CN102567091A - 电子通信优先分配 - Google Patents
电子通信优先分配 Download PDFInfo
- Publication number
- CN102567091A CN102567091A CN2011104166407A CN201110416640A CN102567091A CN 102567091 A CN102567091 A CN 102567091A CN 2011104166407 A CN2011104166407 A CN 2011104166407A CN 201110416640 A CN201110416640 A CN 201110416640A CN 102567091 A CN102567091 A CN 102567091A
- Authority
- CN
- China
- Prior art keywords
- recipient
- project
- characteristic
- user
- importance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/212—Monitoring or handling of messages using filtering or selective blocking
Abstract
在计算系统环境中优先分配电子通信能够缓和涉及巨量传入电子通信的问题。这可以包括对用户专用电子通信数据和相关联的行为的分析以预测哪些通信是用户很可能认为是重要的或不重要的。基于通信重要性的评估展示客户机侧应用特征以允许用户处理任意巨量传入通信。
Description
技术领域
本发明涉及电子通信优先分配。
背景技术
用于管理个人和专业通信的电子设备的使用的不断增长通常转化为传入消息的增加。在许多场合中,传入消息的巨大数量经常使得终端用户的能力不可能有效处理其全部。从这样的消息过载中导致的问题和无效率的示例包括增加的对重要消息的失察的潜在可能以及增加的筛选所接收的消息所需的时间投入。
发明内容
在一个方面,一种用于在计算系统环境中优先分配(triage)电子通信的方法,包括:在计算设备处训练默认模型以为接收者个性化接收者专用模型,其中所述默认模型是从针对具有与接收者共同的特性的用户的采样来调整的多个加权因子中形成的,并且所述接收者专用模型是从使用接收者历史行为和反馈信息修改的默认模型中形成的;在计算设备处截取定址到接收者的一个项目;在计算设备处提取与所述项目相关联的多个项目特征;检索接收者专用模型,其中所述接收者专用模型包括与多个提取的项目特征相关联的多个加权因子;将重要性分类模型应用于多个提取的项目特征,包括形成多个加权因子的组合;基于多个加权因子的组合生成预测项目重要性;以及基于预测的项目重要性来为接收者启用与所述项目相关联的至少一个应用特征。
在另一个方面,计算设备包括:处理单元;连接到处理单元的系统存储器,所述系统存储器包括当由处理单元执行时使得处理单元实现训练模块的指令,所述训练模块配置用于在计算系统环境中优先分配电子通信的用户模型的层次训练,所述训练模块被配置为:基于原型用户模型来生成一组用户的默认推断,其中默认推断包括项目属性、属性值、属性权重和属性置信度;获得用户专用信息以对用户个性化该组默认推断,包括:检索用户专用历史行为和反馈信息,并且响应于项目的接收检索用户专用行为和反馈信息;用用户专用信息来更新该组默认推断以形成应用于项目优先分配模型的个性化组推断;以及启用与用户相关联的至少一个应用特征以展示预测的项目重要性。
在又一个方面,具有计算机可执行指令的计算机可读存储介质,当由计算设备执行所述指令时,使得所述计算设备执行步骤,包括:在计算设备处训练默认模型以为接收者个性化接收者专用模型,其中,所述默认模型是从针对具有与接收者共同的特性的用户的采样来调整的多个加权因子中形成的,所述共同特性从包括下述项的组中选出:共同职业和共同兴趣,并且所述接收者专用模型是从使用接收者历史行为和反馈信息修改的默认模型中形成的;在计算设备处截取定址到接收者的一个项目,其中所述项目从包括下述项的组中选出:电子邮件消息、日程表消息、即时消息、基于web的消息以及社交协作消息;在计算设备处提取与所述项目相关联的多个项目特征,其中所述项目特征包括从包括下述项的组中选出的项目的特性:项目发送者特性、项目接收者特性、会话特性以及附件特性;检索接收者专用模型,其中所述接收者专用模型包括与多个提取的项目特征相关联的多个加权因子;将重要性分类模型应用于多个提取的项目特征,包括形成多个加权因子的组合;基于多个加权因子的组合生成预测的项目重要性,其中所述预测的项目重要性指定项目作为下述项之一:重要的和不重要的;基于从包括下述项的组中选出的预测的项目重要性来为接收者启用与所述项目相关联的至少一个应用特征:用于突出项目的关键内容的强调特征;以及用于提供对项目的快速查看;以及用于提供项目的临时查看的通知特征;以及在预定时间周期内周期性地获取与项目相关联的接收者行为和反馈以便持续训练默认模型以个性化接收者专用模型。
提供本发明内容是为了以简化的形式介绍将在以下详细描述中进一步描述的一些概念。本概述并不旨在标识所要求保护的主题的关键特征或必要特征,也决不旨在用于限制所要求保护的主题的范围。
附图说明
本公开的各方面在结合附图考虑以下各实施例的详细描述的情况下可被更全面地理解。
图1示出对用于优先分配电子通信的用户模型数据进行训练的示例方法的流程图。
图2示出了示例网络化计算环境。
图3示出了图2的环境的示例服务器计算设备。
图4示出了图2的环境的客户机设备的示例逻辑模块。
图5示出了示例优先分配应用环境。
图6示出对用于优先分配电子通信的用户模型数据进行层次训练的示例方法的流程图。
图7示出了示例优先分配消息环境的第一视图。
图8示出了图7的消息环境的第二视图。
图9示出了另一示例优先分配消息环境的第一视图。
具体实施方式
本公开针对用于在计算系统环境中优先分配电子通信的系统和方法。在此所述的优先分配技术通过允许用户专用电子通信数据和相关联的行为的分析以确定哪个通信最可能被各个用户视为是重要的或不重要的来减轻涉及大量传入电子通信的问题。通信重要性的评估被用于展示允许终端用户有效处理任意巨量传入通信的应用特征。尽管没有进行如此限制,但是对本公开的各个方面的理解通过讨论以下给出的示例来达成。
现在参照图1,示出了用于对用于优先分配电子通信的用户模型数据进行训练的示例方法100。通常,可由服务器侧进程或客户机侧进程来实现方法100。在下面结合图2-9描述了服务器侧进程以及客户机侧进程的示例。其他实施例是可能的。例如,方法100可以以合并了服务器侧进程以及客户机侧进程两者的功能的混合形式来实现。
方法100在收集模块105处开始。收集模块105被配置为从管理通信数据的进程中检索用于诸如个人或个人团体的接收者的电子通信数据。电子通信数据通常被称为项目。示例项目包括电子邮件消息、语音邮件消息、日程表约会、SMS消息、工M消息、MMS消息、web更新、脸谱(Facebook)消息、推特(twitter)订阅源、RSS订阅源、电子文档等等。其他实施例是可能的。
操作流程前进至分析模块110。分析模块110被配置为提取项目的多个项目特征,所述项目是由收集模块105所检索的。项目特征通常为可以基于对项目内容的理解而直接被提取或推断的项目的任意可想到的特性。
例如,项目特征可以包括涉及项目的发送者和/或接收者的特性,例如发送者/接收者标识(例如SMTP地址)、发送者/接收者关系(例如监管员)、发送者/接收者域或公司(例如微软)、发送者/接收者类型(例如自动邮件)、发送者/接收者位置(例如急救室)、发送者/接收者设备(例如智能电话)、项目发送特性(例如抄送CC)等等。其它示例项目特征包括涉及接收者的特性和/或上下文特征,例如发送者/接收者当前或未来的状态(例如会议中)、发送者/接收者当前或未来的位置(例如明尼阿波利斯)等等。
其它示例项目特征包括涉及项目类型(例如电子邮件消息)、附件存在(例如是)、访问控制信息(例如DRM)、优先权信息(例如高)、时间信息(例如接收的日期/时间)等等的特性。其它示例项目特征包括涉及会话开始特性(例如,由我开始?)、会话贡献特性(例如,来自我的贡献?)、项目层次特性(例如,会话中最近的?)等等的特性。其它示例的项目特征包括涉及主题行前缀(例如回复RE)、主题行关键字(例如读)等等的特性。其它示例项目特征包括涉及项目主体或项目附件,例如文本关键字(例如,重要的)、超链接内容(例如,是-包含超链接)等等的特性。
还有其它项目特征也是可能的。
操作流程随后前进到获取模块115。获取模块115被配置为检索专用于项目的每个预期接收者的模型数据,所述项目是由收集模块105所检索的。在下面的示例讨论中,预期接收者包括单个个人,并且接收者专用的模型数据是由获取模块115从数据存储设备中检索的。将结合图2在下面描述示例数据存储设备。
在示例实施例中,接收者专用模型数据包括多个项目特征(例如对应于由分析模块110所提取的项目特征)、每个项目特征被分配一个权重,该权重具体表达了接收者是否趋向将重要或不重要与各个项目特征相关联的指示。例如,如果接收者趋向读取从监管员发送的电子邮件消息,并趋向忽略从自动服务发送的电子邮件消息,则在该接收者的模型数据内的与监管员相关联的项目特征可以包括比与自动服务相关联的项目特征更大的权重。通常,权重或权重因子可以包括任意形式的定量测量,例如数字值、阈值等等。例如,与如上所述的监管员相关联的项目特征可以包括“7”的权重,而与自动服务相关联的项目特征可以包括“3”的权重。
操作流程随后前进到实现模块120。实现模块120被配置为将分类模型的模型标准应用到由获取模块115所检索的接收者专用模型数据。如将参考图6随后详细描述的,可以通过层次训练处理来形成接收者专用模型数据,所述层次训练处理使用从分析来自许多相关用户的训练数据计算出的原型模型数据来更加精确且有效率地为单个用户(即接收者)训练模型。其他实施例是可能的。
实现模块120被进一步配置为基于分类模型的类型生成一个或多个预测。示例的模型标准包括接收者专用模型数据的与分类模型相关的项目特征的指定,以及指定与这些评估为相关的项目特征相关联的权重的使用的算法。
在示例实施例中,分类模型对应于“重要性”模型,其中实现模块120使来自接收者专用模型数据的相关的项目特征与关联的权重相关,并使用这些权重的组合来生成预测的项目重要性。预测的项目重要性通常包括由收集模块105所检索的项目对于预期接收者来说是重要的还是不重要的预测。其他实施例是可能的。例如,在一些实施例中,分类模型对应于“紧急”模型,其中实现模块120使来自接收者专用模型数据的相关的项目特征与关联的权重相关,并使用这些权重的组合来生成预测的项目紧急性,所述项目紧急性指示了预期接收者应该尽快考虑或注意这些项目。还有其它实施例也是可能的。
重要性模型的示例应用包括:计算新电子邮件消息的整体重要性权重,并且随后基于所计算的重要性权重确定电子邮件对于接收者是否是重要的。例如,在“1到10”的数值范围上,计算的“4”的重要性权重可以将电子邮件消息指定为中等重要的,计算的“7.8”的重要性权重可以将电子邮件消息指定为非常重要的,而计算的“-6”的重要性权重可以将电子邮件消息指定为不重要的。其他实施例是可能的。例如,在一些实施例中,将新电子邮件消息的整体重要性权重计算为指定电子邮件消息的相对重要性的从“0”到“1”的范围内的概率。例如,从“0”到“0.2”的范围内的阈值可以将电子邮件消息的相对重要性指定为“不重要的”或“冷淡的”,从“0.2”到“0.8”的范围内的阈值可以将电子邮件消息的相对重要性指定为“正常的”,而从“0.8”到“1”的范围内的阈值可以将电子邮件消息的相对重要性指定为“重要的”或“热门的”。还有其它实施例也是可能的。
操作流程随后前进到存储模块125。存储模块125通常被配置为存储由获取模块115所检索的接收者专用模型数据以及由实现模块120所生成的一个或多个预测。
操作流程随后在第一训练分支130和第二训练分支135之间分支。示例的第一训练分支130包括第一监视模块140以及第一提取模块145。第二训练分支135包括第二监视模块150和第二提取模块155。通常,在第一训练分支130内的操作流程相对于第二训练分支135是独立的。
现在参照第一训练分支130,第一监视模块140被配置为监视并获取接收者相对于由收集模块105所检索的项目的行为。示例接收者的行为包括有关该项目的任意形式的直接可观察的行动。这样的可观察行动可以是单独的行动或混合行动。在电子邮件的示例中,接收者的行为可以与诸如打开电子邮件消息、删除电子邮件消息以及转发电子邮件消息的单个动作相关联。混合行动可以包括诸如简略扫描电子邮件消息并随后即时将其删除、通过传送规则忽略访问被自动提交到目录的电子邮件消息,等等。
第一监视模型140被配置为在预定时间周期dT内监视并获取接收者相对于由收集模块105所检索的项目的行为。示例时间周期包括一小时的几分之一、一小时、一天、一星期等。在预定时间dT到期之后,第一监视模块140将获取的接收者行为转送给第一提取模块145。在其它实施例中,第一监视模型140被另外配置为基于指定相对重要性或在经过预定时间周期之后两者中最先发生的一个的接收者动作来监视并获取接收者相对于由收集模块105所检索的项目的行为。指定相对重要性的接收者的动作的示例包括:“回复”指定为重要、“简要浏览并快速删除”指定为不重要,等等。基于接收者动作和经过预定时间周期的组合的接收者的行为的获取允许了分类模型的快速且有效更新,如下将进一步详细描述。
第一提取模块145被配置为挖掘获取的接收者行为并生成行为验证数据。通常,行为验证数据包含有关由实现模块120所生成的预测的项目重要性是否与接收者实际上认为该项目是重要或不重要的是否一致的信息。第一提取模块145随后将行为验证数据转送给更新模块160。更新模块160被配置为调整与接收者专用模型数据的多个项目特征相关联的权重。例如,在电子邮件的示例中,如果行为验证数据包含强烈建议接收者认为从监管员发送的电子邮件消息是重要的,则将与如上所述的监管员相关联的项目特征从权重“7”调整为或重新调整为权重“9”。其他实施例是可能的。
在示例实施例中,操作流程在预定时间延迟dT之后从第一提取模块145返回到第一监视模块140。在第一训练分支130内的循环的处理流程用于基于接收者行动连续地细化微调接收者专用模型数据。
现在参照第二训练分支135,第二监视模块150被配置为监视并获取与由收集模块105所检索的项目的重要性有关的接收者反馈。示例的接收者反馈包括任意形式的来自接收者的与项目的重要性相关的明确反馈。在电子邮件消息的示例中,明确反馈可以包括由实现模块120所生成的预测的项目重要性的接收者校正,例如当实现模块120错误地将电子邮件消息标记为重要的时将该电子邮件消息标记为不重要的。其他实施例是可能的。
例如,其它明确反馈包括:启用或禁用某些处理规则或相对于重要性的处理规则的校准,例如禁止将发送者的公司作为项目重要性指示符的使用。其它明确反馈包括设定重要性等级的阈值,例如仅当相对重要性大于阈值权重时才将项目定义为重要的。其它明确反馈包括现有处理规则的定制或新的处理规则的定义,例如将从包含字符串“911”的从配偶发送的电子邮件消息标记为紧急重要的。还有其它实施例也是可能的。
第二监视模型150被配置为在预定时间周期dT(例如一小时、一天、一秒等)内监视并获取相对于由收集模块105所检索的项目的接收者反馈。在预定时间dT到期之后,第二监视模型150将获取的接收者反馈转送到第二提取模块155。其他实施例是可能的。
第二提取模块155被配置为挖掘获取的接收者反馈并生成反馈验证数据。在一些实施例中,反馈验证数据包含有关由实现模块120所生成的预测的项目重要性是否与接收者实际上认为该项目是重要或不重要的是否一致的明确指定。第二提取模块155随后将反馈验证数据转送给更新模块160。在示例实例中,更新模块160被配置为基于接收者反馈调整与接收者专用模型数据的多个项目特征相关联的权重。例如,在电子邮件消息的示例中,如果反馈验证数据包含接收者强烈认为从自动服务发送的电子邮件消息是不重要的,则将与如上所述的自动服务相关联的项目特征从权重“5”调整为权重“1”。其他实施例是可能的。
在预定时间延迟dT之后,操作流程从第二提取模块155返回到第二监视模块150。在第二训练分支135内的循环的处理流程用于基于接收者反馈连续地细化微调接收者专用模型数据。
在一些实施例中,基于通过第一训练分支130和第二训练分支135接收的信息来不同地更新接收者专用模型数据。例如,与由第二训练分支135接收的信息相关联的置信度可以被分配为比与第一训练分支130接收的信息更高的置信度。在这种方式中,与由第一训练分支130接收的信息(即隐含反馈)相比,由第二训练分支135接收的信息(即明确反馈)对于训练接收者专用模型数据来说具有更大的影响。例如,在一些实施例中,由第二训练分支135接收的信息完全压倒了由第一训练分支130接收的信息。其他实施例是可能的。
另外,可以依据与确定哪些信息对于训练接收者专用模型数据来说具有更大的影响的置信度来为由第一训练分支130接收的信息分配变化的强度。例如,诸如“回复”的可观察的接收者行动可以被分配比“详细阅读”更高的强度,“详细阅读”可以被分配比“忽略”更高的强度,“忽略”可以被分配比“快速阅读”更高的强度等等。其它实施例也是可能的。
如下面将参考图2-9来进一步详细描述,实例方法100允许广泛的多种客户机侧应用特征,这样,终端用户可以有效优先分配任意巨量的传入通信。示例的客户机侧的应用特征包括用于突出或强调项目内的关键内容的突出或强调特征。由于清楚标记某些项目或将内容插入到通信中以帮助用户迅速优先分配通信而不实质性改变客户机侧应用的功能性,因此,这种突出特征是小影响的。
另一示例客户机侧应用特征包括允许用户仅快速查看最重要的通信的快速查看特征。另一示例客户机侧应用特征包括根据最重要通信提供分类视图的自动优先排序特征。另一示例客户机侧应用特征包括对在某个周期之后还没有处理的通信自动提交、标记为已读或删除老化特征。另一示例客户机侧应用特征包括被配置为基于通信被认为的重要性有选择地提供新通信和/或内容通知的通知特征。在一些实施例中,通知特征是用户上下文敏感的。另一示例客户机侧应用特征包括纲要特征,它提供了通信内容的纲要以帮助用户快速决定相对于该通信寻求的行动。另一示例客户机侧应用特征包括提供跨不同的数据源的重要通信的综合视图的仪表板特征,所述数据源包括例如电子邮件数据源、文档数据源、基于web的数据源和社交网络数据源。
其它客户机侧应用特征也是可能。
现在参看图2,示出了其中可实现本公开的各方面的示例联网计算环境200。联网计算环境200包括客户机设备205、服务器设备210、存储设备215和网络220。其他实施例是可能的。例如,联网计算环境200通常可按需包括更多或更少设备、网络和其他组件。
客户机设备205和服务器设备210是以下结合图3更详细描述的通用计算设备。在示例实施例中,服务器设备210是实现商业过程的商业服务器。示例商业过程包括消息接发过程、协作过程、数据管理过程等等。来自微软公司的Exchange Server是实现消息接发和支持电子邮件的协作商业过程、日程、和联系人以及任务特征、以及支持移动和基于web的对信息的访问和支持数据存储的商业服务器的示例。还是来自微软公司的协作服务器是实现支持协作、文件共享和web发布的商业过程的商业服务器的示例。其它实现商业过程的商业服务器是可能的。
在一些实施例中,服务器设备210包括多个以“场(Farm)”配置一起操作以实现商业过程的内连的服务器设备。其它实施例也是可能的。
存储设备215是诸如关系数据库或任何其他类型的永久数据存储设备之类的数据存储设备。存储设备215按预定义格式来存储数据,以使得服务器设备210可查询、修改、和管理其上存储的数据。这样的数据存储设备的示例包括邮箱存储和地址服务,例如来自微软公司的ACTIVE服务。存储设备215的其他实施例是可能的。
网络220是用于在一个或多个设备之间的数据转移的双向数据通信。在所示的示例中,网络220建立用于客户机设备205与服务器设备210之间的数据转移的通信路径。通常,网络220可以是多种无线或硬线连接的WAN、LAN、因特网或其他基于分组的通信网络中的任一种,以使得数据可在联网计算环境200的元件之间被转移。网络220的其它实施例也是可能的。
现在参看图3,图2的服务器设备210被更详细地示出。如以上所提及的,服务器设备210是通用计算设备。示例的通用计算设备包括桌面计算机、膝上计算机、个人数字助理、智能电话、服务器、上网本、笔记本、蜂窝电话、平板电脑、电视、视频游戏控制台等等。
服务器设备210包括至少一个处理单元305和系统存储器310。系统存储器310可以存储用于控制服务器设备210或另一计算设备的操作的操作系统315。一种示例的操作系统315可以是来自微软公司的操作系统或服务器,例如Exchange服务器、协作服务器等等。
系统存储器310还可以包括一个或多个软件应用320并且可以包括程序数据。软件应用程序320可包括许多不同类型的单个且多个功能的程序,诸如电子邮件程序、日程表程序、因特网浏览程序、电子数据表程序、用于跟踪和报告信息的程序、文字处理程序等等。一个示例的多功能的程序是来自微软公司的Office套件应用程序。
系统存储器310可以包括物理计算机可读存储介质,例如诸如磁盘、光盘或磁带。这样的额外存储在图3中由可移动存储325和不可移动存储330示出。计算机可读存储介质可以包括以用于储存诸如计算机可读指令、数据结构、程序模块或其它数据等信息的任一方法或技术实现的物理易失性和非易失性,可移动和不可移动介质。计算机可读存储介质还可以包括但不限于,RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、盒式磁带、磁带、磁盘存储或其他磁存储设备,或者可用于存储所需信息并可由服务器设备210访问的任何其他介质。任何这样的计算机存储介质都可以是服务器设备210的一部分或外置于该服务器设备104。
将通信介质与计算机可读存储介质区分开来。通信介质通常由诸如载波或其他传输机制等已调制数据信号中的计算机可读指令、数据结构、程序模块或其他数据来体现,并包括任何信息传递介质。术语“已调制数据信号”是指具有以在信号中编码信息的方式被设定或改变其一个或多个特征的信号。作为示例而非限制,通信介质包括有线介质,诸如有线网络或直接线连接,以及无线介质,诸如声学、RF、红外线和其他无线介质。
服务器设备210还具有任何数目或类型的输入设备335和输出设备340。示例输入设备335包括键盘、鼠标、笔、语音输入设备、触摸输入设备等。示例输出设备340包括显示器、扬声器、打印机等。服务设备210还包括配置成实现在分布式计算系统环境中通过网络(例如,图2的网络220)与其他计算设备通信的通信连接345。
在示例实施例中,类似于如上所述的服务器设备210那样来配置图2的客户机设备205。现在再参考图4,图2的客户机设备205还被配置为包括一个或多个到服务器设备210的不同类型的客户机接口。在所示示例中,客户机设备205包括本地客户机405、web接入客户机410、移动接入客户机415以及语音接入客户机420。针对服务器设备210的其他类型的客户机接口也是可能的。
本地客户机405被配置为专用消息接发和协作客户机,其用作对服务器设备210的接口,并且是在客户机设备205上执行的应用程序套件的部分。在一个实施例中,本地客户机405包括消息接发客户机,它作为微软公司的Office套件的应用程序的部分中的电子邮件应用程序。用户可通过消息接发客户机编写电子邮件、与电子邮件交互、发送和接收电子邮件。本地客户机405的其他实施例是可能的。
web接入客户机410被配置成使用诸如因特网之类的网络连接远程地访问服务器设备210。在一个实施例中,web接入客户机410是Exchange服务器的Outlook Web Access的web邮件服务。在示例实施例中,客户机设备205使用web浏览器来经由Outlook Web接入来连接到Exchange服务器。这提供类似于消息接发客户机中的接口的用户接口,其中用户可编写电子邮件、与电子邮件交互、发送和接收电子邮件。web接入客户机410的其他实施例是可能的。例如,web接入客户机410可被配置成连接到协作服务器以访问相对应的协作、文件共享和web发布服务。web接入客户机410的其他实施例也是可能的。
移动接入客户机415是另一种类型的对服务器设备210的客户机接口。在一个实施例中,移动接入客户机415包括带有同步软件的移动接入,或者用于Vista或Windows 7的Windows移动设备中心,其全部来自微软公司。用户可以使用像具有的同步软件的移动接入客户机在移动设备和Exchange服务器之间同步消息。示例移动设备包括蜂窝电话、智能电话、个人数字助理等等。移动接入客户机415的其他实施例是可能的。
语音接入客户机420是又一种类型的对服务器设备210的客户机接口。在一些实施例中,语音接入客户机420包括Exchange服务器中支持的Exchange统一消息接发(Exchange Unified Messaging)。通过Exchange统一消息接发,用户具有用于电子邮件和语音邮件的一个收件箱。语音电子邮件被直接递送到消息接发客户机的收件箱。包含语音邮件的消息还可以包括附件。语音接入客户机420的其他实施例是可能的。
现在参考图5,示出了配置用于实现用于在计算系统环境中优先分配电子通信的系统和方法的示例操作环境500。可以由例如如上结合附图1-4所述的在服务器计算设备上执行的服务器侧进程或在客户机计算设备上执行的客户机侧进程来实现操作环境500。其他实施例是可能的。例如,操作环境500可以以合并了服务器侧进程以及客户机侧进程两者的功能性的混合形式来实现。在用于优先分配电子通信的示例的系统和方法的实现中的这种灵活性可以在许多方面受益,例如诸如允许优化资源分配、负载平衡等等。
示例操作环境500包括数据收集器505、数据分析器510、数据存储515以及查询分析器520。
数据收集器505被配置用于从多种电子通信和相关源中收集并聚合原始项目数据,所述源包括例如电子邮件数据、语音邮件数据、日程表数据、SMS数据、IM数据、MMS数据、网页更新数据、社交网络数据、电子文档数据等等。由于电子通信和相关源通常以不同的格式封装并发送数据,数据收集器505可以包括支持这些差异的多种逻辑数据收集器模块,例如通信服务器数据收集器525、web服务器数据收集器530以及应用服务器数据收集器535。其它类型的逻辑数据收集器模块也是可能的。
数据分析器510包括项目分析模块540、模型应用模块545以及数据训练模块550。项目分析模块540被配置为提取由数据收集器505所检索到的各个项目数据的多个项目特征。如在上述示例方法100的上下文中所述,项目特征通常是任意通信数据的特性,这些特性可以基于对各个通信数据的内容的理解而直接被提取或推断出。
模型应用模块545被配置为对与由数据收集器505所检索到的各个项目数据相对应的预期接收者的接收者专用模型数据进行检索。模型应用模块545还被附加地配置为将分类模型的模型标准应用到接收者专用模型数据,并基于分类模型的类型生成一个或多个项目专用预测。在一个实施例中,分类模型是基于重要性的模型。其他实施例是可能的。
数据训练模块550被配置为监视并获取与数据收集器505所检索到的各个项目数据相对应的预期接收者相关联的接收者行为以及明确的接收者反馈。数据训练模块550还被附加地配置为基于所获取的接收者行为和明确的接收者反馈来调整由模型应用模块545所检索的接收者专用模型数据。
如上所述,操作环境500还包括查询分析器520。通常,查询分析器520被配置为处理客户机侧的应用特征请求,以便终端用户可以有效地优先分配任意巨量的传入通信。在示例实施例中,查询分析器520包括第一特征入口555、第二特征入口560以及第三特征入口565。
第一特征入口555被配置为支持与用于展示客户机侧应用中关键内容的突出或强调特征相对应的特征请求,如下将结合图7和图8进一步详细描述的。第二特征入口560被配置为支持与快速查看特征相对应的特征请求,所述快速查看特征提供在客户机侧应用中被认为最重要的项目的快速查看,如下将结合图7和图8进一步详细描述的。第三特征入口565被配置为支持与通知特征相对应的特征请求,所述通知特征用于基于项目被认为的重要性来在客户机侧应用中提供可选择通知,如下将结合图7和图8进一步详细描述的。查询分析器520的其他实施例是可能的。
在示例实施例中,由数据收集器505收集的和/或由数据分析器510所处理的数据可以被存储在数据存储515中。另外,数据存储515支持并存储由查询分析器520处理的搜索和结果。
现在参照图6,示出了用于对用于优先分配电子通信的用户模型数据进行层次训练的示例方法600。通常,可由服务器侧进程或客户机侧进程来实现方法600。在下面结合图1-5描述了服务器侧进程以及客户机侧进程的示例。其他实施例是可能的。例如,方法600可以以合并了服务器侧进程以及客户机侧进程两者的功能性的混合形式来实现。
所述方法600被配置为用于提供用户专用行为和偏好(称为用户模型数据)的优化理解。用户模型数据是基于一组用户专用推断。根据本公开的示例推断对应于基于观察者用户行为和明确用户反馈的特定项目属性的相对重要性和不重要性。在一个实施例中,推断包括项目属性、属性值、属性权重以及属性置信度。可以基于用户专用通信数据、行为和反馈获得的一组示例用户专用推断包括:
推断的项目属性是通信的特点片断的特性。示例项目属性包括发送者关系、随后包含以及项目主题。其他实施例是可能的。例如,其它属性包括项目发送者、项目主题、项目发送时间、项目类型等等。特定属性值的重要性(例如“发送者关系”=“管理员”)通过当用户行为涉及该特定属性值时观察该用户行为来进行评估。示例用户行为可以包括观察用户是否趋向展示表示由管理员发送的项目的重要性的行为(例如在项目打开上花费相当的时间周期)。在示出的示例中,由定标的数字值来表示属性权重。其他实施例是可能的。
推断的置信度比值对应于与用于给定项目属性值的特定重要性比值相关联的置信度。在示出示例中,推断“发送者关系”=“管理员”的置信度比值是相对高的(即78%)。推断“项目主题”=“钓鱼”的置信度比值是相对低的(即23%)。在一些实施例中,当观察到属性值的几个实例与一致性行为相关联时,可以实现推断的高置信度比值。当观察到属性值的较少实例、属性值的实例不是最近的、和/或用户行为是不一致的时,可以实现推断的低置信度比值。其他实施例是可能的。
在一些实施例中,某些推断可以是共同依赖的或是由多个相关的项目属性组成的。共同依赖的推断的示例包括在用户从同事“Alex”接收到许多电子邮件消息的场景。一些示例的电子邮件消息被发送给包括该用户的大的分发列表(“DL”),而其它消息则直接发送给用户。在一个场景中,当“Alex”通过分发列表将电子邮件消息发送给用户时,该用户趋向将这些项目处理为不重要的。然而,当“Alex”直接将电子邮件消息发送给用户时,该用户趋向将这些项目处理为重要的。存在表示示例场景的两种相关的共同依赖推断。第一种推断包括属性“发送者”=“Alex”并且“接收者”=“DL”,并且可以展示相对低的属性权重(例如“4”)和高的置信度比值(例如80%)。第二种推断包括“发送者”=“Alex”并且“接收者”=“接收者”,并且可以展示相对高的属性权重(例如“8”)和高的置信度比值(例如80%)。通常,任意共同依赖的推断可以包括有任意数目的任意合成属性。
在示例实施例中,为特定用户编译和计算一组权重被称为训练。示例方法600被配置用于在多个阶段训练用户模型数据。特别地,操作605对应于第一阶段“引导”操作,该操作基于原型用户模型为新用户生成一组通用默认权重。该组默认权重表示默认用户模型数据。示例原型用户模型包括针对大量采样用户开发、原型化和测试的重要性模型,所述采样用户具有共同的特性,例如共同的职业、共同的兴趣等等。
在操作605的第一阶段“引导”之后,获得用户专用信息以更新并微调该组默认权重以为特定用户个性化默认用户模型。例如,操作流程前进到操作610,该操作对应于第二阶段“爬行”操作,所述“爬行”操作估计可用的历史上记录的行为数据、反馈数据和通信数据。示例历史上记录行为数据包括电子邮件消息“组成”行为,例如发送、响应或转发消息。其它历史上记录行为数据和通信项目是可能的,并且可以是系统实现专用的。
在操作605的第二阶段“爬行”之后,操作流程前进到操作615,该操作对应于更新默认用户模型的该组通用默认权重以形成个性化的权重组。个性化的权重组对应于用户专用模型数据。
在操作615的用户专用模型数据形成之后,操作流程前进到第三阶段“在线”操作620,所述操作对应于实时监视并获取相对于项目的用户专用行为和反馈,类似于在上面结合图1所述的示例第一训练分支130的功能。将操作620实现为更新并微调在操作615处形成的个性化的权重组。
在示例实施例中,操作流程在预定时间延迟dT之后返回到操作615。在操作615和操作620之间实现循环处理流程以连续细化微调用户专用模型数据的个性化的权重组。这样循环处理流程在许多方面都是有利的。例如,某些权重可以随时间改变或变为废弃的,例如当用户改变工作或监管员改变。在示例实施例中,在操作620处获得的信息和对应的对操作615的更新将捕获随时间的各种改变并改编个性化的权重组。
在示例实施例中,处理流程前进到评估操作625,所述评估操作在操作615和操作620的迭代之后。评估操作625对应于确定用户专用模型数据的个性化的权重组是否足以展示出基于相关联的分类的功能,例如优先分配涉及将新项目标记为重要的特征。
当评估操作625确定用户专用模型数据的个性化的权重组不足以展示出基于相关联的分类的功能,则操作流程分支回操作620以进一步对个性化的权重组微调和调整。
当评估操作625确定用户专用模型数据的个性化的权重组足以展示出基于相关联的分类的功能,则操作流程分支到对应于个性化的权重组的初始训练完成的操作630。在示例实施例中,在操作630启用优先分配涉及相关联的分类的特征,并且这些特征可通过客户机侧应用特征请求来访问,这样,终端用户可以有效地优先分配任意巨量的传入通信(即第一特征入口555、第二特征入口560以及第三特征入口565)。通常,可以在没有来自用户的任何主动或直接输入的情况下获得在操作630的个性化的权重组的初始训练的完成。
在示例实施例中,消息环境700包括目录窗格705、列表窗格710以及显示窗格715。示例目录窗格705包括用于存储例如电子邮件消息的数据的目录720a-d的列表。在示出示例中,选择目录720c用于在列表窗格710中显示为电子邮件消息725a-e的列表。
在示出的示例中,电子邮件消息725a由第一重要性标记730加亮,而电子邮件消息725b由第二重要性标记735加亮。通常,第一重要性标记730指定电子邮件消息725a是重要的,因为是从“Sheila Wu”处发送的。另外,由于是重要的,可以将电子邮件消息725a作为第一快速查看740显示在显示窗格715中。在示例实施例中,第一快速查看740可以被配置为显示电子邮件消息725a的内容745以及“Sheila Wu”的图像750。第一重要性标记730的几何形状和色调是可配置的,并且可以指定在电子邮件消息725a内的关键内容的存在,例如主题行术语“查看”。其他实施例是可能的。
第二重要性标记735可以指定电子邮件消息725b是重要的,因为是从“JoseSantana”处发送的。由于是重要的,可以将电子邮件消息725b作为第二快速查看755显示在显示窗格715中。在示例实施例中,第二快速查看755被配置为显示电子邮件消息725b的内容760。第二重要性标记735的几何形状和色调是可配置的,并且可以指定在电子邮件消息725a内的关键内容的存在,例如主体文本“加速”。
通常,第一重要性标记730和第二重要性标记735允许用户快速标识各个电子邮件消息725a和电子邮件消息725b为重要的。第一重要性标记730和第二重要性标记735的几何形状和色调可以按需选择,并且可以指定各个电子邮件消息725a和电子邮件消息725b的某些特性,并进一步按需影响第一快速查看740和第二快速查看在显示窗格715中的放置和突出。其他实施例是可能的。
现在参考图8,示出了包括用户模块800的图7消息环境700。在示例实施例中,光标805被用来选择第一重要性标记730以向用户模块800展示。
通常,用户模块800被配置为将高度透明度提供给用户以允许反馈和定制。例如,用户模块800可以以上下文敏感和直观方式来展示一组用户推断805a-c。示例用户推断传达关于如何将某个项目(例如电子邮件消息725a)的分类确定为重要的或不重要的的理解。用户模块800另外被配置为展示手动调整按钮810,该按钮允许用户如果需要的话将项目的重要性从重要的改变为不重要的。在示例实施例中,这样的主动反馈更新该项目的项目分类以及相关联的用户模型数据,并且当分类新项目或重新分类现有项目时进一步将反馈考虑在其中。
用户模块800另外地被配置为展示一个推断反馈按钮815,该按钮允许用户提供指定推断为错误或者通常为正确的推断被误用到特定电子邮件消息的反馈。这样的主动反馈用作更新该项目的项目分类以及相关联的用户模型数据。当分类新项目或重新分类现有项目时,可以另外接收这样的主动反馈。推断反馈按钮815可进一步被配置为允许用户定义新的推断或定义特殊的“元-推断”或基于多个属性和值计算的共同依赖推断。其他实施例是可能的。
用户模块800可进一步被配置为展示用于用户定制的定制按钮820。示例用户定制包括阈值定制,例如定义在消息环境700内要被标记为重要的项目必须具有的最小重要性和/或置信度比值。其它示例用户定制包括分层化,例如对在消息环境700中定义和展示多少级别的重要性的定义(例如低、中、高)。其它示例用户定制包括可视指示符定义,例如如何在消息环境700中表示相对重要性(例如通过图标、预览)。其它示例用户定制包括工具栏定义,例如允许用户定义涉及特征/应用的按钮或命令以进行展示。这样的定制可以是设备或应用专用的。其它示例的用户定制包括反馈粒度定义,以便用户能够决定通过消息环境700什么级别的主动反馈控制要展示。还有其它实施例也是可能的。
现在参照图9,示出根据本公开的第二示例消息环境900。通常,消息环境900是通知应用程序,例如由微软公司出品的“智能祝词”弹出消息收发应用程序。其他实施例是可能的。
在示例实施例中,当接收到新的评估为重要的电子邮件消息时,将消息环境900展示给用户。例如,类似于上面结合图7和8所述的各个电子邮件消息725a,当从“Sheila Wu”接收到电子邮件消息时,可以将包括第一重要性标记730和“Sheila Wu”的图像750的消息环境900在预定时间周期内显示。消息环境900进一步包括标识元数据905,例如“来自Sheila Wu的新邮件”以及上下文元数据910,例如“直到下午2点才可用”。在示例实施例中,消息环境900通知用户仅这些消息(例如电子邮件消息725a)被评估为“重要的”并且快速示出这些消息为什么被评估为重要的。消息环境900的其它实施例也是可能的。
本文中描述的示例实施例可被实现为联网计算系统环境中的计算设备里的逻辑操作。逻辑操作可被实现为:(i)在计算设备上执行的计算机执行的指令、步骤或程序模块的序列;以及(ii)在计算设备内运行的内连逻辑或硬件模块。
例如,逻辑操作可用软件、固件、模拟/数字电路、和/或其任何组合来实现为算法,而不背离本公开的范围。软件、固件、或类似的计算机指令序列可被编码并存储在计算机可读介质上,并且还可被编码在载波信号内,以便在计算设备之间进行传输。
尽管用结构特征和/或方法动作专用的语言描述了本主题,但可以理解,所附权利要求书中定义的主题不必限于上述具体特征或动作。更确切而言,上述具体特征和动作是作为实现权利要求的示例形式公开的。
Claims (10)
1.一种用于在计算系统环境(200)中优先分配电子通信的方法,所述方法包括:
在计算设备(210)处训练默认模型以为接收者个性化接收者专用模型,其中所述默认模型是从针对具有与接收者共同的特性的用户的采样来调整的多个加权因子中形成的,并且所述接收者专用模型是从使用接收者历史行为和反馈信息修改的默认模型中形成的;
在计算设备(210)处截取定址到接收者的项目;
在计算设备(210)处提取与所述项目相关联的多个项目特征;
检索接收者专用模型,其中所述接收者专用模型包括与多个提取的项目特征相关联的多个加权因子;
将重要性分类模型应用于所述多个提取的项目特征,包括形成所述多个加权因子的组合;
基于所述多个加权因子的组合生成预测的项目重要性;以及
基于预测的项目重要性来为接收者启用与所述项目相关联的至少一个应用特征(730,735)。
2.如权利要求1所述的方法,其特征在于,包括基于接收者的历史行为和反馈信息来调整所述多个加权因子。
3.如权利要求1所述的方法,其特征在于,进一步包括通过获取从下述组中选出的接收者定制来训练所述默认模型以个性化接收者专用模型:推断校正;处理规则定义;阈值定义;以及重要性粒度。
4.如权利要求1所述的方法,其特征在于,进一步包括周期性获取与所述项目相关联的接收者行为来连续训练所述默认模型以个性化接收者专用模型。
5.如权利要求4所述的方法,其特征在于,进一步包括在预定时间周期内周期性获取与所述项目相关联的接收者行为以评估预测的项目重要性的正确度。
6.如权利要求5所述的方法,其特征在于,还包括调整下述至少一项:所述多个加权因子;以及基于所获取的接收者行为的预测的项目重要性。
7.如权利要求1所述的方法,其特征在于,其中所述项目包括从包括下述项的组中选择的通信:电子邮件消息;语音邮件消息;日程表消息;即时消息;基于web的消息以及社交协作消息。
8.如权利要求1所述的方法,其特征在于,其中所述提取的项目特征包括直接观察到的项目特性和推断的项目特性中的至少一个。
9.一种计算设备(210),包括:
处理单元(305);
连接到所述处理单元(305)的系统存储器(310),所述系统存储器(310)包括当被所述处理单元(305)执行时使得所述处理单元(305)实现训练模块(510)的指令,所述训练模块(510)被配置用于层次训练用于在计算系统环境(200)中优先分配电子通信的用户模型,所述训练模型(510)被配置为:
基于原型用户模型为用户生成一组默认推断,其中所述默认推断包括项目属性、属性值、属性权重以及属性置信度;
获取用户专用信息以为用户个性化该组默认推断包括:检索用户专用历史行为和反馈信息,以及响应于项目的接收检索用户专用行为和反馈信息;
用所述用户专用信息来更新该组默认推断以形成应用于项目优先分配模型的个性化组推断;以及
启用与用户相关联的至少一个应用特征(730,735)以展示预测的项目重要性。
10.具有计算机可执行指令的计算机可读存储介质(310),当由计算设备(210)执行所述指令时,使得所述计算设备(210)执行步骤,包括:
在计算设备(210)处训练默认模型以为接收者个性化接收者专用模型,其中,所述默认模型是从针对具有与接收者共同的特性的用户的采样来调整的多个加权因子中形成的,所述共同特性从包括下述项的组中选出:共同职业和共同兴趣,并且所述接收者专用模型是从使用接收者历史行为和反馈信息修改的默认模型中形成的;
在计算设备(210)处截取定址到接收者的一个项目,其中所述项目从包括下述项的组中选出:电子邮件消息、日程表消息、即时消息、基于web的消息以及社交协作消息;
在计算设备(210)处提取与所述项目相关联的多个项目特征,其中所述项目特征包括从包括下述项的组中选出的项目的特性:项目发送者特性、项目接收者特性、会话特性以及附件特性;
检索接收者专用模型,其中所述接收者专用模型包括与所述多个提取的项目特征相关联的多个加权因子;
将重要性分类模型应用于所述多个提取的项目特征,包括形成所述多个加权因子的组合;
基于所述多个加权因子的组合生成预测的项目重要性,其中所述预测的项目重要性指定项目作为下述项之一:重要的和不重要的;
基于从包括下述项的组中选出的所述预测的项目重要性来为接收者启用与所述项目相关联的至少一个应用特征(730,735):用于突出项目的关键内容的强调特征;以及用于提供对项目的快速查看的显示特征;以及用于提供项目的临时查看的通知特征;以及
在预定时间周期内周期性地获取与所述项目相关联的接收者行为和反馈以便持续训练默认模型以个性化所述接收者专用模型。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/961,180 | 2010-12-06 | ||
US12/961,180 US8744979B2 (en) | 2010-12-06 | 2010-12-06 | Electronic communications triage using recipient's historical behavioral and feedback |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102567091A true CN102567091A (zh) | 2012-07-11 |
CN102567091B CN102567091B (zh) | 2014-09-17 |
Family
ID=46163181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110416640.7A Active CN102567091B (zh) | 2010-12-06 | 2011-12-05 | 电子通信优先分配 |
Country Status (10)
Country | Link |
---|---|
US (1) | US8744979B2 (zh) |
EP (1) | EP2649535B1 (zh) |
JP (1) | JP6246591B2 (zh) |
KR (1) | KR101843604B1 (zh) |
CN (1) | CN102567091B (zh) |
AU (1) | AU2011338871B2 (zh) |
BR (1) | BR112013012553B1 (zh) |
CA (1) | CA2817230C (zh) |
RU (1) | RU2600102C2 (zh) |
WO (1) | WO2012078342A2 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065628A (zh) * | 2013-03-22 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 会话处理方法和装置 |
CN105745672A (zh) * | 2013-11-19 | 2016-07-06 | 微软技术许可有限责任公司 | 为分类预测和建议提供原因 |
CN112565803A (zh) * | 2020-11-30 | 2021-03-26 | 北京达佳互联信息技术有限公司 | 一种评论区的消息处理方法、装置及计算机存储介质 |
CN113421054A (zh) * | 2021-06-11 | 2021-09-21 | 荣耀终端有限公司 | 信息管理方法、电子设备及存储介质 |
Families Citing this family (44)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110055264A1 (en) * | 2009-08-28 | 2011-03-03 | Microsoft Corporation | Data mining organization communications |
US9529864B2 (en) * | 2009-08-28 | 2016-12-27 | Microsoft Technology Licensing, Llc | Data mining electronic communications |
US8744979B2 (en) | 2010-12-06 | 2014-06-03 | Microsoft Corporation | Electronic communications triage using recipient's historical behavioral and feedback |
US10366341B2 (en) | 2011-05-11 | 2019-07-30 | Oath Inc. | Mining email inboxes for suggesting actions |
US10453030B2 (en) * | 2012-06-20 | 2019-10-22 | Wendy H. Park | Ranking notifications based on rules |
US20140052465A1 (en) * | 2012-08-16 | 2014-02-20 | Ginger.io, Inc. | Method for modeling behavior and health changes |
US9146895B2 (en) * | 2012-09-26 | 2015-09-29 | International Business Machines Corporation | Estimating the time until a reply email will be received using a recipient behavior model |
US20160262128A1 (en) * | 2013-09-27 | 2016-09-08 | Hewlett Packard Enterprise Development Lp | Notifying a user of critical emails via text messages |
US10997183B2 (en) * | 2013-12-05 | 2021-05-04 | Lenovo (Singapore) Pte. Ltd. | Determining trends for a user using contextual data |
GB2521637A (en) * | 2013-12-24 | 2015-07-01 | Ibm | Messaging digest |
US20180053114A1 (en) | 2014-10-23 | 2018-02-22 | Brighterion, Inc. | Artificial intelligence for context classifier |
US10896421B2 (en) | 2014-04-02 | 2021-01-19 | Brighterion, Inc. | Smart retail analytics and commercial messaging |
US9577867B2 (en) * | 2014-05-01 | 2017-02-21 | International Business Machines Corporation | Determining a time before a post is viewed by a recipient |
RU2608880C2 (ru) * | 2014-05-22 | 2017-01-25 | Общество С Ограниченной Ответственностью "Яндекс" | Электронное устройство и способ обработки электронного сообщения |
US9280661B2 (en) | 2014-08-08 | 2016-03-08 | Brighterion, Inc. | System administrator behavior analysis |
US20150339673A1 (en) | 2014-10-28 | 2015-11-26 | Brighterion, Inc. | Method for detecting merchant data breaches with a computer network server |
US20160055427A1 (en) | 2014-10-15 | 2016-02-25 | Brighterion, Inc. | Method for providing data science, artificial intelligence and machine learning as-a-service |
US20150032589A1 (en) | 2014-08-08 | 2015-01-29 | Brighterion, Inc. | Artificial intelligence fraud management solution |
US20150066771A1 (en) | 2014-08-08 | 2015-03-05 | Brighterion, Inc. | Fast access vectors in real-time behavioral profiling |
US20160063502A1 (en) | 2014-10-15 | 2016-03-03 | Brighterion, Inc. | Method for improving operating profits with better automated decision making with artificial intelligence |
US20160071017A1 (en) | 2014-10-15 | 2016-03-10 | Brighterion, Inc. | Method of operating artificial intelligence machines to improve predictive model training and performance |
US20160078367A1 (en) | 2014-10-15 | 2016-03-17 | Brighterion, Inc. | Data clean-up method for improving predictive model training |
US11080709B2 (en) | 2014-10-15 | 2021-08-03 | Brighterion, Inc. | Method of reducing financial losses in multiple payment channels upon a recognition of fraud first appearing in any one payment channel |
US10546099B2 (en) | 2014-10-15 | 2020-01-28 | Brighterion, Inc. | Method of personalizing, individualizing, and automating the management of healthcare fraud-waste-abuse to unique individual healthcare providers |
US10290001B2 (en) | 2014-10-28 | 2019-05-14 | Brighterion, Inc. | Data breach detection |
US10504029B2 (en) * | 2015-06-30 | 2019-12-10 | Microsoft Technology Licensing, Llc | Personalized predictive models |
KR101704651B1 (ko) * | 2015-07-06 | 2017-02-08 | 주식회사 이팝콘 | 수신 분석 기반 메시지 서비스 규칙 제공 방법 및 메시지 서비스 규칙을 이용한 메시지 송신 방법 |
KR101688829B1 (ko) * | 2015-07-24 | 2016-12-22 | 삼성에스디에스 주식회사 | 사용자 패턴을 반영한 문서 제공 방법 및 그 장치 |
US10671915B2 (en) | 2015-07-31 | 2020-06-02 | Brighterion, Inc. | Method for calling for preemptive maintenance and for equipment failure prevention |
AU2015224398A1 (en) | 2015-09-08 | 2017-03-23 | Canon Kabushiki Kaisha | A method for presenting notifications when annotations are received from a remote device |
WO2017048730A1 (en) * | 2015-09-14 | 2017-03-23 | Cogito Corporation | Systems and methods for identifying human emotions and/or mental health states based on analyses of audio inputs and/or behavioral data collected from computing devices |
US9923853B2 (en) * | 2015-10-05 | 2018-03-20 | Quest Software Inc. | Folders that employ dynamic user training rules to organize content |
US10574600B1 (en) * | 2016-03-25 | 2020-02-25 | Amazon Technologies, Inc. | Electronic mailbox for online and offline activities |
US10749833B2 (en) * | 2016-07-07 | 2020-08-18 | Ringcentral, Inc. | Messaging system having send-recommendation functionality |
US10942946B2 (en) | 2016-09-26 | 2021-03-09 | Splunk, Inc. | Automatic triage model execution in machine data driven monitoring automation apparatus |
JP2019079224A (ja) * | 2017-10-24 | 2019-05-23 | 富士ゼロックス株式会社 | 情報処理装置及び情報処理プログラム |
US10579632B2 (en) * | 2017-12-18 | 2020-03-03 | Microsoft Technology Licensing, Llc | Personalized content authoring driven by recommendations |
US20190342297A1 (en) | 2018-05-01 | 2019-11-07 | Brighterion, Inc. | Securing internet-of-things with smart-agent technology |
US11176472B2 (en) * | 2018-05-22 | 2021-11-16 | International Business Machines Corporation | Chat delta prediction and cognitive opportunity system |
US11159476B1 (en) * | 2019-01-31 | 2021-10-26 | Slack Technologies, Llc | Methods and apparatuses for managing data integration between an external email resource and a group-based communication system |
KR20210091584A (ko) * | 2020-01-14 | 2021-07-22 | 삼성전자주식회사 | 전자 장치 및 그 동작 방법 |
JP7459931B2 (ja) | 2020-03-27 | 2024-04-02 | 日本電気株式会社 | ストレス管理装置、ストレス管理方法、及びプログラム |
WO2022161879A2 (en) * | 2021-01-26 | 2022-08-04 | Airemail Holdings Limited | Handling electronic communications |
US20230319065A1 (en) * | 2022-03-30 | 2023-10-05 | Sophos Limited | Assessing Behavior Patterns and Reputation Scores Related to Email Messages |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020038307A1 (en) * | 2000-01-03 | 2002-03-28 | Zoran Obradovic | Systems and methods for knowledge discovery in spatial data |
CN1713194A (zh) * | 2004-06-21 | 2005-12-28 | 株式会社日立制作所 | 内容分发方法 |
US20070183655A1 (en) * | 2006-02-09 | 2007-08-09 | Microsoft Corporation | Reducing human overhead in text categorization |
CN101533366A (zh) * | 2009-03-09 | 2009-09-16 | 浪潮电子信息产业股份有限公司 | 一种服务器性能数据采集与分析的方法 |
US20090254498A1 (en) * | 2008-04-03 | 2009-10-08 | Narendra Gupta | System and method for identifying critical emails |
US20100153318A1 (en) * | 2008-11-19 | 2010-06-17 | Massachusetts Institute Of Technology | Methods and systems for automatically summarizing semantic properties from documents with freeform textual annotations |
Family Cites Families (57)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3300584B2 (ja) * | 1994-11-24 | 2002-07-08 | 松下電器産業株式会社 | 最適化調整方法と最適化調整装置 |
US6004015A (en) * | 1994-11-24 | 1999-12-21 | Matsushita Electric Industrial Co., Ltd. | Optimization adjusting method and optimization adjusting apparatus |
US6460036B1 (en) | 1994-11-29 | 2002-10-01 | Pinpoint Incorporated | System and method for providing customized electronic newspapers and target advertisements |
US6891567B2 (en) | 1998-06-26 | 2005-05-10 | Fotonation Holdings, Llc | Camera messaging and advertisement system |
US5917489A (en) | 1997-01-31 | 1999-06-29 | Microsoft Corporation | System and method for creating, editing, and distributing rules for processing electronic messages |
US7117358B2 (en) | 1997-07-24 | 2006-10-03 | Tumbleweed Communications Corp. | Method and system for filtering communication |
US6393465B2 (en) | 1997-11-25 | 2002-05-21 | Nixmail Corporation | Junk electronic mail detector and eliminator |
US6424997B1 (en) | 1999-01-27 | 2002-07-23 | International Business Machines Corporation | Machine learning based electronic messaging system |
US7120865B1 (en) | 1999-07-30 | 2006-10-10 | Microsoft Corporation | Methods for display, notification, and interaction with prioritized messages |
US7000194B1 (en) | 1999-09-22 | 2006-02-14 | International Business Machines Corporation | Method and system for profiling users based on their relationships with content topics |
US6691106B1 (en) | 2000-05-23 | 2004-02-10 | Intel Corporation | Profile driven instant web portal |
US6832244B1 (en) | 2000-09-21 | 2004-12-14 | International Business Machines Corporation | Graphical e-mail content analyser and prioritizer including hierarchical email classification system in an email |
KR100388254B1 (ko) * | 2000-10-21 | 2003-06-25 | (주)비앤텍 | 다이어리 형식을 이용한 전자메일의 표시 및 제어하는 방법 및 그 시스템 |
US7222156B2 (en) | 2001-01-25 | 2007-05-22 | Microsoft Corporation | Integrating collaborative messaging into an electronic mail program |
US6901398B1 (en) | 2001-02-12 | 2005-05-31 | Microsoft Corporation | System and method for constructing and personalizing a universal information classifier |
US7165105B2 (en) | 2001-07-16 | 2007-01-16 | Netgenesis Corporation | System and method for logical view analysis and visualization of user behavior in a distributed computer network |
WO2003017055A2 (en) | 2001-08-15 | 2003-02-27 | Visa International Service Association | Method and system for delivering multiple services electronically to customers via a centralized portal architecture |
EP1326189A3 (en) * | 2001-12-12 | 2005-08-17 | Microsoft Corporation | Controls and displays for acquiring preferences, inspecting behaviour, and guiding the learning and decision policies of an adaptive communications prioritization and routing systems |
US7519589B2 (en) | 2003-02-04 | 2009-04-14 | Cataphora, Inc. | Method and apparatus for sociological data analysis |
JP4593926B2 (ja) | 2002-02-19 | 2010-12-08 | ポスティーニ インク | Eメール管理サービス |
US7162494B2 (en) | 2002-05-29 | 2007-01-09 | Sbc Technology Resources, Inc. | Method and system for distributed user profiling |
US20050204001A1 (en) | 2002-09-30 | 2005-09-15 | Tzvi Stein | Method and devices for prioritizing electronic messages |
US7469280B2 (en) | 2002-11-04 | 2008-12-23 | Sun Microsystems, Inc. | Computer implemented system and method for predictive management of electronic messages |
US7249162B2 (en) * | 2003-02-25 | 2007-07-24 | Microsoft Corporation | Adaptive junk message filtering system |
US7653879B1 (en) | 2003-09-16 | 2010-01-26 | Microsoft Corporation | User interface for context sensitive creation of electronic mail message handling rules |
US7996470B2 (en) | 2003-10-14 | 2011-08-09 | At&T Intellectual Property I, L.P. | Processing rules for digital messages |
US8566263B2 (en) | 2003-11-28 | 2013-10-22 | World Assets Consulting Ag, Llc | Adaptive computer-based personalities |
US7454716B2 (en) | 2003-12-22 | 2008-11-18 | Microsoft Corporation | Clustering messages |
US20050204009A1 (en) | 2004-03-09 | 2005-09-15 | Devapratim Hazarika | System, method and computer program product for prioritizing messages |
US7818377B2 (en) | 2004-05-24 | 2010-10-19 | Microsoft Corporation | Extended message rule architecture |
US7941491B2 (en) | 2004-06-04 | 2011-05-10 | Messagemind, Inc. | System and method for dynamic adaptive user-based prioritization and display of electronic messages |
WO2006002076A2 (en) | 2004-06-15 | 2006-01-05 | Tekelec | Methods, systems, and computer program products for content-based screening of messaging service messages |
US20060031347A1 (en) | 2004-06-17 | 2006-02-09 | Pekka Sahi | Corporate email system |
GB0422441D0 (en) | 2004-10-08 | 2004-11-10 | I Cd Publishing Uk Ltd | Processing electronic communications |
US20060080393A1 (en) | 2004-10-12 | 2006-04-13 | Cardone Richard J | Method for using e-mail documents to create and update address lists |
US7487214B2 (en) | 2004-11-10 | 2009-02-03 | Microsoft Corporation | Integrated electronic mail and instant messaging application |
US8065369B2 (en) | 2005-02-01 | 2011-11-22 | Microsoft Corporation | People-centric view of email |
US20060195467A1 (en) | 2005-02-25 | 2006-08-31 | Microsoft Corporation | Creation and composition of sets of items |
US8161122B2 (en) | 2005-06-03 | 2012-04-17 | Messagemind, Inc. | System and method of dynamically prioritized electronic mail graphical user interface, and measuring email productivity and collaboration trends |
US20060294191A1 (en) | 2005-06-24 | 2006-12-28 | Justin Marston | Providing context in an electronic messaging system |
US7853485B2 (en) | 2005-11-22 | 2010-12-14 | Nec Laboratories America, Inc. | Methods and systems for utilizing content, dynamic patterns, and/or relational information for data analysis |
US8019632B2 (en) | 2006-10-16 | 2011-09-13 | Accenture Global Services Limited | System and method of integrating enterprise applications |
WO2008134708A1 (en) | 2007-04-30 | 2008-11-06 | Etelemetry, Inc. | Method and system for activity monitoring and forecasting |
US8068588B2 (en) | 2007-06-26 | 2011-11-29 | Microsoft Corporation | Unified rules for voice and messaging |
US8230024B2 (en) | 2007-06-28 | 2012-07-24 | Microsoft Corporation | Delegating instant messaging sessions |
US10069924B2 (en) | 2007-07-25 | 2018-09-04 | Oath Inc. | Application programming interfaces for communication systems |
US20090043621A1 (en) | 2007-08-09 | 2009-02-12 | David Kershaw | System and Method of Team Performance Management Software |
WO2009065045A1 (en) * | 2007-11-14 | 2009-05-22 | Qualcomm Incorporated | Methods and systems for determining a geographic user profile to determine suitability of targeted content messages based on the profile |
US9203911B2 (en) * | 2007-11-14 | 2015-12-01 | Qualcomm Incorporated | Method and system for using a cache miss state match indicator to determine user suitability of targeted content messages in a mobile environment |
US20090150507A1 (en) | 2007-12-07 | 2009-06-11 | Yahoo! Inc. | System and method for prioritizing delivery of communications via different communication channels |
US20090222298A1 (en) | 2008-02-29 | 2009-09-03 | International Business Machines Corporation | Data Mining Method for Automatic Creation of Organizational Charts |
US8682819B2 (en) * | 2008-06-19 | 2014-03-25 | Microsoft Corporation | Machine-based learning for automatically categorizing data on per-user basis |
US8458153B2 (en) | 2008-08-26 | 2013-06-04 | Michael Pierce | Web-based services for querying and matching likes and dislikes of individuals |
US9529864B2 (en) | 2009-08-28 | 2016-12-27 | Microsoft Technology Licensing, Llc | Data mining electronic communications |
US20110055264A1 (en) | 2009-08-28 | 2011-03-03 | Microsoft Corporation | Data mining organization communications |
US8655647B2 (en) * | 2010-03-11 | 2014-02-18 | Microsoft Corporation | N-gram selection for practical-sized language models |
US8744979B2 (en) | 2010-12-06 | 2014-06-03 | Microsoft Corporation | Electronic communications triage using recipient's historical behavioral and feedback |
-
2010
- 2010-12-06 US US12/961,180 patent/US8744979B2/en active Active
-
2011
- 2011-11-20 KR KR1020137014581A patent/KR101843604B1/ko active IP Right Grant
- 2011-11-20 WO PCT/US2011/061571 patent/WO2012078342A2/en unknown
- 2011-11-20 CA CA2817230A patent/CA2817230C/en active Active
- 2011-11-20 EP EP11847679.5A patent/EP2649535B1/en active Active
- 2011-11-20 RU RU2013125971/08A patent/RU2600102C2/ru active
- 2011-11-20 JP JP2013543185A patent/JP6246591B2/ja active Active
- 2011-11-20 AU AU2011338871A patent/AU2011338871B2/en active Active
- 2011-11-20 BR BR112013012553-5A patent/BR112013012553B1/pt active IP Right Grant
- 2011-12-05 CN CN201110416640.7A patent/CN102567091B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020038307A1 (en) * | 2000-01-03 | 2002-03-28 | Zoran Obradovic | Systems and methods for knowledge discovery in spatial data |
CN1713194A (zh) * | 2004-06-21 | 2005-12-28 | 株式会社日立制作所 | 内容分发方法 |
US20070183655A1 (en) * | 2006-02-09 | 2007-08-09 | Microsoft Corporation | Reducing human overhead in text categorization |
US20090254498A1 (en) * | 2008-04-03 | 2009-10-08 | Narendra Gupta | System and method for identifying critical emails |
US20100153318A1 (en) * | 2008-11-19 | 2010-06-17 | Massachusetts Institute Of Technology | Methods and systems for automatically summarizing semantic properties from documents with freeform textual annotations |
CN101533366A (zh) * | 2009-03-09 | 2009-09-16 | 浪潮电子信息产业股份有限公司 | 一种服务器性能数据采集与分析的方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104065628A (zh) * | 2013-03-22 | 2014-09-24 | 腾讯科技(深圳)有限公司 | 会话处理方法和装置 |
CN105745672A (zh) * | 2013-11-19 | 2016-07-06 | 微软技术许可有限责任公司 | 为分类预测和建议提供原因 |
CN112565803A (zh) * | 2020-11-30 | 2021-03-26 | 北京达佳互联信息技术有限公司 | 一种评论区的消息处理方法、装置及计算机存储介质 |
CN113421054A (zh) * | 2021-06-11 | 2021-09-21 | 荣耀终端有限公司 | 信息管理方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP2649535A4 (en) | 2014-08-06 |
BR112013012553B1 (pt) | 2021-06-08 |
CN102567091B (zh) | 2014-09-17 |
KR20140012621A (ko) | 2014-02-03 |
JP2014508980A (ja) | 2014-04-10 |
KR101843604B1 (ko) | 2018-03-29 |
US8744979B2 (en) | 2014-06-03 |
AU2011338871B2 (en) | 2016-06-16 |
WO2012078342A2 (en) | 2012-06-14 |
WO2012078342A3 (en) | 2012-08-02 |
US20120143798A1 (en) | 2012-06-07 |
RU2013125971A (ru) | 2014-12-10 |
JP6246591B2 (ja) | 2017-12-13 |
EP2649535B1 (en) | 2020-04-29 |
BR112013012553A2 (pt) | 2016-08-30 |
CA2817230C (en) | 2019-02-12 |
CA2817230A1 (en) | 2012-06-14 |
AU2011338871A1 (en) | 2013-05-30 |
RU2600102C2 (ru) | 2016-10-20 |
EP2649535A2 (en) | 2013-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102567091B (zh) | 电子通信优先分配 | |
US11567982B2 (en) | Systems and methods for processing and organizing electronic content | |
US10511560B2 (en) | Systems and methods for electronic message prioritization | |
JP6178928B2 (ja) | メッセージ管理システムのための動的なフィルタ生成 | |
US20120143806A1 (en) | Electronic Communications Triage | |
US20090150507A1 (en) | System and method for prioritizing delivery of communications via different communication channels | |
US8904274B2 (en) | In-situ mobile application suggestions and multi-application updates through context specific analytics | |
US8620913B2 (en) | Information management through a single application | |
US20170220999A1 (en) | Techniques for document management workflows | |
CN110709870B (zh) | 智能成员管理 | |
EP2088516A1 (en) | Method and system for generating template replies to electronic mail messages | |
US11431590B2 (en) | Method and device to update contacts | |
US20220345436A1 (en) | Cross-platform message management system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
ASS | Succession or assignment of patent right |
Owner name: MICROSOFT TECHNOLOGY LICENSING LLC Free format text: FORMER OWNER: MICROSOFT CORP. Effective date: 20150429 |
|
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20150429 Address after: Washington State Patentee after: Micro soft technique license Co., Ltd Address before: Washington State Patentee before: Microsoft Corp. |