GENERATING DIGITAL MEDIA CLUSTERS CORRESPONDING TO PREDICTED DISTRIBUTION CLASSES FROM A REPOSITORY OF DIGITAL MEDIA BASED ON NETWORK DISTRIBUTION HISTORY

The present disclosure relates to systems, non-transitory computer-readable media, and methods for generating accurate digital media clusters corresponding to predicted distribution classes from a repository of digital media based on network distribution hi story. For example. a digital media cluste...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: SHEIBLEY, Mari, BAILEY, William, ZHAO, Yue, WANG, Yu
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
Beschreibung
Zusammenfassung:The present disclosure relates to systems, non-transitory computer-readable media, and methods for generating accurate digital media clusters corresponding to predicted distribution classes from a repository of digital media based on network distribution hi story. For example. a digital media clustering system can apply machine learning models at a remote server (based on network distribution history of a network account of a user) to generate predicted distribution classes for future electronic communications. The remote server can provide the predicted distribution classes to a user client device for secure local analysis of digital media stored at the client device. Based on the predicted distribution classes and the stored digital media, the client device can suggest digital media items to distribute via a networking system. Thus, the disclosed system can surface digital media content without providing any information regarding the digital media items stored at the client device to a remote server. La présente invention concerne des systèmes, des médias lisibles par ordinateur non transitoires et des procédés pour générer des groupes de médias numériques précis correspondant à des classes de distribution prédites à partir d'un référentiel de médias numériques sur la base d'un historique de distribution de réseau. Par exemple, un système de regroupement de médias numériques peut appliquer des modèles d'apprentissage automatique au niveau d'un serveur distant (sur la base d'un historique de distribution de réseau d'un compte de réseau d'un utilisateur) pour générer des classes de distribution prédites pour des communications électroniques futures. Le serveur distant peut fournir les classes de distribution prédites à un dispositif client utilisateur pour une analyse locale sécurisée de médias numériques stockés au niveau du dispositif client. Sur la base des classes de distribution prédites et des médias numériques stockés, le dispositif client peut suggérer des éléments de médias numériques à distribuer par l'intermédiaire d'un système de réseautage. Ainsi, le système selon l'invention peut traiter un contenu de médias numériques sans fournir d'informations concernant les éléments de médias numériques stockés au niveau du dispositif client à un serveur distant.