用于处理图3的游戏服务中的比较操作的过程的流程图；
[0073] 图26是用于处理图3的游戏服务中的覆盖范围提议的过程的流程图；
[0074] 图27是用于处理图3的游戏服务中的连赢提议的过程的流程图；
[0075] 图28是用于创建游戏实例的过程的流程图；
[0076] 图29是用于如图3所示的预测处理系统中的获胜概率的过程的流程图；
[0077] 图30是影响图29中所描述的获胜概率优化的多反馈机制的一个示例的框图；
[0078] 图31是用于计算爱好者信任度的过程的流程图；
[0079] 图32是如图29所述的示例玩家群组的维恩图；
[0080] 图33是图29的示例玩家群组的优化处理的框图；
[0081] 图34是在图29的获胜概率优化处理中使用的逻辑获胜概率优化模型的框图；
[0082] 图35A是由图3的反馈服务生成的适用于RSS阅读器和桌面控件的简单XML数据 反馈发布的示例；
[0083] 图35B是由图3的反馈服务生成的适用于API发布的富数据（data-rich)XML数 据反馈的示例；
[0084] 图35C是由图3的反馈服务生成的适用于API发布JS0N数据反馈的示例；
[0085] 图36是由图3的集群服务生成的并显示在移动设备上的邀请消息的截屏；
[0086]图37是由图3的集群服务生成的并显示在移动设备上的电子邮件邀请的截屏； [0087]图38是图3的预测处理系统的预登陆欢迎屏幕的截屏；
[0088] 图39是图3的预测处理系统的集成的社交网络登录的截屏；
[0089]图40是图3的预测处理系统的后登录欢迎屏幕的截屏；
[0090] 图41是由图3的集群服务生成的成员列表的截屏；
[0091] 图42是由图3的集群服务生成的成员属性页面的截屏；
[0092] 图43是由图3的集群服务生成的成员群组页面的截屏；
[0093] 图44是由图3的集群服务生成的公众群组页面的截屏；
[0094] 图45是由图3的游戏服务生成的公众游戏页面的截屏；
[0095] 图46是由图3的游戏服务生成关闭游戏页面的截屏；
[0096]图47是由图3的游戏服务生成的用于激活游戏的投票页面的截屏；
[0097] 图48是由图3的游戏服务生成的调度游戏页面的截屏；
[0098] 图49A是由图3的集群服务生成的群组创建页面的截屏；
[0099]图49B是由图3的集群服务生成的群组编辑页面的线框；
[0100] 图50是由图3的集群服务生成的邀请页面的截屏；
[0101] 图51是由图3的集群服务生成的群组页面的截屏；
[0102] 图52是由图3的集群服务生成的好友页面的截屏；
[0103] 图53是用于处理选票提交的处理的流程图；
[0104] 图54是由图3的集群服务生成的专用游戏页面的截屏；
[0105] 图55是表示做出的预测和剩余注数的调度游戏的截屏；
[0106] 图56是表不用于图55的调度游戏的提交的选项集合的截屏；
[0107] 图57是由图3的多种服务生成的用于体育事件的显示一系列将获胜主张的激活 游戏页面的线框；
[0108] 图58是由图3的多种服务生成的用于体育事件的显示一系列将获胜和在范围内 将获胜的主张的激活游戏页面的线框；
[0109] 图59是由图3的多种服务生成的用于体育事件的显示一系列将获胜、在范围内将 获胜和当排序时将获胜的主张的激活游戏页面的线框；
[0110] 图60是由图3的多种服务生成的用于奖励事件的显示一系列将获胜主张的激活 游戏页面的线框；
[0111] 图61是由图3的多种服务生成的用于新闻事件的显示一系列将获胜和比较的主 张的激活游戏页面的线框；
[0112] 图62是由图3的多种服务生成的用于政治事件的显示一系列将获胜和比较的主 张的激活游戏页面的线框；
[0113] 图63是由图3的多种服务生成的用于选举事件的显示一系列将获胜的主张的激 活游戏页面的线框；
[0114] 图64是由图3的多种服务生成的用于上诉法院决定的显示一系列将获胜的主张 的激活游戏页面的线框；
[0115] 图65是由图3的多种服务生成的用于商业事件的显示一系列将获胜的主张的激 活游戏页面的线框；
[0116] 图66是由图3的多种服务生成的用于客户事件的显示一系列将获胜的主张的激 活游戏页面的线框；
[0117] 图67是根据本文所公开的一个示例性实施例的包括进行和处理场外投注的评论 线程的线框；
[0118] 图68是向玩家提供选项以使用现实世界货币交换购买游戏内货币的情态对话框 的线框；
[0119] 图69是用户分享系统内容的多种选项的线框；
[0120] 图70是表示创建新主张并将主张分配到一个或多个分类的线框；
[0121] 图71是表示创建新主张并从用于游戏的可用分类中的可用主张集合中选择主张 的线框；
[0122] 图72是表示预测游戏中的玩家的表现的线框。
【具体实施方式】
[0123] 概括来说，本公开涉及一种预测收集、发布和/或处理系统，这种系统的使用方 法，和使用这种系统执行业务活动的方法。以下说明提供了多种示例，其并非对权利要求中 阐述的范围、适用性或配置的限制。对讨论的元件的功能和设置可以做出改变而不脱离本 公开的精神和范围。各种实施例可在适当时省略、替代或增加各种进程或组件。例如，可以 按照与现在所描述的顺序不同的顺序执行所描述的方法，并且可以增加、省略或组合多个 步骤。此外，关于某些实施例所描述的特征可以在其他实施例中进行组合。
[0124] 以下是在本专利申请中所使用的术语的按字母顺序排序的词汇表：
[0125]
[0126]
[0127]
[0128]
[0129]
[0130]
[0131] 对预测处理系统和方法的某些实施例的描述可以参考由计算机程序指令实现的 方法、装置（系统）和计算机程序产品。可以向通用计算机、专用计算机、移动计算设备的 处理器或其它可编码数据处理设备提供这些计算机程序指令以生成机器，从而使得当通过 计算机的处理器或其它可编程数据处理设备执行这样的指令时，创建用于实现本文规定的 动作以将数据从第一状态变换为第二状态的装置。
[0132] 这些计算机程序指令可储存在计算机可读存储器中，其可指示计算机或其他可编 程数据处理设备以特定方式进行操作，从而使得储存在计算机可读存储器中的那些指令产 生实现本文所指定的动作的包括指令手段的制品。计算机程序指令还可被加载到计算机或 其他可编程数据处理设备中以引发在计算机或其他可编程设备上执行的一系列操作步骤， 从而产生计算机实现的处理，以使得在计算机或其他可编程设备上执行这些指令时提供用 于实现本文所指定的动作的步骤。
[0133] 结合本文所公开的实施例描述的多种示例性逻辑块、模块和算法步骤可实现为电 子硬件、计算机软件或这两者的组合。为了清楚地示出硬件和软件的这种可交换性，一般将 按照元件、块、模块和步骤的功能来描述各种示例性元件、块、模块和步骤。这些功能实现为 硬件还是软件取决于施加在整体系统上的特定应用和设计约束。对于特定应用，可以通过 多种方式实现所描述的功能，但是这些实现决策不应当被解释为脱离本公开的范围。
[0134] 在此结合本文所公开的实施例描述的多种示例性逻辑块和模块可以使用被设计 为执行本文所描述的功能的通用处理器、数字信号处理器OSP)、专用集成电路（ASIC)、场 可编程门阵列（FPGA)或其他可编程逻辑设备、离散门或晶体管逻辑、离散硬件元件或以上 提及的任意组合来实现。通用处理器可以是微处理器，但是可替换地，处理器可以是任意通 用处理器、控制器、微控制器或状态机。处理器还可被实现为计算设备的组合，例如DSP和 微处理器的组合、多个微处理器的组合，一个或多个微处理器结合DSP核心的组合，或任意 其他这样的结构。
[0135] 可以直接在硬件中、在由处理器执行的软件模块中或在这两者的组合中实施结合 本文所公开的实施例描述的方法的块和算法。软件模块可以驻留在RAM存储器、闪存、ROM 存储器、EPROM存储器、EEPR0M存储器、寄存器、硬盘、可移除盘、⑶-ROM或已知的任何其他 形式的计算机可读存储媒介。示例性存储媒介与处理器耦合，使得处理器可以从存储媒介 中读取数据，或者将信息写入到存储媒介中。可替换地，存储媒介可以集成到处理器中。处 理器和存储媒介可以驻留在ASIC中。ASIC可以驻留在计算机终端中。可替换地，处理器和 存储媒介可以留在计算机终端中作为分离元件。
[0136] 依据一个实施例，可以以不同顺序执行本文所描述的任何方法的特定动作、事件 或功能，还可以增加、合并或整体忽略（例如并非所有所描述的动作或事件对于方法的实 施都是必须的）任何方法的特定动作、事件或功能。此外，在某些实施例中，可以通过例如 多线程处理、中断处理或多处理器或多处理器核来同时执行动作或事件而非顺序执行。此 外，在某些实施例中，可以在架构内的不同层级执行动作或事件。
[0137] 现在参见图1，示出了一种在其中实现了所公开的系统和方法的计算机网络或类 似的数字处理环境10。本系统和方法还可在不同的架构中运行，这些架构包括LAN、WAN、独 立PC、独立移动设备，独立的、集聚的或联网的微型或大型计算机等。预测处理系统和使用 方法可分布在多个计算机和设备12, 24上。
[0138]图1是可以支持所公开的系统和方法的各种特定计算设置的示意图。在一个实施 例中，实现预测处理系统的软件运行_TLinux'环境。在另一个实施例中，实现的软件运行 在其他环境中，例如Windcrn，、UNIXK，或者运行在足以支持诸如图1所示的软件及时操 作的任意硬件中。在预测处理系统的一些实现方式中，一个或多个服务器计算机24采用 Ubuntu/12. 04 LTS Linux分布。在一个可替换的实施例中，采用虚拟实例的计算机而非 实体的计算机。
[0139] 诸如Peplink15多广域网路由器的负载平衡路由器26可将防火墙30内的流量分配 到网络服务器计算机28,或者将网络服务器计算机28的流量分配到防火墙30内。在一些 部署中，这些网络服务器28是Nginx网络服务器分布的分布式实例。采用诸如高性能缓存 的缓存模型的存储对象服务器30和一个或多个分布式应用服务器32可通信地耦合到一个 或多个分布式网络服务器28。在一些部署中，分布式应用服务器32是应用服务器的运行示 例，例如Unicomlf。应用服务器32可通信地耦合到加载有一个或多个持久性数据存储器的 计算机34, 36。这些数据存储器可以是诸如MySQLK ]或Postgres的分布式数据库，和/或 诸如Redisl的高性能密钥/值存储器，这些数据存储器可被用来对查询进行排序并且存储 由图3的分析服务器88生成的衍生数据和节点。
[0140] 多种类型的客户端计算机12可以通过网络22利用通信协议连接到远程服务器基 础设施24。所有计算都可以传递非结构化数据、结构化数据、诸如XML的结构化数据流、结 构化数据对象和/或结构化消息的信息。客户端计算机18, 20, 14, 16可通过多种协议进行 通信，例如UDP、TCP/IP和/或HTTP。
[0141] 客户端计算机和设备18, 20, 14, 16以及服务器计算机24提供执行应用程序的处 理、存储和输入/输出设备。客户端计算机12还可以通过通信网络22连接到其他计算设 备（包括其他客户端设备/处理器12和服务器计算机24)。在一些实施例中，服务器计算 机30, 34, 36运行软件以实现集中化的持久性数据存储和检索。网络22可以是局域网和或 广域网，其是当前使用各种协议（TCP/IP、UDP等）彼此进行通信的远程接入网络、全球网络 (例如互联网）、全球范围的计算机集合和/或网关的一部分。多个客户端计算机设备12 的每一个都可以执行和操作接入预测处理系统服务器的应用实例。
[0142] 在阅读本公开时，本领域技术人员将认识到作为单独的单元所讨论的许多元件可 被组合为一个单元，并且独立的单元可被划分为多个不同的单元。进一步地，多种功能可包 含在一个计算机中，或者分布于多个联网的计算机和/或设备中。已确定的元件可以升级 和替换为在计算技术中做出提高和改进的相关技术。
[0143] 参见图2,系统40的每个元件都连接到系统总线50,系统总线50提供一组硬件线 路用于计算机或处理系统的元件之中的数据传输。预测处理系统的其他元件44也连接到 总线50,这些其他元件44诸如附加的内存存储器、数字处理器、网络适配器和I/O设备。总 线50实际上是连接计算机系统不同组件（例如处理器、盘存储器、内存、输入/输出端口、 网络端口等）并且允许在这些组件之间传输信息的共用导线。I/O设备接口 42附于系统总 线50以将各种输入和输出设备（例如键盘、鼠标、触摸屏、显示器、打印机、扬声器等）连接 到预测处理系统。网络接口 48允许附有多种其他设备的计算机连接到网络（例如图1的 网络22)。存储器52提供对于计算机软件指令58和数据60的易失性存储，这些计算机软 件指令和数据被用来实现本文所公开的系统所采用的方法。盘存储器54提供对于计算机 软件指令59和数据61的非易失性存储，这些计算机软件指令和数据被用来实现本公开的 实施例。中央处理器单元46也附于系统总线50,并且提供计算及指令的执行。
[0144] 在一个实施例中，处理器例程58和数据60是提供至少一部分用于系统的软件 指令的计算机程序产品，其包括计算机可读媒介（例如可移除存储媒介，包括一个或多个 DVDROM、CD-ROM、磁盘、盒带等）。可以通过本领域公知的任意合适的软件安装进程来安装 组合了线程58和数据60的计算机程序产品。在另一个实施例中，可以通过电缆、通信和/ 或无线连接来下载至少一部分软件指令。
[0145] 现在参见图3,客户端设备可以提供访问预测处理系统服务器78相应功能的用户 界面。这样的界面可以是基于浏览器的和/或基于应用程序的。在一些实施例中，这些应 用可包括诸如html客户端70、本地计算机应用72和/或本地移动app 74的应用程序容 器。
[0146] 预测处理系统架构104可包括开放了各种分离的服务的服务层78,这些分离的服 务可被授权客户端70, 72, 74访问。通过这些服务，可以将信息增加到持久层106中的数据 库中，或者从这些数据库中得到信息。服务层78与持久层106 -起部分地构成了分布式类 以及数据存储的集合，其提供了预测处理系统的功能。
[0147] 在一些实施例中，集群服务（crowd service)80提供类以及相关的方法和数据结 构，以用于预测处理系统的社交功能和以用户为中心（user-centric)的功能。这些类由存 储在集群数据库92中的数据和数据关系来支持。
[0148] 游戏服务82提供类以及相关的方法及数据结构，以用于预测处理系统游戏操作 的功能。这些类由存储在游戏数据库94中的数据和数据关系来支持。
[0149] 竞争服务84提供类以及相关的方法及数据结构，以用于预测处理系统竞争管理 功能。这些类由存储在竞争数据库96中的数据和数据关系来支持。
[0150] 反馈服务86提供类以及相关的方法及数据结构，以用于预测处理系统数据反馈 处理功能。这些类由存储在反馈数据库98中的数据和数据关系来支持。
[0151] 分析服务88提供类以及相关的方法及数据结构，以用于预测处理系统计算和报 告功能。这些类由存储在分析数据库100中的数据和数据关系来支持。在一些实施例中， 作为计算功能的一部分，分析服务88从其他服务提取数据。
[0152] 搜索服务90提供用于预测处理系统的搜索相关的功能。一个或多个搜索索引102 提供用于搜索服务90的支持。
[0153] 现在参见图4A至图4U，描述了根据一个示例性实施例的用于实现预测处理系统 104的集群服务80(参见图3)的各个类的一系列类框图。图6A至图6T描述了支持集群服 务类的一系列数据库表格。
[0154] Crowd: :User类502存储成员信息，并且其由CR0WD_USER数据库表格553支 持。Crowd: : Identity类517存储用于给定会员的社交身份，例如他们的FaccbookK身份、 Twitter?」身份或其他社交网络标识，并且其由CROWD_IDENTITIES数据库表格559支持。 Crowd: :Credential类516存储用户名和密码凭证，并且其由CROWN_CREDENTIALS数据库 表格564支持。Crowd: :Profile类504与CR0WD_PR0FILES表格566-起作为翻译表格， 用于存储用户姓名的各个国家特定的翻译。Crowd: :Avatar类509存储与特定成员相关联 的成员指定的图像，并且其由CR0WD_AVATARS数据库表格556支持。Crowd: :Group类511 与CR0WD_GR0UPS表格551-起存储用户的集合。Crowd: Membership类514与CR0WD_ MEMBERSHIP数据库表格563-起提供群组和用户之间的加入模型。群组可以通过成员关 系而包括许多用户。Crowd: : Inviation类513存储从一名成员到另一名成员发送的加入 群组或游戏的邀请的发送者和接收者信息，或者从一名成员到非成员以成为成员的邀请的 发送者和接收者信息。CR0WD_INVITATI0N表格550支持该类。Crowd: :SystemInvitation 类505存储到现有成员的邀请，Crowd: :SiteInvitation类507存储向非会员发出以 使其变成系统的会员的邀请。这些类都由CR0WD_INVITATI0NS数据库表格550支持。 Crowd: : :FacebookInvitation类 510 允许具有Facebo