意向性匹配的制作方法

专利名称：：意向性匹配的制作方法意向性匹配魷鰣本发明涉及意向性匹配方法、系统和对象。更特别地，本发明涉及在人的意图和对象之间的意向性匹配，它们可相互关联。龍絲由实体(公司或个人)对自身感觉和那些实体的文化采取相关操作具有增加的迁移。自身感觉或者一个实体(公司或个人)的文化能被量化并减少到用于该实体的评测的配置文件。在这一点，可以参考本申请人提出的另一份专利申请号为PCT/NZ2006/000241(以WO2007/032692在PCT公告中公开)的专利，该专利申请在这里整体引入作为参考。自身感觉或公司实体的文化或者个人配置文件都能与其他公司实体或者个人的配置文件进行比较。这些配置文件的关联性越接近，它们具有的共享特性就越多。当在人们之间或者公司实体之间都可能进行比较时，上述专利申请仅处理在实体之间的配置文件。人们进行了许多尝试，以决定特定对象或者对某个人的个人选择的相关性。在其中有相当可观的商业价值，例如，它们能用于搜索引擎以便对资源进行定位，这些资源将与用户采用某个搜索引擎的搜索相关联。例子还包括使用关键词匹配来显示网页(正如在html页面中使用的元标示)。不足的是，基于关键词的搜索仅提供了与用户相关的一些结果，因为这些关键词是由网页作者或者其他资源作者或者编辑者所倾向选择的，因此这些关键词易发生人为错误。其他例子，例如美国专利US7,254,547,提供了识别用户和设置对于所显示的信息选择的一系列约束和条件。另一个例子，例如，网站www.amazon.com，基于过往访问者以前所浏览的和购买的信息向该访问者提供新的产品信息。不足的是，这需要对用户进行识别，因此提高了准确的主题，而且，这些结果经常并不与该用户相关。对于将一个实体的配置文件与结果或对象相关联合比较，什么是有用的，个体的识别是不需要的。因此，本发明的目标是将实体配置文件与选择点相关联或者至少向公众提供有用的选择。
发明内容在第一个方面，本发明提供了一种选择点的对象配置文件，包括至少a)—组离散的标记，表示用户的属性；b)—组离散的桶，分别与每个离散的标记相关联，这些桶表示用户的属性值；以及C)与每个桶(bucket)相关联的计数，表示对于该桶的所述选择点的值加权；其中，对象配置文件是存储在电子存储设备上。在第二方面，本发明提供了一种用于在本发明的第一方面所述的对象配置文件的同样结构的每个用户的理想化的编码组图谱，包括至少a)—组离散的标记，表示用户的属性；b)—组离散的桶，分别与每个离散的标记相关联，这些桶表示用户的属性值；以及C)与每个桶相关联的计数，表示对于该桶的所述选择点的值加权；其中，对象配置文件是存储在电子存储设备上。在第三个方面，本发明提供了一种用于本发明的第二个方面所述的编码组图谱的数据分配方法，包括至少以下步骤a)检索找回一个选择点，由用户通过输入设备来进行选择；b)从电子存储设备中检索找回对于所述选择点的预存储的对象配置文件，该对象配置文件包括至少一组离散的属性和相关联的离散的属性值；c)从电子存储设备中检索找回对于所述用户的理想化的编码组图谱，如果它存在，或者如果它不存在时创建它，该理想化的编码组图谱包括与一组离散的桶相关联的至少一组离散的标记，以及与每个桶相关联的计数；d)增加对于在所述对象配置文件中的每个属性和属性值的在理想化的编码组图谱中的每个计数，使在所述理想化的编码组图谱中的标记和桶相匹配；以及e)将所述理想化的编码组图谱存储在所述电子存储设备上。在第四个方面，本发明提供了一种决定关于在实体配置文件和根据本发明的第一个方面所述选择点的对象配置文件之间的关系的相关性总数的方法，包括至少以下步骤a)检索找回一个选择点，由用户通过输入设备来进行鉴别；b)从电子存储设备中检索找回预存储的用户配置文件，该用户配置文件包括至少一组离散的属性和相关联的离散的属性值；c)从电子存储设备中检索找回用于所述选择点鉴别的预存储的对象配置文件，该对象配置文件是由本发明的第一个方面所限定的；d)通过对在所述用户配置文件中的每个属性和属性值在对象配置文件中的每个计数进行求和来计算相关性总数，使所述对象配置文件中的标记和桶相匹配；以及e)将所述相关性总数存储在电子存储设备上。在第五个方面，本发明提供了一种用于在本发明的第一个方面所述的选择点的对象配置文件的数据分配方法，包括至少以下步骤a)在显示设备上向种子用户提供一系列选择；b)通过所述选择点检索找回一个存储的选择，由所述种子用户通过输入设备来进行选择；C)创建与所述选择的关联以及一个选择点鉴别；d)从电子存储设备检索找回关于所述用户的预存储的用户配置文件，该用户配置文件包括至少一组离散的属性和相关联的离散的属性值；e)从电子存储设备中检索找回选择点对象配置文件用于所述鉴别，如果它存在，或者如果它不存在就创建它，该对象配置文件包括与一组离散的桶相关联的至少一组离散的标记，以及与每个桶相关联的计数；f)增加对于在所述用户配置文件中的每个属性和属性值的在所述对象配置文件中的每个计数，使在所述对象配置文件中的标记和桶相匹配；以及g)将所述对象配置文件存储在所述电子存储设备上。在第六个方面，本发明提供了一种决定第一组的一个或多个在本发明的第一个方面所限定的选择点到第二组的一个或多个在本发明的第二个方面所限定的选择点的关联性的方法，该方法包括以下步骤a)从电子存储设备检索找回一组平均选择点评分；b)计算关于所述一组选择点的全部选择点组评分，通过对每个平均选择点评分进行求和，再用检索找回的平均选择点评分的数量来除；c)将所选择的选择点组评分与其他选择点组评分进行比较，其中，定量所选择的选择点的关联性。更高的选择点组评分表示更多的关联性。在第七个方面，本发明提供了一种建立第一组的一个或多个在本发明的第一个方面所限定的选择点到第二组的一个或多个在本发明的第二个方面所限定的选择点的相关性的方法，该方法包括以下步骤a)从电子存储设备检索找回关于第一组选择点的第一组对象配置文件；b)从电子存储设备检索找回关于第二组选择点的第二组对象配置文件;C)建立候选链接到目标链接或链接之间的相关性，包括至少以下步骤a.处理目标链接的对象配置文件，如果它们都是理想化的编码组图谱，并获得关于每个目标链接相对于所述候选链接所能计算得到的基本相关性评分的理想化的编码组图谱；以及b.计算关于所述目标链接的所述候选链接的基本相关性评分。在第八个方面，本发明提供了一种决定关于在实体配置文件和根据本发明的第一个方面所述选择点的对象配置文件之间的关系的相关性总数的系统，包括至少以下组成部分a)输入设备，用于从用户检索找回选择点鉴别；b)电子存储设备，包含关于所述用户的至少一个预存储的用户配置文件，该用户配置文件包括至少一组离散的属性，以及相关联的离散的属性值；c)电子存储设备，包含关于所述选择点鉴别的至少一个预存储的对象配置文件，该对象配置文件是由上述本发明的第一个方面所限定的；d)计算设备，用于通过对在所述用户配置文件中的每个属性和属性值在对象配置文件中的每个计数进行求和来计算相关性总数，并使所述对象配置文件中的标记和桶相匹配；以及e)电子存储设备，用于存储所述相关性总数。在第九个方面，本发明提供了一种用于决定所选择的在本发明的第一个方面所限定的选择点对象配置文件的关联性的系统，该系统包括-a)电子存储设备，包含至少一组来自电子存储设备的选择点评分；b)计算设备，用于计算关于所述一组选择点的平均选择点评分，通过对每个选择点评分求和，再用检索得到的选择点评分的数量来除；c)计算设备，用于计算将所选择的选择点组评分与所述平均选择点评分进行比较的结果，其中，定量所选择的选择点的关联性，当选择点评分超过平局选择点评分则意味着对用户更有关联性。在第十个方面，本发明提供了一种计算机程序存储介质，包括可运行本发明所述的任意方法的计算机程序。10附图简要说明本发明通过参考以下附图来进行描述，在这些附图中图1是本发明应用于创建或更新对于特殊产品或者其他对象的配置文件的流程图；图2是本发明应用于创建或更新对于特殊产品或者其他对象的配置文件的流程图；图3是本发明被应用于计算一个或多个相关性评分作为由特定用户请求或代表特定用户请求的匹配或检索的结果的流程图4是显示如何决定对于一个广告的相关标签的流程图5是显示如何决定在哪里放置一个广告的流程图6是显示如何创建或更新用于一个链接的配置文件的流程图7是显示如何评估一个或多个候选链接与一个或多个目标链接的相关性以使网站最佳化的流程图8是显示在应用本发明作为一个在任意模式的游戏中参与的创建过程的流程图；图9A和9B是在应用本发明作为一个在任意模式的游戏中参与的计算和更新过程的复合流程图IOA和10B是显示应用本发明来评估和增强计算机游戏和在线游戏的复合流程图。发明详述定义在本说明书中，以下术语在破折号之后给出了它们的定义种子用户——一个人，他的选择被用于对象配置文件的初始"播种(seeding)";实体——任何人的实体，无论是个人还是公司；用户(User)——任何与选择点互动的人，一旦选择点的对象配置文件(ObjectProfiles)已被播种(seeded)。种子(Seed)——一个初始值或数据，用于启动一项算法或处理功能。以翻译记忆库为例，种子可以是作为项目基础的翻译记忆库或翻译单元中的一个样本。播种(Seeding)——选择数据样本、对数据库进行填充或综合修改的方法或过程。选择点(ChoicePoint):选择点是一个用户相互作用的点，该选择点可包括，例如，物质产品，服务，检索词，统一资源定位符URL或其他独特资源链接，图片，环境状态，游戏状态，广告，以及用户对某个问题所提供的回答，或者其他这样的对象，以致用户可通过选择点与该选择点^^联，作为他或她的选择的结果。对象配置文件(ObjectProfiles):每个选择点有它自己的对象配置文件。该对象配置文件是一个存储数据的表格，基于正与选择点互动的用户的编码组。编码组(Genome):编码用户意图的7位数量，每个数量是一个在1至5范围内的独立的值，数值评分表示该用户意图的方面的强度。主观编码组(SubjectiveGenome):通过用户进行评测而获得的编码组；理想化编码组(IdealisedGenome):从用户选择的选择点获得的编码组；系统用户采用本发明所述的新系统的公司或者其他组织，并入选择点和/或通过执行这些选择点评估和/或改善它们的现有产品；以及环境在用户能作出的选择内定义的语义层。优选地，环境也允许用户与在该环境中的对象相互作用。例子包括但不限于互联网、内联网、购物中心和商店。特别优选的环境是一个人工控制的交互作用空间，例如由游戏引擎和虚拟现实创设的环境。用户配置文件例如定义在PCT/NZ2006/000241中的用户配置文件。更特别的是关于在这里所涉及的例子，分别包含5x7格的桶和标记。输入设备任何能够捕获用户输入的设备，包括但不限于计算机终端、PDA(个人数量助理)。如上所述，在第一方面，本发明提供了一种选择点的对象配置文件，包括至少a)—组离散的标记，表示用户的属性；b)—组离散的桶，分别与每个离散的标记相关联，这些桶表示用户的属性值；以及c)与每个桶相关联的计数，表示对于该桶的所述选择点的值加权；其中，对象配置文件是存储在电子存储设备上。优选地，所述选择点是选自以下的组物质产品，服务，检索词，统一资源定位符URL或其他独特资源链接，图片，环境状态，游戏状态，广告，以及用户对某个问题所提供的回答。在一个优选实施例中，有至少7种离散的标记。在一个实施例中，每个标记有至少5个桶。在另一个实施例中，则有10个桶。在一个优选实施例中，本发明的第一个方面的一个对象配置文件是全局对象配置文件，其中该全局对象配置文件的每个桶的值是在给出系统中对于所有选择点的所有个体对象配置文件的桶的值的总和。所述的对象配置文件是一个全局的对象配置文件，所述全局的对象配置文件的每个桶的值是对于在给出的系统中的每个选择点的所有单个对象配置文件的桶的值的总和。在一个实施例中，每个配置文件(无论是用户配置文件还是对象配置文件)有一个"编码组(genome)"包含7个"标记(markers)"。每个标记是一个单独的数量，从1至5。有不同分数反映所述用户的目的、价值和生活焦点的一致性。当一个用户与一个对象相关联时，他或她的标记被加入到对于该链接的配置文件的相关桶的总和中。在第二方面，本发明提供了一种用于在本发明的第一方面所述的对象配置文件的同样结构的每个用户的理想化的编码组图谱，包括至少a)—组离散的标记，表示用户的属性；b)—组离散的桶，分别与每个离散的标记相关联，这些桶表示用户的属性值；以及c)与每个桶相关联的计数，表示对于该桶的所述选择点的值加权；其中，对象配置文件是存储在电子存储设备上。在特定情节中，在一个对象配置文件中的一些标记是缺少的，附加的标记则存在，或者这些标记的次序是混乱的。因此，在一个优选实施例中，特定标签是被用于准许标记在配置文件中仅以标记组的重叠进行匹配。在第三个方面，本发明提供了一种用于本发明的第二个方面所述的编码组图谱的数据分配方法，包括至少以下步骤a)检索找回一个选择点，由用户通过输入设备来进行选择；b)从电子存储设备中检索找回对于所述选择点的预存储的对象配置文件，该对象配置文件包括至少一组离散的属性和相关联的离散的属性值；c)从电子存储设备中检索找回对于所述用户的理想化的编码组图谱，如果它存在，或者如果它不存在时创建它，该理想化的编码组图谱包括与一组离散的桶相关联的至少一组离散的标记，以及与每个桶相关联的计数；d)增加对于在所述对象配置文件中的每个属性和属性值的在理想化的编码组图谱中的每个计数，使在所述理想化的编码组图谱中的标记和桶相匹配；以及e)将所述理想化的编码组图谱存储在所述电子存储设备上。在第四个方面，本发明提供了一种决定关于在实体配置文件和根据本发明的第一个方面所述选择点的对象配置文件之间的关系的相关性总数的方法，包括至少以下步骤-a)检索找回一个选择点，由用户通过输入设备来进行鉴别；13b)从电子存储设备中检索找回预存储的用户配置文件，该用户配置文件包括至少一组离散的属性和相关联的离散的属性值；C)从电子存储设备中检索找回用于所述选择点鉴别的预存储的对象配置文件，该对象配置文件是在本发明的第一个方面所限定的；d)通过对在所述用户配置文件中的每个属性和属性值在对象配置文件中的每个计数进行求和来计算相关性总数，使所述对象配置文件中的标记和桶相匹配；以及e)将所述相关性总数存储在电子存储设备上。在一个实施例中，所述选择点的鉴别是由所述用户通过与选择相关联的方式直接获得的，该选择是由所述用户在用户界面作出的。在另一个实施例中，用户和存储设备是位于物理上分离的位置，由数据网络相连接。该用户的配置文件、对象配置文件和相关性总数可被存储在离散的电子存储设备中。在一个优选实施例中，通过计算在实体和全局对象配置文件之间的相关性，对所计算的在实体与选择点之间的相关性总数与所期待的相关性进行比较，以便在该实体与该选择点之间建立规格化的相关性总数。该期待相关性是在该实体与随机选择点之间的平均相关性。在第五个方面，本发明提供了一种用于在本发明的第一个方面所述的选择点的对象配置文件的数据分配方法，包括至少以下步骤a)在显示设备上向种子用户提供一系列选择；b)通过所述选择点检索找回一个存储的选择，由所述种子用户通过输入设备来进行选择；c)创建与所述选择的关联以及一个选择点鉴别；d)从电子存储设备检索找回关于所述用户的预存储的用户配置文件，该用户配置文件包括至少一组离散的属性和相关联的离散的属性值；e)从电子存储设备中检索找回选择点对象配置文件用于所述鉴别，如果它存在，或者如果它不存在就创建它，该对象配置文件包括与一组离散的桶相关联的至少一组离散的标记，以及与每个桶相关联的计数；f)增加对于在所述用户配置文件中的每个属性和属性值的在所述对象配置文件中的每个计数，使在所述对象配置文件中的标记和桶相匹配；以及g)将所述对象配置文件存储在所述电子存储设备上。可选地，在上述方面的程序对于任何新种子用户与选择点的相互作用是重复进行的。在一个优选的实施例中，所述在步骤a的系列的选择是通过URLs的方式来表示的，采用能显示html格式的浏览器，其中所述选择点是与所述种子用户所选择的URLs相关的。在第六个方面，本发明提供了一种决定第一组的一个或多个在本发明的第一个方面所限定的选择点到第二组的一个或多个在本发明的第二个方面所限定的选择点的关联性的方法，该方法包括以下步骤a)从电子存储设备检索找回一组平均选择点评分；b)计算关于所述一组选择点的全部选择点组评分，通过对每个平均选择点评分进行求和，再用检索找回的平均选择点评分的数量来除；c)将所选择的选择点组评分与其他选择点组评分进行比较，其中，定量所选择的选择点的关联性。更高的选择点组评分表示更多的关联性。该结果可被显示在一个显示设备上，或者存储在一个电子存储设备上。采用这个方法，特定选择点的相关性可通过看哪些选择点具有高或低的平均选择点评分来进行比较。在训练用户基于他们的意图来选择时，那些具有高评分的选择点是更为有效的。例如，当游戏设计者要决定他们的游戏的细节怎样改变时，他们能利用这些评分。提高在一个游戏中对于个人选择点的平均选择点评分的同时，也将提高作为整个游戏整体的平均游戏评分(计算它的全部相关性)。因此，在第七个方面，本发明提供了一种建立第一组的一个或多个在本发明的第一个方面所限定的选择点到第二组的一个或多个在本发明的第二个方面所限定的选择点的相关性的方法，该方法包括以下步骤a)从电子存储设备检索找回关于第一组选择点的第一组对象配置文件；b)从电子存储设备检索找回关于第二组选择点的第二组对象配置文件；c)建立候选链接到目标链接或链接之间的相关性，包括至少以下步骤a.处理目标链接的对象配置文件，假设它们都是理想化的编码组图谱，并获得关于每个目标链接相对于所述候选链接所能计算得到的基本相关性评分的理想化的编码组图谱；以及b.计算关于所述目标链接的所述候选链接的基本相关性评分。因而在这个方面建立了从候选链接到目标链接的相关性评分。在第八个方面，本发明提供了一种决定关于在实体配置文件和根据本发明的第一个方15面所述选择点的对象配置文件之间的关系的相关性总数的系统，包括至少以下组成部分a)输入设备，用于从用户检索找回选择点鉴别；b)电子存储设备，包含关于所述用户的至少一个预存储的用户配置文件，该用户配置文件包括至少一组离散的属性，以及相关联的离散的属性值；C)电子存储设备，包含关于所述选择点鉴别的至少一个预存储的对象配置文件，该对象配置文件是由上述本发明的第一个方面所限定的；d)计算设备，用于通过对在所述用户配置文件中的每个属性和属性值在对象配置文件中的每个计数进行求和来计算相关性总数，并使所述对象配置文件中的标记和桶相匹配；以及e)电子存储设备，用于存储所述相关性总数。在一个实施例中，输入设备还包括在用户界面鉴别选择点的抽取设备。在第九个方面，本发明提供了一种用于决定所选择的在本发明的第一个方面所限定的选择点对象配置文件的关联性的系统，该系统包括a)电子存储设备，包含至少一组来自电子存储设备的选择点评分；b)计算设备，用于计算关于所述一组选择点的平均选择点评分，通过对每个选择点评分求和，再用检索得到的选择点评分的数量来除；C)计算设备，用于计算将所选择的选择点组评分与所述平均选择点评分进行比较的结果，其中，定量所选择的选择点的关联性，当选择点评分超过平局选择点评分则意味着对用户更有关联性。在一个实施例中，该系统还包括用于显示比较结果的显示装置。在另一个实施例中，该系统还包括用于存储该比较结果的电子存储装置。在第十个方面，本发明提供了一种计算机程序存储介质，包括可运行本发明所述的任意方法的计算机程序。本发明所述的方法和系统总体上可分为创建过程、计算过程和反馈过程。它们在下面进行描述。参与特定用途的附加过程也将分别进行描述。所述的用户配置文件可附加地包括其他识别信息，例如cookie识别信息，IP地址，或者用户名。所述的对象配置文件可附加地包括其他识别信息，例如关于所述选择点的人可读信息，如URL或者特定标识符。在本说明书中所述的电子存储装置可便于分布在一个网络中或者定位在一个单独的机器上。在特定优选的实施例中，所述用户和电子存储装置都是位于地理上分离的位置，通过数据网络连接。所述的用户配置文件、对象配置文件和相关性总和都可存储在离散的电子存储设备上。本发明的一个优选实施例将对象标签应用到广告上。便利地，包括放置广告能力的网页的补充(supplement)可被配置为1、可下载到用户的网络浏览器的延展；2、当用户点击在原始网页上的链接时，该网页重新配置为包括该补充的网页。为了使该补充更容易被用户所接受，包括使用户能够"标出(markup)"网页等附加材料可优选地提供给用户，加在本发明所述的对象配置文件上。图l:所述网页补充的潜在视图，该补充可在网页的顶部看到。1、可下^M延展用户可通过他们的浏览器下载将所述补充加入他们的网页中所需的软件。该软件能使浏览器将网页重新配置为可由用户浏览到该补充所提供的附加材料。如果需要，该补充可以由不同的服务器来提供，相对于单个服务器提供该网页的方式。为了使该补充能够显示内容，包括向用户发布有关的广告，该用户可被要求做个调査，以便创建7个数量"编码组(genome)"用户配置文件。2、从某个链接g新配置的网页另一种向用户显示该补充的方法是将网页的所有者包括在该网页的一个链接中。如果用户点击该链接，服务器将向该用户提供该包含了所述补充材料的网页。如果cookies或其他方法，诸如用户在访问网站时被要求登录，还不能识别该用户到一个用户的7位数量编码组能被决定的范围，则该用户还可以要求做一个调查以便创建对于这些用户的编码组，在用户浏览由补充物所提供的信息之前。在网页上的链接循环附加到所述网页的补充还可包括直接通过链接的循环来标出该网页的选项，这些链接的循环是由本发明所教导的对于用户最相关的链接。这项服务是用户将寻求采用本技术的另一个原因。这个循环过程在提供网页补充的同时发生。如果没有数据用于在该网页上的这些循环，则没有链接被循环。标签数据收集本发明的一些方面要求URLs以带有关联的标签。进一步，这些标签是非常有用的，当所述用户配置文件已加入标签。本发明中有两种方法可获得这些标签1、用户直接从由本发明所提供的网页补充中加入标签。2、用户可从另一申请中引入标签，诸如社交书签网站del.icio.us。在本例中，这里的教导允许将用户的编码组加入到所引入的标签中。当一个页面是通过一个搜索请求找到时，它可将标签加入到该页中。优选地，后端计算是通过计算机程序来执行的，该计算机程序以basic语言编写以致允许该计算和结果容易被转换用于任何平台，此外，该程序还完成获得数据的重要需求，并将数据提供给在线网站，并提供所计算的近即时(near-instant)计算，这将不会采用非程序方法来执行本发明。值得重视的是，这里的词"链接(link)"包括但不限于以下术语URLs、产品、广告和其他类型的在线内容，这些链接能决定用户是否关联。对于本发明的一个方便的起点是选择所述的选择点。这个起点可以是用户能达到该用户的选择的任何状态。每个选择点被给出一个对象配置文件，优选的实施例是5x7格。该对象配置文件起始是空的，在播种过程中被加入数据。用户配置文件可方便地通过播种主观编码组来获得。种子用户具有主观编码组(采用调查的方式获得，诸如在申请号为PCT/NZ2006/000241的PCT申请中所描述的方法)或者理想化的编码组(从根据本发明所述的其他意图能动环境的相互作用中获得)，具有示范的意图一致性，由他们的用户一致性评分来测算(基于那些结合选择点的环境来计算)。在可选的实施例中，所述主观编码组可采用其他信息来导入，例如，基于与个人有关的人口统计学信息的编码组。例如，这可显示环境经验如何特别，用于不同年龄、不同收入水平的用户，其他人口统计学的信息用于计算个人的编码组。一种分配选择点对象配置文件的一种方法是将种子用户的主观编码组加入到用于任何选择点的对象配置文件，这些选择点在行经选择点环境的过程中进行选择。在一个实施例中，相应于种子用户的主观编码组的对象配置文件的桶(存储单元)是增加的。然而，可以设想的是，这些桶可被设计为在非线性方式可改变，例如，对数式或者多项式。用户可方便地分配到理想化的编码组图谱。在一个实施例中，有采用同样的数据结构的5X7格子作为一个对象配置文件。当用户达到一个选择点时，数据被加入该对象配置文件中。用户的理想化编码组是由在该用户的理想化编码组图谱中的桶来给出的，该理想化的编码组图谱对于每个标记具有最高的计数。当数据被加入到用户的理想化编码组图谱中时，从该对象配置文件的基础相关率被加入，而不是计数。这意味着所有对象配置文件增加相同量到用户的理想化编码组图谱的每个标记中(当该用户与相应的选择点相互作用时)，无论该对象配置文件是如何播种好的。在一个实施例中，对象配置文件是在多用户环境中实时更新的。全局对象配置文件可方便地以格子来定义。在该格子中的每个桶的计数是对于所有选择点的对象配置文件的相应的桶的计数的总和。对于特定环境的的全局对象配置文件是可再计算的，无论数据何时被加入到在该环境中的对于该选择点的任何对象配置文件。一个特定选择点的基础相关性评分被定义为对于在该选择点的对象配置文件的所有桶的总计数，对应于用户的理想化编码组，被平均总计数除，艮P:平均总计数=(每个标记的总计数)*(标记的数量)/(每个标记的桶的数量)基础相关性评分是基于这样计算的对于该用户的编码组桶的总计数是比期待的总计数更高。如果对于特定选择点的对象配置文件相比于另一个对象配置文件在其桶具有双倍计数，对于另外的同样的对象配置文件，则它也将有双倍的期待的总计数，因此该基础相关性评分将在任意例子中是相同的。该基础相关性评分也将方便地采用相关性比率来计算。在一些例子中，这可以使计算更有效。对于每个桶的相关性比率是相关性比率=(桶的数量)*(对于桶的计数)/(每个标记的总计数)*(标记的数量)对于该选择点的基础相关性评分因而简化为在该选择点的对象配置文件中对于这些桶的相关性比率的总和，该选择点的对象配置文件与该用户的理想化编码组相对应。期待的相关性评分是全局对象具有的对于特定用户的基础相关性评分。规格化的相关性评分是对于用户的选择点的基础相关性评分，以对于该用户的期待的相关性评分来除(divide)。本发明可被用于模拟其他人的配置文件。当一个用户试图仿效一个特殊的人或者特殊类型的人时，该模拟相关性评分是在同样的方法中进行计算的，正如用于规格化的相关性评分，除了将目标人的编码组用于该计算外，还将用户自己的编码组用于计算。19在使用中，将用户与目标人的内部特性(意图)进行比较，胜于将他们的外部行为或特征与目标人进行比较。一旦目标人的配置文件被确定，其他用户能在任何环境模拟他们，无论在一个游戏、一个商业环境还是在任何其他背景。方便地，该用户的理想化编码组图谱不能更新，当模拟另一个人时，以能使该用户的编码组保持纯(基于他们做出的选择，当他们选择时，胜于当模拟一个目标人时)。对于一个选择点的最大化评分是如下计算的(桶计数*(桶的数量-1/每个标记的桶的总数量-1))的总和/总计数用户的最大化评分是对于该用户选择的对象的最大化评分的总和，用在每一轮所做出选择的最高的最大化评分的总和来除(divide)。用户一致性评分是对于该用户选择的选择点的规格化相关性评分的平均值。用于模拟一致性评分是对于该用户选择的选择点的规格化相关性评分的平均值。在一个实施例中，用户接收对于他或她的选择的即时反馈，优选是在显示设备上接收。可以想象的是，这样的反馈将有助于用户改善他们的意图的一致性、将他们意图的强度最大化，或者模拟一个目标人的意图(适当的)。AES是由该环境的用户获得的所有用户一致性评分的平均值。对于特殊目标人或编码组和特定环境的模拟环境评分是由试图模拟在该特定环境中的该目标人或编码组的用户所获得的所有用户模拟一致性评分的平均值。对于特定环境的最大化环境评分是用户在该环境中获得的所有用户最大化评分的平均值。ACPS(平均选择点评分)是由所述环境的用户获得的所有规格化相关性评分的平均值，基于独个选择点。用于对于特定环境接受的环境分数可以下式计算一致性环境分数=用户一致性评分*j*平均环境评分，或者模拟环境评分=模拟一致性评分*k*模拟环境评分最大化环境分数=用户最大化评分*1这里j、k和l都是常数。用于对于特定环境的平均环境分数可以下式计算基于一致性的环境的平均环境分数=JM平均环境评分A2)或者模拟意图的环境的平均环境分数=1^*(模拟环境评分a2)最大化意图的环境的平均环境分数=1*最大化环境评分这里j、k和1都是常数。一个用户的特殊类型的总环境分数被简化为该用户从该用户己经评估的所有类型的环境的环境分数的总和。意图级别是一个用户的意图的当前性质的量度，基于它的一致性(如通过他们的IES来测定)和它的强度。意图级别由下式计算意图级别=标准化的用户一致性评分X编码组级别这里标准化PCS(用户一致性评分)=用户一致性评分/对于环境的平均环境评分以及编码组级别=在该用户的理想化的编码组内的数量的总和。反馈过程在一个实施例中，采用沙箱(sandboxing)技术作为一种确定哪些用户正一致性地选择某些选择点的方法，这些选择点是他们的意图(正如由他们的理想化编码组所表示的)表明他们将要选择的。当更新这些选择点的对象配置文件时，这种方法作为一种质量控制过滤器。(无论是沙箱化的用户还是非沙箱化的用户，都具有他们理想化的编码组图谱，当他们达到某个选择点时更新该编码组图谱。)一致地，当首次注册时，用户被沙箱化。当他或她的用户一致性评分是大于或等于预进入的极限时，他或她变成非沙箱化。当他或她的用户一致性评分下降到低于退出极限时，他或她再次变成沙箱化。在一个优选实施例中，该退出极限是低于进入极限。需要注意的是，对于系统设置的特定值(例如，上述的沙箱极限)可根据需要和特定环境的要求在本发明所应用的范围之内进行改变。在一个实施例中，为了避免任何一个用户偏移(skewing)所述对象配置文件，如果该用于与环境多次相互作用，本发明提供了当一个用户到达一个选择点时，该对象配置文件和检测是以预定数量的最近用户的分等级列表来制定的，用户己将数据加入到该对象配置文件。该用户的理想化编码组图谱仅在该用户未列入该列表时才更新。如果该用户列入了最近用户的列表，他将移动到该列表的首位，且没有数据被加入到该对象配置文件或者该理想化的编码组图谱。在一个实施例中，当一个用户到达一个选择点时，如果该用户是非沙箱化的，且环境是正被用于一致性模式或者最大化模式，而不是模拟模式，他或她的理想化编码组将加入对于该选择点的对象配置文件中，对于该全局对象配置文件的相关性比率(乘以标记的数量，并以每个标记的桶的数量来除)是从对于该选择点的对象配置文件中减去的。在一个实施例中，当一个用户到达一个选择点时，如果该环境是正被用于一致性模式或者最大化模式，而不是模拟模式，对于该选择点的对象配置文件的相关性比率被加入到该用户的理想化的编码组图谱，对于该全局对象配置文件的相关性比率是从该用户的理想化的编码组图谱中减去的。当一个用户到达一个选择点时，对于该选择点的规格化相关性评分可方便地加入到该用户缓存的规格化评分列表中。接着，该用户的一致性评分被重新计算。该重新计算的评分立即显示给用户，给该用户即时反馈，他或她如何有效地作用符合他或她的意图。在该环境相互作用的末端，该用户的一致性环境点和一致性总分数被显示给该用户。当一个用户到达一个选择点时，对于该选择点的模拟一致性评分被加入到该用户缓存的模拟评分列表中。接着，该用户的模拟一致性评分被重新计算。该重新计算的评分立即显示给用户，给该用户即时反馈，他或她如何有效地评估目标人或编码组。在该环境相互作用的末端，该用户的模拟环境点和模拟总分数都被显示给该用户。当一个用户到达一个选择点时，对于该选择点的最大化评分被加入到该用户缓存的最大化评分列表中。接着，该用户的最大化评分被重新计算。该重新计算的评分立即显示给用户，给该用户即时反馈，他或她如何有效地最大化他们的意图的强度。在该环境相互作用的末端，该用户的最大化环境点和最大化总分数都被显示给该用户。平均环境评分(AES)提供了如何关联一个环境或者在一个环境中如何关联选择点的子集。如果该环境接收一个高的平均环境评分，则它意味着用户经常倾向于基于他们自身意图来作出选择。如果该环境接收一个低的平均环境评分，在环境中的用户的选择仅是由他们的意图来引导。因此，带有高AES的环境提供了比带有AES的环境更多个体经验。对于个体选择点在环境中的平均选择点评分(ACPS)可被用于绘制该环境的各方面，该环境是比个别用户更多关联或者更少关联。这能被用于改变一个环境并增加它的AES，通过将带有低ACPS的选择点与带有高ACPS的选择点放置在一起，只要可能的话。环境设计者也可增强他们的环境，通过采用在该设计阶段的平均环境评分，通过选择可在测试中比其他选项产生更高平均环境评分的设计选项。22^发^g的优选实施方式本发明应用于广泛的情形范围，在这些应用中以不同的方式来定义。特别地，选择点可以认为是与用户相关的，如果(a)与该选择点关联的类似于当前用户的用户的相关数量是足够高(例如，当一个用户正寻求找到一个社交俱乐部时，在那里的成员都类似于他)；(b)与其他对象相比，与该选择点相关联的类似于当前用户的用户的相关频率是高的(例如，当一个用户正寻求找到关于某个特定主题的有用信息时)；或者(C)与其他用户的对象相比，与该选择点相关联的类似于当前用户的用户的相关频率是高的(例如，当一个用户正寻求找到对于类似他那样的人特别感兴趣的网站)。在交易的例子中，因为个体决定是由他们个人目的、价值和生活焦点来引导的，量化特定选择点的相关性的能力，例如对于特定个体的基于个体的个人目的、价值和生活焦点产品或者其他对象，能提供具有增强他们竞争地位的优势的交易。如上所述的相关性评分的计算，如在PCT/NZ2006/000241描述的，具有产生结果的优势，该结果能与个人的和文化的身份的基于相互作用的模式相一致，并潜在地提供这些方面比以前方法所取得的结果的更多精确定量的测量。这个增加的精确度允许向交易和个人给出关于特殊产品或者其他对象对于那些个体的特别的推荐，增加了这样的潜力这些交易能成功地营销他们的产品或者其他对象到那些个体，因而改善了他们的商业表现。例如，吸引那些评估个人关系的顾客的产品将以不同于吸引那些在其他方面评估的顾客的产品或其他对象的方式进行营销。在个人的例子中，本发明提供了用于个人的设备以有效地检索宽排列的用于合适选择的产品或者其他对象，通过考察那个个体的那些产品或对象的相关性评分。更通常地，对一个个体的类似主观评估的评估将从特定产品或对象中获得，该评估是通过类似产品或对象的相关性评分的比较来进行的。由于相关性评分的性质，本发明的应用和个体意图的匹配以技术性协助该个体增强个体的能力以便发展更清晰的和更强的自身感觉，并找到符合他或她的目的、价值和生活焦点的产品和其他对象，导致更成功和更令人满意的关系和经验。而且，需要注意的是，本发明能被执行以致对于产品或对象的对象配置文件在特定领域是从在其他领域的那些对象配置文件分别控制和访问的，这可增强本发明的应用能力(例如，通过在超市的主页上的限制性检索来从该超市找到产品)。值得重视的是，所有提到的报告都可在多种方式进行提供，如电子方式或其他方式，和多种传递方式，包括在线和离线方式。还值得欣赏的是，运算法则的电子应用来执行如上所述的计算允许执行近实时计算。这使得广泛使用的产品或者其他对象的配置文件能反映在及时方式的大用户群的正在进行的参数选择，并使得单个个体的配置文件能分配到在及时方式的宽排列的产品或其他对象。这对于诸如超市等例子是特别重要的，在这些例子里顾客每天都会购买多种项目。在一个实施例中，上述方法和系统都可应用但不限于以下的应用例a)预报癌症的例子——在本例中，选择点将是疾病，或者对于多种癌症类型的潜在不同选择点。患有癌症的个体将他们的数据加入到该癌症对象。其他个体将针对这些癌症对象来评估他们的编码组，以便评估他们感染疾病的可能性。该应用对于癌症病例是非常有用的，这些病例在临床试验中显示出明显的安慰剂效应；b)汽车保险索赔的预报^~~本例的选择点将是一个自动保险索赔，或者对于不同索赔类型的潜在不同选择点。提出这些索赔的个体将他们的数据加入到索赔对象中。其他个体将针对这些索赔对象来评估它们的编码组，以便评估他们提出索赔的可能性；c)改善在网上的推荐的产品和内容——正如许多产品或内容链接都会有对象配置文件。该用户编码组将对每个配置文件进行比较，这些具有最高规格化的相关性评分的对象将被推荐给用户。对象和没有对象的链接将在带有高的规格化相关性评分的配置文件之前和之后被推荐；d)改善搜索运算法则——该用户编码组将与每个带有对象配置文件的搜索链接进行比较。这些基于规格化相关性评分的对象的排列将与这些对象的排列进行比较，根据特别对于特定搜索环境的多种额外的标准，采用未改善的搜索运算法则和基于编码组的排列要素进入未改善的排列；e)改善在机构中交叉和促销(upselling)机会以存在客户基础——每个产品或者服务将被分配一个基于用户编码组相互作用的对象配置文件。带有最高规格化相关性评分的产品或服务将促销给客户。f)在网上和在移动电话上提供更多相关广告——该用户编码组将于每个广告的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给用户；g)在约会网站上进行人配对——带有在他们编码组排列内最接近的配对的用户将被互相推介；h)在社交网络上找人——将带有在他们编码组排列内最接近的配对的用户互相推介；i)推荐书籍——该用户编码组将与每本书的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给用户；j)识别音乐的编码组——该用户编码组将于每个音轨的对象配置文件进行比较，具有最高规格化相关性评分的对象将被推荐给用户；k)采用价值/伦理投资的新形式寻找正确的投资——在它们的编码组排列中与某个投资者具有最接近配对的公司将被推荐给投资者；l)寻找正确的工作——在它们的编码组排列中与某个找工作的人最接近配对的公司将被推荐给找工作的人；m)寻找最适合某个学生的学校——在该学生的编码组排列中与潜在的学生具有最接近配对的学校将被推荐给该学生；n)找到正确的导师、顾问、律师、医生——在他们的编码组排列中与正确的导师、顾问、律师、医生具有最接近配对的人将被推荐给潜在的客户；o)找到正确的主管——在他们的编码组排列中与某个公司具有最接近配对的候选人将被推荐给该公司；p)获得好交易的人——在他们的编码组排列中具有最接近配对的交易人将被推荐给潜在的客户；q)购买者将会买游戏——用户编码组将于每个游戏的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给该用户；r)集体游戏者可能喜欢一起玩——在他们的编码组排列中具有最接近配对的游戏者将被推荐给用户；s)为用户选择旅店，该用户之前已经住过——该用户编码组将与每个旅店的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给该用户；t)为用户订购飞机票——该用户编码组将与每个航线的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给该用户，u)为用户订购他可能喜欢去的地方的旅游——该用户编码组将与每个旅游目的地的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给该用户；v)找到适宜生活的地方——该用户编码组将与每个地理地点的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给该用户；w)对于用户找到正确的公寓楼——该用户编码组将与每个公寓的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给该用户；以及X)从音像店租借好的影片——该用户编码组将与每个影像的对象配置文件进行比较，带有最高规格化相关性评分的对象将被推荐给该用户。麯本发明以下将根据一些不作为限制的实例来进行描述创建过程选择点的选择本发明的应用的起始步骤是选择某个选择点。一个用户会遇到任何环境状态作为该用户的选择的结果。每个选择点是由一个对象配置文件给出，该对象配置文件是5x7格。该对象配置文件起始是空的，在播种过程中将会加入数据。选择点的例子到达特定地点，在一个环境中找到特定对象，选择去承担特定任务。一个对象配置文件包括带有7个标记和5个桶的5x7格。这些标记是由下述属性来表示的a)系统一致b)系统自创生c)焦点评分(区域l)d)焦点评分(区域2)e)焦点评分(区域3)f)焦点评分(区域4)g)焦点评分(区域5)获得主观编码组当种子用户第一次进入一个环境时，对象配置文件被播种。这些种子用户具有预设的主观编码组(从采用调查中获得，例如在PCT申请PCT/NZ2006/000241中所描述的)或者理想化编码组(从其它环境中获得，在该环境中对象配置文件已经被用户自己的选择点来播种)，并具有示范的意图一致性，如通过他们的用户一致性评分来测算(基于那些其它游戏来计算)。当一个种子用户登录进入游戏时，他的用户ID被发送给主数据库。该主数据库找到该种子用户的主观编码组，并将它发送回该游戏。主观编码组的例子1334523，4533523，5555555，1111111。,餘隨划牛当一个种子用户达到一个选择点时，他或她的主观编码组被加入到对于该选择点的对象配置文件中。对应于该种子用户的主观编码组的该对象配置文件的桶(存储单元)是增加的。播种一个对象配置文件的例子注意在下面表格中的栏被标注为Ml到M7。这些栏对应于一些标记，所述编码组是基于这些标记。表格中的行被标注为B1到B5。这些行对应于所述编码组标记的值，每个值是从1至5的一个整数值。如果一个特定选择点具有以下对象配置文件:MlM2M3M4M5M6M7Bl6002040B20121301B30223010B40320112B50000203主观编码组为5435524的的种子用户达到这个选择点，该对象配置文件被更新并变成:麟雄織M1M2M3M4M5M6M7B16002040B20121311B30233010B40420113B51001303计算过程理想化的编码组图谱在后创建阶段采用该游戏的用户具有理想化的编码组图谱。编码组图谱有5x7格。当该用户到达一个选择点时，在编码组图谱中加入数据。一个理想化编码组图谱的例子是:M1M2M3M4M5M6M7B13220500B22102001B31330010B40001112B5001304327计算理想化的编码组对于每个标记，一个用户的理想化编码组是由在该用户的理想化编码组图谱中的桶以最高计数方式给出的。例子如果一个用户具有上述理想化编码组图谱，该用户的理想化编码组是1335155。全局对象配置文件所述全局对象配置文件是5x7格。对于在该格中的每个桶的计数是对于在该游戏中所有选择点的对象配置文件的相应桶的计数的总和。例子如果我们在该游戏中只有两个选择点，带有以下对象配置文件:<table>tableseeoriginaldocumentpage28</column></row><table>则所述的全局对象配置文件将是:<table>tableseeoriginaldocumentpage28</column></row><table>对于特定游戏的全局对象配置文件是重复计算的，无论在该游戏中数据被加入到对于这些选择点的任何对象配置文件中。计算基础相关性评分一个特定选择点的基础相关性评分是对应于所述用户的理想化编码组的在该选择点的对象配置文件中的桶的总计数，被平均总计数来除，这里平均总计数=(每个标记的总计数)*(标记的数量)/(每个标记的桶的数量)例子如果一个选择点具有以下对象配置文件<table>tableseeoriginaldocumentpage29</column></row><table>则平均总计数=(每个标记的总计数)*(标记的数量)/(每个标记的桶的数量)=6*7/5=8.4对于其理想化编码组为1333335的用户，该选择点的基础相关性评分为(6+2+2+3+0+1+3)/8.4=17/8.4=2.02另一方面，对于其理想化编码组为3224323的用户，该选择点的基础相关性评分为(0+1+2+0+0+0+0)/8.4=3/8.4=0.36计算相关性比率为改善计算速度，本系统能采用相关性比率来计算所述基础相关性评分。对于每个桶的相关性比率为相关性比率=(桶的数量)*(对于桶的计数)/(每个标记的总计数)*(标记的数量)对于该选择点的基础相关性评分被简化为对于在该选择点的对象配置文件的桶的相关性比率的总数，对应于该用户的理想化编码组。对于上述对象配置文件，其相关性比率为<table>tableseeoriginaldocumentpage29</column></row><table>如上所述，对于其理想化编码组为1333335的用户，该选择点的基础相关性评分为(0.71+0.24+0.24+0.36+0.00+0.12+0.36)=2.03如上所述，对于其理想化编码组为3224323的用户，该选择点的基础相关性评分为(0.00+0.12+0.24+0.00+0.00+0.00+0.00)=0.36(更早的结果的差异是由于凑整。)所述期待相关性评分是所述全局对象具有的对于特定用户的基础相关性评分。例子如果该全局对象配置文件具有以下计数<table>tableseeoriginaldocumentpage30</column></row><table>对于该全局对象的相关性比率为:<table>tableseeoriginaldocumentpage30</column></row><table>对于一个用户，其理想化编码组为1333335，则全局对象的基础相关性评分为(0.71+0.24+0.24+0.36+0.00+0.12+0.36)=2.03(仅对于具有相同对象配置文件的URL)，因此该用户的期待相关性评分为2.03。將鹏髓鄉平A所述规格化相关性评分是对于用户的选择点的基础相关性评分，用对于该用户的期待相关性评分来除。例子如果对于特定用户的特定选择点的基础相关性评分是1.68，对于该用户的期待相关性评分是1.20，则对于该用户的该选择点的规格化相关性评分是1.40。將鄉扁鄉粉当一个用户试图模仿一个特定的人或特定类型的人时，将以与计算规格化相关性评分极为相同的方式来计算其模拟相关性评分，不同之处在于该目标人的编码组将被用于本计算中，而不是该用户自己的编码组。例子如果某个用户的理想化编码组为1413122，该用户试图模拟编码组为4324345的目标人，则基于该4324345编码组所计算的规格化相关性评分的结果是模拟相关性评分。计算最大化评分对于某个选择点的最大化评分是如下式计算的结果(桶计数*(桶的数量-1/每个标记的桶的总数量-1))/总计数例子如果该选择点具有以下对象配置文件:<table>tableseeoriginaldocumentpage31</column></row><table>则对于该选择点的最大化评分为:((6*(1-1)/(5-1))+(1*(2-1)/(5-1))+(2*(3-1)/(5-1))+(3*(4-1)/(5-1))+(2*(2-1)/(5—1))+(2*(3-1)/(5—1))+(2*(4-l)/(5-l))+(2*(1-l)/(5-l))+(1*(2-1)/(5-1))+(3*(3-1)/(5-l))+(3*(2_1)/(5-1))+(1*(4-l)/(5-1))+(2*(5_1)/(5-1))+(4*(1_1)/(5—1))+31("(3-1)/(5-1))+("(4-1)/(5-1))+("(2-1)/(5-l))+(2*(4_1)/(5_1》+(3*(5-1)/(5-1)))/42=(0+0.25+1+2.25+0.5+1+1.5+0+0.25+1.5+0.75+0.75+2+0+0.5+0.75+0.25+1.5+3)/42=17.75/42计算用户最大化评分所述用户最大化评分是对于该用户选择的所有对象的最大化评分的总和，用在每轮中可供选择的最高最大化评分的总和来除。例子在两轮游戏中，如果选择点具有以下最大化评分第一轮选择点——最大化评分CP1-1.5CP2-3.5CP3-0.5CP4-1.0第二轮选择点——最大化评分CP1-0.5CP2-2.5CP3-1CP4-1.5用户在第一轮选择CP1，在第二轮选择CP2，则该用户的最大化评分是(1.5+2.5)/(3.5+2,5)=4/6=67%。32i^用Pffl关&i平分所述用户相关性评分是对于该用户选择的所有选择点的规格化相关性评分的平均值。例子如果用户选择的选择点的规格化相关性评分为1、2和3，该用户的相关性评分为((l+2+3)/3)=2。將ffl靖翻鐘平A所述用户模拟相关性评分是对于该用户选择的所有选择点的模拟相关性评分的平均值。例子如果用户选择的选择点的模拟相关性评分为0.5、l和3，该用户的模拟相关性评分为((0.5十1+3)/3)=1.5。將糊舰i粉平均游戏评分(AverageGameScore,AGS)是由参与游戏的用户所获得的所有用户一致性评分的平均值。例子如果用户1的用户一致性评分为1，用户2的PCS为2，用户3的PCS为6，则平均游戏评分为((l+2+6)/3)=3。ih雜鍾船平A对于特定目标人或者编码组和特定游戏的模拟游戏评分是由用户在该特定游戏中模拟该目标人或编码组所获得的所有用户模拟一致性评分的平均值。例子如果用户1、用户2和用户3都试图在特定游戏中模拟TonyBlair，获得用户模拟一致性评分0.25、0.5和0.75，则模拟游戏评分为((0.25+0.5+0.75)/3)=0.5。TonyBlair不需要与某个游戏者一起来玩该特定游戏，以便该游戏者试图"正如他们是TonyBlair"来玩游戏(TonyBlair的编码组可给予不同的游戏、或者调査或者其他方式来计算)。计算最大化游戏评分对于特定游戏的最大化游戏评分是参与游戏的用户所获得的所有用户最大化评分的33平均值。例子如果用户l、用户2和用户3获得的用户最大化评分为1.25、1.0禾卩0.75，对于特定游戏，则最大化游戏评分是((1.25+1+0.75)/3)=1。计算平均选择点i平分平均选择点评分(ACPS)是基于单个选择点的由参与游戏的用户所获得的所有规格化相关性评分的平均值。例子如果用户1、用户2和用户3都选择了某个选择点，用户1、用户2和用户3在该选择点的规格化相关性评分都是0.5，则平均选择点评分是((0.5+0.75+1)/3)=0.75。计算选择点组i平分所述选择点组评分是对于特定组的选择点的平均选择点评分的平均值。例子如果该选择点组包含选择点A、B和C，每个选择点具有的平均选择点评分分别为1.2、1.3和1.4，则该选择点组评分是((1.2+1.3+1.4)/3)=1.3。將麵^用户对于一个特定游戏所接受的游戏点是通过下式计算的一致性游戏点=用户一致性评分*j*平均游戏评分，或者模拟游戏点=模拟一致性评分*k*模拟游戏评分最大化游戏点=用户最大化评分*1这里，j、k和1都是常数。例h如果一个用户在游戏中获得的用户一致性评分为1.2，该游戏的平均游戏评分为1.5，且』=10，则该用户的一致性游戏点为1.2*1.5*10=18点。例2:如果一个用户在游戏中获得的模拟一致性评分为1.5，该游戏的模拟游戏评分为1.5，ik=20，则该用户的模拟游戏点为1.5*1.5*20=45点。例3:如果一个用户在游戏中获得的用户最大化评分为2.1，且1=100，则该用户的最大化34游戏点为2.1*100=210点。对于特定游戏的平均游戏点是通过下式计算的对于基于一致性的游戏的平均游戏点=j"平均游戏评分a2)，或者对于意图模拟游戏的平均游戏点=1<*(模拟游戏评分a2)对于意图最大化游戏的平均游戏点=1*最大化游戏评分这里，j、k禾口l都是常数。例l:对于基于一致性的游戏，平均游戏评分是1.5，且j=10，则平均游戏点评分是10*(1.5A2)=22.5点。例2:对于意图模拟游戏，模拟游戏评分是1.2，且k=20，则平均游戏点评分是20*(1.2a2)=18.8点。例3:对于意图最大化游戏，最大化游戏评分是0.75,且1=100，则平均游戏点评分是100*0.75=75点。计算总点数一个用户的特定类型的总游戏点是从该用户已经玩过的该类型的所有游戏中获得的用户游戏点的总和。例子如果一个用户在一个游戏汇总获得10个一致性游戏点，在第二个游戏中获得IO个模拟游戏点，在第三个游戏中获得30个最大化游戏点，在第四个游戏中获得10个一致性游戏点，则他或她有50个一致性总点数、20个模拟总点数和30个最大化总点数。计算意图级别意图级别是一个用户的意图的当前性质的量度，基于它的一致性(如通过他们的IES来测定)和它的强度。意图级别是通过以下方式计算的-意图级别=标准化的用户一致性评分x编码组级别35这里，标准化的PCS(用户一致性评分)=用户一致性评分/对于游戏的平均游戏评分以及编码组级别=在该用户的理想化的编码组内的数量的总和。例子一个用户在一个游戏上获得用户一致性评分为1.54,该游戏的平均游戏评分为1.1，该用户的理想化编码组是3453453。该用户的意图级别是(1.54/1.1)*(3+4+5+3+4+5+3)=1.4*27=37.8参见图1，在一个顺序流程图中，描述了意图如何被应用于创建或更新对于特定产品或者其他对象的配置文件。该流程图开始于步骤110。用户的输入被接收(步骤112),该用户与一个对象相关联(步骤114)。通过在该用户的某部分上的一个激活的选择来到达该对象，因而该对象也是一个选择点，在本例中，有关选项是购买一个对象，点击一个对象，或者评估一个对象。本系统询问对于对象是否存在一个对象配置文件(步骤116)。如果不存在，则对于该对象创建一个新的对象配置文件(步骤118)，它被存储在一个电子存储设备(未示出)上。如果一个对象配置文件已经存在，则该对象配置文件可从一个电子存储设备中获得(步骤120)。该对象配置文件具有如上面标题为"选择点的选择"所述的相同的结构。根据用户所做出的不同选择，该流程在步骤122分叉。如果该用户购买该对象，则进行桶的加权(步骤124)。特别地，在该用户的配置文件中的该用户的桶被加权50%，加到在该对象配置文件中的该对象自身的桶中。作为该加权的一种可选方式，1可被加到与该用户的配置文件桶相对应的该对象的桶中。如果该用户仅点击该对象，则进行桶的不同加权(步骤126)。特别地，在该用户的配置文件中的该用户的桶被加权10%，加到在该对象配置文件中的该对象自身的桶中。同样，作为上述加权的一种可选方式，1可被加到与该用户的配置文件桶相对应的该对象的桶中。如果该用户评估该对象，则根据给予该对象的评估来按比例地对用户的桶进行加权(步骤128)。同样，作为上述加权的一种可选方式，l可被加到与该用户的配置文件桶相对应的该对象的桶中。接着，被加权的对象配置文件在所述电子存储设备上被更新(步骤130)。该过程终结于步骤132。作为另一种选择，参见图2，在一个顺序流程图中，描述了意图如何被应用于创建或更新对于特定产品或者其他对象的配置文件。该流程图开始于步骤210。用户有一个选择，与一个对象发生关联，该用户的选择被处理，例如被输入(步骤212)。在一个电子存储设备上测试对于该对象的对象配置文件是否存在(步骤214)。如果该对象配置文件不存在，则创建一个新的对象配置文件(步骤216)。该对象配置文件具有如上面标题为"选择点的选择"所述的相同的结构。如果该对象配置文件存在，则从该电子存储设备中取回该对象配置文件(步骤218)。在本例中，用户具有一个配置文件，该配置文件被存储在一个电子存储设备(未示出)中。从该电子存储设备中取回该用户的配置文件(步骤220)。该用户在步骤212中的输入在步骤222中被测试。如果该用户选择与该对象发生关联，则1被加入到在该对象配置文件中每个标记的已选面上的适当的桶中。可选择地，如果该用户选择不与该对象发生关联，则1被加入到在该对象配置文件中标记的非选面上的适当的桶中。接着，对象的配置文件在该电子存储设备上被更新(步骤228)，该流程终止于步骤230。参见图3，展示了在用户和一个或多个对象之间的配对的相关性。该流程起始于步骤310。对于一个特定用户作出一个相关性请求(步骤312)，在一个电子存储设备(未示出)上具有一个存在的用户配置文件的人，该配置文件与一系列一个或多个特定对象有关，这些对象的配置文件也存储在一个电子存储设备(未示出)上。所采用的相关计算方法是取决于该相关性请求的内容(步骤314)。该用户的配置文件是从该电子存储设备中取出(步骤316)。对于在对象组的第一个项目，一个对象配置文件是从所述电子存储设备中检索取出(步骤318)。根据在该用户配置文件的内容中用于该对象配置文件的合适的方法，计算相关性评分(步骤320)。在对象组中的当前对象被测试以决定它是否在该对象组中的最后一个对象(步骤322)。如果不是最后一个对象，该流程回到步骤318重复进行在该对象组中的下一个项目，直至在该对象组中的所有项目都计算了它们的相关性评分。这些对象的组诗根据它们关于该用户的相关性评分来排序(步骤324)。这些结果以合适方式被显示在内容上(步骤326)。该过程终止于步骤328。37反馈过程沙箱过程沙箱是一种决定哪些用户是一致地选择某些选择点的方法，这些用户的意图显示他们会选择这些选择点。这可作为一种质量控制过滤器，当更新这些选择点的对象配置文件时。(包括沙箱化的用户与非沙箱化的用户都具有他们理想化的编码组图谱，当他们达到一个选择点时被更新。)当一个用户首次注册时，他被沙箱化。当他或她的用户一致性评分大于或等于1.10时，他或她变成非沙箱化。当他或她的用户一致性评分小于0.90时，他或她又变回沙箱化。例子一个用户在本系统注册。他被沙箱化。在选择了4个选择点后，他的PCS(用户一致性评分)为1.05。他仍是沙箱化的。接着，他选择了第五个选择点，他的PCS升至1.15。现在他是非沙箱化的。在选择另四个选择点后，他的PCS降至0.95。他仍是非沙箱化的。在选择第十个选择点时，他的PCS降至0.85。现在他再次沙箱化，并将保持直至他的PCS再次升至I.IO之上。近期用户检査为了避免任何一个用户偏移(skewing)这些对象配置文件，如果该用户多次玩这个游戏，当一个用户到达一个选择点时，如果该用户不在前10位将数据加到该对象配置文件中的最近用户之列，仅更新该对象配置文件和该用户的理想化编码组图谱。如果该用户在最近用户之列，他将移至列表首位，且没有数据会被加到该对象配置文件或者该理想化编码组图谱中。对象配置文件更新当一个用户达到一个选择点时，如桌该用户是非沙箱化的，且该游戏正在一致性模式或者最大化模式进行，而不是模拟模式，他或她的理想化编码组将被加入到对于该选择点的对象配置文件中，以及对于全局对象配置文件的相关性比率，乘以标记的数量，以每个标记的桶的数量来除，从对于该选择点的对象配置文件中减去。例子-如果对于选择点的对象配置文件是M1M2M3M4M5M6M7B124113551B24224852B35215126B46244258B531024433对于全局对象的相关性比率是:M1M2M3M4M5M6M7B10.710.000.000.240.000.480.00B20.000.120.240.120.360.000.12B30.000,240.240.360.000.120.00B40.000.360.240.000.120.120.24B50.000.000.000.000.240.000.36该用户的理想化编码组是2342351则对于该选择点的更新的对象配置文件是:M1M2M3M4M5M6M7B11.004.0011.002.675.004.332.00B25.001.831.674.837.505.001.83B35.002.670.674.502.001.836.00B46.001.504.674,001.834.837.67B53.0010.002.004.003.674.002.50理想化的编码组图谱更新当一个用户到达一个选择点时，如果该游戏正以一致性模式或最大化模式(而不是模拟模式)进行，对于该选择点的对象配置文件的相关性比率将被加入到该用户的理想化编码组图谱中，对于全局对象配置文件的相关性比率是从对于该用户的理想化编码组图谱中减去。例子如果该用户的理想化编码组图谱是:CP2M1M2M3M4M5M6M7B12256100B22352203B33200303B42124303B534003123该选择点的对象配置文件的相关性比率是:39<table>tableseeoriginaldocumentpage40</column></row><table>该全局对象的相关性比率是:<table>tableseeoriginaldocumentpage40</column></row><table>特殊程序为一个游戏创建评分系统用户评分更新i.评估一个用户的意图的一致性当一个用户到达一个选择点时，对于该选择点的规格化相关性评分被加入到该用户的缓存的规格化评分列表中。接着重新计算该用户的一致性评分。该重新计算的评分立即显示给该用户，给予该用户即时反馈，指导他或她如何有效地与他或她的意图一致地行动。在该游戏的结束，向该用户显示该用户的一致性游戏点和相关性总点数。ii.评估一个用户的能力以模拟目标人或者编码组当一个用户到达一个选择点时，对于该选择点的模拟相关性评分被加入到该用户的缓存的模拟评分列表中。接着重新计算该用户的模拟一致性评分。该重新计算的评分立即显示给该用户，给予该用户即时反馈，指导他或她如何有效地模拟该目标人或编码组。在该游戏的结束，向该用户显示该用户的模拟游戏点和模拟总点数。训练一个用户最大化他或她的意图强度当一个用户到达一个选择点时，对于该选择点的最大化评分被加入到该用户的缓存的最大化评分列表中。接着重新计算该用户的最大化评分。该重新计算的评分立即显示给该用户，给予该用户即时反馈，指导他或她如何有效地最大化他们的意图的强度。在该游戏的结束，向该用户显示该用户的最大化游戏点和最大化总点数。特殊程序评估一个计算机游戏或在线游戏的相关性游戏分析平均游戏评分提供了对一个游戏如何评价相关性的尺度。如果该游戏获得高的平均游戏评分，则它表示用户经常倾向于基于他们自己的意图来作出选择。如果该游戏获得低的平均游戏评分，在该游戏中的用户选择仅有少数是由他们的意图来引导。因此，具有高AGS(平均游戏评分)的游戏比具有低AGS的游戏提供了更多的个人体验。特殊程序增强一个计算机游戏或者在线游戏的相关性选择点分析在游戏中对于个人选择点的平均选择点评分可被用于描绘出该游戏的哪些方面与个别用户更相关或者不相关。这可被用于修改游戏，从而增加该游戏的AGS，通过将具有低ACPS的选择点置换为具有更高ACPS的选择点。游戏设计者还可以增强他们的游戏，通过以下方式在设计阶段采用平均游戏评分，在多种可选方案的测试中选择可产生更高平均游戏评分的设计方案。本发明在广告中的应用参见图4，一个流程图显示了如何决定对于一个广告的相关标签，这里的流程起始于步骤410。如上面的对于目标链接的示例的方式来创建一个对象配置文件(步骤412)。提供一个标签列表(步骤414)描述对于该产品或者服务的广告。提供一个标签数据库(未示出)具有匹配的标签和对象配置文件。这个数据库被用于匹配带有目标链接的标签(步骤416)。与带有目标链接最匹配的标签被输出(步骤418)，正如用于该广告的描述符。参见图5，一个流程图显示了如何决定在哪里放置一个广告，该流程开始于两个独立的位置，步骤510和步骤512。在步骤514创建一个对象配置文件，如上面所描述的对于一个产品或服务。与页面匹配的网页链接的数据库被用于匹配带有目标链接的网页(步骤516)。这个信息被放在该广告输出上(步骤518)。在步骤520置顶对于广告的相关标签。41与该广告带有同样标签的网页被定位(步骤522)，由将用户配置文件加入标签的用户编辑的网页相关(步骤524)。合并步骤516和步骤522的输出，然后输出与目标链接最匹配的广告(步骤518)，在该网页由与该广告相同的标签来描述。该流程结束于步骤526。参见图6，一个流程图显示了对于一个链接的配置文件是如何被创建或更新。该流程幵始于步骤610。一个具有存储在一个电子存储设备上的用户配置文件的用户选择与一个链接关联(步骤612)，例如，通过点击该链接。在步骤614中再现。询问一个电子存储设备(未示出)以决定对于该对象的对象配置文件是否存在(步骤616)。如果该对象配置文件不存在，则创建一个新的对象配置文件(步骤618)。如果该对象配置文件存在，则从所述电子存储设备中取回该对象配置文件(步骤620)。该用户的配置文件是从该电子存储设备中取回的(步骤620)。询问一个数据库以决定该用户以前在预定的前段时期内是否已经与该链接相关联(步骤624)。如果用户与链接建立关联，则该程序结束(步骤626)。否则，l被加入到在该链接的配置文件的桶内，该链接的配置文件与在该用户的编码组中的评分相对应(步骤628)。该对象的配置文件在该电子存储设备上被更新(步骤630)，该程序结束(步骤626)。参见图7，流程图显示了用于评估一个候选链接或对于目标链接或链接的候选链接的相关性，以便优化网站的方法。该流程开始于步骤710。该网站主人指定一个或多个链接作为目标链接712。执行一个询问是否有几个目标链接，这些目标链接应该被结合进单个配置文件内(步骤714)。如果有，则创建对于该目标链接的新的结合的对象配置文件(步骤716)。该网站主人指定一个或多个候选链接718，这些候选链接的相关性评分是以前述的对于目标链接的方法来计算的(步骤720)。执行一个测试以决定是否有附加的目标链接，对比于该候选链接。如果有，则从步骤720继续执行该方法，直至没有附加的链接。对于每个目标链接，候选链接都按照它们对于该目标链接的相关性评分的顺序列出来(步骤724)(从最相关到最不相关)。这些排序的链接被显示给网站主人(步骤726)。该网站主人基于这些结果来优化他的网站(步骤728)，例如，通过使候选链接具有高的相关性评分，从而使网站更显著，或者通过去除具有低的相关性评分的候选链接，或者在具有高的相关性评分的候选网站上做广告。该方法结束于步骤730。参见图8,—个流程图显示了本发明的用户以任意方式参与某个游戏的创建过程。该流程图分为两部分，在左边显示了一个游戏服务器810的功能，在右边显示了一个主服务器812的功能，两者之间用破折线814分开。该游戏服务器分配选择点(步骤816)，而对这些选择点的识别被传送到主服务器，用于创建对于这些选择点的对象配置文件(步骤818)。一个种子玩家登录进入该游戏服务器(步骤820)。该种子玩家的验证书被传送到主服务器，该主服务器取回该种子玩家的对象编码组(步骤822)，并将该编码组返回到游戏服务器(步骤810)。一旦该种子用户与一个选择点发生关联(步骤824)，该选择点创建于步骤816，该选择点的身份被发送到主服务器812，该选择点的对象配置文件在该主服务器上被更新(步骤826),更新方式如前所述。此外，所述全局对象配置文件也如前所述的方式被更新(步骤828)。参见图9A和图9B，一个复合流程图显示了本发明的用户以任意方式参与某个游戏的计算和更新过程。与图8类似，功能分为游戏服务器910和主服务器912，两者之间用破折线914分开。一个玩家登录到游戏服务器(步骤916)。该玩家的验证书被传送到主服务器912，对应一个数据库(未示出)检査已存在的玩家以便决定该登录的玩家是否新玩家(步骤917)。如果该玩家在该数据库中存在，则该玩家的理想化编码组图谱从该数据库中被取回(步骤918)。如果该玩家在该数据库中不存在，则对应该玩家创建他的理想化编码组图谱(步骤920)，方法如前所述。该理想化编码组图谱被回传到游戏服务器910。一旦该玩家在该游戏中与一个选择点发生关联(步骤922)，则在该主服务器912上做出游戏模式的决定(步骤924)该游戏模式是否最大化、是否模拟，或者是否一致性。如果该游戏模式是最大化，则如前述地重新计算最大化评分(步骤926)，该重新计算的评分被回传到游戏服务器910并显示给玩家928。如果该游戏模式是模拟，则如前述地重新计算模拟评分(步骤930)，该重新计算的评分被回传到游戏服务器910并显示给玩家928。如果该游戏模式是一致性，则流程图在步骤932进行，连接图9B中的步骤934。执行一个询问该用户是否在对于关联的选择点的最近玩家的列表上？如果是，如前述地重新计算一致性评分(步骤938)。如果不是，则执行进一步的询问该玩家是否沙箱化？(步骤940)。如果是，则如前地更新该用户的理想化编码组图谱，并重新计算一致性评分(步骤938)。如果该玩家不是沙箱化的，则更新该选择点的对象配置文件(步骤944)，并更新全局对象配置文件(步骤946)。该玩家的理想化编码组图谱也被更新(步骤942)，并重新计算一致性评分(步骤938)。所有可能的途径都引向步骤938，然后流向步骤948，连接到43图9A中的步骤950。正如前面的选择，这些评分被传送到游戏服务器910并被显示(步骤928)。参见图IOA和图IOB，一个复合流程图显示了本发明的用户如何评估和增强计算机游戏和在线游戏。该流程图开始于步骤1010。在一个游戏环境中指定一些选择点。这些选择点如上所述地播种(步骤1014)。玩家接着开始玩该游戏(步骤1016)。计算平均游戏评分(步骤1018)，做出以下决定是否通过主要改变来增强该游戏(步骤1020)。如果是，重新设计该游戏，从选择点的设计中重做。如果不是，在该游戏中计算对于所有选择点的平均选择点评分(步骤1024)。该流程进行到步骤1026,转到图10B中的步骤1028。做出以下决定是否增强在该游戏中的选择点。如果决定增强该选择点，则可以采取两种可能的方式。第一种方式是置换低评分的选择点(步骤1032)。如果有相似类型的其他潜在的选择点，例如，一些可插入该游戏中的选择点，正如替换该选择点或者移除选择点，则可以采取这种方式。另一种方式是完全移除低评分的选择点(步骤1034)，如果没有合适的可供置换的潜在选择点存在的话。如果选择了置换的方式(步骤1032)，则播种可选的选择点(步骤1036)。然后由玩家测试该游戏(步骤1038)，计算对于所有选择点的新的平均选择点评分(步骤1040)，该流程重新回到做出决定是否增强在该游戏中的下一个选择点(步骤1030)。一旦所有的增强都完成了(步骤1042)，当游戏被发起，公布了平均游戏评分，将导向流程的结束(步骤1046)。需要注意的是，本发明的其他实施例也是可行的。特别地，本领域熟练技术人员可以知道，上述的一些例子涉及游戏引擎，网页的相关性，或者其他对于系统中的特定用户的在线信息，这些都能通过处理网络来建立(或者它的子集，例如，FlickrTM照片集)以相同或者类似的方式应用到游戏、URLs、图像或者其他可作为选择点的数据。这些选择点可以前述方式进行播种。然后计算对于特定用户的特定选择点的规格化相关性评分。这个信息可被用于预测哪些数据是用户想要找到关联的，增强浏览器和网站的能力，以向用户提供相关的信息。此外，本发明已经应用在提高雇主个人有效性，通过将他们的评分反馈给他们，当他们使用公司内部网时，对内部网的网页的评估也可作为选择点来处理。而且，本发明的另一个有用的应用是反馈图书馆用户的个人效率，基于他们在图书馆借书的情况，这时将从图书馆借出某本书的行为作为选择点来处理。44另一个应用可以是评估人们诸如双次点击的行为，以确保他们做出合适的决定，符合他们在环境中自己的感觉，这时他们相信他们的判断是不清晰的，例如，受到情绪、生病或者疲劳的影响。上面描述的用户都是基于这样的前提用于播种本系统的主观编码组是基于个人意图来计算的，由在PCT申请PCT/NZ2006/000241中描述的调查方法来测定。然而，本发明还可以采用其他信息，例如，基于有关个体的人口统计学信息的编码组。这将显示对于不同年龄的用户或者不同收入水平的用户，一个游戏经验是如何特别的，或者无论将其他人口统计学信息用于计算个体的编码组。正如前述例子所说明的，本发明可应用于多个工业上。值得注意的是，在本说明书描述的本发明所包含的各部分、各元素和各特征，已经包括了在本领域任意等同物，这些等同物都不会改变本发明的实质。4权利要求1、一种选择点的对象配置文件，包括至少a)一组离散的标记，表示用户的属性；b)一组离散的桶，分别与每个离散的标记相关联，这些桶表示用户的属性值；以及c)与每个桶相关联的计数，表示对于该桶的所述选择点的值加权；其中，对象配置文件是存储在电子存储设备上。2、根据权利要求0所述的选择点的对象配置文件，其特征在于所述选择点是选自以下的组物质产品，服务，检索词，统一资源定位符URL或其他独特资源链接，图片，环境状态，游戏状态，广告，以及用户对某个问题所提供的回答。3、根据权利要求0或2所述的选择点的对象配置文件，其特征在于有至少7个离散的标记。4、根据前述任一个权利要求所述的对象配置文件，其特征在于对于每个标记，有至少5个桶。5、根据权利要求4所述的对象配置文件，其特征在于对于每个标记，有至少IO个桶。6、根据前述任一个权利要求所述的对象配置文件，其特征在于所述的对象配置文件是全局对象配置文件，其中所述全局对象配置文件的每个桶的值是在给出系统中对于所有选择点的所有个体对象配置文件的桶的值的总和。7、一种用于如前述任意一个权利要求所述的对象配置文件的同样结构的每个用户的理想化的编码组图谱，包括至少-a)—组离散的标记，表示用户的属性；b)—组离散的桶，分别与每个离散的标记相关联，这些桶表示用户的属性值；以及C)与每个桶相关联的计数，表示对于该桶的所述选择点的值加权；其中，对象配置文件是存储在电子存储设备上。8、一种用于如权利要求7所述的编码组图谱的数据分配方法，包括至少以下步骤:a)取回一个选择点，由用户通过输入设备来进行选择；b)从电子存储设备中取回对于所述选择点的预存储的对象配置文件，该对象配置文件包括至少一组离散的属性和相关联的离散的属性值；C)从电子存储设备中取回对于所述用户的理想化的编码组图谱，如果它存在，或者如果它不存在时创建它，该理想化的编码组图谱包括与一组离散的桶相关联的至少一组离散的标记，以及与每个桶相关联的计数；d)增加对于在所述对象配置文件中的每个属性和属性值的在理想化的编码组图谱中的每个计数，使在所述理想化的编码组图谱中的标记和桶相匹配；以及e)将所述理想化的编码组图谱存储在所述电子存储设备上。9、一种决定关于在实体配置文件和根据权利要求0至6之一所述选择点的对象配置文件之间的关系的相关性总数的方法，包括至少以下步骤a)取回一个选择点，由用户通过输入设备来进行鉴别；b)从电子存储设备中取回预存储的用户配置文件，该用户配置文件包括至少一组离散的属性和相关联的离散的属性值；C)从电子存储设备中取回用于所述选择点鉴别的预存储的对象配置文件，该对象配置文件是由权利要求0至6所限定的；d)通过对在所述用户配置文件中的每个属性和属性值在对象配置文件中的每个计数进行求和来计算相关性总数，使所述对象配置文件中的标记和桶相匹配；以及e)将所述相关性总数存储在电子存储设备上。10、根据权利要求9所述的方法，其特征在于所述选择点的鉴别是由所述用户通过与选择相关联的方式直接获得的，该选择是由所述用户在用户界面作出的。11、根据权利要求9或IO所述的方法，其特征在于所述用户和所述存储设备是位于物理上分离的位置，由数据网络相连接。12、根据权利要求9至11之一所述的方法，其特征在于通过计算在所述实体和某个全局对象配置文件之间的相关性，对所计算的在实体与选择点之间的相关性总数与所期待的相关性进行比较，以便在所述实体与所述选择点之间建立规格化的相关性总数。13、一种用于在权利要求0至6之一所述的选择点的对象配置文件的数据分配方法，包括至少以下步骤a)在显示设备上向种子用户提供一系列选择；b)通过所述选择点取回一个存储的选择，由所述种子用户通过输入设备来进行选择；C)创建与所述选择的关联以及一个选择点鉴别；d)从电子存储设备取回关于所述用户的预存储的用户配置文件，该用户配置文件包括至少一组离散的属性和相关联的离散的属性值；e)从电子存储设备中取回选择点的对象配置文件用于所述鉴别，如果它存在，或者如果它不存在就创建它，该对象配置文件包括与一组离散的桶相关联的至少一组离散的标记，以及与每个桶相关联的计数；f)增加对于在所述用户配置文件中的每个属性和属性值的在所述对象配置文件中的每个计数，使在所述对象配置文件中的标记和桶相匹配；以及g)将所述对象配置文件存储在所述电子存储设备上。14、根据权利要求13所述的方法，其特征在于在上述方面的程序对于任何新种子用户与所述选择点的相互作用是重复进行的。15、根据权利要求I3或14所述的方法，其特征在于所述在歩骤a的系列的选择是通过URLs的方式来表示的，采用能显示html格式的浏览器，其中所述选择点是与所述种子用户所选择的URLs相关的。16、一种决定第一组的一个或多个在权利要求0至6之一所限定的选择点到第二组的一个或多个在权利要求0至6之一所限定的选择点的关联性的方法，该方法包括以下步骤a)从电子存储设备取回一组平均选择点评分；b)计算关于所述一组选择点的全部选择点组评分，通过对每个平均选择点评分进行求和，再用取回的平均选择点评分的数量来除；c)将所选择的选择点组评分与其他选择点组评分进行比较，其中，定量所选择的选择点的关联性。17、根据权利要求16所述的方法，其特征在于所述结果被显示在显示设备上，或者被存储在电子存储设备上。18、一种建立第一组的一个或多个在权利要求0至6之一所限定的选择点到第二组的一个或多个在权利要求0至6之一所限定的选择点的相关性的方法，该方法包括以下步骤a)从电子存储设备取回关于第一组选择点的第一组所述的对象配置文件；b)从电子存储设备取回关于第二组选择点的第二组所述的对象配置文件；C)建立候选链接到目标链接或链接之间的相关性，包括至少以下步骤a.创建目标链接的对象配置文件，假设它们都是理想化的编码组图谱，并获得关于每个目标链接相对于所述候选链接所能计算得到的基本相关性评分的理想化的编码组图谱；以及b.计算关于所述目标链接的所述候选链接的基本相关性评分。19、一种决定关于在实体配置文件和根据权利要求0至6之一所述选择点的对象配置文件之间的关系的相关性总数的系统，包括至少以下组成部分a)输入设备，用于从用户取回选择点鉴别；b)电子存储设备，包含关于所述用户的至少一个预存储的用户配置文件，该用户配置文件包括至少一组离散的属性，以及相关联的离散的属性值；C)电子存储设备，包含关于所述选择点鉴别的至少一个预存储的对象配置文件，该对象配置文件是由上述第一组权利要求0至6所限定的；d)计算设备，用于通过对在所述用户配置文件中的每个属性和属性值在对象配置文件中的每个计数进行求和来计算相关性总数，并使所述对象配置文件中的标记和桶相匹配；以及e)电子存储设备，用于存储所述相关性总数。20、在一个实施例中，所述输入设备还包括在用户界面鉴别选择点的抽取设备。21、一种用于决定所选择的在权利要求0至6之一所限定的选择点对象配置文件的关联性的系统，该系统包括a)电子存储设备，包含至少一组来自电子存储设备的选择点评分；b)计算设备，用于计算关于所述一组选择点的平均选择点评分，通过对每个选择点评分求和，再用检索得到的选择点评分的数量来除；c)计算设备，用于计算将所选择的选择点组评分与所述平均选择点评分进行比较的结果，其中，定量所选择的选择点的关联性，当选择点评分超过平局选择点评分则意味着对用户更有关联性。22、一种计算机程序存储介质，包括可运行权利要求8至18所述的任意方法的计算机程序。全文摘要本发明揭示了一系列方法、系统和对象，它们允许人们相对于特定对象或者对象组来判断他们的意向性。这是通过利用选择点的对象配置文件来获得的，该选择点的对象配置文件包括至少一组离散的标记，表示用户的属性；一组离散的存储桶，分别与每个离散的标记相关联，这些存储桶表示用户的属性值；以及与每个存储桶相关联的计数，表示用于该存储桶的所述选择点的值加权；其中，对象配置文件是存储在电子存储设备上。文档编号G06F19/00GK101669123SQ200880007110公开日2010年3月10日申请日期2008年3月12日优先权日2007年3月12日发明者布雷登·肯顿道,马丁·伯利申请人:旋涡技术服务有限公司