CN102713908A - 用于自适应提问和推荐的装置和方法 - Google Patents
用于自适应提问和推荐的装置和方法 Download PDFInfo
- Publication number
- CN102713908A CN102713908A CN2010800617868A CN201080061786A CN102713908A CN 102713908 A CN102713908 A CN 102713908A CN 2010800617868 A CN2010800617868 A CN 2010800617868A CN 201080061786 A CN201080061786 A CN 201080061786A CN 102713908 A CN102713908 A CN 102713908A
- Authority
- CN
- China
- Prior art keywords
- user
- characteristic
- intersection query
- intersection
- inquiry
- 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
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/93—Document management systems
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
- User Interface Of Digital Computer (AREA)
- Telephonic Communication Services (AREA)
Abstract
通过以娱乐的方式自适应提问,可向甚至具有有限量的用户简档信息的订户呈现推荐。而且,该提问可允许订户获悉关于其自身的某些情况。每个交互可以是短小而轻松且趣味的以便适应具有频繁中断的间歇使用。聚焦在得到简档信息以及呈现某种程度的随机性上的混合的问题/推荐选择可在保持用户体验娱乐的同时意外地获悉关于该订户某些情况。个人细节可被避免并且用于编辑存储着的个人信息的工具可增强隐私感以便诱发信任。诸问题及其它响应可以允许表征订户的方式引向其它问题以便可以选择所推荐的恰当的供应物。
Description
根据35U.S.C.§119的优先权要求
本专利申请要求于2009年11月19日提交的题为“APPARATUS ANDMETHODS OF ADAPTIVE QUESTIONING AND RECOMMENDING(自适应提问和推荐的装置和方法)”的临时申请No.61/262,748的优先权,该临时申请被转让给本专利申请受让人并由此通过援引明确纳入于此。
背景
本公开涉及移动操作环境,并且尤其涉及提供用于向移动设备的用户生成问题和推荐的改进的方法。
移动运营商或移动设备承运商在如今的电信行业中扮演主要角色。最初,此类移动运营商将其努力集中在通过增加其订户基础来产生收入上。然而,将认识到,在若干国家中,可供增加订户基础的余地现在已经变得非常有限,因为市场已经达到接近于饱和点。因此,为了增加其收入,移动运营商已经正在向为订户提供增值服务作分支扩张。
产生增加的收入的一个手段是通过向用户销售溢价服务,诸如铃声、壁纸、游戏等。这些服务可由移动运营商自己提供,或由诸如移动设备制造商或媒体品牌之类的可与移动运营商合作操作或利用承运商的网络独立操作以提供此类服务的企业实体来提供。这些服务可在一经支付费用的情况下可供下载到移动设备。
诸如使对销售的潜在收入最大化之类的许多效益基于对用户最有可能感兴趣的内容或服务的推荐和促销而累积。进一步,按照这些个别推荐的内容和服务,或独立地利用承运商的网络,用户使用其移动设备能够具有更好的体验。
然而,向移动设备的用户提供有帮助的建议可能因缺乏关于该用户、该用户的人口统计、喜好和嫌恶的信息而受到阻碍。预付费呼叫计划的匿名本质和家庭计划的使用使缓解该问题变得更具挑战性,在预付费呼叫计划中不要求注册诸如名字和地址之类的订户信息册,而在家庭计划中具有不同电话的多个用户可共享单个订阅。如另一示例,用户可能进行有限次数的购买或交互,而从这些有限次数的购买或交互要推导出对将来交易的推荐。如一附加方面,征求用户输入以改进推荐可能证明对一些用户而言是乏味的或冒昧的,这些用户由此将拒绝参与。
概述
以下给出对一个或更多个方面的简化概述以力图提供对此类方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或更多个方面的一些概念以作为稍后给出的更加具体的说明之序。
根据一个或更多个方面及其对应的公开,描述与以娱乐的方式通过询问并且提供已知感兴趣的以及未知是否感兴趣的内容两者来了解诸如无线移动设备之类的设备的用户有关的各个方面。
在一个方面,提供了一种用于通过采用执行存储在计算机可读存储介质上的计算机可执行指令的处理器来实现以下动作而向用户推荐内容的方法:访问交互询问集合。每个询问可与判决关联和呈现指令相关联。根据该呈现指令经由移动用户界面呈现交互询问。基于对该交互询问的响应确定该移动用户界面的用户的第一特性。呈现多个内容对象供用户交互,该多个内容对象包括选择成与该第一特性相对应的第一对象和选择成征求与第二特性有关的信息的第二对象。该第二特性包括有待知晓的关于该用户的合意特性。
在另一方面,提供了一种用于向用户推荐内容的计算机程序产品。至少一个计算机可读存储介质存储在由至少一个处理器执行时实现诸组件的计算机可执行指令:该处理器可执行的至少一条指令访问交互询问集合,每个询问与判决关联和呈现指令相关联。该处理器可执行的至少一条指令根据该呈现指令经由移动用户界面呈现交互询问。该处理器可执行的至少一条指令基于对该交互询问的响应确定该移动用户界面的用户的第一特性。该处理器可执行的至少一条指令呈现多个内容对象供用户交互,该多个内容对象包括选择成与该第一特性相对应的第一对象和选择成征求与第二特性有关的信息的第二对象。该第二特性包括有待知晓的关于该用户的合意特性。
在一附加方面,提供了一种用于向用户推荐内容的装置。至少一个计算机可读存储介质存储计算机可执行指令,这些计算机可执行指令在由至少一个处理器执行时实现以下组件:提供了用于访问交互询问集合的装置,每个询问与判决关联和呈现指令相关联。提供了用于根据该呈现指令经由移动用户界面呈现交互询问的装置。提供了用于基于对该交互询问的响应确定移动用户界面的用户的第一特性的装置。提供了用于呈现多个内容对象供用户交互的装置,该多个内容对象包括选择成与该第一特性相对应的第一对象和选择成征求与第二特性有关的信息的第二对象。该第二特性包括有待知晓的关于该用户的合意特性。
在进一方面,提供了一种用于向用户推荐内容的装置。计算平台访问交互询问集合,每个询问与判决关联和呈现指令相关联。用户界面根据该呈现指令呈现交互询问。该计算平台进一步基于对该交互询问的响应确定该移动用户界面的用户的第一特性。该用户界面进一步呈现多个内容对象供用户交互,该多个内容对象包括选择成与该第一特性相对应的第一对象和选择成征求与第二特性有关的信息的第二对象。该第二特性包括有待知晓的关于该用户的合意特性。
在又一个方面,提供了一种用于通过采用执行存储在计算机可读存储介质上的计算机可执行指令的处理器来实现以下动作而向用户推荐内容的方法:为移动设备置备交互询问集合,每个询问与判决关联和呈现指令相关联。从该移动设备接收报告,该报告指示用户对该交互询问集合中根据该呈现指令呈现了的该至少一个交互询问的输入。基于对该交互询问的响应确定该移动用户界面的用户的第一特性。基于该第一特性更新用户简档。向该移动设备传送多个内容对象供用户交互,该多个内容对象包括选择成与该第一特性相对应的第一对象和选择成征求与第二特性有关的信息的第二对象。该第二特性包括有待知晓的关于该用户的合意特性。
在又一方面,提供了一种用于向用户推荐内容的计算机程序产品。至少一个计算机可读存储介质存储在由至少一个处理器执行时实现诸组件的计算机可执行指令:该处理器可执行的至少一条指令为移动设备置备交互询问集合,每个询问与判决关联和呈现指令相关联。该处理器可执行的至少一条指令从该移动设备接收报告,该报告指示用户对该交互询问集合中根据该呈现指令呈现了的该至少一个交互询问的输入。该处理器可执行的至少一条指令基于对该交互询问的响应确定该移动用户界面的用户的第一特性。该处理器可执行的至少一条指令基于该第一特性更新用户简档。该处理器可执行的至少一条指令向该移动设备传送多个内容对象供用户交互,该多个内容对象包括选择成与该第一特性相对应的第一对象和选择成征求与第二特性有关的信息的第二对象。该第二特性包括有待知晓的关于该用户的合意特性。
在又一附加方面,提供了一种用于向用户推荐内容的装置。至少一个计算机可读存储介质存储在由至少一个处理器执行时实现以下组件的计算机可执行指令:提供了用于为移动设备置备交互询问集合的装置,每个询问与判决关联和呈现指令相关联。提供了用于从该移动设备接收报告的装置,该报告指示用户对该交互询问集合中根据该呈现指令呈现了的该至少一个交互询问的输入。提供了用于基于对该交互询问的响应确定移动用户界面的用户的第一特性的装置。提供了用于基于该第一特性更新用户简档的装置。提供了用于向该移动设备传送多个内容对象供用户交互的装置,该多个内容对象包括选择成与该第一特性相对应的第一对象和选择成征求与第二特性有关的信息的第二对象。该第二特性包括有待知晓的关于该用户的合意特性。
在又进一方面,提供了一种用于向用户推荐内容的装置。发射机为移动设备置备交互询问集合,每个询问与判决关联和呈现指令相关联。接收机从该移动设备接收报告,该报告指示用户对该交互询问集合中根据该呈现指令呈现了的该至少一个交互询问的输入。计算平台基于对该交互询问的响应确定该移动用户界面的用户的第一特性,并且基于该第一特性更新用户简档。发射机进一步向该移动设备传送多个内容对象供用户交互,该多个内容对象包括选择成与该第一特性相对应的第一对象和选择成征求与第二特性有关的信息的第二对象。该第二特性包括有待知晓的关于该用户的合意特性。
为能达成前述及相关目的,这一个或更多个方面包括在下文中充分描述并且在权利要求中特别指出的特征。以下描述和附图详细阐述了这一个或更多个方面的某些解说性特征。然而,这些特征仅仅是指示了可采用各种方面的原理的各种方式中的若干种,并且本描述旨在涵盖所有此类方面及其等效方面。
附图简要说明
图1是具有用于与用户或订户交互的自适应提问引擎和推荐引擎的系统的一方面的框图;
图2是自适应提问与/或进行推荐的方法的一方面的流程图;
图3是采用具有支持客户端的推荐引擎的分布式架构的通信网络的一方面的示意图;
图4是确定在图1的系统的一方面中要询问的下一问题的方法的一方面的流程图;
图5是可供在图1的系统的一方面中使用的用户简档的一方面的示意图;
图6是用于在图1的系统的一方面中使用的经加权的属性列表的一方面的示意图;
图7是可供在图1的系统的一方面中使用的问题的一方面的示意图;
图8是可供在图1的系统的一方面中使用的一个或更多个因用户而异的经排名问题的一方面的示意图;
图9是由服务器后端执行的方法或操作序列的一方面的流程图;
图10是由服务器前端执行的方法或操作序列的一方面的流程图;
图11是由客户端设备执行的方法或操作序列的一方面的流程图;
图12是呈现测验的用户界面的一方面的图形描绘;
图13是呈现用户简档和其它实用程序的用户界面的一方面的图形描绘;
图14是以娱乐方式呈现推荐的用户界面的一方面的图形描绘;
图15是以另一娱乐方式呈现推荐的用户界面的一方面的图形描绘;
图16是以附加娱乐方式呈现推荐的用户界面的一方面的图形描绘;
图17是自适应提问和推荐的方法的一方面的流程图;
图18是可供在自适应提问和推荐系统的一方面中使用的主页用户界面的一方面的图形描绘;
图19是可供在自适应提问和推荐系统的一方面中使用的列出推荐的用户界面的一方面的图形描绘;
图20是可供在自适应提问和推荐系统的一方面中使用的列出随机推荐的用户界面的一方面的图形描绘;
图21是可供在自适应提问和推荐系统的一方面中使用的推荐项详情用户界面的一方面的图形描绘;
图22是可供在自适应提问和推荐系统的一方面中使用的测验用户界面的一方面的图形描绘;
图23是可供在自适应提问和推荐系统的一方面中使用的测验结果用户界面的一方面的图形描绘;
图24是可供在自适应提问和推荐系统的一方面中使用的测验结果比较用户界面的一方面的图形描绘;
图25是可供在自适应提问和推荐系统的一方面中使用的问题结果比较用户界面的另一方面的图形描绘;
图26是可供在自适应提问和推荐系统的一方面中使用的用户简档用户界面的一方面的图形描绘;
图27是可供在自适应提问和推荐系统的一方面中使用的列出标识出的兴趣的用户界面的一方面的图形描绘;
图28是用于自适应提问和推荐的示例性环境的一方面的示意图;
图29是用于要支持客户端移动设备的推荐引擎的分布式无线通信系统的一个方面的示意图;
图30是在与移动运营商相关联的某些组件与简档和推荐系统之间具有交互的推荐网络的一方面的示意图;
图31是用于自适应提问和推荐的系统或装置的一方面的示意图;并且
图32是用于自适应提问和推荐的系统或装置的另一方面的示意图。
具体描述
自适应提问和推荐引擎可增强用户对移动设备的体验而同时通过以娱乐方式迅速表征用户来为承运商创造附加收入的机会。在一个或更多个方面,把用于经由询问来交互的机会(例如,旨在征求用户表征的问题集合)与向用户呈现询问的方式(例如,测验、喜欢-不喜欢选择游戏等)相关联(例如,经由元数据)。另外,在一个或更多个方面,可根据关于该询问的进一步基于判决的元数据使用来自用户的显式或隐式的响应以选择附加询问,以及生成推荐(例如,内容的推荐)。
在一示例性方面,购物助手程序可藉由对呈现给用户的问题序列的自表征响应的组合、以及藉由通过用户选择、丢弃、排名了什么物体等获悉的推断表征得以了解该用户。例如,在一些方面,响应于用户表达出的需求的项是连同可能满足或可能不满足用户隐式或显式的偏好的项一起呈现的。基于该用户如何响应,购物助手程序可确定该用户的进一步表征一共在确定将来的推荐中使用。
如另一示例,房地产程序可从与用户搜集有关价格范围、位置和住房要求的基本信息。然后,通过示出一批房屋,就使得该房地产程序能够更好地表征用户,尤其是查明该用户原本不能够或不愿意明说的那些偏好。
如又一附加示例,考虑建议用户关于要看什么视频、听什么音频、读什么文本等的建议器或推荐器程序。例如,在没有该建议器或推荐器程序的情况下,供应物的范围可能是令人生畏的,尤其是在点播环境中。通过呈现问题的某种组合并且呈现设计成发现在已知的或推断出的用户舒适区(例如,兴趣领域)以内和稍微以外的用户属性的推荐或问题,该程序甚至在无需用户有意识地知悉该用户的倾向或兴趣的情况下便实现智能推荐。
此类聚焦的自适应提问和推荐辅助在由受限于其带宽和呈现能力的移动界面呈现内容供应物时将是特别有用的。例如,藉由移动设备进行的购物可更类似于看着店铺正面的橱窗而不能够从头至尾过道接过道地浏览货物和服务。由此,所描述的方面中的一个或更多个方面提供设计成从用户探得预确定信息、以及吸引该用户的问题模式或序列。问题模式可初始地基于对相同或相似问题的历史性用户响应,并且可配置成获得信息搜集与用户娱乐的某种混合。进一步,在一些情形中,所描述的方面可包括提问引擎,该提问引擎更新用户简档,并且可实时把下一问题或整个问题模式适配成为每个用户响应的结果以便进一步表征或吸引该用户。另外,基于不断增加的数据经由来自用户的对具体问题的回答被添加到用户简档,推荐引擎可作用于向用户提供个性化推荐,这些个性化推荐可基于用户的上下文(例如,具体的推荐器程序类型,诸如购物程序对涉及娱乐选项的程序之类,用户的位置等)而变化。由此,所描述的自适应提问和/或推荐的装置和方法获得用户的知识并且/或者提供为用户个性化的推荐。
现在参照附图描述各个方面。在以下描述中,出于解释目的阐述了众多的具体细节以提供对一个或更多个方面的透彻理解。然而,可能显而易见的是,没有这些具体细节也可实践各个方面。在其它实例中,以框图形式示出公知的结构和设备以便于描述这些方面。
参照图1,用于自适应提问和推荐的系统99包括呈现一个或更多个用户界面102以供用户104体验内容106的设备100。可位于本地、远程、或分布式架构中的自适应提问引擎107与计算平台110进行交互以通过经由用户界面102提供娱乐交互来增强用户体验,其中藉由用户界面102可表征用户104。例如,用户104可能是没有其人口统计、行为性、偏好或兴趣数据、或交易历史可用的新用户。如另一极端状况,用户104可能被良好表征;但仍存在更新此表征以检测用户104演变的嗜好和生活状况以及或许开启用户104尚不熟悉的新领域的持续的需要。可诸如经由一个或更多个用户属性123之类来表征用户的数据可包括定义用户的市场相关、人口统计相关等的兴趣或描述的数据,并且此类数据可在本文中称为“重点(keystone)”数据126。在一方面,一个或更多个属性123可存储在与用户相关联的用户简档122中。而且,在寻求此类“重点”数据126以支持对用户的全面表征的过程中,在一方面,自适应提问引擎107可提供例如与重点数据无关的问题等的无关的转移注意力的消遣,这些无关的转移注意力的消遣散布在设计成引出重点数据126的询问或交互问题的集合112中以便增强用户体验。由此,自适应提问引擎107可生成在本文中也称为问题模式的交互询问集合112,其中交互询问是配置成获得重点数据126以及例如经由一个或更多个娱乐询问115吸引该用户并引发进一步交互以便可获得或推断进一步表征的诸询问。系统99可藉此为用户104构建用户简档122,其中该用户简档包括一个或更多个属性123,这一个或更多个属性123可包括例如在对交互询问集合112中的一个或更多个交互询问的响应117中获得的重点数据126或可从重点数据126推导出。基于根据用户简档122中一个或更多个属性123对用户104的表征,可位于本地、远程或在分布式架构中的推荐引擎108执行用于推荐内容的方法并且藉此可生成例如与诸如内容之类的货物或服务有关的一个或更多个推荐125以供向用户104呈现。在一方面,例如,由用户基于该一个或更多个推荐125进行的货物或服务的购买可为使用本系统的无线承运商增加收入机会,并且可满足用户104对于诸如内容之类的合意货物或服务的需求。另外,在一些方面,自适应提问引擎107估量用户104如何与推荐125交互,例如,进行购买、进行进一步查询、或忽视,以便提供用于更新一个或更多个属性123和用于进一步提问和推荐的基础。
为此,并且附加参照图2中的推荐内容的方法150,根据一个方面,计算平台110访问交互询问集合112(图2,框152)。例如,在一方面,交互询问集合112包括至少一个重点询问113和至少一个娱乐询问115,其中交互询问集合112设计成使得能够确定至少一个重点数据126以供在定义一个或更多个用户属性123时使用。在给定的交互询问集合112中,可采用任何数目的办法来确定重点询问113和娱乐询问115的混合,包括但不限于随机混合、预定序列(例如,在每3个娱乐询问之后问重点询问)、使用自适应速率问重点(或交互式)询问,例如,其中基于感知到个体用户提供重点数据126有多踊跃或多不踊跃来适配此速率。例如,对于对共享大量信息感到非常自在的某人,所描述的方面可具有高频度的重点询问,相对于较保守的用户,所描述的方面则可具有低频度的重点询问,这时所描述的方面可仅偶尔提出重点询问。而且,每个询问112可与元数据111相关联,包括但不限于判决关联114和呈现指令116。例如,在一方面,判决关联114可包括、但不限于诸如以下各项中的一者或更多者的数据:使得能够基于从用户收到的响应117来表征该用户的重点数据126或属性123、链接到可基于对当前询问的响应117呈现给用户的一个或更多个其它询问的链接数据、与要问用户的另一询问有关的任何其它数据、要发现的用户简档属性、或者要向该用户推荐的内容项。进一步,例如,在一方面,呈现指令116可包括、但不限于与如何向用户呈现相应询问有关的一个或更多个指令或数据,包括诸如“是”或“否”选项、多选项、分拣、排名、游戏样式选择等之类的呈现样式。由此,用户界面102根据相应的呈现指令116呈现一个或更多个交互询问112,并且例如基于用户输入119接收至少一个相应的响应117或回答(图2,框154和156)。自适应提问引擎107和/或推荐引擎108进一步基于对至少一个交互询问112、或多个询问的至少一个响应确定用户104的例如属性123的第一特性(例如,体育迷)(图2,框158)。用户界面102进一步呈现多个内容对象供进一步用户交互,诸如选择成与第一用户特性相对应的第一对象118(例如,与定义用户为体育迷的属性123对应的篮球付费节目)和选择成征求与诸如想要知道的用户属性127之类的第二用户特性有关的信息的第二对象120(例如,对于特定音乐群的音乐下载)(图2,框160)。如可由想要知道的用户属性127定义的该第二用户特性可包括例如进一步定义已经知道的属性123的数据(诸如该用户是哪个特定体育运动的体育迷),或定义新兴趣或不感兴趣的数据、或描述该用户的新重点数据126。例如,在一方面,自适应提问引擎107和/或推荐引擎108可选择交互询问集合112中与获得关于第二用户特性或想要知道的用户属性127数据的四然性相互关联的一个交互询问。进一步,在一替换性或附加性示例中,自适应提问引擎107和/或推荐引擎108可根据相关性选择交互询问集合112中的一个交互询问。例如,给定了所描述的方面知道用户喜欢涉及竞争性团队的体育运动的前提,这些所描述的方面可确定(经由试探法、判决算法、运营商输入等)找出该用户是喜欢参加现场游戏还是偏好在电视上观看游戏可能是相关的,尽管发现该用户是否偏好例如爵士还是摇滚类型的音乐可能是更高优先级的。任选地,可从该用户接收响应于这多个所呈现的对象的一个或更多个附加响应(图2,框162)。例如,该一个或更多个响应可包括接收对于第二对象的显式肯定或显式丢弃输入中的一者,例如,其可分别指示与第二对象相对应的兴趣或不感兴趣,或可包括第一对象相对于第二对象的偏好输入或反之。
由此,可以用数量不断增加的数据,诸如基于响应117或直接用户输入124的一个或更多个属性123之类来填充用户简档122。例如,在一些方面,一个或更多个属性123可包括以下各项,或从以下各项推导出:包括在一个或更多个响应117中、或包括在直接用户输入124中、或其两者的重点数据126;基于一个或更多个响应117、或包括在直接用户输入124中、或其两者的推断128。可以选择与用户简档122相关联的附加的交互询问112(在其存在的意义上而言),并且附加的交互询问112可以先前呈现的交互询问112的判决关联114来选择。而且,如指出的,娱乐询问115还可散布在为设备100置备的交互询问集合112中的重点询问113之间以增强用户体验,诸如用于娱乐或吸引该用户以力图维持后续用户与诸询问的交互。
询问112可以是固有地互相关的,以便不同响应提示不同后续询问。替换地,询问112的焦点上的变化可以批量发生,例如,在分布式系统架构的情形中当远程地进行此类确定以便避免对设备100的计算吞吐量和电源造成负担时。
询问112可以是推荐的货物或服务的形式,例如,推荐125可被认为是一种类型的交互询问112。替换地,对询问112的响应117可导至周期性地呈现推荐125,例如,货物或服务。在一些方面,交互询问112或推荐125可被生成以供在推荐引擎108检测出新机会时在设备100上呈现。例如,如果推荐引擎108获得一音乐会的售票被通告的信息,那么推荐引擎108可向用户简档122具有与对该音乐会的兴趣相互关联的至少一个属性123的任何用户推荐该音乐会。换言之,推荐引擎108可基于诸如用户简档中的用户属性之类的第一和/或第二特性,响应于确定第三对象(例如音乐会门票)的新可用性随后呈现该第三对象。替换地或附加地,用户104可请求询问112或推荐125。替换地或附加地,可从用户104接收标识接收询问112或推荐125的某个间隔(例如,诸如“每周推荐”之类的用户指定的时间间隔)的输入,藉此使得推荐引擎108能够在很长时期上维持与用户的交互。
在一方面,例如,甚至在没有关于用户104的初始人口统计、偏好、浏览、预览或评级数据的情况下,自适应提问引擎107和/或推荐引擎108仍可以用户简档122中非常少的属性123或在用户简档123中没有属性123的情况下来操作。这可称为冷启动问题。在这些方面,自适应提问引擎107和推荐引擎108可包括查找表129,查找表129可包括关于诸问题以及系统99的其他用户已经如何响应此类问题的历史性数据,藉此使得自适应提问引擎107和/或推荐引擎108能够跨用户的聚合群体确定哪些问题作用良好并且哪些问题作用不那么良好。换言之,查找表129把多个可用的交互询问与来自多个用户简档的交互询问响应数据进行相关。例如,基于此类信息,自适应提问引擎107和/或推荐引擎108可选择对于该交互询问集合112在历史上作用良好的问题以供对新用户使用。替换地,或附加地,交互询问集合112的供对新用户使用的问题可包括允许用户标识一个或更多个属性123的开放式问题,对这些问题的响应117然后被用以选择确定为用户感兴趣的进一步问题或推荐。
进一步,在一些方面,即使例如推荐125的用于推荐的特定内容项未被元数据良好描述,自适应提问引擎107和/或推荐引擎108也可操作。例如,自适应提问引擎107和/或推荐引擎108可从历史数据,例如从查找表129得出推断,这些推断定义先前选择了推荐125的或显示出对推荐125有兴趣的用户类型。
进一步,自适应提问引擎107可配置交互询问集合112以定义吸引人的会话或快速个性测验,并且与推荐引擎108协同操作以呈现推荐125,藉此引发用户104自愿给出越来越多的信息。附加地,自适应提问引擎107可利用对询问112或推荐125的用户响应117的实时反馈以将后续询问适配成用户更感兴趣的,或发现新用户属性123。而且,系统99的装置和方法可位于设备100上以便实现易发现性和易用性(例如,如“为您推荐的”类别中的基于web的工具、预装的应用、主屏幕上的用户界面等)。
在一示例性方面,自适应提问引擎107提供动态且灵活的机制以创建交互式问题和回答序列。例如,每个交互询问112可包括一个或更多个信息格式,诸如文本、图形或音频中的一者或更多者。个体的询问112可被跳过,这本身就可提供推断128的。相应地,在一方面,自适应提问引擎107可至少部分地基于响应117选择下一问题,响应117包括对前一问题的回答或无回答。例如,如果用户104指示该用户偏好体育运动,那么下一问题可缩窄到用户104是各种种类的体育运动的观众还是活跃的参与者。进一步,如先前提到的,推荐125可作为交互询问112被提出。在一些方面,属性123或重点数据126(例如,年龄、性别)可直接询问或由用户输入。而且,在一些方面,位置信息可被纳入考虑用于后续询问或推荐。而且,在一些方面,关于设备100上的用户交互的最近输入或本地信息可被在编制询问112和/或推荐125时给予考虑。附加地,在一些方面,可为用户104提供删除本地存储的输入或交互、或用户简档数据的机会,以作为隐私管理的一部分并且增强用户信任和坦率。
参照图3,在图1的自适应提问引擎107和推荐引擎108的可能的实现的一个方面,通信系统200可采用用于提供通过娱乐问题生成的自适应提问和推荐的分布式架构。自适应提问和推荐能力的至少一部分可在推荐应用204中提供,推荐应用204可通过专用应用、浏览器205、或另一应用206中的一者或更多者来实现,上述这些中的任何或所有均可在经由服务应用编程接口(API)210与问题和推荐系统214的前端进行接口的处理器208上运行,其中问题和推荐系统214包括web服务API 212。
问题和推荐系统214的后端利用存储问题的问题储存库218和存储内容项的内容项储存库220,以便填充目录222。移动设备202从前端212接收推荐125,接收诸如交互询问112之类的一个或更多个问题或测验或要评级的项等并且返回响应117或回答(例如,明示的或隐式的,二元的或量化的,等等)用于实时反馈215。
问题构建器组件224从目录222检索并更新问题和内容项,并且与问题设计者226交互并且为问题设计者226提供支持工具以创建例如交互询问112的问题/测验。在一方面,问题构建器组件224可包括可用于以丰富的元数据111来创建问题、并且创建具有问题序列或任选进展的交互询问112的对话脚本工具227,其中该问题序列或任选进展包括取决于收到的对当前交互询问112或问题218的回答或响应117而随后提出的替换问题或问题类型。
例如,除在系统214与用户之间创建交互流以外,对话脚本工具227可提供交互询问集合112中的问题218之间的灵活联接而非固定序列。因此,与固定的、非自适应的序列相比,一个问题218与下一问题218之间的联接流畅且动态得多(例如,如果对“您喜欢控制台游戏吗?”的回答为“是”,那么选择更详细探究游戏风格的问题)。不过,该联接可以被放松以散布诸如娱乐询问115(图1)之类的冷不防的或转移注意力的问题以避免听起来像质询。进一步,对话脚本工具227可至少在一些实例中使得能够实现自动化问题序列选择。
参照图4,例如,在一个方面,动态的自适应提问方法250包括接收对问题的请求(框252)。例如,可在推荐引擎214(图3)处,诸如在问题构建器组件224(图3)处之类从客户端移动设备202(图3)接收对问题的请求。
方法250可进一步包括确定是否有回答可用(框254)。例如,对问题的请求(框252)可基于接收与在前问题相对应的一个或更多个回答(框256)。如果可用,那么方法250着手处理该回答(框258)。例如,在一方面,处理回答可包括、但并不限于以下各项中的一者或更多者:基于在前问题及其各种回答中的信息更新用户简档;更新与该用户简档相关联的群简档;基于更新的用户简档属性获得新推荐;更新问过的和/答过的问题的用户历史;或更新问题序列信息历史。换言之,关于更新用户简档,如果用户以某种方式回答,那么就得到关于该用户的某些知识,这种知识可按对用户简档中定义该用户的一个或更多个属性的值正的或负的改变的形式来被表达。关于更新简档群,这可包括更新定义全部共享某些属性、属性值或其范围的一组相似的人的一个或更多个群。
在处理回答(框258)之后,或如果没有回答可用,例如,该请求是首次用户请求或与前一问题无关的请求,那么方法250着手确定用户是否为新用户或者该用户是否在新用户序列中(框260)。例如,所描述的方面可包括要向新用户呈现的问题集合,诸如设计成从该新用户获得基础信息集合的问题。由此,如果用户是新用户或者如果用户在要向新用户呈现的问题集合中间,那么方法250包括访问例如新用户问题集合之类的新用户问题序列(框262),确定要问的下一问题(框264),以及向例如客户端移动设备202(图2)之类的作出请求的设备传送包括要问的下一问题的响应(框266)。例如,在一方面,诸如在每个问题之间有相对次序的问题序列的情形中,在访问新用户问题序列之后,要问的下一问题的确定(框264)可包括基于收到了回答的上一问题选择问题序列中的下一问题。在另一方面,要问的下一问题的确定(框264)可包括随机选择问题序列中的下一问题。在任何情形中,以这种方式,本装置和方法向新用户提供新用户问题序列以便为该用户构建用户简档。
在另一方面,如果方法250确定该用户不是新用户或者如果该用户不在新用户序列中,那么方法250可包括确定可以是随机问题或基于优先级选出的问题之类的要问的问题(框268),并且向例如客户端移动设备202(图2)之类的作出请求的设备传送包括该要问的问题的响应(框266)。例如,在一方面,方法250可包括确定下一问题是否应当被随机挑选(框270)。
如果方法250确定该下一问题应当被随机挑选,那么方法250包括从所有多个问题挑选问题(框272),并且把一个或更多个过滤器应用于选出的问题(框274)以便确定要问的问题(框268)。例如,在一方面,所有这多个问题可包括重点询问112(图1)和娱乐问题130(图1),娱乐问题130也可称为补白问题,其设计成比起获悉关于用户的某些新情况而言更注重于趣味。换言之,娱乐问题130(图1)可用以利用一些趣味问题分解非常尖锐而认真的重点询问112(图1)。进一步,例如,把这一个或更多个过滤器应用于选出的问题(框274)可包括应用诸如但不限于诸如以下各项的过滤器之类的一个或更多个过滤器:问题跳过过滤器,其确定一问题是否先前已被跳过,其中本装置和方法的运营商可然后把该过滤器设置成允许该问题再次被问,或设置成选择新问题;入口准则过滤器,其诸如基于已经获取的重点数据或人口统计信息之类确定用户是否具有与问题相对应的兴趣或表征,例如,“此问题可问在某个属性中具有高值的人”,或例如为男性设计的问题可能不适于向女性提出;或问题已答过滤器,其确定选出的问题是否已经被回答过,并且若是如此,那么可把该方法重定向至选择新问题;归类过滤器,其确定下一问题是否应当从预定类别集合中的一个类别拣选,例如,“下个选出的问题应当来自音乐、游戏或娱乐类别中的一个”,此类归类过滤器允许随时间推移从一定范围的类别选择各种问题。例如,在一些方面,该方法的此部分可访问问过的问题的历史、收到的回答的历史、或与问题和回答有关的其它历史性信息,以便确定应用过滤器的结果。附加地,如指出的,方法250可包括在应用过滤器时确定失败(框280),例如选出的问题已经被答过,并且然后着手挑选另一问题(框272),这可重复直至选出的问题通过该过滤器并且被确定为是要问的问题(框268)。
如果方法250确定下个问题不应当被随机挑选,那么方法250包括检索具有最高的下一属性优先级的属性(框282)。
例如,参照图5,在一方面,每个用户简档450包括指示用户的名字或代码的用户标识符452,和定义用户的特性或兴趣的属性的汇总454。例如,每个属性454可具有用户值456,用户值456指示例如用户对该属性感兴趣的程度或用户与该属性之间的对应性的程度,例如,对该属性多好地定义该用户的衡量。用户值456可以是用户定义的、系统定义的(例如,基于从用户对问题的回答得到的推断或假设)、或两者的某种组合。而且,在一些任选方面,每个属性454可进一步包括可定义用户值456中的置信度的可变置信度458。例如,置信度458在用户以清楚定义相对于该属性感兴趣或表征的程度的回答对一问题作出响应的情况下可具有第一值,并且在该用户值是基于推断或假设的情况下可具有第二值,其中该第一值指示比该第二值高的置信度。进一步,在一些任选方面,每个属性454可具有由所描述的装置和方法的运营商指派的优先级,例如,运营商优先级460,其中该运营商优先级460指示从用户发现关于该属性的信息对该运营商而言的重要性。在另一任选方面,运营商优先级460和与该运营商对各个属性454的用户值456所具有的置信相关联的各个置信度458可被组合或应用于例如加权算法之类的函数,来为该用户的每个属性454创建净优先级462。例如,任何一个属性454中的相对高的置信度458可降低该属性454的运营商优先级460,因为该相对高的置信度458代表已经获悉关于该用户的某些情况。相应地,在一个方面,附加地参照图6,对具有最高的下一属性优先级的属性的检索(框282)可包括生成经加权的属性列表550,例如基于每个属性454的净优先级462的相对值来加权的或具有基于上述相对值的序号552的属性列表,并且从该经加权的属性列表550选择最高优先级属性。由此,例如,一个结果可以是其中在具有相对高运营商优先级属性的属性中有高置信度可使该属性落在具有相对低运营商优先级且置信度的值相对低或无置信度值的另一属性之下的经加权列表。然而,应当指出,可取决于加权算法如何实现而获得任何数目的不同结果,这可在运营商之间有所变化。
附加地,在检索具有最高的下一属性优先级的属性(框282)之后,方法250可进一步包括获得用于所标识出的属性的一个或更多个问题(框284)。例如,在一个方面,并且附加地参照图6,用于所标识出的属性的这一个或更多个问题的获得可包括分析多个问题650以为每个问题652创建可由该问题设置的属性的经加权列表654。该多个问题650可以是所有可能的问题,或其某个子集。进一步,可由该问题设置的经加权属性列表654是对问题的回答很可能定义的属性656,并且每个属性654的权重658与对问题652的回答很可能定义的该属性654的表征程度有关。注意,每个属性656可与已经与用户的用户简档450(图5)相关联的属性454(图5)相同、或是其补充。进一步,例如,问题652可以是完全关于体育,并且由此所描述的方面可为问题652的体育属性656的权重658提供相对高的值。在另一方面,问题652还可具有对电影嗜好的次引用,并且由此所描述的方面可为问题652的电影嗜好属性656的权重658提供相对低的值。注意,在短语“可由该问题设置的属性的经加权列表”中,术语“可设置”指取决于用户给出的回答关于该用户的实际获悉,例如,一个回答可具有“电影”引用,但另一回答可能并不提供电影知识的任何获悉。相应地,在一个方面,并且附加地参照图8,用于所标识出的属性的一个或更多个问题的获得可包括把用户简档450的经加权(经由净优先级462)的属性454与经加权(经由可被设置的属性656)的问题652相比较以为用户按优先级次序排名这些问题652,例如,基于用户简档450的经加权属性454与经加权问题652的比较而得到的、每个问题652基于与用户优先级754相对应的次序值752排序的因用户而异的经排名问题列表750。例如,在一个示例中,对于要设置的属性具有最高权重的问题652被排名最高,其中该属性具有最高的净优先级。换言之,在此方面,诸问题基于每个问题可为每个属性获悉多少在每个属性的净优先级的基础上被排序。
进一步,返回到图3,在获得用于属性的一个或更多个问题(框284)之后,方法250可进一步包括把一个或更多个过滤器应用于该一个或更多个问题(框286)以便确定要问的问题(框268)。把该一个或更多个过滤器应用于该一个或更多个问题的动作(框286)可类似于以上关于框274讨论的一个或更多个过滤器的应用,或与之相同。进一步,如果问题未能通过过滤器的应用(框288),例如,如果用户简档不包括用于考虑该问题的使用的准则,那么方法250可返回以获得诸问题(框284)以选择因用户而异的经排名问题列表750(图8)中的下一问题,这是可重复直至选出的问题通过该过滤器并且被确定为要问的问题的过程(框268),其然后可在响应中提供(框266)。
由此,以上面描述的方式,可向本装置和方法的用户提供设计成引出关于一个或更多个用户属性的信息的动态地自适应的新问题。
返回到图3,问题构建器组件224还与简档组件228和促销组件230接口,其两者进而与服务API 212以及判决引擎232接口。简档组件228基于经由web服务API 212收到的响应117或回答、设置、偏好等获悉并且保存关于也称为订户的每个用户的信息。促销组件230设计问题序列并且提供例如交互式询问112之类的要评级/回答/等的问题/测验和项。还与问题构建器组件224和目录222接口的判决引擎232自动地为个体订户决定例如交互式询问112之类的问题序列,并且向促销组件230提供此类问题序列以供向该订户提出此类问题。
生成的问题218可具有丰富元数据111,不仅用于提供丰富简档信息的那些重点询问113而且用于例如娱乐询问113之类的那些趣味的、随机的或智力上吸引人的问题。元数据111连同用户简档122(如果可用的话)可用作选择问题218的基础或可在确定对可能吸引用户或订户的特定风格(例如,跟上潮流的、不落俗套的、大胆的、传统的、等等)而言恰当的呈现问题的方式时使用。可以遵循可用资产(例如,图形、文本、音频)的方式为客户端设备202呈现问题218。
每个个体的问题218或例如交互式询问112之类的每个问题系列可被独立于彼此地定义。问题元数据111可允许判决引擎232自动创建个性化问题序列、或交互式询问112,并且/或者为人类建议诸问题以创建问题序列。推荐引擎214可智能地选择问题序列或交互询问112的集合、或问题序列的子集,以下载到客户端设备202并且允许客户端设备202上高程度的交互性。在一些方面,下载可以是为数据/存储效率优化的(或许在框中)。问题/测验元数据111可规定要多频繁地问重点询问113、要问多少次、以及要为其得到回答或响应117的重点询问113的列表。客户端设备202可具有一定量的自治性,以例如为了增强对该订户的最近活动和响应的响应性。具体地,在一个方面,客户端设备202可包括问题选择引擎231,其配置成考虑到订户当前在做什么(例如,所使用的应用、被叫的人、选出的铃声等)、该订户在哪里、以及最近已收到什么回答,来从例如下载的交互询问集合112之类的被认为是合适的那些本地可用的问题中选择问题,其中此类本地用户信息可存储在本地用户历史数据库233中。藉此,自治的本地问题选择引擎231可在不给传输信道增加负担的情况下增加响应性。
在一方面,用户标识符235可由服务器前端212获得并且由后端216将其与用户简档122相关以便因用户而异的问题可在某刻生成,以使得能够实现实时反馈215。例如,用户标识符235可包括、但不限于可在所有情形中代表每个个体用户的唯一性数值ID。例如,用户标识符可被链接到订户的设备的移动电话号码或手持机硬件ID号,但可不与其相同。例如,在一些实例中,个人可以与有无线能力的媒体播放器不同的方式使用工作蜂窝电话,从而标识可进一步解析单个个体的特定角色。替换地或附加地,可以有不止一个个体使用相同的设备。替换地或附加地,可采用临时ID直至实际用户被标识出来,这可提高用户在承诺标识自身之前试用服务的可能性。替换地或附加地,提问和推荐系统214可为跨可由客户端设备202访问的一定范围的设备或服务可用的一个或更多个设备或服务唯一地标识个体。
附加地,在一些方面,问题构建器224可利用查找表229,查找表229是基于关于来自诸如所有用户简档之类的用户简档群体的问题和数据的所有可用知识来创建的,以便确定要问给定用户的例如交互式询问112之类的问题。交互式询问集合112可取决于关于用户已经知晓了什么、以及按可存储在本地用户历史数据库233中的信息中或从其推导出的用户具体上下文(例如,个人购物者上下文、通用“参与”上下文、首次参与上下文、等)、并且进一步基于可通过交互式询问112从用户获得什么附加性信息而变化。在其他方面,查找表229允许问题和推荐系统214甚至在“冷启动”之际,例如在没有在前个人数据供用于选择问题和推荐的情况下来与用户交互。例如,在一方面,查找表229可包括关于问题以及系统214的其他用户是已如何对此类问题作出响应的历史性数据,藉此使得问题和推荐系统214能够跨用户的聚合群体来确定哪些问题作用良好而哪些问题作用不那么良好。例如,基于此类确定,问题和推荐系统214可为交互询问集合112选择历史上作用良好的问题以供对新用户使用。
参照图9,由服务器后端执行的方法或操作序列300可包括创建询问,其被描绘为创建问题(框302)和创建测验(例如,问题集合)(框304)。分别地,用元数据来充实这些问题(框306)并且通过选择问题来增强测验(框308)。在目录中存储所创建的询问(框310)。运行判决算法(框312),其可把一个或更多个用户简档纳入考虑(框314)以便表征每个问题或问题系列以藉此创建查找表(框316)。
更具体地,基于在来自目录的诸问题与来自用户简档的数据的组合上运行相关算法以确定关系来创建查找表。换言之,可基于其他用户已经如何作出响应来确定某些问题的效用评估。为此,后端知道其他用户已经回答过哪些问题、他们已经如何回答这些问题、以及每个问题已经被多频繁地问过、跳过、回答过、如何回答的、等等。基于此,该算法可跨聚合群体、或对给定情形或用户确定哪些问题作用良好而哪些问题作用不那么良好。可由此选择很可能引出预定用户特性的问题。
在一些方面,问题和问题序列可以是人工生成的,其中可依赖于这些问题序列直至获得对用户的初始表征。在其它方面,问题生成是自动化的。在还有其它方面,问题生成是人工生成与自动化的组合。
在一附加性方面,系统可选择广泛地问关于各种随机话题的问题,其中此类问题可通过被标记为“开放式问题”来被标识,开放式问题被设计成获得高级别信息。例如,此类开放式问题可涉及宽泛的类别,并且对这些问题的响应可引向较窄类别中的后续问题,以在没有在前启动信息的情况下标识具体特性。一示例包括问“您喜欢进行体育运动吗?”如果喜欢,那么可问各种与体育有关的问题。否则,可选择另一宽泛类别,诸如“您喜欢在您的设备上听音乐曲目的这个主意吗?”或者“您享受玩控制台游戏吗?”基于对这些“开放式问题”的响应,系统可选择更具体的另一问题集合。系统被配置成使得以某种程度的意外、趣味和随机的方式来完成达到这些表征的方式以保持其轻松和娱悦。
由此,在一些实例中,问题选择和序列化可单纯基于查找表来自动化,而不依赖于人工设计。例如,问题选择可跟踪最近已经为用户确认了哪些归类/表征,以比确认或细化已经知道的属性更优先地返回到探求未知属性的问题。
参照图4,根据一个方面,由服务器前端执行的方法或操作序列400包括实时生成问题或测验(框402)以及选择预先形成的测验(框404)。这些候选问题/测验可被过滤(框406),例如基于关于用户已知的信息、用户上下文、或其它网络考量来过滤。任选地,可关于传输带宽、合意的等待时间限制和其它考量来高效地编码经过滤的问题集合(框408)。向客户端传送经过滤的和/或经编码的问题(框410)。从客户端接收对先前部署的问题的回答(框412)。基于这些回答来扩充用户简档(框414)。响应于这些回答来更新判决表(框416)。由此更新后,处理返回到框402。
参照图10,根据一个示例,用于由客户端执行的自适应提问和推荐的方法或操作序列500可始于向服务器要求问题集合(框502)。选择该问题集合中的一个问题(框504),诸如通过问题选择引擎之类来作此选择。任选地,问题的选择可基于本地客户端数据(框506)。例如,问题选择引擎可通过将在编制初始问题集合时未知的数据(即本地数据)纳入考虑来进一步增强和个性化该自适应提问过程。由此,该问题选择引擎可利用与系统前端类似的算法以便进一步定制问题集合。进一步,根据相关联的元数据来呈递问题(框508)。基于相关联的元数据征求回答(框510)。任选地,在一些方面,可基于相关联的元数据以及(诸)回答来重新个性化用户界面(框512)。换言之,提问的图形或者语言或样式可取决于这些回答而改变。向服务器返回这些回答(框514)并且处理在需要更多问题的情况下返回到框502或者在不需要更多问题的情况下返回到框504。
依据前述内容,应当领会到,利用本公开的益处,可设计出一系列的问题以吸引该用户,以及引出预定信息,例如“重点”数据、用户“边界”数据(即,用户的自在区所在)等。向对话问题提供在对话脚本应用(CSA)之上构建的附加性结构和总体简档剖析目标。例如,描述这些的一种方式可以是说每个问题系列具有合意的问题系列“签名”。该签名可通过代表定义该问题系列的问题元数据的组合(或一定范围的组合)来标识简档剖析目标。例如,一问题系列可具有1至n个问题,其中n是正整数,并且每个问题具有数个元数据,其组合起来定义各个问题签名,并且由此该系列中的所有问题签名的总和便定义问题系列签名,例如如在表1中提供的那样:
表1
关于对项进行评级类型的问题,问题系列可被设计成满足某些目标,诸如获得某种重点数据、吸引/娱乐该用户、具有一定的“流程”、具有一定的“长度”等。满足所有这些目标的问题系列可说是具有了某种问题系列签名。这还可指问题序列的实质性特性的问题模式(不含问题本身)。在另一方面,该签名可具有定义的元数据类别(例如,样式、类型、目标等)。任选地,或附加地,例如系列中每个问题的“目标”元数据系列之类的特定类型的类别中的元数据可配置成特定模式,以便该系列的类别元数据(用于一个或更多个类别)可具有其自己的类别系列签名。
由此,在服务器前端中,并且还在客户端问题选择引擎处,一个目标是要创建具有合意的问题系列签名(或落入某个范围之内的签名)的初始或经本地修改的问题集合。由此,各种问题可被混合以及匹配以生产合意的问题系列签名。由此,通过使用用户响应,该问题系列可被实时修改(或可被链接到或转换成或替代为具有不同签名的另一问题系列以获得附加性信息)以创建从用户观点来看也是趣味而吸引人的高效数据汇总系统。
自适应提问和推荐的装置和方法可被实现在任何数目的用户界面或程序中。现在将讨论数个样本用例,然而许多其它用例、用户界面或程序可纳入本教示,并且由此这些示例不应当被解释为构成限定。
例如,参照图12,自适应提问和推荐可被实现在选择类型的程序中。移动设备600具有被描绘为呈递关于谁更具吸引力的测验604的图形用户界面602。完成某个门限数目的测验可使生命线606逐渐填充。例如,可通过进行附加性评级来赚取银、金或铂金声望以便赚取额外的特权和优先级项。可从一特定选择是否被跳过或者选择了谁来搜集对用户的表征。例如,用户可被标识为与特定年龄或时尚人口统计相关联。例如,在一些方面,可在社交网络web站点上共享测验回答。
替换地,可以吸引人的方式把选择引导至自我标识该用户。不是输入枯燥的人口统计事实,而是可由选择图形/文本给出诸如您是什么“族”或“类型”之类的选项,诸如“书呆子”、“交际花”、“爱国者”、“拉拉队长”、“喜爱户外活动的人”等。
例如,参照图13,自适应提问和推荐可被实现在自我简档剖析程序中。移动设备700具有被描绘为呈递使得用户能够向系统直接提供诸如重点信息之类的用户简档信息的简档屏幕704的图形用户界面702。此类简档屏幕704可与诸如能够从其它社交或专业网络站点下载联系人和个人信息之类的其它个人助手相结合。纳入诸如日历和事件提醒器之类的实用程序可进一步吸引订户使用设备700进行更多活动。藉此,创造了更多机会来确定用户特性以及找到呈现推荐的附加性机会。
例如,参照图14,自适应提问和推荐可被实现在提供交互式游戏的另一样式的选择类型的程序中以帮助确定用户兴趣或者喜恶。移动设备800具有描绘街机游戏804中的项的图形用户界面802,其中这些项可被移动以提供附加性挑战,并且用户可“射击”他们不喜欢的项以毁掉这些项,或者网住并且丢弃它们。例如,可为对与用户不感兴趣的项相关的一定数目的项的处置提供奖励。对于具有触摸能力的界面802,可检测各种类型的手势,其使得选择/丢弃对于用户而言更迅速并且更直观。
例如,参照图15,自适应提问和推荐可被实现在购物类型的程序中。移动设备900具有把“您的店铺”页面904描绘为动画式的应用传送带的图形用户界面902,该应用传送带或许被随机化转轮转动到期望的搭配,其中在视野中的那些项可供评级、选择、丢弃、牵引出附加性信息等。例如,提供可用应用的导览可辅助不知道可下载的海量应用目录的新用户。订户可对某些供应物加书签并且获得更多关于某些应用的信息。
例如,参照图16,自适应提问和推荐可被实现在选择类型的程序中。移动设备1000具有把“您的店铺”页面1000描绘为寿司餐厅游戏的图形用户界面1002,在该寿司餐厅游戏中某些项是来自移动的传送带的各种类型的寿司,将它们放置在托盘上以完成收集来得到奖励。此上下文中的非寿司项是推荐的对象,用于评级、为心愿清单选择、或丢弃以便留下寿司项。
参照图17,在不应解释为构成限定的本文中描述方面的实现的另一示例中,自适应提问和推荐的方法1400可通过用户启动推荐应用来在设备上发起(框1402)。方法1400可然后进一步确定启动该应用的用户是否为首次用户(框1404)。
如果该用户是首次用户,那么方法1400可进一步包括呈现一个或更多个入口测验(框1406)。例如,这一个或更多个入口测验中的每个测验可包括一个或更多个重点问题、兴趣标识问题,或任选或附加地包括一个或更多个娱乐问题。由此,该一个或更多个入口问题藉此使得推荐应用能够例如用诸如人口统计或用户兴趣数据之类的重点数据来构建表征该用户的至少部分式的用户简档,以及通过提供娱乐因素来维持用户完成诸测验的兴趣。例如,在一方面,这一个或更多个入口测验可被设计成引出重点或兴趣数据的基础集合,其可用以生成对该用户的推荐。例如,该基础数据集合可包括、但不限于诸如用户年龄、用户性别、一个或更多个用户兴趣、用户定义的其自己的头像或图片或图形等的数据,或本方面的运营商想要的、以便进行一个或更多个推荐的任何其它可配置的基础数据集合。
如果方法1400确定该用户不是首次用户,或一旦已经例如经由一个或更多个入口测验(框1406)创建了至少部分式的用户简档,那么方法1400进一步包括向该用户呈现主页用户界面(框1408)。从该主页用户界面,方法1400可呈现诸如与该用户简档、附加性测验或推荐有关的选项之类的一个或更多个用户可选的选项。例如,在一个方面,向用户呈现主页用户界面(框1408)可进一步包括、或链接至呈现用户简档页用户界面(框1410)、和/或呈现推荐列出页用户界面(框1412),和/或呈现随机推荐页用户界面(框1414)。在一方面,例如,呈现用户简档页用户界面(框1410)可包括、但不限于呈现包括标识该用户的信息、该用户的兴趣项或表征,和完成的和/或可做的测验的可修改字段。例如,进一步,呈现推荐列出页用户界面(框1412)可包括、但不限于呈现诸如应用、音乐文件、电影或任何其它类型的产品或服务之类的推荐项的列表。而且,推荐项的列表可以是可分拣的,和/或被分成不同类别,和/或是可由该推荐应用或由该用户修改以按合意的次序或在合意的类别中呈现推荐项。例如,附加地,呈现随机推荐页用户界面(框1414)可包括、但不限于多个推荐项中的一个项的随机选择,这可在用户预期什么类型的项将被推荐时为该用户提供一定程度的娱乐。
附加地,在主页用户界面上呈现的或可链接的选项(框1410、1412,和/或1414)中的每个选项或选出的选项可引向用于呈现推荐详情、用于购买推荐项,或用于召集或允许用户定义诸如用户兴趣和重点数据之类的附加性用户简档信息的附加性用户界面。
例如,在一个方面,方法1400可进一步包括呈现推荐详情(框1416)。例如,该推荐可以是推荐的产品或服务,诸如可被下载到设备的内容。例如,相应地,推荐详情可包括、但不限于与该推荐有关的信息,诸如产品或服务的名称、描述、供应商标识、评级或推荐程度、价格、该产品或服务的至少一部分的样本或视图,或本方面的运营商可能认为在向用户呈现以便协助做出购买决定时有帮助的任何其它信息。
附加地,在一方面,方法1400可进一步包括接收购买请求(框1418)。例如,方法1400可为用户提供在呈现推荐详情之际购买产品或服务的选项。然而,应当注意,可响应于推荐列表的呈现、或从某个其它用户界面来进行对该购买请求的接收。而且,方法1400可进一步包括传送该购买请求(框1420)以及接收买到的产品或服务(框1422)。例如,在一方面,设备可向提供或安排对所请求的诸如但不限于像音频文件、音乐文件、应用等内容之类的产品或服务的投递的服务器无线地传送该购买请求。
在另一示例中,在一个方面,方法1400可进一步包括呈现可修改的用户兴趣(框1424)。例如,在一方面,可修改的用户兴趣的呈现可包括标识出的兴趣项的列表,连同代表由应用确定的或由用户定义的兴趣程度的比例因子。任选地,可修改的用户兴趣的呈现可进一步包括接收添加或删除兴趣项(框1425)、或细化兴趣项(框1427)(诸如改变比例因子)的用户输入。
在一进一步示例中,在一个方面,方法1400还可包括呈现一个或更多个测验(框1426),接收用户输入测验响应(框1428),和呈现测验结果(框1430)。例如,在一方面,呈现一个或更多个测验(框1426)可包括基于接收到的标识用户感兴趣的测验的用户选择来呈现测验,或呈现被选成收集例如重点数据或用户兴趣之类的缺失的用户简档数据、或进一步细化现有的用户简档数据、或测试用户兴趣极限、或在无需推导用户简档数据的情况下向用户提供娱乐、或这些方面的某种组合的由应用确定的测验。进一步,例如,接收用户输入的测验响应(框1428)可包括在诸如机械键或虚拟键、话筒、触敏显示器或任何其它类型的用户输入机制之类的一个或更多个用户输入机制处接收。而且,例如,测验结果的呈现(框1430)可包括测验响应或回答的概述、或由该推荐应用基于测验响应或回答确定的结论或兴趣或重点数据、或尤其基于通过用户对问题的回答来获悉的关于该用户的最新近信息的内容推荐集合,或其某种组合。例如,在一方面,由所描述的方面提供的推荐125可以主要基于所描述的方面关于该用户刚刚获悉的新情况,例如刚刚获悉该用户喜欢参加现场棒球比赛之类,所描述的方面向该用户提供特别针对此新洞悉的例如对于内容或供应物的一个或更多个推荐125。
在一任选的附加性方面,方法1400可进一步包括呈现例如测验结果(来自框1430)之类的用户输入的测验响应与某个其它用户群体的相应响应的比较(框1432)。例如,该用户输入测验响应与某个其它用户群体相应响应的呈现(框1432)可以是对用户响应于测验结果的呈现所作出的比较请求的输入的响应。而且,该推荐应用可与具有一个或更多个用户群体的历史性测验响应信息的基于网络的服务器通信,或者该推荐应用或用户设备可存储该历史性信息的所有或某个部分,例如该历史性信息中与用户所做的或可供用户做的一个或更多个测验相对应的一部分。
任选地,尽管未在图17中解说,但是方法1400的每个动作可链接到在前动作,或链接到任何其它动作。例如,一旦呈现测验结果(框1430),方法1400便可返回至呈现测验(框1426)或返回至主页用户界面(框1408)或返回至呈现用户简档用户界面(框1410)或返回至呈现推荐(框1412或1414)。在另一示例中,一旦呈现推荐项详情(框1416),方法1400便可进一步包括接收用户输入以返回至可修改的用户兴趣的呈现(框1424),并且进一步包括接收用户输入以改变、添加,或删除兴趣项或与兴趣项相关联的比例因子。
参照图18至27,解说了与图17的方法1400相对应的各种用户界面示例,然而,应当理解,这些示例不应被解释为构成限定,并且与图17的方法1400相关联的诸用户界面可以任何合适于本文中描述的推荐应用的运营商的方式来配置。
例如,参照图18,主页用户界面1500的一个方面包括多个可选的附加性用户界面1502,诸如推荐列表页(也称为“为您拣选”)1504、用户简档页1506,和随机推荐页(也称为“福袋”)1508。在图18中,用户简档页1506被选择,用户简档页1506在一个方面中生成可被选择或展开以提供更多详情或访问附加性页面的概述字段。例如,此类字段可包括以下各项中的一者或更多者:用户数据字段1510,其可包括用户的名字或昵称并且可被展开以列出诸如用户人口统计之类的其它因用户而异的信息;一个或更多个与测验有关的字段1512,例如,列出完成的测验或使得能做更多测验;和兴趣字段1514,其可列出由用户定义的或由应用定义的用户兴趣的列表或提供到该列表的链接。
例如,参照图19,也称为“为您拣选”用户界面的推荐列出用户界面1600的一个方面包括推荐项列表1602。推荐项列表1602可诸如按用户可选归类键1604来归类,这些键1604提供一个或更多个不同的推荐项集合或子集。例如,用户可选归类键1604可包括但不限于列出所有推荐项的所有推荐列表1606、列出具有给定价格或价格范围的推荐项的基于价格(例如,“免费”)的推荐列表1608,或仅列出某个类别中的推荐的一个或更多个由用户或应用定义的因兴趣或类别而异的推荐列表1610,这可基于与每个推荐项相关联的元数据来确定。而且,用户可选归类键1604中的一个或更多个键可包括诸如计数器1614之类的计数器,该计数器标识各个类别中的推荐项的数目。附加地,每个列表中的诸如推荐项1612之类的每个推荐项可包括诸如、但不限于项标识符或名称、项描述、项评级或推荐程度、项价格等之类的项信息1616。
例如,参照图20,也称为“福袋”用户界面的随机推荐理出用户界面1700的一个方面包括可由该推荐应用从多个推荐项中随机选择的至少一个推荐项1702。类似于推荐列出用户界面1600(图19)中的推荐项1602,推荐项1702可包括诸如、但不限于项标识符或名称、项描述、项评级或推荐程度、项价格等之类的项信息。进一步,在一任选方面,随机推荐列出用户界面1700可进一步包括得到新项键(也称为“转动转轮”键)1706以请求另一随机选择的推荐项,藉此提供附加性游戏体验。而且,在一任选方面,随机推荐列出用户界面1700可进一步包括购买键(也称为“去市场”键)1708,该键发起请求、支付、并且随后接收随机推荐项1702的购买过程。
例如,参照图21,推荐项详情用户界面1800的一个方面包括推荐项信息1802。类似于推荐项信息1616(图19)和1704(图20),推荐项信息1802可包括、但不限于诸如项标识符或名称、项描述、项评级或推荐程度、项价格等中的一者或更多者之类的信息。附加地,在一任选方面,推荐项详情用户界面1800提供诸如理由描述1804之类的解释为何推荐了某项、和/或诸如确认键(也称为“看起来不错”键)1806之类的使得用户能够确认其对推荐项1800是否感兴趣、和/或诸如修订键(也称为“修复”键)1808之类的使得用户能够修订用户简档、用户兴趣或比例因子、或重点数据的反馈机制。而且,在一任选方面,推荐项详情用户界面1800可进一步包括类似于购买键1708(图20)的购买键(也称为“去市场”键)1810,键1810发起请求、支付、并且随后接收推荐项1800的购买过程。
例如,参照图22,测验用户界面1900的一个方面包括诸如名称或描述之类的测验标识符1902、以及一个或更多个测验问题1904。测验用户界面1900代表可由本文中描述的推荐应用向设备用户提供的多个测验中的一个测验。这一个或更多个测验问题1904可以是以诸如、但不限于包括问题1906以及一个或更多个可选回答1908之类的各种格式中的任何一种格式。而且,在各个测验用户界面1900提供作为与给定测验相关联的问题集合或序列的一部分的问题1904的一方面,则测验用户界面1900可进一步包括向用户提供关于该用户已经在该序列中走到多远、和/或关于序列中还有多少问题(例如,“到下个阶段/等级还有6个问题”)的反馈的进度指示物1910。进度指示物1910可包括文本、图形(例如,具有指示物和/或阴影以示出完成的百分比或程度的进度条)、音频文件、或为用户提供与在测验上的问题序列中的进展有关的反馈的任何输出中的一者或更多者。
例如,参照图23,测验结果用户界面2000的一个方面可包括一个或更多个推荐项2002和描述这些项中的一个或更多个项、该项的成本、该项的评级等的至少一部分项信息2004。然而,应当注意,每个测验结果用户界面2000可不包括一个或更多个推荐项2002,但可代替地、或附加地概述对该测验的诸回答,或者代替地或附加地可包括从对该测验的诸回答推导出的或推断出的一个或更多个兴趣或重点数据。在一任选方面,测验结果用户界面2000可进一步包括链接到测验结果比较用户界面的比较键2006,测验结果比较用户界面将在下面更详细描述。在另一任选方面,测验结果用户界面2000可附加地包括链接到用户可选择要完成的附加性测验的用户界面的附加性(或“更多”)测验键2008。
例如,参照图24,测验结果比较用户界面2100的一个方面可包括具有描述每个问题的问题标识符2102、对于每个问题的每个回答2104、以及对与每个回答有关的用户群体的衡量的一个或更多个指示物2106的概述。例如,这一个或更多个指示物2106可以是以下各项中的一个或更多个项的衡量:选择了与该用户相同的回答的用户群体,或选择了每个回答的用户群体,或选择了与该用户相同的回答组合的用户群体。例如,进一步,这一个或更多个指示物2106可包括但不限于数值百分比或图形表示。应当注意,图24表示了标识如由每个“问题”下方的粗体“回答”指示的用户回答组合、和具有相同回答的用户群体的百分比的用户界面的具体示例。由此,在此示例中,测验结果比较用户界面2100允许用户比较该用户群体中有多少用户具有与该用户相同的回答组合。
例如,参照图25,测验结果比较用户界面2100的一个方面可进一步包括问题结果比较用户界面2200,其可在用户选择图24的诸问题标识符2102中具体的一个标识符时被生成。例如,问题结果比较用户界面2200包括选择的问题标识符2102、每个回答2204、选择各个回答的用户群体的各个指示物2106,以及还有用户选择的回答的指示物2202(诸如高亮显示)。由此,在此示例中,问题结果比较用户界面2200允许用户把他们的回答与用户群体的回答相比较。
例如,参照图26,在完成诸如入口测验或后续测验之类的一个或更多个测验之后,用户简档用户界面2300的一个方面可包括类似于用户简档页1506(图18)的兴趣部分2302,其包括具有一个或更多个标识出的兴趣项2302的兴趣字段1514。这一个或更多个标识出的兴趣项2302可包括、但不限于由用户直接标识为该用户感兴趣的项、或从对一个或更多个测验的一个或更多个回答推导出或推断出的项。例如,在一方面,这一个或更多个标识出的兴趣项2302的至少一部分可包括代表一个或更多个类别(诸如与用户可选归类键1604(图19)相关联的类别)的或与之相对应的词。在一些方面,呈现在兴趣字段1514中的这一个或更多个标识出的兴趣项2302可并不包括与用户相对应的兴趣的全部,而仅包括其子集,例如,诸如达到该用户感兴趣的门限程度的标识出的兴趣,或诸如任选地基于该用户的兴趣程度排序的设定数目个兴趣。在一任选方面,兴趣字段1514可进一步包括兴趣列表链接2304,该链接2304在被该用户选择时生成标识出的兴趣列出用户界面。
例如,参照图27,标识出的兴趣列出用户界面2400的一个方面可包括标识出的该用户的兴趣2402。任选地,标识出的兴趣列出用户界面2400可包括用于标识出的兴趣项2402中的一个或更多个项的比例因子2404,其中每个比例因子2404表示由应用确定的或由用户定义的兴趣程度。例如,在图27中,比例因子2404沿水平线定位,其中向右的定位相对于向左的定位指示更高的兴趣程度,例如,从0至100的水平标尺从左向右移动。在一些方面,每个比例因子2404可以是用户可调节的,藉此使得用户能够修改或以其它方式标识他们对各个标识出的兴趣项2402的兴趣程度。附加地,在一些方面,每个比例因子2404可包括诸如但不限于相对尺寸或衡量、阴影化或着色等之类的一个或更多个附加性置信指示物2406,以指示有应用确定的兴趣程度对用户标识出的兴趣程度中的一者或更多者,或以各个比例因子2404的值来指示相对置信。例如,在一方面,用户可能不能够修改计算出的(例如,由应用确定的)置信度(例如,“我们75%确信您喜欢棒球”),然而,用户可能够修改表示由用户定义的兴趣程度的比例因子2404以直接通知系统他们喜欢棒球。在此类实例中,所描述的方面可把置信度指示(例如,经由阴影化)为75%,但如果随后该用户通知系统他们确定性地喜欢棒球,那么所描述的方面把例如阴影化之类的置信指示物2406改变成更加确定性的阴影或颜色(如可由所描述的方面定义的)。
参照图28,用于实现请求保护的主题内容的各个方面的示例性环境1300包括在硬件、软件或其组合中编程以执行本文中描述的自适应提问和推荐功能性的计算机1312。例如,计算机1312可包括执行本文中描述的网络侧功能性的网络设备,或计算机1312可包括诸如无线设备之类的执行本文中描述的客户端侧功能性的客户端设备。在任何情形中,计算机1312包括处理单元1314、系统存储器1316、和系统总线1318。系统总线1318把包括、但不限于系统存储器1316的系统组件耦合到处理单元1314。处理单元1314可以是各种可用处理器中的任何处理器。双微处理器和其它多处理器架构也可作为处理单元1314被采用。
系统总线1318可以是若干类型的总线结构中的任何类型,包括存储器总线或存储器控制器、外围总线或外部总线,和/或使用下述可用总线架构的任何变体的局部总线,这些架构包括但不限于,工业标准架构(ISA)、微通道架构(MSA)、扩展型ISA(EISA)、智能化驱动器电子器件(IDE)、VESA局部总线(VLB)、外围部件互连(PCI)、卡总线、通用串行总线(USB)、高级图形端口(AGP)、个人计算机存储卡国际联合会总线(PCMCIA)、火线(IEEE 1394)、和小型计算机系统接口(SCSI)。
系统存储器1316包括易失性存储器1320和非易失性存储器1322。包含诸如在启动期间在计算机1312内的元件之间传递信息的基本例程的基本输入/输出系统(BIOS)被存储在非易失性存储器1322中。以解说而非限定的方式,非易失性存储器1322可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)、或闪存。易失性存储器1320包括作为外部高速缓冲存储器的随机存取存储器(RAM)。以解说而非限定的方式,RAM有许多种形式可用,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、和存储器总线动态RAM(RDRAM)。
计算机1312还包括可移除/非可移除、易失性/非易失性计算机存储介质,诸如但不限于盘存储1324。盘存储1324包括、但不限于诸如磁盘驱动器、软盘驱动器、带驱动器、Jaz驱动器、Zip驱动器、LS-100驱动器、闪存卡,或者记忆棒之类的设备。附加地,盘存储1324可包括与其它存储介质分开或与之相结合的存储介质,包括但不限于诸如压缩盘ROM设备(CD-ROM)、可记录CD驱动器(CD-R驱动器)、可重写CD驱动器(CD-RW驱动器)或者数字多用盘ROM驱动器(DVD-ROM)之类的光盘驱动器。为了便于把盘存储设备1324连接到系统总线1318,通常使用诸如接口1326之类的可移除或非可移除接口。
应该领会,图28包括作为用户与在合适的操作环境1300中描述的基本计算机资源之间的中介的软件。此类软件包括操作系统1328。可被存储在盘存储1324上的操作系统1328用于控制并分配计算机系统1312的资源。系统应用程序1330通过存储在系统存储器1316中或盘存储1324上的程序模块1332和程序数据1334来利用操作系统1328对资源的管理。例如,在一方面,应用1330可包括自适应提问引擎107(图1)、推荐引擎108(图1),或客户端提问和推荐应用204(图3)中的一者或更多者。应该领会,要求保护的主题内容可用各种操作系统或操作系统的组合、用各种应用、用各种模块、或其任何组合来实现。
用户通过(诸)输入设备1336把命令或信息输入到计算机1312中。输入设备1336包括、但不限于诸如鼠标、轨迹球、指示笔、触摸板之类的定点设备、键盘、话筒、操纵杆、游戏平板、圆盘式卫星天线、扫描仪、TV调谐卡、数码相机、数码摄像机、web摄像头及类似物。这些以及其它输入设备通过系统总线1318经由接口端口1338连接至处理单元1314。接口端口1338包括,例如串行端口、并行端口、游戏端口、以及通用串行总线(USB)。输出设备1340使用与输入设备1336相同类型的端口中的一些。因此,例如,USB端口可以用来向计算机1312提供输入,以及把来自计算机1312的信息输出到输出设备1340。提供输出适配器1342是为了解说除了其它输出设备1340之外尤其还有一些像监视器、扬声器、和打印机这样的需要特殊适配器的输出设备1340。以解说而非限定的方式,输出适配器1342包括提供输出设备1340与系统总线1318之间的连接手段的显卡和声卡。应该注意,其它设备和/或设备系统提供诸如远程计算机1344之类的输入和输出能力两者。
计算机1312可使用到诸如远程计算机1344之类的一个或更多个远程计算机的逻辑连接来在联网的环境中操作。远程计算机1344可以是个人计算机、服务器、路由器、网络PC、工作站、基于微处理器的设施、对等设备或者其它常见的网络节点及类似物,且通常包括相对于计算机1312描述的元件中的许多元件或所有元件。为简明起见,仅随(诸)远程计算机1344解说存储器存储设备1346。远程计算机1344通过网络接口1348被逻辑地连接到计算机1312,并且然后经由通信连接1350物理地连接。网络接口1348涵盖诸如局域网(LAN)和广域网(WAN)之类的有线和/或无线通信网络。LAN技术包括光纤分布式数据接口(FDDI)、铜线分布式数据接口(CDDI)、以太网、令牌环及类似物。WAN技术包括但不限于,点对点链路、像综合业务数字网络(ISDN)及其各种变体这样的电路交换网络、分组交换网络、和数字订户线(DSL)。
(诸)通信连接1350是指被采用以把网络接口1348连接到总线1318的硬件/软件。尽管为了解说上清楚,通信连接1350被示为在计算机1312的内部,但其也可以在计算机1312的外部。仅出于示例的目的,连接到网络接口1348所需要的硬件/软件包括内部和外部技术,诸如包括常规电话级调制解调器、电缆调制解调器以及DSL调制解调器的调制解调器、ISDN适配器和以太网卡。
参照图29,在一示例性方面,分布式推荐系统1100跨无线通信系统1102被执行。具体而言,本方面提供使得无线通信网络1114的移动运营商1112及其被描绘为内容供应商1116的商业合伙人能够向其被描绘为订户1119的移动设备1118的订户基础前摄地推行内容和服务的摄取。最初,交互式助手1120置备有包括测验、重点、问题和娱乐或转移注意力的消遣问题的问题集合1123,并且任选地还置备有推荐1125,并且可自治地生成诸询问,或引发对作为询问的推荐的响应,以便开始或增强对订户1119的表征。在一个实例中,这是通过生成为特定订户1119定制以供向其移动设备1118投递的推荐列表1121来实现的。例如,诸推荐可或被显示在与该移动运营商相关联的门户上,或藉由移动消息接发来被投递到移动设备。
根据一个方面,简档存储1122包括属性数据1124或行为数据1126。被描绘为属性推荐器1128和行为推荐器1130的相应多个推荐器把各自的数据1124、1126与内容存储1136的目录索引1134的内容表征交叉引用1132相关联。来自推荐器1128、1130的初步推荐具有由置信加权组件1138指派的置信度。例如,可确定弱或强关联。如另一示例,属性或行为可通过对有限的发生率的推理性分析而被弱确定,或者通过显式的输入或重复的行为而被强确定。经加权的初步推荐可然后由分拣组件1140分拣。
在分拣之前或之后,过滤组件1142实现排除1144以避免不恰当的推荐。如在1146处描绘的,排除1144可由订户1119明示地指定,诸如限制会引起反感的某些类别的推荐,或提供过滤具体类型或类别的推荐的其它推荐设置。如在1148处描绘的,排除1144可由移动运营商1112指定,诸如指定合适于该内容的计算平台目标(例如,音频文件合适于具有MP3媒体播放器的移动设备)。如在1150出描绘的,排除1144还可从简档数据1124和/或1126提取,诸如跟踪对本来将被再次推荐的内容的购买或被订户1119反复忽略的推荐。如在1152处描绘的,排除1144还可通过提供设备或软件配置兼容性信息来从可以是移动运营商1112的内容供应商1116提取。藉此,不能成功使用推荐的内容的移动设备1118被排除。
由对移动运营商1112可用的订户信息的分析结合所供应的内容和服务生成诸推荐,从而确定很可能是订户最感兴趣的那些内容和服务。具体而言,简档和推荐系统1110还使得这些推荐能够在已经基于作为个人或群成员的属性或行为评估而被确定为订户1119最易被打动购买的那些时间被投递给订户1119。简档和推荐系统还被适配成当想要向其订户基础主动促销特定内容或服务时生成促销。
在一附加性方面,在图30中,推荐网络1200描绘与移动运营商1202相关联的某些组件和本公开的简档和推荐系统1204之间的交互。这些系统可直接集成在移动运营商的通信基础设施1206中,或替换地可以是与该移动运营商相关联的商业合伙人的系统的一部分。基础设施1206可包括服务和内容信息组件1208、订户简档信息源1210,和由管理员1213使用的推荐应用1212。简档和推荐系统1204与内容投递系统1214接口,内容投递系统1214可包括WAP网关1215、短消息服务中心(SMSC)1216,和多媒体消息接发服务中心(MMSC)1218并且内容投递系统1214进而与无线设备1220通信。内容投递系统1214经由到诸如WAP网关1215、SMSC 1216、MMSC 1218之类的网络系统的连接提供内容投递能力。这使得简档和推荐系统1204能够向/从与内容投递系统1214通信的无线设备1220的用户或订户1222投递和接收任何类型的移动内容或服务。此能力可被实现在简档和推荐系统1204用以投递促销性信息(例如,经由SMS、MMS、WAP推送等)并且简档和推荐系统1204负责内容投递履行(例如,和弦铃声、壁纸、购物、游戏等)的场合中。
服务和内容信息组件1208可包括简档和推荐系统1204可与其通信的诸如增值服务(VAS)或门户1226之类的外部平台。在一个示例中,与VAS平台1226的集成可方便创建对一个或更多个无线设备1220的移动订户1222可用的完整内容目录。这允许简档和推荐系统1204在由移动运营商或其合伙人所作的供应上更加智能地零售可用的内容或服务。与门户1226的集成使得能够向使用门户1226的那些用户或订户1222投递有目标的促销,并且使得信息捕获组件1228能够捕捉关于他们的行为的信息(例如,键击技术、脸部表情、生物测定读数、交互模式等)以供稍后从订户简档信息源1210引用。在一个实例中,订户简档信息1228包括以下各项中的一者或更多者:呼叫数据;性别;生日;在前购买;感兴趣或不感兴趣的表达;花费模式;移动设备类型、当前地理位置、呼叫频度或其它元数据。
根据一个方面,图30进一步提供简档和推荐系统1204的解说性主要组件的详情。这些主要组件包括目录模块1230、简档模块1232、判决模块1234和促销模块1236。目录模块1230使得简档和推荐系统1204能够被用作大量内容或服务的中央目录。以此方式,可用内容/服务的更详细的图片可被提供给其他系统(例如,门户等),由此使得能够更好地管理内容零售过程。
根据一个示例,由移动运营商在集中的位置上维持的运营商目录1238可包括声音、数据和由该运营商提供的其它服务的完整目录。在一个实例中,目录模块1230可维护在移动运营商的中央目录1238中定义的产品ID代码和结构1240。
内容模块1242为一定范围的内容或服务提供内容管理和投递能力。连接模块1244使得能够投递SMS、MMS、WAP和可下载的内容。根据一个示例,所有工业标准网络连通性和投递协议均被支持。内容模块1242可作用于与诸如记账之类的订户简档信息源1210集成以对诸内容或服务进行收费。另外,内容模块1242可经由各种协议与预付费和后付费系统集成。内容模块1242还可与服务和内容信息块1208集成以在web或WAP门户上示出可用的内容或服务(例如,标题、作者、预览等)并且触发内容或服务的投递。
在一个示例中,内容模块1242提供本地存储、管理以及投递任何内容类型的能力。内容和信息可经由例如web接口被安全地存储和管理,并且经由承运商级下载、告警,和点播内容服务器来投递。
简档和推荐系统可进一步支持用于对来自外部源的内容进行自动接受和收集的各种机制。该平台可被配置成接受来自外部源的HTTP/XML或文件传输协议(FTP)/XML形式的内容馈送,并且提供用于实现因内容供应商而异的用于内容集成的机制的框架。根据一个方面,简档和推荐系统还可从诸如RSS之类的外部源检索内容。在一个示例中,简档和推荐系统内容提交API可由内容供应商使用以在HTTP上实用定义的XML格式来管理它们的内容。
取决于可能需要的内容验证的类型,内容模块1242可进一步被配置成提供活跃或非活跃更新。管理员1213可为每个类型的内容置备所需的授权类型。在一个示例中,获信任的内容可被自动验证,而其它类型的内容可需要来自管理员1213或移动运营商的内容管理器的批准。
此外,内容模块1242可支持基于订阅的告警的创建和管理以及投递SMS、MMS、或其它内容类型。订户可用定义诸如承载物(例如,SMS对MMS等)、按时辰投递、语言、时区等之类的参数的能力来创建因他们的兴趣而异的个性化告警排程表。内容模块1242的告警模块具有按移动运营商的需要来伸缩的能力,从而提供内容或服务的及时投递。
根据一个示例,内容下载模块提供用于所有可下载类型的内容的下载服务器,这些可下载类型的内容包括但不限于Java、铃声、壁纸等。在一个示例中,内容下载模块提供以下特征:(A)Java应用(例如,游戏等)、Java存档(JAR)或Java应用开发(JAD)格式的投递(2阶段下载);(B)每个下载可被指派唯一性的URL并且可具有其自己的令牌ID;(C)JAD文件被重写以指明JAR下载的动态位置;(D)下载重试可被允许达可配置的时间段或可配置的尝试次数;(E)数字权限管理(DRM)可被应用于下载的内容;(F)下载可经由WAP推送或直接从WAP门户发起;并且(G)用于用户活动查找的CSR接口是基于移动订户综合业务数字网号(MSISDN),其具有重发下载(若需要)的能力。
该模块可被配置成使用基本上所有可能的标准和技术以确保成功的下载以及对下载的内容的准确记账。这可包括允许下载服务器随着下载的不同阶段的发生通知外部系统的下载通知API。这些通知可用以在任何点停止下载,或生成记账事件。
根据一个示例,内容模块1244可被配置成具有数字权限管理(DRM)能力,这提供把开放移动联盟(OMA)DRM v1前向锁定、组合投递和单独投递应用于如由平台管理员或内容供应商定义的选择性内容的能力。
在一个方面,连接模块1244包括可被配置成广为支持在各种内容格式与编解码器之间转码的转码引擎。另外,转码引擎可被配置成提供其自己的经专门出于投递多媒体内容目的测试和调谐了的设备简档数据库。
根据一个方面,连接模块1244可处置如下的三个内容投递场景:
场景1.点播信息:在此场景中,通过把服务或内容请求映射到相关内容源、从该源检索当前内容或服务、并且将其返回给订户来处置这些服务或内容请求。
场景2.排程的投递:排程的投递可以基于由系统管理员1213指定的固定投递排程表或是基于由订户定义的排程表。在此情形中,内容或服务被检索并且在它们的排程表中指定的时间投递给订户;以及
场景3.未排程的投递:未排程的内容或服务投递可被手动或经由外部事件自动触发。在此情形中,内容或服务从内容或服务源被推送给订户。
内容模块1244可经由所提供的门户API与现有门户集成,或者在现有店面正被取代的情形中,内容模块1242可提供可按移动运营商的要求用户化的店面。内容模块1244进一步提供“现成”店面,这使得移动运营商能够跨多个店面和多个投递渠道买卖内容或服务。此默认店面可被用户化以满足具体移动运营商的功能性和品牌要求。
在一个示例中,因为店面已经与简档和推荐系统的其余部分预先集成,所以该店面可最佳地利用总体系统特征。根据一个方面,店面可允许移动运营商进行以下动作:(A)向订户供应全面范围的服务;(B)促销新服务;(C)创建围绕内容包的供应物;(D)提供“用户友好”的接口供订户购买与订阅内容服务;(E)显示店面的因市场细分而异的版本;以及(F)创建前十名列表以促销新的/流行的服务。
附加地,店面可允许订户进行以下动作:(A)观看正供应的完整范围的内容服务(所有服务或在用户的市场细分中可用的服务);(B)购买内容服务(例如,游戏、铃声等);(C)订阅内容服务(例如,告警等);(D)管理他们对内容服务的订阅;以及(E)指定他们自己的内容投递排程表。
在内容或服务要在不同渠道上销售的情形中,简档和推荐系统可被配置成具有多个店面。例如,移动运营商可通过多个品牌或分销商来营销其内容或服务。在一个示例中,可为每个渠道支持用户化的店面。
内容模块1244可进一步被配置成提供存储和管理内容的安全、可靠和经审核的机制。在一个实例中,经由SSL和用户名/口令认证来提供安全性。根据一个示例,对内容的访问可被隔离,由此把内容供应商限制于访问其自己的内容。内容预览和授权可由平台管理员1213或由外部内容所有者执行。
在一个方面,智能内容选择可被用以确保由供应商供应的内容的类型可以与用户或订户的设备的能力相匹配的最优格式被投递。通过把设备能力映射到设备和内容或服务项,可由简档和推荐系统作出关于要投递哪个服务或哪件内容的确定。在设备具有数个设备能力的场合,简档和推荐系统可使用加权系统来确定要投递的最恰当的内容。
继续参照图30,在一个示例中,用于目录模块1230和简档模块1232的数据可经由连接模块1244对应地从诸系统(例如,记账、CRM、增值服务(VAS)平台(例如,告警平台等)等)导入。在一个方面,连接模块1244提供对用于简档模块1232和目录模块1230的信息导入到简档和推荐系统1204中以及从简档和推荐系统1204导出进行简化和自动化的方式。
在一个示例性方面,诸推荐可如在2008年9月25日提交的、2009年6月25日公开为公开号20090163183A1的、O′Donoghue等人的美国专利申请序列号12/237,864、“RECOMMENDATION GENERATION SYSTEMS,APPARATUS AND METHODS(推荐生成系统、装置和方法)”中公开的那样来提供,该美国专利申请要求于2007年10月4日提交的相同标题的临时申请No.60/997,570的优先权,该两者均被转让给本申请受让人并通过援引明确纳入于此。
参照图31,在一个方面,用于自适应提问和推荐的系统3100可包括至少一个网络设备、至少一个移动客户端设备,或可以分布在其两者之间。系统3100包括可表示由处理器、软件、或其组合(例如,固件)实现的功能的功能块。在一方面,例如,系统3100包括协同运作的电组件的逻辑编组3102。逻辑编组3102可包括用于访问交互询问的组件3104。而且,逻辑编组3102可包括用于呈现至少一个交互询问的组件3106。进一步,逻辑编组3102可包括用于接收用户响应的组件3108。而且,逻辑编组3102可进一步包括用于基于用户响应确定用户的至少第一特性的组件3110。附加地,逻辑编组3102还可包括用于呈现与该第一特性有关的第一对象和用于呈现与第二特性有关的第二对象的组件3112。另外,系统3100可包括保存用于执行与电组件3104、3106、3108、3110和3112相关联的功能的指令的存储器3114。尽管被示为在存储器3114外部,但是应理解,电组件3104、3106、3108、3110和3112可以存在于存储器3114内。
参照图32,在一个方面,用于自适应提问和推荐的系统3200可包括至少一个网络设备、至少一个移动客户端设备,或可以分布在其两者之间。系统3200包括可表示由处理器、软件、或其组合(例如,固件)实现的功能的功能块。在一方面,例如,系统3200包括协同运作的电组件的逻辑编组3202。逻辑编组3202可包括用于为移动设备置备交互询问集合的组件3204,来自交互询问集合的每个询问与判决关联和呈现指令相关联。而且,逻辑编组3202可包括用于从该移动设备接收报告的组件3206,该报告指示用户对该交互询问集合中根据该呈现指令呈现的该至少一个交互询问的响应。进一步,逻辑编组3202可包括用于基于对该交互询问的响应确定该用户的第一特性的组件3208。而且,逻辑编组3202可进一步包括用于基于该第一特性更新用户简档的组件3210。附加地,逻辑编组3202还可包括用于向移动设备传送多个内容对象供用户交互的组件3212,该多个内容对象包括被选择成与该第一特性相对应的第一对象并且包括被选择成征求与第二特性有关的信息的第二对象,其中该第二特性包括有待知晓的关于该用户的合意特性。另外,系统3200可包括保存用于执行与电组件3204、3206、3208、3210和3212相关联的功能的指令的存储器3214。尽管被示为在存储器3214外部,但是应理解,电组件3204、3206、3208、3210和3212可以存在于存储器3214内。
以上已描述了本公开的各种方面。应显而易见的是,本文中的教示可以广为在各种形式中体现,并且本文中所公开的任何具体结构或功能仅是代表性的。基于本文的教示,本领域技术人员应领会,本文所公开的方面可独立于其它方面来实现,并且这些方面中的两个或更多个方面可以各种方式被组合。例如,可以使用本文中所阐述的任何数目的方面来实现装置或实践方法。另外,可使用作为本文所阐述的方面中的一个或更多个方面的补充或与这些方面不同的其他结构或功能性来实现装置或实践方法。作为示例,本文中所描述的方法、设备、系统和装置中有许多是在于移动通信环境中提供动态询问和推荐的上下文中描述的。本领域技术人员将领会,类似技术也可应用于其他通信以及非通信环境。
如在本公开中使用的,术语“内容”和“对象”被用以描述任何类型的应用、多媒体文件、图像文件、可执行件、程序、web页面、脚本、文档、演示、消息、数据、元数据,或可在设备上呈递、处理或执行的任何其它类型的媒体或信息。
如在本公开中使用的,术语“组件”、“系统”、“模块”及类似物意指计算机相关实体,任其是硬件、软件、执行中的软件、固件、中间件、微代码,或其任何组合。例如,组件可以是、但不限于在处理器上运行的进程、处理器、对象、可执行件、执行的线程、程序,或计算机。一个或更多个组件可驻留在进程或执行的线程内,并且组件可局部化在一台计算机上或分布在两台或更多台计算机之间。进一步,这些组件可从其上存储有各种数据结构的各种计算机可读介质执行。各组件可借助于本地或远程进程来通信,诸如根据具有一个或更多个数据分组的信号(例如,来自借助于该信号与本地系统、分布式系统中的另一组件进行交互、或跨诸如因特网之类的网络与其他系统进行交互的一个组件的数据)来进行此通信。另外,如本领域技术人员将可领会的,本文中描述的系统的组件可被重新编排或由附加性组件来补充以便促进实现关于其所描述的各个方面、目标、优势等等,并且不限于在给定附图中阐明的精确配置。
附加地,结合本文中公开的方面描述的各种解说性逻辑、逻辑块、模块和电路可利用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其他可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、一个或更多个硬件模块,或其设计成执行本文中描述的功能的任何合适的组合来实现或执行。通用处理器可以是微处理器,但在替换方案中,处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合,例如,DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或更多个微处理器、或任何其他合适配置。另外,至少一个处理器可包括可作用于执行本文描述的操作或动作中的一个或更多个操作或动作的一个或更多个模块。
而且,本文描述的各个方面或特征可使用标准编程或工程化技术被实现为方法、装置,或制品。进一步,结合本文公开的诸方面描述的方法或算法的操作或动作可直接在硬件模块中、在由处理器执行的软件模块中、或在这两者的组合中实施。另外,在一些方面,方法或算法的操作或动作可作为代码或计算机可读指令中的至少一者或其任何组合或集合驻留在可被纳入计算机程序产品的机器可读介质或计算机可读介质上。进一步,如在本文中使用的术语“制品”旨在涵盖可从任何计算机可读设备、载体、或介质访问的计算机程序。例如,计算机可读介质可包括但不限于磁存储设备(例如,硬盘、软盘、磁条等)、光盘(例如,压缩盘(CD)、数字多用盘(DVD)等)、智能卡、以及闪存设备(例如,记忆卡、记忆棒、钥匙型驱动器等)。另外,本文中描述的各种存储介质可代表用于存储信息的一个或多个设备或其他机器可读介质。术语“机器可读介质”可包括、但不限于无线信道和能够存储、包含、或携带指令或数据的各种其它介质。
此外,在本文中描述了与移动设备有关的各种方面。移动设备也可称为系统、订户单元、订户站、移动站、移动机、移动设备、蜂窝设备、多模设备、远程站、远程终端、接入终端、用户终端、用户代理、用户设备,或用户装备、或类似物。订户站可以是蜂窝电话、无绳电话、会话发起协议(SIP)话机、无线本地环路(WLL)站、个人数字助理(PDA)、具有无线连接能力的手持设备,或连接到无线调制解调器或促成与处理设备无线通信的类似机制的其他处理设备。
除前述内容之外,本文中使用的词“示例性”意指用作示例、实例或解说。本文中描述为“示例性”的任何方面或设计不必被解释为优于或胜过其他方面或设计。相反,词语“示例性”的使用旨在以具体方式给出概念。此外,如在本申请和所附权利要求中所使用的,术语“或”旨在意味着同“或”而非异“或”。即,除非另行指明或从上下文可以明了,否则“X采用A或B”旨在表示自然的包括性排列中的任何排列。即,在此示例中是,X可采用A,或者X可采用B,或者X可采用A和B两者,并且由此陈述“X采用A或B”在前述实例中的任何实例下均得到满足。另外,本申请和所附权利要求书中所使用的冠词“一”和“某”一般应被解释为表示“一个或更多个”,除非另行指明或从上下文可以明了指的是单数形式。
如本文中使用的,术语“推断(动词)”或“推断(名词)”泛指从如经由事件或数据捕捉到的一组观察来推理或推论系统、环境、或用户的状态的过程。举例而言,可采用推断来标识具体的上下文或动作,或可生成各状态上的概率分布。推断可以是概率性的——亦即,基于数据和事件的考虑计算感兴趣的状态上的概率分布。推断还可以指用于从事件或数据集合构成更高层次的事件的技术。此类推断导致从观察到的事件或存储的事件数据的集合构造出新的事件或动作,无论这些事件在时间接近性意义上是否密切相关,也无论这些事件和数据是来自一个还是数个事件和数据源。
本文中描述的变体、修改和其它实现将为本领域的那些普通技术人员所想出而不会脱离请求保护的公开的精神和范围。相应地,本公开不是要由前述解说性描述定义而是代替地由所附权利要求的精神和范围来定义。
Claims (56)
1.一种用于向用户推荐内容的方法,包括:
采用执行存储在计算机可读存储介质上的计算机可执行指令的处理器来实现以下动作:
访问交互询问集合,每个询问与判决关联和呈现指令相关联;
根据所述呈现指令经由移动用户界面呈现来自所述交互询问集合的交互询问;
基于对所述交互询问的响应确定所述移动用户界面的用户的第一特性;并且
呈现包括被选择成与所述第一特性相对应的第一对象和被选择成征求与第二特性有关的信息的第二对象的多个内容对象供用户交互,其中所述第二特性包括有待知晓的关于所述用户的合意特性。
2.如权利要求1所述的方法,其中,所述交互询问集合包括具有重点询问和娱乐询问的问题模式的至少一部分,所述重点询问被配置成获得包括所述第一特性和所述第二特性的用户特性,所述娱乐询问被配置成吸引所述用户。
3.如权利要求1所述的方法,其中,从把多个可用的交互询问与来自多个用户简档的交互询问响应数据进行相关的查找表推导出所述交互询问集合。
4.如权利要求1所述的方法,进一步包括基于用户与所述第二对象的交互来更新所述用户的用户简档。
5.如权利要求4所述的方法,进一步包括接收对于所述第二对象的显式肯定输入或显式丢弃输入中的一者。
6.如权利要求4所述的方法,进一步包括接收所述第二对象相对于所述第一对象的偏好输入。
7.如权利要求1所述的方法,进一步包括部分基于存储着的所述用户的简档生成所述交互询问集合。
8.如权利要求1所述的方法,进一步包括响应于用户指定的时间间隔基于所述第一和第二特性随后呈现第三对象。
9.如权利要求1所述的方法,进一步包括响应于确定第三对象的新可用性基于所述第一和第二特性随后呈现所述第三对象。
10.如权利要求1所述的方法,其中,所述多个内容对象的呈现是基于所述判决关联,所述判决关联基于对所述交互询问的所述响应提供到所述第一对象或所述第二对象中的至少一者的链接。
11.如权利要求1所述的方法,其中,所述多个内容对象的呈现进一步包括呈现来自所述交互询问集合的第二交互询问,其中,所述第二交互询问包括与所述第二特性相对应的属性。
12.如权利要求1所述的方法,其中,所述多个内容对象的呈现进一步包括呈现来自所述交互询问集合的第二交互询问,其中,所述第二交互询问包括比所述交互询问集合中的至少一个其它交互询问的第二优先级高的第一优先级。
13.如权利要求12所述的方法,进一步包括基于与所述第二特性相对应的属性的用户值、所述属性的运营商值、或所述属性的置信度中的至少两者来确定所述第一优先级。
14.一种用于向用户推荐内容的计算机程序产品,包括:
存储计算机可执行指令的至少一个计算机可读存储介质,包括:
处理器可执行的访问交互询问集合的至少一条指令,每个询问与判决关联和呈现指令相关联;
所述处理器可执行的用于根据所述呈现指令经由移动用户界面呈现来自所述交互询问集合的交互询问的至少一条指令;
所述处理器可执行的用于基于对所述交互询问的响应来确定所述移动用户界面的用户的第一特性的至少一条指令;以及
所述处理器可执行的用于呈现包括被选择成与所述第一特性相对应的第一对象和被选择成征求与第二特性有关的信息的第二对象的多个内容对象供用户交互的至少一条指令,其中所述第二特性包括有待知晓的关于所述用户的合意特性。
15.一种用于向用户推荐内容的设备,包括:
用于访问交互询问集合的装置,每个询问与判决关联和呈现指令相关联;
用于根据所述呈现指令经由移动用户界面呈现来自所述交互询问集合的交互询问的装置;
用于基于对所述交互询问的响应确定所述移动用户界面的用户的第一特性的装置;以及
用于呈现包括被选择成与所述第一特性相对应的第一对象和被选择成征求与第二特性有关的信息的第二对象的多个内容对象供用户交互的装置,其中,所述第二特性包括有待知晓的关于所述用户的合意特性。
16.一种用于向用户推荐内容的装置,包括:
用于访问交互询问集合的计算平台,每个询问与判决关联和呈现指令相关联;以及
用于根据所述呈现指令呈现来自所述交互询问集合的交互询问的用户界面。
所述计算平台进一步用于基于对所述交互询问的响应确定所述移动用户界面的用户的第一特性,并且
所述用户界面进一步用于呈现包括被选择成与所述第一特性相对应的第一对象和被选择成征求与第二特性有关的信息的第二对象的多个内容对象供用户交互,其中,所述第二特性包括有待知晓的关于所述用户的合意特性。
17.如权利要求16所述的装置,其中,所述交互询问集合包括具有重点询问和娱乐询问的问题模式的至少一部分,所述重点询问被配置成获得包括所述第一特性和所述第二特性的用户特性,所述娱乐询问被配置成吸引所述用户。
18.如权利要求16所述的装置,其中,所述交互询问集合是从把多个可用的交互询问与来自多个用户简档的交互询问响应数据进行相关的查找表推导出的。
19.如权利要求16所述的装置,其中,所述计算平台进一步用于基于用户与所述第二对象的交互来更新所述用户简档。
20.如权利要求19所述的装置,其中所述用户界面进一步用于接收对于所述第二对象的显式肯定或显式丢弃输入中的一者。
21.如权利要求19所述的装置,其中,所述用户界面进一步用于接收所述第二对象相对于所述第一对象的偏好输入。
22.如权利要求16所述的装置,进一步包括部分基于存储着的所述用户的简档来生成所述交互询问集合。
23.如权利要求16所述的装置,其中,所述用户界面进一步用于响应于用户指定的时间间隔基于所述第一和第二特性随后呈现第三对象。
24.如权利要求16所述的装置,其中,所述用户界面进一步用于响应于确定第三对象的新可用性基于所述第一和第二特性随后呈现所述第三对象。
25.如权利要求16所述的装置,其中,所述用户界面进一步用于基于所述判决关联呈现所述多个内容对象,所述判决关联基于对所述交互询问的所述响应提供到所述第一对象或所述第二对象中的至少一者的链接。
26.如权利要求16所述的装置,其中,所述用户界面进一步用于呈现所述多个内容对象,包括呈现来自所述交互询问集合的第二交互询问,其中,所述第二交互询问包括与所述第二特性相对应的属性。
27.如权利要求16所述的装置,其中,所述用户界面进一步用于呈现所述多个内容对象,包括呈现来自所述交互询问集合的第二交互询问,其中,所述第二交互询问包括比所述交互询问集合中的至少一个其它交互询问的第二优先级高的第一优先级。
28.如权利要求27所述的装置,进一步包括基于与所述第二特性相对应的属性的用户值、所述属性的运营商值、或所述属性的置信度中的至少两者来确定所述第一优先级。
29.一种用于向用户推荐内容的方法,包括:
采用执行存储在计算机可读存储介质上的计算机可执行指令的处理器来实现以下动作:
为移动设备置备交互询问集合,来自所述交互询问集合的每个询问与判决关联和呈现指令相关联;
从所述移动设备接收报告,所述报告指示用户对所述交互询问集合中根据所述呈现指令呈现的所述至少一个交互询问的响应;
基于对所述交互询问的响应确定所述用户的第一特性;
基于所述第一特性更新用户简档;并且
向所述移动设备传送包括被选择成与所述第一特性相对应的第一对象和被选择成征求与第二特性有关的信息的第二对象的多个内容对象供用户交互,其中,所述第二特性包括有待知晓的关于所述用户的合意特性。
30.如权利要求29所述的方法,其中,所述交互询问集合包括具有重点询问和娱乐询问的问题模式的至少一部分,所述重点询问被配置成获得包括所述第一特性和所述第二特性的用户特性,所述娱乐询问被配置成吸引所述用户。
31.如权利要求29所述的方法,其中,所述交互询问集合是从把多个可用的交互询问与来自多个用户简档的交互询问响应数据进行相关的查找表推导出的。
32.如权利要求29所述的方法,进一步包括基于用户与所述第二对象的交互来更新所述用户的用户简档。
33.如权利要求32所述的方法,进一步包括接收对所述第二对象的显式肯定输入或显式丢弃输入中的一者。
34.如权利要求32所述的方法,进一步包括接收所述第二对象相对于所述第一对象的偏好输入。
35.如权利要求29所述的方法,进一步包括部分基于存储着的所述用户的简档生成所述交互询问集合。
36.如权利要求29所述的方法,其中,传送所述多个内容对象进一步包括响应于用户指定的时间间隔基于所述第一和第二特性传送第三对象。
37.如权利要求29所述的方法,其中,传送所述多个内容对象进一步包括响应于确定第三对象的新可用性基于所述第一和第二特性传送所述第三对象。
38.如权利要求29所述的方法,其中,所述多个内容对象的所述传送是基于所述判决关联,所述判决关联基于对所述交互询问的响应提供到所述第一对象或所述第二对象中的至少一者的链接。
39.如权利要求29所述的方法,其中,所述多个内容对象的传送进一步包括传送来自所述交互询问集合的第二交互询问,其中,所述第二交互询问包括与所述第二特性相对应的属性。
40.如权利要求29所述的方法,其中,所述多个内容对象的传送进一步包括传送来自所述交互询问集合的第二交互询问,其中,所述第二交互询问包括比所述交互询问集合中的至少一个其它交互询问的第二优先级高的第一优先级。
41.如权利要求40所述的方法,进一步包括基于与所述第二特性相对应的属性的用户值、所述属性的运营商值、或所述属性的置信度中的至少两者确定所述第一优先级。
42.一种用于向用户推荐内容的计算机程序产品,包括:
存储计算机可执行指令的至少一个计算机可读存储介质,包括:
处理器可执行的用于为移动设备置备交互询问集合的至少一条指令,来自所述交互询问集合的每个询问与判决关联和呈现指令相关联;
所述处理器可执行的用于从所述移动设备接收报告的至少一条指令,所述报告指示用户对所述交互询问集合中根据所述呈现指令呈现的所述至少一个交互询问的输入;
所述处理器可执行的用于基于对所述交互询问的响应确定所述移动用户界面的用户的第一特性的至少一条指令;
所述处理器可执行的用于基于所述第一特性更新用户简档的至少一条指令;以及
所述处理器可执行的用于向所述移动设备传送包括被选择成与所述第一特性相对应的第一对象和被选择成征求与第二特性有关的信息的第二对象的多个内容对象供用户交互的至少一条指令,其中所述第二特性包括有待知晓的关于所述用户的合意特性。
43.一种用于向用户推荐内容的设备,包括:
用于为移动设备置备交互询问集合的装置,来自所述交互询问集合的每个询问与判决关联和呈现指令相关联;
用于从所述移动设备接收报告的装置,所述报告指示用户对所述交互询问集合中根据所述呈现指令呈现的所述至少一个交互询问的输入;
用于基于对所述交互询问的响应确定所述移动用户界面的用户的第一特性的装置;
用于基于所述第一特性更新用户简档的装置;以及
用于向所述移动设备传送包括被选择成与所述第一特性相对应的第一对象和被选择成征求与第二特性有关的信息的第二对象的多个内容对象供用户交互的装置,其中,所述第二特性包括有待知晓的关于所述用户的合意特性。
44.一种用于向用户推荐内容的装置,包括:
用于为移动设备置备交互询问集合的发射机,来自所述交互询问集合的每个询问与判决关联和呈现指令相关联;
用于从所述移动设备接收报告的接收机,所述报告指示用户对所述交互询问集合中根据所述呈现指令呈现的所述至少一个交互询问的响应;以及
用于基于对所述交互询问的响应确定所述用户的第一特性并且用于基于所述第一特性更新用户简档的计算平台,
所述发射机进一步用于向所述移动设备传送包括被选择成与所述第一特性相对应的第一对象并且包括被选择成征求与第二特性有关的信息的第二对象的多个内容对象供用户交互,其中,所述第二特性包括有待知晓的关于所述用户的合意特性。
45.如权利要求44所述的装置,其中,所述交互询问集合包括具有重点询问和娱乐询问的问题模式的至少一部分,所述重点询问被配置成获得包括所述第一特性和所述第二特性的用户特性,所述娱乐询问被配置成吸引所述用户。
46.如权利要求44所述的装置,其中,所述交互询问集合是从把多个可用的交互询问与来自多个用户简档的交互询问响应数据进行相关的查找表推导出的。
47.如权利要求44所述的装置,其中,所述计算机平台进一步作用于基于用户与所述第二对象的交互来更新所述用户的用户简档。
48.如权利要求47所述的装置,其中所述接收机进一步作用于接收对于所述第二对象的显式肯定输入或显式丢弃输入中的一者。
49.如权利要求47所述的装置,其中,所述接收机进一步作用于接收所述第二对象相对于所述第一对象的偏好输入。
50.如权利要求44所述的装置,其中,所述计算机平台进一步作用于部分基于存储着的所述用户的简档生成所述交互询问集合。
51.如权利要求44所述的装置,其中,所述多个内容对象进一步包括响应于用户指定的时间间隔基于所述第一和第二特性的第三对象。
52.如权利要求44所述的装置,其中,所述多个内容对象进一步包括响应于确定第三对象的新可用性传送的基于所述第一和第二特性的所述第三对象。
53.如权利要求44所述的装置,其中,所述多个内容对象是基于所述判决关联而被传送的,所述判决关联基于对所述交互询问的响应提供到所述第一对象或所述第二对象中的至少一者的链接。
54.如权利要求44所述的装置,其中,所述多个内容对象包括来自所述交互询问集合的第二交互询问,其中,所述第二交互询问包括与所述第二特性相对应的属性。
55.如权利要求44所述的装置,其中,所述多个内容对象进一步包括来自所述交互询问集合的第二交互询问,其中,所述第二交互询问包括比所述交互询问集合中的至少一个其它交互询问的第二优先级高的第一优先级。
56.如权利要求55所述的装置,其中,所述计算机平台进一步作用于基于与所述第二特性相对应的属性的用户值、所述属性的运营商值、或所述属性的置信度中的至少两者来确定所述第一优先级。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US26274809P | 2009-11-19 | 2009-11-19 | |
US61/262,748 | 2009-11-19 | ||
US12/948,751 | 2010-11-17 | ||
US12/948,751 US20110125783A1 (en) | 2009-11-19 | 2010-11-17 | Apparatus and method of adaptive questioning and recommending |
PCT/US2010/057511 WO2011063289A1 (en) | 2009-11-19 | 2010-11-19 | Apparatus and method of adaptive questioning and recommending |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102713908A true CN102713908A (zh) | 2012-10-03 |
CN102713908B CN102713908B (zh) | 2016-09-14 |
Family
ID=43639112
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201080061786.8A Expired - Fee Related CN102713908B (zh) | 2009-11-19 | 2010-11-19 | 用于自适应提问和推荐的装置和方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20110125783A1 (zh) |
EP (1) | EP2502165A1 (zh) |
JP (1) | JP5678083B2 (zh) |
KR (1) | KR101397876B1 (zh) |
CN (1) | CN102713908B (zh) |
BR (1) | BR112012012566A2 (zh) |
WO (1) | WO2011063289A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104754010A (zh) * | 2013-12-31 | 2015-07-01 | 华为技术有限公司 | 信息处理的方法及业务平台 |
CN107820611A (zh) * | 2015-04-10 | 2018-03-20 | 微软技术许可有限责任公司 | 事件处理系统调页 |
CN107832433A (zh) * | 2017-11-15 | 2018-03-23 | 北京百度网讯科技有限公司 | 基于对话交互的信息推荐方法、装置、服务器和存储介质 |
CN108427528A (zh) * | 2013-03-04 | 2018-08-21 | 联想(北京)有限公司 | 一种控制方法及电子设备 |
CN112423141A (zh) * | 2020-10-27 | 2021-02-26 | 四川长虹电器股份有限公司 | 用于实现电视终端语音游戏的交互方法 |
TWI733456B (zh) * | 2020-05-21 | 2021-07-11 | 陳哲峰 | 遊戲性質與購買者的適性匹配系統 |
CN117876036A (zh) * | 2024-03-12 | 2024-04-12 | 成都信通信息技术有限公司 | 一种贸易问题线上问答积分奖励管理方法及系统 |
Families Citing this family (93)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120150888A1 (en) * | 2003-09-10 | 2012-06-14 | Geoffrey Hyatt | Method and system for relationship management and intelligent agent |
US20090164310A1 (en) * | 2005-04-25 | 2009-06-25 | Grossman Stephanie L | Method for providing mobile commerce and revenue optimization |
EP1877921A4 (en) * | 2005-04-25 | 2010-07-21 | Sidebar Inc | SYSTEM AND METHOD FOR CONSUMER ENGAGEMENT AND REVENUE OPTIMIZATION |
US20090228361A1 (en) * | 2008-03-10 | 2009-09-10 | Wilson Eric S | Cognitive scheduler for mobile platforms |
US20100088156A1 (en) * | 2008-10-06 | 2010-04-08 | Sidebar, Inc. | System and method for surveying mobile device users |
US20100088157A1 (en) * | 2008-10-06 | 2010-04-08 | Sidebar, Inc. | System and method for the throttled delivery of advertisements and content based on a sliding scale of usage |
US9058402B2 (en) * | 2012-05-29 | 2015-06-16 | Limelight Networks, Inc. | Chronological-progression access prioritization |
CA2788802A1 (en) * | 2010-02-03 | 2011-08-11 | Glomantra Inc. | Method and system for providing actionable relevant recommendations |
CA2788733A1 (en) * | 2010-02-03 | 2011-08-11 | Glomantra Inc. | Method and system for need fulfillment |
JP5594532B2 (ja) * | 2010-11-09 | 2014-09-24 | ソニー株式会社 | 情報処理装置および方法、情報処理システム、並びに、プログラム |
US8633896B2 (en) * | 2010-12-15 | 2014-01-21 | Blackberry Limited | Communication device |
US9842299B2 (en) | 2011-01-25 | 2017-12-12 | Telepathy Labs, Inc. | Distributed, predictive, dichotomous decision engine for an electronic personal assistant |
US10657540B2 (en) | 2011-01-29 | 2020-05-19 | Sdl Netherlands B.V. | Systems, methods, and media for web content management |
US9547626B2 (en) | 2011-01-29 | 2017-01-17 | Sdl Plc | Systems, methods, and media for managing ambient adaptability of web applications and web services |
US11182455B2 (en) | 2011-01-29 | 2021-11-23 | Sdl Netherlands B.V. | Taxonomy driven multi-system networking and content delivery |
US8904502B1 (en) * | 2011-04-04 | 2014-12-02 | Niels T. Koizumi | Systems and methods for rating organizations using user defined password gates |
US9754312B2 (en) * | 2011-06-30 | 2017-09-05 | Ncr Corporation | Techniques for personalizing self checkouts |
US8230016B1 (en) * | 2011-10-11 | 2012-07-24 | Google Inc. | Determining intent of a recommendation on a mobile application |
US10091322B2 (en) | 2011-10-18 | 2018-10-02 | Qualcomm Incorporated | Method and apparatus for improving a user experience or device performance using an enriched user profile |
US8688796B1 (en) | 2012-03-06 | 2014-04-01 | Tal Lavian | Rating system for determining whether to accept or reject objection raised by user in social network |
US9773270B2 (en) * | 2012-05-11 | 2017-09-26 | Fredhopper B.V. | Method and system for recommending products based on a ranking cocktail |
US20130325897A1 (en) * | 2012-05-30 | 2013-12-05 | Yahoo! Inc. | System and methods for providing content |
US8429103B1 (en) | 2012-06-22 | 2013-04-23 | Google Inc. | Native machine learning service for user adaptation on a mobile platform |
US8510238B1 (en) | 2012-06-22 | 2013-08-13 | Google, Inc. | Method to predict session duration on mobile devices using native machine learning |
US8886576B1 (en) | 2012-06-22 | 2014-11-11 | Google Inc. | Automatic label suggestions for albums based on machine learning |
US20150208203A1 (en) * | 2012-06-25 | 2015-07-23 | Nokia Corporation | Method and apparatus for providing transportation based recommender system |
US20130346195A1 (en) | 2012-06-26 | 2013-12-26 | Digital Turbine, Inc. | Method and system for recommending content |
US9436687B2 (en) * | 2012-07-09 | 2016-09-06 | Facebook, Inc. | Acquiring structured user data using composer interface having input fields corresponding to acquired structured data |
US11308528B2 (en) | 2012-09-14 | 2022-04-19 | Sdl Netherlands B.V. | Blueprinting of multimedia assets |
US11386186B2 (en) | 2012-09-14 | 2022-07-12 | Sdl Netherlands B.V. | External content library connector systems and methods |
US9591494B2 (en) | 2014-12-09 | 2017-03-07 | Carrier Iq, Inc. | Self-care self-tuning wireless communication system |
US10079927B2 (en) | 2012-10-16 | 2018-09-18 | Carrier Iq, Inc. | Closed-loop self-care apparatus and messaging system for customer care of wireless services |
US11284276B2 (en) | 2012-10-16 | 2022-03-22 | At&T Mobtlity Ip, Llc | Self-care self-tuning wireless communication system for peer mobile devices |
US9053424B1 (en) * | 2012-10-26 | 2015-06-09 | Google Inc. | Learning mechanism for recommended reordering of elements based on demographic information |
US9158772B2 (en) | 2012-12-17 | 2015-10-13 | International Business Machines Corporation | Partial and parallel pipeline processing in a deep question answering system |
US9754215B2 (en) * | 2012-12-17 | 2017-09-05 | Sinoeast Concept Limited | Question classification and feature mapping in a deep question answering system |
US9141660B2 (en) | 2012-12-17 | 2015-09-22 | International Business Machines Corporation | Intelligent evidence classification and notification in a deep question answering system |
US9928047B2 (en) | 2012-12-18 | 2018-03-27 | Digital Turbine, Inc. | System and method for providing application programs to devices |
US9928048B2 (en) | 2012-12-18 | 2018-03-27 | Digital Turbine, Inc. | System and method for providing application programs to devices |
US20140255882A1 (en) * | 2013-03-05 | 2014-09-11 | Comocomo Ltd | Interactive engine to provide personal recommendations for nutrition, to help the general public to live a balanced healthier lifestyle |
US20160004970A1 (en) * | 2013-03-13 | 2016-01-07 | Wei Lu | Method and apparatus for recommendations with evolving user interests |
US10331686B2 (en) * | 2013-03-14 | 2019-06-25 | Microsoft Corporation | Conducting search sessions utilizing navigation patterns |
US9972042B2 (en) * | 2013-03-15 | 2018-05-15 | Sears Brands, L.L.C. | Recommendations based upon explicit user similarity |
US10061835B2 (en) * | 2013-10-28 | 2018-08-28 | Motorola Solutions, Inc. | Establishing user-confidence levels of data inputs |
CN103646339A (zh) * | 2013-11-25 | 2014-03-19 | 金蝶软件(中国)有限公司 | 商品展示的方法和装置 |
US10275802B1 (en) * | 2013-12-23 | 2019-04-30 | Massachusetts Mutual Life Insurance Company | Systems and methods for forecasting client needs using interactive communication |
US9639889B2 (en) * | 2013-12-23 | 2017-05-02 | Ebay Inc. | Discovery engine storefront |
US10289738B1 (en) | 2013-12-23 | 2019-05-14 | Massachusetts Mutual Life Insurance Company | System and method for identifying potential clients from aggregate sources |
US10311095B2 (en) * | 2014-01-17 | 2019-06-04 | Renée BUNNELL | Method and system for qualitatively and quantitatively analyzing experiences for recommendation profiles |
US20150262313A1 (en) * | 2014-03-12 | 2015-09-17 | Microsoft Corporation | Multiplicative incentive mechanisms |
US10055088B1 (en) * | 2014-03-20 | 2018-08-21 | Amazon Technologies, Inc. | User interface with media content prediction |
US9697099B2 (en) | 2014-06-04 | 2017-07-04 | International Business Machines Corporation | Real-time or frequent ingestion by running pipeline in order of effectiveness |
US9542496B2 (en) | 2014-06-04 | 2017-01-10 | International Business Machines Corporation | Effective ingesting data used for answering questions in a question and answer (QA) system |
US9690860B2 (en) * | 2014-06-30 | 2017-06-27 | Yahoo! Inc. | Recommended query formulation |
JP5671646B1 (ja) * | 2014-07-31 | 2015-02-18 | 株式会社 ディー・エヌ・エー | ユーザの関心度に応じたスレッドを提供するシステム及び方法 |
US9396483B2 (en) * | 2014-08-28 | 2016-07-19 | Jehan Hamedi | Systems and methods for determining recommended aspects of future content, actions, or behavior |
US10510099B2 (en) | 2014-09-10 | 2019-12-17 | At&T Mobility Ii Llc | Method and apparatus for providing content in a communication system |
CN106796592A (zh) * | 2014-10-15 | 2017-05-31 | 谷歌公司 | 针对上下文搜索识别可教学时刻 |
US9667321B2 (en) * | 2014-10-31 | 2017-05-30 | Pearson Education, Inc. | Predictive recommendation engine |
WO2016070124A1 (en) | 2014-10-30 | 2016-05-06 | Pearson Education, Inc. | Content database generation |
US10387793B2 (en) | 2014-11-25 | 2019-08-20 | International Business Machines Corporation | Automatic generation of training cases and answer key from historical corpus |
US10061842B2 (en) * | 2014-12-09 | 2018-08-28 | International Business Machines Corporation | Displaying answers in accordance with answer classifications |
CN107209785B (zh) * | 2015-02-11 | 2021-02-09 | 胡露有限责任公司 | 数据库系统中的相关性表聚合 |
US10997512B2 (en) | 2015-05-25 | 2021-05-04 | Microsoft Technology Licensing, Llc | Inferring cues for use with digital assistant |
US9984160B2 (en) * | 2015-09-30 | 2018-05-29 | International Business Machines Corporation | Determining a query answer selection |
US10614167B2 (en) | 2015-10-30 | 2020-04-07 | Sdl Plc | Translation review workflow systems and methods |
US10289729B2 (en) * | 2016-03-17 | 2019-05-14 | Google Llc | Question and answer interface based on contextual information |
CN106075912B (zh) * | 2016-06-07 | 2019-12-03 | 维沃移动通信有限公司 | 一种网络游戏互助的方法及网络游戏系统 |
US11321759B2 (en) * | 2016-06-30 | 2022-05-03 | International Business Machines Corporation | Method, computer program product and system for enabling personalized recommendations using intelligent dialog |
US20180047025A1 (en) * | 2016-08-15 | 2018-02-15 | International Business Machines Corporation | Multiple-Point Cognitive Identity Challenge System Using Voice Analysis |
US11681942B2 (en) | 2016-10-27 | 2023-06-20 | Dropbox, Inc. | Providing intelligent file name suggestions |
US9852377B1 (en) | 2016-11-10 | 2017-12-26 | Dropbox, Inc. | Providing intelligent storage location suggestions |
US10372489B2 (en) | 2017-07-13 | 2019-08-06 | Spotify Ab | System and method for providing task-based configuration for users of a media application |
US10529001B2 (en) * | 2017-07-18 | 2020-01-07 | International Business Machines Corporation | Elicit user demands for item recommendation |
US10713269B2 (en) * | 2017-07-29 | 2020-07-14 | Splunk Inc. | Determining a presentation format for search results based on a presentation recommendation machine learning model |
US11170016B2 (en) | 2017-07-29 | 2021-11-09 | Splunk Inc. | Navigating hierarchical components based on an expansion recommendation machine learning model |
US10565196B2 (en) | 2017-07-29 | 2020-02-18 | Splunk Inc. | Determining a user-specific approach for disambiguation based on an interaction recommendation machine learning model |
US11120344B2 (en) | 2017-07-29 | 2021-09-14 | Splunk Inc. | Suggesting follow-up queries based on a follow-up recommendation machine learning model |
US10885026B2 (en) | 2017-07-29 | 2021-01-05 | Splunk Inc. | Translating a natural language request to a domain-specific language request using templates |
US10817578B2 (en) * | 2017-08-16 | 2020-10-27 | Wipro Limited | Method and system for providing context based adaptive response to user interactions |
WO2019066110A1 (ko) * | 2017-09-29 | 2019-04-04 | 주식회사 토룩 | 자율 행동 로봇을 이용하여 대화 서비스를 제공하는 방법, 시스템 및 비일시성의 컴퓨터 판독 가능 기록 매체 |
KR20190065104A (ko) * | 2017-12-01 | 2019-06-11 | 주식회사 인데이터랩 | 대상 사용자를 분류하기 위한 방법 및 장치 |
JP6482703B1 (ja) * | 2018-03-20 | 2019-03-13 | ヤフー株式会社 | 推定装置、推定方法および推定プログラム |
US11672446B2 (en) | 2018-03-23 | 2023-06-13 | Medtronic Minimed, Inc. | Insulin delivery recommendations based on nutritional information |
US11526915B2 (en) * | 2018-10-31 | 2022-12-13 | Opendoor Labs Inc. | Automated value determination system |
US20200183911A1 (en) * | 2018-12-07 | 2020-06-11 | Meditechsafe, Inc. | Data file integrity |
KR101963609B1 (ko) * | 2018-12-11 | 2019-07-31 | 주식회사 마블릭 | 잠재 변수에 기반하여 사용자의 입맛을 판정하는 장치 및 방법 |
US20200394933A1 (en) * | 2019-06-13 | 2020-12-17 | International Business Machines Corporation | Massive open online course assessment management |
US11151208B2 (en) | 2019-08-02 | 2021-10-19 | Match Group, Llc | System and method for recommending users based on shared digital experiences |
KR102615244B1 (ko) | 2020-04-07 | 2023-12-19 | 한국전자통신연구원 | 사용자의 프라이버시 제어 추천 장치 및 방법 |
KR102459076B1 (ko) * | 2020-09-25 | 2022-10-26 | 경희대학교 산학협력단 | 사용자 경험 측정을 위한 적응형 설문 생성 장치 및 방법 |
US11830086B2 (en) * | 2020-11-10 | 2023-11-28 | Match Group, Llc | System and method for providing pairings for live digital interactions |
US11631106B2 (en) * | 2020-12-31 | 2023-04-18 | Thrive Market, Inc. | Apparatus, computer-implemented method, and computer program product for programmatically selecting a user survey data object from a set of user survey data objects and for selecting ranking model(s) for utilization based on survey engagement data associated with the selected user survey data object |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040172267A1 (en) * | 2002-08-19 | 2004-09-02 | Jayendu Patel | Statistical personalized recommendation system |
US20090024592A1 (en) * | 2007-07-19 | 2009-01-22 | Advanced Digital Broadcast S.A. | Method for retrieving content accessible to television receiver and system for retrieving content accessible to television receiver |
WO2009051942A2 (en) * | 2007-10-17 | 2009-04-23 | Motorola, Inc. | Method and system for generating recommendations of content items |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5915243A (en) * | 1996-08-29 | 1999-06-22 | Smolen; Daniel T. | Method and apparatus for delivering consumer promotions |
US6993495B2 (en) * | 1998-03-02 | 2006-01-31 | Insightexpress, L.L.C. | Dynamically assigning a survey to a respondent |
KR100580158B1 (ko) * | 1999-06-12 | 2006-05-15 | 삼성전자주식회사 | 화상 패킷 전송을 위한 무선통신 시스템 |
WO2002073347A2 (en) * | 2001-03-08 | 2002-09-19 | Realhome.Com | Method and system for making a decision |
JP4217957B2 (ja) * | 2003-05-14 | 2009-02-04 | ソニー株式会社 | 情報処理装置および方法、プログラム、並びに記録媒体 |
EP1484692B1 (en) * | 2003-06-04 | 2013-07-24 | Intel Corporation | Content recommendation device with user feedback |
EP1783632B1 (en) * | 2005-11-08 | 2012-12-19 | Intel Corporation | Content recommendation method with user feedback |
US8745226B2 (en) * | 2006-05-02 | 2014-06-03 | Google Inc. | Customization of content and advertisements in publications |
JP2007318364A (ja) * | 2006-05-24 | 2007-12-06 | Sharp Corp | 番組推薦装置、番組推薦方法、そのプログラムおよびコンピュータ読取可能な記録媒体 |
US20090163183A1 (en) | 2007-10-04 | 2009-06-25 | O'donoghue Hugh | Recommendation generation systems, apparatus and methods |
JP5184137B2 (ja) * | 2008-02-22 | 2013-04-17 | トヨタホーム株式会社 | 音響システム |
US20100088156A1 (en) * | 2008-10-06 | 2010-04-08 | Sidebar, Inc. | System and method for surveying mobile device users |
US20120271884A1 (en) * | 2009-09-29 | 2012-10-25 | Luvitorshuvit Limited | User Preference Surveys |
-
2010
- 2010-11-17 US US12/948,751 patent/US20110125783A1/en not_active Abandoned
- 2010-11-19 JP JP2012540110A patent/JP5678083B2/ja not_active Expired - Fee Related
- 2010-11-19 WO PCT/US2010/057511 patent/WO2011063289A1/en active Application Filing
- 2010-11-19 EP EP10795110A patent/EP2502165A1/en not_active Withdrawn
- 2010-11-19 KR KR1020127015788A patent/KR101397876B1/ko not_active IP Right Cessation
- 2010-11-19 BR BR112012012566A patent/BR112012012566A2/pt not_active IP Right Cessation
- 2010-11-19 CN CN201080061786.8A patent/CN102713908B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040172267A1 (en) * | 2002-08-19 | 2004-09-02 | Jayendu Patel | Statistical personalized recommendation system |
US20090024592A1 (en) * | 2007-07-19 | 2009-01-22 | Advanced Digital Broadcast S.A. | Method for retrieving content accessible to television receiver and system for retrieving content accessible to television receiver |
WO2009051942A2 (en) * | 2007-10-17 | 2009-04-23 | Motorola, Inc. | Method and system for generating recommendations of content items |
Non-Patent Citations (1)
Title |
---|
GUY SHANI ET AL.: ""Establishing User Profiles in the MediaScout Recommender System"", 《PROCEEDINGS OF THE 2007 IEEE SYMPOSIUM ON COMPUTATIONAL INTELLIGENCE AND DATA MINING (CIDM 2007)》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427528A (zh) * | 2013-03-04 | 2018-08-21 | 联想(北京)有限公司 | 一种控制方法及电子设备 |
WO2015100976A1 (zh) * | 2013-12-31 | 2015-07-09 | 华为技术有限公司 | 信息处理的方法及业务平台 |
CN104754010A (zh) * | 2013-12-31 | 2015-07-01 | 华为技术有限公司 | 信息处理的方法及业务平台 |
CN104754010B (zh) * | 2013-12-31 | 2019-01-25 | 华为技术有限公司 | 信息处理的方法及业务平台 |
US10516745B2 (en) | 2013-12-31 | 2019-12-24 | Huawei Technologies Co., Ltd. | Information processing method and service platform |
CN107820611B (zh) * | 2015-04-10 | 2021-08-13 | 微软技术许可有限责任公司 | 事件处理系统调页 |
CN107820611A (zh) * | 2015-04-10 | 2018-03-20 | 微软技术许可有限责任公司 | 事件处理系统调页 |
CN107832433A (zh) * | 2017-11-15 | 2018-03-23 | 北京百度网讯科技有限公司 | 基于对话交互的信息推荐方法、装置、服务器和存储介质 |
CN107832433B (zh) * | 2017-11-15 | 2020-08-11 | 北京百度网讯科技有限公司 | 基于对话交互的信息推荐方法、装置、服务器和存储介质 |
TWI733456B (zh) * | 2020-05-21 | 2021-07-11 | 陳哲峰 | 遊戲性質與購買者的適性匹配系統 |
CN112423141A (zh) * | 2020-10-27 | 2021-02-26 | 四川长虹电器股份有限公司 | 用于实现电视终端语音游戏的交互方法 |
CN117876036A (zh) * | 2024-03-12 | 2024-04-12 | 成都信通信息技术有限公司 | 一种贸易问题线上问答积分奖励管理方法及系统 |
CN117876036B (zh) * | 2024-03-12 | 2024-05-07 | 成都信通信息技术有限公司 | 一种贸易问题线上问答积分奖励管理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
JP5678083B2 (ja) | 2015-02-25 |
US20110125783A1 (en) | 2011-05-26 |
BR112012012566A2 (pt) | 2019-09-24 |
WO2011063289A1 (en) | 2011-05-26 |
KR20120120170A (ko) | 2012-11-01 |
JP2013511779A (ja) | 2013-04-04 |
KR101397876B1 (ko) | 2014-06-30 |
EP2502165A1 (en) | 2012-09-26 |
CN102713908B (zh) | 2016-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102713908A (zh) | 用于自适应提问和推荐的装置和方法 | |
US11805091B1 (en) | Social topical context adaptive network hosted system | |
US10318534B2 (en) | Recommendations in a computing advice facility | |
CN102016904B (zh) | 社交网络中品牌引擎对内容表示的修改 | |
Bouwman et al. | Mobile services put in context: A Q-sort analysis | |
US9159034B2 (en) | Geographically localized recommendations in a computing advice facility | |
US8666909B2 (en) | Interestingness recommendations in a computing advice facility | |
US20160342902A1 (en) | Interestingness recommendations in a computing advice facility | |
CN102625940A (zh) | 互联网偏好学习工具 | |
CN107567619A (zh) | 基于来自多个数据源的情绪和/或行为信息来提供推荐 | |
CN107209876A (zh) | 协同票务系统 | |
CN101960444A (zh) | 用于移动设备用户的事件通信平台 | |
US20210182976A1 (en) | Methods and systems for social media recommendations engines | |
CN110474944A (zh) | 网络信息的处理方法、装置及存储介质 | |
US20230092475A1 (en) | Information processing method, apparatus and device, and storage medium | |
GB2506575A (en) | Content delivery system | |
Martin | The Third Screen: The Ultimate Guide to Mobile Marketing | |
KR101767399B1 (ko) | 모바일 광고 방법 | |
JP5896261B1 (ja) | メール配信用サーバ | |
Le Moignan et al. | Experiential Value in Group Browsing of Curios on eBay and In-Person: Implications for Future Platform Design | |
Jingar et al. | F-Commerce as a Tool of Artificial Intelligence: A Modern Approach for Promoting Startups | |
Kumar | The connected consumer | |
Wirtz et al. | Digital B2C Business Models | |
Jian et al. | Comparison Of Marketing Strategies Of Mainstream Mobile Social-Networking Applications | |
Reed | Digitally recoding Althusser: ideology, interpellation and the new digital landscape |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20160321 Address after: American California Applicant after: Qualcomm Inc. Address before: American California Applicant before: Sha Mu Technology Co., Ltd. |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160914 Termination date: 20181119 |