CN101479720A - 用于上下文敏感的提醒、通知和服务促进的方法和体系结构 - Google Patents
用于上下文敏感的提醒、通知和服务促进的方法和体系结构 Download PDFInfo
- Publication number
- CN101479720A CN101479720A CNA2007800243478A CN200780024347A CN101479720A CN 101479720 A CN101479720 A CN 101479720A CN A2007800243478 A CNA2007800243478 A CN A2007800243478A CN 200780024347 A CN200780024347 A CN 200780024347A CN 101479720 A CN101479720 A CN 101479720A
- Authority
- CN
- China
- Prior art keywords
- user
- context
- demand
- cost
- entity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06316—Sequencing of tasks or work
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
公开了用于上下文敏感提醒和服务促进的方法和体系结构。该体系结构监视用户上下文和活动,传感或推断诸如来自应被满足的正在增长的用户需求的相关提醒、目标,并计算关于以最优方式满足需求的最佳提醒和建议的计划。可采用用户在不同设置中的用于知识和回想的统计模型。可沿着用户可采取的路线来标识设施、服务和商家,并且执行成本效益分析来确定选择哪些商家来满足需求。可创建作为对途中的行程的机会修改的路线。商家可以用对所有可用所需项的销售提议来回头响应用户,并且用户可以用对提议的接受或拒绝来响应。商家还可以用投标的方式来响应以获得用户的资助。
Description
背景
当今,信息在人们的生活和商业活动中扮演了比从前愈发重要的角色。因特网已经改变了商品和服务在消费者之间、在企业和消费者之间以及在企业之间出售和销售的方式。在宏观意义上,高度竞争的商业环境无法承受任何资源浪费。在消费者一侧,时间和便利可能是贵重的物品,尤其是在夫妻双方都在外工作并且必须定期获得诸如产品和服务等商用物品的时候。因此,可出于各方的利益来利用信息。
网络运营商和提供者(蜂窝以及非蜂窝)正在基础结构中花费大量的金钱和资源来支持使得更多家庭和企业能够在线。例如蜂窝电话运营商正在争相提供允许蜂窝顾客经由蜂窝网络访问IP网络(例如,因特网)和相关联的IP服务的基础结构。由此,蜂窝顾客现在能够购买允许访问在因特网上可得的多媒体的蜂窝电话。在另一示例中,蜂窝电话用户还可以向因特网上的IP节点(另一用户)发送消息,并基于因特网阅读来自用户的电子邮件供应商的电子邮件。由此,正在使允许信息的新用途的机制进入市场。
例如,用户能够经由因特网访问天气信息,或者以许多不同的方式将此类信息发送给他们。地理位置(geolocation)服务(例如,全球定位***)现在允许用户准确地知道其在何处,即用户的上下文;这一能力在例如车辆和便携式无线设备中正变得越来越常见。另外,更多地利用传感器***来传感用户和用户环境的各方面,之后使用该传感的信息来改进用户效率和用户环境的管理。
因特网和无线网络以诸如影响例如数百万的潜在顾客的新且不同的方式持续地担当用于处理信息的催化剂。鉴于硬件和软件***中的这些技术进步,对于与这些***组合地利用信息来改进个人生活质量和提供用于进行商业活动的更高效机制存在不断发生的且日益增长的期望。
概述
以下呈现了本发明的简化概述,以提供对所公开的本发明的某些方面的基本理解。该概述不是详尽的概观,它不旨在标识关键/重要的元素也不旨在描绘其范围。其唯一的目的是以简化的形式来介绍一些概念,作为稍后提出的更为详细的描述的序言。
所公开的本发明的体系结构是一种上下文敏感的提醒和服务促进器。一般而言,用户可能对于商品或商用物品(例如,汽油、杂货、药品……)有不断发生的需求。该体系结构监视用户的上下文和活动,传感或推断增长的需求应被达到或满足、并计算如何最好地以最优的方式达到该需求。
例如,该体系结构可传感和/或推断用户对于杂货有需求,并且向沿着用户通常行进的路径的相关联的商家广播对于杂货列表上的项目的询问。
在一种实现中,商家做出回答响应,列表上的部分或全部项目可在其相应的位置处购买。
在另一实现中,各商家以向用户销售列表上的所有可用项目的提议来做出回答响应,用户可以用对该提议的接受或拒绝来响应商家。
在又一方面,接收询问的商家可以用投标或拍卖的方式来响应以获得用户的光顾。
在再一新颖方面,该体系结构还可执行成本效益分析,以将多个所需参数包括在内来计算成本效益数据。该数据然后可作为用于确定选择哪一商家来达到需求的手段呈现给***用户。或者,该数据可被自动处理而无需用户干预来做出相应的商家选择。
因此,此处所公开并要求保护的本发明的一方面包括一种根据一新颖方面用于检测并服务需求的***。该***包括便于确定一实体(例如,人)的需求的需求组件,以及确定与该需求相关联的且基于该实体的上下文的成本效益数据的分析组件。该***可处理从当前用户上下文或位置到预期目的地的一条或多条路线。该***可学习并推断这些路线,并确定沿着该路线是否有可达到用户需求的商家。
此外,商家可能不在该路线上,而是离该路线有一定距离(例如,几个街区或几英里)。由此,可以执行成本效益分析,以基于例如离开该路线行进以到达路线外商家的时间、报价、停车、交通和附近的相关服务来评估资助离路线更远的商家而非在路线上的商家的价值。如果有能够满足该需求的若干商家,则***可以进一步处理用户偏好作为做出选择的手段。
在其又一方面中,提供一机器学习和推论组件,该组件使用基于概率和/或基于统计的分析以预测或推断用户希望自动执行的动作。
为了实现前述及相关目的,在这里结合下列描述及附图来描述所公开的本发明的某些说明性方面。然而,这些方面仅指示了其中可利用此处公开的原理的各种方法中的少数几种,且旨在包括所有这些方面及其等效方面。结合附图阅读下面的详细描述,则其他优点和新颖特征将变得清楚。
附图简述
图1示出了根据一个新颖方面的用于检测和服务需求的计算机实现的***。
图2示出了根据另一方面的监视和服务实体的需求的方法。
图3示出了根据一方面的监视和服务用户的需求的方法。
图4示出了根据各方面的便于提供机会提醒的***。
图5示出了标识是否要输出提醒的***。
图6示出了根据本发明的另一方面的包括用于最优需求处理和服务的附加能力的***。
图7示出了知识和偏好组件的更详细框图。
图8示出了根据所公开的本发明的处理备忘录数据的方法。
图9示出了处理厂商对用户需求的响应的方法的流程图。
图10示出了处理来自沿着多条***路径的、厂商对用户需求的响应的方法的流程图。
图11示出了根据本发明的发明一方面的处理多个用户需求的方法。
图12示出了便于需求处理和服务的厂商***的实现。
图13示出了根据一方面的通过投标顾客资助来处理需求信息的方法。
图14示出了根据一方面的通过拍卖顾客资助来处理需求信息的方法。
图15示出了用于移动用品(MC)***的方法和功能的一个示例性替换实现。
图16示出了用于MC***中的移动场景的机会规划器***的组件。
图17示出了MC桌面组件上可用的目标和条件指定工具。
图18示出了按照例如大西雅图地区的加油站的位置等位置的以目标为中心的商品的表示的示例。
图19示出了对于相应位置处的不同质量燃油的最新汽油价格的覆盖图。
图20示出了图14的规划器的示意性描绘操作,其从左到右示出了到主要目的地的最高效的驾驶路线的标识。
图21示出了规划器的分叉分析的一个示例性部分,其示出了满足一目标的更大候选空间的最初的高效路线以及三条替换路线。
图22示出了允许用户清除区域后台时间成本的24/7时间成本评估选项板。
图23示出了允许用户构建约会范例库的从在线约会构造的评估表单的一部分。
图24示出了从标记的约会的范例库学习的贝叶斯网络模型。
图25示出了示例性MC桌面应用程序的控制台视图和***推论的屏幕截图。
图26通过示出其所探查的用于购买汽油的原始高效路线和几条机会路线来示出MC***关于停车加油的最佳地点的考虑的一部分。
图27示出了由智能电话的MC电话应用程序生成的通知显示以及关于修改的路线的方向视图。
图28示出了智能电话的MC电话组件,其显示了基于成本最小化到最佳加油位置然后到主要目的地的方向。
图29示出了可用于执行该上下文敏感提醒和服务促进器体系结构的计算机的框图。
图30示出了可用于支持该上下文敏感提醒和服务促进器体系结构的示例性计算环境的示意性框图。
详细描述
现在参照附图描述本发明,其中相同的附图标记用于指代全文中相同的元素。在以下描述中,为解释起见,描绘了众多具体细节以提供对本发明的全面理解。然而,显然,本发明可以在没有这些具体细节的情况下实现。在其它情况下,以框图形式示出了公知的结构和设备以便于描述它们。
所公开的本发明的体系结构是一种上下文敏感提醒和服务促进器。一般而言,一实体(例如,人)对于商品或商用物品(例如,汽油、杂货、药品……)有不断发生的需求。该体系结构监视实体活动,传感或推断增长的需求应被达到或满足、并计算如何最好地以最优的方式达到该需求。
例如,该***可传感和/或推断一个人(或实体)马上对汽油有需求,并且将对汽油的请求广播给沿着该人可能行进的路线的相关联厂商或商家。作为响应,接收该请求或选择响应该请求的商家可以对资助投标。在另一示例中,可以传感或推断沿着一路线行进(例如,个别地行进或作为一组在公共汽车上行进)的旅客的饥饿。相应地,运输服务供应商可以事先向沿着该路线的针对食品服务的商店和其它食品服务商业的商家进行广播。假定可能有许多食品商家,可以执行一投标过程,使得例如选择提供最佳服务的商家。也可采用其它准则(例如,最佳价格、最快服务……)。一旦到达了该商家位置,旅客可以下车然后以所选商家的投标价来接收食品服务。
该体系结构还可执行成本效益分析,以将多个所需参数包括在内来计算成本效益数据。该数据然后可作为用于确定选择哪一商家来实现需求的手段呈现给***用户。或者,该数据可被自动处理而无需用户干预来做出相应的商家选择。
最初参考附图,图1示出了根据一个新颖方面的用于检测和服务需求的计算机实现的***100。***100包括便于确定一实体(例如,人)的需求的需求组件102,以及确定与该需求相关联的且基于该实体的上下文的成本效益数据的分析组件104。在一基本示例中,该***可传感或推断用户的车辆马上需要汽油。换言之,存在最终应被达到或满足的正在增长的需求。
用户通常还例如沿着一条或多条已知路径从工作地点到家,从家到工作地点等等行进。因此,分析组件104分析用户通常所采用或可能采用的路线或路径。***100于是可学习并推断这些路线,并确定沿着该路线是否有可达到用户需求的商家。通过知道当前用户位置(或上下文),选择最可能行进或可被行进的路线来考虑。此外,商家可能不在该路线上,而是离该路线有一定距离(例如,几个街区或几英里)。由此,可以执行成本效益分析,以基于例如离开该路线行进的时间、报价、停车、交通和附近的相关服务来评估资助离路线更远的商家而非在路线上的商家的价值。如果有能够满足该需求的若干商家,则***100可以进一步处理用户偏好作为做出选择的手段。以下详细描述了许多其它方面。
图2示出了根据另一方面的监视和服务实体的需求的方法。尽管出于解释简明的目的,此处例如以流程图形式示出的一个或多个方法被示出并描述为一系列动作,但是可以理解和明白,本发明不受动作的次序的限制,因为根据本发明,某些动作可以按不同次序和/或与此处所示并描述的其它动作同时发生。例如,本领域技术人员将会明白并理解,方法可被替换地表示为一系列相互关联的状态或事件,诸如以状态图的形式。而且,并非所有示出的动作都是实施根据本发明的方法所必需的。
在200处,一实体(例如,人或设备)具有与例如商品或商用物品相关的相关联需求。在202处,基于传感器数据来传感或推断该需求,或者基于与用户或设备相关的其它信息来推断。在204处,确定实体的位置(或上下文)。在206处,基于该上下文信息,确定用于满足需求的一个或多个商家或其它手段的位置。在208处,可执行与通过使用商家或位置中的任一个来满足该需求的价值有关的成本效益分析。在210处,向实体通知用于满足该需求的可能选项或机会,以及对部分或全部商家或位置这样做的成本效益数据。在212处,可提供关于如何到达该商家和/或位置的进一步细节。
现在参考图3,示出了根据一方面的监视和服务用户的需求的方法。在300处,用户具有与商用物品(产品和/或服务)相关的需求。在302处,该***可传感或推断用户需求的存在。在304处,确定用户的近似地理上下文或位置。在306处,基于该上下文信息,计算用于达到需求的可能位置。在308处,可基于可能位置来执行成本效益分析。在310处,将机会(例如,商家或其它位置)通知给用户,并且还可向用户通知对每一商家或位置计算的成本效益数据。在312处,可向用户提供关于如何到达例如前三个位置的细节。
可以向用户通知关于选择前几个商家或位置的其它原因,诸如所提供的服务质量、沿着路线到达该商家或位置的车辆或步行交通、所需产品或服务的可用性等。由此,用户可做出最终选择,由此覆盖了***所做出的自动选择。这也可通过用户偏好和/或由监视随时间的用户活动的***学习的偏好来处理,用户偏好由用户断言,并用于过滤潜在商家或其它位置。
转向图4,示出了根据各方面的便于提供机会提醒的***400。***400包括确定实体(用户或设备)的上下文的上下文组件402。此外,***400包括采用概率模型来至少部分地基于所确定的上下文标识是否向实体提供提醒的指示组件404。
根据一个示例,上下文组件402可以确定用户的位置和/或标识用户的移动。另外地或另选地,上下文组件402可以分析用户的日历来确定一约会被安排在不久的将来发生和/或标识用户执行的任务。根据另一图示,上下文组件402可以标识用户正缺少一定量(例如,在阈值之下)的商用物品(例如,汽油、食品……)。可以理解,上下文组件402可被调节成基于用户的显式选择、偏好(例如,利用特定的一组信息源或其子集的持续的用户目标)等来监视各种信息源(例如,GPS、日历、汽油水平、传感器、自从上一次进餐以来的时间、计算设备……)。此外,上下文组件402可以随时间动态地调整所分析的信息源。
指示组件404可以分析实体的上下文并确定是否向实体提供提醒。例如,提醒可以是听觉信息和/或视觉信息(和/或实现听觉和/或视觉信息的表示的信号)。另外地或另选地,通过指示组件404所提供的提醒可以是物理移动(例如,设备的振动)和/或实现这一物理移动的信号。
指示组件404可以产生与任何事实有关的提醒。例如,指示组件404可以向实体提供涉及生日、对销售的接近、约会等的提醒。此外,指示组件404可以向实体提供信息以帮助用户回想起各种信息(例如,用户先前遇到的人的名字、关于会议的讨论话题的细节……)。根据一个示例,为帮助用户回想一个人的名字(例如,被安排出席即将到来的会议的人),指示组件404可以帮助显示该人的名字和图片。可以理解,所要求保护的主题不限于上述示例。
指示组件404可以基于相关度、用户知识、知识价值、和/或期望值(例如,基于通知用户的时机和成本)的考虑来提供提醒。指示组件404可以基于来自上下文组件404的所标识的上下文来评估这些考虑中的一个或多个。
***400可以利用任何时间帧内的记忆、忘记和提醒的模型。由此,较长的时间帧分析可以与提供与生日、即将到来的会议等的提醒相关联。此外,对短时间帧的记忆和回想建模可以便于从中断和多任务中恢复。
根据一个图示,当在多任务环境中工作(例如,通过采用移动设备、台式机……)时,中断(例如,外部的和/或自身引起的)可导致用户将其注意力从第一任务转移到新的和/或完全不同的任务。注意力的改变可导致在完成之前延缓第一任务。由此,用户通常会忘记延缓的任务。在其它情况下,用户可能记住其先前正在对延缓的任务工作,并返回到该任务来完成它和/或对其做出进一步的进展;然而,在返回到第一任务时,可存在另一回忆问题—即,用户不能回想她在第一任务上处于何处(例如,视觉上/结构上和/或认知上)。
为解决短时间帧的提醒,上下文组件402可以检查任务的特性、延缓的任务的状态、延缓的原因本质和/或延缓的特征(例如,时间长度、用户注意力是否偏离设备,诸如台式机上的任务被来电中断……)。此外,指示组件404可以对是否、何时以及如何提供暗示/提醒来提醒/刷新设备(例如,台式机、移动电话……)以使用户返回到延缓的任务做出推断。例如,提醒可被链接到能够恢复一个或多个应用程序、屏幕等来允许利用总体计算上下文作为提醒的一部分的***工具。
作为说明,用户在被敲门中断时可能正在执行键入电子邮件的任务。可检测用户注意力的改变(例如,利用能监视用户运动、环境内的声音、视觉信息……的传感器)。此外,可评估就在中断之前的任务的状态;由此,例如,可以确定在编辑电子邮件中包括的段落的中间的一部分句子时任务被延缓。因此,可以提供提醒以增强用户从中断中恢复并回想其正在执行延缓的任务(例如,撰写电子邮件)以及在中断之前该任务在何处被延缓的能力。
通过指示组件404提供的提醒(短和长时间帧)可以在台式计算、移动计算和/或非计算情形中产生。例如,用户可能正在执行世事中的任务和/或准备执行任务(例如,行进以执行该任务),这可通过用户的位置、运动模式和其它活动(例如,通过利用上下文组件402)来识别。该任务或准备的进展可被暂停,并且用户可切换到诸如,例如响应对话、新闻提醒、来电等完全不同的任务。可应用采用此处所描述的模型和方法的计算***以在充满了多任务的忙碌的、有中断的环境中帮助用户。
现在参考图5,示出了标识是否要输出提醒的***500。***500包括指示组件404,该组件可以分析用户是否忘记了信息和/或是否要向用户提醒该信息。指示组件404可以包括分析信息是否相关的相关性组件502,以及确定用户是否知道和/或将回想起(例如,在(预定)时间帧内)该信息的知识组件504。此外,指示组件404可以包括分析用户知道和/或被提醒该信息的价值的估值组件506。指示组件404还可包括能考虑提醒用户的预期价值的综合组件508。例如,综合组件508可确定在给定现在中断用户或在将来的不同时间中断用户的成本的前提下通知用户的时机和成本、以及因延迟传送信息而丢失机会的成本。此外,综合组件508可以考虑用户的持续目标,诸如用户希望被提醒的信息的类型(例如,生日、当燃油水平低于一阈值时的加油站……)。指示组件404可以基于对相关性组件502、知识组件504、估值组件506和/或综合组件508中的一个或多个的评估来选择性地输出提醒。
图6示出了根据本发明的另一方面的包括用于最优需求处理和服务的附加能力的***600。***600包括图1的需求组件102和分析组件104。另外地或另选地(尽管未示出),***600可以包括图5的指示组件404、相关性组件502、知识组件504、估值组件506和/或综合组件508。此外,提供了用于确定实体(用户或设备)的上下文(或位置)的上下文组件402、以及处理用户偏好并且还可考虑用户或设备的知识的知识和偏好组件602。这将在下文中更详细描述,和/或可以类似于知识组件504。提供了用于监视用户和/或***活动,并便于基于用户和/或***活动来自动化各特征或方面的机器学习和推理组件(MLR)604。通信组件606方便了用户/设备与能够达到所传感或推断的需求的一个或多个商家或其它位置之间的通信。厂商或其它位置组件608能够接收对需求的请求,对照可用产品和/或服务来处理该请求,并且经由通信组件606来响应该需求。
本发明可以采用各种基于MLR的方案来实现其各方面。例如,用于基于对用户活动的学习和推理来修改用户偏好的过程可经由自动分类器***和过程来促进。
分类器是将输入属性向量x=(x1,x2,x3,x4,xn)映射为类标签class(x)的函数。分类器还可以输出输入属于一个类的置信度,即f(x)=confidence(class(x))。这样的分类可采用概率和/或其它统计分析(例如,分解成分析效用和成本以最大化对一人或多人的期望价值)来预测或推断用户期望自动执行的动作。
如此处所使用的,术语“推断”和“推论”通常是指从经由事件和/或数据捕捉的一组观测推理或推断***、环境和/或用户的状态的过程。例如,推断可用于标识特定的上下文或动作,或可生成状态的概率分布。推断可以是概率性的,即,基于对数据和事件的考虑计算所关注状态的概率分布。推断也可以指用于从一组事件和/或数据合成更高级事件的技术。这类推断导致从一组观察到的事件和/或储存的事件数据中构造新的事件或动作,而无论事件是否在相邻时间上相关,也无论事件和数据是来自一个还是若干个事件和数据源。
支持矢量机(SVM)是可采用的分类器的一个示例。SVM通过在可能的输入空间中查找以最佳方式将触发输入事件和非触发事件分离开来的超曲面进行操作。直观上,这使得分类对于接近但不等同于训练数据的测试数据正确。可采用其它定向和非定向模型分类方法,包括,例如,朴素贝叶斯、贝叶斯网络、决策树、神经网络、模糊逻辑模型以及提供不同独立性模式的概率分类模型。此处所使用的分类也包括用于开发排序或优先级模型的统计回归。
如从本说明书中可以容易地理解的,本发明可以使用显式训练(例如,经由一般训练数据)以及隐式训练(例如,经由观察用户行为、接收外来信息)的分类器。例如,SVM经由分类器构造器和特征选择模块内的学习或训练阶段来配置。因此,可采用分类器根据预定准则自动学习和执行多个功能。
在一个示例中,MLR组件604可以基于用户在过去采取了什么以及在当前环境下或在不久的将来将采取什么来学习并推断用户可能采取的路线或路径。例如,如果所确定的需求是汽油,则***可以推断由于用户通常通过停在沿着公路Z的商家C来满足该需求,因此用户有很大的可能性将再次使用沿着公路Z的商家C来满足该需求。***还可基于过去的数据来学习和推断一天中的时间、一周中的天以及达到该需求所需的量。例如,可传感车辆中剩余的汽油量并将其用作预测用户的将来动作的数据。这还可基于用户的上下文。例如,如果学习了在过去,在用户购买汽油之前,用户上下文是在工作且目的地是家,则可以推断当用户从工作地点出发且最终到家时可再次达到对汽油的需求。
在另一示例中,***可以学习其他人和/或用户在一个或多个商家处的资助模式。该信息然后可用于通知用户或将对在给定时刻资助商家的成本包括在成本效益分析内。
自动化学习和推理对于考虑用户关于某些东西或其缺少的知识以及用户在信息可能对其有用时回想其该信息的能力(结合指示组件404)尤其有用。根据一个示例,相关性组件502、知识组件504、估值组件506以及综合组件508各自可以包括类似于MLR组件604的相应的MLR组件。由此,这些MLR组件可以便于如下所述地做出推断。
用户知识可以包括事实、期望的任务、需求和潜在机会。知识的缺乏可包括用户从不知道或曾经知道但已经忘记的东西、或者已知但是当对用户有价值或最有价值时在当前上下文或时间帧内不可访问的东西。
可以向用户提供用于以显式的方式表示其想要在不同设置中被提醒的事物的类型的工具。除此之外或作为替代,***可能从观察或从关于用户希望其在不同设置中具有的知识、关于知道的价值、以及关于在不同设置中知道事物的较低级相关性的显式反馈中学习。
在一个实施例中,用户可以指定将知识类定义为相关的、或有很大可能性相关的高级或更详细偏好和目标。
可利用机器学习和推理方法来构建可以代表用户对于以下中的一个或多个仔细研究的组件:(1)关于世事的不同方面相关的可能性(例如相关性组件502),(2)在某一合理的时间帧内用户知道相关事实,或者将回想起相关事实(包括用户的长期目标)的可能性(例如,知识组件504),以及(3)用户经由被提醒而知道或被告知该事实的价值(例如,估值组件506)。最后,***可以考虑(4)在给定现在中断用户或在将来的不同时间中断用户的成本的前提下通知用户的时机和成本、以及因延迟传送信息而丢失机会的成本(例如,综合组件508)。
在推荐用于解决先前指定或或最近标识的潜在目标的时间或其它资源未规划的机会支出时,***还可基于对于用户的当前或将来时间成本(或其它资源成本)以及获得目标或目标的一部分所需的时间(或其它资源)投入量的考虑来计算用户现在投入时间对比在将来投入时间的成本。
以上所有因素都从预测模型被断言为逻辑关系,或者更一般地,可被推断为可能性,该预测模型例如输出世界的不同状态或用户的认知或偏好的状态的概率分布,用户的认知或偏好的状态诸如用户的知识的状态或用户对于知道某事或实现目标的一部分或全部方面的价值的感觉的状态。
可随自动化提醒***一起利用自动化推理的若干方面,这些方面可能继续仔细考虑用户知道增强用户快乐的机会的价值,这一机会可能由实现一组预定目标的可能性来表示,其中某些目标可能是经常发生的。更直接地,寻求最大化用户的快乐或满意可基于用户的偏好由对用户的预期效用的最大化来表示。
***可以表示关于一个或多个仿真陈述的知识k在一上下文中相关的可能性。可利用考虑上下文的多个方面(例如,通过上下文组件402获得)的学习和推理机制,这些方面例如包括如用户的位置、时间、天和月等证据,诸如描述假期的详细日历信息,或即将到来的会议的主题、位置和出席者,可花费资源的状态,以及附近的企业、服务、地形或休闲设施。可使用上下文来表示情形,并且可以假定上下文暗示可作为可能对学习和推理***可用的证据观察向量来获得。
作为一个示例,考虑某人正去往其将见到大量人的宴会,而这些人中的许多是其在过去遇到过的,某些是其很长一段时间未见到的。根据该示例,可以实现关于是否经由头戴式耳机或个人显示器来安静地就k提醒用户的决策,其中k是聚会中的人的名字和/或背景。然而,许多其它示例也将足以突出这几点,诸如包括诸如“需要在时间t内购买汽油”、“需要在下午5点之前寄出时间上关键的信等”、“需要分配时间来购买给母亲的礼物以便不会错过她明年的生日”等的k。
相关性组件502推断在不同情形中潜在仿真陈述与用户有关的可能性,该可能性被写为relevant(k),从而计算概率p(relevant(k)|context)。
知识组件504(例如,用户知识模块)考虑用户是否了解k,写为knows(k)。这可替换地被扩展为包括用户在某一时间帧t内回想起k的可能性。知识组件504继续计算概率p(knows(k)|context)。
估值组件506(例如,知识估值模块)计算用户在给定上下文中知道k的价值,或者对于任何上下文,在他们不知道k或在有效时间范围内不能回想起k的情况下用户知道k的价值。如以下所描述的,将用户关于k的知识认为是不确定的,可计算提醒用户的期望值。
估值组件506可以通过分析在该上下文中知道k的价值对比不知道k的价值之差来继续计算被通知事实k的价值(例如,被通知k的效用)。例如,估值组件506可以评估:
被通知k的价值=效用(知道(k))-效用(不知道(k))
其可被重写为:
效用(被通知(k)|上下文)=效用(知道(k)|上下文)-效用(不知道(k)|上下文)
这可按以下方式按照阈值来进一步考虑:
u(被通知(k)|上下文)>阈值。
提醒***中的综合组件508(例如,综合模块)更一般地考虑对某人提醒k的期望值。该期望值是k是否既相关又未知或在有限时间帧内回想起、和通知某人谁可能在做别的事情且因此将提醒视为高代价的麻烦事的成本的函数。
根据提醒***的一个示例,综合组件508可如下所述地计算向用户提醒k的价值。首先,该***计算用户在该上下文中已经知道k且将记住k的可能性。
p(知道(k)|上下文)=p(知道(k)|相关(k),上下文)*p(相关(k)|上下文)
***然后计算用户在该上下文中不知道k或者不能回想起k的可能性。这只是用户知道k的可能性的补数,
p(不知道(k)|上下文)=1-p(知道(k)|上下文)
=1-p(知道(k)|相关(k),上下文)*p(相关(k)|上下文)
由此,例如,综合组件508可以计算在给定k在上下文中相关的概率和在k相关的情况下用户知道k的概率的概率组合的情况下用户不知道k的概率。在万一用户已经知道了k的情况下通知用户的成本可被认为是潜在中断和处理的成本。假定***可能不确定用户是否知道k或者不在一设置中,则通知用户的期望值(eu)(eu(通知(k)|上下文)可被计算为
eu(通知(k)|上下文)
p(不知道(k)|上下文)*[u(知道(k))-u(不知道(k)|上下文)]
-成本(中断(通知(k))|上下文)
可以从关于p(知道(k)|上下文)的训练数据中构造丰富统计模型。可将机器学习和推理分解成对每一k,推理用户在过去是否已经知道了k,例如p(曾经知道(k)|用户经验)并考虑给定这一概率回想的可能性的组件。例如,模型可以显式地推断假定用户在过去已知了k的情况下用户将知道k的概率,并在被告知之前事先计算p(知道(k)|上下文)为
p(知道(k)|经验)=p(知道(k)|曾经知道(k))*p(曾经知道(k)|经验)
经验可以包括***在过去告诉了用户什么,以及关于一个人的生活的细节或更高级的、更抽象的描述的其它历史表示(例如,“从1990-1995在麻省波士顿生活了5年”等等)。
模型可以构建进一步将与当前上下文相关联的记忆暗示认为是对先前已知的k的回想有影响。
p(知道(k)|暗示(上下文))
=p(回想(k)|曾经知道(k),暗示(上下文),经验)*p(曾经知道(k)|经验)
同样,用户在当前上下文中将会忘记或者不是他们在过去曾经见到或学习的情况的可能性基于从学习或上一次回想或使用起经过的时间以及在中间时间和/或在当前上下文中的潜在错误选择来考虑。用户回想起k的可能性可被表示为1-p(忘记(k)|曾经知道(k),可能导致忘记的因素f)
p(知道(k)|暗示(上下文))
=(1-p(忘记(k)|曾经知道(k),因素f,经验))
*p(曾经知道(k)|经验)
其中因素f包括诸如以下的特性:用户的年龄、用户的记忆、自从学习k以来的时间、自从最后一次访问k以来的时间、复杂度、k的其它区别特征、k与其它k的相似性等等。
图7示出了知识和偏好组件602的更详细框图。组件602还可包括考虑例如用户知道什么、不知道什么以及能记住什么的知识组件700。因此,知道子组件702存储关于用户(或设备)知道什么的信息,记住子组件704存储关于用户在过去已记住、在过去未记住什么类型的信息,以及基于该过去信息用户有可能记住以及最有可能不记住什么的信息。
偏好子组件708存储并提供用于处理的用户偏好,作为过滤与需求确定和需求服务过程相关联的各种数据的手段。例如,空间偏好子组件710存储与位置信息(例如,地理)相关的偏好数据。此处,用户可以指定他或她将仅考虑在离日常行进的路线一英里远之内的位置。在另一示例中,用户可以指定仅考虑在离工作地点或家固定距离的商家或位置的偏好。时间偏好子组件712存储至少与时间相关的偏好信息。例如,如果用户或设备首选考虑达到清晨(例如,在1小时窗口内)或在从工作地点到家的路上(例如,在沿着新路线的2小时窗口内)的需求,则这可在做出对商家或其它位置的选择并执行成本效益分析时考虑在内。在另一示例中,用户可以指定他们首选解决在离期望目的地(例如,家)一定量时间内的需求。由此,仅考虑通常在例如离家30分钟内考虑的商家或位置。
当使用这一类型的要求或规则时,可以记入改变用户或***将认为在离家30分钟内的其它因素。例如,如果用户正在考虑一般被认为离家30分钟内的商家,但是该地区的道路构造会导致超过30分钟规则的延迟(例如,在分析中所计算的),则不再考虑该商家。然而,图6的MLR组件604可用于学习和推理该信息,由此保留该商家作为服务用户需求的机会。
偏好子组件708还可包括成本效益偏好子组件714,该子组件允许用户(或设备)输入驱动成本效益分析过程的准则。例如,用户可以断言为使位置或商家呈现给用户以供考虑必须满足的比率(例如,效益对成本为3:1)。知识偏好子组件716可以包括用户首选使用的商家的名称。例如,在计算了成本效益分析之后,或者作为分析计算的一部分,用户可以经由知识偏好子组件716来相比另一商家选择覆盖一商家选择或对其加权。示例规则可包括“在解决与医药相关的需求时不管成本效益数据是什么都选择商家A优于商家B”或“当解决与医药相关的需求时不考虑成本效益数据来选择商家A优于商家B”。其它示例包括“仅选择用户当前了解的商家”或“仅选择满足成本效益准则且我不了解的新位置”。
现在参考图8,示出了根据所公开的本发明的处理备忘录数据的方法。在800处,该***传感和/或推断实体的需求。在802处,通知实体可满足该需求的机会(例如,商家和/或其它位置)。在804处,实体响应该机会。这可包括该实体选择一个机会而不选择其它机会。在806处,基于该选择信息,可创建并维护备忘录模型或备忘录数据。之后,该***监视实体活动以更新备忘录数据或模型。
在一个示例中,可能已经向该实体呈现了机会,该实体选择了该机会,但是仍无法使用该机会来达到需求。这可被分类为备忘录信息,该信息可连同其它相关上下文信息一起存储,诸如提供该机会的一天中的时间、该机会的位置、需求类型、需求紧急性等等。例如,如果正在增长的需求是补充医学处方,这必须以认知能力来完成,且影响用户回想的能力,则如在808处指示的,***可以学习并推理与该需求有关的回想的缺乏,并且当用户被推断(或更可能)在更好的认知控制下以便记住达到该补充处方的需求时将需求解决在时间上前移。在810处,该***由此基于这些实体动作预测将来的实体响应。
图9示出了处理厂商对用户需求的响应的方法的流程图。在900处,传感和/或推断正在增长的需求,使得用户应立即购买产品和/或服务来满足该需求。在902处,计算提供产品和/或服务的沿着用户行进路径的商家的位置。在904处,执行与沿着用户的行进路径的可能位置处的需求满足相关的成本效益分析。在906处,向商家通知用户购买可用产品和/或服务的需求。在908处,商家编译提议,并且将提议发送给用户(或用户***)。在910处,可基于诸如,例如用户偏好等其它信息来过滤提议。在912处,对商家提议区分优先级并将其呈现给用户。在914处,用户接受提议,并发起从所选商家对产品和/或服务的购买。
图10示出了处理来自沿着多条***路径的、厂商对用户需求的响应的方法的流程图。在1000处,***传感和/或推断用户应通过接收合适的产品和/或服务来满足正在增长的需求。在1002处,***访问与到用户目的地的多条路径相关的用户偏好。在1004处,确定沿着用户路径的提供商用物品的可能位置。在1006处,计算与沿着多条路径的每一可能位置(或商家)相关联的成本效益数据。在1008处,向落在成本效益准则内的商家通知用户需求。在1010处,厂商处理该需求并向用户返回提议。在1012处,该提议可基于用户偏好由用户来过滤。在1014处,可对其余提议区分优先级以呈现给用户供最终选择。或者,可以自动选择最佳提议并呈现给用户。
在1016处,当用户上下文改变(例如,用户在行进中)时,可自动更新、过滤提议和成本效益数据、对其区分优先级、并重新呈现给用户以供修订的考虑。这意味着当用户正移向更接近或更远离厂商位置时,厂商提议可以改变。在一个示例中,通过在用户移向远离厂商时或在用户看似在考虑竞争者来达到需求时改变提议,这可用作诱使用户重新考虑该厂商的手段。
图11示出了根据本发明的发明一方面的处理多个用户需求的方法。在1100处,***传感和/或推断用户应通过接收合适的产品和/或服务来满足多个需求。在1102处,***访问与到用户目的地的多条路径相关的用户偏好。在1104处,确定沿着用户路径的提供满足多个需求的商用物品的可能位置。在1106处,向沿着多条路径的厂商通知用户的需求,以及用户获得达到需求的物品的期望。在1108处,接收厂商提议并计算与沿着多条路径的每一可能位置(或商家)相关联的成本效益数据。
另选地或另外地,可计算并考虑取能够满足部分或全部需求的特定路径的成本效益。例如,如果沿着第一条路径行进具有能满足用户的四个需求的三个厂商,则这相比能满足五个用户需求但是有较高成本(例如时间或金钱)的第二条路径更优选。
在1110处,再一次可以基于用户偏好来执行位置过滤。例如,如果是周二,且用户偏好指示用户仅在该天较晚才沿着第一条路径行进,则可消除不在该路径上的所有厂商作为满足用户需求的机会。在1112处,可对厂商提议(或机会)区分优先级并呈现给用户以供选择。所呈现的信息也可以是获得对所表达的需求的最多满足的行进路径。
在1114处,在用户做出了选择之后,***可以继续基于能使得用户重新考虑一组厂商的另一路径的任意数量的因素来提供更新。例如,如果***发起对在上午到达厂商的最优路径的判定,并且结果是在上午获得的,则结果可以基于从计算第一个结果到用户实际离开以进行满足需求的购买的时间所发生的条件的改变而改变。这些改变可以包括到厂商的路径的阻塞(例如,交通拥塞或事故)。另外,一个或多个厂商在离开时可能已经售完了商用物品。因此,更新过程可以包括重新计算成本效益信息、应用知识和偏好信息、以及对结果区分优先级以便向用户和/或用户***呈现。
图12示出了便于需求处理和服务的厂商***1200的实现。厂商可以至少具有用于接收信息、处理请求或询问、向用户做出提议、处理投标、以及完成与用户的交易的***能力。因此,***1200可以包括促进这些过程和功能中的某一些或全部的厂商组件608。顾客通信服务1202促进了与一个或多个用户(或顾客)的有线和/或无线通信。这可经由诸如,例如基于IP的网络和蜂窝网络等有线和/或无线机制来进行。由此,可采用电子邮件、其它消息通信***(例如,SMS/MMS)、语音呼叫、VoIP通信等以便在商家和用户(以及用户和商家***)之间通信。
可用***1204提供了对可容易获得的产品和/或服务的厂商库存以及对例如能被定购的此类商用物品的访问。由此,当用户***向用于满足需求的厂商发送询问时,可用***1204访问所有厂商信息来评估该需求是否可被满足、用于满足该需求的时间帧、数量、必需品等等。也可包括成本服务1206以提供关于当前可用的或可被定购以在稍后的时间送货的产品和/或服务的成本信息。
投标服务1208便于根据投标过程来处理用户需求请求。所公开的本发明提供了一种其中用户能够可以说至少就价格来与厂商“争价”的空前的交易环境。在一对一的示例中,沿着用户的预期行进路线将用户需求传递给厂商。厂商响应所请求的用于满足需求的商用物品现在可在该厂商位置处购买。厂商然后将购买价格传回用户,用户然后可以决定是否继续购买。常规上,这通常是来自厂商的“要么接受要么放弃”提议。然而,假定厂商现在知道许多顾客的购买能力,并且假定大量潜在顾客能挑出对产品和服务的竞争性提议是很容易的,则厂商往往对价格更灵活。即,厂商可选择使用老的“要么接受要么放弃”态度,并且冒着失去销售的风险,或者降低价格来进行销售。买家-卖家交换的这一突然改变可在用户和厂商***之间动态地发生,而无需面对面的会面。
另外,由于许多用户***处理相应的用户需求并挑出对于用户资助最优的厂商,可大批量地接收和处理关于购买的信息。例如,这一大批量购买用户可以在雇员离开工作地点但在到家之前出现。由此,厂商***可接收大量询问,并且基于这些潜在的大数量来做出对销售的提议。这一能力为商家提供了通过将价格降低到将满足用户需求的水平来关闭销售的巨大动机。
或者,可提供中央提议/接受服务器1210,其中多个厂商(表示为厂商1、厂商2、……、厂商V,其中V是整数)将提议传递给对于相同或相似产品和/或服务的潜在购买者。用户***然后可以在许多厂商之中选择最佳提议,并且如此处所描述的进一步处理路线、成本效益数据等来确定满足需求的最优路线。
在又一实现中,中央服务器1210将用户需求请求合并成要购买的物品和/或服务的块。许多不同的厂商然后可以对该物品或服务块投标,其中最低投标赢得销售该产品或服务的权利。
在再一实现中,可将成本效益信息从用户***传送给厂商,使得厂商***可以挑出满足用户需求的替换方式。例如,如果基于所接收的用户成本效益数据,厂商知道用户不太可能从位于该位置的厂商进行购买,则厂商可以例如向厂商拥有的另一位置建议降低的价格以便进行销售。
可以见到,可以用许多不通的方式来处理和交换信息以增强顾客时间、便利性和购买能力,同时还提供了用于在竞争性市场中影响更多潜在顾客并增加销售的改进的商业解决方案。
图13示出了根据一方面的通过投标顾客资助来处理需求信息的方法。在1300处,多个厂商经由中央服务器从多个不通用户接收对产品和/或服务的询问。在1302处,厂商***根据产品和服务的类别来处理询问。在1304处,每一厂商处理询问以得到对每一产品和/或服务块的最佳价格。在1306处,每一厂商将最佳价格传送给中央服务器。在1308处,服务器选择最佳价格,并奖励相应的厂商。
图14示出了根据一方面的通过拍卖顾客资助来处理需求信息的方法。在1400处,多个厂商经由中央服务器从多个不同用户接收对产品和/或服务的询问。在1402处,厂商***根据产品和服务的类别来处理询问。在1404处,每一厂商处理对每一产品和/或服务块的最佳价格的询问。在1406处,中央服务器发起对消费者块的拍卖过程。在1408处,每一厂商将出价传送给中央服务器。在1410处,服务器处理出价并修订出价,直到拍卖结束,选择最佳价格,并奖励相应的厂商。在1412处,服务器向顾客通知获胜的厂商,以及其它厂商信息(例如,获胜价格、位置……)。
以上机制可以找出与其中例如可存在具有较少移动人群的许多较小团体的地区或郊区。如果通勤更长距离以到达更大的都市位置更不太可能发生,则沿着交通路线的商家的位置或者与其因素偏离较少地被包括在成本效益分析中。因此,诸如街区购买能力等其它因素可以更经常且更大地加权。
在另外的应用中,需求可以与兴趣点相关联,诸如与休假、餐厅、娱乐场所等相关联。再一次,需求可以个别地处理并且作为块来处理,以便更高效地处理和交易。
所公开的体系结构也可通过提供用于更密切地用顾客需求、购买***的统计分析的许多其它信息位来工作的手段来使厂商获益。例如,厂商现在可以知道用户今天想要樱桃,但是可能不晚于明天的概念提供了迄今为止不可获得的信息,这同时使顾客和厂商两者获益。
图15示出了描述方法和功能的***1500(以下称为移动用品(MC)***)的一个示例性替换实现。MC***1500执行关于从到目的地的高效路径分叉的成本的持续分析以解决对于满足目标的沿途停车点的后台的或不断进展的需求。***1500考虑用户的持续目标、所需物品的定价和位置、以及与关联于修改的行程的附加时间和行进相关联的成本。
重临的基本概念是,给定驾驶者正朝向目的地前进的知识,考虑一组持续目标以及驾驶者满足的先决条件,对用于满足该目标的所有可行选项执行搜索,并试图标识并警告移动行进者关于以最小成本达到该目标的选项。
MC***1500便于对相关商店和服务的位置执行搜索,并且在该搜索期间,计算从穿过这些位置的当前行程转向然后回到到达主要目的地的路径的所需的时间和距离。因此,MC***1500最小化了获取产品和/或访问服务或经验的净成本,包括考虑经由满足目标的沿途停车点行进到主要目的地所需的时间成本和燃油资源。通常有机会以允许达到更多目标的方式来修改当前的行动计划。例如,在去目的地途中的人可能能够容易地在其到目标位置的途中期间取出某些时间来关注后台需求或购买。
MC***1500包括智能逻辑,其便于正在进行的方式,并通过在诸如驾驶到特定位置等主要任务占据了人们的注意力交点时使得人们知道满足持续或经常发生的目标的机会,来推理出人们的目标和需求。MC***1500可以依赖于具有用于编码目标以及用于通过优雅地覆盖人们先存在的计划上的机会来推断达到这一目标的最佳方式的手段。
MC***1500包括便于在例如台式计算机、服务器、便携式计算机和/或智能电话等上执行的若干组件。台式计算机1502包括MC桌面组件1504,该组件向用户提供了评估工具,该评估工具向用户提供了用于指定目标和先决条件的界面、定义或训练向***提供其在不同设置中的时间成本的贝叶斯模型、以及定义按照一天中的时间和一周中的天的典型行程。MC桌面组件1504还允许***运行关于感兴趣的用户的场景,显示***如何推理,允许修改其用于分析以最优方式满足持续目标的选项的参数。
MC桌面组件1504与具有MC服务器组件1508的MC服务器1506通信。MC服务器1506维护经由桌面组件1504访问的用户概况。服务器1506还与其它兼容设备通信:具有MC便携式组件1512作为客户端软件的便携式计算机1510、以及具有MC电话组件1516作为运行在用户的智能电话上的客户端软件的智能电话1514。客户端(1512和1516)允许服务器1506跟踪由便携式计算机1510和移动设备1514报告的用户位置,并经由间歇的GPRS(通用分组无线电服务)连接与用户通信。
MC服务器应用程序组件1508为每一用户生成机会计划,并将计划和方向集发送给用户的便携式计算机1510和智能电话1514。MC电话组件1516向用户提供用于关于执行该机会计划的机会和方向的更新的界面。另外,MC电话组件1516经由GPRS链路间歇地与MC服务器1506通信。在一个实现中,用户使用在智能电话在附近时经由蓝牙协议来与智能电话1514自动通信的独立GPS(全球定位***)手持游标器(puck)。
图16示出了用于MC***中的移动场景的机会规划器***1600的主要组件。目的地分析组件1602集中于查明运动中的用户的目的地。用于标识驾驶者的目的地的机制范围从直接从用户获取目标位置的子***、到用于从先前目的地的范例库中推断即将到来的目的地的更复杂的***。
所公开的MC规划器***1600允许用于查明目的地的三个选项。首先,该***允许用户通过例如在智能电话上点击可滚动地图来指定当前目的地。其次,该***还允许用户按照一天中的时间和一周中的天来定义默认目的地。例如,用户可以通过指定家和工作位置以及行进应被假定为通勤的时间跨度来描述在工作日来往于工作位置的日常通勤。第三,是获得用户日历上的位置作为目标目的地的选项。在另一实现中,提供了推断目的地上的概率分布的推理。
目标和条件组件1604以目标和目标何时变得活动的条件的表示为中心。***1600包含产品和服务的本体论(ontology)。产品包括食品、汽油、消费电子产品等等。服务包括诸如用餐、理发和换油等项目。***用户还可按照品牌名来指定特定商店或服务供应商。
目标本体论随着时间来构造,以常见的示例开始。对于每一目标,允许用户区域来指定关于指定有关目标何时应变得活动的策略的短的、预定形式的先决条件。多个目标在需要持续补充或满足的项目类中。例如,对于汽油,用户可指定关于其汽车油箱中的剩余汽油量的阈值,低于该阈值,***将开始标识寻找汽油的机会。用于汽油的基于画面的策略允许用户包括其油箱大小、每加仑的平均英里和剩余燃油。***1600然后经由观察所驾驶的英里数来跟踪燃油支出。对于诸如食品等经常发生的购买或诸如理发等经常发生的服务,用户提供每一购买或服务接收之间的目标持续时间。例如,用户可以指定相邻理发和接收上一次理发的日期之间的期望时间段。
图17示出了MC桌面组件1504上可用的目标和条件指定工具1700。此处,***示出了在选择汽油时弹出的表单,从而允许用户断言何时应加油。条件画面1702随着每一项目类型而改变。画面1706用于指定汽油先决条件并且显示在目标浏览器1704之下。
图16的地理空间(geospatial)搜索组件1606是标识能满足活动目标的位置并对其定范围的子***。在一个实现中,可采用微软公司的MapPoint以使数据库服务能标识商店和服务的位置。该搜索组件1606获得用户的当前位置和目标目的地,计算到该目的地的高效路线,然后标识在目标满足组件1608中存储并购买的能满足活动目标的候选位置。为便于MC搜索的处理,可对机会处理用到用户将采取的期望路径上的点的最大容忍位置距离来限制位置数。作为突出MC体系结构的操作的一个示例,该***能够访问西雅图地区的所有加油站。获得对汽油定价服务1610的附加访问。实时汽油定价服务1610包含每日更新的价格。
图18示出了按照例如大西雅图地区的加油站的位置等位置的以目标为中心的用品的表示的示例。图19示出了对于相应位置处的不同质量燃油的最新汽油价格的覆盖图。规划器1612试图满足活动目标并最小化从到主要的推断或指定目的地的高效路径转向的成本。规划器1612还执行经济分析,试图最小化满足活动目标的期望成本。规划器1612首先检查用户到其当前主要目的地的高效路径,以及活动目标和相关联的候选位置,并对包括作为到目的地的路径上的沿途停车点满足目标的位置的替换路径执行穷尽搜索。对于每一路径,规划器1612高速缓存该路径、所满足的目标、在沿途停车点处可得的所需物品或服务的可用价格、安排驾驶者从当前位置经过所标识的位置的路线的一组方向、以及对每一路线所需的总英里数和时间。在经济分析子***1614内,规划器1612访问关于用户的上下文敏感时间成本,并试图基于附加的时间成本和运输成本来最小化用户从到达主要目的地的最高效的路径转向的总成本(根据计划分叉组件1616)。分叉的成本和好处的经济分析1614处于机会移动规划和商业的核心。
图20示出了描绘图16的规划器1612的操作的示意图,其从左到右示出了到达主要目的地的最高效驾驶路线的标识、能满足活动目标的位置、以及对在到主要目的地的路上满足一个或多个目标的替换路径的搜索。在生成最小成本建议时考虑对每一替换路线从原始行程分叉的成本。
图21示出了规划器1612的分叉分析的一个示例性部分,其示出了满足一目标的更大候选空间的最初的高效路线以及三条替换路线。在这一情况下,机会2被标识为对所有相关沿途停车点的搜索的最佳替换。
关于对时间成本的直接评估,MC体系结构提供了供用户评估规划器1612使用的时间成本的两种手段:以约会特性为中心的方法,以及更强大的机器学习方法。对于两种方法,用户首先评估默认的后台时间成本。对于这一后台时间成本,用户提供按照与增加以一天中的时间和一周中的天为条件的到目的地的行进的持续时间相关联的每小时美元的时间成本的直接评估。MC***提供了7天乘24小时时间选项板,其允许用户以高效的方式将时间带标识为与低、中或高迟到成本相关联。用户分配每小时美元的价值作为对三种事务状态的每一种的时间成本。
图22示出了24/7时间成本评估选项板,其允许用户按照一天中的时间和一周中的天来清除低、中和高后台时间成本的区域,并将每小时美元率与每一状态相关联。
除了默认后台时间,MC***还评估当会议在预设范围内时用户的在线约会和笔记。在一个实现中,可以经由Microsoft Exchange来评估在线约会。可要求用户分配用于会议情形的两个成本,并捕捉会议迟到的社会和协调成本。可允许用户输入迟到惩罚、表示用户愿意支付多少来避免迟到的美元值、以及迟到费,即其在迟到之后的每一分钟的附加时间成本。除了考虑会议对比没有会议的情形之外,MC***还提供了用于按照日历特性来分出会议的设施,从而允许用户向不同种类的会议分配不同的迟到惩罚和迟到费。在评估了默认和以会议为中心的时间成本和惩罚之后,MC桌面组件应用程序将按照时间的成本的数据库上传到MC服务器。MC服务器组件应用程序使用这些成本在机会规划期间进行成本分析。
关于学习用于时间成本的预测模型,这些模型可以向***的推理引入更丰富的完善度,从而允许***基于用户在线日历上的约会的状态来自动分配对不同事件迟到的成本。以下是这一模型的学习以及预期的迟到成本的计算,以及如何可将学习方法集成到MC***中的简要描述。
在机器学习工作中,可构建用于基于包括用户是否希望亲自出席会议在内的多种因素来推导以下各项的模型:(1)会议与低、中、或高迟到成本相关联的概率,以及(2)用户日历上的会议是有效最终期限的概率。可开发日历数据提取工具,用于预测与在不同类型的会议期间中断用户相关联的成本。日历工具构建包含来自用户在线日历的约会的按时间排序的列表的表单。该表单可包含与每一约会项相邻的两组单选按钮。前两个选择允许用户指示将在注意力焦点的会议的起始点认为是有效最终期限是否有效,以及如果有效,会议是否应与高、中或低迟到成本相关联。
图23示出了从在线约会构造的评估的一部分,其允许用户约会的范例库,这些约会被标记来反映迟到成本,以及约会是否表示活动最终期限。该范例库在学习时间成本的预测模型时使用。
给定所评估的加标签的约会的数据库,可以通过对每一约会写出预测目标(来自用户的标签),以及与每一约会相关联的一组特性来准备一训练集。特性可包括会议日期和时间、会议持续时间、来自主题和位置字段的串、关于组织者的信息、受邀者的数量和特性、用户对在线邀请的响应状态、会议是否是经常发生的会议、以及在用户日历上时间是被标记为忙碌还是空闲。另外,可包括用户的角色、用户是会议的组织者还是作为必需或可任选出席者由另一组织者列出。
可采用目录服务来识别并注释用户、组织者和其它出席者之间的组织关系。作为一个示例,***识别组织者和出席者是平级、经理还是直接报告。最后,标记了在给定用户数据库中的其它会议的情况下出席者、组织者或位置是否“非典型”;即,标识他们是否存在于训练集中的所有会议的少于预定的一小部分中。
给定范例库,桌面MC组件应用程序采用贝叶斯结构学习来构建用于预测会话结果的贝叶斯网络。***通过对可行的概率依赖性模型执行试探性搜索来构造模型,该搜索由贝叶斯得分来引导以对候选模型排序。每一模型可以被表示为考虑中的随机变量集的候选贝叶斯网络,以及所提议的节点之间的有向弧的结构。贝叶斯结构搜索方法可以采用全局和局部搜索两者。对于每一变量,该方法创建在每一叶处包含多项式分布的树,其充分利用了局部结构搜索方法。
图24示出了从标记的约会的范例库学习的贝叶斯网络模型。该模型预测约会开始时间是对于会议的真正最终期限的可能性,并用于预测与迟到相关联的成本函数。个人是组织的成员,其依赖于其在线日历来进行约会。个人标记在13个月的时间段上的约会,这是大约花费个人45分钟来完成的任务。采用范例库的85%来训练该模型,并且对剩余的15%延续数据(holdout data)测试该模型的预测准确性。用于最终期限与约会的开始的关联和延迟成本的目标变量被加亮为加圈节点。
下表示出了当在延续集上测试时预测模型的分类准确性的一个示例。代表性边缘模型的准确性列在所学习的模型的准确性之下。该表显示了关于最终期限与日历项相关联的可能性以及会议的分布在低、中或高迟到成本类中的概率的推断的准确性。
活动最终期限 | 迟到成本 | |
学习的模型 | 0.90 | 0.88 |
边缘模型 | 0.52 | 0.44 |
关于将时间成本集成到机会规划中,以机会的方式将沿途停车点增加到预先存在的行程中会对总行程增加时间和燃油成本。对于解决后台目标的最优选项的推断依靠对每一替换计划的附加成本的计算。在该简单的、非概率情况中,所招致的附加时间和英里连同对每一机会计划的最高效路径的分叉一起考虑。该成本被称为与每一候选计划相关联的分叉成本(CD)。MC***使得取决于用户选择和对直接评估的投入对比机器学习的两种不同分叉分析可用。
第一种较简单的分析是对分叉成本的确定性分析。分别使用Sb和Sa来表示后台、非约会情形和特殊约会上下文。对于以上评估的默认后台成本,Sb指一天中的时间和一周中的天。注意,除了一天中的时间和一周中的天之外,该默认成本可被扩展为取决于用户的总体上下文S的多个方面。然而,这会增加评估的复杂性。
使用Δd来指与计划相关联的附加英里,并使用Δt来指除了对在适当位置处执行目标一次所需的时间的估算之外,由于包括了达到持续目标的一个或多个机会沿途停车点而导致的行程的附加时间。附加时间Δt被分解成在会议开始之前的时间tb,以及在会议开始之后的、可能是相关最终期限的时间ta。
在确定性分叉成本计算中,用户日历上的约会与最终期限相关联并且被确定性地映射到与函数特性相关联的成本函数。对于其中用于执行经修改的行进计划的时间导致错过了会议的开始的情况,成本是在最终期限之前所招致的后台时间成本C(Sb,tb)、迟到惩罚Cp(Sa,ta>0)、以及捕捉了因约会迟到而增加的成本的增加的迟到成本C(Sa,ta)之和。还可以考虑与从到达主要目的地的高效路径分叉相关联的附加运输成本(燃油和车辆的磨损)Cf。该运输成本Cf(Δd)是与每一分叉相关联的英里改变Δd的函数。由此,分叉成本为,
在对时间成本的更精密的分析中,MC***可以利用来自预测的模型(以上描述)的推断来生成从到目的地的理想路线分叉的成本。从上可以获得:(1)在不同情形中所评估的后台默认时间成本,(2)基于即将到来的会议的特性来自概率模型的推断,该概率模型提供了即将到来的会议的开始时间作为最终期限用户相关的可能性,以及(3)关于作为迟到的函数的错过最终期限的成本的概率分布的推断。
这些量可用于计算与通过考虑与最终期限相关和不相关情形相关联的成本并将两种情形组合在一起且按照相关性的可能性及其补数来加权而增加到行程的任意时间和/或距离量相关联的期望分叉成本(ECD)。
关系p(A|E)是关于约会A的最终期限以证据E为条件而相关的概率,E是即将到来的约会Sa的一组特性。一最终期限不相关的概率是补数1-p(A|E)。对于其中最终期限不相关的情况,时间成本仅是基于默认上下文或情形的后台默认成本C(Sa,Δt)。对于其中最终期限活动的情况,使用在最终期限之前招致的后台时间成本C(Sb,tb)、迟到惩罚Cp(Sa,ta>0)以及捕捉了因约会迟到而增加的成本的增长的迟到成本C(Sa,ta)。MC***可能不确定与任何约会相关联的成本函数,因此该***通过对由预测模型推断的时间成本函数的概率分布求和来计算期望值。
根据这些得出结论,将约会和非约会情形的影响按照适当的可能性来加权,并添加运输成本,对每一替换路线计算ECD为,
所有这些量在使一概率模型对***可用时可用。本节中描述的分叉成本用于标识MC原型中的最佳机会计划。现在转向总结用于为机会汽油购买实现的端对端应用的原型***的操作的状态。
MC***可被扩展到其它商品和资源,包括诸如暂停区、停车场等非零售机会。对于汽油应用,如上所述MC服务器应用程序经由GPRS联系智能MC电话组件,后者进而经由在用户携带智能电话进入其汽车时自动建立的蓝牙连接来与GPS手持游标器通信。
智能电话间歇地将用户的位置以及用户行进的距离传送到MC服务器。MC电话组件允许用户在用户的油箱加满时向服务器发回信号。与对汽车中剩余的汽油量的估算(基于用户早先对预期的每加仑英里数的指定)相关的这一信息用于向服务器标识何时开始计划帮助用户购买燃油。该***在满足用户指定的先决条件,且对用户油箱中的剩余燃油量的估算跌至阈值之下时开始机会性地计划汽油购买。
当MC***开始工作以满足标识购买汽油的最佳位置的目标时,该***在服务器上例如每隔10分钟执行一分析周期。在每一周期中,该***标识驾驶者的位置并猜测驾驶者的目的地。关于驾驶者的目的地,一种实现假设在工作日,在输入上午小时跨度之间的从家出发的驾驶是到用户的主要工作地点的行程,并且在下午小时跨度期间从办公室出发的驾驶是回家的行程。在该天中,***可被指示假定在约会中所编码的位置是用户的目的地。
然而,该假设可能是很差假设。用户还可拿出西雅图地区的地图并且只需滚动该地图并在当前目的地上点击。这在旨在后台工作的***中可能不是令人满意的。因此,***中的目的地推断可被扩展成做出关于用户的目的地的智能推断。
当规划为活动的时候,MC服务器组件访问用户对用于默认时间段和用于约会的时间成本的评估。该***还访问用户的即将到来的约会的数据库,并检查约会特性。它然后如上所述,取决于用户是否调用了更丰富的分析,使用关于早先标记了约会列表的CD或ECD的等式的任一个来计算时间成本。
对于机会规划的每一周期,MC服务器组件(或应用程序)首先使用路线规划应用程序来计算从用户的当前位置到假定的目的地的理想路径。该应用程序然后标识大西雅图地区内的所有加油站,并载入其当前汽油价格。该***穷尽地搜索由从当前位置开始到目的地、并通过作为新沿途停车点的每一候选加油站的最大效率行程组成的新行程。
当缩放服务以供更大量的人使用时,可利用试探来限制搜索。这一试探包括限制离到主要目的地的高效路径上的点为最大指定距离的候选沿途停车点。对于每一潜在计划,计算经修改的行程所需的总英里和时间估算。对于每一候选路线和沿途停车点,通过考虑与新行程和原始行程相关联的英里和时间的差异,以及对停止和加油所需的时间所假设的成本,来计算关于新路线的英里和时间分叉。为每一候选行程计算分叉成本的总美元值。将该成本增加到被计算为加满驾驶者的油箱所需的汽油价格和加仑数的预期购买成本。
MC***然后从低净成本到更高的成本来区分替换路线的优先级,并将前五个候选路线连同关于每一候选路线和其各自的逐个转弯的方向的概括信息一起发送给MC电话组件(或应用程序)。用户可以接受选项,关闭对当前驾驶的汽油分析。该方向使用户从经过沿途停车点的当前路径分叉然后回到最终目的地。驾驶者可以设置更改策略来将智能电话上关于机会的通知限制为从每行程一次到几次。策略还允许指定任何两次更改之间的最小时间量。
图25和26示出了MC规划***如何能展示其推理。图25示出了示例性MC桌面应用程序的控制台视图和***推论的屏幕截图。该搜索以分析模式运行,从而示出了对关于机会性地购买汽油的目标、经过不同沿途停车点的替换路线的搜索的结果。对从到主要目的地的最佳路线分叉的总成本的经济分析显示在该屏幕顶部的直方图中。该***示出了候选机会计划。分叉分析和净成本的概要显示在屏幕顶部。
图26通过示出其所探查的用于购买汽油的原始高效路线和几条机会路线来示出MC***关于停车加油的最佳地点的考虑的一部分。显示了满足获得汽油的目标的三条替换路线。为每一机会计划显示的替换路线包括驾驶方向,以及基于当前上下文中对于该用户的附加距离、燃油和时间成本对每一机会计划中表示的目标满意度和分叉的概要经济分析。
一旦加满,用户可告知MC服务器油箱已加满。然而,替换地,MC***可以观察到驾驶者在建议的加油站暂停了多于阈值时间段(例如,7分钟),作为用户在该站已经加满了油箱的确认。用户已经加满其油箱的信号关闭关于对汽油的机会搜索的先决条件。MC***然后回退到仅仅监视总行进的英里数,并更新其对剩余燃油量的估算。
MC规划***允许工程师步进通过其搜索结果。该***显示了原始路线,以及从最低成本到最高成本候选路线排序的用于购买汽油的候选路线和位置。
图27示出了由智能电话的MC电话应用程序生成的通知显示以及关于修改的路线的方向视图。它是关于机会加油的最佳候选的警告的智能电话视图。显示假设的主要目的地,在这一情况下在傍晚从工作地点到家的通勤期间显示。
图28示出了智能电话的MC电话组件,其显示了基于成本最小化到最佳加油位置然后到主要目的地的方向。
作为一般的概述,MC***聚焦于标识用于构建机会规划***的挑战和机会,该机会规划***连续地工作以解决由人们所编码的短期和长期目标,并且计算如何可对正在发生的行进和工作连续地解决这些目标。MC***可以用以下附加扩展来操作:(1)潜在地使用解决组合***的现代规划技术,捆绑机会与对多个目标的同时搜索;(2)通过考虑驾驶者目的地的概率分布,集成目的地预测服务和方法推广;(3)移至对机会的完全成本效益分析,包括开发随时间学习来识别特殊优惠和异常低价的能力;以及(4)开发允许零售商向移动人群发出特殊时间限制价格并直接与人们的机会规划器通信的时间关键定价***。
如在本申请中所使用的,术语“组件”和“***”旨在表示计算机相关的实体,它可以是硬件、硬件和软件的结合、软件、或者执行中的软件。例如,组件可以是但不限于:在处理器上运行的进程、处理器、硬盘驱动器、多个存储驱动器(光和/或磁存储介质)、对象、可执行代码、执行的线程、程序、和/或计算机。作为说明,运行在服务器上的应用程序和服务器都可以是组件。一个或多个组件可以驻留在进程和/或执行的线程内,且组件可以位于一台计算机内上/或分布在两台或更多的计算机之间。
现在参见图29,示出了可用于执行所公开的上下文敏感提醒和服务促进器体系结构的计算机的框图。为了提供用于其各方面的附加上下文,图29及以下讨论旨在提供对其中可实现本发明的各方面的合适的计算环境2900的简要概括描述。尽管以上描述是在可在一个或多个计算机上运行的计算机可执行指令的一般上下文中进行,但是本领域的技术人员将认识到,本发明也可结合其它程序模块和/或作为硬件和软件的组合来实现。
一般而言,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、组件、数据结构等等。此外,本领域的技术人员可以理解,本发明的方法可用其它计算机***配置来实施,包括单处理器或多处理器计算机***、小型机、大型计算机、以及个人计算机、手持式计算设备、基于微处理器的或可编程消费电子产品等,其每一个都可操作上耦合到一个或多个相关联的设备。
所示的本发明的各方面也可在分布式计算环境中实施,其中某些任务由通过通信网络链接的远程处理设备来执行。在分布式计算环境中,程序模块可以位于本地和远程存储器存储设备中。
计算机通常包括各种计算机可读介质。计算机可读介质可以是可由计算机访问的任何可用介质,且包括易失性和非易失性介质、可移动和不可移动介质。作为示例,而非限制,计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据之类的信息的任意方法或技术实现的易失性和非易失性、可移动和不可移动介质计算机存储介质包括但不限于,RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字视频盘(DVD)或其它光盘存储、磁盒、磁带、磁盘存储或其它磁存储设备、或可以用来储存所期望的信息并可由计算机访问的任一其它介质。
再次参考图29,用于实现各方面的示例性环境2900包括计算机2902,计算机2902包括处理单元2904、***存储器2906和***总线2908。***总线2908将包括但不限于***存储器2906的***组件耦合到处理单元2904。处理单元2904可以是各种市场上可购买到的处理器中的任意一种。双微处理器和其它多处理器体系结构也可用作处理单元2904。
***总线2908可以是若干种总线结构中的任一种,这些总线结构还可互连到存储器总线(带有或没有存储器控制器)、***总线、以及使用各类市场上可购买到的总线体系结构中的任一种的局部总线。***存储器2906包括只读存储器(ROM)2910和随机存取存储器(RAM)2912。基本输入/输出***(BIOS)储存在诸如ROM、EPROM、EEPROM等非易失性存储器2910中,其中BIOS包含帮助诸如在启动期间在计算机2902内的元件之间传输信息的基本例程。RAM 2912还可包括诸如静态RAM等高速RAM用于高速缓存数据。
计算机2902还包括内置硬盘驱动器(HDD)2914(例如,EIDE、SATA),该内置硬盘驱动器2914还可被配置成在合适的机壳(未示出)中外部使用;磁软盘驱动器(FDD)2916(例如,从可移动磁盘2918中读取或向其写入);以及光盘驱动器2920(例如,从CD-ROM盘2922中读取,或从诸如DVD等其它高容量光学介质中读取或向其写入)。硬盘驱动器2914、磁盘驱动器2916和光盘驱动器2920可分别通过硬盘驱动器接口2924、磁盘驱动器接口2926和光盘驱动器接口2928连接到***总线2908。用于外置驱动器实现的接口2924包括通用串行总线(USB)和IEEE 1394接口技术中的至少一种或两者。其它外部驱动器连接技术在本发明所考虑的范围之内。
驱动器及其相关联的计算机可读介质提供了对数据、数据结构、计算机可执行指令等的非易失性存储。对于计算机2902,驱动器和介质容纳适当的数字格式的任何数据的存储。尽管以上对计算机可读介质的描述涉及HDD、可移动磁盘以及诸如CD或DVD等可移动光学介质,但是本领域的技术人员应当理解,示例性操作环境中也可使用可由计算机读取的任何其它类型的介质,诸如zip驱动器、磁带盒、闪存卡、盒式磁带等等,并且任何这样的介质可包含用于执行所公开的发明的方法的计算机可执行指令。
多个程序模块可储存在驱动器和RAM 2912中,包括操作***2930、一个或多个应用程序2932、其它程序模块2934和程序数据2936。所有或部分操作***、应用程序、模块和/或数据也可被高速缓存在RAM 2912中。应该明白,本发明可以用各种市场上可购得的操作***或操作***的组合来实施。
用户可以通过一个或多个有线/无线输入设备,例如键盘2938和诸如鼠标2940等定点设备将命令和信息输入到计算机2902中。其它输入设备(未示出)可包括话筒、IR遥控器、操纵杆、游戏手柄、指示笔、触摸屏等等。这些和其它输入设备通常通过耦合到***总线2908的输入设备接口2942连接到处理单元2904,但也可通过其它接口连接,如并行端口、IEEE 1394串行端口、游戏端口、USB端口、IR接口等等。
监视器2944或其它类型的显示设备也经由接口,诸如视频适配器2946连接至***总线2908。除了监视器2944之外,计算机通常包括诸如扬声器和打印机等的其它***输出设备(未示出)。
计算机2902可使用经由有线和/或无线通信至一个或多个远程计算机,诸如远程计算机2948的逻辑连接在网络化环境中操作。远程计算机2948可以是工作站、服务器计算机、路由器、个人计算机、便携式计算机、基于微处理器的娱乐设备、对等设备或其它常见的网络节点,并且通常包括以上相对于计算机2902描述的许多或所有元件,尽管为简明起见仅示出了存储器/存储设备2950。所描绘的逻辑连接包括到局域网(LAN)2952和/或例如广域网(WAN)2954等更大的网络的有线/无线连接。这一LAN和WAN联网环境常见于办公室和公司,并且方便了诸如内联网等企业范围计算机网络,所有这些都可连接到例如因特网等全球通信网络。
当在LAN网络环境中使用时,计算机2902通过有线和/或无线通信网络接口或适配器2956连接到局域网2952。适配器2956可以方便到LAN 2952的有线或无线通信,并且还可包括其上设置的用于与无线适配器2956通信的无线接入点。
当在WAN网络环境中使用时,计算机2902可包括调制解调器2958,或连接到WAN 2954上的通信服务器,或具有用于通过WAN 2954,诸如通过因特网建立通信的其它装置。或为内置或为外置以及有线或无线设备的调制解调器2958经由串行端口接口2942连接到***总线2908。在网络化环境中,相对于计算机2902所描述的程序模块或其部分可以存储在远程存储器/存储设备2950中。应该理解,所示网络连接是示例性的,并且可以使用在计算机之间建立通信链路的其它手段。
计算机2902可用于与操作上设置在无线通信中的任何无线设备或实体通信,这些设备或实体例如有打印机、扫描仪、台式和/或便携式计算机、便携式数据助理、通信卫星、与无线可检测标签相关联的任何一个设备或位置(例如,公用电话亭、报亭、休息室)以及电话。这至少包括Wi-Fi和蓝牙TM无线技术。由此,通信可以如对于常规网络那样是预定义结构,或者仅仅是至少两个设备之间的自组织(ad hoc)通信。
Wi-Fi,即无线保真,允许从家里沙发、酒店房间的床上或工作的会议室连接到因特网而不需要线缆。Wi-Fi是一种类似蜂窝电话中使用的无线技术,它使得诸如计算机等设备能够在室内和室外,在基站范围内的任何地方发送和接收数据。Wi-Fi网络使用称为IEEE 802.11x(a、b、g等等)的无线电技术来提供安全、可靠、快速的无线连接。Wi-Fi网络可用于将计算机彼此连接、连接到因特网以及连接到有线网络(使用IEEE 802.3或以太网)。
Wi-Fi网络可在非特许的2.4和5GHz无线电波段中操作。IEEE 802.11一般应用于无线WAN,并使用跳频扩谱(FHSS)或直接序列扩谱(DSSS)中的任一种在2.4GHz的波段中提供1或2Mbps的传输。IEEE 802.11a是应用于无线LAN,并在5GHz波段中提供高达54Mbps的IEEE 802.11的扩展。IEEE802.11a使用正交频分多路复用(OFDM)编码方案而非FHSS或DSSS。IEEE802.11b(也被称为802.11高速DSSS或Wi-Fi)是应用于无线LAN并在2.4GHz波段中提供11Mbps传输(带有向5.5、2和1Mbps的回退)的802.11的扩展。IEEE 802.11g应用于无线LAN,并在2.4GHz波段中提供20+的Mbps。产品可包括一个以上的波段(例如,双波段),因此网络可提供类似于在许多办公室中使用的基本10BaseT有线以太网网络的真实性能。
现在参考图30,示出了根据另一方面的可用于支持上下文敏感提醒和服务促进器体系结构的示例性计算环境3000的示意框图。***3000包括一个或多个客户机3002。客户机3002可以是硬件和/或软件(例如,线程、进程、计算设备)。客户机3002可例如使用通过本发明而容纳cookie和/或相关联的上下文信息。
***3000还包括一个或多个服务器3004。服务器3004也可以是硬件和/或软件(例如,线程、进程、计算设备)。服务器3004可以例如通过使用本发明来容纳线程以执行变换。在客户机3002和服务器3004之间的一种可能的通信能够以适合在两个或多个计算机进程之间传输的数据分组的形式进行。数据分组可包括例如cookie和/或相关联的上下文信息。***3000包括可以用来使(诸)客户机3006和(诸)服务器3002之间通信更容易的通信框架3004(例如,诸如因特网等全球通信网络)。
通信可经由有线(包括光纤)和/或无线技术来促进。(诸)客户机3002操作上被连接到可以用来存储对(诸)客户机3002本地的信息(例如,cookie和/或相关联的上下文信息)的一个或多个客户机数据存储3008。同样地,服务器3004可在操作上连接到可以用来存储对服务器3004本地的信息的一个或多个服务器数据存储3010。
上面描述的包括所公开的本发明的示例。当然,描述每一个可以想到的组件和/或方法的组合是不可能的,但本领域内的普通技术人员应该认识到,许多其他组合和排列都是可能的。因此,本发明旨在涵盖所有这些落入所附权利要求书的精神和范围内的更改、修改和变化。此外,就在说明书或权利要求书中使用术语“包括”而言,这一术语旨在以与术语“包含”在被用作权利要求书中的过渡词时所解释的“包含”相似的方式为包含性的。
Claims (20)
1.一种用于检测和服务需求的计算机实现的***,包括:
便于确定实体的需求的需求组件(102);以及
基于所述实体的上下文来确定与所述需求相关联的成本效益数据的分析组件(104)。
2.如权利要求1所述的***,其特征在于,还包括确定所述实体的上下文的上下文组件。
3.如权利要求1所述的***,其特征在于,所述需求组件便于确定用户的需求,其中所述需求是商用物品。
4.如权利要求1所述的***,其特征在于,所述需求组件对所述需求进行传感和推断中的至少一种。
5.如权利要求1所述的***,其特征在于,由所述分析组件计算的所述成本效益数据包括与到提供满足所述需求的产品和服务中的至少一个的位置的多条路线相关的距离信息。
6.如权利要求1所述的***,其特征在于,还包括用于将与所述需求相关的信息传送给厂商的通信组件。
7.如权利要求1所述的***,其特征在于,还包括用于过滤与满足所述实体的需求相关联的信息的偏好组件,所述实体是用户。
8.一种用于提供机会提醒的计算机实现的***,包括:
确定实体的上下文的上下文组件(402);以及
采用概率模型来至少部分地基于所述上下文确定是否向所述实体提供提醒的指示组件(404)。
9.如权利要求8所述的***,其特征在于,所述指示组件还包括通过评估事实k在给定上下文中相关的概率p(相关(k)|上下文)来推断所述事实k与所述实体相关的可能性的相关性组件,
10.如权利要求8所述的***,其特征在于,所述指示组件还包括评估所述实体是否是知道事实k和在时间帧内回想起事实k的至少其中一种的知识组件,所述知识组件计算给定所述上下文所述实体知道所述事实k的概率p(知道(k)|上下文)。
11.如权利要求8所述的***,其特征在于,所述指示组件还包括分析所述实体知道事实和被提醒事实中的至少一种的价值的估值组件,所述估值组件通过分析在所述上下文内知道k的价值对比不知道k的价值之间的差异来评估被通知所述事实k的价值,所述估值组件计算效用(知道(k)|上下文)-效用(不知道(k)|上下文)。
12.如权利要求8所述的***,其特征在于,所述知识组件还包括分析向所述实体提醒事实的期望值的综合组件。
13.如权利要求12所述的***,其特征在于,所述综合组件评估在给定所述事实k在所述上下文中相关的概率和在所述事实k相关时所述实体将知道所述事实k的概率的概率组合,所述实体不知道所述事实k的概率,p(不知道(k)|上下文)=1-(知道(k)|相关(k),上下文)*p(相关(k)|上下文)。
14.如权利要求12所述的***,其特征在于,所述综合组件通过评估eu(通知(k)|上下文)=p(不知道(k)|上下文)*[效用(知道(k))-效用(不知道(k)|上下文)]-成本(中断(通知(k))|上下文),来计算在事先不确定所述实体是否知道所述事实k的上下文中向所述实体通知所述事实k的期望值,其中eu是所述期望值。
15.如权利要求8所述的***,其特征在于,所述指示组件采用将知识类定义为是相关和具有超过相关的阈值的可能性中的至少一种的用户指定的高级偏好和目标。
16.如权利要求8所述的***,其特征在于,所述指示组件生成与事实、期望任务、需求和潜在机会中的至少一个的用户知识相关的机会提醒。
17.如权利要求8所述的***,其特征在于,所述指示组件评估延缓的任务,并提供所述提醒以允许从与所述延缓的任务相关联的中断中恢复。
18.如权利要求8所述的***,其特征在于,所述上下文是位置、与延缓的任务相关联的信息、偏好、日历、需求、时间、天、月、即将到来的会议、可扩展资源的状态、以及附近的企业、服务、地形和娱乐设施中的至少一个。
19.一种用于检测和服务需求的计算机可执行***,包括:
用于推断用户具有需求的装置(102);
用于计算所述用户的上下文的装置(402);
用于计算用户将从所述上下文行进到目的地的可能路线的装置(402);
用于确定沿着所述路线的、销售满足所述用户需求的商用物品的商家的装置(410);
用于计算与所述用户行进到具有所述商用物品的商家相关联的成本的装置(104);以及
用于向所述用户通知购买所述商用物品可采取的最优路线的装置(408)。
20.如权利要求19所述的***,其特征在于,还包括:
用于推断一事实鉴于所述上下文与所述用户相关的第一可能性的装置;
用于确定在给定所述上下文的情况下所述用户是知道所述事实和将在时间帧内回想起所述事实中的至少一个的第二可能性的装置;
用于分析在给定所述上下文的情况下所述用户通过被告知来知道所述事实的价值的装置;
用于鉴于所述上下文来评估通知所述用户的时机和成本的装置;以及
用于基于所述第一可能性、所述第二可能性、所述价值、所述时机和所述成本中的一个或多个来机会性地输出所述提醒的装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US11/428,228 | 2006-06-30 | ||
US11/428,228 US20080004926A1 (en) | 2006-06-30 | 2006-06-30 | Methods and architectures for context-sensitive reminders and service facilitation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN101479720A true CN101479720A (zh) | 2009-07-08 |
Family
ID=38877825
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNA2007800243478A Pending CN101479720A (zh) | 2006-06-30 | 2007-06-20 | 用于上下文敏感的提醒、通知和服务促进的方法和体系结构 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20080004926A1 (zh) |
EP (1) | EP2038762A4 (zh) |
CN (1) | CN101479720A (zh) |
WO (1) | WO2008005186A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103688279A (zh) * | 2011-04-25 | 2014-03-26 | 韦韦欧股份有限公司 | 用于智能个人时间表助理的***和方法 |
CN104205882A (zh) * | 2012-03-30 | 2014-12-10 | 英特尔公司 | 基于情境的消息传递*** |
CN105472560A (zh) * | 2015-12-22 | 2016-04-06 | 魅族科技(中国)有限公司 | 一种信息提示方法及终端 |
CN106022504A (zh) * | 2015-03-26 | 2016-10-12 | 大众汽车有限公司 | 用于创建用户活动的时间序列的设备、方法和计算机程序 |
CN108090568A (zh) * | 2016-11-23 | 2018-05-29 | 埃森哲环球解决方案有限公司 | 认知机器人学分析器 |
CN108712477A (zh) * | 2011-07-06 | 2018-10-26 | 三星电子株式会社 | 获取通信***中的用户设备的信息的方法和设备 |
CN109074530A (zh) * | 2016-04-29 | 2018-12-21 | 微软技术许可有限责任公司 | 对事件论坛的知晓上下文的选择 |
CN110088781A (zh) * | 2016-12-28 | 2019-08-02 | 微软技术许可有限责任公司 | 用于上下文记忆捕获和召回的***和方法 |
US11403575B2 (en) * | 2014-12-08 | 2022-08-02 | Vendwatch Telematics, Llc | Vending machine route management |
Families Citing this family (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7797267B2 (en) * | 2006-06-30 | 2010-09-14 | Microsoft Corporation | Methods and architecture for learning and reasoning in support of context-sensitive reminding, informing, and service facilitation |
US20080320131A1 (en) * | 2007-06-22 | 2008-12-25 | International Business Machines Corporation | Method, Apparatus or Software for Managing Propagation of the Performance of a Node in a Network |
US8577712B2 (en) * | 2008-05-02 | 2013-11-05 | Hewlett-Packard Development Company, L.P. | Assessing risk |
WO2009143329A1 (en) * | 2008-05-22 | 2009-11-26 | Six Degrees Capital Corporation | An item information system |
US20090298483A1 (en) * | 2008-06-02 | 2009-12-03 | Motorola, Inc. | Method and apparatus for selecting advertisements and determining constraints for presenting the advertisements on mobile communication devices |
DE102008037021A1 (de) * | 2008-08-08 | 2010-02-11 | Siemens Aktiengesellschaft | Benachrichtigungssystem und -verfahren |
US8893201B2 (en) * | 2008-10-16 | 2014-11-18 | At&T Intellectual Property I, L.P. | Presentation of an avatar in association with a merchant system |
US20100332496A1 (en) * | 2009-06-26 | 2010-12-30 | Microsoft Corporation | Implicit product placement leveraging identified user ambitions |
US20110296306A1 (en) * | 2009-09-04 | 2011-12-01 | Allina Hospitals & Clinics | Methods and systems for personal support assistance |
US20110087524A1 (en) * | 2009-10-14 | 2011-04-14 | International Business Machines Corporation | Determining travel routes by using fee-based location preferences |
US20110087430A1 (en) | 2009-10-14 | 2011-04-14 | International Business Machines Corporation | Determining travel routes by using auction-based location preferences |
US8812352B2 (en) * | 2009-10-14 | 2014-08-19 | International Business Machines Corporation | Environmental stewardship based on driving behavior |
US20110099153A1 (en) * | 2009-10-26 | 2011-04-28 | Nokia Corporation | Method and apparatus for generating a polymorphic note |
US8335989B2 (en) * | 2009-10-26 | 2012-12-18 | Nokia Corporation | Method and apparatus for presenting polymorphic notes in a graphical user interface |
US20110099189A1 (en) * | 2009-10-26 | 2011-04-28 | Nokia Corporation | Method and apparatus for exploring connections of a polymorphic note |
US20110205850A1 (en) * | 2010-02-23 | 2011-08-25 | Srinivas Annambhotla | System and method for managing calendar events using location information |
US9275376B2 (en) * | 2010-03-25 | 2016-03-01 | Nokia Technologies Oy | Method and apparatus for providing soft reminders |
US8812419B1 (en) * | 2010-06-12 | 2014-08-19 | Google Inc. | Feedback system |
US20120221393A1 (en) | 2010-07-15 | 2012-08-30 | Myworld, Inc. | Commerce System and Method of Controlling Commerce System Using Share Grabber to Leverage Shopping List |
US9134137B2 (en) | 2010-12-17 | 2015-09-15 | Microsoft Technology Licensing, Llc | Mobile search based on predicted location |
US9395198B2 (en) | 2011-03-28 | 2016-07-19 | International Business Machines Corporation | Dynamic routing via intelligent mapping system |
WO2012142443A2 (en) * | 2011-04-13 | 2012-10-18 | Douglas Krone | Systems and methods for facilitating the sale of goods and/or services via incentives |
US20130246526A1 (en) * | 2012-03-18 | 2013-09-19 | Nam Wu | Consensus and preference event scheduling |
US20140006207A1 (en) * | 2012-06-27 | 2014-01-02 | Bby Solutions, Inc. | Two-Dimensional Code Reader with Location Identifier |
US9349100B2 (en) | 2012-08-30 | 2016-05-24 | International Business Machines Corporation | Method for providing a prompt for real-time cognitive assistance |
US9460608B2 (en) | 2012-09-13 | 2016-10-04 | Apple Inc. | Reminder creation for tasks associated with a user event |
WO2014138010A1 (en) * | 2013-03-04 | 2014-09-12 | Yagi Corporation | Activity interruption management |
US10320913B2 (en) * | 2014-12-05 | 2019-06-11 | Microsoft Technology Licensing, Llc | Service content tailored to out of routine events |
US10135937B2 (en) | 2015-02-19 | 2018-11-20 | Microsoft Technology Licensing, Llc | Personalized notifications |
US9554356B2 (en) | 2015-02-19 | 2017-01-24 | Microsoft Technology Licensing, Llc | Personalized reminders |
US10671954B2 (en) * | 2015-02-23 | 2020-06-02 | Google Llc | Selective reminders to complete interrupted tasks |
US10185973B2 (en) | 2015-04-07 | 2019-01-22 | Microsoft Technology Licensing, Llc | Inferring venue visits using semantic information |
US9602975B2 (en) | 2015-05-22 | 2017-03-21 | Microsoft Technology Licensing, Llc | Intelligent surfacing of reminders |
US9408182B1 (en) | 2015-05-28 | 2016-08-02 | Google Inc. | Third party action triggers |
US10642843B2 (en) | 2015-05-28 | 2020-05-05 | Google Llc | World knowledge triggers |
US10387845B2 (en) * | 2015-07-10 | 2019-08-20 | Bank Of America Corporation | System for facilitating appointment calendaring based on perceived customer requirements |
US10387846B2 (en) * | 2015-07-10 | 2019-08-20 | Bank Of America Corporation | System for affecting appointment calendaring on a mobile device based on dependencies |
US10600296B2 (en) | 2015-08-19 | 2020-03-24 | Google Llc | Physical knowledge action triggers |
US20170288943A1 (en) * | 2016-03-30 | 2017-10-05 | Microsoft Technology Licensing, Llc | Supplying Context Data to a Servicing Entity |
CN108289110B (zh) | 2017-01-09 | 2021-10-08 | 斑马智行网络(香港)有限公司 | 设备关联方法、装置、终端设备和操作*** |
US10853763B1 (en) | 2017-03-29 | 2020-12-01 | Square, Inc. | Onboarding new service providers utilizing portable service provider attributes |
US10963846B1 (en) * | 2017-10-31 | 2021-03-30 | Square, Inc. | Automated service determination |
US11093904B2 (en) * | 2017-12-14 | 2021-08-17 | International Business Machines Corporation | Cognitive scheduling platform |
US20200126123A1 (en) * | 2018-10-19 | 2020-04-23 | Google Llc | Advance notification of convenient purchase points |
JP2022171432A (ja) * | 2021-04-30 | 2022-11-11 | トヨタ自動車株式会社 | 情報処理装置、方法、及びプログラム |
Family Cites Families (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4760530A (en) * | 1986-06-17 | 1988-07-26 | Honeywell Inc. | Flight management system providing minimum total cost |
US5812865A (en) * | 1993-12-03 | 1998-09-22 | Xerox Corporation | Specifying and establishing communication data paths between particular media devices in multiple media device computing systems based on context of a user or users |
US5493692A (en) * | 1993-12-03 | 1996-02-20 | Xerox Corporation | Selective delivery of electronic messages in a multiple computer system based on context and environment of a user |
US5555376A (en) * | 1993-12-03 | 1996-09-10 | Xerox Corporation | Method for granting a user request having locational and contextual attributes consistent with user policies for devices having locational attributes consistent with the user request |
US5948040A (en) * | 1994-06-24 | 1999-09-07 | Delorme Publishing Co. | Travel reservation information and planning system |
IL117792A (en) * | 1995-05-08 | 2003-10-31 | Rafael Armament Dev Authority | Autonomous command and control unit for mobile platform |
US6092725A (en) * | 1997-01-24 | 2000-07-25 | Symbol Technologies, Inc. | Statistical sampling security methodology for self-scanning checkout system |
GB9606194D0 (en) * | 1996-03-23 | 1996-05-29 | Int Computers Ltd | Appointment booking and scheduling system |
JPH109884A (ja) * | 1996-06-24 | 1998-01-16 | Mitsubishi Electric Corp | 車両用経路案内装置および経路探索方法 |
JP3370555B2 (ja) * | 1996-07-09 | 2003-01-27 | 松下電器産業株式会社 | 歩行者情報提供システム |
EP0819912B1 (en) * | 1996-07-15 | 2004-11-17 | Toyota Jidosha Kabushiki Kaisha | Vehicle driving condition prediction device and warning device using the prediction device |
US7040541B2 (en) * | 1996-09-05 | 2006-05-09 | Symbol Technologies, Inc. | Portable shopping and order fulfillment system |
US6837436B2 (en) * | 1996-09-05 | 2005-01-04 | Symbol Technologies, Inc. | Consumer interactive shopping system |
FI106990B (fi) * | 1996-12-31 | 2001-05-15 | Nokia Mobile Phones Ltd | Menetelmä informaation välittämiseksi käyttäjälle |
JP3220408B2 (ja) * | 1997-03-31 | 2001-10-22 | 富士通テン株式会社 | 経路案内装置 |
US6409086B1 (en) * | 1997-08-08 | 2002-06-25 | Symbol Technolgies, Inc. | Terminal locking system |
GB2335492B (en) * | 1998-03-18 | 2002-02-27 | Nokia Mobile Phones Ltd | Local navigation alternatives |
US6693517B2 (en) * | 2000-04-21 | 2004-02-17 | Donnelly Corporation | Vehicle mirror assembly communicating wirelessly with vehicle accessories and occupants |
US6640214B1 (en) * | 1999-01-16 | 2003-10-28 | Symbol Technologies, Inc. | Portable electronic terminal and data processing system |
US7010501B1 (en) * | 1998-05-29 | 2006-03-07 | Symbol Technologies, Inc. | Personal shopping system |
US6845370B2 (en) * | 1998-11-12 | 2005-01-18 | Accenture Llp | Advanced information gathering for targeted activities |
US6446076B1 (en) * | 1998-11-12 | 2002-09-03 | Accenture Llp. | Voice interactive web-based agent system responsive to a user location for prioritizing and formatting information |
US8121891B2 (en) * | 1998-11-12 | 2012-02-21 | Accenture Global Services Gmbh | Personalized product report |
US7073129B1 (en) * | 1998-12-18 | 2006-07-04 | Tangis Corporation | Automated selection of appropriate information based on a computer user's context |
US6791580B1 (en) * | 1998-12-18 | 2004-09-14 | Tangis Corporation | Supplying notifications related to supply and consumption of user context data |
US6842877B2 (en) * | 1998-12-18 | 2005-01-11 | Tangis Corporation | Contextual responses based on automated learning techniques |
JP3206579B2 (ja) * | 1999-01-13 | 2001-09-10 | 日本電気株式会社 | 宛名領域検出装置 |
US6317718B1 (en) * | 1999-02-26 | 2001-11-13 | Accenture Properties (2) B.V. | System, method and article of manufacture for location-based filtering for shopping agent in the physical world |
US6401085B1 (en) * | 1999-03-05 | 2002-06-04 | Accenture Llp | Mobile communication and computing system and method |
US6356905B1 (en) * | 1999-03-05 | 2002-03-12 | Accenture Llp | System, method and article of manufacture for mobile communication utilizing an interface support framework |
US6714967B1 (en) * | 1999-07-30 | 2004-03-30 | Microsoft Corporation | Integration of a computer-based message priority system with mobile electronic devices |
US6622160B1 (en) * | 1999-07-30 | 2003-09-16 | Microsoft Corporation | Methods for routing items for communications based on a measure of criticality |
US7194681B1 (en) * | 1999-07-30 | 2007-03-20 | Microsoft Corporation | Method for automatically assigning priorities to documents and messages |
US20010030664A1 (en) * | 1999-08-16 | 2001-10-18 | Shulman Leo A. | Method and apparatus for configuring icon interactivity |
US6321161B1 (en) * | 1999-09-09 | 2001-11-20 | Navigation Technologies Corporation | Method and system for providing guidance about alternative routes with a navigation system |
JP4080649B2 (ja) * | 1999-09-20 | 2008-04-23 | パイオニア株式会社 | 人ナビゲーションシステム |
US6954735B1 (en) * | 1999-10-01 | 2005-10-11 | Nokia Corporation | Method and system of shopping with a mobile device to purchase goods and/or services |
US6353398B1 (en) * | 1999-10-22 | 2002-03-05 | Himanshu S. Amin | System for dynamically pushing information to a user utilizing global positioning system |
US6892196B1 (en) * | 1999-12-22 | 2005-05-10 | Accenture Llp | System, method and article of manufacture for a user programmable diary interface link |
US7200566B1 (en) * | 2000-01-11 | 2007-04-03 | International Business Machines Corporation | Method and system for local wireless commerce |
ATE276564T1 (de) * | 2000-03-14 | 2004-10-15 | Siemens Ag | Routenplanungssystem |
US6480783B1 (en) * | 2000-03-17 | 2002-11-12 | Makor Issues And Rights Ltd. | Real time vehicle guidance and forecasting system under traffic jam conditions |
US20020002504A1 (en) * | 2000-05-05 | 2002-01-03 | Andrew Engel | Mobile shopping assistant system and device |
US6618593B1 (en) * | 2000-09-08 | 2003-09-09 | Rovingradar, Inc. | Location dependent user matching system |
JP2002169914A (ja) * | 2000-11-30 | 2002-06-14 | Toyota Motor Corp | 経路案内装置及び方法 |
US7245925B2 (en) * | 2000-12-19 | 2007-07-17 | At&T Intellectual Property, Inc. | System and method for using location information to execute an action |
US20020173905A1 (en) * | 2001-01-24 | 2002-11-21 | Televigation, Inc. | Real-time navigation system for mobile environment |
ES2284862T3 (es) * | 2001-02-09 | 2007-11-16 | Yosef Mintz | Procedimiento y sistema mejorado para cartografiar predicciones de trafico con respecto a aplicaciones telematicas y de orientacion en ruta. |
US20020194061A1 (en) * | 2001-03-29 | 2002-12-19 | International Business Machines Corporation | Method and system for request based advertising on a mobile phone |
US6587785B2 (en) * | 2001-09-21 | 2003-07-01 | General Motors Corporation | Method and system for mobile vehicle re-routing |
US20040155816A1 (en) * | 2001-11-05 | 2004-08-12 | Soliman Samir S. | Wireless coordination and management system |
US20090125380A1 (en) * | 2001-11-14 | 2009-05-14 | Retaildna, Llc | System and method for location based suggestive selling |
WO2004003705A2 (en) * | 2002-06-27 | 2004-01-08 | Small World Productions, Inc. | System and method for locating and notifying a user of a person, place or thing having attributes matching the user's stated prefernces |
JP4300767B2 (ja) * | 2002-08-05 | 2009-07-22 | ソニー株式会社 | ガイドシステム、コンテンツサーバ、携帯装置、情報処理方法、情報処理プログラム、及び記憶媒体 |
US7233907B2 (en) * | 2002-08-07 | 2007-06-19 | United Parcel Service Of America, Inc. | Parcel or service delivery with partially scheduled time windows |
US7720715B1 (en) * | 2002-08-30 | 2010-05-18 | Sprint Communications Company L.P. | Method and system for providing retail-item purchasing data in a computer network environment |
US20040117246A1 (en) | 2002-11-07 | 2004-06-17 | Applebaum Ted H. | Navigation and promotion distribution system |
USD494584S1 (en) * | 2002-12-05 | 2004-08-17 | Symbol Technologies, Inc. | Mobile companion |
KR100514658B1 (ko) * | 2003-03-05 | 2005-09-13 | 포인트아이 주식회사 | 위치 기반 지능형 캐릭터 시스템 및 그 방법 |
KR100535412B1 (ko) * | 2003-10-10 | 2005-12-08 | 현대자동차주식회사 | 차량의 주유소 안내방법 |
US7596513B2 (en) * | 2003-10-31 | 2009-09-29 | Intuit Inc. | Internet enhanced local shopping system and method |
KR20050045716A (ko) * | 2003-11-12 | 2005-05-17 | 이중섭 | 위치 추적이 가능한 이동 통신망에서 지역 정보 제공 방법 |
US7603229B2 (en) * | 2004-08-25 | 2009-10-13 | Microsoft Corporation | Efficiently finding shortest paths using landmarks for computing lower-bound distance estimates |
US20060138219A1 (en) * | 2004-12-29 | 2006-06-29 | John Brzezniak | Handset shopping tool and method thereof |
US7451041B2 (en) * | 2005-05-06 | 2008-11-11 | Facet Technology Corporation | Network-based navigation system having virtual drive-thru advertisements integrated with actual imagery from along a physical route |
US8533097B2 (en) * | 2005-05-16 | 2013-09-10 | Jorge Arturo Maass | Transaction arbiter system and method |
US8825370B2 (en) * | 2005-05-27 | 2014-09-02 | Yahoo! Inc. | Interactive map-based travel guide |
US7577522B2 (en) * | 2005-12-05 | 2009-08-18 | Outland Research, Llc | Spatially associated personal reminder system and method |
KR20050105139A (ko) * | 2005-10-14 | 2005-11-03 | 조규완 | 네비게이션 음성안내 시스템을 이용한 광고 정보제공비즈니스 |
US20070214180A1 (en) * | 2005-11-14 | 2007-09-13 | Crawford C S L | Social network application for processing image or video data from wireless devices of users and methods of operation |
US20070130026A1 (en) * | 2005-12-06 | 2007-06-07 | Control Resources Llc | Method and system for providing business listings utilizing time based weightings |
US20070150369A1 (en) * | 2005-12-28 | 2007-06-28 | Zivin Michael A | Method and system for determining the optimal travel route by which customers can purchase local goods at the lowest total cost |
US7797267B2 (en) * | 2006-06-30 | 2010-09-14 | Microsoft Corporation | Methods and architecture for learning and reasoning in support of context-sensitive reminding, informing, and service facilitation |
US7739040B2 (en) * | 2006-06-30 | 2010-06-15 | Microsoft Corporation | Computation of travel routes, durations, and plans over multiple contexts |
-
2006
- 2006-06-30 US US11/428,228 patent/US20080004926A1/en not_active Abandoned
-
2007
- 2007-06-20 WO PCT/US2007/014405 patent/WO2008005186A1/en active Application Filing
- 2007-06-20 EP EP07796299A patent/EP2038762A4/en not_active Withdrawn
- 2007-06-20 CN CNA2007800243478A patent/CN101479720A/zh active Pending
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103688279A (zh) * | 2011-04-25 | 2014-03-26 | 韦韦欧股份有限公司 | 用于智能个人时间表助理的***和方法 |
CN108712477A (zh) * | 2011-07-06 | 2018-10-26 | 三星电子株式会社 | 获取通信***中的用户设备的信息的方法和设备 |
CN104205882A (zh) * | 2012-03-30 | 2014-12-10 | 英特尔公司 | 基于情境的消息传递*** |
US11403575B2 (en) * | 2014-12-08 | 2022-08-02 | Vendwatch Telematics, Llc | Vending machine route management |
CN106022504A (zh) * | 2015-03-26 | 2016-10-12 | 大众汽车有限公司 | 用于创建用户活动的时间序列的设备、方法和计算机程序 |
CN105472560B (zh) * | 2015-12-22 | 2019-02-12 | 珠海市魅族通讯设备有限公司 | 一种信息提示方法及终端 |
CN105472560A (zh) * | 2015-12-22 | 2016-04-06 | 魅族科技(中国)有限公司 | 一种信息提示方法及终端 |
CN109074530A (zh) * | 2016-04-29 | 2018-12-21 | 微软技术许可有限责任公司 | 对事件论坛的知晓上下文的选择 |
CN108090568B (zh) * | 2016-11-23 | 2021-12-07 | 埃森哲环球解决方案有限公司 | 认知机器人学分析器 |
CN108090568A (zh) * | 2016-11-23 | 2018-05-29 | 埃森哲环球解决方案有限公司 | 认知机器人学分析器 |
CN110088781A (zh) * | 2016-12-28 | 2019-08-02 | 微软技术许可有限责任公司 | 用于上下文记忆捕获和召回的***和方法 |
CN110088781B (zh) * | 2016-12-28 | 2023-05-09 | 微软技术许可有限责任公司 | 用于上下文记忆捕获和召回的***和方法 |
US11886748B2 (en) | 2016-12-28 | 2024-01-30 | Microsoft Technology Licensing, Llc | Systems and methods for contextual memory capture and recall |
Also Published As
Publication number | Publication date |
---|---|
WO2008005186A1 (en) | 2008-01-10 |
US20080004926A1 (en) | 2008-01-03 |
EP2038762A4 (en) | 2011-11-09 |
EP2038762A1 (en) | 2009-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101479720A (zh) | 用于上下文敏感的提醒、通知和服务促进的方法和体系结构 | |
US7797267B2 (en) | Methods and architecture for learning and reasoning in support of context-sensitive reminding, informing, and service facilitation | |
US20240127639A1 (en) | Digital twin simulation system and a cognitive intelligence system for vehicle fleet management and evaluation | |
US20210287459A1 (en) | Digital twin systems and methods for transportation systems | |
US10956861B2 (en) | Apparatus and method for predictive dispatch for geographically distributed, on-demand services | |
US10572887B2 (en) | Electronically capturing consumer location data for analyzing consumer behavior | |
CN104520881B (zh) | 基于访问可能性对附近目的地排名以及从位置历史来预测对地点的未来访问 | |
Fikar et al. | A decision support system to investigate dynamic last-mile distribution facilitating cargo-bikes | |
CN103294758B (zh) | 车辆驾驶匹配***和方法 | |
CN106897788A (zh) | 通过车辆远程信息处理/信息娱乐基础设施建立、传送和呈现的集中式管理的路径点 | |
JP2015531913A (ja) | プッシュに基づく推奨 | |
CN104169950A (zh) | 利用面向批处理的计算的数据库*** | |
US20100245361A1 (en) | Context-based management of markers | |
US20230101183A1 (en) | Intelligent transportation systems including digital twin interface for a passenger vehicle | |
EP3014535A2 (en) | Method, apparatus, and computer program product for providing mobile location based sales lead identification | |
Ocicka et al. | In search of excellence in E-customer logistics service | |
Mohri et al. | Crowdshipping for sustainable urban logistics: A systematic review of the literature | |
US20200226506A1 (en) | Methods and systems for automated salesbeat optimization | |
Flamini et al. | The value of real-time traffic information in urban freight distribution | |
Lee et al. | Taxi vacancy duration: a regression analysis | |
Partyka et al. | On the road to connectivity | |
US20240257583A1 (en) | Digital twin to represent operating states of a vehicle | |
Zhu | Product marketing mode of economic zone by genetic algorithm in economic chaos combination prediction | |
Kim | Hybrid approaches to solve dynamic fleet management problems | |
Directorate | Intelligent Infrastructure Futures Project Overview |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090708 |