CN1316078A

CN1316078A - Tic∶利用按保留隐私方式提供针对性内容的消费者属性分级模型,基于在线报告用户端解释的电子内容定制

Info

Publication number: CN1316078A
Application number: CN99808323A
Authority: CN
Inventors: G·A·克拉默尔; M·B·沃格尔; D·B·波斯纳
Original assignee: ENSAIPP Co Ltd
Current assignee: ENSAIPP Co Ltd
Priority date: 1998-07-07
Filing date: 1999-07-07
Publication date: 2001-10-03
Also published as: WO2000002112A3; EP1093603A2; WO2000002112A9; IL140144A0; AU5667299A; US6327574B1; WO2000002112A2; JP2002520689A; IL140144A

Abstract

提供一种系统和方法,用于解释并扩展以电子方式送达个人消费者计算机的具有结构的单据,其中所利用的消费者描述由反映该消费者在线与离线交易的信息导出并得到维护,通过选择最接近于符合该消费者描述的结构单据中编码的可变内容选项来实现。该消费者描述在逻辑上由该消费者计算机控制,因而对属于该消费者个人的并保密的信息提供了增强的安全性,而且还允许如网站等第三方以电子方式将结构单据送达该消费者,使得这种单据的定制基于该消费者描述。该消费者描述所包括的分级属性向量,逐次提高抽象分级对消费者属性进行编码,允许就一消费者其抽象数据或抽象属性的任意组合进行查询。该消费者描述靠反映每个交易对该消费者描述的相关性、并随时间的推移交易的影响衰减这种处理而更新。选择内容的选择处理允许选择多项内容项通过有限的显示空间依次向消费者显示。此外,金融单据被安排成便于将内含或促销信息放入分别的交易行,以便利用消费者对账单的视觉扫视。

Description

TIC：利用按保留隐私方式提供针对性内容的消费者属性分级模型，基于在线报告用户端解释的电子内容定制

相关专利申请的交叉引用

本专利申请是1999年2月1日申请的发明名称为“按保留隐私方式提供针对性内容的消费者属性分级模型(HIERARCHICAL MODELS OF CONSUMER ATTRIBUTESFOR TARGETING CONTENT IN A PRIVACY-PRESERVING MANNER)”的美国专利申请U.S.Ser.No.09/241,546的部分继续申请，而在先申请是1999年1月20日申请的发明名称为“基于在线报告用户端解释的电子内容定制(CUSTOMIZATION OFELECTRONIC CONTENT BASED ON USER SIDE INTERPRETATION OF ONLINE REPORTS)”的美国专利申请U.S.Ser.No.09/235,610的部分继续申请，其中的在先申请又是1998年7月7日申请的美国临时专利申请U.S.Ser.No.60/091,979的继续申请，所有这些均包含在这里作为参照。

A．背景

1．发明领域

本发明涉及根据由电子通道接收并为消费者阅览的从具有结构的信息当中提取的交易数据，建立和维护消费者模型，并利用该模型，以不泄露消费者隐私的方式帮助提供诸如广告或特惠报价这种具针对性的内容。

2．背景

当今消费者通过电子系统接收大量的信息。许多消费者访问互联网或私有网络来阅览信息，诸如个人银行帐单，信用卡报告，股票证券，在线对帐，在线交易收据，商业网站，个人主页等。这种结构信息中的某些反映了消费者“离线”发生的行为，例如在零售公司完成的信用卡业务，借贷、支票或其他银行业务，而这种结果信息中的某些则完全表示在线行为(包括商业行为和非商业行为这两者)。在线行为也包括本质上不是直接商业的行为，如使用互联网时的点击进入行为。这类行为被俘获至用户计算机上存储的例如URL(统一资源定位符)历史文档这种具有结构的单据中。

大多数业务的关键目标是根据消费者的兴趣、偏好或统计结果，将消费者有兴趣的产品和服务针对性地提供给消费者。因此，做了许多努力来确定消费者的兴趣，并针对迎合这种兴趣的产品和服务提供内容(例如促销，广告)。

以往对于消费者许多种类的业务，例如信用卡或银行业务，消费者收到信用卡公司、银行和其他金融机构打印的帐单。通常纸质帐单本身只包含识别每笔交易的有限信息，即交易量、日期等。在消费者查阅他们的打印帐单时，为了提高广告机会，这些机构常常在帐单上加上附加的促销插入内容，希望消费者看到这些分立内容并被鼓励去购买广告的产品或服务。过去，只可能提供针对性有限的广告插入内容。此外，传统的信用卡和银行帐单并不专门将这些内容构成消费者查阅帐单时便于扫视到的样式。

随着使用因特网的消费者的增加，广告商找到了将促销信息有针对地提供给阅览网页等的消费者的途径，万维网(WWW)中“旗帜招幌(banner)”广告常用于向阅览种种网页的消费者促销产品和服务。许多网站试图根据用户输入的内容，例如搜索请求或其他经网站处理的消费者输入，来提供旗帜招幌广告。但基于单次消费者输入的针对性提供未必是消费者实际感兴趣的旗帜招幌广告。这是因为消费者经常搜索和需要的信息未必与他们的总体兴趣，偏爱或统计有关。即便消费者搜索与他们兴趣有关的信息，他们在线的行为仅可反映他们兴趣的一小部分和某些兴趣的相对重要性，但消费者在离线情况下对某些兴趣的相对重要性会在很大程度上背离在线行为。因此，在线行为并不能表示在线情况下可能导致交易达成的兴趣。

某些网站试图借助于存储对每个消费者包含某些类型识别数据的数据库来引导消费者。当一消费者访问一个与该数据库相连的网站时，根据该消费者数据可以选择具有针对性的广告。但因为记录了有关他们某些行为的个人信息(典型地仅是在网站中靠点击进入的场合)，而这些信息在没有他们同意或控制的情况下存入数据库，所以此方法使消费者丧失了隐私。此时，网站的拥有者在合适的时候就能免费使用这些消费者信息。另外，此消费者信息通常是基于有关消费者极有限信息的，既不能准确地反映他们的真实兴趣和偏爱，也不能随消费者的在线和离线行为自动改变。而且，此信息一般限于消费者与特定网站的先前交往。另一方面，试图在许多无关网站之间共享用户信息的新业务正不断出现，但这种机制会破坏消费者隐私，并且很可能破坏全世界各种司法体制中的消费者保护法。

因此，希望提供一种利用关于消费者的历史行为信息(包括在线或离线行为)，扩充消费者所接收并查阅的结构单据，同时确保每个消费者个人隐私的系统、方法、体系以及各种软件产品。

此外，还希望提供一种利用消费者在审视信用卡、银行帐单或其他具有结构的金融单据时所具有的扫视过程以及认知联想优点，以确保促销资料得到阅览的同时，还确保这种阅览不是靠消费者的理解而是按开门见山的方式进行的系统、方法、体系以及各种软件产品。

B．发明概述

本发明克服向消费者提供符合他们兴趣、偏爱、统计或心理(psychographics)的客户内容的传统模型以及引导方法的局限性。现有系统利用数据仓库，从各种渠道集合信息，建立具有相关消费者偏爱的统计段，确定消费者占据哪一统计段或哪些统计段，并将与该统计段的相关信息发送给消费者。

本发明对于信息建立在对电子方式送达消费者的具有结构的单据进行分析或“解释”的基础上，以根据在线和离线行为以及业务的广泛形态建立该消费者的消费者描述。具体来说，利用由消费者特定交易映射到某些属性与该消费者之间的相关估值这种数学函数，来建立该消费者的具体模型。这些模型可用于将若干条有条件内容按它们与该消费者的属性的匹配程度，进而按它们对该消费者兴趣、偏爱、心理或统计的迎合程度进行排序。按启示处理的显示方法，扩充按电子方式送达消费者的带有有条件内容的结构单据，(通过其排序)允许该消费者首先看到最适当的那条内容，若消费者这样表示，接着便看到其次最适当的那条内容，依次类推。消费者可利用一内容旋转器有选择地阅览一组排序的有条件内容。

随着从电子方式送达的具有结构的单据和诸如内容选择这种消费者行为当中提取的信息，连续更新消费者描述，从而反映对该消费者兴趣、偏爱和统计的准确和及时的估价。该消费者描述也可随着就商家、产品接收到的信息或从远端源经网络接收到的消费者模型参数而更新。如同通过商业和非商业交易所反映的那样，假定消费者兴趣、偏爱和统计的改变，将由他们行为的改变所反映。

消费者属性可以按分级模型定义，所集合的属性具有从低级属性(是所集合的本身或基础级属性)得出的数值。按此方式，可相对该模型评估任意复杂的查询，以针对非常特定的消费者。分级模型进一步允许对有条件内容的递归选择，初始的内容选择利用较高级集合属性，后续选择则利用为该较高级基础的较低级属性和每一级所选定内容中消费者兴趣表达式这两者的组合。

消费者属性由个人交易的相关性更新。还可以利用相对最新的交易和交易发生或不发生的可能性来更新属性。

如在此说明的那样，本发明一实施例是一个支持下列功能，由软件、知识库和进程组成的集成系统：

·建立一由数据值向量组成的模型，使得每个数据值利用该消费者的消费者数据库中的事实，来表示该消费者的某些属性：心理学质量、特定兴趣属性、收入水平等，加上解释此数据值向量的数学框架。

·将该模型各元素组合到分级框架中，帮助逐步提炼消费者属性。

·在不需要具有消费者、其交易或模型结果任何知识的内容创作器情况下，利用该数据库和模型，使电子方式送达消费者、并包括根据消费者模型选定和排序的有条件内容在内的总体内容具有针对性，要么具有个性。

·提供支持消费者实现有选择地按照其次序阅览有条件内容的机制。

另一方面，本发明克服传统机制的局限性，通过将具有结构的单据中具有针对性的内容安排使得消费者执行他们的银行、信用卡或其他具结构帐单或单据的阅览任务时需要消费者眼光落在此内容上，来确保消费者阅览符合他们兴趣、偏爱或统计的针对性内容。该具结构的单据组织为一组交易；每笔交易分配给一交易行，并按将针对性内容定位于交易行中的安排方式在显示器上提供该交易行。

一实施例中，交易行包括针对性内容的位置布局，该内容位于视觉上该交易的两个重要信息字段之间的空档，该信息字段对消费者而言，需要在认知上联系在一起，以理解该交易或处置该交易。信用卡帐单(或类似的金融帐单)这种示例性布局将针对性内容置于该交易商家名字和交易量之间。这种布局确保消费者在例行扫视核对该帐单时势必会看到该针对性内容。在银行帐单中，类似的布局将针对性内容置于交易描述(例如支票号、交易类型等)和交易量之间。其他类型的单据中，交易可以是面向信息的，而且所完成的视觉扫视过程是为了使涉及该交易的信息定位。这里该交易的信息字段可以利用促销内容分隔，该促销内容在两个重要的信息字段之间显示。

本发明另一方面，按有利于在各个交易的前后文中显示附加的促销内容而不使金融帐单过分拥挤的方式显示金融帐单。此方面一实施例中，每笔交易涉及具体的交易信息，例如商家的联络信息(例如地址、电话号码，网站)和显示交易细节的交易收据(例如购买的货品、提供的服务、旅行计划等)。首先，金融帐单显示有足够的信息字段以识别该交易，例如商家的名字、日期以及交易量。这些显示的字段其中之一超链接到具体的交易信息。当用户点击此超链接时，便替代原先所显示的信息字段(或附加)显示具体信息。此外，与原先所显示的信息字段一起显示的是与特定交易相关联的促销内容。因为只在有请求时才显示具体的交易信息，所以显示器上有足够的显示空间来显示促销信息。

本发明该方面另一实施例中，当显示金融帐单时，它会包含涉及多种类别的交易，例如航空旅行、饭店、汽车花费等。与这些交易在一起显示的有多个类别选项，每个与一特定类别相关。这些类别最好根据消费者本身的特定消费习惯，以便每个消费者阅览对他们有用、且与他们的购买行为有关的类别的类别选项。当消费者选择一类别选项，便只显示该类别当中的交易。对于上述当前显示的类别当中所选定的某些类别，显示促销内容，最好与个别的某些交易相关。通过提供自动显示对消费者有用类别交易的类别选项，消费者就很想看到这些类别以估量他们的购买行为。这样便能有第二次显示机会，以显示附加的促销内容。

C．附图简述

图1是按本发明的系统的图示。

图2是示例性结构单据的图示。

图3A和图3B是启示信用卡帐单的图示。

图4图示了4个样板单据的示例性启示。

图5A和5B图示了一个经启示的网页的例子。

图6是应用万维网客户机端和服务器端的结构的图示。

图7是客户端过程的流程图，用于解释和启示基于web网的结构单据。

图8是对启示单据使用层次消费者模型的系统的图示。

图9是一个层次属性向量的图示。

图10启示分类过程的流程图。

图11a和11b是说明属性向量更新的表。

图12a和12b是说明属性向量更新的表，表中较老的交易逐渐消失。

图13a和13b是说明包括组合属性的属性向量更新的表。

图14是带有内容旋转器的一个经启示的信用卡帐单的图示。

图15是激活内容旋转器以后的一个经启示的信用卡帐单的另一个图示。

图16是激活内容旋转器以后的一个经启示的信用卡帐单的另一个图示。

图17是内容的分层辨别的效果的图示。

图18是内容的分层辨别的效果的另一图示。

图19是经启示的信用卡帐单的图示。

图20图示了一个交易信息细目窗。

图21图示了一个包括垂直入口引导的信用卡帐单。

图22图示了一个用于就餐的垂直入口。

图23图示了用于就餐的垂直入口的另一种配置。

图24图示了用于旅行的垂直入口。

图25图示了用于旅行的垂直入口的另一种配置。

1．详细说明

A．术语

使用下列术语可以理解本发明：

·“消费者”是使用商品或服务的个人或组织。在这里它可以是一个人或如消费单位(如一个家庭，一个公司)那样活动的一组人；

·“内容”是以包括文字、图形、视频和/或音频的任何一种形式提供的信息；

·“观察者”是消费单位的代表(们)，内容是提示给他(们)；

·“交易”是一个事件，在某特定时刻或某特定时间段内，一定数量的资源或信息在消费者和供应商(或内容提供者)之间进行交换；

·“交易报告”是某一组消费者交易的报告，它包括识别消费者和消费者交易的描述信息；

·“模型”是一个数学函数，它试图根据从过去的交易中导出的兴趣与行为预测对未来交易的消费者的吸引，它由一个属性向量和一组映射函数组成；

·“属性向量”是一个数据值的向量，向量的每个元素表示消费者的一个属性；

·“映射函数”是一个数学函数，用于在其实信息例如有关交易的数据或一个人是否怀孕)和属性向量的元素之间进行转换；

·“针对性”是根据消费者和/或观察者的兴趣、需求、能力及其他属性选择将什么材料提供给观察者；

·“启示”是一段选择的内容，加上查询信息用于确定内容与消费者模型的属性匹配的程度；

·“个性化”意味着内容的细节以及将内容提供观察者的方式包装成适合于消费者和/或观察者；以及

·“供应商”是销售或提供一个产品或服务给消费者的一个实体。

B．系统概况

参照图1，示出了按照本发明的系统的一个实施例，系统100包括：

一个本地访问设备102，具有本机内存，计算能力，永久存储器，显示器，和网络连结(如带有连结到因特网服务提供者的调制解调器-mode的一台个人计算机或一个连到电缆起端的智能电视机顶盒)。

在网络上一个或多个支持TIC的数据服务器104，它下载软件并提供能用于将交易或行为信息分析成构成的单据来构造个人数据库的一般信息(即不专门对任何特定消费者的信息)，它还开发消费者模型并提交内容选项的指针(或其他参照)，该内容选项的选择是根据消费者模型或对个人数据库的查询的基础上。

一个或多个服务器106a，它分配系统已知格式的在线交易报告。

一个或多个服务器106b，它分配包括嵌入标签和查询的内容108。如图1所示，报告服务器和内容服务器可以是同一个服务器。

用于因特网的本发明的一个实施例在下面根据图6作进一步描述。

C．启示和解释

本发明包括两个主要的独立过程：解释和启示。

解释涉及对报告和由TIC使用的构成文档进行语法分析及其他分析的过程，来构造个人数据库和消费者模型。该模型基于的数据源包括任何消费者交易报告，它可以直接或通过网络存放到他的本地计算机设备中。那样的报告可以包括信用卡帐单，银行帐单，用电子方式提供的帐单，证券投资报告(investmentportfolio)，医疗报告，购买收据，税单，由浏览器产生的URL历史文档，由观察者填写的表格和任何其他可以电子方式得到的有关消费者的可分析和可解释的数据。因为那样的报告通常在个人在线和离线活动的广泛范围内提供精确和非常详细的数据，由TIC开发的模型可以是极其精确和完整的。

报告格式，包括为分析报告数据和使用数据更新用户模型所必须的信息，可以自描述，即可以作为中间数据嵌入报告本身内的注释标签的格式内，或者可由在TIC操作者管理的某些整体可访问数据库中的报告源检索。实际上，任何对用户设备可用的足够的结构单据能用作为TIC的数据源。它们能包括数据库，日志，以及直接由用户本身或由在用户计算机上运行的软件维护和产生的报告。例子包括数据库和由个人金融软件、税务准备软件、借支应用软件、日程表、由网络浏览器产生的URL历史文档、驻留在用户计算机中的软件表产生的报告，和当前活动处理的报告以及用户计算机的窗口。

由于在TIC模型中可用信息的细节的本质和等级，TIC的用户需要高度的保密。TIC提供的保密是，由TIC收集，产生和推导出的信息均不会离开用户的控制。数据和推断完全在用户计算机中用于为用户定制内容并使其个性化的目的。对于TIC而言，有关的用户信息仅从外面的来源流入用户计算机(以及本地控制的存储设备)。用户可以使用由TIC提供的信息返回到内容提供者，但是这是直接由用户完成而与TIC无关。

参照图2，示出了一个示例性的构成的单据的图例，此处是一个信用卡帐单和在解释过程中被有用地提取，以便更新一个描述的信息类型。对于一个如信用卡报告200那样的结构单据，解释抽取有关每笔交易202的信息，如容易的日期/时间204，发生交易的实体206，交易的位置206，由消费者达成交易的资源量210(此处以美元计)。此处提取的信息既能用于更新消费者模型，又能用于将有关消费者的交易、偏爱或兴趣的新事实加到数据库中。

启示是一个过程，用(可能)有关的多媒体内容注释或替代单据或其他媒体的段。典型的是在原先内容上扩展新内容和/或提供此信息的更有兴趣的表示。例如，一个公司或产品的名字可以用图形徽标或到主页的超链接，用视频表示或对某些完全不同的产品或公司的表示来启示；一个格式中的输入字段可以借助于用请求信息替代它来启示；一个视频广播中的空点可以用一个商业广告来替代。对一个给定的段的启示的选择可以取决于该段的内容，该单据的整个内容，用于启示其他段作出的选择，该内容被看到的时间和位置等上下关系和观察者的属性和描述。启示可以发生在媒体制作和提交过程中任何一点。在启示选择中的灵活程度和上下依赖关系取决于此启示发生的早晚，取决于对此启示有多少有关上下关系的信息可以使用。灵活程度从静态内容(即对所有观察者和上下关系内容是相同的)跨越到观察者特定的内容(即随每个观察者改变的内容)。

图3A和3B示出了一个信用卡帐单的示例性启示。在图3A上显示了一张出现在消费者的计算机的信用卡帐单300，其中没有得益于按照本发明的启示。那样的帐单300通过电子方式从信用卡公司(或类似的金融机构)发送到消费者的个人计算机用于查阅，还可能用于支付未付的帐单。此帐单300简单地将每笔交易列入一行文字，通常描述日期，商家名字，交易识别符，位置和交易量。根据这些个人交易，选择广告的机会被浪费了。

现在考虑图3B，示出了在按照本发明启示以后的信用卡帐单。首先，许多简单文字的商家名字被图标307所替代，后者示出了商家的特定商号或标记。正是在消费者查看与商家的特定交易时增强了对商标的识别。第二，借助于在某个交易中包括商家的第二个商品/服务的图标308，协同商标是方便的。例如，在Chevron^_费用的交易行中包括奔驰汽车的图标308。选择哪个第二商家的图标308包括在该交易中是根据消费者的描述，使用此描述选择一系列可变内容中的一个，当信用卡帐单按电子方式收到时将其编码到其中。

第三，启示提供了用到商家网站(或者任何其他由可选的内容数据确定的网站)的超链接310来替代如商家名字那样的静态文字。因此，这里的将静态信用卡帐单转换成个动态单据，允许消费者在查看信用卡帐的过程中即时访问有关商家更多有信息。

第四，启示将促销内容312插入特定的交易。在图示的例中，一个促销赠券是针对该笔交易的商家以外的另一个商家的商品。这就便于商家群体的共同市场运动。选择哪个商家的赠券包括在启示的交易中也基于该消费者的描述和每个编码入本交易帐单的可选内容的属性。因此，由于消费者个人消费描述的差异，与同一个商家交易的不同消费者可以收到完全不同的赠券312或协同商标308的图标。

最后，注意到帐单304的顶部扩充成包括又一个商的图标306，在此情况他没有任何交易列出在该消费者的信用卡帐单中。下面将更详细地叙述，此图标306和其他启示元素(如307,308,310和312)的选择可由涉及构成的单据的不同段(如头部，每个交易行，底部等)和构成单据本身的策略有用地管理，此处各单据段具有各自的所有者来确定启示的策略。策略的使用进一步扩展了有控制地选择促销信息的机会，因为构成的单据的每一段可用不同的策略，不同地影响了相对于消费者描述的内容的选择。

图3A和3B的例子说明了对信用卡帐单的启示；启示可以应用于任何类型的构成的单据(一般其长度使得能用叙述可选的内容的信息制成格式)。按照本发明通常包括任何类型的金融帐单(如银行帐单或股票交割单)，或通常的交易帐单(如与服务或产品推销商的商业交易)。

D．本发明的示例性应用

1．单据样板中信息和多媒体内容的替换

在最简单的TIC应用中，一个文档或其他形式的媒体是具有模板的形式。模板包含静态内容和可变内容段。可变内容段用变量或表达式标记，它们在客户数据库的上下关系中计算以产生在此段中显示的实际内容的描述。例如，如果客户数据库包括观察者的名字作为变量view.name的值，则一个单据就可借助于用标记view.name指定变量段来对每个特定的观察者编址。

图4说明了此应用过程。此处一个以电子方式提供的赠券400包括一个变量段402，它用消费者名字的变量编码；示出的四个赠券的每一个从同一的基本模板以样的方式定制。在消费者的计算机上出现时，从客户数据库中提取消费者的名字并插入变量段，形成定制的赠券。

类似的标记也能用于对在merchant.logo(商家ID=123456)中特定商家或组织指定徽标或URL或其他内容信息。这些标记能在包括单独的观察者的上下关系的制作过程的任何点被计算。

2．定制万维网页

另一类构成的单据是网页，它们的HYML注释单据的格式在企业内部网或因特网上发送，并可使用如Netscape公司的Communicator或微软公司的InternetExplorer的网上浏览器查阅，HTML标记确定了该单据的各种元素的格式和内容。典型的是，这些标记的元素包括对其他单据的参照，后者作为标记加载并由浏览器进行计算。

对这样的TIC应用，在希望有可选的内容处在单据中包括专门的标记。这些可选的内容标记将包括那样的信息，它们相对于单独的消费者描述进行计算产生与内容一起出现的选项，计算的准则是确定每个选项对每个单独的观察者的依赖的适当性的量度。那样的属性的例子可以包括观察者的年龄和性别，她的收入水平，她是否管家，是否常外出就餐，常到亚洲旅行，具有宠物，或者她是否对科学感兴趣。基于该观察者的模型，TIC将对每个选项计算准则并选择具有最高贴切程度的选项。其结果是到同一网址的一个支持TIC网页的两不同观察者能得到十分不同的内容，并具有十分不同的经历。

图5A和5B示出这种应用的两个例子，在图5A中示出一个示例性网页500，它已被启示并考虑到新家庭的消费描述予以增扩。此处网页500是一个商家的主页，并已被增扩，使包括与消费者/新家庭的兴趣相关的信息。例如，在网页的顶部插入就餐计划的促销信息502，而且按照新家庭改变的消费模式(例如反复购买尿片说明在该家庭中有婴儿)，促销对新家庭有兴趣的商家的有关婴儿的服务的信息504将包括在网页的第三行中。

现参照图5B，同样的商家的主页对不同的消费者作了不同的启示，这是一个未婚的滑雪者。现在在网页506中顶部有不同的促销项目508，鼓励滑雪的假期。类似地，因为未婚滑雪者的交易不涉及孩子的出现，网页的第三行包括不同的促销信息510，这次是拍卖旅行。

本例的显示具有一个模板化的网页，它能根据查阅该网页的消费者的消费描述增扩信息。

这种方法不同于现有的“个性化网页”(如在Yahoo.com中的“My Yahoo”)，因为消费者的描述是根据消费者在线及离线的交易行为，而不是仅仅一张表或指定静态的偏爱和消费者的选择(例如，由消费者选择哪种新主题、股票名字等包括在个性化网页上)。在前述的例子中，消费者在访问该商家的网站以前并未预选对他感兴趣的那些促销信息。实际上甚至不需要消费者与该网站有以前的接触。相反，即使消费者第一次访问该网站，根据消费者的描述动态地作出启示该网页的信息的选择。与现有的“个性化网页”的方法的另一个差别是消费者的描述在消费者计算机的控制下被储存。此方法提供了一个额外等级的保留隐私。

对网页或其他构成的单据的可选的内容的范围是有限的，TIC的这个应用能用于如实现基于杂志的个性化网页，其中按照观察者的兴趣与偏爱选择与提供文章。此应用还能用来选择并使广告及其他类型的商业意图个性化。

3．以电子方式自动完成字段

此应用说明了TIC的启示和解释功能。当将一个格式提供给用户时，TIC能将其作为一个模板处理，其中格式的输入字段作为表达式处理，它对相应的用户数据进行计算。

例如标记类似名字、地址、社会保险号、婚姻状况、年收入等字段，而且在客户数据库中能取得到值的字段在该格式提供给用户以前自动填好。这部分应用使用了TIC的启示部分。在填好未填的字段或改变了由TIC预填的字段以后，当格式被提交时，TIC将该格式作为需要解释的单据。因此，在其值不为TIC所已知或已被模型中的值改变的标记字段中信息被TIC提取，并用于更新和扩展在客户数据库中的个人信息。

4．选择的电视广告节目

TIC的此项应用是基于看到，对通过有线或卫星的电视广播可得到的带宽大于支持标准的广播节目所必需的带宽。超过带宽情况的一种选择是带着选择准则同时广播多个广告和其他类型的发布。装备TIC的电视机项盒选择最合适的可能的广告和发布。

对双向交互式电视，一种方案是对TIC以类似于对万维网实现提出的方法选择内容。即不是同时发生带选择准则的多个广告，而只有准则被发送到小得多的数据管理线。机顶盒或交互式电视能针对本地数据库计算选择准则并从源头请求适当的广告。

***

下一段进一步描述本发明的一个实施例

E．基本概念

1．产品，消费者和观察者

“产品”意为任何物体或活动，它可用于任意目的，它的使用可以直接或间接地通过某种形式的报告，即以电子方式送达的结构单据看到。一个产品的使用称为“消费”。任何个人或如一个产品消费单位那样行为的一群个人称之为“消费者”。典型地，由TIC分析的交易报告的总体表示的组成消费单元的个人群体是在任何特定时间实际观察内容的个人集合的超集。术语“观察者”用于区分从整个消费单位在消费者计算机上实际观看选择的内容的实体(它本身可以是一组个人)。例如，一个新生儿将不作为选择内容的观察者参与，但恰是整个消费单位的一部分。所以，通常婴儿产品与包括新生儿的消费单位相关，但是根据生活方式，一个人可以对新生儿比其他人更有责任感，因此知道哪个人在观看该内容对于选择针对新生儿的内容是重要的。通常，对给定的产品或活动的要求既取决于整个消费单位的需要与兴趣，也取决于特定观察者组的专门需要与兴趣。用于选择内容的查询与两者均相关。

2．描述：消费者和产品的事实与模型

TIC区分“事实”与“模型”，且允许根据其中之一或两者选择内容。事实包括由直接观察获得的，从交易报告抽取的或由普通的TIC事实数据库提供的信息。事实的例子包括有关个人交易，交易的统计综合(总数、平均等)，从格式中获得的个人信息和有关产品和商家的一般接触、关系和分类信息。例如，基于事实的选择查询可以查询关于特定产品的购买或从特定商家的产品分类，或商家的分类。“模型”表示一个从事实发展的理论或数学上的结构，用于作出有关消费者当前和/或未来状态或行为的猜测和预测。一个消费者描述包括消费者模型和包含有关该消费者的事实的数据库。在TIC中，模型的函数是预测在某时间给定的产品对给定的消费者的吸引程度。

F．TIC模型的部分

TIC能在一个共同的架构内同时支持多个模型。在一个实施例中，一个TIC模型包括下列部分：

1．一个特征数值组

一个TIC模型的基础是选择特征数值，它们在一起在给定时间构成一个给定消费者或产品的模型。这些特征与它们的值的本质是该模型的性质。例如，一种方法是借助于如保守性，社会意识，身份意识与某些行为属性给出一个人的特征。另一种方法是借助于行为与某些原始模型，如母亲、生意人、职业妇女等相关的程度来给出行为的特征。另外，特征可具有少量或没有直觉的意义。它们可以简单地是由消费者行为的某些统计分析确定的公式化数学结构。除了特征的值能表示成实数外，TIC并不限制特征或它们的解释的选择。

对于一个对象的特征值可以表示成一个实数向量，其中每个值测量相应的特征适用于消费者或产品的程度。例如，保守属性的值可以在0与1之间，其中1表示完全保守，0表示完全激进。对一个消费者的特征数值向量表示他的兴趣的模型而一个产品的特征数值向量表示该产品的吸引力的模型。

2．一个吸引力函数

通常，在给定时刻一个消费者描述和一个产品描述之间的关系越大，该产品对消费者的吸引力也越大。“吸引力函数”是一个过程，作为消费者与产品的描述的函数计算给定产品对给定消费者的吸引力。例如，一个吸引力函数可以是基于消费者和吸引力描述的推广的内积，如每个相应的特征数值对相乘结果的加权和。

3．吸引力描述的赋值

消费者描述从分析消费者的过去交易导出。给定的交易对消费者描述作出的贡献认为是取决于在交易中消费的产品，交易的时间，和由消费者达成交易的资源量。为了将交易用于模型化产品必须具有预赋的吸引力描述。典型的是对商家或产品的吸引力描述根据已知的统计，市场研究或专家们的直觉知识先验地被指定。此外，在随意选取的消费者的明确许可下，消费者描述可以反馈到模型中以便精化吸引力函数。

4．消费者描述更新过程

消费者描述的维护是一个不断进行的过程。在具有有关消费者任何交易数据以前，对该消费者根据已知的统计信息赋以初始描述。消费者描述的更新过程分析每个新解释的交易，特别是产品或商家的描述，交易时间和交易量，来产生精化的描述。典型地，此过程取决于比当前描述及新的交易更多的东西。它还可能需要维持在各种时段有关描述和交易历史的总计和其他综合数据。例如，可能需要维持在各种时段内对每种特征的总的资源消费，记住如超过某阈值量的购买的特定交易和在不同时段描述的变化。

G．TIC部分的概貌

TIC系统分成客户机和服务器。客户机系统是被观察者使用的。TIC服务器系统是在客户机系统之外，它提供TIC软件和被客户系统使用于解释和选择的一般信息。除了提供客户需要的信息以外，所有重要的TIC处理(即解释和选择)均发生在客户系统中。除了TIC服务器以外，TIC环境包括第三方软件，它提供用于解释的报告数据，已被启示的内容，和/或需要启示的内容。TIC或第三方软件均可以提供物理的盘存储器，用于逻辑上在客户系统控制下的加密数据。

1．客户机端部分

TIC的客户端包括一个表示消费者模型的数据库和填写数据库(从单据解释)并使用模型选择及个性化内容的方法。

a)消费者信息

所有涉及一个消费者的个人信息在该消费者的观察设备的控制下提出并作为一个对象存入TIC数据库。选择的准则作为对比数据库的查询实现，且可以参照事实(“与Macys有任何已知的交易吗？”)、模型(“看来此家庭中某人怀孕？”)或两者。

由TIC维持的有关消费者的信息的数据库包括下列部分。

b)事实数据库

事实数据库包括有关消费者的个人信息(如名字、地址、社会保险号)，交易历史(如从Macys的信用卡购买)和交易数据以及在交易领域中有关元素的事实的综合(如对一给定商家的URL-网址及电话号，两个商家是竞争者的事实，产品到产品的类别映射，两个产品是互补的事实)。

c)模型数据

这是与每个活动的TIC模型的当前状态有关的数据。它包括当前的特征数值，综合数据变化，和模型为了继续更新和作出基于模型的内容选择所需要的另外的数据。

d)中间数据

中间数据描述数据类型，数据来源，综合项目，事实与猜测的相关性，当前的猜测，完整性约束，更新的频率，报告格式和从报告数据到数据库概要(shemas)的映射。中间数据还包括观察者与TIC的交互的历史和由内容选择引擎使用的策略。在同样的如“普通数据的上下关系中中间数据能查询和推理，在这个意义上该系统是考虑周到的。

e)日程表

日程表由调度程序使用，管理模型的更新和维护。消费者数据库和模型的所有部分是动态的。导致数据库附加项目的新报告和过时的事实能被忘记(从数据库中除去)而只留下它们对综合数据的贡献。作为肯定或否定的猜测的改变被积累。新的和改变的推理规则和中间数据周期地下载到客户系统。

f)报告解释器

报告解释器分析在线单据并将输入项解释作为事实。报告格式和从报告到事实数据库中概要的映射可以是自己生成(self-documenting)(即在报告本身中规定)或可以借助于在服务器数据库中的源登录并作为中间数据下载和储存。当输入新的事实时，与一致性约束相关的触发器被激活来下载附加数据(如输入一个与未知商家的交易引起将有关该商家的信息从服务器数据库下载)。类似地，当对一个猜测的事实关键被下载时，模型化引擎被调用来更新置信度测量并引进新的猜测。

g)模型化引擎

模型化引擎更新消费者模型以响应新的事实，或者在选择引擎查询时进行。

h)选择引擎

选择引擎在提供可选的内容选项时选择提供给观察者的内容。选择是由贴切程度(由媒体拥有者的策略和内容提供者规定)，相关性(根据内容提供者规定的相关性准则从观察者的模型计算得到)和由媒体拥有者和TIC操作者规定的整个业务策略控制的。相关性准则是作为一个逻辑表达式表示，它相对于观察者模型计算，凭借使用计算其他猜想同样的推理产生可信度测量。在表示和使用中实际上此准则确定了猜想：“此内容是在当前时刻相对于当前的观察者的”。

i)调度程序

在较好的配置中，TIC作为在客户计算机中作为后台服务执行的。调度程序负责调度系统的维护，包括下载用户预订的报告以及正常的更新事实，规则和策略。

2,TIC服务器端部

服务器端的主要目的是用作客户系统所需的信息的仓库。这里包括：

·报告中间数据：分析和解释单据所需的信息。

·领域(Domain)特定的事实数据库：有关报告元素的信息。例如，在解释信用卡报告中，它们包括商家和产品识别符，对商家，产品和制造商的联系和分类信息，和在商家，产品和制造商之间的关系。

·URL(网址)和软件分类数据库：它们对于根据活动的网页，窗口和过程分析观察者的行为特别重要。

·规则和策略：规则和策略被模型化和选择选择引擎用于更新用户模型和测量及选择内容。

·内容描述数据库：这里数据库的元素包括对实际内容的参照和相关性准则以及为计算贴切程度和与业务策略一致性所需的中间数据。

·统计，算帐和管理数据库：这些数据库跟踪观察者的数目以及为付帐和确定TIC内容选择的整体有效性所需的其他统计。

H．用于选择的信息

1．描述和数据的老化/进化：趋势预测

一个消费者的描述随时间变化。通常，这些变化是进化，在某些情况甚至可以预测。一般，属性以不同的速度变化，而且通常变化速率本身取决于当前的描述。因此，例如对年青人的描述比年长人的描述变化更快。某些变化是可以预计的。怀孕或者终止，或者导致一个新生儿。在某些情况，变化的形态可以预计，但精确的定时却不能(如，在某一点，几乎每个青少年变成特定关心他或她的出现，虽然发生时个人的年龄可以变化)。在这些情况，某些特定的指示，如购买粉刺药，可以用于发现发生了转变。通常，特定类型的变化可以用消费描述的变化(如从妇产商店购买)来识别。捕捉TIC使用的时间依赖性的一种方法是在变化的时间周期计算和维持描述，并跟踪这些描述的差别，即描述的变化。因此，选择准则和被计算的属性可以是根据可指定时间周期的行为和行为的变化。

2．选择数据

由TIC用于选择的信息有四个基本部分：

1．个人信息和在线行为；

2．交易信息和综合；

3．有关消费者图形心理学和统计属性的猜测和引起消费者描述的间断性和可能是根本性改变的重要事件的预测。生育、结婚、离婚、购房和类似的变迁是重要的，因为它们导致对描述的根本性改变并导致在变迁阶段十分不同的行为。

4．关于当前观察者的图形心理学和统计属性的猜测。

前两部分包含纯粹的经验数据，它们或者借助于直接观察在线行为，或者借助于可靠报告的解释而获得的。第三部分是理论上的；它表示一个有关消费者特征行为及生活方式和基于前二部分中的信息的潜在的变化的推测。第四个也是主要基于在线行为的推测，并用于将单独的观察者从作为整体的消费单位区分开来。

3．个人信息和在线行为

如名字和社会保险号那样的个人信息从由用户填写的在线格式中或从在线帐单的解释中抽取并积累。个人数据的主要用途是预填在线格式，并作为如年龄，婚姻状况，小孩的数目和年龄的统计信息的来源。

在线的行为包括如哪些应用软件驻留在用户机器上，当前活动是那个应用程序，喜好的网站，访问的最近状况(recency)和频率，以及TIC的互相作用，包括显示什么内容，何时、什么内容引出从用户来的在线响应。在线行为的来源包括日志和由浏览器维持的历史文件的解释和在支持TIC的单据中行为的直接记录。

4．交易历史和综合

交易历史由解释在线报告获得。一个“报告范例”意味着一个特定供应商描述特定一组交易的单据，如对说明发生在一特定时间周期内的交易的特定帐单的信用卡报告。一个“报告”意味着从一给定的供应商来的报告范例(如从Citibank来的信用卡报告)的格式。一个给定报告的所有报告范例最好具有共同的格式，即能被同一个分析器分析。(例如，若一个信用卡公司根据信用卡的类别具有多个信用卡报告格式，则每一个被考虑成一个不同的报告)。一个“报告类型”意味一类具有共同解释的报告，如信用卡报告。

对每个报告类型，TIC将其联系到一个数据库概要(schema)和综合数据。综合数据包括对最近状况及频率的统计和对单个产品和销售商以及对各类产品和销售商的累计总量。对一给定的报告类型的所有报告范例被到一共同的概要并被综合。因此，所有信用卡报告将被成同一数据库概要而无关于来源。例如对信用卡的概要应包括对会计帐目、售出日期、销售量、商家识别符、委托号及地点的字段。

5．消费者和观察者描述

消费者和观察者模型作为对各部分属性的权向量表示，而消费者描述取决于所有的观察和交易报告。对于当前的观察者，该观察者的描述只从应用到当前观察者的观察与报告被计算。观察者可得到的描述信息的范围取决客户的环境。至少，它包括TIC当前会话期中的活动。如果可以得到URL(网址)历史报告，它就被TIC解释，因为它对于区分当前观察本身的特定兴趣与作为消费单位的成员观察者的兴趣是有用的。

I．内容如何被选择

1．选择准则

一个内容叙述数据库的每个元素包含一个内容说明符合一个选择规则。该选择规则的目的是确定，被指定的内容是否将对一个给定的消费者有兴趣。一个选择规则表示为一个查询表达式，后者针对TIC消费者数据库进行计算。有两个基本类型的选择准则，它们可以使用逻辑连接符(非、与、或)联络形成一个给定的规则。

2．基于模型的试验

一个吸引力向量与一个阈值参数一起确定了基于模型的试验。基于模型的试验可以对作为整体的消费者单位指定，或针对单独观察者指定。吸引力向量针对指定的用户模型试验。阈值参数用于改变试验的敏感度。

3．直接的数据库查询

这些是针对交易历史和综合的任意数据库查询。例如，“此消费者已经是我的顾客吗？”“该消费者是竞争者X的消费者吗？”“在过去一年内该消费者已在消费电子产品上花费至少一千美元吗？”。

4．选择策略

选择策略用于确定一特定内容片断对一给定的消费者或观察者的适合性，并与之相联系。另一方面，选择策略与内容的潜在场合有关。策略典型地由这些场合的拥有者确定，并用于限止一组对那样场合考虑的后选内容，而且用于在多个后选内容适合时选择使用哪个后选内容。例如，对美洲银行(BANK of Americe)信用卡帐单上出现在表目“Circuit City”中的内容可以服从由美洲银行确定的策略，该银行拥有具有该表目的网页Circuit City，并拥有TIC操作员的一般策略。选择准则测试消费者的适用性的地方选择策略测试内容的适用性，在这意义上选择策略在本质上相似于选择准则。

J．在万维网上实现TIC的体系结构

1．概貌

前面已提到，TIC特别好地适合于作为万维网的应用程序。观察者通过如Netscape公司的Communicator或微软公司的Internet Explorer那样的因特网浏览器查阅内容。在此情况下，通过HTTP访问报告数据，并被表示成XML标注的文本。在报告中，使用XML标记规定报告的类型，报告的来源和报告的格式。

带着TIC可选内容选项的网页表示为XML标注的HTML文本。专门为XML标记注明带着选择约束和显示准则的可选的内容。TIC促成了这些网页的显示。TIC可以是config.d作为插件，如Shockware或作为Java applet。支持TIC的网页在通过浏览器显示以前由TIC进行预处理。规定格式和可解释报告数据的解释的XML标记由TIC计算，该报告数据被解释，可选内容标记的数据被计算以通过TICURL产生一个对实际内容的参照，而且那个参照来替代可选内容的说明。TIC特定的标记制成条状，形成的网页传到浏览器用于显示。替代可选择内容的TIC URL被报到TIC帐目服务器。

2．客户机端部分

参照图6，显示了一个TIC客户端部分600和服务器端的较佳实施例，其中Windows NT作为客户端操作系统，Netscape 4.0作为客户机端浏览器X。在此实施例中，TIC用Java编写。对其他的客户操作系统和网络浏览器，可以构造类似的实施方案。

a)安全客户数据库

TIC客户机端600的核心是一个安全数据库J。包括交易数据、中间数据、模型数据。日程表数据、策略、管理信息、TIC服务器604的定位等任何类型的所有消费者特定的永久性数据驻留在数据库且仅能通过数据库接口访问。访问数据库是通过Java。只有TIC软件能访问数据库访问程序，而且盘上的数据格式在客户机(即消费者计算机)的控制下用一个专用密钥加密。图6示出了驻留在本地客户/消费者计算机的客户数据库，这是一较佳实施例。但是在另外的实施例中，客户数据库物理上驻留在其他设备上，只是逻辑上被消费者计算机控制，所以数据库的访问仍然完全在消费者控制下。

除了维护客户指定的数据以外，客户数据库J用作对TIC服务器数据库604的缓存。因此，所有查询，即使对如有关商家或产品那样数据的一般信息的查询首先在客户数据库J中计算。如果本地没有可用的数据，而且没有标志说明全局信息不可得到，则在TIC服务器604计算该数据的远程查询。如果未返回信息，指示该信息不能得到的标志与时标一起储存。如果请求的数据可以得到，它返回给客户并储存在客户数据库J。

d)系统维护服务

在较佳实施方案中，交易报告的下载和解释，为了软件维护以及其他数据请求与TIC服务器的通信由作为后台过程运行的一个系统维护服务L处理。此服务L的活动由在TIC日程表调度的事件驱动，TIC日程表是在客户服务器J中的<activity,time>对表，它们被调度程序M使用来在适当时间初始化该活动。版本信息和协议和访问消费者交易报告所必须的信息与事件日程表一起存入客户数据库J中。在完成被调度的活动以前，服务L查询客户数据库J以确定系统库是否已被更新。如果是，重新加载相应的库。

a)调度程序

调度程序M是负责触发维护服务和对预定报告的报告解释的软件服务。

b)预定服务

对正规维护服务更新和报告下载的请求通过预定服务K处理，后者又更新系统事件日程表。

TIC接口和HTML/XML分析器：从浏览器X访问TIC是通过由JavaScript和Java Applets的接口H。因为TIC需要访问本地的永久性存储且需要与TIC数据库通信的网络访问，Java applets以可信的模型运行，所有使用TIC的部分均被验证为有权的。

如在1．概貌节中所述，用于解释和启示的字段使用借助XML分析器分析的XML(扩展的标记语言)标记。网上单据的解释和启示的第一步是将其分析成表结构、这是分析器的作用。此后，该网页的所有处理在此表结构上完成。

e)报告解释器

报告解释器I在分析好的报告上操作。它首先取出识别该报告的XMK标记部分。然后解释器I查询客户数据库J有关该报告的类型和格式。格式表示成一个对象，它包括将该报告的表结构形式分析成逻辑记录流的方法。此报告类型包括解释每个逻辑记录的方法。此方法应用于记录流。

f)网页启示器

网页启示器N在一个分析好的网页上操作。它产生一个启示格式的表，即带有规定TIC启示的XML标记的格式的表。然后，它将该表传送给选择引擎(后者在网页启示器N之中)，选择实际的内容(可能是空内容)来替代每个启示格式。形成的结构然后借助于HTML Printer转回成文本并使用Java Script流到浏览窗口用于显示。

4．服务器端数据服务器

TIC的服务器端部分主要是被动的数据提供器，并由TIC操作员或第三方管理。

a)TIC数据服务器

TIC数据服务器604的主要目的是作为存放软件和如产品描述及推销商接触信息那样与报告的从属内容相关的领域指定数据的仓库。它们表示为标准的关系数据库，带有用于提供，查询和修改它们本身的标准的基于网络的接口。特别地，有四类服务器由TIC操作员管理。

1)记帐服务器

记帐服务器A的功能是跟踪为付帐目的使用的启示。当有条件的启示被URL服务器D选择用于送达客户600而且当所选的启示被客户600选中时，记帐服务器A被更新。

2)领域知识服务器

领域知识服务器B包含涉及报告元素的领域特定的数据。例如，在信用卡情况下，此数据提供了有关商家的信息，包括地址，电话号码，URL等。

3)中间数据服务器

中间数据服务器C提供软件，策略，报告格式，和其他形式的为TIC所需来解释及启示单据的非领域特定数据。

4)选择URL服务器

选择URL服务器D将可选的内容选项提供给网页启示器N。这些选项包括带有相关的内容信令的查询。针对客户数据库J计算此查询以确定最合适的内容信令。当该网页启示器N在诸选择中被选中时，内容信令转换到URL，而且记帐服务器A被更新。

5．第三方服务器

第三方服务器602可以是任何网站，它提供被TIC用于解释和启示的单据或数据。从概念中有三种类型的服务器。但是一个给定的网可以作为一种类型或所有这些类型的服务器使用。事实上，一个的单据可以既能解释(即有一个报告格式，它被分析成数据字段，用于更新安全客户数据库)又能启示(即具有嵌入的TIC标记，它在启示过程中被替换)。

1)报告服务器

一个报告服务器E是被TIC使用的可解释的报告源，TIC使用报告提交在启示过程中使用的安全客户数据库。

2)可启示的单据服务器

一个可启示的单据服务器F提供可启示的单据，它是对TIC启示使能的网页内容。这些单据包括一个Java序言(preamble)，它调用TIC客户端处理和用于可启示元素的TIC标记。

3)启示服务器

因为启示作为URL实现，任何网站可以是用于对可启示的网页进行启示操作的服务器G。该网页启示器N简单地替代该适当的HTML文本。然后因特网浏览器X将该内容自动地嵌入到显示的单据中。

k)示例性解释和启示处理过程

再次参照图6，示出了使用上述体系结构的启示和启示操作。在这些过程中，数据流在Secure Sockets Lager(安全套节层)或标准的HTTP上发生。数据/处理流活动

1．场景1：客户观看支持TIC的报告

1 报告服务器E发送一个TIC标记的报告以响应客户的请求。

2 TIC客户服务600解释此报告，并对TIC服务器604发出请求，请求领域

知识，中间数据和内容选择查询表。TIC客户服务600用相应的信息更新

TIC安全客户数据库J。

3 TIC客户服务600对于客户数据库J中的消费者模型计算查询表，以选择

最相关的选择并请求被选择的URL服务器D发送与该选择有关的URL。被

选择的URL服务器还记录该选择与用于记帐及付帐目的的记帐服务器。

6 TIC客户服务600将控制给回到浏览器X，它借助于分析由TIC客户服务

600放置的URL显示该网页。对这些URL的内容从启示服务器G被分析。

2．场景2：客户观看支持TIC的主页

4 一个可启示的单据服务器F发送一个TIC标记的主页以响应客户的请求。

2 TIC客户服务600解释此网页，并向TIC服务器604请求中间数据和内容

选择查询表。

3 TIC客户服务600针对消费者模型计算查询表以选取最相关的选择并请求

选择URL服务器D发送与该选择有关的URL。被选择的URL服务器D还与

用于记帐与付帐目的的记帐服务器记录该选择。

6 TIC客户服务600将控制送回给浏览器X，它借助于分析由TIC客户服务

3．场景3：客户观看支持TIC的主页

4 一个可启示的单据服务器F从由安全客户数据库J预填的请求字段发送

一个标记的TIC。在客户600将格式发回到服务器F时，TIC客户服务600

解释该格式并用系统的附加和变化更新该安全客户数据库J。

4．场景4：TIC安全客户服务请求经调度的报告

5 报告服务器E发送一个TIC标记的报告以响应从客户600的调度程序M

来的经调度的请求。

2 TIC客户服务600解释此报告并向TIC服务器604请求领域知识和中间数

据。TIC服务600用相关信息更新TIC安全客户数据库J。

L．客户端过程

在浏览器中，TIC被从支持TIC网站加载的网页中的Java Script序言(preamble)激活。图7说明了当启示和解释支持TIC的单据时发生在客户端过程。

1．安装

一个支持TIC网页在一个客户计算机上最初到达702．浏览器网页从支持TIC端包含一个JavaScript序言，后者在步骤704测试客户环境以确定TIC部分是否已安装在客户端，且是最新版本。若TIC尚未安装，则提供客户下载及安装TIC的选项。安装过程706安装Java库，初始化TIC数据库，而且建立，使能并开始TIC后台服务过程。如果TIC已被安装但非最新版本，则安装新的库，而且一个更新applet run和在数据库中的版本信息被更新。

模型被表示成抽象类Model(模型)的子类。除了具有上述的属性和方法以外，类Model的对象具有一个安装方法，它对该模型建立数据库概要，包括储存带着相关触发器的特征数值和综合数据。此安装方法也将Model登录入数据库使它能被使用。一个模型的安装涉及对该模型下载该类定义并对该模型运行安装方法。

2．从浏览器调用TIC来处理网页

在完成任何必要的TIC安装以后，在支持TIC网页中的JavaScript序言确定，TIC处理在客户处是否已被禁止(TIC的禁止典型地在观察者的请求下做的)。若是，则该网页在步骤708通过浏览器而没有任何TIC处理。否则该网站被送到顶层程序，它分析该网页并在步骤712确定是否有任何可解释及可启示的内容。若有可解释的内容，在步骤714确定，该报告是否已被解释。若不是，则根据策略可以在步骤716将其调度由解释器处理过程在后面予以解释，或在步骤718直接解释。在步骤726如果判断它具有可启示的内容，在步骤728调用启示器；否则在步骤730该网页送到浏览器被显示。

对于正规的带有可解释数据的报告，根据销售商的意愿可以运行JavaScript，它向观察者提供专用于报告的选项，即安排使TIC服务过程自动地下载并在规定的时间或时间段内解释此报告。

3．解释一个报告记录

解释一个报告记录的任务被该记录类型的方法处理。每个报告类型具有一相应的概要(schema)，它包括一个或多个带着触发器的交易历史的表，用于更新综合数据并保持参考的完整性。该解释方法首先将记录数据插入一个或多个表中，自动引起更新综合数据，当必须保存参照时下载附加的数据。然后它循环通过登记模型的表将更新方法应用到交易中。

4．选择内容

选择引擎的作用是确定在一网页中对什么可启示的元素进行启示，而且在启示过程中选择使用什么内容。通常，策略将约束在一网页上启示的数目和类型。这些策略借助于约束启示的密度和总数的参数和以针对内容数据库(见下面)被执行的查询的形式的规则来定义。这些规则对一个给定的网页和在该网页中给定的可启示的元素约束后选的组。策略可以关系到网页的类型，该网页的拥有者，和在该网页中一个给定的可启示的元素的拥有者。此外，一个特定的网页可以包含使用XML表示的明确的策略约束。除了约束以外，策略还可以规定用于寻找和挑选满意的启示集并对给定的元素挑选特定的启示的方针和探索。为给出一个可启示的元素，影响挑选的因素可以包括根据一个或多个活动的消费者模型内容的吸引力，频率约束或对内容的一个给定挑选的需求，TIC的销售商偏爱，该网页的拥有者，和给定元素的拥有者。类似对内容的约束，有关挑选方针的策略能隐含地借助于类型和拥有者规定，而且使用XML在该网页中明确表示。

M．层次模型

参照图8，显示了一个按照本发明的系统的一个实施例。系统800包括：

一个计算机设备802，带有本机内存，计算能力，永久存储，显示，和一个网络连接(如带有连到因特网服务提供者的调制解调器的个人计算机或连到电缆源头的智能电视机顶盒)。计算设备802具有到数据库804(它在逻辑上是计算设备的一部分，但它能驻留在设备之外，象在一个网站维持的一个远程服务器计算机上)的访问，它包括从一个结构单据的解释806的过程提出的事实。通过使用映射子系统810，这些事实用于建立个属性向量808。每个新加入到数据库804的事实被提交到映射子系统810，后者使用从中间数据服务器(图7)得到的知识更新该属性向量的数值字段。中间数据被高速缓存在本地数据库804中为映射子系统810所用。

属性向量810的元素表示了如消费者属性，兴趣，偏爱或统计。数据元素最好是归一化按比例的数值，虽然实际值，布尔值或定量数值也可以使用。例如，按比例的数据既可是数值的，如相对收入(如归一化为0到1,0是非常穷，1是很富)，也可是定量的，如“网球方面的兴趣”(如0是没有兴趣，1是网球迷)。选择哪个属性编码入属性向量是取决于系统设计者的判断，且能反映消费者兴趣、偏爱、统计等有用的分类或属性。

属性向量810的元素能在直接存取，或能以各种方式集合和抽取，这将在下作简短的详述。一个有用的抽取是布尔抽象812，它检查该属性向量810的元素并对它们建立逻辑表达式。例如，如果对消费者C的属性向量包括一个元素Xi，它表示消费者C怀孕的可信度，则布尔抽象可以包含一个规则，它将查询怀孕吗?(C)(返回真或假)映射到阈不等式：Xi＞75，此不等式能在对一特定消费者的模型属性向量808中校核。

建立属性向量的目的是允许对启示的后选对象进行计算，并按照它们与该消费者的相关性排序。一个启示包括内容加上一个查询，后者可以是布尔的或是该属性向量的元素的函数。一组未排序的启示814提供给系统802，而且形成一组可选择的内容对象，能用于启示单据的部分。与以电子方式提供到消费者计算机802的结构单据或它的部分相结合，未排序的启示814被收到。即使对单个单据，未排序的启示814可以从一个或多个内容提供者那里收到。例如，若该结构单据是一个信用卡帐单，在每个帐单行中的商家识别符可以负责发送一系列只加到其一行的启示。当一个帐单在一显示设备显示时，每个内容提供者一般只有有限的显示面积提供启示。

然后，启示排序器816使用从三个数据源来的数据(直接从数据库814，属性向量808和布’尔抽象器812)做二件事。首先，它选择一组启示，它们既与数据库804中有关消费者的事实又与消费者的属性向量很好地匹配。第二，启示排序器816以根据从三数据源计算的匹配分数确定的次序对所选的启示进行排序。该排序启示818随后提供给启示显示子系统820，用于展示给该消费者。

N．属性向量

本发明包括一新颖的方法，用于排序和使用从消费者的交易行为导出有关单独消费的信息。解释活动导致一系列存入一数据库的事实。这些事实是非常特定的，例如，一个消费者于1999年元月4日在萨克拉门托的Hertz Car Rental花费了$136.78。在某些情况，一个广告员(如一个竞争的汽车公司)希望选择一个从Hertz租车的人。那样在查询在标准数据库中是容易做的，如使用SQL命令。

但是，在其他情况，一个广告者希望选择一个频繁租车的人。在此情况，具有表示租车习惯的模型属性向量的一个元素是很有益的。那样的元素应有能力在一系列不同的交易中累加汽车租赁数据。也有可能允许属性的强度随时间衰减，使得若个消费者有一段时间未租车，此属性变得不明显了。

1．层次模型使用属性向量

图9画出了包括一组层次向量902,904的属性向量。基层向量902表示包括一系列基层属性的向量X，具有标量值X1,X2,X3……Xn。每个标量值表示不同的消费者属性。例如，X1可以标记对橄榄球的兴趣，X2对棒球的兴趣，X3对排球的兴趣等。虽然，根据描述中的列举，可以有许多个标量。它们可以分组成抽象的集合，每个由集成的属性值表示。例如，考虑层次向量904，它是一个包括标量，a1,a2,a3,……an的向量数a。在此向量904的集成属性与选择的多个基层属性相关。这里，标量a1是表示在体育中的兴趣的集成属性。此值是向量902中数据的提炼。在一个实施例中，a1是向902的元素x1到x6的适当加权和归一化的和；类似地，a2是x7到x9的加权归一化的和，表示标量x7…x9代表的属性的提炼。元素a3与向量902的元素x10相同。

当需要进一步提炼时提炼的过程可以重复。一个层的向量被用作另一个层的向量的基层向量时。例如，向量906具有一个集成属性b1，它与选择的向量904的集成属性a1和a2组合有联系。具有从那些属性导出的值。以这样的方式，可以建立消费者兴趣的分级表示。在一个向量中“体育兴趣”一般被集成的属性是从较低级对橄榄球、棒球、篮球、网球、排球等的属性导出。普通“烹调兴趣”类似他从“烹调”和“去餐馆”属性导出，后者进一步从特定餐馆类型属性，如中国、泰国、意大利等导出。

数据的布尔抽象也是可能的。例如，在布尔抽象器812中的函数的一个例子计算阈值函数[(x2＞.4)&(x7＞.7)]，其中x2和x7从适当的向量和一个属性向量808的元素(基本的或集成)取得。如果x2表示对橄榄球的兴趣，x7是在旧金山的兴趣，则阈值函数对消费者C可以表示为布尔查询“49’er的球迷?(c)”，因而允许一个内容提供者精心设计对他们有条件的内容的与旧金山49’er有关的选择的布尔查询。类似地，也能对“频繁的租车？和怀孕？”建立阈值测试，等等。这些函数仅仅是示例性的；本发明允许任何类型的布尔函数在一个属性向量的元素上实现，并动态地传到布尔抽象器812来执行。

2．启示选择过程

图10画出将一个启示匹配在数据库804中的属性向理和数据的处理流程。如上所述，数据库804包括从消费者交易及从中间数据库取出后高速缓存的有关中间数据导出的事实。映射子系统810更新属性向量808的字段，而布尔抽象器812提供附加的布尔函数，能用于将与接收到的有条件内容有关的向量与消费者的属性向量匹配。

启示排序器816借助于测量数据源804,808和812中的每一个并使用匹配子系统1018对每个启示计算匹配分来选择和排序一组启示。匹配分高于与每个启示相关的阈值的启示被选中；被选中的启示根据匹配分排序，形成排序的启示表。

应该注意到，所有前述启示和产生匹配分的测试均在消费者计算机的控制下，因此启示的提供者没有访问任何有关包括在数据库804中的消费者的高度敏感和秘密的信息。

为了更详细地描述启示匹配过程，描述一个启示的各部分是有用的。启示1030包括三个主要部分：内容1032，若该启示被选中用于显示它将被使用；布尔查询1034，它提供数据库804中的事实或从布尔抽象器抽象的数据的匹配；以及模型数据1036，它进一步包括选择的向量1018和关联性向量1040。

内容1030可以是任何类型的可显示内容。包括文本，超媒体，图像，动画，声频，视频等。

结果，启示排序器816包括一个布尔匹配1016和量度匹配1018。布尔匹配1016计算布尔查询1034，它用于选择所有那些启示，它们满足有关在数据库804的事实或由布尔抽象器812从属性向量808提取的数据的查询约束。

因此，从该组启示中所有布尔查询的计算为TRUE(真)的启示被选择。此结果的意义在于那样的启示确实匹配事实或消费者(他的计算机潜在地被选择用于显示)的交易、兴趣、偏爱或统计的数据描述。

每个布尔查询可以赋以“优先级”，它用于排序一组只使用布尔而不使用模型查询的启示。优先级一般由提供该启示的内容提供赋予。那些优先级较高的启示在排序的启示表中出现较早。如果从属性向量来的数据未被用于匹配过程，赋于该查询的优选度就是由匹配子系统产生的匹配分值。

虽然单是布尔查询可用于选择和排序启示，最好是应用该消费者模型的模型数据对启示作更精细的选择。通过将一个目标向量1038与每个启示相联系就能达到这点。目标向量1038然后借助于量度匹配1018进行比较，产生一个作为该消费者的属性向量808和一个启示的目标向量1038之间的距离(在多维属性空间中)的函数的匹配分。在一个实施例中，此匹配分是两个向量之间的量度距离；在另外的实施例中它可以是两个向量之间的角度测量(从多维空间的原点测量)和两个向量长度测量的结合。

由量度匹配1018使用的属性向量808和目标向量1038可以是属性(如图9中的向量902)的全向量或该全向量(如向量904或906)的任何抽取。但是，一个内容提供者可以只对选定数量的目标向量1038及消费者的属性向量808的分数感兴趣。因此，在一个实施例中启示也包括相关性向量1040，指出目标向量1038的哪些元素是重要的。如果一个相关性向量1040的元素置成0，由该元素代表的属性对匹配不重要；如果置成1，它是十分重要。相关性向量可以在0和1之间变化，指出该属性具有任何重要水平。

最终的匹配分由量度匹配1018作为从布尔查询导出的优先级和从目标向量1038到消费者属性向量808之间的距离的结合(如加权和或乘积)来计算。

进行的归一化，如果匹配是完美的，所选的测量距离将具有匹配分为1，当匹配变得很差，将近似于0，因此，模型分和带有优先级的布尔查询能够协调，而且以能够产生有用结果的方式排序。

3．更新一个消费者模型

本节叙述更新在消费者模型中的属性向量808的部分元素的一个实施例。更新是由映射子系统810管理的。

在属性向量808中的每个元素表示消费者的偏爱，兴趣，图形心理学，统计等方面，或表示对特定专题，类别等感兴趣的概率。这些属性作为对交易与每个属性的相关性的测量的函数被更新。

可以使用相关性的一系列不同的测量来更新属性向量。在一个实施例中，一个交易的相关性的测量是在给定的(以选择的属性表示的)消费者偏爱发生该交易的条件概率。这里可以用Bayesian分析来进行更新。

设P(x｜d)记作给定数据d时(如特定事件发生)x的概率。高P(d｜x)记作知道先验概率x时数据(事件发生)的概率。设～x记作x的否定。并设P(d)是数据的先验概率。

这些属性作为对交易与每个属性的相关性的测量的函数被更新。

可以使用相关性的一系列不同的测量来更新属性向量。在一实施例中，一个交易的相关性的测量是在给定的(以选择的属性表示的)消费者偏爱发生该交易的条件概率。这里可以用Bayesian分析来进行更新。

设P(x｜d)记作给定数据d时(如特定事件发生)x的概率。设P(d｜x)记作知道先验概率x时数据(事件发生)的概率。设～x记作x的否定。并设P(d)是数据的先验概率。

Bayes的定理是：

P(x｜d)=(d｜x)·P(x)/P(d)

但是在P(d)=P(d｜x)P(x)+P(d｜～x)(1-P(x)))的情况，即数据的概率是在x或～x情况的条件概率，我们得到

P(x｜d)=P(d｜x)P(x)/[P(d｜x)P(x)+P(d｜～x)(1-P(x)))]

例子中使用实际内容于变量使其容易理解。概率数值示于图11的表1102中。考虑x指示烹调的兴趣，以及有兴趣的数据是发生在面向烹调商店Williams-Sonoma中的交易，于是：

·P(x)=“对烹调的兴趣的程度(或概率)”

·先验值=.001

·作图11的表1102中1110列的最顶上的值显示

·～x=非x=“在烹调方面不感兴趣”

·计算的值=0.999

·d=“在Williams-Sonoma公司发生的交易”

·此事件用映射子系统810触发应用Bayesian分析。

·P(d｜x)=“给定在烹调上的兴趣在Williams-Sonoma发生交易的概率”

·基于现有数据的统计回归分析赋0.1的值

·P(d｜～x)=“给定在烹调上的无兴趣在Williams-Sonoma交易的概率”

·基于现有数据的统计回归分析赋0.02的值

·显示在图11的表1102中的列1106

·P(x｜d)=“给定在Williams-Sonoma发生的交易在烹调方面感兴趣的程度(或概率)”

·数值被计算且用作P(x)的新的值

·在图11的表1102中列1110的连续的行中数值被更新

下面的程序段(用Java编程语言编写)说明一个借助于映射子系统810作Bayesian更新的实施例。在一个属性向量中的每个属性是类原性的一个范例。此类作为对属性的更新函数定义如下：

    public class Attribute(
        //an attribute has a value.It
        //also has a name by which it can be referenced.
        private double value；
        private String name；
        public boolean update(Transaction txn)(
           //update the value of the attribute according to
           //the Bayesian method.Return true if the value was updated,
           //or false if the value is not updated.
           //First fetch P(d｜x) and P(d｜-x) from the database(804)
           //using the fetch method of the Transaction object.This will
 
           //go out over the net to get the metadata from a metadata server
    
           //if it is not cached
   
           double pdx,pdnx；

          try{

             pdx=txn.fetch("pdx",self)；

             pdnx=txn.fetch("pdnx",self)；

             //If there is no probability data,the transaction is

             //not relevant to this attribute and no updating is done

            )catch (NoProbabilityDataException e){return false；}

         //otherwise apply Bayes'updating

         value=(pdx*value)/(pdx*value+pdnx*(1-value))；
 
          return true；
       }
    }

属性向量类包括一个属性组。此程序段说明一个对所有报告中的交易如何更新属性向量的例子：

    public class AttributeVector{ 
     //an array of attributes
     private Attribute attributeArray[]；
     public void updateAttVector(Report report)(

        //the funotion txnList returns all transactions on the report

        List txnList=report.txnList()；
    
        List txns；

        Attribute att；

        //here we loop over each element in the attribute vector

        for(int i=0；i＜attributeArray.length；i++)(

          att=attributeArray[i]；

          //now, for each txn in the list,we attempt to update.

         while(txns){

           Transaction txn=(Transaction)head(txns)；

           txns=tail(txns)；

           att.update(txn)；

           }

        }
 
     }
  }

图11a和11b显示了示例性的借助于映射子系统810的Bayesian更新的结果，其条件概率被用于建立一个属性的信任度。在图11a中表1102示出P(x)的初始值为0.001(如在由1102列中交易号为0指定的行中指出)，说明在烹调方面没有很大兴趣。在四次交易以后，在列1110中的P(x)值上升到0.385，说明有适度的兴趣。在八次交易以后，P(x)达到0.997，说明对涉及烹调的活动有强烈的偏爱。

如列104和1106所示，P(d｜x)对P(d1～x)的比确定了兴趣的确信度随发生的每笔交易增加的速度。

图11b说明了在表1112中涉及租车的第二个例子，其中在列1114和1116中P(d｜x)对P(d｜～x)的比率较大，兴趣的其实的确信度(在列1120中的P(x))的收敛是比较快。

兴趣的确信度改变的速度可以用兴趣速度来表征。对任何特定偏爱、属性等的兴趣的高速度可被用于推断消费者兴趣的变化，进而推断有关该消费者的事实或环境的变化，如结婚，有孩子，购车，购房等。

虽然Bayesin更新允许新的信息进入系统，但在等式中没有时间因素。时间是重要的，因为很久以前发生的交易在确定当时的偏爱相关性不大。因此，本发明在交易数据的生命周期引入“衰减”，它减少较早的交易对属性得量808影响。

较早交易对属性向量808影响的衰减可以借助于使用在给定时间段内无交易的条件概率更新属性向量808而达到。这就有在其他交易不发生时引入“非交易”的效果，以及上此更新属性向量909的效果。

图12a和12b说明此项技术。除了引入两个新的数值以外所有的概率值与图11a和11b中相同：

·P(n｜x)=“给定烹调方面的兴趣，无有关烹调交易的概率”。

·根据现有数据的统计回归赋0.9的值

·显示在图12a的表1202的1204列中

·P(n｜～x)=“给定在烹调方面无兴趣，无有关烹调交易的概率”

·根据现有数据的统计回归赋0.98的值

·显示在图12a的表1202的1206列中

注意图12a的表1202，示出在周期1和另一周期2的Williams-Sonoma交易，这些周期在1212列中显示。如在图11a的非衰减例子中，两个交易产生同样的概率(示于1214列)，即在同期1是0.005，在周期2是0.024。但是在同期3没有Williams-Sonoma交易且无另外的与烹调有关的交易。因此，涉及在1204和1206列中分别示出的P(n｜x)和P(n｜～x)的非交易被应用，且用对此非交易的适当的概率在此周期内属性向量808被更新。此非交易具有减少对在烹调方面兴趣的概率估计。

随着在周期4中另外的Williams-Sonoma交易兴趣再次提升，且在周期5也如此。但周期6和周期7又导致对烹调兴趣的概率的下降，而周期8(具有Williams-Sonoma交易)又次导致概率增加。

根据使用Bayesian更新来更新整个属性向量有的关程序段(包括使用“非交易实现衰减)，如下面所示。注意，方法updateAttVecfor已被更换，以便作为自量接受Period和Reporf：

    public class AttributeVector{
      //an arrey of attributes
      private Attribute attributeArray[]；
      public void updateAttVector(Report report,Period period){

        //the method txnList returns all transactions on the report

        //that occur within the specified period

       List txnList=report.txnList(period)；

       List txns；

       Attribute att；

       boolean updateApplied；

       //here we loop over each element in the attribute vector

       for(int i=0；i＜attributeArray.length；i++){

          att=attributeArray[i]；

           //now,for each txn in the list,we attempt to update.

          //If we do update,we note

          //that a transaction update has been applied

          updateApplied=false；

          while(txns){

            Transaction txn=(Transaction)head(txns)；

            txns=tail(txns)；

            //update and change updateApplied to be true if there

            //really was an update.
            updateApplied=att.update(txn)｜｜ updateApplied；

           }

        //if no updates were done,then we apply the

       //non-transaction to decay the probability value

       if(!updateApplied)(

         att.nonTransaction()；

         }

       }

      }

类Attribute也具有新的方法应用非交易。这在下面的修改的程序段中示出

  public class Attribute.{
  //an attribute has a value.It
  //also has a name by which it can be referenced.
  private double value；  
  private String name；
				
				<dp n="d33"/>
    public boolean update(Transaction txn){

       //update the value of the attribute accorrding to

       //the Bayesian method. Return true if the value was updated,

       //or false if the value is not updated.

       //First fetch P(d｜x)and P(d｜-x) from the database(804)

       //using the fetch method of the Transaction object.This will

       //go out over the net to get the metadata from a metadata server

       //if it is hot cached

       double pdx, pdnx；

       try(

           pdx=txn.fatch("pdx",self)；

           pdnx=txn.fetch("pdnx",self)；

           //If there is no probability data,the transaction is

           //not relevant to this attribute and no updating is done

           )catch(NoProbabilityDataException e)(return false；)

       //otherwise apply Bayes'updating
       value=(pdx*value)/(pdx*value+pdnx*(1-value))；
       return true；
    }   public void nonTransaction () (

       //update the value of the attribute according to

       //the Bayesian method,using the non-transaction metadata.

       //This will go out over the net to get the metadata from a

       //metadata server if it is not cached 

       //fetch index "pntx" is the probability of a non-transaction

       //given x；

       // "pntnx" is the probability of a non-transaction given not x

       double pntx,pntnx；

       try{

           pntx=att.fetch("pntx",self)；

           pntnx=att.fetch("pntnx",self)；
           //If there is no probability data,the transaction is

           //not relevant to this attribute and no updating is done

           }catch(NoprobabilityDataException e){return；}

        //otherwise apply Bayes'updating

       value=(pntx*value)/(pntx*value+pntnx*(1-value))；

      }
    }

图12b中的表1220示出，值P(n｜x)对P(n｜～x)的比率(列1222和1224)控制可信度衰减的速率。这些值从现有数据组的统计回归确定。

值P(d｜x)和P(d｜～x)是与属性向量808的属性和交易的拥有者的组合相联系的中间数据，而值P(n｜x)对P(n｜～x)是与属性向量的每个组相联系。一个交易的拥有者是一个实体(在数据库804中交易与它相联系)，如对一个金融交易的商家，或对一个URL历史表的网站。先验的概率可以由大量盲目数据的统计分析确定，但被用于精炼特定消费者模型。

在这些例子中P(n｜x)对P(n｜～x)的值不显示出具有对交易的美元的数值的相关性。这里需要的不是这样的。概率可以是交易的任意函数，包括交易拥有者，交易的量和其他交易数据。

当涉及从属性向量808来的综合属性，该综合的值是一系列属性值的加权和归一化的和。图13a和13b图示了对下面交易的条件概率中间数据；

·P(n｜x)=“给定在体育方面的兴趣，发生在Spartsmart的交易的概率”。

·根据现有数据的统计回归赋予0.1的值

·显示在图13a的表1302的列1306

·P(s｜～x)=“给定在体育方面不感兴趣，发生在Spartsmart的交易的概率”

·根据现有数据的统计回归赋予0.02的值

·显示在图13a的表1302中的列1308

·P(n｜x)=“给定在排球上的兴趣发生在VolleyBall World(排球世界)的交易的概率”。

·根据现有数据的统计回归，赋一个数据0.25

·显示在图13a的表1302中列1310

·P(n｜～x)=“给定在排球上无兴趣，发生在VolleyBall World交易的概率”

·根据现有数据的统计回归赋一个数据0.01

·显示在图13a的表1302的列1312

·P(n｜～x)=“给定在体育方面的兴趣发生与体育无关的交易的概率”。

·根据现有数据的统计回归赋一个数据0.9

·显示在图13a的表1302中列1314

·P(n｜～x)=“给定在体育上不兴趣，发生与体育无相关的交易的概率”

·根据现有数据的统计回归，赋一个数据0.98

·显示在图13a的表1302中的1316列。

表1302显示了三个周期交易活动的结果。在列1318中各种体育的兴趣(示在列1304)的初始概率均设成0.10。下一列1320示出在Spartsmart(不认为是对任何特殊体育的)交易后的所有概率值，交易对所有变量X1到X5具有适度的影响。在列1320的最后的值是对X的值，是对体育总的兴趣的指标；它是X1到X5简单的平均。

列1322示出在没有关于体育的交易发生的周期2中所有的概率是如何减少的。然而，在周期3，在VolleyBallWorld发生交易。这示于列1324.注意，非排球对体育的概率减少了，而排球的偏爱增加。X的值也大大地增加了。

在图13b，表1332示出涉及以不同次序的同一组交易的交易活动的三个周期的结果。而且，在列1348对各种体育的兴趣的初始概率(示于列1334)均设成0.10.下一列1350示出在VolleyBallMart的交易以后所有的概率值，它导致X4的值增加0.202，而在列1350的其他值略为减少0.009.在列1350的最后的值又是X的值，是对体育总的兴趣的指标；它是X1到X5的平均值。

列1352示出在没有关于体育的交易发生的周期2中所有的概率是如何减少的。然而，在周期3，在Sportsmart发生交易。这示于列1354.注意，所有的概率增加了，而且X的值也大大地增加了。

加权的和X跟踪在体育方面的总的兴趣，能用于作为对内容提供者的属性向量的综合属性，该内容提供者希望选择信息给对体育总的感兴趣的消费者而不涉及专门的体育项目。如体育营养产品及一般的改善信息落入此种类。

希望选择专门体育项目的内容提供者可使他们的启示匹配更专门的体育分类。例如，这对做网球的商家感兴趣。

虽然一个最佳实施例使用Bayesion更新方法，属性向量的更新可用各种技术完成，包括指数衰减，弱波技术，高斯组合等。

一旦时间依赖的概念如上所述的加入到属性向量808中，很明显布尔抽象器812对于定向选择适合于消费者的内容是强有力的工具。除非在特定兴趣和特定交易之间有很明确的映射，在传统数据库的查询(例如使用SQL语言)不能容易地捕捉一个消费者在特定方面的兴趣。但在实践中，在消费的交易和那样的交易可以证明的的有可能的兴趣及属性向之间不可能提供足够的映射关系。

但是，在本发明中从任何数量的在一段时间发生的各不相同类型的交易或消费者的行为可以导出属性向量808中的属性的特定值。提供的特定属性的值不仅取决于这些互相关联的交易，而且取决于它们的时间依赖性。

例如，对高尔夫球的兴趣可以从下列事件中看出，在面向高尔夫的体育商店交易，从一个与高尔夫有关的休假公司购买假期旅行，订高尔夫杂志，访问与高尔夫有关的网站，以及在更普通的体育用品商店购买，和到具有著名高尔夫球场的城市去旅行。对一个内容提供者几乎不可能对付查询“对高尔夫感兴趣？”它需要审查在传统数据库中的所有交易并确定对于从一系列购买随时间积累起来的经历对答案支持或贬低的复杂的组合。然而，在本发明中在属性向量808的单个“高尔夫兴趣”属性可以被定义，并根据交易和消费者行动的一个任意的复杂序列进行更新，从而在单个属性中捕捉消费者在高尔夫方面的兴趣水平。因此，构造一个布尔查询，确定高尔无兴趣属性的值，看它的值是否超过阈值成为一个简单的事情。

如在旧金山的兴趣和对橄榄球的兴趣那样的阈值的组合通过布尔取器812提供更有用的选择方向。那样的客户查询能由使用布尔抽象器的内容提供者简单且容易地写出；它们几乎不可能用SQL写出，因为内容的提供者无法确定所有证明在一特定领域的兴趣的可能的交易和消费者的行为。

O．层次属性向量的示例性应用

1．内容旋转器

图14画出用于按照排序一组启示的后选者的结果显示选择的内容的一个方法的一个实施例。该图画出了从MultiBank银行来的信用卡帐单的一部分1402，它通过如因特肉那样的网络以电子方式蕴含消费者的计算机，可以在该消费者计算机上看到。

该信用卡帐单包含一系列帐目的行，每一行包括一个日期，一个商家识别符，广告空间和一个交易量。广告空间由提供有序的启示序列的商家控制(如由启示排序器816确定)。

例如，在帐单行，商家1406是barnesandnoble.com.该商家有中用的广告空间，包含内容(此处是一个广告)“TOP 20 List of selling books for your child”(对你的孩子最畅销的书中的20本顶级品的表)此内容是从一个排序的启示的组来的，它已包括在用于构造该信用卡帐单的数据中或楞从该数据中得到。作为该的排序过程的结果，该特定内容被认为是最适合此消费者的。但是，此商家有其他可选的内容，它们也被具有目标向量或与该消费者的属性或事实匹配的布尔查询的启示处理所选中。但是，对每个商家在信用卡帐单上只分配了有限的空间，不足以同时显示所有的内容。如何显示多个启示的问题借助于使用由“星”图形表示的内容旋转器1410来解决。其他图形表示也能使用，如图标的按钮，超链接光标图标等。

当消费者在内容旋转器1410上点击时，新的内容项出现，如图15所示，此处出现内容1508。多次在内容旋转器1410上点击，将循环经过对此帐单行1414的被选的启示。可以使用各种出现的次序来确定委各启示出现的顺序。在一个实施例识别屏幕真实状况的值，然后以最类似于该消费者兴趣的次序，即由启示排序器816规定的次序，提供该内容项。也能用其他的展示次序。

内容旋转器在实现帐单提供者的启示策略时也是有用的，使仍然允许该消费者接收内容项的值。例如，在图14中，消费者帐单的行1412具有空白区1414，可以放置启示处理的内容项。此内容项可能未被显示，因为作为该信用卡帐单的所有者MultiBank可以需要该帐单行的大部分不被启示。结果MultiBank确定影响此需要的政策，例如只允许帐单行的小一定比例部分被启示，或允许选定名单的商家启示他们的帐单行。但是在此选定名单的商家启示他们的帐单行。但是在此中的内容旋转器告诉该消费者，如果他点击内容旋转器1416，至少可得到一个内容项。

当消费者点击内容旋转器1416，屏幕变成如图16．在此图中，帐单行1412具有内容1614使用此空白空间。而且，连续地点击此内容旋转旋转器1416，特定的帐单行1412循环地通过被选的启示内容。在上述重复点击内容旋转的每一次取出与该帐单行的商家有关的特定的被选择的启示内容。于是，带有的10个交易行，每行具有5个启示内容的单个信用卡帐单，只要简单地点击与每个帐单行相关的内容旋转器将对消费者展示50个从商家可得到的启示内容。

虽然上述内容旋转器的例子是用有一组商家的信用卡帐单来说明的，其中每个商家控制该帐单的一部分，内容旋转器可用于任何传送到消费者计算机的帐单的情况，其中单据的一个或多个部分与由启示排序器816选择的一系列潜在的启示相联系。每个那样的部分可以由不同的一个实体掌握，他对该部分规定一组潜在的启示以及其背景内容、布尔查询、选择向量及相关性向量。以这样的方式，单据在提供给消费者时将用从一系列不同的内容提供者来的被选中的启示内容来定制。因此，本发明从单个单据到整个超媒体了信息的定制，且从纯粹显示设备的空间维度扩展到由内容对消费者描述的相关性定义的额外的维度。内容旋转器提供了导向的工具，借此，消费者能详细考虑此定制的超媒体集。

2．内容的分层辨别

一个内容提供者可以拥有丰富的启示内容集，它们在消费者属性向量的基础上针对非常特定类型的消费者。但此内容集太多使内容提供者难以选择将哪个启示内容提供给向一个消费者发送的单据使其匹配消费者的描述。

例如在图14中，在1404行中的商家是销售大量各种类型的书借。此外，假设属性向量808包括一个“孩子”综合属性，它是如“婴儿/学前儿童”，“小学年龄”，“中学生”，“高中生”等一系列更特定的属性的综合。

但是，因为在1404行的商家由于带宽和其他限止只能发送针对所有特定类型的儿童书借及所有烹调、旅行等类的书借的启示内容。

因此，商家选择使用属性向量的层次结构，来实现其内容的分层辨别。发送到消费者计算机的第一个启示内容的后选包括烹调、旅行、体育、汽车、孩子、工艺品、计算机和学校等广泛的领域。这些启示内容被启示排序器816处理以确定哪一类与该消费者最相关。最相关的启示内容最先在被启示的单据中显示，使用内容旋转器余下可选择对该消费者可以得到的启示内容的后选，并以它们的相关性(如匹配分)排序。

从这张表，假设对“孩子”属性的启示被选作与该消费者最好匹配。诚然，可能该消费者是婴儿，但是在该启示内容被选中且提供给消费者以前该商家并不知道此事实，因为如上所述，启示内容被选时它们的提供者没有任何对该消费者的事实或模型的访问。

当消费者点击内容项1408(“TOP 20 List of selling books for your child一对你的孩子最畅销的书中的20本顶级品的书”)，该商家的服务器接收到对儿童书借的明确需求。此请求随即被用于选择更加特定的一组潜在的启示内容送到该消费者的计算机。事实上该商家此时已觉察到该消费者对儿童书借的兴趣(因为当该消费者点击内容项1408时，此信息已由消费者自愿提供)，但仍不知道孩子的哪个子类是适当的。因此，第二组后选的启示内容指向孩子类中的专门子类(婴儿/学龄前，小学年龄，中学生和高中学生)，并包括目标向量1036，后者包括对应于这些特定子类的属性。相关性向量1038也被设置，以把兴趣限止在这些属性。

使用第二组启示内容，启示排序816将这些目标向量808。发现婴儿/学龄前类与消费者的属性向量具有最高匹配，示于衅17的内容被显示，这里不是帐单行，而是分开的窗口。

在不同的家庭的第二个消费者在他的帐单上可以看到同样的内容，也能点击它。但是在那个消费者的低层属性向量808，“小学年龄”子类可以是最好的匹配，所以根据所有有条件的启示显示的内容是不同的，如图18所示。

分层辨别的处理可以重复任意次，因此不需要任何有关特定消费者的先验知识就提供了很高程度的内容选择(如，不需要租借与IP地址相联系的消费者描述表，或知消费者的浏览器中储存一个Cookie)。此外，该消费者的秘密得到了保证(特别是数据库804和属性向量808)，因为返回给商家(或内容提供者)仅有的信息是包括在消费者真心愿意完成的对内容的点击中。

此讨论认为该内容提供者有一个可从中选择的内容项的静态组。但是不必需是这种情况。参数化的内容可以使用在消费者模型中的数据来填入内容本身的部分。在那样情况，如图14中内容1408那样的内容能被制成如“TOP 20 List ofselling books for your infant一对你的婴儿最畅销的书中的20个顶级品的表”或“TOP 20 List of selling books for your adult一对您的年轻成人最畅销的书中的20本顶级品的表)”。这里斜体字部分是从属性向量808中最匹配的属性选择的。

现在考虑图19，显示了一个按本发明经启示以后的信用卡帐单。该帐单包括一系列如交易行1912那样的交易行，其中每个包括识别交易日期，商家1914和交易量1908的信息字段。

首先，在传统的帐单中的许多单纯由文本组成的商家的名字被图标1904替代，启示成商家的特定商号或商标。这样，恰恰在消费者观看与该商家的一笔特定交易时加强了对此商家的商标的识别。一方面，启示提供了用到该商家的网站(或由可选的内容数据确定的任何其他网站)的超连结1906替代如商家名字那样的静态文字。因此，这里的启示将原先静态的信用卡帐单转换成动态的，构造的和活动的单据，使消费者在线观看该信用卡帐单过程中即时访问有关该商家更多的信息。注意，图标1904也可以是一个超连结1906。

在经启示处理的帐单1902的交易表中的“Amount一交易量”列1907包括超连结的交易量1908。点击被超连结的交易量1908使消费者看到有关交易的进一步的细节，如图20所示(将被简短叙述)。

根据市场的前景，本发明进一步将选择的促销内容1910插入到特定的交易行1912。此选择的内容是按照上述启示处理的原则根据消费者本身的偏爱针对每个单独的消费者定制的。

有关信息字段，图标和超连结该促销内容的整体布置与安排对于消费者对帐单1902的理解有很大的影响。按照本发明的一个方面，如商家名字那样交易的某些信息字段在第一位置显示，它比放在第二位置的其他信息先被看到。促销内容1910放在第一与第二位置之间的位。

通常，在审视未被启示的帐单时，消费者迅速地扫视交易表，寻找异常的交易。这是很快的过程。但是当帐单1902被启示处理且安排成如图19，此扫视过程大为减慢。首先，消费者花费很多时间处理第一位置的信息，如画商家的图标1914代替文字串(换言之，一个图象很难迅速地跳过)。

第二，如在交易行1912所示，当消费者的眼光从商家名字1914移到如交易量1908那样的在第二位置的第二信息时，眼光扫过此帐单必然会遇到显示在第一和第二位置之间的促销信息。将眼光从商家名1914移到交易量1908的过程对消费者形成对该帐单的完全识别与理解是必要的。即，单知道商家的名字或交易量对于完全识别该交易是不够的。在识别和确认该交易的认识过程中，特定的选择的促销内容1910放在该交易的两个要素之间，因此在视觉上与认识上与该交易联系在一起。特别，该促销内容1910与商1914相联系，因为当从左向右看时它跟在商家名的后面。这样的位置安排便于在该交易被消费者识别时铭记与该商家一起选择的内容。

特别的，在促销内容1910和该商家1914之间的联系可以采取多种形式。如果促销内容1910是交易商家的折扣及其他鼓励，这就进一步鼓励消费者光顾该商家做另外交易，进一步确立该商家在消费者心目中的价值。如果该促销内容1910是对另一个商家的，则这就建立了交易商家和促销的商家之间的共同商标关系。

图20示出一个弹出窗2002的例子，当消费者点击图19中的一个超连结交易量(帐单1902中的第四笔交易)时显示此窗。窗口2002包括储存位置的细节2004和交易日期、交易量和参考号等交易研究室006。包括在窗2002中的还有超连结2008(用于发生问题时发电子邮件给商家或银行)和超连结2010(用于可在网上接触该商家时观看商店发票)。连结2010转到该商家保存的发票数据库(或适当时帐单提供者)，例如使用参考号取得发票信息。

将这一级别的细节放在分别的弹出窗口2002，而不在信用卡交易帐单1902中显示意味着帐单1902大为简化且减少杂乱无章。这样使消费者更容易扫视该帐单1902，它对消费者也提供了更多的机会去注视如促销内容1910那样的帐单的另外方面。

信用卡帐单902，如图19所示，仅是实现本发明的安排原则的构造的金融单据的一个形式。本发明也可应用于其他类型的金融单据，如银行帐单，经纪人帐单，发票等。例如，在银行帐单中，它典型地包括如“支票”或“存款”或“现金取款”和量等，促销内容1910也可放在这些项目之间的位置。在经纪人帐单中，它典型地对一个交易将一个保险的名字和交易量包括在一行中，内容1910也可以放在两项之间，构成保险(如由公司名识别)与内容1910之间的联系。类似地，虽然对于本发明的这方面交易量是有用的信息字段，其他在认识上与该交易相联系的或在审视该交易中与兴趣的焦点相关的其他信息字段也是可以使用的。此特点将在下面讨论。

引导消费者去更乐意地查看促销内容的另一种方法是以更有意义及更有用的另外的形式提供交易数据。图21以修改的信用卡帐单2101的形式表示以另外方式提供数据的方法。此帐单类似于帐单1902，但在交易行项目以下另有“仪表板”2104。此仪表板2104是包含一系列按键2106(或用户控制的等价的对象)，每个都连结到不同的垂直的入口。这些垂直入口根据交易类别组织，一个特定的垂直入口与特定类别的交易相联系，并用于显示它们；此特定的类别可以对不同的消费者是不同的，并可以从分析在消费者数据库中他们的每笔交易来确定。点击一个按键2106导致激活相应的垂直入口。

图22-25示出各种在线金融帐卡，以说明本发明在这方面的安排原则。

首先，图22画出对于餐馆类别的垂直入口2202。企图使用此入口使消费者得到对特定餐馆的菜单信息，从而将注意力完全集中在菜单图标2206上。此特定的入口在消费者数据库中对每个餐馆包括若干行。每一行包含该消费者在该入口的类别中的一次交易，并带有识别信息字段。按照本发明的一个实施例，特定的交易可进一步启示处理。这里，经启示的交易包括一外餐馆名2204，(根据实施例被超链接或转换到一个图标)，一个用于查看特定餐馆2204的菜单的超连结图标2206，和一个促销内容的可选项2208。但注意，促销内容被安排在交易的信息字段之后。因此，为了看到和处理一个餐馆的菜单的图标2206，用户不需要留意内容2208。

图23示出在另一个入口处的一个垂直入口2302，它应用此处描述的安排原则，其中相对于衅22促销内容列和菜单图标列的位置转而放置餐馆名2304和它的菜单图标2306之间的内容2308。在此情况下，为了从餐馆名2304扫视到想作为注意焦点的菜单图标2306，消费者的必然通过促销内容2308。如果消费者进入此入口查看菜单，则图23的安排使消费者有很大可能查看到此促销内容。这是因为消费者首先识别感兴趣的餐馆然后寻找它的菜单的视觉扫描过程(固而完成交易的两个元素之间的认识关系)必须在视觉上通过此选择的内容2308。

图24画出对空中旅行段的垂直入口。如图22的餐馆入口，这包括一系列从消费者数据库找到的信息行；在此情况，对由该消费者飞行的每一飞行段(或整个飞行)对应一行。对每个飞行段，入口2404显示了当天飞行该段的最低费用2406。也可显示可选的促销内容2408，但是如图22，促销信息不是安排得有利地使用消费者的视觉扫视过程。因此，消费者可以关注费用信息2406而不留意促销内容2408。

在图25，又有一个对空中旅行段的垂直入口，但这里相对于图24促销内容2408和最低费用2406的列转而提供上述类型的交易信息和促销内容的安排。而且，若消费者寻找对一特定段的最低费用9因而建立旅行和费用之间认识上的联系)，则从该段的描述2504的费用2506的扫视强迫眼光注视促销内容2508，因而增加了消费者查看促销内容2508并形成促销内容与旅行交易之间联系的概率。

Claims

1．一种以电子方式送达一消费者的消费者计算机的具有结构的单据其定制方法，该消费者计算机包括一显示器，其特征在于，该方法包括：

该消费者计算机端接收一具有结构的单据；

将该具有结构的单据分段为多个可变的内容部分，每一可变的内容部分具有多个可选的内容选项；

对每一可变的内容部分，通过相对于消费者的消费者描述评估其中一个内容选项来选择用于扩展该部分的其中一个内容选项，并利用所选定的内容选项扩展该部分；以及

在显示器上向消费者提供该扩展的具有结构的单据。

2．如权利要求1所述的方法，其特征在于，该消费者描述，对于除该消费者以外的其他人的访问是保密的。

3．如权利要求1所述的方法，其特征在于，该消费者描述按本地方式存储在该消费者的计算机上。

4．如权利要求1所述的方法，其特征在于，消费者描述存储在一服务器上，而且对多个不同消费者包括多个消费者描述，每一消费者描述是保密的，只能由与该消费者描述关联的消费者个人访问。

5．如权利要求1所述的方法，其特征在于，该消费者描述包括一消费者模型，是某一消费者的多个特征的特征值向量。

6．如权利要求1所述的方法，其特征在于，该消费者描述包括一根据该消费者交易所得出的该消费者兴趣、偏爱或行为的模型。

7．如权利要求1所述的方法，其特征在于，该消费者描述包括一数据库，其中包括根据该消费者交易得出的事实。

8．如权利要求1所述的方法，其特征在于，进一步包括：

该消费者计算机端处理一具有结构的单据，以识别该消费者的交易行为；以及

相对于该识别的交易行为更新该消费者描述。

9．如权利要求8所述的方法，其特征在于，对消费者描述的更新进一步包括：

至少识别该交易行为中一商家或一产品；以及

相对于该识别的商家或产品更新该消费者描述。

10．如权利要求9所述的方法，其特征在于，对消费者描述的更新进一步包括：

通过网络从该消费者计算机的远端源头检索有关商家、产品的信息，或消费者模型参数。

11．如权利要求10所述的方法，其特征在于，所检索的信息包含涉及结构单据或消费者描述的中间数据。

12．如权利要求8所述的方法，其特征在于，对消费者描述的更新进一步包括：

按交易行为中所包括的交易日期或交易时间的函数，更新该消费者描述。

13．如权利要求8所述的方法，其特征在于，对消费者描述的更新进一步包括：

按交易行为中所包括的交易量的函数，更新该消费者描述。

14．如权利要求1所述的方法，其特征在于，该具有结构的单据是一在线交易报告。

15．如权利要求14所述的方法，其特征在于，该交易报告是包含下列报告的一组报告其中之一：在线信用卡账单，在线银行账单，在线票据，证券投资报告，医疗报告，收据，包含统一资源定位符的文档，或税单。

16．如权利要求1所述的方法，其特征在于，该交易报告是以电子方式送达消费者的金融账单，该金融单包括多项金融交易，至少一项金融交易包括该交易商家的商家识别符，该金融交易形成其中一个可变的内容部分。

17．如权利要求1所述的方法，其特征在于，内容选项按对消费者描述的查询加以编码，每一查询包括一可从中检索出内容选项的源头的识别符和一组相对于消费者描述评估用的属性。

18．如权利要求1所述的方法，其特征在于，对该交易的扩展进一步包括：与所选定的其中一个交易的商家识别符相邻显示一某一产品赠券的图形表示。

19．如权利要求1所述的方法，其特征在于，消费者计算机是一机顶盒。

20．如权利要求1所述的方法，其特征在于，对可变的内容部分的扩展包括：将一赠券插入该部分，用于对消费者显示。

21．如权利要求1所述的方法，其特征在于，对可变的内容部分的扩展包括：用一图形图像替代文字项目。

22．如权利要求1所述的方法，其特征在于，对可变的内容部分的扩展包括：在一可变内容部分项目和另一数据项目之间建立一超链接。

23．如权利要求1所述的方法，其特征在于，对可变的内容部分的扩展包括：用与该消费者特别相关联的信息替代可变的信息。

24．如权利要求1所述的方法，其特征在于，用一选定的内容选项对可变的内容部分的扩展包括：从一远离消费者计算机的计算机端作为超媒体数据检索所选定的内容选项，并将所检索出的超媒体数据插入具有结构的单据中。

25．如权利要求1所述的方法，其特征在于，对一可变的内容部分选择其中一个内容选项这一步骤，包括：

将每一内容选项的一组属性与消费者描述中定义的消费者属性相比较；以及

选择所具有的属性最接近于符合该消费者属性的那个内容选项。

26．如权利要求1所述的方法，其特征在于，进一步包括：

维护一内容选项数据库，每一内容选项包括一内容区分符和一选择规则；

其中对一可变的内容部分选择其中一个内容选项这一步骤，包括：

将可变内容部分的内容选项的选择规则应用于消费者描述以确定每一内容选项对于该消费者的合适程度；以及

选择一最合适的内容选项。

27．如权利要求1所述的方法，其特征在于，对一可变的内容部分选择其中一个内容选项这一步骤，包括：

28．如权利要求1所述的方法，其特征在于，进一步包括：

将具有结构的单据中多个分部的每一个与至少一个用于扩展该分部内可变的内容部分的策略相关联；以及

对该具有结构的单据的每一分部，按照与所述分部相关的至少一个策略扩展该分部内可变的内容部分。

29．如权利要求1所述的方法，其特征在于，该具有结构的单据其至少一个分部具有该分部的所有者，而且至少有一个与该拥有的分部相关联、由该所有者界定的策略，以控制对该分部内可变内容部分的内容选项的选择。

30．如权利要求1所述的方法，其特征在于，该具有结构的单据具有一所有者，而且有一个与该具有结构的单据相关联、由该所有者界定的策略，以控制对该结构单据内全部可变内容部分的内容选项的选择。

31．一种消费者其消费者描述的维护方法，其特征在于，该方法包括：

向一消费者计算机输入一具有结构的单据；

消费者计算机端处理具有结构的单据以识别该消费者的交易行为；以及

相对于该识别的交易行为更新该消费者描述。

32．如权利要求31所述的方法，其特征在于，输入该消费者计算机的结构单据是从另一计算机接收到的。

33．如权利要求31所述的方法，其特征在于，输入该消费者计算机的结构单据是该消费者计算机本地生成的。

34．如权利要求33所述的方法，其特征在于，对消费者描述的更新，进一步包括：

识别由该消费者填写的具有结构的单据中的至少一个组成字段；以及

相对于至少一个组成字段所包含的数据自动更新该消费者描述。

35．如权利要求33所述的方法，其特征在于，对消费者描述的更新，进一步包括：

识别消费者点击选中的该结构单据的项目；以及

相对于该点击选中的项目，自动更新该消费者描述。

36．如权利要求31所述的方法，其特征在于，对消费者描述的更新，进一步包括：

识别交易行为中至少一商家或一产品；以及

相对于该识别的商家或产品更新该消费者描述。

37．如权利要求35所述的方法，其特征在于，对消费者描述的更新，进一步包括：

通过网络从该消费者计算机的远端源头检索有关涉及该消费者交易的商家或产品的信息。

38．如权利要求37所述的方法，其特征在于，所检索的信息包含涉及结构单据或消费者描述的中间数据。

39．如权利要求31所述的方法，其特征在于，对消费者描述的更新，进一步包括：

40．如权利要求31所述的方法，其特征在于，对消费者描述的更新，进一步包括：

按交易行为中所包括的交易量的函数，更新该消费者描述。

41．如权利要求31所述的方法，其特征在于，该具有结构的单据是一在线交易报告。

42．如权利要求41所述的方法，其特征在于，该交易报告是包含下列报告的一组报告其中之一：在线信用卡账单，在线银行账单，在线票据，证券投资报告，医疗报告，收据，包含统一资源定位符的文档，或税单。

43．一种以电子方式送达一消费者的消费者计算机的在线金融单据其定制方法，该消费者计算机包括一显示器，该金融单据包括多项交易，其特征在于，该方法包括：

该消费者计算机端接收该金融账单；

将该金融单据分段为多个可变的内容部分，每一可变的内容部分具有多个可选的内容选项，其中该金融单据的至少一项交易至少包括可变的内容部分；

对交易中所包括的至少一个可变内容部分，通过相对于消费者的消费者描述评估该内容选项来选择其中一个内容选项，并利用所选定的内容选项扩展该部分；以及

在显示器上向消费者提供该扩展的金融单据。

44．如权利要求43所述的方法，其特征在于，该消费者描述，对于除该消费者以外的其他人的访问是保密的。

45．如权利要求43所述的方法，其特征在于，该消费者描述按本地方式存储在该消费者的计算机上。

46．如权利要求43所述的方法，其特征在于，消费者描述存储在一服务器上，而且对多个不同消费者包括多个消费者描述，每一消费者描述是保密的，只能由与该消费者描述关联的消费者个人访问。

47．如权利要求43所述的方法，其特征在于，该消费者描述包括一消费者模型，是某一消费者的多个特征的特征值向量。

48．如权利要求43所述的方法，其特征在于，该消费者描述包括一根据该消费者交易所得出的该消费者兴趣、偏爱或行为的模型。

49．如权利要求43所述的方法，其特征在于，该消费者描述包括一数据库，其中包括根据该消费者交易得出的事实。

50．如权利要求43所述的方法，其特征在于，该金融账单是一信用卡账单。

51．如权利要求43所述的方法，其特征在于，该金融账单是一银行账单。

52．如权利要求43所述的方法，其特征在于，该金融账单是经一机顶盒送达的。

53．如权利要求43所述的方法，其特征在于，对可变的内容部分的扩展包括：插入一赠券。

54．如权利要求43所述的方法，其特征在于，对一项交易的可变内容部分的扩展包括：插入涉及该交易中所列出商家的内容。

55．如权利要求43所述的方法，其特征在于，对一项交易的可变内容部分的扩展包括：插入涉及该交易中所列出商家以外的另一商家的内容。

56．如权利要求43所述的方法，其特征在于，对一项交易的可变内容部分的扩展包括：插入一至该交易中所列出商家的关联网站的超链接。

57．如权利要求43所述的方法，其特征在于，进一步包括：

该消费者计算机端处理该金融单据，以识别该消费者的每一交易；以及

相对于该识别的交易更新该消费者描述。

58．如权利要求43所述的方法，其特征在于，对消费者描述的更新进一步包括：

至少识别该交易中一商家或一产品；以及

相对于该识别的商家或产品更新该消费者描述。

59．如权利要求43所述的方法，其特征在于，对消费者描述的更新进一步包括：

按金融帐单中交易日期或交易时间的函数，更新该消费者描述。

60．一种消费者其消费者描述的维护方法，其特征在于，该方法包括：

向一消费者计算机输入一在线金融单据；

消费者计算机端处理金融单据以识别该消费者的交易行为；以及

相对于该识别的交易行为更新该消费者描述。

61．如权利要求60所述的方法，其特征在于，输入该消费者计算机的结构单据是从另一计算机接收到的。

62．如权利要求60所述的方法，其特征在于，输入该消费者计算机的结构单据是该消费者计算机本地生成的。

63．如权利要求62所述的方法，其特征在于，对消费者描述的更新，进一步包括：

64．如权利要求62所述的方法，其特征在于，对消费者描述的更新，进一步包括：

识别消费者点击选中的该结构单据的项目；以及

相对于该点击选中的项目，更新该消费者描述。

65．如权利要求60所述的方法，其特征在于，对消费者描述的更新，进一步包括：

识别交易行为中至少一商家或一产品；以及

相对于该识别的商家或产品更新该消费者描述。

66．如权利要求60所述的方法，其特征在于，对消费者描述的更新，进一步包括：

67．如权利要求66所述的方法，其特征在于，所检索的信息包含涉及结构单据或消费者描述的中间数据。

68．如权利要求60所述的方法，其特征在于，对消费者描述的更新，进一步包括：

69．如权利要求60所述的方法，其特征在于，对消费者描述的更新，进一步包括：

按交易行为中所包括的交易量的函数，更新该消费者描述。

70．一种由阅览器向消费者提供针对性信息的方法，其特征在于，包括：

在该阅览器本地存储一消费者描述，该消费者描述根据该消费者的多个交易得出，并且说明该消费者属性；

该阅览器端接收多个查询，每一查询与一检索一信息项目用的识别符相关联，也与对该信息项目进行说明的一组属性相关联；

阅览器端相对于该消费者描述评估每一查询，以选择所具有属性最接近于符合该消费者属性的信息项目；

用与信息项目关联的查询中接收的识别符检索所选定的信息项目；以及

由阅览器向消费者提供该检索出的信息项目。

71．如权利要求70所述的方法，其特征在于，阅览器端对多个查询的接收包括：接收包含按URL编码的查询的网页。

72．如权利要求70所述的方法，其特征在于，阅览器端对多个查询的接收包括：通过电视信号接收查询。

73．一种以电子方式送达一消费者的消费者计算机的具有结构的单据其定制系统，其特征在于，该系统包括：

一消费者描述，对根据该消费者交易得出的消费者兴趣进行说明，并按保密方式存储，以防止除了该消费者以外的其他任何人访问该消费者描述；

一启示模块，将该消费者计算机端接收到的具有结构的单据分段为多个可变的内容部分，每一可变的内容部分具有多个可选的内容选项，对每一可变的内容部分，通过相对于消费者的消费者描述评估内容选项来选择其中一个内容选项，并利用该选定的内容选项扩展该部分；以及

一显示模块，向消费者提供该扩展的具有结构的单据。

74．如权利要求73所述的系统，其特征在于，进一步包括：

一解释模块，将具有结构的单据处理为涉及该消费者交易的导出信息，并利用该导出信息更新该消费者描述。

75．一种消费者其消费者描述的维护系统，其特征在于，该系统包括：

一消费者描述，包含：一包括根据该消费者在线以及离线交易得出的事实的数据库，以及一对该消费者进行说明、并根据交易得出的消费者模型，该消费者描述按保密方式存储，以防止除了该消费者以外的其他任何人访问该消费者描述；以及

一解释模块，将与该消费者交易关联的具有结构的单据处理为涉及该交易的导出事实，通过网络从远端源头有选择地检索涉及该交易的附加事实，并利用该导出和检索出的事实更新该消费者描述。

76．一种以电子方式送达一消费者的消费者计算机的具有结构的单据其定制方法，该消费者计算机包括一显示器，其特征在于，该方法包括：

该消费者计算机端接收一具有结构的单据，该具有结构的单据包括多个可变的内容部分，每一可变的内容部分具有多个可选的内容选项；

对每一可变的内容部分，通过相对于消费者的消费者描述评估内容选项来选择用于扩展该部分的一内容选项的子集，并按一包括第一内容选项的顺序对该内容选项子集进行排序，利用该第一内容选项扩展该部分；

在显示器上利用每一可变内容部分的第一内容选项向消费者提供该扩展的具有结构的单据；以及

启动对每一可变内容部分的剩余内容选项的检索。

77．如权利要求76所述的方法，其特征在于，进一步包括：

按其与该消费者描述的相关性的函数对一可变内容部分的选定的内容选项进行排序。

78．如权利要求76所述的方法，其特征在于，进一步包括：

响应消费者对于其中一个可变内容部分的动作，提供至少其中一个该可变内容部分的剩余内容选项。

79．如权利要求76所述的方法，其特征在于，进一步包括：

响应消费者对于其中一个可变内容部分的动作，提供至少其中一个该可变内容部分的剩余内容选项，来替代该可变内容部分的第一内容选项。

80．如权利要求76所述的方法，其特征在于，相对于消费者的消费者描述对内容选项的评估，进一步包括：

将一与内容选项关联的目标属性向量和与消费者描述关联的属性向量相比较。

81．如权利要求80所述的方法，其特征在于，进一步包括：

从目标向量当中选择至少一个属性，该目标向量所用的相关性向量包括与该目标向量至少一个属性相对应的相关性数值；以及

仅比较其相关性数值超出一阈值的那些目标向量属性。

82．如权利要求81所述的方法，其特征在于，该相关性确定了该目标向量属性的相对重要性。

83．如权利要求76所述的方法，其特征在于，相对于消费者的消费者描述对内容选项的评估，进一步包括：

相对于该消费者交易的导出事实来评估一布尔查询。

84．如权利要求76所述的方法，其特征在于，相对于消费者的消费者描述对内容选项的评估，进一步包括：

相对于一描述该消费者属性的属性向量的导出逻辑抽象，来评估布尔查询。

85．如权利要求76所述的方法，其特征在于，该消费者描述包括一消费者属性向量，其包括：

一基底向量，包括该消费者的多个基底级属性，每一基底级属性具有一数值；以及

至少一分级向量，包括至少一个与基底级向量的多个基底级属性关联的集合属性，并具有一按关联的基底级属性数值的函数计算出的数值。

86．一种用于提供给一消费者的内容选择方法，其特征在于，包括：

存储一该消费者的包括一属性向量的消费者模型，该属性向量具有多个该消费者的属性；

接收一与多个可选的内容选项关联的单据，每一可选的内容选项与一表示消费者期望属性的目标向量关联；

将该消费者的属性向量与至少其中一个目标向量相比较，以确定目标向量和该属性向量之间的距离量度：

按该距离量度的函数选择至少其中一个内容选项；以及

向消费者提供该选定的至少一个内容选项。

87．如权利要求86所述的方法，其特征在于，进一步包括：

与每一目标向量相关联接收一包括多个相关性数值的相关性向量，每一相关性数值与该目标向量的至少一个属性相关联，该相关性数值表示该目标向量的关联属性的相关性量度；

在该目标向量与该属性向量比较前，按与每一属性关联的相关性数值换算该目标向量的属性。

88．如权利要求86所述的方法，其特征在于，进一步包括：

与多个可选内容选项至少其中之一相关联接收一对于该消费者属性向量至少一个属性的查询；以及

相对于该消费者的属性向量来评估该查询，以确定是否可以选择该内容选项提供给该消费者。

89．如权利要求88所述的方法，其特征在于，该查询包括一优先级数值，并按距离量度的函数选择至少其中一个内容选项，该方法进一步包括：

按与该内容选项关联的目标向量和该消费者的属性向量之间的距离量度的函数，对每一内容选项计算符合分值，以及一与该内容选项关联的查询的优先级数值；以及

选择具有最高符合分值的内容选项。

90．一种消费者属性模型的更新方法，其特征在于，包括：

检索多个交易；

确定每一交易与至少一个消费者属性的相关性量度；以及

按多个交易中每一个的相关性的函数，更新至少一个属性。

91．如权利要求90所述的方法，其特征在于，对每一交易的相关性量度的确定包括：确定在给定该属性一数值时发生每一交易的条件概率。

92．如权利要求91所述的方法，其特征在于，对至少一个属性的更新，是按利用每一交易条件概率的Bayes定理进行的。

93．如权利要求90所述的方法，其特征在于，对至少一个属性的更新，进一步包括：

按时间周期的有序排列向每一交易分配一时间周期；

对未分配给交易的任何时间周期，建立该时间周期内不发生交易这一属性的相关性量度；以及

利用发生交易的时间周期内交易的相关性量度，以及对未发生交易的时间周期建立的该属性的相关性量度，根据时间周期的排序更新该至少一个属性。

94．如权利要求93所述的方法，其特征在于，对每一交易相关性量度的确定包括：确定在给定该属性一数值时发生每一交易的条件概率。

95．如权利要求93所述的方法，其特征在于，对至少一个属性的更新，是按利用每一交易条件概率的Bayes定理进行的。

96．如权利要求90所述的方法，其特征在于，一交易的相关性量度，是一与该交易相关联的货币量的函数。

97．如权利要求90所述的方法，其特征在于，一交易的相关性量度，是该交易至少一参与方的函数。

98．一种用于提供给一消费者的内容选择方法，该消费者与描述该消费者属性的消费者模型相关联，内容以电子方式送达一消费者的消费者计算机，该消费者计算机包括一显示器，该消费者与包括该消费者多个属性的消费者描述相关联，其中包括至少一个其具有的数值根据多个其他属性计算的集合属性，其特征在于，包括：

该消费者计算机端接收该具有结构的单据，该具有结构的单据包括一具有第一组内容选项的可变内容部分；

通过按该消费者的消费者描述的相应属性的函数评估该内容选项的属性，选择用于扩展该部分的第一内容选项；

在显示器上提供具有第一内容选项的该结构单据；

接收一表示对该第一内容选项进行选择的消费者动作；

响应该消费者动作发送第二组可变内容选项，其中包括一内容选项，所具有的属性对第一内容选项的集合属性具有贡献；

通过按该消费者的消费者描述的相应属性的函数评估第二组内容选项的属性，选择第二内容选项；以及

在显示器上提供具有第二内容选项的该结构单据；

99．一种用于对一消费者属性建模的计算机可读结构，其特征在于，包括：

100．一种在显示器上显示一金融账单以方便该帐单的在线阅览者的方法，该金融账单包括多项交易，每一项交易包括至少两个不同的信息字段，其特征在于，该方法包括：

在该账单的第一位置显示该项交易的第一信息字段；

在消费者阅览该帐单时接在该第一位置之后阅览的第二位置显示该项交易的第二信息字段；

在第一与第二位置之间的第三位置显示促销内容。

101．如权利要求100所述的方法，其特征在于，第一信息字段是一商家的名字或标志，第二信息字段则是涉及该项交易的数量。

102．如权利要求100所述的方法，其特征在于，第一信息字段是一名字或标志或商家，第二信息字段则是涉及该商家的附加信息的超链接。

103．一种一包括多项交易的金融账单的显示方法，每一交易与具体的交易信息和多个信息字段相关联，其特征在于，该方法包括：

对每一交易按一行显示预定有限数目的信息字段，该显示的信息字段足以识别该项交易而不需要确定该项交易的全部具体交易信息；

对所显示的多项交易中的每一项，在交易行中所显示的该项交易的两个信息字段之间显示促销内容；

对每一项交易，使所显示的其中一个信息字段形成为一至具体交易信息的超链接；以及

响应用户对一项交易的超链接信息字段的选择，在一分开的显示窗口内显示该项交易的具体交易信息。

104．一种显示金融账单以提供有针对的促销内容的方法，其特征在于，该方法包括：

显示一包括多项交易的金融账单，交易与多个不同类别相关联；

显示多个类别选择器，每一选择器与特定类别的交易相关联；

响应对用户选择某一类别选择器的接收，只显示所选定类别的各项交易；以及

对所显示的选定类别中至少一项交易，与所显示的交易相关联显示促销内容。