KR102030644B1 - 디바이스가 링크될 확률에 기초하여 디바이스의 컨텐츠를 선택하기 위한 시스템 및 방법 - Google Patents
디바이스가 링크될 확률에 기초하여 디바이스의 컨텐츠를 선택하기 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR102030644B1 KR102030644B1 KR1020177031640A KR20177031640A KR102030644B1 KR 102030644 B1 KR102030644 B1 KR 102030644B1 KR 1020177031640 A KR1020177031640 A KR 1020177031640A KR 20177031640 A KR20177031640 A KR 20177031640A KR 102030644 B1 KR102030644 B1 KR 102030644B1
- Authority
- KR
- South Korea
- Prior art keywords
- computing device
- data processing
- processing system
- activity
- link
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 75
- 230000000694 effects Effects 0.000 claims abstract description 239
- 238000012545 processing Methods 0.000 claims description 244
- 238000012544 monitoring process Methods 0.000 claims description 10
- 230000001965 increasing effect Effects 0.000 claims description 5
- 239000000725 suspension Substances 0.000 claims description 4
- 230000004044 response Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000000977 initiatory effect Effects 0.000 description 7
- 230000009471 action Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000010295 mobile communication Methods 0.000 description 3
- 238000010923 batch production Methods 0.000 description 2
- 230000036772 blood pressure Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- IRLPACMLTUPBCL-KQYNXXCUSA-N 5'-adenylyl sulfate Chemical compound C1=NC=2C(N)=NC=NC=2N1[C@@H]1O[C@H](COP(O)(=O)OS(O)(=O)=O)[C@@H](O)[C@H]1O IRLPACMLTUPBCL-KQYNXXCUSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011960 computer-aided design Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
- G06F16/9558—Details of hyperlinks; Management of linked annotations
-
- H04L67/22—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/211—Schema design and management
-
- 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
- G06F16/22—Indexing; Data structures therefor; Storage structures
-
- 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
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/16—Sound input; Sound output
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0254—Targeted advertisements based on statistics
-
- 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
- G06Q30/0255—Targeted advertisements based on user history
- G06Q30/0256—User search
-
- 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
-
- 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
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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
- G06Q30/0277—Online advertisement
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/04—Protocols specially adapted for terminals or networks with limited capabilities; specially adapted for terminal portability
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/14—Session management
- H04L67/141—Setup of application sessions
-
- H04L67/18—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Databases & Information Systems (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Computer Hardware Design (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Remote Sensing (AREA)
- Computational Linguistics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Information Transfer Between Computers (AREA)
Abstract
본 발명은 온라인 컨텐츠 항목 배치 캠페인의 일부로서 컨텐츠 항목을 선택하기 위한 컴퓨터 네트워크 활동에 기초하여 컴퓨팅 디바이스들을 서로 관련시키는 것에 관한 것이다. 제1 링크 인자는 제1 시간 기간 동안 제1 IP 어드레스를 통한 제1 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 및 상기 제1 시간 기간 동안 상기 제1 IP 어드레스를 통한 제2 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 식별된다. 상기 제1 IP 어드레스를 통해 상기 컴퓨터 네트워크와 연결되는 디바이스의 수가 결정된다. 포지티브 매치 확률이 생성된다. 제2 링크 인자 및 제3 링크 인자가 모니터링된다. 네거티브 매치 확률은 상기 제2 링크 인자 및 제3 링크 인자에 기초하여 결정된다. 상기 제1 디바이스는 상기 포지티브 매치 확률 및 네거티브 매치 확률에 기초하여 상기 제2 디바이스와 연결된다.
Description
관련 출원에 대한 상호 참조
본 출원은, 전체 내용이 모든 목적을 위해 본 명세서에 병합된, 2015년 7월 22일에 출원된, 발명의 명칭이 "SYSTEMS AND METHODS FOR SELECTING CONTENT BASED ON LINKED DEVICES"인 미국 특허 출원 번호 14/806,268의 우선권과 이익을 청구한다.
인터넷과 같은 네트워크 환경에서, 사람 또는 회사와 같은 엔티티(entity)는 컴퓨팅 디바이스에 의해 웹 페이지 또는 다른 인터페이스 상에 디스플레이하기 위한 정보를 제공한다. 웹 페이지는 인터넷 상에 디스플레이하기 위해 웹 페이지 서버를 통해 엔티티에 의해 제공된 텍스트, 비디오 또는 오디오 정보를 포함할 수 있다. 또한 엔티티에 의해 제공되는 정보와 함께 웹 페이지 상에 디스플레이하기 위해 전자 광고(electronic advertisement)와 같은 추가적인 컨텐츠가 제3자에 의해 제공될 수 있다. 따라서, 웹 페이지를 보는 사람은 웹 페이지의 주제인 정보에 액세스할 뿐만 아니라 웹 페이지의 주제와 관련되거나 관련되지 않을 수 있는 선택된 제3자 광고에 액세스할 수 있다.
본 발명은 일반적으로 링크된 컴퓨팅 디바이스에 기초하여 컨텐츠 항목(content item)을 선택하는 것에 관한 것이다. 엔티티는 다수의 데스크탑 또는 모바일 디바이스를 사용하여 네트워크에 액세스할 수 있으며, 이로 인해 상기 엔티티의 네트워크 활동(activity)이 다수의 디바이스에 걸쳐 분할될 수 있다. 그러나, 데이터 처리 시스템이 상기 디바이스와 관련된 부분적인 네트워크 활동에만 기초하여 상기 엔티티의 디바이스 상에 디스플레이하기 위한 컨텐츠를 선택하는 것은 어려울 수 있다. 본 명세서에 설명된 시스템 및 방법은 익명의 식별자를 사용하여 둘 이상의 컴퓨팅 디바이스를 링크할 수 있다. 본 명세서에 설명된 시스템 및 방법은 2개의 디바이스가 함께 링크되는지 또는 링크되어야 하는지를 나타내는 확률을 결정할 수 있고, 상기 확률이 임계값을 만족할 때 상기 링크를 생성할 수 있다.
적어도 하나의 양태는 온라인 컨텐츠 항목 배치 캠페인(content item placement campaign)의 일부로서 컨텐츠 항목을 선택하기 위해 컴퓨터 네트워크 활동에 기초하여 컴퓨팅 디바이스들을 서로 관련시키는 방법에 관한 것이다. 상기 방법은 데이터 처리 시스템이 제1 시간 기간 동안 제1 IP 어드레스를 통한 제1 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 및 상기 제1 시간 기간 동안 상기 제1 IP 어드레스를 통한 제2 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 제1 링크 인자(linking factor)를 식별하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 상기 제1 시간 기간 동안 상기 제1 IP 어드레스를 통해 상기 컴퓨터 네트워크와 연결되는 상기 제1 컴퓨팅 디바이스 이외의 컴퓨팅 디바이스의 수를 결정하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 상기 제1 링크 인자에 기초하여 및 상기 컴퓨팅 디바이스의 수에 기초하여 포지티브 매치 확률(positive match probability)을 생성하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 제2 시간 기간 동안 상기 제1 컴퓨팅 디바이스에서의 입력 활동에 기초하여 및 상기 제2 시간 기간 동안 상기 제2 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제2 링크 인자를 모니터링하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 제3 시간 기간 동안 상기 제1 IP 어드레스를 통한 상기 제1 컴퓨팅 디바이스의 활동에 기초하여 및 상기 제3 시간 기간 동안 제2 IP 어드레스를 통한 상기 제2 컴퓨팅 디바이스의 활동에 기초하여 제3 링크 인자를 모니터링하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 상기 제2 링크 인자에 기초하여 및 상기 제3 링크 인자에 기초하여 네거티브 매치 확률(negative match probability)을 결정하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 상기 포지티브 매치 확률 및 상기 네거티브 매치 확률에 기초하여 상기 제1 컴퓨팅 디바이스를 상기 제2 컴퓨팅 디바이스와 링크하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 상기 제1 컴퓨팅 디바이스와 상기 제2 컴퓨팅 디바이스 사이의 링크를 나타내기 위해 데이터 구조를 생성하는 단계를 포함할 수 있다.
적어도 하나의 양태는 컴퓨터 네트워크 활동에 기초하여 컴퓨팅 디바이스들을 서로 관련시키기 위한 시스템에 관한 것이다. 상기 시스템은 하나 이상의 프로세서를 갖는 데이터 처리 시스템을 포함할 수 있다. 상기 시스템은 상기 데이터 처리 시스템에 의해 실행되는 매칭 엔진(matching engine) 및 커넥터(connector)를 포함할 수 있다. 상기 매칭 엔진은 제1 시간 기간 동안 제1 네트워크 노드 식별자(network node identifier)를 통한 제1 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 및 상기 제1 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 제2 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 제1 링크 인자를 식별할 수 있다. 상기 매칭 엔진은 상기 제1 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통해 상기 컴퓨터 네트워크와 연결되는 상기 제1 컴퓨팅 디바이스 이외의 컴퓨팅 디바이스의 수를 결정할 수 있다. 상기 매칭 엔진은 상기 제1 링크 인자에 기초하여 및 상기 컴퓨팅 디바이스의 수에 기초하여 포지티브 매치 확률을 생성할 수 있다. 상기 매칭 엔진은 제2 시간 기간 동안 상기 제1 컴퓨팅 디바이스에서의 입력 활동에 기초하여 및 상기 제2 시간 기간 동안 상기 제2 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제2 링크 인자를 모니터링할 수 있다. 상기 매칭 엔진은 제3 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 상기 제1 컴퓨팅 디바이스의 활동에 기초하여 및 상기 제3 시간 기간 동안 제2 네트워크 노드 식별자를 통한 상기 제2 컴퓨팅 디바이스의 활동에 기초하여 제3 링크 인자를 모니터링할 수 있다. 상기 매칭 엔진은 상기 제2 링크 인자에 기초하여 및 상기 제3 링크 인자에 기초하여 네거티브 매치 확률을 결정할 수 있다. 상기 커넥터는 상기 포지티브 매치 확률 및 상기 네거티브 매치 확률에 기초하여 상기 제1 컴퓨팅 디바이스를 상기 제2 컴퓨팅 디바이스와 링크시킬 수 있다.
적어도 하나의 양태는 컴퓨터 네트워크 활동에 기초하여 컴퓨팅 디바이스들을 서로 관련시키는 방법에 관한 것이다. 상기 방법은 데이터 처리 시스템이 제1 시간 기간 동안 제1 네트워크 노드 식별자를 통한 제1 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 및 상기 제1 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 제2 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 제1 링크 인자를 식별하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 상기 제1 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통해 상기 컴퓨터 네트워크와 연결되는 상기 제1 컴퓨팅 디바이스 이외의 컴퓨팅 디바이스의 수를 결정하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 제2 시간 기간 동안 상기 제1 컴퓨팅 디바이스에서의 입력 활동에 기초하여 및 상기 제2 시간 기간 동안 상기 제2 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제2 링크 인자를 모니터링하는 단계를 포함할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 제3 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 상기 제1 컴퓨팅 디바이스의 활동에 기초하여 및 상기 제3 시간 기간 동안 제2 네트워크 노드 식별자를 통한 상기 제2 컴퓨팅 디바이스의 활동에 기초하여 제3 링크 인자를 모니터링할 수 있다. 상기 방법은 상기 데이터 처리 시스템이 상기 제1 링크 인자, 상기 제2 링크 인자 및 상기 제3 링크 인자에 기초하여 상기 제1 컴퓨팅 디바이스와 상기 제2 컴퓨팅 디바이스를 링크시키는 단계를 포함할 수 있다.
본 명세서에 설명된 주제의 하나 이상의 구현예의 상세는 첨부된 도면 및 이하의 설명에서 제시된다. 본 주제의 다른 특징, 양태 및 장점은 상세한 설명, 도면 및 청구 범위로부터 명백해질 것이다.
도 1은 일 구현예에 따라 컴퓨터 네트워크를 통해 링크된 컴퓨팅 디바이스에 기초하여 컨텐츠를 선택하는 시스템을 도시한다.
도 2는 일 구현예에 따라 컴퓨터 네트워크를 통해 링크된 컴퓨팅 디바이스에 기초하여 컨텐츠를 선택하는 방법을 도시한다.
도 3a는 일 구현예에 따라 다수의 컴퓨팅 디바이스로부터의 컴퓨터 네트워크 활동을 도시하는 다이어그램이다.
도 3b는 일 구현예에 따라 다수의 컴퓨팅 디바이스로부터의 컴퓨터 네트워크 활동을 도시하는 다이어그램이다.
도 4는 일 구현예에 따라 특히 도 1에 도시된 시스템 및 도 2에 도시된 방법의 다양한 요소들을 구현하는데 사용될 수 있는 컴퓨터 시스템에 대한 일반적인 아키텍처를 나타내는 블록도이다.
다양한 도면에서 동일한 참조 번호 및 명칭은 동일한 요소를 나타낸다.
도 1은 일 구현예에 따라 컴퓨터 네트워크를 통해 링크된 컴퓨팅 디바이스에 기초하여 컨텐츠를 선택하는 시스템을 도시한다.
도 2는 일 구현예에 따라 컴퓨터 네트워크를 통해 링크된 컴퓨팅 디바이스에 기초하여 컨텐츠를 선택하는 방법을 도시한다.
도 3a는 일 구현예에 따라 다수의 컴퓨팅 디바이스로부터의 컴퓨터 네트워크 활동을 도시하는 다이어그램이다.
도 3b는 일 구현예에 따라 다수의 컴퓨팅 디바이스로부터의 컴퓨터 네트워크 활동을 도시하는 다이어그램이다.
도 4는 일 구현예에 따라 특히 도 1에 도시된 시스템 및 도 2에 도시된 방법의 다양한 요소들을 구현하는데 사용될 수 있는 컴퓨터 시스템에 대한 일반적인 아키텍처를 나타내는 블록도이다.
다양한 도면에서 동일한 참조 번호 및 명칭은 동일한 요소를 나타낸다.
본 명세서에 설명된 시스템 및 방법은 일반적으로 둘 이상의 컴퓨팅 디바이스 사이의 링크에 기초하여 컨텐츠(예를 들어, 전자 문서 또는 온라인 전자 광고와 같은 컨텐츠 항목)를 선택하는 것에 관한 것이다. 엔티티는 데스크탑이나 모바일 디바이스와 같은 다수의 디바이스를 사용하여 인터넷과 같은 네트워크에 액세스할 수 있다. 예를 들어, 엔티티는 제1 작업 사이트(work site)에서는 제1 데스크탑 컴퓨터를 사용하고, 제2 작업 사이트에서는 제2 데스크탑 컴퓨터, 모바일 폰 및 노트북을 사용할 수 있다. 따라서 엔티티에 대한 네트워크 활동이 다수의 디바이스에 걸쳐 분할될 수 있다. 네트워크 활동이 다수의 디바이스에 걸쳐 분할될 때, 컨텐츠 선택 컴퓨터 시스템 네트워크 기반 구조에서 컨텐츠 선택 컴퓨터 시스템이 제1 데스크탑 컴퓨터 상에 디스플레이하기 위한 컨텐츠를 선택하는 것이 어려울 수 있는데, 그 이유는 제2 데스크탑 컴퓨터, 모바일 폰 및 노트북 중 하나 이상과 관련된 네트워크 활동 정보와는 달리, 컨텐츠 선택 시스템은 제1 데스크탑 컴퓨터와 관련된 제한된 네트워크 활동 정보에만 액세스할 수 있기 때문이다.
본 명세서에 설명된 시스템 및 방법은 개인 식별 정보를 사용하지 않고 익명의 ID에 기초하여 다수의 컴퓨팅 디바이스를 서로 링크할 수 있다. 본 명세서에 설명된 시스템 및 방법은 2개의 컴퓨팅 디바이스 사이의 링크 또는 비-링크(non-link)를 나타내는 전체 매치 확률을 결정하는 데이터 처리 시스템을 포함할 수 있고, 여기서 링크는 공통 소유자, 운영자, 사용자 또는 다른 엔티티를 나타낼 수 있다. 데이터 처리 시스템은 포지티브 매치 확률, 네거티브 매치 확률, 및 각 컴퓨팅 디바이스에 대한 가중 인자(weighting factor)의 결정에 기초하여 2개의 컴퓨팅 디바이스 사이의 전체 매치 확률을 결정할 수 있다.
포지티브 매치 확률은 2개의 컴퓨팅 디바이스가 공통 소유자, 운영자 또는 사용자에 의해 링크될 확률을 나타낼 수 있다. 예를 들어, 링크하기에 적합한 2개의 컴퓨팅 디바이스는 하루 동안 어느 지점에서 동일한 지리적 위치에 있거나 동일한 인터넷 프로토콜(internet protocol: "IP") 어드레스를 공유할 수 있다. 동일한 지리적 위치 또는 공유 IP 어드레스는 두 컴퓨팅 디바이스가 예를 들면 사무실 환경에서와 같이 공통 노드로부터 인터넷과 같은 네트워크에 연결되어 있음을 나타낼 수 있다. 컴퓨팅 디바이스들 중 하나의 컴퓨팅 디바이스가 모바일 폰과 같은 모바일 컴퓨팅 디바이스일 때, 데이터 처리 시스템은 예를 들어 공통 소유자, 운영자 또는 사용자가 단 하나의 모바일 컴퓨팅 디바이스를 갖는다는 가정에 기초하여 링크된 컴퓨팅 디바이스에 대한 단일 식별자로서 모바일 컴퓨팅 디바이스를 식별할 수 있다. 데이터 처리 시스템이 모바일 컴퓨팅 디바이스 이외에 IP 어드레스에서 둘 이상의 컴퓨팅 디바이스를 식별할 때, 데이터 처리 시스템은 포지티브 매치 확률을 100%/N으로 설정할 수 있으며, 여기서 N은 데이터 처리 시스템에 의해 IP 어드레스에서 식별된 모바일 컴퓨팅 디바이스 이외에 컴퓨팅 디바이스의 수이다.
네거티브 매치 확률은 2개의 컴퓨팅 디바이스가 공통 소유자, 운영자 또는 사용자에 의해 링크되지 않을 확률을 나타낼 수 있다. 예를 들어, 링크하기에 적합하지 않은 2개의 컴퓨팅 디바이스는 마일(mile) 수와 같이 큰 물리적 거리로 분리되어 있는 동안의 활동을 각각 나타낼 수 있다. 이러한 분리는 2개의 컴퓨팅 디바이스의 각각의 IP 어드레스로부터 식별되거나 결정될 수 있다. 따라서, 데이터 처리 시스템은 서로 멀리 떨어져 있을 때 2개의 컴퓨팅 디바이스로부터 동시적인 활동을 식별할 때 이들 2개의 컴퓨팅 디바이스 사이에 네거티브 매치 확률을 증가시킬 수 있다.
네거티브 매치 확률의 다른 예에서, 링크하기에 적합하지 않은 2개의 컴퓨팅 디바이스는 각각 동시에 상위 레벨의 활동을 나타낼 수 있다. 상위 레벨의 활동은 수동적인 네트워크 연결 또는 활동과 달리 능동적인 입력 활동을 의미할 수 있다. 예를 들어, 단일 소유자, 운영자 또는 사용자는 아마도 2개의 컴퓨팅 디바이스에서 비디오 게임을 동시에 수행하지 않는다. 그러나 단일 소유자, 운영자 또는 사용자는 하나의 컴퓨팅 디바이스에서 비디오를 스트리밍하면서, 마우스, 키보드 또는 터치스크린을 통해 입력을 다른 컴퓨팅 디바이스에 제공할 수 있다. 이러한 능동적인 입력은 상위 레벨의 활동으로 고려될 수 있지만 스트리밍 비디오의 수동적인 소비는 상위 레벨의 활동으로 고려되지 않을 수 있다. 따라서, 데이터 처리 시스템은, 이 예에서, 공통 사용자가 다수의 컴퓨팅 디바이스에 입력을 능동적으로 동시에 제공할 가능성이 적기 때문에, 2개의 컴퓨팅 디바이스에서 동시에 상위 레벨의 활동을 식별할 때에는 2개의 컴퓨팅 디바이스 사이에 네거티브 매치 확률을 증가시킬 수 있다.
데이터 처리 시스템은 포지티브 매치 확률, 네거티브 매치 확률, 및 각 컴퓨팅 디바이스에 대한 가중 인자의 결정에 기초하여 2개의 컴퓨팅 디바이스 사이의 전체 매치 확률을 결정할 수 있다. 데이터 처리 시스템은 컴퓨팅 디바이스들 사이에 결정된 링크 및 결정된 비-링크를 사용하여 트레이닝함으로써 포지티브 매치 확률에 대한 가중치(weight) 및 네거티브 매치 확률에 대한 가중치를 결정할 수 있다. 예를 들어, 데이터 처리 시스템은 1/(1+e^-(wp*op+wn*on)) 형태의 수식에 기초하여 전체 매치 확률을 결정할 수 있으며, 여기서 wp = 포지티브 매치 확률에 대한 가중치이고, wn = 네거티브 매치 확률에 대한 가중치이고, op = 포지티브 매치 확률이고, on = 네거티브 매치 확률이고; *는 곱셈 또는 내적(dot product) 또는 다른 수학적 조합을 나타낸다. 데이터 처리 시스템은 전체 매치 확률이 임계값을 초과할 때 2개의 컴퓨팅 디바이스가 링크되는지를 결정하거나, 또는 전체 매치 확률이 동일하거나 다른 임계값 미만이거나 초과할 때 2개의 컴퓨팅 디바이스가 링크되지 않은 것으로 결정할 수 있다.
도 1은 컴퓨터 네트워크를 통해 링크된 컴퓨팅 디바이스들에 기초하여 컨텐츠를 선택하기 위한 예시적인 시스템(100)을 도시한다. 시스템(100)은 컨텐츠 선택 기반 구조를 포함할 수 있다. 시스템(100)은 네트워크(105)를 통해 컨텐츠 제공자(125), 컨텐츠 발행자(115) 또는 컴퓨팅 디바이스(110a-n)(컴퓨팅 디바이스(110)라고도 함) 중 하나 이상과 통신하는 데이터 처리 시스템(120)을 포함할 수 있다. 네트워크(105)는 컴퓨터 네트워크, 예를 들어, 인터넷, 근거리 네트워크, 광역 네트워크, 메트로 네트워크 또는 다른 영역 네트워크, 인트라넷, 위성 네트워크, 및 음성 또는 데이터 모바일 전화 네트워크와 같은 다른 통신 네트워크를 포함할 수 있다. 네트워크(105)는 랩탑, 데스크탑, 태블릿, 개인 정보 단말기, 스마트 폰, 또는 휴대용 컴퓨터 등과 같은 적어도 하나의 컴퓨팅 디바이스(110) 상에 디스플레이될 수 있는 웹 페이지, 웹 사이트, 도메인 이름 또는 유니폼 리소스 로케이터(uniform resource locator)와 같은 정보 자원에 액세스하는데 사용될 수 있다. 예를 들어, 네트워크(105)를 통해 컴퓨팅 디바이스(110)의 사용자는 적어도 하나의 웹 사이트 운영자 또는 컨텐츠 발행자(115)에 의해 제공되는 웹 페이지에 액세스할 수 있다. 이 예에서, 컴퓨팅 디바이스(110)의 웹 브라우저는 웹 사이트 운영자 또는 컨텐츠 발행자(115)의 웹 서버에 액세스하여 컴퓨팅 디바이스(110)의 모니터 상에 디스플레이하기 위한 웹 페이지를 검색할 수 있다. 웹 사이트 운영자 또는 컨텐츠 발행자(115)는 일반적으로 웹 페이지를 조작하는 엔티티를 포함한다. 일 실시예에서, 웹 사이트 운영자 또는 컨텐츠 발행자(115)는 웹 페이지를 컴퓨팅 디바이스(110)에 이용 가능하게 하기 위해 네트워크(105)와 통신하는 적어도 하나의 웹 페이지 서버를 포함한다.
네트워크(105)는 임의의 유형 또는 형태의 네트워크일 수 있고, 포인트-투-포인트 네트워크, 브로드캐스트 네트워크, 광역 네트워크, 근거리 네트워크, 원격 통신 네트워크, 데이터 통신 네트워크, 컴퓨터 네트워크, 비동기 전송 모드(Asynchronous Transfer Mode: ATM) 네트워크, 동기 광학 네트워크(Synchronous Optical Network: SONET) 네트워크, 동기 디지털 계층(Synchronous Digital Hierarchy: SDH) 네트워크, 무선 네트워크 및 유선 네트워크 중 임의의 것을 포함할 수 있다. 네트워크(105)는 적외선 채널 또는 위성 대역과 같은 무선 링크를 포함할 수 있다. 네트워크(105)의 토폴로지는 버스, 스타 또는 링 네트워크 토폴로지를 포함할 수 있다. 네트워크는 고급 모바일 폰 프로토콜(advanced mobile phone protocol: "AMPS"), 시분할 다중 연결(time division multiple access: "TDMA"), 코드 분할 다중 연결(code-division multiple access: "CDMA"), 모바일 통신을 위한 글로벌 시스템(global system for mobile communication: "GSM"), 범용 패킷 무선 서비스(general packet radio service: "GPRS"), 또는 범용 모바일 원격 통신 시스템(universal mobile telecommunications system: "UMTS")을 포함하여 모바일 디바이스들 사이에 통신하는데 사용되는 임의의 프로토콜 또는 프로토콜들을 사용하는 모바일 전화 네트워크를 포함할 수 있다. 다른 유형의 데이터가 다른 프로토콜을 통해 전송되거나, 동일한 유형의 데이터가 다른 프로토콜을 통해 전송될 수 있다.
시스템(100)은 적어도 하나의 데이터 처리 시스템(120)을 포함할 수 있다. 데이터 처리 시스템(120)은 네트워크(105)를 통해 예를 들어 컴퓨팅 디바이스(110), 웹 사이트 운영자 또는 컨텐츠 발행자 컴퓨팅 디바이스(115), 및 적어도 하나의 컨텐츠 제공자 컴퓨팅 디바이스(125)와 통신하기 위해 프로세서를 갖는 컴퓨팅 디바이스와 같은 적어도 하나의 논리 디바이스를 포함할 수 있다. 데이터 처리 시스템(120)은 적어도 하나의 서버를 포함할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 적어도 하나의 데이터 센터에 위치된 복수의 서버를 포함할 수 있다. 데이터 처리 시스템(120)은 논리적으로 그룹화된 다수의 서버를 포함할 수 있고 분산 컴퓨팅 기술을 용이하게 할 수 있다. 논리적 서버 그룹은 서버 팜(server farm) 또는 머신 팜(machine farm)이라고 할 수 있다. 서버는 지리적으로 분산되어 있을 수도 있다. 머신 팜은 단일 엔티티로 관리되거나, 또는 머신 팜은 복수의 머신 팜을 포함할 수 있다. 각 머신 팜 내의 서버는 이기종일 수 있다 - 하나 이상의 서버 또는 머신이 하나 이상의 유형의 운영 체제 플랫폼(operating system platform)에 따라 동작할 수 있다.
머신 팜 내의 서버는 관련 저장 시스템과 함께 고밀도 랙 시스템(high-density rack system)에 저장될 수 있으며 기업 데이터 센터에 위치될 수 있다. 예를 들어 이러한 방식으로 서버를 통합하면, 지역화된 고성능 네트워크 상에서 서버 및 고성능 저장 시스템을 찾는 것에 의해 시스템 관리, 데이터 보안, 시스템의 물리적 보안 및 시스템 성능을 향상시킬 수 있다. 서버 및 저장 시스템을 중앙 집중화하고 이들을 고급 시스템 관리 도구와 결합하면 서버 자원을 보다 효율적으로 사용할 수 있다.
데이터 처리 시스템(120)은 적어도 하나의 서버를 갖는 컨텐츠 배치 시스템(content placement system)을 포함할 수 있다. 데이터 처리 시스템(120)은 또한 적어도 하나의 매칭 엔진(130), 적어도 하나의 커넥터(135), 적어도 하나의 컨텐츠 선택기(140), 적어도 하나의 지리적 위치 모듈(150), 및 적어도 하나의 데이터 저장소(145)를 포함할 수 있다. 매칭 엔진(130), 커넥터(135), 및 컨텐츠 선택기(140)는 각각 적어도 하나의 처리 유닛 또는 프로그래밍 가능한 논리 어레이 엔진과 같은 다른 논리 디바이스, 또는 데이터베이스 저장소 또는 데이터베이스(145)와 통신하도록 구성된 모듈을 포함할 수 있다. 매칭 엔진(130), 커넥터(135), 컨텐츠 선택기(140), 지리적 위치 모듈(150), 및 데이터 저장소(145)는 별도의 구성 요소들, 단일 구성 요소, 또는 데이터 처리 시스템(120)의 일부일 수 있다. 데이터 처리 시스템과 같은 시스템(100), 및 그 구성 요소는 하드웨어 요소, 예를 들어, 하나 이상의 프로세서, 논리 디바이스 또는 회로를 포함할 수 있다.
데이터 처리 시스템(120)은 복수의 컴퓨팅 디바이스(110)와 관련된 익명의 컴퓨터 네트워크 활동 정보를 얻을 수 있다. 컴퓨팅 디바이스(110)의 사용자는 데이터 처리 시스템(120)이 사용자의 컴퓨팅 디바이스(110)에 대응하는 네트워크 활동 정보를 획득하는 것을 긍정적으로 허가할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 지리적 위치 정보와 같은 하나 이상의 유형의 네트워크 활동 정보를 얻기 위한 동의를 컴퓨팅 디바이스(110)의 사용자에게 촉구(prompt)할 수 있다. 컴퓨팅 디바이스(110)의 사용자의 신원은 익명으로 유지될 수 있고, 컴퓨팅 디바이스(110)는 고유한 식별자(예를 들어, 데이터 처리 시스템에 의해 제공된 컴퓨팅 디바이스의 사용자 또는 컴퓨팅 디바이스의 사용자에 대한 고유한 식별자)와 관련될 수 있다. 데이터 처리 시스템은 각 관찰을 대응하는 고유 식별자와 관련시킬 수 있다.
본 명세서에서 설명된 시스템이 사용자에 관한 개인 정보를 수집하거나 또는 개인 정보를 사용할 수 있는 경우, 사용자는, 개인 정보를 수집할 수 있는 프로그램이나 기능(예를 들어, 사용자의 소셜 네트워크에 대한 정보, 소셜 액션 또는 활동, 사용자의 선호도 또는 사용자의 현재 위치)을 제어할지 여부의 기회를 제공받거나 또는 컨텐츠 서버로부터 사용자에게 더 관련이 있을 수 있는 컨텐츠를 수신할지 여부 및 수신하는 방법을 제어하는 기회를 제공받을 수 있다. 또한, 특정 데이터는 저장되거나 사용되기 전에 하나 이상의 방식으로 처리되어 파라미터(예를 들어, 인구 통계 파라미터)를 생성할 때 사용자에 대한 특정 정보가 제거될 수 있다. 예를 들어, 사용자의 신원은 사용자에 대한 식별 정보가 결정될 수 없도록 처리되거나, 또는 사용자의 특정 위치를 결정할 수 없도록 사용자의 지리적 위치가 일반화되는데 여기서 위치 정보(예를 들어, 시(city), 우편 번호 또는 주(state) 레벨)는 획득될 수 있다. 따라서, 사용자는 사용자에 관한 정보 수집 방법 및 컨텐츠 서버에 의한 정보 사용 방법을 제어할 수 있다.
데이터 처리 시스템(120)은 컨텐츠의 요청을 수신할 수 있다. 이 요청은 데이터 처리 시스템 또는 다른 시스템의 검색 엔진(130)에 입력된 검색 질의와 같은 질의를 포함할 수 있다. 입력 질의는 텍스트, 문자, 기호 등을 포함할 수 있다. 데이터 처리 시스템(120)은 네트워크(105)를 통해 컴퓨팅 디바이스(110)로부터의 입력 질의를 수신할 수 있다. 입력 질의는 오디오(예를 들어, 컴퓨팅 디바이스(110)의 사용자에 의해 발성된 단어(spoken word), 네트워크(105), 및 인터페이스를 통해 데이터 처리 시스템의 검색 엔진에 입력된 것)를 포함할 수 있다. 요청은 요청에 응답하여 컨텐츠 선택을 용이하게 하는 정보를 포함하거나 정보와 관련될 수 있다. 정보는, 예를 들어, 전자 문서, 웹 페이지, 전자 애플리케이션, 또는 선택된 컨텐츠가 디스플레이되는 유기적 비-광고 링크에 관한 맥락 정보를 포함할 수 있다. 데이터 처리 시스템(120)은 클라이언트의 사용자가 검색을 위한 카테고리를 선택하거나 지시할 수 있는 입력 텍스트 박스, 버튼, 드롭 다운(drop down), 또는 다른 위젯(widget)을 디스플레이하는 인터페이스를 제공할 수 있다.
검색 질의 또는 컨텐츠(예를 들어, 전자 광고)에 대한 다른 요청에 응답하여, 데이터 처리 시스템(120)은 (예를 들어, 컨텐츠 선택기(140)를 통해) 요청하는 컴퓨팅 디바이스(110) 또는 컨텐츠의 요청과 관련된 일부 다른 컴퓨팅 디바이스(110)를 통해 제공되거나 제시될 컨텐츠를 식별, 선택, 또는 획득할 수 있다. 일부 구현예에서, 데이터 처리 시스템(120)은 컨텐츠의 요청을 수신하지 않고 컨텐츠를 식별, 선택 또는 획득할 수 있다. 컨텐츠는 예를 들어 텍스트, 문자, 기호, 이미지, 비디오, 오디오 또는 멀티미디어 컨텐츠를 포함할 수 있다. 컨텐츠 항목은 검색 엔진 결과 페이지에 디스플레이하기 위해 (예를 들어, 컨텐츠 선택기를 통해) 검색 엔진에 의해 포함된 스폰서 링크(예를 들어, 컨텐츠 제공자에 의해 제공된 것)의 형태의 광고를 포함할 수 있다. 컨텐츠의 요청은 온라인 광고, 기사, 판촉, 쿠폰 또는 제품 설명에 대한 요청을 포함할 수 있다. 데이터 처리 시스템(120)은 예를 들어 컴퓨팅 디바이스(110)와 같은 컴퓨팅 디바이스로부터의 요청을 수신할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 컴퓨팅 디바이스(110) 상에서 실행되는 애플리케이션, 예를 들어, 모바일 디바이스(예를 들어, 스마트 폰 또는 태블릿) 상에서 실행되는 모바일 애플리케이션을 수신할 수 있다. 일부 경우에, 데이터 처리 시스템(120)은 컨텐츠에 대한 별도의 요청을 수신하지 않을 수 있고, 대신에 검색 질의 또는 검색 결과에 응답하여 컨텐츠(예를 들어, 광고)를 선택하여 제공할 수 있다. 일부 경우에, 웹 페이지는 (예를 들어, 모바일 디바이스(110)를 통해) 웹 페이지를 방문하는 모바일 디바이스(110)의 사용자에 응답하여 데이터 처리 시스템(120)으로부터 컨텐츠를 요청할 수 있다.
컨텐츠의 요청은 컨텐츠 선택을 용이하게 하는 정보를 포함할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 컨텐츠 또는 컨텐츠 선택의 식별을 용이하게 하기 위해 컴퓨팅 디바이스(110)로부터 정보를 요청할 수 있다. 데이터 처리 시스템(120)은 컴퓨팅 디바이스(110)로부터 컨텐츠의 요청을 수신하는 것에 응답하여 정보를 요청하거나 획득할 수 있다. 이 정보는 컴퓨팅 디바이스(110) 상에 컨텐츠를 디스플레이하는 것에 관한 정보(예를 들어, 컨텐츠의 슬롯 크기 또는 위치) 또는 컨텐츠를 디스플레이하거나 다른 방식으로 조작하기 위해 컴퓨팅 디바이스(110)의 이용가능한 자원에 관한 정보를 포함할 수 있다.
데이터 처리 시스템(120)은, 컨텐츠의 요청에 응답하거나, 다른 방식으로 온라인 문서(예를 들어, 웹 페이지(예를 들어, 웹 페이지 또는 온라인 마켓 플레이스) 상에 디스플레이하기 위한 후보인 다수의 컨텐츠 항목(예를 들어, 제1 후보 컨텐츠 항목 및 제2 후보 컨텐츠 항목)을 식별할 수 있다. 데이터 처리 시스템은 온라인 경매 공정을 개시하거나 이용하여 온라인 문서 상에 디스플레이하기 위해 다수의 컨텐츠 항목 중 하나 이상을 선택할 수 있다. 경매 시스템은 온라인 문서 상에 디스플레이될 컨텐츠 항목에 대한 2개 이상의 입찰가(bid)를 결정할 수 있다. 경매 시스템은 경매 공정을 통해 입찰을 실행하여 하나 이상의 낙찰가(winning bid)를 결정할 수 있다. 낙찰가 또는 가장 높은 입찰가에 해당하는 컨텐츠 항목은 온라인 문서에서 또는 온라인 문서와 함께 디스플레이하도록 선택될 수 있다.
데이터 처리 시스템(120)은 컨텐츠 선택기(140)를 포함할 수 있다. 컨텐츠 선택기(140)는 웹 페이지 또는 후보 컨텐츠 항목의 주제를 분석, 파싱 또는 다른 방식으로 처리하여 후보 컨텐츠 항목의 주제가 웹 페이지에 대응하는지 여부를 결정할 수 있다. 컨텐츠 선택기(140)는 이미지 처리 기술, 문자 인식 기술 또는 데이터베이스 룩업(lookup)을 사용하여 웹 페이지 또는 후보 컨텐츠 항목의 용어, 문자, 텍스트, 기호 또는 이미지를 식별, 분석 또는 인식할 수 있다. 후보 컨텐츠 항목은 후보 컨텐츠 항목의 주제를 나타내는 메타 데이터를 포함할 수 있으며, 이 경우 컨텐츠 선택기(140)는 메타 데이터를 처리하여 후보 컨텐츠 항목의 주제가 웹 페이지에 대응하는지 여부를 결정할 수 있다.
컨텐츠 제공자는 컨텐츠 항목을 포함하는 컨텐츠 캠페인을 설정할 때 추가적인 지시자를 제공할 수 있다. 컨텐츠 제공자는 컨텐츠 선택기(140)가 후보 컨텐츠 항목에 관한 정보를 사용하여 룩업을 수행함으로써 식별할 수 있는 컨텐츠 캠페인 또는 컨텐츠 그룹 레벨의 정보를 제공할 수 있다. 예를 들어, 후보 컨텐츠 항목은 컨텐츠 그룹, 컨텐츠 캠페인 또는 컨텐츠 제공자에 맵핑될 수 있는 고유한 식별자를 포함할 수 있다. 컨텐츠 선택기(140)는, 컨텐츠 제공자(예를 들어, 광고자)에 관한 데이터 저장소(145)에 저장된 정보에 기초하여, 후보 컨텐츠 항목이 컨텐츠 항목의 요청, 컨텐츠 항목이 디스플레이되는 웹 페이지를 통해 제공되는 주제, 또는 컴퓨팅 디바이스에 의해 입력된 검색 질의와 관련되거나 또는 매칭하는지를 결정할 수 있다.
데이터 처리 시스템(120)은 다양한 기술을 사용하여 컨텐츠를 선택할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 파트너 컨텐츠 선택 네트워크로부터의 추천(referral) 또는 리드(lead)로부터 컨텐츠를 선택할 수 있다. 일부 구현예에서, 컨텐츠는 키워드 또는 매칭 기법을 사용하여 선택될 수 없으나, 추천 또는 리드에 기초하여 선택될 수 있다.
컨텐츠 선택기(140)는 컨텐츠 항목의 요청을 개시한 컴퓨팅 디바이스(110) 또는 컨텐츠 항목을 디스플레이할 컴퓨팅 디바이스(110)와 관련된 네트워크 활동 정보, 브라우징 이력 정보, 프로파일 정보 등에 기초하여 컨텐츠 항목을 선택할 수 있다. 컨텐츠 선택기(140)는 컨텐츠 항목을 디스플레이할 제1 컴퓨팅 디바이스(110)와 제2 컴퓨팅 디바이스(110) 사이의 링크를 식별하고, 디스플레이할 컨텐츠 항목을 선택하기 위해 제1 컴퓨팅 디바이스와 제2 컴퓨팅 디바이스 모두와 관련된, 네트워크 활동 정보, 브라우징 이력 또는 다른 프로파일 정보를 사용할 수 있다. 예를 들어, 제1 컴퓨팅 디바이스는 실행 중인 블로그 웹 페이지에 액세스할 수 있고, 제2 컴퓨팅 디바이스는 A사에 의해 제조된 운동화(running shoe)를 판매하는 온라인 소매상(online retailer)의 웹 페이지에 액세스할 수 있다. 제1 컴퓨팅 디바이스와 제2 컴퓨팅 디바이스 사이의 링크를 사용하여, 컨텐츠 선택기는, 제1 컴퓨팅 디바이스로부터의 요청에 응답하여 및 제2 컴퓨팅 디바이스의 네트워크 활동 정보 또는 브라우징 이력에 기초하여 제1 컴퓨팅 디바이스 상에 디스플레이하기 위해 컨텐츠 항목을 선택할 수 있다. 예를 들어, 컨텐츠 선택기(140)는 제1 컴퓨팅 디바이스가 운동화로 웹 페이지에 액세스하지 않았더라도 제1 컴퓨팅 디바이스 상에 디스플레이하기 위해 A사에 의해 제조된 운동화에 대한 광고를 선택할 수 있다. 따라서, 컨텐츠 선택기(140)는 링크를 사용하여 디스플레이를 위해 보다 관련 있는 컨텐츠 항목을 선택할 수 있고, 이에 의해 컨텐츠 선택기의 능력을 향상시켜 보다 관련 있는 컨텐츠 항목을 제공하여 컨텐츠 선택 기반 구조, 사용자 경험 및 컨텐츠 제공자의 광고 메트릭(metric)을 향상시킬 수 있다.
데이터 처리 시스템(120)은 2개 이상의 컴퓨팅 디바이스(110a-n)에 링크할지 여부를 결정하도록 설계되고 구성된 매칭 엔진(135)을 포함할 수 있다. 매칭 엔진(135)은, 적어도 2개의 컴퓨팅 디바이스(110a-n) 사이의 링크 인자를 식별하고, 포지티브 매치 확률 또는 네거티브 매치 확률을 결정하고, 포지티브 매치 확률 또는 네거티브 매치 확률에 기초하여 적어도 2개의 컴퓨팅 디바이스 사이의 링크를 생성하도록 설계되고 구성될 수 있다. 2개의 컴퓨팅 디바이스 사이의 링크는 온라인 컨텐츠 항목 배치 캠페인의 일부로서 컨텐츠 항목을 제공하거나 선택하는 데 사용될 수 있다.
컴퓨팅 디바이스들을 서로 관련시키는 2개의 컴퓨팅 디바이스 사이의 링크를 결정하고 생성하는 다양한 기술적 구현들이 다음에 설명된다.
2개의 컴퓨팅 디바이스 사이의 링크를 생성하기 위해, 매칭 엔진(130)은 제1 링크 인자를 식별할 수 있다. 매칭 엔진(130)은 네트워크 연결을 통해 네트워크(105)에 액세스하기 위해 제1 컴퓨팅 디바이스(110a) 및 제2 컴퓨팅 디바이스(110b)에 의해 사용되는 인터넷 프로토콜("IP") 어드레스에 기초하여 링크 인자를 식별할 수 있다. 일부 구현예에서, 매칭 엔진(130)은 네트워크 연결과 관련된 네트워크 노드(155)(무선 또는 유선 라우터, 네트워크 게이트웨이, 방화벽 디바이스, 네트워크 스위치, 모바일 핫 스폿(hot spot) 등)와 관련된 식별자(예를 들어, IP 어드레스, MAC 어드레스, WIFI 어드레스, 소스 포트, 목적지 포트와 같은 TCP/IP 헤더 정보)에 기초하여 제1 링크 인자를 식별할 수 있다.
링크 인자는 매칭 엔진(130)이 포지티브 또는 네거티브 매치 확률을 결정하는데 사용할 수 있는 인자를 지칭할 수 있다. 링크 인자는 데이터 저장소(145)에 링크 데이터 구조 내에 저장될 수 있다. 링크 인자는 이진 값(예를 들어, 0 또는 1, 예 또는 아니오, 포지티브 또는 네거티브, 플래그(flag) 또는 플래그 없음), 링크 인자의 레벨 또는 정도를 나타내는 숫자 점수(예를 들어, 0 내지 1, 1 내지 10, 1 내지 100), 영숫자 값, 용어, 어구(phrase) 등을 포함할 수 있다. 예를 들어, 매칭 엔진(130)은 링크 인자가 만족되는 조건, 규칙 또는 이벤트에 기초하여 링크 인자가 존재(예를 들어, 1, 플래그, "예")할 수 있는 것을 결정할 수 있다. 예를 들어, 링크 인자의 이벤트, 조건, 트리거 또는 규칙은 다음 사항, 즉 (1) 제1 시간 기간 동안 제1 IP 어드레스(또는 노드(155)에 대한 다른 식별자)를 통한 제1 컴퓨팅 디바이스(110a)와 네트워크(105) 사이의 연결 식별, 및 제1 시간 기간 동안 제1 IP 어드레스를 통한 제2 컴퓨팅 디바이스(110b)와 네트워크(105) 사이의 연결 식별; (2) 제2 시간 기간 동안 제1 컴퓨팅 디바이스(110a)에서의 입력 활동, 및 제2 시간 기간 동안 제2 컴퓨팅 디바이스(110b)에서의 입력 활동; (3) 제3 시간 기간 동안 제1 IP 어드레스를 통한 제1 컴퓨팅 디바이스(110a)의 활동 및 제3 시간 기간 동안 제2 IP 어드레스를 통한 제2 컴퓨팅 디바이스(110b)의 활동; (4) 제1 컴퓨팅 디바이스(110a)와 제2 컴퓨팅 디바이스(110b) 사이의 지리적 거리 및 시간 기간 동안 제1 IP 어드레스를 통한 제1 컴퓨팅 디바이스(110a)에서의 입력 활동, 및 제2 IP 어드레스를 통한 제2 컴퓨팅 디바이스(110b)에서 입력 활동 중 하나 이상을 포함할 수 있거나 이에 기초할 수 있다.
예를 들어, 데이터 처리 시스템(120)은 제1 컴퓨팅 디바이스(110a)로부터 네트워크 활동 정보를 수신할 수 있다. 네트워크 활동은, 예를 들어, 컴퓨팅 디바이스(110a)가 데이터 처리 시스템(120)에 의해 제공되는 웹 페이지에 액세스하는 것, 데이터 처리 시스템(120)이 컴퓨팅 디바이스(110a)로부터 컨텐츠의 요청을 수신하거나 또는 컴퓨팅 디바이스(110a) 상에 디스플레이하는 것, 컴퓨팅 디바이스(110a) 상에서 실행되는 애플리케이션이 정보를 위해 데이터 처리 시스템(120)과 통신, 핑잉(pinging), 폴링(polling) 또는 다른 방식으로 액세스 또는 상호 작용하는 것을 포함할 수 있다. 컴퓨팅 디바이스(110a)가 요청을 송신하거나 또는 다른 방식으로 데이터 처리 시스템(110)과 연결되거나 상호 작용할 때, 상호 작용은 연결을 위한 전자 회신 어드레스 또는 IP 어드레스를 식별하는 데이터 패킷을 포함할 수 있다. 네트워크 활동 정보는 노드(155)를 식별하는 정보 또는 네트워크 활동 정보와 관련된 IP 어드레스를 포함할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 소스 IP 정보를 갖는 헤더를 포함하는 네트워크 데이터 패킷을 수신할 수 있다. 일부 구현예에서, 데이터 처리 시스템(120)은 네트워크 활동에 링크된 IP 어드레스를 식별하기 위한 요청을 컴퓨팅 디바이스(110)에 송신할 수 있다.
데이터 처리 시스템(120)은 노드 식별자(예를 들어, IP 정보)를 메모리 또는 링크 데이터 구조 내에 저장할 수 있다. 일부 구현예에서, 데이터 처리 시스템(120)은 이러한 정보를 저장할 수 없다. 일부 구현예에서, 데이터 처리 시스템(120)은 이 정보를 시간에 기초하여 (예를 들어, 1시간, 30분, 5분, 60초, 24시간 등) 저장할 수 있다. 데이터 처리 시스템(120)은 제2 컴퓨팅 디바이스(110a)로부터 네트워크 활동 정보를 수신하고, 네트워크 데이터 패킷(예를 들어, 헤더 정보 또는 페이로드 정보)을 분석하여 이 네트워크 활동과 관련된 제2 IP 어드레스를 결정하고, 이 정보를 링크 데이터 구조 또는 다른 데이터베이스 또는 데이터 레코드 내에 저장할 수 있다. 데이터 처리 시스템(120)은 IP 어드레스(또는 다른 노드(155) 식별자)를 사용하여 링크 데이터 구조에서 룩업을 수행하여 IP 어드레스를 통해 네트워크(105)에 연결되거나 네트워크를 사용하는 다수의 컴퓨팅 디바이스를 식별할 수 있다. 일부 구현예에서, 데이터 처리 시스템은 제2 IP 어드레스를 제1 IP 어드레스(또는 다른 노드(155) 식별자)와 비교하여 IP 어드레스들이 매칭하는지를 결정할 수 있다. 2개의 컴퓨팅 디바이스(110a-b)로부터의 네트워크 활동 정보와 관련된 IP 어드레스들 또는 다른 노드(155) 식별자들이 매칭하는 것에 응답하여 데이터 처리 시스템(120)은 링크 인자를 식별할 수 있다. 일부 구현예에서, 링크 데이터 구조는 활성 네트워크 활동 연결을 저장하거나 또는 네트워크 활동 연결이 활성 또는 비활성일 때를 나타내는 시간 스탬프(time stamp)를 포함할 수 있다.
데이터 처리 시스템(120)은 (예를 들어, 매칭 엔진(130)을 통해) 제1 IP 어드레스를 통한 제1 컴퓨팅 디바이스와 컴퓨터 네트워크 사이의 연결이 개방된 제1 시간 기간을 결정하거나 식별할 수 있다. 매칭 엔진(130)은 제1 IP 어드레스를 통한 제2 컴퓨팅 디바이스와 컴퓨터 네트워크 사이의 연결이 개방된 제2 시간 기간을 더 결정하거나 식별할 수 있다. 매칭 엔진(130)은 제1 시간 기간과 제2 시간 기간이 오버랩(overlap)하는 시간 기간이 있는지 여부에 기초하여 링크 인자를 결정할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스와 관련된 네트워크 활동 세션에 대한 시간 스탬프를 저장할 수 있다. 시간 스탬프는 네트워크 활동 세션의 시작 및 중지 시간을 나타낼 수 있다. 시간 스탬프는 네트워크 활동 레벨과 더 연관될 수 있다. 네트워크 활동 레벨은 사용된 대역폭의 양, 업로드 또는 다운로드되는 데이터의 양, 네트워크 활동의 유형(예를 들어, 웹 브라우징, 전자 메일, 비디오 스트리밍 또는 다운로드, 음악 스트리밍 또는 다운로드, 연결을 사용하는 애플리케이션의 이름 또는 유형, 연결에 사용된 포트 등)을 나타낼 수 있다. 데이터 처리 시스템(120)은 이 정보를 제1 컴퓨팅 디바이스를 위한 링크 데이터 구조 내에 저장할 수 있다. 일부 구현예에서, 데이터 처리 시스템(120)은 컨텐츠 항목의 요청에 응답하여 이 정보를 결정하거나 식별할 수 있다.
일부 구현예에서, 매칭 엔진(130)은 연결을 이루는 컴퓨팅 디바이스의 유형을 식별하거나 결정할 수 있다. 컴퓨팅 디바이스의 유형은 예를 들어 모바일 디바이스, 모바일 통신 디바이스, 데스크탑 컴퓨터, 랩톱 컴퓨터, 태블릿, 스마트 폰, 전자 북 판독기, 스마트 워치, 웨어러블 컴퓨팅 디바이스, 게임 디바이스, 텔레비전 셋톱 박스, 디지털 미디어 플레이어, 마이크로 콘솔을 포함할 수 있다. 컴퓨팅 디바이스의 유형은 예를 들어 운영 체제, 이용가능한 자원, 디바이스 정보 등을 더 나타낼 수 있다.
데이터 처리 시스템(120)은 (예를 들어, 매칭 엔진(130)을 통해) 제1 컴퓨팅 디바이스(110a) 및 제2 컴퓨팅 디바이스(110b)와 관련된 네트워크 활동에 대한 시간 스탬프를 비교하여 네트워크 활동이 오버랩하는지를 결정할 수 있다. 예를 들어, 매칭 엔진(130)은 데이터 저장소(145) 내 링크 데이터 구조로부터 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스의 네트워크 활동에 대한 시작 및 중지 시간을 검색하여 네트워크 활동 세션이 오버랩하는지 여부를 결정할 수 있다. 일부 구현예에서, 매칭 엔진(130)은 네트워크(105)에 액세스하기 위해 동일한 IP 어드레스 또는 노드를 사용하는 2개의 컴퓨팅 디바이스의 네트워크 활동 세션이 오버랩하는지를 실시간으로 결정할 수 있다. 실시간은 연결 동안, 연결 중 오버랩하는 부분 동안, 하나 또는 둘 모두의 연결의 종료시, 또는 컨텐츠의 요청에 응답하여 이 결정을 수행하는 것을 의미할 수 있다.
일부 구현예에서, 매칭 엔진(130)은 2개의 컴퓨팅 디바이스 사이의 지리적 인 거리에 기초하여 링크 인자를 결정할 수 있는데, 여기서 2개의 컴퓨팅 디바이스는 2개의 상이한 IP 어드레스와 관련된 2개의 상이한 연결을 통해 네트워크에 액세스한다. 예를 들어, 네트워크 활동이 오버랩하는 상태에서 2개의 컴퓨팅 디바이스가 동일한 노드(155) 또는 IP 어드레스와 관련된 2개의 연결을 통해 네트워크에 이전에 액세스한 경우, 매칭 엔진(130)은 2개의 컴퓨팅 디바이스가 제1 포지티브 매치 확률을 갖는다고 결정할 수 있다. 그러나, 이들 2개의 컴퓨팅 디바이스 중 하나의 컴퓨팅 디바이스가 다른 지리적 위치에 위치하면, 매칭 엔진(130)은 제1 포지티브 매치 확률보다 더 낮은 제2 포지티브 매치 확률을 결정할 수 있다. 이것은 매칭 엔진(130)이 단일 엔티티(예를 들어, 사용자)가 동시에 상이한 지리적 위치에 위치된 2개의 컴퓨팅 디바이스를 사용하지 않을 수 있다고 판단하기 때문일 수 있다.
데이터 처리 시스템(120)은 하나 이상의 컴퓨팅 디바이스(110a-n)와 관련된 지리적 위치 데이터 포인트를 수신하도록 설계되고 구성된 지리적 위치 모듈(130)을 포함할 수 있다. 데이터 처리 시스템은 TCP/IP 프로토콜을 통해 컴퓨터 네트워크(105), 셀 폰 데이터 네트워크, 또는 컴퓨터 네트워크(105)의 다른 통신 프로토콜을 통해 데이터 포인트를 수신할 수 있다. 데이터 포인트는 위치 정보 및 시간 정보를 포함할 수 있고, 또는 데이터 처리 시스템(120)은 사용자 디바이스(110)로부터 데이터 포인트를 수신할 때 수신된 데이터 포인트와 관련된 위치 또는 시간 정보를 결정할 수 있다. 데이터 처리 시스템(120)은 또한 사용자 디바이스(110) 상에서 실행되는 애플리케이션과 관련된 사용자 이름 또는 고유한 사용자 디바이스 식별자와 같은 데이터 포인트와 관련된 식별자를 수신할 수 있다. 일 구현예에서, 사용자 디바이스(110) 상에서 실행되는 애플리케이션(예를 들어, 모바일 애플리케이션, 모바일 운영 체계, 웹 브라우저, 지도 애플리케이션 등)은 위치 정보를 포함하는 지리적 위치 데이터를 송신할 수 있다. 일 구현예에서, 모바일 사용자 디바이스(110)는 데이터 처리 시스템(120) 또는 다른 중간 시스템에 주기적으로 핑잉하여 위치 또는 시간 정보를 제공할 수 있다. 일 구현예에서, 스마트 폰 또는 다른 셀룰러 가능 사용자 디바이스(110)는 셀 폰 타워 시스템을 핑잉할 수 있고, 셀 폰 타워 시스템은 위치 또는 시간 정보를 데이터 처리 시스템(120)에 제공할 수 있다.
데이터 처리 시스템(120)은 지리적 위치 데이터 포인트 또는 핑잉을 실시간으로 또는 주기(예를 들어, 10분, 5분, 1분, 30초, 또는 본 명세서에 개시된 시스템 및 방법을 용이하게 할 수 있는 다른 기간)에 기초하여 미리 결정된 시간 간격으로 수신할 수 있다. 다른 구현예에서, 데이터 처리 시스템(120)은 주기적으로 실행되는 배취(batch) 공정에서 데이터 포인트를 수신할 수 있고, 여기서 사용자 디바이스(110) 또는 다수의 사용자 디바이스(110)와 관련된 다수의 지리적 위치 데이터 포인트는 단일 업로드 공정에서 데이터 처리 시스템(120)에 제공될 수 있다. 일 구현예에서, 사용자 디바이스(110)는 데이터 포인트를 실시간, 주기적으로, 또는 배취 공정으로 데이터 처리 시스템(120)에 푸시한다. 일 구현예에서, 컨텐츠 항목을 클릭한 사용자 디바이스(110)는 데이터 포인트를 제공하는 사용자 디바이스(110)와는 상이하다(예를 들어, 사용자는 데스크탑 또는 랩톱 컴퓨터를 사용하여 컨텐츠 항목을 클릭하고, 모바일 디바이스 또는 스마트 폰을 사용하여 데이터 포인트를 제공할 수 있음). 다른 구현예에서, 컨텐츠 항목을 클릭하는데 사용된 사용자 디바이스(110)는 데이터 포인트를 생성, 제공 또는 전송하는데 사용된 사용자 디바이스(110)와 동일하다.
데이터 포인트는 예를 들어 GPS, Wi-Fi, IP 어드레스, 블루투스 또는 셀 타워 삼각 측량 기술에 기초하여 지리적 위치 데이터 포인트의 지리적 위치 정보를 포함하거나 데이터 처리 시스템(120)이 이들 정보를 결정할 수 있다. 일부 구현예에서, 데이터 처리 시스템(120)은 위도 및 경도 좌표를 결정하고, 위도 및 경도 좌표를 포함하는 더 큰 지리적 영역 또는 셀을 식별할 수 있다. 지리적 위치는 위도 또는 경도 좌표에 대응하거나 또는 지리적 위치는 예를 들어 더 크거나 더 작은 영역에 대응할 수 있다.
일부 구현예에서, 수신된 데이터 포인트는, 예를 들어, 위도 및 경도 좌표, 지리 정보 시스템(geographic information system: "GIS") 정보, 국가, 주(state), 시, 군, 읍 또는 구역을 포함하는 지리적 위치 정보를 포함하거나 데이터 처리 디바이스(120)가 이들 정보를 결정할 수 있다. 데이터 처리 시스템(120)은 사용자 디바이스(110)와 관련된 지리적 위치 정보에 스크립트된 액세스를 제공할 수 있는 애플리케이션 프로그래밍 인터페이스(application programming interface: "API")를 통해 사용자 디바이스(110)와 관련된 지리적 위치 정보를 수신하거나 다른 방식으로 식별할 수 있다. 예를 들어, 지리적 API 사양은 월드 와이드 웹 컨소시엄(World Wide Web Consortium: "W3C")과 관련된 사양을 포함할 수 있다. 일 구현예에서, 사용자 디바이스(110)의 사용자는 위치를 체크인하는 것에 의해 또는 다른 방식으로 사용자 디바이스(110) 상에서 실행되는 애플리케이션 또는 데이터 처리 시스템에 사용자가 위치해 있다는 것을 선언하는 것에 의해 위치를 사전에 선언한다.
일부 구현예에서, 사용자 디바이스(110)의 지리적 위치는 글로벌 위치 확인 시스템(Global Positioning System: "GPS"), 셀 타워 삼각 측량, 또는 Wi-Fi 핫 스폿 중 적어도 하나를 통해 적절한 최종 사용자의 동의에 따라 결정될 수 있다. 예를 들어, 데이터 처리 시스템(120)은 결정된 지리적 위치 데이터 포인트의 정확도를 결정하기 위해 지리적 위치를 결정하는데 사용된 기술을 식별하거나 결정할 수 있다(예를 들어, GPS 기반 위치 정보는 IP 기반 위치 정보보다 더 정확할 수 있다). 데이터 처리 시스템(120)은 또한 정보 자원과 사용자의 상호 작용에 기초하여 지리적 위치 정보를 결정할 수 있다. 일부 구현예에서, 사용자 디바이스(110)는 GPS(global positioning system)를 포함할 수 있다. 일부 구현예에서, 데이터 처리 시스템(120)은 인터넷 프로토콜("IP") 어드레스에 기초하여 지리적 위치를 결정할 수 있다. 예를 들어, 사용자 디바이스(110)는 GPS 센서 또는 안테나를 포함할 수 있고, 사용자 디바이스(110)의 GPS 위치를 결정하도록 구성될 수 있다. 데이터 처리 시스템(120)은 또한 하나 이상의 셀 타워로부터 얻어진 정보를 사용하여 사용자 디바이스(110)의 위치를 삼각 측량하여 지리적 위치를 결정할 수 있다. 예를 들어, 하나의 셀 타워, 2개의 셀 타워 또는 3개의 셀 타워로부터 수신된 하나의 정보에 기초하여 결정된 지리적 위치로도 컨텐츠를 선택하는데 충분할 수 있다. 일부 구현예에서, Wi-Fi 핫스팟은 고정되어 있고 랜드 마크로서 사용될 수 있기 때문에 Wi-Fi 핫스팟은 지리적 위치 결정을 용이하게 할 수 있다. 예를 들어, Wi-Fi 핫스폿에 대한 사용자 디바이스(110)의 관계는 사용자 디바이스(110)의 지리적 위치를 결정하는 것을 용이하게 할 수 있다.
데이터 처리 시스템(120)은 (예를 들어, 매칭 엔진(130)을 통해) 시간 기간 동안 (예를 들어, 제1 IP 어드레스를 통해) 노드(155)를 통해 네트워크(150)와 연결되는 컴퓨팅 디바이스(110a-n)의 수를 결정할 수 있다. 데이터 처리 시스템(120)은 제1 컴퓨팅 디바이스(110a) 이외의 컴퓨팅 디바이스(110a-n)의 수를 결정할 수 있다. 예를 들어, 제1 컴퓨팅 디바이스(110a)는 링크 인자를 결정하는 것을 용이하게 하는 모바일 컴퓨팅 디바이스(110a)일 수 있다. 데이터 처리 시스템(120)은 링크 인자를 식별하기 위한 링크된 컴퓨팅 또는 참조를 위한 단일 식별자로서 모바일 컴퓨팅 디바이스(110a)를 사용하여 포지티브 또는 네거티브 매칭 인자를 결정하는 것을 용이하게 할 수 있다.
데이터 처리 시스템(120)은 익명의 식별자를 사용하여 링크된 컴퓨팅 디바이스 또는 참조 모바일 디바이스에 대한 단일 식별자를 결정할 수 있다. 익명의 식별자는 모바일 디바이스에 고유할 수 있다. 데이터 처리 시스템(120)은 익명의 식별자를 결정하거나 생성할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 예를 들어 IP, 운영 체제, 애플리케이션 정보, 디바이스 정보를 포함하는 모바일 디바이스와 관련된 정보에 기초하여 익명의 식별자를 생성할 수 있다. 운영 체제는 운영 체제의 유형을 나타낼 수 있다. 애플리케이션 정보는 모바일 디바이스에 설치된 애플리케이션의 구성, 모바일 디바이스에 설치된 애플리케이션의 이름, 하나 이상의 애플리케이션과 관련된 식별자, 애플리케이션의 사용 패턴 등을 나타낼 수 있다. 익명의 또는 의사 익명의 식별자(pseudo anonymous identifier)는 숫자, 영숫자일 수 있고, 문자, 기호 등을 포함할 수 있다. 예를 들어, 데이터 처리 시스템은 IP 어드레스, 운영 체제, 및 상위 3개의 가장 일반적으로 사용되는 비-토착(non-native) 애플리케이션을 결정하여 모바일 디바이스용 식별자를 생성할 수 있다. 데이터 처리 시스템(120)은 제1 컴퓨팅 디바이스의 이러한 익명의 식별자(또는 의사 익명의 식별자)를, 링크된 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스에 대한 식별자로서 사용할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 링크 데이터 구조 내의 식별자를 2개의 컴퓨팅 디바이스 사이의 링크와 관련시킬 수 있다.
동일한 IP 어드레스 또는 노드(155) 식별자를 사용하여 네트워크(105)에 연결된 컴퓨팅 디바이스의 수를 결정하기 위해, 데이터 처리 시스템(120)은 IP 어드레스 또는 노드(155) 식별자를 사용하여 데이터 구조에서 룩업을 수행할 수 있다. 룩업 결과는 IP 어드레스를 통해 연결된 컴퓨팅 디바이스의 수를 나타낼 수 있다. 디바이스들 중 하나가 제1 컴퓨팅 디바이스 또는 모바일 디바이스를 포함할 수 있기 때문에, 데이터 처리 시스템(120)은 룩업 결과로부터 1을 감산하여 IP 어드레스를 통해 네트워크(105)에 연결된 다른 컴퓨팅 디바이스의 수를 결정할 수 있다.
데이터 처리 시스템(120)은 (예를 들어, 매칭 엔진을 통해) 제1 링크 인자에 기초하여 및 컴퓨팅 디바이스의 수에 기초하여 포지티브 매치 확률을 생성할 수 있다. 초기 포지티브 매치는 아마도 디폴트 포지티브 매치 확률로 설정될 수 있다. 디폴트 포지티브 매치 확률은 0 또는 1과 같은 값 또는 0%와 같은 퍼센트 또는 미리 결정된 다른 디폴트 값(예를 들어, 100, 10, 50 등)일 수 있다. 데이터 처리 시스템(120)은 디폴트 포지티브 매치 확률을 증가시키거나 또는 새로운 포지티브 매치 확률을 결정할 수 있다. 일부 구현예에서, 데이터 처리 시스템(120)은 수식 100%/N에 기초하여 포지티브 매치 확률을 결정하도록 구성되고, 여기서 N은 제1 시간 기간 동안 제1 IP 어드레스에서 데이터 처리 시스템에 의해 식별된 제1 컴퓨팅 디바이스 이외의 컴퓨팅 디바이스의 수이다. 수식에서 분자는 미리 결정된 수 또는 퍼센트 또는 다른 값일 수 있다. 일부 경우에, 분자는 50%, 75%, 25% 등을 포함할 수 있다.
이 매칭 엔진(130)은 다양한 인자 또는 링크 인자에 기초하여 포지티브 매치 확률을 증가시킬 수 있다. 데이터 처리 시스템(120)은 링크 인자에 관한 결정을 하기 위해 컴퓨팅 디바이스와 관련된 활동을 모니터링할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 제4 시간 기간에서 제2 컴퓨팅 디바이스의 활동의 중지에 대응하는 제1 컴퓨팅 디바이스로부터의 활동을 식별할 수 있다. 제4 시간 기간은 제1, 제2 또는 제3 시간 기간 또는 동일한 시간 기간과 상이한 시간 기간(예를 들어, 오버랩 또는 상호 배타적)일 수 있다. 데이터 처리 시스템(120)은 제2 컴퓨팅 디바이스(110b)로부터의 활동을 모니터링하고, 활동의 중지 또는 종료 또는 중단(예를 들어, 제2 컴퓨팅 디바이스(110b)는 턴오프되고, 대기 모드로 진행하며, 제2 컴퓨팅 디바이스에서 실행되는 애플리케이션이 종료되거나, 빠져 나가거나, 폐쇄되거나, 네트워크 카드가 턴오프되거나 디스에이블(disabled)되거나, 네트워크(105)에의 액세스가 상실되는 등)을 결정할 수 있다. 데이터 처리 시스템(120)은 제2 컴퓨팅 디바이스(110b)로부터의 네트워크 활동을 더 이상 수신하지 않는 것에 응답하여 또는 네트워크 활동의 중지의 다른 지시(예를 들어, 연결을 로그오프(log off)하거나 또는 디스에이블하거나 또는 종료하라는 요청)에 응답하여 중지를 결정할 수 있다.
또한, 데이터 처리 시스템(120)은 제1 컴퓨팅 디바이스(110a)로부터의 활동을 모니터링하여 제1 컴퓨팅 디바이스(110a)로부터의 활동의 개시가 제2 컴퓨팅 디바이스(110b)로부터의 활동이 중지되는 것에 대응하는 것을 결정할 수 있다. 예를 들어, 데이터 처리 시스템(110a)은 네트워크(105)를 통해 웹 페이지 또는 다른 컨텐츠의 요청과 같은 제1 컴퓨팅 디바이스(110a)로부터의 활동을 식별할 수 있다. 데이터 처리 시스템(120)은 이 활동 이전에 제1 컴퓨팅 디바이스(110a)가 활성화되지 않았다고 결정할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 적어도 시간 간격(예를 들어, 10분, 5분, 30분, 1시간 등) 동안 컴퓨팅 디바이스(110a)로부터 어떠한 활동도 수신하지 않았을 수 있다. 따라서, 데이터 처리 시스템(120)은, 제1 컴퓨팅 디바이스(110a)로부터의 활동의 개시를 식별하고, 이러한 개시와 관련된 시간 스탬프를 식별하고, 이 개시 시간 스탬프를 제2 컴퓨팅 디바이스(110b)와 관련된 중지 시간 스탬프와 비교하여, 제1 컴퓨팅 디바이스(110a)로부터의 활동의 개시가 제2 컴퓨팅 디바이스(110b)로부터의 활동의 중지에 대응한다고 결정할 수 있다. 예를 들어, 이 개시는 중지와 동시적이거나, 중지의 응답이거나, 중지와 순차적이거나, 중지와 오버랩하거나, 또는 중지의 시간 간격 내에 있을 수 있다.
데이터 처리 시스템(120)은 네거티브 매치 확률을 결정할 수 있다. 데이터 처리 시스템(120)은 하나 이상의 링크 인자에 기초하여 네거티브 매치 확률을 결정할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 다음 링크 인자를 사용하여, 즉 제2 시간 기간 동안 제1 컴퓨팅 디바이스에서의 입력 활동 및 제2 시간 기간 동안 제2 컴퓨팅 디바이스에서의 입력 활동에 기초하여; 또는 제3 시간 기간 동안 제1 IP 어드레스를 통한 제1 컴퓨팅 디바이스의 활동 및 제3 시간 기간 동안 제2 IP 어드레스를 통한 제2 컴퓨팅 디바이스의 활동에 기초하여, 네거티브 매치 확률을 결정할 수 있다. 제1, 제2 및 제3 시간 기간들 중 하나 이상은 상이하거나 오버랩하거나 동일할 수 있다.
입력 활동은 네트워크 활동의 레벨 또는 네트워크 활동의 유형을 나타낼 수 있다. 입력 활동은 상위 레벨의 입력 활동 또는 수동적인 입력 활동을 포함할 수 있다. 상위 레벨의 활동은 비디오 게임, 단어 문서 타이핑, 컴퓨터 지원 디자인 프로그램 사용, 소프트웨어 프로그래밍 등과 같은 능동적인 입력 활동을 포함할 수 있다. 수동적인 활동은 예를 들어 음악 스트리밍, 비디오 스트리밍, 화면 보호기, 심박수 또는 혈압 센서, 주변 광 센서, GPS 센서 등을 포함할 수 있다. 사용자는 2개의 컴퓨팅 디바이스에서 상위 레벨의 활동을 동시에 수행할 수 있을 것 같지 않다. 예를 들어, 사용자는 2개의 다른 컴퓨팅 디바이스에서 비디오 게임을 동시에 플레이할 수 없을 것이다. 따라서, 2개의 컴퓨팅 디바이스의 상위 레벨의 활동은 네거티브 매치 확률을 증가시키는 것에 대응할 수 있다. 그러나, 사용자는 하나의 컴퓨팅 디바이스에서 스트리밍 음악을 듣는 동안 다른 컴퓨팅 디바이스에서 비디오 게임을 플레이할 수 있다. 따라서, 음악 스트리밍이나 비디오 또는 영화 스트리밍과 같은 수동적 활동은 상위 레벨의 활동이 아니어서 네거티브 매칭 가능성을 증가시키지 않을 수 있다.
예를 들어, 데이터 처리 시스템(120)은 제1 링크 인자와 다른 제2 링크 인자를 결정할 수 있다. 제2 링크 인자는 네거티브 매치 가능성을 결정하는 데 사용될 수 있다. 제2 링크 인자는 제1 시간 기간과 다른 제2 시간 기간(예를 들어, 오버랩 또는 상호 배타적)에 기초할 수 있다. 제2 링크 인자는 제1 링크 인자를 결정하는데 사용된 것과 동일한 제1 컴퓨팅 디바이스(110a)(예를 들어, 모바일 디바이스(110a)) 및 동일한 제2 컴퓨팅 디바이스(110b)에 기초할 수 있다. 일부 구현예에서, 제1 링크 인자 및 제2 링크 인자는 동일한 2개의 컴퓨팅 디바이스에 기초하고, 제1 링크 인자는 제1 시간 기간 동안의 연결에 기초하고, 제2 링크 인자는 제2 시간 기간 동안의 입력 활동에 기초한다. 제2 시간 기간 동안 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스와 관련된 입력 활동은 제1 IP 어드레스와 관련되거나 관련되지 않을 수 있다. 제2 시간 기간 동안 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스와 관련된 입력 동작은 동일한 IP 어드레스와 관련되거나 관련되지 않을 수 있다.
데이터 처리 시스템(120)은 제1 링크 인자 및 제2 링크 인자와 다른 제3 링크 인자와 같은 추가적인 링크 인자를 모니터링할 수 있다. 제3 링크 인자는 제1 링크 인자 및 제2 링크 인자를 결정하는데 사용된 것과 동일한 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스에 기초할 수 있다. 제3 링크 인자는 제3 시간 기간에 기초할 수 있다. 제3 시간 기간은 제1 링크 인자에 대한 제1 시간 기간 및 제2 링크 인자에 대한 제2 시간 기간과 동일한 시간 기간일 수 있다. 제3 시간 기간은 제1 또는 제2 시간 기간과 다를 (예를 들어, 오버랩하거나 상호 배타적일) 수 있다. 제3 링크 인자는 시간 기간 동안 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스의 활동에 기초할 수 있다. 제3 링크 인자는 제1 컴퓨팅 디바이스의 활동이 제2 컴퓨팅 디바이스의 활동과 상이한 IP 어드레스와 관련되는 시간 기간 동안 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스의 활동에 기초할 수 있다. 예를 들어, 제1 컴퓨팅 디바이스의 활동은 제1 IP 어드레스와 관련될 수 있는 반면, 제2 컴퓨팅 디바이스의 활동은 제1 IP 어드레스와 상이한 제2 IP 어드레스와 관련될 수 있다.
제2 링크 인자 및 제3 링크 인자를 사용하여, 데이터 처리 시스템(120)은 (예를 들어, 매칭 엔진(130)을 통해) 네거티브 매치 확률을 결정할 수 있다. 네거티브 매치 확률은 링크 데이터 구조에서 예를 들어 0, 0%, 1, 또는 다른 어떤 디폴트, 미리 결정된 값의 디폴트 네거티브 매치 확률로 초기화될 수 있다. 데이터 처리 시스템(120)은 네거티브 매치를 나타내는 링크 인자를 식별하는 것에 응답하여 양만큼 네거티브 매치 확률을 증가시킬 수 있다. 네거티브 매치를 나타내는 링크 인자는 제2 링크 인자 및 제3 링크 인자를 포함할 수 있다.
네거티브 매치 확률은 고정되거나 또는 미리 정해진 양만큼 증가될 수 있다. 예를 들어, 데이터 처리 시스템(120)이 네거티브 링크를 나타내는 링크 인자를 식별할 때마다, 네거티브 매치 확률은 링크된 2개 이상의 디바이스들이 컨텐츠 항목의 선택을 용이하게 하는 10%, 25%, 30%, 50% 또는 일부 다른 양 또는 퍼센트만큼 증가될 수 있다. 일부 경우에, 데이터 처리 시스템(120)은 네거티브 매치 확률을 증가시키거나 또는 감소시키는 양을 결정할 수 있다. 예를 들어, 링크 인자(예를 들어, 제3 링크 인자)는 제3 시간 기간 동안 제1 IP 어드레스를 통한 제1 컴퓨팅 디바이스에서의 입력 활동의 지시에 기초하여 및 제2 IP 어드레스를 통한 제2 컴퓨팅 디바이스에서의 입력 활동의 지시에 기초하여 제1 컴퓨팅 디바이스와 제2 컴퓨팅 디바이스 사이의 지리적 거리에 기초할 수 있다. 데이터 처리 시스템(120)은 이 거리를 사용하여 네거티브 매치 확률을 결정할 수 있다. 예를 들어, 모바일 디바이스와 제2 컴퓨팅 디바이스 사이의 거리가 특정 임계값보다 더 크다면, 데이터 처리 시스템(120)은 네거티브 링크를 추가할 수 있다. 또한, 데이터 처리 시스템(120)은 네거티브 매치 확률을, 거리 및 시간에 대해 지수적으로 비례하는 것으로 결정할 수 있다. 예를 들어, 거리가 1마일이고 제1 컴퓨팅 디바이스 활동의 요청과 제2 컴퓨팅 디바이스 활동 사이의 지속 시간이 1분 미만이면, 2개의 디바이스가 동일한 엔티티에 의해 사용되고 있을 가능성이 거의 없어서, 링크되어서는 안 된다. 그러나 두 활동 사이의 기간이 30분이면 두 디바이스가 동일한 엔티티에서 사용될 가능성이 있어서 링크될 수 있다. 따라서 거리가 멀고 시간이 짧을수록 네거티브 매치 확률이 지수적으로 높아진다.
데이터 처리 시스템(120)은 포지티브 매치 확률 및 네거티브 매치 확률에 기초하여 2개의 컴퓨팅 디바이스를 링크하도록 설계되고 구성된 커넥터(135)를 포함할 수 있다. 데이터 처리 시스템(120)은 (예를 들어, 커넥터(135)를 통해) 제1 컴퓨팅 디바이스(110a)와 제2 컴퓨팅 디바이스(110b) 사이의 링크를 나타내기 위해 데이터 구조(예를 들어, 데이터 저장소(145) 내의 링크 데이터 구조)를 생성할 수 있다. 링크는, 2개의 컴퓨팅 디바이스(100a-b) 사이에 공통의 익명의 또는 의사 익명의 최종 사용자의 관련성, 즉 링크를 나타내는 플래그, 이진 값, 포인터, 영숫자 값, 익명의 식별자, 또는 다른 관련 기술을 포함할 수 있다.
데이터 처리 시스템(120)은 제1 컴퓨팅 디바이스와 제2 컴퓨팅 디바이스를 링크시키고 전체 매치 확률에 기초하여 데이터 구조 내에 링크를 생성할 수 있다. 전체 매칭은 아마도 포지티브 매치 확률 및 네거티브 매치 확률을 고려할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 포지티브 매치 확률 및 네거티브 매치 확률을 결합함으로써 전체 매치 확률을 결정할 수 있다. 결합은 (예를 들어, 포지티브 매치가 포지티브 수이고 네거티브 매치가 네거티브 수인 경우) 이들을 더하고 또는 (예를 들어, 포지티브 매치 및 네거티브 매치가 모두 포지티브 값인 경우) 이들을 감산하고 또는 다른 방식으로 이들을 수식을 사용하여 결합하는 것을 말할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 포지티브 매치 확률("OP")과 네거티브 매치 확률("ON") 사이의 차이에 기초하여 전체 매치 확률을 결정할 수 있다. 예를 들어 전체 매치 확률 = OP-ON이고 또는 전체 매치 확률 = ON-OP이다. 데이터 처리 시스템(120)은 전체 확률을 임계값(예를 들어, 0%, 25%, 50% 등)과 비교할 수 있다. 전체 매치 확률이 임계값을 만족하면, 데이터 처리 시스템(120)은 2개의 컴퓨팅 디바이스를 링크시킬 수 있다. 임계값을 만족하는 것은 전체 매치 확률이 임계값과 같거나 임계값보다 더 큰 것을 의미할 수 있다. 일부 경우에 임계값을 만족하는 것은 전체 매치 확률이 임계값보다 더 작은 것을 의미할 수 있다. 예를 들어, OP = 100%, ON = 25% 및 임계값 = 25%인 경우 전체 확률은 25% 임계값보다 더 큰 OP-ON = 75%일 수 있다. 따라서, 데이터 처리 시스템(120)은 전체 매치 확률이 임계값을 만족하는 것으로 결정할 수 있고 이에 응답하여 데이터 처리 시스템(120)은 2개의 컴퓨팅 디바이스를 링크시키고 링크 데이터 구조에서 링크를 나타낼 수 있다.
데이터 처리 시스템(120)은 가중 인자들에 기초하여 제1 컴퓨팅 디바이스와 제2 컴퓨팅 디바이스를 링크시키도록 결정할 수 있다. 예를 들어, 네거티브 매치 확률 및 포지티브 매치 확률은 대응하는 가중치를 가질 수 있다. 가중치는 머신 러닝 모델 또는 회귀 분석에 기초하여 결정될 수 있다. 예를 들어, 데이터 처리 시스템(120)은 오프라인 회귀 분석을 수행하여 OP 및 ON에 대한 가중치를 조절하는 것이 2개의 디바이스가 실제로 동일한 엔티티에 의해 사용되는지 여부를 예측하는 능력에 영향을 미치는 정도를 결정할 수 있다.
데이터 처리 시스템(120)은 전체 매치 확률을 결정하기 위해 수식 1/(1+e^-(wp*op+wn*on))을 갖게 구성될 수 있고, 여기서, wp = 포지티브 매치 확률에 대한 가중치이고, wn = 네거티브 매치 확률에 대한 가중치이고, op = 포지티브 매치 확률이고, on = 네거티브 매치 확률이다. 가중치는 0보다 더 큰 숫자일 수 있다. 이 가중치는 미리 결정되거나 데이터 처리 시스템(120)의 관리자에 의해 설정되거나, 링크 데이터 구조 등으로부터 얻어질 수 있다. 가중치는 제1 컴퓨팅 디바이스(110a)에 대해 맞춤 설정되거나 맞춰질 수 있다. 데이터 처리 시스템(120)은 알려진 링크 및 알려진 비-링크에 기초하여 포지티브 매치 확률에 대한 가중치 및 네거티브 매치 확률에 대한 가중치를 교정할 수 있다. 데이터 처리 시스템(120)은 알려진 링크 및 비-링크를 데이터 저장소(145) 내의 링크 데이터 구조 내에 저장할 수 있다. 데이터 처리 시스템(120)은 이 정보를 이용하여 제1 wp 및 제1 wn이 거짓인 링크(예를 들어, 비-링크)를 생성하거나 또는 낮은 클릭 스루률(click through rate)을 초래하는지를 결정할 수 있다. 그런 다음, 데이터 처리 시스템(120)은 가중치를 조정하고 더 적은 거짓 링크가 생성되었는지 또는 클릭 스루률이 증가했는지를 결정할 수 있다. 이력 데이터를 사용하는 경우, 데이터 처리 시스템(120)은 제2 가중치로 예측된 클릭 스루율을 결정하고, 조정된 가중치를 사용하여 예측된 클릭 스루율을 실제 이력 클릭 스루율과 비교할 수 있다.
데이터 처리 시스템(120)은 컴퓨팅 디바이스와 관련된 네트워크 활동 정보를 나타내는 벡터를 생성할 수 있다. 활동의 벡터는 IP 어드레스, 활동, 및 하루 중 시간을 포함할 수 있는 데이터 포인트에 기초할 수 있다. 활동의 벡터는 IP 어드레스, 활동, 및 하루 중 시간을 포함하는 연속적인 (예를 들어, 순차적인 또는 연대적인) 데이터 포인트에 기초할 수 있다. 예를 들어, 각 컴퓨팅 디바이스에 대해, 데이터 처리 시스템(120)은 하루 중 다른 부분 동안 컴퓨팅 디바이스의 활동 정도 또는 활동 레벨을 나타내는 활동 벡터를 생성할 수 있다. 2개의 컴퓨팅 디바이스가 시간 슬롯 또는 시간 기간 동안 유사한 활동 시그너처(예를 들어, 활동 레벨 또는 활동 유형)를 갖는다면, 2개의 컴퓨팅 디바이스가 동일한 사용자에 속할 가능성이 낮을 수 있다. 데이터 처리 시스템(120)은 컴퓨팅 디바이스가 시간 슬롯 또는 시간 기간 동안 물리적으로 위치된 곳을 나타내는 위치 벡터를 더 생성할 수 있다. 위치 벡터에 기초하여, 데이터 처리 시스템(120)은 시간 슬롯 또는 시간 기간 동안 2개의 컴퓨팅 디바이스 사이의 거리가 거리 임계값(예를 들어, 5마일, 1마일, 10마일, 30마일, 등)보다 더 큰 경우, 2개의 컴퓨팅 디바이스가 동일한 사용자에 속하거나, 또는 컴퓨팅 디바이스들 중 하나의 컴퓨팅 디바이스가 다수의 사용자에 의해 공유되고 있을 확률이 낮다고 결정할 수 있다. 따라서, 제1 컴퓨팅 디바이스와 관련된 활동들의 제1 벡터와 제2 컴퓨팅 디바이스와 관련된 활동들의 제2 벡터 사이의 비교에 기초하여, 데이터 처리 시스템(120)은 포지티브 매치 확률 및 네거티브 매치 확률을 조정(예를 들어, 증가 또는 감소)할 수 있다.
데이터 처리 시스템(120)은 하나 이상의 시간 기간 동안 링크 인자들에 기초하여 2개의 컴퓨팅 디바이스 사이에서 비-링크(또는 널(null), 공백(void), 또는 링크 없음 또는 링크 제거 또는 링크되지 않은 지시)를 생성할 수 있다. 데이터 처리 시스템(120)은 2개의 컴퓨팅 디바이스가 동일한 시간 기간 동안 상위 레벨의 입력 활동을 가질 때 2개의 컴퓨팅 디바이스를 링크하지 않는 것으로 결정할 (또는 2개의 컴퓨팅 디바이스 사이의 비-링크를 나타낼) 수 있다. 데이터 처리 시스템(120)은 두 컴퓨팅 디바이스가 동일한 시간 기간 동안 상위 레벨의 입력 활동을 갖고 입력 활동이 동일한 유형의 입력 활동일 때 2개의 컴퓨팅 디바이스를 연결하지 않는 것으로 결정할 (또는 2개의 컴퓨팅 디바이스 사이의 비-링크를 나타낼) 수 있다. 데이터 처리 시스템(120)은 두 컴퓨팅 디바이스가 동일한 시간 기간 동안 상위 레벨의 입력 활동을 갖고 거리 임계값(예를 들어, 0.5마일)보다 더 큰 거리만큼 떨어져 있을 때 2개의 컴퓨팅 디바이스를 연결하지 않는 것으로 결정할 (또는 2개의 컴퓨팅 디바이스 사이의 비-링크를 나타낼) 수 있다.
예를 들어, 데이터 처리 시스템(120)은 제4 시간 기간 동안 제3 컴퓨팅 디바이스에서의 입력 활동에 기초하여 및 제4 시간 기간 동안 제4 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 제4 링크 인자를 모니터링할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 제3 컴퓨팅 디바이스 및 제4 컴퓨팅 디바이스 모두가 임계값(예를 들어, 웹 페이지 또는 컨텐츠의 요청의 수, 사용되는 대역폭의 양, 키보드, 마우스, 터치 또는 음성 입력의 양 등)보다 더 큰 입력 활동 또는 입력 활동도를 가질 때 제4 링크 인자가 존재하는 것으로 결정할 수 있다.
데이터 처리 시스템(120)은 2개의 컴퓨팅 디바이스의 활동과 관련된 IP 어드레스의 변화를 식별하여 제5 링크 인자를 식별할 수 있다. 예를 들어, 데이터 처리 시스템은 제5 시간 기간 동안 제3 IP 어드레스를 통한 제3 컴퓨팅 디바이스의 활동에 기초하여 및 제5 시간 기간 동안 제4 IP 어드레스를 통한 제4 컴퓨팅 디바이스의 활동에 기초하여 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 제5 링크 인자를 모니터링할 수 있다. 예를 들어, 데이터 처리 시스템(120)은 제3 컴퓨팅 디바이스 및 제4 컴퓨팅 디바이스 모두를 통해 발생하는 임계값보다 더 큰 입력 활동의 레벨 또는 정도를 결정할 수 있다. 데이터 처리 시스템(120)은 제3 컴퓨팅 디바이스 및 제4 컴퓨팅 디바이스 모두를 통해 발생하는 임계값보다 더 큰 입력 활동의 레벨 또는 정도가 2개의 상이한 IP 어드레스와 관련되는지를 더 결정할 수 있다. 예를 들어, 제3 컴퓨팅 디바이스 및 제4 컴퓨팅 디바이스는 상이한 사용자에 의해 사용되는 상이한 지리적 위치에 있을 수 있다.
제4 링크 인자 및 제5 링크 인자에 기초하여, 데이터 처리 시스템(120)은 제2 네거티브 매치 확률을 생성할 수 있다. 데이터 처리 시스템(120)은 두 컴퓨팅 디바이스를 통해 발생하지만 다른 위치에서 발생하는 네트워크 활동이 있을 수 있기 때문에 높은 제2 네거티브 매치 확률을 생성할 수 있다. 그러나 네트워크 활동이 디바이스들 중 하나를 통해서만 발생하면 네거티브 매치 확률이 더 낮아질 수 있다. 유사하게, 네트워크 활동이 두 컴퓨팅 디바이스에서 발생하지만 동일한 IP 어드레스(예를 들어, 동일한 위치)를 통해 발생한다면, 네거티브 매치 확률은 더 낮아질 수 있다. 데이터 처리 시스템은 제2 네거티브 매치 확률에 기초하여 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스 사이에 비-링크를 결정할 수 있다. 데이터 처리 시스템은 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스 사이의 비-링크를 나타내기 위해 링크 데이터 구조를 생성하거나 또는 수정할 수 있다.
데이터 처리 시스템(120)은 (예를 들어, 컨텐츠 선택기(140)를 통해) 링크에 기초하여 및 제1 컴퓨팅 디바이스의 컴퓨터 네트워크 활동에 기초하여 제2 컴퓨팅 디바이스 상에 온라인 문서와 함께 배치하기 위한 컨텐츠 항목을 선택할 수 있다. 예를 들어, 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스가 링크되어 있는 경우, 데이터 처리 시스템(120)은 제2 컴퓨팅 디바이스와 관련된 정보(예를 들어, 브라우징 이력, 네트워크 활동 정보)를 사용하여 제1 컴퓨팅 디바이스로부터의 광고의 요청에 응답하여 제1 컴퓨팅 디바이스 상에 광고를 디스플레이할 수 있다.
도 2는 일 구현예에 따라 컴퓨터 네트워크를 통해 링크된 컴퓨팅 디바이스에 기초하여 컨텐츠를 선택하는 방법(200)을 도시한다. 방법(200)은 컴퓨터 네트워크 활동에 기초하여 컴퓨팅 디바이스들을 서로 관련시키는 것을 용이하게 할 수 있다. 방법(200)은 컴퓨팅 디바이스들을 서로 관련시켜 온라인 컨텐츠 항목 배치 캠페인의 일부로서 컨텐츠 항목들을 제공하거나 선택할 수 있다. 방법(200)은 시스템(100), 데이터 처리 시스템(120), 컴퓨팅 디바이스(400), 또는 하나 이상의 구성 요소에 의해 수행될 수 있다. 방법(200)은 블록(210)에서 데이터 처리 시스템이 제1 링크 인자를 식별하는 단계를 포함할 수 있다. 데이터 처리 시스템은 제1 시간 기간 동안 제1 IP 어드레스를 통한 제1 컴퓨팅 디바이스와 컴퓨터 네트워크 사이의 연결에 기초하여 및 제1 시간 기간 동안 제1 IP 어드레스를 통한 제2 컴퓨팅 디바이스와 컴퓨터 네트워크 사이의 연결에 기초하여 제1 링크 인자를 식별할 수 있다. 연결은 컴퓨터 네트워크를 통한 네트워크 연결을 포함할 수 있다. 예를 들어, 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스는 네트워크를 통해 데이터 처리 시스템에 연결될 수 있다. 컴퓨팅 디바이스는 연결을 시작하거나 설정할 수 있다. 일부 경우에 데이터 처리 시스템이 연결을 시작하거나 설정할 수 있다. 컴퓨팅 디바이스에 디스플레이하기 위한 컨텐츠 또는 웹 페이지에 대한 요청에 응답하여 컴퓨팅 디바이스는 연결을 개시할 수 있거나 또는 연결이 설정될 수 있다. 컴퓨팅 디바이스는 컴퓨팅 디바이스, 사용자 입력, 이벤트, 또는 조건과 사용자의 상호 작용에 응답하여 연결을 개시할 수 있다. 사용자 상호 작용은 사용자 활동 또는 입력 활동을 포함할 수 있다. 사용자 활동 또는 입력 활동은, 예를 들어, GPS 센서, 모션 센서, 자이로스코프, 가속도계, 주변 광 센서, 온도 센서, 사운드 센서, 혈압 센서 등과 같은 컴퓨팅 디바이스의 센서에 의해 감지된 활동을 포함할 수 있다.
데이터 처리 시스템은, 제1 컴퓨팅 디바이스와 데이터 처리 시스템 사이에 연결이 존재할 때; 제2 컴퓨팅 디바이스와 데이터 처리 시스템 사이에 연결이 존재할 때; 및 두 연결이 동일한 IP 어드레스 또는 네트워크 노드 또는 게이트웨이 식별자(예를 들어, 동일한 무선 또는 유선 라우터, 케이블 모뎀, 브리지, 네트워크 카드 등)를 통해 이루어질 때, 제1 링크 인자를 식별할 수 있다.
방법(200)은 블록(215)에서 데이터 처리 시스템이 컴퓨팅 네트워크와 연결되는 컴퓨팅 디바이스의 수를 결정하는 단계를 포함할 수 있다. 데이터 처리 시스템은 제1 시간 기간 동안 제1 IP 어드레스를 통해 컴퓨터 네트워크와 연결되는 제1 컴퓨팅 디바이스 이외의 컴퓨팅 디바이스의 수를 결정할 수 있다. 예를 들어, 데이터 처리 시스템은 연결을 위해 동일한 IP 어드레스를 사용하는 컴퓨팅 디바이스의 수를 카운트함으로써 제1 IP 어드레스를 통해 컴퓨터 네트워크에 연결된 컴퓨팅 디바이스의 수를 결정할 수 있다. 그런 다음, 데이터 처리 시스템은 이들 컴퓨팅 디바이스들 중 하나의 컴퓨팅 디바이스가 제1 컴퓨팅 디바이스인 것으로 결정할 수 있다. 제1 컴퓨팅 디바이스는 링크된 컴퓨팅 디바이스 또는 참조 디바이스 또는 링크 디바이스에 대한 단일 식별자일 수 있다. 제1 컴퓨팅 디바이스는 모바일 디바이스일 수 있다. 제1 컴퓨팅 디바이스는 고유 식별자와 관련될 수 있다. 데이터 처리 시스템은 제1 컴퓨팅 디바이스에 대한 고유 식별자를 생성할 수 있다. 데이터 처리 시스템은 제1 컴퓨팅 디바이스와 관련된 특성, 파라미터 또는 다른 정보를 사용하여 제1 컴퓨팅 디바이스에 대한 고유 식별자를 생성할 수 있다. 정보는, 예를 들어, 디바이스 유형(예를 들어, 모바일 디바이스, 태블릿 디바이스, 랩톱, 데스크탑 등), 운영 체제(예를 들어, 모바일 운영 체제, 데스크탑 운영 체제, 운영 체제의 제조자 또는 공급자, 운영 체제의 버전), 디바이스 정보(예를 들어, 디바이스 제조자, 디바이스의 하드웨어 사양, MAC 어드레스 등), 애플리케이션 정보(예를 들어, 네트워크 활동과 관련된 애플리케이션, 애플리케이션 구성, 컴퓨팅 디바이스의 애플리케이션) 또는 컴퓨팅 디바이스와 관련된 다른 정보를 포함할 수 있다. 이러한 특성들의 조합을 사용하여, 데이터 처리 시스템은 컴퓨팅 디바이스에 대한 고유 식별자, 익명의 식별자, 의사 익명의 식별자를 생성할 수 있다. 컴퓨팅 디바이스의 식별자를 제1 컴퓨팅 디바이스, 모바일 디바이스, 단일 식별자 또는 참조/링크 디바이스에 대응하는 것으로서 식별하면, 데이터 처리 시스템은 참조 컴퓨팅 디바이스를 제외한 IP 어드레스를 통해 연결된 디바이스의 수를 결정할 수 있다.
방법(200)은 블록(220)에서 데이터 처리 시스템이 포지티브 매치 확률을 생성하는 단계를 포함할 수 있다. 포지티브 매치 확률은 0%의 초기 값 또는 디폴트 값을 가질 수 있다. 데이터 처리 시스템은, 블록(215)에서 결정된 바와 같이, 연결을 위한 제1 IP 어드레스를 사용하는 컴퓨팅 디바이스의 수에 기초하여 포지티브 매치 확률을 생성할 수 있다. 예를 들어, 포지티브 매치 확률은 100%/N일 수 있고, 여기서 N은 블록(215)에서 결정된 참조 디바이스 이외의 컴퓨팅 디바이스의 수이다. 데이터 처리 시스템은 링크 인자에 기초하여 포지티브 매치 확률을 위 또는 아래로 조정할 수 있다.
방법(200)은 블록(225)에서 데이터 처리 시스템이 제2 링크 인자를 모니터링하는 단계를 포함할 수 있다. 제2 링크 인자는 블록(210, 215 및 220)으로부터 2개의 컴퓨팅 디바이스로부터의 제2 시간 간격에서의 입력 활동에 기초할 수 있다. 제2 시간 간격은 제1 시간 간격과 오버랩할 수 있다. 제2 시간 간격은 제1 시간 간격과 상호 배타적일 수 있다. 제2 시간 간격은 제1 시간 간격과 같을 수 있다. 입력 활동은 사용자 입력, 컴퓨팅 디바이스의 센서로부터의 입력, 음성 입력, 키보드 또는 마우스 입력, 터치스크린 입력, 모션 입력, 제스처 입력, GPS 센서 입력 등을 포함할 수 있다.
데이터 처리 시스템은 제2 시간 기간 동안 제1 컴퓨팅 디바이스에서의 입력 활동에 기초하여 및 제2 시간 기간 동안 제2 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제2 링크 인자를 모니터링할 수 있다. 제2 링크 인자는 네거티브 매치 확률을 나타낼 수 있고, 또는 2개의 컴퓨팅 디바이스가 각각 동시에 상위 레벨의 활동을 나타내는 경우 2개의 컴퓨팅 디바이스가 링크하기에 적합하지 않은 것을 나타낼 수 있다. 상위 레벨의 활동은 비디오 게임 플레이, 워드 문서 타이핑, 컴퓨터 지원 디자인 프로그램, 소프트웨어 프로그래밍 등과 같은 능동적인 입력 활동을 포함할 수 있다. 예를 들어, 사용자는 서로 다른 2개의 컴퓨팅 디바이스에서 비디오 게임을 동시에 플레이할 수 없을 것이다. 그러나, 사용자는 하나의 컴퓨팅 디바이스에서 스트리밍 음악을 들으면서 다른 컴퓨팅 디바이스에서 비디오 게임을 플레이할 수 있다. 따라서 음악 스트리밍이나 비디오 또는 영화 스트리밍과 같은 수동적 활동은 상위 레벨의 활동이 아닐 수 있다.
방법(200)은 블록(230)에서 데이터 처리 시스템이 제3 링크 인자를 모니터링하는 단계를 포함할 수 있다. 제3 링크 인자는 제3 시간 기간 동안 제1 IP 어드레스를 통한 제1 컴퓨팅 디바이스의 활동에 기초하고 및 제3 시간 기간 동안 제2 IP 어드레스를 통한 제2 컴퓨팅 디바이스의 활동에 기초할 수 있다. 제3 링크 인자는 네거티브 매치 확률에 대응할 수 있다. 예를 들어, 연결하기에 적합하지 않은 2개의 컴퓨팅 디바이스는 각각 큰 물리적 거리만큼 분리되어 있는 상태에서 활동을 나타낼 수 있다. 이러한 분리는 2개의 컴퓨팅 디바이스의 각 IP 어드레스로부터 식별되거나 결정될 수 있다. 따라서, 데이터 처리 시스템은 2개의 컴퓨팅 디바이스가 거리 임계값(예를 들어, 0.5마일, 1마일, 5마일, 10마일, 30마일 등)으로 분리될 때 2개의 컴퓨팅 디바이스로부터 동시적인 활동을 식별할 때 2개의 컴퓨팅 디바이스 사이의 네거티브 매치 확률을 증가시킬 수 있다.
방법(200)은 블록(235)에서 데이터 처리 시스템이 네거티브 매치 확률을 결정하는 단계를 포함할 수 있다. 데이터 처리 시스템은 제2 링크 인자에 기초하여 및 제3 링크 인자에 기초하여 네거티브 매치 확률을 결정할 수 있다. 예를 들어, (블록(225) 및 블록(230)에서와 같이) 제2 또는 제3 링크 인자가 식별될 때마다, 데이터 처리 시스템은 네거티브 매치 확률을 증가시킬 수 있다. 증가는 미리 정해진 양만큼이거나 또는 제2 링크 인자 및 제3 링크 인자와 관련된 정보에 기초하여 계산될 수 있다. 예를 들어 제3 링크 인자를 참조하여 2개의 IP 어드레스 사이의 거리가 멀면 멀수록 네거티브 매치 확률의 증가가 더 커진다. 이 거리 분리에 기초한 증가는 비례하는 것, 지수적으로 비례하는 것, 가산하는 것 등일 수 있다. 네거티브 매치 확률은 또한 시간 기간을 고려할 수 있는 규칙 또는 수식에 기초하여 결정될 수 있다. 예를 들어, 제1 링크 인자와 제3 링크 인자를 구별하는 것 사이의 시간 간격이 작은 경우, 및 제3 링크 인자에서의 2개의 IP 어드레스 사이의 거리가 큰 경우, 2개의 컴퓨팅 디바이스가 다른 사용자에 의해 사용되고 있을 가능성이 더 높아져서, 보다 큰 네거티브 매치 확률을 나타낼 수 있다.
방법(200)은 블록(240)에서 데이터 처리 시스템이 제1 컴퓨팅 디바이스를 제2 컴퓨팅 디바이스와 링크시키는 단계를 포함할 수 있고, 블록(245)에서 링크를 나타내기 위해 데이터 구조를 메모리 또는 데이터베이스에 생성할 수 있다. 시스템은 포지티브 매치 확률과 네거티브 매치 확률을 결합시키고, 전체 확률을 확률 임계값과 비교하여 디바이스들을 링크할지 여부를 결정할 수 있다. 데이터 처리 시스템은 수식 1/(1+e^-(wp*op+wn*on))을 사용하여 전체 매치 확률을 결정하고, 여기서 wp = 포지티브 매치 확률에 대한 가중치이고, wn = 네거티브 매치 확률에 대한 가중치이고, op = 포지티브 매치 확률이고, on = 네거티브 매치 확률이다. 전체 매치 확률이 임계값을 만족하는 것(예를 들어, ~ 이상; 또는 ~ 이하)에 응답하여, 데이터 처리 시스템은 링크를 생성할 수 있다.
도 3a 및 도 3b는 하나 이상의 구현예에 따라 다수의 컴퓨팅 디바이스로부터의 컴퓨터 네트워크 활동을 도시하는 다이어그램이다. 데이터 처리 시스템은 링크 데이터 구조에 기초하여 디스플레이하기 위한 그래프를 생성할 수 있다. 데이터 처리 시스템은 제1, 제2 또는 제3 인자를 사용하여 그래프를 생성할 수 있다. 그래프는 링크 또는 매치 확률을 도시하거나 나타낼 수 있다. 도 3a의 그래프(300)는 포지티브 매치 확률에 대한 링크 인자를 나타낼 수 있다. 그래프(300)는 시간에 대한 수평 축(305) 및 디바이스의 활동에 대한 수직 축(310)을 포함한다. 시간은 분, 초, 시간 또는 다른 시간 단위일 수 있다. 축(310)은 디바이스(1)의 활동(315) 및 디바이스(2)의 활동(320)을 나타낸다. 디바이스(1)(315)는 단일 식별자 디바이스, 참조 디바이스 또는 링크 디바이스와 같은 제1 컴퓨팅 디바이스일 수 있다. 디바이스(2)(320)는 제2 컴퓨팅 디바이스일 수 있다. 그래프(300)에 도시된 활동은 상위 레벨의 활동 또는 수동적인 활동(또는 비 활동)과 같은 활동 레벨을 나타낼 수 있다. 예를 들어, 대시 라인(355, 360, 365, 370, 375 및 380)은 각각 디바이스(1) 및 디바이스(2)의 수동적인 활동을 나타낼 수 있다. 실선 라인(325, 330, 335, 340, 345 및 350)은 상위 레벨의 활동을 나타낼 수 있다. 그래프(300)에 도시된 바와 같이, 디바이스(1)(315)의 상위 레벨의 활동(325)은 디바이스(2)(320)의 수동적인 활동 또는 비 활동(355)에 대응한다. 이 패턴은 0 내지 45의 시간 동안 지속된다. 예를 들어, 디바이스(2)의 상위 레벨의 활동(340)은 디바이스(1)의 비 활동 또는 수동적인 활동(370)에 대응하고; 디바이스(2)의 수동적인 활동 또는 비 활동(360)은 디바이스(1)의 상위 레벨의 활동(330)에 대응하고; 디바이스(2)의 상위 레벨의 활동(345)은 디바이스(1)의 수동적인 활동 또는 비 활동(375)에 대응하고; 디바이스(2)의 수동적인 활동 또는 비 활동(365)은 디바이스(1)의 상위 레벨의 활동(335)에 대응하고; 및 디바이스(2)의 상위 레벨의 활동(350)은 디바이스(1)의 수동적인 활동 또는 비 활동(380)에 대응한다. 따라서, 이것은 2개의 컴퓨팅 디바이스(315 및 320)가 동시에 상위 활동을 갖지 않기 때문에 포지티브 링크 인자를 트리거할 수 있다(또는 네거티브 매치 확률을 증가시키지는 않을 수 있다). 또한, 2개의 컴퓨팅 디바이스는 동일하거나 상이한 위치에 있을 수 있다.
도 3b의 그래프(301)는 네거티브 매치 확률에 대한 링크 인자를 나타낼 수 있다. 그래프(301)는 시간에 대한 수평 축(306) 및 디바이스의 활동에 대한 수직 축(311)을 포함한다. 시간은 분, 초, 시간 또는 다른 시간 단위일 수 있다. 축(311)은 디바이스(3)의 활동(316) 및 디바이스(4)의 활동(321)을 나타낸다. 디바이스(2)(316)는 단일 식별자 디바이스, 참조 디바이스 또는 링크 디바이스와 같은 제1 컴퓨팅 디바이스일 수 있다. 디바이스(4)(321)는 제2 컴퓨팅 디바이스일 수 있다. 그래프(301)에 도시된 활동은 상위 레벨의 활동 또는 수동적인 활동(또는 비 활동)과 같은 활동 레벨을 나타낼 수 있다. 예를 들어, 대시 라인(326, 341 및 351)은 각각 디바이스(3) 및 디바이스(4)의 수동적인 활동을 나타낼 수 있다. 실선 라인(331, 336, 346 및 356)은 상위 레벨의 활동을 나타낼 수 있다. 그래프(301)에 도시된 바와 같이, 디바이스(1)(316)의 상위 레벨의 활동(336)은 디바이스(4)(321)의 수동적인 활동(또는 비 활동)(326) 및 상위 레벨의 활동(331)과 오버랩된다. 이것은 포지티브 매치를 나타내지 않거나 네거티브 매치를 나타낼 수 있다. 이 패턴은 0 내지 40의 시간 동안 지속된다. 예를 들어, 디바이스(4)(321)의 상위 레벨의 활동(331)은 디바이스(3)(316)의 수동적인 활동(또는 비 활동)(341) 및 상위 레벨의 활동(346)과 계속 오버랩된다; 그리고 디바이스(4)(321)의 상위 레벨의 활동(331)은 디바이스(3)(316)의 수동적인 활동(또는 비 활동)(351) 및 상위 레벨의 활동(356)과 계속 오버랩된다. 따라서, 이것은 2개의 컴퓨팅 디바이스(316 및 321)가 동시에 상위 레벨의 활동(예를 들어, 능동적인 입력 활동)을 갖기 때문에 네거티브 링크 인자를 트리거할 수 있다(또는 포지티브 매치 확률을 증가시키지 않을 수 있다). 2개의 컴퓨팅 디바이스(321, 316)가 상이한 위치에 있다면, 이것은 네거티브 매치 확률을 더 증가시킬 수 있다. 디바이스(321, 316)들 사이의 거리의 양은 네거티브 매치 확률을 더 증가시킬 수 있다. 예를 들어, 2개의 디바이스가 5마일 떨어져 있지만 둘 다 상위 활동 레벨을 동시에 나타낸다면, 동일한 사용자가 두 디바이스를 모두 사용할 수 없으므로 비-링크임을 나타낸다.
도 4는 예시적인 구현예에 따른 컴퓨터 시스템(400)의 블록도이다. 컴퓨터 시스템 또는 컴퓨팅 디바이스(400)는 시스템(100), 시스템(300), 컨텐츠 제공자(125), 컴퓨팅 디바이스(110), 컨텐츠 발행자(115), 데이터 처리 시스템(120), 매칭 엔진(130), 커넥터(135), 컨텐츠 선택기(140), 지리적 위치 모듈(150), 및 데이터 저장소(145)를 구현하는데 사용될 수 있다. 컴퓨팅 시스템(400)은 정보를 통신하기 위한 버스(405) 또는 다른 통신 구성 요소, 및 정보를 처리하기 위해 버스(405)에 결합된 프로세서(410) 또는 처리 회로를 포함한다. 컴퓨팅 시스템(400)은 또한 정보를 처리하기 위해 버스에 결합된 하나 이상의 프로세서(410) 또는 처리 회로를 포함할 수 있다. 컴퓨팅 시스템(400)은 또한 프로세서(410)에 의해 실행될 명령 및 정보를 저장하기 위해 버스(405)에 연결된 랜덤 액세스 메모리(random access memory: RAM) 또는 다른 동적 저장 디바이스와 같은 메인 메모리(415)를 포함한다. 메인 메모리(415)는 또한 프로세서(410)에 의해 명령을 실행하는 동안 위치 정보, 시간 변수, 또는 다른 중간 정보를 저장하는데 사용될 수 있다. 컴퓨팅 시스템(400)은 프로세서(410)를 위한 명령 및 정적인 정보를 저장하기 위해 버스(405)에 결합된 판독 전용 메모리(read only memory: ROM)(420) 또는 다른 정적 저장 디바이스를 더 포함할 수 있다. 솔리드 스테이트 디바이스, 자기 디스크 또는 광 디스크와 같은 저장 디바이스(425)는 정보 및 명령을 지속적으로 저장하기 위해 버스(405)에 결합된다.
컴퓨팅 시스템(400)은 정보를 사용자에게 디스플레이하기 위해 액정 디스플레이 또는 능동 매트릭스 디스플레이와 같은 디스플레이(435)에 버스(405)를 통해 결합될 수 있다. 영숫자 및 다른 키들을 포함하는 키보드와 같은 입력 디바이스(430)는 정보 및 명령 선택을 프로세서(410)에 통신하기 위해 버스(405)에 결합될 수 있다. 입력 디바이스(430)는 터치 스크린 디스플레이(435)를 포함할 수 있다. 입력 디바이스(430)는 또한 방향 정보 및 명령 선택을 프로세서(410)에 통신하고 디스플레이(435) 상의 커서의 움직임을 제어하기 위해 마우스, 트랙볼 또는 커서 방향 키와 같은 커서 제어를 포함할 수 있다.
본 명세서에 설명된 공정, 시스템 및 방법은 프로세서(410)가 메인 메모리(415)에 포함된 명령의 배열을 실행하는 것에 응답하여 컴퓨팅 시스템(400)에 의해 구현될 수 있다. 이러한 명령은 다른 컴퓨터 판독 가능 매체, 예를 들어, 저장 디바이스(425)로부터 메인 메모리(415)로 판독될 수 있다. 메인 메모리(415)에 포함된 명령의 배열을 실행하면 컴퓨팅 시스템(400)이 본 명세서에서 설명된 예시적인 공정을 수행할 수 있다. 또한, 다중 처리 배열 내의 하나 이상의 프로세서는 메인 메모리(415)에 포함된 명령을 실행하는데 사용될 수 있다. 대안적인 구현예에서, 하드-와이어 회로는 소프트웨어 명령 대신에 또는 소프트웨어 명령과 함께 사용되어 예시적인 구현예를 수행할 수 있다. 따라서, 구현예는 하드웨어 회로 및 소프트웨어의 임의의 특정 조합으로 제한되지 않는다.
예시적인 컴퓨팅 시스템이 도 4에 기술되었지만, 본 명세서에서 설명된 주제 및 기능 동작의 구현예는, 본 명세서에서 개시된 구조 및 그 등가 구조를 포함하는, 다른 유형의 디지털 전자 회로로 구현되거나 또는 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어로 구현되거나, 또는 이들 중 하나 이상의 조합으로 구현될 수 있다.
본 명세서에 설명된 주제 및 동작의 구현예는, 본 명세서에 개시된 구조 및 등가 구조를 포함하는, 디지털 전자 회로로 구현되거나, 또는 컴퓨터 소프트웨어, 펌웨어 또는 하드웨어로 구현되거나, 또는 이들 중 하나 이상을 조합으로 구현될 수 있다. 본 명세서에서 설명된 주제는 데이터 처리 장치에 의해 실행되거나 또는 데이터 처리 장치의 동작을 제어하기 위해 하나 이상의 컴퓨터 저장 매체 상에 인코딩된, 하나 이상의 컴퓨터 프로그램, 예를 들어, 컴퓨터 프로그램 명령의 하나 이상의 회로로 구현될 수 있다. 대안적으로 또는 추가적으로, 프로그램 명령은, 인위적으로 생성된 전파 신호, 예를 들어, 데이터 처리 장치에 의해 실행되는 적절한 수신기 장치로 전송되는 정보를 인코딩하도록 생성된 머신-생성된 전기적, 광학적 또는 전자기적 신호 상에 인코딩될 수 있다. 컴퓨터 저장 매체는 컴퓨터 판독 가능 저장 디바이스, 컴퓨터 판독 가능 저장 기판, 랜덤 또는 직렬 액세스 메모리 어레이 또는 디바이스, 또는 이들 중 하나 이상의 조합이거나 이들로 포함될 수 있다. 또한, 컴퓨터 저장 매체는 전파 신호가 아니지만, 컴퓨터 저장 매체는 인위적으로 생성된 전파 신호로 인코딩된 컴퓨터 프로그램 명령의 소스 또는 목적지일 수 있다. 또한, 컴퓨터 저장 매체는 하나 이상의 별개의 구성 요소 또는 매체(예를 들어, 다수의 CD, 디스크 또는 다른 저장 디바이스)이거나 이들에 포함될 수 있다.
본 명세서에서 설명된 동작은 하나 이상의 컴퓨터 판독 가능 저장 디바이스에 저장되거나 다른 소스로부터 수신된 데이터에 데이터 처리 장치에 의해 수행될 수 있다.
"데이터 처리 장치" 또는 "컴퓨팅 디바이스"라는 용어는 예를 들어 프로그래밍 가능 프로세서, 컴퓨터, 칩 상의 시스템, 또는 다수의 시스템 또는 이들의 조합을 포함하는, 데이터를 처리하기 위한 다양한 장치, 디바이스 및 머신을 포함한다. 장치는 특수 목적 논리 회로, 예를 들어 전계 프로그래밍 가능한 게이트 어레이(field programmable gate array: FPGA) 또는 주문형 집적 회로(application specific integrated circuit: ASIC)를 포함할 수 있다. 장치는 또한, 하드웨어 이외에, 해당 컴퓨터 프로그램을 위한 실행 환경을 생성하는 코드, 예를 들어, 프로세서 펌웨어, 프로토콜 스택, 데이터베이스 관리 시스템, 운영 체제, 크로스-플랫폼 런타임 환경, 가상 머신, 또는 이들 중 하나 이상의 조합을 구성하는 코드를 포함할 수 있다. 장치 및 실행 환경은 웹 서비스, 분산 컴퓨팅 및 그리드 컴퓨팅 기반 구조와 같은 다양한 컴퓨팅 모델 기반 구조를 실현할 수 있다.
컴퓨터 프로그램(또한 프로그램, 소프트웨어, 소프트웨어 애플리케이션, 스크립트 또는 코드라고도 함)은 컴파일된 또는 인터프리트된 언어, 선언적 또는 절차적 언어를 포함한 임의의 형태의 프로그래밍 언어로 작성될 수 있으며, 컴퓨터 프로그램은 독립 실행 프로그램을 포함하거나 또는 컴퓨팅 환경에서 사용하기에 적합한 회로, 구성 요소, 서브루틴, 객체 또는 다른 디바이스를 포함하는 임의의 형식으로 전개될 수 있다. 컴퓨터 프로그램은 파일 시스템의 파일에 해당할 수 있지만 반드시 그런 것은 아니다. 프로그램은 다른 프로그램 또는 데이터(예를 들어, 마크업 언어 문서에 저장된 하나 이상의 스크립트)를 보유하는 파일의 일부에 저장되거나, 해당 프로그램에 전용된 단일 파일로 저장되거나, 또는 다수의 조정된 파일(예를 들어, 하나 이상의 회로, 서브프로그램 또는 코드의 부분을 저장하는 파일)로 저장될 수 있다. 컴퓨터 프로그램은 하나의 컴퓨터에서 실행되거나, 또는 하나의 사이트에 위치되거나 다수의 사이트에 분산되어 위치되어 통신 네트워크로 상호 연결된 다수의 컴퓨터에서 실행되도록 전개될 수 있다.
컴퓨터 프로그램을 실행하기에 적합한 프로세서는 예를 들어 일반 목적 및 특수 목적 마이크로프로세서 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서를 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 모두로부터 명령 및 데이터를 수신할 것이다. 컴퓨터의 필수 요소는 명령에 따라 액션을 수행하기 위한 프로세서, 및 명령 및 데이터를 저장하기 위한 하나 이상의 메모리 디바이스이다. 일반적으로, 컴퓨터는 또한 데이터를 저장하기 위한 하나 이상의 대용량 저장 디바이스, 예를 들어, 자기 디스크, 광 자기 디스크 또는 광 디스크로부터 데이터를 수신하거나 이로 데이터를 송신하거나, 또는 이들 둘 모두를 수행하도록 동작 가능하게 결합되거나 이를 포함할 것이다. 그러나 컴퓨터는 이러한 디바이스를 가질 필요가 없다. 또한, 컴퓨터는 예를 들어, 모바일 전화, 개인 정보 단말기(personal digital assistant: PDA), 모바일 오디오 또는 비디오 플레이어, 게임 콘솔, GPS(Global Positioning System) 수신기, 또는 휴대용 저장 디바이스(예를 들어, 범용 직렬 버스(universal serial bus: USB) 플래시 드라이브)와 같은 다른 디바이스에 내장될 수 있다. 컴퓨터 프로그램 명령 및 데이터를 저장하기에 적합한 디바이스는 예를 들어 반도체 메모리 디바이스, 예를 들어, EPROM, EEPROM 및 플래시 메모리 디바이스를 포함하는 모든 형태의 비-휘발성 메모리, 매체 및 메모리 디바이스; 자기 디스크, 예를 들어, 내부 하드 디스크 또는 이동식 디스크; 광 자기 디스크; 및 CD ROM 및 DVD-ROM 디스크를 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로에 의해 보충되거나 이에 포함될 수 있다.
사용자와의 상호 작용을 제공하기 위해, 본 명세서에서 설명된 주제의 구현예는 사용자에 정보를 디스플레이하기 위해 예를 들어 CRT(cathode ray tube) 또는 LCD(liquid crystal display) 모니터와 같은 디스플레이 디바이스, 및 사용자가 컴퓨터에 입력을 제공할 수 있는, 예를 들어 마우스 또는 트랙볼과 같은 키보드 및 포인팅 디바이스를 갖는 컴퓨터 상에서 구현될 수 있다. 다른 종류의 디바이스가 또한 사용자와의 상호 작용을 제공하는 데 사용될 수 있고; 예를 들어, 사용자에게 제공되는 피드백은, 예를 들어, 시각적 피드백, 청각적 피드백 또는 촉각적 피드백과 같은 임의의 형태의 감각적 피드백일 수 있고; 및 사용자로부터의 입력은 음향, 음성 또는 촉각 입력을 포함하는 임의의 형태로 수신될 수 있다.
본 명세서는 많은 특정 구현 상세를 포함하고 있지만, 이들 상세는 임의의 발명의 범위 또는 청구될 수 있는 발명의 범위를 제한하는 것으로 해석되어서는 안 되고, 오히려 특정 발명의 특정 구현에 특정한 특징을 설명하는 것으로 해석되어야 한다. 별도의 구현예의 맥락에서 본 명세서에 설명된 특정 특징은 또한 단일 구현으로 조합하여 구현될 수 있다. 역으로, 단일 구현의 맥락에서 설명된 다양한 특징은 다수의 구현예에서 또한 개별적으로 또는 임의의 적절한 하위 조합으로 구현될 수 있다. 더욱이, 특징들은 상기에서 특정 조합으로 작용하는 것으로 설명되고 심지어 초기에는 그러한 것으로서 청구될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징은 일부 경우에 조합으로부터 제거될 수 있고, 청구된 조합은 서브조합 또는 서브조합의 변형에 관한 것일 수 있다.
유사하게, 동작들이 특정 순서로 도면에 도시되어 있지만, 이는 바람직한 결과를 달성하기 위해, 이러한 동작이 도시된 특정 순서 또는 순차적인 순서로 수행되거나, 도시된 모든 동작들이 수행될 것을 요구하는 것으로 이해되어서는 안 된다. 특정 상황에서 멀티태스킹 및 병렬 처리가 유리할 수 있다. 또한, 전술한 구현 예에서 다양한 시스템 구성 요소를 분리한 것은 모든 구현예에서 그러한 분리를 필요로 하는 것으로 이해되어서는 안 되며, 설명된 프로그램 구성 요소들 및 시스템들은 일반적으로 단일 소프트웨어 제품으로 통합되거나 또는 다중 소프트웨어 제품으로 통합될 수 있는 것으로 이해되어야 한다.
"또는"이라는 언급은 "또는"을 사용하여 설명된 임의의 용어가 설명된 용어 중 하나, 둘 이상 및 모든 것 중 임의의 것을 나타낼 수 있는 포괄적인 의미인 것으로 해석될 수 있다.
따라서, 본 주제의 특정 구현예가 설명되었다. 다른 구현예들은 다음의 청구범위 내에 있다. 일부 경우에 청구범위에 나열된 액션들은 다른 순서로 수행될 수 있고 여전히 바람직한 결과를 얻을 수 있다. 또한, 첨부된 도면에 도시된 공정은 바람직한 결과를 얻기 위해 도시된 특정 순서 또는 순차적인 순서를 반드시 필요로 하는 것은 아니다. 특정 구현예에서, 멀티태스킹 및 병렬 처리가 유리할 수 있다.
Claims (18)
- 컴퓨터 네트워크 활동에 기초하여 컴퓨팅 디바이스들을 서로 관련시키는 방법으로서,
데이터 처리 시스템에 의해, 제1 시간 기간 동안 제1 네트워크 노드 식별자를 통한 제1 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 그리고 상기 제1 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 제2 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 제1 링크 인자를 식별하는 단계;
상기 데이터 처리 시스템에 의해, 상기 제1 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통해 상기 컴퓨터 네트워크와 연결되는 상기 제1 컴퓨팅 디바이스 이외의 컴퓨팅 디바이스들의 수를 결정하는 단계;
상기 데이터 처리 시스템에 의해, 제2 시간 기간 동안 상기 제1 컴퓨팅 디바이스에서의 입력 활동에 기초하여 그리고 상기 제2 시간 기간 동안 상기 제2 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제2 링크 인자를 모니터링하는 단계;
상기 데이터 처리 시스템에 의해, 제3 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 상기 제1 컴퓨팅 디바이스의 활동에 기초하여 그리고 상기 제3 시간 기간 동안 제2 네트워크 노드 식별자를 통한 상기 제2 컴퓨팅 디바이스의 활동에 기초하여 제3 링크 인자를 모니터링하는 단계; 및
상기 데이터 처리 시스템에 의해, 상기 제1 링크 인자, 상기 제2 링크 인자 및 상기 제3 링크 인자에 기초하여 상기 제1 컴퓨팅 디바이스를 상기 제2 컴퓨팅 디바이스와 링크시키는 단계를 포함하는 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제1항에 있어서,
상기 방법은 온라인 컨텐츠 항목 배치 캠페인의 일부로서 컨텐츠 항목들을 선택하는 것에 전용되고, 상기 방법은,
상기 데이터 처리 시스템에 의해, 상기 제1 링크 인자에 기초하여 그리고 상기 컴퓨팅 디바이스들의 수에 기초하여 포지티브 매치 확률을 생성하는 단계;
상기 데이터 처리 시스템에 의해, 상기 제2 링크 인자에 기초하여 그리고 상기 제3 링크 인자에 기초하여 네거티브 매치 확률을 결정하는 단계로서, 상기 제1 컴퓨팅 디바이스는 상기 포지티브 매치 확률 및 상기 네거티브 매치 확률에 기초하여 상기 제2 컴퓨팅 디바이스와 링크되는, 상기 네거티브 매치 확률을 결정하는 단계; 및
상기 데이터 처리 시스템에 의해, 상기 제1 컴퓨팅 디바이스와 상기 제2 컴퓨팅 디바이스 사이의 링크를 나타내기 위해 데이터 구조를 생성하는 단계를 더 포함하고,
상기 제1 네트워크 노드 식별자는 제1 IP 어드레스이고, 상기 제2 네트워크 노드 식별자는 제2 IP 어드레스인 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제2항에 있어서,
제4 시간 기간에서 상기 제2 컴퓨팅 디바이스의 활동의 중지에 대응하는 상기 제1 컴퓨팅 디바이스로부터의 활동의 상기 데이터 처리 시스템의 식별에 기초하여 상기 포지티브 매치 확률을 증가시키는 단계를 포함하는 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제3항에 있어서,
상기 포지티브 매치 확률을 증가시키는 단계는 상기 포지티브 매치 확률을 100%/N으로 설정하는 단계를 포함하고, N은 상기 제1 시간 기간 동안 상기 제1 IP 어드레스에서 상기 데이터 처리 시스템에 의해 식별된 상기 제1 컴퓨팅 디바이스 이외의 컴퓨팅 디바이스들의 수인, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제1항에 있어서,
상기 데이터 처리 시스템은 수식 1/(1+e^-(wp*op+wn*on))에 의해 결정되는 전체 매치 확률에 기초하여 상기 제1 컴퓨팅 디바이스를 상기 제2 컴퓨팅 디바이스에 링크시키고, wp = 포지티브 매치 확률에 대한 가중치이고, wn = 네거티브 매치 확률에 대한 가중치이고, op = 포지티브 매치 확률이고, on = 네거티브 매치 확률인, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제5항에 있어서,
상기 데이터 처리 시스템에 의해, 알려진 링크들 및 알려진 비-링크들에 기초하여 상기 포지티브 매치 확률에 대한 가중치 및 상기 네거티브 매치 확률에 대한 가중치를 교정하는 단계를 포함하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제1항에 있어서,
상기 데이터 처리 시스템은 디폴트 포지티브 매치 확률 및 디폴트 네거티브 매치 확률을 0%로 설정하는 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제2항에 있어서,
상기 데이터 처리 시스템에 의해, IP 어드레스, 활동, 및 하루 중 시간을 포함하는 연속적인 데이터 포인트들에 기초하여 상기 제1 컴퓨팅 디바이스의 활동들의 제1 벡터를 생성하는 단계;
상기 데이터 처리 시스템에 의해, IP 어드레스, 활동, 및 하루 중 시간을 포함하는 연속적인 데이터 포인트들에 기초하여 상기 제2 컴퓨팅 디바이스의 활동들의 제2 벡터를 생성하는 단계; 및
상기 데이터 처리 시스템에 의해, 상기 제1 벡터와 상기 제2 벡터 사이의 비교에 기초하여 상기 포지티브 매치 확률 및 상기 네거티브 매치 확률을 조정하는 단계를 포함하는 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제2항에 있어서,
상기 데이터 구조에 기초하여 디스플레이하기 위한 그래프를 생성하는 단계를 포함하는 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제1항에 있어서,
상기 제1 컴퓨팅 디바이스의 익명의 ID는 상기 링크된 제1 컴퓨팅 디바이스 및 제2 컴퓨팅 디바이스에 대한 식별자로서 사용되는 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제1항에 있어서,
상기 데이터 처리 시스템에 의해, 제4 시간 기간 동안 제3 컴퓨팅 디바이스에서의 입력 활동에 기초하여 그리고 상기 제4 시간 기간 동안 제4 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 제4 링크 인자를 모니터링하는 단계;
상기 데이터 처리 시스템에 의해, 제5 시간 기간 동안 제3 네트워크 노드 식별자를 통한 상기 제3 컴퓨팅 디바이스의 활동에 기초하여 그리고 상기 제5 시간 기간 동안 제4 네트워크 노드 식별자를 통한 제4 컴퓨팅 디바이스의 활동에 기초하여 상기 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 제5 링크 인자를 모니터링하는 단계; 및
상기 데이터 처리 시스템에 의해, 상기 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 상기 제4 링크 인자에 기초하여 그리고 상기 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 상기 제5 링크 인자에 기초하여 상기 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스 사이의 비-링크를 결정하는 단계를 포함하는 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제11항에 있어서,
상기 데이터 처리 시스템에 의해, 상기 제3 컴퓨팅 디바이스와 상기 제4 컴퓨팅 디바이스의 상기 제4 링크 인자에 기초하여 그리고 상기 제3 컴퓨팅 디바이스와 상기 제4 컴퓨팅 디바이스의 상기 제5 링크 인자에 기초하여 제2 네거티브 매치 확률을 생성하는 단계로서, 상기 비-링크는 상기 제2 네거티브 매치 확률에 기초하여 결정되는, 상기 제2 네거티브 매치 확률을 생성하는 단계; 및
상기 데이터 처리 시스템에 의해, 상기 제3 컴퓨팅 디바이스와 상기 제4 컴퓨팅 디바이스 사이의 비-링크를 나타내기 위해 데이터 구조를 수정하는 단계를 더 포함하고,
상기 제3 네트워크 노드 식별자는 제3 IP 어드레스이고, 상기 제4 네트워크 노드 식별자는 제4 IP 어드레스인 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제1항에 있어서,
상기 링크에 기초하여 그리고 상기 제1 컴퓨팅 디바이스의 컴퓨터 네트워크 활동에 기초하여 상기 제2 컴퓨팅 디바이스 상에 온라인 문서와 함께 배치하기 위한 컨텐츠 항목을 선택하는 단계를 포함하는 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 제1항에 있어서,
상기 제3 링크 인자는 상기 제1 컴퓨팅 디바이스와 상기 제2 컴퓨팅 디바이스 사이의 지리적 거리에 기초하고, 상기 제3 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 상기 제1 컴퓨팅 디바이스에서의 상기 입력 활동에 기초하며, 그리고 상기 제2 네트워크 노드 식별자를 통한 상기 제2 컴퓨팅 디바이스에서의 상기 입력 활동에 기초하는 것을 특징으로 하는 컴퓨팅 디바이스들을 서로 관련시키는 방법. - 컴퓨터 네트워크 활동에 기초하여 컴퓨팅 디바이스들을 서로 관련시키기 위한 시스템으로서,
하나 이상의 프로세서들을 갖는 데이터 처리 시스템;
상기 데이터 처리 시스템에 의해 실행되는 매칭 엔진으로서, 상기 매칭 엔진은,
제1 시간 기간 동안 제1 네트워크 노드 식별자를 통한 제1 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 그리고 상기 제1 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 제2 컴퓨팅 디바이스와 상기 컴퓨터 네트워크 사이의 연결에 기초하여 제1 링크 인자를 식별하고,
상기 제1 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통해 상기 컴퓨터 네트워크와 연결되는 상기 제1 컴퓨팅 디바이스 이외의 컴퓨팅 디바이스들의 수를 결정하고,
상기 제1 링크 인자에 기초하여 그리고 상기 컴퓨팅 디바이스들의 수에 기초하여 포지티브 매치 확률을 생성하고,
제2 시간 기간 동안 상기 제1 컴퓨팅 디바이스에서의 입력 활동에 기초하여 그리고 상기 제2 시간 기간 동안 상기 제2 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제2 링크 인자를 모니터링하고,
제3 시간 기간 동안 상기 제1 네트워크 노드 식별자를 통한 상기 제1 컴퓨팅 디바이스의 활동에 기초하여 그리고 상기 제3 시간 기간 동안 제2 네트워크 노드 식별자를 통한 상기 제2 컴퓨팅 디바이스의 활동에 기초하여 제3 링크 인자를 모니터링하고,
상기 제2 링크 인자에 기초하여 그리고 상기 제3 링크 인자에 기초하여 네거티브 매치 확률을 결정하는, 상기 매칭 엔진; 및
상기 데이터 처리 시스템에 의해 실행되고, 상기 포지티브 매치 확률 및 상기 네거티브 매치 확률에 기초하여 상기 제1 컴퓨팅 디바이스를 상기 제2 컴퓨팅 디바이스에 링크시키는 커넥터를 포함하는 것을 특징으로 하는,
컴퓨팅 디바이스들을 서로 관련시키기 위한 시스템. - 제15항에 있어서,
상기 하나 이상의 프로세서들은,
제4 시간 기간 동안 제3 컴퓨팅 디바이스에서의 입력 활동에 기초하여 그리고 상기 제4 시간 기간 동안 제4 컴퓨팅 디바이스에서의 입력 활동에 기초하여 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 제4 링크 인자를 모니터링하고;
제5 시간 기간 동안 제3 네트워크 노드 식별자를 통한 제3 컴퓨팅 디바이스의 활동에 기초하여 그리고 상기 제5 시간 기간 동안 제4 네트워크 노드 식별자를 통한 제4 컴퓨팅 디바이스의 활동에 기초하여 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 제5 링크 인자를 모니터링하고;
제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 상기 제4 링크 인자에 기초하여 그리고 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스의 상기 제5 링크 인자에 기초하여 제2 네거티브 매치 확률을 생성하고; 그리고
상기 제2 네거티브 매치 확률에 기초하여 제3 컴퓨팅 디바이스와 제4 컴퓨팅 디바이스 사이의 비-링크를 결정하도록 더 구성된 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키기 위한 시스템. - 제15항 또는 제16항에 있어서,
상기 하나 이상의 프로세서들은 수식 1/(1+e^-(wp*op+wn*on))에 의해 결정되는 전체 매치 확률에 기초하여 상기 제1 컴퓨팅 디바이스를 상기 제2 컴퓨팅 디바이스에 링크시키도록 구성되고, wp = 포지티브 매치 확률에 대한 가중치이고, wn = 네거티브 매치 확률에 대한 가중치이고, op = 포지티브 매치 확률이고, on = 네거티브 매치 확률인 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키기 위한 시스템. - 제17항에 있어서,
상기 하나 이상의 프로세서들은,
알려진 링크들 및 알려진 비-링크들에 기초하여 포지티브 매치 확률에 대한 가중치와 네거티브 매치 확률에 대한 가중치를 교정하도록 더 구성된 것을 특징으로 하는, 컴퓨팅 디바이스들을 서로 관련시키기 위한 시스템.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/806,268 US10068027B2 (en) | 2015-07-22 | 2015-07-22 | Systems and methods for selecting content based on linked devices |
US14/806,268 | 2015-07-22 | ||
PCT/US2016/042053 WO2017015020A1 (en) | 2015-07-22 | 2016-07-13 | System and method for selecting content for a device based on the probability that devices are linked |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20170137129A KR20170137129A (ko) | 2017-12-12 |
KR102030644B1 true KR102030644B1 (ko) | 2019-11-08 |
Family
ID=56507863
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020177031640A KR102030644B1 (ko) | 2015-07-22 | 2016-07-13 | 디바이스가 링크될 확률에 기초하여 디바이스의 컨텐츠를 선택하기 위한 시스템 및 방법 |
Country Status (6)
Country | Link |
---|---|
US (7) | US10068027B2 (ko) |
EP (1) | EP3326133A1 (ko) |
JP (1) | JP6608957B2 (ko) |
KR (1) | KR102030644B1 (ko) |
CN (1) | CN107111652B (ko) |
WO (1) | WO2017015020A1 (ko) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9953340B1 (en) * | 2012-05-22 | 2018-04-24 | Google Llc | Companion advertisements on remote control devices |
US20200242491A1 (en) * | 2014-12-19 | 2020-07-30 | Data Boiler Technologies LLC | Efficient use of computing resources through transformation and comparison of trade data to musical piece representation and metrical trees |
US10068027B2 (en) | 2015-07-22 | 2018-09-04 | Google Llc | Systems and methods for selecting content based on linked devices |
US20170068644A1 (en) * | 2015-09-09 | 2017-03-09 | BlogNirvana.com, LLC | Systems, devices, and methods for dynamically generating webpages |
US10893113B2 (en) | 2016-06-06 | 2021-01-12 | International Business Machines Corporation | Generating push notifications |
US10313461B2 (en) * | 2016-11-17 | 2019-06-04 | Facebook, Inc. | Adjusting pacing of notifications based on interactions with previous notifications |
US10496847B2 (en) * | 2017-02-16 | 2019-12-03 | Visa International Service Association | Systems and methods for anonymized behavior analysis |
WO2018170120A1 (en) * | 2017-03-15 | 2018-09-20 | Thomson Reuters Global Resources Unlimited Company | Systems and methods for detecting and locating unsecured sensors in a network |
US10805377B2 (en) * | 2017-05-18 | 2020-10-13 | Cisco Technology, Inc. | Client device tracking |
US10581980B2 (en) * | 2017-06-01 | 2020-03-03 | Xandr Inc. | Device identification techniques using shared device graph |
US10194418B2 (en) | 2017-06-02 | 2019-01-29 | Apple Inc. | Determination and presentation of customized notifications |
CN111512288B (zh) * | 2017-12-22 | 2021-05-14 | 第六感因塞斯公司 | 将实体映射到帐户 |
US10565229B2 (en) | 2018-05-24 | 2020-02-18 | People.ai, Inc. | Systems and methods for matching electronic activities directly to record objects of systems of record |
US11924297B2 (en) | 2018-05-24 | 2024-03-05 | People.ai, Inc. | Systems and methods for generating a filtered data set |
US11463441B2 (en) | 2018-05-24 | 2022-10-04 | People.ai, Inc. | Systems and methods for managing the generation or deletion of record objects based on electronic activities and communication policies |
US11290530B2 (en) * | 2018-06-01 | 2022-03-29 | Apple Inc. | Customizable, pull-based asset transfer requests using object models |
CN111078283B (zh) * | 2018-10-19 | 2021-02-09 | 中科寒武纪科技股份有限公司 | 运算方法、装置及相关产品 |
RU2739864C1 (ru) * | 2019-07-17 | 2020-12-29 | Акционерное общество "Лаборатория Касперского" | Система и способ корреляции событий для выявления инцидента информационной безопасности |
US20230188937A1 (en) * | 2021-12-15 | 2023-06-15 | WootCloud Inc. | Systems and Methods for Computing Device Association |
US11863464B2 (en) * | 2022-05-24 | 2024-01-02 | Arista Networks, Inc. | Resource utilization in resource reservation protocol split tunnels with adaptive sub-tunneling |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090210369A1 (en) | 2008-02-15 | 2009-08-20 | Zheng Shao | Systems and methods of predicting resource usefulness using universal resource locators |
US20130124309A1 (en) | 2011-11-15 | 2013-05-16 | Tapad, Inc. | Managing associations between device identifiers |
US20130132484A1 (en) | 2011-11-21 | 2013-05-23 | Mateusz Berezecki | Network-Traffic-Analysis-Based Suggestion Generation |
US20140095320A1 (en) | 2012-05-10 | 2014-04-03 | Drawbridge, Inc. | System and Method for Determining Related Digital Identities |
WO2014203001A1 (en) | 2013-06-20 | 2014-12-24 | Vodafone Ip Licensing Limited | Multiple device correlation |
US20150113024A1 (en) | 2013-10-17 | 2015-04-23 | Mastercard International Incorporated | Generating social graphs using coincident geolocation data |
Family Cites Families (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6078916A (en) * | 1997-08-01 | 2000-06-20 | Culliss; Gary | Method for organizing information |
JP2002531901A (ja) * | 1998-12-02 | 2002-09-24 | ザ・ビクトリア・ユニバーシテイ・オブ・マンチエスター | 顔の部分空間の決定 |
US6528260B1 (en) * | 1999-03-25 | 2003-03-04 | Genset, S.A. | Biallelic markers related to genes involved in drug metabolism |
US7630986B1 (en) | 1999-10-27 | 2009-12-08 | Pinpoint, Incorporated | Secure data interchange |
US20020042681A1 (en) * | 2000-10-03 | 2002-04-11 | International Business Machines Corporation | Characterization of phenotypes by gene expression patterns and classification of samples based thereon |
GB0114317D0 (en) * | 2001-06-13 | 2001-08-01 | Kean Thomas A | Method of protecting intellectual property cores on field programmable gate array |
US6687697B2 (en) | 2001-07-30 | 2004-02-03 | Microsoft Corporation | System and method for improved string matching under noisy channel conditions |
US7170857B2 (en) | 2001-08-10 | 2007-01-30 | Strix Systems, Inc. | Virtual linking using a wireless device |
FR2834459B1 (fr) | 2002-01-07 | 2006-08-04 | Oreal | Agent microbicide et composition de traitement cosmetique le contenant |
US7184929B2 (en) * | 2004-01-28 | 2007-02-27 | Microsoft Corporation | Exponential priors for maximum entropy models |
US8582567B2 (en) * | 2005-08-09 | 2013-11-12 | Avaya Inc. | System and method for providing network level and nodal level vulnerability protection in VoIP networks |
US7460508B2 (en) * | 2004-12-01 | 2008-12-02 | Telefonaktiebolaget L M Ericsson (Publ) | Methods for cluster-based multi-party conferencing in ad-hoc networks |
US8200700B2 (en) | 2005-02-01 | 2012-06-12 | Newsilike Media Group, Inc | Systems and methods for use of structured and unstructured distributed data |
US20130104251A1 (en) | 2005-02-01 | 2013-04-25 | Newsilike Media Group, Inc. | Security systems and methods for use with structured and unstructured data |
US20060265489A1 (en) | 2005-02-01 | 2006-11-23 | Moore James F | Disaster management using an enhanced syndication platform |
US9118774B2 (en) * | 2005-07-21 | 2015-08-25 | Google Inc. | Dispatch system to remote devices |
US7614024B2 (en) | 2005-10-06 | 2009-11-03 | Broadcom Corporation | Method to implement metal fill during integrated circuit design and layout |
EP2021979B1 (en) * | 2006-05-30 | 2012-03-21 | Yissum Research Development Company of the Hebrew University of Jerusalem | Pattern matching |
US7668954B1 (en) | 2006-06-27 | 2010-02-23 | Stephen Waller Melvin | Unique identifier validation |
US20080005067A1 (en) * | 2006-06-28 | 2008-01-03 | Microsoft Corporation | Context-based search, retrieval, and awareness |
US20080109285A1 (en) * | 2006-10-26 | 2008-05-08 | Mobile Content Networks, Inc. | Techniques for determining relevant advertisements in response to queries |
US7840927B1 (en) * | 2006-12-08 | 2010-11-23 | Harold Wallace Dozier | Mutable cells for use in integrated circuits |
US8744883B2 (en) * | 2006-12-19 | 2014-06-03 | Yahoo! Inc. | System and method for labeling a content item based on a posterior probability distribution |
US7966321B2 (en) * | 2007-01-17 | 2011-06-21 | Google Inc. | Presentation of local results |
US8327421B2 (en) * | 2007-01-30 | 2012-12-04 | Imprivata, Inc. | System and method for identity consolidation |
US7861260B2 (en) * | 2007-04-17 | 2010-12-28 | Almondnet, Inc. | Targeted television advertisements based on online behavior |
US20080288348A1 (en) * | 2007-05-15 | 2008-11-20 | Microsoft Corporation | Ranking online advertisements using retailer and product reputations |
US9003488B2 (en) | 2007-06-06 | 2015-04-07 | Datavalet Technologies | System and method for remote device recognition at public hotspots |
US8531522B2 (en) * | 2008-05-30 | 2013-09-10 | Verint Systems Ltd. | Systems and methods for video monitoring using linked devices |
KR101617461B1 (ko) | 2009-11-17 | 2016-05-02 | 엘지전자 주식회사 | 이동 통신 단말기에서의 티티에스 음성 데이터 출력 방법 및 이를 적용한 이동 통신 단말기 |
US20110243449A1 (en) * | 2010-03-31 | 2011-10-06 | Nokia Corporation | Method and apparatus for object identification within a media file using device identification |
JP2012085115A (ja) * | 2010-10-12 | 2012-04-26 | Panasonic Corp | 通信端末およびクラスター監視方法 |
US8736894B2 (en) | 2011-12-20 | 2014-05-27 | Eastman Kodak Company | Producing correction data for printer |
US20120278028A1 (en) | 2011-04-28 | 2012-11-01 | Jeffrey Drue David | Generating model based spectra library for polishing |
US20140278992A1 (en) | 2013-03-15 | 2014-09-18 | Nfluence Media, Inc. | Ad blocking tools for interest-graph driven personalization |
US10019730B2 (en) | 2012-08-15 | 2018-07-10 | autoGraph, Inc. | Reverse brand sorting tools for interest-graph driven personalization |
EP2541486A1 (en) * | 2011-07-01 | 2013-01-02 | Axel Springer Digital TV Guide GmbH | Recommender system and method of operating same |
US8909771B2 (en) * | 2011-09-15 | 2014-12-09 | Stephan HEATH | System and method for using global location information, 2D and 3D mapping, social media, and user behavior and information for a consumer feedback social media analytics platform for providing analytic measurements data of online consumer feedback for global brand products or services of past, present or future customers, users, and/or target markets |
US20130074115A1 (en) | 2011-09-16 | 2013-03-21 | Elwha Llc | In-transit electronic media with Customized passenger-related content |
US9916538B2 (en) * | 2012-09-15 | 2018-03-13 | Z Advanced Computing, Inc. | Method and system for feature detection |
US20130124327A1 (en) | 2011-11-11 | 2013-05-16 | Jumptap, Inc. | Identifying a same user of multiple communication devices based on web page visits |
US9743357B2 (en) * | 2011-12-16 | 2017-08-22 | Joseph Akwo Tabe | Energy harvesting computer device in association with a communication device configured with apparatus for boosting signal reception |
EA201492178A1 (ru) | 2012-05-22 | 2015-12-30 | Берг Ллк | Основанные на клетках перекрестные анализы для идентификации маркеров индуцированной лекарственными средствами токсичности |
US9621446B2 (en) * | 2012-10-26 | 2017-04-11 | Comscore, Inc. | Combining measurements based on beacon data |
US9154565B2 (en) * | 2012-11-29 | 2015-10-06 | The Nielsen Company (Us), Llc | Methods and apparatus to monitor online activity |
US9219791B2 (en) | 2012-12-13 | 2015-12-22 | Digiboo Llc | Digital filling station for digital locker content |
CN104969289B (zh) | 2013-02-07 | 2021-05-28 | 苹果公司 | 数字助理的语音触发器 |
US20140278944A1 (en) | 2013-03-13 | 2014-09-18 | Microsoft Corporation | Utilizing a reserve price for ranking |
US9563920B2 (en) * | 2013-03-14 | 2017-02-07 | Operartis, Llc | Method, system and program product for matching of transaction records |
US9584578B2 (en) * | 2013-05-13 | 2017-02-28 | BloomReach Inc. | Cross platform user joining |
US20140344695A1 (en) | 2013-05-17 | 2014-11-20 | Funtini, Inc. | Invitation to participate based on user generated content |
US20140358523A1 (en) | 2013-05-30 | 2014-12-04 | Wright State University | Topic-specific sentiment extraction |
US9923979B2 (en) * | 2013-06-27 | 2018-03-20 | Google Llc | Systems and methods of determining a geographic location based conversion |
JP5944878B2 (ja) | 2013-10-18 | 2016-07-05 | ヤフー株式会社 | 判定装置、判定方法及び判定プログラム |
JP2015103044A (ja) * | 2013-11-26 | 2015-06-04 | キヤノン株式会社 | 情報処理システム、共有サービス利用方法及び情報機器 |
US9971756B2 (en) * | 2014-01-03 | 2018-05-15 | Oath Inc. | Systems and methods for delivering task-oriented content |
US10503357B2 (en) | 2014-04-03 | 2019-12-10 | Oath Inc. | Systems and methods for delivering task-oriented content using a desktop widget |
CN106462725A (zh) | 2014-01-07 | 2017-02-22 | Arb实验室公司 | 监测游戏场所的活动的***和方法 |
US9936330B2 (en) * | 2014-01-30 | 2018-04-03 | Yozio Inc. | Methods for exchanging data amongst mobile applications using superlinks |
GB2524583B (en) * | 2014-03-28 | 2017-08-09 | Kaizen Reaux-Savonte Corey | System, architecture and methods for an intelligent, self-aware and context-aware digital organism-based telecommunication system |
US11770446B2 (en) * | 2014-08-28 | 2023-09-26 | Ebay Inc. | Systems and methods for providing complementary content on linked machines |
US9935861B2 (en) * | 2014-11-14 | 2018-04-03 | Kik Interactive Inc. | Method, system and apparatus for detecting instant message spam |
US11093956B2 (en) * | 2015-06-29 | 2021-08-17 | The Nielsen Company (Us), Llc | Methods and apparatus to determine the probability of presence |
US10068027B2 (en) | 2015-07-22 | 2018-09-04 | Google Llc | Systems and methods for selecting content based on linked devices |
-
2015
- 2015-07-22 US US14/806,268 patent/US10068027B2/en active Active
-
2016
- 2016-07-13 JP JP2017556905A patent/JP6608957B2/ja active Active
- 2016-07-13 CN CN201680003811.4A patent/CN107111652B/zh active Active
- 2016-07-13 EP EP16741781.5A patent/EP3326133A1/en not_active Withdrawn
- 2016-07-13 KR KR1020177031640A patent/KR102030644B1/ko active IP Right Grant
- 2016-07-13 WO PCT/US2016/042053 patent/WO2017015020A1/en active Application Filing
-
2017
- 2017-02-01 US US15/422,411 patent/US10657193B2/en active Active
- 2017-02-01 US US15/422,305 patent/US10585962B2/en active Active
- 2017-02-01 US US15/422,288 patent/US10657192B2/en active Active
-
2020
- 2020-03-06 US US16/812,201 patent/US11301536B2/en active Active
-
2022
- 2022-04-12 US US17/719,354 patent/US11874891B2/en active Active
-
2023
- 2023-12-07 US US18/532,613 patent/US20240104156A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090210369A1 (en) | 2008-02-15 | 2009-08-20 | Zheng Shao | Systems and methods of predicting resource usefulness using universal resource locators |
US20130124309A1 (en) | 2011-11-15 | 2013-05-16 | Tapad, Inc. | Managing associations between device identifiers |
US20130132484A1 (en) | 2011-11-21 | 2013-05-23 | Mateusz Berezecki | Network-Traffic-Analysis-Based Suggestion Generation |
US20140095320A1 (en) | 2012-05-10 | 2014-04-03 | Drawbridge, Inc. | System and Method for Determining Related Digital Identities |
WO2014203001A1 (en) | 2013-06-20 | 2014-12-24 | Vodafone Ip Licensing Limited | Multiple device correlation |
US20150113024A1 (en) | 2013-10-17 | 2015-04-23 | Mastercard International Incorporated | Generating social graphs using coincident geolocation data |
Also Published As
Publication number | Publication date |
---|---|
US20240104156A1 (en) | 2024-03-28 |
US10657193B2 (en) | 2020-05-19 |
US20170140294A1 (en) | 2017-05-18 |
US10068027B2 (en) | 2018-09-04 |
JP2018527635A (ja) | 2018-09-20 |
EP3326133A1 (en) | 2018-05-30 |
KR20170137129A (ko) | 2017-12-12 |
US20220237242A1 (en) | 2022-07-28 |
CN107111652B (zh) | 2021-03-26 |
US10657192B2 (en) | 2020-05-19 |
US10585962B2 (en) | 2020-03-10 |
US20170147937A1 (en) | 2017-05-25 |
US11874891B2 (en) | 2024-01-16 |
WO2017015020A1 (en) | 2017-01-26 |
US20170024484A1 (en) | 2017-01-26 |
US11301536B2 (en) | 2022-04-12 |
US20200210498A1 (en) | 2020-07-02 |
JP6608957B2 (ja) | 2019-11-20 |
US20170147938A1 (en) | 2017-05-25 |
CN107111652A (zh) | 2017-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102030644B1 (ko) | 디바이스가 링크될 확률에 기초하여 디바이스의 컨텐츠를 선택하기 위한 시스템 및 방법 | |
US12026752B2 (en) | Systems and methods for providing content items via a push marketing auction | |
US11755674B2 (en) | Dynamic radius threshold selection | |
US11341153B2 (en) | Computerized system and method for determining applications on a device for serving media | |
US11587143B2 (en) | Neural contextual bandit based computational recommendation method and apparatus | |
US10664484B2 (en) | Computerized system and method for optimizing the display of electronic content card information when providing users digital content | |
US20140122697A1 (en) | Providing content to linked devices associated with a user | |
CN107004179B (zh) | 动态选择通信标识符的***和方法 | |
US20130091025A1 (en) | Methods and systems for measuring advertisement effectiveness | |
US10742598B1 (en) | Systems and methods for maintaining an asynchronous communication via an intermediary | |
US20150039416A1 (en) | Systems and methods of optimizing a content campaign | |
US20180165708A1 (en) | Notification Control based on Location, Activity, and Temporal Prediction | |
US20160110061A1 (en) | Mobile application pre-fetching using a state framework | |
US20230066149A1 (en) | Method and system for data mining | |
CN103177106A (zh) | 检索方法及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |