JP2014505395A - ユーザ装置に対するアセットのプリフェッチングのためのリソース・プロファイル調整 - Google Patents

Abstract

ユーザ装置（ＵＥ）によって使用されて、コンテンツ・プロバイダからアセットをプリフェッチするリソース・プロファイルを調整するためのシステムおよび方法が開示される。一実施形態において、レコメンダ・システムは、ＵＥからリソース・プロファイルを受信する。リソース・プロファイルは、プリフェッチ・オペレーション中にＵＥが前もってダウンロードするアセットを有するコンテンツ・プロバイダを示す。リソース・プロファイルはまた、プリフェッチ・オペレーション中にアセットをダウンロードするための、コンテンツ・プロバイダのおのおのに割り付けられるＵＥリソースのパーセンテージを規定する。次いで、レコメンダ・システムは、エンド・ユーザについてのアップデートされたリソース・プロファイルを生成するようにエンド・ユーザについてのリソース・プロファイルにおけるＵＥリソースのパーセンテージを調整し、また１つまたは複数の後続のプリフェッチ・オペレーションにおいて使用するために、アップデートされたリソース・プロファイルをＵＥに対して送信する。

Description

本発明は、通信システムの分野に関し、また詳細には、アセットをＵＥに対してダウンロードするためのプリフェッチ・オペレーションにおいて使用されるユーザ装置（ＵＥ）のリソース・プロファイル（ｒｅｓｏｕｒｃｅ ｐｒｏｆｉｌｅ）を調整することに関する。

モバイル・ネットワーク（ワイヤレス・ネットワークまたはセルラー方式ネットワークとも称される）は、無線信号を使用してモバイル・デバイスと通信する複数の基地局を含んでおり、このモバイル・デバイスは、ユーザ装置（ＵＥ：Ｕｓｅｒ Ｅｑｕｉｐｍｅｎｔ）と称されることもある。基地局は、基地局の周囲に「セル」を形成する特定の伝送範囲を有するトランシーバ（アンテナ）を含んでいる。ＵＥが、基地局のセルの範囲内へとやって来るときに、ＵＥは、基地局と無線信号をやりとりすることができる。基地局は、次には、音声サービスおよび／またはデータ・サービスをＵＥに対して提供するコア・ネットワークとＵＥをインターフェースさせる。例えば、基地局は、ロング・ターム・エボリューション（ＬＴＥ：Ｌｏｎｇ Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）規格の進化型パケット・コア（ＥＰＣ：Ｅｖｏｌｖｅｄ Ｐａｃｋｅｔ Ｃｏｒｅ）ネットワーク、または別のタイプのコア・ネットワークとＵＥをインターフェースさせることができ、その結果、ＵＥは、ウェブサイトからコンテンツをダウンロードすることができる。

データ・サービスが、３Ｇ技術および４Ｇ技術に起因して現れるにつれて、加入者によるデータ・サービスの使用が増大してきている。例えば、モバイル加入者らは、彼らが音声サービスを使用するよりも多く、ウェブ・サーフィン、電子メールなどのデータ・サービスにアクセスする傾向がある。データ・サービスにより、エンド・ユーザは、コンテンツ・サーバからコンテンツをダウンロードすることができるようになり、コンテンツ・サーバのいくつかの例は、フェイスブック（Ｆａｃｅｂｏｏｋ）、ユーチューブ（ＹｏｕＴｕｂｅ）、ネットフリックス（ＮｅｔＦｌｉｘ）などである。ネットワーク・オペレータは、データ・サービスの使用が増大するにつれて、適切な帯域幅をその加入者に提供するという問題に直面している。モバイル・ネットワークのエア・インターフェースは、通信のために使用され得る限られた無線スペクトルが存在しているだけなので、帯域幅を増大させるためのボトルネックになる可能性がある。したがって、ネットワーク・オペレータは、エア・インターフェースの上で帯域幅を節約する方法を探し求めている。

本明細書において説明される実施形態は、コンテンツ・プロバイダからコンテンツを前もってダウンロードするために、どのようにしてＵＥの中のリソースを特定のコンテンツ・プロバイダに割り付けられるのかを調整することにより、どのようにしてエア・インターフェースの帯域幅がモバイル・ネットワークにおいて利用されるかを、さらに最適化する。エア・インターフェースの上で帯域幅を節約するために使用され得る１つの技法は、ＵＥのエンド・ユーザによって要求され得るコンテンツを予測し、またその要求の前に、そのコンテンツをＵＥに対してダウンロードすることである。例えば、ユーチューブ上に人気のあるビデオがある場合、ネットワークの中のシステムは、エンド・ユーザが、あるポイントにおいてそのビデオをダウンロードするであろうことを予測することができる。したがって、ＵＥは、前もってユーチューブ・サーバからビデオをダウンロードし、またローカルにビデオを記憶することができる。ＵＥのエンド・ユーザが、後でビデオを視聴することを要求する場合、そのときにはＵＥは、ビデオをローカル・メモリから取り出すことができる。ＵＥは、リアル・タイムでユーチューブ・サーバからビデオをダウンロードする必要はない。ＵＥは、エア・インターフェースの使用率が低いとき（例えば、深夜に）など最適な時間に、またはローカル・ワイヤレス・ネットワーク（例えば、ＷｉＦｉ）を経由して、あるいは低優先順位（例えば、ベスト・エフォート）を使用して、コンテンツをダウンロードし、その結果、そのダウンロードは、エア・インターフェースにあまり影響を及ぼさなくなる。したがって、エア・インターフェースの帯域幅は、前もってＵＥに対してコンテンツをダウンロードすることにより、より理知的なやり方で使用される。

エンド・ユーザが、実際にコンテンツを要求し、または視聴する前にＵＥに対してコンテンツをダウンロードするプロセスは、プリフェッチングと称される。ＵＥは、毎日、毎週など、定期的にプリフェッチ・オペレーションを開始するように、プログラムされ、あるいはそれ以外の方法で適合されることもある。プリフェッチ・オペレーションでは、リソース・プロファイルが、ＵＥのエンド・ユーザのために確立され、またＵＥは、そのリソース・プロファイルを処理して、前もってＵＥがダウンロードするコンテンツ（例えば、ビデオ）を有するコンテンツ・プロバイダ（例えば、ウェブサイト）を識別し、またコンテンツ・プロバイダからコンテンツをダウンロードするためのリソースをどのようにして割り付けるべきかを決定する。ビデオ、オーディオなどのコンテンツは、本明細書においては一般に「アセット」と称される。それゆえに、ＵＥについてのリソース・プロファイルは、プリフェッチ・オペレーションのために前もってＵＥがダウンロードするアセットを有するコンテンツ・プロバイダを示す。リソース・プロファイルはまた、プリフェッチ・オペレーション中にアセットをダウンロードするためにコンテンツ・プロバイダのおのおのに割り付けられるＵＥリソース（例えば、ダウンロードに費やされる時間、またはメモリ）のパーセンテージも規定する。コンテンツ・プロバイダに割り付けられるＵＥリソースのパーセンテージは、コンテンツ・プロバイダそれ自体に（ダウンロードされるアセットのタイプに関係なく）割り付けられるパーセンテージのことを意味することもあり、かつ／またはコンテンツ・プロバイダからアセット−タイプ当たりに、またはアセット−サブ・タイプ当たりに割り付けられるＵＥリソースのパーセンテージのことを意味することもある。例えば、リソース・プロファイルは、ＵＥリソースの４０％が、プリフェッチ・オペレーション中に（ダウンロードされているアセットのタイプに関係なく）第１のコンテンツ・プロバイダに割り付けられることを示すことができる。リソース・プロファイルはまた、ＵＥリソースの２０％が、ビデオ・ダウンロードについて第１のコンテンツ・プロバイダに割り付けられ、ＵＥリソースの１５％が、オーディオ・ダウンロードについて第１のコンテンツ・プロバイダに割り付けられ、またＵＥリソースの５％が、デジタル・ピクチャ・ダウンロードについて第１のコンテンツ・プロバイダに割り付けられることを示すこともできる。

一実施形態によれば、レコメンダ・システム（ｒｅｃｏｍｍｅｎｄｅｒ ｓｙｓｔｅｍ）を使用して、エンド・ユーザについてのリソース・プロファイルにおいて割り付けられるパーセンテージを調整する。レコメンダ・システムは、ＵＥからエンド・ユーザについてのリソース・プロファイルを受信する。リソース・プロファイルは、プリフェッチ・オペレーション中にアセットをダウンロードするための、コンテンツ・プロバイダのおのおのに割り付けられるＵＥリソースのパーセンテージを規定する。例えば、リソース・プロファイルは、ＵＥリソースの４０％が、プリフェッチ・オペレーション中に第１のコンテンツ・プロバイダに割り付けられること、ＵＥリソースの２０％が、第２および第３のコンテンツ・プロバイダのおのおのに割り付けられること、およびＵＥリソースの１０％が、プリフェッチ・オペレーション中に第４および第５のコンテンツ・プロバイダのおのおのに割り付けられることを示すことができる。次いで、レコメンダ・システムは、アップデートされたリソース・プロファイルを生成するために、コンテンツ・プロバイダに割り付けられるＵＥリソースのパーセンテージを調整する。レコメンダ・システムは、エンド・ユーザについての以前のリソース・プロファイルの中のパーセンテージに基づいて、かつ／またはエンド・ユーザに対する類似性（例えば、類似した嗜好、類似した関心、類似した人口統計データなど）を有する他のエンド・ユーザのリソース・プロファイルの中のパーセンテージに基づいて、リソース・プロファイルにおいて割り付けられるパーセンテージを調整することができる。次いで、レコメンダ・システムは、調整されたパーセンテージを有するアップデートされたリソース・プロファイルをＵＥに対して送信する。ＵＥは、アップデートされたリソース・プロファイルを使用して、１つまたは複数の後続のプリフェッチ・オペレーションを開始する。

エンド・ユーザについてのリソース・プロファイルをアップデートするプロセスは、反復するようにして実行されることもあり、その結果、リソース・プロファイルにおいて割り付けられるパーセンテージは、絶えずアップデートされるようになる。レコメンダ・システムは、他のユーザのリソース・プロファイルにおけるパーセンテージについてのより多くのデータを取得するので、エンド・ユーザのリソース・プロファイルにおいて割り付けられるパーセンテージは、最適化されたものになる。パーセンテージが、最適化されて、モバイル・ネットワークのエア・インターフェースは、ＵＥが、コンテンツ・プロバイダからのアセットをプリフェッチし、またピーク時間中により少ないアセットをダウンロードするときに、より効率的に使用されることになる。

別の実施形態においては、レコメンダ・システムは、さらに、エンド・ユーザについての複数の以前のリソース・プロファイルを識別し、以前のリソース・プロファイルにおけるパーセンテージの平均を計算し、また以前のリソース・プロファイルにおけるパーセンテージの平均に基づいてエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージを調整するように動作可能である。

別の実施形態においては、レコメンダ・システムは、さらに、エンド・ユーザと類似した関心を有する他のエンド・ユーザについてのリソース・プロファイルの第１の組を識別し、またリソース・プロファイルの第１の組におけるパーセンテージに基づいてエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージを調整するように動作可能である。レコメンダ・システムは、さらに、エンド・ユーザと類似した人口統計データを有する他のエンド・ユーザについてのリソース・プロファイルの第２の組を識別し、リソース・プロファイルの第２の組におけるパーセンテージの平均を計算し、またリソース・プロファイルの第２の組におけるパーセンテージの平均に基づいてエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージを調整するように動作可能である。レコメンダ・システムは、さらに、エンド・ユーザについてのアップデートされたリソース・プロファイルを生成するように、以前のリソース・プロファイルにおけるパーセンテージの平均と、リソース・プロファイルの第１の組におけるパーセンテージと、リソース・プロファイルの第２の組におけるパーセンテージの平均とを加算するように動作可能である。

別の実施形態においては、コンテンツ・プロバイダのおのおのに割り付けられるＵＥリソースのパーセンテージは、プリフェッチ・オペレーション中にコンテンツ・プロバイダからアセットをダウンロードするための、コンテンツ・プロバイダのおのおのに割り付けられるＵＥ処理時間のパーセンテージと、プリフェッチ・オペレーション中にコンテンツ・プロバイダからアセットをダウンロードするための、コンテンツ・プロバイダのおのおのに割り付けられるＵＥメモリのパーセンテージとのうちの一方を含む。

別の実施形態は、ＵＥについてのリソース・プロファイルを調整する方法を含む。本方法は、エンド・ユーザのＵＥからリソース・プロファイルを受信するステップを含んでおり、そこでは、リソース・プロファイルは、ＵＥの上のアセットのローカル・ストレージのためのプリフェッチ・オペレーション中に前もってＵＥがダウンロードするアセットを有するコンテンツ・プロバイダを示し、またプリフェッチ・オペレーション中にアセットをダウンロードするための、コンテンツ・プロバイダのおのおのに割り付けられるＵＥリソースのパーセンテージを規定する。本方法は、アップデートされたリソース・プロファイルを生成するためにリソース・プロファイルにおけるＵＥリソースのパーセンテージを調整するステップと、１つまたは複数の後続のプリフェッチ・オペレーションにおける使用のために、アップデートされたリソース・プロファイルをＵＥに対して送信するステップとをさらに含む。

別の実施形態においては、リソース・プロファイルにおけるＵＥリソースのパーセンテージは、エンド・ユーザについての以前のリソース・プロファイルにおけるパーセンテージ、および／または他のエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージに基づいて調整されることもある。

別の実施形態においては、本方法は、エンド・ユーザについての複数の以前のリソース・プロファイルを識別するステップと、以前のリソース・プロファイルにおけるパーセンテージの平均を計算するステップと、以前のリソース・プロファイルにおけるパーセンテージの平均に基づいてエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージを調整するステップとをさらに含む。

別の実施形態においては、本方法は、エンド・ユーザと類似した関心を有する他のエンド・ユーザについてのリソース・プロファイルの第１の組を識別するステップと、リソース・プロファイルの第１の組におけるパーセンテージに基づいてエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージを調整するステップとをさらに含む。本方法は、エンド・ユーザと類似した人口統計データを有する他のエンド・ユーザについてのリソース・プロファイルの第２の組を識別するステップと、リソース・プロファイルの第２の組におけるパーセンテージの平均を計算するステップと、リソース・プロファイルの第２の組におけるパーセンテージの平均に基づいてエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージを調整するステップとをさらに含む。本方法は、エンド・ユーザについてのアップデートされたリソース・プロファイルを生成するように、以前のリソース・プロファイルにおけるパーセンテージの平均と、リソース・プロファイルの第１の組におけるパーセンテージと、リソース・プロファイルの第２の組におけるパーセンテージの平均とを加算するステップをさらに含む。

他の例示の実施形態を、以下で説明することができる。

本発明のいくつかの実施形態が、次に、例としてのみ、添付図面を参照して説明される。同じ参照番号は、すべての図面の上で、同じ要素、または同じタイプの要素を表している。

例示の一実施形態におけるモバイル・ネットワークを示す図である。 例示の一実施形態におけるユーザ装置（ＵＥ）を示す図である。 例示の一実施形態におけるリソース・プロファイルを示す図である。 例示の一実施形態におけるリソース・プロファイルを調整する方法を示すフロー・チャートである。 例示の一実施形態におけるレコメンダ・システムを示す図である。 例示の一実施形態におけるＵＥの初期認証を示すメッセージ図である。 例示の一実施形態におけるプリフェッチ・オペレーションを示すメッセージ図である。 ユーザ装置（ＵＥ）が、例示の一実施形態においてアセット・データベースに対してアセット情報を送信すること示す図である。 ＵＥが、例示の一実施形態においてアップデートするためにレコメンダ・システムに対してリソース・プロファイルを送信することを示すメッセージ図である。 例示の一実施形態におけるアップデートするルーチンを示す図である。 例示の一実施形態におけるアップデートされたリソース・プロファイルを示す図である。 推奨デバイスが、例示の一実施形態においてアセットを予測することを示すメッセージ図である。

図面および以下の説明は、本発明の特定の例示の実施形態を例証するものである。したがって、当業者なら、本明細書において明示的に説明されても、または示されてもいないが、本発明の原理を実施し、また本発明の範囲の内部に含まれる様々な構成を工夫することができるようになることが、理解されるであろう。さらに、本明細書において説明されるどのような例も、本発明の原理を理解する際に助けとなるように意図され、またそのような具体的に列挙された例および状態だけに限定することがないように解釈されるべきである。結果として、本発明は、以下で説明される特定の実施形態または例だけに限定されないが、ただし特許請求の範囲と、それらの均等物とによって限定される。

図１は、例示の一実施形態におけるモバイル・ネットワーク１００を示すものである。モバイル・ネットワーク１００は、コア・ネットワーク１２０に結合されたアクセス・ネットワーク１１０を含んでいる。アクセス・ネットワーク１１０は、オーバー・ザ・エア（ＯＴＡ：ｏｖｅｒ−ｔｈｅ−ａｉｒ）インターフェースを使用してＵＥ １３０〜１３２とワイヤレス信号または無線信号をやりとりする複数の基地局１１２（または他のタイプのワイヤレス・アクセス・ポイント）を含んでいる。コア・ネットワーク１２０は、アクセス・ネットワーク１１０によって接続されるＵＥ １３０〜１３２に対して音声サービスおよび／またはデータ・サービスを提供するネットワークの中心部である。コア・ネットワーク１２０は、ロング・ターム・エボリューション（ＬＴＥ）ネットワークの進化型パケット・コア（ＥＰＣ）などのパケット交換コア・ネットワークを備えることができ、または他の任意のタイプのコア・ネットワークを備えることができる。

コア・ネットワーク１２０は、１つまたは複数のサービング要素１２２と、レコメンダ・システム１２４と、複数のコンテンツ・プロバイダ１２５〜１２９とを含む。サービング要素１２２は、音声サービスおよび／またはデータ・サービスにアクセスするＵＥにサービスするように動作可能な任意のサーバまたはシステムを備える。例えば、サービング要素１２２は、パケット・スイッチ、サービング・ゲートウェイ（Ｓ−ＧＷ：ｓｅｒｖｉｎｇ ｇａｔｅｗａｙ）、ＰＤＮゲートウェイ（Ｐ−ＧＷ：ＰＤＮ Ｇａｔｅｗａｙ）、または類似したタイプの要素を備えることができる。レコメンダ・システム１２４は、ＵＥ １３０〜１３２のリソース・プロファイルを調整し、またより詳細には、プリフェッチ・オペレーションのためにコンテンツ・プロバイダ１２５〜１２９のおのおのに割り付けられるＵＥリソースのパーセンテージを調整するように動作可能な任意のサーバまたはシステムを備える。レコメンダ・システム１２４は、さらに、ＵＥ １３０〜１３２のエンド・ユーザが、コンテンツ・プロバイダ１２５〜１２９からダウンロードすることを要求することができるアセットを予測するように動作可能とすることができる。コンテンツ・プロバイダ１２５〜１２９は、ビデオ、オーディオ、デジタル・ピクチャ、ファイル、または他の任意のタイプのダウンロード可能なコンテンツを記憶するように動作可能な任意のサーバまたはシステムを備える。ＵＥ １３０〜１３２に対してダウンロード可能であるコンテンツは、本明細書においては、「アセット」と称される。コンテンツ・プロバイダ１２５〜１２９の１つの例は、ＵＥに対して提供されるアセットを有するウェブサイトをホストするサーバである。例えば、サーバは、ダウンロードのためのビデオを提供するユーチューブ・ウェブサイトをホストすることができる。コンテンツ・プロバイダ１２５〜１２９は、コア・ネットワーク１２０の一部分として示されているが、これは、単にコンテンツ・プロバイダ１２５〜１２９が、コア・ネットワーク１２０を通してＵＥ １３０〜１３２にアクセス可能であることを示しているにすぎない。コンテンツ・プロバイダ１２５〜１２９は、実際には、コア・ネットワーク１２０から切り離されており、またコア・ネットワーク１２０の内部の適切なゲートウェイ（図示されず）を通してアクセス可能とすることもできる。

ＵＥ １３０〜１３２は、おのおの、アクセス・ネットワーク１１０と通信してコア・ネットワーク１２０からサービスを受信するように動作可能である。より詳細には、ＵＥ １３０〜１３２は、コンテンツ・プロバイダ１２５〜１２９からアセットをダウンロードすることができ、かつ／またはコンテンツ・プロバイダ１２５〜１２９に対してアセットをアップロードすることができる。ＵＥ １３０〜１３２は、この実施形態においては、ワイヤレス信号または無線信号を使用して、アクセス・ネットワーク１１０と通信するモバイル・デバイスである。

図２は、例示の一実施形態におけるＵＥ １３０を示すものである。図２は、ＵＥ １３０の例示の構成を示しており、また図１の中の他のＵＥ １３１〜１３２は、類似した構成を有することができる。ＵＥ １３０は、プリフェッチ・オペレーションを実行して、エンド・ユーザが実際にアセットを要求する前に、コンテンツ・プロバイダ１２５〜１２９からアセットをダウンロードするようにプログラムされる。ＵＥ １３０は、処理システム２０２と、メモリ２０４とを含む。処理システム２０２は、ＵＥ １３０のオペレーションを制御する１つまたは複数のプロセッサを備える。処理システム２０２は、加入者識別モジュール（ＳＩＭ：ｓｕｂｓｃｒｉｂｅｒ ｉｄｅｎｔｉｔｙ ｍｏｄｕｌｅ）カード、またはエンド・ユーザによって加入されるサービスを示す他のタイプのプログラマブル・カードとインターフェースすることができる。メモリ２０４は、データを記憶する任意のタイプのストレージ・デバイスを備える。メモリ２０４は、プリフェッチ・オペレーションによって前もってダウンロードされるアセットを記憶することができる。メモリ２０４は、ＵＥ １３０についてのリソース・プロファイル２０６を記憶することもできる。リソース・プロファイル２０６は、プリフェッチ・オペレーション中に前もってＵＥがダウンロードするためのアセットを有するコンテンツ・プロバイダ１２５〜１２９を示している。リソース・プロファイル２０６はまた、プリフェッチ・オペレーション中にアセットをダウンロードするための、コンテンツ・プロバイダ１２５〜１２９のおのおのに割り付けられるＵＥリソースのパーセンテージを規定する。

図３は、例示の一実施形態におけるリソース・プロファイル２０６を示すものである。リソース・プロファイル２０６は、プリフェッチ・オペレーションのためにＵＥ １３０が前もってダウンロードするアセットを有するコンテンツ・プロバイダ１２５〜１２９を示す。リソース・プロファイル２０６はまた、プリフェッチ・オペレーション中にアセットをダウンロードするための、コンテンツ・プロバイダ１２５〜１２９のおのおのに割り付けられるＵＥリソースのパーセンテージも規定する。用語「ＵＥリソースのパーセンテージ」は、様々なことを意味することができる。一例においては、ＵＥリソースは、ダウンロード時間、処理時間、エア・タイム（ａｉｒ ｔｉｍｅ）など、プリフェッチ・オペレーションのために割り付けられる時間を意味することもある。例えば、プリフェッチ・オペレーションが、３０分間にわたってスケジュールされる場合、そのときにはＵＥリソースのパーセンテージは、特定のコンテンツ・プロバイダからアセットをダウンロードするために割り付けられる３０分間のうちのパーセンテージを意味することもある。別の例においては、ＵＥリソースは、プリフェッチ・オペレーションのために割り付けられるメモリのことを意味することもある。例えば、プリフェッチ・オペレーションが、ＵＥの内部で２ギガバイトのメモリ空間を使用することが許可される場合、そのときにはＵＥリソースのパーセンテージは、特定のコンテンツ・プロバイダからアセットアセットをダウンロードするために割り付けられる２ギガバイトのうちのパーセンテージを意味することもある。

図３に示される実施形態においては、リソース・プロファイル２０６は、ＵＥリソースの４０％が、プリフェッチ・オペレーション中にコンテンツ・プロバイダ１２５からアセットをダウンロードするために割り付けられることを指定する。リソース・プロファイル２０６は、ＵＥリソースの２０％が、コンテンツ・プロバイダ１２６〜１２７のおのおのからアセットをダウンロードするために割り付けられることを指定する。リソース・プロファイル２０６はまた、ＵＥリソースの１０％が、コンテンツ・プロバイダ１２８〜１２９のおのおのからアセットをダウンロードするために割り付けられることも指定する。

リソース・プロファイル２０６はまた、特定のコンテンツ・プロバイダについてのアセット・タイプ当たりに割り付けられるＵＥリソースのパーセンテージを規定することもできる。「アセット・タイプ」は、ビデオ、オーディオ、デジタル・ピクチャなど、ダウンロードのために使用可能であるメディアのタイプを意味する。例えば、リソース・プロファイル２０６は、コンテンツ・プロバイダ１２５に割り付けられるＵＥリソース（合計で４０％）のうちの２０％が、ビデオのために割り付けられ、１５％が、オーディオのために割り付けられ、また５％が、デジタル・ピクチャのために割り付けられることを指定する。リソース・プロファイル２０６は、類似した方法で、コンテンツ・プロバイダ１２６〜１２９のおのおのについてのアセット・タイプ当たりのパーセンテージを規定することができる。また、リソース・プロファイル２０６は、サブ・アセット・タイプ（図３には示されず）当たりに割り付けられるパーセンテージを規定することもでき、ここで、サブ・アセット・タイプは、アセット・タイプの任意の種類のサブ・セットを含んでいる。例えば、サブ・アセット・タイプは、ビデオのファイル・フォーマットとすることができ、その結果、ビデオのために割り付けられる２０％は、さらに、．ｗｍｖファイルのための１０％、および．ｍｐｇファイルのための１０％として規定されることもある。アセット・サブ・タイプはまた、ソーシャル・ネットワーキング・タイプのコンテンツ・プロバイダについての「友人」のサブ・タイプなど、他の物事を意味することもできる。

ＵＥ １３０が、プリフェッチ・オペレーションのためにスケジュールされるときに、処理システム２０２は、リソース・プロファイル２０６（これは、このときには実行可能リソース・プロファイルと称される）にアクセスして、どのようにしてＵＥリソースが、オペレーションのために割り付けられるかを決定する。リソース・プロファイル２０６は、ＵＥリソースの４０％が、コンテンツ・プロバイダ１２５からのアセットをダウンロードするために割り付けられる（ビデオのために２０％、オーディオのために１５％、およびデジタル・ピクチャのために５％）ことを指定する。処理システム２０２はまた、どのアセットが、コンテンツ・プロバイダ１２５からのダウンロードのために推奨されるかを決定する。推奨されたアセットは、レコメンダ・システム１２４（図１参照）によって提供されることもある。例えば、ＵＥ １３０は、それが、エンド・ユーザがあるポイントにおいて要求することになることを予測するアセットを示すレコメンダ・システム１２４からファイルを受信することができ、または推奨されたアセットは、リソース・プロファイル２０６の一部分とすることができる。推奨されたアセットが、識別されるときに、処理システム２０２は、コンテンツ・プロバイダ１２５からビデオ・アセットをダウンロードするＵＥリソースの２０％と、コンテンツ・プロバイダ１２５からオーディオ・アセットをダウンロードするＵＥリソースの１５％と、コンテンツ・プロバイダ１２５からデジタル・ピクチャ・アセットをダウンロードするＵＥリソースの５％とを利用する。処理システム２０２は、リソース・プロファイル２０６において割り付けられるパーセンテージに基づいてコンテンツ・プロバイダ１２６〜１２９からアセットをダウンロードするように類似した方法で動作する。プリフェッチ・オペレーションの終わりに、アセットは、ＵＥ １３０のローカル・メモリ２０４に記憶される。

本明細書において説明される実施形態によれば、レコメンダ・システム１２４は、リソース・プロファイル２０６において割り付けられるパーセンテージを最適化することができる。そのようにするために、ＵＥ １３０は、リソース・プロファイル２０６をレコメンダ・システム１２４に対して送信する。次いで、レコメンダ・システム１２４は、図４において説明されるように、リソース・プロファイル２０６において割り付けられるパーセンテージを調整することができる。

図４は、例示の一実施形態においてリソース・プロファイル２０６を調整する方法４００を示すフロー・チャートである。方法４００のステップは、図１におけるレコメンダ・システム１２４を参照して説明されることになるが、当業者なら、方法４００は、他のネットワークおよびシステムにおいても実行され得ることを理解するであろう。本明細書において説明されるフロー・チャートのステップは、必ずしも包括的なものとは限らず、また図示されていない他のステップを含むこともできる。それらのステップはまた、代替的な順序で実行されてもよい。

ステップ４０２において、レコメンダ・システム１２４は、ＵＥ １３０からリソース・プロファイル２０６を受信する。ステップ４０４において、レコメンダ・システム１２４は、アップデートされたリソース・プロファイルを生成するようにコンテンツ・プロバイダ１２５〜１２９に割り付けられるＵＥリソースのパーセンテージを調整する。レコメンダ・システム１２４は、ＵＥ １３０のエンド・ユーザについての以前のリソース・プロファイルに基づいて、かつ／または他のエンド・ユーザについてのリソース・プロファイルに基づいて、リソース・プロファイル２０６におけるＵＥリソースのパーセンテージを調整することができる。例えば、パーセンテージを調整するために使用され得る１つのアルゴリズムは、エンド・ユーザについての以前のリソース・プロファイルに基づいている。レコメンダ・システム１２４は、それが、新しい（アップデートされた）リソース・プロファイルをＵＥ １３０に対して推奨するたびに、リソース・プロファイルを記憶する。したがって、ステップ４０４において、レコメンダ・システム１２４は、エンド・ユーザについての以前のリソース・プロファイルを識別し、また以前のリソース・プロファイルにおけるパーセンテージの指数移動平均など、以前のリソース・プロファイルにおけるパーセンテージの平均を計算することができる。次いで、レコメンダ・システム１２４は、以前のリソース・プロファイルにおけるパーセンテージの平均に基づいてリソース・プロファイル２０６におけるパーセンテージを調整することができる。

使用され得る別のアルゴリズムは、ＵＥ １３０のエンド・ユーザと類似した嗜好または関心を有する他のエンド・ユーザについてのリソース・プロファイルに基づいている。レコメンダ・システム１２４は、複数の他のエンド・ユーザについてのリソース・プロファイルを記憶する。ステップ４０４において、レコメンダ・システム１２４は、エンド・ユーザと類似した嗜好または関心を有する他のエンド・ユーザについてのリソース・プロファイルの組を識別することができる。例えば、エンド・ユーザについてのリソース・プロファイル２０６が、フェイスブックからのダウンロードのためにあるパーセンテージが割り付けられることを示す場合、そのときにはレコメンダ・システム１２４は、フェイスブックにアクセスする他のエンド・ユーザについてのリソース・プロファイルの組を識別することができる。次いで、レコメンダ・システム１２４は、他のエンド・ユーザについてのリソース・プロファイルに基づいてリソース・プロファイル２０６におけるパーセンテージを調整することができる。

さらに別のアルゴリズムは、ＵＥ １３０のエンド・ユーザと類似した人口統計データを有する他のエンド・ユーザについてのリソース・プロファイルに基づいている。したがって、ステップ４０４において、レコメンダ・システム１２４は、エンド・ユーザと類似した人口統計データを有する他のエンド・ユーザについてのリソース・プロファイルの組を識別することができる。例えば、エンド・ユーザが、３０〜３７の年齢の間の男性である場合、そのときにはレコメンダ・システム１２４は、同じく３０〜３７の年齢の間の男性である他のエンド・ユーザについてのリソース・プロファイルの組を識別することができる。次いで、レコメンダ・システム１２４は、他のエンド・ユーザのリソース・プロファイルにおけるパーセンテージの平均を計算することができる。次いで、レコメンダ・システム１２４は、他のエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージの平均に基づいてリソース・プロファイル２０６におけるパーセンテージを調整することができる。

上記アルゴリズムのどれか、または他のアルゴリズムを、別々に、または組み合わせて使用して、エンド・ユーザについてのリソース・プロファイル２０６におけるパーセンテージを調整することができる。

エンド・ユーザについてのアップデートされたリソース・プロファイルを生成した後に、レコメンダ・システム１２４は、ステップ４０６（図４参照）において、アップデートされたリソース・プロファイルをＵＥ １３０に対して送信する。次いで、ＵＥ １３０の処理システム２０２は、アップデートされたリソース・プロファイルをメモリ２０４に記憶する。次に、ＵＥ １３０は、プリフェッチ・オペレーションのためにスケジュールされ、処理システム２０２は、アップデートされたリソース・プロファイルにアクセスして、どのようにしてプリフェッチ・オペレーションのためにリソースを割り付けるべきかを決定する。ＵＥ １３０は、アップデートするためにそのリソース・プロファイルをレコメンダ・システム１２４に対して定期的に送信する。レコメンダ・システム１２４が、ＵＥ １３０のエンド・ユーザと、他のエンド・ユーザとについてのリソース・プロファイルに関してより多くのデータを獲得するにつれて、レコメンダ・システム１２４は、ＵＥ １３０についてのリソース・プロファイルをより正確にアップデートすることができる。したがって、リソース・プロファイルは、プリフェッチ・オペレーションのために最適化されるようになり、その結果、ＵＥリソースは、ＵＥ １３０のエンド・ユーザが、あるポイントにおいて要求する可能性が最も高いアセットをダウンロードするために、より効果的に割り付けられるようになる。

例
図５〜１２は、エンド・ユーザのリソース・プロファイルをアップデートする一例を提供するものである。最初に、図５は、例示の一実施形態におけるレコメンダ・システム１２４を示すものである。レコメンダ・システム１２４について示される構造は、ただ１つの例にすぎず、またそれは、他の実施形態においては、他の構成を有することができる。レコメンダ・システム１２４は、アセット・データベース５０２と、プロファイル・データベース５０４と、リアル・タイム推奨要素５０６と、オフライン推奨要素５０８とを含む。アセット・データベース５０２は、モバイル・ネットワーク１００においてＵＥ １３０〜１３２によってダウンロードされるアセットについての情報を記憶するストレージ・デバイスを備える。例えば、アセット・データベース５０２は、アセットについての格付け（暗黙的、または明示的）と一緒にアセットＩＤを記憶することができる。プロファイル・データベース５０４は、モバイル・ネットワーク１００においてＵＥ １３０〜１３２についてのリソース・プロファイルを記憶するストレージ・デバイスを備える。

リアル・タイム推奨要素５０６は、エンド・ユーザについてのリソース・プロファイルを調整し、またエンド・ユーザによって要求されることになるアセットを予測することもできるデバイスを備える。新しいプロファイルの計算は、図１０のように行われ、また最も近くのＮ人の隣人と、これらのＮ人のユーザに関連する重みとの両方を使用する。

オフライン推奨要素５０８は、各エンド・ユーザについての最も近くのＮ人の隣人を識別する協調的フィルタリング・アルゴリズムを定期的に実行し、またエンド・ユーザをクラスタに分割することもできるデバイスを備える。オフライン推奨要素５０８は、さらに、ピアソン係数（Ｐｅａｒｓｏｎ ｃｏｅｆｆｉｃｉｅｎｔ）を使用して各エンド・ユーザについての最も近くのＮ人の隣人の類似性を計算することができる。エンド・ユーザごとに、最も近くのＮ人の隣人の組と、エンド・ユーザに対する彼らの類似性（重み）とが、記憶される。このオフラインの計算は、定期的に（例えば、毎日）行われる。ユーザをクラスタに分割するアルゴリズムは、最も近くのＮ人の隣人を決定するアルゴリズムよりも少ない頻度で実行されることもある。

オフライン推奨要素５０８はまた、各エンド・ユーザについてのアセットについての予測された格付けを計算する。しかしながら、同じクラスタの中のエンド・ユーザだけを使用して、この予測を計算することができる。この計算は、以下のように実行される。すなわち、最も近くのＮ人の隣人の組についての各アセットについての格付けを見出すこと、そして、最も近くのＮ人の隣人に関連する重みを使用してこれらの格付けを合計することにより実行されることができる。次いで、アセットの組は、その合計の観点から格付けされ、また最上位のｋ個の項目が、記憶される。

この例について、ＵＥ １３０が、モバイル・ネットワーク１００のカバレッジ・エリアに入っており、または電源を投入されていることを仮定する。これが起こるときに、レコメンダ・システム１２４は、図６に示されるように、初期リソース・プロファイルをＵＥ １３０に対して送信することになる。図６は、例示の一実施形態においてＵＥ １３０の初期認証を示すメッセージ図である。ＵＥ １３０が、電源を投入され、またはモバイル・ネットワーク１００に登録するときに、ＵＥ １３０は、そのＩＤと、認証証明書と、人口統計データ情報とを含むレコメンダ・システム１２４に対してメッセージを送信することにより、レコメンダ・システム１２４を用いてそれ自体を認証する。推奨要素５０６は、認証証明書を処理して、ＵＥ １３０を認証する。ＵＥ １３０が検証される場合、そのときには推奨要素５０６は、類似した人口統計データの中の他のエンド・ユーザのプロファイルについての要求をプロファイル・データベース５０４に対して送信する。プロファイル・データベース５０４は、ＵＥ １３０のエンド・ユーザについての人口統計データ情報を使用して、類似したエンド・ユーザのプロファイルを検索する。次いで、プロファイル・データベース５０４は、そのプロファイルを推奨要素５０６に対して送信する。次いで、推奨要素５０６は、プロファイルにおいて割り付けられるパーセンテージの平均を計算し、またその平均に基づいてＵＥ １３０のエンド・ユーザについての初期リソース・プロファイルを生成する。初期リソース・プロファイルは、プリフェッチ・オペレーションのためにＵＥ １３０によって使用される。図３に示されるリソース・プロファイルは、初期リソース・プロファイルの１つの例とすることができる。

今や、ＵＥ １３０は、初期リソース・プロファイルを受信しており、またそれをメモリに記憶しているので、ＵＥ １３０は、プリフェッチ・ルーチンを実行する準備ができている。図７は、例示の一実施形態におけるプリフェッチ・オペレーションを示すメッセージ図である。プリフェッチ・オペレーションが、スケジュールされるときに、ＵＥ １３０は、初期リソース・プロファイルを処理して、どのようにしてオペレーションが、実行されるかを決定する。初期リソース・プロファイルの一例が、図３に示される。次いで、ＵＥ １３０は、初期リソース・プロファイルにおいて割り付けられるパーセンテージに基づいてコンテンツ・プロバイダ１２５〜１２９からアセットをダウンロードし始める。例えば、図３を見ると、ＵＥ １３０は、コンテンツ・プロバイダ１２５からビデオをダウンロードするＵＥリソースのうちの２０％と、コンテンツ・プロバイダ１２５からオーディオをダウンロードするＵＥリソースのうちの１５％と、コンテンツ・プロバイダ１２５からデジタル・ピクチャをダウンロードするＵＥリソースのうちの５％とを費やすことになる。ＵＥ １３０はまた、コンテンツ・プロバイダ１２６からアセットをダウンロードするＵＥリソースのうちの２０％と、コンテンツ・プロバイダ１２７からアセットをダウンロードするＵＥリソースのうちの２０％などとを費やすことにもなる。ＵＥ １３０は、プリフェッチ・オペレーションが終了するまで、このようにしてアセットをダウンロードする。次いで、ＵＥ １３０は、ダウンロードされたアセットをローカル・メモリに記憶することになる（図２の中のメモリ２０４を参照）。

次いで、ＵＥ １３０のエンド・ユーザは、アセットを視聴するように要求することができる。例えば、エンド・ユーザは、ウェブ・アプリケーションを起動し、またリンクを選択して、コンテンツ・プロバイダ１２５〜１２９からある種のアセットをダウンロードすることができる。エンド・ユーザは、１つまたは複数のアセットがローカルに記憶されることを知らないこともある。要求が、ローカルに記憶されるアセットについてのものである場合、そのときにはＵＥ １３０は、メモリからそれらを取り出すことになる。これは、アセットＩＤ（ＵＲＬ）のリストを生成すること、およびアセットがエンド・ユーザによって要求されるときはいつでも、このリストを調べることによって行われる。アセットＩＤ（ＵＲＬ）が、リストの上の項目とマッチする場合、そのときにはそれは、ローカル・メモリからフェッチされる。要求が、ローカルに記憶されていないアセットについてのものである場合、そのときにはＵＥ １３０は、モバイル・ネットワーク１００の上でリアル・タイムにコンテンツ・プロバイダ１２５〜１２９からそれらを取り出す必要がある可能性がある。ＵＥ １３０は、アセットを要求するときに、ＤＨＣＰを通して取得されるネットワークＤＮＳを参照することになる。

ＵＥ １３０は、どのアセットが、エンド・ユーザによって要求されるかを監視し、またＵＥ １３０のために要求されたアセットを示すアセット情報（またはアセット・ファイル）を記憶する。アセット情報は、アセットＩＤと、格付けとを含む。アセットＩＤは、ＵＲＬまたは他のネットワーク・アドレス、名前など、アセットを識別する任意の情報を含んでいる。格付けは、何回、エンド・ユーザが、アセットを要求したか、どれだけ長い間、エンド・ユーザが、アセットを視聴したかなどについての任意の表示を含んでいる。次いで、ＵＥ １３０は、アセット情報をアセット・データベース５０２に対して定期的に送信する。図８は、ＵＥ １３０が、例示の一実施形態においてアセット情報をアセット・データベース５０２に対して送信することを示すものである。アセット・データベース５０２が、アセット情報を受信するときに、それは、他のＵＥによって提供されるアセット情報と一緒にアセット情報を記憶する。アセット・データベース５０２は、それゆえに、アセットＩＤのリストと、多数のエンド・ユーザによって要求されるアセットについての関連する格付けとを記憶する。推奨要素５０６および５０８は、この情報を使用して、アセットのうちのどれが、エンド・ユーザの間で最も人気があるかを識別することができる。

レコメンダ・システム１２４に対してアセット情報を送信することに加えて、ＵＥ １３０はまた、プリフェッチ・オペレーションの繰り返しの後に、アップデートするためにそのリソース・プロファイルをレコメンダ・システム１２４に対して送信する。図９は、ＵＥ １３０が、例示の一実施形態においてアップデートするためにレコメンダ・システム１２４に対してリソース・プロファイルを送信することを示すメッセージ図である。ＵＥ １３０は、そのリソース・プロファイルをプロファイル・データベース５０４に対して送信し、このプロファイル・データベースは、以前の任意のリソース・プロファイルと一緒にエンド・ユーザについてのリソース・プロファイルを記憶する。次いで、推奨要素５０６は、ルーチンを開始して、エンド・ユーザについてのアップデートされたリソース・プロファイルを生成する。図１０は、例示の一実施形態におけるアップデートのためのルーチンを示すものである。図９〜１０の両方を見ると、推奨要素５０６は、エンド・ユーザについての以前のリソース・プロファイルを取り出し、また以前のリソース・プロファイルの平均を計算する。より詳細には、推奨要素５０６は、以前のリソース・プロファイルにおけるパーセンテージ割付けのおのおのの指数移動平均を計算する。これは、重み付けされたファクタ（Ｗ_Ｅ）によって乗算される第１のプロファイルである。

推奨要素５０６はまた、ＵＥ １３０のエンド・ユーザと類似した嗜好または関心を有する他のエンド・ユーザについてのリソース・プロファイルの組に基づいてプロファイルを決定する。オフライン推奨要素５０８は、エンド・ユーザと類似した嗜好または関心、ならびにこれらのエンド・ユーザに関連する重みを有する最も近くのＮ人のユーザを定期的に識別することができる。次いで、オフライン推奨要素５０８は、この情報を推奨要素５０６に対して送信する。推奨要素５０６は、最も近くのＮ人のユーザのリソース・プロファイルを調べ、適切な重みを用いてリソース・プロファイルにおけるパーセンテージを乗算し、また結果として生ずるプロファイルを正規化する。この結果は、重み付けされたファクタ（Ｗ_ＣＦ）によって乗算された第２のプロファイルである。

推奨要素５０６はまた、ＵＥ １３０のエンド・ユーザと類似した人口統計データを有する他のエンド・ユーザについてのリソース・プロファイルの組に基づいてプロファイルを決定する。オフライン推奨要素５０８は、エンド・ユーザと類似した人口統計データを有する他のエンド・ユーザについてのリソース・プロファイルを定期的に識別し、またこれらのリソース・プロファイルを推奨要素５０６に対して送信することができる。次いで、推奨要素５０６は、類似した人口統計データにおける他のエンド・ユーザについてのプロファイルの平均を計算する。より具体的には、推奨要素５０６は、他のエンド・ユーザについてのプロファイルにおけるパーセンテージ割付けのおのおのの平均を計算する。これは、次いで、重み付けされたファクタ（Ｗ_ＤＥＭＯ）によって乗算される第３のプロファイルをもたらす。次いで、推奨要素５０６は、第１のプロファイルと、第２のプロファイルと、第３のプロファイルとを一緒に加算し、またパーセンテージを正規化して、アップデートされたリソース・プロファイルを生成する。すべてのアセット・タイプと、サブ・タイプとについてのすべてのパーセンテージの合計は、所与のプロファイルにおいて１であるべきである。プロファイルは、その重みによって各値を直接的に乗算することにより重みにより乗算されることもある。複数のプロファイルは、重みによって乗算され、また次いで一緒に加算されてもよい。結果として生ずる合計が１でない場合、そのときにはプロファイルは、その合計を１にすることにより正規化される。次いで、推奨要素５０６は、図９に示されるように、アップデートされたリソース・プロファイルをＵＥ １３０に対して送信する。

次にＵＥ １３０が、プリフェッチ・オペレーションを開始すると、ＵＥ １３０は、コンテンツ・プロバイダ１２５〜１２９からアセットをダウンロードするためにアップデートされたリソース・プロファイルを使用する。図１１は、例示の一実施形態におけるアップデートされたリソース・プロファイルを示すものである。図３と、図１１とにおけるプロファイルを比較すると、コンテンツ・プロバイダ１２５に割り付けられるパーセンテージは、４０％から５０％へと調整された。コンテンツ・プロバイダ１２６に割り付けられるパーセンテージは、２０％から２５％へと調整され、コンテンツ・プロバイダ１２７に割り付けられるパーセンテージは、２０％から１５％へと調整され、またコンテンツ・プロバイダ１２８〜１２９に割り付けられるパーセンテージは、１０％から５％へと調整された。したがって、プリフェッチ・オペレーションの次の繰り返しにおいては、ＵＥ １３０は、コンテンツ・プロバイダ１２５〜１２６からのプリフェッチするアセットに対して以前のプリフェッチ・オペレーションにおけるよりも多くのリソースを割り当てることになる。ＵＥ １３０のエンド・ユーザについてのリソース・プロファイルをアップデートするこのプロセスは、リソース・プロファイルの内部に割り付けられるパーセンテージを最適化するように定期的に行われる。

ＵＥ １３０のエンド・ユーザについてのリソース・プロファイルをアップデートすることに加えて、推奨要素５０６はまた、エンド・ユーザが、どのアセットを要求する可能性があるのかを予測することもできる。図１２は、推奨するデバイス５０６が、例示の一実施形態においてアセットを予測することを示すメッセージ図である。推奨要素５０８は、アセット・データベース５０２からアセットＩＤと、格付けとを定期的に取り出す。推奨要素５０８は、所与のユーザによって要求される可能性が最も高い最上位のｋ個の項目を計算し、またそれらを定期的なベースで記憶することをここに再掲する。次いで、推奨要素５０６は、推奨された（最上位のｋ個の）アセットＩＤをＵＥ １３０に対して送信し、その結果、ＵＥ １３０は、次のプリフェッチ・オペレーション中にこれらの推奨されたアセットをプリフェッチすることができるようになる。

図面の中で示され、または本明細書において説明される様々な要素のうちのどれもは、ハードウェア、ソフトウェア、ファームウェア、またはこれらの何らかの組み合わせとして実装されてもよい。例えば、ある要素は、専用のハードウェアとして実装されてもよい。専用のハードウェア要素は、「プロセッサ」、「コントローラ」、または何らかの類似した専門用語と称されてもよい。プロセッサによって提供されるときに、それらの機能は、単一の専用のプロセッサによって、単一の共用のプロセッサによって、またはそれらのうちのいくつかが共用され得る複数の個別のプロセッサによって提供されてもよい。さらに、用語「プロセッサ」または「コントローラ」の明示的な使用は、ソフトウェアを実行することができるハードウェアだけを排他的に意味するように解釈されるべきではなく、また限定することなく、デジタル信号プロセッサ（ＤＳＰ：ｄｉｇｉｔａｌ ｓｉｇｎａｌ ｐｒｏｃｅｓｓｏｒ）のハードウェア、ネットワーク・プロセッサ、特定用途向け集積回路（ＡＳＩＣ：ａｐｐｌｉｃａｔｉｏｎ ｓｐｅｃｉｆｉｃ ｉｎｔｅｇｒａｔｅｄ ｃｉｒｃｕｉｔ）または他の回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ：ｆｉｅｌｄ ｐｒｏｇｒａｍｍａｂｌｅ ｇａｔｅ ａｒｒａｙ）、ソフトウェアを記憶するためのリード・オンリー・メモリ（ＲＯＭ：ｒｅａｄ ｏｎｌｙ ｍｅｍｏｒｙ）、ランダム・アクセス・メモリ（ＲＡＭ：ｒａｎｄｏｍ ａｃｃｅｓｓ ｍｅｍｏｒｙ）、不揮発性ストレージ、ロジック、あるいは何らかの他の物理的ハードウェア・コンポーネントまたはモジュールを暗黙のうちに含むことができる。

また、ある要素は、プロセッサまたはコンピュータによって実行可能な命令として実装されて、その要素の機能を実行することもできる。命令のいくつかの例は、ソフトウェアと、プログラム・コードと、ファームウェアとである。それらの命令は、プロセッサによって実行されるときに、要素の機能を実行するようにプロセッサに指示するように動作可能である。それらの命令は、プロセッサによって読み取り可能であるストレージ・デバイスの上に記憶されることもある。ストレージ・デバイスのいくつかの例は、デジタル・メモリまたはソリッド・ステート・メモリ、磁気ディスクや磁気テープなどの磁気ストレージ媒体、ハード・ドライブ、あるいは光学的に読み取り可能なデジタル・データ・ストレージ媒体である。

特定の実施形態が、本明細書において説明されたが、本発明の範囲は、これらの特定の実施形態だけには限定されるものではない。本発明の範囲は、添付の特許請求の範囲と、その任意の均等物とによって規定される。

Claims (10)

1. エンド・ユーザのユーザ装置（ＵＥ）から、リソース・プロファイルを受信するように動作可能なレコメンダ・システムを備え、前記リソース・プロファイルは、前記ＵＥ上のアセットのローカル・ストレージについてのプリフェッチ・オペレーション中に前記ＵＥが前もってダウンロードする前記アセットを有するコンテンツ・プロバイダを示し、また前記プリフェッチ・オペレーション中に前記アセットをダウンロードするための、前記コンテンツ・プロバイダのおのおのに割り付けられるＵＥリソースのパーセンテージを規定し、
   前記レコメンダ・システムは、アップデートされたリソース・プロファイルを生成するように前記リソース・プロファイルにおける前記ＵＥリソースの前記パーセンテージを調整し、また少なくとも１つの後続のプリフェッチ・オペレーションにおいて使用するために、前記アップデートされたリソース・プロファイルを前記ＵＥに対して送信するようにさらに動作可能である、システム。
2. 前記レコメンダ・システムは、
   前記エンド・ユーザについての以前のリソース・プロファイルにおけるパーセンテージ、および
   他のエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージ
   のうちの少なくとも一方に基づいて、前記リソース・プロファイルにおける前記ＵＥリソースの前記パーセンテージを調整するようにさらに動作可能である、請求項１に記載のシステム。
3. 前記レコメンダ・システムは、前記エンド・ユーザについての複数の以前のリソース・プロファイルを識別し、前記以前のリソース・プロファイルにおけるパーセンテージの平均を計算し、また前記以前のリソース・プロファイルにおける前記パーセンテージの前記平均に基づいて前記エンド・ユーザについての前記リソース・プロファイルにおける前記パーセンテージを調整するようにさらに動作可能である、請求項１に記載のシステム。
4. 前記レコメンダ・システムは、前記エンド・ユーザと類似した関心を有する他のエンド・ユーザについてのリソース・プロファイルの第１の組を識別し、またリソース・プロファイルの前記第１の組におけるパーセンテージに基づいて、前記エンド・ユーザについての前記リソース・プロファイルにおける前記パーセンテージを調整するようにさらに動作可能であり、
   前記レコメンダ・システムは、前記エンド・ユーザと類似した人口統計データを有する他のエンド・ユーザについてのリソース・プロファイルの第２の組を識別し、リソース・プロファイルの前記第２の組におけるパーセンテージの平均を計算し、またリソース・プロファイルの第２の組における前記パーセンテージの前記平均に基づいて、前記エンド・ユーザについての前記リソース・プロファイルにおける前記パーセンテージを調整するようにさらに動作可能であり、また
   前記レコメンダ・システムは、前記エンド・ユーザについての前記アップデートされたリソース・プロファイルを生成するように、前記以前のリソース・プロファイルにおける前記パーセンテージの前記平均と、リソース・プロファイルの前記第１の組における前記パーセンテージと、リソース・プロファイルの第２の組における前記パーセンテージの前記平均とを加算するようにさらに動作可能である、請求項３に記載のシステム。
5. 前記コンテンツ・プロバイダのおのおのに割り付けられるＵＥリソースの前記パーセンテージは、
   前記プリフェッチ・オペレーション中に前記コンテンツ・プロバイダからアセットをダウンロードするための、前記コンテンツ・プロバイダのおのおのに割り付けられるＵＥ処理時間の前記パーセンテージ、および
   前記プリフェッチ・オペレーション中に前記コンテンツ・プロバイダからアセットをダウンロードするための、前記コンテンツ・プロバイダのおのおのに割り付けられるＵＥメモリの前記パーセンテージ
   のうちの一方を含む、請求項１に記載のシステム。
6. エンド・ユーザのユーザ装置（ＵＥ）からリソース・プロファイルを受信するステップであって、前記リソース・プロファイルは、前記ＵＥ上のアセットのローカル・ストレージについてのプリフェッチ・オペレーション中に前記ＵＥが前もってダウンロードする前記アセットを有するコンテンツ・プロバイダを示し、また前記プリフェッチ・オペレーション中に前記アセットをダウンロードするための、前記コンテンツ・プロバイダのおのおのに割り付けられるＵＥリソースのパーセンテージを規定する、受信するステップと、
   アップデートされたリソース・プロファイルを生成するように前記リソース・プロファイルにおける前記ＵＥリソースの前記パーセンテージを調整するステップと、
   少なくとも１つの後続のプリフェッチ・オペレーションにおいて使用するために、前記アップデートされたリソース・プロファイルを前記ＵＥに対して送信するステップと
   を含む方法。
7. 前記リソース・プロファイルにおける前記ＵＥリソースの前記パーセンテージを調整するステップは、
   前記エンド・ユーザについての以前のリソース・プロファイルにおけるパーセンテージ、および
   他のエンド・ユーザについてのリソース・プロファイルにおけるパーセンテージ
   のうちの少なくとも一方に基づいて、前記パーセンテージを調整するステップを含む、請求項６に記載の方法。
8. 前記リソース・プロファイルにおける前記ＵＥリソースの前記パーセンテージを調整するステップは、
   前記エンド・ユーザについての複数の以前のリソース・プロファイルを識別するステップと、
   前記以前のリソース・プロファイルにおけるパーセンテージの平均を計算するステップと、
   前記以前のリソース・プロファイルにおける前記パーセンテージの前記平均に基づいて前記エンド・ユーザについての前記リソース・プロファイルにおける前記パーセンテージを調整するステップと
   を含む、請求項６に記載の方法。
9. 前記リソース・プロファイルにおける前記ＵＥリソースの前記パーセンテージを調整するステップは、
   前記エンド・ユーザと類似した関心を有する他のエンド・ユーザについてのリソース・プロファイルの第１の組を識別するステップと、
   リソース・プロファイルの前記第１の組におけるパーセンテージに基づいて前記エンド・ユーザについての前記リソース・プロファイルにおける前記パーセンテージを調整するステップと、
   前記エンド・ユーザと類似した人口統計データを有する他のエンド・ユーザについてのリソース・プロファイルの第２の組を識別するステップと、
   リソース・プロファイルの前記第２の組におけるパーセンテージの平均を計算するステップと、
   リソース・プロファイルの第２の組における前記パーセンテージの前記平均に基づいて前記エンド・ユーザについての前記リソース・プロファイルにおける前記パーセンテージを調整するステップと、
   前記エンド・ユーザについての前記アップデートされたリソース・プロファイルを生成するように、前記以前のリソース・プロファイルにおける前記パーセンテージの前記平均と、リソース・プロファイルの前記第１の組における前記パーセンテージと、リソース・プロファイルの第２の組における前記パーセンテージの前記平均とを加算するステップと
   を含む、請求項８に記載の方法。
10. 前記コンテンツ・プロバイダのおのおのに割り付けられるＵＥリソースの前記パーセンテージは、
    前記プリフェッチ・オペレーション中に前記コンテンツ・プロバイダからアセットをダウンロードするための、前記コンテンツ・プロバイダのおのおのに割り付けられるＵＥ処理時間の前記パーセンテージ、および
    前記プリフェッチ・オペレーション中に前記コンテンツ・プロバイダからアセットをダウンロードするための、前記コンテンツ・プロバイダのおのおのに割り付けられるＵＥメモリの前記パーセンテージ
    のうちの一方を含む、請求項６に記載の方法。

Images