JP2022536946A - データセット特性に基づく可視化内のマークの分析 - Google Patents

データセット特性に基づく可視化内のマークの分析 Download PDF

Info

Publication number
JP2022536946A
JP2022536946A JP2021575239A JP2021575239A JP2022536946A JP 2022536946 A JP2022536946 A JP 2022536946A JP 2021575239 A JP2021575239 A JP 2021575239A JP 2021575239 A JP2021575239 A JP 2021575239A JP 2022536946 A JP2022536946 A JP 2022536946A
Authority
JP
Japan
Prior art keywords
interest
decision
mark
data
marks
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
Application number
JP2021575239A
Other languages
English (en)
Inventor
ネニンジャー，ブライアン，ウィリアム
トンプソン，マデリーン，ブラッドリー
ティベッツ，リチャード，シングルトン
シルヴァースタイン，アレクサンダー，ガードナー
Original Assignee
タブロー ソフトウェア，エルエルシー
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by タブロー ソフトウェア，エルエルシー filed Critical タブロー ソフトウェア，エルエルシー
Publication of JP2022536946A publication Critical patent/JP2022536946A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/26—Visual data mining; Browsing structured data

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

実施形態は、データの可視化を管理することに向けられる。データソースからの値に関連づけられた１つ以上のマークを含む可視化が提供され得る。１つ以上のマークから、関心マークを決定することができる。判断モデルを利用して、関心マークとデータソースからのデータとに基づいて判断モデルの判断結果を生成することができ、それにより、各判断結果は、データソースからのデータへの最良適合と関心マークの値とに基づき得るスコアに関連づけることができる。判断結果は、スコアとの関連づけに基づいてランク順序付けされてもよい。判断結果のランク順序付けリストを含むレポートが提供され得る。

Description

［関連出願の相互参照］
本出願は、2019年6月17日に出願された、先に提出された米国仮特許出願第62/862,349号に基づく実用特許出願であり、その出願日の利益は、ここで35 U.S.C. §119(e)に基づいて主張され、さらに、参照によりその全体を組み込まれる。
［技術分野］
本発明は、概してデータの可視化に関し、排他的ではないがより詳細には、可視化における値の出現の理由を自動的に説明することに関する。
組織は、増え続ける量のデータを生成し、収集している。このデータは、消費者アクティビティ、製造アクティビティ、顧客サービス、サーバログなどの、組織の異なる部分に関連づけられることがある。様々な理由で、そのような組織が膨大なデータのコレクションを有効に活用することは、不便な可能性がある。いくつかの場合、データの量が、収集されたデータを有効に活用してビジネス習慣を改善することを困難にすることがある。いくつかの場合、組織は、様々なツールを採用してデータの一部又は全部の可視化を生成する。このデータを表現するために可視化を採用することは、組織がクリティカルなビジネスオペレーションの理解を改善することを可能にし、重要性能指標を監視するのに役立ち得る。しかしながら、いくつかの場合、可視化は、場所がずれ、又はさもなければ異常に見え得る、マーク、信号、値などを含むことがある。いくつかの場合、ソースを決定し、又はさもなければそのようなマークのこれらのソース又は原因を分析することは、可視化を生成するために使用された基礎をなすデータについての法外なレベルの理解を要する可能性がある。不都合なことに、これにより組織は、熟練の又は専門のデータアナリストに、可視化とデータをレビューして、マークがなぜ所定の値を有し得るのかの説明を決定するように指示する必要があり得る。また、いくつかの場合、ユーザが、自身の分析を行うためのスキルや技術的バックグラウンドを有するとしても、基礎をなすデータは、可視化をレビューし得るユーザにとって機密であるか又はその他の点でアクセスできない可能性がある。したがって、これらの検討及びその他に関して、本発明がなされている。
以下の図面を参照し、本イノベーションの非限定的及び非網羅的な実施形態を説明する。図面において、同様の参照番号は、別段指定されない限り、様々な図面全体にわたって同様の部分を指す。記載されるイノベーションのより良い理解のために、添付の図面と関連して読まれるべき、以下の様々な実施形態の詳細な説明が参照される。
様々な実施形態が実施され得るシステム環境を示す。 クライアントコンピュータの概略的な実施形態を示す。 ネットワークコンピュータの概略的な実施形態を示す。 様々な実施形態の１つ以上による、データ特性に基づいて可視化におけるマークを分析するシステムの論理アーキテクチャを示す。 様々な実施形態の１つ以上による、可視化の一部の論理的表現を示す。 様々な実施形態の１つ以上による、マーク判断システムの一部の論理的表現を示す。 様々な実施形態の１つ以上による、データ特性に基づいて可視化におけるマークを分析するためのユーザインターフェースの一部の論理的表現を示す。 様々な実施形態の１つ以上による、データ特性に基づいて可視化におけるマークを分析するプロセスの概要フローチャートを示す。 様々な実施形態の１つ以上による、判断モデルを使用してマークを分析するプロセスのフローチャートを示す。 様々な実施形態の１つ以上による、ユーザ対話の監視に基づいて判断モデルのフィルタリング又はランク付けを適合させるプロセスのフローチャートを示す。 様々な実施形態の１つ以上による、判断モデルに対する期待値分布を生成するプロセスのフローチャートを示す。 様々な実施形態の１つ以上による、判断モデルの結果を比較するプロセスのフローチャートを示す。
次に、様々な実施形態について、その一部を形成し、かつ例として本発明が実施され得る特定の例示的な実施形態を示す添付の図面を参照して、以下にさらに詳細に説明する。しかしながら、実施形態は、多くの異なる形態で具現化されてもよく、本明細書に記載される実施形態に限定されるものと解釈されるべきではない。むしろ、これらの実施形態は、本開示が充分かつ完全であるように、及び実施形態の範囲を当業者に完全に伝えるように提供されている。とりわけ、様々な実施形態は、方法、システム、媒体、又はデバイスであり得る。したがって、様々な実施形態は、完全にハードウェアの実施形態、完全にソフトウェアの実施形態、又はソフトウェア態様とハードウェア態様を組み合わせた実施形態の形態をとることができる。したがって、以下の詳細な説明は、限定的な意味で解されるべきではない。
明細書及び特許請求の範囲の全体を通して、以下の用語は、文脈が別段明確に規定しない限り、ここで明示的に関連づけられた意味をとる。本明細書で使用されるフレーズ「一実施形態において」は、必ずしも同じ実施形態を参照するわけではないが、そうであってもよい。さらに、本明細書で使用されるフレーズ「別の実施形態において」は、必ずしも異なる実施形態を参照するわけではないが、そうであってもよい。したがって、以下に記載するように、様々な実施形態を、本発明の範囲又は主旨から逸脱することなく容易に組み合わせることができる。
さらに、本明細書で使用されるとき、用語「又は」は、文脈が別段明確に規定しない限り、包括的な「又は」演算子であり、用語「及び／又は」と同等である。用語「に基づく」は、文脈が別段明確に規定しない限り、排他的なものではなく、記載されていないさらなるファクタに基づくことを許容する。さらに、明細書全体を通じて、「一の」（“a”、“an”）及び「その」（“the”）の意味は、複数の参照を含む。「中に」（“in”）の意味は、「中に」及び「上に」（“on”）を含む。
例示的な実施形態では、以下の用語もまた、文脈が別段明確に規定しない限り、対応する意味に従って本明細書において使用される。
本明細書で使用されるとき、用語「エンジン」は、ハードウェア又はソフトウェア命令に具現化された論理を指し、これは、Ｃ、Ｃ＋＋、Ｏｂｊｅｃｔｉｖｅ－Ｃ、ＣＯＢＯＬ、Ｊａｖａ（登録商標）TM、ＰＨＰ、Ｐｅｒｌ、ＪａｖａＳｃｒｉｐｔ（登録商標）、Ｒｕｂｙ、ＶＢＳｃｒｉｐｔ、Ｃ＃などのＭｉｃｒｏｓｏｆｔ．ＮＥＴTM言語などのプログラミング言語で書くことができる。エンジンは、実行可能プログラムにコンパイルされてもよく、あるいはインタプリタ型プログラミング言語で書かれてもよい。ソフトウェアエンジンは、他のエンジンから、又はそれ自体からコール可能でもよい。本明細書に記載されるエンジンは、他のエンジン又はアプリケーションとマージすることができ、あるいはサブエンジンに分割することができる、１つ以上の論理モジュールを指す。エンジンは、非一時的コンピュータ読取可能媒体又はコンピュータ記憶装置に記憶され、１つ以上の汎用コンピュータに記憶され、実行され、したがって、エンジンを提供するように構成された専用コンピュータを作り出すことができる。
本明細書で使用されるとき、用語「データソース」は、組織のために情報を記憶又は提供するデータベース、アプリケーション、サービス、ファイルシステムなどを指す。データソースの例には、ＲＤＢＭＳデータベース、グラフデータベース、スプレッドシート、ファイルシステム、文書管理システム、ローカル又はリモートのデータストリームなどを含んでもよい。いくつかの場合、データソースは、１つ以上のテーブル又はテーブル様の構造を中心に編成される。他の場合、データソースは、グラフ又はグラフ様の構造として編成される。
本明細書で使用されるとき、用語「データモデル」は、基礎をなすデータソースの表現を提供する１つ以上のデータ構造を指す。いくつかの場合、データモデルは、特定のアプリケーションのためのデータソースのビューを提供することができる。データモデルは、基礎をなすデータソースに対するビュー又はインターフェースとみなされることがある。いくつかの場合、データモデルは、データソース（例えば、実際には論理パススルー）に直接マッピングすることができる。また、いくつかの場合、データモデルは、データソースにより提供されてもよい。いくつかの状況において、データモデルは、データソースに対するインターフェースとみなされることがある。データモデルにより、組織は、データソースからの情報を、より簡便、より有意義（例えば、推理がより容易）、より安全等であり得る方法で編成又は提示することができる。
本明細書で使用されるとき、用語「データオブジェクト」は、データモデルを含む１つ以上のエンティティ又はデータ構造を指す。いくつかの場合、データオブジェクトは、データモデルの部分とみなされることがある。データオブジェクトは、項目又は項目のクラス若しくは種類の個々のインスタンスを表すことができる。
本明細書で使用されるとき、用語「パネル」は、グラフィカルユーザインターフェース（ＧＵＩ）内の定義されたジオメトリ（例えば、ｘ、ｙ、ｚオーダ）を有する、ＧＵＩ内の領域を指す。パネルは、ユーザに情報を表示し、あるいは１つ以上の対話型（interactive）コントロールをホストするように配置されてもよい。パネルに関連づけられたジオメトリ又はスタイルは、動的ルールを含む構成情報を使用して定義することができる。また、いくつかの場合、ユーザは、１つ以上のパネルにおけるアクション、例えば、移動する、示す、隠す、サイズ変更する、再順序付けするなどを実行可能にされてもよい。
本明細書で使用されるとき、「可視化モデル」は、１つ以上のハードウェアディスプレイ上に表示される可視化（visualization）における使用に適し得る、データモデルの１つ以上の表現を表す１つ以上のデータ構造を指す。可視化モデルは、非オーサリングユーザに利用可能にされ得るスタイリング又はユーザインターフェース機能を定義することができる。
本明細書で使用されるとき、用語「表示オブジェクト」は、可視化モデルを含む１つ以上のデータ構造を指す。いくつかの場合、表示オブジェクトは、可視化モデルの一部とみなされることがある。表示オブジェクトは、可視化において表示され得る項目の個々のインスタンス又は項目のクラス若しくは種類全体を表すことができる。いくつかの実施形態において、表示オブジェクトは、データモデルのいくらかの部分のビューを提供するため、ビューとみなされ、あるいは呼ばれることがある。
本明細書で使用されるとき、用語「マーク」は、可視化内の特定の値又は結果に対応し得る、可視化の区別可能な、又はその他の方法で識別可能な部分を指す。例えば、可視化が棒グラフを含む場合、棒の１つ以上がマークとみなされることがある。同様に、可視化が折れ線プロットを含む場合、プロット上の位置がマークとみなされてもよい。
本明細書で使用されるとき、用語「関心マーク（mark-of-interest）」は、可視化に含まれる他のマークの中から選択された、可視化内のマークを指す。いくつかの場合、可視化内のマークは、ユーザが可視化を含むマークの中から１つ以上の関心マークを選択又は識別することを可能にし得る、１つ以上の対話型の機能を組み込むことができる。例えば、ユーザは、マウスポインタがマークの上をホバリングし得る間にマウスボタンを右クリックすることにより関心マークを選択することを可能にされてもよい。いくつかの場合、関心マークは、検索、フィルタリング等を介して選択されてもよい。
本明細書で使用されるとき、用語「構成情報」は、ルールベースのポリシー、パターンマッチング、スクリプト（例えば、コンピュータ読取可能命令）などを含み得る情報を指し、これらは、構成ファイル、データベース、ユーザ入力、内蔵デフォルト等、又はこれらの組み合わせを含む、様々なソースから提供され得る。
以下では、本発明のいくつかの態様の基本的な理解を提供するために、本発明の実施形態について簡潔に説明する。この簡潔な説明は、広範な概観を意図したものではない。これは、重要な要素や必須の要素を識別すること、又は範囲を記述し若しくは狭めることを意図したものではない。その目的は、後に提示されるより詳細な説明への序文として、いくつかの概念を簡素化された形で単に提示することである。
簡潔に述べると、様々な実施形態は、本明細書に記載されるように実行するための１つ以上の命令を実行する１つ以上のプロセッサを使用してデータの可視化を管理することに向けられる。
様々な実施形態の１つ以上において、データソースからのデータに基づく１つ以上の可視化は、１つ以上の可視化が、データソースからの１つ以上の値に関連づけられ得る１つ以上のマークを含むように、提供され得る。
様々な実施形態の１つ以上において、関心マークは、１つ以上のマーク、１つ以上の可視化などの１つ以上の特性に基づいて、１つ以上のマークから決定されてもよい。様々な実施形態の１つ以上において、関心マークを決定することは、１つ以上のマークに関連づけられた１つ以上の値を自動的に分析することと、自動的な分析に基づいて関心マークを決定することを含んでもよい。
様々な実施形態の１つ以上において、１つ以上の判断モデル（assessment models）を利用して、関心マークとデータソースからのデータとに基づいて１つ以上の判断モデルについて１つ以上の判断結果を生成してもよく、それにより、各判断結果は、データソースからのデータへの最良適合と関心マークの値とに基づき得る１つ以上のスコアに関連づけることができる。様々な実施形態の１つ以上において、１つ以上の判断結果を生成することは、関心マークの１つ以上の特性をその判断及び１つ以上の解説テンプレートに基づいて記述する、１つ以上の自然言語解説を生成することと、１つ以上の自然言語解説を１つ以上の判断結果に含めることを含んでもよい。
様々な実施形態の１つ以上において、１つ以上の判断結果は、１つ以上のスコアとの関連づけに基づいてランク順序付けされてもよい。
様々な実施形態の１つ以上において、１つ以上の判断結果のランク順序付けされたリストを含むレポートが提供されてもよい。様々な実施形態の１つ以上において、レポートを提供することは、１つ以上の判断モデル、１つ以上の判断結果、関心マークなどに関連づけられ得る１つ以上の他の可視化を生成することを含んでもよい。
様々な実施形態の１つ以上において、レポートに関連づけられたフィードバック情報が監視されてもよい。様々な実施形態の１つ以上において、フィードバック情報に基づく１つ以上の他のスコアが提供されてもよい。様々な実施形態の１つ以上において、１つ以上の他のスコアを利用して、１つ以上の判断結果に対する１つ以上の修正を決定してもよい。
様々な実施形態の１つ以上において、１つ以上の判断結果は、１つ以上のスコアに基づいてフィルタリングされてもよく、それにより、定義された閾値未満であり得るスコアに関連づけられた各判断結果は、レポートから除外される。
様々な実施形態の１つ以上において、データソースに含まれ、かつ可視化から省略された、関心マークに関連づけられたデータが評価されてもよい。したがって、いくつかの実施形態において、１つ以上の判断結果の一部は、この評価に基づいて生成されてもよい。
［例示的な動作環境］
図１は、本発明の実施形態が実施され得る環境の一実施形態のコンポーネントを示す。本発明を実施するためにコンポーネントの全てが必要とされ得るわけではなく、本発明の主旨又は範囲から逸脱することなくコンポーネントの構成及びタイプにおける変形を行うことができる。図示のように、図１のシステム１００は、ローカルエリアネットワーク（ＬＡＮ）／ワイドエリアネットワーク（ＷＡＮ）－（ネットワーク）１１０、無線ネットワーク１０８、クライアントコンピュータ１０２～１０５、可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８などを含む。
クライアントコンピュータ１０２～１０５の少なくとも１つの実施形態が、図２に関連して以下により詳細に説明される。一実施形態において、クライアントコンピュータ１０２～１０５の少なくとも一部は、ネットワーク１０８又は１１０などの１つ以上の有線又は無線ネットワーク上で動作することができる。一般に、クライアントコンピュータ１０２～１０５は、情報を送受信し、様々なオンラインアクティビティ、オフラインアクション等を実行するために、ネットワークを介して通信することができる事実上任意のコンピュータを含むことができる。一実施形態において、クライアントコンピュータ１０２～１０５の１つ以上は、企業又は他のエンティティのために様々なサービスを実行するように、企業又は他のエンティティ内で動作するように構成することができる。例えば、クライアントコンピュータ１０２～１０５は、ウェブサーバ、ファイアウォール、クライアントアプリケーション、メディアプレーヤ、移動電話、ゲームコンソール、デスクトップコンピュータなどとして動作するように構成されてもよい。しかしながら、クライアントコンピュータ１０２～１０５は、これらのサービスに制約されず、例えば、他の実施形態においてエンドユーザコンピューティングに関して利用されてもよい。より多くの又はより少ないクライアントコンピュータ（図１に示される）が、本明細書に記載されるようなシステム内に含まれてもよく、したがって、実施形態は、利用されるクライアントコンピュータの数又はタイプにより制約されないことを認識されたい。
クライアントコンピュータ１０２として動作し得るコンピュータは、有線又は無線通信媒体を使用して典型的に接続するコンピュータ、例えば、パーソナルコンピュータ、マルチプロセッサシステム、マイクロプロセッサベース又はプログラマブル電子デバイス、ネットワークＰＣなどを含むことができる。いくつかの実施形態において、クライアントコンピュータ１０２～１０５は、別のコンピュータに接続して情報を受信することができる事実上任意のポータブルコンピュータ、例えば、ラップトップコンピュータ１０３、モバイルコンピュータ１０４、タブレットコンピュータ１０５などを含むことができる。しかしながら、ポータブルコンピュータはそのように限定されるものではなく、セルラー電話、ディスプレイページャ、無線周波数（ＲＦ）デバイス、赤外線（ＩＲ）デバイス、パーソナルデジタルアシスタント（ＰＤＡ）、ハンドヘルドコンピュータ、ウェアラブルコンピュータ、従来のコンピュータの１つ以上を組み合わせた統合デバイスなどの、他のポータブルコンピュータも含むことができる。したがって、クライアントコンピュータ１０２～１０５は、典型的には、能力及び機能の点で広範囲に及ぶ。さらに、クライアントコンピュータ１０２～１０５は、ブラウザ又は他のウェブベースのアプリケーションを含む様々なコンピューティングアプリケーションにアクセスすることができる。
ウェブ対応クライアントコンピュータは、ウェブを介して要求を送信し応答を受信するように構成されたブラウザアプリケーションを含むことができる。ブラウザアプリケーションは、事実上任意のウェブベースの言語を利用するグラフィックス、テキスト、マルチメディアなどを受信及び表示するように構成することができる。一実施形態において、ブラウザアプリケーションは、ＪａｖａＳｃｒｉｐｔ、ハイパーテキストマークアップ言語（ＨＴＭＬ）、拡張可能マークアップ言語（ＸＭＬ）、ＪａｖａＳｃｒｉｐｔ Ｏｂｊｅｃｔ Ｎｏｔａｔｉｏｎ（ＪＳＯＮ）、カスケーディングスタイルシート（ＣＳＳ）等、又はこれらの組み合わせを利用してメッセージを表示及び送信することを可能にされる。一実施形態において、クライアントコンピュータのユーザは、ブラウザアプリケーションを利用してネットワーク上で（オンラインで）様々なアクティビティを実行することができる。しかしながら、様々なオンラインアクティビティを実行するために、別のアプリケーションが使用されてもよい。
クライアントコンピュータ１０２～１０５は、さらに、別のコンピュータとの間でコンテンツを受信又は送信するように構成された少なくとも１つの他のクライアントアプリケーションを含んでもよい。クライアントアプリケーションは、コンテンツを送信又は受信する機能などを含むことができる。クライアントアプリケーションは、さらに、タイプ、能力、名前などを含む、自身を識別する情報を提供してもよい。一実施形態において、クライアントコンピュータ１０２～１０５は、インターネットプロトコル（ＩＰ）アドレス、電話番号、移動体識別番号（Mobile Identification Number、ＭＩＮ）、電子シリアル番号（electronic serial number、ＥＩＮ）、クライアント証明書、又は他の装置識別子を含む様々なメカニズムのいずれかを通じて自身を一意に識別することができる。このような情報は、他のクライアントコンピュータ、可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８、又は他のコンピュータ間で送信される１つ以上のネットワークパケットなどで提供されてもよい。
クライアントコンピュータ１０２～１０５は、さらに、エンドユーザが可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８などの別のコンピュータにより管理され得るエンドユーザアカウントにログインすることを可能にする、クライアントアプリケーションを含むように構成されてもよい。このようなエンドユーザアカウントは、１つの非限定的な例において、エンドユーザが１つ以上のオンラインアクティビティを管理できるように構成されてもよく、該オンラインアクティビティには、１つの非限定的な例において、プロジェクト管理、ソフトウェア開発、システム管理、構成管理、検索アクティビティ、ソーシャルネットワーキングアクティビティ、様々なウェブサイトの閲覧、他のユーザとの通信などが含まれる。また、クライアントコンピュータは、ユーザがレポート、対話型ユーザインターフェース、又は可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８により提供される結果を表示できるように構成されてもよい。
無線ネットワーク１０８は、クライアントコンピュータ１０３～１０５及びそのコンポーネントをネットワーク１１０と結合するように構成される。無線ネットワーク１０８は、クライアントコンピュータ１０３～１０５にインフラストラクチャ指向の接続を提供するために、スタンドアロンのアドホックネットワークなどをさらにオーバーレイすることができる様々な無線サブネットワークのいずれかを含んでもよい。このようなサブネットワークは、メッシュネットワーク、無線ＬＡＮ（ＷＬＡＮ）ネットワーク、セルラーネットワークなどを含むことができる。一実施形態において、システムは、２つ以上の無線ネットワークを含んでもよい。
無線ネットワーク１０８は、さらに、ワイヤレス無線リンクなどにより接続された端末、ゲートウェイ、ルータ等の自律システムを含んでもよい。これらのコネクタは、自由にかつランダムに移動し、自らを任意に編成するように構成することができ、それにより、無線ネットワーク１０８のトポロジは、急速に変化し得る。
無線ネットワーク１０８は、さらに、セルラーシステムのための第２（２Ｇ）、第３（３Ｇ）、第４（４Ｇ）第５（５Ｇ）世代無線アクセス、ＷＬＡＮ、無線ルータ（ＷＲ）メッシュなどを含む複数のアクセス技術を利用してもよい。２Ｇ、３Ｇ、４Ｇ、５Ｇ、及び将来のアクセスネットワークなどのアクセス技術は、様々な移動性度合いを有するクライアントコンピュータ１０３～１０５などのモバイルコンピュータに対する広域カバレッジを可能にすることができる。１つの非限定的な例において、無線ネットワーク１０８は、グローバルシステムフォーモバイルコミュニケーション（Global System for Mobil communication、ＧＳＭ）、汎用パケット無線サービス（General Packet Radio Services、ＧＰＲＳ）、拡張データＧＳＭ環境（Enhanced Data GSM Environment、ＥＤＧＥ）、符号分割多元接続（code division multiple access、ＣＤＭＡ）、時分割多元接続（time division multiple access、ＴＤＭＡ）、広帯域符号分割多元接続（Wideband Code Division Multiple Access、ＷＣＤＭＡ（登録商標））、高速下りリンクパケットアクセス（High Speed Downlink Packet Access、ＨＳＤＰＡ）、ロングタームエボリューション（Long Term Evolution、ＬＴＥ）などの無線ネットワークアクセスを通じた無線接続を可能にすることができる。本質的に、無線ネットワーク１０８は、情報がクライアントコンピュータ１０３～１０５と他のコンピュータ、ネットワーク、クラウドベースのネットワーク、クラウドインスタンス等との間を移動することができる事実上任意の無線通信メカニズムを含むことができる。
ネットワーク１１０は、ネットワークコンピュータを他のコンピュータと結合するように構成され、これには、可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８、クライアントコンピュータ１０２、及び無線ネットワーク１０８を通じてのクライアントコンピュータ１０３～１０５などが含まれる。ネットワーク１１０は、ある電子デバイスから別の電子デバイスへ情報を通信するために任意の形態のコンピュータ読取可能媒体を利用することを可能にされる。また、ネットワーク１１０は、ローカルエリアネットワーク（ＬＡＮ）、ワイドエリアネットワーク（ＷＡＮ）、直接接続、例えば、ユニバーサルシリアルバス（ＵＳＢ）ポート、イーサネットポートなどを通じてのもの、他の形態のコンピュータ読取可能媒体、又はこれらの任意の組み合わせに加えて、インターネットを含むことができる。異なるアーキテクチャ及びプロトコルに基づくものを含む、相互接続されたＬＡＮのセットにおいて、ルータは、ＬＡＮ間のリンクとして作用し、あるものから別のものへメッセージを送信することを可能にする。さらに、ＬＡＮ内の通信リンクは、典型的には、ツイストワイヤペア又は同軸ケーブルを含み、一方、ネットワーク間の通信リンクは、アナログ電話回線、Ｔ１、Ｔ２、Ｔ３、及びＴ４を含む完全又は部分専用デジタル回線、又は他のキャリアメカニズムを活用してもよく、該キャリアメカニズムには、例えば、Ｅキャリア、統合サービスデジタルネットワーク（Integrated Services Digital Networks、ＩＳＤＮ）、デジタル加入者回線（Digital Subscriber Lines、ＤＳＬ）、衛星リンクを含む無線リンク、又は当業者に知られる他の通信リンクが含まれる。さらに、通信リンクは、例えば、ＤＳ－０、ＤＳ－１、ＤＳ－２、ＤＳ－３、ＤＳ－４、ＯＣ－３、ＯＣ－１２、ＯＣ－４８等を限定なく含む、様々なデジタルシグナリング技術のいずれかをさらに利用してもよい。さらに、リモートコンピュータ及び他の関連電子デバイスを、モデム及び一時的な電話リンクを介してＬＡＮ又はＷＡＮのいずれかにリモート接続することができる。一実施形態において、ネットワーク１１０は、インターネットプロトコル（ＩＰ）の情報を運ぶように構成されてもよい。
さらに、通信媒体は、典型的には、コンピュータ読取可能な命令、データ構造、プログラムモジュール、又は他のトランスポートメカニズムを具現化し、任意の情報の非一時的送達媒体又は一時的送達媒体を含む。一例として、通信媒体は、ツイストペア、同軸ケーブル、光ファイバ、導波路、及び他の有線媒体などの有線媒体と、音響、ＲＦ、赤外線、及び他の無線媒体などの無線媒体を含む。
また、可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８の一実施形態を、図３に関連して以下でさらに詳細に説明する。図１は、可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８等を、各々を単一のコンピュータとして例示しているが、本イノベーション又は実施形態はそのように限定されない。例えば、可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８などの１つ以上の機能が、１つ以上の区別可能なネットワークコンピュータにわたって分散されてもよい。さらに、１つ以上の実施形態において、可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８は、複数のネットワークコンピュータを使用して実装されてもよい。さらに、様々な実施形態の１つ以上において、可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８などは、１つ以上のクラウドネットワーク内の１つ以上のクラウドインスタンスを使用して実装されてもよい。したがって、これらのイノベーション及び実施形態は単一の環境に限定されるものと解釈されるべきではなく、他の構成及び他のアーキテクチャがさらに想定される。
［例示的なクライアントコンピュータ］
図２は、クライアントコンピュータ２００の一実施形態を示し、これは、図示のものより多くの又は少ないコンポーネントを含んでもよい。クライアントコンピュータ２００は、例えば、図１に示すモバイルコンピュータ又はクライアントコンピュータの１つ以上の実施形態を表すことができる。
クライアントコンピュータ２００は、バス２２８を介してメモリ２０４と通信するプロセッサ２０２を含むことができる。クライアントコンピュータ２００は、さらに、電源２３０、ネットワークインターフェース２３２、オーディオインターフェース２５６、ディスプレイ２５０、キーパッド２５２、照明器２５４、ビデオインターフェース２４２、入力／出力インターフェース２３８、触覚インターフェース２６４、全地球測位システム（ＧＰＳ）受信機２５８、オープンエアジェスチャインターフェース２６０、温度インターフェース２６２、カメラ２４０、プロジェクタ２４６、ポインティングデバイスインターフェース２６６、プロセッサ読取可能固定記憶装置２３４、及びプロセッサ読取可能リムーバブル記憶装置２３６を含むことができる。クライアントコンピュータ２００は、任意で、基地局（図示せず）と、又は別のコンピュータと直接通信することができる。また、一実施形態において、図示されていないが、ジャイロスコープをクライアントコンピュータ２００内で利用して、クライアントコンピュータ２００の方向づけを測定又は維持してもよい。
電源２３０は、クライアントコンピュータ２００に電力を供給することができる。電力を供給するために、再充電可能又は再充電不可バッテリが使用されてもよい。電力はまた、バッテリを補足又は再充電するＡＣアダプタ又は電源付きドッキングクレードルなどの外部電力源により提供されてもよい。
ネットワークインターフェース２３２は、クライアントコンピュータ２００を１つ以上のネットワークに結合するための回路を含み、１つ以上の通信プロトコル及び技術との使用に対して構築され、該通信プロトコル及び技術には、これらに限られないが、モバイルコミュニケーション（ＧＳＭ）、ＣＤＭＡ、時分割多元接続（ＴＤＭＡ）、ＵＤＰ、ＴＣＰ／ＩＰ、ＳＭＳ、ＭＭＳ、ＧＰＲＳ、ＷＡＰ、ＵＷＢ、ＷｉＭａｘ、ＳＩＰ／ＲＴＰ、ＧＰＲＳ、ＥＤＧＥ、ＷＣＤＭＡ、ＬＴＥ、ＵＭＴＳ、ＯＦＤＭ、ＣＤＭＡ２０００、ＥＶ－ＤＯ、ＨＳＤＰＡ、又は様々な他の無線通信プロトコルのいずれかのためにＯＳＩモデルの任意の部分を実施するプロトコル及び技術が含まれる。ネットワークインターフェース２３２は、時に、トランシーバ、送受信装置、又はネットワークインターフェースカード（ＮＩＣ）として知られる。
オーディオインターフェース２５６は、人間の声のサウンドなどのオーディオ信号を生成及び受信するように構成することができる。例えば、オーディオインターフェース２５６は、他者とのテレコミュニケーションを可能にし、あるいは何らかのアクションのためのオーディオ確認応答を生成するために、スピーカ及びマイクロフォン（図示せず）に結合されてもよい。また、オーディオインターフェース２５６内のマイクロフォンは、例えば、音声認識、サウンドに基づくタッチの検出などを使用し、クライアントコンピュータ２００への入力又はクライアントコンピュータ２００の制御のために使用することができる。
ディスプレイ２５０は、液晶ディスプレイ（ＬＣＤ）、ガスプラズマ、電子インク、発光ダイオード（ＬＥＤ）、有機ＬＥＤ（ＯＬＥＤ）、又はコンピュータと共に使用することができる任意の他のタイプの光反射型又は光透過型ディスプレイでもよい。ディスプレイ２５０は、さらに、スタイラスなどのオブジェクトからの入力、又は人間の手からの指幅を受け取るように構成されたタッチインターフェース２４４を含んでもよく、接触又はジェスチャを感知するために抵抗性、容量性、表面音響波（ＳＡＷ）、赤外線、レーダ、又は他の技術を使用してもよい。
プロジェクタ２４６は、遠隔の壁、又は遠隔のスクリーンなどの任意の他の反射オブジェクト上に画像を投影することができる、リモートハンドヘルドプロジェクタ又は統合プロジェクタでもよい。
ビデオインターフェース２４２は、静止写真、ビデオセグメント、赤外線ビデオなどのビデオ画像を捕捉するように構成することができる。例えば、ビデオインターフェース２４２は、デジタルビデオカメラ、ウェブカメラなどに結合されてもよい。ビデオインターフェース２４２は、レンズ、イメージセンサ、及び他の電子装置を含むことができる。イメージセンサは、相補型金属酸化物半導体（ＣＭＯＳ）集積回路、電荷結合素子（ＣＣＤ）、又は光を感知するための任意の他の集積回路を含んでもよい。
キーパッド２５２は、ユーザからの入力を受け取るように構成された任意の入力装置を含むことができる。例えば、キーパッド２５２は、プッシュボタンの数字ダイヤル、又はキーボードを含んでもよい。キーパッド２５２は、さらに、画像を選択及び送信することに関連づけられたコマンドボタンを含んでもよい。
照明器２５４は、ステータス指標を提供し、あるいは光を提供することができる。照明器２５４は、特定の期間の間、又はイベントメッセージに応答してアクティブのままでもよい。例えば、照明器２５４がアクティブであるとき、照明器は、クライアントコンピュータが電源を入れられている間、キーパッド２５２のボタンをバックライトで照らし、オンのままであってもよい。また、照明器２５４は、別のクライアントコンピュータにダイヤルするなどの特定のアクションが実行されるとき、様々なパターンでこれらのボタンをバックライトで照らしてもよい。照明器２５４は、さらに、クライアントコンピュータの透明又は半透明ケース内に配置された光源に、アクションに応答して照明させてもよい。
クライアントコンピュータ２００は、さらに、鍵、デジタル証明書、パスワード、パスフレーズ、２ファクタ認証情報などのセキュリティ／暗号情報を生成、記憶、又は使用するためのさらなる耐タンパー性セーフガードを提供するハードウェアセキュリティモジュール（ＨＳＭ）２６８を含むこともできる。いくつかの実施形態において、ハードウェアセキュリティモジュールは、１つ以上の標準的な公開鍵基盤（ＰＫＩ）をサポートするために利用されてもよく、鍵ペアなどを生成、管理、又は記憶するために利用されてもよい。いくつかの実施形態において、ＨＳＭ２６８は、スタンドアロンコンピュータでもよく、他の場合に、ＨＳＭ２６８は、クライアントコンピュータに追加され得るハードウェアカードとして構成されてもよい。
クライアントコンピュータ２００は、さらに、外部周辺装置又は他のコンピュータ、例えば他のクライアントコンピュータ及びネットワークコンピュータなどと通信するための入力／出力インターフェース２３８を含むことができる。周辺装置には、オーディオヘッドセット、仮想現実ヘッドセット、ディスプレイスクリーングラス、リモートスピーカシステム、リモートスピーカ及びマイクロフォンシステム等を含んでもよい。入力／出力インターフェース２３８は、ユニバーサルシリアルバス（ＵＳＢ）、赤外線、ＷｉＦｉ、ＷｉＭａｘ、Ｂｌｕｅｔｏｏｔｈ（登録商標）TMなどの１つ以上の技術を活用することができる。
入力／出力インターフェース２３８は、さらに、１つ以上のセンサを含んでもよく、該１つ以上のセンサは、ジオロケーション情報を決定する（例えば、ＧＰＳ）、電力状態を監視する（例えば、電圧センサ、電流センサ、周波数センサ等）、天気を監視する（例えば、サーモスタット、気圧計、風速計、湿度検出器、降水量スケール等）などのためのものである。センサは、クライアントコンピュータ２００の外部のデータを収集又は測定する１つ以上のハードウェアセンサでもよい。
触覚インターフェース２６４は、クライアントコンピュータのユーザに触覚フィードバックを提供するように構成することができる。例えば、触覚インターフェース２６４を利用して、別のコンピュータのユーザが呼び出しているときクライアントコンピュータ２００を特定の方法で振動させてもよい。温度インターフェース２６２は、温度測定入力又は温度変化出力をクライアントコンピュータ２００のユーザに提供するために使用することができる。オープンエアジェスチャインターフェース２６０は、例えば、ユーザにより保持又は装着されたコンピュータ内の単一又はステレオビデオカメラ、レーダ、ジャイロセンサ等を使用することにより、クライアントコンピュータ２００のユーザの身体的なジェスチャを感知することができる。カメラ２４０は、クライアントコンピュータ２００のユーザの身体的な眼の動きを追跡するために使用することができる。
ＧＰＳトランシーバ２５８は、地球の表面におけるクライアントコンピュータ２００の物理的な座標を決定することができ、これは、典型的には、場所を緯度値及び経度値として出力する。ＧＰＳトランシーバ２５８は、さらに、これらに限られないが三角測量、補助ＧＰＳ（ＡＧＰＳ）、拡張観測時差（Enhanced Observed Time Difference、Ｅ－ＯＴＤ）、セル識別子（ＣＩ）、サービスエリア識別子（ＳＡＩ）、拡張タイミングアドバンス（Enhanced Timing Advance、ＥＴＡ）、基地局サブシステム（ＢＳＳ）等を含む他の地理測位（geo-positioning）メカニズムを利用して、地球の表面におけるクライアントコンピュータ２００の物理的な場所をさらに決定することができる。異なる条件下で、ＧＰＳトランシーバ２５８はクライアントコンピュータ２００の物理的な場所を決定できることが理解される。しかしながら、１つ以上の実施形態において、クライアントコンピュータ２００は、他のコンポーネントを通じて、クライアントコンピュータの物理的な場所を決定するために利用され得る他の情報を提供してもよく、これには、例えば、媒体アクセス制御（ＭＡＣ）アドレス、ＩＰアドレスなどが含まれる。
様々な実施形態の少なくとも１つにおいて、オペレーティングシステム２０６、他のクライアントアプリ２２４、ウェブブラウザ２２６などのアプリケーションは、ジオロケーション情報を利用して、タイムゾーン、言語、通貨、カレンダーフォーマットなどの１つ以上のローカライズ機能を選択するように構成することができる。ローカライズ機能は、表示オブジェクト、データモデル、データオブジェクト、ユーザインターフェース、レポート、及び内部プロセス又はデータベースで使用されてもよい。様々な実施形態の少なくとも１つにおいて、ローカライズ情報を選択するために使用されるジオロケーション情報は、ＧＰＳ２５８により提供されてもよい。さらに、いくつかの実施形態において、ジオロケーション情報は、無線ネットワーク１０８又はネットワーク１１１などのネットワークを通じて１つ以上のジオロケーションプロトコルを使用して提供される情報を含んでもよい。
ヒューマンインターフェースコンポーネントは、クライアントコンピュータ２００と物理的に別個である周辺装置でもよく、クライアントコンピュータ２００への遠隔の入力又は出力を可能にする。例えば、ディスプレイ２５０又はキーボード２５２などのヒューマンインターフェースコンポーネントを通して本明細書に記載のようにルーティングされる情報は、代わりに、ネットワークインターフェース２３２を通して、遠隔に配置された適切なヒューマンインターフェースコンポーネントにルーティングすることができる。リモートであり得るヒューマンインターフェース周辺コンポーネントの例には、これらに限られないが、オーディオデバイス、ポインティングデバイス、キーパッド、ディスプレイ、カメラ、プロジェクタなどが含まれる。これらの周辺コンポーネントは、ＢｌｕｅｔｏｏｔｈTM、Ｚｉｇｂｅｅ（登録商標）TMなどのピコネットワーク上で通信することができる。このような周辺ヒューマンインターフェースコンポーネントを有するクライアントコンピュータの１つの非限定的な例は、ウェアラブルコンピュータであり、これは、別個に配置されたクライアントコンピュータとリモート通信するリモートピコプロジェクタを１つ以上のカメラと共に含み、ピコプロジェクタにより壁又はユーザの手などの反射面に投影された画像の部分に向けてのユーザのジェスチャを感知することができる。
クライアントコンピュータは、ウェブページ、ウェブベースのメッセージ、グラフィックス、テキスト、マルチメディアなどを受信及び送信するように構成されたウェブブラウザアプリケーション２２６を含むことができる。クライアントコンピュータのブラウザアプリケーションは、ワイヤレスアプリケーションプロトコルメッセージ（ＷＡＰ）等を含む事実上任意のプログラミング言語を利用することができる。１つ以上の実施形態において、ブラウザアプリケーションは、ハンドヘルドデバイスマークアップ言語（Handheld Device Markup Language、ＨＤＭＬ）、ワイヤレスマークアップ言語（Wireless Markup Language、ＷＭＬ）、ＷＭＬＳｃｒｉｐｔ、ＪａｖａＳｃｒｉｐｔ、標準汎用マークアップ言語（ＳＧＭＬ）、ハイパーテキストマークアップ言語（ＨＴＭＬ）、拡張可能マークアップ言語（ＸＭＬ）、ＨＴＭＬ５などを利用することを可能にされる。
メモリ２０４は、ＲＡＭ、ＲＯＭ、又は他のタイプのメモリを含むことができる。メモリ２０４は、コンピュータ読取可能な命令、データ構造、プログラムモジュール、又は他のデータなどの情報の記憶のためのコンピュータ読取可能記憶媒体（装置）の一例を示す。メモリ２０４は、クライアントコンピュータ２００の低レベルの動作を制御するＢＩＯＳ２０８を記憶することができる。メモリは、さらに、クライアントコンピュータ２００の動作を制御するオペレーティングシステム２０６を記憶することができる。このコンポーネントには、ＵＮＩＸ（登録商標）若しくはＬＩＮＵＸ（登録商標）TMの一バージョンなどの汎用オペレーティングシステム、又はＷｉｎｄｏｗｓ（登録商標） ＰｈｏｎｅTM若しくはＳｙｍｂｉａｎ（登録商標）オペレーティングシステムなどの特化されたクライアントコンピュータ通信オペレーティングシステムを含んでもよいことが理解されよう。オペレーティングシステムは、Ｊａｖａアプリケーションプログラムを介したハードウェアコンポーネント又はオペレーティングシステム動作の制御を可能にするＪａｖａ仮想マシンモジュールを含み、あるいは該Ｊａｖａ仮想マシンモジュールとインターフェースすることができる。
メモリ２０４は、さらに、１つ以上のデータ記憶装置２１０を含むことができ、これは、とりわけ、アプリケーション２２０又は他のデータを記憶するためにクライアントコンピュータ２００により活用することができる。例えば、データ記憶装置２１０を利用して、クライアントコンピュータ２００の様々な能力を記述する情報を記憶してもよい。この情報は、次いで、通信中にヘッダの一部として送信されること、要求に応じて送信されることなどを含む様々な方法のいずれかに基づいて、別の装置又はコンピュータに提供することができる。さらに、データ記憶装置２１０を利用して、アドレス帳、バディリスト、エイリアス、ユーザプロファイル情報等を含むソーシャルネットワーキング情報を記憶してもよい。データ記憶装置２１０は、さらに、アクションを実行及び遂行するためにプロセッサ２０２などのプロセッサにより使用されるプログラムコード、データ、アルゴリズムなどを含んでもよい。一実施形態において、データ記憶装置２１０の少なくとも一部は、さらに、クライアントコンピュータ２００の別のコンポーネントに格納されてもよく、これらに限られないが、非一時的なプロセッサ読取可能なリムーバブル記憶装置２３６、プロセッサ読取可能な固定記憶装置２３４、又はクライアントコンピュータの外部にさえも含まれる。
アプリケーション２２０は、クライアントコンピュータ２００により実行されると命令及びデータを送信、受信、又はその他の方法で処理するコンピュータ実行可能命令を含むことができる。アプリケーション２２０は、例えば、クライアント可視化エンジン２２２、他のクライアントアプリケーション２２４、ウェブブラウザ２２６などを含んでもよい。クライアントコンピュータは、１つ以上のサーバと通信を交換するように構成することができる。
アプリケーションプログラムの他の例には、カレンダー、検索プログラム、電子メールクライアントアプリケーション、ＩＭアプリケーション、ＳＭＳアプリケーション、ボイスオーバーインターネットプロトコル（Voice Over Internet Protocol、ＶＯＩＰ）アプリケーション、コンタクトマネージャ、タスクマネージャ、トランスコーダ、データベースプログラム、ワード処理プログラム、セキュリティアプリケーション、スプレッドシートプログラム、ゲーム、検索プログラム、可視化アプリケーションなどが含まれる。
さらに、１つ以上の実施形態（図示せず）において、クライアントコンピュータ２００は、ＣＰＵの代わりに、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）、プログラマブルアレイ論理（ＰＡＬ）等、又はこれらの組み合わせなどの、組み込み論理ハードウェアデバイスを含んでもよい。組み込み論理ハードウェアデバイスは、その組み込まれた論理を直接実行して動作を遂行することができる。また、１つ以上の実施形態（図示せず）において、クライアントコンピュータ２００は、ＣＰＵの代わりに１つ以上のハードウェアマイクロコントローラを含んでもよい。１つ以上の実施形態において、１つ以上のマイクロコントローラは、それら自身の組み込まれた論理を直接実行して動作を遂行し、それ自身の内部メモリ並びにそれ自身の外部入力及び出力インターフェース（例えば、ハードウェアピン又は無線トランシーバ）にアクセスしてシステムオンアチップ（ＳＯＣ）などの動作等を遂行することができる。
［例示的なネットワークコンピュータ］
図３は、様々な実施形態の１つ以上を実施するシステムに含まれ得るネットワークコンピュータ３００の一実施形態を示す。ネットワークコンピュータ３００は、図３に示すものより多くの又は少ないコンポーネントを含んでもよい。しかしながら、図示のコンポーネントは、これらのイノベーションを実施するための例示的な実施形態を開示するのに十分である。ネットワークコンピュータ３００は、例えば、図１の可視化サーバコンピュータ１１６、データソースサーバコンピュータ１１８などのうちの少なくとも１つの、一実施形態を表すことができる。
ネットワークコンピュータ３００などのネットワークコンピュータは、バス３２８を介してメモリ３０４と通信し得るプロセッサ３０２を含むことができる。いくつかの実施形態において、プロセッサ３０２は、１つ以上のハードウェアプロセッサ、又は１つ以上のプロセッサコアから構成されてもよい。いくつかの場合、１つ以上のプロセッサのうちの１つ以上は、本明細書に記載されているような１つ以上の特化されたアクションを実行するように設計された特化されたプロセッサでもよい。ネットワークコンピュータ３００は、さらに、電源３３０、ネットワークインターフェース３３２、オーディオインターフェース３５６、ディスプレイ３５０、キーボード３５２、入力／出力インターフェース３３８、プロセッサ読取可能固定記憶装置３３４、及びプロセッサ読取可能リムーバブル記憶装置３３６を含む。電源３３０は、ネットワークコンピュータ３００に電力を供給する。
ネットワークインターフェース３３２は、ネットワークコンピュータ３００を１つ以上のネットワークに結合するための回路を含み、１つ以上の通信プロトコル及び技術との使用に対して構築され、該通信プロトコル及び技術には、これらに限られないが、オープンシステム相互接続モデル（ＯＳＩモデル）、グローバルシステムフォーモバイルコミュニケーション（ＧＳＭ）、符号分割多元接続（ＣＤＭＡ）、時分割多元接続（ＴＤＭＡ）、ユーザデータグラムプロトコル（ＵＤＰ）、トランスミッションコントロールプロトコル／インターネットプロトコル（ＴＣＰ／ＩＰ）、ショートメッセージサービス（ＳＭＳ）、マルチメディアメッセージングサービス（ＭＭＳ）、汎用パケット無線サービス（ＧＰＲＳ）、ＷＡＰ、超広帯域（ultra-wide band、ＵＷＢ）、ＩＥＥＥ８０２．１６ワールドワイドインターオペラビリティフォーマイクロウェーブアクセス（Worldwide Interoperability for Microwave Access、ＷｉＭａｘ）、セッション開始プロトコル／リアルタイムトランスポートプロトコル（Session Initiation Protocol、ＳＩＰ／Real-time Transport Protocol、ＲＴＰ）、又は様々な他の有線及び無線通信プロトコルのいずれかの、任意の部分を実施するプロトコル及び技術が含まれる。ネットワークインターフェース３３２は、時に、トランシーバ、送受信装置、又はネットワークインターフェースカード（ＮＩＣ）として知られる。ネットワークコンピュータ３００は、任意で、基地局（図示せず）と、又は別のコンピュータと直接通信することができる。
オーディオインターフェース３５６は、人間の声のサウンドなどのオーディオ信号を生成及び受信するように構成される。例えば、オーディオインターフェース３５６は、他者とのテレコミュニケーションを可能にし、あるいは何らかのアクションのためのオーディオ確認応答を生成するために、スピーカ及びマイクロフォン（図示せず）に結合されてもよい。また、オーディオインターフェース３５６内のマイクロフォンは、例えば、音声認識を使用し、ネットワークコンピュータ３００への入力又はネットワークコンピュータ３００の制御のために使用することができる。
ディスプレイ３５０は、液晶ディスプレイ（ＬＣＤ）、ガスプラズマ、電子インク、発光ダイオード（ＬＥＤ）、有機ＬＥＤ（ＯＬＥＤ）、又はコンピュータと共に使用することができる任意の他のタイプの光反射型又は光透過型ディスプレイでもよい。いくつかの実施形態において、ディスプレイ３５０は、壁又は他のオブジェクト上に画像を投影することができるハンドヘルドプロジェクタ又はピコプロジェクタでもよい。
ネットワークコンピュータ３００はまた、図３に示されていない外部のデバイス又はコンピュータと通信するための入力／出力インターフェース３３８を含むことができる。入力／出力インターフェース３３８は、ＵＳＢTM、ＦｉｒｅｗｉｒｅTM、ＷｉＦｉ、ＷｉＭａｘ、Ｔｈｕｎｄｅｒｂｏｌｔ（登録商標）TM、Ｉｎｆｒａｒｅｄ、ＢｌｕｅｔｏｏｔｈTM、ＺｉｇｂｅｅTM、シリアルポート、パラレルポートなどの、１つ以上の有線又は無線通信技術を利用することができる。
入力／出力インターフェース３３８は、さらに、１つ以上のセンサを含んでもよく、該１つ以上のセンサは、ジオロケーション情報を決定する（例えば、ＧＰＳ）、電力状態を監視する（例えば、電圧センサ、電流センサ、周波数センサ等）、天気を監視する（例えば、サーモスタット、気圧計、風速計、湿度検出器、降水量スケール等）などのためのものである。センサは、ネットワークコンピュータ３００の外部のデータを収集又は測定する１つ以上のハードウェアセンサでもよい。ヒューマンインターフェースコンポーネントは、ネットワークコンピュータ３００と物理的に別個でもよく、ネットワークコンピュータ３００への遠隔の入力又は出力を可能にする。例えば、ディスプレイ３５０又はキーボード３５２などのヒューマンインターフェースコンポーネントを通して本明細書に記載のようにルーティングされる情報は、代わりに、ネットワークインターフェース３３２を通して、ネットワーク上の他の場所に配置された適切なヒューマンインターフェースコンポーネントにルーティングすることができる。ヒューマンインターフェースコンポーネントには、コンピュータがコンピュータの人間のユーザから入力を受け取ること又は該人間のユーザに出力を送ることを可能にする任意のコンポーネントが含まれる。したがって、マウス、スタイラス、トラックボール等のポインティングデバイスは、ポインティングデバイスインターフェース３５８を通じて通信して、ユーザ入力を受け取ることができる。
ＧＰＳトランシーバ３４０は、地球の表面におけるネットワークコンピュータ３００の物理的な座標を決定することができ、これは、典型的には、場所を緯度値及び経度値として出力する。ＧＰＳトランシーバ３４０は、さらに、これらに限られないが三角測量、補助ＧＰＳ（ＡＧＰＳ）、拡張観測時差（Ｅ－ＯＴＤ）、セル識別子（ＣＩ）、サービスエリア識別子（ＳＡＩ）、拡張タイミングアドバンス（ＥＴＡ）、基地局サブシステム（ＢＳＳ）等を含む他の地理測位メカニズムを利用して、地球の表面におけるネットワークコンピュータ３００の物理的な場所をさらに決定することができる。異なる条件下で、ＧＰＳトランシーバ３４０はネットワークコンピュータ３００の物理的な場所を決定できることが理解される。しかしながら、１つ以上の実施形態において、ネットワークコンピュータ３００は、他のコンポーネントを通じて、クライアントコンピュータの物理的な場所を決定するために利用され得る他の情報を提供してもよく、これには、例えば、媒体アクセス制御（ＭＡＣ）アドレス、ＩＰアドレスなどが含まれる。
様々な実施形態の少なくとも１つにおいて、オペレーティングシステム３０６、判断エンジン３２２、可視化エンジン３２４、モデル化エンジン３２６、他のアプリケーション３２９などのアプリケーションは、ジオロケーション情報を利用して、タイムゾーン、言語、通貨、通貨フォーマット、カレンダーフォーマットなどの１つ以上のローカライズ機能を選択するように構成することができる。ローカライズ機能は、ユーザインターフェース、ダッシュボード、可視化、レポート、及び内部プロセス又はデータベースで使用されてもよい。様々な実施形態の少なくとも１つにおいて、ローカライズ情報を選択するために使用されるジオロケーション情報は、ＧＰＳ３４０により提供されてもよい。さらに、いくつかの実施形態において、ジオロケーション情報は、無線ネットワーク１０８又はネットワーク１１１などのネットワークを通じて１つ以上のジオロケーションプロトコルを使用して提供される情報を含んでもよい。
メモリ３０４は、ランダムアクセスメモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、又は他のタイプのメモリを含むことができる。メモリ３０４は、コンピュータ読取可能な命令、データ構造、プログラムモジュール、又は他のデータなどの情報の記憶のためのコンピュータ読取可能記憶媒体（装置）の一例を示す。メモリ３０４は、ネットワークコンピュータ３００の低レベルの動作を制御する基本入力／出力システム（ＢＩＯＳ）３０８を記憶する。メモリは、さらに、ネットワークコンピュータ３００の動作を制御するオペレーティングシステム３０６を記憶する。このコンポーネントは、ＵＮＩＸ若しくはＬＩＮＵＸＴＭの一バージョンなどの汎用オペレーティングシステム、又はＭｉｃｒｏｓｏｆｔ ＣｏｒｐｏｒａｔｉｏｎのＷｉｎｄｏｗｓ（登録商標）オペレーティングシステム若しくはＡｐｐｌｅ（登録商標） ＣｏｒｐｏｒａｔｉｏｎのＯＳＸ（登録商標）オペレーティングシステムなどの特化されたオペレーティングシステムを含んでもよいことが理解されよう。オペレーティングシステムは、Ｊａｖａアプリケーションプログラムを介したハードウェアコンポーネント又はオペレーティングシステム動作の制御を可能にするＪａｖａ仮想マシンモジュールなどの、１つ以上の仮想マシンモジュールを含み、あるいは該仮想マシンモジュールとインターフェースすることができる。同様に、他のランタイム環境が含まれてもよい。
メモリ３０４は、さらに、１つ以上のデータ記憶装置３１０を含むことができ、これは、とりわけ、アプリケーション３２０又は他のデータを記憶するためにネットワークコンピュータ３００により活用することができる。例えば、データ記憶装置３１０を利用して、ネットワークコンピュータ３００の様々な能力を記述する情報を記憶してもよい。この情報は、次いで、通信中にヘッダの一部として送信されること、要求に応じて送信されることなどを含む、様々な方法のいずれかに基づいて、別の装置又はコンピュータに提供することができる。さらに、データ記憶装置３１０を利用して、アドレス帳、バディリスト、エイリアス、ユーザプロファイル情報等を含むソーシャルネットワーキング情報を記憶してもよい。データ記憶装置３１０は、さらに、以下に説明されるアクションなどのアクションを実行及び遂行するためにプロセッサ３０２などのプロセッサにより使用されるプログラムコード、データ、アルゴリズムなどを含んでもよい。一実施形態において、データ記憶装置３１０の少なくとも一部は、さらに、ネットワークコンピュータ３００の別のコンポーネントに格納されてもよく、これらに限られないが、プロセッサ読取可能リムーバブル記憶装置３３６、プロセッサ読取可能固定記憶装置３３４、又はネットワークコンピュータ３００内若しくはネットワークコンピュータ３００の外部でさえある任意の他のコンピュータ読取可能記憶装置の内部の、非一時的な媒体が含まれる。データ記憶装置３１０は、例えば、データモデル３１４、データソース３１６、可視化モデル３１８、判断モデル３１９などを含むことができる。
アプリケーション３２０は、ネットワークコンピュータ３００により実行されるとメッセージ（例えば、ＳＭＳ、マルチメディアメッセージングサービス（ＭＭＳ）、インスタントメッセージ（ＩＭ）、電子メール、又は他のメッセージ）、オーディオ、ビデオを送信、受信、又はその他の方法で処理し、他のモバイルコンピュータの他のユーザとのテレコミュニケーションを可能にするコンピュータ実行可能命令を含むことができる。アプリケーションプログラムの他の例には、カレンダー、検索プログラム、電子メールクライアントアプリケーション、ＩＭアプリケーション、ＳＭＳアプリケーション、ボイスオーバーインターネットプロトコル（ＶＯＩＰ）アプリケーション、コンタクトマネージャ、タスクマネージャ、トランスコーダ、データベースプログラム、ワード処理プログラム、セキュリティアプリケーション、スプレッドシートプログラム、ゲーム、検索プログラムなどが含まれる。アプリケーション３２０は、判断エンジン３２２、可視化エンジン３２４、モデル化エンジン３２６、他のアプリケーション３２９などを含んでもよく、これらは、以下に記載される実施形態のための動作を実行するように構成され得る。様々な実施形態の１つ以上において、アプリケーションの１つ以上は、別のアプリケーションのモジュール又はコンポーネントとして実装されてもよい。さらに、様々な実施形態の１つ以上において、アプリケーションは、オペレーティングシステム拡張、モジュール、プラグインなどとして実装されてもよい。
さらに、様々な実施形態の１つ以上において、判断エンジン３２２、可視化エンジン３２４、モデル化エンジン３２６、その他のアプリケーション３２９などは、クラウドベースのコンピューティング環境において動作可能であってよい。様々な実施形態の１つ以上において、管理プラットフォームを含むこれらのアプリケーション及びその他は、クラウドベースのベースのコンピューティング環境において管理され得る仮想マシン又は仮想サーバ内で実行されてもよい。様々な実施形態の１つ以上において、この文脈では、アプリケーションは、クラウドコンピューティング環境により自動的に管理される性能及びスケーリングの考慮に応じて、クラウドベース環境内の１つの物理的ネットワークコンピュータから別のものへフローすることができる。同様に、様々な実施形態の１つ以上において、判断エンジン３２２、可視化エンジン３２４、モデル化エンジン３２６、他のアプリケーション３２９の専用にされた仮想マシン又は仮想サーバが、自動的に供給され、デコミッションされてもよい。
同様に、様々な実施形態の１つ以上において、判断エンジン３２２、可視化エンジン３２４、モデル化エンジン３２６、他のアプリケーション３２９などは、１つ以上の特定の物理的ネットワークコンピュータに結び付けられるのでなく、クラウドベースのコンピューティング環境で動作する仮想サーバ内に配置されてもよい。
ネットワークコンピュータ３００は、さらに、鍵、デジタル証明書、パスワード、パスフレーズ、２ファクタ認証情報などのセキュリティ／暗号情報を生成、記憶、又は使用するためのさらなる耐タンパー性セーフガードを提供するハードウェアセキュリティモジュール（ＨＳＭ）３６０を含むこともできる。いくつかの実施形態において、ハードウェアセキュリティモジュールは、１つ以上の標準的な公開鍵基盤（ＰＫＩ）をサポートするために利用されてもよく、鍵ペアなどを生成、管理、又は記憶するために利用されてもよい。いくつかの実施形態において、ＨＳＭ３６０は、スタンドアロンネットワークコンピュータでもよく、他の場合に、ＨＳＭ３６０は、ネットワークコンピュータにインストールされ得るハードウェアカードとして構成されてもよい。
さらに、１つ以上の実施形態（図示せず）において、ネットワークコンピュータ３００は、ＣＰＵの代わりに、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）、プログラマブルアレイ論理（ＰＡＬ）等、又はこれらの組み合わせなどの、組み込み論理ハードウェアデバイスを含んでもよい。組み込み論理ハードウェアデバイスは、その組み込まれた論理を直接実行して動作を遂行することができる。また、１つ以上の実施形態（図示せず）において、ネットワークコンピュータは、ＣＰＵの代わりに１つ以上のハードウェアマイクロコントローラを含んでもよい。１つ以上の実施形態において、１つ以上のマイクロコントローラは、それら自身の組み込まれた論理を直接実行して動作を遂行し、それら自身の内部メモリ並びにそれら自身の外部入力及び出力インターフェース（例えば、ハードウェアピン又は無線トランシーバ）にアクセスしてシステムオンアチップ（ＳＯＣ）などの動作等を遂行することができる。
［例示的な論理的システムアーキテクチャ」
図４は、様々な実施形態の１つ以上による、データ特性に基づいて可視化におけるマークを分析するシステム４００の論理アーキテクチャを示す。様々な実施形態の１つ以上において、システム４００は、１つ以上のモデル化エンジン、例えば、モデル化エンジン４０２；１つ以上の可視化エンジン、例えば、可視化エンジン４０４；１つ以上の可視化、例えば、可視化４０６；１つ以上のデータソース、例えば、データソース４１０；１つ以上の可視化モデル、例えば、可視化モデル４０８；又は、１つ以上の判断エンジン（assessment engines）、例えば、判断エンジン４１２を含む、様々なコンポーネントから構成することができる。
様々な実施形態の１つ以上において、モデル化エンジン４０２は、可視化エンジン４０４に提供され得る１つ以上の可視化モデルをユーザが設計することを可能にするように構成され得る。したがって、様々な実施形態の１つ以上において、可視化エンジン４０４は、可視化モデルに基づいて１つ以上の可視化を生成するように構成され得る。
様々な実施形態の１つ以上において、モデル化エンジンは、データソース４１０などの１つ以上のデータソースにアクセスするように構成され得る。いくつかの実施形態において、モデル化エンジンは、データソースに記憶された情報の可視化を生成するために使用され得る可視化モデルを設計するためにユーザが様々なデータソース情報、データオブジェクトなどを閲覧することを可能にする、ユーザインターフェースを含むように構成されてもよい。
したがって、いくつかの実施形態において、可視化モデルは、チャート、プロット、グラフ、表、グラフィックス、スタイリング、説明テキスト、対話型要素、ユーザインターフェース機能などを含む可視化を提供するように設計され得る。いくつかの実施形態において、ユーザは、ユーザが可視化モデルを対話的に設計することを可能にするグラフィカルユーザインターフェースを提供されてもよく、それにより、可視化モデル内の様々な要素又は表示オブジェクトが、データソース４１０などの１つ以上のデータソースからのデータに関連づけられ得る。
様々な実施形態の１つ以上において、データソース４１０などのデータソースは、ローカル又はリモートに配置され得るデータベース、データストア、ファイルシステムなどの１つ以上を含むことができる。いくつかの実施形態において、データソースは、ネットワークを通じて別のサービスにより提供されてもよい。いくつかの実施形態において、データソース内のデータをフィルタリングし、あるいはその他の方法で該データに対する管理ビュー又は管理上のアクセスを提供する１つ以上のコンポーネント（図示せず）が存在してもよい。
様々な実施形態の１つ以上において、可視化モデルは、可視化モデルストレージ４０８などの１つ以上のデータストアに記憶され得る。この例において、いくつかの実施形態では、可視化モデルストレージ４０８は、可視化モデルを記憶、安全化、又はインデキシングするための１つ以上のデータベース、ファイルシステム等を表す。
様々な実施形態の１つ以上において、可視化エンジン４０４などの可視化エンジンは、ユーザに表示され得る１つ以上の可視化を生成するために、可視化モデル及びデータソースからのデータをパースし又はその他の方法で解釈するように構成され得る。
様々な実施形態の１つ以上において、判断エンジン４１２などの判断エンジンは、可視化内のマークを判断し（assess）、又はその他の方法で評価するように構成され得る。したがって、いくつかの実施形態において、判断エンジンは、特定のデータ点（例えば、マーク）の値についての統計的説明を、説明のためのデータが可視化から省略されていたとしても、自動的に提供するように構成されてもよい。いくつかの実施形態において、判断エンジンは、可視化に関連づけられたデータソースからさらなるデータを自動的に引き込み、判断モデルなどの統計モデルを使用してその関連性を評価するように構成されてもよい。様々な実施形態の１つ以上において、マークに関する説明はテキスト文字列及び対話型の可視化としてユーザに伝達されてもよく、これらはさらに探索される。
様々な実施形態の１つ以上において、判断エンジンは、ユーザが可視化内から１つ以上の関心マークを選択することを可能にし得る。したがって、いくつかの実施形態において、可視化エンジンは、ユーザが関心マークを選択することを可能にする対話型ユーザインターフェース機能を含む可視化を生成するように構成されてもよい。例えば、様々な実施形態の１つ以上において、可視化エンジンは、右クリックコンテキストメニューに、このマークを判断（assess-this-mark）のコマンドを含むように構成されてもよい。したがって、いくつかの実施形態において、ユーザは、関心マークを表す表示オブジェクト上で右クリックしてコンテキストメニューを提示し、次いで、コンテキストメニューから、このマークを判断のコマンドを選択することができる。他の実施形態において、ユーザは、マークに関連づけられた名前又はラベルを使用して関心マークを検索することを可能にされてもよい。
図５は、様々な実施形態の１つ以上による、可視化５００の一部の論理的表現を示す。上述のように、可視化エンジンは、可視化モデル及びデータを利用して、可視化５００などの可視化を生成するように構成され得る。この例において、可視化５００は、曜日ごとの販売収益を示す棒グラフを表す。当業者は、可視化モデル又は可視化エンジンが、ユーザ又は組織の設計目標に応じて様々な目的のために多くの異なるタイプの可視化を生成するように構成されてもよいことを理解するであろう。ここでは、これらのイノベーションの説明を明確にするのに役立つように、可視化５００が非限定的な例として提示される。当業者は、この例が、本明細書におけるイノベーションを開示するのに少なくとも十分であること、及び、可視化エンジン又は可視化モデルが、多くの領域において多くの異なる目的のために多くの異なる可視化を生成するように構成されてもよいことを理解するであろう。
この例において、可視化５００は、日曜日に得られた収益を表すマーク５０２を含む。したがって、この例では、マーク５０２は、それが可視化５００内の他のマークより有意に低いように見えることを考慮すると、異常な結果であるように見え得る。
この例において、マーク５０２は、それが、他の曜日の収益値に関連づけられ得る他のマークと比較して異常に見え得るため、関心マークであると決定され得る。いくつかの実施形態において、ユーザは、興味深い又は異常と思われる１つ以上の関心マークを識別することを可能にされてもよい。また、いくつかの実施形態において、判断エンジンは、異常又は統計的外れ値であり得るマークを自動的に識別することに基づいて、１つ以上の関心マークを自動的に識別するように構成されてもよい。
いくつかの実施形態において、マークが関心マークとして識別され得る場合、判断エンジンは、見かけ上の矛盾の説明を提供するために関心マークを分析するための１つ以上の動作を自動的に実行するように構成され得る。いくつかの場合、判断エンジンにより行われる分析は、関心マークが異常でなく予期の範囲内であり得ると決定することができる。
図６は、様々な実施形態の１つ以上による、マーク判断システム６００の一部の論理的表現を示す。様々な実施形態の１つ以上において、システム６００は、判断エンジン６０２、判断モデル６０４、可視化モデル６０６、データソース６０８、関心マーク６１０、判断結果６１２などの、１つ以上のコンポーネントを含むことができる。いくつかの実施形態において、判断結果６１２などの判断結果は、信頼度スコア６１４又は解説（narrative）６１６を含むように構成され得る。
様々な実施形態の１つ以上において、判断エンジン６０２は、判断モデル６０４に基づいて関心マーク６１０を判断するように構成され得る。様々な実施形態の１つ以上において、判断モデルは、関心マークを分類するために実行され得る１つ以上のヒューリスティクス又は機械学習評価器を含むように構成されてもよい。
本明細書で論じられるように、判断エンジンは、１つ以上の判断モデルを利用し、所与の判断モデルがどれほど良く関心マークにマッチする（又は、関心マークを分類する）かに関する１つ以上のレポートを提供するように構成され得る。したがって、この例において、判断結果６１２は、信頼度スコア６１４などのスコアと、自然言語解説６１６を含む。
様々な実施形態の１つ以上において、判断モデルは、それらがどれほど良く関心マークを説明するかのスコアを提供するように構成されてもよい。いくつかの実施形態において、判断エンジンは、判断モデルを実行又は適用して、関心マーク、可視化モデル、又はデータソースの様々な評価を実行し、関心マークを分類するように構成されてもよい。いくつかの実施形態において、関心マークがどれほど良く判断モデルに適合するかを表す信頼度スコアが、判断モデルにより提供されてもよい。例えば、判断モデルＡは、１０個のテストを実行し、あるいは各マッチ条件について１０点を含むスコアを提供する１０個の条件を評価するように構成されてもよい。同様に、いくつかの実施形態において、判断モデルは、信頼度スコアを提供する１つの分類器を実行又は適用してもよい。
様々な実施形態の１つ以上において、異なる判断モデルは、異なるスコア付け基準を利用することができる。したがって、いくつかの実施形態において、判断エンジンは、異なる判断モデルにより提供される信頼度スコアを重み付け又は正規化するように構成されてもよい。いくつかの実施形態において、判断モデル信頼度スコアを正規化又は重み付けするための特定の正規化ルール又は重み付けルールは、構成情報を介して提供されてもよい。
また、様々な実施形態の１つ以上において、判断モデルは、解説６１６などの自然言語解説を提供するように構成されてもよい。いくつかの実施形態において、自然言語解説は、所与の判断モデルに関する関心マークの判断を説明するためにユーザに提供され得るユーザインターフェース又はレポートにおいて利用されてもよい。いくつかの実施形態において、解説は、関心マーク又は可視化モデルに関連づけられ得るラベル、単位、値などがユーザインターフェース又はレポート情報に含まれることを可能にするテンプレートに基づいてもよい。
様々な実施形態の１つ以上において、判断モデルは、関心マークに関連づけられたデータの１つ以上の統計的特徴を評価するように設計又は調整され得る。したがって、様々な実施形態の１つ以上において、判断エンジンは、関心マークに関連づけられたデータが、判断モデルによりターゲットにされた１つ以上の統計的特徴を有するかどうかを判断するために、１つ以上の判断モデルを適用するように構成され得る。いくつかの実施形態において、判断モデルは、信頼度スコアを自己等級付けの形式として提供するように構成されてもよく、これは、関心マークに関連づけられたデータが、判断モデルがマッチし又はその他の方法で評価するように設計され得る統計的特徴にどれほど近いかを表す。
様々な実施形態の１つ以上において、１つ以上の判断モデルは、関心マークに関連づけられることを予期され得る一般的な、良く知られた、又は普通の統計的特徴に焦点を合わせることができる。
また、様々な実施形態の１つ以上において、１つ以上の判断モデルが、特定の問題領域又はビジネス領域に対してカスタマイズされ、あるいは向けられてもよい。例えば、金融情報に向けられた判断モデルは、従業員情報に向けられた判断モデルとは別様に構成され得る。同様に、例えば、自動車産業に向けられた判断モデルは、クルーズ（船舶）産業に向けられた判断モデルとは別様に構成され得る。さらに、様々な実施形態の１つ以上において、１つ以上の判断モデルが、特定の組織又はユーザのための特定のデータソース又は可視化モデルに対してカスタマイズされてもよい。したがって、様々な実施形態の１つ以上において、判断モデルは、それらが互いに独立して構成されることを可能にするデータストアに記憶され得る。
様々な実施形態の１つ以上において、判断エンジンは、１つ以上の判断モデルのためのプロファイルを生成又は維持するように構成され得る。いくつかの実施形態において、プロファイルは、判断モデル結果を特定の組織、ユーザ、問題領域等に適合させるために使用され得る情報を追跡するように構成され得る。
したがって、様々な実施形態の１つ以上において、判断エンジンは、ユーザアクティビティ情報又はユーザフィードバックを利用して、判断レポートを修正又はカスタマイズするために利用され得る判断モデルプロファイルを自動的に構築するように構成されてもよい。例えば、組織のユーザが、関心マークと判断結果との間のミスマッチを矛盾なくレポートする場合、判断エンジンは、ユーザフィードバック情報に基づいて、組織のための判断結果をランク付けするために使用される有効な信頼度スコアを増加又は減少させる重み付けルールを導入するように構成されてもよい。
様々な実施形態の１つ以上において、ユーザが、可視化内の関心マークを選択した場合、判断エンジンは、１つ以上の判断モデルを決定し、それらを関心マークとその関連する可視化モデル又はデータソースに適用することができる。したがって、判断モデルの非限定的な例について以下に論じる。簡潔さと明確さのために、この議論は数例に限定されるが、当業者は、他の又はさらなる判断ストラテジを組み込み得る他の判断モデルが企図されることを理解するであろう。
行の数（NUMBER OF ROWS）：判断モデルは、可視化内の他のマークと比較して、関心マークにより表された値に、異常に多数又は少数のデータ値又はデータレコードがロールアップされている可能性があるか決定するように構成され得る。例えば、いくつかの場合、関心マークの値が他のマークと比較して高いと思われる場合に、それは、関心マークに寄与する基礎をなすレコード数が、多くの人が中国にいるので高い中国のＧＤＰなどの他のマークより、大きい可能性があるためと説明され得る。
行の測定（MEASURE OF ROWS）：判断モデルは、関心マークに集計された行内の平均値が可視化内の他のマークと比較して高いかを決定することを可能にされ得る。例えば、いくつかの場合、関心マークの値が他のマークと比較して高いと思われる場合に、それは、関心マークに寄与する基礎をなすレコードが、米国の人々が他の国の人々より多くのお金を稼いでいるので高い米国ＧＤＰなどの他のマークの基礎をなすレコードと比較して、平均を上回る値を有する可能性があるためと説明され得る。
可視化されていない次元（UN-VISUALIZED DIMENSION）：判断モデルは、関心マークにロールアップされたデータレコードが、ユーザにより見られる可視化に含まれない何らかの次元において他の行と異なるかを評価するように構成され得る。例えば、店舗Ｘは、それがダイヤモンドを販売しており、大抵の他の店舗はダイヤモンドを販売していないため、高い平均注文価格を有する。また、ダイヤモンドを販売する他の店舗も、高い平均注文価格を有する。
可視化された次元（VISUALIZED DIMENSION）：判断モデルは、関心マークにロールアップされたデータレコードが、可視化に含まれる何らかの次元において他のデータレコードと異なるかを評価するように構成され得る。例えば、２０１５年の店舗Ｘは高い総売上高を有したが、これは、関心マークと他のマークとの間の差に地理的領域が関連したのではなく、店舗ごとの売上高における全体的な傾向の一部である。
１つの外れ値（ONE OUTLIER）：判断モデルは、関心マークに関連づけられたデータレコード内に、関心マークが可視化内の他のマークと異なって見えることに至り得る単一の外れ値が存在し得るかを決定するように構成され得る。したがって、いくつかの実施形態において、これは、１つのデータレコードがさらなる調査に値し得ることを示唆し得る。例えば、地域Ｘは２０１８年０４月２８日に高い売上高を有したが、これはその日に外れ値注文Ｙが発生したためである。
複数の外れ値（MULTIPLE OUTLIERS）：判断モデルは、複数の外れ値であり、集合的に、関心マークが可視化内の他のマークと異なって見えるようにさせ得る複数の外れ値が、存在し得るかを決定するように構成され得る。この結果は、欠けている潜在的ファクタを示唆し得る。例えば、地域Ｘは２０１８年０４月２８日に高い売上高を有したが、これは注文Ｙ１、Ｙ２、及びＹ３が全てその地域でその日にあったためである。このような結果は、さらなる調査に値し得る。
中間集計（INTERMEDIATE AGGREGATE）：判断モデルは、関心マーク値に関連づけられたデータレコードのサブセットが、データレコードのセット全体にわたって、又はデータレコードの他のサブセットと比較して、矛盾し又はあり得ない可能性がある値を生じるかを決定するように構成され得る。例えば、判断モデルは、地域Ｘが２０１８年０４月２８日に高い売上高を有したが、これは店舗Ｙが地域Ｘにあるためであり、それはその日に高い売上高を有したが、店舗Ｙにおいて売上高を支配する個々の注文はなかったとレポートすることができる。
図７は、様々な実施形態の１つ以上による、データ特性に基づいて可視化におけるマークを分析するためのユーザインターフェース７００の一部の論理的表現を示す。いくつかの実施形態において、ユーザインターフェース７００は、パネル７０２、パネル７０４、パネル７０６、パネル７０８、説明７１０などの１つ以上のパネルを含むように構成され得る。
この例では、様々な実施形態の１つ以上について、パネル７０２は、判断エンジンにより分析された関心マークの説明のランク順序リストを表示するように構成され得る。いくつかの実施形態において、各説明項目は、判断エンジンにより決定される、関心マークに関連づけられた値の潜在的な説明を提供し得る自然言語解説を含むことができる。同様に、いくつかの実施形態において、判断エンジンが潜在的な説明を決定できない可能性がある場合、パネル７０２は、その影響に対する解説を表示するように構成されてもよい。
様々な実施形態の１つ以上において、説明解説のためのテキストは、マーク又はマークの説明に関連づけられ得るフィールド名又はラベルが説明解説に含まれ得るような、テンプレートに基づくことができる。
様々な実施形態の１つ以上において、パネル７０４は、判断エンジンにより分析されたマークに関連し得るさらなる説明又は可視化を含むように構成され得る。いくつかの実施形態において、パネル７０６などのパネルは、マークに関連するさらなる説明解説、又はユーザにマークを説明するのに役立ち得る１つ以上の可視化を含むことができる。また、いくつかの実施形態において、パネル７０８などのパネルは、マークを説明するのに役立つ可視化を含むことができる。例えば、パネル７０８は、マークがなぜ異常に見えたのかの理由を説明するのに役立つ１つ以上の代替的な可視化を含んでもよい。
様々な実施形態の１つ以上において、判断エンジン、可視化エンジン等は、異なる判断モデルに対して特定の可視化モデル又は説明テキスト／解説テンプレートを使用するように構成され得る。いくつかの実施形態において、判断モデルのための可視化モデル又は説明／解説テンプレートは、構成情報において定義されてもよい。したがって、ユーザインターフェース７００に含まれる説明／解説テキスト又は可視化は、特定の組織、ロケールなどに対して調整されてもよい。
様々な実施形態の１つ以上において、判断エンジン又は可視化エンジンは、構成情報を介してユーザインターフェース７００のコンテンツ又はスタイリングの一部又は全部を決定するように構成されてもよい。したがって、いくつかの実施形態において、解説説明テキスト又はテンプレート、パネルレイアウト、可視化等は、組織、ユーザ等のニーズに応じて別様に構成されてもよい。
［一般化された動作］
図８～図１２は、様々な実施形態の１つ以上による、データ特性に基づいて可視化におけるマークを分析する一般化された動作を示す。様々な実施形態の１つ以上において、図８～図１２と関連して説明されるプロセス８００、９００、１０００、１１００、及び１２００は、図３のネットワークコンピュータ３００などの単一のネットワークコンピュータ（又は、ネットワーク監視コンピュータ）上の１つ以上のプロセッサにより実施され、あるいは実行されてもよい。他の実施形態において、これらのプロセス又はその一部は、図３のネットワークコンピュータ３００などの複数のネットワークコンピュータにより実施され、あるいは該ネットワークコンピュータ上で実行されてもよい。さらに他の実施形態において、これらのプロセス、又はその一部は、クラウドベースの環境におけるものなどの１つ以上の仮想化コンピュータにより実施され、あるいは該仮想化コンピュータ上で実行されてもよい。しかしながら、実施形態はそのように限定されるものではなく、ネットワークコンピュータ、クライアントコンピュータ等の様々な組み合わせが利用されてよい。さらに、様々な実施形態の１つ以上において、図８～図１２に関連して説明されるプロセスは、図４～図７に関連して説明されたような様々な実施形態又はアーキテクチャのうちの少なくとも１つに従ってデータ特性に基づいて可視化におけるマークを分析するために使用することができる。さらに、様々な実施形態の１つ以上において、プロセス８００、９００、１０００、１１００、及び１２００により実行される動作の一部又は全部は、部分的に、判断エンジン３２２、可視化エンジン３２４、モデル化エンジン３２６、１つ以上のネットワークコンピュータの１つ以上のプロセッサにより実行されてもよい。
図８は、様々な実施形態の１つ以上による、データ特性に基づいて可視化におけるマークを分析するプロセス８００の概要フローチャートを示す。開始ブロックの後、ブロック８０２において、様々な実施形態の１つ以上において、可視化エンジンが、１つ以上の可視化モデル又はデータソースに基づいて１つ以上の可視化を生成するように構成され得る。上述したように、可視化システムは、１つ以上の可視化モデルと１つ以上のデータソースにより提供されるデータとに基づいて可視化を生成するように構成され得る、１つ以上のモデル化エンジン、１つ以上のデータソース、１つ以上の可視化エンジン等を含むよう構成ことができる。
ブロック８０４において、様々な実施形態の１つ以上において、判断エンジンが、１つ以上の可視化内の１つ以上の関心マークを決定するように構成され得る。いくつかの実施形態において、関心マークは、ユーザにより選択されてもよい。
様々な実施形態の１つ以上において、判断エンジンは、可視化内の他のマークと矛盾するように見え得る１つ以上のマークを自動的に識別するように構成されてもよい。いくつかの実施形態において、判断エンジンは、１つ以上のマークが関心マークとして識別され得るかを決定するために、１つ以上のヒューリスティック評価を実行する動作を実行するように構成されてもよい。いくつかの実施形態において、判断エンジンは、可視化ユーザインターフェース内でどのマークが関心マークであり得るかをハイライトし又はその他の方法で示すように構成されてもよい。潜在的な関心マークを示す特定のスタイリングは、組織及び構成情報に応じて変化してもよい。
いくつかの実施形態において、判断エンジンにより自動的に決定される関心マークは、潜在的な関心マークとみなされ得る。したがって、いくつかの実施形態において、ユーザは、潜在的な関心マークが判断エンジンにより判断されるべきかを確認することを可能にされてもよい。
ブロック８０６において、様々な実施形態の１つ以上において、判断エンジンは、１つ以上の判断モデルに基づいて１つ以上の関心マークを分析するように構成され得る。様々な実施形態の１つ以上において、判断エンジンは、１つ以上の判断モデルを実行して関心マークを判断して、基礎をなすデータ／データソースの特性が関心マークにどのように寄与したかへの洞察を提供し得る説明を決定するように構成されてもよい。
ブロック８０８において、様々な実施形態の１つ以上において、判断エンジンは、１つ以上のマークに関連づけられた１つ以上の可視化又は１つ以上の説明解説を含み得る１つ以上の判断レポートを生成するように構成され得る。上述のように、いくつかの実施形態において、判断レポートは、ユーザが判断結果をレビューすることを可能にする対話型ユーザインターフェースを含んでもよく、これは、関心マークの１つ以上の特性を記述し得る説明解説を含むことができる。
次に、様々な実施形態の１つ以上において、制御は呼び出しプロセスに戻され得る。
図９は、様々な実施形態の１つ以上による、判断モデルを利用してマークを分析するプロセス９００のフローチャートを示す。開始ブロックの後、ブロック９０２において、様々な実施形態の１つ以上において、判断エンジンは、１つ以上の判断モデル及び１つ以上の関心マークでもよい。上述のように、いくつかの実施形態において、１つ以上の判断モデルは、マークを判断するために定義され得る。したがって、いくつかの実施形態において、判断エンジンは、データストア等から１つ以上の判断モデルを取得するように構成され得る。いくつかの実施形態において、判断エンジンは、構成情報を介して提供され得るルール、条件等に基づいて特定の判断モデルを決定するように構成されてもよい。
ブロック９０４において、様々な実施形態の１つ以上において、判断エンジンは、マーク、可視化モデル、データソースなどに基づいて１つ以上の判断モデルを評価するように構成され得る。様々な実施形態の１つ以上において、判断モデルは、判断エンジンがマークを判断するために実行又は適用し得る、ルール、条件、コンピュータ読取可能命令などを含み、あるいはこれらに関連づけられてもよい。
判定ブロック９０６において、様々な実施形態の１つ以上において、評価すべきさらなる判断モデルが存在し得る場合、制御はブロック９０４にループバックし得る。そうでない場合、制御はブロック９０８にフローし得る。いくつかの実施形態において、判断エンジンは、１つ以上の判断モデルを省略又はスキップすることにより判断を早期に終了するように構成され得る。例えば、いくつかの実施形態において、判断エンジンは、前に評価された判断モデルが関心マークの十分な説明を提供すると考えられ得る場合、さらなる判断モデルの評価を停止するように構成されてもよい。
したがって、様々な実施形態の１つ以上において、判断エンジンは、判断モデルにより提供される判断結果に信頼度スコアを関連づけるように構成されてもよい。いくつかの実施形態において、判断モデルは、判断モデルがどれほど良くマークにマッチし又はマークを説明するかを示す信頼度スコアを提供するように構成されてもよい。
さらに、様々な実施形態の１つ以上において、判断エンジンは、判断モデルにより提供される信頼度スコアと組み合わせることができる、信頼度スコアの別のセットを維持するように構成されてもよい。したがって、いくつかの実施形態において、マークの判断の全体的な信頼度スコアは、判断モデルにより提供されるスコアと、判断エンジンにより提供されるスコアとの組み合わせでもよい。
例えば、いくつかの実施形態において、判断エンジンにより提供される信頼度スコアは、判断モデルにとって利用不可又は無関係であり得る他のファクタ又はメトリックに基づいて生成されてもよい。いくつかの実施形態において、このようなファクタ又はメトリックは、ユーザフィードバック、組織要件（例えば、構成情報）、組織又はコミュニティアクティビティに関連づけられたメトリックなどに基づいてもよい。
ブロック９０８において、様々な実施形態の１つ以上において、判断エンジンは、判断モデルにより提供される結果をフィルタリングし、ランク付けするように構成され得る。様々な実施形態の１つ以上において、判断モデルは、モデルにより提供される説明がどれほど良くマークにマッチするかの自己判断を表す１つ以上の信頼度スコアを提供するように構成されてもよい。
さらに、様々な実施形態の１つ以上において、判断エンジンは、判断モデルにより提供される信頼度スコアを修正して最終的な信頼度スコアを提供するように構成されてもよい。
したがって、様々な実施形態の１つ以上において、判断エンジンは、ルール、条件等に基づいて１つ以上の判断モデルをフィルタリングで除く（filtering out）ことに基づいて、１つ以上の説明を除去するように構成されてもよい。例えば、いくつかの実施形態において、判断エンジンは、定義された閾値を下回る信頼度スコアに関連づけられた説明を自動的に除外するように構成されてもよい。
さらに、様々な実施形態の１つ以上において、説明、可視化モデル、データソース、データ、ユーザ、組織などのうちの１つ以上の、他のメトリック又は特徴が、１つ以上の判断又は説明をフィルタリングで除くために実行され得る条件、ルールなどに組み込まれてもよい。例えば、いくつかの実施形態において、フィルタは、１つ以上のユーザロールに関連づけられた条件を含んでもよい。したがって、例えば、フィルタは、一部のユーザロールに対してより包含的であるように、又は他のユーザロールに対してより包含的でないように構成されてもよい。したがって、この例において、判断レポートに含まれる説明の数は、データサイエンティストに対して増やされ、あるいは通常のユーザに対して低減され得る。
いくつかの実施形態において、フィルタリングに使用される他のメトリック又は特徴は、組織プリファレンス、ユーザプリファレンス、ローカライズ、ユーザ入力、他の構成情報などを含む様々なソースに基づいてもよい。
同様に、様々な実施形態の１つ以上において、判断エンジンは、様々な条件、ルール、メトリック、又は特徴に基づいて１つ以上の説明をランク順序付けする（rank order）ように構成されてもよい。例えば、いくつかの実施形態において、説明は、信頼度スコアなどに基づいてランク順序付けされてもよい。さらに、例えば、いくつかの実施形態において、１つ以上の説明は、ユーザプリファレンス、組織プリファレンスなどに基づいてランク順序付けされてもよい。
フィルタと同様に、いくつかの実施形態において、説明をランク順序付けするために使用される様々な条件、ルール、メトリック、又は特徴は、組織プリファレンス、ユーザプリファレンス、ローカライズ、ユーザ入力、他の構成情報などを含む様々なソースに基づいてもよい。
ブロック９１０において、様々な実施形態の１つ以上において、判断エンジンは、判断レポートを生成するように構成され得る。様々な実施形態の１つ以上において、判断レポートは、説明のランク順序付けされたリスト、判断された関心マークの１つ以上の特性の記述、関心マークを異なる文脈又はビューにおいて示す可視化などを含む、様々な情報を含むことができる。
次に、様々な実施形態の１つ以上において、制御は呼び出しプロセスに戻され得る。
図１０は、様々な実施形態の１つ以上による、ユーザ対話（user interactions）の監視に基づいて判断モデルのフィルタリング又はランク付けを適合させるプロセス１０００のフローチャートを示す。開始ブロックの後、ブロック１００２において、様々な実施形態の１つ以上において、判断エンジンが、１つ以上の関心マークの自動的な評価に基づいて判断レポートを生成するように構成され得る。上述のように、判断エンジンは、ユーザが説明と対話することを可能にする１つ以上のユーザインターフェース機能を含む対話型レポートを生成するための情報を提供するように構成されてもよい。
さらに、様々な実施形態の１つ以上において、対話型判断レポートは、ユーザが説明を等級付けするためにフィードバック情報を提供することを可能にし得る１つ以上のユーザインターフェースコンポーネントを含んでもよい。例えば、いくつかの実施形態において、対話型判断レポートは、役立つ／役立たない、格付け尺度（例えば、１～１００、星、文字等級など）、自然言語解説などの様々な等級付けシステムを使用して、ユーザが説明又は可視化を評価することを可能にし得る。
ブロック１００４において、様々な実施形態の１つ以上において、判断エンジンは、判断レポートに関連づけられ得る１つ以上のユーザ対話又はユーザフィードバックを監視するように構成され得る。上述のように、対話型判断レポートは、ユーザフィードバックを直接収集するコンポーネント又は機能を含むように構成されてもよい。例えば、いくつかの実施形態において、ユーザは、１つ以上の説明の有用性又は正しさを等級付けすることを可能にされてもよい。したがって、様々な実施形態の１つ以上において、判断エンジンは、判断レポートの様々な部分に関連づけられたフィードバックを監視又は記録することができる。いくつかの実施形態において、判断エンジンは、ユーザが判断レポート全体についての全体的な等級を提供できるように構成されてもよい。
さらに、様々な実施形態の１つ以上において、判断エンジンは、１以上のユーザがどのように判断レポートと対話するかを受動的に監視するように構成されてもよい。いくつかの実施形態において、様々なユーザ対話の監視のメトリックは、様々な判断モデルにより提供され得る判断の性能又は品質へのさらなる洞察を提供し得る。例えば、いくつかの実施形態において、監視された対話が、ユーザが１つ以上の説明を却下すること、説明リストを再ソートすること、多くの時間をより低いランク付けの説明をレビューするのに費やしていること、ヘルプ画面をクリックすること、短期間に複数のマーク判断を実行すること等のようなことを行っていることを示す場合、それは、説明解説又は判断モデルがマークを満足に説明していない可能性があることを示し得る。対照的に、例えば、ユーザがさらなる確認動作又はレビューを行うことなく説明を受け入れていることを示す監視された情報は、判断レポートが満足なものであり得ることを示し得る。
ブロック１００６において、様々な実施形態の１つ以上において、判断エンジンは、監視された対話又はフィードバックに基づいて信頼度スコアを提供又は修正するように構成され得る。様々な実施形態の１つ以上において、判断エンジンは、判断モデルがどれほど良く実行されているかを示す信頼度スコアを生成するために、１つ以上の式（formulas）を実行するように構成されてもよい。
したがって、様々な実施形態の１つ以上において、判断エンジンは、ユーザフィードバック又は観測されたユーザアクティビティに基づいて判断モデル信頼度スコアを増加又は減少させるように構成されてもよい。いくつかの実施形態において、様々なタイプのフィードバック又は観測されたアクティビティの影響は、フィードバック又は観測されたアクティビティのタイプに応じて変化してもよい。
様々な実施形態の１つ以上において、判断エンジンは、構成情報において定義され得る１つ以上のルール又は動作に基づいて、信頼度スコアを提供又は修正するように構成されてもよい。
判定ブロック１００８において、様々な実施形態の１つ以上において、１つ以上の判断モデルについての信頼度スコアが定義された閾値を下回る場合、制御はブロック１０１０にフローし得、そうでない場合、制御はブロック１０１２にフローし得る。
ブロック１０１０において、様々な実施形態の１つ以上において、判断エンジンは、１つ以上の低スコアの判断モデルを破棄又は再訓練するように構成され得る。いくつかの実施形態において、判断エンジンは、１つ以上の低スコアの判断モデルを特定の組織に対する使用から除外するように構成されてもよい。さらに、いくつかの実施形態において、判断エンジンは、１つ以上の判断モデルに関連づけられ得る信頼度スコアに基づいて、１つ以上の判断モデルをいくつか又は全ての他の組織による使用からグローバルに除外するように構成されてもよい。
様々な実施形態の１つ以上において、劣ったスコアの判断モデルを破棄するのでなく、判断エンジンは、１つ以上の劣ったスコアの判断モデルが、それらがマークを判断するために利用され得る前に、再訓練又は再証明を必要とし得ることを示すように構成されてもよい。したがって、いくつかの実施形態において、判断エンジンは、通知を生成し、あるいは再訓練又は再証明情報を判断レポートに含めるように構成されてもよい。
ブロック１０１２において、様々な実施形態の１つ以上において、判断エンジンは、後に生成されるマーク判断又は説明をフィルタリング又はランク付けするために信頼度スコアを利用するように構成され得る。様々な実施形態の１つ以上において、判断エンジンは、組織又はユーザが、判断モデル又は判断レポートからの判断モデル結果を含め又は除外するための閾値を定義できるように構成されてもよい。次に、様々な実施形態の１つ以上において、制御は呼び出しプロセスに戻され得る。
図１１は、様々な実施形態の１つ以上による、判断モデルに対する期待値分布を生成するプロセス１１００のフローチャートを示す。開始ブロックの後、ブロック１１０２において、様々な実施形態の１つ以上において、判断エンジンが、判断モデル及び関心マークを提供され得る。上述したように、判断エンジンは、２つ以上の判断モデルのアンサンブルを評価して、どの判断モデルが関心マークの出現を説明し得るかを決定するように構成されてもよい。したがって、いくつかの実施形態において、判断エンジンは、モデルのアンサンブル内の各判断モデルを評価して、それらを、関心マークがどれほど良く説明され得るかに基づいてランク付けするように構成されてもよい。
ブロック１１０４において、様々な実施形態の１つ以上において、判断エンジンは、可視化内に直接表示され得るデータの一部又は全部を増分的に（incrementally）提供され得る。いくつかの実施形態において、ユーザに表示され得る可視化は、データソースの１つ以上の部分から構成されてもよい。例えば、いくつかの実施形態において、可視化は、データソース内で利用可能であり得る列又はフィールドの一部に基づいて生成されていてもよい。したがって、いくつかの実施形態において、可視化に直接含まれ得る列又はフィールドが決定され得る。
様々な実施形態の１つ以上において、判断エンジンは、可視化に含まれるデータを評価データセットに増分的に追加するように構成されてもよい。例えば、いくつかの実施形態において、表示される可視化がデータソースからの５つの列に基づき得る場合、判断エンジンは、可視化される列のうち２つ、次いで可視化される列のうち３つ、など以下同様のものに基づいて、判断モデルを評価するように構成されてもよい。
いくつかの実施形態において、判断エンジンは、データ部分（例えば、列又はフィールド）を、それらが可視化内に現れる順序、それらがデータソース内に現れる順序、ランダム順序、１つ以上のソートされた順序などの様々なシーケンスで提供するように構成されてもよい。したがって、いくつかの実施形態において、判断エンジンは、構成情報に含まれるルール等に基づいて、データ部分がデータセットに追加され得る順序を決定するように構成されてもよい。
ブロック１１０６において、様々な実施形態の１つ以上において、判断エンジンは、１つ以上の判断モデル及び現在のデータセットを利用して関心マークの確率分布を提供するように構成され得る。したがって、いくつかの実施形態において、判断モデルは、現在のデータセット内のデータフィールド又は列を利用して、現在のデータセットに基づいて関心マークの値を予測することを試みることができる。
したがって、様々な実施形態の１つ以上において、モデルを利用して、評価データセットにさらなるデータが追加され得るたびに関心マークの値を予測し得る確率分布を生成してもよい。
判定ブロック１１０８において、様々な実施形態の１つ以上において、表示されたデータが使い尽くされたように構成され得る場合、制御はブロック１１１０にフローし得る。そうでない場合、制御はブロック１１０４にループバックし得る。例えば、関心マークに関連づけられた可視化が５つの列を含んでいた場合、アンサンブル内の判断モデルの各々が、可視化に関連づけられたデータ部分の各組み合わせについて関心マークの予測値分布を生成した後である。判断エンジンは、構成情報を利用して、関心マーク値を予測するために使用されるデータ部分の組み合わせの数、順序、又はタイプを決定するように構成されてもよいことに留意する。さらに、いくつかの実施形態において、本明細書に記載されるほとんどの例は確率分布を生成する判断モデルを伴うが、単一の値及び誤差範囲を生成するモデルを含む他のタイプのモデル又は予測器が予期される。さらに、様々な実施形態の１つ以上において、判断エンジンは、データソースから選択されたデータセットを所与として関心マークの値を予測できる限り様々な予測モデルを利用するように構成されてもよいことが一般に予期される。
ブロック１１１０において、様々な実施形態の１つ以上において、判断エンジンは、可視化に含まれないデータに対してモデルデータセットを増分的に修正するように構成され得る。いくつかの実施形態において、データソースは、可視化に含まれなかったさらなるデータ（例えば、列又はフィールド）を含んでもよい。いくつかの場合、他の列又はフィールドの情報は、可視化におけるマークの出現を説明し得る。したがって、ブロック１１０４について説明したものと同様に、これらのデータ部分は、判断データセットに増分的に追加されてもよい。
ブロック１１１２において、様々な実施形態の１つ以上において、判断エンジンは、判断モデルを利用して、増分的に修正されたデータセットに基づいて１つ以上の確率分布を生成するように構成され得る。したがって、ブロック１１０６について説明したものと同様に、判断エンジンは、判断データセット及び判断モデルを利用して関心マークの値を予測するように構成されてもよい。
判定ブロック１１１４において、様々な実施形態の１つ以上において、関心マークに関連づけられたデータ部分の残りが使い尽くされた場合、制御は呼び出しプロセスに戻され得る。そうでない場合、制御はブロック１１１０にループバックし得る。さらなる詳細については、判定ブロック１１０８の説明を参照する。
図１２は、様々な実施形態の１つ以上による、判断モデルの結果を比較するプロセス１２００のフローチャートを示す。開始ブロックの後、ブロック１２０２において、様々な実施形態の１つ以上において、判断エンジンは、上述のように、様々な期待値分布を生成するように構成され得る。
ブロック１２０４において、様々な実施形態の１つ以上において、判断エンジンは、所与のモデルの最良予測により提供される情報の量に基づいてモデル性能スコアを生成するように構成され得る。いくつかの実施形態において、異なるモデルにより提供される量情報は、所与のモデルにより生成される確率分布の固有のランダム性（例えば、エントロピー）を計算することにより比較されてもよい。したがって、様々な実施形態の１つ以上において、判断エンジンは、エントロピーを利用して異なるモデルを比較するように構成されてもよい。いくつかの実施形態において、所与のモデル及びその結果についてのエントロピーを計算するための特定のメカニズムは、モデルタイプに応じて変化してもよい。しかしながら、当業者は、判断エンジンが、所与の確率分布についてエントロピー測定を生成することを推定するために１つ以上の従来又は周知の情報理論計算を実行するように構成されてもよいことを、理解することが期待され得る。いくつかの実施形態において、判断エンジンは、所与の確率分布又は判断モデルに対するエントロピー値を決定するために、構成情報において定義される１つ以上のルール、命令などを利用するように構成されてもよい。したがって、いくつかの実施形態において、判断エンジンは、エントロピーを計算するために１つ以上の非従来的な又はカスタムの方法を利用するように構成されてもよい。
いくつかの実施形態において、判断モデル予測により提供される情報の量は、ビット、ナット（nats）、ディット（dits）などの従来の又は周知の情報理論単位を使用して表現又は測定されてもよく、これらは、予測に含まれる量情報を表現することを可能にし得る。したがって、いくつかの実施形態において、異なるモデル又は分布により提供される情報の量が比較され得る。
ブロック１２０６において、様々な実施形態の１つ以上において、判断エンジンは、提供された予測に関連づけられた複雑性に基づいて各判断モデルについてモデル複雑性スコアを生成するように構成され得る。情報理論は、判断モデルを公平に比較するために利用され得る、予測モデルの複雑性を測定するための様々なメカニズムを提供する。いくつかの実施形態において、複雑性は、モデルが所与の結果を生成することがどれほど困難であるかの測定であると考えられてもよい。したがって、いくつかの実施形態において、複雑性は、入力の数、パラメータの数などを含む様々なファクタに基づいて測定されてもよい。
さらに、様々な実施形態の１つ以上において、複雑性スコアは、関心マークに対して提案された説明がどれほど複雑であるかを反映してもよい。例えば、いくつかの実施形態において、関心マークが１つの他のデータ部分（例えば、列）に強く依存すると示唆する提案は、２つ以上の他のデータ部分に依存する提案より複雑でないと考えられ得る。
様々な実施形態の１つ以上において、判断エンジンは、判断モデルの複雑性の尺度を計算するために、構成情報により提供され得るルール、命令等を利用するように構成されてもよい。一般に、いくつかの実施形態において、これらは、周知又は従来の情報理論的方法と、カスタムの又は専有的な方法を含んでもよい。
ブロック１２０８において、様々な実施形態の１つ以上において、判断エンジンは、各判断モデルについて、関連する情報スコア及び複雑性スコアに基づいて、全体的モデルスコアを提供するように構成され得る。様々な実施形態の１つ以上において、全体的スコアは、最も低い複雑性を有する最も多くの情報を提供した判断モデルを選択するように構成されてもよい。例えば、いくつかの実施形態において、情報スコア（ブロック１２０４参照）及び複雑性スコア（ブロック１２０６参照）は、０～１００のスケールに正規化又はマッピングされ、合計されて、判断モデルについての全体的スコアを提供してもよい。しかしながら、いくつかの実施形態において、判断エンジンは、情報スコア又は複雑性スコアに基づいて全体的スコアを計算するために、構成情報を介して提供されるルール、命令などを利用するように構成されてもよい。
ブロック１２１０において、様々な実施形態の１つ以上において、判断エンジンは、１つ以上の定義された重み、ヒューリスティクス、ユーザプリファレンスなどに基づいて１つ以上の全体的モデルスコアを修正するように構成され得る。例えば、上述したように、ユーザフィードバックが、１つ以上の判断モデルの全体的スコアを重み付けするために利用されてもよい。同様に、様々な実施形態の１つ以上において、１つ以上の判断モデルが、いくつかの条件における誤った結果、珍しいデータの適用における過剰適合などを生じることを観測されてもよい。様々な実施形態の１つ以上において、判断エンジンは、特定の状況において特定の判断モデルの全体的スコアを修正するように構成されてもよい。したがって、様々な実施形態の１つ以上において、判断エンジンは、全体的モデルスコアが修正されるべきかを決定するために、構成情報を介して提供される１つ以上のルール、命令等を利用するように構成されてもよい。
ブロック１２１２において、様々な実施形態の１つ以上において、判断エンジンは、修正された全体的スコアに基づいて判断モデルをランク順序付けするように構成され得る。
次に、様々な実施形態の１つ以上において、制御は呼び出しプロセスに戻され得る。
各フローチャート図内の各ブロック、及び各フローチャート図内のブロックの組み合わせは、コンピュータプログラム命令により実施できることが理解されよう。これらのプログラム命令は、マシンを生成するためにプロセッサに提供されてもよく、それにより、該命令は、プロセッサ上で実行されると、各フローチャートの１つ又は複数のブロックに指定された動作を実施する手段を作り出す。コンピュータプログラム命令は、プロセッサにより実行されて、コンピュータ実施プロセスを生成するためにプロセッサにより一連の動作ステップを実行させてもよく、それにより、該命令は、プロセッサ上で実行されると、各フローチャートの１つ又は複数のブロックに指定された動作を実施するステップを提供する。また、コンピュータプログラム命令は、各フローチャートのブロックに示される動作ステップの少なくともいくつかを並列に実行させてもよい。さらに、ステップのいくつかは、マルチプロセッサコンピュータシステムで生じ得るなど、２つ以上のプロセッサにわたって実行されてもよい。さらに、各フローチャート図内の１つ以上のブロック又はブロックの組み合わせは、本発明の主旨又は範囲から逸脱することなく他のブロック又はブロックの組み合わせと同時に、あるいは例示のものとは異なるシーケンスでさえ実行することもできる。
したがって、各フローチャート図内の各ブロックは、指定された動作を実行する手段の組み合わせ、指定された動作を実行するステップの組み合わせ、及び指定された動作を実行するプログラム命令手段をサポートする。また、各フローチャート図内の各ブロック、及び各フローチャート図内のブロックの組み合わせは、指定されたアクション又はステップを実行する専用ハードウェアベースのシステム、又は専用ハードウェアとコンピュータ命令の組み合わせにより実施できることも理解されよう。前述の例は、限定的又は網羅的であると解釈されるべきではなく、本発明の様々な実施形態の少なくとも１つの実装を示すための例示的な使用事例である。
さらに、１つ以上の実施形態（図示せず）において、例示的なフローチャートの論理は、ＣＰＵの代わりに、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）、プログラマブルアレイ論理（ＰＡＬ）等、又はこれらの組み合わせなどの、組み込み論理ハードウェアデバイスを使用して実行されてもよい。組み込み論理ハードウェアデバイスは、その組み込まれた論理を直接実行して動作を遂行することができる。１つ以上の実施形態において、マイクロコントローラは、それ自身の組み込まれた論理を直接実行して動作を遂行し、それ自身の内部メモリ並びにそれ自身の外部入力及び出力インターフェース（例えば、ハードウェアピン又は無線トランシーバ）にアクセスしてシステムオンアチップ（ＳＯＣ）などの動作等を遂行することができる。

Claims (28)

  1. 動作を実行するための命令を実行する１つ以上のプロセッサを使用してデータの可視化を管理する方法であって、
    データソースからのデータに基づいて１つ以上の可視化を提供するステップであり、前記１つ以上の可視化は、前記データソースからの１つ以上の値に関連づけられた１つ以上のマークを含む、ステップと、
    前記１つ以上のマーク及び前記１つ以上の可視化の１つ以上の特性に基づいて、前記１つ以上のマークから関心マークを決定するステップと、
    １つ以上の判断モデルを利用して、前記関心マークと前記データソースからのデータとに基づいて前記１つ以上の判断モデルの１つ以上の判断結果を生成するステップであり、各判断結果は、前記データソースからのデータへの適合と前記関心マークの予測値とに基づく１つ以上のスコアに関連づけられる、ステップと、
    前記１つ以上の判断結果を、前記１つ以上のスコアとの関連づけに基づいてランク順序付けするステップと、
    前記１つ以上の判断結果のランク順序付けされたリストを含むレポートを提供するステップと、
    を含む方法。
  2. 前記１つ以上の判断結果を生成することは、
    前記関心マークの１つ以上の特性をその判断及び１つ以上の解説テンプレートに基づいて記述する、１つ以上の自然言語解説を生成することと、
    前記１つ以上の自然言語解説を前記１つ以上の判断結果に含めることと、
    をさらに含む、請求項１に記載の方法。
  3. 前記レポートを提供することは、前記１つ以上の判断モデル、前記１つ以上の判断結果、又は前記関心マークのうちの１つ以上に関連づけられた１つ以上の他の可視化を生成することをさらに含む、請求項１に記載の方法。
  4. 前記レポートに関連づけられたフィードバック情報を監視するステップと、
    前記フィードバック情報に基づいて１つ以上の他のスコアを提供するステップと、
    前記１つ以上の他のスコアを利用して前記１つ以上の判断結果に対する１つ以上の修正を決定するステップと、
    をさらに含む請求項１に記載の方法。
  5. 前記１つ以上のスコアに基づいて前記１つ以上の判断結果をフィルタリングするステップであり、定義された閾値未満であるスコアに関連づけられた各判断結果は前記レポートから除外される、ステップをさらに含む請求項１に記載の方法。
  6. 前記関心マークを決定することは、
    前記１つ以上のマークに関連づけられた前記１つ以上の値を自動的に分析することと、
    前記自動的な分析に基づいて前記関心マークを決定することと、
    をさらに含む、請求項１に記載の方法。
  7. 前記データソースに含まれ、かつ前記可視化から省略されている、前記関心マークに関連づけられたデータを評価するステップと、
    前記評価に基づいて前記１つ以上の判断結果の一部を生成するステップと、
    をさらに含む請求項１に記載の方法。
  8. 可視化を管理する命令を含むプロセッサ読取可能な非一時的記憶媒体であって、１つ以上のプロセッサによる前記命令の実行は動作を実行し、前記動作は、
    データソースからのデータに基づいて１つ以上の可視化を提供することであり、前記１つ以上の可視化は、前記データソースからの１つ以上の値に関連づけられた１つ以上のマークを含む、ことと、
    前記１つ以上のマーク及び前記１つ以上の可視化の１つ以上の特性に基づいて、前記１つ以上のマークから関心マークを決定することと、
    １つ以上の判断モデルを利用して、前記関心マークと前記データソースからのデータとに基づいて前記１つ以上の判断モデルの１つ以上の判断結果を生成することであり、各判断結果は、前記データソースからのデータへの最良適合と前記関心マークの値とに基づく１つ以上のスコアに関連づけられる、ことと、
    前記１つ以上の判断結果を、前記１つ以上のスコアとの関連づけに基づいてランク順序付けすることと、
    前記１つ以上の判断結果のランク順序付けされたリストを含むレポートを提供することと、
    を含む、プロセッサ読取可能な非一時的記憶媒体。
  9. 前記１つ以上の判断結果を生成することは、
    前記関心マークの１つ以上の特性をその判断及び１つ以上の解説テンプレートに基づいて記述する、１つ以上の自然言語解説を生成することと、
    前記１つ以上の自然言語解説を前記１つ以上の判断結果に含めることと、
    をさらに含む、請求項８に記載の媒体。
  10. 前記レポートを提供することは、前記１つ以上の判断モデル、前記１つ以上の判断結果、又は前記関心マークのうちの１つ以上に関連づけられた１つ以上の他の可視化を生成することをさらに含む、請求項８に記載の媒体。
  11. 前記レポートに関連づけられたフィードバック情報を監視することと、
    前記フィードバック情報に基づいて１つ以上の他のスコアを提供することと、
    前記１つ以上の他のスコアを利用して前記１つ以上の判断結果に対する１つ以上の修正を決定することと、
    をさらに含む請求項８に記載の媒体。
  12. 前記１つ以上のスコアに基づいて前記１つ以上の判断結果をフィルタリングすることであり、定義された閾値未満であるスコアに関連づけられた各判断結果は前記レポートから除外される、ことをさらに含む請求項８に記載の媒体。
  13. 前記関心マークを決定することは、
    前記１つ以上のマークに関連づけられた前記１つ以上の値を自動的に分析することと、
    前記自動的な分析に基づいて前記関心マークを決定することと、
    をさらに含む、請求項８に記載の媒体。
  14. 前記データソースに含まれ、かつ前記可視化から省略されている、前記関心マークに関連づけられたデータを評価することと、
    前記評価に基づいて前記１つ以上の判断結果の一部を生成することと、
    をさらに含む請求項８に記載の媒体。
  15. 可視化を管理するシステムであって、
    ネットワークコンピュータであり、
    ネットワークを介して通信するトランシーバと、
    少なくとも命令を記憶するメモリと、
    動作を実行する命令を実行する１つ以上のプロセッサと、を含み、前記動作は、
    データソースからのデータに基づいて１つ以上の可視化を提供することであり、前記１つ以上の可視化は、前記データソースからの１つ以上の値に関連づけられた１つ以上のマークを含む、ことと、
    前記１つ以上のマーク及び前記１つ以上の可視化の１つ以上の特性に基づいて、前記１つ以上のマークから関心マークを決定することと、
    １つ以上の判断モデルを利用して、前記関心マークと前記データソースからのデータとに基づいて前記１つ以上の判断モデルの１つ以上の判断結果を生成することであり、各判断結果は、前記データソースからのデータへの最良適合と前記関心マークの値とに基づく１つ以上のスコアに関連づけられる、ことと、
    前記１つ以上の判断結果を、前記１つ以上のスコアとの関連づけに基づいてランク順序付けすることと、
    前記１つ以上の判断結果のランク順序付けされたリストを含むレポートを提供することと、
    を含む、ネットワークコンピュータと、
    クライアントコンピュータであり、
    前記ネットワークを介して通信するトランシーバと、
    少なくとも命令を記憶するメモリと、
    動作を実行する命令を実行する１つ以上のプロセッサと、を含み、前記動作は、
    前記レポートを受信すること
    を含む、クライアントコンピュータと、
    を含むシステム。
  16. 前記１つ以上の判断結果を生成することは、
    前記関心マークの１つ以上の特性をその判断及び１つ以上の解説テンプレートに基づいて記述する、１つ以上の自然言語解説を生成することと、
    前記１つ以上の自然言語解説を前記１つ以上の判断結果に含めることと、
    をさらに含む、請求項１５に記載のシステム。
  17. 前記レポートを提供することは、前記１つ以上の判断モデル、前記１つ以上の判断結果、又は前記関心マークのうちの１つ以上に関連づけられた１つ以上の他の可視化を生成することをさらに含む、請求項１５に記載のシステム。
  18. 前記ネットワークコンピュータの前記１つ以上のプロセッサは、
    前記レポートに関連づけられたフィードバック情報を監視することと、
    前記フィードバック情報に基づいて１つ以上の他のスコアを提供することと、
    前記１つ以上の他のスコアを利用して前記１つ以上の判断結果に対する１つ以上の修正を決定することと、
    をさらに含む動作を実行する命令を実行する、請求項１５に記載のシステム。
  19. 前記ネットワークコンピュータの前記１つ以上のプロセッサは、
    前記１つ以上のスコアに基づいて前記１つ以上の判断結果をフィルタリングすることであり、定義された閾値未満であるスコアに関連づけられた各判断結果は前記レポートから除外される、ことをさらに含む動作を実行する命令を実行する、請求項１５に記載のシステム。
  20. 前記関心マークを決定することは、
    前記１つ以上のマークに関連づけられた前記１つ以上の値を自動的に分析することと、
    前記自動的な分析に基づいて前記関心マークを決定することと、
    をさらに含む、請求項１５に記載のシステム。
  21. 前記ネットワークコンピュータの前記１つ以上のプロセッサは、
    前記データソースに含まれ、かつ前記可視化から省略されている、前記関心マークに関連づけられたデータを評価することと、
    前記評価に基づいて前記１つ以上の判断結果の一部を生成することと、
    をさらに含む動作を実行する命令を実行する、請求項１５に記載のシステム。
  22. ユーザ可視化を管理するネットワークコンピュータであって、
    ネットワークを介して通信するトランシーバと、
    少なくとも命令を記憶するメモリと、
    動作を実行する命令を実行する１つ以上のプロセッサと、
    を含み、前記動作は、
    データソースからのデータに基づいて１つ以上の可視化を提供することであり、前記１つ以上の可視化は、前記データソースからの１つ以上の値に関連づけられた１つ以上のマークを含む、ことと、
    前記１つ以上のマーク及び前記１つ以上の可視化の１つ以上の特性に基づいて、前記１つ以上のマークから関心マークを決定することと、
    １つ以上の判断モデルを利用して、前記関心マークと前記データソースからのデータとに基づいて前記１つ以上の判断モデルの１つ以上の判断結果を生成することであり、各判断結果は、前記データソースからのデータへの最良適合と前記関心マークの値とに基づく１つ以上のスコアに関連づけられる、ことと、
    前記１つ以上の判断結果を、前記１つ以上のスコアとの関連づけに基づいてランク順序付けすることと、
    前記１つ以上の判断結果のランク順序付けされたリストを含むレポートを提供することと、
    を含む、ネットワークコンピュータ。
  23. 前記１つ以上の判断結果を生成することは、
    前記関心マークの１つ以上の特性をその判断及び１つ以上の解説テンプレートに基づいて記述する、１つ以上の自然言語解説を生成することと、
    前記１つ以上の自然言語解説を前記１つ以上の判断結果に含めることと、
    をさらに含む、請求項２２に記載のネットワークコンピュータ。
  24. 前記レポートを提供することは、前記１つ以上の判断モデル、前記１つ以上の判断結果、又は前記関心マークのうちの１つ以上に関連づけられた１つ以上の他の可視化を生成することをさらに含む、請求項２２に記載のネットワークコンピュータ。
  25. 前記１つ以上のプロセッサは、
    前記レポートに関連づけられたフィードバック情報を監視することと、
    前記フィードバック情報に基づいて１つ以上の他のスコアを提供することと、
    前記１つ以上の他のスコアを利用して前記１つ以上の判断結果に対する１つ以上の修正を決定することと、
    をさらに含む動作を実行する命令を実行する、請求項２２に記載のネットワークコンピュータ。
  26. 前記１つ以上のプロセッサは、前記１つ以上のスコアに基づいて前記１つ以上の判断結果をフィルタリングすることであり、定義された閾値未満であるスコアに関連づけられた各判断結果は前記レポートから除外される、ことをさらに含む動作を実行する命令を実行する、請求項２２に記載のネットワークコンピュータ。
  27. 前記関心マークを決定することは、
    前記１つ以上のマークに関連づけられた前記１つ以上の値を自動的に分析することと、
    前記自動的な分析に基づいて前記関心マークを決定することと、
    をさらに含む、請求項２２に記載のネットワークコンピュータ。
  28. 前記１つ以上のプロセッサは、
    前記データソースに含まれ、かつ前記可視化から省略されている、前記関心マークに関連づけられたデータを評価することと、
    前記評価に基づいて前記１つ以上の判断結果の一部を生成することと、
    をさらに含む動作を実行する命令を実行する、請求項２２に記載のネットワークコンピュータ。
JP2021575239A 2019-06-17 2020-06-17 データセット特性に基づく可視化内のマークの分析 Pending JP2022536946A (ja)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201962862349P 2019-06-17 2019-06-17
US62/862,349 2019-06-17
US16/903,967 2020-06-17
US16/903,967 US11392608B2 (en) 2019-06-17 2020-06-17 Analyzing marks in visualizations based on dataset characteristics
PCT/US2020/038157 WO2020257295A1 (en) 2019-06-17 2020-06-17 Analyzing marks in visualizations based on dataset characteristics

Publications (1)

Publication Number Publication Date
JP2022536946A true JP2022536946A (ja) 2022-08-22

Family

ID=73746331

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2021575239A Pending JP2022536946A (ja) 2019-06-17 2020-06-17 データセット特性に基づく可視化内のマークの分析

Country Status (6)

Country Link
US (1) US11392608B2 (ja)
JP (1) JP2022536946A (ja)
CN (1) CN114424184A (ja)
AU (1) AU2020297445A1 (ja)
CA (1) CA3143216A1 (ja)
WO (1) WO2020257295A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230281249A1 (en) * 2020-12-15 2023-09-07 ClearVector, Inc. Computer-implemented methods, systems comprising computer-readable media, and electronic devices for enabled intervention into a network computing environment
US20230273959A1 (en) * 2020-12-15 2023-08-31 ClearVector, Inc. Computer-implemented methods, systems comprising computer-readable media, and electronic devices for narrative representation of a network computing environment
US20230273958A1 (en) * 2020-12-15 2023-08-31 ClearVector, Inc. Computer-implemented methods, systems comprising computer-readable media, and electronic devices for narrative representation of a network computing environment
WO2022132941A1 (en) * 2020-12-15 2022-06-23 ClearVector, Inc. Activity verification within a network computing environment

Family Cites Families (78)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7010364B1 (en) 2003-09-22 2006-03-07 The Mathworks, Inc. System and method for performing process visualization
US7215337B2 (en) * 2003-12-18 2007-05-08 Palo Alto Research Center Incorporated Systems and methods for the estimation of user interest in graph theoretic structures
US8099674B2 (en) 2005-09-09 2012-01-17 Tableau Software Llc Computer systems and methods for automatically viewing multidimensional databases
JP4937608B2 (ja) 2006-03-14 2012-05-23 株式会社エヌ・ティ・ティ・データ 指標推計装置、指標推計方法、及び指標推計プログラム
US7999809B2 (en) 2006-04-19 2011-08-16 Tableau Software, Inc. Computer systems and methods for automatic generation of models for a dataset
JP4286296B2 (ja) 2007-03-05 2009-06-24 富士通株式会社 要件確認支援プログラム、要件確認支援方法、及び要件確認支援装置
US8375313B2 (en) 2010-06-01 2013-02-12 Oracle International Corporation User interface generation with scoring
EP2513785B1 (en) 2010-06-03 2017-06-14 International Business Machines Corporation Method and system of adapting a data model to a user interface component
US8743122B2 (en) 2011-03-07 2014-06-03 Microsoft Corporation Interactive visualization for exploring multi-modal, multi-relational, and multivariate graph data
US9361320B1 (en) * 2011-09-30 2016-06-07 Emc Corporation Modeling big data
US9996241B2 (en) 2011-10-11 2018-06-12 Microsoft Technology Licensing, Llc Interactive visualization of multiple software functionality content items
US9058409B2 (en) 2011-10-25 2015-06-16 International Business Machines Corporation Contextual data visualization
AU2013214801B2 (en) 2012-02-02 2018-06-21 Visa International Service Association Multi-source, multi-dimensional, cross-entity, multimedia database platform apparatuses, methods and systems
US20140019443A1 (en) * 2012-07-10 2014-01-16 Venor, Inc. Systems and methods for discovering content of predicted interest to a user
JP5918368B2 (ja) 2012-07-13 2016-05-18 株式会社日立製作所 データ分析支援方法及びシステム
WO2014031618A2 (en) * 2012-08-22 2014-02-27 Bitvore Corp. Data relationships storage platform
US8788525B2 (en) 2012-09-07 2014-07-22 Splunk Inc. Data model for machine data for semantic search
US20140344008A1 (en) 2013-05-20 2014-11-20 Vmware, Inc. Strategic planning process for end user computing
JP6573321B2 (ja) 2013-08-29 2019-09-11 コグニティ株式会社 情報処理装置、情報処理方法およびプログラム
US11386085B2 (en) 2014-01-27 2022-07-12 Microstrategy Incorporated Deriving metrics from queries
US20150278214A1 (en) 2014-04-01 2015-10-01 Tableau Software, Inc. Systems and Methods for Ranking Data Visualizations Using Different Data Fields
EP3149628A4 (en) 2014-06-02 2018-03-14 Dgit Consultants Pty Ltd Telecommunications product defining and provisioning
US9613086B1 (en) 2014-08-15 2017-04-04 Tableau Software, Inc. Graphical user interface for generating and displaying data visualizations that use relationships
US10572925B1 (en) * 2014-08-15 2020-02-25 Groupon, Inc. Universal relevance service framework
US9779147B1 (en) 2014-08-15 2017-10-03 Tableau Software, Inc. Systems and methods to query and visualize data and relationships
US10380770B2 (en) 2014-09-08 2019-08-13 Tableau Software, Inc. Interactive data visualization user interface with multiple interaction profiles
US9971742B2 (en) 2014-09-26 2018-05-15 Oracle International Corporation Semantic distance-based assignment of data elements to visualization edges
US11275775B2 (en) 2014-10-09 2022-03-15 Splunk Inc. Performing search queries for key performance indicators using an optimized common information model
US20180039399A1 (en) 2014-12-29 2018-02-08 Palantir Technologies Inc. Interactive user interface for dynamically updating data and data analysis and query processing
US9335911B1 (en) 2014-12-29 2016-05-10 Palantir Technologies Inc. Interactive user interface for dynamic data analysis exploration and query processing
US10552513B1 (en) 2015-01-08 2020-02-04 Vmware, Inc. Computer system entity rendering system
US10121157B2 (en) 2015-04-17 2018-11-06 GoodData Corporation Recommending user actions based on collective intelligence for a multi-tenant data analysis system
US10354419B2 (en) 2015-05-25 2019-07-16 Colin Frederick Ritchie Methods and systems for dynamic graph generating
CA2994831A1 (en) 2015-08-05 2017-02-09 Equifax Inc. Building and managing data-processing attributes for modeled data sources
AU2016222407B2 (en) 2015-08-31 2017-05-11 Accenture Global Solutions Limited Intelligent visualization munging
IL242550B (en) * 2015-11-11 2021-06-30 Simgi Ronen Testing and classification system
US20170140118A1 (en) 2015-11-18 2017-05-18 Ucb Biopharma Sprl Method and system for generating and visually displaying inter-relativity between topics of a healthcare treatment taxonomy
US10380140B2 (en) 2015-11-30 2019-08-13 Tableau Software, Inc. Systems and methods for implementing a virtual machine for interactive visual analysis
US10515093B2 (en) 2015-11-30 2019-12-24 Tableau Software, Inc. Systems and methods for interactive visual analysis using a specialized virtual machine
US10572544B1 (en) * 2015-12-14 2020-02-25 Open Text Corporation Method and system for document similarity analysis
EP3394808A4 (en) 2015-12-23 2019-05-15 Pymetrics, Inc. SYSTEMS AND METHOD FOR DATA-CONTROLLED IDENTIFICATION OF TALENT
US10997190B2 (en) 2016-02-01 2021-05-04 Splunk Inc. Context-adaptive selection options in a modular visualization framework
JP6498625B2 (ja) 2016-03-24 2019-04-10 株式会社日立製作所 意思決定支援システム及び方法
US20170308913A1 (en) 2016-04-21 2017-10-26 Linkedin Corporation Drill-down approach to providing data about entities in a social graph
US10133452B2 (en) 2016-06-30 2018-11-20 Adobe Systems Incorporated Facilitating data science operations
US10776350B1 (en) 2016-09-26 2020-09-15 Splunk Inc. Field analyzer for event search screen
RU2747425C2 (ru) * 2016-10-24 2021-05-04 Конинклейке Филипс Н.В. Система ответа на вопросы из разных областей знаний в режиме реального времени
US10585560B2 (en) 2016-10-31 2020-03-10 Splunk Inc. Display management for data visualizations of analytics data
US11853529B2 (en) 2016-11-07 2023-12-26 Tableau Software, Inc. User interface to prepare and curate data for subsequent analysis
US11669220B2 (en) 2017-03-20 2023-06-06 Autodesk, Inc. Example-based ranking techniques for exploring design spaces
US10057373B1 (en) 2017-05-15 2018-08-21 Palantir Technologies Inc. Adaptive computation and faster computer operation
JP2019016209A (ja) * 2017-07-07 2019-01-31 株式会社東芝 診断装置、診断方法およびコンピュータプログラム
US20190043487A1 (en) 2017-08-02 2019-02-07 Veritone, Inc. Methods and systems for optimizing engine selection using machine learning modeling
US10672015B2 (en) 2017-09-13 2020-06-02 Bby Solutions, Inc. Streaming events modeling for information ranking to address new information scenarios
US11216451B2 (en) 2017-09-29 2022-01-04 Oracle International Corporation Dynamic dashboard with guided discovery
US11620315B2 (en) 2017-10-09 2023-04-04 Tableau Software, Inc. Using an object model of heterogeneous data to facilitate building data visualizations
US20190130512A1 (en) 2017-10-27 2019-05-02 Larry Kuhn System and method for pre- and post-hiring leadership development
US10803104B2 (en) 2017-11-01 2020-10-13 Pearson Education, Inc. Digital credential field mapping
US10552129B2 (en) * 2017-12-12 2020-02-04 Sap Se Agglomerative algorithm for graph clustering
US11074301B2 (en) 2017-12-14 2021-07-27 Facebook, Inc. Systems and methods for automated data visualization recommendations
US11170881B2 (en) 2018-05-18 2021-11-09 General Electric Company Devices and method for a healthcare collaboration space
US20200012939A1 (en) 2018-07-07 2020-01-09 Massachusetts Institute Of Technology Methods and Apparatus for Visualization Recommender
US20200372472A1 (en) 2018-07-31 2020-11-26 Microsoft Technology Licensing, Llc Multi-level ranking for mitigating machine learning model bias
US20200066397A1 (en) 2018-08-23 2020-02-27 General Electric Company Multifactorical, machine-learning based prioritization framework for optimizing patient placement
US10656779B1 (en) 2018-09-10 2020-05-19 Tableau Software, Inc. Filtering popup secondary data visualizations according to selected data from primary data visualizations
US10572804B1 (en) * 2018-09-13 2020-02-25 Omniphysical LLC Platform evaluation and automatic transfer of a descriptive information infrastructure
US11106681B2 (en) 2018-09-28 2021-08-31 Splunk Inc. Conditional processing based on inferred sourcetypes
US10929415B1 (en) 2018-10-01 2021-02-23 Splunk Inc. Isolated execution environment system monitoring
US10775976B1 (en) 2018-10-01 2020-09-15 Splunk Inc. Visual previews for programming an iterative publish-subscribe message processing system
US10572859B1 (en) * 2019-01-15 2020-02-25 Fuze, Inc. Systems and methods for intelligently joining a meeting/conference
US10963347B1 (en) 2019-01-31 2021-03-30 Splunk Inc. Data snapshots for configurable screen on a wearable device
US10592525B1 (en) 2019-01-31 2020-03-17 Splunk Inc. Conversion of cloud computing platform data for ingestion by data intake and query system
US10642723B1 (en) 2019-02-05 2020-05-05 Bank Of America Corporation System for metamorphic relationship based code testing using mutant generators
US20200320462A1 (en) 2019-04-03 2020-10-08 International Business Machines Corporation Calculating online social network distance between entities of an organization
US10719332B1 (en) 2019-04-29 2020-07-21 Splunk Inc. Provisioning a client device with a multi-component application
US10937213B2 (en) 2019-06-27 2021-03-02 Fuji Xerox Co., Ltd. Systems and methods for summarizing and steering multi-user collaborative data analyses
US11561960B2 (en) 2019-08-13 2023-01-24 T-Mobile Usa, Inc. Key performance indicator-based anomaly detection
US11544604B2 (en) 2019-10-09 2023-01-03 Adobe Inc. Adaptive model insights visualization engine for complex machine learning models

Also Published As

Publication number Publication date
US11392608B2 (en) 2022-07-19
CA3143216A1 (en) 2020-12-24
AU2020297445A1 (en) 2022-01-20
CN114424184A (zh) 2022-04-29
US20200394204A1 (en) 2020-12-17
WO2020257295A1 (en) 2020-12-24

Similar Documents

Publication Publication Date Title
US11550815B2 (en) Providing and surfacing metrics for visualizations
US11392608B2 (en) Analyzing marks in visualizations based on dataset characteristics
US11893039B2 (en) Interactive interface for data analysis and report generation
US20240134914A1 (en) Content based related view recommendations
US20240095285A1 (en) Dynamic graph generation for interactive data analysis
US20230273715A1 (en) Automatic data model generation
US20240104111A1 (en) Visualizing temporal information
US20210390483A1 (en) Interactive forecast modeling based on visualizations
US11573807B2 (en) Providing user interfaces based on data source semantics
CN114641766A (zh) 基于个性化推荐提供数据可视化
JP2022549176A (ja) 可視化ミラージュの表面化
US20230244701A1 (en) Analyzing data based on visualization features
US20230273941A1 (en) User interface for analyzing data based on visualization features
US11961005B1 (en) System for automated data preparation, training, and tuning of machine learning models

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220218

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230421

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240625