CN101460942A - 使用感情偏好进行电脑化搜索及匹配的方法及*** - Google Patents
使用感情偏好进行电脑化搜索及匹配的方法及*** Download PDFInfo
- Publication number
- CN101460942A CN101460942A CNA2007800197018A CN200780019701A CN101460942A CN 101460942 A CN101460942 A CN 101460942A CN A2007800197018 A CNA2007800197018 A CN A2007800197018A CN 200780019701 A CN200780019701 A CN 200780019701A CN 101460942 A CN101460942 A CN 101460942A
- Authority
- CN
- China
- Prior art keywords
- user
- emotion
- individuality
- code
- emotion code
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 230000002996 emotional effect Effects 0.000 title abstract description 6
- 230000008451 emotion Effects 0.000 claims abstract description 294
- 238000011835 investigation Methods 0.000 claims description 56
- 238000004458 analytical method Methods 0.000 claims description 25
- 230000008878 coupling Effects 0.000 claims description 16
- 238000010168 coupling process Methods 0.000 claims description 16
- 238000005859 coupling reaction Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013461 design Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 235000014510 cooky Nutrition 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012512 characterization method Methods 0.000 claims description 3
- 230000013011 mating Effects 0.000 claims description 2
- 238000007372 rollout process Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 14
- 230000015654 memory Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000035807 sensation Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005520 cutting process Methods 0.000 description 2
- 238000000151 deposition Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 206010058672 Negative thoughts Diseases 0.000 description 1
- 241001122767 Theaceae Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- -1 sound clip Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003612 virological effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Finance (AREA)
- Epidemiology (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种记录人类主体的感情偏好、生成机读感情代码并使用该代码以将个体之间的电脑化搜索及匹配工作优化的方法及***在此公开。该个体可以是人类用户、产品或服务。感情代码因此可以是在个体之间表达人类感情的通用语言。在了解传送方的感情特征之后,接收方可以改变它的运作以达到更优化的结果。
Description
发明领域
本发明关于一种电脑化搜索及匹配***,特别是一种定制的利用用户的感情特征的搜索及匹配***。
背景技术
在传统的基于文本的电脑化搜索及匹配***中,用户需要指定一串文字作为匹配条件以进行搜索及匹配工作。这种搜索及匹配***由于需要用户运用他们的逻辑思考过程以精确地输入搜索条件,所以只对从用户那里获得事实性的信息有效。它并不能有效地获取用户的感情反射。然而,研究表明人类会基于本能感情倾向做出仓促决定。不幸的是,要直觉性地表达用户的感情反射至传统的搜索及匹配***时,此***就会遇到一个严重的限制。因此,该***可能不能够将有意义的搜索结果返回至该用户。
发明内容
在前述背景的前提下,本发明的目的是提供一种可以获得用户的感情特征并使用这些特征协助搜索或匹配操作的不同的电脑化***。该***亦可以应用于不同的个体之间的搜索及匹配,而该个体可以是一个人,一种产品或一种服务。
相应的,本发明在一方面是一种使用第一电脑程序将人类的感情编码成为机读语言的方法。该方法首先为每一个个体生成一个多媒体对象。然后它将这些多媒体对象展现给用户以选择。当用户作出选择时,他们暗示地显露他们的感情偏好。该方法然后将这些感情偏好记录并划分至多个类别。各类别被赋予一个机读语言的感情代码。由此,用户的感情偏好可以被数字化地特征化并传送到第二电脑程序,第二电脑程序就可以根据该感情代码的解释而改变其操作。这种操作可以是搜索操作、匹配操作、寻找拥有相近的感情代码的对象的操作,寻找不相近的感情代码的运作,或上述的任何组合。
在本发明的一个优选实施方案中,多媒体对象为数字图像。这些多媒体对象亦跟多个关键字相关联,每一个关键字都描述了人们对该多媒体对象的感觉。
在另一个优选实施方案中,该用户的回复可能包括正面或负面的回复,还可能包括用户对那些回复所作出的评论。
在一个实施方案中,所述分类步骤包括(a)从该用户取得用户回复;(b)编制由用户所选择的多媒体对象集合而成的关键字列表;(c)计算在关键字列表里各关键字的出现的次数及(d)调用根据步骤(c)的结果及该用户回复中的其它相关信息而将该用户划分至最少一个类别的专家***。在这个实施方案中的一个实施例中,该专家***为一个以基于规则的专家***。该***记录了一个心理专家根据用户的回复而将其分类的专门技能。在另外一个实施例中,该专家***为将用户回复划分至上述类别的神经网络分级***。
在另外一个实施方案中,该分类步骤调用统计性集群分析模块以将多个用户回复划分到最少一个集群。各集群均有一个集群均值参数及一个集群方差参数。每个集群都被赋予了一个感情代码。
在本发明的另一个实施方案中,还包括将一个个体关联至一个感情代码的方法。该个体可以是一间企业所提供的产品或服务。此关联方法首先从一个多媒体对象的池中选择多个具有代表性的多媒体对象。每一个多媒体对象都已经被预先选择以代表人类感情中的一个广阔类别,并被赋予最少一个感情代码。之后,为每一个个体创建一个个体多媒体对象。这个个体多媒体对象可以是比如说该个体的一个数字图像。然后,该多个具有代表性的多媒体对象及该个体多媒体对象会在显示装置上显示以便第二用户进行操作。当该第二用户在该多个代表性多媒体对象中间选择一个跟该个体对象最为相似的第一代表性多媒体对象时,已预先赋予给该第一代表性多媒体对象的感情代码会传递至该个体,因此该个体会承继该感情代码。
在上述方法的一个变化中,本发明还包括一个搜索步骤,当第三用户选择展露出他的感情代码时给企业的时候,该企业会展示经过过滤的多个个体给该第三用户。该搜索步骤首先定义了一个以该第三用户的感情代码为中心的周边区域。然后它选择感情代码在该周边区域之内的多个个体,并将那些个体作为经过过滤的多个个体展示给该第三用户。因此,感情代码与该第三用户的感情代码完全不匹配的不相关个体不会展示给该第三用户。
在本发明此方面的一个优选实施方案中,当该分类步骤调用统计性群集模块以将多个用户回复分类到最少一个集群,致使各集群的特征通过集群均值参数及集群方差参数表达的时候,该周边区域可以以该集群均值参数为中心而创建,而且该区域的范围为该集群方差参数乘以一个比例常数。
根据本发明的另一方面,公开了一个将人类感情编码成机读语言的***。该***包括剖析服务器、企业***、终端用户***及搜索及匹配引擎。该剖析服务器被设计为用于(a)记录多个用户的感情偏好;(b)从这些感情偏好生成感情代码;及(c)生成多个代表性多媒体对象,每一个都和最少一个感情代码相关联。企业***有一个产品或服务的目录,每一个产品或服务均用一个感情代码标记(具体实施方式会在以下详述)。终端用户***可以从服务器接收用户的感情代码。搜索及匹配引擎被配置为从终端用户***接收用户的感情代码及从企业***接收产品或服务感情代码,因此它可以取得感情代码与该用户的感情代码相近的多个产品或服务。
在一个实施方案中,企业***及搜索及匹配引擎在同一个计算机***中执行。而在另一个实施方案中,特征服务器及搜索及匹配引擎寄存在同一个计算机***之中。
在一个优选实施方案中,终端用户***可以运行互联网浏览器应用程序,并且该感情代码以计算机cookie文件的形式传送到该终端用户***。
本发明的优点很多。一个主要的优点是它可以做到传统的基于文字的问卷所不能做到的记录用户的感情反射,并使用此感情特征改进搜索的精确度。在此技术领域中,消费者在他们的购买习惯中作出瞬间决定是公知常识。这些决定很大程度上是根据他们本能的感情偏好而不是逻辑或分析性的思考过程。在本发明之前,没有有效及有效率地将人类的感情偏好编码至计算机的方法。但通过本发明,人类感情方面的偏好可以像其它理性信息一样有效地被记录及传递。该感情剖析方法论因此为市场研究员理解消费者的行为带来额外的灵感。传统的基于文字的调查并不能获得这些灵感。
本发明的另一个优点是当所有用户及物体均用他们相应的感情代码标记之后,本发明允许市场研究员在感情空间中进行有针对性的推销。感情代码可以成为该空间中被广泛接受的用于通讯用的词汇表。如此一来,本发明使得人类感情上的感受及偏好可以在计算机空间中数字化地通讯,因此商业社会能够立刻窥见用户真正喜欢的事物。同样地,用户亦可以很容易地寻找拥有相近想法的用户。
附图说明
图1是一个实施方案中的感情剖析***的框图。
图2是根据本发明中一个范例的电脑化感情剖析服务器的框图。
图3a显示了感情特征编目***的主要软件模块及数据库。
图3b显示了调查表设计工具箱的内部结构。
图4显示了一个特定范例中当用户正在进行调查时的用户界面。
图5显示了在另一个特定范例中当用户正在进行调查时的用户界面。
图6展示了一个感情代码或视觉DNA的特定数据表示范例。
图7a是自动图像标记程序的一个特定范例,在此图中标记还没有进行。
图7b是自动图像标记程序的一个特定范例,在此图中标记已部分地完成。
图8a显示搜索引擎的用户界面的一个特定范例,此图显示一个分散的结果。
图8b显示搜索引擎的用户界面的一个特定范例,此图显示一个比较同质的结果。
图9显示匹配***的硬件及软件***的内部结构的一个特定范例。
具体实施方式
在以下描述及权利要求书中,“包括”指包括但不排除其它下述的元素或步骤。另外,“个体”包括生物,例如一个用户,以及个体对象。术语“个体对象”在此指非生物个体,例如但不限制于公司、集团、产品、服务、品牌、概念例如“假期”、或风景。并且,术语“多媒体对象”指计算机***内代表该个体的多媒体数据结构。它可以但不限制于是数字图像、视像片段、声音文件、或基于文字的对象。另外,术语“感情代码”、“视觉DNA”及“感情指纹”在本文件中互换地使用,而且它们全都解释为将人类感情进行编码的机读代码。
现在参考图1,本发明的第一个实施例为感情剖析***22,此***包括多个子***,包括电脑化感情剖析服务器35、最少一个企业***91、最少一个搜索及匹配引擎92及最少一个终端用户***93。各个子***经过不同的数据通讯频道23、23b、23c、23d及23e连接到该电脑化感情剖析服务器35。这些数据通讯频道建立双方之间的点到点数据路径。这可以通过个人通讯网路、公众网络如互联网、或虚拟个人网络(VPN)建立。它可以穿越一个或多个的局域网(LAN)、城域网(MAN)、广域网络(WAN)、或上述的任意组合。这些网络中的任何一个都可以使用租用专线、光纤、无线科技,或其它网络科技实施。
图2展示了电脑化感情剖析服务器35的内部结构。它还包括(a)向用户传送感情调查表,收集调查结果并将其分类及赋予感情代码至不同的感情类别的感情特征编目***36;(b)容许设计者快速地设计度身定做的调查表的调查表设计工具箱45;及(c)搜索引擎优化模块46。此模块可以嵌入到该搜索及匹配引擎92之中,因而后者可以利用该感情代码取得跟用户的感情偏好较匹配的对象。
图3a及3b还分别显示感情特征编目***36及调查表设计工具箱45的一个实施例。此编目***36利用了媒体调查模块20、分析模块44、及多个数据库,包括调查结果数据库101、感情特征数据库102、多媒体展示数据库103、名称列表数据库104及调查文件数据库105。媒体调查模块20向用户传送调查表21。调查结果数据库101储存从媒体调查模块20得来的调查结果并将其传送到分析模块44,后者再连接到感情特征数据库102。调查表设计工具箱45由三部分组成。它们是自动图像标记程序178、图像数据库180及模块创建程序182,如图3b所示。这些***的细节会在以下进一步说明。
本发明的第一实施例的***结构已在此描述。现在会转为描述多个子***的运作,以及各个子***怎样跟其它子***互动以达到本发明的目的。
返回图1,电脑化感情剖析服务器35传送一组在此特定范例中称为“灵感包”的数据包到通过数据通信途径23a订购此服务的企业***91。每个“灵感包”都储存用户的感情信息被分析后的结果、一组代表性多媒体对象及相关联的感情代码。企业人员可以利用该“灵感包”对用户的偏好有更好的了解。然后,该企业***91会将他们的产品或服务用该感情代码标记(这会在以下详细解释),然后将该产品服务信息连同其感情代码一起传送到搜索及匹配引擎92。同时,电脑化感情剖析服务器35也可以将该用户的感情代码以及对此用户来说是唯一的信息,以“认识我”包的形式向该用户拥有的另一个终端用户***93,通过另一条数据通信途径23e传送。
在感情剖析***22的一个特定范例中,用户是消费者,企业***是网上购物网站,而搜索及匹配引擎由第三方商业***提供。该用户通过终端用户***91,经数据通讯路径23d连接到寄存该搜索及匹配引擎92的商业***;并且商家利用该企业***91经过另一条数据通讯路径23b将他的产品或服务信息提供给该商业***。通过该商业***,消费者可以选择购买什么产品或服务。在之前已经提到,各种产品或服务均可以用感情代码标记。当消费者向商业***展露他的感情代码时,商业***可以从商家的企业***91选择匹配该用户的感情代码的产品,因此能向该用户提供最为理想的产品。这样可以促进商家及消费者之间的有针对性的交易。再者,该商业***也可以记录该用户在向他展示的该多种产品或服务之中所作出的选择,并将此信息传送回电脑化感情剖析服务器35以进行之后的“点击”分析。这是通过另一条数据通讯路径23c完成的。
调查表的生成及处理
现在参照图3a,此图显示了感情特征编目***36的内部结构。如之前已经描述过的,编目***36向用户传送感情调查表、收集调查结果并将其分类及将感情代码赋予到不同的感情类别。更具体地说,编目***36向该用户传送调查表21并提示该用户选择一个或多个答案。调查表21包括最少一个问题以及多个多媒体对象。多媒体对象可以是但并不限制于文字对象、图像、相片、图画、音效片段、声音片段、电影、或任何上述组合。在一个优选实施方案中,调查表在用户的计算装置中的互联网浏览器中显示。一个典型的互联网浏览器为微软的Internet Explorer。图4显示了一个调查表的范例,在此多媒体对象为数字图像。在另一个优选实施例中,该图像为可以用鼠标点击的物体,因此当该用户在点击特定的图像时,互联网浏览器检测到用户所选择的图像,并将此信息作为用户对该调查问题的选择传送回媒体调查模块20)。
调查文件数据库105包括多个调查表。调查表可能是完全基于文本的(即该多媒体对象为文字物体)。这种调查表用于记录该用户的事实性及人身信息,例如他们的性别、年龄范围及入息水平等等。这是传统的调查问卷。本发明的一个重要的方面是不光从用户收集人身信息,还收集他们的感情偏好。所以在一份典型的调查文件中,调查表不仅包括单纯基于文字的表格,还包括如图4所示的拥有丰富的多媒体对象的表格。研究显示,当向用户展示单纯基于文字的问卷时,该用户会在选择适合他的选择之前先经过一个“深思熟虑的思考过程”来阅读多个可选择答案。但是,我们已经知道人类绝大部分的行为及选择都由感受驱动,并且人们在测试环境中的感觉跟现实生活里他们的感觉及行动比较相近。这种内在感受可以通过用户对视觉上的刺激的直接感情回复进行更好地记录。所以一个包括多个图像或视觉对象的调查表可以记录用户的感情反射,而传统的基于文字的问卷并不能做到这点。最近的实验结果显示,愿意回复一个多媒体问卷的人数是愿意答复一个传统的文本问卷的人数的几乎三倍多。更重要地,多媒体调查能够发现传统的基于文字的调查不能发现的新的用户细分。
一个生成调查表及进行调查的示范实施方案在此提供。首先,适合的多媒体对象被选择以创建调查表。在一个优选实施方案中,这些多媒体对象是从图像数据库抽取出来的图像。这个图像数据库可以是私人收集、公众数据库、或者商业数据库。一个商业图像数据库的例子为Gettyimages。各个图像均标记以一组关键字。这些关键字是小心地被选择的,以描述人类对某个图像的观点及感想。一个关键字的示例组合为海滩、雪山、都会、自然的布置;或经典的、浪漫的、传统的、时髦的等等。在一个实施方案中,标记工作由人手进行。在一个优选实施方案中,标记工作由心理学专家进行。在另一个实施方案中,该过程可由计算机模块进行,其细节会在以下讨论。
在这个示范实施方案中,对每个主题均创建了一套调查表。例如,有一个是用于运动的调查表,另一个是用于行程的,等等。每个调查表都包括多个调查页。一些调查页是记录用户的事实性信息的传统的文本调查页。其它调查页包括文字问题,以及多个标记以关键字的图像以供用户选择。
然后,调查表将会传送给多个用户进行填写。在一个实施方案中,用户列表可以从含有用户的联络数据或电邮地址的多个名称-列表数据库104中获取。这可以是公司的名称-列表数据库、售卖商业化名称-列表数据库的广告公司、用户群组例如同好会或职业组织,或者网上群组如雅虎或MSN群组。要达到公正的调查结果,越多的用户参与调查,调查统计就会越可靠。另一方面,用户群可以从该名称-列表数据库104划分至多个群组及不同的分级。例如,该用户可以根据种族起源、不同的民族、地域、文化或语言等被分类。因此,同样的调查可以在不同的用户群组上进行。即使各组的大小可能不及一个庞大用户池,分割出来的组也可能拥有若干共同特征,所以跟庞大用户池得出来的调查相比,它可能生成更细致的及有意义的感情特征。
当用户通过从多个选择中间选择视觉上最为理想的图像作为对调查问题的回复时,该***也记录跟该被选择的图像有关联的关键字以用作以后的分析。因为用户不能看见关联于各图像的关键字,他的选择是他对该主题的感情偏好的一个完全反射。参考图4以作一个说明用的特定范例,“喜乐对我是…”的问题会显示数个图像给用户看,例如在太阳下祷告186、在浴缸中放松188、在野外郊游190、或跟宠物一起睡觉192。举个例子,如过用户选择“在浴缸中放松”188的图像,他已经间接地选择了数个在之前跟该图像相关联的关键字,例如静止、温暖及室内。然而,被传送的调查结果不是这些关键字,而只是用户对该图像作出的选择,是因为对被选择的图像有关联的关键字的抽取及分析均在感情剖析服务器35中进行。再者,用户有机会不喜欢某些图像。在一个实施方案中,各对象均有它的“移除”按钮194提供给用户,如图5所示,以表达他对这图像的负面感想。此负面反馈跟他的正面选择同样重要,并且也会被储存作为调查结果的一部分以便以后分析。
在调查进行期间,该***亦提供给用户一个对关于他喜欢及不喜欢某个图像及其原因发布评论的方法。这些评论也会被储存为调查记录的一部分,并可以被分析模块使用,以决定最适合此用户的感情代码。此评论亦会加进他的调查结果之中。
除了明示地要求用户完成整个调查以记录该用户的感情偏好之外,还可以在该用户在互联网上浏览时暗地里进行。在一个特定的实施例中,当该用户正在浏览一个网上购物网站时,该用户在该网上产品/服务目录中点击了什么产品或服务也显露了他的感情偏好。此***可以记录及储存这些信息到该用户的调查记录中以作更多的分析。
最后但并非最不重要的是,此***也为用户提供一个邀请他们的朋友加入用户群组及回答调查问题的可能。他们可以通过网站、电邮、博客、播客、或任何其它网上社交网络中可用的方法邀请他们的朋友加入该群组。这种“病毒性影响”可以大大的扩展用户调查池。
调查结果的分析
在从用户群组收集了所有的调查结果记录之后,感情特征编目***36可以调用分析模块44以分析它们。在一般情况下,调查结果记录拥有复杂的数据结构以能够在多维数据样本中储存用户多方面的人身数据及感情偏好。例如,它可能以多维矩阵、树形结构或面向对象的数据类型来实施。在一个实施方案中,它包括记录用户的人身数据的矢量、记录他的感情偏好的多维矩阵、以及记录用户的正面及负面评注的文字栏。该多维矩阵还可以包括登记用户所作出过的选择的选择矢量。它也还可以包括速度矢量,以记录用户作出选择时所用的时间,以及如果在问题中用户选择了多过一个选项,记录这些选项的排列的先后次序的矢量。
从调查结果数据库101得到储存在多维数据样本的调查结果之后,分析模块44就可以进行两种指定用户到不同的感情代码类别的分析。第一种分析是可以通过人手或自动进行的关键字分析。关键字分析是分析与回复者选择的图像相关联的关键字,并由此推导这个用户应被指定到哪个类别。在一个实施方案中,关键字分析模块读取储存在调查结果中的被选择的图像,并从与每个图像有关联的数据库中寻找该关键字。该模块然后会将它们集合成一个关键字列表。在一个特定实施方案中,此分析由心理学专家进行。该专家可以研究该关键字列表、列表中各个关键字的出现次数、以及用户所输入的正面及负面评论,然后决定该用户的感情代码。
在另一个实施方案中,此分析由计算机模块自动进行。作为一个特定的说明范例,在调查中该用户回答了十三条问题。关键字“阳光”出现了五次,并成为最普遍的关键字。虽然关键字“伤心”也出现过一次,但模块考虑所有证据,并指定此用户至“乐观者”的感情代码类别。此外,其它人工智能技术也可以在这里运用。特别是,当一个心理学专家在研究该用户的调查记录之后,清楚解释他赋予某一个感情代码给该用户的原因的时候,这些理由可以编码至一个基于规则的专业***,所以后者也可以得出相同的结论。另外,在已经分类了大量用户之后,可以使用神经网络分类器以学习该分类映射。在此情况中,从该用户的调查结果中累积起来的关键字会被提供至一个神经网络的输入节点,而输出节点被设定为赋予至该用户的特定感情代码。该神经网络训练算法然后会被调用以学习这个前例的联系性映射。在训练之后,该神经网络就可以在得到一个新用户的关键字列表时,赋予感情代码至该新用户。
在任何情况下,感情代码连同关键字统计数据一起,以及所有其它相关信息均在感情特征数据库(102)中作为该用户的感情特征记录储存。
第二种分析方法是对这些多维矢量进行群集分析的统计群集技术。作为一个典型例子,该模块可以调用从SPSS公司获得的SPSS统计软件。集群分析模块从调查结果生成最少一个集群、以及与此集群相关联的统计数据。
在运行时,统计分析模块从调查结果数据库101取得所有调查结果记录,并将它们划分到集群或感情特征类别。每个集群以一个集群中心以及它的集群的统计数据,例如集群均值及集群方差进行表示。该集群均值是用一个多维矢量表示,而集群方差是一个多维矩阵。群集统计数据,连同感情代码及所有关于此感情特征类别的其它相关信息,均在感情特征数据库102中作为感情特征记录储存。
在关键字或集群分析后,同一个感情特征类别的用户会被赋予以相同的感情代码。此代码成为此用户细分的个人感情代码。由于它表示用户的感情偏好,它也可以被称为视觉DNA,或是感情指纹。使用一个易于记认的名称或图像来表示感情代码比较利于未来参考。例如,“传统主义者”、“现代主义者”及“环保主义者”的名称均可以被使用。这能成为国际性的感情代码。而且当感情代码在全世界通用时,可以大大的改善用户与商家沟通的效率,就如同以下段落的例子将会表示的。另外,一种数字代码也可以被采用。例如,各个集群可以简单地以一个集群数字来表示。
图6显示了一个感情代码或视觉DNA的特定数据样本范例。用户的感情偏好被分为十二个不同的标记,用户属于其中一个。例如他在运动的主题中喜欢篮球,他就属于标签5。又比如他喜欢草药,他就在保健的主题中属于标签2。分析模块44可以赋予代码给此用户,因为这名用户已经完成这两个主题的调查。因此,如果他完成了全部十二个主题的所有调查,他的感情代码或视觉DNA代码152就会是一个有8个条目的字符串,即如图6所示的“S5 HE2 EN8 L4 F8 E2 P3 FA7 TR3 H1 T6 FR2”。另一方面,如过该用户只完成了调查表中的一部分,他的视觉DNA代码就会只包含从具有他的感情偏好数据的主题得来的代码。
图6使用了一个拥有十二个主题而且每个主题有八个标签的例子,以说明视觉DNA的特定数据样本。值得强调的事,本发明中的***可以迎合任何数目的主题及任何数目的标签。所以在此提及的特定数目不应被理解为本发明的实施方案中唯一需要的数目。
调查表设计工具箱
在之前已经简短地介绍过,调查表设计工具箱45帮助生成调查档案。再回到图3b,在一个实施方案中,工具箱45包含三个模块。第一个模块为图像数据库180,调查问题所用的图像可以从此抽取。一个常用的商业图像数据库是Gettyimages。工具箱内45第二个必须的部分为用简单及直觉的方法将关键字赋予至图像的自动图像标记程序178。它的详细运作会在以下段落中讨论。第三个模块为模块建立程序182,它协助一个调查设计者制作包含多个调查页的调查文件,每页包括一条问题及多个图像或文字对象供用户选择。它也可以提供给设计者加入额外的信息的可能,例如公司标识或其它调查文件的相关数据。
图7a及7b显示了自动图像标记程序的一个示范计算机屏幕布局。该自动图像标记程序界面屏幕包括两个面板:未被标记的图像面板158及已被标记的图像面板160。如其名所示,前者含有未被关键字标记的图像,而后者中的图像已经被标记。要将关键字赋予到那些未被标记的图像,用户只需将未被标记的图像与已标记的面板中所有的图像比较,并确定出最相近的一幅。然后,他用计算机鼠标将未被标记的图像拖动到在已标记图像面板中跟它最相近的图像之上。例如在图7a中,第一图像196、第二图像198及第三图像200位于未被标记的图像面板158中;而图像202及204是已标记以关键字的标准图像。然后,用户将第二图像198及第三图像200拖动到第一标准图像202上,而第一图像196被移动至第二标准图像204之上。在图7b中,刚刚被标记的图像196、198及200会缩小并停留在己标记图像面板内相应的已标记图像之上。如此一来,未被标记的图像会从已标记的图像那里继承那些关键字。
用户***93
在新用户被赋予一个感情代码或视觉DNA代码之后,电脑化感情剖析服务器35会为该用户创建一个“认识我”包。这个包包括服务器35赋予给此用户的感情代码、他对他选择或移除的图像所作的评论、他的个人信息或嗜好、以及他的朋友网络等。服务器35可传送这个“认识我”包至该用户的用户***91。在一个实施方案中,“认识我”包可以是在互联网浏览器中广泛地使用的“cookie”文件的形式。在其它实施方案中,它可以以用户携带的令牌形式储存。以一个范例作为说明,该“认识我”包可以储存在手提电话中的用户识别模块或通用用户识别模块、用户本身所携带的智能卡、或者任何可以长期储存数据的储存装置中储存。如果该用户许可,他可以将他的“认识我”包与他的朋友、用户群组或者购物网站分享,使其它人得以明白他的感情偏好。
企业***91
商家或其它服务供货商很有兴趣知道用户的偏好及最新的趋势。所以,电脑化感情剖析***35可以传送灵感包给其拥有人订购了服务的那些企业***91。该灵感包储存最少一个主题中的用户调查的分析结果、多个代表性多媒体对象,每个对象都代表一个人类感情的广阔类别并标记以感情代码或视觉DNA、以及其它相关信息。在一个实施方案中,代表性多媒体对象由专家拣选。以一个范例作为说明,一个多媒体对象可以被拣选以代表“喜乐”,而另一个代表“悲伤”,等等。当用户愿意展露他的感情代码时,商家或其它服务供货商可以选择适合该感情代码的他们的目录中的产品或服务。如过要这样做,商家或其它服务供货商需要使用同一组的感情代码标记他的产品或服务。这可以通过感情代码自动标记***进行。这个***跟前述的自动图像标记程序相近,唯一区别是后者以关键字将图像标记,而感情代码自动标记程序以感情代码将图像标记。
在运行时,一个商家或其它服务供货商提供的产品或服务的个体多媒体对象首先被创建。在一个优选实施方案中,这些个体多媒体对象及代表性多媒体对象均为数字图像或视觉对象。感情代码自动标记程序的用户界面与图7a及图7b中的相同。已标记图像面板160中布满了多个代表性多媒体对象,各个多媒体对象被标记以最少一个感情代码或视觉DNA,而未被标记图像面板158布满了代表该商家的产品或服务的个体多媒体对象。然后,该商家可以如之前所述的,将一个图像从未被标记图像面板158拖动到已标记图像面板中160中的其中一个图像之上。如此一来,个体多媒体对象会从那个代表性多媒体对象那里继承感情代码。
搜索及匹配项引擎92
如之前所述,感情代码或视觉DNA可以作为一个通用代码被消费者及商家使用。用户可以使用此代码表达他的感情偏好,而商家可以根据此代码细分他的产品或服务。
在一个传统的网上购物网站中,一个访问该网站的用户通常会输入与他所想要的东西有关的几个关键字,然后此网站的搜索引擎会搜索产品或服务目录并显示多个选项以供该消费者选择。不幸的是,很多建议可能跟用户想要的并不匹配,结果就浪费了用户的时间,而商家也丧失了卖出的机会。搜索及匹配引擎92可以包括电脑化感情剖析服务器36中的搜索引擎优化模块46,使它可以利用通用的视觉DNA以过滤不相关的选择,从而向用户提供一个比较舒适的及讨人喜欢的购物体验。该***的实际运作通过以下段落的范例说明:
在一个特定范例中,参考图1,用户使用在他的终端用户***93上可用的互联网浏览器访问装有搜索及匹配引擎92的网上商业***。该商业***然后从家具商店的企业***91中接收产品及服务目录。在此例中,每个家具(即沙发)以上述已经以最少一个感情代码标记的图像的形式的多媒体对象表示。该用户的“认识我”包(其含有该用户的视觉DNA)以互联网浏览器可以存取的“cookie文件”的形式储存在他的终端***93内。
图8a为当用户第一次进入上述网上商业网站时的截图的一个示例。该用户只需要在输入方框168中输入字符串“沙发”作为搜索字符串,多个沙发的图像就会在显示方框174中显示。如过该用户愿意提供视觉DNA匹配所需要的他的“认识我”给该家具网站,他可以点击“认识我”复选框170。这会导致互联网浏览器传送该用户的“认识我”cookie文件到该网上商业网站。不点击这个复选框,会令该搜索引擎如同一个没有被优化过的普通文本搜索引擎般运行。在该用户选了“认识我”方格并再次点击“搜索”按钮172时,多个额外的沙发图像会出现在显示方框174内。在页面顶端的滑动条176也变为可使用。在这个阶段,滑动条176被放置在最右边的或着说最宽阔的位置,这表示搜索引擎会返回跟用户的视觉DNA相关的对象之中差别最大的一组对象。因此,选择了的沙发显示在图8a中的显示框174内。可以看到,它们的风格及结构有很大的分别。而在图8b中,当滑动条176被放置在最左边的或者说最窄的位置时,在显示框174中显示的沙发的风格及结构非常相近,因为它们是根据于用户的视觉DNA相关的差别最小而选择的。因此,用户不需要用详细的文字描述他的偏好来指定他的搜索字符串,而只需根据他的感情偏好使用滑动条176以调节搜索结果的相近程度。这个搜索优化的优点是它不只又快又准确,还省却了用户以字面形式输入他所有方面的偏好至该搜索字符串的努力,而这有效率又花费时间。
在后台,嵌入在商业***中的搜索及匹配引擎92中的搜索引擎优化模块使用该用户的视觉DNA代码,根据用户的浏览器中的滑动条的设定定义一个“周边区域”。如果设定成最宽阔的,周边区域会定得比较宽阔,并且商业***92会从这个比较宽阔的周边区域中选择它的目录中的产品或服务对象。所以被选择的对象会有比较多样的风格或结构。当设定为最窄时,该周边区域变得较小,所以被选择的对象会比较同质化。
此周边区域的一个特定实施方案在以下公开。当使用统计群集分析时,群集算法生成一个或多个集群中心。各个中心均有其相关的统计均值及方差。集群中心可以使用作为感情代码或视觉DNA中的一个组件。在此设定中,周边区域为以集群均值为中心的区域,而它的范围或半径跟该集群方差成正比。所以一个阔的周边区域对应更大的比例常数。从而当此常数乘以该集群方差时,它会生成一个更大的半径,也就是一个更大的周边区域面积。相反地,一个窄的周边区域对应一个较小的比例常数,生成一个较小的覆盖面积。而且被选择的对象会比较接近该群集均值,所以比较同质化。
由于该用户可能并不参与覆盖所有主题的所有调查,那些没有调查数据的主题的视觉DNA可能会不能得到(数据欠缺问题)。克服此问题的其中一个办法是核对该消费者属于的类别,并在各个有欠缺数据的主题区域中,找出在该区域中的大部份用户所属的那个视觉DNA代码,并将此视觉DNA代码作为最初的估计赋予给此用户。举一个具体例子,用户可能只回答了运动主题的调查,但没有回答休假主题的。所以他有关于运动的视觉DNA代码(即他喜欢“冬天的运动”)。分析结果显示大部份喜欢冬天的运动的人喜欢在放假的时候去滑雪场。所以在休假的类别中,他被赋予一个“滑雪场”的视觉DNA代码,即便没有关于他在‘休假’主题中的调查数据。当此用户几次到访一个或多个休假场所时,此用户所选择的休假产品或服务会以通过数据通信途径23c的“点击”形式传送回到电脑化感情剖析服务器35。后者可以调用分析模块44分析点击数据,以在休假主题中为此用户获得一个更加准确的感情特征。这可以形成这个用户新的视觉DNA代码,并会以一个新的“认识我”包的形式传送回该消费者。
硬件及软件实施方案详细
图1所示的***框图描述了本发明的一个使用分布计算架构的实施例,其中剖析服务器35、企业***91、搜索及匹配引擎92及终端用户***93为实体上是分开布置。以上的***每一个都可以是如图9所示的数据处理***800。该***800包含可以使用以实施本发明的实施例的硬件801及软件部件802。硬件部件还包括中央处理器(CPU)810、内存811、存储器812、及多个接口如周边接口813、网络接口814、输入接口815及输出接口816等。
中央处理器810可以是一个单一的微处理器或是多个处理器的组合。内存811可以包括只读存储器、随机存取内存或其它内存技术,单一地或组合地使用。存储器812通常包括长期存储器例如磁性硬盘、软盘、光学存储器例如光盘等、以及半导体存储器例如闪存记忆卡,或者其它存储器技术,单一地或组合地使用。网络接口814容许数据处理装置800与外部数据通讯网络例如个人区域网络(PAN)、局域网(LAN)、广域网(WAN)、因特网、以及其它数据交流网络架构交换信息,数据通信通道由此而建立。网络接口814可以包括以太网接口、无线局域网络接口装置、蓝芽接口装置及其它网络装置,单一地或组合地使用。
软件802还包括操作***850,及在图1中的***的一个或多个软件实施方案。
本发明所属领域的技术人员应理解,硬件和软件中间的分割只是一个概念上的分割,某程度上是随意的。再者,应用软件***可以在分布计算运行环境中执行。软件程序及其有关的数据库可以储存在一个分开的文件服务器或数据库服务器中,并传输至本地主机以作执行。数据处理装置800,如图9所示,因此只是一个示范如何实施的实施例。本发明所属领域的技术人员能理解其它实施例也可以被采用以实施本发明。
本发明的优选实施例已经在此完全描述。尽管描述只提到特定的实施例,但本发明所属领域的技术人员会清楚地知道本发明可以在改变这些特定细节的条件下实施。所以本发明不应理解为只限制于前述的实施例。
例如,在图1中显示的***框图中,企业***91看以寄存它自己的搜索及匹配引擎92,从而使两个子***均可以在同一部计算机上执行。然而,非常明显的是,电脑化感情剖析服务器35也可以寄存搜索及匹配引擎供其它商家使用。在其它情况下,终端用户可能没有一个性能强大的计算装置以作为该终端用户***93。在那种情况下,特征服务器35在从该用户接收指令后,可以直接传送“认识我”包至搜索及匹配引擎92。所以,本发明所属领域的技术人员应清楚地明白,一个或多个子***可以同时布置在同一个计算机***内。图1中的框图教导了感情剖析***22可以如何实施的弹性架构。任何基于该教导的架构的对实施方案的改变,因此亦会落入本发明的范围内。
再者,本发明所属领域的技术人员清楚明白有很多方法可以将电脑化感情剖析服务器35互联至许多不同的用户或设计者所用的计算装置。例如,计算装置可以是,但不仅是信息亭、个人电脑、桌面电脑、手提电脑、掌上电脑、个人数字助理(PDA)、平板电脑、智能手机、互动电视、网上电视或任何其它能够提示讯息给用户,并从他们那里请求回复,也可以连接到数据通信频道的装置。该数据交流网络可以是但不限制于因特网25、移动电话网络、有线局域网络(LAN)、无线局域网络、有线或无线城域网,或上述的任何组合。
再者,搜索引擎最优化***46可以作为一个专门化的搜索引擎安装在第三方的计算机***中的可下载模块。例如,它可以取代网上购物网站的传统搜索引擎。
在图5中,一个当该用户正在回复调查时的用户界面的特定范例被公开。尽管在此图中只显示了正面回复及负面回复,对于本发明所属领域的技术人员来说,明显地,其它种类的回复可以在此显示以供用户选择。例如,一个“不知道”的选项可以连同供写下评论的文字方框一起添加。
上述赋予感情代码给用户的关键字分析方法优选地使用一个模仿专家推理及作决定的过程的自动程序完成。即使之前已经提过专家***及神经网络方法,其它的人工智能科技也可以被使用。这些包括但不限制于从生物学启发的计算、模糊逻辑、或常理推断。本发明所属领域的技术人员也可以基于本发明的教导应用其它人工智能技术以开发其它自动化方法。
虽然上述段落使用了家具购物的情景以教导如何可以使用感情代码或视觉DNA以克服传统的搜索引擎的限制,本发明的核心构思可以应用至很多其它的情形。因此,不只是消费者搜索一个网站的产品或服务,感情剖析***22也可以概括至两个个体之间的取得,搜索或匹配工作,在此,个体可以是用户、产品、或服务,这在具体实施方式的第一段中已经提到过。在一个情景中,感情剖析***22可以设定为为一个搜索个体搜寻具有相近的感情代码的数据库个体的列表。当搜索及数据库个体均为人类时,该***匹配拥有相近的感情特征的人们。当搜索个体为商家的产品或服务,而数据库个体为人类用户时,则为进行直销的应用程序。当搜索及该数据库个体均为产品或服务时,该***则可以给有特定的视觉DNA代码的用户确定一套商品。同样地,相同的情况也适合匹配应用程序,这时***会送回跟一个匹配项个体的感情代码完全相同的一列数据库个体。
此外,虽然这里提供了一个电子商业情景,感情剖析***22其实可以应用至更加广泛的地方---在一个信息搜索者及一个信息提供者之间。在这里,后者可以是政府机构、公众图书馆、或任何其它相似的组织。当所有个体已经标记以视觉DNA代码时,此代码就会变成将人类感情编码的通用机读语言。本发明所属领域的技术人员可以利用此代码以及本发明所公开的教导以将现有的搜索及匹配工作变得更有效率。
权利要求书(按照条约第19条的修改)
1.一种用于获得用户的感情代码的方法,其包括:
(a)创建一个个体的多媒体对象,该多媒体对象可供用户经过终端用户***进行选择,该终端用户***包括计算机;
(b)通过记录多个用户经过该终端用户***从多个多媒体对象中间作出选择时的用户回复以获取人类感情偏好,该选择暗示地显露用户的感情偏好;
(c)通过第一电脑程序将用户回复划分至多个类别;及
(d)赋予类别标签至各类别,该类别标签为机读语言的感情代码,
由此,该用户的感情偏好被数字化地特征化并传递给第二电脑程序,而其中该第二电脑程序根据对该感情代码的解释改变它的配对运作。
2.如权利要求1中所述的方法,其中所述多媒体对象为数字图像。
3.如权利要求1中所述的方法,其中所述多媒体对象与多个关键词相关联;这些关键词描述对该多媒体对象的人类感情。
4.如权利要求3中所述的方法,其中该用户回复是以下回复中的最少一种回复:
(a)指出该多媒体对象为该用户喜欢的正面回复;
(b)指出该多媒体对象为该用户不喜欢的负面回复;
(c)指出该多媒体对象为该用户不知道的不知道回复;
(d)该用户对该正面回复的评论;
(e)该用户对该负面回复的评论;及
(f)该用户对该不知道回复的评论。
5.如权利要求4中所述的方法,其中所述分类步骤还包括:
(a)从所述用户取得该用户回复;
(b)计算在一列关键字之中各关键字的出现次数,该列关键字由该用户选择的所述多媒体对象集合而成;
(c)调用根据该用户的回复及所述计算步骤的结果将该用户划分至至少一个类别的专家***。
6.如权利要求5所述的方法,其中所述专家***为记录根据所述用户回复而将该用户分类的心理学专门技能的基于规则的专家***。
7.如权利要求5中所述的方法,其中所述专家***为将用户回复分级至所述类别的神经网络分级***。
8.如权利要求1中所述的方法,其中所述分类步骤还包括:
(a)从所述多个用户取得所述用户回复;
(b)调用群集分析模块以将该多个用户回复划分至最少一个集群;及
(c)赋予所述类别标签至各个集群。
9.如权利要求8中所述的方法,其中所述调用步骤调用统计群集模块以对每个集群生成一个集群均值参数及一个集群方差,该集群均值参数为定义该集群的中心的多维矢量,而该集群方差参数为多维矩阵。
10.如权利要求1中所述的方法,还包括关联所述该感情代码至个体的步骤;该关联步骤包括:
(a)获得该个体的个体多媒体对象;
(b)选择多个代表性多媒体对象,每个代表性多媒体对象都被预先选择以代表人类感情的一个广泛类别;
(c)为个代表性多媒体对象预先赋予最少一个感情代码;
(d)在一个显示装置上显示该多个代表性多媒体对象及该个体多媒体对象以供第二用户使用;
(e)要求该第二用户从该多个代表性多媒体对象中选择跟该个体对象最相似的第一代表性多媒体对象;及
(f)赋予该预先赋予的感情代码至该第一代表性多媒体对象至该个体。
11.如权利要求1中所述的方法,还包括当第三用户展露其感情代码至企业时,企业展示经过过滤的个体至给该第三用户的搜索步骤,该搜索步骤还包括:
(a)使用该第三用户的感情代码定义一个周边区域,该周边区域以该第三用户的感情代码为中心;
(b)选择多个其感情代码在该周边区域之内的个体;
(c)将步骤(b)中的该多个个体作为经过过滤的多个个体表示给该第三用户;
因此其感情代码完全不匹配该第三用户的感情代码的不相关的个体不会表示给该用户。
12.如权利要求11所述的方法,其中所述分类步骤调用统计集群模块以将所述多个用户回复分类至最少一个集群,每个集群用集群均值参数及集群方差参数表示,所述周边区域以该集群均值参数为中心,而且该周边区域的范围为一比例常数乘以该集群方差参数。
13.一种使用机读感情代码在搜索操作中将不相关的对象过滤的方法,该感情代码通过将用户回复分类至多个类别而生成,用户回复在用户在计算机上从多个选择之中选择对象时记录,该选择展露该用户的感情偏好,并将该感情代码标记在各类别中,该感情代码被赋予至第一个体,该第一个体为生成该用户回复的用户,并将该用户回复根据赋予至第一用户的感情代码分类至该类别,一个第二个体,通过将一种产品的多媒体样本移至已经被赋予第二感情代码的第二多媒体对象,该第二个体为该产品,该产品的多媒体产品继承了该第二感情代码,及第三个体,通过将一种服务的多媒体样本移至已经被赋予以第三感情代码的第二多媒体对象,该第三个体为该服务,该服务的多媒体样本继承了该第三感情代码;该方法包括:
(a)取得搜索个体,该搜索个体从该第一个体,该第二个体及该第三个体的组中选择;
(b)使用该搜索个体感情代码以定义该搜索个体感情代码的周边区域;
(c)连接至包括多个数据库个体的数据库,每个数据库个体都从该第一个体,该第二个体及该第三个体的组中选择;
(d)取得多个数据库个体,每个数据库个体的感情代码都在该周边区域之内;及
(e)将步骤(d)的多个数据库个体展示给该搜索个体。
14.一种使用机读感情代码在匹配操作中将不相关的对象过滤的方法,该感情代码通过将用户回复分类至多个类别而生成,该用户回复在该用户在计算机上从多个选择之中选择对象时记录;该选择展露该用户的感情偏好;并将该感情代码标记在各类别中,该感情代码赋予至第一个体,该第一个体为生成该用户回复的用户;并将该用户回复根据该赋予至该第一用户的感情代码分类至该类别,一个第二个体,通过将一种产品的多媒体样本移至已经被赋予以第二感情代码的第二多媒体对象,该第二个体为该产品,该产品的多媒体产品继承了该第二感情代码,及第三个体,通过将一种服务的多媒体样本移至已经被赋予以第三感情代码的第二多媒体对象,该第三个体为该服务,该服务的多媒体样本继承了该第三感情代码;该方法包括:
(a)获取匹配个体,该匹配个体从该第一个体,该第二个体及该第三个体的组中选择;
(b)连接至包括多个数据库个体的数据库,每个数据库个体从该第一个体,该第二个体及该第三个体的组中选择;
(c)取得多个数据库个体,各数据库个体的感情代码与该匹配个体的感情代码完全相同;及
(d)将步骤(c)的该多个数据库个体展示给该匹配个体。
15.一种用于获得用户的感情代码的计算机***,其包括:
(a)剖析服务器:
I.从多个用户记录感情偏好;
II.从该感情喜好生成感情代码;及
III.生成多个关联至最少一个感情代码的代表性多媒体对象;
(b)用作将个体感情代码赋予至多个个体多媒体对象的企业***,该个体多媒体对象代表企业提供的个体,而且该个体多媒体对象从该代表性多媒体对象继承最少一个该感情代码;
(c)用作从该服务器接收该用户的用户感情代码的终端用户***;该终端用户***包括计算机;该用户感情代码为描述该用户的该感情偏好的感情代码;及
(d)用作从该终端用户***接收该用户感情代码及从该企业***接收该个体感情代码的搜索及匹配引擎;该搜索及匹配引擎还取得多个该个体多媒体对象,其个体感情代码近似于该用户感情代码。
16.如权利要求15中所述的计算机***,其中所述剖析服务器还包括:
(a)进行感情调查以记录所述感情偏好,将该感情调查的结果划分至多个类别,及赋予感情代码至该类别的编目***;
(b)用于定制感情调查的工具箱;及
(c)为该搜索及匹配引擎使用感情代码提供进行匹配的能力的搜索引擎优化***。
17.如权利要求16中所述的计算机***,其中所述编目***还包括:
(a)传送该感情调查至所述用户,并从该用户收集该感情调查的结果的调查模块;
(b)用于储存及提供有关该感情调查的信息的多个数据库;及
(c)用于从该调查模块接收该感情调查,并将其结果分至多个类别的分析模块,该分析模块还赋予类别标签至各类别,该类别标签为机读语言的感情代码。
18.如权利要求15中所述的计算机***,其中所述企业***及所述搜索及匹配引擎在同一计算机***上执行。
19.如权利要求15中所述的计算机***,其中所述特征服务器及所述搜索及匹配引擎在同一计算机***上执行。
20.如权利要求15中所述的计算机***,其中所述用户***可执行互联网浏览器应用程序,且所述感情代码以计算机cookie文件的形式传送至所述终端用户***。
Claims (20)
1.一种使用第一电脑程序将人类感情编码至机读语言的方法,其包括下列步骤:
(a)创建个体的多媒体对象,该多媒体对象可供用户经过终端用户***进行选择;
(b)通过记录多个用户经过该终端用户***从多个多媒体对象中间作出选择时的用户回复以获取人类感情偏好,该选择暗示地显露用户的感情偏好;
(c)将用户回复划分至多个类别;及
(d)赋予类别标签至各类别,该类别标签为机读语言的感情代码,由此,该用户的感情偏好可以数字化地特征化并传递给至第二电脑程序,而其中该第二电脑程序可以根据对该感情代码的解释改变它的运作。
2.如权利要求1中所述的方法,其中所述多媒体对象为数字图像。
3.如权利要求1中所述的方法,其中所述多媒体对象与多个关键字相关联,这些关键字描述对该多媒体对象的人类感情。
4.如权利要求3中所述的方法,其中该用户回复可以是以下回复中的至少一种回复:
(a)指出该多媒体对象为该用户喜欢的正面回复;
(b)指出该多媒体对象为该用户不喜欢的负面回复;
(c)指出该多媒体对象为该用户不知道的不知道回复;
(d)该用户对该正面回复的评论;
(e)该用户对该负面回复的评论;及
(f)该用户对该不知道回复的评论。
5.如权利要求4中所述的方法,其中所述分类步骤还包括:
(a)从所述用户取得该用户回复;
(b)计算在一列关键字之中各个关键字的出现次数,该列关键字由该用户选择的所述多媒体对象集合而成;
(c)调用根据该用户的回复及所述计算步骤的结果将该用户划分至至少一个类别的专家***。
6.如权利要求5中所述的方法,其中所述专家***为记录根据所述用户回复而将该用户分类的心理学专门技能的基于规则的专家***。
7.如权利要求5中所述的方法,其中所述专家***为将用户回复分级至所述类别的神经网络分级***。
8.如权利要求1中所述的方法,其中所述分类步骤还包括:
(a)从所述多个用户取得该所述用户回复;
(b)调用群集分析模块以将该多个用户回复划分至最少一个集群;及
(c)赋予所述类别标签至各个集群。
9.如权利要求8中所述的方法,其中所述调用步骤调用统计群集模块以对每个集群生成一个集群均值参数及一个集群方差,该集群均值参数为定义该集群的中心的多维矢量,而该集群方差参数为多维矩阵。
10.如权利要求1中所述的方法,还包括关联所述感情代码至个体的步骤,该关联步骤包括:
(a)获得该个体的个体多媒体对象;
(b)选择多个代表性多媒体对象,每个代表性多媒体对象都被预先选择以代表人类感情的一个广泛类别;
(c)为多个代表性多媒体对象中的每一个预先赋予最少一个感情代码;
(d)在一个显示装置上显示该多个代表性多媒体对象及该个体多媒体对象以供第二用户使用;
(e)要求该第二用户从该多个代表性多媒体对象中选择跟该个体对象最相似的第一代表性多媒体对象;及
(f)赋予该预先赋予的感情代码至该第一代表性多媒体对象至该个体。
11.一种根据权利要求10所述的方法,还包括当第三用户展露其感情代码至企业时,企业展示经过过滤的个体至给该第三用户的搜索步骤,该搜索步骤还包括:
(a)使用该第三用户的感情代码定义一个周边区域,该周边区域以该第三用户的感情代码为中心;
(b)选择多个其感情代码在该周边区域之内的个体;
(c)将步骤(b)中的该多个个体作为经过过滤的多个个体表示给该第三用户;
因此其感情代码完全不匹配该第三用户的感情代码的不相关的个体不会表示给该用户。
12.如权利要求11所述的方法,其中所述分类步骤(在权利要求1中)调用统计集群模块以将所述多个用户回复分类至最少一个集群,每个集群用集群均值参数及集群方差参数表示,所述周边区域以该集群均值参数为中心,而且该周边区域的范围为一比例常数乘以该集群方差参数。
13.一种使用机读感情代码在搜索操作中将不相关的对象过滤的方法,该感情代码通过将用户回复分类至多个类别而生成,用户回复在用户从多个选择之中选择对象时记录,该选择展露该用户的感情偏好,并将该感情代码标记在各类别中,且该感情代码被赋予至第一个体,该第一个体为生成该用户回复的用户,并将该用户回复根据赋予至第一用户的感情代码分类至该类别,一个第二个体,通过将一种产品的多媒体样本移至已经被赋予第二感情代码的第二多媒体对象,该第二个体为该产品,该产品的多媒体产品继承了该第二感情代码,及第三个体,通过将一种服务的多媒体样本移至已经被赋予以第三感情代码的第二多媒体对象,该第三个体为该服务,该服务的多媒体样本继承了该第三感情代码;该方法包括:
(a)取得搜索个体;该搜索个体从该第一个体,该第二个体及该第三个体的组中选择;
(b)使用该搜索个体感情代码以定义该搜索个体感情代码的周边区域;
(c)连接至包括多个数据库个体的数据库,每个数据库个体都从该第一个体,该第二个体及该第三个体的组中选择;
(d)取得多个数据库个体,每个数据库个体的感情代码都在该周边区域之内;及
(e)将步骤(d)的多个数据库个体展示给该搜索个体。
14.一种使用机读感情代码在匹配操作中将不相关的对象过滤的方法,该感情代码通过将用户回复分类至多个类别而生成,该用户回复在该用户从多个选择之中选择对象时记录;该选择展露该用户的感情偏好;并将该感情代码标记在各类别中,并该感情代码赋予至第一个体,该第一个体为生成该用户回复的用户;并将该用户回复根据该赋予至该第一用户的感情代码分类至该类别,一个第二个体,通过将一种产品的多媒体样本移至已经被赋予以第二感情代码的第二多媒体对象,该第二个体为该产品,该产品的多媒体产品继承了该第二感情代码,及第三个体,通过将一种服务的多媒体样本移至已经被赋予以第三感情代码的第二多媒体对象,该第三个体为该服务,该服务的多媒体样本继承了该第三感情代码;该方法包括:
(a)获取匹配个体,该匹配个体从该第一个体,该第二个体及该第三个体的组中选择;
(b)连接至包括多个数据库个体的数据库,每个数据库个体从该第一个体,该第二个体及该第三个体的组中选择;
(c)取得多个数据库个体;各数据库个体的感情代码与该匹配个体的感情代码完全相同;及
(d)将步骤(c)的该多个数据库个体展示给该匹配个体。
15.一种将人类感情编码至机读语言的计算机***,其包括:
(a)剖析服务器,其设计成:
I.从多个用户记录感情偏好;
II.从该感情偏好生成感情代码;及
III.生成多个代表性多媒体对象,每个代表性多媒体对象关联至最少一个感情代码;
(b)能够将个体感情代码赋予至多个个体多媒体对象的企业***,该个体多媒体对象代表企业提供的个体,而且该个体多媒体对象从该代表性多媒体对象继承最少一个该感情代码;
(c)能够从该服务器接收该用户的用户感情代码的终端用户***;该用户感情代码为描述该用户的该感情偏好的感情代码;及
(d)设计作从该终端用户***接收该用户感情代码及从该企业***接收该个体感情代码的搜索及匹配引擎,该搜索及匹配引擎还设计为取得多个该个体多媒体对象,其个体感情代码近似于该用户感情代码。
16.如权利要求15中所述的计算机***,其中所述剖析服务器还包括:
(a)用于进行感情调查以记录所述感情偏好,将该感情调查的结果划分至多个类别,及赋予感情代码至该类别的编目***;
(b)用于定制感情调查的工具箱;及
(c)为该搜索及匹配引擎使用感情代码提供进行匹配的能力的搜索引擎优化***。
17.如权利要求16中所述的计算机***,其中所述编目***还包括:
(a)用于传送所述感情调查至所述用户,并从该用户收集该感情调查的结果的调查模块;
(b)用于储存及提供有关该感情调查的信息的多个数据库;及
(c)用于从该调查模块接收该感情调查,并将其结果分至多个类别的分析模块,该分析模块还赋予类别标签至各类别,该类别标签为机读语言的感情代码。
18.如权利要求15中所述的计算机***,其中所述企业***及所述搜索及匹配引擎在同一计算机***上执行。
19.如权利要求15中所述的计算机***,其中所述特征服务器及所述搜索及匹配引擎在同一计算机***上执行。
20.如权利要求15中所述的计算机***,其中所述用户***可执行互联网浏览器应用程序,且所述感情代码以计算机cookie文件的形式传送至所述终端用户***。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US78754606P | 2006-03-31 | 2006-03-31 | |
US60/787,546 | 2006-03-31 | ||
US11/677,055 | 2007-02-21 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101460942A true CN101460942A (zh) | 2009-06-17 |
Family
ID=38581750
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007800197056A Pending CN101454771A (zh) | 2006-03-31 | 2007-03-27 | 基于使用多媒体调查特征匹配以划分和标记个体的***和方法 |
CNA2007800197018A Pending CN101460942A (zh) | 2006-03-31 | 2007-03-27 | 使用感情偏好进行电脑化搜索及匹配的方法及*** |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007800197056A Pending CN101454771A (zh) | 2006-03-31 | 2007-03-27 | 基于使用多媒体调查特征匹配以划分和标记个体的***和方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8650141B2 (zh) |
EP (1) | EP2008199A4 (zh) |
CN (2) | CN101454771A (zh) |
WO (1) | WO2007117979A2 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577472A (zh) * | 2012-08-03 | 2014-02-12 | 纽海信息技术(上海)有限公司 | 个人信息获得、推定、商品的分类、检索方法及*** |
CN105474289A (zh) * | 2013-05-21 | 2016-04-06 | 本·珂奇·托马 | 用于提供在线服务的***和方法 |
Families Citing this family (39)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090313284A1 (en) * | 2008-06-16 | 2009-12-17 | Hong-Guang Infotech Co., Ltd. | Data Integration Method |
US8762313B2 (en) | 2008-07-25 | 2014-06-24 | Liveperson, Inc. | Method and system for creating a predictive model for targeting web-page to a surfer |
US8805844B2 (en) | 2008-08-04 | 2014-08-12 | Liveperson, Inc. | Expert search |
US9603564B2 (en) * | 2009-02-27 | 2017-03-28 | The Forbes Consulting Group, Llc | Methods and systems for assessing psychological characteristics |
US9558499B2 (en) * | 2009-02-27 | 2017-01-31 | The Forbes Consulting Group, Llc | Methods and systems for assessing psychological characteristics |
US20120130819A1 (en) * | 2009-04-15 | 2012-05-24 | Imagini Holdings Limited | method and system for providing customized content using emotional preference |
US8489603B1 (en) | 2009-10-23 | 2013-07-16 | Amazon Europe Holdings Technologies Scs | Automatic item categorizer |
US8805838B1 (en) | 2009-12-22 | 2014-08-12 | Amazon Technologies, Inc. | Systems and methods for automatic item classification |
US8510307B1 (en) * | 2009-12-22 | 2013-08-13 | Amazon Technologies, Inc. | Systems and methods for automatic item classification |
US8527496B2 (en) | 2010-02-11 | 2013-09-03 | Facebook, Inc. | Real time content searching in social network |
US9767470B2 (en) | 2010-02-26 | 2017-09-19 | Forbes Consulting Group, Llc | Emotional survey |
WO2011111640A1 (ja) * | 2010-03-12 | 2011-09-15 | 日本電気株式会社 | プロファイリングシステム、プロファイリング方法および記録媒体 |
US20120259240A1 (en) * | 2011-04-08 | 2012-10-11 | Nviso Sarl | Method and System for Assessing and Measuring Emotional Intensity to a Stimulus |
CN108460632A (zh) | 2011-06-06 | 2018-08-28 | 恩弗伦斯媒体公司 | 消费者驱动广告*** |
US9883326B2 (en) | 2011-06-06 | 2018-01-30 | autoGraph, Inc. | Beacon based privacy centric network communication, sharing, relevancy tools and other tools |
US10019730B2 (en) * | 2012-08-15 | 2018-07-10 | autoGraph, Inc. | Reverse brand sorting tools for interest-graph driven personalization |
US8612426B2 (en) * | 2011-06-20 | 2013-12-17 | Conifer Research Llc | Systems and methods for arranging participant interview clips for ethnographic research |
US8719277B2 (en) | 2011-08-08 | 2014-05-06 | Google Inc. | Sentimental information associated with an object within a media |
CN103020063A (zh) * | 2011-09-20 | 2013-04-03 | 佳都新太科技股份有限公司 | 一种在调查问卷中实现多维表格题的***、方法和装置 |
US20150051950A1 (en) * | 2012-03-22 | 2015-02-19 | H.J. Heinz Company | System and method for analyzing and predicting consumer behavior |
WO2014081805A1 (en) * | 2012-11-21 | 2014-05-30 | Forbes Consulting Group, Llc | Emotional survey |
US9626386B2 (en) * | 2013-03-15 | 2017-04-18 | Ambient Consulting, LLC | Automated spiritual research, reflection, and community system and method |
WO2015149032A1 (en) | 2014-03-28 | 2015-10-01 | Brian Roundtree | Beacon based privacy centric network communication, sharing, relevancy tools and other tools |
US9477908B2 (en) * | 2014-04-10 | 2016-10-25 | Disney Enterprises, Inc. | Multi-level framework for object detection |
CN114461062A (zh) * | 2014-11-07 | 2022-05-10 | 索尼公司 | 信息处理***、控制方法和计算机可读存储介质 |
CN105554139B (zh) * | 2015-12-24 | 2018-09-21 | 上海智臻智能网络科技股份有限公司 | 在线客服服务方法、在线客服服务器及在线客服*** |
US10567491B2 (en) * | 2016-08-04 | 2020-02-18 | Toluna Israel | Systems and methods for avoiding network congestion on web-based survey platforms |
WO2018176083A1 (en) * | 2017-03-31 | 2018-10-04 | Village Roadshow IP Pty Ltd | "recommending media items" |
US10101804B1 (en) * | 2017-06-21 | 2018-10-16 | Z5X Global FZ-LLC | Content interaction system and method |
US10743087B2 (en) | 2017-06-21 | 2020-08-11 | Z5X Global FZ-LLC | Smart furniture content interaction system and method |
CN107688967A (zh) * | 2017-08-24 | 2018-02-13 | 平安科技(深圳)有限公司 | 客户购买意向的预测方法及终端设备 |
US11048921B2 (en) * | 2018-05-09 | 2021-06-29 | Nviso Sa | Image processing system for extracting a behavioral profile from images of an individual specific to an event |
CN111159223B (zh) * | 2019-12-31 | 2021-09-03 | 武汉大学 | 一种基于结构化嵌入的交互式代码搜索方法及装置 |
US10987592B1 (en) | 2020-06-05 | 2021-04-27 | 12traits, Inc. | Systems and methods to correlate user behavior patterns within an online game with psychological attributes of users |
CA3204798A1 (en) * | 2021-01-15 | 2022-07-21 | Chad A. REYNOLDS | Survey system with mixed response medium |
US11206263B1 (en) | 2021-01-25 | 2021-12-21 | 12traits, Inc. | Systems and methods to determine content to present based on interaction information of a given user |
US20220342791A1 (en) * | 2021-04-21 | 2022-10-27 | Solsten, Inc. | Systems and methods to adapt a digital application environment based on psychological attributes of individual users |
US11727424B2 (en) | 2021-06-04 | 2023-08-15 | Solsten, Inc. | Systems and methods to correlate user behavior patterns within digital application environments with psychological attributes of users to determine adaptations to the digital application environments |
US11563852B1 (en) * | 2021-08-13 | 2023-01-24 | Capital One Services, Llc | System and method for identifying complaints in interactive communications and providing feedback in real-time |
Family Cites Families (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4945478A (en) * | 1987-11-06 | 1990-07-31 | Center For Innovative Technology | Noninvasive medical imaging system and method for the identification and 3-D display of atherosclerosis and the like |
US5219433A (en) * | 1992-02-07 | 1993-06-15 | Breslow, Morrison, Terzian & Associates, Inc. | Sequential response determining question game |
JPH06161695A (ja) * | 1992-09-14 | 1994-06-10 | Matsushita Electric Ind Co Ltd | 情報処理装置のためのメニューシステム |
US5758257A (en) * | 1994-11-29 | 1998-05-26 | Herz; Frederick | System and method for scheduling broadcast of and access to video programs and other data using customer profiles |
US6029195A (en) * | 1994-11-29 | 2000-02-22 | Herz; Frederick S. M. | System for customized electronic identification of desirable objects |
US6189029B1 (en) * | 1996-09-20 | 2001-02-13 | Silicon Graphics, Inc. | Web survey tool builder and result compiler |
JP3159242B2 (ja) * | 1997-03-13 | 2001-04-23 | 日本電気株式会社 | 感情生成装置およびその方法 |
US7240022B1 (en) | 1998-05-19 | 2007-07-03 | Mypoints.Com Inc. | Demographic information gathering and incentive award system and method |
EP1230611A2 (en) | 1999-07-16 | 2002-08-14 | Narrative Communications Corporation | Dynamically constructing customized advertisements |
US6230199B1 (en) * | 1999-10-29 | 2001-05-08 | Mcafee.Com, Inc. | Active marketing based on client computer configurations |
AU2456101A (en) * | 1999-12-23 | 2001-07-03 | Intellistrategies, Inc. | Automated generation of survey questionnaire by prior response analysis |
US6826540B1 (en) * | 1999-12-29 | 2004-11-30 | Virtual Personalities, Inc. | Virtual human interface for conducting surveys |
US6658391B1 (en) * | 1999-12-30 | 2003-12-02 | Gary A. Williams | Strategic profiling |
US7146329B2 (en) * | 2000-01-13 | 2006-12-05 | Erinmedia, Llc | Privacy compliant multiple dataset correlation and content delivery system and methods |
US7228283B1 (en) * | 2000-04-05 | 2007-06-05 | David Hornstein | Aesthetic profile collection |
IL147858A0 (en) * | 2000-05-26 | 2002-08-14 | Abova | Method and system for internet sampling |
US7047229B2 (en) * | 2000-08-08 | 2006-05-16 | America Online, Inc. | Searching content on web pages |
WO2002079942A2 (en) * | 2001-03-29 | 2002-10-10 | Artmecca.Com | System for visual preference determination and predictive product selection |
US20020152110A1 (en) * | 2001-04-16 | 2002-10-17 | Stewart Betsy J. | Method and system for collecting market research data |
US20030046140A1 (en) * | 2001-09-05 | 2003-03-06 | Professor Mac, Llc | Methods and systems for delivering market research services via a network |
US7233684B2 (en) * | 2002-11-25 | 2007-06-19 | Eastman Kodak Company | Imaging method and system using affective information |
US20040210661A1 (en) * | 2003-01-14 | 2004-10-21 | Thompson Mark Gregory | Systems and methods of profiling, matching and optimizing performance of large networks of individuals |
US7418496B2 (en) * | 2003-05-16 | 2008-08-26 | Personnel Research Associates, Inc. | Method and apparatus for survey processing |
US20050079474A1 (en) * | 2003-10-14 | 2005-04-14 | Kenneth Lowe | Emotional state modification method and system |
US7711578B2 (en) * | 2003-10-24 | 2010-05-04 | Caringfamily, Llc | Influencing communications among a social support network |
EP1582965A1 (en) * | 2004-04-01 | 2005-10-05 | Sony Deutschland Gmbh | Emotion controlled system for processing multimedia data |
US7689585B2 (en) * | 2004-04-15 | 2010-03-30 | Microsoft Corporation | Reinforced clustering of multi-type data objects for search term suggestion |
US20050253554A1 (en) * | 2004-05-14 | 2005-11-17 | Interdigital Technology Corporation | Apparatus for backing up data stored in a portable device |
US7707171B2 (en) * | 2005-09-16 | 2010-04-27 | Imagini Holdings Limited | System and method for response clustering |
-
2007
- 2007-03-27 US US12/294,934 patent/US8650141B2/en active Active
- 2007-03-27 CN CNA2007800197056A patent/CN101454771A/zh active Pending
- 2007-03-27 EP EP07759418A patent/EP2008199A4/en not_active Withdrawn
- 2007-03-27 CN CNA2007800197018A patent/CN101460942A/zh active Pending
- 2007-03-27 WO PCT/US2007/064970 patent/WO2007117979A2/en active Application Filing
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103577472A (zh) * | 2012-08-03 | 2014-02-12 | 纽海信息技术(上海)有限公司 | 个人信息获得、推定、商品的分类、检索方法及*** |
CN105474289A (zh) * | 2013-05-21 | 2016-04-06 | 本·珂奇·托马 | 用于提供在线服务的***和方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101454771A (zh) | 2009-06-10 |
WO2007117979A2 (en) | 2007-10-18 |
US8650141B2 (en) | 2014-02-11 |
US20100179950A1 (en) | 2010-07-15 |
EP2008199A4 (en) | 2011-06-29 |
WO2007117979A3 (en) | 2008-10-02 |
EP2008199A2 (en) | 2008-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101460942A (zh) | 使用感情偏好进行电脑化搜索及匹配的方法及*** | |
Dzyabura et al. | Visual elicitation of brand perception | |
US8751430B2 (en) | Methods and system of filtering irrelevant items from search and match operations using emotional codes | |
KR102075833B1 (ko) | 미술 작품 추천 큐레이션 방법 및 시스템 | |
Vrotsou et al. | Activitree: Interactive visual exploration of sequences in event-based data using graph similarity | |
CN110942337A (zh) | 一种基于互联网大数据的精准旅游营销方法 | |
Pilař et al. | Customer experience with farmers’ markets: What hashtags can reveal | |
CN107038609A (zh) | 一种基于深度学习的商品推荐方法及*** | |
CN102138140A (zh) | 利用综合语义语境的信息处理 | |
CN105874753A (zh) | 用于社交数据网络用户行为细分的***和方法 | |
CN102160329A (zh) | 使用与信息关联的语义语境便于协作搜索 | |
CN108460153A (zh) | 一种混合博文与用户关系的社交媒体好友推荐方法 | |
Dhillon et al. | Modeling dynamic user interests: A neural matrix factorization approach | |
Hernando et al. | Hierarchical graph maps for visualization of collaborative recommender systems | |
Tao et al. | Dynamic feature weighting based on user preference sensitivity for recommender systems | |
Zhu et al. | Interactive genetic algorithm based on typical style for clothing customization | |
Lourenco et al. | Item-based collaborative filtering and association rules for a baseline recommender in e-commerce | |
Getman et al. | Machine learning (ML) for tracking fashion trends: Documenting the frequency of the baseball cap on social media and the runway | |
Velàsquez et al. | Building a knowledge base for implementing a web-based computerized recommendation system | |
Lu et al. | Genderpredictor: a method to predict gender of customers from e-commerce website | |
Ding et al. | [Retracted] Clustering Merchants and Accurate Marketing of Products Using the Segmentation Tree Vector Space Model | |
Du et al. | Construction of Product Appearance Kansei Evaluation Model Based on Online Reviews and FAHP: A Case Study of Household Portable Air Conditioners | |
CN116521937A (zh) | 视频表单的生成方法、装置、设备及存储介质、程序产品 | |
Lin et al. | An analysis of the abstracts presented at the annual meetings of the Society for Neuroscience from 2001 to 2006 | |
Elahi et al. | Fashion recommender systems in cold start |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090617 |