デジタル電子回路網で、または本開示に開示される構造およびそれらの構造均等物を含む、コンピュータソフトウェア、ファームウェア、またはハードウェアで、またはそれらのうちの１つまたはそれを上回るものの組み合わせで、実装されることができる。本開示に説明される主題の実施形態は、１つまたはそれを上回るコンピュータプログラム、すなわち、データ処理装置による実行のために、またはその動作を制御するために、コンピュータ記憶媒体上にエンコードされる、コンピュータプログラム命令の１つまたはそれを上回るモジュールとして、実装されることができる。代替として、または加えて、プログラム命令は、人工的に発生される伝搬信号、例えば、データ処理装置による実行のために好適な受信機装置に伝送するための情報をエンコードするように発生される、機械で発生される電気、光学、または電磁信号上で、エンコードされることができる。コンピュータ記憶媒体は、コンピュータ可読記憶デバイス、コンピュータ可読記憶基板、ランダムまたはシリアルアクセスメモリアレイまたはデバイス、またはそれらのうちの１つまたはそれを上回るものの組み合わせである、またはその中に含まれることができる。また、コンピュータ記憶媒体は、伝搬信号ではないが、コンピュータ記憶媒体は、人工的に発生される伝搬信号でエンコードされる、コンピュータプログラム命令のソースまたは宛先であり得る。コンピュータ記憶媒体はまた、１つまたはそれを上回る別個の物理的コンポーネントまたは媒体（例えば、複数のＣＤ、ディスク、または他の記憶デバイス）である、またはそれに含まれることができる。

【0043】

本開示に説明される動作は、１つまたはそれを上回るコンピュータ可読記憶デバイス上に記憶される、または他のソースから受信されるデータ上でデータ処理装置によって実施される、動作として実装されることができる。

【0044】

用語「データ処理装置」は、実施例として、プログラマブルプロセッサ、コンピュータ処理デバイス、コンピュータ、チップ上のシステム、または前述の複数のものまたは組み合わせを含む、データを処理するためのあらゆる種類の装置、デバイス、および機械を包含する。コンピュータ処理デバイスは、特殊用途論理回路網、例えば、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）またはＡＳＩＣ（特定用途向け集積回路）、中央処理ユニット（ＣＰＵ）、マルチコアプロセッサ等を含み得る、１つまたはそれを上回るプロセッサを含むことができる。装置はまた、ハードウェアに加えて、当該コンピュータプログラムのための実行環境を生成するコード、例えば、プロセッサファームウェア、プロトコルスタック、データベース管理システム、オペレーティングシステム、クロスプラットフォームランタイム環境、仮想マシン、またはそれらのうちの１つまたはそれを上回るものの組み合わせを構成するコードを含むことができる。装置および実行環境は、ウェブサービス、分散コンピューティング、およびグリッドコンピューティングインフラストラクチャ等の種々の異なるコンピューティングモデルインフラストラクチャを実現することができる。

【0045】

コンピュータプログラム（プログラム、ソフトウェア、ソフトウェアアプリケーション、スクリプト、またはコードとしても公知である）は、コンパイラ型またはインタープリタ型言語、宣言型、手続型、または機能型言語を含む、任意の形態のプログラミング言語で書き込まれることができ、これは、独立型プログラムとして、またはコンピューティング環境内の使用のために好適なモジュール、コンポーネント、サブルーチン、オブジェクト、または他のユニットとしてを含む、任意の形態で展開されることができる。コンピュータプログラムは、ファイルシステム内のファイルに対応し得るが、その必要はない。プログラムは、他のプログラムまたはデータを保持するファイル（例えば、マークアップ言語リソース内に記憶された１つまたはそれを上回るスクリプト）の一部内に、当該プログラム専用の単一のファイル内に、または複数の協調ファイル（例えば、１つまたはそれを上回るモジュール、サブプログラム、またはコードの一部を記憶するファイル）内に記憶されることができる。コンピュータプログラムは、１つのコンピュータ上で、または１つの地点に位置し、または複数の地点を横断して分散され、通信ネットワークによって相互接続される複数のコンピュータ上で、実行されるように展開されることができる。

【0046】

本開示に説明されるプロセスおよび論理フローは、入力データに作用し、出力を発生させることによってアクションを実施するように、１つまたはそれを上回るコンピュータプログラムを実行する、１つまたはそれを上回るプログラマブルプロセッサによって、実施されることができる。プロセスおよび論理フローはまた、特殊用途論理回路網、例えば、ＦＰＧＡ（フィールドプログラマブルゲートアレイ）またはＡＳＩＣ（特定用途向け集積回路）によって、実施されることができ、装置もまた、それとして実装されることができる。

【0047】

コンピュータプログラムの実行のために好適なプロセッサは、実施例として、汎用および特殊用途マイクロプロセッサの両方、ならびに任意の種類のデジタルコンピュータのいずれか１つまたはそれを上回るプロセッサを含む。概して、プロセッサは、読取専用メモリまたはランダムアクセスメモリまたは両方から、命令およびデータを受信するであろう。コンピュータの不可欠な要素は、命令に従ってアクションを実施するためのプロセッサ、および命令ならびにデータを記憶するための１つまたはそれを上回るメモリデバイスである。概して、コンピュータはまた、データを記憶するための１つまたはそれを上回る大容量記憶デバイス、例えば、磁気ディスク、磁気光学ディスク、光ディスク、ソリッドステートデバイス、または同等物を含む、またはそこからデータを受信する、またはそこにデータを転送する、または両方を行うように、動作的に結合されるであろう。しかしながら、コンピュータは、そのようなデバイスを有する必要はない。また、コンピュータは、別のデバイス、例えば、ほんの数例を挙げると、スマートフォン、モバイルオーディオまたはメディアプレーヤ、ゲーム機、全地球測位システム（ＧＰＳ）受信機、またはポータブル記憶デバイス（例えば、ユニバーサルシリアルバス（ＵＳＢ）フラッシュドライブ）に埋設されることができる。コンピュータプログラム命令およびデータを記憶するために好適なデバイスは、実施例として、半導体メモリデバイス、例えば、ＥＰＲＯＭ、ＥＥＰＲＯＭ、およびフラッシュメモリデバイス、磁気ディスク、例えば、内部ハードディスクまたはリムーバブルディスク、磁気光学ディスク、およびＣＤ－ＲＯＭならびにＤＶＤ－ＲＯＭディスクを含む、あらゆる形態の不揮発性メモリ、媒体、およびメモリデバイスを含む。プロセッサおよびメモリは、特殊用途論理回路網によって補完される、またはそれに組み込まれることができる。

【0048】

ユーザとの相互作用を提供するために、本明細書に説明される主題の実施形態が、情報をユーザに表示するためのディスプレイデバイス、例えば、ＣＲＴ（陰極線管）、ＬＣＤ（液晶ディスプレイ）モニタ、発光ダイオード（ＬＥＤ）モニタ、または同等物と、それによってユーザが入力をコンピュータに提供し得る、キーボードおよびポインティングデバイス、例えば、マウス、トラックボール、タッチパッド、スタイラス、または同等物とを有する、コンピュータ上で実装されることができる。他の種類のデバイスも、同様にユーザとの相互作用を提供するために使用されることができ、例えば、ユーザに提供されるフィードバックは、任意の形態の感覚フィードバック、例えば、視覚フィードバック、聴覚フィードバック、または触覚フィードバックであり得、ユーザからの入力は、音響、発話、または触覚入力を含む、任意の形態で受信されることができる。他の可能性として考えられる入力デバイスは、タッチスクリーンまたは単一またはマルチポイント抵抗または容量トラックパッド等の他のタッチセンサ式デバイス、音声認識ハードウェアおよびソフトウェア、光学スキャナ、光学ポインタ、デジタル画像捕捉デバイスおよび関連付けられる解釈ソフトウェア、および同等物を含む。加えて、コンピュータは、ユーザによって使用されるデバイスにリソースを送信し、そこからリソースを受信することによって、例えば、ウェブブラウザから受信される要求に応答して、ウェブページをユーザのクライアントデバイス上のウェブブラウザに送信することによって、ユーザと相互作用することができる。

【0049】

本開示に説明される主題の実施形態は、例えば、データサーバとして、バックエンドコンポーネントを含む、またはミドルウェアコンポーネント、例えば、アプリケーションサーバを含む、またはフロントエンドコンポーネント、例えば、それを通してユーザが本明細書に開示される主題の実装と相互作用し得るグラフィカルユーザインターフェースまたはウェブブラウザを有する、クライアントコンピュータ、または１つまたはそれを上回るそのようなバックエンド、ミドルウェア、またはフロントエンドコンポーネントの任意の組み合わせを含む、コンピューティングシステムで実装されることができる。システムのコンポーネントは、任意の形態または媒体のデジタルデータ通信、例えば、通信ネットワークによって、相互接続されることができる。通信ネットワークの実施例は、ローカルエリアネットワーク（「ＬＡＮ」）および広域ネットワーク（「ＷＡＮ」）、インターネットワーク（例えば、インターネット）、ピアツーピアネットワーク（例えば、アドホックピアツーピアネットワーク）、および同等物を含む。

【0050】

コンピューティングシステムは、クライアントと、サーバとを含むことができる。クライアントおよびサーバは、概して、相互から遠隔にあり、典型的には、通信ネットワークを通して相互作用する。クライアントおよびサーバの関係は、個別のコンピュータ上で起動し、相互にクライアント－サーバ関係を有する、コンピュータプログラムにより、生じる。いくつかの実施形態では、サーバは、（例えば、クライアントデバイスと相互作用するユーザにデータを表示し、ユーザからユーザ入力を受信する目的のために）データ（例えば、ＨＴＭＬページ）をクライアントデバイスに伝送する。クライアントデバイスにおいて発生されるデータ（例えば、ユーザ相互作用の結果）が、サーバにおいてクライアントデバイスから受信されることができる。

【0051】

１つまたはそれを上回るコンピュータのシステムは、動作時、システムにアクションを実施させる、システム上にインストールされたソフトウェア、ファームウェア、ハードウェア、またはそれらの組み合わせを有することにより、特定の動作またはアクションを実施するように構成されることができる。１つまたはそれを上回るコンピュータプログラムは、データ処理装置によって実行されると、装置にアクションを実施させる、命令を含むことにより、特定の動作またはアクションを実施するように構成されることができる。

【0052】

本開示全体を通して、「一実施形態」または「ある実施形態」の言及は、特定の特徴、構造、または特性が、少なくとも一実施形態に含まれる、実施形態に関連して説明されることを意味する。したがって、本開示全体を通した種々の場所における語句「一実施形態では」または「ある実施形態では」の表出は、必ずしも、全て同一の実施形態を参照するわけではない。加えて、用語「または」は、排他的「または」ではなく、包含的「または」を意味するように意図される。

【0053】

本開示は、多くの具体的実装詳細を含有するが、これらは、任意の発明または請求され得るものの範囲への限定としてではなく、むしろ、特定の発明の特定の実施形態に特有の特徴の説明として解釈されるべきである。別個の実施形態の文脈において本開示に説明されるある特徴はまた、単一の実施形態において組み合わせて実装されることができる。逆に、単一の実施形態の文脈で説明される種々の特徴もまた、複数の実施形態において別個に、または任意の好適な副次的組み合わせで実装されることができる。また、特徴が、ある組み合わせにおいて作用するものとして上記に説明され、さらに、そのようなものとして最初に請求され得るが、請求される組み合わせからの１つまたはそれを上回る特徴が、ある場合では、その組み合わせから削除されることができ、請求される組み合わせは、副次的組み合わせまたは副次的組み合わせの変形例を対象とし得る。

【0054】

同様に、動作および／または論理フローは、特定の順序で図面に描写および／または本明細書に説明されるが、これは、望ましい結果を達成するために、そのような動作および／または論理フローが示される特定の順序で、または順次順序で実施される、または全ての図示される動作が実施されることを要求するものとして理解されるべきではない。ある状況では、マルチタスクおよび並列処理が、有利であり得る。また、上記に説明される実施形態における種々のシステムコンポーネントの分離が、全ての実施形態におけるそのような分離を要求するものとして理解されるべきではなく、説明されるプログラムコンポーネントおよびシステムが、概して、単一のソフトウェア製品においてともに統合される、または複数のソフトウェア製品にパッケージ化され得ることを理解されたい。

【0055】

したがって、主題の特定の実施形態が、説明されている。他の実施形態も、以下の請求項の範囲内である。ある場合には、請求項に列挙されるアクションは、異なる順序で実施され、依然として、望ましい結果を達成することができる。加えて、付随する図に描写されるプロセスは、望ましい結果を達成するために、必ずしも示される特定の順序または順次順序を要求するわけではない。ある実装では、マルチタスクおよび並列処理が、有利であり得る。

【0056】

単語「実施例」または「例示的」は、本明細書では、実施例、事例、または例証としての役割を果たすことを意味するために使用される。「実施例」または「例示的」として本明細書に説明される、任意の側面または設計は、必ずしも、他の側面または設計より好ましいまたは有利であるものとして解釈されるわけではない。むしろ、単語「実施例」または「例示的」の使用は、概念を具体的方式において提示するように意図される。本願で使用されるように、用語「または」は、排他的「または」ではなく、包含的「または」を意味するように意図される。すなわち、別様に規定されない、または文脈から明白ではない限り、「Ｘは、ＡまたはＢを含む」は、自然包含的順列のいずれかを意味するように意図される。すなわち、Ｘが、Ａを含む、Ｘが、Ｂを含む、またはＸが、ＡおよびＢの両方を含む場合、「Ｘは、ＡまたはＢを含む」は、前述のいずれかの事例下で充足される。加えて、本願および添付の請求項で使用されるような冠詞「ａ」および「ａｎ」は、概して、単数形を対象とすることが別様に規定されない、または文脈から明白ではない限り、「１つまたはそれを上回る」を意味するように解釈されるべきである。さらに、全体を通した用語「ある実施形態」または「一実施形態」または「ある実装」または「１つの実装」の使用は、そのように説明されない限り、同一実施形態または実装を意味することを意図するものではない。さらに、本明細書で使用されるような用語「第１」、「第２」、「第３」、「第４」等は、標識として異なる要素間で区別することを意味し、必ずしも、それらの数値指定に従った序数意味を有するとは限らない。

【0057】

上記の説明および請求項では、「～のうちの少なくとも１つ」または「～のうちの１つまたはそれを上回るもの」等の語句は、その後、要素または特徴の接続的リストが続くように生じ得る。用語「および／または」はまた、２つまたはそれを上回る要素または特徴のリスト内で生じ得る。別様に暗示的または明示的に、その中でそれが使用される文脈によって矛盾されない限り、そのような語句は、列挙された要素または特徴のいずれかを個々に、または他の列挙される要素または特徴のいずれかと組み合わせて、列挙される要素または特徴のいずれかを意味するように意図される。例えば、語句「ＡおよびＢのうちの少なくとも１つ」、「ＡおよびＢのうちの１つまたはそれを上回るもの」、および「Ａおよび／またはＢ」はそれぞれ、「Ａのみ、Ｂのみ、またはＡおよびＢをともに」を意味するように意図される。類似解釈はまた、３つまたはそれを上回るアイテムを含む、リストに関して意図される。例えば、語句「Ａ、Ｂ、およびＣのうちの少なくとも１つ」、「Ａ、Ｂ、およびＣのうちの１つまたはそれを上回るもの」、および「Ａ、Ｂ、および／またはＣ」はそれぞれ、「Ａのみ、Ｂのみ、Ｃのみ、ＡおよびＢをともに、ＡおよびＣをともに、ＢおよびＣをともに、またはＡおよびＢおよびＣをともに」を意味するように意図される。加えて、上記および請求項における用語「～に基づいて」の使用は、列挙されない特徴または要素もまた許容可能であるように、「少なくとも部分的に、～に基づいて」を意味するように意図される。

【0058】

本発明の例証される実装の上記の説明は、包括的であること、または本発明を開示される精密な形態に限定することを意図するものではない。本発明の具体的実装およびそれに関する実施例が、例証目的のために、本明細書に説明されるが、種々の均等物修正が、当業者が認識するであろうように、本発明の範囲内で可能性として考えられる。本明細書に説明される主題は、所望の構成に応じて、システム、装置、方法、および／または物品内に具現化されることができる。前述の説明に記載される実装は、本明細書に説明される主題と一致する、全ての実装を表すわけではない。代わりに、それらは、単に、説明される主題に関連する側面と一致する、いくつかの実施例にすぎない。いくつかの変形例が、上記に詳細に説明されているが、他の修正または追加も、可能性として考えられる。特に、さらなる特徴および／または変形例が、本明細書に記載されるものに加え、提供されることができる。例えば、上記に説明される実装は、開示される特徴の種々の組み合わせおよび副次的組み合わせおよび／または上記に開示されるいくつかのさらなる特徴の組み合わせおよび副次的組み合わせを対象とすることができる。他の実装も、以下の請求項の範囲内であり得る。

【図1】

【図2】

【図3】

【図4】

【国際調査報告】