Nothing Special   »   [go: up one dir, main page]

JP2016530651A - ソーシャル・ネットワーキング・システムのユーザについての感情極性 - Google Patents

ソーシャル・ネットワーキング・システムのユーザについての感情極性 Download PDF

Info

Publication number
JP2016530651A
JP2016530651A JP2016540901A JP2016540901A JP2016530651A JP 2016530651 A JP2016530651 A JP 2016530651A JP 2016540901 A JP2016540901 A JP 2016540901A JP 2016540901 A JP2016540901 A JP 2016540901A JP 2016530651 A JP2016530651 A JP 2016530651A
Authority
JP
Japan
Prior art keywords
user
page
content
polarity
trust
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2016540901A
Other languages
English (en)
Other versions
JP6529503B2 (ja
Inventor
バルク アルパト、グベン
バルク アルパト、グベン
シャー、サイヤド
ラーマクリシュナ アヤール、スリカント
ラーマクリシュナ アヤール、スリカント
Original Assignee
フェイスブック，インク．
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by フェイスブック，インク． filed Critical フェイスブック，インク．
Publication of JP2016530651A publication Critical patent/JP2016530651A/ja
Application granted granted Critical
Publication of JP6529503B2 publication Critical patent/JP6529503B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

ソーシャル・ネットワーキング・システムは、ページのコンテンツに対するユーザの感情極性を推論する。ユーザの感情極性は、ユーザとページとの間の対話（例えば、「いいね」を表明すること、報告することなど）についての受信した情報に基づいて推論される。ページ上のテキストから抽出したトピックの分析に基づいてもよい。システムは、ページのコンテンツに対するユーザの肯定的または否定的な感情極性を推論し、その感情極性は、次いで、ページ・コンテンツに関係付けられたユーザによる任意の第２または後続の対話に関連付けられ得る。システムは、ページのコンテンツまたはトピックに対する強い感情極性を有するトラスト・ユーザのセットを識別することができ、トラスト・ユーザ・データを、機械学習モデルのためのトレーニング・データとして使用することができ、機械学習モデルは、新しいデータが受信されるにつれ、ユーザの感情極性をより正確に推論するために使用され得る。

Description

本発明は、一般にソーシャル・ネットワーキングに関し、詳細には、ソーシャル・ネットワーキング・システムのユーザについての感情極性を推論することに関する。
ソーシャル・ネットワーキング・システムは、一般に、ユーザが自分たちのソーシャル・ネットワーク内で対話することを可能にする機構を提供する。ソーシャル・ネットワーキング・システム・ユーザは、個人、または、企業もしくは他の人間以外のエンティティなど、任意の他のエンティティであり得る。ソーシャル・ネットワーキング・システムによって追跡および維持されるソーシャル・ネットワーキング・システム情報は、複数のエッジによって相互につなげられる複数のノードを含む、ソーシャル・グラフとして記憶され得る。ソーシャル・グラフ・ノードは、別のノードに作用することができ、および／または別のノードによって作用され得る、ソーシャル・ネットワーキング・システム・オブジェクトを表し得る。ソーシャル・ネットワーキング・システム・オブジェクトは、例えば、ソーシャル・ネットワーキング・システム・ユーザ、人間以外のエンティティ、コンテンツ・アイテム、グループ、ソーシャル・ネットワーキング・システム・ページ、イベント、メッセージ、主題（人、場所、物事、抽象的なアイデアもしくはコンセプトなど）、または、映画、バンド、もしくは本など、他のソーシャル・ネットワーキング・システム・オブジェクトであり得る。
ソーシャル・グラフ内のノード間のエッジは、他のノード上でノードのうちの１つによって実施されたアクションから得られることがある、ノード間の特定の種類のつながりを表す。ソーシャル・ネットワーキング・システム・ユーザによるそのようなアクションの例は、ユーザ・プロフィールにおいてソーシャル・ネットワーキング・システム・オブジェクトをリストすること、ソーシャル・ネットワーキング・システム・グループもしくはファン・ページにサブスクライブもしくは加入すること、メッセージを別のソーシャル・ネットワーキング・システム・ユーザへ送ること、ソーシャル・ネットワーキング・システム・ノードに関連付けられた購買を行うこと、コンテンツ・アイテムに関してコメントすること、または、イベントへの出欠の返事をすることを含む。
ソーシャル・ネットワーキング・システム・ユーザが、例えば、ページ・コンテンツに関してコメントすること、ページに投稿すること、ページに対して「いいね」を表明すること、または他の対話によって、ソーシャル・ネットワーキング・システムにおけるページと対話するとき、コンテンツに対するユーザの感情（例えば、肯定的または否定的）が既知である場合、有益な情報が対話から決定され得る。例えば、ページ所有者は、ページ・コンテンツへのユーザの反応をよりよく理解することを希望することがあり、広告主は、特定のページまたはトピックに対するユーザの感情に関心があり得る。したがって、ページまたはトピックに対するソーシャル・ネットワーキング・システムのユーザの感情を、ページまたはトピックとのユーザの対話に基づいて決定するための、信頼性が高い方法が必要である。
本発明の実施形態は、ソーシャル・ネットワーキング・システムにおけるページまたはトピックに対する、ソーシャル・ネットワーキング・システムのユーザの感情極性を、そのページまたはトピックとのユーザの対話に基づいて推論する能力を提供する。一実施形
態では、ソーシャル・ネットワーキング・システムにおけるページのコンテンツが識別される。例として、ページのコンテンツは、テキスト、ピクチャ、動画クリップ、音声クリップなどを含み得る。ページ上のテキスト・コンテンツを識別することに応答して、トピックが、ページのテキスト・コンテンツから抽出され得る。例として、トピックは、単一のページを超える範囲のコンテンツをカバーし得る、フットボール、ニュースにおける最近のイベント、特定の食品、または任意の他の好適なトピックであり得る。ソーシャル・ネットワーキング・システムのユーザとページまたはトピックとの間の対話についての情報が、受信される。例えば、対話は、ユーザがページに対して「いいね」を表明すること、ページを削除（クロスアウト）すること、ページを共有すること、ページを隠すこと、ページを報告すること、ページに関してコメントすることなどを示すことがある。システムは、次いで、対話についての受信された情報に基づいて、ユーザの感情極性を推論し、例えば、「いいね」の場合、コンテンツに対するユーザの肯定的な感情である。システムはまた、次いで、推論された感情極性を、ページのコンテンツまたはトピックに関係付けられるユーザからの任意の第２または後続の対話に関連付ける。例えば、ユーザは、以前に「いいね」を表明したページに関してコメントを行い、したがって、システムは、推論された感情極性（「いいね」に関連付けられた肯定的な感情極性）をそのコメントにも関連付ける。
ソーシャル・ネットワーキング・システムは、機械学習モジュールとともに、感情エンジンを使用して、ユーザの感情極性を推論することができる。一実施形態では、システムは、ページのコンテンツに関連付けられた信頼されるユーザであるトラスト・ユーザのセットを識別する。トラスト・ユーザは、ページのコンテンツに対する強い感情極性（否定的または肯定的）を持つユーザである。システムは、各トラスト・ユーザに関連付けられたデータ・セットを決定する。データ・セットは、トラスト・ユーザの既知の感情極性となる、ページ上のトラスト・ユーザによる対話についての情報を含む。トラスト・ユーザから集められたデータ・セットは、次いで、例えば、機械学習アルゴリズムを介して、機械学習モデルをトレーニングするために、トレーニング・セットとして使用される。結果として得られた予測モデルは、次いで、ソーシャル・ネットワーキング・システムのユーザが新しい対話入力を提供するとき、ページ・コンテンツに対するユーザの感情極性を推論するために、感情エンジンによって使用され得る。
一実施形態による、ソーシャル・ネットワーキング・システムが動作するシステム環境のブロック図。 一実施形態による、ページのコンテンツに対するユーザの感情極性を推論するために好適なソーシャル・ネットワーキング・システムのブロック図。 一実施形態による、ページのコンテンツに対するユーザの感情極性を推論し、感情極性を、コンテンツに関係付けられたユーザからの第２の対話に関連付けるためのプロセスを示すフローチャート。 一実施形態による、ページのコンテンツに関連付けられたトラスト・ユーザを識別するためのプロセスを示すフローチャート。 一実施形態による、機械学習モデルをトレーニングし、トレーニングされた機械学習モデルを使用して、ユーザの感情極性を推論するためのプロセスを示すフローチャート。 一実施形態による、トラスト・ユーザのセットからのトレーニング・セットを使用する機械学習モデルのトレーニング、および、トレーニングされた機械学習モデルを使用して、ユーザの感情極性を推論することを示すブロック図。 一実施形態による、小売業者ページに対するユーザの感情極性のある分析を示す図。 一実施形態による、小売業者ページに対するユーザの感情極性のある分析を示す図。 一実施形態による、小売業者ページに対するユーザの感情極性のある分析を示す図。
図は、単に例示のために、本発明の様々な実施形態を示す。本願明細書で示される構造および方法の代替実施形態が、本願明細書で説明される本発明の原理から逸脱することなく採用され得ることは、以下の説明から当業者であれば容易に認識されるであろう。実際的な場合はいつでも、同様または類似の参照番号が図において使用されることがあり、同様または類似の機能を示すことがあることに留意されたい。
本発明の実施形態は、ルール・ベースまたはモデル・ベースの手法を使用して、ページまたはトピックに対するソーシャル・ネットワーキング・システムのユーザの感情極性を、そのページまたはトピックとのユーザの対話に基づいて推論する能力を提供する。図３は、感情極性を推論するための方法のフローチャートであり、図１および図２は、その方法を実施可能なシステムの図である。図４は、何人かのユーザを「トラスト・ユーザ」として選択するプロセスを示し、それらのユーザのデータは、図５および図６とともに説明されるように、機械学習モデルのためのトレーニング・データとして使用され得る。図７は、ページ・コンテンツへのユーザの反応を理解するため、および、ページとの将来のユーザ対話を予測するために使用され得る様々な分析を示す、感情極性データについての使用事例を提供する。
システム・アーキテクチャ
図１は、ソーシャル・ネットワーキング・システム１４０のためのシステム環境１００のハイ・レベル・ブロック図である。図１によって示されるシステム環境１００は、１つまたは複数のクライアント・デバイス１１０と、ネットワーク１２０と、１つまたは複数のサード・パーティ・システム１３０と、ソーシャル・ネットワーキング・システム１４０とを備える。代替構成では、異なるおよび／または追加の構成要素がシステム環境１００に含まれ得る。本願明細書で説明される実施形態は、ソーシャル・ネットワーキング・システムではないオンライン・システムに適合され得る。
クライアント・デバイス１１０は、ユーザ入力を受信すること、ならびに、ネットワーク１２０を介してデータを送信および／または受信することが可能な、１つまたは複数のコンピューティング・デバイスである。一実施形態では、クライアント・デバイス１１０は、デスクトップまたはラップトップ・コンピュータなど、従来のコンピュータ・システムである。代替的に、クライアント・デバイス１１０は、携帯情報端末（ＰＤＡ）、モバイル電話、スマートフォンまたは別の好適なデバイスなど、コンピュータ機能を有するデバイスであり得る。クライアント・デバイス１１０は、ネットワーク１２０を介して通信するように構成される。一実施形態では、クライアント・デバイス１１０は、クライアント・デバイス１１０のユーザがソーシャル・ネットワーキング・システム１４０と対話することを可能にするアプリケーションを実行する。例えば、クライアント・デバイス１１０は、ネットワーク１２０を介するクライアント・デバイス１１０とソーシャル・ネットワーキング・システム１４０との間の対話を可能にするために、ブラウザ・アプリケーションを実行する。別の実施形態では、クライアント・デバイス１１０は、ＩＯＳ（登録商標）またはＡＮＤＲＯＩＤ（登録商標）など、クライアント・デバイス１１０のネイティブ・オペレーティング・システム上で動くアプリケーション・プログラミング・インターフェース（ＡＰＩ）を通じて、ソーシャル・ネットワーキング・システム１４０と対話する。
クライアント・デバイス１１０は、ネットワーク１２０を介して通信するように構成さ
れており、ネットワーク１２０は、有線通信システムおよび／または無線通信システムの両方を使用して、ローカル・エリア・ネットワークおよび／またはワイド・エリア・ネットワークの任意の組合せを備え得る。一実施形態では、ネットワーク１２０は、標準的な通信技術および／またはプロトコルを使用する。例えば、ネットワーク１２０は、イーサネット（登録商標）、８０２．１１、ワールドワイド・インターオペラビリティ・フォー・マイクロウェーブ・アクセス（ＷｉＭＡＸ）、３Ｇ、４Ｇ、符号分割多元接続（ＣＤＭＡ）、デジタル加入者回線（ＤＳＬ）などの技術を使用する通信リンクを含む。ネットワーク１２０を介して通信するために使用されるネットワーキング・プロトコルの例は、マルチプロトコル・ラベル・スイッチング（ＭＰＬＳ）、伝送制御プロトコル／インターネット・プロトコル（ＴＣＰ／ＩＰ）、ハイパーテキスト・トランスポート・プロトコル（ＨＴＴＰ）、簡易メール転送プロトコル（ＳＭＴＰ）、およびファイル転送プロトコル（ＦＴＰ）を含む。ネットワーク１２０上で交換されるデータは、ハイパーテキスト・マークアップ言語（ＨＴＭＬ）または拡張マークアップ言語（ＸＭＬ）など、任意の好適なフォーマットを使用して表され得る。いくつかの実施形態では、ネットワーク１２０の通信リンクの全部または一部は、任意の好適な１つまたは複数の技法を使用して暗号化され得る。
１つまたは複数のサード・パーティ・システム１３０が、ソーシャル・ネットワーキング・システム１４０と通信するためにネットワーク１２０に結合されてよく、これについては、図２とともに以下でさらに説明される。一実施形態では、サード・パーティ・システム１３０は、クライアント・デバイス１１０による実行用のアプリケーションについて記述する情報を通信するか、または、クライアント・デバイス上で実行するアプリケーションによる使用のために、クライアント・デバイス１１０にデータを通信する、アプリケーション・プロバイダである。他の実施形態では、サード・パーティ・システム１３０は、クライアント・デバイス１１０を介した提示のために、コンテンツまたは他の情報を提供する。サード・パーティ・ウェブサイト１３０はまた、サード・パーティ・ウェブサイト１３０によって提供されるアプリケーションについての広告、コンテンツ、または情報など、ソーシャル・ネットワーキング・システム１４０に情報を通信してもよい。
図２は、ソーシャル・ネットワーキング・システム１４０のアーキテクチャの例示的なブロック図である。図２に示されるソーシャル・ネットワーキング・システム１４０は、ユーザ・プロフィール・ストア２０５と、コンテンツ・ストア２１０と、コンテンツ・マネージャ２１２と、アクション・ロガー２１５と、アクション・ログ２２０と、エッジ・ストア２２５と、ニュースフィード・マネージャ２３０と、トピック抽出エンジン２４０と、感情エンジン２４５と、感情ストア２５０と、機械学習モジュール２５２と、ルール・ストア２５４と、トラスト・ユーザ・マネージャ２６０と、トラスト・ユーザ・ストア２６５と、トレーニング・データ・ストア２７０と、ウェブ・サーバ２８０とを含む。他の実施形態では、ソーシャル・ネットワーキング・システム１４０は、様々なアプリケーションのための追加の構成要素、より少ない構成要素、または異なる構成要素を含み得る。ネットワーク・インターフェース、セキュリティ機能、ロード・バランサ、フェイルオーバ・サーバ、管理およびネットワーク操作コンソールなど、従来の構成要素は、システム・アーキテクチャの詳細を不明瞭にしないようにするために、示されていない。
ソーシャル・ネットワーキング・システム１４０の各ユーザは、ユーザ・プロフィールに関連付けられ、ユーザ・プロフィールは、ユーザ・プロフィール・ストア２０５に記憶される。ユーザ・プロフィールは、そのユーザによって明示的に共有された、そのユーザについての宣言的情報を含み、また、ソーシャル・ネットワーキング・システム１４０によって推論されるプロフィール情報を含み得る。一実施形態では、ユーザ・プロフィールは、複数のデータ・フィールドを含み、各々は、ソーシャル・ネットワーキング・システム１４０の対応するユーザの１つまたは複数の属性について記述する。ユーザ・プロフィ
ールに記憶されている情報の例は、職歴、学歴、性別、趣味または好み、ロケーションなど、伝記的、人口統計学的、および他のタイプの記述的情報を含む。ユーザ・プロフィールはまた、ユーザによって提供される他の情報、例えば、画像または動画を記憶してもよい。いくつかの実施形態では、ユーザの画像は、画像に表示されるソーシャル・ネットワーキング・システム１４０のユーザの識別情報を用いてタグ付けされ得る。ユーザ・プロフィール・ストア２０５におけるユーザ・プロフィールはまた、コンテンツ・ストア２１０中のコンテンツ・アイテム上で実施され、アクション・ログ２２０に記憶される、対応するユーザによるアクションへの参照を維持してもよい。
ユーザ・プロフィール・ストア２０５におけるユーザ・プロフィールは、個人に関連付けられることが多く、個人がソーシャル・ネットワーキング・システム１４０を介して互いと対話することが可能になるが、ユーザ・プロフィールはまた、企業または組織などのエンティティのために記憶されてもよい。これによって、エンティティが他のソーシャル・ネットワーキング・システム・ユーザとつながり、コンテンツを交換するために、ソーシャル・ネットワーキング・システム１４０上にプレゼンスを確立することが可能となる。エンティティは、それ自体についての情報、その製品についての情報を投稿してよく、または、エンティティのユーザ・プロフィールに関連付けられたブランド・ページを使用して、ソーシャル・ネットワーキング・システムのユーザに他の情報を提供してよい。ソーシャル・ネットワーキング・システムの他のユーザは、ブランド・ページに投稿された情報を受信するために、またはブランド・ページから情報を受信するために、ブランド・ページにつながることができる。ブランド・ページに関連付けられたユーザ・プロフィールは、エンティティ自体についての情報を含み、エンティティについての背景または情報のデータをユーザに提供してよい。
コンテンツ・ストア２１０は、様々なタイプのコンテンツをそれぞれ表すオブジェクトを記憶する。オブジェクトによって表されるコンテンツの例は、ページ投稿、ステータス・アップデート、写真、動画、リンク、共有されるコンテンツ・アイテム、ゲーム・アプリケーションの成績、地域企業のチェックイン・イベント、ブランド・ページ、または任意の他のタイプのコンテンツを含む。ソーシャル・ネットワーキング・システム・ユーザは、ステータス・アップデート、ソーシャル・ネットワーキング・システムにおける他のオブジェクトに関連付けられるようにユーザによってタグ付けされた写真、イベント、グループまたはアプリケーションなど、コンテンツ・ストア２１０によって記憶されるオブジェクトを作成することができる。いくつかの実施形態では、オブジェクトは、ソーシャル・ネットワーキング・システム１４０とは別個のサード・パーティ・アプリケーションから受信される。一実施形態では、コンテンツ・ストア２１０内のオブジェクトは、コンテンツの１つ１つのピース、またはコンテンツ「アイテム」を表す。したがって、ソーシャル・ネットワーキング・システム１４０のユーザは、様々な通信チャネルを通じて、様々なタイプの媒体のテキストおよびコンテンツ・アイテムを投稿することによって、互いと通信するように奨励される。これによって、ユーザ同士の対話の量を増加させ、ユーザがソーシャル・ネットワーキング・システム１４０内で対話する頻度を増加させる。
コンテンツ・マネージャ２１２は、コンテンツ・ストア２１０に記憶された各オブジェクトによって表されたコンテンツを識別する。識別されたコンテンツは、ソーシャル・ネットワーキング・システムにおけるユーザおよび／または他のモジュールによって後に使用され得る。例えば、コンテンツ・マネージャ２１２は、ソーシャル・ネットワーキング・システム内またはその外部のいずれかのページのテキスト・コンテンツを識別する。識別されたテキスト・コンテンツは、テキスト・コンテンツからトピックを抽出するトピック抽出エンジンに渡される。加えて、ユーザは、他のユーザとページのテキスト・コンテンツを共有することができ、感情エンジンが、ページのテキスト・コンテンツに対するユーザの感情を決定するに際し、呼び出される。他のタイプのコンテンツ−例えば、ステー
タス・アップデート、写真、動画など−もまた、コンテンツ・マネージャ２１２によって識別され得る。
アクション・ロガー２１５は、ソーシャル・ネットワーキング・システム１４０の内部および／または外部のユーザ・アクションについての通信を受信し、ユーザ・アクションについての情報を用いて、アクション・ログ２２０を埋める。アクションの例は、とりわけ、別のユーザへのつながりを追加すること、別のユーザへメッセージを送ること、画像をアップロードすること、別のユーザからのメッセージを読むこと、別のユーザに関連付けられたコンテンツを閲覧すること、別のユーザによって投稿されたイベントに出席することを含む。加えて、いくつかのアクションは、オブジェクトと１つまたは複数の特定のユーザとを伴うことがあり、そのため、これらのアクションは、それらのユーザにも関連付けられ、アクション・ログ２２０に記憶される。
アクション・ログ２２０は、ソーシャル・ネットワーキング・システム１４０におけるユーザ・アクション、ならびに、ソーシャル・ネットワーキング・システム１４０に情報を通信するサード・パーティ・システム１３０におけるアクションを追跡するために、ソーシャル・ネットワーキング・システム１４０によって使用され得る。ユーザは、ソーシャル・ネットワーキング・システム１４０上の様々なオブジェクトと対話することがあり、これらの対話について記述する情報は、アクション・ログ２２０に記憶される。オブジェクトとの対話の例は、投稿に関してコメントすること、リンクを共有すること、およびモバイル・デバイスを介して物理的なロケーションにチェック・インすること、コンテンツ・アイテムにアクセスすること、および任意の他の対話を含む。アクション・ログ２２０に含まれる、ソーシャル・ネットワーキング・システム１４０上のオブジェクトとの対話の追加の例は、写真アルバムに関してコメントすること、ユーザと通信すること、オブジェクトとのつながりを確立すること、カレンダーのイベントに参加すること、グループに加入すること、イベントを作成すること、アプリケーションを許可すること、アプリケーションを使用すること、オブジェクトについての好みを表現すること（オブジェクトに対して「いいね」を表明すること）、および取引に関わることを含む。加えて、アクション・ログ２２０は、ソーシャル・ネットワーキング・システム１４０上の広告との、ならびにソーシャル・ネットワーキング・システム１４０上で動作する他のアプリケーションとの、ユーザの対話を記録することができる。いくつかの実施形態では、アクション・ログ２２０からのデータは、ユーザの関心または好みを推論し、ユーザのユーザ・プロフィールに含まれる関心を拡張し、ユーザの好みのより完全な理解を可能にするために使用される。一実施形態では、アクション・ログ２２０からのデータは、ページのコンテンツに対するユーザの感情極性（例えば、肯定的または否定的）を推論するために使用される。
アクション・ログ２２０はまた、外部のウェブサイトなど、サード・パーティ・システム１３０上で取られ、ソーシャル・ネットワーキング・システム１４０に通信されるユーザ・アクションを記憶することもできる。例えば、特売価格でスポーツ用品を主として販売する電子商取引ウェブサイトは、電子商取引ウェブサイトがソーシャル・ネットワーキング・システム１４０のユーザを識別することを可能にするソーシャル・プラグインを通じて、ソーシャル・ネットワーキング・システム１４０のユーザを認識することができる。ソーシャル・ネットワーキング・システム１４０のユーザが一意に識別可能であるので、このスポーツ用品小売業者などの電子商取引ウェブサイトは、ユーザとの関連付けのために、ソーシャル・ネットワーキング・システム１４０の外部のユーザのアクションについての情報を、ソーシャル・ネットワーキング・システム１４０に通信することができる。したがって、アクション・ログ２２０は、ウェブ・ページ閲覧履歴、関った広告、行われた購買、ならびに、ショッピングおよび購入からの他のパターンを含む、ユーザがサード・パーティ・システム１３０上で実施するアクションについての情報を記録することができる。
一実施形態では、エッジ・ストア２２５は、ソーシャル・ネットワーキング・システム１４０上のユーザと他のオブジェクトとの間のつながりをエッジとして記述する情報を記憶する。いくつかのエッジはユーザによって定義され、ユーザが自分と他のユーザとの関係を指定することが可能になり得る。例えば、ユーザは、友達、同僚、パートナなど、ユーザの現実の関係に似ている他のユーザとのエッジを生成することができる。他のエッジは、ソーシャル・ネットワーキング・システム上のページへの関心を表現する、ソーシャル・ネットワーキング・システムの他のユーザとリンクを共有する、および、ソーシャル・ネットワーキング・システムの他のユーザによって行われた投稿に関してコメントするなど、ユーザがソーシャル・ネットワーキング・システム１４０におけるオブジェクトと対話するとき、生成される。
一実施形態では、エッジは、ユーザ間の対話、ユーザとオブジェクトとの間の対話、またはオブジェクト間の対話の特性をそれぞれ表す様々な特徴を含み得る。例えば、エッジに含まれる特徴は、２人のユーザ間の対話の頻度、どのくらい最近、２人のユーザが互いに対話したか、オブジェクトについてあるユーザによって検索された情報の頻度もしくは量、または、オブジェクトについてユーザによって投稿されたコメントの数およびタイプについて記述する。特徴はまた、特定のオブジェクトまたはユーザについて記述する情報を表してもよい。例えば、特徴は、ユーザが特定のトピックにおいて有する関心のレベル、ユーザがソーシャル・ネットワーキング・システム１４０にログインする頻度、またはユーザについての人口統計学的情報について記述する情報を表してよい。各特徴は、ソース・オブジェクトまたはユーザ、ターゲット・オブジェクトまたはユーザ、および特徴値に関連付けられ得る。特徴は、ソース・オブジェクトもしくはソース・ユーザ、ターゲット・オブジェクトもしくはターゲット・ユーザ、または、ソース・オブジェクトもしくはソース・ユーザとターゲット・オブジェクトもしくはターゲット・ユーザとの間の対話について記述する値に基づく表現として指定されてよく、したがって、エッジは、１つまたは複数の特徴表現として表され得る。
エッジ・ストア２２５はまた、オブジェクト、関心、および他のユーザに対する親和性スコアなど、エッジについての情報を記憶する。親和性スコア、または「親和性」は、ユーザによって実施されたアクションに基づいて、オブジェクト、関心、およびソーシャル・ネットワーキング・システム１４０中の他のユーザに対するユーザの親和性を近似するために、経時的にソーシャル・ネットワーキング・システム１４０によって計算され得る。ユーザの親和性は、ユーザによって実施されたアクションに基づいて、オブジェクト、関心、およびソーシャル・ネットワーキング・システム１４０中の他のユーザに対するユーザの親和性を近似するために、経時的にソーシャル・ネットワーキング・システム１４０によって計算され得る。親和性の計算については、２０１０年１２月２３日に出願された米国特許出願第１２／９７８，２６５号明細書、２０１２年１１月３０日に出願された米国特許出願第１３／６９０，２５４号明細書、２０１２年１１月３０日に出願された米国特許出願第１３／６８９，９６９号明細書、および２０１２年１１月３０日に出願された米国特許出願第１３／６９０，０８８号明細書にさらに記述されており、それらの各々は全体として本願明細書に援用される。ユーザと特定のオブジェクトとの間の複数の対話は、一実施形態では、エッジ・ストア２２５に単一のエッジとして記憶され得る。代替的に、ユーザと特定のオブジェクトとの間の各対話は、別個のエッジとして記憶される。いくつかの実施形態では、ユーザ間のつながりは、ユーザ・プロフィール・ストア２０５に記憶されてよく、または、ユーザ・プロフィール・ストア２０５は、ユーザ間のつながりを決定するためにエッジ・ストア２２５にアクセスしてよい。
一実施形態では、ソーシャル・ネットワーキング・システム１４０は、ユーザに提示された「ニュースフィード」を通じて、ユーザの関心を引く可能性が高いストーリを識別す
る。ユーザに提示されるストーリは、そのユーザにつながっている追加のユーザによって取られたアクションについて記述し、その追加のユーザを識別する。いくつかの実施形態では、ユーザによって実施されたアクションについて記述するストーリは、アクションを実施したユーザにつながっていないユーザにとってアクセス可能であり得る。ニュースフィード・マネージャ２３０は、アクション・ログ２２０内、およびエッジ・ストア２２５内の情報に基づいて、ユーザへの提示のためのストーリを生成してよく、または、コンテンツ・ストア２１０に含まれた候補ストーリを選択してよい。候補ストーリのうちの１つまたは複数が、ニュースフィード・マネージャ２３０によって選択され、ユーザに提示される。
例えば、ニュースフィード・マネージャ２３０は、１つまたは複数のストーリをソーシャル・ネットワーキング・システム・ユーザに提示するための要求を受信する。ニュースフィード・マネージャ２３０は、ユーザ・プロフィール・ストア１０５、コンテンツ・ストア１１０、アクション・ログ１２０、およびエッジ・ストア１３０のうちの１つまたは複数にアクセスして、識別されたユーザについての情報を検索する。例えば、識別されたユーザにつながっているユーザに関連付けられたストーリまたは他のデータが検索される。検索されたストーリまたは他のデータは、ニュースフィード・マネージャ２３０によって分析されて、識別されたユーザに関連する可能性が高いコンテンツが識別される。例えば、識別されたユーザにつながっていないユーザに関連付けられたストーリ、または、識別されたユーザがしきい値未満の親和性を有する相手であるユーザに関連付けられたストーリは、候補ストーリから破棄される。様々な基準に基づいて、ニュースフィード・マネージャ２３０は、候補ストーリのうちの１つまたは複数を、識別されたユーザへの提示のために選択する。１つの手法では、選択された候補ストアは、識別されたユーザにつながっているユーザからのメッセージであって、企業、組織、または個人が強調するために代金を支払ったページ、アプリケーション、またはイベントにそれらのユーザが関っていることについてのメッセージである、スポンサー付きストーリである。
様々な実施形態では、ニュースフィード・マネージャ２３０は、ユーザへの提示のために選択された複数のストーリを含むニュースフィードを通じて、ストーリをユーザに提示する。ニュースフィードは、限定数のストーリを含むことがあり、または、候補ストーリの完全なセットを含むことがある。ニュースフィードに含まれるストーリの数は、部分的に、ユーザ・プロフィール・ストア２０５に含まれるユーザの好みによって決定され得る。ニュースフィード・マネージャ２３０はまた、選択されたストーリがニュースフィードを介して提示される順序を決定してもよい。例えば、ニュースフィード・マネージャ２３０は、あるユーザが特定のユーザに対して最高の親和性を有すると決定し、特定のユーザに関連付けられたニュースフィードにおけるストーリの数を増加させるか、または、特定のユーザに関連付けられたストーリが提示されるニュースフィード内における位置を修正する。
ニュースフィード・マネージャ２３０はまた、ストーリのタイプについての好みを示す、ユーザによるアクションを考慮してもよく、ニュースフィードに含めるために同じまたは同様のタイプを有するストーリを選択する。加えて、ニュースフィード・マネージャ２３０は、様々なユーザからソーシャル・ネットワーキング・システム１４０によって受信されたストーリを分析してよく、分析されたストーリから、ユーザの好みまたはアクションについての情報を取得する。この情報は、様々なユーザに提示されるニュースフィードのためのストーリの後続の選択を改善するために使用され得る。例えば、ニュースフィード・マネージャ２３０は、この情報を使用して、ニュースフィードに含めるためのスポンサー付きストーリの選択を改善することができる。
ソーシャル・ネットワーキング・システム１４０は、コンテンツ・ストア２１０内のオ
ブジェクトに関連付けられた１つまたは複数のトピックを識別する、トピック抽出エンジン２４０を含む。コンテンツ・アイテムに関連付けられたトピックを識別するために、トピック抽出エンジン２４０は、全体として本願明細書に援用される、２０１１年６月２４日に出願された「ソーシャル・ネットワーキング・システム通信からのトピックの推論（Ｉｎｆｅｒｒｉｎｇ Ｔｏｐｉｃｓ Ｆｒｏｍ Ｓｏｃｉａｌ Ｎｅｔｗｏｒｋｉｎｇ Ｓｙｓｔｅｍ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）」という名称の米国特許出願第１３／１６７，７０１号明細書においてさらに記述されているように、コンテンツ・アイテムに含まれるアンカー用語を識別し、アンカー用語の意味を決定する。例えば、トピック抽出エンジン２４０は、コンテンツ・ストア２１０内において維持されているコンテンツ・アイテムに関連付けられた１つまたは複数のトピックを決定する。コンテンツ・アイテムに関連付けられた１つまたは複数のトピックは、記憶され、コンテンツ・アイテムに対応するオブジェクト識別子に関連付けられる。様々な実施形態では、オブジェクト識別子とトピックとの間の関連付けが、トピック抽出エンジン２４０に、またはコンテンツ・ストア２１０に記憶されて、オブジェクト識別子に関連付けられた１つもしくは複数のトピックの検索、または、指定されたトピックに関連付けられたオブジェクト識別子の検索が簡略化される。コンテンツ・アイテムに関連付けられた構造化情報はまた、コンテンツ・アイテムに関連付けられたトピックを抽出するためにも使用され得る。
ソーシャル・ネットワーキング・システム１４０は、トピックまたはページ・コンテンツに対するユーザの感情および／または感情極性を決定する、感情エンジン２４５を含む。一実施形態では、感情エンジン２４５は、ソーシャル・ネットワーキング・システムのトピックまたはページ・コンテンツに対するユーザの感情極性を推論するために使用される。推論された感情極性は、ユーザのアクションがトピックまたはページ・コンテンツに対する肯定的な感情を明示するか、否定的な感情を明示するかのみではなく、コンテンツのトピックに対する否定的または肯定的な感情の程度をも含む。例えば、ユーザ・アクションは、ページ、別のユーザからのコメント、スポンサー付きストーリ、映画、イベントなど、ソーシャル・ネットワーキング・システムにおけるオブジェクトに関係付けられ得る。ユーザ・アクションは、オブジェクトに対する肯定的または否定的な感情を示すことがある。例えば、ユーザは、ページに対して「いいね」を表明することがあり、そのことは、肯定的な感情を示すアクションであり、システムは、そのアクションに対して肯定的な感情極性を推論することになる。感情エンジン２４５は、例えば、アクション・ログ２２０および／またはエッジ・ストア２２５に記憶されているような、ユーザによるこれらのアクションについての情報を収集し、収集された情報を使用して、オブジェクトに対するユーザの感情極性を推論する。
別の実施形態では、感情エンジン２４５は、トピック抽出エンジン２４０とともに動作して、ページのテキスト・コンテンツの抽出されたトピックに対するユーザの感情極性を推論する。感情エンジン２４５はまた、例えば、語彙ベースの分析または細目ベースの感情分類器（Ｍｉｎｕｔｉａｅ−ｂａｓｅｄ ｓｅｎｔｉｍｅｎｔ ｃｌａｓｓｉｆｉｅｒ）を使用して、テキスト・コンテンツに対するユーザの感情（例えば、肯定的または否定的）を決定する。例えば、ユーザがページについての否定的なコメントを投稿した場合、コメントのテキストが分析されて、コメントが否定的であったと決定されることがあり、その場合、アクションは否定的な感情を示すことになり、システムは否定的な感情極性を推論することになる。代替的に、バッグ・オブ・ワーズ（ｂａｇ−ｏｆ−ｗｏｒｄｓ）感情分析が、コメントの感情を決定するために使用され得る。様々な実施形態では、感情エンジン２４５は、予測モデル、ルールおよび／もしくはヒューリスティックのセット、または両方とともに動作して、極性の程度を決定する。例えば、ルールは、「いいね」が高い肯定的な極性、例えば、０から＋１のスケールにおける＋０．９を有し、すべての「いいね」アクションが＋０．９の感情極性を割り当てられるように規定してよい。ルール・ストア２５４の使用については、以下で説明され、例示的な予測モデル、例えば、６６５
については、図６とともに以下で説明される。他の実施形態では、極性の程度を決定する任意の他の方法もまた使用されてよく、本発明の範囲内である。
場合によっては、感情エンジン２４５は、ルール・ストア２５４とともに動作して、ページのコンテンツに対するユーザの感情極性を推論する。他の場合には、感情エンジン２４５は、例えば、予測モデル（例えば、６６５）が使用のために入手可能である場合、機械学習モジュール２５２とともに動作する。感情エンジン２４５は、いくつかのユーザ対話に対して、ルール・ベースの手法とモデル・ベースの手法とを組み合わせるハイブリッドな手法を使用してよい。例えば、感情エンジン２４５は、ルール・ストア２５４とともに動作して、ユーザとページとの間の第１の対話に基づいて、ユーザの第１の感情極性を推論し、機械学習モジュール２５２とともに動作して、ユーザとページとの間の５つの他の対話に基づいて、ユーザの第２の感情極性を推論する。感情エンジン２４５は、次いで、例えば、加重和を使用して、第１の感情極性と第２の感情極性とを組み合わせて、ユーザの最終的な感情極性を取得する。
感情ストア２５０は、感情エンジン２４５によって推論されたか、または他の手段（例えば、ユーザ入力）を通じて取得されたかのいずれかの、ユーザ感情および／または感情極性情報を記憶する。感情ストア２５０は、ソーシャル・ネットワーキング・システムにおけるユーザの推論された感情極性データを記憶する。例えば、ユーザは、各感情極性値がページ上のコンテンツおよび／またはあるトピックに対応する、複数の感情極性データに関連付けられる。場合によっては、感情エンジン２４５は、語彙ベースの分析を使用して、ユーザのコメント／投稿を分析して（例えば、ユーザのコメント／投稿中の肯定的および否定的な単語を数えることによって）、ユーザの感情極性を推論する。これらの感情極性データも、感情ストア２５０に記憶される。推論された感情極性に結び付けられない感情データも、感情ストア２５０に記憶される。１人または複数のユーザについての記憶された感情データが、感情エンジン２４５によって検索されて、ユーザの感情極性が推論される。
一実施形態では、機械学習モジュール２５２は、機械学習アルゴリズム（例えば、６５０）を介してトレーニングされる機械学習モデルを可能にし、結果として得られた予測モデル（例えば、６６５）を維持する。例えば、機械学習モジュール２５２は、トレーニング・データ・セットを使用して、モデルをトレーニングする。機械学習モジュール２５２からの出力は、トレーニングされたモデル（すなわち、予測モデル６６５）であり、感情エンジン２４５によって、ユーザの感情極性を推論するために使用され得る。これは、以下で説明されるルール・ベースの手法とは対照的に、モデル・ベースの手法と呼ばれる。モデル・ベースの手法については、図５および図６とともにより詳細に説明される。
ルール・ストア２５４は、感情エンジン２４５によってユーザの感情極性を推論するために使用され得る、予め定義されたルールを主として記憶する。例えば、あるルールは、「ユーザがページに対して「いいね」を表明する場合、ユーザの感情極性は、ページのコンテンツに対して９０％肯定的である」であってよい。別のルールは、「ユーザが、ページに対して「いいね」を表明する、しきい値数／割合よりも多い（例えば、５０％よりも多い）友達を有する場合、ユーザの感情極性は、ページのコンテンツに対して６０％肯定的である」であってよい。一実施形態では、それらのルールは、ルール・ストア２５４にルックアップ・テーブルまたは他の構造化情報フォーマットで記憶されて、容易な検索が促進される。ルール・ストア２５４は、いくつかの実施形態では他のルール、例えば、どのユーザがトラスト・ユーザとして指名され得るかを決定するためのルールを記憶する。
トラスト・ユーザ・マネージャ２６０は、トピックまたはページのコンテンツに関連付けられたトラスト・ユーザのセットを識別する。トラスト・ユーザは、コンテンツまたは
トピックに対する強い肯定的または否定的な感情極性を有するユーザである。一実施形態では、肯定的なトラスト・ユーザは、その感情極性がページのコンテンツに対してしきい値よりも大きい値（例えば、９０％を超えて肯定的）であるユーザであり、否定的なトラスト・ユーザは、その感情極性がページのコンテンツに対してしきい値よりも大きい値（例えば、８５％を超えて否定的）であるユーザである。肯定的なしきい値および否定的なしきい値は、トピックまたはページ・コンテンツについて同じであっても異なってもよく、上記で提供された例は単なる例である。トラスト・ユーザ・マネージャ２６０は、ページとのユーザの対話を介して、トラスト・ユーザを識別する。例えば、トラスト・ユーザ・マネージャ２６０は、アクション・ログ２２０に記憶されているようなユーザについての対話情報、および／または、感情ストア２５０に記憶されているようなユーザ感情情報にアクセスしてよい。一実施形態では、トラスト・ユーザ・マネージャ２６０は、ルール・ストア２５４にアクセスして、ユーザを信頼できるとして確立するためのルールを識別し、例えば、上記で説明されたようなしきい値を識別する。トラスト・ユーザ・マネージャ２６０は、トピックまたはページに対応するトラスト・ユーザごとにデータ・セットを作成し、データ・セットは、トラスト・ユーザの感情極性とともに、トピックまたはページとのトラスト・ユーザの対話を含む。これらのデータ・セットは、機械学習モジュール２５２によって、機械学習モデルをトレーニングするために使用され得る。一実施形態では、トラスト・ユーザ・マネージャ２６０は、トラスト・ユーザの対話を経時的に追跡し、トラスト・ユーザ・ストア２６５を、トピックまたはページに関連付けられたトラスト・ユーザのグループに対する変更とともにアップデートする。
トラスト・ユーザ・ストア２６５は、トラスト・ユーザ・マネージャ２６０によって、信頼されると識別されたユーザについての情報を記憶する。トラスト・ユーザ・ストア２６５は、ページのコンテンツ、トピック、肯定的／否定的な感情極性などに従って、トラスト・ユーザ情報を記憶してよい。例えば、ユーザは、あるページのコンテンツについて肯定的なトラスト・ユーザ（すなわち、想定された肯定的な感情極性を有するユーザ）であり得るが、異なるトピックについて否定的なトラスト・ユーザ（すなわち、想定された否定的な感情極性を有するユーザ）であり得る。
トレーニング・データ・ストア２７０は、トラスト・ユーザ・マネージャ２６０によって生成される、トラスト・ユーザに関連付けられたデータ・セットを記憶する。説明されたように、トラスト・ユーザについてのデータ・セットは、トピックまたはページのコンテンツに対するトラスト・ユーザの感情極性とともに、ページとのトラスト・ユーザの対話を含む。集められたデータ・セットは、機械学習モジュール２５２のためのトレーニング・セットを形成する。トレーニング・データ・ストア２７０は、様々なページ、コンテンツ・アイテム、トピックなどのための様々なトレーニング・セットを記憶する。
ウェブ・サーバ２８０は、ソーシャル・ネットワーキング・システム１４０を、ネットワーク１２０を介して１つまたは複数のクライアント・デバイス１１０に、ならびに１つまたは複数のサード・パーティ・システム１３０にリンクさせる。ウェブ・サーバ２８０は、ウェブ・ページ、ならびに、ＪＡＶＡ（登録商標）、ＦＬＡＳＨ（登録商標）、ＸＭＬなど、他のウェブ関係コンテンツを提供する。ウェブ・サーバ２８０は、例えば、インスタント・メッセージ、待ち行列型メッセージ（例えば、電子メール）、テキスト・メッセージ、ショート・メッセージ・サービス（ＳＭＳ）メッセージ、または任意の他の好適なメッセージング技法を使用して送られるメッセージなど、ソーシャル・ネットワーキング・システム１４０とクライアント・デバイス１１０との間のメッセージを受信およびルーティングすることができる。ユーザは、コンテンツ・ストア２１０に記憶される情報（例えば、画像または動画）をアップロードするために、ウェブ・サーバ２８０に要求を送ることができる。加えて、ウェブ・サーバ２８０は、ＩＯＳ（登録商標）、ＡＮＤＲＯＩＤ（登録商標）、ＷＥＢＯＳ（登録商標）、またはＲＩＭ（登録商標）など、ネイティブ
・クライアント・デバイス・オペレーティング・システムにデータを直接送るために、アプリケーション・プログラミング・インターフェース（ＡＰＩ）機能を提供してよい。
感情極性の推論
図３は、ページのコンテンツに対するユーザの感情極性を推論し、感情極性を、コンテンツに関係付けられたユーザからの第２の対話に関連付けるためのプロセスを示すフローチャートである。本願明細書で使用されるとき、ページは、ウェブ・ページ、アプリケーション・インターフェースもしくはディスプレイ、ウェブ・ページもしくはアプリケーション上に表示されたウィジェット、ボックスもしくは他のグラフィカル・インターフェース、別のページ（ソーシャル・ネットワーキング・システムの内部か外部かにかかわらず）上のオーバーレイ・ウィンドウ、または、ソーシャル・ネットワーキング・システム・プラグインもしくは統合力を有するソーシャル・ネットワーキング・システムの外部のウェブ・ページであり得る。
最初に、ページのコンテンツが、例えば、コンテンツ・マネージャ２１２によって識別される（３１０）。例えば、ページのコンテンツは、テキスト、動画、写真、地図、リンク、広告、スポンサー付きストーリなどを含み得る。上記のコンテンツのリストは非網羅的であり、コンテンツは、ページ上に存在する任意のコンテンツを含み得る。識別された（３１０）コンテンツは、ソーシャル・ネットワーキング・システムにおけるユーザおよび／または他のモジュールによって、後で使用され得る。例えば、コンテンツ・マネージャ２１２は、ページのテキスト・コンテンツを識別し、トピック抽出エンジン２４０は、例えば、語彙ベースの分析を使用して、テキスト・コンテンツからトピックを抽出するに際し呼び出される。
ソーシャル・ネットワーキング・システムは、次いで、ソーシャル・ネットワーキング・システムのユーザとページまたはトピックとの間の第１の対話についての情報を受信する（３２０）。対話は、典型的には、アクション・ロガー２１５によって受信される。場合によっては、対話は、アクション・ログ２２０またはエッジ・ストア２２５に記録され、後で検索され得る。例えば、対話は、ユーザがページに対して「いいね」を表明すること、ページのファンであること、ページを削除すること、ページに対する「いいね」を取り消すこと、ページを報告すること、ページを共有すること、ページを閲覧すること、ページを隠すこと、ページに関してコメントすることなどを含み得る。上記の対話のリストは非網羅的であり、本願明細書で説明される対話は、ユーザとページとの間の任意の対話であり得る。
ユーザの感情極性が、トピックまたはページのコンテンツに対して、例えば、感情エンジン２４５によって、受信された対話についての情報に基づいて推論され得る（３３０）。一実施形態では、最初にトピックが、例えば、トピック抽出エンジン２４０によって、テキスト・コンテンツから抽出される。テキスト・コンテンツに対するユーザの感情が、次いで、受信された対話に基づいて決定され、次いで、ユーザの感情極性が、テキスト・コンテンツに対するユーザの感情に対応するトピックに対して推論される（３３０）。
異なるタイプの対話は、ユーザの感情極性が推論される（３３０）方法に異なる影響を有することがある。上述されたように、アクションから感情極性を決定するための可能なモデルは、ルール・ベースのモデルおよび予測モデル・ベースのモデルを含む。例えば、（例えば、ルール・ストア２５４に記憶された）ルールは、「共有する」アクションが強く肯定的な感情極性を有する一方で、「いいね」アクションが比較的より弱い肯定的な感情極性を有することを示し得る。同様に、「削除する」アクションは、強く否定的な感情極性を有し得るが、「隠す」アクションは、弱く否定的な感情極性を有する。
推論された（３３０）感情極性は、特定のユーザに基づいて、ページのコンテンツ（または、抽出された、抽出されたトピック）について正または負の値を提供する。一実施形態では、感情極性は、−１から１までの範囲の数であり得る。ユーザの感情極性が１に近づくにつれて、ユーザは、トピックまたはページのコンテンツに対する最大限に肯定的な感情に近づく。ユーザの感情極性が−１に近づくにつれて、ユーザは、トピックまたはページのコンテンツに対する最大限に否定的な感情に近づく。０という感情極性は、トピックまたはページのコンテンツに対する中立の感情である（すなわち、肯定的でも否定的でもない）が、０値の感情は、ユーザがトピックまたはページとの対話を有していなかったのでない限り、実際に生じる可能性が低くなる。上記で説明されたように、いくつかの対話は、ルールに基づいて、または予測モデルに基づいて、他の対話よりも強い極性を有する。例えば、「いいね」は、０．７５という強い肯定的な感情極性を有することがあり、共有は、０．９というより強い肯定的な感情極性を有することがあり、「削除する」は、−０．９という極めて高い否定的な感情極性を有することがあり、「隠す」は、−０．６というわずかにより低い否定的な感情極性を有することがある、などである。一実施形態では、ユーザがページのファンである場合、ユーザは、＋１（すなわち、最大限に肯定的）という感情極性を有すると推論される。
また、特にテキストが事実に基づく（例えば、「今日のＳＵＶは、大抵、高速道路を走行する。」）場合、または、コンテンツがバランスのとれたものである（例えば、「この映画は、最後の１５分まではずっととても面白いが、ひどい結末である。」）場合、「中立」コメントおよび対話もあり得る。感情極性の他の等価表現は明らかであろう。
場合によっては、ユーザの感情極性は、既知の感情を有するソーシャル・ネットワーキング・システムにおける他のユーザのアクションへの、そのユーザによる応答を介して推論される（３３０）。例えば、第１のユーザは、ページに関して否定的なコメントを行う。第２のユーザは、第１のユーザによる否定的なコメントに対して「いいね」を表明し、ページのコンテンツに関係付けられた投稿を追加する。第３のユーザは、第２のユーザによる投稿を報告する。この例では、第１のユーザの感情極性は、否定的なコメントのコンテンツに基づいて、否定的であると推論されることになり（３３０）、第２のユーザの感情極性は、（否定的なコメントに対して「いいね」を表明したので）第１のユーザの感情極性と同じまたは同様であると推論されることになり（３３０）、第３のユーザの感情極性は、第２のユーザの（否定的な）投稿を報告したので、第２のユーザの感情極性とは反対の感情極性（すなわち、肯定的）であると推論されることになる（３３０）。
別の例では、ソーシャル・ネットワーキング・システムは、ユーザがソーシャル・ネットワーキング・システムにおいてつながりを確立している相手であるユーザ（すなわち、ユーザの友達）と、ページとの間の、別個の対話についての情報を受信する。例えば、ユーザの友達は、ページに対して「いいね」を表明しており、ページを報告しており、ページに関してコメントしている、などであり得る。ユーザの感情極性は、別個の対話についての情報に基づいて推論されてよく（３３０）、例えば、ユーザの友達のうちの数人がページに対して「いいね」を表明し、ユーザが自分の友達の見解を共有する可能性が高いので、感情エンジン２４５は、ユーザがページを直接訪れたことがない場合でも、ページに対するユーザのわずかに肯定的な感情極性を推論することができる。
一実施形態では、ユーザの感情極性は、ルール・ストア２５４とともに、感情エンジン２４５によって推論される（３３０）。ルール・ストア２５４は、感情エンジン２４５による使用のために、予め定義されたルールを記憶する。例えば、ユーザがページに対して「いいね」を表明する場合、ルール・ストア２５４からのルールは、ユーザがページのコンテンツに対して肯定的な感情極性（例えば、０．９）を有するという推論を示すことがある。感情エンジン２４５は、一実施形態によれば、ルール・ストア２５４からこれらの
ルールを検索し、それに応じて、それらのルールから推論を決定する。別の実施形態では、ユーザの感情極性は、機械学習モジュール２５２とともに、感情エンジン２４５によって推論される（３３０）。
再び図３を参照すると、ソーシャル・ネットワーキング・システムは、次いで、トピックまたはページ・コンテンツに関係付けられた、ユーザによる第２の対話を（例えば、アクション・ロガー２１５を介して）受信する（３４０）。工程３２０の第１の対話のように、対話は、アクション・ロガー２１５によって受信される。例えば、ユーザは、ページに関して別のコメントを行う、ページの一部のコンテンツを共有する、ページに関する別のユーザのコメントに対して「いいね」を表明する／コメントする、関係した別のページ、またはページの同じコンテンツに関してコメントする、トピックに関係付けられたウォール投稿を投稿することなどがある。場合によっては、第２の対話は、工程３２０の第１の対話の後に来る、予め決定された時間フレーム（例えば、１週間、２か月など）の直後、またはその時間フレーム内に起こる。他の場合には、第２の対話は、工程３２０の第１の対話より前に起こるが、ソーシャル・ネットワーキング・システムによって後で検索される。例として、ユーザは、ユーザがページに対して「いいね」を表明する前に、ページに関してコメントを行う。感情エンジンは、「いいね」が発生順で２番目に起こったとしても、工程３２０で、「いいね」を第１の対話として扱うことができ、工程３４０で、ユーザのコメントを第２の対話として扱うことができる。
ソーシャル・ネットワーキング・システムは、次いで、（例えば、感情エンジン２４５を介して）ユーザの推論された感情極性を第２の対話に関連付ける（３５０）。例えば、ユーザの第１の対話が、ページに対して「いいね」を表明することであり、ユーザの第２の対話が、ユーザによってページ上で投稿されたコメントである場合、コメントのテキストのコンテンツについて知識がない場合でも、「いいね」の感情極性（すなわち、肯定的）が、第２の対話にも関連付けられる（３５０）。別の実施形態では、語彙ベースの分析を使用して、ソーシャル・ネットワーキング・システムは、第２の対話（コメント）が弱く肯定的であると決定し、コメントについて０．１という感情極性を推論する（３３０）。ページに対して「いいね」を表明したことから、以前に推論された（３３０）、ページに対するユーザの感情極性（例えば、０．８）を使用して、ユーザからのコメントが、０．９という同じ肯定的な感情極性に関連付けられ（３５０）、語彙ベースの分析から決定された、弱い肯定的な感情極性が置き換えられる。このプロセスは、ソーシャル・ネットワーキング・システムによるユーザのコメントの理解を有効に深める。
場合によっては、第２の対話は、テキスト・コンテンツを有していない（例えば、「コメントなしで共有する」）。感情エンジン２４５は、以前の感情極性を第２の対話に関連付けることによって（３５０）、以前に推論された感情極性から、第２の対話の理解をさらに深めることができる。
ソーシャル・ネットワーキング・システムの何人かのユーザは、トピックまたはページに対する極めて高い（肯定的または否定的な）感情極性を有し、ソーシャル・ネットワーキング・システムによって「信頼される（トラスト）」ようになることがある。図４は、ページのコンテンツに関連付けられたトラスト・ユーザを識別するためのプロセスを示すフローチャートである。言い換えれば、図４は、トラスト・ユーザ・マネージャ２６０が、どのユーザが信頼されるかを、どのように決定するかを示す。最初の２つの工程は、図３の工程３２０および３３０と同様であり、すなわち、ソーシャル・ネットワーキング・システムは、ユーザとページとの間の１つまたは複数の対話を受信し（４１０）、（例えば、感情エンジン２４５を介して）受信された１つまたは複数の対話からユーザの感情極性を推論する（４２０）。ソーシャル・ネットワーキング・システムは、次いで、ユーザの感情極性の絶対値が、信頼されると考えられるために必要な最小しきい値を超えるかど
うかを決定する（４３０）。説明のために、しきい値は、肯定的な感情極性と否定的な感情極性の両方について同じ大きさであり得る。他の例では、肯定的な感情極性のためのしきい値は、否定的な感情極性のためのしきい値に等しくなくてよい。ユーザの感情極性の絶対値が、しきい値を超えると決定される場合（４３０）、ソーシャル・ネットワーキング・システムは、ユーザを、ページのコンテンツ（またはトピック）に関連付けられたトラスト・ユーザのセットに追加する（４４０）。他方では、ユーザの感情極性の絶対値がしきい値を超えないと決定される場合（４３０）、ユーザは、トラスト・ユーザのセットに追加されないことになる。トラスト・ユーザのセットは、トラスト・ユーザ・ストア２６５に記憶される。
トラスト・ユーザ・マネージャ２６０が、十分な数のトラスト・ユーザを識別しており、それらのユーザを、トラスト・ユーザ・ストア２６５に記憶すると、それらのトラスト・ユーザが、機械学習モデルをトレーニングするために使用され得る。図５は、機械学習モデルをトレーニングし、結果として得られた予測モデルを使用して、ユーザの感情極性を推論するためのプロセスを示すフローチャートである。最初に、ページのコンテンツ（またはトピック）に関連付けられたトラスト・ユーザのセットが、トラスト・ユーザ・マネージャ２６０によって識別される（５１０）。トラスト・ユーザは、上記の図４のように、または、機械学習モデルのためのトレーニング・データ・セットを提供することができる、トラスト・ユーザを作り出すための任意の他の方法によって決定され得る。一実施形態では、肯定的なトラスト・ユーザは、一定のしきい値（例えば、０．９）を上回る感情極性を有するユーザであり、否定的なトラスト・ユーザは、一定のしきい値（例えば、−０．９）を下回る感情極性を有するユーザである。コメントのセットは、各コメントの感情極性とともに、ソーシャル・ネットワーキング・システムの内部または外部のいずれかの機械学習エンジンである、「バッグ・オブ・ワーズ」感情分析器のためのトレーニング・セットとして働き得る。各トラスト・ユーザは、本質的に、自分自身のコメントに感情「ラベル」（すなわち、トラスト・ユーザの推論された感情極性）を与える、信頼される「ラベラ」として機能する。言語非依存のトレーニング・セットを使用してトレーニングされた「バッグ・オブ・ワーズ」感情分析器は、言語非依存の方法で動作することができる。
データ・セットが、次いで、例えば、トラスト・ユーザ・マネージャ２６０によって、トラスト・ユーザごとに決定され得る（５２０）。例えば、データ・セットは、トラスト・ユーザとページとの間の対話（既知の入力）を、トラスト・ユーザの感情極性（既知の出力）とともに含み得る。同様のデータ・セットが、トラスト・ユーザごとに決定される。決定されたデータ・セットは、トレーニング・データ・ストア２７０に記憶される。
集められたデータ・セットは、例えば、機械学習モジュール２５２によって編成されるような機械学習モデルを、トレーニングする（５３０）ために使用される、トレーニング・セットを形成する。例えば、機械学習モジュール２５２は、トレーニング・データ・ストア２７０からトレーニング・セットをフェッチし、トレーニング・セットを入力として用いて、監督された機械学習（例えば、機械学習アルゴリズム６５０）を使用して、予測モデル（例えば、６６５）をトレーニングする。一実施形態では、トレーニング・セットは、言語に非依存である。例えば、トレーニング・セットは、様々な言語におけるユーザ対話を含み得る。トレーニング中にそのような言語非依存のデータを使用してトレーニングされた機械学習モデルもまた、動作中に言語に非依存であり得る。
予測モデルが、図３の工程３３０と同様に、ユーザの感情極性を推論する（５４０）ために使用される。一実施形態では、推論すること（５４０）は、感情エンジン２４５によって実施される。
図６は、トレーニング、および次いで、トピックまたはページに対するユーザの感情極性を推論するための、機械学習モデルの使用を示すブロック図である。ページのコンテンツまたはトピックに関連付けられたトラスト・ユーザのセット６１０は、例えば、トラスト・ユーザ・マネージャ２６０によって識別されるか、または、トラスト・ユーザ・ストア２６５から検索され、トラスト・ユーザのセット６１０は、ユーザＡと、ユーザＢと、．．．、ユーザＭと（すなわち、有限数のユーザ）を含む。各トラスト・ユーザは、ページとのトラスト・ユーザの対話６３０（既知の入力）と、トラスト・ユーザの感情極性６４０（既知の出力またはラベル）とを含む、データ・セットに関連付けられる。図６に示されるように、ユーザＡの対話は（ｘ１，ｘ２，．．．，ｘＮ）Ａと示され、ユーザＢの対話は（ｘ１，ｘ２，．．．，ｘＮ）Ｂと示される、などとなる。一実施形態では、ｘ１は、ユーザＡがページに対して「いいね」を表明することを表し、ｘ２は、ユーザＡがページに関してコメントするかどうかを表し、ｘ３は、ページに対して「いいね」を表明する、ユーザの友達の数を表し、ｘ４は、ユーザがページ上で有する肯定的なコメントの数を表し、ｘ５は、他のユーザによって「いいね」を表明される、ページ上のユーザのコメントの数を表し、ｘ６は、ユーザによって「いいね」を表明された、ページ上の肯定的なコメントの数を表す、などとなる。この例では、トラスト・ユーザの対話６３０は、トラスト・ユーザと、トラスト・ユーザの友達と、ソーシャル・ネットワーキング・システムにおける他のユーザと、ページに関するコメントと、ページ自体と、ページに関係付けられた他のコンテンツなどとの間の対話を含む。
トレーニング・セット６２０は、トラスト・ユーザのセット６１０から集められたデータ・セットである。この例では、トレーニング・セット６２０は、ユーザＡからの｛（ｘ１，ｘ２，．．．，ｘＮ）Ａ，ＹＡ｝と、ユーザＢからの｛（ｘ１，ｘ２，．．．，ｘＮ）Ｂ，ＹＢ｝などとを含む。ユーザＪに関連付けられた感情極性６４０は、ＹＪ（Ｊ＝１，２，．．．，Ｍ）と示され、ルール・ストア２５４、基礎的（例えば、予めトレーニングされた）機械学習モデル、語彙ベースの分析などを介して取得され得る。トレーニング・セット６２０は、機械学習モデルをトレーニングするための、機械学習アルゴリズム６５０への入力である。例えば、機械学習アルゴリズム６５０は、感情極性を取得するために、対話の線形関数を実装することができる。他の関数もまた実装され得る。線形関数の場合、機械学習モデルは、ａ１ｘ１＋ａ２ｘ２＋・・・＋ａＮｘＮ＋ｃ＝Ｙによって表されてよく、ただし、ａｋ（ｋ＝１，２，．．．，Ｎ）は係数であり、ｃは定数である。一実施形態では、係数ａｋは、対話の相対的重要性に対応する初期値を有する。例えば、「いいね」対話は、「共有する」対話よりも低い重みを得ることがあり、「報告する」対話は、「隠す」対話よりも高い重みを得ることなどがある。場合によっては、定数ｃは、トレーニング中にフィッティング値として使用される。モデルをトレーニングするプロセスは、機械学習モジュール２５２によって、機械学習アルゴリズム６５０を介して遂行される。例えば、初期値は、以下の線形式のセットが同時に満たされるように修正され得る。
（ａ１ｘ１＋ａ２ｘ２＋・・・＋ａＮｘＮ）Ｊ＋ｃ＝ＹＪ （Ｊ＝１，２，．．．，Ｍ）
（１）
トレーニングの出力は、予測モデル６６５を集合的に形成する、決定されたパラメータ６５５である。
予測モデル６６５は、感情エンジン２４５によって、ユーザの感情極性を推論するために使用され得る。この例では、ユーザＱは、テスト中の新しいユーザであり、ユーザＱの対話６６０（ｘ１，ｘ２，．．．，ｘＮ）Ｑが、予測モデル６６５に入力される。予測モデル６６５におけるパラメータが決定されているので、上記からの例を続けて、予測モデル６６５からの出力−ユーザＱ（ＹＱと示される）の推論された感情極性６７０−は、モデル：ＹＱ＝（ａ１ｘ１＋ａ２ｘ２＋・・・＋ａＮｘＮ）Ｑ＋ｃを適用することによって
決定される。例示的に、これは、一般に図３の工程３３０に示されるプロセスである、感情エンジン２４５がどのようにユーザの感情極性を推論し得るかの詳細な例である。
ユーザのグループの感情極性が推論されると、それらの感情極性は、感情ストア２５０に記憶され、様々な機会で分析され得る。
図７Ａ〜図７Ｃは、小売業者ページに対するユーザの感情極性の３つの異なる分析を示すユーザ・インターフェースの図である。これらの３つの例は、図７Ａ〜図７Ｃの例ではページの所有者である小売業者が、小売業者のページおよびそのページ上の特定のコンテンツへのユーザの反応をよりよく理解するため、ならびに、したがって、将来のコンテンツについての判断を下すために、どのように感情極性データを使用し得るかについての使用事例を提供する。図７Ａはコメントの極性に関し、図７Ｂは投稿の極性に関し、図７Ｃはユーザの極性に関する。図７Ａは、小売業者のページ上でユーザによって行われたコメントの加重平均感情極性を時間の関数として示す。上の曲線７１０は、肯定的なコメント（別称、肯定性）の加重平均感情極性を示す一方で、下の曲線７２０は、否定的なコメント（別称、否定性）の加重平均感情極性を示す。この例では、０．１７という肯定的な感情極性の平均と、−０．０３という否定的な感情極性の平均とが、曲線７１０および７２０上で点７１５によって示された日付である２０１２年１２月２日のページ上のユーザ・コメントに基づいて計算される。示されたユーザ・インターフェースは、分析ページのユーザに、日付を表す様々なロケーションに点７１５を移動させて、その日付についての感情極性データのより詳細なビューを提供する能力を可能にする。高い肯定的な感情極性は、低い否定的な感情極性とともに、ページがユーザによって一般に好まれていることを示す。他方では、高い否定的な感情極性は、低い肯定的な感情極性とともに、ページがユーザによって一般に嫌われていることを示す。肯定性および否定性は、時間を通じて追跡され、場合によっては、また、その時点でユーザ感情に影響を及ぼしている可能性がある追加のデータを提供する助けとなる、いくつかのイベントおよび休暇（例えば、ハリケーン・サンディ、選挙、感謝祭、クリスマスなど）と相関させられる。例えば、小売業者ページは、休暇シーズン（感謝祭、クリスマスなど）中に、高い肯定性および低い否定性を有し、小売業者がその期間中にユーザから肯定的なフィードバックを受信したことを示す。この情報は、小売業者にとって、例えば、いくつかのユーザ・グループをよりよくターゲットにするために、ユーザの好みを研究するために有用である。例えば、小売業者は、洞察ページから、他のユーザ・グループよりも高い肯定性を示す、あるユーザ・グループを識別することができる。これによって、小売業者が、このユーザ・グループに対して、および、肯定性が一般に高く、宣伝が有効である傾向がある期間（例えば、休暇シーズン）中に、ターゲット宣伝を行うことが可能になる。
図７Ｂは、小売業者ページ上の極性付き投稿の割合を時間の関数として示す。極性付き投稿は、投稿のうちで非ゼロの感情極性を有するものを言う。極性付き投稿は、肯定的（肯定的な感情極性を有する）または否定的（否定的な感情極性を有する）のいずれかであり、したがって、より高い割合の極性付き投稿は、人気があることを示すことがあり、または代替的に、論議の的となるコンテンツを示すことがある。曲線７３０は、すべての投稿に対する、極性付き投稿全体（肯定的な投稿と否定的な投稿とを含む）の割合を示す一方で、曲線７４０および７５０は、すべての投稿に対する、肯定的な投稿および否定的な投稿の割合をそれぞれ示す。例えば、２０１２年１１月２３日（点７３５によって示される）に、ページ上のすべての投稿の７７％に極性が与えられ、その内訳は、５５％が肯定的な投稿であり、２２％が否定的な投稿である。上の曲線７４０は、肯定的な感情極性がその日付でより低かったことを示し、下の曲線７５０は、否定的な感情極性がその日付でより高かったことを示す。小売業者ページ所有者は、なぜ感情極性が全体的に下がったかを決定するために、その日のページ上のコンテンツをさらに調査することを望むことがある。図７Ｂは、極性付き投稿の割合と、肯定的な投稿の割合と、否定的な投稿の割合とが、ページ上に写真をアップロードすること、またはページ上で投稿を公開することなど、
いくつかのユーザまたは小売業者アクションとそれぞれ相関させられ得ることをさらに示す。この情報は、小売業者にとって、例えば、あるトピックにおける投稿または写真へのユーザの反応を研究するために有用である。例として、店全体の割引を特集する、小売業者による投稿の後に、より多くの肯定的な投稿が現れる場合、小売業者は、多くのユーザが割引を好むことを学習することができ、将来、より頻繁にその投稿を行うことができる。
図７Ｃは、小売業者ページと対話する、極性付きユーザの割合を時間の関数として示す。極性付きユーザは、ユーザのうちで最大の極性付き感情極性を有する、例えば、上位２０％の最も肯定的または否定的であるユーザである。曲線７６０は、すべてのユーザに対する、極性付きユーザ（肯定的なユーザと否定的なユーザとを含む）の割合を示すが、曲線７７０および７８０は、すべてのユーザに対する、肯定的な極性付きユーザおよび否定的な極性付きユーザの割合をそれぞれ示す。例えば、２０１２年１２月１２日（点７６５によって示される）に、小売業者ページと対話するすべてのユーザのうちの２０％に極性が与えられ、その２０％のうちの１３％が肯定的な極性付きユーザであり、７％が否定的な極性付きユーザである。図７Ｃに示されるように、極性付きユーザの割合と、肯定的な極性付きユーザの割合と、否定的な極性付きユーザの割合とは、いくつかのイベントおよびホリデー（例えば、ハリケーン・サンディ、選挙、感謝祭、クリスマスなど）とそれぞれ相関させられ得る。
この情報は、小売業者ページを強く好むかまたは嫌うユーザの数の直接的なビューを可能にし、そのビューは、小売業者が自らの市場戦略を改善することを可能にする補足的な洞察を提供する。例えば、小売業者は、図７Ａから、高い肯定性が低い否定性とともにあること、および、図７Ｂから、否定的な投稿よりも多い肯定的な投稿があることを学習することができる。これらの２つの洞察から、小売業者は、「物事がうまくいっている」と結論することができる。追加の洞察に基づいて、小売業者は、自らの以前の結論を修正し、自らの市場戦略を改善しなければならないことがある。上記で示されたように、ユーザの感情極性に基づく分析は、小売業者ならびにソーシャル・ネットワーキング・システムにとって、有益な洞察（例えば、ユーザの好み、ユーザ・グループによる市場浸透など）を提供する。
いくつかの実施形態では、ユーザの性別および年齢がフィルタリングされ、または別法により取り出されて、様々なユーザ・グループ（例えば、１８歳〜２４歳の間の男性、６５歳を上回る女性など）に焦点が合わせられた分析が提供され得る。これらの人口統計学的フィルタは、閲覧するユーザによって選択され得る。
一実施形態では、洞察ページは、単一のユーザ、またはユーザのグループに焦点を合わせた分析を含み得る。例えば、洞察ページは、所与のページに対する単一のユーザの感情極性を時間の関数として示すことがある。この例では、ユーザの感情極性の一貫した傾向が識別され得る。例として、ユーザは、肯定的な感情極性を一貫して示す（すなわち、「愛好者」）、否定的な感情極性を一貫して示す（すなわち、「嫌悪者」）、または、変化する感情極性を示す（例えば、愛好者から嫌悪者に切り替わる、またはその逆も同様）ことがある。一実装形態では、ユーザの新たに推論された感情極性は、それが一貫した傾向に従わない場合、異常なエントリとして識別される。例えば、ユーザは、あるトピックにおいて「愛好者」として知られているが、ユーザからの最近のコメントにおける語彙ベースの分析は、このトピックに対する否定的な感情を生じる。ユーザが「愛好者」であることを知ることは、ソーシャル・ネットワーキング・システムがそのような「誤り」を識別することを助ける。他方では、ユーザの新たに推論された感情極性は、それが一貫した傾向に従う場合、正しいエントリとして識別される。加えて、ユーザの感情極性の一貫した傾向に基づいて、ソーシャル・ネットワーキング・システムは、ユーザが「愛好者」から
「嫌悪者」に切り替わったと決定することができ、またはその逆も同様である。これによって、ターゲット宣伝のための洞察を提供することができる。例えば、ユーザがあるブランドの「愛好者」からそのブランドの「嫌悪者」に徐々に転じた場合、ソーシャル・ネットワーキング・システムは、代替ブランド（例えば、以前のブランドの競合）をユーザに宣伝することを考えることができる。
一実施形態では、ソーシャル・ネットワーキング・システムは、ユーザがページのコンテンツに対してしきい値を下回る感情極性を有すると決定することがある。例えば、ユーザは、フットボールについて語るページに対して否定的な感情極性、または、０．２を下回る感情極性（例えば、わずかに肯定的）を有することがある。この場合、ソーシャル・ネットワーキング・システムは、ユーザがページのコンテンツ−この場合、フットボール−のファンではないと決定し、スポンサー付きストーリ、またはフットボールに関係付けられる他の候補ストーリ（例えば、最近のフットボールの試合に参加しているユーザの友達の一部のストーリ）を、例えば、ニュースフィード・マネージャ２３０を通じてユーザに送られないように、不適格とする。
概要
上記の本発明の実施形態の説明は、例示の目的で提示されており、網羅的なものであるように、または本発明を開示された形態そのものに限定するように意図されていない。上記の開示に鑑みて、多くの修正および変形形態が可能であることは、当業者であれば了解されるであろう。
この説明のいくつかの部分は、情報に対する操作のアルゴリズムおよび記号表現の観点から、本発明の実施形態を説明している。これらのアルゴリズムに関する説明および表現は、データ処理分野における当業者によって、自らの作業の本質を他の当業者に有効に伝えるために一般に使用される。これらの操作は、機能的、計算的、または論理的に説明されるが、コンピュータ・プログラムまたは等価な電気回路、マイクロコードなどによって実装されることが理解される。さらにまた、これらの操作の配列を、一般性を損なうことなく、モジュールと呼ぶことが場合によっては好都合であることも判明している。説明された操作およびそれらの関連付けられたモジュールは、ソフトウェア、ファームウェア、ハードウェア、またはそれらの任意の組合せにおいて具現化され得る。
本願明細書で説明された工程、操作、またはプロセスのうちのいずれかが、１または複数のハードウェアまたはソフトウェア・モジュールによって、単独でまたは他のデバイスと組み合わせて、実施または実装され得る。一実施形態では、ソフトウェア・モジュールは、説明された工程、操作、またはプロセスのうちのいずれかまたはすべてを実施するためにコンピュータ・プロセッサによって実行され得るコンピュータ・プログラム・コードを含有するコンピュータ可読媒体を備えるコンピュータ・プログラム製品によって実装される。
本発明の実施形態はまた、本願明細書の操作を実施するための装置にも関し得る。この装置は、要求された目的のために特別に構築されてよく、および／または、コンピュータに記憶されたコンピュータ・プログラムによって選択的に起動または再構成される汎用コンピューティング・デバイスを備えてよい。そのようなコンピュータ・プログラムは、コンピュータ・システム・バスに結合され得る、非一時的な有形のコンピュータ可読記憶媒体、または電子命令を記憶するために好適な任意のタイプの媒体に記憶され得る。さらに、本願明細書で言及される任意のコンピューティング・システムは、単一のプロセッサを含んでよく、または、増大されたコンピューティング力のために複数のプロセッサ設計を採用するアーキテクチャであってよい。
本発明の実施形態はまた、本願明細書で説明されたコンピューティング・プロセスによって作り出される製品にも関し得る。そのような製品は、コンピューティング・プロセスから得られる情報を備えることができ、その場合、その情報は、非一時的な有形のコンピュータ可読記憶媒体に記憶され、本願明細書で説明されたコンピュータ・プログラム製品または他のデータの組合せの任意の実施形態を含み得る。
最後に、本願明細書で使用される言語は、主に読み易さおよび教示目的のために選択されており、本発明の主題を線引きまたは制限するように選択されていないことがある。したがって、本発明の範囲は、この発明を実施するための形態によってではなく、本願明細書に基づく出願において出るいずれかの請求項によって限定されることが意図される。したがって、本発明の実施形態の開示は、以下の特許請求の範囲に記載される本発明の範囲を限定するのではなく例示することが意図される。

Claims (25)

  1. ソーシャル・ネットワーキング・システムのページのテキスト・コンテンツを識別する工程と、
    前記テキスト・コンテンツからトピックを抽出する工程と、
    前記ソーシャル・ネットワーキング・システムのユーザと前記ページとの間の対話についての情報を受信する工程と、
    受信した前記情報に基づいて、前記テキスト・コンテンツに対する前記ユーザの感情を決定する工程と、
    前記ユーザが、前記テキスト・コンテンツに対する前記ユーザの感情に対応する、抽出された前記トピックに対する感情極性を有することを、コンピュータ・システムが推論する工程であって、前記感情極性は、前記トピックに対する前記ユーザの肯定的または否定的な感情を示す、工程と、
    抽出された前記トピックに関係付けられた前記ユーザから、第２の対話を受信する工程と、
    前記ユーザの推論された前記感情極性を前記第２の対話に関連付ける工程と、を備える方法。
  2. 前記テキスト・コンテンツは、投稿またはコメントのうちの少なくとも１つを含む、請求項１に記載の方法。
  3. 前記トピックは、語彙ベースの分析を使用して、前記テキスト・コンテンツから抽出される、請求項１に記載の方法。
  4. 受信した前記情報が、前記ユーザが前記ソーシャル・ネットワーキング・システムにおいてつながりを確立している別のユーザと、前記ページとの間の、別個の対話についての情報をさらに備え、前記ユーザの前記感情極性が、前記別個の対話についての前記情報に基づいてさらに推論される、請求項１に記載の方法。
  5. 前記ソーシャル・ネットワーキング・システムにおける別のユーザと前記対話との間の別個の対話についての情報を受信する工程と、
    前記別個の対話についての前記情報に基づいて、前記ユーザの前記感情極性を推論する工程と、をさらに備える、請求項１に記載の方法。
  6. 前記ソーシャル・ネットワーキング・システムにおける別のユーザと前記ページとの間の別の対話と、前記ユーザとの間の別個の対話についての情報を受信する工程と、
    前記別個の対話についての前記情報に基づいて、前記ユーザの前記感情極性を推論する工程と、をさらに備える、請求項１に記載の方法。
  7. 前記感情極性を洞察ページに追加する工程であって、前記洞察ページは、前記ページに対する統計的分析を含む、工程と、
    前記統計的分析に基づいて、将来の傾向を予測するための洞察を提供する工程をさらに備える、請求項１に記載の方法。
  8. 前記洞察ページに基づいて、前記ページの前記コンテンツに対する前記ユーザの感情極性の一貫した傾向を識別する工程と、
    推論された前記感情極性が前記一貫した傾向に従うかどうかを決定する工程と、
    推論された前記感情極性が前記一貫した傾向に従わないと決定することに応答して、推論された前記感情極性を異常なエントリとして識別する工程と、をさらに備える、請求項７に記載の方法。
  9. 推論された前記感情極性が前記一貫した傾向に従うと決定することに応答して、推論された前記感情極性を正しいエントリとして識別する工程をさらに備える、請求項８に記載の方法。
  10. 前記洞察ページに基づいて、前記ページの前記コンテンツに対する前記ユーザの感情極性の一貫した傾向を識別する工程と、
    前記一貫した傾向に基づいて、前記ユーザが、前記ページの前記コンテンツに対する否定的な感情極性を示す人と、前記ページの前記コンテンツに対する肯定的な感情極性を示す人との間で切り替わったと決定する工程と、をさらに備える、請求項７に記載の方法。
  11. ソーシャル・ネットワーキング・システムのページのコンテンツを識別する工程と、
    前記ソーシャル・ネットワーキング・システムのユーザと前記ページとの間の対話についての情報を受信する工程と、
    コンピュータ・システムが、受信した前記情報に基づいて、前記ユーザの感情極性を推論する工程であって、前記感情極性は、前記コンテンツに対する前記ユーザの肯定的または否定的な感情を示す、推論する工程と、
    前記コンテンツに関係付けられた前記ユーザから、第２の対話を受信する工程と、
    前記ユーザの前記感情極性を前記第２の対話に関連付ける工程と、を備える方法。
  12. 前記対話は、「いいね」を表明すること、削除すること、共有すること、隠すこと、報告すること、またはコメントすることのうちの少なくとも１つを含む、請求項１１に記載の方法。
  13. 前記ユーザの前記感情極性がしきい値を下回るとき、前記ページの前記コンテンツに関係付けられたスポンサー付きストーリを不適格とする工程をさらに備える、請求項１１に記載の方法。
  14. 前記推論する工程は、
    前記コンテンツに対する強い感情極性を有する、前記ソーシャル・ネットワーキング・システムのユーザを、前記コンテンツに関連付けられたトラスト・ユーザのセットとして識別する、識別する工程と、
    各トラスト・ユーザに関連付けられたデータ・セットを決定する工程であって、前記データ・セットは、前記各トラスト・ユーザの感情極性とともに、前記各トラスト・ユーザと前記ページとの間の対話についての情報を含む、工程と、
    決定された前記データ・セットをトレーニング・セットとして使用して、機械学習モデルをトレーニングする工程と、
    受信した前記情報に基づいて、トレーニングした前記機械学習モデルを使用して、前記ユーザの前記感情極性を推論する工程と、を備える、請求項１１に記載の方法。
  15. 前記識別する工程は、
    前記ソーシャル・ネットワーキング・システムの第２のユーザと前記ページとの間の第２の対話を受信する工程であって、前記第２の対話は、前記第２のユーザが前記ページに対して「いいね」を表明することを含む、工程と、
    前記第２のユーザが前記ページの前記コンテンツに対する肯定的な感情極性を有することを決定する工程と、
    前記第２のユーザを、前記ページの前記コンテンツに関連付けられた肯定的なトラスト・ユーザのセットに追加する工程であって、前記肯定的なトラスト・ユーザのセットは、トラスト・ユーザの前記セットのサブセットを形成する工程と、を含む、請求項１４に記載の方法。
  16. 前記識別する工程は、
    外部ユーザによる前記ページに関するコメントに対して肯定的なトラスト・ユーザが「いいね」を表明することを示す標識を受信する工程であって、前記外部ユーザは前記トラスト・ユーザのセットに属しておらず、前記コメントは分析されていない、工程と、
    前記コメントを分析して、前記ページの前記コンテンツに対する前記コメントの感情極性を取得する工程と、
    前記コメントの前記感情極性がしきい値の感情極性を上回ると決定する工程と、
    前記外部ユーザが前記ページの前記コンテンツに対する肯定的な感情極性を有すると決定する工程と、
    前記外部ユーザを、前記ページの前記コンテンツに関連付けられた肯定的なトラスト・ユーザのセットに追加する工程であって、前記肯定的なトラスト・ユーザのセットは、トラスト・ユーザの前記セットのサブセットを形成する工程と、を含む、請求項１４に記載の方法。
  17. 前記識別する工程は、
    前記ページに関するコメントのセットに対して「いいね」を表明する外部ユーザを識別する工程であって、前記外部ユーザはトラスト・ユーザの前記セットに属していない、工程と、
    コメントの前記セットがしきい値の個数よりも多くのコメントを有することを決定する工程と、
    コメントの前記セットのしきい値の割合よりも多くが、前記肯定的なトラスト・ユーザのセットからのものであることを決定する工程と、
    前記外部ユーザが前記ページの前記コンテンツに対する肯定的な感情極性を有することを決定する工程と、
    前記外部ユーザを、前記ページの前記コンテンツに関連付けられた肯定的なトラスト・ユーザのセットに追加する工程であって、肯定的なトラスト・ユーザの前記セットは、トラスト・ユーザの前記セットのサブセットを形成する工程と、を含む、請求項１４に記載の方法。
  18. 前記識別する工程は、
    前記ページに関する外部ユーザによるコメントのセットを受信する工程であって、前記外部ユーザが前記トラスト・ユーザのセットに属していない、工程と、
    コメントの前記セットのうちの各コメントを分析して、前記ページの前記コンテンツに対する前記各コメントの感情極性を取得する工程と、
    コメントの前記セットがコメントのサブセットを含むことを決定する工程であって、コメントの前記サブセットのうちの各コメントは、しきい値感情極性を下回る感情極性を有する、工程と、
    コメントの前記サブセット内のコメントの個数がしきい値の個数を超えることを決定する工程と、
    前記外部ユーザが前記ページの前記コンテンツに対する否定的な感情極性を有すると決定する工程と、
    前記外部ユーザを、前記ページの前記コンテンツに関連付けられた否定的なトラスト・ユーザのセットに追加する工程であって、否定的なトラスト・ユーザの前記セットは、トラスト・ユーザの前記セットのサブセットを形成する、工程と、を含む、請求項１４に記載の方法。
  19. 前記分析は、語彙ベースの分析を使用することを含む、請求項１６に記載の方法。
  20. 前記分析は、語彙ベースの分析を使用することを含む、請求項１８に記載の方法。
  21. 前記トレーニング・セットは言語に非依存である、請求項１４に記載の方法。
  22. 前記ページの前記コンテンツに関係付けられた各トラスト・ユーザのコメントを、前記各トラスト・ユーザの感情極性に関連付ける工程と、
    バッグ・オブ・ワーズ感情分析器をトレーニングするための別個のトレーニング・セットを形成する工程であって、前記別個のトレーニング・セットは、各コメントの感情極性とともに前記トラスト・ユーザによるコメントのセットを含む、工程と、をさらに備える、請求項１４に記載の方法。
  23. ソーシャル・ネットワーキング・システムのページのコンテンツを識別する工程と、
    前記ソーシャル・ネットワーキング・システムのトラスト・ユーザ以外のユーザと前記ページとの間の第１の対話についての情報を受信する工程と、
    コンピュータ・システムが、受信した前記情報に基づいて、前記トラスト・ユーザ以外のユーザの感情極性を推論する工程であって、前記感情極性は、前記コンテンツに対する前記トラスト・ユーザ以外のユーザの否定的な感情を示す、工程と、
    前記トラスト・ユーザ以外のユーザによる前記第１の対話に対する肯定的な感情を示す、前記コンテンツに関係付けられたトラスト・ユーザによる第２の対話を受信する工程と、
    前記トラスト・ユーザによって示された前記肯定的な感情に基づいて、前記コンテンツに対する前記トラスト・ユーザ以外のユーザの前記否定的な感情を、肯定的な方向に調整する工程と、を備える方法。
  24. コンピュータ・プログラム・コードを含む非一時的コンピュータ可読記憶媒体を備えるコンピュータ・プログラム製品であって、前記コンピュータ・プログラム・コードは、
    ソーシャル・ネットワーキング・システムのページのテキスト・コンテンツを識別する工程と、
    前記テキスト・コンテンツからトピックを抽出する工程と、
    前記ソーシャル・ネットワーキング・システムのユーザと前記ページとの間の対話についての情報を受信する工程と、
    受信した前記情報に基づいて、前記テキスト・コンテンツに対する前記ユーザの感情を決定する工程と、
    前記ユーザが、前記テキスト・コンテンツに対する前記ユーザの感情に対応する、抽出された前記トピックに対する感情極性を有することを、コンピュータ・システムが推論する工程であって、前記感情極性は、前記トピックに対する前記ユーザの肯定的または否定的な感情を示す、工程と、
    抽出された前記トピックに関係付けられた前記ユーザから、第２の対話を受信する工程と、
    前記ユーザの推論された前記感情極性を前記第２の対話に関連付ける工程と、を行うためのものである、コンピュータ・プログラム製品。
  25. コンピュータ・プログラム・コードを含む非一時的コンピュータ可読記憶媒体を備えるコンピュータ・プログラム製品であって、前記コンピュータ・プログラム・コードは、
    ソーシャル・ネットワーキング・システムのページのコンテンツを識別する工程と、
    前記ソーシャル・ネットワーキング・システムのユーザと前記ページとの間の対話についての情報を受信する工程と、
    コンピュータ・システムが、受信した前記情報に基づいて、前記ユーザの感情極性を推論する工程であって、前記感情極性は、前記コンテンツに対する前記ユーザの肯定的または否定的な感情を示す、推論する工程と、
    前記コンテンツに関係付けられた前記ユーザから、第２の対話を受信する工程と、
    前記ユーザの前記感情極性を前記第２の対話に関連付ける工程と、を行うためのものである、コンピュータ・プログラム製品。
JP2016540901A 2013-09-10 2014-08-19 ソーシャル・ネットワーキング・システムのユーザについての感情極性 Active JP6529503B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/023,136 US10706367B2 (en) 2013-09-10 2013-09-10 Sentiment polarity for users of a social networking system
US14/023,136 2013-09-10
PCT/US2014/051713 WO2015038297A1 (en) 2013-09-10 2014-08-19 Sentiment polarity for users of a social networking system

Publications (2)

Publication Number Publication Date
JP2016530651A true JP2016530651A (ja) 2016-09-29
JP6529503B2 JP6529503B2 (ja) 2019-06-12

Family

ID=52626529

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016540901A Active JP6529503B2 (ja) 2013-09-10 2014-08-19 ソーシャル・ネットワーキング・システムのユーザについての感情極性

Country Status (6)

Country Link
US (3) US10706367B2 (ja)
JP (1) JP6529503B2 (ja)
KR (1) KR20160052542A (ja)
AU (1) AU2014318210A1 (ja)
CA (1) CA2918428A1 (ja)
WO (1) WO2015038297A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020106333A1 (en) * 2018-11-21 2020-05-28 Intuit Inc. Visualizing comment sentiment
JP2020149196A (ja) * 2019-03-12 2020-09-17 国立研究開発法人情報通信研究機構 パーソナリティ予測装置、および学習データ収集装置
JP2021119526A (ja) * 2017-08-15 2021-08-12 ヤフー株式会社 生成装置、生成方法、及び生成プログラム
JP7129585B1 (ja) * 2021-11-25 2022-09-01 シエンプレ株式会社 Ｓｎｓ投稿分類提供システム、ｓｎｓ投稿分類提供方法及びプログラム

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130159919A1 (en) 2011-12-19 2013-06-20 Gabriel Leydon Systems and Methods for Identifying and Suggesting Emoticons
EP3100175A4 (en) * 2014-01-27 2017-09-13 Nokia Technologies OY Method and apparatus for social relation analysis and management
US9043196B1 (en) 2014-07-07 2015-05-26 Machine Zone, Inc. Systems and methods for identifying and suggesting emoticons
US10257151B2 (en) 2014-10-27 2019-04-09 Phanto, Llc Systems and methods for enabling dialog amongst different participant groups with variable and association-based privacy
US9898709B2 (en) * 2015-01-05 2018-02-20 Saama Technologies, Inc. Methods and apparatus for analysis of structured and unstructured data for governance, risk, and compliance
US10163118B2 (en) * 2015-02-18 2018-12-25 Adobe Systems Incorporated Method and apparatus for associating user engagement data received from a user with portions of a webpage visited by the user
US20160269342A1 (en) * 2015-03-09 2016-09-15 International Business Machines Corporation Mediating messages with negative sentiments in a social network
US20170076297A1 (en) * 2015-09-10 2017-03-16 Salesforce.Com, Inc. Polarity turn-around time of social media posts
CN106919551B (zh) * 2015-12-28 2020-08-18 株式会社理光 一种情感词极性的分析方法、装置及设备
US10042880B1 (en) * 2016-01-06 2018-08-07 Amazon Technologies, Inc. Automated identification of start-of-reading location for ebooks
US20170213138A1 (en) * 2016-01-27 2017-07-27 Machine Zone, Inc. Determining user sentiment in chat data
US10275838B2 (en) * 2016-06-07 2019-04-30 International Business Machines Corporation Mapping social media sentiments
WO2018035492A1 (en) * 2016-08-18 2018-02-22 Rushline, LLC Systems and methods for enabling dialog amongst different participant groups with variable and association-based privacy
US10489719B2 (en) 2016-09-09 2019-11-26 Facebook, Inc. Shared per content provider prediction models
US10313456B2 (en) * 2016-11-30 2019-06-04 Facebook, Inc. Multi-stage filtering for recommended user connections on online social networks
US11126971B1 (en) * 2016-12-12 2021-09-21 Jpmorgan Chase Bank, N.A. Systems and methods for privacy-preserving enablement of connections within organizations
US20180196876A1 (en) * 2017-01-07 2018-07-12 International Business Machines Corporation Sentiment-driven content management in a social networking environment
CN107491432B (zh) * 2017-06-20 2022-01-28 北京百度网讯科技有限公司 基于人工智能的低质量文章识别方法及装置、设备及介质
CN109213989A (zh) * 2017-07-01 2019-01-15 武汉斗鱼网络科技有限公司 分析语言的弹幕分发方法、存储介质、电子设备及系统
US11106997B2 (en) * 2017-09-29 2021-08-31 Facebook, Inc. Content delivery based on corrective modeling techniques
US11514353B2 (en) * 2017-10-26 2022-11-29 Google Llc Generating, using a machine learning model, request agnostic interaction scores for electronic communications, and utilization of same
CN108255805B (zh) * 2017-12-13 2022-02-25 讯飞智元信息科技有限公司 舆情分析方法及装置、存储介质、电子设备
US11126689B1 (en) * 2018-01-24 2021-09-21 Hrl Laboratories, Llc Automated system to identify polarized groups on social media
CN110795178B (zh) * 2018-07-31 2023-08-22 阿里巴巴（中国）有限公司 应用签到方法、装置及电子设备
US11159459B2 (en) * 2018-08-28 2021-10-26 International Business Machines Corporation Managing content in a collaboration environment
CN110213667B (zh) * 2019-04-16 2022-04-05 佛山市丰智胜教育咨询服务有限公司 在线视频交互的网络保障方法、系统、设备及存储介质
US11636117B2 (en) * 2019-06-26 2023-04-25 Dallas Limetree, LLC Content selection using psychological factor vectors
US11010764B1 (en) 2019-11-21 2021-05-18 Rockspoon, Inc. Zero-step authentication of transactions using passive biometrics
US11494670B2 (en) * 2020-03-18 2022-11-08 Microsoft Technology Licensing, Llc Unified moderation and analysis of content
US11966702B1 (en) * 2020-08-17 2024-04-23 Alphavu, Llc System and method for sentiment and misinformation analysis of digital conversations
WO2022051436A1 (en) * 2020-09-02 2022-03-10 Cerego Japan Kabushiki Kaisha Personalized learning system
CN112256852A (zh) * 2020-10-28 2021-01-22 北京软通智慧城市科技有限公司 一种景区评论数据处理方法、装置、电子设备及存储介质
CN112463994B (zh) * 2020-11-25 2023-08-08 北京达佳互联信息技术有限公司 一种多媒体资源显示方法、装置、系统及存储介质
US11599842B2 (en) 2021-01-15 2023-03-07 Oracle International Corporation Modeling expectation mismatches
CN113256397B (zh) * 2021-07-02 2021-10-26 佛山市墨纳森智能科技有限公司 基于大数据的商品推荐方法、系统及计算机可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011040033A (ja) * 2009-08-10 2011-02-24 Samsung Electronics Co Ltd 抽出された感情を用いたスポンサー基盤広告装置および方法
JP2011248831A (ja) * 2010-05-31 2011-12-08 Sony Corp 情報処理装置および方法、並びに、プログラム
US20120166530A1 (en) * 2010-12-22 2012-06-28 Erick Tseng Timing for providing relevant notifications for a user based on user interaction with notifications
US20130018954A1 (en) * 2011-07-15 2013-01-17 Samsung Electronics Co., Ltd. Situation-aware user sentiment social interest models

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7523085B2 (en) * 2004-09-30 2009-04-21 Buzzmetrics, Ltd An Israel Corporation Topical sentiments in electronically stored communications
US8082288B1 (en) * 2008-10-17 2011-12-20 GO Interactive, Inc. Method and apparatus for determining notable content on web sites using collected comments
CN101901230A (zh) * 2009-05-31 2010-12-01 国际商业机器公司 信息检索方法和用户评论处理方法及其系统
US9443245B2 (en) * 2009-09-29 2016-09-13 Microsoft Technology Licensing, Llc Opinion search engine
US8965835B2 (en) 2010-03-24 2015-02-24 Taykey Ltd. Method for analyzing sentiment trends based on term taxonomies of user generated content
US9015033B2 (en) * 2010-10-26 2015-04-21 At&T Intellectual Property I, L.P. Method and apparatus for detecting a sentiment of short messages
US8495143B2 (en) 2010-10-29 2013-07-23 Facebook, Inc. Inferring user profile attributes from social information
US8949211B2 (en) * 2011-01-31 2015-02-03 Hewlett-Packard Development Company, L.P. Objective-function based sentiment
US20130018685A1 (en) * 2011-07-14 2013-01-17 Parnaby Tracey J System and Method for Tasking Based Upon Social Influence
US20130103667A1 (en) 2011-10-17 2013-04-25 Metavana, Inc. Sentiment and Influence Analysis of Twitter Tweets
US9189797B2 (en) 2011-10-26 2015-11-17 Apple Inc. Systems and methods for sentiment detection, measurement, and normalization over social networks
US9152625B2 (en) * 2011-11-14 2015-10-06 Microsoft Technology Licensing, Llc Microblog summarization
US8671190B2 (en) 2011-12-23 2014-03-11 Facebook, Inc. Measuring page viewership in a social network
US9922378B2 (en) * 2011-12-27 2018-03-20 Nokia Technologies Oy Method and apparatus for providing intent-based monitoring using sensory information
US20130173254A1 (en) * 2011-12-31 2013-07-04 Farrokh Alemi Sentiment Analyzer
GB2502037A (en) * 2012-02-10 2013-11-20 Qatar Foundation Topic analytics
US20130290232A1 (en) * 2012-04-30 2013-10-31 Mikalai Tsytsarau Identifying news events that cause a shift in sentiment
US9092757B2 (en) * 2012-05-09 2015-07-28 Yahoo! Inc. Methods and systems for personalizing user experience based on attitude prediction
US20140101064A1 (en) * 2012-10-04 2014-04-10 Scott Bedard Systems and Methods for Automated Reprogramming of Displayed Content
US9652796B2 (en) * 2012-12-05 2017-05-16 Ebay Inc. Method and system for providing a shopping cart with feedback information generated by user social network connections
US9288274B2 (en) * 2013-08-26 2016-03-15 Cellco Partnership Determining a community emotional response

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011040033A (ja) * 2009-08-10 2011-02-24 Samsung Electronics Co Ltd 抽出された感情を用いたスポンサー基盤広告装置および方法
JP2011248831A (ja) * 2010-05-31 2011-12-08 Sony Corp 情報処理装置および方法、並びに、プログラム
US20120166530A1 (en) * 2010-12-22 2012-06-28 Erick Tseng Timing for providing relevant notifications for a user based on user interaction with notifications
US20130018954A1 (en) * 2011-07-15 2013-01-17 Samsung Electronics Co., Ltd. Situation-aware user sentiment social interest models

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021119526A (ja) * 2017-08-15 2021-08-12 ヤフー株式会社 生成装置、生成方法、及び生成プログラム
WO2020106333A1 (en) * 2018-11-21 2020-05-28 Intuit Inc. Visualizing comment sentiment
US10789429B2 (en) 2018-11-21 2020-09-29 Intuit, Inc. Visualizing comment sentiment
AU2019383320B2 (en) * 2018-11-21 2021-05-20 Intuit Inc. Visualizing comment sentiment
US11113477B2 (en) 2018-11-21 2021-09-07 Intuit, Inc. Visualizing comment sentiment
JP2020149196A (ja) * 2019-03-12 2020-09-17 国立研究開発法人情報通信研究機構 パーソナリティ予測装置、および学習データ収集装置
JP7129585B1 (ja) * 2021-11-25 2022-09-01 シエンプレ株式会社 Ｓｎｓ投稿分類提供システム、ｓｎｓ投稿分類提供方法及びプログラム
WO2023095227A1 (ja) * 2021-11-25 2023-06-01 シエンプレ株式会社 Ｓｎｓ投稿分類提供システム、ｓｎｓ投稿分類提供方法及びプログラム

Also Published As

Publication number Publication date
AU2014318210A1 (en) 2016-02-11
JP6529503B2 (ja) 2019-06-12
US20200286000A1 (en) 2020-09-10
US10679147B2 (en) 2020-06-09
US20150074020A1 (en) 2015-03-12
US10706367B2 (en) 2020-07-07
CA2918428A1 (en) 2015-03-19
WO2015038297A1 (en) 2015-03-19
KR20160052542A (ko) 2016-05-12
US20180012146A1 (en) 2018-01-11

Similar Documents

Publication Publication Date Title
US10679147B2 (en) Sentiment polarity for users of a social networking system
US10803111B2 (en) Live video recommendation by an online system
US10368132B2 (en) Recommendation system to enhance video content recommendation
JP6248106B2 (ja) 広告ターゲティングのための否定的なシグナル
US10742756B2 (en) Recommending objects to a user of a social networking system based on implicit interactions between the user and the recommended objects
US20170024764A1 (en) Evaluating Content Items For Presentation To An Online System User Based In Part On Content External To The Online System Associated With The Content Items
US10915589B1 (en) Delivering content promoting a web page to users of an online system
JP6615189B2 (ja) ビデオ・データに関連してユーザに対して提示される、アクションを行うためのプロンプトの決定
US20160189234A1 (en) Selecting content items for presentation to a social networking system user based in part on content item appearance
US10877976B2 (en) Recommendations for online system groups
US20180276533A1 (en) Multi-task neutral network for feed ranking
US20180218286A1 (en) Generating models to measure performance of content presented to a plurality of identifiable and non-identifiable individuals
US20160140670A1 (en) Ranking applications for recommendation to social networking system users
JP6186511B2 (ja) 様々なソーシャル・ネットワーキング・システムによって維持されるユーザ・プロフィール情報を組み合わせること
US10607302B1 (en) Guiding progressive user engagement in an online environment
US10387516B2 (en) Selecting content with an external link for presentation based on user interaction with external content
US10083401B2 (en) Analyzing quality of applications linked to an online system
US10353963B2 (en) Filtering automated selection of keywords for computer modeling
US11797875B1 (en) Model compression for selecting content
US20180349942A1 (en) Memorization model for context violations
US10817564B1 (en) Content creator feed generation
EP3901885A1 (en) Providing an entity with an option to select an online system user to create content on behalf of the entity based on content associated with the entity previously created by the user
US20170287013A1 (en) Identifying characteristics used for content selection by an online system to a user for user modification

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20170529

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20180514

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20180619

A601 Written request for extension of time

Free format text: JAPANESE INTERMEDIATE CODE: A601

Effective date: 20180919

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20181219

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20190108

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190405

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20190416

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190514

R150 Certificate of patent or registration of utility model

Ref document number: 6529503

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: R3D02

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250