用于確定地理用戶簡檔以基于所述簡檔確定有目標的內容消息的適宜性的方法和系統的制作方法

專利名稱：用于確定地理用戶簡檔以基于所述簡檔確定有目標的內容消息的適宜性的方法和系統的制作方法
技術領域：
本發明涉及無線通信。明確地說，本發明涉及可用于確定移動裝置的用戶的地 理感興趣點的無線通信系統。
背景技術：
可將具有移動有目標內容消息(TCM)功能的系統描述為能夠將例如以特定人口 統計為目標的本地天氣報告和廣告等有目標的內容信息遞送到例如蜂窩式電話或其它形 式的無線接入終端(W-AT)等無線通信裝置(WCD)的系統。此類系統還可通過呈現用 戶可能感興趣的非侵入有目標內容消息來提供較好的用戶體驗。具有移動TCM功能的系統的實例是能夠將廣告遞送到無線通信裝置(WCD)的 移動有目標廣告系統(MAS)。一般來說，MAS可提供此類事物作為廣告銷售渠道，供 蜂窩式提供者在W-AT以及某一形式的分析界面上提供廣告以返回報告各種廣告活動的 執行情況。移動廣告的特定消費者益處是其可為無線服務提供替代/額外收入模型，以 便將對無線服務的更經濟的接入權許可給那些愿意接受廣告的消費者。舉例來說，通過 廣告產生的收入可允許W-AT用戶在不用支付通常與各種服務相關聯的全額預訂價的情 況下享受此類服務。為了增加TCM在W-AT上的有效性，提供有目標的信息(即認為可能被特定人 或指定人群完全接收和/或可能為其所感興趣的TCM)可能是有益的。有目標內容消息(TCM)信息可基于即時需要或境況，例如找到緊急路邊服務的 需要或對關于旅行路線的信息的需要。有目標的內容消息信息還可基于用戶過去已對其 表示出興趣的特定產品或服務(例如，游戲)，且/或基于人口統計，例如可能對特定產 品感興趣的年齡和收入群組的確定。有目標的廣告是TCM的實例。有目標的廣告可提供若干優點(優于一般廣告)，包含(1)在基于按觀看次數 計費的經濟結構中，廣告商可能夠通過將付費廣告限于較小的一組可能主顧來增加其廣 告預算的價值；以及(2)因為有目標的廣告可能表示特定用戶感興趣的領域，所以用戶 將對有目標的廣告積極響應的可能性大大增加。遺憾的是，使一些形式的有目標的廣告成為可能的信息可能因政府法規和人們 限制其個人信息的傳播的期望而受到限制。舉例來說，在美國，此類政府法規包含金融 服務現代化法(Graham-Leach-BlileyAct，GLBA)，美國法典第47卷，第222部分-“客 戶信息的隱私權”。公用事業公司也可能被限制將關于其訂戶的個人信息用于營銷目 的。舉例來說，GLBA禁止在無客戶事先明確授權的情況下使用可個別識別的客戶信息 以及揭露所在地信息。因此，用于在無線通信環境中遞送有目標的廣告的新技術是合乎需要的。

發明內容
在示范性實施例中，一種用于確定信息由移動客戶端接收的適宜性的方法可包 含識別所述移動客戶端的位置歷史信息的集合；基于所述位置歷史信息更新所述移動 客戶端的用戶簡檔；以及基于所述經更新的用戶簡檔在所述移動客戶端上顯示和/或存 儲目標信息。在另一示范性實施例中，一種用于確定信息由移動客戶端接收的適宜性的設備 可包含用于識別所述移動客戶端的位置歷史信息的集合的裝置；用于基于所述位置歷 史信息更新所述移動客戶端的用戶簡檔的裝置；以及用于基于所述經更新的用戶簡檔在 所述移動客戶端上顯示目標信息的裝置和/或存儲目標信息的裝置。在另一示范性實施例中，一種移動客戶端可包含存儲器、收發器、處理器，所 述處理器耦合到所述存儲器和收發器且可操作以識別所述移動客戶端的位置歷史信息 的集合；基于所述位置歷史信息更新所述移動客戶端的用戶簡檔。所述移動客戶端可進 一步包含并入到所述移動客戶端中的顯示器，其能夠基于所述經更新的用戶簡檔在所述 移動客戶端上顯示目標信息。在另一示范性實施例中，一種計算機程序產品可包含計算機可讀媒體，所述計 算機可讀媒體又可包含用于識別移動客戶端的位置歷史信息的集合的指令；用于基于 所述位置歷史信息更新所述移動客戶端的用戶簡檔的指令；以及用于基于所述經更新的 用戶簡檔在所述移動客戶端上顯示和/或存儲目標信息的指令。


結合圖式理解時，本發明的特征和性質將從下文所陳述的詳細描述中變得更明 白，在圖式中，參考符號始終識別對應項目和過程。圖1是展示示范性無線接入終端(W-AT)與廣告基礎結構之間的交互的圖。廣 告基礎結構是有目標內容消息處理基礎結構的實例。圖2是展示具有機載用戶簡檔產生代理的示范性W-AT的操作的示意性框圖。圖3是展示用戶簡檔產生代理的數據傳送的示范性操作的示意性框圖。圖4是處置對簡檔數據處理的示范性請求的示意性框圖。圖5是展示用戶簡檔產生代理的示范性操作的示意性框圖。圖6是概述產生和使用用戶簡檔的示范性操作的流程圖。圖7是概述產生和使用用戶簡檔的另一示范性操作的流程圖。圖8是說明當可識別數據傳送到移動廣告/移動有目標內容消息處理服務器時將 單向散列函數用于客戶端身份保護的圖。圖9是說明由代理服務器實施的用于使傳送到移動廣告服務器/移動有目標內容 消息處理服務器的可識別數據匿名化的數據流的圖。圖10是說明由代理服務器實施的用于使傳送到移動廣告服務器/移動有目標內 容消息處理服務器的可識別數據匿名化的第二數據流的圖。圖11描繪用于具有移動有目標內容消息功能的網絡中的廣告分布的通信協議。圖12描繪用于具有移動消息遞送功能的網絡中的有目標內容消息分布的另一通 信協議。
圖13描繪用于具有移動消息遞送功能的網絡中的有目標內容消息分布的另一通 信協議。圖14描繪用于具有移動消息遞送功能的網絡中的有目標內容消息分布的另一通 信協議。圖15描繪用于根據“聯系窗”方法下載廣告內容的第一通信協議的時間線。圖16描繪用于根據所定義的時間表來下載廣告內容的通信協議的替代時間線。圖17描繪用于根據所定義的時間表來下載內容的第一通信協議的替代時間線。圖18是消息過濾過程的說明。圖19是消息過濾過程組件的說明。圖20是選通過程的說明。圖21是隨機取樣邏輯圖的說明。圖22是基于單向函數的取樣邏輯圖的說明。圖23是選擇過程流程圖的說明。圖24A和圖24B描繪消息選擇過程的流程圖。圖25是說明示范性用戶簡檔匹配指示符(Ml)過程的流程圖。圖26是說明示范性用戶簡檔匹配指示符的框圖。圖27是示范性關鍵詞相關過程的流程圖。圖28是說明示范性學習和預測引擎的框圖。圖29是說明與移動客戶端的其它元件聯系起來的示范性學習和預測引擎的框 圖。圖30A描繪示范性分級關鍵詞組織。圖30B描繪示范性非分級/展平關鍵詞組織。圖31描繪表示用于使移動客戶端能夠適合于用戶偏好的示范性學習過程的預期 性能的一系列曲線圖。圖32A和圖32B描繪說明用于使移動客戶端能夠適合于用戶偏好的示范性過程 的框圖。圖33是多播/廣播消息分布的說明。圖34是示范性單播消息分布協議的說明。圖35是另一示范性單播消息分布協議的說明。圖36是又一示范性單播消息分布協議的說明。圖37是再一示范性單播消息分布協議的說明。圖38A到圖38H描繪具有針對特定用戶的歷史信息的各種所捕獲的位置數據。圖39和圖40描繪針對用戶的示范性位置和路徑集合。圖41是圖39和圖40的所述位置和路徑集合的示范性馬爾可夫模型 (MarkovModel)。圖42是概述用于基于所捕獲的位置信息來更新用戶簡檔的示范性操作的過程流 的圖。
具體實施例方式可概括地以及依據特定實例和/或特定實施例來描述下文所揭示的方法和系 統。對于其中參考詳細實例和/或實施例的例子，應了解，所描述的基本原理中的任一 者均不限于單個實施例，而是可經擴展以與本文所描述的其它方法和系統中的任一者一 起使用，如所屬領域的一般技術人員將了解(除非另外明確陳述)。出于實例的目的，本發明常被描繪為實施于蜂窩式電話中(或與其一起使用)。 然而，將了解，下文所揭示的方法和系統可涉及移動和非移動系統兩者，包含移動電 話、PDA和膝上型PC，以及任何數目的經特殊裝備/修改的音樂播放器(例如，經修改 的蘋果(Apple) iPOD )、視頻播放器、多媒體播放器、電視機(固定、便攜式和/或安 裝在交通工具中)、電子游戲系統、數碼相機和可攜式攝像機。提供以下術語和相應的“定義/描述”作為對以下揭示內容的參考。然而，請 注意，如所屬領域的一般技術人員鑒于特定情形可明白，當應用于某些實施例時，所應 用的定義/描述中的一些定義/描述可擴展或可以其它方式與下文所提供的特定語言中的
一些不一致。TCM-有目標的內容消息。廣告可為有目標的內容消息的實例。M-TCM-PS-移動有目標內容消息處理系統MAS-移動廣告系統，其可被視為M-TCM-PS的一種形式。UPG-用戶簡檔產生代理M-TCM-具有移動TCM功能的客戶端MAEC-具有移動廣告功能的客戶端。此客戶端可為具有移動TCM功能的客戶 端的實例。移動TCM提供者(M-TCM-P)-可能想要通過有目標內容消息處理系統顯示有 目標的內容消息的人或實體。廣告商_可能想要通過移動廣告系統(MAS)顯示廣告的人或實體。廣告商可提 供廣告數據連同相應的目標對準和重放規則，其在一些例子中可形成到達MAS的廣告元 數據。廣告商是移動TCM提供者的實例。TCM元數據-用于識別可用于提供關于相應的有目標的內容消息(TCM)的額外 信息的數據的術語。廣告元數據_用于識別可用于提供關于相應廣告的額外信息的數據的術語。此 廣告元數據可包含(但不限于)多用途因特網郵件擴展(mime)類型、廣告持續時間、廣 告觀看開始時間、廣告觀看結束時間等。廣告商提供的相應的廣告目標對準和重放規則 也可作為廣告的元數據附加到廣告。廣告元數據是TCM元數據的實例。應用程序開發者-開發用于可播放廣告的具有移動廣告功能的客戶端(MAEC) 的應用程序的人或實體。系統操作者-操作MAS的人或實體。第三方推斷規則提供者-可提供將由用戶簡檔產生代理使用的用戶簡檔推斷規 則的第三方(除系統操作者以外)。用戶簡檔產生代理-客戶端處可接收各種相關數據(例如，廣告推斷規則、來自 度量收集代理的用戶行為、來自GPS的位置數據、用戶輸入的明確用戶偏好(如果存在的話)，和/或來自其它客戶端應用程序的用戶行為)，接著產生各種用戶簡檔元素的功 能單元。用戶簡檔產生代理可基于可用于表征用戶行為的所搜集的信息來持續地更新簡 檔。用戶行為合成器-用戶簡檔產生代理內的可用于接收多種數據(例如，用戶行為 信息、位置信息和用戶簡檔推斷規則)以產生合成的簡檔屬性的功能裝置或代理。簡檔元素細化器-用戶簡檔產生代理內的可接收用戶行為合成器所產生的簡檔 屬性以及若干用戶簡檔推斷規則的功能裝置或代理。簡檔元素細化器可細化簡檔屬性， 通過發送到簡檔屬性處理器的詢問來處理所述簡檔屬性，并產生用戶簡檔元素。簡檔屬性處理器-可處理可能要求數據密集型查找的簡檔屬性請求且接著以經 細化的簡檔屬性做出響應的服務器和/或服務器的常駐代理。TCM過濾代理-可接收具有其相應元數據、TCM目標對準規則和TCM過濾規 則的若干TCM，接著將所述TCM中的一些或全部存儲在TCM高速緩存存儲器中的客戶 端代理。過濾代理還可將用戶簡檔視為來自用戶簡檔產生代理的輸入。廣告過濾代理-可接收具有其相應元數據、廣告目標對準規則和廣告過濾規則 的若干廣告，接著將接收到的廣告中的一些或全部存儲在廣告高速緩存存儲器中的客戶 端代理。過濾代理也可將用戶簡檔視為來自用戶簡檔產生代理的輸入。廣告過濾代理是 TCM過濾代理的實例。TCM高速緩沖存儲器管理器_可維護有目標內容消息高速緩沖存儲器的客戶端 代理。高速緩沖存儲器管理器可從過濾代理取得經高速緩存的有目標的內容消息，且響 應來自接入終端上的其它應用程序的內容消息請求。注意，對于本發明，術語“高速緩 沖存儲器”可指代一組非常廣泛的存儲器配置，包含單個存儲裝置、一組分布式存儲裝 置(本地和/或非本地)等等。一般來說，應了解，術語“高速緩沖存儲器”可指代可 用于加速信息顯示、處理或數據傳送的任何存儲器。廣告高速緩沖存儲器管理器_可維護廣告高速緩沖存儲器的客戶端代理。高速緩 沖存儲器管理器可從過濾代理取得經高速緩存的廣告，且響應來自接入終端上的其它應用 程序的廣告請求。廣告高速緩沖存儲器管理器是TCM高速緩沖存儲器管理器的實例。用戶簡檔屬性_可由用戶行為合成器合成以形成簡檔屬性的用戶行為、興趣、 人口統計信息等等，其可被視為可由簡檔元素細化器進一步處理和細化成較精細的用戶 簡檔元素的數據的中間預合成形式。用戶簡檔元素_用于維護用戶簡檔的信息的項目，其可包含可用于分類或界定 用戶的興趣、行為、人口統計等的各種類型的數據。TCM目標對準規則-這些規則可包含與由移動TCM提供者指定的有目標的內容 消息的呈現有關的規則。廣告目標對準規則_這些規則可包含由廣告商指定以對可如何顯示廣告強加規則/ 限制的規則，和/或使廣告目標對準特定用戶段的規則。廣告目標對準規則可特定針對若 干標準，例如廣告活動或廣告群組。廣告目標對準規則是TCM目標對準規則的實例。TCM重放規則-這些規則可包含由客戶端應用程序在詢問TCM高速緩沖存儲器 管理器以獲得將在其應用程序的上下文中顯示的TCM時指定的顯示規則。廣告重放規則_這些規則可包含由客戶端應用程序在詢問廣告高速緩沖存儲器
13管理器以獲得將在其應用程序的上下文中顯示的廣告時指定的顯示規則。廣告重放規則 是TCM重放規則的實例。TCM過濾規則-這些規則可包含可過濾TCM所依據的規則。通常，系統操作 者可指定這些規則。廣告過濾規則-這些規則可包含可過濾廣告所依據的規則。通常，系統操作者 可指定這些規則。廣告過濾規則是TCM過濾規則的實例。用戶簡檔元素推斷規則-這些規則可包含由系統操作者(和/或第三方)指定 的可用于確定可用于根據人口統計和行為數據建立用戶簡檔的一個或一個以上過程的規 則。TCM伸縮-可借以響應于用戶請求將額外呈現材料呈現給用戶的針對TCM的顯 示或呈現功能。廣告伸縮-可借以響應于用戶請求將額外呈現材料呈現給用戶的廣告顯示或呈 現功能。廣告伸縮是TCM伸縮的實例。如上文所提及，關于電信和隱私權的各種規章可使具有有目標的內容的消息的 遞送較困難。然而，本發明可提供多種解決方案以在注意隱私權問題的同時將有目標的 內容遞送到無線接入終端(W-AT)，例如蜂窩式電話。本發明的用于緩和隱私權問題的許多方法中的一者包含將多種過程卸載到用戶 的W-AT上，所述W-AT又可用于產生可能表征用戶的信息集，即其可在W-AT本身上 創建用戶的“用戶簡檔”。因此，例如廣告和其它媒體等有目標的內容消息可基于用戶 的簡檔而導向用戶的W-AT，而不向外界暴露潛在的敏感性客戶信息。移動TCM處理系統(M-TCM-PS)中(且明確地說，移動廣告系統(MAS)中) 可使用各種所揭示的方法和系統，對于本發明，所述移動TCM處理系統可包含可用于將 有目標的內容消息(或明確地說，廣告)遞送到具有TCM功能的W_AT(或明確地說， 具有移動廣告功能的W-AT)的端對端通信系統。M-TCM-PS還可提供能夠報告特定廣 告活動的執行情況的分析界面。因此，適當構造的M-TCM-PS可通過僅呈現可能為消費 者所感興趣的非侵入廣告來提供較好的消費者體驗。雖然以下實例大體針對例如商業廣告等內容，但預期所針對內容的較廣范圍。 舉例來說，代替于所針對的廣告，例如特定針對用戶的興趣的股票報告、天氣報告、宗 教信息、新聞和體育信息等等內容預期在本發明的界限內。舉例來說，雖然所針對的內 容可以是廣告，但體育賽事的得分和天氣報告可無疑也作為所針對的內容。因此，例如 廣告服務器等裝置可被視為較一般的內容服務器，且廣告相關代理和裝置可較一般地被 視為內容相關代理和服務器。在廣告的上下文中提供所有進一步論述作為TCM(有目標 的內容消息)的實例，且應注意，此類論述大體適用于有目標的內容消息。圖1是M-TCM-PS的各種功能元件中的一些元件的圖，其展示具有TCM功能的 W-AT 100與具有廣告基礎結構的通信網絡之間的交互。如圖1所示，示范性M-TCM-PS 包含具有TCM功能的移動客戶端/W-AT 100、具有無線電功能的網絡(RAN) 190，以及 內嵌在與無線WAN基礎結構(圖1未圖示)相關聯的網絡中的廣告基礎結構150。舉例 來說，消息接發基礎結構可在與無線WAN中的蜂窩式基站在地理上不位于同一地點的遠 程服務器處可用。
如圖1所示，W-AT可包含客戶端應用程序裝置110、客戶端消息遞送接口 112、度量收集代理120、消息高速緩存管理器122、消息過濾代理124、度量報告代理 126、消息接收代理120和數據服務層裝置130。消息遞送基礎結構150可包含TCM銷售 代理160、分析學代理162、消息遞送服務器接口 164、消息吸收代理170、消息捆綁代理 174、消息分布代理176、度量數據庫172、度量收集代理178，且具有代理服務器182。在操作中，M-TCM-PS的“客戶端側”可由W-AT 100 (描繪于圖1的左手側) 處置。除與W-AT相關聯的傳統應用程序外，當前W-AT 100還可具有處于應用程序等 級110的TCM相關應用程序，所述應用程序等級110又可經由客戶端廣告接口 112鏈接 到M-TCM-PS的其余部分。在各種實施例中，客戶端消息遞送接口 112可提供度量/數 據收集和管理。一些所收集的度量/數據可在不暴露可個別識別的客戶信息的情況下傳 送到度量報告代理126和/或傳送到W-AT的數據服務層130 (經由度量收集代理120)， 以供進一步分布到M-TCM-PS的其余部分。所傳送的度量/數據可經由RAN 190提供給消息遞送基礎結構150 (描繪于圖1 的右手側)，針對當前實例，所述消息遞送基礎結構150包含多種TCM相關和隱私權保 護服務器。消息遞送基礎結構150可在數據服務層180處接收度量/數據，所述數據服 務層180又可將接收到的度量/數據傳送到若干度量/數據收集服務器(此處為度量收集 代理178)和/或軟件模塊。度量/數據可存儲在度量數據庫172中，并提供給消息遞 送服務器接口 164，在該處所存儲的度量/數據可用于營銷目的，例如廣告、銷售和分析 學。注意，感興趣的信息可(尤其)包含W-AT處的用戶選擇和由W-AT響應于消息遞 送基礎結構150所提供的指令而執行的對廣告的請求。消息遞送服務器接口 164可提供用于供應廣告(廣告吸收)、捆綁廣告、確定廣 告的分布和經由消息遞送基礎結構150的數據服務層180將廣告發送到M-TCM-PS網絡 的其余部分的渠道。消息遞送基礎結構150可向W-AT 100提供適當的TCM以及TCM 的元數據。消息遞送基礎結構150可指令W-AT 100根據消息基礎結構150所提供的規 則基于任何可用元數據來選擇TCM。如上文所提及，示范性W-AT 100可經啟用以整體或部分地產生W-AT的用戶的 用戶簡檔，所述用戶簡檔又可用于啟用M-TCM-PS以遞送用戶可能感興趣的TCM。這 可導致各種廣告活動和其它TCM遞送活動的較好的“點進率”。然而，如上文所提及， 產生用戶簡檔可能因可駐存在用戶簡檔中的數據的潛在敏感性質而引起隱私權問題。然而，如下文在各種裝置和系統實施例中將展示，可通過啟用用戶的W-AT以 產生用戶簡檔而隨后將用戶簡檔限于用戶的W-AT的范圍內(非常有限(且受控)情形中 除外)來緩和隱私權問題。圖2是展示經配置以產生和使用用戶簡檔的圖1的示范性W-AT的操作細節的框 圖。如圖2所示，示范性W-AT包含能夠處理若干應用程序的處理系統，所述應用程序 包含若干核心客戶端應用程序和一客戶端消息遞送接口。注意，例如消息接收代理128 和數據服務層130等一些組件為了與圖2有關的功能的闡釋的簡單性而從圖2中省略。圖 2的示范性W-AT 100被展示為具有客戶端消息遞送接口 112與客戶端應用程序裝置110 之間的平臺特有調適接口 111，且消息過濾代理124具有用戶簡檔產生代理210和響應用 戶簡檔產生代理210的客戶端消息過濾代理220。高速緩存存儲器240被展示為與高速緩沖存儲器管理器122通信。外部裝置(例如，簡檔屬性處理器270、系統操作者(或第3 方)280和消息銷售接口 164)被展示為與客戶端消息過濾代理124通信。裝置270、280 和164 —般來說不是W-AT的一部分，而是可能駐存在M-TCM-PS網絡的另一部分中。雖然將W-AT 100的各個組件110到240描繪為單獨的功能塊，但應了解，這些 功能塊中的每一者可采取多種形式，包含單獨件的專用邏輯、運行單獨件的軟件/固件 的單獨處理器、駐存在存儲器中且由單個處理器操作的軟件/固件的集合等等。在操作中，客戶端應用程序裝置110可執行可用于電信(例如，呼叫和文本消息 接發)或其它任務(例如，游戲)的任何數目的功能應用程序，其使用平臺特有調適接口 111來與客戶端消息遞送接口 112介接。客戶端消息遞送接口 112又可用于允許W-AT 100 執行若干有用過程，例如監視用戶行為和將用戶相關信息傳遞到用戶簡檔產生代理210。除了直接從客戶端應用程序接口接收信息外，用戶簡檔產生代理210還可從度 量收集代理120產生用戶行為信息，所述度量收集代理120本身可從客戶端消息遞送接口 112接收相同或不同信息。用戶行為的實例可包含TCM相關響應，例如廣告點擊以及指 示類型和使用頻率的其它度量。其它用戶行為信息可包含直接用戶偏好或授權。度量收集代理120可將度量/數據提供給度量報告代理126，所述度量報告代理 126又可將度量/數據信息提供給可M-TCM-PS的在W-AT內部或外部的其它組件(下 文論述)。簡檔屬性處理器270可處理來自W-AT 100的要求(或可另外受益于)數據密集 型查找的傳入的簡檔屬性處理請求，并以經細化的簡檔屬性向用戶簡檔產生代理210做 出響應。用戶簡檔產生代理210的一個功能可包含提供可根據相關過濾規則提供給W-AT 的用戶的TCM，以及來自銷售接口 164的TCM數據和TCM元數據。過濾代理220還可 將經過濾的消息提供給高速緩沖存儲器管理器122，所述高速緩沖存儲器管理器122又可 存儲并稍后提供此類消息(經由高速緩存存儲器240)以呈現給用戶。用戶簡檔產生代理可以是駐存在具有移動廣告功能的W-AT中的硬件和/或軟件 的任意集合，其可用于收集用戶行為信息。潛在的信息源可包含(但不限于)駐存在用 戶的W-AT上的應用程序、各種可存取數據庫中可用的公開信息、對于廣告的先前用戶 響應、來自常駐GPS無線電設備的位置數據，以及用戶輸入的明確用戶偏好(如果存在 的話)。所搜集的任何用戶簡檔信息可接著經處理/合成以產生用戶簡檔屬性或元素，所 述用戶簡檔屬性或元素可在使用較少存儲器資源的情況下較好地表征用戶。在各種實施例中，由系統操作者(和/或第三方)提供的用戶簡檔推斷規則可驅 動W-AT的用戶簡檔產生代理的特定動作。注意，這些規則可為若干類型，包含(1) 基本規則，其包含將由用戶簡檔產生代理依據與每一動作相關聯的預定時間表執行的動 作；以及(2)限定規則，其包含由“條件”限定的“動作”，其中“條件”可界定需要 為真的行為，且“動作”可界定當檢測到所述條件為真時用戶簡檔產生代理的規則引擎 所采取的動作。此類規則可用于從特定用戶動作或行為推斷出信息。舉例來說，針對用戶簡檔產生代理的簡單規則可能是每隔五分鐘存儲GPS針對 用戶的W-AT而導出的位置信息。相關聯規則可以是將一天中09:00到17:00時間范圍內 最常去的位置標記為用戶的可能工作位置。
作為第二實例，由條件限定的規則可能是如果用戶經常一天將30分鐘以上花在 其W-AT上的游戲應用程序中那么將“游戲”類別添加到用戶的興趣列表。還注意，用戶簡檔產生代理還可將用戶偏好視為輸入，所述用戶偏好包含關于 用戶對于使用位置數據導出簡檔的明確授權、用戶作出的其它授權以及用戶所輸入的其 它特定信息的用戶選擇。舉例來說，用戶可能輸入其偏好以觀看與旅行有關的廣告。用戶的W-AT中并入的可用于搜集并細化/分類行為數據的各種受規則驅策的方 法可緩和用戶可能具有的一些隱私權問題。舉例來說，通過采集數據并將原始數據合成 為W-AT內較有意義/有用的形式(與使用外部服務器相對比)，可形成敏感或個人信息 且稍后用于有目標的廣告，而不將此信息暴露于W-AT的通信網絡的其余部分。在各種實施例中，用戶簡檔的特定方面可控制用戶的W-AT的若干部分。舉例 來說，用戶簡檔產生代理可利用任何檢索到的W-AT信息來以最適合于W-AT的方式修 整信息內容，包含菜單布局的選擇(例如，線性、分級、動畫、彈出和自定義功能鍵)。如上文所提及，雖然大多數簡檔產生規則可被W-AT的內嵌式用戶簡檔產生代 理解譯，但可能存在一些要求大數據庫查找(例如，政府人口普查數據)的規則。由于 W-AT上的存儲器可能太有限而不能容納大數據庫，所以可能通過將適當的細化任務卸 載到M-TCM-PS網絡的W-AP側的經特殊配置的服務器來進一步細化已合成的用戶行為 和人口統計數據。對于本發明，能夠輔助用戶簡檔產生的任何此類外部服務器均可稱為
“簡檔屬性處理器”。下文參看圖4提供簡檔屬性處理器的額外論述。圖3是在與其它裝置312和280交互的情況下展示的先前呈現的用戶簡檔產生代 理210的示意性框圖。下文部分地提供用戶簡檔產生代理210的各種能力(除上文論述 的那些能力之外)。移動電話的特征之一是其可由用戶攜帶，不管他/她去哪里。利用W-AT的GPS 能力，W-AT可確定用戶周期性地或非周期性地將他/她的一些或大部分時間花在什么地 方。因為經常存在與位置相關聯的人口統計數據，所以與用戶常去的位置相關聯的GPS 信息和人口統計數據的使用可允許形成與用戶相關聯的人口統計簡檔的至少一些部分。 與使用位置信息的用戶的簡檔相關聯的典型的人口統計簡檔元素可包含(但不限于)
0120]位置郵政編碼0121]性別0122]針對常去位置的中位數年齡0123]年齡分布和相關聯概率0124]去上班的平均行程時間0125]家庭收入或家庭收入范圍0126]家庭規模0127]家族收入或家族收入范圍0128]家族規模0129]婚姻狀況0130]擁有住房的概率0131]租用住房的概率0132]生命階段群組/分類
注意，多個人口統計用戶簡檔可保存在用戶的W-AT處。舉例來說，具有 M-TCM功能的客戶端可能由網絡配置以為用戶保存兩個人口統計簡檔-一個簡檔用于其
“住宅”位置(比如21:00到06:00之間最常去的位置)，且一個簡檔用于其“工作”位 置(比如09:00到17:00之間最常去的位置)。除一般人口統計外，還可使用W-AT的眾多應用程序中的任一者來進一步形成 用戶簡檔。用戶傾向于將其大部分時間花在哪些應用程序(例如，游戲)上或者用戶如 何與電話上的各種應用程序交互可提供基于用戶的行為和偏好為用戶建立簡檔的機會。 這種數據采集和用戶行為簡檔確定的大部分可在W-AT本身上完成，其由饋送到用戶簡 檔產生代理210的用戶簡檔推斷規則驅動。與用戶相關聯的典型的行為簡檔元素可包含 (但不限于)以下各項應用程序ID和花在應用程序上的時間興趣分類最喜歡的關鍵詞最喜歡的網站感興趣的廣告音樂專輯感興趣的游戲許多簡檔元素(包含人口統計)可經由W-AT上的本地用戶接口應用程序根據通 過添加異常分支以觀察應用程序行為而采集的行為進行推斷。正是通過此些應用程序， 用戶可啟動其它應用程序。用戶感興趣的應用程序和花在這些應用程序上的時間可通過 監視用戶何時啟動和退出特定應用程序來推斷。饋送到用戶簡檔產生代理210的規則可基于用戶與應用程序的交互而將用戶的 感興趣類別相關聯。還可使用對W-AT處收集到的行為數據的服務器輔助的合作過濾將 感興趣類別指派給用戶簡檔。可下載到用戶簡檔產生代理210的規則可允許服務器以動態方式控制用戶簡檔 產生代理210的運作。通過在在職W-AT上采集原始數據并將其合成為較有意義的信息 (簡檔屬性)，與將數據維持為原始形式比較，可將特定的敏感性用戶行為信息變換為廣 告行為類別和用戶簡檔元素。示范性W-AT可跟蹤用戶感興趣的消息和與此些消息相關聯的關鍵詞。舉例來 說，對同一廣告的多次點擊可向用戶簡檔代理指示與相關聯的關鍵詞和廣告相關聯的興 趣等級。以同樣的方針，可將用戶感興趣的游戲和音樂保存在W-AT處。還可使用服務 器輔助的模式以基于用戶的音樂和游戲播放列表將用戶興趣類別與用戶的簡檔相關聯。當形成和保存用戶簡檔時，此簡檔可采取多種形式，例如合成的簡檔屬性和元素。注意，用戶簡檔中的一些或所有數據屬性和元素可具有與其相關聯的某一置信 等級。即，因為某些元素和屬性是基于推斷和規則的，所以其結果可能不是確定的且具 有與其相關聯的“模糊性”。此模糊性可表達為與用戶簡檔屬性和元素相關聯的置信等 級。作為實例，在注意到用戶正每月發送五百條以上SMS消息的情況下，簡檔產生器可能假定用戶可能以60%的置信等級處于從15到24的年齡群組中。這意味著如果每 月發送五百條以上SMS消息的100個用戶被輪詢其年齡，那么其中約60個可能屬于15 到24的年齡群組。類似地，當基于用戶的住宅位置為他/她推斷人口統計簡檔時，可存在與簡檔 屬性相關聯的置信等級。此處的置信等級可指示在具有相同住宅位置的一百個用戶的樣 本中簡檔屬性預期為準確的次數。示范性用戶簡檔產生代理210還可被饋送用以組合關于來自多個來源的相同簡 檔屬性的置信等級以產生針對所述屬性的統一置信等級的規則。舉例來說，如果SMS使 用率指示用戶以60%置信等級處于15到24歲的年齡群組內，且住宅位置的人口統計簡檔 指示用戶以20%置信等級處于15到24歲的年齡群組內，那么這兩個項目可以模糊邏輯規 則組合，以為處于同一年齡群組中的用戶產生統一置信等級。相比之下，如果用戶將其興趣偏好輸入到客戶端中，那么此類值可能被給予接 近100%的置信等級，因為其直接來自用戶。類似地，如果運營商基于其所具有的用戶數 據(在服務簽約期間從用戶收集的記帳數據或任選的簡檔數據)指定任何用戶簡檔屬性/ 元素，那么其也將具有與其相關聯的較高置信等級。隨著在W-AT上收集到更多用戶行為數據且基于此做出推斷，所以簡檔屬性和 元素值中的后續置信等級預期將增加。圖4是簡檔屬性處理器270處置W-AT對簡檔屬性處理的請求的示意性框圖。 如上文所論述，雖然W-AT可能夠處置大部分處理，但可能存在需要巨大數據庫查找以 確定行為或人口統計簡檔的多個部分的情況。此類情況的實例包含要用到可能需要千兆 字節存儲的人口普查數據庫的例子。因此，可使用簡檔屬性處理器(或其它輔助服務器) 來處理用戶信息以提供用戶簡檔信息的較精細形式。在請求被簡檔屬性處理器270接收之前，可在相關W-AT處搜集合成的簡檔屬 性，并將其發送到簡檔屬性處理器270，注意合成簡檔屬性的使用可導致帶寬的較好使 用。需要數據密集型查找的一些用戶簡檔屬性可由簡檔屬性處理器270任選地通過匿名 詢問技術來處理以保護用戶身份。簡檔屬性處理器270可進一步細化任何所接收到的屬 性，且可以可稱為經細化用戶簡檔屬性集的形式將經細化的數據提供給適當的W-AT。當由來自W-AT的請求激活時，簡檔屬性處理器270可處理關于用戶的行為和人 口統計(例如，簡檔屬性)的各種類型的專有和非專有合成數據，并用適當的經細化簡檔 信息做出響應。為了維護用戶隱私權，可經由例如圖8的單向散列函數產生器810等裝 置使用某一形式的數據加擾(例如，散列函數和若干其它工具)。在操作中，有可能在 W-AT處使用散列函數來向M-TCM-PS網絡的其余部分隱藏用戶的身份。在各種操作中，W-AT中所使用的散列函數可產生可預測且唯一但匿名的與特 定用戶相關聯的值。此方法可使W-AT能夠在不損害用戶的隱私權的情況下詢問外部服 務器。在各種實施例中，散列函數可基于W-AT的初級識別符，例如與W-AT相關聯的 序列號，以及隨機值、偽隨機值和基于時間的值。此外，散列函數可經計算以提供與其 它所產生的值沖突的低概率。W-AT可針對后續詢問使用相同的隨機數字以允許外部服務器關聯來自同一客 戶端的多個詢問。隨機數字的使用可幫助防止外部服務器(或未經授權的代理)在訂戶基礎上進行反向查找以確定用戶的身份。一旦產生散列值，就可使用所述散列值作為W-AT的替代用戶識別符，并連同 來自用戶簡檔的地理信息或者一些信息或若干信息項一起提供，并提供給遠程設備。隨后，可基于到達遠程設備的替代用戶識別符和第一廣告相關信息和/或能夠 對用戶簡檔進行補充的其它信息，從遠程設備接收一個或一個以上有目標的內容消息。 此信息可并入到W-AT的用戶簡檔中。為了進一步維護用戶隱私權，可使用無線接入點(W-AP)側的代理服務器(例 如，見圖1)。圖9描繪使用代理服務器在具有移動廣告功能的網絡中安全地通信的特定 通信方案。如圖9所示，W_AT910( “具有M-TCM功能的客戶端”)可將與若干服務 (例如，對用戶簡檔信息的細化)有關的請求(或其它消息，例如報告或回復)或對廣告 內容的請求發送到無線應用協議(WAP)代理920。WAP代理920又可將請求轉發到安全 代理服務器930，所述安全代理服務器930可接著創建事務ID、改變標頭以為了所述事務 ID而去除W-AT的識別信息，并將請求轉發到移動消息遞送服務器940，同時創建含有可 用于中繼回復的信息(例如，W-ATIP地址)的查找表。一旦移動消息遞送服務器940接收到并回復請求，代理服務器930就可使用適當
的事務ID來轉發移動消息遞送服務器的回復。稍后，代理服務器930可刪除查找表條 目。注意，可使用圖9中所描繪的方案來禁止移動消息遞送服務器940接入用戶的 W-ATIP地址，這又具有若干益處，例如允許在不危害用戶身份的情況下遞送有目標的內 容(例如，有目標的廣告)。為了減輕用戶對其位置可能被其W-AT實時跟蹤的擔心，此類W-AT可選擇不 實時詢問服務器以獲得位置數據的細化。注意，此類詢問可匿名且稀疏地在延長的時間 周期(例如，一個月一次)內發送。典型的時間表可為(例如)在72小時內每隔5分鐘 收集位置信息。可使用在此時間范圍期間或特定時間范圍期間最常去的位置在30天與40 天之間的隨機選定時間或根據系統操作者指定的某一其它時間表從服務器詢問用戶的人 口統計簡檔。以上情況是在維護用戶隱私權的同時使用用戶簡檔產生代理的受規則驅策的操 作連同服務器輔助的模式兩者來為用戶產生簡檔元素的混合方法的實例。圖5是展示以描繪使用具有用戶行為合成器522和簡檔元素細化器524的用戶簡 檔產生代理210的此混合方法的示范性操作的示意性框圖。雖然圖5的各種裝置的功能 性的大部分已在上文論述，但下文將相對于以下流程圖描述進一步功能性。圖6是概述用于產生和使用用戶簡檔的示范性操作的流程圖。所述操作在步驟 602中開始，此時W-AT可從系統操作者或其它方接收(并隨后存儲)若干用戶簡檔推斷 規則(基本和/或限定規則)。如上文所論述，基本規則可包含預先安排的事件，例如在特定時間執行用戶的 詢問。類似地，相應的限定規則可能要求同一詢問之前是某一條件和/或事件，例如物 理狀態信息或操作狀態信息。接下來，在步驟604中，可使用接收到的規則來收集原始數據，且在步驟606 中，可將原始數據處理/合成為用戶簡檔元素或屬性，注意雖然所有此類處理/合成可在W-AT上發生，但某一細化可使用外部裝置(例如，上文論述的簡檔屬性處理器)而發 生。即，如上文所論述，原始數據和/或合成數據可合并以形成W-AT的用戶的用戶簡 檔。舉例來說，關于監視SMS消息的規則在應用于收集原始數據并合成關于SMS消息 的簡檔屬性/元素時可用于改變用戶簡檔的動態特性。例如用戶的出生日期等靜態數據 可同樣使用詢問用戶的規則來收集，且接著應用作為用戶簡檔中的元素。接著，在步驟608中，可確定用戶簡檔數據的置信等級。注意，置信等級可具 有多種形式，例如某一范圍的數字、方差統計量或分布概圖。在步驟610中，可使用各種所接收到的規則加上關于各種用戶簡檔元素和屬性 (其可形成用戶簡檔的全部)的原始數據和合成數據來接收TCM。S卩，如上文所論述， 在各種實施例中，W-AT上的已使用/可使用的規則可用于連同收集到的原始數據和合成 數據一起產生用戶簡檔，以提供用戶簡檔的任何數目的靜態或動態特性，且此類信息可 用于接收例如針對可能感興趣的主題的廣告、體育得分、天氣報告和新聞等內容。注意，在其中用戶簡檔數據可具有與其相關聯的置信等級的各種實施例中，規 則可應用于所述置信等級，且可基于此置信信息來接收和顯示有目標的內容消息。繼續，操作的控制可跳回到步驟602，其中可接收新的/更多規則，并使用其來 收集數據且修改用戶的簡檔。注意，如上文所提到，可基于W-AT的物理配置而使用多個規則，以便利用 W-AT信息來以適合W-AT的方式修整內容顯示以創建適宜的顯示，例如具有線性、分 級、動畫、彈出和/或自定義功能鍵屬性的菜單布局。圖7是概述用于產生和使用用戶簡檔的另一示范性操作的流程圖。所述操作在 步驟702中開始，此時W-AT從系統操作者或其它方接收若干用戶簡檔推斷規則。接下 來，在步驟704中，可使用所接收到的規則來收集原始數據，且在步驟706中，可使用機 載資源將原始數據處理/合成為用戶簡檔元素或屬性。再次注意，用戶簡檔信息的任何 項目可具有連同基本數據一起經處理并合成的置信等級信息。繼續到步驟710，可作出關于是否需要在W-AT上可能不可行的進一步信息或處 理的確定。舉例來說，假定W-AT已產生W-AT已使用GPS定期訪問的一系列位置， W-AT上使用一個或一個以上規則的軟件代理可確定需要詢問較大外部數據庫(例如，遠 程服務器上的地理信息服務或國家人口普查數據庫)，以確定用戶的可能種族性(或其它 人口統計)。如果需要進一步信息或處理，那么控制繼續到步驟712;否則，操作的控制 可跳到步驟720，其中使用簡檔屬性來產生/修改用戶的簡檔。對于需要進一步信息或處理的例子，可(例如)由上文論述的簡檔屬性處理器 (任選地使用散列函數和/或代理服務器)對外部裝置作出請求(步驟712)以保護用戶信息。
接下來，在步驟714中，外部裝置可執行任何數目的細化步驟，例如詢問大數 據庫，以產生經細化的用戶簡檔屬性。接著，在步驟718中，可接著將經細化的用戶簡 檔屬性提供給適當的W-AT，其中(在步驟720中)所述經細化的用戶簡檔屬性可用于產 生、修改用戶簡檔或以其它方式并入用戶簡檔中。注意，當置信等級可用于處理時，可 基于個別置信等級來確定統一置信等級。操作的控制可接著跳回到步驟702，其中可接收 新的/更多規則并使用其來收集數據且修改用戶的簡檔。
向前跳到圖11，描繪具有M-TCM功能的網絡中的TCM分布的第一通信協議。 此示范性圖式說明在來自消息分布基礎結構的消息的多播“推送”期間的可能的數據 流。注意，用戶簡檔產生代理(在圖10的移動裝置(W-AT) 100中)可檢索消息，接著 通過內部過濾來選擇所接收到的所述消息中的一者或一者以上。在操作中，網絡系統操作者280(和/或第三方)可將簡檔屬性處理規則提供給 簡檔屬性處理器270。簡檔屬性處理器270還可接收來自W-AT 100上的模塊的簡檔屬性 處理請求，并經由W-AT 100上的模塊提供適當響應。另外，多播或廣播廣告可由W-AT 100通過多播/廣播分布服務器1110接收。 在此配置中，W-AT 100 (或其它移動裝置)可能夠接收所有消息，并根據W-AT100處產 生的用戶簡檔以及也從圖11的多播/廣播分布服務器1110接收到的過濾規則來確定哪些 消息將被存儲并呈現給用戶。圖12描繪具有M-TCM功能的網絡中的消息分布的第二通信協議。與圖11的 實例一樣，網絡系統操作者280 (和/或第三方)可將簡檔屬性處理規則提供給簡檔屬性 處理器270，且簡檔屬性處理器270還可接收來自W-AT 100上的模塊的簡檔屬性處理請 求，以經由W-AT 100上的模塊提供適當響應。然而，在此實施例中，W-AT 100可從單播消息分布服務器1210請求單播消 息。W-AT100可能夠經由單播通信鏈路接收所有消息，并根據W-AT 100處產生的用戶 簡檔以及也從單播消息分布服務器1210接收到的過濾規則來確定哪些消息將被存儲并呈 現給用戶。圖13描繪具有M-TCM功能的網絡中的消息分布的另一通信協議。再次，與先 前實例一樣，網絡系統操作者280 (和/或第三方)可將簡檔屬性處理規則提供給簡檔屬 性處理器270，且簡檔屬性處理器270還可接收來自W-AT 100上的模塊的簡檔屬性處理 請求，以經由W-AT 100上的模塊提供適當響應。然而，在此實施例中，單播消息分布服務器1310可接收由W-AT 100提供的用 戶簡檔信息、處理接收到的用戶簡檔信息，并接著將適當的TCM提供給W-AT100。圖14描繪具有M-TCM功能的網絡中的消息分布的又一通信協議。此實例可相 對于簡檔屬性處理器操作側與先前實例幾乎相同地工作。然而，經由單播通信鏈路的消 息檢索實質上是不同的。在操作中，W-AT 100可發送對消息的請求，之后W-AT 100可接收代表消息分 布服務器1410中可用的各種消息的元數據集。W-AT 100可接著基于所述元數據并基于 W-AT100內的過濾規則選擇若干消息，并將選擇信息提供給消息分布服務器1410。因 此，可接著根據用戶簡檔規則將選定消息提供給W-AT 100并呈現給用戶。以上方法保持用戶簡檔在W-AT本地，同時在經由單播通信鏈路將廣告遞送到 W-AT時使用最佳網絡帶寬。圖15描繪用于根據“聯系窗”(見示范性窗1510到1516)方法下載消息內容的 第一通信協議的時間線。此時間線可用于準許在適當的時間下載TCM，而不對W-AT的 其它功能造成負擔。在各種實施例中，W-AT可能夠將其休眠模式(如果涉及的話)調 整到聯系窗。在操作中，W-AT可在內容消息遞送期間被置于休眠模式中以優化平臺上 的能量消耗。有可能在休眠模式中，W-AT可參與其它有用操作。S卩，W-AT可能夠被置于休眠模式中，同時各種定時電路(未圖示)可經編程或以其它方式操縱而通過在聯系 窗之前和/或期間解除休眠模式且可能在接收TCM之后或在相對聯系窗結束時重新進入 休眠模式來響應休眠模式和聯系窗或其它時間表。圖16描繪用于根據所定義的時間表來下載有目標的內容消息信息的第一通信 協議的替代時間線。參看示范性窗1610到1620，此方法可用于準許在適當的時間下載 TCM，而不對W-AT的其它功能造成負擔。所定義的時間表準許W-AT除所定義的時間 表期間以外均保持在休眠模式中。再次，可使用各種定時/時鐘電路來使W-AT進入休 眠模式/解除休眠模式。另外，有可能當W-AT醒來以接收TCM信息時，W-AT可接 收將來TCM的目標對準元數據和接收時間，所述接收時間可接著用于基于用戶簡檔和目 標對準元數據來確定是否接收將來TCM，以及在接收將來TCM遞送的接收時間之前安排 適當的喚醒時間。圖17說明基于示范性信息流1702、1722和1732的高速緩沖存儲器建模方案中 的一些方案。如圖17所示，高速緩沖存儲器建模方案是基于各種所列舉的分類。注意， 消息高速緩沖存儲器可以是具有M-TCM功能的客戶端處的消息的存儲庫。消息可在本 地高速緩存以在有機會服務TCM時啟用消息的即時播出。高速緩沖存儲器中的實際存儲空間可基于不同類型的分類劃分為多個類別。這 些分類可由系統操作者使用過濾規則來界定。分配給一分類內的每一類別的空間量可 為固定的或可基于某些已定義準則而為動態的，其再次由系統操作者經由過濾規則來界 定。感興趣的一些類別包含默認消息(1710、1720和1730)這些消息可被視為可由系統操作者標記成這樣 的“后退”消息。所述消息在沒有滿足裝置應用程序所請求的消息類型的其它消息可供 顯示時展示。默認消息可以是高速緩沖存儲器的候選消息，只要存在至少一個向相應的客戶 端消息遞送引擎預訂的能夠進行消息遞送的應用程序即可，其具有與候選默認消息相同 的消息類型。另外，可使默認消息滿足裝置和應用程序能力一致性的最小選通準則。基于為默認消息計算的值，先前存儲的默認消息可被新消息代替，只要在相同 消息類型下新消息的“規范化”值大于先前存儲的默認消息的值即可。客戶端上針對每一消息類型而允許的默認消息的最大數目可由系統操作者經由 過濾規則來界定。在各種實施例中，可存在固定數目的消息或消息存儲器，或者可基 于特定的具有消息功能的應用程序、使用率等來動態地確定消息數目和/或存儲器。通 常，在若干實施例中，針對每一消息類型所允許的默認消息的最大數目為1。標記為默認消息的消息主要用于兩個目的(1)所述消息充當每一類別中的 “后退”消息，且幫助系統利用每次機會將消息呈現給用戶；以及(2)所述消息允許系
統操作者提供“分層定價”，且(任選地)針對默認消息收費較多。有目標的消息(1712、1722、1724和1738)和無目標的消息(1714、1726和 1740) 一個分類方案將是將高速緩存存儲裝置劃分為用于有目標的和無目標的消息的空 間。有目標消息高速緩沖存儲器空間可用于僅存儲具有M-TCM功能的客戶端的用戶的 用戶簡檔與相關元數據中所含有的目標用戶簡檔匹配所針對的消息。對于其中目標用戶簡檔不與裝置用戶的簡檔匹配的消息，只要所述消息不標記為“僅有目標的顯示”，此類消息就可為待放置在無目標的消息高速緩沖存儲器空間中 的候選消息。具有供顯示的無目標的消息可允許系統隨時間計量用戶興趣的變化，且相 應地修改相應的用戶簡檔和高速緩沖存儲器。基于印象的消息(1722)和基于動作的消息(1724)另一分類將是基于消息是 TCM遞送活動的印象類型還是所述消息是懇求計量用戶興趣的用戶動作的消息來劃分高 速緩沖存儲器空間的有目標的或無目標的部分。此子分類的分區大小或比率可由系統操 作者界定，或可根據相應W-AT上能夠進行消息遞送的應用程序的能力和使用率動態地 決定。基于用戶興趣的分類(1732-1736)有目標的消息分類下的子分類可基于用戶 興趣分類。舉例來說，高速緩沖存儲器的有目標的消息分段內的特定高速緩沖存儲器空 間的大部分可為前三個用戶興趣類別保留，而任何剩余高速緩沖存儲器資源可專用于與 用戶的簡檔匹配的其它類別。再次，此分類內的基于興趣的類別的實際比率或數目可由 系統操作者界定，且/或可基于每一興趣類別內的廣告(或其它消息)的相對點進率而為 動態的。圖18是消息過濾過程的來龍去脈的說明。移動有目標內容消息遞送系統內的消 息過濾過程的一個目的可為決定進入系統的任何可用新消息中的哪一者應高速緩存在特 定移動客戶端處。在操作中，過濾過程1810可使用若干輸入，例如保存在系統內的用戶的用戶簡 檔、移動客戶端上的裝置和應用程序能力、移動客戶端上的當前高速緩沖存儲器狀態以 及由系統操作者或某些第3方280界定的過濾規則，來確定哪些新消息將高速緩存。在 處理每一所接收到的消息后，可確定若干選定消息，并將其連同相應元數據一起存儲在 高速緩沖存儲器1820中。圖19是在各種示范性功能組件的上下文中TCM遞送系統內的TCM過濾過程的 數據流圖。如圖19所示，消息過濾可以是多步驟過程。從銷售接口 164進入過濾代理 220的新消息可首先通過選通子過程220-1，所述選通子過程220-1可確定哪些所接收到 的消息是消息高速緩沖存儲器的可能的候選消息。注意，示范性選通子過程220-1可使 用來自與移動客戶端相關聯的適當存儲裝置1910的裝置和能力信息，以及系統操作者或 某些第3方280的過濾規則和來自適當的代理210或存儲裝置的用戶簡檔信息。繼續，選通子過程220-1的可能的候選消息可接著由選擇子過程220-2處理，所 述選擇子過程220-2可確定在消息空間爭用的情況下哪些候選消息可被替代。注意，選 擇子過程220-2可使用系統操作者或某些第3方280的過濾規則、來自適當的代理210或 存儲裝置的用戶簡檔信息，以及來自高速緩沖存儲器管理器122的反饋高速緩沖存儲器 fn息o圖20展示圖19的選通過程內的示范性數據流。此過程的一個目的是確保例如有 目標的廣告等有目標的內容消息在其被轉發到選擇過程之前滿足某些要求。本過程在步 驟2002中開始，其中可從銷售接口 164或其它裝置提供消息和相應的元數據。接下來， 在步驟2004中，作出關于步驟2002的消息是否在移動客戶端的能力內的確定。S卩，消息 應使得其可由移動裝置的有形工廠支持。舉例來說，如果消息僅適合于次級裝置屏幕， 但討論中的移動裝置不具有次級裝置屏幕，那么所述消息是不適宜的。倘若所述消息與裝置能力匹配，那么控制繼續到步驟2006;否則，控制跳到步驟2020，其中拒絕使用所 述消息。在步驟2006中，作出關于步驟2002的消息是否在移動客戶端的應用程序能力內 的確定。即，消息應使得其可由經注冊以供移動裝置使用的各種軟件/固件支持。舉例 來說，如果消息包含15秒的視頻，但裝置應用程序中的任一者內不存在CODEC設施來 展示此視頻，那么所述消息是不適宜的。倘若所述消息與應用程序能力匹配，那么控制 繼續到步驟2008;否則，控制跳到步驟2020，其中拒絕使用所述消息。在步驟2008中，作出關于步驟2002的消息是否通過移動客戶端的應用程序能 力內的系統操作者指定的選通準則匹配的確定。舉例來說，如果消息僅適合成人觀眾， 那么此消息將可能最好針對被識別為未成年人的任何用戶而過濾掉。倘若所述消息與指 定系統操作者所指定的選通準則匹配，那么控制繼續到步驟2010;否則，控制跳到步驟 2020，其中拒絕使用所述消息。在步驟2010中，作出關于步驟2002的消息是否通過取樣準則匹配的確定。舉 例來說，如果預計將特定廣告提供給人口統計的僅30%，那么具有1到100的范圍并種植 有其自己的ESN和服務器指定的種子的隨機數產生器(RNG)可在所得隨機數小于30%的 情況下限定所述廣告。如果廣告/消息通過取樣準則，那么控制繼續到步驟2030，其中 可執行消息選擇；否則，控制跳到步驟2020，其中拒絕使用所述消息。圖21是描繪隨機取樣方案的流程圖，所述隨機取樣方案是針對其中操作者可能 想要將用戶劃分為相互排斥的多個集合并使不同消息目標對準到每一個集合的情形而呈 現的。舉例來說，操作者可能根據約定義務下而不向同一用戶展示任何百事可樂廣告和 任何可口可樂廣告。因此，操作者可能想要將百事可樂廣告目標對準到訂戶基礎的50% 且將可口可樂廣告目標對準到訂戶基礎的剩余50%，從而確保不向同一用戶展示兩種廣告。所述過程在步驟2102中開始，其中將隨機數產生器種子和ESN(電子序列號)提 供給移動客戶端/W-AT。接下來，在步驟2104中，執行隨機數產生過程以產生1與100 之間或任何其它范圍的數字之間的隨機數。控制繼續到步驟2110。在步驟2110中，作出關于步驟2104的隨機數與所定義的范圍(例如，1到100 的總范圍中的1到50或51到100)之間是否形成匹配的確定。如果形成匹配，那么控制 跳到步驟2112，其中接受討論中的消息，或者如果與上文的可口可樂/百事可樂實例一 樣存在競爭性廣告，那么接受兩個消息中的第一者；否則，控制跳到步驟2114，其中拒 絕討論中的消息，或者如果與上文的可口可樂/百事可樂實例一樣存在競爭性廣告，那 么拒絕兩個廣告中的第一者，而接受第二廣告。繼續到圖22，應了解，訂戶基礎內的相互排斥的消息目標對準可對某一唯一 ID(例如，用戶ID或裝置ID)使用如同散列方案的單向函數來完成。在操作中，操作 者可基于散列計算的結果來指定不同的目標用戶段。可完成此取樣以目標對準由其相應 ESN的散列值的范圍界定的用戶分段。所述過程在步驟2202中開始，其中將唯一 ID提供給移動客戶端/W-AT。接下 來，在步驟2204中，可執行單向散列過程以產生任何范圍的數字之間的值。控制繼續到 步驟2210。
在步驟2210中，作出關于步驟2204的散列值與所定義的范圍之間是否形成匹配 的確定。如果形成匹配，那么控制跳到步驟2212，其中接受討論中的消息，或者如果與 上文的可口可樂/百事可樂實例一樣存在競爭性廣告，那么接受兩個消息中的第一者； 否則，控制跳到步驟2214，其中拒絕討論中的消息，或者如果與上文的可口可樂/百事 可樂實例一樣存在競爭性廣告，那么拒絕兩個廣告中的第一者，而接受第二廣告。注意，當客戶端的散列值不屬于系統操作者所指定的取樣范圍內時，可拒絕所 述消息；否則，消息處理可繼續到下一選通準則或選擇階段。還注意，操作者還可能選 擇混合方法以通過在相互排斥的多個集合內隨機地目標對準來針對特定廣告/消息分布 活動對用戶進行取樣。作為實例，特定廣告活動可能被目標對準到訂戶基礎的未獲得第 一廣告的隨機20%。這將通過首先使用基于單向函數的取樣來產生相互排斥的集合且接 著在相互排斥的集合內隨機地目標對準來實現。繼續，圖23展示消息選擇過程2300內的示范性數據流。所述選擇過程的目的可 為通過選通過程從轉發到移動客戶端/W-AT的消息池選擇消息，并將選定的消息存儲在 存儲器(例如，特殊客戶端廣告/消息高速緩沖存儲器)中。在消息空間爭用的情況下， 也可使用選擇過程2300來從高速緩沖存儲器選擇需要被替代的先前高速緩存的消息。消息選擇可在存在對高速緩沖存儲器空間的爭用，即高速緩沖存儲器中沒有足 夠的空間來容納所有新消息和先前高速緩存的消息時開始起作用。消息選擇可以是多步 驟過程，且因為高速緩沖存儲器可劃分為不同類別(動態或靜態地)，所以爭用和選擇可 在每一消息類別中發生。在操作中，消息選擇器2310可從選通裝置220或其它執行選通過程的儀器接收 新消息，以及從系統操作者或第3方280接收若干消息過濾規則。消息選擇器2310可接 著將各種過濾規則應用于每一新消息，以確定每一新消息是否通過某些基本準則，例如 新消息是否適合年齡或性別。倘若特定消息不符合過濾規則，那么其可被分類為被拒絕 的新消息且被丟棄。在過濾規則下未丟棄的消息可由消息選擇器2310進一步處理以針對每一所接收 到的消息導出“目標用戶簡檔”給匹配指示符計算器2320，所述匹配指示符計算器2320 可接著將所述目標用戶簡檔與用戶簡檔產生代理210或存儲關于用戶的信息的某一其它 裝置所提供的用戶簡檔進行比較。匹配指示符計算器2320又可執行每一目標用戶簡檔與 和用戶或移動客戶端/W-AT相關聯的用戶簡檔之間的匹配，且將量化特定傳入的/新的 消息與用戶簡檔兼容得有多好的匹配指示“得分”提供給消息選擇器2310。如果匹配指示“得分”的等級足夠好，那么可進一步考慮相應消息；否則，所 述消息可變為被拒絕的新消息。由消息選擇器2310進一步處理的消息可將匹配指示“得分”連同其它消息值屬 性(例如，消息大小、持續時間、存儲器和顯示器要求等等)提供給消息值計算器2330， 所述消息值計算器2330又可將此類消息的“消息值”提供回消息選擇器2310。繼續，消息選擇器2310可從高速緩沖存儲器管理器122接收關于可用的高速緩 沖存儲器(或高速緩沖存儲器的專用于特定消息類別的部分)的狀態的信息，連同高速緩 沖存儲器命中/未中信息和高速緩沖存儲器(或相關部分)中的每一消息的消息值。取 決于特定消息的命中/未中信息，可任選地調整給定消息的消息值。
消息選擇器2310可接著基于相對消息值來確定新接收到的消息是否將替代高速 緩沖存儲器中的一個或一個以上現有消息，且任何新選擇的消息可接著連同相應的消息 ID和相應的消息值一起發送到高速緩沖存儲器管理器122，且可丟棄任何被替代的消息/ 拒絕在將來使用任何被替代的消息。圖24A和圖24B描繪概述在移動裝置(例如，W_AT)處接收到的一個或一個以 上新消息的消息選擇過程的流程圖。示范性過程流程圖展示在消息選擇期間發生以確定 將哪些新消息添加到高速緩沖存儲器以及哪些先前高速緩存的消息將被替代/丟棄的高 級動作流。所述過程在步驟2400中開始，其中針對第一新消息作出所述消息的大小是否小 于或等于針對特定高速緩沖存儲器且(任選地)針對特定消息類別(例如，電影預告片、 棒球運動精彩場面、天氣報告和服裝銷售)的某一最大消息大小的確定。如果新消息大 小符合步驟2400的高速緩存存儲器要求，那么控制跳到步驟2402;否則，控制繼續到步 驟 2408。在步驟2402中，將新消息放置在高速緩存存儲器中。接下來，在步驟2404中， 計算新消息的消息值，且用新消息的消息值來更新高速緩沖存儲器中的各種消息以及任 選地高速緩沖存儲器的消息類別的“優先權隊列”。接著，在步驟2406中，基于新消息 來更新可用高速緩沖存儲器大小(再次具有對特定消息類別的任選更新)。注意，可使用 此類消息值來維持高速緩沖存儲器內的每一類別的優先權隊列。周期性地(依據預定義 的時間表)，引擎可重新計算高速緩沖存儲器中的各種消息值，并基于新的值重新調整優 先權隊列。此對基于值的優先權隊列的周期性更新可導致當將新消息視為高速緩沖存儲 器替代候選消息時花費較少的時間，因為隊列中的值是當前值將成為的值的良好近似。 所述過程接著繼續到步驟2430 (下文論述)。在步驟2408中，計算新消息的消息值。接下來，在步驟2410中，作出關于新 消息是否將為默認消息的確定。如果新消息將為默認消息，那么控制跳到步驟2412;否 則，控制繼續到步驟2420。在步驟2412中，作出關于新消息的值是否大于高速緩沖存儲器中已有的相同類 型的默認消息的值的確定。標記為默認消息且具有大于已存儲的消息中的一者或一者以 上的值的新消息可被給予優先權。可計算新消息迎合針對其不存在此類別的先前默認消 息的新消息類型的情況的額外大小(如果其在大小上大于將被替代的消息，因為這些消 息可容納在高速緩沖存儲器中。具有比新消息低的值的舊的默認消息可經標記以供替 代。每一消息類型可通常具有固定數目(通常為1)的默認候選者。如果新消息值較大， 那么控制跳到步驟2414;否則，控制繼續到步驟2422。在步驟2414中，更新所有默認消息的總大小，且在步驟2424中，標記將被替代 的現有經高速緩存的消息以供刪除，同時標記新消息以添加到高速緩沖存儲器。注意， 基于高速緩沖存儲器如何劃分或分配給各種消息類別，可針對每一類別計算新的空間分 配。控制繼續到步驟2430。在步驟2422中，標記新消息以供刪除，且控制繼續到步驟2430。在步驟2420中，可將每一新的非默認消息的新消息值添加到各種消息類別的相 應優先權隊列，且控制繼續到步驟2430。
在步驟2430中，作出關于是否存在待考慮的更多消息候選者的確定。如果更多 消息候選者可用，那么控制跳回到步驟2440，其中選擇下一消息進行考慮，且接著返回 直到步驟2400，其中使下一消息可用于處理；否則，控制繼續到步驟2450。在步驟2450中，可基于總高速緩沖存儲器大小與默認消息所占用的存儲器的量 之間的差來確定所有新的非默認消息的可用大小。接下來，在步驟2452中，可基于某一
“類別比率”、參數等式或通過某些其它規則和/或等式集來計算用于每一類別的消息的 可用存儲器。控制繼續到步驟2454。在步驟2454中，可針對每一消息類別標記具有最低相關聯值的各種消息以供刪 除，以便符合針對每一相應消息類別的可用存儲器。接下來，在步驟2456中，可從高速 緩沖存儲器去除經標記以供刪除的那些消息，且其相應值條目也可從相應的優先權隊列 去除。接著，在步驟2458中，可請求經標記以供刪除的那些新消息，且其相應值條目也 可從相應的優先權隊列去除。控制繼續到步驟2460。在步驟2460中，可將未經標記以供刪除的那些新消息添加到高速緩沖存儲器， 且其相應值條目可保留在相應的優先權隊列中。控制繼續到步驟2470，其中所述過程停止。關于確定消息值和消息值屬性，可考慮以下內容消息值屬性計算消息的值可基于消息的類型而考慮若干屬性。雖然這些屬性 中的若干屬性可由服務器界定以維持對消息遞送方案(例如，廣告活動)的集中控制， 但在具有消息功能的通信系統上，進入消息值計算的屬性中的一些屬性可在移動客戶端/ W-AT上基于相應用戶如何與消息交互而確定。基于服務器的值屬性收入指示符(RI)=指示根據消息/廣告的服務/點擊而賺得的收入的在1到 N(例如，100)的范圍內的值。較高的值指示較高的收入。優先權指示符(PI)=指示系統操作者R基于移動消息遞送系統上的某一件能量 度(例如，廣告商的廣告活動的有效性)為消息安排的優先權等級的在1到M(例如，10) 的范圍內的值。此數字可由操作者增加以增加給定消息遞送活動的優先權。消息遞送活動的開始和結束時間(Tstart*T—)=消息遞送活動觀看開始時間和 消息活動觀看結束時間的UTC時間。在消息活動觀看結束時間之后，消息可期滿，且可 不再展示于移動消息遞送系統內。所述消息還可在此時從相應的高速緩沖存儲器去除。總體系統點講率(CTR)=這是服各器包含的仵詵屬件,其用以指示被供應了 移動消息遞送系統內的消息的具有目標用戶簡檔的所有客戶端上的消息活動的總體點進 率。CTR可僅對基于用戶動作或點擊的消息/廣告適用。CTR還可具有與其相關聯的 指示CTR的準確性的置信等級(CTRa^-m^。如果CTRO^-ME低于某一閾值，那么 可產生1到P(例如，100)的范圍內的隨機CTR，以替代地用于相應值計算中。這可允 許系統測試特定新消息/廣告活動將如何處置訂戶段。目標消息供應計數(MAXserve)=這是界定同一消息可向同一用戶展示的最大次 數的屬性。目標用戶動作計數(MAX t)=這是界定用戶對所供應的消息施加動作的 最大次數的屬性，在所述最大次數之后，所述消息可從相應的高速緩沖存儲器期滿。在各種實施例中，此屬性可僅對基于用戶動作或點擊的消息/廣告適用。每天最大消息供應計數(DAILYMAXSERVEj 這是界定單天內同一消息可向同一 用戶展示的最大次數的屬性。每天最大用戶動作計數(DAILYMAXUSERACTIQN1:這是界定該天內用戶對所供應 的消息施加動作的最大次數的屬性，在所述最大次數之后，不將所述消息供應給用戶。 在各種實施例中，此屬性可僅對基于用戶動作或點擊的消息/廣告適用。基于客戶端的值屬性累計消息供應計數(CUMSERVE1:現有消息已供應給特定用戶的次數。累計用戶動作計數(CUMUSERACTIQN1:現有消息已調用用戶動作的次數。與累計 消息供應計數一起，累計用戶動作計數可用于計算消息的本地客戶端點進率(LCTR)。在 各種實施例中，此屬性可僅對基于用戶動作或點擊的消息/廣告適用。毎天累計消息供應計數(DAILYCUMSERVE1 =在給定的一天中現有消息已供應給 用戶的次數。此值可在每一 24小時周期開始時復位為0。毎天累計用戶動作計數(DAILYCUMuser ACTION1 =在給定的一天中現有消息已調 用用戶動作的次數。此值可在每一 24小時周期開始時復位為0。在各種實施例中，此屬 性可僅對基于用戶動作或點擊的廣告適用。用戶簡檔匹配指示符(Ml)通常在1與100之間的此數字可指示目標用戶簡檔 可與具有移動消息分布功能的客戶端的用戶的用戶簡檔匹配得有多好。高諫緩沖存儲器未中狀杰閃配指示符(FLArTcACTE MISS 可存在應用程序從高 速緩沖存儲器管理器請求消息但高速緩沖存儲器中的消息均不與應用程序選通準則匹配 的情況。此類例子可被高速緩沖存儲器管理器記錄。此屬性確定新消息是否與最近記錄 的高速緩沖存儲器未中匹配。如果新消息與最近高速緩沖存儲器未中中的一者匹配，那 么此屬性可為邏輯“1”，且否則為邏輯“0”。一旦所述消息由應用程序從高速緩沖存 儲器存取，就可使旗標復位。如果為高速緩沖存儲器條目選擇新消息，那么可從所記錄 的高速緩沖存儲器未中列表中去除所述高速緩沖存儲器未中條目。重放概率指示符(PPI)=在0到P(例如，100)之間的此數字可指示基于應用程 序向能夠重放特定消息類型的過濾代理預訂的數目、裝置用戶對應用程序的相對使用率 等等的消息的重放概率。由于所述值屬性中的一些值屬性僅對某種消息適用，所以值計算對于不同類別 的消息可不同。可基于使用針對每一類別的公式計算的值而針對所述特定類別維持單獨 的優先權隊列。消息倌計算公式來自系統操作者的過濾規則可確定針對每一類別的值計算公 式和進入計算的任何權數。用于計算每一類別中的消息值(V)的公式的示范性一般表示 為V = (na = 1 到 mMULT_ATTRa* (Eb =:到 nADD_ATTRb/MAX_ADD_ATTRb*WTb))/(Eb = lSJnWTb^SizeAD)其中經規范化消息值為經規范化￥ = = NV* (MAXSERVE「CUMSERVEl) *f ( t ) 其中MULT_ATTRa是第a個乘法值屬性，ADD_ATTRb是第b個加法值屬性，MAX_ADD_ATTRb是第b個加法值屬性的最大值，WTb是公式中指派給第b個加法屬性
的權數，t = tELAPSEDl/T INTERVALi，
且f(T)是基于時間的值衰減函數，T INTERVALi 是其間將 展示消息的第i個間隔持續時間，taAP■是在第i個間隔中已逝去的時間，MAXSERVEl是 第i個間隔內同一消息可向同一用戶展示的最大次數，且CUMSERVEl是第i個間隔內現有 消息已供應給用戶的次數。以下是針對不同類別的值計算公式的一些實例。基于印象的有目標消息的值計算VAL = (PI/10*[(RI/100*WTri) + (MI/100*WTmi) +(FLAGcache—MISS—MI*WTCACHE—MISS—MI) + (PPI/100*WTppi) ]) /( (WTri+WTmi+WTCACHemissmi+WTppi) *SizeMSG)基于印象的無目標消息的值計算VAL = (PI/10*[ (RI/100*WTri) + (FLAGcache—MISS—MI*WTCACHE—MISS—MI) +(PPI/100*WTppi) ]) / ( (WTri+WTcache—MISS—mi+WTppi) *SizeAD)基于用戶動作的有目標消息的值計算 VAL = (PI/10*[ (RI/100*WTri) + (MI/100*WTmi) + (FLAGcache—MISS—MI*WTCACHE—MISS—MI) + (PPI/100*WTppi) + (CTR*WTctr) + (LCTR*WTlctr) ]) /( (WTri+WTmi+WTCACHemissmi+WTctr+WTlctr+WTppi) *SizeMSG)基于用戶動作的無目標消息的值計算VAL = (PI/10*[ (RI/100*WTri) + (FLAGCA^—MISS—MI*WTCACHE—MISS—MI) +(PPI/100*WTppi) + (CTR*WTctr) + (LCTR*WTlctr) ]) /(WTri+WTCACHemissmi+WTctr+WTlctr+WTppi) *SizeMSG)其中RI是按1到100的標度的收入指示符值，PI是按1到10的標度的優先權指
示符值，CTR是針對給定用戶簡檔的系統內的消息的點進率，LCTR是針對特定客戶端 的消息的點進率，Ml是按1到100的標度的目標用戶簡檔與用戶的簡檔之間的匹配指示 符，FLAGeAeHE—MISS—MI是具有值0或1的消息類型與高速緩沖存儲器未中狀態之間的匹配 指示符，PPI是按1到100的標度的消息重放概率指示符，WTRI是計算中的收入指示符的 權數，WTMI是計算中的匹配指示符的權數，WTeAeHE—MISS—_是計算中的高速緩沖存儲器未 中狀態匹配旗標的權數，WTeTR是計算中的用戶簡檔特定系統點進率的權數， 計算中的消息的客戶端特定點進率的權數，且▽丁^是值計算中的消息重放概率指示符的 權數。針對f( X )的實例線性衰減f(t ) = (1- T ) *u(l- T )由線件衰減限制的較快指數衰減=f(x) = (l-x)e-A^u(l-x),注意到當入 =0時發生線性衰減；當T = 0時，f( T ) = 1 ；且當T = 1時，f( T ) = 0。由線件衰減限制的較慢S形曲線衰減:f(x) = (l-x)[(l+a)/ (l+aeAT)]^u(l-x),注意到當\ =0時發生線性衰減；當t = 0時，f(i) = 1 ；且當 t = 1時，f( T ) = 0，且進一步注意到當x > 0時，u(x) = 1 ；且當x <= 0時，u(x) =0。并且，X和4是由系統操作者基于時間而指定的值衰減率常數。消息匹配指示符計算如上文簡要暗示，用戶簡檔匹配指示符(Ml)可以是數字，且不必在0與100之間，其指示目標用戶簡檔與具有移動消息遞送功能的客戶端的用 戶的用戶簡檔以及其過去的消息/廣告觀看歷史或其消息/廣告偏好的某一度量匹配得有 多好。盡管可將Ml描述為標量數值量，但應了解，可例如根據設計偏好，使用多項式函 數或向量設計出一個或一個以上替代“加權”方案。因此，可指派其它值(例如，標量 或非標量，單一值或多值)而不脫離本發明的精神和范圍。出于說明性目的，使用0與100之間的標度量來描述廣告匹配指示計算的若干實 施方案，因為這是可給出的最簡單范圍之一。可視需要使用其它范圍。一個此類實施方 案利用模糊邏輯，其可用于針對廣告商指定的獨立目標規則群組中的每一者產生置信等 級值。依據這些置信等級，可使用這些置信等級的加權求和來獲得廣告與用戶簡檔的匹 配指示符值。以下非限定性等式可用作一種類型的模糊邏輯的實例，MI = (Eb = 1 到 nCONF_LEVELb*WTb) /Eb =:到 nWTb)其中消息與用戶簡檔的總體匹配指示符(Ml)是與置信等級(CONF_LEVEL)的 和乘以對應于屬性值(b)的權數(WT)再除以對應于第b個加法屬性的權數(WT)的和有關。作為置信等級計算的實例，假設廣告商希望將其廣告向女性目標對準，目標對 準到在15到24的年齡范圍內且具有40K以上的收入或在25到34的年齡范圍內且具有 70K以上的收入的女性。已知感興趣的用戶簡檔元素的值，且假設相關聯的置信等級 為
用戶簡檔元素值置信度女性50%年齡15到2440%年齡25到3435%收入> 40K65%收入> 70K45%規則群組的置信等級為女性=50%對于年齡15到24且具有40K以上的收入或年齡25到34且具有70K以上的收 入的復合規則群組，可使用最大值/最小值方法。舉例來說，取兩個分組的最小值的最 大值(例如，MAX(MIN(40，65)、MIN(35，45))產生 MAX(40，35)，其是此分組的
40%置信等級。整個規則群組的總體Ml將是“女性”置信等級50%與復合置信等級40%的組 合乘以相關聯的WTb并除以相關聯WTb的和。如上所述，可使用其它形式的模糊邏輯， 而不脫離本發明的精神和范圍。雖然這論證一種確定用戶簡檔匹配指示符值的方法，但可使用例如統計平均、
31曲線擬合、回歸分析等等其它方法來獲得廣告的目標簡檔與用戶的簡檔之間的匹配的合 邏輯的指示。盡管主要將以上方法理解為標量方法，但可使用利用向量表示(例如，點 積)、人工神經網拓撲等非標量方法。舉例來說，個別規則群組的每一屬性的置信等級可由n維向量表示。如果必要 的話(例如，如果不同個別規則群組單獨向量化)，那么所述n維向量可以是與其它m維 個別群組的點積，以產生廣告規則群組置信度的總體交集或投影。此值可接著以用戶的 簡檔的數學表示進行標量操縱或“點積運算”(依據投影空間)，以產生匹配指示置信等 級。可使用例如氣泡或分級方法等其它匹配型算法。當然，應理解，可視需要使用 各種形式的這些和其它方法來獲得廣告匹配的較精確和/或高效的確定。匹配算法可視 需要駐存在移動消息遞送系統上或具有移動消息遞送功能的客戶端上。另外，依據所選 擇的配置和資源，可在消息遞送系統或具有消息遞送功能的客戶端之間解析這些算法的 多個部分。圖25是說明根據本發明實施例的示范性用戶簡檔匹配指示符(Ml)過程2500的 流程圖。示范性過程2500實施上文所論述的算法/方案中的任何一者或一者以上。示 范性過程2500在步驟2510處啟始，并繼續到步驟2520，其中編譯或表征例如廣告商的廣 告目標參數等消息目標參數。接下來，在步驟2530中，示范性過程可進行到產生目標參數的度量或數學表 示。在各種實施例中，此步驟可簡單地需要將參數特性轉換為可管理的數字，例如具有0 到100之間的范圍的標量值。當然，可依據設計偏好使用不論正和/或負的任何范圍。 步驟2530可使廣告的目標參數能夠由數學表達或值來表示。舉例來說，如果廣告商希望 以所有女性為目標，且私下不知悉女性與男性訂戶的比率，那么廣告商的請求將根據提 供者的訂戶群體細分而轉換。即，假設提供者的訂戶群體中的1 1女性與男性比率， 那么這將是50%或0.50的值。或者，如果特定提供者的相應訂戶性別比率為1 2，那 么這將轉化為近似33.3%的訂戶群體或0.333的近似值。應理解，可對目標參數執行其它操縱，例如轉換為向量或參數化表達。并且， 依據呈現目標參數的初始格式，步驟2530可簡單地由在極少或無操縱的情況下將參數轉 發到下一步驟組成。即，目標參數可能已處于能夠經受后續步驟處理的形式且可能不需 要任何轉換。控制繼續到步驟2540。在步驟2540中，可發生用公式表示的數學表達或度量的任選調節或變換。舉例 來說，依據消息的目標參數的復雜性和分配給消息的目標參數的定義空間，可能需要執 行進一步處理和操縱。舉例來說，可執行不同廣告目標參數之間的相關。舉例來說，如 果廣告商想要特定區域代碼內作為新訂戶的具有18到24歲之間的年齡范圍的女性目標簡 檔，那么可形成置信等級或其它類型的數學推斷，以提供整個廣告目標參數集的較簡單 或較高效的表示。應了解，可在認為適當時使用其它形式的相關或操縱。另外，基于移 動客戶端的處理能力和/或其它實際考慮因素，可能需要細化度量或減小度量的復雜性 以實現較有效或較高效的匹配。控制繼續到步驟2540。在步驟2550中，可執行消息匹配算法以確定消息目標簡檔與用戶簡檔的匹配度 量或配合適宜性。應了解，此過程可使用本文所描述或此項技術中已知的若干可能的匹配算法中的任一者。非限定性實例為模糊邏輯、統計方法、神經網、氣泡、分級等等。 接下來，在步驟2560中，可產生總體用戶匹配指示值、總體置信等級或指示消息對用戶 簡檔的適宜性等級的其它度量。在確定用戶匹配簡檔指示(其例如可簡單地為標量數字 或者“是”或“否”值)后，控制繼續到步驟2570，其中過程終止。基于以上示范性過程2500，針對目標群體指定的廣告和其它消息可與用戶的簡 檔匹配以確定消息/廣告對用戶簡檔的適宜性。因此，如果給出較高或可接受的匹配指 示，那么可將消息/廣告轉發給用戶，期望用戶將對消息作出滿意的響應，或按照對用 戶作出的安排。因此，為用戶“定制”的廣告/消息可高效地散布給用戶。圖26是說明根據本發明實施例的示范性用戶簡檔匹配指示符2600的框圖。示 范性用戶簡檔匹配指示符2600包含目標簡檔產生器2610、廣告服務器2620、用戶簡檔產 生器2630、簡檔與簡檔比較器2640以及存儲系統2660。在操作中，比較器2640可容納在用戶系統(未圖示)中，且可將目標簡檔產生 器2610轉發的信息與用戶簡檔產生器2630轉發的信息進行比較。目標簡檔產生器2610 可轉發與廣告服務器2620提供的廣告有關的屬性，其中所述信息/屬性可與如用戶簡檔 產生器2630提供的用戶簡檔的信息/屬性進行比較。基于比較器2640中含有的算法， 匹配指示可用公式表示，從而指定目標簡檔對用戶簡檔的適宜性等級或置信等級。基于 所述匹配指示，來自廣告服務器的與目標簡檔的屬性一致的廣告和/或信息可轉發到存 儲系統2660。存儲系統2660可駐存在用戶系統上。因此，“定制的”廣告和/或信息 可在不危害用戶簡檔的隱私權的情況下轉發給用戶。基于過去觀看歷史的關鍵詞相關上文所描沭的匹配指示符計算中的潛在輸入 中的一者可為所觀看的先前消息(即，用戶的“觀看歷史”)與新消息之間導出的相關 值。在此上下文中，或者消息可根據設計偏好而與來自廣告銷售接口處的詞典的關鍵詞 相關聯。參看圖27，描述一過程，其描述關鍵詞相關聯消息遞送的示范性產生和使用。所述過程在步驟2710中開始并繼續到步驟2720，其中可將關鍵詞指派給各種消 息。舉例來說，針對婦女的服裝的廣告可具有四個關鍵詞，包含“時尚”、“女性”、
“服飾”和“昂貴”。所述關鍵詞可廣泛地與一類廣告/消息相關聯，或可個別地與特 定種類的廣告/消息相關聯。因此，依據所期望的分辨或辨別等級，一個以上關鍵詞可 與一特定廣告/消息相關聯，或反之亦然。在各種實施例中，關鍵詞可限于廣告/消息 詞典或索引。繼續，可給予此類關鍵詞權數(例如，0與1之間的數字)以幫助描述特定消息 與關鍵詞的含義之間的關聯強度。如果確定關鍵詞不具有相關聯的或外加的權數，那么 其權數可假定為1/n，其中n是與消息相關聯的關鍵詞的總數目。以此方式，可以1/n因 子應用總平均權數，以在某種意義上將總體關鍵詞值規范化在所要范圍內。所指派的權數可提供某一程度的規范化，尤其在多個關鍵詞的情況下(例如， 1/n,給定n個關鍵詞，其中每一關鍵詞具有最大值1)，或可用于根據預定閾值或估計來 對關鍵詞或廣告/消息進行“估價”。舉例來說，一些關鍵詞可依據當前事件或某一其 它因素而具有較高或較低相關性。因此，可在認為適當時經由加權將加重或去加重強加 于這些特定關鍵詞。假定步驟2720具有將權數指派給關鍵詞的措施作為用于固定關鍵詞 值估計的關鍵詞關聯的一部分。然而，在一些例子中，可能未預先指派權數，或權數估
33價未確定。在那些例子中，可將任意值指派給關鍵詞，例如權數1。假定這些關鍵詞被 轉發到移動客戶端。控制繼續到步驟2730。在步驟2730中，可監視用戶對消息的響應。在操作中，可將消息呈現給用戶， 于是用戶可選擇是否在所述消息上“點擊”。如此項技術中應了解，術語“點擊”可被 假定為表示用戶對消息的存在的任何形式的響應，或作為操作消息序列的一部分。在一 些用戶實施例中，可將缺少響應解釋為肯定的無點擊或點擊離開響應，在一些情況下類 似于取消選擇。因此，可歷史地計量移動客戶端用戶對各種廣告/消息的響應。通過監視關于廣告/消息的一般群體或甚至有目標的群體的用戶的“點擊”響 應，可獲得對用戶的興趣的初始評定。在各種實施例中，用戶對給定廣告/消息或一系列廣告/消息的響應時間也可用 于計量用戶對其的興趣。舉例來說，用戶可點進若干廣告/消息，每一廣告/消息具有 不同的相關性程度或關鍵詞，且點進率或點通率可被理解為指示用戶興趣。控制繼續到 步驟2740。在步驟2740中，可執行特定廣告/消息的用戶選擇(例如，點擊)與其相應關 鍵詞的比較，以建立至少“基線”相關度量。再次，可注意到，所述選擇和/或選擇率 可用于確定用戶對關鍵詞相關聯廣告/消息的興趣。通過此比較，可提供各種關鍵詞與 用戶的廣告/消息偏好之間的相關。此相關可使用若干方法中的任一者來實現，例如統 計方法、模糊邏輯、神經技術、向量映射、主成份分析等等。從步驟2740，可產生用戶 對廣告/消息的響應的相關度量。在各種示范性實施例中，內嵌在消息遞送系統和/或W-AT上的“關鍵詞相關引 擎”可跟蹤特定消息/廣告可以特定關鍵詞呈現(或轉發)給用戶的總次數(例如，N_ 總_關鍵詞)連同對所述關鍵詞的總點擊數(例如，N_點擊_關鍵詞)。可計算N_點 擊_關鍵詞/N_總_關鍵詞的比率以確定關鍵詞與用戶的響應的相關。如果在沒有針對 給定消息的相關聯權數的情況下指定關鍵詞，那么用于消息的關鍵詞的權數可假定為1。 通過如上所述用公式表示比率，可產生用于計量用戶對關鍵詞標記的廣告的反應或興趣 的度量，且可相應地設計對匹配的細化或改進。在以上實例中，肯定點擊可用于指示用 戶的興趣。然而，再次還應了解，在一些實施例中，無點擊或無直接響應也可用于推斷 興趣等級或匹配相關性。作為一個示范性實施方案的說明，假定對于給定廣告存在N個關鍵詞。可基于 相關聯的關鍵詞權數創建N維向量A。可用每一維度中廣告的每一關鍵詞與用戶的相關 度量來創建N維相關向量B。可接著創建用以建立廣告與用戶的相關的標量相關量度C， 其是向量A和B的函數。在一些實施例中，相關量度C可簡單地為向量A與B的點積 (C = A B，如C = (1/N) A B)。此標量相關量度C提供廣告有多好地基于特定用 戶的先前廣告觀看歷史而目標對準到所述特定用戶的非常簡單且直接的量度。當然，可 使用其它方法來使A與B對應相關，例如參數化、非標量變換等等。以上方法假定關鍵詞詞典具有彼此獨立的關鍵詞。倘若關鍵詞相互關聯，那么 可使用模糊邏輯來產生用于相互關聯的關鍵詞集合的組合權數。可實施其它形式的邏輯 或相關，例如多項式擬合、向量空間分析、主成份分析、統計匹配、人工神經網等等。 因此，本文所描述的示范性實施例可在認為必要時使用任何形式的匹配或關鍵詞與用戶相關算法。控制繼續到步驟2750。在步驟2750中，移動客戶端或用戶可接收與各種預期有目標的消息/廣告相關 聯的“目標關鍵詞”。接下來，在步驟2760中，可評估所接收到的目標關鍵詞以確定 是否存在匹配或關鍵詞是否滿足可接受的閾值。在各種實施例中，匹配評估可視需要涉 及較高算法，例如統計方法、模糊邏輯、神經技術、向量映射、主成份分析等等。應了 解，步驟2740的相關過程和步驟2760的匹配過程可以是互補的。S卩，不同算法可與相 應過程一起使用，這取決于設計偏好或取決于所轉發的廣告/消息關鍵詞的類型。控制 繼續到步驟2770。在步驟2770中，可將那些被認為在接受閾值內匹配的有目標的消息轉發和/或 顯示給用戶。廣告/消息的轉發可采取若干形式中的任一者，一個此形式(例如)是簡 單地準許匹配的廣告/消息由用戶的裝置接收和觀看。在一些實施例中，非匹配廣告/ 消息可轉發給用戶，但被停用以便阻止例示或觀看。因此，如果用戶的偏好或簡檔隨后 被修改，那么先前不可接受的廣告/消息但現在可接受的廣告/消息可駐存在用戶的裝置 上且被適當地觀看。當然，可設計出使被認為“匹配”或“不匹配”的廣告/消息可 用的其它方案，而不脫離本發明的精神和范圍。在步驟2770之后，示范性過程2700進 行到步驟2780，其中所述過程終止。通過使用以上示范性過程2700，有目標的廣告/消息可經過濾以迎合用戶的興 趣。用戶的興趣可初始地通過經由關鍵詞指派和匹配歷史地監視用戶在用戶的移動客戶 端上對一組廣告/消息的“點擊”響應來建立。接著還可通過基于當前觀察到的用戶響 應更新用戶的興趣簡檔來實現動態監視。因此，可獲得有目標的廣告/消息的較直接或 較高效的散布，從而產生較令人滿意的移動客戶端體驗。繼續，注意，大量信息可在裝置的壽命期間流經與用戶相關聯的移動裝置。用 戶可與呈現給其的某一部分的信息交互。由于存儲器約束的緣故，可能不可能將所有此 類信息都存儲在移動裝置本身上。甚至存儲與流經裝置的所有此類信息相關聯的所有元 數據和用戶響應也是不可行的。因此，可能需要基于用戶行為創建捕獲用戶偏好的用 戶模型，使得可將相關內容/信息呈現給用戶，而不必存儲所有與用戶有關的過去的信 肩、o因此，如圖28所示，可能需要創建能夠捕獲用戶偏好和所呈現的信息的“關鍵 詞學習引擎” 2810。連同關鍵詞學習引擎一起，可能需要具有基于習得的模型的“關鍵 詞預測引擎” 2820，以提示用戶對呈現給用戶的新信息感興趣的可能性。這可幫助在新 內容到達移動裝置上時對其進行過濾，使得可將相關信息呈現給用戶。在操作中，與到達移動裝置的信息相關聯的元數據可在學習引擎2810和預測引 擎2820中使用。任何與所呈現的信息相關聯的用戶響應也可在學習引擎2820中使用。 在操作期間，學習引擎2810可使用所有過去的信息，例如與相應呈現的信息相關聯的元 數據和用戶行為。基于輸入，學習引擎2810可細化此輸入以提供習得的用戶偏好模型。 此用戶偏好模型可接著用于預測引擎中，所述預測引擎可接收與新信息有關的元數據， 接著使元數據與用戶偏好模型相關以提供針對新信息而預測的用戶匹配指示符/指示。 此用戶匹配指示符/指示可接著用于確定是否將所述信息呈現給用戶。將了解，用戶偏好可相對于正學習的活動具有上下文關系。舉例來說，用戶可具有關于用戶想要觀看的廣告的不同偏好，以及關于用戶想要瀏覽的網頁的一組不同偏 好。舉例來說，用戶可在網上閱讀關于本地社會新聞中的犯罪行為的新聞，以從安全觀 點意識到此活動；然而，這不應暗示用戶將對通過廣告購買槍支感興趣。因此，平臺上 的消息呈現引擎可反映相對于用戶的網絡瀏覽器偏好的不同用戶偏好。其它情況可包含 與平臺上的音樂應用程序或平臺上的體育應用程序有關的用戶偏好。一般來說，每種情 況都可能需要學習和預測引擎。在此文獻中，提供針對給定情況(例如，處理有目標的內容消息/廣告)的用于 學習和預測的示范性架構和算法。所提議的架構和算法可應用于不同情況，而不損失一 般性。討論中的一個任務是在給定情況中從用戶的電話使用習慣學習用戶偏好，例如 從其對呈現給用戶的有目標的內容消息(例如，廣告)的響應學習其喜惡。目標是提供 利用較快且不隨著所呈現的數據的量縮放的學習算法的解決方案。另外，基于系統所學習的模型，當新消息/信息到達移動裝置時，可用的預測 引擎可呈現相對于給定用戶的習得偏好的信息的匹配指示符。此匹配指示符可連同其它 系統約束(例如，任選地，收入或大小信息)一起使用以作出是否將信息實時呈現給用戶 的決策，或作出是否將信息存儲在用戶的移動裝置上(例如，移動裝置上的空間受限的 有目標內容消息高速緩沖存儲器中)的決策。圖29中描繪示范性架構流。如圖29所示，當用戶2990正走過或駕車經過星巴 克(Starbucks)店時，消息服務器2620可將單個消息(例如，星巴克咖啡廣告)實時遞送 到用戶的移動裝置100。基于預測模型，移動裝置100基于所產生的與此信息有關的匹配 指示符值而作出是否將此消息呈現給用戶2990的決策可為有用的。或者，與各種消息有關的元數據信息流可到達移動裝置100，且常駐的預測算法 可針對每一消息提供匹配指示符的相對值，使得移動裝置100可作出將哪些消息存儲在 移動裝置100上的空間受限高速緩沖存儲器240中的決策。
移動裝置100上的選擇函數可除使用來自預測引擎2820的命令和信息作出是否 向用戶2990呈現給定消息的決策的匹配指示符計算外還任選地使用額外指示符，例如相 關聯收入(消息值計算準則)和大小(選通和/或消息值計算準則)。關于學習引擎2810，針對呈現給用戶2990的信息，如果存在與所呈現的信息相 關聯的用戶響應，那么與用戶信息相關聯的元數據和用戶響應兩者可由學習引擎2810用 來產生習得的用戶偏好模型。另外，對于圖29的移動裝置100，以每消息為基礎的個別 動作可或可不存儲在移動裝置100中。S卩，用戶動作連同給定消息的元數據一起可用于 細化習得的用戶偏好模型，且隨后從系統丟棄與用戶動作和廣告元數據有關的輸入。在各種實施例中且如上文所論述，產生并使用描述用戶對給定情況的不同可能 偏好的關鍵詞詞典可為有用的。在操作中，有目標的內容消息的創建者可在用于有目標 的內容消息的元數據中指定與有目標的內容消息相關的那些關鍵詞。當將與有目標的內 容消息相關聯的元數據呈現給用戶2990時，學習引擎2810可基于用戶2990對信息的響 應而更新與關鍵詞有關的用戶偏好。另外，當將元數據(包含與有目標的內容消息相關 聯的關鍵詞)呈現給移動裝置100時，預測引擎2820可計算可用于確定是否將有目標的 內容消息呈現給用戶2990的針對用戶的匹配指示符。
在實際操作中，可假定關鍵詞詞典是用于學習目的的展平表示。注意，暴露于 有目標的內容消息提供者的關鍵詞詞典在性質上可為展平的或分級的。在分級表示中，處于關鍵詞樹中的較高級的節點可表示粗粒度偏好類別，例如 體育、音樂、電影或餐館。關鍵詞樹分級中較低的節點可指定用戶的較細粒度偏好，例 如音樂子類別搖滾、鄉村音樂、流行音樂、說唱等。雖然給定關鍵詞詞典可為分級的，但關鍵詞樹可出于學習的目的而從樹的底部 開始展平。舉例來說，具有四個子類丨搖滾、鄉村音樂、流行音樂和說唱丨的樹中的音 樂節點可經展平為具有音樂(總體)和4個子類別的五節點表示。如果母節點存在L個 葉，那么展平表示針對關鍵詞分級中的母節點的根部轉化為(1+L)個葉。因此，可從樹 的葉開始一直到分級的頂部遞歸地實現樹的展平，使得樹的所有中間節點直接連接到樹 的根部。舉例來說，具有k個等級的四叉樹表示將由根節點連同4+42+43+.....+4(H)個節 點組成。使此樹展平將導致由直接連接到根節點的4+42+43+.....+4(h) = (4k-l)/(4-l)-l =4/3* (4(κ-1)-1)個節點組成的關鍵詞詞典樹。注意，K = 1將對應于0個關鍵詞，K = 2將對應于4個關鍵詞，K= 3將對應于20個關鍵詞，等等。圖30A和圖30B描繪分級表示的樹中的中間母節點處的示范性展平過程。學習 和預測算法可對經加權求和的度量起作用，這有效地導致基于分級樹的平坦化型式的學 習(如果決策制定是在樹的頂部處完成)。繼續，呈現用于移動裝置上的學習和預測引擎的技術。出于注解的目的，假設 存在η個關鍵詞，每一關鍵詞對應于可能想要相對于用戶捕獲的偏好。可抽象地將用戶 的偏好表示為向量P= (Pl，…，ρη)，其中值Pl對應于針對類別i的用戶的偏好等級。類 似地，可抽象地基于消息與關鍵詞的相關性將消息表示為向量A= (a1; .....，an)，其中 值&對應于消息與關鍵詞i的相關程度。可假定消息是依序呈現給學習算法的。應注意，通常可使用較大數目(可能幾百個)的關鍵詞，但其中大部分將與特定 消息無關。可預期用戶將僅對幾個關鍵詞具有較強偏好。數學上將此類向量稱為“稀疏 向量”。可假定輸入訓練消息關鍵詞向量是稀疏的。還可假定所要用戶偏好向量P也是 稀疏的。基于用戶模型的對用戶偏好的當前估計的猜想可表示為P。下文描述用于學習和預測引擎的算法。學習引擎輸入消息(表示為向量)A用戶響應“發生點擊”持久用戶偏好的當前猜想(作為向量)P (初始為0)衰減參數D計數器C(初始為0)
'Vr 如果OC-=\ χ/等式(1)
/D否則P..=+ αA等式(2)C = C+1 等式(3)估計P可在初始值0處開始。然而，在存 在可用信息的情況下，可選擇使用不同的開始種子。舉例來說，知道本地人口統計可幫助將新移動用戶的簡檔種到某一平均值 或混合物(amalgam)。如果種子向量S可用，那么可將戶的初始值設置為等于種子S，其 它步驟沒有變化。另外，可能可使用恒定的衰減參數α，在此情況下，在等式(2)中α = 1/D， 其中D為常數。預測引擎輸入消息(表示為向量)A用戶偏好的當前猜想(作為向量)P返回戶.A在操作中，可提供以下操作保證(1)如果消息和用戶偏好是稀疏的，那么學習引擎可從用戶響應(例如，用戶的 “點擊行為”)快速學習用戶偏好。即，學習的速率可與消息和/或用戶偏好的稀疏度
成比例。(2)學習引擎對高噪聲是穩健的。S卩，即使用戶在較大數目的無關消息上點擊， 只要她正在較小百分比的相關消息上點擊，學習引擎就將能夠學習潛在偏好。(3)如果潛在用戶偏好隨時間改變，那么學習引擎可較好地適合新偏好。除信息-空間稀疏度外，注意，可基于信息的呈現速率、初始種子的值和用戶 簡檔的方面來確定針對用戶選擇速率的學習速率。圖31中提供來自針對可能的關鍵詞學習情境的矩陣實驗室(Matlab)模擬的結 果，圖31描繪在活動的經建模的學習引擎，其中水平軸表示不同關鍵詞(總共500個)， 且垂直軸表示個人的偏好的強度-正暗示用戶喜歡，負暗示不喜歡。頂部曲線3102展 示潛在的用戶偏好，而隨后的四個曲線3104到3110展示在分別接收到50、100、500和 1000條消息之后算法的最佳猜想。對于圖31中表示的模擬，隨機選擇稀疏向量以表示潛在偏好向量。因為消息是 隨機選擇的，所以用戶的行為可模擬如下用戶約25%的時間在真實相關消息上點擊， 且其余75%的時間用戶在無關消息上點擊。衰減參數D被設置為3000。關于哪些消息 被點擊的信息被傳遞到學習引擎。應注意，對于當前實例的模擬，學習引擎未被給予任 何關于每一消息是否與用戶真實相關的信息。鑒于圖31，顯然針對個別學習情況的基于關鍵詞的用戶偏好表示在移動平臺上 可為合乎需要且有用的。應了解，圖31的實例可通過若干經典自適應技術來改進。舉 例來說，向預測模型引入較小程度的隨機性以通過進一步挖掘用戶的興趣來細化用戶的 模型(實際上執行經典神經網絡學習的“磨練”過程特征)可能是有用的。另外，可通過隨時間的過去或基于用戶響應的類型(例如，強正、弱正、中 性、弱負、強負)改變衰減參數來修改等式(2)的中央學習/自適應算法。強正響應可 對估計戶具有正貢獻(A/D(O)(學習引擎中 的步驟6)。然而，如果用戶對某一信息顯示 出某一形式的強負行為，那么響應可對估計盧具有負貢獻(-A/D(O)。如果用戶顯示出某 一形式的弱正響應，那么響應可對估計P具有微小貢獻(a A/D (O)，其中化c^l。類似 地，弱負響應可對估計P具有負且微小的貢獻(-a A/D (O)，其中化ci^l。或者，可通過由系統操作者或響應于某一用戶行為對特定關鍵詞強加估計P限制(即，上限和下限)來 修改等式(2)的中央學習/自適應算法。舉例來說，強負用戶反應 (例如，永不再展示此類型的消息的某一指令)可對一個或一個以上關鍵詞強加上限。更進一步，應了解，在各種實施例中，訓練參數和/或學習規則可內嵌在給 定消息中，其可反映消息與關鍵詞的相關強度。舉例來說，對于具有三個相關關鍵詞 KWl、KW2和KW3的第一廣告，與關鍵詞KW2和KW3相比，關鍵詞KWl可更緊密 地耦合到廣告的內容。假定相應的衰減參數500、2500和3000與廣告一起發射，那么廣
告的選擇可促使預測模型比針對&吣和&吣更快地改變相應估計&wl。注意，預測引擎可經設計以要求基線相關度量超過用以確定目標消息與用戶的 相關性的閾值。舉例來說，代替于圖31，可能需要僅使用與超過0.25和/或在-0.20以 下的估計值相關聯的關鍵詞來選擇消息。類似地/或者，可能需要僅使用前10個值關鍵詞和/或最后5個關鍵詞來選擇 消息。預測模型的此簡化可通過消除用戶選擇“噪聲”的影響來改進移動消息遞送裝置 的性能和可靠性。最后，雖然等式(1)到(3)代表被稱為“LMS最陡下降”自適應/學習算法的 算法，但應了解，可使用其它學習算法，例如牛頓算法，或任何其它已知的或以后開發 的學習技術。圖32A和圖32B概述移動客戶端執行各種學習和預測過程的示范性操作。所述 過程在步驟3204中開始，其中指派一組關鍵詞。如上文所論述，所述組可用關鍵詞可為 稀疏的或非稀疏的，且/或以分級或非分級/展平關系布置。接下來，在步驟3206中， 可將所述組關鍵詞下載到移動客戶端，例如蜂窩式電話或具有無線能力的PDA。接著， 在步驟3208中，可將一組種子值下載到移動客戶端上。在各種實施例中，此類種子值可 包含一組零值、一組基于用戶的已知人口統計而確定的值或一組通過上文關于初始/種 子值論述的其它過程中的任一者確定的值。控制繼續到步驟3210。在步驟3210中，可將一組第一消息連同適當的元數據(例如，關鍵詞和(可能) 關鍵詞權數)和/或任何數目的學習模型(例如，經修改的最陡下降算法)和/或任何數 目的學習參數(例如，上文論述的衰減參數、上限、下限、上下文約束等等)一起下載到 移動客戶端上。注意，雖然本組操作允許在與元數據和其它信息相同的時間下載消息， 但在各種實施例中，消息可在移動客戶端經由任何數目的選通或估價操作確定此類消息 為適宜的之后下載。控制繼續到步驟3212。在步驟3212中，可執行若干預測操作以預測將可能為用戶感興趣的消息(例 如，有目標的廣告)，注意此預測操作可基于由步驟3208的種子值構造的習得模型。接 下來，在步驟3214中，可將所需消息顯示(或以其它方式呈現)在移動裝置上。接著， 在步驟3216中，移動裝置可監視用戶對所顯示的消息的響應(例如，觀察且可能存儲點 進率)。控制繼續到步驟3220。在步驟3220中，可執行一組一個或一個以上學習算法以更新(或以其它方式確 定)各種習得模型來建立一組或一組以上習得用戶偏好權數。注意，如上文所論述，習 得模型可針對多種情況而提供，可使用任何數目的自適應過程(例如，LMS運算)，可并 入有針對特定消息的算法和學習參數等等。控制繼續到步驟3222。在步驟3222中，一組第二 /目標消息可連同適當的元數據和/或任何數目的學習模型和/或任何數目的學習參數一起下載到移動客戶端上。再次注意，雖然本組操作 允許在與元數據和其它信息相同的時間下載消息，但在各種實施例中，消息可在移動客 戶端經由任何數目的選通或估價/預測操作確定此類消息為適宜的之后下載。控制繼續 到步驟3224。在步驟3224中，可執行若干預測操作以預測可能為用戶感興趣的消息(例如， 有目標的廣告)，注意此預測操作可基于步驟3220的習得模型。接下來，在步驟3226 中，可將所需消息顯示(或以其它方式呈現)在移動裝置上。接著，在步驟3228中，移 動裝置可監視用戶對所顯示的消息的響應(例如，觀察且可能存儲點進率)。控制接著跳 回到步驟3220，其后可視需要或在另外合乎需要時重復步驟3220到3228。對于統計產牛的應用-在各種示范件實施例中,用戶偏好向量可具有N個維度， 但僅M個維度的某一子集可與用戶相關。可從N個維度中隨機選擇K個維度的稀疏集 合，但可發射與選定的K個維度相關聯的用戶偏好值。假定某一人口統計類型(例如， 青少年)的群體中存在U個用戶。如果所有U個用戶將所有N個維度值發射到服務器， 那么每一維度可具有可用的U個樣本以確定與所述維度相關聯的統計結果(例如，平均 值或方差)。然而，如果僅發射稀疏(K維)分量，那么平均來說，對于每一維度，可能 Uk/N個樣本為可用。只要U>>N，就存在足夠的樣本可用于計算每一維度的統計結 果，而不要求每一用戶發射其偏好向量的所有N個分量。另外，如果僅一部分(r個)用 戶發射信息，那么平均來說，對于每一維度，可能Ukr/N個樣本為可用。因此，可在搜 集整個用戶群體的統計結果的同時維持每一用戶的信息的足夠程度的隱私權。高諫緩沖存儲器未中歷史屬件=每當從高諫緩沖存儲器請求特定消息/廣告且 高速緩沖存儲器中沒有滿足所請求的消息/廣告類型的消息/廣告時，就失去了向用戶展 示適當消息/廣告的機會。因此，需要向具有高速緩沖存儲器在新近的過去已針對其而 記錄未中的類型的消息給予更多加權的值。在各種實施例中，例如上文論述的高速緩沖 存儲器未中狀態匹配指示符(FLAGCAche miss mi)等參數可起作用以通過輔助消息/廣告值 計算而避免此類失去的機會。在各種實施例中，此屬性起作用以確定新的預期消息是否 與最近記錄的高速緩沖存儲器未中匹配。如果新的預期消息與最近高速緩沖存儲器未中 中的一者匹配，那么此屬性可為邏輯“1”(或等效物)，且否則為邏輯“0”(或等效 物)。一旦消息由應用程序從高速緩沖存儲器存取并供應給用戶，此旗標就可復位。如 果為高速緩沖存儲器條目選擇新消息，那么高速緩沖存儲器未中條目可從所記錄的高速 緩沖存儲器未中列表中去除。過濾規則過濾規則可由系統操作者用來驅動過濾代理的操作。這允許系統操 作者以動態方式控制過濾代理的功能性。過濾規則可為不同類型且用于驅動過濾子系統 的不同功能性。一些典型使用情況可包含·可確定用于基于不同分類將高速緩沖存儲器空間劃分為不同類別的消息高速 緩沖存儲器比率的過濾規則。所述高速緩沖存儲器比率可為固定的或可基于某些已定義 準則而為動態的。·可確定每一類別的值計算公式的過濾規則。·可定義消息的作為基于時間的值 衰減率的λ的過濾規則。·可用于指定進入依據一類別內的消息值屬性對最終消息值的計算中的系數/權數中的任一者的過濾規則。·可定義匹配指示符計算公式的過濾規則。·可定義高速緩沖存儲器未中狀態匹配指示符計算公式的過濾規則。·可定義消息重放概率指示符計算公式的過濾規則。·可定義最小置信等級閾值的過濾規則，低于所述最小置信等級閾值，在裝置 上計算隨機CTR。·可定義將為每一消息類型存儲的默認消息的數目的過濾規則。依據不同的消息分布模型，選通和消息選擇子過程可能由存在于服務器 上或客戶端上的不同代理來實施。下文的以下部分論述用于基于不同廣告分布機制進行 消息過濾的可能架構。多播/廣播消息分布圖33是使用W-AT 100和多播/廣播消息分布服務器 150-A的多播/廣播消息分布方案的說明。在多播分布的情況下，消息(例如，廣告)、 相應的元數據和消息過濾規則可由消息遞送網絡經由廣播或多播信道分布給若干用戶。 因此，對以用戶的用戶簡檔為目標的消息的過濾和高速緩存可連同過濾過程的任何選通 和選擇子過程一起在W-AT 100上發生。單播消息分布存在可用于實施從消息分布服務器單播提取消息的若干不同協 議。基于此服務器處可用的信息，選通和選擇過程可駐存在服務器或各種移動裝置上。 以下是關于所述協議中的一些協議和在每一情況下可實施的對應消息過濾架構的論述。單播消息分布-協議1:圖34說明使用W-AT 100和單播消息分布服務器150-B 的第一示范性單播消息分布方案。在操作中，W-AT 100可將“消息拉動”請求發送到 服務器150-B，藉此服務器150-B可以系統內可用的所有消息來響應。此方法可通過在 W-AT 100上產生并保存簡檔來向服務器150-B隱藏移動裝置的用戶簡檔。然而，如果 因與移動裝置的用戶簡檔不匹配而導致存在消息的顯著部分被拒絕的可能性，那么經由 單播會話將消息遞送到客戶端可能是昂貴的。如在多播分布情況下一樣，對以W-AT 100 的用戶簡檔為目標的消息的過濾和高速緩存可連同過濾過程的選通和選擇子過程一起在 W-AT 100上發生。單播消息分布-協議2:圖35說明使用W-AT 100和單播消息分布服務器150_C 的第二單播分布方案。在此方案中，用戶簡檔可在W-AT 100上產生但可與服務器150-C 同步，因為用戶簡檔的相同副本可駐存在裝置100和150-C兩者上。W-AT 100的裝置 簡檔也可與服務器150-C同步，且因此在從W-AT 100接收到消息拉動請求之后，服務器 150-C可容易地僅將有目標的消息推送到裝置。選通過程，以及基于確定消息是否可向 W-AT 100的用戶簡檔目標對準的選擇過程的多個部分可在服務器150-C上實施。消息 值確定以及用具有較高值的新消息代替舊消息可在W-AT 100上實施。在操作中，W-AT 100與服務器150-C之間的用戶和裝置簡檔的任何同步程序可 使用單獨協議在頻帶外發生，或在某些實施例中簡檔可能包含在來自客戶端的消息拉動 請求中。
單播消息分布-協議3:圖36說明使用W-AT 100和單播消息分布服務器150-D 的第三示范性單播消息分布方案。在操作中，用戶簡檔可保存在W-AT 100上，但僅裝置 簡檔與服務器150-D同步，而用戶簡檔僅保持在W-AT 100內。對應地，選通過程可在服務器150-D上實施，且服務器150-D可僅將已通過選通過程的消息推送到W-AT 100。 選通過程的基于需要用戶的簡檔的系統操作者指定的過濾(如果存在的話)的部分可在 W-AT 100處實施。此外，選擇過程可完全在W-AT 100處實施。與協議2 —樣，W-AT 100與服務器150-D之間的裝 置簡檔的同步可能使用單獨 協議在頻帶外發生，或簡檔可能包含在來自客戶端的廣告拉動請求中。單播消息分布-協議4:圖37說明使用W-AT 100和單播消息分布服務器150-E 的第四單播消息分布方案。在此方案中，在從W-AT 100接收到消息拉動請求之后，月艮 務器150-E可用通過適當選通過程的消息的元數據來響應。因此，選通過程可在服務器 150-E上實施。繼續，選擇過程可使用服務器150-E所提供的元數據在W-AT 100處實 施。選通過程的基于需要用戶的簡檔的系統操作者指定的過濾(如果存在的話)的部分 可在W-AT 100處實施。接下來，W-AT 100可用對W_AT 100基于選擇過程決定顯示 或存儲在其高速緩沖存儲器中的那些消息的消息選擇請求來響應服務器150-E，且服務器 150-E可將那些選定的消息提供給W-AT 100。再次，裝置簡檔或選通參數可能包含在W-AT 100的初始消息拉動請求中，或者 可能使用單獨協議在頻帶外在W-AT 100與服務器150-E之間同步。處理/合成所捕獲的位置數據以影響用戶簡檔位置信息可常用于導出個人人口統計的指示符。在移動通信裝置的情況下，位 置數據可有時為比記帳信息更好的對關于用戶的人口統計數據的指示。除對記帳信息的 使用的約束外，記帳信息可能不包含足夠數據以指示所要人口統計。此外，住宅人口統 計可僅部分指示用戶的消息相關興趣。如果，舉例來說，用戶維持兩個住處或趨向于常 去特定位置，那么這可能不會被住宅人口統計指示。因此，舉例來說，與特定工作或休 閑位置有關的服務和產品可能不會被用戶的住宅位置導出的人口統計反映，但仍非常有 用。可理解，用戶可能不希望發布他/她的位置信息以便保護隱私權或可能認為這 過于冒昧。然而，通過保留由移動客戶端搜集位置信息并執行基于位置的匹配的能力， 有可能獲得移動裝置內的人口統計目標對準所需要的信息且仍保護隱私權。因此，舉例 來說，如果用戶常帶著具有適當功能的移動裝置(例如，具有對GPS信息的接入權的手 機)去特定休閑區域，那么針對用戶的休閑興趣的適當信息可被導出且/或合成，而不會 打擾用戶和/或違背用戶的隱私權。此信息可接著用于導出和/或更新駐存于移動裝置 的用戶簡檔，所述用戶簡檔又可用于確定哪些有目標的內容消息可下載和/或顯示在移 動裝置上。概念上，這可導致基于實際檢測到的位置以適合于與用戶相關聯的位置信息 的方式放置廣告和其它信息，而不將位置信息提供給外部代理。在操作中，可使用駐存于移動裝置的數據庫來存儲位置信息。所存儲的數據 可包含原始位置數據，但在各種實施例中還包含關于以下各項的數據特定位置區域位 置、位置群集、從各種位置到其它位置的路徑信息、結合與時間間隔相關聯的值的位置 類型以及特定位置類型的時間概率分布。繼續，在許多情況下，用戶動作可能不足以指示特定活動，但如果用戶動作可 與位置數據的一個或一個以上各種集合鏈接，那么此類動作可為相關的。以常去休閑區 域但通常通過進入特定車道而進入所述休閑區域的人為例。關于所述車道的使用的數據本身將不指示車道的使用和存在以外的過多內容，且本身將不具有與休閑區域的任何關 聯。然而，通過使個人的位置歷史與進入車道的當前動作耦合/相關，有可能建立個人 正在去休閑區域的途中的統計上顯著的概率。因此，特定位置信息可與和其它特定位置 相關聯的活動相關。繼續的實例包含休閑區域、城市的多個部分、娛樂位置(尤其與日 時信息組合)、地理位置與和工作相關聯的日時組合，以及與購物相關聯的位置。這些實 例可與位置群集和時間間隔的識別組合。所述位置可與路徑分析組合使用，路徑分析可 用于建立當前位置(或移動)與其它所存儲的數據的關聯，例如當前位置、位置歷史和路 徑活動可用于識別特定活動的可能性，且因此使消息提供者能夠在用戶參與特定活動之 前將消息目標對準。舉例來說，通過在具有GPS功能的移動客戶端上測量各種位置，移 動客戶端可確定用戶已下班且正在去用戶常去的購物中心的途中。作為響應，MAS (或 其它有目標內容遞送系統)可自動轉發與用戶可能感興趣的產品有關的信息，以及提供 到達購物中心的各種路線的高級交通信息。繼續，在各種實施例中，為正在穿越公路的用戶識別例如那些基于特定公路的 各種商業可能是有用的。在此類例子中，可提供基于對消費者的活動的確定的有目標的 廣告或其它信息。此方法在客戶具有對其移動裝置的有限接入權但授權特定商業或特定 種類的商業提供信息的情形中尤其有利。在各種實施例中，系統的顯著方面可包含對個人的跟蹤可在移動裝置內執行且 保留在移動裝置內。在一種配置中，沒有外部方私下知悉跟蹤信息。進一步來說，使 與各種有目標的內容相關聯的跟蹤信息匹配所必需的簡檔形成可在移動裝置內執行。再 次，通過將個人信息限于用戶的移動裝置，可能用戶可發現此形式的簡檔形成是可接受 的，因為其不是在外部執行。注意，在情形準許的各種實施例中，使移動客戶端與其它裝置(例如，許多汽 車的基于GPS的導航裝置)上可用的資源相互協調可為可能且/或有利的。因此，只通過 使移動裝置能夠向汽車的系統中的一者或一者以上通信的軟件修改(依據特定實施例)， GPS和其它信息可共享。一般來說，此汽車和移動客戶端可使用通常在此類裝置中找到 的藍牙或類似無線接口來通信。因此，因為移動客戶端的位置信息由汽車的GPS/導航 裝置提供，所以移動裝置的常駐用戶簡檔可不以內建到移動裝置中的GPS系統為代價而 更新。注意，除汽車外，特定移動裝置可從多種替代來源(例如，遠程服務器或其它 附近的裝置)導出位置信息，以接收位置信息。舉例來說，移動客戶端可與駐存在咖啡 店內的802.11網絡，或也許城市內的位置已知或能夠被導出的局域無線網絡串聯系，以 確定位置信息。注意，在各種實施例中，移動客戶端可基于移動客戶端/裝置 的能量級(例如， 低電池電量)而選擇信息的來源。還注意，可基于周期性測量(其中允許測量的周期變 化)或基于隨機測量或隨機與周期性測量的組合來獲得位置歷史。移動客戶端還可選擇 基于可用能量而改變GPS捕獲的速率，例如在低電池條件下以間歇性掉電來減慢GPS捕 獲速率，以及改變其可能分接到其它可用數據源(例如，移動客戶端具有接入權的汽車 的加速計和/或速度計)中的速率。圖38A到38H描繪顯示為具有各種感興趣點的由特定用戶的具有GPS功能的蜂窩式電話所捕獲的信息屏幕3800-A...3800-H。如這些圖中所示，每一信息屏幕 3800-A...3800-H包含地圖3810、一組控件3820、日歷顯示3830、每日柱狀圖3840和每 周柱狀圖3850。在操作中，用戶(或自動化程序)可設置所述組控件3820中的每一控件以建立GPS取樣時間以及顯示用于地圖3810、日歷3820以及柱狀圖3840和3850的GPS信息， 注意到雖然柱狀圖3840是被劃分為一小時的若干時隙的每日柱狀圖，且每周柱狀圖3850 被劃分為一天的若干時隙，但此類所捕獲的位置數據可組織為任何數目的柱狀圖，包含 展示特定位置、區域、位置群集和甚至表示用戶已在各種時間周期(例如，工作日、周 末、個別天、整周、整個月等等)的過程內經歷的過去采取的路徑的信息。注意，日歷 3830也可被視為柱狀圖。還注意，通過選擇特定位置圖標(例如，圖38A的位置3850或3852)，柱狀圖 3840和3842的數據以及填充日歷3830的數字可改變以反映與所收集的GPS數據相當的 GPS數據。繼續到圖38C，特定位置可被識別(由移動客戶端的用戶，或由移動客戶端 中的某一估計軟件)為用戶的住處3854，且類似地在圖38E中，特定位置可被識別為用 戶的工作場所3856。鑒于圖41A到41H，應了解，具有GPS功能的蜂窩式電話所捕獲的位置信息可 用于產生用戶簡檔信息，其使常駐軟件能夠確定以下各項(1)用戶將在給定時間范圍 處于特定位置或沿著特定路徑行進的可能性，例如職員在4:00pm處于工作位置；(2)用 戶將在給定時間離開特定開始位置的可能的時間范圍，例如職員在5:00pm離開工作位 置；以及(3)用戶將處于特定第二位置或使用一路徑(或位置或路徑的集合)的可能的時 間范圍，例如職員在5:30pm使用特定道路，且在6:00pm與6:30pm之間到達其住處。注意，可能性信息可以許多種方式表達。舉例來說，時間可能性可表達為特 定時間點，在特定時間點上居中且具有特定方差的高斯分布；具有基于過去用戶活動的 唯一形式的連續概率分布函數(PDF)；在鄰接的時間周期(“時間桶”)內測量的離散 PDF,其中所述時間桶具有相等或不等的大小，等等。使用此信息，適當啟用的移動客戶端還可確定用戶的感興趣點，例如用戶的住 宅、工作、愛好、宗教禮拜場所等等的可能位置，以及用戶將處于此類位置的可能時間 和此類感興趣點的其它可能性信息(例如，可能的到達和出發時間)。此信息可接著用于 定形或修改其移動客戶端中的用戶簡檔信息，且如上文所提及，所得的用戶簡檔可用于 確定什么信息(例如，廣告、優惠券等)將最可能引起用戶的興趣，這又可導致在移動客 戶端上存儲和/或顯示特定目標信息。繼續，圖39和圖40描繪用戶在工作日結束時離開工作位置Lw的實例的示范性 數目的操作。關于各種位置(即，開始位置Lw和預期的目的地位置L1到L8)的概率連同 使用位置L1到L8之間的相應路徑/道路Rl到R8的概率一起可被假定是使用(使用GPS 和其它技術感測到的)用戶的過去行為來形成的，且并入到用戶的移動客戶端中。從圖39開始，假定用戶在其工作日結束之前不久處于開始/工作位置Lw。基 于用戶的過去行為，其移動客戶端中的用戶簡檔可確定用戶可能在5:00-5:15pm下班且去 往預期目的地位置L1到L8中的任一者，注意在當前實例中，去往位置L7到L8的概率下 降到低于特定閾值且不應被考慮。
假定用 戶去往位置L1和L6的概率均為0.1，那么用戶使用道路R7和R8的概率 也均為0.1。假定對于剩余的感興趣的目的地來說用戶的最終目的地的概率為L2 = 0.1、 L3 = 0.1、L4 = 0.4且L5 = 0.2 (其假定用戶留下來工作的概率為0.1)，那么用戶使用道 路Rl的概率為0.7。因此，顯然，移動客戶端的用戶的可能路線可基于移動客戶端的當 前位置Lw相對于最有可能的目的地位置L1到L8的空間關系，以及最有可能的目的地位 置！^到L8之間的空間關系。注意，可通過使用戶的位置歷史的過去時間數據相關以形成針對工作位置Lw和 /或用戶可能已訪問的任何其它位置的用戶的過去存在和移動的時間概率分布來形成和更 新用戶的移動客戶端的用戶簡檔；結果是隨時間變化的用戶在給定位置的存在的概率密 度函數(或其精確復制)。此用戶簡檔可確定隨時間和/或當前位置而變化的在用戶考慮 中的任何和所有當前最有可能的可能目的地L1到L6。還注意，最有可能的當前目的地中的任一者可為用戶的多個過去識別的目的地 的混合物或群集。舉例來說，位置L5可實際上由一起緊密間隔的三個單獨位置組成，其 中所假定的位置通知為所述三個位置的質心(基于經加權地理平均值)或一般區域。類 似地，位置L3到L5可能組合為混合物位置假定位置L3到L5相對于彼此合理地接近/成群集。返回圖39，再次，用戶的移動客戶端可基于日時、用戶的當前位置和移動客戶 端所進行的其它當前觀察，以及那些并入到用戶簡檔中的過去的觀察來確定最有可能的 目的地。此類“其它當前觀察”可包含例如最近電話和文本活動等內容。舉例來說， 如果用戶在4:30pm從他的妻子那里接到一個電話，那么其可指示用戶可能需要在回家之 前去商店的可能性增加，因此改變當前可能目的地L1到L6的概率。類似地，如果用戶 未展示與其移動客戶端的交互，那么其可指示用戶可能延遲其從位置Lw出發的可能性。繼續到圖40，注意，可基于離開第一位置Lw之后移動客戶端的位置改變的“在 途中”累積測量來更新去往各種當前可能目的地L1到L6中的任一者的概率。S卩，當接 收到新數據時，可能需要重新評定各種概率。對于圖40的實例，這反映在去目的地L1 和L6的概率以及用戶留在位置Lw的概率的變化在假定通過用戶的移動客戶端確定用戶在 道路Rl上的情況下變得可忽略。因此，去目的地L1和L6或留在位置Lw的概率可不予 以進一步考慮。同時，到達位置L2、L3> L4、L5、L8和L8中的任一者的概率可增加， 注意用戶到達位置L2的可能性接近一(由于其與用戶以及其它當前目的地位置L3、L4、 L5、1^8和1^8兩者的空間關系)，即使用戶在位置L2處沒有停頓。因此，可使用基于其它 在途中事件的自適應加權分配來實現確定可能的變換時間，例如離開第一位置或到達另 一位置的時間。注意，在各種實施例中，并入到移動客戶端中的第k階馬爾可夫模型(其中k是 大于1的整數)可用于確定上文所論述的概率中的任一者。繼續到圖41，描繪針對圖39 和圖40的用戶的開始位置Lw和預期目的地位置L1到L8的示范性馬爾可夫模型4100。如 圖41所示，位置Lw以及L1到L8以路徑互連，且每一路徑具有概率PN_M。再次，注意， 每一概率PN-M可從用戶簡檔導出且隨用戶的當前位置、變換事件和/或日時而變化。還 注意，可能存在給定周期內用戶留在位置Ln處的時變概率PN_N，例如用戶(在到達食品 雜貨店后)留在食品雜貨店的可能性可具有以20分鐘為中心的具有10分鐘方差的高斯分布。圖42是概述用于基于NFC事務來更新用戶簡檔的示范性操作的過程流的圖。所 述過程在步驟4202中開始，其中可對移動客戶端進行編程以根據預定或自適應取樣頻率 和周期使用可用GPS (或其它適宜的位置尋找裝置)和/或局域無線蜂窩式網絡、局域可 用LAN等等中的任一者對位置信息進行取樣。接下來，在步驟4204中，可處理/合成所 捕獲的信息以識別感興趣點、感興趣區域、所采取的路徑或任何其它位置和/或路徑數 據。接著，在步驟4206中，可進一步處理/合成所述信息以確定針對特定時間周期的可 能的位置和/或可能的路徑，以及針對給定位置或路徑的可能時間周期的補充信息。控 制繼續到步驟4208。在步驟4208中，可使用駐存在移動客戶端中的特殊軟件來更新駐存在移動客戶 端中的用戶簡檔。在各種實施例中，例如包含從對用戶的過去觀察導出的信息的用戶簡 檔信息可用于創建針對給定日時和當前位置的用戶的可能行為的某一形式的概率模型。接下來，在步驟4210中，移動客戶端可導出(直接或使用次級資源，例如汽車 的GPS)上文所論述的任何和所有最近/當前觀察數據，例如位置、時間、變換/移動、 傳感器(例如，速度計)數據，以及與用戶的當前和/或最近行為有關的信息，例如移動 客戶端觀察用戶發送文本消息。接下來，在步驟4512中，移動客戶端可使用上文所論述 的技術中的任一者來處理步驟4210的信息和用戶簡檔內的信息，以基于用戶的當前位置 和時間來識別用戶將可能采取的可能目的地、變換時間和/或路徑(或對先前確定的概率 的改變)。接著，在步驟4214中，移動客戶端可基于用戶簡檔、先前步驟中收集到的數 據和所導出的任何概率數據來選擇和/或顯示信息，例如廣告、優惠券等。控制接著跳 回到步驟4210，其中可在發現必要或合乎需要時重復步驟4210到4214中的任何或所有步 馬聚ο本文描述的技術和模塊可通過各種手段來實施。舉例來說，這些技術可以硬 件、軟件或其組合來實施。對于硬件實施方案，接入點或接入終端內的處理單元可實 施在一個或一個以上專用集成電路(ASIC)、數字信號處理器(DSP)、數字信號處理 W-AT (DSPD)、可編程邏輯W-AT (PLD)、現場可編程門陣列(FPGA)、處理器、控制 器、微控制器、微處理器、經設計以執行本文所描述的功能的其它電子單元或其組合 內。對于軟件實施方案，本文所描述的技術可用執行本文描述的功能的模塊(例 如，過程、函數等)來實施。軟件代碼可存儲在存儲器單元中并由處理器或解調器執 行。存儲器單元可實施在處理器內或處理器外部，在后一 種情況下存儲器單元可經由各 種手段通信地耦合到處理器。在一個或一個以上示范性實施例中，所描述的功能可以硬件、軟件、固件或其 任何組合來實施。如果以軟件實施，那么所述功能可作為一個或一個以上指令或代碼存 儲在計算機可讀媒體上或經由計算機可讀媒體傳輸。計算機可讀媒體包含計算機存儲媒 體和通信媒體兩者，包含促進將計算機程序從一個位置傳送到另一位置的任何媒體。存 儲媒體可為可由計算機存取的任何可用媒體。作為實例而非限制，此類計算機可讀媒體 可包括RAM、ROM、EEPROM, CD-ROM或其它光盤存儲裝置、磁盤存儲裝置或其它 磁性存儲裝置，或任何其它可用于攜載或存儲呈指令或數據結構形式的所要程序代碼且可由計算機存取的媒體。并且，嚴格地說，任何連接均被稱作計算機可讀媒體。舉例來說，如果軟件使用同軸電纜、光纖電纜、雙絞線、數字訂戶線(“DSL” )或例如紅外 線、無線電和微波等無線技術從網站、服務器或其它遠程源發射，那么同軸電纜、光纖 電纜、雙絞線、DSL或例如紅外線、無線電和微波等無線技術包含在媒體的定義內。如 本文所使用的磁盤與光盤包含壓縮光盤(“CD”)、激光光盤、光學盤、數字多功能光 盤(“DVD”)、軟性磁盤、高清晰度DVD ( “HD-DVD”)和藍光光盤，其中磁盤通 常以磁性方式再現數據，而光盤用激光以光學方式再現數據。上述各項的組合也應包含 在計算機可讀媒體的范圍內。 提供所揭示的實施例的先前描述是為了使所屬領域的技術人員能夠制作或使用 本文所揭示的特征、功能、操作和實施例。所屬領域的技術人員將易于了解對這些實施 例的各種修改，且本文所定義的一般原理可在不脫離本發明的精神或范圍的情況下應用 于其它實施例。因此，本發明無意限于本文所展示的實施例，而是本發明應被賦予與本 文所揭示的原理和新穎特征一致的最寬范圍。
權利要求
1.一種用于確定信息由移動客戶端接收的適宜性的方法，其包括 識別所述移動客戶端的位置歷史信息的集合；基于所述位置歷史信息更新所述移動客戶端的用戶簡檔；以及基于所述經更新的用戶簡檔在所述移動客戶端上顯示和/或存儲目標信息。
2.根據權利要求1所述的方法，其進一步包括基于所述位置歷史信息確定位置類型。
3.根據權利要求2所述的方法，其中所述位置類型包含住處、工作、教育、休閑、購 物和宗教信仰中的至少一者。
4.根據權利要求2所述的方法，其中所述確定位置類型進一步包含確定針對特定時間 間隔的位置類型。
5.根據權利要求4所述的方法，其中識別位置歷史信息的集合包含使所述位置歷史信 息的所述時間間隔與特定位置類型的預期時間概率分布相關。
6.根據權利要求5所述的方法，其中由并非所述移動客戶端的一部分的替代來源提供 所述移動客戶端的位置信息。
7.根據權利要求1所述的方法，其中所述識別包含識別位置的群集。
8.根據權利要求1所述的方法，其中所述識別包含執行路徑分析。
9.根據權利要求1所述的方法，其中所述識別包含基于可能目的地的至少一個群集執 行路徑分析。
10.根據權利要求2所述的方法，其中位置可包含感興趣的區域。
11.根據權利要求1所述的方法，其中由汽車中的GPS裝置提供所述移動客戶端的位直fe息。
12.根據權利要求11所述的方法，其中所述GPS裝置是所述汽車的導航系統的一部分。
13.根據權利要求12所述的方法，其進一步包括由所述汽車的GPS裝置經由近程通 信系統提供所述移動客戶端的位置信息。
14.根據權利要求13所述的方法，其進一步包括由所述汽車的GPS裝置經由藍牙系 統提供所述移動客戶端的位置信息。
15.根據權利要求13所述的方法，其進一步包括由所述汽車的GPS裝置經由近場通 信系統提供所述移動客戶端的位置信息。
16.根據權利要求1所述的方法，其進一步包括基于所述移動客戶端的能量可用性等 級選擇所述移動客戶端的GPS信息的來源。
17.根據權利要求1所述的方法，其進一步包括基于所述移動客戶端的低能量可用性 而停用所述移動客戶端的內部GPS裝置。
18.根據權利要求1所述的方法，其進一步包括基于所述移動客戶端的低能量可用性 而改變所述移動客戶端的內部GPS裝置的使用率。
19.根據權利要求1所述的方法，其中所述移動客戶端使用公開可用的無線LAN導出 位置信息。
20.根據權利要求1所述的方法，其中更新所述用戶簡檔包含將所述位置歷史信息的 時間數據與和所述移動客戶端相關聯的一個或一個以上特定位置的時間概率分布相關。
21.根據權利要求20所述的方法，其中更新所述用戶簡檔包含依據時間而確定所述移動客戶端的用戶存在于給定位置處的概率密度函數。
22.根據權利要求1所述的方法，其進一步包括依據時間且基于所述用戶簡檔而確定 所述移動客戶端的用戶的最有可能的當前目的地。
23.根據權利要求22所述的方法，其中所述最有可能的當前目的地是所述用戶的過去 識別的目的地。
24.根據權利要求22所述的方法，其中所述最有可能的當前目的地是所述用戶的多個 過去識別的目的地的混合物。
25.根據權利要求22所述的方法，其中所述混合物是所述用戶的所述過去識別的目的 地的經加權位置信息的空間質心。
26.根據權利要求1所述的方法，其進一步包括基于并入到所述用戶簡檔中的一個或 一個以上當前觀察結果和一個或一個以上過去觀察結果而確定所述移動客戶端的用戶的 多個最有可能的目的地。
27.根據權利要求26所述的方法，其中觀察結果包含位置信息、時間信息和用戶行為 信息中的至少一者。
28.根據權利要求26所述的方法，其中更新所述用戶簡檔包含確定離開第一位置的可 能變換時間、時間窗或時間概率分布函數(PDF)。
29.根據權利要求28所述的方法，其中基于離開所述第一位置之后所述移動客戶端的 用戶的位置改變的在途中累積測量來執行確定有可能的目的地。
30.根據權利要求28所述的方法，其進一步包括基于所述移動客戶端的位置與多個 最可能的目的地位置的空間關系而確定所述移動客戶端的用戶的一個或一個以上可能路 線。
31.根據權利要求28所述的方法，其進一步包括基于所述多個最可能的目的地位置彼 此的空間關系而確定所述移動客戶端的用戶的一個或一個以上可能路線。
32.根據權利要求30所述的方法，其進一步包括基于并入到所述移動客戶端中的k階 馬爾可夫模型而確定所述移動客戶端的用戶的一個或一個以上可能路線，其中k是大于 或等于1的整數。
33.根據權利要求28所述的方法，其中確定可能變換時間包含基于路線變換事件而執 行自適應加權分配。
34.根據權利要求33所述的方法，其中所述自適應加權分配基于時間桶測量，所述時 間桶測量的時間桶持續時間取決于所述用戶的行程的可能持續時間。
35.根據權利要求32所述的方法，其中目標信息的所述顯示/存儲與所述用戶的過去 識別的目的地的所述混合物有關。
36.根據權利要求1所述的方法，其中目標信息的所述顯示/存儲是基于來自加速計 和速度計中的至少一者的位置測量結果與傳感測量結果的組合。
37.根據權利要求1所述的方法，其中目標信息的所述顯示/存儲是基于并入到汽車 中的且所述移動客戶端對其具有接入權的傳感器。
38.根據權利要求1所述的方法，其中更新所述用戶簡檔以包含所述用戶的活動信息 連同所述位置歷史信息。
39.根據權利要求38所述的方法，其中所述用戶的所述活動信息包含通過監視所述用戶與所述移動客戶端的用戶接口的交互的缺乏而確定的所述用戶與所述移動客戶端的活 動的缺乏。
40.根據權利要求39所述的方法，其中使用所述用戶活動的缺乏來確定與所述移動客 戶端的所述用戶相關聯的休眠模式。
41.根據權利要求40所述的方法，其中使用所述休眠模式來確定所述用戶的位置是所 述用戶的住宅位置的可能性。
42.根據權利要求2所述的方法，其中識別所述位置類型包含利用關于與所述位置相 關聯的鄰域是住所鄰域、商業鄰域、工業鄰域或其組合的額外可用信息。
43.根據權利要求1所述的方法，其中將用戶行程信息的每日模式、用戶行程信息的 每周模式或其組合存儲在所述用戶簡檔中。
44.根據權利要求43所述的方法，其中在與一周的不同天相關聯的每日模式之間建立 相關量度。
45.根據權利要求44所述的方法，其中并入到所述移動客戶端中的學習引擎和預測引 擎中的至少一者將一周的不同天的高度相關每日模式視為等效的，以實現對用戶行程行 為的較快學習。
46.根據權利要求43所述的方法，其中并入到所述移動客戶端中的學習引擎使用來自 每日模式和每周模式的信息的經加權組合來學習用戶行程行為的模式，且其中并入到所 述移動客戶端中的預測弓I擎預測將來用戶位置。
47.根據權利要求46所述的方法，其中所述學習引擎和所述預測引擎中的至少一者將 一周的不同天的高度相關每日模式視為等效的，以實現對用戶行程行為的較快學習。
48.一種用于確定信息由移動客戶端接收的適宜性的設備，其包括用于識別所述移動客戶端的位置歷史信息的集合的裝置；用于基于所述位置歷史信息更新所述移動客戶端的用戶簡檔的裝置；以及用于基于所述經更新的用戶簡檔在所述移動客戶端上顯示目標信息的裝置和/或存 儲目標信息的裝置。
49.根據權利要求48所述的設備，其進一步包括用于基于所述位置歷史信息確定位置 類型的裝置。
50.根據權利要求49所述的設備，其中所述位置類型包含住處、工作、教育、休閑、 購物和宗教信仰中的至少一者。
51.根據權利要求49所述的設備，其中所述用于確定位置類型的裝置進一步用于確定 針對特定時間間隔的位置類型。
52.根據權利要求51所述的設備，其中所述用于識別位置歷史信息的集合的裝置進一 步用于使所述位置歷史信息的所述時間間隔與特定位置類型的預期時間概率分布相關。
53.根據權利要求48所述的設備，其中所述用于識別位置歷史的集合的裝置進一步用 于識別位置的群集。
54.根據權利要求48所述的設備，其中所述用于識別位置歷史的集合的裝置進一步用 于執行路徑分析。
55.根據權利要求49所述的設備，其中位置可包含感興趣的區域。
56.根據權利要求48所述的設備，其中所述移動客戶端經配置以從并入到車輛的導航系統中的GPS裝置接收GPS信息。
57.根據權利要求48所述的設備，其中所述用于更新用戶簡檔的裝置包含用于將所述 位置歷史信息的時間數據與和所述移動客戶端相關聯的一個或一個以上特定位置的時間 概率分布相關的裝置。
58.根據權利要求48所述的設備，其進一步包括用于依據時間且基于所述用戶簡檔而 確定所述移動客戶端的用戶的最有可能的當前目的地的裝置。
59.根據權利要求58所述的設備，其進一步包括用于確定離開第一位置的可能變換時 間、時間窗或時間概率分布函數(PDF)的裝置。
60.根據權利要求58所述的設備，其進一步包括用于基于所述移動客戶端的位置與多 個最可能的目的地位置的空間關系而確定所述移動客戶端的用戶的一個或一個以上可能 路線的裝置。
61.根據權利要求60所述的設備，其中所述用于確定所述移動客戶端的用戶的一個或 一個以上可能路線的裝置是基于并入到所述移動客戶端中的k階馬爾可夫模型，其中k是 大于或等于1的整數。
62.—種移動客戶端，其包括存儲器；收發器；處理器，其耦合到所述存儲器和收發器且可操作以識別所述移動客戶端的位置歷史信息的集合；基于所述位置歷史信息更新所述移動客戶端的用戶簡檔；以及顯示器，其并入到所述移動客戶端中，能夠基于所述經更新的用戶簡檔在所述移動 客戶端上顯示目標信息。
63.根據權利要求62所述的設備，其中所述處理器進一步可操作以基于所述位置歷史 信息確定位置類型。
64.根據權利要求63所述的設備，其中所述位置類型包含住處、工作、教育、休閑、 購物和宗教信仰中的至少一者。
65.根據權利要求63所述的設備，其中所述處理器進一步可操作以確定針對特定時間 間隔的位置類型。
66.根據權利要求65所述的設備，其中所述處理器可操作以通過使所述位置歷史信息 的時間間隔與特定位置類型的預期時間概率分布相關來識別位置歷史信息的集合。
67.根據權利要求62所述的設備，其中所述處理器可操作以通過識別位置的群集來識 別位置歷史信息的集合。
68.根據權利要求62所述的設備，其中所述處理器可操作以通過執行路徑分析來識別 位置歷史信息的集合。
69.根據權利要求63所述的設備，其中位置可包含感興趣的區域。
70.根據權利要求62所述的設備，其中所述移動客戶端經配置以從并入到車輛的導航 系統中的GPS裝置接收GPS信息。
71.根據權利要求62所述的設備，其中所述處理器可操作以通過使所述位置歷史信息 的時間數據與和所述移動客戶端相關聯的一個或一個以上特定位置的時間概率分布相關來更新所述用戶簡檔。
72.根據權利要求62所述的設備，其中所述處理器進一步可操作以依據時間且基于所 述用戶簡檔而確定所述移動客戶端的用戶的最有可能的當前目的地。
73.根據權利要求62所述的設備，其中所述處理器進一步可操作以確定離開第一位置 的可能變換時間、時間窗或時間概率分布函數(PDF)。
74.根據權利要求62所述的設備，其中所述處理器可操作以基于所述移動客戶端的位 置與多個最可能的目的地位置的空間關系而確定所述移動客戶端的用戶的一個或一個以 上可能路線。
75.根據權利要求74所述的設備，其中所述處理器可操作以通過使用并入到所述移動 客戶端中的位置信息的k階馬爾可夫模型來確定所述移動客戶端的一個或一個以上可能 路線，其中k是大于或等于1的整數。
76.根據權利要求62所述的設備，其中更新所述用戶簡檔包含使所述位置歷史信息的 時間數據與和所述移動客戶端相關聯的一個或一個以上特定位置的時間概率分布相關。
77.根據權利要求76所述的設備，其中所述處理器可操作以通過依據時間而確定所述 移動客戶端的用戶存在于給定位置處的概率密度函數來更新所述用戶簡檔。
78.根據權利要求62所述的設備，其中所述處理器可操作以進一步通過依據時間且基 于所述用戶簡檔而確定所述移動客戶端的用戶的最有可能的當前目的地來更新所述用戶 簡檔。
79.根據權利要求78所述的設備，其中所述最有可能的當前目的地是所述用戶的過去 識別的目的地、所述用戶的多個過去識別的目的地的混合物以及所述用戶的所述過去識 別的目的地的加權位置信息的空間質心中的一者。
80.根據權利要求62所述的設備，其中所述處理器可操作以進一步通過基于并入到所 述用戶簡檔中的一個或一個以上當前觀察結果和一個或一個以上過去觀察結果而確定所 述移動客戶端的用戶的多個最有可能的目的地來更新所述用戶簡檔。
81.根據權利要求80所述的設備，其中觀察結果包含位置信息、時間信息和用戶行為 信息中的至少一者。
82.根據權利要求80所述的設備，其中所述處理器可操作以通過確定離開第一位置的 可能變換時間、時間窗或時間概率分布函數(PDF)來更新所述用戶簡檔。
83.根據權利要求82所述的設備，其中確定有可能的目的地是基于離開所述第一位置 之后所述移動客戶端的用戶的位置改變的在途中累積測量來執行的。
84.根據權利要求82所述的設備，其中所述處理器可操作以通過基于所述移動客戶端 的位置與多個最可能的目的地位置的空間關系而確定所述移動客戶端的用戶的一個或一 個以上可能路線來更新所述用戶簡檔。
85.根據權利要求82所述的設備，其中所述處理器進一步可操作以通過基于所述多個 最可能的目的地位置彼此的空間關系確定所述移動客戶端的用戶的一個或一個以上可能 路線而更新所述用戶簡檔來更新所述用戶簡檔。
86.根據權利要求84所述的設備，其中所述處理器可操作以通過基于并入到所述移動 客戶端中的k階馬爾可夫模型而確定所述移動客戶端的用戶的一個或一個以上可能路線 來更新所述用戶簡檔，其中k是大于或等于1的整數。
87.根據權利要求62所述的設備，其中所述用戶簡檔經更新以包含所述用戶的活動信 息連同所述位置歷史信息。
88.根據權利要求87所述的設備，其中所述用戶的所述活動信息包含通過監視所述用 戶與所述移動客戶端的用戶接口的交互的缺乏而確定的所述用戶與所述移動客戶端的活 動的缺乏。
89.根據權利要求88所述的設備，其中所述用戶活動的缺乏用于確定與所述移動客戶 端的所述用戶相關聯的休眠模式。
90.根據權利要求63所述的設備，其中所述處理器可操作以通過使用關于與所述位置 相關聯的鄰域是住所鄰域、商業鄰域、工業鄰域或其組合的額外可用信息來確定位置類型。
91.根據權利要求62所述的設備，其中所述處理器可操作以通過使用用戶行程信息的 每日模式、用戶行程信息的每周模式或其組合來更新所述用戶簡檔。
92.根據權利要求63所述的設備，其中所述處理器可操作以通過使用學習引擎和預測 引擎中的至少一者來更新用戶簡檔，所述學習引擎和預測引擎中的所述至少一者將一周 的不同天的高度相關每日模式視為等效的，以實現對用戶行程行為的較快學習。
93.—種計算機程序產品，其包括計算機可讀媒體，所述計算機可讀媒體包括用于識別移動客戶端的位置歷史信息的集合的指令；用于基于所述位置歷史信息更新所述移動客戶端的用戶簡檔的指令；以及用于基于所述經更新的用戶簡檔在所述移動客戶端上顯示和/或存儲目標信息的指令。
全文摘要
本發明揭示用于確定信息由移動客戶端接收的適宜性的方法和系統。舉例來說，一種示范性方法可包含識別所述移動客戶端的位置歷史信息的集合；基于所述位置歷史信息更新所述移動客戶端的用戶簡檔；以及基于所述經更新的用戶簡檔在所述移動客戶端上顯示/存儲目標信息。
文檔編號H04L12/58GK102017550SQ200880123930
公開日2011年4月13日 申請日期2008年11月14日 優先權日2007年11月14日
發明者毛憶念, 約翰·尤伊維亞克, 詹姆斯·卡里, 迪利普·克里希納斯瓦米, 馬克·沙勒布瓦 申請人:高通股份有限公司