BR112013012553B1 - método para triagem de comunicações eletrônicas em um ambiente de sistema de computação, dispositivo computacional e meio de armazenamento legível por computador - Google Patents

Abstract

MÉTODO PARA TRIAGEM DE COMUNICAÇÕES ELETRÔNICAS EM UM AMBIENTE DE SISTEMA DE COMPUTAÇÃO, DISPOSITIVO COMPUTACIONAL E MEIO DE ARMAZENAMENTO LEGÍVEL POR COMPUTADOR. A presente invenção refere-se à triagem de comunicações eletrônicas em um ambiente de sistema de computação pode mitigar problemas relativos a grandes volumes de comunicação de comunicação eletrônica recebida. Isso pode incluir a análise de dados de comunicação eletrônica específica de usuário e comportamento associado para prever quais comunicações o usuário provavelmente julga importante ou desimportante. Recursos de aplicativo de lado-cliente são expostos com base na avaliação da importância da comunicação, para permitir ao usuário processar arbitrariamente grandes volumes de comunicação recebida.

Description

ANTECEDENTE

[001] O uso crescente de dispositivos eletrônicos para gerenciar comunicações pessoais e/ou profissionais tipicamente se traduz em um aumento de mensagens recebidas. Em muitos casos, o volume total de mensagens recebidas, frequentemente, exclui a capacidade de o usuário final efetivamente processá-lo. Exemplos de problemas e ineficiências de fluxo de tais mensagens incluem um potencial crescente de gerenciamento de mensagens importantes e aumento do investimento no tempo requerido para filtrar as mensagens recebidas.

SUMÁRIO

[002] Em um aspecto, um método para triagem de comunicações eletrônicas em um ambiente de sistema computacional inclui: treinar um modelo default em um dispositivo computacional para personalizar um modelo específico de recipiente para um recipiente, sendo que o modelo default é formado a partir de uma pluralidade de fatores de ponderação ajustada contra uma amostra de usuários tendo características comuns com o recipiente, e o modelo específico de recipiente sendo formado a partir do modelo default, que é modificado usando comportamento histórico do recipiente e informações de retorno; interceptar um item endereçado ao recipiente no dispositivo computacional; extrair uma pluralidade de recursos de item associada ao item no dispositivo computacional; recuperar o modelo específico de recipiente; sendo que o modelo específico de recipiente compreende a pluralidade de fatores de ponderação associada à pluralidade de recursos de item extraída; aplicar um modelo de classificação de importância à pluralidade de recursos de item extraída, incluindo formar uma combinação da pluralidade de fatores ponderados; gerar uma importância de item prevista com base na combinação da pluralidade de fatores ponderados; e habilitar pelo menos um recurso de aplicativo associado ao item para o recipiente, com base na importância prevista do item.

[003] Em outro aspecto, um dispositivo computacional inclui: uma unidade de processamento; uma memória de sistema conectada à unidade de processamento, sendo que a memória do sistema inclui instruções, que, quando executadas pela unidade de processamento, fazem a unidade de processamento implementar um módulo de treinamento para treinar hierarquicamente um modelo de usuário para triagem de comunicações eletrônicas em um ambiente de sistema computacional, o módulo de treinamento sendo configurado para: gerar um conjunto de inferências default para um usuário com base no modelo de usuário protótipo, sendo que uma inferência default compreende um atributo de item; valor de atributo, peso de atributo, e confiança de atributo; adquirir informação específica de usuário para personalizar o conjunto de inferências default para o usuário incluindo: recuperação do comportamento histórico específico de usuário e informação de retorno; e recuperação do comportamento específico de usuário e infor-mação de retorno em resposta à recepção de um item; atualizar o conjunto de inferências default com a informação específica de usuário, para formar um conjunto personalizado de inferências para aplicação a um modelo de triagem de item; e habilitar pelo menos um recurso de aplicativo associado ao usuário para expor a importância de item prevista.

[004] Em ainda outro aspecto, uma mídia legível por computador tem instruções executáveis por computador que, quando executadas por um dispositivo computacional, fazem o dispositivo computacional realizar as etapas:

[005] treinar um modelo default no dispositivo computacional para personalizar o modelo específico de recipiente para um recipiente em que o modelo default é formado a partir de uma pluralidade de fatores ponderados, ajustada contra uma amostra de usuários tendo características comuns com o recipiente, as características comuns sendo selecionadas do grupo incluindo: vocação comum; e interesse comum, e o modelo específico de recipiente sendo formado a partir do modelo default que é modificado usando comportamento histórico e informação de retorno; interceptar um item endereçado ao recipiente no dispositivo computacional; em que o item selecionado de um grupo inclui: mensagem de e-mail, mensagem programada; mensagem instantânea, mensagem baseada em Web, e mensagem de colaboração social; extrair uma pluralidade de recursos de item associada ao item no dispositivo computacional; em que os recursos de item incluem uma característica do item selecionado de um grupo incluindo: característica de emitente do item; característica de conversação, e características de anexo; recuperar o modelo específico de recipiente em que o modelo específico de recipiente compreende a pluralidade de fatores ponderados associada à pluralidade de recursos de item extraída; aplicar um modelo de classificação de importância à pluralidade de recursos de item extraída, incluindo formar uma combinação da pluralidade de fatores ponderados; gerar uma importância de item prevista com base na combinação da pluralidade de fatores ponderados, sendo que a importância de item prevista designa o item como um de: importante e desimportante; habilitar pelo menos um recurso de aplicativo associado ao item para o recipiente com base na importância de item prevista selecionada de um grupo incluindo: um recurso de enfatização para enfatizar o conteúdo chave do item, um recurso de vídeo para prover uma visualização rápida do item, e um recurso de notificação para prover uma visualização temporária do item; e periodicamente adquirir o comportamento e retorno de recipiente associados ao item por um pré-determinado período de tempo, para prosseguir com o treinamento do modelo default para personalizar o modelo específico de recipiente.

[006] Esse sumário é provido para apresentar uma seleção de conceitos de forma simplificada, que será posteriormente descrito abaixo na seção "Descrição Detalhada". Esse sumário não pretende identificar recursos chaves ou essenciais do objeto reivindicado, nem pretende ser usado em qualquer forma que limite o escopo do objeto reivindicado.

DESCRIÇÃO DOS DESENHOS

[007] Aspectos da presente especificação podem ser mais completamente entendidos a partir da descrição detalhada que se segue de várias configurações, em conexão com os desenhos anexos:

[008] A Figura 1 é um fluxograma de um método exemplar para treinar dados de modelo de usuário para triagem de comunicações eletrônicas;

[009] A Figura 2 mostra um exemplo de ambiente de computação em rede;

[0010] A Figura 3 mostra um dispositivo computacional de servidor exemplar do ambiente da Figura 2;

[0011] A Figura 4 mostra módulos lógicos exemplares de um dispositivo cliente do ambiente da Figura 2;

[0012] A Figura 5 mostra um ambiente de aplicativo de triagem exemplar;

[0013] A Figura 6 é um fluxograma de um método exemplar para treinamento hierárquico de dados de modelo de usuário para triagem de comunicações eletrônicas;

[0014] A Figura 7 mostra uma primeira vista de um ambiente de triagem de mensagem exemplar;

[0015] A Figura 8 mostra uma segunda vista do ambiente de triagem de mensagem da Figura 7; e,

[0016] A Figura 9 mostra uma primeira vista de outro ambiente de triagem de mensagem exemplar.

DESCRIÇÃO DETALHADA

[0017] A presente especificação é direcionada a sistemas e métodos para triagem de comunicações eletrônicas em um ambiente de sistema computacional. Técnicas de triagem descritas nessa mitigam problemas relativos a grandes volumes de comunicações eletrônicas recebidas, permitem uma análise de dados de comunicação eletrônica específica de usuário e comportamentos associados para determinar quais comunicações um usuário provavelmente toma como importante ou desimportante. Avaliação da importância da comunicação é usada para expor recursos de aplicativo que permitam ao usuário final efetivamente processar arbitrariamente grandes volumes de comunicações recebidas. Embora não limitado por isso, uma apreciação de vários aspectos da presente especificação será obtida com a discussão dos exemplos providos abaixo.

[0018] Referindo-se agora à Figura 1, um método exemplar 100 para treinar dados de modelo de usuário na triagem de comunicações eletrônicas é mostrado. Em geral, o método 100 pode ser implementado por um processo de lado-servidor ou lado-cliente. Exemplos de processos de lado-servidor e lado-cliente são descritos abaixo com referência às Figuras 2 a 9. Outras configurações são possíveis. Por exemplo, o método 100 pode ser implementado de maneira híbrida, incorporando funcionalidade de ambos processos de lado-servidor e lado-cliente.

[0019] O método 100 inicia em um módulo de coleta 105. O método de coleta 105 é configurado para recuperar dados de comunicação eletrônica de um recipiente, tal como um indivíduo ou um grupo de in- divíduos, a partir de um processo que gerencia os dados de comunicação. O dado de comunicação eletrônica é chamado geralmente de item. Um item exemplar inclui uma mensagem de e-mail, mensagem de mail por voz (voicemail), agendamento, mensagem SMS, mensagem IM, mensagem MMS, atualização de Web, mensagem Facebook, alimentação de Twitter, alimentação RSS, documento eletrônico, e outros. Outras configurações são possíveis.

[0020] O fluxo operacional avança para um módulo de análise 110. O módulo de análise 110 é configurado para extrair uma pluralidade de recursos de item do item, recuperada pelo módulo de coleta 105. Um recurso de item é geralmente qualquer característica concebível, que possa ser extraída ou inferida diretamente com base no entendimento do conteúdo do item.

[0021] Por exemplo, um recurso de item pode incluir uma característica relacionada a um emitente e/ou recipiente do item, tal como, por exemplo, identificação de emitente/recipiente (por exemplo, endereço SMPT), relação emitente/recipiente (por exemplo, supervisor); domínio ou companhia emitente/recipiente (por exemplo, Microsoft) tipo emiten- te/recipiente (por exemplo, Automail), localização emitente/recipiente (por exemplo, sala de emergência); dispositivo emitente/recipiente (por exemplo, Smartphone), características de envio de item (por exemplo, CC), e outros. Outros recursos de item exemplares incluem uma característica relacionada a características de recipiente e/ou contextual, tal como, por exemplo, status de emitente/recipiente presente ou futuro (por exemplo, em reunião), localização de emitente/recipiente presente ou futuro (por exemplo, Minneapolis), e outros.

[0022] Outros recursos de item exemplares incluem uma característica relacionada a um tipo de item (por exemplo, mensagem de email), presença de anexo (por exemplo, Sim), informação de controle de acesso (por exemplo, DRM), informação de prioridade (por exem- plo, Alta), informação temporal (por exemplo, data/hora recebida), e outros. Outros recursos de item exemplares incluem uma característica relacionada a uma característica de início de conversação (por exemplo, iniciado por mim?), características de contribuição de conversação (por exemplo, minhas contribuições?), características hierárquicas de item (por exemplo, último na conversação?) e outros. Outros recursos de item exemplares incluem uma característica relacionada ao prefixo de linha de assunto (por exemplo, RE), senhas de linha de assunto (por exemplo, LEITURA) e outros. Outros recursos de item exemplares incluem características relativas ao corpo de item ou ane-xo de item, tal como, por exemplo, palavras chave de texto (por exemplo, importante), conteúdo hiperlink (por exemplo, Sim - contém hiper- link), e outros.

[0023] Ainda outros recursos de item são possíveis.

[0024] O fluxo operacional, então, segue para um módulo de aquisição 115. O módulo de aquisição 115 é configurado para recuperar dados de modelo específicos para cada recipiente pretendido do item, como recuperado pelo módulo de coleta 105. Na discussão exemplar que se segue, o recipiente pretendido inclui um único indivíduo, e os dados de modelo específico de recipiente são recuperados pelo módulo de aquisição 115 a partir de um dispositivo de armazenamento de dado. Um dispositivo de armazenamento de dado exemplar é descrito abaixo em conexão com a Figura 2.

[0025] Em configurações exemplares, o dado de modelo específico de recipiente inclui uma pluralidade de recursos de item (por exemplo, que corresponde a recursos de item extraídos pelo módulo de análise 110), a cada um dos quais sendo designado um peso que incorpora a indicação com respeito a se o recipiente tende a associar importância ou desimportância ao respectivo recurso de item. Por exemplo, se o recipiente tende a ler mensagens de e-mail enviadas de um supervisor, e ignorar mensagens de e-mail enviadas de um sistema automatizado, um recurso de item dentro do dado de modelo para o recipiente associado ao supervisor poderia incluir um fator de ponderação maior que um recurso de item associado ao serviço automatizado. Em geral, um peso ou fator de ponderação pode incluir qualquer forma de medida quantitativa, tal como um valor numérico, um limite, e outros. Por exemplo, um recurso de item associado ao supervisor, como discutido acima, poderia incluir um peso "7", enquanto o recurso de item associado ao serviço automatizado poderia incluir um peso "3".

[0026] O fluxo operacional segue então para um módulo de implementação 120. O módulo de implementação 120 é configurado para aplicar um critério de modelo de um modelo de classificação a um dado de modelo específico de recipiente como recuperado pelo módulo de aquisição 115. Como descrito em detalhes abaixo com respeito à Figura 6, os dados de modelo específico de recipiente podem ser formados via um processo de treinamento hierárquico, usando dados de modelo protótipo que foram calculados analisando dados de treinamento a partir de um número de usuários relacionados, para mais efi-cientemente e precisamente treinar um modelo para um usuário (por exemplo, o recipiente). Outras configurações são possíveis.

[0027] O módulo de implementação 120 é adicionalmente configurado para gerar uma ou mais previsões, com base no tipo do modelo de classificação. Um critério de modelo exemplar inclui a designação de recursos de item dos dados de modelo específico de recipiente, que são relevantes para o modelo de classificação, e, adicionalmente, um algoritmo que designa o uso de pesos associados àqueles recursos de item avaliados como relevantes.

[0028] Em configurações exemplares, o modelo de classificação corresponde a um modelo de "importância", onde o modelo de implementação 120 correlaciona recursos de item relevantes a partir de da dos de modelo específico de recipiente a pesos associados; e usa uma combinação desses pesos para gerar uma importância de item prevista. A importância de item prevista geralmente inclui a previsão com respeito a se o item, como recuperado pelo módulo de coleta 105, é importante ou desimportante para a recipiente pretendido. Outras configurações são possíveis. Por exemplo, em algumas configurações, o modelo de classificação corresponde ao modelo de "urgência", onde o módulo de implementação 120 correlaciona recursos de item relevantes a partir de dados de modelo específico de recipiente a pesos associados, e usa uma combinação desses pesos para gerar uma urgência de item prevista, indicando os itens que o recipiente pretendido deve considerar ou atentar, assim que possível. Ainda outras configurações são possíveis.

[0029] Uma aplicativo exemplar de um modelo de importância inclui calcular o peso de importância global de uma nova mensagem de e-mail, e, então, determinar se a mensagem de e-mail é importante ou não para o recipiente, com base no peso de importância calculado. Por exemplo, em uma escala de 1 a 10, um peso de importância calculado "4" indica que a mensagem de e-mail é "moderadamente importante", um peso de importância calculado de 7 a 8 indica que a mensagem de email é "extremamente importante", e um peso de importância menor que 6 indica que a mensagem de e-mail é "desimportante". Outras configurações são possíveis. Por exemplo, em algumas configurações, um peso de importância global para uma nova mensagem de e-mail é calculado como uma probabilidade variando de 0 a 1, para indicar a importância relativa da mensagem de e-mail. Por exemplo, limites variando de 0 a 0,2 indicam que a importância relevante da mensagem de e-mail é desimportante ou fria, limites variando de 0,2 a 0,8 indicam que a importância relativa da mensagem de e-mail é normal, e limites variando de 0,8 a 1 indicam que a importância relativa da mensagem de e-mail é importante ou quente. Ainda outras configurações são possíveis.

[0030] O fluxo operacional segue então para o módulo de armazenamento 125. O módulo de armazenamento 125 é configurado geralmente para armazenar dados de modelo específico de recipiente, como recuperados pelo módulo de aquisição 115, e as uma ou mais previsões geradas pelo módulo de implementação 120.

[0031] O fluxo operacional então deriva entre uma primeira derivação de treinamento 130 e uma segunda derivação de treinamento 135. A primeira derivação de treinamento 130 inclui um primeiro módulo de monitoramento 140 e um primeiro módulo de extração 145. A segunda derivação de treinamento 135 inclui um segundo módulo de monitoramento 150 e um segundo módulo de extração 155. Em geral, o fluxo operacional dentro da primeira derivação de treinamento 130 é independente da segunda derivação de treinamento 135.

[0032] Referindo-se agora à primeira derivação de treinamento 130, o primeiro módulo de monitoramento 140 é configurado para monitorar e adquirir comportamento de recipiente com respeito ao item, como recuperado pelo módulo de coleta 105. O comportamento de recipiente exemplar inclui qualquer forma de ação relativa ao item diretamente observável. Tais ações observáveis podem ser quer uma ação singular ou composta. No exemplo de uma mensagem de e-mail, o comportamento de recipiente pode ser associado a ações singulares, tal como abrir, apagar, encaminhar uma mensagem de e-mail. Ações compostas podem incluir ações, tais como escanear rapidamente a mensagem de e-mail e, então, apagá-la, recusar o acesso a uma mensagem de e-mail automaticamente arquivada em um arquivo via uma regra de transporte, e outros.

[0033] O primeiro módulo de monitoramento 140 é configurado para monitorar e adquirir o comportamento de recipiente com respeito ao item, como recuperado pelo módulo de coleta 105, por um pré- determinado período de tempo dT. Um período de tempo exemplar inclui fração de hora, uma hora, um dia, uma semana, etc. Seguindo o término do pré-determinado período de tempo dT, o primeiro módulo de monitoramento 140 encaminha o comportamento de recipiente adquirido ao primeiro módulo de extração 145. Em outras configurações, o primeiro módulo de monitoramento 140 é adicionalmente configurado para monitorar e adquirir o comportamento de um recipiente com respeito ao item, como recuperado pelo módulo de coleta 105 com base em uma ação de recipiente, designando uma importância relativa ou seguindo o transcurso de um pré-determinado período de tempo, qual deles ocorrer primeiro. Exemplos de ações de recipiente que designam a importância relativa incluem "respondido" para designar importância, "rapidamente depurado e prontamente deletado" para designar desimportância, e outros. Aquisição de comportamento de um recipiente com base na combinação de ação de recipiente e transcurso de um pré-determinado período de tempo permite uma rápida e eficiente atualização do modelo de classificação, como descrito em detalhes adicionais abaixo.

[0034] O primeiro módulo de extração 145 é configurado para minerar o comportamento de recipiente adquirido e gerar dados de verificação de comportamento. Em geral, os dados de verificação de comportamento contêm informações com respeito a se a importância de item prevista gerada pelo módulo de implementação 120 é consistente com o fato de o recipiente de fato julgar o item importante ou desim- portante. O primeiro módulo de extração 145, subsequentemente, encaminha os dados de verificação de comportamento a um módulo de atualização 160. O módulo de atualização 160 é configurado para ajustar pesos associados à pluralidade de recursos de item dos dados de modelo específico de recipiente. Por exemplo, no exemplo de uma mensagem de e-mail, se os dados de verificação de comportamento contiverem informações que sugiram fortemente que o recipiente considera importantes as mensagens de e-mail provindas de um supervisor, um recurso de item associado ao supervisor, como discutido acima, poderia ser ajustado ou reajustado de um peso "7" para um peso "9". Outras configurações são possíveis.

[0035] Em configurações exemplares, o fluxo operacional retorna para o primeiro módulo de monitoramento 140 a partir do primeiro módulo de extração 145, seguindo um pré-determinado atraso de tempo dT. O fluxo de processo em circuito fechado dentro da primeira derivação de treinamento 130 serve para ajustar continuamente e precisamente os dados de modelo específico de recipiente com base nas ações de recipiente.

[0036] Referindo-se agora à segunda derivação de treinamento 135, o segundo módulo de monitoramento 150 é configurado para monitorar e adquirir um retorno de recipiente relativo à importância do item, como recuperado pelo módulo de coleta 105. O retorno de recipiente exemplar inclui qualquer forma de retorno explicito a partir de um recipiente relativo à importância do item. No exemplo da mensagem de e-mail, o retorno explícito pode incluir uma correção de recipiente da importância de item prevista gerada pelo módulo de implementação 120, tal como, marcar como desimportante a mensagem de e-mail, quando o módulo de implementação 120 tiver nomeado incorretamente como importante a mensagem de e-mail. Outras configurações são possíveis.

[0037] Por exemplo, outro retorno explícito inclui habilitar ou desa- bilitar certas regras de processamento ou calibração de regras de processamentos relativas à importância, tal como desabilitar o uso de uma companhia do emitente, como indicador da importância do item. Outro retorno explícito inclui ajustar limites com respeito a níveis de importância, tal como definir itens como importantes apenas quando a importância relativa for maior que um peso limite. Outro retorno explícito inclui a customização de regras de processamento existentes ou definição de novas regras de processamento, tal como nomear uma mensagem de e-mail do cônjuge incluindo a sequência "911"como urgentemente importante. Ainda outras configurações são possíveis.

[0038] O segundo módulo de monitoramento 150 é configurado para monitorar e adquirir retorno de recipiente com respeito ao item, como recuperado pelo módulo de coleta 105, por um pré-determinado período de tempo dT (isto é, uma hora, um dia, um segundo, etc.). Seguindo o término do pré-determinado tempo dT, o segundo módulo de monitoramento 150 encaminha o retorno de recipiente adquirido para o segundo módulo de extração 155. Outras configurações são possíveis.

[0039] O segundo módulo de extração 155 é configurado para minerar o retorno de recipiente adquirido, e gerar dados de verificação de retorno. Em algumas configurações, os dados de verificação de retorno contêm designação explícita com respeito ao fato de a importância de item prevista gerada pelo módulo de implementação 120 ser consistente com respeito a se o recipiente de fato julga o item importante ou desimportante. O segundo módulo de extração 155 subsequentemente encaminha os dados de verificação de retorno ao módulo de atualização 160. No caso exemplar, o módulo de atualização 160 é configurado para ajustar os pesos associados à pluralidade de recursos de item dos dados de modelo específico de recipiente com base no retorno de recipiente. Por exemplo, no exemplo de uma mensagem de e-mail, se os dados de verificação de retorno contiverem a designação que o recipiente considera fortemente desimportante as mensa-gens de e-mail provindas de um serviço automatizado, o recurso de item associado ao serviço automatizado, como discutido acima, poderia ser ajustado de um peso "5" para um peso "1". Outras configura- ções são possíveis.

[0040] O fluxo operacional retorna para o segundo módulo de monitoramento 150 a partir do segundo módulo de extração 155, seguindo um pré-determinado atraso de tempo dT. O fluxo de processo em circuito fechado dentro da segunda derivação de treinamento 135 serve para continuamente prover um ajuste fino nos dados de modelo específico de recipiente com base no retorno de recipiente.

[0041] Em algumas configurações, os dados de modelo específico de recipiente são atualizados diferentemente com base em informações recebidas via primeira derivação de instrumento 130 e segunda derivações de treinamento 135 respectivamente. Por exemplo, à confiança associada às informações recebidas pela segunda derivação de treinamento 135 pode ser designada uma maior confiança que a informação recebida pela primeira derivação de treinamento 130. Dessa maneira, as informações recebidas pela segunda derivação de treinamento (isto é, retorno explícito) exercerão um impacto maior sobre o treinamento dos dados de modelo específico de recipiente que as informações recebidas pela primeira derivação de treinamento 130 (isto é, retorno implícito). Por exemplo, em algumas configurações, a informação recebida pela segunda derivação de treinamento 135 anula completamente a informação recebida pela primeira derivação de treinamento 130. Outras configurações são possíveis.

[0042] Adicionalmente, às informações recebidas pela primeira derivação de treinamento 130 podem ser designadas forças variáveis com respeito à confiança em relação à importância, para determinar quais informações exercem maior impacto sobre o treinamento dos dados de modelo de específico de recipiente. Por exemplo, a uma ação de recipiente observada, tal como "responder", pode ser designada uma força maior que "ler no comprimento" a que pode ser designada uma força maior que "ignorado", a que pode ser designada uma força maior que "ler rapidamente", etc. Outras configurações são pos-síveis.

[0043] Como será descrito em maiores detalhes abaixo, com respeito às Figuras 2 a 9, o método exemplar 100 permite uma ampla variedade de recursos de aplicativo de lado-cliente, de modo que o usuário final possa efetivamente realizar uma triagem em grandes volumes de comunicação recebidas. Um recurso de aplicativo de lado-cliente inclui um recurso de enfatização para enfatizar um conteúdo chave em um item. Tal recurso de enfatização tem pouco impacto, em razão de claramente marcar certos itens ou inserir um conteúdo em uma comunicação, para ajudar o usuário a rapidamente realizar uma triagem na comunicação, mas sem substancialmente alterar a funcionalidade do aplicativo de lado cliente.

[0044] Outro exemplo de recurso de aplicativo lado cliente inclui um recurso de visualização rápida que permite ao usuário visualizar rapidamente apenas as comunicações mais importantes. Outro recurso de aplicativo de lado cliente inclui um recurso de auto-priorização que provê uma visualização classificada de acordo com as comunicações mais importantes. Outro recurso de aplicativo de lado-cliente inclui um recurso de obsolescência, que automaticamente arquiva, marca como lida, ou apaga comunicações não consideradas após um certo período. Outro exemplo de recurso de aplicativo de lado-cliente inclui um recurso de notificação, que é configurado para seletivamente prover novas comunicações e/ou notificações de conteúdo com base em comunicações julgadas importante. Em algumas configurações, o recurso de notificação é sensível ao contexto de usuário. Outro recurso de aplicativo de lado-cliente exemplar inclui um recurso de sinopse, que provê uma sinopse do conteúdo da comunicação para ajudar o usuário a rapidamente decidir quais ações devem ser tomadas com respeito à comunicação. Outro exemplo de recurso de aplicativo de lado-cliente inclui um recurso de painel de comandos, que provê uma visão consolidada de comunicações importantes a partir de várias fontes de dados, tal como fonte de dados de e-mail, fonte de dados de documentos, fonte de dados baseada em Web, fonte de dados de rede social.

[0045] Ainda outros recursos de aplicativo de lado-cliente são possíveis.

[0046] Referindo-se agora à Figura 2, um ambiente computacional em rede exemplar 200 é mostrado, no qual aspectos da presente especificação podem ser implementados. O ambiente computacional em rede 200 inclui um dispositivo cliente 205, dispositivo servidor 210, dispositivo de armazenamento 215, e rede 220. Outras configurações são possíveis. Por exemplo, o ambiente computacional em rede 200 pode geralmente incluir mais ou menos dispositivos, redes, e outros componentes, como desejado.

[0047] O dispositivo cliente 205 e dispositivo servidor 210 são dispositivos computacionais de propósito geral, tal como descrito abaixo, em conexão com a Figura 3. Em configurações exemplares, o dispositivo servidor 210 é um servidor empresarial que implementa processos empresariais. Processos empresariais exemplares incluem processos de envio de mensagens, processos de colaboração, processos de gerenciamento de dados, e outros. "Exchange Server" da Microsoft Corp é um exemplo de servidor empresarial que implementa serviço de mensagens e processos empresariais colaborativos que suportam correspondência eletrônica, agendamento, e recursos de contatos de tarefas, para suportar o acesso móvel baseado em Web à informação, para suportar armazenamento de dados. SHAREPOINT®, também da Microsoft Corp, é um exemplo de servidor empresarial que implementa processos empresariais para suportar colaboração, compartilhamento de arquivos, e edição Web. Outros servidores empresariais, que im- plementam processos empresariais, também são possíveis.

[0048] Em algumas configurações, o dispositivo servidor 210 inclui uma pluralidade de dispositivos servidores interconectados operando em conjunto em uma configuração de "Parque", para implementar processos empresariais. Ainda outras configurações são possíveis.

[0049] O dispositivo de armazenamento 215 é um dispositivo de armazenamento de dados, tal como um banco de dados relacional, ou qualquer outro tipo de dispositivo de armazenamento de dados persistente. O dispositivo de armazenamento 215 armazena dados que o dispositivo servidor 210 pode buscar, modificar, e gerenciar. Exemplos de dispositivo de armazenamento de dados incluem serviço de armazenamento e endereçamento, tal como ACTIVE DIRECTORY® da Microsoft Corp. Outras configurações do dispositivo de armazenamento 215 também são possíveis.

[0050] A rede 220 é uma trajetória bi-direcional de comunicação de dados para transferir dados entre um ou mais dispositivos. No exemplo, a rede 220 estabelece uma trajetória de comunicação para transferência de dados entre o dispositivo cliente 205 e o dispositivo servidor 210. Em geral, a rede 220 pode ser qualquer rede de um número de redes WAN, LAN, Web cabeada ou sem-fio ou outras redes de comunicação baseadas em pacote, cabeadas ou sem-fio, de modo que os dados possam ser transferidos dentro dos elementos do ambiente computacional em rede 200. Outras configurações da rede também são possíveis.

[0051] Referindo-se agora à Figura 3, o dispositivo servidor 210 da Figura 2 é mostrado em maiores detalhes. Como mencionado, o dispositivo servidor 210 é um dispositivo computacional de propósito geral. Dispositivos computacionais de propósito geral incluem computador de mesa, computador laptop, Assistente Pessoal de Dados (PDA), Smartphones, Servidores, Netbook, Notebook, Tablet, Telefone Celu- lar, Televisão, Console de Vídeo Game, e outros.

[0052] O dispositivo servidor 210 inclui pelo menos uma unidade de processamento 305 e uma memória de sistema 310. A memória de sistema 310 pode armazenar e operar o sistema 315 para controlar a operação do dispositivo servidor 210 ou qualquer outro dispositivo computacional. Um sistema de operacional 315 é o sistema operacional WINDOWS® da Microsoft Corp ou um Servidor, tal como o Exchange Server, servidor colaborativo SHAREPOINT® e outros.

[0053] A memória de sistema 310 também inclui um ou mais aplicativos de software 320 e pode incluir dados de programa. Aplicativos de software 320 podem incluir diferentes tipos de programas de uma ou múltiplas funcionalidades, tal como programa de mail eletrônico, programa de agendamento, e programa de busca na Internet, programa de planilha eletrônica, programa para rastrear e reportar informações, programa de processamento de texto, e muitos outros. Um exemplo de programa multifuncional é a suíte OFFICE da Microsoft Corp.

[0054] A memória de sistema 310 pode incluir uma mídia de armazenamento legível por computador, por exemplo, um disco magnético, disco ótico, ou fita. Tal armazenamento adicional é ilustrado na Figura 3 pelo armazenamento removível 325 e armazenamento não- removível 330. A mídia de armazenamento legível por computador pode incluir uma mídia física volátil e não-volátil, removível e não- removível, implementada por qualquer método ou tecnologia de armazenamento de informações, tal como instruções legíveis por computador, estrutura de dados módulos de programa, ou outros dados. A mídia de armazenamento legível por computador também pode incluir sem limitação RAM, ROM, EEPROM, Memória Flash, ou outras tecnologias de memória, CD-ROM, discos versáteis digitais (DVD), ou outros dispositivos de armazenamento magnéticos, ou quaisquer outras mídias que possam ser usadas para armazenar informações desejadas e sejam acessadas pelo dispositivo servidor 210. Quaisquer dessas mídias de armazenamento de computador podem fazer parte ou podem ser externas a um dispositivo servidor 210.

[0055] A mídia de comunicação é diferente da mídia de armazenamento legível por computador. A mídia de comunicação, tipicamente, pode ser configurada por meio de instruções legíveis por computador, estrutura de dados, módulos de programa, ou outros dados em um sinal de dados modulado, tal como onda portadora ou outro mecanismo de transporte, e inclui qualquer mídia de suprimento de informação. O termo "sinal de dados modulado" se refere a um sinal tendo uma ou mais das características, que são ajustadas ou alteradas de modo a codificar informações no sinal. Por meio de exemplo, a mídia de comunicação inclui mídia cabeada ou conexão cabeada direta e mídia sem-fio, tal como mídia acústica, mídia por RF, mídia por infravermelho, etc.

[0056] O dispositivo servidor 210 também pode ter qualquer número e tipo de dispositivos de entrada 335 e dispositivos de saída 340. Um dispositivo de entrada exemplar 335 inclui teclado, mouse, caneta, dispositivo de entrada por voz, dispositivo de entrada por toque, e outros. O dispositivo de saída exemplar 340 inclui monitor de vídeo, alto- falantes, impressoras e outros. O dispositivo servidor 210 também pode incluir uma conexão de comunicação 345 configurada para permitir a comunicação com outros dispositivos computacionais via rede (por exemplo, rede 220 da Figura 2) em um ambiente distribuído de sistema operacional.

[0057] Nas configurações exemplares, o dispositivo cliente 205 da Figura 2 é configurado de modo similar ao dispositivo servidor 210 descrito acima. Referindo-se adicionalmente à Figura 4, o dispositivo cliente 205 da Figura 2, também é configurado de modo a incluir um ou mais diferentes tipos de interfaces de cliente ao dispositivo servidor 210. No exemplo mostrado, o dispositivo cliente 205 inclui um dispositivo local 405, um cliente com acesso a Web, um cliente com acesso móvel 415, e um cliente com acesso por voz 420. Outros tipos de interfaces de cliente com o dispositivo servidor 210 também são possíveis.

[0058] O cliente local 405 é configurado como cliente colaborativo e cliente de mensagens dedicado, que serve como interface com o dispositivo servidor 210 e faz parte de uma suíte de aplicativos no dispositivo cliente 205. Em uma configuração, o cliente local 405 inclui um cliente de mensagens OUTLOOK® que é um aplicativo e-mail que faz parte da suíte Microsoft Office. Um usuário pode compor, interagir, en-viar, e receber e-mails com OUTLOOK®. Outras configurações do cliente local 405 também são possíveis.

[0059] O cliente de acesso Web 410 é configurado para acessar o dispositivo servidor 210 remotamente, usando uma conexão de rede, tal como a Internet. Em uma configuração, o cliente de acesso Web 410 é o serviço Web mail de acesso a Web Outlook. Na configuração exemplar, o dispositivo cliente 205 usa um navegador Web para conectar Exchange Server via Acesso a Web Outlook. Isso provê uma interface similar à interface no cliente de mensagem OUTLOOK® no qual o usuário pode compor interagir, enviar e receber e-mails. Outras configurações de cliente de acesso a Web 410 também são possíveis. Por exemplo, o cliente de acesso à Web 410 pode ser configurado para conectar servidor colaborativo SHAREPOINT® para acessar a correspondente colaboração, compartilhamento de arquivos, e serviço de editoração Web. Ainda outras configurações do cliente de acesso à Web 410 são possíveis.

[0060] O cliente de acesso móvel 415 é outro tipo de interface de cliente com o dispositivo servidor 210. Em uma configuração, o cliente de acesso móvel 415 inclui acesso móvel com software de sincroniza- ção ACTIVESYNC® Centro de Dispositivo Móvel Windows para VISTA ou WINDOWS 7, todos da Microsoft Corp. Um usuário pode sincronizar mensagens entre um dispositivo móvel e Exchange Server usando um cliente de acesso móvel como Mobile Acess com software de sincronização ACTIVESYNC®. Dispositivos móveis exemplares incluem telefone celular, Assistente Pessoal Digital, e outros. Outras configurações do cliente de acesso móvel 415 também são possíveis.

[0061] O cliente de acesso por voz 420 é ainda outro tipo de interface cliente com dispositivo servidor 210. Em algumas configurações, o cliente de acesso por voz 420 inclui Exchange Unified Messaging, suportado no Exchange Server. Com Exchange Unified Messaging, os usuários têm caixa de entrada para e-mail e mail de voz (voicemail). Mensagens de voz são fornecidas diretamente para a caixa de entrada de cliente de mensagem OUTLOOK®. A mensagem contendo mensagens de voz também inclui anexos. Outras configurações do cliente de acesso por voz 420 também são possíveis.

[0062] Referindo-se à Figura 5, um ambiente de sistema operacional 500 configurado para implementar sistemas e métodos para triagem de comunicações eletrônicas em um ambiente de sistema operacional é mostrado. O ambiente operacional 500 pode ser implementado por um processo de lado-servidor sendo executado no dispositivo computacional de servidor ou por um processo de lado-cliente sendo executado em um dispositivo computacional de cliente, tal como descrito acima em conexão com as Figuras 1 a 4. Outras configurações também são possíveis. Por exemplo, o ambiente operacional 500 pode ser implementado de maneira híbrida, incorporando funcionalidade de ambos processos - lado-servidor e lado-cliente. Tal flexibilidade na implementação de sistemas e métodos exemplares para triagem de comunicações eletrônicas é vantajosa em muitos aspectos, tal como, por exemplo, permitir uma alocação ótima de recursos, balanceamento de carga, e outros.

[0063] O ambiente operacional exemplar 50 inclui um coletor de dados 505, um analisador de dados 510, um armazenamento de dados 515, e um analisador de busca 520.

[0064] O coletor de dados 505 é configurado para coletar e agregar dados de item brutos a partir de uma variedade de comunicação eletrônica e fontes relacionadas, tais como dados e-mail, dados de voz, dados de rede social, dados de documentos eletrônicos, e outros. Como as comunicações eletrônicas e fontes relacionadas tipicamente agrupam e transmitem dados em diferentes formatos, o coletor de dados 505 pode incluir múltiplos módulos de dados de servidor, que suportam essas diferenças, tais como coletor de dados de servidor de comunicação 525, coletor de dados de servidor Web 530, e coletor de dados de servidor de aplicativo 535. Outros tipos de módulos de coletor de dados também são possíveis.

[0065] O analisador de dados 510 inclui um módulo analisador de item 540, um módulo de aplicação de modelo 545 e um módulo de treinamento de dados 550. O módulo analisador de item 540 é configurado para extrair uma pluralidade de recursos de item dos respectivos dados de item, como recuperados pelo coletor de dados 505. Como discutido acima, no contexto do método exemplar 100, um recurso de item é geralmente qualquer característica de dados de comunicação, que pode ser extraída ou inferida diretamente com base no entendimento do conteúdo dos respectivos dados de comunicação.

[0066] O módulo de aplicação de modelo 545 é configurado para recuperar dados de modelo específico de recipiente do recipiente pretendido que corresponde aos respectivos dados de item, como recuperados pelo coletor de dados 505. O módulo de aplicação de modelo 545 é adicionalmente configurado para aplicar um critério de modelo de um modelo de classificação aos dados de modelo específico de re- cipiente e gerar uma ou mais previsões específicas de item com base no tipo do modelo de classificação. Em uma configuração, o modelo de classificação é um modelo baseado em importância. Outras configurações também são possíveis.

[0067] O módulo de treinamento de dados 550 é configurado para monitorar e adquirir o comportamento de recipiente e retorno de recipiente explícito associados a um recipiente pretendido, que corresponde ao respectivo dado de item, como recuperado pelo coletor de dados 505. O módulo de treinamento de dados 550 é adicionalmente configurado para ajustar os dados de modelo específico de recipiente, como recuperado pelo módulo de aplicação de modelo 545, com base no comportamento de recipiente adquirido e retorno de recipiente explícito.

[0068] Como mencionado acima, o ambiente operacional 500 também inclui um analisador de busca 520. Em geral, o analisador de busca 520 é configurado para processar pedidos de recurso de aplicativo lado-cliente, de modo que o usuário final possa efetivamente realizar a triagem em grandes volumes de comunicações recebidas. Na configuração exemplar, o analisador de busca 520 inclui um primeiro portal de recurso 555, um segundo portal de recurso 560, e um terceiro portal de recurso 565.

[0069] O primeiro portal de recurso 555 é configurado para suportar pedidos de recurso que correspondem a um recurso de enfatização para expor o conteúdo chave em um aplicativo de lado-cliente, tal como descrito em detalhes adicionais abaixo em conexão com Figuras 7 e 8. O segundo portal de recurso 560 é configurado para suportar pedidos de recurso que correspondem a um recurso de visualização rápida para prover uma visualização rápida de itens em um aplicativo de lado-cliente julgados mais importante, também descrito abaixo em conexão com as Figuras 7 e 8. O terceiro portal de recurso 565 é confi- gurado para suportar pedidos de recurso que correspondem a um recurso de notificação ou prover a notificação seletiva dentro de um aplicativo de lado-cliente com base em itens julgados importantes, descrito em detalhes adicionais abaixo, em conexão com a Figura 9. Outras configurações do analisador de busca 520 também são possíveis.

[0070] Em configurações exemplares, os dados coletados no coletor de dados 505 e/ou processados pelo analisador de dados 510 podem ser armazenados no armazenamento de dados 515. Ademais, o armazenamento de dados 515 suporta e armazena as buscas e os resultados processados pelo analisador de busca 520.

[0071] Referindo-se agora à Figura 6, um método exemplar 600 para prover um treinamento hierárquico de dados de modelo de usuário para triagem de comunicações eletrônicas é mostrado. Em geral, o método 600 pode ser implementado por um processo de lado-servidor ou lado-cliente. Exemplos de processos de lado-servidor e lado-cliente são descritos acima, em conexão com as Figuras 1 a 5. Outras configurações também são possíveis. Por exemplo, o método 600 pode ser implementado de maneira híbrida, incorporando a funcionalidade de ambos processos - lado-servidor e lado-cliente.

[0072] O método 600 é configurado para prover um entendimento ótimo do comportamento e preferências específicas de cliente, que são chamados dados de modelo de usuário. Inferências exemplares, de acordo com a presente especificação, de um particular atributo de item com base no comportamento de usuário observado e retorno de usuário explícito. Em uma configuração, uma inferência compreende um atributo de item, valor de atributo, peso de atributo, e confiança de atributo. Um conjunto exemplar de inferências de usuário que podem ser obtidos com base em dados de comunicação comportamento e retorno, específicos de usuário, inclui:

[0073] Um atributo de item de uma inferência é uma característica de uma particular comunicação. Exemplos de atributos de item incluem relação de emitente, contêm acompanhamento (follow-up) e tópico de item. Outras configurações são possíveis. Por exemplo, outros atributos incluem emitente do item, tópico do item, hora de envio de item, tipo de item, e outros. A importância de um particular valor de atributo (por exemplo, relação emitente = "gerente") é avaliada observando o comportamento de usuário em relação a um particular valor de atributo. O comportamento de usuário exemplar pode incluir observar se um usuário tende a apresentar um comportamento que indique importância (por exemplo, investindo um período de tempo significativo com respeito ao item aberto) para itens provindos de um gerente. No exemplo mostrado, o peso de atributo é representado por um valor numérico em uma escala. Outras configurações também são possíveis.

[0074] A classificação de confiança de uma inferência corresponde à confiança associada a uma particular classificação de importância de um dado valor de atributo de item. No exemplo mostrado, o índice de confiança da inferência "relação de emitente" = "gerente" é relativamente alto (isto é, 78%). O índice de confiança da inferência tópica item = prospecção é relativamente baixo (isto é, 23%). Em algumas configurações, um alto índice de confiança de inferência pode ser conseguido quando muitos casos de valor de atributo são observados, associados a um comportamento consistente. Um baixo índice de confiança de inferência pode ser conseguido quando poucos casos de valor de atributo são observados, casos de valor de atributo não-recentes, e/ou comportamento do usuário inconsistente. Outras configurações também são possíveis.

[0075] Em algumas configurações, certas inferências são code- pendentes ou compostas de múltiplos atributos de item relacionados. Um exemplo de inferência codependente inclui um cenário no qual um usuário recebe muitas mensagens de e-mail de um colega chamado "Alex". Algumas dessas mensagens de e-mail exemplares são enviadas a uma lista de indicações (DL), onde consta o usuário, e outras enviadas diretamente. Em um cenário, quando "Alex" envia uma mensagem de e-mail ao usuário via lista de distribuição, o usuário tende a tratar aqueles itens como desimportantes. Há duas inferências code- pendentes relacionadas que representam o cenário exemplar. Uma primeira inferência inclui atributos "emitente" = "Alex" e "recipiente" = "DL", e pode apresentar um peso de atributo relativamente baixo (por exemplo, 4) e um índice de confiança alto (por exemplo, 80%). Uma segunda inferência inclui "emitente" = "Alex" e "recipiente" = "recipiente", e pode apresentar um peso de atributo relativamente alto (por exemplo, 8) e índice de confiança alto (por exemplo, 80%). Em geral, qualquer inferência arbitrária codependente pode compreender qualquer número de atributos compostos arbitrários.

[0076] Em configurações exemplares, compilar e calcular um conjunto de pesos para um particular usuário é chamado treinamento. O método exemplar 69 é configurado para treinar dados de modelo de usuário em múltiplos estágios. Especificamente, a operação 605 corresponde a uma operação de inicialização de primeiro estágio, que gera um conjunto de pesos default generalizados para um novo usuário, com base em um modelo de usuário protótipo. O conjunto de pesos default representa dados de modelo de usuário. Um módulo de usuário protótipo exemplar inclui um modelo de importância que foi desenvol- vido, prototipado, e testado contra uma grande população de usuários da amostra tendo características comuns, tal como vocação comum, interesse comum, etc.

[0077] Seguindo o "bootstrapping" de primeiro estágio na operação 605, uma informação específica de usuário é obtida para personalizar e ajustar o conjunto de pesos default para personalizar o modelo de usuário default para um usuário específico. Por exemplo, o fluxo operacional avança para operação 610 que corresponde a uma operação de segundo estágio, que avalia dados, comportamentais disponíveis registrados historicamente, e dados de comunicação. Dados comportamentais registrados historicamente incluem comportamentos de composição de mensagem de e-mail, tal como, envio, resposta, e encaminhamento de mensagens. Outros dados e itens de comunicação de comportamento historicamente registrados são possíveis e podem ser específicos de implementação de sistemas.

[0078] Seguindo o "crawling" de segundo estágio na operação 605, o fluxo operacional segue para a operação 615, que corresponde à atualização do conjunto de pesos default generalizados dos dados de modelo de usuário default para formar um conjunto personalizado de pesos. O conjunto personalizado de pesos corresponde aos dados de modelo específicos de usuário.

[0079] Seguindo a formação de dados de modelo específico de usuário na operação 615, o fluxo operacional avança para uma operação on-line de terceiro estágio 620, que corresponde a um monitoramento em tempo real e aquisição de comportamento e retorno específico com respeito aos itens similar à funcionalidade da primeira derivação de treinamento exemplar 130, descrito acima em conexão com a Figura 1. A operação 620 é implementada para atualizar e ajustar o conjunto personalizado de pesos formado na operação 615.

[0080] Em configurações exemplares, o fluxo operacional retorna para operação 615, seguindo um pré-determinado atraso de tempo bit. O fluxo de processo em circuito fechado entre as operações 615 e 620 é implementado para continuamente prover um ajuste fino do conjunto personalizado de pesos dos dados de modelo específico de usuário. Tal fluxo de processo em circuito fechado é vantajoso em diversos aspectos. Por exemplo, certos pesos podem se alterar ou se tornar obsoletos ao longo do tempo, tal como quando o usuário muda de trabalho ou muda de supervisor. Na configuração exemplar, informações obtidas na operação 620 e correspondentes atualizações da operação 615, capturam as respectivas mudanças, e adaptam o conjunto personalizado de pesos ao longo do tempo.

[0081] Nas configurações exemplares, o fluxo operacional segue para operação de avaliação 625, seguindo interação entre as operações 615 e 620. A operação de avaliação 625 corresponde à determinação de se o conjunto personalizado de pesos dos dados de modelo específico de usuário é suficiente para expor a funcionalidade com base nas classificações associadas, tal como recursos de triagem relativos a marcação de novos itens como importante.

[0082] Quando a operação de avaliação 625 determina que o conjunto personalizado de pesos dos dados de modelo específico de usuário é insuficiente para expor a funcionalidade com base nas classificações associadas, o fluxo operacional volta para a operação 620, para um prover um ajuste e sintonia adicional do conjunto personalizado de pesos.

[0083] Quando a operação de avaliação 625 determina que o conjunto personalizado de pesos dos dados de modelo específico de usuário é suficiente para expor uma funcionalidade com base nas classificações associadas, o fluxo operacional segue para a operação 630, que corresponde à completação de treinamento inicial do conjunto personalizado de pesos. Na configuração exemplar, recursos de tria- gem relativos à classificação associada são habilitados na operação 630 e acessíveis através de pedidos de recurso de aplicativo de lado- cliente, de modo que o usuário final possa efetivamente realizar a triagem arbitrariamente em grandes volumes de comunicações recebidos (por exemplo, primeiro portal de recurso 555, segundo portal de recurso 560, e terceiro portal de recurso 565). Em geral, a completação de treinamento inicial do conjunto personalizado de pesos na operação 630 pode ser obtida sem qualquer ação de usuário ativa ou direta.

[0084] Referindo-se agora à Figura 7, um primeiro ambiente de mensagem exemplar 700 é mostrado, de acordo com a presente especificação. Em geral, o ambiente de mensagem 700 é um aplicativo de e-mail associado a um aplicativo de comunicação, tal como OUTLOOK®. Outras configurações também são possíveis.

[0085] Nas configurações exemplares, o ambiente de mensagem 700 inclui um folder pane 705, painel de lista 710, e um painel de vidro 715. O painel de pastas exemplar 705 inclui uma lista de pastas 720a a 720c usada para armazenar dados, tal como mensagens de e-mail. No exemplo mostrado, a pasta 720c é selecionada para ser representada em um painel de lista 710, tal como lista de mensagens de e-mail 725a a 725e.

[0086] No exemplo mostrado, a mensagem de e-mail 725a é enfatizada por uma primeira marca de importância 730, e a mensagem de e-mail 725b é enfatizada por uma segunda marca de importância 735. Em geral, a primeira marca de importância 730 designa a mensagem de e-mail 725a que é importante por vir de "Sheila Wu". Adicionalmente, a mensagem de e-mail 725a pode ser representada no painel de vídeo 715, em uma primeira visualização rápida 740, pelo fato de ser importante. Na configuração exemplar, a primeira visualização rápida 740 é configurada para representar o conteúdo 745 da mensagem de e-mail 725a e imagem 750 de "Sheila Wu". A geometria e tom da pri- meira marca de importância 730 são configuráveis e designa a presença de conteúdo chave na mensagem de e-mail 725a, tal como o termo "Revisão" na linha de assunto. Outras configurações também são possíveis.

[0087] A segunda marca de importância 735 designa a mensagem de e-mail 725b como importante em razão de vir de "José Santana". A mensagem de e-mail 725b pode ser representada no display pane 715em uma segunda visualização rápida 755 por ser importante. Na configuração exemplar, a segunda visualização rápida 755 é configurada para trazer o conteúdo 760 da mensagem de e-mail 725b. A geometria e o tom da primeira marca de importância 735 são configuráveis e podem designar a presença de conteúdo chave da mensagem de e-mail 725b, tal como por trazer no texto de corpo o termo "Expedito".

[0088] Em geral, a primeira marca de importância 730 e a segunda marca de importância 735 permitem que o usuário rapidamente identifique as mensagens de e-mail 725a e 725b como importantes. A geometria e tom da primeira marca de importância 730 e segunda marca de importância 735b podem ser selecionadas como desejado e designar certas características das respectivas mensagens de e-mail 725a e 725b, e, adicionalmente, influenciar a colocação e relevância da primeira visualização rápida 740 e segunda visualização rápida 755 no painel de vídeo 715, como desejado. Outras configurações também são possíveis.

[0089] Referindo-se agora à Figura 8, o ambiente de mensagem 700 da Figura 7 é mostrado incluindo um módulo de usuário 800. Na configuração exemplar um cursor 805 é usado para selecionar a primeira marcação de importância 730 para expor ao módulo de usuário 800.

[0090] Em geral, o módulo de usuário 800 é configurado para pro ver um alto nível de transparência a um usuário, para habilitar retorno e customização. Por exemplo, o módulo de usuário 800 pode expor um conjunto de inferências de usuário 805a a 805c em um contexto sensível e de maneira intuitiva. As inferências de usuário exemplares provêem o entendimento de como a classificação de um certo item (isto é, mensagem de e-mail 725a) é determinada como importante ou desimportante. O módulo de usuário 800 adicionalmente é configurado de modo a expor um botão de ajuste manual 810, que permite ao usu-ário mudar a classificação de um item de importante para desimportan- te, se desejado. Em configurações exemplares, tal retorno ativo atualiza a classificação daquele item, assim como dados de modelo de usuário associados, e, adicionalmente, pode levar em conta o retorno ativo quando da classificação de novos itens ou reclassificação de itens existentes.

[0091] O módulo de usuário 800 adicionalmente é configurado para expor um botão de retorno de inferência 815 que permite ao usuário prover retorno, designando uma inferência como incorreta, ou que uma inferência geralmente correta foi indevidamente aplicada a uma particular mensagem de e-mail. Tal retorno ativo serve para atualizar a classificação de item daquele item, assim como dados de modelo de usuário associados. Tal retorno ativo adicionalmente pode ser recebido quando da classificação de novos itens ou reclassificação de itens existentes. O botão de retorno de inferência 815 é adicionalmente configurado para permitir ao usuário definir novas inferências ou definir meta-inferências especiais ou uma inferência codependente calculada com base em múltiplos atributos e valores. Outras configurações também são possíveis. O módulo de usuário 800 adicionalmente é configurado para expor um botão de customização 820 para customização de usuário. Uma customização de usuário exemplar inclui customização limite, tal como definir a importância e/ou índice de confiança ou importância mínimo que um item deve ser marcado como importante dentro do ambiente de mensagem 700. Outra customização de usuário exemplar inclui estratificação, tal como a definição de quantos níveis de importância devem ser atribuídos a um ambiente de mensagem 700 (por exemplo, baixo, médio, alto). Outra customização exemplar inclui a definição de um indicador visual para denotar a importância relativa no ambiente de mensagem 700 (por exemplo, via ícones, previsões). Outra customização de usuário exemplar inclui definição de barra de ferramentas, para permitir ao usuário definir botões ou comandos para expor aplicativo/recursos. Tal customização pode ser es-pecífica a dispositivos ou aplicativos. Outra customização de usuário exemplar inclui a granularidade de definição de retorno, para permitir ao usuário decidir quais controles de nível retorno ativo expor via ambiente de mensagem 700. Ainda outras configurações são possíveis.

[0092] Referindo-se agora à Figura 9, um segundo ambiente operacional de mensagem exemplar 900 é mostrado, de acordo com a presente especificação. Em geral, o ambiente operacional 900 é um aplicativo de notificação, tal como um aplicativo de mensagem de janela (pop_up) "Smart Toast" da Microsoft Corp. Outras configurações são possíveis.

[0093] Nas configurações exemplares, o ambiente de mensagem 900 é exposto a um usuário, com a recepção de uma nova mensagem de e-mail avaliada como importante. Por exemplo, similarmente à respectiva mensagem de e-mail 725a descrita acima, em conexão com as Figuras 7 e 8, com a recepção de uma mensagem de e-mail de Sheila Wu, o ambiente de mensagem 900 pode ser representado por um pré- determinado período de tempo, incluindo a primeira marca de importância 730 e imagem 750 de Sheila Wu. O ambiente de mensagem 900 também inclui metadados 905, tal como "Novas mensagens de Sheila Wu" e metadados contextuais 910, tal como a mensagem "não serão disponíveis até as 14:00". Nas configurações exemplares, o ambiente de mensagem 900 notifica a um usuário somente as mensagens (em uma configuração mensagem de e-mail 725a) avaliadas como importante, e rapidamente mostra porque essas mensagens foram avaliadas como importante. Outras configurações do ambiente de mensagem 900 também serão possíveis.

[0094] As configurações exemplares descritas acima podem ser implementadas como operações lógicas em um dispositivo computacional em um ambiente de sistema computacional em rede. As operações lógicas podem ser implementadas como: uma sequência de instruções implementada por computador, etapas ou módulos de programa executados em um dispositivo computacional; e (ii) módulos lógicos ou de hardware interconectados executados em um dispositivo computacional.

[0095] Por exemplo, as operações lógicas podem ser implementadas como algoritmos, firmware, circuitagem analógica/digital, ou qualquer combinação desses, sem sair do escopo da presente especificação. O software, firmware, ou sequência similar de instruções de programa podem ser codificados e armazenados em uma mídia de armazenamento legível por computador, e também podem ser codificados em um sinal de onda portadora para transmissão entre dispositivos computacionais.

[0096] Embora a matéria objeto da presente especificação tenha sido descrita em uma linguagem específica com respeito aos recursos estruturais e/ou atos metodológicos, deve ser entendido que a matéria objeto definida nas reivindicações anexas não é necessariamente limitada aos recursos ou atos específicos descritos acima. Ao invés, os recursos e atos específicos foram descritos como forma exemplar de implementação das reivindicações.

Claims (20)

1. Método (100) para triagem de comunicações eletrônicas em um ambiente de sistema de computação caracterizado pelo fato de que compreende as etapas de:treinar um modelo default em um dispositivo computacional para personalizar um modelo específico de recipiente para um recipiente, em que o modelo default é formado a partir de uma pluralidade de fatores ponderados ajustada contra uma amostra de usuários tendo características comuns com o recipiente, e o modelo específico de recipiente sendo formado a partir do modelo default que é modificado usando o comportamento histórico e informações de retorno do recipiente;interceptar um item endereçado ao recipiente no dispositivo computacional;extrair (110) uma pluralidade de recursos de item associada ao item no dispositivo computacional;recuperar (115) o modelo específico de recipiente, em que o modelo específico de recipiente compreende a pluralidade de fatores ponderados associada à pluralidade de recursos de item extraída;aplicar (120) um modelo de classificação de importância à pluralidade de recursos de item extraída, incluindo formar uma combinação da pluralidade de fatores ponderados pelo cálculo de um peso de importância como uma faixa de probabilidade de valores limite;gerar uma importância de item prevista com base na combinação da pluralidade de fatores ponderados; ehabilitar pelo menos um recurso de aplicativo associado ao item para o recipiente com base na importância de item prevista.

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que as características comuns compreendem uma ou mais de uma vocação comum e de interesse comum.

3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende ajustar a pluralidade de fatores ponderados com base no comportamento histórico e informações de retorno do recipiente.

4. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende continuar treinamento do modelo default para personalizar o modelo específico de recipiente adquirindo o comportamento do recipiente associado ao item.

5. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende continuar treinamento do modelo default para personalizar o modelo específico de recipiente adquirindo o retorno do recipiente associado ao item.

6. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende continuar treinamento do modelo default para personalizar o modelo específico de recipiente adquirindo a customização de recipiente, a customização do recipiente compreendendo um ou mais dentre: correção de inferência, definição de regra de processamento, definição de limite, e granularidade de importância.

7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende continuar treinamento do modelo default para personalizar o modelo específico de recipiente adquirindo periodicamente o comportamento de recipiente associado ao item.

8. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende a importância do item previsto designando a importância relativa do item.

9. Método, de acordo com a reivindicação 8, caracterizado pelo fato de que ainda compreende adquirir periodicamente o comportamento de recipiente associado ao item por um pré-determinado período de tempo para avaliar a correção da importância de item prevista.

10. Método, de acordo com a reivindicação 9, caracterizado pelo fato de que ainda compreendendo ajustar pelo menos uma dentre: pluralidade de fatores ponderados e a importância de item prevista com base no comportamento de recipiente adquirido.

11. Método, de acordo com a reivindicação 8, caracterizado pelo fato de que ainda compreende adquirir periodicamente o retorno do recipiente associado com o item para um período de tempo predeterminado para avaliar a regularidade da importância do item previsto.

12. Método, de acordo com a reivindicação 11, caracterizado pelo fato de que compreende ainda ajustar pelo menos um dos seguintes: a pluralidade de fatores ponderados; e a importância do item previsto com base no retorno do recipiente.

13. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o item inclui uma comunicação selecionada de um grupo incluindo: mensagem de e-mail, mensagem de voz (voicemail), mensagem programada, mensagem instantânea; mensagem baseada em Web, e mensagem de colaboração social.

14. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que as características do item extraído incluem pelo menos uma dentre uma característica de item diretamente observada e característica de item inferida.

15. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que ainda compreende permitir as características de aplicação selecionadas a partir do grupo que inclui: uma característica de ênfase para realçar conteúdo chave do item; uma característica de exibição para fornecer uma visão rápida do item; uma característica de notificação para fornecer visualização temporária do item e incluindo informações relacionadas a importância derivada do item; uma característica de auto-priorização para fornecer uma visa de importância classificada do item e outros itens; uma característica de age-out para fornecer uma ação para o item depois de um período de tempo; uma característica sinopse para fornecer sinopse do conteúdo do item; e uma característica de painel para fornecer uma visão consolidada das comunicações importantes entre as diferentes fontes de dados.

16. Dispositivo computacional que compreende:uma unidade de processamento (305);uma memória de sistema (310) conectada à unidade de processamento, a memória de sistema incluindo um método para implementar um módulo de treinamento configurado para treinamento hierárquico de um modelo de usuário para triagem de comunicações eletrônicas em um ambiente de sistema de computação, o módulo de treinamento caracterizado pelo fato de que está configurado para:gerar um conjunto de inferências default para um usuário com base em um modelo de usuário protótipo, em que a inferência default compreende um atributo de item, valor de atributo, peso de atributo, e confiança de atributo;adquirir informações específicas de usuário para personalizar o conjunto de inferências default para o usuário, incluindo: recuperação de comportamento histórico específico de usuário e informação de retorno, e recuperação de comportamento e informação de retorno específico de usuário em resposta a recepção de um item;atualizar o conjunto de inferências default com a informação específica de usuário para formar um conjunto personalizado de inferências para aplicação em um modelo de triagem de item; e,habilitar pelo menos um recurso de aplicativo associado ao usuário para expor uma importância de item prevista, a importância do item previsto sendo gerada a partir de um modelo de classificação de importância utilizado para calcular um peso de importância como uma faixa de probabilidade de valores limites com base em uma combina- ção de uma pluralidade de fatores ponderados.

17. Dispositivo, de acordo com a reivindicação 16, caracterizado pelo fato de que um item compreende uma comunicação eletrônica, e em que o atributo de item compreende uma característica de um elemento particular de comunicação, o valor do atributo compreende uma instância específica do atributo de item, o peso do atributo compreende um valor de escala denotando importância do valor de atributo, e a confiança do atributo compreende um valor designando confiança associada ao peso do atributo.

18. Dispositivo, de acordo com a reivindicação 16, caracterizado pelo fato de que o modelo do protótipo compreende uma pluralidade de fatores ponderados ajustados contra uma amostra de usuários tendo características comuns com o usuário, as características comuns compreendendo uma ou mais de uma vocação comum e de interesse comum.

19. Dispositivo, de acordo com a reivindicação 16, caracterizado pelo fato de que a recuperação do comportamento específico do usuário e a informação de retorno em resposta ao recebimento de um item compreende a aquisição de dados periódicos para ajustar continuamente o conjunto personalizado de inferências.

20. Meio de armazenamento legível por computador (325;330) tendo um método caracterizado pelo fato de que compreende: treinar um modelo default em um dispositivo computacional (210) para personalizar um modelo específico de recipiente, em que o modelo default é formado a partir de uma pluralidade de fatores ponderados ajustada contra uma amostra de usuários tendo características comuns com o recipiente, as características comuns sendo selecionadas de um grupo consistindo de: vocação comum e interesse comum, e o modelo específico de recipiente é formado a partir do modelo default, que é modificado usando o comportamento histórico e in- formação de retorno do recipiente;interceptar um item endereçado ao recipiente no dispositivo computacional, em que o item selecionado de um grupo inclui mensagem de e-mail, mensagem programada, mensagem instantânea, mensagem baseada em Web e mensagem de colaboração social;extrair (110) uma pluralidade de recursos de item associada ao item no dispositivo computacional; em que os recursos de item incluem uma característica do item selecionada a partir de um grupo incluindo: característica de emitente de item, característica de recipiente do item; característica de conversação, e característica de anexo;recuperar (115) o modelo específico de recipiente, em que o modelo específico de recipiente compreende a pluralidade de fatores ponderados associada à pluralidade de recursos de item extraída;aplicar (120) um modelo de classificação de importância à pluralidade de recursos de item extraída, incluindo formar uma combinação da pluralidade de fatores ponderados pelo cálculo de um peso de importância como uma faixa de probabilidade dos valores limites;gerar uma importância de item prevista com base na combinação da pluralidade de fatores ponderados, em que a importância de item prevista designa o item como importante ou desimportante;habilitar pelo menos um recurso de aplicativo associado ao item para o recipiente com base na importância de item prevista selecionada de um grupo incluindo: um recurso de enfatização para enfatizar o conteúdo chave do item, um recurso de visualização para prover uma rápida visualização do item, e um recurso de notificação para prover uma visualização temporária do item; eadquirir periodicamente o comportamento de recipiente e retorno associado ao item por um predeterminado período de tempo, para continuar o treinamento no modelo default para personalizar o modelo específico de recipiente.

Images