CN117474477A - 基于机器学习建议动作 - Google Patents

基于机器学习建议动作 Download PDF

Info

Publication number
CN117474477A
CN117474477A CN202311404340.6A CN202311404340A CN117474477A CN 117474477 A CN117474477 A CN 117474477A CN 202311404340 A CN202311404340 A CN 202311404340A CN 117474477 A CN117474477 A CN 117474477A
Authority
CN
China
Prior art keywords
user
application
user device
functions
subset
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
Application number
CN202311404340.6A
Other languages
English (en)
Inventor
戈尔登·戈帕尔·克里希南
卡尔·芒努斯·博尔格
米罗斯拉夫·博伊茨
亨利·欧文·牛顿-邓恩
雅各布·M·克林克尔
敏迪·佩雷拉
德温·曼库索
丹尼尔·琼·亨·帕克
丽莉·辛
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
Publication of CN117474477A publication Critical patent/CN117474477A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G06F9/453—Help systems
    • 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
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Human Computer Interaction (AREA)
  • Computational Linguistics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本文件涉及基于机器学习建议动作。这些技术确定用户希望执行的任务，并呈现通过其执行所述任务的用户界面。为了确定所述任务，这些技术能够分析在所述用户设备上显示的内容或分析所述用户和所述用户设备的场境。利用所述确定的任务，这些技术确定可以帮助用户执行所述任务的动作。通过分析可能或可能不在所述用户设备上执行或安装的应用的功能，所述动作被进一步确定为可执行。在确定了一些所述应用功能的子集后，这些技术经由所述用户界面显示功能子集。通过这种方式，这些技术使用户能够更轻松、快速或使用较少的计算资源来完成任务。

Description

基于机器学习建议动作
分案说明
本申请属于申请日为2018年9月12日的中国发明专利申请No.201880028830.1的分案申请。
相关申请的交叉引用
本申请要求2018年5月8日提交的美国实用专利申请15/974,284的优先权，后者又根据美国法典35U.S.C.§119(e)要求2017年12月20日提交的美国临时专利申请62/608,270的优先权，其公开内容都通过引用以其整体并入本文。
背景技术
计算设备的用户经常具有多个对他可用的应用，这些应用可以帮助他执行任务。然而，访问与用户正在主动执行的任务有关的特定应用通常很复杂，并且需要用户进行多个导航步骤。此外，一旦用户访问了特定应用，该特定应用本身就可能与手头任务的细节无关，要求用户导航多个附加菜单并用与该任务有关的信息填充输入栏。
例如，在一个实例中，用户可能具有在计算设备上同时运行的多个应用，其中计算设备按时间顺序将多个应用的各个窗口布置在平面列表中。为了访问可能与用户正在主动执行的任务有关的特定应用，用户可能必须翻转或滚动按时间顺序排列的窗口才能找到特定应用。作为另一示例实例，如果用户没有活动的特定应用，则他可能不得不在计算设备的多层图标或文件结构中导航以定位特定应用。此外，在两个示例实例中，一旦用户访问了特定应用，则他可能必须导航特定应用的菜单并手动输入与执行任务有关的数据。通常，计算设备要求用户访问特定应用以执行任务的当前技术效率低下。
因此，需要更高效、方便和/或用户友好的计算机界面，尤其是对于其中较小屏幕可能使导航更加困难和效率低下的移动设备。
发明内容
在一些方面，描述了一种方法。该方法包括分析与占用用户设备的显示器的一部分的窗口相关联的内容，其中该窗口与用户正在与之交互的第一应用相关联。基于分析的内容，识别用户正在执行的任务。在识别任务之后，确定用户将经由第二应用执行的建议动作。然后，通过用户界面确定并呈现第二应用的并且能够执行建议动作的功能子集，其中通过该用户界面来指示第二应用执行功能子集。
可选地，该用户界面是有限功能的用户界面。
可选地，该用户界面占用显示器的另一部分。
可选地，显示器的该另一部分与该窗口占用的显示器部分重叠。
可选地，其中，确定待执行的建议动作还基于与用户或用户设备相关联的场境。
可选地，分析与该窗口相关联的内容包括分别经由文本识别或图像处理来分析文本内容或图像内容。
可选地，分析与该窗口相关联的内容包括经由音频处理分析音频内容。
可选地，确定待由用户经由第二应用执行的建议动作包括确定待经由第二应用执行的建议动作被存储在用户设备本地的计算机可读存储介质中。
可选地，功能子集包括第二应用被配置以执行的一个或更多功能，该一个或更多功能比通过与第二应用相关联的多个界面中的单个界面可选择的全部功能集少。
可选地，其中，确定建议动作无需第二应用在用户设备上的安装实例，并且还包括在确定建议动作之后安装第二应用。
可选地，功能子集包括多个可选动作。
另一方面，描述了一种方法。该方法包括将用户与用户设备相关联。然后基于与用户和用户设备相关联的当前时间、位置、状况或活动来确定场境。执行分析以分析该场境和其它场境之间的关联，其中，其它场境包括与用户和用户设备相关联的先前场境或与不同用户或不同用户设备相关联的不同场境。基于该分析，确定要由用户经由预测的应用执行的预测的动作，由此确定能够执行该预测的动作的功能子集。然后，通过用户界面呈现功能子集，通过该用户界面指示预测的应用以执行功能子集。
可选地，该用户界面是有限功能的用户界面。
可选地，确定将经由预测的应用执行的预测的动作还基于与占用用户设备的显示器的一部分的窗口相关联的分析的内容。
可选地，将用户与用户设备相关联基于用户的面部识别、用户的语音识别、与用户相关联的射频标识符(RFID)标签、视网膜扫描或用户登录到用户设备。
可选地，确定场境依赖于从用户设备的传感器接收的信号，传感器从包括光传感器、红外传感器、GPS传感器、相机、麦克风或***设备传感器的列表中选择。
可选地，预测的应用不在该方法期间执行。
可选地，功能子集包括第二应用被配置以执行的一个或更多功能，该一个或更多功能比通过与第二应用相关联的多个界面中的单个界面可选择的全部功能集少。
可选地，该另一场境是不同的先前场境，并且该不同场境是从不同于用户设备的设备接收的。
又另一方面，描述了一种装置。该装置包括显示器、处理器以及存储指令的计算机可读存储介质。在被处理器执行后，指令使该装置将用户与该装置相关联，并基于与用户和装置相关联的当前时间、位置、状况或活动来确定场境。然后，该装置执行分析以分析该场境与其它场境之间的关联，其中该其它场境包括与该用户和该装置相关联的先前场境或与不同用户或不同装置相关联的不同场境。基于该分析，该装置然后确定用户将通过预测的应用执行的预测的动作，由此确定能够执行该预测的动作的功能子集。然后，通过用户界面并在显示器上呈现功能子集，其中用户界面被配置成使用户能够指示预测的应用执行功能子集。
可选地，所确定的功能子集的确定还基于在显示器上呈现的界面内的内容，该内容和界面与当前执行的应用相关联。
可选地，该装置还包括一个或更多传感器，以检测与所确定的场境相关联的当前时间、位置、状况或活动。
可选地，该装置还包括用于将用户与装置相关联的硬件，该硬件被配置成执行面部识别、语音识别、射频标识符(RFID)检测或视网膜扫描功能。
可选地，功能的确定子集包括预测的应用被配置以执行的一个或更多功能，该一个或更多功能比通过与预测的应用相关联的多个界面中的单个界面可选择的全部功能集少。
上述方法可作为计算机程序实现，其包括操作计算机(例如，移动设备，诸如智能电话)的程序指令。该计算机程序可被存储在计算机可读介质上。
此外，上述方法可在一种设备内实现，该装置包括显示器、至少一个处理器以及计算机可读存储介质，该计算机可读存储介质存储在被处理器执行时引起该装置执行任何方法的指令。
应注意，上述任何特征都可与本发明的任何特定方面或实施例一起使用。
这些方法、装置和/或实施例中的任何一个或多个所提供的改进包括但不限于允许用户对设备的浏览更快、更高效，涉及较少的个体交互事件(需要由用户设备解释)，提供更方便的用户体验，并通过减少所需的计算资源来改进用户设备(尤其是移动用户设备)的功能。
在一些示例实施方式中，内容可以是窗口内的任何项目或组件(例如应用)。使用该一个或多个应用中的应用执行任何用户交互或动作任务。例如，功能可以是可由应用执行的任何动作或例程。场境可包括但不限于：位置、方向、当前用途、年龄、电池电量、温度、天气或用户和/或设备或与之相关联的任何其它物理状况。
在附图和以下描述中阐述了一种或多种实施方式的细节。根据描述和附图以及根据权利要求书，其它特征和优点将显而易见。提供本发明内容是为了介绍在具体实施方式和附图中进一步描述的主题。因而，读者不应认为发明内容描述了必要特征或限制了所要求保护的主题的范围。
详细描述
本文件描述了用于基于机器学习来建议动作的技术。这些技术确定用户期望执行的任务，并呈现通过其执行任务的用户界面。为了确定该任务，这些技术能够分析在用户设备上显示的内容或分析用户和用户设备的场境。利用该确定的任务，这些技术确定可帮助用户执行任务的动作。通过分析可能或可能不正在用户设备上执行或安装在用户设备上的应用的功能，该动作被进一步确定为可执行。在确定了应用功能的某些子集后，这些技术经由用户界面呈现功能子集。通过这种方式，这些技术使用户能够轻松、快速或使用较少的计算资源完成任务。
在本文件中描述了有限功能的用户界面，称为“切片”。切片是一种轻量级用户界面，它提供了应用的有限功能，并呈现在设备显示器的一部分中。切片能够呈现通过其快速而轻松地借助于相应动作执行任务的功能。例如，切片可能包含可选择的文本或图标，这些文本或图标在被选中时引起设备执行建议动作，诸如启动应用、发送文本消息、捕捉图像、创建日历事件或发起电话呼叫。
通过确定与任务相关的建议动作，机器学习模块使正在执行任务的用户能够更高效且有效地行动；用户不必翻转或滚动浏览多个按时间排序的窗口，也不必导航多层图标或文档结构，也不必手动输入与执行任务有关的数据。替代地，用户可以通过切片或其它有限功能的用户界面轻松地选择功能，包括自动查找与任务相关的数据的功能。
附图说明
本文件描述了基于机器学习建议动作的一个或多个方面的详细信息。在说明和附图中的不同实例中使用的相同附图标记可指示相似的元件：
图1示出了其中用户设备基于机器学习提供建议的后续步骤的示例操作环境。
图2示出了与用户设备相关联的细节的示例，用户设备呈现与基于与用户设备的显示器的窗口相关联的内容建议的动作相关联的功能子集。
图3示出与用户设备相关联的细节的示例，用户设备呈现与基于用户正在执行的任务建议的动作相关联的功能子集。
图4示出与用户设备相关联的细节的示例，用户设备呈现与基于用户正在执行的任务和各种场境建议的动作相关联的功能子集。
图5示出与用户设备相关联的细节的示例，用户设备呈现与基于各种场境预测的动作相关联的功能子集。
图6示出一种示例方法，其用于呈现与基于与用户设备的显示器的窗口相关联的内容建议的动作相关联的功能子集。
图7示出一种示例方法，其用于呈现与基于各种场境预测的动作相关联的功能子集。
具体实施方式
图1示出示例操作环境100，其中用户设备基于机器学习提供建议的动作。操作环境100包括用户设备102。用户设备102的示例配置包括智能手机102-1、计算眼镜102-2、膝上型计算机102-3、智能冰箱102-4以及电视机102-5。
用户设备102包括处理器104、显示器106以及一个或多个计算机可读存储介质(CRM)108。在某些情况下，处理器104是应用处理器(例如，多核处理器)或具有其中集成了用户设备的其它组件***芯片(SoC)。CRM 108可包括任何合适类型的存储器介质或存储介质，诸如只读存储器(ROM)、可编程ROM(PROM)、随机存取存储器(RAM)、静态RAM(SRAM)或闪存。CRM 108还可以以机器学习模块110(包括应用监视器112和场境监视器114)、一个或多个应用116以及切片模块118的形式存储代码或可执行指令的模块。
在用户与用户设备102的应用交互以执行任务(例如，与一个或多个应用116中的应用交互)时，处理器104可执行机器学习模块110的代码以识别执行正在执行的任务，并确定建议的操作，如果经由另一应用(例如，一个或多个应用116中的另一应用)执行，则该建议的动作可帮助用户执行任务。这可以包括例如执行应用监视器112的代码以分析与占用显示器106的一部分的窗口相关联的内容，该窗口诸如为与用户与其交互的一个或多个应用116中的应用相关联的窗口。与窗口相关联的这种内容可包括文本内容、图像内容或音频内容。此外，其它应用可能处于休眠状态，在后台执行或以其它方式未启动，并且因此实际上已对用户隐藏。
处理器104还可执行机器学习模块110的代码，以确定可能与用户正在执行的任务有关的场境。例如，处理器可执行场境监视器114的代码，以基于与时间、位置、状况或活动有关的一个或多个因素来确定与用户和用户设备相关联的场境。在某些情况下，一个或多个因素可以由用户设备102本地的传感器或电路检测，而在其它情况下，一个或多个因素可被传达给用户设备102。
场境监视器114还可包括下列代码，其在由处理器104执行时分析该场境和其它场境之间的关联，包括与用户和用户设备102相关联的先前场境或与不同用户或不同用户设备相关联的不同场境。执行场境监视器114的代码可以从分析中确定将由用户经由预测的应用执行的预测的动作。预测的应用可能处于休眠状态，在后台执行或以其它方式对用户不可见，但这不是必需的，因为预测的应用可能可见，并且处于前景中。
在确定相应动作和应用(例如，建议动作/应用或预测的动作/应用)之后，处理器104还可以执行切片模块118的代码。执行切片模块118的代码可以基于相应动作确定能够执行相应动作的相应应用的功能子集。
然后，经由继续执行切片模块118的代码，可以经由诸如上述切片的具有有限功能性的用户界面向用户呈现该功能子集。该切片是占用用户设备102的显示器106一部分的轻量型、有限功能的用户界面。在这种情况下，功能子集的呈现提供了界面，通过该界面可以指示相应的应用执行该子集功能。
通常，开发人员可以将一个或多个应用116的代码修改为与切片模块118兼容。对一个或多个应用116的代码进行修改可以包括，例如，对处理器104启用有限数据集(由一个或多个应用116管理)，向处理器104提供对可选控制命令的有限集合的访问，等等。实际上，这些修改导致有限功能的应用。
在某些情况下，处理器104可以执行切片模块118的代码以提供应用(例如，一个或多个应用116之一)功能的变化子集，甚至包括一个或多个应用116的所有潜在功能。这些情况可以取决于开发者已经将应用116中的一个修改为与切片模块118兼容的程度，或者完全独立于应用116的任何修改。切片模块118可以从用于用户界面的各种不同的功能子集中进行选择，从一个到多个，诸如基于用户设备102的显示器106中的可用空间，用户设备102的可用计算能力，可能与相应动作相关联的多个步骤等等。
操作环境100还可以包括经由网络122连接到用户设备102的远程计算设备120。经由网络122的连接可以包括例如与Wi-Fi网络的Wi-Fi连接、与局域网(LAN)的有线连接以及与全球移动***(GSM)网络的无线移动连接中的一个或多个。
类似用户设备102(例如，用户本地的用户设备)，远程计算设备120包括处理器124和计算机可读存储介质(CRM)126。CRM 126还存储机器学习模块128(包括应用监视器130和场境监视器132)，以及一个或多个应用134和切片模块136。在某些情况下，远程计算设备120的处理器124可执行存储的代码模块或CRM 126的可执行指令或其部分，以增强或替换在用户设备102本地执行的功能。在这些情况下，通信能够经由网络122在远程计算设备120和用户设备102之间发生，以便用户设备102经由占用计算设备的显示器106的一部分的切片，来呈现作为将动作呈现给用户设备102的用户的功能子集。
另外，在又一些其它情况下，远程计算设备120的一个或多个应用134中的应用可以用作用户设备102本地的一个或多个应用116中的应用的化身，或者如果该应用仅存储在远程计算设备120的CRM 126中而未存储在用户设备102的CRM 108中则使用该应用。在这些情况下，可以经由占用用户设备102的显示器106的一部分的切片来呈现一个或多个应用134中的应用的功能子集。
图2示出了与用户设备相关联的细节200的示例，细节200呈现与建议动作相关联的功能子集，该建议动作基于与用户设备的显示器的窗口相关联的内容。该用户设备可为图1的用户设备102。如图所示，用户设备102使用机器学习以分析与窗口202相关联的内容。
如图2的示例中所示，与用户正在与之交互的应用相关联的窗口202占用了显示器106的一部分。此外，该应用(例如，名为chatterbox的聊天应用)以文本通信的形式在窗口202中呈现内容。为了分析内容，用户设备102的处理器104可以执行存储在机器学习模块110的应用监视器112中的代码。如图所示，代码的执行经由文本识别来分析文本内容204-1和文本内容204-2。基于分析，用户设备102识别出用户正在执行安排28日上午11点在Lale’s的早午餐的任务。为了协助用户执行任务，用户设备102确定用户将经由另一应用(例如，来自一个或多个应用116的日历应用)执行的建议动作(例如，安排早午餐)。
继续参考该示例，用户设备102的处理器104执行与切片模块118相关联的代码以与日历应用交互(即使日历应用未启动或未激活)，以呈现与安排早午餐的建议动作相关联的功能子集。尽管日历应用为用户提供了许多功能(例如，标记用户的日历、安排定期会议、每月/每周检视、联系人列表条目等)，但用户设备102确定通过能够执行建议动作的日历应用可用的功能子集206(例如，“生成事件”功能)。然后，用户设备102呈现切片208，该切片208被格式化为占用显示器106的一部分，该部分能够重叠、叠加在显示器的未被窗口202占用的部分上，或者处于该部分中。在这种情况下，建议动作(例如，安排早午餐)经由呈现可选择动作(例如，日历应用的与“创建事件”相对应的功能子集206)的切片208来呈现。还应注意，与任务有关的相关数据会自动处理，在这里，用户不仅能够快速轻松地创建事件，而且事件中包含正确的数据——日期(即6月28日)、位置(Lale’s)以及用户的陪同人员姓名。
分析内容以生成切片的其它示例包括：基于对用户正在播放的应用(这里的应用具有示出艺术家也在音乐会上演奏的音乐视频的窗口)的音频和视频内容的分析，建议用户购买音乐会门票。另一示例是其中机器学习模块110经由有限功能的用户界面，基于在社交媒体应用中被标记或识别的朋友(由用户或在用户正在与之互动的相关应用中)来建议给朋友打电话。在这些情况下，用户可以以有效且高效的方式执行任务，无需打开附加的应用或搜索特定应用。还应注意，由这些技术确定的任务可能是用户可能接下来想要做的任务，即使用户不一定知道该任务是可能的任务。因而，用户可能尚未意识到他想创建日历事件或进行呼叫。机器学习模块110可以以任何一种方式确定该任务。
图3示出了与用户设备102相关联的细节300，细节300呈现了与基于用户正在执行的任务而建议的动作相关联的功能子集。如图3的示例中所示，用户设备102正在使用机器学习，以呈现与基于用户正在执行的任务而建议的动作相关联的功能子集。
这里，用户正在执行示例任务，该示例性任务经由在窗口302中执行并呈现的Email应用来编写电子邮件。处理器104执行与应用监视器112相关联的代码，并在分析窗口302的内容时确定语法交叉检查将提高电子邮件书写任务的效率。然后，处理器104执行与切片模块118相关联的代码以创建切片304。如图所示，切片304占用界面102的一部分，而不是由电子邮件应用的窗口302占用该部分。在这种情况下，切片呈现与建议动作(例如，执行语法校正)相关联的功能子集，包括多个可选动作306-1和306-2。该功能子集提供了与语法应用的接口，允许用户指示语法应用以执行该功能子集。应注意，这些技术不仅可以完整地执行Grammar Friend应用。而且也呈现了相关数据和适当的功能子集。
如图所示，切片是提供语法应用的实用程序或扩展应用的用户界面，以便用户可以提高他的效率。提供用于任务的实用程序的切片的其它示例实例包括翻译文本、加密货币、读取语音合成、自动填写密码或提供优惠券代码的切片。在这些实例中，用户可以使用提高活动效率的实用程序，无需用户手动打开作为扩展应用或其它应用的附加的应用。
图4示出与用户设备相关联的细节400的示例，细节400呈现与基于用户正在执行的任务以及一个或更多场境而建议的动作相关联的功能子集。用户设备可以是图1的用户设备102。如图4的示例中所示，用户设备102正在使用机器学习以确定场境，并且呈现与建议动作相关联的功能子集。
处理器104执行与应用监视器112相关联的代码。基于应用被激活(例如，窗口402中呈现的Share-a-Ride应用)，用户设备102确定用户正在执行(或想要执行)尝试安排运送的任务，这里是经由Share-a-Ride应用安排。然而，在这种情况下，并且除了执行与应用监视器112相关联的代码之外，处理器104还正在执行与场境监视器114相关联的代码。基于由执行与应用监视器112相关联的代码的处理器104评价的信号，诸如GPS信号等，用户设备102确定指示其位于中国上海的地理位置的场境404。
基于所确定的围绕任务(例如，经由应用Share-a-Ride安排运送)的场境(例如，中国上海市的地理位置)，用户设备102(例如，执行可通过应用监视器112、场境监视器114以及一个或更多应用116(包括Share-a-Ride)获得的代码或指令的组合的处理器104)确定当前应用Share-a-Ride在中国不可用，以及确定可用的能够执行任务的替代应用。
然后，处理器104执行与切片模块118相关联的代码以创建切片406。然而，如本实例中所示，切片包括通知信息408(通知用户应用Share-a-Ride在中国不可用)，并且也呈现建议动作的选项(安装名称为Shanghai-Taxi的应用的建议动作410，或者使用户切换到应用Carpool的建议动作412)。
注意，在图4的示例中，与另一应用相关联的建议动作是安装其它应用。在某些情况下，用户设备102(例如，执行可通过应用监视器112、场境监视器114以及切片模块118获得的代码或指令的组合的处理器104)可在确定建议动作之后以及在呈现切片之前执行其它应用的安装。
通常，作为确定场境的一部分，用户设备102可能依赖于各种技术。这些技术可能依赖于检测围绕用户设备102的场境的用户设备102的传感器(例如，接近传感器、光传感器、红外传感器、GPS传感器、光传感器、相机、麦克风、定时传感器、***设备传感器等)。围绕可能检测自身的用户设备102的场境的示例包括与活动相关联的时间(例如，早晨和醒来、早/晚通勤、就寝时间等)、位置(例如，住所、工作场所、机场、健身房等)、情景(例如，在汽车中，***耳机插孔、***电源等)或活动(旅行、跑步、骑自行车等)。
可替选地或除了检测场境的用户设备102之外，这些技术还可包括用户设备从除用户设备之外的设备接收场境。例如，服务器或远离该设备的其它设备可以向该设备提供指示用户设备102的地理位置不安全的场境，低能量信标可以提供用户设备在购物地点附近的场境等。
此外，确定场境可包括确定围绕用户的场境、确定围绕另一用户设备的场境，或者甚至是确定围绕另一用户的场境。例如，确定围绕用户的场境可包括记录历史活动或与应用的交互，以帮助建立用户的兴趣以及行为模式。确定围绕另一用户设备的场境的示例包括评估向用户设备提供信息的服务器(例如，其它用户设备)的可靠性、服务器的位置等等。确定围绕另一用户的场境的示例包括与朋友(例如，其它用户)的通信频率、用户设备102或另一用户设备中该朋友的使用历史、该朋友的历史活动等等。
图5示出了细节500，其与呈现与基于场境预测的动作相关联的功能子集的用户设备相关联。用户设备可为图1的用户设备102。如图5的示例中所示，用户设备102正在使用机器学习确定场境、分析该场境和其它场境之间的关联，并且预测将由用户执行的动作。
使用用户设备102可用的传感器或其它硬件(未示出)，用户设备102可以使用诸如面部识别、语音识别、射频标识符(RFID)检测、视网膜扫描等技术来将自身与用户相关联。可替选地，用户的用户设备102可以经由用户执行到用户设备102的登录来将其自身与用户相关联。用户设备102的处理器104执行场境监视器114的代码，并且用户设备102确定场境。如示例中所示，场境是围绕用户设备102的场境，并且基于当前时间(例如，晚上10:15)。
处理器104继续执行场境监视器114的代码。通过这种活动，用户设备102分析该场境(例如，当前时间10:15PM)与另一场境之间的关联。在该示例中，另一场境包括用户在先前夜晚的10:15PM附近执行的活动的场境，这表明用户已表现出经由用户设备102可用的家庭自动化应用降低房屋的恒温器设置的倾向。在某些情况下，这种分析可能依赖于存储在用户设备的CRM 108中的数据。然而，在其它情况下，分析可依赖于来自远程设备(例如，经由网络122与用户设备102通信的远程计算设备120)的可用于用户设备102的数据。
基于对场境(例如，当前时间10:15PM)与其它场境(例如，通过用户倾向于在时间上接近10:15PM使用家庭自动化应用以降低恒温器设置，将用户与用户设备102相关联的先前场境)之间的关联的分析，用户设备102确定用户将经由预测的应用执行的预测的动作(例如，用户将经由家庭自动化应用降低恒温器设置)。
继续参考该示例，用户设备102的处理器104执行与切片模块118相关联的代码以与家庭自动化应用交互(即使家庭自动化应用未启动或未激活)以呈现与设置恒温器的预测的动作相关联的功能子集。虽然家庭自动化应用为用户提供了许多功能(例如，开灯或关灯、设置警报***等)，但用户设备102确定通过家庭自动化应用可用的功能子集502能够执行预测的动作(例如，“设置”功能)。然后，用户设备102呈现占用显示器106的一部分的切片504。在这种情况下，经由呈现可选择动作的切片504呈现功能子集502(例如，对应于“设置”的家庭自动化应用的功能子集502)。实际上，选择可选择动作将指示家庭自动化应用以设置恒温器。应注意，虽然在上文示例中经常将功能子集描述为一种选择，但是选择可能不止一种。而且，功能子集能够简单地少于应用可执行的所有功能，少于特定用户界面(例如，启用互联网的应用的多个页面中的一个页面)可执行的所有功能，或者非常少量的功能。如上所述，这些功能能够自动包括执行任务所需的许多或全部数据。
图6示出了示例方法600，其用于呈现与基于与用户设备的显示器的窗口相关联的内容建议的动作相关联的功能子集。方法600被以指定能够执行的操作的方框集602-608的形式描述。然而，操作不必限于图6中所示或本文所述的顺序，因为操作可通过可替选顺序或者以完全或部分重叠方式实现。示例方法600可由图1的用户设备102执行。
在602，分析与占用用户设备的显示器的一部分的窗口相关联的内容。该内容可能与用户设备的用户正在与之交互的应用的窗口相关联，并且可包括例如文本内容、视觉内容或音频内容。该分析可涉及文本识别、图像处理、音频处理等。
在604，识别用户正在执行的任务，诸如创建日历事件，获得晚餐预订，打开电子邮件等等。在606，并且基于任务，确定将由第二应用执行的建议动作。第二应用可以存储在用户设备本地的计算机可读存储介质中，或者存储在远离用户设备的计算机可读存储介质中。此外，第二应用可以处于休眠状态，在后台执行或未启动，因此有效地从用户的视线隐藏。如上所述，确定建议动作不需要安装用于执行动作或任务的应用实例。
在608，并基于建议动作，确定能够执行建议动作的第二应用的功能子集。在610，通过用户界面来呈现功能子集，通过该用户界面来命令第二应用执行功能子集。在某些情况下，用户界面可以是功能受限的用户界面。用户界面还可能占用显示器的另一部分，该另一部分是(i)与应用窗口所占用的显示器部分分开的，或者(ii)与应用窗口所占用的显示器部分重叠的。
图7示出示例方法700，其用于呈现与基于场境预测的动作相关联的功能子集。方法700被以指定能够执行的操作的方框集702-714的形式描述。然而，操作不必限于图7中所示或本文所述的顺序，因为操作可通过可替选顺序或者以完全或部分重叠方式实现。示例方法700可由图1的用户设备102执行。
在702，用户与用户设备相关联。这样的关联可以基于用户的面部识别、用户的语音识别、与用户相关联的射频标识符(RFID)标签、用户的视网膜扫描、用户执行的登录等等。
在704，确定场境。该确定可以基于与用户和用户设备相关联的当前时间、位置、状况或活动。该确定可以至少部分地依赖于从用户设备的传感器(诸如，接近传感器、红外传感器、GPS传感器、光传感器、相机、麦克风或***设备传感器)接收的信号。该确定还可以至少部分地依赖于从另一用户设备接收的场境。
在708，分析该场境和其它场境之间的关联。其它场境可包括与用户和用户设备相关联的先前场境，或者与不同用户或不同用户设备相关联的场境。在某些情况下，与用户和用户设备相关联的先前场境可被存储在作为用户设备一部分的计算机可读存储介质中，而在其它情况下，可从与该用户设备不同的用户设备接收与用户和用户设备相关联的先前场境。
在710并基于分析，确定将由用户经由预测的应用执行的预测的动作。在712并基于预测的动作，确定能够执行预测的动作的预测的应用的功能子集。此外，预测的应用可以处于休眠状态，在后台执行或未启动，因此有效地从用户的视线隐藏。
在714，通过用户界面来呈现功能子集，通过该用户界面来命令第二应用以执行功能子集。在某些情况下，用户界面可以是有限功能的用户界面。用户界面还可以占用显示器的另一部分，该另一部分是(i)与应用窗口所占用的显示器部分分开的，或者(ii)与应用窗口所占用的显示器部分重叠的。
这些技术允许方法600和方法700的交换和变化。例如，作为方法600的一部分，能够进一步基于与用户或用户设备相关联的场境来确定要经由第二应用执行的建议动作。相反，并且作为方法700的一部分的另一示例，能够进一步基于与占用用户设备的显示器一部分的窗口相关联的分析内容来确定要经由预测的应用执行的预测的动作。
通常，足以使用户能够执行许多即时任务中的任一种的试探性方式能够扩展用于建议和预测动作的机器学习。能够呈现或恢复媒体(经由音乐、视频、音频或书籍应用)，能够轻松地访问简报(经由日历、个人助理或新闻和媒体消息应用)，运送(经由运营商应用)或娱乐(经由剧院应用或游乐园应用)只是少数示例。
尽管已经描述了使用基于机器学习来实现建议动作的技术和用于基于机器学习来实现建议动作的装置，但是应理解，所附权利要求的主题不必限于所述的特定特征或方法。相反，作为基于能够实现机器学习的建议动作中的示例方式公开了特定的特征和方法。
前述技术还可以被配置为满足用户的隐私或机密性偏好。例如，用户可以简单地选择不启用安装在计算设备上的机器学习模块。可替选地，用户可以选择或阻止特定应用被机器学习模块访问。通常，可以为用户提供控制用户个人信息的使用的工具。

Claims (10)

1.一种方法，包括：
分析在占用用户设备的显示器的一部分的窗口中显示的图像或视频内容，所述窗口与用户正在与之交互的第一应用相关联；
基于所分析的图像或视频内容，确定所述用户将经由第二应用来执行的建议动作；
基于所述建议动作，确定能够执行所述建议动作的所述第二应用的功能子集；以及
通过用户界面中的切片窗口呈现所述第二应用的所述功能子集，所述切片窗口占用所述用户设备的所述显示器的另一部分，所述用户界面包括一个或多个可选择控件，通过所述一个或多个可选择控件来指示所述第二应用以执行所述功能子集。
2.根据权利要求1所述的方法，其中，所述用户界面中的所述切片窗口是所述第二应用的有限功能的用户界面。
3.根据权利要求1所述的方法，所述方法进一步包括：在所述用户设备上启动所述第二应用，
其中，所述用户界面中的所述切片窗口包括与所分析的图像或视频内容以及所述建议动作相关联的内容。
4.根据权利要求1所述的方法，其中，所述显示器的所述另一部分与所述窗口占用的所述显示器的所述一部分重叠。
5.根据权利要求1所述的方法，其中，确定将要执行的所述建议动作还基于与所述用户或所述用户设备相关联的场境。
6.根据权利要求1所述的方法，其中，确定将要由所述用户经由所述第二应用执行的所述建议动作包括确定将要经由所述第二应用执行的所述建议动作被存储在所述用户设备本地的计算机可读存储介质中。
7.根据权利要求1所述的方法，其中，所述功能子集包括所述第二应用被配置以执行的一个或多个功能，所述一个或多个功能比通过与所述第二应用相关联的多个界面中的单个界面可选择的全部功能集少。
8.根据权利要求1所述的方法，其中，确定所述建议动作是在无需所述第二应用在所述用户设备上的安装实例的情况下确定的，并且还包括在确定所述建议动作之后在所述用户设备上安装所述第二应用。
9.根据权利要求1所述的方法，其中，所述功能子集是可选动作。
10.一种方法，包括：
基于与用户和用户设备相关联的当前时间、位置、情景、传感器数据或活动来确定与所述用户或所述用户设备相关联的场境；
分析所述场境和在占用所述用户设备的显示器的一部分的窗口中显示的图像或视频内容之间的关联；
基于所述分析，确定要由所述用户经由预测的应用执行的预测的动作；
基于所述预测的动作，确定所述预测的应用的功能子集，所确定的功能子集能够执行所述预测的动作；以及
通过用户界面中的切片窗口呈现所述预测的应用的所确定的功能子集，所述切片窗口占用所述用户设备的显示器的一部分，所述用户界面包括一个或多个可选择控件，通过所述一个或多个可选择控件来指示所述预测的应用执行所述功能子集。
CN202311404340.6A 2017-12-20 2018-09-12 基于机器学习建议动作 Pending CN117474477A (zh)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
US201762608270P 2017-12-20 2017-12-20
US62/608,270 2017-12-20
US15/974,284 2018-05-08
US15/974,284 US10846109B2 (en) 2017-12-20 2018-05-08 Suggesting actions based on machine learning
PCT/US2018/050701 WO2019125543A1 (en) 2017-12-20 2018-09-12 Suggesting actions based on machine learning
CN201880028830.1A CN110574057B (zh) 2017-12-20 2018-09-12 基于机器学习建议动作

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201880028830.1A Division CN110574057B (zh) 2017-12-20 2018-09-12 基于机器学习建议动作

Publications (1)

Publication Number Publication Date
CN117474477A true CN117474477A (zh) 2024-01-30

Family

ID=66815962

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202311404340.6A Pending CN117474477A (zh) 2017-12-20 2018-09-12 基于机器学习建议动作
CN201880028830.1A Active CN110574057B (zh) 2017-12-20 2018-09-12 基于机器学习建议动作

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201880028830.1A Active CN110574057B (zh) 2017-12-20 2018-09-12 基于机器学习建议动作

Country Status (4)

Country Link
US (4) US10846109B2 (zh)
EP (1) EP3602444A1 (zh)
CN (2) CN117474477A (zh)
WO (1) WO2019125543A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11095743B2 (en) 2014-07-16 2021-08-17 Tensera Networks Ltd. Optimized content-delivery network (CDN) for the wireless last mile
US11568003B2 (en) 2017-12-15 2023-01-31 Google Llc Refined search with machine learning
US10783013B2 (en) 2017-12-15 2020-09-22 Google Llc Task-related sorting, application discovery, and unified bookmarking for application managers
US10846109B2 (en) 2017-12-20 2020-11-24 Google Llc Suggesting actions based on machine learning
KR20190102587A (ko) * 2018-02-26 2019-09-04 엘지전자 주식회사 이동 단말기 및 그 동작방법
US11915012B2 (en) 2018-03-05 2024-02-27 Tensera Networks Ltd. Application preloading in the presence of user actions
US11922187B2 (en) 2018-03-05 2024-03-05 Tensera Networks Ltd. Robust application preloading with accurate user experience
JP2020161949A (ja) 2019-03-26 2020-10-01 日本電気株式会社 聴覚ウェアラブルデバイス管理システム、聴覚ウェアラブルデバイス管理方法およびそのプログラム
EP4004767A4 (en) 2019-07-30 2023-03-08 Tensera Networks Ltd. PRE-RENDERING APPLICATION USER INTERFACES INTO USER DEVICES
KR20210055387A (ko) 2019-11-07 2021-05-17 삼성전자주식회사 컨텍스트에 기반하여 애플리케이션을 제공하는 서버 및 그 제어 방법
CN112533681A (zh) * 2020-04-02 2021-03-19 支付宝(杭州)信息技术有限公司 确定执行设备的动作选择方针
US11749282B1 (en) * 2020-05-05 2023-09-05 Amazon Technologies, Inc. Goal-oriented dialog system
US11394799B2 (en) 2020-05-07 2022-07-19 Freeman Augustus Jackson Methods, systems, apparatuses, and devices for facilitating for generation of an interactive story based on non-interactive data
WO2022118131A1 (en) 2020-12-03 2022-06-09 Tensera Networks Preloading of applications having an existing task
US12014731B2 (en) 2021-01-29 2024-06-18 Zoom Video Communications, Inc. Suggesting user actions during a video conference
US11995524B2 (en) 2021-06-24 2024-05-28 Accenture Global Solutions Limited System and method for providing automatic guidance in data flow journeys
US20230179675A1 (en) * 2021-12-08 2023-06-08 Samsung Electronics Co., Ltd. Electronic device and method for operating thereof
US20240061693A1 (en) * 2022-08-17 2024-02-22 Sony Interactive Entertainment Inc. Game platform feature discovery
US11971943B1 (en) * 2023-02-24 2024-04-30 Sap Se Multiple actions for a web browser bookmark

Family Cites Families (39)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2004062584A2 (en) * 2003-01-10 2004-07-29 Regents Of The University Of Colorado Therapeutic and prophylactic vaccine for the treatment and prevention of papillomavirus infection
US7503012B2 (en) 2004-01-13 2009-03-10 International Business Machines Corporation Invoking user designated actions based upon selected computer content
US7599918B2 (en) 2005-12-29 2009-10-06 Microsoft Corporation Dynamic search with implicit user intention mining
US20080016095A1 (en) * 2006-07-13 2008-01-17 Nec Laboratories America, Inc. Multi-Query Optimization of Window-Based Stream Queries
US7801885B1 (en) 2007-01-25 2010-09-21 Neal Akash Verma Search engine system and method with user feedback on search results
US20090144262A1 (en) 2007-12-04 2009-06-04 Microsoft Corporation Search query transformation using direct manipulation
US8520000B2 (en) * 2008-07-02 2013-08-27 Icharts, Inc. Creation, sharing and embedding of interactive charts
US20110295847A1 (en) 2010-06-01 2011-12-01 Microsoft Corporation Concept interface for search engines
US8707198B2 (en) 2010-06-04 2014-04-22 Microsoft Corporation Related tasks and tasklets for search
US9251185B2 (en) 2010-12-15 2016-02-02 Girish Kumar Classifying results of search queries
US20120159395A1 (en) * 2010-12-20 2012-06-21 Microsoft Corporation Application-launching interface for multiple modes
US9110743B2 (en) * 2010-12-21 2015-08-18 Microsoft Technology Licensing, Llc Extensible system action for sharing while remaining in context
US20130218836A1 (en) 2012-02-22 2013-08-22 Microsoft Corporation Deep Linking From Task List Based on Intent
US9560305B2 (en) 2012-05-31 2017-01-31 At&T Intellectual Property I, L.P. Notification of upcoming media content of interest
US9990611B2 (en) * 2013-03-08 2018-06-05 Baydin, Inc. Systems and methods for incorporating calendar functionality into electronic messages
CN103365546B (zh) * 2013-08-08 2017-05-24 贝壳网际（北京）安全技术有限公司 浏览器窗口创建方法及装置
US9342567B2 (en) 2013-08-23 2016-05-17 International Business Machines Corporation Control for persistent search results and iterative searching
US9435660B2 (en) * 2013-10-16 2016-09-06 Mapquest, Inc. Systems and methods for initiating mapping exit routines and rating highway exits
US20150128058A1 (en) * 2013-11-05 2015-05-07 Avaya Inc. System and method for predictive actions based on user communication patterns
US9661091B2 (en) * 2014-09-12 2017-05-23 Microsoft Technology Licensing, Llc Presence-based content control
CN104392721A (zh) * 2014-11-28 2015-03-04 东莞中国科学院云计算产业技术创新与育成中心 基于语音识别的智能应急指挥***及其语音识别方法
US20160162148A1 (en) * 2014-12-04 2016-06-09 Google Inc. Application launching and switching interface
US9684546B2 (en) * 2014-12-16 2017-06-20 Microsoft Technology Licensing, Llc Job scheduling and monitoring in a distributed computing environment
KR102377277B1 (ko) * 2015-02-27 2022-03-23 삼성전자주식회사 전자 장치에서 커뮤니케이션 지원 방법 및 장치
US10200824B2 (en) * 2015-05-27 2019-02-05 Apple Inc. Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device
US10313280B2 (en) * 2015-10-02 2019-06-04 Facebook, Inc. Predicting and facilitating increased use of a messaging application
US20170249393A1 (en) * 2016-02-26 2017-08-31 Salesforce.Com, Inc. Method and browser plugin for creation of objects in a cloud-based object management system
US10013783B1 (en) * 2016-04-19 2018-07-03 Polaris Wireless, Inc. System and method for graphical representation of spatial data
WO2018039264A1 (en) * 2016-08-22 2018-03-01 Oracle International Corporation System and method for metadata-driven external interface generation of application programming interfaces
US10467510B2 (en) * 2017-02-14 2019-11-05 Microsoft Technology Licensing, Llc Intelligent assistant
US20180338231A1 (en) 2017-05-22 2018-11-22 Kevin M. Johnson Method and system for managing temporary detention of civilians
US10614030B2 (en) * 2017-06-02 2020-04-07 Microsoft Technology Licensing Llc Task creation and completion with bi-directional user interactions
US10360733B2 (en) * 2017-06-20 2019-07-23 Bank Of America Corporation System controlled augmented resource facility
US20190095707A1 (en) 2017-09-22 2019-03-28 Daniel Thompson System and method for increasing safety during traffic stops
US10783013B2 (en) 2017-12-15 2020-09-22 Google Llc Task-related sorting, application discovery, and unified bookmarking for application managers
US11568003B2 (en) 2017-12-15 2023-01-31 Google Llc Refined search with machine learning
US10846109B2 (en) 2017-12-20 2020-11-24 Google Llc Suggesting actions based on machine learning
WO2019245869A1 (en) * 2018-06-19 2019-12-26 Tornier, Inc. Closed-loop tool control for orthopedic surgical procedures
US11423223B2 (en) * 2019-12-02 2022-08-23 International Business Machines Corporation Dynamic creation/expansion of cognitive model dictionaries based on analysis of natural language content

Also Published As

Publication number Publication date
US20190188013A1 (en) 2019-06-20
US11403123B2 (en) 2022-08-02
WO2019125543A1 (en) 2019-06-27
EP3602444A1 (en) 2020-02-05
US20220318039A1 (en) 2022-10-06
US20210208908A1 (en) 2021-07-08
CN110574057B (zh) 2023-10-31
US10970096B2 (en) 2021-04-06
US10846109B2 (en) 2020-11-24
US20210004247A1 (en) 2021-01-07
CN110574057A (zh) 2019-12-13

Similar Documents

Publication Publication Date Title
CN110574057B (zh) 基于机器学习建议动作
US10939246B1 (en) Location-based context information sharing in a messaging system
KR101674852B1 (ko) 클라이언트 디바이스 상의 애플리케이션들 관리
Emmanouilidis et al. Mobile guides: Taxonomy of architectures, context awareness, technologies and applications
US10469646B2 (en) Method and apparatus for providing communication-related information
US11354019B2 (en) Electronic device and method for controlling snooze notification
KR102626764B1 (ko) 상호작용형 정보 인터페이스
KR102255764B1 (ko) 미디어 아이템 부착 시스템
US10282451B1 (en) Context aware application manager
CN106327142A (zh) 一种信息展示方法及装置
US20170289074A1 (en) Method for messenger operation based on location information and electronic device supporting the same
EP3410282B1 (en) Electronic device and method for controlling user interface of electronic device
EP3603040B1 (en) Electronic device and method of executing function of electronic device
KR20200041903A (ko) 애플리케이션-독립적 메시징 시스템
CN108604152A (zh) 未读消息提示方法和终端
KR20160053676A (ko) 사용자 장치, 사용자 장치의 구동방법, 서비스제공장치 및 서비스제공장치의 구동방법
US11347754B1 (en) Context aware application manager
US10162898B2 (en) Method and apparatus for searching
KR20180020745A (ko) 일과 생활에 대한 정보를 제공하기 위한 전자 장치 및 방법
US11317129B1 (en) Targeted content distribution in a messaging system
US11075975B2 (en) Personalization framework
EP2827570B1 (en) Method of providing location based service and electronic device thereof
JP2015212883A (ja) 情報提示システム、装置、方法、およびコンピュータプログラム
WO2023113898A1 (en) Method and system for facilitating convergence

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination