JP6900682B2 - オンラインリソースの収集及び組織化 - Google Patents

Description

本願明細書で議論される実施形態は、オンラインリソースの収集及び組織化に関する。

今日の情報時代では、部分的には個人が情報を自由に迅速に及び容易に広める能力により、直ちに利用可能且つアクセス可能な圧倒的な量の情報が存在する。多くの場合、人々は、特定の情報片に関心があることがある。インターネットは膨大な情報であるが、情報は、種々のウェブサイト及びプラットフォームの間でオンラインに散在する場合がある。インターネットで利用可能な散在した情報が膨大であるため、ユーザにとっては情報を検索し、統合し、収集し、及び組織化することが困難な場合がある。

本願明細書で請求される主題は、上述のような欠点を解決する実施形態や上述のような環境でのみ機能する実施形態に限定されない。むしろ、この背景技術は、単に、本願明細書に記載される複数の実施形態が実施される技術分野の一例を説明するために提供される。

一実施形態の一態様によると、オンラインリソースを収集及び組織化する方法は、大量のオンラインリソースからアイテムを選択するステップを有しても良い。方法は、アイテムに関連するデータを抽出するステップを有しても良い。方法は、第１のリストがアイテムを含むか否かを識別するステップを有しても良い。方法は、第１のリストの識別に応答して、第１のリストを精緻化するステップを有しても良い。方法は、第１のリストの識別の失敗に応答して、アイテムを含む第２のリストを生成するステップを有しても良い。方法は、第１のリストがユーザ関心と整合することを検証するステップを有しても良い。方法は、第１のリストがユーザ関心と整合するとき、電子データ記憶装置に第１のリストを保存するステップを有しても良い。方法は、第１のリストがユーザ関心と整合しないとき、第２のアイテムを選択するステップを有しても良い。

実施形態の目的及び利点が理解され、少なくとも特に特許請求の範囲で指摘された要素、特徴及び組合せを用いて達成されるだろう。

上述の全体的説明及び以下の詳細な説明の両方は、例示及び説明のためであり、本発明の範囲を限定しないことが理解される。

例示的な実施形態は、添付の図面を用いて、更なる特異性及び詳細事項と共に記載され説明される。
例示的なネットワークアーキテクチャを示す。 メディアアイテムに関連付けられるリストの例示的な識別の例示的なスクリーンショットセットを示す。 メディアアイテムに基づくリストを生成する及び／又は精緻化する例示的な方法のフロー図を示す。 選択されたアイテムに基づき関連データを抽出する例示的な方法のフロー図を示す。 リストを精緻化する例示的な方法のフロー図を示す。 他の潜在的な存在するリストを調べる例示的な方法のフロー図を示す。 ユーザ関心との整合性を検証する例示的な方法のフロー図を示す。 異なる優先度を有するレポジトリにリストを保存する例示的な方法のフロー図を示す。 機械に本願明細書に議論される方法のうちの任意の１又は複数を実行させる命令のセットが実行され得るコンピューティング装置の例示的な形式の機械の図式表現を示す。 全ての図は本願明細書に記載の少なくとも１つの実施形態に従って構成される。

本願明細書で議論される幾つかの実施形態は、オンラインリソースの収集及び組織化に関する。

インターネットは、リストの中のアイテム同士の関連性を示し得る多種多様なユーザにより生成されたリストを含み得る。例えば、ビデオプレイリストは、プレイリストの中のビデオの少なくとも幾つかの間の類似性を示し得る。別の例では、ブログウェブサイトにあるカテゴリは、同じカテゴリによりタグ付けされている異なるブログ記事の間の類似性を示し得る。更なる例では、写真のアルバムは、アルバムの中の写真のうちの少なくとも何枚かの間の関連性を示し得る。記載の方法及びシステムは、情報を更に収集し及び組織化するために、（例えば、ユーザにより生成された又は自動的に生成された）既存のリストを使用しても良い。例えば、オンラインリソースを収集及び組織化する方法は、シードアイテム（例えば、ウェブページ、写真、ビデオ、歌、ブログエントリ）を識別するステップを有しても良い。方法は、１又は複数のリストを識別するステップを有しても良い。例えば、シードアイテムがビデオプラットフォームにあるビデオであるとき、方法は、該ビデオに関連付けられるチャネルを識別しても良い。方法は、チャネルに関連付けられる１又は複数のプレイリストを識別するステップを有しても良い。プレイリストを用いて、方法は、シードアイテムに関連し得る追加アイテム（例えば、プレイリスト、別のビデオ）を識別しても良い。方法は、追加アイテムのうちの少なくとも１つを含むよう、チャネル及び／又は１又は複数のプレイリストを更新しても良い。少なくとも一実施形態では、方法は、シードアイテム及び他の関連アイテムを含み得る新しいリスト（例えば、新しいプレイリスト）を生成するステップを有しても良い。ここに記載の方法及びシステムは、オンラインリソースを体系的に収集しても良い。関連アイテムを発見することに加えて、方法及びシステムは、教育コースの中の（又は異なる学校において教えられる同じ主題に関する複数のコースの中の）全ての講義アイテムのような、互いに緊密に結合された又は高度に整合し得るアイテムを収集しても良い。

図１は、本開示の実施形態が実装され得る例示的なネットワークアーキテクチャ１００を示す。ネットワークアーキテクチャ１００は、クライアント装置１０４、ネットワーク１０８、サーバ１１０、及びコンテンツホスト１２０を有しても良い。

クライアント装置１０４は、パーソナルコンピュータ（ＰＣ）、ラップトップ、携帯電話機、スマートフォン、タブレットコンピュータ、ノート型コンピュータ、電子リーダ、パーソナルデジタルアシスタント（ＰＤＡ）、又はセルラ電話機のような、コンピューティング装置を含み得る。図１には１つのクライアント装置のみが示されるが、ネットワークアーキテクチャ１００は、任意の数のクライアント装置を有しても良い。

ネットワーク１０８は、公衆ネットワーク（例えば、インターネット）、私設ネットワーク（例えば、ローカルエリアネットワーク（ＬＡＮ）又は広域ネットワーク（ＷＡＮ））、有線ネットワーク（例えば、Ｅｔｈｅｒｎｅｔ（登録商標）ネットワーク）、無線ネットワーク（例えば、８０２．ｘｘネットワーク又はＷｉ−Ｆｉネットワーク）、セルラネットワーク（例えば、ロングタームエボリューション（ＬＴＥ）又はＬＴＥ−Ａｄｖａｎｃｅｄネットワーク）、ルータ、ハブ、スイッチ、サーバコンピュータ、及び／又はそれらの組合せを有しても良い。

サーバ１１０は、ラック搭載サーバ、ルータコンピュータ、サーバコンピュータ、パーソナルコンピュータ、メインフレームコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、デスクトップコンピュータ、等のような１又は複数のコンピューティング装置、データストア（例えば、ハードディスク、メモリ、データベース）、ネットワーク、ソフトウェアコンポーネント、及び／又はハードウェアコンポーネントを有しても良い。サーバ１１０は、オンラインリソース（例えば、以下に更に詳述するように、メディアアイテム１２４、リスト１２６）を、１又は複数のコンテンツホスト１２０から体系的に収集し、オンラインリソースを分析し、及びオンラインリソース同士の共通性を決定しても良い。

コンテンツホスト１２０は、ラック搭載サーバ、ルータコンピュータ、サーバコンピュータ、パーソナルコンピュータ、メインフレームコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、デスクトップコンピュータ、等のような１又は複数のコンピューティング装置、データストア（例えば、ハードディスク、メモリ、データベース）、ネットワーク、ソフトウェアコンポーネント、及び／又はハードウェアコンポーネントを有しても良い。少なくとも一実施形態では、コンテンツホスト１２０は、ピアツーピア（Ｐ２Ｐ）ネットワークの中のノードとして構成されても良い。コンテンツホスト１２０は、デジタルコンテンツアイテム１２４（例えば、ビデオ、ストリーミングビデオ、音楽、ストリーミング音楽、ソーシャルメディア情報、ウェブサイト、ブログ、教材、テキスト文書、画像、記事、一連の記事、記事の部分、グラフィック、又は任意の形式の任意の他のデジタル情報）のようなオンラインリソース１２２、及び１又は複数のリスト１２６（例えば、プレイリスト、カテゴリ、タグ）を、クライアント装置１０４及び／又はサーバ１１０に、ネットワーク１０８を介して提供しても良い。１又は複数のリスト１２６は、ユーザ定義され及び／又は共通性マネジャにより自動生成されても良い
サーバ１１０は、共通性マネジャ１１２を有しても良い。共通性マネジャ１１２は、ネットワーク１０８を介してオンラインリソースを収集するよう構成されても良い。共通性マネジャ１１２は、リスト（例えば、ウェブサイト、チャネル、プレイリスト）を生成する又は精緻化することにより、オンラインリソースを組織化しても良い。共通性マネジャ１１２は、オンラインリソースからコンテンツアイテム１２４を選択しても良い。共通性マネジャ１１２は、コンテンツアイテム１２４に関連するデータを抽出しても良い。コンテンツアイテム１２４に関連するデータは、１又は複数のリスト１２６を有しても良い。共通性マネジャ１１２は、アイテムを含む（リスト１２６のうちの１つのような）第１のリストが電子文書に関連付けられるか否かを識別しても良い。共通性マネジャ１１２は、第１のリストの識別に応答して、第１のリストを精緻化しても良い。共通性マネジャ１１２は、第１のリストの識別の失敗に応答して、コンテンツ１２４を含む第２のリストを生成しても良い。共通性マネジャ１１２は、第１のリストがユーザ関心と整合することを検証しても良い。共通性マネジャ１１２は、第１のリストがユーザ関心と整合するとき、電子データ記憶装置（例えば、データ記憶装置１１４）に第１のリストを保存しても良い。共通性マネジャ１１２の機能及び動作は、図２〜８に関連して更に記載される。

少なくとも一実施形態では、コンテンツホスト１２０は、ネットワーク１０８を介してアクセス可能なウェブサイトをホスティングするよう構成されても良い。具体的には、幾つかの実施形態では、コンテンツホスト１２０は、クライアント装置１０４による及び／又は共通性マネジャ１１２を用いるサーバ１１０による、ウェブサイトへのアクセスを許可しても良い。

クライアント装置１０４は、ユーザがアイテム（例えば、コンテンツ１２４）を選択できるように、共通性マネジャ１１２によりブラウザの中にユーザインタフェースを提供するよう構成されても良い。上述及び他の実施形態では、クライアント装置１０４は、ユーザインタフェースを提供しても良い。幾つかの実施形態では、クライアント装置１０４は、ユーザインタフェース及び／又はクライアント装置１０４に帰属する１又は複数の機能を提供する、該装置にインストールされたプログラム（例えば、シンクライアントプログラム）を有しても良い。

本開示の範囲から逸脱することなくネットワークアーキテクチャ１００に対し変更、追加又は省略が行われても良い。具体的には、図１に示すネットワークアーキテクチャ１００の実施形態は、１つのクライアント装置１０４、１つのサーバ１１０、及び１つのコンテンツホスト１２０を含む。しかしながら、本開示は、１又は複数のクライアント装置１０４、１又は複数のサーバ１１０、１又は複数のコンテンツホスト１２０、又はそれらの任意の組み合わせを有するネットワークアーキテクチャ１００に更に一般的に適用される。

さらに、本願明細書に記載の実施形態の中の種々のコンポーネントの分割は、分割が全ての実施形態において生じることを意味しない。さらに、本開示の利益により、記載のコンポーネントが単一のコンポーネントに統合され又は複数のコンポーネントに分割されても良いことが理解される。

クライアント装置１０４は、エンドユーザがネットワーク１０８を介してコンテンツアイテム１２４を見付け、選択し、及び／又は再生することを可能にするアプリケーション（図示しない）を有しても良い。例えば、アプリケーションは、エンドユーザにコンテンツアイテム１２４を提示できるウェブブラウザを有しても良い。ウェブブラウザのように、アプリケーションは、ウェブサーバにより提供されるコンテンツ（例えば、ハイパーテキスト言語（ＨＴＭＬ）ページのようなウェブページ、デジタルメディアアイテム、等）にアクセスし、読み出し、提示し、及び／又はナビゲートもしても良い。アプリケーションは、コンテンツアイテム１２４チャネル及び関連コンテンツをエンドユーザに、レンダリングし、表示し、及び／又は提示しても良い。アプリケーションは、ウェブページ（例えば、オンライン商人により販売される製品に関する情報を提供し得るウェブページ）に埋め込まれる埋め込み型メディアプレイヤ（例えば、Ｆｌａｓｈ（登録商標）プレイヤ又はＨＴＭＬ５プレイヤ）も提供しても良い。別の例では、アプリケーションは、ユーザがデジタルメディアアイテム（例えば、デジタルビデオ、デジタル画像、電子書籍、等）を消費することを可能にする、スタンドアロン型アプリケーション（例えば、モバイルアプリケーション又はモバイルアプリ）を有しても良い。アプリケーションは、任意の情報源により、クライアント装置に提供されても良い。

図２は、メディアアイテム２０２に関連付けられるリスト２１０の例示的な識別の例示的なスクリーンショットセットを示す。メディアアイテム２０２は、全ての利用可能リスト２０４から１又は複数のリストを識別するために、「シードアイテム」として使用されても良い。例えば、メディアアイテム２０２は、任意の種類のメディアアイテム２０２を有しても良く、メディアアイテム２０２へのリンク（例えば、ＵＲＬ、ウェブアドレス）も有しても良い。図示のように、メディアアイテム２０２は、実際のメディアアイテム２０２へのリンクである。リンクは、ウェブサイトにあるポストに関連付けられても良い。共通性マネジャ（例えば、図１の共通性マネジャ１１２）は、ホストウェブサイト（例えば、図１のコンテンツホスト１２０）に直接に存在するような、又は共通性マネジャをホストウェブサイトへリダイレクトするリンクを活性化することにより、メディアアイテム２０２にアクセスしても良い。共通性マネジャは、メディアアイテム２０２に関連付けられる得るホストウェブサイトにあるリストを調べても良い。図示のように、ホストウェブサイトは、メディアアイテムを提示するチャネルを有する。チャネルは、チャネルに関連付けられるプレイリスト２０４のリストを有しても良い。共通性マネジャは、プレイリストのうちの１又は複数にアクセスしても良い。図示のように、共通性マネジャは、「Machine Learning Summer School ２０１３ Tubingen」という名称のプレイリストにアクセスしている。プレイリストは、任意の数のメディアアイテムを有しても良い。図示のように、プレイリストは１０個のメディアアイテムを有する。共通性マネジャは、プレイリスト２０６の中のメディアアイテムに関連付けられる情報に基づき、１又は複数の新しい精緻化リスト（例えば、リスト２０８、２１０、２１２）を生成しても良い。例えば、共通性マネジャは、メディアアイテムの各々の名称を識別し、名称に基づき、共通性マネジャはリスト２０８、２１０、２１２を生成しても良い。図示のように、リスト２０８は、語句「Graphical Models 」を含む名称を有するメディアアイテムを含むよう生成される。ここで、[X]は、長さ[X]のシリーズの中に全てのビデオを含むような動的変数を有しても良い。同様に、共通性マネジャは、語句テキスト「Bayesian Interference [Y]」を含む名称を有するメディアアイテムに基づき、リスト２１０を生成しても良い。ここで、[Y]は[X]と同様の変数である。図示のように、リスト２１はメディアアイテム２０２を有する。共通性マネジャは、例えば語句「Optimization [Z]」を含む名称を有するメディアアイテムに基づき、同様の方法でリスト２１０も生成しても良い。ここで、[Z]は[X]と同様の変数を有する。

共通性マネジャは、リスト２０８、２１０、２１２をデータ記憶装置（例えば、図１のデータ記憶装置１１４）に格納しても良い。少なくとも一実施形態では、共通性マネジャは、グラフィカルユーザインタフェースを介してユーザにリストを提示させても良い。少なくとも一実施形態では、共通性マネジャは、リスト２０８、２１０、２１２のうちの任意の１つ（又は複数）に類似し得る１又は複数の既存のリストを識別しても良い。このような類似性が識別される場合、共通性マネジャは、類似していると識別されたこれらのリストを推奨し又は結合しても良い。

図３〜８は、メディアアイテムに基づきリストを生成する及び／又は精緻化することに関連する例示的な方法のフロー図を示す。方法は、ハードウェア（回路、専用ロジック、等）、（汎用コンピュータシステム又は専用機械で動作するような）ソフトウェア、又は両者の組合せを含み得る処理ロジックにより実行されても良い。この処理ロジックは、共通性マネジャ１１２又は別のコンピュータシステム若しくは装置に含まれても良い。しかしながら、別のシステム又はシステムの組合せが、当該方法を実行するために使用されても良い。説明の簡単のために、本願明細書に記載の方法は、一連の動作として示され説明される。しかしながら、本開示に従う動作は、種々の順序で及び／又は同時に、及び本願明細書に提示され説明されない他の動作と共に、生じても良い。さらに、示された全ての動作が開示の主題に従って方法を実施するために使用されなくても良い。さらに、当業者は、代替として方法が状態図による相互に関連のある一連の状態又はイベントとして表されても良いことを理解し認識するだろう。さらに、本願明細書に開示される方法は、コンピューティング装置に該方法をトランスポートし転送することを助けるために、非一時的コンピュータ可読媒体のような製品に格納できる。用語「製品」は、本願明細書で使用されるとき、任意のコンピュータ可読装置又は記憶媒体からアクセスかのうなコンピュータプログラムを包含することを意図する。別個のブロックとして示したが、所望の実装に依存して、種々のブロックは、更なるブロックに分割され、少ないブロックに結合され、又は除去されても良い。

図３は、メディアアイテムに基づくリストを生成する及び／又は精緻化する例示的な方法３００のフロー図を示す。方法３００は、ブロック３０２で開始し、処理ロジックはアイテムを選択しても良い。少なくとも一実施形態では、処理ロジックは、オンラインリソース（例えば、ウェブサイト）からのアイテムのユーザ選択を受信することに応答して、アイテムを選択しても良い。代替で、処理ロジックは、ユーザ入力を有しないで、オンラインリソースのセットからアイテムを自動的に選択しても良い。オンラインリソースのセットは、１又は複数のメディアアイテムを有しても良い。少なくとも一実施形態では、１又は複数のメディアアイテムは、ユーザにとって関心のあるものとして識別されている。ユーザ関心は、ユーザ入力により、機械により、又はそれらの組み合わせにより、示されても良い。

ブロック２０４で、処理ロジックは、選択されたアイテムに基づき、関連データを抽出しても良い。処理ロジックは、チャネルに関連付けられる全てのメディアアイテム、チャネルに関連付けられるプレイリスト、等のような、チャネルの任意の情報も抽出しても良い。選択されたアイテムに基づき関連データを抽出することに関連する更なる詳細事項は、図４と関連して記載される。処理ロジックは、抽出された関連データのうちの任意のものをデータ記憶装置に格納しても良い。

ブロック３０６で、処理ロジックは、選択されたアイテムを含むリストについて、関連データを調べても良い。例えば、処理ロジックは、選択されたアイテムが１又は複数のプレイリストのうちの少なくとも１つに含まれるか否かを決定するために、チャネルに関連付けられる１又は複数のプレイリストを分析しても良い。

処理ロジックが、選択されたアイテムを含むリストを識別しないとき（ブロック３０８で「ＮＯ」）、処理ロジックは、ブロック３１０で、選択されたアイテムを含むリストを生成しても良い。選択されたアイテムを含むリストを生成するとき、処理ロジックは、選択されたアイテムに関連付けられる１又は複数の単語を用いてリストの名前を定めても良い。

ブロック３１２で、処理ロジックは、他の可能性のあるアイテムを含む別の可能なリスト（例えば、第２の生成されたリスト）を生成しても良い。可能性のあるリストは、第１の生成されたリストに関連しても良い。処理ロジックは、第２のリストを生成するために、ブロック３０４で抽出した関連データを使用しても良い。例えば、処理ロジックは、繰り返しパターン発見を用いて複数のリストを生成するために、チャネルの中の全てのアイテムをスキャンし、処理ロジックが、これらの生成されたリストの間の選択されたアイテムを含む第１の生成されたリストに関連する任意のリストを見付けられるか否かを調べても良い。

処理ロジックが選択されたアイテムを含むリストを識別するとき（ブロック３０８で「ＹＥＳ」）、処理ロジックは、ブロック３１４でリストを精緻化しても良い。これは、図５と関連して更に記載される。

ブロック３１６で、処理ロジックは、選択されたアイテムを含む精緻化リストに関連する他の既存の潜在的リストが存在するかどうかを調べても良い。これは、図６と関連して更に記載される。

ブロック３１８で、処理ロジックは、リストがユーザ関心と少なくとも何らかの整合性を有することを検証しても良い。これは、図７と関連して更に記載される。処理ロジックがユーザ関心との整合性を立証しないとき（ブロック３２０で「ＮＯ」）、ブロック３２２で、処理ロジックは処理するために新しいアイテムを選択しても良い。処理ロジックは、処理すべき新しいアイテムを選択することに応答して、ブロック３０４に進んでも良い。

処理ロジックがユーザ関心との整合性を立証するとき（ブロック３２０で「ＹＥＳ」）、ブロック３２４で、処理ロジックは、異なる優先度を有するリストをデータ記憶装置に保存しても良い。これは、図８と関連して更に記載される。

図４は、選択されたアイテムに基づき関連データを抽出する例示的な方法４００のフロー図を示す。アイテムは、図３と関連して記載されるように、選択されても良い。選択されたアイテムは、図３と関連して記載されたように抽出されても良い関連データと関連付けられても良い。

方法４００は、ブロック４０２で開始しても良く、ここで、処理ロジックは、情報源サイト又はチャネル（例えば、コンテンツ共有プラットフォームのチャネル）へナビゲートしても良い。少なくとも一実施形態では、処理ロジックは、情報源サイト又はチャネルを識別するために、抽出した関連データを使用しても良い。例えば、抽出した関連データは、メディアアイテムが関連付けられる情報源サイト又はチャネルを識別するメタデータを有しても良い。

ブロック４０４で、処理ロジックは、サイト又はチャネルにある一部の又は全部のアイテムをフェッチしても良い。例えば、処理ロジックは、サイト又はチャネルに関連付けられる１又は複数のメディアアイテムを識別しても良い。例えば、サイトは、種々のブログエントリに含まれる１又は複数のメディアアイテムを有するブログを含んでも良い。別の例では、メディアアイテムは、コンテンツホスティングプラットフォームのチャネルにアップロードされても良い。処理ロジックは、コンテンツホスティングプラットフォームにアップロードされ及びチャネル二関連付けられているメディアアイテムの各々を識別しても良い。少なくとも一実施形態では、処理ロジックは、図２と関連して記載したような技術を用いてサイト又はチャネルにある全てのアイテムをフェッチしても良い。

ブロック４０６で、処理ロジックは、ブロック４０４でフェッチされたアイテムに基づきアイテムエントリを格納しても良い。少なくとも一実施形態では、処理ロジックは、各々のフェッチしたアイテムのデータ構造の中のエントリを生成し又は変更しても良い。処理ロジックは、各々のアイテムに関連付けられる任意のメタデータを格納しても良い。処理ロジックは、図１のデータ記憶装置１１４のような、データ記憶装置にアイテムエントリを格納しても良い。

ブロック４０８で、処理ロジックは、サイト又はチャネルにある全部のリストをフェッチしても良い。処理ロジックは、サイト又はチャネルにある全部のリストをフェッチするとき、下位ページ、グループ、カテゴリリスト、等にナビゲートしても良い。例えば、処理ロジックは、コンテンツホスティングプラットフォームのチャネルへナビゲートしても良く、チャネルにある１又は複数のリスト（例えば、図２のリスト２０４の中に図示されるプレイリスト）を発見しても良い。例えば、処理ロジックは、チャネルの中のプレイリストページへナビゲートし、全部のリストをフェッチしても良い。

ブロック４１０で、処理ロジックは、ブロック４０８でフェッチされたリストを格納しても良い。少なくとも一実施形態では、処理ロジックは、各々のフェッチしたリストのデータ構造の中のエントリを生成し又は変更しても良い。処理ロジックは、図１のデータ記憶装置１１４のような、データ記憶装置にフェッチしたリストを格納しても良い。

図５は、リストを精緻化する例示的な方法５００のフロー図を示す。方法５００は、ブロック５０２で開始しても良く、処理ロジックは、リストの中のアイテムの文字列リストを抽出しても良い。例えば、リストは、プレイリストを含んでも良い。リストの中のアイテムの文字列リストを抽出するステップは、プレイリストの中のメディアアイテムのテキストに基づく名称からテキストを解体する（scraping）ステップを有しても良い。図２にも図示されるように、文字列リストは、以下のプレイリストの中のメディアアイテムの名称を含む。“「What is Machine Learning? − Bernhard Scholkopf − MLSS ２０１３ Tubingen」、「Graphical Models １ −Christopher Bishop − MLSS ２０１３ Tubingen」、「Graphical Models ２ − Christopher Bishop − MLSS ２０１３ Tubingen」、「Graphical Models ３ − Christopher Bishop − MLSS ２０１３ Tubingen」、「Bayesian Interference １」、「Zoubin Ghahramani」、「MLSS ２０１３ Tubingen」、「Bayesian Interference ２」、「Zoubin Ghahramani」、「MLSS ２０１３ Tubingen」、「Bayesian Interference ３」、「Zoubin Ghahramani」、「MLSS ２０１３ Tubingen」、「Optimization １ − Stephen Wright − MLSS ２０１３ Tubingen」、「Optimization ２ − Stephen Wright − MLSS ２０１３ Tubingen」、「Optimization ３ − Stephen Wright − MLSS ２０１３ Tubingen」。

ブロック５０４で、処理ロジックは、文字列リストを入力し、汎用接尾語木（generalized suffix tree）を構築しても良い。ブロック５０６で、処理ロジックは、汎用接尾語木の中の１又は複数の繰り返しパターンを検出しても良い。例えば、処理ロジックは、「Bayesian Interference」、「Zoubin Ghahramani」、「MLSS ２０１３ Tubingen」、「Graphical Models」、「Christopher Bishop」等のような１又は複数の繰り返しパターン、及び各々のアイテムの中のそれらの対応するインスタンスを検出しても良い。

ブロック５０８で、処理ロジックは、各々のアイテムの中に現れる冗長パターンを識別しても良い。例えば、処理ロジックは、汎用接尾語木に基づき、各々のアイテムの中に現れるために冗長であり得る「MLSS ２０１３ Tubingen」のような繰り返しパターンを識別しても良い。処理ロジックは、特徴パターンに基づきアイテムをグループ化するために、更なる処理の間に、繰り返しパターンを無視しても良い。

ブロック５１０で、処理ロジックは、アイテムをグループ化するために、特徴パターンを選択しても良い。概して、処理ロジックは、図２に示すような「Graphical Models [x] − Christopher Bishop」、「Bayesian Interference [y] − Zoubin Ghahramani」、「Optimization [z] − Stephen Wright」のように、最大の長さ及び頻度を有する繰り返しパターンを選択しても良い。

ブロック５１２で、処理ロジックは、特徴パターンに基づき、アイテムをグループ化しても良い。別の例では、処理ロジックは、テキスト「Graphical Models [x] − Christopher Bishop」を有するアイテムを第１のグループに、テキスト「Bayesian Interference [y] − Zoubin Ghahramani」を有するアイテムを第２のグループに、グループ化しても良い。

ブロック５１４で、処理ロジックは、アイテムを並べ替えても良い。アイテムは、アルファベット順、時間により（例えば、アップロード日、作成日）、人気度により、頻度により、等のような任意の順序に並べ替えられても良い。

ブロック５１６で、処理ロジックは、文字列の中のエントリを識別しても良い。例えば、処理ロジックは、特に、人名又は団体名、イベント名称、技術用語、を識別しても良い。

ブロック５１８で、処理ロジックは、リストからアイテムの単位を精緻化しても良い。処理ロジックは、識別されたエンティティにより更に組織化され得るように、これらのアイテムを更に組織化しても良い。

図６は、他の既存の潜在的リストを調べる例示的な方法６００のフロー図を示す。方法６００は、ブロック６０２で開始しても良い。ここで、処理ロジックは、サイト又はチャネルにある１又は複数の他の既存の潜在的リストを識別しても良い。例えば、処理ロジックは、チャネルに関連付けられ得る１より多いプレイリストを識別しても良い。

ブロック６０４で、処理ロジックは、検証のために各々のリストメタデータを抽出しても良い。例えば、メタデータは、関連付けられ得るチャネルに関する情報、プレイリストの中のメタデータと関連付けられる１又は複数のメディアアイテム、プレイリストの作成者及び／又は管理人、プレイリストのジャンル、等を含んでも良い。

図７は、ユーザ関心との整合性を検証する例示的な方法７００のフロー図を示す。方法７００は、ブロック７０２で開始しても良く、処理ロジックは、各々のリストのメタデータの中のテキストを統合しても良い。メタデータは、リスト名称、リスト説明、リストの中の各々のアイテムの名称、リストの中の各々のアイテムの説明、等を含んでも良い。

ブロック７０４で、処理ロジックは、テキスト及び／又はメタデータの中の異なる位置の観点で、重みを割り当てても良い。例えば、アイテム名称の始めにある第１の数の単語は、高い重みを割り当てられても良い。これは、アイテム名称の始めにある単語がリストを組織化し及び／又は精緻化するために最も有用であり得ることを示し得る。代替で、
ブロック７０６で、処理ロジックは、各々のリストのベクトル表現を生成しても良い。少なくとも一実施形態では、処理ロジックは、単語出現頻度−逆文書頻度（term frequency-inverse document frequency：ＴＦ−ＩＤＦ）のようなベクトル空間モデルを用いて、ユーザ関心プロファイルとのコンテンツに基づく一致を計算しても良い。これは、言葉が集合又はコーパス（又はリスト）の中で文書に対してどれ位重要かを反映することを意図している数値統計を含み得る。他のベクトル空間モデルは、単語埋め込み及び明示的意味解析（explicit semantic analysis：ＥＳＡ）を含み得る。

ブロック７０８で、処理ロジックは、ユーザ関心プロファイルとの数値的なコンテンツに基づく一致を計算しても良い。一致は、１又は複数のリストベクトルと１又は複数のユーザ関心ベクトルとの間の距離を計算することにより測定されても良い。ユーザ関心プロファイルは、ブックマーク、閲覧履歴、等のようなユーザの指示した関心のデジタル表現を含んでも良い。

ブロック７１０で、処理ロジックは、所定の閾値に基づく１又は複数のリストをフィルタリングしても良い。例えば、コンテンツに基づく一致が閾より高いとき、処理ロジックは、関連付けられたリストはユーザ関心プロファイルに一致しないことを決定しても良く、したがって、処理ロジックはこのようなリストをフィルタリングして除去しても良い。

図８は、異なる優先度を有するレポジトリにリストを保存する例示的な方法８００のフロー図を示す。方法８００は、ブロック８０２で開始しても良く、処理ロジックは、リスト種類スコアを得ても良い。リスト種類スコアは、リストの種類に基づくスコアを有しても良い。リスト種類は、リストがどのように生成されたかに基づき、少なくとも部分的に決定されても良い。例えば、リストは、ユーザにより作成されても良く又は自動的に生成されても良い。ユーザにより作成されたリストは、自動的に生成されたリストと比べて、ユーザ入力及び意見がより高い価値を有し、及びより精緻化されたリストを有し得るので、より高いリスト種類スコアを有しても良い。リスト種類スコアは、リストが選択されたアイテム（例えば、図３のブロック３０２で選択されたアイテム）を含むか否かによっても影響を受けても良い。選択されたアイテムを含むリストは、選択されたアイテムを含まないリストより、高いリスト種類スコアを有しても良い。

ブロック８０４で、処理ロジックは、整合性スコアを計算しても良い。整合性スコアは、リストの中のアイテムの間の内部整合性に基づき計算されても良い。内部整合性は、リストの中のアイテムが互いに整合する（又は類似する）ほど、増大しても良い。整合性スコアは、ユーザプロファイルに関する汎用整合性に基づいても計算されても良い。少なくとも一実施形態では、処理ロジックは、内部整合性と、特定の重みを有する汎用整合性と、を平均化しても良い。

ブロック８０６で、処理ロジックは、豊富度スコアを計算しても良い。豊富度スコアは、リストの中のコンテンツがどれだけ関心があり及び／又は情報が多いかを示しても良い。より関心が多く及び／又は情報の多いリストは、より高い豊富度スコアを有しても良い。少なくとも一実施形態では、期間及び／又は長さは、豊富度スコアに影響しても良い。例えば、平均的なビデオ及び／又は記事長さは、豊富度スコアに貢献しても良い。少なくとも一実施形態では、最小閾長より短いメディアアイテムは、低い豊富度を有しても良い。同様に、最小閾長より長いメディアアイテムは、より高い豊富度を有しても良い。少なくとも一実施形態では、最大閾長より長いメディアアイテムは、低い豊富度を有しても良い。これらの実施形態では、最小閾と最大閾との間の長さを有するメディアアイテムは、より高い豊富度を有しても良い。リストの中のアイテムの数は、リストの豊富度を測定するためにも使用されても良い。

ブロック８０８で、処理ロジックは、新鮮度スコアを計算しても良い。新鮮度スコアは、日付に関連しても良い。ここで、より最近のアイテム又はリストは、あまり最近ではないアイテムと比べて、より高い新鮮度スコアを有しても良い。新鮮度スコアは、どれだけ最近に、コンテンツが発行されたか、どれだけ最近に、ユーザがリストの中のコンテンツにアクセスしたか、等を示しても良い。例えば、コースは、同様のコース教材により毎年教えられても良い、しかし、最も最近のコース教材は、最も関心があっても良い。新鮮度スコアは、次のような式を用いて計算されても良い。
Ｓｃｏｒｅ_ｉ＝Σ^Ｎｉ _ｊ＝１ｅ^{−λ（ｔ−ｔｊ）}
ここで、λは、時間の影響を調整する定数因子を有し、Ｎ_ｉは、リストｉの中のアイテムの数を有し、ｔは、現在時刻を有し、ｔ_ｊはアイテムｊの時間を有する。少なくとも一実施形態では、新鮮度スコアは、０と１との間の数を有する。
ブロック８１０で、処理ロジックは、優先度スコアを計算しても良い。優先度スコアは、リスト種類スコア、整合性スコア、豊富度スコア、及び新鮮度スコアのうちの１又は複数の線形結合を有しても良い。少なくとも一実施形態では、少なくとも１つの重みが、優先度スコアを計算するために使用されても良い。重みは、優先度スコアより多くの影響を、スコアのうちの幾つかに与えるために使用されても良い。重みは、ユーザにより生成される重み、又は（例えば、機械学習に基づき）自動生成される重みを有しても良い。少なくとも一実施形態では、リスト種類スコア、整合性スコア、豊富度スコア、及び新鮮度スコアのうちの１又は複数は、一次回帰を用いて優先度スコアにマッピングされても良い。

ブロック８１２で、処理ロジックは、優先度スコアと共にレポジトリにリストを保存しても良い。例えば、処理ロジックは、図１のデータ記憶装置１１４のようなレポジトリにリストと対応する優先度スコアとを保存しても良い。ブロック８１４で、処理ロジックは、優先度スコアに基づきスケジュールを設定しても良い。スケジュールは、任意の時間期間であっても良い。スケジュールは、幾つかの例では処理ロジックが優先度スコアを計算し得る時間期間を定めても良い。ブロック８１６で、処理ロジックは、リストを検索し及び推奨しても良い。これは、優先度スコアに基づいても良い。リストを推奨するために、処理ロジックは、ユーザにメッセージを送信しても良い。

図９は、機械に本願明細書に議論される方法のうちの任意の１又は複数を実行させる命令のセットが実行され得るコンピューティング装置９００の例示的な形式の機械の図式表現を示す。コンピューティング装置９００は、携帯電話機、スマートフォン、ノートブックコンピュータ、ラック搭載サーバ、ルータコンピュータ、サーバコンピュータ、パーソナルコンピュータ、メインフレームコンピュータ、ラップトップコンピュータ、タブレットコンピュータ、デスクトップコンピュータ、等を含んでも良く、これらの内部で、本願明細書で議論される方法の任意の１又は複数を機械に実行させる命令セットが実行されても良い。代替の実施形態では、機械は、ＬＡＮ、イントラネット、エクストラネット、又はインターネットの中の他の機械に接続（例えば、ネットワーク接続）されても良い。機械は、クライアント−サーバネットワーク環境の中のサーバマシンという資格で動作しても良い。機械は、パーソナルコンピュータ（PC）、セットトップボックス（STB）、サーバ、ネットワークルータ、スイッチ若しくはブリッジ、又は該機械により行われるべき動作を指定する命令のセットを（シーケンシャルに等）実行可能な任意の機械を含み得る。さらに、単一の機械のみを図示するが、用語「機械」は、個々に又は共同して、本願明細書で議論した方法のうちの任意の１又は複数を実行するために命令のセット（又は複数のセット）を実行する機械の任意の集合も含むと考えられる。

例示的なコンピューティング装置９００は、処理装置（例えば、プロセッサ）９０２、主記憶９０４（例えば、読み出し専用メモリ（ＲＯＭ）、フラッシュメモリ、同期ＤＲＡＭ（ＳＤＲＡＭ））のような動的ランダムアクセスメモリ（ＤＲＡＭ）、静的メモリ９０６（例えば、フラッシュメモリ、静的ランダムアクセスメモリ（ＳＲＡＭ））、及びデータ記憶装置９１６を含み、これらはバス９０８を介して互いに通信する。

処理装置９０２は、マイクロプロセッサ、中央処理ユニット、等のような１又は複数の汎用処理装置を表す。より具体的には、処理装置９０２は、ＣＩＳＣ（complex instruction set computing）マイクロプロセッサ、ＲＩＳＣ（reduced instruction set computing）マイクロプロセッサ、ＶＬＩＷ（very long instruction word）マイクロプロセッサ、又は他の命令セットを実施するプロセッサ、若しくは命令セットの組合せを実施するプロセッサを含み得る。処理装置９０２は、ＡＳＩＣ（application specific integrated circuit）、ＦＰＧＡ（field programmable gate array）、ＤＳＰ（digital signal processor）、ネットワークプロセッサ、等のような１又は複数の特定目的処理装置も含み得る。処理装置９０２は、本願明細書で議論する工程又はステップを実行する命令９２６を実行するよう構成される。

コンピューティング装置９００は、ネットワーク９１８と通信できるネットワークインタフェース装置９２２を更に有しても良い。コンピューティング装置９００は、ディスプレイ装置９１０（例えば、液晶ディスプレイ（ＬＣＤ）又は陰極線管（ＣＲＴ））、英数字入力装置９１２（例えば、キーボード）、カーソル制御装置９１４（例えば、マウス）、及び信号生成装置９２０（例えば、スピーカ）も有しても良い。少なくとも一実施形態では、ディスプレイ装置９１０、英数字入力装置９１２、及びカーソル制御装置９１４は、単一のコンポーネント又は装置（例えば、ＬＣＤタッチスクリーン）に結合されても良い。

データ記憶装置９１６は、コンピュータ可読記憶媒体９２４を有しても良い。コンピュータ可読記憶媒体９２４には、本願明細書に記載の方法又は機能のうちの任意の１又は複数を実施する１又は複数の命令セット９２６（例えば、共通性マネジャ１１２）が格納される。命令９２６は、コンピューティング装置９００による実行中に、主記憶９０４内に及び／又は処理装置９０２内に完全に又は少なくとも部分的に存在し得る。主記憶９０４及び処理装置９０２も、コンピュータ可読媒体を構成する。命令は、さらに、ネットワークインタフェース装置９２２によりネットワーク９１８を介して送信又は受信されても良い。

コンピュータ可読記憶媒体９２６は例示的な実施形態で単一媒体であるとして図示されたが、用語「コンピュータ可読記憶媒体」は、１又は複数の命令セットを格納する単一の媒体又は複数の媒体（例えば、中央又は分散型データベース、及び／又は関連キャッシュ及びサーバ）を含み得る。用語「コンピュータ可読記憶媒体」は、機械による実行のために命令セットを格納しエンコードし又は持ち運ぶことが可能であり、機械に本開示の方法のうち任意の１又は複数を実行させる任意の媒体も含み得る。用語「コンピュータ可読記憶媒体」は、固体メモリ、光学媒体及び磁気媒体を含むと考えられるが、これらに限定されない。

本開示で及び特に添付の特許請求の範囲（例えば、添付の特許請求の範囲の本体）で使用される用語は、概して、広義の（open）用語と考えられる（例えば、用語「含む（including）」は「含むが、限定されない」と解釈されても良く、用語「有する（having）」は「少なくとも有する」と解釈されても良く、用語「含む（includes）」は「含むが、限定されない」と解釈されても良い）。

さらに、特定数の導入された請求項の引用が意図される場合、このような意図は、請求項の中に明示的に示され、このような引用が存在しない場合はこのような意図が存在しない。例えば、理解の助けとして、以下の添付の特許請求の範囲は、請求項の引用を導入するために、「少なくとも１つの」及び「１又は複数の」をいう前置語句の使用を含み得る。しかしながら、このような語句の使用は、同じ請求項が前置語句「１又は複数」又は「少なくとも１つの」及び「ａ又はａｎ」のような不定冠詞を含むときでも、不定冠詞「ａ、ａｎ」による請求項引用の導入がこのような導入された請求項引用を含む任意の特定の請求項をこのような引用を１つだけ含む実施形態に限定することを示すと考えられてはならない（例えば、「ａ」及び／又は「ａｎ」は「少なくとも１つの」又は「１又は複数の」を意味すると解釈されるべきである）。同様のことは、請求項引用を導入するために使用される定冠詞の使用についても該当する。

さらに、特定数の導入された請求項引用が明示的に引用される場合、当業者は、このような引用が少なくとも引用された番号を意味することと解釈され得ることを認識するだろう（例えば、「２つの引用」はそのままで、他の変更が無ければ、少なくとも２つの引用、又は２以上の引用を意味する）。さらに、「Ａ、Ｂ、Ｃ、等のうちの少なくとも１つ」又は「Ａ、Ｂ、Ｃ、等のうちの１又は複数」に類似する慣例が用いられる例では、通常、このような構成は、Ａのみ、Ｂのみ、Ｃのみ、Ａ及びＢを一緒に、Ａ及びＣを一緒に、Ｂ及びＣを一緒に、又はＡ、Ｂ、Ｃを一緒に、等を含むと意図される。

さらに、２以上の代替用語を表す任意の離接語又は語句は、説明、請求項、又は図面の中であるかに係わらず、用語のうちの１つ、用語のうちのいずれか、又は両方の用語を含む可能性を包含すると理解され得る。例えば、語句「Ａ又はＢ」は、「Ａ」又は「Ｂ」又は「Ａ及びＢ」の可能性を含むと理解され得る。

本願明細書に記載した実施形態は、コンピュータにより実行可能な命令又はデータ構造を伝える又は格納しているコンピュータ可読媒体を用いて実施され得る。このようなコンピュータ可読媒体は、汎用又は特定目的コンピュータによりアクセスできる利用可能な媒体であり得る。例として且つ限定ではなく、このようなコンピュータ可読媒体は、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read−Only Memory）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read−Only Memory）、ＣＤ−ＲＯＭ（Compact Disc Read−Only Memory）又は他の光ディスク記憶装置、磁気ディスク記憶装置又は他の磁気記憶装置、フラッシュメモリ装置（例えば、固体メモリ素子）を含む非一時的コンピュータ可読記憶媒体、又はコンピュータにより実行可能な命令若しくはデータ構造の形式で所望のプログラムコード手段を伝える若しくは格納するために用いられ汎用若しくは特定目的コンピュータによりアクセス可能な他の媒体を有し得る。上述の組合せも、コンピュータ可読媒体の範囲に包含され得る。

コンピュータにより実行可能な命令は、例えば、汎用コンピュータ、特定目的コンピュータ（例えば、１又は複数のプロセッサ）又は特定目的処理装置に特定の機能又は機能グループを実行させる命令及びデータを有しても良い。本発明の主題は構造的特徴及び／又は方法論的動作に特有の言葉で記載されたが、本発明の主題は、特許請求の範囲に定められる上述の特定の特徴又は動作に限定されないことが理解されるべきである。むしろ、上述の特定の特徴及び動作は、特許請求の範囲の実施の例示的形態として開示されたものである。

本願明細書で用いられるように、用語「モジュール」又は「コンポーネント」は、モジュール若しくはコンポーネントの動作を実行するよう構成される特定ハードウェア実装、及び／又はコンピューティングシステムの汎用ハードウェア（例えばコンピュータ可読媒体、処理装置、等）に格納され及び／又はそれらにより実行され得るソフトウェアオブジェクト若しくはソフトウェアルーチンを表しても良い。幾つかの実施形態では、本願明細書に記載されたのと異なるコンポーネント、モジュール、エンジン及びサービスは、（例えば、別個のスレッドとして）コンピューティングシステムで実行されるオブジェクト又は処理として実施されても良い。本願明細書に記載のシステム及び方法の幾つかは概して（汎用ハードウェアに格納される及び／又はそれにより実行される）ソフトウェアで実装されるように記載されたが、専用ハードウェアの実装又はソフトウェアと専用ハードウェアの組み合わせの実装も可能であり考えられる。この説明では、「コンピュータエンティティ」は、本願明細書で先に定められたようにコンピューティングシステム、又はコンピューティングシステムで実行されるモジュール若しくはモジュールの組合せであっても良い。

本願明細書に記載された全ての例及び条件文は、教育上の目的で、読者が本発明の原理及び発明者により考案された概念を理解するのを助け、技術を促進させるためであり、これらの特に記載された例及び条件に限定されないものと考えられるべきである。本開示の実施形態が詳細に記載されたが、種々の変更、置換及び修正が本開示の精神及び範囲から逸脱することなく行われうることが理解されるべきである。

以上の実施形態に関連し、更に以下の付記を開示する。
（付記１） 処理装置により、電子文書からアイテムを選択するステップと、
前記処理装置により、前記電子文書から前記アイテムに関連するデータを抽出するステップと、
前記アイテムに関連する前記データの中の前記アイテムを含む第１のリストを識別するステップと、
前記処理装置により、前記第１のリストの識別に応答して、前記第１のリストを精緻化するステップと、
前記第１のリストがユーザ関心と整合することを検証するステップと、
前記第１のリストが前記ユーザ関心と整合するとき、電子データ記憶装置に前記第１のリストを保存するステップと、
前記第１のリストが前記ユーザ関心と整合しないとき、第２のアイテムを選択するステップと、
を有する方法。
（付記２） 前記電子文書から前記アイテムに関連するデータを抽出するステップは、
電子的情報源にナビゲートするステップと、
前記電子的情報源に関連付けられる１又は複数のアイテムをフェッチするステップと、
前記電子的情報源に関連付けられる１又は複数のリストをフェッチするステップと、
を有する、付記１に記載の方法。
（付記３） 前記第１のリストを精緻化するステップは、
前記第１のリストからアイテムの文字列リストを抽出するステップと、
前記アイテムの文字列リストに基づき、接尾語木を構築するステップと、
前記接尾語木の中の繰り返しパターンを検出するステップと、
前記アイテムの文字列リストの中の各々のアイテムの中に現れるパターンを識別するステップと、
メトリックに基づき特徴パターンを選択するステップと、
前記特徴パターンに基づき、前記アイテムの文字列リストの中の２以上のアイテムをグループ化するステップと、
を有する、付記１に記載の方法。
（付記４） 前記電子文書の中の第３のリストを識別するステップと、
前記第３のリストからメタデータを抽出するステップと、
を更に有する付記１に記載の方法。
（付記５） 前記第１のリストがユーザ関心と整合することを検証するステップは、
前記第１のリストのメタデータを前記第３のリストからのメタデータに統合するステップと、
前記第１のリストに第１の重みを、前記第３のリストに第２の重みを、割り当てるステップと、
前記第１のリストの第１のベクトル表現及び前記第３のリストの第２のベクトル表現を生成するステップと、
前記ユーザ関心とのコンテンツに基づく一致を計算するステップと、
前記コンテンツに基づく一致に基づき、前記第１のリスト又は前記第３のリストのいずれかの少なくとも１つのアイテムをフィルタリングするステップと、
を有する、付記４に記載の方法。
（付記６） 前記第１のリストは、更新優先度スコアと共に前記電子データ記憶装置に保存される、付記１に記載の方法。
（付記７） リスト種類スコアを得て、
整合性スコアを計算し、
豊富度スコアを計算し、
新鮮度スコアを計算し、
前記整合性スコア、豊富度スコア、又は前記新鮮度スコアのうちの少なくとも１つに基づき、前記更新優先度スコアを計算する、
ことにより、前記更新優先度スコアを計算するステップ、を更に有する付記６に記載の方法。
（付記８） 前記アイテムは、ユーザにより前記電子文書から選択される、付記１に記載の方法。
（付記９） 前記アイテムは、ウェブページ、ビデオ、又はブログエントリのうちの１又は複数を有するメディアアイテムであり、前記第１のリストは、プレイリスト、ブログカテゴリ、又は教育コースの概要のうちの１又は複数である、付記１に記載の方法。
（付記１０） 工程を実行するためにプロセッサにより実行可能な符号化されたプログラムコードを有する非一時的コンピュータ可読媒体であって、前記工程は、
処理装置により、電子文書からアイテムを選択するステップと、
前記処理装置により、前記電子文書から前記アイテムに関連するデータを抽出するステップと、
前記アイテムに関連する前記データの中の前記アイテムを含む第１のリストを識別するのに失敗することに応答して、前記処理装置により、前記アイテムを含む第２のリストを生成するステップと、
前記第２のリストがユーザ関心と整合することを検証するステップと、
前記第２のリストが前記ユーザ関心と整合するとき、電子データ記憶装置に前記第２のリストを保存するステップと、
前記第２のリストが前記ユーザ関心と整合しないとき、第２のアイテムを選択するステップと、
を有する、非一時的コンピュータ可読媒体。
（付記１１） 前記電子文書から前記アイテムに関連するデータを抽出するステップは、
電子的情報源にナビゲートするステップと、
前記電子的情報源に関連付けられる１又は複数のアイテムをフェッチするステップと、
前記電子的情報源に関連付けられる１又は複数のリストをフェッチするステップと、
を有する、付記１０に記載の非一時的コンピュータ可読媒体。
（付記１２） 前記第１のリストは、更新優先度スコアと共に前記電子データ記憶装置に保存される、付記１１に記載の非一時的コンピュータ可読媒体。
（付記１３） 前記工程は、
リスト種類スコアを得て、
整合性スコアを計算し、
豊富度スコアを計算し、
新鮮度スコアを計算し、
前記整合性スコア、豊富度スコア、又は前記新鮮度スコアのうちの少なくとも１つに基づき、前記更新優先度スコアを計算する、
ことにより、前記更新優先度スコアを計算するステップ、を更に有する、付記１２に記載の非一時的コンピュータ可読媒体。
（付記１４） 前記アイテムは、ユーザにより前記電子文書から選択される、付記１１に記載の非一時的コンピュータ可読媒体。
（付記１５） メモリと、
前記メモリに動作可能に結合される処理装置と、
を有し、前記処理装置は、
電子文書からアイテムを選択し、
前記電子文書から前記アイテムに関連するデータを抽出し、
前記アイテムを含む第１のリストが前記電子文書に関連付けられるか否かを識別し、
前記第１のリストの識別に応答して、前記第１のリストを精緻化し、
前記第１のリストを識別するのに失敗することに応答して、前記アイテムを含む第２のリストを生成し、
前記第１のリストがユーザ関心と整合することを検証し、
前記第１のリストが前記ユーザ関心と整合するとき、前記第１のリストを電子データ記憶装置に保存し、
前記第１のリストが前記ユーザ関心と整合しないとき、第２のアイテムを選択する、
よう構成される、システム。
（付記１６） 前記第１のリストを精緻化するとき、前記処理装置は、
前記第１のリストからアイテムの文字列リストを抽出し、
前記アイテムの文字列リストに基づき、接尾語木を構築し、
前記接尾語木の中の繰り返しパターンを検出し、
前記アイテムの文字列リストの中の各々のアイテムの中に現れるパターンを識別し、
メトリックに基づき特徴パターンを選択し、
前記特徴パターンに基づき、前記文字列リストの中の２以上のアイテムをグループ化する、
よう構成される、付記１５に記載のシステム。
（付記１７） 前記処理装置は、
前記電子文書の中の第３のリストを識別し、
前記第３のリストからメタデータを抽出する、
よう更に構成される、付記１５に記載のシステム。
（付記１８） 前記第１のリストがユーザ関心と整合することを検証するとき、前記処理装置は、
前記第１のリストのメタデータを前記第３のリストからのメタデータに統合し、
前記第１のリストに第１の重みを、前記第３のリストに第２の重みを、割り当て、
前記第１のリストの第１のベクトル表現及び前記第３のリストの第２のベクトル表現を生成し、
前記ユーザ関心とのコンテンツに基づく一致を計算し、
前記コンテンツに基づく一致に基づき、前記第１のリスト又は前記第３のリストのいずれかの少なくとも１つのアイテムをフィルタリングする、
よう構成される、付記１７に記載のシステム。
（付記１９） 前記第１のリストは、更新優先度スコアと共に前記電子データ記憶装置に保存される、付記１５に記載のシステム。
（付記２０） 前記処理装置は、
リスト種類スコアを得て、
整合性スコアを計算し、
豊富度スコアを計算し、
新鮮度スコアを計算し、
前記整合性スコア、豊富度スコア、又は前記新鮮度スコアのうちの少なくとも１つに基づき、前記更新優先度スコアを計算する、
ことにより、前記更新優先度スコアを計算するよう更に構成される、付記１９に記載のシステム。

１０４ クライアント装置
１０８ ネットワーク
１１０ サーバ
１１２ 共通性マネジャ
１１４ データ記憶装置
１２０ コンテンツホスト
１２４ コンテンツアイテム
１２６ リスト
２０２ メディアアイテム
２０４ リスト
２０６ プレイリスト
２０８、２１０、２１２ リスト

Claims (20)

1. 処理装置により、電子文書からアイテムを選択するステップと、
   前記処理装置により、前記電子文書から前記アイテムに関連するデータを抽出するステップと、
   前記アイテムに関連する前記データの中の前記アイテムを含む第１のリストを識別するステップと、
   前記処理装置により、前記第１のリストの識別に応答して、前記第１のリストを精緻化するステップと、
   前記第１のリストがユーザ関心と整合することを検証するステップと、
   前記第１のリストが前記ユーザ関心と整合するとき、電子データ記憶装置に前記第１のリストを保存するステップと、
   前記第１のリストが前記ユーザ関心と整合しないとき、第２のアイテムを選択するステップと、
   を有する方法。
2. 前記電子文書から前記アイテムに関連するデータを抽出するステップは、
   電子的情報源にナビゲートするステップと、
   前記電子的情報源に関連付けられる１又は複数のアイテムをフェッチするステップと、
   前記電子的情報源に関連付けられる１又は複数のリストをフェッチするステップと、
   を有する、請求項１に記載の方法。
3. 前記第１のリストを精緻化するステップは、
   前記第１のリストからアイテムの文字列リストを抽出するステップと、
   前記アイテムの文字列リストに基づき、接尾語木を構築するステップと、
   前記接尾語木の中の繰り返しパターンを検出するステップと、
   前記アイテムの文字列リストの中の各々のアイテムの中に現れるパターンを識別するステップと、
   メトリックに基づき特徴パターンを選択するステップと、
   前記特徴パターンに基づき、前記アイテムの文字列リストの中の２以上のアイテムをグループ化するステップと、
   を有する、請求項１に記載の方法。
4. 前記アイテムを含む精緻化リストに関連する第３のリストを識別するステップと、
   前記第３のリストからメタデータを抽出するステップと、
   を更に有する請求項１に記載の方法。
5. 前記第１のリストがユーザ関心と整合することを検証するステップは、
   前記第１のリストのメタデータを前記第３のリストからのメタデータに統合するステップと、
   前記第１のリストの第１のベクトル表現及び前記第３のリストの第２のベクトル表現を生成するステップと、
   前記第1及び第２のベクトル表現と１又は複数のユーザ関心ベクトルとの間の距離を計算することにより前記ユーザ関心とのコンテンツに基づく一致を計算するステップと、
   前記コンテンツに基づく一致に基づき、前記第１のリスト又は前記第３のリストのいずれかをフィルタリングするステップと、
   を有する、請求項４に記載の方法。
6. 前記第１のリストは、更新優先度スコアと共に前記電子データ記憶装置に保存される、請求項１に記載の方法。
7. リスト種類スコアを得て、
   整合性スコアを計算し、
   豊富度スコアを計算し、
   新鮮度スコアを計算し、
   前記整合性スコア、豊富度スコア、又は前記新鮮度スコアのうちの少なくとも１つに基づき、前記更新優先度スコアを計算する、
   ことにより、前記更新優先度スコアを計算するステップ、を更に有する請求項６に記載の方法。
8. 前記アイテムは、ユーザにより前記電子文書から選択される、請求項１に記載の方法。
9. 前記アイテムは、ウェブページ、ビデオ、又はブログエントリのうちの１又は複数を有するメディアアイテムであり、前記第１のリストは、プレイリスト、ブログカテゴリ、又は教育コースの概要のうちの１又は複数である、請求項１に記載の方法。
10. 工程を実行するためにプロセッサにより実行可能な符号化されたプログラムコードを有する非一時的コンピュータ可読媒体であって、前記工程は、
    処理装置により、電子文書からアイテムを選択するステップと、
    前記処理装置により、前記電子文書から前記アイテムに関連するデータを抽出するステップと、
    前記アイテムに関連する前記データの中の前記アイテムを含む第１のリストを識別するのに失敗することに応答して、前記処理装置により、前記アイテムを含む第２のリストを生成するステップと、
    前記第２のリストがユーザ関心と整合することを検証するステップと、
    前記第２のリストが前記ユーザ関心と整合するとき、電子データ記憶装置に前記第２のリストを保存するステップと、
    前記第２のリストが前記ユーザ関心と整合しないとき、第２のアイテムを選択するステップと、
    を有する、非一時的コンピュータ可読媒体。
11. 前記電子文書から前記アイテムに関連するデータを抽出するステップは、
    電子的情報源にナビゲートするステップと、
    前記電子的情報源に関連付けられる１又は複数のアイテムをフェッチするステップと、
    前記電子的情報源に関連付けられる１又は複数のリストをフェッチするステップと、
    を有する、請求項１０に記載の非一時的コンピュータ可読媒体。
12. 前記第１のリストは、更新優先度スコアと共に前記電子データ記憶装置に保存される、請求項１１に記載の非一時的コンピュータ可読媒体。
13. 前記工程は、
    リスト種類スコアを得て、
    整合性スコアを計算し、
    豊富度スコアを計算し、
    新鮮度スコアを計算し、
    前記整合性スコア、豊富度スコア、又は前記新鮮度スコアのうちの少なくとも１つに基づき、前記更新優先度スコアを計算する、
    ことにより、前記更新優先度スコアを計算するステップ、を更に有する、請求項１２に記載の非一時的コンピュータ可読媒体。
14. 前記アイテムは、ユーザにより前記電子文書から選択される、請求項１１に記載の非一時的コンピュータ可読媒体。
15. メモリと、
    前記メモリに動作可能に結合される処理装置と、
    を有し、前記処理装置は、
    電子文書からアイテムを選択し、
    前記電子文書から前記アイテムに関連するデータを抽出し、
    前記アイテムを含む第１のリストが前記電子文書に関連付けられるか否かを識別し、
    前記第１のリストの識別に応答して、前記第１のリストを精緻化し、
    前記第１のリストを識別するのに失敗することに応答して、前記アイテムを含む第２のリストを生成し、
    前記第１のリストがユーザ関心と整合することを検証し、
    前記第１のリストが前記ユーザ関心と整合するとき、前記第１のリストを電子データ記憶装置に保存し、
    前記第１のリストが前記ユーザ関心と整合しないとき、第２のアイテムを選択する、
    よう構成される、システム。
16. 前記第１のリストを精緻化するとき、前記処理装置は、
    前記第１のリストからアイテムの文字列リストを抽出し、
    前記アイテムの文字列リストに基づき、接尾語木を構築し、
    前記接尾語木の中の繰り返しパターンを検出し、
    前記アイテムの文字列リストの中の各々のアイテムの中に現れるパターンを識別し、
    メトリックに基づき特徴パターンを選択し、
    前記特徴パターンに基づき、前記文字列リストの中の２以上のアイテムをグループ化する、
    よう構成される、請求項１５に記載のシステム。
17. 前記処理装置は、
    前記アイテムを含む精緻化リストに関連する第３のリストを識別し、
    前記第３のリストからメタデータを抽出する、
    よう更に構成される、請求項１５に記載のシステム。
18. 前記第１のリストがユーザ関心と整合することを検証するとき、前記処理装置は、
    前記第１のリストのメタデータを前記第３のリストからのメタデータに統合し、
    前記第１のリストの第１のベクトル表現及び前記第３のリストの第２のベクトル表現を生成し、
    前記第1及び第２のベクトル表現と１又は複数のユーザ関心ベクトルとの間の距離を計算することにより前記ユーザ関心とのコンテンツに基づく一致を計算し、
    前記コンテンツに基づく一致に基づき、前記第１のリスト又は前記第３のリストのいずれかをフィルタリングする、
    よう構成される、請求項１７に記載のシステム。
19. 前記第１のリストは、更新優先度スコアと共に前記電子データ記憶装置に保存される、請求項１５に記載のシステム。
20. 前記処理装置は、
    リスト種類スコアを得て、
    整合性スコアを計算し、
    豊富度スコアを計算し、
    新鮮度スコアを計算し、
    前記整合性スコア、豊富度スコア、又は前記新鮮度スコアのうちの少なくとも１つに基づき、前記更新優先度スコアを計算する、
    ことにより、前記更新優先度スコアを計算するよう更に構成される、請求項１９に記載のシステム。

Images