BR112015022788B1 - Método, dispositivo eletrônico e mídia de armazenamento legível por computador não transitória para determinação de emoção de contexto - Google Patents
Método, dispositivo eletrônico e mídia de armazenamento legível por computador não transitória para determinação de emoção de contexto Download PDFInfo
- Publication number
- BR112015022788B1 BR112015022788B1 BR112015022788-0A BR112015022788A BR112015022788B1 BR 112015022788 B1 BR112015022788 B1 BR 112015022788B1 BR 112015022788 A BR112015022788 A BR 112015022788A BR 112015022788 B1 BR112015022788 B1 BR 112015022788B1
- Authority
- BR
- Brazil
- Prior art keywords
- emotion
- context
- sensor data
- contexts
- sensor
- Prior art date
Links
- 230000008451 emotion Effects 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 37
- 230000008859 change Effects 0.000 claims description 17
- 230000002996 emotional effect Effects 0.000 claims description 15
- 230000001052 transient effect Effects 0.000 claims description 5
- 230000002123 temporal effect Effects 0.000 abstract description 21
- 230000036541 health Effects 0.000 description 63
- 230000036651 mood Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 17
- 230000036642 wellbeing Effects 0.000 description 6
- 230000008921 facial expression Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 230000000704 physical effect Effects 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- HVYWMOMLDIMFJA-DPAQBDIFSA-N cholesterol Chemical compound C1C=C2C[C@@H](O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2 HVYWMOMLDIMFJA-DPAQBDIFSA-N 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 206010027940 Mood altered Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 208000037063 Thinness Diseases 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 235000012000 cholesterol Nutrition 0.000 description 1
- 235000019504 cigarettes Nutrition 0.000 description 1
- 230000003749 cleanliness Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 208000012866 low blood pressure Diseases 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004630 mental health Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000007510 mood change Effects 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 239000002574 poison Substances 0.000 description 1
- 230000005180 public health Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 230000001568 sexual effect Effects 0.000 description 1
- 231100000430 skin reaction Toxicity 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 108700012359 toxins Proteins 0.000 description 1
- 206010048828 underweight Diseases 0.000 description 1
- 238000002255 vaccination Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
- A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/535—Tracking the activity of the user
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
- A61B5/6898—Portable consumer electronic devices, e.g. music players, telephones, tablet computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/01—Indexing scheme relating to G06F3/01
- G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Computer Networks & Wireless Communication (AREA)
- Psychology (AREA)
- Hospice & Palliative Care (AREA)
- Educational Technology (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Social Psychology (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Multimedia (AREA)
- Telephonic Communication Services (AREA)
- Information Transfer Between Computers (AREA)
Abstract
SISTEMA DE DETERMINAÇÃO DE EMOÇÃO DE CONTEXTO Trata-se de sistemas, métodos e dispositivos para determinar contextos e para determinar perfis de emoção associados com uso de informações recebidas a partir de múltiplos dispositivos eletrônicos habilitados por sensor de emoção que são revelados. Os contextos podem ser definidos por uma descrição de componentes espaciais e/ou temporais. Tais contextos podem ser arbitrariamente definidos com uso de descrições semanticamente significativas e absolutas de tempos e de localizações. Os dados de sensor de emoção são associados ou incluem dados de contexto que descrevem as circunstâncias nas quais os dados foram determinados. Os dados de sensor de emoção podem incluir leituras de sensor de emoção que são indicações implícitas de uma emoção para o contexto. Os dados de sensor também podem incluir dados relatados pelo usuário com descritores explícitos de uma emoção para o contexto. Os dados de sensor de emoção podem ser filtrados por dados de contexto de acordo com um contexto selecionado. Em seguida, os dados de sensor filtrados podem ser analisados a fim de determinar um perfil de emoção para o contexto que pode ser emitido a um ou mais usuários ou entidades.
Description
[001] Há vários tipos de dispositivos, sensores e técnicas para determinar características implícitas e explícitas de pessoas e lugares. Alguns sistemas usam dispositivos associados a um usuário particular para captar ou determinar informações específicas sobre usuário. Os sensores acoplados ou no interior de um dispositivo eletrônico móvel podem captar vários indicadores implícitos de características para um usuário particular. Por exemplo, os sensores em um telefone inteligente podem captar as propriedades físicas, por exemplo, posição, temperatura, taxa de movimento, batidas do coração, etc., de um usuário particular do dispositivo para recolher informações que podem implicar em características para esse usuário particular. Outros sistemas baseados em dispositivo eletrônico móvel convencional também recolhem informações sobre usuários particulares, fornecendo mecanismos através dos quais um usuário pode relatar explicitamente características de usuário, por exemplo, idade, humor, estado de saúde, peso, etc. Por exemplo, um telefone inteligente pode executar um aplicativo que faça com que um usuário insira explicitamente informações pessoais. Esses tipos de dispositivos móveis eletrônicos apenas recolhem informações para um usuário de cada vez. Isto é, cada dispositivo móvel eletrônico apenas recolhe informações sobre o proprietário ou o usuário atual do dispositivo.
[002] Outros sistemas usam sensores estacionários, como câmeras, imageadores infravermelhos, microfones, reconhecimento por voz, etc., para detectar as características de múltiplas pessoas em uma área particular próxima aos sensores. Esses sistemas podem analisar as propriedades físicas das pessoas para determinar características, por exemplo, humor, saúde ou informações demográficas, para as pessoas nessa localização particular. Por exemplo, há sistemas que podem determinar o humor, por exemplo, feliz, contente, triste, etc., de determinada porção das pessoas em uma localização com base nas propriedades físicas, como o grau no qual uma pessoa está sorrindo, para pessoas que estão dentro da faixa de um sensor particular. Devido ao fato de os sensores nesses sistemas serem estacionários, os resultados são limitados a localizações nas quais os sensores são instalados. Ademais, a amostra resultante de um grupo ou população particular dentro da faixa dos sensores é limitada. A amostra limitada do grupo de pessoas pode distorcer os resultados quando interpola, ou determina de outra forma, o humor ou outras características associadas a uma determinada localização.
[003] A Figura 1 ilustra um diagrama de uma região particular 100. A região 100 pode incluir várias localizações 120 nas quais várias quantidades de pessoas 110 podem ser encontradas. Algumas das localizações 120 podem incluir um sensor estacionário (SS) 115. Conforme mostrado, a distribuição dos sensores estacionários 115 é limitada apenas a poucas dentre as localizações possíveis 120. Consequentemente, apenas as localizações 120 que incluem um sensor estacionário 115 podem determinar até uma aproximação de uma característica, como o humor, de determinado grupo de pessoas 110 em uma localização 120 ou região 100 particular. No exemplo específico mostrado, apenas as localizações 120-1, 120-4, 120-6, 120-10, e 12012 incluem sensores de emoção estacionários 115. As outras localizações 120 não possuem meios para determinar com segurança as características para aquelas localizações.
[004] Ademais, mesmo as localizações 120 que são equipadas com um sensor estacionário 115 são limitadas pela capacidade do sensor para detectar apenas uma amostra limitada das pessoas 110 na localização. Os limites dos sensores estacionários 120 podem ser baseados nos limites do sensor em termos de faixa, velocidade e precisão. Adicionalmente, algumas pessoas podem evitar ativamente os sensores estacionários 120. Por exemplo, uma câmera que detecta humor pode ser posicionada na porta frontal de um determinado local de entretenimento para capturar as expressões faciais de pessoas conforme entram no local, e outra câmera que detecta humor pode ser posicionada próxima ao palco de apresentação do mesmo local para capturar expressões faciais de pessoas conforme assistem a um desempenho. As expressões faciais capturadas pela câmera que detecta humor na porta frontal do local podem detectar que a maioria das pessoas que entrou no local está ansiosa, e as expressões faciais capturadas pela câmera que detecta humor no palco podem detectar que a maioria das pessoas próximas ao palco está feliz. No entanto, pode haver outras pessoas ou mesmo a maioria das pessoas no local que podem estar entediadas, cansadas ou infelizes com o entretenimento ou o local, mas as câmeras que detectam humor não podem capturar uma imagem delas. Nessas situações, qualquer resultado ou conclusão alterada relativamente ao humor geral das pessoas no local pode ser falso e, por conseguinte, não representará o humor verdadeiro ou sucesso do local em entreter seus clientes.
[005] A Figura 1 ilustra sistemas convencionais que usam dispositivos eletrônicos habilitados por sensor estacionário para determinar características limitadas para contextos selecionados.
[006] A Figura 2A ilustra vários tipos de dispositivos eletrônicos habilitados por sensor que podem ser usados em várias modalidades da presente revelação.
[007] A Figura 2B é um diagrama de blocos do dispositivo eletrônico habilitado por sensor que pode ser usado em várias modalidades da presente revelação.
[008] A Figura 3 é um diagrama de blocos de um sistema de implantação de múltiplos dispositivos eletrônicos habilitados por sensor estacionário e móvel para determinar características de vários contextos, de acordo com várias modalidades da presente revelação.
[009] A Figura 4 ilustra várias definições de contextos, de acordo com várias modalidades da presente revelação.
[010] A Figura 5 ilustra as definições flexíveis de contextos, de acordo com várias modalidades da presente revelação.
[011] A Figura 6 ilustra a combinação de componentes espaciais e temporais em um contexto, de acordo com várias modalidades da presente revelação.
[012] A Figura 7 ilustra mudanças nas características de população e contexto de acordo com mudanças em um componente temporal de uma definição de contexto, de acordo com várias modalidades da presente revelação.
[013] A Figura 8 é um fluxograma de um método para definir contextos, de acordo com várias modalidades da presente revelação.
[014] A Figura 9 é um fluxograma de um método para determinar características de contexto com o uso de dados de sensor recebidos a partir de múltiplos dispositivos eletrônicos habilitados por sensor, de acordo com várias modalidades da presente revelação.
[015] A Figura 10 ilustra dados de sensor de emoção associados a vários contextos, de acordo com as modalidades da presente revelação.
[016] A Figura 11 ilustra mudanças de rastreio em dados de sensor de movimentos associados a vários contextos, de acordo com as modalidades da presente revelação.
[017] A Figura 12 ilustra tendências de emoção de usuário individual com base em mudanças no contexto, de acordo com as modalidades da presente revelação.
[018] A Figura 13 ilustra a previsão de emoções de usuário individuais com base em mudanças no contexto, de acordo com as modalidades da presente revelação.
[019] A Figura 14 ilustra dados de sensor de emoção associados a vários contextos, de acordo com as modalidades da presente revelação.
[020] A Figura 15 ilustra mudanças nos dados de sensor de emoção associados a vários contextos, de acordo com várias modalidades da presente revelação.
[021] A Figura 16 ilustra dados de sensor sobre saúde associados a vários contextos, de acordo com as modalidades da presente revelação.
[022] A Figura 17 ilustra mudanças nos dados de sensor sobre saúde associados a vários contextos, de acordo com as modalidades da presente revelação.
[023] São descritas no presente documento técnicas para sistemas e métodos para definir de modo flexível um contexto particular e determinar uma característica para esse contexto com o uso de dispositivos eletrônicos habilitados por sensor. Em particular, as modalidades da presente revelação incluem determinar uma emoção para um contexto com o uso de sensores de emoção em dispositivos eletrônicos e móveis. Na descrição a seguir, para fins de explicação, vários exemplos e detalhes específicos são estabelecidos a fim de fornecer uma compreensão completa de modalidades particulares. As modalidades particulares, conforme definido pelas reivindicações, podem incluir alguns ou todos os recursos nesses exemplos isoladamente ou em combinação com outros recursos descritos abaixo e podem incluir, adicionalmente, modificações e equivalentes dos recursos e conceitos descritos no presente documento.
[024] Várias modalidades da presente revelação incluem métodos que podem incluir receber dados de emoção a partir de múltiplos dispositivos eletrônicos habilitados por sensor de emoção. Os dados de sensor de emoção podem ser baseados em informações captadas pelos dispositivos eletrônicos distribuídos para uma pluralidade de contextos. Esses métodos podem incluir determinar um primeiro contexto a partir de múltiplos contextos, determinar uma primeira porção dos dados de sensor de emoção determinada de modo a ser recebida a partir de uma porção dos dispositivos eletrônicos distribuídos, em que a primeira porção dos dados de sensor de emoção é baseada em informações captadas pelo primeiro contexto. Os métodos podem incluir determinar um primeiro perfil de emoção para o primeiro contexto baseado na primeira porção dos dados de sensor de emoção, em que o primeiro perfil de emoção compreende uma descrição de uma emoção associada ao primeiro contexto.
[025] Outras modalidades da presente revelação incluem mídias de armazenamento legíveis por computador não transitórias que contêm instruções que, quando executadas, controlam um processador de um sistema de computador a ser configurado para receber dados de sensor de emoção a partir de múltiplos dispositivos eletrônicos distribuídos, em que os dados de sensor de emoção são baseados em informações captadas pela pluralidade de dispositivos eletrônicos distribuídos para uma pluralidade de contextos. Essas modalidades também podem incluir determinar um primeiro contexto a partir de múltiplos contextos, determinar uma primeira porção dos dados de sensor de emoção determinada de modo a ser recebida a partir de uma porção da pluralidade de dispositivos eletrônicos distribuídos, em que a primeira porção dos dados de sensor de emoção é baseada em informações captadas pelo primeiro contexto e determinar um primeiro perfil de emoção para o primeiro contexto com base na primeira porção dos dados de sensor de emoção. O primeiro perfil de emoção pode incluir uma descrição de uma emoção associada ao primeiro contexto.
[026] Várias outras modalidades da presente revelação incluem um dispositivo eletrônico que inclui um processador, um sensor de emoção, uma interface de comunicação eletrônica e uma mídia de armazenamento legível por computador não transitória. A mídia de armazenamento legível por computador não transitória pode conter instruções que, quando executadas, controlam o processador a ser configurado para ativar o sensor de emoção a fim de determinar uma leitura de sensor de emoção e determinar dados de contexto para a leitura de sensor de emoção. Os dados de contexto descrevem as circunstâncias nas quais a leitura de sensor de emoção foi determinada. As instruções podem controlar adicionalmente o processador a ser configurado para gerar dados de sensor de emoção, que incluem os dados de contexto e a leitura de sensor de emoção, enviar os dados de sensor de emoção para um ou mais provedores de serviço remoto através da interface de comunicação eletrônica e receber, a partir de um primeiro provedor de serviço remoto nos um ou mais provedores de serviço remoto através da interface de comunicação eletrônica, dados de sensor de emoção resumidos para um contexto particular. Os dados de sensor de emoção resumidos podem incluir dados de sensor de emoção recebidos pelo primeiro provedor de serviço remoto a partir de uma pluralidade de outros dispositivos eletrônicos e determinados de modo a incluir dados de contexto que são compatíveis com o contexto particular.
[027] Várias modalidades da presente revelação include sistemas, métodos e dispositivos para determinar contextos e determinar uma emoção ou um perfil de emoção para aqueles contextos que usam informações recebidas a partir de múltiplos dispositivos eletrônicos habilitados por sensor de emoção. Os contextos podem ser definidos por uma descrição que inclui componentes espaciais e/ou temporais. Os componentes espaciais podem se referir a vários tipos de sistemas de descrição de localização absoluta e relativa, como sistemas de mapas baseados em coordenadas e serviços de localização baseados em proximidade. Os componentes temporais podem se referir a sistemas de descrição de tempo absoluto e relativo. Esses sistemas de descrição de tempo podem incluir um tempo de início e data, um tempo de parada e data ou uma designação de determinado período de tempo particular dentro de determinado sistema de economia de tempo proprietário ou universal. Em algumas modalidades, o contexto pode ser determinado pela presença, concentração, ou disponibilidade de dados de sensor de emoção para um tempo e local particulares. Consequentemente, os contextos podem ser arbitrariamente definidos como combinações individuais e compostas de tempo e localização.
[028] Uma vez que o contexto é selecionado ou definido, todos ou alguns dos dados de sensor de emoção recebidos a partir de múltiplos dispositivos eletrônicos podem ser filtrados ou analisados para determinar determinada porção dos dados de sensor de emoção que inclui ou é associada a dados de contexto que são compatíveis com o contexto selecionado. Os dados de contexto podem incluir componentes temporais e espaciais que podem descrever as circunstâncias nas quais as leituras de sensor de emoção incluídas nos dados de sensor foram captadas, registradas ou determinadas de outra forma. Em algumas modalidades, os dados de sensor de emoção podem incluir indicações implícitas de emoção e descritores de emoções. Os descritores implícitos podem incluir leituras de sensor de emoção processadas ou não processadas. Tais leituras de sensor podem ser mapeadas em uma emoção ou perfil de emoção particular. Os descritores explícitos de emoção podem incluir um ou mais pontos de dados relatados por usuário com relação a um estado emocional específico ou geral para um contexto, por exemplo, um estado emocional relatado por um usuário através de um aplicativo particular, página da web ou rede de mídia social. Conforme usado no presente documento, o termo “sensor de emoção” pode se referir a qualquer sensor que pode ser usado para captar informações que podem ser usadas para deduzir uma emoção ou uma característica emocional, independentemente da qualidade ou precisão. Por exemplo, um acelerômetro pode ser usado para indicar uma emoção de uma pessoa ou pode ser usado em conjunção com os dados a partir de outros sensores para deduzir uma emoção de uma ou mais pessoas.
[029] Os dados de sensor de emoção determinados a serem recebidos a partir de dispositivos eletrônicos habilitados por sensor de emoção que estão ou estavam no contexto de interesse podem ser analisados para determinar uma emoção para o contexto. Há várias formas em que os perfis de emoção resultantes podem ocorrer, e podem ser baseados nas necessidades dos usuários ou das entidades que consumirão ou visualizarão os perfis de emoção. Por exemplo, a emoção pode incluir uma listagem completa de todos os dados de sensor de emoção para o contexto. Em outras modalidades, a emoção pode incluir resumos dos indicadores de emoção mais frequentes e das descrições nos dados de sensor para o contexto. Em uma modalidade, a emoção pode incluir uma agregação de todos os indicadores de demográfico em um único indicador demográfico agregado. Independentemente do formato da emoção, os perfis podem ser emitidos em vários canais e linhas de comunicações. Por exemplo, os perfis de emoção e os contextos relacionados podem ser publicados em uma página da web, podem ser enviados como um correio eletrônico, transmitidos em mensagens de texto ou enviados com o uso de uma alimentação (feed) de Distribuição Realmente Simples (RSS).
[030] Várias modalidades da presente revelação serão descritas agora em mais detalhes com referência a dispositivos, sistemas e casos de uso específicos.
[031] Uma porção significativa de usuários encontra ou usa pelo menos um dispositivo eletrônico diariamente. Qualquer ou todos esses dispositivos podem ser configurados para incluir uma ou mais variedades de sensores. A Figura 2A ilustra vários exemplos de dispositivos eletrônicos habilitados por sensor 210. Alguns dispositivos habilitados por sensor 210 são dispositivos móveis (citados como dispositivos eletrônicos móveis habilitados por sensor 210) que vários usuários carregam quase todos os dias. Esses dispositivos incluem vários tipos e marcas de telefones móveis habilitados por sensor 210-1, telefones inteligentes 210-2, computadores do tipo tablet e computadores do tipo laptop, etc. Embora os dispositivos de computação e comunicação móveis sejam alguns dos dispositivos mais comumente usados, há outros dispositivos eletrônicos móveis habilitados por sensor 210 que, muitas vezes, também são usados. Por exemplo, vários usuários carregam pedômetros habilitados por sensor, reprodutores de música eletrônicos (por exemplo, MP3) 210-3, relógios 210-4, óculos e, na ocasião, dispositivos eletrônicos móveis de especialidade, como dispositivos de excursão em museu sensíveis à posição auto-orientados. Adicionalmente, há configurações de dispositivos eletrônicos móveis nas quais um dispositivo pode estar vinculado ou conectado a outro dispositivo. Por exemplo, um relógio 210-4 ou relógio 210-5 pode ser conectado a um telefone inteligente 210-2 por uma conexão com ou sem fio para compartilhar informações, recursos de computador, rede ou sensor.
[032] Qualquer um dos dispositivos eletrônicos móveis habilitados por sensor acoplados ou individuais 210 pode incluir um ou mais tipos de sensores, como sensores ambientais, corporais ou sensores de localização. A mobilidade desses dispositivos fornece implantação flexível de sensores em uma ampla faixa de contextos para determinar várias características sobre aqueles contextos. Adicionalmente, pode haver alguns contextos que são equipados com um ou mais tipos de dispositivos estacionários habilitados por sensor (citados como dispositivos eletrônicos estacionários habilitados por sensor 210), mostrados genericamente em 210-6, que podem ser instalados ou colocados em vários contextos para detectar propriedades físicas, por exemplo, sinais de temperatura, níveis sonoros, expressões faciais, etc., de pessoas e condições naqueles contextos. As informações determinadas ou captadas por dispositivos eletrônicos estacionários 210-6 podem ser usadas independentemente ou em conjunto com as informações coletadas a partir de outros dispositivos móveis e estacionários habilitados por sensor.
[033] A Figura 2B ilustra uma vista esquemática de um dispositivo eletrônico habilitado por sensor 210 que pode ser usado em implantações de várias modalidades da presente revelação. Conforme discutido acima, o dispositivo eletrônico habilitado por sensor 210 pode ser um dispositivo estacionário ou móvel. Qualquer tipo de dispositivo eletrônico pode incluir um barramento de comunicação interna 219 através do qual os componentes constituintes do dispositivo eletrônico 210 podem se comunicar e/ou controlar um ao outro. Em algumas modalidades, o dispositivo eletrônico 210 pode incluir um sensor interno 215 e/ou um sensor externo 216. Os sensores podem incluir qualquer tipo de sensor que possa detectar uma característica física de uma pessoa, objeto ou ambiente. Em algumas modalidades, o sensor externo 216 pode ser acoplado ao dispositivo eletrônico 210 por uma conexão com fio ou sem fio. Consequentemente, o sensor externo 216 pode ser configurado para captar uma região, objeto ou uma parte de um corpo de usuário que é separada do dispositivo eletrônico 210. Por exemplo, o sensor externo 216 pode ser incluído em um relógio de pulso, um par de óculos/óculos de proteção ou um monitor de corpo, que pode ser fixado ou afixado a uma parte do corpo de usuário, por exemplo, um termômetro ou monitor de frequência cardíaca.
[034] Cada um dos sensores pode ser controlado pelo processador 214 que executa código legível por computador carregado na memória 213 ou armazenado na mídia de armazenamento de dados legível por computador não transitória 218. As leituras captadas pelo sensor externo 216 e pelo sensor interno 215 podem ser coletadas para o processador 214 e armazenadas em um local particular na memória 213 ou no armazenamento de dados 218. Em algumas modalidades, as leituras do sensor externo 216 e/ou do sensor interno 215 podem ser enviadas para o provedor de serviço remoto 230. Nessas modalidades, o dispositivo eletrônico 210 pode incluir uma interface de comunicação 212 para traduzir ou converter as leituras dos sensores de um formato para outro para transmissão com o uso do transmissor de comunicação 212 e rede 220. Consequentemente, o dispositivo eletrônico 210 pode ser configurado para se comunicar com a rede 220 e o provedor de serviço 230 com o uso de uma variedade de protocolos e mídias de comunicação eletrônicas com e sem fio. Por exemplo, o dispositivo eletrônico 210 pode ser configurado para se comunicar com o uso de Ethernet, IEEE 802.11xx, interoperabilidade por todo o mundo para meu acesso rápido (WiMAX), serviço de rádio de pacote geral (GPRS), taxas de dados melhoradas para evolução de GSM (EDGE) e evolução de longo prazo (LTE), etc. As leituras dos sensores ou os dados de sensor que incluem ou são gerados com o uso das leituras de sensor podem ser enviados para o provedor de serviço 230 em tempo real. Alternativamente, as leituras de sensor ou dados de sensor podem ser armazenados e/ou enviados para o provedor de serviço 230 em lotes ou como permissões de conectividade de rede.
[035] Em algumas modalidades, o dispositivo eletrônico habilitado por sensor 210 também pode incluir um determinador de localização 217. O determinador de localização 217 pode, através de vários métodos e tecnologias, por exemplo, sistemas de posicionamento global (GPS), comunicação por campo de proximidade (NFC), sensores de proximidade, etc., determinar a localização e o movimento de dispositivo eletrônico 210. Em algumas modalidades, a localização determinada pelo determinador de localização 217 pode ser incluída ou associada às leituras de sensor a partir do sensor externo 216 e/ou do sensor interno 215 nos dados de sensor enviados para o provedor de serviço 230. Conforme usado no presente documento, os dados de sensor de termos são usados para descrever quaisquer dados que incluem ou são associados a leituras de sensor e/ou dados relatados pelo usuário. Por exemplo, em algumas modalidades, os dados de sensor podem incluir as leituras de sensor e os dados relatados pelo usuário, juntamente com o tempo, a data e a localização na qual as leituras de sensor ocorreram ou que os dados relatados por usuário foram coletados. Os dados de sensor também podem incluir quaisquer outras condições ou exceções que foram detectadas quando os dados de sensor correspondentes foram determinados.
[036] A Figura 3 ilustra um esquema de um sistema 300 que inclui muitos dispositivos eletrônicos habilitados por sensor 210 implantados em múltiplos contextos 410. Os dispositivos eletrônicos habilitados por sensor 210 podem ser implantados como dispositivos móveis ou estacionários. Como tal, os dispositivos estacionários podem ser explicitamente associados a uma localização particular ou evento. Por exemplo, o dispositivo eletrônico habilitado por sensor 210-1 pode ser um dispositivo estacionário equipado com uma câmera, ou outro sensor, instalado em um contexto específico, 410-1, como uma localização particular ou em um veículo particular (por exemplo, um ônibus, trem, aeronave, navio ou outro transporte de múltiplas pessoas).
[037] Em outro exemplo, alguns dispositivos eletrônicos habilitados por sensor 210 podem ser implantados de modo passivo. Por exemplo, os dispositivos móveis habilitados por sensor 210 podem ser implantados de modo passivo em múltiplos contextos observando-se simplesmente onde os usuários pegam os dispositivos móveis associados dos mesmos. A implantação passiva dos dispositivos eletrônicos habilitados por sensor 210 se refere à maneira em que os dispositivos são portados com usuários para qualquer contexto que os usuários escolherem. Consequentemente, não há entidade central que esteja direcionando onde cada dispositivo eletrônico móvel habilitado por sensor 210 será localizado ou para onde irá a seguir. Essa decisão é deixada para os usuários individuais dos dispositivos eletrônicos móveis habilitados por sensor 210. Consequentemente, os dispositivos eletrônicos móveis habilitados por sensor 210-2 e 210-3 podem ser observados para estarem em um contexto particular 410-2, como uma localização, em um momento, mas podem ser, então, observados em uma localização diferente em outro momento. Várias vantagens que podem ser realizadas devido à implantação passiva de muitos dispositivos móveis habilitados por sensor 210 serão descritas em referência aos vários exemplos abaixo.
[038] Em algumas modalidades, cada dispositivo eletrônico habilitado por sensor 210 pode incluir um ou mais sensores ou dispositivos de medição para detectar, registrar ou analisar as características de um ou mais usuários, localizações, ou períodos de tempo. Por exemplo, cada dispositivo eletrônico habilitado por sensor 210 pode incluir um sensor de luz, um microfone, medidor de decibel, um acelerômetro, um giroscópio, um termômetro, uma câmera, um imageador infravermelho, um barômetro, um altímetro, um sensor de pressão, um sensor de frequência cardíaca, um sensor de resposta galvânica da pele, um sensor de vibração, um sensor de peso, um sensor de odor, ou qualquer outro sensor especializado ou de propósito geral para detectar características de um usuário particular de um dispositivo particular ou outros usuários, áreas, ou objetos nas proximidades do dispositivo. Conforme discutido acima, os dispositivos eletrônicos habilitados por sensor 210 também podem incluir funcionalidade ou capacidades de determinação de localização, por exemplo, um sistema de posicionamento global (GPS), detecção de proximidade, ou capacidades de determinação de localização de endereço de Protocolo de Internet (IP). Em tais modalidades, os dados de sensor coletados pelos vários sensores podem ser associados a um usuário particular e/ou a localização particular em que os dados de sensor foram registrados ou, de outra maneira, determinados. Em uma modalidade, os dados de sensor também podem incluir informações de hora e/ou data para indicar quando os dados de sensor foram capturados ou registrados. Conforme usado no presente documento, quaisquer dados que se referem a hora, data, localização, eventos e/ou qualquer outra designação espacial ou temporal, podem ser denominados dados de contexto. Consequentemente, quaisquer dados de sensor particulares podem ser associados a e/ou incluir dados de contexto que descrevem as circunstâncias sob as quais os dados de sensor foram determinados.
[039] Conforme mostrado na Figura 2B, cada um dentre os dispositivos eletrônicos habilitados por sensor 210 também pode incluir capacidades de comunicação eletrônica. Consequentemente, os dispositivos eletrônicos habilitados por sensor 210 podem se comunicar um com o outro e vários provedores de serviço 230 ao longo de uma ou mais redes de comunicação eletrônica 220 com o uso de vários tipos de meios de comunicação eletrônica e protocolos. Os dispositivos eletrônicos habilitados por sensor 210 podem enviar, e os provedores de serviço 230 podem receber dados de sensor (SD) associados a vários usuários particulares e contextos. Os provedores de serviço 230, com o uso de um ou mais sistemas de computador, podem analisar os dados de sensor para determinar uma característica de um contexto particular.
[040] Em várias modalidades da presente revelação, os vários provedores de serviço 230 podem analisar os dados de sensor para determinar humor, saúde, bem-estar, demográficos, e outras características de qualquer contexto particular 410 para o qual os provedores de serviço têm dados de sensor. Os provedores de serviço podem, então, difundir ou enviar de modo seletivo os dados característicos determinados (CD) para um contexto particular 410 para um ou mais dentre os dispositivos eletrônicos habilitados por sensor 210, bem como para outros consumidores. Tais modalidades serão descritas em mais detalhes abaixo.
[041] Conforme discutido no presente documento, o contexto pode ser definido por uma área geográfica e período de tempo em vários níveis de granularidade. Consequentemente, o contexto pode incluir localizações predefinidas, como um bar, restaurante ou parque de diversão durante um evento ou período de tempo predeterminado particular. Ao usar localizações físicas ou predeterminadas, o endereço ou outra designação semanticamente significativa da localização pode ser associado a uma faixa de coordenadas que são observáveis pelos dispositivos habilitados por sensor. Em contraste, um contexto pode ser arbitrariamente definido como qualquer região ou período de tempo para o qual os dados de sensor estão disponíveis. Por exemplo, um provedor de serviço 230 pode filtrar dados de sensor recebidos de múltiplos dispositivos eletrônicos habilitados por sensor 210 para os dados de sensor associados a um contexto específico de interesse, por exemplo, um bairro específico, rua, parque, teatro, discoteca, veículo ou evento. Uma vez que os dados de sensor são filtrados para isolar os dados de sensor que incluem dados de contexto que são compatíveis com ou são associados a contexto específico 410 que o provedor de serviço está interessado, as leituras de sensor nos dados de sensor podem ser analisadas para determinar ou interpolar uma característica particular para esse contexto particular 410.
[042] A Figura 4 ilustra como uma região 400 pode incluir várias sub-regiões, ou contextos 410, definidos por uma designação geográfica semanticamente significativa, como um endereço ou nome de local de evento. Conforme ilustrado, a região 400 pode ser segmentada em várias localizações físicas 120 e contextos 410 através dos quais os dados de contexto podem ser filtrados ou agrupados. A área 400 pode representar uma cidade, um bairro, um distrito comercial, um parque de diversão, etc., ou qualquer sub-região dos mesmos. A região 400 pode ser segmentada adicionalmente em contextos individuais e compostos 410. Por exemplo, o contexto 410-1 pode incluir um quarteirão da cidade de localizações 120-1 através de 120-5, por exemplo, um quarteirão de edifícios ou comércio, em um bairro particular de região 400. Em algumas modalidades, cada localização 120-1 a localização 120-5 pode ser um contexto particular. No entanto, conforme mostrado, o contexto 410-1 pode compreender todo o espaço interno de localizações 120-1 através de 120-5, bem como qualquer espaço externo circundante, isto é, pátios externos, calçadas, e ruas. Consequentemente, definindo-se a área dentro e ao redor de localizações 120-1 a 120-5 como um contexto particular 410-1, várias representações sobre aquele contexto podem ser determinadas analisando-se os dados de sensor recebidos dos dispositivos habilitados por sensor determinados para estarem em área 410-1. Em uma modalidade, um computador de servidor de um provedor de serviço 230 pode filtrar os dados de sensor pelas coordenadas de GPS para determinar quais dispositivos estão ou estavam no contexto 410-1. Em outras modalidades, o provedor de serviço pode referenciar uma localização geográfica semanticamente significativa de informações de entrada de mídia social incluída nos dados de sensor, por exemplo, um usuário pode autorrelatar que o mesmo ou a mesma está jantando em um restaurante na localização 120-1 ou se exercitando em uma academia de ginástica 120-4 dentro do contexto 410-1.
[043] Conforme mostrado, o contexto 410-1 também pode incluir vários subcontextos, como contextos 410-2 e 410-3 que podem ser definidos por uma localização física e período de tempo. Por exemplo, o contexto 410-2 pode ser definido por localizações físicas 120-3 e 120-3 entre 9h e 20h durante algumas faixas particulares de datas, por exemplo, um evento de liquidação. De forma semelhante, o contexto 410-3 pode ser definido pela localização física 120-5 em uma noite específica de um dia específico do ano, por exemplo, um evento especial como um casamento ou um concerto. Com o uso das definições dos contextos específicos de interesse, as modalidades particulares podem filtrar ou escolher/classificar os dados de sensor recebidos para isolar e analisar as leituras de sensor relevantes para realizar determinações sobre as características das pessoas 110 nos contextos particulares 410. Por exemplo, os dados de sensor para contexto 410-2 podem indicar que a maioria das pessoas no contexto está “feliz”, enquanto os dados de sensor ou dados relatados pelo usuário para contexto 410-3 podem indicar que a idade mediana das pessoas no contexto é 45 anos.
[044] De forma semelhante, o contexto 410-4 pode ser definido para incluir a localização 120-6, a área circundante da localização 120-6, e o sensor estacionário 115-3 em uma noite particular da semana, por exemplo, toda quarta à noite. Incluindo-se o sensor estacionário 115-3, um computador servidor analisa os dados de sensor a partir de dispositivos eletrônicos móveis habilitados por sensor 210 associados às pessoas 110 no contexto 410-4 pode incorporar dados de sensor a partir do sensor estacionário 115-3. Em tais modalidades, os dados de sensor de dispositivos eletrônicos móveis habilitados por sensor 210 ou o sensor estacionário 115 podem ser pesados de acordo com determinada relevância, confiança, recente ou outras qualidades dos dados de sensor. Adicionalmente, os pesos relativos dos dados de sensor recebidos dos dispositivos móvel e estacionário podem ser baseados em limites predeterminados em relação ao tamanho de amostra. Se os dados de sensor forem recebidos a partir de algum número limite de dispositivos eletrônicos móveis habilitados por sensor 210 no contexto 410-4, então, os dados de sensor recebidos do sensor estacionário 115-3 podem ter menos peso nas conclusões sobre as características do contexto. Em contraste, se apenas algumas pessoas no contexto 410-4 que estão portando dispositivos eletrônicos móveis habilitados por sensor 210 ou há apenas algumas pessoas em presença, então, os dados de sensor do sensor estacionário 115-3 podem ser mais brutalmente pesados. O tamanho de amostra é apenas um fator exemplificativo através do qual os dados de sensor de dispositivos habilitados por sensor móvel e estacionário podem ser pesados um em relação ao outro. A ponderação de dados de sensor, de acordo com vários fatores, será discutida abaixo em mais detalhes.
[045] Embora o uso de endereços existentes e outras descrições semanticamente significativas seja um modo conveniente para definir um contexto particular, algumas modalidades da presente revelação permitem definir contextos que não são necessariamente associados a uma localização física particular 120, como um edifício ou um local. Por exemplo, o contexto 410-5 pode ser definido em um espaço aberto que pode ou não incluir um sensor estacionário 115-5. Por exemplo, o contexto 410-5 pode incluir um estacionamento ou parque municipal sem limitações físicas definidas. Filtrando-se os dados de sensor determinados de modo a incluir informações geográficas para uma área de interesse particular, as modalidades particulares podem definir de modo flexível contextos para incluir localizações geográficas de qualquer tamanho ou formato. Em algumas modalidades, as localizações geográficas em um contexto particular podem ser definidas por uma faixa de coordenadas de GPS.
[046] Visto que um provedor de serviço pode definir arbitrariamente um contexto, qualquer contexto definido anteriormente pode ser redefinido em qualquer momento conforme necessário. Consequentemente, os contextos 410-1 e 410-2 mostrados na Figura 4 podem ser reduzidos/unidos em contexto 410-6 mostrado na Figura 5. De forma semelhante, o contexto 410-5 mostrado na Figura 4 pode ser dividido em múltiplos contextos 410-9 e 410-10 conforme mostrado na Figura 5 para obter maior granularidade nos dados de sensor associados ao contexto maior 410-5. Por exemplo, o contexto 410-5 pode ter sido originalmente definido ao redor de um espaço público externo grande, mas para um evento particular, como um parque de diversão ou festival, pode ser dividido para ser centralizado ao redor de eventos caracterizados ou exibir, tal como um estágio de desempenho ou instalação de arte. Espaços internos que definem um contexto, como localização 120-6, cujo contexto definido 410-4 na Figura 4, também pode ser dividido em contextos menores, como contexto 410-7 e 410-8 conforme mostrado na Figura 5. Adicionalmente, novos contextos podem ser adicionados. O contexto 410-11 pode ser adicionado dentro e ao redor de localização 120-13 quando um provedor de serviço particular ou usuário solicita ou exige dados de sensor ou uma emoção característica para aquele contexto particular. Por exemplo, um novo restaurante ou bar pode ter aberto que um publicitário iria gostar de saber.
[047] Conforme mencionado anteriormente, o contexto pode ser definido por uma combinação de coordenadas espaciais e temporais. A Figura 6 ilustra um contexto particular 410-14 que pode incluir designações de localizações particulares 120-11, 120-12 e 120-13, um dia particular 615 de um mês particular 610 em uma hora particular 620. Conforme mostrado, o contexto 410-14 pode incluir qualquer número de pessoas 110 que podem ou não estar portando um ou mais dispositivos eletrônicos móveis habilitados por sensor 210. Presumindo que alguma porção das pessoas 110 esteja portando dispositivos móveis habilitados por sensor 210, então, um provedor de serviço pode receber dados de sensor para contexto 410-14. Em algumas modalidades, o provedor de serviço pode filtrar dados de sensor recebidos de muitos dispositivos eletrônicos móveis habilitados por sensor 210 analisando-se os dados de contexto incluídos nos dados de sensor para determinar quais dados de sensor são associados a ou capturados dentro das limitações espaciais e temporais do contexto 410-14. Por exemplo, o contexto 410-14 pode incluir um evento, por exemplo, uma abertura grandiosa, ocorrendo em múltiplos edifícios 120-11, 120-12, e 120-13 em 10 de abril, às 12:45h (-8 GMT). O provedor de serviço pode, então, filtrar os dados de sensor para dados de contexto que são compatíveis com os parâmetros específicos com algum grau de liberdade, por exemplo, mais ou menos 1 hora. O provedor de serviço pode, então, analisar as leituras de sensor nos dados de sensor determinados para corresponder com os parâmetros específicos do evento para determinar uma ou mais características do evento. Embora a análise dos dados de sensor para contextos individuais seja útil para caracterizar um contexto particular, é muitas vezes útil ou informativo entender como várias características mudam de contexto para contexto.
[048] Em algumas modalidades, o provedor de serviço 230 pode determinar uma diferença entre uma característica determinada para um contexto e a característica determinada em outro contexto. Por exemplo, o provedor de serviço 230 pode comparar a idade média de pessoas 110 no contexto 41014, com a idade média de pessoas 110 no contexto 410-15 mostrado na Figura 7. No exemplo específico mostrado nas Figuras 6 e 7, as localizações físicas 120-11, 120-12 e 120-13 do contexto 410-14 e do contexto 410-15 são as mesmas. No entanto, a hora 720 e data 715 do contexto 41015 são diferentes da hora 620 e data 615 do contexto 41014. Analisando-se a diferença em características para cada um dos contextos, o provedor de serviço pode determinar mudanças específicas ou tendências. Por exemplo, um computador de servidor, com base em análise de dados de sensor determinados para corresponder com os contextos 41014 e 410-15, pode determinar que a idade média e a presença geral aumentaram entre abril e junho de um ano particular. Embora o exemplo mostrado nas Figuras 6 e 7 se refiram a duas localizações estacionárias, outras modalidades da presente revelação incluem contextos que são definidos pelo espaço interior de transportes de múltiplas pessoas, como aeronaves, trens, embarcações e ônibus.
[049] A Figura 8 é um fluxograma de um método para determinar um contexto particular e dados de sensor recebidos de dispositivos habilitados por sensor para aquele contexto. Em 810, um provedor de serviço 230 pode referenciar um sistema semanticamente significativo de descrições de contexto. Conforme descrito no presente documento, um contexto pode ser definido por uma localização, um período de tempo, ou uma combinação dos mesmos. Consequentemente, a definição de um contexto pode incluir um componente espacial feito em referência ao sistema semanticamente significativo de descrições de contexto. Por exemplo, a descrição de contexto pode referenciar um mapa com um leiaute de localizações predefinidas. O mapa pode representar uma municipalidade com lotes de terra ou edifícios identificados por um sistema de endereços de rua ou números de lote. Tais mapas municipais podem incluir dados de pesquisa geográfica que especificam as divisas e limitações de várias localizações. Os sistemas semanticamente significativos de descrição de contexto também podem incluir mapas de propriedades individuais, como parques de diversão, shopping centers, parques de diversão, universidades, escolas, destinos turísticos, etc. Em tais modalidades, um mapa de uma propriedade individual pode incluir posições absolutas ou relativas de recursos, objetos ou amenidades na propriedade. Adicionalmente, um sistema semanticamente significativo de descrição de contexto também pode incluir um componente temporal, como um calendário de evento ou cronograma de eventos. Consequentemente, o componente temporal pode ser combinado com o componente espacial para descrever uma hora particular e uma localização particular.
[050] Em 820, o provedor de serviço 230 pode selecionar o contexto a partir do sistema semanticamente significativo de descrições de contexto. Conforme discutido acima, o contexto selecionado pode incluir um componente temporal e um espacial. Em 830, o provedor de serviço 230 pode converter o contexto selecionado do sistema semanticamente significativo de descrições de contexto para um sistema observável de descrições de contexto. Em tais modalidades, os componentes temporais ou espaciais absolutos ou relativos do contexto selecionado podem ser traduzidos em componentes espaciais observáveis e/ou componentes temporais observáveis. Os componentes espaciais e temporais observáveis podem referenciar um sistema que os dispositivos eletrônicos habilitados por sensor individuais 210 podem observar ou captar. Por exemplo, os componentes espaciais observáveis podem ser definidos de acordo com sistemas para determinação de localização de posição, por exemplo, sistemas de posicionamento globais (GPS) ou sistemas de localização de proximidade beacon. Em uma modalidade, um endereço de rua para um parque público particular pode ser traduzido em um conjunto de coordenadas geográficas que descrevem as limitações do parque. De forma semelhante, os componentes temporais podem ser definidos de acordo com um relógio universal ou comum ou calendário, como Hora Média de Greenwich (GMT) ou o calendário Gregoriano. Em tais modalidades, o nome de um evento, por exemplo, um concerto pode ser traduzido em um período de tempo que inclui uma hora de início e data e hora de término e data juntamente com uma localização de local particular definida em coordenadas geográficas. Em outras modalidades, cada dispositivo eletrônico habilitado por sensor individual 210 pode traduzir os componentes espaciais e temporais observáveis do contexto em que o mesmo determina leituras de sensor em um sistema semanticamente significativo de descrições de contexto. Por exemplo, um telefone inteligente habilitado por sensor pode fazer uma leitura de ruído de ambiente em um conjunto particular de coordenadas conforme determinado pelas capacidades de GPS de telefone inteligente. O telefone inteligente pode, então, referenciar um mapa interno de locais de música próximos para determinar um local particular com base na coordenada determinada. O telefone inteligente pode, então, associar a leitura de ruído de ambiente com aquele local. Em tais modalidades, os dados de contexto nos dados de sensor podem incluir a referência ao sistema semanticamente significativo de descrições de contexto.
[051] Em algumas modalidades, em 840, o provedor de serviço 230 pode filtrar os dados de sensor recebidos de múltiplos dispositivos eletrônicos habilitados por sensor 210 de acordo com a descrição de contexto convertida, isto é, os componentes espaciais e temporais observáveis da descrição de contexto. Consequentemente, a filtragem dos dados de sensor pode incluir determinar dados de sensor que incluem dados de contexto que são compatíveis com a descrição de contexto convertida.
[052] Na ocasião, os dados de sensor determinados de modo a incluir dados de contexto que são compatíveis com a descrição de contexto convertida podem não representar um tamanho de amostra satisfatório. Em tais cenários, várias modalidades da presente revelação podem disparar um alerta para indicar que a porção dos dados de sensor determinados para corresponder com a descrição de contexto convertida é insuficiente para determinar uma ou mais características para o contexto. Quando parece ter muitos poucos dados de sensor para determinar uma característica confiável para o contexto, é possível aumentar o tamanho de amostra expandindo-se a definição de contexto, por exemplo, aumentando a região geográfica e/ou período de tempo do contexto. Se a expansão da definição de contexto não resultar em um tamanho de amostra suficiente, mas é também possível contar com ou pesar novamente descrições de característica de contexto explicitamente relatado. Por exemplo, quando o tamanho de amostra dos dados de sensor é insuficiente para interpolar uma característica confiável, então, a característica interpolada pode ser pesada menos do que quaisquer dados característicos relatados de usuário disponível ao determinar dados característicos combinados.
[053] Várias modalidades da presente revelação incluem sistemas e métodos para determinar uma característica particular de um contexto. Por exemplo, a Figura 9 é um fluxograma de um método 900 para determinar uma ou mais características de um contexto com o uso de dados de sensor a partir de múltiplos dispositivos eletrônicos habilitados por sensor 210. Conforme usado no presente documento, os dados de sensor podem incluir leituras de sensor bem como dados relatados pelo usuário em relação a uma característica particular de interesse. Em tais modalidades, as leituras de sensor podem representar descrições de característica de contexto implícito. Além disso, os dados relatados de usuário podem representar descrições de característica de contexto explícito. Conforme mostrado, o método 900 pode começar em 910, em que um provedor de serviço recebe dados de sensor a partir de múltiplos dispositivos eletrônicos habilitados por sensor. Os dados de sensor podem incluir dados de característica de contexto implícito e explícito determinados para muitos contextos diferentes. Conforme discutido acima, os dispositivos eletrônicos habilitados por sensor 210 podem incluir tanto dispositivos eletrônicos estacionários como móveis. Em 920, o provedor de serviço 230 pode determinar uma porção dos dados de sensor que inclui dados de contexto que são compatíveis com a descrição de contexto para um contexto particular selecionado. Em uma modalidade, os dados de sensor recebidos podem ser filtrados para buscar apenas o sensor que inclui dados de contexto que indicam que as leituras de sensor ou dados relatados pelo usuário foram determinadas enquanto os dispositivos eletrônicos habilitados por sensor de fonte estavam no contexto selecionado. Em uma modalidade, os dados relatados pelo usuário também podem incluir informações e características relatadas por usuários com o uso de outros dispositivos e aplicativos, tal como navegador de web executado em um computador do tipo desktop habilitado para internet ou relatado a um operador de provedor de serviço ao longo de um telefone de linha fixa.
[054] Em 930, uma vez que a porção dos dados de sensor associada ao contexto selecionado é determinada, as leituras de sensor e/ou os dados relatados de usuário podem ser analisados para determinar uma característica de interesse para o contexto selecionado. Analisar os dados de sensor pode incluir mapear as indicações de característica de contexto implícito nas leituras de sensor para características de contexto correspondentes. O mapeamento das indicações de característica de contexto implícito para as características correspondentes pode ser predeterminado e com base em análise anterior realizada pelo provedor de serviço 230. Analisar os dados de sensor também pode incluir comparar as características de contexto correspondente mapeadas com as descrições de característica de contexto explícito a partir dos dados relatados de usuário nos dados de sensor. Quando ambos os dados de característica de contexto implícito e explícito são usados, os componentes implícitos e explícitos podem ser pesados de acordo com confiança observada ou determinada dos dados. A confiança dos componentes implícitos e explícitos pode ser baseada na pontualidade, frequência ou consistência de dados de sensor semelhantes recebidos de cada dispositivo eletrônico habilitado por sensor particular 210. Consequentemente, pode-se fornecer mais peso aos dados de sensor recebidos de dispositivos que são considerados ser mais confiáveis que outros dispositivos ao determinar a característica de contexto. De forma semelhante, os componentes implícitos e explícitos das descrições de característica de contexto podem ser pesados de forma diferente com base em confiança percebida. Por exemplo, se o tamanho de amostra dos componentes implícitos for considerado ser muito pequeno para ser confiável, então, pode-se fornecer mais peso aos componentes explícitos. Em contraste, se os componentes explícitos parecem ser falsos ou inconsistentes com outros dados disponíveis, então se pode fornecer mais peso aos componentes implícitos ao determinar a característica do contexto.
[055] Em 940, uma vez que a característica ou perfil de característica para o contexto selecionado é determinada, pode ser emitido para uso por vários usuários e entidades. Por exemplo, a forma da característica de saída pode incluir uma recomendação ou alerta em relação ao contexto associado enviado para um ou mais dispositivos eletrônicos móveis. De forma semelhante, a característica de saída para o contexto pode ser publicada em uma página da web, juntamente com outras características de saída para outros contextos, ou difundir através de e-mail ou por RSS. Em algumas modalidades, a característica de saída para o contexto pode incluir mudanças de rastreamento ou tendências da característica particular sobre vários parâmetros de contexto, por exemplo, ao longo do tempo. Consequentemente, mudanças na característica podem ser analisadas como uma função de uma mudança em contexto. A mudança em contexto pode incluir mudanças nos componentes temporais e/ou espaciais de um contexto particular. Por exemplo, o humor, idade média, ou bem-estar de um evento semanal particular que pode incluir mudanças ocasionais na hora de início e local pode ser rastreado como uma função de hora de início ou localização. Em uma modalidade, os usuários podem buscar contextos com determinadas características ou procurar através de contextos com base no contexto e/ou nas características associadas.
[056] Exemplos específicos de determinação de característica de contexto com referência a características de emoção, demográficas e de saúde para contextos particulares serão discutidos em mais detalhes em referência às Figuras 10 a 17 abaixo.
[057] Várias modalidades da presente revelação incluem sistemas e métodos para determinar uma emoção ou perfil de emoção para contextos particulares. A Figura 10 ilustra um cenário 1000 com dois contextos com base em localização estacionário 1005 e 1015, e um contexto com base em localização móvel 1025, por exemplo, um ônibus público. No exemplo particular mostrado, o contexto 1005 é um edifício na esquina de uma intersecção e o contexto 1015 é outro edifício na mesma rua. Cada um dos edifícios pode ser associado a um endereço ou um nome comercial incluído em um sistema semanticamente significativo de descrições de contexto. O cenário 1000 também inclui um contexto 1025 definido como o interior de um ônibus público ou um privado. Em algumas modalidades, o contexto 1025 pode ser definido não só como o interior de um ônibus particular, mas como os interiores de alguns ou todos os ônibus em serviço de uma rota ou linha particular durante algum período de tempo do dia.
[058] Um provedor de serviço 230 pode receber dados de sensor de emoção que incluem indicações implícitas e explícitas de emoções de dispositivos habilitados por sensor em qualquer um dos contextos 1005, 1015 e/ou 1025. As indicações implícitas e explícitas de emoções podem ser mapeadas a ou representar uma característica emocional de uma ou mais pessoas em um contexto particular. Tais características emocionais podem incluir qualquer número de estados emocionais, como felicidade, tristeza, pensativo, medo, raiva, etc. No exemplo mostrado na Figura 10, os dados de sensor de emoção podem incluir indicações de emoções na faixa de tristeza 1011, felicidade 1012 e animação 1013. Embora esse exemplo particular de possíveis indicações de emoções nos dados de sensor de emoção seja limitado a três indicações de várias emoções, outras modalidades da presente revelação podem incluir menos ou mais possíveis indicações de emoções simples ou complexas. O nível de granularidade e a faixa de possíveis emoções não precisam ser limitados.
[059] Analisando-se os dados de sensor de emoção para os contextos, o provedor de serviço pode determinar uma emoção associada ou perfil de emoção. O estilo e formato da emoção relatada ou perfil de emoção para um contexto particular pode ser adequado às necessidades dos usuários ou outras entidades que estarão usando a caracterização de emoção do contexto. Por exemplo, quando os dados de sensor de emoção associados com o contexto 1005 são analisados, pode ser determinado que há mais indicações implícitas e/ou explícitas de felicidade 1012 e animação 1013 do que indicações de tristeza 1011. Nesse exemplo particular, o provedor de serviço 230 pode determinar que a tendência do contexto 1005 seja “feliz”. Em outra modalidade, quando os dados de sensor de emoção associados com o contexto 1015 são analisados, pode ser determinado que 40% das pessoas estão felizes, 40% das pessoas estão animadas, e 20% das pessoas estão tristes. De forma semelhante, analisando-se os dados de sensor de emoção associados com o contexto 1025, pode ser determinado que o humor geral de contexto 1025 seja “triste”.
[060] Em algumas modalidades, quando é determinado que um contexto particular é associado a uma emoção específica, a emoção pode ser usada como uma indicação de que alguma coisa está ocorrendo ou ocorreu, ou prever que alguma coisa está prestes a ocorrer. Por exemplo, quando o contexto 1025 é determinado para ser “triste”, pode indicar que o ônibus experimentou um acidente de trânsito ou está, de outro modo, experimentando atrasos longos. De forma semelhante, quando é determinado que todos ou uma maioria dos dados de sensor de emoção para um contexto particular inclui indicações de felicidade, tais informações podem ser usadas como uma indicação de que alguma coisa aconteceu favoravelmente, por exemplo, um evento bem-sucedido está ocorrendo. Embora as caracterizações da emoção para um contexto que inclui resumos estáticos ou de uma vez sejam úteis para alguns propósitos, é muitas vezes útil também incluir análise das mudanças na emoção ou perfil de emoção para um contexto ao longo de um ou mais componentes espaciais ou temporais do contexto.
[061] Por exemplo, a Figura 11 ilustra um cenário 1100 em que as tendências ou mudanças nos dados de sensor de emoção podem ser observadas. Conforme mostrado, no momento 1105-1, as emoções para contextos 1005, 1015 e 1025 podem ser caracterizadas conforme mostrado na Figura 11. No entanto, após alguma quantidade de tempo, por exemplo, 2 horas, na hora 1105-2, os dados de sensor de emoção recebidos de vários dispositivos eletrônicos habilitados por sensor 210 no contexto 1005 podem ser analisados para determinar que a tendência do contexto seja “triste”. Isso é porque indicações adicionais de uma emoção triste foram recebidas nas últimas 2 horas. Além disso, na hora 1105-2, os dados de sensor de emoção de dispositivos determinados para estarem no contexto 1015 podem ser analisados para determinar que o contexto seja 23% “feliz”, 66% “animado” e 11% “triste”. Em referência ao contexto da linha ou rota de ônibus 1025, os dados de sensor de emoção podem ser analisados para determinar que pessoas no ônibus estejam geralmente felizes. As mudanças nas emoções ou perfis de emoção para os contextos 1005, 1015 e 1025 podem ser rastreadas e as mudanças ou as tendências podem estar incluídas na saída em relação à emoção ou perfil de emoção para cada contexto. Por exemplo, em algum momento particular, o contexto 1005 pode ser caracterizado como “triste”, mas, com base nas tendências recentes nos dados de sensor de emoção para o contexto, pode estar experimentando uma mudança no humor predominante de triste com tendência para “feliz”.
[062] Embora as tendências na emoção de contexto ao longo do tempo sejam úteis para alguma análise, algumas modalidades incluem determinar tendências na emoção de contexto de acordo com mudanças na localização física. Por exemplo, o contexto 1025 do ônibus pode incluir não só o interior do ônibus, mas também pode incluir ambientes através dos quais o ônibus se desloca. Consequentemente, as tendências em emoção podem ser rastreadas ao longo de mudanças na posição de ônibus ao longo da rota do mesmo. Por exemplo, a emoção do contexto de ônibus 1025 pode mudar de “feliz” enquanto o ônibus está se deslocando através de uma parte agradável da cidade com pouco trânsito para “triste” quando o ônibus começa a se deslocar através de outra parte da cidade com trânsito intenso. Outros aspectos do contexto 1025 do ônibus também podem ser rastreados. Por exemplo, mudanças em motoristas, operadores, guias turísticos, música ambiente, propaganda dinâmica (monitores de tela de vídeo ou anúncios públicos), iluminação, limpeza, velocidade de deslocamento, estilo de direção, condição da pista, etc. podem ser todos incluídos no contexto 1025 e referenciados de modo cruzado com os dados de sensor de emoção recebidos dos dispositivos eletrônicos habilitados por sensor para determinar o impacto de tais mudanças individuais e combinadas no humor do contexto. No exemplo particular mostrado na Figura 11, o contexto de ônibus 1025 foi descrito em detalhes, no entanto outros transportes de múltiplas pessoas e rotas de transporte também podem ser usados para definir um contexto particular. Por exemplo, outros contextos podem incluir expansões de autoestrada, rotas de linha aérea, rotas de trem, linhas de metrô, seções de pista, etc. para os quais os dados de sensor de emoção podem ser analisados para determinar uma emoção associada ou um perfil de emoção.
[063] Outras modalidades da presente revelação incluem tendências de rastreamento em emoção para usuários individuais. Em tais modalidades, dispositivos eletrônicos móveis habilitados por sensor 210 podem ser associados a usuários particulares. Os dados de sensor de emoção, e outros dados de sensor, recebidos a partir de outros dispositivos podem ser associados a usuários individuais. À medida que um usuário move de um contexto para o próximo, mudanças nessa emoção do usuário podem ser rastreadas. Por exemplo, a Figura 12 mostra perfis de tendência de emoção 1110 que rastreiam as mudanças emocionais para usuários individuais 110 à medida que os mesmos movem de um contexto para outro. Conforme mostrado, o perfil 1110-1 rastreia a emoção ou o humor de um usuário 1 à medida que o usuário parte de um contexto para outro. Uma vez que uma determinada quantidade de alguns dados de sensor de emoção para um usuário particular 1 em vários contextos é coletada, várias modalidades da presente revelação podem começar a prever como um humor do usuário irá mudar, caso o usuário parta de um contexto particular a outro contexto particular.
[064] A Figura 13 ilustra modalidades da presente revelação que podem referenciar os perfis de tendência de emoção 1110 para prever uma mudança em emoção para usuários individuais em vários cenários à medida que os mesmos movem a partir de um tipo de contextos para outro tipo de contexto. Com base no perfil de tendência de emoção 1110 para cada usuário individual, várias previsões sobre a mudança em um humor do usuário são representadas de acordo com deslocamentos no contexto a partir de um contexto inicial 120-X. Caso um usuário particular move de um contexto inicial 120-X para outro contexto, tal como, 1201, então, com base no perfil de tendência de emoção 1110 para esse usuário, pode-se prever que o humor do usuário irá mudar ou permanecerá o mesmo. No exemplo mostrado, pode-se prever que vários usuários que começaram tão felizes quanto no contexto 120-X permanecerão felizes, ficarão contentes ou tristes quando movido para um dentre os outros contextos 120. De modo semelhante, pode-se prever que um usuário que começar triste no contexto 120-X permaneça triste, ou fique feliz ou contente quando movido para um dentre os outros contextos 120.
[065] Em algumas modalidades, a previsão de uma mudança particular em um humor do usuário pode inclui a consideração de determinações atuais ou históricas da emoção do contexto no qual o usuário está prestes a entrar. Por exemplo, pode-se prever se um usuário particular ficará feliz caso o usuário compareça a um evento particular em local de entretenimento particular que é tipicamente vívido e feliz. Caso as tendências no perfil do usuário 1110 indiquem uma mudança de humor favorável quando passa em tal contexto, então, pode-se prever o usuário irá aproveitar a mudança em contexto. Com base em tais previsões, recomendações e/ou alertas podem ser enviados ao usuário por meio seu dispositivo eletrônico móvel habilitado por sensor 210 associado quando se determina que o usuário esteja dentro de certa proximidade a um contexto particular.
[066] Vários usuários e entidades acham, frequentemente, útil saber sobre a demografia de um contexto particular. Com o uso de dados de sensor demográfico que podem inclui implicar e explicitar indicações de várias características demográficas de pessoas e de ambientes em contextos particulares, várias modalidades da presente revelação podem determinar uma demografia ou um perfil demográfico para os contextos. Por exemplo, a Figura 14 ilustra os contextos 1005 e 1015 que incluem um componente espacial, por exemplo, um endereço, e um componente de tempo 1105-3, para os quais os dados de sensor demográfico foram recebidos e/ou coletados. Os dados de sensor demográfico podem inclui indicações de características demográficas para pessoas dentro de cada um dos contextos. Para propósitos de esclarecimento, o número de indicações implícitas e explícitas de características demográficas mostradas na Figura 14 foi limitado. Conforme mostrado, os dados de sensor demográfico podem inclui indicações de uma primeira característica demográfica 1401, uma segunda característica demográfica 1402 e uma terceira característica demográfica 1403. Embora descritas genericamente como características demográficas numeradas individualmente, tais características demográficas podem inclui qualquer característica demográfica individual ou combinação de características demográficas. Por exemplo, as características demográficas numeradas individualmente 1401, 1402 e 1403 podem representa qualquer combinação de estíticas quantificáveis para as pessoas, tais como, idade, sexo, etnia, raça, preferência sexual, classe social, cena social, e qualquer outra associação determinável implicitamente ou explicitamente com um grupo ou classificação particular.
[067] Mediante a filtragem dos dados de sensor demográfico determinados para inclui ou serem associados aos dados de contexto que são compatíveis componentes espaciais e/ou temporais dos contextos 1005 e 1015, várias modalidades da presente revelação podem determinar perfis demográficos para cada contexto. O perfil demográfico para o contexto pode incluir uma listagem completa dos detalhes demográficos disponíveis para cada pessoa nesse contexto. Caso menos granularidade seja exigida ou desejada, então, um perfil demográfico de sumário pode ser criado. Por exemplo, com base nos dados de sensor demográfico, pode-se determinar que a demografia de contexto 1005 seja predominantemente masculina. De modo semelhante, pode-se determinar que a demografia de contexto 1015 é predominantemente feminina com uma idade média maior que 55. O perfil demográfico para um contexto particular pode, em seguida, ser emitido através de vários canais de comunicação, por exemplo, publicado em um site da web, enviado a grupos de usuários assinantes por meio de e-mail ou Serviço de Mensagem Curta (SMS), ou enviados por push a um aplicativo executado por um dispositivo eletrônico móvel.
[068] Da mesma maneira que é útil rastrear mudanças na emoção para um contexto, também pode ser útil rastrear mudanças em demografia para um contexto. A Figura 15 ilustra um cenário 1500, no qual as mudanças no perfil demográfico dos contextos 1005 e 1015 são observadas a partir do tempo 1105-4 ao tempo 1105-5. Conforme mostrado, o contexto 1005, por exemplo, a região interior e exterior ao redor de uma barra em uma interseção particular, começar no tempo 1105-4 que é associado predominantemente aos dados de sensor demográfico que incluem uma característica emocional particular 1401. Por exemplo, a característica emocional 1401 pode ser uma indicação de um indivíduo do sexo masculino acima dos 40 anos de idade. De modo semelhante, o contexto 1015 no tempo 1105-4 pode determinado para ser associado primariamente aos dados de sensor demográfico que incluem indicações da característica emocional particular 1403, por exemplo, indivíduos do sexo feminino próximos aos 25 anos idade. Após certo período de tempo, no tempo 1105-5, a demografia dos contextos 1005 e 1015 podem mudar. Conforme ilustrado, o contexto 1005 pode ser associado agora aos dados de sensor demográfico que incluem vários exemplos de características demográficas 1401, 1403, 1405, 1406, 1407, e 1409. Os dados de sensor demográfico de contexto 1015 no tempo 1105-5 podem deslocar para inclui uma mistura predominante de característica emocional 1401 e 1402. Tais deslocamentos podem indicar uma mudança na idade, sexo, etnia ou outra característica emocional dos habitantes ou patronos de um contexto particular, isto é o prédio ou um negócio. As mudanças ou tendências na demografia ou no perfil demográfico de um contexto podem, então, ser associadas ao contexto e emitidas através de vários canais de comunicação. DETERMINAÇÃO DE SAÚDE E BEM ESTAR DE UM CONTEXTO
[069] Através do uso de vários tipos de sensores de saúda individuais ou em grupo, várias modalidades da presente revelação podem determinar a saúde e o bem estar para vários contextos. As Figuras 16 e 17 ilustram dois cenários 1600 e 1700 da mesma região geográfica, por exemplo, uma parte de um município ou cidade que inclui vários contextos. Os contextos podem inclui o grupo de perídios no contexto 1605, um parque externo no contexto 1615 e um prédio particular no contexto 1625 durante um período de tempo particular, por exemplo, uma semana, mês ou ano. Consequentemente, o cenário 1600 na Figura 16 pode ser associado a um período de tempo particular, o e cenário 1700 na Figura 17 pode ser associado a outro período de tempo particular. Os períodos de tempo podem se sobrepor ou ser mutuamente exclusivos.
[070] Mediante o uso dos endereços, números de lote, e/ou as coordenadas de GPS correspondentes das localizados localizadas nos contextos do cenário 1600 para definir os contextos, as várias modalidades podem filtrar dados de sensor de saúde recebidos a partir de múltiplos dispositivos eletrônicos habilitados por sensor 210 para determinar os dados de sensor de saúde que incluem dados de contexto que são compatíveis ou associados aos contextos de interesse. Os dados de sensor de saúde determinado para inclui dados de contexto que são compatíveis com cada contexto podem, em seguida, se analisados para determinar um perfil de saúde para o contexto correspondente.
[071] Os dados de sensor de saúde recebidos dos dispositivos habilitados por sensor de saúde ao longo do cenário 1600 podem ser filtrados para determinar os dados que são associados aos contextos 1615 e 1625 e qualquer outra área ou região ou quadro de tempo em que um usuário ou entidade pode ter interesse como um contexto individual ou composto. Por exemplo, o contexto 1605 pode ser definido pelas áreas nos prédios e ao redor do mesmo associadas a uma faixa particular de endereços. A faixa de endereços pode ser usada para determinar as coordenadas específicas das regiões geográficas ocupadas pelos prédios referenciando-se um mapa geográfico ou um serviço de mapeamento de terceiros. O contexto 1615 pode ser definido pelo nome do parque, que pode ser usado para referenciar algum sistema de descrições de contexto, tal como, dados de pesquisa municipal, que define os limites de terreno do parque em relação às coordenadas geográficas. O contexto 1625 pode ser definido pelo quarteirão e pelo número de lote do prédio ou pelo nome do negócio que usa o prédio in contexto 1625. Tais sistemas semanticamente significantes de descrições de contexto pode referenciar, então, um sistema observável de descrições de contexto para determinar os limites de cada contexto que são observáveis pelos dispositivos habilitados por sensor. Em relação a outras modalidades da presente revelação, os dispositivos habilitados por sensor de saúde podem inclui GPS, com base em proximidade, e outras capacidades de determinação de localização e determinação de tempo. Consequentemente, quaisquer leituras de sensor de saúde obtidas pelos dispositivos habilitados por sensor de saúde podem ser associadas aos dados de contexto que indica os contextos nos quais as leituras de sensor de saúde foram capturadas.
[072] Os perfis de saúde para os contextos 1605, 1615, e 1625 podem inclui vários detalhes sobre os dados de sensor de saúde determinados pelos dispositivos habilitados por sensor de saúde ao mesmo tempo em que os dispositivos estavam dentro de cada contexto. Por exemplo, o perfil de saúde para os contextos 1605, 1615 e 1625 pode incluir uma listagem completa de todos os dados de sensor de saúde implícitos e dados de saúde relatados de usuário explícitos, tais como, indicações de indicações 1601, 1602, e 1603. Em outras modalidades, os perfis de saúde podem inclui um sumário ou uma média das indicações de indicações presentes nos dados de sensor para um contexto particular 1605. Em geral, o perfil de saúde para cada contexto pode ser personalizado para analisar as indicações de indicações de acordo com as necessidades de uma entidade usuário particular.
[073] Embora as indicações de indicações 1601, 1602, e 1603 sejam listadas como indicações ou descrições genéricas de saúde de uma ou mais pessoas dentro do contexto, por exemplo, A, B e C, as modalidades da presente revelação incluem quaisquer ou todos descritores de saúde e/ou de bem estar determináveis, observáveis ou passíveis de inferência por dispositivos habilitados por sensor de saúde. Por exemplo, os descritores de saúde podem inclui uma descrição de índice de massa corporal (BMI), peso, pressão sanguínea, glicose, frequência cardíaca, temperatura, estresse ou teor de gordura corporal. Tais descrições podem inclui índices numéricos ou termos gerais/leigos, tais como, abaixo do peso, peso normal, acima do peso, obeso e obesidade mórbida. Outros descritores de saúde podem inclui dados relatados de usuário explícitos, tais como, estado de vacinação, estado de saúde mental, sensações de bem estar, histórico de doenças e de saúde, etc. Em algumas modalidades, os dados de sensor de saúde também podem incluir leituras de sensores ambientais que descrevem ou indicam a presença de toxinas, venenos, poluição, e outros fatores úteis ou nocivos que podem impactar a saúde de indivíduos que habitam ou usam um contexto particular.
[074] Consequentemente, os descritores de saúde dos dados de sensor de saúde associados a um contexto podem ser analisados para produzir perfis de saúde padrões ou personalizados para esse contexto. Por exemplo, o contexto 1625 pode inclui um restaurante. O sumário dos dados de sensor de saúde que inclui as indicações de indicações 1601, 1602, 1603 e 1607, pode ser incluído no perfil de saúde do restaurante, por exemplo, pessoas acima do peso comem no restaurante. De modo semelhante, o perfil de saúde associado ao contexto 1615, que inclui espaço externo do parque, pode indicar que pessoas que usam o parque estão boa forma física, em geral, e têm baixo colesterol.
[075] Embora os perfis de saúde instantâneo ou cumulativo para cada contexto possam ser úteis para vários propósitos, é, frequentemente, útil rastrear as mudanças em perfis de saúde e/ou descritores de saúde para contextos específicos de acordo com mudanças espaciais ou temporais. Conforme discutido acima em referência às mudanças de emoção e demográficas para contextos específicos, as modalidades da presente revelação também podem rastrear mudanças na saúde para os contextos. Por exemplo, o cenário 1700 da Figura 17 ilustra mudanças na saúde para contextos 1605, 1615 e 1625 em relação ao cenário 1600 da Figura 16. Especificamente, o perfil de saúde associado ao contexto 1605 pode mudar apenas levemente, se houver mudança, caso apenas mudanças limitadas nos descritores de saúde associados nos dados de sensor de saúde sejam observadas entre o cenário 1600 e o 1700. Enquanto isso, os perfis de saúde associado ao contexto 1615 e 1625 pode mudar dramaticamente devido às diferenças observadas ou determinadas nos descritores de saúde nos dados de sensor de saúde associados a esses contextos. Ao passo que o perfil de saúde associado ao contexto 1615 no cenário 1600 possa ter indicado que pessoas em boa forma física frequentaram o parque, o perfil de saúde associado ao contexto 1615 no cenário 1700 pode indicar que o parque é agora frequentado por pessoas que fumam cigarros ou bebem álcool regularmente. Em contraste ao evidente piora na saúde do contexto 1615, o perfil de saúde do restaurante no contexto 1625 pode mudar para melhor. Por exemplo, os indicadores de saúde 1601 associados ao contexto 1625 no cenário 1700 pode agora indicar que a maioria das pessoas em boa forma física com baixa pressão sanguínea menospreza o restaurante.
[076] Quanto a outros perfis de característica, os perfis de saúde dos vários contextos podem ser emitidos através de vários canais e métodos de comunicação. Por exemplo, o perfil de saúde para o restaurante particular no contexto 1625 pode ser incluído em uma revisão de restaurante. A emissão do perfil de saúde para o contexto 1605 que inclui vários prédios em uma vizinhança particular pode inclui gerar uma recomendação ou um alerta para corretores de imóveis ou para oficiais de departamento de saúde pública de que a saúde para o contexto está em piora e ou está se aprimorando. Os perfis de saúde que indicam uma piora ou uma melhora nas características de saúde geral ou de saúde específica de indivíduos que habitam ou usam os contextos particulares podem ser usado para indicar, analisar e prever várias mudanças ambientais, mudanças epidêmicas, mudanças populacionais e outras mudanças que ocorrem dentro de um contexto.
[077] Modalidades particulares podem ser implantadas em uma mídia de armazenamento legível por computador não transitória para uso pelo sistema aparelho, sistema ou máquina execução de instrução, ou em conexão com o mesmo. A mídia de armazenamento legível por computador contém instruções para controlar um sistema de computador de modo a realizar um método descrito por modalidades particulares. O sistema de computador pode inclui um ou mais dispositivos de computação. As instruções, quando executadas por um ou mais processadores de computador, podem ser operáveis para realizar aquela que é descrita em modalidades particulares.
[078] Conforme usado na descrição no presente documento e ao longo das reivindicações a seguir, “um”, “uma” e “o”, “a” incluem referência ao plural a menos que o contexto dite claramente o contrário. Além disso, conforme usado na descrição no presente documento e ao longo das reivindicações a seguir, o significado de “em” inclui “no interior” e “sobre” a menos que o contexto dite claramente o contrário.
[079] A descrição acima ilustra várias modalidades junto de exemplos de como os aspectos de modalidades particulares podem implantados. Os exemplos e modalidades acima não devem ser considerados como as únicas modalidades e são apresentados para ilustrar a flexibilidade e as vantagens de modalidades particulares, conforme definido pelas reivindicações a seguir. Com base na revelação acima e nas reivindicações a seguir, outras disposições, modalidades, implantações e equivalentes podem ser empregadas sem se afastar do escopo do presente documento conforme definido pelas reivindicações.
Claims (19)
1. Método para determinação de emoção de contexto, o método caracterizado pelo fato de que compreende: receber, por um sistema de computador (230), dados de sensor de emoção para uma pluralidade de contextos (410) a partir de uma pluralidade de dispositivos eletrônicos distribuídos (210), em que cada um da pluralidade de contextos (410) corresponde a um ou mais de uma área geográfica e um período de tempo, em que os dados de sensor de emoção compreendem indicadores implícitos de emoções baseados em informações captadas pela pluralidade de dispositivos eletrônicos distribuídos (210) para a pluralidade de contextos (410), em que os dados de sensor de emoção compreendem ainda descritores explícitos de emoção baseados em descrições de emoções relatadas por usuários para a pluralidade de contextos (410); determinar, pelo sistema de computador (230), um primeiro contexto na pluralidade de contextos (410); determinar, pelo sistema de computador (230), uma primeira porção dos dados de sensor de emoção determinados de modo a serem recebidos a partir de uma primeira porção da pluralidade de dispositivos eletrônicos distribuídos (210), em que a primeira porção dos dados de sensor de emoção é baseada em informações captadas para o primeiro contexto; determinar, pelo sistema de computador (230), um primeiro perfil de emoção para o primeiro contexto com base na primeira porção dos dados de sensor de emoção, a determinação compreendendo ponderar os indicadores implícitos de emoção diferentemente dos descritores explícitos de emoção baseado pelo menos em uma confiança observada dos indicadores implícitos de emoção e dos descritores explícitos de emoção, em que o primeiro perfil de emoção compreende uma descrição de uma primeira emoção associada ao primeiro contexto; rastrear, utilizando um perfil de tendência de emoção (1110), uma mudança emocional associada com um usuário individual se movendo a partir de um da pluralidade de contextos (410) para outro da pluralidade de contextos (410); e prever, utilizando o perfil de tendência de emoção (1110) e o primeiro perfil de emoção, uma mudança de emoção prevista associada com o referido usuário se movendo a partir de um da pluralidade de contextos (410) para o primeiro contexto.
2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a primeira porção dos dados de sensor de emoção compreende uma pluralidade de leituras de sensor de emoção a partir de informações captadas pela primeira porção da pluralidade de dispositivos eletrônicos distribuídos (210), em que a pluralidade de leituras de sensor de emoção inclui um indicador de emoção para uma pluralidade de pessoas associadas ao primeiro contexto.
3. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a pluralidade de dispositivos eletrônicos distribuídos (210) compreende uma pluralidade de dispositivos eletrônicos móveis.
4. Método, de acordo com a reivindicação 3, caracterizado pelo fato de que a pluralidade de dispositivos eletrônicos distribuídos (210) compreende adicionalmente uma pluralidade de dispositivos eletrônicos estacionários configurados para captar dados emocionais para uma pluralidade de locais particulares.
5. Método, de acordo com a reivindicação 4, caracterizado pelo fato de que a primeira porção da pluralidade de dispositivos eletrônicos distribuídos (210) compreende uma porção da pluralidade de dispositivos eletrônicos móveis e uma porção da pluralidade de dispositivos eletrônicos estacionários.
6. Método, de acordo com a reivindicação 5, caracterizado pelo fato de que os dados de sensor de emoção são determinados de modo a serem recebidos a partir da pluralidade de dispositivos eletrônicos móveis (210) são ponderados de forma diferente a partir de dados de sensor de emoção determinados de modo a serem recebidos a partir da pluralidade de dispositivos eletrônicos estacionários na determinação do primeiro perfil de emoção.
7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende, adicionalmente, determinar, pelo sistema de computador (230), um segundo contexto na pluralidade de contextos (410); determinar, pelo sistema de computador (230), uma segunda porção dos dados de sensor de emoção determinada de modo a ser recebida a partir de uma segunda porção da pluralidade de dispositivos eletrônicos distribuídos (210); e determinar, pelo sistema de computador (230), um segundo perfil de emoção para o segundo contexto com base na segunda porção dos dados de sensor de emoção, em que o segundo perfil de emoção compreende uma descrição de uma segunda emoção associada ao segundo contexto.
8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que o primeiro contexto compreende um primeiro período de tempo durante um evento, e o segundo contexto compreende um segundo período de tempo durante o evento.
9. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que o primeiro contexto compreende uma primeira localização, e o segundo contexto compreende uma segunda localização.
10. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que compreende adicionalmente: determinar, pelo sistema de computador (230), uma diferença entre o primeiro perfil de emoção e o segundo perfil de emoção, em que na diferença entre o primeiro perfil de emoção e o segundo perfil emoção descreve uma tendência no perfil de emoção relacionada ao primeiro contexto e ao segundo contexto, e emitir, pelo sistema de computador (230), a diferença entre o primeiro perfil de emoção e o segundo perfil de emoção.
11. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que a segunda porção da pluralidade de dispositivos eletrônicos distribuídos (210) é determinada a partir da primeira porção da pluralidade de dispositivos eletrônicos distribuídos (210).
12. Método, de acordo com a reivindicação 11, caracterizado pelo fato de que o primeiro contexto compreende uma primeira localização, e o segundo contexto compreende uma segunda localização, e em que uma porção da primeira localização compreende a segunda localização.
13. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o primeiro contexto compreende dados de evento nos quais a primeira porção da pluralidade de dispositivos eletrônicos distribuídos (210) estava presente para captar as informações nas quais os dados de sensor de emoção são baseados.
14. Método, de acordo com a reivindicação 13, caracterizado pelo fato de que os dados de evento compreendem um período de tempo particular associado a uma localização particular.
15. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o primeiro contexto compreende uma região geográfica dinamicamente determinada na qual a primeira porção da pluralidade de dispositivos eletrônicos distribuídos (210) estava localizada para captar as informações nas quais os dados de sensor de emoção são baseados.
16. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente receber, pelo sistema de computador (230), dados de calendário de evento, em que os dados de calendário de evento compreendem uma pluralidade de datas e uma pluralidade de localizações associadas, e em que determinar o primeiro contexto compreende fazer referência aos dados de calendário de evento.
17. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que compreende adicionalmente emitir, pelo sistema de computador (230), o primeiro perfil de emoção.
18. Mídia de armazenamento legível por computador não transitória, caracterizada pelo fato de que contém instruções que, quando executadas, controlam o computador de um dispositivo eletrônico para executar as etapas de: receber dados de sensor de emoção a partir de uma pluralidade de dispositivos eletrônicos distribuídos (210) para uma pluralidade de contextos (410), em que cada um da pluralidade de contextos (410) corresponde a um ou mais de uma área geográfica e um período de tempo, em que os dados de sensor de emoção compreendem indicadores implícitos de emoção baseados em informações captadas pela pluralidade de dispositivos eletrônicos distribuídos (210) para uma pluralidade de contextos (410), e em que os dados de sensor de emoção compreendem ainda descritores explícitos de emoção baseados em descrições de emoções relatadas por usuários para a pluralidade de contextos (410); determinar um primeiro contexto na pluralidade de contextos (410); determinar uma primeira porção dos dados de sensor de emoção determinada de modo a ser recebida a partir de uma primeira porção da pluralidade de dispositivos eletrônicos distribuídos (210), em que a primeira porção dos dados de sensor de emoção é baseada em informações captadas para o primeiro contexto, determinar um primeiro perfil de emoção para o primeiro contexto com base na primeira porção dos dados de sensor de emoção, a determinação compreendendo ponderar os indicadores implícitos de emoção diferentemente dos descritores explícitos de emoção baseado pelo menos em uma confiança observada dos indicadores implícitos de emoção e dos descritores explícitos de emoção; em que o primeiro perfil de emoção compreende uma descrição de uma emoção associada ao primeiro contexto; rastrear, utilizando um perfil de tendência de emoção (1110), uma mudança emocional associada com um usuário individual se movendo a partir de um da pluralidade de contextos (410) para outro da pluralidade de contextos (410); e prever, utilizando o perfil de tendência de emoção (1110) e o primeiro perfil de emoção, uma mudança de emoção prevista associada com um referido usuário se movendo a partir de um da pluralidade de contextos (410) para o primeiro contexto.
19. Dispositivo eletrônico, caracterizado pelo fato de que compreende um computador e a mídia de armazenamento legível por computador não transitória conforme definida na reivindicação 18.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/798,367 | 2013-03-13 | ||
| US13/798,367 US9692839B2 (en) | 2013-03-13 | 2013-03-13 | Context emotion determination system |
| PCT/US2014/022886 WO2014159297A1 (en) | 2013-03-13 | 2014-03-11 | Context emotion determination system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| BR112015022788A2 BR112015022788A2 (pt) | 2017-12-19 |
| BR112015022788B1 true BR112015022788B1 (pt) | 2022-10-04 |
Family
ID=50639915
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| BR112015022788-0A BR112015022788B1 (pt) | 2013-03-13 | 2014-03-11 | Método, dispositivo eletrônico e mídia de armazenamento legível por computador não transitória para determinação de emoção de contexto |
Country Status (8)
| Country | Link |
|---|---|
| US (1) | US9692839B2 (pt) |
| EP (1) | EP2953526B1 (pt) |
| KR (1) | KR101749847B1 (pt) |
| CN (1) | CN105228506B (pt) |
| BR (1) | BR112015022788B1 (pt) |
| CA (1) | CA2902521C (pt) |
| MX (1) | MX366146B (pt) |
| WO (1) | WO2014159297A1 (pt) |
Families Citing this family (41)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9460473B2 (en) * | 2012-06-26 | 2016-10-04 | International Business Machines Corporation | Content-sensitive notification icons |
| US9278255B2 (en) | 2012-12-09 | 2016-03-08 | Arris Enterprises, Inc. | System and method for activity recognition |
| US10212986B2 (en) | 2012-12-09 | 2019-02-26 | Arris Enterprises Llc | System, apparel, and method for identifying performance of workout routines |
| US9135248B2 (en) | 2013-03-13 | 2015-09-15 | Arris Technology, Inc. | Context demographic determination system |
| US10304325B2 (en) | 2013-03-13 | 2019-05-28 | Arris Enterprises Llc | Context health determination system |
| US20150254563A1 (en) * | 2014-03-07 | 2015-09-10 | International Business Machines Corporation | Detecting emotional stressors in networks |
| US20170153697A1 (en) * | 2014-07-01 | 2017-06-01 | Lg Electronics Inc. | Electronic device and method for controlling the same |
| WO2016015299A1 (zh) | 2014-07-31 | 2016-02-04 | 华为技术有限公司 | 一种可携带式设备的控制方法和设备 |
| US10198505B2 (en) | 2014-08-21 | 2019-02-05 | Affectomatics Ltd. | Personalized experience scores based on measurements of affective response |
| US11269891B2 (en) * | 2014-08-21 | 2022-03-08 | Affectomatics Ltd. | Crowd-based scores for experiences from measurements of affective response |
| US9805381B2 (en) | 2014-08-21 | 2017-10-31 | Affectomatics Ltd. | Crowd-based scores for food from measurements of affective response |
| US11494390B2 (en) | 2014-08-21 | 2022-11-08 | Affectomatics Ltd. | Crowd-based scores for hotels from measurements of affective response |
| US10045167B2 (en) * | 2014-10-09 | 2018-08-07 | Lenovo (Singapore) Pte. Ltd. | Phone record |
| US10356189B2 (en) * | 2014-11-20 | 2019-07-16 | Suunto Oy | System and method for creating ad-hoc events from sensed sport-specific data |
| KR101808739B1 (ko) * | 2014-12-31 | 2017-12-14 | 한국전자통신연구원 | 감성 기반 콘텐츠 추천 장치 및 방법 |
| US9955902B2 (en) | 2015-01-29 | 2018-05-01 | Affectomatics Ltd. | Notifying a user about a cause of emotional imbalance |
| US11232466B2 (en) | 2015-01-29 | 2022-01-25 | Affectomatics Ltd. | Recommendation for experiences based on measurements of affective response that are backed by assurances |
| US10261947B2 (en) | 2015-01-29 | 2019-04-16 | Affectomatics Ltd. | Determining a cause of inaccuracy in predicted affective response |
| DE102016101661A1 (de) | 2015-01-29 | 2016-08-04 | Affectomatics Ltd. | Auf datenschutzüberlegungen gestützte offenlegung von auf der grundlage von messwerten der affektiven reaktion berechneten crowd-basierten bewertungen |
| US11048855B2 (en) | 2015-02-11 | 2021-06-29 | Google Llc | Methods, systems, and media for modifying the presentation of contextually relevant documents in browser windows of a browsing application |
| US11392580B2 (en) * | 2015-02-11 | 2022-07-19 | Google Llc | Methods, systems, and media for recommending computerized services based on an animate object in the user's environment |
| US10284537B2 (en) | 2015-02-11 | 2019-05-07 | Google Llc | Methods, systems, and media for presenting information related to an event based on metadata |
| US9769564B2 (en) * | 2015-02-11 | 2017-09-19 | Google Inc. | Methods, systems, and media for ambient background noise modification based on mood and/or behavior information |
| US10223459B2 (en) | 2015-02-11 | 2019-03-05 | Google Llc | Methods, systems, and media for personalizing computerized services based on mood and/or behavior information from multiple data sources |
| US10061977B1 (en) | 2015-04-20 | 2018-08-28 | Snap Inc. | Determining a mood for a group |
| US10769737B2 (en) * | 2015-05-27 | 2020-09-08 | Sony Corporation | Information processing device, information processing method, and program |
| US9894266B2 (en) * | 2015-06-30 | 2018-02-13 | International Business Machines Corporation | Cognitive recording and sharing |
| ES2875333T3 (es) * | 2015-09-30 | 2021-11-10 | Centro Studi S R L | Sistema de estimación del estado emocional/conductual/psicológico |
| US10755044B2 (en) | 2016-05-04 | 2020-08-25 | International Business Machines Corporation | Estimating document reading and comprehension time for use in time management systems |
| JP6273314B2 (ja) * | 2016-05-13 | 2018-01-31 | Ｃｏｃｏｒｏ Ｓｂ株式会社 | 記憶制御システム、システム及びプログラム |
| US10275838B2 (en) * | 2016-06-07 | 2019-04-30 | International Business Machines Corporation | Mapping social media sentiments |
| US20180032126A1 (en) * | 2016-08-01 | 2018-02-01 | Yadong Liu | Method and system for measuring emotional state |
| US10237304B1 (en) * | 2016-08-03 | 2019-03-19 | Symantec Corporation | Systems and methods of administering computer activities based upon emotional intelligence |
| CN108074001A (zh) * | 2016-11-10 | 2018-05-25 | 松下知识产权经营株式会社 | 座位提示系统和座位提示方法 |
| US20180196876A1 (en) * | 2017-01-07 | 2018-07-12 | International Business Machines Corporation | Sentiment-driven content management in a social networking environment |
| US10318799B2 (en) * | 2017-02-16 | 2019-06-11 | Wipro Limited | Method of predicting an interest of a user and a system thereof |
| CN106956271B (zh) * | 2017-02-27 | 2019-11-05 | 华为技术有限公司 | 预测情感状态的方法和机器人 |
| EP3657810A1 (en) * | 2018-11-21 | 2020-05-27 | Telefonica Innovacion Alpha S.L | Electronic device, method and system for inferring the impact of the context on user's wellbeing |
| US11159768B1 (en) * | 2019-01-03 | 2021-10-26 | Facebook Technologies, Llc | User groups based on artificial reality |
| US11218839B1 (en) * | 2020-10-05 | 2022-01-04 | Mapsted Corp. | Method and system for zone-based localization of mobile devices |
| US20230308843A1 (en) * | 2022-03-28 | 2023-09-28 | At&T Intellectual Property I, L.P. | Sentiment capture by wireless network elements |
Family Cites Families (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7246069B1 (en) | 1999-10-15 | 2007-07-17 | Ue Systems, Inc. | Method and apparatus for online health monitoring |
| US20020046030A1 (en) | 2000-05-18 | 2002-04-18 | Haritsa Jayant Ramaswamy | Method and apparatus for improved call handling and service based on caller's demographic information |
| WO2005113099A2 (en) * | 2003-05-30 | 2005-12-01 | America Online, Inc. | Personalizing content |
| US20060195361A1 (en) | 2005-10-01 | 2006-08-31 | Outland Research | Location-based demographic profiling system and method of use |
| WO2007090133A2 (en) | 2006-01-30 | 2007-08-09 | Kramer Jame F | System for providing a service to venues where people aggregate |
| EP1895505A1 (en) | 2006-09-04 | 2008-03-05 | Sony Deutschland GmbH | Method and device for musical mood detection |
| US8838481B2 (en) * | 2011-07-26 | 2014-09-16 | Golba Llc | Method and system for location based hands-free payment |
| US8157730B2 (en) | 2006-12-19 | 2012-04-17 | Valencell, Inc. | Physiological and environmental monitoring systems and methods |
| US8239774B2 (en) | 2007-08-28 | 2012-08-07 | International Business Machines Corporation | Utilizing mood sensors in an electronic messaging environment |
| US7698422B2 (en) | 2007-09-10 | 2010-04-13 | Specific Media, Inc. | System and method of determining user demographic profiles of anonymous users |
| US20100299615A1 (en) | 2007-09-28 | 2010-11-25 | The Trustees Of Dartmouth College | System And Method For Injecting Sensed Presence Into Social Networking Applications |
| WO2009059246A1 (en) | 2007-10-31 | 2009-05-07 | Emsense Corporation | Systems and methods providing en mass collection and centralized processing of physiological responses from viewers |
| US20090307263A1 (en) | 2008-06-06 | 2009-12-10 | Sense Networks, Inc. | System And Method Of Performing Location Analytics |
| US8442832B2 (en) | 2008-12-08 | 2013-05-14 | Electronics And Telecommunications Research Institute | Apparatus for context awareness and method using the same |
| KR101562792B1 (ko) | 2009-06-10 | 2015-10-23 | 삼성전자주식회사 | 목표 예측 인터페이스 제공 장치 및 그 방법 |
| US8255392B2 (en) | 2009-06-29 | 2012-08-28 | Dan Melton | Real time data collection system and method |
| US10296937B2 (en) | 2009-06-29 | 2019-05-21 | Excalibur Ip, Llc | Operating a sensor recording marketplace |
| US8172777B2 (en) | 2009-09-14 | 2012-05-08 | Empire Technology Development Llc | Sensor-based health monitoring system |
| US8560608B2 (en) | 2009-11-06 | 2013-10-15 | Waldeck Technology, Llc | Crowd formation based on physical boundaries and other rules |
| US8682649B2 (en) * | 2009-11-12 | 2014-03-25 | Apple Inc. | Sentiment prediction from textual data |
| US8634701B2 (en) | 2009-12-04 | 2014-01-21 | Lg Electronics Inc. | Digital data reproducing apparatus and corresponding method for reproducing content based on user characteristics |
| US9946775B2 (en) | 2010-03-24 | 2018-04-17 | Taykey Ltd. | System and methods thereof for detection of user demographic information |
| US20110264531A1 (en) * | 2010-04-26 | 2011-10-27 | Yahoo! Inc. | Watching a user's online world |
| BR112012030903A2 (pt) * | 2010-06-07 | 2019-09-24 | Affectiva Inc | método imnplantado por computador para analisar estados mentais, produto de programa de computador e sistema para analisar estados mentais |
| MX2013001160A (es) | 2010-08-10 | 2013-03-22 | Ericsson Telefon Ab L M | Agregacion de informacion de distribucion demografica. |
| US8438590B2 (en) | 2010-09-22 | 2013-05-07 | General Instrument Corporation | System and method for measuring audience reaction to media content |
| US8500009B2 (en) | 2011-02-23 | 2013-08-06 | Daniel J. Clapsaddle | Real-time internet method for tracking number and gender of patrons in bar and night club establishments |
| US20130019187A1 (en) * | 2011-07-15 | 2013-01-17 | International Business Machines Corporation | Visualizing emotions and mood in a collaborative social networking environment |
| US8768864B2 (en) | 2011-08-02 | 2014-07-01 | Alcatel Lucent | Method and apparatus for a predictive tracking device |
| US9348479B2 (en) * | 2011-12-08 | 2016-05-24 | Microsoft Technology Licensing, Llc | Sentiment aware user interface customization |
| JP6178800B2 (ja) * | 2011-12-16 | 2017-08-09 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | ユーザの行動及び関連する感情状態の履歴記録 |
| US9009027B2 (en) * | 2012-05-30 | 2015-04-14 | Sas Institute Inc. | Computer-implemented systems and methods for mood state determination |
| US8965828B2 (en) * | 2012-07-23 | 2015-02-24 | Apple Inc. | Inferring user mood based on user and group characteristic data |
| US20140040171A1 (en) | 2012-07-31 | 2014-02-06 | Triapodi Ltd | Content-based demographic estimation of users of mobile devices and usage thereof |
| US9418390B2 (en) * | 2012-09-24 | 2016-08-16 | Intel Corporation | Determining and communicating user's emotional state related to user's physiological and non-physiological data |
| US10304325B2 (en) | 2013-03-13 | 2019-05-28 | Arris Enterprises Llc | Context health determination system |
| US9135248B2 (en) * | 2013-03-13 | 2015-09-15 | Arris Technology, Inc. | Context demographic determination system |
-
2013
- 2013-03-13 US US13/798,367 patent/US9692839B2/en active Active
-
2014
- 2014-03-11 CN CN201480015346.7A patent/CN105228506B/zh active Active
- 2014-03-11 KR KR1020157024724A patent/KR101749847B1/ko active IP Right Grant
- 2014-03-11 BR BR112015022788-0A patent/BR112015022788B1/pt active IP Right Grant
- 2014-03-11 CA CA2902521A patent/CA2902521C/en active Active
- 2014-03-11 EP EP14721584.2A patent/EP2953526B1/en active Active
- 2014-03-11 MX MX2015012391A patent/MX366146B/es active IP Right Grant
- 2014-03-11 WO PCT/US2014/022886 patent/WO2014159297A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| KR101749847B1 (ko) | 2017-06-21 |
| EP2953526B1 (en) | 2020-05-06 |
| EP2953526A1 (en) | 2015-12-16 |
| BR112015022788A2 (pt) | 2017-12-19 |
| CN105228506B (zh) | 2018-05-15 |
| KR20150119131A (ko) | 2015-10-23 |
| CN105228506A (zh) | 2016-01-06 |
| CA2902521A1 (en) | 2014-10-02 |
| US20140280529A1 (en) | 2014-09-18 |
| CA2902521C (en) | 2018-04-03 |
| US9692839B2 (en) | 2017-06-27 |
| WO2014159297A1 (en) | 2014-10-02 |
| MX2015012391A (es) | 2016-02-03 |
| MX366146B (es) | 2019-06-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| BR112015022788B1 (pt) | Método, dispositivo eletrônico e mídia de armazenamento legível por computador não transitória para determinação de emoção de contexto | |
| CA2902523C (en) | Context demographic determination system | |
| CA2902526C (en) | Context health determination system | |
| US11553302B2 (en) | Labeling a significant location based on contextual data | |
| US10356559B2 (en) | Harvesting labels for significant locations and updating a location fingerprint database using harvested labels | |
| KR101502043B1 (ko) | 지오-소셜 인자에 기반한 컨텐츠 서피싱 | |
| US11761785B2 (en) | Labeling a significant location based on contextual data | |
| US10713286B2 (en) | Storage of point of interest data on a user device for offline use |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| B06F | Objections, documents and/or translations needed after an examination request according [chapter 6.6 patent gazette] | ||
| B06U | Preliminary requirement: requests with searches performed by other patent offices: procedure suspended [chapter 6.21 patent gazette] | ||
| B06A | Patent application procedure suspended [chapter 6.1 patent gazette] | ||
| B09A | Decision: intention to grant [chapter 9.1 patent gazette] | ||
| B16A | Patent or certificate of addition of invention granted [chapter 16.1 patent gazette] |
Free format text: PRAZO DE VALIDADE: 20 (VINTE) ANOS CONTADOS A PARTIR DE 11/03/2014, OBSERVADAS AS CONDICOES LEGAIS |
|
| B25A | Requested transfer of rights approved |
Owner name: ARRIS INTERNATIONAL IP LTD (GB) |
|
| B25A | Requested transfer of rights approved |
Owner name: ANDREW WIRELESS SYSTEMS UK LIMITED (GB) |