CN102859967A - 用于基于用户交互数据来估计用户特征的方法和设备 - Google Patents

用于基于用户交互数据来估计用户特征的方法和设备 Download PDF

Info

Publication number
CN102859967A
CN102859967A CN2010800662666A CN201080066266A CN102859967A CN 102859967 A CN102859967 A CN 102859967A CN 2010800662666 A CN2010800662666 A CN 2010800662666A CN 201080066266 A CN201080066266 A CN 201080066266A CN 102859967 A CN102859967 A CN 102859967A
Authority
CN
China
Prior art keywords
user
feature
equipment
interaction data
predefine
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.)
Pending
Application number
CN2010800662666A
Other languages
English (en)
Inventor
J·奥尔森
田继雷
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nokia Technologies Oy
Original Assignee
Nokia Oyj
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nokia Oyj filed Critical Nokia Oyj
Publication of CN102859967A publication Critical patent/CN102859967A/zh
Pending legal-status Critical Current

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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/04—Protocols specially adapted for terminals or networks with limited capabilities; specially adapted for terminal portability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements
    • H04L67/30—Profiles
    • H04L67/306—User profiles

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Signal Processing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Telephonic Communication Services (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

提供了一种用于基于用户交互数据来估计用户特征的方式。特征确定逻辑从与用户相关联的设备获取交互数据。接着，该特征确定逻辑根据交互数据确定使用向量。继而，该特征确定逻辑将所确定的使用向量与一个或多个预定义的特征相关。继而，该特征确定逻辑至少部分基于一个或多个经相关的特征来计算用户特征简档。

Description

用于基于用户交互数据来估计用户特征的方法和设备
背景技术
服务提供者(例如，无线的、蜂窝的，等等)和设备制造者在向消费者递送价值和便利性(例如，通过提供令人感兴趣的网络服务)方面不断地受到挑战。研发的一个领域是将数据挖掘用作从收集的数据中提取模式的工具。在采集了大量数据时，可以对这些数据进行分析以推导出有用的信息。通常，更多的数据点产生更准确的推导信息。由于人们持续地依赖于其移动设备(诸如，移动电话)来执行诸如通信、媒体回放、因特网浏览等的各种任务，可以针对这些移动设备的使用数据进行数据挖掘。然而，在从这种使用数据推导有用信息方面付出了较少的努力。因此，需要从移动设备的使用中推导出有意义的信息。
发明内容
因此，需要一种用于基于用户交互数据来估计用户特征的方法。
根据一个实施方式，一种方法包括从与用户相关联的设备获取交互数据。该方法还包括根据交互数据确定使用向量。该方法进一步包括将确定的使用向量与一个或多个特征相关。该方法进一步包括至少部分基于一个或多个经相关的特征来计算用户特征简档。
根据另一实施方式，一种设备包括至少一个处理器，以及至少一个存储器，其包括计算机程序代码，该至少一个存储器和计算机程序代码配置用于与至少一个处理器一起引起所述设备至少执行从与用户相关联的设备获取交互数据。所述设备还被引起根据交互数据确定使用向量。所述设备被进一步引起将确定的使用向量与一个或多个特征相关。所述设备被进一步引起至少部分基于一个或多个经相关的特征来计算用户特征简档。
根据另一实施方式，一种计算机可读存储介质，其携带一个或多个指令的一个或多个序列，在由一个或多个处理器执行时，其引起设备至少部分从与用户相关联的设备获取交互数据。所述设备还被引起根据交互数据确定使用向量。所述设备还被进一步引起将确定的使用向量与一个或多个特征相关。所述设备被进一步引起至少部分基于一个或多个经相关的特征来计算用户特征简档。
根据另一实施方式，一种设备包括用于从与用户相关联的设备获取交互数据的装置。该设备还包括用于根据交互数据确定使用向量的装置。该设备进一步包括用于将确定的使用向量与一个或多个特征相关的装置。该设备进一步包括用于至少部分基于一个或多个经相关的特征来计算用户特征简档的装置。
通过简单地示出多个特定实施方式和实现，本发明的又一些其他方面、特征和优势将从下述详细描述中变得显然，该详细描述包括用于实施本发明的最佳模式。本发明还能够实施其他和不同的实施方式，以及其若干细节可以在各种显然方面中进行修改，所有皆不脱离本发明的精神和范围。因此，附图和描述在本质上将被视为示意而非限制。
附图说明
通过示例而非限制的方式，在附图的图示中示出本发明的实施方式：
图1是根据一个实施方式、能够基于用户交互数据来估计用户特征的系统图示；
图2是根据一个实施方式的特征确定逻辑的部件图示；
图3是根据一个实施方式、用于基于用户交互数据来估计用户特征的过程流程图；
图4是根据一个实施方式、用于将初始特征与交互训练数据相关联的过程流程图；
图5是根据一个实施方式、用于利用采样的通信信息来补充交互数据的过程流程图；
图6A-图6B是根据各种实施方式的图3过程的图示；
图7A-图7B是根据各种实施方式、在图3的过程中使用的用户界面图示；
图8是能够用于实现本发明实施方式的硬件图；
图9是能够用于实现本发明实施方式的芯片集的图示；以及
图10是能够用于实现本发明实施方式的移动终端(例如，手持设备)的图示。
具体实施方式
公开了用于基于用户交互数据来估计用户特征的方法、设备和计算机程序的示例。在下文描述中，出于说明的目的，给出了众多特定细节，以便提供对本发明实施方式的透彻理解。然而，对于本领域技术人员而言，显然的是，本发明的实施方式可以在不具有这些特定细节的情况下或者利用等同布置的情况下得以实施。在其他实例中，以框图形式示出了公知的结构和设备，以避免不必要地混淆本发明的实施方式。
图1是根据一个实施方式、能够基于用户交互数据来估计用户特征的系统图示。人的特征会影响人的生活方式及关于个人和商务场合的决策的各个方面。因此，理解人的特征可能是有帮助的，因为可以基于个性或其他品质来估计人的偏好和/或行为，并且因此偏好和/或行为可以用来促进某些任务和/或提高该人员的生活。例如，对人类个性的分析已经用于职业咨询、婚介、婚姻咨询、某些产品的营销等等。因此，人类个性至少出于这些原因被研究了数十年。结果，人类个性可以整体上分类至代表个性不同方面的多个个性元素。可以通过编纂和分析对与个性元素有关的调查卷的响应来确定这些个性元素。然而，回答调查表集合是耗时的，因为为了获得更准确的结果，该集合中的问题数量通常非常多。因此，尽管人的个性可能随着时间改变，但是难以持续地更新人的个性元素。
注意到，用户倾向性或偏好的简档或记录可以容易地利用用户设备进行维护。例如，特定用户访问的网站的历史可被存储。此外，移动设备能够捕获和存储各种信息，诸如位置信息(通常由全球定位系统(GPS)辅助)、包括联系人姓名和通话时间在内的通信历史，等等。此外，这些移动设备可以执行各种成熟的任务，包括使用语音服务或数据服务与其他设备通信、媒体回放和媒体捕获、GPS导航和因特网浏览。移动设备也可以配置有传感器，用于收集关于周边环境的数据，例如，温度、运动等。因此，已认识到，这种移动设备可以获取很多不同种类的信息，这些信息可以展示出该移动设备用户的行为或倾向性。此外，随着用户越来越大量地使用移动设备，用户对移动设备的使用可以视为显示用户特征的良好指示符。由于不同的人会以不同方式和频率使用设备，所以移动设备及其使用可以反映人的行为和模式。然而，传统上并没有利用这一有用信息。
为了解决这一问题，图1的系统100引入了基于从与用户相关联的设备获取的交互数据来估计用户特征的能力。交互数据可以是涉及用户针对移动设备的功能和应用的任何输入、行动或事件，并且可以针对涉及设备的上下文(诸如，时间、位置、环境状况等)进行记录。更具体地，系统100支持UE 101a-101n(也统称为UE 101)根据交互数据形成具有向量参数的使用向量，以及将使用向量与预定义特征相关。在利用来自各种用户的交互训练数据和其他数据对统计分类器进行训练之后，系统100可以利用统计分类器将使用向量与预定义特征相关。利用经相关的使用向量，系统100计算用户特征简档。用户特征简档可以随着收集到较新的交互数据来进行持续更新。
因此，根据某些实施方式的这一方式的优势在于可以自动地计算用户特征简档，而传统方式可能需要用户对用以估计用户特征的调查卷集合做出响应。此外，这一方式的另一优势在于可以基于最新的交互数据自动更新用户的特征简档，并且由此提供了关于用户特征的最新信息。因此，用户无需为了获取关于用户特征的最新信息而花费时间回答调查卷。此外，与常规方式不同，用户并不知晓何时收集交互数据，并且由此可以获取用户特征的更自然评估。结果，这一方式节省了用户在估计用户特征时花费的时间和精力，并且由此提供了估计用户特征的高效和准确的备选方式。因此，期望用于基于交互数据来估计用户特征的手段。
如图1所示，系统100包括用户设备(UE)101，其具有经由通信网络105去往通信服务103的连通性。例如，系统100的通信网络105包括一个或多个网络，诸如数据网络(未示出)、无线网络(未示出)、电话网络(未示出)，或其任何组合。预期数据网络可以是任何局域网(LAN)、城域网(MAN)、广域网(WAN)、公共数据网络(例如，因特网)、短程无线网络，或任何其他适当的分组交换网络，诸如，商业上拥有的专属分组交换网络，例如，专用线缆或光纤网络等，或其任何组合。另外，无线网络可以是例如蜂窝网络，并且可以采用各种技术，包括增强数据速率全球演进(EDGE)、通用分组无线电服务(GPRS)、全球移动通信系统(GSM)、因特网协议多媒体子系统(IMS)、通用移动电信系统(UMTS)等，以及任何其他适当无线媒介，例如，微波接入全球互通(WiMAX)、长期演进(LTE)网络、码分多址(CDMA)、宽带码分多址(WCDMA)、无线保真(WiFi)、无线LAN(WLAN)、蓝牙
Figure BPA00001624645500051
(Bluetooth
Figure BPA00001624645500052
)、因特网协议(IP)数据广播、卫星、移动自组网(MANET)等，或其任何组合。
UE 101是任何类型的移动终端、固定终端或便携式终端，包括移动手持设备、站、单元、设备、多媒体计算机、多媒体平板电脑、因特网节点、通信器、桌面计算机、膝上计算机、个人数字助理(PDA)、音频/视频播放器、数字相机/摄像机、定位设备、电视接收机、无线电广播接收机、电子书设备、游戏设备，或其任何组合。还预期，UE 101可以支持去往用户的任何类型接口(诸如，“可穿戴”电路等)。
UE 101也可以连接至传感器111。传感器111可以用于收集信息，这些信息可以存储在数据存储109中或者可以由UE 101使用。在一个实施方式中，传感器111可以包括声音记录器、光传感器、全球定位系统(GPS)设备、温度传感器、运动传感器、加速度计和/或可以用于收集关于与UE 101相关联的周围环境的信息的任何其他设备。
UE 101可以包括特征确定逻辑107。在一个实施方式中，特征确定逻辑107能够处理与使用UE 101进行的通信有关的各种计算和操作。例如，特征确定逻辑107可以管理经由UE 101的传入或传出通信，以及显示这种通信。进一步地，特征确定逻辑107基于向UE101提供的信息和预定义的特征来计算用户特征简档。特征确定逻辑107还可以提供可视化(例如，图形用户界面)以允许用户控制通过通信网络105的通信，以及还可以控制其他任务，诸如计算预定义的特征。此外，特征确定逻辑107可以包括接口(例如，应用编程接口(API))，其支持用户经由通信服务103使用各种通信服务(例如，电子邮件、即时消息收发、文本消息收发等)或者与基于因特网的网站进行通信。在某些实施方式中，特征确定逻辑107可以包括用户接口(例如，图形用户接口、基于音频的用户接口等)，以访问基于因特网的通信服务、发起通信会话、选择通信形式和/或其他相关功能。
通信服务103向UE 101a-101n提供与通信有关的各种服务，使得UE 101a-101n可以通过通信网络彼此通信。通信服务103提供的服务可以包括蜂窝电话服务、因特网服务、数据传输服务等。在一个实施方式中，通信服务103还可以提供媒体内容，诸如音乐、视频、电视服务等以及应用或数据库，用于基于所获取的信息来确定和更新关于人员特征的信息。通信服务103可以连接至服务存储介质113，以用于存储或访问数据，诸如用于确定和更新人员特征的数据。在另一实施方式中，通信服务103还能够执行各种计算以支持特征确定逻辑107的功能，其中的某些功能可以针对UE 101执行。例如，通信服务103可以基于向UE 101提供的信息和预定义的特征来计算用户特征简档。
例如，UE 101和通信服务103使用公知的、新的或仍在研发的协议来彼此通信以及同通信网络105的其他部件通信。在此上下文中，协议包括规则集合，其限定通信网络105中的网络节点如何基于在通信链路上发送的信息来彼此通信。协议在每个节点内的不同操作层处是有效的，从生成和接收各种类型的物理信号，到选择用于传送这些信号的链路，到这些信号指示的信息格式，到识别计算机系统上执行的哪些软件应用发送或接收信息。用于通过网络交换信息的概念上不同协议层在开放系统互连(OSI)参考模型中进行描述。
网络节点之间的通信典型地通过交换离散数据分组来实现。每个分组典型地包括(1)与特定协议相关联的报头信息，以及(2)有效载荷信息，其在报头信息之后并包含可以独立于该特定协议进行处理的信息。在某些协议中，分组包括(3)尾部信息，其在有效载荷之后并指示有效载荷信息的结束。该报头包括这样的信息，诸如分组的源、其目的地、有效载荷的长度，以及该协议使用的其他属性。通常，针对特定协议的有效载荷中的数据包括针对与OSI参考模型不同较高层相关联的不同协议的有效载荷和报头。用于特定协议的报头典型地指示包含在其有效载荷中的下一协议类型。可以说较高层协议封装在较低层协议中。包括在行进于多个异构网络(诸如，因特网)的分组中的报头典型地包括由OSI参考模型定义的物理(层1)报头、数据链路(层2)报头、互联网络(层3)报头和传输(层4)报头，以及各种应用报头(层5、层6和层7)。
图2是根据一个实施方式的特征确定逻辑107的部件图示。例如，特征确定逻辑107包括用于基于用户交互数据来估计用户特征的一个或多个部件。预期这些部件的功能可以合并在一个或多个部件中，或者由等同功能性的其他部件执行。在此实施方式中，特征确定逻辑107包括控制模块201、输入模块203、计算模块205、呈现模块207和通信模块209。控制模块201监督任务，包括由输入模块203、计算模块205、呈现模块207和通信模块209执行的任务。计算模块205执行用于完成用户特征简档的计算和估计。例如，计算模块205获得与用户的交互和行为有关的已获取交互数据，以及继而基于获取的数据和预定义的特征来估计用户的特征。例如，计算模块205根据交互数据确定使用向量，以及将使用向量与预定义的特征(诸如，迈尔斯-布里格斯类型指示符(MBTI)二分类)相关。继而，计算模块205基于经相关的特征来确定用户特征简档。计算模块205还可以基于用户特征简档来确定推荐的服务、应用、媒体、文档、内容和产品。此外，计算模块205可以用于训练用以计算用户特征简档的统计模型。由此，计算模块205可以根据预定义特征、基于从多个用户收集的基线数据来识别多个用户，以及基于该基线数据确定与这些用户相关联的参考使用向量。继而，计算模块205可以将预定义的特征与参考使用向量相关联。
输入模块203管理和传递到UE 101的输入，以及还传递传感器111a-111n获取的信息。到UE 101的输入可以采用各种形式，包括按压UE 101上的按钮、触摸触屏、通过拨号盘或拨号板滚动，等。传感器111a-111n获取的信息可以采用各种类型的数据形式，或者采用电信号，该电信号由输入模块203转换成数据形式。由输入模块203处理的某些信息可以用作交互数据。此外，输入模块203可以收集与UE 101的用户相关联的通信采样，使得可以执行识别分析以补充交互数据。通信模块209管理传入和传出通信，并且可以控制将通信历史存储在数据存储介质109或服务存储介质113中。通信模块209还可以收集与通信方、通信形式、通信时间有关的信息以及与通信有关的任何其他信息，使得此信息可以用作交互数据。呈现模块207控制用户接口(诸如，图形用户接口)的显示，以经由该接口传达信息以及允许用户与UE 101进行交互。此外，呈现模块207与控制模块201、输入模块203和通信模块209交互，以显示需要传达的任何所需信息，诸如，用户特征简档、交互历史日志，以及关于预定义特征的细节。
UE 101也可以连接至存储介质(诸如，数据存储介质109a-109n)，使得特征确定逻辑107可以访问数据存储介质109a-109n中的数据或者将数据存储于其中。如果数据存储介质109a-109n不在本地，则可以经由通信网络105对其进行访问。UE 101也可以经由通信网络105连接至服务存储介质113，使得特征确定逻辑107可以能够控制服务存储介质113中的数据，以及将数据存储在服务存储介质113中并访问之。
图3是根据一个实施方式、用于基于用户交互数据来估计用户特征的过程流程图。在一个实施方式中，特征确定逻辑107执行过程300，以及例如实现在芯片集(包括图9中示出的处理器和存储器)中。在步骤301中，特征确定逻辑107从与用户相关联的设备获取交互数据。继而，在步骤303中，根据交互数据确定使用向量。交互数据可以包括多个类型的数据，诸如，联系人列表的复合、通信历史、网页历史、日历信息、位置历史和环境信息，其中不同类型的交互数据形成对应的使用向量。
联系人列表的复合可以包括关于联系人数量的信息，以及关于每个联系人的信息，诸如性别、年龄等。例如，大量的联系人可以指示用户是性格外向者。又例如，联系人列表中的男性数量和女性数量可以指示用户的若干特征(例如，如果该用户是男性，并且联系人列表上大部分是女性，则这可能指示该用户是表现出大量女性特征的男性)。又例如，如果用户的年龄是40多岁，并且联系人上的大部分人是20多岁或者更小，则这可能指示该用户有颗年轻的心，这可能影响该用户的特征。通信历史包括电话通信的数量、文本消息或电子邮件消息的数量、电话通信的持续时长、传入通信的数量和传出通信的数量。可以分析使用不同形式通信的频率(例如，文本消息通信的数量和电话通信的数量)以及频繁通信的时间(例如，在白天、清晨和晚间进行通信的数量)以估计用户特征。此外，可以利用类别(诸如，好友、同事、家人等)对通信数量进行分类。例如，在设定时段内进行大量通信可能指示该用户喜欢花大量时间进行沟通，这指示了性格的一个方面。网页历史示出了用户访问的网页和访问的频率。用户访问的网页类型可以因用户的特征而发生变化，并且由此网页历史可以指示用户特征的一个方面。
此外，包括用户行程的日历信息可以指示用户特征。例如，日历信息可以示出该用户具有非常忙碌的社交行程，或者该日历信息可以示出该用户的工作行程涉及很多会议。基于日历上行动的类型和频率(或复现率)，可以估计用户特征。此外，在与诸如GPS设备的位置检测设备耦合时，日历信息也可以示出在日历显示用户需要在某个时间出现在某个地点时该用户是否准时。位置历史可以保有用户移动设备的位置记录，以及由此，假设该用户位于用户的移动设备附近，该位置历史保有用户位置的记录。移动设备可以依赖于GPS设备、小区ID和/或基于WiFi的位置检测，来估计移动设备的位置。移动设备的位置可以同与位置(例如，家庭、酒吧、饭馆、学校等)有关的信息耦合。例如，指示该用户频繁出入酒吧和餐馆的一个用户位置历史和指示该用户通常在家的另一个用户位置历史可以产生不同的特征指示。环境信息可以包括噪音水平、亮度等，并且可以从感测声音、亮度等的传感器111获取这种信息。例如，频繁出入吵闹场所(诸如，酒吧和嘈杂的餐馆)的用户较之于频繁出入安静场所的用户，可能具有不同的特征品质。此外，媒体使用历史(例如，下载、流传输、不同媒体类型播放的历史)也可以用于估计特征，因为用户倾向于基于其特征来偏好不同的媒体类型和流派。此外，应用使用历史可以用于估计特征，因为用户可能基于其特征而使用不同类型的应用。例如，可以通过检查用户日常玩哪些类型的游戏(例如，动作游戏、迷宫游戏、角色扮演游戏等)来估计用户特征的某些方面。
在步骤305，特征确定逻辑107将在步骤303中确定的使用向量与预定义的特征相关。特征可以是用户个性的某些方面的预定义指示符。例如，迈尔斯-布里格斯类型指示符(MBTI)可以通过测量人员如何感受不同的情景和如何做出决定而用作预定义的特征。迈尔斯-布里格斯类型指示符涉及代表不同特征方面的四对二分类，即，(1)外向/内向、(2)实感/直觉、(3)思考/情感和(4)判断/知觉，其中项目(1)代表态度，项目(2)和(3)代表心理功能，以及项目(4)代表生活方式。由此，这四对二分类可以与使用向量相关。预定义的特征也可以与年龄、性别或家庭关系有关。例如，年龄和性别可以通过检验通信期间的语音来估计。家庭关系可以通过检验例如位置历史和通信历史来估计。如果某些用户每晚都处于相同位置(例如，住宅)，并且在该位置待了整个晚上(即，睡眠)，则这可能指示这些用户可能是家庭成员。如果这些用户在假期一起前往相同地点，这可能是这些用户可能是家庭成员的附加指示。此外，在步骤305，使用向量与预定义特征之间的相关可以以诸如统计分类器的模型或算法为基础。
在一个实施方式中，用户A和用户B的传感器数据可定义用户A和用户B是家庭成员。基于此定义的关系，用户A的设备可以接收、传输和/或与用户B的设备交换传感器数据。在一个实施方式中，关系的密切度可以用于定义交换哪些传感器数据。例如，如果用户A和用户B具有密切关系(例如，丈夫和妻子)，则可以交换更特定的位置数据(例如，准确到几米)和/或更频繁的数据(例如，每小时对每天)。在另一示例中，如果关系并不十分密切(例如，用户A和用户B仅是相同社交网络的成员)，则可能不允许交换传感器数据，或者针对交换传感器数据需要请求特定的事先批准。在没有交换附加传感器数据时，特征确定逻辑107仍可以评价其他可用数据(例如，通信历史、联系人列表等)。
继而，可以在每个用户的相应设备中对来自用户A设备的传感器数据和来自用户B设备的传感器数据进行比较，以例如确定在传感器数据之间是否存在足够密切的匹配(例如，两个设备中的位置数据指示位置已足够相似，或者，在过去一年中，这两个用户一起在两个或更多地点的活动超过预定次数)。在一个实施方式中，足够密切的匹配可能引发用户A和用户B一人或二人的设备中用户界面或软件特征的改变。例如，用户A的设备可以改变或者建议改变其界面或特征(例如，用户A设备中的电话簿)，使得与用户B有关的数据或信息更加可用、可见或以其他方式更易于访问。例如，设备的改变可以包括：(1)在屏幕上实现可点击的小部件以呈现用户数据；(2)改变设备电话簿中姓名的顺序；(3)向电话簿添加字段以区分工作、家庭、爱好相关的联系人等；(4)向用户在其设备中可能具有的某些图像添加元数据；(5)向地图应用添加元数据，使得在用户回顾其自己的跟踪路径时，基于识别的两个用户之间的类似数据，还可以找到和指示出两个用户的组合路径；或其他类似改变。
在一个实施方式中，用户A的设备执行计算机程序，其基于针对分析数据研发的逻辑、方法或过程来处理数据。附加地或备选地，对数据的分析可以由服务提供者或其他外部服务器、计算机系统、平台、模块、其组合等执行。以此方式，如果用户A的设备具有有限的资源(例如，有限的存储器、有限的处理能力等)，则分析过程的全部或部分可以与例如服务提供者或其他外部部件共享。在一个实施方式中，此数据分析可以在服务入口(例如，诺基亚的OVI服务)处执行，其中来自用户A和用户B的数据可以在该服务入口处进行收集，以及可以在该服务入口处执行用户之间的分析。
继而，在步骤307中，特征确定逻辑107基于经相关的特征来计算用户特征简档。附加地，尽管流程图中未示出，但是可以随着时间的推移来更新用户特征简档。例如，可以监控一段时间的交互数据，以及可以基于监控的交互数据来更新用户特征简档。这是有利的，因为特征确定逻辑107基于近期的交互数据持续地更新用户特征简档，以及由此可以提供用户特征简档的准确且最新的版本。此外，在用户特征简档计算的稍后阶段，获取的交互数据量比初始阶段更多，以及由此，能够随着获取到更多的交互数据来继续更新用户特征简档可能是重要的。
此过程是有益的，因为其提供了一种随着用户自然地使用该用户的移动设备，基于用户的移动设备收集的交互数据来确定用户特征的各种方面的方法。此外，基于交互数据，可以持续地更新用户特征。由此，此过程提供了无需消耗用户时间和精力便能确定用户特征的容易方式。特征确定逻辑107是用于实现这些优势的手段。
图4是根据一个实施方式、将初始特征与交互训练数据相关联的过程流程图。在一个实施方式中，特征确定逻辑107执行过程400，并且例如实现在包括如图9所示处理器和存储器的芯片集中。在步骤401中，UE 101a-101n的特征确定逻辑107a-107n呈现特征调查卷，如步骤401所示，用以在最初估计UE 101a-101n的用户特征。用户可以选择参与调查卷或拒绝参与。通信服务103也可以设置为利用虚拟货币、点数、附件等来给予参与调查卷的用户奖励，以激励用户参与。调查卷例如可以基于迈尔斯-布里格斯类型指示符评估调查卷。用户继而可以回答这些问题，使得特征确定逻辑107接收用户对调查卷的响应，如步骤403所示。继而，特征确定逻辑107基于响应来确定初始特征，如步骤405所示。此外，如步骤407所示，在每个UE 101a-101n处收集交互训练数据。此处，交互训练数据和初始特征形成基线数据，用于在最初估计特征以及训练统计分类器，使得统计分类器可以在稍后用于基于交互数据来估计用户特征，而不用呈现特征调查卷。交互训练数据是这样的交互数据，其被收集以用于训练统计分类器，并且直到从足够数量的用户获取了足够的交互训练数据才停止收集，如步骤409所示。作为训练统计分类器的一部分，初始特征与交互训练数据相关联，如步骤411所示。此关联可以由特征确定逻辑107或通信服务103执行。然而，在通信服务103中执行步骤411可能更为有利，因为步骤411可以处理来自很多不同用户的大量数据，以及通信服务103较之于特征确定逻辑107可以具有较高的处理功率。
此过程是有利的，因为其训练了统计分类器，以便帮助准确确定用户特征。特征确定逻辑107和/或通信服务103是用于实现这些优势的手段。
图5是根据一个实施方式、用于利用采样的通信信息来补充交互数据的过程流程图。在一个实施方式中，特征确定逻辑107执行过程500，并且特征确定逻辑107例如实现在包括如图9所示处理器和存储器的芯片集中。在步骤501中，特征确定逻辑107取得通信方之间通信的采样。采样可以是通信方之间的通信音频剪辑，以及为了识别分析能够在采样上正常工作，采样的持续时长需要足够长。继而，在步骤503中，特征确定逻辑107在采样的通信上执行识别分析。识别分析可以包括语音识别和音高/声音识别，其可以用于确定近似的年龄和性别。例如，青少年的声音与年长者的声音听起来不同，以及由此识别分析可以能够区分年龄组。此外，女性的声音通常比男性的声音音高高，这可以由识别分析进行区分。此外，基于识别分析，特征确定逻辑107估计关于通信方的信息，如步骤505所示。关于通信方的信息可以包括通信方的身份、通信方的特征和通信中的环境特征。识别分析可以能够区分联系人列表上人员的声音，以及确定通信方的身份。继而，利用基于识别分析估计的信息来补充交互数据，如步骤507所示。
由此，此识别分析过程是有利的，因为其提供了用于计算用户特征简档的附加信息，以及由此，支持了更准确地确定用户行为。附加信息可以用于补充由交互数据提供的信息。特征确定逻辑107是用于实现这一优势的手段。
图6A-图6B是根据各种实施方式、在图3的过程中计算用户特征简档的图示。图6A示出了用以使用输入向量来估计用户特征简档的过程600的框图。示出为I的输入使用向量601包括与上述多个交互数据有关的信息。由此，输入使用向量601可以表示为I＝(i1，i2，i3，…，iN)，其中i1-iN代表针对N个交互数据类型的参数。如果确定了用户的个性，则示出为C的用户特征简档605可以编码为四个维度的组合，这四个维度定义为内向/外向(E/I)、实感/直觉(S/I)、思考/情感(I/F)和判断/知觉(J/P)。例如，具有外向、实感、思考和判断这四个特征的用户可以由函数C＝(E，S，T，J)来表示。当基于获取的交互数据确定了输入使用向量601时，使用向量被用于基于该使用向量和预定义的特征、使用示出为M的统计分类器603来计算用户特征简档。统计分类器603可以是决策树(DT)、人工神经网络(ANN)或支持向量机(SVM)。统计分类器M 603可以包括一个或多个分类器。例如，统计分类器M 603可以包括针对迈尔斯-布里格斯评估的所有四个二分类进行训练的一个分类器，或者可以包括四个分类器，每个分类器被指派给这四个二分类，以使得每个分类器处理一个二分类。此外，统计分类器M 603可以这样设置，以使得分类可以以离散方式实现或者作为概率测度实现。例如，在离散方式中，态度可以确定为外向或内向，而在概率测度中，态度可以按程度确定，诸如80％外向或20％内向。
图6B示出了决策树，其可以针对统计分类器M 603实现。决策树630从根节点631向下遍历。在此示例中，在根节点处，树以态度a1和特征c1开始。在此遍历期间，决策树沿这样的分支向下，其中，态度值与该分支代表的信息相匹配。树一直向下遍历，直到找到叶子节点635，或者在树中未找到匹配的态度值。此示例中的内部节点633仅具有一个内部节点，但是也可以包括多个层次的内部节点。在叶子节点633中，特征值例如C3-C9可以代表迈尔斯-布里格斯类型指示符评估二分类。在决策树实现中，统计分类器M 603可以设计为给出离散输出(例如，外向或内向)，或者备选地，利用支持向量机或隐式马尔科夫模型，可以计算概率测度输出的实现(例如，80％外向和20％内向)。
图7A-图7B是根据各种实施方式、在图3的过程中利用的用户界面图示。图7A是根据一个实施方式的、示出联系人列表的联系人列表用户界面700。信息面板701显示该用户界面700正在示出联系人列表。用户面板703示出了与设备用户有关的信息，诸如，用户姓名、用户的电话号码、个性、性别和年龄组。联系人列表705具有用户可以联系的人员列表。针对每个联系人，示出了人员姓名707、人员电话号码709和简单的特征简档711。简单的特征简档711示出了迈尔斯-布里格斯类型指示符、性别(例如，M代表男性和F代表女性)和年龄组(例如，儿童、青少年、成年人、年长者、老年人)。用户可以将醒目显示的条带上移和下移，以选择要联系的人员。在此情况下，醒目显示的条带位于“Lauren Anderson”上。可以选择呼叫选项713或文本选项715，以允许用户向选定的人员拨打电话或发送文本消息。可以选择特征选项717以查看关于选定人员特征简档的细节。也可以选择用户面板703以查看关于用户特征简档的细节。编辑选项719允许用户改变选定人员的联系信息。
图7B是根据一个实施方式、示出关于特征简档的细节的特征简档用户界面730。在选择了图7A中的特征选项717时，可以激活特征简档用户界面730。信息面板731显示该用户界面正在显示用户(即，自己，我)的特征简档。迈尔斯-布里格斯面板733示出了四个二分类和针对每个二分类的程度。在此示例中，用户具有80％的外向(E)，以及由此具有20％的内向。该用户还具有72％的实感(S)、55％的情感(F)和92％的判断(J)，以及由此具有28％的直觉(I)、45％的思考(T)和8％的知觉(P)。摘要面板735具有滚动条带637，用于在显示用户特征摘要的摘要面板735上进行上下导航。此外，关于收集交互数据的时间可以在数据收集面板739中示出，在此示例中，该面板739显示从2008年1月3日开始收集交互数据。数据类型面板741示出了在计算特征时考虑的交互数据类型。之前已经讨论过交互数据类型的示例。日志选项743针对时间示出了所收集交互数据的详细日志。更新选项745允许通过将直到最近收集的交互数据纳入考虑来对特征进行更新。在特征简档用户界面730底部，可以看到基于特征的推荐。朋友选项747基于特征建议可能是朋友的可能用户，以及约会选项749基于用户的特征建议UE 101用户的可能约会。媒体选项751基于用户的特征来建议媒体。针对推荐的附加选项可以在单独的用户界面(未示出)中进行选择，其中附加选项可以包括对应用、文档、产品、内容等的推荐。工作选项753基于用户的特征来建议工作。
此处描述的用以基于用户交互数据来估计用户特征的过程可以有利地经由软件、硬件(例如，通用处理器、数字信号处理(DSP)芯片、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等)、固件或其组合实现。以下详细描述这种用于执行所描述功能的示例性硬件。
图8图示了本发明实施方式可以在其上实现的计算机系统800。尽管针对特定设备或装置描述了计算机系统800，但是应当理解，图8中的其他设备或装置(例如，网络元件、服务器等)可以部署系统800的示出硬件和部件。计算机系统800被编程(例如，经由计算机程序代码或指令)以如此处所述的基于用户交互数据来估计用户特征，而且包括诸如用于在计算机系统800的其他内部组件和外部组件之间传递信息的总线810的通信机制。信息(也称为数据)表示为可测量现象(典型为电压)的物理表达，但在其他实施方式中，这种现象包括磁的、电磁的、压力的、化学的、生物的、分子的、原子的、亚原子和量子交互的现象。例如，北和南磁场，或零和非零电压，表示二进制位(比特)的两种状态(0，1)。其他现象可以表示更高基数的位。多个同时量子态在测量前的叠加表示量子位(qubit)。一个或多个位的序列构成用于表示字符的编号或代码的数字数据。在一些实施方式中，称为模拟数据的信息由特定范围内可测量值的近连续来表示。计算机系统800或其部分构成用于执行基于用户交互数据来估计用户特征的一个或多个步骤的装置。
总线810包括一个或多个并联的信息导线，从而信息在耦合到总线810的设备之间快速传输。一个或多个处理信息的处理器802与总线810耦合。
处理器802对信息执行与基于用户交互数据来估计用户特征有关的计算机程序代码所指定的操作集。计算机程序代码是指令或语句的集合，其为处理器和/或计算机系统的操作提供指令以执行指定功能。例如，可以用编译为处理器本地指令集的计算机编程语言来编写代码。还可以直接用本地指令集(例如，机器语言)编写代码。操作集包括从总线810导入信息和置入信息到总线810上。操作集典型地还包括比较两个或更多的信息单元、移动信息单元的位置和组合两个或更多的信息单元，诸如通过加法或乘法或诸如或(OR)、异或(XOR)和与(AND)的逻辑操作。操作集中每个可由处理器执行的操作通过称为指令的信息(诸如一或多位的操作代码)表现给处理器。将由处理器802执行的操作序列(诸如操作代码序列)构成处理器指令，也称为计算机系统指令或简单称为计算机指令。除了别的之外，处理器可以单独或者结合地实施为机械的、电的、磁的、光学的、化学的或量子的组件。
计算机系统800还包括耦合到总线810的存储器804。存储器804，诸如随机访问存储器(RAM)或其他动态存储设备，存有包括用于基于用户交互数据来估计用户特征的处理器指令的信息。动态存储器允许计算机系统800改变存储于其中的信息。RAM允许存储在称为存储器地址的位置处的信息单元独立于临近地址处的信息被储存和检索。存储器804还被处理器802使用，以存储执行处理器指令过程中的临时值。计算机系统800还包括耦合到总线810的只读存储器(ROM)806或其他静态存储设备，用于存储静态包括指令的信息，其不被计算机系统800所改变。一些存储器由掉电时会失去存储于其上的信息的易失性存储组成。非易失性(永久)存储设备808也耦合到总线810，诸如磁盘、光盘或快闪卡，用于存储包括指令的信息，其即使当计算机系统800关闭或以其他方式断电时也存留。
包括用于基于用户交互数据来估计用户特征的指令的信息从诸如传感器或包含由人类用户操作的字母数字键的键盘之类的外部输入设备812提供到总线810以供处理器使用。传感器检测其附近的状况，而且将这些检测转化为与用于表现计算机系统800中的信息的可测量现象相兼容的物理表述。耦合到总线810的其他外部设备主要用于与人交互，包括诸如阴极射线管(CRT)或液晶显示器(LCD)的显示设备814或等离子屏或用于呈现文本或图像的打印机，以及诸如鼠标、轨迹球或光标导向键的指点设备816，或用于控制呈现在显示器814上的小光标图像位置和发布与呈现在显示器814上图形元件相关联的命令的运动传感器。在一些实施方式中，例如，在计算机系统800无需人工输入而自动执行所有功能的实施方式中，外部输入设备812、显示设备814和指点设备816中的一个或多个被省略。
在示出的实施方式中，特定目的硬件，诸如专用集成电路(ASIC)820耦合到总线810。特定目的硬件配置用于执行处理器802针对特定目的未能足够快的执行的操作。专用IC的示例包括用于为显示器814生成图像的图形加速卡、加密和解密跨网络发送的消息的密码卡、语音识别和到诸如机器臂和医疗扫描装备等特殊外部设备的接口，这些特殊外部设备重复执行由硬件实施更为有效的一些复杂操作序列。
计算机系统800还包括耦合到总线810的通信接口870的一个或多个实例。通信接口870提供耦合到利用自身处理器操作的多样外部设备的单向或双向通信，这些外部设备诸如是打印机、扫描仪和外部磁盘。一般地，该耦合是利用连接到本地网络880的网络链路878，其中多种利用自身处理器的外部设备连接到本地网络880。例如，通信接口870可以是个人计算机上的并口、串口或通用串行总线(USB)端口。在一些实施方式中，通信接口870是提供到相应类型电话线的信息通信连接的综合业务数字网(ISDN)卡、数字用户线路(DSL)卡或电话调制解调器。在一些实施方式中，通信接口870是电缆调制解调器，其将总线810上的信号转化为用于同轴电缆上通信连接的信号，或转化为用于在光缆上通信连接的光学信号。作为另外示例，通信接口870可以是提供到诸如因特网的兼容LAN的数据通信连接的局域网(LAN)卡。还可以实施无线链接。对于无线链接，通信接口870发送或接收，或既发送又接收承载诸如数字数据等信息流的电、声学或者电磁信号，包括红外和光学信号。例如，在无线手持设备中，诸如比如蜂窝电话的移动电话，通信接口870包括称为无线收发信机的无线电频段电磁发射器和接收器。在某些实施方式中，通信接口870支持到通信网络105的连接，以用于基于用户交互数据来估计用户特征。
这里使用术语“计算机可读介质”是指参与向处理器802提供信息的任意介质，包括用于执行的指令。这样的介质可以为许多形式，包括但是不局限于：计算机可读存储介质(例如，非易失性介质、易失性介质)和传输介质。非瞬态介质(诸如，非易失性介质)例如包括光盘或磁盘，诸如存储设备808。易失性介质包括例如动态存储器804。传输介质例如包括同轴电缆、铜线、光缆和无需线和缆在空间穿行的载波，诸如声波和电磁波，包括无线电波、光波和红外波。信号包括幅度、频率、相位、极化的人为瞬时变化或通过传输介质传播的其他物理属性。计算机可读介质的通常形式例如包括软盘、柔性盘、硬盘、磁带、任意其他磁介质、CD-ROM、CDRW、DVD、任意其他光介质、打孔卡、纸带、光符板、具有孔样式或其他光学可识别标记的任意其他物理介质、RAM、PROM、EPROM、FLASH-EPROM、任意其他的存储器芯片或盒式磁盘、载波或计算机可读的任意其他介质。这里使用术语“计算机可读介质”是指除了传输介质之外的任意计算机可读介质。
编码在一个或多个有形介质中的逻辑包括计算机可读存储介质和专用硬件(诸如，ASIC 820)中之一或二者上的处理器指令。
网络链路878典型地使用通过一个或多个网络的传输介质向使用或处理信息的其他设备提供这些信息。例如，网络链路878可以通过本地网络880提供去往由因特网服务提供者(ISP)操作的设备884或主机计算机882的连接。ISP设备884转而通过现在称为因特网890的、网络的公共全球分组交换通信网络来提供数据通信服务。
连接至因特网的、称为服务器主机892的计算机主控响应于通过因特网接收的信息而提供服务的过程。例如，服务器主机892主控提供代表呈现在显示器814上的视频数据的信息的过程。预期系统800的部件可以以各种配置部署在其他计算机系统中，例如，主机882和服务器892。
本发明的至少某些实施方式涉及使用计算机系统800来实现此处描述的某些或全部技术。根据本发明的一个实施方式，这些技术响应于处理器802执行存储器804中包含的一个或多个处理器指令的一个或多个序列而由计算机系统800执行。这种指令(也称为计算机指令、软件和程序代码)可以从诸如存储设备808或网络链路878的另一计算机可读介质读取至存储器804中。包含在存储器804中的指令序列的执行引起处理器802执行此处描述的一个或多个方法步骤。在备选实施方式中，诸如ASIC 820的硬件可以替代或结合软件使用，以实现本发明。由此，本发明的实施方式不限于任何特定的硬件和软件组合，除非以其他方式在此明确表明。
在网络链路878和其他网络上通过通信接口870传输的信号携带去往和来自计算机系统800的信息。除了其他之外，计算机系统800可以通过网络880、890，经由网络链路878和通信接口870发送和接收信息，包括程序代码。在使用因特网890的示例中，服务器主机892通过因特网890、ISP设备884、本地网络880和通信接口870传输从计算机800发送的消息所请求的特定应用的程序代码。所接收的代码可以在接收时由处理器802执行，或者可以存储在存储器804或存储设备808或其他非易失性存储中以供后续执行，或者二者皆可实现。以此方式，计算机系统800可以获取载波上信号形式的应用程序代码。
各种形式的计算机可读介质可以用于将指令或数据或二者的一个或多个序列携带至处理器802以供执行。例如，指令和数据最初可以承载在远程计算机(诸如，主机882)的磁盘上。远程计算机将指令和数据加载至其动态存储器，并使用调制解调器通过电话线来发送指令和数据。计算机系统800本地的调制解调器在电话线上接收指令和数据，并且使用红外发射器来将这些指令和数据转换为用作网络链路878的红外载波上的信号。用作通信接口870的红外检测器接收在红外信号中携带的指令和数据，并将代表指令和数据的信息放置在总线810上。总线810将这些信息携带至存储器804，处理器802从存储器804处获取指令并使用与指令一起发送的某些数据来执行指令。在存储器804中接收的指令和数据可以可选地存储在存储设备808上，或者在由处理器802执行之前，或者在其执行之后。
图9示出本发明实施方式可以在其上实施的芯片集900。芯片集900被编程以如这里描述的基于用户交互数据来估计用户特征，而且例如包括参照图8描述的、结合到一个或多个物理包(例如，芯片)中的处理器和存储器部件。通过示例方式，物理包包括一个或多个物质、部件、和/或电线在结构组件(例如，基板)上的布置，以提供诸如物理强度、保存尺寸和/或电交互局限的一个或多个特征。预期在某些实施方式中，芯片集可以实施为单芯片。芯片集900或其部分构成用于执行基于用户交互数据来估计用户特征的一个或多个步骤的装置。
在一个实施方式中，芯片集900包括诸如用于在芯片集900的部件之间传送信息的总线901之类的通信机制。处理器903具有到总线901的连通性，以执行指令和处理存储在例如存储器905中的信息。处理器903可以包括一个或多个处理核，每个核配置为独立操作。多核处理器支持单个物理包中的多处理。多核处理器的示例包括两个、四个、八个或更多数目的处理核。可替换地或附加地，处理器903可以包括一个或多个经由总线901串联的微处理器，以支持独立执行指令、流水线和多线程。处理器903还可以与诸如一个或多个数字信号处理器(DSP)907，或者一个或多个专用集成电路(ASIC)909之类的一个或多个专用部件相互协同，以执行某些处理功能和任务。DSP 907典型地配置为独立于处理器903实时处理现实世界信号(例如，声音)。类似地，ASIC 909可以配置为执行通用处理器难以执行的专用功能。其他有助于执行这里描述的本发明功能的专用部件包括一个或多个现场可编程门阵列(FPGA)(未示出)，一个或多个控制器(未示出)或一个或多个其他专用计算机芯片。
处理器903和协同部件具有经由总线901到存储器905的连通性。存储器905包括用于存储可执行指令的动态存储器(例如，RAM、磁盘、可写光盘等)和静态存储器(例如，ROM、CD-ROM等)，当指令被运行时执行这里描述的发明步骤以基于用户交互数据来估计用户特征。存储器905还存储与执行本发明步骤相关联的数据或执行本发明步骤所产生的数据。
图10是根据一个实施方式、能够在图1系统中操作的用于通信的移动终端(例如，手持设备)的示例性部件图示。在某些实施方式中，移动终端1000或其部分构成用于执行基于用户交互数据来估计用户特征的一个或多个步骤的装置。通常，依据前端和后端特征来定义无线电接收器。接收器的前端涵盖所有射频(RF)电路，而后端涵盖所有基带处理电路。如此申请中使用的，术语“电路”涉及以下二者：(1)仅硬件实现(诸如以模拟和/或数字电路实现)，和(2)电路和软件(和/或固件)的组合(诸如，如果适用于特定上下文，则涉及处理器(包括数字信号处理器)、软件和存储器的组合，这些部件一起工作以引起诸如移动电话或服务器之类的设备执行各种功能)。“电路”的这一定义在此申请中适用于此术语的所有使用，包括在任何权利要求中也是如此。作为另一示例，如在此申请中使用的以及如果适用于特定上下文，术语“电路”也将覆盖仅处理器(或多个处理器)及其随附软件和/或固件的实现。如果适用于特定上下文，术语“电路”也将覆盖例如移动电话中的基带集成电路或应用处理器集成电路，或者蜂窝网络设备或其他网络设备中类似的集成电路。
电话的有关内部部件包括主控单元(MCU)1003、数字信号处理器(DSP)1005和包括麦克风增益控制单元和扬声器增益控制单元的接收器/发射器单元。主显示单元1007向用户提供显示以支持各种应用，以及执行或支持基于用户交互数据来估计用户特征的步骤的移动终端功能。显示器10包括配置用于显示移动终端(例如，移动电话)用户界面的至少部分的显示电路。附加地，显示器1007和显示电路配置用于促进用户对移动终端至少某些功能的控制。音频功能电路1009包括麦克风1011和放大从麦克风1011输出的语音信号的麦克风放大器。放大的语音信号从麦克风1011输出，馈送到编码器/解码器(CODEC)1013。
无线电部分1015放大功率并转变频率以经由天线1017与基站通信，其中基站包含在移动通信系统中。如现有技术已知，功率放大器(PA)1019和发射器/调制电路可操作地响应于MCU 1003，从PA 1019的输出耦合到双工器1021或循环器或天线开关。PA 1019还耦合到电池接口和功率控制单元1020。
在使用中，移动终端1001的用户对着麦克风1011讲话，而且他或她的语音连同任何检测到的背景噪音被转换为模拟电压。模拟电压继而通过模拟到数字转换器(ADC)1023转换为数字信号。控制单元1003将数字信号路由到DSP 1005以在其中处理，诸如语音编码、信道编码、解密和交织。在一个实施方式中，处理后的语音信号由没有单独示出的单元进行编码，其使用蜂窝传输协议，诸如全球演进(EDGE)、通用分组无线服务(GPRS)、全球移动通信(GSM)、因特网协议多媒体子系统(IMS)、通用移动通信系统(UMTS)等，以及例如微波接入(WiMAX)、长期演进(LTE)网络、码分多址(CDMA)、宽带码分多址(WCDMA)、无线保真(WiFi)、卫星及类似的其他任意合适的无线介质。
编码信号接着路由到均衡器1025，以补偿在穿过空气而传输的过程中发生的、与频率相关的任意损失，诸如相位和幅度失真。均衡比特流之后，调制器1027将该信号与RF接口1029中产生的RF信号结合。调制器1027通过频率或相位调制产生正弦波。为了准备传输信号，上变频器1031将调制器1027输出的正弦波与合成器1033产生的另一正弦波相结合，以达到传输期望频率。接着经过PA 1019发送信号，以将该信号增加到恰当的功率级别。在特定系统中，PA1019作为可变增益放大器，其增益由DSP 1005根据从网络基站接收的信息进行控制。信号接着在双工器1021内过滤，而且可选地发送到天线耦合器1035以匹配阻抗，从而提供最大功率传输。最后，信号经由天线1017发射到本地基站。可以提供自动增益控制(AGC)，以控制接收器最后级的增益。信号可以从那里转发至可以是另一蜂窝电话、其他移动电话或连接到公共交换电话网络(PSTN)或其他电话网络的陆上通讯线的远程电话。
发射到移动终端1001的语音信号经由天线1017被接收，而且立刻被低噪放大器(LNA)1037放大。下变频器1039降低载波频率，而解调器1041将RF剥离为只剩下数字比特流。信号接着穿过均衡器1025且被DSP 1005处理。数字到模拟转换器(DAC)1043转换该信号，而且得到的输出通过扬声器1045被发送到用户，这都在可以实施为中央处理单元(CPU)(没有示出)的主控单元(MCU)1003的控制之下。
MCU 1003接收包括来自键盘1047的输入信号的许多信号。与其他用户输入部件(例如，麦克风1011)结合的键盘1047和/或MCU1003包括用于管理用户输入的用户接口电路。MCU 1003运行用户接口软件以促进用户控制移动终端1001的至少一些功能，从而基于用户交互数据来估计用户特征。MCU 1003还分别递送显示命令和切换命令到显示器1007以及到语音输出切换控制器。此外，MCU 1003与DSP 1005交换信息，而且能够访问可选并入的SIM卡1049和存储器1051。另外，MCU 1003执行该终端所需要的各种控制功能。取决于具体实施，DSP 1005可以执行关于语音信号的许多传统数字处理功能中的任意。另外地，DSP 1005根据麦克风1011检测的信号确定本地环境的背景噪声水平，而且将麦克风1011的增益设置到补偿移动终端1001用户的自然趋势的选定级别。
CODEC 1013包括ADC 1023和DAC 1043。存储器1051存储包括呼入音数据的许多数据，而且能够存储其他数据，包括经由例如全球因特网接收到的音乐数据。软件模块可以驻留在RAM存储器、闪存、寄存器或其他任意形式的本领域公知的可写存储介质中。存储设备1051可以是，但是不局限于：单存储器、CD、DVD、ROM、RAM、EEPROM、光存储或任意其他能够存储数字数据的非易失性存储介质。
例如，可选并入的SIM卡1049承载诸如蜂窝电话号码、载波提供服务、订阅细节和安全信息的重要信息。SIM卡1049主要服务于在无线电网络中标识移动终端1001。卡1049还包含用于存储个人电话号码登记簿、文本消息和用户特定移动台设置的存储器。
尽管结合许多实施方式和实现对本发明进行了描述，本发明却并不如此局限，而应该覆盖落入所附权利要求范围内的许多明显修改和等同布置。虽然在权利要求中以某种组合表述了本发明的特征，可以预期到能够按照任意组合和顺序布置这些特征。

Claims (38)

1.一种方法，包括：
从与用户相关联的设备获取交互数据；
根据所述交互数据确定使用向量；
将确定的使用向量与一个或多个预定义特征相关；以及
至少部分基于一个或多个经相关的特征来计算用户特征简档。
2.如权利要求1的方法，进一步包括：
至少部分引起对与所述用户相关联的一个或多个通信进行采样；
对经采样的一个或多个通信执行识别分析；以及
利用所述识别分析的结果来补充所述交互数据。
3.如权利要求2的方法，所述方法进一步包括：
基于所述识别分析，确定通信方、所述通信方的特征、环境特征或这些的组合，
其中补充所述交互数据包括确定的通信方、所述通信方的特征、环境特征或这些的组合。
4.如权利要求1-3中任一项的方法，进一步包括：
基于所述用户特征简档，确定推荐的服务、应用、媒体、文档、内容、产品或这些的组合；以及
至少部分引起对确定的推荐的呈现。
5.如权利要求1-4中任一项的方法，进一步包括：
监控一段时间的所述交互数据，
其中所述用户特征简档是基于监控的所述交互数据来更新的。
6.如权利要求1-5中任一项的方法，进一步包括：
从多个其他用户收集基线数据集合；
至少部分基于所述基线数据集合，根据所述一个或多个预定义特征来识别所述其他用户中的每个用户；
至少部分基于所述基线数据集合，确定与所述其他用户中的每个用户相关联的参考使用向量；以及
将所述预定义特征中的每个预定义特征与所述参考使用向量的相应参考使用向量相关联，
其中所述确定的使用向量与所述一个或多个预定义特征的相关是至少部分基于所述相应参考使用向量与相应的特征的关联的。
7.如权利要求1-6中任一项的方法，其中所述用户简档是个性简档，并且所述预定义特征至少部分包括内向/外向二分类、实感/直觉二分类、思考/情感二分类、判断/知觉二分类，或这些的组合。
8.如权利要求1-7中任一项的方法，其中所述用户简档是家庭简档，并且所述预定义特征至少部分包括年龄、性别、家庭关系或这些的组合。
9.如权利要求1-8中任一项的方法，其中所述交互数据包括联系人列表信息、通信历史、web浏览历史、日历信息、移动历史、音频环境数据、应用使用历史、媒体使用历史，或这些的组合。
10.一种设备，包括：
至少一个处理器；以及
至少一个存储器，其包括计算机程序代码，
所述至少一个存储器和所述计算机程序代码配置用于与所述至少一个处理器一起，引起所述设备至少如下执行，
从与用户相关联的设备获取交互数据；
根据所述交互数据确定使用向量；
将确定的使用向量与一个或多个预定义特征相关；以及
至少部分基于一个或多个经相关的特征来计算用户特征简档。
11.如权利要求10的设备，其中所述设备被进一步引起至少部分执行：
至少部分引起对与所述用户相关联的一个或多个通信进行采样；
对经采样的一个或多个通信执行识别分析；以及
利用所述识别分析的结果来补充所述交互数据。
12.如权利要求10的设备，其中所述设备被进一步引起至少部分执行：
基于所述识别分析，确定通信方、所述通信方的特征、环境特征或这些的组合，
其中补充所述交互数据包括确定的通信方、所述通信方的特征、环境特征或这些的组合。
13.如权利要求10-12中任一项的设备，其中所述设备被进一步引起至少部分执行：
基于所述用户特征简档，确定推荐的服务、应用、媒体、文档、内容、产品或这些的组合；以及
至少部分引起对确定的推荐的呈现。
14.如权利要求10-13中任一项的设备，其中所述设备被进一步引起至少部分执行：
监控一段时间的所述交互数据，
其中所述用户特征简档是基于监控的所述交互数据来更新的。
15.如权利要求10-14中任一项的设备，其中所述设备被进一步引起至少部分执行：
从多个其他用户收集基线数据集合；
至少部分基于所述基线数据集合，根据所述一个或多个预定义特征来识别所述其他用户中的每个用户；
至少部分基于所述基线数据集合，确定与所述其他用户中的每个用户相关联的参考使用向量；以及
将所述预定义特征中的每个预定义特征与所述参考使用向量的相应参考使用向量相关联，
其中所确定的使用向量与所述一个或多个预定义特征的相关是至少部分基于所述相应参考使用向量与相应的特征的关联的。
16.如权利要求10-15中任一项的设备，其中所述用户简档是个性简档，并且所述预定义特征至少部分包括内向/外向二分类、实感/直觉二分类、思考/情感二分类、判断/知觉二分类，或这些的组合。
17.如权利要求10-16中任一项的设备，其中所述用户简档是家庭简档，并且所述预定义特征至少部分包括年龄、性别、家庭关系或这些的组合。
18.如权利要求10-17中任一项的设备，其中所述交互数据包括联系人列表信息、通信历史、web浏览历史、日历信息、移动历史、音频环境数据、应用使用历史、媒体使用历史，或这些的组合。
19.如权利要求10-17中任一项的设备，其中所述设备是移动电话，进一步包括：
用户接口电路和用户接口软件，配置用于促进通过使用显示器对所述移动电话至少某些功能的用户控制，以及配置用于对用户输入进行响应；以及
显示器和显示器电路，配置用于显示所述移动电话的用户接口的至少部分，所述显示器和显示器电路配置用于促进对所述移动电话的至少某些功能的用户控制。
20.一种计算机可读存储介质，携带一个或多个指令的一个或多个序列，在由一个或多个处理器执行时，其引起设备至少执行下述步骤：
从与用户相关联的设备获取交互数据；
根据所述交互数据确定使用向量；
将确定的使用向量与一个或多个预定义特征相关；以及
至少部分基于一个或多个经相关的特征来计算用户特征简档。
21.如权利要求20的计算机可读存储介质，其中所述设备被进一步引起至少部分执行：
至少部分引起对与所述用户相关联的一个或多个通信进行采样；
对经采样的一个或多个通信执行识别分析；以及
利用所述识别分析的结果来补充所述交互数据。
22.如权利要求21的计算机可读存储介质，其中所述设备被进一步引起至少部分执行：
基于所述识别分析，确定通信方、所述通信方的特征、环境特征或这些的组合，
其中补充所述交互数据包括确定的通信方、所述通信方的特征、环境特征或这些的组合。
23.如权利要求20-22中任一项的计算机可读存储介质，其中所述设备被进一步引起至少部分执行：
基于所述用户特征简档，确定推荐的服务、应用、媒体、文档、内容、产品或这些的组合；以及
至少部分引起对确定的推荐的呈现。
24.如权利要求20-23中任一项的计算机可读存储介质，其中所述设备被进一步引起至少部分执行：
监控一段时间的所述交互数据，
其中所述用户特征简档是基于监控的所述交互数据来更新的。
25.如权利要求20-24中任一项的计算机可读存储介质，其中所述设备被进一步引起至少部分执行：
从多个其他用户收集基线数据集合；
至少部分基于所述基线数据集合，根据所述一个或多个预定义特征来识别所述其他用户中的每个用户；
至少部分基于所述基线数据集合，确定与所述其他用户中的每个用户相关联的参考使用向量；以及
将所述预定义特征中的每个预定义特征与所述参考使用向量的相应参考使用向量相关联，
其中所述确定的使用向量与所述一个或多个预定义特征的相关是至少部分基于所述相应参考使用向量与相应的特征的关联的。
26.如权利要求20-25中任一项的计算机可读存储介质，其中所述用户简档是个性简档，以及所述预定义特征至少部分包括内向/外向二分类、实感/直觉二分类、思考/情感二分类、判断/知觉二分类，或这些的组合。
27.如权利要求20-26中任一项的计算机可读存储介质，其中所述用户简档是家庭简档，以及所述预定义特征至少部分包括年龄、性别、家庭关系或这些的组合。
28.如权利要求20-27中任一项的计算机可读存储介质，其中所述交互数据包括联系人列表信息、通信历史、web浏览历史、日历信息、移动历史、音频环境数据、应用使用历史、媒体使用历史，或这些的组合。
29.一种设备，包括：
用于从与用户相关联的设备获取交互数据的装置；
用于根据所述交互数据确定使用向量的装置；
用于将确定的使用向量与一个或多个预定义特征相关的装置；以及
用于至少部分基于一个或多个经相关的特征来计算用户特征简档的装置。
30.如权利要求29的设备，进一步包括：
用于至少部分引起对与所述用户相关联的一个或多个通信进行采样的装置；
用于对经采样的一个或多个通信执行识别分析的装置；以及
用于利用所述识别分析的结果来补充所述交互数据的装置。
31.如权利要求30的设备，进一步包括：
用于基于所述识别分析，确定通信方、所述通信方的特征、环境特征或这些的组合的装置，
其中补充所述交互数据包括确定的通信方、所述通信方的特征、环境特征或这些的组合。
32.如权利要求29-31中任一项的设备，进一步包括：
用于基于所述用户特征简档，确定推荐的服务、应用、媒体、文档、内容、产品或这些的组合的装置；以及
用于至少部分引起对确定的推荐的呈现的装置。
33.如权利要求29-32中任一项的设备，进一步包括：
用于监控一段时间的所述交互数据的装置，
其中所述用户特征简档是基于监控的所述交互数据来更新的。
34.如权利要求29-33中任一项的设备，进一步包括：
用于从多个其他用户收集基线数据集合的装置；
用于至少部分基于所述基线数据集合，根据所述一个或多个预定义特征来识别所述其他用户中的每个用户的装置；
用于至少部分基于所述基线数据集合，确定与所述其他用户中的每个用户相关联的参考使用向量的装置；以及
用于将所述预定义特征中的每个预定义特征与所述参考使用向量的相应参考使用向量相关联的装置，
其中所述确定的使用向量与所述一个或多个预定义特征的相关是至少部分基于所述相应参考使用向量与相应的特征的关联的。
35.如权利要求29-34中任一项的设备，其中所述用户简档是个性简档，并且所述预定义特征至少部分包括内向/外向二分类、实感/直觉二分类、思考/情感二分类、判断/知觉二分类，或这些的组合。
36.如权利要求29-35中任一项的设备，其中所述用户简档是家庭简档，并且所述预定义特征至少部分包括年龄、性别、家庭关系或这些的组合。
37.如权利要求29-36中任一项的设备，其中所述交互数据包括联系人列表信息、通信历史、web浏览历史、日历信息、移动历史、音频环境数据、应用使用历史、媒体使用历史，或这些的组合。
38.一种计算机程序产品，包括一个或多个指令的一个或多个序列，在由一个或多个处理器执行时，引起设备至少执行权利要求1-9中任一方法的步骤。
CN2010800662666A 2010-03-01 2010-03-01 用于基于用户交互数据来估计用户特征的方法和设备 Pending CN102859967A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2010/070810 WO2011106925A1 (en) 2010-03-01 2010-03-01 Method and apparatus for estimating user characteristics based on user interaction data

Publications (1)

Publication Number Publication Date
CN102859967A true CN102859967A (zh) 2013-01-02

Family

ID=44541610

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010800662666A Pending CN102859967A (zh) 2010-03-01 2010-03-01 用于基于用户交互数据来估计用户特征的方法和设备

Country Status (3)

Country Link
US (1) US20120331137A1 (zh)
CN (1) CN102859967A (zh)
WO (1) WO2011106925A1 (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103699823A (zh) * 2014-01-08 2014-04-02 同济大学 基于用户行为模式的身份认证系统及其方法
CN104216965A (zh) * 2014-08-21 2014-12-17 北京金山安全软件有限公司 信息推荐方法和装置
CN104601717A (zh) * 2015-01-30 2015-05-06 百度在线网络技术（北京）有限公司 通信信息的处理方法、装置及系统
CN104915354A (zh) * 2014-03-12 2015-09-16 深圳市腾讯计算机系统有限公司 多媒体文件推送方法及装置
CN105224281A (zh) * 2015-10-27 2016-01-06 合肥工业大学 语音导航菜单动态生成方法及系统
CN106164921A (zh) * 2014-07-18 2016-11-23 谷歌公司 利用协同定位信息的发言人验证
CN106503863A (zh) * 2016-11-10 2017-03-15 北京红马传媒文化发展有限公司 基于决策树模型的年龄特征的预测方法、系统及终端
CN106664219A (zh) * 2014-06-30 2017-05-10 康维达无线有限责任公司 基于过去历史数据的网络节点可用性预测
CN107430716A (zh) * 2015-03-31 2017-12-01 微软技术许可有限责任公司 推断用户睡眠模式
CN109509483A (zh) * 2013-01-29 2019-03-22 弗劳恩霍夫应用研究促进协会 产生频率增强音频信号的译码器和产生编码信号的编码器
CN112334882A (zh) * 2018-03-23 2021-02-05 雷克斯股份有限公司 用于对软件程序的用户反应进行评分的系统和方法
US11676608B2 (en) 2021-04-02 2023-06-13 Google Llc Speaker verification using co-location information
US11942095B2 (en) 2014-07-18 2024-03-26 Google Llc Speaker verification using co-location information

Families Citing this family (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9105053B2 (en) * 2010-03-23 2015-08-11 Nokia Technologies Oy Method and apparatus for determining a user age range
US8788927B2 (en) 2011-02-24 2014-07-22 Cbs Interactive Inc. System and method for displaying web page content
US9065793B2 (en) * 2011-02-24 2015-06-23 Cbs Interactive Inc. Rendering web content using pre-caching
US9253630B2 (en) 2011-06-02 2016-02-02 Truphone Limited Identity management for mobile devices
US9603006B2 (en) 2011-09-19 2017-03-21 Truphone Limited Managing mobile device identities
CN102541590B (zh) * 2011-12-14 2015-09-30 北京奇虎科技有限公司 一种软件推荐方法及推荐系统
US9710480B2 (en) 2012-03-09 2017-07-18 Nokia Corporation Method and apparatus for performing an incremental update of a recommendation model
US9202047B2 (en) 2012-05-14 2015-12-01 Qualcomm Incorporated System, apparatus, and method for adaptive observation of mobile device behavior
US9690635B2 (en) 2012-05-14 2017-06-27 Qualcomm Incorporated Communicating behavior information in a mobile computing device
US20130346195A1 (en) 2012-06-26 2013-12-26 Digital Turbine, Inc. Method and system for recommending content
US20140040171A1 (en) * 2012-07-31 2014-02-06 Triapodi Ltd Content-based demographic estimation of users of mobile devices and usage thereof
US9319897B2 (en) 2012-08-15 2016-04-19 Qualcomm Incorporated Secure behavior analysis over trusted execution environment
US9747440B2 (en) 2012-08-15 2017-08-29 Qualcomm Incorporated On-line behavioral analysis engine in mobile device with multiple analyzer model providers
GB201219931D0 (en) * 2012-11-06 2012-12-19 Truphone Ltd Management of contact information
US9928048B2 (en) 2012-12-18 2018-03-27 Digital Turbine, Inc. System and method for providing application programs to devices
US9928047B2 (en) 2012-12-18 2018-03-27 Digital Turbine, Inc. System and method for providing application programs to devices
US9686023B2 (en) 2013-01-02 2017-06-20 Qualcomm Incorporated Methods and systems of dynamically generating and using device-specific and device-state-specific classifier models for the efficient classification of mobile device behaviors
US10089582B2 (en) 2013-01-02 2018-10-02 Qualcomm Incorporated Using normalized confidence values for classifying mobile device behaviors
US9684870B2 (en) 2013-01-02 2017-06-20 Qualcomm Incorporated Methods and systems of using boosted decision stumps and joint feature selection and culling algorithms for the efficient classification of mobile device behaviors
US9742559B2 (en) 2013-01-22 2017-08-22 Qualcomm Incorporated Inter-module authentication for securing application execution integrity within a computing device
US20140298195A1 (en) * 2013-04-01 2014-10-02 Harman International Industries, Incorporated Presence-aware information system
WO2015039276A1 (en) * 2013-09-17 2015-03-26 Empire Technology Development Llc Automatic contacts sorting
US10740413B2 (en) * 2013-10-30 2020-08-11 Salesforce.Com, Inc. System and method for user information management via a user interface page
GB2539588A (en) 2014-03-13 2016-12-21 Nielsen Co Us Llc Methods and apparatus to compensate impression data for misattribution and/or non-coverage by a database proprietor
US10015720B2 (en) 2014-03-14 2018-07-03 GoTenna, Inc. System and method for digital communication between computing devices
US10261672B1 (en) * 2014-09-16 2019-04-16 Amazon Technologies, Inc. Contextual launch interfaces
US20160125891A1 (en) * 2014-10-31 2016-05-05 Intel Corporation Environment-based complexity reduction for audio processing
US10331308B2 (en) * 2014-10-31 2019-06-25 Ca, Inc. Arrangement of native applications on a mobile device user interface based on usage patterns
KR102307786B1 (ko) * 2014-12-19 2021-10-05 삼성전자주식회사 전자 장치 및 전자 장치의 사용자 프로파일 추측 방법
US20160189182A1 (en) 2014-12-31 2016-06-30 The Nielsen Company (Us), Llc Methods and apparatus to correct age misattribution in media impressions
US10045082B2 (en) 2015-07-02 2018-08-07 The Nielsen Company (Us), Llc Methods and apparatus to correct errors in audience measurements for media accessed using over-the-top devices
US10380633B2 (en) 2015-07-02 2019-08-13 The Nielsen Company (Us), Llc Methods and apparatus to generate corrected online audience measurement data
US9706349B2 (en) * 2015-09-30 2017-07-11 Here Global B.V. Method and apparatus for providing an association between a location and a user
US10884718B2 (en) * 2015-12-01 2021-01-05 Koninklijke Philips N.V. Device for use in improving a user interaction with a user interface application
EP3427549B1 (en) 2016-03-07 2019-11-06 Signify Holding B.V. Lighting system
US10909469B2 (en) 2016-05-02 2021-02-02 Surepeople Llc Data driven intelligent learning and development apparatus and method
US10895968B2 (en) * 2016-09-08 2021-01-19 DJI Research LLC Graphical user interface customization in a movable object environment
JP2021004860A (ja) * 2019-06-27 2021-01-14 Ｐｏｐｃｈａｔ株式会社 移動情報活用装置および移動情報活用方法
JP7340982B2 (ja) * 2019-07-26 2023-09-08 日本放送協会 映像紹介装置及びプログラム
GB2588197A (en) * 2019-10-14 2021-04-21 Global Radio Services Ltd Audio-based user matching

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030101024A1 (en) * 2001-11-02 2003-05-29 Eytan Adar User profile classification by web usage analysis
CN1969552A (zh) * 2004-06-17 2007-05-23 皇家飞利浦电子股份有限公司 使用个性属性的个性化概要
CN101359995A (zh) * 2008-09-28 2009-02-04 腾讯科技（深圳）有限公司 提供在线服务的方法和装置
US20090287656A1 (en) * 2008-05-13 2009-11-19 Bennett James D Network search engine utilizing client browser favorites
CN101620715A (zh) * 2009-08-06 2010-01-06 余洋 智能广告发布方法和系统
US20100004997A1 (en) * 2008-05-27 2010-01-07 Chand Mehta Methods and apparatus for generating user profile based on periodic location fixes
US20100036731A1 (en) * 2008-08-08 2010-02-11 Braintexter, Inc. Animated audible contextual advertising

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8279848B1 (en) * 2007-09-27 2012-10-02 Sprint Communications Company L.P. Determining characteristics of a mobile user of a network
US20100020961A1 (en) * 2008-07-28 2010-01-28 The Resource Group International Ltd Routing callers to agents based on time effect data
EP2499637A1 (en) * 2009-11-12 2012-09-19 Agnitio S.L. Speaker recognition from telephone calls
US20120296965A1 (en) * 2011-05-18 2012-11-22 Microsoft Corporation Detecting potentially abusive action in an online social network

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030101024A1 (en) * 2001-11-02 2003-05-29 Eytan Adar User profile classification by web usage analysis
CN1969552A (zh) * 2004-06-17 2007-05-23 皇家飞利浦电子股份有限公司 使用个性属性的个性化概要
US20090287656A1 (en) * 2008-05-13 2009-11-19 Bennett James D Network search engine utilizing client browser favorites
US20100004997A1 (en) * 2008-05-27 2010-01-07 Chand Mehta Methods and apparatus for generating user profile based on periodic location fixes
US20100036731A1 (en) * 2008-08-08 2010-02-11 Braintexter, Inc. Animated audible contextual advertising
CN101359995A (zh) * 2008-09-28 2009-02-04 腾讯科技（深圳）有限公司 提供在线服务的方法和装置
CN101620715A (zh) * 2009-08-06 2010-01-06 余洋 智能广告发布方法和系统

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109509483A (zh) * 2013-01-29 2019-03-22 弗劳恩霍夫应用研究促进协会 产生频率增强音频信号的译码器和产生编码信号的编码器
CN109509483B (zh) * 2013-01-29 2023-11-14 弗劳恩霍夫应用研究促进协会 产生频率增强音频信号的译码器和产生编码信号的编码器
CN103699823B (zh) * 2014-01-08 2017-01-25 同济大学 基于用户行为模式的身份认证系统及其方法
CN103699823A (zh) * 2014-01-08 2014-04-02 同济大学 基于用户行为模式的身份认证系统及其方法
CN104915354A (zh) * 2014-03-12 2015-09-16 深圳市腾讯计算机系统有限公司 多媒体文件推送方法及装置
CN104915354B (zh) * 2014-03-12 2020-01-10 深圳市腾讯计算机系统有限公司 多媒体文件推送方法及装置
CN106664219B (zh) * 2014-06-30 2021-04-16 康维达无线有限责任公司 基于过去历史数据的网络节点可用性预测
CN106664219A (zh) * 2014-06-30 2017-05-10 康维达无线有限责任公司 基于过去历史数据的网络节点可用性预测
CN106164921A (zh) * 2014-07-18 2016-11-23 谷歌公司 利用协同定位信息的发言人验证
US11942095B2 (en) 2014-07-18 2024-03-26 Google Llc Speaker verification using co-location information
CN106164921B (zh) * 2014-07-18 2018-12-07 谷歌有限责任公司 发言人验证系统、方法和计算机可读介质
CN109598112A (zh) * 2014-07-18 2019-04-09 谷歌有限责任公司 利用协同定位信息的发言人验证
CN104216965A (zh) * 2014-08-21 2014-12-17 北京金山安全软件有限公司 信息推荐方法和装置
CN104601717A (zh) * 2015-01-30 2015-05-06 百度在线网络技术（北京）有限公司 通信信息的处理方法、装置及系统
CN107430716A (zh) * 2015-03-31 2017-12-01 微软技术许可有限责任公司 推断用户睡眠模式
CN105224281B (zh) * 2015-10-27 2018-03-20 合肥工业大学 语音导航菜单动态生成方法及系统
CN105224281A (zh) * 2015-10-27 2016-01-06 合肥工业大学 语音导航菜单动态生成方法及系统
CN106503863A (zh) * 2016-11-10 2017-03-15 北京红马传媒文化发展有限公司 基于决策树模型的年龄特征的预测方法、系统及终端
CN112334882A (zh) * 2018-03-23 2021-02-05 雷克斯股份有限公司 用于对软件程序的用户反应进行评分的系统和方法
US11676608B2 (en) 2021-04-02 2023-06-13 Google Llc Speaker verification using co-location information

Also Published As

Publication number Publication date
US20120331137A1 (en) 2012-12-27
WO2011106925A1 (en) 2011-09-09

Similar Documents

Publication Publication Date Title
CN102859967A (zh) 用于基于用户交互数据来估计用户特征的方法和设备
Couper New developments in survey data collection
Pratap et al. The accuracy of passive phone sensors in predicting daily mood
Loh et al. Towards a cashless society: the imminent role of wearable technology
CN102834842B (zh) 用于确定用户年龄范围的方法和装置
CN103620595A (zh) 用于情境感知角色建模和推荐的方法和装置
US8856229B2 (en) System and method for social networking
US20140066044A1 (en) Crowd-sourced contact information and updating system using artificial intelligence
CN102812486A (zh) 根据群体行为提供个性化信息资源推荐的方法和设备
Berman et al. The multiple gradual cover location problem
CN107924506A (zh) 推断通信的用户可用性和基于用户可用性或上下文改变通知设置
JP5777715B2 (ja) コンテキスト情報を分類する方法および装置
CN102696028A (zh) 用于对应用中的条目进行动态分组的方法和装置
CN103890812A (zh) 基于情景感知组建模提供推荐的方法和装置
Shin et al. A new understanding of friendships in space: Complex networks meet Twitter
CN102224517A (zh) 用于情境增强的广告创建的系统和方法
CN102483835A (zh) 从用户数据推断用户特定的位置语义
CN102939604A (zh) 用于上下文索引的网络资源的方法和装置
CN103891392A (zh) 用于基于电话簿的应用共享的方法和装置
JP2013543167A5 (zh)
CN107911449A (zh) 用于推送信息的方法和装置
CN102918821A (zh) 用于基于用户数据识别网络功能的方法和装置
Zhao et al. Identifying hidden visits from sparse call detail record data
Althbiti et al. Collaborative Filtering
Hwang et al. A Lifelog Browser for Visualization and Search of Mobile Everyday‐Life

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: 20160112

Address after: Espoo, Finland

Applicant after: Technology Co., Ltd. of Nokia

Address before: Espoo, Finland

Applicant before: Nokia Oyj

AD01 Patent right deemed abandoned
AD01 Patent right deemed abandoned

Effective date of abandoning: 20170111