预测处理系统和使用方法以及执行业务的方法
预测处理系统和使用方法以及执行业务的方法
【专利说明】
[0001] 相关申请的夺叉引用
[0002] 本专利申请要求申请人在先美国临时专利申请的优先权，这些在先美国临时专利 申请名称为：
[0003] 1."预测收集、发布和/或处理系统、使用方法以及执行业务的方法"，其于2012年 3月6日提交，申请号为61/607478,以及
[0004] 2. "预测收集、发布和/或处理系统，使用方法以及执行业务的方法"，其于2013年 1月10日提交，申请号为61/750906,这些临时专利申请的全部内容在此通过引用方式合并 于本申请。
[0005] 该专利文件公开内容的一部分包括或者可能包括受著作权保护的内容。著作权所 有者不反对对在专利和商标局专利文件或记录中所呈现的形式的专利文献或者专利公开 文本的影印复制，但是保留以其他形式的所有著作权。
技术领域
[0006] 本申请的技术涉及预测系统和方法，更具体地，涉及用于收集、优化和分配集群智 能（collective intelligence)的系统和方法。
【背景技术】
[0007] 政治家、财务经理、律师以及所有各种各样的人，不管是专业人士还是个人兴趣， 都一直在关注并且感兴趣于获得和讨论与现实世界事件的结果相关的概率。例如参见 James Surowiecki的"Wisdom of the Crowds (2004)"。过去收集并发布这类集群智能的 方案存在各种缺陷，并且导致难以收集预测数据以及确保从收集的预测数据中推导的数据 的准确性及质量。
[0008] 收集来自个人的预测的一个典型方案是通过使用询问进程，具体来说是通过面对 面的询问。这样的方案有以下限制，其可扩展性是在给定时间和给定地点的可用意见调查 员的数量的函数。类似地，其还依赖于询问对象在相同的给定时间和给定地点参与询问活 动的意愿及可用性。这导致了调查问题的简单化和整体调查的简短化。
[0009] 基于邮件的调查试图通过使得询问对象能够在适合他的时间回答询问问题来解 决这样的限制。虽然其部分地解决了便利的问题，但是对于对象来说其很少有动力不怕麻 烦来回答问题并且将答案返回给意见调查员。电话邀约试图再次引入直接通信的压力，但 是该方案还是有不利之处，例如意外打扰惹怒对象，从而导致有限的响应度。
[0010] 很早之前随着互联网的出现，以比通过直接交互较少干扰的方式接触大量潜在对 象成为可能。起初，通过电子邮件和电子邮件控件来提供询问。虽然一开始对于电子邮件 用户来说这还是有趣的，但是很快就变成了一种讨厌的事，其遇到了与实体邮件调查相同 的被轻视的命运。
[0011] 相对地较早以前，显示基本结果的在线调查被引入作为另一种试验并吸引个人参 与到调查和询问中的方式，特别是在诸如Facebook?等社交网络应用或服务的环境中。这 些询问一般来说非常简单和简短，但是一样的是，对于对象来说其很少有动力投入时间和 心思参加试验以提供准确的信息。在这种情况下，询问趋于极其简单，并且所产生的预测信 息在深度、准确度和可靠度方面存在诸多限制。
[0012] 商业的预测市场也已经出现，其在某种程度上作为一种解决个人参与有深度的 预测行为的动力缺失这样一个问题的尝试。许多这样的系统包括投机市场（speculative market)，其中预测的当前市场价格被解释为一事件在未来发生的概率。在这些商业市场中 使用实际货币已触犯各种法律和法规，从而导致至少在一些国家这样的系统被完全禁止。 另外，专注于交易活动而非提高推导出的信息的准确性和精确性，导致偏差和次优衍生数 据的引入。
[0013] 为了努力消除来自数据收集活动的商业偏差，还引入了虚拟预测市场。这些系统 趋向于缩小其关注点，并且传统上被归结为特定的利基市场。这些虚拟预测市场受限于它 们可以主控和管理的预测的类型，缺乏必要的激励机制以鼓励用户持续参与，并且一般来 说在没有昂贵的第三方咨询的帮助下，无法向终端用户或群组提供以创建他们自己的私人 解决方案。另外，这些系统通常还需要用于数据解释的收集后的咨询服务，并且这些系统依 赖于临时解决方法，这使得在理解所得到的数据和将系统扩展到新市场方面，虚拟预测市 场是耗时且昂贵的。
[0014] 虚拟预测市场的游戏化已被用作试验并增加使用这类系统时的兴趣和参与度的 一种机制。这些游戏化系统趋向于变得非常简单，仅具有极有限的预测类型，其关注点趋向 于系统的游戏方面。它们通常采用交易模型，该交易模型承受与前面提及的商业预测市场 解决方案相同的缺点。这种简单系统未与诸如博客、订阅器、搜索引擎和分析系统等外部服 务广泛地且可定制地集成，其也不能够提供足够的动力以用于扩展的高容量的参与。因此， 缺少足够的参与以生成有用的聚合的集合概率，并且缺少发布这些数据的需求，因此不能 够实质上货币化数据公开。
【发明内容】
[0015] 申请人相信，他们已经发现了以上所提及的现有系统的至少一种或多种问题和要 点，以及由本说明书中公开的系统的不同实施例所提供的一个或多个优点。
[0016] 简而概之，本发明提供了新颖的预测收集、发布和/或处理系统，使用这样的系统 的方法，以及使用这样的系统执行业务活动的方法。在一些实施例中，该系统被实现为一种 游戏，其中至少一些游戏玩家提供关于未来事件的预测。该系统可以收集、处理和/或发布 预测数据和/或参与者做出的基于预测的衍生数据。在一些实施例中，参与者可以基于他 们的表现或其他原因接收特定奖励，例如非基于表现的奖励以激励参与。
[0017] 在某些实施例中，一种自动预测收集、发布和/或处理系统允许第三方创建他们 自己的预测游戏。访问这些第三方游戏可被限制为用户、玩家和/或观察员的子集。在这 些实施例中的一些实施例中，这些专用游戏可被用来仅基于参与专用游戏的玩家生成获胜 概率。在一些应用中，可将共同分享竞赛、参赛者和主张的专用和公用游戏向上汇总为通用 的获胜概率统计。一些系统可以提供用于创建和加入专用游戏的简单机制，其可以基于参 与者相互熟悉的群组内的可视性来促进成员关系并增加参与动力。在一些应用中，可以收 费以给予从发布和/或全局获胜概率计算中排除专用游戏的特权。
[0018] 在一些情况下，可以允许多种竞争形式，例如平衡玩家资源和/或要求所有玩家 提交最少数量的预测。这些形式中的一些可以避免引入失真，其作为由控制不成比例的注 数的玩家子集差别加权的结果。其中一些要求最小预测集合，这有助于激励玩家针对选择 看似较低获胜概率的选项提供较多的想法。在一些应用中，这可能会提高针对给定比赛的 获胜概率数据。
[0019] 在某些情况下，允许用户提交单张选票来提交挑选。在一些这种实例中，投票成本 是可变的，但是用于游戏中的所有投票的注数保持相等。在一些应用中，这可以避免因玩家 提交多张投票而发生的不成比例加权，同时允许用户享有与他们的利益相一致的风险量， 但又不影响获胜概率计算的完整性。
[0020] 在一些情况下，预测处理系统可以向游戏玩家或其他人提供访问预测和/或衍生 数据的权限。在一些实施例中，衍生数据可提供游戏玩家的识别或游戏玩家的特征，例如 在游戏玩家中谁最好的做出预测。如果需要的话，可向较好的做出预测的游戏玩家提供相 对于其他玩家来说与他们的预测相应的额外注数。这些额外注数可以以均等量或不等量分 配，这取决于玩家相比于其他玩家（例如其他得分高的玩家）的表现水平。在需要时，玩家 的这些注数的附加应用可以加权得分高的参与者的预测，从而得到更优化的衍生数据，例 如针对特定事件的获胜概率计算。
[0021] 在一些实施例中，预测处理系统可以提供主游戏实例。在一些实施例中，主游戏实 例可以作为用于生成系统的所有用户可用的全局游戏实例的模板。在某些实例中，模板游 戏可以进一步用来支持为被识别的游戏玩家群组可用的一个或多个主导（hosted)游戏实 例的实例化。在一些实例中，这些主导的实例可以是专用于被识别的游戏玩家的群组。可 以将有关于一些应用的一个或多个专用游戏的预测数据及衍生数据与预测数据和全局群 组的衍生数据组合起来，从而生成参与游戏的玩家的综合获胜概率信息。
[0022] 在某些实例中，响应于包含事件数据的输入数据反馈和/或响应于用户手动地提 供游戏配置信息，游戏的生成可以自动地产生。在某些实例中，启用自动的游戏生成和用户 生成的游戏增加了覆盖不同游戏种类的可用游戏的数量，从而增加了参与度。允许用户生 成的专用游戏可以增加初始会员，这通常又可以反过来增加系统的整体参与度。
[0023] 在一些实例中，预测处理系统可以收集并处理预测数据、和/或衍生数据，该衍生 数据基于由游戏玩家或被识别的游戏玩家的群组做出的预测所得到，并且预测处理系统向 游戏玩家、被识别的游戏玩家的群组和/或其他人提供访问这样的预测数据或衍生数据的 权限。在某些实施例中，衍生数据可提供游戏玩家的标识或者游戏玩家的特征，例如在游戏 玩家中谁最好的做出预测。
[0024] 在一些实施例中，群组的成员被动态地改变，例如，当响应于一个或多个成员在先 前程序中的预测准确性、表现和/或参与度变化而修改代表在游戏玩家中谁最好的做出预 测的群组的成员时。在一些应用中，可以基于由这些动态改变的群组的成员所作出的预测 而生成预测数据和衍生数据，并且这样做可以提供比基于所有游戏玩家而生成的同一数据 更高的准确度。
[0025] 在一些实施例中，预测处理系统允许游戏玩家预测其他游戏玩家的表现。在一些 应用中，给定游戏玩家的评级可以通过一个或多个对关于给定游戏玩家的预测表现做出预 测的游戏玩家来影响和/或确定。在一些应用中，可以通过对一个或多个玩家给出的关于 给定游戏玩家的预测表现的预测进行加权来进一步影响和/或确定该评级。在某些实例 中，这些对于游戏玩家的预测的类型可以通过更深入的接触有利于参与，和/或向玩家提 供更直接的满足，从而鼓励增加的整体参与度。
[0026] 在某些实例中，预测处理系统包括一个或多个反馈机制，在某些应用中，这些反馈 机制例如通过向被识别的游戏玩家的群组提供额外的预测和导出的衍生信息来影响获胜 概率生成的质量，这些额外的预测和导出的衍生信息全部或部分来自以下的一个或多个：
[0027] 1.由具有高于特定阈值的准确度的游戏玩家所做出的预测；
[0028] 2.由自我识别为一类别、事件或事件参与者的爱好者的游戏玩家做出的预测；
[0029] 3.由具有高于特定阈值的准确度的、自我标识为一类别、事件或事件参与者的爱 好者的游戏玩家做出的预测；和/或
[0030] 4.由在最近游戏中的表现处于或高于被识别水平的游戏玩家做出的预测；
[0031] 5.由达到一游戏玩家评级的游戏玩家做出的预测，例如同行信心指数位于或超出 被识别的水平）。
[0032] 在一些实施例中，可基于由被识别的玩家群组所做出的预测生成多个获胜概率集 合。例如，可以有一个基于由所有用户做出的预测的概率集合，另一个基于仅由专家做出 的预测的获胜概率集合，以及再一个基于由专家和爱好者的组合做出的预测的获胜概率集 合。另一种类型的信息可包括加权的获胜概率，其中获胜概率计算基于每个参与者的历史 准确度而区分地加权每个参与者的预测。看到多种获胜概率集合的资格本身是附加的信 息，如果需要的话，其是可设置为对高得分参与者可见。这种过程，即基于表现动态地对参 与者进行分组、为表现更好的参与者提供附加信息、因为表现更好的参与者具有更好的信 息从而可以生成更精确和准确的获胜概率、以及将这些信息反馈到表现更好的参与者，在 至少一些系统中创建正反馈系统，其可以提高随时间的获胜概率计算的准确性，并且可以 允许表现更好的玩家获得更高水平的预测准确度。
[0033] 在某些实例中，反馈机制可以包括辅助预测加权，其由在游戏玩家群组中最好的 做出预测的游戏玩家和/或被识别的接收附加预测和衍生信息的游戏玩家群组的成员进 行。在一些实施例中，这种辅助加权可以增加由表现更好的玩家做出的预测的影响，从而可 能提高预测和衍生数据的准确度。
[0034] 在这些系统中的一些系统中，玩家可以购买高级级别称号，其包括访问附加预测 和/或衍生信息的权限。在一些实例中，基于在预定的程序集合内的预定数量的前几个程 序中超过得分阈值，玩家可以被提升至高级级别。玩家未达到阈值或者没有参加预定程序 集合内的所需数量的程序，则将玩家降到标准级别。在一些系统中，这种类型和/或其他类 型的玩家分类级别仅基于，或者至少多数仅基于由参与高级级别游戏的玩家做出的预测而 生成获胜概率。在一些应用中，这些类型的获胜概率比使用标准等级池生成的概率更加准 确。此外，在一些应用中，基于成就的排名（achievement-base tier)提供了额外的动力以 参加和竞争，从而增加参与的深度、广度和持续时间。在一些实例中，高级级别玩家可被授 权访问独有的高级级别评论线程；并且在一些应用中，这可以进一步培育独占感和/或促 进实现的愿望。
[0035] 在一些实施例中，预测处理系统包括提议框架，其可表示、存储、处理和解决宽泛 的预测集合。该框架可以针对特定类型的预测，例如一个或多个事件参与者的表现、事件结 果和/或覆盖一个或多个事件的预测的组合。在一些实施例中，这种建模框架的存在可以 支持以系统自有或扩展的方式解决多种类型的常规和自定义预测，从而避免依赖特设（ad hoc)结构和方法来表示和解决预测。改进的可扩展性的另一优点是能够快速地和广泛地提 供到达未及市场的游戏。这可以征求和授权相关的爱好者团体，一方面考虑吸引他们加入 游戏活动，另一方面还向他们提供传统媒体普遍忽视的其感兴趣的新闻。可以以收费的方 式向未及的爱好者提供这些类型的活动和资源。
[0036] 在一些实例中，系统允许对程序的创建和关联分类。在这些实施例中的一些中，分 类被进一步关联于一个或多个模板提议。可以基于与事件的分类相关联的一个或多个模板 提议自动地生成针对特定事件的主张。这支持针对终端用户的以及针对生成反馈的游戏简 化地创建游戏。
[0037] 在一些应用中，该系统可向消费者发布集群智能数据，例如预测信息和/或衍生 信息。这些消费者包括个人、企业、学校、博客、社交网络、邮件列表、新闻阅读器、搜索引擎 和/或分析系统。在这些实例中某些实例中，该信息可被发布为订阅消费者可用的数据反 馈，从而在一些应用中提供关于现实世界事件的实时信息和/或更新。在某些实例中，这些 反馈可以是诸如XML反馈这样的结构化数据流，从而提供易于被消费者系统接收、解析、处 理和/或显示的格式。
[0038] 如果需要的话，本文所公开的系统和方法的所有这些和其他方面可被用来执行业 务活动以产生收益。这样的收益资源可以包括，例如：
[0039] 1.对预测信息和相关衍生信息的订阅；
[0040] 2.游戏内购买；
[0041] 3.游戏和信息的高级级别的收费访问；
[0042] 4.用于企业、政府、非盈利组织和其他人的托管专用实例；
[0043] 5.广告；和/或
[0044] 6?收费专用游戏。
[0045] 应当理解的是，
【发明内容】
记载了本说明书的一些方面，但无论是【背景技术】还是发 明内容都是不意图限制本发明。本说明书还有许多其它新颖的和有利的方面，并且这些随 着本说明书的继续将变得更明显。在这方面，基于本说明书的所公告的权利要求范围由所 公告的权利要求所确定，而不是由它是否解决了【背景技术】中说明的问题或者提供了发明内 容中记载的特征、问题解决方案或优点所确定。
【附图说明】
[0046] 附图中公开了申请人的优选和其他实施例，其中：
[0047]图1是根据一个示例性实施例的在其中可以实现预测处理系统的计算机网络或 类似的数字处理环境；
[0048] 图2是在图1的计算机网络中使用的计算机的内部结构的框图；
[0049] 图3是在图1的实施例中的预测处理系统的应用层框图；
[0050] 图4A至4U是图3的集群服务（crowd service)的多种分类的一系列分类框图；
[0051] 图5是支持图3的集群服务的分类的相关分类框图；
[0052] 图6A至6T是图3的集群数据库的多种表格的一系列框图；
[0053] 图7A至7Y是图3的游戏服务的多种分类的一系列分类框图；
[0054] 图8是支持图3的游戏服务的分类的关联框图；
[0055] 图9A至9J是图3的游戏数据库的多种表格的一系列框图；
[0056] 图10A至10U是图3的竞争服务的多种分类的一系列分类框图；
[0057] 图11是支持图3的竞争服务的分类的具体关联框图；
[0058] 图12A至12S是图3的竞争数据库的多种表格的一系列框图；
[0059] 图13是图3的分析服务的多种分类的关联分类框图；
[0060] 图14A至14F是图3的分析数据库的多种表格的一系列框图；
[0061] 图15是游戏实例的关联框图；
[0062] 图16是用于图3中所示的一些服务的游戏解决逻辑的流程图；
[0063] 图17A是由图3的反馈服务处理的站内美联社? XML反馈的示例；
[0064] 图17B是由图3的反馈服务处理的站内全球体育媒体@:乂]\^反馈的示例；
[0065] 图18是用于处理图3的游戏服务中的将获胜提议的过程的流程图；
[0066] 图19是用于处理图3的游戏服务中的比较提议的过程的流程图；
[0067] 图20是用于处理图3的游戏服务中的在排序时将会是第一名的提议的过程的流 程图；
[0068]图21是用于处理图3的游戏服务中的在范围内将会获胜的提议的过程的流程 图；
[0069] 图22是用于处理图3的游戏服务中的具有差距的第一名的提议的过程的流程 图；
[0070] 图23是用于处理图3的游戏服务中的具有获胜百分比的获胜的提议的过程的流 程图；
[0071] 图24是用于处理图3的游戏服务中的将打平的提议的过程的流程图；
[0072] 图25是 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 ok*:凭证的成员通过Facebook8」 界面发送邀请到他们的Facebook'好友。CR0WD_INVITATI0NS数据库表格550支持该类。Crowd: :UserInvitation类512将多名成员加入到系统邀请，其由CR0WD_USER_INVITATI0N 数据库表格557支持。Crowd: :Friendship类519将一些成员与另一个成员相关联，其由 CR0WD_FRIENDSHIP数据库表格565支持。
[0155] Crowd: :Followship类520允许一名成员跟随另一名成员的活动，其由CR0WD_ F0LL0WSHIP数据库表格568支持。Crowd::Comments类505存储涉及群组和游戏的用户评 论。CR0WD_C0MMENTS数据库表格560支持该类。Crowd: :Badge类501储存处多种类型的基 于表现的成员奖励，其由CR0WD_BADGES数据库表格552支持。Crowd: :Badging类503将特 定类型的徽章授予成员。CR0WD_BADGINGS数据库表格567支持该类。Crowd: Activities类 508和 / 或Crowd: : TimelineEvent类515分别与CR0WD_ACTIVITIES表格562和TMELINE_ EVENTS表格554-起存储用户的活动。Crowd: :Page类518存储网页页面使用的内容，其 由CR0WD_PAGES数据库表格561支持。Crowd: :Rewards0bserver类521是观察员群组和评 论以确定是否给予基于社交活动的成员等级的徽章或奖励的公用类。
[0156] CR0WD_PAGE_TRANSLATI0NS数据库表格555存储基于场所的页面类内容的翻译。 TAGS数据库表格569存储用于各个类的分类标签，接下来可将这些分类标签通过TAGGINGS 数据库表格558关联到可标记对象。
[0157] 现在参见图6,使用标准UML连接器类型来描述用于图4A至图4U中的集群服务类 的详细的类关系。
[0158] 参见图7A至图7Y，描述了用于实现根据一个示例性实施例的预测处理系统104的 多种游戏服务的类（参见图3)的一系列类框图。图9A至9J描述了支持游戏服务类的一 系列数据库表格。
[0159] Play: :Proposal类712提供用于解决预测的处理模型（settlement model)，其由 PLAY_PR0P0SALS数据库表格755支持。
[0160] Play: :ProposalWillWinWithHigherPercentageOn类701 实现用于图 23 的具有较 高百分比将会获胜的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。
[0161] Play: :ProposalCoverSpreadOn类704实现用于图26的覆盖范围提案类型的处 理模型。PLAY_PR0P0SALS数据库表格755支持该类。Play: :Compare0n类702实现用于图 19的比较的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。
[0162] Play: :ProposalWillWinInRangeOn类705实现用于图21的在该范围内将会获胜 的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。
[0163] Play: :ProposalFirstWithDifference类703实现用于图 22 的具有差距的第一名 的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。
[0164] Play: :ProposalWillBeFirstWhenSortedOn 类 706 实现用于图 20 的当排序 时将是第一名的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。 Play ::Proposal WillTie类707实现用于图24的将打平的提议类型的处理模型。PLAY_ PROPOSALS 数据库表格 755 支持该类。Play: :ProposalOperationalCompare 类 711 实现用 于图25的操作比较的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。 Play: :ProposalWillWin类708实现用于图18的将会获胜的提议类型的处理模型。
[0165] Play: :ProposalWillWinInRange类709实现用于图21的在该范围内将会获胜 的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。Play ::Parlayable 类710是将可连赢（parlayable)的提议加入到预测的加入模型。Play::Proposition 类713是将预测与提议捆绑的加入模型，其由PLAY_PR0P0SITI0NS数据库表格759支持。 Play: Prediction类715存储对于给定参赛、竞赛或程序来说给定主张将成真的声明。 PLAY_PREDICITIONS数据库表格751支持该类。Play: :Game类714存储程序的可玩实例， PLAY_GAMES数据库表格750支持该类。Play: :Ticket类717存储用于对于给定游戏的所 有用户选择。PLAY_TICKETS数据库表格752支持该类。Play ::Pick类718存储投给给定 预测的钱币数量，其由PLAY_PICKS数据库表格754支持。Play: : Pool类716存储针对一竞 赛投给给定主张的钱币总数量。PLAY_P00LS数据库表格758支持该类。Play: Expertise 类719存储在一给定分类下由用户玩的所有游戏，以及用户所有获胜的游戏和输的游戏。 PLAY_EXPERTISE数据库表格756支持该类。Play: :Fandom类720存储对于给定参赛者的 所有预测和所有正确预测。PLAY_FAND0MS数据库表格757支持该类。Play: : Standing类 725存储用户的赚的奖金钱币、排名、总分数和全球前十名的分数。PLAY_STANDINGS数据库 表格753支持该类。
[0166] Play: :Prediction类721是用于解决和更新挑选的替换类。 Play: :Program0bserve;r类722程序关闭状态的出现，接着更新和清算游戏及相关票。 Play: :Raceobserver类723监视竞争并依照检测到的改变更新票。
[0167] 现在参见图8,使用标准UML连接器类型描述用于图7A至图7Y中的游戏服务类的 详细类关系。
[0168] 参见图10A至图10T，描述了用于实现根据一个示例性实施例的预测处理系统104 的竞争服务84(参见图3)的各种类的一系列的类框图。图12A至图12S描述了支持游戏 服务类的一系列数据库表格。
[0169] Competition: :Program类611 存储竞赛的集合，其由 C0MPETITI0N_PR0GRAMS数据 库表格650支持。Competition: :Race类612存储可以做出预测的对象。
[0170] C0MPETITI0N_RACES 数据库表格 652 支持该类。Competition: :Racable 类 613 是 将一个竞赛加入到程序中的加入模型。C0MPETITI0N_RACABLES数据库表格667支持该类。 Competition: :Runner类616存储属于一竞赛的对象，可对其做出预测。
[0171] C0MPETITI0N_RUNNERS 数据库表格 651 支持该类。Competition: :Run 类 617 将参 赛者关连到竞赛。C0MPETITI0N_RUNS数据库表格654支持该类。
[0172] Competition: :RunData数据类618存储关于在竞赛中参赛者的表现的附加数据， 其由 C0MPETITI0N_RUN_DATA 数据库表格 661 支持。Competition: :Tour 类 601 将竞争加 入到巡回赛，并且允许群组竞争的组织。C0MPETITI0N_T0URS数据库表格658支持该类。 Competition: :Tourable类609是将竞争加入到巡回赛的加入模型，其由COMPETITION# T0URABLES数据库表格665支持。Competition: :Category类602存储对象的类别，其由 C0MPETITI0N_CATEG0RIES 数据库表格 657 支持。
[0173] Competition: :Categorization类607是将可分类对象加入类别的加入模型。
[0174] C0MPETITI0N_CATEG0RIZATI0NS 数据库表格 663 支持该类。Competition: :Area 类603存储地理区域，其由C0MPETITI0N_AREAS数据库表格653支持。
[0175] Competition: :Areazation类619是将对象绑定到区域的加入模型。
[0176] C0MPETITI0N_AREAZATI0NS 数据库表格 664 支持该类。Competition: :Player 类 604存储关于作为参赛者参加竞赛的个人的信息。C0MPETITI0N_RUNNERS数据库表格651 支持该类。Competition: :Competition类605是用于重现事件的高层次组织结构，其由 C0MPETITI0N_C0MPETITI0N 数据库表格 656 支持。Competition: :Team 类 606 存储作为参 赛者集合的竞赛参与者。Competition: :Teaming类608是将一名参赛者绑定到队伍的加入 模型，其由C0MPETITI0N_TEAMINGS数据库表格666支持。
[0177] Competition: : Season类610 按时间段组织程序。C0MPETITI0N_SEAS0NS数据库表 格支持该类。Competition: :Location615存储给定位置的炜度和经度，其由COMPETITION# LOCATIONS数据库表格659支持。Competition: :Label614存储于对象相关联的标签，其由 C0MPETITI0N_LABELS 数据库表格 662 支持。
[0178] Competition: :ProgramSpliter类621是将具有大量竞赛的大型程序分割成具有 较少数量竞赛的较小程序的公用类。TAGS数据库表格668存储用于各个类的分类标签，然 后可将这些分类标签通过TAGGINGS数据库表格660关联到可标记对象。
[0179] 现在参见图11，使用标准UML连接器类型描述了用于在图10A至图10T中描述的 竞争服务类的详细的类关系。
[0180] 现在参见图13,描述了用于实现根据一个示例性实施例的预测处理系统104的分 析服务88(参见图3)的各种类的详细的类关系框图。使用标准UML连接器类型描述类关 系。图14A至图14F描述了支持分析服务类的一系列数据库表格。
[0181] Analytics: :Group类1302存储给定程序的玩家的特定子集，其由ANALYTICS_ GROUPS数据库表格230支持。群组是基于期望的群组过滤标准的分类子集。 Analytics: :GroupGroup类1309存储基于玩家所属的集群群组的分析分组。
[0182] ANALYTICS_GROUPS 数据库 230 支持该类。Analytics: :FanGroup 类 1308 存储对 于给定程序中的每一个参赛者的所有爱好者的分析分组。ANALYTICS_GROUPS数据库230支 持该类。Analytics: :ExpertGroup类1306存储对于给定程序类别的所有专家的分析分组。 ANALYTICS_GROUPS数据库表格230支持该类。
[0183] Analytics: :NationalGroup类1307存储基于国家的玩家分析分组。
[0184] ANALYTICS_GROUPS 数据库表格 230 支持该类。Analytics:: Program 类 1301 存 储到 Competition: :Program 类 611 (参见图 10K)的指针，其由 ANALYTICS_PROGRAMS 数 据库表格234支持。Analytics: :User类1310存储到Crowd: :User类502 (参见图4B) 的指针，其由 ANALYTICS_USERS 数据库表格 232 支持。Analytics: Membership 类 1305 是将用户绑定到群组的加入模型。ANALYTICS_MEMBERSHIP数据库表格228支持该类。 Analytics: :PropositionPool类1303存储给定分析群组关于给定竞赛的给定主张的总体 加权。ANALYTICS_PR0P0SITI0N_P00L数据库表格224支持该类。
[0185] Analytics: :PredictionPool类1304存储由给定分析群组的成员做出的关于给 定预测的加权的总数量。ANALYTICS_PREDICTI0N_P00L数据库表格226支持该类。
[0186] 现在参见图15,玩家1008可以做出关于未来事件的结果的预测1004。在一些实 施例中，玩家通过进行挑选1006来做出预测，其中挑选1006指示玩家关于他们希望的未来 事件的结果的观点。挑选1006是针对参赛者的。参赛者可被认为是参与事件的任何主体。 例如，如果一个人预测移动设备将卖得比个人计算机多，则移动设备和个人计算机将是参 赛者，而玩家挑选了移动设备。
[0187] 挑选参赛者发生在竞赛1002的环境中。竞赛1002是存在针对参赛者的互斥结果 的竞争环境。这些互斥的结果作为参赛者的参赛1003的结果。在上述最佳销售计算设备 的例子中，存在两个参赛1003。一个参赛是售出的移动设备。相对的参赛是售出的个人计 算机。这两个参赛1003构成了竞赛1002。
[0188] 程序1001可包括一个或多个竞赛1002。玩家1008可提交与给定参赛1003、竞赛 1002或程序1001相关联的一个或多个挑选1006。在预测处理系统中呈现的预测1004是 关于参赛1003的真/假的声明。对一参赛1003所做出挑选1006由玩家1008通过预测 1004方式对特定参赛1003的参赛者投注游戏内货币构成。在一些应用中，预测处理系统包 括连赢（parlay) 1005,其可以将一个或多个预测1004组合进单个挑选1006中。如果预测 声明为真，或者在连赢情况下，当所有需要的预测声明都为真，则用户的挑选将被认为是正 确的。玩家通过提交挑选1006的选票1007将一个或多个挑选应用于一个或多个参赛者。 在一些实施例中，在单张选票1007中提交关于所有游戏的所有挑选1006。
[0189] 现在参见图16,描述了支持图15的游戏的操作的处理逻辑。在示例性实施例中， 通过检测竞赛关闭来触发处理。在某些实例中，通过反馈服务86(参见图3)从包括竞赛数 据的外部系统接收数据反馈。为特定反馈的格式定制的反馈解析器解析反馈1602的内容， 并且确定竞赛是否关闭1603。如果竞赛关闭，贝1」竞争服务84 (参见图3)关闭竞赛1604。 通过设置针对参赛 1605 的 Competition: :Run. placement、Competition: :Run. score 和 Competition: :Run. winner来处理参赛。在一些实施例中，通过游戏服务82 (参见图3)来管 理额外的处理。游戏服务82方法通过收集针对与竞赛相关联的所有参赛预测的全部特有 主张，从而计算主张是否为真，并且相应地设置Play: :Prediction. satified 1606、1607、 1608U609来处理主张和相应的预测。竞争服务84(参见图3)方法接下来通过收集对所 有预测的挑选，并且计算每个挑选赢得的钱币1610U611来处理与选票相关联的挑选。游 戏服务82方法接下来收集所有选票并且计算选票所赢得的总钱币、准确性、得分和配置 1612、1613〇
[0190] 一旦完成了处理过程的这一部分，竞争服务84确定竞赛是否是程序1614中的最 后竞赛，并且如果是的话，则将关闭程序1615 ;其中假设该程序是程序集合1626、1627中最 后的程序。在一些实施例中，由游戏服务82来管理额外的处理。游戏服务82方法通过使 用挑选权重、获胜概率和游戏池来计算赢得的钱币，更新投票分数、配置、前十名分数、准确 性和奖金1616、1617、1618,从而关闭游戏。游戏服务82方法接下来关闭投票，并且计算任 何最终值1619。
[0191] 一旦完成处理，集群服务80 (参见图3)方法就更新玩家数据，其包括赢得的钱币、 准确性得分、勋章和/或徽章1620、1623。这些方法进一步通过诸如电子邮件或社交网络中 的消息这样的机制1621、1622、1624、1625通知玩家和/或第三方。
[0192] 现在参见图17A，其示出了一个美联社8IXML反馈的示例。在一些实例中， 反馈服务86(参见图3)针对来自特定源的反馈类别提供定制的解析类。当从给定源 接收到反馈时，可以根据反馈内容确定反馈类别。在该示例中，反馈服务86可以提供 Feeder: :Parser: :Ap: :Election类以处理美联社''5:XML反馈格式的票选反馈。该示例包括 Shelley Berkley是赢家的标示，其指示比赛被关闭。这样可以用来触发如图16所述的处 理过程。现在参见图17B，其示出了示例全球体育媒体?:XML反馈。这里，反馈服务86可以 提供Feeder: :Parser: :GSM: :Baseball类以处理全球体育媒体?: XML反馈格式的反馈。
[0193] 在一些实施例中，所提供的提议框架包括针对主张建模的多种类型的提议。在一 些实例中，提供将会获胜提议（Will Win proposal)类型。该提议类型确定某个参赛者 是 否是一组参赛者之中的竞赛冠军。使用将获胜提议类型的主张示例包括"Meryl Stre印将 获得最佳女配角"，"Tiger Woods将以第一名结束大师赛第一回合"，"洋基队得分将超过大 都会队"。可以顺序的应用一个或多个测试以确定获胜者。
[0194]现在参见图 18，Play: :Proposal 类支持 Play: :ProposalWillWin 对象的实例 化，Play: :ProposalWillWin对象可以具有零个或更多与其相关联的Play: :Proposition 对象。当通过Play: :Proposition对象处理与Play: :ProposalWillWin对象相关 联的预测时，Play: :ProposalWillWin对象被加载到存储器1801中。处理方法解 析 Play: :ProposalWillWin. configuration 属性 1802，并且取得 sort_with 运算符 1803。在一些实施例中，第一次测试确定参赛是否产生获胜者1804。如果评估为真， 接下来将Play: :Prediction. satisfied设为真，并且不进行进一步的测试。如果参 赛没有产生获胜者，则接下来执行额外的测试。在某些实施例中，没有清楚地标明获 胜者，则执行第二次测试以确定一个参赛的排名是否高于其他参赛1805。如果评估为 真，接下来将Play: :Prediction. satisfied设为真，并且不进行进一步的测试。如果 Competition: :Run. placement并没有指示该参赛处于第一的位置，接下来要执行第三次测 试以确定该参赛的得分是否高于任何其他参赛1807。对于该测试，根据s 〇rt_With运算符， 基于Competition: :Run. score属性对所有参赛计分进行排序1806,接下来评估列表以确 定该参赛是否处于列表中第一的位置1807。s〇rt_ With运算符可指示一降序顺序，或者给 出升序的顺序，假设在一些类别中低分比高分要好（例如高尔夫）。如果该参赛处于列表中 第一的位置，将Play: :Prediction. satisfied设为真1808。如果该参赛不是处于列表中第 一的位置，将Play: Prediction, satisfied设为假1809,这表示该参赛并非获胜者，并且 预测没有得到满足。在另一个实施例中，这一系列测试还可以包括额外的测试。
[0195] 在一些实例中，比较提议（Compare On Proposal)类型被提供为提议框架的一部 分。该提议类型使用给定比较运算符来将比赛的给定属性与给定目标值进行比较。使用该 提议类型的主张的例子包括"洋基队的得分将超过五支队伍"和"新iPhon，啲价格将低于 500美金"。
[0196]现在参见图 19，Play: :Proposal 类支持 Play: :ProposalCompare0n 对象的实例 化，Play: :ProposalCompare0n对象可具有零个或更多与其相关联的Play: :Proposition 对象。当通过Play: :Proposition对象处理与Play: :ProposalCompare0n对象相关 联的预测时，Play: :ProposalCompare对象将被加载到存储器中1901。处理方法解析 Play: :ProposalCompare0n. configuration属性1902,并且取得属性、比较运算符和目标 值（操作数）1903。执行一个检查以确定该比赛是否包括用于给定属性的值1904。如果没 有检测到值，可以生成指示没有数据用于给定属性的错误1905。如果检测到值，则接下来根 据比较运算符将属性值与操作数相比较1906。如果操作数是文本，则比较方法可以按字母 排序进行统计。如果比较估计是真1907,则Play: :Prediction. satisfied被设为真1908。 如果比较估计为假，则Play: :Prediction. satisfied被设为假1909,这指示不满足预测。
[0197] 在一些实例中，提供当排序时将会是第一的提议（Will Be First When Sorted On Proposal)类型作为提议框架。该提议类型确定当对给定属性进行排序时给定参赛是 否处于第一的位置。使用提议类型的主张的例子包括："Ivan Lendl将成为王牌"和"Jonh Kerry将得到最多投票"。
[0198]现在参见图 20，Play: :Proposal 类支持 Play: :ProposalWillBeFirstWhenSort edOn对象的实例化，Play: :ProposalWillBeFirstWhenSortedOn对象具有与其相关联的 Play: :Proposition对象的零个或更多实例。当通过Play: :Proposition对象处理与Play: :ProposalWillBeFirstWhenSortedOn 相关联的预测时，Play: :ProposalWillBeFirstWhenS ortedOn对象被加载到存储器中2001。处理算法解析Play: :ProposalWillBeFirstWhenSor tedOn. configuration属性2002,并且取得要被排序的属性和sort_with运算符2003。执行 一个检查以确定该参赛是否包括用于给定属性的值2004。如果没有检测到值，可以生成指 示没有数据用于给定属性的错误2005。如果检测到值，则执行一个检查以检查属性值是否 为数字2006。如果检测到非数字，则可以生成指示数据对于给定属性无效的错误2007。如 果检测到数字，则针对一个竞赛的所有参赛可基于给定属性2008来分组，并且根据sort_ with运算符顺序地排序2009。该方法接下来分析第一群组以确定其是否包括参赛2010。 如果其确实包括该参赛，Play: :Prediction. satisfied被设为真2711。如果其确实不包括 该参赛，Play: :Prediction. satisfied被设为假2012,这指示不满足预测。
[0199] 在一些实施例中，在范围内将会获胜的提议（Will Win In Range On Proposal) 类型被提供为提议框架的一部分。该提议类型估计竞赛的给定属性以确定其是否处 于由给定下限值和给定上限值所定义的给定范围内。使用该提议类型的主张的例子 是"Tiger Woods将在前五位完成者中"。现在参见图21，Play: :Proposal类支持 Play: :ProposalWillWinInRangeOn 对象的实例化，Play: :ProposalWillWinInRangeOn 对象具有与其相关联的Play: : Proposition对象的零个或更多实例。当通过 Play: :Proposition 对象处理与 Play: :ProposalWillWinInRangeOn 对象相关联的预 测时，Play::ProposalWillWinInRangeOn对象被加载到存储器中2101。处理方法解析 Play: :ProposalWillWinInRangeOn. configuration 属性 2102,并且取得 range_on 属性、范 围上限值和范围下限值2103。处理方法将用于竞赛的所有参赛按range_〇n属性2104进行 分组，并且提取range_on属性处于由给定下限值和给定上限值所定义的范围内的所有参 赛群组2105。该方法将在提取的群组中的参赛转换为参赛列表2106,并且确定该参赛是否 包括在参赛列表中2107。如果其确实包括该参赛，Play: :Prediction. satisfied被设为真 2108。如果其确定不包括该参赛，Play: :Prediction. satisfied被设为假2109,这指示不 满足预测。
[0200] 在某些实例中，具有差距的第一名的提议（First With Difference On Proposal) 类型被提供为主张框架的一部分。该提议类型比较参赛的给定属性和下一个最接近的参赛 的相同属性，并且确定在这两个属性之间的差异是否大于、小于或等于给定数量。使用该提 议类型的主张例子包括"Mario Andretti将超过至少10秒"和"大都会队将比洋基队多5 个失误"。
[0201] 现在参见图 22，Play: :Proposal 类支持 Play: :ProposalFirstWithDifferen ceOn对象的实例化，Play: :ProposalFirstWithDifferenceOn对象具有与其相关联的 Play: :Proposistion对象的零个或更多实例。当通过Play: :Proposistion对象处理与P1 ay: :ProposalFirstWithDifferenceOn 对象相关联的预测时，Play: :ProposalFirstWithDi fferenceOn对象被加载到存储器中2201。处理方法解析Play: :ProposalFirstWithDiffe renceOn. configuration属性2201，并且取得属性、比较运算符、sort_with运算符、运算数 和winner_required属性2203。winner_required属性指示参赛是否必须是竞赛获胜者。 处理方法确定winner_required属性是否被设为真2204,如果是，确定Competition: : Run. winner是否等于真2205。如果确定了该参赛并非获胜者，则接下来Play: :Prediction. satisfied被设为假，这指示不满足预测2213。如果winner_required为假，或者如果确定 了该参赛是获胜者，接下来该方法继续进行比较。该方法将所有参赛按给定属性2206进行 分组，接下来依照s〇rt_with运算符2207排序群组。如果确定了该参赛并非处于第一群 组2208,则接下来Play: :Prediction. satisfied被设为假，这指示不满足预测2213。如 果该方法确定该参赛处于第一群组，其取得在群组列表中的下一个群组的属性2209,就计 算第一群组属性和第二群组属性之间的差异2210,并且根据比较运算符比较结果和运算数 2210。如果该方法确定比较估计为真2211，Play: :Prediction, satisfied被设为真2212。 如果该方法确定比较估计为假2211，Play: :Prediction. satisfied被设为假2213,这指示 不满足预测。
[0202] 在一些实施例中，具有获胜百分比的获胜的提议（Will With Percentage On Proposal)类型被提供为提议框架的一部分。该提议类型确定参赛是否是一竞赛中的第一， 其中所有参赛被按照两个给定属性的分数（fraction)进行排序。使用该提议类型的主张 例子包括"Ivan Lendl更有机会赢得第一名"和"波士顿棕熊队的守门员能扑救更多射正 的射门"。
[0203]现在参见图 23，Play: :Proposal 类支持 Play: :ProposalWillWinWithHigherPer centageOn 对象的实例化，Play: :ProposalWillWinWithHigherPercentageOn 对象具有与 其关联的Play: :Proposition对象的零个或更多实例。当通过Play: :Proposition对象 处理与 Play: :ProposalWillWinWithHigherPercentageOn 对象相关联的预测时，Play: :P roposalWillWinWithHigherPercentageOn对象被加载到存储器中2301。该处理方法解析 Play: :ProposalWillWinWithHigherPercentageOn. configuration 属性 2302,并且取得分 子属性、分母属性和sort_with运算符2303。执行一个检查以确定竞赛是否包括用于分子 属性和分母属性的值2304。如果没有检测到值，则生成指示没有用于一个或这两个属性的 数据的错误2305。如果存在两个属性值，则该方法通过依次输出每个参赛2307,将该参赛 的分子属性除以分母属性2308,并且将关键值设置为与除法结果相等2309而创建所有参 赛的哈希表2306。该方法接下来依照s 〇rt_With运算符基于分数将群组中的所有参赛进 行排序2310,并且确定该参赛是否处于第一群组2311。如果该参赛没有处于第一群组，则 Play: :Prediction. satisfied被设为假2314,这指示不满足预测。如果该方法确定参赛处 于第一群组，则其进一步检查是否有更多参赛在第一群组中2312,这表示与对应百分比的 绑定。如果该方法确定仅有一个参赛在该群组中，则Play: :Prediction. satisfied被设为 真2313。如果该方法确定多于一个参赛在群组中，则Play: :Prediction. satisfied被设为 假2314,这指示不满足预测。
[0204] 在一些实施例中，将打平的提议（Will Tie Proposal)类型被提供为提议框架的 一部分。该提议类型确定在一组参赛者中是否有两个或更多竞赛获胜者。使用将打平的提 议类型的主张例子包括"电影原声剪辑有两个获胜者"和"纽约巨人队和新英格兰爱国者队 将会打平局"。可以顺序应用一个或多个测试以确定是否有多于一个获胜参赛。
[0205]现在参见图 24，Play: :Proposal 类支持 Play: :ProposalWillTie 对象的实例 化，Play: :ProposalWillTie对象可具有与其相关联的Play: :Proposition对象的零个 或更多实例。当通过Play: :Proposition对象处理与Play: :ProposalWillTie对象相 关联的预测时，Play::ProposalWillTie对象被加载到存储器中2401。处理方法解析 Play: :ProposalWillTie. configuration 属性 2402,并且取得 sort_with 运算符 2403。在 一些实施例中，该方法首先创建被标记为获胜参赛的参赛群组2404,并且确定该群组是否 包括多于一个参赛2405。如果评估为真，接下来Play: :Prediction. satisfied被设为 真，并且不执行进一步的测试2413。如果该群组没有包括多于一个参赛，执行额外的测 试。在特定实施例中，执行第二测试以确定是否多于一个参赛达到相同的名次得分。该 方法使用Competition: :Run. placement作为关键值创建参赛群组的哈希表2406,并且以 降序的顺序对群组哈希表进行排序2407。如果该方法确定多于一个参赛在群组中2408， 则Play: :Prediction, satisfied被设为真，并且不执行进一步的测试。如果仅有一个 参赛在群组中，则执行第三测试以确定是否有多于一个参赛具有相同的得分。该方法使 用Competition: :Run. score作为关键值创建参赛群组的哈希表2409,并且依照sort_ with运算符对群组哈希表进行排序2410。如果该方法确定多于一个参赛在群组中2411， 则Play: : Predict ion. satisfied被设为真2413。如果参赛是群组中仅有的参赛，则 Play: :Prediction. satisfied被设为假2412,这指示不满足预测。在另一个实施例中，一 系列测试中还可以包括额外的测试。
[0206] 在一些实例中，比较操作的提议（Compare Operation On Proposal)类型被提供 为提议框架的一部分。该提议类型对一竞赛中的所有参赛的数据属性进行操作，接下来比 较结果和给定值。使用该提议类型的主张例子包括"湖人对骑士的比赛的得分将超过1〇〇" 和"投给市长的总投票将少于有资格选民的75% "。现在参见图25,Play: :Proposal类支持 Play: :ProposalOperationalCompare 对象的实例化，Play: :ProposalOperationalCompare 对象可具有与其相关联的Play: : Proposition对象的零个或更多实例。当通过 Play: :Proposition 对象处理与 Play: :ProposalOperationalCompare 对象相关联的预测 时，Play: :ProposalOperationalCompare对象被加载到存储器中2501。处理方法解析Pla y: :ProposalOperationalCompare. configuration 属性 2502,并且取得属性、操作、比较运 算符和操作数2503。可以执行检查以确定参赛是否包括给定属性的值2504。如果没有检 测到值，则生成指示没有针对给定属性的的数据的错误2505。如果检测到值，则接下来执行 检查以检查属性值是否为数字2506。如果检测到非数字值，则可以生成数据对于给定属性 是无效的错误2507。如果检测到数字值，则该方法执行检查，并且确定操作是否是减法操作 2508。对于减法操作，该方法可以确定在竞赛中是否恰有两个参赛2509，如果否，则生成指 示竞赛数据对于执行减少操作的目的无效的错误2510。该方法接下来可以对竞赛中的所有 参赛的所有属性数据执行给定操作2511，接下来根据运算符比较结果和运算数2512。如果 该方法确定比较操作为真2513,则Play: :Prediction. satisfied被设为真。如果比较估计 为假，Play: :Prediction. satisfied被设为假2515,这指示不满足预测。
[0207] 在某些实施例中，覆盖范围的提议（Cover Spread On Proposal)类型被提供 为提议框架的一部分。该提议类型根据比较运算符将给定线数量（line amount)和一 个参赛的给定属性之和与相对参赛的给定属性作比较。使用该提议类型的主张例子包 括"骑士至少赢湖人5分"和"湖人不会输超过5分"。现在参见图26, Play: Proposal 类支持 Play: :ProposalCoverSpreadOn 对象的实例化，Play: :ProposalCoverSpreadOn 对象可具有与其相关联的Play: : Proposition对象的零个或更多实例。当通过 Play: :Proposition 对象处理与 Play: :ProposalCoverSpreadOn 对象相关联的预 测时，Play: :ProposalCoverSpreadOn对象被加载到存储器中2601。处理方法解析 Play: :ProposalCoverSpreadOn. configuration 属性 2602,并且取得属性、比较运算符和 线数量（line amount)2603。该方法可执行检查以确定竞赛中的参赛数量是否恰好为两个 2604,如果否，可以生成指示存在不正确的参赛数量的错误2605。如果竞赛中恰好有两个 参赛，则该方法将属性和线数量相加2606,并且根据运算数比较结果和相对的参赛的属性。 例如，对于体育项目中的通常覆盖范围类型主张，分差相对于范围来说更重要。相反的，对 于通常击败范围类型主张为真的情况下，分差相对范围来说不太重要。在这两种情况下，线 的绝对值将是相同的，尽管在击败范围情况下，所使用的线数量将是负值。如果该方法确定 比较操作为真2608,则Play: :Prediction. satisfied被设为真2609。如果比较估计为假， 则Play: :Prediction. satisfied被设为假，这指示不满足预测。
[0208] 在一些实例中，连赢提议（Parlay Proposal)类型被提供为提议框架的一部分。该 提议类型将两个或更多预测链接在一起，确定是否满足这些预测的集合。使用该提议类型 的主张例子包括"所选择的三匹马中至少有两匹将以前三的位置完成比赛"和"五分之四的 议席将由共和党赢得"。
[0209]现在参见图 27，Play: : Proposal 类支持 Play: :ProposalParlay 对象的实例 化，Play: :ProposalParlay对象可具有与其相关联的Play: :Proposition对象的零个 或更多实例。当通过Play: :Proposition对象处理与Play: :ProposalParlay对象相 关联的预测时，Play: :ProposalParlay对象被加载到存储器中2701。处理方法解析 Play: :ProposalParlay. configuration 属性 2702,并且取得由连赢提议链接的 child_ prediction、需要为真的预测、需要为真的预测的总数量和比较运算符2703。处理方法将 子预测加载到存储器中2704,并且确定是否已经处理了所有预测2705。如果还有未处理 的，生成指示存在未完成数据的错误2706。处理方法确定是否所有所需的子预测都已满 足2707,如果否，Play: : Predict ion. satisfied被设为假2712,这指示不满足预测。如果 所需的子预测都满足了，接下来该方法计算满足的子预测的总数量，并且将该数量与子预 测的给定所需数量作比较2709。如果该方法确定比较操作为真2710, Play: :Prediction. satisfied被设为真2711。如果该方法确定比较估计为假，Play: :Prediction. satisfied 被设为假2712,这指示不满足预测。
[0210] 现在回到图28,描述了根据一个示例性实施例的游戏创建过程。在一些实例中，响 应于用户动作、API呼叫和/或数据反馈的接收而触发游戏的创建。一旦检测到游戏创建 触发事件2801，游戏创建方法选择程序2802,并且确定是否已存在该游戏2803。如果不存 在该游戏，则方法通过将名称设置为程序名称，基于程序中的竞赛和参赛者数量计算注数， 并且基于程序类别收集所有合适的提议2805、2806、2807而启动新游戏2804。游戏创建方 法接下来创建用于每个提议的程序主张，并且创建用于每个主张和比赛的预测2808、2809。
[0211] 在一些实施例中，识别玩家并将其放置到群组中。在一些实施例中，通过识别在同 一类别中的之前游戏中的准确性水平超过预定阈值的玩家来定义专家群组。在一些实例 中，基于识别在同一类别中的之前程序中的得分超过预定阈值的玩家来定义高级群组。在 这些实施例中的一些实施例中，该阈值可以是50%或更高的准确性水平。在其他实施例中， 可以通过识别将自己标示为参加程序的特定参赛者的爱好者的程序玩家来定义群组。
[0212] 现在参见图29,在一些实施例中，分析服务88(参见图3)方法识别在当前程序中 具有专家资格的那些玩家2901。方法88接下来计算群组等级获胜概率和其他额外的统计 2902,并且向高级玩家和专家提供这些信息2903。如果恰当的话，该方法向高级和/或专家 玩家提供和/或奖励额外的和/或奖金注数。系统收集来自程序玩家的预测2905,接下来 计算用于每个主张的全局获胜概率和用于每个识别的群组的群组级别获胜概率2907。全局 获胜概率是所有玩家可访问的。在特定实例中，群组级别获胜概率，例如专家获胜概率仅对 于高级玩家、专家和/或其他识别的子群组可用2908。
[0213] 参见图30,在一些实施例中，正反馈机制重复地计算更好表现玩家可能感兴趣和 /或使用的统计，并且迭代地向更好表现玩家群组提供这些统计。这些统计包括诸如专家获 胜概率3002、爱好者获胜概率3003、爱好者信任度3106 (参见图31)、同等（peer)信任度索 引和/或专家爱好者获胜概率等衍生信息。在特定实例中，另一种类型的信息包括加权获 胜概率，其中该方法基于玩家的历史准确性对每个玩家的预测进行加权。
[0214] 该机制还可以向更好表现的玩家提供额外的注数3004。在一些实例中，可以基于 玩家相对于其他较好表现玩家的表现水平来均匀分配或非均匀分配这些额外的注数。向更 好表现玩家提供独有的信息和提供额外的注数可以增加较好表现者选择的权重，从而可以 进一步优化专家预测群组3006,以及通过提高专家子群组的整体预测准确性的方式来提升 专家表现者的子群组的整体表现。在一些实施例中，可以向外部订阅者发布优化的统计。
[0215] 在特定实施例中，还可以计算的另一类衍生统计是爱好者信任度。现在参见图31， 分析服务88(参见图3)方法生成标记为给定参赛者的爱好者的所有玩家的列表3101。方 法接下来基于爱好者是否在玩当前游戏而提取爱好者的子群组3102。为子群组中的每个爱 好者计算爱好者准确性衡量3103,接下来以降序的顺序在列表中排序子群组3104。该方法 接下来使用由子群组中准确性超过预定准确性阈值的爱好者提交的加权选择来计算每个 预测的获胜概率3105、3106。该方法接下来计算给定预测的全局获胜概率，并且估计全局获 胜概率计算的结果和子群组获胜概率计算的结果之间的差3107、3108。在一些实例中，爱好 者信任度可以被表达为百分比差。本领域技术人员都可以认识该相同的信息可被表示为可 替代的形式和表现方式。
[0216] 现在参见图32,描述了用于NFL体育事件游戏的示例玩家群组的维恩图（Venn diagram)。在该例子中，当计算程序的全局获胜概率时考虑程序的所有参与者的群组3201。 在该综合群组内，分析服务88(参见图3)识别另一个子群组集合。在该示例中，存在一个 专家群组，其由在NFL类别中已经达到一预测准确性级别的那些玩家组成3202,还存在一 个自我标记为参赛者（也就是达拉斯牛仔）爱好者的爱好者群组3203,还存在一个自我标 记为NFL爱好者的另一个群组3204。在自我标记为达拉斯牛仔爱好者的群组内，还存在一 个专家爱好者子群组，这样的专家爱好者子群组是由参加达拉斯牛仔游戏的超过预定准确 度阈值的达拉斯牛仔的爱好者所定义的3205。在某些实例中，分析服务88方法可识别一个 或多个这样的群组，并且基于每个群组独立地生成不同的统计集合。
[0217] 现在参见图34,描述了用于分析服务88的主要类的逻辑模块。 Analytics::Program 类 1301 是 Competition::Program611(参见图 10K)的指 针。Analytics: :Group类1302可以被再分类，以封装用于识别并收集玩家特定行 为的子类1307、1308、1309(参见图13)。例如，在程序类别中的专家、在程序中的特 定参赛者的爱好者、来自特定地点的玩家或集群群组成员可被收集到一个群组中。 Analytics: :Group通过Analytics: :Membership可以具有许多用户1305。随着玩家被 增加到群组中，并且随着针对玩家的挑选被更新，Analytics: :PropositionPool100 3类和 Analytics: :PredictionPool类1304可维持用于所有主张挑选的主张池和用于单个预测 的预测池。Analytics: :PredictionPool类1304可基于群组中玩家的挑选而维持获胜概率 和投入到预测的钱币的量。
[0218] 参见图35A至图35C，在一些实施例中，反馈服务86 (参见图3)生成用于发布到第 三方的多种发布格式。图35A是适用于简单XML阅读器（例如RSS阅读器和桌面控件）的 XML数据反馈发布的示例。该示例包括诸如名称、开始时间、团队名称和获胜概率的基本信 息。参见图35B，示出了一种包括富XML数据集的示例，其更适用于基于API的发布。在本 文中，除了 35A的基本信息，还可包括关于类别、注数、关闭时间和主张的信息。大部分信息 对于预测处理系统是有意义的，并且可以通过API而非简单反馈阅读器做进一步的处理。
[0219] 参见图35C，示出了一种JS0N数据反馈的示例。该反馈中的信息不同于图34A中 所示的富数据XML示例的格式，但是其内容绝大部分相同。
[0220] 现在参见图36,在一些实施例中，集群服务80(参见图3)基于邀请触发用户事件 实例化合适的邀请对象506、507、510 (参见图4F、4G和4J)，并且生成邀请参与者加入预测 处理系统1〇4(参见图3)的玩家的群组的电子邮件消息。移动设备16接收到该消息，并且 生成通知消息给设备用户3601。
[0221] 现在参见图37,用户开始通过移动设备16中的电子邮件应用程序访问电子邮件 邀请。在某些实例中，电子邮件将建议用户可以通过点击诸如按钮3702或html链接这样 的控件而接受邀请。通过点击控件，html客户端70(参见图3)或本地移动app74(参见图 3)执行并向用户呈现预测处理系统104(参见图3)的登录页面。
[0222] 参见图38,显示了预测处理系统104 (参见图3)的登录前"欢迎"页面。在一些实 例中，将显示诸如最高得分3803、最受欢迎游戏3804和其他用户动作3805的系统动作和 统计。在一些实施例中，用户可以选择"现在注册！ "按钮3801控件，并且在系统中创建账 号。如果用户已经有了账号，他们可以选择"登录"按钮控件3802,系统会提示用户输入凭 证。
[0223] 转到图39,在某些实施例中，系统提示用户使用用户名3901和密码3902登录 3907,并且将他们的用户提交的值与Crowd: Credentials属性517 (参见图4P)作比较。 如果凭证已核实，则用户获准访问系统。在一些实例中，登录处理集成有由第三方（例如 Faccbook?: 3905和Twitter?: 3904)提供的认证服务。在一些应用中还可显示注册链接 3906 〇
[0224] 现在参见图40,显示了预测处理系统104 (参见图3)的登录后"欢迎"页面。该页 面可以向成员提供感兴趣的详细信息。例如，可以包括指示成员正在参与的游戏将要关闭 的通知。该系统可以显示涉及成员参与的最近刚关闭的游戏的信息，这些信息包括成员的 位置、准确性、得分和奖励的奖金数量。可以列出诸如好友请求、群组邀请和接收的邀请等 社交活动，可以通过html链接访问这些社交活动。可以概要的显示系统的其他社交方面， 例如最新提交的评论、最新好友活动和好友参与的游戏。系统的另一个特性是按类别跟踪 玩家的准确性。可以向成员显示准确性和总体排名。系统还可以基于成员指定的兴趣或群 组参与显示可用的和未来的感兴趣的游戏。
[0225] 现在参见图41，显示了成员页面。该系统的另一个特征是能够使用与成员相关联 信息搜索成员4101。在一些实例中，可以显示与成员相关的详情，包括档案数据、得分、玩过 的游戏数量、拥趸的数量和作为成员参与的群组的数量。对于每个列出的成员，可以分别通 过成为好友按钮4102和拥趸按钮4103使其成为好友和拥趸。
[0226] 该系统的另一个特征是通过电子邮件或直接通过第三方服务发送邀请。"使用 Faceb〇〇k"4104和"发送电子邮件"4105分别发送邀请到社交网络和电子邮件。另外，该系 统还可以显示不同领域的表现最好的成员列表，其包括例如最高得分、最活跃游戏玩家、参 与最多群组的玩家和最多拥趸的玩家。
[0227] 现在参见图42,成员的档案页面可以显示其他成员感兴趣的信息。可以显示成员 对于不同类别的准确性以及其他统计，例如他们的得分、在系统中的当前位置、奖励的奖金 和玩过的游戏数量。对信息的访问可被限制为特定玩家群组，例如成员的准确性级别的详 情4201。还可以与诸如最新活动和最新评论等系统其他社交方面一起显示好友、拥趸和追 随的成员。可以使用多种信息物品作为成员指定的头像。另外，还可以显示诸如成员最喜 欢的运动员和/或类别等详情。
[0228] 参见图43,与关于每个群组的信息一起显示系统中群组的列表，例如成员数量、群 组游戏的数量和提交的群组评论的数量。还可以显示诸如最受欢迎的群组和评论最多的群 组等一般群组统计。
[0229] 该系统可以提供使用与群组相关联的信息搜索群组、并且创建公共和专用群组的 能力。成员可以通过选择"现在加入该游戏群组"按钮4302直接从该显示页面加入公共群 组。对于专用群组，成员可以通过选择"申请该群组"按钮4303申请加入该群组。可以通 过点击群组名称而访问特定的群组页面。
[0230] 现在参见图44,显示了用于公共群组的群组页面。本文所公开的其他页面中描述 的许多社交特征在群组页面中也是可用的。另外，还可以显示诸如群组排行榜等群组详细 信息。
[0231] 参见图45,可以与关于每个游戏的信息（例如注数、参与者数量、开始日期和时 间、结束日期和时间、进行挑选的窗口）一起显示系统内的一个或多个游戏列表。如果需要 的话，注数可以对游戏的所有玩家都是一样的。在该示例中，参与Weekl5游戏的所有玩家 将拥有可用来下注的40个钱币。系统可向用户提供使用与群组相关联的信息搜索游戏的 能力4501。当用户准备好玩游戏的时候，他们选择"现在开始玩！ "按钮4502。如果用户 选择建立自己的公共游戏实例而非玩现有的公共游戏，他们可以选择"建立游戏"按钮4503 从而配置所主导的实例。在一些实施例中，主导的实例可以变为专用的。该系统进一步向 用户提供创建与公共游戏无关的定制游戏的能力。当用户选择"新游戏"按钮4504时，启 动用于配置定制游戏的处理。
[0232] 现在参见图46,显示了用于关闭的游戏的概览页面。在某些实施例中，显示了游戏 所包括的比赛的最终获胜概率，并且获得由复选标记指示作为游戏结果的获胜者。游戏中 表现最好的玩家被识别为预测的总数量。本文所公开的许多社交特征对于群组页面也是可 用的。该系统包括给予系统提供商在任何可用的位置显示广告的能力，这些位置包括例如 右列的右上区域4601。
[0233] 参见图47,显示用于活跃游戏的投票页面。该页面与图46中所描述的用于关闭的 游戏的概览页面相似，又稍有不同。随着游戏持续活跃，提供"现在就玩！ "按钮以允许用户 参与到游戏中4701。可以显示倒计时时钟，以指示到游戏关闭再也不能投票之前剩余的时 间。
[0234] 现在参见图48,显示用于被安排的游戏的选票。显示了初始获胜概率，并且向用户 提供了对一个或多个挑选可用钱币下注的能力4801。该系统向用户提供赢得奖励钱币的机 会，该奖励钱币可以增加到注数中，并且可以在玩游戏的时候使用。在该示例中，游戏投注 为20个钱币，该玩家可以增加4枚钱币作为奖励钱币，总的注数为24枚可用钱币。在一些 实施例中，应用到注数的奖励钱币受限于给定注数的百分比，例如20%。这可以向玩家提 供对特定挑选加大加权的能力。在一些实例中，只要挑选窗口打开，用户就可以改变挑选和 相关权重。玩家可以保存这些挑选以供稍后取得和提交，而无需提交选票以用于统计计算 4804。一旦玩家满足了所有选票提交需求，玩家就可以提交选票以用于统计计算4803。在 一些实施例中，玩家可以取消或编辑选票直到那个游戏的挑选窗口关闭。
[0235] 现在参见图49A，显示群组创建页面。在一些实施例中，群组的创建者可以键入群 组信息，例如群组名称、描述、相关搜索标签和类别。任何和/或所有这些信息对于用户来 说都是可搜索的。一幅图像可以与该群组相关联。
[0236] 群组可以是专用的4901、4903(参见图49B)。在一些实例中，可以通过搜索而发现 专用群组，但是要成为该群组成员则需要提交申请。在可替换或附加的实施例中，群组无法 通过搜索发现，并且除非通过诸如邀请这样的处理而被允许访问，否则无法通过任何方式 访问。
[0237] 参见图49B，显示编辑群组的线框。编辑群组页面类似于群组创建页面，尽管其额 外地包括当前成员的列表和用于群组管理员移除成员的关联按钮4902。
[0238] 一旦创建了一个群组，群组管理员可能希望邀请成员加入该群组。现在参见图50， 显示了邀请页面。可以从列表中增加或移除成员，一旦完成了，群组管理员可以通过选择邀 请按钮发送邀请到受邀请者5001。
[0239] 现在参见图51，显示了成员的群组页面。该页面总结了群组信息和重要的群组活 动。在一些实施例中，显示所有的成员的群组，还显示他们的可用的私人状态、成员的数量 以及该成员是否是群组的所有者。该页面还提供重要群组申请的列表，还提供一个按钮以 取消给定应用请求5101，并且还提供用于成员所拥有的群组的成员请求的列表。成员可以 选择适当的按钮来批 准或拒绝这些成员请求5102。
[0240] 现在参见图52,显示了好友列表页面。在一些实例中，列出成员的好友和诸如成 员好友之后的时间等其他信息。该页面提供用于移除每个好友的按钮5201，和确认或拒绝 未决的好友请求的按钮5202。还提供了用于取消由成员发送的重要好友请求的按钮5203。 该系统还向用户提供了使用与成员相关联的信息搜索成员以将这些成员增加为好友的能 力 5204。
[0241] 现在参见图54,显示了专用游戏页面。该系统允许用户在创建新游戏时使其成为 专用游戏4503 (参见图45)。为了参与专用游戏，用户申请进入游戏的许可，游戏所有者接 受申请以批准用户加入游戏。在该示例中，已经提交了申请但是该申请还未被批准5401。 在一些实施例中，仅对于加入游戏的申请已经被游戏所有者批准的成员来说，可以通过搜 索而发现专用游戏和相关游戏信息。
[0242] 现在参见图55,显示了用11枚钱币投放在6个挑选的被安排的游戏。可用钱币 从24减少到了 13,显示了剩余可用钱币5501。页面可提供"保存"按钮5503以允许用户 保存他们的挑选而无需提交选票。用户可以稍后回到页面使用"提交"按钮提交他们的选 票 5502。
[0243] 现在参见图56,一旦提交了挑选，挑选就被加入到任何可用的统计计算中。可以 通过显示"已提交"标签来指示已提交状态5601。一个给定程序允许单张选票。在该示例 中，允许成员提交用于NFL Week 15游戏的一张选票。
[0244] 参见图57,显示用于进行中的游戏的已提交挑选。该系统的另一个特征是计算并 显示多个获胜概率集合。在一些实施例中，系统将显示用于每个比赛的全局获胜概率5701 和一个或多个群组获胜概率集合，例如专家获胜概率5702和/或爱好者获胜概率5703。在 一些实例中，一个或多个群组获胜概率将仅对用户子集可见。购买金额、在之前的程序中达 到特定表现级别和/或被标记为具有访问权限的群组成员是访问的前提。
[0245] 参见图58,显示了体育事件游戏页面的线框。在特定实施例中，以标签形式显示多 种主张类型。第一标签是将获胜主张的不例5801，而第二和第二标签是在范围内将获胜主 张的示例5802、5803。在该示例中每个标签代表一个比赛，另外还提供参赛信息5804及用 于该参赛的全局获胜概率5805。
[0246] 参见图59,显示了第二体育事件游戏页面的线框。该示例属于高尔夫巡回赛，其包 括两个额外的当排序时将获胜的主张，一个是用于打出最多球道得分的高尔夫选手5901， 另一个是用于打出最多球穴区的高尔夫选手5902。
[0247] 再次参见图58，游戏内货币由钱币图形而非数字象征表示5806。这也是玩家可用 平衡的情况5807。在一些实例中，以状态格式来报道涉及游戏的统计信息5808,并且显示 了基于当前池的潜在支付5809。该系统可以要求玩家做出一定数量的挑选以能够提交选 票。在该示例中，该要求是在三个或更多类别中做出挑选5810。在一些实施例中，提交按钮 5811无效除非满足选择要求。
[0248] 在一些实施例中，系统支持非体育相关的游戏。参见图60,显示奖杯事件游戏页面 的线框。在可替换的实施例中，显示将是滚动表格而非标签6001。在该示例中，针对多种奖 杯类别呈现一系列将获胜主张。分别参见图61和图62,显示了新闻游戏事件页面和政治游 戏事件页面的线框。在这两个例子中，呈现一系列将获胜和比较主张。现在参见图63,显示 了选举事件游戏页面的线框。在该示例中，基于多种选举竞赛而呈现一系列简单的将获胜 主张。
[0249] 现在参见图64,显示了法庭事件游戏页面的线框。在一些实施例中，可以在竞赛页 面中显示竞赛的主体的详细概述6401。在该示例中，呈现了涉及多位法官的独立决定的一 系列将获胜主张。
[0250] 参见图65，显示了商业事件游戏页面。在一些实例中，玩家可以挑选单个竞赛中的 互斥的参赛，并且可以改变投注于互斥挑选上的钱币6501。在某些实施例中，成员可以创建 定制专用游戏。现在参见图66,显示了针对小联盟球队的定制游戏，其中一系列将获胜主张 被配置为用于特定几周的游戏。
[0251] 该系统可以包括用户投入场外投注而不影响获胜概率计算的能力。参见图67,显 示了包括协商和投入场外投注的评论进程。在评论窗口中附加的"投入场外投注"按钮6701 生成附加的窗口，其中评论者可以提交场外投注。用户在编辑框中输入真/假声明6702， 输入钱币数量或虚拟物品以进行下注6703,并且选择"提交场外投注"按钮6704。向该进 程中的其他用户呈现一个窗口，该窗口呈现投注，并且提供合适的按钮以接受或拒绝投注 6705。一旦申请了投注的时间完结，向各个接受投注申请的人呈现结果选择对话框，其中他 们可以选择"真"按钮6706(如果结果为真）和"假"按钮6707(如果结果为假）。基于该 响应来处理投注。
[0252] 该系统还支持使用真实世界货币下注。参见图68,显示一个对话框，该对话框向玩 家提供使用真实世界货币购买钱币的机会。玩家选择"好的，我加入"按钮，则启动买入系 统内货币的处理，其中玩家已经准备好通过第三方服务存钱和/或使得资金有效。
[0253] 该系统可以提供用于与第三方共享系统内容的功能。现在参见图69,显示了描述 三方内容共享选项的线框。在一些实施例中，提供访问感兴趣内容的链接，并且向用户呈现 一系列第三方服务图标以供选择。当用户选择图标时，依照由第三方所定义的集合向第三 方服务发布该内容7001。在一些实例中，用户可以拷贝预格式化编码片段以将其复制到网 页页面中，并且将内容实现为控件7002。在一些应用中，用户还可以通过发送系统所准备好 的链接的电子邮件来相互分享，其中该电子邮件提供到感兴趣内容的直接访问7003。
[0254] 现在参见图70，显示了主张创建和分配页面线框。在某些实例中，左侧栏显示提议 框架中可用的提议类型的列表7101。当选择提议类型时，第二栏填充有合适的选择以用于 创建提议7102。例如，比较打开提议下需要名称、描述、属性、比较运算符和运算数。
[0255] 提议可以与类别相关联。这样的关联允许该系统基于与类别相关联的提议自动地 生成用于给定类别事件的主张。在一些实施例中，创建提议的用户可以通过选择合适的复 选框7103和选择"创建提议"按钮7104将该提议与一个或多个类别相关联。
[0256] 现在参见图71，显示了游戏创建和主张分配页面线框。在某些实施例中，左侧栏包 括在游戏初始化处理2804(参见图28)中使用的数据列表7201。中间列包括基于游戏的类 别或父程序而适用于该游戏的主张列表7202。该系统可依靠这样的关联来自动地生成有效 预测。
[0257] 现在参见图72,显示了选择成员页面的线框。用户可以对参与特定游戏的一个或 多个玩家的表现做出挑选。玩家被作为竞赛中的参赛者来管理，其中参赛是玩家在游戏中 的表现，而竞赛是在游戏中的所有玩家的参赛的集合。在一些实施例中，显示了玩家信息， 例如玩家的排名和他们赢得比赛的获胜概率7301。
[0258] 该预测处理系统可以监视诸如提示事件、颁奖节目、选秀、名人新闻、陪审团裁决、 政治选举、司法裁决和/或商业重要事件等许多不同类型的事件，并为其提供预测服务。由 该预测处理系统所生成的涉及实现世界结果的可信获胜概率和/或衍生数据是可以以多 种格式分发的有新闻价值的内容，这些格式例如订阅反馈和/或报告。在一些实例中，可以 以较高价格提供衍生数据，特别是从更好表现预测者群组中导出的高准确性和/或高信任 度数据。
[0259] 在一些实施例中，通过向广告商、赞助商和附属公司收取一定费用而生成广告收 入以显示和/或传送广告到预测处理系统的用户。在一些实施例中，特定标签与用户相关 联可以推动广告的呈现。还可以通过用户档案信息、一个或多个程序的类别和/或存储在 持久层1〇6(参见图3)中的其他数据属性来推动广告。在某些应用中，反馈服务（参见图 3)可包括在数据反馈中的广告内容。可以生成跨越多种少数覆盖的主体的竞争事件的附加 新闻，并且以收费的方式发布这些附加新闻。
[0260] 重大事件的主办方和制片方一般来说会提供促销以提前激发兴趣。在一些实 例中，该预测处理系统可以提供用于这些事件的预测游戏，这些事件包括奥斯卡&和疯 狂三月?。体育媒体经常还提供预测游戏给他们的观众。在这些情况中，该预测处理系统可 以以收费形式提供主办方促销方案。
[0261] 在一些实施例中，游戏内购买可以是收入的一个来源。用户可以购买诸如虚拟物 品和/或钱币的游戏内货币，这些游戏内货币可用来进行挑选和/或进行社交活动。在一 些实例中，可以以收费形式提供高级竞争游戏、附加信息和/或到更好表现玩家的访问的 高级级别，而不考虑用户的表现。在一些实例中，这些高级别的优势一般对超过预定表现阈 值的玩家可用。
[0262] 在某些实例中，该预测处理系统可以作为付费托管系统提供给商务活动、非营利 性组织、学校、政府或其他感兴趣方。可以向阅读者、涉及影响其行业事件的预测游戏提供 交易媒体。该约定类型可以动态地促进积极的观众关系。由玩游戏和社交交互的活动生成 的信息可被用作对工业参与感兴趣的主体可搜索的内容。
[0263] 如同交易媒体的阅读者，雇员可以是雇主的商业活动智慧来源。在一些实例中，可 以收费地向雇主和顾问提供该预测处理系统以供使用。担心归责和惩罚可能抑制企业计划 和行动的开放及诚实评估。在一些实施例中，雇员可以对其感兴趣的雇主的事件作出匿名 的预测，包括公司计划和活动的评估。在某些应用中，可以识别出最佳预测者的匿名子池， 这可以生成对雇主的感兴趣的准确信息。
[0264] 以上是对本说明书中的一些实施例和方面的详细描述，其并非试图限制本发明。 许多其他的实施例也是可行的，并且也是本领域技术人员所知的。
【主权项】
1. 一种提供信息的方法，所述方法包括： 在线获得来自多个个人关于未来事件的结果的预测； 利用计算系统，识别所述多个个人中的一个或多个可能较好的预测者，并且自动地使 用从所述可能较好的预测者获得的预测来生成针对所述未来事件的结果的获胜概率；和 向一个或多个第三方提供信息，所述信息包括针对所述未来事件的结果的所生成的获 胜概率。2. 根据权利要求1所述的信息提供方法，其特征在于，所述方法进一步包括：接收收入 作为提供至少一些所述信息的考虑。3. 根据权利要求1所述的信息提供方法，其特征在于，所述提供步骤包括通过自动化 网络向所述一个或多个第三方提供所述信息。4. 根据权利要求2所述的信息提供方法，其特征在于，所述提供步骤包括通过自动化 网络向所述一个或多个第三方提供所述信息。5. 根据权利要求1所述的信息提供方法，其特征在于，所述识别步骤包括：利用所述计 算系统自动地识别所述多个个人中的所述一个或多个可能较好的预测者。6. 根据权利要求2所述的信息提供方法，其特征在于，所述识别步骤包括：利用所述计 算系统自动地识别所述多个个人中的所述一个或多个可能较好的预测者。7. 根据权利要求4所述的信息提供方法，其特征在于，所述识别步骤包括：利用所述计 算系统自动地识别所述多个个人中的所述一个或多个可能较好的预测者。8. 根据权利要求1所述的信息提供方法，其特征在于，所述方法进一步包括接收用于 提供所述方法的考虑因素。9. 根据权利要求3所述的信息提供方法，其特征在于，所述方法进一步包括接收用于 提供所述方法的考虑因素。10. -种提供信息的方法，包括使得： 利用计算系统： 一自动地在线获得来自多个个人关于未来事件的结果的预测； 一自动地识别所述多个个人中的一个或多个可能较好的预测者； 一自动地使用从所述可能较好的预测者获得的预测来生成针对所述未来事件的结果 的获胜概率；以及 向一个或多个第三方提供信息，所述信息包括针对所述未来事件的结果的所生成的获 胜概率。11. 根据权利要求10所述的信息提供方法，其特征在于，所述方法进一步包括接收收 入作为提供至少一些所述信息的考虑。12. 根据权利要求10所述的信息提供方法，其特征在于，所述提供步骤包括通过自动 化网络向所述一个或多个第三方提供所述信息。13. 根据权利要求11所述的信息提供方法，其特征在于，所述提供步骤包括通过自动 化网络向所述一个或多个第三方提供所述信息。14. 根据权利要求10所述的信息提供方法，其特征在于，所述提供步骤包括向多方提 供所述信息。15. 根据权利要求11所述的信息提供方法，其特征在于，所述提供步骤包括向多方提 供所述信息。16. 根据权利要求13所述的信息提供方法，其特征在于，所述提供步骤包括通过所述 自动化网络自动地向多个第三方提供所述信息。17. 根据权利要求10所述的信息提供方法，其特征在于，所述方法进一步包括接收用 于提供所述方法的考虑因素。18. 根据权利要求12所述的信息提供方法，其特征在于，所述方法进一步包括接收用 于提供所述方法的考虑因素。19. 一种提供信息的方法，包括使得： 利用计算系统： 自动地在线获得来自多个预测者关于未来事件的结果的预测； 自动地使用所获得的预测生成来自所获得的预测的衍生数据；以及 自动地向所述预测者的子集提供信息，所述信息包括下述（i)和（ii)中的至少一个， (i)所述衍生数据，（ii)来自所述预测者的一个或多个所获得的预测。20. 根据权利要求19所述的信息提供方法，其特征在于，所述自动使用步骤包括：自动 地使用所获得的预测以基于对（i) 一个或多个可能较好的预测者和（ii) 一个或多个可能 较好的预测中的至少一个的识别来生成所述衍生数据。21. 根据权利要求20所述的信息提供方法，其特征在于，所述预测者的子集是可能较 低准确性的预测者的子集，所述信息自动地包括所述衍生数据，所述衍生数据包括对下述 (i)和（ii)中的至少一个的识别：（i) 一个或多个可能较好的预测者和（ii) 一个或多个可 能较好的预测。22. 根据权利要求21所述的信息提供方法，其特征在于，所述方法进一步包括：利用所 述计算系统，向可能较低准确度的预测者的子集提供机会以在线地改变一个或多个他们的 预测。23. 根据权利要求20所述的预测信息提供方法，其特征在于，所述方法进一步提供用 于提供至少一部分所述信息提供方法的接收补偿。24. 根据权利要求22所述的预测信息提供方法，其特征在于，所述方法进一步提供用 于提供至少一部分所述信息提供方法的接收补偿。25. -种提供预测信息的方法，包括使得： 利用与网络通信的在线预测收集计算系统： 在线接收来自所述在线预测收集计算系统的一个或多个第三方用户的特定未来事件 的识别； 在线获得来自多个预测者的关于所述未来事件的结果的预测； 向所述预测者提供在线访问所述预测的权限。26. 根据权利要求25所述的预测信息提供方法，其特征在于，（i)进一步包括从所述一 个或多个第三方用户在线地接收可能的预测者的群组的识别，以及（ii)其中所述多个预 测者处于所述可能的预测者的群组中。27. 根据权利要求25所述的预测信息提供方法，其特征在于，所述方法进一步提供用 于提供至少一部分所述预测信息提供方法的接收补偿。28. 根据权利要求26所述的预测信息提供方法，其特征在于，所述方法进一步提供用 于提供至少一部分所述预测信息提供方法的接收补偿。29. -种优化系统，包括： 在计算系统上可运行的优化引擎系统，其包括： 用于对系统成员进行分组的代码； 用于从特定群组中的系统成员中识别较好预测者的代码； 用于基于预测生成几率的代码；以及 用于向所述较好预测者中的至少一个或多个提供所述几率的代码。30. 根据权利要求29所述的优化系统，其特征在于，所述优化引擎系统进一步包括：用 于向所述特定群组中的一个或多个系统成员提供价值标记的代码。31. 根据权利要求29所述的优化系统，其特征在于，所述优化引擎系统进一步包括：用 于向所述系统成员中的一个或多个的表现应用阈值的代码；和用于基于所述阈值应用步骤 的结果调整所述特定群组的成员的代码。32. 根据权利要求30所述的优化系统，其特征在于，所述优化引擎系统进一步包括：用 于向所述系统成员中的一个或多个的表现应用阈值的代码；和用于基于所述阈值应用步骤 的结果调整所述特定群组的成员的代码。33. 根据权利要求29所述的优化系统，其特征在于，所述优化系统进一步包括包含所 述优化引擎系统的计算系统。34. 根据权利要求29所述的优化系统，其特征在于，所述优化系统进一步包括包含所 述优化引擎系统的计算系统。35. -种自动提议框架系统，包括： 用于接收事件结果的预测的代码； 用于访问所述事件并且确定所述预测的准确性的代码；以及 用于报告所述预测的准确性的代码。36. 根据权利要求35所述的自动提议框架系统，其特征在于，所述用于访问所述事件 的代码包括用于针对所述事件结果接收到的预测类型进行分类的代码。37. 根据权利要求35所述的自动提议框架系统，其特征在于，所述用于确定所述预测 的准确性的代码使用由针对所述事件结果接收到的预测类型进行分类的代码提供的分类 结果。
【专利摘要】公开了一种预测处理系统、方法，以及用于执行业务活动的方法。预测处理系统可以收集、处理并发布事件成果信息。预测处理系统可动态地将参与者过滤到多个群组，并且迭代地优化时间上的获胜概率计算。组成多种抽象提议类型的提议框架可以建模并解决主张。可基于事件分类关系而自动地生成游戏主张。预测处理系统可向游戏玩家或其他人提供访问集群智能的权限，这些共同情报包括预测信息和从预测信息中推出的信息。预测处理系统可创建更佳性能预测器的群组，并且向他们提供非通常可用的附加信息。更佳性能预测器可具有附加注数以增强他们在获胜概率计算中的预测权重。预测处理系统可提供访问事件成果信息的付费订阅的接入。
【IPC分类】G06N5/02
【公开号】CN104903917
【申请号】CN201380023680
【发明人】L·埃利斯, A·埃利斯, M·安根泰尔
【申请人】克德比有限公司
【公开日】2015年9月9日
【申请日】2013年3月6日
【公告号】CA2903367A1, EP2823442A2, US20130254146, WO2013134433A2, WO2013134433A3
【专利说明】
[0001] 相关申请的夺叉引用
[0002] 本专利申请要求申请人在先美国临时专利申请的优先权，这些在先美国临时专利 申请名称为：
[0003] 1."预测收集、发布和/或处理系统、使用方法以及执行业务的方法"，其于2012年 3月6日提交，申请号为61/607478,以及
[0004] 2. "预测收集、发布和/或处理系统，使用方法以及执行业务的方法"，其于2013年 1月10日提交，申请号为61/750906,这些临时专利申请的全部内容在此通过引用方式合并 于本申请。
[0005] 该专利文件公开内容的一部分包括或者可能包括受著作权保护的内容。著作权所 有者不反对对在专利和商标局专利文件或记录中所呈现的形式的专利文献或者专利公开 文本的影印复制，但是保留以其他形式的所有著作权。
技术领域
[0006] 本申请的技术涉及预测系统和方法，更具体地，涉及用于收集、优化和分配集群智 能（collective intelligence)的系统和方法。
【背景技术】
[0007] 政治家、财务经理、律师以及所有各种各样的人，不管是专业人士还是个人兴趣， 都一直在关注并且感兴趣于获得和讨论与现实世界事件的结果相关的概率。例如参见 James Surowiecki的"Wisdom of the Crowds (2004)"。过去收集并发布这类集群智能的 方案存在各种缺陷，并且导致难以收集预测数据以及确保从收集的预测数据中推导的数据 的准确性及质量。
[0008] 收集来自个人的预测的一个典型方案是通过使用询问进程，具体来说是通过面对 面的询问。这样的方案有以下限制，其可扩展性是在给定时间和给定地点的可用意见调查 员的数量的函数。类似地，其还依赖于询问对象在相同的给定时间和给定地点参与询问活 动的意愿及可用性。这导致了调查问题的简单化和整体调查的简短化。
[0009] 基于邮件的调查试图通过使得询问对象能够在适合他的时间回答询问问题来解 决这样的限制。虽然其部分地解决了便利的问题，但是对于对象来说其很少有动力不怕麻 烦来回答问题并且将答案返回给意见调查员。电话邀约试图再次引入直接通信的压力，但 是该方案还是有不利之处，例如意外打扰惹怒对象，从而导致有限的响应度。
[0010] 很早之前随着互联网的出现，以比通过直接交互较少干扰的方式接触大量潜在对 象成为可能。起初，通过电子邮件和电子邮件控件来提供询问。虽然一开始对于电子邮件 用户来说这还是有趣的，但是很快就变成了一种讨厌的事，其遇到了与实体邮件调查相同 的被轻视的命运。
[0011] 相对地较早以前，显示基本结果的在线调查被引入作为另一种试验并吸引个人参 与到调查和询问中的方式，特别是在诸如Facebook?等社交网络应用或服务的环境中。这 些询问一般来说非常简单和简短，但是一样的是，对于对象来说其很少有动力投入时间和 心思参加试验以提供准确的信息。在这种情况下，询问趋于极其简单，并且所产生的预测信 息在深度、准确度和可靠度方面存在诸多限制。
[0012] 商业的预测市场也已经出现，其在某种程度上作为一种解决个人参与有深度的 预测行为的动力缺失这样一个问题的尝试。许多这样的系统包括投机市场（speculative market)，其中预测的当前市场价格被解释为一事件在未来发生的概率。在这些商业市场中 使用实际货币已触犯各种法律和法规，从而导致至少在一些国家这样的系统被完全禁止。 另外，专注于交易活动而非提高推导出的信息的准确性和精确性，导致偏差和次优衍生数 据的引入。
[0013] 为了努力消除来自数据收集活动的商业偏差，还引入了虚拟预测市场。这些系统 趋向于缩小其关注点，并且传统上被归结为特定的利基市场。这些虚拟预测市场受限于它 们可以主控和管理的预测的类型，缺乏必要的激励机制以鼓励用户持续参与，并且一般来 说在没有昂贵的第三方咨询的帮助下，无法向终端用户或群组提供以创建他们自己的私人 解决方案。另外，这些系统通常还需要用于数据解释的收集后的咨询服务，并且这些系统依 赖于临时解决方法，这使得在理解所得到的数据和将系统扩展到新市场方面，虚拟预测市 场是耗时且昂贵的。
[0014] 虚拟预测市场的游戏化已被用作试验并增加使用这类系统时的兴趣和参与度的 一种机制。这些游戏化系统趋向于变得非常简单，仅具有极有限的预测类型，其关注点趋向 于系统的游戏方面。它们通常采用交易模型，该交易模型承受与前面提及的商业预测市场 解决方案相同的缺点。这种简单系统未与诸如博客、订阅器、搜索引擎和分析系统等外部服 务广泛地且可定制地集成，其也不能够提供足够的动力以用于扩展的高容量的参与。因此， 缺少足够的参与以生成有用的聚合的集合概率，并且缺少发布这些数据的需求，因此不能 够实质上货币化数据公开。
【发明内容】
[0015] 申请人相信，他们已经发现了以上所提及的现有系统的至少一种或多种问题和要 点，以及由本说明书中公开的系统的不同实施例所提供的一个或多个优点。
[0016] 简而概之，本发明提供了新颖的预测收集、发布和/或处理系统，使用这样的系统 的方法，以及使用这样的系统执行业务活动的方法。在一些实施例中，该系统被实现为一种 游戏，其中至少一些游戏玩家提供关于未来事件的预测。该系统可以收集、处理和/或发布 预测数据和/或参与者做出的基于预测的衍生数据。在一些实施例中，参与者可以基于他 们的表现或其他原因接收特定奖励，例如非基于表现的奖励以激励参与。
[0017] 在某些实施例中，一种自动预测收集、发布和/或处理系统允许第三方创建他们 自己的预测游戏。访问这些第三方游戏可被限制为用户、玩家和/或观察员的子集。在这 些实施例中的一些实施例中，这些专用游戏可被用来仅基于参与专用游戏的玩家生成获胜 概率。在一些应用中，可将共同分享竞赛、参赛者和主张的专用和公用游戏向上汇总为通用 的获胜概率统计。一些系统可以提供用于创建和加入专用游戏的简单机制，其可以基于参 与者相互熟悉的群组内的可视性来促进成员关系并增加参与动力。在一些应用中，可以收 费以给予从发布和/或全局获胜概率计算中排除专用游戏的特权。
[0018] 在一些情况下，可以允许多种竞争形式，例如平衡玩家资源和/或要求所有玩家 提交最少数量的预测。这些形式中的一些可以避免引入失真，其作为由控制不成比例的注 数的玩家子集差别加权的结果。其中一些要求最小预测集合，这有助于激励玩家针对选择 看似较低获胜概率的选项提供较多的想法。在一些应用中，这可能会提高针对给定比赛的 获胜概率数据。
[0019] 在某些情况下，允许用户提交单张选票来提交挑选。在一些这种实例中，投票成本 是可变的，但是用于游戏中的所有投票的注数保持相等。在一些应用中，这可以避免因玩家 提交多张投票而发生的不成比例加权，同时允许用户享有与他们的利益相一致的风险量， 但又不影响获胜概率计算的完整性。
[0020] 在一些情况下，预测处理系统可以向游戏玩家或其他人提供访问预测和/或衍生 数据的权限。在一些实施例中，衍生数据可提供游戏玩家的识别或游戏玩家的特征，例如 在游戏玩家中谁最好的做出预测。如果需要的话，可向较好的做出预测的游戏玩家提供相 对于其他玩家来说与他们的预测相应的额外注数。这些额外注数可以以均等量或不等量分 配，这取决于玩家相比于其他玩家（例如其他得分高的玩家）的表现水平。在需要时，玩家 的这些注数的附加应用可以加权得分高的参与者的预测，从而得到更优化的衍生数据，例 如针对特定事件的获胜概率计算。
[0021] 在一些实施例中，预测处理系统可以提供主游戏实例。在一些实施例中，主游戏实 例可以作为用于生成系统的所有用户可用的全局游戏实例的模板。在某些实例中，模板游 戏可以进一步用来支持为被识别的游戏玩家群组可用的一个或多个主导（hosted)游戏实 例的实例化。在一些实例中，这些主导的实例可以是专用于被识别的游戏玩家的群组。可 以将有关于一些应用的一个或多个专用游戏的预测数据及衍生数据与预测数据和全局群 组的衍生数据组合起来，从而生成参与游戏的玩家的综合获胜概率信息。
[0022] 在某些实例中，响应于包含事件数据的输入数据反馈和/或响应于用户手动地提 供游戏配置信息，游戏的生成可以自动地产生。在某些实例中，启用自动的游戏生成和用户 生成的游戏增加了覆盖不同游戏种类的可用游戏的数量，从而增加了参与度。允许用户生 成的专用游戏可以增加初始会员，这通常又可以反过来增加系统的整体参与度。
[0023] 在一些实例中，预测处理系统可以收集并处理预测数据、和/或衍生数据，该衍生 数据基于由游戏玩家或被识别的游戏玩家的群组做出的预测所得到，并且预测处理系统向 游戏玩家、被识别的游戏玩家的群组和/或其他人提供访问这样的预测数据或衍生数据的 权限。在某些实施例中，衍生数据可提供游戏玩家的标识或者游戏玩家的特征，例如在游戏 玩家中谁最好的做出预测。
[0024] 在一些实施例中，群组的成员被动态地改变，例如，当响应于一个或多个成员在先 前程序中的预测准确性、表现和/或参与度变化而修改代表在游戏玩家中谁最好的做出预 测的群组的成员时。在一些应用中，可以基于由这些动态改变的群组的成员所作出的预测 而生成预测数据和衍生数据，并且这样做可以提供比基于所有游戏玩家而生成的同一数据 更高的准确度。
[0025] 在一些实施例中，预测处理系统允许游戏玩家预测其他游戏玩家的表现。在一些 应用中，给定游戏玩家的评级可以通过一个或多个对关于给定游戏玩家的预测表现做出预 测的游戏玩家来影响和/或确定。在一些应用中，可以通过对一个或多个玩家给出的关于 给定游戏玩家的预测表现的预测进行加权来进一步影响和/或确定该评级。在某些实例 中，这些对于游戏玩家的预测的类型可以通过更深入的接触有利于参与，和/或向玩家提 供更直接的满足，从而鼓励增加的整体参与度。
[0026] 在某些实例中，预测处理系统包括一个或多个反馈机制，在某些应用中，这些反馈 机制例如通过向被识别的游戏玩家的群组提供额外的预测和导出的衍生信息来影响获胜 概率生成的质量，这些额外的预测和导出的衍生信息全部或部分来自以下的一个或多个：
[0027] 1.由具有高于特定阈值的准确度的游戏玩家所做出的预测；
[0028] 2.由自我识别为一类别、事件或事件参与者的爱好者的游戏玩家做出的预测；
[0029] 3.由具有高于特定阈值的准确度的、自我标识为一类别、事件或事件参与者的爱 好者的游戏玩家做出的预测；和/或
[0030] 4.由在最近游戏中的表现处于或高于被识别水平的游戏玩家做出的预测；
[0031] 5.由达到一游戏玩家评级的游戏玩家做出的预测，例如同行信心指数位于或超出 被识别的水平）。
[0032] 在一些实施例中，可基于由被识别的玩家群组所做出的预测生成多个获胜概率集 合。例如，可以有一个基于由所有用户做出的预测的概率集合，另一个基于仅由专家做出 的预测的获胜概率集合，以及再一个基于由专家和爱好者的组合做出的预测的获胜概率集 合。另一种类型的信息可包括加权的获胜概率，其中获胜概率计算基于每个参与者的历史 准确度而区分地加权每个参与者的预测。看到多种获胜概率集合的资格本身是附加的信 息，如果需要的话，其是可设置为对高得分参与者可见。这种过程，即基于表现动态地对参 与者进行分组、为表现更好的参与者提供附加信息、因为表现更好的参与者具有更好的信 息从而可以生成更精确和准确的获胜概率、以及将这些信息反馈到表现更好的参与者，在 至少一些系统中创建正反馈系统，其可以提高随时间的获胜概率计算的准确性，并且可以 允许表现更好的玩家获得更高水平的预测准确度。
[0033] 在某些实例中，反馈机制可以包括辅助预测加权，其由在游戏玩家群组中最好的 做出预测的游戏玩家和/或被识别的接收附加预测和衍生信息的游戏玩家群组的成员进 行。在一些实施例中，这种辅助加权可以增加由表现更好的玩家做出的预测的影响，从而可 能提高预测和衍生数据的准确度。
[0034] 在这些系统中的一些系统中，玩家可以购买高级级别称号，其包括访问附加预测 和/或衍生信息的权限。在一些实例中，基于在预定的程序集合内的预定数量的前几个程 序中超过得分阈值，玩家可以被提升至高级级别。玩家未达到阈值或者没有参加预定程序 集合内的所需数量的程序，则将玩家降到标准级别。在一些系统中，这种类型和/或其他类 型的玩家分类级别仅基于，或者至少多数仅基于由参与高级级别游戏的玩家做出的预测而 生成获胜概率。在一些应用中，这些类型的获胜概率比使用标准等级池生成的概率更加准 确。此外，在一些应用中，基于成就的排名（achievement-base tier)提供了额外的动力以 参加和竞争，从而增加参与的深度、广度和持续时间。在一些实例中，高级级别玩家可被授 权访问独有的高级级别评论线程；并且在一些应用中，这可以进一步培育独占感和/或促 进实现的愿望。
[0035] 在一些实施例中，预测处理系统包括提议框架，其可表示、存储、处理和解决宽泛 的预测集合。该框架可以针对特定类型的预测，例如一个或多个事件参与者的表现、事件结 果和/或覆盖一个或多个事件的预测的组合。在一些实施例中，这种建模框架的存在可以 支持以系统自有或扩展的方式解决多种类型的常规和自定义预测，从而避免依赖特设（ad hoc)结构和方法来表示和解决预测。改进的可扩展性的另一优点是能够快速地和广泛地提 供到达未及市场的游戏。这可以征求和授权相关的爱好者团体，一方面考虑吸引他们加入 游戏活动，另一方面还向他们提供传统媒体普遍忽视的其感兴趣的新闻。可以以收费的方 式向未及的爱好者提供这些类型的活动和资源。
[0036] 在一些实例中，系统允许对程序的创建和关联分类。在这些实施例中的一些中，分 类被进一步关联于一个或多个模板提议。可以基于与事件的分类相关联的一个或多个模板 提议自动地生成针对特定事件的主张。这支持针对终端用户的以及针对生成反馈的游戏简 化地创建游戏。
[0037] 在一些应用中，该系统可向消费者发布集群智能数据，例如预测信息和/或衍生 信息。这些消费者包括个人、企业、学校、博客、社交网络、邮件列表、新闻阅读器、搜索引擎 和/或分析系统。在这些实例中某些实例中，该信息可被发布为订阅消费者可用的数据反 馈，从而在一些应用中提供关于现实世界事件的实时信息和/或更新。在某些实例中，这些 反馈可以是诸如XML反馈这样的结构化数据流，从而提供易于被消费者系统接收、解析、处 理和/或显示的格式。
[0038] 如果需要的话，本文所公开的系统和方法的所有这些和其他方面可被用来执行业 务活动以产生收益。这样的收益资源可以包括，例如：
[0039] 1.对预测信息和相关衍生信息的订阅；
[0040] 2.游戏内购买；
[0041] 3.游戏和信息的高级级别的收费访问；
[0042] 4.用于企业、政府、非盈利组织和其他人的托管专用实例；
[0043] 5.广告；和/或
[0044] 6?收费专用游戏。
[0045] 应当理解的是，
【发明内容】
记载了本说明书的一些方面，但无论是【背景技术】还是发 明内容都是不意图限制本发明。本说明书还有许多其它新颖的和有利的方面，并且这些随 着本说明书的继续将变得更明显。在这方面，基于本说明书的所公告的权利要求范围由所 公告的权利要求所确定，而不是由它是否解决了【背景技术】中说明的问题或者提供了发明内 容中记载的特征、问题解决方案或优点所确定。
【附图说明】
[0046] 附图中公开了申请人的优选和其他实施例，其中：
[0047]图1是根据一个示例性实施例的在其中可以实现预测处理系统的计算机网络或 类似的数字处理环境；
[0048] 图2是在图1的计算机网络中使用的计算机的内部结构的框图；
[0049] 图3是在图1的实施例中的预测处理系统的应用层框图；
[0050] 图4A至4U是图3的集群服务（crowd service)的多种分类的一系列分类框图；
[0051] 图5是支持图3的集群服务的分类的相关分类框图；
[0052] 图6A至6T是图3的集群数据库的多种表格的一系列框图；
[0053] 图7A至7Y是图3的游戏服务的多种分类的一系列分类框图；
[0054] 图8是支持图3的游戏服务的分类的关联框图；
[0055] 图9A至9J是图3的游戏数据库的多种表格的一系列框图；
[0056] 图10A至10U是图3的竞争服务的多种分类的一系列分类框图；
[0057] 图11是支持图3的竞争服务的分类的具体关联框图；
[0058] 图12A至12S是图3的竞争数据库的多种表格的一系列框图；
[0059] 图13是图3的分析服务的多种分类的关联分类框图；
[0060] 图14A至14F是图3的分析数据库的多种表格的一系列框图；
[0061] 图15是游戏实例的关联框图；
[0062] 图16是用于图3中所示的一些服务的游戏解决逻辑的流程图；
[0063] 图17A是由图3的反馈服务处理的站内美联社? XML反馈的示例；
[0064] 图17B是由图3的反馈服务处理的站内全球体育媒体@:乂]\^反馈的示例；
[0065] 图18是用于处理图3的游戏服务中的将获胜提议的过程的流程图；
[0066] 图19是用于处理图3的游戏服务中的比较提议的过程的流程图；
[0067] 图20是用于处理图3的游戏服务中的在排序时将会是第一名的提议的过程的流 程图；
[0068]图21是用于处理图3的游戏服务中的在范围内将会获胜的提议的过程的流程 图；
[0069] 图22是用于处理图3的游戏服务中的具有差距的第一名的提议的过程的流程 图；
[0070] 图23是用于处理图3的游戏服务中的具有获胜百分比的获胜的提议的过程的流 程图；
[0071] 图24是用于处理图3的游戏服务中的将打平的提议的过程的流程图；
[0072] 图25是 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 ok*:凭证的成员通过Facebook8」 界面发送邀请到他们的Facebook'好友。CR0WD_INVITATI0NS数据库表格550支持该类。Crowd: :UserInvitation类512将多名成员加入到系统邀请，其由CR0WD_USER_INVITATI0N 数据库表格557支持。Crowd: :Friendship类519将一些成员与另一个成员相关联，其由 CR0WD_FRIENDSHIP数据库表格565支持。
[0155] Crowd: :Followship类520允许一名成员跟随另一名成员的活动，其由CR0WD_ F0LL0WSHIP数据库表格568支持。Crowd::Comments类505存储涉及群组和游戏的用户评 论。CR0WD_C0MMENTS数据库表格560支持该类。Crowd: :Badge类501储存处多种类型的基 于表现的成员奖励，其由CR0WD_BADGES数据库表格552支持。Crowd: :Badging类503将特 定类型的徽章授予成员。CR0WD_BADGINGS数据库表格567支持该类。Crowd: Activities类 508和 / 或Crowd: : TimelineEvent类515分别与CR0WD_ACTIVITIES表格562和TMELINE_ EVENTS表格554-起存储用户的活动。Crowd: :Page类518存储网页页面使用的内容，其 由CR0WD_PAGES数据库表格561支持。Crowd: :Rewards0bserver类521是观察员群组和评 论以确定是否给予基于社交活动的成员等级的徽章或奖励的公用类。
[0156] CR0WD_PAGE_TRANSLATI0NS数据库表格555存储基于场所的页面类内容的翻译。 TAGS数据库表格569存储用于各个类的分类标签，接下来可将这些分类标签通过TAGGINGS 数据库表格558关联到可标记对象。
[0157] 现在参见图6,使用标准UML连接器类型来描述用于图4A至图4U中的集群服务类 的详细的类关系。
[0158] 参见图7A至图7Y，描述了用于实现根据一个示例性实施例的预测处理系统104的 多种游戏服务的类（参见图3)的一系列类框图。图9A至9J描述了支持游戏服务类的一 系列数据库表格。
[0159] Play: :Proposal类712提供用于解决预测的处理模型（settlement model)，其由 PLAY_PR0P0SALS数据库表格755支持。
[0160] Play: :ProposalWillWinWithHigherPercentageOn类701 实现用于图 23 的具有较 高百分比将会获胜的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。
[0161] Play: :ProposalCoverSpreadOn类704实现用于图26的覆盖范围提案类型的处 理模型。PLAY_PR0P0SALS数据库表格755支持该类。Play: :Compare0n类702实现用于图 19的比较的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。
[0162] Play: :ProposalWillWinInRangeOn类705实现用于图21的在该范围内将会获胜 的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。
[0163] Play: :ProposalFirstWithDifference类703实现用于图 22 的具有差距的第一名 的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。
[0164] Play: :ProposalWillBeFirstWhenSortedOn 类 706 实现用于图 20 的当排序 时将是第一名的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。 Play ::Proposal WillTie类707实现用于图24的将打平的提议类型的处理模型。PLAY_ PROPOSALS 数据库表格 755 支持该类。Play: :ProposalOperationalCompare 类 711 实现用 于图25的操作比较的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。 Play: :ProposalWillWin类708实现用于图18的将会获胜的提议类型的处理模型。
[0165] Play: :ProposalWillWinInRange类709实现用于图21的在该范围内将会获胜 的提议类型的处理模型。PLAY_PR0P0SALS数据库表格755支持该类。Play ::Parlayable 类710是将可连赢（parlayable)的提议加入到预测的加入模型。Play::Proposition 类713是将预测与提议捆绑的加入模型，其由PLAY_PR0P0SITI0NS数据库表格759支持。 Play: Prediction类715存储对于给定参赛、竞赛或程序来说给定主张将成真的声明。 PLAY_PREDICITIONS数据库表格751支持该类。Play: :Game类714存储程序的可玩实例， PLAY_GAMES数据库表格750支持该类。Play: :Ticket类717存储用于对于给定游戏的所 有用户选择。PLAY_TICKETS数据库表格752支持该类。Play ::Pick类718存储投给给定 预测的钱币数量，其由PLAY_PICKS数据库表格754支持。Play: : Pool类716存储针对一竞 赛投给给定主张的钱币总数量。PLAY_P00LS数据库表格758支持该类。Play: Expertise 类719存储在一给定分类下由用户玩的所有游戏，以及用户所有获胜的游戏和输的游戏。 PLAY_EXPERTISE数据库表格756支持该类。Play: :Fandom类720存储对于给定参赛者的 所有预测和所有正确预测。PLAY_FAND0MS数据库表格757支持该类。Play: : Standing类 725存储用户的赚的奖金钱币、排名、总分数和全球前十名的分数。PLAY_STANDINGS数据库 表格753支持该类。
[0166] Play: :Prediction类721是用于解决和更新挑选的替换类。 Play: :Program0bserve;r类722程序关闭状态的出现，接着更新和清算游戏及相关票。 Play: :Raceobserver类723监视竞争并依照检测到的改变更新票。
[0167] 现在参见图8,使用标准UML连接器类型描述用于图7A至图7Y中的游戏服务类的 详细类关系。
[0168] 参见图10A至图10T，描述了用于实现根据一个示例性实施例的预测处理系统104 的竞争服务84(参见图3)的各种类的一系列的类框图。图12A至图12S描述了支持游戏 服务类的一系列数据库表格。
[0169] Competition: :Program类611 存储竞赛的集合，其由 C0MPETITI0N_PR0GRAMS数据 库表格650支持。Competition: :Race类612存储可以做出预测的对象。
[0170] C0MPETITI0N_RACES 数据库表格 652 支持该类。Competition: :Racable 类 613 是 将一个竞赛加入到程序中的加入模型。C0MPETITI0N_RACABLES数据库表格667支持该类。 Competition: :Runner类616存储属于一竞赛的对象，可对其做出预测。
[0171] C0MPETITI0N_RUNNERS 数据库表格 651 支持该类。Competition: :Run 类 617 将参 赛者关连到竞赛。C0MPETITI0N_RUNS数据库表格654支持该类。
[0172] Competition: :RunData数据类618存储关于在竞赛中参赛者的表现的附加数据， 其由 C0MPETITI0N_RUN_DATA 数据库表格 661 支持。Competition: :Tour 类 601 将竞争加 入到巡回赛，并且允许群组竞争的组织。C0MPETITI0N_T0URS数据库表格658支持该类。 Competition: :Tourable类609是将竞争加入到巡回赛的加入模型，其由COMPETITION# T0URABLES数据库表格665支持。Competition: :Category类602存储对象的类别，其由 C0MPETITI0N_CATEG0RIES 数据库表格 657 支持。
[0173] Competition: :Categorization类607是将可分类对象加入类别的加入模型。
[0174] C0MPETITI0N_CATEG0RIZATI0NS 数据库表格 663 支持该类。Competition: :Area 类603存储地理区域，其由C0MPETITI0N_AREAS数据库表格653支持。
[0175] Competition: :Areazation类619是将对象绑定到区域的加入模型。
[0176] C0MPETITI0N_AREAZATI0NS 数据库表格 664 支持该类。Competition: :Player 类 604存储关于作为参赛者参加竞赛的个人的信息。C0MPETITI0N_RUNNERS数据库表格651 支持该类。Competition: :Competition类605是用于重现事件的高层次组织结构，其由 C0MPETITI0N_C0MPETITI0N 数据库表格 656 支持。Competition: :Team 类 606 存储作为参 赛者集合的竞赛参与者。Competition: :Teaming类608是将一名参赛者绑定到队伍的加入 模型，其由C0MPETITI0N_TEAMINGS数据库表格666支持。
[0177] Competition: : Season类610 按时间段组织程序。C0MPETITI0N_SEAS0NS数据库表 格支持该类。Competition: :Location615存储给定位置的炜度和经度，其由COMPETITION# LOCATIONS数据库表格659支持。Competition: :Label614存储于对象相关联的标签，其由 C0MPETITI0N_LABELS 数据库表格 662 支持。
[0178] Competition: :ProgramSpliter类621是将具有大量竞赛的大型程序分割成具有 较少数量竞赛的较小程序的公用类。TAGS数据库表格668存储用于各个类的分类标签，然 后可将这些分类标签通过TAGGINGS数据库表格660关联到可标记对象。
[0179] 现在参见图11，使用标准UML连接器类型描述了用于在图10A至图10T中描述的 竞争服务类的详细的类关系。
[0180] 现在参见图13,描述了用于实现根据一个示例性实施例的预测处理系统104的分 析服务88(参见图3)的各种类的详细的类关系框图。使用标准UML连接器类型描述类关 系。图14A至图14F描述了支持分析服务类的一系列数据库表格。
[0181] Analytics: :Group类1302存储给定程序的玩家的特定子集，其由ANALYTICS_ GROUPS数据库表格230支持。群组是基于期望的群组过滤标准的分类子集。 Analytics: :GroupGroup类1309存储基于玩家所属的集群群组的分析分组。
[0182] ANALYTICS_GROUPS 数据库 230 支持该类。Analytics: :FanGroup 类 1308 存储对 于给定程序中的每一个参赛者的所有爱好者的分析分组。ANALYTICS_GROUPS数据库230支 持该类。Analytics: :ExpertGroup类1306存储对于给定程序类别的所有专家的分析分组。 ANALYTICS_GROUPS数据库表格230支持该类。
[0183] Analytics: :NationalGroup类1307存储基于国家的玩家分析分组。
[0184] ANALYTICS_GROUPS 数据库表格 230 支持该类。Analytics:: Program 类 1301 存 储到 Competition: :Program 类 611 (参见图 10K)的指针，其由 ANALYTICS_PROGRAMS 数 据库表格234支持。Analytics: :User类1310存储到Crowd: :User类502 (参见图4B) 的指针，其由 ANALYTICS_USERS 数据库表格 232 支持。Analytics: Membership 类 1305 是将用户绑定到群组的加入模型。ANALYTICS_MEMBERSHIP数据库表格228支持该类。 Analytics: :PropositionPool类1303存储给定分析群组关于给定竞赛的给定主张的总体 加权。ANALYTICS_PR0P0SITI0N_P00L数据库表格224支持该类。
[0185] Analytics: :PredictionPool类1304存储由给定分析群组的成员做出的关于给 定预测的加权的总数量。ANALYTICS_PREDICTI0N_P00L数据库表格226支持该类。
[0186] 现在参见图15,玩家1008可以做出关于未来事件的结果的预测1004。在一些实 施例中，玩家通过进行挑选1006来做出预测，其中挑选1006指示玩家关于他们希望的未来 事件的结果的观点。挑选1006是针对参赛者的。参赛者可被认为是参与事件的任何主体。 例如，如果一个人预测移动设备将卖得比个人计算机多，则移动设备和个人计算机将是参 赛者，而玩家挑选了移动设备。
[0187] 挑选参赛者发生在竞赛1002的环境中。竞赛1002是存在针对参赛者的互斥结果 的竞争环境。这些互斥的结果作为参赛者的参赛1003的结果。在上述最佳销售计算设备 的例子中，存在两个参赛1003。一个参赛是售出的移动设备。相对的参赛是售出的个人计 算机。这两个参赛1003构成了竞赛1002。
[0188] 程序1001可包括一个或多个竞赛1002。玩家1008可提交与给定参赛1003、竞赛 1002或程序1001相关联的一个或多个挑选1006。在预测处理系统中呈现的预测1004是 关于参赛1003的真/假的声明。对一参赛1003所做出挑选1006由玩家1008通过预测 1004方式对特定参赛1003的参赛者投注游戏内货币构成。在一些应用中，预测处理系统包 括连赢（parlay) 1005,其可以将一个或多个预测1004组合进单个挑选1006中。如果预测 声明为真，或者在连赢情况下，当所有需要的预测声明都为真，则用户的挑选将被认为是正 确的。玩家通过提交挑选1006的选票1007将一个或多个挑选应用于一个或多个参赛者。 在一些实施例中，在单张选票1007中提交关于所有游戏的所有挑选1006。
[0189] 现在参见图16,描述了支持图15的游戏的操作的处理逻辑。在示例性实施例中， 通过检测竞赛关闭来触发处理。在某些实例中，通过反馈服务86(参见图3)从包括竞赛数 据的外部系统接收数据反馈。为特定反馈的格式定制的反馈解析器解析反馈1602的内容， 并且确定竞赛是否关闭1603。如果竞赛关闭，贝1」竞争服务84 (参见图3)关闭竞赛1604。 通过设置针对参赛 1605 的 Competition: :Run. placement、Competition: :Run. score 和 Competition: :Run. winner来处理参赛。在一些实施例中，通过游戏服务82 (参见图3)来管 理额外的处理。游戏服务82方法通过收集针对与竞赛相关联的所有参赛预测的全部特有 主张，从而计算主张是否为真，并且相应地设置Play: :Prediction. satified 1606、1607、 1608U609来处理主张和相应的预测。竞争服务84(参见图3)方法接下来通过收集对所 有预测的挑选，并且计算每个挑选赢得的钱币1610U611来处理与选票相关联的挑选。游 戏服务82方法接下来收集所有选票并且计算选票所赢得的总钱币、准确性、得分和配置 1612、1613〇
[0190] 一旦完成了处理过程的这一部分，竞争服务84确定竞赛是否是程序1614中的最 后竞赛，并且如果是的话，则将关闭程序1615 ;其中假设该程序是程序集合1626、1627中最 后的程序。在一些实施例中，由游戏服务82来管理额外的处理。游戏服务82方法通过使 用挑选权重、获胜概率和游戏池来计算赢得的钱币，更新投票分数、配置、前十名分数、准确 性和奖金1616、1617、1618,从而关闭游戏。游戏服务82方法接下来关闭投票，并且计算任 何最终值1619。
[0191] 一旦完成处理，集群服务80 (参见图3)方法就更新玩家数据，其包括赢得的钱币、 准确性得分、勋章和/或徽章1620、1623。这些方法进一步通过诸如电子邮件或社交网络中 的消息这样的机制1621、1622、1624、1625通知玩家和/或第三方。
[0192] 现在参见图17A，其示出了一个美联社8IXML反馈的示例。在一些实例中， 反馈服务86(参见图3)针对来自特定源的反馈类别提供定制的解析类。当从给定源 接收到反馈时，可以根据反馈内容确定反馈类别。在该示例中，反馈服务86可以提供 Feeder: :Parser: :Ap: :Election类以处理美联社''5:XML反馈格式的票选反馈。该示例包括 Shelley Berkley是赢家的标示，其指示比赛被关闭。这样可以用来触发如图16所述的处 理过程。现在参见图17B，其示出了示例全球体育媒体?:XML反馈。这里，反馈服务86可以 提供Feeder: :Parser: :GSM: :Baseball类以处理全球体育媒体?: XML反馈格式的反馈。
[0193] 在一些实施例中，所提供的提议框架包括针对主张建模的多种类型的提议。在一 些实例中，提供将会获胜提议（Will Win proposal)类型。该提议类型确定某个参赛者 是 否是一组参赛者之中的竞赛冠军。使用将获胜提议类型的主张示例包括"Meryl Stre印将 获得最佳女配角"，"Tiger Woods将以第一名结束大师赛第一回合"，"洋基队得分将超过大 都会队"。可以顺序的应用一个或多个测试以确定获胜者。
[0194]现在参见图 18，Play: :Proposal 类支持 Play: :ProposalWillWin 对象的实例 化，Play: :ProposalWillWin对象可以具有零个或更多与其相关联的Play: :Proposition 对象。当通过Play: :Proposition对象处理与Play: :ProposalWillWin对象相关 联的预测时，Play: :ProposalWillWin对象被加载到存储器1801中。处理方法解 析 Play: :ProposalWillWin. configuration 属性 1802，并且取得 sort_with 运算符 1803。在一些实施例中，第一次测试确定参赛是否产生获胜者1804。如果评估为真， 接下来将Play: :Prediction. satisfied设为真，并且不进行进一步的测试。如果参 赛没有产生获胜者，则接下来执行额外的测试。在某些实施例中，没有清楚地标明获 胜者，则执行第二次测试以确定一个参赛的排名是否高于其他参赛1805。如果评估为 真，接下来将Play: :Prediction. satisfied设为真，并且不进行进一步的测试。如果 Competition: :Run. placement并没有指示该参赛处于第一的位置，接下来要执行第三次测 试以确定该参赛的得分是否高于任何其他参赛1807。对于该测试，根据s 〇rt_With运算符， 基于Competition: :Run. score属性对所有参赛计分进行排序1806,接下来评估列表以确 定该参赛是否处于列表中第一的位置1807。s〇rt_ With运算符可指示一降序顺序，或者给 出升序的顺序，假设在一些类别中低分比高分要好（例如高尔夫）。如果该参赛处于列表中 第一的位置，将Play: :Prediction. satisfied设为真1808。如果该参赛不是处于列表中第 一的位置，将Play: Prediction, satisfied设为假1809,这表示该参赛并非获胜者，并且 预测没有得到满足。在另一个实施例中，这一系列测试还可以包括额外的测试。
[0195] 在一些实例中，比较提议（Compare On Proposal)类型被提供为提议框架的一部 分。该提议类型使用给定比较运算符来将比赛的给定属性与给定目标值进行比较。使用该 提议类型的主张的例子包括"洋基队的得分将超过五支队伍"和"新iPhon，啲价格将低于 500美金"。
[0196]现在参见图 19，Play: :Proposal 类支持 Play: :ProposalCompare0n 对象的实例 化，Play: :ProposalCompare0n对象可具有零个或更多与其相关联的Play: :Proposition 对象。当通过Play: :Proposition对象处理与Play: :ProposalCompare0n对象相关 联的预测时，Play: :ProposalCompare对象将被加载到存储器中1901。处理方法解析 Play: :ProposalCompare0n. configuration属性1902,并且取得属性、比较运算符和目标 值（操作数）1903。执行一个检查以确定该比赛是否包括用于给定属性的值1904。如果没 有检测到值，可以生成指示没有数据用于给定属性的错误1905。如果检测到值，则接下来根 据比较运算符将属性值与操作数相比较1906。如果操作数是文本，则比较方法可以按字母 排序进行统计。如果比较估计是真1907,则Play: :Prediction. satisfied被设为真1908。 如果比较估计为假，则Play: :Prediction. satisfied被设为假1909,这指示不满足预测。
[0197] 在一些实例中，提供当排序时将会是第一的提议（Will Be First When Sorted On Proposal)类型作为提议框架。该提议类型确定当对给定属性进行排序时给定参赛是 否处于第一的位置。使用提议类型的主张的例子包括："Ivan Lendl将成为王牌"和"Jonh Kerry将得到最多投票"。
[0198]现在参见图 20，Play: :Proposal 类支持 Play: :ProposalWillBeFirstWhenSort edOn对象的实例化，Play: :ProposalWillBeFirstWhenSortedOn对象具有与其相关联的 Play: :Proposition对象的零个或更多实例。当通过Play: :Proposition对象处理与Play: :ProposalWillBeFirstWhenSortedOn 相关联的预测时，Play: :ProposalWillBeFirstWhenS ortedOn对象被加载到存储器中2001。处理算法解析Play: :ProposalWillBeFirstWhenSor tedOn. configuration属性2002,并且取得要被排序的属性和sort_with运算符2003。执行 一个检查以确定该参赛是否包括用于给定属性的值2004。如果没有检测到值，可以生成指 示没有数据用于给定属性的错误2005。如果检测到值，则执行一个检查以检查属性值是否 为数字2006。如果检测到非数字，则可以生成指示数据对于给定属性无效的错误2007。如 果检测到数字，则针对一个竞赛的所有参赛可基于给定属性2008来分组，并且根据sort_ with运算符顺序地排序2009。该方法接下来分析第一群组以确定其是否包括参赛2010。 如果其确实包括该参赛，Play: :Prediction. satisfied被设为真2711。如果其确实不包括 该参赛，Play: :Prediction. satisfied被设为假2012,这指示不满足预测。
[0199] 在一些实施例中，在范围内将会获胜的提议（Will Win In Range On Proposal) 类型被提供为提议框架的一部分。该提议类型估计竞赛的给定属性以确定其是否处 于由给定下限值和给定上限值所定义的给定范围内。使用该提议类型的主张的例子 是"Tiger Woods将在前五位完成者中"。现在参见图21，Play: :Proposal类支持 Play: :ProposalWillWinInRangeOn 对象的实例化，Play: :ProposalWillWinInRangeOn 对象具有与其相关联的Play: : Proposition对象的零个或更多实例。当通过 Play: :Proposition 对象处理与 Play: :ProposalWillWinInRangeOn 对象相关联的预 测时，Play::ProposalWillWinInRangeOn对象被加载到存储器中2101。处理方法解析 Play: :ProposalWillWinInRangeOn. configuration 属性 2102,并且取得 range_on 属性、范 围上限值和范围下限值2103。处理方法将用于竞赛的所有参赛按range_〇n属性2104进行 分组，并且提取range_on属性处于由给定下限值和给定上限值所定义的范围内的所有参 赛群组2105。该方法将在提取的群组中的参赛转换为参赛列表2106,并且确定该参赛是否 包括在参赛列表中2107。如果其确实包括该参赛，Play: :Prediction. satisfied被设为真 2108。如果其确定不包括该参赛，Play: :Prediction. satisfied被设为假2109,这指示不 满足预测。
[0200] 在某些实例中，具有差距的第一名的提议（First With Difference On Proposal) 类型被提供为主张框架的一部分。该提议类型比较参赛的给定属性和下一个最接近的参赛 的相同属性，并且确定在这两个属性之间的差异是否大于、小于或等于给定数量。使用该提 议类型的主张例子包括"Mario Andretti将超过至少10秒"和"大都会队将比洋基队多5 个失误"。
[0201] 现在参见图 22，Play: :Proposal 类支持 Play: :ProposalFirstWithDifferen ceOn对象的实例化，Play: :ProposalFirstWithDifferenceOn对象具有与其相关联的 Play: :Proposistion对象的零个或更多实例。当通过Play: :Proposistion对象处理与P1 ay: :ProposalFirstWithDifferenceOn 对象相关联的预测时，Play: :ProposalFirstWithDi fferenceOn对象被加载到存储器中2201。处理方法解析Play: :ProposalFirstWithDiffe renceOn. configuration属性2201，并且取得属性、比较运算符、sort_with运算符、运算数 和winner_required属性2203。winner_required属性指示参赛是否必须是竞赛获胜者。 处理方法确定winner_required属性是否被设为真2204,如果是，确定Competition: : Run. winner是否等于真2205。如果确定了该参赛并非获胜者，则接下来Play: :Prediction. satisfied被设为假，这指示不满足预测2213。如果winner_required为假，或者如果确定 了该参赛是获胜者，接下来该方法继续进行比较。该方法将所有参赛按给定属性2206进行 分组，接下来依照s〇rt_with运算符2207排序群组。如果确定了该参赛并非处于第一群 组2208,则接下来Play: :Prediction. satisfied被设为假，这指示不满足预测2213。如 果该方法确定该参赛处于第一群组，其取得在群组列表中的下一个群组的属性2209,就计 算第一群组属性和第二群组属性之间的差异2210,并且根据比较运算符比较结果和运算数 2210。如果该方法确定比较估计为真2211，Play: :Prediction, satisfied被设为真2212。 如果该方法确定比较估计为假2211，Play: :Prediction. satisfied被设为假2213,这指示 不满足预测。
[0202] 在一些实施例中，具有获胜百分比的获胜的提议（Will With Percentage On Proposal)类型被提供为提议框架的一部分。该提议类型确定参赛是否是一竞赛中的第一， 其中所有参赛被按照两个给定属性的分数（fraction)进行排序。使用该提议类型的主张 例子包括"Ivan Lendl更有机会赢得第一名"和"波士顿棕熊队的守门员能扑救更多射正 的射门"。
[0203]现在参见图 23，Play: :Proposal 类支持 Play: :ProposalWillWinWithHigherPer centageOn 对象的实例化，Play: :ProposalWillWinWithHigherPercentageOn 对象具有与 其关联的Play: :Proposition对象的零个或更多实例。当通过Play: :Proposition对象 处理与 Play: :ProposalWillWinWithHigherPercentageOn 对象相关联的预测时，Play: :P roposalWillWinWithHigherPercentageOn对象被加载到存储器中2301。该处理方法解析 Play: :ProposalWillWinWithHigherPercentageOn. configuration 属性 2302,并且取得分 子属性、分母属性和sort_with运算符2303。执行一个检查以确定竞赛是否包括用于分子 属性和分母属性的值2304。如果没有检测到值，则生成指示没有用于一个或这两个属性的 数据的错误2305。如果存在两个属性值，则该方法通过依次输出每个参赛2307,将该参赛 的分子属性除以分母属性2308,并且将关键值设置为与除法结果相等2309而创建所有参 赛的哈希表2306。该方法接下来依照s 〇rt_With运算符基于分数将群组中的所有参赛进 行排序2310,并且确定该参赛是否处于第一群组2311。如果该参赛没有处于第一群组，则 Play: :Prediction. satisfied被设为假2314,这指示不满足预测。如果该方法确定参赛处 于第一群组，则其进一步检查是否有更多参赛在第一群组中2312,这表示与对应百分比的 绑定。如果该方法确定仅有一个参赛在该群组中，则Play: :Prediction. satisfied被设为 真2313。如果该方法确定多于一个参赛在群组中，则Play: :Prediction. satisfied被设为 假2314,这指示不满足预测。
[0204] 在一些实施例中，将打平的提议（Will Tie Proposal)类型被提供为提议框架的 一部分。该提议类型确定在一组参赛者中是否有两个或更多竞赛获胜者。使用将打平的提 议类型的主张例子包括"电影原声剪辑有两个获胜者"和"纽约巨人队和新英格兰爱国者队 将会打平局"。可以顺序应用一个或多个测试以确定是否有多于一个获胜参赛。
[0205]现在参见图 24，Play: :Proposal 类支持 Play: :ProposalWillTie 对象的实例 化，Play: :ProposalWillTie对象可具有与其相关联的Play: :Proposition对象的零个 或更多实例。当通过Play: :Proposition对象处理与Play: :ProposalWillTie对象相 关联的预测时，Play::ProposalWillTie对象被加载到存储器中2401。处理方法解析 Play: :ProposalWillTie. configuration 属性 2402,并且取得 sort_with 运算符 2403。在 一些实施例中，该方法首先创建被标记为获胜参赛的参赛群组2404,并且确定该群组是否 包括多于一个参赛2405。如果评估为真，接下来Play: :Prediction. satisfied被设为 真，并且不执行进一步的测试2413。如果该群组没有包括多于一个参赛，执行额外的测 试。在特定实施例中，执行第二测试以确定是否多于一个参赛达到相同的名次得分。该 方法使用Competition: :Run. placement作为关键值创建参赛群组的哈希表2406,并且以 降序的顺序对群组哈希表进行排序2407。如果该方法确定多于一个参赛在群组中2408， 则Play: :Prediction, satisfied被设为真，并且不执行进一步的测试。如果仅有一个 参赛在群组中，则执行第三测试以确定是否有多于一个参赛具有相同的得分。该方法使 用Competition: :Run. score作为关键值创建参赛群组的哈希表2409,并且依照sort_ with运算符对群组哈希表进行排序2410。如果该方法确定多于一个参赛在群组中2411， 则Play: : Predict ion. satisfied被设为真2413。如果参赛是群组中仅有的参赛，则 Play: :Prediction. satisfied被设为假2412,这指示不满足预测。在另一个实施例中，一 系列测试中还可以包括额外的测试。
[0206] 在一些实例中，比较操作的提议（Compare Operation On Proposal)类型被提供 为提议框架的一部分。该提议类型对一竞赛中的所有参赛的数据属性进行操作，接下来比 较结果和给定值。使用该提议类型的主张例子包括"湖人对骑士的比赛的得分将超过1〇〇" 和"投给市长的总投票将少于有资格选民的75% "。现在参见图25,Play: :Proposal类支持 Play: :ProposalOperationalCompare 对象的实例化，Play: :ProposalOperationalCompare 对象可具有与其相关联的Play: : Proposition对象的零个或更多实例。当通过 Play: :Proposition 对象处理与 Play: :ProposalOperationalCompare 对象相关联的预测 时，Play: :ProposalOperationalCompare对象被加载到存储器中2501。处理方法解析Pla y: :ProposalOperationalCompare. configuration 属性 2502,并且取得属性、操作、比较运 算符和操作数2503。可以执行检查以确定参赛是否包括给定属性的值2504。如果没有检 测到值，则生成指示没有针对给定属性的的数据的错误2505。如果检测到值，则接下来执行 检查以检查属性值是否为数字2506。如果检测到非数字值，则可以生成数据对于给定属性 是无效的错误2507。如果检测到数字值，则该方法执行检查，并且确定操作是否是减法操作 2508。对于减法操作，该方法可以确定在竞赛中是否恰有两个参赛2509，如果否，则生成指 示竞赛数据对于执行减少操作的目的无效的错误2510。该方法接下来可以对竞赛中的所有 参赛的所有属性数据执行给定操作2511，接下来根据运算符比较结果和运算数2512。如果 该方法确定比较操作为真2513,则Play: :Prediction. satisfied被设为真。如果比较估计 为假，Play: :Prediction. satisfied被设为假2515,这指示不满足预测。
[0207] 在某些实施例中，覆盖范围的提议（Cover Spread On Proposal)类型被提供 为提议框架的一部分。该提议类型根据比较运算符将给定线数量（line amount)和一 个参赛的给定属性之和与相对参赛的给定属性作比较。使用该提议类型的主张例子包 括"骑士至少赢湖人5分"和"湖人不会输超过5分"。现在参见图26, Play: Proposal 类支持 Play: :ProposalCoverSpreadOn 对象的实例化，Play: :ProposalCoverSpreadOn 对象可具有与其相关联的Play: : Proposition对象的零个或更多实例。当通过 Play: :Proposition 对象处理与 Play: :ProposalCoverSpreadOn 对象相关联的预 测时，Play: :ProposalCoverSpreadOn对象被加载到存储器中2601。处理方法解析 Play: :ProposalCoverSpreadOn. configuration 属性 2602,并且取得属性、比较运算符和 线数量（line amount)2603。该方法可执行检查以确定竞赛中的参赛数量是否恰好为两个 2604,如果否，可以生成指示存在不正确的参赛数量的错误2605。如果竞赛中恰好有两个 参赛，则该方法将属性和线数量相加2606,并且根据运算数比较结果和相对的参赛的属性。 例如，对于体育项目中的通常覆盖范围类型主张，分差相对于范围来说更重要。相反的，对 于通常击败范围类型主张为真的情况下，分差相对范围来说不太重要。在这两种情况下，线 的绝对值将是相同的，尽管在击败范围情况下，所使用的线数量将是负值。如果该方法确定 比较操作为真2608,则Play: :Prediction. satisfied被设为真2609。如果比较估计为假， 则Play: :Prediction. satisfied被设为假，这指示不满足预测。
[0208] 在一些实例中，连赢提议（Parlay Proposal)类型被提供为提议框架的一部分。该 提议类型将两个或更多预测链接在一起，确定是否满足这些预测的集合。使用该提议类型 的主张例子包括"所选择的三匹马中至少有两匹将以前三的位置完成比赛"和"五分之四的 议席将由共和党赢得"。
[0209]现在参见图 27，Play: : Proposal 类支持 Play: :ProposalParlay 对象的实例 化，Play: :ProposalParlay对象可具有与其相关联的Play: :Proposition对象的零个 或更多实例。当通过Play: :Proposition对象处理与Play: :ProposalParlay对象相 关联的预测时，Play: :ProposalParlay对象被加载到存储器中2701。处理方法解析 Play: :ProposalParlay. configuration 属性 2702,并且取得由连赢提议链接的 child_ prediction、需要为真的预测、需要为真的预测的总数量和比较运算符2703。处理方法将 子预测加载到存储器中2704,并且确定是否已经处理了所有预测2705。如果还有未处理 的，生成指示存在未完成数据的错误2706。处理方法确定是否所有所需的子预测都已满 足2707,如果否，Play: : Predict ion. satisfied被设为假2712,这指示不满足预测。如果 所需的子预测都满足了，接下来该方法计算满足的子预测的总数量，并且将该数量与子预 测的给定所需数量作比较2709。如果该方法确定比较操作为真2710, Play: :Prediction. satisfied被设为真2711。如果该方法确定比较估计为假，Play: :Prediction. satisfied 被设为假2712,这指示不满足预测。
[0210] 现在回到图28,描述了根据一个示例性实施例的游戏创建过程。在一些实例中，响 应于用户动作、API呼叫和/或数据反馈的接收而触发游戏的创建。一旦检测到游戏创建 触发事件2801，游戏创建方法选择程序2802,并且确定是否已存在该游戏2803。如果不存 在该游戏，则方法通过将名称设置为程序名称，基于程序中的竞赛和参赛者数量计算注数， 并且基于程序类别收集所有合适的提议2805、2806、2807而启动新游戏2804。游戏创建方 法接下来创建用于每个提议的程序主张，并且创建用于每个主张和比赛的预测2808、2809。
[0211] 在一些实施例中，识别玩家并将其放置到群组中。在一些实施例中，通过识别在同 一类别中的之前游戏中的准确性水平超过预定阈值的玩家来定义专家群组。在一些实例 中，基于识别在同一类别中的之前程序中的得分超过预定阈值的玩家来定义高级群组。在 这些实施例中的一些实施例中，该阈值可以是50%或更高的准确性水平。在其他实施例中， 可以通过识别将自己标示为参加程序的特定参赛者的爱好者的程序玩家来定义群组。
[0212] 现在参见图29,在一些实施例中，分析服务88(参见图3)方法识别在当前程序中 具有专家资格的那些玩家2901。方法88接下来计算群组等级获胜概率和其他额外的统计 2902,并且向高级玩家和专家提供这些信息2903。如果恰当的话，该方法向高级和/或专家 玩家提供和/或奖励额外的和/或奖金注数。系统收集来自程序玩家的预测2905,接下来 计算用于每个主张的全局获胜概率和用于每个识别的群组的群组级别获胜概率2907。全局 获胜概率是所有玩家可访问的。在特定实例中，群组级别获胜概率，例如专家获胜概率仅对 于高级玩家、专家和/或其他识别的子群组可用2908。
[0213] 参见图30,在一些实施例中，正反馈机制重复地计算更好表现玩家可能感兴趣和 /或使用的统计，并且迭代地向更好表现玩家群组提供这些统计。这些统计包括诸如专家获 胜概率3002、爱好者获胜概率3003、爱好者信任度3106 (参见图31)、同等（peer)信任度索 引和/或专家爱好者获胜概率等衍生信息。在特定实例中，另一种类型的信息包括加权获 胜概率，其中该方法基于玩家的历史准确性对每个玩家的预测进行加权。
[0214] 该机制还可以向更好表现的玩家提供额外的注数3004。在一些实例中，可以基于 玩家相对于其他较好表现玩家的表现水平来均匀分配或非均匀分配这些额外的注数。向更 好表现玩家提供独有的信息和提供额外的注数可以增加较好表现者选择的权重，从而可以 进一步优化专家预测群组3006,以及通过提高专家子群组的整体预测准确性的方式来提升 专家表现者的子群组的整体表现。在一些实施例中，可以向外部订阅者发布优化的统计。
[0215] 在特定实施例中，还可以计算的另一类衍生统计是爱好者信任度。现在参见图31， 分析服务88(参见图3)方法生成标记为给定参赛者的爱好者的所有玩家的列表3101。方 法接下来基于爱好者是否在玩当前游戏而提取爱好者的子群组3102。为子群组中的每个爱 好者计算爱好者准确性衡量3103,接下来以降序的顺序在列表中排序子群组3104。该方法 接下来使用由子群组中准确性超过预定准确性阈值的爱好者提交的加权选择来计算每个 预测的获胜概率3105、3106。该方法接下来计算给定预测的全局获胜概率，并且估计全局获 胜概率计算的结果和子群组获胜概率计算的结果之间的差3107、3108。在一些实例中，爱好 者信任度可以被表达为百分比差。本领域技术人员都可以认识该相同的信息可被表示为可 替代的形式和表现方式。
[0216] 现在参见图32,描述了用于NFL体育事件游戏的示例玩家群组的维恩图（Venn diagram)。在该例子中，当计算程序的全局获胜概率时考虑程序的所有参与者的群组3201。 在该综合群组内，分析服务88(参见图3)识别另一个子群组集合。在该示例中，存在一个 专家群组，其由在NFL类别中已经达到一预测准确性级别的那些玩家组成3202,还存在一 个自我标记为参赛者（也就是达拉斯牛仔）爱好者的爱好者群组3203,还存在一个自我标 记为NFL爱好者的另一个群组3204。在自我标记为达拉斯牛仔爱好者的群组内，还存在一 个专家爱好者子群组，这样的专家爱好者子群组是由参加达拉斯牛仔游戏的超过预定准确 度阈值的达拉斯牛仔的爱好者所定义的3205。在某些实例中，分析服务88方法可识别一个 或多个这样的群组，并且基于每个群组独立地生成不同的统计集合。
[0217] 现在参见图34,描述了用于分析服务88的主要类的逻辑模块。 Analytics::Program 类 1301 是 Competition::Program611(参见图 10K)的指 针。Analytics: :Group类1302可以被再分类，以封装用于识别并收集玩家特定行 为的子类1307、1308、1309(参见图13)。例如，在程序类别中的专家、在程序中的特 定参赛者的爱好者、来自特定地点的玩家或集群群组成员可被收集到一个群组中。 Analytics: :Group通过Analytics: :Membership可以具有许多用户1305。随着玩家被 增加到群组中，并且随着针对玩家的挑选被更新，Analytics: :PropositionPool100 3类和 Analytics: :PredictionPool类1304可维持用于所有主张挑选的主张池和用于单个预测 的预测池。Analytics: :PredictionPool类1304可基于群组中玩家的挑选而维持获胜概率 和投入到预测的钱币的量。
[0218] 参见图35A至图35C，在一些实施例中，反馈服务86 (参见图3)生成用于发布到第 三方的多种发布格式。图35A是适用于简单XML阅读器（例如RSS阅读器和桌面控件）的 XML数据反馈发布的示例。该示例包括诸如名称、开始时间、团队名称和获胜概率的基本信 息。参见图35B，示出了一种包括富XML数据集的示例，其更适用于基于API的发布。在本 文中，除了 35A的基本信息，还可包括关于类别、注数、关闭时间和主张的信息。大部分信息 对于预测处理系统是有意义的，并且可以通过API而非简单反馈阅读器做进一步的处理。
[0219] 参见图35C，示出了一种JS0N数据反馈的示例。该反馈中的信息不同于图34A中 所示的富数据XML示例的格式，但是其内容绝大部分相同。
[0220] 现在参见图36,在一些实施例中，集群服务80(参见图3)基于邀请触发用户事件 实例化合适的邀请对象506、507、510 (参见图4F、4G和4J)，并且生成邀请参与者加入预测 处理系统1〇4(参见图3)的玩家的群组的电子邮件消息。移动设备16接收到该消息，并且 生成通知消息给设备用户3601。
[0221] 现在参见图37,用户开始通过移动设备16中的电子邮件应用程序访问电子邮件 邀请。在某些实例中，电子邮件将建议用户可以通过点击诸如按钮3702或html链接这样 的控件而接受邀请。通过点击控件，html客户端70(参见图3)或本地移动app74(参见图 3)执行并向用户呈现预测处理系统104(参见图3)的登录页面。
[0222] 参见图38,显示了预测处理系统104 (参见图3)的登录前"欢迎"页面。在一些实 例中，将显示诸如最高得分3803、最受欢迎游戏3804和其他用户动作3805的系统动作和 统计。在一些实施例中，用户可以选择"现在注册！ "按钮3801控件，并且在系统中创建账 号。如果用户已经有了账号，他们可以选择"登录"按钮控件3802,系统会提示用户输入凭 证。
[0223] 转到图39,在某些实施例中，系统提示用户使用用户名3901和密码3902登录 3907,并且将他们的用户提交的值与Crowd: Credentials属性517 (参见图4P)作比较。 如果凭证已核实，则用户获准访问系统。在一些实例中，登录处理集成有由第三方（例如 Faccbook?: 3905和Twitter?: 3904)提供的认证服务。在一些应用中还可显示注册链接 3906 〇
[0224] 现在参见图40,显示了预测处理系统104 (参见图3)的登录后"欢迎"页面。该页 面可以向成员提供感兴趣的详细信息。例如，可以包括指示成员正在参与的游戏将要关闭 的通知。该系统可以显示涉及成员参与的最近刚关闭的游戏的信息，这些信息包括成员的 位置、准确性、得分和奖励的奖金数量。可以列出诸如好友请求、群组邀请和接收的邀请等 社交活动，可以通过html链接访问这些社交活动。可以概要的显示系统的其他社交方面， 例如最新提交的评论、最新好友活动和好友参与的游戏。系统的另一个特性是按类别跟踪 玩家的准确性。可以向成员显示准确性和总体排名。系统还可以基于成员指定的兴趣或群 组参与显示可用的和未来的感兴趣的游戏。
[0225] 现在参见图41，显示了成员页面。该系统的另一个特征是能够使用与成员相关联 信息搜索成员4101。在一些实例中，可以显示与成员相关的详情，包括档案数据、得分、玩过 的游戏数量、拥趸的数量和作为成员参与的群组的数量。对于每个列出的成员，可以分别通 过成为好友按钮4102和拥趸按钮4103使其成为好友和拥趸。
[0226] 该系统的另一个特征是通过电子邮件或直接通过第三方服务发送邀请。"使用 Faceb〇〇k"4104和"发送电子邮件"4105分别发送邀请到社交网络和电子邮件。另外，该系 统还可以显示不同领域的表现最好的成员列表，其包括例如最高得分、最活跃游戏玩家、参 与最多群组的玩家和最多拥趸的玩家。
[0227] 现在参见图42,成员的档案页面可以显示其他成员感兴趣的信息。可以显示成员 对于不同类别的准确性以及其他统计，例如他们的得分、在系统中的当前位置、奖励的奖金 和玩过的游戏数量。对信息的访问可被限制为特定玩家群组，例如成员的准确性级别的详 情4201。还可以与诸如最新活动和最新评论等系统其他社交方面一起显示好友、拥趸和追 随的成员。可以使用多种信息物品作为成员指定的头像。另外，还可以显示诸如成员最喜 欢的运动员和/或类别等详情。
[0228] 参见图43,与关于每个群组的信息一起显示系统中群组的列表，例如成员数量、群 组游戏的数量和提交的群组评论的数量。还可以显示诸如最受欢迎的群组和评论最多的群 组等一般群组统计。
[0229] 该系统可以提供使用与群组相关联的信息搜索群组、并且创建公共和专用群组的 能力。成员可以通过选择"现在加入该游戏群组"按钮4302直接从该显示页面加入公共群 组。对于专用群组，成员可以通过选择"申请该群组"按钮4303申请加入该群组。可以通 过点击群组名称而访问特定的群组页面。
[0230] 现在参见图44,显示了用于公共群组的群组页面。本文所公开的其他页面中描述 的许多社交特征在群组页面中也是可用的。另外，还可以显示诸如群组排行榜等群组详细 信息。
[0231] 参见图45,可以与关于每个游戏的信息（例如注数、参与者数量、开始日期和时 间、结束日期和时间、进行挑选的窗口）一起显示系统内的一个或多个游戏列表。如果需要 的话，注数可以对游戏的所有玩家都是一样的。在该示例中，参与Weekl5游戏的所有玩家 将拥有可用来下注的40个钱币。系统可向用户提供使用与群组相关联的信息搜索游戏的 能力4501。当用户准备好玩游戏的时候，他们选择"现在开始玩！ "按钮4502。如果用户 选择建立自己的公共游戏实例而非玩现有的公共游戏，他们可以选择"建立游戏"按钮4503 从而配置所主导的实例。在一些实施例中，主导的实例可以变为专用的。该系统进一步向 用户提供创建与公共游戏无关的定制游戏的能力。当用户选择"新游戏"按钮4504时，启 动用于配置定制游戏的处理。
[0232] 现在参见图46,显示了用于关闭的游戏的概览页面。在某些实施例中，显示了游戏 所包括的比赛的最终获胜概率，并且获得由复选标记指示作为游戏结果的获胜者。游戏中 表现最好的玩家被识别为预测的总数量。本文所公开的许多社交特征对于群组页面也是可 用的。该系统包括给予系统提供商在任何可用的位置显示广告的能力，这些位置包括例如 右列的右上区域4601。
[0233] 参见图47,显示用于活跃游戏的投票页面。该页面与图46中所描述的用于关闭的 游戏的概览页面相似，又稍有不同。随着游戏持续活跃，提供"现在就玩！ "按钮以允许用户 参与到游戏中4701。可以显示倒计时时钟，以指示到游戏关闭再也不能投票之前剩余的时 间。
[0234] 现在参见图48,显示用于被安排的游戏的选票。显示了初始获胜概率，并且向用户 提供了对一个或多个挑选可用钱币下注的能力4801。该系统向用户提供赢得奖励钱币的机 会，该奖励钱币可以增加到注数中，并且可以在玩游戏的时候使用。在该示例中，游戏投注 为20个钱币，该玩家可以增加4枚钱币作为奖励钱币，总的注数为24枚可用钱币。在一些 实施例中，应用到注数的奖励钱币受限于给定注数的百分比，例如20%。这可以向玩家提 供对特定挑选加大加权的能力。在一些实例中，只要挑选窗口打开，用户就可以改变挑选和 相关权重。玩家可以保存这些挑选以供稍后取得和提交，而无需提交选票以用于统计计算 4804。一旦玩家满足了所有选票提交需求，玩家就可以提交选票以用于统计计算4803。在 一些实施例中，玩家可以取消或编辑选票直到那个游戏的挑选窗口关闭。
[0235] 现在参见图49A，显示群组创建页面。在一些实施例中，群组的创建者可以键入群 组信息，例如群组名称、描述、相关搜索标签和类别。任何和/或所有这些信息对于用户来 说都是可搜索的。一幅图像可以与该群组相关联。
[0236] 群组可以是专用的4901、4903(参见图49B)。在一些实例中，可以通过搜索而发现 专用群组，但是要成为该群组成员则需要提交申请。在可替换或附加的实施例中，群组无法 通过搜索发现，并且除非通过诸如邀请这样的处理而被允许访问，否则无法通过任何方式 访问。
[0237] 参见图49B，显示编辑群组的线框。编辑群组页面类似于群组创建页面，尽管其额 外地包括当前成员的列表和用于群组管理员移除成员的关联按钮4902。
[0238] 一旦创建了一个群组，群组管理员可能希望邀请成员加入该群组。现在参见图50， 显示了邀请页面。可以从列表中增加或移除成员，一旦完成了，群组管理员可以通过选择邀 请按钮发送邀请到受邀请者5001。
[0239] 现在参见图51，显示了成员的群组页面。该页面总结了群组信息和重要的群组活 动。在一些实施例中，显示所有的成员的群组，还显示他们的可用的私人状态、成员的数量 以及该成员是否是群组的所有者。该页面还提供重要群组申请的列表，还提供一个按钮以 取消给定应用请求5101，并且还提供用于成员所拥有的群组的成员请求的列表。成员可以 选择适当的按钮来批 准或拒绝这些成员请求5102。
[0240] 现在参见图52,显示了好友列表页面。在一些实例中，列出成员的好友和诸如成 员好友之后的时间等其他信息。该页面提供用于移除每个好友的按钮5201，和确认或拒绝 未决的好友请求的按钮5202。还提供了用于取消由成员发送的重要好友请求的按钮5203。 该系统还向用户提供了使用与成员相关联的信息搜索成员以将这些成员增加为好友的能 力 5204。
[0241] 现在参见图54,显示了专用游戏页面。该系统允许用户在创建新游戏时使其成为 专用游戏4503 (参见图45)。为了参与专用游戏，用户申请进入游戏的许可，游戏所有者接 受申请以批准用户加入游戏。在该示例中，已经提交了申请但是该申请还未被批准5401。 在一些实施例中，仅对于加入游戏的申请已经被游戏所有者批准的成员来说，可以通过搜 索而发现专用游戏和相关游戏信息。
[0242] 现在参见图55,显示了用11枚钱币投放在6个挑选的被安排的游戏。可用钱币 从24减少到了 13,显示了剩余可用钱币5501。页面可提供"保存"按钮5503以允许用户 保存他们的挑选而无需提交选票。用户可以稍后回到页面使用"提交"按钮提交他们的选 票 5502。
[0243] 现在参见图56,一旦提交了挑选，挑选就被加入到任何可用的统计计算中。可以 通过显示"已提交"标签来指示已提交状态5601。一个给定程序允许单张选票。在该示例 中，允许成员提交用于NFL Week 15游戏的一张选票。
[0244] 参见图57,显示用于进行中的游戏的已提交挑选。该系统的另一个特征是计算并 显示多个获胜概率集合。在一些实施例中，系统将显示用于每个比赛的全局获胜概率5701 和一个或多个群组获胜概率集合，例如专家获胜概率5702和/或爱好者获胜概率5703。在 一些实例中，一个或多个群组获胜概率将仅对用户子集可见。购买金额、在之前的程序中达 到特定表现级别和/或被标记为具有访问权限的群组成员是访问的前提。
[0245] 参见图58,显示了体育事件游戏页面的线框。在特定实施例中，以标签形式显示多 种主张类型。第一标签是将获胜主张的不例5801，而第二和第二标签是在范围内将获胜主 张的示例5802、5803。在该示例中每个标签代表一个比赛，另外还提供参赛信息5804及用 于该参赛的全局获胜概率5805。
[0246] 参见图59,显示了第二体育事件游戏页面的线框。该示例属于高尔夫巡回赛，其包 括两个额外的当排序时将获胜的主张，一个是用于打出最多球道得分的高尔夫选手5901， 另一个是用于打出最多球穴区的高尔夫选手5902。
[0247] 再次参见图58，游戏内货币由钱币图形而非数字象征表示5806。这也是玩家可用 平衡的情况5807。在一些实例中，以状态格式来报道涉及游戏的统计信息5808,并且显示 了基于当前池的潜在支付5809。该系统可以要求玩家做出一定数量的挑选以能够提交选 票。在该示例中，该要求是在三个或更多类别中做出挑选5810。在一些实施例中，提交按钮 5811无效除非满足选择要求。
[0248] 在一些实施例中，系统支持非体育相关的游戏。参见图60,显示奖杯事件游戏页面 的线框。在可替换的实施例中，显示将是滚动表格而非标签6001。在该示例中，针对多种奖 杯类别呈现一系列将获胜主张。分别参见图61和图62,显示了新闻游戏事件页面和政治游 戏事件页面的线框。在这两个例子中，呈现一系列将获胜和比较主张。现在参见图63,显示 了选举事件游戏页面的线框。在该示例中，基于多种选举竞赛而呈现一系列简单的将获胜 主张。
[0249] 现在参见图64,显示了法庭事件游戏页面的线框。在一些实施例中，可以在竞赛页 面中显示竞赛的主体的详细概述6401。在该示例中，呈现了涉及多位法官的独立决定的一 系列将获胜主张。
[0250] 参见图65，显示了商业事件游戏页面。在一些实例中，玩家可以挑选单个竞赛中的 互斥的参赛，并且可以改变投注于互斥挑选上的钱币6501。在某些实施例中，成员可以创建 定制专用游戏。现在参见图66,显示了针对小联盟球队的定制游戏，其中一系列将获胜主张 被配置为用于特定几周的游戏。
[0251] 该系统可以包括用户投入场外投注而不影响获胜概率计算的能力。参见图67,显 示了包括协商和投入场外投注的评论进程。在评论窗口中附加的"投入场外投注"按钮6701 生成附加的窗口，其中评论者可以提交场外投注。用户在编辑框中输入真/假声明6702， 输入钱币数量或虚拟物品以进行下注6703,并且选择"提交场外投注"按钮6704。向该进 程中的其他用户呈现一个窗口，该窗口呈现投注，并且提供合适的按钮以接受或拒绝投注 6705。一旦申请了投注的时间完结，向各个接受投注申请的人呈现结果选择对话框，其中他 们可以选择"真"按钮6706(如果结果为真）和"假"按钮6707(如果结果为假）。基于该 响应来处理投注。
[0252] 该系统还支持使用真实世界货币下注。参见图68,显示一个对话框，该对话框向玩 家提供使用真实世界货币购买钱币的机会。玩家选择"好的，我加入"按钮，则启动买入系 统内货币的处理，其中玩家已经准备好通过第三方服务存钱和/或使得资金有效。
[0253] 该系统可以提供用于与第三方共享系统内容的功能。现在参见图69,显示了描述 三方内容共享选项的线框。在一些实施例中，提供访问感兴趣内容的链接，并且向用户呈现 一系列第三方服务图标以供选择。当用户选择图标时，依照由第三方所定义的集合向第三 方服务发布该内容7001。在一些实例中，用户可以拷贝预格式化编码片段以将其复制到网 页页面中，并且将内容实现为控件7002。在一些应用中，用户还可以通过发送系统所准备好 的链接的电子邮件来相互分享，其中该电子邮件提供到感兴趣内容的直接访问7003。
[0254] 现在参见图70，显示了主张创建和分配页面线框。在某些实例中，左侧栏显示提议 框架中可用的提议类型的列表7101。当选择提议类型时，第二栏填充有合适的选择以用于 创建提议7102。例如，比较打开提议下需要名称、描述、属性、比较运算符和运算数。
[0255] 提议可以与类别相关联。这样的关联允许该系统基于与类别相关联的提议自动地 生成用于给定类别事件的主张。在一些实施例中，创建提议的用户可以通过选择合适的复 选框7103和选择"创建提议"按钮7104将该提议与一个或多个类别相关联。
[0256] 现在参见图71，显示了游戏创建和主张分配页面线框。在某些实施例中，左侧栏包 括在游戏初始化处理2804(参见图28)中使用的数据列表7201。中间列包括基于游戏的类 别或父程序而适用于该游戏的主张列表7202。该系统可依靠这样的关联来自动地生成有效 预测。
[0257] 现在参见图72,显示了选择成员页面的线框。用户可以对参与特定游戏的一个或 多个玩家的表现做出挑选。玩家被作为竞赛中的参赛者来管理，其中参赛是玩家在游戏中 的表现，而竞赛是在游戏中的所有玩家的参赛的集合。在一些实施例中，显示了玩家信息， 例如玩家的排名和他们赢得比赛的获胜概率7301。
[0258] 该预测处理系统可以监视诸如提示事件、颁奖节目、选秀、名人新闻、陪审团裁决、 政治选举、司法裁决和/或商业重要事件等许多不同类型的事件，并为其提供预测服务。由 该预测处理系统所生成的涉及实现世界结果的可信获胜概率和/或衍生数据是可以以多 种格式分发的有新闻价值的内容，这些格式例如订阅反馈和/或报告。在一些实例中，可以 以较高价格提供衍生数据，特别是从更好表现预测者群组中导出的高准确性和/或高信任 度数据。
[0259] 在一些实施例中，通过向广告商、赞助商和附属公司收取一定费用而生成广告收 入以显示和/或传送广告到预测处理系统的用户。在一些实施例中，特定标签与用户相关 联可以推动广告的呈现。还可以通过用户档案信息、一个或多个程序的类别和/或存储在 持久层1〇6(参见图3)中的其他数据属性来推动广告。在某些应用中，反馈服务（参见图 3)可包括在数据反馈中的广告内容。可以生成跨越多种少数覆盖的主体的竞争事件的附加 新闻，并且以收费的方式发布这些附加新闻。
[0260] 重大事件的主办方和制片方一般来说会提供促销以提前激发兴趣。在一些实 例中，该预测处理系统可以提供用于这些事件的预测游戏，这些事件包括奥斯卡&和疯 狂三月?。体育媒体经常还提供预测游戏给他们的观众。在这些情况中，该预测处理系统可 以以收费形式提供主办方促销方案。
[0261] 在一些实施例中，游戏内购买可以是收入的一个来源。用户可以购买诸如虚拟物 品和/或钱币的游戏内货币，这些游戏内货币可用来进行挑选和/或进行社交活动。在一 些实例中，可以以收费形式提供高级竞争游戏、附加信息和/或到更好表现玩家的访问的 高级级别，而不考虑用户的表现。在一些实例中，这些高级别的优势一般对超过预定表现阈 值的玩家可用。
[0262] 在某些实例中，该预测处理系统可以作为付费托管系统提供给商务活动、非营利 性组织、学校、政府或其他感兴趣方。可以向阅读者、涉及影响其行业事件的预测游戏提供 交易媒体。该约定类型可以动态地促进积极的观众关系。由玩游戏和社交交互的活动生成 的信息可被用作对工业参与感兴趣的主体可搜索的内容。
[0263] 如同交易媒体的阅读者，雇员可以是雇主的商业活动智慧来源。在一些实例中，可 以收费地向雇主和顾问提供该预测处理系统以供使用。担心归责和惩罚可能抑制企业计划 和行动的开放及诚实评估。在一些实施例中，雇员可以对其感兴趣的雇主的事件作出匿名 的预测，包括公司计划和活动的评估。在某些应用中，可以识别出最佳预测者的匿名子池， 这可以生成对雇主的感兴趣的准确信息。
[0264] 以上是对本说明书中的一些实施例和方面的详细描述，其并非试图限制本发明。 许多其他的实施例也是可行的，并且也是本领域技术人员所知的。
【主权项】
1. 一种提供信息的方法，所述方法包括： 在线获得来自多个个人关于未来事件的结果的预测； 利用计算系统，识别所述多个个人中的一个或多个可能较好的预测者，并且自动地使 用从所述可能较好的预测者获得的预测来生成针对所述未来事件的结果的获胜概率；和 向一个或多个第三方提供信息，所述信息包括针对所述未来事件的结果的所生成的获 胜概率。2. 根据权利要求1所述的信息提供方法，其特征在于，所述方法进一步包括：接收收入 作为提供至少一些所述信息的考虑。3. 根据权利要求1所述的信息提供方法，其特征在于，所述提供步骤包括通过自动化 网络向所述一个或多个第三方提供所述信息。4. 根据权利要求2所述的信息提供方法，其特征在于，所述提供步骤包括通过自动化 网络向所述一个或多个第三方提供所述信息。5. 根据权利要求1所述的信息提供方法，其特征在于，所述识别步骤包括：利用所述计 算系统自动地识别所述多个个人中的所述一个或多个可能较好的预测者。6. 根据权利要求2所述的信息提供方法，其特征在于，所述识别步骤包括：利用所述计 算系统自动地识别所述多个个人中的所述一个或多个可能较好的预测者。7. 根据权利要求4所述的信息提供方法，其特征在于，所述识别步骤包括：利用所述计 算系统自动地识别所述多个个人中的所述一个或多个可能较好的预测者。8. 根据权利要求1所述的信息提供方法，其特征在于，所述方法进一步包括接收用于 提供所述方法的考虑因素。9. 根据权利要求3所述的信息提供方法，其特征在于，所述方法进一步包括接收用于 提供所述方法的考虑因素。10. -种提供信息的方法，包括使得： 利用计算系统： 一自动地在线获得来自多个个人关于未来事件的结果的预测； 一自动地识别所述多个个人中的一个或多个可能较好的预测者； 一自动地使用从所述可能较好的预测者获得的预测来生成针对所述未来事件的结果 的获胜概率；以及 向一个或多个第三方提供信息，所述信息包括针对所述未来事件的结果的所生成的获 胜概率。11. 根据权利要求10所述的信息提供方法，其特征在于，所述方法进一步包括接收收 入作为提供至少一些所述信息的考虑。12. 根据权利要求10所述的信息提供方法，其特征在于，所述提供步骤包括通过自动 化网络向所述一个或多个第三方提供所述信息。13. 根据权利要求11所述的信息提供方法，其特征在于，所述提供步骤包括通过自动 化网络向所述一个或多个第三方提供所述信息。14. 根据权利要求10所述的信息提供方法，其特征在于，所述提供步骤包括向多方提 供所述信息。15. 根据权利要求11所述的信息提供方法，其特征在于，所述提供步骤包括向多方提 供所述信息。16. 根据权利要求13所述的信息提供方法，其特征在于，所述提供步骤包括通过所述 自动化网络自动地向多个第三方提供所述信息。17. 根据权利要求10所述的信息提供方法，其特征在于，所述方法进一步包括接收用 于提供所述方法的考虑因素。18. 根据权利要求12所述的信息提供方法，其特征在于，所述方法进一步包括接收用 于提供所述方法的考虑因素。19. 一种提供信息的方法，包括使得： 利用计算系统： 自动地在线获得来自多个预测者关于未来事件的结果的预测； 自动地使用所获得的预测生成来自所获得的预测的衍生数据；以及 自动地向所述预测者的子集提供信息，所述信息包括下述（i)和（ii)中的至少一个， (i)所述衍生数据，（ii)来自所述预测者的一个或多个所获得的预测。20. 根据权利要求19所述的信息提供方法，其特征在于，所述自动使用步骤包括：自动 地使用所获得的预测以基于对（i) 一个或多个可能较好的预测者和（ii) 一个或多个可能 较好的预测中的至少一个的识别来生成所述衍生数据。21. 根据权利要求20所述的信息提供方法，其特征在于，所述预测者的子集是可能较 低准确性的预测者的子集，所述信息自动地包括所述衍生数据，所述衍生数据包括对下述 (i)和（ii)中的至少一个的识别：（i) 一个或多个可能较好的预测者和（ii) 一个或多个可 能较好的预测。22. 根据权利要求21所述的信息提供方法，其特征在于，所述方法进一步包括：利用所 述计算系统，向可能较低准确度的预测者的子集提供机会以在线地改变一个或多个他们的 预测。23. 根据权利要求20所述的预测信息提供方法，其特征在于，所述方法进一步提供用 于提供至少一部分所述信息提供方法的接收补偿。24. 根据权利要求22所述的预测信息提供方法，其特征在于，所述方法进一步提供用 于提供至少一部分所述信息提供方法的接收补偿。25. -种提供预测信息的方法，包括使得： 利用与网络通信的在线预测收集计算系统： 在线接收来自所述在线预测收集计算系统的一个或多个第三方用户的特定未来事件 的识别； 在线获得来自多个预测者的关于所述未来事件的结果的预测； 向所述预测者提供在线访问所述预测的权限。26. 根据权利要求25所述的预测信息提供方法，其特征在于，（i)进一步包括从所述一 个或多个第三方用户在线地接收可能的预测者的群组的识别，以及（ii)其中所述多个预 测者处于所述可能的预测者的群组中。27. 根据权利要求25所述的预测信息提供方法，其特征在于，所述方法进一步提供用 于提供至少一部分所述预测信息提供方法的接收补偿。28. 根据权利要求26所述的预测信息提供方法，其特征在于，所述方法进一步提供用 于提供至少一部分所述预测信息提供方法的接收补偿。29. -种优化系统，包括： 在计算系统上可运行的优化引擎系统，其包括： 用于对系统成员进行分组的代码； 用于从特定群组中的系统成员中识别较好预测者的代码； 用于基于预测生成几率的代码；以及 用于向所述较好预测者中的至少一个或多个提供所述几率的代码。30. 根据权利要求29所述的优化系统，其特征在于，所述优化引擎系统进一步包括：用 于向所述特定群组中的一个或多个系统成员提供价值标记的代码。31. 根据权利要求29所述的优化系统，其特征在于，所述优化引擎系统进一步包括：用 于向所述系统成员中的一个或多个的表现应用阈值的代码；和用于基于所述阈值应用步骤 的结果调整所述特定群组的成员的代码。32. 根据权利要求30所述的优化系统，其特征在于，所述优化引擎系统进一步包括：用 于向所述系统成员中的一个或多个的表现应用阈值的代码；和用于基于所述阈值应用步骤 的结果调整所述特定群组的成员的代码。33. 根据权利要求29所述的优化系统，其特征在于，所述优化系统进一步包括包含所 述优化引擎系统的计算系统。34. 根据权利要求29所述的优化系统，其特征在于，所述优化系统进一步包括包含所 述优化引擎系统的计算系统。35. -种自动提议框架系统，包括： 用于接收事件结果的预测的代码； 用于访问所述事件并且确定所述预测的准确性的代码；以及 用于报告所述预测的准确性的代码。36. 根据权利要求35所述的自动提议框架系统，其特征在于，所述用于访问所述事件 的代码包括用于针对所述事件结果接收到的预测类型进行分类的代码。37. 根据权利要求35所述的自动提议框架系统，其特征在于，所述用于确定所述预测 的准确性的代码使用由针对所述事件结果接收到的预测类型进行分类的代码提供的分类 结果。
【专利摘要】公开了一种预测处理系统、方法，以及用于执行业务活动的方法。预测处理系统可以收集、处理并发布事件成果信息。预测处理系统可动态地将参与者过滤到多个群组，并且迭代地优化时间上的获胜概率计算。组成多种抽象提议类型的提议框架可以建模并解决主张。可基于事件分类关系而自动地生成游戏主张。预测处理系统可向游戏玩家或其他人提供访问集群智能的权限，这些共同情报包括预测信息和从预测信息中推出的信息。预测处理系统可创建更佳性能预测器的群组，并且向他们提供非通常可用的附加信息。更佳性能预测器可具有附加注数以增强他们在获胜概率计算中的预测权重。预测处理系统可提供访问事件成果信息的付费订阅的接入。
【IPC分类】G06N5/02
【公开号】CN104903917
【申请号】CN201380023680
【发明人】L·埃利斯, A·埃利斯, M·安根泰尔
【申请人】克德比有限公司
【公开日】2015年9月9日
【申请日】2013年3月6日
【公告号】CA2903367A1, EP2823442A2, US20130254146, WO2013134433A2, WO2013134433A3
最新回复(0)