JP5896382B2 - ノンパラメトリック、多次元、空間的および一時的な人間の挙動または広範な技術的観測値を処理するネットワークサーバー装置構成およびそれに関連する方法 - Google Patents

Description

本発明は、無線装置および通信ネットワークに関する。特に、他を除外するわけではないが、本発明は、サーバー側のシステムでの、階層化データ処理活動および統計上のフィルターリングおよび意味データ構造などの適用可能な技術を利用してのノンパラメトリックデータのパラメーター化された形式への変換による、一以上の携帯装置で実行された観測に関するデータの処理および分配に関する。

ますます多くのデータがスマートフォンのような携帯端末などの携帯装置から収集できるようになっており、トランザクションの供給が、関連づけられた観測を基礎として創生される。しかし、これらの供給は、日常生活における利用者の動きのような、関連する、たとえばトランザクションに適した、時間（時点）に依存し背景状況に関連する(位置あるいは天気のような属性に関連する事象）事象に関して、ある程度の詳細を伝えることができるが、対象の携帯装置利用者の特徴づけについて、徹底的あるいは十分にさえ、自己充足しているわけではない。

第二に、挙動データあるいは技術的観測を処理する必要があるときに、現在のデータベースおよびデータ処理能力は、処理装置、メモリ要求、または履歴データの一般的な利用可能性およびさらなる精巧な処理または統計解析を可能にするような多くの要因において、最適化されているわけではない。

第三に、人々の生活に関しては、基本的に、大量の情報が入手可能であるという事実にもかかわらず、現在のシステムでは、残念ながら、履歴データ／モデルと実時間データとの連結、すなわち実用的なアプリケーション、がほとんどなく、また、それらの技術的実装が、広く利用可能なデータベース、蓄積装置およびデータ処理ハードウェアで実行できるという確証もない。

それにもかかわらず、多数の先行技術文献があいかわらず、どのようにデータ点を収集するか、利用者位置を確認するか、または背景状況データ点を携帯装置の他のアプリケーションで局所的に利用できるようにするかについて記載している。たとえば先行技術文献である特許文献１は、携帯装置の位置データを周期的にサーバーに転送し、携帯装置では、サーバーに応答して、装置の現在の地理的位置に関連する現在位置プロファイルを自動的に生成し、同時に、携帯装置において、サーバーから提供された１組の隣接プロファイルを、携帯装置の現在の地理的位置から離れる方向であるとして生成し、携帯装置において、現在の位置プロファイルと隣接プロファイルとを周期的に更新する携帯装置および方法を開示している。

携帯装置に関連するイベントの蓄積のための種々の従来技術による解決および前述の観点にもかかわらず、まだ改善の余地があり、特に人間の挙動に関する多次元データをどのように蓄積し、階層化メカニズムによりどのように処理するかについて説明し、性能を最適化する、あるいは複雑な解析手続を可能にするだけでなく、より意味のある標識およびプロファイルをデータから取り出して生成し、技術的かつ法律的な双方の理由に対する異なる抽象レベルを物理的に分離する必要がある。

ＷＯ２００８／１１８１１９

本発明の目的は、従来技術による解決策の上述した欠点の少なくともひとつ、またはそれ以上を軽減し、望ましくは関連する上述の要求を満足することにある。

この目的は、人間の挙動のデータ供給を、潜在的な連続性を基本とし、層構造アプローチを使用して、物理的に蓄積し、解析するより知的で、柔軟で、適応的代替手段の提供により達成される。

本発明の実施の形態によるサーバーの装置構成は、観測データを多重に協調的に受信して処理するように構成され、データはさらに洗練されて、観察者の観点から理解でき、有利なことに、予測目的のためにも使用できる出力となる。さらに種々の補助的または二者択一な実施の形態では、1以上の利用者の生活に関するメトリックが、望ましくはデータ処理動作への帰還ループを用いて生成され、これにより、技術手続を、一定、または特定の必要またはトリガー条件に応じて、校正することができる。本発明の種々の実施の形態は、どのように、無線により収集されたノンパラメトリックデータを有効に利用して、利用者の使用および生活の癖を記述するベクトル、またはたとえば携帯サービスの利用に関連する利用者を取り囲む技術的因子のようなより抽象的（高レベル）なデータ実体を構築するかを決定することができる。この情報は、仮想的ないずれかの種類のさらなる集約手続を容易に多抽象化層を用い、必要な蓄積容量およびデータの処理動作の数を物理的に減らすことにより、生成される。示唆された解決策のいくつかの実施の形態では、実際に、未加工のデータを、たとえば携帯広告またはネットワーク性能解析／最適化を含む種々のアプリケーションに使用できる高レベルの情報に変換するように構成される。さらに、携帯利用者の物理的存在および（過去の）動作が、データベース内に以前に受信されたデータに基づいて蓄えられたパターンを用いて、実時間でリンクまたは比較される。さらに、利用者の挙動が予測される。この解決法は、無線携帯および／または他のデータ源またはデータ中継器として動作する適用可能な装置から受信される検出器データのような、パラメーター化されていない多次元のデータを含む異なる潜在的連続データストリームを最適化する。

したがって、本発明の一側面において、ネットワークサーバー装置構成は、
ある数のスマートフォンのような携帯装置から得られた、検出器データ、多次元のノンパラメトリックデータを受信するデータ入力実体と、
多次元のノンパラメトリックデータをパラメーター化する処理実体と、
パラメーター化されたデータを望ましくは複数の異なる抽象化層に多層データとして蓄えるメモリ実体と、
ある期間、位置、携帯アプリケーションまたはアプリケーション分類、携帯利用者、および／または利用者群から選択される一括（バッチ）のパラメーター化されたデータに対する、ある数の集約および／または時系列の平均化および／または合計演算のようなデータモデリング活動を目的とし、これにより、データバッチから、ある数の記述的な、その機能が望ましくは実質的にいずれかの特定の瞬間における少なくとも所定の十分な量のデータまたは情報が手に入るようになる、またはトリガーが解除されるように機能する、高レベルの挙動および／または技術的標識を決定することを目的とする実体集約エンジンと、
挙動および／または技術指標、またはそれらから得られる情報を、1以上の携帯利用者に個別化された広告を選択する携帯マーケティング実体、またはネットワーク性能および／または利用者経験の評価およびそれに基づいて性能および／または利用者をそれぞれさらに最適化することのできるネットワーク解析または管理実体のような外部実体に出力するＡＰＩ（アプリケーションプログラミングインターフェイス）のようなデータ出力実体と
を備えることを特徴とする。

挙動指標を判定する手続は、滑らかな動作を確実にするための種々の革新的な事項を含むことができる。

すなわち、ひとつの実施の形態では、共通の存在論（オントロジー）が、蓄積され処理されたデータに対して定義される。これは、本発明のデータ構築機能により達成される。データ構築機能は、受信データを内容および／またはその動的属性（位置、利用者識別、時間など）により、テーブルのような、望ましくは、後続の処理を容易にするために処理分類情報を付加した、少なくともひとつの特性データ実体に構築される。

他の補助的あるいは二者択一的な実施の形態では、無線装置で動作する１またはいくつかのソフトウェアモジュールから収集されるパラメトリック入力データが、充実化されたものとなり、より構造化され、有利にはパラメトリックデータ化される。ある数の手続がオンザフライで動作してデータを同時に処理し、潜在的な他のモジュールの負荷を削減することが望ましい。

さらなる補助的あるいは二者択一的な実施の形態では、携帯利用者の真の挙動を反映する動的なタイムスタンプが付加されたベクトルが決定される。これは、利用者レベルおよびタイムスタンプされた統計を周期的に生成する際に、充実した種々のあらかじめ定義された統計を処理する実体、たとえば、塊（チャンク）のデータを一括処理するある数のスクリプを用い、進化した統計技術、処理動作、および／または他のスクリプト化された動作を適用することで達成される。ベクトルは、たとえば、与えられた統計方法、たとえば数学的平均により、与えられた日レベルの挙動ベクトルを週単位のベクトルへの変換を含む直接的な未来の変換が容易になるような形式であることが有利である。

さらに別の実施の形態では、装置構成が、洗練された方法で、すでに計算された挙動標識およびベクトルを、より複雑な統計の組の生成に用いる構成である。このため、ベクトル集約と呼ばれる機能が用いられ、先に計算されたより粗いデータから、データの処理、平均および外挿を行うことができ、わずかに異なる観点で意味のある統計を出力として生成し、異なる時間期間または個別の利用者ではなく利用者群の統計を出力する。

さらなる補助的あるいは二者択一的な実施の形態では、ある数の測定値が、与えられた利用者の動的挙動（傾向解析）あるいは、これとは別に、装置構成のいずれか2人の利用者の間の違いのいずれかについて、計算される。これは、挙動ベクトルの相関と呼ばれる機能、すなわち、基本的に、検討対象の実体（たとえば利用者または期間）の間の鍵となる相違のタイプまたは範囲を示す測定値を出力する機能により実装される。

ある実施の形態において、本発明はまた、重要な相違を理解し、その相違に基づいて、警報または動作を発生させるようにしている。このゴールは、ベクトルトリガーと呼ばれる機能により達成される。ベクトルトリガーは、あらかじめ定義された構成の組であって、いずれか２つの特定のベクトルの相関をとった後、あるいは新しい挙動標識を計算した後に、ある警報を生成する状況になったことを伝えるものであり、内部または外部モジュールに、信号伝送によりその警報を伝えるものである。

本発明のいくつかの実施の形態によると、推奨される解決策は、利用者の挙動に関するデータの種々のデータ源を区別することができる。到来するデータ供給の存在論は、たとえば別々のテーブルから意味構造を作るため、別々のデータベースに形成されて潜在的に蓄積される。背後として、保存データの論理が、場所的な意味でより大きいバッチとなっており、多レベル集約手続および／または平均が、たとえばクラスター解析および／またはパターン認識とともに、到来するデータに適用される。多次元挙動ベクトルは、それぞれの利用者に対して計算され、動的なアプリケーションを可能とする時間次元を含んでいる。このベクトルは、週のような特定の期間に対して計算され、たとえば活動測定値（時間期間あたりの動作）および／または使用頻度（ベクトルの計算内に含まれるすべての期間のうち、ある活動が発生したより小さな期間がどれだけあるか）を同一ベクトル内に収容しているという意味で、多次元である。ベクトルは、利用者の挙動の意味理解を反映し、典型的には、旅行活動、移動活動、音楽消費活動、ストレスの程度、および睡眠活動が記述される。

挙動標識（ベクトル）は、技術的ルーチンおよびここで説明する革新的なスケジューリングに基づいて計算され、スマートフォンのようなデータ源から得られたデータの特性として、たとえば黒期間、すなわちデータが無い期間、データの散発的な同期および、多くの場合、不完全および／または標準化されていないデータストリームが可能性としてノンパラメトリックな形式で所定の構造をもっていない（すなわち独立のクライアントアプリケーションにより収取された典型的な検出器データ」ことを考慮する。ベクトルは、期間の重複に対応して計算され、本発明は、それほど大きな蓄積空間を消費することなく、動的ベクトルを蓄積する適応可能な技術を提案する。挙動ベクトルはさらに、参照利用者内で、参照利用者の相対的部分、すなわち、グループ内の現在の利用者の百分率に基づいて、各利用者の挙動クラスを定義するために用いられ、たとえば特定の挙動次元において、問題の利用者より低スコアの人のクラスを定義できる。別々の利用者のベクトルの互いの相関（ピアソン相関）をとり、いずれか対の利用者に対して類似指標と呼ばれるメトリックを導き出すことができる。これはさらに、利用者の区分けモデルに基づいて提供される。挙動ベクトルは、自動的に、新しい情報が手に入るときに動的に、計算されることが便利であり、いずれの特定の時にも、装置構成の出力が最近手に入った情報コンテンツを反映していることを確実にする。標準化ベクトルの解析に結び付けられるトリガーを用いて、挙動内の重要な変化を識別することができる。この開示はまた、示唆された解析を用いて、どれだけ形態広告の知性および動的性能の改善に用いられるかを記述する。

推奨される解決策は、途切れなく、すべての時間、そして集中して非標準化データが流れるときに実行されることが望ましい。この目的のため、本発明のある実施の形態は、「キャッシュ」と呼ばれる機能を有し、到来するデータフローを１以上の体系立てられたパイプラインに向けることができる。パイプラインは、構造化された処理連鎖により、データが正しい順序で処理されることを確実にする。キャッシングは、パラメーター化処理を、最適な方法で支援する。キャッシングはまた、ノンパラメトリックデータのパラメトリックデータへの変換動作を容易にし、ある動作が次の動作に移動する前に完了する必要があり、入力されたデータが特定の方法、たとえば一時的なソートで組織化される必要がある場合に、よく調整されよく管理された処理となる。

ある実施の形態において、不可欠の目的（実時間解析に基づく携帯広告または最適化動作のような）のために、意味のある挙動メトリクスの実質的実時間の計算が求められる。これは、実時間処理と呼ばれる機能により達成される。実時間処理は、キャッシュの機能と結び付けられ、あらかじめ定義されたルールに基づいて、ある挙動イベント、またはある動作の頻度を反映する計数値に関するブール変数のような単純な標識を計算する。

互いに異なる種類のデータを分離し、および、データ点の使用に関連する必要性に基づいて、または種々の層の相互作用の可能性に基づいてデータ点を構造的に分割して、計算付加および必要時間を最適化するため、本発明の種々の実施の形態は、「挙動データの層構造データ検索」と呼ばれる値便利な機能が実装される。これは、データフローを、層構造モデルにより管理する。この層構造モデルは、未加工データをより磨かれたデータから分離する。ここで、「磨かれた」とは、トランザクションデータを修正、フィルターリングおよび／または特定の次元に充実化し、このデータを、より理解しやすく、簡潔で、後続のステップでの処理が容易になるようにする。磨かれたトランザクションデータは、集約および統計から分離され、関連する譲歩をより具体的な数および標識に圧縮して、個々人の挙動および／または技術的パターンをより反映し、内部または外部システムでの情報の利用をより直接的に手助けする。

さらにひとつの補助的あるいは二者択一的な実施の形態では、拡大縮小可能手段が挙動データにアクセスし、提供されたもの最高の特別の観点または統計を構築する。「中間層テーブル」と呼ばれる機能が、少なくとも部分的に集約されたデータを、さらなる集約または可視化のために他のシステムに直接送るのが容易な形式に、有効蓄積されるように構成される。

さらにひとつの補助的あるいは二者択一的な実施の形態では、データ処理および集約に関して、どの種類の統計が最終的な出力および／または報告に必要かということについて固定的な立地点を取ることを回避できる。このために、「さらなる集約」という機能が上述した中間層テーブル内に配置された挙動ベクトルを信頼して、内部または外部への目的で所望の種類の統計を生成する。

さらにひとつの補助的あるいは二者択一的な実施の形態では、最小要求蓄積容量を確実にし、消費者の権利を保護し、および／またはデータの迅速な処理を可能とするゴールのため、「周期的クリーニング」と呼ばれる機能が設けられる。これは、解決が、蓄積された未加工および導き出されたテーブルを通じて自動的周期的に実行され、必要のないデータ点を蓄積装置から所定の基準で一緒に廃棄することができることを意味する。

さらにひとつの補助的あるいは二者択一的な実施の形態では、データ処理および蓄積が、柔軟に分散して行われる。推奨される解決策は、「管理分散データ検索」の機能を有する。これは、利用者がどこから来たか、彼または彼女のデータ点がどこに蓄積されているかおよび、たとえばタイムスタンプがいくらか影響する場合には、データ処理および蓄積がどこで行われるか、に関する追跡を有効に保持する。

無線装置または他のデータ源から到来するデータは、最初にデータベースに蓄積され、データベースは、データセットのキャッシングの役目ももち、それらのデータセットを一括処理のために準備する。このステップにおいて、たとえばＸＭＬ（拡張マークアップ言語）処理データが常にキャッシュされたときの目的形式とは限らないので、データは処理され、たとえば蓄積される。キャッシュの後、データは最初に、すべての元データを蓄積する未加工レベルのデータベース（「検出器データベース」）に保管され、続いて、異なる解析手続に送り出される。解析手続は、典型的には、蓄積されたデータ処理、集約および／または平均化により「中間層」テーブルへの形式の最適化の後におこわなれる。

データを中間テーブルに蓄積する前に必要な集約および他の処理動作は、たとえば既にキャッシュ蓄積されたデータの量および特性に基づいてトリガーされるものである。中間層テーブルは、データを、より簡潔で制限された形式であって、潜在的に複雑な方法によるさらなる解析および集約をより速やかに行うことができるような形式で蓄える。これらの中間層テーブルは、周期的または実時間で使用され、容易に得貝可能な譲歩およびよく定義された統計を含む「導き出されたテーブル」を生成する。

この導き出されたデーブルは、外部アプリケーションにより直接に使用され、望ましくは周期的に、古いデータエントリから消去される。この種のデータ構造ではまた、検出器データベース内のデータが周期的に消去され、十分に意味があり、未来のある時点でさらなる集約の必要が潜在的であるデータのみが保存される。全体構成は、より大きなデータベースシステムを異なる国などにローカルに実装する個々の事例に応じて、拡大縮小可能に設計される。異なるレベルで、データモデルの物理的な分離レベルにおいて、異なるレベルのプライバシ（たとえば個人ＩＤ情報を蓄える）のレベルを保証することができる。

利用者データを地域的または機能的なデータベースに蓄積するものとして知られる集中型システムを設け、到来するデータに関する負荷、およびデータ解析の負荷を分散することができる同様に、データをフェッチするプログラミングインターフェイスが、集中型ポインターを用いて、どこでデータを調査しているかを知ることができる。この提案されたシステムでは、データベースサーバーがそれら自体の間でデータの蓄積を分散するだけでなく、データの機能性で処理することもできる。たとえば、導き出されたデータベースが、必要とされる中間層データとは異なるサーバーにあっても、サーバーがそれ自体で協調して、データのフェッチおよび処理動作を行うことができる。全体のシステムは、データがたとえばＦＩＦＯ（先入れ先出し）行列の論理に従うパイプラインとみなすこともできるが、同時に、データ処理および蓄積の部分的削減を段階的に解決する新規な解決策も適用することができる。

さらにひとつの補助的あるいは二者択一的な実施の形態では、潜在的に、多数の、たとえば数百の利用者が、計算されたデータ点および統計にクエリを送ることが、「仮想アクセス」と呼ばれる機能により容易になる。「仮想アクセス」は、利用者の挙動標識を抽象化し、中間テーブルを仮想化して、容易にアクセスできるようにする。「仮想アクセス」機能は、複数のネットワークサーバーに共に接続され、ＡＰＩ動作を利用する顧客に、均質な利用者体験を提供する。

さらにひとつの補助的あるいは二者択一的な実施の形態では、意味データモデルが構築される。示唆された解決策は、睡眠または移動のような異なる概念について、分離して伝えることができる。このとき、望ましくは位置および期間のような重要なデータ点に加えて周期的に伝える。収集された未加工の観測データについては、忘れることができる。「変換機能」が意味情報をデータ点に付加し、より自然言語指向の意味クエリを可能にする。

本発明のひとつの実施形態によると、フィルターリングおよび／または除外タスクが、処理されたデータに実行される。大量の情報が外部の利用者により提供された装置構成から要求されるので、データ内の特定の事項を検査して、データ点をドロップまたは操作する１組のフィルターリングおよび除外タスクを設ける。これにより、出力がより構造化され、意味のあるものとなる。

示唆された解決策は、一般に、仮想データベースインターフェイスを提供するプラットフォームを定義し、外部の無線装置またはネットワークサーバーが、他のネットワークサーバーにある挙動および背景情報にリアルタイムでアクセスできるようにする。プラットフォームは、個々のデータ点を提供するだけでなく、データを用いてより知的で複雑な動作を実行し、問い合わせを行う装置における必要な処理時間または機能的処理要求（複雑さ）を削減し、一括のデータ処理による出力データに対する意味論的な意義の提供を可能にする。

ある実施の形態によると、クエリ言語モデルがインターフェイス用に提案され、能動的（要求する装置が起動する）または受動的（たとえば、変化が生じたとき）のいずれかに基づいて情報をフェッチし、実用的には、準備された回答をタイムリーに、質問している装置に配送する。たとえば、最新の位置を提供する代わりに、あるいはそれに加えて、インターフェイスは、所定の期間たとえば過去６０分の期間に移動した距離を提供するか、または、これとは別に、たとえば６０分前からの位置点と現在の位置点（これは、質問した装置において必要な情報を計算するために処理される）を提供する。

統計フィルターが解決策に埋め込まれ、これにより、潜在的にデータの複雑な供給が、多くのデータを前処理するフィルターを通すことに向けられる。ある場合には、データを、その形式から他の形式に変換し、その処理が容易になるようにプログラムされた処理が実行される。これは、選択された解析に対するプロファイルに基づく解決策の提供を容易にし、質問されたデータ点、およびデータ源の識別（たとえば無線装置ＩＤ番号）に依存して、異なる種類のフルターおよび所定の解析手続が実行され、標準化されたベクトルが戻り方向に提供される。このプラットフォームは、種々の異なるデータ源を支援するのに適しており、データの解析を提供する必要のある種々のアプリケーションの支援に適している。

さらに、ひとつの補助的あるいは二者択一的な実施の形態では、利用者挙動をメトリックおよびタイムスタンプが付加されたトランザクションにより理解するだけでなく、挙動パターンに関する高レベルの記述子を生成する観点から、「抽象化」という機能が設けられる。これは、手に入る挙動ベクトル（たとえば、時間レベルの位置動力学）から、多次元ベクトルに効果的に結合する。この機能を用いて、挙動足跡として特徴付けられるベクトルを生成することができる。挙動足跡は、常時わずかに異なるパラメーターを有するが、それでいて、ある挙動パターンを記述するものである。この種の集約指向のデータの抽象の後、人は挙動ベクトルが既に１種類の抽象であることに気が付くべきであり、利用者の生活が機械学習およびパターン認識により容易に解析できる。

ひとつのさらなる実施の形態では、与えられた履歴挙動および現在の背景から人々が次に何を行うかを予測するゴールが設定される。このゴールに達するため、利用者挙動のモデルが、挙動の抽象化を要素として含み、挙動間でたとえばマルコフ連鎖のような動力学を用いて、動的に構築される。利用者が１人の場合、この予測モデルは、システム内の異なる変移の重みおよび尤度を動的に計算し、周期的にいつでも、システムの可能な次の状態の尤度を有するベクトルを提供することができる。

いくつかの実施の形態では、到来するデータからの学習が実現される。「帰還ループ」と呼ばれる機能が、選択的連続的に予測モデルを更新し、いずれの与えられた時間にも、どれだけ連続的にモデルの予測があるかを表現する潜在的に連続的なメトリックを計算するように構成される。ある選択されたしきい値により、予測エンジンの性能がリアルタイムに確認される。帰還ループは、予測エンジンが正しく自己学習することを可能にする。

ある実施の形態において、予測は、たとえば携帯広告（文脈に連結され、予測され、目的に適した広告）の目的で、動的に与えられる。このような目的で、状態機械（たとえばマルコフモデル）が、次の状態（たとえば次の位置、利用者が電話する次の人の名前、次に聞こうとする音楽アーチスト）の予測が、動的クエリに基づいて、および計算された性能標識（モデルがどれだけ正しか）および特定の広告の蓄えを供給する外部または内部のモジュールを通じて、連続して与えられ、システムは、状況が十分に予測されている場合には、ある広告をポップアップのような特定の動作をトリガーする。

本発明の他の側面において、電子的装置構成により実行されて観測データを処理する方法は、
スマートフォンのようなある数の携帯装置から得られた、ノンパラメトリックスで多次元の空間および時間的な人間の挙動および／または技術的観測のデータ、検出器データを受信し、
受信したデータをパラメーター化し、選択的に分類および／または構造化し、
パラメーター化されたデータを、一括で、その一括データからある数の記述的な高レベルの挙動および／または技術標識を決定するため、ある数の集約および／またはデータモデリング動作の対象とし、
挙動および／または技術指標、またはそれらから得られる情報を、１以上の携帯利用者に個別化された広告を選択する携帯マーケティング実体、またはネットワーク性能および／または利用者経験の評価およびそれに基づいて性能および／または利用者をそれぞれさらに最適化することのできるネットワーク解析または管理実体のような外部実体に提供する
ことを特徴とする。

装置構成の実施の形態に関してここで説明した種々の事項は、当業者には明確なように、変更すべきところは変更した実施形態に柔軟に適用することができる。

さらに、本発明の利用に関して、本発明は、種々の使用シナリオに適用できる。たとえば、利用者の要求する正確なディジタルフロファイルが、たとえば連続的な基準により構築されており、プロファイルが、データ内に生起する特徴によりトリガーされる１またはいくつかの動作に動的にリンクされる必要があるようなシステムに結合して適用できる。ある数の意味指標およびプロファイルが、潜在的に論理的および物理的な分離抽象レベルで供給される観測データに基づいて判定される。利用者の生活または技術的な環境に関するメトリックが実時間で構築される。これにより、観測および関連する技術的手続に基づくたとえばスマートフォンの取り扱いの挙動が構成される。したがって、携帯の観測値に関連する供給内容が入力として供給され、関連する挙動ベクトルが、たとえば状態機械アプローチとデータクラスタリングアプローチの組み合わせによって、出力として生成される。

示唆された解析策は、たとえば塊のデータの一括処理を容易にし、結果として、蓄積容量を節約するために望ましい履歴データの除去を容易にする。一方で、新しく到来するデータは、すぐに解析できるようになっており、履歴データでさえ、必要であれば解析に利用することができる。新規な技術的データベース解決策は、したがって、解析処理および時系列解析を支援し、取り扱いの要求に基づいて、データを区分した層に分割することができる。また、技術的および論理的な理由から、データ蓄積は、物理的に異なるサーバーまたは他の実体にわたって物理的に分散させられることができる。

検出器データは、より磨かれたデータから物理的に分離され、持続可能な自動化が、連続的にリフレッシュされた携帯装置利用者の生活に関する洞察を連続的に生成するように構築される。大量のアプリケーションが、人間の挙動に関する挙動および背景データを使用するために必要である。データを用いて意味のある動作を実行するために推奨される解決策は、複数の種類のデータ要求を容易にし、要求される帯域幅を削減し、実時間要求を満たし、システムのサービス側で動的なデータ処理を必要とするより知的なクエリを支援し、トリガーされた動作およびデータ分配の部分的な自動化を支援する。物理的に分離されたシステムは、挙動情報を交換し、特に検出器データを無線装置から収集する場合のデータ取扱、および１またはいくつかのネットワークサービスによる複数のタイプの異なるデータ点および集約ベクトルを含むデータのさらなる処理、の責任を分割する。

最後に、履歴データの利用可能性への回帰は、挙動および背景データのデータベースへの蓄積が、人々の動作の傾向の理解の構築を可能とし、換言すると、予測特性をソーシャルネットワークのような商業的に利用可能な解決策に構築することができる。

本発明を適用可能な実用的な例として、外部ウェブアプリケーションが考えられ、選択された利用者の生活に生じる大きな事象を自動的に反映することができる（たとえば、与えられた７日間に少なくとも３か国を訪問したときに、電子メールで友人に報告する）。

他のひとつのアプリケーションは、利用者の最近の挙動からの学習に基づいて、携帯装置の利用者に自動的に目的の広告を送るように構成できる（たとえば、メタリカのレコードの実際の割引クーポンを、彼／彼女がレコード店に近づいたとき、そして、その人が次の１０日の間にメタリカを聞く可能性が２％以上であると判断したときに送る）。

さらにひとつの実施の形態として、本発明は、どれだけ異なる種類のデータが最初にすべてデータベースに蓄えられるかを指摘するために適用され、異なる抽象層に配置された位置に、アプリケーションプログラミングインターフェイスにより賢くアクセスされる。位置情報を蓄積する実用的な実施形態は、後述するように、セルラー電波塔のＩＤ、ＷｉＦｉホットスポットＩＤ、ＧＰＦフィックスを含む多くの形態の位置情報を蓄えるので、データ点を蓄える実際の方法を抽象化する方法を開示する。この記述に基づいて、鍵となる処理が、背景に敏感な認識、および利用者挙動の繰り返しパターン、認識されたパターンの特異性および特性を反映する統計の計算について、さらに説明される。

実際の実施の形態として、以下では、得られたデータが複数のバッチで処理され、情報源（たとえば、セルラー電波塔の地球座標およびセルラー電波塔の正確なトランザクションログの正確な座量）の分離が、並列処理およびモデリング処理を用いてどのように行われるかが説明される。利用者の生活パターンの出力ログは、挙動標識および関連する集約されたデータストリームを含み、挙動および予測モデルは、動的に新しい到来データにリンクされ、あるフィルターおよび／またはトリガーがプログラムされて、１以上の所定の条件が満たされたときに選択された動作を実行し、予測エンジンがあることの発生の尤度を計算する。

関連する信号伝達手続が、この書類でさらに示される。提案される解決策は、分離されて定義された推定モデルおよび導き出されたマルコフシナリオを実時間データ供給に一致させ、利用者の次の移動に関して実時間で有効に推測する。物理的機構は、予測が連続的かどうかを予測エンジンで示すことにより提供される。

「挙動指標」という表現は、ここでは、たとえば一次元の特定の指標の場合の数値または分類上の値、あるいは、ある日に移動した平均距離およびそのような移動の平均方向のような多次元挙動指標の場合の複数の値をいう。多次元挙動指標の他の例としては挙動ベクトルがあり、たとえば、利用者が音声通話する頻度および一回あたりの音声通話時間を表す。これらは、利用者の挙動活動を示し、潜在的に、可能性の尺度および意味の分類を含み、反映された頻度、活動、タイプおよび／または他の種類の動作の評価基準（メトリックス）のためのラベル付けとなる。

「オンザフライ（中間ファイルを出力せず複数の処理をまとめて行うこと）」とは、実質的な実時間処理をいう。

「技術的」という用語は、ここでは、挙動の背景状況やイベントではなく、観測された技術的背景状況またはイベントに関するデータ、集合体、標識および統計データ、たとえば、信号強度およびアクセスされるネットワークのタイプを含む携帯電話網から測定されるパラメーター、に関連して用いられる。

「ノンパラメトリック」とは、他のデータ点に直接には関連づけられないデータ点をいう。言い換えると、データがサイロ内にあり、それぞれのデータエントリは他の特定のグループから離れており、他のデータ点との定義された関係が明確ではないことをいう。

「パラメトリック」とは、互いに関連づけられたデータ点をいう。たとえば、ネットワークの基地局の観測は、同時に、現在のスループットおよび信号強度の測定を含む。

「内部モジュール」とは、物理システム内または装置構成内の論理モジュール、あるいは本発明が表現する他の実態をいう。

「外部モジュール」は、本発明がここで開示する実施形態の物理的反映の範囲外にあるモジュールに相当する。

「ＡＰＩ（ａｐｐｌｉｃａｔｉｏｎ ｐｒｏｇｒａｍｍｉｎｇ ｉｎｔｅｒｆａｃｅ）とは、実質的に、装置構成からあるいは装置構成に、よく調整された方法で、データを引き出す（プル）または押し込む（プッシュ）プログラム可能なフレームワークをいう。

「解析」とは、ここでは、実際のおよび／または定量的な情報に基づいて、意思決定を行うことをいう。

「観測者」とは、ここでは、たとえばクエリ（質問）に基づき、無線装置のオペレーティングシステムの能力を使用して、データ項目を生成することのできる処理をいう。観測者は、機能的および時には物理的にセンサであるが、常に無線装置内に存在するわけではなく、連続的に動作するわけでもない。このようなセンサは、たとえば、セルラー方式の基地局の使用中に識別される変更（装置が、たとえばひとつの電波塔の送受信エリアから他の電波塔の送受信エリアに移動したとき）を自動的に感知することができる。

「トリガー」とは、ある動作の引き金を引く（仕向ける）規則および処理をいう。トリガーは、特に、観測が無線装置内でどれだけより有効かつ自動的に行われるかを定義することができる。トリガーは、時間間隔、背景状況の変化および観測、外部要求、または、たとえばある別のデータ点に対してより多くのデータが要求される状況のような内部要求に基づくことができる。

「インテリジェンス」の概念は、この文章において、関連づけられた実態の全体の手続または個々のマイクロ処理（たとえばトリガーをかける論理）を統合する１組の規則、アルゴリズム、データベースおよび／または処理を指すものとして用いる。インテリジェンスは、たとえば、関連するシステムに、よりスマートに、より適切な方法で、エネルギーを節約し、精度を高めて、動作させるものである。これは、固定および／または自己学習の適応アルゴリズムに基づくことができ、また、外部入力に基づくことができる。

「サーバー」とは、ここでは、一般に、たとえばインターネットなどの１以上のネットワーク内に存在し、それらのネットワークを経由してアクセス可能な、ひとつのノードまたはいくつかのノードの論理集合体をいうサーバーは、クライアントに、種々のネットワークサービスのようなサービスを提供する。クライアントとは、たとえば、無線装置内で動作するモバイルエージェントや、その他の実体をいう。クライアントは、したがって、１以上の中央サーバーと通信することができる。クライアント・サーバー・アーキテクチャは、インターネット内にシステムを構築する一般的に使用されるトポロジである。

「処理」という概念は、この文章では、データに対して静的またはより動的のいずれであってもオンザフライで実行される種々の種類の動作をいうために用いられる。これらの動作は、データ変換、転換、定式化、結合、マッシュアップ強化、相関、クラスター化、正規化、および／またはフィルターリングその他を含む。処理のいくつかの形態は、本発明の種々の実施の形態で積極的に使用される。これらの処理には、たとえば、結合およびマッシュアップ（たとえば、データ点を互いに連結し、関係データ構造を構築する）、変換（たとえば、観測された地点のような未加工レベルの分類されていないデータ項目から、意味のある情報実体のストリームを生成する）、強化（たとえば、メタデータを付加し、データを元のものより充実したものにする）および／またはフィルターリング（たとえば、関係のないデータまたはもはや必要ではないデータを取り除く）が含まれる。

「スマートフォン」は、この文章では、追加アプリケーションのインストールが容易で、インターネットのような目的ネットワークへのパケットデータの接続を可能とするオペレーティングシステムが動作可能な無線装置として定義される。

「装置構成」とは、ここでは、サーバー装置などの装置、あるいは少なくとも機能的に相互接続された多数の装置からなるシステムなどの実体をいう。

「複数の」という表現は、ここでは、２から始まるいずれかの整数、たとえば２，３または４をいうものとする。

「ある数の」という表現は、ここでは、１から始まるいずれかの整数、たとえば１，２、または３をいうものとする。

「実体」および「モジュール」という表現は、ここでは、区別しないで用いられる。

図１は、本発明によるサーバー措置構成の実施の形態における、一般的な概念および主要なモジュール、すなわち全体のアーキテクチャおよび設計の基本を機能的な観点から示す図である。 図２は、装置個性の実施の形態における別の特徴を、特にベクトルのような挙動標識の計算に焦点を当てて示す図である。 図３は、装置構成のひとつの実施形態のブロック構成と処理フローを結合して示す図であり、特に層構造データ検索論理の観点から示す図である。 図４は、推奨される装置構成で適用可能な、背景／挙動アプリケーションプログラミングインターフェイスのような、データ出力インターフェイスのひとつの実施の形態のブロックとフローを結合して示す図である。 図５は、提供された構成に関連して適用可能な、データ予測モジュールまたは予測エンジンのひとつの実施の形態の、ブロックとフローを結合して示す図である。 図６は、本発明によるサーバー装置構成実体の実施形態を示すブロック図である。 図７は、本発明による方法の実施形態を示す流れ図である。

以上の観点および特に図１を参照すると、本発明の一般的な概念は、（ネットワーク）サーバー装置構成１０２の実施の形態により記述される。ここで、装置構成１０２は、ある数の望ましくは無線形態装置１０６により供給され、場合によってはたとえば移動通信網、または他のネットワーク、および／またはインターネットなどの少なくともひとつの通信ネットワーク１０４を経由するデータを経由するデータを、入力およびキャッシュするログ読み取り機のようなデータ入力実体１００と、データを処理する処理実体２００と、データを蓄積する多層記憶実体３００と、種々のレベルのデータ解析、集約、およびトリガーに基づいてデータの問い合わせおよび解析を行うユニットのホスティング、を統合する中央論理モジュール４００、および解析の結果を体系化する１以上の出力実体／モジュール４８０および５００を有する。

したがって、入力実体１００は、たとえば、所定の再構成が可能な論理を物理的な構造化データを処理して、正しい順序で異なるデータテーブルおよび処理実体に入力する。

処理実体２００は、到来するデータのバッチへの拡大縮小可能な受信およびキャッシュを確実に行うように構成され、たとえば、到来するデータを修正および処理して内部の解析モジュールまたは接続された解析モジュールへのデータストリームに標準化することがフィルターリングモジュールを有する、またはそのようなモジュールに少なくとも機能的に接続される。

中央論理実体４００は、集約実体／モジュールとも呼ばれ、たとえばデータのバッチをさらに処理することができ、望ましくは、そのバッチを表現する所定の数の標識を判定することができる。中央論理実体４００は、予測実体／モジュール４８０を有し、または予測実体／モジュール４８０に少なくとも機能的に接続され、および／または、帰還実体／モジュールを有し、または帰還実体／モジュールに少なくとも機能的に接続される。予測実体／モジュール４８０は、望ましくは、パターンのベクトルおよびいわゆるベクトル識別子を連続的に見つけることができ、それ／それらを、到来する実時間情報と一致させ、予測を動的にトリガーする。帰還実体／モジュールは、情報を予測モジュールに戻し、予測が正しいか否かを示す。予測および帰還モジュールについては、後でより詳しく説明する。

この装置構成はさらに、データベース（管理）実体３００を有する。このデータベース実体３００は、抽象化の種々の層を使用してデータを蓄積することができ、必要であれば、集約のレベルに基づいて、あるいはこれとは別に利用者のセグメントなどの他の基準に基づいて、データの蓄積を物理的に分散することができる。これについては後でより詳しく説明する。

したがって、本発明の種々の実施の形態は、たとえば関連する装置構成の観点から、一般的に、蓄積され処理されたデータの基本的にすべてに対して、共通の存在論を定義するように適用される。これは、本発明のデータ構築特性の実施の形態が、すべての到来データを、その内容および動的な属性（位置、利用者識別、または時間など）に基づき、望ましくは後の処理を容易にするための手続分類情報を付加して、少なくともひとつの特性テーブルに構造化するように構成されていることにより達成される。典型的な分類仕分けは、以下のグループから選択された少なくともひとつの分類を含む。
１．アプリケーション使用データ（クリックストリーム）
２．携帯ウェブ閲覧使用データ（クリックストリーム）
３．ネットワーク性能データ
４．装置機能使用データ
５．装置システムデータ（たとえば電池状態）
６．ＷｉＦｉネットワーク性能データ
７．メモリシステム・データ
８．アラームクロック・データ
９．電話帳内容
１０．メッセージログおよび
１１．音声通話ログ

本発明の１以上の実体、たとえば処理実態２００および／またはそれに含まれるまたは接続される実体は、無線携帯装置で動作する１以上のソフトウェアモジュール、たとえばエージェント、を用いて収集されるノンパラメトリック入力データを、ネットワーク側で、より充実した、より構造化された、および／またはパラメトリックなデータに変え、同時に、そのデータに対してオンザフライで行うことのできる手続を実行し、これにより、この装置構成またはその外部の他のモジュールの負荷を削減する。この装置構成の実体、たとえば処理実態２００には、到来するデータストリームをメモリモジュールに引き渡す前に処理する責務が与えられている。

１．最初に、特定のアプリケーション名を一致するアプリケーションＩＤにマッピングし（たとえば初期設定のウェブブラウザーの異なる現地語化のすべてがひとつのアプリケーションＩＤに解釈される）、次に、分類名、アプリケーションタイプ、およびクラス名を、同じ行にマッピングして、アプリケーション分類（ａｐｐ分類およびａｐｐクラス）をアプリケーション名に付加し、
２．ウェブドメイン上の情報（サイト／ページ分類その他）を付加し、
３．位置タグを観測値に付加する。

パラメーター化処理において、位置または時間近接による異なるテーブル間の系統立てられた相関、あるいはこれとは別に、たとえばネットワーク基地局セルＩＤまたはＷｉＦｉホットスポット指標のような技術データを含む、他の共通のデモニターの識別を含む経験則的手続のいずれかが、別々のノンパラメトリックな観測値から、システムの外側で要求される可能性のあるパラメーターを含み、たとえば天候データ、地理的場所名、ネットワーク状態情報その他を含むより充実したパラメトリックデータを組み合わせるために、便利に使用される。

意味のあるベクトルが連続的に計算され、これにより、これらのベクトルが携帯利用者の真の挙動を反映し、中央の論理／集約実体４００および／またはそれに含まれるまたは接続される実体などのモジュールが、たとえば、バッチ内の大量のひとまとまり（これを以下「チャンク」という）のデータを処理し進化した統計技術、処理活動、あるいは他の定型手続（スクリプト）化された動作を適応する定型手続により、利用者レベルでタイムスタンプが付加された統計を周期的に生成して、あらかじめ定義された統計の豊富な多様性を生成するように構成される。

たとえば、以下の種類の挙動標識のいずれか１以上が、携帯装置から集められたデータに基づいて計算される。
１．１日のような所定の期間における使用ごとの分単位のような所定の単位の平均閲覧フェイスタイム（実際に向き合っている時間）、
２．２００９年１２月のような所定の期間中におけるある利用者の時間単位の平均睡眠時間、
３．キロメートルあるいはマイルのような所定の単位での利用者あたり１日あたりの平均移動距離、
４．ある利用者のある日の位置動力学の平均エントロピ。

実行可能なメトリックはアプリケーションおよび必要性に依存するが、典型的には、メトリックは、分、セッション、トランザクション、あるいは他の時間単位あたりイベントの形態で表される。一方、度数メトリックは、定義された期間のイベントの相対的発生に関して表現し、尤度尺度は、ある事象が条件付きで何か他のものに発生するか、あるいは条件なしで発生するかの相対的傾向に関して表現する。いずれの場合にも、尤度は、時間期間のような与えられた条件および背景に対して、より統計的である。鍵となるメトリックは、典型的にはそれ自体で有意であり、あらゆる種類の派生メリトックを容易にする。派生メトリックとしては、たとえば、ある活動しきい値を超えた場合に使用するブール変数がある。

既に計算された挙動標識および／またはベクトルをより複雑な統計の組の生成に使用するために、装置構成の実施の形態は、ベクトル集約と呼ばれる上述の機能を有する。ベクトル集約は、以前に計算されたより粗いデータを平均および／または外挿処理し、出力として、わずかに異なる観点の意味のある統計、たとえば、異なる期間あるいは個々の利用者ではなく利用者のグループに関する統計をするような決定統計、を生成する。

上述の点に関し、本発明による装置構成の実施の形態は、たとえば日々の統計を計算し、たとえば、日々の統計に基づいて少なくとも以下の同様の統計のいずれかひとつを導き出す。
週間統計（使用活動、頻度、利用者普及率）、
月間統計、および
年間統計。

与えられた利用者の動的挙動（傾向解析）、あるいはそのシステムのいずれか２人の利用者の間の違い、のいずれか一方に関する尺度を計算するために、挙動ベクトルの相関が判定される。挙動ベクトルは、たとえば、検討対象の実体間のキーとなる差異のタイプおよび／またはリーチ（範囲）を表す尺度を出力するようにする。差異は、正規化されたベクトルを互いに差し引くことで、正確に示される。相関は、たとえば、多次元ピアソン相関係数により見出される。

利用者の挙動の違いを理解するため、および／または差異に基づいてアラームを発生または活動を生じさせるために、ベクトルトリガーが用いられる。ベクトルトリガーは、あらかじめ定義された構成の組であり、これらの構成は、いずれか２つの特定ベクトルの相関をとった後、あるいは新しい挙動指標を計算した後に、あるアラームが生成され、オプションとして、内部または外部のモジュールに信号伝達が行われる状況を表現する。実際には、この種のトリガーは、たとえば、利用者が目覚め、動いており、あるいはひと眠りしていることを反映するトリガーである。

実際に、特に挙動標識の算法に関連する機能の実施形態を示す図２を参照すると、データ処理実体２００は、直接に入手されたデータの前処理活動およびオンザフライでの変換を行う役目を負っている。次の実体は、処理実体２００に含まれるか、あるいは処理実体２００に少なくとも機能的に接続されるもので、意味（セマンティックス）を構造化、パラメーター化、および／または付加する実体２１０である。この実体２１０は、データを、その内容および属性に基づいて、テーブルなどのある数の構造化実体に分割する役目を負っている。実体２１０は、受信したおよび／またはその場で生成されたパラメーターをデータに付加するために、位置提供または天気APIのようなモジュールを含む内部あるいは外部の支援エンジン２２０を用いることができる。実体２１０はまた、異なるデータテーブルからの１またはいくつかのデータ点を他のデータ点と混合して、元のデータ点を充実させるか、あるいは完全に新しい種類のデータ点を結果として形成するオプションの手続を有する。

メモリモジュール３００は、多層データ蓄積および他の演練する機能を管理する役割を負っており、データ集約のための（中央の）論理４００は、たとえば、バッチ内のデータをたとえば離散間隔で解析するあらかじめプログラムされた、またはスクリプトにされた動作を行うことによって、便利な機能を実現する。データ集約では、テーブルなどの１あるいはいくつかのデータから１以上のデータ点がバッチで処理される。たとえば、トランザクションの（タイムスタンプが付加された）データから意味のある統計を絞り出すときには、時系列、平均および／または総和演算が用いられる。

データ集約モジュール４００は、上述したようなある数の他と異なるモジュールを有し、あるはそのようなモジュールに少なくとも機能的に接続される。そのようなモジュールとしては、ベクトル計算４１０:統計および挙動標識の算法、および所定のベクトルの出力、ベクトル集約４２０:たとえば利用者の組または１周期の時間に対して、計算されたベクトルの平均および集約、および自動または要求によるいずれか２つのベクトルの比較、を含む。

最後に、これまで説明したベクトルトリガー４４０は、所定の相関がある特定の結果を出力する場合にとる必要のある、ある数の動作を定義することができる。

支援エンジンブロック２２０に戻ると、ここで説明する例では、受け取ったデータに向けられた前処理された動作の一部として、(未加工の）データを充実されることができるモジュールが設けられる。

位置取扱部モジュールは、位置に関連する種々の形態の情報を含む未加工のデータを入力し、位置データを、より標準化された方法、および／またはいずれか要求しているモジュールに戻すフォーマットで、位置データを戻す。位置取扱部モジュールでは、位置が、たとえば緯度および経度（たとえば小数点以下４桁の度数）により、特定の位置変数として記録される。テーブルのようないわゆるマスター位置実体が設けられ、個々の位置更新が蓄積される。さらに、各利用者が、与えられた期間、たとえば５分の間に、容易に集約および他のテーブルへのマッピングを行うことができ、望ましくは基本的な統計方法により異常値を除外するように、位置が集約されるテーブルのような実体が設けられる。

位置に関して、位置取扱部モジュールは、たとえば、携帯電話網の動作している基地局の個々の変化（および付加的に、与えられた頻度で認識できる基地局を走査したデータ）、与えられた頻度でＷｉＦｉホットスポットを走査した周期的または非周期的データ、与えられた頻度でのＧＰＳフィックスの周期的または非周期的データ、および／または携帯装置の位置アプリケーションプログラムインターフェイスからのデータを入力する。

位置取扱部は、システマチックに、受信した位置情報の別々のピースをそれぞれ処理する。新しく到来するこれまで未知の基地局またはＷｉＦｉホットスポットの指標に対して、座標が、基地局またはホットスポットの指標を地球座標にマッピングできる内部または外部の他の位置取扱部により、読み出される。位置取扱部は、実際にはすべての到来するデータを処理し、ラジオ網レベルのパラメーターなどの位置に関連した観測値に対して、具体的な位置座標を付加する。

ＧＰＳまたは携帯装置のＡＰＩによる正確な位置座標が受信されると、その時点で動作している基地局およびＷｉＦｉホットスポットに対する位置情報が、位置取扱部の内部データベース内で更新される。

未加工のデータに加え、可能であれば、それらの位置スタンプが、対象となる利用者、時間および位置の点および精度を示す空間位置テーブルに収集される。場合によっては、位置は、たとえば、基地局の走査ごと、あるいは変化があるごとに、テーブル内に更新される。テーブルに対して、たとえばビル名／場所名、住所、区域、市、郵便住所および／または国を含む位置名が、新しいエントリを生成すると同時に付け加えられる。位置名は、たとえば、地球座標に応答して場所名を返す外部または内部のモジュールから、読み出される。

基地局およびＷｉＦｉに基づく位置を検索するために、対応する座標の位置名が蓄えられた別のテーブルを用いることもできる。これにより、付加的な位置名の必要なしに、それらを検索できる。たとえば、個別の別々の指標が付けられたテーブルがあり、そこには、各基地局の指標が関連する位置名にマッピングされている。ＧＰＳに基づく、および無線装置ＡＰＩに基づく位置の検索のため、位置名が内部／外部モジュールから実時間で検索される。

位置テーブルはさらに、与えられた期間、たとえば５分間間隔でそれぞれの期間のすべての位置観測における中央値または同等の関数を用いて位置が蓄えられる形式に集約される。

全体のデータ処理の一部として、本発明の種々の実施の形態が、待ち行列と言われる選択された場合に適用できる。この場合、データ点は、スマートマッピング、すなわち、いずれか２つのテーブルの間の情報を一致させること、を容易にするため、２以上のステップで処理される。

先に説明したように、本発明の種々の実施の形態はさらに、典型的には種々の情報源から標準化された方法で収集することが容易なノンパラメトリックなデータを、変換および／または処理して、パラメトリックな観測値とし、より充実した情報を最終的なテーブルに蓄え、このテーブルから、より複雑な集約を行うことができる。

位置集約およびパラメーター化処理に関する特別の例として、位置データを観測値に一致させる処理は、以下のように行われる。
１．所定の期間、たとえば３日間、の人間（利用者）の挙動について、いくつかの異なる観測タイプがより大きなまとまり（チャンク）で受信される。
初期レベルの処理（磨き上げ）の後、データストリームに対して３段階の処理が施される。
ａ．第一の段階では、望ましくは与えられたチャンク内の実質的にすべてのデータが、時系列に蓄えられる。常に入力されたデータの順とは限らない。
ｂ．第二の段階では、チャンク内のデータが行ごとに処理され、ＧＰＳフィックス、基地局変更、基地局走査、およびＷｉＦｉのような走査などの位置に関するデータ点のみが処理され、個別の位置取扱部モジュールが使用されて、すべての情報を地球座標にマッピングする。この結果、位置取扱部モジュールの出力は、個々の技術的観測値ではなく標準化された位置スタンプを含んでおり、新しいテーブルに蓄えられる。このテーブルには、すべての位置更新が蓄えられる。さらに、より標準化されたテーブルが作られ、平均位置情報が更新され、設定された期間ごと、たとえば５分ごとに更新される。統計的な方法、たとえば中央値を用いて、その期間に対する位置の十分に良好な近似を導き出すことができる。さらに、与えられた期間に対応する位置更新がない場合でも、処理は、その失われた期間の条件に対し、たとえば、過去５分間あるいは他の所定の期間の間に最も可能性のある位置が変化しなかったデータから経験則により判定できるという事実に基づいて、位置スタンプを生成する。
ｃ．第三の段階として、すべての他のデータが時系列に処理され、以前に処理された位置データが容易に種々の観測値にマッピングされて、パラメトリックデータが出力として生成される。

本発明のある望ましい実体として、以下に詳しく説明される層データ検索は、データが集約され、統計処理が施されて、元のトランザクションレベルの観測データより外部システムで理解しやすい出力形式に変換される処理を、起動することができる。

したがって、関連する例として、ここでは、人間の挙動に関して、スマートフォンの利用の観点から、どのように挙動ベクトルが計算４１０され、集約４２０され、相関４３０が取られるかを説明する。

入力として、この典型的な実施の形態は、スマートフォンのアプリケーション使用について、ログ行のように、一括でデータを受信する。未加工の観測されたデータには、それぞれの行が、たとえば無線装置のユーザーインターフェイスにおけるスマートフォンのアプリケーションの起動を記述している。それぞれの行は、既に前処理されていて、いわゆるマッピングＩＤが、未加工レベルのオリジナルの技術的アプリケーション名が付加されていてもよい。これは、たとえば、無線装置のユーザーインターフェイスの言語に依存せずに、可能な各アプリケーション実体に特有の識別子を与え、記録された未加工レベルの名前に関わらず、各アプリケーション実体に対して特有の識別子を与えるという考えによるものである。マッピングＩＤは、付加的に、特有のアプリケーション識別子をそれぞれ、アプリケーションタイプ、アプリケーション分類、アプリケーション副分類その他のような他の変数の組にマッピングする、さらなるデータ／テーブルにより充実させられていてもよい。

マッピング処理に基づき、実際のアプリケーションを表していないすべてのアプリケーション行、たとえば、異なる種類のメニュー、スクリーンセーバー、およびまたはホームスクリーン・アプリケーションは、データから取り除かれる。処理の一部としてさらに、望ましくは、たとえば以上に長いアプリケーションセッションなどを含む異常値が取り除かれる。磨き上げられたデータストリームが重複している場合、すなわち、磨き上げの後で２つの行がまったく同じ名前であるがタイムスタンプが異なる場合には、それは消去されなければならない。このような事態は、たとえば、偶発的にたとえばアプリケーションセッション中のホームスクリーン・アプリケーションに戻り、そこからすぐに元の（実際の）アプリケーションに戻ったような場合の結果として生じる。実際の使用を表していないアプリケーションの除去の後、２つの行で同じアプリケーションが相次いでいることがあり、したがって、それらの行は、同じ使用セッションとしてあらわされるように互いに併合されなければならない。したがって、アプリケーション使用について前処理されたデータストリームは、たとえば、特有の利用者ＩＤ、タイムスタンプ、および／またはある種のアプリケーション識別子を含むが、アプリケーション分類などのような付加的な情報を含んでもよい。

この種の特殊化したよく準備されたデータ以外の挙動ベクトルの計算において、ベクトル計算エンジン４１０，４２０，４３０は、それらの行の塊（チャンク）をデータ集約実体４００から得ることができる。

処理を担当する実体は、パラメーターとして、開始時刻および終了時刻、および処理しようとするひと組のユーザＩＤを得るように動作する。未加工レベルのデータを受け取ると、実体は、バッチ処理のパラメーターに対応しないデータを排除する。次に、挙動標識が２つのキー次元を有し、第１は記述しようとする反映および／または抽象概念であり、第２は、時間尺度であり、その活動がたとえば反映していると仮定されているものである。時間尺度は、たとえば１日または１週であり、対象とする標識が計算され、観測された期間のうちそれぞれ１日または１週間の活動の平均が記述される。

集約に関連して実体が実行するタスクは、たとえば、特定のアプリケーションまたは装置機能に対して観測された使用が、どれだけの日数または週であるかの計算を含む。これは、頻度に関する統計の計算の基準値を設定し、これが与えられると、使用についての可能時間単位、換言すると、あるデータが入手可能で、装置が物理的にオンになっているのが何日か、を導き出すことができる。これにより、使用または他の活動が可能な日数あたりの平均挙動を反映する統計を計算することが容易になる。一例として、１年間に相当して受信された一塊のデータがあるということは、最初に観測されたデータが１年の最初のデータであり、最後に観測されたデータがその年の最後の日のデータであることを意味することになる。

しかしながら、データ収集機能が機能していないために、中間の４か月間はデータが受信されていない可能性もある。第一に、何か月間使用可能であったかを判定する単純な集約手続が実行され、この場合には８か月という結果が導かれ、それが基準値となる。

使用または活動の基準可能時間を集約した後、処理は、より深い計算に移行する。この特定の例では、目標が、アプリケーション使用の程度の具体的な反映の取得に向けられる。未加工レベルのアプリケーションデータストリームは、それについて明確には示していない。そこで、アプリケーションの使用をより良く記述する複数種類の異なるベクトルを使用する。ひとつの鍵となる設計の目標は、最少数の繰り返しまたはバッチ処理を使用して計算されることである。この特定の例では、そのような２つのベクトルがより粗く解釈され、そのベクトルが同じバッチ処理の間に計算される可能性がある。

最初のベクトルは、アプリケーションフェイスタイムを示すものであり、人々がその携帯電話であるアプリケーションの前で過ごした時間を表す。第二のベクトルは、アプリケーションの使用頻度を反映するものであり、使用の相対的な発生について表す。この特定の例の目的として、唯一の関心が、アプリケーション使用活動の日レベルの統計、およびアプリケーション使用頻度の月レベルの統計にあるが、データ自体は他の期間、たとえば１年間であるとする。これらの変数に対して、処理は、最初に出力ファイルを出力する。この出力ファイルには、各利用者に対して、各歴日に対して、その日の間に各アプリケーションを用いて過ごした累積フェイスタイムが計算されている。この結果、集約されたデータテーブルは、各ユーザの各日に使用されたアプリケーションの情報、およびそれが使用されたかどうかという事実に関する情報を含んで構成される。アプリケーションが使用されたということは、基本的に、アプリケーションの使用が観測されない場合にはそのアプリケーションに対する行が存在しないので、行が存在するということを意味する。また、使用の活動とは、どれだけ使用したかを、たとえば、費やしたフェイスタイムまたはセッションの数で示すもので、この情報活動は、各行に対する変数として蓄積される。したがって、この種の集約テーブルは、すべてのアプリケーションについて、使用の有無の両方および使用の活動を反映する。この種のテーブルは、さらなる集約が容易である。

次に、この情報がさらに集約され、最終的に、集約ファイルが構築される。この集約ファイルには、各使用者、すべての暦年、各アプリケーションに対して、その期間にアプリケーションを用いて過ごした総時間、およびアプリケーションを使用した総日数に関する情報が蓄積される。このテーブルに対して、結合操作が行われ、最初に計算されたその年の利用の可能数または活動日に関する情報がもたらされる。その操作の後、いずれか特定の利用者が使用可能日あたり特定のアプリケーションでどれだけの時間（分）を過ごしたかが、単純な割算操作を用いて計算される。他の割算操作を用いて、特定のアプリケーションに対する観測された使用日数を、使用可能日の総数で割ることにより、最大値が１００％、最小値が０％の頻度ベクトルを得ることができる。この頻度ベクトルは、ユーザの使用がどれだけ繰り返されたかを反映し、そのアプリケーションの相対的発生尤度を表す。

出力として、これらの種類の挙動ベクトルは、異なる平均手続により、またはベクトルの単純な合計によって、互いに結合される。これにより、１日、１週、１ヶ月または１年のようなある期間に対して、結合されたベクトルが、１または複数のメトリックで使用活動を表す。これは、検討されたアプリケーションまたは他の活動あたりのメトリック数または挙動標識を意味する。互いに結合されることにより、異なるアプリケーションまたは活動の数の多次元を形成する。この種類の結合、平均または合計処理において、典型的には、たとえば日単位のような詳細なレベルのベクトルが処理され、観測された挙動の週単位の平均となる。場合によっては挙動計算に情報の消失があることを認識しておくことが重要である。たとえば、特定の週のウェブブラウザーで費やした平均時間の挙動標識を計算するとき、このメトリックからは、ウェブブラウザー使用の頻度の月レベルの数値である頻度測定値を導き出すことはできない。その理由は、この種類の計算のための入力データには、複数日レベルのデータが必要であり、その特定の月に対して注目すべき使用日数である使用可能日についても、知っておく必要がある。

同じ手続が、異なる種類の集約レベルにも繰り返される。たとえば、アプリケーション実体にもかかわらず、集約の基本実体は、アプリケーション分類、アプリケーション副分類、または他の何か、たとえば利用者が訪れたドメインを表す携帯ウェブブラジングログからのもの、あるいは関心のあるいずれか特徴のある装置機能を表す装置機能ログからのものでもよい。

たとえばアプリケーション使用に関するものなどの挙動ベクトルが計算されるとき、結果として得られるベクトルは、標準集約解析により処理され、例えば、鍵となる独立変更であるタイムスタンプが付加され、さらに相関をとることにより、可能時間傾向が調査され、たとえば、傾向の平均傾斜が判定される。

他の例として、標準ピアソン相関係数、またはいずれか類似のものが、たとえばいずれか２人の利用者の年レベルの挙動ベクトルに対して計算され、挙動類似指標が判定される。

さらなる例として、人間の位置動力学すなわち移動のモデル化に関して、どのように挙動ベクトルが計算４１０され、集約４２０され、相関４３０がとられるかについて、ここで説明する。

ひとかたまりの位置データが最初に得られると、典型的には、前処理中に導き出されたすべての可能な位置更新を識別する。なお、前処理では、ＷｉＦｉホットスポット走査および基地局走査、あるいはＧＰＳフィックスを含むいくつかの送信元からのデータを結合する。この位置情報は、典型的にはテーブル形式であり、データの標準化されてないストリームを形成する。集約実体は、この位置ストリームを、いくらか標準化された形式に変える。たとえば、５分のような期間ごとにテーブルの行を計算して、トランザクションレベルのデータから、近接位置が計算される。この計算は、たとえば中央値関数を用いる統計モデリングにより実行され、最良の近似値を得ることができる。この典型例はまた、異常値の問題を解決する。この処理は、経験則により行われる。たとえば、ある５分間のデータ消失がある場合、たぶん、位置更新がなされないが、他のデータテーブルがあるので、装置がオンであったことは明らかであり、その５分間の位置点が以前の５分間の位置点に基づいて生成され、より標準化された位置のストリームとなる。

次に、たとえば利用者の日々の移動に関して、挙動標識が導き出される。このために、単純なクラスタリングが開始され、その間に、使用された基準にしたがう近似であるすべての地球座標が、たとえば、ひとつの重要な位置スポットにグループ化される。標準ネットワーク解析およびクラスタリングアプローチを適用することにより、これが効果的に行われ、そして、たとえば５秒ごとに、他と区別できる位置を記述する指標が確立される。この後、最終的な興味が利用者の移動に関する日レベルの挙動ベクトルにあるなら、集約手続は以下の通りとなる。すなわち、それぞれの利用者に対して、それぞれの日に、たとえ５％および９５％の緯度およびそれぞれ５％および９５％経度が計算され、その後に、その特定の日に対して区別可能な数の場所指標が続く。

百分率の値を用いて、異常値が除外され、および／または、たとえば４点平方が形成されて、利用者が１日のうちに最も移動した範囲を近似する。このように、２つの最も遠い点の地球座標距離、すなわち対角線の長さを測定することで、利用者がその日に移動した領域の平均を反映する移動の球と呼ばれる測定値が確立される。さらに、場所エントロピと呼ばれる挙動標識が計算される。この挙動指標は、単純に、区別される場所、この場合、特定の日に利用者が訪れて少なくとも５分間を過ごした場所、がどれだけあるかを反映する。この結果、それぞれの日に対して、それぞれの利用者毎に、その者の位置パターンに関して、２次元ベクトルが形成される。その大きさは、位置動力学の範囲および多様性を反映する。

これらの単に例示した位置標識は、さらに集約される。たとえば、これらのベクトルから、月レベルの平均を形成することが可能であり、あるいは、たとえば人々のグループに対して位置挙動標識を集約することもできる。また、相関を用いて、たとえば週の１日が位置動力学の範囲,または多様性に影響を及ぼすかどうかを調査することができる。このためには、変化の標準解析を行うツールが使用される。

本発明の種々の実施の形態が、有益なことに、異なる種類のデータを互いに分離し、それらのデータ点の使用に関する必要性に基づき、または種々の集約層との可能な相互作用に基づき、データ点構造的に分割することを可能にする。これにより、計算負荷および必要な時間が最適化される。これらの目的は、「挙動データを用いる層構造データ検索」と一般に呼ばれる上述の特徴を用いて達成される。「挙動データを用いる層構造データ検索」は、未加工データがより磨かれたデータから差別化され、磨かれたトランザクションデータが集約および統計から差別化されるような層モデルにより、データの流れを管理することを意味するものである。それぞれが一緒になって、少なくとも以下の種類の層が、データ処理および蓄積に関して設けられる。
１．未加工レベルのデータ（たとえば、携帯装置から受信したトランザクション観測データであり、ノンパラメトリック形式の可能性がある）
２．メトリックなデータ（たとえば、処理され、フィルター処理され、磨かれ、たぶんパラメトリックなデータ）
３．中間層データ（たとえば、集約および／または再構成されたデータ）、および
４．洞察データ（たとえば、挙動または技術的標識を作成する準備のできているような高レベル集約）。

これとは別に、層３が存在せず、たとえばその特性によって、ある場合には、相当するデータが層２および４に含まれることもある。たとえば、セルラネットワークで過ごしたすべての時間に対する３Ｇネットワークで過ごした平均時間に対して技術標識を計算する場合に、ある日の技術標識は、その間で何等かの集約を行うのではなく、メトリックデータから直接計算することができる。そのような活動が２つの状況の一方または双方を満たす場合には、多層の連鎖した集約が使用される。
１．集約処理は、データを単純化するか、あるいは、特定種類の集約されたメトリックまたはデータの構造を導き出す。これは、観測された技術または挙動イベントの詳細または特性をよく反映する。
２．集約処理は、たとえば平均化により、出力されたテーブルへのアクセスまたはさらなる処理が非常に速くなるという状況を導く。

挙動データにアクセスするため、そしてその上にカスタマイズされた観点または統計を構築するために、拡張性のある手段が設けられる。この目的のため、「中間層テーブル」と呼ばれる機能が設けられ、部分的に集約されたデータを、統計的あるいはさらに記述的方法でさらに処理するのが容易な、および／または、さらなる集約または可視化のためにたとえば他のシステムに送り出すのが容易な形式で蓄積することができる。データは、たとえばＳＱＬ（Ｓｉｍｐｌｅ Ｑｕｅｒｙ Ｌａｎｇｕａｇｅ）に基づくテーブル（ＭｙＳＱＬ（登録商標）のような）に蓄えられるが、ＳＰＳＳ（登録商標、Ｓｔａｔｉｓｔｉｃａｌ Ｐａｃｋａｇｅ ｆｏｒ ｔｈｅ Ｓｏｃｉａｌ Ｓｃｉｅｎｃｅｓ）あるいは他の広く用いられる統計ソフウェアツールを介して、容易にアクセス可能となっていることが望ましい。データは、少なくとも１つのリレーショナルデータベースに蓄えられ、より多くのデータが解析されるほど相関の数が増加する（データはノンパラメトリックに収集されるものであることに注意）。

望ましくは、この装置構成の実施の形態は、最終的な報告書としてどのような種類の統計が必要とされているかに関して、データ処理または集約のタスクに固定された観点をとるように構成されるものではない。上述した「さらなる集約」と呼ばれる機能があり、これが、中間層テーブル内に計算された挙動標識に効果的に依存し、実際にほとんどのあらゆる所望の種類の統計を内部または特大の目的のために生成する。典型的に導き出される統計は、以下を含む。
１．アプリケーション粘性、特定のアプリケーションまたはアプリケーション分類が、それを週を基本として利用する人に対して、１日にどれだけ使用されるか（すなわち、短期間（より頻繁に利用する利用者）対長期間（それほど頻繁ではない利用者）タイプの解析）、
２．携帯ウェブサイト相対注目度、あるドメインで過ごした時間の絶対量対ある期間にウェブ閲覧で過ごした全時間、
３．良い眠り対悪い眠りの比（長さが６時間未満の夜に対する利用者に関して測定されたすべての夜）

本発明のいくつかの実施の形態は、要求される蓄積容量を最小化し、消費者の権利を保護し、および／またはデータの迅速な処理を容易にすることを目的として設定されたものであり、このために、「周期的クリーニング」と呼ばれる機能が適用される。この手続の間に、装置構成は、自動的周期的に、１以上の蓄積された未加工および／または高いレベルのデータテーブルまたは他の実体を詳しく検討し、必要とされないデータ点／実体を蓄積装置から一斉に廃棄する。

さらに、あるいはこれとは別に、データの処理および蓄積は、本発明の実施の形態の背景において、柔軟に分散されることができる。このため、上述の「管理分散データ検索」と呼ばれる機能が用いられ、たとえば、利用者がどこから来たか、彼または彼女のデータ点がどこに蓄えられているか、およびタイムスタンプがデータ処理および蓄積が行われる場所にとにかく影響しているかどうかに関して、有効に追跡することができる。到来する情報の蓄積およびその後処理は、システムの中央の構成で行うことが有利である。

図３は、本発明の層構造データ検索の観点の実施形態を示す。最初に、キャッシング３５０は、メモリがすべての到来要求に手助け／奉仕でき、必要であれば、たとえば重要な変換および変形が到来するデータに対して強調的に行われることを確実にするために、必要とされる。メモリ実体３００は、データ蓄積の中核活動の処理を行い、動作負荷および／またはタスクの分散の管理を行い、すべてのデータを集中的な制御におく。メモリは、上述の拡張された「クリーニング」モジュール３６０に、異常データ点を除去させるだけでなく、最終顧客（たとえばデータＡＰＩの利用者）のデータの質を改善させ、たとえば、意味があり、良く構造化され、および／または可能な限り充実した情報を分配させる。最後に、クリーニングモジュールは、古い既に解析されたデータを取り除くように構成される。蓄積機能３７０は、データの層を管理するように構成される。データの層は、限定されるわけではないが、たとえば、「観測データ」３７１、「メトリックデータ」３７２、「中間層」または「中間レベル」データ３７３および「洞察データ」３７４を含む。モジュール３７０は、能動的に、（携帯）観測情報の構築されたデータベースへのアクセスを仮想化する。再び説明すると、データ集約４００は、受信データに対してあらかじめ定義された動作を実行し、たとえば、バッチ４６０での、あるいはこれとは別にたとえば鍵となる選択統計４５０のより動的な更新によって、データの処理を確実にする。

層構造データ検索論理の一部として、本発明のひとつの実施形態が以下に記載され、実装およびそのようなモデルの物理的入出力について示す。

データ蓄積およびさらには集約手続を層構造にする理由のひとつは、そのようなモデルが実際に、任意の数の挙動観測値を効率的な方法で種々の集約標識に変換できるという事実によるものである。特に、挙動ベクトルを計算するための関連するエンジンは、これらの場合、非常に複雑になってしまい、可能なクエリの量および統計演算が潜在的に非常に高くなる。層構造検索モデルはこれを可能とし、積極的に種々のテーブルを前集約する。これにより、挙動ベクトル計算の最終段階が、可能な限り効率的に実行でき、それらの生成が多くの場合実時間でできるようになる。

実際の人間の挙動が連続的に測定されるが、装置の意図する出力が、たとえば携帯広告プラットフォームを起動してメッセージを顧客に送信させる通信動作を含むことが必要とされるアプリケーションにおいて、挙動ベクトル計算モジュールは、あまりに多くの時間を費やす、あるいは多すぎるクエリに対応する計算動作の実行を実際に行う能力はなく、過去の挙動に対する高レベルの平均値を計算した既存の集約されたテーブルと、その平均挙動が現在の挙動と異なるかどうかを反映する簡単な測定値とを活用することができる。

ひとつの例として、ここでは、層構造データ検索モデルで位置がどのように準備されるかについて記述する。最初のレベルのデータには、各位置更新がタイムスタンプされ、情報量が潜在的に大きいものとなっている。次のステップでは、最初のレベルのデータ処理が行われた後、経験則および本発明で特定される支援エンジンのような他の手続を用いて、概算の平滑化された位置が５秒間隔ごとに書き込まれる。さらに、データが充実化され、たとえば位置名（建物、通り、市、国）が行に付加されて、いくらか意味のある記述のデータにする。

層構造の位置データを扱う次のステップには、任意の特定の時間、たとえば毎夜、に開始され、位置データの特定の範囲、たとえば特定の開始日および終了日の間の期間を入力とする処理がある。

実際の利用では、この処理は、所望の最適な期間、たとえば２４時間ごとに動作するように設計され、毎日たとえば過去３日のデータを処理することができる。後日の観点で、重複する集約が（目的どおり）決定される。彼/彼女の過去３日の挙動をカバーし、新しいデータがある利用者から前日にはなくて１日だけ受信された場合には、その１日だけのバッチ処理が、失われたギャップを埋め、この利用者のその１日だけでなく過去の日々に対する鍵となる集約を更新することができることが重要である。アーキテクチャが、データの重複がある場合には、新しい集約が古いものに上書きされるように設計される。

集約エンジンにおいて、周期的処理が、ある数の項目を順に完成させる。
１．テーブルのような集約された実体を計算する。このようなテーブルには、各利用者、各日、各時に対して、集約の各実体、たとえば市、計算された行、５分の期間が何度あったかを示すこと、あるいはいずれか他の利用者がその場所で過ごした時間に関連する単位がある。
２．また、ステップ１の出力集約を用いて、同様の実体／テーブルを計算し、各利用者、各日に対して、同様の位置障害が提示されるテーブルで終了する。
３．最後に、次のステップは集約手続であり、非常に長い時間、たとえば1年間に対する、利用者のより高いレベルの位置パターンを詳細に反映する情報を計算する。より高いレベルの位置パターンは、日常生活の不規則性や変動が解析を限定することがないので、たとえば利用者がどこに住んでいるか、ということを示すことができる。これは、提示レベルのデータテーブルには、たとえば一時的に訪問した千箇所もの場所や、祝日のような通常の生活パターンからの例外的な逸脱などのノイズが多く、長時間の統計を集約すること、および重要でない場所をフィルターリングすることにより、重要な場所を特定することが容易になり、利用者の生活における一時的逸脱の見込みどのような影響もなしに非常に小さくなることを意味する。

この種の多層データモデルの設計において、上述したステップの出力が利用されて、集約、導き出された中間層テーブルを形成し、さらなる計算をより容易にする。たとえば、項目1の出力に基づいて、比較的直接的に、各週、各位置実体、最も典型的には（中央値）時に対して計算することができ、これが、たとえばその場所が事務所の場所か自宅の場所かに関して、経験的に立地点を得ることが可能となる。

さらに、これらの種の集約出力、たとえば項目2の出力（テーブル）は、いつでも、さらなる集約の導出に用いることができる。導出される集約は、各週に対して、位置のランキングリストを記述し、活動の週パターンおよび移動および時間を過ごす場所かの理解を可能にする。

中間テーブルの観点において、データ処理の最も高い層として、平均、合算、不一致の推定、相関係数の誘導、エントロピの測定などを表す挙動計算および／または処理のためのすべての種類のタイプがある。たとえば、ウェブブラウザーに向かって過ごしたフェイスタイムのような使用活動を平均する手続、マルチメディアメッセージを送る最大月次使用頻度、1日の通勤通学をキロメートル単位で表す利用者の位置動力学の平均変動、および低信号強度状態で過ごした時間の割合に対する集約標識が、ある期間に対して典型的に計算されるすべての出力変数であり、関連する報告あるいは平均または結合の1レベルを実行することによる解析実行に直接的に使用されるが、データそれ自身は、集約されたテーブルに基づく情報コンテンツとして最も高いレベルにあり、簡単なクエリと手続を用いて、特定の週に自宅で過ごした平均時間のような意味のある統計が計算される。

未加工レベルのデータからこれがすぐに変換されることは現実には不可能である。その理由は、実際の高レベルのメトリクスまたは標識を導き出す前に、データは最初に集約され、タイムスタンプが計算され、ホーム位置が識別されるなどが必要だからである。集約テーブルおよび動的負荷均衡および責任分担は、本発明の集約およびデータ検索機能性が、互いに独立に進行することを可能にし、ひとつの処理の出力、たとえばある日のウェブブラウザーに対して推定されたフェイスタイムが、他に処理、たとえば複数日にまたがるウェブブラウザーの使用時間の相違に対するメトリックを導き出す処理の直接の入力となる。処理された到来するデータが、たとえばより意味のある標識およびメトリックが引き出される処理を通じて周期的に送り出されるバッチ処理アプローチを通じて、最新のデータが、実用的に最小の可能な時間で、たとえば1日の鍵統計が計算されたそれぞれの日の後に、最適な形状で得られ、必要であれば複素計算を容易にする。換言すると、設計は、集約作業を統計および挙動ベクトル計算から分離することができ、携帯広告あるいは自動利用者プロファイリングソルーションのようなアプリケーションの仮定される鍵となる要求に関して速やかなまま、システムによる大量のデータの取り扱いを効率的にする。

上述したように、蓄積機能性３７０は、異なるデータ層を管理するように構成される。
１．たとえば未加工レベルのトランザクション（アプリケーションの使用、音声通話、メッセージ）および基本形式の走査（ＷｉＦｉ走査、ブルートゥース（登録商標）走査、メモリファイルシステム走査を含む「メトリックデータ」（３７１）、
２．たとえば磨かれた（処理された／洗練された）データ（異常値が除外され、メタデータが付加され、パレメトリック形式に変換されたデータストリーム）を含む「メトリックデータ」（３７２）、
３．たとえば（低レベル）集約および認識され、しばしば支援メトリックが多く含まれる構造化データ、および最終メトリックの計算のために準備された鍵となる情報点を含む「中間層」データ（３７３）
４．たとえば鍵となる統計および最終集約結果を含む「洞察データ」（３７４）

有利なことに、本発明は、潜在的に、たとえば百人の顧客の望みを満足させ、提供された装置構成から、いずれか特定の時にそれにアクセスして、たとえば、計算されたデータ点および統計のためのクエリを作成することにより、データを取り出すことができる。上述の「仮想アクセス」という機能は、利用者の挙動標識の抽象概念および仮想化中間層テーブルを構築するように構成され、これにより、アクセスを容易にする。仮想化アクセス機能は、１または複数のネットワークサーバーを互いに接続し、たとえば提供されたＡＰＩを活発に用いる顧客に均質の利用者経験を提供する。このような装置構成は、システムへの技術的クエリの入力について均質な景観を提供するので、仮想化されたアクセスによって、どれだけのサーバーがデータを収集したか、サーバーが物理的にどこに置かれているかについて、顧客が知る必要がなくなる。

本発明の種々の実施形態は、意味データモデルの支援を用いて構築されることが有利であり、この結果、提供される構成は、位置および期間のようなデータ点を周期的に付け加え、たとえば収集された未加工観測データを忘れて、（利用者が）眠っているか移動しているかのような概念を別々に記述することを可能にする。関連した「変換機能」は、たとえば処理実体／モジュール２１０に接続されて実装され、意味情報をデータ点に付加するように構成され、より自然言語指向の意味要求を可能にする。これらの意味データ点は、以下のいずれか１以上を含むことができる。
１．位置名（ＮＹＣ、北京）および記述（中華レストラン、ゴルフコース）、
２．聴いた音楽タイプ（たとえばＭＰ３，ＷＡＶ）および／またはジャンル（たとえばヘビーロック、ブルース、ダンス、クラシック）
３．「自宅」、「事務所」のような重要な位置の情報

望ましくは、本発明の実装は、要求されるフィルターリングおよび除外タスクが、解析されたおよび／または処理されたデータに対してなされることを、確実にする。大量の情報が、提供された装置構成から、外部パーティすなわち顧客により要求されるので、データ内のあらかじめ定められた特定の事項に対してチェックすることができ、出力がより構造化され意味のあるような所望のものとなるように、関連するデータ点をドロップまたは操作のいずれかを行うことができる。たとえば、ある統計が、ある利用者の組に対してだけ、またはある期間に対してだけ導き出されることが必要である。

図４は、データ出力インターフェイス５００、たとえばアプリケーションプログラミングインターフェイス（ＡＰＩ）、および関連するデータ分配論理の実施形態を示す。処理内で、たとえば鍵となる統計、標識、および場合によっては中間層メトリックを含む出力のための既成データが、最初にフィルターリングされ、オプションとして、これから説明する予測エンジン４８７との通信が、フィルターおよびデータ予測モジュール４８０により処理される。データＡＰＩ５００は、ＡＰＩ利用に関する所定の操作を管理するように構成され、プライバシーエンジン４８１が、動的に、たとえばどのような種類のデータまたは統計がいずれか特定の利用者または利用者群に対して蓄えられているかに関して、ガイドラインおよび／または設定を提供する。同様に、フィルターリングエンジン４８２は、出力する場合のフィルターリングのための特別の規則を有し、たとえば、ある種のデータ点の統計的な重要性が低いことを理由としてそのデータ点を除去する、あるいは、たとえば、顧客に対する特定の目的であっても、アクセスまたはプライバシーに関する目的、および／またはデータ出力の調和のための理由で、ある組の人々の出力を制限する。要求取扱部モジュール５２０は、この装置構成の機械（定義されたＡＰＩコマンドにより）であっても人間（アドホックＡＰＩにより）であっても、装置構成の顧客／利用者と通信を行うことができる。その主な目的は、何のデータ点が送り出される必要があるかを記述することである。報告モジュール５１０は、自動的または要求に応じて、定義されたデータ点の組を定義されたデータ構造で含む報告またはデータテーブルを生成する役目をもつ。報告は、顧客特定のダウンロードサイト５１１または他の実体のいずれかに蓄積され、あるいは、テーブルおよび報告のようなデータを電子メールあるいは他の支援メディアを通して送ることのできる提供モジュール５１２により、さらに通信することができる。

図５は、本発明の発明による予測エンジンの実施の形態を示す。予測エンジンは、好都合には、実時間挙動ベクトルの取扱を、統合モジュール４８０を通じて配置内に統合するように構成される。ある時間フレーム内の挙動ベクトルのクラスターのような抽象概念が、他の動作が予測に関して実質的に実行される前に、関連するモジュール４８６内で形成される。予測モジュール４８７は、異なる種類の挙動抽象概念に対するある数の状態機械を有する多次元複素モジュールを含む。帰還ループ４８８は、能力評価目的で実時間データを取り入れることができ、たとえば連続的に、いずれか特定の予測の成功尤度を反映する標識を維持する。最終的に、上述のしたデータ入力とモジュール１００が、観測データストリームと、たとえば広告ネットワークのような対応する外部モジュールとを仲介する。

手に入る挙動ベクトル（たとえば時レベルの位置動力学）から取り出された多次元ベクトルを結合させる「抽象」モジュールを用いて、単位時間から他への多数の変異を自然に体験するが、それでもなお、ある挙動パターンを既に計画されたように記述する挙動足跡として特徴付けられるベクトルを生成することができる。抽象化の後、利用者の生活を機械学習および／またはパターン認識のツールにより解析することが容易になる。利用者に関する典型的な記述ベクトルは、場所Ｘで起床、ＸからＹへの移動、Ｈに会った、ＹからＺへの移動、である。

どの人々が次を行う傾向があるかを予測するため、利用者挙動４８７のモデル、すなわち予測モデルは、動的に構築され、挙動の抽象概念を、たとえば要素間の動力学のマルコフ連鎖の要素として含む。さらなる特徴として、予測モデルは、基本的なシステム（配置）内での異なる変移のモデル重みおよび／または尤度を動的に計算し、実際的にはいずれの時間でも、システム（配置）の可能な次の状態に対する尤度をもつベクトルを提供する。

連続的な学習処理が新しく到着するデータに適用される。帰還ループ４８８は、予測モデル４８７を更新するように構成され、たとえば、モデルの予測がたとえばいずれか与えられた時間でどれだけ連続するかを示す（連続）メトリックを計算する。あるしきい値により、予測エンジンの性能が、実時間でアドレスされる。

予測は、たとえば携帯広告（文脈に結び付けられ、予測して対象に向けた広告）またはネットワーク性能解析およびオプションとして最適化の目的で、動的に提供される。前者の目的のため、関連する状態機械（たとえばマルコフモデル）が構成され、（連続的に）次の状態（たとえば次の位置、利用者が電話する次の人の名前、次に聞こうとする音楽アーチスト）の予測を提供するように構成され、計算された性能標識（どの程度そのモデルが正しいか）および特定された広告の蓄えを提供する外部または内部のモジュールを通じて、状況が使用された判定基準にしたがって十分に予期される場合には、ある広告のポップアップのような特定の動作をトリガーすることができる。

予測はモデル４８７に戻ると、これは、人々の次の数分のような短時間、もしくは次週のようなより長い未来、での行き来に関して、洗練された推量を得るために利用される。予測モデル４８７は、（携帯）利用者のため、状態の比較的大きなネットワークを維持するように構成される。状態は、多次元である。たとえば、（自宅、睡眠）および（自宅、会議中）が、挙動データ検索エンジンが出力するたとえば位置および社会状態についての、二次元状態を表現する。

予測エンジンは、重みエッジ（矢）および／または標準化された方法での入力データについて、重いデータ処理動作なしに、関連するモデルを（容易に）更新することができるように構成される。一例として、予測エンジンは、位置、移動、会議中状態、電池状態、アプリケーション使用、ウェブ閲覧クリックストリーム、および近接状態のような多次元の挙動およびまたは技術データを入力することができる。ここで、各次元に対して、分類上または規模の変数が、可能な状態間を区別するために使用される。予測モデルは、多層リレーショナルデータベースを生成するために用いられ、ネットワーク指向データ蓄積およびネットワークモデリングのために最適化される。この蓄積の他に、予測エンジンは、いわゆる予測モデル４８７をリフレッシュする。予測モデル４８７は、たとえば、特に位置パターン向けとなっており、あるいは、より複雑で多次元の、多次元状態による同じモデルの位置および社会的活動のようなものを含む。しかしながら、これは、予測モデル４８７の基本的アイディアを変更するものではなく、モデルは、典型的に、マルコフ状態機械として、あるいは、潜在的に相関を記述する２方向ベクトルを用いて多次元ネットワーク構成を支援するいずれか他の相関モデルとして示される。

予測モデル４８７において、異なる状態を記述するノード間のリンクは、双方向に重み付けされ、現在の状態からの移動により与えられるそれらの間の携帯利用者の移動の尤度を記述する。予測モデル４８７は静的ではなく、新しいデータがいつも入力され、与えられたリンクの重みに寄与する各観測値が、時間、週日、社会的文脈、電池状態その他の特質としてスタンプされる。これは、配置が２つのことを行うことを可能にする。
１．最初に、ある事柄が他の事項の次に生じるかどうかに関する高レベルの勧告をすぐに与え、試行錯誤により、システムに帰還ループがあるので、推測する優先度が正しいか否かのようなときに、鍵となるしきい値に関して学習される。このモデルは、一般に、次の時間に人々に起きそうなパターンについて伝えることができ、人に対して、点Ａを離れ、点Ｂを訪問し、次の時間に点ＣまたはＤに達する高レベルの可能性を計算できる。同じことが、たとえば妻に電話した後に、利用者が移動を開始する、あるいはたぶん会議を開始することの予測に利用できる。アプローチはより静的であり、利用者の背景のプロファイリングに関係している。
２．他の可能性は、予測がより動的であり、短時間事象の予測により関係する。システムの実装は、上述したように、システムが利用者の現在の背景（現在の状況）を知っており、現在の位置、時間および週日のような種々の他の（重要な）変数を知っているなら、より洗練された統計モデリングを用いて、たとえば、与えられた現在の状況で次の５分間に移動を開始する尤度、あるいは、携帯装置をオフにする尤度を素早く推定できる。これらのより動的で知的な予測は、リンクの観測された影響を表すある観測値に隠れる履歴データの人口が多次元かつパラメトリックである場合に可能性であり、したがって、具体的な質問へのより正確な回答を可能とし、十分に背景を考慮したデータが得られるようになる。

予測モデリングに関する本発明の一実施形態では、配置は、各リンクまたはリンク群、リンクのベクトル、予測可能性のような分量の計算を可能とすることができ、利用者の挙動プロファイル、すなわち彼／彼女の移動パターンが非常に野性的であり予測できない場合だけでなく、要求の提供およびある要求が容易に回答が可能か否かの判定を入力として提供する場合を反映する。

予測エンジンにおいて、そこの全体の配置が、データベース構造および挙動データを用いる多次元データ検索に密接に結び付けられる。予測モデルはモデルのひとつの結果であるが、これは、携帯広告または携帯ウェブサイトまたは他のコンテンツプロバイダの実時間コンテンツ最適化のようなアプリケーションを通じて、現実世界に結び付けられる。他のアプリケーションは、たとえば交通渋滞について積極的に警告するような適応的サービスを含む。

状態機械の重み付けおよび確率論的モデリングにおいて、標準ネットワークモデルおよびマルコフモデルに基づく機械学習アプローチが、1ー、2ーまたはより高次のマルコフモデルのいずれかと共に用いられる。時系列のデータ、および現在または以前の状態より多くのものが、いずれか与えられた予測に対して、入力として使用される。より具体的な単一事象の予測において、配置は、いずれの公知の方法、線形および非線形回帰法でさえも利用者のでき、存在するデータを適合させ、モデルを推定し、何が結論となりそうか、あるいは、たとえば、現在および過去の挙動およびまたは技術状態を与えたある事象の推定時間の示唆を与えることができる。

予測エンジンにおいて、一側面は、データの複数の異なる層を用い、人々の未来の挙動、たとえば、次の６０分に位置AからBへ変化する尤度、および履歴データおよび関連するモデルのモデルから到来するより実時間のデータに結びつける可能性、に関する良好な推測を行い、実世界事象との直接かつ実時間帰還ループを確立することである。その鍵は、多次元の状態機械にあり、その状態機械では、各リンク、または行動の急転が、より洗練された予測に寄与する十分な背景観察を有する。と同時に、モデルそのものは、より統計的な実態として、人々の挙動パターンに関する具体的な出力を提供するか、あるいは区分けモデルに基づくよりターゲットを絞ったキャンペーンメッセージを送信するために用いることができる。予測モデルは過去の挙動を反映しており、その過去の挙動を前提として未来がどうなるかに関する確率を提供する。

図６は、本発明の種々の技術側面およびある可能な実施形態の観点に関連する配置を示す。サーバー配置６６０には、インストラクションおよびデータの処理を行うことのできる１以上の処理装置、たとえば１以上のマイクロプロセッサ、マイクロコントローラ、ＤＳＰ（デジタル信号プロセッサ）、プログラマブル論理チップその他が設けられる。処理実体６５０はしたがって、機能性実体として、物理的に、複数の相互に協調動作するプロセッサ、および／または、たとえば中央処理装置に接続されるある数のサブプロセッサを備える。処理実体６５０は、メモリ６５２に蓄えられるコードを実行するよう構成される。本発明の観測データの収集、処理、および解析システムを実装するソフトウェア６５８は、そのタスクを実行するため、専用または共用のプロセッサ６５０を用いる。ソフトウェア機能６５８は、１以上の、相互通信を行うソフトウェアアプリケーションおよび／またはモジュールとして実装される。同様に、メモリ実体６５２は、１以上の物理メモリチップまたは他のメモリエレメントに分割されてもよい。メモリ６５２はさらに、他の蓄積メディアを参照および含むことができ、たとえば、望ましくは着脱可能なメモリカード、フレキシブルディスク、ＣＤ−ＲＯＭまたはハードドライブのような固定蓄積装置の他の蓄積メディアを用いることができる。メモリ６５２は、非揮発性、たとえばＲＯＭ（読み取り専用メモリ）でもよく、および／または、揮発性、たとえばＲＡＭ（ランダムアクセスメモリ）でもよい。

ＵＩ（ユーザーインターフェイス）６５６は、表示装置、およびまたは外部表示装置またはデータ投影装置に接続するコネクタ、キーボート／キーパッド、または操作者に実際的なデータの視覚化および装置制御の手段を提供するように構成させられた他の適用可能な制御入力手段（たとえば、タッチスクリーンまたは音声制御入力、または別々のキー／ボタン／ノブ／スイッチ）を備える。ＵＩ６５６は、音声出力のための１以上のラウドスピーカおよび関連するＤ／Ａ（ディジタル・アナログ）変換器などの回路、音声出力のためのマイクロフォンとＡ／Ｄ変換器を備えることができる。さらに、実体６６０は、他の実体との一般的な通信および／または１以上の無線通信機（たとえばＷＬＡＮ）または有線通信機／インターフェイス（たとえばファイヤワイヤ（登録商標）、ＵＳＢ（ユニバーサルシリアルバス）、イーサネット（登録商標）アダプタなどのようなＬＡＮ（ローカルエリアネットワーク）アダプタ）のようなネットワーク基盤を備える。

ソフトウェア（製品）６５８は、メモリカード、メモリスティック、光ディスク（ＣＤ−ＲＯＭまたはＤＶＤ）または何か他のメモリキャリアなどのキャリアメディアにより提供される。アプリケーションを実行するために必要なインストラクションは、実行可能なまたは他の形式、たとえば圧縮形式でキャリアメディアに蓄えられ、これによりソフトウェアは、キリアメディアを介して目的の装置に転送され、そこに、たとえばハードディスク内にインストールされ、または、目的の装置内で、たとえば関連するインストラクスョンを目的装置のメモリに実行までにロードすることにより、キャリアメディアから直接に実行される。これとは別に、ソフトウェアは、無線通信機経由の空中伝送により、または有線通信接続を経由して、目的装置に転送されることもできる。

図７は、本発明による方法の典型的な実施の形態の単純化された流れ図を示す。

７１４において、たとえば関連するソフトウェアのインストールおよび実行により、携帯装置または他のデータ源を起源とする観測データを管理するために、本発明の実施の形態によるサーバーの装置構成が得られ、構成される。７１６において、種々の集約、抽象化、および／または予測が、パラメーター化されたデータに基づいて導き出される。データを記述する異なる挙動および／または技術的標識がたとえば確立される。予測タスクが実行される。上述した警告および／またはトリガーが活動化される。より素早い未来の処理を容易にするため、データがいくつかの（抽象）層を用いて蓄積されることが便利である。７２２において、質問された標識および／または他の高レベル情報を設けて、外部データのクエリに提供する。これとは別に、高レベル情報は、１以上の外部集団に、所定のスケジュールまたはたとえばデータ提供予約に基づいて、プッシュされてもよい。破線の帰還矢印は、上述した異なる方法項目の潜在的な繰り返し可能性を表す。新しい未加工データが受信され、集約などの高レベル実体が更新される。

当業者であれば、図示した流れ図が単なる例示であり、自然で多くの方法ステップが、その相互の順番を忘れることなく、動的に、および／または場合によって具体的に調整されて利用することができる。

本発明の範囲は、以下の請求の範囲により見出される。以上で詳しく説明した種々の実施の形態にもかかわらず、当業者は、異なる修正を行って、この明細書に記載され独立請求項により定義される本発明の基本から分化することなく、明白に開示された解決法を導き出すことができる。

Claims (22)

1. 複数の携帯装置（１００，６５４）から得られたアプリケーションデータおよび検出器データを受信するデータ入力実体と、
   前記検出器データおよび前記アプリケーションデータ（２００，２１０，６５０）を、ユーザがアプリケーションの前で費やす時間を示すアプリケーションフェイスタイムデータに変換する処理実体であって、前記アプリケーションフェイスタイムデータが、複数の属性と関連付けられた、前記携帯装置の前記ユーザの挙動を示す多次元データを含む、該処理実体と、
   前記アプリケーションフェイスタイムデータを蓄えるメモリ実体と、
   （ａ）所定量のアプリケーションフェイスタイムデータが入手可能であること、および（ｂ）トリガーであることのうちの一つに応答して、選択された期間、前記携帯装置の位置、携帯アプリケーション、アプリケーション分類、携帯利用者、または利用者群のうちの少なくとも一つに関連するバッチで前記アプリケーションフェイスタイムデータを集約し、前記アプリケーションフェイスタイムデータの集約に応答して、前記アプリケーションフェイスタイムデータに関連する抽象概念を含む挙動標識を決定する集約エンジン（４００，４１０、４２０，４３０，４６０）と、
   前記挙動標識に基づいて、前記複数の携帯装置のための個別化された広告を選択するデータ出力実体（５００，５２０）と
   を備えることを特徴とするシステム（１０２，６５８，６６０）。
2. 前記処理実体が、前記アプリケーションデータおよび前記検出器データのうちの少なくとも一つの分類、前記アプリケーションデータおよび前記検出器データのうちの少なくとも一つの構造化、または、前記アプリケーションデータおよび前記検出器データのうちの少なくとも一つ内容のうちの少なくとも一つに基づいて前記アプリケーションデータおよび前記検出器データのうちの少なくとも一つを処理または変換する、請求項１に記載のシステム。
3. 前記処理実体が、前記携帯装置の位置に関連する位置タグと、前記アプリケーションデータに関連するウェブドメインデータとのうちの少なくとも一つを追加する、請求項１に記載のシステム。
4. 前記処理実体が、アプリケーション使用データ、ウェブ閲覧使用データ、ネットワーク性能データ、アクセスネットワーク走査データ、携帯電話網走査データ、ＷｉＦｉ（無線フィデリティ）走査データ、メモリ使用データ、装置機能使用データ、装置システムデータ、警報クロックデータ、暦データ、メディア使用データ、コンテンツ使用データ、電話帳内容、メッセージログ、音声電話ログ、または位置データのうちの少なくとも一つを含む前記アプリケーションデータを分類する、請求項２に記載のシステム。
5. 予測モデルを実行することで、前記利用者に関連する事象の未来の状態、未来のパターン、または未来の位置のうちの少なくとも一つに基づく尤度を生成する予測実体（４８０，４８６，４８７）をさらに備える請求項２に記載のシステム。
6. 前記予測モデルの予測が成功したか否か（４８８）を前記予測実体に示すことで前記予測モデルの適応を可能にする帰還実体（４８８）をさらに備える請求項５に記載のシステム。
7. 前記携帯装置に関連する標準化された位置スタンプを含む１以上のパラメーターを前記アプリケーションデータに付加する支援エンジン実体（２２０）をさらに備える請求項１に記載のシステム。
8. 前記集約エンジンが、挙動または統計標識を処理することで、単位平均閲覧フェイスタイム、平均睡眠時間、１日の移動の平均範囲、利用者の位置データの平均エントロピ、アプリケーション使用活動、またはアプリケーション使用頻度のうちの少なくとも一つを決定する請求項１に記載のシステム。
9. 前記集約エンジンが、挙動標識値の多次元の挙動ベクトル（４１０）の個数を決定し、前記挙動ベクトルが、旅行活動、移動活動、音楽消費活動、ストレス量、または睡眠活動のうちの少なくとも一つを示す、請求項１に記載のシステム。
10. 前記集約エンジンが、挙動標識値の少なくとも二つの挙動ベクトルの間で、ピアソン相関係数の判定または回帰解析のうちの少なくとも一つにより少なくとも二人の利用者の間の相違を特定したことに基づいて、少なくとも一つの前記携帯装置の動的挙動を決定する、請求項１に記載のシステム。
11. 前記集約エンジンが、挙動標識値の二つの挙動ベクトルの相関を取るかまたは新しい挙動標識を計算して条件が満たされた後に、警報を発生させる、請求項１に記載のシステム。
12. 前記属性が、前記ユーザの睡眠、前記ユーザの移動、前記携帯装置に関連する位置名、前記携帯装置に関連する位置の特性、または消費されたアプリケーションまたはデータタイプを含み、前記処理実体が、複数の前記属性のうちの少なくとも一つを関連付けるために意味データモデルを生成する、
    請求項１に記載のシステム。
13. 大きな群内での、特定の挙動次元で所定の利用者よりも使用メトリックが低スコアである利用者の百分率に基づいて、当該利用者の挙動クラスを定義する、請求項１から１２のいずれか一項に記載のシステム。
14. 前記検出器データ、前記アプリケーションデータ、および前記アプリケーションフェイスタイムデータのうちの少なくとも一つを周期的に処理し、１以上の所定の判断基準にしたがって不必要な部分を廃棄する、請求項１から１３のいずれか一項に記載のシステム。
15. 相異なるデータベースの間でデータを割り当てることで、関連する処理および蓄積負荷を分散する、請求項１から１４のいずれか一項に記載のシステム。
16. 少なくとも機能的に接続された複数の装置間で分割された実時間挙動にアクセスできるように、外部装置に仮想データベースインターフェイスを提供する、請求項１から１５のいずれか一項に記載のシステム。
17. 既に利用可能な挙動標識値の挙動データに基づいていくつかの多次元挙動ベクトルを判定することにより挙動データを抽象化することで挙動パターン（４８６）を記述する、請求項１から１６のいずれか一項に記載のシステム。
18. 利用者に関連付けられた空間時間挙動パターンを決定する状態機械と、
    前記利用者に関連付けられた位置名を特定する位置取扱部と
    をさらに備える請求項１に記載のシステム。
19. 失われた部分以前のデータおよび／または前記失われた部分の後続のデータに基づいて、前記失われた部分を補足する、請求項１から１８のいずれか一項に記載のシステム。
20. データ処理動作を蓄積動作から論理的および／または物理的に分割し、および／または、利用者の識別子および／または必要な計算または集約手続のタイプに基づくシステムに関連する複数のネットワークサービス間の関連動作を分配し、および／または、選択された期間内での前記関連動作を達成させる、請求項１から１９のいずれか一項に記載のシステム。
21. 選択された利用者群または期間にわたり動的平均をとり、選択的に移動平均を用い、前記システムの外側から到来する複雑なクエリに対応するために集約エンジンから論理的に分離され、選択的に、法律的な理由を含む他の理由によりデータ群と分離された、層構造平均化モジュール（４５０）をさらに備える請求項１から２０のいずれか一項に記載のシステム。
22. 携帯アプリケーションデータおよび検出器データに基づいて個別化された広告を選択する方法であって、
    ユーザがアプリケーションの前で費やす時間を示す携帯アプリケーションフェイスタイムデータを生成するために、複数の携帯装置（７１６）から受信した前記検出器データおよび前記携帯アプリケーションデータ（７１８）を変換するステップであって、前記携帯アプリケーションフェイスタイムデータが、前記携帯装置の利用者の挙動を複数の属性で示す多次元データを含む、該ステップと、
    前記携帯アプリケーションフェイスタイムデータに関連付けられた抽象概念を有する挙動標識（７２０）を決定するために、前記変換された携帯アプリケーションデータをバッチで集約するステップと、
    前記挙動標識に基づいて、前記複数の携帯装置のための個別化された広告を選択するステップと、
    を含む方法。