技術領域：
本發(fā)明總體涉及監(jiān)控媒體，更具體地涉及通過數(shù)據(jù)庫所有者針對錯誤認定和/或未覆蓋補償印象數(shù)據(jù)的方法和裝置。
背景技術：
：傳統(tǒng)地，受眾測量實體基于注冊的小組成員確定對于媒體節(jié)目的受眾參與度。即，受眾測量實體將同意被監(jiān)控的人登記到小組中。然后受眾測量實體監(jiān)控那些小組成員以確定暴露于那些小組成員的媒體(例如，電視節(jié)目或廣播節(jié)目、電影、DVD、廣告等)。采用該方式，受眾測量實體可以基于收集的媒體測量數(shù)據(jù)確定對于不同媒體的曝光測量。用于監(jiān)控用戶對因特網(wǎng)資源(諸如網(wǎng)頁、廣告和/或其它媒體)的訪問的技術多年來已經(jīng)顯著進化。一些現(xiàn)有系統(tǒng)主要通過服務器日志來執(zhí)行這類監(jiān)控。特別地，因特網(wǎng)上的實體服務媒體可以使用這類現(xiàn)有系統(tǒng)來在其服務器處記錄針對其媒體所接收的請求的數(shù)量。附圖說明圖1示出收集在移動設備處呈現(xiàn)的媒體的印象以及從分布式數(shù)據(jù)庫所有者收集用戶信息用于與收集的印象相關聯(lián)的示例性系統(tǒng)。圖2為示例性印象數(shù)據(jù)補償器，該示例性印象數(shù)據(jù)補償器可以被實施在圖1的示例性受眾測量服務器中以針對與源于數(shù)據(jù)庫所有者的印象收集技術的錯誤認定和未覆蓋有關的不準確而補償印象數(shù)據(jù)。圖3A至圖3C共同地示出示例性數(shù)據(jù)流，該示例性數(shù)據(jù)流可由圖2的示例性印象數(shù)據(jù)補償器執(zhí)行以針對與源于數(shù)據(jù)庫所有者的印象收集技術的錯誤認定和未覆蓋有關的不準確而補償印象數(shù)據(jù)。圖4為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以針對與源于數(shù)據(jù)庫所有者的印象收集技術的錯誤認定和未覆蓋有關的不準確而補償印象數(shù)據(jù)。圖5為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以計算錯誤認定校準矩陣和/或共同查看矩陣。圖6為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以針對多對人口統(tǒng)計組確定錯誤認定的概率。圖7為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以生成錯誤認定校準矩陣和/或共同查看矩陣。圖8為示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以生成共同查看矩陣。圖9為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以生成與未被數(shù)據(jù)庫所有者覆蓋的媒體受眾相關聯(lián)的α因子。圖10為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以基于錯誤認定校準矩陣調(diào)整印象。圖11為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以基于數(shù)據(jù)庫所有者的印象收集技術所對應的未覆蓋因子調(diào)整印象。圖12為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以計算與未被數(shù)據(jù)庫所有者覆蓋的媒體受眾相關聯(lián)的人口統(tǒng)計資料(或未覆蓋因子)。圖13為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖2的示例性印象數(shù)據(jù)補償器，以基于用于數(shù)據(jù)庫所有者的未覆蓋因子調(diào)整印象和/或獨特受眾。圖14示出根據(jù)本發(fā)明的教導構造成確定用于收集的媒體印象數(shù)據(jù)的類型的示例性系統(tǒng)。圖15示出圖14的確定用于收集的媒體印象數(shù)據(jù)的類型的類型預測器的示例。圖16示出圖15的對待由圖15的類型分析器用來預測類型的收集的媒體印象數(shù)據(jù)進行分類的數(shù)據(jù)分類器的示例。圖17示出繪制由圖14和圖15的類型預測器使用的示例性白天部分和示例性白天類別的示例性圖表。圖18示出圖14的可用于構造類型模型的類型建模器的示例。圖19為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖14和圖18的示例性類型建模器，以構造類型模型。圖20為表示示例性機器可讀指令的流程圖，該示例性機器可讀指令可被執(zhí)行以實施圖14和圖15的示例性類型預測器，以為收集的媒體印象數(shù)據(jù)分配類型。圖21為示例性處理器平臺，該示例性處理器平臺可用于執(zhí)行圖4至圖13的示例性指令以實施本文中所公開的示例性裝置和系統(tǒng)。圖22為另一示例性處理器平臺，該另一示例性處理器平臺可用于執(zhí)行圖19和/或圖20的示例性指令以實施本文中所公開的示例性裝置和系統(tǒng)。具體實施方式用于監(jiān)控用戶對因特網(wǎng)資源(諸如網(wǎng)頁、廣告和/或其它媒體)的訪問的技術多年來已經(jīng)顯著進化。在過去一度是主要通過服務器日志來完成這類監(jiān)控。特別地，因特網(wǎng)上的實體服務媒體會在其服務器處記錄針對其媒體所接收的請求的數(shù)量。出于幾個原因，使因特網(wǎng)使用研究基于服務器日志是有問題的。例如，可以直接或借助僵尸程序篡改服務器日志，該僵尸程序重復地向服務器請求媒體以提高所請求的媒體所對應的服務器日志計數(shù)。第二，媒體有時被檢索一次，被本地緩存，然后從本地緩存重復地觀看，而在重復觀看時不涉及服務器。服務器日志無法跟蹤這些對緩存媒體的觀看，這是因為重現(xiàn)本地緩存媒體不需要再向服務器請求該媒體。因此，服務器日志易受過量計數(shù)錯誤和缺量計數(shù)錯誤二者影響。在Blumenau的美國專利6,108,637中公開的發(fā)明從根本上改變了執(zhí)行因特網(wǎng)監(jiān)控的方式且克服了上文描述的服務器側日志監(jiān)控技術的限制。例如，Blumenau公開了一種技術，其中待跟蹤的因特網(wǎng)媒體被標記有信標指令。特別地，監(jiān)控指令與待跟蹤的媒體的超文本置標語言(HTML)相關聯(lián)。當客戶端請求媒體時，該媒體和信標指令均被下載到客戶端。因此無論何時從服務器或從緩存訪問媒體時都執(zhí)行信標指令。信標指令引起監(jiān)控待從客戶端發(fā)送的、反應關于對媒體的訪問的信息的數(shù)據(jù)，該客戶端將媒體下載到監(jiān)控實體。通常，監(jiān)控實體為受眾測量實體(AME)(例如，對測量或跟蹤廣告、媒體、和/或任何其它媒體的受眾接觸率感興趣的任何實體)，該AME不將媒體提供給客戶端且為用于提供準確使用情況統(tǒng)計信息的可信第三方(例如，尼爾森有限公司)。有利地，因為信標指令與媒體相關聯(lián)且無論何時訪問媒體都被客戶端瀏覽器執(zhí)行，所以不管客戶端是否為AME的小組成員，監(jiān)控信息都被提供給AME。然而，有用的是將人口統(tǒng)計資料和/或其它用戶信息鏈接到監(jiān)控信息。為了解決該問題，AME建立已經(jīng)同意提供其人口統(tǒng)計信息以及讓其因特網(wǎng)瀏覽活動被監(jiān)控的用戶小組。當個人加入該小組時，他們將關于其身份和人口統(tǒng)計資料(例如，性別、種族、收入、家庭住址、職業(yè)等)的詳細信息提供給AME。AME在小組成員計算機上設置網(wǎng)絡跟蹤器，該網(wǎng)絡跟蹤器使AME能夠識別小組成員(無論該小組成員何時訪問標記的媒體)，因此將監(jiān)控信息發(fā)送到AME。由于從標記頁面提供監(jiān)控信息的大部分客戶端不是小組成員，從而對于AME來說是未知的，因此需要使用統(tǒng)計方法以將基于針對小組成員收集的數(shù)據(jù)的人口統(tǒng)計信息歸因于更大人口量的提供用于標記媒體的數(shù)據(jù)的用戶。然而，相比于用戶的總人口，AME的小組規(guī)格很小。因此，呈現(xiàn)出關于如何提高小組規(guī)格同時保證小組的人口統(tǒng)計數(shù)據(jù)準確的問題。具有許多運行在因特網(wǎng)上的數(shù)據(jù)庫所有者。這些數(shù)據(jù)庫所有者向大量訂閱者提供服務(例如，社交網(wǎng)絡服務、電子郵件服務、媒體訪問服務等)。作為提供這類服務的交換，訂閱者向所有者注冊。作為該注冊的一部分，訂閱者提供詳細的人口統(tǒng)計信息。這類數(shù)據(jù)庫所有者的示例包括社交網(wǎng)絡供應商，諸如Facebook、Myspace、Twitter等。這些數(shù)據(jù)庫所有者在其訂閱者的計算機上設置網(wǎng)絡跟蹤器，以使數(shù)據(jù)庫所有者能夠在注冊用戶訪問其網(wǎng)站時認出這類注冊用戶。本文中所公開的示例可以用于使用用戶信息來確定媒體印象、廣告印象、媒體接觸率、和/或廣告接觸率，該用戶信息在因特網(wǎng)上被分布在不同的數(shù)據(jù)庫(例如，不同的網(wǎng)站擁有者、服務供應商等)上。本文中所公開的示例性方法、裝置和制品不僅實現(xiàn)了因特網(wǎng)媒體接觸率與用戶信息的準確相關，而且還有效地將超出參與受眾測量實體和/或收視評級實體的小組的人員的小組規(guī)格和組成擴展到在其它因特網(wǎng)數(shù)據(jù)庫中注冊的人員，該其它因特網(wǎng)數(shù)據(jù)庫諸如無線服務運營商、移動軟件/服務供應商、社交媒介網(wǎng)站(例如Facebook、Twitter、Google等)、和/或任何其它因特網(wǎng)網(wǎng)站，諸如Yahoo！、MSN、AppleiTunes、Experian等的數(shù)據(jù)庫。該擴展有效地利用AME的媒體印象跟蹤能力以及對非AME實體(諸如社交媒體和其它網(wǎng)站)的數(shù)據(jù)庫的使用以創(chuàng)建龐大的、人口統(tǒng)計準確的小組，其形成對因特網(wǎng)媒體(諸如廣告和/或節(jié)目)的接觸率的準確的、可靠的測量。這類媒體的示例包括網(wǎng)站、在網(wǎng)站上呈現(xiàn)的圖像、和/或可借助計算設備訪問的流媒體(AmazonVideo、Netflix、Hulu等)。傳統(tǒng)地，AME(本文中也稱為“收視評級實體”)基于注冊的小組成員確定用于廣告和媒體節(jié)目的人口統(tǒng)計范圍。即，AME將同意被監(jiān)控的人登記到小組中。在登記期間，AME從登記人員接收人口統(tǒng)計信息，從而可以制定出對那些小組成員的廣告/媒體接觸率和不同的人口統(tǒng)計市場之間的后續(xù)相關性。不像AME單獨地依賴于它們自身的小組成員數(shù)據(jù)來收集基于人口統(tǒng)計資料的受眾測量的傳統(tǒng)技術，本文中所公開的示例性方法、裝置和/或制品使AME能夠與其它實體共享人口統(tǒng)計信息，該其它實體基于用戶注冊模型而運行。如在本文中所使用的，用戶注冊模型為用戶通過創(chuàng)建賬戶且提供關于其自身的與人口統(tǒng)計有關的信息來訂閱那些實體的服務的模型。與數(shù)據(jù)庫所有者的注冊用戶相關聯(lián)的人口統(tǒng)計信息的共享使AME能夠利用來自外部源(例如，數(shù)據(jù)庫所有者)的基本上可靠的人口統(tǒng)計信息擴展或補充其小組數(shù)據(jù)，因此擴展了其基于人口統(tǒng)計資料的受眾測量的覆蓋范圍、準確率和/或完整性。這類訪問也使AME能夠監(jiān)控另外不會加入AME小組的人員。具有標識一組個體的人口統(tǒng)計資料的數(shù)據(jù)庫的任何實體可以與AME合作。這類實體可以被稱為“數(shù)據(jù)庫所有者”且包括諸如無線服務運營商、移動軟件/服務供應商、社交媒介網(wǎng)站(例如Facebook、Twitter、Google等)和/或任何其它因特網(wǎng)網(wǎng)站(諸如Yahoo！、MSN、AppleiTunes、Experian等)的實體，該實體收集可作為服務的交換的用戶的人口統(tǒng)計數(shù)據(jù)。本文中所公開的示例可以由AME(例如，對測量或跟蹤廣告、內(nèi)容、和/或任何其它媒體的受眾接觸率感興趣的任何實體)與任何數(shù)量的數(shù)據(jù)庫所有者合作來實現(xiàn)，該數(shù)據(jù)庫所有者諸如開發(fā)在線媒體接觸率度量的在線網(wǎng)絡服務供應商。這類數(shù)據(jù)庫所有者/在線網(wǎng)絡服務供應商可以是無線服務運營商、移動軟件/服務供應商、社交網(wǎng)站(例如Facebook、Twitter、MySpace等)、多服務站點(例如Yahoo！、Google、Experian等)、在線零售商站點(例如Amazon.com、Buy.com等)、和/或保持用戶注冊記錄的任何其它網(wǎng)絡服務站點。來自異構數(shù)據(jù)源的人口統(tǒng)計信息(例如，來自受眾測量實體的小組的高質(zhì)量人口統(tǒng)計信息和/或網(wǎng)絡服務供應商的注冊用戶數(shù)據(jù))的使用提高了用于在線廣告活動和線下廣告活動二者的度量的上報效率。本文中所公開的示例性技術使用在線注冊數(shù)據(jù)來識別用戶的人口統(tǒng)計資料、和/或其它用戶信息，以及使用服務器印象計數(shù)和/或其它技術來跟蹤由那些用戶引起的印象的量。在線網(wǎng)絡服務供應商(諸如無線服務運營商、移動軟件/服務供應商、社交網(wǎng)站(例如Facebook、Twitter、MySpace等)、多服務站點(例如Yahoo！、Google、Experian等)、在線零售商站點(例如Amazon.com、Buy.com等))(在本文中統(tǒng)稱為和單獨稱為在線數(shù)據(jù)庫所有者)保持借助用戶注冊過程收集的詳細的人口統(tǒng)計信息(例如年齡、性別、地理位置、種族、收入水平、教育水平、宗教信仰等)。印象對應于已經(jīng)接觸對應媒體和/或廣告的家庭或個人。因此，印象表示已經(jīng)接觸廣告或媒體或一組廣告或媒體的家庭或個人。在因特網(wǎng)廣告中，印象的量或印象計數(shù)為廣告或廣告活動已被網(wǎng)絡人群訪問的總次數(shù)(例如，包括如通過例如彈出窗口攔截器而減少的和/或通過例如從本地高速緩存的檢索而增多的訪問的次數(shù))。本文中所公開的示例調(diào)整從一個或多個客戶端設備和一個或多個數(shù)據(jù)庫所有者獲得的印象信息，以提高對應于記錄的印象的人口統(tǒng)計資料的準確度。當使用數(shù)據(jù)庫所有者數(shù)據(jù)來提供用于印象的人口統(tǒng)計信息時，從一個或多個客戶端設備和一個或多個數(shù)據(jù)庫所有者獲得的受眾人口統(tǒng)計資料和/或印象信息可以由于誤差而出現(xiàn)偏差，該誤差包括：1)源自設備共享的錯誤認定誤差，和/或2)數(shù)據(jù)庫所有者未覆蓋誤差。在一些情況下，這兩個不同的偏差源出現(xiàn)以形成類似的誤差因子，但實際上是不同的偏差。本文中所公開的示例生成校準因子并將校準因子應用于受眾數(shù)據(jù)以校正這些誤差。錯誤認定誤差指的是在實際上當屬于第二人口統(tǒng)計組的第二人為媒體印象針對其發(fā)生的人時將屬于第一人口統(tǒng)計組的第一人認為是與設備上的媒體印象相關聯(lián)的人的情況下發(fā)生的測量偏差。在這類情況的一些示例中，在家庭的多個人之間共享移動設備。初始地，家庭中的第一人使用移動設備訪問與數(shù)據(jù)庫所有者相關聯(lián)的網(wǎng)站(例如，借助移動設備的網(wǎng)絡瀏覽器、借助安裝在移動設備上的應用程序等)，以及數(shù)據(jù)庫所有者可以基于第一人進行的訪問(例如登錄事件)將第一人識別成與移動設備相關聯(lián)。隨后，第一人停止使用該設備但在設備上不退出數(shù)據(jù)庫所有者系統(tǒng)，和/或第二人不登錄到數(shù)據(jù)庫所有者系統(tǒng)，以允許數(shù)據(jù)庫所有者將第二人識別成不同于第一人的用戶。因此，當?shù)诙碎_始使用同一移動設備訪問媒體時，數(shù)據(jù)庫所有者繼續(xù)(在該情況下，錯誤地)將移動設備(例如媒體印象)的使用識別成與第一人相關聯(lián)。因此，應當歸屬于第二人和第二人口統(tǒng)計組的印象被錯誤地歸屬于第一人和第一人口統(tǒng)計組。大規(guī)模錯誤認定誤差的效果可以通過錯誤地表示媒體印象在大量受眾之間的人口統(tǒng)計分布且因此歪曲針對廣告和/或其它媒體所收集的印象的受眾人口統(tǒng)計而創(chuàng)建測量偏差誤差，該廣告和/或其它媒體的接觸率由受眾測量實體監(jiān)控。所公開的示例的示例性技術優(yōu)勢校正錯誤認定誤差的現(xiàn)有技術包括通過比較下列項確定調(diào)整因子：A)為了使用安裝在客戶端計算機處的小組成員計量軟件計算會話所收集的人口統(tǒng)計信息，B)使用來自數(shù)據(jù)庫所有者的基于網(wǎng)絡跟蹤器的印象確定的、用于同一計算會話的人口統(tǒng)計信息。在2013年1月31日遞交的序列號為13/756,493的美國專利申請中公開了這類技術的示例。序列號為13/756,493的美國專利申請的全部內(nèi)容通過引用并入在本文中。在序列號為13/756,493的美國專利申請中公開的示例依賴于本地安裝在客戶端計算機處的小組成員計量軟件來準確地識別登記在受眾測量實體的小組中的小組成員。在序列號為13/756,493的美國專利申請中公開的示例也依賴于網(wǎng)絡跟蹤器或類網(wǎng)絡跟蹤器的數(shù)據(jù)來確定調(diào)整因子。這類技術不適合于校正設備上的錯誤認定誤差，該設備未安裝小組成員計量軟件和/或不提供可用作客戶端設備標識符的網(wǎng)絡跟蹤器，諸如一些移動設備(例如iOS設備)。換言之，現(xiàn)有技術依賴于本地安裝的小組成員計量軟件和網(wǎng)絡跟蹤器來生成錯誤認定調(diào)整因子。在不具有這類本地安裝的小組成員計量軟件和/或不具有這類網(wǎng)絡跟蹤器的情況下，現(xiàn)有技術將不能成功地生成錯誤認定調(diào)整因子。相比于現(xiàn)有的系統(tǒng)和方法，本文中所公開的示例基于對隨機選擇的人員和/或家庭所進行的調(diào)查的響應而使用錯誤認定校正矩陣生成錯誤認定因子，以及不依賴于網(wǎng)絡跟蹤器或使用網(wǎng)絡跟蹤器來生成錯誤認定校正因子和/或錯誤認定校正矩陣。如在本文中所使用的，如參考一個人所使用的術語“數(shù)據(jù)庫所有者注冊狀態(tài)”指的是這個人是否向一個或多個特定的數(shù)據(jù)庫所有者進行注冊。依賴于本地安裝的小組成員計量軟件來收集數(shù)據(jù)庫所有者注冊狀態(tài)(例如，各個家庭成員是否向特定的數(shù)據(jù)庫所有者進行注冊)以及收集家庭成員進行的媒體訪問數(shù)據(jù)的現(xiàn)有技術可能無法準確地校正用于錯誤認定偏差誤差和/或未覆蓋偏差誤差的印象信息，上述誤差針對發(fā)生在不受小組成員計量軟件監(jiān)控的設備類型上的印象。本文中所公開的示例生成錯誤認定校正因子而不依賴于本地安裝在客戶端計算機處的小組成員計量軟件來收集數(shù)據(jù)庫所有者注冊狀態(tài)數(shù)據(jù)。本文中所公開的示例還生成錯誤認定校正因子而不依賴于這類本地安裝的小組成員計量軟件來收集關于家庭成員的媒體訪問的數(shù)據(jù)。因此，本文中所公開的示例確定用于任何設備類型的錯誤認定校正因子，包括這樣的設備類型：按照該設備類型，數(shù)據(jù)庫所有者注冊狀態(tài)數(shù)據(jù)、數(shù)據(jù)庫所有者登錄數(shù)據(jù)和/或關于家庭成員的媒體訪問的數(shù)據(jù)不使用本地安裝的小組成員計量軟件來收集(和/或是不可收集的)。這類設備在本文中被稱為“非本地計量設備”。在一些這類公開的示例中，以不同于現(xiàn)有技術的方式來不同地收集和使用小組成員數(shù)據(jù)。在這類示例中，采用小組成員數(shù)據(jù)來調(diào)整錯誤認定校正因子以更準確地確定人口統(tǒng)計組中的人員一起生活的發(fā)生率。如在本文中所使用的，“人口統(tǒng)計組中的人員一起生活的發(fā)生率”指的是發(fā)生第一人口統(tǒng)計組中的人員與第二人口統(tǒng)計組中的人員一起生活的相對頻率(例如，與人口統(tǒng)計組B中的某人一起生活的人口統(tǒng)計組A中的人員的百分比)。然而，仍生成收集的印象所對應的聚合受眾分布，而不參考小組成員數(shù)據(jù)。在本文中所公開的示例中，小組成員數(shù)據(jù)僅用于調(diào)整所生成的聚合受眾分布。調(diào)整的聚合受眾分布用于生成和/或調(diào)整錯誤認定校正因子。例如，可用于調(diào)整人口統(tǒng)計組中的人員一起生活的發(fā)生率的小組成員數(shù)據(jù)可以包括與第二人口統(tǒng)計組(例如，與第一人口統(tǒng)計組相同的人口統(tǒng)計組或不同的人口統(tǒng)計組)中的人員一起生活的第一人口統(tǒng)計組中的人員的相應數(shù)目。在一些示例中，用于調(diào)整人口統(tǒng)計組中的人員一起生活的發(fā)生率的小組成員數(shù)據(jù)不指示小組成員是否為數(shù)據(jù)庫所有者的注冊用戶(例如不包括網(wǎng)絡跟蹤器)且不包括指示使用計算設備的媒體訪問的信息。所公開的示例通過確定如下事件的概率來確定錯誤認定的概率：當數(shù)據(jù)庫所有者將人口統(tǒng)計組(i)中的人員識別為媒體的觀看者時，人口統(tǒng)計組(j)中的人員為媒體的實際觀看者。在一些示例中，錯誤認定的概率通過重新分布受眾和/或與使用調(diào)查校準數(shù)據(jù)源的家庭相關聯(lián)地觀察到的印象來計算。在這類示例中，調(diào)查校準數(shù)據(jù)源用于針對用于過采樣和/或欠采樣的多個家庭而聚合和調(diào)整重新分布的受眾和/或印象。在一些這類示例中，形成的概率被歸一化以反映對于由數(shù)據(jù)庫所有者所觀察到的且與人口統(tǒng)計組相關聯(lián)的每個印象的錯誤認定的概率。其它所公開的示例由于設備共享而將錯誤認定的概率確定成三個單獨概率的組合：a)生活在同一家庭中的概率，b)訪問該家庭中的移動設備(任何類型)的概率，以及c)針對特定內(nèi)容類型而共享移動設備的概率。在本文中所公開的示例將形成的錯誤認定的概率應用于印象數(shù)據(jù)，作為補償在由收集的印象數(shù)據(jù)所表示的獨特受眾中的誤差的因子。在一些示例中，提供這類誤差補償涉及構造錯誤認定校正矩陣以反映被數(shù)據(jù)庫所有者識別成與第一人口統(tǒng)計組相關聯(lián)的印象實際上應當與第二人口統(tǒng)計組相關聯(lián)的概率。如在本文中使用的，未覆蓋誤差被限定成指的是由于數(shù)據(jù)庫所有者無法識別一部分使用移動設備觀看媒體的受眾(例如其人口統(tǒng)計資料)而發(fā)生的測量偏差。在一些實例中，當從移動設備向數(shù)據(jù)庫所有者發(fā)送請求時，如在上文公開的示例中那樣，數(shù)據(jù)庫所有者無法將請求中的數(shù)據(jù)與人員匹配。數(shù)據(jù)庫所有者無法識別與給定印象相關聯(lián)的人員可能由于如下原因而發(fā)生：1)訪問引起印象的媒體的人員還未將其自身信息提供給數(shù)據(jù)庫所有者(例如，該人員未向數(shù)據(jù)庫所有者(例如Facebook)注冊，從而在數(shù)據(jù)庫所有者處不具有該人員的記錄，該人員所對應的注冊資料不完整，該人員所對應的注冊資料已經(jīng)被標記為懷疑可能含有不準確信息等)，2)該人員向數(shù)據(jù)庫所有者注冊，但未使用其上發(fā)生印象的特定移動設備訪問數(shù)據(jù)庫所有者(例如，僅從計算機和/或不同于與當前請求相關聯(lián)的移動設備的其它移動設備訪問數(shù)據(jù)庫所有者，和/或?qū)τ谠撊藛T的用戶標識符在其上發(fā)生印象的移動設備上不可用)，和/或3)該人員向數(shù)據(jù)庫所有者注冊，且使用其上發(fā)生印象的移動設備訪問(例如，該人員之前已經(jīng)從移動設備登錄到數(shù)據(jù)庫所有者中)數(shù)據(jù)庫所有者，但采取了阻止數(shù)據(jù)庫所有者將移動設備與該人員相關聯(lián)的其它主動或被動測量(例如阻斷或刪除網(wǎng)絡跟蹤器)。在一些示例中，對于人員的用戶標識符在其上發(fā)生印象的移動設備上不可用，原因是該移動設備和/或該移動設備上的應用程序/軟件不是基于網(wǎng)絡跟蹤器的設備和/或應用程序。在本文中所公開的示例生成用于媒體類別和/或移動設備類型的不同組合的設備共享矩陣和/或未覆蓋因子。媒體類別(可針對其生成單獨的設備共享矩陣和/或未覆蓋因子)的示例包括廣告、兒童節(jié)目、喜劇、戲劇、故事片、信息和/或新聞節(jié)目、體育運動、綜藝(例如，游戲節(jié)目、真人秀、脫口秀)和/或其它類別。設備類型(可針對其生成單獨的設備共享矩陣和/或未覆蓋因子)的示例包括智能手機(例如，iPhone、基于安卓操作系統(tǒng)的智能手機、黑莓智能手機、基于WindowsMobile的智能手機等)、平板電腦(例如，iPad、基于安卓操作系統(tǒng)的平板電腦等)、便攜式媒體播放器(例如，iPod等)、和/或其它設備類型。這類設備類型可以是基于網(wǎng)絡跟蹤器的設備(例如，運行基于網(wǎng)絡跟蹤器的應用程序/軟件的設備)和/或不基于網(wǎng)絡跟蹤器的設備(例如，運行不采用網(wǎng)絡跟蹤器的應用程序/軟件的設備，諸如蘋果iOS設備)。所公開的用于針對錯誤認定和/或未覆蓋誤差補償印象信息的示例性方法和裝置解決了準確地確定與媒體的印象相關聯(lián)的人口統(tǒng)計資料的技術問題，該媒體的印象借助諸如互聯(lián)網(wǎng)的網(wǎng)絡來傳送和監(jiān)控。使用這類計算設備來收集在計算設備處發(fā)生的媒體印象和指示媒體印象發(fā)生的數(shù)據(jù)。這類數(shù)據(jù)的校準可以包括收集、處理、和/或分析成百上千、上百萬、或更多印象。因此，這類大量數(shù)據(jù)的校準和/或校正呈現(xiàn)出巨大的技術挑戰(zhàn)。所公開的示例可以被應用于借助計算設備收集的一組媒體印象，從而以高效且及時的方式產(chǎn)生對于巨大量的媒體印象(例如每周100,000個印象)的準確人口統(tǒng)計信息。這在受眾測量的
技術領域：
中提供了顯著改進。在本文中所公開的示例可以與由尼爾森有限公司(美國)開發(fā)的在線活動評級(OCR)系統(tǒng)一起使用。OCR系統(tǒng)是用于收集和分析大量數(shù)據(jù)的有效系統(tǒng)。OCR系統(tǒng)不需要小組成員軟件來獲得待處理的數(shù)據(jù)。在本文中所公開的技術能夠生成調(diào)整因子而不需要引入小組成員軟件。這降低了所需的軟件的量且消除了對終端用戶計算機的需求。這些是降低計算資源的開銷和使用的技術優(yōu)勢。在本文中所公開的技術還用于有效地校準OCR自動系統(tǒng)以校正可出現(xiàn)在其操作中的錯誤認定誤差。因此，所公開的技術解決了校準OCR系統(tǒng)以準確地反映真實世界情況的技術問題，因此，通過消除對于分布在整個系統(tǒng)上的小組成員軟件的需求來實現(xiàn)校準。所公開的示例性方法包括：在第一因特網(wǎng)域從第一類型的計算設備接收第一請求。在示例性方法中，第一請求指示在計算設備處對媒體的訪問。示例性方法還包括：發(fā)送對于人口統(tǒng)計信息的請求，該人口統(tǒng)計信息對應于在第一因特網(wǎng)域從第一類型的計算設備接收的多個請求。所述多個請求包括第一請求。示例性方法還包括：獲得發(fā)生在第一類型的計算設備上的媒體印象的計數(shù)，媒體印象的第一部分對應于數(shù)據(jù)庫所有者可識別其人口統(tǒng)計信息的人員，且媒體印象的第二部分對應于數(shù)據(jù)庫所有者不可用其人口統(tǒng)計信息的人員；以及基于在第一類型的計算設備上訪問媒體印象所對應的媒體的第一概率且基于在第二類型的計算設備上訪問媒體的第二概率，確定用于媒體印象的第二部分的人口統(tǒng)計信息。在一些示例性方法中，確定人口統(tǒng)計信息包括將第一概率與第二概率的比率乘以歸屬于第一人口統(tǒng)計組的媒體印象的數(shù)目。在一些示例性方法中，第一概率為第一人口統(tǒng)計組中的人員在第一類型的計算設備上訪問媒體的概率，且第二概率為第一人口統(tǒng)計組中的人員在第二類型的計算設備上訪問媒體的概率。一些示例性方法還包括：調(diào)整媒體印象以對于將媒體印象的子集不正確地歸屬于第二人口統(tǒng)計組中的第二人員進行補償，從被調(diào)整以補償不正確歸屬的媒體印象的子集確定歸屬于第一人口統(tǒng)計組的媒體印象的數(shù)目。在一些示例性方法中，第一類型的計算設備包括移動設備，第二類型的計算設備包括電視。在一些示例性方法中，第一類型的計算設備包括以下項中的至少一者：智能手機、平板電腦、或便攜式媒體播放器。在一些示例性方法中，第一概率和第二概率對應于媒體的媒體類別。在一些示例性方法中，媒體類別為喜劇、戲劇、政治、現(xiàn)實或組合媒體類別中的至少一者。一些示例性方法還包括：在確定人口統(tǒng)計信息之前，針對以下情況調(diào)整媒體印象：媒體印象中的媒體印象正被不正確地歸屬于未引起該媒體印象的人員。一些示例性方法還包括：基于對人員調(diào)查的調(diào)查響應計算第一概率和第二概率，計算第一概率包括從調(diào)查響應確定與人口統(tǒng)計組、媒體類別、計算設備的類型、或地理區(qū)域中的至少一者相關聯(lián)的權重，該權重指示在感興趣的設備類型上訪問與媒體印象相關聯(lián)的媒體的對應概率。在一些示例性方法中，調(diào)查的是隨機小組或由受眾測量實體維持的受眾成員的小組中的至少一者。在一些示例性方法中，確定用于該媒體印象的該部分的人口統(tǒng)計信息包括：確定歸屬于人員所對應的不同人口統(tǒng)計組的媒體印象的比例，以及將所述媒體印象的比例縮放至該媒體印象的該部分。一些示例性方法還包括：將指令提供給發(fā)行者，其中指令將由發(fā)行者提供給計算設備。當被計算設備執(zhí)行時，由發(fā)行者提供的指令引起計算設備發(fā)送第一請求。一些示例性方法還包括：通過不與個體在線用戶關于其在線媒體訪問活動進行通信以及通過不向在線用戶請求調(diào)查響應以確定在第一類型的計算設備上訪問媒體印象所對應的媒體的第一概率或確定在第二類型的計算設備上訪問媒體的第二概率，來節(jié)省計算機處理資源。一些示例性方法還包括：通過不與個體在線用戶關于其在線媒體訪問活動進行通信以及通過不向在線用戶請求調(diào)查響應以確定在第一類型的計算設備上訪問媒體印象所對應的媒體的第一概率或確定在第二類型的計算設備上訪問媒體的第二概率，來節(jié)省網(wǎng)絡通信帶寬。所公開的示例性裝置包括印象收集器，該印象收集器用于在第一因特網(wǎng)域從計算設備接收第一請求以及發(fā)送對于人口統(tǒng)計信息的請求，該人口統(tǒng)計信息對應于在第一因特網(wǎng)域從第一類型的計算設備接收的多個請求，所述多個請求包括第一請求。在所公開的示例性裝置中，第一請求指示在計算設備處對媒體的訪問。所公開的示例性裝置還包括印象信息收集器，該印象信息收集器用于訪問發(fā)生在第一類型的計算設備上的媒體印象的計數(shù)，媒體印象的第一部分對應于數(shù)據(jù)庫所有者可識別其人口統(tǒng)計信息的人員，且媒體印象的第二部分對應于數(shù)據(jù)庫所有者不可用其人口統(tǒng)計信息的人員。所公開的示例性裝置還包括未覆蓋檢測器，該未覆蓋檢測器用于基于在第一類型的計算設備上訪問媒體印象所對應的媒體的第一概率且基于在第二類型的計算設備上訪問媒體的第二概率來確定用于媒體印象的所述部分的人口統(tǒng)計信息，印象信息收集器或未覆蓋檢測器中的至少一者由邏輯電路來實現(xiàn)。一些示例性裝置還包括未覆蓋計算器，該未覆蓋計算器用于將第一概率與第二概率的比率乘以歸屬于第一人口統(tǒng)計組的媒體印象的數(shù)目。在一些示例性裝置中，第一概率為第一人口統(tǒng)計組中的人員在第一類型的計算設備上訪問媒體的概率，且第二概率為第一人口統(tǒng)計組中的人員在第二類型的計算設備上訪問媒體的概率。一些示例性裝置還包括錯誤認定校正器，該錯誤認定校正器用于調(diào)整媒體印象以對于將媒體印象的子集不正確地歸屬于第二人口統(tǒng)計組中的第二人員進行補償，從被調(diào)整以補償不正確歸屬的媒體印象的子集確定歸屬于第一人口統(tǒng)計組的媒體印象的數(shù)目。在一些示例性裝置中，第一類型的計算設備包括移動設備，第二類型的計算設備包括電視。在一些示例性裝置中，第一類型的計算設備包括以下項中的至少一者：智能手機、平板電腦、或便攜式媒體播放器。在一些示例性裝置中，未覆蓋計算器用于基于對人員調(diào)查的調(diào)查響應計算第一概率和第二概率，且未覆蓋計算器用于通過從調(diào)查響應確定與人口統(tǒng)計組、媒體類別、計算設備的類型、或地理區(qū)域中的至少一者相關聯(lián)的權重來計算第一概率，該權重指示在感興趣的設備類型上訪問與媒體印象相關聯(lián)的媒體的對應概率。在一些示例性裝置中，調(diào)查的是隨機小組或由受眾測量實體維持的受眾成員的小組中的至少一者。在一些示例性裝置中，第一概率和第二概率對應于媒體的媒體類別。在一些示例性裝置中，媒體類別為喜劇、戲劇、政治、現(xiàn)實或組合媒體類別中的至少一者。在一些示例性裝置中，未覆蓋校正器用于通過確定歸屬于人員所對應的不同人口統(tǒng)計組的媒體印象的比例、以及將所述媒體印象的比例縮放至該媒體印象的該部分，來確定用于該媒體印象的該部分的人口統(tǒng)計信息。附加公開的示例性方法包括：在第一因特網(wǎng)域從第一類型的計算設備接收第一請求以及發(fā)送對于人口統(tǒng)計信息的請求，該人口統(tǒng)計信息對應于在第一因特網(wǎng)域從第一類型的計算設備接收的多個請求，所述多個請求包括第一請求。在所公開的示例性方法中，第一請求指示在計算設備處對媒體的訪問。所公開的示例性方法還包括：生成聚合受眾分布，該聚合受眾分布包括與第二家庭的第二受眾分布聚合的第一家庭的第一受眾分布，基于第一家庭的調(diào)查響應，該第一受眾分布包括第一家庭的第一家庭成員在向數(shù)據(jù)庫所有者注冊的第一家庭成員的人口統(tǒng)計組中的分布，該第一受眾分布基于第一家庭成員對第一媒體的訪問；將聚合受眾分布歸一化以生成錯誤認定校正矩陣，該錯誤認定校正矩陣包括如下事件的概率：當數(shù)據(jù)庫所有者確定媒體的印象對應于第二人口統(tǒng)計組中的人員時，該印象歸屬于第一人口統(tǒng)計組；以及通過使用錯誤認定校正矩陣將印象從第二人口統(tǒng)計組重新分配給第一人口統(tǒng)計組，來補償印象中的錯誤認定誤差。一些示例性方法還包括：生成校正指標以針對與調(diào)查校準數(shù)據(jù)源相關聯(lián)的過采樣或欠采樣中的至少一者校正聚合受眾分布，該調(diào)查校準數(shù)據(jù)源指示第一家庭成員對媒體的訪問以及第一家庭成員向數(shù)據(jù)庫所有者的注冊狀態(tài)。在一些示例性方法中，校正指標基于第一人口統(tǒng)計組中的第一人員與第二人口統(tǒng)計組中的第二人員一起生活的第二概率。在一些示例性方法中，生成校正指標包括：基于第一調(diào)查校準數(shù)據(jù)確定第一人員對的第一數(shù)量，其表示第一人員對中包括一起生活的第一人口統(tǒng)計組中的第一人員與第二人口統(tǒng)計組中的第二人員的第一人員對；基于第二調(diào)查校準數(shù)據(jù)確定第二人員對的第二數(shù)量，其表示第二人員對中包括一起生活的第一人口統(tǒng)計組中的第三人員與第二人口統(tǒng)計組中的第四人員的第二人員對，該第二調(diào)查校準數(shù)據(jù)比第一調(diào)查校準數(shù)據(jù)具有更高的準確度；以及確定第一數(shù)量與第二數(shù)量的比率。在一些示例性方法中，針對每個第一人口統(tǒng)計組，聚合受眾分布描述第二人口統(tǒng)計組中的將被歸屬于該第一人口統(tǒng)計組的人員的數(shù)目，并且將聚合受眾分布歸一化包括縮放第二人口統(tǒng)計組中的人員的數(shù)目，使得對于第二人口統(tǒng)計組的人員的總數(shù)為指定值。一些示例性方法還包括：確定用于第一家庭的共享模式，該共享模式指示第一家庭成員中訪問媒體類別的第一家庭成員以及第一家庭成員中不訪問媒體類別的其他第一家庭成員；以及基于用于媒體類別的共享模式確定用于第一家庭中的第一家庭成員的設備共享概率的概率密度函數(shù)，該概率密度函數(shù)指示第一家庭成員訪問媒體類別中的媒體的對應概率，第一受眾分布基于設備共享概率。一些示例性方法還包括：當?shù)谝患彝ゾ哂械谝患彝コ蓡T中的處于同一第二人口統(tǒng)計組中的兩個或更多個注冊的第一家庭成員時，聚合用于第一家庭成員的設備共享概率。一些示例性方法還包括：通過將部分數(shù)目分布到人口統(tǒng)計組中生成第一受眾分布，該部分數(shù)目總數(shù)達第一家庭成員中向數(shù)據(jù)庫所有者注冊的那些第一家庭成員的計數(shù)。在一些示例性方法中，生成第一受眾分布不使用網(wǎng)絡跟蹤器。在一些示例性方法中，生成第一受眾分布和生成聚合受眾分布不使用計量軟件來收集家庭成員向數(shù)據(jù)庫所有者的注冊狀態(tài)或收集媒體訪問數(shù)據(jù)。在一些示例性方法中，重新分配印象包括確定錯誤認定校正矩陣和印象矩陣的乘積，印象矩陣指示由數(shù)據(jù)庫所有者確定的對應于各自人口統(tǒng)計組的印象的數(shù)目。在一些示例性方法中，重新分配印象導致印象的總數(shù)目與印象矩陣中的印象的總數(shù)目相同。一些示例性方法還包括：將指令提供給發(fā)行者，該指令將由發(fā)行者提供給計算設備，以及當被計算設備執(zhí)行時引起計算設備發(fā)送第一請求。一些示例性方法還包括：通過不與個體在線用戶關于其在線媒體訪問活動進行通信以及通過不向在線用戶請求調(diào)查響應以生成聚合受眾分布，來節(jié)省計算機處理資源。一些示例性方法還包括：通過不與個體在線用戶關于其在線媒體訪問活動進行通信以及通過不向在線用戶請求調(diào)查響應以生成聚合受眾分布，來節(jié)省網(wǎng)絡通信帶寬。附加公開的示例性裝置包括印象收集器，該印象收集器用于在第一因特網(wǎng)域從第一類型的計算設備接收第一請求以及發(fā)送對于人口統(tǒng)計信息的請求，該人口統(tǒng)計信息對應于在第一因特網(wǎng)域從第一類型的計算設備接收的多個請求，所述多個請求包括第一請求。在所公開的示例性裝置中，第一請求指示在計算設備處對媒體的訪問。所公開的示例性裝置還包括聚合分布生成器，該聚合分布生成器用于生成聚合受眾分布，該聚合受眾分布包括與第二家庭的第二受眾分布聚合的第一家庭的第一受眾分布，基于第一家庭的調(diào)查響應，該第一受眾分布包括第一家庭的第一家庭成員在向數(shù)據(jù)庫所有者注冊的第一家庭成員的人口統(tǒng)計組中的分布，該第一受眾分布基于第一家庭成員對第一媒體的訪問。示例性裝置還包括矩陣歸一化器，該矩陣歸一化器用于將聚合受眾分布歸一化以生成錯誤認定校正矩陣，該錯誤認定校正矩陣包括如下事件的概率：當數(shù)據(jù)庫所有者確定媒體的印象對應于第二人口統(tǒng)計組中的人員時，該印象歸屬于第一人口統(tǒng)計組。所公開的示例性裝置還包括錯誤認定校正器，該錯誤認定校正器用于通過使用錯誤認定校正矩陣將印象從第二人口統(tǒng)計組重新分配給第一人口統(tǒng)計組，來補償印象中的錯誤認定誤差，聚合分布生成器、矩陣歸一化器、或錯誤認定校正器中的至少一者由邏輯電路來實現(xiàn)。一些示例性裝置還包括矩陣校正器，該矩陣校正器用于生成校正指標以針對與調(diào)查校準數(shù)據(jù)源相關聯(lián)的過采樣或欠采樣中的至少一者校正聚合受眾分布，該調(diào)查校準數(shù)據(jù)源指示第一家庭成員對媒體的訪問以及第一家庭成員向數(shù)據(jù)庫所有者的注冊狀態(tài)。在一些示例性裝置中，校正指標基于第一人口統(tǒng)計組中的第一人員與第二人口統(tǒng)計組中的第二人員一起生活的第二概率。在一些示例性裝置中，矩陣校正器用于通過如下方式生成校正指標：基于第一調(diào)查校準數(shù)據(jù)確定第一人員對的第一數(shù)量，即，相應地包括一起生活的第一人口統(tǒng)計組中的第一人員與第二人口統(tǒng)計組中的第二人員的所述第一人員對的數(shù)量；基于第二調(diào)查校準數(shù)據(jù)確定第二人員對的第二數(shù)量，即，相應地包括一起生活的第一人口統(tǒng)計組中的第三人員與第二人口統(tǒng)計組中的第四人員的所述第二人員對的數(shù)量，該第二調(diào)查校準數(shù)據(jù)比第一調(diào)查校準數(shù)據(jù)具有更高的準確度；以及確定第一數(shù)量與第二數(shù)量的比率。在一些示例性裝置中，針對每個第一人口統(tǒng)計組，聚合受眾分布描述第二人口統(tǒng)計組中的將被歸屬于第一人口統(tǒng)計組的人員的數(shù)目，并且矩陣歸一化器用于通過縮放第二人口統(tǒng)計組中的人員的相應數(shù)目使得對于第二人口統(tǒng)計組的人員的數(shù)目為指定值而將聚合受眾分布歸一化。一些示例性裝置還包括家庭分布生成器，該家庭分布生成器用于：確定用于第一家庭的共享模式，該共享模式指示第一家庭成員中訪問媒體類別的第一家庭成員以及第一家庭成員中不訪問媒體類別的第一家庭成員；以及基于用于媒體類別的共享模式確定用于第一家庭中的第一家庭成員的設備共享概率的概率密度函數(shù)，該概率密度函數(shù)指示第一家庭成員訪問媒體類別中的媒體的對應概率，第一受眾分布基于設備共享概率。在一些示例性裝置中，聚合分布生成器用于：當?shù)谝患彝ゾ哂械谝患彝コ蓡T中的處于同一第二人口統(tǒng)計組中的兩個或更多個注冊的第一家庭成員時，聚合用于第一家庭成員的設備共享概率。一些示例性裝置還包括家庭分布生成器，該家庭分布生成器用于通過將部分數(shù)目分布到人口統(tǒng)計組中生成第一受眾分布，該部分數(shù)目總數(shù)達第一家庭成員中向數(shù)據(jù)庫所有者注冊的那些第一家庭成員的計數(shù)。在一些示例性裝置中，錯誤認定校正器用于通過確定錯誤認定校正矩陣和印象矩陣的乘積來重新分配印象，印象矩陣指示由數(shù)據(jù)庫所有者確定的對應于各自人口統(tǒng)計組的印象的數(shù)目。在一些示例性裝置中，錯誤認定校正器用于重新分配印象使得重新分配的印象的總數(shù)目為與印象矩陣中的印象的總數(shù)目相同的印象總數(shù)目。附加公開的示例性方法包括：在第一因特網(wǎng)域從第一類型的計算設備接收第一請求以及發(fā)送對于人口統(tǒng)計信息的請求，該人口統(tǒng)計信息對應于在第一因特網(wǎng)域從第一類型的計算設備接收的多個請求，所述多個請求包括第一請求。在所公開的示例性方法中，第一請求指示在計算設備處對媒體的訪問。所公開的示例性方法還包括：生成聚合受眾分布，該聚合受眾分布包括與第二家庭的第二受眾分布聚合的第一家庭的第一受眾分布，該第一受眾分布包括第一家庭的第一家庭成員在向數(shù)據(jù)庫所有者注冊的那些第一家庭成員的人口統(tǒng)計組中的分布，該第一受眾分布基于第一家庭成員對第一媒體的訪問，該聚合受眾分布在不使用網(wǎng)絡跟蹤器的情況下生成；將聚合受眾分布歸一化以生成錯誤認定校正矩陣，該錯誤認定校正矩陣包括如下事件的概率：當數(shù)據(jù)庫所有者確定媒體的印象對應于第二人口統(tǒng)計組中的人員時，該印象歸屬于第一人口統(tǒng)計組；以及通過使用錯誤認定校正矩陣將印象從第二人口統(tǒng)計組重新分配給第一人口統(tǒng)計組，來補償印象中的錯誤認定誤差，印象指示在移動設備上訪問的媒體。一些示例性方法還包括：生成校正指標以針對與調(diào)查校準數(shù)據(jù)源相關聯(lián)的過采樣或欠采樣中的至少一者校正聚合受眾分布，該調(diào)查校準數(shù)據(jù)源指示第一家庭成員對媒體的訪問以及第一家庭成員向數(shù)據(jù)庫所有者的注冊狀態(tài)。在一些示例性方法中，校正指標基于第一人口統(tǒng)計組中的第一人員與第二人口統(tǒng)計組中的第二人員一起生活的第二概率。在一些示例性方法中，生成校正指標包括：基于第一調(diào)查校準數(shù)據(jù)確定第一人員對的第一數(shù)量，其表示包括一起生活的第一人口統(tǒng)計組中的第一人員與第二人口統(tǒng)計組中的第二人員的所述第一人員對的數(shù)量；基于第二調(diào)查校準數(shù)據(jù)確定第二人員對的第二數(shù)量，其表示包括一起生活的第一人口統(tǒng)計組中的第三人員與第二人口統(tǒng)計組中的第四人員的所述第二人員對的數(shù)量，該第二調(diào)查校準數(shù)據(jù)比第一調(diào)查校準數(shù)據(jù)具有更高的準確度；以及確定第一數(shù)量與第二數(shù)量的比率。在一些示例性方法中，針對每個第一人口統(tǒng)計組，聚合受眾分布描述第二人口統(tǒng)計組中的將被歸屬于第一人口統(tǒng)計組的人員的數(shù)目，并且將聚合受眾分布歸一化包括縮放第二人口統(tǒng)計組中的人員的數(shù)目，使得對于第二人口統(tǒng)計組的人員的數(shù)目為指定值。一些示例性方法還包括：確定用于第一家庭的共享模式，該共享模式指示第一家庭成員中訪問媒體類別的第一家庭成員以及第一家庭成員中不訪問媒體類別的其他第一家庭成員；以及基于用于媒體類別的共享模式確定用于第一家庭中的第一家庭成員的設備共享概率的概率密度函數(shù)，該概率密度函數(shù)指示第一家庭成員訪問媒體類別中的媒體的對應概率，第一受眾分布基于設備共享概率。一些示例性方法還包括：當?shù)谝患彝ゾ哂械谝患彝コ蓡T中的處于同一第二人口統(tǒng)計組中的兩個或更多個注冊的第一家庭成員時，聚合用于第一家庭成員的設備共享概率。一些示例性方法還包括：通過將部分數(shù)目分布到人口統(tǒng)計組中生成第一受眾分布，該部分數(shù)目總數(shù)達第一家庭成員中向數(shù)據(jù)庫所有者注冊的那些第一家庭成員的計數(shù)。在一些示例性方法中，生成第一受眾分布不使用網(wǎng)絡跟蹤器。在一些示例性方法中，生成第一受眾分布和生成聚合受眾分布不使用計量軟件來收集家庭成員向數(shù)據(jù)庫所有者的注冊狀態(tài)或收集媒體訪問數(shù)據(jù)。在一些示例性方法中，重新分配印象包括確定錯誤認定校正矩陣和印象矩陣的乘積，印象矩陣指示由數(shù)據(jù)庫所有者確定的對應于各自人口統(tǒng)計組的印象的數(shù)目。在一些示例性方法中，重新分配印象導致印象的總數(shù)目與印象矩陣中的印象的總數(shù)目相同。一些示例性方法還包括：將指令提供給發(fā)行者，該指令將由發(fā)行者提供給計算設備，以及當被計算設備執(zhí)行時引起計算設備發(fā)送第一請求。一些示例性方法還包括：通過不與個體在線用戶關于其在線媒體訪問活動進行通信以及通過不向在線用戶請求調(diào)查響應以生成聚合受眾分布，來節(jié)省計算機處理資源。一些示例性方法還包括：通過不與個體在線用戶關于其在線媒體訪問活動進行通信以及通過不向在線用戶請求調(diào)查響應以生成聚合受眾分布，來節(jié)省網(wǎng)絡通信帶寬。附加公開的示例性裝置包括印象收集器，該印象收集器用于在第一因特網(wǎng)域從第一類型的計算設備接收第一請求以及發(fā)送對于人口統(tǒng)計信息的請求，該人口統(tǒng)計信息對應于在第一因特網(wǎng)域從第一類型的計算設備接收的多個請求，所述多個請求包括第一請求。在所公開的示例性裝置中，第一請求指示在計算設備處對媒體的訪問。所公開的示例性裝置還包括聚合分布生成器，該聚合分布生成器用于生成聚合受眾分布，該聚合受眾分布包括與第二家庭的第二受眾分布聚合的第一家庭的第一受眾分布，該第一受眾分布包括第一家庭的第一家庭成員在向數(shù)據(jù)庫所有者注冊的那些第一家庭成員的人口統(tǒng)計組中的分布，該聚合分布生成器在不使用網(wǎng)絡跟蹤器的情況下生成聚合受眾分布，以及該第一受眾分布基于第一家庭成員對第一媒體的訪問。示例性裝置還包括矩陣歸一化器，該矩陣歸一化器用于將聚合受眾分布歸一化以生成錯誤認定校正矩陣，該錯誤認定校正矩陣包括如下事件的概率：當數(shù)據(jù)庫所有者確定媒體的印象對應于第二人口統(tǒng)計組中的人員時，該印象歸屬于第一人口統(tǒng)計組。示例性裝置還包括錯誤認定校正器，該錯誤認定校正器用于通過使用錯誤認定校正矩陣將印象重新分配給第一人口統(tǒng)計組，來補償印象中的錯誤認定誤差，印象指示在移動設備上訪問的媒體。聚合分布生成器、矩陣歸一化器、或錯誤認定校正器中的至少一者由邏輯電路來實現(xiàn)。一些示例性裝置還包括矩陣校正器，該矩陣校正器用于生成校正指標以針對與調(diào)查校準數(shù)據(jù)源相關聯(lián)的過采樣或欠采樣中的至少一者校正聚合受眾分布，該調(diào)查校準數(shù)據(jù)源指示第一家庭成員對媒體的訪問以及第一家庭成員向數(shù)據(jù)庫所有者的注冊狀態(tài)。在一些示例性裝置中，校正指標基于第一人口統(tǒng)計組中的第一人員與第二人口統(tǒng)計組中的第二人員一起生活的第二概率。在一些示例性裝置中，矩陣校正器用于通過如下方式生成校正指標：基于第一調(diào)查校準數(shù)據(jù)確定第一人員對的第一數(shù)量，即，相應地包括一起生活的第一人口統(tǒng)計組中的第一人員與第二人口統(tǒng)計組中的第二人員的所述第一人員對的數(shù)量；基于第二調(diào)查校準數(shù)據(jù)確定第二人員對的第二數(shù)量，即，相應地包括一起生活的第一人口統(tǒng)計組中的第三人員與第二人口統(tǒng)計組中的第四人員的所述第二人員對的數(shù)量，該第二調(diào)查校準數(shù)據(jù)比第一調(diào)查校準數(shù)據(jù)具有更高的準確度；以及確定第一數(shù)量與第二數(shù)量的比率。在一些示例性裝置中，針對每個第一人口統(tǒng)計組，聚合受眾分布描述第二人口統(tǒng)計組中的將被歸屬于第一人口統(tǒng)計組的人員的數(shù)目，并且矩陣歸一化器用于通過縮放第二人口統(tǒng)計組中的人員的數(shù)目使得對于第二人口統(tǒng)計組的人員的數(shù)目為指定值而將聚合受眾分布歸一化。一些示例性裝置還包括家庭分布生成器，該家庭分布生成器用于：確定用于第一家庭的共享模式，該共享模式指示第一家庭成員中訪問媒體類別的第一家庭成員以及第一家庭成員中不訪問媒體類別的其他第一家庭成員；以及基于用于媒體類別的共享模式確定用于第一家庭中的第一家庭成員的設備共享概率的概率密度函數(shù)，該概率密度函數(shù)指示第一家庭成員訪問媒體類別中的媒體的對應概率，第一受眾分布基于設備共享概率。在一些示例性裝置中，聚合分布生成器用于：當?shù)谝患彝ゾ哂械谝患彝コ蓡T中的處于同一第二人口統(tǒng)計組中的兩個或更多個注冊的第一家庭成員時，聚合用于第一家庭成員的設備共享概率。一些示例性裝置還包括家庭分布生成器，該家庭分布生成器用于通過將部分數(shù)目分布到人口統(tǒng)計組中生成第一受眾分布，該部分數(shù)目總數(shù)達第一家庭成員中向數(shù)據(jù)庫所有者注冊的那些第一家庭成員的計數(shù)。在一些示例性裝置中，錯誤認定校正器用于通過確定錯誤認定校正矩陣和印象矩陣的乘積來重新分配印象，印象矩陣指示由數(shù)據(jù)庫所有者確定的對應于各自人口統(tǒng)計組的印象的數(shù)目。在一些示例性裝置中，錯誤認定校正器用于重新分配印象使得重新分配的印象的總數(shù)目為與印象矩陣中的印象的總數(shù)目相同的印象總數(shù)目。附加公開的示例性方法包括：從第一類型的計算設備收集媒體印象；向數(shù)據(jù)庫所有者請求用于媒體印象的人口統(tǒng)計信息，媒體印象的第一部分對應于數(shù)據(jù)庫所有者存儲其人口統(tǒng)計信息的人員，且媒體印象的第二部分對應于數(shù)據(jù)庫所有者不可用其人口統(tǒng)計信息的人員；從數(shù)據(jù)庫所有者接收媒體印象的第一部分所對應的人口統(tǒng)計信息；使用處理器確定媒體印象的第二部分中的媒體印象的數(shù)目；以及基于在第一類型的計算設備上訪問媒體印象所對應的媒體的第一概率且基于在第二類型的設備上訪問媒體的第二概率，使用處理器確定用于媒體印象的第二部分的人口統(tǒng)計信息。附加公開的示例性方法包括：在第一因特網(wǎng)域從第一類型的計算設備接收第一請求以及在第一因特網(wǎng)域從該計算設備接收第二請求，第一請求指示在計算設備處對媒體的訪問，第二請求指示在計算設備處對媒體的持續(xù)時間單元的訪問。示例性方法還包括：發(fā)送對于人口統(tǒng)計信息的請求，該人口統(tǒng)計信息對應于在第一因特網(wǎng)域從第一類型的計算設備接收的多個請求，所述多個請求包括第二請求。所公開示例性方法還包括：獲得發(fā)生在第一類型的計算設備上的持續(xù)時間單元的計數(shù)，持續(xù)時間單元的第一部分對應于數(shù)據(jù)庫所有者可識別其人口統(tǒng)計信息的人員，且持續(xù)時間單元的第二部分對應于數(shù)據(jù)庫所有者不可用其人口統(tǒng)計信息的人員；以及基于在第一類型的計算設備上訪問持續(xù)時間單元所對應的媒體的第一概率且基于在第二類型的計算設備上訪問媒體的第二概率，確定用于持續(xù)時間單元的第二部分的人口統(tǒng)計信息。附加公開的示例性裝置包括印象收集器。在所公開的示例性裝置中，該印象收集器用于在第一因特網(wǎng)域從第一類型的計算設備接收第一請求，第一請求指示在計算設備處對媒體的訪問。在所公開的示例性裝置中，該印象收集器還用于在第一因特網(wǎng)域從該計算設備接收第二請求，第二請求指示在計算設備處對媒體的持續(xù)時間單元的訪問。在所公開的示例性裝置中，印象收集器還用于發(fā)送對于人口統(tǒng)計信息的請求，該人口統(tǒng)計信息對應于在第一因特網(wǎng)域從第一類型的計算設備接收的多個請求，所述多個請求包括第二請求。所公開的示例性裝置還包括印象信息收集器，該印象信息收集器用于訪問發(fā)生在第一類型的計算設備上的持續(xù)時間單元的計數(shù)，持續(xù)時間單元的第一部分對應于數(shù)據(jù)庫所有者可識別其人口統(tǒng)計信息的人員，且持續(xù)時間單元的第二部分對應于數(shù)據(jù)庫所有者不可用其人口統(tǒng)計信息的人員。所公開的示例性裝置還包括未覆蓋校正器，該未覆蓋校正器用于基于在第一類型的計算設備上訪問持續(xù)時間單元所對應的媒體的第一概率且基于在第二類型的計算設備上訪問媒體的第二概率確定用于持續(xù)時間單元的第二部分的人口統(tǒng)計信息，印象信息收集器或未覆蓋校正器中的至少一者由邏輯電路來實現(xiàn)。盡管參考補償或調(diào)整從移動設備獲得的印象信息來描述在本文中所公開的示例，但是這些示例也適用于非移動設備，諸如臺式電腦、電視、視頻游戲機、機頂盒和/或其它設備。印象和人口統(tǒng)計信息收集圖1示出了從分布式數(shù)據(jù)庫所有者104a、104b收集用于與在客戶端設備106處呈現(xiàn)的媒體的印象相關聯(lián)的用戶信息(例如用戶信息102a、102b)的示例性系統(tǒng)100。在圖示示例中，用戶信息102a、102b或用戶數(shù)據(jù)包括如下項中的一者或多者：人口統(tǒng)計數(shù)據(jù)，購買數(shù)據(jù)，和/或指示關于借助因特網(wǎng)訪問的信息的用戶活動、行為和/或偏好的其它數(shù)據(jù)，購買，在電子設備上訪問的媒體，用戶訪問的物理位置(例如零售或商業(yè)機構、餐廳、場館等)等。結合移動設備描述本文中所公開的示例，該移動設備可以為移動電話、移動通信設備、平板電腦、游戲設備、便攜式媒體呈現(xiàn)設備等。然而，可以結合非移動設備實現(xiàn)本文中所公開的示例，該非移動設備諸如因特網(wǎng)設施、智能電視、因特網(wǎng)終端、計算機、或能夠呈現(xiàn)借助網(wǎng)絡通信接收的媒體的任何其它設備。在圖1的圖示示例中，為了跟蹤客戶端設備106上的媒體印象，受眾測量實體(AME)108與應用程序發(fā)行者110合作或協(xié)作來在客戶端設備106上下載和安裝數(shù)據(jù)收集器112。圖示示例的應用程序發(fā)行者110可以是開發(fā)應用程序并將應用程序分布到移動設備的軟件應用程序開發(fā)商，和/或從軟件應用程序開發(fā)商接收應用程序并將應用程序分布到移動設備的經(jīng)銷商。數(shù)據(jù)收集器112可以被包括在加載到客戶端設備106上的其它軟件中，諸如操作系統(tǒng)114、應用程序(或app)116、網(wǎng)絡瀏覽器117、和/或任何其它軟件。圖1的示例性客戶端設備106為非本地計量的設備。即，客戶端設備106不支持和/或未設置有計量軟件(例如由AME108提供的計量軟件)。示例性軟件114-117中的任一者可以呈現(xiàn)從媒體發(fā)行者120接收的媒體118。該媒體118可以為廣告、視頻、音頻、文本、圖形、網(wǎng)頁、新聞、教育媒體、娛樂媒體、或任何其它類型的媒體。在圖示示例中，在媒體118中提供媒體ID122以實現(xiàn)標識媒體118，從而當媒體118被呈現(xiàn)在客戶端設備106或由AME108監(jiān)控的任何其它設備上時，AME108可以相信媒體118具有媒體印象。圖示示例的數(shù)據(jù)收集器112包括指令(例如Java、Java腳本、或任何其它計算機語言或腳本)，該指令在被客戶端設備106執(zhí)行時使客戶端設備106收集由應用程序116和/或客戶端設備106呈現(xiàn)的媒體118的媒體ID122，以及收集存儲在客戶端設備106中的一個或多個設備/用戶標識符124。圖示示例的一個或多個設備/用戶標識符124包括可被合作數(shù)據(jù)庫所有者104a-b中對應的數(shù)據(jù)庫所有者用來識別客戶端設備106的一個或多個用戶以及用來定位該一個或多個用戶所對應的用戶信息102a-b的標識符。例如，一個或多個設備/用戶標識符124可以包括軟件標識符(例如，國際移動設備標識(IMEI)、移動設備標識符(MEID)、媒體訪問控制(MAC)地址等)、應用程序存儲標識符(例如，谷歌安卓ID、蘋果ID、亞馬遜ID等)、開源的唯一設備標識符(OpenUDID)、開敞設備識別號(ODIN)、登錄標識符(例如用戶名)、電子郵箱地址、用戶代理數(shù)據(jù)(例如應用程序類型、操作系統(tǒng)、軟件供應商、軟件版本等)、第三方服務標識符(例如廣告服務標識符、設備使用分析服務標識符、人口統(tǒng)計資料收集服務標識符)、網(wǎng)絡存儲數(shù)據(jù)、文檔對象模型(DOM)存儲數(shù)據(jù)、本地共享的對象(也稱為“FlashCookies”)等。在一些示例中，可以使用更少或更多的設備/用戶標識符124。此外，盡管在圖1中僅示出兩個合作數(shù)據(jù)庫所有者104a-b，但是AME108可以與任何數(shù)目的合作數(shù)據(jù)庫所有者合作來收集分布的用戶信息(例如用戶信息102a-b)。在一些示例中，客戶端設備106可以不允許訪問存儲在客戶端設備106中的識別信息。對于這類實例，所公開的示例使AME108能夠?qū)ME提供的標識符(例如由AME108管理和跟蹤的標識符)存儲在客戶端設備106中以跟蹤客戶端設備106上的媒體印象。例如，AME108可以提供數(shù)據(jù)收集器112中的指令以將AME提供的標識符設置在可被應用程序116訪問和/或分配給應用程序116的存儲空間中，并且數(shù)據(jù)收集器112使用標識符作為設備/用戶標識符124。在這類示例中，由數(shù)據(jù)收集器112設置的AME提供的標識符存留在存儲空間中，甚至在應用程序116和數(shù)據(jù)收集器112不運行時。采用該方式，相同的AME提供的標識符可以在延長的持續(xù)時間內(nèi)保持與客戶端設備106相關聯(lián)。在數(shù)據(jù)收集器112設置客戶端設備106中的標識符的一些示例中，AME108可以征募客戶端設備106的用戶作為小組成員，以及可以存儲在小組成員注冊過程期間從用戶收集的和/或通過借助客戶端設備106和/或由用戶使用且由AME108監(jiān)控的任何其它設備監(jiān)控用戶活動/行為而收集的用戶信息。采用該方式，AME108可以使用戶的用戶信息(來自被AME108存儲的小組成員數(shù)據(jù))與歸屬于客戶端設備106上的用戶的媒體印象相關聯(lián)。在圖示示例中，數(shù)據(jù)收集器112將媒體ID122和一個或多個設備/用戶標識符124作為收集的數(shù)據(jù)126發(fā)送到應用程序發(fā)行者110?？商孢x地，數(shù)據(jù)收集器112可以配置成將收集的數(shù)據(jù)126發(fā)送到另一收集實體(除應用程序發(fā)行者110外)，該另一收集實體已經(jīng)被AME108簽約或與AME108合作以從移動設備(例如客戶端設備106)收集媒體ID(例如媒體ID122)和設備/用戶標識符(例如一個或多個設備/用戶標識符124)。在圖示示例中，應用程序發(fā)行者110(或收集實體)將媒體ID122和一個或多個設備/用戶標識符124作為印象數(shù)據(jù)130發(fā)送到AME108處的印象收集器132。圖示示例的印象數(shù)據(jù)130可以包括一個媒體ID122和一個或多個設備/用戶標識符124以上報媒體118的單個印象，或該印象數(shù)據(jù)130可以基于從客戶端設備106和/或其它移動設備接收的收集的數(shù)據(jù)(例如收集的數(shù)據(jù)126)的多個實例而包括多個媒體ID122和一個或多個設備/用戶標識符124以上報媒體的多個印象。在圖示示例中，印象收集器132將印象數(shù)據(jù)130存儲在AME媒體印象存儲器134(例如數(shù)據(jù)庫或其它數(shù)據(jù)結構)中。隨后，AME108將一個或多個設備/用戶標識符124發(fā)送到對應的合作數(shù)據(jù)庫所有者(例如合作數(shù)據(jù)庫所有者104a-b)以從合作數(shù)據(jù)庫所有者104a-b接收一個或多個設備/用戶標識符124所對應的用戶信息(例如用戶信息102a-b)，從而AME108可以將用戶信息與在移動設備(例如客戶端設備106)處呈現(xiàn)的媒體(媒體118)的對應媒體印象相關聯(lián)。在一些示例中，為了保護客戶端設備106的用戶的隱私，在將媒體標識符122和/或一個或多個設備/用戶標識符124發(fā)送到AME108和/或合作數(shù)據(jù)庫所有者104a-b之前，加密媒體標識符122和/或一個或多個設備/用戶標識符124。在其它示例中，不加密媒體標識符122和/或一個或多個設備/用戶標識符124。在AME108接收一個或多個設備/用戶標識符124之后，AME108將設備/用戶標識符日志136a-b發(fā)送到對應的合作數(shù)據(jù)庫所有者(例如合作數(shù)據(jù)庫所有者104a-b)。在一些示例中，設備/用戶標識符日志136a-b中的每一者可以包括單個設備/用戶標識符，或設備/用戶標識符日志136a-b中的每一者可以包括隨時間從一個或多個移動設備接收的多個聚合設備/用戶標識符。在接收設備/用戶標識符日志136a-b之后，合作數(shù)據(jù)庫所有者104a-b中的每一者在各自的日志136a-b中查找其對應于設備/用戶標識符124的用戶。采用該方式，合作數(shù)據(jù)庫所有者104a-b中的每一者收集在設備/用戶標識符日志136a-b中識別的用戶所對應的用戶信息102a-b，用以發(fā)送到AME108。例如，如果合作數(shù)據(jù)庫所有者104a為無線服務供應商且設備/用戶標識符日志136a包括可由無線服務供應商識別的IMEI碼，則無線服務供應商訪問其訂閱者記錄以找到具有匹配在設備/用戶標識符日志136a中接收的IMEI碼的IMEI碼的用戶。當用戶被識別時，無線服務供應商將用戶的用戶信息拷貝到用戶信息102a用以傳送到AME108。在一些其它示例中，數(shù)據(jù)收集器112配置成從客戶端設備106收集一個或多個設備/用戶標識符124。示例性數(shù)據(jù)收集器112在收集的數(shù)據(jù)126中將一個或多個設備/用戶標識符124發(fā)送到應用程序發(fā)行者110，以及示例性數(shù)據(jù)收集器112還將一個或多個設備/用戶標識符124發(fā)送到媒體發(fā)行者120。在這類其它示例中，數(shù)據(jù)收集器112不從客戶端設備106處的媒體118收集媒體ID122，因為數(shù)據(jù)收集器112不在圖1的示例性系統(tǒng)100中。代替地，將媒體118發(fā)行給客戶端設備106的媒體發(fā)行者120從其發(fā)行的媒體118檢索媒體ID122。媒體發(fā)行者120然后將媒體ID122關聯(lián)到從在客戶端設備106中執(zhí)行的數(shù)據(jù)收集器112接收的一個或多個設備/用戶標識符124，并將收集的數(shù)據(jù)138發(fā)送到應用程序發(fā)行者110，該收集的數(shù)據(jù)138包括媒體ID122和客戶端設備106的相關聯(lián)的一個或多個設備/用戶標識符124。例如，當媒體發(fā)行者120將媒體118發(fā)送到客戶端設備106時，通過使用從客戶端設備106接收的一個或多個設備/用戶標識符124中的一者或多者將客戶端設備106識別為用于媒體118的目標設備來實現(xiàn)。采用該方式，媒體發(fā)行者120可以將媒體118的媒體ID122與客戶端設備106的一個或多個設備/用戶標識符124相關聯(lián)，指示媒體118被發(fā)送到特定的客戶端設備106用以呈現(xiàn)(例如，生成媒體118的印象)。在數(shù)據(jù)收集器112配置成將一個或多個設備/用戶標識符124發(fā)送到媒體發(fā)行者120的一些其它示例中，數(shù)據(jù)收集器112不從客戶端設備106處的媒體118收集媒體ID122。代替地，將媒體118發(fā)行給客戶端設備106的媒體發(fā)行者120也從其發(fā)行的媒體118檢索媒體ID122。媒體發(fā)行者120然后將媒體ID122與客戶端設備106的一個或多個設備/用戶標識符124相關聯(lián)。媒體發(fā)行者120然后將媒體印象數(shù)據(jù)130(包括媒體ID122和一個或多個設備/用戶標識符124)發(fā)送到AME108。例如，當媒體發(fā)行者120將媒體118發(fā)送到客戶端設備106時，通過使用一個或多個設備/用戶標識符124中的一者或多者將客戶端設備106識別為用于媒體118的目標設備來實現(xiàn)。采用該方式，媒體發(fā)行者120可以將媒體118的媒體ID122與客戶端設備106的一個或多個設備/用戶標識符124相關聯(lián)，指示媒體118被發(fā)送到特定的客戶端設備106用以呈現(xiàn)(例如，生成媒體118的印象)。在圖示示例中，在AME108從媒體發(fā)行者120接收印象數(shù)據(jù)130之后，AME108然后可以將設備/用戶標識符日志136a-b發(fā)送到合作數(shù)據(jù)庫所有者104a-b以請求上文結合圖1描述的用戶信息102a-b。盡管在圖1中示出媒體發(fā)行者120與應用程序發(fā)行者110分離，但是應用程序發(fā)行者110可以實現(xiàn)媒體發(fā)行者120的至少一些操作以將媒體118發(fā)送到客戶端設備106用以呈現(xiàn)。例如，廣告供應商、媒體供應商或其它信息供應商可以將媒體(媒體118)發(fā)送到應用程序發(fā)行者110，該應用程序發(fā)行者110用于借助例如應用程序116(當其在客戶端設備106上執(zhí)行時)向客戶端設備106發(fā)行。在這類示例中，應用程序發(fā)行者110實施如由媒體發(fā)行者120執(zhí)行的上述操作。附加地或可替選地，相比于客戶端設備106將標識符發(fā)送到受眾測量實體108(例如借助應用程序發(fā)行者110、媒體發(fā)行者120、和/或其它實體)的上述示例，在其它示例中，客戶端設備106(例如安裝在客戶端設備106上的數(shù)據(jù)收集器112)將標識符(例如一個或多個設備/用戶標識符124)直接發(fā)送到對應的數(shù)據(jù)庫所有者104a、104b(例如不借助AME108)。在這類示例中，示例性客戶端設備106將媒體標識符122發(fā)送到受眾測量實體108(例如直接地或通過媒介物，諸如借助應用程序發(fā)行者110)，但不將媒體標識符122發(fā)送到數(shù)據(jù)庫所有者104a-b。如上所述，示例性合作數(shù)據(jù)庫所有者104a-b將用戶信息102a-b提供給示例性AME108，用于與媒體標識符122匹配以形成媒體印象信息。也如上所述，數(shù)據(jù)庫所有者104a-b未被提供媒體標識符122的副本。代替地，客戶端為數(shù)據(jù)庫所有者104a-b提供印象標識符140。印象標識符相對于客戶端設備106的其它印象事件而唯一地識別印象事件，從而可以將印象在客戶端設備106處的出現(xiàn)與印象的其它出現(xiàn)區(qū)分。然而，印象標識符140本身不識別與印象事件相關聯(lián)的媒體。在這類示例中，從客戶端設備106到AME108的印象數(shù)據(jù)130還包括印象標識符140和對應的媒體標識符122。為了使用戶信息102a-b與媒體標識符122匹配，示例性合作數(shù)據(jù)庫所有者104a-b將用戶信息102a-b提供給與印象標識符140相關聯(lián)的AME108，該印象標識符140用于觸發(fā)收集用戶信息102a-b的印象事件。采用該方式，AME108可以將從客戶端設備106接收的印象標識符140匹配到從合作數(shù)據(jù)庫所有者104a-b接收的對應印象標識符140以將從客戶端設備106接收的媒體標識符122與從數(shù)據(jù)庫所有者104a-b接收的用戶信息102a-b中的人口統(tǒng)計信息相關聯(lián)。印象標識符140可以額外地用于降低或避免人口統(tǒng)計信息的復制。例如，示例性合作數(shù)據(jù)庫所有者104a-b可以在每個印象的基礎上(例如每當客戶端設備106將包括加密標識符208a-b和印象標識符140的請求發(fā)送到合作數(shù)據(jù)庫所有者104a-b時)和/或在聚合基礎上(例如將一組用戶信息102a-b發(fā)送到客戶端設備106處呈現(xiàn)的AME108，該一組用戶信息102a-b可以包括在移動設備102a-b處的多個印象的指示(例如多個印象標識符140))將用戶信息102a-b和印象標識符140提供給AME108。提供給AME108的印象標識符140使AME108能夠區(qū)分獨特印象且避免過量計數(shù)觀看媒體的獨特用戶和/或設備的數(shù)目。例如，用于客戶端設備106的來自合作A數(shù)據(jù)庫所有者104a的用戶信息102a與來自合作B數(shù)據(jù)庫所有者104b的用戶信息102b之間的關系對于AME108不容易是明顯的。通過包括印象標識符140(或任何類似標識符)，示例性AME108可以基于存儲在用戶信息102a-b二者中的匹配印象標識符140而關聯(lián)用戶信息102a-b之間的同一用戶所對應的用戶信息。示例性AME108可以使用用戶信息102a-b上的這類匹配印象標識符140來避免過量計數(shù)移動設備和/或用戶(例如通過僅計數(shù)獨特用戶而非多次計數(shù)同一用戶)。例如如果印象使客戶端設備106向多個不同的數(shù)據(jù)庫所有者104a-b發(fā)送多個設備/用戶標識符而不具有印象標識符(例如印象標識符140)，則可能對同一用戶多次計數(shù)。例如，數(shù)據(jù)庫所有者中的第一者104a將第一用戶信息102a發(fā)送到AME108，AME108發(fā)信號通知印象出現(xiàn)。此外，數(shù)據(jù)庫所有者中的第二者104b將第二用戶信息102b發(fā)送到AME108，AME108發(fā)信號通知(單獨地)印象出現(xiàn)。此外，單獨地，客戶端設備106將印象的指示發(fā)送到AME108。在不知道用戶信息102a-b來自同一印象的情況下，AME108具有來自客戶端設備106的單個印象的指示和來自數(shù)據(jù)庫所有者104a-b的多個印象的指示。為了避免過量計數(shù)印象，AME108可以使用印象標識符140。例如，在查找用戶信息102a-b之后，示例性合作數(shù)據(jù)庫所有者104a-b將印象標識符140傳輸?shù)骄哂袑脩粜畔?02a-b的AME108。AME108將從客戶端設備106直接獲得的印象標識符140匹配到從具有用戶信息102a-b的數(shù)據(jù)庫所有者104a-b接收的印象標識符140，從而將用戶信息102a-b與媒體標識符122相關聯(lián)以及生成印象信息。這是可行的，因為AME108直接從客戶端設備106接收了與印象標識符140相關聯(lián)的媒體標識符122。因此，AME108可以將來自兩個或更多個數(shù)據(jù)庫所有者104a-b的用戶數(shù)據(jù)映射到同一媒體接觸事件，從而避免雙重計數(shù)。在圖示示例中的每個唯一的印象標識符140與客戶端設備106上的媒體的特定印象相關聯(lián)。合作數(shù)據(jù)庫所有者104a-b接收各自的設備/用戶標識符124并獨立地(例如在不管合作數(shù)據(jù)庫所有者104a-b中的其它者的情況下)且在不知道印象中涉及的媒體標識符122的情況下生成用戶信息102a-b。在不指示用戶信息102a(接收自合作數(shù)據(jù)庫所有者104a)中的特定用戶人口統(tǒng)計資料與在客戶端設備106處的與用戶信息102b(獨立于接收自合作數(shù)據(jù)庫所有者104a的用戶信息102a而接收自合作數(shù)據(jù)庫所有者104b)中的特定用戶人口統(tǒng)計資料相同的印象相關聯(lián)(例如是其結果)的情況下，且不參考印象標識符140的情況下，AME108可能無法將用戶信息102a與用戶信息102b相關聯(lián)和/或無法確定不同條的用戶信息102a-b與同一印象相關聯(lián)，且因此會將用戶信息102a與用戶信息102b計數(shù)成對應于兩個不同的用戶/設備和/或兩個不同的印象。上述示例說明了用于在受眾測量實體(或其它實體)處收集數(shù)據(jù)的方法和裝置。上文討論的示例可以用于收集用于任何類型的媒體的印象信息，包括靜態(tài)媒體(例如廣告圖像)、流媒體(例如流視頻和/或音頻，包括內(nèi)容、廣告、和/或其它類型的媒體)、和/或其它類型的媒體。對于靜態(tài)媒體(例如不具有時間成分的媒體，諸如圖像、文本、網(wǎng)頁等)，示例性AME108針對正在呈現(xiàn)到、傳送到、或以其它方式提供到客戶端設備106的媒體的每次出現(xiàn)記錄一次印象。對于流媒體(例如視頻、音頻等)，示例性AME108針對在一段時間內(nèi)出現(xiàn)的媒體測量人口統(tǒng)計資料。例如，當媒體位于客戶端應用程序/軟件114-117時，AME108(例如借助應用程序發(fā)行者110和/或媒體發(fā)行者120)將信標指令提供到在客戶端設備106上執(zhí)行的客戶端應用程序或客戶端軟件(例如OS114、網(wǎng)絡瀏覽器117、應用程序116等)。在一些示例中，信標指令使客戶端應用程序/軟件114-117按定期間隔和/或不定期間隔(例如每分、每30秒、每2分鐘等)向印象收集器132發(fā)送請求(例如廣播消息)。通過監(jiān)控和/或計數(shù)按間隔發(fā)生的請求，示例性AME108監(jiān)控基于持續(xù)時間的媒體(例如視頻、音頻等)的個體印象的持續(xù)時間。示例性AME108可以確定基于持續(xù)時間的媒體的印象(例如初始加載)的數(shù)量、基于持續(xù)時間的媒體的唯一受眾、和/或在多個印象中觀看的基于持續(xù)時間的媒體的總持續(xù)時間(單位例如秒或分鐘)。如在本文中使用的，術語“印象信息”可以包括印象和/或持續(xù)時間單位。示例性印象收集器132識別來自網(wǎng)絡瀏覽器117的請求，并結合一個或多個數(shù)據(jù)庫所有者將用于媒體的印象信息與網(wǎng)絡瀏覽器117的用戶的人口統(tǒng)計資料相匹配。在一些示例中，用戶從網(wǎng)站發(fā)行者加載(例如借助瀏覽器117)網(wǎng)頁，其中網(wǎng)頁對應于特定的60分鐘視頻。作為示例性網(wǎng)頁的一部分或在示例性網(wǎng)頁之外，網(wǎng)站發(fā)行者使數(shù)據(jù)收集器112例如通過向瀏覽器117提供信標指令而將廣播消息(例如信標請求)發(fā)送到信標服務器142。例如，當信標指令被示例性瀏覽器117執(zhí)行時，信標指令使數(shù)據(jù)收集器112按指定間隔(例如每分鐘或任何其它合適間隔)將廣播消息(例如信標請求、HTTP請求、聲脈沖)發(fā)送到印象收集器132。示例性信標指令(或例如來自印象收集器132或數(shù)據(jù)庫所有者104a-b的重定向消息)還使數(shù)據(jù)收集器112將廣播消息或信標請求發(fā)送到一個或多個數(shù)據(jù)庫所有者104a-b，該一個或多個數(shù)據(jù)庫所有者104a-b收集和/或保留關于用戶的人口統(tǒng)計信息。數(shù)據(jù)庫所有者104a-b傳輸關于與數(shù)據(jù)收集器112相關聯(lián)的用戶的人口統(tǒng)計信息，用于與由印象收集器132確定的印象組合或關聯(lián)。如果用戶在視頻結束之前關閉包含視頻的網(wǎng)頁，則信標指令被停止，并且數(shù)據(jù)收集器112停止向印象收集器132發(fā)送廣播消息。在一些示例中，廣播消息包括時間戳和/或指示視頻中多個廣播消息所對應的位置的其它信息。通過確定在印象收集器132處從客戶端設備106接收的廣播消息的數(shù)量和/或內(nèi)容，示例性印象收集器132可以確定用戶觀看了視頻的特定長度(例如視頻的一部分，在印象收集器132處接收了針對該部分的廣播消息)。圖示示例的客戶端設備106執(zhí)行導向主網(wǎng)站(例如www.acme.com)的客戶端應用程序/軟件114-117，從該主網(wǎng)站獲得媒體118(例如音頻、視頻、交互式媒體、流媒體等)，用以借助客戶端設備106來呈現(xiàn)。在圖示示例中，媒體118(例如廣告和/或內(nèi)容)標有標識符信息(例如媒體ID122、創(chuàng)建類型ID、布局ID、發(fā)行者源URL等)和信標指令。示例性信標指令使客戶端應用程序/軟件114-117向信標服務器142請求其它信標指令，該信標服務器142將指示客戶端應用程序/軟件114-117如何以及在哪里發(fā)送信標請求以上報媒體118的印象。例如，示例性客戶端應用程序/軟件114-117將包括媒體118的標識(例如媒體標識符122)的請求發(fā)送到信標服務器142。然后信標服務器142生成信標指令144并將其返回到示例性客戶端設備106。盡管信標服務器142和印象收集器132被分離示出，但是在一些示例中，信標服務器142和印象收集器132被組合。在圖示示例中，信標指令144包括一個或多個數(shù)據(jù)庫所有者(例如合作數(shù)據(jù)庫所有者104a-b中的一者或多者)或任何其它服務器(客戶端設備106應當向其發(fā)送信標請求(例如印象請求))的URL。在一些示例中，廣播消息或信標請求可以被實施成HTTP請求。然而，盡管發(fā)送的HTTP請求識別網(wǎng)頁或其它待下載的資源，但是廣播消息或信標請求包括作為其有效載荷的受眾測量信息(例如廣告活動標識、內(nèi)容標識符、和/或設備/用戶標識信息)。廣播消息或信標請求導向的服務器被編程以記錄廣播消息或信標請求的受眾測量數(shù)據(jù)作為印象(例如取決于標有信標指令的媒體的性質(zhì)的廣告和/或內(nèi)容印象)。在一些示例中，與標記的媒體118一起接收的信標指令包括信標指令144。在這類示例中，客戶端應用程序/軟件114-117不需要向信標服務器142請求信標指令144，這是因為在標記的媒體118中已經(jīng)提供了信標指令144。當信標指令144被客戶端設備106執(zhí)行時，信標指令144使客戶端設備106將信標請求(例如按指定間隔重復地)發(fā)送到在信標指令144中指定的遠程服務器(例如印象收集器132、媒體發(fā)行者120、數(shù)據(jù)庫所有者104a-b、或其它服務器)。在圖示示例中，指定的服務器為受眾測量實體108的服務器，即處于印象收集器132。信標指令144可以使用Java腳本或可借助客戶端應用程序(例如網(wǎng)絡瀏覽器)執(zhí)行的任何其它類型的指令或腳本(例如包括Java、HTML等)來實現(xiàn)。在2013年8月28日遞交的序列號為14/127,414的美國專利申請、2014年4月24日遞交的序列號為14/261,085的美國專利申請、2014年3月13日遞交的序列號為61/952,726的美國臨時專利申請、2014年4月14日遞交的序列號為61/979,391的美國臨時專利申請、2014年4月30日遞交的序列號為61/986,784的美國臨時專利申請、2014年5月9日遞交的序列號為61/991,286的美國臨時專利申請、和2014年6月19日遞交的序列號為62/014,659的美國臨時專利申請中公開了可用于實現(xiàn)圖1的系統(tǒng)的示例。序列號為14/127,414的美國專利申請、序列號為14/261,085的美國專利申請、序列號為61/952,726的美國臨時專利申請、序列號為61/979,391的美國臨時專利申請、序列號為61/986,784的美國臨時專利申請、序列號為61/991,286的美國臨時專利申請、和序列號為62/014,659的美國臨時專利申請的全部內(nèi)容通過引用并入在本文中。圖2至圖11的示例可以用于補償從客戶端設備收集的印象信息中的錯誤認定和/或未覆蓋誤差，用戶通過該客戶端設備訪問媒體。這類印象信息可以使用任何合適的技術來收集，包括上文討論的示例性技術。例如，從數(shù)據(jù)庫所有者104a-b收集的印象信息可以為聚合印象信息，其描述用于感興趣的媒體項目(例如廣告、流媒體、網(wǎng)站等)的多個印象、基于持續(xù)時間的媒體在其期間呈現(xiàn)的多個持續(xù)時間單位(例如分鐘、秒等)、和/或印象所對應的受眾成員的計數(shù)。從數(shù)據(jù)庫所有者104a-b獲得的聚合印象信息可能經(jīng)受錯誤認定誤差(例如由如下造成的誤差：當印象應當與第二人口統(tǒng)計組中的第二人員相關聯(lián)時，數(shù)據(jù)庫所有者錯誤地將該印象與第一人口統(tǒng)計組中的第一人員相關聯(lián))和/或未覆蓋誤差(例如由如下造成的誤差：數(shù)據(jù)庫所有者無法將印象與人員相關聯(lián))。由于無法通過數(shù)據(jù)庫所有者104a-b而與人口統(tǒng)計信息相關聯(lián)的印象和/或持續(xù)時間單位可以不被包括在聚合人口統(tǒng)計信息中，因此在一些公開的示例中，聚合人口統(tǒng)計信息中的未覆蓋誤差可以使用例如以下方式來檢測：在AME108處對印象進行計數(shù)并將計數(shù)的印象與數(shù)據(jù)庫所有者104a-b針對其識別人口統(tǒng)計信息的大量印象相比較。在一些其它示例中，數(shù)據(jù)庫所有者104a-b返回印象和/或持續(xù)時間單位的數(shù)目，數(shù)據(jù)庫所有者104a-b無法針對這些印象和/或持續(xù)時間單位確定人口統(tǒng)計信息。數(shù)據(jù)庫所有者104a-b無法針對其確定人口統(tǒng)計信息的印象和/或持續(xù)時間單位的數(shù)目可以被用作未覆蓋印象的數(shù)目。本文中所公開的示例使用調(diào)查校準數(shù)據(jù)來估計各自的誤差并生成補償?shù)挠∠笮畔?，該補償?shù)挠∠笮畔⒈徽{(diào)整以校正錯誤認定誤差和/或未覆蓋誤差。本文中所公開的示例可以用于從客戶端設備(例如移動設備和/或非移動設備)收集的印象和/或持續(xù)時間單位、可以應用于僅從移動設備收集的印象和/或持續(xù)時間單位、可以應用于從移動設備收集的印象和/或持續(xù)時間單位(與應用于從非移動設備收集的印象和/或持續(xù)時間單位分離)、和/或可以應用于從第一類型的移動設備收集的印象和/或持續(xù)時間單位(與應用于從第二類型的移動設備收集的印象分離)。在一些示例中，補償?shù)挠∠笮畔⑨槍σ苿釉O備和非移動設備而被分離地呈現(xiàn)或上報、和/或被上報成移動設備和非移動設備二者所對應的聚合數(shù)據(jù)。本文中所公開的示例可以實時地或基本上實時地(例如在接收數(shù)據(jù)的秒或分鐘內(nèi))應用于輸入數(shù)據(jù)，以及可以用于在任何期望時間段內(nèi)(例如每小時、每日、每周、每月等)和/或累積地(例如應用于在多個時間段上收集的印象和/或持續(xù)時間單位)補償印象信息(例如印象、持續(xù)時間單位)。因此，本文中所公開的示例可以向廣告商和/或媒體發(fā)布者提供準確的人口統(tǒng)計信息，以實現(xiàn)比已知方法更快速地調(diào)整媒體活動策略以符合測量的人口統(tǒng)計資料。圖2為示例性印象數(shù)據(jù)補償器200的框圖，該示例性印象數(shù)據(jù)補償器200可以用于實現(xiàn)圖1的示例性印象收集器132以針對錯誤認定和/或未覆蓋誤差補償印象信息。圖2的示例性印象數(shù)據(jù)補償器200補償或調(diào)整從客戶端設備(例如圖1的客戶端設備106)和/或從數(shù)據(jù)庫所有者104a-b獲得的印象信息以減小(例如避免)誤差，諸如上文提及的那些誤差。圖2的示例性印象數(shù)據(jù)補償器200包括校準數(shù)據(jù)收集器202、共享矩陣生成器204、錯誤認定校正器206、印象信息收集器208、未覆蓋計算器210、未覆蓋校正器212、和印象信息調(diào)整器214。圖2的示例性校準數(shù)據(jù)收集器202收集或獲得描述受眾的移動設備使用特性的調(diào)查校準數(shù)據(jù)。例如，調(diào)查校準數(shù)據(jù)可以包括和/或基于對隨機選擇的家庭的調(diào)查的響應。在一些示例中，校準調(diào)查獲得包括下列項的信息：家庭中的人員數(shù)、家庭的人口統(tǒng)計特性(例如年齡和性別、種族、種族劃分、語言特點、家庭收入、地理位置等)、家庭中存在的移動設備(例如智能手機、平板電腦、便攜式媒體播放器等)的數(shù)目和/或類型、和/或家庭中的人員向指定數(shù)據(jù)庫所有者(例如圖1的合作數(shù)據(jù)庫所有者104a-b)的注冊。在一些示例中，針對家庭中的每個人員，校準調(diào)查獲得各個移動設備的使用特性和/或家庭中存在的移動設備的類型；通常由人員觀看的媒體類別；通常由人員在各移動設備上觀看的媒體類別和/或家庭中的移動設備的類型；由人員在各移動設備上使用的應用程序和/或家庭中的移動設備的類型；和/或在各移動設備上與指定數(shù)據(jù)庫所有者的交互特性和/或家庭中的移動設備的類型。示例性校準數(shù)據(jù)收集器202從至少閾值數(shù)目的家庭獲得調(diào)查校準數(shù)據(jù)，且如果合適，則對反映一般人群或受眾的結果進行加權。在一些其它示例中，調(diào)查校準數(shù)據(jù)源包括建立的一個或多個應答者小組的調(diào)查，諸如用于收視率的尼爾森全國人民計(NPM)小組。建立的小組的調(diào)查經(jīng)常提供較高質(zhì)量的調(diào)查校準數(shù)據(jù)。在一些示例中，來自多個調(diào)查的數(shù)據(jù)用于計算不同的補償因子和/或組合用于計算補償因子。錯誤認定校正圖2的示例性共享矩陣生成器204基于調(diào)查校準數(shù)據(jù)計算設備共享矩陣。在圖2的示例中，共享矩陣生成器204為在調(diào)查校準數(shù)據(jù)中表示的設備類型和媒體類別的每個組合創(chuàng)建單獨的錯誤認定校正矩陣。為了生成用于感興趣的設備類型和媒體類別的錯誤認定校正矩陣，示例性共享矩陣生成器204包括家庭分布生成器216、聚合分布生成器218、矩陣校正器220、和矩陣歸一化器222。圖2的示例性家庭分布生成器216基于調(diào)查校準數(shù)據(jù)生成家庭的受眾分布。例如，家庭分布生成器216確定在調(diào)查校準數(shù)據(jù)中表示的人員使用感興趣的設備類型來觀看感興趣的媒體類型的媒體的對應可能性。為了說明，考慮如下示例。從其收集調(diào)查校準數(shù)據(jù)的示例性家庭包括四種成員：1)45-54歲的男性，2)35-44歲的女性，3)18-24歲的女性，和4)12-17歲的男性。18-24歲的女性和12-17歲的男性已經(jīng)向圖1的示例性數(shù)據(jù)庫所有者104a(例如Facebook)注冊(例如可被圖1的示例性數(shù)據(jù)庫所有者104a識別為注冊用戶)，并使用平板電腦(例如圖1的客戶端設備106)訪問數(shù)據(jù)庫所有者104a(盡管不同時)。45-54歲的男性和35-44歲的女性在平板電腦上不可被數(shù)據(jù)庫所有者104a識別。下表1示出了按媒體類別的用于平板電腦的示例性共享模式。在表1中，標有“X”的單元指示，在單元的人口統(tǒng)計組標注處標出的人員觀看具有在內(nèi)容類型標注中標出的類別的媒體。相反地，在表1中的空白單元指示，在單元的人口統(tǒng)計組標注處標出的人員不觀看具有在內(nèi)容類型標注中標出的類別的媒體。媒體類別可以基于例如在調(diào)查校準數(shù)據(jù)中使用的媒體類別和/或在電視和/或其它媒體評價中使用的媒體類別來限定。在示例性第一家庭中基于調(diào)查校準數(shù)據(jù)按媒體類別的用于平板電腦的示例性共享模式表1如表1所示，45-54歲的男性使用平板電腦觀看被分類為政治媒體的媒體(例如網(wǎng)站、流媒體等)，35-44歲的女性在平板電腦上觀看被分類為戲劇、喜劇、和/或現(xiàn)實的媒體(例如網(wǎng)站、流媒體等)，以及18-24歲的女性使用平板電腦觀看被分類為戲劇和喜劇的媒體(例如網(wǎng)站、流媒體等)。當12-17歲的男性使用平板電腦登錄數(shù)據(jù)庫所有者104a時，他不在平板電腦上觀看被受眾測量實體108監(jiān)控的媒體?；诒?的共享模式，示例性家庭分布生成器216針對表1的各個媒體類別計算設備共享概率，如下表2所示。在表2中將設備共享概率示出成在人口統(tǒng)計組標注中識別的人員在設備上觀看內(nèi)容類型(例如媒體類別)的概率密度函數(shù)(PDF)。針對第一示例性家庭的按媒體類別的示例性設備共享概率表2在該示例中，如果12-17歲的男性在平板電腦上登錄數(shù)據(jù)庫所有者(借助瀏覽器和/或應用程序)且不退出數(shù)據(jù)庫所有者，以及35-44歲的女性隨后使用同一平板電腦(而12-17歲的男性仍登錄數(shù)據(jù)庫所有者104a)且不用其自身證書登錄數(shù)據(jù)庫所有者104a，當35-44歲的女性在平板電腦上觀看媒體時，數(shù)據(jù)庫所有者104a將正確歸屬于35-44歲的女性的印象和/或持續(xù)時間單位錯誤認定給12-17歲的男性。因此，在這類示例中，使用數(shù)據(jù)庫所有者信息將印象和/或持續(xù)時間單位與人口統(tǒng)計信息相關聯(lián)，導致印象和/或持續(xù)時間單位不歸屬于(或欠歸屬于)45-54歲的男性和35-44歲的女性，以及印象和/或持續(xù)時間單位過歸屬于18-24歲的女性和/或12-17歲的男性。為了針對平板電腦和‘喜劇’類別確定用于家庭的錯誤認定校正矩陣，示例性家庭分布生成器216將上表2中的‘喜劇’概率轉換為在下表3中所示的示例性重分布受眾矩陣。在表3中，列(識別的人口統(tǒng)計組i)表示被數(shù)據(jù)庫所有者104a識別為與印象相關聯(lián)的人口統(tǒng)計組，行(實際觀看者人口統(tǒng)計組j)表示實際觀看(例如實際觀看者)印象所對應的媒體的人口統(tǒng)計組。因此，表3包括如下事件的PDF：當數(shù)據(jù)庫所有者將人員識別為在識別的人口統(tǒng)計組i中的人員時，實際的或真實的觀看者為實際觀看者人口統(tǒng)計組j中的人員。各單元中的值為如下事件的概率γij：當數(shù)據(jù)庫所有者104a將對于媒體的印象與列中的識別的人口統(tǒng)計組i相關聯(lián)時，該行的實際觀看者人口統(tǒng)計組j正在觀看該媒體。j\iM45-54F35-44M12-17F18-24M45-540000F35-44000.50.5M12-170000F18-24000.50.5總數(shù)0011用于針對第一示例性家庭的“喜劇”媒體類別的示例性重分布受眾矩陣表3作為從表3的用于家庭的重分布受眾矩陣確定印象的示例，對于被數(shù)據(jù)庫所有者104a識別為正被識別的人口統(tǒng)計組i中的12-17歲男性觀看的‘喜劇’媒體類別中的10個印象，5個印象應當被歸于實際觀看者人口統(tǒng)計組j中的35-44歲女性(例如10個印象乘以表3中的概率0.5)，5個印象應當被歸于實際觀看者人口統(tǒng)計組j中的18-24歲女性(例如10個印象乘以表3中的概率0.5)，以及沒有印象應當被歸于實際觀看者人口統(tǒng)計組j中的12-17歲男性或45-54歲男性(例如10個印象乘以表3中的概率0)。示例性家庭分布生成器216可以使用表2和/或表3中的PDF，其中，PDF具有對于不同人口統(tǒng)計組標注的不同概率(表2)和/或?qū)τ诓煌瑢嶋H觀看者人口統(tǒng)計組的不同概率(表3)。例如，當家庭成員之一比家庭的另一成員更經(jīng)常地觀看顯著感興趣的媒體類別時，可以從調(diào)查校準數(shù)據(jù)來確定PDF中的不同概率。例如，如果表2的35-44歲女性上報‘經(jīng)?！杏^看‘喜劇’類別中的媒體，而表2的18-24歲女性上報‘很少’觀看‘喜劇’類別中的媒體，則在表2中用于‘喜劇’類別的PDF可以為(0，0.75，0，0.25)以反映不同的觀看頻率。附加地或可替選地，示例性家庭分布生成器216可以基于同一人口統(tǒng)計組中的多個人員的存在使用具有表2的示例性共享矩陣中的不同概率的PDF。例如，具有兩個12-17歲女性和一個35-44歲女性的家庭可以具有PDF，其中F12-17人口統(tǒng)計組的概率為F35-44人口統(tǒng)計組的概率的兩倍。圖2的示例性聚合分布生成器218基于示例性調(diào)查校準數(shù)據(jù)中的所有家庭而針對設備類型和媒體類別的每個組合生成聚合重分布受眾矩陣。在一些示例中，家庭分布生成器216從個體家庭的調(diào)查響應生成單獨的設備共享矩陣，以及聚合分布生成器218將個體重分布受眾矩陣聚合為聚合重分布受眾矩陣。例如，家庭分布生成器216可以將識別的人口統(tǒng)計組i中可被數(shù)據(jù)庫所有者104a識別的人員重分布在家庭內(nèi)。因此，家庭分布生成器216還基于調(diào)查校準數(shù)據(jù)將與那些人員相關聯(lián)的印象重分布到實際觀看者人口統(tǒng)計組j。在重分布受眾矩陣的另一示例中，下表4示出用于家庭的按媒體類別的示例性設備共享概率，該家庭具有同一識別的人口統(tǒng)計組i的兩個女性(例如被數(shù)據(jù)庫所有者104a識別為印象所對應的媒體的觀看者)，這兩個女性被示出成18-24歲女性(F18-24)。在圖示示例中，F(xiàn)18-24人口統(tǒng)計組中的兩個女性為屬于F18-24人口統(tǒng)計組的數(shù)據(jù)庫所有者104a的可識別注冊用戶。內(nèi)容類型M45-54F35-44F18-24F18-24所有0.330.3300.33政治1000戲劇00.500.5喜劇00.500.5現(xiàn)實0100用于第二示例性家庭的按媒體類別的示例性設備共享概率表4上表4的單元包括概率密度函數(shù)(PDF)，該PDF指示針對指定媒體類別(例如所有、政治、戲劇、喜劇、現(xiàn)實)在屬于指定識別的人口統(tǒng)計組i的人員(例如M45-54人口統(tǒng)計組中的一個人員、F35-44人口統(tǒng)計組中的一個人員、以及F18-24人口統(tǒng)計組中的兩個人員)之間共享媒體設備的概率。例如，對于M45-54識別的人口統(tǒng)計組i中的人員、F35-44識別的人口統(tǒng)計組i中的人員、和F18-24識別的人口統(tǒng)計組i中的人員之一中的每一者，觀看“所有”媒體類別中的媒體的PDF為0.33。在圖示示例中，對于F18-24識別的人口統(tǒng)計組i中的另一人員，該PDF為0。表4中的數(shù)據(jù)基于調(diào)查校準數(shù)據(jù)源(例如隨機選擇的人員和/或家庭的調(diào)查)，該調(diào)查校準數(shù)據(jù)源提供關于由家庭中的人員觀看的媒體的信息。在圖示示例中，由上表4表示的示例性家庭的F18-24識別的人口統(tǒng)計組i中的兩個女性為數(shù)據(jù)庫所有者104a(例如社交網(wǎng)絡服務)的注冊用戶。基于上表4的數(shù)據(jù)，家庭分布生成器216基于從示例性調(diào)查校準數(shù)據(jù)源中的家庭收集的設備共享模式和觀看模式而在家庭中觀看感興趣類別的媒體的實際觀看者人口統(tǒng)計組jM45-54、F35-44、和F18-24之間重分布每個注冊的數(shù)據(jù)庫所有者用戶(例如F18-24人口統(tǒng)計組中的觀看者)的受眾(和因此相關聯(lián)的印象)。用于“所有”媒體類別的示例性重分布受眾和表4的第二示例性家庭在下表5中示出。j\iM45-54F35-44F18-24F18-24M45-54000.330.33F35-44000.330.33F18-240000F18-24000.330.33總數(shù)0011用于“所有”類別的示例性重分布受眾矩陣表5在上表5中，家庭分布生成器216將同一PDF(例如0.33)應用于同一識別的人口統(tǒng)計組i中的每個注冊的數(shù)據(jù)庫所有者用戶(例如人口統(tǒng)計組F18-24的兩個家庭成員)。在表5的圖示示例中，單元值指示如下事件的對應概率：當家庭中的人員被數(shù)據(jù)庫所有者識別為識別的人口統(tǒng)計組i中的人員(即列中指示的人員和/或人口統(tǒng)計組)時，實際或真實觀看者為實際觀看者人口統(tǒng)計組j的人員(即行中指示的人員和/或人口統(tǒng)計組)。例如，如下事件的概率為0.33：當數(shù)據(jù)庫所有者識別F18-24識別的人口統(tǒng)計組i中的第一人員時，“所有”類別中的媒體的真實觀看者為M45-54實際觀看者人口統(tǒng)計組j中的人員。在該示例中，如下事件的概率相同(例如0.33)：當數(shù)據(jù)庫所有者識別F18-24識別的人口統(tǒng)計組i中的第二人員時，“所有”類別中的媒體的實際或真實觀看者為M45-54實際觀看者人口統(tǒng)計組j中的人員。在圖示示例中，無所謂的是，F(xiàn)18-24識別的人口統(tǒng)計組i中的女性觀看者是否指示她們在特定設備上觀看由表5的示例性重分布受眾矩陣表示的特定媒體類別。只要數(shù)據(jù)庫所有者104a捕獲關于該特定設備的印象和/或持續(xù)時間單位，則家庭分布生成器216可以在該家庭的所有的實際觀看者人口統(tǒng)計組jM45-54、F35-44、和F18-24之間等同地重分布印象和/或持續(xù)時間單位。因此，標為F18-24的兩列(例如對應于家庭的兩個女兒)填有相等的重分布0.33(對于M45-54實際觀看者人口統(tǒng)計組j)、0.33(對于F35-44實際觀看者人口統(tǒng)計組j)、和0.33(對于F18-24實際觀看者人口統(tǒng)計組j)。對于F18-24實際觀看者人口統(tǒng)計組j的同一行中的概率值然而在F18-24列之間求和，因為這些值對應于同一個識別的人口統(tǒng)計組iF18-24?！翱倲?shù)”行中的單元指示在相應的識別的人口統(tǒng)計組i(M45-54、F35-44、F18-24)內(nèi)為數(shù)據(jù)庫所有者104a的注冊用戶的受眾成員的數(shù)目。下表6示出“所有”類型的示例性重分布受眾矩陣，其中，用于F18-24識別的人口統(tǒng)計組i的求和值被示出。j\iM45-54F35-44F18-24M45-54000.66F35-44000.66M12-17000F18-24000.66總數(shù)002針對具有F18-24人口統(tǒng)計組中的兩個人員的家庭的用于“所有”媒體類別的示例性重分布受眾矩陣表6在示例性上表6中，每列(識別的人口統(tǒng)計組iM45-54、F35-44和F18-24)對應于家庭中的識別的人口統(tǒng)計組i中的數(shù)據(jù)庫所有者104a的注冊用戶的總數(shù)目?！翱倲?shù)”行中的單元指示在對應的識別的人口統(tǒng)計組i(例如M45-54、F35-44、F18-24)內(nèi)為數(shù)據(jù)庫所有者104a的注冊用戶的受眾成員的數(shù)目。在一些示例中，表6的重分布受眾矩陣的實際觀看者人口統(tǒng)計組j(例如行)被擴展成包括由受眾測量實體108和/或數(shù)據(jù)庫所有者104a使用的所有識別的人口統(tǒng)計組i以實現(xiàn)矩陣的聚合。因此，盡管由上表6表示的家庭不具有實際觀看者人口統(tǒng)計組M12-17中的任何家庭成員，但是示例性上表6包括M12-17行以實現(xiàn)表6的PDF與下表7的PDF的聚合。在表4中示出的設備共享概率用于生成用于上文結合表5和表6所描述的第二家庭的重分布受眾矩陣之后，表6和表7的重分布受眾矩陣在家庭上被聚合(例如求和)以組合識別的人口統(tǒng)計組i中的數(shù)據(jù)庫所有者104a的注冊用戶以及對用于實際觀看者人口統(tǒng)計組j的重分布受眾求和。例如上表6和下表7的重分布受眾被聚合以生成在下表8中示出的跨家庭的聚合重分布受眾。在圖示示例中，表6和表7對應于兩個不同家庭。j\iM45-54F35-44M12-17F18-24M45-54000.330.33F35-44000.330.33M12-170000F18-24000.330.33總數(shù)0011針對具有一個M12-17人員和一個F18-24人員的家庭的用于“所有”媒體類別的示例性重分布受眾矩陣表7針對多個家庭的用于“所有”媒體類別的示例性聚合重分布受眾矩陣表8上表8中的概率反映在表6和表7中對應表中表示的兩個家庭中的用于數(shù)據(jù)庫所有者104a的注冊用戶的重分布受眾。M12-17和F18-24識別的人口統(tǒng)計組i列的總和反映識別的人口統(tǒng)計組i中的數(shù)據(jù)庫所有者104a的注冊用戶的總數(shù)目。“總數(shù)”行中的單元指示在相應的識別的人口統(tǒng)計組i(M45-54、F35-44、M12-17、F18-24)內(nèi)為數(shù)據(jù)庫所有者104a的注冊用戶的受眾成員的數(shù)目。在一些示例中，矩陣校正器220生成尼爾森全國人民計(NPM)指標以解釋同一家庭中一起生活的人口統(tǒng)計對i，j(例如來自識別的人口統(tǒng)計組i的一人和來自實際觀看者人口統(tǒng)計組j的一人)的概率。例如，P(L)ij為識別的人口統(tǒng)計組i中的第一人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中的概率。在圖示示例中，NPM指標為校準數(shù)據(jù)的另一源。在本文中所公開的示例中，從家庭收集NPM數(shù)據(jù)，其中當家庭成員借助與家庭相關聯(lián)的媒體設備觀看/聆聽媒體時，由AME108(圖1)安裝的儀表收集家庭成員的標識。由于在家庭使用促進家庭成員識別自身的本地安裝的儀表收集NPM數(shù)據(jù)(或者以其它方式準確地收集觀看/聆聽媒體的家庭成員的標識)，因此NPM數(shù)據(jù)具有關于識別哪個家庭成員實際正在觀看由媒體設備呈現(xiàn)的媒體(例如為該媒體的實際觀看者)的高準確度。下文描述的NPM指標可以用于解釋P(L)ij概率。在這些示例中，矩陣校正器220將NPM指標應用于重分布數(shù)據(jù)庫所有者注冊用戶的表中的對應i，j單元(例如在上表5中示出的用于“所有”類別的示例性重分布受眾矩陣)。下表9示出了基于從家庭收集的調(diào)查響應(在這些示例中，這也用作調(diào)查校準數(shù)據(jù)源，從其確定重分布受眾表)的一起生活的人員的人口統(tǒng)計組i，j對的估計量。下表10示出了基于收集的NPM數(shù)據(jù)的一起生活的人員的人口統(tǒng)計組i，j對的估計量。下表11示出了由矩陣校正器220基于表9和表10的估計量生成的NPM指標。j\iM45-54F35-44M12-17F18-24M45-54100601055F35-44301001080M12-1720508015F18-2450202090基于調(diào)查響應的一起生活的人員的人口統(tǒng)計組i，j對的示例性估計量表9j\iM45-54F35-44M12-17F18-24M45-54105501548F35-44351021280M12-1725407020F18-2440151898基于NPM數(shù)據(jù)的一起生活的人員的人口統(tǒng)計組i，j對的示例性估計量表10j\iM45-54F35-44M12-17F18-24M45-541.050.831.500.87F35-441.171.021.201.00M12-171.250.800.881.33F18-240.800.750.901.09示例性NPM指標表11上表11的示例性NPM指標通過將表10的值(基于小組成員數(shù)據(jù)的一起生活的人員的人口統(tǒng)計組i，j對的估計量)除以表9的對應值(基于調(diào)查響應的一起生活的人員的人口統(tǒng)計組i，j對的估計量)來計算。在圖示示例中，表11用于解釋在同一家庭中一起生活的來自不同人口統(tǒng)計組i，j的任何觀看者的過采樣/欠采樣。例如，表9基于調(diào)查響應估計M45-54的人口統(tǒng)計組i，j中的100個人一起生活?；诟鼫蚀_的NPM數(shù)據(jù)，表10估計同一M45-54的人口統(tǒng)計組i，j中的105個人一起生活在同一家庭中。因此，用于該人口統(tǒng)計組M45-54的表11的示例性NPM指標為1.05，其大于1以補償表9相對于表10的對應值105而對來自M45-54的人口統(tǒng)計組i，j的一起生活的人員的數(shù)目欠采樣(例如100)。對于表9中的估計量相對于表10中的對應量過采樣的實例，表11中的對應NPM指標將小于1(例如，對于F18-24的實際觀看者人口統(tǒng)計組j和F35-44的識別的人口統(tǒng)計組i，表11中的NPM指標＝0.75)。在一些示例中，來自表9的一起生活的一些人口統(tǒng)計組對i，j的估計(例如基于調(diào)查響應來確定)與來自表10的基于NPM數(shù)據(jù)的估計對準，這是因為NPM數(shù)據(jù)為比來自數(shù)據(jù)庫所有者104a的人口統(tǒng)計數(shù)據(jù)質(zhì)量更高的數(shù)據(jù)源。表12和表13示出示例性數(shù)據(jù)，其中一起生活的人員的人口統(tǒng)計組i，j對的估計被對準更靠近NPM數(shù)據(jù)。在表12中，矩陣校正器220調(diào)整上表8的用于識別的人口統(tǒng)計組i中的第一人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中的概率P(L)ij的重分布受眾值。在圖示示例中，矩陣校正器220通過將上表8的i，j單元中的重分布受眾值乘以上表11的i，j單元值中的對應NPM指標來確定表12中的每個i，j單元值。采用該方式，共享矩陣校正器220將NPM指標應用于由數(shù)據(jù)庫所有者104a在不同家庭收集的重分布印象以解釋識別的人口統(tǒng)計組i中的第一人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中的概率P(L)ij。針對P(L)ij調(diào)整的示例性數(shù)據(jù)庫所有者重分布受眾表12j\iM45-54F35-44M12-17F18-24M45-54000.4170.295F35-44000.3330.338M12-170000F18-24000.2500.368總數(shù)0011示例性歸一化重分布受眾表13在上表13中，矩陣歸一化器222使來自上表12的調(diào)整的印象重分布歸一化，從而識別的人口統(tǒng)計組i的列(例如M12-17和F18-24識別的人口統(tǒng)計組i)的總和為1。采用該方式，每列(例如識別的人口統(tǒng)計組iM12-17和F18-24)表示如下事件的概率密度函數(shù)(PDF)：當數(shù)據(jù)庫所有者104a檢測特定識別的人口統(tǒng)計組i時，AME108將什么確定為媒體的真實觀看者的實際觀看者人口統(tǒng)計組j。在圖示示例中，表13的歸一化重分布受眾為錯誤認定校正因子，或?qū)τ诿繉θ丝诮y(tǒng)計組i，j的概率γij，該概率γij為如下事件的概率：當識別的人口統(tǒng)計組i中的人員被數(shù)據(jù)庫所有者104a識別為媒體觀看者時，實際觀看者人口統(tǒng)計組j中的人員為實際觀看者(例如γij＝0.417、0.295、0.333、0.338、0.250和0.368)。在一些示例中，對于每對由數(shù)據(jù)庫所有者檢測的識別的人口統(tǒng)計組i和分配為真實或?qū)嶋H觀看者的實際觀看者人口統(tǒng)計組j的概率γij可以在所有的個體家庭矩陣中被加權和/或求均值以確定聚合概率。在圖示示例中，真實觀看者或?qū)嶋H觀看者指示特定人口統(tǒng)計組中被視為在設備上接觸(例如觀看、聆聽、消費等)媒體的實際受眾成員的人員。例如，實際觀看者可以為被AME108確定為實際上觀看或接觸監(jiān)控媒體的人員的觀看者。人員為實際觀看者的確定可以基于統(tǒng)計概率，其基于上文討論的對隨機選擇的人員和/或家庭調(diào)查的響應指示實際觀看者的可能性。如由AME108感知的實際觀看者的確定還可以基于表示家庭中的實際觀看者的觀察或其它收集的數(shù)據(jù)(例如NPM數(shù)據(jù))。在任何情況下，實際觀看者為AME108對誰是實際觀看者的強推論，但如在本文中使用的，實際觀看者不一定為實際觀看者的身份的絕對確定。然而，如結合本文中所公開的示例所使用的實際觀看者的推論強度足以準確地結合本文中所公開的示例來用于提供具有高準確度的校正的印象和/或持續(xù)時間單位。在一些示例中，共享矩陣生成器204基于附加的和/或替選的區(qū)別生成設備共享矩陣，諸如不同的人口統(tǒng)計市場、不同站、和/或不同時段。作為如上所述的用于使用重分布受眾計算γij的示例性方法的替選，在一些示例中，聚合分布生成器218通過計算復合概率來計算聚合重分布受眾矩陣，如等式1所示：γij＝P(L)ij×P(D|L)ij×P(Sx|D)ij(等式1)在以上等式1中，P(L)ij為識別的人口統(tǒng)計組i中的第一人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中的概率；P(D|L)ij為如下事件的概率：假定識別的人口統(tǒng)計組i中的第一人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中，兩人在該家庭中訪問移動設備(任何類型)；以及P(Sx|D)ij為如下事件的概率：假定識別的人口統(tǒng)計組i中的第一人員訪問與實際觀看者人口統(tǒng)計組j中的人員相同的所選類型的移動設備，兩人針對所選類別的媒體共享移動設備。如在本文中使用的，“所選類別”指的是經(jīng)受分析的感興趣的類別。因此“所選”指的是“針對分析所選”，如在本上下文中所使用。相同含義應用于“所選設備類型”、“所選人口統(tǒng)計組”和“所選人口統(tǒng)計組的對”。在一些示例中，聚合分布生成器218使用來自一個或多個校準數(shù)據(jù)源的數(shù)據(jù)(例如調(diào)查校準數(shù)據(jù))來確定概率中的一者或多者。例如，在一些示例中，共享矩陣計算器從建立小組的調(diào)查確定概率P(L)ij和P(D|L)ij以及從隨機家庭的另一調(diào)查確定P(Sx|D)ij，該建立小組諸如用于確定上文討論的NPM指標數(shù)據(jù)的小組。參考上文參照表1-13所描述的示例，示例性聚合分布生成器218針對每對人口統(tǒng)計組i，j使用重分布聚合受眾矩陣計算如下概率γij：(1)識別的人口統(tǒng)計組i中的人員被數(shù)據(jù)庫所有者104a識別為媒體的觀看者，和(2)實際觀看者人口統(tǒng)計組j的人員為實際觀看者。示例性聚合分布生成器218生成錯誤認定校正矩陣，其包括各個所計算的概率γij。示例性聚合分布生成器218可以使用上文的示例性等式(1)和/或可以使用上文描述的NPM指標方法來計算錯誤認定校正矩陣的概率γij。用于所選的平板電腦設備類型和所選的喜劇媒體類型的示例性聚合重分布受眾矩陣在下表14中被示出為示例性錯誤認定校正矩陣。示例性表14的后續(xù)章節(jié)延伸到右側使得該表具有相等數(shù)量的行和列。示例性錯誤認定校正矩陣表14如上表14的示例性錯誤認定校正矩陣中所示，各列的值總計為100％。因此，當基于上表14的示例性錯誤認定校正矩陣重分布印象、持續(xù)時間單位、和/或受眾時，解釋歸屬于識別的人口統(tǒng)計組i的印象、持續(xù)時間單位、和/或受眾。如下文更詳細地描述，圖2的錯誤認定校正器206將上表14的示例性錯誤認定校正矩陣應用于補償用于錯誤認定誤差的印象信息。共同觀看矩陣在一些示例中，共享矩陣生成器204還包括共同觀看矩陣生成器224，除了上表14的示例性錯誤認定校正矩陣外，該共同觀看矩陣生成器224還生成共同觀看矩陣(例如針對媒體類別和設備類型的每個組合)。共同觀看矩陣為提供兩個人口統(tǒng)計組之間的同時觀看的概率的PDF的矩陣。例如，共同觀看概率κij為如下事件的概率：當數(shù)據(jù)庫所有者將識別的人口統(tǒng)計組i中的人員識別為與媒體印象相關聯(lián)時，實際觀看者人口統(tǒng)計組j中的人員也正在與識別的人一起看(例如共同觀看)媒體。因此，對于印象可以正確地與多個人相關聯(lián)的情況，共同觀看矩陣中的概率κij可用于補償印象信息。像上表14的示例性錯誤認定校正矩陣一樣，也由共同觀看矩陣生成器224生成的共同觀看矩陣具有相等數(shù)目的行和列。然而，不像上表14的示例性錯誤認定校正矩陣，共同觀看矩陣的列不一定總計為任何特定數(shù)(例如100％)。在圖示示例中，示例性共同觀看矩陣生成器224使用上文討論的概率P(L)ij和P(D|L)ij且還使用概率P(Cx|D)ij來計算共同觀看概率κij，概率P(Cx|D)ij描述了如下事件的概率：生活在同一家庭中且訪問所選設備類型的移動設備的識別的人口統(tǒng)計組i中的人員與實際觀看者人口統(tǒng)計組j中的人員同時使用設備類型x的同一移動設備來觀看所選媒體類別的媒體。在一些示例中，共同觀看矩陣生成器224用P(Cx|D)ij替代上文等式(1)中的P(Sx|D)ij項來計算共同觀看概率κij。在一些示例中，錯誤認定校正器206將共同觀看矩陣應用于針對設備共享錯誤認定而調(diào)整的印象和/或持續(xù)時間單位。在一些其它示例中，由于共同觀看可以被視為表示在數(shù)據(jù)收集中未解釋的附加的印象和/或持續(xù)時間單位，因此錯誤認定校正器206將共同觀看矩陣中的概率κij應用于由數(shù)據(jù)庫所有者104a針對設備共享錯誤認定而調(diào)整的且針對未覆蓋而調(diào)整的印象和/或持續(xù)時間單位，從而基于補償?shù)?例如校正的)印象和/或持續(xù)時間單位確定共同觀看。錯誤認定校正示例1在生成上表14的示例性錯誤認定校正矩陣之后，示例性錯誤認定校正器206將錯誤認定校正矩陣應用于從圖2的印象信息收集器208獲得的一組印象。在錯誤認定校正的第一示例中，錯誤認定校正矩陣應用于校正印象歸屬于人口統(tǒng)計組，且不影響受眾計數(shù)。這類示例可以例如被應用于校正基于因特網(wǎng)的流媒體(例如流視頻和/或流音頻)的印象。例如，用于基于因特網(wǎng)的流媒體的校正的印象信息可以與用于另一類型設備的印象信息組合，可以附加地或可替選地在該另一類型設備上訪問媒體。例如，在電視上呈現(xiàn)(例如廣播)劇集之后，受眾成員可以借助用于延遲的或時間偏移的流回放的計算設備訪問電視劇集。借助計算設備訪問的流媒體的印象可以被添加到Live+7收視率指標，這測量初始呈現(xiàn)的觀看印象(或?qū)氖鼙娨?guī)模)和發(fā)生在初始調(diào)度的廣播呈現(xiàn)的當天以及在初始調(diào)度的廣播呈現(xiàn)之后的7天內(nèi)的印象(或?qū)氖鼙娨?guī)模)的總和。圖2的示例性印象信息收集器208從數(shù)據(jù)庫所有者104a收集印象信息且收集從客戶端設備(例如圖1的客戶端設備106)獲得的印象量信息。從數(shù)據(jù)庫所有者104a獲得的示例性印象信息包括通過數(shù)據(jù)庫所有者104a從每個人口統(tǒng)計組而與該人口統(tǒng)計組相關聯(lián)的印象的聚合數(shù)目。示例性數(shù)據(jù)庫所有者104a可以提供用于感興趣的每個媒體項目(例如正被受眾測量實體108監(jiān)控的媒體項目)的印象信息(例如被數(shù)據(jù)庫所有者104a識別為與識別的人相關聯(lián)的印象的數(shù)目)。附加地或可替選地，示例性數(shù)據(jù)庫所有者104a向印象信息收集器208提供用于各類設備的印象信息。下表15示出了通過印象信息收集器208從示例性數(shù)據(jù)庫所有者104a獲得的用于平板電腦設備的示例性印象信息。示例性印象信息收集器208可以收集用于其它類型的移動設備(例如智能手機、便攜式媒體播放器等)的類似數(shù)據(jù)。用于平板電腦設備的示例性印象信息表15在一些示例中，在向印象信息收集器208提供印象之前，通過決策樹處理印象。在一些示例中，決策樹用于確定識別的人口統(tǒng)計組i和/或?qū)嶋H觀看者人口統(tǒng)計組j之間的描述。在2011年8月12日遞交的序列號為13/209,292的美國專利申請中和在2014年1月6日遞交的序列號為61/923,959的美國臨時專利申請中公開了處理印象的示例。序列號為13/209,292的美國專利申請和序列號為61/923,959的美國臨時專利申請的全部內(nèi)容通過引用并入本文中。圖2的示例性錯誤認定校正器206調(diào)整或補償從數(shù)據(jù)庫所有者104a獲得的用于錯誤認定誤差的印象信息。圖3A示出了由錯誤認定校正器206執(zhí)行以調(diào)整印象信息的示例性計算。在圖2和圖3A的示例中，錯誤認定校正器206使用由示例性共享矩陣生成器204生成的設備共享矩陣來調(diào)整由數(shù)據(jù)庫所有者104a提供的人口統(tǒng)計信息(例如每設備類型和/或媒體類別的每人口統(tǒng)計組的印象計數(shù)等)。使用由印象信息收集器208獲得的數(shù)據(jù)庫所有者數(shù)據(jù)(例如圖1的印象信息102a，102b)，圖2的錯誤認定校正器206計算用于設備類型和/或媒體類別的n×n錯誤認定校正矩陣302和用于設備類型和/或媒體類別的n×1數(shù)據(jù)庫所有者數(shù)據(jù)304(例如印象計數(shù)矩陣)的點積。點積的結果是n×1錯誤認定調(diào)整的數(shù)據(jù)矩陣306，其具有調(diào)整數(shù)目的用于設備類型和/或媒體類別的印象。下表16示出由錯誤認定校正器206使用表14的示例性錯誤認定校正矩陣和表15的印象信息所計算的示例性錯誤認定調(diào)整的印象。表16包括基于上文參照圖3A所討論的點積所計算的調(diào)整印象。為了便于比較而在表16中也示出來自上表15的未調(diào)整的印象。錯誤認定調(diào)整的印象和未調(diào)整的印象表16因此，如上表16所示，調(diào)整的印象補償從示例性數(shù)據(jù)庫所有者104a接收的印象信息102a，102b的錯誤認定誤差。錯誤認定校正示例2在錯誤認定校正的第二示例中，上表14的錯誤認定校正矩陣應用于校正印象和受眾到人口統(tǒng)計組的錯誤認定。如上所述，當數(shù)據(jù)庫所有者104a將印象歸屬于第一人口統(tǒng)計組中的人員而實際上該印象正確地歸屬于第二人口統(tǒng)計組中的第二人員時可以出現(xiàn)將印象錯誤認定到不正確的人口統(tǒng)計組(例如由于在第二人口統(tǒng)計組中的第二人員觀看給出印象的媒體的時間期間，第一人口統(tǒng)計組中的人員在設備上登錄數(shù)據(jù)庫所有者)。例如當可從不同類型的計算設備訪問媒體和可以解復制針對那些計算設備記錄或測量的受眾時，可以使用印象和受眾的示例性錯誤認定校正。例如，當受眾成員多次從同一設備和/或不同設備訪問同一媒體時，記錄的受眾成員的復制發(fā)生。同一受眾成員對同一媒體的多次訪問導致受眾復制，這是因為基于針對該受眾成員對同一媒體的多次訪問而記錄的多個印象而在受眾規(guī)模計數(shù)中兩次或更多次計數(shù)同一受眾成員。這類受眾復制可以導致接觸或訪問特定媒體的真實受眾規(guī)模的膨脹表示。因此，可以使用解復制來更準確地計數(shù)媒體的印象可歸屬于的受眾規(guī)模。圖2的示例性印象信息收集器208從數(shù)據(jù)庫所有者104a收集印象信息以及收集用于發(fā)生在客戶端設備106處的印象的量信息。從數(shù)據(jù)庫所有者104a獲得的示例性印象信息包括由數(shù)據(jù)庫所有者104a生成的按人口統(tǒng)計組的印象的聚合數(shù)目和/或來自各個人口統(tǒng)計組的受眾規(guī)模。示例性數(shù)據(jù)庫所有者104a可以提供用于感興趣的每個媒體項目(例如正被受眾測量實體108監(jiān)控的媒體項目)的印象信息(例如印象計數(shù)、按人口統(tǒng)計組的印象計數(shù)等)和/或受眾信息(例如受眾規(guī)模、按人口統(tǒng)計組的受眾規(guī)模等)。附加地或可替選地，示例性數(shù)據(jù)庫所有者104a向印象信息收集器208提供用于各類設備的印象和/或受眾信息。在一些示例中，印象信息收集器208還收集印象和/或用于發(fā)生在計算機平臺(例如非移動設備平臺，諸如臺式電腦和/或筆記本電腦)上的媒體印象的受眾信息。下表17示出由印象信息收集器208從示例性數(shù)據(jù)庫所有者104a獲得的用于平板電腦設備的示例性印象和受眾信息(例如未校正的印象計數(shù)和受眾規(guī)模)。示例性印象信息收集器208可以收集用于其它類型的移動設備(例如智能手機、便攜式媒體播放器等)和/或計算機平臺的類似數(shù)據(jù)。示例性下表17類似于示例性上表15，除了下表17還包括受眾規(guī)模和頻率信息(例如來自數(shù)據(jù)庫所有者104a)。從示例性數(shù)據(jù)庫所有者獲得的用于平板電腦設備的示例性印象和受眾信息表17在一些示例中，在將數(shù)據(jù)庫所有者總印象和受眾規(guī)模提供給印象信息收集器208之前，通過決策樹處理數(shù)據(jù)庫所有者總印象和受眾規(guī)模。在2011年8月12日遞交的美國非臨時專利申請No.13/209,292中和在2014年1月6日遞交的美國臨時專利申請No.61/923,959中公開了處理印象和特殊受眾的示例。美國非臨時專利申請No.13/209,292和美國臨時專利申請No.61/923,959的全部內(nèi)容通過引用并入在本文中。圖2的示例性錯誤認定校正器206調(diào)整或補償從數(shù)據(jù)庫所有者104a獲得的用于錯誤認定誤差的印象信息。上文討論的圖3A也示出了由錯誤認定校正器206執(zhí)行以調(diào)整印象和/或受眾信息的示例性計算。在該示例中，錯誤認定校正器206使用由示例性共享矩陣生成器204生成的設備共享矩陣來調(diào)整由數(shù)據(jù)庫所有者104a提供的人口統(tǒng)計信息(例如每設備類型和/或媒體類別的每人口統(tǒng)計組的印象計數(shù)、每設備類型和/或媒體類別的每人口統(tǒng)計組的受眾規(guī)模等)。使用由印象信息收集器208獲得的數(shù)據(jù)庫所有者數(shù)據(jù)(例如印象計數(shù)和/或受眾規(guī)模信息)，圖2的錯誤認定校正器206計算用于設備類型和/或媒體類別的n×n錯誤認定校正矩陣302和/或n×1數(shù)據(jù)庫所有者數(shù)據(jù)304(例如印象計數(shù)矩陣、受眾規(guī)模矩陣)的點積。點積的結果是n×1錯誤認定調(diào)整的數(shù)據(jù)矩陣306，其具有調(diào)整的印象計數(shù)或調(diào)整的受眾規(guī)模。下表18示出由錯誤認定校正器206使用上表14的錯誤認定校正矩陣和上表17的示例性印象計數(shù)和/或受眾規(guī)模數(shù)據(jù)所計算的示例性錯誤認定調(diào)整的數(shù)據(jù)矩陣。下表18包括基于上文所討論的點積所計算的受眾、以及錯誤認定校正器206使用調(diào)整的受眾規(guī)模所計算的印象計數(shù)信息。在該示例中，錯誤認定校正器206通過將錯誤認定調(diào)整的受眾規(guī)模(例如用于F45-49的人口統(tǒng)計組的12,216)除以上表17的對應于該人口統(tǒng)計組的頻率(例如用于F45-49的人口統(tǒng)計組的9.7)來確定錯誤認定調(diào)整的印象(例如用于F45-49的人口統(tǒng)計組的118,492)。為了便于比較而在表18中也示出未調(diào)整的受眾規(guī)模和未調(diào)整的印象計數(shù)。錯誤認定調(diào)整的印象計數(shù)和受眾規(guī)模、以及用于比較的未調(diào)整的印象計數(shù)和受眾規(guī)模表18因此，如上表18所示，錯誤認定調(diào)整的印象計數(shù)和錯誤認定調(diào)整的受眾規(guī)模補償從示例性數(shù)據(jù)庫所有者104a接收的印象計數(shù)和受眾規(guī)模信息中的錯誤認定誤差?？偟腻e誤認定調(diào)整的受眾規(guī)?；旧系扔?例如除了舍入誤差，等于)由數(shù)據(jù)庫所有者104a上報的總的未調(diào)整的受眾規(guī)模。針對如在下文示例中所描述的未覆蓋誤差，校正該示例的示例性錯誤認定調(diào)整的受眾規(guī)模和/或錯誤認定調(diào)整的印象計數(shù)。用于未覆蓋的α因子在一些示例中，諸如補償與收視率相關聯(lián)的媒體(例如可用于流式傳輸?shù)碾娨暪?jié)目劇集)所對應的印象計數(shù)信息中的誤差，圖2的未覆蓋計算器210使用“α因子”計算用于受眾的未覆蓋因子。如在本文中使用的，術語“α因子”指的是B/A的比值，其中B被定義為人員(例如感興趣的人口統(tǒng)計組中的人員)使用未被數(shù)據(jù)庫所有者覆蓋的感興趣的設備類型(例如在移動設備上和/或在特定類型的移動設備上，諸如平板電腦、智能手機、或便攜式媒體播放器)訪問感興趣的媒體項目(例如借助流視頻的電視節(jié)目的劇集)的概率。例如，如果數(shù)據(jù)庫所有者不在感興趣的設備類型上訪問任何標識符或信息(例如圖1的一個或多個設備/用戶標識符124)，則數(shù)據(jù)庫所有者可以未覆蓋該設備類型，數(shù)據(jù)庫所有者可以使用該設備類型來與注冊用戶信息(例如人口統(tǒng)計資料)相關聯(lián)。如在本文中使用的，在α因子比值B/A中，A被定義為人員在移動設備之外的一種設備(諸如用于訪問感興趣的媒體項目的標準設備，例如在電視節(jié)目的情況下為電視機)上訪問感興趣的媒體項目的概率。例如，對于特定媒體類別中的電視節(jié)目的劇集，指定類型可以為電視且第一設備類型可以為計算設備(例如移動設備和/或更具體類型的移動設備，諸如智能手機、平板電腦、和/或便攜式媒體播放器)，可以在該計算設備上借助流視頻訪問電視節(jié)目的劇集。在電視上的初始或首映呈現(xiàn)之后，經(jīng)常使這類電視節(jié)目借助流視頻而可用。因此，人員可以在電視上和/或在計算設備上借助流媒體訪問電視節(jié)目的劇集。圖2的示例性未覆蓋計算器210可以生成用于不同人口統(tǒng)計組、不同媒體類別、不同移動設備類型、移動和非移動設備、不同地理區(qū)域、不同站、不同時段的不同α因子、和/或基于調(diào)查校準數(shù)據(jù)源識別的任何其它因子。在圖2的示例中，示例性未覆蓋計算器210將概率B(例如人員使用感興趣的設備類型觀看感興趣的媒體項目的概率)計算為在所選設備類型上訪問感興趣的媒體項目的所選人口統(tǒng)計組(例如基于來自調(diào)查或另一校準數(shù)據(jù)源的響應)占所選人口統(tǒng)計組中人員的總數(shù)(例如基于來自調(diào)查或另一校準數(shù)據(jù)源的響應)的比例。例如，如果M18-24人口統(tǒng)計組中的40個人響應于他們在平板電腦上訪問‘喜劇’媒體類別中的媒體的調(diào)查(在調(diào)查中表示的M18-24人口統(tǒng)計組中的100人中)，則概率B為40％或0.40。類似地，示例性未覆蓋計算器210將概率A(例如人員使用所選的其它設備類型觀看感興趣的媒體項目的概率)計算為在其它設備類型上訪問感興趣的媒體項目的所選人口統(tǒng)計組(例如基于來自調(diào)查或另一校準數(shù)據(jù)源的響應)占所選人口統(tǒng)計組中人員的總數(shù)(例如基于調(diào)查或另一校準數(shù)據(jù)源)的比例。例如，如果M18-24人口統(tǒng)計組中的20個人響應于他們在電視上訪問‘喜劇’媒體類別中的媒體的調(diào)查(在調(diào)查中表示的M18-24人口統(tǒng)計組中的100人中)，則概率A為20％或0.20。下文等式2和等式3分別示出了用于計算概率A和概率B的示例性模型。用于M18-24人口統(tǒng)計組、平板電腦上的‘喜劇’媒體類別的形成的α因子為0.40/0.20＝2。等式2A＝(年齡和性別組X中在TV上觀看媒體類別Y的人員的數(shù)目)/(年齡和性別組X中的人員的總數(shù)目)等式3B＝(年齡和性別組X中在感興趣的設備類型上觀看媒體類別Y的人員的數(shù)目)/(年齡和性別組X中的人員的總數(shù)目)在未覆蓋計算器210確定用于確定數(shù)據(jù)庫所有者104a未覆蓋的α因子的示例中，示例性未覆蓋校正器212通過將用于人口統(tǒng)計組的α因子乘以用于感興趣的媒體項目的人口統(tǒng)計組的分布百分比來校正印象信息。例如，如果35-39歲女性組(例如下表19中的F35-39)表示2.9％的用于電視節(jié)目的特定劇集的印象，且對于將電視節(jié)目分類的媒體類別，用于35-39歲女性組的α因子為3.8，則新計算的百分比約為11.2％。然而，形成的百分比(即11.2％)被歸一化，使得對于電視節(jié)目的劇集，用于所有人口統(tǒng)計組的百分比總計為100％。示例性未覆蓋校正器212將歸一化的百分比乘以未被數(shù)據(jù)庫所有者104a關聯(lián)到用戶的印象的數(shù)目，以確定歸屬于35-39歲女性組(F35-39)的印象的數(shù)目。在一些示例中，未被數(shù)據(jù)庫所有者104a關聯(lián)到用戶的印象的數(shù)目從如下二者的差來確定：1)由AME108識別的印象的數(shù)目和2)被數(shù)據(jù)庫所有者104a關聯(lián)到用戶的印象的數(shù)目。附加地或可替選地，數(shù)據(jù)庫所有者104a監(jiān)控并上報數(shù)據(jù)庫所有者104a無法關聯(lián)到用戶的印象的數(shù)目，同時還監(jiān)控人口統(tǒng)計組所對應的印象(例如數(shù)據(jù)庫所有者能夠關聯(lián)到用戶的印象)的數(shù)目。下表19示出了由未覆蓋校正器212生成的示例性數(shù)據(jù)，以使用α因子校正印象信息。在表19的示例中，AME108計數(shù)數(shù)據(jù)庫所有者104a無法關聯(lián)到人口統(tǒng)計組(例如在下表19的第一列中標出的“Demos”)的2,000個媒體印象。未覆蓋印象表19如上表19的示例所示，針對每個人口統(tǒng)計組(Demos)，未覆蓋校正器212將調(diào)整的百分比(Adj％)計算成α因子(α＝B/A)與測量的百分比的乘積。未覆蓋校正器212將調(diào)整的百分比(Adj％)歸一化為100％的總和(例如將調(diào)整的百分比(Adj％)除以總的調(diào)整的百分比(例如160.9％))以獲得歸一化的百分比(Norm％)。未覆蓋校正器212將歸一化的百分比(Norm％)乘以未被數(shù)據(jù)庫所有者104a關聯(lián)到人口統(tǒng)計組(Demos)的印象的數(shù)目以獲得歸屬于每個人口統(tǒng)計組(Demos)的未覆蓋印象(未覆蓋印象)的數(shù)目。由未覆蓋校正器212確定的示例性印象(未覆蓋印象)可以與錯誤認定調(diào)整的印象相加以確定錯誤認定和未覆蓋調(diào)整的印象。用于未覆蓋校正的未覆蓋因子作為使用上文公開的示例性α因子(α＝B/A)補償用于未覆蓋誤差的印象信息的替選方案，圖2的示例性未覆蓋計算器210可以計算用于各個示例性人口統(tǒng)計組的未覆蓋因子。未覆蓋因子反映未被數(shù)據(jù)庫所有者104a歸屬于人員的部分印象。為了計算用于人口統(tǒng)計組和特定設備類型的未覆蓋因子，示例性未覆蓋計算器210從調(diào)查校準數(shù)據(jù)源確定人口統(tǒng)計組中的大量或部分人員(例如調(diào)查的應答者)，這些人員指示他們在使用特定設備類型時不會被數(shù)據(jù)庫所有者104a識別為人口統(tǒng)計組中擁有和訪問該特定設備類型的部分人員。例如，未覆蓋計算器210可以確定，如果應答者指示在應答者的家里沒人使用該特定類型的設備訪問數(shù)據(jù)庫所有者104a、他沒有向數(shù)據(jù)庫所有者104a注冊、和/或在人員在特定設備類型上訪問媒體時采取阻止數(shù)據(jù)庫所有者104a識別該人員的任何其它行為或無所作為，則應答者在使用特定設備類型時不會被數(shù)據(jù)庫所有者104a識別。圖2的示例性未覆蓋計算器210創(chuàng)建用于各個人口統(tǒng)計組和設備類型的未覆蓋因子的表，其中未覆蓋因子被計算為：未覆蓋因子＝(人口統(tǒng)計組中針對設備類型的應答者的未覆蓋部分)/(人口統(tǒng)計組中訪問該設備類型的設備的應答者的總數(shù)目)。在下表20中示出了用于平板電腦的示例性未覆蓋因子表。在一些示例中，示例性未覆蓋計算器210制作用于其它設備類型的類似表。如表20所示，21-24歲女性人口統(tǒng)計組的20％在平板電腦上未被數(shù)據(jù)庫所有者104a覆蓋(例如不可識別)。換言之，訪問平板電腦的21-24歲女性的10％不會被數(shù)據(jù)庫所有者104a識別。類似地，18-20歲男性人口統(tǒng)計組的10％在平板電腦上未被數(shù)據(jù)庫所有者104a覆蓋。用于平板電腦的示例性未覆蓋因子表20上表20的未覆蓋因子可以被用作用于執(zhí)行針對印象信息的未覆蓋調(diào)整的α因子(α＝B/A)的替選。例如，由數(shù)據(jù)庫所有者104a所觀察的頻率(例如在一時段期間每受眾成員的平均印象)可以用于計算由數(shù)據(jù)庫所有者104a所觀察的印象所對應的受眾。然后示例性未覆蓋計算器210通過未覆蓋因子調(diào)整受眾(例如調(diào)整的受眾＝受眾/(1-未覆蓋因子))，并使用該頻率將調(diào)整的受眾轉換為未覆蓋調(diào)整的印象。盡管上文示例描述了用于一個數(shù)據(jù)庫所有者的未覆蓋因子，但是示例性未覆蓋計算器210可以附加地或可替選地計算用于多個數(shù)據(jù)庫所有者的未覆蓋因子。例如，如果使用兩個數(shù)據(jù)庫所有者，則示例性調(diào)查校準數(shù)據(jù)源可以包括指定為確定應答者是否借助一個或多個設備類型訪問數(shù)據(jù)庫所有者104a-b中的任一者的數(shù)據(jù)。圖2的示例性未覆蓋計算器210然后確定，未覆蓋誤差受限于數(shù)據(jù)庫所有者104a-b均不可識別的那些人員和/或印象。在圖2的示例中，如果數(shù)據(jù)庫所有者104a-b中的至少一者可以在移動設備上識別人員，則示例性人員被視為被覆蓋。未覆蓋誤差補償和縮放示例1補償未覆蓋誤差的第一示例包括將用于人口統(tǒng)計組的α因子(α＝B/A)乘以同一人口統(tǒng)計組所對應的錯誤認定調(diào)整的印象計數(shù)。例如，α因子可以用于基于上文參照表16和/或表18所描述的第一錯誤認定補償示例的錯誤認定調(diào)整的印象計數(shù)來計算未覆蓋印象計數(shù)。圖3B示出了可由圖2的未覆蓋校正器212執(zhí)行以補償未覆蓋誤差的示例性計算。在圖3B的示例中，未覆蓋校正器212獲得在圖3A的示例中由錯誤認定校正器206計算的錯誤認定調(diào)整的數(shù)據(jù)306。未覆蓋校正器212將同一設備類型(和/或媒體類別)所對應的未覆蓋因子308(例如一組α因子、一組標量)應用于用于該設備類型(和/或媒體類別)的錯誤認定調(diào)整的數(shù)據(jù)306以確定用于該設備類型(和/或媒體類別)的錯誤認定和未覆蓋調(diào)整的數(shù)據(jù)310。例如，下表21示出了用于使用上表18的對應的錯誤認定調(diào)整的印象計數(shù)的總數(shù)目來確定每人口統(tǒng)計組的未覆蓋印象的量的示例性計算。未覆蓋校正器212使用針對M25-29人口統(tǒng)計組的α因子(α＝B/A)(例如來自上表19的1.68)來調(diào)整錯誤認定調(diào)整的印象計數(shù)(例如上表18的針對M25-29人口統(tǒng)計組的210,945)。下表21示出了錯誤認定和未覆蓋調(diào)整的數(shù)據(jù)310(例如錯誤認定和未覆蓋調(diào)整的印象計數(shù))的示例。在如下示例中，AME108已經(jīng)識別了數(shù)據(jù)庫所有者104未將其與人口統(tǒng)計組相關聯(lián)的1,126,462個總印象。示例性錯誤認定和未覆蓋調(diào)整的印象數(shù)據(jù)表21在上表21中，從上文參照表18描述的錯誤認定校正示例獲得示例性錯誤認定調(diào)整的印象(Misatt.-adjustedImp.Count)。通過確定錯誤認定調(diào)整的印象計數(shù)(例如針對F30-34人口統(tǒng)計組的182,026)相對于總的錯誤認定調(diào)整的印象計數(shù)(例如3,034,551)的百分比，而針對各個人口統(tǒng)計組基于錯誤認定調(diào)整的印象計數(shù)(Misatt.-adjustedImp.Count)確定表21的示例性測量的百分比(Meas％)。表21包括用于各個示例性人口統(tǒng)計組的一組示例性α因子(α＝B/A)，其可以如上所述參照示例性表19來計算。例如借助校準調(diào)查(例如上文討論的調(diào)查)的結果以及上文公開的等式2和等式3來確定α因子。使用α因子，示例性未覆蓋校正器212針對表21的每個示例性人口統(tǒng)計組而通過將測量的百分比(Meas.％)乘以對應的α因子來計算調(diào)整的百分比(Adj.％)。示例性未覆蓋校正器212還針對表21的每個示例性人口統(tǒng)計組將調(diào)整的百分比(Adj.％)歸一化以獲得歸一化的百分比(Norm.％)。示例性未覆蓋校正器212通過將用于表21的每個示例性人口統(tǒng)計組的歸一化的百分比(Norm.％)乘以總的未覆蓋印象計數(shù)(例如1,126,426)來確定未覆蓋印象計數(shù)(Non-CoveredImp.Count)。例如，用于F30-34人口統(tǒng)計組的未覆蓋印象計數(shù)(Non-CoveredImp.Count)被計算成3.85％*1,126,426＝43,388。示例性未覆蓋校正器212然后可以針對表21的每個示例性人口統(tǒng)計組將未覆蓋印象計數(shù)(Non-CoveredImp.Count)與錯誤認定調(diào)整的印象計數(shù)(Misatt.-adjustedImp.Count)相加以確定錯誤認定和未覆蓋調(diào)整的印象計數(shù)(Misatt.andNon-Cov.-Adj.Imp.Count)。未覆蓋誤差補償和縮放示例2補償未覆蓋誤差的第二示例包括使用上表20的未覆蓋因子。例如當α因子不可用于特定類型的媒體和/或特定設備類型(例如觀看媒體的概率和/或在設備類型上觀看的概率不可用)時，可以使用上文結合未覆蓋因子公開的示例性未覆蓋方法來代替上文結合α因子公開的未覆蓋誤差補償示例的α因子。在本示例中，圖2的未覆蓋校正器212使用未覆蓋因子校正從數(shù)據(jù)庫所有者104a獲得的印象信息。例如，未覆蓋校正器212可以將印象的調(diào)整數(shù)目確定為：(上報的印象計數(shù))/(1-(用于人口統(tǒng)計組的未覆蓋因子))。使用圖3B的示例，未覆蓋校正器212獲得在圖3A的示例中由錯誤認定校正器206計算的錯誤認定調(diào)整的數(shù)據(jù)306。未覆蓋校正器212將同一設備類型所對應的未覆蓋因子308(例如一組標量而非一組α因子)應用于用于該設備類型的錯誤認定調(diào)整的數(shù)據(jù)306以確定用于該設備類型的錯誤認定和未覆蓋調(diào)整的數(shù)據(jù)310。例如，未覆蓋校正器212使用表20的用于M25-29人口統(tǒng)計組的10.0％未覆蓋因子來調(diào)整錯誤認定調(diào)整的印象計數(shù)(例如上表18的用于M25-29人口統(tǒng)計組的210,945)以將錯誤認定和未覆蓋調(diào)整的印象計數(shù)確定為19,046。示例性未覆蓋校正器212還將錯誤認定和未覆蓋調(diào)整的受眾規(guī)模確定為錯誤認定和未覆蓋調(diào)整的印象計數(shù)除以從數(shù)據(jù)庫所有者計算或獲得的頻率(例如來自上表17的頻率)的商。表22示出了用于平板電腦設備類型的錯誤認定和未覆蓋調(diào)整的數(shù)據(jù)310(例如錯誤認定和未覆蓋調(diào)整的印象和受眾)的示例。用于平板電腦設備類型的示例性錯誤認定和未覆蓋調(diào)整的印象計數(shù)和受眾規(guī)模表22在上表22的示例中，示例性未覆蓋校正器212通過將對應的錯誤認定和未覆蓋調(diào)整的印象計數(shù)除以表17的對應頻率(例如來自數(shù)據(jù)庫所有者104a)而針對各個人口統(tǒng)計組確定錯誤認定和未覆蓋調(diào)整的受眾規(guī)模。圖2的示例性印象信息調(diào)整器214調(diào)整補償?shù)挠∠笥嫈?shù)和受眾規(guī)模以對齊由受眾測量實體108所觀察的印象的數(shù)目。圖3C示出了基于觀察的戶口普查數(shù)據(jù)(例如印象量計數(shù))調(diào)整補償?shù)?例如錯誤認定和未覆蓋調(diào)整的)印象計數(shù)和/或受眾規(guī)模310的示例性過程。盡管補償上文參照表15-22所描述的錯誤認定和/或未覆蓋的示例描述了補償印象和特殊受眾規(guī)模，但是圖2的示例性錯誤認定校正器206和/或示例性未覆蓋校正器212可以附加地或可替選地使用相同技術來補償持續(xù)時間單位錯誤認定和/或未覆蓋。下表23示出了將上表14的錯誤認定矩陣應用于與上表18的示例的印象和特殊受眾規(guī)模相關聯(lián)的持續(xù)時間單位的示例。用于平板電腦設備類型的示例性錯誤認定和未覆蓋調(diào)整的印象計數(shù)、持續(xù)時間單位和特殊受眾規(guī)模，以及未調(diào)整的印象計數(shù)、持續(xù)時間單位和特殊受眾規(guī)模表23如上表23所示，將表14的錯誤認定校正矩陣應用于表23的未調(diào)整的持續(xù)時間單位(Unadj.DurationUnits)導致在人口統(tǒng)計組(Demo.Group)中重分布持續(xù)時間單位。錯誤認定和特殊受眾規(guī)模的調(diào)整與上文參照表18描述的示例中相同。示例性未覆蓋校正器212然后可以使用上文參照表19-21的印象所描述的未覆蓋校正技術校正錯誤認定調(diào)整的持續(xù)時間單位。印象縮放、持續(xù)時間單位縮放、和/或受眾縮放示例圖2的示例性印象信息調(diào)整器214調(diào)整補償?shù)挠∠笠耘c由受眾測量實體108觀察的印象的數(shù)目對齊。圖3C示出了基于觀察的戶口普查數(shù)據(jù)(例如印象量計數(shù))調(diào)整補償?shù)?例如錯誤認定和未覆蓋調(diào)整的)印象的示例性過程。使用上表21的示例的示例性錯誤認定和未覆蓋調(diào)整的印象計數(shù)，印象信息調(diào)整器214縮放312錯誤認定和未覆蓋調(diào)整的印象計數(shù)310以匹配(例如等于)從平板電腦觀察的印象的數(shù)目(例如如由圖1的AME108觀察的)，在本示例中為6,385,686個印象。示例性印象信息調(diào)整器214可以縮放用于主網(wǎng)站(例如其上主持廣告或其它媒體的網(wǎng)站)的印象計數(shù)和/或可以縮放投放在主站點上的媒體(廣告或其它媒體)的印象。為了縮放312用于人口統(tǒng)計組的示例性補償?shù)挠∠笮畔?，示例性印象信息調(diào)整器214將從數(shù)據(jù)庫所有者觀察的印象(例如識別的印象和未識別的印象)的總數(shù)目(例如在本示例中為6,385,686)與歸屬于M21-24人口統(tǒng)計組的補償?shù)挠∠笥嫈?shù)(例如上表21中的158,067)相乘，作為總的補償印象(例如上表21中的4,161,011)的分數(shù)(例如百分比)。例如，印象信息調(diào)整器214將用于21-24歲男性人口統(tǒng)計組的縮放的補償印象確定為(6,385,686)*(123,750/4,161,011)＝189,913。下表24示出了用于平板電腦的示例性縮放的補償印象計數(shù)。用于平板電腦的示例性縮放的補償印象計數(shù)表24在一些其它示例中，印象信息調(diào)整器214基于主持媒體的站點的PDF縮放印象，針對該媒體計算印象信息。例如，為了縮放用于投放在主網(wǎng)站的媒體的印象，示例性印象信息調(diào)整器214針對感興趣的人口統(tǒng)計組和感興趣的設備(或所有設備)確定如下二者的差：a)由受眾測量實體108針對主站點識別的用于設備類型的印象的數(shù)目(印象的人口普查計數(shù))和b)用于設備類型的錯誤認定和未覆蓋調(diào)整的印象。該差為通過縮放而解釋的印象的數(shù)目。示例性印象信息調(diào)整器214確定該差與可歸屬于用于感興趣的設備類型的感興趣的人口統(tǒng)計組的部分印象的乘積。換言之，印象信息調(diào)整器214將用于主站點的人口統(tǒng)計組的概率分布函數(shù)應用于縮放錯誤認定和未覆蓋調(diào)整的印象所需添加的印象的數(shù)目。將該乘積(例如用于人口統(tǒng)計組的部分印象)添加到用于人口統(tǒng)計組的錯誤認定和未覆蓋調(diào)整的印象。因此，在本示例中，印象信息調(diào)整器214將縮放的印象確定為：縮放的印象＝(用于所選人口統(tǒng)計組和所選設備類型的錯誤認定和未覆蓋調(diào)整的印象)+(用于所選設備類型的針對主站點上的媒體的人口普查印象–用于所選設備類型的針對所有人口統(tǒng)計組的總的錯誤認定和未覆蓋調(diào)整的印象)*(用于所選人口統(tǒng)計組和所選設備類型的針對主站點的縮放印象/用于所有人口統(tǒng)計組和所選設備類型的針對主站點的總的縮放印象)。下表25示出了使用上文描述的概率分布函數(shù)、以及使用上表19的示例性錯誤認定和未覆蓋調(diào)整的印象作為用于被縮放的媒體印象(而非主站點的印象)的調(diào)整的印象的示例性縮放。表25基于在用于示例性媒體的主站點上的用于平板電腦的6,385,687個總的人口普查印象。示例性縮放表25在上表25的示例中，示例性印象信息調(diào)整器214將用于F21-24人口統(tǒng)計組和平板電腦設備類型的印象縮放成縮放印象＝(用于設備類型和人口統(tǒng)計組的錯誤認定和未覆蓋調(diào)整的印象計數(shù))+(用于所有人口統(tǒng)計組的總的觀察的平板電腦印象計數(shù)–用于所有人口統(tǒng)計組的總的錯誤認定和未覆蓋調(diào)整的平板電腦印象計數(shù))*(用于人口統(tǒng)計組的縮放的主站點印象計數(shù)/用于所有人口統(tǒng)計組的總的縮放的主站點印象計數(shù))＝123,750+(6,385,686–4,161,015)*(1,132,301/37,873,074)＝190,262。以上示例的示例性縮放可以被執(zhí)行以將用于不同人口統(tǒng)計組的印象縮放到其它人口普查印象計數(shù)，諸如主站點的印象計數(shù)(例如如果主站點排外地呈現(xiàn)感興趣的媒體)。盡管參考觀看和視頻媒體和/或組合音頻/視頻媒體描述了本文中所公開的示例，但是本文中所公開的示例也可以用于測量僅音頻媒體的聆聽者。例如，可以針對音頻媒體剪裁用于計算α因子的媒體類別、調(diào)查校準數(shù)據(jù)、和/或第二設備類型。例如用于計算“A”項(例如上文等式2)的第二設備類型可以被修改成指的是(年齡和性別組X中在無線電上聆聽媒體類別Y的人數(shù))/(年齡和性別組X中的總人數(shù))。上文參照表24和表25描述的示例性縮放技術可以用于將錯誤認定和/或未覆蓋調(diào)整的持續(xù)時間單位縮放到針對主站點觀察的持續(xù)時間單位計數(shù)(例如人口普查持續(xù)時間計數(shù))。盡管上文示例公開了執(zhí)行錯誤認定校正和未覆蓋校正二者，但是可以對印象計數(shù)和/或受眾規(guī)模執(zhí)行錯誤認定校正而不執(zhí)行未覆蓋校正?？商孢x地，可以對印象計數(shù)和/或受眾規(guī)模執(zhí)行未覆蓋校正而不執(zhí)行錯誤認定校正。盡管在圖2中示出了實施示例性印象數(shù)據(jù)補償器200的示例性方式，但是在圖2中所示的元件、過程和/或設備中的一者或多者可以被組合、劃分、重排、省略、消除和/或以任何其它方式實現(xiàn)。另外，示例性校準數(shù)據(jù)收集器202、示例性共享矩陣生成器204、示例性錯誤認定校正器206、示例性印象信息收集器208、示例性未覆蓋計算器210、示例性未覆蓋校正器212、示例性印象信息調(diào)整器214、示例性家庭分布生成器216、示例性聚合分布生成器218、示例性矩陣校正器220、示例性矩陣歸一化器222、示例性共同觀看矩陣生成器224和/或更一般地，示例性印象數(shù)據(jù)補償器200可以使用硬件，軟件，固件，和/或硬件、軟件和/或固件的任何組合來實現(xiàn)。因此，例如，示例性校準數(shù)據(jù)收集器202、示例性共享矩陣生成器204、示例性錯誤認定校正器206、示例性印象信息收集器208、示例性未覆蓋計算器210、示例性未覆蓋校正器212、示例性印象信息調(diào)整器214、示例性家庭分布生成器216、示例性聚合分布生成器218、示例性矩陣校正器220、示例性矩陣歸一化器222、示例性共同觀看矩陣生成器224和/或更一般地，示例性印象數(shù)據(jù)補償器200中的任一者可以使用如下項來實現(xiàn)：一個或多個模擬或數(shù)字電路、一個或多個邏輯電路、一個或多個可編程處理器、一個或多個專用集成電路(ASIC)、一個或多個可編程邏輯設備(PLD)和/或一個或多個場可編程設備(FPLD)等。當閱讀覆蓋純軟件和/或固件實現(xiàn)的本專利的設備或系統(tǒng)權利要求中的任一者時，示例性校準數(shù)據(jù)收集器202、示例性共享矩陣生成器204、示例性錯誤認定校正器206、示例性印象信息收集器208、示例性未覆蓋計算器210、示例性未覆蓋校正器212、示例性印象信息調(diào)整器214、示例性家庭分布生成器216、示例性聚合分布生成器218、示例性矩陣校正器220、示例性矩陣歸一化器222、和/或示例性共同觀看矩陣生成器224中的至少一者由此明確地被限定成包括有形的計算機可讀存儲設備或存儲盤，諸如存儲軟件和/或固件的內(nèi)存、數(shù)字通用光盤(DVD)、光盤(CD)、藍光碟等。另外，圖2的示例性印象數(shù)據(jù)補償器200可以包括除了圖2中所示那些以外或代替圖2中所示那些的一個或多個元件、過程和/或設備，和/或可以包括圖示元件、過程和設備中的任何或全部中的多于一者。在圖4至圖13中示出了表示用于實現(xiàn)圖2的印象數(shù)據(jù)補償器200的示例性機器可讀指令的流程圖。在本示例中，機器可讀指令包括由處理器執(zhí)行的程序，該處理器諸如在下文結合圖14所討論的示例性處理器平臺1400中示出的處理器1412。這些程序可以被嵌入在軟件中，該軟件存儲在有形的計算機可讀存儲介質(zhì)上，該存儲介質(zhì)諸如CD-ROM、軟盤、硬盤驅(qū)動器、數(shù)字通用光盤(DVD)、藍光碟、或與處理器1412相關聯(lián)的存儲器，但是全部程序和/或其部分可以替選地由處理器1412以外的設備來執(zhí)行和/或體現(xiàn)在固件或?qū)Ｓ糜布?。另外，盡管參照在圖4至圖13中所示的流程圖來描述示例性程序，但是可以替選地使用許多其它實現(xiàn)示例性印象數(shù)據(jù)補償器200的方法。例如，框的執(zhí)行次序可以被改變，和/或描述的一些框可以被改變、消除或組合。如上所述，圖4至圖13的示例性過程可以使用編碼指令(例如計算機和/或機器可讀指令)來實現(xiàn)，該編碼指令存儲在有形的計算機可讀存儲介質(zhì)上，該存儲介質(zhì)諸如硬盤驅(qū)動器、閃存、只讀存儲器(ROM)、光盤(CD)、數(shù)字通用光盤(DVD)、緩存、隨機存取存儲器(RAM)和/或任何其它存儲設備或存儲盤，其中存儲信息達任何持續(xù)時間(例如延長的時段、永久地、短時地、暫時緩沖、和/或信息的緩存)。如在本文中使用的，術語“有形的計算機可讀存儲介質(zhì)”明確地被限定成包括任何類型的計算機可讀存儲介質(zhì)和/或存儲盤以及排除傳播信號和傳輸媒體。如在本文中使用的，可交換地使用“有形的計算機可讀存儲介質(zhì)”和“有形的機器可讀存儲介質(zhì)”。附加地或可替選地，圖4至圖13的示例性過程可以使用編碼指令(例如計算機和/或機器可讀指令)來實現(xiàn)，該編碼指令存儲在非易失性計算機和/或機器可讀介質(zhì)上，該可讀介質(zhì)諸如硬盤驅(qū)動器、閃存、只讀存儲器、光盤、數(shù)字通用光盤、緩存、隨機存取存儲器和/或任何其它存儲設備或存儲盤，其中存儲信息達任何持續(xù)時間(例如延長的時段、永久地、短時地、暫時緩沖、和/或信息的緩存)。如在本文中使用的，術語“非易失性計算機可讀介質(zhì)”明確地被限定成包括任何類型的計算機可讀存儲介質(zhì)和/或存儲盤以及排除傳播信號和傳輸媒體。如在本文中使用的，當短語“至少”用作權利要求的前序中的過渡詞時，它是開放式的，同樣術語“包括”也是開放式的。圖4是表示示例性機器可讀指令400的流程圖，該示例性機器可讀指令400可被執(zhí)行以實現(xiàn)圖2的用于補償印象數(shù)據(jù)的示例性印象數(shù)據(jù)補償器200。圖2的示例性共享矩陣生成器204生成錯誤認定校正矩陣和/或共同觀看矩陣(框402)。例如，共享矩陣生成器204針對在由校準數(shù)據(jù)收集器202(圖2)從數(shù)據(jù)庫所有者104a(圖1)獲得的印象信息(例如印象)中表示的每個設備類型計算設備共享矩陣。示例性共享矩陣生成器204可以通過計算上文在等式1中描述的概率和/或通過計算和聚合家庭共享矩陣而計算用于設備類型的錯誤認定校正矩陣。附加地或可替選地，示例性共享矩陣生成器204可以計算用于每個設備類型和/或媒體類別的包含共同觀看概率κij的共同觀看矩陣。也可以使用示例性調(diào)查校準數(shù)據(jù)源(例如隨機選擇的人員和/或家庭的調(diào)查)來計算共同觀看概率κij，以確定例如在表示家庭中共同觀看的發(fā)生率。下文參照圖5描述可用于實現(xiàn)框402的示例性指令。圖2的示例性未覆蓋計算器210確定未覆蓋受眾在感興趣的設備類型上訪問媒體的概率(框404)。示例性未覆蓋計算器210還確定未覆蓋因子(框405)。例如，未覆蓋計算器210可以確定α因子(例如上文參照表17描述的示例性α因子α＝B/A)，該α因子用于計算用于未被數(shù)據(jù)庫所有者104a關聯(lián)到人口統(tǒng)計信息的印象的人口統(tǒng)計分布。下文參照圖9描述可被執(zhí)行以實現(xiàn)框404和框405的示例性指令。圖2的示例性印象信息收集器208從印象的容積(例如人口普查)測量獲得印象計數(shù)(框406)。例如，印象信息收集器208確定在受眾測量實體108(圖1)處針對各個感興趣的媒體項目(例如被監(jiān)控的媒體)和/或針對各個設備類型識別的印象的數(shù)量。上表16中示出了示例性容積數(shù)據(jù)。示例性印象信息收集器208還獲得印象(和/或印象的子集)所對應的人口統(tǒng)計信息(框408)。例如，印象信息收集器208接收針對各個設備類型和/或針對所有設備類型通過數(shù)據(jù)庫所有者104a而與每個人口統(tǒng)計組相關聯(lián)的印象的計數(shù)。圖2的示例性錯誤認定校正器206選擇媒體類別(例如喜劇、戲劇、劇情片等)(框410)。示例性錯誤認定校正器206還選擇設備類型(例如智能手機、平板電腦、便攜式媒體播放器)(框412)。示例性錯誤認定校正器206基于用于所選媒體類別和所選設備類型的錯誤認定校正矩陣調(diào)整印象、持續(xù)時間單位和/或特殊受眾規(guī)模(從數(shù)據(jù)庫所有者104a獲得)(框414)。例如，錯誤認定校正器206可以確定錯誤認定校正矩陣302和數(shù)據(jù)庫所有者印象數(shù)據(jù)304的點積，如圖3A所示。在一些示例中，錯誤認定校正器206基于錯誤認定校正的印象和由數(shù)據(jù)庫所有者104a確定的頻率計算錯誤認定校正的特殊受眾規(guī)模。下文參照圖7描述可被執(zhí)行以實現(xiàn)框414的示例性指令。圖2的示例性未覆蓋校正器212還基于用于所選媒體類別和所選設備類型的未覆蓋因子調(diào)整印象、持續(xù)時間單位和/或特殊受眾規(guī)模(框416)。例如，未覆蓋校正器212可以將圖3B的錯誤認定調(diào)整的印象306除以覆蓋百分比(例如1-未覆蓋百分比)以獲得錯誤認定和未覆蓋調(diào)整的印象信息310。在一些示例中，錯誤認定校正器206基于錯誤認定和未覆蓋校正的印象和由數(shù)據(jù)庫所有者104a確定的頻率計算錯誤認定和未覆蓋校正的受眾。下文參照圖8描述可被執(zhí)行以實現(xiàn)框416的示例性指令。示例性錯誤認定校正器206確定是否存在其印象信息將被補償?shù)母郊釉O備類型(框418)。如果存在其印象信息將被補償?shù)母郊釉O備類型(框418)，則控制返回到框412，以選擇另一設備類型。當不存在其印象信息將被補償?shù)母嘣O備類型時(框418)，示例性錯誤認定校正器206確定是否存在其印象信息將被補償?shù)母郊用襟w類別(框420)。如果存在其印象信息將被補償?shù)母郊用襟w類別(框420)，則控制返回到框410，以選擇另一媒體類別。當不存在其印象信息將被補償?shù)母嗝襟w類別時(框420)，圖2的示例性印象信息調(diào)整器214基于調(diào)整的印象信息計算媒體收視率(框422)。例如，印象信息調(diào)整器214可以縮放錯誤認定和未覆蓋調(diào)整的印象以匹配由受眾測量實體108識別的印象。附加地或可替選地，示例性印象信息調(diào)整器214可以組合設備類型以確定用于多個或所有移動設備類型的印象信息。圖4的示例性指令400然后結束。圖5是表示示例性機器可讀指令500的流程圖，該示例性機器可讀指令500可被執(zhí)行以實現(xiàn)圖2的用于計算錯誤認定校正矩陣和/或共同觀看矩陣的示例性印象數(shù)據(jù)補償器200。示例性指令500可以被圖2的示例性共享矩陣生成器204執(zhí)行以實現(xiàn)圖4的框402。圖2的示例性共享矩陣生成器204從調(diào)查校準數(shù)據(jù)源(例如從圖2的校準數(shù)據(jù)收集器202)獲得調(diào)查校準數(shù)據(jù)(框502)。例如，共享矩陣生成器204可以獲得指示應答者家庭中的人員可訪問的設備和/或由應答者在不同設備類型上觀看的媒體類別的信息。示例性聚合分布生成器218選擇媒體類別(框504)。示例性聚合分布生成器218選擇設備類型(框506)。在圖5的示例中，媒體類別和/或設備類型選自在調(diào)查校準數(shù)據(jù)中表示的媒體類別和/或設備類型。對于所有的人口統(tǒng)計組i和j，示例性聚合分布生成器218確定如下事件的概率γij：(1)識別的人口統(tǒng)計組i中的人員被數(shù)據(jù)庫所有者(例如圖1的數(shù)據(jù)庫所有者104a)識別為媒體的觀看者，和(2)實際觀看者人口統(tǒng)計組j中的人員為實際觀看者(框508)。例如，聚合分布生成器218可以使用上文示例性表1-13來生成如上表14所示的錯誤認定校正矩陣。下文參照圖6描述可被執(zhí)行以實現(xiàn)框508的示例性指令。對于所有對人口統(tǒng)計組i和j，示例性聚合分布生成器218確定如下事件的概率κij：(1)識別的人口統(tǒng)計組i中的人員被數(shù)據(jù)庫所有者識別為媒體的觀看者，和(2)也存在用于實際觀看者人口統(tǒng)計組j中的人員的印象(框510)。對用于人口統(tǒng)計組i和j對的概率κij的集合可以被聚合成共同觀看矩陣。下文參照圖8描述可被執(zhí)行以實現(xiàn)框510的示例性指令。示例性聚合分布生成器218確定是否存在針對其而來自調(diào)查校準數(shù)據(jù)源的調(diào)查校準數(shù)據(jù)應當被處理的任何附加設備類型(框512)。如果存在附加設備類型(框512)，則控制返回到框506。如果不存在附加設備類型(框512)，則示例性聚合分布生成器218確定是否存在針對其而來自調(diào)查校準數(shù)據(jù)源的調(diào)查校準數(shù)據(jù)應當被處理的附加媒體類別(框514)。如果存在附加媒體類別，則控制返回到框504。否則，如果不存在附加媒體類別(框514)，則示例性指令500結束，且例如控制返回到圖4的框404。圖6是表示示例性機器可讀指令600的流程圖，該示例性機器可讀指令600可被執(zhí)行以確定錯誤認定概率γij。示例性指令600可以被執(zhí)行以實現(xiàn)圖5的確定如下事件的概率γij的框508：(1)識別的人口統(tǒng)計組i中的人員被數(shù)據(jù)庫所有者(例如圖1的數(shù)據(jù)庫所有者104a)識別為媒體的觀看者，和(2)實際觀看者人口統(tǒng)計組j中的人員為實際觀看者。初始在示例性指令600中，示例性家庭分布生成器216重分布家庭成員中為數(shù)據(jù)庫所有者104a的注冊用戶的受眾(框602)。例如，示例性家庭分布生成器216可以生成用于所選媒體類別的示例性重分布受眾矩陣，如上文結合表5和/或表6所描述。示例性聚合分布生成器218聚合被識別的人口統(tǒng)計組i和實際觀看者人口統(tǒng)計組j的在家庭中重分布的受眾(框604)。例如，聚合分布生成器218可以針對多個家庭生成用于所選媒體類別的示例性重分布受眾矩陣，如上文結合表8所描述。示例性矩陣校正器220生成解釋識別的人口統(tǒng)計組i中的第一人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中的概率P(L)ij的NPM指標(框606)。例如，示例性矩陣校正器220可以將NPM數(shù)據(jù)應用于調(diào)查響應數(shù)據(jù)以生成NPM指標，如上文結合表9-11所描述。示例性矩陣校正器220將NPM指標應用于在家庭中重分布的數(shù)據(jù)庫所有者印象以解釋識別的人口統(tǒng)計組i中的第一人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中的概率P(L)ij(框608)。例如，如上文結合表12所描述，矩陣校正器220可以通過將上表8的i，j單元中的重分布受眾值乘以上表11的i，j單元值中對應的NPM指標來確定表12中每個i，j單元值。采用該方式，矩陣校正器220將NPM指標應用于由數(shù)據(jù)庫所有者104a在不同家庭中收集的重分布印象以解釋識別的人口統(tǒng)計組i中的第一人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中的概率P(L)ij。示例性矩陣歸一化器222將用于各個識別的人口統(tǒng)計組i的概率歸一化(框610)。例如，矩陣歸一化器222將表14的錯誤認定矩陣中的每列(例如被數(shù)據(jù)庫所有者104a識別的每個人口統(tǒng)計組)歸一化以使得各列的總數(shù)等于同一個數(shù)(例如1.00或100％)。對各列歸一化使得在校正錯誤認定之后的印象的數(shù)目等于被數(shù)據(jù)庫所有者104a檢測的印象的總數(shù)目，以及保持通過數(shù)據(jù)庫所有者104a而與各個識別的人口統(tǒng)計組i相關聯(lián)的印象的比例。圖6的示例性指令600結束，且例如控制返回到圖5的框510。圖7是表示示例性機器可讀指令700的流程圖，該示例性機器可讀指令700可被執(zhí)行以實現(xiàn)圖2的用于計算錯誤認定校正矩陣和/或共同觀看矩陣的示例性印象數(shù)據(jù)補償器200。示例性指令700為上文參照圖5描述的實現(xiàn)圖4的框402的示例性指令的替選示例。圖2的示例性共享矩陣生成器204從調(diào)查校準數(shù)據(jù)源(例如從圖2的校準數(shù)據(jù)收集器202)獲得調(diào)查校準數(shù)據(jù)(框702)。例如，共享矩陣生成器204可以獲得指示應答者家庭中的人員可訪問的設備和/或由應答者在不同設備類型上觀看的媒體類別的信息。示例性聚合分布生成器218選擇媒體類別(框704)。示例性聚合分布生成器218選擇設備類型(框706)。在圖7的示例中，媒體類別和/或設備類型選自在調(diào)查校準數(shù)據(jù)中表示的媒體類別和/或設備類型。對于所有對人口統(tǒng)計組i和j，示例性聚合分布生成器218計算識別的人口統(tǒng)計組i中的人員與實際觀看者人口統(tǒng)計組j中的人員生活在同一家庭中的概率P(L)ij(例如基于調(diào)查校準數(shù)據(jù)源)(框708)。例如，聚合分布生成器218可以確定人口統(tǒng)計組i和j中生活在同一家庭中的人員共同觀看的發(fā)生率。對于所有對人口統(tǒng)計組i和j，示例性聚合分布生成器218確定生活在同一家庭中的人口統(tǒng)計組i中的人員與實際觀看者人口統(tǒng)計組j中的人員均訪問所選設備類型的移動設備的概率P(D|L)ij(框710)。對于所有對人口統(tǒng)計組i和j，示例性聚合分布生成器218確定生活在同一家庭中且訪問所選設備類型的移動設備的識別的人口統(tǒng)計組i中的人員(其為數(shù)據(jù)庫所有者用戶)與實際觀看者人口統(tǒng)計組j中的人員共享用于觀看所選媒體類別的媒體的同一移動設備的概率P(Sx|D)ij(框712)。例如，示例性聚合分布生成器218可以確定人口統(tǒng)計組i和j中的人員均在選自調(diào)查校準數(shù)據(jù)的設備類型上訪問所選媒體類別的媒體的發(fā)生率。對于所有對人口統(tǒng)計組i和j，示例性聚合分布生成器218針對與所選設備類型和所選媒體類別相關聯(lián)的錯誤認定校正矩陣確定用于所選對的人口統(tǒng)計組i，j的共享概率γij(框714)。例如，聚合分布生成器218可以使用上文描述的示例性等式1來計算共享概率γij。對于所有對人口統(tǒng)計組i和j，示例性共同觀看矩陣生成器224確定如下事件的概率κij：(1)識別的人口統(tǒng)計組i中的人員被數(shù)據(jù)庫所有者識別為媒體的觀看者，和(2)也存在用于實際觀看者人口統(tǒng)計組j中的人員的印象(框716)。對用于人口統(tǒng)計組i和j對的概率κij的集合可以被聚合成共同觀看矩陣。下文參照圖8描述用于實現(xiàn)框716的示例性指令。示例性聚合分布生成器218確定是否存在針對其而來自調(diào)查校準數(shù)據(jù)源的調(diào)查校準數(shù)據(jù)應當被處理的任何附加設備類型(框718)。如果存在附加設備類型(框718)，則控制返回到框706。如果不存在附加設備類型(框718)，則示例性聚合分布生成器218確定是否存在針對其而來自調(diào)查校準數(shù)據(jù)源的調(diào)查校準數(shù)據(jù)應當被處理的附加媒體類別(框720)。如果存在附加媒體類別，則控制返回到框704。否則，如果不存在附加媒體類別(框720)，則示例性指令700結束，且例如控制返回到圖4的框404。圖8是示例性機器可讀指令800的流程圖，該示例性機器可讀指令800可被執(zhí)行以計算共同觀看矩陣。例如，指令800可以被圖2的示例性共同觀看矩陣生成器224執(zhí)行以實現(xiàn)圖5的框510和/或圖7的框716。對于所有對人口統(tǒng)計組i和j，示例性共同觀看矩陣生成器224確定生活在同一家庭中且訪問所選設備類型的移動設備的識別的人口統(tǒng)計組i中的人員與實際觀看者人口統(tǒng)計組j中的人員同時使用同一移動設備來訪問(例如觀看)所選媒體類別的媒體的概率P(Cx|D)ij(框802)。換言之，假定人員生活在同一家庭中且訪問同一移動設備，則示例性共同觀看矩陣生成器224針對所選設備類型、媒體類別、以及人口統(tǒng)計組i和j確定共同觀看的概率或發(fā)生率。示例性共同觀看矩陣生成器224針對所選設備類型和所選媒體類別確定用于共同觀看矩陣的概率κij(框804)。例如，示例性共同觀看矩陣生成器224可以將概率κij計算成κij＝P(L)ij×P(D|L)ij×P(Cx|D)ij。示例性概率κij表示用于所選對的人口統(tǒng)計組i和j、所選設備類型和所選媒體類別的共同觀看的概率。示例性指令800結束，且例如控制返回到圖5的框512和/或圖7的框718。圖9是表示示例性機器可讀指令900的流程圖，該示例性機器可讀指令900可被執(zhí)行以實現(xiàn)圖2的計算與未被數(shù)據(jù)庫所有者覆蓋的媒體受眾相關聯(lián)的人口統(tǒng)計資料(或未覆蓋因子)的示例性印象數(shù)據(jù)補償器200。示例性指令900可被圖2的示例性未覆蓋計算器210執(zhí)行以實現(xiàn)圖4的框404和框405。圖2的示例性未覆蓋計算器210從調(diào)查校準數(shù)據(jù)源獲得調(diào)查校準數(shù)據(jù)(框902)。例如，未覆蓋計算器210可以獲得調(diào)查校準數(shù)據(jù)(例如從圖2的校準數(shù)據(jù)收集器202)，該調(diào)查校準數(shù)據(jù)指示未向數(shù)據(jù)庫所有者104a注冊的和/或向數(shù)據(jù)庫所有者104a注冊但未在特定類型的設備上登錄數(shù)據(jù)庫所有者104a的人員的數(shù)目。示例性未覆蓋計算器210選擇設備類型(框904)。示例性未覆蓋計算器210選擇人口統(tǒng)計組(框906)。示例性未覆蓋計算器210選擇媒體類別(框908)。在圖9的示例中，媒體類別、人口統(tǒng)計組和/或設備類型選自在調(diào)查校準數(shù)據(jù)中表示的媒體類別、人口統(tǒng)計組和/或設備類型。例如，未覆蓋計算器210可以基于從調(diào)查校準數(shù)據(jù)源獲得的調(diào)查校準數(shù)據(jù)生成用于人口統(tǒng)計組、媒體類別和設備類型的不同組合的不同α因子(例如表17的示例性α因子α＝B/A)。示例性未覆蓋計算器210基于調(diào)查校準數(shù)據(jù)(例如來自調(diào)查校準數(shù)據(jù)源的數(shù)據(jù))確定概率B，其中B為所選人口統(tǒng)計組中的人員在所選設備類型上觀看所選媒體類別中的媒體項目的概率(框910)。在圖9的示例中，未覆蓋計算器210基于與從調(diào)查校準數(shù)據(jù)確定的所選設備類型、所選人口統(tǒng)計組和/或所選媒體類別相關聯(lián)的權重確定概率B。示例性未覆蓋計算器210還基于調(diào)查校準數(shù)據(jù)確定概率A，其中A為所選人口統(tǒng)計組中的人員在不同于所選設備類型的另一設備類型(例如與媒體項目相關聯(lián)的標準設備類型)上觀看所選媒體類別中的媒體項目的概率(框912)。在圖9的示例中，未覆蓋計算器210基于與從調(diào)查校準數(shù)據(jù)確定的另一設備類型、所選人口統(tǒng)計組和/或所選媒體類別相關聯(lián)的權重確定概率A。在圖9的示例中，針對借助所選設備類型和另一設備類型二者均可訪問的媒體來確定概率B和A。例如，對于特定媒體類別中的電視節(jié)目的劇集，另一設備類型可以為電視，且所選設備類型可以為可在其上借助流視頻訪問電視節(jié)目的劇集的計算設備(例如移動設備和/或更具體類型的移動設備，諸如智能手機、平板電腦和/或便攜式媒體播放器)。在電視上的初始或首映呈現(xiàn)之后，經(jīng)常使這類電視節(jié)目借助流視頻而可用。因此，人員可以在電視(例如另一設備類型)上和/或在計算設備(例如所選設備類型)上借助流媒體訪問電視節(jié)目的劇集。示例性未覆蓋計算器210確定用于所選人口統(tǒng)計組、所選媒體類別和/或所選設備類型的α因子(例如上表17的α＝B/A)(框914)。因此，在圖9的示例中，人口統(tǒng)計組、媒體類別和設備類型的每個組合具有單獨的α因子。然而，在其它示例中，α因子對于每個人口統(tǒng)計組、每個媒體類別和/或每個設備類型可以是相同的。附加地或可替選地，示例性未覆蓋計算器210使用包括諸如地理區(qū)域、站點、時段和/或其它因子等因子的組合確定α因子。示例性未覆蓋計算器210確定是否存在附加媒體類別(框916)。如果存在附加媒體類別(框916)，則控制返回到框908以選擇另一媒體類別。當不存在更多媒體類別時(框916)，示例性未覆蓋計算器210確定是否存在附加人口統(tǒng)計組(框918)。如果存在附加人口統(tǒng)計組(框918)，則控制返回到框906以選擇另一人口統(tǒng)計組。當不存在用于所選設備類型的更多人口統(tǒng)計組時(框918)，示例性未覆蓋計算器210確定是否存在附加設備類型(框920)。如果存在附加設備類型(框920)，則控制返回到框904以選擇另一設備類型。當不存在用于所選媒體類別的附加設備類型時(框920)，則圖9的示例性指令900結束，且例如控制返回到圖4的框406。圖10是表示示例性機器可讀指令1000的流程圖，該示例性機器可讀指令1000可被執(zhí)行以實現(xiàn)圖2的基于錯誤認定校正矩陣調(diào)整印象和/或持續(xù)時間單位的示例性印象數(shù)據(jù)補償器200。示例性指令1000可被圖2的示例性錯誤認定校正器206執(zhí)行以實現(xiàn)圖4的框414。圖2的示例性錯誤認定校正器206通過計算下列項的點積確定錯誤認定調(diào)整的印象：a)對應于所選媒體類別和所選設備類型的錯誤認定校正矩陣，和b)針對每個識別的人口統(tǒng)計組i而被數(shù)據(jù)庫所有者識別的印象計數(shù)(框1002)。該點積的結果為用于各個人口統(tǒng)計組的錯誤認定調(diào)整的印象。例如，錯誤認定校正器206可以計算表14的錯誤認定校正矩陣與表15的印象信息的點積以獲得錯誤認定調(diào)整的印象。圖2的示例性錯誤認定校正器206通過計算下列項的點積確定錯誤認定調(diào)整的持續(xù)時間單位：a)對應于所選媒體類別和所選設備類型的錯誤認定校正矩陣，和b)針對每個識別的人口統(tǒng)計組i而被數(shù)據(jù)庫所有者識別的持續(xù)時間單位(框1004)。示例性1000結束且例如控制返回到圖4的框416。圖11是表示示例性機器可讀指令1100的流程圖，該示例性機器可讀指令1100可被執(zhí)行以實現(xiàn)圖2的基于用于數(shù)據(jù)庫所有者的未覆蓋因子調(diào)整印象的示例性印象數(shù)據(jù)補償器200。示例性指令1100可被圖2的示例性未覆蓋校正器212執(zhí)行以實現(xiàn)圖4的框416。圖2的示例性未覆蓋校正器212選擇人口統(tǒng)計組(框1102)。所選人口統(tǒng)計組可以為上文參照表1-14討論的識別的人口統(tǒng)計組i和/或?qū)嶋H觀看者人口統(tǒng)計組j。未覆蓋校正器212通過將錯誤認定調(diào)整的印象乘以與所選人口統(tǒng)計組、所選設備類型和/或所選媒體類別相關聯(lián)的α因子(例如上表17的α＝B/A)來確定未覆蓋印象(框1104)。例如，未覆蓋校正器212可以確定可應用于所選人口統(tǒng)計組(例如在框1102中所選的)、所選設備類型(例如在圖4的框412中所選的)和/或所選媒體類別(例如在圖4的框410中所選的)的α因子(例如在圖4的框404中和/或在圖6的示例性指令900中確定的)。在框1104，示例性未覆蓋校正器212將確定的α因子乘以錯誤認定調(diào)整的印象以確定未覆蓋印象。示例性未覆蓋校正器212確定是否存在附加人口統(tǒng)計組(框1106)。如果存在附加人口統(tǒng)計組(框1106)，則控制返回到框1102以選擇另一人口統(tǒng)計組。當不存在更多待調(diào)整的人口統(tǒng)計組時(框1106)，示例性未覆蓋校正器212縮放用于人口統(tǒng)計組(例如在同一組計算中的所有人口統(tǒng)計組)的未覆蓋印象使得用于所有人口統(tǒng)計組的未覆蓋印象的總和等于觀察到的未覆蓋印象的數(shù)目(框1108)。例如，如上文參照表17所描述，示例性未覆蓋校正器212可以1)針對每個人口統(tǒng)計組(Demos)將調(diào)整的百分比(表17的Adj％)計算成α因子(α＝B/A)和測量的百分比(表17的Meas％)的乘積；2)將調(diào)整的百分比(表17的Adj％)歸一化成總和為100％；以及3)將歸一化的百分比(表17的Norm％)乘以未覆蓋印象(例如未被數(shù)據(jù)庫所有者104a關聯(lián)到人口統(tǒng)計組(表17的Demos)的印象的數(shù)目)以獲得歸屬于每個人口統(tǒng)計組(表17的Demos)的未覆蓋印象(表17的未覆蓋印象)的縮放數(shù)目。圖2的示例性未覆蓋校正器212選擇人口統(tǒng)計組(框1110)。在框1110中所選的人口統(tǒng)計組為之前在框1102的迭代中所選的人口統(tǒng)計組。在圖示示例中，框1110、框1112和框1114被執(zhí)行以處理在框1102、框1104、框1106和框1108處確定的用于所有人口統(tǒng)計組的縮放的未覆蓋印象。未覆蓋校正器212通過將縮放的未覆蓋印象(例如在框1108中確定的)與用于人口統(tǒng)計組的錯誤認定調(diào)整的印象相加來確定用于所選人口統(tǒng)計組的錯誤認定和未覆蓋調(diào)整的印象(框1112)。示例性未覆蓋校正器212確定是否存在附加人口統(tǒng)計組(框1114)。如果存在附加人口統(tǒng)計組(框1114)，則控制返回到框1110以選擇另一人口統(tǒng)計組。當不存在更多待調(diào)整的人口統(tǒng)計組時(框1114)，示例性指令1100結束且例如控制返回到圖4的框418。盡管參照印象描述了以上示例，但是這些示例可以附加地或可替選地應用于特殊受眾和/或持續(xù)時間單位。例如，重分布受眾矩陣可以應用于感興趣的媒體的受眾，而非應用于上文描述的印象。在一些示例中，僅一個印象需要計數(shù)在媒體的受眾中的人員，且當他或她不具有印象時在媒體的受眾中不計數(shù)人員。因此，例如，在表3的示例中，在印象的重分布之后，用于12-17歲男性的受眾將被減少1，這是因為12-17歲男性被數(shù)據(jù)庫所有者104a上報成訪問媒體，但在重分布之后被確定成不具有用于在平板電腦上的喜劇類別的媒體的印象，從而將12-17歲男性的受眾減少1。相反地，對于35-44歲女性的受眾將增加1，這是因為35-44歲女性未被數(shù)據(jù)庫所有者104a關聯(lián)到任何印象且未形成受眾，但是在受眾的重分布之后可以確定出，35-44歲女性實際上確實在平板電腦上訪問感興趣的類別的媒體。圖12是表示示例性機器可讀指令1200的流程圖，該示例性機器可讀指令1200可被執(zhí)行以實現(xiàn)圖2的計算與未被數(shù)據(jù)庫所有者覆蓋的媒體受眾相關聯(lián)的人口統(tǒng)計資料(或未覆蓋因子)的示例性印象數(shù)據(jù)補償器200。示例性指令1200可被圖2的示例性未覆蓋計算器210執(zhí)行以實現(xiàn)圖4的框404和框405。示例性未覆蓋計算器210從校準調(diào)查獲得數(shù)據(jù)(框1202)。例如，未覆蓋計算器210可以獲得調(diào)查校準數(shù)據(jù)，該調(diào)查校準數(shù)據(jù)指示未向數(shù)據(jù)庫所有者104a注冊的和/或向數(shù)據(jù)庫所有者104a注冊但未在特定類型的設備上登錄數(shù)據(jù)庫所有者104a的應答者的數(shù)目。示例性未覆蓋計算器210選擇設備類型(框1204)和選擇人口統(tǒng)計組(框1206)。示例性未覆蓋計算器210將用于所選人口統(tǒng)計組和所選設備類型的未覆蓋因子確定成在所選人口統(tǒng)計組中的對校準調(diào)查的應答者中在所選設備類型上觀看媒體時不會被數(shù)據(jù)庫所有者104a識別的一部分(框1208)。示例性未覆蓋計算器210確定是否存在附加人口統(tǒng)計組(框1210)。如果存在附加人口統(tǒng)計組(框1210)，則控制返回到框1206以選擇另一人口統(tǒng)計組。當不存在更多用于所選設備類型的人口統(tǒng)計組時(框1210)，示例性未覆蓋計算器210確定是否存在附加設備類型(框1212)。如果存在附加設備類型(框1212)，則控制返回到框1204以選擇另一設備類型。當不存在附加設備類型時(框1212)，圖12的示例性指令1200結束，且例如控制返回到調(diào)用功能或過程，諸如圖4的示例性指令400以繼續(xù)執(zhí)行框406。圖13是表示示例性機器可讀指令1300的流程圖，該示例性機器可讀指令1300可被執(zhí)行以實現(xiàn)圖2的基于用于數(shù)據(jù)庫所有者的未覆蓋因子調(diào)整印象計數(shù)和/或受眾規(guī)模的示例性印象數(shù)據(jù)補償器200。示例性指令1300可被圖2的示例性未覆蓋校正器212執(zhí)行以實現(xiàn)圖4的框416。圖2的示例性未覆蓋校正器212選擇人口統(tǒng)計組(框1302)。示例性未覆蓋校正器212通過將錯誤認定調(diào)整的特殊受眾規(guī)模(使用圖10的指令確定的)除以1-(用于所選人口統(tǒng)計組和所選設備類型的未覆蓋因子)來確定錯誤認定和未覆蓋誤差調(diào)整的特殊受眾規(guī)模(框1304)。示例性未覆蓋校正器212通過將錯誤認定和未覆蓋調(diào)整的特殊受眾規(guī)模乘以從印象信息確定的用于所選人口統(tǒng)計組和所選設備類型的頻率來確定錯誤認定和未覆蓋調(diào)整的印象計數(shù)(框1306)。示例性未覆蓋校正器212通過將錯誤認定調(diào)整的持續(xù)時間單位(使用圖10的指令確定的)除以1-(用于所選人口統(tǒng)計組和所選設備類型的未覆蓋因子)來確定錯誤認定和未覆蓋誤差調(diào)整的持續(xù)時間單位(框1308)。示例性未覆蓋校正器212確定是否存在附加人口統(tǒng)計組(框1310)。如果存在附加人口統(tǒng)計組(框1310)，則控制返回到框1302以選擇另一人口統(tǒng)計組。當不存在更多待調(diào)整的人口統(tǒng)計組時(框1308)，則示例性指令1300結束，且例如控制返回到調(diào)用功能或過程，諸如圖4的示例性指令400以繼續(xù)執(zhí)行框418。在一些實例中，可以基于藝術類型執(zhí)行數(shù)據(jù)選擇。在一些示例中，藝術類型可以由媒體發(fā)行者120(例如電視網(wǎng)絡供應商、媒體供應商等)提供。在其它示例中，藝術類型可能無法從媒體的供應商得到。在這類其它示例中，當藝術類型不容易得到時，可以使用例如下文結合圖14至圖20公開的技術來預測藝術類型。在跨平臺受眾測量中，當借助電視(和/或無線電)站(例如本地電視臺、本地無線電站)廣播電視(和/或無線電)節(jié)目時且在廣播之后的特定量的時間內(nèi)借助延遲媒體服務提供電視(和/或無線電)節(jié)目時，AME(例如圖1的AME108)監(jiān)控電視(和/或無線電)節(jié)目的受眾。可以在移動設備或固定的計算設備上借助點播服務、流服務應用程序、應用程序、網(wǎng)頁等訪問示例性延遲媒體服務。示例性延遲媒體服務還可以被提供在數(shù)字視頻錄像機(DVR)、電纜箱、因特網(wǎng)媒體交付機頂盒、智能電視等上。采用該方式，AME通過收集用于電視(和/或無線電)受眾和延遲受眾的印象來執(zhí)行跨平臺受眾測量。在一些示例中，分析印象以生成媒體收視率。在一些示例中，使用藝術類型來確定用于校準移動人口普查數(shù)據(jù)的調(diào)整因子。在這類示例中，校準的移動人口普查數(shù)據(jù)用于產(chǎn)生收視率?；诶缧问?、風格和/或主題等的類似性，藝術類型為媒體類別。示例性藝術類型包括喜劇、戲劇、體育運動、新聞、兒童節(jié)目等。在一些示例中，基于在媒體中編碼的數(shù)據(jù)收集印象。在一些示例中，編碼數(shù)據(jù)不包括藝術類型信息。例如，由本地廣播機廣播的節(jié)目不具有藝術類型信息且用于本地廣播的編碼數(shù)據(jù)不包括節(jié)目名或標識符。此外，藝術類型信息或節(jié)目名不由廣播機或媒體擁有者及時提供以產(chǎn)生隔夜收視率。隔夜收視率經(jīng)常用于基于印象計數(shù)和受眾規(guī)模快速地評估廣播節(jié)目的成功。在一些實例中，在隔夜收視率中反映的廣播節(jié)目的成功可以被媒體網(wǎng)絡(例如電視網(wǎng)絡)用于出售借助例如媒體網(wǎng)絡(例如ABC電視廣播公司)或擁有借助延遲觀看服務提供媒體的權利的第三方(例如Hulu.com)的應用程序或網(wǎng)頁可用的同一媒體的延遲觀看訪問所對應的廣告位。在本文中所公開的示例可以用于生成預測本地電視(和/或無線電)印象的藝術類型的模型。盡管下文相對于電視描述示例，但是下文示例可以可替選地使用無線電或其它媒體類型來實現(xiàn)。藝術類型預測建模錯誤認定和/或未覆蓋校正的以上示例可以包括生成多個錯誤認定校正表(例如諸如上表14)。在一些示例中，針對不同設備類型和/或不同媒體的藝術類型生成錯誤認定校正矩陣。下述示例可以用于預測印象的媒體藝術類型，未從印象提供針對該媒體藝術類型的藝術類型信息。通過將藝術類型分配給印象，本文中所公開的示例選擇合適的錯誤認定校正矩陣和/或未覆蓋因子(上表19和/或上表21的α因子)來補償如上所公開的印象計數(shù)和/或受眾規(guī)模中的錯誤認定誤差和/或未覆蓋誤差。下文公開的生成藝術類型預測模型的示例使用本地安裝在客戶端計算機或電視處的家用媒體計量器來收集關于訪問媒體或調(diào)到媒體的信息以促進生成藝術類型預測模型。然而，上文公開的示例生成錯誤認定校正因子而不依賴本地安裝在客戶端計算機處的小組成員計量軟件來收集數(shù)據(jù)庫所有者注冊狀態(tài)數(shù)據(jù)和/或收集關于由家庭成員訪問的媒體的數(shù)據(jù)。本地安裝在客戶端計算機或電視處的家用媒體計量器在藝術類型預測建模和藝術類型分配中的使用受限于收集印象和/或?qū)⑺囆g類型分配給印象。這類本地安裝的家用計量器不用于生成如本文中所公開的錯誤認定校正矩陣或未覆蓋因子。下文公開的藝術類型預測建模和藝術類型分配可用于校正如上文所公開的用于錯誤認定和/或未覆蓋的印象。圖14示出了示例性系統(tǒng)1400，該示例性系統(tǒng)1400生成藝術類型預測模型、且預測藝術類型和/或?qū)⑺囆g類型分配給非藝術類型印象數(shù)據(jù)1402(例如不包括藝術類型信息的印象數(shù)據(jù))。在圖示示例中，家用媒體計量器1404(例如機頂計量器、個人人員計量器等)將本地電視印象數(shù)據(jù)1402發(fā)送到受眾測量實體(AME)108。圖14的示例性AME108可以為圖1的AME108。在圖示示例中，從本地廣播電視生成的印象數(shù)據(jù)1402未編碼有藝術類型信息，這是因為本地電視廣播機在其廣播時還未編碼媒體。在圖示示例中，為了監(jiān)控跨平臺受眾，除了收集用于電視受眾的本地電視印象數(shù)據(jù)1402外，示例性收集器1406被提供在可聯(lián)網(wǎng)的媒體設備1410中以收集借助可聯(lián)網(wǎng)的媒體設備1410而使用流服務訪問的媒體的印象。在圖示示例中，收集器1406使用并入被可聯(lián)網(wǎng)的媒體訪問設備1410(例如計算機、電視、平板電腦、智能手機、電子書閱讀器等)執(zhí)行的網(wǎng)頁、應用或應用程序(例如點播應用程序、流應用程序、DVR訪問應用程序等)中的指令來實現(xiàn)。在2013年2月5日授權的美國專利No.8,370,489、2013年12月18日遞交的序列號為14/127,414的美國專利申請、2014年7月11日遞交的序列號為14/329,779的美國專利申請、2014年3月13日遞交的序列號為61/952,726的美國臨時申請、2014年6月19日遞交的序列號為62/014,659的美國臨時申請、2014年7月11日遞交的序列號為62/023,675的美國臨時申請中公開了用于使用示例性收集器1406收集印象的示例，上述美國申請的全部內(nèi)容通過引用并入在本文中。示例性媒體計量器1404和/或示例性收集器1406通過示例性網(wǎng)絡1412(例如因特網(wǎng)、局域網(wǎng)、廣域網(wǎng)、蜂窩數(shù)據(jù)網(wǎng)絡等)借助有線連接和/或無線連接(例如電纜/DSL/衛(wèi)星調(diào)制解調(diào)器、基地臺等)與示例性AME108通信。在圖14的圖示示例中，AME108處理非藝術類型印象數(shù)據(jù)1402以基于非藝術類型印象數(shù)據(jù)1402確定用于在AME108處記錄的印象的藝術類型。在圖示示例中，AME108包括收集數(shù)據(jù)庫1414、藝術類型預測建模器1416、藝術類型預測器1418、歷史藝術類型數(shù)據(jù)庫1420和預測數(shù)據(jù)庫1422。示例性收集數(shù)據(jù)庫1414被提供以存儲基于從示例性媒體計量器1404和/或示例性收集器1406接收和/或檢索的示例性非藝術類型印象數(shù)據(jù)1402記錄的印象。示例性藝術類型預測建模器1416基于存儲在示例性歷史藝術類型數(shù)據(jù)庫1420中的歷史藝術類型數(shù)據(jù)來生成一個或多個藝術類型預測模型1428。在圖示示例中，歷史藝術類型數(shù)據(jù)包括歷史節(jié)目記錄1430，該歷史節(jié)目記錄1430例如識別節(jié)目的藝術類型、節(jié)目的時段、節(jié)目的日類別、節(jié)目的持續(xù)時間。示例性歷史節(jié)目記錄1430基于在廣播節(jié)目之后由本地廣播機1432提供的信息(例如節(jié)目標識符、一個或多個時間戳、站標識符、會員標識符等)。例如，在本地廣播之后的一周，本地廣播機1432可以針對本地廣播節(jié)目的每一刻鐘提供記錄1430。示例性藝術類型預測器1418使用由示例性藝術類型預測建模器1416生成的一個或多個藝術類型預測模型1428來預測藝術類型信息并基于非藝術類型印象數(shù)據(jù)1402將預測的藝術類型分配給在收集數(shù)據(jù)庫1414中記錄的印象。采用該方式，示例性藝術類型預測器1418生成預測藝術類型印象記錄1424(例如在收集數(shù)據(jù)庫1414中記錄的非藝術類型印象結合預測的藝術類型信息)。在圖14的圖示示例中，預測藝術類型印象記錄1424被存儲在預測數(shù)據(jù)庫1422中。在一些示例中，預測藝術類型印象記錄1424被用作非校正印象，該非校正印象可以補償錯誤認定和未覆蓋以確定預測藝術類型印象所歸屬的人口統(tǒng)計組，如上文所討論。圖15示出了圖14的藝術類型預測器1418的示例性實現(xiàn)，其基于圖14的非藝術類型印象數(shù)據(jù)1402確定用于在收集數(shù)據(jù)庫1414中記錄的非藝術類型印象記錄1501的藝術類型信息。在圖示示例中，藝術類型預測器1418從收集數(shù)據(jù)庫1414接收和/或檢索非藝術類型印象記錄1501，并生成預測藝術類型印象記錄1424，該預測藝術類型印象記錄1424將被存儲在預測數(shù)據(jù)庫1422中和/或被上報在預測報告1426上。在圖15的圖示示例中，藝術類型預測器1418包括數(shù)據(jù)分類器1500和藝術類型分析器1502。示例性數(shù)據(jù)分類器1500被構造成將示例性非藝術類型印象記錄1501變換為分類的印象數(shù)據(jù)1504。將在下文參照圖16更詳細地描述分類的印象數(shù)據(jù)1504。示例性藝術類型分析器1502被構造成將由示例性藝術類型預測建模器1416生成的一個或多個藝術類型預測模型1428應用于示例性分類的印象數(shù)據(jù)1504。示例性藝術類型分析器1502將一個或多個藝術類型預測模型1428應用于分類的印象數(shù)據(jù)1504。然后示例性藝術類型分析器1502將預測的藝術類型分配給分類的印象數(shù)據(jù)1504以生成示例性預測藝術類型印象記錄1424。示例性藝術類型分析器1502將示例性預測藝術類型印象數(shù)據(jù)1424存儲在示例性預測數(shù)據(jù)庫1422中、和/或包括示例性預測報告1426上的示例性預測藝術類型印象數(shù)據(jù)1424。圖16示出了示例性方式，采用該方式，圖15的數(shù)據(jù)分類器1500分類非藝術類型印象數(shù)據(jù)記錄1501，該非藝術類型印象數(shù)據(jù)記錄1501將被圖15的藝術類型分析器1502用來預測藝術類型。在圖示示例中，非藝術類型印象數(shù)據(jù)記錄1501包括示例性市場標識符(ID)1600、示例性站ID1602、示例性會員ID1604、示例性開始時間戳1606、示例性結束時間戳1608、示例性節(jié)目ID1610、和示例性源ID1612。這些領域中的任何一者或多者可以被省略且一個或多個附加領域可以存在。例如，本國節(jié)目所對應的非藝術類型印象數(shù)據(jù)記錄1501可以包括節(jié)目ID1610和源ID1612。附加地，本地廣播節(jié)目所對應的非藝術類型印象數(shù)據(jù)記錄1501可以省略節(jié)目ID1610和源ID1612。示例性市場ID1600標識播送對應電視節(jié)目的市場(例如地理位置、直轄市等)。在一些示例中，市場ID1600由AME108(圖14)或任何其它合適實體來分配。站ID1602標識廣播電視節(jié)目的本地站。在一些示例中，站ID1602為由AME108(圖14)或任何其它合適實體分配的字母數(shù)字號碼。在一些示例中，站ID1602為被本地電視臺用于自我識別的呼號(例如WXTV、KVEA、WSNS等)。示例性會員ID1604標識本地電視臺的網(wǎng)絡會員(例如美國廣播公司、Telemundo電視臺、?？怂箯V播公司等)。在一些示例中，會員ID1604為由AME108分配的表示網(wǎng)絡會員的號碼(例如用于ABC的100、用于NBC的101等)。在一些示例中，會員ID1604可以為網(wǎng)絡會員的名稱的字母表示(例如用于美國廣播公司的“ABC”、用于Telemundo的“TMD”等)。示例性開始時間戳1606包括與非藝術類型印象記錄1501相關聯(lián)的節(jié)目的開始日期和開始時間。示例性結束時間戳1608包括與非藝術類型印象記錄1501相關聯(lián)的節(jié)目的結束日期和結束時間。如果包括在非藝術類型印象記錄1501中，則示例性節(jié)目ID1610標識與非藝術類型印象記錄1501相關聯(lián)的電視節(jié)目(例如“ArrestedDevelopment”、“NewsRadio”、“SabadoGigante”等)。在一些示例中，節(jié)目ID1610為在基準數(shù)據(jù)庫中唯一地與對應電視節(jié)目的標題和/或其它信息相關聯(lián)的數(shù)字的或字母數(shù)字的標識符。示例性源ID1612標識電視節(jié)目的源(例如制作公司等)。在圖16的圖示示例中，分類的印象數(shù)據(jù)1504包括示例性市場ID1600、示例性站ID1602、示例性會員ID1604、示例性日類別1614、示例性時段1616、和示例性持續(xù)時間1618。示例性數(shù)據(jù)分類器1500使用非藝術類型印象記錄1501的開始時間戳1606和結束時間戳1608來確定分類的印象數(shù)據(jù)1504的示例性日類別1614、示例性時段1616、和示例性持續(xù)時間1618。在圖示示例中，分類的印象數(shù)據(jù)1504的持續(xù)時間1618被數(shù)據(jù)分類器1500計算為在開始時間戳1606中標出的開始時間與在結束時間戳1608中標出的結束時間之間的時間差。在圖示示例中，數(shù)據(jù)分類器1500通過使用示例性開始時間戳1606中的開始日期和示例性結束時間戳1608中的結束日期來確定示例性日類別1614。在一些示例中，日類別1614可以具有一周的一天的值(例如周一、周二、周三等)。在一些示例中，日類別1614可以為一周各天的減小集合。例如，減小集合可以包括對于“周末”、“周六”或“周日”的值。在一些示例中，當在示例性開始時間戳1606中標出的開始日期和在示例性結束時間戳1608中標出的結束日期不同時，數(shù)據(jù)分類器1500可以基于在那天廣播節(jié)目的時間量將一天分配給日類別1614。例如，如果開始時間戳1606為“7/25/201423:30”(例如周五的30分鐘)且結束時間戳1608為“7/26/20141:00”(例如周六的60分鐘)，則“周六”會被分配給日類別1614。在這類示例中，數(shù)據(jù)分類器1500將廣播節(jié)目的較多部分的天分配給日類別1614。示例性數(shù)據(jù)分類器1500使用在示例性開始時間戳1606中標出的開始時間與在示例性結束時間戳1608中標出的結束時間來確定示例性分類的印象數(shù)據(jù)1504的示例性時段1616。如下文結合圖17所進一步討論，時段為一天的時間片段或分區(qū)(例如夜間時段、周末早晨、工作日白天、傍晚時段、黃金時段、周末白天等)，在此期間播送不同類型的電視節(jié)目、購買廣告、和/或測量受眾收視率。在一些示例中，圖16的時段1616可以為包括在開始時間戳1606中標出的開始時間與在結束時間戳1608中標出的結束時間的時段。盡管在圖15中示出了實現(xiàn)圖14的藝術類型預測器1418的示例性方式，但是圖15中示出的元件、過程和/或設備中的一者或多者可以被組合、劃分、重排、省略、消除、和/或以任何其他方式來實現(xiàn)。另外，示例性數(shù)據(jù)分類器1500、示例性藝術類型分析器1502和/或更一般地，圖14的示例性藝術類型預測器1418可以通過硬件，軟件，固件，和/或硬件、軟件和/或固件的任何組合來實現(xiàn)。因此，例如，示例性數(shù)據(jù)分類器1500、示例性藝術類型分析器1502和/或更一般地，示例性藝術類型預測器1418中的任一者可以使用如下項來實現(xiàn)：一個或多個模擬或數(shù)字電路、邏輯電路、一個或多個可編程處理器、一個或多個專用集成電路(ASIC)、一個或多個可編程邏輯設備(PLD)和/或一個或多個現(xiàn)場可編程邏輯設備(FPLD)。當閱讀覆蓋純軟件和/或固件實現(xiàn)的本專利的設備或系統(tǒng)權利要求中的任一者時，示例性數(shù)據(jù)分類器1500、示例性藝術類型分析器1502和/或示例性藝術類型預測器1418中的至少一者由此明確地被限定成包括有形的計算機可讀存儲設備或存儲盤，諸如存儲軟件和/或固件的內(nèi)存、數(shù)字通用光盤(DVD)、光盤(CD)、藍光碟等。另外，示例性藝術類型預測器1418可以包括除了圖15中所示那些以外或代替圖15中所示那些的一個或多個元件、過程和/或設備，和/或可以包括圖示元件、過程和設備中的任何或全部中的多于一者。圖17示出了描繪由圖14和圖15的藝術類型預測器1418使用的時段(例如在圖16的示例性時段1616中可以指示的時段)和日類別(例如在圖16的示例性日類別1614中可以指示的日類別)的示例性圖表。在圖示示例中，一周的每天1700被劃分成多個時段1702。在圖示示例中，周一到周五被劃分成相同的時段片段或分區(qū)(例如具有相同持續(xù)時間且被相同時段開始時間和時段結束時間分界的時段)?？商孢x地，一周的每天1700或其任何組合可以被劃分成不同時段。在圖示示例中，日類別1704被劃分成三類“工作日”、“周六”和“周日”?？商孢x地，日類別1704可以包括用于一周的每天的獨立類別(例如“周一”類別、“周二”類別等)。在一些示例中，日類別可以基于被分組在一起的不同日之間的類似特性(例如時間接近度、受眾觀看習性等)具有不同的日分組。例如，日類別1704可以包括“早期周”類別(例如包括周一和周二)、“中期周”類別(例如包括周三和周四)、“晚期周”類別(例如包括周五)、以及“周末”類別(例如包括周六和周日)。圖18示出了圖14的藝術類型預測建模器1416的示例，該藝術類型預測建模器1416構造將被圖14的藝術類型預測器1418使用的一個或多個藝術類型預測模型1428。在圖示示例中，藝術類型預測建模器1416包括示例性藝術類型預測模型構造器1802、示例性藝術類型預測模型評估器1804、和示例性藝術類型預測模型比較器1806。示例性藝術類型預測模型構造器1802使用來自歷史藝術類型數(shù)據(jù)庫1420的數(shù)據(jù)集來使用不同建模技術生成一個或多個候選模型?？捎糜趯崿F(xiàn)藝術類型預測建模器1416的示例性建模技術包括邏輯回歸、線性判別分析、二次判別分析、k最近鄰算法等。示例性模型構造器1802從歷史藝術類型數(shù)據(jù)庫1420檢索示例性訓練數(shù)據(jù)集1808。在圖示示例中，訓練數(shù)據(jù)集1808用于建立一個或多個藝術類型預測模型1428的輸入(例如在圖15的分類的印象數(shù)據(jù)1504中包括的變量)和一個或多個藝術類型預測模型1428的輸出之間的預測關系(例如預測的藝術類型)。示例性訓練數(shù)據(jù)集1808包括分類的印象數(shù)據(jù)(例如示例性市場標識符1600、示例性站ID1602、示例性會員ID1604、示例性日類別1614、示例性時段1616、和示例性持續(xù)時間1618)和分配的藝術類型。使用訓練數(shù)據(jù)集1808，示例性藝術類型預測模型構造器1802生成一個或多個候選模型1800。候選模型1800為針對其將被藝術類型分析器1502(圖15)用來將藝術類型分配給非藝術類型印象記錄1501(圖14)的合適度(例如準確度)進行評估的藝術類型預測模型。在一些示例中，在生成示例性候選模型1800之后，藝術類型預測模型構造器1802使用訓練數(shù)據(jù)集1808計算正確區(qū)別率(CCR)。在一些示例中，CCR為訓練數(shù)據(jù)集1808中被候選模型正確預測的印象的百分比。在圖18所示的示例中，藝術類型預測模型評估器1804接收和/或檢索由藝術類型預測模型構造器1802生成的候選模型1800。藝術類型預測模型評估器1804還從歷史藝術類型數(shù)據(jù)庫1420檢索測試數(shù)據(jù)集1810。示例性藝術類型預測模型評估器1804使用測試數(shù)據(jù)集1810驗證候選模型1800。在一些示例中，藝術類型預測模型評估器1804使用測試數(shù)據(jù)集1810計算用于候選模型的CCR。在一些這類示例中，藝術類型預測模型評估器1804計算用于包括在測試數(shù)據(jù)集1810中的感興趣的藝術類型的CCR。在圖18所示的示例中，藝術類型預測模型比較器1806使用由AME108(圖14)限定的選擇標準選擇候選模型1800中的一者或多者作為一個或多個藝術類型預測模型1428。在一些示例中，選擇標準包括最高CCR、最短處理時間、最小資源需求等。在一些示例中，藝術類型預測模型比較器1806選擇具有最高CCR的候選模型1800。盡管在圖18中示出了實現(xiàn)圖14的藝術類型預測建模器1416的示例性方式，但是圖18中示出的元件、過程和/或設備中的一者或多者可以被組合、劃分、重排、省略、消除、和/或以任何其他方式來實現(xiàn)。另外，示例性藝術類型預測模型構造器1802、示例性藝術類型預測模型評估器1804、示例性藝術類型預測模型比較器1806和/或更一般地，圖14的示例性藝術類型預測建模器1416可以通過硬件，軟件，固件，和/或硬件、軟件和/或固件的任何組合來實現(xiàn)。因此，例如，示例性藝術類型預測模型構造器1802、示例性藝術類型預測模型評估器1804、示例性藝術類型預測模型比較器1806和/或更一般地，示例性藝術類型預測建模器1416中的任一者可以使用如下項來實現(xiàn)：一個或多個模擬或數(shù)字電路、邏輯電路、一個或多個可編程處理器、一個或多個專用集成電路(ASIC)、一個或多個可編程邏輯設備(PLD)和/或一個或多個現(xiàn)場可編程邏輯設備(FPLD)。當閱讀覆蓋純軟件和/或固件實現(xiàn)的本專利的設備或系統(tǒng)權利要求中的任一者時，示例性藝術類型預測模型構造器1802、示例性藝術類型預測模型評估器1804、示例性藝術類型預測模型比較器1806和/或示例性藝術類型預測建模器1416中的至少一者由此明確地被限定成包括有形的計算機可讀存儲介質(zhì)或存儲盤，諸如存儲軟件和/或固件的內(nèi)存、數(shù)字通用光盤(DVD)、光盤(CD)、藍光碟等。另外，示例性藝術類型預測建模器1416可以包括除了圖18中所示那些以外或代替圖18中所示那些的一個或多個元件、過程和/或設備，和/或可以包括圖示元件、過程和設備中的任何或全部中的多于一者。在圖19中示出了表示用于實現(xiàn)圖14和圖18的示例性藝術類型預測建模器1416的示例性機器可讀指令的流程圖。在圖20中示出了表示用于實現(xiàn)圖14和圖15的示例性藝術類型預測器1418的示例性機器可讀指令的流程圖。在這些示例中，機器可讀指令包括用于被處理器執(zhí)行一個或多個程序，該處理器諸如在下文參照圖21討論的示例性處理器平臺2100中所示的處理器2112。該一個或多個程序可以被體現(xiàn)在軟件中，該軟件存儲在有形的計算機可讀存儲介質(zhì)上，該存儲介質(zhì)諸如CD-ROM、軟盤、硬盤驅(qū)動器、數(shù)字通用光盤(DVD)、藍光碟、或與處理器2112相關聯(lián)的存儲器，但是全部的一個或多個程序和/或其部分可以替選地由處理器2112以外的設備來執(zhí)行和/或被體現(xiàn)在固件或?qū)Ｓ糜布?。另外，盡管參照在圖19和圖20中所示的流程圖來描述示例性的一個或多個程序，但是可以替選地使用許多其它實現(xiàn)示例性藝術類型預測器1418和/或示例性藝術類型預測建模器1416的方法。例如，框的執(zhí)行次序可以被改變，和/或描述的一些框可以被改變、消除或組合。如上所述，圖19和/或圖20的示例性過程可以使用編碼指令(例如計算機和/或機器可讀指令)來實現(xiàn)，該編碼指令存儲在有形的計算機可讀存儲介質(zhì)上，該存儲介質(zhì)諸如硬盤驅(qū)動器、閃存、只讀存儲器(ROM)、光盤(CD)、數(shù)字通用光盤(DVD)、緩存、隨機存取存儲器(RAM)和/或任何其它存儲設備或存儲盤，其中存儲信息達任何持續(xù)時間(例如延長的時段、永久地、短時地、暫時緩沖、和/或信息的緩存)。附加地或可替選地，圖19和/或圖20的示例性過程可以使用編碼指令(例如計算機和/或機器可讀指令)來實現(xiàn)，該編碼指令存儲在非易失性計算機和/或機器可讀介質(zhì)上，該可讀介質(zhì)諸如硬盤驅(qū)動器、閃存、只讀存儲器、光盤、數(shù)字通用光盤、緩存、隨機存取存儲器和/或任何其它存儲設備或存儲盤，其中存儲信息達任何持續(xù)時間(例如延長的時段、永久地、短時地、暫時緩沖、和/或信息的緩存)。圖19為表示示例性機器可讀指令1900的流程圖，該示例性機器可讀指令1900可以被執(zhí)行以實現(xiàn)圖14和圖18的構造一個或多個藝術類型預測模型(例如圖18的一個或多個藝術類型預測模型1428)的示例性藝術類型預測建模器1416，該藝術類型預測模型被用于預測用于基于非藝術類型印象數(shù)據(jù)1402(圖14)記錄的非藝術類型印象的藝術類型。初始，在框1902，藝術類型預測模型構造器1802(圖18)選擇包括在訓練數(shù)據(jù)集(例如圖18的訓練數(shù)據(jù)集1808)中的印象中的變量或參數(shù)(例如市場標識符、站ID、會員ID、日類別、時段和持續(xù)時間)，在一些示例中，藝術類型預測模型構造器1802通過對變量執(zhí)行統(tǒng)計顯著性測試(例如計算p值、執(zhí)行卡方測試等)來選擇變量。在框1903，示例性藝術類型預測模型構造器1802基于選擇標準將印象從訓練數(shù)據(jù)集1808排除(例如排除與不感興趣的藝術類型相關聯(lián)的印象、排除接觸或訪問的持續(xù)時間低于閾值的印象等)。例如，歷史藝術類型數(shù)據(jù)庫1420(圖14)中的一些記錄1430(圖14)可以被分類在“無類別的”藝術類型中。在一些實例中，對于藝術類型預測模型1428，可能不期望預測用于印象的“無類別的”藝術類型。在這類示例中，為了防止藝術類型預測模型1428將非藝術類型印象1402(圖14)分配到“無類別的”藝術類型，將歷史藝術類型數(shù)據(jù)庫1420中被分類在“無類別的”藝術類型中的記錄1430從訓練數(shù)據(jù)集1808排除。在框1904，示例性藝術類型預測模型構造器1802使用在框1902基于訓練數(shù)據(jù)集1808所選的變量或參數(shù)來構造候選模型1800(圖18)?？捎糜谏珊蜻x模型1800的示例性建模技術包括邏輯回歸、線性判別分析、二次判別分析、k最近鄰算法等。例如，藝術類型預測模型構造器1802可以使用k最近鄰算法構造模型，其中k等于9。在一些示例中，藝術類型預測模型構造器1802使用訓練數(shù)據(jù)集1808計算候選模型1800的CCR。在框1906，藝術類型預測模型評估器1804(圖18)評估在框1904生成的候選模型1800。在一些示例中，藝術類型預測模型評估器1804從歷史藝術類型數(shù)據(jù)庫1420(圖14)檢索一個或多個測試數(shù)據(jù)集1810(圖18)，并使用該一個或多個測試數(shù)據(jù)集1810計算候選模型1800的一個或多個CCR。在一些這類示例中，藝術類型預測模型評估器1804計算用于在一個或多個測試數(shù)據(jù)集1810中表示的每個藝術類型的獨立的一個或多個CCR。在框1908，藝術類型預測模型評估器1804確定在框1906生成的一個或多個CCR是否為可接受的。如果該一個或多個CCR為可接受的，則程序控制前進到框1912。否則，如果該一個或多個CCR為不可接受的，則程序控制前進到框1910。在框1910，藝術類型預測模型構造器1802精化或調(diào)整在框1904生成的候選模型1800。在一些示例中，藝術類型預測模型構造器1802調(diào)整模型參數(shù)(例如選擇用于k的不同值等)、調(diào)整輸入變量(例如使用不同日類別、添加和/或去除變量等)、和/或調(diào)整訓練數(shù)據(jù)集1808(例如增大訓練數(shù)據(jù)集1808的規(guī)模、改變訓練數(shù)據(jù)集1808的組成以包括之前基于例如藝術類型的種類等而排除的印象)。在框1912，藝術類型預測模型評估器1804確定是否待生成另一候選模型1800。在一些示例中，藝術類型預測模型評估器1804使用CCR閾值來確定是否待構造另一候選模型1800。在一些示例中，藝術類型預測模型評估器1804基于處理速度和/或計算資源需求來評估候選模型1800。如果待構造另一候選模型1800，則程序控制返回到框1902。否則，如果不待構造另一候選模型1800，則程序控制前進到框1914。在框1914，藝術類型預測模型比較器1806(圖18)比較由藝術類型預測模型構造器1802生成的候選模型1800。在一些示例中，藝術類型預測模型比較器1806比較候選模型1800的CCR。在一些這類示例中，對于感興趣的藝術類型，藝術類型預測模型比較器1806可以比較候選模型1800所對應的單獨CCR。例如，第一候選模型可以具有70％的整體CCR(例如用于感興趣的藝術類型的CCR的平均值等)，但是具有30％的用于“家庭”藝術類型的CCR。第二候選模型可以具有65％的整體CCR，但是具有57％的用于“家庭”藝術類型的CCR。在框1916，藝術類型預測模型比較器1806選擇候選藝術類型預測模型1800作為將被藝術類型預測模型預測器1418使用的藝術類型預測模型1428。在一些示例中，藝術類型預測模型比較器1806選擇具有最高整體CCR的候選模型1800。例如，從上文示例，藝術類型預測模型比較器1806會選擇第一候選模型。在一些示例中，藝術類型預測模型比較器1806選擇在感興趣的特定藝術類型上具有最高CCR的候選模型1800。例如，從上文示例，如果“家庭”藝術類型為特別感興趣的，則藝術類型預測模型比較器1806會選擇第二候選模型。這是因為第二候選模型的“家庭”藝術類型CCR高于第一候選模型的“家庭”藝術類型CCR。在一些示例中，藝術類型預測模型比較器1806基于性能因子(例如預測藝術類型所需的處理功率、預測藝術類型所需的處理速度等)選擇候選模型1800。然后圖19的示例性程序1900結束。圖20為表示示例性機器可讀指令2000的流程圖，該示例性機器可讀指令2000可以被執(zhí)行以實現(xiàn)圖14和圖15的預測針對本地電視節(jié)目收集的印象的藝術類型的示例性藝術類型預測器1418，該本地電視節(jié)目沒有編碼有藝術類型信息(例如圖14的非藝術類型印象數(shù)據(jù)1402)。在框2002，示例性數(shù)據(jù)分類器1500(圖15和圖16)從收集數(shù)據(jù)庫1414(圖14和圖15)檢索非藝術類型印象數(shù)據(jù)(例如基于圖14和圖15的非藝術類型印象數(shù)據(jù)1402記錄的非藝術類型印象記錄1501)。在框2004，數(shù)據(jù)分類器1500將非藝術類型印象記錄1501變換為分類的印象數(shù)據(jù)1504(圖15)。在一些示例中，數(shù)據(jù)分類器1500使用包括在非藝術類型印象記錄1501中的時間戳值(例如圖16的開始時間戳1606和結束時間戳1608)來生成變量，該變量被藝術類型預測模型(例如圖14和圖18的藝術類型預測模型1428)用來分類將被輸入到藝術類型預測模型1428中的非藝術類型印象記錄1501。例如，數(shù)據(jù)分類器1500可以生成日類別值1614(圖16)、時段值1616(圖16)、和/或持續(xù)時間值1618(圖16)。在框2006，藝術類型分析器1502(圖15)將由藝術類型預測建模器1416(圖14和圖18)生成的藝術類型預測模型1428應用于分類的印象數(shù)據(jù)1504以預測藝術類型信息。在一些示例中，藝術類型預測可以包括準確度等級。在一些這類示例中，準確度等級可以基于由藝術類型預測建模器1416計算的藝術類型預測模型1428的一個或多個CCR。在框2008，藝術類型分析器1502將藝術類型預測與非藝術類型印象數(shù)據(jù)1402相關聯(lián)以創(chuàng)建預測藝術類型印象1424(圖14和圖15)。在一些示例中，藝術類型分析器1502將預測藝術類型印象1424存儲在預測數(shù)據(jù)庫1422(圖14和圖15)中?？商孢x地或附加地，藝術類型分析器1502使預測藝術類型印象1424包括在預測報告1426(圖14和圖15)中。然后圖20的示例性程序2000結束。圖21為示例性處理器平臺1200的框圖，該處理器平臺1200能夠執(zhí)行圖4、圖5、圖6、圖7、圖8、圖9、圖10、圖11、圖12和/或圖13的指令以實現(xiàn)示例性校準數(shù)據(jù)收集器202、示例性共享矩陣生成器204、示例性錯誤認定校正器206、示例性印象信息收集器208、示例性未覆蓋計算器210、示例性未覆蓋校正器212、示例性印象信息調(diào)整器214、示例性家庭分布生成器216、示例性聚合分布生成器218、示例性矩陣校正器220、示例性矩陣歸一化器222、示例性共同觀看矩陣生成器224、和/或更一般地，圖2的示例性印象數(shù)據(jù)補償器200。處理器平臺2100可以為例如服務器、個人計算機、移動設備(例如移動手機、智能手機、平板電腦，諸如iPadTM)、因特網(wǎng)器件、或任何其它類型的計算設備。圖示示例的處理器平臺2100包括處理器2112。圖示示例的處理器2112為硬件。例如，處理器2112可以通過來自任何期望家庭或制造商的一個或多個集成電路、邏輯電路、微處理器或控制器來實現(xiàn)。圖21的示例性處理器2112可以實現(xiàn)示例性校準數(shù)據(jù)收集器202、示例性共享矩陣生成器204、示例性錯誤認定校正器206、示例性印象信息收集器208、示例性未覆蓋計算器210、示例性未覆蓋校正器212、示例性印象信息調(diào)整器214、示例性家庭分布生成器216、示例性聚合分布生成器218、示例性矩陣校正器220、示例性矩陣歸一化器222、和/或示例性共同觀看矩陣生成器224。圖示示例的處理器2112包括本地存儲器2113(例如緩存)。圖示示例的處理器2112借助總線2118與主存儲器通信，主存儲器包括易失性存儲器2114和非易失性存儲器2116。易失性存儲器2114可以通過同步動態(tài)隨機存取存儲器(SDRAM)、動態(tài)隨機存取存儲器(DRAM)、RAMBUS動態(tài)隨機存取存儲器(RDRAM)、和/或任何其它類型的隨機存取存儲設備來實現(xiàn)。非易失性存儲器2116可以通過閃存和/或任何其它期望類型的存儲設備來實現(xiàn)。對主存儲器2114、2116的訪問受存儲器控制器控制。圖示示例的處理器平臺2100還包括接口電路2120。接口電路2120可以通過任何類型的接口標準來實現(xiàn)，諸如以太網(wǎng)接口、通用串行總線(USB)、和/或PCIexpress接口。在圖示示例中，一個或多個輸入設備2122連接到接口電路2120。一個或多個輸入設備2122允許用戶將數(shù)據(jù)和命令輸入到處理器2112中。一個或多個輸入設備可以通過例如音頻傳感器、麥克風、照相機(靜止或視頻)、鍵盤、按鈕、鼠標、觸摸屏、軌跡板、軌跡球、等點和/或聲音識別系統(tǒng)來實現(xiàn)。一個或多個輸出設備2124也連接到圖示示例的接口電路2120。輸出設備2124可以通過例如顯示設備(例如發(fā)光二極管(LED)、有機發(fā)光二極管(OLED)、液晶顯示器、陰極射線管顯示器(CRT)、觸摸屏、觸摸式輸出設備、發(fā)光二極管(LED)、打印機和/或揚聲器)來實現(xiàn)。圖示示例的接口電路2120因此通常包括圖形驅(qū)動卡、圖形驅(qū)動芯片或圖形驅(qū)動處理器。圖示示例的接口電路2120還包括通信設備，諸如發(fā)送器、接收器、收發(fā)器、調(diào)制解調(diào)器和/或網(wǎng)絡接口卡以促進借助網(wǎng)絡2126(例如以太網(wǎng)連接、數(shù)字用戶線路(DSL)、電話線、同軸電纜、移動電話系統(tǒng)等)與外部機器(例如任何類型的計算設備)的數(shù)據(jù)交換。圖示示例的處理器平臺2100還包括用于存儲軟件和/或數(shù)據(jù)的一個或多個大容量存儲設備2128。圖21的示例性大容量存儲設備2128可以實現(xiàn)圖1的AME媒體印象存儲器134。這類大容量存儲設備2128的示例包括軟盤驅(qū)動器、硬驅(qū)動盤、光盤驅(qū)動器、藍光碟驅(qū)動器、RAID系統(tǒng)、和數(shù)字通用光盤(DVD)驅(qū)動器。圖4、圖5、圖6、圖7、圖8、圖9、圖10、圖11、圖12和/或圖13的編碼指令2132可以被存儲在大容量存儲設備2128、易失性存儲器2114、非易失性存儲器2116、和/或可移除有形計算機可讀存儲介質(zhì)(諸如CD或DVD)中。圖22為示例性處理器平臺1200的框圖，該處理器平臺1200能夠執(zhí)行圖19和/或圖20的指令以實現(xiàn)示例性收集數(shù)據(jù)庫1414、示例性藝術類型預測建模器1416、示例性藝術類型預測器1418、示例性歷史藝術類型數(shù)據(jù)庫1420、示例性預測數(shù)據(jù)庫1422、示例性數(shù)據(jù)分類器1500、示例性藝術類型分析器1502、示例性藝術類型預測模型構造器1802、示例性藝術類型預測模型評估器1804、示例性藝術類型預測模型比較器1806、和/或更一般地，圖1的示例性受眾測量實體108。處理器平臺2200可以為例如服務器、個人計算機、移動設備(例如移動手機、智能手機、平板電腦，諸如iPadTM)、因特網(wǎng)器件、或任何其它類型的計算設備。圖示示例的處理器平臺2200包括處理器2212。圖示示例的處理器2212為硬件。例如，處理器2212可以通過來自任何期望家庭或制造商的一個或多個集成電路、邏輯電路、微處理器或控制器來實現(xiàn)。圖22的示例性處理器2212可以實現(xiàn)示例性藝術類型預測建模器1416、示例性藝術類型預測器1418、示例性數(shù)據(jù)分類器1500、示例性藝術類型分析器1502、示例性藝術類型預測模型構造器1802、示例性藝術類型預測模型評估器1804、和/或示例性藝術類型預測模型比較器1806。圖示示例的處理器2212包括本地存儲器2213(例如緩存)。圖示示例的處理器2212借助總線2218與主存儲器通信，主存儲器包括易失性存儲器2214和非易失性存儲器2216。易失性存儲器2214可以通過同步動態(tài)隨機存取存儲器(SDRAM)、動態(tài)隨機存取存儲器(DRAM)、RAMBUS動態(tài)隨機存取存儲器(RDRAM)、和/或任何其它類型的隨機存取存儲設備來實現(xiàn)。非易失性存儲器2216可以通過閃存和/或任何其它期望類型的存儲設備來實現(xiàn)。對主存儲器2214、2216的訪問受存儲器控制器控制。圖示示例的處理器平臺2200還包括接口電路2220。接口電路2220可以通過任何類型的接口標準來實現(xiàn)，諸如以太網(wǎng)接口、通用串行總線(USB)、和/或PCIexpress接口。在圖示示例中，一個或多個輸入設備2222連接到接口電路2220。一個或多個輸入設備2222允許用戶將數(shù)據(jù)和命令輸入到處理器2212中。一個或多個輸入設備可以通過例如音頻傳感器、麥克風、照相機(靜止或視頻)、鍵盤、按鈕、鼠標、觸摸屏、軌跡板、軌跡球、等點和/或聲音識別系統(tǒng)來實現(xiàn)。一個或多個輸出設備2224也連接到圖示示例的接口電路2220。輸出設備2224可以通過例如顯示設備(例如發(fā)光二極管(LED)、有機發(fā)光二極管(OLED)、液晶顯示器、陰極射線管顯示器(CRT)、觸摸屏、觸摸式輸出設備、發(fā)光二極管(LED)、打印機和/或揚聲器)來實現(xiàn)。圖示示例的接口電路2220因此通常包括圖形驅(qū)動卡、圖形驅(qū)動芯片或圖形驅(qū)動處理器。圖示示例的接口電路2220還包括通信設備，諸如發(fā)送器、接收器、收發(fā)器、調(diào)制解調(diào)器和/或網(wǎng)絡接口卡以促進借助網(wǎng)絡2226(例如以太網(wǎng)連接、數(shù)字用戶線路(DSL)、電話線、同軸電纜、移動電話系統(tǒng)等)與外部機器(例如任何類型的計算設備)的數(shù)據(jù)交換。圖示示例的處理器平臺2200還包括用于存儲軟件和/或數(shù)據(jù)的一個或多個大容量存儲設備2228。圖22的示例性大容量存儲設備2228可以實現(xiàn)AME媒體印象存儲器134、示例性收集數(shù)據(jù)庫1414、示例性歷史藝術類型數(shù)據(jù)庫1420、和/或示例性預測數(shù)據(jù)庫1422。這類大容量存儲設備2228的示例包括軟盤驅(qū)動器、硬驅(qū)動盤、光盤驅(qū)動器、藍光碟驅(qū)動器、RAID系統(tǒng)、和數(shù)字通用光盤(DVD)驅(qū)動器。圖19和/或圖20的編碼指令可以被存儲在大容量存儲設備2228、易失性存儲器2214、非易失性存儲器2216、和/或可移除有形計算機可讀存儲介質(zhì)(諸如CD或DVD)中。從上文可知，將理解，已經(jīng)公開了加強計算機的操作以提高基于印象的數(shù)據(jù)(諸如特殊受眾、印象計數(shù)和持續(xù)時間單位)的準確度的方法、裝置和制品，從而可以依賴本文中的計算機和處理系統(tǒng)來產(chǎn)生具有較高準確度的受眾分析信息。在一些示例中，基于上述用于確定錯誤認定校正和/或未覆蓋校正的特殊受眾規(guī)模、錯誤認定校正和/或未覆蓋校正的印象計數(shù)、和/或錯誤認定校正和/或未覆蓋校正的持續(xù)時間單位的等式和技術，可以使計算機操作更高效。即，通過使用這些過程，計算機可以通過相對快速地確定參數(shù)并通過上文公開的技術將那些參數(shù)應用于確定錯誤認定校正和/或未覆蓋校正的數(shù)據(jù)而更高效地操作。例如，使用本文中公開的示例性過程，計算機可以更高效地且更有效地在由AME108和數(shù)據(jù)庫所有者104a-b記錄的發(fā)展或測試數(shù)據(jù)中校正錯誤認定誤差(例如將上表14的錯誤認定校正矩陣應用于印象、特殊受眾規(guī)模、和/或持續(xù)時間單位)和/或校正未覆蓋誤差(例如將未覆蓋因子或α因子應用于印象、特殊受眾規(guī)模、和/或持續(xù)時間單位)，而不使用大量網(wǎng)絡通信帶寬(例如節(jié)約網(wǎng)絡通信帶寬)且不使用大量計算機處理資源(例如節(jié)約計算機處理資源)來連續(xù)地與個體在線用戶通信以請求關于他們的在線媒體訪問行為的調(diào)查響應，以及無需依賴于來自這類在線用戶的這類連續(xù)調(diào)查響應。由于用戶無法或不愿意重新收集在線媒體訪問，使得來自在線用戶的調(diào)查響應可能不準確。調(diào)查響應還可能不完全，這可以需要附加處理器資源來識別和補充不完全的調(diào)查響應。因此，本文中所公開的示例更高效地且更有效地確定錯誤認定校正的數(shù)據(jù)。這類錯誤認定校正的數(shù)據(jù)在隨后處理中可用于識別不同媒體的接觸性能，從而媒體供應商、廣告商、產(chǎn)品制造商、和/或服務供應商可以關于如何花銷廣告費用和/或媒體制造和分布費用制定更精明的決定。盡管本文中公開了某些示例性方法、裝置和制品，但是本專利的覆蓋范圍不限于此。相反，本專利覆蓋公正地落在本專利的權利要求的范圍內(nèi)的所有方法、裝置和制品。當前第1頁1 2 3