DE10256458A1 - Empfehlen von Suchausdrücken unter Verwendung von kollaborativem Filtern und Webspidering - Google Patents

Empfehlen von Suchausdrücken unter Verwendung von kollaborativem Filtern und Webspidering

Info

Publication number
DE10256458A1
DE10256458A1 DE10256458A DE10256458A DE10256458A1 DE 10256458 A1 DE10256458 A1 DE 10256458A1 DE 10256458 A DE10256458 A DE 10256458A DE 10256458 A DE10256458 A DE 10256458A DE 10256458 A1 DE10256458 A1 DE 10256458A1
Authority
DE
Germany
Prior art keywords
search
advertiser
search terms
database
list
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
DE10256458A
Other languages
English (en)
Inventor
Mark Paine
Winton Davies
Donald F Geddis
Jon Dukes-Schlossberg
Darren J Davis
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Altaba Inc
Original Assignee
Overture Services Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Overture Services Inc filed Critical Overture Services Inc
Publication of DE10256458A1 publication Critical patent/DE10256458A1/de
Ceased legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/332Query formulation
    • G06F16/3322Query formulation using system suggestions
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36Creation of semantic tools, e.g. ontology or thesauri
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/951Indexing; Web crawling techniques
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10STECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00Data processing: database and file management or data structures
    • Y10S707/912Applications of a database
    • Y10S707/918Location
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10STECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00Data processing: database and file management or data structures
    • Y10S707/953Organization of data
    • Y10S707/959Network
    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10STECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00Data processing: database and file management or data structures
    • Y10S707/99931Database or file accessing
    • Y10S707/99933Query processing, i.e. searching

Abstract

In einem Zahle- für-Platzierung-Suchsystem erzeugt das System Suchausdruckempfehlungen für die Inserierer, die ihre Konten auf eine oder mehrere Arten verwalten. Eine erste Technik beruht auf dem Suchen guter Suchausdrücke direkt auf der Webseite eines Inserierers. Eine zweite Seite beruht auf dem Vergleichen eines Inserierers mit anderen, ähnlichen Inserierern und auf dem Empfehlen von Suchausdrücken, die andere Inserierer ausgewählt haben. Die erste Technik wird als Spidering bezeichnet und die zweite Technik wird als kollaboratives Filtern bezeichnet. In der bevorzugten Ausführungsform wird die Ausgabe des Spidering-Schritts als Eingabe für den Schritt des kollaborativen Filterns verwendet. Die Endausgabe der Suchausdrücke aus beiden Schritten wird dann auf eine natürliche Art und Weise verknüpft bzw. verzahnt.

Description

    VERWANDTE ANMELDUNGEN
  • Diese Anmeldung ist eine Teilfortsetzung der Anmeldung mit der Seriennummer 09/911,674 und mit dem Titel "SYSTEM AND METHOD FOR INFLUENCING A POSITION ON A SEARCH RESULT LIST GENERATED BY A COMPUTER NETWORK SEARCH ENGINE" (System und Verfahren zum Beeinflussen einer Position auf einer Suchergebnisliste, die durch eine Computernetzwerksuchmaschine erzeugt wurde), die am 24. Juli 2001 auf den Namen von Davis et, al. eingereicht wurde, wobei die Anmeldung gemeinsam mit der vorliegenden Anmeldung übertragen wurde und hier in ihrer Gesamtheit durch Bezugnahme aufgenommen wird und die eine Fortsetzung der Anmeldung mit der Seriennummer 09/322,677 ist, die am 28. Mai 1999 auf den Namen Darren J. Davis et al. eingereicht wurde und nun die US-Patentnummer 6,269,361 hat.
  • BEZUGNAHME AUF COMPUTERPROGRAMMLISTEN, DIE AUF KOMPAKTDISK VORGELEGT WERDEN
  • Ein Kompaktdiskanhang ist enthalten, der Computerprogrammcode- Listen gemäß 37 C.F.R. 1.52(e) enthält und hier durch Bezugnahme in seiner Gesamtheit aufgenommen wird. Die Gesamtanzahl der Kompaktdisks beträgt 1, einschließlich 37.913 Dateien und 539.489.774 Byte. Die Dateien, die auf der Kompaktdisk enthalten sind, sind in einer Datei mit dem Titel "dir_s" auf der Kompaktdisk aufgelistet. Aufgrund der großen Anzahl von Dateien, die auf der Kompaktdisk enthalten sind, ist die erforderliche Liste von Dateinamen, Erzeugungsdaten und Größen in Byte in der Datei dir_s auf der Kompaktdisk bzw. CD enthalten und hier durch Bezugname aufgenommen.
  • HINTERGRUND
  • Das US-Patent mit der Nummer 6,269,361 offenbart eine Datenbank mit Konten für Inserierer bzw. Werbende. Jedes Konto enthält Kontakt- und Rechnungsinformationen für einen Inserierer. Zudem enthält jedes Konto mindestens eine Suchliste mit mindestens drei Komponenten: einer Beschreibung, einem Suchausdruck, der ein Schlüsselwort oder mehrere Schlüsselworte umfasst, und einem Gebotsbetrag. Der Inserierer kann eine Suchliste nach dem Einloggen in ihr oder sein Konto über einen Authentifizierungsprozess hinzuaddieren, löschen oder modifizieren. Der Inserierer beeinflusst eine Position für eine Suchliste in dem Inseriererkonto, indem er zuerst einen Suchausdruck auswählt, der relevant für den Inhalt der Webseite oder einer anderen Informationsquelle ist, die gelistet werden soll. Der Inserierer gibt den Suchausdruck und die Beschreibung in die Suchliste ein. Der Inserierer beeinflusst die Position für eine Suchliste durch einen kontinuierlichen, konkurrierenden Online-Bietprozess. Der Bietprozess tritt auf, wenn der Inserierer einen neuen Gebotsbetrag, der bevorzugt ein Geldbetrag ist, für eine Suchliste eingibt. Das offenbarte System vergleicht dann diesen Gebotsbetrag mit allen anderen Gebotsbeträgen für den gleichen Suchausdruck und erzeugt einen Rangwert für alle Suchlisten, die diesen Suchausdruck haben. Der Rangwert, der durch den Bietprozess erzeugt wird, bestimmt, wo die Liste des Inserierers auf der Suchergebnislistenseite auftritt, die in Antwort auf eine Abfrage des Suchausdruck durch einen Suchenden oder Nutzer auf dem Computernetzwerk erzeugt wird. Ein höheres Gebot durch einen Inserierer ergibt einen höheren Rangwert und eine vorteilhaftere Platzierung. Dieses System ist als Zahle-für-Platzierung-Suchmaschine bekannt.
  • Somit werden, wenn ein Nutzer eine Suche auf einer Zahle-für- Platzierung-Suchmaschine durchführt, die Ergebnisse herkömmlich auf der Basis sortiert, wie viel jeder Inserierer für den Suchausdruck des Nutzers geboten hat. Da unterschiedliche Nutzer unterschiedliche Wörter verwenden, um die gleiche Information aufzufinden, ist es für einen Inserierer wichtig, für eine große Mannigfaltigkeit von Suchausdrücken zu bieten, um den Verkehr auf seine Seite maximieren zu können. Je besser und ausgedehnter eine Liste des Inserierers mit Suchausdrücken ist, um so mehr Verkehr wird der Inserierer sehen.
  • Beispielsweise wird ein Meeresfrüchteverkäufer nicht nur für das Wort "seafood" (Meeresfrüchte) sondern auch für Ausdrücke wie "fish" (Fisch), "tung" (Thunfisch), "halibut" (Heilbutt) und "frischer Fisch" (frischer Fisch) bieten. Eine gut ausgedachte Liste enthält oft Hunderte von Ausdrücken. Gute Suchausdrücke haben drei signifikante Eigenschaften: Sie sind für die Seite des Inserierers geeignet, sie sind derart ausreichend populär, dass viele Nutzer wahrscheinlich nach ihnen suchen, und sie stellen einen guten Wert gemäß dem Betrag dar, den der Inserierer bieten muss, um einen hohen Rang in den Suchergebnissen erhalten zu können. Ein Inserierer, der gewillt ist, sich die Zeit zu nehmen, alle diese Faktoren zu berücksichtigen, wird gute Ergebnisse erhalten.
  • Unglücklicherweise verstehen es jedoch nur wenige Inserierer, wie eine gute Liste mit Suchausdrücken erzeugt wird, und bis jetzt gibt es nur begrenzte Werkzeuge, um ihnen dabei zu helfen. Der typische Stand der Technik ist das Search Term Suggestion Tool (STST) (Suchausdruckvorschlagswerkzeug), das von der Overture Services Inc. bereitgestellt wird, die sich auf http:/ / inventory.overture.com befindet. STST stellt Vorschläge auf der Basis einer Kettenübereinstimmung bereit. Gibt man ein Wort ein, gibt STST eine sortierte Liste aller Suchausdrücke zurück, die das Wort enthalten. Diese Liste wird danach sortiert, wie oft Nutzer nach den Ausdrücken in dem letzten Monat gesucht haben. In dem Meeresfrüchtebeispiel, wenn der Inserierer das Wort "fish" eingeben würde, würden seine Ergebnisse die Ausdrücke wie "fresh fish", "fish market" (Fischmarkt), "tropical fish" (tropische Fische) und "fish bait" (Fischköder) enthalten, aber nicht Wörter wie "tung" oder "halibut", da sie nicht die Kette bzw. Zeichenfolge "fish" enthalten. Um seine Anfangsliste mit Suchausdrücken erzeugen zu können, wird ein neuer Inserierer oft einige Wörter in das STST eingeben und dann für alle Ausdrücke bieten, die es zurückgibt.
  • Es gibt drei Probleme bei dieser Lösung. Erstens, obwohl STST viele gute Ausdrücke wie "fresh fish" und "fish market" findet, findet es auch viele schlechte Ausdrücke wie "fishing" (Fischen), "tropical fish" und "fish bait", die keinen Bezug zu der Seite des Inserierers haben. Diese erzeugen eine zusätzliche Arbeit für den Suchmaschineprovider, da sein editierendes Personal ungeeignete Ausdrücke ausfiltern muss, die ein Inserierer vorlegt. Zweitens, fehlen STST viele gute Ausdrücke wie "tung" und "halibut". Dies ergibt ein verlorenes Verkehrsaufkommen für den Inserierer und einen geringeren Umsatz für den Provider, da jedes Gebot dazu beiträgt, den Preis für Suchausdrücke zu erhöhen und die Umsätze des Providers zu erhöhen. Drittens, ist es für einen Inserierer einfach, ein Wort einfach zu übersehen, das er in STST eingeben hätte sollen, wodurch eine große Anzahl von Suchausdrücken fehlt, die für seine Seite geeignet wären. Diese fehlenden Ausdrücke resultieren auch in einem verlorenen Verkehrsaufkommen für den Inserierer und einen geringeren Umsatz für den Provider.
  • Eine verbesserte Version von STST ist der GoTo Super-Term- Finder (STF) (GoTo-Superausdruckfinder), der auf http:/ / users.idealab.com/~charlie/advertisers/start.html gefunden werden kann. Dieses Werkzeug hält Schritt mit zwei Listen: einer Annahmeliste von guten Wörtern für eine Seite eines Inserierers und einer Zurückweisungsliste für schlechte Wörter oder Wörter, die keinen Bezug zu der Seite des Inserierers oder ihrem Inhalt haben. STF zeigt eine sortierte Liste aller Suchausdrücke an, die ein Wort in der ersten Liste enthalten, aber nicht in der zweiten Liste. Wie bei STST wird die Suchliste danach sortiert, wie oft Nutzer nach dem Suchausdruck in dem letzten Monat gesucht haben. In dem Meeresfrüchtebeispiel wird dann, wenn die Annahmeliste das Wort "fish" enthält und die Zurückweisungsliste das Wort "bait" enthält, die Ausgabe Ausdrücke wie "fresh fish" und "tropischer Fisch" anzeigen, aber nicht "fish bait". Ein Inserierer kann die Ausgabe dazu verwenden, seine Annahmeliste und seine Zurückweisungsliste in einem iterativen Vorgang zu verfeinern.
  • Obwohl STF eine Verbesserung gegenüber STST ist, leidet es immer noch an ähnlichen Problemen. In dem Meeresfrüchtebeispiel enthalten viele Suchausdrücke das Wort "fish", die irrelevant für eine Meeresfrüchteseite sind. Der Inserierer muss immer noch manuell diese identifizieren und jeden zurückweisen. Mit der Ausnahme, dass die zurückgewiesenen Ausdrücke gemeinsame Wörter aufweisen, ist der Arbeitsaufwand, den der Inserierer bei STF ausführen muss, der gleiche wie bei STST. Beide Werkzeuge haben auch die Schwäche, dass sie nicht in der Lage sind, gute Suchausdrücke, wie "tung" oder "halibut" identifizieren zu können. Es kann viele solche semantisch verwandte Ausdrücke geben; sie können sogar gemeinsam bzw. allgemein auf der Webseite des Inserierers auftreten. Aber die Last liegt immer noch auf der Seite des Inserierers, nämlich über jeden Ausdruck nachzudenken. Das Problem bei STST und STF besteht darin, dass sie beide nach Suchausdrücken auf der Basis von syntaktischen Eigenschaften suchen und dass sie den Inserierer dazu zwingen, über die grundlegenden Worte selbst nachzudenken. Es besteht ein klares Bedürfnis nach einer besseren Lösung, die die Bedeutung der Wörter in Betracht zieht und die sie automatisch identifizieren kann, indem sie die Webseite des Inserierers betrachtet.
  • Ein System, das semantisch verwandte Ausdrücke findet, ist Wordtracker, das auf http:/ / www.wordtracker.com gefunden werden kann. Wird ein Suchausdruck vorgegeben, empfiehlt Wordtracker neue Ausdrücke auf zwei Arten. Erstens, Wordtracker empfiehlt Worte, indem es in einem Wörterbuch bzw. Thesaurus nachschaut. Zweitens, Wordtracker empfiehlt Worte, indem es nach ihnen unter Verwendung eines Algorithmus sucht, der als seitliche Suche (lateral search) bezeichnet wird. Die seitliche Suche lässt den ursprünglichen Suchausdruck in zwei populären Websuchmaschinen laufen. Es lädt dann die oberen 200 Webseiteergebnisse herunter, gewinnt alle Ausdrücke aus den Schlüsselwort-Metazeichen und den Beschreibung-Metazeichen für diese Seite und gibt eine Liste zurück, die danach sortiert ist, wie oft jeder Ausdruck in diesen Zeichen bzw. Tags auftritt.
  • Wordtracker ist nur eine geringfügige Verbesserung gegenüber STST und STF. In dem Meeresfrüchtebeispiel ist es sehr wahrscheinlich, dass, wenn ein Inserierer nach dem Wort "fish" sucht, er Ergebnisse sieht, die "tung" und "halibut" enthalten, aber er wird immer noch schlechte Ausdrücke wie "tropical fish" und "fish bait" sehen, die für seine Seite nicht relevant sind. Eine genauere Suche nach "seafood" kann einige dieser schlechten Ausdrücke vermeiden, führt jedoch andere wie "restaurant" (Restaurant) oder "steak" ein, die von Meeresfrüchterestaurants kommen. Ungleich STF gibt es keinen Weg, diese schlechten Ausdrücke zurückzuweisen und die Suche zu verfeinern. Es gibt auch keinen Weg eine breite bzw. ausführliche Liste von guten Ausdrücken bereitzustellen, denn die Websuchmaschinen arbeiten kaum mit mehr als einem Suchausdruck. Diese beiden Einschränkungen sind signifikant, da es sehr selten ist, dass ein Inserierer einen einzelnen Suchausdruck identifizieren kann, der genau seine Seite beschreibt und den andere mögen. Wordtracker hat auch das Problem, dass Metaschlüsselwörter nicht immer eine Webseite anzeigen können.
  • Es gibt keine editierende Überarbeitung, so dass Webseitendesigner oft falsche Schlüsselwörter einschließen, um zu versuchen, ihre Seiten auf Suchmaschinen bekannter zu machen. Die Suchmaschinen selbst sind auch eingeschränkt und können viele Seiten (pages) in ihrer Liste von 200 zurückgeben, die für die Seite des Inserierers irrelevant sind. Schließlich erfordert es Wordtracker immer noch, dass ein Inserierer über seine eigenen Suchausdrücke, mit denen er anfangen will, nachdenken muss.
  • In Anbetracht dieser Nachteile besteht ein deutliches Bedürfnis nach einem verbesserten Werkzeug, das alle treffenden bzw. guten Suchausdrücke für die Seite eines Inserierers finden kann, wohingegen es die schlechten bzw. unzutreffenden Ausdrücke aussortiert.
  • KURZÜBERSICHT
  • Nur zur Einführung machen die vorliegenden Ausführungsformen Suchausdruckempfehlungen auf eine oder mehrere Arten. Eine erste Technik beruht auf der Suche nach guten Suchausdrücken direkt auf einer Webseite des Inserierers. Eine zweite Technik beruht auf dem Vergleichen eines Inserierers mit anderen, ähnlichen Inserierern und auf dem Empfehlen von Suchausdrücken, die andere Inserierer ausgewählt haben. Die erste Technik wird als Spidering bezeichnet und die zweite Technik wird als kollaboratives Filtern (collaborative filtering) bezeichnet. In der bevorzugten Ausführungsform wird der Ausgang des Spidering-Schritts als Eingang in den Schritt mit kollaborativem Filtern verwendet. Die Endausgabe der Suchausdrücke aus beiden Schritten wird dann auf natürliche Art und Weise verknüpft.
  • Die vorhergehende Erläuterung der bevorzugten Ausführungsformen wurde nur für Einführungszwecke bereitgestellt. Nichts in diesem Abschnitt darf als Beschränkung der Ansprüche verwendet werden, die den Bereich der Erfindung definieren.
  • KURZBESCHREIBUNG MEHRERER ANSICHTEN DER ZEICHNUNGEN
  • Fig. 1 ist ein Blockdiagramm, das eine Beziehung zwischen einem großen Netzwerk und einer Ausführungsform des Systems und des Verfahrens zum Erzeugen eines Zahle-für-Durchführung- Suchergebnisses der vorliegenden Erfindung ist;
  • Fig. 2 ist ein Diagramm mit Menüs, Anzeigebildschirmen und Eingabebildschirmen, die in einer Ausführungsform der vorliegenden Erfindung verwendet werden;
  • Fig. 3 ist ein Flussdiagramm, das den Nutzereinloggprozess des Inserierers zeigt, der in einer Ausführungsform der vorliegenden Erfindung durchgeführt wird;
  • Fig. 4 ist ein Flussdiagramm, das den administrativen Nutzereinloggprozess zeigt, der in einer Ausführungsform der vorliegenden Erfindung durchgeführt wird;
  • Fig. 5 ist ein Diagramm von Daten für eine Kontoaufzeichnung zur Verwendung in einer Ausführungsform der vorliegenden Erfindung;
  • Fig. 6 ist ein Flussdiagramm, das ein Verfahren zum Hinzuaddieren von Geld auf eine Kontoaufzeichnung dargestellt, das in einer Ausführungsform der vorliegenden Erfindung verwendet wird;
  • Fig. 7 erläutert ein Beispiel einer Suchergebnisliste, die durch eine Ausführungsform der vorliegenden Erfindung erzeugt wird;
  • Fig. 8 ist ein Flussdiagramm, das eine Änderung eines Gebotsvorgangs erläutert, der in einer Ausführungsform der vorliegenden Erfindung verwendet wird;
  • Fig. 9 erläutert ein Beispiel einer Bildschirmanzeige, die in dem Gebotsänderungsvorgang von Fig. 8 verwendet wird;
  • Fig. 10 ist ein Flussdiagramm, das ein Verfahren zum Empfehlen von Suchausdrücken an einen Inserierer auf einer Zahle-für- Platzierung-Suchmaschine erläutert;
  • Fig. 11 ist ein Flussdiagramm, das ein Verfahren zum Bewerten von Suchausdrücken durch das Spidering einer Webseite erläutert;
  • Fig. 12-14 sind Flussdiagramme, die ein Verfahren zum Beurteilen von Suchausdrücken durch kollaboratives Filtern erläutern;
  • Fig. 15-17 sind Flussdiagramme, die die Berechnung einer Pearson-Korrelation zwischen zwei Inserierern erläutert; und
  • Fig. 18-20 sind Flussdiagramme, die die Kombination von Vorhersagen von Spidering und kollaborativem Filtern erläutern.
  • DETAILLIERTE BESCHREIBUNG DER GEGENWÄRTIG BEVORZUGTEN AUSFÜHRUNGSFORMEN
  • Verfahren und Systeme zum Erzeugen eines Zahle-für-Durchführung-Suchergebnisses, das durch einen Seitenwerber, z. B. einen Inserierer, bestimmt wird, über ein Computernetzwerksystem auf einer Client/Server-Basis werden offenbart. Die vorliegende Beschreibung wird wiedergegeben, um einen Fachmann in die Lage zu versetzen, Gebrauch von der Erfindung machen zu können. Zum Zwecke der Erläuterung wird die spezielle Nomenklatur erläutert, um ein tiefes Verständnis der vorliegenden Erfindung bereitstellen zu können. Beschreibungen spezieller Anwendungen werden nur als Beispiele bereitgestellt. Verschiedene Modifikationen der bevorzugten Ausführungsformen sind für Fachleute leicht offenbar und die allgemeinen Prinzipien, die hier definiert werden, können bei anderen Ausführungsformen und Anwendungen angewendet werden, ohne dass vom Geist und Bereich der Erfindung abgewichen wird. Es wird somit nicht beabsichtigt, dass die vorliegende Erfindung durch die gezeigten Ausführungsformen beschränkt wird, sondern ihr soll der breiteste Bereich zugesprochen werden, der mit den Prinzipien und Merkmalen übereinstimmt, die hier offenbart werden.
  • Man beziehe sich nun auf die Zeichnungen, in denen Fig. 1 ein Beispiel eines verteilten Systems 10 ist, das als Client/Server-Architektur aufgebaut ist, die in einer bevorzugten Ausführungsform der vorliegenden Erfindung verwendet wird. Ein "Client" ist ein Mitglied einer Klasse oder einer Gruppe, der die Dienste einer anderen Klasse oder Gruppe verwendet, mit der er nicht verwandt ist. In dem Zusammenhang mit einem Computernetzwerk wie dem Internet ist ein Client ein Prozess bzw. Vorgang (d. h. grob ein Programm oder eine Aufgabe bzw. Task), die einen Dienst anfordert, der durch einen weiteren bzw. anderen Prozess bereitgestellt wird, der als Serverprogramm bekannt ist. Der Clientprozess verwendet den angeforderten Dienst, ohne dass er irgendwelche Arbeitsdetails bzw. Betriebsdetails über das andere Serverprogramm oder den Server selbst wissen muss. In vernetzten Systemen läuft ein Clientprozess für gewöhnlich auf einem Computer, der auf geteilte bzw. gemeinsame Netzwerkressourcen zugreift, die durch einen anderen Computer bereitgestellt werden, auf dem ein entsprechender Serverprozess läuft. Es wird jedoch auch darauf hingewiesen, dass es für den Clientprozess und den Serverprozess möglich ist, dass sie auf dem gleichen Computer laufen.
  • Ein "Server" ist typischerweise ein entferntes Computersystem, das über ein Kommunikationsmedium wie das Internet zugreifbar ist. Der Clientvorgang kann in einem zweiten Computersystem aktiv sein und mit dem Serverprozess über ein Kommunikationsmedium kommunizieren, das vielzähligen Client ermöglicht, Vorteil von den Informationssammlungsfähigkeiten des Servers zu nehmen. Der Server arbeitet somit im wesentlichen als ein Informationslieferant bzw. -provider für ein Computernetzwerk.
  • Das Programm von Fig. 1 zeigt deshalb ein verteiltes System, das eine Vielzahl von Clientcomputern 12, eine Vielzahl von Inserierer-Webservern 14, einen Kontoverwaltungsserver 22 und einen Suchmaschine-Webserver 24 aufweist, die alle mit einem Netzwerk 20 verbunden sind. Das Netzwerk 20 wird nachfolgend allgemein als das Internet bezeichnet. Obwohl das System und das Verfahren der vorliegenden Erfindung speziell für das Internet nützlich sind, sollte verstanden werden, dass die Clientcomputer 12, die Inserierer-Webserver 14, der Kontomanagement-Server 22 und die Suchmaschine-Webserver 24 miteinander durch irgendeines aus einer Anzahl von unterschiedlichen Typen von Netzwerken verbunden sein können. Solche Netzwerke können Lokalgebietsnetzwerke (LAN = Lokal Area Network), andere Weitgebietsnetzwerke (WAN = Wide Area Netzwork) und regionale Netzwerke sein, auf die über Telefonleitungen zugegriffen werden kann, wie z. B. kommerzielle Informationsdienste. Der Clientprozess und der Serverprozess können sogar unterschiedliche Programme aufweisen, die simultan auf einem einzelnen Computer ausgeführt werden.
  • Die Clientcomputer 12 können herkömmliche Personalcomputer (PCs), Workstation oder Computersysteme von irgendeiner anderen Größe sein. Jeder Client 12 enthält typischerweise einen Prozessor oder mehrere Prozessoren, Speicher, Eingabe/Ausgabe- Vorrichtungen und eine Netzwerkschnittstelle wie z. B. ein herkömmliches Modem. Die Inserierer-Webserver 14 und der Kontoverwaltungsserver 22 und der Suchmaschine-Webserver 24 können ähnlich aufgebaut sein. Die Inserierer-Webserver 14, der Kontoverwaltungsserver 22 und die Suchmaschine-Webserver 24 können jedoch viele Computer enthalten, die durch ein separates, eigenes Netzwerk verbunden sind. Tatsächlich kann das Netzwerk 20 Hunderttausende von einzelnen Netzwerken von Computern enthalten.
  • Die Clientcomputer 12 können Webbrowserprogramme 16, z. B. NAVIGATOR, EXPLORER oder MOSAIC Browserprogramme, ausführen, um die Webseiten oder -aufzeichnungen 30, die auf einem Inserierer-Server 14 gespeichert sind, lokalisieren zu können. Die Browserprogramme 16 ermöglichen den Nutzern, Adressen spezieller Webseiten 30, die aufgefunden werden sollen, einzugeben. Diese Adressen werden als Uniform Resource Locators oder URL (Gleich bleibender Quellen-Lokalisierer) bezeichnet. Zudem können, sobald eine Seite bzw. Page aufgefunden worden ist, die Browserprogramme 16 einen Zugriff auf andere Seiten oder Aufzeichnungen bereitstellen, wenn der Nutzer auf Hyperlinkverbindungen zu andere Webseiten "klickt". Diese Hyperlinkverbindungen befinden sich innerhalb der Webseiten 30 und stellen einen automatisierten Weg für den Nutzer dar, den URL einer anderen Seite einzugeben und diese Seite auffinden zu können. Die Seiten können Datenaufzeichnungen sein, die als Inhalt einfache Textinformation oder komplexere, codierte Multimediainhalt, z. B. Softwareprogramme, Grafiken, Audiosignale, Videos usw., enthalten.
  • In einer bevorzugten Ausführungsform der vorliegenden Erfindung, die in Fig. 1 gezeigt ist, kommunizieren die Clientcomputer 12 durch das Netzwerk 20 mit verschiedenen Netzwerkinformationslieferanten, einschließlich dem Kontoverwaltungsserver 22, Suchmaschineserver 24 und die Inserierer-Webserver 14, die die Funktionalität verwenden, welche durch ein Hypertexttransferprotokoll (HTTP) bereitgestellt wird, obwohl auch andere Kommunikationsprotokolle, z. B. FTP, SNMP, TELNET und eine Anzahl weiterer Protokolle, die im Stand der Technik bekannt sind, verwendet werden können. Bevorzugt befinden sich der Suchmaschineserver 24, der Kontoverwaltungsserver 22 und die Inseriererwebserver 14 auf dem World Wide Web.
  • Wie vorstehend erläutert wurde, werden mindestens zwei Arten von Servern in einer bevorzugten Ausführungsform der vorliegenden Erfindung verwendet. Der erste Server, der betrachtet wird, ist ein Kontoverwaltungsserver 22, der ein Computerspeichermedium 32 und ein Verarbeitungssystem 34 aufweist. Eine Datenbank 38 ist auf dem Speichermedium 32 des Kontoverwaltungsservers 22 gespeichert. Die Datenbank 38 enthält Inserierer-Kontoinformation. Aus der nachfolgenden Beschreibung wird es erkennbar, dass das System und das Verfahren der vorliegenden Erfindung in Software implementiert werden kann, die als ausführbare Befehle auf ein Computerspeichermedium, z. B. Speichern oder Massenspeichervorrichtungen, auf dem Kontoverwaltungsserver 22 gespeichert ist. Herkömmliche Browserprogramme 16, die auf Clientcomputern 12 laufen können, können für den Zugriff auf Kontoinformationen des Inserierers verwendet werden, die auf dem Kontoverwaltungsserver 22 gespeichert sind. Bevorzugt wird der Zugriff auf den Kontoverwaltungsserver 22 durch eine Firewall, nicht gezeigt, ausgeführt, die das Kontoverwaltungsprogramm und das Suchergebnisplatzierungsprogramm und die Kontoinformation von einem äußeren Zugreifen schützen. Eine zusätzliche Sicherheit kann mittels Verbesserungen der Standard-Kommunikationsprotokolle, z. B. Sercure HTTP oder Secure Sockets Layer bereitgestellt werden. Der zweite Servertyp, der betrachtet wird, ist ein Suchmaschine-Webserver 24. Ein Suchmaschineprogramm ermöglicht den Netzwerknutzern auf das Navigieren zu einem Suchmaschine-Webserver-URL oder Orten bzw. Seiten (site) auf anderen Webservern, die in der Lage sind, Anfragen an den Suchmaschine-Webserver 24 durch ihr Browserprogramm 16 vorzulegen, Schlüsselwortanfragen einzutippen, um Seiten von Interesse aus den Millionen von Seiten, die auf dem World Wide Web verfügbar sind, identifizieren zu können. In einer bevorzugten Ausführungsform der vorliegenden Erfindung erzeugt der Suchmaschine-Webserver 24 eine Suchergebnisliste, die zumindest teilweise relevante Einträge enthält, die erhalten werden von den Ergebnissen und formatiert werden durch die Ergebnisse des Bietprozesses, der durch den Kontoverwaltungsserver 22 ausgeführt wird. Der Suchmaschine-Webserver 24 erzeugt eine Liste von Hypertextverbindungen auf Dokumente, die Informationen enthalten, die für Suchausdrücke relevant ist, die durch den Nutzer als den Clientcomputer 12 eingegeben werden. Der Suchmaschine-Webserver sendet diese Liste in der Form einer Webseite zu dem Netzwerknutzer, wo sie auf dem Browser 16, der auf dem Clientcomputer 12 verläuft, angezeigt wird. Eine gegenwärtig bevorzugte Ausführungsform des Suchmaschine-Webservers kann durch Navigieren auf die Webseite bei dem URL http:/ / www.goto.com/ gefunden werden. Zudem wird die Suchergebnisliste-Webseite, von der ein Beispiel in Fig. 7 wiedergegeben ist, nachstehend im weiteren Detail erläutert.
  • Der Suchmaschine-Webserver 24 ist mit dem Internet 20 verbunden. In einer bevorzugten Ausführungsform der vorliegenden Erfindung hat der Suchmaschine-Webserver 24 eine Suchdatenbank 40, die Suchlistenaufzeichnungen aufweist, die verwendet werden, um Suchergebnisse in Antwort auf Nutzeranfragen erzeugen zu können. Zudem kann der Suchmaschine-Webserver 24 auch mit dem Kontoverwaltungsserver 22 verbunden sein. Der Kontoverwaltungsserver 22 kann auch mit dem Internet verbunden sein. Der Suchmaschine-Webserver 24 und der Kontoverwaltungsserver 22 der vorliegenden Erfindung kommen den unterschiedlichen Informationsbedürfnissen der Nutzer nach, die sich an Clientcomputern 12 befinden.
  • Beispielsweise kann eine Klasse von Nutzern, die sich an Clientcomputern 12 befixiden, Netzwerkinformationsprovider sein, z. B. inserierende Webseitenwerber oder Inhaber, die Inserierer-Webseiten 30 haben, welche sich auf Inserierer- Webservern 14 befinden. Diese inserierenden Webseitewerber oder Inserierer können einen Zugriff auf Kontoinformationen wünschen, die in dem Speicher 32 auf dem Kontoverwaltungsserver 22 gehalten sind. Ein inserierender Webseitewerber kann durch das Konto, das auf dem Kontoverwaltungsserver 22 gehalten wird, an einem konkurrierenden Bietprozess mit anderen Inserieren teilnehmen. Ein Inserierer kann für irgendeine Anzahl von Suchausdrücken bieten, die relevant für den Inhalt der Webseite des Inserierers sind. In einer Ausführungsform der vorliegenden Erfindung wird die Relevanz eines Suchausdrucks, für den geboten wird, für eine Webseite eines Inserierers durch einen manuellen Editionsprozess vor dem Einfügen der Suchliste, die den Suchausdruck enthält, und dem URL der Inserierer-Webseite in die Datenbank 40 bestimmt. In einer alternativen Ausführungsform der vorliegenden Erfindung kann die Relevanz eines Suchausdrucks, für den geboten wird, in einer Suchliste für die entsprechende Webseite unter Verwendung eines Computerprogramms ermittelt werden, das im Prozessor 34 des Kontoverwaltungsservers 22 ausgeführt wird, wobei das Computerprogramm den Suchausdruck ermittelt und die entsprechende Webseite gemäß einem Satz von vorgegebenen Editionsregeln ermittelt.
  • Die höheren Gebote erhalten eine vorteilhaftere Platzierung auf der Suchergebnislisteseite, die durch die Suchmaschine 24 erzeugt wird, wenn eine Suche unter Verwendung des Suchausdrucks ausgeführt wird, für den durch den Inserierer geboten wird. In einer bevorzugten Ausführungsform der vorliegenden Erfindung umfasst der Betrag, der von einem Inserierer geboten wird, einen Geldbetrag, der von dem Konto des Inserierers jedes Mal dann abgebucht wird, wenn die Webseite des Inserierers über einen Hyperlink auf der Suchergebnislisteseite zugegriffen wird. Ein Suchender "klickt" auf den Hyperlink mit einer Computereingabevorrichtung, um eine Auffindanforderung für das Auffinden der Information auszulösen, die mit der Hyperlinkverbindung des Inserierers verbunden ist. Bevorzugt wird jeder Zugriff oder jedes "Klicken" auf einen Suchergebnisliste- Hyperlink zu dem Suchmaschine-Webserver 24 zurückgeleitet, um das "Klicken" mit dem Kontoidentifizierer für einen Inserierer verbinden zu können. Der Zurückleitvorgang, der für den Suchenden nicht sichtbar ist, greift auf Kontoidentifizierungsinformation zu, die in der Suchergebnisseite vor dem Zugriff auf den URL des Inserierers unter Verwendung des Suchergebnisliste-Hyperlinks codiert wird, der von dem Suchenden angeklickt wird. Die Kontoidentifizierungsinformation wird in dem Konto zusammen mit der Information von der Auffindnachfrage als ein Auffindnachfrage-Ereignis aufgezeichnet. Da die Information, die durch diesen Mechanismus erhalten wird, schließlich einen Kontoidentifizierer mit einem URL in einer Art und Weise in Übereinstimmung bringt, die unter Verwendung herkömmlicher Serversystemeinträge, die im Stand der Technik bekannt sind, nicht möglich ist, können genaue Kontoschuldaufzeichnungen aufrecht erhalten werden. Am meisten bevorzugt wird, dass die Webseitebeschreibung und der Webseite-Hyperlink des Inserierers auf der Suchergebnislisteseite durch eine Anzeige begleitet wird, dass die Liste des Inserierers eine gezahlte Liste ist. Am meisten wird bevorzugt, dass jede bezahlte Liste "Kosten für den Inserierer" anzeigt, die ein Betrag sind, der einem "Preispro-Klicken" entspricht, der von dem Inserierer für jede Bezugnahme auf die Seite (site) des Inserierers durch die Suchergebnisliste gezahlt wird.
  • Eine zweite Klasse von Nutzern an Clientcomputern 12 kann Suchende umfassen, die nach speziellen Informationen auf dem Web suchen. Die Suchenden bzw. Sucher können durch ihre Browser 15 auf eine Suchmaschine-Webseite 36 zugreifen, die sich auf dem Webserver 24 befindet. Die Suchmaschine-Webseite 36 enthält eine Anfragebox bzw. ein Anfragefeld, in das ein Suchender einen Suchausdruck eintippen kann, der ein oder mehrere Schlüsselworte umfasst. In Alternative kann der Suchende den Suchmaschine-Webserver 24 durch ein Anfragefeld anfragen, die mit dem Suchmaschine-Webserver 24 per Hyperlink verbunden ist und die sich auf einer Webseite befindet, die in einem entfernten Webserver gespeichert ist. Wenn der Suchende das Eingeben des Suchausdrucks beendet hat, kann der Suchende die Anfrage an den Suchmaschine-Webserver 24 durch Anklicken eines bereitgestellten Hyperlinks senden. Der Suchmaschine-Webserver 24 erzeugt dann eine Suchergebnislisteseite und sendet diese Seite zu dem Suchenden an dem Clientcomputer 12.
  • Der Suchende kann auf die Hypertextverbindungen, die mit jeder Liste bzw. Auflistung auf der Suchergebnisseite verbunden sind, klicken, um auf die entsprechenden Webseiten zugreifen zu können. Die Hypertextverbindungen können auf Webseiten irgendwo auf dem Internet zugreifen und können bezahlte Listen bzw. Auflistungen für Inserierer-Webseiten 18 enthalten, die sich auf den Inserierer-Webservern 14 befinden. In einer bevorzugten Ausführungsform der vorliegenden Erfindung enthält die Suchergebnisliste auch unbezahlte Listen, die nicht als ein Ergebnis der Inserierergebote platziert sind und durch eine herkömmliche World-Wide-Web-Suchmaschine erzeugt werden, z. B. die INKTOMI-, LYCOS- oder YAHOO!-Suchmaschine. Die unbezahlten Hypertextverbindungen können auch Verbindungen bzw. Links enthalten, die manuell in die Datenbank 40 durch ein Editionsteam bzw. Bearbeitungsteam indiziert werden. Es wird am meisten bevorzugt, dass unbezahlte Listen den bezahlten Inseriererlisten auf der Suchergebnisliste folgen.
  • Fig. 2 ist ein Diagramm, das Menüs, Anzeigebildschirme und Eingabebildschirme zeigt, die einem Inserierer dargestellt werden, der auf den Kontoverwaltungsserver 22 durch ein herkömmliches Browserprogramm 16 zugreift. Der Inserierer ruft auf das Eingeben des URL des Kontoverwaltungsservers 22 in das Browserprogramm 16 von Fig. 1 hin eine Einlogganwendung auf, die untenstehend, wie beim Bildschirm 110 von Fig. 2 gezeigt ist, erläutert wird und die auf dem Verarbeitungssystem 34 des Servers 22 arbeitet. Sobald der Inserierer eingeloggt ist, stellt das Verarbeitungssystem 34 ein Menü 120 bereit, das eine Anzahl von Optionen und weiteren Diensten für den Inserierer hat. Diese Objekte bzw. Punkte, die mit größerer Genauigkeit weiter unten erläutert werden, verursachen, dass Routinen aufgerufen werden, um entweder die Anforderung des Inserierers zu implementieren oder weitere Information vor der Implementierung der Anforderung des Inserierers anzufordern. In einer Ausführungsform der vorliegenden Erfindung kann der Inserierer auf mehrere Optionen durch das Menü 120 zugreifen, einschließlich dem Anfordern des Kundendienstes 130, dem Betrachten von Inserierereigenschaften 140, dem Durchführen von Kontoadministrationsaufgaben 150, dem Hinzufügen von Geld zu dem Konto 160 des Inserierers, dem Verwalten der Inseriererpräsenz des Kontos auf der Suchmaschine 170 und dem Betrachten von Aktivitätsberichten 180. Eine kontextspezifische Hilfe 190 kann auch allgemein beim Menü 120 verfügbar sein, und alle der vorstehend erwähnten Optionen.
  • Die Einloggprozedur der bevorzugten Ausführungsform der vorliegenden Erfindung ist in Fig. 3 und 4 für zwei Arten von Nutzern gezeigt. Fig. 3 zeigt die Einloggprozeduren 270 für einen Inserierer. Fig. 4 zeigt die Einloggprozeduren 290 für einen Administrator, der das System und das Verfahren der vorliegenden Erfindung verwaltet und aufrecht erhält. Wie zuvor erläutert wurde, muss der Inserierer oder Administrator eines Clientcomputers 12 zuerst ein Browserprogramm bei den Schritten 271 oder 291 verwenden, um auf den Kontoverwaltungsserver 22 zugreifen zu können. Nachdem der Inserierer zu dem URL der Einloggseite navigiert ist, um den Einloggvorgang beim Schritt 272 oder 292 zu starten, ruft das Verarbeitungssystem 34 des Kontoverwaltungsservers 22 eine Einloggapplikation bei den Schritten 274 oder 294 auf. Gemäß dieser Anwendung stellt der Prozessor einen Eingabebildschirm 110 (Fig. 2) bereit, der den Nutzernamen und das Nutzerpasswort des Inserierers oder Administrators anfordert. Diese Informationsobjekte werden bei den Schritten 276 oder 296 einer Sicherheitsanwendung, die im Stand der Technik bekannt ist, für den Zweck der Authentifizierung auf der Basis der Kontoinformation bereitgestellt, die in der Datenbank gespeichert ist, welche in dem Speicher 32 des Kontoverwaltungsservers 22 gespeichert ist.
  • Gemäß Fig. 3 werden dem Inserierer, nachdem der Nutzer als ein Inserierer authentifiziert worden ist, der Menübildschirm 120 von Fig. 2 und begrenzte Lese/Schreib-Zugriffsprivilegien nur für das entsprechende Inseriererkonto bereitgestellt, wie im Schritt 278 gezeigt ist. Das Inserierer-Einloggereignis 278 kann auch im Schritt 280 in einer Prüflistendatenstruktur als Teil der Inserierer-Kontoaufzeichnung in der Datenbank aufgezeichnet werden. Die Prüfliste wird bevorzugt als eine Serie von Einträgen in die Datenbank 38 implementiert, wobei jeder Eintrag einem Ereignis entspricht, worin auf die Inserierer- Kontoaufzeichnung zugegriffen wird. Die Prüflisteninformation für eine Kontoaufzeichnung kann bevorzugt durch den Kontoinhaber oder andere geeignete Administratoren eingesehen werden.
  • Wenn der Nutzer als ein Administrator im Schritt 295 von Fig. 4 authentifiziert wird, wird jedoch der Administrator mit den spezifizierten administrativen Zugriffsprivilegien für alle Inseriererkontos, wie im Schritt 296 gezeigt ist, versehen. Das Administratoreinloggereignis 296 wird im Schritt 297 in dem Prüflistendatenabschnitt der Administratorkontoaufzeichnung aufgezeichnet. Die Prüfliste wird bevorzugt als Serie von Einträgen in die Datenbank 38 implementiert, wobei jeder Eintrag einem Ereignis entspricht, worin auf die Administratorkontoaufzeichnung zugegriffen wird. Am meisten wird bevorzugt, dass die Administrator-Prüflistendateninformation durch den Kontoinhaber und andere geeignete Administratoren eingesehen werden kann.
  • Zudem wird dem authentifizierten Administrator anstelle des allgemeinen Inseriererhauptmenüs, das dem authentifizierten Inserierernutzern 282 gezeigt wird, im Schritt 298 der Zugriff auf die Suche in der Datenbank 38 der Inseriererkonten bereitgestellt. Bevorzugt wird eine Datenbanksuchschnittstelle dem Administrator bereitgestellt, die dem Administrator ermöglicht, dass er ein Inseriererkonto für die Überwachung auswählen kann. Die Schnittstelle kann z. B. Anfragefelder aufweisen, in die der Administrator eine Kontonummer oder einen Nutzernamen oder einen Kontaktnamen eingeben kann, die bzw. der einem Konto entspricht, auf das der Administrator einen Zugriff erwünscht. Wenn der Administrator ein Inseriererkonto für die Überwachung im Schritt 299 auswählt, wird der Administrator dann auf die Hauptinseriererseite 120 von Fig. 2 gebracht, die auch von den Inserierern eingesehen werden kann.
  • Der Zugriff auf Kontoinformation 32, die sich auf dem Kontoverwaltungsserver 22 befindet, ist auf die Nutzer beschränkt, die eine Kontoaufzeichnung auf dem System haben, da nur diese Nutzer mit einem gültigen Einloggnamen und Passwort versehen sind. Das Passwort und die Einloggnameninformation wird zusammen mit den weiteren Kontoinformationen des Nutzers in der Datenbank 38 des Kontoverwaltungsservers 22 gespeichert, wie in Fig. 1 gezeigt ist. Die Kontoinformation, einschließlich eines Einloggnutzernamens und Einloggpassworts, wird in die Datenbank 38 von Fig. 1 über einen separaten Online-Registrierungsprozess eingegeben, der außerhalb des Bereichs der vorliegenden Erfindung ist.
  • Fig. 5 ist ein Diagramm, das die Arten von Informationen zeigt, die in jeder Inseriererkontoaufzeichnung 300 in der Datenbank enthalten sind. Zuerst enthält eine Inseriererkontoaufzeichnung 300 einen Nutzernamen 302 und ein Passwort 304, die für die Online-Authentifizierung verwendet werden, wie vorstehend beschrieben wurde. Die Kontoaufzeichnung enthält auch Kontaktinformationen 310 (z. B. Kontaktname, Firmenname, Straßenadresse, Telefon, e-mail-Adresse).
  • Die Kontaktinformation 310 wird bevorzugt für eine direkte Kommunikation mit dem Inserierer verwendet, wenn der Inserierer eine Benachrichtigung über Schlüsselinseriererereignisse unter der Benachrichtigungsoption angefordert hat, die unten stehend erläutert wird. Die Kontoaufzeichnung 300 enthält auch Rechnungsinformation 320 (z. B. gegenwärtiger Kontostand, Kreditkarteninformation). Die Rechnungsinformation 320 enthält Daten, auf die zugegriffen wird, wenn der Inserierer die Option des Hinzufügens von Geld auf das Inseriererkonto auswählt. Zudem kann eine bestimmte Rechnungsinformation wie z. B. der gegenwärtige Kontostand Ereignisse auslösen, die eine Benachrichtigung unter der Benachrichtigungsoption erfordern. Der Prüflistendatenabschnitt 325 einer Kontoaufzeichnung 300 enthält eine Liste aller Ereignisse, bei denen auf die Kontoaufzeichnung 300 zugegriffen wird. Jedes Mal, wenn auf die Kontoaufzeichnung 300 durch einen Administrator oder Inserierer zugegriffen wird oder diese modifiziert wird, wird ein kurzer Eintrag, der den Kontozugriff und/oder das Kontomodifikationsereignis beschreibt, an den Prüflistenabschnitt 330 des Administrator- oder Inseriererkontos angehängt, das das Ereignis ausgelöst hat. Die Prüflisteninformation können dann verwendet werden, um einen Ablauf von Transaktionen durch den Kontoinhaber unter dem Konto erzeugen zu können.
  • Der Inseriererinformationsabschnitt 330 enthält Informationen, die benötigt werden, um den Online-Bietprozess der vorliegenden Erfindung durchführen zu können, durch den eine Position für eine Webortbeschreibung und einen Hyperlink innerhalb der Suchergebnisliste bestimmt werden, die durch die Suchmaschine erzeugt wird. Die inserierenden Daten 330 für jedes Nutzerkonto 300 können als Null oder mehr Unterkonten 340 organisiert werden. Jedes Unterkonto 340 umfasst mindestens eine Suchliste 344. Jede Suchliste entspricht einem Gebot für einen Suchausdruck. Ein Inserierer kann Unterkonten dazu verwenden, vielfache Gebote für vielfache Suchausdrücke zu organisieren oder Gebote für vielzählige Webseiten bzw. Weborte zu organisieren. Unterkonten sind auch besonders für Inserierer nützlich, die danach suchen, die Durchführung der beworbenen Marksegmente zu verfolgen. Die Unterkonto-Superstruktur wird zum Vorteil der Inserierer eingeführt, die danach trachten, ihre Anzeigebemühungen zu organisieren, und sie beeinträchtigt das Verfahren des Betriebs der vorliegenden Erfindung nicht. In Alternative braucht die Inseratsinformation nicht die hinzugefügte Organisationsschicht der Unterkonten enthalten, sondern kann einfach eine Suchliste oder mehrere Suchlisten aufweisen.
  • Die Suchliste 344 entspricht eine Suchausdruck-Gebot-Paarung und enthält Schlüsselinformation für die Ausführung des konkurrierenden Online-Bietvorgangs. Bevorzugt weist jede Suchliste die nachfolgenden Informationen auf: Suchausdruck 352, Webseitenbeschreibung 354, URL 356, Gebotsbetrag 358 und einen Titel 360. Der Suchausdruck 352 umfasst ein Schlüsselwort oder mehrere Schlüsselworte, die geläufige Wörter in Englisch (oder einer anderen Sprache) sein können. Jedes Schlüsselwort wiederum umfasst eine Zeichenkette. Der Suchausdruck ist das Objekt des konkurrierenden Online-Bietprozesses. Der Inserierer wählt einen Suchausdruck aus, für den er bieten will und der relevant für den Inhalt der Webseite bzw. des Webortes (web site) des Inserierers ist. Idealerweise kann der Inserierer einen Suchausdruck auswählen, der auf Ausdrücke abzielt, die wahrscheinlich durch Suchende eingegeben werden, die Informationen auf der Webseite des Inserierers suchen, obwohl weniger geläufige Suchausdrücke auch ausgewählt werden können, um eine umfassende Abdeckung der relevanten Suchausdrücke für das Bieten sicherstellen zu können.
  • Die Webseitenbeschreibung 354 ist eine kurze Textbeschreibung (bevorzugt kleiner als 190 Zeichen) des Inhaltes der Webseite des Inserierers und kann als Teil des Eintrags des Inserierers in eine Suchergebnisliste angezeigt werden. Die Suchliste 344 kann auch einen Titel 360 der Webseite enthalten, die als hyperlinkverbundener Kopfteil für den Eintrag eines Inserierers in einer Suchergebnisliste angezeigt werden kann. Der URL 356 enthält die Uniform-Resource-Locator-Adresse der Webseite des Inserierers. Wenn der Nutzer auf die Hyperlinkverbindung klickt, die in dem Suchergebnislisteneintrag des Inserierers bereitgestellt wird, wird der URL dem Browserprogramm bereitgestellt. Das Browserprogramm wiederum greift auf die Webseite des Inserierers durch den Zurückleitmechanismus zu, der vorstehend erläutert wurde. Der URL kann als Teil des Eintrags des Inserierers in eine Suchergebnisliste angezeigt werden. Der Gebotsbetrag 358 ist bevorzugt ein Geldbetrag, der von einem Inserierer für eine Liste geboten wird. Dieser Geldbetrag wird von dem vorausgezahlten Konto abgezogen oder wird für Inseriererkonten aufgezeichnet, die jedes Mal mit einer Rechnung belastet werden, wenn eine Suche durch einen Nutzer für den entsprechenden Suchausdruck ausgeführt wird und wenn die Suchergebnisliste-Hyperlinkverbindung verwendet wird, um den Suchenden auf die Webseite des Inserierers zu beziehen. Schließlich ist ein Rangwert ein Wert, der bevorzugt von dem Verarbeitungssystem 34 des Kontoverwaltungsservers 22, der in Fig. 1 gezeigt ist, dynamisch erzeugt wird, jedes Mal, wenn ein Inserierer ein Gebot platziert oder eine Suche in eine Suchanfrage eintritt. Der Rangwert einer Suchliste des Inserierers bestimmt den Platzierungsort des Eintrags des Inserierers in die Suchergebnisliste, die erzeugt wird, wenn eine Suche nach dem entsprechenden Suchausdruck ausgeführt wird. Bevorzugt ist der Rangwert eine ganze Zahl, die in einer direkten Beziehung zu dem Gebotsbetrag 358 bestimmt wird; je höher der Gebotsbetrag, desto höher ist der Rangwert und desto vorteilhafter ist der Platzierungsort auf der Suchergebnisliste. Am meisten bevorzugt wird, dass der Rangwert von 1 dem höchsten Gebotsbetrag zugeordnet wird, wobei hintereinanderfolgende, höhere ganze Zahlen (z. B. 2, 3, 4 . . .) mit hintereinanderfolgenden, niedrigeren Rängen und zugeordneten, hintereinanderfolgend niedrigeren Gebotsbeträgen verbunden sind.
  • Sobald ein Inserierer eingeloggt ist, kann er eine Anzahl von einfachen Aufgaben durchführen, die im Menü 120 von Fig. 2 erläutert sind, einschließlich des Betrachtens einer Liste von Regeln und Praktiken für Inserierer und dem Anfordern einer Kundendienstunterstützung. Diese Punkte bzw. Objekte verursachen, dass Routinen aufgerufen werden, um die Anforderung zu implementieren. Z. B., wenn "Kundendienst" ausgewählt wird, wird ein Eingabebildschirm 130 angezeigt, um dem Inserierer zu ermöglichen, den Typ von angeforderten Kundenservice auswählen zu können. Zudem können Formulare auf dem Bildschirm 130 derart bereitgestellt werden, dass ein Inserierer einen Kundenkommentar in ein Eingabeformular auf Webbasis eintippen kann.
  • Wenn "Betrachte Inseriererpraktiken" ausgewählt wird, wird eine Routine durch das Verarbeitungssystem 34 des Kontoverwaltungsservers 22 von Fig. 1 aufgerufen. Wie in Fig. 2 gezeigt ist, zeigt die Routine eine informierende Webseite 140 an. Die Webseite 140 erläutert die Inseriererpraktiken, die gegenwärtig wirksam sind (z. B. "alle Suchlistenbeschreibungen müssen sich klar auf den Suchausdruck beziehen").
  • Das Menü 120 von Fig. 2 enthält auch eine "Kontoadministration"-Auswahl 150, die es einem Inserierer ermöglicht, unter anderem die Kontaktinformation und Rechnungsinformation anzuschauen und zu ändern oder das Zugriffsprofil des Inserierers zu aktualisieren, wenn es eines gibt. Formulare auf Webbasis, die im Stand der Technik bestens bekannt sind, und ähnlich zu jenen sind, die vorstehend erläutert wurden, werden für die Aktualisierung von Kontoinformationen bereitgestellt.
  • Das "Kontoadministration"-Menü enthält auch eine Auswahl, die einen Inserierer in die Lage versetzt, die Aktionsgeschichte des Inseriererskontos zu betrachten. Unter der "Betrachte Transaktionsgeschichte"-Auswahl kann der Inserierer Routinen für das Betrachten einer Liste von vergangenen Kontotransaktionen (z. B. Hinzufügen von Geld auf das Konto, Hinzufügen oder Streichen von Suchausdrücken, für die geboten wurde, oder Ändern eines Gebotsbetrags) aufrufen. Zusätzliche Routinen können implementiert sein, um den Inserierern zu ermöglichen, eine Geschichte von Transaktionen eines speziellen Typs anzuzeigen oder anzuzeigen, was innerhalb einer spezifizierten Zeit aufgetreten ist. Die Transaktionsinformation kann von der Prüfliste 325 von Fig. 5, die vorstehend beschrieben wurde, erhalten werden. Anklickbare Felder, die in Software implementiert sein können, Formulare auf Webbasis und/oder Menüs können, wie es im Stand der Technik bekannt ist, bereitgestellt werden, um den Inserierern eine Spezifizierung solcher Beschränkungen ermöglichen zu können.
  • Zudem enthält das "Kontoadministration"-Menü 150 von Fig. 2 eine Auswahl, die es einem Inserierer ermöglicht, Benachrichtigungsoptionen zu setzen. Unter dieser Auswahl kann der Inserierer Optionen auswählen, die verursachen, dass das System dem Inserierer benachrichtigt, wenn bestimmte Schlüsselereignisse aufgetreten sind. Der Inserierer kann z. B. auswählen, eine Option zu setzen, dass das System gewöhnliche e-mail- Nachrichten an den Inserierer sendet, wenn der Kontostand des Inserierers unterhalb eines spezifizierten Werts fällt. Auf diese Art und Weise kann der Inserierer eine "Warnung" empfangen, dass das Konto wieder aufgefüllt werden muss, bevor das Konto zeitweilig ausgesetzt wird, (was bedeutet, dass die Listen des Inserierers nicht länger in den Suchergebnislisten auftreten). Ein weiteres Schlüsselereignis, für das der Inserierer eine Benachrichtigung wünschen kann, ist eine Änderung in der Position einer Liste bzw. Auflistung des Inserierer in der Suchergebnisliste, die für einen bestimmten Suchausdruck erzeugt wird. Z. B. kann ein Inserierer wünschen, dass das System eine gewöhnliche Email-Nachricht an den Inserierer sendet, wenn der Inserierer von einem anderen Inserierer für einen bestimmten Suchausdruck überboten worden ist (was bedeutet, dass die Liste des Inserierers in einer Position weiter unten auf der Suchergebnisliste-Seite als zuvor auftritt). Wenn eines der system-spezifizierten Schlüsselereignisse auftritt, wird eine Datenbanksuche für jede beeinflusste bzw. beeinträchtigte Suchliste bzw. Suchauflistung ausgelöst. Das System führt dann die geeignete Benachrichtigungsroutine in Übereinstimmung mit den Benachrichtigungsoptionen aus, die in dem Konto des Inserierers spezifiziert werden.
  • Gemäß Fig. 2 tritt eine Auswahl auch in dem Menü 120 auf, das einem Inserierer ermöglicht, Geld auf das Inseriererkonto derart einzuzahlen, dass der Inserierer Gelder auf seinem Konto für die Zahlung von Bezugnahmen auf die Seite des Inserierers durch die Suchergebnisseite hat. Bevorzugt können nur Inserierer mit Geldern auf ihren Inseriererkonten ihre bezahlten Listen in irgendeiner Suchergebnisliste haben, die erzeugt worden ist. Am meisten wird bevorzugt, dass Inserierer, die ausgewählt Geschäftskriterien einhalten, anstelle des Aufrechterhaltens eines positiven Kontostands zu allen Zeiten auswählen können, dass sie Kontobelastungen unabhängig vom Kontostand zulassen und einen Rechnungsbetrag zu regulären Intervallen zahlen, der die Beträge wiedergibt, die durch tatsächliche Bezugnahmen auf die Seite des Inserierers angefallen sind, die durch die Suchmaschine erzeugt werden. Der Prozess, der ausgeführt wird, wenn die "Addiere Geld auf Konto"-Auswahl aufgerufen wird, ist genauer in Fig. 6 beginnend beim Schritt 602 gezeigt. Wenn die "Addiere Geld auf Konto"-Auswahl im Schritt 604 angeklickt wird, wird eine Funktion aufgerufen, die Daten empfängt, die den Inserierer identifizieren, und die das Konto des Inserierers aus der Datenbank auffindet. Der ausführende Prozess speichert dann die Standardrechnungsinformationen des Inserierers und zeigt die Standardrechnungsinformation für den Inserierer im Schritt 606 an. Die angezeigte Rechnungsinformation enthält den Standardgeldbetrag, der hinzugefügt werden soll, eine Standardzahlungsart und eine Standardgeräteinformation.
  • In der bevorzugten Ausführungsform der vorliegenden Erfindung kann der Inserierer Gelder online und im wesentlichen in Echtzeit durch die Verwendung einer Kreditkarte hinzufügen, obwohl die Verwendung anderer Zahlungsarten sicherlich im Bereich der vorliegenden Erfindung ist. Z. B. können die Inserierer in einer alternativen Ausführungsform der vorliegenden Erfindung Gelder auf ihre Konten durch Transferieren des gewünschten Betrags von dem Bankkonto des Inserierers über eine elektronische Gelderverifikationseinrichtung, die im Stand der Technik bekannt ist, wie z. B. Schuldkontokarten in einer Art und Weise, hinzufügen, die ähnlich zu der ist, die in dem US-Patent Nr. 5,724,424 für Gifford erläutert ist. In einer weiteren alternativen Ausführungsform der vorliegenden Erfindung können Inserierer Gelder auf ihre Konten unter Verwendung herkömmlicher Schecks auf Papierbasis einzahlen. In diesem Fall können die zusätzlichen Gelder in der Kontoaufzeichnungsdatenbank durch einen manuellen Eintrag aktualisiert werden. Die Geräteinformation enthält weitere Details bezüglich des Typs der Bezahlungsart. Z. B. kann die Geräteinformation für eine Kreditkarte Daten über den Namen der Kreditkarte (z. B. Mastercard, Visacard oder American Express), die Kreditkartennummer, das Ablaufdatum der Kreditkarte und Rechnungsinformationen für die Kreditkarte (z. B. Rechnungsname und Adresse) enthalten. In einer bevorzugten Ausführungsform der vorliegenden Erfindung wird nur eine teilweise Kreditkartennummer dem Inserierer aus Sicherheitsgründen angezeigt.
  • Die Standardwerte, die dem Inserierer angezeigt werden, werden aus einem anhängigen Zustand erhalten, z. B. gespeichert in der Kontodatenbank. In einer Ausführungsform der vorliegenden Erfindung können die gespeicherten Rechnungsinformationswerte die Werte aufweisen, die durch den Inserierer das letzte Mal (z. B. vor kurzem) als der Prozess des Geldhinzufügens aufgerufen wurde und für das Inseriererkonto abgeschlossen wurde, gesetzt wurden. Die Standardrechnungsinformationen werden dem Inserierer in einem auf dem Web basierenden Format bzw. Formular angezeigt. Der Inserierer kann auf die geeigneten Texteintragsfelder auf dem Formular auf Webbasis klicken und kann Änderungen der Standardrechnungsinformationen ausführen. Nachdem der Inserierer die Änderungen abgeschlossen hat, kann der Inserierer auf ein hyperlinkverbundenes "Eingabe"-Feld klicken, das auf dem Formular vorgesehen ist, um anzufordern, dass das System die Rechnungsinformationen und den gegenwärtigen Kontostand im Schritt 608 aktualisiert. Sobald der Inserierer eine Aktualisierung angefordert hat, wird eine Funktion durch das System aufgerufen, die die Rechnungsinformation gültig macht, die durch den Inserierer bereitgestellt wird, und sie dem Inserierer zur Bestätigung wieder anzeigt, wie im Schritt 610 gezeigt ist. Die bestätigte Rechnungsinformation wird in einer Nurleseform angezeigt und darf durch den Inserierer nicht geändert werden.
  • Der Gültigmachungsschritt funktioniert wie folgt. Wenn eine Zahlung von dem externen Konto des Inserierers abgebucht wird, kann die Zahlung authentifiziert, autorisiert und abgeschlossen werden, indem das System verwendet wird, das in dem US- Patent Nr. 572,424 für Gifford erläutert ist. Wenn die Zahlungsart durch Kreditkarte verwendet wird, wird jedoch ein Gültigmachungsalgorithmus durch das System aufgerufen, der die Kreditkartennummer unter Verwendung eines Verfahrens gültig macht bzw. validiert, wie es z. B. in dem US-Patent Nr. 5,836,241 für Stein et. al. erläutert ist. Der Validierungsalgorithmus validiert auch das Ablaufdatum über einen einfachen Vergleich mit dem gegenwärtigen Systemdatum und der gegenwärtigen Systemzeit. Zudem speichert die Funktion die neuen Werte in einem temporären Speicher bzw. in einer temporären Stufe vor der Bestätigung durch den Inserierer.
  • Sobald der Inserierer versichert, dass die angezeigten Daten richtig sind, kann der Inserierer auf ein "Bestätigung"-Feld klicken, das auf der Seite bereitgestellt wird, um Anzeigen zu können, dass das Konto im Schritt 612 aktualisiert werden soll. Im Schritt 612 wird eine Funktion durch das System aufgerufen, die Geld auf den geeigneten Kontostand hinzufügt, die Rechnungsinformation des Inserierers aktualisiert und die Rechnungsinformation an die Zahlungsgeschichte des Inserierers anhängt. Die aktualisierte Rechnungsinformation des Inserierers wird in dem anhängigen Zustand (z. B. der Kontoaufzeichnungsdatenbank) von dem temporären Speicher aus gespeichert.
  • Innerhalb der Funktion, die beim Schritt 612 aufgerufen wird, kann eine Kreditkartenzahlfunktion durch das System beim Schritt 614 aufgerufen werden. In einer alternativen Ausführungsform der vorliegenden Erfindung können weitere Zahlungsfunktionen wie z. B. Schuldkartenzahlungen durch definieren vielzähliger Zahlungsarten in Abhängigkeit von dem aktualisierten Wert der Zahlungsart aufgerufen werden.
  • Wenn die Zahlungsart die Kreditkarte ist, wird das Nutzerkonto sofort beim Schritt 16 belastet, da die Kreditkarte des Nutzers bereits im Schritt 614 validiert worden ist. Ein Bildschirm, der den Zustand der Geldeinzahltransaktion zeigt, wird angezeigt, wobei eine Transaktionsnummer und ein neuer, gegenwärtiger Kontostand gezeigt wird, was den Betrag wiedergibt, der durch die gerade abgeschlossene Kreditkartentransaktion hinzugefügt wurde.
  • In einer alternativen Ausführungsform der vorliegenden Erfindung kann, nachdem das Geld dem Konto hinzugefügt worden ist, der Geldbetrag, der dem Konto hinzugefügt wurde, auf Unterkonten am Ende des Geldeinzahlvorgangs beim Schritt 616 aufgeteilt werden. Wenn der Inserierer keine Unterkonten hat, wird das gesamte Geld auf dem Konto eine allgemeine Aufteilung. Wenn der Inserierer jedoch mehr als ein Konto hat, zeigt das System eine Bestätigung und eine Standardnachricht an, die den Inserierer zum "Aufteilen des Geldes auf Unterkonten" auffordert.
  • Die Menüauswahl "Aufteilen von Geld auf Unterkonten" kann aufgerufen werden, wenn Geld dem Inseriererkonto nach dem Schritt 616 von Fig. 6 hinzugefügt wird, oder sie kann innerhalb des "Kontoverwaltung"-Menü 170, das in Fig. 2 gezeigt ist, aufgerufen werden. Auf das "Kontoverwaltung"-Menü 170 kann von der Inseriererhauptseite 120, wie in Fig. 2 gezeigt ist, zugegriffen werden. Diese "Aufteilen von Geld auf Unterkonten"- Menüauswahl ermöglicht einem Inserierer, gegenwärtige und irgendwelche anhängigen Kontostände des Inseriererkontos auf die Inseriererunterkonten aufzuteilen. Das System aktualisiert dann die Unterkontostände. Die gegenwärtigen Kontostandsaufteilungen werden in Echtzeit ausgeführt, während die anhängigen Kontostandsaufteilungen in dem anhängigen Zustand gespeichert werden. Eine Routine wird aufgerufen, um die Unterkontostände zu aktualisieren, um die anhängigen Kontostandsaufteilungen wiederzugeben, wenn die Zahlung für den anhängigen Kontostand verarbeitet wird. Eine automatische Benachrichtigung kann zu dem Inserierer zu dieser Zeit gesendet werden, wenn sie angefordert wird. Diese intuitive Online-Kontoverwaltung und Aufteilung ermöglicht den Inserierern, dass sie ihr Online-Inseratsbudget schnell und effektiv verwalten können. Die Inserierer können ihre Konten mit Geldern wieder auffüllen und ihre Budgets aufteilen, alles in einer einfachen Sitzung auf Webbasis. Die Implementation auf Computerbasis eliminiert einen zeitaufwendigen, kostenintensiven, manuellen Eintrag der Kontotransaktionen des Inserierers.
  • Die "Aufteilen von Geld auf Unterkonten"-Routine beginnt, wenn ein Inserierer die Absicht anzeigt, dass er Geld aufteilen will, indem er die geeignete Menüauswahl an den Ausführungspunkten aufruft, die vorstehend angegeben wurden. Wenn der Inserierer die Absicht für die Aufteilung anzeigt, wird eine Funktion durch das System aufgerufen, um zu bestimmen, ob es Gelder gibt, die in dem gegenwärtigen Kontostand (d. h. unaktivierte Kontogelder) anhängig sind, die noch nicht auf die Inseriererunterkonten aufgeteilt worden sind, und zeigt die Kontostandsauswahloptionen an. In einer bevorzugten Ausführungsform der vorliegenden Erfindung wird eine Kontospeicherung erzeugt und ein Kontofeld für den anhängigen, gegenwärtigen Kontostand wird aus dem vorliegenden Zustand gesetzt.
  • Wenn es keine unaufgeteilten, anhängigen Gelder gibt, kann das System die gegenwärtig verfügbaren Kontostände für das Konto als ganzes wie auch für jedes Unterkonto anzeigen. Der Inserierer verteilt dann den gegenwärtig verfügbaren Kontostand auf die Unterkonten und gibt eine Anforderung für eine Aktualisierung der Kontostände ein. Eine Funktion wird aufgerufen, die die gegenwärtige, vorhandene Gesamtsumme für die Unterkonto-Kontostände berechnet und anzeigt. Die gegenwärtige, vorhandene Gesamtsumme wird in einer temporären Variablen gespeichert, die auf die Summe der gegenwärtigen Kontostände für alle Unterkonten für den spezifizierten Inserierer gesetzt wird. Die Funktion validiert auch die neuen, verfügbaren Unterkonto- Kontostände, um sicherstellen zu können, dass die Gesamtsumme nicht den autorisierten Betrag überschreitet. Wenn die neuen, vom Inserierer gesetzten, verfügbaren Unterkonto-Kontostände den autorisierten Betrag nicht überschreiten, wird eine Funktion aufgerufen, die alle Unterkonto-Kontostände in dem vorliegenden Zustand aktualisiert und die Aktualisierung in einem Nurleseformat anzeigt.
  • Wenn es anhängige Gelder in dem gegenwärtigen Kontostand gibt, müssen die anhängigen Gelder separat von dem verfügbaren, gegenwärtigen Kontostand aus aufgeteilt werden. Die anhängigen Gelder werden dann dem verfügbaren, gegenwärtigen Kontostand hinzugefügt, wenn die Gelder empfangen werden. Die Funktion muss deshalb den Inserierer auffordern, zwischen den aufgeteilten, anhängigen Geldern oder den aufgeteilten, verfügbaren Geldern auszuwählen. Die Auswahl für aufgeteilte, anhängige Gelder arbeitet in ziemlich der gleichen Art und Weise wie die Auswahl für aufgeteilte, verfügbare Gelder, die vorstehend erläutert wurde. Nachdem der Inserierer ausgewählt hat, anhängige Gelder aufzuteilen, wird eine Routine aufgerufen, die gegenwärtige, anhängige Kontostände für das Konto und die Unterkonten anzeigt. Der Inserierer verteilt die anhängigen Unterkonto-Kontostände auf die Kampagnen und gibt eine Anforderung für die Aktualisierung der Kontostände ein. Eine Funktion wird aufgerufen, die die gegenwärtigen, vorhandenen Gesamtsummen für die anhängigen Unterkonto-Kontostände berechnet und anzeigt. Diese Funktion validiert auch die neuen, anhängigen Unterkonto-Aufteilungen, um sicherzustellen, dass die Aufteilungen nicht irgendeinen autorisierten Betrag überschreiten. Die gegenwärtige, vorhandene Gesamtsumme der anhängigen Aufteilungen wird auf die Summe der gegenwärtigen, anhängigen Kontostände für alle Unterkonten für den Inserierer gesetzt. Wenn die neuen vom Nutzer gesetzten, anhängigen Unterkonto- Kontostände oder die Gesamtsumme dieser Kontostände nicht irgendeinen autorisierten Betrag überschreiten, aktualisiert die Funktion alle der anhängigen Unterkonto-Aufteilungen in dem vorliegenden Zustand, z. B. das Konto des Inserierers in der Datenbank, und zeigt die Aktualisierung in dem Nurleseformat an.
  • Wie vorstehend angegeben wurde und in Fig. 2 gezeigt ist, kann eine Routine, die das Kontoverwaltung-Menü 170 anzeigt, von dem Inseriererhauptmenü 120 aus aufgerufen werden. Neben der "Aufteilen von Geld auf Unterkonten"-Auswahl, die vorstehend beschrieben wurde, verwenden alle verbleibenden Auswahlen bis zu einem bestimmten Umfang die Suchlisten, die in dem Inseriererkonto auf der Datenbank vorhanden sind, und können auch den Inserierereintrag in die Suchergebnisliste beeinflussen. Somit wird eine weitere Beschreibung der Suchergebnisliste, die durch die Suchmaschine erzeugt wird, hier benötigt.
  • Wenn ein entfernter Suchender auf eine Suchanfrageseite auf dem Suchmaschine-Webserver 24 zugreift und eine Suchanforderung gemäß der vorstehend beschriebenen Prozedur ausführt, erzeugt die Suchmaschine-Webserver bevorzugt eine Suchergebnisliste und zeigt diese an, wenn der "kanonische" bzw. minimierte Eintrag in das Suchausdruckfeld jeder Suchliste in der Suchergebnisliste genau mit der kanonischen Suchausdruckanfrage, die von dem entfernten Suchenden eingegeben wird, übereinstimmt. Das Kanonisieren bzw. Minimieren der Suchausdrücke, die in den Anfragen und in den Suchlisten verwendet werden, entfernt allgemeine Irregularitäten von Suchausdrücken, die durch Suchende und Webseitewerber angegeben werden, wie z. B. große Buchstaben und Pluralformen, um relevante Ergebnisse erzeugen zu können. Alternative Verfahren zum Bestimmen einer Übereinstimmung zwischen dem Suchausdruckfeld der Suchliste und der Suchausdruckanfrage, die durch den entfernten Suchenden eingegeben wird, sind jedoch innerhalb des Bereichs der vorliegenden Erfindung. Z. B. können Kettenübereinstimmungsalgorithmen, die im Stand der Technik bekannt sind, verwendet werden, um Übereinstimmungen zu erzeugen, wenn die Schlüsselworte des Suchlisten-Suchterms und der Suchausdruckanfrage die gleiche Wurzel bzw. Basis haben, aber nicht exakt gleich sind (z. B. Computing gegenüber Computer). In Alternative kann eine Wörterbuchdatenbank bzw. Thesaurusdatenbank von Synonymen auf dem Suchmaschine-Webserver 24 derart gespeichert sein, dass Übereinstimmungen für einen Suchausdruck, der Synonyme hat, erzeugt werden können. Lokalisierungsmethoden können auch verwendet werden, um bestimmte Suchen verfeinern zu können. Z. B. kann eine Suche nach "bakery" (Bäckerei) oder "grocery store" (Lebensmittelgeschäft) auf jene Inserierer innerhalb einer ausgewählten Stadt, einer Postleitzahl oder eines Telefongebietscode beschränkt werden. Diese Informationen können durch eine Kreuzbezugnahme der Inseriererkontendatenbank, die im Speicher 32 auf dem Kontoverwaltungsserver 22 gespeichert ist, erhalten werden. Schließlich können Internationalisierungsmethoden verwendet werden, um Suchen für Nutzer außerhalb der Vereinigten Staaten verfeinern zu können. Z. B. können landes- oder sprachspezifische Suchergebnisse durch eine Kreuzbezugnahme der Inseriererkontodatenbank erzeugt werden.
  • Ein Beispiel für eine Suchergebnisliste-Anzeige, die in einer Ausführungsform der vorliegenden Erfindung verwendet wird, ist in Fig. 7 gezeigt. Die eine Anzeige der ersten paar Einträge ist, die aus einer Suche nach dem Ausdruck "Zip Drives" (Zip- Laufwerke) resultiert. Wie in Fig. 7 gezeigt ist, besteht ein einzelner Eintrag, wie z. B. der Eintrag 710a in einer Suchergebnisliste aus einer Beschreibung 720 der Webseite, vorzugsweise mit einem Titel und einer Kurztextbeschreibung, und einer Hyperlinkverbindung 730, die, wenn sie von einem Suchenden angeklickt wird, den Browser des Suchenden direkt zu dem URL lenkt, wo sich die beschriebene Webseite befindet. Der URL 740 kann auch in dem Suchergebnisliste-Eintrag 710a angezeigt werden, wie in Fig. 7 gezeigt ist. Das "Durchklicken" eines Suchergebnispunkts tritt auf, wenn der entfernte Suchende die Suchergebnispunkt-Anzeige 710 von Fig. 7 auswählt oder auf die Hyperlinkverbindung 730 der Suchergebnispunktanzeige 710 "klickt". Um ein "Durchklicken" abschließen zu können, sollte das Klicken des Suchenden in dem Kontoverwaltungsserver aufgezeichnet werden und zu dem URL des Inserierers über einen Zurücklenkmechanismus, der vorstehend erläutert wurde, zurückgelenkt werden.
  • Die Suchergebnislisteneinträge 710a-710h können auch den Rangwert der Suchliste des Inserierers zeigen. Der Rangwert ist ein ganzer Wert bzw. eine ganze Zahl, bevorzugt eine Nummer bzw. Zahl, die für die Suchliste durch das Verarbeitungssystem 34 von Fig. 1 erzeugt wird und diesem zugeordnet wird. Bevorzugt wird der Rangwert durch einen Prozess, der in Software implementiert ist, zugeordnet, der eine Verbindung zwischen den Gebotsbetrag, dem Rang und dem Suchausdruck der Suchliste einrichtet. Der Prozess sammelt alle Suchlisten bzw. Suchauflistungen, die mit einem bestimmten Suchausdruck übereinstimmen, sortiert die Suchlisten in der Reihenfolge von dem höchsten Gebotsbetrag bis zum niedrigsten Gebotsbetrag und ordnet einen Rangwert jeder Suchliste in der Reihenfolge zu. Der höchste Gebotswert erhält den höchsten Rangwert, der nächsthöchste Gebotswert erhält den nächsthöchsten Rangwert, wobei so zum niedrigsten Gebotswert fortgeschritten wird, der den niedrigsten Rangwert erhält. Am meisten wird bevorzugt, dass der höchste Rangwert gleich 1 ist, wobei hintereinanderfolgend ansteigende ganze Werte bzw. Zahlen, (z. B. 2, 3, 4 . . .) in der Reihenfolge der hintereinanderfolgenden abnehmenden Ränge zugeordnet werden. Die Korrelation zwischen Rangwert und Gebotsbetrag ist in Fig. 7 erläutert, wo jeder der Einträge 710a bis 710f den Gebotsbetrag 750a bis 750f des Inserierer für diesen Eintrag anzeigt. Bevorzugt wird, wenn zwei Suchlisten mit dem gleichen Suchausdruck auch den gleichen Gebotsbetrag haben, wobei dem Gebot, das zeitlich früher empfangen wurde, der höhere Rangwett zugeordnet wird. Unbezahlte Listen 710g und 710h zeigen keinen Gebotsbetrag an und werden nachfolgend der bezahlten Liste mit dem niedrigsten Rang angezeigt. Bevorzugt werden unbezahlte Listen angezeigt, wenn es eine unzureichende Anzahl von Listen für das Auffüllen der 40 Schlitze in einer Suchergebnisseite vorliegt. Unbezahlte Listen werden durch eine Suchmaschine erzeugt, die einen Algorithmus für eine objektiv verteilte Datenbank und einen Textsuchalgorithmus verwendet, die im Stand der Technik bekannt sind. Ein Beispiel für eine solche Suchmaschine ist durch die Suchmaschine der Inktomi Corporation gegeben. Die ursprüngliche Suchanfrage, die durch den entfernten Suchenden eingegeben wird, wird verwendet, um unbezahlte Listen durch die herkömmliche Suchmaschine erzeugen zu können.
  • Wie in dem Kampagne-Verwaltungsmenü 170 von Fig. 2 gezeigt ist, werden einem Inserierer mehrere Auswahlen für die Verwaltung von Suchlisten angeboten. Erstens kann der Inserierer in der "Ändere Gebote"-Auswahl das Gebot der Suchlisten ändern, die gegenwärtig in dem Konto sind. Der Prozess, der durch das System für die Änderung der Gebotsfunktion aufgerufen wird, ist in Fig. 8 gezeigt. Nachdem der Inserierer die Absicht für die Änderung von Geboten durch Auswahl der "Ändere Gebot"- Menüoption angezeigt hat, sucht das System das Konto des Nutzers in der Datenbank und zeigt die Suchlisten für das gesamte Konto oder ein Standardunterkonto in dem Konto des Inserierers an, wie im Schritt 810 gezeigt ist. Suchlisten können in Unterkonten gruppiert werden, die durch den Inserierer definiert werden, und können eine Suchliste oder mehrere Suchlisten aufweisen. Nur ein Unterkonto kann zu einem Zeitpunkt angezeigt werden. Die Anzeige sollte bevorzugt dem Inserierer ermöglichen, dass er das ausgewählte Unterkonto ändern kann, wie im Schritt 815 gezeigt ist. Die Bildschirmanzeige zeigt dann die Suchlisten für das ausgewählte Unterkonto, wie im Schritt 820 angezeigt ist.
  • Ein Beispiel einer Bildschirmanzeige, die dem Inserierer im Schritt 810 angezeigt wird, ist in Fig. 9 gezeigt, und wird untenstehend erläutert. Um die Gebote ändern zu können, kann der Inserierer neue Gebote für Suchausdrücke spezifizieren, für die der Inserierer bereits ein vorliegendes Gebot hat, indem er einen neuen Gebotsbetrag in das Eingabefeld für das neue Gebot für den Suchausdruck eingibt. Die Gebotsänderungen, die vom Inserierer eingegeben werden, werden dem Inserierer beim Schritt 820 von Fig. 8, wie vorstehend erläutert wurde, angezeigt. Um die Gebote für die Anzeigeseite aktualisieren zu können, fordert der Inserierer beim Schritt 830 von Fig. 8 an, dass das Ergebnis der Änderungen aktualisiert wird. Der Inserierer kann eine solche Anforderung an den Kontoverwaltungsserver durch eine Vielzahl von Mitteln senden, einschließlich dem Klicken auf eine Feldgraphik.
  • Wie im Schritt 840 in Fig. 8 gezeigt ist, berechnet das System auf das Empfangen der Anforderung für die Aktualisierung der Gebote des Inserierers in die neuen gegenwärtigen Gebotsbeträge für jede angezeigte Suchliste hin die Rangwerte und den Gebotswert, der benötigt wird, um die Suchliste mit dem höchsten Rang zu erhalten, die mit dem Suchausdruckfeld übereinstimmt. Bevorzugt gibt das System dann eine Anzeige der Änderungen beim Schritt 850 wieder. Nachdem der Nutzer die Änderungen bestätigt hat, aktualisiert das System den vorliegenden Zustand durch Schreiben der Änderungen in das Konto in der Datenbank.
  • Die Suchlistendaten werden in Tabellenform angezeigt, wobei jede Suchliste einer Reihe der Tabelle 900 entspricht. Der Suchausdruck 902 wird in der allerlinksten Spalte angezeigt, gefolgt von dem gegenwärtigen Gebotsbetrag 904 und dem gegenwärtigen Rang 906 der Suchliste. Dem gegenwärtige Rang folgt eine Spalte mit dem Titel "Gebot, um # 1 zu werden" 907, was als Gebotsbetrag definiert ist, der benötigt wird, damit sie die Suchliste mit dem höchsten Rang für den angezeigten Suchausdruck wird. Die allerrechteste Spalte jeder Reihe umfasst ein Eingabefeld 908 für ein neues Gebot, das anfangs auf den gegenwärtigen Gebotsbetrag gesetzt wird.
  • Wie in Fig. 9 gezeigt ist, können die Suchlisten als "Unterkonten" angezeigt werden. Jede Suchliste umfasst eine Suchlistengruppe mit vielfachen bzw. vielzähligen Unterkonten, die innerhalb eines Inseriererkontos gehalten werden. Jedes Unterkonto kann auf einer eigenen Anzeigeseite mit einer eigenen separaten Seite (page) angezeigt werden. Der Inserierer sollte bevorzugt in die Lage versetzt werden, das Unterkonto, das angezeigt wird, durch die Betätigung eines Pulldown-Menüs 910 auf dem Display, das in Fig. 9 gezeigt ist, ändern zu können. Zudem können Suchlistengruppen, die nicht vollständig auf einer Seite angezeigt werden können, in Seiten aufgeteilt werden, die dann einzeln durch Betätigen des Pulldown-Menüs 920 angesehen werden können. Der Inserierer sollte wiederum bevorzugt in die Lage versetzt werden, die Seite, die angezeigt wird, durch direktes Anklicken auf ein Pulldown-Menü 920 ändern zu können, das sich auf der Anzeigeseite der Fig. 9 befindet. Der Inserierer kann ein neues Gebot für eine angezeigte Suchliste durch Eingeben eines Gebotsbetrags in das Eingabefeld 908 für das neue Gebot für die Suchliste spezifizieren. Um das Ergebnis der Änderungen, die der Inserierer eingegeben hat, aktualisieren zu können, klickt der Inserierer auf eine Feldgraphik 912, um eine Aktualisierungsanforderung an den Kontoverwaltungsserver zu senden, der die Gebote aktualisiert, wie zuvor beschrieben wurde.
  • Viele der anderen Auswahlen, die in dem "Kontoverwaltung"-Menü 170 von Fig. 2 aufgelistet sind, funktionieren als Varianten der "Ändere Gebot"-Funktion, die zuvor beschrieben wurde. Z. B. kann, wenn der Inserierer die "Ändere Rangposition"-Option auswählt, dem Inserierer eine Anzeige wiedergegeben werden, die ähnlich zu der Anzeige von Fig. 9 ist, die in der "Ändere Gebot"-Funktion verwendet wird. In der "Ändere Rangposition"- Option wird jedoch das "Neues Gebot"-Feld durch ein "Neuer Rang"-Feld ersetzt, indem der Inserierer die neue, gewünschte Rangposition für einen Suchausdruck eingibt. Nachdem der Inserierer angefordert hat, dass die Ränge aktualisiert werden, berechnet das System dann einen neuen Gebotspreis durch irgendeinen aus der Vielzahl von Algorithmen, die für einen Fachmann leicht verfügbar sind. Z. B. kann das System eine Routine aufrufen, die die Suchliste in der Suchdatenbank platziert, welche die gewünschte Rang/Suchausdruck-Kombination hat, die den verbundenen Gebotsbetrag dieser Kombination auffindet bzw. ausliest und die dann einen Gebotsbetrag berechnet, der um N Cent höher ist, wobei z. B. N = 1 ist. Nachdem das System den neuen Gebotspreis berechnet hat und eine Nurlese-Bestätigungsanzeige dem Inserierer angeboten hat, aktualisiert das System die Gebotspreise und Rangwerte auf das Empfangen einer Genehmigung von dem Inserierer hin.
  • Die "Modifiziere Listenkomponente"-Auswahl auf dem Kontoverwaltung-Menü 170 in Fig. 2 kann auch eine Anzeige ähnlich zu dem Format von Fig. 9 erzeugen. Wenn der Inserierer die "Modifiziere Listenkomponente"-Option auswählt, kann der Inserierer Änderungen für den URL, den Titel oder Beschreibungen der Suchliste über Formulare auf Webbasis eingeben, die für jede Suchliste eingestellt sind. Ähnlich zu dem vorstehend geforderten Prozess können die Formulare für den URL, den Titel und die Beschreibungsfelder anfänglich den alten URL-Titel und die alte Beschreibung als Standardwerte enthalten. Nachdem der Inserierer die gewünschten Änderungen angegeben hat, kann der Inserierer eine Anforderung an das System senden, die Änderungen zu aktualisieren. Das System zeigt dann einen Nurlese- Bestätigungsbildschirm an und schreibt die Änderungen in den vorliegenden Zustand (z. B. die Nutzerkontodatenbank), nachdem der Inserierer die Änderungen genehmigt bzw. bestätigt hat.
  • Ein Prozess ähnlich zu jenen, die vorstehend erläutert wurden, kann für Änderungen irgendeiner anderen peripheren Option, die sich auf die Suchliste bezieht, implementiert sein; z. B. das Ändern der Übereinstimmungsoptionen, die sich auf einen Suchausdruck, für den geboten wird, beziehen. Sämtliche Neuberechnungen der Gebote oder Ränge, die für die Änderungen erforderlich sind, können auch in einer Art und Weise bestimmt werden, die ähnlich zu den Prozessen ist, die vorstehend erläutert wurden.
  • In der "Lösche Gebotenen Suchaudruck"-Option liest das System alle Suchlisten in dem Konto des Inserierers aus und zeigt die Suchlisten in einer Organisation und einem Format an, das ähnlich zu der Anzeige von Fig. 9 ist. Jeder Suchlisteneintrag kann anstelle des Feldes für neues Gebot ein Prüffeld für den Inserierer enthalten, das er anklicken kann. Der Inserierer kann dann klicken, um eine Prüfmarke (X) neben jedem Suchausdruck, der gelöscht werden soll, anzubringen, obwohl jedes andere Mittel, das im Stand der Technik für die Auswahl eines Objekts oder mehrerer Objekte aus einer Liste auf einer Webseite verwendet werden kann. Nachdem der Inserierer alle Suchlisten, die gelöscht werden sollen, ausgewählt hat und angefordert hat, dass das System die Änderungen aktualisiert, gibt das System bevorzugt eine Nurlese-Bestätigung der angeforderten Änderungen wieder und aktualisiert das Inseriererkonto nur, nachdem der Inserierer die Änderungen genehmigt bzw. bestätigt hat. Die "gelöschten" Suchlisten werden aus der Suchdatenbank 26 entfernt und treten in den nachfolgenden Suchen nicht mehr auf. Die Suchliste verbleibt jedoch als Teil der Inseriererkontoaufzeichnungen für die Rechnungsstellung und Kontoaktivitätsüberwachungszwecke.
  • Bei der "Addiere Gebotenen Suchausdruck"-Option stellt das System dem Inserierer eine Anzeige bereit, die eine Anzahl von Eingabefeldern entsprechend den Elementen der Suchliste hat. Der Inserierer gibt dann in jedes Feld Information entsprechend dem jeweiligen Suchlistenelement ein, einschließlich dem Suchausdruck, der dem Webseite-URL, dem Webseite-Titel, der Webseite-Beschreibung und dem Gebotsbetrag und auch jeder anderen relevanten Information. Nachdem der Inserierer das Eingeben der Daten beendet hat und dies dem System angezeigt hat, gibt das System einen Nurlese-Bestätigung-Bildschirm an den Inserierer zurück. Das System erzeugt dann eine neue Suchlisteabspeicherung und schreibt sie in die Kontodatenbank und die Suchdatenbank ein, nachdem es die Genehmigung des Inserierers erhalten hat.
  • Das "Kontoverwaltung"-Menü 170 von Fig. 2 stellt bevorzugt eine Auswahl für den Inserierer für "Bekomme Vorschläge Für Gebotenen Suchausdruck". In diesem Fall gibt der Inserierer einen Suchausdruck, für den geboten wird, in ein formatiertes Anfragefeld ein, das dem Inserierer angezeigt wird. Das System liest den Suchausdruck, der von dem Inserierer eingegeben wird, und erzeugt eine Liste von zusätzlichen, verwandten Suchausdrücken, um den Inserierer beim Platzieren von Suchausdrücken zu helfen, die für den Inhalt der Webseite des Inserierers relevant sind. Die zusätzlichen Suchausdrücke werden bevorzugt unter Verwendung von Methoden erzeugt, wie z. B. einem Kettenübereinstimmungsalgorithmus, der auf eine Datenbank von Suchausdrücken, für die geboten wird, angewendet wird, und/oder einer Thesaurusdatenbank, die in Software implementiert ist. Der Inserierer kann Suchausdrücke, für die geboten werden soll, aus der Liste, die von dem System erzeugt wird, auswählen. In diesem Fall zeigt das System den Inserierern die Eingabefelder, die vorstehend für die "Addiere Gebotenen Suchausdruck"-Auswahl beschrieben worden sind, mit einem Formular zum Eingeben eines Suchliste für jeden ausgewählten Suchausdruck an. Der ausgewählte Suchausdruck wird bevorzugt als Standardwert in das Formular für jede Suchliste eingesetzt.
  • Standardwerte für die anderen Suchlistenkomponenten können auch in die Formulare, wenn gewünscht, eingesetzt werden. In einer Ausführungsform empfängt somit das offenbarte System eine Liste von Suchausdrücken, die mit einem Inserierer auf dem Datenbanksuchsystem verknüpft sind, bestimmt Kandidatensuchausdrücke auf der Basis von Suchausdrücken anderer Inserierer auf dem Datenbanksuchsystem und empfiehlt zusätzlich Suchausdrücke aus den Kandidatensuchausdrücken. In einer anderen Ausführungsform stellt das offenbarte System das Empfangen eines Suchausdrucks von einem Inserierer in Antwort auf den empfangenen Suchausdruck, das Erzeugen einer Liste von zusätzlichen, naheliegenden Suchausdrücken und das Empfangen von Suchausdrücken bereit, die aus der Liste von zusätzlichen, verbundenen Suchausdrücken vom Inserierer ausgewählt werden.
  • Das "Kontoverwaltung"-Menü 170 von Fig. 2 stellt auch bevorzugt eine "Geplante Aufwendungen"-Auswahl bereit. In dieser Auswahl spezifiziert der Inserierer eine Suchliste oder ein Unterkonto, für das der Inserierer eine Vorhersage für eine "tägliche Laufrate" und für "Tage, die bis zum Ablauf verbleiben" möchte. Das System berechnet die Planungen bzw. Vorhersagen auf der Basis eines Kostenplanungsalgorithmus und zeigt die Vorhersagen dem Inserierer auf einem Nurlese-Bildschirm an. Die Vorhersagen können unter Verwendung einer Anzahl unterschiedlicher Algorithmen, die im Stand der Technik bekannt sind, berechnet werden. Da die Kosten einer Suchliste durch Multiplizieren des Gebotsbetrags mit der Gesamtanzahl der Klicke, die durch die Suchliste bei diesem Gebotsbetrag während einer spezifizierten Zeitdauer empfangen werden, berechnet werden, muss jeder Kostenplanungsalgorithmus im allgemeinen eine geschätzte Anzahl von Klicken pro Monat (oder einer anderen spezifizierten Zeitdauer) für eine Suchliste bestimmen. Die Klicke auf eine Suchliste können über das Implementieren einem Software-Zählmechanismus, der bestens bekannt im Stand der Technik ist, verfolgt werden. Klicke für alle Suchlisten können über die Zeit verfolgt werden, wobei diese Daten für die Erzeugung von geschätzten bzw. ermittelten Anzahlen von Klicken pro Monat über alles und für einzelne Suchausdrücke verwendet werden können. Für einen bestimmten Suchausdruck wird eine geschätzte Anzahl von Suchen pro Tag bestimmt und wird mit den Kosten eines Klickens multipliziert. Dieses Produkt wird dann mit einem Verhältnis aus der mittleren Anzahl von Klicken über eine mittlere Anzahl von Impressionen für den Rang der behandelten Suchliste multipliziert, um eine tägliche Laufrate zu bekommen. Der gegenwärtige Kontostand kann durch die tägliche Laufrate dividiert werden, um eine hochgerechnete bzw. geplante Anzahl von Tagen für das Auslaufen oder das "Ablaufen" der Kontogelder erhalten zu können.
  • Eine Ausführungsform der vorliegenden Erfindung gründet den Kostenhochrechnungsalgorithmus auf einem einfachen Vorhersagemodell, das annimmt, das jeder Suchausdruck in einer ähnlichen Art und Weise wirkt. Dieses Modell nimmt an, dass der Rang der. Inserierersuchliste konstant bleibt und innerhalb des Monats nicht schwankt. Dieser Algorithmüs hat den Vorteil, dass er einfach zu implementieren ist und eine schnelle Berechnung ermöglicht. Das Vorhersagemodell gründet auf der Tatsache, dass die Durchklickrate, z. B. die Gesamtanzahl der Klicke oder Bezugnahmen für eine bestimmte Suchliste, als eine Funktion des Rangs der Suchliste betrachtet wird. Das Modell nimmt deshalb an, dass der Verwendungsverlauf jedes Suchausdrucks, das heißt der Verlauf, der sich ergibt, wenn die Anzahl der Klicke auf eine Suchliste gegenüber dem Rang der Suchliste ausgedruckt wird, ähnlich zu dem Verwendungsverlauf für alle Suchausdrücke ist. Somit können bekannte Werte, die über die Zeit für die Summe aller Klicke für alle Suchausdrücke, für die Summe aller Klicke bei einem gegebenen Rang für alle Suchausdrücke und für die Summe aller Klicke für den ausgewählten Suchausdruck extrapoliert werden, in einer einfachen Proportion verwendet werden, um die Gesamtsumme aller Klicke für den gegebenen Rang für den ausgewählten Suchausdruck bestimmen zu können. Die ermittelte bzw. geschätzte, tägliche Gesamtsumme aller Klicke für den ausgewählten Suchausdruck an dem gegebenen Rang wird dann mit dem gegenwärtigen Gebotsbetrag des Inserierers für den Suchausdruck bei dem Rang multipliziert, um eine tägliche Aufwendungsprojektion bestimmen zu können. Zudem können, wenn für bestimmte Suchausdrücke oder Klassen von Suchausdrücken bekannt ist, dass sie erheblich von dem allgemeinen Muster abweichen, Korrekturwerte, die für den Suchausdruck, den Inserierer oder andere Parameter spezifisch sind, eingeführt werden, um die hochgerechnete bzw. geplante Kostenabschätzung feiner einstellen zu können.
  • Schließlich stellt das "Kontoverwaltung"-Menü 170 von Fig. 2 mehrere Auswahlen für das Betrachten von Informationen bereit, die sich auf die Kampagnen des Inserierers beziehen. Die "Betrachte Unterkontoinformation"-Auswahl zeigt eine Nurlese- Information an, die sich auf das ausgewählte Unterkonto bezieht. Die "Betrachte Suchausdruckliste"-Auswahl zeigt die Liste der vom Inserierer ausgewählten Suchausdrücke zusammen mit den entsprechenden URL, Gebotspreis und Rang an, wobei die Suchausdrücke bevorzugt nach Unterkonten gruppiert sind. Der Inserierer kann auch die gegenwärtigen, besten Gebote für einen Satz von Suchausdrücken ansehen, die aus einer Liste von Suchausdrücken von einer Nurlese-Anzeige ausgewählt werden, die durch das System auf das Empfangen der angeforderten Suchausdrücke hin von dem Inserierer erzeugt wird.
  • Ein Inserierer, der einen ausführlicheren Bericht der Suchlistenaktivität benötigt, kann die "Betrachte Bericht"-Option von der Inseriererhauptseite 120 von Fig. 2 auswählen. In einer Ausführungsform der vorliegenden Erfindung erzeugen die "Betrachte Bericht"-Optionen Berichte, die für bis zu einem Jahr vor dem gegenwärtigen Datum aussagefähig sind. Z. B. sind tägliche Berichte für jeden der unmittelbar vorhergehenden sieben Tage, wöchentliche Berichte, für die vorhergehenden vier Wochen, monatliche Berichte für die vorhergehenden zwölf Monate und vierteljährliche Berichte für die letzten vier Quartale verfügbar. Zusätzliche Berichte können auch in Abhängigkeit von dem Interesse des Inserierers verfügbar gemacht werden. Weitere vordefinierte Berichtsarten können die Aktivität enthalten, die während den nachfolgenden beiden Perioden verfolgt wird: Seit Anfang des Kontos, Jahr Bis Heute, Jährlich, Vierteljahr Bis Heute, Monat bis Datum und Woche bis Datum. Berichtkategorien können einen Genauen Bericht, der durch das Inseriererkonto, durch Suchliste und durch den URL betracht werden kann, und einen Übersichtsbericht enthalten, der nach Inseriererkonto und nach Unterkonto betrachtbar ist. Die Berichte können Identifizierungsdaten, z. B. Inseriererkonto und Unterkontoname, die Daten, die durch den Bericht abgedeckt sind, und die Art des Berichts enthalten. Zudem können die Berichte Schlüsselsuchliste-Kontodaten wie z. B. den gegenwärtigen Kontostand, den anhängigen, gegenwärtigen Kontostand, die durchschnittliche tägliche Kontobelastung und die Laufrate enthalten. Zudem können Berichte auch Schlüsseldaten aufweisen wie z. B.: Suchausdrücke, URL, Gebote, gegenwärtige Ränge und Anzahl der Klicke, Anzahl der Suchen, die für den Suchausdruck ausgeführt wurden, Anzahl der Impressionen (Anzahl der Male, das die Suchliste in einer Suchergebnisliste aufgetreten ist) und die Durchklickrate (definiert als Anzahl der Klicke/Anzahl der Impressionen). Bevorzugt ist der Bericht in zumindest HTML-Betrachtungsoptionen zum Betrachten über ein Browserprogramm, zum Drucken oder Runterladen verfügbar. Es wird jedoch darauf hingewiesen, dass weitere Betrachtungsoptionen verfügbar gemacht werden können wie z. B. Adobe Acrobat, PostScript, ASCII-Text, Spreadsheet- bzw. Arbeitsblatt-Austauschformate (z. B. CSV, Tab-beschränkt) und andere bestens bekannte Formate.
  • Wenn der Inserierer die "Betrachte Bericht"-Option ausgewählt hat, ruft das System eine Funktion auf, die eine Liste mit variablen Berichtsarten, Daten, Kategorien und Betrachtungsoptionen anzeigt. Das System erzeugt bevorzugt eine Berichtzwischenspeicherung mit den folgenden Feldern, von denen alle anfänglich auf Null gesetzt sind: Berichtsart, Berichtsdatum, Berichtskategorie und Betrachtungsoption. Sobald der Inserierer die vorstehend beschriebenen Parameter definiert hat, ruft das System eine Funktion auf, um den angeforderten Bericht, auf der Basis der vom Inserierer gesetzten Parameter erzeugen zu können und um den Bericht auf der Basis der Betrachtungsoptionsparameter anzeigen zu können.
  • Schließlich implementiert eine bevorzugte Ausführungsform der vorliegenden Erfindung eine Option für eine kontextspezifische Hilfe, die der Inserierer zu irgendeinem Zeitpunkt, während der Inserierer eingeloggt ist, anfordern kann. Die Hilfeoption kann als schmales Icon oder Feld, das sich auf der vom System erzeugten Anzeigeseite befindet, implementiert sein. Der Inserierer kann auf das Icon oder die Feldgraphik auf der Anzeigeseite klicken, um Hilfe anzufordern, worauf das System eine Hilfeseite erzeugt und anzeigt, die einen Schlüssel für die Funktion der bestimmten Anzeige ist, die der Nutzer betrachtet. Die Hilfe kann als separate Anzeigeseiten, als suchbarer Index, als Dialogfelder oder durch irgendein anderes Verfahren, das im Stand der Technik bestens bekannt ist, implementiert werden.
  • Fig. 10 bis 20 erläutern spezielle Ausführungsformen eines Verfahrens und einer Vorrichtung zum Angeben von Suchausdruckempfehlungen zu einem Webseite-Werber oder Inserierer in einem Zahle-für-Platzierung-Marktsystem wie z. B. demjenigen, das vorstehend in Verbindung mit Fig. 1 bis 9 beschrieben worden ist. Offenbarte Ausführungsformen stellen ein Verfahren für ein Datenbanksuchsystem bereit. Das Verfahren umfasst das Aufrechterhalten einer Datenbank mit Suchlisten bzw. Suchauflistungen einschließlich verbundener Suchausdrücke, das Empfangen einer Liste von Suchausdrücken, die mit einem Inserierer verbunden sind, und das Empfehlen zusätzlicher Suchausdrücke an den Inserierer. Weitere offenbarte Ausführungsformen stellen ein Datenbankbetriebsverfahren für eine Datenbanksuchsystem bereit, das Inserierersuchlisten speichert, die vom Inserierer ausgewählte Suchausdrücke enthalten. Das Verfahren enthält das Spidering einer spezifizierten Webseite, um eine anfängliche Liste von Inserierersuchausdrücken für einen Inserierer erhalten zu können. Das Verfahren enthält weiterhin das Filtern der anfänglichen Liste der Inserierer-Suchausdrücke unter Verwendung von Suchausdrücken anderer Inserierer und das Speichern von Suchlisten für den Inserierer in einer Suchlistendatenbank, wobei die Suchlisten mit den gefilterten Suchausdrücken ausgebildet sind.
  • Offenbarte Ausführungsformen enthalten auch ein Datenbanksuchsystem, das eine Datenbank aus Suchausdrücken enthält, in der jeder Suchausdruck mit einem Inserierer oder mehreren Inserierern verbunden ist. Ein Programmcode ist derart aufgebaut, dass er zusätzliche Suchausdrücke für einen Inserierer auf der Basis von Suchausdrücken in der Datenbank empfiehlt. Noch weitere Ausführungsformen, die hier offenbart werden, stellen ein Verfahren für ein Datenbanksuchsystem bereit, das das Empfangen eines Suchausdrucks eines Inserierers und in Antwort das Erzeugen einer Liste zusätzlicher, verwandter Suchausdrücke aufweist. Das Verfahren enthält dann das Empfangen ausgewählter Suchausdrücke aus der Liste von zusätzlichen, verwandten Suchausdrücken von dem Inserierer.
  • In den hier gezeigten Ausführungsformen werden das Spidering und das kollaborative Filtern verwendet, um mögliche Suchausdrücke zu identifizieren, die einem Inserierer empfohlen werden können. Die nachfolgende Einführung beschreibt zuerst die einzelnen Techniken des Spiderings und des kollaborativen Filterns und zeigt dann, wie die beiden Techniken kombiniert werden können.
  • Spidering ist eine einfache Technik zum Herunterladen einer Webseite, die über einen Uniform Ressource Locator (URL) geleitet wird. Ein Programm lädt die Homepage, die durch den URL gegeben ist, tastet sie dann nach Hyperlinkverbindungen auf andere Seiten ab und lädt sie herunter. Der Spidering-Prozess fährt fort, bis das Programm eine vordefinierte Verbindungstiefe erreicht hat, lädt eine vorgegebene Anzahl von Seiten herunter und erreicht einige andere Stoppkriterien. Die Reihenfolge, mit der Seiten heruntergeladen werden, kann entweder Breite-Zuerst oder Tiefe-Zuerst sein. Beim Breite-Zuerst- Spidering fügt das Programm neue URL dem Ende seiner Liste von Seiten zum herunterladen hinzu. Beim Tiefe-Zuerst-Spidering addiert es sie dem Anfang hinzu. Diese Algorithmen sind einfach und Ingenieuren, die sich im Stand der Technik auskennen, bestens bekannt. Weitere Informationen über diese Techniken können durch Konsultieren von Cho, Molina und Page "Efficient Crawling through URL Ordering" (wirksames Kriechen durch URL- Ordnen), verfügbar von ResearchIndex, http:/ / citeseer.nj.nec.com und Nilsson, Principles of Artificial Intelligence, ISBN 0934613109 aufgefunden werden.
  • Einige Ausführungsformen, die hier beschrieben sind, verwenden Spidering für das Auffinden von Suchausdrücken, die direkt auf der Webseite eines Inserierers auftreten. Beginnend am Fuß (root) der Seite des Inserierers lädt das Verfahren und das System in Übereinstimmung mit den folgenden Ausführungsformen Seiten (pages) gemäß Breite zuerst herunter und tastet sie nach Suchausdrücken ab. Es-zeichnet jeden Ausdruck auf, von dem es findet, dass die Datenbank des Providers anzeigt, dass sie in dem letzten Monat danach durchsucht worden ist. Beispielsweise wird dann das Programm, wenn der Text auf einer Seite die Phrase "tropical fish store" (Laden für tropische Fische) enthält, die sechs Ausdrücke "tropical", "fish", "store", "tropical fish", "fish store" und "tropical fish store" finden. Das Programm klassifiziert diese Ausdrücke unter Verwendung einer Qualitätsmetrik und fügt diejenigen, die über einer bestimmten Schwelle sind, seiner Liste von Empfehlungen hinzu. In der bevorzugten Ausführungsform beachtet die Qualitätsmetrik die folgenden zwei Faktoren: wie verbreitet bzw. geläufig ein Suchausdruck auf dem World Wide Web ist und wie oft Nutzer nach ihm suchen. Wenn das Programm genug Empfehlungen angehäuft hat, sortiert es sie entweder aufgrund der Qualität oder aufgrund der Anzahl der Male, dass sie in den heruntergeladenen Seiten aufgetreten sind, und gibt die Liste zurück.
  • Die Spidering-Komponente der gegenwärtigen Ausführungsformen unterscheidet sich von den vorhergehenden Werkzeugen durch drei wichtige Eigenschaften. Erstens, sie schaut direkt auf die Seiten (pages) in einer Webseite (web site) des Inserierers im Gegensatz zum Herunterladen anderer Seiten, die nicht in der Webseite des Inserierers sind und die vollständig ohne Bezug sein können. Zweitens, sie schaut nach dem gesamten Text auf einer Webseite und nicht nur auf die Worte in der BESCHREIBUNG und den SCHLÜSSELWORT-Kennzeichen, Drittens, sie verwendet eine Qualitätsmetrik, um schwache Suchausdrücke eliminieren zu können, so dass sie nie dem Inserierer gezeigt werden.
  • Kollaboratives Filtern ist eine Technologie zum Ermitteln von Empfehlungen auf der Basis einer Nutzerähnlichkeit. Beispielsweise verwendet eine Firma wie Amazon.com das kollaborative Filtern, um Buchempfehlungen machen zu können. Sobald ein Kunde mehrere Bücher unter Verwendung des Online-Dienstes gekauft hat, der bei www.amazon.com verfügbar ist, empfiehlt Amazon.com neue Bücher, indem es den Kunden mit anderen Kunden in seiner Datenbank vergleicht. Wenn es einen anderen Kunden auffindet, der viele ähnliche bzw. gleiche Käufe gemacht hat, empfiehlt es die Auswahl jedes Kaufs dem Kunden. Die vorliegenden Ausführungsformen erstrecken diese Idee auf das Empfehlen von Suchausdrücken für Inserierer auf einer Zahle-für- Platzierung-Suchmaschine.
  • Z. B. wird angenommen, dass ein typischer Provider eine Datenbank von 50 000 Inserierern hat, ein Abschnitt dieser Datenbank kann wie folgt aussehen:


  • Ein X in der Tabelle gibt an, dass ein Inserierer für einen Ausdruck geboten hat. In dem Meeresfrüchtebeispiel (seafood) ist ein Inserierer, der anfangs an "fish" interessiert ist, ähnlich zu sowohl Joe als auch Bill und das Programm empfiehlt "tung", "halibut", "bait" und "Worms" (Würmer). Wenn der Inserierer seine Suchausdrücke verfeinert, um "tung" einzuschließen aber "bait" auszuschließen, dann ist er nicht mehr länger ähnlich zu Bill und das Programm stoppt mit der Empfehlung oder stoppt die Empfehlung "worms". Wie STF ermöglicht die vorliegende Erfindung dem Inserierer, dass er iterativ Worte annehmen oder zurückweisen kann, bis er mit der Liste von Empfehlungen zufrieden ist.
  • Quantitativ gesehen berechnet das kollaborative Filtern die Pearson Korrelation zwischen dem neuen Inserierer und allen vorhandenen Inserierern. Um diese Korrelation berechnen zu können, wird eine numerische Klassifizierung jedem Eintrag in der Inserierer/Ausdruck-Tabelle zugeordnet. Bei einer möglichen Zuordnung ist die höchste Klassifizierung gleich 5, die angibt, dass der Ausdruck eine perfekte Beschreibung einer Seite eines Inserierers ist, und ist die niedrigste Klassifizierung gleich Null, die anzeigt, dass ein Ausdruck irrelevant ist. In der bevorzugten Ausführungsform bekommt ein Inserierer eine Klassifizierung von fünf für jeden Ausdruck, für den er geboten hat, und eine Klassifizierung von UNBEKANNT für jeden weiteren Ausdruck. Der neue Inserierer bekommt eine Klassifizierung von 5 für Ausdrücke, die der Inserierer angenommen hat, eine 1 für Ausdrücke, die er zurückgewiesen hat, und eine 2 für jeden anderen Ausdruck. Die Pearson- Korrelation zwischen dem neuen Inserierer und einem existierenden Inserierer ist dann:


  • In dieser Formel ist n der neue Inserierer, ρa ist seine Korrelation mit dem Inserierer a, rn,t ist die Klassifizierung (rating), die er dem Ausdruck t zuordnet, und ≙ und σn sind die Durchschnittsabweichung bzw. die Standardabweichung von seinen Klassifizierungen bzw. Kennwerten. Die Ausdrücke mit den a- Indizes haben die entsprechenden Bedeutungen für den vorhandenen Inserierer. Die Summe wird über alle Suchausdrücke genommen. Eine Klassifizierung UNBEKANNT wird durch den Durchschnittswert der Klassifizierungen des Inserierers ersetzt, so dass irgendein Ausdruck mit einem UNBEKANNT sich aus der Gleichung aufhebt. Korrelationsbereiche zwischen -1 und 1, wobei 0 keine Korrelation ist und wobei eine positive Korrelation angibt, dass zwei Inserierer ähnliche Klassifizierungen haben. Diese Formel ist aus der Statistik bestens bekannt und ist Ingenieuren vertraut, die sich im Stand der Technik auskennen. Weitere Details können unter Konsultierung von Wadsworth [ed], "The Handbook of Statistical Methods of Engineers and Scientists", ISBN 007067678X gefunden werden.
  • Sobald der kollaborative Filter die Korrelation zwischen dem neuen Inserierer und dem existierenden Inserierer berechnet hat, sagt er voraus, wie wahrscheinlich es ist, dass jeder Ausdruck ein guter Ausdruck für den neuen Inserierer ist. Er tut dies durch Berechnen bzw. Ermitteln der Durchschnittsklassifizierung jedes Ausdrucks, wobei der Beitrag des Inserierers zu dem Durchschnittswert durch seine Korrelation mit dem neuen Inserierer bestimmt wird. Ein Inserierer, der eine hohe Korrelation hat, erhält ein volles Gewicht. Ein Inserierer, der eine niedrige Korrelation hat, erhält ein geringes Gewicht. Und ein Inserierer, der eine Null-Korrelation hat, erhält kein Gewicht. Eine Formel für diese Vorhersage ist:


  • In dieser Formel ist n der neue Inserierer und et ist die ermittelte bzw. geschätzte Klassifizierung für den Ausdruck t. Die restlichen Ausdrücke haben die gleiche Bedeutung, wie in der vorhergehenden Formel. Die Summe wird über alle existierenden Inserierer genommen. Eine UNBEKANNT-Klassifizierung wird wiederum durch den Mittelwert einer bekannten Klassifizierung der Inserierer genommen, so dass sie sich aus der Gleichung aufhebt. Die Formel ist eine gewichtete Summe, die Klassifizierungen auf der gleichen 0 bis 5 Skala wie die ursprünglichen Klassifizierungen abschätzt. Ein Ausdruck erhält einen hohen Schätzwert, wenn alle hochkorrelierten Inserierer ihn hoch Klassifizieren. Der Ausgang des kollaborativen Filters ist die Liste von Suchausdrücken, die nach ihren geschätzten bzw. ermittelten Klassifizierungen sortiert sind.
  • Die Formeln stellen eine einfache Technik zum Berechnen von Klassifizierungen auf der Basis von Ähnlichkeit bereit. Es gibt viele ähnliche Formeln und Variationen. Z. B. ist es, wenn Vorhersagen getroffen werden, für gewöhnlich besser, nicht einen gewichteten Durchschnitt über alle Inserierer sondern nur über die zehn bis zwanzig am höchsten korrelierten Inserierer zu nehmen. Es gibt auch Techniken zum Verbessern der Wirksamkeit der Berechnungen oder zum Durchführen eines kollaborativen Filters ohne Verwendung von Korrelationen oder Abstandsmetriken. Diese Variation können leicht in der Literatur über kollaboratives Filtern gefunden werden und die vorliegenden Ausführungsformen sind nicht auf irgendeine dieser Variationen beschränkt. Weitere Details über die Vorteile und Nachteile unterschiedlicher kollaborativer Filteralgorithmen können auf der GroupLens-Webseite http:/ / www.cs.umn.edu/Research/GroupLens gefunden werden.
  • Nachdem die Kernaufbaublöcke des Spidering und des kollaborativen Filterns angegeben worden sind, arbeitet das vollständige System und das vollständige Verfahren gemäß einer vorliegenden Ausführungsform wie folgt: Beginnen mit einer Anfangsliste von angenommenen und zurückgewiesenen Suchausdrücken, Arbeiten des kollaborativen Filteralgorithmus, dem Inserierer Ermöglichen, neue Ausdrücke anzunehmen und zurückzuweisen, dann wieder Arbeiten das kollaborativen Filterns. Dieser Prozess wird beendet, wenn der Inserierer mit seiner Liste von angenommenen Ausdrücken zufrieden ist. Die Technik bekommt ihre Anfangsliste von angenommenen Ausdrücken in einer von drei Arten: entweder direkt von dem Inserierer oder von einer existierenden Gebotsliste oder von der Liste von Empfehlungen, die durch Arbeiten des Webspidering bzw. der Webspinne auf der Webseite des neuen Inserierers zurückgegeben wird. Das letzte Verfahren ist die bevorzugte Ausführungsform. Unter Verwendung des Webspidering erhalten die Suchausdrücke, die es empfiehlt, anfängliche Klassifizierungen, die auf einer linearen Skala von 4,9 bis herunter zu 2.1. variieren. Immer wenn die Erfindung Empfehlungen für den Inserierer anzeigt, verzahnt bzw. verknüpft sie die ursprünglichen Spidering-Empfehlungen mit dem Ausgang des kollaborativen Filterns, da die Empfehlungen von den beiden Techniken oft ergänzend sind. Die Verzahnungsformel gewichtet die Empfehlungen des Web-Spidering immer geringer, wenn der Inserierer mehr Ausdrücke annimmt und zurückweist.
  • In einer typischen Verwendung startet ein neuer Inserierer mit dem URL seiner Webseite und geht durch 3-5 Iterationen von Annehmen und Zurückweisen von Ausdrücken. Solange seine Webseite ähnlich zu jener existierender Inserierer ist, identifiziert das System sie schnell und macht hochqualitative Empfehlungen. Die Empfehlungen sind gut, auch wenn kein einziger Inserierer eine perfekte Übereinstimmung hat, da die gewichtete Summe dem System ermöglicht, dass es Empfehlungen von vielen Inserierern kombiniert. Und wenn es keinen Inserierer gibt, der ähnlich zu dem neuen Inserierer ist, macht die Web-Spinne bzw. das Web-Spidering immer noch gute Empfehlungen, indem es Suchausdrücke direkt auf der Webseite des Inserierers findet. Im Unterschied zu dem existierenden Stand der Technik stellen die vorliegenden Ausführungsformen eine ausgezeichnete Abdeckung für gute Suchausdrücke bereit, während sie schlechte Ausdrücke eliminieren.
  • Man nehme nun Bezug auf die Zeichnungen, in denen Fig. 10 ein Flussdiagramm ist, das ein Verfahren zum Empfehlen von Suchausdrücken an einen Inserierer auf einer Zahle-für- Platzierung-Suchmaschine erläutert. Das Verfahren kann auf einem Server oder einer anderen Datenverarbeitungsvorrichtung implementiert sein, die mit der Zahle-für-Platzierung-Suchmaschine verbunden ist. Das Verfahren kann als Softwarecode verkörpert werden, der auf der Datenverarbeitungsvorrichtung in Verbindung mit gespeicherten Daten einer Datenbank oder eines anderen Speicherelements arbeitet. Ein Inserierer greift auf den Server zu, um das Programm unter Verwendung irgendeiner geeigneten Vorrichtung laufen zu lassen, wie z. B. eines in der Ferne angeordneten Personalcomputers, der mit dem Server über das Internet verbunden ist. Eine exemplarische Ausführungsform eines geeigneten Systems ist oben in Verbindung mit Fig. 1 gezeigt. Das Verfahren beginnt beim Block 1000.
  • Beim Block 1002 fordert das System den Inserierer auf, ein Eingabeverfahren auszuwählen, um eine Anfangsliste von angenommenen Suchausdrücken erzeugen zu können. Diese Liste kann von einer direkten Inserierereingabe, von einem Uniform Ressource Locator (URL), der von dem Inserierer spezifiziert wird, oder von einem vorher existierenden Inserierer kommen, der durch den Inserierer spezifiziert wird. Nach dem Auffordern des Inserierers nach dem Verfahren, das er verwenden will, folgt das Programm einem von drei Wegen, die in Fig. 10 gezeigt sind.
  • Wenn der Inserierer auswählt, die Anfangsliste der Suchausdrücke direkt zu spezifizieren, werden die Ausdrücke von dem Inserierer beim Block 1004 empfangen. In einer exemplarischen Ausführungsform zeigt das Programm ein Textfeld an, in dem der Inserierer eine durch Komma getrennte Liste von Anfangsausdrücken eingeben kann. Wenn der Inserierer auswählt, einen URL als Quelle der Anfangsliste für Suchausdrücke auszuwählen, wird der Inserierer dann aufgefordert, einen Webseite-URL einzugeben. Das System lässt einen Spidering-Algorithmus bzw. Spinnenalgorithnus laufen, um Suchausdrücke von dieser Seite zu gewinnen, vergleiche Block 1008. Eine exemplarische Ausführungsform eines solchen Spinnenalgorithmus wird nachfolgend in Verbindung mit Fig. 11 bis 13 beschrieben. Wenn der Inserierer auswählt, einen vorher existierenden Inserierer als Quelle für die Anfangsliste von Suchausdrücken zu spezifizieren, werden beim Block 1010 Identifizierungsinformationen für den vorher existierenden Inserierer von dem Inserierer aus empfangen. Der neue Inserierer wählt einen existierenden Inserierer aus und das Programm setzt die Liste von anfänglich akzeptierten Ausdrücken als die Liste von Ausdrücken fest, für die der Inserierer geboten hat, Block 1012.
  • Das Verfahren tritt nun in die Hauptschleife ein, einschließlich den Blöcken 1014, 1016, 1018, 1020. Während jeder Iteration lässt es den kollaborativen Filteralgorithmus, Block 1016, laufen, zeigt es eine sortierte Liste von empfohlenen Suchausdrücken an, und ermöglicht es dem Inserierer, Ausdrücke anzunehmen und zurückzuweisen, Block 1018. In der exemplarischen Ausführungsform wird eine Webseite, die empfohlene Suchausdrücke enthält, zu dem Inserierer gesendet, wodurch eine Nutzerschnittstelle für einen Inseriererdialog mit dem System bereitgestellt wird. Der Inserierer nimmt Ausdrücke an und weist Ausdrücke zurück, indem er auf geeignete Prüffelder neben den Ausdrücken klickt. Wenn er seine Änderungen ausgeführt hat, klickt er auf ein Feld, um die Seite von Daten zu dem Server zu senden und den kollaborativen Filteralgorithmus erneut laufen zu lassen. Der Inserierer kann mit so vielen Iterationen fortfahren, wie er möchte, wobei die Schleife wiederholt wird, Block 1014, bis er mit den Ausdrücken, die er angenommen hat, zufrieden ist. Er klickt dann einen Endeknopf an, um die Schleife zu verlassen, Block 1020, und speichert seine ausgewählten Suchausdrücke oder druckt diese aus. Bevorzugt findet die Kommunikation mit dem Inserierer über das Internet unter Verwendung eines geeigneten Datenübertragungsprotokolls, z. B. TCP/IP, statt. Andere Datenkommunikationskanäle können auch verwendet werden. Das Verfahren endet beim Block 1022.
  • Fig. 11 ist ein Flussdiagramm, das ein Verfahren zum Durchführen eines Spidering-Algorithmus zeigt. Dieser Algorithmus kann z. B. beim Block 1008 von Fig. 10 aufgerufen werden. Das Verfahren beginnt beim Block 1100. Die Prozedur wird aufgerufen, indem ein URL zugeführt wird, der die Basis einer Webseite des Inserierers ist. Beginnend mit diesem URL tritt die Prozedur in eine Schleife ein, die die Blöcke 1102, 1104, 1106, 1108 enthält. Die Prozedur lädt Seiten unter Verwendung eines Breite-Zuerst-Spidering-Algorithmus herunter. Für jede Seite, die er herunterlädt, Block 1104, tastet er den Text auf der Seite ab, um jede Phrase zu finden, die als ein Suchausdruck in dem letzten Monat verwendet worden ist. In der bevorzugten Ausführungsform wird dieses Abtasten durch Aufbauen einer finiten Zustandsmaschine ausgeführt, die reguläre Ausdrücke s1|s2|. . .|sn erkennt, wobei jedes si ein gültiger Suchausdruck ist. Das Programm tastet eine Seite zeichenweise unter Verwendung dieser Zustandsmaschine ab und emittiert jeden Suchausdruck, wenn sie ihn findet. Da die Zustandsmaschine nur von dem gegenwärtigen Satz von gültigen Suchausdrücken abhängig ist, baut die bevorzugte Ausführungsform sie nur bei regulären Intervallen auf, wenn sich die Datenbank von Ausdrücken ändert, die Nutzer gesucht haben. Algorithmen zum Aufbauen einer solchen finiten Zustandsmaschine sind vollständig verfügbar in der Literatur und treten in verbreiteten Suchwerkzeugen, z. B. grep, auf, wie in Aho und Hopcraft, "The Design of Computer Algorithms", ISBN 0201000296 beschrieben ist. Sie sind Fachleuten auf dem Gebiet der Computersystementwicklung bestens bekannt.
  • Jedesmal, wenn die Spinne bzw. das Spidering einen neuen Ausdruck auf einer Seite findet, addiert sie ihn zu der Liste der Ausdrücke hinzu, die sie auf der Webseite gefunden hat, Block 1106. Sie hält Schritt damit, wie oft sie jeden Ausdruck in einem Feld COUNT[T] gesehen hat. Die Schleife wird beim Block 1108 wiederholt. Der Herunterlade- und Abtastprozess endet, wenn die Spinne 1000 Ausdrücke gefunden hat, wie durch die Schleifensteuerung vom Block 1102 angezeigt wird. Weitere Schwellen oder Schleifensteuertechniken können verwendet werden. Der Schleifenbetrieb von Fig. 11 ist nur beispielhaft. Der nächste Schritt besteht darin, schlechte Ausdrücke auszufiltern. Dies wird in einer Schleife durchgeführt, die den Block 1110, 1112, 1114 enthält. Aber es ist eine subjektive Maßnahme und es gibt viele mögliche Metriken, die eine Implementation verwenden kann. In der bevorzugten Ausführungsform hängt die Qualitätsmetrik von zwei Größen ab: Der Frequenz bzw. Häufigkeit, mit der ein Ausdruck in Dokumenten auf dem World Wide Web auftritt, und der Frequenz bzw. Häufigkeit, mit der Nutzer nach ihm suchen. Die Qualitätsmetrik wird beim Block 1112 ermittelt bzw. geschätzt. Das Verfahren findet eine Frequenz des Ausdrucks auf dem World Wide Web durch Anfragen bei einer Suchmaschine, die die Anzahl der Dokumente, die den Ausdruck enthalten, zurückgibt. Sie findet die Frequenz, mit der Nutzer nach ihm suchen, durch Suchen in den Informationen in der Datenbank des Providers. Die Qualitätsmessung, die in der erläuterten Ausführungsform verwendet wird, ist der Logarithmus des Verhältnisses dieser beiden Zahlen, wie im Block 1112 von Fig. 11 gezeigt ist.
  • Um eine hoch qualitative Klassifizierung erhalten zu können, muss ein Ausdruck für Leute populär sein, die ihn suchen, aber nicht so gewöhnlich in Web-Dokumenten sein, dass er als Suchausdruck nutzlos ist. Da sich die Qualitätsmaßnahmen nur langsam ändern, berechnet sie die bevorzugte Ausführungsform nur an periodischen Intervallen und speichert die Ergebnisse. Andere Qualitätsmaßnahmen können auch verwendet werden.
  • Sobald das Verfahren die Qualität der 1000 Ausdrücke, die es gefunden hat, berechnet hat, wird die Schleife beim Block 1114 verlassen und das Verfahren löscht oder wirft alle Ausdrücke weg, die unter eine vorgegebene Qualitätsschwelle fallen, Block 1116. Diese Schwelle kann variabel sein, sich mit der Zeit ändern, da sie davon abhängt, wie viele Seiten auf dem World Wide Web indiziert werden und wie viele Nutzer die Suchen unter Verwendung der Suchmaschine des Providers ausführen. In der bevorzugten Ausführungsform kalibriert das Programm automatisch die Schwelle durch Suchen der Qualität von bekannten Ausdrücken, die an der Grenze für gute Suchausdrücke sind. Sie setzt die Schwelle auf eine mittlere Qualität dieser Ausdrücke. Die genaue Liste der Ausdrücke hängt von dem Suchmaschinenprovider ab und ist nicht auf eine besondere Ausführungsform beschränkt.
  • Der letzte Schritt in dem Spidering-Algorithmus besteht im Sortieren der Ausdrücke, die über der Qualitätsschwelle sind, danach, wie oft sie in den Seiten, die das Spidering bzw. die Spinne heruntergeladen und abgetastet hat, auftreten, Block 1116. Diese Zählwerte werden in dem Count[T]-Feld gespeichert. Die sortierte Liste ist die Ausgabe des Spinnen-Algorithmus bzw. Spidering-Algorithmus. In einer typischen Ausführungsform verwirft das Qualitätsfilter ungefähr 80% der Ausdrücke und der Algorithmus gibt etwa 200 Ausdrücke zurück. Das Spidering- Verfahren endet beim Block 1118.
  • Fig. 12 ist ein Flussdiagramm, das ein Verfahren zum Durchführen des Kollaborativ-Filter-Algorithmus zeigt. Das Verfahren beginnt beim Block 1200. Beim Block 1202 und Block 1204 werden Klassifizierungswerte für neue Inserierer und für existierende Inserierer initialisiert. Ausführungsformen zum Durchführen dieser Betriebe bzw. Operationen werden nachstehend in Verbindung mit Fig. 13 und 14 erläutert. Beim Block 1206 tritt die Steuerung in eine Schleife ein, die die Blöcke 1206, 1208 und 1210 enthält. In dieser Schleife verarbeitet das Verfahren die Suchausdrücke, die durch den kollaborativen Filteralgorithmus von Fig. 11 ausgewählt werden, und berechnet die geschätzte Klassifizierung des neuen Inserierers für jeden Ausdruck, Block 1208. Eine Ausführungsform dieser Klassifizierungsvorhersage des Verfahrens wird nachfolgend in Verbindung mit Fig. 18 bis 20 beschrieben. Nach dem Verarbeiten aller Suchausdrücke wird die Schleife im Block 1210 verlassen. An dem Ende des Algorithmus werden die Ausdrücke nach ihren vorhergesagten Klassifizierungen geordnet, Block 1212. Das Verfahren gibt die Endliste als seine mit Rang versehene Liste von Empfehlungen zurück und dann endet das Verfahren beim Block 1214.
  • Bei diesem Algorithmus und bei den folgenden Algorithmen gibt es viele Effizienzoptimierungen, die eine Implementierung enthalten kann. Z. B. kann er nur die obersten 100 Suchausdrücke zurückgeben, und nicht die gesamte Liste, oder er kann Berechnungsergebnisse speichern bzw. cachen, um eine wiederholte Arbeit zu vermeiden. Alle diese Optimierungen sind für Praktiker mit gewöhnlichen Wissen auf dem Gebiet des Computersystemdesigns offensichtlich und die Ausführungsformen, die hier gezeigt werden, hängen nicht von bestimmten Optimierungen ab, die ein Implementierung verwendet.
  • Fig. 13 ist ein Flussdiagramm, das einen bevorzugten Algorithmus zum Initialisieren der Klassifizierungswerte von existierenden Inserierern erläutert. Der Algorithmus ist eine Schleife über jedes Inserierer/Suchausdruck-Paar. Für jedes Paar setzt das Programm die Klassifizierung auf 5, wenn der Inserierer für den Ausdruck geboten hat, und ansonsten auf UNBEKANNT. Die Klassifizierungen werden in dem V[A][T]-Feld derart gespeichert, dass andere Teile des Programms auf sie zugreifen können.
  • Das Verfahren beginnt beim Block 1300. In eine Inserierer verarbeitende Schleife wird beim Block 1302 unter Verwendung einer Inserierervariablen A eingetreten. In eine ausdruckverarbeitende Schleife wird beim Schritt 1304 unter Verwendung einer Ausdruckvariablen T eingetreten. Beim Block 1306 bestimmt das Verfahren, ob der Inserierer, der mit Inserierervariablen A verbunden ist, für den Term, der mit der Variablen T verbunden ist, geboten hat. Wenn nicht wird beim Block 1308 die Klassifizierung V[A][T] auf einen Wert UNBEKANNT in einem Feld von Klassifizierungswerten gesetzt. Wenn der Inserierer für den Ausdruck geboten hat, wird beim Block 1310 der Feldeintrag V[A][T] auf 5 gesetzt, was ein willkürlich gewählter Wert ist. Beim Block 1312 wird die Ausdruckvariable inkrementiert oder sonst wie geändert, um einen nächsten Ausdruck auswählen zu können. Die Steuerung verbleibt in der Schleife, die die Blöcke 1304, 1306, 1308, 1310, 1312 enthält, bis alle Suchausdrücke für die Variable, die mit der Variablen A verbunden ist, verarbeitet worden sind. Dann wird beim Block 1314, die Inserierervariable A inkrementiert oder sonst wie geändert und die Schleife schreitet durch die Suchausdrücke für den neu ausgewählten Inserierer fort. Nachdem alle Inserierer für alle Suchausdrücke verarbeitet worden sind, endet das Verfahren beim Block 1316.
  • Fig. 14 ist ein Flussdiagramm, das eine bevorzugte Ausführungsform zum Initialisieren der Klassifizierungswerte des neuen Inserierers zeigt. Der Algorithmus ist eine Schleife über jeden Suchausdruck. Für jeden Ausdruck setzt das Programm die Klassifizierung auf 5, wenn der neue Inserierer den Ausdruck angenommen hat, und auf 1, wenn er ihn zurückgewiesen hat. Wenn er weder das eine noch das andere getan hat und die Spinne bzw. das Spidering den Ausdruck empfohlen hat, setzt das Programm die Klassifizierung auf die geschätzte bzw. ermittelte Klassifizierung der Spinne. Wenn keiner dieser drei Fälle zutrifft, setzt das Programm den Klassifizierungwert auf 2.
  • Das Verfahren beginnt beim Block 1400. Beim Block 1402 wird in eine Schleife unter Verwendung einer Ausdruckvariablen T als die Schleifenvariable eingetreten. Beim Block 1404 wird bestimmt, ob der Inserierer den Ausdruck, mit der Variablen T für die Suchausdrücke des Inserierers verbunden ist, angenommen hat. Wenn das der Fall ist, wird beim Block 1406 die Klassifizierung V[A][T] für den Inserierer und den Ausdruck auf einen Wert von 5 in dem Feld der Klassifizierungen gesetzt. Die Steuerung schreitet zum Block 1418 fort, um einen nächsten Ausdruck für die Schleifenvariable T auszuwählen. Wenn der Inserierer den gegenwärtigen Suchausdruck T beim Block 1408 nicht angenommen hat, wird bestimmt, ob der Inserierer ihn zurückgewiesen hat. Wenn das der Fall ist, wird die Klassifizierung V[A][T] für den Inserierer und den Ausdruck beim Block 1410 auf einen Wert von 1 gesetzt und die Steuerung schreitet zum Block 1418 fort, um die Schleifenvariable zu inkrementieren. Wenn der Inserierer den Ausdruck T nicht zugewiesen hat, wird beim Block 1412 bestimmt, ob der Spidering-Algorithmus den Ausdruck empfohlen hat, der mit der Variablen T verbunden ist. Wenn das der Fall ist, wird die Klassifizierung V[A][T] für den Inserierer und den Ausdruck auf einen Wert gleich der Klassifizierung gesetzt, die durch den Spidering-Algorithmus eingerichtet ist. Ansonsten wird die Klassifizierung V[A][T] für den Inserierer und den Ausdruck auf einen Wert von 2 gesetzt. Die Steuerung schreitet dann zum Block 1418 fort, um die Schleifenvariable zu inkrementieren. Nachdem alle Ausdrücke verarbeitet worden sind, endet das Verfahren beim Block 1420.
  • Fig. 15 ist ein Flussdiagramm, das einen Algorithmus zum Berechnen der Pearson-Korrelation zwischen zwei Inserierern erläutert. Dieser Algorithmus ist eine Schleife über jeden Suchausdruck. Für jeden Ausdruck akkumuliert das Programm Werte, die ihm ermöglichen, die Pearson-Korrelationsformel zu berechnen.


  • Die X-Variablen akkumulieren den Wert des Zählers und die Y- Variablen akkumulieren den Wert des Nenners. Nachdem das Programm die Schleife für alle Suchausdrücke ausgeführt hat, berechnet es die Korrelation unter Verwendung des letzten Ausdrucks in dem Flussdiagramm.
  • Das Verfahren beginnt beim Block 1500. Beim Block 1502 werden die Variablen X, Y1 und Y2 initialisiert. In eine Schleife wird beim Block 1504 zum Verarbeiten jedes Suchausdrucks in der Liste der Suchausdrücke eingetreten. Beim Block 1506 werden die Variablen X1 und X2 unter Verwendung eines Klassifizierungsalgorithmus berechnet. Der Klassifizierungsalgorithmus berechnet die Klassifizierung, die ein Inserierer einem Suchausdruck zuordnet. Eine Ausführungsform eines geeigneten Klassifizierungsalgorithmus wird unten stehend in Verbindung mit Fig. 16 beschrieben. Beim Block 1508 werden die Werte von X1 und X2 mit dem vorhergehenden Wert von X, wie gezeigt wird, verknüpft, um den gegenwärtigen Wert von X zu erzeugen. Beim Block 1510 werden die Werte von Y1 und Y2 unter Verwendung der berechneten Werte von X1 und X2 aktualisiert. Beim Block 1512 geht die Steuerung in der Schleife zurück zum Block 1504, bis alle Suchausdrücke verarbeitet worden sind. Die Pearson- Korrelaton wird dann berechnet, wie im Block 1514 gezeigt ist. Das Verfahren endet beim Block 1516 und der Wert der Pearson- Korrelation wird zurückgegeben.
  • Fig. 16 ist ein Flussdiagramm, das eine Ausführungsform eines Algorithmus zum Berechnen der Klassifizierung (rating) zeigt, die ein Inserierer einem Ausdruck zuordnet. Wenn die Klassifizierung, die in V[A][T]-Feld aufgezeichnet ist, UNBEKANNT ist, gibt sie der Algorithmus einfach zurück. Ansonsten gibt er die Durchschnittsklassifizierung des Inserierers zurück.
  • Das Verfahren beginnt beim Block 1600. Zwei Variablen werden übergeben, eine Inserierervariable und eine Ausdruckvariable. Beim Block 1602 wird bestimmt, ob die Klassifizierung, die mit dem Inserierer und dem Ausdruck verbunden ist, unbekannt ist. Wenn nicht, wird beim Block 1604 die Klassifizierung gleich dem Klassifizierungswert in dem Feld der Klassifizierungen gesetzt. Wenn die Variable unbekannt ist, wird die Klassifizierung gleich der Durchschnittsklassifizierung des Inserierers beim Block 1606 gesetzt. Ein Verfahren zum Berechnen der Durchschnittsklassifizierung des Inserierers wird untenstehend in Verbindung mit Fig. 17 beschrieben. Die Klassifizierung wird zurückgegeben und das Verfahren endet beim Block 1608.
  • Fig. 17 ist ein Flussdiagramm, das eine Ausführungsform für einen Algorithmus zum Berechnen der Durchschnittsklassifizierung eines Inserierers zeigt. Der Algorithmus ist eine Schleife über jeden Suchausdruck. Für jeden Suchausdruck, der eine bekannte Klassifizierung hat, addiert das Programm die Klassifizierung zu der Summe S und inkrementiert den Zähler N. Am Ende der Schleife ist die Durchschnittsklassifizierung einfach das Verhältnis S/N.
  • Das Verfahren beginnt beim Block 1700. Beim Block 1702 werden eine Summenvariable S und eine Zählvariable N initialisiert. Beim Block 1704 wird in eine Schleife eingetreten, wobei Suchausdrücke aus der Liste des Inserierers gemäß der Schleifenvariable ausgewählt werden. Beim Block 1706 wird bestimmt, ob die Klassifizierung für den Suchausdruck, die in dem Klassifizierungsfeld gespeichert ist, einen Wert UNBEKANNT hat. Wenn nicht, wird der Wert der Klassifizierung V[A][T] beim Block 1708 der Summenvariablen S hinzuaddiert und die Zählvariable N wird inkrementiert. Die Steuerung schreitet zum Block 1710 fort, wobei die Schleife wiederholt wird, bis alle Suchausdrücke in der Liste der Suchausdrücke des Inserierers verarbeitet worden sind. Beim Block 1712 wird die Durchschnittsklassifizierung als das Verhältnis von S zu N berechnet. Beim Block 1714 endet das Verfahren und die Durchschnittsklassifizierung wird zurückgegeben.
  • Fig. 18 ist ein Flussdiagramm, das eine Ausführungsform eines Algorithmus zum Kombinieren von Empfehlungen von der Webspinne bzw. dem Spidering und dem kollaborativen Filter zeigt. Eine kombinierte Klassifizierung eines Ausdrucks ist eine gewichtete Summe der Klassifizierung der Spinne bzw. des Spidering und der Klassifizierung des kollaborativen Filters. Anfangs, wenn der Inserierer noch nicht Ausdrücke angenommen bzw. zurückgewiesen hat, gewichtet der Algorithmus die Klassifizierungen des kollaborativen Filters zweimal so stark als die Gewichtungen der Empfehlungen der Spinne bzw. des Spidering. Da die Anzahl von angenommenen und zurückgewiesenen Ausdrücken ansteigt, nimmt das Gewicht der Spidering-Klassifizierung proportional ab. Es gibt viele andere mögliche Formeln zum Erzeugen einer kombinierten Klassifizierung aus den einzelnen Klassifizierungen und die gegenwärtige Erfindung ist nicht auf eine dieser Formeln beschränkt.
  • In der Ausführungsform von Fig. 18 beginnt das Verfahren beim Block 1800. Beim Block 1802 wird eine Variable N gleich der Anzahl der empfohlenen Suchausdrücke gesetzt, die von dem Inserierer angenommen werden, und eine Variable M wird gleich der Anzahl der empfohlenen Ausdrücke gesetzt, die vom Inserierer zurückgewiesen werden. Beim Block 1804 werden zwei Routinen aufgerufen, um die vorhergesagte Klassifizierung von der Spinne bzw. dem Spidering und die vorhergesagte Klassifizierung von dem kollaborativen Filtern berechnen zu können. Exemplarische Ausführungsformen dieser Routinen werden untenstehend in Verbindung mit Fig. 19 bzw. 20 erläutert. Beim Block 1806 werden die Vorhersagen kombiniert bzw. verknüpft und das Ergebnis wird zurückgegeben, wenn das Verfahren beim Block 1808 endet.
  • Fig. 19 ist ein Blockdiagramm, das eine Ausführungsform eines Algorithmus zum Berechnen der Spidering- bzw. Spinnen- Klassifizierungen zeigt. Wenn die Spinne bzw. das Spidering keinen Ausdruck gefunden hat, oder wenn der Ausdruck nicht ihren Qualitätsfilter passiert hat, dann ordnet der Algorithmus ihm eine Klassifizierung von 2 zu. Die restlichen Ausdrücke erhalten Klassifizierungen auf einer linearen Skala von 4,9 bis 2,1 nach unten. Der beste Ausdruck, den das Spidering empfiehlt, erhält eine Klassifizierung von 4,9 und der schlechteste Ausdruck, den es empfiehlt, erhält eine Klassifizierung von 2,1. Es gibt viele andere mögliche Formeln zum Erzeugen von Klassifizierungen aus den mit Rang versehenen Empfehlungen der Spinne und die vorliegende Erfindung ist nicht auf eine dieser Formeln beschränkt.
  • Das Verfahren beginnt beim Block 1900. Beim Block 1902 wird bestimmt, ob die Spinne den Ausdruck gefunden hat, der dem Verfahren in der Ausdruckvariablen T zugeführt wird. Wenn dies gegeben ist, wird eine Variable N gleich der Anzahl der Ausdrücke beim Block 1904 gesetzt, die von der Spinne gefunden werden, und eine Variable M wird gleich der Position des Ausdrucks T in der sortierten Liste der Empfehlungen gesetzt, die von der Spinne zurückgegeben werden.
  • Beim Block 1906 wird die vorhergesagte Klassifizierung von der Spinne gemäß der erläuterten Formel berechnet. Beim Block 1808 wird, wenn die Spinne den Ausdruck T nicht gefunden hat, die vorhergesagte Klassifizierung von der Spinne gleich 2 gesetzt. Das Verfahren endet beim Block 1908 und die vorhergesagte Klassifizierung von der Spinne wird zurückgegeben.
  • Fig. 20 ist ein Flussdiagramm, das eine Ausführungsform eines Algorithmus zum Berechnen der Klassifizierungen des kollaborativen Filters zeigt. Der Algorithmus ist eine Schleife über jeden Inserierer. Für jeden Inserierer akkumuliert das Programm Werte, die ihm ermöglichen, die Klassifizierung gemäß der Formel


    zu berechnen.
  • Eine Variable X akkumuliert den Wert des Zählers und eine Variable Y akkumuliert den Wert des Nenners. Im letzten Schritt berechnet der Algorithmus die Endklassifizierung unter Verwendung des Ausdrucks, der in dem Flussdiagramm gezeigt ist. Diese Endklassifizierung kann außerhalb des Bereichs 0 bis 5 fallen, aber sie kann noch korrekt auf dieser Skala interpretiert werden.
  • Das Verfahren beginnt beim Block 2000. Beim Block 2002 werden die Variablen X und Y initialisiert. In eine Schleife wird beim Block 2004 eingetreten, wobei ein Inserierer für jede Iteration durch die Schleife verarbeitet wird. Beim Block 2006 werden Werte für die Variablen XA und W wie gezeigt ermittelt. Beim Block 2008 werden die Werte für X und Y unter Verwendung der Werte W und XA aktualisiert. Beim Block 2010 kehrt die Steuerung zum Start der Schleife beim Block 2004 zurück, um den nächsten Inserierer abzuarbeiten. Nachdem alle Inserierer verarbeitet worden sind, wird die Vorhersage von dem kollaborativen Filtern unter Verwendung der Formel im Block 2012 und des Durchschnittsklassifizierungsalgorithmus berechnet, der vorstehend in Verbindung mit Fig. 17 beschrieben wurde. Das Verfahren endet beim Block 2014 und die Vorhersage von dem kollaborativen Filtern wird zurückgegeben.
  • Aus dem Vorhergehenden ist ersichtlich, dass die vorliegenden Ausführungsformen ein Verfahren und eine Vorrichtung zum Empfehlen von Suchausdrücken an einen Inserierer auf einem Zahle- für-Platzierung-Suchsystem bereitstellen. Das Verfahren und die Vorrichtung erzeugen Suchausdruckempfehlungen auf der Basis der Inhalte der Webseite des Inserierers und durch Vergleichen des Inserierers mit anderen ähnlichen Inserierern und durch Empfehlen von Suchausdrücken, die sie ausgewählt haben. Auf diese Art und Weise empfiehlt das System gute Suchausdrücke oder Ausdrücke, die eine Beziehung zu der Webseite des Inserierers oder deren Inhalt haben, wohingegen schlechte Suchausdrücke vermieden werden, die keine solche Beziehung haben. Das System ist im Dialog mit dem Inserierer und ermöglicht ihm, zu entscheiden, wann der Satz von Suchausdrücken für seine Erfordernisse ausreichend ist. Der Prozess zum Identifizieren und zum Klassifizieren von Suchausdrücken ist jedoch automatisiert und basiert auf den tatsächlichen Seiten der Webseite des Inserierers und auf Vergleiche mit anderen Inserierern.
  • Obwohl eine bestimmte Ausführungsform der vorliegenden Erfindung gezeigt und beschrieben worden ist, können diesbezüglich Modifikationen ausgeführt werden. Es ist deshalb beabsichtigt, dass in den angehängten Ansprüchen diese Änderungen und Modifikationen abgedeckt sind, die dem echten Geist und dem Bereich der Erfindung folgen.

Claims (65)

1. Ein Verfahren für ein Datenbanksuchsystem, wobei das Verfahren aufweist:
Empfangen einer Liste von Suchausdrücken, die mit einem Inserierer auf dem Datenbanksuchsystem verbunden sind;
Bestimmen von Kandidatensuchausdrücken auf der Basis von Suchausdrücken anderer Inserierer auf dem Datenbanksuchsystem; und
Empfehlen zusätzlicher Suchausdrücke aus den Kandidatensuchausdrücken.
2. Das Verfahren von Anspruch 1, worin das Bestimmen der Kandidatensuchausdrücke aufweist:
Zuordnen von Klassifizierungen zu Suchausdrücken; und
Berechnen einer Korrelation zwischen dem Inserierer und einem anderen Inserierer oder mehreren anderen Inserierern unter Verwendung von zugeordneten Klassifizierungen der Inserierersuchausdrücke.
3. Das Verfahren nach Anspruch 2, das weiterhin aufweist: Vorhersagen einer Wahrscheinlichkeit dafür, dass ein Kandidatensuchausdruck für den Inserierer relevant ist.
4. Das Verfahren nach Anspruch 3, worin das Vorhersagen aufweist:
Bestimmen einer Qualitätsmetrik für die Kandidatensuchausdrücke; und
Vorhersagen der Relevanz von Kandidatensuchausdrücken auf der Basis der Qualitätsmetrik.
5. Ein Verfahren für ein Datenbanksuchsystem, wobei das Verfahren aufweist:
Aufrechterhalten einer Datenbank von Suchlisten, die verbundene Suchausdrücke enthalten;
Empfangen einer Liste von Suchausdrücken, die mit einem Inserierer verbunden sind;
Berechnen von Klassifizierungen für Suchausdrücke; und
Empfehlen zusätzlicher Suchausdrücke an den Inserierer auf der Basis der berechneten Klassifizierungen.
6. Das Verfahren nach Anspruch 5, worin das Berechnen der Klassifizierungen aufweist: Zuordnen der Klassifizierungen zu Suchausdrücken.
7. Das Verfahren nach Anspruch 5, worin das Berechnen der Klassifizierungen aufweist: Vorhersagen von Klassifizierungen für Suchausdrücke.
8. Das Verfahren nach Anspruch 5, worin das Empfangen einer Liste von Suchausdrücken aufweist: Empfangen einer Liste von anfänglichen Suchausdrücken von dem Inserierer.
9. Das Verfahren nach Anspruch 5, worin das Empfangen einer Liste von Suchausdrücken aufweist:
Identifizieren eines existierenden Inserierers auf dem Datenbanksuchsystem; und
Ausbilden der Liste von Suchausdrücken des existierenden Inserierers.
10. Das Verfahren nach Anspruch 5, worin das Empfangen einer Liste von Suchausdrücken aufweist:
Empfangen eines Webseite-Uniform-Resource-Locators (URL); und
Spidering der Webseite, die mit dem URL verbunden ist, um Suchausdrücke für die Liste von Suchausdrücken zu gewinnen.
11. Das Verfahren nach Anspruch 10, worin das Spidering der Webseite aufweist:
Empfangen von Daten von Seiten der Webseite;
Aufzeichnen von Kandidatensuchausdrücken aus den Daten und
Bestimmen einer Qualitätsmetrik für jeden Kandidatensuchausdruck.
12. Das Verfahren nach Anspruch 11, das weiterhin aufweist:
Sortieren der Kandidatensuchausdrücke gemäß der Qualitätsmetrik; und
Empfehlen nur von Kandidatensuchausdrücken mit einer Qualitätsmetrik, die einen Schwellenwert überschreitet.
13. Das Verfahren nach Anspruch 10, worin das Spidering aufweist:
Empfangen von Daten von einer Seite oder mehreren Seiten der Webseite; und
Überprüfen von Text von der einen Seite oder von den mehreren Seiten nach Kandidatensuchausdrücken.
14. Das Verfahren nach Anspruch 13, worin das Überprüfen des Textes aufweist:
Überprüfen von im wesentlichen des gesamten Textes von der einen Seite oder von den mehreren Seiten; und
Überprüfen von Metatags von der einen Seite oder von den mehreren Seiten.
15. Das Verfahren nach Anspruch 13, worin das Empfangen eines Webseite-URL aufweist: Empfangen des URL des Inserierers als den Webseite-URL.
16. Das Verfahren nach Anspruch 13, worin das Empfangen eines Webseite-URL aufweist: Empfangen des Webseite-URL von dem Inserierer.
17. Das Verfahren nach Anspruch 5, das weiterhin aufweist:
Empfangen einer Suchanfrage von einem Nutzer;
Suchen nach übereinstimmenden Suchausdrücken in der Datenbank von Suchlisten;
Erzeugen von Suchergebnissen durch Formatieren von übereinstimmenden Suchausdrücken gemäß den Inserierer-Gebotsbeträgen, die mit den Suchlisten verbunden sind; und
Mitteilen der Suchergebnisse an den Nutzer.
18. Ein Datenbanksuchsystem, das aufweist:
eine Datenbank für Suchausdrücke, wobei jeder Suchausdruck mit einem Inserierer oder mehreren Inserierern verbunden ist;
einen Programmcode, der so aufgebaut ist, dass er zusätzliche Suchausdrücke für eine Inserierer auf der Basis von Suchausdrücken in der Datenbank empfiehlt.
19. Das Datenbanksuchsystem nach Anspruch 18, worin der Programmcode aufweist: einen kollaborativen Filtercode, der so aufgebaut ist, dass er die zusätzlichen Suchausdrücke auf der Basis von Suchausdrücken empfiehlt, die mit anderen Inserierern des Datenbanksuchsystems verbunden sind.
20. Das Datenbanksuchsystem nach Anspruch 19, worin der kollaborative Filtercode einen Pearson-Korrelationscode aufweist.
21. Das Datenbanksuchsystem nach Anspruch 19, worin der Programmcode aufweist: eine Programmschleife, um den Kollaborativfiltercode zu iterieren.
22. Datenbanksuchsystem nach Anspruch 18, das weiterhin aufweist: einen Code zum Empfangen von Annahme- und Zurückweisungsanzeigen von dem Inserierer, bevor die Programmschleife wiederholt wird.
23. Das Datenbanksuchsystem nach Anspruch 18, worin der Programmcode aufweist: einen Spidering-Code zum Empfehlen der zusätzlichen Suchausdrücke.
24. Das Datenbanksuchsystem nach Anspruch 18, worin der Programmcode aufweist:
einen Spidering-Code zum Auffinden anfänglicher, angenommener Suchausdrücke in einer Webseite; und
einen Kollaborativfiltercode zum Bereitstellen der empfohlenen, zusätzlichen Suchausdrücke.
25. Das Datenbanksuchsystem nach Anspruch 24, worin der Spidering-Code derart aufgebaut ist, dass er eine Webseite des Inserierers mit Spidering durchsucht.
26. Das Datenbanksuchsystem nach Anspruch 23, worin der Spidering-Code derart aufgebaut ist, dass er eine Webseite, die vom Inserierer spezifiziert wird, mit Spidering durchsucht.
27. Das Datenbanksuchsystem von Anspruch 18, das weiterhin aufweist: einen Filtercode zum Filtern von Kandidatensuchausdrücken gemäß einer Qualitätsmatrix, um die empfohlenen, zusätzlichen Suchausdrücke erzeugen zu können.
28. Das Datenbanksuchsystem von Anspruch 15, das weiterhin aufweist: einen Suchmaschine-Programmcode, der so aufgebaut ist, dass er die Datenbank in Antwort auf eine Suchanfrage von dem Nutzer durchsucht.
29. Ein Datenbankbetriebsverfahren für ein Datenbanksuchsystem, das Inserierer-Suchlisten speichert, wobei das Verfahren aufweist:
Spidering einer spezifizierten Webseite (web site), um eine anfängliche Liste von Inserierer-Suchausdrücken für einen Inserierer zu erhalten;
Filtern der anfänglichen Liste der Inserierer-Suchausdrücke unter Verwendung von Suchausdrücken anderer Inserierer; und
Speichern in einer Suchlistendatenbank von Suchlisten für den Inserierer, wobei die Suchlisten mit den gefilterten Suchausdrücken ausgebildet werden.
30. Das Datenbankbetriebssystem nach Anspruch 29, worin die spezifizierte Webseite eine vom Inserierer spezifizierte Webseite aufweist.
31. Das Datenbankbetriebssystem von Anspruch 29, worin die spezifizierte Webseite, eine Webseite aufweist, die durch das Datenbanksuchsystem spezifiziert wird.
32. Das Datenbankbetriebsverfahren von Anspruch 29, das weiterhin aufweist:
das Zuordnen von Klassifizierungen zu Suchausdrücken; und
das Berechnen der Korrelation zwischen dem Inserierer und einem anderen Inserierer oder mehreren anderen Inserierern unter Verwendung von zugeordneten Klassifizierungen der Inserierer- Suchausdrücken.
33. Das Datenbankbetriebssystem von Anspruch 32, das weiterhin aufweist: Vorhersagen einer Wahrscheinlichkeit, dass ein Suchausdruck für den Inserierer relevant sein wird.
34. Das Datenbankbetriebssystem von Anspruch 33, worin das Vorhersagen aufweist:
Bestimmen einer Qualitätsmetrik für Kandidatensuchausdrücke; und
Vorhersagen der Relevanz der Kandidatensuchausdrücke auf der Basis der Qualitätsmetrik.
35. Das Datenbankbetriebsverfahren von Anspruch 29, worin das Spidering der spezifizierten Webseite aufweist:
Empfangen von Daten von Seiten der spezifizierten Webseite;
Aufzeichnen von Kandidatensuchausdrücken aus den Daten; und
Bestimmen einer Qualitätsmetrik für jeden Kandidatensuchausdruck.
36. Das Datenbankbetriebsverfahren nach Anspruch 35, das weiterhin aufweist:
Sortieren der Kandidatensuchausdrücke gemäß der Qualitätsmetrik; und
Empfehlen nur jener Kandidatensuchausdrücke mit einer Qualitätsmetrik, die eine Schwelle überschreitet.
37. Das Datenbankbetriebsverfahren nach Anspruch 29, worin das Filtern aufweist:
Bestimmen einer Korrelation zwischen einer Webseite des Inserierers und Webseiten anderer Inserierer auf dem Datenbanksuchsystem;
Bestimmen von Klassifizierungen für jeden Inserierer-Suchausdruck in der anfänglichen Liste von Inserierer-Suchausdrücken unter Verwendung der Korrelation; und
Organisieren von Suchausdrücken der anfänglichen Liste von Inserierer-Suchausdrücken gemäß den Klassifizierungen.
38. Das Datenbankbetriebsverfahren nach Anspruch 29, das weiterhin aufweist:
Wiedergeben der organisierten Suchausdrücke an den Inserierer;
Empfangen von Inserierer-Annahmeanzeigen für die organisierten Suchausdrücke;
Einstellen der Liste von Inserierer-Suchausdrücken gemäß den Annahmeanzeigen; und
Filtern der eingestellten Liste.
39. Das Datenbankbetriebsverfahren nach Anspruch 38, das weiterhin aufweist: iteratives Wiedergeben der organisierten Suchausdrücke, Empfangen überarbeiteter Inserierer-Annahmeanzeigen und Einstellen der Liste von Inserierersuchausdrücken.
40. Das Datenbankbetriebsverfahren nach Anspruch 38, das weiterhin aufweist:
Empfangen einer Suchanfrage von einem Nutzer;
Suchen nach übereinstimmenden Suchausdrücken in der Suchlistendatenbank;
Erzeugen von Suchergebnissen durch Formatieren übereinstimmender Suchausdrücke gemäß den Inserierer-Gebotsbeträgen, die mit den übereinstimmenden Suchlisten verbunden sind; und
Mitteilen der Suchergebnisse an den Nutzer.
41. Ein Verfahren für ein Datenbanksuchsystem, wobei das Verfahren aufweist:
Empfangen eines Suchausdrucks eines Inserierers;
Erzeugen einer Liste von zusätzlichen, verwandten Suchausdrücken in Antwort auf den empfangenen Suchausdruck; und
Empfangen von vom Inserierer ausgewählten Suchausdrücken aus der Liste von zusätzlichen, verwandten Suchausdrücken.
42. Das Verfahren nach Anspruch 41, worin das Erzeugen der Liste von zusätzlichen Suchausdrücken aufweist: Übereinstimmen bzw. Vergleichen einer Textkette oder mehrerer Textketten aus dem empfangenen Suchausdruck mit einer Datenbank von Suchausdrücken.
43. Das Verfahren nach Anspruch 38, worin das Erzeugen der Liste von zusätzlichen Suchausdrücken aufweist: Übereinstimmen bzw. Vergleichen einer Textkette oder mehrerer Textketten aus dem empfangenen Suchausdruck mit einem Thesaurus bzw. Wörterbuch.
44. Das Verfahren nach Anspruch 41, das weiterhin aufweist: Anzeigen eines Formulars zum Eingeben einer Suchliste oder mehrerer Suchlisten für einen ausgewählten Suchausdruck.
45. Das Verfahren nach Anspruch 42, das weiterhin aufweist: Eingeben des ausgewählten Suchausdrucks als Standardwert in die Suchliste oder in jede der Suchlisten.
46. Ein Verfahren zum Empfehlen von Suchausdrücken, wobei das Verfahren aufweist:
Empfangen von Information, die einen Inserierer beschreibt; und
Empfehlen von Suchausdrücken auf der Basis der Ähnlichkeit des Inserierers mit anderen Inserierern.
47. Das Verfahren nach Anspruch 46, das weiterhin aufweist:
Zuordnen von Klassifizierungen auf der Basis der Informationen, die den Inserierer beschreiben, und von Informationen, die die anderen Inserierer beschreiben; und
Empfehlen von Suchausdrücken zumindest teilweise auf der Basis der Klassifizierungen.
48. Das Verfahren nach Anspruch 46, das weiterhin aufweist:
Vorhersagen von Klassifizierungen für den Inserierer und die anderen Inserierer auf der Basis von Informationen, die den Inserierer beschreiben, und von Informationen, die die anderen Inserierer beschreiben;
Empfehlen von Suchausdrücken zumindest teilweise auf der Basis der Klassifizierungen.
49. Das Verfahren nach Anspruch 46, das weiterhin aufweist:
Berechnen von Korrelationen für den Inserierer und die anderen Inserierer auf der Basis der Informationen, die den Inserierer beschreiben, und der Informationen, die die anderen Inserierer beschreiben; und
Empfehlen von Suchausdrücken zumindest teilweise auf der Basis der Korrelationen.
50. Das Verfahren nach Anspruch 49, worin das Berechnen von Korrelationen aufweist: Berechnen von Pearson-Korrelationen.
51. Ein Verfahren zum Empfehlen von Suchausdrücken, wobei das Verfahren aufweist:
Herunterladen von Webseiten (web pages), die über einen spezifizierten Uniform Resource Locator (URL) geleitet werden; und
Empfehlen von Suchausdrücken, die in dem Körpertext der Webseiten auftreten.
52. Das Verfahren nach Anspruch 51, das weiterhin aufweist:
Identifizieren eines Inserierers der eine Webseite (web site) hat;
Spezifizieren der Webseite des Inserierers als den spezifizierten URL.
53. Das Verfahren nach Anspruch 51, das weiterhin aufweist: Empfangen eines Webseitenidentifizierers von einem Inserierer als den spezifizierten URL.
54. Ein Verfahren zum Empfehlen von Suchausdrücken, wobei das Verfahren aufweist: Empfangen eines Uniform Resource Locators (URL);
Herunterladen von Webseiten bzw. Webpages, die über den URL geleitet werden; und
Empfehlen von Suchausdrücken, die in den Webseiten auftreten.
55. Das Verfahren von Anspruch 54, das weiterhin aufweist:
Identifizieren eines Inserierers der eine Webseite bzw. Website hat;
Empfangen der Webseite bzw. der Website des Inserierers als den URL.
56. Ein Verfahren zum Empfehlen von Suchausdrücken, wobei das Verfahren aufweist:
Berechnen einer Qualitätsmetrik für Kandidatensuchausdrücke, wobei die Qualitätsmetrik für einen jeweiligen Kandidatensuchausdruck eine Funktion der jeweiligen Webfrequenz des Suchausdrucks und eine Funktion einer Suchfrequenz des Suchausdrucks ist; und
Empfehlen von Suchausdrücken, für die die berechnete Qualitätsmetrik eine Qualitätsschwelle überschreitet.
57. Verfahren nach Anspruch 56, das weiterhin aufweist: Sortieren der Kandidatensuchausdrücke gemäß einer zweiten Metrik.
58. Das Verfahren nach Anspruch 56, das weiterhin aufweist: Automatisches Kalibrieren der Qualitätsschwelle.
59. Ein Verfahren zum Empfehlen von Suchausdrücken für ein Datenbanksuchsystem, wobei das Verfahren aufweist:
Aufrechterhalten einer Datenbank von Suchausdrücken, die mit Inseriererlisten verbunden sind;
Empfangen von Informationen, die einen Inserierer beschreiben; und
Empfehlen von Suchausdrücken an den Inserierer.
60. Das Verfahren nach Anspruch 59, das weiterhin aufweist:
Bestimmen von Kandidatensuchausdrücken durch kollaboratives Filtern; und
Empfehlen von Suchausdrücken aus den Kandidatensuchausdrücken.
61. Das Verfahren nach Anspruch 59, das weiterhin aufweist: Herunterladen von Webseiten bzw. Webpages, die über einen Uniform Resource Locator geleitet werden; und
Empfehlen der Suchausdrücke auf der Basis von Ausdrücken, die in dem Körpertext der Webseiten auftreten,
62. Das Verfahren nach Anspruch 59, das weiterhin aufweist:
Empfangen eines Uniform Resource Locators (URL);
Herunterladen von Webseiten, die über den URL geleitet werden; und
Empfehlen von Suchausdrücken auf der Basis von Ausdrücken, die in den Webseiten auftreten.
63. Das Verfahren nach Anspruch 59, das weiterhin aufweist:
Berechnen einer Qualitätsmetrik für Kandidatensuchausdrücke wobei die Qualitätsmetrik für einen jeweiligen Kandidatensuchausdruck eine Funktion der jeweiligen Webfrequenz des Suchausdrucks und eine Funktion einer Suchfrequenz des Suchausdrucks ist; und
Empfehlen der Suchausdrücke auf der Basis von Suchausdrücken, für die die berechnete Qualitätsmetrik eine Qualitätsschwelle überschreitet.
64. Das Verfahren nach Anspruch 59, das weiterhin aufweist:
Empfangen einer Rückkopplung von dem Inserierer über die empfohlenen Suchausdrücke; und
Ändern der empfohlenen Suchausdrücke auf der Basis der Rückkopplung.
65. Das Verfahren nach Anspruch 59, das weiterhin aufweist:
Empfangen einer Rückkopplung von dem Inserierer über die empfohlenen Suchausdrücke; und
Ändern der empfohlenen Suchausdrücke auf der Basis der Rückkopplung.
DE10256458A 2001-12-11 2002-12-03 Empfehlen von Suchausdrücken unter Verwendung von kollaborativem Filtern und Webspidering Ceased DE10256458A1 (de)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US10/020,712 US7225182B2 (en) 1999-05-28 2001-12-11 Recommending search terms using collaborative filtering and web spidering

Publications (1)

Publication Number Publication Date
DE10256458A1 true DE10256458A1 (de) 2003-08-14

Family

ID=21800117

Family Applications (1)

Application Number Title Priority Date Filing Date
DE10256458A Ceased DE10256458A1 (de) 2001-12-11 2002-12-03 Empfehlen von Suchausdrücken unter Verwendung von kollaborativem Filtern und Webspidering

Country Status (10)

Country Link
US (1) US7225182B2 (de)
EP (1) EP1320042A3 (de)
JP (1) JP3955256B2 (de)
KR (2) KR20030047859A (de)
CN (1) CN100447735C (de)
AU (1) AU2002301578B2 (de)
CA (1) CA2413105C (de)
DE (1) DE10256458A1 (de)
FR (1) FR2833377B1 (de)
GB (1) GB2384079A (de)

Families Citing this family (318)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6269361B1 (en) * 1999-05-28 2001-07-31 Goto.Com System and method for influencing a position on a search result list generated by a computer network search engine
US7577582B1 (en) 1999-09-21 2009-08-18 Nextag, Inc. Methods and apparatus for facilitating transactions
US7925610B2 (en) 1999-09-22 2011-04-12 Google Inc. Determining a meaning of a knowledge item using document-based information
US6760759B1 (en) * 1999-11-24 2004-07-06 Mtel Limited System to support mobile visual communications
US7082470B1 (en) * 2000-06-28 2006-07-25 Joel Lesser Semi-automated linking and hosting method
US8527495B2 (en) * 2002-02-19 2013-09-03 International Business Machines Corporation Plug-in parsers for configuring search engine crawler
US20030172050A1 (en) * 2002-03-06 2003-09-11 Decime Jerry B. System and method for monitoring a network site for linked content
US20050114198A1 (en) * 2003-11-24 2005-05-26 Ross Koningstein Using concepts for ad targeting
US20050222901A1 (en) * 2004-03-31 2005-10-06 Sumit Agarwal Determining ad targeting information and/or ad creative information using past search queries
US20030216930A1 (en) * 2002-05-16 2003-11-20 Dunham Carl A. Cost-per-action search engine system, method and apparatus
US20040068436A1 (en) * 2002-10-08 2004-04-08 Boubek Brian J. System and method for influencing position of information tags allowing access to on-site information
US7831476B2 (en) * 2002-10-21 2010-11-09 Ebay Inc. Listing recommendation in a network-based commerce system
US7111000B2 (en) * 2003-01-06 2006-09-19 Microsoft Corporation Retrieval of structured documents
US7194466B2 (en) 2003-05-01 2007-03-20 Microsoft Corporation Object clustering using inter-layer links
US8255417B2 (en) * 2003-05-20 2012-08-28 Google Inc. System and method for providing definitions
US10475116B2 (en) * 2003-06-03 2019-11-12 Ebay Inc. Method to identify a suggested location for storing a data entry in a database
US8140388B2 (en) * 2003-06-05 2012-03-20 Hayley Logistics Llc Method for implementing online advertising
US7890363B2 (en) * 2003-06-05 2011-02-15 Hayley Logistics Llc System and method of identifying trendsetters
US7685117B2 (en) 2003-06-05 2010-03-23 Hayley Logistics Llc Method for implementing search engine
US8103540B2 (en) 2003-06-05 2012-01-24 Hayley Logistics Llc System and method for influencing recommender system
US7885849B2 (en) * 2003-06-05 2011-02-08 Hayley Logistics Llc System and method for predicting demand for items
US7689432B2 (en) 2003-06-06 2010-03-30 Hayley Logistics Llc System and method for influencing recommender system & advertising based on programmed policies
US7836391B2 (en) * 2003-06-10 2010-11-16 Google Inc. Document search engine including highlighting of confident results
US7401072B2 (en) 2003-06-10 2008-07-15 Google Inc. Named URL entry
US7647299B2 (en) * 2003-06-30 2010-01-12 Google, Inc. Serving advertisements using a search of advertiser web information
US20050004835A1 (en) * 2003-07-01 2005-01-06 Yahoo! Inc System and method of placing a search listing in at least one search result list
US7225184B2 (en) * 2003-07-18 2007-05-29 Overture Services, Inc. Disambiguation of search phrases using interpretation clusters
JP2006528383A (ja) * 2003-07-23 2006-12-14 ユニバーシティ・カレッジ・ダブリン,ナショナル・ユニバーシティ・オブ・アイルランド,ダブリン 情報検索
US20050125290A1 (en) * 2003-08-01 2005-06-09 Gil Beyda Audience targeting system with profile synchronization
US7805332B2 (en) 2003-08-01 2010-09-28 AOL, Inc. System and method for segmenting and targeting audience members
US8464290B2 (en) 2003-08-01 2013-06-11 Tacoda, Inc. Network for matching an audience with deliverable content
US9928522B2 (en) 2003-08-01 2018-03-27 Oath (Americas) Inc. Audience matching network with performance factoring and revenue allocation
US9118812B2 (en) 2003-08-01 2015-08-25 Advertising.Com Llc Audience server
US8150732B2 (en) * 2003-08-01 2012-04-03 Tacoda Llc Audience targeting system with segment management
US9117217B2 (en) * 2003-08-01 2015-08-25 Advertising.Com Llc Audience targeting with universal profile synchronization
US20050065957A1 (en) * 2003-09-19 2005-03-24 Courtney Jones Method for operating an Internet broadcasting station
US20070203906A1 (en) 2003-09-22 2007-08-30 Cone Julian M Enhanced Search Engine
US8041601B2 (en) * 2003-09-30 2011-10-18 Google, Inc. System and method for automatically targeting web-based advertisements
US7844589B2 (en) * 2003-11-18 2010-11-30 Yahoo! Inc. Method and apparatus for performing a search
WO2005057359A2 (en) * 2003-12-04 2005-06-23 Perfect Market Technologies, Inc. Transparent search engine
US20050144067A1 (en) * 2003-12-19 2005-06-30 Palo Alto Research Center Incorporated Identifying and reporting unexpected behavior in targeted advertising environment
US20050144064A1 (en) * 2003-12-19 2005-06-30 Palo Alto Research Center Incorporated Keyword advertisement management
US20050137939A1 (en) * 2003-12-19 2005-06-23 Palo Alto Research Center Incorporated Server-based keyword advertisement management
US20050144068A1 (en) * 2003-12-19 2005-06-30 Palo Alto Research Center Incorporated Secondary market for keyword advertising
KR100452086B1 (ko) * 2003-12-22 2004-10-13 엔에이치엔(주) 카테고리 별 키워드의 입력 순위를 제공하기 위한 검색서비스 시스템 및 그 방법
US20050149388A1 (en) * 2003-12-30 2005-07-07 Scholl Nathaniel B. Method and system for placing advertisements based on selection of links that are not prominently displayed
US8655727B2 (en) * 2003-12-30 2014-02-18 Amazon Technologies, Inc. Method and system for generating and placing keyword-targeted advertisements
US8392249B2 (en) 2003-12-31 2013-03-05 Google Inc. Suggesting and/or providing targeting criteria for advertisements
US20050149498A1 (en) * 2003-12-31 2005-07-07 Stephen Lawrence Methods and systems for improving a search ranking using article information
US8954420B1 (en) 2003-12-31 2015-02-10 Google Inc. Methods and systems for improving a search ranking using article information
KR100452085B1 (ko) * 2004-01-14 2004-10-12 엔에이치엔(주) 카테고리 별 키워드의 입력 순위를 제공하기 위한 검색서비스 시스템 및 그 방법
CA2755957A1 (en) * 2004-03-09 2005-09-22 Google Inc. Dynamic data delivery apparatus and method for same
US7818214B2 (en) * 2004-03-12 2010-10-19 Linear Five Corp. Affiliate manipulation system and method
JP4565004B2 (ja) * 2004-03-15 2010-10-20 ヤフー! インコーポレイテッド パーソナル化ポータルとウェブコンテンツシンジケーションとの一体化
US8099407B2 (en) * 2004-03-31 2012-01-17 Google Inc. Methods and systems for processing media files
US7941439B1 (en) 2004-03-31 2011-05-10 Google Inc. Methods and systems for information capture
US8386728B1 (en) 2004-03-31 2013-02-26 Google Inc. Methods and systems for prioritizing a crawl
US7581227B1 (en) 2004-03-31 2009-08-25 Google Inc. Systems and methods of synchronizing indexes
US7725508B2 (en) 2004-03-31 2010-05-25 Google Inc. Methods and systems for information capture and retrieval
US8275839B2 (en) * 2004-03-31 2012-09-25 Google Inc. Methods and systems for processing email messages
US7412708B1 (en) * 2004-03-31 2008-08-12 Google Inc. Methods and systems for capturing information
US8161053B1 (en) 2004-03-31 2012-04-17 Google Inc. Methods and systems for eliminating duplicate events
US7680888B1 (en) 2004-03-31 2010-03-16 Google Inc. Methods and systems for processing instant messenger messages
US8346777B1 (en) 2004-03-31 2013-01-01 Google Inc. Systems and methods for selectively storing event data
US8631076B1 (en) 2004-03-31 2014-01-14 Google Inc. Methods and systems for associating instant messenger events
US7333976B1 (en) 2004-03-31 2008-02-19 Google Inc. Methods and systems for processing contact information
US7260568B2 (en) 2004-04-15 2007-08-21 Microsoft Corporation Verifying relevance between keywords and web site contents
US7366705B2 (en) 2004-04-15 2008-04-29 Microsoft Corporation Clustering based text classification
US7689585B2 (en) 2004-04-15 2010-03-30 Microsoft Corporation Reinforced clustering of multi-type data objects for search term suggestion
US7289985B2 (en) 2004-04-15 2007-10-30 Microsoft Corporation Enhanced document retrieval
US7428529B2 (en) 2004-04-15 2008-09-23 Microsoft Corporation Term suggestion for multi-sense query
US7305389B2 (en) 2004-04-15 2007-12-04 Microsoft Corporation Content propagation for enhanced document retrieval
US7697791B1 (en) 2004-05-10 2010-04-13 Google Inc. Method and system for providing targeted documents based on concepts automatically identified therein
US8065611B1 (en) 2004-06-30 2011-11-22 Google Inc. Method and system for mining image searches to associate images with concepts
US11409812B1 (en) 2004-05-10 2022-08-09 Google Llc Method and system for mining image searches to associate images with concepts
US7996753B1 (en) * 2004-05-10 2011-08-09 Google Inc. Method and system for automatically creating an image advertisement
US7558792B2 (en) * 2004-06-29 2009-07-07 Palo Alto Research Center Incorporated Automatic extraction of human-readable lists from structured documents
US7529731B2 (en) * 2004-06-29 2009-05-05 Xerox Corporation Automatic discovery of classification related to a category using an indexed document collection
US7827176B2 (en) * 2004-06-30 2010-11-02 Google Inc. Methods and systems for endorsing local search results
US8005716B1 (en) * 2004-06-30 2011-08-23 Google Inc. Methods and systems for establishing a keyword utilizing path navigation information
US20080040329A1 (en) * 2004-07-08 2008-02-14 John Cussen System and Method for Influencing a Computer Generated Search Result List
US7716219B2 (en) * 2004-07-08 2010-05-11 Yahoo ! Inc. Database search system and method of determining a value of a keyword in a search
US20060015401A1 (en) * 2004-07-15 2006-01-19 Chu Barry H Efficiently spaced and used advertising in network-served multimedia documents
KR100806862B1 (ko) * 2004-07-16 2008-02-26 (주)이네스트커뮤니케이션 웹 사이트에서의 1차 키워드 검색에 대해 관련성 있는 2차키워드의 리스트를 제공하는 방법 및 장치
KR101144426B1 (ko) * 2004-07-23 2012-06-22 엔에이치엔비즈니스플랫폼 주식회사 지식 검색 서비스를 이용한 지식 광고 노출 방법 및 지식광고 노출 시스템
US7752200B2 (en) 2004-08-09 2010-07-06 Amazon Technologies, Inc. Method and system for identifying keywords for use in placing keyword-targeted advertisements
US7577641B2 (en) * 2004-09-07 2009-08-18 Sas Institute Inc. Computer-implemented system and method for analyzing search queries
US7801899B1 (en) * 2004-10-01 2010-09-21 Google Inc. Mixing items, such as ad targeting keyword suggestions, from heterogeneous sources
US7904337B2 (en) 2004-10-19 2011-03-08 Steve Morsa Match engine marketing
JP4797380B2 (ja) * 2004-12-28 2011-10-19 コニカミノルタホールディングス株式会社 医療支援システム
US20060149625A1 (en) * 2004-12-30 2006-07-06 Ross Koningstein Suggesting and/or providing targeting information for advertisements
US7444325B2 (en) * 2005-01-14 2008-10-28 Im2, Inc. Method and system for information extraction
US20060161541A1 (en) * 2005-01-19 2006-07-20 Microsoft Corporation System and method for prefetching and caching query results
US7593962B2 (en) * 2005-02-18 2009-09-22 American Tel-A-Systems, Inc. System and method for dynamically creating records
US7363001B2 (en) 2005-03-08 2008-04-22 Google Inc. Dynamic data delivery apparatus and method for same
JP2006268378A (ja) * 2005-03-23 2006-10-05 Mitsui Sumitomo Insurance Co Ltd 情報保護システム、情報保護装置およびそのプログラム
US7565345B2 (en) * 2005-03-29 2009-07-21 Google Inc. Integration of multiple query revision models
US7761601B2 (en) * 2005-04-01 2010-07-20 Microsoft Corporation Strategies for transforming markup content to code-bearing content for consumption by a receiving device
GB0508468D0 (en) * 2005-04-26 2005-06-01 Ramakrishna Madhusudana Method and system providing data in dependence on keywords in electronic messages
KR100718127B1 (ko) * 2005-04-28 2007-05-14 삼성전자주식회사 수직 자기 기록헤드
US8099327B2 (en) * 2005-06-01 2012-01-17 Google Inc. Auctioneer
CN101496046A (zh) 2005-06-01 2009-07-29 谷歌公司 媒体播放优化
US8099326B2 (en) * 2005-06-01 2012-01-17 Google Inc. Traffic estimator
US8200687B2 (en) 2005-06-20 2012-06-12 Ebay Inc. System to generate related search queries
US7478092B2 (en) * 2005-07-21 2009-01-13 International Business Machines Corporation Key term extraction
US7739708B2 (en) * 2005-07-29 2010-06-15 Yahoo! Inc. System and method for revenue based advertisement placement
US9558498B2 (en) * 2005-07-29 2017-01-31 Excalibur Ip, Llc System and method for advertisement management
US20070027760A1 (en) * 2005-07-29 2007-02-01 Collins Robert J System and method for creating and providing a user interface for displaying advertiser defined groups of advertisement campaign information
US7548929B2 (en) * 2005-07-29 2009-06-16 Yahoo! Inc. System and method for determining semantically related terms
US8131594B1 (en) * 2005-08-11 2012-03-06 Amazon Technologies, Inc. System and method for facilitating targeted advertising
US7747639B2 (en) * 2005-08-24 2010-06-29 Yahoo! Inc. Alternative search query prediction
GB0517585D0 (en) * 2005-08-30 2005-10-05 Ramakrishna Madhusudana Intuitive search which delivers fast results on the mobile phone
US8103545B2 (en) 2005-09-14 2012-01-24 Jumptap, Inc. Managing payment for sponsored content presented to mobile communication facilities
US9471925B2 (en) * 2005-09-14 2016-10-18 Millennial Media Llc Increasing mobile interactivity
US20070061211A1 (en) * 2005-09-14 2007-03-15 Jorey Ramer Preventing mobile communication facility click fraud
US8503995B2 (en) 2005-09-14 2013-08-06 Jumptap, Inc. Mobile dynamic advertisement creation and placement
US8805339B2 (en) 2005-09-14 2014-08-12 Millennial Media, Inc. Categorization of a mobile user profile based on browse and viewing behavior
US20080214153A1 (en) * 2005-09-14 2008-09-04 Jorey Ramer Mobile User Profile Creation based on User Browse Behaviors
US20080215429A1 (en) * 2005-11-01 2008-09-04 Jorey Ramer Using a mobile communication facility for offline ad searching
US8819659B2 (en) 2005-09-14 2014-08-26 Millennial Media, Inc. Mobile search service instant activation
US20080214204A1 (en) * 2005-11-01 2008-09-04 Jorey Ramer Similarity based location mapping of mobile comm facility users
US8660891B2 (en) 2005-11-01 2014-02-25 Millennial Media Interactive mobile advertisement banners
US8615719B2 (en) 2005-09-14 2013-12-24 Jumptap, Inc. Managing sponsored content for delivery to mobile communication facilities
US8229914B2 (en) 2005-09-14 2012-07-24 Jumptap, Inc. Mobile content spidering and compatibility determination
US10592930B2 (en) * 2005-09-14 2020-03-17 Millenial Media, LLC Syndication of a behavioral profile using a monetization platform
US8131271B2 (en) * 2005-11-05 2012-03-06 Jumptap, Inc. Categorization of a mobile user profile based on browse behavior
US7912458B2 (en) 2005-09-14 2011-03-22 Jumptap, Inc. Interaction analysis and prioritization of mobile content
US7577665B2 (en) 2005-09-14 2009-08-18 Jumptap, Inc. User characteristic influenced search results
US20080214148A1 (en) * 2005-11-05 2008-09-04 Jorey Ramer Targeting mobile sponsored content within a social network
US9703892B2 (en) 2005-09-14 2017-07-11 Millennial Media Llc Predictive text completion for a mobile communication facility
US8209344B2 (en) 2005-09-14 2012-06-26 Jumptap, Inc. Embedding sponsored content in mobile applications
US20110143731A1 (en) * 2005-09-14 2011-06-16 Jorey Ramer Mobile Communication Facility Usage Pattern Geographic Based Advertising
US9201979B2 (en) * 2005-09-14 2015-12-01 Millennial Media, Inc. Syndication of a behavioral profile associated with an availability condition using a monetization platform
US20070100806A1 (en) * 2005-11-01 2007-05-03 Jorey Ramer Client libraries for mobile content
US20080214154A1 (en) * 2005-11-01 2008-09-04 Jorey Ramer Associating mobile and non mobile web content
US20110313853A1 (en) 2005-09-14 2011-12-22 Jorey Ramer System for targeting advertising content to a plurality of mobile communication facilities
US7769764B2 (en) * 2005-09-14 2010-08-03 Jumptap, Inc. Mobile advertisement syndication
US20080242279A1 (en) * 2005-09-14 2008-10-02 Jorey Ramer Behavior-based mobile content placement on a mobile communication facility
US8666376B2 (en) * 2005-09-14 2014-03-04 Millennial Media Location based mobile shopping affinity program
US8302030B2 (en) 2005-09-14 2012-10-30 Jumptap, Inc. Management of multiple advertising inventories using a monetization platform
US20080215557A1 (en) * 2005-11-05 2008-09-04 Jorey Ramer Methods and systems of mobile query classification
US8238888B2 (en) 2006-09-13 2012-08-07 Jumptap, Inc. Methods and systems for mobile coupon placement
US8832100B2 (en) * 2005-09-14 2014-09-09 Millennial Media, Inc. User transaction history influenced search results
US9076175B2 (en) * 2005-09-14 2015-07-07 Millennial Media, Inc. Mobile comparison shopping
US7702318B2 (en) 2005-09-14 2010-04-20 Jumptap, Inc. Presentation of sponsored content based on mobile transaction event
US8688671B2 (en) 2005-09-14 2014-04-01 Millennial Media Managing sponsored content based on geographic region
US8156128B2 (en) * 2005-09-14 2012-04-10 Jumptap, Inc. Contextual mobile content placement on a mobile communication facility
US9058406B2 (en) 2005-09-14 2015-06-16 Millennial Media, Inc. Management of multiple advertising inventories using a monetization platform
US7676394B2 (en) 2005-09-14 2010-03-09 Jumptap, Inc. Dynamic bidding and expected value
US8027879B2 (en) * 2005-11-05 2011-09-27 Jumptap, Inc. Exclusivity bidding for mobile sponsored content
US20070061246A1 (en) * 2005-09-14 2007-03-15 Jorey Ramer Mobile campaign creation
US8195133B2 (en) 2005-09-14 2012-06-05 Jumptap, Inc. Mobile dynamic advertisement creation and placement
US10038756B2 (en) 2005-09-14 2018-07-31 Millenial Media LLC Managing sponsored content based on device characteristics
US20090234745A1 (en) * 2005-11-05 2009-09-17 Jorey Ramer Methods and systems for mobile coupon tracking
US7548915B2 (en) * 2005-09-14 2009-06-16 Jorey Ramer Contextual mobile content placement on a mobile communication facility
US7752209B2 (en) * 2005-09-14 2010-07-06 Jumptap, Inc. Presenting sponsored content on a mobile communication facility
US8311888B2 (en) * 2005-09-14 2012-11-13 Jumptap, Inc. Revenue models associated with syndication of a behavioral profile using a monetization platform
US8989718B2 (en) * 2005-09-14 2015-03-24 Millennial Media, Inc. Idle screen advertising
US20080214151A1 (en) * 2005-09-14 2008-09-04 Jorey Ramer Methods and systems for mobile coupon placement
US7660581B2 (en) * 2005-09-14 2010-02-09 Jumptap, Inc. Managing sponsored content based on usage history
US8290810B2 (en) * 2005-09-14 2012-10-16 Jumptap, Inc. Realtime surveying within mobile sponsored content
US20090240568A1 (en) * 2005-09-14 2009-09-24 Jorey Ramer Aggregation and enrichment of behavioral profile data using a monetization platform
US8812526B2 (en) 2005-09-14 2014-08-19 Millennial Media, Inc. Mobile content cross-inventory yield optimization
US8515401B2 (en) 2005-09-14 2013-08-20 Jumptap, Inc. System for targeting advertising content to a plurality of mobile communication facilities
US8364540B2 (en) 2005-09-14 2013-01-29 Jumptap, Inc. Contextual targeting of content using a monetization platform
US8364521B2 (en) * 2005-09-14 2013-01-29 Jumptap, Inc. Rendering targeted advertisement on mobile communication facilities
US10911894B2 (en) 2005-09-14 2021-02-02 Verizon Media Inc. Use of dynamic content generation parameters based on previous performance of those parameters
US20080270220A1 (en) * 2005-11-05 2008-10-30 Jorey Ramer Embedding a nonsponsored mobile content within a sponsored mobile content
US20070060173A1 (en) * 2005-09-14 2007-03-15 Jorey Ramer Managing sponsored content based on transaction history
US7725464B2 (en) * 2005-09-27 2010-05-25 Looksmart, Ltd. Collection and delivery of internet ads
US20070250501A1 (en) * 2005-09-27 2007-10-25 Grubb Michael L Search result delivery engine
US20080015968A1 (en) * 2005-10-14 2008-01-17 Leviathan Entertainment, Llc Fee-Based Priority Queuing for Insurance Claim Processing
US8676781B1 (en) * 2005-10-19 2014-03-18 A9.Com, Inc. Method and system for associating an advertisement with a web page
US20070094072A1 (en) * 2005-10-26 2007-04-26 Etica Entertainment, Inc., Dba Position Research Apparatus and method of identifying critical factors in a pay-for-performance advertising network
US7831474B2 (en) * 2005-10-28 2010-11-09 Yahoo! Inc. System and method for associating an unvalued search term with a valued search term
US20070244868A1 (en) * 2005-10-31 2007-10-18 Grubb Michael L Internet book marking and search results delivery
US8175585B2 (en) 2005-11-05 2012-05-08 Jumptap, Inc. System for targeting advertising content to a plurality of mobile communication facilities
US7778874B1 (en) * 2005-11-14 2010-08-17 A9.Com, Inc. Automated generation of suggested online advertising campaign parameters
US9311400B2 (en) * 2005-11-15 2016-04-12 Sap Se Method and system for providing time-dependent search results for repetitively performed searches
US7788131B2 (en) * 2005-12-15 2010-08-31 Microsoft Corporation Advertising keyword cross-selling
US7627559B2 (en) * 2005-12-15 2009-12-01 Microsoft Corporation Context-based key phrase discovery and similarity measurement utilizing search engine query logs
US7752190B2 (en) * 2005-12-21 2010-07-06 Ebay Inc. Computer-implemented method and system for managing keyword bidding prices
US7792858B2 (en) * 2005-12-21 2010-09-07 Ebay Inc. Computer-implemented method and system for combining keywords into logical clusters that share similar behavior with respect to a considered dimension
US8036937B2 (en) 2005-12-21 2011-10-11 Ebay Inc. Computer-implemented method and system for enabling the automated selection of keywords for rapid keyword portfolio expansion
US7870031B2 (en) * 2005-12-22 2011-01-11 Ebay Inc. Suggested item category systems and methods
US9262446B1 (en) 2005-12-29 2016-02-16 Google Inc. Dynamically ranking entries in a personal data book
MX2008009507A (es) * 2006-01-24 2009-01-13 Gaming Solutions International Sistemas y metodos para obtencion de datos y presentacion interactiva de los mismos.
US20070208828A1 (en) * 2006-01-24 2007-09-06 Brier John J Jr Systems and methods for data mining and interactive presentation of same
US8707451B2 (en) * 2006-03-01 2014-04-22 Oracle International Corporation Search hit URL modification for secure application integration
US8868540B2 (en) * 2006-03-01 2014-10-21 Oracle International Corporation Method for suggesting web links and alternate terms for matching search queries
US9177124B2 (en) 2006-03-01 2015-11-03 Oracle International Corporation Flexible authentication framework
US7941419B2 (en) * 2006-03-01 2011-05-10 Oracle International Corporation Suggested content with attribute parameterization
US8005816B2 (en) * 2006-03-01 2011-08-23 Oracle International Corporation Auto generation of suggested links in a search system
US20070214129A1 (en) * 2006-03-01 2007-09-13 Oracle International Corporation Flexible Authorization Model for Secure Search
US8332430B2 (en) * 2006-03-01 2012-12-11 Oracle International Corporation Secure search performance improvement
US8875249B2 (en) * 2006-03-01 2014-10-28 Oracle International Corporation Minimum lifespan credentials for crawling data repositories
US8433712B2 (en) * 2006-03-01 2013-04-30 Oracle International Corporation Link analysis for enterprise environment
US8027982B2 (en) * 2006-03-01 2011-09-27 Oracle International Corporation Self-service sources for secure search
US8214394B2 (en) 2006-03-01 2012-07-03 Oracle International Corporation Propagating user identities in a secure federated search system
KR100792698B1 (ko) * 2006-03-14 2008-01-08 엔에이치엔(주) 시드를 이용한 광고 매칭 방법 및 광고 매칭 시스템
KR100792701B1 (ko) * 2006-03-16 2008-01-08 엔에이치엔(주) 협업 필터링 시스템을 이용하여 클릭 패턴에 기초한 웹광고 추천 방법 및 그 시스템
US8738467B2 (en) * 2006-03-16 2014-05-27 Microsoft Corporation Cluster-based scalable collaborative filtering
US20070239553A1 (en) * 2006-03-16 2007-10-11 Microsoft Corporation Collaborative filtering using cluster-based smoothing
KR100792700B1 (ko) * 2006-03-17 2008-01-08 엔에이치엔(주) 신경망을 가지는 협업 필터링 시스템을 이용하여 클릭패턴에 기초한 웹 광고 추천 방법 및 그 시스템
US20070219860A1 (en) * 2006-03-20 2007-09-20 Microsoft Corporation Presenting advertising information requested from a webpage
US8122049B2 (en) * 2006-03-20 2012-02-21 Microsoft Corporation Advertising service based on content and user log mining
US7451120B1 (en) * 2006-03-20 2008-11-11 Google Inc. Detecting novel document content
US7996396B2 (en) * 2006-03-28 2011-08-09 A9.Com, Inc. Identifying the items most relevant to a current query based on user activity with respect to the results of similar queries
US7716229B1 (en) * 2006-03-31 2010-05-11 Microsoft Corporation Generating misspells from query log context usage
US8005715B2 (en) * 2006-04-17 2011-08-23 Innovation Interactive Inc. Domains template management system
US7664813B2 (en) * 2006-04-28 2010-02-16 Microsoft Corporation Dynamic data presentation
JP4761460B2 (ja) * 2006-05-01 2011-08-31 コニカミノルタビジネステクノロジーズ株式会社 検索装置による情報検索方法、情報検索装置及び情報検索処理プログラム
US7814112B2 (en) 2006-06-09 2010-10-12 Ebay Inc. Determining relevancy and desirability of terms
US8468155B2 (en) * 2006-06-22 2013-06-18 Infosys Limited Collaborative filtering-based recommendations
US20080004947A1 (en) * 2006-06-28 2008-01-03 Microsoft Corporation Online keyword buying, advertisement and marketing
US8364669B1 (en) * 2006-07-21 2013-01-29 Aol Inc. Popularity of content items
US20080027800A1 (en) * 2006-07-28 2008-01-31 Yves Schabes Method and apparatus for selecting related terms for electronic advertising
US8468561B2 (en) * 2006-08-09 2013-06-18 Google Inc. Preemptible station inventory
US7689548B2 (en) * 2006-09-22 2010-03-30 Microsoft Corporation Recommending keywords based on bidding patterns
US20080091487A1 (en) * 2006-10-05 2008-04-17 Webtrends, Inc. Apparatus and method for deriving advertising expenditure data
US7937403B2 (en) * 2006-10-30 2011-05-03 Yahoo! Inc. Time-based analysis of related keyword searching
KR100851041B1 (ko) * 2006-11-08 2008-08-12 엔에이치엔(주) 유알엘 입력을 통한 광고 키워드 추천 방법 및 그 시스템
KR100851042B1 (ko) * 2006-11-08 2008-08-12 엔에이치엔(주) 확장 광고 키워드를 추천하는 방법 및 그 시스템
US7974976B2 (en) 2006-11-09 2011-07-05 Yahoo! Inc. Deriving user intent from a user query
US7814086B2 (en) * 2006-11-16 2010-10-12 Yahoo! Inc. System and method for determining semantically related terms based on sequences of search queries
US7941436B2 (en) * 2006-11-30 2011-05-10 Yahoo, Inc. Keyword bidding strategy for novel concepts
US8712832B2 (en) * 2006-12-12 2014-04-29 Yahoo! Inc. Bid optimization in search engine marketing
US20090157631A1 (en) * 2006-12-14 2009-06-18 Jason Coleman Database search enhancements
US8108390B2 (en) * 2006-12-21 2012-01-31 Yahoo! Inc. System for targeting data to sites referenced on a page
US20080270164A1 (en) * 2006-12-21 2008-10-30 Kidder David S System and method for managing a plurality of advertising networks
US7685084B2 (en) * 2007-02-09 2010-03-23 Yahoo! Inc. Term expansion using associative matching of labeled term pairs
US8244750B2 (en) * 2007-03-23 2012-08-14 Microsoft Corporation Related search queries for a webpage and their applications
US8788320B1 (en) 2007-03-28 2014-07-22 Amazon Technologies, Inc. Release advertisement system
US7856433B2 (en) * 2007-04-06 2010-12-21 Yahoo! Inc. Dynamic bid pricing for sponsored search
US20080256056A1 (en) * 2007-04-10 2008-10-16 Yahoo! Inc. System for building a data structure representing a network of users and advertisers
US20080256037A1 (en) * 2007-04-12 2008-10-16 Sihem Amer Yahia Method and system for generating an ordered list
US9396261B2 (en) 2007-04-25 2016-07-19 Yahoo! Inc. System for serving data that matches content related to a search results page
US8112435B2 (en) * 2007-04-27 2012-02-07 Wififee, Llc System and method for modifying internet traffic and controlling search responses
US7899815B2 (en) * 2007-05-02 2011-03-01 Yahoo! Inc. Apparatus and methods for providing search benchmarks
US20080294516A1 (en) * 2007-05-24 2008-11-27 Google Inc. Electronic advertising system
US8051040B2 (en) 2007-06-08 2011-11-01 Ebay Inc. Electronic publication system
US7996392B2 (en) 2007-06-27 2011-08-09 Oracle International Corporation Changing ranking algorithms based on customer settings
US8316007B2 (en) * 2007-06-28 2012-11-20 Oracle International Corporation Automatically finding acronyms and synonyms in a corpus
KR100901959B1 (ko) 2007-06-28 2009-06-10 엔에이치엔비즈니스플랫폼 주식회사 검색 광고 자동 노출 방법 및 그 시스템
KR100910521B1 (ko) * 2007-08-14 2009-07-31 엔에이치엔비즈니스플랫폼 주식회사 광고 키워드 제안 방법 및 그 시스템
US20090055400A1 (en) * 2007-08-20 2009-02-26 Tinbu, Llc Interactive presentation and distribution of web content having a search feature
WO2009026341A1 (en) * 2007-08-20 2009-02-26 Tinbu, Llc Increasing website revenue generation through distribution of interactive web content
US20090055436A1 (en) * 2007-08-20 2009-02-26 Olakunle Olaniyi Ayeni System and Method for Integrating on Demand/Pull and Push Flow of Goods-and-Services Meta-Data, Including Coupon and Advertising, with Mobile and Wireless Applications
US20090094522A1 (en) * 2007-10-04 2009-04-09 Tinbu, Llc Interactive presentation and distribution of web content
US9081852B2 (en) 2007-10-05 2015-07-14 Fujitsu Limited Recommending terms to specify ontology space
US8280892B2 (en) 2007-10-05 2012-10-02 Fujitsu Limited Selecting tags for a document by analyzing paragraphs of the document
US20090100469A1 (en) * 2007-10-15 2009-04-16 Microsoft Corporation Recommendations from Social Networks
US8375073B1 (en) 2007-11-12 2013-02-12 Google Inc. Identification and ranking of news stories of interest
US20090192871A1 (en) * 2008-01-29 2009-07-30 Linksmanager Llc Business Social Network Advertising
US7996379B1 (en) 2008-02-01 2011-08-09 Google Inc. Document ranking using word relationships
US8280886B2 (en) 2008-02-13 2012-10-02 Fujitsu Limited Determining candidate terms related to terms of a query
US7970760B2 (en) * 2008-03-11 2011-06-28 Yahoo! Inc. System and method for automatic detection of needy queries
US8447759B2 (en) * 2008-03-13 2013-05-21 Microsoft Corporation Assets suggestion across applications
KR100980578B1 (ko) 2008-03-31 2010-09-06 엔에이치엔비즈니스플랫폼 주식회사 확장된 키워드를 등록하여 검색결과를 제공하는 시스템 및방법
US8112431B2 (en) 2008-04-03 2012-02-07 Ebay Inc. Method and system for processing search requests
US8671011B1 (en) * 2008-05-29 2014-03-11 Yodle, Inc. Methods and apparatus for generating an online marketing campaign
US20110225026A1 (en) * 2008-06-13 2011-09-15 Google Inc. Map-Based Interface for Booking Broadcast Advertisements
JP5350472B2 (ja) * 2008-06-19 2013-11-27 ワイズ テクノロジーズ インコーポレイテッド トピックに関する複数の製品にランクを付ける製品ランク付け方法及び製品ランク付けシステム
US11048765B1 (en) 2008-06-25 2021-06-29 Richard Paiz Search engine optimizer
US8527339B2 (en) 2008-06-26 2013-09-03 Microsoft Corporation Quality based pricing and ranking for online ads
US8521731B2 (en) 2008-07-09 2013-08-27 Yahoo! Inc. Systems and methods for query expansion in sponsored search
US8037080B2 (en) * 2008-07-30 2011-10-11 At&T Intellectual Property Ii, Lp Recommender system utilizing collaborative filtering combining explicit and implicit feedback with both neighborhood and latent factor models
US9390180B1 (en) 2008-09-04 2016-07-12 Amazon Technologies, Inc. Landing page selection for linked advertising
US8301649B1 (en) 2008-09-04 2012-10-30 Amazon Technologies, Inc. Dynamic categorizations for electronic advertising
KR101042901B1 (ko) * 2008-10-09 2011-06-21 엔에이치엔비즈니스플랫폼 주식회사 광고 구매 히스토리에 기초하여 검색 광고용 키워드 페어를생성하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체
US20100205168A1 (en) * 2009-02-10 2010-08-12 Microsoft Corporation Thread-Based Incremental Web Forum Crawling
US8315908B1 (en) * 2009-02-27 2012-11-20 Google Inc. Generating a proposed bid
EP2226756A1 (de) * 2009-02-27 2010-09-08 Research In Motion Limited Kommunikationssystem mit vorhersagbaren Suchanfragebegriffen für ein mobiles drahtloses Kommunikationsgerät basierend auf Gruppen von damit in Zusammenhang stehenden Werbebegriffen
US8185432B2 (en) * 2009-05-08 2012-05-22 Sas Institute Inc. Computer-implemented systems and methods for determining future profitability
WO2010141429A1 (en) * 2009-06-01 2010-12-09 Sean Christopher Timm Providing suggested web search queries based on click data of stored search queries
EP2438757A4 (de) 2009-06-04 2014-07-30 Joshua Feuerstein Verfahren und system für elektronische werbeinhalte
US20110035276A1 (en) * 2009-08-05 2011-02-10 Arpita Ghosh Automatic Campaign Optimization for Online Advertising Using Return on Investment Metrics
US20110040609A1 (en) * 2009-08-11 2011-02-17 Hawkins Strategic, LLC Computer-based consumer/retailer merchandizing system and related methodology
US9430521B2 (en) * 2009-09-30 2016-08-30 Microsoft Technology Licensing, Llc Query expansion through searching content identifiers
US8266006B2 (en) 2009-11-03 2012-09-11 Ebay Inc. Method, medium, and system for keyword bidding in a market cooperative
JP2011107557A (ja) * 2009-11-20 2011-06-02 Fuji Xerox Co Ltd 画像形成装置
US8495081B2 (en) * 2009-12-14 2013-07-23 International Business Machines Corporation Method, system and computer program product for federating tags across multiple systems
US20110184803A1 (en) * 2010-01-22 2011-07-28 Eyal Even-Dar Increasing Advertiser Utility in Broad Match Auctions
CN102411563B (zh) * 2010-09-26 2015-06-17 阿里巴巴集团控股有限公司 一种识别目标词的方法、装置及系统
US20120123863A1 (en) * 2010-11-13 2012-05-17 Rohit Kaul Keyword publication for use in online advertising
US20120191540A1 (en) * 2011-01-20 2012-07-26 Microsoft Corporation Automatic application of targeted advertising in datasets
JP5153925B2 (ja) * 2011-07-12 2013-02-27 ヤフー株式会社 入札対象推薦装置、システム及び方法
US8612459B1 (en) * 2011-07-13 2013-12-17 Google Inc. Lead generation system and methods
US8775570B2 (en) * 2011-09-15 2014-07-08 Hewlett-Packard Development Company, L. P. Geographic recommendation online search system
US20130085867A1 (en) * 2011-09-30 2013-04-04 Microsoft Corporation Niche Keyword Recommendation
US20130132209A1 (en) * 2011-11-11 2013-05-23 Google Inc. Generating an advertising campaign
US8433719B1 (en) * 2011-12-29 2013-04-30 Google Inc. Accelerating find in page queries within a web browser
US9424353B2 (en) 2012-02-22 2016-08-23 Google Inc. Related entities
CN104428767B (zh) * 2012-02-22 2018-02-06 谷歌公司 用于识别相关实体的方法、系统和装置
IL218420A0 (en) 2012-03-01 2012-07-31 Google Inc Targeting content based on receipt of partial terms
US9225788B2 (en) * 2012-10-05 2015-12-29 Facebook, Inc. Method and apparatus for identifying common interest between social network users
US20140108436A1 (en) * 2012-10-11 2014-04-17 Yahoo! Inc. Internet Browsing with Customized Content
US11144563B2 (en) 2012-11-06 2021-10-12 Matthew E. Peterson Recurring search automation with search event detection
US9576022B2 (en) 2013-01-25 2017-02-21 International Business Machines Corporation Identifying missing content using searcher skill ratings
US9613131B2 (en) 2013-01-25 2017-04-04 International Business Machines Corporation Adjusting search results based on user skill and category information
US11809506B1 (en) 2013-02-26 2023-11-07 Richard Paiz Multivariant analyzing replicating intelligent ambience evolving system
US11741090B1 (en) 2013-02-26 2023-08-29 Richard Paiz Site rank codex search patterns
US10438254B2 (en) 2013-03-15 2019-10-08 Ebay Inc. Using plain text to list an item on a publication system
CN103279525B (zh) * 2013-05-29 2016-12-28 浙江搜车客网络技术有限公司 一种基于哈希优化的多条件联动搜索方法
US9460451B2 (en) 2013-07-01 2016-10-04 Yahoo! Inc. Quality scoring system for advertisements and content in an online system
US8788338B1 (en) 2013-07-01 2014-07-22 Yahoo! Inc. Unified marketplace for advertisements and content in an online system
CN104462084B (zh) 2013-09-13 2019-08-16 Sap欧洲公司 基于多个查询提供搜索细化建议
US10134053B2 (en) 2013-11-19 2018-11-20 Excalibur Ip, Llc User engagement-based contextually-dependent automated pricing for non-guaranteed delivery
US9317873B2 (en) 2014-03-28 2016-04-19 Google Inc. Automatic verification of advertiser identifier in advertisements
US11115529B2 (en) 2014-04-07 2021-09-07 Google Llc System and method for providing and managing third party content with call functionality
US20150287099A1 (en) * 2014-04-07 2015-10-08 Google Inc. Method to compute the prominence score to phone numbers on web pages and automatically annotate/attach it to ads
US10769176B2 (en) * 2015-06-19 2020-09-08 Richard Chino Method and apparatus for creating and curating user collections for network search
US9697286B2 (en) 2015-03-16 2017-07-04 International Business Machines Corporation Shared URL content update to improve search engine optimization
US20180018304A1 (en) 2016-07-14 2018-01-18 Intent Media, Inc. Graphical user interface and system for viewing landing page content
CN106909603A (zh) * 2016-08-31 2017-06-30 阿里巴巴集团控股有限公司 搜索信息处理方法及装置
US20190214114A1 (en) * 2016-09-06 2019-07-11 Indiana University Research And Technology Corporation Systems and methods for accessing, combining and collaborative filtering of information from multiple electronic health records
US10469424B2 (en) 2016-10-07 2019-11-05 Google Llc Network based data traffic latency reduction
US20180336589A1 (en) * 2017-05-18 2018-11-22 Facebook, Inc. Advertisment targeting criteria suggestions

Family Cites Families (46)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1995016971A1 (en) 1993-12-16 1995-06-22 Open Market, Inc. Digital active advertising
US5768521A (en) 1994-05-16 1998-06-16 Intel Corporation General purpose metering mechanism for distribution of electronic information
US5826241A (en) 1994-09-16 1998-10-20 First Virtual Holdings Incorporated Computerized system for making payments and authenticating transactions over the internet
US5799268A (en) * 1994-09-28 1998-08-25 Apple Computer, Inc. Method for extracting knowledge from online documentation and creating a glossary, index, help database or the like
US5717923A (en) 1994-11-03 1998-02-10 Intel Corporation Method and apparatus for dynamically customizing electronic information to individual end users
US5752238A (en) 1994-11-03 1998-05-12 Intel Corporation Consumer-driven electronic information pricing mechanism
US5724521A (en) 1994-11-03 1998-03-03 Intel Corporation Method and apparatus for providing electronic advertisements to end users in a consumer best-fit pricing manner
US5659732A (en) 1995-05-17 1997-08-19 Infoseek Corporation Document retrieval over networks wherein ranking and relevance scores are computed at the client for multiple database documents
US5748954A (en) 1995-06-05 1998-05-05 Carnegie Mellon University Method for searching a queued and ranked constructed catalog of files stored on a network
US5794210A (en) 1995-12-11 1998-08-11 Cybergold, Inc. Attention brokerage
US5778367A (en) 1995-12-14 1998-07-07 Network Engineering Software, Inc. Automated on-line information service and directory, particularly for the world wide web
WO1997022066A1 (en) 1995-12-15 1997-06-19 The Softpages, Inc. Method for computer aided advertisement
US5724524A (en) 1995-12-15 1998-03-03 Pitney Bowes, Inc. Method and system for listing, brokering, and exchanging carrier capacity
WO1997026729A2 (en) 1995-12-27 1997-07-24 Robinson Gary B Automated collaborative filtering in world wide web advertising
US5931907A (en) 1996-01-23 1999-08-03 British Telecommunications Public Limited Company Software agent for comparing locally accessible keywords with meta-information and having pointers associated with distributed information
US5872850A (en) * 1996-02-02 1999-02-16 Microsoft Corporation System for enabling information marketplace
US5867799A (en) * 1996-04-04 1999-02-02 Lang; Andrew K. Information system and method for filtering a massive flow of information entities to meet user information classification needs
US6314420B1 (en) * 1996-04-04 2001-11-06 Lycos, Inc. Collaborative/adaptive search engine
US5848397A (en) 1996-04-19 1998-12-08 Juno Online Services, L.P. Method and apparatus for scheduling the presentation of messages to computer users
JP3108015B2 (ja) 1996-05-22 2000-11-13 松下電器産業株式会社 ハイパーテキスト検索装置
US5920859A (en) 1997-02-05 1999-07-06 Idd Enterprises, L.P. Hypertext document retrieval system and method
US5864845A (en) 1996-06-28 1999-01-26 Siemens Corporate Research, Inc. Facilitating world wide web searches utilizing a multiple search engine query clustering fusion strategy
US5864846A (en) 1996-06-28 1999-01-26 Siemens Corporate Research, Inc. Method for facilitating world wide web searches utilizing a document distribution fusion strategy
US5862223A (en) 1996-07-24 1999-01-19 Walker Asset Management Limited Partnership Method and apparatus for a cryptographically-assisted commercial network system designed to facilitate and support expert-based commerce
US5852820A (en) 1996-08-09 1998-12-22 Digital Equipment Corporation Method for optimizing entries for searching an index
US5920854A (en) 1996-08-14 1999-07-06 Infoseek Corporation Real-time document collection search engine with phrase indexing
US5788357A (en) 1996-08-28 1998-08-04 K. W. Muth Company, Inc. Mirror assembly
US6085186A (en) 1996-09-20 2000-07-04 Netbot, Inc. Method and system using information written in a wrapper description language to execute query on a network
US5903882A (en) 1996-12-13 1999-05-11 Certco, Llc Reliance server for electronic transaction system
US6285987B1 (en) 1997-01-22 2001-09-04 Engage, Inc. Internet advertising system
US6078916A (en) * 1997-08-01 2000-06-20 Culliss; Gary Method for organizing information
US6421675B1 (en) * 1998-03-16 2002-07-16 S. L. I. Systems, Inc. Search engine
US6064980A (en) 1998-03-17 2000-05-16 Amazon.Com, Inc. System and methods for collaborative recommendations
US6289341B1 (en) * 1998-06-26 2001-09-11 Lucent Technologies, Inc. Intelligent agent for identifying intellectual property infringement issues in computer network sites and method of operation thereof
US6141010A (en) * 1998-07-17 2000-10-31 B. E. Technology, Llc Computer interface method and apparatus with targeted advertising
US6078866A (en) 1998-09-14 2000-06-20 Searchup, Inc. Internet site searching and listing service based on monetary ranking of site listings
JP2000132559A (ja) 1998-10-23 2000-05-12 Hitachi Ltd 情報フィルタリングシステムにおけるプロファイル更新方法及び情報フィルタリングシステム
EP1171828A1 (de) 1999-01-08 2002-01-16 Micro-Integration Corporation Datei einer suchmaschine und schnittstelle
US6269361B1 (en) * 1999-05-28 2001-07-31 Goto.Com System and method for influencing a position on a search result list generated by a computer network search engine
JP2001014349A (ja) 1999-06-28 2001-01-19 Nippon Telegr & Teleph Corp <Ntt> 協調情報フィルタリング用レイティングシステム
AUPQ475799A0 (en) 1999-12-20 2000-01-20 Youramigo Pty Ltd An internet indexing system and method
US20020004735A1 (en) 2000-01-18 2002-01-10 William Gross System and method for ranking items
JP4037999B2 (ja) 2000-05-15 2008-01-23 インターナショナル・ビジネス・マシーンズ・コーポレーション ウェブサイト、ロボット型検索エンジン応答システム、ロボット型検索エンジン登録方法、記憶媒体及びプログラム伝送装置
KR20010109576A (ko) * 2000-05-30 2001-12-12 이광호 검색결과 순차별 유료 등록 시스템 및 방법
CA2924940A1 (en) 2000-07-05 2002-01-10 Paid Search Engine Tools, L.L.C. Paid search engine bid management
US7043471B2 (en) * 2001-08-03 2006-05-09 Overture Services, Inc. Search engine account monitoring

Also Published As

Publication number Publication date
JP3955256B2 (ja) 2007-08-08
US20030055816A1 (en) 2003-03-20
CA2413105C (en) 2009-07-07
US7225182B2 (en) 2007-05-29
CN100447735C (zh) 2008-12-31
GB2384079A (en) 2003-07-16
FR2833377A1 (fr) 2003-06-13
JP2003242159A (ja) 2003-08-29
AU2002301578B2 (en) 2005-09-29
KR20030047859A (ko) 2003-06-18
GB0227454D0 (en) 2002-12-31
CA2413105A1 (en) 2003-06-11
KR100908754B1 (ko) 2009-07-22
EP1320042A3 (de) 2004-05-26
KR20080033226A (ko) 2008-04-16
FR2833377B1 (fr) 2015-09-18
EP1320042A2 (de) 2003-06-18
CN1428689A (zh) 2003-07-09

Similar Documents

Publication Publication Date Title
DE10256458A1 (de) Empfehlen von Suchausdrücken unter Verwendung von kollaborativem Filtern und Webspidering
JP4030841B2 (ja) コンピュータネットワーク検索エンジンにより生成した検索結果リストにおける順位及び対価保護を行うシステム及び方法
KR100658552B1 (ko) 컴퓨터 네트워크 검색엔진에 의해 발생되는 검색결과 리스트 상에서의 위치에 영향을 미치기 위한 시스템 및 방법
US9311662B2 (en) Computer-implemented method and system for managing keyword bidding prices
DE10244974A1 (de) Automatische Inserentenbenachrichtigung für ein System zum Bereitstellen eines Platz- und Preisschutzes in einer Suchergebnisliste, die durch eine Computernetzwerksuchmaschine erzeugt wird
DE10235804A1 (de) System und Verfahren für das Ermöglichen eines Mehrelementbietens für das Beeinflussen einer Position in einer Suchergebnisliste die durch eine Suchmaschine eines Computernetzes erzeugt wird
US8015063B2 (en) System and method for enabling multi-element bidding for influencing a position on a search result list generated by a computer network search engine
US7110993B2 (en) System and method for influencing a position on a search result list generated by a computer network search engine
US20030046389A1 (en) Method for monitoring a web site&#39;s keyword visibility in search engines and directories and resulting traffic from such keyword visibility
DE10235812A1 (de) Überwachung des Kontos einer Suchmaschine
DE10252805A1 (de) System und Verfahren, das einem Werber ermöglicht, Sucheinträge in einem Suchsystem mit Bezahlung für Position unter Verwendung von Gruppierung zu verwalten
US20030212648A1 (en) Use of extensible markup language in a system and method for influencing a position on a search result list generated by a computer network search engine
CN1842815A (zh) 为基于拍卖的因特网搜索中的项确定每次点击最低价格的方法和装置
DE10323444A1 (de) Verfahren und Vorrichtung zum Kategorisieren und Darstellen von Dokumenten einer verteilten Datenbank
US20080208815A1 (en) Method And System For Optimizing Investments In Web Marketing
KR20050023242A (ko) 광고주 지출에 비례한 유료 검색 리스트의 표시

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
8127 New person/name/address of the applicant

Owner name: YAHOO! INC. (N.D.GES.D. STAATES DELAWARE), SUN, US

8131 Rejection