×
10.06.2015
216.013.5430

АВТОМАТИЧЕСКИЙ ВЫБОР ИНФОРМАЦИИ, ОСНОВАННЫЙ НА КЛАССИФИКАЦИИ ЗАИНТЕРЕСОВАННОСТИ

Вид РИД

Изобретение

Юридическая информация Свернуть Развернуть
№ охранного документа
0002553073
Дата охранного документа
10.06.2015
Краткое описание РИД Свернуть Развернуть
Аннотация: Изобретение относится к технологии автоматического выбора дополнительной информации, например рекламного объявления, направляющей информации, вспомогательной информации, информации об эксплуатационных параметрах. Техническим результатом является обеспечение адаптированного выбора дополнительной информации для включения ее в контент, уменьшая общее количество дополнительной информации. Таким образом, могут быть сэкономлены ресурсы для обработки, хранения и/или передачи. Автоматическое устройство для автоматического выбора дополнительной информации для включения в контент включает классификатор, связанный с профилем пользователя, и средство выбора, связанное с базой данных дополнительной информации. Дополнительная информация, принадлежащая к определенной категории, помещается в согласующийся или контрастирующий контекст в зависимости от степени заинтересованности пользователя в данной товарной категории. Профили пользователя автоматически классифицируются как профили со слабой или с сильной заинтересованностью в определенной категории. 3 н. и 8 з.п. ф-лы, 2 ил.
Реферат Свернуть Развернуть

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

Настоящее изобретение относится к устройству, способу и компьютерному программному продукту для выбора дополнительной информации, например рекламного объявления, направляющей информации, вспомогательной информации, информации об эксплуатационных параметрах или тому подобного, размещаемой или вводимой в среду, например радио, телевизионный (ТВ) канал, web-сайт или тому подобное.

ПРЕДШЕСТВУЮЩИЙ УРОВЕНЬ ТЕХНИКИ

В современном информационном обществе знания перемещаются с индивидуального уровня на общественный уровень невиданными доселе темпами. Информацию, это драгоценное сырье цифровой эпохи, никогда не было так легко получать, обрабатывать и распространять через Интернет. Однако, с учетом огромного количества представляемой пользователям информации, имеется все возрастающая сложность понимания того, чего же хотят пользователи, когда им нужна информация и каким образом лучше удовлетворить их требования. Рекомендующие системы дают рекомендации для конкретного объекта или элемента с помощью оценки этого объекта или элемента. Они были представлены в качестве компьютерных интеллектуальных систем для решения проблемы информационной и товарной перегрузки. Двумя основными субъектами рекомендующих систем являются пользователь и элемент. Пользователь - это человек, который использует рекомендующую систему, предоставляя свое мнение о различных элементах и получая рекомендации о новых элементах от рекомендующей системы. Как правило, целями рекомендующих систем являются создание предложений о новых элементах или прогнозирование полезности конкретного элемента для конкретного пользователя. Результатом работы рекомендующей системы может быть, например, прогноз или рекомендация. Прогноз выражается в виде числового значения, представляющего ожидаемую оценку для конкретного элемента. Рекомендация может быть выражена в виде перечня элементов, которые как ожидается, наиболее понравятся активному пользователю. Документы и профили пользователя могут быть представлены с помощью векторов ключевых слов или списков для сравнения и изучения.

В настоящее время люди тратят все меньше времени на просмотр телевидения (ТВ) и все больше и больше времени на просмотр интернета. Видеоконтент, который традиционно транслируется и просматривается по телевизору, в настоящее время становится широко доступен в Интернете. В то же время, новые телевизоры и телевизионные приставки делают интернет-контент доступным с помощью телевизоров. Более того, были предложены телевизоры с доступом к интернету, где пользователи имеют возможность доступа к Интернет-сервисам и просмотра Интернета с помощью пульта дистанционного управления и своего телевизора.

Жесткие диски и технологии цифрового сжатия видео создали возможность сдвига прямого эфира во времени и записи большого количества телепередач в высоком качестве, не беспокоясь о наличии лент или других съемных носителей информации. В то же время, цифровизация аудиовизуальных сигналов увеличила количество источников контента для среднего пользователя. С помощью, например, простой параболической антенны и цифрового приемника доступны сотни каналов. Более ста тысяч видеоклипов публикуются ежедневно в интернете на различных сервисах, и все основные производители контента уже делают целые библиотеки своего контента доступными онлайн. Тысячи потенциально интересных программ транслируются и становятся доступными каждый день и могут быть записаны и локально храниться для последующего доступа.

Контент-агрегаторы, web-сервисы, провайдеры программного обеспечения и т.д. обычно размещают или вставляют в предлагаемый ими контент дополнительную информацию, такую, например, как реклама (рекламное объявление) или направляющая информация. Например, телевизионные вещательные компании вставляют заранее заданные пробелы в их телевизионный контент для обеспечения рекламного пространства для (коммерческих) сообщений, например, в виде графических анимированных баннеров или рекламных ссылок или других типов областей сообщений.

Учитывая тот факт, что пользователи, в основном, заинтересованы в услугах или контенте и не хотят, чтобы их взаимодействие нарушалось такими (коммерческими) сообщениями, были разработаны технологии, чтобы сделать дополнительную информацию хотя бы более приемлемой, нацеливая ее на поведение каждого человека, его предпочтения и, что более важно, на контекст, в котором она размещается.

Например, могут быть выбраны ключевые слова, доменные имена, темы и демографические показатели, и дополнительная информация может быть размещена только на web-сайтах и web-страницах, содержимое которых имеет отношение к нацеливанию. Такое автоматическое целевое размещение может быть построено поверх рекомендующей системы, которая может рассматриваться как инструмент или механизм для фильтрации ориентированного на пользователя контента, предлагаемого вниманию пользователя, с помощью оценки степени того, насколько определенный элемент нравится определенному пользователю, и автоматического ранжирования элементов контента. Это можно сделать путем сравнения характеристик или особенностей элементов контента с профилями пользователя или настройками пользователя. Усовершенствованная рекомендующая система позволяет размещать дополнительную информацию оптимальным образом на основе фактических привычек просмотра и доступа и предпочтений отдельных пользователей. В то же время, восприятие зрителя обогащается дополнительной информацией, которая предназначена для определенного профиля и, таким образом, является либо уместной, либо развлекательной.

На степень внимания лиц при воздействии на них дополнительной информации влияет много факторов. Эти факторы включают в себя характеристики самой дополнительной информации, характеристики человека (например, зрителя), ситуации и/или окружения человека, природу канала передачи, куда вставляется дополнительная информация (радио, телеканал, web-сайт и т.д.), медиа-контекст, определяемый как характеристики контента, в который вставляется дополнительная информация.

КРАТКОЕ ИЗЛОЖЕНИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

Задачей настоящего изобретения является предоставление улучшенного механизма адаптированного выбора дополнительной информации для включения ее в контент.

Эта задача решается с помощью системы по п.1, способа по п.10 и компьютерного программного продукта по п.12.

Соответственно, предлагается такой механизм или машина автоматического выбора и размещения, которые, при условии, что дополнительная информация, принадлежащая к определенному продукту или категории контента, помещает ее в целевой контекст в зависимости от степени или классификации заинтересованности пользователя в этой категории. Профили пользователя автоматически классифицируются как со слабой или с сильной заинтересованностью пользователя в определенной категории, и затем на основе классификации вставляется дополнительная информация. Таким образом, предлагаемое автоматическое размещение может основываться на классификации заинтересованности в продукте и эффективность размещения информации может быть значительно улучшена путем встраивания ее в соответствующий медиа контекст. Это выгодно тем, что общее количество дополнительной информации может быть уменьшено, так как она вставляется выборочно на основе классифицированной заинтересованности пользователя. Таким образом, могут быть сэкономлены ресурсы для обработки, хранения и/или передачи.

В соответствии с первым аспектом, дополнительная информация может быть выбрана таким образом, чтобы разместить ее либо согласованным, либо контрастирующим образом в зависимости от результата классификации из классификатора. Такой выбор может гарантировать, что размещение дополнительной информации адаптировано к профилю пользователя (например, к привычкам и предпочтениям пользователя). Если дополнительная информация является направляющей информацией, ее размещением можно управлять так, что руководство пользователем усиливается в категориях контента, где заинтересованность пользователя была до сих пор небольшой, в то время как руководство снижается в категориях контента с сильной заинтересованностью пользователя. В качестве другого примера, если дополнительная информация является рекламным объявлением, размещением можно управлять с целью повышения эффективности рекламы путем встраивания этого объявления в соответствующий медиа контекст.

В частности, дополнительная информация может быть выбрана таким образом, чтобы поместить ее в согласованный контекст, если результат классификации на выходе классификатора указывает на слабую заинтересованность пользователя, и в контрастирующий контекст, если упомянутый результат классификации из упомянутого классификатора указывает на сильную заинтересованность пользователя. Исследования показали, что для лиц с слабой заинтересованностью в товарной категории, объявления, показываемые в согласованном медиа контексте, приводят к более позитивному отношению к рекламе и большему запоминанию рекламного контента и брендов, чем сообщения, показанные в контрастирующем контексте. Однако для людей с сильной заинтересованностью в товарной категории рекламные объявления, показываемые в согласованном контексте, приводят к более негативному отношению к рекламе и к меньшему запоминанию рекламного контента и брендов, чем рекламные объявления, показываемые в контрастирующем контексте. Таким образом, может быть повышена эффективность рекламных объявлений.

В соответствии со вторым аспектом, который может быть объединен с вышеуказанным первым аспектом, выбор дополнительной информации может быть приоритетизирован в зависимости от предпочтений пользователя. Таким образом, предлагаемый механизм выбора может с успехом сочетаться с рекомендующим механизмом для обеспечения пользователя только той дополнительной информацией, которая связана с желаемым контентом.

В соответствии с третьим аспектом, который может быть объединен, по меньшей мере, с одним из вышеуказанных первого и второго аспектов, выбор может быть выполнен по рассмотрении дополнительных правил, которые относятся, по меньшей мере, к одному из источника дополнительной информации и места в контенте, где должна быть размещена дополнительная информация. Использование таких дополнительных правил может быть выгодно тем, что дополнительная информация вставляется в соответствующие или желательные части контента, к которому осуществляется доступ.

В соответствии с четвертым аспектом, который может быть объединен с любым из вышеуказанных аспектов с первого по третий, классификация может быть основана, по меньшей мере, на одном из предыстории доступа к контенту, предыстории (кликов) нажатий и предыстории оценок пользователя. По меньшей мере, один из указанных типов предыстории, бесспорно, есть в наличии в рекомендующих системах, так что реализация предложенного механизма или машины выбора не потребует многих изменений и/или дополнительной обработки.

Согласно пятому аспекту, который может быть объединен с любым из вышеупомянутых аспектов с первого по четвертый, классификация может быть адаптирована определять количество раз, для ряда категорий, когда дополнительная информация в этих категориях была оценена пользователем, соответственно, положительно или отрицательно, определять общий положительный и отрицательный итог, суммируемый по всем категориям, оценить по каждой категории первую условную вероятность того, что пользователю нравится категория, и вторую условную вероятность того, что пользователю категория не нравится, и классифицировать степень заинтересованности на основе требуемой разности между первой и второй условными вероятностями.

Следует отметить, что описанный выше механизм или машина выбора может быть реализован на основе по меньшей мере одной дискретной аппаратной схемы с дискретными аппаратными компонентами, по меньшей мере одной интегральной схемы, структуры чип-модулей или по меньшей мере одного устройства обработки сигналов или компьютерного устройства или интегральной схемы, управляемой программной процедурой, или программы, хранящейся в памяти.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

В качестве примера, изобретение будет описано на основе вариантов осуществления со ссылками на прилагаемые чертежи, на которых:

Фиг.1 изображает блок-схему системы размещения рекламы в соответствии с первым вариантом осуществления, и

Фиг.2 изображает логическую блок-схему этапов обработки, включенных в предлагаемый механизм или машину выбора, в соответствии с первым вариантом осуществления.

ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ

Далее первый вариант осуществления описан на основе иллюстративной системы размещения рекламы. Нужно отметить, однако, что настоящее изобретение не ограничивается размещением рекламных объявлений и может быть реализовано в любом варианте применения, где дополнительная, служебная или вспомогательная информация подлежит включению в контент, к которому осуществляется доступ (например, просмотр, прослушивание, чтение и т.д.) со стороны пользователя.

Фиг.1 изображает блок-схему системы размещения рекламы в соответствии с первым вариантом осуществления. При наличии определенной порции контента (CNT) 12 (например, web-страницы, телевизионной программы, содержимого персонального канала) из базы данных контента и/или контекста (CXT) 14 (например, запроса отправленного в поисковую систему), механизм, машина или процедура (Р) 20 размещения рекламы выбирает одно или несколько рекламных объявлений из базы данных (БД, ДВ) 40 рекламных объявлений, которые соответствуют содержанию и определенному профилю пользователя (UP) 16, определяемому, например, демографическими данными, предысторией просмотра, предысторией покупок. Механизм 20 размещения рекламы выводит выбранную дополнительную информацию (SAI), которая является рекламным объявлением в первом варианте осуществления, подлежащую вставке в соответствующую часть контента. Механизм 20 размещения рекламы, таким образом, включает в себя средство выбора для выбора дополнительной информации из упомянутой базы данных (БД) дополнительной информации, на основе информации, найденной в профиле пользователя. Профиль пользователя состоит из данных базы данных пользовательских профилей. Данные в базе данных пользовательских профилей не имеют прямого отношения к дополнительной информации в базе данных (БД). Средство выбора может быть подключено к классификатору заинтересованности, как описано ниже. Профиль пользователя может автоматически генерироваться с помощью записи предыстории просмотра пользователя или взаимодействия пользователя с контентом и системой отображения дополнительных данных, например, телевизором, телевизионной абонентской приставкой или другим медиа клиентом.

Дополнительная информация в базе данных может быть разделена по товарным категориям.

Система размещения рекламы подбирает особенности контента (например, ключевые слова, извлеченные из web-страницы, или метаданные, связанные с телевизионными программами) по особенностям рекламных объявлений, чтобы извлечь объявления, которые хорошо подходят к определенному контенту. Так, например, текстовое содержимое web-страницы может быть сопоставлено с ключевыми словами, ассоциированными с рекламными объявлениями, чтобы выбрать рекламные объявления, которое соответствует текстовому содержанию страницы. Кроме того, для дополнительного нацеливания рекламных объявлений на определенные группы пользователей могла бы быть использована демографическая информация (по меньшей мере, местоположение).

Кроме того, механизм размещения рекламы, например, может быть использован в персональной телевизионной системе для сопоставления метаданных о телевизионных программах с метаданными о телевизионных объявлениях с тем, чтобы выбрать пул рекламных объявлений, соответствующий конкретному персональному каналу. Рекламным объявлениям затем могут быть назначены приоритеты в зависимости от предпочтений пользователя (поведения при просмотре и/или явных предпочтений), и рекламные объявления могут чередоваться между телевизионными программами персонального канала.

В соответствии с Фиг.1, система размещения рекламы может также учитывать дополнительные правила (R) 50 (например, бизнес-правила) при выборе рекламных объявлений для определенного контента. Эти правила могут предотвратить показ некоторых объявлений рядом с определенным контентом (например, трейлер программы для взрослых после детской телевизионной передачи) или могут попытаться максимизировать доход провайдеров, чаще размещая рекламные объявления рекламодателя по наивысшей цене (когда рекламные площади продаются с использованием системы торгов).

В первом варианте осуществления, механизм или машина выбора реализуются как дополнение к системе размещения рекламы, как описано выше. Чтобы добиться этого, классификатором 30 выполняется классификация заинтересованности (IC) в товарной категории. Для каждой из товарных категорий, присутствующих в базе данных 40 рекламных объявлений, текущий пользователь классифицируется либо как слабо-заинтересованный, либо как сильно-заинтересованный в этой товарной категории. Классификация может быть основана, например, на по меньшей мере одном из предыстории просмотров пользователя, предыстории нажатий, предыстории оценок и предыстории покупок. В качестве примера, пользователь может считаться сильно заинтересованным, если он смотрел (и/или позитивно оценил) большое число рекламных объявлений данной товарной категории (относительно, например, среднего значения из группы связанных пользователей) или который купил относительно большое количество продуктов, или нажал на относительно большое число рекламных объявлений в этой категории.

Для получения оценок пользователя, система размещения рекламы может включать в себя пользовательский интерфейс с вводом оценки пользователя.

В зависимости от класса заинтересованности пользователя (слабого или сильного), рекламное объявление может быть помещено в согласованный или контрастирующий контекст.

Классификатор 30 извлекает много информации о пользователе из профиля 16 пользователя, например, предысторию оценок и просмотров телевизионных программ или предысторию покупок. Основываясь на этой информации о пользователе, вычисляется, имеет ли пользователь сильный или слабый уровень заинтересованности в данной товарной категории.

В рамках первого варианта осуществления, там где размещаются рекламные объявления, может быть получена и информация о пользователе, касающаяся этих объявлений, например, в части предыстории оценок просмотров в отношении рекламных объявлений. Эта информация может быть использована для того, чтобы сделать вывод о заинтересованности пользователя в товарной категории.

Например, как можно судить по иллюстративной таблице 1, приведенной ниже, для числа n товарных категорий может быть указано число раз, когда объявления об этих категориях были оценены пользователем, соответственно, положительно и отрицательно, а также общие положительные и отрицательные результаты подсчета, приходящиеся на все товарные категории.

Таблица 1
Пример профиля
Товарная категория Счетчик положительных оценок рекламы Счетчик отрицательных оценок рекламы Заинтересованность пользователя
С1 N(C1, +) N(C1, -) U(C1)
С2 N(C2, +) N(C2, -) U(C2)
Cn N(Cn, +) N(Cn, -) U(Cn)
Итоговые подсчеты N(+) N(-)

На основе данных в этой таблице для каждой товарной категории Ci, оценка U(Ci) степени заинтересованности пользователя может быть рассчитана следующим образом.

где k - положительная постоянная, большая 1. Предпосылкой уравнения 1 в этом определении является то, что оба отношения имеют целью оценить условную вероятность того, что пользователю нравится или не нравится, соответственно, товарная категория Ci. Константа k указывает требуемую разность между этими двумя вероятностями.

В качестве дополнительной опции, в равенство 1 можно включить предысторию покупок, следующим образом комбинируя левую сторону с числом N(Ci, р) товаров, приобретенных в этой категории, например, с помощью выпуклой комбинации.

Здесь N(р) указывает на общее количество приобретенных товаров.

В качестве более характерного примера рассмотрим рекламное объявление и контекст (или часть контента), и предположим, что рекламное объявление подчиняется бизнес-правилам 50 и нравится пользователю (в случае, если присутствует рекомендатель рекламных объявлений). Теперь, если пользователь имеет слабую заинтересованность в товарной категории, связанной с рекламным объявлением, и рекламное объявление контрастирует с контекстом, тогда оно не выбирается для возможного размещения. Если, с другой стороны, рекламное объявление является согласованным с контекстом, тогда оно выбирается для размещения. Наоборот, если пользователь имеет сильную заинтересованность в товарной категории, связанной с рекламным объявлением, и рекламное объявление контрастирует с контекстом, тогда оно выбирается для возможного размещения. Если, с другой стороны, рекламное объявление является согласованным с контекстом, тогда оно не выбирается для размещения. То, будет ли рекламное объявление в конечном счете размещено, в целом зависит от полного набора рассматриваемых рекламных объявлений, а также от других требований, например, как часто или как давно вставлялось каждое из рекламных объявлений.

В качестве другого практического примера, рассмотрим случай размещения рекламных объявлений в (или поблизости от) программе о путешествиях (или канале путешествий, или на web-странице с информацией о путешествиях), где база данных 40 рекламных объявлений включает в себя рекламное объявление о "дешевых авиарейсах".

Для пользователей, которые редко покупают авиабилеты и поэтому имеют слабый уровень заинтересованности в товарной категории "авиабилеты", система размещения рекламы должна разместить рекламное объявление о "дешевых авиарейсах" в программе о путешествиях (допуская соответствие между метаданными программы и метаданными рекламного объявления). Во время просмотра программы о путешествиях слабо-заинтересованные пользователи должны стимулироваться контекстом, чтобы обратить внимание на сопутствующее рекламное объявление об авиабилетах.

Для пользователей, которые обычно покупают авиабилеты и поэтому сильно заинтересованы в товарной категории "авиабилеты", система размещения рекламы не должна размещать рекламное объявление о "дешевых авиарейсах" в программе о путешествиях, но должна либо выбрать согласованное рекламное объявление с слабой заинтересованностью, либо контрастирующее рекламное объявление с сильной заинтересованностью.

Следовательно, отбор и размещение рекламных объявлений могут быть сделаны адаптивными к отдельным профилям пользователя, и общее количество объявлений, которые должно быть обработано и размещено (в единицу времени), может быть снижено, чтобы тем самым сэкономить вычислительную мощность и емкость хранения или передачи для доставки и/или предоставления пользователю насыщенного рекламой контента.

Фиг.2 схематически изображает логическую блок-схему обобщенной процедуры выбора в соответствии со вторым вариантом осуществления.

На этапе S100 новая дополнительная информация извлекается из соответствующей базы данных, где хранится дополнительная информация. Затем, на этапе S101 определяется категория извлеченной дополнительной информации для вставки в контент, например, на основе соответствующего показателя дополнительной информации или места хранения в базе данных. Теперь на этапе S102 определяется, вычисляется или оценивается степень заинтересованности пользователя в определенной категории. Полученная степень заинтересованности пользователя классифицируется на этапе S103 по категориям "слабой" заинтересованности и "сильной" заинтересованности. Конечно, также может быть использовано большее число категорий (таких как "слабая", "средняя" и "сильная", либо дополнительно "очень слабая" и "очень сильная") или другие типы категорий (таких как "+", "0" и "-", либо отрицательные и/или положительные числа и т.д.). Тогда может быть предоставлено больше опций для размещения.

В данном примере на Фиг.2 выбираются два варианта размещения в зависимости от полученных категорий классификации «слабая» и «сильная». Если на этапе S103 принимается решение о категории "слабой" заинтересованности, то связанная дополнительная информация помещается согласованным образом (этап S104). Это может быть реализовано таким образом, что категория дополнительной информации является согласованной по отношению к категории контента, или таким образом, что дополнительная информация является согласованной относительно внешнего вида или фона контента (то есть выделена меньше). В противном случае, если на этапе S103 принимается решение о категории "сильной" заинтересованности, то связанная дополнительная информация размещается контрастирующим образом (этап S104). Это может быть реализовано таким образом, что категория дополнительной информации является контрастирующей по отношению к категории контента, или таким образом, что дополнительная информация контрастирует с внешним видом или фоном контента (то есть выделена меньше).

В качестве примера второго варианта осуществления, дополнительная информация может быть руководством или направляющей информацией, которая помогает пользователю понять процесс доставки контента или сам контент. В случае слабой заинтересованности пользователя в некоей категории дополнительной информации, пользователь запрашивает много указаний и, таким образом, является восприимчивым и обращает внимание на указания. В отличие от этого, если заинтересованность пользователя является сильной, пользователь не обращает внимания на указания, так что если наличие указаний будет признано необходимым, они вставляются контрастирующим образом, чтобы привлечь к себе внимание (опытного) пользователя. Таким образом, благодаря классификации заинтересованности пользователя, общее количество направляющей информации может быть уменьшено для более заинтересованных пользователей, так как выбирается только важная направляющая информация. Такая иллюстративная реализация может быть использована в различных системах доставки контента как в рекомендующих, так и в нерекомендующих, таких как компьютерные системы, телевизионные системы, телевизионные приставки, аудиосистемы, сервисы (в том числе Интернет видео, музыкальные сервисы, web-реклама), видеосистемы, мобильные или стационарные системы связи, системы эксплуатации транспортных средств, системы технического обслуживания и т.д., чтобы тем самым снизить объем обработки, хранения и/или передачи информации.

Таким образом, настоящее изобретение относится к устройству и способу выбора для автоматического выбора или размещения, при котором, при наличии вспомогательной информации, принадлежащей к определенной категории, она помещается в согласующийся или контрастирующий контекст в зависимости от степени заинтересованности пользователя в данной товарной категории. Профили пользователя автоматически классифицируются как с слабой или сильной заинтересованностью в определенной категории.

Хотя изобретение было проиллюстрировано и подробно описано в чертежах и вышеизложенном описании, такие иллюстрации и описание должны быть рассмотрены как иллюстративные или примерные и не имеющие ограничительного характера. Изобретение не ограничивается раскрытыми вариантами осуществления. По прочтении данного описания специалистам будут очевидны другие его разновидности. Такие разновидности могут быть связаны с другими функциями, которые уже известны и которые могут быть использованы вместо или в дополнение к функциям, уже здесь описанным.

Специалистами могут быть поняты и осуществлены разновидности к раскрытым вариантам осуществления после изучения чертежей, раскрытия информации и прилагаемой формулы изобретения. В формуле изобретения, слово "включающий" не исключает других элементов или этапов, а упоминание в единственном числе не исключает множества элементов или этапов. Единственный процессор или другой модуль может выполнять, по меньшей мере, функции, указанные на Фиг.1 и 2 на основе соответствующих программ. Компьютерная программа может хранится/распространяться на подходящих носителях, например, оптических носителях или твердотельных носителях, поставляемых вместе с или в составе других аппаратных средств, но может также распространяться и в других формах, например, через Интернет или другие проводные или беспроводные телекоммуникационные системы. Тот факт, что некоторые действия излагаются во взаимно различных зависимых пунктах, не означает, что сочетание этих действий не может быть выгодно использовано. Любые ссылочные позиции в формуле изобретения не должны рассматриваться как ограничивающие объем изобретения.


АВТОМАТИЧЕСКИЙ ВЫБОР ИНФОРМАЦИИ, ОСНОВАННЫЙ НА КЛАССИФИКАЦИИ ЗАИНТЕРЕСОВАННОСТИ
АВТОМАТИЧЕСКИЙ ВЫБОР ИНФОРМАЦИИ, ОСНОВАННЫЙ НА КЛАССИФИКАЦИИ ЗАИНТЕРЕСОВАННОСТИ
Источник поступления информации: Роспатент

Показаны записи 21-22 из 22.
13.02.2018
№218.016.26d0

Электронный медиа-сервер

Изобретение относится к электронному медиа-серверу для предоставления информационных данных медиа-канала множеству электронных медиа-клиентов. Технический результат изобретения заключается в упрощении медиа-сервера для телевизионной системы за счет использования виртуального медиа-канала....
Тип: Изобретение
Номер охранного документа: 0002644122
Дата охранного документа: 07.02.2018
10.05.2018
№218.016.423f

Способ и система для эффективного компилирования элементов медиа-контента для платформы медиа по запросу

Изобретение относится к способу и системе для компилирования элементов медиа-контента для платформы медиа по запросу для аренды пользователями платформы медиа по запросу. Технический результат заключается в автоматическом компилировании элементов медиа-контента для платформы медиа по запросу....
Тип: Изобретение
Номер охранного документа: 0002649304
Дата охранного документа: 02.04.2018
Показаны записи 21-22 из 22.
13.02.2018
№218.016.26d0

Электронный медиа-сервер

Изобретение относится к электронному медиа-серверу для предоставления информационных данных медиа-канала множеству электронных медиа-клиентов. Технический результат изобретения заключается в упрощении медиа-сервера для телевизионной системы за счет использования виртуального медиа-канала....
Тип: Изобретение
Номер охранного документа: 0002644122
Дата охранного документа: 07.02.2018
10.05.2018
№218.016.423f

Способ и система для эффективного компилирования элементов медиа-контента для платформы медиа по запросу

Изобретение относится к способу и системе для компилирования элементов медиа-контента для платформы медиа по запросу для аренды пользователями платформы медиа по запросу. Технический результат заключается в автоматическом компилировании элементов медиа-контента для платформы медиа по запросу....
Тип: Изобретение
Номер охранного документа: 0002649304
Дата охранного документа: 02.04.2018
+ добавить свой РИД