CN102667839A - 在用户行为的趋势分析和简档建立以及基于模板的预测中使用概率技术以便提供推荐的系统、装置和方法 - Google Patents

Abstract

本发明的实施例提供了一种在用户行为的趋势分析和简档建立中使用概率技术以便提供推荐的方法，包括：检测用户行为中的随着时间的模式，从而使得与所述用户相关联的个人设备能够预测所述用户在给定的一天可能做什么或者所述用户想要在已经开始的行动中实现什么。

Description

在用户行为的趋势分析和简档建立以及基于模板的预测中使用概率技术以便提供推荐的系统、装置和方法

背景技术

无线设备的快速发展和其日益增强的能力已经使得用户能够在高度移动的同时传输和获取大量信息。这些设备的用户不断地能够在各种平台上捕获关于其环境、其交互以及他们自身的上下文信息。这些平台包括但不限于：移动计算/通信设备（例如，PDA、电话、MID），固定和便携式计算设备（膝上型计算机和台式计算机）以及云计算设备和平台。如果用户能够恰当地管理原始上下文和从该上下文推导出的简档并且能够与服务提供商共享该信息，则该信息对于用户具有潜在较高的价值。服务提供商可以使用该信息来更好地使提供（offer）适合于用户，更好地理解他们的客户或重新包装和销售（或以其他方式货币化）。

用户通过更好的服务体验或通过特定的激励而潜在地受益。用户利用该上下文的能力目前在以下方面受到限制：不存在跨同一用户所拥有的多个平台来共享、组合或集成上下文的自动方式；不存在用户在有偿或无偿的情况下与服务提供商共享该上下文的自动和/或标准方式；以及不存在用于控制对于上下文的访问的简单机制。

当在线购物时，用户通常与基于网页的界面进行交互，浏览产品列表并且执行搜索。搜索可以是针对产品类别、品牌名称或特定产品标识符（例如，模号）的组合。搜索本身以及所查看的页面（所查看的网站和特定网页的内容）都提供了关于用户的对产品的购买（in-market）兴趣。

在考虑人类行为时，用户将会按模式行动多次，从而建立了可预测的行为。通过检测用户行为中的随着时间的这些模式，个人设备能够预测用户在给定的一天可能做什么或者用户想要在已经开始的行动中实现什么。因此，个人设备能够调整其界面或代表用户主动地行动。

因此，存在对于在用户行为的趋势分析、简档建立和基于模板的预测中使用概率技术以便提供推荐的系统、装置和方法的强烈需求。

附图说明

在说明书的结束部分特别指出并且清楚地要求保护视为本发明的主题。然而，就本发明的操作的组织和方法及其目的、特征和优点而言，通过在阅读附图时参考下文的详细描述，可以最好地理解本发明，在附图中：

图1示出了本发明的实施例的构件；

图2示出了根据本发明的实施例的架构；

图3示出了根据本发明的实施例的屏幕交互图；

图4和图5示出了根据本发明的实施例的具有购物目标细节的四个PDA屏幕截图；

图6示出了根据本发明的实施例的具有扫描PDA上的UPC码的能力的PDA屏幕；

图7示出了根据本发明的实施例的一系列PDA屏幕，用户能够在这些PDA屏幕中选择期望的特征；

图8示出了根据本发明的实施例的在PDA上的推荐结果；以及

图9示出了根据本发明的实施例的完成识别和上位（up-level）功能的PDA。

将清楚的是，为了说明的简便和清楚，附图中示出的元件不必按照比例绘制。例如，为了清楚起见，一些元件的大小可以相对于其他元件进行放大。另外，在认为合适的地方，在附图中重复参考数字以指示相应的或类似的元件。

具体实施方式

在下面的详细描述中，阐述了大量具体细节以便提供对本发明的透彻理解。然而，本领域的技术人员将理解，可以在没有这些具体细节的情况下实施本发明。在其他的实例中，没有详细地描述公知的方法、过程、部件和电路，以免模糊本发明。

尽管本发明的实施例不限于此，但是使用诸如例如“处理”、“计算”、“运算”、“确定”、“建立”、“分析”、“检查”等之类的术语的讨论可以指计算机、计算平台、计算系统或其他电子计算设备的操作和/或处理，这些操作和/或处理将表示为计算机寄存器和/或存储器中的物理（例如电子）量的数据操纵和/或转换为类似地表示为计算机寄存器和/或存储器或可以存储用于执行操作和/或处理的指令的其他信息存储介质中的物理量的其他数据。

尽管本发明的实施例不限于此，但是在本文中所使用的术语“多数”和“多个”可以包括例如“多个”或“两个或更多个”。可以贯穿本说明书使用术语“多数”和“多个”来描述两个或更多个部件、设备、元件、单元、参数等。例如，“多个站”可以包括两个或更多个站。

如上所提及的，计算平台不断地能够捕获关于用户的上下文信息，包括用户的环境、用户的交互和用户本身。这些平台可以包括但不限于：诸如移动计算/通信设备（例如，PDA、电话、MID）之类的个人设备，固定和便携式计算设备（膝上型计算机和台式计算机）以及云计算服务和平台。如果用户能够恰当地管理原始上下文和从该上下文中推导出的简档并且能够与服务提供商共享该信息，则该信息对于用户具有潜在较高的价值。此外，本发明的系统的实施例可以提供作为平台的个人设备，该平台是信息吸收和传输的平台。

本发明的实施例能够检测用户行为中的随着时间的模式，这可以使得个人设备能够预测用户在给定的一天可能做什么或者用户想要在已经开始的行动中实现什么。因此，本发明的实施例的个人设备能够调整其界面或代表用户主动地行动。

本发明包括的系统、装置和方法将查看个人设备的用户的随着时间的行动（不管是拜访的地方、观看的电影、购买的物品、偶然遇到的人还是这些的任意组合）并且创建这些活动中的每一个的定义。然后提取这些活动中的特征和共性。例如，活动1可能是在工作日与女儿一起从麦当劳购买外卖食物，而活动2是从麦当劳开车回家。然后基于所收集的数据向从一个活动到另一个活动的转换分配概率。该概率构成了能够用来影响推荐的分数，推荐反映了用户接下来可能要做什么的预测。本发明的实施例的示例性操作可以例示如下：在周二，系统检测到用户刚从学校接走女儿。系统预测这两位现在将想出去吃午饭，很可能在当地的麦当劳，这是因为他们在周二放学后经常这样做。然后系统扫描交通报告，识别到最近麦当劳的路线上的交通事故，向用户提供用户可能喜欢的替代快餐店，并且建议到餐厅并且然后回家的有效路线。在另一种情况中，当用户离开市镇时，系统将记住用户所喜欢的活动以及它们如何根据其他陪伴的人而变化，以便建议地方和事件。

现在转到附图，总体示出为100的图1示出了根据本发明的实施例的示例性构件110并且可以从输入源115开始。输入源可以包括但不限于：近距离传感器、电子邮件、浏览、情绪传感器、GPS传感器、社交联网服务帐户（例如Facebook FB），活动传感器、近距离传感器（检测附近的人）、TiVo帐户、NetFlix帐户和用户输入，这仅仅是举出几个例子。在125处的信息提取器将不仅提取和提炼来自一个输入源的信息，而且还能够理解和关联来自多于一个传感器的信息，以便理解用户的行为和偏好。例如，社交跟踪器将使用来自FB帐户和TiVo帐户的信息来向用户建议她的社交网络中的人正在观看和欣赏的TV节目。信息提取器125可以包括但不限于：签名提取、购买历史、社交跟踪器、行为、传感器融合和反馈。在130可以提取简档，其中简档被例示为用户简档、个人信息、喜欢的事情、不喜欢的事情和社会背景。所提取的信息可以是针对一个或多个用户的，这取决于谁将是决策和推荐的一部分。简档还将包括用户的公共信息，但是会保护用户的隐私，这取决于用户如何共享来自其输入源115的信息。在简档提取之后，将所有参与者的偏好和用户反馈输入到社交电影推荐器。在本发明的实施例中，还可以将可能确定可用的电影、餐厅或其他活动的事件采集器133输入到社交电影推荐器。还输入到社交电影推荐器135的可以是从情境上下文120接收的移动上下文信息140，其中情境上下文120是从输入源115输出的。在140处的移动上下文的示例可以是（来自GPS传感器和/或用户输入的）用户位置。将以上信息输入到社交推荐器135，推荐器135将个人偏好和上下文合成群组偏好、先前行为和上下文，并且将它与可用事件匹配以提供决策145。决策145可以包括由社交电影推荐器提供的推荐列表。决策145进行到输出执行器150，以进行向用户输入提供的一组行动。该机制允许用户通过请求关于个人推荐（电影）的额外信息来提供反馈。

本发明的实施例可以通过使用诸如在特定时间一再发生的特定事之类的目标来发现模式，并且可以包括：位置，识别和聚类这些位置；时刻、持续时间和时间/日期。

模式还可以包括（从近距离传感器输出的）附近的人，这是因为该信息是上下文信息的一部分。

可以通过例如但不限于以下来实现发现模式：

用户X：重复的例程（白天期间是公司+同事，晚上期间是家+家庭成 员）；

上午8点-下午5点：GPS=位置1，附近=用户Y，

下午6点-上午7点：GPS=位置2，附近=用户A，

用户Y：重复的例程+循环（白天期间是公司+同事，周五中午+同事出 去吃午饭，晚上期间是家+家庭成员）；

周一-周四上午8点-下午5点：GPS=位置1，附近=用户X，

周五中午-下午1点：GPS=位置3，附近=用户X+用户Z，

周一-周五下午6点-上午7点：GPS=位置4，附近=用户B+用户C，

另一示例可以包括：

用户Z：类别（白天期间是公司，和一个或多个同事出去吃午饭）：

上午8点-中午以及下午1点-下午5点：GPS=位置1，附近=用户X+用户Y+用户V

中午-下午1点：GPS=位置[4,5,6,7,8]，附近=用户[X,Y，V]

-·输出

·示出所建立的简档；

–用户X大约是相同的例程–用户Y具有设定为循环的例程–用户Z大约是具有共同主题的多样性；

·用户X向系统询问与用户Y吃午饭的位置；

–系统推荐餐厅–系统推荐添加用户Z；

·用户Y向系统询问周六吃午饭的位置；

-系统基于用户Y、用户B和用户C（儿童）推荐可能是儿童喜欢的餐厅。然而，如果系统检测到用户B（成人）单独与用户Y一起出现，则系统将基于用户Y和用户B以前访问的餐厅的类别而推荐“gourmet”餐厅。在这种情况中，系统不必查看重复模式中的同一餐厅，而是提取用户Y和用户B所访问的餐厅的类型。

本发明的实施例还提供了允许用户购物目标的自动识别的广告（teaser）应用。该广告应用向用户提供有用的服务，这是当在实体店购物时从移动设备获取关于产品的信息的一种方式。通过与设备交互，用户能够提炼他们的兴趣并且获取可能更适合他们需求的替代产品的推荐。同时，该系统收集关于用户的购买兴趣（他们现在想买什么）以及总购物模式（他们在哪里购物，他们通常购买哪些种类的东西，在他们实际购买之前他们浏览多长时间）的信息，从而允许进行定向广告的时机。

当在实体店中购物时，难以得到关于产品特征、替代产品和替代产品时机的信息。移动设备可以用来收集这种信息并且向用户驱动推荐。用户可以对感兴趣的物品、其包装或其UPC码拍摄照片，以指示哪个产品是感兴趣的。然后设备可以列出该物品的特征集并且允许用户来指定哪些特征是期望的、不期望的或不重要的。该信息可以用来驱动对其他感兴趣的产品的推荐。例如，设备可以推荐包含所有要求的特征的成本最低的物品。或者设备可以推荐在其种类中最好的设备。随着用户查看这些推荐的物品或扫描其他物品，以及对这些物品的特征进行评级，设备能够构建用户的购买兴趣、期望特征、优选品牌和购物模式（节俭的、冲动的等）的简档。设备能够跟踪用户的兴趣，从所扫描的特定产品开始，扩展到所考虑的一组产品，并且最终缩小回满足用户需求的特定产品。

设备还能够识别该用户最经常购买的物品的类别，并且还利用位置信息来识别最喜欢的商店。一旦识别出对特定物品的兴趣，设备就能够基于本地和在线购物时机来提供购买推荐。这些推荐将是基于需求（今天必须具有该礼物以便能够准时投递它）、定价（包括运输）、用户冲动和优选厂商的。不是提供所有购买时机的列表，而是基于简档信息呈现最好的时机。

如果选择了在线交易，则将由移动设备管理所有的细节（支付、运输等）。如果识别出实际的时机，则将提供指示和优惠券。

总体上示出为200的图2是本发明的一个实施例的示例性架构。应当理解，该架构仅仅是可以并入本发明中的许多不同架构的一个例子。该架构可以包括理解模块210，云服务/数据提供商220，购物辅助GUI 230，常识层（CKL）240，简档管理250，各种服务代理260，推荐算法270和基础服务280。理解模块210是其目的是判定、感测、计算和/或推导关于用户、计算设备和/或周围环境的上下文的代码算法、硬件和/或其他这种处理逻辑。这些模块可以包括但不限于：物理位置和设备方向；活动；社交网络数据；日历&任务内容；媒体选择/偏好以及互联网活动，例如浏览/搜索历史和在线购物车的内容。云服务/数据提供商220可以包括但不限于：UPC数据库和产品信息数据源；运输&实行服务和数据库，产品评论和比较服务和数据库；在线广告商/内容提供商；以及社交网络。

用户界面230元件可以包括但不限于视图以及与购物目标、产品/类别细节、交易/优惠券、提交浏览、推荐、配置/状态和简档管理的交互。常识层（CKL）240可以包括但不限于：将推荐集中于感兴趣的特征的模块/代码/逻辑，其剔除共同冗余和不重要的特征；以及特征比较知识，其在数据实例上对值进行规范化，从而允许使用标准的比较运算符进行比较。简档管理250是用来管理简档数据存储的逻辑并且可以包括但不限于：购物列表；偏好；以及社交网络数据。代理260是以用户的代理的形式提供行动、行为或特征的代码模块。代理260可以包括但不限于：购物代理；广告/内容收集代理；媒体聚合代理；以及实行处理代理。推荐270模块可以包括但不限于：产品；基于行为的；以及序列号/日历。基础服务可以包括但不限于：配置管理，登陆以及登陆和网络连接管理。

图3是本发明的实施例的屏幕交互图300，其允许用户使用个人设备来调查产品和识别购物目标。在该示例性实施例中，在305示出的购物目标是用户界面的主入口/出口点。用户能够手动地对其目标执行操作，例如删除目标，将目标从特定产品上位为产品类别以及查看类别细节315。从该主视图，用户还可以导航来查看最新的推荐330，更新其特征偏好325，查看广告细节或通过扫描另一产品来继续产品浏览。扫描物品310开始了若干操作的流程：扫描物品310，然后特征选择325，然后进行到推荐330，并且最后是产品细节335。特征选择325允许用户与产品特征交互，指定并按优先顺序排列其对于产品特征的定制偏好。推荐330基于用户偏好和以往输入示出各种类别的推荐。产品细节335提供了特定产品的特征和属性的详细视图。在购物目标305中选择类别项开始了到类别细节315的流程，其中，用户能够与在所选择的类别中的他/她显示出兴趣的所有产品进行交互。从类别细节315，用户能够选择广告自动收报机（ticker）来查看广告/交易细节320。在类别细节315中选择“删除”将删除该类别和该类别中的感兴趣的产品。在类别细节视图315上选择列表项将显示产品细节335。

图4总体上在400处示出了在移动个人设备405和415上描述的购物目标。用户在“up”链接430能够上位其购物目标，从而表示对产品类别而不必是特定产品的兴趣。在示例性视图405中对410处的平板电视产品进行上位的示例产生了示例性视图415，在视图415中，两个平板TV产品被合并到表示产品类别的项中。用户在410可以选择一项来获取关于该项的细节。在图5中在505（如果所选择的项是类别）和在520（如果所选择的项是产品）处示出了结果。此外，用户在420和425能够编辑来自在个人设备405上示出的页面的字段，其中下拉框表示允许的值。在540、545和550示出了编辑设备515的字段的下拉插入符。

图5总体上在500示出了另外的个人设备，其中购物目标描述在移动个人设备505和520上。505描述了类别购物目标中的产品的详细视图。520描述了从510或在410从图4选择的产品的详细视图。

图6示出了根据本发明的实施例的在个人设备615上示出的UPC扫描610。在个人设备615上示出了用于扫描UPC的图像按钮620和用于查看所捕获的图像的窗口。一旦拍摄了图像，本实施例就搜索图像并且在625中显示所有发现的条形码。用户可以选择“Find Product”630来发起搜索或在635取消行动。

图7总体上在700示出了根据本发明的实施例在移动个人设备705和710上示出的特征选择选项。一旦从在630发起的搜索中找到了产品，就向用户示出705。产品上下文部分720示出了包括所有产品特征在内的所找到的产品信息。特征偏好部分730填充有该产品类别的特征和保存到此时的用户的期望偏好。用户可以在835改变期望并且保存以继续，值可以包括例如DON’T CARE、MUST HAVE、MUST NOT HAVE、LAIKE TO HAVE。710示出了在继续之前用户将对4个特征偏好的期望改变为“MUST HAVE”的示例。

图8总体上在800示出了根据本发明的实施例在移动个人设备805和810上示出的推荐结果。所显示的两个示例性算法是较便宜特征匹配815和最好特征分数820。较便宜特征匹配815是比满足或击中当前将用户特征偏好作为记分卡而扫描的产品的产品更便宜的产品。最好特征分数820使用特征偏好，并且针对用户偏好对最好产品进行打分。在810处的产品细节页面示出了所选择的产品的产品细节，并且允许用户使用830处的“add toshopping goals”按钮来表示对产品的兴趣。

在一个实施例，可以通过将用户的所表达的特征要求和另外的标准组合到可以被应用到所有可用产品的列表及其对应的特征的过滤器和/或打分器，来生成诸如在815和820中例示的推荐列表。标准的示例可以包括包含所有要求的特征的最低成本产品，来自竞争制造商的包含所有要求的特征的产品，包含所有要求的特征的评级最好的产品，以及最接近的特征匹配。要确定一个产品是否满足所要求的标准，可以过滤所有可用的产品的列表，以使得在过滤后的列表中没有产品包含MUST NOT HVE特征，并且过滤后的列表中的所有产品都包含MUST HAVE特征。然后还可以根据特定于该标准的公式来对每个产品打分。例如，对于最低成本，可以应用以下公式：

其中，W_i是特征I的加权，N是NICE TO HAVE特征的奖励，并且C是产品的成本。在最接近的特征匹配的情况中，可以应用以下公式：

其中，a是匹配的must-have特征的值，b是不匹配的must-have特征的值，c是匹配的nice-to-have特征的值，d是不匹配的nice-to-have特征的值，e是匹配的must-not-have特征的值，以及f是不匹配的must-not-have特征的值。在所有以上示例中，具有最高分数的产品可以被认为是用户最感兴趣的并且因而被显示。

本发明的实施例提供了用于基于目标优化线路的系统、装置和方法。在给定的一天，用户可能具有其需要购买的多件东西或其需要做的多件事情。每一项可能具有优先级和截止期限。当他从点A行驶到点B（可能在工作日结束时乘车回家）时，他具有可能允许一次或多次停留的一定量的时间灵活性。能够预测用户将去哪里和用户的时间灵活度的个人设备（诸如上文包括的个人设备的或移动信息设备（MID））能够优化线路并且推荐沿着路线的特定停留。可以根据在特定停留处可以实现的目标的数量来选择特定停留，其中重点放在高优先级的项或接近其截止期限的项上。特定目标可能与购买相关。在这种情况中，可以根据将花费的钱的总量来优化停留（例如，如果我仅在每个物品最便宜的商店购买该物品，则我将节省钱，但是我可能必须进行多次停留）。也可以实现其他目标，例如下车去干洗，将物品投递给朋友，下车去向Good Will捐款，寄信。

本发明的实施例可以提供用于推荐引导的一键式机顶盒式购买（one-click set-top purchase）的装置、系统和方法。当查看广告、直接市场信息广告或家庭购物节目时，可以经由帮助观看者获取额外信息和识别购买时机的带外元数据来传递额外的信息。现有技术向数字视频记录用户提供带外信息以允许在示出商业广告时在屏幕上放置额外的链接。如果感兴趣的话用户可以点击该链接。本发明的实施例使得用户能够快速地识别与他们直接相关的购买时机。用户的机顶盒将使用从用户的设备组（例如，但不限于家庭PC，智能电话，MID等）接收的上下文，开发用户的购买行为（例如优选的厂商和运输方法）的简档，并且自动地提供用户最可能感兴趣的购买时机。当用户选择这些选项中的一个时，自动地处理购买的所有细节（支付、运输等）。

本发明的实施例可以提供基于模板的预测和推荐的装置、系统和方法。天经常是一连串的主要事件，例如，家-公司-家（基本工作日）或家-公司-食物-公司-家（外出吃午饭的工作日）。本发明的实施例可以利用由一系列活动或位置构成的模板来表征用户的一天。当用户开始一天时，他们的个人设备尝试将先前存在的模板与用户的位置和活动进行匹配，向每个模板分配概率。匹配的模板可以用来预测用户接下来将做什么，并且从而缩减逻辑推荐集合。例如，如果用户只有在度过了非常轻松的一天时才在高档餐厅就餐并且现在是周六晚上，那么在用户已经徒步旅行了整个上午时没有理由建议他们去高档餐厅。这些模板的创建组成了定义趋势的另外的方式。它们也充当可视化工具，在该可视化工具中能够向用户呈现根据在该时间期间用户行为的模板而染色的日历。例如，用户在周一到周三过着非常例程化的家-公司-家的日子，所以可以将它们染色为深蓝色，但是用户在周四和周五在其回家的路上会外出吃晚饭，所以颜色可以替代为浅蓝色。这些模板的上下文输入不限于位置。模板可能还包括诸如天气、股票市场活动、社会交往或情绪状态之类的输入。

在本发明的实施例中，例如但不限于此，基于GPS数据来实现以下模板：常规工作日=家-公司-家；紧张工作日=家-公司-家+（工作超过9小时，或超过4小时的会议）；有趣的工作日=家-公司-外出-公司-家或家-公司-家-外出-家或家-公司-家-外出-家；常规的周末=家；有趣的周末=所有外出时间的和>2小时。

图9在900示出了识别和上位，并且示出了用户的一天随后可以如何进行概括并通过使用简单的直观显示来向用户呈现。GPS坐标的公共目录通常不标识住宅区以及其他公共场所。此外，本发明可以通过将天的模板用作指导来构建试探法并且使用多个输入来识别位置，并且使用周中的天以及先前的行为来识别一天。向用户呈现的屏幕930示出了日历视图。日历上表示日期的单独的数字可以是颜色编码的，以表示不同的天的模板，例如，深蓝色可以是紧张的工作日，而浅蓝色可以表示有趣的工作日。此外，点击日历上的日期将显示该天的细节。在示例930中，是家-公司-家的一天。在这下面，实施例向用户示出了分割成三条线的一天（线1：上午12点-上午8点，线2：上午8点到下午5点，线3：下午5点到上午12点）。还可以将每条线分割成在这些时间段期间用户所参与的主要活动以及基于它们的类型对它们进行颜色编码。例如，用户从上午12点到上午7：25在家，因此第一条线的一部分可以被颜色编码为红色，然后从上午7：25到上午8：05用户乘车上班，可以如此地显示相应时间并且相应时间被染色为黄色。930的屏幕在这三条线的右侧示出了颜色编码的说明。在930中的屏幕底部，存在MORE按钮，当点击该按钮时可以在屏幕上弹出具有诸如具体地址和/或GPS坐标之类的详细位置信息的流程图。用户还可以通过指向3条时间线的任何一部分来获取关于附近的人的信息。将向她呈现小的弹出窗口，该弹出窗口示出了由系统所检测的在特定时间在附近出现的朋友或家庭成员的名字。

可以使用试探法来识别特定位置的语义意义：

–多个输入可以用来识别位置，例如用户整晚待在一个特定位置=>家，或用户在她的日历上已经将一位置标记为公司。

–使用周中的天以及先前的行为来标识天的模板，例如用户每周三去客户那里，因此即使用户没有去常规的工作位置，也将该天归类为工作日。

在一个实施例中使用了用户一天的这些简单特性来驱动TV推荐。在这种情况中，通过以往统计来驱动推荐，例如，基于用户在紧张工作日结束后通常在TV上观看什么来作为放松机制，或者用户在即将到来的长小时的旅行工作日之前通常想看多久TV。在另一实施例中，可以基于人是暂时离开公司还是在周末与朋友外出以便确定用户是想去具有喧闹音乐的热闹地方还是更想去服务快速的安静餐厅，来驱动餐厅推荐。

尽管在本文中已经示出并描述了本发明的某些特征，但是本领域中技术人员可以想到许多修改、替代、改变和等价形式。因此，应当理解所附权利要求旨在覆盖落在本发明的真实范围内的所有这些修改和改变。

Claims (50)

1.一种在用户行为的趋势分析和简档建立中使用概率技术以便提供推荐的方法，包括：

检测用户行为中的随着时间的模式，从而使得与所述用户相关联的个人设备能够预测所述用户在给定的一天可能做什么或者所述用户想要在已经开始的行动中实现什么。

2.根据权利要求1所述的方法，其中，基于所检测的所述模式，所述个人设备能够调整其界面或者代表用户主动地行动。

3.根据权利要求1所述的方法，还包括：创建由所述用户执行的每个活动的定义，并且确定这些活动中的随后被提取的特征和共性。

4.根据权利要求3所述的方法，其中，基于所收集的数据向从一个活动到另一个活动的转换分配概率，并且其中，所述概率构成能够用来影响推荐的分数，所述推荐反映所述用户接下来可能做什么的预测。

5.根据权利要求4所述的方法，其中，发现模式包括目标，所述目标包括在特定时间一再发生的特定事情，并且输入包括位置、时刻和附近的人。

6.一种基于交互式移动购物应用提供购买推荐的方法，包括：

由用户与移动设备进行交互以提炼所述用户的兴趣并获取能够更适合所述用户的需求的替代产品的推荐，其中，所述移动设备与所述用户相关联，并且所述交互式移动购物应用位于所述移动设备上；以及

收集关于所述用户的购买兴趣和总购物模式的信息，从而允许进行定向广告的时机。

7.根据权利要求6所述的方法，还包括：由所述用户拍摄感兴趣物品、其包装或其UPC码的照片，并且指示哪个产品是感兴趣的，并且其中，所述移动设备随后能够列出所述物品的特征集并且允许所述用户指定哪些特征是期望的、不期望的或不重要的，以驱动其他感兴趣产品的推荐。

8.根据权利要求7所述的方法，其中，所述推荐是通过使用用户的特征要求以及相对于产品和特征列表的一组标准对一组可用产品进行过滤和打分来创建的。

9.根据权利要求7所述的方法，其中，所述移动设备跟踪所述用户的兴趣，从所扫描的特定产品开始，并扩展到所考虑的一组产品，并且最终缩小回满足所述用户的需求的特定产品。

10.根据权利要求9所述的方法，其中，所述移动设备识别所述用户最经常购买的物品的类别，并且还利用位置信息来识别最喜欢的商店，并且其中，一旦识别出对特定物品的兴趣，所述移动设备就基于本地和在线购物时机来提供购买推荐。

11.根据权利要求10所述的方法，其中，所述推荐是基于需求、定价、用户冲动和优选的厂商的，并且其中，基于所述用户的简档信息呈现最佳时机，并且如果选择在线交易，则将由所述移动设备管理所有的细节，并且其中，如果识别出实际时机，则提供指示和优惠券。

12.一种用于基于目标优化线路的方法，包括：

由与用户相关联的个人设备预测所述用户要去哪里以及所述用户的时间灵活度，以优化线路并且推荐沿着路线的特定停留，其中，所述特定停留是根据在特定停留处能够实现的目标的数量来选择的，其中重点放在高优先极的项或接近其截止期限的项上。

13.根据权利要求12所述的方法，其中，所述特定目标与购买相关，并且停留是根据将花费的金钱的总量来优化的。

14.一种用于推荐引导的一键式机顶盒式购买的方法，包括：

由机顶盒用户识别直接与所述用户相关的购买时机，其中，所述用户的机顶盒将利用从所述用户的设备组接收的上下文来开发所述用户的购买行为的简档，并且自动地提供所述用户最可能感兴趣的购买时机。

15.根据权利要求14所述的方法，当所述用户进行购买时，所述购买的所有细节都是自动处理的。

16.一种基于模板的预测和推荐的方法，包括：

由个人设备利用由一系列活动或位置构成的模板来表征用户的一天，其中，当所述用户开始所述天时，所述个人设备尝试将先前存在的模板与所述用户的位置和活动进行匹配，向每个模板分配概率；以及

使用所述匹配的模板来预测所述用户接下来将做什么并且从而缩减逻辑推荐的集合。

17.根据权利要求16所述的方法，其中，所述模板的创建构成了用于定义趋势以及用作可视化工具的方式，其中，在所述可视化工具中，能够向用户呈现根据在给定时间期间所述用户的行为的所述模板而染色的日历。

18.根据权利要求17所述的方法，其中，所述模板的上下文输入不仅包括位置，而且还包括至少包括天气、股票市场活动、社会交往或情绪状态在内的输入。

19.一种装置，包括：

与用户相关联的个人设备，用于通过检测用户行为中的随着时间的模式，从而使得与所述用户相关联的个人设备能够预测所述用户在给定的一天可能做什么或者所述用户想要在已经开始的行动中实现什么，来在用户行为的趋势分析和简档建立中使用概率技术以便提供推荐。

20.根据权利要求19所述的装置，其中，基于所检测的所述模式，所述个人设备能够调整其界面或代表所述用户主动地行动。

21.根据权利要求19所述的装置，还包括：所述个人设备用于创建由所述用户执行的每个活动的定义，并且确定这些活动中的随后被提取的特征和共性。

22.根据权利要求21所述的装置，其中，然后基于所收集的数据向从一个活动到另一个活动的转换分配概率，并且其中，所述概率构成能够用来影响推荐的分数，所述推荐反映所述用户接下来可能要做什么的预测。

23.根据权利要求22所述的装置，其中，发现模式包括目标，所述目标包括在特定时间一再发生的特定事情，并且输入包括位置、时刻和附近的人。

24.一种装置，包括：

与用户相关联的个人设备，用于通过由所述用户与所述移动设备进行交互以提炼所述用户的兴趣并且获取能够更适合所述用户的需求的替代产品的推荐，来基于交互式移动购物应用提供购买推荐，其中所述移动设备与所述用户相关联，并且所述交互式移动购物应用位于所述移动设备上；并且

其中，所述个人设备还用于收集关于所述用户的购买兴趣和总购物模式的信息，从而允许进行定向广告的时机。

25.根据权利要求24所述的装置，其中，所述个人设备还用于由所述用户拍摄感兴趣物品、其包装或其UPC码的照片，并且指示哪个产品是感兴趣的，并且其中，所述移动设备然后能够列出所述物品的特征集，并且允许所述用户指定哪些特征是期望的、不期望的或不重要的，以驱动其他感兴趣产品的推荐。

26.根据权利要求25所述的装置，其中，所述推荐是通过使用所述用户的特征要求和相对于产品和特征列表的一组标准对一组可用产品进行过滤和打分来创建的。

27.根据权利要求26所述的装置，其中，所述个人设备跟踪所述用户的兴趣，从所扫描的特定产品开始，并扩展到所考虑的一组产品，并且最终缩小回满足所述用户需求的特定产品，并且其中，所述个人设备识别所述用户最经常购买的物品的类别，并且还利用位置信息来识别最喜欢的商店，并且其中，一旦识别出对特定物品的兴趣，所述移动设备就基于本地和在线购物时机来提供购买推荐。

28.根据权利要求27所述的装置，其中，所述推荐是基于需求、定价、用户冲动和优选的厂商的，并且其中，基于所述用户的简档信息呈现最佳时机，并且如果选择在线交易，则将由所述个人设备管理所有的细节，并且其中，如果识别出实际时机，则提供指示和优惠券。

29.一种装置，包括：

与用户相关联的个人设备，用于通过由与所述用户相关联的所述个人设备预测所述用户要去哪里以及所述用户的时间灵活度以优化线路并且推荐沿着路线的特定停留，来基于目标优化线路，其中，所述特定停留是根据在特定停留处能够实现的目标的数量来选择的，其中重点放在高优先极的项或接近其截止期限的项上。

30.根据权利要求29所述的装置，其中，所述特定目标与购买相关，并且停留是根据将花费的金钱的总量来优化的。

31.一种装置，包括：

与用户相关联的个人设备，用于通过由机顶盒的所述用户识别直接与所述用户相关的购买时机来提供推荐引导的一键式机顶盒式购买，其中，所述用户的机顶盒将利用从所述用户的设备组接收的上下文来开发所述用户的购买行为的简档，并且自动地提供所述用户最可能感兴趣的购买时机。

32.根据权利要求31所述的装置，当所述用户进行购买时，所述购买的所有细节都是自动处理的。

33.一种装置，包括：

与用户相关联的个人设备，用于通过由所述个人设备利用由一系列活动或位置构成的模板来表征所述用户的一天，来进行基于模板的预测和推荐，其中，当所述用户开始所述天时，所述个人设备尝试将先前存在的模板与所述用户的位置和活动进行匹配，向每个模板分配概率；以及

使用所述匹配的模板来预测所述用户接下来将做什么，并且从而缩减逻辑推荐的集合。

34.根据权利要求33所述的装置，其中，所述模板的创建构成用于定义趋势和用作可视化工具的另一种方式，其中，在所述可视化工具中，能够向所述用户呈现根据在给定时间期间所述用户的行为的所述模板而染色的日历。

35.根据权利要求34所述的装置，其中，所述模板的上下文输入不仅包括位置，而且还包括至少包括天气、股票市场活动、社会交往或情绪状态在内的输入。

36.一种编码有计算机可执行指令的计算机可读介质，所述计算机可执行指令当被访问时使得机器执行包括以下操作的操作：

通过检测用户行为中的随着时间的模式，从而使得与所述用户相关联的个人设备能够预测所述用户在给定的一天可能做什么或者所述用户想要在已经开始的行动中实现什么，来在所述用户行为的趋势分析和简档建立中使用概率技术以便提供推荐。

37.根据权利要求36所述的编码有计算机可执行指令装置的计算机可读介质，其中，基于所检测的所述模式，所述个人设备能够调整其界面或代表所述用户主动地行动。

38.根据权利要求37所述的计算机可读介质，还包括使得所述机器执行包括以下操作的进一步操作的额外指令：创建由所述用户执行的每个活动的定义，并且确定这些活动中的随后被提取的特征和共性。

39.根据权利要求38所述的计算机可读介质，其中，然后基于所收集的数据向从一个活动到另一个活动的转换分配概率，并且其中，所述概率构成能够用来影响推荐的分数，所述推荐反映所述用户接下来可能要做什么的预测。

40.根据权利要求39所述的计算机可读介质，其中，发现模式包括目标，所述目标包括在特定时间一再发生的特定事情，并且输入包括位置、时刻和附近的人。

41.一种编码有计算机可执行指令的计算机可读介质，所述计算机可执行指令当被访问时使得机器执行包括以下操作的操作：

通过由用户与移动设备进行交互以提炼所述用户的兴趣并且获取能够更适合所述用户的需求的替代产品的推荐，来基于交互式移动购物应用提供购买推荐，其中所述移动设备与所述用户相关联，并且所述交互式移动购物应用位于所述移动设备上；并且

其中，所述个人设备还用于收集关于所述用户的购买兴趣和总购物模式的信息，从而允许进行定向广告的时机。

42.根据权利要求41所述的计算机可读介质，还包括使得所述机器执行包括以下操作的进一步操作的额外指令：由所述用户拍摄感兴趣物品、其包装或其UPC码的照片，并且指示哪个产品是感兴趣的，并且其中，所述个人设备然后能够列出所述物品的特征集，并且允许所述用户指定哪些特征是期望的、不期望的或不重要的，以驱动其他感兴趣产品的推荐。

43.根据权利要求42所述的计算机可读介质，其中，所述个人设备跟踪所述用户的兴趣，从所扫描的特定产品开始，并扩展到所考虑的一组产品，并且最终缩小回满足所述用户需求的特定产品，并且其中，所述个人设备识别所述用户最经常购买的物品的类别，并且还利用位置信息来识别最喜欢的商店，并且其中，一旦识别出对特定物品的兴趣，则所述移动设备就基于本地和在线购物时机来提供购买推荐。

44.根据权利要求43所述的计算机可读介质，其中，所述推荐是基于需求、定价、用户冲动和优选的厂商的，并且其中，基于所述用户的简档信息呈现最佳时机，并且如果选择在线交易，则将由所述个人设备管理所有的细节，并且其中，如果识别出实际时机，则提供指示和优惠券。

45.一种编码有计算机可执行指令的计算机可读介质，所述计算机可执行指令当被访问时使得机器执行包括以下操作的操作：

通过由与用户相关联的所述个人设备预测所述用户要去哪里以及所述用户的时间灵活度以优化线路并且推荐沿着路线的特定停留，来基于目标优化线路，其中，所述特定停留是根据在特定停留处能够实现的目标的数量来选择的，其中重点放在高优先极的项或接近其截止期限的项上。

46.根据权利要求45所述的计算机可读介质，其中，所述特定目标与购买相关，并且停留是根据将花费的金钱的总量来优化的。

47.一种编码有计算机可执行指令的计算机可读介质，所述计算机可执行指令当被访问时使得机器执行包括以下操作的操作：

通过由机顶盒的用户识别直接与所述用户相关的购买时机来提供推荐引导的一键式机顶盒式购买，其中，所述用户的机顶盒将利用从所述用户的设备组接收的上下文来开发所述用户的购买行为的简档，并且自动地提供所述用户最可能感兴趣的购买时机。

48.根据权利要求47所述的计算机可读介质，其中，当所述用户进行购买时，所述购买的所有细节都是自动处理的。

49.一种编码有计算机可执行指令的计算机可读介质，所述计算机可执行指令当被访问时使得机器执行包括以下操作的操作：

通过由个人设备利用由一系列活动或位置构成的模板来表征用户的一天，来提供基于模板的预测和推荐，其中，当所述用户开始所述天时，所述个人设备尝试将先前存在的模板与所述用户的位置和活动进行匹配，向每个模板分配概率；以及

使用所述匹配的模板来预测所述用户接下来将做什么，并且从而缩减逻辑推荐的集合。

50.根据权利要求49所述的计算机可读介质，其中，所述模板的创建构成用于定义趋势和用作可视化工具的另一种方式，在所述可视化工具中，能够向所述用户呈现根据在给定时间期间所述用户的行为的所述模板而染色的日历。

Images