[发明专利]用于将信息从一个数据集转换到另一个数据集的系统和方法

说明书

相关申请的交叉引用

本申请要求2013年3月15日提交的美国专利申请号13/836,591，标题为“A SYSTEM AND METHOD FOR TRANSFERRING INFORMATION FROM ONE DATA SET TO ANOTHER”的优先权，其要求2012年6月1日提交的美国临时专利申请号61/654,771，标题为“A SYSTEM AND METHOD FOR TRANSFERRING INFORMATION FROM ONE DATA SET TO ANOTHER”的权益，其全部内容通过引用合并于此。

背景技术

如今，媒体研究者和信息管理者可以任意使用与消费者相关的广泛信息。这些数据包括以明显的，主动方法收集的，也包括一些以不明显的观察收集的。前者的例子包括调查，保修登记，通过互联网连接设备主动数据收集，以及频繁的购物节目。后者的例子包括从数据流获得的数据，优惠券赎回，信用卡交易，通过数字机顶盒的电视观看行为，因特网观察行为(例如通过cookies的交互)，IP跟踪等等。在过去，大多数用于人口估计的数据一致被认为是从具有良好定义的已知的人口关系，例如概率样本中得到的。受需求驱动，通过一些老范例的失败，以及通过新技术，其产生了多样的以及潜在有利的信息，越来越多的可用数据，在表面上，是来自不具有良好定义的已知人口关系并且不直接代表将要被测量的人口的数据集。尽管数据的所有类型都是潜在有用的(例如，良好定义的人口关系数据，在某些方式上，也被认为是良好定义的人口关系数据不是已知的)，基于不具有数据集元素和人口元素之间良好定义的已知的关系，现有技术提供了很少的用于提高人口估计的精确性的工具。

当要分析的人口规模(“目标人口”)很大，需要分析目标人口(这里“原始数据”)信息的研究者很少实施人口的所有成员的原始数据的规则化测量，因为收集这么多的信息成本往往很高，它需要的收集时间太长，或者是因为一些其他原因不切实际。一个高数据收集成本的著名示例是十年一次的人口普查。在美国，根据美国政府问责办公室公布的“Preliminary Lessons Learned Highlight the Need for Fundamental Reforms”，2010人口普查花费大概130亿美元来收集大概3.08亿美国居民的数据。

由于实施大量目标人口的人口普查的高成本，研究者将典型得只收集一部分人口数据(例如，采样人群)，并且将然后根据样本和它与人口的关系，估计整体人口的特性。这种方法的问题是，样本可能是误导的，由于在样本选择本身过程中的已知，以及未知存在的偏差。例如，样本会经常成为自选择偏差的受害者，因为样本人口的一些成员拒绝被观察或者不能被观察。样本，包括那些交易数据集合中的(例如通过信用卡的在收银处的购买，在订购了某种电视服务的家庭中实施的电视观看行为交易，其观看行为交易被监视，等等)通常是参与者以结果样本被偏差的方式进行选择的：它用充分的并且未知的方式不准确地代表了整体目标人口。这些选择偏差的存在会使人口特性的结果估计不准确，在直观的或者偏见的感觉上。

在本说明书中方便起见，一些术语将被定义。收集到的数据，是用于做人口估计的原始数据集合，不管是明显地收集到还是不明显地，在下文中称为“对象数据”。用来获取目标人口属性的数据集将被称作“参考数据”。代表特定事件的不明显获得的数据(例如信用卡交易，电视机顶盒的信道变化，在网络浏览器的URL上的点击，频繁的快交易，或者与商家的可靠得程序交易)在下文中被称作“交易数据”。在本文中，有所区别的是，“个人-身份信息”，也就是说，具有充分独特性的数据可用于识别特定的个人或者家庭，例如社保号，名字/地址结合，信用卡号，等等。而“个人信息”，不一定足以识别特定的个人或用户，然后也被认为是隐私信息，比如收入，宗教偏好，年龄，等等。个人-身份信息的使用存在许多法律限制。此外，许多公司对于使用个人信息很敏感，即使没有具体的法律限制。