技術(shù)背景

1.技術(shù)領(lǐng)域

本公開涉及確定在線內(nèi)容的流量質(zhì)量。

2.技術(shù)背景討論

在線廣告在互聯(lián)網(wǎng)中扮演重要角色。在市場中總體上有三種角色：發(fā)布者、廣告商、以及執(zhí)行者。諸如google、microsoft以及yahoo的執(zhí)行者，提供了針對發(fā)布者和廣告商的平臺或交易所。然而，在商業(yè)系統(tǒng)中存在欺詐性的角色。發(fā)布者具有使流量膨脹來收取廣告商更多的費(fèi)用的強(qiáng)烈動機(jī)。一些廣告商也可能實(shí)施欺詐以耗盡競爭者的資金。為了保護(hù)合法的發(fā)布者和廣告商，執(zhí)行者需要承擔(dān)對抗欺詐性流量的責(zé)任，否則商業(yè)系統(tǒng)就會被破壞并且合法的角色將離開。許多當(dāng)前主要的執(zhí)行者具有反欺詐系統(tǒng)，此反欺詐系統(tǒng)釆用基于規(guī)則的或機(jī)器學(xué)習(xí)的過濾器。這些過濾器通常用二進(jìn)制標(biāo)志來標(biāo)記每次曝光和點(diǎn)擊，無論曝光和點(diǎn)擊是有效的還是無效的。然而，在有效的和無效的之間很難簡單地劃出界限。事實(shí)上，在灰色地帶中存在既未好到有效、也未壞到無效的可疑流量。

此外，與廣告換算(即在廣告商網(wǎng)站上進(jìn)行廣告點(diǎn)擊的用戶活動等等)相關(guān)的數(shù)據(jù)可能是稀少的，并且有時廣告商可能不希望將他們的換算數(shù)據(jù)發(fā)送到廣告網(wǎng)絡(luò)，這使得換算數(shù)據(jù)的收集難以進(jìn)行。更進(jìn)一步地，即使廣告商愿意將他們的換算數(shù)據(jù)發(fā)送到廣告網(wǎng)絡(luò)，廣告換算的追蹤也可能被錯誤地配置，并因此所收集的換算數(shù)據(jù)本身可能沒有好的質(zhì)量或是不可靠的?，F(xiàn)存的流量質(zhì)量評分可能僅僅得到流量質(zhì)量的粗粒度的分?jǐn)?shù)(例如，以標(biāo)記為有效的或無效的二進(jìn)制決定的方式)來減緩稀少的廣告換算數(shù)據(jù)的稀少問題，并且這可以使得它不同于針對在可能僅僅具有較小流量體積的廣告網(wǎng)絡(luò)中的較小實(shí)體來估計流量質(zhì)量。

總結(jié)

本公開涉及用于確定與在線內(nèi)容(諸如，網(wǎng)頁、網(wǎng)站、安裝在無線/移動設(shè)備上基于互聯(lián)網(wǎng)的應(yīng)用等等，和/或被提供在其上或有關(guān)網(wǎng)頁、網(wǎng)站的基于互聯(lián)網(wǎng)的應(yīng)用的廣告，等等)相關(guān)的事件層流量質(zhì)量的方法、系統(tǒng)、以及編程。更具體地，本公開涉及確定針對與用戶和在線內(nèi)容交互相關(guān)的事件的事件層級的流量質(zhì)量的方法、系統(tǒng)、以及編程，用戶交互例如是，對與在線內(nèi)容(諸如網(wǎng)頁)相關(guān)聯(lián)地提供的廣告(“廣告”)的用戶曝光(諸如顯示)、對在線廣告的用戶點(diǎn)擊或選定，在線廣告的用戶“換算”(即由用戶執(zhí)行與完成的針對被廣告在點(diǎn)擊使用或選中的產(chǎn)品或服務(wù)的在線財務(wù)交易)等等。

本公開的一個方面，公開了在具有至少一個處理器、存儲器、與連接到網(wǎng)絡(luò)的通信平臺的機(jī)器上所實(shí)現(xiàn)的、確定與在線內(nèi)容相關(guān)的流量質(zhì)量的方法。此方法中，與表明用戶和在線內(nèi)容的交互的當(dāng)前用戶事件相關(guān)的數(shù)據(jù)被接收。與當(dāng)前用戶事件相關(guān)的數(shù)據(jù)可以包括關(guān)于與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體的集合(例如(一個或多個)用戶、(一個或多個)發(fā)布者、(一個或多個)廣告商、(一個或多個)廣告創(chuàng)作者等等)的信息?；陉P(guān)于與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體的集合的信息，針對當(dāng)前用戶事件的特征值集合可以被生成，其中特征值集合可以實(shí)質(zhì)地測量在線廣告系統(tǒng)中的各種實(shí)體的用戶流量或活動的多樣性。更進(jìn)一步地，針對當(dāng)前用戶事件的事件層流量質(zhì)量分?jǐn)?shù)可以至少部分地基于所生成的特征值集合，例如基于特征值集合的元素的加權(quán)組合。

在本公開的另一個方面，公開了來確定與在線內(nèi)容相關(guān)的流量質(zhì)量的系統(tǒng)。系統(tǒng)包括通信平臺、特征集合引擎、以及流量質(zhì)量引擎。通信平臺可以被配置以接收與表明用戶和在線內(nèi)容交互的當(dāng)前用戶事件相關(guān)的數(shù)據(jù)。與當(dāng)前用戶事件相關(guān)的這種數(shù)據(jù)可以包括關(guān)于與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體的集合信息。特征集合引擎可以被配置以基于關(guān)于與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體的集合的信息來確定針對當(dāng)前用戶事件的特征值集合。流量質(zhì)量引擎可以被配置以至少部分地基于特征值集合來確定針對當(dāng)前用戶事件的流量質(zhì)量分?jǐn)?shù)。

在一些實(shí)施例中，流量質(zhì)量引擎包括被配置以計算特征值的元素的加權(quán)組合值的特征組合單元，以及被配置以基于來自特征組合單元的加權(quán)組合值來生成針對當(dāng)前用戶事件的流量質(zhì)量分?jǐn)?shù)的流量分?jǐn)?shù)生成器。

其它概念涉及針對實(shí)現(xiàn)對于在線內(nèi)容的流量質(zhì)量(事件層)的確定的軟件。對應(yīng)此概念的軟件產(chǎn)品包括至少一個機(jī)器可讀的非暫態(tài)的介質(zhì)以及由介質(zhì)攜帶的信息。由介質(zhì)攜帶的信息(例如與用戶、在線內(nèi)容的發(fā)布者、在線廣告商等等、請求、或社會組織等等相關(guān)的信息)可以是關(guān)于與請求相關(guān)聯(lián)的參數(shù)或者可操作的參數(shù)的可執(zhí)行的程序代碼數(shù)據(jù)。

在一個示例中，機(jī)器可讀的與非暫態(tài)的介質(zhì)具有記錄在其中的信息來確定流量質(zhì)量，其中當(dāng)信息被機(jī)器閱讀時，引起機(jī)器接收與表明用戶與線上內(nèi)容交互(曝光、點(diǎn)擊等等)的當(dāng)前用戶事件相關(guān)的數(shù)據(jù)。與當(dāng)前用戶事件相關(guān)的數(shù)據(jù)包括關(guān)于與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體(諸如(一個或多個)用戶、(一個或多個)發(fā)布者、(一個或多個)廣告商、(一個或多個)廣告創(chuàng)造者等等)的集合的信息。基于關(guān)于與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體的集合的信息，針對當(dāng)前用戶事件的特征值集合能夠被生成。更進(jìn)一步地，針對當(dāng)前用戶事件的事件層流量質(zhì)量分?jǐn)?shù)可以被至少部分地基于所生成的特征值集合而確定，例如基于特征值集合的元素的加權(quán)組合。

額外的優(yōu)點(diǎn)和新穎特征將會在下述說明書的部分中示出，其部分基于下列實(shí)驗(yàn)與附圖，對于本領(lǐng)域技術(shù)人員來說是顯而易見的，或者是可以通過示例的成果和操作而學(xué)習(xí)的。本技術(shù)的優(yōu)點(diǎn)可以通過在下列詳細(xì)討論的示例中被列出的方法論、儀器和組合的各種方面的實(shí)踐或使用而被實(shí)現(xiàn)和獲得。

附圖簡要說明

本文所描述的方法、系統(tǒng)與/或編程根據(jù)示例的實(shí)施例被進(jìn)一步描述。這些示例的實(shí)施例參照附圖而被詳細(xì)描述。這些實(shí)施例是非限制性的示例的實(shí)施例，其中貫穿附圖的一些視圖相似的標(biāo)號代表類似的結(jié)構(gòu)，其中：

圖1(a)-圖1(c)示出了系統(tǒng)的示例，依照本公開的各種實(shí)施例的流量質(zhì)量監(jiān)管和評分在此系統(tǒng)中被實(shí)現(xiàn)；

圖2示出了根據(jù)本公開的實(shí)施例的、示例的流量質(zhì)量引擎的高層次描繪；

圖3示出了根據(jù)本公開的實(shí)施例的、在流量質(zhì)量引擎處被操作的示例的過程的流程圖；

圖4(a)示出了根據(jù)本公開的第一個實(shí)施例的、示例的特征集合引擎的高層次描繪；

圖4(b)示出了根據(jù)對應(yīng)圖4(a)的上述實(shí)施例的、在特征集合引擎處被操作的示例的過程的流程圖；

圖5(a)示出了根據(jù)本公開的第二個實(shí)施的、示例的特征集合引擎的高層次描繪；

圖5(b)示出了根據(jù)對應(yīng)于圖5(a)的上述實(shí)施例的、在特征集合引擎處操作的示例的過程的流程圖；

圖6(a)示出了根據(jù)本公開的第一個實(shí)施例的、示例的流量質(zhì)量單元的高層次描繪；

圖6(b)示出了根據(jù)對應(yīng)于圖6(a)的上述實(shí)施例的、在流量質(zhì)量單元處操作的示例的過程的流程圖；

圖7(a)示出了根據(jù)本公開的另一個實(shí)施例的、在流量質(zhì)量單元處操作的示例的過程的流程圖，；

圖7(b)示出了根據(jù)對應(yīng)圖7(a)的上述實(shí)施例的、在流量質(zhì)量單元處操作的示例的過程的流程圖；

圖8(a)示出了根據(jù)本公開的實(shí)施例的、示例的概率計算器的高層次描繪(在圖(7)中示出)；

圖8(b)示出了根據(jù)對應(yīng)于圖8(a)的上述實(shí)施例的、在概率計算器處操作的示例的過程的流程圖；

圖9(a)示出了根據(jù)本公開的實(shí)施例的、示例的實(shí)體流量質(zhì)量單元的高層次描繪；

圖9(b)示出了根據(jù)對應(yīng)圖9(a)的上述實(shí)施例的、在實(shí)體流量質(zhì)量單元處操作的示例的過程的流程圖；

圖10(a)示出了根據(jù)本公開的實(shí)施例的、示例的警報通知單元的高層次描繪；

圖10(b)示出了根據(jù)對應(yīng)于圖10(a)的上述實(shí)施例的、在警報通知單元處操作的示例的過程的流程圖；

圖11示出了一般的移動設(shè)備架構(gòu)，在此架構(gòu)上本教導(dǎo)可以被實(shí)現(xiàn)；以及

圖12示出了一般的計算機(jī)架構(gòu)，在此架構(gòu)上本教導(dǎo)可以被實(shí)現(xiàn)。

詳細(xì)描述

下列詳細(xì)描述中，大量的具體細(xì)節(jié)通過示例的方式被列出從而提供對相關(guān)教導(dǎo)的透徹的理解。然而，應(yīng)當(dāng)對本領(lǐng)域技術(shù)人員顯而易見的是，本教導(dǎo)可以在無需這些細(xì)節(jié)的情況下被實(shí)踐。在其它示例中，眾所周知的方法、步驟、元件、和/或環(huán)路在相對高的層次被無細(xì)節(jié)地描述，以避免對本教導(dǎo)不必要的模糊。

本教導(dǎo)涉及確定與用戶和在線內(nèi)容(例如在網(wǎng)頁上、在移動獨(dú)立應(yīng)用中等等)的交互(例如廣告點(diǎn)擊、廣告曝光、和/或廣告換算)相關(guān)的事件的事件層流量質(zhì)量。與當(dāng)前用戶事件和過去用戶事件相關(guān)的數(shù)據(jù)可以被接收，其中這種數(shù)據(jù)可以包括關(guān)于與相應(yīng)的用戶事件相關(guān)聯(lián)的實(shí)體的集合(諸如(一個或多個)發(fā)布者、(一個或多個)廣告商、(一個或多個)用戶、(一個或多個)廣告創(chuàng)造者等等)的信息。針對與當(dāng)前用戶事件相關(guān)的流量斂散性特征的組的特征值集合可以被生成來估計跨(涉及在線廣告系統(tǒng)中的)各種實(shí)體的流量質(zhì)量。特征值集合能夠基于與當(dāng)前用戶事件和/或過去用戶事件相關(guān)聯(lián)的實(shí)體的相應(yīng)的集合的信息而被生成。針對當(dāng)前用戶事件的流量質(zhì)量分?jǐn)?shù)可以至少部分地基于這種特征值集合而被確定，例如基于特征值集合的元素的加權(quán)組合。

由此，用戶事件在其中被分配(有效的或無效的)二進(jìn)制標(biāo)識的傳統(tǒng)的在線廣告反欺詐技術(shù)相反，本公開中介紹的事件層流量質(zhì)量評分技術(shù)提供了表明用戶事件的有效(或無效)的各種等級或?qū)哟蔚恼鎸?shí)數(shù)據(jù)的流量質(zhì)量分?jǐn)?shù)。更進(jìn)一步地，事件層級的流量質(zhì)量分?jǐn)?shù)可以用作確定或計算廣告網(wǎng)絡(luò)的一個或多個(相較事件層)更高粒度的流量質(zhì)量分?jǐn)?shù)的基礎(chǔ)。具體地，應(yīng)用針對包括特定的發(fā)布者、廣告商、用戶、或者其它參與者的可以被確定的多個用戶事件的(真實(shí)數(shù)據(jù)的)流量質(zhì)量分?jǐn)?shù)，例如通過計算事件層的流量質(zhì)量分?jǐn)?shù)的平均(或其它統(tǒng)計的計量)，上述發(fā)布者、廣告商、用戶、或者其它參與者的流量質(zhì)量分?jǐn)?shù)可以被確定。

圖1(a)-圖1(c)是不同系統(tǒng)配置的高層次描述，根據(jù)本公開的一個或多個實(shí)施例，其中對于與在線廣告和基于特征集合的事件層流量質(zhì)量分?jǐn)?shù)相關(guān)的用戶事件的特征集合可以被確定。在圖1(a)中，示例的系統(tǒng)100包括用戶110、網(wǎng)絡(luò)120、一個或多個發(fā)布者門戶或發(fā)布者130、一個或多個廣告商140、事件日志/數(shù)據(jù)庫150、數(shù)據(jù)源160(包括數(shù)據(jù)源1160-a、數(shù)據(jù)源2160-b、......、數(shù)據(jù)源n160-c)、流量質(zhì)量引擎170、事件信息處理模塊175以及系統(tǒng)操作器/管理器180。

網(wǎng)絡(luò)120可以是單獨(dú)的網(wǎng)絡(luò)或不同網(wǎng)絡(luò)的組合。例如，網(wǎng)絡(luò)可以是局域網(wǎng)(lan)、廣域網(wǎng)(wan)、公共網(wǎng)絡(luò)、個人網(wǎng)絡(luò)、專有網(wǎng)絡(luò)、公共交換電話網(wǎng)(pstn)、互聯(lián)網(wǎng)、無線網(wǎng)絡(luò)、蜂窩網(wǎng)絡(luò)、虛擬網(wǎng)絡(luò)、或任何上述的組合。網(wǎng)絡(luò)也可以包括各種網(wǎng)絡(luò)接入點(diǎn)，例如，有線或無線接入點(diǎn)(諸如基站或互聯(lián)網(wǎng)交換點(diǎn)120-a、...、120-b)，數(shù)據(jù)源可以通過接入點(diǎn)連接到網(wǎng)絡(luò)從而通過網(wǎng)絡(luò)傳輸信息。在一個實(shí)施例中，網(wǎng)絡(luò)120可以是在線廣告網(wǎng)絡(luò)或廣告網(wǎng)絡(luò)，其將廣告商140連接到發(fā)布者130或希望承辦廣告的網(wǎng)站/移動應(yīng)用。廣告網(wǎng)絡(luò)的功能是聚集由發(fā)布者所供應(yīng)的廣告空間并且將其與廣告商的需求進(jìn)行匹配。廣告網(wǎng)絡(luò)可以是電視廣告網(wǎng)絡(luò)、印刷廣告網(wǎng)絡(luò)、在線(互聯(lián)網(wǎng))廣告網(wǎng)絡(luò)，或者移動廣告網(wǎng)絡(luò)。

用戶110可以是不同類型的用戶，例如通過臺式機(jī)連接到網(wǎng)絡(luò)(110-d)的用戶、通過無線連接(例如，通過膝上型計算機(jī)(110-c)、掌上設(shè)備(110-a)或機(jī)動車輛的嵌入式設(shè)備(110-b))連接到網(wǎng)絡(luò)的用戶。在一個實(shí)施例中，(一個或多個)用戶110可以被連接到網(wǎng)絡(luò)并且能夠通過在用戶可穿戴設(shè)備(諸如眼鏡、腕表等等)中實(shí)現(xiàn)的無線技術(shù)、相關(guān)操作系統(tǒng)以及接口，對(由發(fā)布者所提供的)在線內(nèi)容進(jìn)行訪問和交互。諸如110-1的用戶可以通過網(wǎng)絡(luò)120發(fā)送針對在線內(nèi)容的請求到發(fā)布者130，并且通過網(wǎng)絡(luò)120來接收內(nèi)容以及(由廣告商140提供的)一個或多個廣告。當(dāng)在用戶設(shè)備的用戶接口(諸如顯示器)被提供的時候，用戶110-1可以點(diǎn)擊或以其它方式選定(一個或多個)廣告以瀏覽和/或購買被廣告的(一個或多個)產(chǎn)品或(一個或多個)設(shè)備。在本公開的情境中，這種廣告展示/曝光、廣告點(diǎn)擊、廣告換算、以及其它用戶和在線內(nèi)容的交互可以被視作“事件”。

發(fā)布者130可以對應(yīng)具有發(fā)布業(yè)務(wù)(諸如電視臺、報紙發(fā)行者、網(wǎng)頁擁有者、在線服務(wù)提供者或游戲服務(wù)器)的實(shí)體(無論是個人、公司、或組織)。例如，在與在線或者移動廣告網(wǎng)絡(luò)的連接中，發(fā)布者130可以是諸如美國專利商標(biāo)局(uspto.gov)的組織、諸如美國有線電視新聞網(wǎng)絡(luò)(cnn.com)和雅虎(yahoo.com)的內(nèi)容提供者、或者諸如推特(twitter)或者博客的內(nèi)容補(bǔ)充式源。在一個實(shí)施例中，發(fā)布者130包括通過移動應(yīng)用(諸如安裝在智能手機(jī)、平板設(shè)備上等等)來發(fā)展、支持和/或提供在線內(nèi)容的實(shí)體。在一個例子中，發(fā)送到用戶110-1的內(nèi)容可以基于由內(nèi)容源160所提供或從內(nèi)容源160取回的數(shù)據(jù)來由發(fā)布者130生成或格式化。內(nèi)容源可以對應(yīng)預(yù)內(nèi)容被最初生成和/或儲存在其上的實(shí)體。例如，小說最初被打印在雜志中，但之后被在線發(fā)表在由發(fā)布者控制的網(wǎng)站上。在示例網(wǎng)絡(luò)的環(huán)境100中的內(nèi)容源160包括多個內(nèi)容源160-1、160-2、...、160-3。

廣告商140總體上可以對應(yīng)正在做或者打算做(或以其它方式介入)廣告業(yè)務(wù)的實(shí)體(無論是個人、公司、或者組織)。以這種方式，廣告商140可以作為提供(一個或多個)產(chǎn)品和/或(一個或多個)服務(wù)的實(shí)體，并且在由發(fā)布者提供的平臺(諸如網(wǎng)站、移動應(yīng)用等等)上它自身針對其自己的(一個或多個)產(chǎn)品和/或(一個或多個)服務(wù)承擔(dān)發(fā)布廣告的過程。例如，廣告商140可以包括諸如通用汽車(generalmotor)、百思買集團(tuán)(bestbuy)、或迪士尼(disney)的公司。然而在一些其它情況中，廣告商140可以是針對由其它實(shí)體提供的(一個或多個)產(chǎn)品和/或(一個或多個)服務(wù)僅僅承擔(dān)發(fā)布廣告的過程的實(shí)體。

廣告商140可以是被安排來提供在線廣告到(一個或多個)發(fā)布者130的實(shí)體，這樣這些廣告與其它在線內(nèi)容在用戶設(shè)備處被呈現(xiàn)給用戶110。廣告商140可以提供流內(nèi)容、靜態(tài)內(nèi)容、以及贊助內(nèi)容。廣告內(nèi)容可以被放置在內(nèi)容網(wǎng)頁或應(yīng)用(諸如移動應(yīng)用)的任何地方，并且可以作為內(nèi)容流和獨(dú)立的廣告這兩者的部分被呈現(xiàn)，策略上地在內(nèi)容流的周圍或其中被放置。在一些實(shí)施例中，廣告商140可以包括或可以被配置為交換引擎，上述轉(zhuǎn)換引擎作為用來購買由發(fā)布者(諸如發(fā)布者130)提供的一個或多個廣告機(jī)會的平臺的角色來服務(wù)。廣告交換引擎可以在與引擎相關(guān)聯(lián)的多個廣告商中進(jìn)行內(nèi)部招標(biāo)，并且在接收和響應(yīng)來自發(fā)布者的投標(biāo)請求之后，提交合適的投標(biāo)給發(fā)布者。

內(nèi)容源160可以包括多個內(nèi)容源160-a、160-b、...160-c。內(nèi)容源可以對應(yīng)對應(yīng)于發(fā)布者(例如發(fā)布者130)的網(wǎng)頁擁有者，實(shí)體，無論是個人、公司、或諸如uspto.gov的組織、諸如cnn.com和yahoo.com的內(nèi)容提供者、或者諸如twitter或博客的內(nèi)容補(bǔ)充式源。內(nèi)容源110可以是諸如在線新聞、發(fā)布的紙張、博客、在線畫報、雜志、音頻內(nèi)容、圖像內(nèi)容、以及視頻內(nèi)容的在線內(nèi)容的任何源。它可以是來自諸如yahoo！金融、yahoo！體育、cnn以及娛樂體育節(jié)目電視網(wǎng)(espn)的內(nèi)容。它可以是多媒體內(nèi)容或者文本或者包括網(wǎng)站內(nèi)容、社會媒體內(nèi)容(諸如facebook、twitter、reddit等等或任何內(nèi)容豐富的提供者)的內(nèi)容的任何其它形式。它可以是來自諸如ap和reuters之類的提供者的經(jīng)許可的內(nèi)容。它也可以是來自互聯(lián)網(wǎng)上各種源的被抓取與索引的內(nèi)容。內(nèi)容源110提供大量的內(nèi)容到發(fā)布者130和/或系統(tǒng)100的其它部分。。

流量質(zhì)量引擎170可以被配置以(例如在本文實(shí)現(xiàn)的通信平臺上)接收或取回與表明用戶和在線內(nèi)容和廣告的交互(曝光，點(diǎn)擊等等)相關(guān)的當(dāng)前用戶事件的數(shù)據(jù)，例如來自模塊175以及與過去用戶事件相關(guān)的數(shù)據(jù)(例如來自事件日志150)，并且處理這些事件數(shù)據(jù)以生成特征值集合，上述特征值集合表明在跨在線廣告系統(tǒng)100的各種實(shí)體的用戶流量或活動中的多樣性。更進(jìn)一步地，至少部分地基于特征值集合，引擎170可以生成針對當(dāng)前用戶事件的事件層級的流量質(zhì)量分?jǐn)?shù)，其具有比諸如僅僅用有效或無效來確定事件更好的粒度。在本公開的情境中，每個“當(dāng)前事件”或“過去事件”中的每個可以包括單獨(dú)的事件或多個事件的組合(或聚合)。

事件信息處理模塊175可以被配置以作為發(fā)布者130和廣告商140的后臺系統(tǒng)操作，來接收、處理以及儲存關(guān)于與用戶與包括在用戶110的設(shè)備上的提供給用戶110的廣告在線內(nèi)容的交互(例如曝光、廣告點(diǎn)擊、廣告轉(zhuǎn)換等等)相關(guān)的信息。在一些實(shí)施例中，用戶110執(zhí)行與所表示的在線內(nèi)容(即“當(dāng)前用戶事件”)的交互(即廣告點(diǎn)擊)，相關(guān)的發(fā)布者130和/或廣告商140(提供內(nèi)容和廣告)可以通信當(dāng)前用戶事件的細(xì)節(jié)(包括但不局限于事件的類型、事件的時間、關(guān)于涉及當(dāng)前事件的內(nèi)容以及廣告(例如是否與體育、新聞、旅行、零售購物等等相關(guān))的環(huán)境信息、用戶信息(諸如用戶的ip地址、姓名、年齡、性別、位置、其它用戶身份信息)、與此特定事件相關(guān)的(一個或多個)發(fā)布者130的身份信息、與此特定事件相關(guān)的(一個或多個)廣告商140的身份信息、以及與此特定事件相關(guān)的其它實(shí)體/參與者(諸如廣告創(chuàng)造者)的身份信息)。上述的事件相關(guān)的信息可以根據(jù)針對每個用戶110、每個發(fā)布者130以及每個廣告商140的每個事件的發(fā)生而被提供到模塊175。在一些其它情況中，這種信息僅針對用戶110、發(fā)布者130和/或廣告商140的特定的集合由模塊175處理和記錄。在一些實(shí)施例中，模塊175可以包括數(shù)據(jù)庫(未在圖中示出)以在特定的(一個或多個)分類和(一種或多種)格式儲存與用戶110、發(fā)布者130和廣告商140以及系統(tǒng)100的其它實(shí)體相關(guān)的信息。更進(jìn)一步地，模塊175可以被配置用關(guān)于與系統(tǒng)100(諸如當(dāng)發(fā)布者130、廣告商140等等加入或離開系統(tǒng)100的時候)相關(guān)的實(shí)體的最新信息(周期性地或按要求的)來更新其數(shù)據(jù)庫。

模塊175可以將系統(tǒng)100的各種實(shí)體中的每個定義為具體“類型”的實(shí)體，例如用戶110作為“用戶”實(shí)體、發(fā)布者130作為“發(fā)布者”實(shí)體、廣告商140作為“廣告商”實(shí)體等等。模塊175還可以將用戶110、發(fā)布者130、廣告商140等等分類到在它們相應(yīng)的指定的類型中的(分層的或不分層的)多個子集。例如，模塊175可以根據(jù)諸如他們的年齡、位置、性別、ip地址、等等來將用戶分類中的用戶110定義或標(biāo)注為屬于不同的子分類，并且相應(yīng)地在其數(shù)據(jù)庫中整理和儲存信息。相似地，模塊175可以基于諸如內(nèi)容/廣告的類別、他們的財務(wù)狀況等等屬于相應(yīng)的不同的子分類，來定義或標(biāo)注發(fā)布者130和廣告商140(分別在發(fā)布者和廣告商分類中)并且相應(yīng)地整理和儲存信息。如下面將被詳述的，處理模塊175提供當(dāng)前用戶事件數(shù)據(jù)和數(shù)據(jù)到引擎170用于確定特征集合以及流量質(zhì)量分?jǐn)?shù)。

在一些實(shí)施例中，可能是集中式的或分布式的事件日志/數(shù)據(jù)庫150，儲存與提供與過去用戶事件(即時間上相對于當(dāng)前用戶事件發(fā)生的時間的之前發(fā)生的事件)相關(guān)的依照與在線內(nèi)容和廣告的用戶交互(或作為其結(jié)果)所生成的數(shù)據(jù)。如以上討論的當(dāng)前用戶事件數(shù)據(jù)，過去用戶事件數(shù)據(jù)還可以包括，關(guān)于與相應(yīng)之前用戶事件中的每個以及事件相關(guān)的其它信息相關(guān)聯(lián)的實(shí)體(諸如(一個或多個)用戶、(一個或多個)發(fā)布者、(一個或多個)廣告商、(一個或多個)廣告創(chuàng)造者等等)的信息。在一些實(shí)施例中，在當(dāng)前用戶事件中的每個由引擎170處理之后，模塊175可以發(fā)送當(dāng)前用戶事件的數(shù)據(jù)(經(jīng)處理并被儲存其中)到要添加到的數(shù)據(jù)庫150，因此更新之前用戶數(shù)據(jù)以用于處理未來用戶事件(發(fā)生在當(dāng)前用戶事件之后)。另外的，基于當(dāng)前用戶事件的處理，引擎170還可以發(fā)送數(shù)據(jù)到事件日志/數(shù)據(jù)庫150，數(shù)據(jù)包括但不局限于在當(dāng)前用戶事件數(shù)據(jù)的處理過程中由引擎170所生成和確定的(一個或多個)特征值集合、與(一個或多個)特征值集合相關(guān)的概率值、(一個或多個)流量質(zhì)量分?jǐn)?shù)等等。如之后將描述的，引擎170可以接收或檢索來自數(shù)據(jù)庫150的與過去用戶事件相關(guān)的數(shù)據(jù)以計算針對當(dāng)前用戶事件的事件層流量質(zhì)量分?jǐn)?shù)。

除在110處的用戶之外，諸如180的用戶的不同類型(其可以是系統(tǒng)運(yùn)行器或管理器)還可以能夠針對不同的管理工作(諸如安排事件日志數(shù)據(jù)庫150、事件信息處理模塊175等等)與系統(tǒng)100的不同元件(諸如流量質(zhì)量引擎170等)交互。在一些實(shí)施例中，用戶180可以歸類到在更多可操作的問題上具有比用戶110更高的特權(quán)來安排事件日志數(shù)據(jù)庫150和/或事件信息處理模塊175。例如，用戶180可以被配置以能夠更新檢索的主題或儲存在事件日志數(shù)據(jù)庫中的數(shù)據(jù)的格式，用模塊175所收集的數(shù)據(jù)的格式、或者測試流量質(zhì)量引擎170。在一些實(shí)施例中，流量質(zhì)量引擎170以及相關(guān)的事件日志數(shù)據(jù)庫150可以作為第三方服務(wù)提供者，因而發(fā)布者130、廣告商140以及用戶180可以是流量質(zhì)量引擎170的客戶。在這種情況下，用戶180可以配置分開的數(shù)據(jù)/過程，因而對于不同客戶的服務(wù)可以基于不同數(shù)據(jù)/過程運(yùn)行的參數(shù)以提供個性化的服務(wù)。

圖1(b)示出類似圖1(a)中的系統(tǒng)配置，除了廣告商140現(xiàn)在被配置作為發(fā)布者130的子系統(tǒng)。如圖1(c)中所示的一些實(shí)施例中，可以存在其它不同的系統(tǒng)配置，其中管理器用戶180可以通過互聯(lián)網(wǎng)或?qū)Ｓ械木W(wǎng)絡(luò)連接(未被示出)單獨(dú)管理流量質(zhì)量引擎170以及事件日志150。應(yīng)當(dāng)注意如在圖1(a)-圖1(c)中示出的不同結(jié)構(gòu)還可以以適合于特定的應(yīng)用情境的任何方式被混合。

根據(jù)本公開所示的實(shí)施例，圖2是示例的流量質(zhì)量引擎170的高層次描述。如所示的，流量質(zhì)量引擎170包括采樣事件單元205、特征集合引擎210、以及流量質(zhì)量單元215。流量質(zhì)量引擎170可以例如在采樣事件單元205接收來自模塊175的表明用戶和在線內(nèi)容與(一個或多個)廣告的交互(曝光、點(diǎn)擊等)的與當(dāng)前用戶事件相關(guān)的數(shù)據(jù)，以及來自事件日志150的與過去用戶事件相關(guān)的數(shù)據(jù)，并且諸如在特征集合引擎210處處理這種事件數(shù)據(jù)以生成針對當(dāng)前用戶事件的特征值集合。更進(jìn)一步地，至少部分地基于特征值集合和過去用戶事件數(shù)據(jù)，流量質(zhì)量單元215可以針對當(dāng)前用戶事件生成事件層級的流量質(zhì)量分?jǐn)?shù)，其可以作為確定針對與當(dāng)前用戶事件相關(guān)的實(shí)體中的每個的實(shí)體層級的流量質(zhì)量分?jǐn)?shù)的基礎(chǔ)。

根據(jù)本公開的實(shí)施例，圖3是在流量質(zhì)量引擎170處被操作的示例過程300的流程圖。在305處，在采樣事件單元205和/或在通信平臺/接收器處從模塊175接收與當(dāng)前用戶事件相關(guān)(諸如關(guān)于涉及當(dāng)前事件的實(shí)體的信息等等)的數(shù)據(jù)。在310處，在采樣事件單元205和/或在通信平臺/接收器處從日志150接收與過去用戶事件(諸如關(guān)于涉及過去用戶事件中的每個實(shí)體的信息等等)相關(guān)的數(shù)據(jù)。在315處，所接收的當(dāng)前和過去的事件數(shù)據(jù)由特征集合引擎210處理以針對當(dāng)前用戶事件(其跨多個實(shí)體維度來計量流量多樣性)生成數(shù)特征值集合。在320處，至少部分地基于特征值集合以及過去用戶事件數(shù)據(jù)，由流量質(zhì)量單元215生成針對當(dāng)前用戶事件的事件層級的流量質(zhì)量分?jǐn)?shù)。

根據(jù)本公開的第一實(shí)施例，圖4(a)是示例的特征集合引擎210的高層次描述。如示出的，特征集合引擎可以包括元件組合單元405以及特征集合安排單元410。元件組合單元405可以接收來自采樣事件單元205(從事件日志150的所接收的)的與過去用戶事件相關(guān)的數(shù)據(jù)。過去用戶事件數(shù)據(jù)可以包括在特征集合引擎210處對于過去事件的先前已計算并儲存在事件日志150處的過去用戶事件(例如n個過去事件)的具體數(shù)量中的每個的特征值集合。特征值集合(針對當(dāng)前用戶事件與過去用戶事件)中的每個可以是真實(shí)數(shù)字或基數(shù)等于m×(m-1)的整數(shù)值的集合，其中m是不同類型的實(shí)體的數(shù)量。例如，如果對于示例的系統(tǒng)100，我們考慮實(shí)體的三種類型：用戶、發(fā)布者以及廣告商，那么特征值集合(針對當(dāng)前用戶事件與過去用戶事件)的基數(shù)就是3×(3-1)＝6，即特征值集合將具有總共的六個值。除了過去用戶事件數(shù)據(jù)之外，元件組合單元405還接收來自事件信息處理模塊175的與當(dāng)前用戶事件相關(guān)(例如關(guān)于與當(dāng)前用戶事件相關(guān)的具體實(shí)體的信息等等)的數(shù)據(jù)。

基于當(dāng)前和過去用戶事件數(shù)據(jù)，元件組合單元405可以被配置以針對當(dāng)前用戶事件的特征值集合中的每個元件來計算過去用戶事件的特征值組中的相應(yīng)的元件的加權(quán)組合。例如，由ri所代表的當(dāng)前用戶事件(其中i代表當(dāng)前事件的時間索引或槽(slot))，ri的即將被確定的特征值被表示為xi(j)，其中j＝1，2，...，m×(m-1)是對于在特征集合中的特征的索引。相應(yīng)地，針對n個過去用戶事件的數(shù)據(jù)(包括特征值集合)在元件組合單元405被接收，上述n個過去用戶事件被表示為ri-1、ri-2、...、ri-n，其對應(yīng)的特征值集合被表示為xi-1、xi-2、...、xi-n，每個都包括×(m-1)特征值。在一個實(shí)施例中，元件組合單元405計算j^th特征值中的每個，針對當(dāng)前用戶事件計算xi(j)，基于過去用戶事件的特征值集合的對應(yīng)的j^th特征值的加權(quán)組合計算ri。具體地，元件組合單元405計算j^th特征值中的每個，針對當(dāng)前用戶事件的xi(j)，通過(例如運(yùn)用硬件處理器)計算下列(線性的)數(shù)學(xué)表達(dá)式/公式：

其中wi-k(j)表示應(yīng)用于(i-k)^th用戶事件的特征值集合的j^th特征值的權(quán)值，并且基于下列公式(2)被計算：

其中τ是衰減因子以控制加權(quán)值的衰減速度。

元件組合單元405之后提供針對當(dāng)前用戶事件的所計算的特征值xi(j)，提供ri到安排和/或格式化其特征值到一個集合并且儲存完整的特征值集合的特征集合安排單元410，提供xi到與特征集合引擎210和/或流量質(zhì)量引擎170可操作地相聯(lián)系的存儲器或存儲單元中。更進(jìn)一步地，單元410還提供特征值集合xi到流量質(zhì)量單元215用于流量質(zhì)量分?jǐn)?shù)的計算。

根據(jù)對應(yīng)圖4(a)的上述實(shí)施例，圖4(b)是在特征集合引擎210處操作的示例過程400的流程圖。在450處，從采樣事件單元205接收與過去用戶事件相關(guān)的數(shù)據(jù)，并且與當(dāng)前用戶事件相關(guān)的信息在元件組合單元405處被接收。過去用戶事件數(shù)據(jù)可以包括針對過去事件的在特征集合引擎210處之前被計算并儲存在事件日志150中的過去用戶事件的具體數(shù)量(例如n個過去事件)中的每個的特征值集合。在455處，基于當(dāng)前和過去用戶事件數(shù)據(jù)，針對當(dāng)前用戶事件的特征值集合中的每個元件，在過去用戶事件的特征值集合中的相應(yīng)元件加權(quán)組合值可以(諸如基于上述公式(1)與公式(2)由單元405)被計算。在460處，針對當(dāng)前用戶事件的所計算的特征值可以作為單獨(dú)的集合被安排和/或格式化，并且被儲存在相關(guān)聯(lián)的存儲器或存儲單元中，以及被提供到流量質(zhì)量單元215用于與流量質(zhì)量評分的確定相關(guān)的更進(jìn)一步地處理。

根據(jù)本公開的第二個實(shí)施例，圖5(a)是示例的特征集合引擎210的高層次描述。如示出的，特征集合引擎210可以包括區(qū)別實(shí)體計數(shù)(dec)單元505、事件實(shí)體計數(shù)(eec)單元510、特征子集(fs)單元515以及特征集合安排單元520。在此實(shí)施例中，當(dāng)前用戶事件的特征值集合是與當(dāng)前用戶事件相關(guān)聯(lián)的每個具體實(shí)體的特征值子集的組合(例如用戶110、發(fā)布者130、廣告商140)。例如，在此實(shí)施例中，首先，與當(dāng)前用戶事件相關(guān)聯(lián)的一個或多個實(shí)體中的每個的特征值子集被計算(例如基于當(dāng)前和過去的用戶事件數(shù)據(jù)并且使用相應(yīng)的dec單元505、eec單元510以及fs單元515)，然后基于這些特征值子集使用單元520確定當(dāng)前用戶事件的完整的特征值集合。

相應(yīng)的，特征集合引擎210可以包括對應(yīng)與當(dāng)前用戶事件相關(guān)聯(lián)的m個實(shí)體中的每個的dec單元505、eec單元510以及fs單元515的集合。出于簡化目的，本文假設(shè)當(dāng)前用戶事件與m種不同類型的實(shí)體的每一種的僅僅一個實(shí)體相關(guān)，并且因此與總共m個實(shí)體相關(guān)，但是在本公開的情境中此假設(shè)并不局限或解釋如此。

在操作中，dec單元505以及eec單元510中的每個可以接收與來自采樣事件單元205的過去用戶事件相關(guān)的數(shù)據(jù)(所接收的來自事件日志150的數(shù)據(jù))。過去用戶事件數(shù)據(jù)可以包括針對過去事件的在特征集合引擎210處之前被計算并儲存在事件日志150中的過去用戶事件的具體數(shù)量(例如n個過去事件)中的每個的特征值集合。如上述討論的，特征值集合(針對當(dāng)前用戶事件與過去用戶事件)中的每個可以基數(shù)等于m×(m-1)的實(shí)數(shù)或者整數(shù)值，其中m是實(shí)體的不同類型的數(shù)量。例如，如果針對示例的系統(tǒng)100，我們考慮實(shí)體的三種類型：用戶、發(fā)布者、廣告商，則特征值集合的基數(shù)(針對當(dāng)前事件或過去事件)是3×(3-1)＝6，即特征值集合將具有總共值六。除了過去用戶事件數(shù)據(jù)，dec單元505與eec單元510也接收來自事件信息處理模塊175的關(guān)于當(dāng)前用戶事件的數(shù)據(jù)(例如關(guān)于與當(dāng)前用戶事件相關(guān)的具體實(shí)體的信息)。

基于所接收的數(shù)據(jù)，使s＝{r1，r2，...，rn}是所有過去用戶事件的集合(針對具體的時間段記錄，諸如一星期)，并且是實(shí)體類型k的實(shí)體集合，以及mk是類型k的實(shí)體的總數(shù)量。更進(jìn)一步地，包含或與具體實(shí)體ek，j相關(guān)聯(lián)的所有事件的集合s(ek，j)被定義為s(ek，j)＝{ri|ri，k＝ek，j，i＝1，...，n}，其中ri，k是ri在實(shí)體集合ek的投影。在一些實(shí)施例中，對于與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體ek，j(即類型k的j^th實(shí)體)，dec單元505-k可以確定類型k’的實(shí)體的不同數(shù)量，其中k′≠k(k在集合s(ek，j)中)。具體地，dec單元505-k可以計算：

lk′(ek，j)＝distinct_count{ri，k′|ri∈s(ek，j)}，k′≠k(3)

不同實(shí)體計數(shù)的相似的確定在dec單元505中的每個被執(zhí)行，并且針對每個實(shí)體的不同的實(shí)體計數(shù)被提供到相應(yīng)的fs單元515。

更進(jìn)一步地，在一些實(shí)施例中，針對與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體ek，j，eec單元510-k可以確定過去所記錄的事件的總數(shù)n(ek，j)，其中實(shí)體ek，j是參量(participant)。eec單元510-k可以計算：

n(ek，j)＝|s(ek，j)|(4)

實(shí)體事件計數(shù)的相似的確定在eec單元510中的每個被執(zhí)行，并且針對每個實(shí)體的實(shí)體事件計數(shù)被提供到相應(yīng)的fs單元515。

基于不同的實(shí)體計數(shù)和實(shí)體事件計數(shù)，fs單元515中的每個可以計算相應(yīng)的實(shí)體的特征子集(從與用戶事件相關(guān)的m實(shí)體中)。具體地，對于實(shí)體ek，j，fs單元515-k可以確定特征子集如下：

其中公式(5)中的比值基于用公式(3)和(4)的由dec和eec單元所提供的值而被計算。

更進(jìn)一步地，fs單元515-k中的每個提供實(shí)體具體特征子集(來自公式(5))到被配置以針對當(dāng)前用戶事件ri的整個特征值集合確定特征集合xi的安排單元520。具體地，單元520針對在下面公式(6)中的子集安排特征子集以獲得當(dāng)前用戶事件的特征值集合：

xi＝(f(ri，1)，f(ri，2)，...，f(ri，m))∈r^m(m-1)(6)

特征集合安排單元520可以提供特征值集合到流量質(zhì)量單元215用于與流量質(zhì)量評分的確定相關(guān)的進(jìn)一步處理。

因?yàn)榇颂卣髦导习ㄡ槍?每種類型的)相關(guān)聯(lián)的實(shí)體中的每個的特征，特征值集合代表橫跨涉及用戶事件的系統(tǒng)100的實(shí)體的大多數(shù)或全部的不同類型的流量多樣性的測量。從廣告商的觀點(diǎn)出發(fā)，他們不僅僅希望觸及(reach)盡可能多的人(作為流量體積而測量)，他們還希望觸及盡可能寬泛和不同的用戶庫(諸如基于不同的用戶id、ip地址等等)。因此，流量體積和廣度是對于廣告商確定他們的廣告策略是否有效的確定的兩個重要的因素。例如如果觀察到大量的流量，但是僅僅來自少數(shù)量的區(qū)別用戶，對于廣告商來說可能是非有效的或有效率的。事實(shí)上，一些廣告商可以要求通過發(fā)布者基于不同用戶的數(shù)量(基于ip地址等等)而不是他們觸及到的用戶的總數(shù)來被收費(fèi)。為了那個目的，在特征值中的流量斂散性特征可以提供一些益處。首先，特征值集合將流量的體積與不同用戶的廣度兩者都考慮在內(nèi)。其次，它是可延伸的和可變的，由于在系統(tǒng)100內(nèi)的實(shí)體的總數(shù)量或者實(shí)體的類型是變化的，特征值集合的值或內(nèi)容可以被生成和用于相應(yīng)的分?jǐn)?shù)確定(例如通過加入用于由特征集合引擎210的計算的更多的實(shí)體而獲得更多的特征)。最后，由于實(shí)體、dec單元的分開的單元、eec單元510以及fs單元515中的每個可以被實(shí)現(xiàn)和應(yīng)用，特征集合引擎210的全部的操作可以與針對更快的執(zhí)行的平行操作的原則相一致地被實(shí)現(xiàn)。

根據(jù)對應(yīng)圖5(a)的上述實(shí)施例，圖5(b)是特征集合引擎210處被操作的示例過程500的流程圖。在550處，從采樣時間單元205接收與過去用戶相關(guān)的數(shù)據(jù)被接收，以及與當(dāng)前用戶事件相關(guān)的信息在dec單元505與eec單元510處被接收。過去用戶事件數(shù)據(jù)可以包括針對過去事件的對于在特征集合引擎210處先前所計算并儲存在事件日志150處的過去用戶事件的具體數(shù)量(諸如n過去事件)中的每個的特征值集合。在555處，基于當(dāng)前和過去用戶事件數(shù)據(jù)，對于與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體中的每個，實(shí)體k′的不同數(shù)量可以由相應(yīng)的dec單元505-k(諸如基于公式(3))所確定。在560處，基于當(dāng)前和過去用戶事件數(shù)據(jù)，針對與當(dāng)前用戶事件相關(guān)聯(lián)的實(shí)體中的每個，過去所記錄的事件的總數(shù)，n(ek，j)，其中ek，j是由相應(yīng)的eec單元510-k(諸如基于公式(4))所確定的參量。更多地，在565處基于不同的實(shí)體計數(shù)(555)與實(shí)體事件計數(shù)(560)，fs單元515-k中的每個可以(諸如基于公式(5))計算相應(yīng)實(shí)體的特征子集。在570處，實(shí)體具體特征子集(565)被提供到特征集合安排單元520，并且基于這些子集，針對當(dāng)前用戶事件的整個特征值集合由與單元520所執(zhí)行的公式(6)一致的安排所確定，并且被提供到流量質(zhì)量單元215用于與流量質(zhì)量評分系統(tǒng)相關(guān)的進(jìn)一步的處理。

根據(jù)本公開的一個實(shí)施例，圖6(a)是示例流量質(zhì)量單元215(未在圖2中示出)的高層次描述。如示出的，流量質(zhì)量單元215可以包括特征組合(fc)單元605以及流量分?jǐn)?shù)生成(tsg)單元610。fc單元605可以接收來自特征集合引擎210的針對當(dāng)前用戶事件的特征值集合，并且基于線性的(非線性的)模型處理特征集合。例如，fc單元605可以計算當(dāng)前用戶事件的特征值集合(可以總共包括例如p值)的特征值的加權(quán)總和(“ws”)。具體地，fc單元605可以計算加權(quán)總和，基于：

其中wi是分配給每個特征值的個體的權(quán)重，并且可以基于一定數(shù)量的因子的一個或多個(諸如事件的類型、與事件相關(guān)聯(lián)的實(shí)體的類型等等)，或者可以由系統(tǒng)100的一個或多個的實(shí)體被預(yù)先選定與預(yù)先設(shè)置。在一個實(shí)施例中，所有的加權(quán)值w可以被設(shè)置為等于一，或應(yīng)用邏輯回歸來自動地調(diào)整。fc單元605可以應(yīng)用公式(7)計算具有不同權(quán)重值的多個加權(quán)和，并且提供這些多個加權(quán)和到tsg單元610用于來確定當(dāng)前用戶事件的事件層流量質(zhì)量分?jǐn)?shù)的進(jìn)一步處理。

在一些實(shí)施例中，tsg單元610選擇由fc單元605的所提供的多個加權(quán)和中的一個作為當(dāng)前用戶事件的事件層流量質(zhì)量分?jǐn)?shù)，諸如事件的類型、與事件相關(guān)聯(lián)的實(shí)體的類型、與當(dāng)前用戶事件相關(guān)的實(shí)體的總數(shù)量、和/或其它被定義的信息或動態(tài)系統(tǒng)信息。然而如果存在由fc單元605所提供的僅僅一個加權(quán)和值，那么tsg單元610賦值給加權(quán)和值作為事件層流量質(zhì)量分?jǐn)?shù)。

根據(jù)相對于圖6(a)的上述實(shí)施例，圖6(b)是在流量質(zhì)量單元215處操作的示例過程600的流程圖。在650處，針對當(dāng)前用戶事件的特征值集合可以從特征集合引擎210被接收到fc單元605處，特征集合可以基于線性的(或非線性的)模型被處理。例如，fc單元605可以基于權(quán)值的一個或多個集合來計算對應(yīng)公式(7)的特征值集合的值的加權(quán)和。在655處，這些一個或多個加權(quán)和在tsg單元610處被接收，用于例如一個或多個加權(quán)和中的一個作為當(dāng)前用戶事件的事件層流量質(zhì)量分?jǐn)?shù)的選定。這種選定可以基于確定的標(biāo)準(zhǔn)，諸如事件的類型、與事件相關(guān)聯(lián)的實(shí)體的類型、涉及當(dāng)前用戶事件的實(shí)體的總數(shù)量，和/或其它提前定義的信息或動態(tài)系統(tǒng)信息。

根據(jù)本公開的其它實(shí)施例，圖7(a)是示例的流量質(zhì)量單元215(未在圖2中示出)的高層次描述。流量質(zhì)量單元215可以依照監(jiān)督式的機(jī)器學(xué)習(xí)的模型被實(shí)現(xiàn)，例如(但不局限于)可以被用來構(gòu)建分類器來對每個事件進(jìn)行評分的邏輯回歸、貝葉斯定理、支持向量機(jī)(svm)。這種流量質(zhì)量單元215的非限制性的實(shí)施例可以基于樸素貝葉斯模型被實(shí)現(xiàn)。如示出的，流量質(zhì)量單元215可以包括概率計算器720以及流量分?jǐn)?shù)生成單元730。

在一些實(shí)施例中，由于特征值通常不是高斯分布的，特征值的概率分布可能不是已知或已假設(shè)的。相應(yīng)地，有大量數(shù)據(jù)的時候，特征值的直方圖可以被作為概率對待，即每個特征值可以被離散到桶中并且每個桶值的出現(xiàn)概率相應(yīng)地被計算來確定與特征值集合(在樸素貝葉斯模型中使用以計算事件分?jǐn)?shù))相關(guān)的概率。以這種方式，在操作中，概率計算器720可以接收過去用戶事件(例如來自采樣單元205或直接地來自日志150)的特征值集合以及當(dāng)前用戶事件(例如特征集合引擎210)的特征值集合。例如，概率計算器720可以接收過去n事件的特征值集合，并且完整的過去特征集合x可以被表達(dá)為x＝{x1，x2，...，xn}，其中xi＝{xi，1，xi，2，...，xi，c}是i^th過去用戶事件的特征集合并且xi，j是它的j^th特征值。概率計算器720可以計算過去用戶事件的特征值集合的概率分布(例如作為直方圖)以及基于過去用戶事件的特征值集合的概率直方圖來(有條件的)計算當(dāng)前用戶事件的特征值集合的元件的概率值。

除了特征值集合之外，概率計算器720和/或流量分?jǐn)?shù)生成器730可以接收有效或無效的過去用戶事件的先驗(yàn)概率。具體地，應(yīng)用其事件被標(biāo)記為有效的或無效的，在線廣告平臺中的大部分反欺詐系統(tǒng)具有一些簡單規(guī)則過濾器。以這種方式，過去用戶事件中的每個(在本文中其數(shù)據(jù)在系統(tǒng)100中以各種方式應(yīng)用)被預(yù)先標(biāo)識為有效的或無效的，例如對于過去用戶事件相應(yīng)的事件分?jǐn)?shù)(以與當(dāng)前用戶事件的分?jǐn)?shù)確定相似的方式由流量質(zhì)量引擎170所計算的)采用確定的有效性閾值。如果過去用戶事件的事件分?jǐn)?shù)比有效性閾值小，那么這個過去事件可以被認(rèn)為是無效的，否則是有效的(反之亦然)。以這種方式，有效性集合y被表示為y＝{y1，y2，...，yn}，其中如果事件ri是無效的則yi＝0，如果事件ri是有效的則yi＝1?；卺槍過去用戶事件的可獲得的有效/無效的標(biāo)記，有效的(即p(y＝1))或無效的(即p(y＝0))過去事件的概率可以用有效性集合值y(例如由本文中的流量質(zhì)量引擎170或模塊)來計算，并且被提供到概率計算器720和/或流量分?jǐn)?shù)生成單元730。

針對當(dāng)前用戶事件流量分?jǐn)?shù)生成器730可以(有條件的)基于(來自單元720的)當(dāng)前用戶事件的特征值集合的元件的概率值來生成流量質(zhì)量分?jǐn)?shù)以及對于有效的(p(y＝1))和無效的(p(y＝0))過去用戶概率事件的先驗(yàn)概率值。在一個實(shí)施例中，依照樸素貝葉斯模型，分?jǐn)?shù)生成器730計算具有集合的勢等于d的特征值集合xnew的當(dāng)前事件rnew(來自210處)的分?jǐn)?shù)如下：

根據(jù)相對于圖7(a)的上述實(shí)施例，圖7(b)是在流量質(zhì)量單元215處操作的實(shí)例過程700的流程圖。在750處，過去用戶事件的特征值集合的概率分布(例如直方圖)由概率計算器720計算。在755處，基于過去用戶事件的特征值集合的概率直方圖的當(dāng)前用戶事件的特征值集合的元件的(有條件的)概率值由概率計算器720所計算。這些概率可以基于在計算器720處所接收的來自采樣單元205或直接來自日志150的過去用戶事件的特征值集合以及在計算器720處所接收的來自特征集合引擎210的當(dāng)前用戶事件的特征值集合而計算。

在760處，針對當(dāng)前用戶事件的流量質(zhì)量分?jǐn)?shù)可以基于(來自單元720的)當(dāng)前用戶事件的特征值集合的元件的(有條件的)概率值在流量分?jǐn)?shù)生成器730處被生成，以及針對有效的或無效的過去用戶事件的先驗(yàn)概率。

根據(jù)本公開的實(shí)施例，圖8(a)是示例概率計算器720(在圖7(a)中示出)的高層次描述。如示出的，計算器720包括離散單元805、直方圖生成器810、以及概率生成器815。離散單元805可以離散針對n過去用戶事件的完整的過去特征集合x＝{x1，x2，...，xn}的特征值xi，j中的每個并且還離散當(dāng)前用戶事件的特征值xnew，依據(jù)下列數(shù)學(xué)公式：

其中，b是直方圖桶的數(shù)量，以及

分別是特征值xi，j的最小值和最大值。

如上述所討論的，由于特征值通常不是高斯分布的，特征值的概率分布可能不是已知的或已假設(shè)的。相應(yīng)地，在離散特征值(例如基于公式(9)用805)之后，過去用戶事件的特征值可以在直方圖中表示，并且針對任何新的當(dāng)前用戶事件的(離散的)特征值，它們相關(guān)絕對的或條件概率(諸如用公式(8)來確定事件分?jǐn)?shù)所要求的那些概率)可以被用直方圖確定。在這方面，直方圖生成器810可以用從離散單元805獲得的離散特征值來生成并且(在相關(guān)的存儲器中)儲存特征值直方圖，并且直方圖連同當(dāng)前用戶事件的離散特征值一起被提供給概率生成器815。概率生成器815可以生成與當(dāng)前用戶事件的特征值xnew相關(guān)的概率提供到流量分?jǐn)?shù)生成器730來確定事件分?jǐn)?shù)(例如基于公式(8))。例如，使xq是集合xnew的特征值的一個并且已經(jīng)被離散。假設(shè)xq僅僅具有n不同的值，v1、v2、...、vn，以及由直方圖所表明的上述值的頻率是m1、m2、...、mn，則由概率生成器815確定的xq的概率等于vi，是：

針對條件概率：

p(xq|y＝1)

以及

p(xq|y＝0)，

概率生成器815關(guān)于(或在下述條件下)對于有效的p(y＝1)與或無效的p(y＝0)過去用戶事件的先驗(yàn)概率用公式(10)來確定概率。之后這些條件概率被提供到單元730來確定事件分?jǐn)?shù)。

針對相對于圖8(a)的上述實(shí)施例，圖8(b)是在概率計算器720處操作的示例過程800的流程圖。在850處，用諸如離散單元805離散過去用戶事件的特征值。在855處，用直方圖生成器810生成(并且儲存)基于(來自單元805的)離散的特征值的特征值直方圖。在860處，用諸如離散單元805離散當(dāng)前用戶事件的特征值。在865處，基于特征值直方圖在概率生成器815處生成與當(dāng)前用戶事件的特征值xnew相關(guān)的概率(將被提供到流量分?jǐn)?shù)生成器730來確定事件分?jǐn)?shù))。

從(如上述所討論的)流量質(zhì)量170和各種相關(guān)的模塊獲取事件層流量質(zhì)量分?jǐn)?shù)之后，針對具體實(shí)體(用戶110、發(fā)布者130、廣告商140等等)的流量質(zhì)量分?jǐn)?shù)可以是滿足需要的，用來標(biāo)識在線廣告策略的效果、對廣告商要價或在發(fā)布者處對廣告機(jī)會定價、確定響應(yīng)/非響應(yīng)特定在線廣告策略的(一個或多個)目標(biāo)用戶群體等等。換言之，由于與系統(tǒng)100中各種不同的方面(用戶、發(fā)布者、廣告商等等)相關(guān)，實(shí)體層的流量質(zhì)量分?jǐn)?shù)可以提供關(guān)于在線廣告活動的洞察。相應(yīng)地，關(guān)于圖1(a)-圖1(c)的流量質(zhì)量引擎170可以包括實(shí)體流量質(zhì)量單元905，其高層次描述根據(jù)本公開的實(shí)施例在圖9(a)中示出。實(shí)體流量質(zhì)量單元905可以接收涉及具體實(shí)體和在特定時間段發(fā)生的多個當(dāng)前用戶事件的流量質(zhì)量分?jǐn)?shù)，計算那些當(dāng)前用戶事件的流量質(zhì)量分?jǐn)?shù)的統(tǒng)計測量，以及基于統(tǒng)計測量來生成針對特定實(shí)體的實(shí)體流量質(zhì)量分?jǐn)?shù)。

例如，針對具體實(shí)體e，它相關(guān)的分?jǐn)?shù)可以被作為隨機(jī)變量對待，例如分?jǐn)?shù)具有概率分布x～n(μ，σ²)。實(shí)體流量質(zhì)量單元905可以基于事件分?jǐn)?shù)(x1，x2，x3...，xn)計算s的實(shí)際平均值的估計，即μ。在一個實(shí)施例中，實(shí)體流量質(zhì)量單元905可以用點(diǎn)估計來確定作為平均值的實(shí)體層分?jǐn)?shù)e，事件分?jǐn)?shù)的μ，例如基于下面公式：

然而，用公式(11)的方法并未考慮數(shù)字n在內(nèi)。例如，如果n很小那么均值估計可能不如所期待的精確。相應(yīng)地，在其它實(shí)施例中，實(shí)體流量質(zhì)量單元905考慮n在內(nèi)計算平均值的估計。具體地，單元905用區(qū)間估計而不是點(diǎn)估計來得到針對的置信區(qū)間基于：

其中，s由單元905計算如：

以及，計算區(qū)間大小等于：

然后假設(shè)區(qū)間大小被預(yù)先確定為δ，之后基于下面的公式(15)，單元905可以計算針對的置信水平(1-α)。

最后，基于置信水平(1-α)，實(shí)體流量質(zhì)量單元905確定針對實(shí)體e的實(shí)體級分?jǐn)?shù)等于：

這里應(yīng)當(dāng)注意，隨著n增長，也增長，這是合理的，因?yàn)槿绻哂懈嗟牟蓸樱敲雌骄郸趟湓诘闹眯艆^(qū)間的置信度會更大。

根據(jù)相對于圖9(a)的上述實(shí)施例，圖9(b)是在實(shí)體流量質(zhì)量單元905處操作的示例過程900。在905處，涉及具體實(shí)體(諸如e)和發(fā)生在特定時間段(例如一小時、一天、一星期等等)的多個當(dāng)前用戶事件的流量質(zhì)量分?jǐn)?shù)被接收，并且那些當(dāng)前用戶事件的流量質(zhì)量分?jǐn)?shù)的統(tǒng)計測量由單元905諸如基于公式(11)-公式(15)計算。在955處，針對具體實(shí)體e的實(shí)體流量質(zhì)量分?jǐn)?shù)由單元905諸如基于公式(16)基于統(tǒng)計測量計算。

針對上述討論的關(guān)于流量質(zhì)量引擎170和其中的各種元件的評分模型存在許多潛在應(yīng)用的情況，上述情況提供事件層和實(shí)體層的流量質(zhì)量分?jǐn)?shù)。例如，相對于流量質(zhì)量洞察，給定諸如發(fā)布者或廣告商的具體實(shí)體，關(guān)于它的流量質(zhì)量的詳細(xì)信息可以通過它的相關(guān)事件層流量質(zhì)量分?jǐn)?shù)分布獲得。在一些實(shí)施例中，報警系統(tǒng)可以基于(事件層或?qū)嶓w層的)流量質(zhì)量分?jǐn)?shù)構(gòu)建。例如，一個或多個具體實(shí)體的分?jǐn)?shù)，諸如發(fā)布者130或廣告商140，可以被監(jiān)控，并且當(dāng)分?jǐn)?shù)違背預(yù)先定義的閾值(諸如超過或低于)的任何時刻，警報可以被自動發(fā)送到所關(guān)注的實(shí)體來告知流量質(zhì)量。在這種情況下，實(shí)體可以響應(yīng)警報采取進(jìn)一步前瞻性的動作來調(diào)查和刪除潛在的錯誤。就這一點(diǎn)而言，系統(tǒng)100(在圖1(a)-圖(c)中)還可以包括警報通知單元1005，其高層次描述根據(jù)本公開的實(shí)施例在圖10(a)中示出。警報通知單元1005包括分?jǐn)?shù)比較單元1010、警報生成單元1015以及警報傳輸單元1020。分?jǐn)?shù)比較單元1010可以被配置以接收與(來自流量質(zhì)量170的)具體實(shí)體相關(guān)的(一個或多個)事件層分?jǐn)?shù)和/或(一個或多個)實(shí)體層分?jǐn)?shù)，并且比較具體實(shí)體的(實(shí)體層)分?jǐn)?shù)與預(yù)先定義的閾值，來確定閾值是否被違背，其作為觸發(fā)起作用生成針對實(shí)體的警報。存在與單元1010相關(guān)聯(lián)(或儲存在其中)的一個或多個預(yù)先定義的閾值，上述閾值可以由系統(tǒng)100中的各種實(shí)體(用戶110、發(fā)布者130、廣告商140等等)所表示。在一些實(shí)施例中，針對實(shí)體的每一種類型存在一個預(yù)先定義的閾值，其基于在系統(tǒng)100中的類型的實(shí)體數(shù)量和/或其它基于系統(tǒng)的因子而被表示。

基于來自單元1010的分?jǐn)?shù)比較結(jié)果，如果具體實(shí)體的實(shí)體流量質(zhì)量分?jǐn)?shù)被確定已經(jīng)違背閾值，那么警報生成單元1015可以生成警報(例如在文本消息、或作為音頻、視頻、和/或以其它格式)。更進(jìn)一步地，警報傳輸單元1020可以通過通信平臺和/或網(wǎng)絡(luò)120和/或其它通信方式來傳達(dá)在單元1015處生成的警報到具體實(shí)體。

根據(jù)相對于圖10(a)的上述實(shí)施例，圖10(b)是在警報通知單元1005處操作的示例過程1050的流程圖。在1060處，基于針對(來自單元1010的)具體實(shí)體的分?jǐn)?shù)比較結(jié)果，如果具體實(shí)體的實(shí)體流量質(zhì)量分?jǐn)?shù)被確定已經(jīng)違背閾值，那么警報(例如以文本消息、或作為音頻、視頻、和/或以其它格式的警報)可以被生成(在警報生成單元1015)。在1070處，警報通知被傳達(dá)到具體實(shí)體，表明流量質(zhì)量低于可接受的水平，并且進(jìn)一步的改正的動作可能被需要用于提高相對于那個實(shí)體的流量質(zhì)量。

在另一個實(shí)施例中，基于事件層或?qū)嶓w層的分?jǐn)?shù)的基于流量質(zhì)量的定價或智能地定價可以在系統(tǒng)100中實(shí)現(xiàn)。例如，針對經(jīng)受由低質(zhì)量分?jǐn)?shù)所表明的低流量質(zhì)量的實(shí)體(諸如廣告商140)，在廣告服務(wù)的定價中的折扣可以由系統(tǒng)100中的定價單元計算。定價單元可以計算在常規(guī)廣告價格上的折扣或者最終的已折扣后的價格，例如，通過基于所觀察到的流量分?jǐn)?shù)而按比例分配針對確定的“常規(guī)”流量分?jǐn)?shù)的價格或收費(fèi)。在另一個實(shí)施例中，實(shí)體層分?jǐn)?shù)可以被用來瞄準(zhǔn)。例如，廣告商可以拒絕瞄準(zhǔn)被評分較低于針對那個實(shí)體類型的確定的可接受的分?jǐn)?shù)預(yù)設(shè)的用戶/ip/發(fā)布者。

圖11示出了一般的移動設(shè)備架構(gòu)，本教導(dǎo)可以在此架構(gòu)上實(shí)現(xiàn)。在此示例中，在用戶設(shè)備上的內(nèi)容和廣告被表示以及交互，用戶設(shè)備是移動設(shè)備1100，包括但不局限于智能手機(jī)、平板電腦、音樂播放器、掌上游戲操控器、全球定位系統(tǒng)(gps)接收器、以及可穿戴計算設(shè)備(例如眼鏡、腕表等等)、或以其它形式的要素。在示例中的移動設(shè)備1100包括一個或多個中央處理單元(cpus)1102，一個或多個圖像處理單元(gpus)1104、顯示器1106、存儲器1108、通信平臺1110、諸如無線通信模塊、存儲設(shè)備1112、以及一個或多個輸入/輸出(i/o)設(shè)備1114。任何其它合適的元件，例如但不局限于系統(tǒng)總線或控制器(未被示出)也可以被包括在移動設(shè)備1100中。如圖11中示出，移動操作系統(tǒng)1116，諸如ios、android、windowsphone等等，以及一個或多個應(yīng)用1118可以從存儲設(shè)備1112被下載到存儲器1108里從而由cpu1102執(zhí)行。應(yīng)用1118可以包括瀏覽器或用于在移動設(shè)備1100上接收或呈現(xiàn)(render)內(nèi)容流和廣告的任何其它合適的移動應(yīng)用。

實(shí)現(xiàn)本公開中描述的各種模塊、單元以及他們的功能，計算機(jī)硬件平臺可以作為針對本文描述的一個或多個的元件的(一個或多個)硬件平臺(諸如流量質(zhì)量引擎170、事件處理單元175、以及相對于圖1-10所描述的其它相關(guān)的模塊/元件)使用。這種計算機(jī)的硬件元件、操作系統(tǒng)以及編程語言事實(shí)上是傳統(tǒng)的，并且假設(shè)本領(lǐng)域技術(shù)人員對此足夠熟悉來用那些技術(shù)實(shí)現(xiàn)本文所描述的流量質(zhì)量評分。具有用戶接口元件的計算機(jī)可以用來實(shí)現(xiàn)個人計算機(jī)(pc)或任何類型的工作站或終端設(shè)備，雖然計算機(jī)如果恰當(dāng)?shù)乇痪幊踢€可以作為服務(wù)器的角色。應(yīng)當(dāng)相信本領(lǐng)域技術(shù)人員對于這種計算機(jī)器材的結(jié)構(gòu)、程序以及通常的操作是熟悉的，并且因而附圖應(yīng)該是一目了然的。

圖12示出了通常的計算機(jī)架構(gòu)，本教導(dǎo)可以在上述計算機(jī)架構(gòu)上實(shí)現(xiàn)，圖12是包括用戶接口元件的計算機(jī)硬件平臺的功能框圖的示出。計算機(jī)可以是通常用途的計算機(jī)或者特殊用途的計算機(jī)。這種計算機(jī)1200可以被用來實(shí)現(xiàn)人本文所述的流量質(zhì)量評分的任何元件。例如，流量質(zhì)量引擎170以及各種模塊，甚至信息處理單元175等等，可以在計算機(jī)上諸如1200通過它的硬件、軟件程序、固件、或上述的組合而全部實(shí)現(xiàn)。盡管這種計算機(jī)的僅僅一個被示出，為了方便，涉及動態(tài)關(guān)系與甚至檢測的計算機(jī)功能可以在一定數(shù)量的類似平臺上以分散式的方式被實(shí)現(xiàn)，來分散處理的負(fù)載。

例如，計算機(jī)1200包括被連接網(wǎng)絡(luò)到或連接自網(wǎng)絡(luò)的com端口1250來輔助數(shù)據(jù)通信。計算機(jī)1200還包括用來執(zhí)行程序指令的以一個或多個處理器的形式的中央處理器(cpu)1220。示例的計算機(jī)平臺包括內(nèi)部通信總線1210、不同形式的程序存儲設(shè)備以及數(shù)據(jù)存儲設(shè)備，諸如硬盤1270、只讀存儲器(rom)1230、或隨機(jī)存儲器(ram)1240、用于被計算機(jī)處理和/或通信的各種數(shù)據(jù)文件，以及被cpu執(zhí)行的可能的程序指令。計算機(jī)1200還包括i/o元件1260，支持計算機(jī)與其它元件(諸如用戶接口元件1280)之間的輸出/輸出流。計算機(jī)1200還可以通過網(wǎng)絡(luò)通信來接收編程以及數(shù)據(jù)。

因此，上述的生成事件層和實(shí)體層的分?jǐn)?shù)和/或其它步驟的方法的方面，可以在編程中被體現(xiàn)。技術(shù)的程序方面可以被當(dāng)做具體以可執(zhí)行的代碼和/或相關(guān)數(shù)據(jù)為形式的在機(jī)器可讀介質(zhì)的類型中被進(jìn)行或體現(xiàn)的“產(chǎn)品”或“制造的物品”。有形的非暫態(tài)“儲存部分”類型介質(zhì)包括可以在任何時間給軟件編程提供存儲設(shè)備的針對計算機(jī)、處理器或類似元件的任何或全部的存儲器或其它儲存部分，或相關(guān)的模塊，諸如各種半導(dǎo)體存儲器、磁帶驅(qū)動器、硬盤驅(qū)動器或相似的。

軟件的全部或部分可以有時通過諸如互聯(lián)網(wǎng)或各種其它通信網(wǎng)絡(luò)的網(wǎng)絡(luò)來通信。例如這種通信可以使得來自一個計算機(jī)或處理器的軟件能夠下載到另一個，例如從搜索引擎操作器或其它解釋生成服務(wù)提供者的管理服務(wù)器或主機(jī)，到計算環(huán)境或?qū)崿F(xiàn)計算環(huán)境的其它系統(tǒng)或與基于用戶要求生成解釋的類似功能的(一個或多個)硬件平臺。因此，可能具有軟件元件的介質(zhì)的其它類型包括光子、電子以及電磁的波，諸如橫跨在本地設(shè)備之間的物理接口、通過有線的和光子地上線路網(wǎng)絡(luò)以及在各種空中鏈路上被使用。承載這種波的物理元件，諸如有線的或無線的鏈路、光學(xué)鏈路或類似的，也可以被當(dāng)做具有軟件的介質(zhì)。如本文所使用的，除非限制到有形的“存儲設(shè)備”介質(zhì)，諸如計算機(jī)或機(jī)器“可讀介質(zhì)”的術(shù)語涉及參與到提供指令到用于執(zhí)行的處理器的任何介質(zhì)。

因此，機(jī)器可讀的介質(zhì)可以具有許多形式，包括但不局限于有形的存儲設(shè)備介質(zhì)，載波介質(zhì)或物理傳輸介質(zhì)。永久性存儲設(shè)備介質(zhì)包括，諸如光學(xué)或磁的硬盤，例如任何(一個或多個)計算機(jī)中的任何存儲設(shè)備或類似的，可以被用來實(shí)現(xiàn)如附圖中所示的系統(tǒng)或任何其元件。非永久性存儲設(shè)備介質(zhì)包括動態(tài)存儲器，諸如這種計算機(jī)平臺的主存儲器。有形的傳輸介質(zhì)包括同軸線纜、銅線和光導(dǎo)纖維，包括形成計算機(jī)系統(tǒng)中的總線的線。載波傳輸介質(zhì)可以具有電子的或電磁信號的、或諸如在無線電頻率(rf)以及紅外線(ir)數(shù)據(jù)通信中生成的那些聲波或光波的形式。計算機(jī)可讀的介質(zhì)的普遍形式因此包括諸如軟盤、可折疊磁盤、硬盤、磁帶、任何其它的磁介質(zhì)，只讀光盤驅(qū)動器(cd-rom)、數(shù)字化視頻光盤(dvd)或高密度只讀光盤(dvd-rom)，或任何其它光學(xué)介質(zhì)，穿孔卡片紙帶，具有孔的樣式的任何其它物理存儲介質(zhì)，ram、可編程序只讀存儲器(prom)以及可擦可編程只讀存儲器(eprom)，快擦編程只讀存儲器(flash-eprom)任何其它存儲器芯片或卡盤，載波運(yùn)輸數(shù)據(jù)或指令，線纜或鏈路運(yùn)輸這種載波，或任何其它的介質(zhì)(計算機(jī)可以從中讀取編程代碼和/或數(shù)據(jù))。計算機(jī)可讀介質(zhì)的這些形式中的許多可以涉及運(yùn)載一個或多個指令的一個或多個序列到處理器用于執(zhí)行。

本領(lǐng)域技術(shù)人員將認(rèn)知到本教導(dǎo)可修改到多種改進(jìn)和/或改善。例如，雖然上述的各種元件的實(shí)現(xiàn)可以體現(xiàn)在硬件設(shè)備中，它還可以被作為僅僅涉及軟件的解決方案而實(shí)現(xiàn)，例如在現(xiàn)有服務(wù)器上的安裝。此外，如本文所公開的動態(tài)關(guān)聯(lián)/事件檢測器和元件可以作為固件、固件/軟件組合、固件/硬件組合、或硬件/固件/軟件組合而被實(shí)現(xiàn)。

盡管前述已經(jīng)描述了被視作最優(yōu)的模式和/或其它示例，應(yīng)當(dāng)理解各種改進(jìn)可以被實(shí)施并且本文所公開的主題可以在各種形式和示例中實(shí)現(xiàn)，以及教導(dǎo)可以在大量應(yīng)用中采用，其中僅僅有一些被在本文中公開。下列權(quán)利要求意在要求落在本教導(dǎo)的真實(shí)范圍內(nèi)的任何或全部的應(yīng)用、改進(jìn)以及變化。