[发明专利]在保持用户匿名的同时使用机器学习从行为数据预测心理度量简档

说明书

提供了一种方法和系统：训练至少一种机器学习方法，该机器学习方法基于自动收集的在线人群中各个用户的在线行为记录预测在线人群中各个用户的心理度量简档(psychometric profile)；使用得到的预测心理度量简档和用户参与数据来学习基于心理度量维度参与刺激的可能性的参与模型；并且将该参与模型用于人群以确定根据预测的参与可能性被排名的刺激的受众。该方法和系统能够保持用户的匿名性。

申请人：品点预测股份有限公司，旧金山，美国加利福尼亚州，

发明家：Avi Tuschman，Evan Zamir和Wei Hsu

相关申请

本公开要求2016年6月21日提交的、发明人为Avi Tuschman并且标题为ARTIFICIAL INTELLIGENCE OPTIMIZATION OF PSYCHOGRAPHIC AUDIENCE DATA SETS的美国临时专利申请第62/352705号的优先权。美国临时专利申请第62/352705号在此称为“母申请”，在允许以引用方式并入的包括美国在内的任何司法管辖区中，该美国临时专利申请的内容通过引用并入本文。在不允许以引用方式并入的任何司法管辖区，申请人保留通过修改而从母申请插入任何素材的权利，而此类修改不应被视为增加新事项。

技术领域

本公开涉及使用机器学习来生成用于在线定向(targeting)和其他应用的心理度量模型，并且更具体地涉及一种装置(机器)和机器实现的机器学习方法，其用于基于关于群体的在线用户的在线行为的自动机器收集数据预测群体的在线用户的心理度量简档，该预测方法使得能够保持用户匿名。本发明还涉及一种装置和机器实现的方法，其使用这种机器学习生成的心理度量模型来生成可能以期望的方式响应于诸如广告的预定义的在线刺激的在线受众。

背景技术

已知使用机器自动收集在线用户的行为数据，然后使用自动机器收集的用户的行为数据作为机器实现的方法的输入，以针对特定用户以电子方式发送诸如数字广告之类的用户信息。自动收集这种行为数据的目的是有效地将数字广告定向至可能以期望的方式(例如购买产品)做出响应的或另外以希望的方式做出响应的用户。

这种机器实现的定向广告在本文中被称为“行为广告”，因为它仅仅并且直接基于行为，并且机器实现的方法统称为“机器实现的行为定向”。

“机器实现的行为定向”是回顾式的；它可以预测用户是否可能访问他们已经访问过的网页，或者购买他们已经购买过的产品。诸如这些的数据可以有效地用于执行机器实现的将广告定向或重新定向至用户，即使在使用购物广告作为示例的情况下用户可能在他们看到广告时已经进行了购买。机器实现的行为定向也特定于如下这样的上下文，在该上下文中，例如被访问的网站的类型被收集，作为结果，仅仅并且直接这样的过去行为的定向可能在范围上过于狭窄，例如可能导致非常类似产品的广告过度曝光。回顾式和上下文特定的组合可能导致用户感觉他们的隐私例如通过用户接收与他们最近访问过的网站相关的广告而被侵犯。机器实现的行为广告另外可能无法容易地区分可能出于不同原因而购买相同产品的用户，或者甚至无法区分购买他们浏览过的产品的用户和不这样做的用户。此外，行为定向使用随时间的变化对于不同的群体而不同的数据，使得行为定向所使用的数据可能不容易适合于标准化、量化、心理度量验证或跨不同群体的有意义的比较。

因此，本领域需要用于机器实现的定向的改进的计算机实现的方法，装置和系统，其可用于机器实现的电子消息针对特定在线用户组(在线受众)的定向，诸如做广告。

附图说明

将参考附图描述根据本公开的各种实施例，其中：

图1是用于实行本发明的至少一个方面的计算环境的说明性示例。

图2示出了操作机器以从自动生成的用户的在线行为生成在线用户的心理度量模型的方法的实施例的简化流程图。