台湾专利TW201300737A 用於提供多個支援性服務的個人長期代理者

专利PDF首页>>台湾专利

专利附录

专利说明

权利要求

类似技术

同族专利

引用文献

法律状态

优先权

专利摘要:
本文揭示一種用於鑒別時機及代表一或多個使用者作出推薦之可作為網路服務而執行及/或可在一或多個使用者計算裝置上執行之長期個人代理者程式以及相關方法。在一個實例中，個人代理者程式包括監視引擎，該監視引擎經配置以根據使用者授權、統計方法之使用及程序之使用用複數個感測及記錄方法隨著時間監視及解譯使用者之活動，該等統計方法用於學習自資料瞭解使用者之目標及行為模式，該等程序用於計算在不同情境下引導感測及記錄之資訊的期望值。個人代理者進一步可包括推薦方法，該推薦方法經配置以基於世界上關於使用者目標及時機之推論，代表使用者在當下以及為未來提出建議及採取行動。
公开号:TW201300737A
申请号:TW101116912
申请日:2012-05-11
公开日:2013-01-01
发明作者:Eric Horvitz；Stelios Paparizos；Roger Barga；Doug Burger；Vinay Gupta
申请人:Microsoft Corp；
IPC主号:G06N5-00

专利说明:
用於提供多個支援性服務的個人長期代理者
本發明係關於用於提供多個支援性服務的個人長期代理者。
在無線導航裝置出現之前，駕駛員在高速公路上通常依賴于通知駕駛員可在下一個高速公路出口存取之服務的標誌。此種情況可引起不適當之計劃，包括在標誌通知與有效地離開高速公路之時機之間的短間隔期間，在車輛中關於乘客是否希望離開高速公路以存取服務的多次激烈交談。隨著無線導航裝置之出現，當車輛乘客在車輛中沿路線行進時，車輛乘客現可輸入所要之服務(例如，加油站、飯店)且車輛乘客現可查看此等服務位置之清單及沿路線到各服務位置的距離。
如此種無線導航裝置可為有幫助的一樣，車輛乘客負責在接收結果清單之前自此等裝置請求服務清單。為完成此任務，乘客必須提前瞭解利用服務之願望，且乘客必須花時間將服務請求輸入至導航裝置中。此情況可導致錯失利用使用者將在其他方面希望使用之服務的許多時機。舉例而言，在駕車經過高速公路出口且在聽見來自後座之小孩可憐地說「我得去洗手間」，卻看到標誌指示「距下一出口43英里」後，可出現此種認識。此僅為許多實例中之一個實例，其中需要使用者瞭解使用者自己的需求以便請求關於附近服務之資訊的系統不能為使用者傳遞令人滿意的結果。
本文揭示一種用於代表使用者擷取推薦之可在使用者計算裝置上執行之個人代理者程式及相關方法。在一個實例中，個人代理者程式包括設置模組，該設置模組經配置以接收使用者授權以監視貫穿複數個電腦程式之使用者活動，該複數個電腦程式由使用者在使用者計算裝置及/或一或多個其他使用者計算裝置上使用。設置模組亦經配置以接收一或多個使用者推薦偏好，該一或多個使用者推薦偏好指示使用者希望個人代理者程式自推薦伺服器擷取的產品或服務推薦。
個人代理者程式亦包括監視引擎，該監視引擎經配置以根據使用者授權用複數個電腦程式監視使用者活動。使用者活動包括使用者之經偵測當前位置，且監視引擎經配置以自使用者活動學習行為模式。個人代理者程式進一步包括推薦引擎，該推薦引擎經配置以基於使用者之經偵測當前位置、使用者之行為模式及一或多個情境因素，作出將產生使用者推薦偏好中之一或多者之觸發條件的推論。推薦引擎經配置以根據一或多個使用者推薦偏好向推薦伺服器發送對目標產品或服務之推薦的請求。推薦引擎亦經配置以自推薦伺服器接收推薦且在與使用者計算裝置相關聯之顯示器上展示該推薦。
提供此發明內容來以簡化形式介紹可供選擇之概念，在下文於實施方式中進一步描述該等概念。此發明內容不欲鑒別所主張之標的物之重要特徵或基本特徵，此發明內容亦不欲用來限制所主張之標的物之範疇。而且，所主張之標的物不限於解決在本揭示案之任何部分中提及之任何或全部缺陷之實施例。
圖1大體上圖示計算系統5之一個實施例，該計算系統5包括可在使用者計算裝置12上執行之用於代表使用者14擷取推薦之個人代理者程式10。如下文中更詳細地描述，個人代理者程式10包括設置模組20、監視引擎22及推薦引擎24。
在一個實例中，使用者計算裝置12包括大容量儲存器28、記憶體30、顯示器32、處理器34及位置感知技術(諸如，GPS接收器36)。GPS接收器36基於衛星信號之接收決定使用者計算裝置12之位置。大容量儲存器28可包括個人代理者程式10及多種其他應用程式，諸如電子郵件程式40、行事歷程式42、電話/訊息傳送程式44、行動裝置追蹤程式46及瀏覽器48。可藉由處理器34使用記憶體30來執行此等程式以達到本文所描述之各種功能，其中輸出展示於顯示器32上。在其他實例中，使用者計算裝置12可包括圖1中未圖示之其他組件，諸如包括(例如)觸控式螢幕、鍵盤、滑鼠、遊戲控制器、攝像頭及/或麥克風之使用者輸入裝置。此外，儘管在圖1中未圖示，但應瞭解，其他使用者計算裝置52及54具有以與如上文所描述之使用者計算裝置12類似之方式運行的類似組件。
亦應瞭解，如下文中更詳細地描述，可擷取推薦、可監視使用者活動，且可以裝置無關之方式代表使用者14貫穿多個使用者計算裝置(諸如，裝置12、52及54)採取行動。應進一步瞭解，在下文中關於個人代理者程式10描述之此種及其他功能可藉由與多個計算裝置通訊之網路可存取服務來加以執行及/或協調。此種服務可(例如)提供能夠與多個使用者計算裝置鏈接及/或通訊之標準感測介面及互動介面。或者或另外，此等裝置可執行代理者軟體，該代理者軟體提供用於監視使用者活動、代表使用者作出推薦及採取行動之通訊協定。
現將描述個人代理者程式10代表使用者擷取推薦之步驟。在一個實例中，設置模組20經配置以經由展示於使用者計算裝置12之顯示器32上之推薦圖形使用者介面(例如，GUI)82而自使用者14接收使用者授權56。使用者授權56授權個人代理者程式10監視貫穿複數個電腦程式之使用者行為，該複數個電腦程式由使用者在使用者計算裝置12及/或一或多個其他使用者計算裝置(諸如，使用者計算裝置52及使用者計算裝置54)上使用。在使用者計算裝置52上使用之電腦程式之實例可為地圖程式58。在計算裝置54上使用之電腦程式之實例可為社交網路程式60。應瞭解，此等程式在使用者計算裝置52、54上之使用僅為實例，且此等程式58、60可代替或另外在使用者計算裝置12上使用。此外，包括(但不限於)電子郵件程式40、行事歷程式42、電話/訊息傳送程式44、行動裝置追蹤程式46及瀏覽器48之上文所鑒別之各種電腦程式可由使用者在計算裝置12及/或其他使用者計算裝置52、54上使用。
監視引擎22經配置以根據使用者授權56用複數個電腦程式監視使用者活動。在圖1中，電子郵件程式40中之使用者活動由虛線40'指示；行事歷程式42中之使用者活動由虛線42'指示；貫穿電話/訊息傳送程式44之使用者活動由虛線44'指示；行動裝置位置追蹤程式46中之使用者活動由虛線46'指示；瀏覽器48中之使用者活動由虛線48'指示；地圖程式58中之使用者活動由虛線58'指示；且社交網路程式60中之使用者活動由虛線60'指示。使用者活動可包括使用者14之經偵測當前位置，該經偵測當前位置可藉由行動裝置位置追蹤程式46使用GPS技術或其他合適的追蹤技術來加以偵測。
在接收適當授權後，監視引擎22亦可經配置以監視各種程式中之友人活動57，該等各種程式在由使用者14之友人15使用之友人計算裝置55上執行。儘管在圖1中未圖示，但應瞭解，友人計算裝置55可具有以與上文所描述之使用者計算裝置12、52及54之類似方式運行之類似組件及程式。舉例而言，監視引擎22可監視在友人計算裝置55上執行的行事歷程式、行動裝置位置追蹤程式及社交網路程式中之友人活動57。
在下文更詳細地描述之一個實例中，監視引擎22可監視使用者計算裝置12之行動裝置位置追蹤程式46中之使用者活動46'及友人裝置55中之行動裝置追蹤程式中之友人活動57以決定使用者14及友人15正以定向軌跡行進，該等定向軌跡將相交於交叉位置。監視引擎22亦可監視在使用者計算裝置12之行事歷程式42中之使用者活動42'及友人裝置55中之行事歷程式中的友人活動57以核對使用者14及友人15在一時段內之空閒，該時段包括使用者14及友人15可抵達交叉位置之大致時間。
若使用者14及友人15在該時段空閒，則推薦引擎24經配置以自推薦伺服器66請求及接收對於目標服務之推薦70，該目標服務提供於交叉位置之臨限距離內。推薦70隨後可展示於使用者計算裝置12之顯示器32上。下文提供推薦引擎24之操作之額外描述。亦應瞭解，在接收適當授權後，監視引擎22亦可監視計算裝置上之活動，該等計算裝置與使用者14之其他友人、親屬、同事及/或相識者相關聯。
監視引擎22亦經配置以藉由基於計算可自使用者活動收集之資訊的期望值而選擇性地啟動或存取複數個電腦程式中之至少一者來動態地監視使用者活動。如此，個人代理者程式10可獲得對與使用者活動相關之額外資料的存取，且藉此增強程式之即時決策能力及/或用於學習預測模型之長期資料收集，如下文更詳細地描述。
在一個實例中，由於使用者私密偏好，來自電腦程式中之一或多者之使用者活動通常可為不可存取的。在個人代理者程式10已接收必要的使用者選擇許可之情況下，監視引擎22可選擇性地存取此等電腦程式且監視在其他方面將不能利用之使用者活動。在另一實例中，在資料監視將在其他方面有用之情況下或在資料監視將在其他方面有用之時，為了資源考慮，電腦程式中之一或多者可為不活動的，諸如為了減少功率消耗，停用GPS接收器36可為不活動的。再次，若已接收必要許可，監視引擎22可選擇性地啟動不活動程式且監視與彼程式相關之使用者活動。
監視引擎22可在特定時間及/或位置選擇性地啟動或存取複數個電腦程式中之一者，在該等特定時間及/或位置將可能產生有用的使用者活動資訊。監視引擎22亦可藉由計算資訊之期望值來決定何時去選擇性地啟動或存取複數個電腦程式中之一者，可自與電腦程式相關聯之使用者活動收集該資訊。在一個實例中，計算資訊之期望值之步驟可包括使用試探程序或其他基於經驗之評估。若所得期望值超過臨限值，則監視引擎22可選擇性地啟動或存取在其他方面不可存取或不活動的電腦程式。
監視引擎22亦可經配置以自各種使用者計算裝置上之各種電腦程式中之使用者活動學習行為模式74。在一個實例中，監視引擎22可監視GPS接收器36以推斷使用者對提供給使用者之推薦的回應或推斷沒有使用者對提供給使用者之推薦的回應。在一種情況下，監視引擎22可決定在特定位置丟失GPS信號係歸因於(例如)使用者進入停車場或關閉計算裝置。若使用者剛收到對在此位置提供之產品或服務之推薦，則可推斷使用者已贊許地對該推薦作出回應。
此外，在一段時間後於同一位置處稍後啟動GPS接收器的情況下，亦可推斷使用者已處於彼位置有一段時間。亦可使用此資訊來推斷使用者之滿足感。在一個實例中，GPS位置指示使用者已在飯店停留很長時間，諸如1.5小時，此情況指示使用者可能用餐了。使用此資料，推薦引擎24可推斷直至使用者可能想要用另一餐還有多長時間。
雖然此等行為模式是隨著時間自特定使用者之活動之觀察來學習的，但任何特定使用者之模式可基於聚合行為模式且可與聚合行為模式相提並論，該等聚合行為模式由隨著時間觀察整個使用者群體而產生。因此，監視引擎22在一個模式中可藉由自推薦伺服器66接收聚合行為模式及針對在臨限程度內匹配聚合行為模式的使用者活動檢查各種電腦程式中之使用者活動來學習使用者行為模式。
個人代理者程式10利用使用者行動歷史及推薦偏好來決定使用者可能願意接收之推薦之種類。此等使用者推薦偏好可為隱含性的，諸如由個人代理者程式本身推斷之偏好(如在62處所指示)，或此等使用者推薦偏好可為明確的，諸如由使用者輸入之偏好(如在64處所指示)。為此目的，監視引擎22可經配置以基於行為模式74創建經推斷之使用者推薦偏好62，其中使用者推薦偏好62指示使用者希望個人代理者程式10自推薦伺服器66擷取的產品或服務推薦，如監視引擎22所推斷。設置模組20亦可經配置以經由至推薦GUI 82中之使用者輸入而自使用者14接收一或多個輸入之使用者推薦偏好64。
在有關經推斷之使用者推薦偏好62之一個使用情況實例中，監視引擎22可觀察行為模式74，該行為模式74包括貫穿社交網路程式(諸如使用者計算裝置54上之社交網路程式60)之使用者活動。藉由觀察使用者參與之社交互動，監視引擎22可推斷使用者的社交圖中之一或多個成員影響某些使用者購買決策。舉例而言，監視引擎22可觀察使用者在接收來自使用者的社交圖中之友人A關於每一飯店之正面評論後已在三個飯店用餐。使用此資訊，監視引擎22可創建對於使用者的友人A青睞或經常光顧之飯店的經推斷之使用者推薦偏好62。亦可(例如)藉由觀察貫穿社交網路程式之使用者的活動(包括涉及友人A之通訊)收集關於友人A青睞或經常光顧之飯店的資訊。
此外，設置模組20可經配置以自使用者14接收使用者私密設定68，該使用者私密設定68指示該使用者授權個人代理者程式檢查的資料之分類。私密設定亦可指示是否允許與外部伺服器(諸如推薦伺服器66)共享資料。具體而言，使用者私密設定68可指示使用者授權個人代理者程式10自複數個電腦程式檢查但不與外部共享的使用者活動之唯檢查分類，及/或使用者授權個人代理者程式向推薦伺服器66發送對推薦70之請求72的使用者活動之共享授權分類。
推薦引擎24經配置以基於使用者14之經偵測當前位置、使用者之行為模式74及與當前觀察之使用者活動相關聯之一或多個情境因素78，作出將產生一或多個使用者推薦偏好62、64之觸發條件的推論76。觸發條件可為經界定條件中之一者或一組經界定條件，該等經界定條件由使用者直接規定或由監視引擎決定。正如一些實例，觸發條件可包含使用者14之經預測之未來位置或其他經預測之條件。
在另一實例中，推薦引擎24可經配置以進行以下操作：使用機器學習程序來構建對於使用者之即將到達的位置及該等位置與使用者(住宅、辦公室等)之關聯性的預測模型；以及自資料學習偏好及鑒別未來出現之使用者可能感興趣的時機。如此，可收集關於使用者之方面及使用者的行為與人際關係(包括將使用者與不同偏好、品性及行為聯繫起來的社交圖中之圖形關係)之資料且該資料可用作訓練及測試資料以用於構建各種類型之預測模型。用於構建此等模型之工具包括機器學習程序，諸如貝氏結構搜尋(Bayesian structure search)、支援向量機(Support Vector Machines)、高斯過程(Gaussian Process)、邏輯斯回歸及對考慮到實體及/或性質之間的關係之限制或模式的關係變量之延伸。可由此等預測模型致能之預測之實例包括使用者的偏好或一群使用者的偏好、使用者之未來位置(或未直接觀察之當下位置)、使用者可感興趣之未來時機及世界上之使用者行動。
在一個實例中，預測模型可用來產生對使用者的對未來事件之建議，該等事件為排程之時機且可伴隨商業及廣告提議。在一種情況下，預測模型可自行事歷程式42鑒別使用者下個週六晚上空閒。預測模型隨後可為使用者及他或她的配偶產生對於下個週六晚上之極妙的多步計劃。計劃可包括(例如)駕車至某處，伴隨一或多個活動，諸如晚餐及娛樂。預測模型及推薦引擎24亦可將與活動及目的地相關之一或多個推薦、提議及/或特色編排在一起。可根據一或多個使用者推薦偏好及/或使用者之行為模式產生由推薦引擎24自推薦伺服器66接收之推薦、提議及/或特色中之一或多者。如此，亦應瞭解，由個人代理者程式10收集之使用者活動、行為模式及其他資訊可用於目標行銷目的及/或廣告目的，限制條件為自使用者接收合適之授權。
除提供推薦外且如上文所提及，推薦引擎24亦可代表使用者關於未來出現之時機採取一或多個行動。舉例而言，在上文所描述之對於週六晚上之多步計劃中，推薦引擎24可前瞻性地在接近使用者及使用者之配偶提議之目的地中之一者的飯店為使用者及他或她的配偶預定晚餐。包括對飯店之推薦的訊息及與預定相關之資訊可在使用者計算裝置12上向使用者展示，且/或可儲存該訊息及該資訊以用於隨後經由另一電腦程式(諸如行事歷程式42)存取。在另一實例中，個人代理者程式10可前瞻性地與希望向使用者遞送廣告以換取誘因之第三方服務通訊。在此情況下，個人代理者程式10可接收及儲存廣告及誘因，且可通知使用者已與第三方服務通訊及已下載廣告/誘因，且個人代理者程式10準備好在使用者需要的任何時候播放廣告。
與當前所觀察之使用者活動相關聯之一或多個情境因素78描述使用者活動中之使用者行動發生之情境。情境因素可包括(但不限於)日期、一周中之某天、當日時間或使用者計算裝置12已位於經偵測當前位置的時段。將在以下使用情況實例中更全面地說明此等及其他概念。
現轉至圖2，現將描述藉由推薦引擎24作出推斷及產生推薦請求之方式。應瞭解，自各種電腦程式84(諸如上文關於圖1描述之程式40至48、58及60)輸出之使用者活動85儲存在個人代理者程式10之資料庫83中。使用者活動85包括當前所觀察之使用者活動86之串流，該串流週期性地添加至使用者活動歷史87。使用者活動歷史87由上文所描述之監視引擎22審核。監視引擎22學習使用者之使用者行為模式74，該等使用者行為模式74亦儲存於資料庫83中。基於整個使用者群體之使用者活動的聚合行為模式88可自推薦伺服器下載，且該等聚合行為模式88亦儲存於資料庫83中，且用於鑒別所學習之使用者行為模式74，如上文所描述。資料庫83亦儲存使用者推薦偏好62、64及該等使用者推薦偏好62、64之相關聯觸發條件65，該等使用者推薦偏好62、64及觸發條件65已經由設置模組20作為使用者輸入而直接接收，或已藉由監視引擎22自使用者活動85中推斷出來。
推薦引擎24接收使用者活動85之至少一部分，通常為當前所觀察之使用者活動86，當前所觀察之該使用者活動86包括使用者之當前經偵測位置90及與當前所觀察之使用者活動相關聯之情境因素78(諸如日期與時間)。推薦引擎24比較此等資料與行為模式74、88以決定是否可能(例如)在幾率臨限值內滿足使用者推薦偏好62、64之觸發條件65。若如此，則推薦引擎作出將產生使用者推薦偏好62、64之觸發條件65之推論76。
進一步參閱回至圖1，根據推論76之產生，因為每一使用者推薦偏好62、64通常具有與每一使用者推薦偏好62、64相關聯之至少一個目標產品或服務，所以推薦引擎24經設置以根據使用者推薦偏好62、64中之一或多者將對目標產品或服務之推薦之請求72發送至推薦伺服器66。推薦引擎24進一步經設置以自推薦伺服器66接收與目標產品或服務相關之推薦70，且在使用者計算裝置12之顯示器32上之推薦GUI 82中展示推薦70。
第一使用情況實例
在一個實例使用情況下，使用者計算裝置12為行動通訊裝置且當前經由來自行動裝置位置追蹤程式46之使用者活動46'偵測到使用者14在華盛頓雷蒙(Redmond,Washington)。使用者14已通知個人代理者程式10使用者希望接收對於雷蒙附近提供加泰蘭(Catalan)美食的高評價飯店及對於在西班牙巴塞隆納(Barcelona,Spain)提供加泰蘭美食的高評價飯店的推薦。現參閱圖3，使用者已預先經由推薦GUI 82內之使用者輸入介面202輸入此等使用者推薦偏好至使用者的行動計算裝置12中。
在推薦GUI 82之另一螢幕上，使用者亦已向個人代理者程式提供授權以監視行事歷程式42中之使用者的行事曆活動42'、經由行動裝置位置追蹤程式46中之定位活動46'之位置、瀏覽器48中之瀏覽器活動48'及可存在於另一使用者計算裝置54上之社交網路程式60中之社交網路活動60'。使用者亦已輸入使用者私密設定，該等使用者私密設定指示使用者的行事曆活動42'屬於可不與外部共享之唯檢查分類，且指示使用者的定位活動46'、瀏覽器活動48'及社交網路活動60'屬於可將對推薦之請求發送至推薦伺服器的共享授權分類。
藉由監視來自使用者的GPS賦能行動通訊裝置及行動裝置位置追蹤程式46之位置以及來自行事歷程式42(包括稱為「家庭行事曆(FAMILY CALENDAR)」的使用者的共享行事曆)之使用者活動42'，個人代理者程式10已學習使用者在過去3年中之每一年之每個八月度過兩周之家庭假期之行為模式。如今為七月，且使用者具有來自8月2日至8月16日之「家庭行事曆」之共享行事曆事項，該共享行事曆事項僅寫著「巴塞隆納」。此外，藉由監視來自瀏覽器48之使用者活動48'，個人代理者程式10學習使用者最近自在線書籍提供商購買了「LEARN SPANISH」音訊書。基於此等情境因素，個人代理者程式10作出使用者再次計劃八月之家庭旅行的推論，此次前往西班牙巴塞隆納之時間為自8月2日至8月16日。個人代理者程式10中之推薦引擎24亦可基於此行為模式創建額外使用者推薦偏好62，諸如對於國際住宅交換服務之推薦的偏好。
藉由檢查使用者的社交網路活動60'及使用者的相關聯社交圖，個人代理者程式10注意到來自友人A之發帖「對八月巴塞隆納之旅行迫不及待」，該友人A為使用者的友人中之一者，該友人A在華盛頓雷蒙具有接近使用者的住宅的住所。根據此發帖、使用者在雷蒙之當前位置、當前日期及使用者的至巴塞隆納之假定假期，個人代理者程式10作出對於雷蒙附近之高評價之加泰蘭飯店的使用者推薦偏好的觸發條件可能產生的推論；亦即，使用者可能樂於在8月2日之前在雷蒙附近之加泰蘭飯店與友人A見面用餐以討論即將到來的至巴塞隆納之旅行的推論。個人代理者程式10亦可作出使用者可能樂於與友人A在巴塞隆納之加泰蘭飯店用餐(只要使用者與友人A碰巧同時在該城市內)的另一推論。
個人代理者程式10將對推薦之請求發送至推薦伺服器66，該等推薦係對於雷蒙附近提供加泰蘭美食的高評價飯店及對於巴塞隆納提供加泰蘭美食的高評價飯店。自推薦伺服器66接收之推薦展示於推薦GUI 82之推薦區域204中。
第二使用情況實例
在另一實例使用情況下，使用者計算裝置12為行動通訊裝置且當前經由來自行動裝置位置追蹤程式46之使用者活動46'偵測到使用者14處於對應于接近田納西諾克斯維(Knoxville,Tennessee)之沿著州際公路40之車站餐廳(Truck Stop Diner)的位置。使用者14已通知個人代理者程式10使用者希望接收對於北卡羅來納威明頓(Wilmington,North Carolina)與加州巴斯托(Barstow,California)之間沿著I-40的提供優質咖啡之咖啡店的推薦。現參閱圖4，使用者已預先經由推薦GUI 82內之使用者輸入介面302輸入此使用者推薦偏好至使用者的行動通訊裝置中。
在推薦GUI 82之另一螢幕上，使用者亦已向個人代理者程式提供授權以監視行事歷程式42中之使用者的行事曆活動42'、經由行動裝置位置追蹤程式46中之定位活動46'之位置、瀏覽器48中之瀏覽器活動48'、電子郵件程式40中之電子郵件活動40'、電話/訊息傳送程式44中之電話呼叫活動44'及存在於另一使用者計算裝置52(諸如導航系統)上之地圖程式58中之地圖活動58'。使用者亦已輸入使用者私密設定，該等使用者私密設定指示使用者的電子郵件活動40'及電話呼叫活動44'屬於不與外部共享之唯檢查分類，且指示使用者的行事曆活動42'、定位活動46'、瀏覽器活動48'及地圖活動58'屬於可將對推薦之請求發送至推薦伺服器的共享授權分類。
藉由監視來自使用者的GPS賦能行動通訊裝置及行動裝置位置追蹤程式46之位置，個人代理者程式10學習使用者在8小時前自使用者在北卡羅來納默特爾克裡克(Myrtle Grove,North Carolina)之住所開始駕車且一直在州際公路40上向西行進。個人代理者程式10亦注意到在寫著「L.A.TRIP」之使用者的行事曆上的始於今日之共享行事曆事項。此外，8小時前，使用者自導航系統上之地圖程式58請求自北卡羅來納默特爾克裡克至加州洛杉磯之路線選擇。基於此等情境因素，個人代理者程式10作出使用者正沿著I-40自北卡羅來納默特爾克裡克駕車至洛杉磯的推論。
個人代理者程式注意到當前時間為12：52 pm，使用者剛開始在I-40上駕車向西，且前47分鐘使用者的位置保持於車站餐廳。根據使用者在午餐時間在此飯店停留47分鐘，表明使用者剛用過午餐及使用者將繼續在I-40上駕車向西之推論，個人代理者程式10作出可能產生使用者對於沿著I-40之極佳咖啡的推薦偏好的觸發條件的另一推論；亦即，使用者可能樂於停車約1小時又15分鐘以內來喝咖啡之推論，此舉對應於經預測之未來位置，基於在此旅行期間使用者在I-40上的平均行駛速度，該經預測之未來位置與使用者的當前位置相距約83英里。在作出使用者可能樂於在此位置附近停車來喝咖啡之推論的步驟中，個人代理者程式10亦可在各種條件下對整個使用者群體利用使用者行為之相關機器學習。此等機器學習建議沿著高速公路行進之使用者通常在用過午餐後停下來喝咖啡或休息1小時又20分鐘。
個人代理者程式10將對沿I-40提供優質咖啡且較佳地與使用者的當下位置相距約83英里的咖啡店之推薦的請求發送至推薦伺服器66。推薦伺服器返回對於田納西蒙特雷(Monterey,Tennessee)之咖啡店A之推薦。田納西蒙特雷與使用者的當前位置相距約88英里。自推薦伺服器66接收之推薦展示於推薦GUI 82之推薦區域304中。
個人代理者程式10亦可應用向使用者提供在使用者已不停地在高速公路上駕車至少兩小時時建議使用者休息或喝杯咖啡休息的建議的規則。在本實例中，若使用者未在咖啡店A處停車且在午餐時間後兩小時仍在駕車，則個人代理者程式10可將對在使用者之當前位置或I-40上之使用者的期望路線附近提供優質咖啡之咖啡店的推薦之請求發送至推薦伺服器66。此規則可在個人代理者程式10中預設或可由使用者輸入。
第三使用情況實例
在另一實例使用情況下，且參閱圖5，使用者計算裝置12為行動通訊裝置，且使用者14在以定向軌跡352行進之汽車350中。使用者14已通知個人代理者程式10使用者希望接收對於咖啡店之推薦。使用者亦已向個人代理者程式10提供授權以監視行事歷程式42中之使用者的行事曆活動42'、經由行動裝置位置追蹤程式46中之定位活動46'之位置，及存在於另一使用者計算裝置54上之社交網路程式60中之社交網路活動60'。藉由檢查使用者的社交網路活動60'，個人代理者程式決定使用者14具有友人15，使用者經常與該友人15見面喝東西或用餐。
使用者的友人15在以定向軌跡356行進之汽車354中。友人15正攜帶著她的友人計算裝置55，該友人計算裝置55亦為行動通訊裝置。友人15亦已授權個人代理者程式10監視她的友人計算裝置55上之行事歷程式、行動裝置位置追蹤程式及社交網路程式中她的友人活動57。
藉由監視來自使用者的行動通訊裝置之位置，個人代理者程式10決定使用者正以定向軌跡352行進。類似地，藉由監視來自友人的行動通訊裝置之位置，個人代理者程式10決定友人正以定向軌跡354行進。個人代理者程式10自定向軌跡352、354外推且決定該等定向軌跡將相交於交叉位置360。個人代理者程式亦估計汽車350中之使用者14將在約12：42 pm抵達交叉位置360，且汽車354中之友人15將在約12：44 pm抵達交叉位置。
個人代理者程式核對使用者14之行事歷程式42及友人15之行事歷程式來看使用者及友人在包括使用者與友人將抵達交叉位置360之大致時間的時段內是否空閒。在本實例中，該時段為15分鐘。應瞭解，可使用其他時段，諸如5分鐘、30分鐘、1小時或任何其他合適的時段。
基於上文所決定之資訊，個人代理者程式10將對在交叉位置360之臨限距離(諸如一個街區)內之咖啡店之推薦的請求發送至推薦伺服器66。亦可使用其他臨限距離，諸如3個街區、10個街區或其他合適的距離。推薦伺服器向使用者14返回推薦以便使用者與友人15在咖啡店B 362處見面，該咖啡店B 362位於距交叉位置360一個半街區處。推薦可通知使用者14友人15有望在約12：44 pm時或在使用者有望抵達該交叉位置後的2分鐘內處於交叉位置360。推薦亦可包括優惠券(諸如團體折扣優惠券)，該優惠券為使用者14與友人15提供在咖啡店B 362見面的誘因。若友人15已提供適當許可，則個人代理者程式10或推薦伺服器66亦可發送推薦至友人計算裝置55。
現參閱圖6，圖式圖示根據本揭示案之一個實施例之用於代表使用者擷取推薦的方法400。可使用上文所描述且在圖1圖示之個人代理者程式10與使用者計算裝置12之軟體及硬體組件，或使用其他合適的組件來執行該方法。
在402處，該方法包括接收使用者授權以監視貫穿複數個電腦程式的使用者活動的步驟，該複數個電腦程式由使用者在使用者計算裝置及一或多個其他使用者計算裝置上使用。如上文所提及，複數個電腦程式可包括(但不限於)電子郵件程式、行事歷程式、電話/訊息傳送程式、行動裝置位置追蹤程式、瀏覽器程式、地圖程式或社交網路程式。使用者計算裝置亦可為GPS賦能行動計算裝置。
在404處，該方法包括接收一或多個使用者推薦偏好的步驟，該一或多個使用者推薦偏好指示使用者希望自推薦伺服器接收之產品或服務推薦。在406處，該方法可包括接收使用者私密設定的步驟，該使用者私密設定指示使用者授權個人代理者程式自複數個電腦程式進行檢查但不與外部共享的使用者活動之唯檢查分類。使用者私密設定亦可指示使用者授權個人代理者程式向推薦伺服器發送對推薦之請求的使用者活動之共享授權分類。
在408處，該方法包括根據使用者授權用複數個電腦程式監視使用者活動的步驟。在一個實例中，使用者活動可包括使用者之經偵測當前位置。在另一實例中，監視使用者活動之步驟可包括基於計算可自使用者活動收集之資訊之期望值而選擇性地啟動或存取複數個電腦程式中之至少一者。在410處，該方法包括自使用者活動學習行為模式的步驟。在412處，該方法亦可包括基於來自使用者活動之行為模式創建額外使用者偏好的步驟。現轉至圖7，在414處，該方法可包括基於使用者之經偵測當前位置、使用者之行為模式及一或多個情境因素，作出將產生使用者推薦偏好中之一或多者之觸發條件之推論的步驟。情境因素可包括(但不限於)日期、一周中之某天、當日時間或使用者計算裝置已位於經偵測當前位置的時段。
在416處，該方法包括根據一或多個使用者推薦偏好將對目標產品或服務之推薦的請求發送至推薦伺服器。在418處，該方法包括自推薦伺服器接收推薦的步驟。在420處，該方法包括在與使用者計算裝置相關聯之顯示器上展示推薦。
使用上文所描述之系統及方法，可按使用者明確授權之範圍被動地監視一或多個電腦裝置上之各種電腦程式中之使用者活動，且可自該使用者活動學習使用者行為模式。基於此等行為模式，可便利地擷取對於產品及服務之推薦，其中使用者已表現偏好或其中已推斷出此種偏好。如此，可藉由本文所描述之系統及方法前瞻性地預料使用者之需要及渴求。
關於本文所描述之軟體及硬體操作情境，應理解，術語「模組」、「程式」及「引擎」已用於描述軟體組件，該等軟體組件藉由本文所描述之各種計算硬體裝置之處理器加以實施以執行一或多種特定功能。術語「模組」、「程式」及「引擎」意欲涵蓋可執行文檔、資料文檔、程式庫、驅動器、程式語言、資料庫記錄等之個體或群組。
亦應瞭解，術語「使用者計算裝置」可包括個人電腦、膝上型裝置、行動通訊裝置、平板電腦、家庭娛樂電腦、遊戲裝置、智慧型手機或各種其他計算裝置。此外，處理器與記憶體可整合於共同積體電路中作為在一些實施例中之所謂的片上系統，且大容量儲存器可為各種非揮發性儲存裝置，諸如硬碟機、韌體、唯讀記憶體(ROM)、電子可抹除可程式唯讀記憶體(EEPROM)、快閃(FLASH)記憶體、光碟機等。可為此等計算裝置提供媒體，該媒體包含經儲存之指令，當藉由此等計算裝置執行時，該等指令使裝置實施本文所描述之方法。此等媒體可包括CD-ROMS、DVD-ROMS及其他媒體。
應理解，本文所描述之實例實施例、配置及/或方法在本質上為例示性的，且不應將此等特定實施例或實例考慮為限制意義的，原因在於眾多變更係可能的。本文所描述之特定常式或方法可代表許多處理策略中之一或多者。因此，可以所圖示之順序、以其他順序、並行地執行所圖示之各種舉止，或在一些情況下忽略該等舉止。同樣，可改變上文所描述之步驟之順序。
本揭示案之標的物包括本文所揭示之各種步驟、系統及配置及其他特徵結構、功能、舉止及/或特性以及以上各者之任何及所有等效物的所有新穎且非顯著性組合及子組合。
5‧‧‧計算系統
10‧‧‧個人代理者程式
12‧‧‧使用者計算裝置
14‧‧‧使用者
15‧‧‧友人A
20‧‧‧設置模組
22‧‧‧監視引擎
24‧‧‧推薦引擎
28‧‧‧大容量儲存器
30‧‧‧記憶體
32‧‧‧顯示器
34‧‧‧處理器
36‧‧‧GPS(全球定位系統)
40‧‧‧電子郵件程式接收器
40'‧‧‧電子郵件活動
42‧‧‧行事歷程式
42'‧‧‧使用者之行事曆活動
44‧‧‧電話/訊息傳送程式
44'‧‧‧電話呼叫活動
46‧‧‧行動裝置位置追蹤程式
46'‧‧‧使用者活動/定位活動
48‧‧‧瀏覽器
48'‧‧‧瀏覽器活動
52‧‧‧使用者計算裝置
54‧‧‧使用者計算裝置
55‧‧‧友人計算裝置
56‧‧‧使用者授權
57‧‧‧友人活動
58‧‧‧地圖程式
58'‧‧‧地圖活動
60‧‧‧社交網路程式
60'‧‧‧社交網路活動
62‧‧‧使用者推薦偏好
64‧‧‧使用者推薦偏好
65‧‧‧觸發條件
66‧‧‧推薦伺服器
68‧‧‧使用者私密設定
70‧‧‧推薦
72‧‧‧請求
74‧‧‧行為模式
76‧‧‧推論
78‧‧‧情境因素
82‧‧‧推薦GUI
83‧‧‧資料庫
84‧‧‧電腦程式
85‧‧‧使用者活動
86‧‧‧當前所觀察之使用者活動
87‧‧‧使用者活動歷史
88‧‧‧聚合行為模式
90‧‧‧當前位置
202‧‧‧使用者輸入介面
204‧‧‧推薦區域
302‧‧‧使用者輸入介面
304‧‧‧推薦區域
350‧‧‧汽車
352‧‧‧定向軌跡
354‧‧‧汽車
356‧‧‧定向軌跡
360‧‧‧交叉位置
362‧‧‧咖啡店B
400‧‧‧方法
402-420‧‧‧步驟
圖1圖示電腦系統之一個實施例之示意圖，該電腦系統包括可在使用者計算裝置上執行之用於代表使用者擷取推薦之個人代理者程式。
圖2為圖1之個人代理者程式之部分詳細示意圖，圖示作出推論及產生推薦請求之方式。
圖3為圖1中所示之推薦圖形使用者介面之第一實例螢幕之示意圖。
圖4為圖1中所示之推薦圖形使用者介面之第二實例螢幕之示意圖。
圖5為圖示圖1之電腦系統之實例使用情況的示意圖，該電腦系統包括個人代理者程式。
圖6為圖示用於代表使用者擷取推薦之方法的一個實施例之圖式。
圖7為圖6之圖式之延續。
5‧‧‧計算系統
10‧‧‧個人代理者程式
12‧‧‧使用者計算裝置
14‧‧‧使用者
15‧‧‧友人A
20‧‧‧設置模組
22‧‧‧監視引擎
24‧‧‧推薦引擎
28‧‧‧大容量儲存器
30‧‧‧記憶體
32‧‧‧顯示器
34‧‧‧處理器
36‧‧‧GPS(全球定位系統)接收器
40‧‧‧電子郵件程式
40'‧‧‧電子郵件活動
42‧‧‧行事歷程式
42'‧‧‧使用者之行事曆活動
44‧‧‧電話/訊息傳送程式
44'‧‧‧電話呼叫活動
46‧‧‧行動裝置位置追蹤程式
46'‧‧‧使用者活動/定位活動
48‧‧‧瀏覽器
48'‧‧‧瀏覽器活動
52‧‧‧使用者計算裝置
54‧‧‧使用者計算裝置
55‧‧‧友人計算裝置
56‧‧‧使用者授權
57‧‧‧友人活動
58‧‧‧地圖程式
58'‧‧‧地圖活動
60‧‧‧社交網路程式
60'‧‧‧社交網路活動
62‧‧‧使用者推薦偏好
64‧‧‧使用者推薦偏好
66‧‧‧推薦伺服器
68‧‧‧使用者私密設定
70‧‧‧推薦
72‧‧‧請求
74‧‧‧行為模式
76‧‧‧推論
78‧‧‧情境因素
82‧‧‧推薦圖形使用者介面(GUI)

权利要求:
Claims (20)
[1] 一種可在一使用者計算裝置上執行之用於代表一使用者擷取推薦之個人代理者程式，該個人代理者程式包含：一設置模組，該設置模組經配置以進行以下操作：接收一使用者授權以監視貫穿複數個電腦程式之使用者活動，該複數個電腦程式由該使用者在該使用者計算裝置及/或一或多個其他使用者計算裝置上使用；及接收一或多個使用者推薦偏好，該一或多個使用者推薦偏好指示該使用者希望該個人代理者程式自一推薦伺服器擷取的產品或服務推薦；一監視引擎，該監視引擎經配置以根據該使用者授權用該複數個電腦程式監視該使用者活動，該使用者活動包括該使用者之一經偵測當前位置，該監視引擎經配置以自該使用者活動學習一行為模式；以及一推薦引擎，該推薦引擎經配置以進行以下操作：基於該使用者之該經偵測當前位置、該使用者之該行為模式及一或多個情境因素，作出將產生該一或多個使用者推薦偏好之一觸發條件的一推論；根據該一或多個使用者推薦偏好將對一目標產品或服務之一推薦的一請求發送至該推薦伺服器；自該推薦伺服器接收該推薦；以及在與該使用者計算裝置相關聯之一顯示器上展示該推薦。
[2] 如請求項1所述之個人代理者程式，其中該設置模組進一步經配置以接收一使用者私密設定，該使用者私密設定指示該使用者授權該個人代理者程式進行檢查的資料之一分類。
[3] 如請求項2所述之個人代理者程式，其中該使用者私密設定規定該使用者授權該個人代理者程式自該複數個電腦程式進行檢查但不與外部共享的該使用者活動之一唯檢查分類。
[4] 如請求項2所述之個人代理者程式，其中該使用者私密設定規定該使用者授權該個人代理者程式以發送對該推薦之該請求至該推薦伺服器的該使用者活動的一共享授權分類。
[5] 如請求項1所述之個人代理者程式，其中：該監視引擎經配置以進行以下操作：決定該使用者及一友人正以定向軌跡行進，該等定向軌跡將相交於一交叉位置；以及決定該使用者及該友人是否空閒；且該目標服務位於該交叉位置之一臨限距離內。
[6] 如請求項1所述之個人代理者程式，其中該複數個程式包括一電子郵件程式、一行事歷程式、一電話/訊息傳送程式、一行動裝置位置追蹤程式、一瀏覽器程式、一地圖程式或一社交網路程式，且該一或多個情境因素包括一日期、一星期中之某天、一當日時間或該使用者計算裝置已處於該經偵測當前位置之一時段。
[7] 如請求項1所述之個人代理者程式，其中該監視引擎進一步經配置以藉由基於計算可自該使用者活動收集之資訊之一期望值而選擇性地啟動或存取該複數個電腦程式中之至少一者來動態地監視該使用者活動。
[8] 如請求項1所述之個人代理者程式，其中該監視引擎經配置以進行以下操作：藉由自該推薦伺服器接收聚合行為模式及針對在一臨限程度內匹配該等聚合行為模式的使用者活動檢查該等電腦程式中之該使用者活動來學習該使用者之一行為模式。
[9] 如請求項1所述之個人代理者程式，其中該監視引擎經配置以基於來自該使用者活動之該行為模式創建一額外使用者推薦偏好。
[10] 如請求項1所述之個人代理者程式，其中該觸發條件包含該使用者之一未來位置。
[11] 一種用於代表一使用者擷取推薦之方法，該方法包含以下步驟：接收一使用者授權以監視貫穿複數個電腦程式之使用者活動，該複數個電腦程式由該使用者在一使用者計算裝置及一或多個其他使用者計算裝置上使用；接收一或多個使用者推薦偏好，該一或多個使用者推薦偏好指示該使用者希望自一推薦伺服器接收的產品或服務推薦；根據該使用者授權用該複數個電腦程式監視該使用者活動，該使用者活動包括該使用者之一經偵測當前位置；自該使用者活動學習一行為模式；基於該使用者之該經偵測當前位置、該使用者之該行為模式及一或多個情境因素，作出將產生該一或多個使用者推薦偏好之一觸發條件的一推論；根據該一或多個使用者推薦偏好將對一目標產品或服務之一推薦的一請求發送至該推薦伺服器；自該推薦伺服器接收該推薦；以及在與該使用者計算裝置相關聯之一顯示器上展示該推薦。
[12] 如請求項11所述之方法，該方法進一步包含以下步驟：接收一使用者私密設定，該使用者私密設定指示該使用者授權該個人代理者程式進行檢查的資料之一分類。
[13] 如請求項12所述之方法，其中該使用者私密設定規定該使用者授權該個人代理者程式自該複數個電腦程式進行檢查但不與外部共享的該使用者活動之一唯檢查分類。
[14] 如請求項12所述之方法，其中該使用者私密設定規定該使用者授權該個人代理者程式以發送對該推薦之該請求至該推薦伺服器的該使用者活動之一共享授權分類。
[15] 如請求項11所述之方法，其中該使用者計算裝置為一位置感知行動計算裝置。
[16] 如請求項11所述之方法，其中該複數個程式包括一電子郵件程式、一行事歷程式、一電話/訊息傳送程式、一行動裝置位置追蹤程式、一瀏覽器程式、一地圖程式或一社交網路程式，且該一或多個情境因素包括一日期、一星期中之某天、一當日時間或該使用者計算裝置已處於該經偵測當前位置之一時段。
[17] 如請求項11所述之方法，其中用該複數個電腦程式監視該使用者活動之該步驟進一步包含：基於計算可自該使用者活動收集的資訊之一期望值，選擇性地啟動或存取該複數個電腦程式中之至少一者。
[18] 如請求項11所述之方法，學習一行為模式之步驟包括：自該推薦伺服器接收聚合行為模式；以及針對在一臨限程度內匹配該等聚合行為模式的使用者活動檢查該等電腦程式中之該使用者活動。
[19] 如請求項11所述之方法，該方法進一步包含以下步驟：基於來自該使用者活動之該行為模式創建一額外使用者偏好。
[20] 一種可在一使用者計算裝置上執行之個人代理者程式，該個人代理者程式包含：一設置模組，該設置模組經配置以進行以下操作：接收一使用者授權以監視貫穿複數個電腦程式之使用者活動，該複數個電腦程式由該使用者在該使用者計算裝置及一或多個其他使用者計算裝置上使用；及接收一或多個使用者推薦偏好，該一或多個使用者推薦偏好指示該使用者希望該個人代理者程式自一推薦伺服器擷取的產品或服務推薦；一監視引擎，該監視引擎經配置以根據該使用者授權用該複數個電腦程式監視該使用者活動，該監視引擎經配置以自該使用者活動學習一行為模式；以及一推薦引擎，該推薦引擎經配置以進行以下操作：基於該使用者之該行為模式及一或多個情境因素，作出將產生該一或多個使用者推薦偏好之一觸發條件的一推論；根據該一或多個使用者推薦偏好將對一目標產品或服務之一推薦的一請求發送至該推薦伺服器；自該推薦伺服器接收該推薦，該推薦根據該一或多個使用者推薦偏好及/或該使用者之該行為模式而產生；關於在未來發生之一時機代表該使用者採取一行動；以及在與該使用者計算裝置相關聯之一顯示器上展示該推薦及與該時機相關之資訊。

类似技术:

公开号 | 公开日 | 专利标题

TWI545301B|2016-08-11|用於代表使用者擷取推薦的方法及使用者計算裝置

US10673970B2|2020-06-02|Notifications of unaddressed events

KR102174346B1|2020-11-04|메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠

US20180336203A1|2018-11-22|User-based content filtering and ranking to facilitate on-demand transport services

US10142487B2|2018-11-27|Personalized reminders

US9269098B2|2016-02-23|Push-based recommendations

US20140108307A1|2014-04-17|Methods and systems for providing personalized and context-aware suggestions

US20190235936A1|2019-08-01|Personalized notification brokering

US11206223B2|2021-12-21|Signal upload optimization

同族专利:

公开号 | 公开日

JP2014521141A|2014-08-25|

CN103635895A|2014-03-12|

WO2013003079A2|2013-01-03|

US9569726B2|2017-02-14|

TWI545301B|2016-08-11|

KR20140038477A|2014-03-28|

CN103635895B|2017-07-28|

US20170154271A1|2017-06-01|

JP5996644B2|2016-09-21|

KR101984949B1|2019-06-03|

EP2727007A2|2014-05-07|

US20130006904A1|2013-01-03|

WO2013003079A3|2013-03-14|

EP2727007A4|2015-02-25|

US20160189032A1|2016-06-30|

US9317834B2|2016-04-19|

引用文献:

公开号 | 申请日 | 公开日 | 申请人 | 专利标题

TWI594140B|2013-09-11|2017-08-01|Alibaba Group Services Ltd|Provide application, user recommended information methods and devices|US6317718B1|1999-02-26|2001-11-13|Accenture Properties B.V.|System, method and article of manufacture for location-based filtering for shopping agent in the physical world|

US6868392B1|1999-07-09|2005-03-15|Fujitsu Limited|System and method for electronic shopping using an interactive shopping agent|

KR100328670B1|1999-07-21|2002-03-20|정만원|다중 추천 에이전트들을 이용하는 추천 시스템|

US6381597B1|1999-10-07|2002-04-30|U-Know Software Corporation|Electronic shopping agent which is capable of operating with vendor sites which have disparate formats|

US6968334B2|2001-05-15|2005-11-22|Nokia Corporation|Method and business process to maintain privacy in distributed recommendation systems|

JP2003016098A|2001-07-03|2003-01-17|Toshiba Corp|クライアント・システム、情報要求方法、情報通信方法及びプログラム|

US8060459B2|2003-08-01|2011-11-15|Mitel Networks Corporation|Method for generating prospective availability data|

US7526458B2|2003-11-28|2009-04-28|Manyworlds, Inc.|Adaptive recommendations systems|

JP4581446B2|2004-03-22|2010-11-17|ソニー株式会社|情報処理装置および方法、並びにプログラム|

US20050243165A1|2004-04-07|2005-11-03|Endler Sean C|Methods and apparatuses for mapping locations|

KR100673600B1|2004-07-20|2007-01-24|에스케이커뮤니케이션즈 주식회사|이동통신 단말기를 통한 모블로그 기반의 지역 커뮤니티 시스템에서 스팟 또는 아지트를 추천하는 장치 및 방법|

KR100715681B1|2005-12-06|2007-05-09|한국전자통신연구원|센서 네트워크 기반 유비쿼터스 상황인지 에이전트 장치 및그 상황인지 방법|

JP4785606B2|2006-04-27|2011-10-05|京セラ株式会社|グループ通信管理装置、通信端末、および通信方法|

US9256602B2|2006-09-13|2016-02-09|Cellco Partnership|System and method for distributing and providing recommendations related to playable content to a user based on information extracted from one or more playback devices of the user|

KR100882716B1|2006-11-20|2009-02-06|엔에이치엔|상품 정보를 추천하는 방법 및 상기 방법을 수행하는시스템|

US20100070380A1|2006-11-29|2010-03-18|Korea Institute Of Science And Technology|Electronic commerce system and recording medium for storing program of mobile terminals using personal area network|

US20080227440A1|2007-03-16|2008-09-18|Vinay Kumar Chowdary Settepalli|Methods and apparatus for discovering and updating a mobile device via user behavior|

US8032472B2|2007-04-04|2011-10-04|Tuen Solutions Limited Liability Company|Intelligent agent for distributed services for mobile devices|

WO2008147919A1|2007-05-22|2008-12-04|Nuance Communications, Inc.|Keyword-based services for mobile device messages|

US7984006B2|2007-09-18|2011-07-19|Palo Alto Research Center Incorporated|Learning a user's activity preferences from GPS traces and known nearby venues|

US8065173B2|2007-10-29|2011-11-22|Suhayya Abu-Hakima|Collaborative multi-agent system for dynamic management of electronic services in a mobile global network environment|

CN101451850A|2007-11-30|2009-06-10|长天科技股份有限公司|追踪定位装置的方法及其追踪系统|

US20090158342A1|2007-12-18|2009-06-18|Motorola, Inc.|Apparatus and method for generating content program recommendations|

US8060525B2|2007-12-21|2011-11-15|Napo Enterprises, Llc|Method and system for generating media recommendations in a distributed environment based on tagging play history information with location information|

US8306921B2|2008-02-13|2012-11-06|Toyota Motor Engineering & Manufacturing North America, Inc.|Mobile recommendation and reservation system|

US8660539B2|2008-04-30|2014-02-25|Intertrust Technologies Corporation|Data collection and targeted advertising systems and methods|

US20100049585A1|2008-08-21|2010-02-25|Eastman Kodak Company|Concierge - shopping widget - method for user managed profile and selective transmission thereof|

US20100076951A1|2008-09-11|2010-03-25|International Business Machines Corporation|Service for negotiating a meeting location given multiple user preferences and locations using social networking|

US8301759B2|2008-10-24|2012-10-30|Microsoft Corporation|Monitoring agent programs in a distributed computing platform|

CN101446959A|2008-12-30|2009-06-03|深圳市迅雷网络技术有限公司|一种基于互联网的新闻推荐方法和系统|

US8150718B2|2009-05-13|2012-04-03|Hugh Olliphant|System and method for automatically scheduling appointments|

JP2010267105A|2009-05-15|2010-11-25|Yahoo Japan Corp|行動履歴を検索する装置、方法及びプログラム|

WO2010141656A1|2009-06-05|2010-12-09|Bank Of America Corporation|Mobile shopping decision agent|

CN102043793A|2009-10-09|2011-05-04|卢健华|一种面向知识服务的推荐方法|

JP2011100182A|2009-11-04|2011-05-19|Nec Corp|リコメンド情報配信システム、サーバ、携帯端末、リコメンド情報配信方法、そのプログラムおよび記録媒体|

US11127020B2|2009-11-20|2021-09-21|Palo Alto Research Center Incorporated|Generating an activity inference model from contextual data|

RU2012127407A|2009-12-15|2014-01-10|Интел Корпорейшн|Система, устройство и способы использования вероятностных технологий при определении тенденции, составлении профиля и основанных на шаблонах предсказаний поведения пользователя с целью предложения рекомендаций|

CN101916264B|2010-07-30|2012-09-19|浙江大学|基于用户面部表情与目光分布检测的个性化网页推荐方法|

US20120271541A1|2011-04-20|2012-10-25|Telefonaktiebolaget L M Ericsson |Route recommendation system|US20130210395A1|2009-05-08|2013-08-15|Naquib U. Hatami|Optimizing selection of method of determining location in a social networking system using mobile communications|

US8782022B2|2009-12-09|2014-07-15|At&T Intellectual Property I, L.P.|Method and apparatus for aggregating and translating real-time user information to update social network profiles|

JP2013088994A|2011-10-18|2013-05-13|Sony Corp|情報処理装置、サーバ、情報処理システム、および情報処理方法|

US9519722B1|2011-11-14|2016-12-13|Google Inc.|Method and system for providing dynamic personalized recommendations for a destination|

US9813849B2|2012-02-09|2017-11-07|Intel Corporation|Suggestions based on group criteria|

US8751429B2|2012-07-09|2014-06-10|Wine Ring, Inc.|Personal taste assessment method and system|

EP2883204B1|2012-08-10|2020-10-07|Nuance Communications, Inc.|Virtual agent communication for electronic devices|

US9219668B2|2012-10-19|2015-12-22|Facebook, Inc.|Predicting the future state of a mobile device user|

US9560089B2|2012-12-11|2017-01-31|Nuance Communications, Inc.|Systems and methods for providing input to virtual agent|

US9679300B2|2012-12-11|2017-06-13|Nuance Communications, Inc.|Systems and methods for virtual agent recommendation for multiple persons|

US9659298B2|2012-12-11|2017-05-23|Nuance Communications, Inc.|Systems and methods for informing virtual agent recommendation|

US20140172572A1|2012-12-19|2014-06-19|Ebay Inc.|Systems and methods to provide recommendations|

WO2014126607A1|2013-02-14|2014-08-21|Wine Ring, Inc.|Recommendation system based on group profiles of personal taste|

US9535899B2|2013-02-20|2017-01-03|International Business Machines Corporation|Automatic semantic rating and abstraction of literature|

US9345403B2|2013-03-04|2016-05-24|Hello Inc.|Wireless monitoring system with activity manager for monitoring user activity|

US20140279007A1|2013-03-14|2014-09-18|Robert Bosch Gmbh|Method for personalized context-aware, and privacy preserving real-time brokerage for advertising|

US20140280560A1|2013-03-15|2014-09-18|Facebook, Inc.|Capturing User Information In An Online System Based On Real-World Actions|

US10438301B2|2013-03-15|2019-10-08|Capital One Services, Llc|System and method for social home buying|

CN103227821B|2013-04-03|2015-07-01|腾讯科技（深圳）有限公司|一种目标用户位置数据的处理方法及装置|

CN104375931B|2013-08-15|2017-05-03|北京齐尔布莱特科技有限公司|一种移动浏览器特性检测及结果统计方法|

KR101579538B1|2013-11-08|2015-12-22|현대자동차주식회사|차량 및 그 제어방법|

US9298802B2|2013-12-03|2016-03-29|International Business Machines Corporation|Recommendation engine using inferred deep similarities for works of literature|

CN103744858B|2013-12-11|2017-09-22|深圳先进技术研究院|一种信息推送方法及系统|

US20170017501A1|2013-12-16|2017-01-19|Nuance Communications, Inc.|Systems and methods for providing a virtual assistant|

US9460215B2|2013-12-19|2016-10-04|Facebook, Inc.|Ranking recommended search queries on online social networks|

US9922197B2|2014-01-15|2018-03-20|Microsoft Technology Licensing, Llc|Privacy-based degradation of activity signals and automatic activation of privacy modes|

GB201402088D0|2014-02-07|2014-03-26|Social Safe Ltd|Recommendation generation|

JP6821289B2|2014-04-01|2021-01-27|シャープ株式会社|サーバ、プログラム、提案方法、提案システム、および報知機器|

US9563912B2|2014-08-15|2017-02-07|Microsoft Technology Licensing, Llc|Auto recognition of acquirable entities|

KR20170046732A|2014-08-29|2017-05-02|스미또모 가가꾸 가부시키가이샤|유기 일렉트로루미네센스 소자|

CN105404629B|2014-09-12|2020-10-27|华为技术有限公司|确定地图界面的方法和装置|

US10429803B2|2014-09-23|2019-10-01|Intel Corporation|Multifactor intelligent agent control|

US10664488B2|2014-09-25|2020-05-26|Oracle International Corporation|Semantic searches in a business intelligence system|

US10417247B2|2014-09-25|2019-09-17|Oracle International Corporation|Techniques for semantic searching|

KR102058894B1|2014-10-31|2020-02-20|에스케이텔레콤 주식회사|예측 기반 동작 인식 장치 및 기록매체|

US11100557B2|2014-11-04|2021-08-24|International Business Machines Corporation|Travel itinerary recommendation engine using inferred interests and sentiments|

US9977911B2|2014-12-30|2018-05-22|Facebook, Inc.|Methods and systems for managing permissions to access mobile device resources|

US20160234160A1|2015-02-10|2016-08-11|Microsoft Technolgy Licensing, LLC|Location-based address book tailored for use during upcoming travel|

WO2016128121A1|2015-02-12|2016-08-18|Amadeus S.A.S.|Methods, systems, and computer program products for implementing a classification database|

US10089381B2|2015-02-12|2018-10-02|Amadeus S.A.S.|Methods, systems, and computer program products for implementing a classification database|

EP3057042A1|2015-02-12|2016-08-17|Amadeus S.A.S.|Methods, systems, and computer program products for implementing a classification database|

US10713601B2|2015-04-29|2020-07-14|Microsoft Technology Licensing, Llc|Personalized contextual suggestion engine|

US9940362B2|2015-05-26|2018-04-10|Google Llc|Predicting user needs for a particular context|

US9820094B2|2015-08-10|2017-11-14|Facebook, Inc.|Travel recommendations on online social networks|

US20170046802A1|2015-08-10|2017-02-16|Facebook, Inc.|Travel Itinerary Generation on Online Social Networks|

US10691736B2|2015-09-25|2020-06-23|International Business Machines Corporation|Contextualized analytics platform|

US10516980B2|2015-10-24|2019-12-24|Oracle International Corporation|Automatic redisplay of a user interface including a visualization|

EP3182738B1|2015-12-16|2018-12-05|Snips|Method and means for triggering at least one action based on geolocation and user information, places and user habits|

US10169794B2|2016-06-07|2019-01-01|Microsoft Technology Licensing, Llc|Digital assistant for vehicle related activities|

US10567532B2|2016-10-03|2020-02-18|Microsoft Technology Licensing, Llc|Contact availability prediction|

US10043366B2|2016-10-18|2018-08-07|International Business Machines Corporation|Personal safety monitoring|

US10567535B2|2017-01-27|2020-02-18|International Business Machines Corporation|Monitoring and alerting a user to variants from predicted patterns based on real time device analysis|

US20180302345A1|2017-04-12|2018-10-18|Facebook, Inc.|Techniques for event-based recommendations for bots|

US11025566B2|2017-04-12|2021-06-01|Facebook, Inc.|Techniques for intent-based search for bots|

US10846615B2|2017-04-12|2020-11-24|Facebook, Inc.|Techniques for reinforcement for bots using capability catalogs|

US20180330330A1|2017-05-15|2018-11-15|Sony Corporation|Agent system for a device|

WO2018211443A1|2017-05-17|2018-11-22|Agarwal Subham|Real-time experience based reservation system and method thereof|

US10917587B2|2017-06-02|2021-02-09|Oracle International Corporation|Importing and presenting data|

US10956237B2|2017-06-02|2021-03-23|Oracle International Corporation|Inter-application sharing of business intelligence data|

CN107491474A|2017-06-26|2017-12-19|北京三快在线科技有限公司|信息推荐方法和装置|

CN111788563A|2018-03-09|2020-10-16|索尼公司|信息处理装置、信息处理方法及程序|

US11132648B2|2018-03-12|2021-09-28|International Business Machines Corporation|Cognitive-based enhanced meeting recommendation|

CN109302492B|2018-11-14|2021-09-24|北京嘀嘀无限科技发展有限公司|用于推荐服务位置的方法、设备和计算机可读存储介质|

US11128724B1|2020-03-09|2021-09-21|Adobe Inc.|Real-time interactive event analytics|

法律状态:
2019-05-11| MM4A| Annulment or lapse of patent due to non-payment of fees|

优先权:

申请号 | 申请日 | 专利标题

US13/174,252|US9317834B2|2011-06-30|2011-06-30|User computing device with personal agent program for recommending meeting a friend at a service location based on current location, travel direction, and calendar activity|

[返回顶部]