Способ и сервер для обработки данных датчика беспроводного устройства для создания вектора объекта, связанного с физическим положением

Способ и сервер для обработки данных датчика беспроводного устройства для создания вектора объекта, связанного с физическим положением

Иллюстрации

Показать все

Реферат

ОБЛАСТЬ ТЕХНИКИ, К КОТОРОЙ ОТНОСИТСЯ ИЗОБРЕТЕНИЕ

[001] Настоящая технология относится к обработке данных датчика беспроводного устройства в целом и в частности к способу и серверу для обработки данных датчика беспроводного устройства для создания вектора объекта, связанного с физическим положением.

УРОВЕНЬ ТЕХНИКИ

[002] В настоящее время обычный пользователь имеет доступ к множеству электронных устройств. Некоторые из этих электронных устройств стационарные (например, настольные компьютеры и телевизоры), другие мобильные (например, смартфоны, планшетные устройства, ноутбуки, переносные устройства, смарт-часы, фитнес-трекеры, очки виртуальной реальности и т.п.). Стандартное беспроводное электронное устройство оснащено множеством датчиков и модулей, которые способны измерять различные параметры, а также анализировать измеренные (определенные) параметры. Некоторые из этих параметров переставляют непосредственно окружающую электронное устройство среду, а другие показывают физиологические параметры, связанные с пользователем электронного устройства.

[003] В патентной заявке США 2015/0285639 (опубликована 8 октября 2015 г.) раскрыта система и способ оптимизации стандартных датчиков сотового телефона с помощью краудсенсинга (от англ. crowdsensing - групповой обмен данными датчиков) для автоматически пополняемых цифровых карт с различными дорожными терминами, такими как, среди прочих, туннели, кочки, мосты, мостики, пешеходные переходы, пропускная способность дороги. Анализ показывает, что на датчики сотовых телефонов людей в транспортных средствах или идущих пешком влияют различные характеристики дорожного движения, которые могут быть изучены с целью расширения возможностей как бесплатных, так и коммерческих картографических сервисов. Представляется проект и реализация приложения Мар++ и оценивается его работа в большом городе. Результаты показывают, что возможно обнаружить различную сущность с высокой точностью - не более чем 3% ложноположительных и 6% ложноотрицательных результатов для характеристик транспортных средств и пешеходов. Кроме того, показано, что Мар++ потребляет мало энергии сотовых телефонов, что способствует его широкому распространению как сервиса пополнения цифровых карт.

[004] В патентной заявке США 2016/0073229 (опубликована 10 марта 2016 г.) описан подход для определения новой(ых) точки(ек) интереса, по меньшей мере частично основанный на положении мобильного устройства, трехмерных данных о положении или их комбинации. Подход включает в себя обработку и/или обеспечение обработки информации о местоположении, связанной с множеством устройств, чтобы определить одну или несколько точек местоположения, в которых находится одно или несколько скоплений множества устройств. Подход также включает по крайней мере частичную инициализацию доступа к трехмерным данным, представляющим одну или несколько точек местоположения. Подход далее включает в себя обработку и/или обеспечение обработки трехмерных данных для определения одного или нескольких признаков, которые свидетельствуют о наличии одной или нескольких точек интереса. Подход также включает в себя определение одной или нескольких потенциальных точек интереса по меньшей мере частично на основе одного или нескольких признаков.

[005] В патентной заявке США 2014/0201276 (опубликована 17 июля 2014 г.) раскрыты различные технологии, имеющие отношение к краудсорсинговым данным об объекте, например, о деловом предприятии. Кроме того, описаны технологии, имеющие отношение к определению метаданных об объекте на основе краудсорсинговых данных. Датчик в мобильном вычислительном устройстве активируется в ответ на то, что пользователь мобильного вычислительного устройства отмечается в объекте. Метаданные, такие как размещение в объекте, шум в объекте, и тому подобное определяются с использованием данных, полученных с помощью датчика. Поисковые результаты для объекта включают в себя метаданные.

[006] В патенте США 9269259 (опубликован 23 февраля 2016 г.) описаны способы и системы обработки краудсенсинговых данных. Способ включает в себя получение краудсенсинговых данных с мобильного устройства, связанного с пользователем. Краудсенсинговые данные соответствуют метаданным события, относящегося к отклонениям в работе, по меньшей мере, одного объекта из списка: государственной службы, общественной инфраструктуры, частной службы или частной инфраструктуры. После это событие может быть приоритезировано на основе, по меньшей мере, типа события, меры воздействия события или показателя срочности возникшего события. Кроме того, уведомление о событии может быть передано в организацию, ответственную за решение проблемы события, на основании приоритетов, причем уведомление содержит, по меньшей мере, метаданные.

[007] В патенте США 8472980 (опубликован 25 июня 2013 г.) раскрыта система сбора, агрегации и анализа краудсорсинговых данных на основе местоположения, которая включает в себя сервер, причем сервер контролирует распределение краудсорсинговых запросов и рабочих нагрузок на множество внешних мобильных платформ. Сервер получает краудсорсинговые запросы от нескольких сторон и поставляет запросы о показателях на мобильные платформы, например, на основе местоположения мобильной платформы. После получения измеренных контекстных данных от мобильных платформ сервер может распространять информацию, например, исходные измеренные контекстные данные или анализ измеренных контекстных данных, по соответствующим запрашивающим сторонам защищенным способом. Мобильная платформа может принимать множество запросов о показателях с удаленного сервера, в котором множество запросов о показателях основаны на краудсорсинговых запросах от множества сторон. Мобильная платформа может измерять и предоставлять на удаленный сервис контекстные данные в ответ на множество запросов на показатели.

[008] Патент США 9335175 (опубликован 10 мая 2016 г.) раскрывает методы для построения масштабируемой модели помещения с использованием краудсорсинговых сигналов инерциальной навигационной системы (INS) от мобильных устройств. С помощью отслеживания сигналов INS от ряда участвующих пользователей можно оценить, как пользователи перемещают свои мобильные устройства в закрытом помещении. Оцененные траектории могут быть сравнены с аналогичными перемещениями, записанными другими пользователями. Самые высоко оцененные перемещения затем накладываются на карту помещения для выявления наиболее часто посещаемых областей, ориентиров и расстояний между ориентирами.

[009] Китайская патентная заявка CN 103218442 (опубликована 24 июля 2013 г.) раскрывает способ и систему анализа образа жизни, основанные на данных датчиков мобильных устройств. Способ включает в себя следующие этапы: собирают исходные данные с каждого датчика мобильного устройства; проводят предварительную обработку исходных данных в соответствии с характеристиками данных и характеристиками энергопотребления каждого датчика и получают последовательность данных; получают последовательность локальных точек в соответствии с режимом обнаружения локальных точек; проведение кластерного анализа последовательности локальных точек таким образом, что получают последовательность истории мест; проводится поиск точек интереса по каждой части данных в последовательности и отмечается история мест; определяется, известен ли идентификатор пользователя, и, если неизвестен, он определяется по отметкам точек интереса. Способ и система анализа образа жизни на основе данных датчика мобильного устройства снижают необходимость в интеллектуальном анализе данных и стоимость анализа, повышают гибкость и транспортабельность, удобны в использовании и способны улучшить опыт пользователя.

РАСКРЫТИЕ

[0010] Разработчики настоящей технологии рассматривали по меньшей мере одну проблему, соответствующую известному уровню техники, которая связана с обработкой краудсорсинговых данных датчика беспроводного устройства.

[0011] Более конкретно, разработчики настоящей технологии отметили, что существует большое число электронных устройств, которые способы предоставить большое количество информации разных типов о физическом мире, причем эта информация получена с помощью датчиков пользовательских электронных устройств. Задачей осуществления настоящей технологии является эффективное использование огромного количества данных датчиков, в сочетании с информацией о взаимодействиях (например, без ограничений: поиски в поисковых системах, история просмотра вебстраниц и т.д.) пользователя, связанного с данным электронным устройством, для создания универсальной модели физического мира. Настоящая технология создает универсальную модель на основе множества векторов объектов, причем каждый вектор объекта связан с конкретным физическим объектом (зданием, частью здания, точкой интереса, движущимся физическим объектом и т.д.). Вектор объекта может быть временным, или, другими словами, может быть связан с конкретным физическим объектом на конкретный промежуток времени.

[0012] Таким образом, настоящая технология обеспечивает способ и систему эффективного сбора и анализа данных датчиков беспроводных устройств и/или данных истории пользовательских взаимодействий для создания одного или нескольких универсальных векторов признаков (например, векторов объектов) для одного или нескольких физических объектов физического мира. Итоговый вектор объекта может быть использован как дескрипторы объекта, показывающие независимые от пользователя и/или зависимые от пользователя свойства физических объектов.

[0013] Природа физического объекта никак конкретно не ограничена. В качестве примера, физические объекты могут быть получены с помощью создания на электронной карте областей, и каждая область может быть рассмотрена как отдельный физический объект. Например, электронная карта может быть разделена на равные области предварительно определенного размера с помощью расположения на ней разделенной на квадраты сетки. В некоторых вариантах осуществления настоящей технологии могут быть созданы области разного размера и формы. Например, области с большей плотностью нахождения пользователей или большей концентрацией известных точек интереса (Point of Interest, POI) могут быть разделены на физические объекты с помощью применения сетки со сравнительно малыми ячейками. С другой стороны, сельские и малонаселенные районы или области с малым количеством POI могут быть разбиты на более крупные области с помощью применения сетки со сравнительно большими ячейками. В некоторых вариантах осуществления технологии известные POI, здания, участки дороги, элементы инфраструктуры или другие объекты физического мира могут рассматриваться как индивидуальные физические объекты.

[0014] Как только создан один или несколько векторов объектов, они могут использоваться для различных аналитических целей. Например, один или несколько векторов объектов могут использоваться для обучения дополнительных аналитических моделей (например, обученные алгоритмы машинного обучения с учителем или без учителя) для различных целей, например, идентификация, классификация или кластеризация различных типов физических объектов.

[0015] Ниже приведены некоторые конкретные неограничивающие примеры технических областей, где могут использованы итоговые векторы объектов и их анализ.

[0016] Интеллектуальный анализ данных

[0017] Специфичная для пользователя и временная классификация точек интереса (POI) (по интересам, задачам, активности и т.д.)

[0018] Настоящая технология может дать возможность классифицировать данную POI на основе пользовательских интересов, задач и/или активностей, которые осуществлялись в данной POI. Интерес, задача и/или активность могут быть определены на основе данных, специфичных для пользователя и данных датчика, таких как шаблоны движения, уровень шума, пульс и так далее. Кроме того, поскольку данный вектор объекта может включать в себя составляющую времени, данная POI может принадлежать к разным классам интересов, задач и/или активностей в течение различных промежутков времени. Например, данная POI может быть классифицирована как парк с 10 утра до 6 вечера и как зона для занятий спортом с 6 вечера до 9 вечера.

[0019] Специализированный для пользователя рейтинг и автооценка POI

[0020] Настоящая технология может дать возможность получать пользовательские рейтинги для данной POI без необходимости для пользователя введения какой-либо информации о своем опыте в данной POI (или при необходимости введения только минимальной информации). Например, на основе вектора объекта, связанного с данной POI, может быть возможным определение того, была ли данная POI расценена как «желаемая» пользователями, которые посетили данную POI. Например, с помощью получения данных датчиков, например, уровня шума в окружающей среде и пройденного расстояния в пределах POI, возможно оценить конкретные предпочтения пользователя и определить на основе данных датчиков, удовлетворены ли эти предпочтения при посещении данной POI. То есть с помощью настоящей технологии возможна автооценка POI.

[0021] Специфическое для пользователя отображение и дополнение карты

[0022] Геозонирование информации в реальном времени для дополнения картографических сервисов

[0023] Настоящая технология может позволить определить геозоны в реальном времени для дополнения картографических данных. Например, отслеживая шаблоны перемещения пользователя и специфические для пользователя данные, связанные с его предпочтениями по маршруту, возможно определить, перегораживает ли что-то дорогу или мешает получить к ней доступ (например, забор, подготовка к параду, дорожное происшествие, перекрытый мост и т.д.) В ответ на определение в реальном времени таких геозон, картографические сервисы, которые прокладывают маршрут, могут быть модифицированы в соответствии с новой информацией для предоставления маршрутов, которые учитывают определенные геозоны.

[0024] Определение и отображение в реральном времени специфических для пользователя событий интереса (venue of interest, VOI)

[0025] Настоящая технология может позволить определять в реальном времени события интереса для конкретных пользователей и избирательно отображать их на карте. На основе вектора объекта, связанного с первой геолокацией первого физического объекта, возможно определить, что значительное количество людей, которые любят физическую активность, собираются рядом с первой геолокацией и двигаются по ней. На основе векторов объекта, связанного со второй геолокацией второго физического объекта, возможно определить, что значительное количество людей, которые любят концерты, собираются во второй геолокации, причем их устройствами отмечается повышение шума. В итоге, если текущий пользователь совершает доступ к картографическому сервису и определяется как любитель физических активностей на основе его специфичных для пользователя данных, карта может отобразить ему такие события интереса как сбор для тренировок, то есть первый физический объект. А если текущий пользователь совершает доступ к картографическому сервису и определяется как любитель концертов на основе его специфичных для пользователя данных, карта может отобразить ему такие события интереса как концерт, то есть второй физический объект.

[0026] Настроенное отображение интерактивной карты специфичных для пользователя социальных активностей

[0027] Настоящая технология может позволить отображать настроенную интерактивную карту на основе специфичных для пользователя данных. Например, если текущий пользователь совершает доступ к картографическому сервису и определяется как любитель концертов, карта может быть дополнена событием интереса (VOI), соответствующим социальным активностям, таким как концерт. Кроме того, настоящая технология позволяет текущему пользователю выбрать конкретное VOI, отображенное для просмотра информации в реальном времени, связанной с конкретным VOI. Такая информация в реальном времени может соответствовать числу людей, посещающих VOI, уровень шума VOI, фотографии, которые на текущий момент делают на VOI и т.д.

[0028] Навигация внутри помещений для конкретных пользовательских интересов и нужд

[0029] Настоящая технология позволяет отслеживать шаблоны движения пользователя внутри физического помещения и связывать их с соответствующими специфическими для пользователя предпочтениями. Например, текущий пользователь может зайти в торговый центр, и сервер может определить на основе специфических для текущего пользователя данных, что текущий пользователь интересуется спортивной экипировкой. Далее, с помощью анализа вектора объекта, связанного с физическим объектом, который является торговым центром, возможно определить предыдущие шаблоны передвижений в торговом центре пользователей-любителей спортивной экипировки. В итоге может быть выбран и отображен текущему пользователя предпочтительный шаблон передвижения, позволяющий дойти до магазина спортивной экипировки.

[0030] Избирательное отображение на карте специфических для пользователя и временных кластеров POI

[0031] Настоящая технология может дать возможность классифицировать данную POI на основе пользовательских интересов, задач и/или активностей, которые осуществлялись в данной POI. Кроме того, данная POI может принадлежать к различным кластерам интересов, задач и/или активностей в соответствии с различными интервалами времени, для которых были определены векторы объекта. Например, данная POI может быть классифицирована как парк с 10 утра до 6 вечера, и как зона для занятий спортом с 6 вечера до 9 вечера. В итоге настоящая технология позволяет избирательно отображать на карте POI в зависимости от специфических для пользователя данных текущего пользователя, который выбрал карту, а также в зависимости от текущего времени дня, поскольку класс данной POI может меняться в течение дня и, следовательно, становиться релевантым/нерелевантным для текущего пользователя на основе его специфических для пользователя данных.

[0032] Таргетироваиие специфичного для пользователя контента

[0033] Таргетироваиие специфичного для пользователя контента на основе геолокализированных и временных пользовательских интересов

[0034] Настоящая технология позволяет предоставить текущему пользователю таргетированный контент на основе геолокализированных и временных пользовательских интересов. Физический объект может быть связан с вектором объекта, который может по меньшей мере частично указывать на пользовательские интересы пользователя, который находился в физическом объекте в прошлом. Если текущий пользователь заходит в физический объект или проходит мимо геолокации физического объекта в определенное время, на основе вектора объекта текущему пользователю может быть предоставлен таргетированный контент, который связан с предпочтениями пользователей, которые обычно посещают физический объект в течение определенного времени.

[0035] Оценка эффективности рекламы на основе геолокализированных специфичных для пользователя шаблонов

[0036] Настоящая технология может позволить оценить эффективность рекламных щитов и, более конкретно, эффективность рекламных щитов на основе их расположения. С помощью вектора объекта система может идентифицировать конкретного пользователя, который проходит перед физическим объектом, причем известно, что рядом с этим физическим объектом расположен конкретный рекламный щит с рекламой о данном продукте. Таким образом, на основе специфичных для пользователя данных пользователь может быть идентифицирован в течение своей следующей сессии, и ему может быть представлена онлайн-реклама в соответствии с той, что была представлена на рекламном щите. В зависимости от того, щелкнул ли пользователь на онлайн-рекламу, возможно определить, что положение конкретного рекламного щита было эффективно и повлияло на пользователя таким образом, что он щелкнул на онлайн-рекламу.

[0037] Текущее время ожидания для специфичных для пользователя сервисов

[0038] Дополнение транспортных сервисов с помощью определения маршрутов со сниженной загрузкой

[0039] Настоящая технология может позволить определить уровни загруженности различных транспортных сервисов. Например, на основе вектора объекта возможно определить, как пользователь движется в физическом объекте, таком как автобус, поезд, метро и т.д. В итоге можно определить уровень загруженности для конкретного вида транспорта и различных транспортных сервисов, для конкретного пользователя, который двигается по определенному маршруту. Следовательно, возможно порекомендовать альтернативный маршрут текущему пользователю, который хочет двигаться по предпочтительному маршруту, определенному на основе специфичных для пользователя данных. Альтернативный маршрут может быть порекомендован на основе того, является ли транспортный сервис для конкретного маршрута сильно загруженным, или нет.

[0040] Оценка времени ожидания для специфичных для пользователя сервисов в реальном времени

[0041] Настоящая технология позволяет определить время ожидания для специфичных для пользователя сервисов и предложить для них альтернативы. На основе векторов различных физических объектов можно определить время ожидания, которое конкретные пользователи потратили в каждом физическом объекте. Кроме того, возможно определить специфичное для пользователя поведение пользователей, которые пользуются этими конкретными сервисами для определения того, какой физический объект может быть релевантен для текущего пользователя. Например, если определяется, что текущий пользователь недавно искал рядом зубного врача, возможно предложить конкретную стоматологию, связанную с одним из физических объектов и предоставить пользователю оценку текущего времени ожидания в этой конкретной стоматологии. Если время ожидания оказалось слишком долгим, текущему пользователю может быть предоставлена рекомендация посетить кофейню (другой физический объект рядом, который пользователи со сходными предпочтениями обычно посещают перед или после визита к стоматологу), пока оцененное время ожидания в конкретной стоматологии не окажется ниже порогового значения.

[0042] Первым объектом настоящей технологии является способ, выполняемый на сервере, причем сервер является частью системы, а система включает в себя множества пользовательских беспроводных устройств, доступных для сервера по сети передачи данных; каждое из множества пользовательских беспроводных устройств включает в себя по меньшей мере два датчика, и каждый из по меньшей мере двух датчиков выводит соответствующий опеределенный параметр; на сервере находится хранилище пользовательских профилей. Способ включает в себя, для данного географического положения: получение сервером по меньшей мере от части множества пользовательских беспроводных устройств, причем по меньшей мере часть множества пользовательских беспроводных устройств временно связана с данным географическим положением в течение первого периода времени, первого определенного параметра от первого датчика и второго определенного параметра от второго датчика, причем первый определенный параметр и второй определенный параметр были получены в течение того периода, в течение которого пользовательское беспроводное устройство было временно связано с данным географическим положением; для каждого из по меньшей мере части множества пользовательских беспроводных устройств извлечение связанного пользовательского профиля; для каждого пользовательского беспроводного устройства из части множества пользовательских беспроводных устройств анализ первого определенного параметра, второго определенного параметра и пользовательского профиля для создания, соответственно, вектора первого параметра данного пользователя, вектора второго параметра данного пользователя и вектора пользовательского профиля данного пользователя; агрегацию следующих векторов каждого пользовательского беспроводного устройства: вектора первого параметра данного пользователя; вектора второго параметра данного пользователя; вектора пользовательского профиля данного пользователя в набор векторов; применение по меньшей мере двух аналитических моделей к набору векторов, причем каждая аналитическая модель создает свой соответственный вектор данных, помещенных в набор; на основе по меньшей мере двух соответствующих векторов данных, помещенных в набор, создание вектора объекта, связанного по меньшей мере с одним географическим положением.

[0043] В некоторых вариантах осуществления способа анализ первого определенного параметра, второго определенного параметра и вектора пользовательского профиля включает в себя: применение первого алгоритма к первому определенному параметру; применение второго алгоритма ко второму определенному параметру; применения третьего алгоритма к пользовательскому профилю; первый алгоритм, второй алгоритм и третий алгоритм были предварительно выбраны с учетом соответствующего типа данных первого определенного параметра, второго определенного параметра и пользовательского профиля.

[0044] В некоторых вариантах осуществления способа по меньшей мере часть способа выполняется нейронной сетью.

[0045] В некоторых вариантах осуществления способа нейронная сеть является нейронной сетью на основе долговременно-кратковременной памяти (LSTM).

[0046] В некоторых вариантах осуществления способа данное географическое положение является первым географическим положением и способ дополнительно включает в себя: для второго географического положения повторение шагов: получения, извлечения, анализа, агрегации, применения и создания вектора объекта.

[0047] В некоторых вариантах осуществления способа способ дополнительно включает в себя: для данного географического положения, связанного по меньшей мере с одним физическим объектом: получение сервером по меньшей мере от части множества пользовательских беспроводных устройств, причем по меньшей мере часть множества пользовательских беспроводных устройств временно связана с данным географическим положением в течение второго периода времени, третьего определенного параметра от первого датчика и четвертого определенного параметра от второго датчика, причем третий определенный параметр и четвертый определенный параметр получены в течение того периода, в течение которого пользовательское беспроводное устройство было временно связано с данным географическим положением во время второго периода времени; для каждого пользовательского беспроводного устройства из части множества пользовательских беспроводных устройств анализ третьего определенного параметра и четвертого определенного параметра для создания, соответственно, вектора третьего параметра данного пользователя и вектора четвертого параметра данного пользователя; агрегацию следующих векторов каждого пользовательского беспроводного устройства: вектора третьего параметра данного пользователя; вектора четвертого параметра данного пользователя; вектора пользовательского профиля данного пользователя во второй набор векторов; применение по меньшей мере двух аналитических моделей ко второму набору векторов; причем каждая аналитическая модель создает свой соответственный второй вектор данных, помещенных в набор; на основе по меньшей мере двух соответствующих вторых векторов данных, помещенных в набор, создание второго вектора объекта, связанного по меньшей мере с одним географическим положением, для второго периода времени.

[0048] В некоторых вариантах осуществления способа второй вектор объекта отличается от вектора объекта.

[0049] В некоторых вариантах осуществления способа способ дополнительно включает в себя создание модели-тренда вектора на основе вектора объекта и второго вектора объекта.

[0050] В некоторых вариантах осуществления способа модель-тренд вектора дает возможность прогнозировать третий вектор объекта, связанный по меньшей мере с одним географическим положением, связанным с третьим периодом времени.

[0051] В некоторых вариантах осуществления способа модель-тренда вектора дает возможность определять смещение в шаблоне для третьего вектора объекта, связанного по меньшей мере с одним географическим положением, связанным с третьим периодом времени.

[0052] В некоторых вариантах осуществления способа способ дополнительно включает в себя использование вектора объекта и второго вектора объекта как ввода в дополнительный алгоритм машинного обучения для обучения дополнительного алгоритма машинного обучения прогнозировать конкретный параметр.

[0053] В некоторых вариантах осуществления способа создание вектора объекта и второго вектора объекта осуществляется без знания конкретного параметра.

[0054] В некоторых вариантах осуществления способа по меньшей мере некоторые из первого алгоритма, второго алгоритма и третьего алгоритма различаются.

[0055] В некоторых вариантах осуществления способа способ дополнительно включает в себя анализ второго вектора объекта и вектора объекта для определения статической части вектора и динамической части вектора.

[0056] В некоторых вариантах осуществления способа применение по меньшей мере двух аналитических моделей к набору векторов включает в себя применение по меньшей мере двух различных аналитических моделей, причем каждая аналитическая модель применяет свой собственный алгоритм к выводу своих соответствующих векторов данных, помещенных в набор.

[0057] В некоторых вариантах осуществления способа по меньшей мере одна из по меньшей мере двух аналитических моделей включает в себя вероятностную аналитическую модель.

[0058] В некоторых вариантах осуществления способа по меньшей мере одна из по меньшей мере двух аналитических моделей включает в себя по меньшей мере либо эвристический алгоритм, либо алгоритм кластеризации.

[0059] В некоторых вариантах осуществления способа по меньшей мере одна из по меньшей мере двух аналитических моделей включает в себя рекуррентную нейронную сеть.

[0060] В некоторых вариантах осуществления способа по меньшей мере одна из по меньшей мере двух аналитических моделей включает в себя модель латентного размещения Дирихле (LDA).

[0061] В контексте настоящего описания «сервер» подразумевает под собой компьютерную программу, работающую на соответствующем оборудовании, которая способна получать запросы (например, от клиентских устройств) по сети и выполнять эти запросы или инициировать выполнение этих запросов. Оборудование может представлять собой один физический компьютер или одну физическую компьютерную систему, но ни то, ни другое не является обязательным для данной технологии. В контексте настоящей технологии использование выражения «сервер» не означает, что каждая задача (например, полученные команды или запросы) или какая-либо конкретная задача будет получена, выполнена или инициирована к выполнению одним и тем же сервером (то есть одним и тем же программным обеспечением и/или аппаратным обеспечением); это означает, что любое количество элементов программного обеспечения или аппаратных устройств может быть вовлечено в прием/передачу, выполнение или инициирование выполнения любого запроса или последствия любого запроса, связанного с клиентским устройством, и все это программное и аппаратное обеспечение может быть одним сервером или несколькими серверами; оба варианта включены в выражение «по меньшей мере один сервер».

[0062] В контексте настоящего описания «клиентское устройство» подразумевает под собой аппаратное устройство, способное работать с программным обеспечением, подходящим к решению соответствующей задачи. Таким образом, примерами электронных устройств (среди прочего) могут служить персональные компьютеры (настольные компьютеры, ноутбуки, нетбуки и т.п.) смартфоны, планшеты, а также сетевое оборудование, такое как маршрутизаторы, коммутаторы и шлюзы. Следует иметь в виду, что устройство, ведущее себя как электронное устройство в настоящем контексте, может вести себя как сервер по отношению к другим электронным устройствам. Использование выражения «электронное устройство» не исключает возможности использования множества электронных устройств для получения/отправки, выполнения или инициирования выполнения любой задачи или запроса, или же последствий любой задачи или запроса, или же этапов любого вышеописанного метода.

[0063] В контексте настоящего описания «база данных» подразумевает под собой любой структурированный набор данных, не зависящий от конкретной структуры, программного обеспечения по управлению базой данных, аппаратного обеспечения компьютера, на котором данные хранятся, используются или иным образом оказываются доступны для использования. База данных может находиться на том же оборудовании, выполняющем процесс, на котором хранится или используется информация, хранящаяся в базе данных, или же база данных может находиться на отдельном оборудовании, например, выделенном сервере или множестве серверов.

[0064] В контексте настоящего описания «информация» включает в себя информацию любого рода или типа, которая может храниться в базе данных. Таким образом, информация включает в себя, среди прочего, аудиовизуальные произведения (изображения, видео, звукозаписи, презентации и т.д.), данные (данные о местоположении, цифровые данные и т.д.), текст (мнения, комментарии, вопросы, сообщения и т.д.), документы, таблицы и т.д.

[0065] В контексте настоящего описания «используемый компьютером носитель компьютерной информации» подразумевает под собой носитель абсолютно любого типа и характера, включая ОЗУ, ПЗУ, диски (компакт диски, DVD-диски, дискеты, жесткие диски и т.д.), USB флеш-накопители, твердотельные накопители, накопители на магнитной ленте и т.д.

[0066] В контексте настоящего описания слова «первый», «второй», «третий» и т.д. используются в виде прилагательных исключительно для того, чтобы отличать существительные, к которым они относятся, друг от друга, а не для целей описания какой-либо конкретной взаимосвязи между этими существительными. Так, например, следует иметь в виду, что использование терминов «первый сервер» и «третий сервер» не подразумевает какого-либо порядка, отнесения к определенному типу, хронологии, иерархии или ранжирования (например) серверов/между серверами, равно как и их использование (само по себе) не предполагает, что некий «второй сервер» обязательно должен существовать в той или иной ситуации. В дальнейшем, как указано здесь в других контекстах, упоминание «первого» элемента и «второго» элемента не исключает возможности того, что это один и тот же фактический реальный элемент. Так, например, в некоторых случаях, «первый» сервер и «второй» сервер могут являться одним и тем же программным и/или аппаратным обеспечением, а в других случаях они могут являться разным программным и/или аппаратным обеспечением.

[0067] Каждый вариант осуществления настоящей технологии преследует по меньшей мере одну из вышеупомянутых целей и/или объектов, но наличие всех не является обязательным. Следует иметь в виду, что некоторые объекты данной технологии, полученные в результате попыток достичь вышеупомянутой цели, могут удовлетворять другим целям, отдельно не указанным здесь.

[0068] Дополнительные и/или альтернативные характеристики, аспекты и преимущества вариантов осуществления настоящей технологии станут очевидными из последующего описания, прилагаемых чертежей и прилагаемой формулы изобретения.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0069] Для лучшего понимания настоящей технологии, а также других ее аспектов и характерных черт сделана ссылка на следующее описание, которое должно использоваться в сочетании с прилагаемыми чертежами, где:

[0070] На Фигуре 1 представлена принципиальная схема системы, выполненной в соответствии с неограничивающими вариантами осуществления настоящего технического решения.

[0071] На Фигуре 2 представлено схематичное изображение обработки первого пакета данных модулем предварительной обработки системы с Фиг