CN103875014A - 用于识别广告牌受众群的路径以及基于该路径提供广告内容的***和方法 - Google Patents
用于识别广告牌受众群的路径以及基于该路径提供广告内容的***和方法 Download PDFInfo
- Publication number
- CN103875014A CN103875014A CN201280039073.0A CN201280039073A CN103875014A CN 103875014 A CN103875014 A CN 103875014A CN 201280039073 A CN201280039073 A CN 201280039073A CN 103875014 A CN103875014 A CN 103875014A
- Authority
- CN
- China
- Prior art keywords
- interest
- standard
- group
- billboard
- point
- 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
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0261—Targeted advertisements based on user location
Landscapes
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
与各自的兴趣点相应的多个映射被生成。每个映射指示在该相应的兴趣点处被检测到的至少一个群以及该至少一个群中的各个群在该相应的兴趣点处被检测到的各自的时间。与出现在该多个映射的所选择的一个映射中的一个或多个群的集合相应的标准代表被定义。基于该多个映射,与该标准代表相关的路径被确定,该路径定义该标准代表于其被检测到的第二多个兴趣点以及指示该标准代表在该第二多个兴趣点中的各个兴趣点处被检测到的时间信息。兴趣点可以包括与广告牌相关的位置。
Description
本申请要求美国临时专利申请第61/521407号的权益,其于2011年8月9日提交,据此通过引用的方式被合并。
技术领域
本说明书一般涉及用于为市场目的识别并跟踪目标群的***和方法,并且更具体地涉及用于识别广告牌受众群的路径以及基于该路径提供广告内容的***和方法。
背景技术
广告牌是广告的一种普遍使用形式。广告牌延道路、在购物商场中、在建筑物的侧面、以及在许多其它环境中被使用。由于广告技术变得更复杂,而且关于受众群的知识扩展并且变得越来越精确,广告商越来越能够选择性地放置广告牌以到达目标受众。此外,近期的技术允许广告牌的放置可以在某天的第一时间展示第一广告并且在该天的第二时间展示第二广告。
由于广告牌变得越来越针对所选择的受众,此外还包括使得它们能够在其自身之间交互的技术,目标受众是自由流动的动态实体,其在多个时间点在多个广告牌前运动和存在的概念,已变得越来越明显。为实现效率和最大回报,存在对于允许广告牌,或广告牌网络,来识别并回应目标受众运动的***和方法的需要。此外,存在对于能够跟踪并监测目标群而不侵犯个人隐私的***和方法的需要。
发明内容
在各个实施例中,用于检测在一个或多个兴趣点前,或在其附近的目标受众或群的存在的***和方法被提供。在多个兴趣点之间的目标受众的运动、或路径被确定。例如,目标受众可以在各自时间间隔在广告牌网络中的多个广告牌前被检测到,并且目标受众在多个广告牌之间的的路径可以被确定。为了在一个或多个时间间隔期间在特定兴趣点处识别群,关于群的标准代表(standard representation)的概念被定义。为了识别在多个兴趣点处的群的标准代表,标准出现(standard occurrence)的概念被定义。通过按时间排列跨多个兴趣点的标准出现,路径被识别。路径指示所选择的群随时间行进并经过多个兴趣点。
根据一个实施例,与各自的兴趣点相应的多个映射被生成。每个映射指示在相应的兴趣点处被检测到的至少一个兴趣群,以及当在该相应的兴趣点处各个群被检测到的各自的时间。与出现在该多个映射的所选择的一个映射中的一个或多个群的集合相应的标准代表被定义。基于该多个映射,与该标准代表相关的路径被确定,该路径定义该标准代表于其被检测到的第二多个兴趣点以及指示该标准代表在该第二多个兴趣点中的各个兴趣点处被检测到的时间信息。在一个实施例中,至少一个兴趣点包括与广告牌相关的位置。
在一个实施例中,一个或多个群的集合在与多个映射中所选择的一个映射相应的特定兴趣点相关的区域中被检测到。
在另一个实施例中,一个或多个群的集合的交集被确定,围绕交集的概率增长被确定,以及基于该交集和该概率增长,该标准代表被定义。
在另一个实施例中,基于多个映射,与该标准代表相关的数组被生成。该数组包括结合各自兴趣点以及各自时间的一个或多个坐标集合,该数组通过识别在多个映射内的标准代表的多个标准出现来被生成,并且对于所识别的多个标准出现中的每一个,生成指示与各自的标准出现相关的时间和兴趣点的坐标集合。
在另一个实施例中,通过识别P概率宽松中心交集(P probabilisticrelaxed centered intersection),标准代表的标准出现被识别。
在另一个实施例中,基于所确定的路径,一个或多个广告在一个或多个所选择的兴趣点处被显示。
参考以下具体实施方式以及附图,本公开的这些以及其它优点对于本领域技术人员将是明显的。
附图说明
图1示出处于地理区域中的广告牌网络;
图2示出根据一个实施例的数个多个广告牌以及在各个多个广告牌中的各自的广告牌中心;
图3示出在地理区域内的广告牌网络以及在广告牌之间的距离;
图4示出根据一个实施例的通信***;
图5A示出根据一个实施例的受众检测器的组件;
图5B示出根据一个实施例的受众分析服务的组件;
图6是根据一个实施例的确定与群相关的路径的方法流程图;
图7示出根据一个实施例的映射;
图8示出根据一个实施例由群所跟随的路径;
图9示出根据一个实施例的对两个直方图的分析;
图10示出根据一个实施例的全序群的M-模态分布(M-modaldistribution)到N-模态分布(N-Modal distribution)的减化;以及
图11示出可以被用来实现本发明的特定实施例的计算机。
具体实施方式
由于广告牌日益变得针对所选受众,并且加上包含使其能够在它们之间彼此交互的技术,目标受众是自由流动的动态实体,其运动并于多个时间点存在于多个广告牌前的概念,已变得日益明显。为实现效率和最大回报,存在对允许广告牌,或广告牌网络来识别并回应目标受众的运动的***和方法的需要。
根据一个实施例,目标受众的运动,或路径被识别,并且基于该路径广告被选择性地放置。
通过指定多个统计参数并且度量它们的节点密度,以统计方式来采集目标受众的运动是可能的。该节点密度的统计度量产生经过多个广告牌的“流动”或“运动”的概念。试图最大化其回报的广告牌将不得不回应通过该统计度量所表示的运动。
该统计量的概念和其“流动”或“运动”的能力有助于选择和显示更多定向广告。度量这样的运动的***也可用来为广告牌拥有者建议哪个广告将产生最高的销售量。之后,广告牌拥有者可基于广告的展示时间以及广告的展示地点来向品牌收费。
例如,在下午4:15在广告地点A所展示的广告,可能仅取得6美元的CPM(cost per mille,每千人成本),但如果在下午4:45在相同的地点可能取得12美元的CPM,或者在距离地点A200码的地点B取得15美元的CPM。该广告牌拥有者能够得以在不同的地点,以及在不同的时间,对相同的广告向品牌拥有者收取不同的费率,因为如此处所述的方法和***的结果,广告牌的拥有者可以能够确定哪个广告牌将为品牌拥有者产生更高的销售量。
在此处的描述中,构想被描述,其有助于确定特定特征在何时被观察,特别是当其是动态的且特别是当该特征自身必然要改变时。
当前的广告牌***不能识别正在从一个地点运动至另一地点的目标受众。当前***未能收集任何关于广告牌前的除与时间、季节等的变化有关的变化以外的运动的信息。当前***不收集关于目标受众的变化或运动的信息。此处所使用的术语广告牌***表示可以在一个或多个目标群被用来以协同的方式显示所选择的广告的广告牌网络,或多个广告牌。
如果广告牌***能够识别在多个时间点在多个地点的运动目标或群,广告实际上可以更有针对性。根据一个实施例,某些受众简档跨多个地理位置被监测并被跟踪,并且所选择的针对该目标受众的广告可以基于所识别的运动来被显示。在一个实例中,广告牌***可以简单地强化某些品牌;在另一个实例中,广告牌***可以遵循某些广告主题;在又一个实例中,广告牌***可以显示沿该目标受众迄今已跟随的路径,目标受众尚未看过的广告。
因此,在广告牌***内的广告现在可以跟随跨地理位置、跨广告牌、以及甚至跨显示介质的受众,而不侵犯个人隐私。这是可能的,因为仅群的度量被跟随,并且与个人无关。
根据一个实施例,在特定的广告牌前的目标受众,或群被检测并被定义。当群延地理(广阔的区域)运动时,该群被监测,并且该群所采取的路径被确定。在各个时间在相同的广告牌前可能存在多个群,并且每个群可以独立于其他群自一个广告牌运动至另一个(在该地理内)。此处所述的***和方法能够确定由各个群所跟随的各个路径,并且也能确定这些群是什么。
值得注意的是,由于在群中的人的数量,以及在群中的人的类型可能不同,群不是个体的静态集合。而且,个体并不整天在相同的群中行进。此处所述的***和方法有利地选取群的概率视点,其中群是由组成该群的各个个体的属性而非个体自身来定义的。如果他们的共同属性大于一定的交集概率,个体的松散集合可以被分类为属于预先定义的群。
一旦群以该方式被定义,在给定的地点(例如,一个广告牌地点)发现该群的可能性可以被度量。各个群的概率密度函数作为时间和空间的变量可以被定义。如果在给定的地点和给定的时间,该概率大于跨所有这样的群的一个归一化的阈值,在跨两个或多个不同的时间在不止一个地点,那么可以确定这样的群在该时间间隔内已经自一个地点运动至另一个地点。
在这些各自的群的路径被确定后,广告可以在与该路径有关的特定广告牌上被显示来或是支持之前的广告活动,或是显示不同的广告活动。如果群的定义包括变量或属性,诸如平均可支配收入,年龄组,性别等,用于特定广告牌的广告可以基于所选择的在这些群存在期间最适于显示的关键词来被选择。这自动地扩展了在遍布于地理的多个广告牌之间交互的可能性。
一些广告牌可以包括提供一定程度的智能的计算机或其它类型的处理器。这些智能广告牌可以收集并使用关于个体相关、关于群的运动的信息,并且以由每个广告活动所主导的方式而非根据预定的静态量来合作。这些广告将具有更高的转化率(对于品牌更高的销售量)是可预期的。
根据一个实施例,用于识别一个或多个群以及确定群的路径的改进的方法和***被提供。用于执行这些方法的数学概念和算法在下文被描述。
虽然此处所述的***和方法是在广告牌***的上下文中,此处所述的***和方法也可以在其它环境中被实现。例如,此处所述的***和方法可以被用于蛋白质结构的研究和识别、社会或社会经济群的研究、癌细胞的研究、以及其它领域例如模式识别、图像识别、和计算机视觉。
定义群或目标受众
根据一个实施例,群是在存在于兴趣点前的多个人中,或者在经过兴趣点附近或在兴趣点前的多个人中被检测的。在一个实施例中,兴趣点是与广告牌有关的地点。群的概率的概念被使用。如此处所使用的,术语群意味着具有一些空间或时间关系的同一组特征的个体的汇总。在一个实施例中,连接至广告牌的群检测器包括,被配置为用于检测个体和/或特征的传感器,以及可以包括被配置为用于分析由传感器获取的数据来检测和识别期望的群、或人的集合的硬件或软件。如果该类型的集合被确定为跨各个时间间隔存在(使用群的标准代表)并且跨各个空间的位置存在(使用相应的标准出现),那么该群被认为跨这些各个时间间隔并在各个位置存在。
关于特征的一个实例是属于一定的年龄范围,其可能在相同收入等级中,以及展示出对游戏***和电子设备的倾向的人。当在特定时间在一个广告牌处所观察到的特征,不久以后在另一时间在邻近的广告牌前被观察到,并且如果在两个广告牌处与所观察到的特征有关的个体以一定的信心度量(或可能性)相交,那么,具有该特征的群被识别。
定义流动或路径
随着群自一个兴趣点(例如,一个广告牌位置)运动至另一个兴趣点,该群追踪了路径。此处术语路径可与术语流动交换使用。此处所述的***和方法用于确定在一个地理区域内所观察到的各个群的各个流动。
图1示出在地理区域中的广告牌1、2、……7的网络100,以及存在于该区域中的对于各个观察群的各个路径。如此处所使用的,术语“广告牌网络”表示多个广告牌,其中一些或全部被用于向所选择的群显示广告。
在一个实施例中,由于地理区域可以包括多个广告牌,邻近的广告牌集合由单一虚拟广告牌或者可能由代表性的广告牌来表示。例如,在大型商场的一个区域内的全部广告牌可以被一个代表性的广告牌表示。此处该代表性的广告牌被称为广告牌中心。图2示出各个多个广告牌(plurality of billboard)21-A,21-B,等,以及在各个多个广告牌内的各自的代表广告牌中心。因此,广告牌1是多个广告牌21-A中的广告牌中心,广告牌2是多个广告牌21-B中的广告牌中心,等等。广告牌中心1、2……7相应于图1的广告牌1、2……7。
一般说来,任何一个群,给予足量的时间,可以自一个广告牌运动至另一个。因此,就与广告牌彼此有关的可达性来说,广告牌不受限。然而,在它们出现于另一个广告牌前之前,个体通常经过一个或多个中间广告牌。
在区域中的广告牌集合可以被认为形成全连通图(a fullyconnected graph)。然而,在实际中,该图不是全连通的。根据一个实施例,广告牌集合被视为全连通图,并且该图的大于一定距离(例如,x公里)的边被修剪。因此,任何广告牌的全连通图(或在地理区域内的任何广告牌集合)可以被视为根据按其该图被修剪的任意选择的距离(例如,x公里)的非全连通的图。
图3示出地理区域内的广告牌100的网络以及广告牌之间的距离。图3示出在一些情况中,不可能自网络中的第一广告牌运动至某些其它广告牌而不经过某些中间广告牌的事实。
根据一个实施例,靠近或接近(例如,在其之前,在预定半径内,等)网络100中的一个或多个广告牌的一个或多个群被检测,并且群的路径被确定。在各个实施例中,网络100中的一个或多个广告牌可以位于商场、公交车站、附近的地铁站、办公楼、住宅,等。
图4示出根据一个实施例的通信***400。通信***400包括网络405,受众分析服务430,以及多个受众检测器452-1,452-2,452-3,…452-7。每个受众检测器452相关于,并且可以被连接至各自的广告牌。因此,在该说明性实施例中,受众检测器452-1相关于并被连接至广告牌1,受众检测器452-2相关于并被连接至广告牌2,等等。
在图4的示例性实施例中,网络405是互联网。在另一实施例中,网络405可以包括一个或多个不同类型的网络,诸如,如内部网、局域网(local area network,LAN)、广域网(wide area network,WAN)、无线网络、基于光纤信道的存储区域网络(storage area network,SAN)、或以太网。其它网络可以被使用。可替代地,网络405可以包括不同类型网络的组合。
为方便起见,在以下的说明中,术语“受众检测器452”用于指受众检测器452-1,452-2,…,452-7中的任何一个。因此,此处任何涉及“受众检测器452”的说明同样适用于受众检测器452-1,452-2,..,452-7中的任何一个。
与某广告牌相关联的受众检测器452,其包括能够获取关于存在于或靠近,或接近(例如,于其前,于预定的半径之内,等)广告牌的个体的受众信息的设备。例如,受众检测器452-1可以包括连接至广告牌1的计算机或其它处理器,受众检测器452-2可以包括连接至广告牌2的计算机或其它处理器,等等。图5A示出根据实施例的受众检测器452的组件。受众检测器452包括群分析561,网络接口563,存储器565,服务569,以及受众接口567。
受众接口567包括能够获取关于存在于广告牌前的个体的信息的设备或机制。例如,受众接口567可以包括能够获取图像的图像***。在另一个实施例中,受众接口567可以包括用于检测经过广告牌前的个体的语音的麦克风。在另一实施例中,受众接口567可以包括被配置来接收来自经过广告牌前的个体的移动电话的数据的天线。受众接口567向群分析561发送受众数据。
群分析561自受众接口567接收关于存在于广告牌前的个体的受众数据,并分析该受众数据来识别已经存在于广告牌前的个体和/或群。群分析561经由网络405将结果受众信息发送至受众分析服务430。
服务569包括可以被提供给经过广告牌前的个体的服务。例如,服务569可以包括允许个体经由移动电话来接收电子优惠券的电子优惠券应用,允许个体玩在线游戏的游戏应用,等。
例如,群分析561和服务569可以包括软件和/或硬件。
网络接口563包括使受众检测器452能够经由网络405来通信的设备或机制。存储器565被受众检测器452的各个组件用来存储数据。
在一个实施例中,与特定广告牌相关联的受众检测器452能够与存在于广告牌前的个体交互。例如,受众检测器452可以使个体的移动电话显示优惠券的提供,或玩游戏的提供。当个体选择一个选项,受众检测器452可以向移动电话发送电子优惠券或允许个体来玩所期望的游戏。在这些交互期间,受众检测器可以自移动电话获取附加信息并据此收集关于个体的附加信息,诸如个体的姓名、电话号码、性别、年龄、地址等。受众检测器452可以经由其提供的服务如免费的WiFi或蓝牙来获得受众信息,并在与个体的交互过程中检测使用服务的群。
不时地,每个受众检测器452向受众分析服务430发送受众信息,其包括关于经过相关联的广告牌前的一个或多个个体的数据。
在不同的实施例中,受众检测器452可以具有不同等级的智能和分析能力。例如,受众检测器452可以包括图像分析功能、声音识别功能等。在一个实施例中,受众检测器452可以执行关于由受众接口567采集的受众数据的分析,来确定曾有多少人被检测到处于特定的广告牌前,哪些群曾存在于特定的广告牌处等,并将分析的结果(指示哪些群被检测到以及该群被检测到的时间)发送至受众分析服务430。例如,受众检测器452可以生成受众数据分析,来指示有多少具有第一特征(例如,年龄25至30)的个体在广告牌前被检测到以及他们被检测到的时间,有多少具有第二特征(例如,女性)的个体在广告牌前被检测到以及他们被检测到的时间,等。在另一实施例中,受众检测器452可以具有很少的或不具有分析能力,并且将由受众接口567采集的受众数据直接发送至受众分析服务430,并且受众分析服务130分析该数据来确定哪些群曾存在于特定的广告牌前。
图5B示出根据一个实施例的受众分析服务430的组件。受众分析服务430包括受众信息分析525,网络接口527,以及存储器535。
受众信息分析525从受众检测器452接收数据,其可以包括受众信息,并将该信息存储于受众信息数据库580中(在存储器535中)。受众信息分析器525分析受众信息并且,如有必要,确定在网络100中的每个广告牌处哪些群曾存在,以及在何时存在。例如,受众信息分析器525可以确定特定群在上午11:00存在于广告牌3前,并且在某一特定日在下午3:00于广告牌5前被检测到。
网络接口527包括使受众分析服务430能够经由网络405来通信的设备或机制。
根据一个实施例,受众分析服务430自受众检测器452接收信息并应用此处所述的原理和方法来确定由一个或多个群所跟随的路径。基于所确定的路径,受众分析服务430还可以控制在图1中所示出的广告牌1,2,3,……7上显示的广告。图6是根据一个实施例的确定与标准代表相关联的路径的方法流程图。
在步骤610中,与各自的兴趣点相应的多个映射被生成。每个映射指示在相应的兴趣点处被检测到的至少一个群以及在该相应的兴趣点处在这些群中的各个群被检测到的时间。如以上所述,受众分析服务430自受众检测器452接收受众数据并在数据库580中存储受众数据。在一个实施例中,对于分别的24小时期间,受众数据被存储和/或被分析。
受众信息分析525分析数据库580中的数据来识别曾存在于每个广告牌前的群。基于该数据,受众信息分析525生成多个矩阵,或映射。
在步骤620,与出现在该多个映射的所选择的一个映射中的一个或多个群的集合相应的标准代表被定义。受众信息分析525检查每个映射并定义与所选择的映射相关联的标准代表。
在步骤630,基于多个映射,与标准代表相关联的路径被确定。该路径定义该标准代表于其被检测到的第二多个兴趣点以及指示标准代表在该第二多个兴趣点中的各个兴趣点处被检测到的时间信息。在步骤620,基于多个映射,受众信息分析525确定与标准代表相关联的路径。
在标准代表的路径被确定后,广告可以基于该路径被选择并在所选择的广告牌上被显示。例如,当该群被预计处于第一广告牌前时,特定广告可以在延该路径的第一广告牌处被显示,当该群被预计处于第二广告牌前时,特定广告可以在延该路径的第二广告牌处被显示。替代地,当该群被预计在延该路径的第一广告牌前时第一广告可以被显示,并且当该群被预计在延该路径的第二广告牌前时第二广告可以被显示。基于路径,其它市场策略可以被实现。
在一个实施例中,基于路径信息,最佳广告,以及显示该广告的最佳时间,可以为特定的广告牌被确定。在另一个实施例中,基于路径信息,与特定的广告活动有关,一个或多个最佳广告,以及显示每个广告的最佳时间,可以为广告牌网络中的多个广告牌被确定。在另一个实施例中,基于路径信息,针对特定目标群的协同广告集合可以在广告牌网络中所选择的广告牌上以及在所选择的时间被显示。
用于执行步骤610,620,以及630的方法和***在下文被进一步描述。
如此处所使用的,术语群意味共享特定特征的个体的概率群。在该实施例中,特征以及群被先验地定义。例如,客户可以请求关于以下群中的个体的运动的信息:(1)年龄在18至30岁之间的女性;(2)收入在200,000美元之上的个体;以及(3)玩在线计算机游戏的个体。这些特征和群仅为示例并且不应被理解为在任何方面是限制性的。任何特征以及任何群可以被定义。
假定确定了第一群在第一时间存在于第一广告牌前,并且第二群在另一时间存在于第二广告牌前。确定存在于每个广告牌前的群是否是相同的或是不同的,或仅少量不同,是有用的。对该问题的一个方法是在该两个群上执行“集合交集”的标准概念,如果它们两者群特征完全重合,那么可以确定这两个群实际上是一个并且相同。然而,绝大多数现实世界场景不完全重合。并且使用如此处所述的群的概率概念,排除了完全交集的确定。
反之,形成群中的一个的“实质”的概念并且然后确定该“实质”是否存在于另一群中是有用的。如果存在,可以确定每个群的该相同实质在每个广告牌前存在。并且,该确定导致结论即所有监测和跟踪仅需要对该群的实质,而非该整个群。
用于确定群的“实质”,此处被称为群的“标准代表”的技术,是初见且新颖的构想。标准代表实质上是围绕两个群的满足一定的属性集的交集的概率性增长。如果交集小,通过吸收每个群的成员,该交集可以令人满意地增长。显然自每个群吸收的成员遵照某些数学要求。进一步应注意的是,不存在自每个群吸收相等的成员的限制。一旦如此执行,那么,所获得的结果集合或群为该标准代表;因此,该标准代表为形成讨论中的群的实质的高可能的成员集。
例如,如果存在群A,B和C,并且如果标准代表是R,那么R是这样的群其以良好定义的概率来获取A,B和C的实质。
由于群如A,B和C,就他们的构成成员可以容易的在随后某时或另一地点表现出另一群的特征的意义而言都是动态的,这样的定义和构想是有用的。换言之,群如A的成员,特别是那些勉强达到A的分类的,在另一时间或地点,可以很容易地表现出群B的属性。因此,标准代表是一种构想用于解决问题:如果有必要仅用一个群来替换两个群,那么该替换的本质是什么,并且它看上去是什么样的。
标准代表的具体数学解释在本说明书标题为“数学解释”的段落中被提供。
此处所使用的另一个构想被称为标准出现,并且其通过放宽一些标准代表的定义的约束来被获得。标准出现是一种构想被要求回答该问题:在给定的群中以较大可能观察到一群定义的特征是否可能。或换言之,该群的实质是否能以一定可能在另一群中被观察到。
标准出现的具体数学解释在本说明书标题为“数学解释”的段落中被提供。
本方法的概念描述
以下的详述描述了,根据一个实施例的在概念层面,识别群,识别群的标准代表,以及确定由群跟随的路径的步骤。
在每一个广告牌处,某些特征是否是显著的,并且如果是显著的,它们是否在多个时间间隔期间出现或者它们是否仅在一个度量实例中出现的确定被做出。
这里标准代表的使用是有用的,因为该群自身可以被该群的标准代表替换。之后,在多个时间间隔期间,该标准代表可以被视为显著的。
假定期望检查一些预定义数量的群或特征,假定它们为K个。也应注意的是,由于这些是事件的实时测量,这些事件以1小时的时间间隔被分类,并且因此,对于一天的测量,将存在24个这样的时间间隔。
一旦在广告牌处K个最显著的群已经被确定,那么,标准出现的概念被用于确定这些群是否已经在其他地方(例如,在另一个广告牌前)被观察到。如果已被观察到,则按照一定的群被观察到的时间次序来安排广告牌地点。因此,对于每个兴趣群,广告牌的有序汇总或集合被获得。总之,由于有K个这样的群,K个这样的广告牌有序集合被获得。
在每个广告牌有序集合中,由于它们是按时间排序的,可能存在一些具有相同时间值的广告牌。这些具有相同时间值的广告牌按照它们至彼此的距离来被再次排序。现在在地理区域中跨广告牌的汇总的群的路径或流动被获得。注意,将存在K个这样的路径。
步骤1:确定对于不同时间间隔“t”,在广告牌中心处的分布。t的优选值是1小时或更大。通过计数与广告牌交互的个体的数量来确定分布。该计数也可以包括在交互的时间在广告牌特定半径内存在的人的数量。
假定A(t1)和A(t2)代表在间隔t1,t2的分布,以此类推。
现在,A(t1),A(t2),…,A(tN)被分解为最大的K个单模态分布的并集。对于足够大的K,这是可能的而无过多数据损失。该数值K代表被检查的“目标群”的特质或种类。
A(t1)=i=1…K U(Ai t1)
A(t2)=i=1…K U(Ai t2)........A(tN)=i=1…K U(Ai tN)
步骤2:(重组步骤):现在如下定义的被称为“重组”的方法被执行:
自各个模态A(t1)和A(t2)的的并集A开始,也即,A具有组件(A1 t1,A2 t1,....AK t1,A1 t2,A2 t2,....AK t2)。现在,将A的组件沿横坐标排序。也即
A=(A1 t1,A1 t2,A2 t1,A2 t2,....AK t1,AK t2)
如果存在邻近对Ai t1和Ai t2的一个“标准代表”,采用“标准代表”,即通过Ψ(p,Ai t1.Ai t2),来替换每个邻近对Ai t1和Ai t2。否则,不做改动。Ψ(p)在下文中定义。
在本过程的最后,其具有最大2K模态的分布A被获得。接着,K-修剪该分布A,留下分布A',即“两个分布的重组”。此步骤可以通过应用定理3(在本说明书标题为“数学解释”的段落中被描述)来被执行。
步骤3:(标记步骤):将A'看作为最高的(utmost)K个组件(由于其为K-模态的)的并集,记下各个组件的时间间隔。构造以时间间隔为索引,并且其值为组件的数组。例如,为跟随四个特征(K=4),使A(t1)和A(t2)被给出为
A(t1)=A1 t1,A2 t1,A3 t1,A4 t1
以及A(t2)=A1 t2,A2 t2,A3 t2,A4 t2
在步骤3完成时,以下被获得:
A'=A1 t1,A'2 t1,t2,A3 t2,A4 t1
数组被获得,此处也被表达为映射或矩阵,如图7中所示出。映射700包括列730-1,730-2,…,730-N,分别相应于时间间隔t1,t2,…,tN。
注意在该实例中,由于组件A2'(其为A2 t1和A2 t2两者的“标准代表”)出现,其针对两个时间间隔被标记。
步骤4(传播步骤):在A(t2)和A(t3)之间重复步骤3,并且类似地在二维数组中针对时间间隔记下组件(步骤3)。如果特定的单元早先被“标准代表”标记,该要被标记的新值或是相同的值或是新“标准代表”,或是空白。如果该新值是空白或等于相同的值,则不标记。否则,如果新值是另一“标准代表”,则标记该单元以及该行的自间隔t1一直到该特定间隔的每个元素。
例如,在A(t2)和A(t3)重组之后,比如说在列t2下的A2'将被空白来标记,那么其被省略。但是,如果A2'将由新“标准代表”A2"来标记,那么在列t1下也用A2"替换A2'。
接下来在A(3)和A(4)之间重复该过程,并且以此类推至A(tn-1)和A(tn)。最终在A(tn)和A(t1)之间重复该过程。以编程方式:
A(tn+1)=A(t1);
对于(i=2…N+1){
A'=A(ti)和A(ti+1)的重组
在列ti和ti+1中的A'中记下该时间间隔。
}
应注意,本质上仅当其在至少两个连续时间间隔中出现时,特征被标记。
在步骤4的结束,为每个广告牌中心,组件的矩阵(针对每个时间间隔)被获得。换言之,每个广告牌中心具有一个组件矩阵。
步骤5:任意的或预定的被称为焦点‘f’的广告牌中心被选择。K个任意唯一单元自其相应的矩阵中被选择。例如,一个好的选择是选择它们这样它们为K个最大尺寸。如果存在M<K个唯一组件,那么K-M个自f的下一最近邻居被选择,并且以此类推。这些K个单元被称为K个焦点组件,或简单地被称为焦点组件。本质上,这些焦点组件的路径被跟随或跟踪,因为这些是路径为其将被获得的特征。
K个预定组件也可以被选择。不过,在步骤5的结尾,K个被称为将被跟随的目标群或特征的组件被获得。
步骤6:假定在给定的图中存在V个广告牌中心,那么对于K个焦点组件中的每一个,确定是否存在具有组件矩阵的任意单元的标准出现。如果存在,记下时间间隔(或列号),以及该中心id。以编程方式:
在步骤6的结尾,数组P[1]至P[K]被获得。例如:
P[3]=(t1,4),(t11,3),(t5,6),(t4,1),(t4,7),(t5,5),(t5,2)
应注意,这些数组中的每一个是由正被跟随的特征(焦点组件)中的每一个所跟随的路径的表示。
步骤7:按照元组的第一元素,例如时间间隔排序每个P[i]。使用前例,以下路径被获得。
P[3]=(t1,4),(t4,1),(t4,7),(t5,6),(t5,5),(t5,2),(t11,3)
步骤8:如果在步骤7之后,存在P[i]的N个项,其具有相同的时间值,并且占据索引j+1至j+N,那么重排列、或排序他们这样那些N个项中的第一个最接近由j+1索引的项,并且那些N个项中的最后一个最接近由j+N+1索引的项。(“接近”的定义指的是广告牌之间的距离)。
现在,最接近于由j索引的项的,由j+1索引的项被获得,并且最接近于由j+N+1索引的项的,由j+N索引的项被获得。
对于索引j+2和J+N-1,其被类似地重复,并且以此类推至全部N个项按此方式被排序。
在步骤8的结尾,使用前例,以下路径被获得:
P[3]=(t1,4),(t4,7),(t4,1),(t5,2),(t5,6),(t5,5),(t11,3)
应注意,广告牌7最接近于广告牌4并且广告牌1最接近于广告牌2。
这代表由第三焦点组件按时间所采取的路径。
图8示出根据一个实施例的在前例中所定义的路径P[3](800)。该群在相同的时间间隔内在广告牌7处和在广告牌1处被检测到(如框891所示出),并且在相同的时间间隔内在广告牌2处和在广告牌6处被检测到(如框892所示出)。
在前例中,在地理区域中经过广告牌的汇总的群的路径或流动被示出。K个这样的路径被获得,每个以如前所述的方式被计算。
因此在该说明性实例中,根据上文示出的路径,特定的群自广告牌4运动至广告牌3。该特定群具有一定的特征;因此,广告可以延路径随着一天时间的推移,在所选择的时间被显示。广告牌也可以在广告牌4处被显示,并且在广告牌7和广告牌1处被重复,并且某些其它相关广告可以在广告牌2、6、5和3处被显示。因此,一个或多个广告可以基于如前述方式所确定的路径在广告牌网络中的一个或多个所选广告牌处被显示。
此外,对于显示的广告得到最佳转化率的关键词可以沿该路径被指定。例如,在广告牌4处如“鞋”和“饮料”的关键词可以展示好的转化率,然而在广告牌5处,最佳关键词可以为“袜子”、“网球”和“足球”。
数学解释
以下讨论陈述了用于某些概念,包括标准代表和标准出现的数学说明。
两个集合A和B的“P概率交集”(P Probabilistic Intersection)被记作Ψ(p,A.B),其中A.B代表A和B的交集。当集合A和B是隐式的,那么符号Ψ(p)被使用。
Ψ(p)被这样定义Ψ(p)包括A或B中的元素,并且满足
Ψ(p)是凸的----------(2)
使Δ表示区域或体积函数(Volume function),那么
Δ(Ψ(p))=(2-p)Δ(A.B) --------(3)
在A.B的质心(centroid)和Ψ(p)的质心之间的马氏距离(mahalanobis distance)通过不确定性(uncertainty)来被约束,即:
Dm=(CA.B-CΨ)T S-1(CA.B-CΨ)≤(1–p) -----------(4)
其中,CA.B是表示A.B的质心的矢量,CΨ是表示Ψ(p)的质心的矢量,以及S-1是协方差矩阵。
当p=1时,则Ψ(p)=A.B。
因此,两个直方图的100%概率或者“1概率交集”是交集的传统概念。
还应注意,一般而言
A和B可以为两个分布,或“概率空间”,
A和B的概念可以被扩展至由X1,X2,...XN表示的分布的有
限集合。那么Ψ(p,i=NПi=1(Xi))是该等N个分布的“P概率交集”。
A和B可以占据多维空间
图9示出根据一个实施例的对两个直方图的分析。特别地,图9示出第一直方图A和第二直方图B,两个直方图的完全交集910的形状,以及两个直方图的“P概率交集”925的形状。
变体:
1)如果在上述定义中的条件4被放宽至仅意味欧氏距离(Euclidean distance)(而不是马氏距离),以下交集被称为“P概率宽松中心交集”(P probabilistic relaxed centered Intersection)。因此,
条件4被替换为
DE=[(CA.B-CΨ).(CA.B-CΨ)]1/2≤(1–p) -------(4a)
2)当条件4被完全去掉时,Ψ(p)被称为“P概率偏心交集”(Pprobabilistic uncentered Intersection)。
3)在任何“P概率偏心交集”中,如果
AП(Ψ(p)–A.B)=Maxi=1…n[AiП(Ψ(p)–A.B)] -------(4b)
那么,Ψ(p)被称为“P概率A-偏向交集”(P probabilistic A-biasedIntersection),该“偏向程度”(degree of the bias)被表达为比例
θ=Δ(AПΨ(p))/Δ(Ψ(p)) -----------(4c)
以偏导数(partial derivative)和/或高斯积分(Gaussian integral)来表达等式(4b)和4(c)是有益的,因为用那种方式,偏向的极大性和偏向程度被更有效地获得。
应注意,每个“P概率偏心交集”对于分布X是具有一定给定的偏向程度θ的“P概率X-偏向交集”。
4)在任何“P概率偏心交集”中,使
Δm=Max(Δ(A),Δ(B),....) -------(4d)
那么,对于一些任意的Φ,例如(0<Φ≤1),Ψ(p)被称作是“P概率代表***集”(P Probabilistic representative Intersection)如果
Δ(Ψ(p))/Δm≥Φ
比例Φ被认为是“代表程度”。
给定Φ的特定数值,并不保证能找到“P概率代表***集”。相反的是,对于每个Ψ(p)存在数值Φ,无论多小,对于其Ψ(p)是程度Φ的“P概率代表***集”。
特例1
如果存在“P概率偏心交集”Ψ(p),这样p=0.75,并且Φ=0.5,Ψ(p)被称为两个分布的“标准代表”。
特例2
如果存在“P概率交集”Ψ(p),这样p=0.75,并且Φ=0.33,Ψ(p)被称为“标准出现”。
直观解释:
“P概率交集”是在概率因子P内发现A.B的最大可能的区域。在许多现实世界场景中,群是动态的,并且在一个群的边缘处的元素可以获得另一群的属性。这样的动态性的实例是:
在一个年龄群中的一些人(尤其那些接近边界的人)很可能表现或获得另一年龄群的特性。
众所周知,病毒是在一定环境下可以改变的蛋白质结构。考虑到结构中的该动态性,显示特定属性集的给定蛋白质结构很可能以一定概率开始表现或展示另一属性集。
一个社会的或社会经济的群的成员,特别那些处于边缘的成员,可能开始展示另一社会经济群的特征。
当细胞开始无法控制地繁殖,其导致癌症。当癌症变为恶性的,甚至在一个区域内的,或属于特定器官的,并显示一些已知特征的正常健康细胞可能变为癌性的。
在模式识别、图像识别、以及计算机视觉中,作为整体,存在字符、图像和项的概率分布。在一个分布内的一些项也具有在另一分布内出现的非零概率。大多数识别算法使用基于“高斯加权直方图交集”(Gaussian Weighted Histogram Intersection,GWHI)或“直方图交集”(Histogram Intersection,HI)的算法。“P概率交集”更有效地获取全部可能的识别的列表。
由于现实世界场景是动态的,对于特定属性集合的有效的监测、跟踪、或针对需要那些属性的“P概率交集”的概念来有效的处理精确性和总体性。
因此,“P概率交集”是属性集的超越其边界的扩散的度量。可替代地,Ψ(p)可以被视为群在展示多种预定义的属性的方面的倾向的度量。
条件4,其变体确定交集的各种特点的更具体的说明在下文陈述。
应注意,条件4指的是“P概率交集”应围绕交集的传统概念为中心的事实。然而,这些中心未必重合,但在其必须通过对于为其“P概率交集”被要求的概率因子来被限制的意义上,其被发挥。因此,在讨论中的两个中心之间的距离对于概率P应是指示性的。在笛卡尔坐标***中,距离的概念通常是欧氏的(Euclidean),然而欧式距离(Euclidean distance)未考虑两个分布的概率密度。为使该距离被讨论中的两个分布的标准差或方差正态化(normalize),“马氏距离”的概念被使用。
中心
当准则未被放置于“P概率交集”的“中心”,对于Ψ(p)可以是这样的即来自一个给定分布的元素较另一个分布更多的事实是允许的。因此,“偏心”Ψ(p)更偏向于一个分布,相较另一个分布。该偏向对现实生活场景是指示性的,因为某些属性比某些其他属性被给予更高的重要性。
特例
当处理概率分布时,很多时候需要找到一个以一定的可信度级别获得所有个体分布的特征的区域。如果这样的区域能够被发现,那么可以声称,该特殊区域跨那些个体分布显现其自身。换言之,该特殊区域是全部该等分布的精华,并且实际上该区域,因此被命名为“标准代表”,能够替换这些多个分布。比起跟踪个体分布,监测、跟踪并跟随该标准代表的特征变得更容易并且也更有效。
在跟踪时,更严格的规则被使用于Ψ(p)的中心中,但其Φ值是宽松的。这来自正态子群(normal subgroup)的概念。如果其正态子群中的至少一个存在,则事件发生。
定理1(间距合并)(Interval Merging)
在笛卡尔坐标中给定多模态分布,其中在一些关系‘R’上,在横坐标中的元素形成“全序群”(totally ordered group),G,则在新的横坐标G'(也为全序群)上减少分布中的模态的数量,这样在G和G'之间存在主观同态(Subjective Homomorphism)是可能的。
证明:需要证明,对于一些1≤N<M,在全序群上的任意M-模态分布能够被减化至N-模态分布。
一个简要的构造性证明被提供来示出其为真。该过程也被称为模态合并或间距合并。
1)选择数字J>1(典型地,自1.5或2起)
2)重绘分布这样新的横坐标间距为J*原始间距大小。
3)如果该新的分布不是模态减少的,则采用更大的J数值(典型地0.5增量)重复步骤2
如对本领域技术人员是明显的,其余证明容易得出。
图10示出根据一个实施例,在全序群上,M-模态分布1010至N-模态分布1030的简化。
定义:分布修剪(Distribution Pruning)
给定M-模态分布A,以及整数K,这样(1≤K<M),A的“K-修剪分布”,由A'这样给出A'?A,并且A'是K-模态的。
该定义要求两个分布在相同的横坐标上,并且因此间距合并不能被使用。
定理2:对于(1≤K<M),每个M-模态分布,可以为K-修剪的。
证明:使分布A是M-模态的。这意味着A可以被表示为M个单模态分布(组件)的并集。某些组件可以被任意地丢弃,留下A的子集其为少于M个组件的并集,或者换言之K-模态的。
从“P概率代表***集”的定义,显然存在至少一个任意分布A',这样A'是K-修剪的,并且是程度Φ的“P概率代表***集”,这样(Φ>0)。
定理3:发现2K-模态分布的K-修剪分布这样,K-修剪分布是“标准代表”(Φ≥0.5)是可能的。
考虑X作为2K单模态分布(组件)的并集,该组件可以按区域(或尺寸)被增序安排。自最大尺寸开始,每个组件被添加至分布Y。该步骤重复直至最大的K个组件被添加。该结果是满足的分布Y,其为K-模态的,并且它的(Φ≥0.5)。由于Y是子集其为“P概率代表***集”,并且因此为“标准代表”。
在各个实施例中,此处所述的该方法步骤,包括图6中示出的方法步骤,可以依照不同于所描述或示出的特定次序被执行。在其他实施例中,其它步骤可以被提供,或步骤可以自所述方法被去掉。
此处所述的***、装置、以及方法可以使用数字电路被实现,或使用一个或多个使用众所周知的计算机处理器、存储器单元、存储设备、计算机软件、以及其它组件的计算机来被实现。典型地,计算机包括用于执行指令的处理器以及一个或多个用于存储指令和数据的存储器。计算机也可以包括,或被连接至一个或多个大容量存储设备,如一个或多个磁盘,内置硬盘以及可移动磁盘,磁光盘,光盘等。
此处所述的***、装置以及方法可以使用以客户-服务器关系来运行的计算机来被实现。典型地,在这样的***中,客户计算机位于远离服务器计算机并且经由网络交互。客户-服务器关系可以被在各自的客户和服务器计算机上运行的计算机程序定义和控制。
此处所述的***、装置、以及方法可以在基于网络的云计算***中被使用。在这样的基于网络的云计算***中,服务器或连接至网络的另一处理器经由网络与一个或多个客户计算机通信。例如,客户计算机可以经由在客户计算机上常驻并运行的网络浏览器应用来与服务器通信。客户计算机可以在服务器上存储数据并经由网络来访问该数据。客户计算机可以经由网络向服务器发送对数据的请求,或对在线服务的请求。服务器可以执行所请求的服务以及向(一个或多个)客户计算机提供数据。服务器也可以发送适合于引起客户计算机执行特定功能的数据,例如,来执行计算,来在屏幕上显示特定数据等。例如,服务器可以发送适合于引起客户计算机执行一个或多个此处所述的方法步骤,包括图6的一个或多个步骤的请求。此处所述方法的某些步骤,包括图6的一个或多个步骤,可以由在基于网络的云计算***中的服务器或另一处理器来执行。此处所述方法的某些步骤,包括图6的一个或多个步骤,可以由在基于网络的云计算***中的客户计算机执行。此处所述的方法的步骤,包括图6的一个或多个步骤,可以由在基于网络的云计算***中的服务器和/或客户计算机,以任意组合来执行。
此处所述的***、装置以及方法可以使用有形的体现在信息载体,如,在非易失性机器可读存储设备中的计算机程序产品来实现,用于被可编程处理器执行;并且此处所述的方法步骤,包括图6的一个或多个步骤,可以使用一个或多个由这样的处理器来执行的计算机程序来实现。计算机程序是一组其可以直接地或间接地在计算机中被使用的计算机程序指令,来执行一定的活动或带来一定的结果。计算机程序可以以任何形式的程序语言来编写,包括编译语言或解释语言,并且其可以以任何形式被部署,包括作为独立程序或作为模块、组件、子程序,或其它适合用于计算环境中的单元。
可以被使用来执行此处所述的***、装置和方法的示例性计算机的高级框图在图11中示出。计算机1100包括与数据存储设备1102和存储器1103操作地耦合的处理器1101。处理器1101通过执行定义这些操作的计算机程序指令来控制计算机1100的全部操作。计算机程序指令可以被存储于数据存储设备1102,或者其它计算机可读介质中,并且当该计算机程序指令的执行被期望时被加载入存储器1103。因此,图6的方法步骤可以由存储于存储器1103和/或数据存储设备1102中的计算机程序指令定义并且由执行该计算机程序指令的处理器1101控制。例如,计算机程序指令可以由本领域技术人员实现为计算机可执行代码,以执行由图6的方法步骤所定义的算法。因此,通过执行计算机程序指令,处理器1101执行由图6的方法步骤所定义的算法。计算机1100还包括一个或多个网络接口1104用于经由网络与其它设备通信。计算机1100还包括一个或多个使用户能够与计算机1100交互的输入/输出设备1105(例如,显示器、键盘、鼠标、扬声器、按钮等)。
处理器1101可以包括通用和特定用途微处理器,并且可以是计算机1100的唯一的处理器或多个处理器之一。例如,处理器1101可以包括一个或多个中央处理单元(central processing unit,CPU)。处理器1101、数据存储设备1102和/或存储器1103可以包括、辅之以、或被合并入一个或多个专用集成电路(application-specific integratedcircuit,ASIC)和/或一个或多个现场可编程门阵列(field programmablegate list,FPGA)。
数据存储设备1102和存储器1103各包括有形的非暂时性计算机可读存储介质。数据存储设备1102,以及存储器1103,可以各包括高速随机访问存储器,如动态随机访问存储器(dynamic random accessmemory,DRAM),静态随机访问存储器(static random access memory,SRAM),双倍数据速率同步动态随机访问存储器(double data ratesynchronous dynamic random access memory,DDR RAM),或其它随机存取固态存储器设备,以及可以包括非易失性存储器,如一个或多个磁盘存储设备如内部硬盘和可移动磁盘,磁光盘存储设备,光盘存储设备,闪存设备,半导体存储器设备,如可擦除可编程只读存储器(erasable programmable read-only memory,EPROM),电可擦除可编程只读存储器(electrically erasable programmable read-only memory,EEPROM),光盘只读存储器(compact disc read-only memory,CD-ROM),数字通用光盘只读存储器(digital versatile disc read-onlymemory,DVD-ROM)磁盘,或其它非易失性固态存储设备。
输入/输出设备1105可包括外设,如打印机、扫描仪、显示屏等。例如,输入/输出设备1105可包括显示设备如阴极射线管(cathode raytube,CRT)或液晶显示(liquid crystal display,LCD)监视器用于向用户显示信息,键盘,以及指向设备如鼠标或轨迹球,通过其用户可向计算机1100提供输入。
此处所述的***和装置的任意或全部,包括受众分析服务430,受众检测器452以及其中的组件,包括群分析561、存储器565、受众接口567、服务569、网络接口563、受众信息分析525、网络接口527、以及存储器535,可以使用如计算机1100的计算机来被实现。
本领域技术人员应认识到,实际计算机或计算机***的实现可以具有其它结构并且也可包括其它组件,并且图11是用于这样的说明性目的的计算机的一些组件的高级表示。
前述详述应被理解为在每个方面均为说明性和示例性,而非限制性的,并且此处公开的本发明的范围不应由详述来被确定,而应通过根据由专利法所允许的全部广度来被解释的权利要求来被确定。应理解,此处所示出及所描述的实施例仅为本发明原理的说明并且各种修改可以由本领域技术人员实现,而不背离本发明的范围和精神。本领域技术人员可以实现各种其它特征群合而不背离本发明的范围和精神。
Claims (10)
1.一种方法,其包括:
生成与各自的兴趣点相应的多个映射,每个映射指示在相应的兴趣点处被检测到的至少一个群以及在该相应的兴趣点处各个群被检测到的各自的时间;
定义与出现在该多个映射的所选择的一个映射中的一个或多个群的集合相应的标准代表(standard representative);
基于所述多个映射来确定与该标准代表相关的路径,该路径定义该标准代表于其被检测到的第二多个兴趣点以及指示该标准代表在该第二多个兴趣点中的各个兴趣点处被检测到的时间信息。
2.权利要求1的方法,其中至少一个兴趣点包括与广告牌相关的地点。
3.权利要求1的方法,其还包括:
在与该多个映射的该所选择的一个映射相应的特定兴趣点相关的区域中检测该一个或多个群的集合。
4.根据权利要求3的方法,其中所述定义与出现在该多个映射的该所选择的一个映射中的一个或多个群的集合相应的标准代表的步骤还包括:
确定该一个或多个群的集合的交集;
确定围绕该交集的概率增长;以及
基于该交集以及该概率增长定义该标准代表。
5.权利要求4的方法,其中所述确定与该标准代表相关的路径的步骤还包括:
基于该多个映射生成与该标准代表相关的数组,该数组包括将各自的兴趣点与各自的时间相关联的一个或多个坐标集合,该数组通过下列步骤被生成:
在该多个映射内,识别该标准代表的多个标准出现(standardoccurrence);
对于所识别的该多个标准出现中的每一个,生成指示与该各自的标准出现相关的时间和兴趣点的坐标集合。
6.权利要求5的方法,其中该标准代表的标准出现包括在多个兴趣点处被检测到的该一个或多个群的集合的代表。
7.权利要求5的方法,其中所述识别该标准代表的标准出现的步骤还包括:
识别P概率宽松中心交集(P probabilistic relaxed centeredintersection)。
8.权利要求7的方法,还包括:
基于在该多个兴趣点之间的距离排序该第二多个兴趣点。
9.权利要求1的方法,还包括:
基于该所确定的路径,在一个或多个所选择的兴趣点处显示一个或多个广告。
10.一种***,其包括:
与各自的兴趣点相关的多个群检测器,每个群检测器被配置为用于:
检测接近于该相关的兴趣点的群的存在;以及
发送与该一个或多个群的存在相关的信息;以及
处理器,被配置为用于:
接收来自该多个群检测器的该信息;
基于该信息,生成与各自的兴趣点相应的多个映射,每个映射指示在该相应的兴趣点处被检测到的至少一个群以及在该相应的兴趣点处该至少一个群中的各个群被检测到的各自的时间;
定义与出现在该多个映射的所选择的一个映射中的一个或多个群的集合相应的标准代表;以及
基于该多个映射,确定与该标准代表相关的路径,该路径定义该标准代表于其被检测到的第二多个兴趣点以及指示该标准代表在该第二多个兴趣点中的各个兴趣点处被检测到的时间信息。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161521407P | 2011-08-09 | 2011-08-09 | |
US61/521,407 | 2011-08-09 | ||
US13/538,155 | 2012-06-29 | ||
US13/538,155 US20130041753A1 (en) | 2011-08-09 | 2012-06-29 | System and Method for Identifying a Path of a Billboard Audience Group and Providing Advertising Content Based on the Path |
PCT/US2012/046984 WO2013022561A1 (en) | 2011-08-09 | 2012-07-17 | System and method for identifying a path of a billboard audience group and providing advertising content based on the path |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103875014A true CN103875014A (zh) | 2014-06-18 |
Family
ID=46614611
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280039073.0A Pending CN103875014A (zh) | 2011-08-09 | 2012-07-17 | 用于识别广告牌受众群的路径以及基于该路径提供广告内容的***和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20130041753A1 (zh) |
EP (1) | EP2742476A4 (zh) |
JP (1) | JP5925317B2 (zh) |
KR (1) | KR101612640B1 (zh) |
CN (1) | CN103875014A (zh) |
WO (1) | WO2013022561A1 (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10783555B2 (en) | 2013-11-22 | 2020-09-22 | At&T Intellectual Property I, L.P. | Targeting media delivery to a mobile audience |
JP5940579B2 (ja) * | 2014-03-20 | 2016-06-29 | ヤフー株式会社 | 移動制御装置、移動制御方法及び移動制御システム |
US10565620B1 (en) * | 2014-05-21 | 2020-02-18 | Vistar Media Inc. | Audience matching system for serving advertisements to displays |
US20160307227A1 (en) * | 2015-04-14 | 2016-10-20 | Ebay Inc. | Passing observer sensitive publication systems |
US10769660B2 (en) | 2016-09-09 | 2020-09-08 | International Business Machines Corporation | Determining advertisement content based on cluster density within dynamic visibility fence |
US11790401B2 (en) * | 2017-04-10 | 2023-10-17 | BoardActive Corporation | Platform for location and time based advertising |
DE102020107063A1 (de) | 2020-03-14 | 2021-09-16 | Audi Aktiengesellschaft | Verfahren zum Koordinieren von mindestens zwei Anzeigevorrichtungen unterschiedlicher Kraftfahrzeuge, Koordiniereinrichtung, und Kraftfahrzeug |
DE102020107064B3 (de) * | 2020-03-14 | 2021-06-17 | Audi Aktiengesellschaft | Verfahren zum Koordinieren von mindestens zwei Anzeigevorrichtungen unterschiedlicher Kraftfahrzeuge, Koordiniereinrichtung, Servereinrichtung, und Kraftfahrzeug |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080016055A1 (en) * | 2003-11-13 | 2008-01-17 | Yahoo! Inc. | Geographical Location Extraction |
CN101339721A (zh) * | 2008-08-11 | 2009-01-07 | 张挺 | 分时投放的广告牌*** |
US20090319166A1 (en) * | 2008-06-20 | 2009-12-24 | Microsoft Corporation | Mobile computing services based on devices with dynamic direction information |
US20100083169A1 (en) * | 2008-09-30 | 2010-04-01 | Athellina Athsani | System and method for context enhanced mapping within a user interface |
US20110047509A1 (en) * | 2009-08-18 | 2011-02-24 | Nokia Corporation | Method and apparatus for grouping points-of-interest on a map |
US20110087431A1 (en) * | 2009-10-12 | 2011-04-14 | Qualcomm Incorporated | Method and apparatus for identification of points of interest within a predefined area |
CN102129644A (zh) * | 2011-03-08 | 2011-07-20 | 北京理工大学 | 一种具有受众特性感知与统计功能的智能广告*** |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030046158A1 (en) * | 2001-09-04 | 2003-03-06 | Kratky Jan Joseph | Method and system for enhancing mobile advertisement targeting with virtual roadside billboards |
GB2410359A (en) * | 2004-01-23 | 2005-07-27 | Sony Uk Ltd | Display |
US7930204B1 (en) * | 2006-07-25 | 2011-04-19 | Videomining Corporation | Method and system for narrowcasting based on automatic analysis of customer behavior in a retail store |
US8073460B1 (en) * | 2007-03-08 | 2011-12-06 | Amazon Technologies, Inc. | System and method for providing advertisement based on mobile device travel patterns |
KR101136730B1 (ko) | 2007-12-08 | 2012-04-19 | 에스케이플래닛 주식회사 | 광고 방법 및 그 sns 광고시스템 |
US20090254416A1 (en) * | 2008-04-08 | 2009-10-08 | Yahoo! Inc. | Method and system for presenting advertisements targeted at passersby |
JP2010218177A (ja) * | 2009-03-17 | 2010-09-30 | Sanyo Electric Co Ltd | 動体識別装置および動線検知システム |
JP5292185B2 (ja) * | 2009-05-26 | 2013-09-18 | 日本電信電話株式会社 | ディジタルサイネージコンテンツ提示スケジュール作成方法及び装置及びプログラム |
JP2011008571A (ja) * | 2009-06-26 | 2011-01-13 | Shunkosha:Kk | 通行人流動データ生成装置、コンテンツ配信制御装置、通行人流動データ生成方法及びコンテンツ配信制御方法 |
US20120150654A1 (en) * | 2010-12-08 | 2012-06-14 | Alcatel-Lucent Usa Inc. | Method And Apparatus For Interactive Media Control |
US20120259706A1 (en) * | 2011-04-05 | 2012-10-11 | GM Global Technology Operations LLC | Vehicle navigation system and method |
-
2012
- 2012-06-29 US US13/538,155 patent/US20130041753A1/en not_active Abandoned
- 2012-07-17 WO PCT/US2012/046984 patent/WO2013022561A1/en unknown
- 2012-07-17 CN CN201280039073.0A patent/CN103875014A/zh active Pending
- 2012-07-17 KR KR1020147003232A patent/KR101612640B1/ko not_active IP Right Cessation
- 2012-07-17 JP JP2014525026A patent/JP5925317B2/ja not_active Expired - Fee Related
- 2012-07-17 EP EP12743586.5A patent/EP2742476A4/en not_active Withdrawn
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080016055A1 (en) * | 2003-11-13 | 2008-01-17 | Yahoo! Inc. | Geographical Location Extraction |
US20090319166A1 (en) * | 2008-06-20 | 2009-12-24 | Microsoft Corporation | Mobile computing services based on devices with dynamic direction information |
CN101339721A (zh) * | 2008-08-11 | 2009-01-07 | 张挺 | 分时投放的广告牌*** |
US20100083169A1 (en) * | 2008-09-30 | 2010-04-01 | Athellina Athsani | System and method for context enhanced mapping within a user interface |
US20110047509A1 (en) * | 2009-08-18 | 2011-02-24 | Nokia Corporation | Method and apparatus for grouping points-of-interest on a map |
US20110087431A1 (en) * | 2009-10-12 | 2011-04-14 | Qualcomm Incorporated | Method and apparatus for identification of points of interest within a predefined area |
CN102129644A (zh) * | 2011-03-08 | 2011-07-20 | 北京理工大学 | 一种具有受众特性感知与统计功能的智能广告*** |
Also Published As
Publication number | Publication date |
---|---|
EP2742476A4 (en) | 2015-11-25 |
WO2013022561A1 (en) | 2013-02-14 |
US20130041753A1 (en) | 2013-02-14 |
JP2014527668A (ja) | 2014-10-16 |
JP5925317B2 (ja) | 2016-05-25 |
KR20140043937A (ko) | 2014-04-11 |
EP2742476A1 (en) | 2014-06-18 |
KR101612640B1 (ko) | 2016-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11625755B1 (en) | Determining targeting information based on a predictive targeting model | |
US11093960B2 (en) | Probabilistic cross-device place visitation rate measurement at scale | |
CN103875014A (zh) | 用于识别广告牌受众群的路径以及基于该路径提供广告内容的***和方法 | |
US11238473B2 (en) | Inferring consumer affinities based on shopping behaviors with unsupervised machine learning models | |
US11297150B2 (en) | Method and system for measuring user engagement using click/skip in content stream | |
US10592914B2 (en) | Device-dwell graphs | |
US20190197570A1 (en) | Location-based analytic platform and methods | |
US10423973B2 (en) | Analyzing consumer behavior based on location visitation | |
US10235683B2 (en) | Analyzing mobile-device location histories to characterize consumer behavior | |
US8521593B2 (en) | Methods and systems for providing mobile advertising using data networks based on groupings associated with internet-connectable devices | |
CN105532030B (zh) | 用于分析目标实体的移动的装置、***和方法 | |
US20160203211A1 (en) | Geolocation data analytics on multi-group populations of user computing devices | |
US20090024546A1 (en) | System, method and apparatus for predictive modeling of spatially distributed data for location based commercial services | |
Georgiev et al. | Where businesses thrive: Predicting the impact of the olympic games on local retailers through location-based services data | |
US20140149418A1 (en) | Method and system for measuring social influence and receptivity of users | |
JP2014531649A (ja) | ソーシャル・ネットワーキング・システムを通じて伝搬される通信の効果の理解 | |
Massip et al. | Exploiting category-specific information for image popularity prediction in social media | |
Likhyani et al. | Location-specific influence quantification in location-based social networks | |
Kim et al. | Crowdsourced promotions in doubt: Analyzing effective crowdsourced promotions | |
Klar | Understanding Changes to Human Mobility Patterns in Ontario Canada During the Covid-19 Pandemic | |
Tomás | Potential market value for portuguese territory: demographics as mobility proxy | |
Hakyemez et al. | Putting spatial crime patterns in their social contexts through a contextualized colocation analysis | |
Samuel | Location and Predictiors of Access and Usage of Information and Communication Technology Infrastructures in Ibarapa Area of Oyo State, Nigeria | |
Giannotti et al. | D2. 2 Semantic-enriched data-driven theory of mobility demand and final framework for integration |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140618 |
|
WD01 | Invention patent application deemed withdrawn after publication |