リコメンデーション生成システム、装置、及び方法

专利摘要:
モバイルデバイスのユーザのためのリコメンデーションを生成するための方法が提供される。前記ユーザは、サービスプロバイダと関連づけられる。リコメンデーションの要求が入手される。前記ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータが前記サービスプロバイダから取り出される。前記取り出されたユーザデータの分析に基づいてリコメンデーションリストが生成される。前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される。
公开号:JP2011511968A
申请号:JP2010528043
申请日:2008-09-26
公开日:2011-04-14
发明作者:オドノーグ、ヒュー；クロウィー、シェイン；コリガン、シーン；ペガム、アンドリュー；リリーホワイト、カート・デイビッド
申请人:キシアム・テクノロジーズ・リミテッド；
IPC主号:G06Q30-00

专利说明:

[0001] ３５Ｕ．Ｓ．Ｃ．§１１９に基づく優先権の主張
本特許出願は、“RECOMMENDATION GENERATION SYSTEMS,APPARATUS, AND METHODS”（リコメンデーション生成システム、装置、及び方法）という題名を有し、ここの譲受人に譲渡され、ここにおいて参照されることによって明示でここに組み入れられている仮特許出願番号６０／９９７，５７０（出願日：２００７年１０月４日）に対する優先権を主張するものである。]
[0002] 本開示は、モバイル動作環境に関するものである。本開示は、より具体的には、モバイルデバイスキャリアのユーザへのリコメンデーション（ｒｅｃｏｍｍｅｎｄａｔｉｏｎ）を生成する改良された方法を提供することに関するものである。]
背景技術

[0003] 今日の遠距離通信産業においてはモバイルオペレータ又はモバイルデバイスキャリアが主要な役割を果たしている。当初は、該モバイルオペレータは、加入者基盤を拡大することによって収入を生み出すことに注力していた。しかしながら、現在では、幾つかの諸国においては、市場がほぼ飽和点に達しているため加入者基盤を拡大する範囲が非常に限定的になっていることが理解されるであろう。その結果、モバイルオペレータは、各自の収入を増大させることを目的として加入者に対して付加価値を提供することに拡大してきている。
増大した収入を生み出す１つの手段は、着信音、壁紙、ジャバゲーム等のプレミアムサービスをユーザに販売することである。これらのサービスは、モバイルオペレータ自身によって、又は該サービスを提供するためにモバイルオペレータと共同で事業を営む事業主体によって提供することができる。これらのサービスは、料金の支払いに応じてユーザのモバイルデバイスにダウンロードできるようにすることが可能である。]
[0004] 潜在的売上高の最大化、等の多くの利益は、ユーザにとって最も興味があると思われるコンテンツ又はサービスをこれらのユーザに推奨及び販売促進することに基づいて発生する。]
[0005] 以下は、１つ以上の側面についての基本的な理解を可能にすることを目的としてこれらの側面の単純化された概要を示すものである。この発明の概要は、すべての企図される側面を広範囲にわたって概説したものではなく、さらに全側面の主要な又は極めて重要な要素を特定すること及びいずれかの又はすべての側面の適用範囲を詳細に説明することのいずれも意図されていない。以下の説明の唯一の目的は、後述される発明を実施するための形態の準備段階として１つ以上の側面の幾つかの概念を単純な形で提示することである
上記の目的及び関連する目的を完遂させるために、前記１つ以上の側面は、以下において説明され、請求項において特に強調される特徴を備える。以下の説明及び添付図面は、前記１つ以上の側面のうちの一定の例示的側面を詳述するものである。しかしながら、これらの側面は、様々な側面の原理を採用することができる様々な方法のうちのほんのわずかを示すにすぎず、前記説明される側面は、これらのすべての側面及びその同等の側面を含むことが意図される。]
[0006] 一側面において、モバイルデバイスのユーザのためのリコメンデーションを生成するための方法が提供され、前記ユーザは、サービスプロバイダと関連づけられる。リコメンデーションの要求が受信される。前記ユーザと関連づけられたデータ及び前記ユーザが入手可能なコンテンツに関するデータが前記サービスプロバイダから取り出される。前記取り出されたユーザデータの分析に基づいてリコメンデーションリストが生成され、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される。]
[0007] 他の側面においては、命令を有するコンピュータによって読み取り可能な記憶媒体を有するコンピュータプログラム製品が提供される。少なくとも１つの命令は、リコメンデーションの要求を入手することをコンピュータに行わせる。少なくとも１つの命令は、前記ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータを前記サービスプロバイダから取り出すことをコンピュータに行わせる。少なくとも１つの命令は、前記取り出されたデータの分析に基づいてリコメンデーションリストを生成することをコンピュータに行わせ、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される。]
[0008] 追加の側面においては、モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムが提供され、前記ユーザは、サービスプロバイダと関連づけられる。リコメンデーションの要求を入手するための手段が提供される。前記ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータを前記サービスプロバイダから取り出すための手段が提供される。前記取り出されたデータの分析に基づいてリコメンデーションリストを生成するための手段が提供され、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される。]
[0009] 他の追加の側面においては、モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムが提供され、前記ユーザは、サービスプロバイダと関連づけられる。プロフィールモジュールは、前記ユーザと関連づけられたデータを格納及び処理する。カタログモジュールは、前記ユーザが入手可能なコンテンツを格納及び処理する。決定モジュールは、前記プロフィールモジュール及び前記カタログモジュールと通信し、前記プロフィールモジュール及びカタログモジュールから取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成し、前記リコメンデーションは、複数の個々のリコメンダモジュールによって生成される。]
[0010] さらなる側面においては、方法は、モバイルデバイスのユーザのための販売促進物（ｐｒｏｍｏｔｉｏｎｓ）を生成することを提供する。対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスされる。前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションが生成され及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成する。フィルタリング制限を適用することによって部分組のリコメンデーションが選択される。前記部分組のリコメンデーションは、前記複数のモバイルデバイスの少なくとも１つの部分組に送信される。]
[0011] 他のさらなる側面においては、少なくとも１つのプロセッサが、モバイルデバイスのユーザのための販売促進物を生成する。第１のモジュールは、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスする。第２のモジュールは、前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成する。第３のモジュールは、フィルタリング制限を適用することによって部分組のリコメンデーションを選択する。第４のモジュールは、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信する。]
[0012] さらなる追加の側面においては、コンピュータプログラム製品は、モバイルデバイスのユーザのための販売促進物を生成する。コンピュータによって読み取り可能な記憶媒体は、命令を備える。前記コンピュータによって読み取り可能な記憶媒体は、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスすることをコンピュータに行わせるための少なくとも１つの命令を含む。前記コンピュータによって読み取り可能な記憶媒体は、前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成すること及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成することを前記コンピュータに行わせるための少なくとも１つの命令をさらに含む。前記コンピュータによって読み取り可能な記憶媒体には、フィルタリング制限を適用することによって部分組のリコメンデーションを選択することを前記コンピュータに行わせるための少なくとも１つの命令がさらに含まれる。前記コンピュータによって読み取り可能な記憶媒体は、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信することを前記コンピュータに行わせるための少なくとも１つの命令をさらに含む。]
[0013] さらに他の追加の側面においては、装置は、モバイルデバイスのユーザのための販売促進物を生成する。対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスするための手段が提供される。前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成するための及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成するための手段が提供される。フィルタリング制限を適用することによって部分組のリコメンデーションを選択するための手段が提供される。前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信するための手段が提供される。]
[0014] さらなる側面においては、装置は、モバイルデバイスのユーザのための販売促進物を生成する。プロフィール格納用構成要素は、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データを含む。プロフィール及びリコメンデーションシステムは、アクセスされた属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、アクセスされた行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、フィルタリング制限を適用することによって部分組のリコメンデーションを選択する。ネットワーク通信モジュールは、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信する。]
図面の簡単な説明

[0015] 一側面による、移動通信ネットワークのプロファイリング及びリコメンデーションシステムのブロック図である。
一側面による、プロファイリング及び推奨する方法のタイミング図である。
一側面による、この開示のプロフィール及びリコメンデーションシステムを組み入れた無線通信システム例を示すブロック図である。
他の側面による、プロフィール及びリコメンデーションシステムとインタフェースするモバイルオペレータと関連づけられた構成要素のより詳細な図を示したプロフィール及びリコメンデーションシステムのブロック図である。
外部のネットワークエンティティと対話するプロファイリングのための方法に関するタイミング図である。
一側面による、プロファイリング及びリコメンデーションシステムによって生成されたカテゴリページと無線デバイスの例示的対話のための方法に関するタイミング図である。
一側面による、加入者の使用及び興味について詳細に理解することによってコンテンツのターゲットを正確に特定するための方法の流れ図である。
一側面による、カタログモジュールの主構成要素のブロック図を示す。
一側面による、プロフィールモジュールの主構成要素のブロック図を示す。
一側面による、決定モジュールにおけるリコメンデーション生成プロセスの４つの段階を示す略図及びリコメンデーションを生成するための方法の流れ図である。
さらに他の側面による、リコメンデーションを生成するための主動作を要約する方法の流れ図を示す。
さらに他の側面による、図１０の方法の副動作の方法の流れ図を示す。
さらに他の側面による、図１１の方法に関わる副動作の方法の流れ図を示す。
一側面による、リコメンダモジュールと決定コントローラとの間の関係のブロック図を示す。
一側面による、リコメンダ処理のための方法の流れ図を示す。
他の側面による、決定リコメンダにおける様々な機能呼び出しの略図例を示した図である。
一側面による、決定モジュールの主構成要素のブロック図を示す。
一側面による、ネットワークリコメンダの主構成要素のブロック図を示す。
一側面による、ネットワークリコメンデーションに関する流れ図を示す。
一側面による、決定モジュールが幾つかの異なる技法を用いてどのようにして性能要求を満たすかを示す略図である。
一側面による、販売促進モジュールの主構成要素のブロック図を示す。
他の側面による、販売促進モジュールによって実行される方法の流れ図を示す。
さらに他の側面による、図４のプロフィール及びリコメンデーションシステムのさらなるモジュールの詳細を示した図である。
一側面による、プロフィール及びリコメンデーションの方法の少なくとも一部を実行するための計算プラットフォームの流れ図を示す。
一側面による、プロフィール及びリコメンデーションの方法を実行するためのモジュールを有するネットワークデバイスを示した図である。] 図１０ 図１１ 図４
実施例

[0016] この開示の様々な側面が以下においてさらに説明される。ここにおける教示は非常に様々な形態で具現化できること及びここにおいて開示されるあらゆる特定の構造又は機能は単なる代表例であるにすぎないことが明確なはずである。ここにおける教示に基づき、当業者は、ここにおいて開示される側面はその他の側面と独立して実装できること及びこれらの側面のうちの２つ以上を様々な方法で結合できることを理解すべきである。例えば、ここにおいて説明される側面のうちのあらゆる数の側面を用いて装置を実装することができ又は方法を実践することができる。さらに、装置は、ここにおいて説明される側面のうちの１つ以上の側面に加えたその他の構造、機能、又は構造と機能又は前記側面以外の構造、機能、又は構造と機能を用いて実装することができ又は該方法を実践できる。一例として、ここにおいて説明される方法、デバイス、システム、装置の多くは、移動通信環境においてダイナミックモバイルクーポンを提供することに関して説明される。当業者は、その他の通信環境に対しても同様の技法を適用可能であることを理解すべきである。]
[0017] この開示において用いられる“コンテンツ”という用語は、デバイス上で提供、処理、又は実行することができるあらゆるタイプのアプリケーション、マルチメディアファイル、画像ファイル、エクセキュータブル、プログラム、ウェブページ、スクリプト、ドキュメント、プレゼンテーション、メッセージ、データ、メタデータ、又はその他のあらゆるタイプのメディア又は情報について説明するために用いられる。]
[0018] この開示において用いられる“構成要素”、“システム”、“モジュール”、等の用語は、ハードウェア、ソフトウェア、実行中のソフトウェア、ファームウェア、ミドルウェア、マイクロコード、又はその組み合わせ、のいずれであるかにかかわらず、コンピュータに関連するエンティティを指すことが意図される。例えば、構成要素は、限定されずに、プロセッサ上で実行中のプロセス、プロセッサ、オブジェクト、エクセキュータブル、実行スレッド、プログラム、又はコンピュータであることができる。プロセス又は実行スレッド内には１つ以上の構成要素が常駐することができ、構成要素は、１つのコンピュータ上に局在化する及び／又は２つ以上のコンピュータ間で分散させることができる。さらに、これらの構成要素は、様々なデータ構造が格納されている様々なコンピュータによって読み取り可能な媒体から実行可能である。これらの構成要素は、ローカル又は遠隔プロセスによって、例えば１つ以上のデータパケット（例えば、ローカルシステム又は分散型システム内の他の構成要素と対話中の又はインターネット等のネットワークを通じて信号を用いてその他のシステムと対話中の構成要素からのデータ）を有する信号に従って通信することができる。さらに、当業者によって理解されるように、ここにおいて説明されるシステムの構成要素は、それに関して説明される様々な側面、目標、利点、等を達成するのを容易にするために再配置すること又は追加の構成要素によって補完することができ、さらに、所定の図において示される精密な構成に限定されない。]
[0019] さらに、ここにおいて開示される側面と関係させて説明される様々な例示的な論理、論理ブロック、モジュール、及び回路は、ここにおいて説明される機能を果たすように設計された汎用プロセッサ、デジタル信号プロセッサ（ＤＳＰ）、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）、その他のプログラミング可能な論理デバイス、ディスクリートゲートロジック、ディスクリートトランジスタロジック、ディスクリートハードウェア構成要素、又はそのあらゆる適切な組合せ、とともに実装又は実行することが可能である。汎用プロセッサはマイクロプロセッサであることができるが、代替として、従来のどのようなプロセッサ、コントローラ、マイクロコントローラ、又はステートマシンであってもよい。プロセッサは、計算装置の組合せ、例えば、ＤＳＰと、１つのマイクロプロセッサとの組合せ、複数のマイクロプロセッサとの組合せ、ＤＳＰコアと関連する１つ以上のマイクロプロセッサとの組合せ、又はその他のあらゆる適切な構成との組合せ、として実装することも可能である。さらに、少なくとも１つのプロセッサは、ここにおいて説明される動作又は行動のうちの１つ以上を実行するために動作可能な１つ以上のモジュールを備えることが可能である。]
[0020] さらに、ここにおいては、様々な側面がモバイルデバイスと関係させて説明される。モバイルデバイスは、システム、加入者ユニット、加入者局、移動局、モバイル、モバイルデバイス、セルラーデバイス、マルチモードデバイス、遠隔局、遠隔端末、アクセス端末、ユーザ端末、ユーザーエージェント、ユーザーデバイス、ユーザ装置、等と呼ぶことも可能である。加入者局は、携帯電話、コードレスフォン、セッション開始プロトコル（ＳＩＰ）フォン、ワイヤレスローカルループ（ＷＬＬ）局、パーソナルデジタルアシスタント（ＰＤＡ）、無線接続能力を有するハンドヘルドデバイス、又は無線モデム又は処理デバイスとの無線通信を容易にする同様の機構（ｍｅｃｈａｎｉｓｍ）に接続されたその他の処理デバイスであることができる。]
[0021] さらに、ここにおいて説明される様々な側面又は特徴は、標準的なプログラミング又はエンジニアリング技法を用いて製造方法、製造装置、又は製造品として実装することができる。さらに、ここにおいて開示される側面と関係させて説明される方法又はアルゴリズムの動作又は行動は、直接ハードウェア内に、プロセッサによって実行されるソフトウェアモジュール内に、又はこれらの２つの組み合わせ内において具現化することが可能である。さらに、幾つかの側面においては、方法又はアルゴリズムの動作又は行動は、コンピュータプログラム製品内に組み入れることが可能な機械によって読み取り可能な媒体又はコンピュータによって読み取り可能な媒体上において符号又は命令の少なくとも１つの組として又は符号又は命令の組み合わせとして常駐可能である。さらに、ここにおいて用いられる“製造品”という表現は、コンピュータによって読み取り可能なデバイス、キャリヤ、又は媒体からアクセス可能なコンピュータプログラムを包含することが意図される。例えば、コンピュータによって読み取り可能な媒体は、限定されることなしに、磁気記憶装置（例えば、ハードディスク、フロッピー（登録商標）ディスク、磁気ストリップ）と、光学ディスク（例えば、コンパクトディスク（ＣＤ）、デジタルバーサタイルディスク（ＤＶＤ））と、スマートカードと、フラッシュメモリデバイス（例えば、カード、スティック、キードライブ）と、を含むことができる。さらに、ここにおいて説明される様々な記憶媒体は、情報を格納するための１つ以上のデバイス及び／又はその他の機械によって読み取り可能な媒体を表すことができる。“機械によって読み取り可能な媒体”という表現は、限定されることなしに、命令、又はデータを格納、内蔵、又は搬送することができる無線チャネル及び様々なその他の媒体を含むことができる。]
[0022] 上記に加えて、“典型的な”という表現は、ここでは、１つの例、事例、又は実例を意味するために用いられる。ここにおいて“典型的な”として説明されるいずれの側面又は設計も、その他の側面又は設計よりも好ましい又は有利であるとは必ずしも解釈すべきではない。むしろ、典型的という表現の使用は、概念を具体的に提示することが意図される。さらに、この出願及び添付される請求項において用いられる表現“又は”は、排他的“又は”ではなく包含的“又は”を意味することが意図される。すなわち、その他の規定がない限り、又は文脈から明らかでない限り、“Ｘは、Ａ又はＢを採用する”は、自然の包含的置換のうちのいずれかを意味することが意図される。すなわち、この例においては、ＸはＡを採用することが可能である、又はＸはＢを採用することが可能である、又はＸはＡ及びＢの両方を採用することが可能であり、従って、“Ｘは、Ａ又はＢを採用する”という文は、上記の事例のうちのいずれにおいても満たされる。さらに、この出願及び添付される請求項において用いられる冠詞“ａ”又は“ａｎ”は、概して、その他の規定がない限り又は単数形であることが示されることが文脈から明らかでない限り、“１つ以上”を意味すると解釈されるべきである。]
[0023] ここにおいて用いられる“推論する”又は“推論”という表現は、概して、システム、環境、又はユーザの状態をイベント又はデータを介して取得された一組の観察事項から推量するか又は推論するプロセスを指す。推論は、特定の状況又は行動を識別するために採用することができるか、又は例えば状態に関する確率分布を生成することができる。推論は、確率論的、すなわち、データ及びイベントの考慮に基づいた対象状態に関する確率分布の計算であることができる。推論は、より高いレベルのイベントを一組のイベント又はデータから組み立てるために採用される技法を指すこともできる。該推論の結果として、新しいイベント又は行動が一組の観察されたイベント又は格納されたイベントデータから構築されることになり、これらのイベントが時間的に接近した形で相互に関連しているかどうか、及びこれらのイベント及びデータが１つ又は幾つかのイベント及びデータ源からのものであるかどうかを問わない。]
[0024] 図１を参照して、これらの側面は、無線通信ネットワーク１４のモバイルオペレータ１２及びコンテンツプロバイダ１６として説明されるそのビジネスパートナーが、コンテンツ及びサービスの取り込み（ｕｐｔａｋｅ）を、加入者２０のモバイルデバイス１８として示される加入者基盤に対して事前に促進するのを可能にするプロフィール及びリコメンデーションシステム１０を提供する。一例においては、これは、モバイルデバイス１８への配信を目的として特定の加入者２０を対象として個別に好適化されたリコメンデーションリスト２１を生成することによって達成される。これらのリコメンデーションは、モバイルオペレータと関連づけられたポータルにおいて表示すること、又は例えばモバイルメッセージ送信によってモバイルデバイスに配信することが可能である。] 図１
[0025] 一側面により、格納されたプロフィールデータ２２は、属性データ２４又は行動データ２６を備える。属性リコメンダ２８及び行動リコメンダ３０として説明される対応する複数のリコメンダが、各々のデータ２４、２６を、コンテンツ３６のカタログインデックス３４のコンテンツ特徴相互参照３２と関連づける。リコメンダ２８、３０のからの暫定的リコメンデーションは、信頼度重み付け用構成要素３８によって割り当てられた信頼度レベルを有する。例えば、弱い又は強い関連性を決定することができる。他の例として、属性又は行動は、限られた出来事の推論的分析を通じて関連性が弱いと決定することができ又は明示の入力又は繰り返される行動を通じて関連性が強いと決定することができる。重みが付けられた暫定的リコメンデーションは、ソート用構成要素４０によってソートすることができる。]
[0026] ソート前又はソート後において、フィルタリング用構成要素４２は、不適切なリコメンデーションを回避するための除外４４を実装する。除外は、４６において示されるように加入者２０によって明示で指定する、例えば、拒否可能な一定のカテゴリのリコメンデーションを制限する、ことができる。除外は、４８において示されるように、モバイルオペレータ１２によって指定する、例えばコンテンツ（例えば、ＭＰ３メディアプレイヤを有するモバイルデバイスに適する音声ファイル）に適した計算プラットフォームターゲットを指定する、ことができる。除外は、５０において示されるように、プロフィールデータ２２から導き出す、例えば、本来であれば再度推奨されることになるコンテンツの購入又は加入者２０によって繰り返し無視されるリコメンデーションを追跡することも可能である。除外は、デバイス又はソフトウェアのコンフィギュレーション適合性情報５２を提供することによって、モバイルオペレータ１２であることができるコンテンツプロバイダ１６から引き出すことも可能である。それにより、推奨されたコンテンツを成功裏に使用できないモバイルデバイス１８が除外される。]
[0027] リコメンデーションは、加入者にとって最も興味があると思われるコンテンツ及びサービスを決定するために、モバイルオペレータが利用可能な加入者情報をオファーされるコンテンツ及びサービスと関係させて分析することによって生成される。特に、プロフィール及びリコメンデーションシステム１０は、個人メンバー又はグループメンバーとしての属性又は行動の評価に基づいて加入者２０が最も購入しやすいと決定されている時間にリコメンデーションを加入者２０に配信することも可能にする。プロフィール及びリコメンデーションシステムは、特定のコンテンツ又はサービスを加入者基盤に対して積極的に販売促進するのが望まれるときに販売促進物を生成するために好適である。]
[0028] 図２において、一側面による、モバイルデバイスにおいてオファーするためのコンテンツのプロファイリングされたリコメンデーションに関する方法５０が示される。ブロック５２において、入手可能なコンテンツがカタログ化されて特徴が説明される。ブロック５４において、ユーザ属性及び行動データが維持される。ブロック５６において、以前に属性が決定されたユーザとのピアツーピア（Ｐ２Ｐ）関係に基づいて該属性を有するユーザに関する関連づけを行うことができる。この間接的な関連づけは、明示の又は直接的な情報から行われる関連づけよりも低い重みを有することができる。ブロック５８において、ユーザは、グループ、例えば明示の入会、グループのためのポータルへの頻繁なアクセス、等と関連づけることができる。この関連づけられたグループは、特に関連づけられたユーザに関して不十分なデータが受信されている場合において、関連づけられたユーザに関して用いることが可能な属性及び行動データを有することが可能である。ブロック６０において、リコメンデーションの要求が受信される。ブロック６２において、加入者のための品目又は品目の対象となる加入者を入手するためのリコメンデーションの要求が各々の属性データごとに生成される。ブロック６４において、加入者のための品目又は品目の対象となる加入者を入手するためのリコメンデーションの要求が各々の行動データごとに生成される。リコメンデーションは、信頼度レベルを各々に割り当てることによって重みが付けられる（ブロック６６）。重みが付けられたリコメンデーションは、最高の部分組が配信できるようにソートされる（ブロック６７）。除外、例えば、以前の購入、追跡された以前のオファー、ユーザ設定（制限）、オペレータの指図、デバイス適合性／コンフィギュレーション、等にアクセスされる（ブロック６８）。ブロック７０において、適用可能な除外にアクセスすることによってリコメンデーションがフィルタリングされる。ブロック７２において、フィルタリング及びソートされたリコメンデーションが、モバイルデバイスでの提示を目的として送信される。ブロック７４において、リコメンデーションの提示及びユーザによる選択に関する確認が受信される。このデータを用いて追跡が更新される（ブロック７６）。] 図２
[0029] 今度は図３を参照して、一側面により、この開示のプロフィール及びリコメンデーションシステム１０１を組み込んだ典型的無線通信システム１００を示すブロック図が提供される。無線通信システム１００は、無線ネットワーク１０３を通じて基地局コントローラ（ＢＳＣ）１０４と通信する１つ以上の無線デバイス１０２を含むことができる。無線デバイス１０２は、あらゆる適切なタイプであることができ、例えば、ハンドヘルドＰＣ、ＰＤＡ、又は携帯電話を含む。基地局コントローラ１０４は、モバイルオペレータの通信インフラストラクチャ、例えばワイヤレスアプリケーションプロトコル（ＷＡＰ）ゲートウェイ１０５として示される無線ゲートウェイ、マルチメディアメッセージ交換センター（ＭＭＳＣ）１０６、及びショートメッセージ交換センター（ＳＭＳＣ）１０７と通信する。モバイルオペレータのシステムは、ポータルとして機能するように構成されたサーバ１０８も含む。] 図３
[0030] 一例においては、この開示のプロフィール及びリコメンデーションシステム１０１は、モバイルオペレータの通信インフラストラクチャと通信可能な形でリンクされる。一例においては、プロフィール及びリコメンデーションシステムは、以下においてさらに詳細に説明されるように、加入者基盤の統一図及び高度プロファイリング、及びインテリジェントリコメンデーションを提供することによって、モバイルオペレータ及び関連づけられたビジネスパートナーがサービスの取り込みを事前に促進するのを可能にする。]
[0031] 一側面により、図４は、この開示のモバイルオペレータ２０２及びプロフィール及びリコメンデーションシステム１０１と関連づけられた一定の構成要素間での対話を示したプロフィール及びリコメンデーションネットワーク２００の典型的ブロック図を示す。これらのシステムは、モバイルオペレータの通信インフラストラクチャ２０６内において直接統合することができ、又は代替として、モバイルオペレータと関連づけられたビジネスパートナーのシステムの一部であることができる。インフラストラクチャ２０６は、サービス及びコンテンツ情報用構成要素２０８と、加入者プロフィール情報ソース２１０と、管理者２１３によって用いられるリコメンデーションアプリケーション２１２と、を含むことが可能である。プロフィール及びリコメンデーションシステム１０１は、コンテンツ配信システム２１４とインタフェースし、コンテンツ配信システム２１４は、ＷＡＰゲートウェイ１０５と、ショートメッセージサービスセンター（ＳＭＳＣ）１０７と、マルチメディアメッセージ送信サービスセンター（ＭＭＳＣ）１０６と、を備えることが可能であり、及び無線デバイス１０２と通信する。コンテンツ配信システム２１４は、ＷＡＰゲートウェイ１０５、ＳＭＳＣ１０７、ＭＭＳＣ１０６等のネットワークシステムへの接続を介してコンテンツ配信能力を提供する。これは、プロフィール及びリコメンデーションシステム１０１がコンテンツ配信システム２１４と通信中の無線デバイス１０２のユーザ又は加入者２２２に対してあらゆるタイプのモバイルコンテンツ又はサービスを配信すること及び受信することを可能にする。この能力は、（例えば、ＳＭＳ、ＭＭＳ、ＷＡＰＰｕｓｈ、等を介して）販売促進情報を配信するためにプロフィール及びリコメンデーションシステム１０１が用いられる場合及びプロフィール及びリコメンデーションシステム１０１がコンテンツ配信完遂（例えば、和音着信音、壁紙、ゲーム、等）に関する責任を有する場合に実装可能である。] 図４
[0032] サービス及びコンテンツ情報用構成要素２０８は、プロフィール及びリコメンデーションシステム１０１が通信可能である外部プラットフォーム、例えば付加価値サービス（ＶＡＳ）又はポータル２２６、を備えることができる。一例においては、ＶＡＳプラットフォーム２２６との統合は、１つ以上の無線デバイス１０２のモバイル加入者２２２が入手可能なコンテンツの完全なカタログの作成を容易にすることができる。これは、プロフィール及びリコメンデーションシステム１０１がモバイルオペレータ又はそのパートナーによってオファーされた入手可能なコンテンツ又はサービスをよりインテリジェントに小売りするのを可能にする。ポータル２２６との統合は、ポータル２２６を用いるユーザ又は加入者２２２へのターゲットを特定した販売促進物の配信を可能にし、及びのちに加入者プロフィール情報ソース２１０から参照するためにこれらのユーザ又は加入者の行動に関する情報用構成要素２２８の取得（ｃａｐｔｕｒｅ）を可能にする。一例においては、加入者プロフィール情報２２８は、呼データ、性別、誕生日、以前の購入履歴、興味あり又は興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の位置、電話する頻度又はその他のメタデータのうちの１つ以上を含む。]
[0033] 図４は、一側面による、プロフィール及びリコメンデーションシステム１０１の例示的主構成要素の詳細をさらに示す。これらは、カタログモジュール２３０と、プロフィールモジュール２３２と、決定モジュール２３４と、販売促進モジュール２３６と、を含む。これらのモジュールの各々が以下おいてさらに詳細に説明される。カタログモジュール２３０は、プロフィール及びリコメンデーションシステム１０１を大量のコンテンツ又はサービス用のセントラルカタログとして利用するのを可能にする。このようにして、入手可能なコンテンツ／サービスのより詳細な全体像をその他のシステム（例えば、ポータル）に提供することができ、それにより、コンテンツ小売りプロセスのより良い管理を可能にする。] 図４
[0034] 一例により、集中された場所においてモバイルオペレータによって維持されるオペレータカタログ２３８は、オペレータによって提供される音声、データ、及びその他のサービスの完全なカタログを含むことができる。一例においては、カタログモジュール２３０は、モバイルオペレータのセントラルカタログ２３８において定義される商品ＩＤコード及び構造２４０を維持することが可能である。]
[0035] 使用上は、図５Ａにおいて示されるように、一例においては、プロファイリング及び推奨のための方法３００が、加入者プロフィール情報ソース３０２として示される外部のネットワークエンティティと対話する。他方、加入者プロフィール情報は、モバイルオペレータの既存の課金システム３０４及び顧客関係管理（ＣＲＭ）システム３０６と通信する。プロフィール及びリコメンデーションシステム３０８は、ユーザ又は加入者無線デバイス３１２へのコンテンツ配信に関する責任を有するときに課金統合を行う。] 図５Ａ
[0036] 図５Ｂにおいて示される他の側面においては、方法３５８は、無線デバイス３６０がプロフィール及びリコメンデーションシステム３６４によって生成されたカテゴリページ上のリコメンデーションを受信するために無線ゲートウェイ３６２にアクセスするのを示す。３６６において示されるように、無線デバイス３６０は、カテゴリページの閲覧を無線ゲートウェイ３６２に要求し、無線ゲートウェイ３６２は、３６８において示されるように、リコメンデーションの要求をプロフィール及びリコメンデーションシステム３６４に転送する。リコメンデーションは、３７０において示されるように、生成されて無線ゲートウェイ３６２に返信され、無線ゲートウェイ３６２は、３７２において示されるように、無線デバイス３６０においてカテゴリページ上にリコメンデーションを表示する。ユーザがカテゴリページにおいて推奨品目を選択するときに、３７４において示されるようにこの選択が無線ゲートウェイ３６２に通信される。無線ゲートウェイ３６２は、３７６において示されるようにブラウジング活動のフィードバックをプロフィール及びリコメンデーションシステム３６４に提供する。無線デバイス３６０のユーザは、３７８において示されるように無線ゲートウェイ３６２に通信されるカテゴリページの追加閲覧を要求することが可能である。３８０において示されるように、無線ゲートウェイ３６２は、カテゴリページに追加（ｐｏｐｕｌａｔｅ）するためのリコメンデーションを要求し、３８２において示されるように、最新のブラウジング活動を反映したカテゴリページのための新しいリコメンデーション、例えば、購入された又は指定されたスレショルド回数よりも多くオファーされた品目の削除又は選択された推奨品目に関連する品目の追加、によって応答される。] 図５Ｂ
[0037] 図５Ａを再度参照し、プロフィール及びリコメンデーションシステム３０８は、特定顧客課金システム３０４へのアプリケーションプログラミングインタフェース（ＡＰＩ）として１つの範囲の課金シナリオをサポートすることができる。無線デバイス３１２は、３２０において示されるようにリアルタイム情報要求を課金システム３０４に送信し、リアルタイムの残高照会を行うこと、購入イベント、例えば新規加入、を通知すること、及び販売促進用残高を利用することを可能にする（例えば、加入者は、新規契約の最初の３ヶ月間は、１ヶ月に２つのゲームを無料でダウンロードすることができる）。課金システム３０４は、３２４において示されるように、情報又はトランザクション確認を無線デバイス３１２に返信する。プロフィール及びリコメンデーションシステム３０８によって行われるこのＡＰＩがリアルタイムの性質を有することは、前払い加入者の残高が有効に管理されて収入漏れが最小化されるのを保証する。] 図５Ａ
[0038] 一例により、ブロック３２８において示されるように、プロフィール及びリコメンデーションシステム３０８は、課金目的で呼データ記録（ＣＤＲ）を生成する際に料金コードを用いることができ、これらの呼データ記録（ＣＤＲ）は、３３０において示されるように課金システム３０４に送信される。これらのコードは、ユーザによって定義され、コンテンツソースからの全コンテンツと関連づけることができる。一側面においては、このインタフェースによって複数のＣＤＲフォーマットの出力をサポートすることも可能である。基本料金コード情報に加えて、加入者の請求書に含めることが可能な実際のコンテンツに関する記述も含むことができる。それは、ゼロ又は特別のレーティングを有する販売促進情報用課金タグを管理することも可能である。一実装により、ブロック３３２において示されるように、プロフィール及びリコメンデーションシステム３０８は、実際のコンテンツ及びコンテンツを配信するために用いられる帯域幅に関する価格設定をモバイルオペレータが区別するのに役立つ決済データを処理することも可能であり、３３４において示されるように課金システム３０４に送信される。それは、モバイルオペレータがコンテンツプロバイダに対して負う金額を報告するために卸売価格と小売価格を区別することもできる。]
[0039] プロフィール及びリコメンデーションシステム３０８は、複数のエージェントがプロフィールモジュール２３２（図４）又はカタログモジュール２３０（図４）内にデータを送り込むのを可能にするためにさらに動作可能である。例えば、１つのエージェント３３６が３３８において示されるようにＣＲＭシステム３０６からユーザ又は加入者属性情報を受信するように及び他のエージェント３４０が３４２に示されるように課金システム３０４からユーザ又は加入者購入履歴を受信するように構成することが可能である。] 図４
[0040] リコメンデーションアプリケーション２１２は、プロフィール及びリコメンデーションシステム３０８が外部のアプリケーションとインタフェースできるようにするための手段を提供するために動作し、その外部のアプリケーションを通じて、プロフィール及びリコメンデーションシステム３０８の全側面、例えば販売促進、カタログ及びコンテンツの管理、を管理することが可能である。一側面においては、これは、管理者が利用可能なウェブに基づくユーザインタフェース（示されていない）であることができ、管理者は、モバイルオペレータの社員又は関連づけられたビジネスパートナー、例えばコンテンツパートナー、であることができる。このリコメンデーションアプリケーション３４４の多くの特徴は、以下においてプロフィール及びリコメンデーションシステム３０８の様々なモジュールを参照して説明されたときに理解されるであろう。]
[0041] 設定可能な期間において、３４６に示されるように、コンテンツカタログのバージョンが管理されたコピーをセントラルカタログ格納場所３４８にエクスポートすることができる。一側面により、ブロック３５０においてプロフィール及びリコメンデーションシステム３０８がセントラル商品カタログ内のコンテンツに関するデータを維持することは、３５２において示されるように、プロフィール及びリコメンデーションシステム３０８がカタログモジュール２３０のＸＭＬフォーマットをセントラルカタログ格納場所３４８にエクスポートするのを可能にする。このようにして、一例により、全詳細事項が保存され、コンテンツの再インデキシングに関する問題は生じない。]
[0042] 図６を参照して、一実装により、ユーザ又は加入者をプロファイリングするための方法４００は、（プロフィールモジュール２３２（図４）を通じて構築された）加入者の使用と興味及び詳細コンテンツカタログについて詳しく理解することを通じて容易になる。この詳細コンテンツカタログは、メタデータの定義を通じて可能になる。一例においては、カタログモジュール２３０（図４）は、モバイルオペレータ及び関連づけられたビジネスパートナー全体において入手可能な全コンテンツ又はサービスの一覧を作成するために動作する（ブロック４０２）。さらに、カタログモジュール３２０は、各デバイスによってサポートされるコンテンツ又はサービスを識別するために動作することができる（ブロック４０４）。カタログモジュール３２０は、コンテンツとサービスとの間の関係をさらに識別するために動作することができる（ブロック４０６）。さらに、カタログモジュールは、加入者セグメントを各コンテンツ又はサービスと関連づけるために動作することができる（ブロック４０８）。カタログモジュール２３０は、各コンテンツ又はサービスがいずれの加入者セグメントに当てはまるか、コンテンツ又はサービス間の関係、及びいずれのデバイスがコンテンツ又はサービス及び使用情報をサポートするかに関する詳細なターゲット特定情報（ブロック４１０）を結合するためにさらに動作する。] 図４ 図６
[0043] 一例により、カタログモジュール２３０は、基本となる一組のメタデータ定義を提供し（ブロック４１２）及び個々のコンテンツ又はサービスに関する追加の無限の範囲のメタデータを定義する（ブロック４１４）。コンテンツ又はサービス品目に関して定義されるメタデータ要素の範囲が広いほど、コンテンツ又はサービスを（資産グループに）分類することに関して及び多様な興味を有するユーザ又は加入者にコンテンツ又はサービスをマッピングすることに関して選択肢が多くなる。１つの制限しない例により、このメタデータは、特に、データ量、価格設定情報（小売り及び決済）。アダルト対象コンテンツ、販売促進タグ、コンテンツの場所（ローカルで又は遠隔において格納）を指定することができる。]
[0044] カタログモジュール２３０は、コンテンツ又はサービスメタデータが格納されている状況において、又はコンテンツ又はサービス自体（例えば、着信音、壁紙、等）の一部又は全部を追加で格納する場合に実装可能である。後者の場合は、ローカルで格納されているコンテンツに関する管理及び配信を行うために動作するコンテンツモジュールを配備することもできる（ブロック４１６）。コンテンツ自体は格納されない１つの典型的配備においては、カタログモジュール２３０は、コンテンツを見つけることができる場所への１つ以上のリンクを維持するために動作する（ブロック４１８）。いずれの場合も、コンテンツメタデータのタイムリーで正確な格納（ｐｏｐｕｌａｔｉｏｎ）は、プロフィール及びリコメンデーションシステム１０１のモジュール（図４）が有効に機能するのを可能にする。] 図４
[0045] 図７は、一側面による、カタログモジュール２３０の主構成要素のブロック図を示す。これらは、コンテンツグループ分類モジュール５０１と、検索モジュール５０２と、コンテンツ管理モジュール５０３と、コンテンツデータベースモジュール５０４と、コンテンツ取り込みモジュール５０５と、を備える。これらのモジュールの各々のモジュールの機能が以下においてさらに詳細に説明される。] 図７
[0046] 一側面においては、コンテンツグループ分類モジュール５０１は、資産グループ分類をポータルに提供することができる。資産グループ分類は、コンテンツのテーマ及びユーザ又は加入者の料金及びモバイルデバイス能力専用のページを構築するのを可能にする。カタログモジュール２３０は、複数のソース（例えば、フイルム、単一の資産グループ、等）からのすべてのコンテンツ又はサービスを自動的に統合することができる。他の例においては、ブリトニー・スピアーズの着信音が属する女性のポップ歌手に関する資産グループが存在することができる。さらに、同じ着信音が属するブリトニー・スピアーズに関する資産グループが存在することも可能であり、他方、同じ着信音が上位１０の着信音に関する資産グループに属することも可能である。資産グループの構築は、メタデータに関するグループ分類、及び１つのコンテンツが属する資産グループの範囲に基づく。一側面においては、コンテンツグループ分類モジュール５０１によるコンテンツ品目に関する資産グループの構築は、そのコンテンツ品目に関して定義されたメタデータタグ数によって制限することができる。]
[0047] 一側面により、検索モジュール５０２は、キーワードに基づくコンテンツ検索能力を提供する組み込み式検索エンジンを提供する。このエンジンは、コンテンツメタデータから検索インデックスを構築することによって機能する。検索を行うことができる正確なメタデータフィールドを構成することが可能である。例えば、検索モジュール５０２は、アーティスト、タイトル等の共通して用いられる検索フィールド及びコスト等のその他のフィールドを用いた検索を可能にする。検索インデックスは、設定可能な期間においてカタログデータから更新される。]
[0048] 一側面においては、モバイルデバイスの能力は、コンテンツのカテゴリとそのコンテンツをサポートするデバイスとの間における抽象的マッピングである。例えば、“ＭＭＳ３０Ｋ”のデバイス能力は、ＭＭＳメッセージを３０Ｋｂ限度までサポートするデバイスを追跡するために用いることが可能である。一実装においては、プロフィール及びリコメンデーションシステム１０１は、いずれのデバイス１０２がこの能力をサポートし、いずれのコンテンツ品目がこの能力を要求するかを追跡するために動作することができる。これで、特定のデバイスによってサポートされるコンテンツに関して検索モジュール５０２によってカタログモジュール２３０に照会することが可能である。一例においては、後者は、ポータルによって達成可能である。このようにして、ユーザ又は加入者には、それぞれのモバイルデバイスと適合しないコンテンツはオファーされない。さらに、“ＭＭＳ １００Ｋ”のデバイス能力が存在することも可能である。一例においては、デバイスは、両方の能力を有することが可能であり、最も適切な能力、この場合は１００Ｋバージョン、を優先することができる。一側面により、コンテンツ情報は、コンテンツ取り込みモジュール５０５によって取り出される。特定のユーザ又は加入者に関して情報を取り出し中であるときには、プロフィール及びリコメンデーションシステム１０１は、そのユーザ又は加入者のデバイスにとって最も適切なコンテンツを返信する。]
[0049] プロフィール及びリコメンデーションシステム１０１は、プロフィールモジュール２３２とともに配備されたときには、一定のカテゴリ内においていずれのコンテンツが最も人気があるかを追跡することができる。この情報は、“上位１０のゲーム”又は“上位１０のアーケードゲーム”等のカテゴリの生成のためにポータルに報告することが可能である。プロフィールモジュール２３２から使用情報を入手できない場合は、カタログモジュール２３０は、明示で指定されたコンテンツ人気度ランクを有することができる。これは、この情報を有する外部システムから入手することが可能であり、又は管理者２１３によって手作業で設定することが可能である。一例においては、カタログモジュール２３０のコンテンツは、コンテンツデータベースモジュール５０４に追加される。これは、入手可能なコンテンツ又はサービスの取り出しに関して、カタログモジュール２３０とサービス及びコンテンツ情報ブロック２０８（例えば、ポータル、等）との間の通信によって格納することができる。リコメンデーションアプリケーション２１２は、権限を付与されたユーザ（例えば、コンテンツプロバイダ）の形態の管理者２１３が、コンテンツプロバイダがコンテンツ管理モジュール５０３との通信によってカタログモジュール２３０に加えるコンテンツと関連づけられたメタデータを管理することを可能にする。一例により、コンテンツ更新の大量アップロードを可能にするＸＭＬＡＰＩも提供される。管理者２１３は、これらのインタフェースを通じて、コンテンツに関する情報、例えば、コンテンツの格納場所（例えば、ローカル、遠隔、等）、コンテンツプロバイダがコンテンツに関して請求する価格、等、を構築することができる。一例により、コンテンツプロバイダは、コンテンツプロバイダがモバイルオペレータ、ユーザ又は加入者へのコンテンツ又はサービスの料金を進んで割り引するための割引方法をコンテンツプロバイダが指定するのを可能にする基本的な販売促進物を構築することも可能である。インタフェースは、コンテンツの使用法及びコンテンツの配信状態、そして加入者の活動に関するリアルタイムの統計を提供することも可能である。]
[0050] カタログデータをコンテンツデータベースモジュール５０４にアップロードするときには、一例においては、カタログゾーンを指定することが可能である。指定された場合は、カタログゾーンは、カタログデータを異なるパーティションに分割するために用いられる。一例においては、カタログゾーンは、コンテンツの特定のサブセクションのためのリコメンデーションが返信されるようにコンテンツ品目を異なるエリア内に分割するために用いることが可能である。例えば、すべての音楽コンテンツソースにカタログゾーン“音楽”を割り当て、すべてのゲームコンテンツソースにカタログゾーン“ゲーム”を与えることが可能である。リコメンデーションを要求するときには、推奨された品目のみがそのカタログゾーンから返信されるようにするために特定のカタログゾーンを指定可能である（すなわち、“音楽”のカタログゾーンを指定することによって音楽に関するリコメンデーションのみを入手し又は“ゲーム”のカタログゾーンを指定することによってゲームに関するリコメンデーションのみを入手する）。一例においては、カタログゾーンを指定しないことは、全カタログゾーン（例えば、この例においては、“ゲーム”及び“音楽”）からリコメンデーションを返信することになる。]
[0051] 引き続き図４を参照して、プロフィールモジュール２３２は、例えば販売促進物及びサービスのターゲットを１対１で特定するのを可能にするために、ユーザ又は加入者のオンラインでの行動、セグメント化、興味、可能性のある支出パターン、デバイス、誕生日、記念日、ピークの使用期間、等をプロファイリングするためのアクティブな機構を提供する。プロフィールモジュール２３２は、決定モジュール２３４がそのインテリジェントなリコメンデーションを行うために要求されるデータを提供する。一例においては、プロフィールモジュール２３２に含まれるデータがより豊富であるほど及びより適切であるほど、リコメンデーションがより良くなる。] 図４
[0052] 他の側面においては、図８において、プロフィールモジュール２３２の主構成要素のブロック図は、プロフィールデータベースモジュール６０１と、プロフィール管理モジュール６０２と、プロフィールグループ分類モジュール６０３と、プロフィール取り込みモジュール６０４と、を備える。以下においてこれらのモジュールの各々のモジュールの機能がさらに詳細に説明される。] 図８
[0053] 一例により、デフォルト時には、プロフィールモジュール２３２は、実際の加入者属性（例えば、前払い又は後払い）及び購入履歴情報の両方の点で、ユーザ又は加入者に関する最も共通する詳細事項のうちの多くを取得するために要求されるメタデータを含むことが可能である。プロフィールモジュール２３２は、特定のニーズを満たすためにデフォルト加入者プロフィールデータモデルを簡単に拡大させる能力をさらに提供することができる。]
[0054] 引き続き図４及び図８を参照して、一例においては、管理者２１３は、プロフィール管理モジュール６０２と通信するリコメンデーションアプリケーション２１２によって、新しいメタデータフィールド、各々のデータタイプ、これらの新しいメタデータフィールドが自由な書式であるか又は固定リストからのフィールドであるか、及びこれらの新しいメタデータフィールドが必須のフィールドであるかどうかを定義することができる。これで、新しいメタデータは、プロフィールグループ、決定、プロフィールデータインポート及びエクスポート等のエリアにおいてデフォルトメタデータと同じように利用することができる。このようにして、管理者２１３は、管理者２１３が希望するシステムの使用方法及び既存のメタデータを有する外部システムからプロフィールデータをインポート／エクスポートするプロセスにより良く適するようにプロフィール情報を好適化することができる。] 図４ 図８
[0055] 図８を特に参照して、プロフィールグループ分類モジュール６０３は、プロフィールデータベースモジュール６０１に格納された情報に基づいてプロフィールグループを生成及び管理する機能をさらに提供する。一例においては、これらのグループは、共通の属性又は購入行動を有するユーザ又は加入者を備える。一例においては、グループは、次の機構のうちの１つ以上によって構築することが可能である。すなわち、（Ａ）加入者プロフィール情報ソース、例えばＣＲＭシステム、からユーザ又は加入者リストをインポートする。これは、手作業によるファイルインポートプロセスであることができ又は接続モジュールを介して自動化することができる、（Ｂ）特定のプロフィールメタデータ（例えば、全員が男性、前払い加入者、等）別にユーザ又は加入者をカテゴリ分類する、（Ｃ）システムの過去の使用を分析する（例えば、特定の１つのコンテンツ又は特定のカテゴリのコンテンツを購入したことがある、又は購入したことがない加入者）、及び（Ｄ）所有するデバイスのタイプ（例えば、ＭＭＳ対応デバイス、等）別に加入者をカテゴリ分類する。一例により、グループは、特定の期間に関して静的に定義することができ（例えば、２００４年１２月にゲームを購入したユーザ又は加入者、等）又は動的であることができる（例えば、先月に着信音を購入していないユーザ又は加入者、等）。] 図８
[0056] 引き続き図４を参照して、一例においては、プロフィールグループは次の方法で役立つことが可能である。すなわち、（Ａ）加入者がポータルサイトを訪れたときにいずれの加入者が特定のバナー広告を見るはずであるかを決定するために販売促進モジュール２３６がプロフィールグループを用いることができるオンライン販売促進。例えば、ＳＭＳアラート及びＭＭＳ対応モバイルデバイス１０２を有する全加入者を含む加入者グループを構築することが可能である。これは、これらのユーザ又は加入者２２２がポータルサイト２２６を次回に訪れたときにこれらのユーザ又は加入者２２２にＭＭＳアラートサービスをオファーするために用いられる、（Ｂ）販売促進モジュール２３６が、いずれのユーザ又は加入者２２２に対してＳＭＳ、ＭＭＳ、ＷＡＰＰｕｓｈ、等を介してアウトバウンド販売促進物を送信すべきかを決定するためにプロフィールグループを用いることができるアウトバウンド販売促進。例えば、“ＦＩＦＡ２００４”を購入したことがある全ユーザ又は加入者２２２を含む加入者グループを構築することが可能である。これは、“ＦＩＦＡ２００５”に関するアウトバウンド販売促進を実行するために用いられる、（Ｃ）集中型システム（例えば、ＣＲＭ又はデータ倉庫、等の加入者プロフィール情報ソース２１０）を更新するためにプロフィールグループの詳細を外部システムにエクスポートすることができ、従って、統合された加入者データベース（示されていない）を維持するプロセスを援助することが可能である、及び（Ｄ）プロフィールグループは、対象グループを実行するために販売促進キャンペーンと関係させて用いることができ、新しい販売促進物又はサービスに関する情報を受け取るユーザ又は加入者２２２を選択することが可能である。一例においては、販売促進モジュール２３６は、ユーザ又は加入者の選択又は除外を自動的に管理するために動作する。] 図４
[0057] 一例においては、１人の加入者ごとの接触回数のカウント及びユーザ又は加入者によって好まれる接触方法を維持することも可能である。一例により、後者は、規制上の理由で又はモバイルオペレータの顧客接触方針に基づいて要求されることがある。これは、特定の時間枠内に広範囲の興味を有するユーザ又は加入者に対して大量の販売促進物が送りつけられないようにするために用いることができる。好まれる接触方法を記録することは、積極的な応答を引き出すことが最も可能であると思われる方法でユーザ又は加入者に販売促進物が向けられるようにすることが可能である。]
[0058] 一側面により、プロフィールモジュール２３２の機能のうちの１つは、要求されたときに、のちにプロフィール取り込みモジュール６０４によって取り出すためにユーザ又は加入者属性及びその購入履歴をプロフィールデータベースモジュール６０１内に効率的に格納することである。一例においては、格納機構は、高性能のデータ更新及びデータアクセスを可能にする方法で大量のデータを格納することが可能であるように構成される。一側面においては、プロフィールデータを含む全プラットフォームデータの格納用のオラクルリレーショナルデータベースを用いることが可能である。他の例においては、ネイティブのオラクル接続ＡＰＩ（例えば、ジャバデータベース接続（ＪＤＢＣ）、オラクルコールインタフェース（ＯＣＩ）、等）を用いる専用の、ただし軽量の、データアクセス層がデータベースに効率的に接続する。一例においては、複数のデータベース接続を通じて動作を実行する、準備された構造化照会言語（ＳＱＬ）ステートメントを用いる、及びインテリジェントデータキャッシング、等の技法を用いることも可能である。データアクセス層は、プラットフォームのその他の部分からの特定の格納機構をカプセル化し、プロフィール機能を構築するためのクリーンなレベルを提供することができる。]
[0059] さらに、一例においては、プロフィールモジュール２３２の拡張可能なメタデータの特徴は、プロフィールデータベースモジュール６０１がこれらのメタデータ定義及びその関連づけられた値を管理可能であることを要求する場合がある。この能力は、あらゆるシステムエンティティを用いて新しいメタデータ属性を定義するのを可能にするメタデータログライブラリを介して提供することができる。一例においては、後者は、プロフィールモジュール２３２及びカタログモジュール２３０と関係させて用いられる。]
[0060] 一側面により、プロフィールデータは、外部システム（例えば、加入者プロフィール及び情報ソースブロック）から又はプロフィール及びリコメンデーションシステム１０１によって構築された情報から入手することができる。外部システムからのデータは、接続モジュール（図４に示されていない）を介してプロフィールデータベースモジュール６０１内に送り込むことができる。一側面においては、データは、ユーザ又は加入者属性と関連することができ及び入手可能な場合は使用情報を含むことができる。] 図４
[0061] 一実装においては、プロフィール及びリコメンデーションシステム１０１がプロフィール情報を独立して格納できる度合いは、配備されているモジュール及びこれらのモジュールが用いられている方法に依存することができる。例えば、コンテンツモジュールが一定のコンテンツ又はサービスを配信するために用いられる場合は、これらのサービスに関する使用情報をプロフィールデータベースモジュール６０１内に自動的に記録することができる。サービス及びコンテンツ情報ブロックがユーザ又は加入者の購入をプロフィール及びリコメンデーションシステム１０１に報告するような形でプロフィール及びリコメンデーションシステム１０１（図４）がサービス及びコンテンツ情報用構成要素２０８（例えば、ポータル２２６、等）と一体化されている場合は、該情報を記録することもできる。] 図４
[0062] 一例においては、プロフィールデータをプロフィールデータベースモジュール６０１にアップロードするときには、そのデータにプロフィールゾーンを割り当てることが可能である。指定された場合は、一例により、プロフィールゾーンは、ユーザ又は加入者のトランザクションデータを異なるパーティションに分割するために用いることができる。一例により、プロフィールゾーンは、特定のパーティションからのデータを用いてリコメンデーションが行われるように加入者トランザクションを異なるパーティションに分割するために用いることができる。例えば、２つのオペレータ（例えば、モバイルバーチャルネットワークオペレータ（ＭＶＮＯ）からのトランザクションデータがシステムにアップロードされた場合は、各オペレータからのトランザクションに異なるプロフィールゾーン値を与えることができる。]
[0063] 図９を参照して、一例により、リコメンデーション生成方法７００は、総合データ生成を含む準備（ブロック７０２）を行うオフライン段階Ｉを有する場合が説明される。次の３つのリアルタイムプロセスは、個人に関する選択を行う（ブロック７０４）段階ＩＩを含む。段階ＩＩＩは、洞察に基づくマーケティングのための重み付けを行う（ブロック７０６）。段階ＩＶは、規則に基づく提示のためのフィルタリングを行う（ブロック７０８）。] 図９
[0064] 引き続き図４及び８を参照して、段階Ｉ“準備”処理中に、決定モジュール２３４は、各プロフィールゾーンに関するデータを個々に生成し、及び全データを結合するデフォルトゾーンに関するデータを生成する。リコメンデーションを要求するときには、要求されたプロフィールゾーンは、ユーザインタフェース（ＵＩ）において選択すること又はＡＰＩ呼び出し時に指定することができる。プロフィール取り込みモジュール６０４によってリコメンデーションを要求するときにプロフィールゾーンが指定されない場合は、デフォルトゾーンからのデータを用いることが可能である。] 図４
[0065] 決定モジュール２３４は、ユーザ又は加入者に最良のオファーを推奨するために用いられる。一実装により、後者は、販売促進モジュール２３６と異なり、管理者２１３最良オファー選択機構は、固定された数の予め定義された販売促進物及び幾つかの予め決められたプロフィールグループを用いる。決定モジュール２３４を用いる一例により、手作業によるコンフィギュレーションなしに自動的に最適なオファーを生成することが可能である。]
[0066] 引き続き図４を参照して、決定モジュール２３４、及び加入者及び入手可能なコンテンツとデータサービスの統一図を利用することにより、個々のユーザ又は加入者に対する最適なコンテンツ又はサービスの直接的なインテリジェントなマッチングを行ことができ、使用中の無線デバイス１０２、ユーザ又は加入者に関する人口統計学的数字、以前の購入行動、ユーザ又は加入者の以前の購入行動とその他の類似の加入者の購買習性との関連性、利用可能資金、等の要因を考慮することができる。このユニークで広範な決定基準は、ユーザ又は加入者２２２に対して該当するコンテンツのみがオファー又は提示されるのを保証する。] 図４
[0067] 決定モジュール２３４は、リコメンデーションを生成するためにカタログモジュール２３０から入手可能な商品情報をプロフィールモジュール２３２から入手可能な加入者情報とともにさらに利用する。一側面により、これらのモジュールが入手可能な情報が多いほど、より良いリコメンデーションを決定モジュール２３４によって生成することができる。]
[0068] 一側面により、決定モジュール２３４は、適切で、興味深く、タイムリーなコンテンツ又はサービス及び販売促進物をユーザ又は加入者２２２に提示するためにカタログモジュール２３０及びプロフィールモジュール２３２によって収集された実質的にすべての情報を利用する。従って、決定モジュール２３４は、ユーザ又は加入者２２２がモバイルオペレータのコンテンツ又はサービスを用いるごとに実質的に自動的にモバイルオペレータが販売機会を確実に最大化することを可能にする自己学習能力を提供する。]
[0069] １つ以上の限定しない側面においては、決定モジュール２３４は、幾つかの使用ケースを有する。すなわち、（Ａ）加入者がポータルにアクセスし、プロフィール及びリコメンデーションシステム１０１が最適な販売促進物を提案するように依頼されたときにおける加入者のための（販売促進モジュール２３６によって定義された場合における）最良の販売促進物の選択、（Ｂ）１つのコンテンツが明示で生成された販売促進物によって選択される代わりにおける、ユーザ又は加入者のための（カタログモジュール２３０に格納された）コンテンツ又はサービスの選択。後者は、適切に記載されたカタログを入手可能であるときに管理者２１３が販売促進物を明示で生成する必要性をなくす、（Ｃ）販売促進物のターゲットとして特定すべき最良のユーザ又は加入者の選択。後者は、アウトバウンド販売促進のためにユーザ又は加入者のターゲットリストを選択するときに行われる。一例においては、決定モジュール２３４は、販売促進に対して積極的に応答すると決定モジュール２３４が最低の確実度を持って決定するユーザ又は加入者を特定することが可能である、（Ｄ）ユーザ又は加入者のグループに対して行うべき最良のオファーの選択であり、ここで、オファーされるべきコンテンツ又はサービスは、特定の販売促進物ではなくカタログモジュール２３０から選択される。一例においては、決定モジュール２３４は、ユーザ又は加入者２２２の特定されたグループから開始して、各ユーザ又は加入者２２２にオファーすべき最良のコンテンツ品目又はサービスをカタログモジュール２３０から特定し、肯定的な応答を導き出す確率が指定された最低値よりも高いコンテンツ品目を選択する、（Ｅ）既に購入済みの品目に基づいたコンテンツ又はサービスのクロスセリング。決定モジュール２３４は、加入者の最後の購入に関する情報を用いて、そのユーザ又は加入者２２２に同じく推奨されるべき他のコンテンツ品目又はサービスを識別することが可能である。コンテンツ又はサービスは、購入後すぐにポータルにおいて又は自動化されたアウトバウンド販売促進を介してユーザ又は加入者２２２に推奨することができる。]
[0070] 図９をさらに参照して、一側面により、決定モジュールにおけるリコメンデーション生成方法７００の４つの段階を示した概略図が提供される。４つの段階は、段階Ｉ−準備７０２、段階ＩＩ−選択７０４、段階ＩＩＩ−重み付け７０６、及び段階ＩＶ−フィルタリング７０８である。] 図９
[0071] 段階Ｉ（方法７００の準備部分７０２）中には、プロフィール及びリコメンデーションシステム１０１及びその関連づけられたビジネスパートナー内に蓄積されたデータが検討され（ブロック７１０）、一般的行動傾向、関連性、及びパターンが算定される（ブロック７１２）。一例においては、段階Ｉ準備方法７０２において、個々のレベルとは対照的に、総合レベルでのデータ蓄積が行われる（ブロック７１４）。段階Ｉ準備方法７０２は、オフライン／バックグラウンドプロセスにおいて定期的に実行することができる（ブロック７１６）。段階Ｉ７０２が実行される頻度は、データが更新される頻度に依存することができる。各決定リコメンダ（アルゴリズム）は自己の準備段階を有するため、決定リコメンダは、各リコメンダに合った頻度で実行するように好適化することができる。以下において、各決定リコメンダに関する追加情報が図１３乃至１６に関して提供される。１つの説明例により、それぞれのデータベースへの出力が行われる（ブロック７１８）。他の例により、データは、入力項目が引き出されたプロフィールモジュール及びカタログモジュール、それぞれ２３２及び２３０、内に蓄積することができる。当業者は、異なる側面においてはその他の適切なソースからデータを蓄積可能であることを理解すべきである。] 図１３
[0072] 方法７００の段階ＩＩ選択部分７０４中には、決定モジュール２３４は、個人に関する特定の情報（例えば、人口統計上の数字、過去の購入、選好、等）にアクセスすることが可能であり（ブロック７２０）、決定モジュールリコメンデーションアルゴリズムは、個々のユーザ又は加入者のためのリコメンデーションを選択する（ブロック７２２）。一例においては、決定モジュール２３４は、信頼度レベルによって順序が設定されたリコメンデーションから成る大きな（深い）リストを生成することが可能である（ブロック７２４）。]
[0073] 段階ＩＩＩ重み付け方法７０６中において、決定モジュール２３４は、ユーザ又は加入者に推奨される尤度の点で優先順位が設定される／解除されるべき品目を指定する能力を管理者２１３、コンテンツプロバイダ、又はモバイルオペレータに提供することができる（ブロック７２８）。１つの典型的使用例においては、特定の時点（例えば、クリスマス）に一定のコンテンツ又はサービスを販売促進すること又は一定の主要アーティストを販売促進するのが望ましいことがある（ブロック７３０）。段階ＩＩＩ７０６中には、次の段階に進む前に加入者のリコメンデーションリストの順序を変更するために重み付け情報が用いられる（ブロック７３２）。]
[0074] 段階ＩＶ−フィルタリング７０８中において、決定モジュール２３４は、段階ＩＩにおいて生成されたリコメンデーションリストを取り出し、過去の購入及びデバイス適合性に基づいてフィルタリングすることができ（ブロック７３３）、呼び出し側アプリケーションにおいてその結果が特定のコンテキストにとってより特定の結果になるようにする（ブロック７３４）。例えば、特定のアーティスト、コンテンツタイプ、ジャンル、又はコストに関するリコメンデーションのみを返信するのが望ましいことがある（ブロック７３６）。さらに、ユーザ又は加入者に対して既に一定の回数だけ推奨されている品目をフィルタリングして除外することも可能である（ブロック７３８）。一例により、フィルタリング基準は、ブロック７３４の前に生じることが説明されているＡＰＩ呼び出しの一部として呼び出し側アプリケーションによって規定される（ブロック７４０）。後続ブロック７３８として示されるように、システム全体のフィルタリング基準、例えば、いずれかの個人に対していずれかの品目を推奨すべき最大回数、を規定し（ブロック７４１）、その後に、加入者へのリコメンデーションのオファー数を将来カウントするためにリコメンデーションの追跡を更新するようにすることができる（ブロック７４２）。]
[0075] 一側面により、段階Ｉ７０２は個々の加入者レベルでは機能しない一方で、段階ＩＩ７０４、ＩＩＩ７０６、及びＩＶ７０８は、個々の加入者のデータを用いてターゲットが特定されたリコメンデーションを生成するため、段階ＩＩ７０４、ＩＩＩ７０６、及びＩＶ７０８は、個々の加入者レベルで機能する。すなわち、図８において示されるように、個々のユーザ又は加入者のプロフィールデータ７５２と、ユーザ又は加入者属性（例えば、年齢、セグメント、等）７５４と、ユーザ又は加入者の履歴情報（例えば、購入、等）とを備える格納されたプロフィールデータ７５０が利用される。プロフィールデータ７５０は、ユーザ／加入者入力／フィードバック７５８を備えることも可能である。さらに、決定モジュール２３４は、選好フィルタ７６０として示されるように、一定の特定加入者情報を利用して結果を自動的にフィルタリングすることができる。一例により、典型的フィルタ７６０は次のとおりである。すなわち、（Ａ）加入者のモバイルデバイスのメーカー及びモデル７６２−該情報が指定されたときには、決定モジュールは、加入者のデバイスにおいて動作可能なコンテンツ又はサービスのみが推奨されるように動作する、（Ｂ）以前の購入のブロック７６４−決定モジュール２３４は、加入者が既に購入済みである品目がその加入者に推奨されないように動作する、（Ｃ）以前の否定的なフィードバック７６６−決定モジュール２３４は、加入者が否定的なフィードバック／ランキング情報を既に与えている品目がその加入者に推奨されないようにするために動作する、（Ｄ）制限されたコンテンツ７６８−品目が制限品目であることを表示可能であり、該品目は加入者が該コンテンツ（例えば、アダルト用コンテンツ）を受信することを明示で選択していないかぎり該品目を推奨すべきでないことを意味する。決定モジュール２３４は、リコメンデーションを生成するときにリアルタイム情報を用いることが可能であることに注目すべきである。例えば、ユーザ又は加入者がポータルにおいて品目を購入するかブラウズする場合は、このことは、そのユーザ又は加入者に提示されるリコメンデーションに対して直ちに影響を及ぼすことが可能である。該例においては、該リアルタイムイベントは、プロフィールモジュール２３２ＡＰＩを介してではなく該当するＡＰＩ呼び出しを介してプロフィール及びリコメンデーションシステム１０１に供給することができる。代替として、プロフィールＡＰＩは、購入情報を送信することのみを目的として用いることができる。] 図８
[0076] 図１０は、一側面による、リコメンデーションを生成するためのプロセスフロー内における主動作を要約する方法８００を示す。８０２において、外部（呼び出し側）アプリケーションが、加入者のためのリコメンデーションをプロフィール及びリコメンデーションシステムに対して要求し、これは、コンテキスト又はその他のパラメータを渡すことを含むことができる。８０４において、特定の加入者と関連づけられた（以前に図９に関して説明された）準備段階中に蓄積されたデータが取り出される。８０６において、決定モジュールが、取り出されたデータに基づいて加入者のための複数のリコメンデーションを生成する。８０８において、加入者のための最終的リコメンデーションリストを提供するために、８０６において生成されたリコメンデーションが精選される。８１０において、この最終的リコメンデーションリストが外部のアプリケーションに返信される。一例においては、外部のアプリケーションは、オンラインで、ポータルを介して、アウトバウンドで、ＳＭＳ、ＭＭＳ、ＷＡＰプッシュメッセージを介して、又はいずれかの適切な機構を介してユーザ又は加入者への配信のための生成されたリコメンデーションをユーザ又は加入者のモバイルデバイスに渡すことができる。] 図１０ 図９
[0077] 図１１を参照して、一例により、図１０のプロセスフローの動作８０４乃至８０８の副動作をさらに含むプロセスフローを示す。９０２において、ユーザ又は加入者と関連づけられたデータモジュールからのデータが取り出され、ここで、データモジュールは、ユーザ又は加入者に関連する格納されたデータの定期検査から構築された。９０４において、このデータは、複数のリコメンデーションアルゴリズム内に入力され、これらのリコメンデーションアルゴリズムの各々は、加入者のためのリコメンデーションをリアルタイムで算定する。その結果得られたリコメンデーションが結合されて深いリコメンデーションリストが形成される。９０６において、深いリコメンデーションリストは、信頼度レベルによって順序が設定される。９０８において、リコメンデーションリストは、重み付け規則に基づいて順位が変更される。９１０において、順序が変更されたリストに対してさらなる処理が行われて最終的リコメンデーションリストが生成される。] 図１０ 図１１
[0078] 図１２は、一実装による、図１１の動作９１０に係る副動作のプロセスフローを示す。１００２において、重み付きリコメンデーションリストがフィルタリングされ、（段階ＩＶにおいて上述されるように）リコメンデーションを要求している外部アプリケーションのコンテキストにより近いリストにされる。１００４において、ユーザ又は加入者によって以前に購入されたことがあるコンテンツ又はサービスに関するリコメンデーションがフィルタリングされたリストから除外される。１００６において、ユーザ又は加入者のモバイルデバイスと適合しないリコメンデーションも除外される。このことは、特定のユーザ又は加入者に関する最終リストを確立する。図１２の動作１００２、１００４、及び１００６の順序は互換可能であることが注目されるべきである。以前に示され及び説明されたように、フィルタリングは、制限されたコンテンツ及び既に非常に多い回数だけ推奨されている品目もさらに包含することができる。] 図１１ 図１２
[0079] 上述されるように、一例により、決定モジュール２３４は、可能な限り実質的に最良のリコメンデーションを生成するために異なるアルゴリズムの組み合わせを用いることができる。複数のアルゴリズムを用いることは、決定モジュール２３４が入手可能なデータの品質及び数量に関して実質的に最適な技法を利用するのを可能にする。このようにして、決定モジュール２３４は、ほとんどすべてのシナリオにおいて適切なリコメンデーションを生成することができる。]
[0080] 一例においては、リコメンデーションを生成するために用いられるアルゴリズムは、決定コントローラ（ここでは、“決定リコメンダ”とも呼ばれる）によって制御される。例えば、一実装においては、決定コントローラは、リコメンデーションを生成するために５つの異なるアルゴリズムを用いるように構成することができる。これを行う際には、決定コントローラは、指定された順序で該当するサブルーチンを呼び出し、その後に生成されたリコメンデーションをソートするために動作する。]
[0081] 一例により、決定コントローラは、一定の期限内にリコメンデーションを返信するように構成することができる。例えば、決定コントローラに対して、特定のユーザ又は加入者のためのリコメンデーションを５０ミリ秒以内に生成するように要求することができる。一例においては、決定コントローラは、リコメンデーションの生成がこの例においては５０ミリ秒よりもかかっている場合はリコメンデーション生成プロセスを停止させるように構成することができる。許容された時間内に生成されたリコメンデーションは返信される。]
[0082] 一例により、図１３は、一側面による、関連づけ（関連づけ規則アルゴリズム）、比較（類似性アルゴリズム）、グループ分類（プロファイリングアルゴリズム）、追跡（人気コンテンツアルゴリズム）、及びネットワーク化（ソーシャルネットワーク化アルゴリズム）リコメンダアルゴリズムモジュール１１０４、１１０６、１１０８、１１１０、及び１１１２（ここでは、総じて“リコメンダモジュール１１１４”と呼ばれる）と決定コントローラ１１１６との間における関係のブロック図を示す。図１３に示される例においてわかるように、リコメンダモジュールである関連づけ、比較、グループ分類、追跡、及びネットワークリコメンダモジュール１１０４、１１０６、１１０８、１１１０、及び１１１２の各々は、取り出された加入者データを入力項目とし、これらのデータを処理してリコメンデーションリスト１１１８を生成する。各リストは、決定コントローラ１１１６に入力され、決定コントローラ１１１６はその結果を処理して最終的リコメンデーションリストを出力する。] 図１３
[0083] 一例においては、リコメンダモジュール１１１４は、データの前処理１１２２を含むことができる。前処理されたデータは、リコメンデーション生成時に用いることができる。この前処理段階は、毎日特定の時間に実行する、連続的に実行される、オフラインで１回実行される、等のように構成することができる。一例においては、この前処理段階は、データをクレンズ（ｃｌｅａｎｓｅ）、処理、及び構造化して、個々のリコメンデーション発見時間中に素早く及び正確に用いることができるフォーマットにする。]
[0084] 一例においては、リコメンダモジュール１１１４は、リコメンダモジュール１１１４の各々が推奨された品目に関してどの程度の信頼度を有するかを示す決定信頼度レベル（１乃至５）１１２４を返信するように構成することができる。一例においては、“５”の信頼度レベルで戻された品目は、非常に良いリコメンデーションであるとみなされ、信頼度レベル“１”を有するリコメンデーションは、不良リコメンデーションであるとみなされる。一実装により、リコメンダモジュール１１１４の各々は、内部点数である信頼度値をさらに有するように構成することができる。各リコメンデーションに関して、リコメンダモジュール１１１４は、この内部点数／信頼度値を用いて正規化された決定信頼度レベルを生成することができる。決定コントローラ１１１６は、リコメンダモジュール１１１４の各々によって返信された信頼度レベルを使用し、重み付け用構成要素１１２６、フィルタリング用構成要素１１２８、及びソート用構成要素１１３０を用いることによって各々のリコメンデーションをソートすることができる。]
[0085] 一例により、関連づけ、比較、グループ分類、追跡、及びネットワークリコメンダ１１０４、１１０６、１１０８、１１１０、及び１１１２は、以下において示されるように、機能Ａ、Ｂ、及びＣを提供する能力を有することができる。]
[0086] 図１４を参照して、リコメンダ処理方法１１４０は、機能Ａ、Ｂ、及びＣを提供することによって決定をサポートする。機能Ａは、ブロック１１４１において適用可能であると決定された加入者のための品目を見つけ出すことに関する。一例においては、リコメンデーションの要求を受信することとして説明されるが、リコメンダモジュール１１１４の各々は、個人の推奨された品目のリストを返信する機能を有するように構成することができる（ブロック１１４２）。機能呼び出しは、リコメンデーションパラメータの受信として説明されるが、制限することなしに、最低信頼度レベル、リコメンデーション数、等を含む幾つかのパラメータを採用することができる（ブロック１１４４）。結果は、信頼度レベルによって順序を設定することができる（ブロック１１４６）。一例においては、推奨される品目は、（モバイルデバイスに関する情報が提供されている場合は）その個人のモバイルデバイスと適合可能であるように構成され、個人によって購入済みの品目は含まない（ブロック１１４８）。] 図１４
[0087] 図１５に示されるように決定コントローラ１１１６内のこの個々のリコメンデーション機能１２００に関する典型的プロセスフローは、ポータルＡＰＩ１２０２が、ｇｅｔＲｅｃｏｍｍｅｎｄａｔｉｏｎｓ呼び出しを用いて決定アクセスマネージャ（ＤＡＭ）１２０４を呼び出し及びユーザ又は加入者、最大リコメンデーション数、最低信頼度レベル、カタログゾーン、プロフィールゾーン、モバイルデバイス、カスタム属性含有フィルタ、等を指定することを含むことができる。ＤＡＭ１２０４は、決定コントローラ１１１６を呼び出してユーザ／加入者識別、リコメンデーション数、最低信頼度レベル、カタログゾーン、プロフィールゾーン、モバイルデバイス、カスタム属性含有フィルタ、等を渡すことができる。決定コントローラ１１１６は、加入者情報、リコメンデーション数、及び最低信頼度レベルを用いてリコメンダモジュール１１１４の各々を呼び出す。その後、リコメンダモジュール１１１４の各々は、自己のリコメンデーションが既に推奨品目リストに存在済みでなく及び最低信頼度よりも上に定義されている場合にこれらのリコメンデーションを推奨品目リストに加える。次に、決定コントローラ１１１６は、リストをソートし、カタログゾーン、制限コンテンツ、デバイス及カスタム属性含有フィルタ、等によってリストをフィルタリングする。一例においては、要求された“リコメンデーション数”のみがＤＡＭ１２０４に返信される。引き続き、ＤＡＭ１２０４は、例えばリスト内の全コンテンツ品目をｘｍｌに変換して呼者に返信することができる。] 図１５
[0088] 図１４に戻り、方法１１４０は、ブロック１１４９において適用可能であると決定された、所定の品目の対象となる加入者（所定の品目を推奨すべき最良の加入者）を見つけ出すことに関する機能Ｂをさらにサポートする。すなわち、リコメンダモジュール１１１４の各々は、品目が推奨されるべきユーザ又は加入者のリストを返信する機能を有するように構成される（ブロック１１５０）。一例においては、呼び出しは、最低信頼度等の幾つかのパラメータを要する（ブロック１１５２）。結果は、信頼度レベルによって順序が設定される（ブロック１１５４）。次に、推奨された加入者は、デバイスの適合性に従ってフィルタリングされる（ブロック１１５６）。] 図１４
[0089] 一例においては、決定コントローラ１１１６内における図１５に示されるこの機能に関するプロセスフローは、グラフィカルユーザインタフェース（ＧＵＩ）１２０６がｇｅｔＳｕｂｓｃｒｉｂｅｒｓＦｏｒＩｔｅｍ呼び出しを用いて決定コントローラ１１１６を呼び出すことと、品目、最大加入者数、最低信頼度、カタログゾーン、プロフィールゾーン、等を指定すること、とを含む。決定コントローラ１１１６は、ユーザ又は加入者の数、品目、最低信頼度レベル、カタログゾーン及びプロフィールゾーンを用いてリコメンダモジュール１１１４の各々を呼び出す。追跡リコメンダ１１１０以外のリコメンダモジュール１１１４の各々は、加入者が推奨加入者リストにまだ存在しない場合はその加入者をリストに加えることができる。全リコメンダモジュール１１１４を呼び出し後は、リストがソートされ、要求された“加入者数”のみがＧＵＩ１２０６に返信される。] 図１５
[0090] 図１４に戻り、方法１１４０は、ブロック１１５７において適用可能であるとして説明される購入後に関する機能Ｃをさらに提供する。すなわち、リコメンダモジュール１１１４の各々は、加入者が購入済みである以前の品目に基づいて加入者のための推奨されるコンテンツ又はサービスを返信する機能を含むように構成することができる（ブロック１１５８）。１つの例示的実装においては、購入後リコメンデーションは、購入されたばかりの品目に基づくリコメンデーション、例えば、通常はいっしょに購入される付属品又は消耗品の提案、である。呼び出しは、品目、最低信頼度レベル、リコメンデーション数、等を含む幾つかのパラメータを採用することができる（ブロック１１６０）。結果は、信頼度レベルによって順序を設定することができる（ブロック１１６２）。推奨される品目は、個人のモバイルデバイス（提供された場合）と適合可能になり、個人によって既に購入済みでないことになる（ブロック１１６４）。] 図１４
[0091] 一例により、決定コントローラ１１１６内の図１５に示されるこの機能に関するプロセスフローは、ポータルＡＰＩ１２０２によるｇｅｔＰｏｓｔＰｕｒｃｈａｓｅＲｅｃｏｍｍｅｎｄａｔｉｏｎｓ呼び出しを用いたＤＡＭ１２０４の呼び出しと、既に購入済みの品目、ユーザ又は加入者、最大リコメンデーション数、最低信頼度レベル、カタログゾーン、プロフィールゾーン、モバイルデバイス、カスタム属性含有フィルタ、等を指定することとを含むことができる。ＤＡＭ１２０４は、購入された品目、加入者、リコメンデーション数、最低信頼度レベル、カタログゾーン、プロフィールゾーン、モバイルデバイス、カスタム属性含有フィルタ、等を用いて決定コントローラ１１１６を呼び出す。決定コントローラ１１１６は、既に購入された品目、加入者、リコメンデーション数、最低信頼度レベル、等によってリコメンダモジュール１１１４の各々を呼び出す。] 図１５
[0092] リコメンダモジュール１１１４の各々は、リコメンデーションがまだリコメンデーションリスト内に存在しておらず及び最低信頼度レベルを上回る場合に推奨品目リストにリコメンデーションを加える。次に、決定コントローラ１１１６は、リストをソートしてカタログゾーン、制限品目、デバイス及びカスタム属性含有フィルタによってリストをフィルタリングし、要求された“リコメンデーション数”のみがＤＡＭ１２０４に返信される。その後は、ＤＡＭ１２０４は、例えば、リスト内の全コンテンツ品目をｘｍｌに変換して呼者に返信することができる。]
[0093] 一例により、ポータルＡＰＩ１２０２は、外部システムが決定モジュール２３４から結果を取り出すことができる機構である。一実装においては、ポータルＡＰＩ１２０２は、次の３つの主目的、すなわち、（Ａ）加入者のリコメンデーションを取り出す、（Ｂ）加入者の販売促進物を取り出す、及び（Ｃ）人気コンテンツに関する情報を取り出す、を有する。同様に、プロフィールＡＰＩは、第４の目的（Ｄ）一定の情報（例えば、購入）をリアルタイムでプロフィール及びリコメンデーションシステム１０１に供給する、を実行することができる。]
[0094] 図１５では、関連づけリコメンダ１１０４が品目関連づけアクセサ（ａｃｃｅｓｓｏｒ）１２０８に流れることも示される。比較／類似性リコメンダ１１０６は、比較アクセサ１２０８に流れる。グループ分類リコメンダ１１０８は、グループ購入履歴アクセサ１２１２及びグループ分類メンバーアクセサ（示されていない）にも流れる。追跡リコメンダ１１１０は、追跡アクセサ１２１４に流れる。ネットワークリコメンダ１１１２は、加入者ネットワーク履歴アクセサ１２１６に流れる。] 図１５
[0095] 図１３の例において示されるように、典型的プロフィール及びリコメンデーションシステム１０１は、関連づけリコメンダ１１０４と、比較リコメンダ１１０６と、グループ分類リコメンダ１１０８と、追跡リコメンダ１１１０と、ネットワークリコメンダ１１１２と、を含むことができる。] 図１３
[0096] 図１６は、関連づけリコメンダ１１０４と、比較／類似性リコメンダ１１０６と、グループ分類リコメンダ１１０８と、ネットワークリコメンダ１１１２と、追跡リコメンダ１１１０と、を備えるリコメンダモジュール１１１４のプロセスフローと関連づけられた主パラメータを含む決定モジュール２３４のより詳細なブロック図を示す。これらのリコメンダの各々のリコメンダの概要が以下に示される。] 図１６
[0097] 関連づけ（関連づけ規則）リコメンダ１１０４−一例により、関連づけリコメンダ１１０４は、履歴トランザクションデータに関するバスケット分析を行うための高度な関連づけ規則技法を用いる。関連づけ規則データマイニングは、購入履歴データにおけるパターンを抽出するために用いられる技法である。例えば、スーパーの買い物かご例において、関連づけ規則マイニングは、顧客の買い物かご内の品目の組み合わせを検討することによって、スーパー内の販売用の全品目間での同時購入関係、例えば“パンを購入した多くの人は牛乳も購入した”を見つけ出す。関連づけ規則は、この関係を１つの数学的確率として正確に把握することができる。スーパーの持ち主は、このようなすべての対になった品目に関する全確率を研究し、同時に購入される見込みである品目を棚に並べて置くことによって戦略的な配置をすることが可能である。この場合のアイデアは、履歴的トランザクションデータを用いて将来の購入行動に影響を与えるようにすることである。]
[0098] 例えば、コンテンツ、サービス、又は商品（例えば、ダウンロード品、着信音、等）のあらゆる集合に関して、トランザクション（例えば、スーパー内の“買い物かご”）のデータベースが提供される場合は、品目間における関連づけ規則に関するマイニングを行うことが可能である。関連づけ規則は、ユーザ、加入者、又は顧客が既に購入済みである商品に基づいて将来コンテンツ、サービス、又は商品をユーザ、加入者、又は顧客にインテリジェントに推奨するのを可能にする。さらに、一例においては、関連づけ規則は、品目の対間の単純な関係よりも複雑なパターン、例えば“パンの購入は、牛乳の購入尤度が高いことを意味する”、をさらに見つけ出すことが可能である。より具体的には、一例においては、関連づけ規則は、品目セットをひとつにリンクすることができる。品目セットは、１つ以上の品目の集まりであることができる。例えば、Ａ及びＢが２つの（相互にまとまりのない）品目セットである場合は、“Ａが既に存在する場合にトランザクションにおいてＢが存在する尤度はどれだけであるか”という質問をすることが可能である。後者は、“Ａ=>Ｂ”で表される関連づけ規則を設定する。決定モジュール２３４内に組み込まれた関連づけリコメンダ１１０４は、複数のレベルの関連づけ、例えば、“ＡＢ=>Ｃ，ＡＢＣ=>Ｄ”、最大レベル５“ＡＢＣＤ=>Ｅ”の生成を提供することが可能である（すなわち、ある人が品目Ａ、Ｂ、Ｃ、及びＤを購入した場合に同じ人が品目Ｅを購入する確率はいくつであるか）。]
[0099] 一例においては、デフォルト構成では、３つの品目、すなわち、ある人が品目Ａ、Ｂを購入した場合にその人が品目Ｃを購入する確率、に設定することができる。この設定は、ほとんどの施設にとって十分な深さであることが可能である。]
[0100] 一実装により、以下の表１において示されるように、関連づけ規則の強度を測定するために２つのメトリックを定義することができる。]
[0101] 一例においては、デフォルトにより、決定モジュール２３４内の関連づけリコメンダ１１０４は、総トランザクション（買い物かご）数を２つ以上の品目を購入している一意の加入者の数として算定する。この値は設定可能である。]
[0102] 一例においては、表１に示されるメトリックを百分率で表すために１００が乗じられる。サポートは、全体的データベース内のトランザクションにおいて品目セットがいっしょに生じる頻度を測定し、信頼度は、Ａを含むトランザクションにおいてＢが現れる頻度を測定する。関連づけ規則は、これらの両方のメトリックにおける強度によって定量化される。]
[0103] 可能性のあるすべての品目セット間において生じる可能性があるすべての関連づけ規則を算定することは、計算上のコストが非常に高い作業になる可能性がある。一例においては、該制限を防止するために、いわゆる頻繁な品目セットのみが注目され、関連づけアルゴリズムは、関連づけ規則を算定するための高度に最適化された方法を提供することが可能である。一実装においては、関連づけアルゴリズムは、品目の関連づけを生成するためにトランザクションの加入者履歴データベーステーブルからのトランザクションを用いることが可能である。一例においては、関連づけを生成するために行動タイプ“購入”のみを有するトランザクションのみを用いることができる。該例においては、リコメンデーションを生成するときには“購入”の行動タイプのみを用いることができる。]
[0104] 一例においては、行動タイプ、購入、好き、嫌い、加入者（ＳＵＢ）、非加入者（ＵＮＳＵＢ）、及び非購入を用いることができる。リコメンデーション生成の際に後者の行動タイプを使用するときには、表２に示される典型的なデフォルト重みを用いることができる。]
[0105] 例えば、“購入”トランザクションは、好きトランザクションよりも関連性が高いとみなすことができる。しかしながら、デフォルト重み値はオーパ−ライド可能であることが注記されなければならない。]
[0106] リコメンデーションを生成時には、決定モジュール２３４は、プロフィールＡＰＩ／インタフェースデータ取り込み用構成要素１３０５を介して取り出された加入者の過去のトランザクション１３０４を検索して１つの品目ごとの重みを合計することができる。 この情報は、関連づけ規則のあらゆる該当する組み合わせを検索するために用いることができる。その結果は、適宜重みを付けてソートすることができる。]
[0107] 加入者のための品目を見つけ出すための関連づけリコメンダ１１０４における機能呼び出しの典型的流れは、関連づけモジュール１１０４の関連づけリコメンダ（ＡｓｓｏｃｉａｔｅＲｅｃｏｍｍｅｎｄｅｒ）が、加入者が購入済みの品目を入手することと、コンテンツ関連づけモジュール１３０６において組み合わせの品目セットを構築することとを含む、その後は、関連づけリコメンダは、各品目セットに関する最低のサポートと信頼度を有する関連づけを探し、各品目が返すべき推奨される関連づけの数を指定する。関連づけリコメンダは、照会を構築し、品目関連づけストア（例えば、ＤＢテーブル、等）から 品目の関連づけを入手し、関連づけサポート及び信頼度が最低を上回ることを確認する。その後は、全体的信頼度レベルによって順序が設定された幾つかのリコメンデーションが生成される。]
[0108] 一例においては、関連づけリコメンダは、各品目セットに関する品目関連づけテーブルから結果を入手することができる。関連づけリコメンダは、フィルタリングプロセス１３１１を用いることによってこれらの品目が加入者によって既に購入済みでないことを確認することができ、フィルタリングプロセス１３１１は、デバイス適合性とメタデータフィルタリング、アクセスデバイス情報１３１３を考慮に入れることもできる。その後、関連づけリコメンダは、これらの品目をリストに追加し、重み付け規則１３０９に従って重み付けプロセス１３０７を用いて信頼度レベルを適用する。これで、リコメンデーションが決定リコメンダ２３４に返信される。]
[0109] 品目を推奨する対象となる加入者を得るための関連づけリコメンダ１１０４内における機能呼び出しの典型的流れにおいて、関連づけリコメンダ１１０４の関連づけリコメンダ（ＡｓｓｏｃｉａｔｅＲｅｃｏｍｍｅｎｄｅｒ）は、品目、最低信頼度レベル、カタログゾーン、プロフィールゾーン、及び返信されるべき加入者数を取り出す。次に、関連づけリコメンダは、ターゲット品目、返信すべき加入者数、及び最低信頼度レベルを用いて品目関連づけストア（例えば、ＤＢテーブル、等）に照会し、ターゲット品目を含む関連づけ内の品目を購入済みであるがその品目はまだ購入していない全ユーザ又は加入者を探索し、さらにこれらのユーザ又は加入者がその品目をサポート可能なモバイルデバイスを有することを確認する。]
[0110] 購入後に関する関連づけリコメンダ１１０４内における機能呼び出しの典型的流れは、関連づけリコメンダ１１０４の関連づけリコメンダが特定の品目を用いてターゲット品目を含む品目セットを生成することを含む。次に、関連づけリコメンダは、各品目セットに関する最低信頼度及びサポートを用いて品目関連づけストア（例えば、ＤＢテーブル、等）に照会し、（例えば、設定可能なプロパティを用いて）返信すべきリコメンデーション数を指定する。次に、全体的信頼度レベルによって順序が設定されたリコメンデーションの数が返信される。関連づけリコメンダは、これらの品目がユーザ又は加入者によって既に購入済みでないことを確認し、これらの品目をリストに加え、重み付けを適用し、デバイスの適合性を検証し、その結果を決定リコメンダ２３４に返信する。]
[0111] 比較リコメンダ１１０６−一例において、比較リコメンダ１１０６の目的は、コンテンツメタデータ１３２７に基づいて異なるコンテンツ品目間の関係を算定することであり、インタフェースデータ取り込みを行うカタログＡＰＩ１３２９から入力を受信する。一例により、比較リコメンダ１１０６は、新品目（すなわち、モバイルオペレータ又はその関連づけられたビジネスシステムに加えられた、誰によってもまだ購入されていない新品目）に関するコールドスタート問題を解決するのに役立つことができる。一例においては、いずれの加入者もこの新品目を購入したことがなく及びその品目はいずれの加入者購入履歴内にも存在しないため、関連づけリコメンダ１１０４は、該新品目に関する相関関係を見つけ出すことができない場合がある。]
[0112] 該状況においては、比較リコメンダ１１０６は、特定の品目に類似する品目を見つけ出し、該品目に関して、該品目の推奨対象となる加入者を見つけ出すことができる。一例においては、比較リコメンダ１１０６は、アーティスト、タイトル、含まれるコンテンツのソース名、及び発行者等のメタデータを用いて品目を比較し、コンテンツ類似性の集合１３１０を形成する。比較のために用いるためにあらゆるカスタム属性をコンフィギュレーション可能であることも当業者によって注目されなければならない。一例においては、後者は、コンテンツカスタム属性生成プロセス中に達成される。]
[0113] メタデータを比較するときには、一例においては、比較リコメンダ１１０６は、これらのメタデータが属性を比較する上でどの程度重要であるかを決定するために１つのメタデータの重みを用いることができる。重み値は、例えば、１乃至５であることができ、１が最低値及び５が最高値である。例えば、カスタム属性は、１の重みを有することができる“価格カテゴリ”と呼ぶことができ、ジャンルの重みは５の値を有することができ、２つの品目のジャンルの類似性が価格の類似性よりも重要であることを示す。]
[0114] 一例においては、比較リコメンダ１１０６は、メタデータ値を比較可能な２つの機構を有することが可能である。第１の機構は、直接的な大文字小文字に影響されないストリング比較を用いることができる。第２の機構は、ファジーなストリングマッチング技法を用いることができる。第２の機構は、同じ又は類似の値、例えば“ＦＩＦＡ２００４”及び“ＦＩＦＡ２００５”、を表す値を比較するときに適切である。一例においては、コンマによって分離されたサブストリングから成るストリングを比較可能にするモードも提供される。
１つの典型的側面においては、加入者のための品目を推奨するための比較アルゴリズム１１０６における機能呼び出しプロセスフローにおける主動作の概要は、比較リコメンダ１１０６の類似性リコメンダ（ＳｉｍｉｌａｒｉｔｙＲｅｃｏｍｍｅｎｄｅｒ）が、加入者が購入済みである品目を入手することを含む、次に、類似性リコメンダは、各購入された品目に関する最低信頼度レベルを用いて品目類似性ストア（例えば、ＤＢテーブル、等）に照会し、設定可能なプロパティを用いて各購入された品目が返信すべき類似品目数を指定する。その後、類似性スコアによって順序が設定された類似品目が返信される。一例においては、類似性リコメンダは、各々のユーザによって購入された品目に関する類似品目を入手し、その結果が加入者によって既に購入済みでないことを確認する。次に、類似性リコメンダは、これらの品目をリストに加え、信頼度レベルを各々に適用する。これで、リコメンデーションが決定リコメンダ２３４に返信される。]
[0115] １つの典型的側面により、品目を推奨する対象となる加入者を推奨するための比較アルゴリズム１１０６における機能呼び出しプロセスフローにおける主動作の概要は、比較リコメンダ１１０６の類似性リコメンダにその品目が渡されることと、設定可能なプロパティによって指定された返信すべき最大加入者数を指定すること、とを含む。]
[0116] その後、類似性リコメンダは、類似品目を探索し、ターゲット品目は購入したことがないが類似品目のうちの１つ以上を購入したことがある加入者を見つけ出す。その後、類似性リコメンダは、ユーザをリストに加え、信頼度スコアによってソートし、信頼度レベルを各々に適用する。これで、“加入者数”が決定リコメンダ２３４に返信される。]
[0117] グループ分類リコメンダ１１０８−一例においては、グループ分類リコメンダ１１０８は、指定された加入者グループによって購入された（すなわち、加入者グループ行動１３２４）最も人気のある品目を算定するために実装される。一側面においては、このリコメンダ１１０８は、特定の加入者に関する履歴情報（購入、好き、嫌い、等）が多くない又はまったくない場合における加入者コールドスタート問題を解決するのに特に役立つ。しかしながら、該状況においても、役立つ加入者メタデータ又は人口統計情報を入手可能であり、それに基づいてリコメンデーションを行うことができる。例えば、特定の加入者が男性の後払いビジネスユーザであることがわかっている場合は、この情報は、その他の類似の人口統計上の加入者が好むコンテンツ又はサービスを推奨するために用いることができる。]
[0118] ユーザ又は加入者のためのリコメンデーションを生成時には、グループ分類リコメンダ１１０８は、最初に、ユーザ又は加入者が属するユーザグループ又は加入者グループ（すなわち、プロフィールグループメンバー１３１６）を決定し、それらのグループに関する最も人気のあるコンテンツ品目を取り出す。グループ分類は、プロフィールグループ生成プロセス１３１８によって供給され、プロフィールグループ生成プロセス１３１８は、特に追跡記録のない新メンバーに関する加入者属性及びトランザクション１３０４をサポートし、さらにプロフィールグループメンバー１３１６をサポートする。該品目は、さらにフィルタリングされ（例えば、ユーザ又は加入者によって既に購入済みの品目は除外される）、信頼度レベルによってソートされて返信される。他の例においては、品目の対象となる加入者を推奨するときには、グループリコメンダ１１０８は、特定のコンテンツ品目はいずれの加入者グループにおいて人気があるかを決定することができ、これらのグループ１３１６のメンバーを取り出す。次に、これらのグループのメンバーがフィルタリングされ、信頼度レベルによってソートされて返信される。]
[0119] 一例により、加入者のための品目を推奨するためのグループ分類リコメンダ１１０８における機能（ｆｕｎｃｔｉｏｎ）呼び出しプロセスフローにおける主動作の概要は、グループ分類リコメンダ１１０８が、加入者が購入したことがある品目を入手することと、その加入者がメンバーであるグループ１３１６を入手すること、とを含むことができる。次に、グループ分類リコメンダ１１０８は、任意選択でプロフィールゾーンを用いて及び（設定可能なプロパティを用いて）返信されるべき品目数を指定することによって、各グループに関する最も購入された品目をストレージ（例えば、ＤＢテーブル、等）から取り出す。その後、購入頻度によって順序が設定された品目の数が返信される。グループ分類リコメンダは、これらがユーザによって既に購入済みでないことを確認し、これらの品目をリストに加え、信頼度スコアを適用する。これで、リコメンデーションがソートされて決定リコメンダ２３４に返信される。]
[0120] １つの典型的側面においては、品目を推奨する対象となる加入者に関するグループリコメンダ１１０８における機能呼び出しプロセスフローにおける主動作の概要は、グループリコメンダ１１０８が、その品目に関してデータストア（例えば、ＤＢテーブル、等）を参照してその品目が設定可能な回数だけ購入されたことがある全グループを入手することを含む。各グループに関して、グループ分類リコメンダは、この品目を購入しておらず及びこの品目をサポートするデバイスを有するユーザ又は加入者を入手する。グループ分類リコメンダ１１０８は、最低信頼度レベルを上回る場合はこれらの加入者を加入者リストに追加し、制限されたコンテンツが各加入者に関して許容可能であるかどうかを確認する。]
[0121] 図１７は、一側面による、ネットワークリコメンダ１１１２の主構成要素のブロック図を示す。それは、呼データ記録モジュール１４０２と、ネットワークビルダモジュール１４０４と、ネットワーククリーニングモジュール１４０６と、重み付けモジュール１４０８と、加入者関係識別モジュール１４１０と、ネットワークリコメンダモジュール１４１２と、を含む。以下においてこれらのモジュールがさらに詳細に説明される。一例においては、ネットワークリコメンダ１１１２は、ネットワークビルダプロセス１３２１によって取り込まれたピアツーピア（Ｐ２Ｐ）通信データ１３２０（例えば、呼、ＳＭＳデータ、等）を用いてＰ２Ｐ（ピアツーピア）ネットワーク１３２２を構築する。これらのネットワーク１３２２は、ローカルネットワーク１３２２のメンバーの行動に基づいてユーザのためのリコメンデーションを生成するために用いることができる。一例においては、ネットワークリコメンダ１１１２は、モバイルデバイス使用法（会話中、ＳＭＳ、ＭＭＳ、３Ｇ、等）に基づく呼データ記録（ＣＤＲ）を使用し、各々のモバイルデバイスを用いて通信する対のユーザ間におけるリンクのネットワークを構築する。このソーシャルネットワーク１３２２は、彼の／彼女のローカルネットワーク内の個人の購入行動について研究するためにこれらの個人のネットワークリンクをポーリングすることによって人々に品目を推奨するために（又はその逆の目的のために）用いることができる。] 図１７
[0122] 引き続き図１７を参照して、一側面により、ネットワークリコメンダ１１１２は、少なくとも３つのモジュール、特に、ネットワークビルダ１４０４、ネットワーククリーナ１４０６、及びネットワークリコメンダ（ＮｅｔｗｏｒｋＲｅｃｏｍｍｅｎｄｅｒ）アルゴリズム１４１２、から成る。] 図１７
[0123] 図１８を参照して、一側面によるネットワーク推奨のための方法１４２０が描かれる。一例においては、ネットワークビルダ１４０４は、呼データ記録モジュール１４０２からＣＤＲリストを入力として選択し、ここでＣＤＲは、単に、２つのモバイルデバイス間の通信を取得するデータラインである（ブロック１４２２）。典型的ＣＤＲは、“ＣＡＬＬＥＲ＿ＮＵＭＢＥＲ， ＲＥＣＥＩＶＥＲ＿ＮＵＭＢＥＲ， ＣＡＬＬ＿ＴＹＰＥ， ＣＡＬＬ＿ＴＩＭＥ， ＣＡＬＬ＿ＤＵＲＡＴＩＯＮ， ＣＡＬＬ＿ＣＯＳＴ”であることができる。ユーティリティは、着信ＣＤＲにおいて１つ以上の“フィルタ”を設定するように構成することができる。一側面においては、フィルタは、ＣＤＲが合格しなければならない規則のリストである。一例においては、フィルタは、次のことを検証する。すなわち、（Ａ）呼者及び受信者の番号が指定された接頭辞及び最小／最大長を有する（ブロック１４２４）、（Ｂ）呼が指定されたタイプ（音声、ＳＭＳ、ＭＭＳ、映像、等）を有する（ブロック１４２６）、（Ｃ）音声呼が指定された最小／最大の継続時間内である（ブロック１４２８）、（Ｄ）ＣＤＲがカレンダ内の指定された開始／終了日間に存在する、及び（Ｅ）ＣＤＲの時間が指定された時刻間に存在する（ブロック１４３２）。ＣＤＲの曜日もフィルタリングされる（ブロック１４３３）。] 図１８
[0124] 該フィルタの各組は、別個のネットワークを定義することも可能である。例えば、１つの該ネットワークは、月曜日乃至金曜日午前８時乃至午後６時の通信を表すＣＤＲを取得することができる−すなわち、ビジネスネットワークである。金曜日午後６時乃至月曜日午前２時のＣＤＲを取得する他のネットワークは、ソーシャルネットワークである。]
[0125] 一例においては、いずれのデータ記録も、フィルタを通り、“ネットワークサマリ”テーブルに送られ、一例においては、Ｐ２Ｐリンクは単一の行（ｒｏｗ）として格納されて総計される（ブロック１４３４）。すなわち、呼者Ａから受信者ＢへのＣＤＲが着信した場合は、テーブルにおいてＡ乃至Ｂに関する既存の行の有無が確認される。行が既に存在する場合は、その行は、新ＣＤＲ内の情報によって更新される。そうでない場合は、ＣＤＲは新行として挿入される。このようにして、最終的ネットワークサマリテーブルの各ラインは、２人の間での全通信活動を表す。]
[0126] 一例により、これらのネットワークの各々にダイレクションされるように構成され（ブロック１４３６）、リンク“Ａ---→Ｂ”はリンク“Ｂ---→Ａ”と異なるとみなされる。従って、ＡからＢへの、及びＢからＡへの通信に関してＣＤＲが存在する場合は、各々は、ネットワークサマリテーブル内の異なる行内に入れられる。一例においては、フィルタは、ＸＭＬファイルにおいて設定及び構成することが可能であり、例えば“ＲａｗＲｅｃｏｒｄＦｉｌｔｅｒｓ．ｘｍｌ”と呼ぶことができる。]
[0127] 一例においては、ネットワークサマリテーブルは、一定量のノイズ、例えば、列車の時刻表、天候、ニュースアラート、タクシー運転手、等の自動化されたサービス、を含む。該データは、リコメンデーションの観点からは有用ではなく、従って、ネットワークリコメンダ１１１２は、クリーニングモジュール１４０６を用いて該データをネットワークサマリテーブルから削除するように設計される（ブロック１４３８）。一側面により、ネットワークビルダモジュール１４０４において構築された各ネットワークに関して、そのネットワークのみをクリーニングするために動作する別個のフィルタを構築することが可能である。フィルタは、例えば、呼者が有するのを許容することが可能な最大／最小の出通信数を指定することができる（ブロック１４４０）。従って、これらのスレショルドに違反する呼者は、ネットワークサマリから削除される。]
[0128] 一例においては、ネットワークサマリテーブルがクリーニングされた時点で、ネットワークリコメンダ１１１２は、重み付けモジュール１４０８によって各関係（すなわち、テーブル内の行）に重み（又は強度）を割り当てるように構成される（ブロック１４４２）。これは、彼／又は彼女の“最良の”友人（すなわち、最強の重みを有する友人）を識別するために個人のリンクをランク付けできるようにするためである（ブロック１４４４）。一例においては、これらのフィルタは、ＸＭＬファイル、例えば“ＮｅｔｗｏｒｋＳｕｍｍａｒｙＴａｂｌｅＣｌｅａｎｅｒ．ｘｍｌ．”、において設定及び構成することができる。]
[0129] ネットワークサマリテーブルが構築されてクリーニングされた時点で、ネットワークリコメンダ１１１２は、加入者に推奨すべき品目を見つけ出すために又は品目を強く勧めることができる対象となる加入者を見つけ出すために用いることができる（ブロック１４４６）。一例においては、所定の加入者に関して、その加入者の“隣人”（彼／彼女に直接リンクされた人々）、そしてその隣人、以下同様、が、加入者関係識別モジュール１４１０によって識別される（ここでは、“分離度”又は単に度と呼ばれる）（ブロック１４４８）。従って、ある個人から２度離れている人は、その個人がリンクされている誰かにリンクされた個人（すなわち、友人の友人）を指す。一例においては、これらの人々の中で最も人気がある品目が加入者のためのリコメンデーションを形成する。]
[0130] ネットワークリコメンダ１１１２は、加入者から最大で５度離れた人々を検討するように構成することができる。ネットワークリコメンダ１１１２は、対ごとの重み付けが一定の強度を上回る分離度内の人々のみを含むようにさらに構成することが可能である（ブロック１４５０）。この場合は、重み付けスレショルドが高いほど関係が親密になる。]
[0131] 一例により、ネットワークリコメンダ１１１２は、購入履歴を有する加入者に品目を推奨するために用いることができる。該シナリオにおいては、加入者の購入履歴は、加入者のためのリコメンデーションを生成し及び既に購入済みの品目を除外するために用いることができる（ブロック１４５２）。]
[0132] １つの典型的側面においては、ネットワークリコメンダ１１１２内における機能呼び出しのプロセスフローにおける主動作の概要は、決定コントローラ１１１６が、加入者が購入したことがある品目を入手することを含み、それらをネットワークリコメンダ１１１２のネットワークリコメンダ（ＮｅｔｗｏｒｋＲｅｃｏｍｍｅｎｄｅｒ）１４１２に渡す。一例においては、ネットワークリコメンダ１４１２は、渡されたスレショルドを用いて、加入者のローカルネットワークにおいてどれだけの度を探索すべきかを算定する。]
[0133] 一例においては、ネットワークリコメンダ１４１２は、指定された分離度内にある加入者のローカルネットワークのメンバーによって購入された品目の有無に関してそのローカルネットワークを探索し、指定されたスレショルドを上回る重みを有するＰ２Ｐリンクのみをたどり及び指定された及び設定可能な最少数の購入を行っているメンバーのみをポーリングする。次に、ネットワークリコメンダ１４１２は、各品目がターゲット加入者によって既に購入済みでないことを確認し、これらの品目をリストに加え、信頼度レベルを各々に適用する。これで、リコメンデーションが決定モジュール１１１６に返信される。]
[0134] 他の典型的側面においては、品目を推奨する対象となる加入者を見つけ出すためのネットワークリコメンダ１１１２内における機能呼び出しプロセスフローにおける主動作の概要は、所定の品目を用いることと、その品目を既に購入済みである人々を見つけ出すこと、とを含む。次に、これらの人々の各人の隣人がその品目に関するターゲットになる。顕著なことに、一定のスレショルドよりも高い重みを有し及び幾つかの分離度内にある隣人のみを考慮できることを明記することができる。各ローカルネットワーク内において、所定の品目を購入していない人々を識別することができ、そして、これらの人々のうちで、購入回数が最低の設定可能レベルを超える人々のみがリコメンデーションターゲットとして追加される。]
[0135] 図１６に戻り、追跡リコメンダ１１１０が説明される。一例においては、追跡リコメンダ１１１０は、最も共通して用いられるコンテンツ又はサービスをモニタリング及び記録するために、すなわち、全体的な傾向追跡１３３０を提供するために用いることができる。この情報は、最も人気のある品目に基づいてリコメンデーションを返信するために用いられる。一例においては、追跡リコメンダ１１１０は、人気品目のターゲットを加入者に特定するために用いることができる。一例においては、追跡リコメンダ１１１０からの結果は、他のアルゴリズムが、ターゲットがより特定されたリコメンデーションを提供できないときに（すなわち、加入者コールドスタート状況のときに）用いることができる。追跡リコメンダ１１１０は、指定された期間中にカタログ内の最も人気があるコンテンツを検索するためにさらに用いることができる。このタイプのリコメンデーションの例は、“ホットなもの”のリストをポータルユーザに表示することである。一例においては、追跡リコメンダ１１１０は、加入者履歴テーブル内のトランザクションデータから構築される追跡コンテンツ品目テーブルを用いる。一例においては、追跡コンテンツ品目テーブルを生成する前に、履歴的トランザクションを検討する時間を指定することができる。] 図１６
[0136] １つの典型的側面においては、加入者のための品目を推奨するための追跡リコメンダ１１１０内における機能呼び出しのプロセスフローにおける主動作の概要は、追跡リコメンダ（ＴｒａｃｋＲｅｃｏｍｍｅｎｄｅｒ）が、加入者のデバイスによってサポートされており及び以前に加入者によって購入されたことがない最も人気のある品目を入手することを含む。次に、追跡リコメンダは、プロフィールゾーンを使用し、設定可能なプロパティを用いて返信されるべき品目数を指定する。追跡リコメンダは、照会を構築し、追跡コンテンツ品目テーブルから品目を入手し、各品目のカウントによって順序が設定された品目の指定数を戻す。その後、追跡リコメンダは、制限コンテンツを確認し、加入者又はユーザによって購入済みでないコンテンツを入手し、リストに品目を追加し、信頼度レベルを適用する。これで、リコメンデーションが決定コントローラ１１１６に返信される。]
[0137] さらなる典型的側面においては、この開示のプロフィール及びリコメンデーションシステム１０１は、ベストセラーリコメンダを用いることが可能である。]
[0138] しかしながら、一側面により、ベストセラーリコメンダは、リコメンダ１１１４から分離されており、むしろ独立型モジュールと呼ぶことができる。一例においては、後者は、決定リコメンダクラスアーキテクチャ外のベストセラーリコメンダを定義する符号レベルにおいて反映される。一側面においては、リコメンダ１１１４は、加入者のための品目、又は他の品目のための品目を見つけ出すことが狙いである一方で、ベストセラーリコメンダは、統計ツールであるとさらにみなすことができる。]
[0139] ベストセラーリコメンダは、１つの単純例においては、ユーザが加入者履歴トランザクションテーブルから最も人気のあるコンテンツを検索するのを可能にし、ユーザの行動（購入／好き／嫌い／閲覧、等）及び期間（過去の時間、例えば最後の１時間、最後の１２時間、最後の日、最後の週、等から成る設定可能な集合）に基づいて検索する。１つの任意選択的側面においては、加入者をベストセラーリコメンダ内に渡すことは、返信対象となる品目に関して２つの追加の効果を有する。すなわち、（Ａ）加入者によって購入済みの品目が隠される、又は（Ｂ）該当する場合は、制限された品目が加入者から隠される。]
[0140] 一例においては、加入者が渡されたときに、機能的には、ベストセラーリコメンダは、追跡リコメンダ１１１０と非常に同じように動作することができる。一例においては、ベストセラーリコメンダは、購入以外の行動を検討することが可能である。さらに、追跡リコメンダ１１１０と同様に、ベストセラーリコメンダデータは、追跡リコメンダデータとともに追跡コンテンツ品目テーブル内に格納し、同じフォーマットを共有することができる。一例においては、ベストセラーデータ生成を設定することは、許容可能期間のコンマで区切られたリストを備える単一のプロパティを追加することから成ることができる。例えば、プロパティ“１Ｈ，７Ｈ，１Ｄ，７Ｄ、９９９Ｄ”は、５つの異なる期間（１時間、７時間、１日、７日、９９９日）を示し、ベストセラーリコメンダは時間的に戻って検索することが可能である。準備段階は、加入者履歴トランザクションデータテーブルを上記のプロパティにおいて指定された時間に分割し、この情報を追跡リコメンダデータとともに追跡コンテンツ品目テーブル内に格納することができる。追跡によって指定された時間がベストセラーリコメンダによって指定された時間のうちの１つである場合は、その期間に関するデータ生成は、１回だけ発生することができる。]
[0141] 一例においては、ベストセラーリコメンダは、ＡＰＩ呼び出しＧｅｔＴｏｐＣｏｎｔｅｎｔＢｙＴｉｍｅＡｎｄＡｃｔｉｏｎのみとして利用可能である。一側面においては、シンプルオブジェクトアクセスプロトコル（ＳＯＡＰ）パラメータ、例えば、行動（購入／閲覧／好き、等）、又はコンマで区切られた行動リスト、及び期間（例えば、１２時間又は７日、等）は必須であることができる。]
[0142] 決定呼び出しに与えられるパラメータは、リコメンデーション生成機構を提供することが理解されるであろう。それらは、ビジネス規則を決定リコメンダへの入力／決定リコメンダからの出力と結合し、加入者に与えられる最終的なリコメンデーションを生成する。これらのパラメータは、決定リコメンダからの出力をさらに制限する。]
[0143] 一例においては、パラメータを指定することは、提供されたＡＰＩ呼び出しパラメータを介して達成される。さらに、システム全体のグローバルパラメータデフォルト値も指定可能である。一側面により、決定モジュールＡＰＩパラメータは、次の能力を提供するために用いることができる。すなわち、（Ａ）リコメンダ選択、（Ｂ）リコメンダコンフィギュレーション決定がリコメンデーションを行うために何を用いるかを正確に選択するために用いられる規則、（Ｃ）入力判定基準、（Ｄ）加入者及びコンテンツフィルタリング判定基準はパラメータとして決定モジュールに渡され、これらは、入手可能なプロフィール及びカタログデータを検討するときに用いられる、（Ｅ）結果問い合わせ、及び（Ｆ）決定モジュールからの出力が検討され、良好なリコメンデーションが見つけ出されているかどうかが決定される。決定モジュール２３４は、決定モジュール２３４が行う各リコメンデーションに関する１つのレベルの確実度値を信頼度レベルとして返信する。規則は、達成されない場合は他の又は異なるリコメンダが試みられることになる許容可能な最低レベルの確実度を規定することができる。]
[0144] 例えば、一側面により、決定呼び出しが行われ、カタログモジュール内の入手可能コンテンツからの加入者へのリコメンデーションの返信を要求する。決定モジュールは、リコメンデーション、ただし低レベルの確実度のリコメンデーション、を持って戻ることができる。この状況においては、リコメンデーションは無視することができ、管理者２１３が販売促進を熱望する特定の（一定の）コンテンツ品目をデフォルトにすることができる。]
[0145] 他の例は、クロスセリングのためのコンテンツ品目が要求される例である。決定モジュール２３４は、最も明確な又は最も共通する選択肢でない可能性があるコンテンツ又はサービスを推奨することができる。後者は、加入者にとってほとんど価値がないリコメンデーションを行う（例えば、加入者が直近のリリースを購入したばかりであるときに特定のアーティストの最後のヒット曲を推奨する）ことを回避するために用いることができる。]
[0146] 一例により、管理者２１３が特定のタイプのリコメンデーションを行うことができる加入者を指定するのを可能にするための加入者フィルタリングを用いることができる。これは、特定の加入者に関するリコメンデーション（例えば、ポータル上で示されるオンラインリコメンデーション）を生成するときに用いられる。例えば、リコメンデーションの提示を特定のタイプのデバイス又は属性を有する加入者（例えば、後払いの高額支出者）に制限する決定規則を生成することができる。]
[0147] 他の例においては、加入者フィルタリングは、リコメンデーションが生成されるべき加入者の部分組を予め選択するために用いることができる。これは、この規則に基づいてアウトバウンド販売促進を生成するときに用いられる。例えば、管理者２１３は、リコメンデーションアプリケーション２１２のユーザインタフェースを介して加入者フィルタリング判定基準を指定することができ、それは、リストから属性を選択すること及び単純なＯＲ論理を実行することを可能にする（例えば、ＭＭＳデバイス、及び前払い、後払い、青年、等）。]
[0148] コンテンツフィルタリングに関して、コンテンツフィルタリングは、推奨されるコンテンツのタイプを精選することができる。例えば、管理者２１３は、ＭＭＳコンテンツ品目を推奨するだけの規則を生成することが可能である。従って、一例においては、リコメンデーションを取り出すことと関連づけられたＡＰＩは、返信されるべきリコメンデーションのタイプに関する一定の判定基準（例えば、音楽トラックのジャンル、等）を指定する能力も有する。これは、呼び出し側アプリケーションによる大きな制御を可能にする一方で、ユーザ経験の変更は、ＡＰＩ呼び出しを行うアプリケーションの再符号化を要求することがある。後者を回避するために、プロフィール及びリコメンデーションシステム１０１は、リコメンデーションプロフィールを提供することができる。リコメンデーションプロフィールは、（図４に示される）リコメンデーションアプリケーションブロック２１２のユーザインタフェースを介して生成することができ、管理者２１３がリコメンデーションＡＰＩ呼び出しの全パラメータに関する値を指定するのを可能にする。呼び出し側アプリケーションは、個々のパラメータに関する値を指定する代わりに、このリコメンデーションプロフィールを参照する。決定モジュール２３４は、プロフィールからのパラメータ値を追加する。これで、リコメンデーションプロフィールは、管理者２１３が符号の再開発を必要とせずにユーザ経験を変更するのを可能にする。] 図４
[0149] 一例により、決定モジュール２３４がサービスを提供可能な応答時間が重要になることがある。応答時間判定基準は、１０秒又は１００秒又はミリ秒単位で測定することができ、１秒間に数百の要求に応じる。一例においては、性能に影響を及ぼす可能性がある要因は、使用されるリコメンダ数及び対象となるデータ量である可能性がある。]
[0150] 一側面により、図１９は、決定モジュール２３４がウェブコンテナ１５０２を用いてこれらの性能要求をどのようにして満たすかを示す概略図である。一例においては、性能要求を満たすために幾つかの異なる技法、例えば、キャッシュサブシステム１５０４におけるキャッシング及びデータベース１５０８へのデータベースアクセス、を用いることができる。決定モジュール２３４は、一側面により、性能を向上させるために頻繁にアクセスされるデータのインテリジェントキャッシングを用いることが可能である。キャッシングされたデータ要素の量及び寿命は、入手可能なデータ量及び利用可能なハードウェア資源に好適であるように制御することができる。他の側面により、キャッシングが配備されていない場合は、決定モジュール２３４は、例えばデータを取り出すために微調整されたＳＱＬ及びＪＤＢＣを用いることができる。すべてのＳＱＬ及びデータベーススキーマオブジェクトは、最大の性能及びスケーラビリティを提供するように設計される。] 図１９

权利要求:

請求項1
モバイルデバイスのユーザのためのリコメンデーションを生成するための方法であって、前記モバイルデバイスは、サービスプロバイダと関連づけられ、リコメンデーションの要求を入手することと、ユーザと関連づけられたデータ及びモバイルデバイスのために入手可能なコンテンツに関するデータをサービスプロバイダから取り出すことと、前記取り出されたデータの分析に基づいて複数のリコメンデーションを生成することであって、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成されることと、フィルタリング制限に基づいて前記生成された複数のリコメンデーションの部分組を選択すること、とを備える、方法。
請求項2
前記ユーザによってアクセス可能なユーザインタフェースに前記生成されたリコメンデーションを配信することをさらに備える請求項１に記載の方法。
請求項3
前記選択された部分組のリコメンデーションを前記配信することは、前記サービスプロバイダと関連づけられたポータルに前記選択された部分組のリコメンデーションを配信することをさらに備える請求項２に記載の方法。
請求項4
前記ポータルのうちの選択された部分とユーザとの対話を検出することと、前記複数のリコメンデーションを有する前記選択された部分の側面と関連づけられた前記フィルタリング制限を定義することと、前記ポータルの異なる部分へのユーザアクセスに応答して前記部分組のリコメンデーションを選択的に表示すること、とをさらに備える請求項３に記載の方法。
請求項5
前記ユーザによってアクセス可能な前記ユーザインタフェースに前記生成されたリコメンデーションを前記配信することは、モバイルデバイスに前記リコメンデーションを配信することをさらに備える請求項２に記載の方法。
請求項6
前記モバイルデバイスに前記配信することは、前記サービスプロバイダと関連づけられたポータルへのワイヤレスアプリケーションプロトコル（ＷＡＰ）プッシュメッセージを介する請求項５に記載の方法。
請求項7
前記モバイルデバイスに前記配信することは、ショートメッセージサービス（ＳＭＳ）メッセージを介する請求項５に記載の方法。
請求項8
前記モバイルデバイスに前記配信することは、前記モバイルデバイス上に表示されるマルチメディアメッセージ送信サービス（ＭＭＳ）メッセージを介する請求項５に記載の方法。
請求項9
前記複数のリコメンデーションを前記生成することは、リコメンデーションを生成するために前記異なるリコメンデーション技法の各々に取り出されたデータを提供することであって、生成された各リコメンデーションは、関連づけられた信頼度レベルを有することと、前記リコメンデーション技法の各々からの前記リコメンデーションを信頼度レベル順に結合すること、とをさらに備える請求項１に記載の方法。
請求項10
ユーザによって定義された重みに基づいて前記リコメンデーションの順序を変更することと、前記順序が変更されたリコメンデーションをフィルタリングすること、とをさらに備える請求項９に記載の方法。
請求項11
特定の制限を含む前記リコメンデーションの要求を受信することと、前記特定の制限に従ってフィルタリングすることによって前記順序が変更されたリコメンデーションをフィルタリングすること、とをさらに備える請求項１０に記載の方法。
請求項12
前記順序が変更されたリコメンデーションを前記フィルタリングすることは、前記ユーザによって以前に入手されたことがある又は前記ユーザに対して一定回数だけ既に提示済みであるリコメンデーションを除外することをさらに備える請求項１０に記載の方法。
請求項13
前記順序が変更されたリコメンデーションを前記フィルタリングすることは、モバイルデバイスと適合できないリコメンデーションを除外することをさらに備える請求項１０に記載の方法。
請求項14
前記異なるリコメンデーション技法から入手された前記信頼度レベルを正規化することをさらに備える請求項９に記載の方法。
請求項15
前記複数のリコメンデーション技法は、関連づけリコメンダ、比較リコメンダ、グループ分類リコメンダ、追跡リコメンダ、又はネットワークリコメンダから成るグループから選択される請求項１に記載の方法。
請求項16
前記ネットワークリコメンダは、ターゲットユーザのローカルネットワーク内のユーザリストから複数の人を選択することであって、前記複数の人は、指定された分離度数の内にあることと、前記選択された複数の人によって以前に入手されたことがある人気のあるコンテンツを決定することと、前記決定されたサービスプロバイダ及び人気のあるコンテンツに基づいてリコメンデーションを生成すること、とをさらに備える請求項１５に記載の方法。
請求項17
前記複数の人を選択することは、高い重み付け値と関連づけられた前記ユーザを前記ターゲットユーザの前記ローカルネットワークから識別することをさらに備える請求項１６に記載の方法。
請求項18
前記重み付け値は、前記ユーザに関する１対１の移動通信データを前記サービスプロバイダから取り出し、前記１対１の移動通信データをフィルタリングして希望されない通信データを除外し、及び前記フィルタリングされた１対１の全通信の各々に重み付け値を割り当てることによって割り当てられ、前記割り当てられた値は、１対１の通信活動の数量及びタイプに比例する請求項１７に記載の方法。
請求項19
前記１対１の通信データを前記フィルタリングすることは、希望されないソースから通信データを除外することをさらに備える請求項１８に記載の方法。
請求項20
前記希望されないソースは、各々の一意の電話番号によって識別される請求項１９に記載の方法。
請求項21
前記１対１の通信を前記フィルタリングすることは、通信のタイプ又は継続時間に起因して希望されない通信データを除外することをさらに備える請求項１８に記載の方法。
請求項22
前記フィルタリングすることは、通信時間又は通信日に起因して希望されない通信データを除外することをさらに備える請求項１８に記載の方法。
請求項23
前記１対１の移動通信データは、音声呼、ショートメッセージサービス（ＳＭＳ）メッセージ、マルチメディアメッセージ送信サービス（ＭＭＳ）メッセージ、又は移動通信方法のうちの１つ以上をさらに備える請求項１８に記載の方法。
請求項24
前記関連づけリコメンダは、サービスプロバイダから取り出されたユーザの行動データから関連づけ規則を確立することと、前記確立された関連づけ規則に基づいてリコメンデーションを生成すること、とをさらに備える請求項１５に記載の方法。
請求項25
前記比較リコメンダは、コンテンツメタデータを利用する前記ユーザが入手可能な類似のコンテンツデータ間のリンクを構築することと、前記構築されたリンクに基づいてリコメンデーションを生成すること、とをさらに備える請求項１５に記載の方法。
請求項26
前記追跡リコメンダは、全コンテンツデータの順位を確立するためにユーザ活動歴を決定することであって、コンテンツデータは、人気度によって順位が付けられることと、前記順位付けに基づいてリコメンデーションを生成すること、とを備える請求項１５に記載の方法。
請求項27
ユーザの前記活動は、設定可能な期間におけるコンテンツ購入、格付け、又はユーザによるその他の興味の表示を備える請求項２６に記載の方法。
請求項28
前記ユーザと関連づけられた前記データは、呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータのうちの１つ以上の選択を備える請求項１に記載の方法。
請求項29
リコメンデーションを生成するときに前記関連づけられたユーザデータを最新の状態に維持することをさらに備える請求項２８に記載の方法。
請求項30
リコメンデーションの前記要求は、サービスプロバイダと関連づけられたポータルから入手される請求項１に記載の方法。
請求項31
前記リコメンデーションは、前記ユーザ経験をそらさないようにするためにリアルタイムで生成される請求項１に記載の方法。
請求項32
リコメンデーションは、２００ミリ秒未満の時間で生成される請求項１に記載の方法。
請求項33
モバイルデバイスのユーザのための販売促進物を生成するための方法であって、前記ユーザは、サービスプロバイダと関連づけられ、サービスプロバイダから販売促進物リストを入手することと、ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータを前記サービスプロバイダから取り出すことと、前記取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成することであって、前記リコメンデーションは、複数の個々のリコメンデーション技法によって生成されることと、前記取り出された販売促進物の部分組を配信用に選択することであって、取り出された販売促進物の前記部分組は、前記リコメンデーションリスト内の前記リコメンデーションと共通しており及び前記ユーザによって既に入手済みでない販売促進物を含むこと、とを備える、方法。
請求項34
コンピュータプログラム製品であって、リコメンデーションの要求を入手することをコンピュータに行わせるための少なくとも１つの命令と、ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータを前記サービスプロバイダから取り出すことを前記コンピュータに行わせるための少なくとも１つの命令と、前記取り出されたデータの分析に基づいてリコメンデーションリストを生成することを前記コンピュータに行わせるための少なくとも１つの命令であって、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される少なくとも１つの命令と、を備えるコンピュータによって読み取り可能な記憶媒体を備える、コンピュータプログラム製品。
請求項35
モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムであって、前記ユーザは、サービスプロバイダと関連づけられ、リコメンデーションの要求を入手するための手段と、ユーザと関連づけられたデータ及び前記ユーザが入手可能な前記コンテンツに関するデータをサービスプロバイダから取り出すための手段と、前記取り出されたデータの分析に基づいてリコメンデーションリストを生成するための手段あって、前記リコメンデーションは、複数の異なるリコメンデーション技法によって生成される手段と、を備える、システム。
請求項36
モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムであって、前記ユーザは、サービスプロバイダと関連づけられ、前記ユーザと関連づけられたデータを格納及び処理するためのプロフィールモジュールと、前記ユーザが入手可能なコンテンツを格納及び処理するためカタログモジュールと、前記プロフィールモジュール及び前記カタログモジュールと通信する決定モジュールであって、前記プロフィールモジュール及びカタログモジュールから取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成するために用いられる決定モジュールと、を備え、前記リコメンデーションは、複数の個々のリコメンダモジュールによって生成される、システム。
請求項37
前記決定モジュールは、関連づけリコメンダと、比較リコメンダと、グループ分類リコメンダと、追跡リコメンダと、ネットワークリコメンダとを含む請求項３６に記載のシステム。
請求項38
前記ネットワークリコメンダは、呼データ記録モジュールと、ネットワークビルダモジュールと、ネットワーククリーニングモジュールと、重み付けモジュールと、関係識別モジュールと、ネットワークリコメンダモジュールと、を備える請求項３７に記載のシステム。
請求項39
前記プロフィールモジュールは、プロフィールデータベースモジュールと、プロフィール管理モジュールと、プロフィールグループ分類モジュールと、プロフィール取り込みモジュールと、を備える請求項３６に記載のシステム。
請求項40
前記カタログモジュールは、コンテンツグループ分類モジュールと、検索モジュールと、コンテンツ管理モジュールと、コンテンツデータベースモジュールと、コンテンツ取り込みモジュールと、を備える請求項３６に記載のシステム。
請求項41
モバイルデバイスのユーザのためのリコメンデーションを生成するためのシステムであって、前記ユーザは、サービスプロバイダと関連づけられ、前記ユーザと関連づけられたデータを格納及び処理するためのプロフィールモジュールと、前記ユーザが入手可能なコンテンツを格納及び処理するためのカタログモジュールと、前記プロフィールモジュール及び前記カタログモジュールと通信する決定モジュールであって、前記プロフィールモジュール及びカタログモジュールから取り出されたデータの分析によって前記ユーザのためのリコメンデーションリストを生成するために用いられ、前記リコメンデーションは、複数の個々のリコメンダモジュールによって生成される決定モジュールと、前記リコメンデーションを前記サービスプロバイダの販売促進物データベースと比較するための及び前記比較に基づいて販売促進物リストを生成するための販売促進モジュールと、を備える、システム。
請求項42
前記販売促進モジュールは、販売促進管理モジュールと、販売促進フィードバックモジュールと、販売促進物生成モジュールと、販売促進物取り出しモジュールと、販売促進物配信モジュールと、をさらに備える請求項４１に記載のシステム。
請求項43
モバイルデバイスのユーザのためのリコメンデーションを生成するための方法であって、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスすることと、前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成することと、フィルタリング制限を適用することによって部分組のリコメンデーションを選択することと、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信すること、とを備える、方法。
請求項44
選択されたコンテンツ品目を対象とする推奨ユーザの要求を受信することをさらに備える請求項４３に記載の方法。
請求項45
除外制限にアクセスすることによってフィルタリング制限を適用することをさらに備える請求項４３に記載の方法。
請求項46
選択されたユーザに対する選択されたコンテンツ品目のオファー数を追跡することによって前記除外制限にアクセスすることと、スレショルドに達したことに応答して前記選択されたユーザに対する前記選択されたコンテンツ品目のさらなるオファーを除外すること、とをさらに備える請求項４５に記載の方法。
請求項47
選択されたユーザに関するカテゴリ制限を受信することによって除外制限にアクセスすることをさらに備える請求項４５に記載の方法。
請求項48
選択されたコンテンツ品目が以前に選択済みであること及び選択されたユーザの選択されたモバイルデバイスによって受信されたことがあることを決定することによって除外制限にアクセスすることをさらに備える請求項４５に記載の方法。
請求項49
前記以前に選択されたコンテンツ品目と関連づけられたリコメンデーションのためのコンテンツ品目を識別することをさらに備える請求項４８に記載の方法。
請求項50
選択されたコンテンツ品目に関する選択された無線デバイスのデバイス適合性を決定することによって除外制限にアクセスすることをさらに備える請求項４５に記載の方法。
請求項51
選択されたコンテンツ品目の複数のリコメンデーションの信頼度レベルを決定することによってフィルタリング制限を適用し及び前記信頼度レベルに従って重み付け係数を適用することによって部分組のリコメンデーションを選択することをさらに備える請求項４３に記載の方法。
請求項52
前記信頼度レベルに従って前記複数のリコメンデーションをソートすることをさらに備える請求項５１に記載の方法。
請求項53
ユーザと提示されたリコメンデーションのオファーとの対話に基づいて無線デバイスの選択されたユーザに関する行動データを直ちに更新することをさらに備える請求項４３に記載の方法。
請求項54
無線デバイスの選択されたユーザをユーザグループと関連づけることと、前記グループとの関連づけに基づいてリコメンデーションを選択すること、とをさらに備える請求項４３に記載の方法。
請求項55
呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータから成る属性データ及び行動データにアクセスすることをさらに備える請求項５４に記載の方法。
請求項56
モバイルデバイスのユーザのためのリコメンデーションを生成するための少なくとも１つのプロセッサであって、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスするための第１のモジュールと、前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成するための第２のモジュールと、フィルタリング制限を適用することによって部分組のリコメンデーションを選択するための第３のモジュールと、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信するための第４のモジュールと、を備える、少なくとも１つのプロセッサ。
請求項57
モバイルデバイスのユーザのためのリコメンデーションを生成するためのコンピュータプログラム製品であって、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスすることをコンピュータに行わせるための少なくとも１つの命令と、前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成することを前記コンピュータに行わせるための少なくとも１つの命令と、フィルタリング制限を適用することによって部分組のリコメンデーションを選択することを前記コンピュータに行わせるための少なくとも１つの命令と、前記複数のモバイルデバイスの少なくとも部分組に前記部分組のリコメンデーションを送信することを前記コンピュータに行わせるための少なくとも１つの命令と、を備えるコンピュータによって読み取り可能な記憶媒体を備える、コンピュータプログラム製品。
請求項58
モバイルデバイスのユーザのためのリコメンデーションを生成するための装置であって、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データにアクセスするための手段と、前記属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し及び前記行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成するための手段と、フィルタリング制限を適用することによって部分組のリコメンデーションを選択するための手段と、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信するための手段と、を備える、装置。
請求項59
モバイルデバイスのユーザのためのリコメンデーションを生成するための装置であって、対応する複数のモバイルデバイスの複数のユーザに関する属性データ及び行動データを含むプロフィール格納用構成要素と、アクセスされた属性データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、アクセスされた行動データに基づいてオファーすべきコンテンツのためのリコメンデーションを生成し、及びフィルタリング制限を適用することによって部分組のリコメンデーションを選択するためのプロフィール及びリコメンデーションシステムと、前記複数のモバイルデバイスの少なくとも１つの部分組に前記部分組のリコメンデーションを送信するためのネットワーク通信モジュールと、を備える、装置。
請求項60
選択されたコンテンツ品目を対象とする推奨ユーザの要求を受信するための前記ネットワーク通信モジュールをさらに備える請求項５９に記載の装置。
請求項61
除外制限にアクセスすることによってフィルタリング制限を適用するために前記プロフィール及びリコメンデーションシステムをさらに備える請求項６０に記載の装置。
請求項62
選択されたユーザへの選択されたコンテンツ品目のオファー数を追跡し、及びスレショルドに達したことに応答して前記選択されたユーザへの前記選択された品目のさらなるオファーを除外することによって除外制限にアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備える請求項６１に記載の装置。
請求項63
選択されたユーザに関するカテゴリ制限を受信することによって除外制限にアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備える請求項６１に記載の装置。
請求項64
選択されたコンテンツ品目が以前に選択されたことがあり及び選択されたユーザの選択されたモバイルデバイスによって受信されたことがあることを決定することによって除外制限にアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備える請求項６１に記載の装置。
請求項65
前記以前に選択されたコンテンツ品目と関連づけられたリコメンデーションのためのコンテンツ品目を識別するために前記プロフィール及びリコメンデーションシステムをさらに備える請求項６４に記載の装置。
請求項66
選択されたコンテンツ品目に関する選択された無線デバイスのデバイス適合性を決定することによって除外制限にアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備える請求項６１に記載の装置。
請求項67
選択されたコンテンツ品目の複数のリコメンデーションの信頼度レベルを決定することによってフィルタリング制限を適用し及び前記信頼度レベルに従って重み付け係数を適用することによって部分組のリコメンデーションを選択するために前記プロフィール及びリコメンデーションシステムをさらに備える請求項５９に記載の装置。
請求項68
前記重み付け係数に従って前記複数のリコメンデーションをソートするために前記プロフィール及びリコメンデーションシステムをさらに備える請求項６７に記載の装置。
請求項69
ユーザと提示されたリコメンデーションのオファーとの対話に基づいて無線デバイスの選択されたユーザに関する行動データを直ちに更新するために前記プロフィール及びリコメンデーションシステムをさらに備える請求項５９に記載の装置。
請求項70
無線デバイスの選択されたユーザをユーザグループと関連づけ及び前記グループ関連づけに基づいてリコメンデーションを選択するために前記プロフィール及びリコメンデーションシステムをさらに備える請求項５９に記載の装置。
請求項71
呼データ、誕生日、性別、以前の購入、興味の表示、興味なしの表示、支出パターン、モバイルデバイスのタイプ、現在の地理上の所在場所、呼の頻度、又はその他のユーザメタデータから成る属性データ及び行動データにアクセスするために前記プロフィール及びリコメンデーションシステムをさらに備える請求項５９に記載の装置。