CN107430624A - 针对特定场境预测用户需求 - Google Patents

针对特定场境预测用户需求 Download PDF

Info

Publication number
CN107430624A
CN107430624A CN201680019076.6A CN201680019076A CN107430624A CN 107430624 A CN107430624 A CN 107430624A CN 201680019076 A CN201680019076 A CN 201680019076A CN 107430624 A CN107430624 A CN 107430624A
Authority
CN
China
Prior art keywords
computing device
context
task
information
user
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.)
Granted
Application number
CN201680019076.6A
Other languages
English (en)
Other versions
CN107430624B (zh
Inventor
林友仁
詹姆斯·孔茨
约瑟夫·格瑞特·林
查尔斯·乔丹·吉利兰
戴维·费登
圣吉特·贾拉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Google LLC
Original Assignee
Google LLC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Google LLC filed Critical Google LLC
Priority to CN202110183535.7A priority Critical patent/CN112948672A/zh
Publication of CN107430624A publication Critical patent/CN107430624A/zh
Application granted granted Critical
Publication of CN107430624B publication Critical patent/CN107430624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24575—Query processing with adaptation to user needs using context
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Remote Sensing (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)
  • User Interface Of Digital Computer (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明描述了一种***，其基于一组计算设备针对特定场境的相关联的搜索历史来识别由计算设备组的用户针对特定场境执行的任务。该***确定计算设备组的用户针对特定场境执行任务的第一可能性程度，并且确定该组计算设备的用户针对包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度。响应于确定第一可能性程度超过第二可能性程度阈值量，并且特定计算设备的当前场境对应于特定场境，该***向特定计算设备发送用于完成特定场境的任务的信息。

Description

针对特定场境预测用户需求
背景技术
当用户处于不熟悉情境时，用户可能转向计算设备以获得可能有助于用户完成某个任务以实现特定目标的信息和事实。一些计算设备要求用户能够提供足够的信息(例如，搜索查询项)，以引导计算设备定位用户正在搜索的特定信息。不利的是，用户可能不知道为了成功地在不熟悉的情境下导航并实现特定的目标用户可能需要完成的任务，更不用说用户应该搜索的信息。因此，在没有用户可能需要执行的各种动作的先前知识的情况下，在用户尝试获得实现特定目标的信息所需的信息时，用户可能经历压力并且浪费宝贵的时间和资源向计算设备输入信息并猜测搜索项。
发明内容
在一个示例中，本公开涉及一种方法，其包括由计算***基于一组计算设备针对特定场境相关联的搜索历史来识别由计算设备组的用户针对特定场境执行任务的第一可能性程度，并且由计算***确定由计算设备组的用户针对包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度。该方法还包括响应于确定第一可能性程度超过第二可能性程度阈值量并且特定计算设备的当前场境对应于特定场境，由计算***向特定计算设备发送用于完成特定场境的任务的信息。
在另一示例中，本公开涉及一种计算***，其包括至少一个处理器和至少一个模块，至少一个模块可由至少一个处理器操作，以基于一组计算设备针对特定场境的相关联的搜索历史来识别由计算设备组的用户针对特定场境执行的任务，确定由计算设备组的用户针对特定场境执行任务的第一可能性程度，并且确定由计算设备组的用户针对包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度。至少一个模块可由至少一个处理器进一步操作以响应于确定第一可能性程度超过第二可能性程度阈值量并且特定计算设备的当前场境对应于该特定场境，向特定计算设备发送用于完成特定场境的任务的信息。
在另一示例中，本公开涉及包括指令的计算机可读存储介质，这些指令在被执行时配置计算***的一个或多个处理器，以基于一组计算设备针对特定场境的相关联的搜索历史来识别由计算设备组的用户针对特定场境执行的任务，确定由计算设备组的用户针对特定场境执行任务的第一可能性程度，并且确定由计算设备组的用户针对包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度。这些指令在被执行时进一步配置计算***的一个或多个处理器以响应于确定第一可能性程度超过第二可能性程度阈值量并且特定计算设备的当前场境对应于特定场境，向特定计算设备发送用于完成特定场境的任务的信息。
一个或多个示例的细节在附图和下面的描述中阐述。从说明书和附图以及权利要求书中，本公开的其它特征、目的和优点将是显而易见的。
附图说明
图1是示出根据本公开的一个或多个方面的用于预测计算设备的用户的需求并提供用于满足这些需求的信息的示例***的概念图。
图2是示出根据本公开的一个或多个方面被配置为预测计算设备的用户的需求并提供用于满足这些需求的信息的示例性计算***的框图。
图3是示出根据本公开的一个或多个方面用于预测计算设备的用户的需求并提供用于满足这些需求的信息的示例***的附加概念图。
图4A和4B是示出根据本公开的一个或多个方面被配置为预测计算设备的用户的需求并提供用于满足这些需求的信息的示例性计算***执行的示例操作的流程图。
具体实施例
一般而言，本公开的技术可以使得计算***能够考虑到其它计算设备的其它用户针对特定场境的先前动作学习和预测计算设备的用户针对特定场境的需求。基于用户的场境信息(例如，位置，时间，用户兴趣等)，该***可以推断用户可能需要执行的任务或动作，并且自动提供在类似场境中其它计算设备的用户为了完成任务或执行动作所需要的信息。计算***可以通过确定用于不同场境的信息的有用程度来对计算***为了完成任务或执行动作所提供的信息进行排序。如果针对特定场境的有用程度充分地大于执行其它场境的动作的有用程度，则计算***可以提供用于完成任务或执行动作的信息。
在整个本公开中，描述了只有当计算设备从计算设备的用户接收分析信息的许可时，计算设备和/或计算***才分析与计算设备和计算设备的用户相关联的信息(例如，场境、位置、速度、搜索查询等)的示例。例如，在下面讨论的情况下，在计算设备或计算***可以收集或可以利用与用户相关联的信息之前，可以向用户提供机会来提供输入以控制计算设备的程序或特征是否能收集和利用用户信息(例如，关于用户的当前位置，当前速度等的信息)，或者指示设备和/或***是否和/或如何接收可能与用户相关的内容。此外，在计算设备和/或计算***存储或使用某些数据之前，可以以一种或多种方式处理这些数据，从而消除个人身份信息。例如，可以对用户的身份进行处理，使得不能确定关于用户的个人身份信息，或者在获得位置信息(诸如城市，邮政编码或州级)的情况下，可以将用户的地理位置概括化，使得不能确定用户的特定位置。因此，用户可以控制如何收集关于用户的信息和这些信息如何由计算设备和计算***使用。
图1是示出根据本公开的一个或多个方面的***100作为用于预测计算设备110A的用户的需求并提供用于满足需求的信息的示例***的概念图。***100包括经由网络130与计算设备110A-110N(统称为“计算设备110”)通信的信息服务器***(“ISS”)160。
网络130表示用于在计算***、服务器与计算设备之间发送数据的任何公共或专用通信网络，例如蜂窝、Wi-Fi和/或其它类型的网络。网络130可以包括一个或多个网络集线器、网络交换机、网络路由器或任何其它网络设备，它们可操作地互连，从而提供ISS 160与计算设备110之间的信息交换。计算设备110和ISS 160可以使用任何合适的通信技术，跨网络130发送和接收数据。
ISS 160和计算设备110可以各自使用相应的网络链路可操作地耦合到网络130，并且计算设备10N可以使用不同的网络链路可操作地耦合到网络30B。将计算设备110和ISS160耦合到网络130的链路可以是以太网、ATM或其它类型的网络连接，并且这样的连接可以是无线和/或有线连接。
计算设备110各自表示各种移动设备，例如移动电话、平板计算机、膝上型计算机、计算机化手表、计算机化眼镜、计算机化手套或任何其它类型的便携式计算设备。计算设备110的附加示例包括个人数字助理(PDA)、便携式游戏***、媒体播放器、电子书阅读器、移动电视平台、汽车导航和娱乐***或被配置为经由诸如网络130的网络接收信息的任何其它类型的移动、可穿戴和不可穿戴的计算设备。
计算设备110中的每一个包括相应的用户接口设备112A-112N(统称为“UID 112”)和相应的用户界面(UI)模块120A-120N(统称为“UI模块120”)。此外，计算设备110中的每一个包括相应的查询模块122A-122N(统称为“查询模块122”)。模块120-122可以使用驻留在相应计算设备110中和/或在相应计算设备110中执行的软件、硬件、固件或者硬件、软件和固件的混合来执行所描述的操作。计算设备110可以执行具有多个处理器或多个设备的相应模块120-122。计算设备110可以执行相应模块120-122，作为在底层硬件上执行的虚拟机。模块120-122可以作为操作***或计算平台的一个或多个服务执行。模块120-122可以作为计算平台的应用层上的一个或多个可执行程序执行。
计算设备110B-110N构成一组计算设备，与计算设备110B-110N相关联的各个用户可以从该组计算设备执行信息搜索。在一些示例中，计算设备110A包括在具有计算设备110B-110N的组中，并且与计算设备110A相关联的用户也可以从计算设备110A执行信息的搜索。在其它示例中，计算设备组110B-110N不包括计算设备110A。
计算设备110的UID 112可以用作计算设备110的相应输入和/或输出设备。UID112可以使用各种技术来实现。例如，UID 112可以用作使用存在敏感输入屏幕的输入设备，例如电阻式触摸屏、表面声波触摸屏、电容式触摸屏、投射电容触摸屏、压敏屏幕、声学脉冲识别触摸屏或另一种存在敏感显示技术。此外，UID 112可以包括麦克风技术、红外传感器技术或用于接收用户输入的其它输入设备技术。
UID 112可以用作使用诸如液晶显示器(LCD)、点阵显示器、发光二极管(LED)显示器、有机发光二极管(OLED)显示器、电子墨水或类似的能够向计算设备110的用户输出可见信息的单色或彩色显示器等任何一个或多个显示设备的输出(例如，显示器)设备。另外，UID 112可以包括扬声器技术、触觉反馈技术或用于向用户输出信息的其它输出设备技术。
UID 112可以各自包括可以从相应的计算设备110的用户接收触觉输入的相应的存在敏感显示器。UID 112可以通过检测来自用户的一个或多个手势来接收触觉输入的指示(例如，用户用手指或触控笔触摸或指向UID 112的一个或多个位置)。UID 112可以例如在相应的存在敏感显示器上向用户呈现输出。UID 112可以将输出呈现为可以与计算设备110提供的功能相关联的相应图形用户界面(例如，用户界面114)。例如，UID 112可以呈现与由查询模块122提供的搜索功能或在计算设备110处执行或可访问的计算平台、操作***、应用和/或服务(例如，电子消息应用、因特网浏览器应用、移动或桌面操作***等)的其它特征相关的各种用户界面(例如，用户界面114)。
UI模块120管理用户与相应UID 112和计算设备110的其它组件的交互。在计算设备110的用户查看输出和/或在UID 112处提供输入时，UI模块120可以使UID 112输出相应的用户界面，诸如用于显示的用户界面114(或其它示例用户界面)。当用户在不同时间与用户界面交互时，以及当用户和计算设备110在不同的位置时，UI模块120和UID 112可以接收来自用户的一个或多个输入指示。UI模块120和UID 112可以解释在UID 112处检测到的输入，并且可以将关于在UID 112处检测到的输入的信息中继到在计算设备110处执行的一个或多个相关联的平台、操作***、应用和/或服务，例如，使计算设备110执行功能。
UI模块120可以从计算设备110和/或一个或多个远程计算***(例如ISS 160)上执行的一个或多个相关联的平台、操作***、应用和/或服务接收信息和指令。此外，UI模块120可以充当在计算设备110处执行的一个或多个相关联的平台、操作***、应用和/或服务、计算设备110的各种输出设备(例如，扬声器、LED指示器、音频或静电触觉输出设备等)之间的中介设备以与计算设备110一起产生输出(例如，图形、闪光、声音、触觉响应等)。
在图1的示例中，用户界面114是与由ISS 160提供并由计算设备110A访问的需求预测服务相关联的图形用户界面。如下面详细描述，用户界面114包括图形信息(例如，文本)，其表示信息ISS 160预测计算设备110A的用户可能在当前时间需要执行任务。用户界面14可以包括各种其它类型的图形指示，诸如计算设备110A的用户可能需要执行当前场境的任务的预测信息的视觉描绘。UI模块120A可以基于UI模块120A经由网络130从ISS 160接收的数据来使UID 112A输出用户界面114。UI模块120A可以接收用于呈现用户界面114的图形信息(例如，文本数据、图像数据等)作为来自ISS 160的输入以及来自ISS 160的指令，用于在UID 112处在用户界面114内呈现图形信息。
查询模块122执行计算设备110的搜索相关功能。查询模块122可以经由网络130将搜索查询(例如，字符串)发送到ISS 160，并且作为响应，可以基于这些查询获得由ISS 160执行的搜索的结果。当计算设备110的用户在UID 112处提供输入时，查询模块122可以接收来自UI模块120的搜索查询的指示。查询模块122可以将例如从ISS 160接收的搜索结果输出到UI模块120，以使UI模块120将搜索结果呈现为在UID 112处呈现的用户界面UI模块120的一部分。
ISS 160表示任何合适的远程计算***，例如能够向网络(例如网络130)发送和从网络发送和从网络接收信息的一个或多个台式计算机、膝上型计算机、大型机、服务器、云计算***等。ISS 160托管(或至少提供访问)用于搜索信息的搜索***和用于预测计算设备110的用户针对特定场境的需求的需求预测***。
计算设备110可以经由网络130与ISS 160通信以访问由ISS 160提供的搜索***和需求预测***。在一些示例中，ISS 160表示云计算***，其通过网络130向一个或多个计算设备110提供搜索和需求预测服务，一个或多个计算设备110通过访问由ISS 160提供的云而访问搜索和需求预测服务。
在图1的示例中，ISS 160包括场境模块162、需求预测模块164和搜索模块166。模块162-166可以使用在ISS 160处驻留在和/或执行的软件、硬件、固件或者硬件、软件和固件的混合来执行所描述的操作。ISS 160可以执行具有多个处理器或多个设备的模块162-166。ISS 160可以作为在底层硬件上执行的虚拟机来执行模块162-166。模块162-166可以作为操作***或计算平台的一个或多个服务执行。模块162-166可以在计算平台的应用层上作为一个或多个可执行程序执行。
场境模块162收集与计算设备110相关的场境信息，并且向模块164和166提供这些信息，并且基于场境信息为模块164和166做出确定。例如，场境模块162可以获得与计算设备110A相关联的位置信息并且确定计算设备110A的当前位置是否与来自计算设备110A的位置历史的先前位置一致。场境模块162可以保持与计算设备110中每一个相关联的场境历史，并且确定与计算设备110中的一个或多个相关联的相应的当前场境是否与在相应的场境历史中找到的先前场境相匹配。例如，场境模块162可以将跟踪计算设备110A在特定日期或时间所在的位置的位置历史保持为与计算设备110A相关联的场境历史的一部分。
随着场境模块162接收新的和更新的信息，场境模块162可以连续更新与计算设备110相关联的当前场境和场境历史。例如，场境模块162可以接收由计算设备110A的传感器收集的移动信息，并使用移动信息来更新场境模块162为计算设备110A保持的当前位置。
位置和移动信息仅是场境模块162可为每个计算设备110中每一个保持的场境信息的一些类型。如本公开所使用的，术语“场境信息”用于描述可由诸如ISS 160和计算设备110的计算***和/或计算设备用来确定与计算设备和/或计算设备的用户相关联的一个或多个环境或行为特征的任何可想到的信息。
例如，场境信息包括过去的、当前的和未来的物理位置、移动程度、天气和交通状况，旅行模式等。在一些示例中，场境信息可以包括由计算设备110的一个或多个传感器(例如，陀螺仪、加速度计、接近传感器等)获得的传感器信息，从计算设备110的一个或多个通信单元和/或无线电(例如，全球定位***(GPS)，蜂窝式，Wi-Fi等)获得的无线电发送信息、由计算设备110的一个或多个输入设备(例如，相机、麦克风、键盘、触摸板、鼠标、UID 112等)获得的信息，以及计算设备110的网络/设备标识符信息(例如，网络名称，设备互联网协议地址等)。
此外，场境信息可以包括用户感兴趣的主题(例如，通常作为用户兴趣图表或某种其它类型的数据结构保持的用户喜好的“事物”)、与用户相关联的联系人信息(例如，用户的个人联系信息以及关于用户的朋友、同事、社交媒体关系，家庭等的信息)、搜索历史、位置历史、长期和短期任务、日历信息、应用使用历史、购买历史、收藏夹、书签以及计算设备110和ISS 160可以收集的关于计算设备110的用户的其它信息。
此外，场境信息可以包括关于计算设备的操作状态的信息。例如，在给定时间或在特定位置执行的应用是关于计算设备的操作状态的信息的示例。基于计算设备的操作状态的场境信息的其它示例包括但不限于开关的位置，电池水平，设备是否***墙壁插座或以其它方式可操作地耦合到另一设备和/或机器，用户认证信息(例如哪个用户)，设备是否以“飞行”模式、以待机模式、全功率模式操作、无线电、通信单元、输入设备和输出设备的操作状态等。
场境模块162可以提供场境信息，并且代表其它模块164和166以及计算设备110对场境模块162保持的场境信息进行确定。例如，场境模块162可以通过输出由场境模块162保持的、指定与计算设备110中一个或多个相关联的场境信息(例如，相应位置)的数据用于发送到需求预测模块164，对来自ISS 160的需求预测模块164针对与计算设备110相关联的场境信息的请求做出响应。
应当理解，尽管在整个本公开中，描述了计算设备和/或计算***分析与计算设备和计算设备的用户相关联的场境信息(包括位置历史、场境历史和/或搜索历史)的示例，但是只有计算设备和/或计算***接收到来自计算设备的用户的分析信息的明确许可，本文描述的计算设备和计算***才可以分析场境信息。例如，在本文讨论的情况下，在计算设备或计算***可以收集或可以利用与用户相关联的信息之前，可以向用户提供机会来提供输入以控制计算设备和/或计算***的程序或特征是否能收集和使用用户信息(例如，关于用户的当前位置、当前速度等的信息)，或者指示设备和/或***是否和/或如何接收可能与用户相关的信息。此外，在计算设备和/或计算***存储或使用某些数据之前，可以以一种或多种方式处理这些数据，从而消除个人身份信息。例如，可以对用户的身份进行处理，使得不能确定关于用户的个人身份信息，或者在获得位置信息(诸如城市，邮政编码或州级)的情况下，可以将用户的地理位置概括化，使得不能确定用户的特定位置。因此，用户可以控制如何收集关于用户的信息和由计算设备和计算***如何使用。
搜索模块166基于搜索模块166从计算设备110和/或模块162和/或164接收的搜索查询执行信息搜索(例如，使用因特网可获得的)。例如，在计算设备110B的用户与计算设备110B交互以寻找机场航站楼地图的在线图像时，搜索模块166可以对搜索模块166从查询模块122B接收的字符串执行因特网搜索。响应于搜索，搜索模块166可以获得机场航站楼地图的图形图像，并将图形图像输出回计算设备110B。
搜索模块166可以保持计算设备110的用户的一个或多个搜索历史。由搜索模块166保持的搜索历史可以是由场境模块162保持的场境历史的一部分或与由场境模块162保持的场境历史分开。搜索模块166生成的搜索历史可以是可分类的和可搜索的，使得在给定时间，搜索模块166可以分析计算设备110中的一个或多个的搜索历史，以确定计算设备110的用户正在搜索哪些类型的查询。搜索模块166可以向模块162和164提供对搜索历史的访问和/或可以代表模块162和164分析搜索历史并从搜索历史输出信息。
需求预测模块164学习和预测计算设备110的用户针对不同场境的需求，并且可以自动地向计算设备110提供在类似场境中，为了完成任务或执行动作，其它计算设备的用户已经需要的信息。例如，考虑到由计算设备的用户和/或其它计算设备的其它用户执行的先前动作(例如，某些查询的搜索)，需求预测模块164可以推断用户针对给定场境可能需要执行的任务或动作。
基于需求预测模块164从场境模块162接收的关于计算设备110的当前场境的信息，需求预测模块164可以确定当前场境何时对应于其中计算设备110的用户在先前执行任务或动作的先前场境。需求预测模块164可以请求搜索模块166执行对可以帮助用户完成推断的动作或任务的信息进行搜索。需求预测模块164可以向计算设备110中一个或多个提供为了完成任务或执行动作，搜索模块166找到的信息，以呈现给用户(例如，作为UID 112之一处的用户界面114)。
这里所指的用户“需求”可以被定义为基于用户动作***的观察(例如，诸如搜索历史、购买历史、应用使用历史和其它场境历史的动作日志)在给定场境中用户动作的语义分组模式。注意，这仅仅是简化对需求预测模块164所使用的模型的讨论的示例定义。因此，通过这种示例定义，任务或动作可能不必是需求，而采取的观察动作或执行的任务可以是代理，需求预测模块164可以使用代理来推断计算设备110的用户的更一般需求。
关于附加的图更详细地描述需求预测模块164。总之，需求预测模块164可以执行一个或多个机器学习技术来学习计算设备110的用户针对不同场境的需求。换句话说，由于需求预测模块164可能无法直接了解计算设备110的用户的需求，因此需求预测模块164对用户需求建模。需求预测模块164可以从场境模块162接收场境信息以及从搜索模块166接收搜索历史信息，并将该信息作为输入提供给模型，以用于训练模型来了解用户针对给定场境的需求。一旦被训练，模型可以作为输入接收特定场境，并且作为响应，输出指示一个或多个任务、动作或其它用户对于这种特定场境执行的其它可观察到的行为的指示(例如，数据)。
根据本公开的技术，ISS 160可以对于给定场境至少部分地基于与一组计算设备110相关联的搜索历史(例如，除了购买历史、应用使用等)识别计算设备组110的用户针对特定场境执行的任务。例如，计算设备110A的用户可能首次访问外国并且飞往外国的机场。在到达时，计算设备110A可以经由网络130与ISS 160建立连接。
场境模块162可以确定计算设备110A的当前场境并与需求预测模块164共享当前场境。需求预测模块164可以将计算设备110A的当前场境输入到需求预测模块164用于推断在给定类似场境中计算设备110的其它用户通常执行一个或多个动作的模型。需求预测模块164可以使用该模型来识别用户在访问外国机场时通常执行的一个或多个任务。
在一些示例中，推断的任务的示例包括从计算设备110A的当前位置导航到特定位置。例如，需求预测模块164的模型可以输出指示用户从外国的机场通常搜索出租车的数据。或者在一些示例中，模型可以输出指示用户通常从他们相应的一个设备110触发(例如，打开)地面运输相关应用的执行以叫出租车的数据。
在任何情况下，基于从模型接收的信息，需求预测模块164可以确定计算设备110的用户在到达机场时通常需要出租车，因此可以推断计算设备110A的用户可能需要一辆出租车。在一些示例中，需求预测模块164可以简单地请求搜索模块166基于由模型识别的任务或动作执行搜索。然后，需求预测模块164可以自动地将搜索结果(或从搜索结果导出的信息)输出到计算设备110A，使得UI模块120A可以提醒用户他或她可能需要呼叫出租车。
然而，在其它示例中，在向计算设备110A发送信息之前，需求预测模块164可以对从需求模型接收的信息执行一些附加的分析。简单地说，需求预测模块164可以确定针对特定场境执行任务的可能性程度(例如，概率，计数等)是否充分地超过针对更广泛场境执行任务的可能性程度。以这种方式，如果用户可能必须执行的任务特别是非常不寻常的或者在其它方面是对于特定情况特有的，则需求预测模块164可以仅输出需求信息。
例如，需求预测模块164的需求模型可以确定在特定机场时，用户通常从计算设备110打开电子邮件应用。然而，针对其它场境，包括机场和围绕特定机场的大的地理区域，需求预测模块164的需求模型可以确定用户通常从计算设备110打开同一电子邮件应用。需求预测模块164可以确定在到达在国外的机场时打开电子邮件应用的可能性类似于在外国机场外部打开电子邮件应用的可能性程度。因此，需求预测模块164可以确定计算设备110A的用户不需要关心接收警报来检查他或她的电子邮件，因为这种“需求”可能不是足够有兴趣打断或以其它方式主动地警告用户。
为了确定关于满足特定任务的需求的信息是否具有充分的兴趣来打断用户，需求预测模块164的需求模型可以比较由计算设备组110的用户针对特定场境执行任务的第一可能性程度与由计算设备组110的用户针对包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度。例如，当用户位于外国的机场时，需求预测模块164可以确定百分之七十五的计算设备110的用户执行地面运输的搜索，并且当用户位于国外的任何地方(包括用户在机场时)只有百分之二十的计算设备110的用户执行同样的地面运输搜索。
需求预测模块164的需求模型可以将两种可能性之间的差异与阈值量(例如，百分之十，百分之二十等)比较，以确定对特定场境的信息的需求是否充分地超出在更广泛场境中对类似信息的需求。例如，阈值量可以是百分之二十，或者换句话说，需求预测模块164的需求模型可能要求在特定场境中对信息的需求超出更广泛场境中对信息的需求至少百分之二十。
响应于确定第一可能性程度以阈值量超过第二可能性程度，并且计算设备110A的当前场境对应于特定场境，需求预测模块164可以向计算设备110A发送用于完成特定场境任务的信息。例如，在确定计算设备110A的用户将需要在国外的机场进行地面运输的可能性充分地大于用户在该国任何地方需要进行地面运输的可能性时，需求预测模块164可以使搜索模块166执行与从国外的机场进行地面运输相关的有用信息的搜索。
在一些示例中，ISS 160向计算设备110A发送的关于完成特定场境的任务的信息可以基于来自该组计算设备110相关联的搜索历史中的至少一个搜索结果。例如，发送到计算设备110A的信息可以是先前用户通过在特定场境中执行搜索而获得的信息的部分或全部。以这种方式，ISS 160正在提供用户可能搜索的任何信息，而不要求用户与他或她的计算设备110A交互来执行搜索。
在一些示例中，ISS 160可以响应于确定第一可能性程度不超过第二可能性程度阈值量而避免向计算设备110A发送用于完成特定场境的任务的信息。例如，在确定计算设备110A的用户将需要在国外的机场进行地面运输的可能性不充分地大于用户在该国任何地方需要进行地面运输的可能性后，需求预测模块164可以避免使搜索模块166执行与从国外的机场进行地面运输有关的有用信息的搜索。换句话说，如果需求不是特定情况独特的，而是许多或所有情形通常需要的，ISS 160可能不提供用于满足预测需求的信息。
在任何情况下，假设第一可能性程度以阈值量超过第二可能性程度，并且需求预测模块164使搜索模块166执行对与需求相关的信息的搜索，搜索模块166则可以返回关于需求的信息。在一些示例中，信息可以包括从当前位置行进到特定位置的一个或多个建议。在一些示例中，这些信息可能包括在机场出租车站的位置，在外国小费是否适当，还有关于从外国机场进行地面运输的其它有用信息。例如，搜索模块166可以确定来自机场的地面运输司机仅接受本地货币(例如，没有外币或***)。需求预测模块164可以向计算设备110A输出信息，包括用于在UID 112A呈现用户界面114的指令，以传达由搜索模块166获得的信息。
在从ISS 160接收到信息时，UI模块120A可以使UID 112A输出用于显示的用户界面114，并且在一些示例中，可能使计算设备110A输出可听警报，并且向用户指示在特定场境中满足他或她的需求的有用信息可以在UID 112A获得。在该示例中，基于从ISS 160接收到的信息，计算设备110A的用户可能知道在进入出租车之前在货币兑换亭处停下。
因此，当从执行本文描述的技术的示例计算***接收信息的计算设备的用户处于不熟悉的情境时，用户可能不需要执行信息搜索或以其它方式向他或她的计算设备提供输入，以获得可能有助于用户完成某项任务以实现特定目标的信息和事实。相反，示例***可以根据情境的场境自动地推断用户的需求，并且自动地向计算设备提供可满足用户需求并帮助用户实现任务或目标的有用信息。
以这种方式，与需要用户提供输入(例如，搜索查询)并且进一步能够提供充分信息(例如，正确的搜索查询项)来引导其它计算设备和***寻找用户正在搜索的特定信息的另外的计算设备和***不同，，示例***自动提供所需的信息。即使用户不知道为了在不熟悉的情境下成功地导航并实现特定的目标用户可能需要完成的任务或用户应该搜索的信息，示例***仍将自动提供所需信息。
此外，与其它计算设备和***不同，示例***可以提供具有一定“哇！”因素的所需信息。换句话说，通过使针对特定场境的信息输出基于计算设备组的用户针对特定场境执行任务的第一可能性程度是否以阈值量超过计算设备组的用户针对包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度，示例计算***更可能提供用户尚未知道和/或无法知道的针对特定场境他或她将需要的信息。示例***提供的信息可以包括对用户的特定情境(例如，时间、地点等)非常特定的一些更模糊的事实或其它细微差别的信息，并且这些信息原本是之前经历这种特定情境的很有经验的用户才知道的。
因此，用户不需要在遇到不熟悉的情境之前拥有用户可能需要执行的各种动作的任何先前知识。当用户尝试获得实现特定目标所需的信息时，用户可能会遇到较少的压力并花费更少的时间来在计算设备上提供输入来搜索信息。由于来自用户的较少的直接用户交互(例如，输入)，与仅向用户提供搜索信息的能力的其它***相比，示例性***可以节省能量并且使用更少的电池电量。
图2是示出根据本公开的一个或多个方面作为被配置为预测诸如图1的计算设备110之类的计算设备的用户的需求并且提供满足需求的信息的示例性计算***的信息服务器***(ISS)260的框图。ISS 260是图1的ISS 160的更详细的示例并且下面将在图1的***100的场境中展开描述。图2仅示出了ISS 260的一个特定示例，并且ISS 260的许多其它示例可以在其它实例中使用，并且可以包括在示例ISS 260中所包括的组件的子集，或者可以包括图2中未示出的附加组件。
ISS 260向计算设备110提供管道，计算设备(诸如计算设备110A)可通过该管道执行与搜索查询相关的信息的搜索，并且在一些示例中，自动地接收ISS 260预测的信息将满足计算设备110的用户针对特定场境的需求。如图2的示例所示，ISS 260包括一个或多个处理器270、一个或多个通信单元272和一个或多个存储设备274。ISS 260的存储设备274包括场境模块262、需求预测模块264和搜索模块266。在需求预测模块264内，存储设备74包括训练模块268。模块262-266包括与图1的模块162-166至少相同的(如果不是更强的)能力。
ISS 260的存储设备274还包括搜索历史数据存储270A、场境历史数据存储270B以及任务和需求规则数据存储270C(统称为“数据存储270”)。通信信道276可以使组件270、272和274中的每一个互连，用于组件间通信(物理、通信和/或操作)。在一些示例中，通信信道276可以包括***总线、网络连接、进程间通信数据结构或用于传送数据的任何其它方法。
ISS 260的一个或多个通信单元272可以通过在一个或多个网络(例如图1的网络130)上发送和/或接收网络信号而与外部计算设备(例如图1的计算设备110)通信，如图1所示。例如，ISS 260可以使用通信单元272来跨网络130发送和/或接收无线电信号以与计算设备110交换信息。通信单元272的示例包括网络接口卡(例如，以太网卡)、光收发器、射频收发器、GPS接收器或可以发送和/或接收信息的任何其它类型的设备。通信单元272的其它示例可以包括短波无线电、蜂窝数据无线电、无线以太网无线电以及通用串行总线(USB)控制器。
ISS 260中的一个或多个存储设备274可以存储用于在ISS 260操作期间进行处理的信息(例如，ISS206可以在ISS 260执行期间存储由模块262、264、266和268访问的数据)。在一些示例中，存储设备274是临时存储器，这意味着存储设备274的主要目的不是长期存储。ISS 260上的存储设备274可以被配置为易失性存储器用于信息的短期存储，因此如果关闭电源，则不保留存储的内容。易失性存储器的示例包括本领域已知的随机存取存储器(RAM)、动态随机存取存储器(DRAM)、静态随机存取存储器(SRAM)以及其它形式的易失性存储器。
在一些示例中，存储设备274还包括一个或多个计算机可读存储介质。存储设备274可以被配置为存储比易失性存储器更大量的信息。还可以将存储设备274配置为非易失性存储器空间以长期存储信息并且在电源接通/断开周期之后保留信息。非易失性存储器的示例包括磁性硬盘、光盘、软盘、闪存或电可编程存储器(EPROM)或电可擦除和可编程(EEPROM)存储器的形式。存储设备274可以存储与模块262、264、266和268相关联的程序指令和/或数据。
一个或多个处理器270可以实现ISS 260内的功能和/或执行指令。例如，ISS 260上的处理器270可以接收和执行由存储设备274存储的执行模块262、264、266的功能的的指令。由处理器270执行的这些指令可以使ISS 260在程序执行期间将信息存储在存储设备274内。处理器270可以执行模块262、264、266和268的指令，以考虑到其它计算设备的其它用户针对相同场境的先前动作来了解和预测计算设备的用户针对各种场境的需求，并且自动地提供所预测的计算设备的用户针对特定场境的需求相关的信息。也就是说，模块262、264、266和268可以由处理器270操作以执行这里描述的ISS 270的各种动作或功能。
数据存储270表示用于存储与搜索历史相关的信息(例如，搜索项、同义词、相关搜索项等)、场境历史(例如，位置、时间、设备状态信息、用户信息等)和用于针对各种场境预测计算设备的用户的需求的(例如，机器学习***的)规则的任何合适的存储介质。存储在数据存储270处的信息可以是可搜索和/或分类的，使得一个或多个模块262-268可以从数据存储器270中的一个或多个数据存储提供请求信息的输入，并且响应于输入，接收存储在数据存储270中的信息。
搜索历史数据存储270A可以主要由搜索模块266保持，可以是通常由场境模块262保持的场境历史数据存储270B的一部分或者与由场境模块262保持的场境历史数据存储270B分开。搜索历史数据存储270A可以包括一个或多个可搜索的数据库或数据结构，其组织由个体计算设备诸如图1的计算设备110搜索的不同类型的信息。例如，搜索历史数据存储270A可以包括专用于个体计算机或计算设备组的行，并且在每一行内，搜索历史数据存储270A可以包括与搜索模块266代表个体计算设备或计算设备组执行的搜索相关的信息。存储在数据存储器270A中的信息类型的示例包括搜索项或查询、与搜索项相关联的计算设备的日期时间和/或位置、表示搜索项搜索发生的频率或多久发生一次的与搜索项相关联的计数、表示搜索词的搜索是否成功(例如，紧跟在后续搜索中的搜索结果是否暗指搜索不成功)的指示以及与计算设备执行的搜索相关的任何和所有其它信息。
如上文所描述，场境历史数据存储270B可以包括搜索历史数据存储270A中的一些或全部。场境历史数据存储器270B包括与诸如计算设备110的个体计算设备或计算设备组相关联的有组织和可搜索的历史场境信息。可以存储在场境历史数据存储270B中的场境信息的类型包括但不限于，位置信息、当日时间信息、传感器信息(例如，从计算设备110获得)、用户兴趣信息、关于设备操作状态的信息、应用执行信息(例如，执行什么应用和什么时间执行)以及需求预测模块264预测用户需求可能需要的所有其它信息。
任务和需求规则数据存储270C包括一个或多个先前开发的规则，需求预测模块264依赖于这些规则预测针对当前场境，计算设备的用户可能将执行的任务或动作以及用户可为了完成任务可能需要的信息。例如，数据存储器270C可以存储需求预测模块264的机器学习或人工智能***规则。需求预测模块264的机器学习或人工智能***可以访问数据存储270C的规则以推断计算设备110的用户针对特定场境相关联的任务和需求。
在一些示例中，需求预测模块264可以将计算设备的当前场境作为输入提供给数据存储270C，并且接收作为输出的与计算设备的用户在当前场境和更广泛场境(其包括当前场境)需要执行的任务或动作有关的信息。在一些示例中，数据存储270C的规则可以输出与针对当前场境的任务或动作相关联的可能性程度(例如，计数，概率等)以及与针对更广泛场境的任务或动作相关联的可能性程度。并且在一些示例中，需求预测模块264可以将预测任务作为输入提供给数据存储270C，并且作为输出接收与用户在当前场境中完成预测任务可能需要的信息类型相关的信息。
需求预测模块264的训练模块268可以生成存储在数据存储器270C中用于预测并确定由用户针对某些场境执行任务相关联的可能性程度的规则。例如，训练模块268的机器学习或人工智能***可以分析由场境模块262获得的场境信息并存储在数据存储270B中，并且识别与存储在数据存储270A中的搜索信息的相关性。培训模块268使用的机器学习***的类型包括贝叶斯网络、神经网络和其它类型的人工智能模型。例如，训练模块268可以制定表格，这个表格具有用于共享类似场境并且在类似场境中执行类似搜索的每个计算设备110或计算设备110组的行。基于场境信息和与计算设备110相关联的搜索信息之间的相关性，训练模块268可以制定用于预测计算设备110针对特定场境执行未来搜索的规则。
例如，当计算设备110的一部分位于该特定机场处或附近时，训练模块268可以确定与特定机场的航站楼地图相关的搜索查询之间存在相关性。训练模块268可以制定一项规则，当该设备位于该特定机场时，这项规则将产生计算设备将执行对机场的航站楼地图的搜索的高度可能性。
作为另一示例，当计算设备110的一部分位于与计算设备110的该部分相关联的相应家庭位置或附近时，训练模块268可以确定在一天的早晨时段期间与天气相关的搜索查询之间存在的相关性。再次，训练模块268可以制定一项规则，当该设备处于家庭位置时，这项规则产生计算设备将在未来几天的早晨时段执行天气搜索的中等可能性程度。训练模块268可以产生任何不计其数的规则，用于基于经过观察的动作来预测计算设备110的用户针对特定场境可以执行未来动作的类型。
训练模块268可以以各种方式根据场境C来学习具有各种需求N的用户的概率P。在一些示例中，训练模块268可以使用多项式或计数确定P(N|C)。例如，训练模块268可以确定计算设备110执行多少次对机场的航站楼地图的搜索，而在机场中，与从机场内执行的总搜索量相比较来确定航站楼地图搜索与总搜索量的比率。
在一些示例中，训练模块268可以使用贝叶斯规则来确定P(N|C)。例如，使用贝叶斯规则，训练模块268可以使用诸如方程式1的等式。
P(N|C)与P(N|C)*P(N)成比例
方程式1
在方程式1中，P(N)是用户需求N的概率，并且P(C|N)是已知用户具有需求N时用户将处于场境C中的概率。或者换句话说，给定场境的需求的后验概率与给定需求的场境概率乘以需求的先验概率成比例。
训练模块268还可以对场境信息和搜索历史进行聚合技术和聚类技术，以确定用于预测用户需求的改进的规则。例如，由于训练模块268可以为由场境模块262确定的每个特定场境计算P(N|C)，所以训练模块268可以聚合所计算的特定场境的概率，以确定更一般场境的概率。例如，训练模块268可以确定对多个个体机场的特定需求的概率，然后将不同机场中的每一个的相应概率合并为针对所有机场的单个概率。
训练模块268可以执行聚类技术以匹配搜索模块266观察到的类似动作与类似的需求。例如，训练模块268可以确定如果两个不同的搜索查询导致相同的搜索结果，那么这两个查询必须类似并因此可以被视为类似的(如果不是相同的动作或任务)需要类似需求。
图3是示出根据本公开的一个或多个方面的***300的附加概念图，***300包括信息服务器***(ISS)360作为示例***，用于预测诸如图1的计算设备110中的一个或多个的计算设备的用户的需求并且提供满足这些需求的信息。ISS 360是图1的ISS 160和图2的ISS260的附加示例并且下面将在图1的***100和图2的ISS 260的场境中进行描述。
***300包括通过网络330与计算设备310A-310N(统称为“计算设备310”)进行通信的ISS 360。ISS 360包括需求预测模块364，需求预测模块364可以产生用于将所观察到的由计算设备310执行的动作或任务与各自的场境(例如，位置)进行匹配的表370。基于存储在表370中的信息，需求预测模块364可以确定计算设备310中的哪一个可能需要信息来执行需求预测模块364已经识别出的可能需要采取的预测任务或动作。
图3示出了在位置304处的计算设备310A、310B、310D和310E，在本示例中，位置304是旧金山机场(SFO)。包围位置304的是位置302，在该示例中位置302代表围绕SFO的加利福尼亚州的十平方公里区域。换句话说，位置304可以表示与第一地理区域相关联的特定场境，而位置302可以表示与包括第一地理区域和至少一个其它地理区域的第二地理区域相关联的更广泛场境。
在一些示例中，特定场境和更广泛场境可能因地理区域大小以外的原因而不同。例如，特定场境可以与第一位置相关联，并且更广泛场境可以与包括第一位置和至少一个其它位置的多个位置相关联。考虑多个位置中的每一个与相同运输模式相关联的示例。例如，特定的场境可以是单个机场，并且更广泛场境可以包括多个机场。其它示例可能是：单一营业场所和包括单一营业场所的多个其它营业场所，一个住宅单位或家庭以及不一定位于同一地点的其它多个家庭等。
在一些示例中，特定和更广泛场境可能因位置或地理区域大小以外的原因而不同。例如，特定场境可以包括第一时间量(例如，一天的一小时)，并且更广泛场境可以包括超过第一时间量(例如，一天中的多个小时)的第二时间量。
需求预测模块364可以基于来自计算设备310经由网络330接收的场境信息和搜索查询而建立表370。需求预测模块364在计算设备310B位于位置304时从计算设备310B接收查询316B，在计算设备310B位于位置302时从计算设备310C接收查询316C，在计算设备310D位于位置304时从计算设备310D接收查询316D，以及在计算设备310E位于位置304处时从计算设备310E接收查询316E。从表370，当计算设备310中的一个位于位置304(例如，在SFO内部)时，并且当计算设备310中的一个在位置302内时，需求预测模块364可以生成输出针对SFO的航站楼地图执行搜索的概率的规则。
在图3的示例中，计算设备310A的用户可以在到达位置304的飞机上行进。在位置304处，计算设备310A可以通过网络330与ISS 360共享场境信息。需求预测模块364可以确定计算设备310A是在位置302处并且咨询表370以确定计算设备310A的用户是否可能需要一些信息来帮助用户执行预测的任务。
在一些示例中，ISS 360是否向计算设备310A提供用于完成任务的信息可能取决于与用户和/或计算设备310A相关联的场境是否是新的。换句话说，在提供信息之前，需求预测模块364可以确定计算设备310A的当前场境是否为不包含在与计算设备310A的用户相关联的场境历史中的新场境。如果预测模块364确定场境不是新的，则预测模块364可以放弃提供信息，因为预测模块364可以假定用户已经知道如何完成任务并导航这种情境。
在任何情况下，需求预测模块364可以确定由于计算设备310A位于位置302，计算设备310A与每个执行过SFO航站楼地图搜索的计算设备310B、310C和310E共享类似的场境。基于确定了计算设备310A与设备310B、310C和310E共享相同场境，需求预测模块364可以推断出计算设备310A的用户可以执行类似的动作，并且可能执行对SFO航站楼地图的搜索。因此，并不需要计算设备310A的用户输入搜索查询，因为其它用户之前已经完成对航站楼地图的搜索，而是需求预测模块364可以自动提供表示用户另外可能需要搜索的航站楼地图的图形图像。
在一些示例中，需求预测模块364可以将来自表370的信息与类似于位置302和304的其它机场或其它位置相关的类似信息进行聚合，以确定用户可能需要的信息的更一般的规则。使用一般规则，需求预测模块364可以针对不包括特定场境的不同场境提供用于完成任务的不同信息。例如，如果用户降落在洛杉矶机场(LAX)，则用户可能仍然需要航站楼地图，就像他或她降落在SFO时一样，并非提供SFO的图形图像，而是需求预测模块364可以在逻辑上提供LAX的航站楼地图。
在一些示例中，需求预测模块364可以提供使计算设备310的第三方应用开发人员能够基于观察到的动作来向预测模块364查询用户需求的服务或工具。例如，关注计算设备310之一上显示关于金融信息的内容的开发人员可以通过向需求预测模块364查询“金融信息”来查找最佳场境以输出金融信息。需求预测模块364可以分析执行搜索股票代码符号的设备的场境历史，搜索关于金融信息的搜索结果，通过设备310访问金融相关网站，以及开启与金融相关的应用。除了可能地提供与需求被触发的时间和地点有关的各种度量，例如覆盖率、质量度量等之外，需求预测模块364可以向开发人员提供触发金融信息需求的场境。
图4A和4B是示出了根据本公开的一个或多个方面的由被配置为预测计算设备的用户需求并提供用于满足这些需求的信息的示例计算***执行的示例操作410-436的流程图。下面在图1的***100的场境中描述图4A和4B。例如，根据本公开的一个或多个方面，ISS160可以执行用于预测计算设备110A的用户的需求并提供用于满足需求的信息的操作410-436。
如图4A所示，在操作中，ISS 160可以接收与一组计算设备针对特定场境相关联的搜索历史(410)。例如，计算设备110的用户可以使相应的查询模块122向ISS 160发送搜索查询以执行信息搜索。除了执行搜索查询的搜索之外，搜索模块166可以存储搜索查询和/或结果以生成与计算设备110中每一个相关联的一个或多个搜索历史。
ISS 160可以基于搜索历史识别计算设备组的用户针对特定场境执行的任务(412)。例如，需求预测模块164的需求模型可以确定计算设备110的场境与在场境中每一个中生成的搜索历史之间的一个或多个相关性，并且推断当处于类似场境时计算设备110可能执行的一个或多个搜索。
ISS 160可以确定由计算设备组的用户针对特定场境执行任务的第一可能性程度(414)。例如，对于任何给定场境的每个可能的任务，需求预测模块164可以从与计算设备组110相关联的搜索历史中确定与任务中每一个相关的搜索量。需求预测模块164可以确定具有更大量搜索的任务具有可能是由用户针对特定上下执行任务的更大可能性。
在一些示例中，需求预测模块164可以至少部分地基于来自于计算设备组110针对特定场境相关联的搜索历史的与任务相关的搜索的第一数量(即，第一搜索次数)和来自于计算设备组针对特定场境相关联的搜索历史的搜索总量(即，搜索总数)来确定第一可能性程度。换句话说，并非依赖计数本身，需求预测模块164可以调制特定的计数，以便依赖于正在执行的每个任务与在特定场境中执行的所有任务相比的百分比或比率，确定给定场境执行特定任务的可能性程度。
如本文所使用的，需求预测模块164可以基于机器学习规则中的一个或多个推断搜索“与任务有关”或者“与任务相关联”，预测模块164可以访问机器学习规则以基于动作预测用户需求。这些规则可以基于导致相同结果或引起类似动作的搜索与相同需求相关的假设。例如，如果用户在搜索引擎输入处输入对航站楼地图、机场地面运输、行李区域的位置等的搜索，那么搜索引擎可以作为置顶结果产生机场航站楼地图。因此，需求预测模块164可以推断对航站楼地图、机场地面运输、行李区域的位置的搜索都与机场航站楼地图的需求有关。
针对包括特定场境和至少一个其它场境的更广泛场境，ISS 160可以确定该组计算设备的用户执行任务的第二可能性程度(416)。例如，针对更广泛场境的每个可能的任务，需求预测模块164可以从与计算设备组110相关联的搜索历史中确定与任务中每一个相关的附加的搜索量。针对更广泛场境，需求预测模块164可以确定针对更广泛场境具有更大的搜索量的那些任务也具有可能由用户执行任务的更高可能性。
ISS 160可以确定第一可能性程度是否超过第二可能性程度阈值量(418)。例如，每次ISS 160认为某人可能需要信息来完成任务时，需求预测模块164并非提供完成任务的信息，而是需求预测模块164可以确定该需求对于特定场境是否是真正意义上独特的，或者替代地，考虑到更广泛场境中这种需求的普及度，这种需求是否是众所周知的。
响应于确定第一程度超过第二程度阈值量，ISS模块160可以确定特定计算设备110的当前场境是否对应于与推断的任务相关联的特定场境(420)。例如，随着需求预测模块164所使用的模型被训练，需求预测模块164可以将关于计算设备110的场境信息输入到模型中，以确定计算设备110中任一个的当前场境是否与具有观察到的需求的场境相关或相对应。预测模块164可以确定计算设备110A具有通常与从国外的机场进行地面运输有关信息的需求相关联的场境。
响应于确定特定计算设备110的当前场境对应于特定场境，ISS 160可向特定计算设备发送用于完成特定场境的任务的信息(422)。例如，响应于确定计算设备110A的用户可能处于用户需要出租车服务的情境，需求预测模块164可以向搜索模块166查询关于从外国的特定机场乘坐出租车的信息。需求预测模块164可以将由搜索模块166检索的信息打包为用于在计算设备110A处的UID 112A呈现的内容，并将该内容作为数据通过网络130发送到UI模块120A。UI模块120A可以配置UID 112A呈现内容(例如，在显示器上)。
如图4B所示，在操作中，ISS 160可以基于搜索历史识别计算设备组的用户针对特定场境执行的第二任务(424)。例如，除了确定用户在国外的机场搜索地面交通信息之外，需求预测模块164还可以确定计算设备110的用户经常搜索机场的航站楼地图。
ISS 160可以确定由计算设备组的用户针对特定场境执行第二任务的第三可能性程度(426)，并且还可以确定由计算设备组的用户针对包括特定场境和至少一个其它场境的更广泛场境执行第二任务的第四可能性程度(428)。例如，类似于上述操作414和416，需求预测模块164可以确定与在外国的机场的场境中以及在这整个外国的场境中搜索航站楼地图的任务相关联的相应可能性程度。
在一些示例中，响应于确定第三可能性程度超过第四可能性程度阈值量，并且特定计算设备的当前场境对应于特定场境，ISS 160可以向特定计算设备传送用于完成特定场境的第二任务的第二信息。例如，与上述操作418-422一样，响应于确定计算设备110A的用户可能处于用户需要航站楼地图的情境，需求预测模块164可以向搜索模块166查询关于国外特定机场的航站楼地图。需求预测模块164可以将由搜索模块166检索到的信息打包为在计算设备110A处的UID 112A呈现的内容，并将内容作为数据通过网络130发送到UI模块120A，在UI模块120A中，UI模块120A可以配置UID 112A以呈现内容(例如，在显示器上)。
ISS 160可以确定第一任务和第二任务的排序，并且向计算设备110A提供排序，使得计算设备110A可以辨别在UID 112A上显示什么信息(例如，航站楼地图或出租车信息)。
为了确定排序，ISS 160可以确定第一可能性程度与第二可能性程度之间的第一差异(430)，并确定第三可能性程度与第四可能性程度之间的第二差异(432)。基于第一差异和第二差异，ISS 160可以确定第一任务和第二任务的排序。例如，第一任务和第二任务的排序可能未必基于哪个任务针对特定场境具有最多计数或最高概率。相反，排序可以基于与阈值相比哪个任务针对特定场境具有最多计数或最高概率。阈值可以代表更广泛场境的总计数或概率。换句话说，ISS 160可对特定情境更加独特的任务的排序更高，原因在于新情境下用户不太可能知道或理解更独特的任务。
例如，需求预测模块164可以从计算设备组针对特定场境相关联的搜索历史中确定与第一任务相关或以其它方式与第一任务相关联的搜索的第一数量并且从特定设备组针对特定场境相关联的搜索历史中确定与第二任务相关或者以其它方式与第二任务相关联的搜索的第二数量。然后，针对更广泛场境，需求预测模块164可以基于这两个量来对两个任务进行排序，因为它们与第一任务和第二任务的相应量进行比较。
在任何情况下，在对两个任务进行排序之后，ISS 160可以将排序传送到计算设备，以在输出第一信息和第二信息之间进行优先处理(436)。例如，需求预测模块164可以通过网络130输出指示呈现航站楼地图或出租车信息之间的排序的信息。在接收到排序时，UI模块120A可以使UID 112A首先呈现较高排序的信息。
ISS 160可以基于以下构思作为需求和任务排序的基础，即由于可以使用动作日志(例如，搜索历史)来观察动作，所以能对动作日志进行挖掘，并计算出对于给定需求和场境，需求或任务发生的频率。以这种方式，ISS 160可以比较与不同任务相关联的计数作为相对于彼此(例如，对于评分/排序而言重要)和以绝对项(例如，对于触发何时显示或发送需求而言重要)比较需求的方式。
例如，ISS 160可以依赖于评分函数(N,C)，评分函数(N,C)用于将候选需求N作为根据给定用户场境C下用户具有需求N的概率P(N|C)的函数f排序，如方程式2所示：
N*＝argmaxN P(N|C)/P(N)
方程式2
给定一个特定的用户场境C，ISS 160可以使用P(N|C)来预测首要候选需求，可能作为相对于感兴趣需求的“哇”因素调制流行需求的概率的函数的输入(例如，相比于流行的需求，“提升”感兴趣需求)。也就是说，给定场境的需求的概率除以该需求的背景概率。例如，根据方程式3所示的关系：
N*＝argmaxN P(N|C)/P(N|C)
方程式3
在一些示例中，ISS 160并不使用概率，而是可以基于计数对需求或任务进行评分。方程式4将需求评分定义为：
score＝#Observed-#Expected(Background)-#Noise(#Observed)
方程式4
在该推导中，#Observed是需求预测模块164在计算设备110的搜索历史和/或场境信息中观察到动作的次数，#Expected(Background)是ISS 160希望在当前场境中观察动作的期望的次数，假设动作在给定的背景中类似地出现(例如，[#背景中的计数/#背景中的总计数]×#场境中的总计数)。最后，Noise(#Observed)是认为ISS 160确定具有低计数的动作可能与需求预测无关的归一化因数。在一些示例中，#Noise(#observed)的公式可以是平滑函数，例如反sigmoid函数。Noise(#Observed)的简单公式可以是方程式5中所示的函数：
#Noise(#Observed)＝#Observed,如果#Observed<10
#Noise(#Observed)＝0,否则
方程式5
条款1.一种方法，包括：由计算***基于计算设备组针对特定场境相关联的搜索历史来识别由计算设备组的用户针对特定场境执行的任务；由计算***确定由计算设备组的用户针对特定场境执行任务的第一可能性程度；由计算***确定由计算设备组的用户针对包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度；以及，响应于确定第一可能性程度超出第二可能性程度阈值量并且特定计算设备的当前场境对应于特定场境，由计算***向特定计算设备传送用于完成特定场境任务的信息。
条款2.根据条款1中任一项所述的方法，其中响应于确定当前场境是不包含在与计算设备的用户相关联的场境历史中的新场境，进一步发送用于完成特定场境的任务的信息。
条款3.根据条款1-2中任一项所述的方法，其中用于完成特定场境的任务的信息是第一信息，该方法还包括：由计算***确定用于完成针对不包括特定场境的不同场境的任务的第二信息，第二信息不同于第一信息。
条款4.根据条款1-2中任一项所述的方法，其中，至少部分地基于来自与特定场境的计算设备组相关联的搜索历史与任务相关联的搜索量来确定第一可能性程度。
条款5.根据条款4所述的方法，其中：搜索量是来自第一组计算设备针对特定场境相关联的第一搜索历史的搜索的第一数量，并且所述第二可能性程度至少部分地基于来自第二组计算设备针对更广泛场境相关联的第二搜索历史与任务相关联的搜索的第二数量。
条款6.根据条款1-5中任一项所述的方法，其中特定场境包含第一时间量，并且更广泛场境包含大于第一时间量的第二时间量。
条款7.根据条款1-6中任一项所述的方法，其中特定场境与第一地理区域相关联，并且更广泛场境与包括第一地理区域和至少一个其它地理区域的第二地理区域相关联。
条款8.根据条款1-7中任一项所述的方法，其中用于完成述特定场境的任务的信息基于计算设备组相关联的搜索历史的至少一个搜索结果。
条款9.一种计算***，包括：至少一个处理器；以及，至少一个模块，其可由至少一个处理器操作以：基于一组计算设备针对特定场境相关联的搜索历史来识别由用计算设备组的用户针对特定场境执行的任务；确定由计算设备组的用户针对特定场境执行任务的第一可能性程度；确定由计算设备组的用户针对包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度；以及，响应于确定第一可能性程度超过第二可能性程度阈值量并且特定计算设备的当前场境对应于特定场境，向特定计算设备发送用于完成特定场境的任务的信息。
条款10.根据条款9所述的计算***，其中特定场境与第一地理区域相关联，并且更广泛场境与包括第一地理区域和至少一个其它地理区域的第二地理区域相关联。
条款11.根据条款9-10中任一项所述的计算***，其中，第一可能性程度至少部分地基于来自计算设备组针对特定场境相关联的搜索历史中的与任务相关联的搜索的第一数量和来自计算设备组针对特定场境相关联的搜索历史的搜索总量来确定。
条款12.根据条款9-11中任一项所述的计算***，其中特定场境与第一位置相关联，并且更广泛场境与包括第一位置和至少一个其它位置的多个位置相关联。
条款13.根据条款12中任一项所述的计算***，其中多个位置中的每一个与相同的运输模式相关联。
条款14.根据条款9-13中任一项所述的计算***，其中计算设备组不包括特定计算设备。
条款15.根据条款9-14中任一项所述的计算***，其中至少一个模块由至少一个处理器进一步操作以可响应于确定第一可能性程度不超过第二可能性程度阈值量避免向特定计算设备发送用于完成特定场境的任务的信息。
条款16，一种包括指令的计算机可读存储介质，指令在被执行时配置计算***的一个或多个处理器以：基于一组计算设备针对特定场境相关联的搜索历史来识别由计算设备组的用户针对特定场境执行的任务；确定由计算设备组的用户针对特定场境执行任务的第一可能性程度；确定由计算设备组的用户针对于包括特定场境和至少一个其它场境的更广泛场境执行任务的第二可能性程度；并且响应于确定第一可能性程度超过第二可能性程度阈值量并且特定计算设备的当前场境对应于特定场境，向特定计算设备发送用于完成特定的场境的任务的信息。
条款17.根据条款16所述的计算机可读存储介质，其中任务是第一任务，信息是第一信息，并且指令在被执行时进一步配置计算***的一个或多个处理器以：确定由计算设备组的用户针对特定场境执行第二任务的第三可能性程度，其中基于计算设备组针对特定场境相关联的搜索历史来进一步识别第二任务；以及，确定由计算设备组的用户针对包括特定场境和至少一个其它场境的更广泛场境执行第二任务的第四可能性程度；以及，响应于确定第三可能性程度超过第四可能性程度阈值量并且特定计算设备的当前场境对应于特定场境，向特定计算设备发送用于完成特定场境的第二任务的第二信息。
条款18.根据条款17所述的计算机可读存储介质，其中指令在被执行时进一步配置计算***的一个或多个处理器以：确定第一可能性程度与第二可能性程度之间的第一差异；确定第三可能性程度与第四可能性程度之间的第二差异；基于第一差异和第二差异来确定第一任务和第二任务的排序；以及，向计算设备发送排序用于在输出第一信息与第二信息之间的优先处理。
条款19.根据条款18所述的计算机可读存储介质，其中指令在被执行时进一步配置计算***的一个或多个处理器以基于以下来确定第一任务和第二任务的排序：从计算设备组针对特定场境相关联的搜索历史确定与第一任务相关联的搜索的第一数量并且从计算设备组组针对特定场境相关联的搜索历史确定与第二任务相关联的搜索的第二数量。
条款20.根据条款16-19中任一项所述的计算机可读存储介质，其中所述任务包括从所述特定计算设备的当前位置导航到特定位置，并且所述信息包括从所述当前位置行进到所述特定位置的一个或多个建议。
条款21.根据条款9所述的计算***，包括用于执行条款1-8的方法中任何方法的装置。
条款22.根据条款16所述的计算机可读存储介质，还包括指令，指令当被执行时配置条款9的计算***的一个或多个处理器以执行条款1-8的方法中的任何方法。
在一个或多个示例中，所描述的功能可以在硬件，软件，固件或其任何组合中实现。如果在软件中实现，则功能可以作为一个或多个指令或代码存储在计算机可读介质上或由基于硬件的处理单元执行。计算机可读介质可以包括对应于诸如数据存储介质的有形介质的计算机可读存储介质或介质，或包括便于例如根据通信协议将计算机程序从一个地方传送到另一个地方的任何介质的通信介质。以这种方式，计算机可读介质通常可以对应于(1)有形的计算机可读存储介质，其是非暂时的，或(2)诸如信号或载波等通信介质。数据存储介质可以是可由一个或多个计算机或一个或多个处理器访问以检索用于实施本公开中描述的技术的指令、代码和/或数据结构的任何可用介质。计算机程序产品可以包括计算机可读介质。
举例说明并且无限制意义，这种计算机可读存储介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储器、磁盘存储器或其它磁存储设备、闪存或任何可以用于以指令或数据结构的形式存储所需程序代码并且可由计算机访问的其它存储介质。此外，任何连接被适当地称为计算机可读介质。例如，如果使用同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或无线技术(例如红外线，无线电和微波)从网站、服务器或其它远程源发送指令，则同轴电缆、光纤电缆、双绞线、DSL或无线技术如红外线、无线电和微波都包含在介质的定义中。然而，应当理解，计算机可读存储介质和媒体和数据存储介质不包括连接、载波、信号或其它瞬态介质，而是指向非瞬态有形存储介质。如本文所使用的磁盘和光盘包括光盘(CD)、激光盘、光盘、数字通用光盘(DVD)、软盘和蓝光盘，其中磁盘通常以磁性方式再现数据，而光盘利用激光以光学方式再现数据。上述的组合也应包括在计算机可读介质的范围内。
指令可以由一个或多个处理器执行，诸如一个或多个数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、现场可编程逻辑阵列(FPGA)或其它等效的集成或离散逻辑电路。因此，如本文所使用的术语“处理器”可以指适于实现本文所述技术的任何前述结构或任何其它结构。此外，在一些方面，本文描述的功能可以在专用硬件和/或软件模块内提供。而且，这些技术可以在一个或多个电路或逻辑元件中完全实现。
本公开的技术可以在各种各样的设备或设备中实施，包括无线手机、集成电路(IC)或一组IC(例如，芯片组)。在本公开中描述了各种组件，模块或单元，以强调被配置为执行所公开的技术的设备的功能方面，但不一定需要由不同硬件单元实现。相反，如上文所描述，各种单元可以组合在硬件单元中，或者由包括如上文所描述的一个或多个处理器的合作硬件单元的集合结合合适的软件和/或固件来组合。
已经描述了各种实施例。这些和其它实施例在所附权利要求的范围内。

Claims (15)

1.一种方法，包括：
由计算***基于计算设备组针对特定场境的相关联的搜索历史来识别由所述计算设备组的用户针对所述特定场境执行的任务；
由所述计算***确定由所述计算设备组的所述用户针对所述特定场境执行所述任务的第一可能性程度；
由所述计算***确定由所述计算设备组的所述用户针对包括所述特定场境和至少一个其它场境的更广泛场境执行所述任务的第二可能性程度；以及
响应于确定所述第一可能性程度超过所述第二可能性程度阈值量，并且特定计算设备的当前场境对应于所述特定场境，由所述计算***向所述特定计算设备发送用于完成针对所述特定场境的所述任务的信息。
2.根据权利要求1所述的方法，其中，响应于确定所述当前场境是不包含在与所述计算设备的所述用户相关联的场境历史中的新场境，进一步发送用于完成针对所述特定场境的所述任务的信息。
3.根据权利要求1-2中任一项所述的方法，其中，用于完成针对所述特定场境的所述任务的信息是第一信息，所述方法还包括：
由所述计算***确定用于完成针对不包括所述特定场境的不同场境的任务的与所述第一信息不同的第二信息。
4.根据权利要求1-3中任一项所述的方法，其中，所述第一可能性程度至少部分地基于来自所述计算设备组针对所述特定场境的相关联的第一搜索历史中的、与所述任务相关联的第一搜索的第一数量来确定的，并且所述第二可能性程度至少部分地基于来自第二组计算设备针对所述更广泛场境的相关联的第二搜索历史中、与所述任务相关联的搜索的第二数量来确定。
5.根据权利要求1-4中任一项所述的方法，其特征在于下面中的至少一个：
所述特定场境包含第一时间量，并且所述更广泛场境包含大于所述第一时间量的第二时间量；或者
所述特定场境与第一地理区域相关联，并且所述更广泛场境与包括所述第一地理区域和至少一个其它地理区域的第二地理区域相关联。
6.根据权利要求1-5中任一项所述的方法，其中，用于完成针对所述特定场境的所述任务的信息基于来自所述计算设备组的相关联的所述搜索历史中的至少一个搜索结果。
7.一种计算***，包括：
至少一个处理器；以及
至少一个模块，所述至少一个模块可由所述至少一个处理器操作以：
基于与计算设备组针对特定场境的相关联的搜索历史来识别由所述计算设备组的用户针对所述特定场境执行的任务；
确定由所述计算设备组的所述用户针对所述特定场境执行所述任务的第一可能性程度；
确定由所述计算设备组的所述用户针对包括所述特定场境和至少一个其它场境的更广泛场境执行所述任务的第二可能性程度；以及
响应于确定所述第一可能性程度超过所述第二可能性程度阈值量，并且特定计算设备的当前场境对应于所述特定场境，向所述特定计算设备发送用于完成针对所述特定场境的所述任务的信息。
8.根据权利要求7所述的计算***，其中，所述第一可能性程度至少部分地基于来自所述计算设备组针对所述特定场境的相关联的所述搜索历史中的、与所述任务相关联的搜索的第一数量和来自所述计算设备组针对所述特定场境的相关联的所述搜索历史中的搜索总量来确定。
9.根据权利要求7-8中任一项所述的计算***，其中，所述特定场境与第一位置相关联，并且所述更广泛场境与包括所述第一位置和至少一个其它位置的多个位置相关联，并且其中所述多个位置中每一个与相同的运输方式相关联。
10.根据权利要求7-9中任一项所述的计算***，其中，所述计算设备组不包括所述特定计算设备。
11.根据权利要求7-10中任一项所述的计算***，其中，所述至少一个模块可由所述至少一个处理器进一步操作以响应于确定所述第一可能性程度不超过所述第二可能性程度所述阈值量，避免向所述特定计算设备发送用于完成针对所述特定场境的所述任务的信息。
12.根据权利要求7-11中任一项所述的计算***，其中，所述至少一个模块还可由所述至少一个处理器操作以：
确定由所述计算设备组的所述用户针对所述特定场境执行第二任务的第三可能性程度，其中，基于所述计算设备组针对所述特定场境的相关联的所述搜索历史来进一步识别所述第二任务；以及
确定所述第二任务由所述计算设备组的所述用户针对包括所述特定场境和至少一个其它场境的所述更广泛场境执行所述第二任务的第四可能性程度；以及
响应于确定所述第三可能性程度超过所述第四可能性程度所述阈值量，并且所述特定计算设备的所述当前场境对应于所述特定场境，向所述特定计算设备发送用于完成针对所述特定场境的所述第二任务的信息。
13.根据权利要求12所述的计算***，其中，所述至少一个模块可由所述至少一个处理器进一步操作，以：
确定所述第一可能性程度与所述第二可能性程度之间的第一差异；
确定所述第三可能性程度与所述第四可能性程度之间的第二差异；
基于所述第一差异和所述第二差异来确定所述第一任务和所述第二任务的排序；以及
向所述计算设备发送所述排序用于在输出所述第一信息与所述第二信息之间的优先处理。
14.根据权利要求7-13中任一项所述的计算***，其中，所述任务包括从所述特定计算设备的当前位置导航到特定位置，并且所述信息包括从所述当前位置行进到所述特定位置的一个或多个建议。
15.一种***，包括用于执行权利要求1-6中任一项所述的方法的装置。
CN201680019076.6A 2015-05-26 2016-04-12 针对特定场境预测用户需求 Active CN107430624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110183535.7A CN112948672A (zh) 2015-05-26 2016-04-12 针对特定场境预测用户需求

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US14/721,613 US9940362B2 (en) 2015-05-26 2015-05-26 Predicting user needs for a particular context
US14/721,613 2015-05-26
PCT/US2016/027074 WO2016190972A1 (en) 2015-05-26 2016-04-12 Predicting user needs for a particular context

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202110183535.7A Division CN112948672A (zh) 2015-05-26 2016-04-12 针对特定场境预测用户需求

Publications (2)

Publication Number Publication Date
CN107430624A true CN107430624A (zh) 2017-12-01
CN107430624B CN107430624B (zh) 2021-03-09

Family

ID=55863213

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202110183535.7A Pending CN112948672A (zh) 2015-05-26 2016-04-12 针对特定场境预测用户需求
CN201680019076.6A Active CN107430624B (zh) 2015-05-26 2016-04-12 针对特定场境预测用户需求

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202110183535.7A Pending CN112948672A (zh) 2015-05-26 2016-04-12 针对特定场境预测用户需求

Country Status (8)

Country Link
US (2) US9940362B2 (zh)
EP (1) EP3304344A1 (zh)
JP (3) JP6462896B2 (zh)
KR (1) KR101988151B1 (zh)
CN (2) CN112948672A (zh)
DE (1) DE112016002366T5 (zh)
GB (3) GB2558985B (zh)
WO (1) WO2016190972A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108920507A (zh) * 2018-05-29 2018-11-30 宇龙计算机通信科技(深圳)有限公司 自动搜索方法、装置、终端及计算机可读存储介质
CN108985834A (zh) * 2018-07-06 2018-12-11 成都小时代科技有限公司 一种预测订单价值的方法及***

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10231076B1 (en) 2016-09-16 2019-03-12 Wells Fargo Bank, N.A. Systems and methods for providing contextual recommendations
US10963466B2 (en) * 2017-01-16 2021-03-30 Lenovo (Singapore) Pte. Ltd. Contextual associations for entity queries
US10909124B2 (en) 2017-05-18 2021-02-02 Google Llc Predicting intent of a search for a particular context
US10671759B2 (en) 2017-06-02 2020-06-02 Apple Inc. Anonymizing user data provided for server-side operations
US10599640B2 (en) 2017-12-19 2020-03-24 At&T Intellectual Property I, L.P. Predictive search with context filtering
CN110321012A (zh) * 2018-03-30 2019-10-11 北京金山安全软件有限公司 一种空上文词预测方法、装置及电子设备
KR20230156166A (ko) * 2018-08-31 2023-11-13 구글 엘엘씨 동적 키보드 인터페이스에 의해 제시하기 위한 애니메이션 이미지 생성 방법 및 시스템
KR102634375B1 (ko) 2018-08-31 2024-02-06 구글 엘엘씨 동적 키보드 인터페이스내의 애니메이션 이미지 포지셔닝 방법 및 시스템
US11416755B2 (en) * 2019-08-30 2022-08-16 Accenture Global Solutions Limited Artificial intelligence based system and method for controlling virtual agent task flow
WO2021050047A1 (en) 2019-09-10 2021-03-18 Google Llc Location-based mode(s) for biasing provisioning of content when an automated assistant is responding to condensed natural language inputs
EP4058905A1 (en) * 2019-12-05 2022-09-21 Google LLC Systems and methods for low-latency provision of content
JP7312134B2 (ja) * 2020-03-19 2023-07-20 ヤフー株式会社 学習装置、学習方法及び学習プログラム
US20220027413A1 (en) * 2020-07-21 2022-01-27 Rivian Ip Holdings, Llc Inline search query refinement for navigation destination entry

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002269129A (ja) * 2001-03-09 2002-09-20 Toshiba Corp 位置情報利用装置および方法
US20070136264A1 (en) * 2005-12-13 2007-06-14 Tran Bao Q Intelligent data retrieval system
CN102667839A (zh) * 2009-12-15 2012-09-12 英特尔公司 在用户行为的趋势分析和简档建立以及基于模板的预测中使用概率技术以便提供推荐的***、装置和方法
US20120284256A1 (en) * 2011-05-06 2012-11-08 Microsoft Corporation Location-aware application searching
US20130006904A1 (en) * 2011-06-30 2013-01-03 Microsoft Corporation Personal long-term agent for providing multiple supportive services
US20130103624A1 (en) * 2011-10-20 2013-04-25 Gil Thieberger Method and system for estimating response to token instance of interest
CN103116588A (zh) * 2011-11-17 2013-05-22 腾讯科技（深圳）有限公司 一种个性化推荐方法及***
US8661121B1 (en) * 2011-04-11 2014-02-25 Google Inc. System and method for providing location reporting services
CN103635896A (zh) * 2011-05-04 2014-03-12 谷歌公司 预测用户导航事件
CN103646020A (zh) * 2012-03-30 2014-03-19 三星电子株式会社 使用相关的情况感知推荐
CN103886090A (zh) * 2014-03-31 2014-06-25 北京搜狗科技发展有限公司 基于用户喜好的内容推荐方法及装置
US20140188956A1 (en) * 2012-12-28 2014-07-03 Microsoft Corporation Personalized real-time recommendation system
CN104040584A (zh) * 2012-01-03 2014-09-10 谷歌公司 基于预测的用户兴趣来选择内容格式
CN104115147A (zh) * 2012-02-16 2014-10-22 微软公司 位置感知应用搜索
US20150006553A1 (en) * 2013-06-28 2015-01-01 Sap Ag Context aware recommendation
CN104391967A (zh) * 2014-12-03 2015-03-04 武汉邮电科学研究院 一种基于多源数据分析的就诊推荐方法
CN104520881A (zh) * 2012-06-22 2015-04-15 谷歌公司 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

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002236699A (ja) * 2001-02-09 2002-08-23 Asahi Kasei Corp 情報検索システム及び管理用サーバ並びに制御用プログラム
CN101819609A (zh) * 2001-09-21 2010-09-01 无线谷通讯有限公司 用于设计、跟踪、测量、预测和优化数据通信网络的***和方法
JP2003233694A (ja) * 2002-02-12 2003-08-22 Space Tag Inc くじシステム、くじ購入端末、くじ販売サーバ、当たりくじの決定方法、および記録媒体
US7225187B2 (en) * 2003-06-26 2007-05-29 Microsoft Corporation Systems and methods for performing background queries from content and activity
US7571157B2 (en) * 2004-12-29 2009-08-04 Aol Llc Filtering search results
US8051162B2 (en) * 2006-07-28 2011-11-01 Hewlett-Packard Development Company, L.P. Data assurance in server consolidation
US8738606B2 (en) * 2007-03-30 2014-05-27 Microsoft Corporation Query generation using environment configuration
JP2009110466A (ja) * 2007-11-01 2009-05-21 Nippon Telegr & Teleph Corp <Ntt> 検索結果提示方法，サイト検索サービス用サーバ，サイト検索サービスプログラム，そのプログラムを記録した記録媒体
US8051076B1 (en) * 2007-12-13 2011-11-01 Google Inc. Demotion of repetitive search results
US7831595B2 (en) * 2007-12-31 2010-11-09 Yahoo! Inc. Predicting and ranking search query results
US8775416B2 (en) 2008-01-09 2014-07-08 Yahoo!Inc. Adapting a context-independent relevance function for identifying relevant search results
US20100241663A1 (en) * 2008-02-07 2010-09-23 Microsoft Corporation Providing content items selected based on context
JP5215098B2 (ja) * 2008-09-17 2013-06-19 オリンパス株式会社 情報処理システム、プログラム及び情報記憶媒体
US8515950B2 (en) * 2008-10-01 2013-08-20 Microsoft Corporation Combining log-based rankers and document-based rankers for searching
US8161556B2 (en) * 2008-12-17 2012-04-17 Symantec Corporation Context-aware real-time computer-protection systems and methods
FR2943877B1 (fr) 2009-03-24 2014-04-04 Streamwide Procede et dispositif de stockage d'une partie d'un flux video
WO2010126412A1 (en) * 2009-04-28 2010-11-04 Telefonaktiebolaget Lm Ericsson (Publ) Predicting presence of a mobile user equipment
JP2010287048A (ja) * 2009-06-11 2010-12-24 Zenrin Datacom Co Ltd 情報検索装置、情報検索プログラム、及び携帯端末装置
JP2011076186A (ja) * 2009-09-29 2011-04-14 Kddi Corp 操作支援装置、操作支援方法およびプログラム
US8301639B1 (en) * 2010-01-29 2012-10-30 Google Inc. Location based query suggestion
EP2372577A1 (en) * 2010-03-31 2011-10-05 British Telecommunications public limited company Context system
JP2012014675A (ja) * 2010-06-01 2012-01-19 Ntt Docomo Inc サーバ装置、プログラム及び検索エリア推定方法
US20120158685A1 (en) 2010-12-16 2012-06-21 Microsoft Corporation Modeling Intent and Ranking Search Results Using Activity-based Context
US8639719B2 (en) 2011-02-02 2014-01-28 Paul Tepper Fisher System and method for metadata capture, extraction and analysis
US20120310746A1 (en) * 2011-06-06 2012-12-06 Microsoft Corporation Learned context correlation through network communication observations
CN102509170A (zh) * 2011-10-10 2012-06-20 浙江鸿程计算机***有限公司 一种基于历史轨迹数据挖掘的位置预测***及方法
US8352546B1 (en) * 2011-12-08 2013-01-08 Google Inc. Contextual and location awareness for device interaction
US20130159404A1 (en) * 2011-12-19 2013-06-20 Nokia Corporation Method and apparatus for initiating a task based on contextual information
US9047620B2 (en) * 2012-03-21 2015-06-02 Google Inc. Expected activity of a user
JP5813560B2 (ja) * 2012-04-10 2015-11-17 日本電信電話株式会社 検索条件提示装置、方法、及びプログラム
KR101482756B1 (ko) * 2013-08-07 2015-01-14 네이버 주식회사 의미적 지역을 기반으로 검색어를 추천하는 방법 및 시스템
US9378456B2 (en) 2012-11-19 2016-06-28 Microsoft Technology Licensing, Llc Task completion
US9483518B2 (en) * 2012-12-18 2016-11-01 Microsoft Technology Licensing, Llc Queryless search based on context
DE102013201930A1 (de) * 2013-02-06 2014-08-07 Bayerische Motoren Werke Aktiengesellschaft Verfahren und Vorrichtung zur Datenverarbeitung einer Navigationseinrichtung
CN104008203B (zh) * 2014-06-17 2018-04-17 浙江工商大学 一种融入本体情境的用户兴趣挖掘方法
US10176262B2 (en) * 2015-05-13 2019-01-08 Telenav, Inc. Navigation system with synthesized search mechanism and method of operation thereof

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002269129A (ja) * 2001-03-09 2002-09-20 Toshiba Corp 位置情報利用装置および方法
US20070136264A1 (en) * 2005-12-13 2007-06-14 Tran Bao Q Intelligent data retrieval system
CN102667839A (zh) * 2009-12-15 2012-09-12 英特尔公司 在用户行为的趋势分析和简档建立以及基于模板的预测中使用概率技术以便提供推荐的***、装置和方法
US8661121B1 (en) * 2011-04-11 2014-02-25 Google Inc. System and method for providing location reporting services
CN103635896A (zh) * 2011-05-04 2014-03-12 谷歌公司 预测用户导航事件
US20120284256A1 (en) * 2011-05-06 2012-11-08 Microsoft Corporation Location-aware application searching
US20130006904A1 (en) * 2011-06-30 2013-01-03 Microsoft Corporation Personal long-term agent for providing multiple supportive services
US20130103624A1 (en) * 2011-10-20 2013-04-25 Gil Thieberger Method and system for estimating response to token instance of interest
CN103116588A (zh) * 2011-11-17 2013-05-22 腾讯科技（深圳）有限公司 一种个性化推荐方法及***
CN104040584A (zh) * 2012-01-03 2014-09-10 谷歌公司 基于预测的用户兴趣来选择内容格式
CN104115147A (zh) * 2012-02-16 2014-10-22 微软公司 位置感知应用搜索
CN103646020A (zh) * 2012-03-30 2014-03-19 三星电子株式会社 使用相关的情况感知推荐
CN104520881A (zh) * 2012-06-22 2015-04-15 谷歌公司 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
US20140188956A1 (en) * 2012-12-28 2014-07-03 Microsoft Corporation Personalized real-time recommendation system
US20150006553A1 (en) * 2013-06-28 2015-01-01 Sap Ag Context aware recommendation
CN103886090A (zh) * 2014-03-31 2014-06-25 北京搜狗科技发展有限公司 基于用户喜好的内容推荐方法及装置
CN104391967A (zh) * 2014-12-03 2015-03-04 武汉邮电科学研究院 一种基于多源数据分析的就诊推荐方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NICHOLAS D. LANE等: "Hapori: Context-based Local Search for Mobile Phones using Community Behavioral Modeling and Similarit", 《PROCEEDINGS OF THE 12TH ACM INTERNATIONAL CONFERENCE ON UBIQUITOUS COMPUTING》 *
RYEN W. WHITE: "Predicting short-term interests using activity-based search context", 《PROCEEDINGS OF THE 19TH ACM INTERNATIONAL CONFERENCE ON INFORMATION AND KNOWLEDGE MANAGEMENT》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108920507A (zh) * 2018-05-29 2018-11-30 宇龙计算机通信科技(深圳)有限公司 自动搜索方法、装置、终端及计算机可读存储介质
CN108985834A (zh) * 2018-07-06 2018-12-11 成都小时代科技有限公司 一种预测订单价值的方法及***
CN108985834B (zh) * 2018-07-06 2021-11-26 成都深云智能科技有限公司 一种预测订单价值的方法及***

Also Published As

Publication number Publication date
JP2018523178A (ja) 2018-08-16
GB202103264D0 (en) 2021-04-21
GB2590860A (en) 2021-07-07
JP6843827B2 (ja) 2021-03-17
US10650005B2 (en) 2020-05-12
GB201715672D0 (en) 2017-11-08
GB2595028A (en) 2021-11-17
US9940362B2 (en) 2018-04-10
KR101988151B1 (ko) 2019-09-30
JP2021099832A (ja) 2021-07-01
CN107430624B (zh) 2021-03-09
US20160350383A1 (en) 2016-12-01
GB2558985B (en) 2021-11-24
GB2595028B (en) 2022-04-20
JP6462896B2 (ja) 2019-01-30
CN112948672A (zh) 2021-06-11
GB202103289D0 (en) 2021-04-21
US20180189358A1 (en) 2018-07-05
DE112016002366T5 (de) 2018-02-15
GB2558985A (en) 2018-07-25
JP2019075160A (ja) 2019-05-16
GB2590860B (en) 2021-12-22
WO2016190972A1 (en) 2016-12-01
KR20170124581A (ko) 2017-11-10
EP3304344A1 (en) 2018-04-11
JP7404296B2 (ja) 2023-12-25

Similar Documents

Publication Publication Date Title
CN107430624A (zh) 针对特定场境预测用户需求
EP3329411B1 (en) Classifying user behavior as anomalous
CN107004408B (zh) 用于基于将语义知识图的至少一部分转换为概率状态图来确定口语对话中的用户意图的方法和***
CN106416318B (zh) 确定与邻近计算设备相关联的数据的方法、设备和***
CN111149100B (zh) 基于命名实体的解析和识别确定跨文档的修辞相互关系
US20170316324A1 (en) Computerized Event-Forecasting System and User Interface
US20200234168A1 (en) Detecting and correcting potential errors in user behavior
US20150209616A1 (en) Recommended modes of transportation for achieving fitness goals
US20180336200A1 (en) Predicting intent of a search for a particular context
JP2019506664A (ja) ディープラーニングモデルを用いたエンティティの識別
CN109241125A (zh) 用于挖掘和分析数据以标识洗钱者的反洗钱平台
US10909606B2 (en) Real-time in-venue cognitive recommendations to user based on user behavior
US20180239637A1 (en) Contextual application organizer framework for user life events
US11922332B2 (en) Predictive learner score
US20230020864A1 (en) Social network for merchants
KR20210063649A (ko) 빅 데이터 기반의 감성정보를 반영한 관광지 정보 제공 시스템 및 그 구동방법
US11928607B2 (en) Predictive learner recommendation platform
Hashemi Intelligent GPS trace management for human mobility pattern detection
Xiang et al. Camer: a context-aware mobile service recommendation system
Veglis Interactive Data Visualization
CN107798058A (zh) 基于其他用户的兴趣来输出内容
Nagireddy StoryNet: A 5W1H-Based Knowledge Graph to Connect Stories
Saxena et al. Information Overload
Zhang Integrated Data System

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: American California

Applicant after: Google limited liability company

Address before: American California

Applicant before: Google Inc.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant