CN103620595A - 用于情境感知角色建模和推荐的方法和装置 - Google Patents
用于情境感知角色建模和推荐的方法和装置 Download PDFInfo
- Publication number
- CN103620595A CN103620595A CN201180071902.9A CN201180071902A CN103620595A CN 103620595 A CN103620595 A CN 103620595A CN 201180071902 A CN201180071902 A CN 201180071902A CN 103620595 A CN103620595 A CN 103620595A
- Authority
- CN
- China
- Prior art keywords
- user
- roles
- role
- combination
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 162
- 230000008569 process Effects 0.000 claims abstract description 94
- 230000006399 behavior Effects 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 9
- 230000000737 periodic effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 230000001737 promoting effect Effects 0.000 claims 1
- 238000004891 communication Methods 0.000 description 42
- 238000010586 diagram Methods 0.000 description 24
- 238000003860 storage Methods 0.000 description 15
- 230000005540 biological transmission Effects 0.000 description 14
- 238000013507 mapping Methods 0.000 description 9
- 238000013480 data collection Methods 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 206010038743 Restlessness Diseases 0.000 description 2
- 235000021152 breakfast Nutrition 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 241000238565 lobster Species 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000013011 mating Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24575—Query processing with adaptation to user needs using context
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06Q30/0282—Rating or review of business operators or products
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
提供了一种方法,用于基于从情境信息和高级用户简档导出的用户的角色来向用户提供推荐。推荐平台处理情境信息以便确定与用户相关联的一个或多个角色。接下来,所述推荐平台计算所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别。然后,所述推荐平台至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息。接下来,所述推荐平台处理所述推荐信息,以便生成用于所述用户的一个或多个推荐。
Description
背景技术
服务提供商和设备制造商(例如无线、蜂窝等)正在不断地受到挑战要通过例如提供引人注目的网络服务来向消费者递送价值和便利性。一个发展领域是使用推荐系统来为用户提供关于在服务和/或相关应用内可用的内容、项目等的建议或推荐(例如,关于人、地点或者诸如同伴、餐馆、商店、假期、电影、视频点播、书籍、歌曲、软件、文章、新闻、图像等感兴趣的事情的推荐)。例如,典型的推荐系统可以基于通过将用户偏好与一个或多个参考特征进行比较而预测出用户可能对项目感兴趣(即使该用户以前从来没有考虑过该项目),由此向该用户建议该项目。这样的推荐系统历史上基于的是协作过滤器,其常常依赖于大量的用户数据(例如,历史评价信息、使用历史等)。然而,这样的用户数据相对于特定服务或应用而言常常是不可用的或者未被收集的,尤其是如果用户对该服务而言是新的话,则服务或应用也是新的。
发明内容
因此,需要一种用于基于情境信息和角色比较来向用户进行推荐的方法。
根据一个实施例,一种方法包括:处理情境信息和/或促进对情境信息的处理,以便确定与用户相关联的一个或多个角色。所述方法还包括:至少部分地使得计算在所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别。所述方法进一步包括:至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息。所述方法还包括:处理所述推荐信息和/或促进对所述推荐信息的处理,以便生成用于所述用户的一个或多个推荐。
根据另一实施例,一种装置包括:至少一个处理器,以及包括计算机程序代码的至少一个存储器,所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起至少部分地使得所述装置:处理情境信息以便确定与用户相关联的一个或多个角色。还使得所述装置:计算在所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别。进一步使得所述装置:至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息。还使得所述装置:处理所述推荐信息,以便生成用于所述用户的一个或多个推荐。
根据另一实施例,一种计算机可读存储介质携带有一个或多个指令的一个或多个序列,当由一个或多个处理器执行时,所述一个或多个指令至少部分地使得装置:处理情境信息以便确定与用户相关联的一个或多个角色。还使得所述装置:计算在所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别。进一步使得所述装置:至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息。还使得所述装置:处理所述推荐信息,以便生成用于所述用户的一个或多个推荐。
根据另一实施例,一种装置包括:用于处理情境信息和/或促进对情境信息的处理以便确定与用户相关联的一个或多个角色的模块。所述装置还包括:用于至少部分地使得计算在所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别的模块。所述装置进一步包括:用于至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息的模块。所述装置还包括:用于处理所述推荐信息和/或促进对所述推荐信息的处理以便生成用于所述用户的一个或多个推荐的模块。
另外,对于本发明的各种示例实施例,下面是可应用的:一种方法,其包括:促进对(1)数据和/或(2)信息和/或(3)至少一个信号的处理和/或处理(1)数据和/或(2)信息和/或(3)至少一个信号,所述(1)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于(包括至少部分地从以下导出)与本发明的任何实施例相关而在本申请中公开的方法(或过程)中的任何一个或任何组合。
对于本发明的各种示例实施例,下面也是可应用的:一种方法,其包括:促进对被配置成允许访问至少一个服务的至少一个接口的访问,所述至少一个服务被配置成实施在本申请中公开的网络或服务提供商方法(或过程)中的任何一个或任何组合。
对于本发明的各种示例实施例,下面也是可应用的:一种方法,其包括:促进创建和/或促进修改(1)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能性,所述(1)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能性至少部分地基于从与本发明的任何实施例相关而在本申请中公开的方法或过程之一或任何组合得到的数据和/或信息、和/或从与本发明的任何实施例相关而在本申请中公开的方法(或过程)之一或任何组合得到的至少一个信号。
对于本发明的各种示例实施例,下面也是可应用的:一种方法,其包括:创建和/或修改(1)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能性,所述(1)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能性至少部分地基于从与本发明的任何实施例相关而在本申请中公开的方法(或过程)之一或任何组合得到的数据和/或信息、和/或从与本发明的任何实施例相关而在本申请中公开的方法(或过程)之一或任何组合得到的至少一个信号。
在各种示例实施例中,可以在服务提供商侧或在移动设备侧或按照通过在两侧实施的动作而在服务提供商与移动设备之间的任何共享方式来完成所述方法(或过程)。
简单地通过图示多个特定实施例和实施方式(包括预期用于执行本发明的最佳模式),根据下面的详细描述,本发明的其它方面、特征和优点很容易显而易见。本发明还能够具有其它的和不同的实施例,并且其若干细节可以在各种明显方面被修改,而所有这些都不偏离本发明的精神和范围。因此,附图和描述应被视为在本质上是说明性的,而不应当视为是限制性的。
附图说明
通过示例而不是通过限制来图示本发明的实施例,在附图中:
图1是根据一个实施例的能够基于情境信息和角色比较来向用户进行推荐的系统的示图;
图2是根据一个实施例的推荐平台的组件的示图;
图3A-3D是根据一个实施例的用于基于情境信息和角色比较来向用户进行推荐的过程的流程图;
图4是根据一个实施例的数据收集模块的组件的示图;
图5是根据一个实施例的用于设置偏好的用户接口的示图;
图6是根据一个实施例示出了角色挖掘元件的层级的示图;
图7是根据一个实施例的用于为一个或多个用户确定一个或多个角色的角色映射表的图示;
图8是根据一个实施例的用于匹配在用户之间共享的角色的信任计算的图示;
图9是可以用于实现本发明的实施例的硬件的示图;
图10是可以用于实现本发明的实施例的芯片集的示图;以及
图11是可以用于实现本发明的实施例的移动终端(例如,手机)的示图。
具体实施方式
公开了用于基于情境信息和角色比较来向用户进行推荐的方法、装置和计算机程序的示例。在下面的描述中,出于解释的目的,阐述了很多具体细节以便提供对本发明实施例的透彻理解。然而,对本领域技术人员显而易见的是,本发明的实施例可以在没有这些具体细节的情况下或在等同布置的情况下实施。在其它实例中,以框图形式示出了公知的结构和设备以避免不必要地模糊本发明的实施例。
图1是根据一个实施例的能够基于情境信息和角色比较来向用户进行推荐的系统的示图。智能电话的普及为基于丰富的情境信息和移动社交网络开发个性化推荐带来了机遇。如先前所讨论的,推荐系统较之常规搜索方法向用户提供了大量优点,因为推荐系统不仅规避了搜索感兴趣的项目的时间和劳动,而且它们还可以帮助用户发现用户自身可能尚未发现的项目。然而,由于用于创建用来生成推荐的模型(例如,协作过滤)的大量变量、函数和数据,推荐系统可能非常复杂。举例来说,用于特定应用的推荐系统可以考虑诸如以下变量:查看的项目、项目查看时间、搜索的项目、下载/上传的项目、购买的项目、添加到愿望列表的项目、购物车、或者收藏列表、评价的项目以及它们被如何评价,等等。推荐系统还可以包括复杂的算法来生成基于这些变量的推荐。但是,即使当已经满足许多变量和函数时,推荐系统通常仍然要求充足的数据(例如,项目数据、用户数据等),以便有效地培育(seed)其模型来产生用户建议。因而,基于协作的推荐的常规方法不适于对模型中尚不存在的新信息进行推荐。此外,因为利用模型的常规方法是基于与其相应的应用的使用交互而导出的,因而是非常特定于应用的,并且不特定于应用的通用推荐可能是难以生成的。另外,常规方法并没有深入地考虑情境信息,其中情境信息在通用推荐方法中得到很好的体现。由于这些各种原因,对模型进行个性化很难能够生成较为个性化的推荐。
换句话说,在推荐系统中广泛使用的协作过滤涉及冷起动问题、有用信息的稀少性,以及对推荐系统的内部攻击。为了克服这些问题,已经提出了信任计算来改进推荐的可靠性并且提供了用于进行推荐的推理。然而,当前的信任计算方法仅考虑了用户的信任声明以及用户的评价历史的相似性,这过度简化了信任关系。用于基于情境和信任进行推荐的常规技术集中于个体信息而没有考虑不同用户当中的公共知识。在相似用户当中的公共知识可被建模为角色。
例如,上述问题可以通过基于用户的情境信息和偏好而将一个或多个角色分配给用户来解决。所述一个或多个角色可以与另一用户的一个或多个角色相匹配和/或相比较。基于匹配的程度,可以计算信任因子,其可以充当推荐基础的来源,该推荐基于的是:在没有用户自己的可用情境信息的情况下或者除了用户自己的可用情境信息之外,另一用户的可用情境信息和偏好。可以证明,如果两个用户扮演或已经扮演了相同或相似的角色,则他们可以赢得更多的信任。
比较角色以便在多个用户之间开发信任级别的这样的概念可被称为基于角色的信任社交网络(RTSN)。可以自动挖掘用于RTSN的角色建模,从而使得可以基于用户情境信息和高级用户简档来识别该用户的角色。例如,用户在周末可以在家中充当丈夫,这可以是一个角色,并且例如,如果用户从家中行进到伦敦,则用户的角色可以变为旅行者。RTSN可以使用用户的角色,例如作为购物者的角色,并且对购买相关内容提供中肯的意见。角色建模可以考虑用户简档和情境,并且构建基于角色的社交信任网络,以便以高效和精确的推断来实现改进的情境推荐的性能。
为了利用基本的协作过滤来解决上述问题,图1的系统100引入了以下能力:基于情境信息、角色比较和信任因子来向用户进行推荐,其中所述角色比较基于的是用户之间的角色的相似性,所述信任因子被计算来增强推荐过程。如上所述,用户可以在他/她的日常生活中扮演不同的角色。这意味着用户的角色可以随着用户情境的改变而动态地改变。例如,当用户离开超市并且乘坐地铁时,该用户的角色从“购物的顾客”转换成“地铁乘客”。系统100可以假设:被分派相似或相同角色的用户很可能共享相同的兴趣、偏好和/或行为模式。因为扮演相似或相同角色的用户共享相似的兴趣、观点、偏好和行为模式,所以用户的角色可被认为是具有特定相似性的一组用户的高级别抽象。用户的这样的高级别抽象是根据社交网络来构建信任网络和/或计算一对用户之间的信任因子的关键因素。
在实施例中,挖掘和识别用户的潜在角色的有效方法是根据情境信息和高级用户简档(AUP),所述高级用户简档(AUP)包括用户的行为模式、偏好、诸如年龄、性别、教育这样的人口统计资料,等等。将AUP合并到角色计算中是有帮助的,因为该合并导致比仅基于情境信息的角色确定更为精确的角色确定。可以根据所挖掘的角色来生成角色概念格(层级),这提供了用于在所挖掘的角色与任何手动构造的或输入的角色之间进行映射的基础。例如,用户可以指示他喜欢吃龙虾,但是他的行为模式或情境信息并没有自动指示这个偏好。因为角色是用于计算RTSN中的信任因子的重要因素,所以信任计算可以考虑可指示角色是连续性角色还是周期性角色的角色类型,以及诸如“包括”、“被包括”、“相似”、“相同”等的任何角色关系。如上所述,具有相同角色的用户很可能具有相似的兴趣,并且因此可以具有相同的服务需求。信任因子可以基于每个用户的角色集合。例如,在用户之间共享的相同的连续性角色将具有高的信任因子,相同的周期性角色将具有中等信任因子,而在用户之间没有共享相同角色将导致低的信任因子。通过用户的被分派的一个或多个角色,将通过RTSN可用的个性化服务和信息链接到用户。用户角色挖掘和RTSN的好处是改进了推荐的精度并且减少了用户可能经历的无用的垃圾邮件攻击。这样的改进可提供用户可能期望的个性化的和有针对性的服务。
在实施例中,为了构建RTSN,根据用户的情境信息和用户简档来自动地挖掘和识别角色是有帮助的。构建RTSN可以包括以下步骤:AUP建模、角色挖掘以及识别和构建RTSN。
AUP建模合并了以下内容:挖掘在用户简档(UP)与诸如用户行为这样的情境之间的固有关系。AUP建模还涉及:提供对诸如情境信息以及从相似用户获知的公共知识这样的动态信息的建模。角色挖掘和识别涉及根据情境信息和用户简档来挖掘和识别用户的角色。构建RTSN涉及基于每个用户的角色集合来计算信任。并且,如上所述,相同的连续性角色可以具有高的信任因子,相同的周期性角色可以具有中等信任因子,而在用户之间没有匹配的角色可能导致低的信任因子。
关于AUP,通过资源描述框架(RDF)来构建AUP,资源描述架构(RDF)描述了用户的静态和动态信息,诸如人口统计资料信息、社交信息、行为模式和偏好。可以利用数据挖掘方法来获知用户的习惯、偏好和行为,从而使得从个人移动设备收集所登入的数据。用于登入数据的规则可被描述为以三元组格式给出的规则,诸如<时间,场景,行为>,并且被存储为AUP中的偏好类别的实例。例如,时间上的变化可以用于确定角色是连续性的还是周期性的。时间还可以用于确定例如在用户之间共享的角色应当被标记为相同还是相似。例如,在不同的时间共享销售角色的用户可能实际上并没有在经历相同的角色。以在夜晚时段转变成夜总会的早餐商业机构为例。到该商业机构吃早餐的客户与15个小时之后拜访该商业机构的不同客户(或者甚至是相同客户)可能具有不同的角色。
关于角色,如以上所讨论的,在一组用户当中的共同特征可以被分类为角色。一般而言,根据用户扮演的时间特征,角色可以被分类为连续性角色和周期性角色。连续性角色表示长期和稳定的角色,而周期性角色可以在短时间内起作用。角色本体(ontology)可以用于在每个用户的AUP中半自动地标记对应的信息片段。例如,诸如<办公时间,在公共汽车上,播放音乐>这样的偏好规则很可能被标记有周期性角色“音乐爱好者”。通过角色标记,公共知识的片段可以被间接地保存到相似用户的AUP中。角色也可以被认为是表示用户曾扮演或被分派的角色中的所有或一些角色的角色集合。角色集合可以被聚集并且按照与单独角色相似的方式来进行比较,但是可涉及更复杂的推荐规则,因为角色集合将引入附加的因素来确定信任因子。例如,当与具有妻子、旅行者、购物者的角色集合的用户相比较时,具有包括丈夫、旅行者和购物者的角色集合的用户可以被比较作为相似的,因为他们涉及相同类型的活动并且他们结婚了。
关于上述信任因子,信任可以被定义为由用户A对于用户B的声明,该声明意指用户A持续发现用户B做出的有价值的任何评论和/或评价。对个人的信任可以被认为是基于这个人做出的未来动作可能导致积极结果这样的信赖而对动作的承诺。信任相对于哪个用户是信任实体而言可以是不对称的。如以上所讨论的,信任可以是在基于另一用户的可用情境信息和偏好信息而确定是否对用户进行推荐时的重要因素。具有高信任因子使得接受基于其他用户做出的推荐可类似地导致积极结果的可能性要高。例如,用于确定一对用户之间的信任因子的计算可以考虑由所述用户之一做出的明确信任声明、所述用户的角色集合之间的相似性和/或所述用户的评价(用户简档)或偏好之间的相似性。构建RTSN可以合并:聚集每一个所计算的在多个用户之间的信任因子,以及考虑信任和不信任传播。
如图1中所示,系统100包括用户设备(UE)101a-101n,用户设备(UE)101a-101n具有经由通信网络105到推荐平台103的连接性。在该描述中,UE101a-101n可以被统称为UE101。UE101还具有经由通信网络105到服务平台107和内容提供商117的连接性。UE101可以包括推荐应用108a-108n,在该描述中将其统称为推荐应用108,其与推荐平台103通信以便检索关于推荐的信息。推荐平台103可以从UE101接收可被考虑用于推荐的数据。推荐平台103可以存在于UE101内,或者存在于服务平台107内,或者独立存在。提供给推荐平台103的数据可以包括来自连接到UE101的传感器109a-109n(在该描述中,传感器109a-109n可以被统称为传感器109)的数据。传感器109可以包括位置传感器、速度传感器、音频传感器、亮度传感器等。在该描述中,数据存储装置111a-111n可以被称为数据存储装置111。数据存储装置111可以连接到UE101以便存储经由传感器109捕获的数据以及任何其它类型的数据、模型、规则等。推荐平台103然后可以基于各种类型的信息来确定推荐规则和/或模型。推荐平台103也可以连接到平台存储介质113,其可以存储各种类型的数据,包括规则、模型、更新等。推荐平台103还可以从包括在服务平台107中的一个或多个服务115a-115m检索推荐规则和/或模型以及对规则和/或模型的更新。服务115a-115m可以被统称为服务115。规则和/或模型和/或更新也可以存在于一个或多个内容提供商117a-117o(其也可以被统称为内容提供商117)。因而,服务平台107可以包括一个或多个服务115a-115m、一个或多个内容提供商117a-117o,或者通过通信网络105可获得或可访问的其它内容源。
在一个实施例中,系统100确定基于用户情境信息、用户偏好、其他用户情境信息、其他用户偏好和/或信任因子来从通用协作模型中检索推荐模型。举例来说,预处理阶段可以发生以便收集用户数据以及基于所收集的数据来创建通用协作模型。例如,关于用户交互、用户偏好等的数据可以从UE101、服务平台107和其它设备收集,并且然后可以被传送到服务器端(例如,服务平台107和/或另一服务)。服务器端可以使用所收集的数据来生成协作模型。例如,所收集的数据可以包括关于该用户和另一用户的以下信息:系统100基于相似或相同的角色和/或偏好分派已经确定具有值得使推荐被发送给该用户的信任因子。
如果通用协作模型已经存在于UE101中,那么系统100从UE101内的通用协作模型中检索推荐。一方面,如果在UE101内没有用于该用户的通用协作模型,那么系统100从服务器端处的通用协作模型中检索推荐。而且,如果系统100确定尽管在UE101内有用于该用户的通用协作模型,但是在服务器端有用于该用户的通用协作模型的经更新的版本,则系统100可以利用服务器端处的通用协作模型的经更新的版本来检索推荐。对于从服务器端检索推荐或经更新的版本的请求可以包括用户标识符和/或应用标识符。
此外,在一个实施例中,系统100确定与用户相关联的情境信息和/或与关联于用户标识符的用户相关联的设备,其中关于基于情境的推荐规则的确定和/或关于基于情境的推荐规则的处理是基于情境信息的。服务器端可以包括基于情境的推荐规则。可能存在与用户标识符、情境和情境类型相对应的基于情境的推荐规则。因此,可以通过情境和/或情境类型来组织基于情境的推荐规则。此外,情境信息可以包括传感器数据、用户调度、日程表等。基于情境的推荐规则还可以取决于设备的类型。而且,系统100还可以使得基于对情境信息的改变来启动关于基于情境的推荐规则的处理。在该示例中,如果作为位置传感器的传感器109指示UE101的位置已经从美国改变到英国,那么可以启动关于基于情境的推荐规则的处理,以便利用用于英国的基于情境的推荐规则。
因此,该方法的优点是:基于情境数据,可以对各种类型的场景做出不同的推荐。因为该方法使得系统100能够使用推荐模型、基于情境的规则和/或用于生成推荐的模型和规则的混合,所以系统100可以较为精密地捕获用户的偏好来用于推荐。因此,可以预计在推荐模型和/或基于情境的规则的基础上用于进行推荐的手段。
举例来说,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。可以设想,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)、短距离无线网络,或者任何其它合适的分组交换网络,诸如商业拥有的私有分组交换网络,例如,私有电缆或光纤网络等,或者其任何组合。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,包括增强的全球演进数据率(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,以及任何其它合适的无线介质,例如,全球微波接入互操作性(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)、蓝牙因特网协议(IP)数据广播、卫星、移动ad-hoc网络(MANET)等,或其任何组合。
UE101是任何类型的移动终端、固定终端或便携式终端,包括移动手机、站台、单元、设备、多媒体计算机、多媒体平板、因特网节点、通信器、桌上型计算机、膝上型计算机、笔记本计算机、网本计算机、平板计算机、个人通信系统(PCS)设备、个人导航设备、个人数字助理(PDA)、音频/视频播放器、数字相机/录像机、定位设备、电视接收器、无线电广播接收器、电子书设备、游戏设备、或其任何组合,包括这些设备的配件和外设,或其任何组合。还可以设想,UE101可以支持对于用户的任何类型的接口(诸如“可佩带的”电路等。)。
举例来说,UE101、推荐平台103、服务平台107和内容提供商117使用公知的、新的或仍在开发的协议彼此进行通信以及与通信网络105的其它组件进行通信。在该情境下,协议包括定义了在通信网络105内的网络节点如何基于通过通信链路发送的信息来彼此进行交互的规则集合。所述协议在每个节点内不同的操作层处是有效的,从生成和接收各种类型的物理信号,到选择用于传送那些信号的链路,到由那些信号指示的信息的格式,到识别在计算机系统上执行的哪个软件应用发送或接收该信息。在开放系统互连(OSI)参考模型中描述了用于通过网络交换信息的概念上不同的协议层。
通常通过交换数据的离散分组来实现在网络节点之间的通信。每个分组通常包括(1)与特定协议相关联的报头信息,以及(2)跟随报头信息并且含有可与该特定协议无关地进行处理的信息的有效载荷信息。在一些协议中,分组包括(3)跟随有效载荷并且指示有效载荷信息的结束的尾部信息。报头包括诸如分组的源、其目的地、有效载荷的长度以及该协议所使用的其它特性这样的信息。经常,在用于特定协议的有效载荷中的数据包括用于与OSI参考模型的不同的更高层相关联的不同协议的报头和有效载荷。用于特定协议的报头通常指示了在其有效载荷中含有的下一协议的类型。更高层的协议据说被封装在较低层协议中。包括在穿越诸如因特网的多个异质网络的分组中的报头通常包括物理(层1)报头、数据链路(层2)报头、网间(层3)报头和传输(层4)报头,以及如由OSI参考模型定义的各种应用(层5、层6和层7)报头。
图2是根据一个实施例的推荐平台103的组件的示图。举例来说,推荐平台103包括用于基于情境信息和角色比较来向用户进行推荐的一个或多个组件。可以设想,这些组件的功能可以被组合在一个或多个组件中或由具有等同功能性的其它组件来实施。在该实施例中,推荐平台103包括推荐模块201、角色确定模块203、信任计算模块205、数据收集模块207、角色数据库209和通信模块211。
在一个实施例中,推荐模块201处理从角色确定模块203、信任计算模块205、数据收集模块207、角色数据库模块209和通信模块211接收到的信息以便向用户进行推荐,并且经由通信模块211将该推荐传送到用户。用户的情境信息可以被数据收集模块207收集和处理,并且在角色和/或情境确定步骤中由推荐模块201进行考虑。角色确定模块203可以从数据收集模块接收情境信息和AUP,以便将一个或多个角色或一个或多个角色集合分派给用户。角色数据库模块209可以存储或者已经存储了关于可在推荐确定中使用的用户的角色信息。信任计算模块205可以从角色确定模块203、角色数据库209和/或通信模块211接收角色信息。信任计算模块205也可以从数据收集模块207接收关于用户的情境信息,并且从通信模块211接收关于该用户或一个或多个其他用户的任何行为信息或偏好信息。信任计算模块211然后可以比较可用于将信任因子分派给在特定角色或情境下或一般情况下用户之间的关系的所有数据和信息。当推荐模块201实施推荐过程以便生成借助于通信模块211传送给用户的对该用户的推荐时,推荐模块201可以考虑所生成的信任因子。
图3A-3D是根据一个实施例的用于基于情境信息和角色比较向用户进行推荐的过程的流程图。在图3A中所示的一个实施例中,推荐平台103实施过程300并且在例如包括如图10中所示的处理器和存储器的芯片集中实现。在步骤301中,推荐平台103处理情境信息和AUP以便确定与用户相关联的一个或多个角色。在步骤303中,推荐平台计算在所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别。该过程继续到步骤305,其中推荐平台103至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息。该过程继续到步骤307,其中推荐平台103处理所述推荐信息以便生成用于所述用户的一个或多个推荐。
图3B是用于进一步增强图3A中所示的推荐过程的过程330的流程图。在步骤331中,推荐平台103视情况处理情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便确定一个或多个用户习惯、一个或多个用户偏好、一个或多个用户行为、或其组合。该过程继续到步骤333,其中推荐平台103视情况将所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为、或其组合存储在与所述用户、所述一个或多个其他用户或其组合相关联的一个或多个用户简档中。接下来,在步骤335中,推荐平台103视情况确定与所述一个或多个角色、所述一个或多个其它角色或其组合相关联的一个或多个本体。该过程视情况继续到步骤337,其中推荐平台103处理所述一个或多个本体,以便至少部分地基于所述一个或多个角色、所述一个或多个其它角色、或其组合来标记所述一个或多个用户简档中的至少一部分。
图3C是用于进一步增强图3A中所示的推荐过程的过程350的流程图。在步骤351中,推荐平台103视情况处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、AUP或其组合,以便生成将以下内容分类为周期性的、连续性的或其组合:所述一个或多个角色、所述一个或多个其它角色、或其组合。该过程继续到步骤353,其中推荐平台103视情况处理所述至少一个相似度级别,其确定在所述用户与所述一个或多个其他用户之间的一个或多个信任级别。该过程视情况继续到步骤355,其中推荐平台103至少部分地基于所述一个或多个角色来确定与所述用户相关联的一个或多个角色集合。接下来,该过程视情况继续到步骤357,其中推荐平台103视情况至少部分地基于所述一个或多个其它角色来确定与所述一个或多个其他用户相关联的一个或多个其它角色集合。
图3D是用于进一步增强图3A中所示的推荐过程的过程370的流程图。在步骤371中,推荐平台103视情况处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便确定一个或多个情境。该过程视情况继续到步骤373,其中推荐平台103确定对于所述一个或多个情境的一个或多个改变。接下来,该过程视情况继续到步骤375,其中推荐平台启动以下操作:至少部分地基于所述一个或多个改变来确定所述一个或多个角色、所述一个或多个其它角色、或其组合。该过程视情况继续到步骤377,其中推荐平台确定所述一个或多个其它角色的至少一个层级;以及将所述一个或多个角色与所述至少一个层级进行比较。
图4是根据示例实施例的数据收集模块207的组件的示图。数据收集模块207具有收集通信模块401,收集通信模块401与用户简档模块403和情境收集模块405通信。例如,像诺基亚简单情境这样的客户端应用可以作为情境收集模块405用于收集用户情境数据。该应用可以被安装在UE101处并且作为新进程(daemon)在UE101中自动运行以便动态地收集情境信息。例如,借助于诸如充电器状态模块407、电池水平模块409、加速计传感器模块411、联系人模块413、媒体播放器模块415、书签模块417、应用模块419、呼叫日志模块421、SMS模块423、设备简档模块425、过程模块427、GSM模块429、GPS模块431和蓝牙模块433的相应模块,可以收集情境数据,包括例如应用、设备简档、蓝牙设备、呼叫日志、联系人、GPS、GSM(例如,无线网络)、消息、媒体播放器、系统过程等。例如,用户简档模块403也可以用于收集用户简档数据。该应用可根据特定采样率来收集数据,并且该应用可以定制在UE101中。例如,这样的定制可以包括:是否收集该特定数据类型、采样率设置,以及是否向服务器发送所收集的信息。
图5是图示了示例数据类型503的示例用户接口501的示图。当选择了数据类型503中的至少一个时,启用窗口505出现在数据类型503上并且使得用户能够选择是否启用该特定数据类型以便由收集模块207进行收集。例如,用户可以选出启用或禁用作为UE101的一部分的GPS模块,从而使得可以检测到或无法检测到移动,并且在针对向用户进行推荐的确定中考虑所述移动。
图6是信息的示例类型的图示,其中所述信息由系统100收集和处理,以便确定角色是周期性的还是连续性的,或者确定所述信息是否是被最佳分派给AUP的信息。关于用户的情境信息601被收集和解析成用户和偏好片段603,诸如<时间、场景、行为>。一旦被解析,系统100便可以确定该信息应当被分派周期性角色605或连续性角色609。通过在AUP607中聚集所有用户的偏好来发现潜在的周期性角色605。可以提取两个映射表:用户角色表,其指明每个用户可扮演哪些角色;以及角色情境行为表,其识别每个角色的特征,也就是,在特定情境下角色可具有哪种行为。角色概念格(层级)可以根据所发现或挖掘的周期性角色而被生成,并且提供用于在所挖掘的角色与在AUP607中手动构建的角色之间进行映射的基础。可以在潜在周期性角色605的概念格和AUP本体中构建周期性角色605之间的映射关系。基于周期性角色605和AUP607中的静态信息来挖掘连续性角色609。例如,如果具有相似年龄的一组用户频繁地扮演相同的周期性角色605,则他们全部可能扮演潜在的连续性角色609。结果是:一旦已知当前用户的情境信息601以及AUP607中的信息,则实时角色识别变为相反的过程。
图7图示了示例映射表701、703、705和707。映射表701是图示了各种用户u1-u4、情境c1-c4和行为b0-b2的用户情境行为表。这里的情境表示时间和场景的组合(笛卡尔积)。在角色挖掘期间,可以根据AUP中的偏好来构造用户情境行为表701,其表示在特定情境下用户可具有哪种行为。在该示例中,ui(i=1..4)表示4个用户,ci(i=1..4)表示4个情境,bi(i=1,2)表示2种行为,b0表示“无动作”。映射表703图示了通过聚集映射表703中具有相同指定行为(例如b1和b2)的区域来基于可用情境、行为和用户信息进行角色的挖掘或分派。映射表705指示可以识别两个角色r1和r2,并且可以创建具有这些角色的每个用户之间的关系。映射表707是角色情境行为表,其示出了在特定情境下角色可具有哪种行为。
图8是示例信任计算图示,其中比较了两个用户i和j以便计算信任因子。角色Ci801说明了关于用户i的基于情境的角色。在角色Ci中基于情境的角色是{歌迷,教师,父亲,丈夫}。可以使用例如以上相对于情境收集模块209所讨论的任何装置或者如以上在图7中讨论的用于分派角色的任何其它确定装置来检测和分派这些角色。类似地,用户j具有包括角色{音乐家,教师,旅行者}的角色Cj说明803。用户i具有偏好角色集合—角色Pi805,其说明了由用户设置为偏好{运动迷,旅行者}的兴趣,并且用户j具有由用户j设置为{驾驶员,跑步者}的偏好角色集合—角色Pj807。系统100可以通过考虑以下内容来计算信任因子:来自用户i对用户j的明确信任声明,诸如关于用户i(因为他信任从用户j生成的任何事物)想要得到所有基于用户j的兴趣的推荐的选择或指示;角色集合801-807之间的相似性;以及用户的评价(例如用户简档)之间的相似性。如以上所讨论的,基于对所确定的任何信任因子的聚集并且还考虑信任和不信任传播,可以创建信任网络。
在确定信任因子时,相同或相似的连续性角色可以有助于高信任影响,并且相同或相似的周期性角色可以有助于低信任影响。在对特定角色进行加权以便确定信任因子时,下面的命名法可用于指定角色之间的关系;被包括(最高)、相同(较高)、包括(高分数)、相似(低分数)、无相似角色(无分数)。
在图8中图示的示例中,将用户i与用户j进行比较,并且角色集合801-807的特定角色被指定为被包括、相同或相似。例如,旅行者被指定为相同,因为在这两个用户角色中其看起来是同样的。歌迷和音乐家被指定为被包括,因为他们被预设为落入相同的兴趣领域内,但是却不一样。运动迷和跑步者被指定为相似,因为尽管他们都与运动有关,但是他们可被归类为太弱化而不能被包括。例如,用于确定角色应当是相似、被包括、相同或者不相似的设置可以是基于用于开发上述层级的偏好集合。当开发层级时,可以在商业雇员的情境下描述层级。以销售员为例。在商业上,存在销售总监、销售经理和销售员。所有这三个雇员都处于销售方面,但是只有一个是总监而一个是经理。取决于可基于情境信息的就近的角色比较,当将用户在任何给定时间的角色与其他用户进行比较时,层级可能是重要的。如此,当向用户进行推荐时,一些角色可能不是与其它角色一样重要。
在此描述的用于基于情境信息和角色比较来向用户进行推荐的过程可以有利地经由软件、硬件、固件或者软件和/或固件和/或硬件的组合来实现。例如,在此描述的过程可以有利地经由处理器、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)等等来实现。下面详述了用于执行所描述的功能的这样的示例性硬件。
图9图示了可以实现本发明的实施例的计算机系统900。尽管相对于特定设备或装备描绘了计算机系统900,可以设想,在图9内的其它设备或装备(例如,网络元件、服务器等)可以部署所图示的系统900的硬件和组件。计算机系统900被编程(例如,经由计算机程序代码或指令)以便如在此所描述的那样基于情境信息和角色比较来向用户进行推荐,并且包括用于在计算机系统900的其它内部和外部组件之间传递信息的诸如总线910的通信机构。信息(也称为数据)被表示为对可测量现象的物理表达,通常是电压,但在其它实施例中包括诸如磁、电磁、压力、化学、生物、分子、原子、亚原子和量子交互这样的现象。例如,北磁场和南磁场或者零和非零电压表示二进制数位(比特)的两个状态(0,1)。其它现象可以表示更高基底的数位。在测量之前多个同时量子状态的叠加表示量子比特(qubit)。一个或多个数位的序列构成用于表示字符的数字或代码的数字数据。在一些实施例中,通过特定范围之内的可测量值的近连续体来表示被称为模拟数据的信息。计算机系统900或其一部分构成用于执行基于情境信息和角色比较来向用户进行推荐的一个或多个步骤的装置。
总线910包括信息的一个或多个平行导体,从而使得在耦合到总线910的设备当中快速地传输信息。用于处理信息的一个或多个处理器902与总线910耦合。
处理器(或多个处理器)902执行如由与基于情境信息和角色比较来向用户进行推荐相关的计算机程序代码所指定的信息的操作集合。该计算机程序代码是指令或声明集合,其提供指令用于处理器和/或计算机系统来操作以便执行指定功能。例如,所述代码可以用被编译成处理器的原生指令集的计算机编程语言来编写。所述代码还可以直接使用原生指令集合(例如机器语言)来编写。所述操作集合包括将信息从总线910带入以及将信息放置在总线910上。所述操作集合通常还包括比较信息的两个或更多单元,对信息单元进行移位,以及组合信息的两个或更多单元,诸如通过相加或相乘或者比如“或”、“异或”和“与”的逻辑操作。可以由处理器执行的操作集合的每个操作通过称为指令的信息而被表示给处理器,诸如一个或多个数位的操作代码。诸如操作代码序列的要由处理器902执行的操作序列构成处理器指令,也被称为计算机系统指令,或简称计算机指令。除了其它之外,处理器可以单独或组合地被实现为机械、电、磁、光、化学或量子组件。
计算机系统900还包括耦合到总线910的存储器904。诸如随机存取存储器(RAM)或任何其它动态存储设备的存储器904存储包括用于基于情境信息和角色比较向用户进行推荐的处理器指令的信息。动态存储器允许存储在其中的信息被计算机系统900改变。RAM允许与在相邻地址处的信息无关地存储和检索在被称为存储器地址的位置处存储的信息单元。存储器904还被处理器902用来存储在处理器指令的执行期间的临时值。计算机系统900还包括只读存储器(ROM)906或耦合到总线910的任何其它静态存储设备,以便用于存储静态信息,包括不被计算机系统900改变的指令。一些存储器由易失性存储装置组成,该易失性存储装置当掉电时丢失存储在其上的信息。还耦合到总线910的是非易失性(永久)存储设备908,诸如磁盘、光盘或闪速卡,用于存储包括甚至当计算机系统900被断开或以其它方式掉电时也存留的指令的信息。
从外部输入设备912(诸如传感器或者含有由人类用户操作的字母数字键的键盘)将包括用于基于情境信息和角色比较向用户进行推荐的指令的信息提供给总线910用于由处理器使用。传感器检测其附近的状况并且将那些检测结果变换成可与用于表示计算机系统900中的信息的可测量现象兼容的物理表达。耦合到总线910的主要用于与人类交互的其它外部设备包括显示设备914(诸如阴极射线管(CRT)、液晶显示器(LCD)、发光二极管(LED)、有机LED(OLED)显示器、等离子屏幕,或者用于呈现文本或图像的打印机),以及指点设备916(诸如鼠标、轨迹球、光标方向键或运动传感器),用于控制呈现在显示器914上的小光标图像的位置以及发布与呈现在显示器914上的图形元件相关联的命令。在一些实施例中,例如,在计算机系统900在没有人类输入的情况下执行所有功能的实施例中,省略了外部输入设备912、显示设备914和指点设备916中的一个或多个。
在所图示的实施例中,诸如专用集成电路(ASIC)920的专用硬件被耦合到总线910。专用硬件被配置成足够快地执行处理器902不执行的操作以用于专用目的。ASIC的示例包括用于生成用于显示器914的图像的图形加速计卡、用于对通过网络发送的消息进行加密和解密的密码板、语音识别,以及专门的外部设备的接口,诸如重复地执行以硬件更有效地实现的特定复杂操作序列的机械臂和医疗扫描装备。
计算机系统900还包括耦合到总线910的通信接口970的一个或多个实例。通信接口970提供了耦合到用其自己的处理器操作的各种外部设备的单向或双向通信,所述外部设备诸如打印机、扫描仪和外部盘。通常,耦合是利用连接到本地网络980的网络链路978,具有其自己的处理器的各种外部设备被连接到本地网络980。例如,通信接口970可以是并行端口或串行端口或者在个人计算机上的通用串行总线(USB)。在一些实施例中,通信接口970是综合服务数字网络(ISDN)卡或数字订户线路(DSL)卡或电话调制解调器(其向对应类型的电话线路提供信息通信连接)。在一些实施例中,通信接口970是线缆调制解调器,其将总线910上的信号转换成用于通过同轴线缆的通信连接的信号,或者转换成用于通过光纤线缆的通信连接的光学信号。又例如,通信接口970可以是局域网(LAN)卡,以便向可兼容的LAN(诸如以太网)提供数据通信连接。还可以实现无线链路。对于无线链路,通信接口970发送或接收或者既发送又接收携带了信息流(诸如数字数据)的电、声或电磁信号,包括红外和光学信号。例如,在无线手持设备(诸如像蜂窝电话这样的移动电话)中,通信接口970包括被称为无线电收发器的无线电频带电磁发射机和接收机。在某些实施例中,通信接口970使得能够连接到通信网络105,用于针对UE101基于情境信息和角色比较来向用户进行推荐。
如在此使用的术语“计算机可读介质”指的是参与向处理器902提供信息(包括用于执行的指令)的任何介质。这样的介质可以采取很多形式,包括但不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。诸如非易失性介质的非瞬态介质包括例如光盘或磁盘,诸如存储设备908。易失性介质包括例如动态存储器904。传输介质包括例如双绞线、同轴线缆、铜线、光纤线缆,以及在没有电线或线缆的情况下行进通过空间的载波,诸如声波和电磁波,包括无线电波、光波和红外波。信号包括在通过传输介质发射的幅度、频率、相位、极性或其它物理属性上的人为的瞬变。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带、任何其它磁介质、CD-ROM、CDRW、DVD、任何其它光介质、打孔卡、纸带、光标记片、具有孔洞图案或其它光可识别标记的任何其它物理介质、RAM、PROM、EPROM、FLASH-EPROM、EEPROM、闪速存储器、任何其它存储器芯片或盒、载波,或者计算机可以从其进行读取的任何其它介质。术语“计算机可读存储介质”在此用于指的是除了传输介质之外的任何计算机可读介质。
在一个或多个有形介质中编码的逻辑包括在计算机可读存储介质和专用硬件(诸如ASIC920)上的处理器指令中的一个或两者。
网络链路978通常使用传输介质通过一个或多个网络向使用或处理信息的其它设备提供信息通信。例如,网络链路978可以通过本地网络980向主机计算机982或向由因特网服务提供商(ISP)操作的设备984提供连接。ISP设备984进而通过现在统称为因特网990的网络中的公共、全球分组交换通信网络来提供数据通信服务。
连接到因特网的称为服务器主机992的计算机托管了响应于通过因特网接收到的信息而提供服务的过程。例如,服务器主机992托管了提供用于在显示器914处呈现的表示视频数据的信息的过程。可以设想,系统900的组件可以在例如主机982和服务器992的其它计算机系统内按照各种配置来进行部署。
本发明的至少一些实施例涉及对用于实现在此描述的一些或所有技术的计算机系统900的使用。根据本发明的一个实施例,响应于处理器902执行包含在存储器904中的一个或多个处理器指令的一个或多个序列,由计算机系统900来执行那些技术。可以将这样的指令(也被称为计算机指令)、软件和程序代码从诸如存储设备908的另一计算机可读介质或者网络链路978读入到存储器904中。对包含在存储器904中的指令序列的执行使得处理器902执行在此描述的方法步骤中的一个或多个。在可选实施例中,可以取代软件或与软件相组合地使用诸如ASIC920的硬件来实现本发明。因此,本发明的实施例不限于硬件和软件的任何具体组合,除非在此另外明确说明。
经由通信接口970通过网络链路978以及其它网络发射的信息携带了去往和来自计算机系统900的信息。除了其它之外,计算机系统900可以通过网络980、990,经由网络链路978和通信接口970来发送和接收信息,包括程序代码。在使用因特网990的示例中,服务器主机992通过因特网990、ISP装备984、本地网络980和通信接口970来发射由从计算机900发送的消息所请求的用于特定应用的程序代码。所接收到的代码可由处理器902在接收到其时执行,或者可以存储在存储器904中或存储设备908或任何其它非易失性存储装置中用于以后执行,或者二者皆有。以这种方式,计算机系统900可以以载波上信号的形式获得应用程序代码。
在将一个或多个指令或数据序列或两者携带到处理器902以供执行时可涉及各种形式的计算机可读介质。例如,最初可以在诸如主机982的远程计算机的磁盘上携带指令和数据。远程计算机将指令和数据加载到其动态存储器中并且使用调制解调器通过电话线路发送所述指令和数据。计算机系统900本地的调制解调器接收在电话线路上的指令和数据,并且使用红外发射器将指令和数据转换成在用作网络链路978的红外载波上的信号。用作通信接口970的红外检测器接收在红外信号中携带的指令和数据,并且将表示所述指令和数据的信息放置到总线910上。总线910将该信息携带到存储器904,处理器902从存储器904检索指令并使用伴随所述指令发送的一些数据来执行所述指令。在存储器904中接收到的指令和数据可以视情况在由处理器902执行之前或之后被存储在存储设备908上。
图10图示了可以实现本发明的实施例的芯片集或芯片1000。芯片集1000被编程以便如在此所描述的那样基于情境信息和角色比较向用户进行推荐,并且例如包括相对于图9描述的合并在一个或多个物理封装(例如,芯片)中的处理器和存储器组件。举例来说,物理封装包括在结构配件(例如,基板)上的一个或多个材料、组件和/或电线的布置,以便提供诸如物理强度、尺寸节约和/或电子交互限制这样的一个或多个特性。可以设想,在某些实施例中,芯片集1000可以被实现在单个芯片上。进一步可以设想,在某些实施例中,芯片集或芯片1000可以被实现为单个“片上系统”。进一步可以设想,在某些实施例中,例如,将不使用单独的ASIC,并且将由一个或多个处理器来执行如在此公开的所有相关功能。芯片集或芯片1000或其一部分构成用于执行提供与功能的可用性相关联的用户接口导航信息的一个或多个步骤的装置。芯片集或芯片1000或其一部分构成用于执行基于情境信息和角色比较来向用户进行推荐的一个或多个步骤的装置。
在一个实施例中,芯片集或芯片1000包括用于在芯片集1000的组件当中传递信息的通信机构,诸如总线1001。处理器1003具有到总线1001的连接性以便执行指令和处理存储在例如存储器1005中的信息。处理器1003可以包括一个或多个处理核心,其中每个核心被配置成独立地加以执行。多核处理器启用在单个物理封装内的多处理。多核处理器的示例包括两个、四个、八个或更大数目的处理核心。替代地或附加地,处理器1003可以包括经由总线1001串联配置的一个或多个微处理器,以便使得能够独立地执行指令、流水线和多线程。处理器1003也可以附有一个或多个专用组件以便执行特定处理功能和任务,诸如一个或多个数字信号处理器(DSP)1007,或者一个或多个专用集成电路(ASIC)1009。DSP1007通常被配置成实时地处理真实世界的信号(例如,声音),而与处理器1003无关。类似地,ASIC1009可以被配置成执行更通用的处理器不容易执行的专门功能。有助于执行在此描述的发明功能的其它专门组件可以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),或者一个或多个其它专用计算机芯片。
在一个实施例中,芯片集或芯片1000仅包括一个或多个处理器以及支持和/或涉及和/或用于所述一个或多个处理器的特定软件和/或固件。
处理器1003和所附组件具有经由总线1001到存储器1005的连接性。存储器1005包括动态存储器(例如,RAM、磁盘、可写光盘等)和静态存储器(例如,ROM、CD-ROM等)两者,用于存储当被执行时实施在此描述的发明步骤以便基于情境信息和角色比较来向用户进行推荐的可执行指令。存储器1005也存储与发明步骤的执行相关联的数据或由发明步骤的执行所生成的数据。
图11是根据一个实施例的能够在图1的系统中操作的用于通信的移动终端(例如手机)的示例性组件的示图。在一些实施例中,移动终端1101或其一部分构成用于执行基于情境信息和角色比较来向用户进行推荐的一个或多个步骤的装置。一般而言,经常按照前端和后端特性来定义无线电接收机。接收机的前端包含所有的射频(RF)电路,而后端包括所有的基带处理电路。如在该申请中使用的,术语“电路”指的是以下两者:(1)仅硬件实现方式(诸如在仅模拟和/或数字电路中的实现方式),以及(2)电路和软件(和/或固件)的组合(诸如,如果可应用于特定情境,则是处理器的组合,包括一起工作以便使诸如移动电话或服务器这样的装置执行各种功能的数字信号处理器、软件和存储器)。“电路”的该定义应用于该申请中(包括在任何权利要求中)对该术语的所有使用。作为进一步的示例,如在该申请中使用的并且如果可应用于特定情境,则术语“电路”还将涵盖仅处理器(或多个处理器)和它的(它们的)所附软件和/或固件的实现方式。术语“电路”如果可应用于特定情境则还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,或者在蜂窝网络设备或其它网络设备中的类似集成电路。
电话的有关内部组件包括主要控制单元(MCU)1103、数字信号处理器(DSP)1105和接收机/发射器单元,包括扩音器增益控制单元和扬声器增益控制单元。主要显示单元1107在支持各种应用和移动终端功能(其执行或支持基于情境信息和角色比较来向用户进行推荐的步骤)时向用户提供显示器。显示器1107包括显示电路,该显示电路被配置成显示移动终端(例如,移动电话)的用户接口的至少一部分。另外,显示器1107和显示电路被配置成促进对移动终端的至少一些功能的用户控制。音频功能电路1109包括扩音器1111和扩音器放大器,该扩音器放大器放大从扩音器1111输出的语音信号。从扩音器1111输出的经放大的语音信号被馈送到编码器/解码器(编解码器)1113。
无线电部分1115放大功率并且转换频率以便经由天线1117与基站通信,该基站被包括在移动通信系统中。如本领域已知的,利用来自PA1119的输出被耦合到双工器1121或循环器或天线开关,功率放大器(PA)1119和发射机/调制电路可操作地对MCU1103做出响应。PA1119还耦合到电池接口和功率控制单元1120。
在使用中,移动终端1101的用户对扩音器1111讲话并且他的或她的语音连同任何检测到的背景噪声被转换成模拟电压。然后,该模拟电压通过模数转换器(ADC)1123被转换成数字信号。控制单元1103将数字信号路由到DSP1105中用于在其中进行处理,诸如语音编码、信道编码、加密和交织。在一个实施例中,使用蜂窝传输协议由未单独示出的单元来编码经处理的语音信号,所述蜂窝传输协议诸如增强型全球演进数据率(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,以及任何其它合适的无线介质,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)、卫星等,或其任何组合。
然后,经编码的信号被路由到均衡器1125,用于补偿在通过空中传输期间发生的任何频率相关损伤,诸如相位和幅度失真。在均衡了比特流之后,调制器1127将该信号与在RF接口1129中生成的RF信号相组合。调制器1127借助于频率或相位调制来生成正弦波。为了准备信号用于传输,上变频器1131将从调制器1127输出的正弦波与由合成器1133生成的另一正弦波相组合,以便实现传输的期望频率。然后,该信号通过PA1119被发送以便将该信号增加到适当的功率水平。在实际系统中,PA1119充当可变增益放大器,该可变增益放大器的增益由DSP1105根据从网络基站接收到的信息来控制。然后,该信号在双工器1121内被过滤并且可选地被发送到天线耦合器1135以便匹配阻抗来提供最大功率传输。最后,经由天线1117将信号发射到本地基站。自动增益控制(AGC)可以被供应以便控制接收机的最终级的增益。所述信号可以从那里被转发到远程电话,所述远程电话可以是连接到公共交换电话网络(PSTN)或其它电话网络的另一蜂窝电话、任何其它移动电话或陆线。
发射到移动终端1101的语音信号经由天线1117被接收并且被低噪声放大器(LNA)1137立即放大。下变频器1139降低载波频率,而解调器1141剥离RF,仅留下数字比特流。然后,所述信号经过均衡器1125并且由DSP1105处理。数模转换器(DAC)1143转换所述信号,并且所得到的输出通过扬声器1145被发射到用户,所有这些都在主要控制单元(MCU)1103的控制之下,所述主要控制单元(MCU)1103可以被实现为中央处理单元(CPU)(未示出)。
MCU1103从键盘1147接收包括输入信号的各种信号。与其它用户输入组件(例如,扩音器1111)组合的键盘1147和/或MCU1103包括用于管理用户输入的用户接口电路。MCU1103运行用户接口软件以促进对移动终端1101的至少一些功能的用户控制,以便基于情境信息和角色比较来向用户进行推荐。MCU1103还将显示命令和切换命令分别递送到显示器1107以及语音输出切换控制器。此外,MCU1103与DSP1105交换信息,并且可以访问可选地被合并的SIM卡1149和存储器1151。另外,MCU1103执行终端要求的各种控制功能。取决于实现方式,DSP1105可以对语音信号执行各种常规数字处理功能中的任何功能。另外,DSP1105根据由扩音器1111检测到的信号来确定本地环境的背景噪声级别,并且将扩音器1111的增益设置成被选择来补偿移动终端1101的用户的自然趋势的级别。
编解码器1113包括ADC1123和DAC1143。存储器1151存储包括来电音调数据在内的各种数据,并且能够存储包括经由例如全球因特网而接收到的音乐数据在内的其它数据。软件模块可以驻留在RAM存储器、闪速存储器、寄存器或本领域已知的任何其它形式的可写存储介质中。存储设备1151可以是但不限于单个存储器、CD、DVD、ROM、RAM、EEPROM、光储存器、磁盘储存器、闪速存储器储存器,或者能够存储数字数据的任何其它非易失性存储介质。
可选地被合并的SIM卡1149携带了例如重要信息,诸如蜂窝电话号码、载波供应服务、预订详情和安全信息。SIM卡1149主要用于标识无线电网络上的移动终端1101。卡1149也含有用于存储个人电话号码注册表、文本消息和用户特定移动终端设置的存储器。
尽管已经结合多个实施例和实现方式描述了本发明,但是本发明不限于此,而是涵盖落入所附权利要求的范围内的各种明显修改和等同布置。尽管本发明的特征在权利要求当中按照特定组合来进行表达,但是可以设想这些特征可以按照任何组合和顺序来进行布置。
Claims (53)
1.一种方法,其包括:处理和/或促进处理(1)数据和/或(2)信息和/或(3)至少一个信号,所述(1)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于以下内容:
处理情境信息以便确定与用户相关联的一个或多个角色;
计算所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别;
至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息;以及
处理所述推荐信息,以便生成用于所述用户的一个或多个推荐。
2.根据权利要求1所述的方法,其中,所述推荐信息至少部分地包括一个或多个协作推荐模型、一个或多个推荐规则、或其组合。
3.根据权利要求1和2中的任一项所述的方法,其中,所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
处理高级用户简档;
处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便确定一个或多个用户习惯、一个或多个用户偏好、一个或多个用户行为、或其组合,
其中,所述一个或多个角色、所述一个或多个其它角色、或其组合进一步基于所述高级用户简档,并且至少部分地基于所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为、或其组合。
4.根据权利要求3所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
在与所述用户、所述一个或多个其他用户、或其组合相关联的一个或多个用户简档中存储所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为、或其组合。
5.根据权利要求1-4中的任一项所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
确定与所述一个或多个角色、所述一个或多个其它角色、或其组合相关联的一个或多个本体;以及
处理和/或促进处理所述一个或多个本体,以便至少部分地基于所述一个或多个角色、所述一个或多个其它角色、或其组合来标记所述一个或多个用户简档的至少一部分。
6.根据权利要求5所述的方法,其中,计算所述至少一个相似度级别至少部分地基于标记所述一个或多个用户简档的所述至少一部分。
7.根据权利要求3-6中的任一项所述的方法,其中,按照至少部分地包括三元组的数据格式来表示所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为,并且其中所述三元组至少部分地包括时间、位置和行为。
8.根据权利要求1-7中的任一项所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便生成将所述一个或多个角色、所述一个或多个其它角色、或其组合分类为周期性的、连续的、或其组合,
其中,计算所述至少一个相似度级别至少部分地基于所述分类。
9.根据权利要求1-8中的任一项所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
处理所述至少一个相似度级别,以便确定所述用户与所述一个或多个其他用户之间的一个或多个信任级别,
其中,确定所述推荐信息、生成所述一个或多个推荐、或其组合至少部分地基于所述一个或多个信任级别。
10.根据权利要求9所述的方法,其中所述一个或多个信任级别是不对称的。
11.根据权利要求1-10中的任一项所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
至少部分地基于所述一个或多个角色来确定与所述用户相关联的一个或多个角色集合;以及
至少部分地基于所述一个或多个其它角色来确定与所述一个或多个其他用户相关联的一个或多个其它角色集合,
其中,计算所述至少一个相似度级别至少部分地基于所述一个或多个角色集合与所述一个或多个其它角色集合之间的相似度。
12.根据权利要求1-11中的任一项所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便确定一个或多个情境,
其中,相对于所述一个或多个情境来定义所述一个或多个角色、所述一个或多个其它角色、或其组合。
13.根据权利要求12所述的方法,其中,所述一个或多个情境至少部分地指明了时间和位置。
14.根据权利要求12和13中的任一项所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
确定对于所述一个或多个情境的一个或多个改变;以及
启动至少部分地基于所述一个或多个改变来确定所述一个或多个角色、所述一个或多个其它角色、或其组合。
15.根据权利要求1-14中的任一项所述的方法,其中所述(1)数据和/或(2)信息和/或(3)至少一个信号进一步至少部分地基于以下内容:
确定所述一个或多个其它角色的至少一个层级;以及
将所述一个或多个角色与所述至少一个层级进行比较,
其中,所述至少一个相似度级别至少部分地基于所述比较。
16.一种装置,其包括:
至少一个处理器;以及
至少一个存储器,所述至少一个存储器包括用于一个或多个程序的计算机程序代码,
所述至少一个存储器和所述计算机程序代码被配置成与所述至少一个处理器一起使得所述装置至少执行以下内容:
处理和/或促进处理情境信息,以便确定与用户相关联的一个或多个角色;
至少部分地使得计算所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别;
至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息;以及
处理和/或促进处理所述推荐信息,以便生成用于所述用户的一个或多个推荐。
17.根据权利要求16所述的装置,其中,所述推荐信息至少部分地包括一个或多个协作推荐模型、一个或多个推荐规则、或其组合。
18.根据权利要求16和17中的任一项所述的装置,其中进一步使得所述装置:
处理和/或促进处理高级用户简档;
处理和/或促进处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便确定一个或多个用户习惯、一个或多个用户偏好、一个或多个用户行为、或其组合,
其中,所述一个或多个角色、所述一个或多个其它角色、或其组合进一步基于所述高级用户简档,并且至少部分地基于所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为、或其组合。
19.根据权利要求18所述的装置,其中进一步使得所述装置:
至少部分地使得在与所述用户、所述一个或多个其他用户、或其组合相关联的一个或多个用户简档中存储所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为、或其组合。
20.根据权利要求16-19中的任一项所述的装置,其中进一步使得所述装置:
确定与所述一个或多个角色、所述一个或多个其它角色、或其组合相关联的一个或多个本体;以及
处理和/或促进处理所述一个或多个本体,以便至少部分地基于所述一个或多个角色、所述一个或多个其它角色、或其组合来标记所述一个或多个用户简档的至少一部分。
21.根据权利要求20所述的装置,其中,计算所述至少一个相似度级别至少部分地基于标记所述一个或多个用户简档的所述至少一部分。
22.根据权利要求17-21中的任一项所述的装置,其中,按照至少部分地包括三元组的数据格式来表示所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为,并且其中所述三元组至少部分地包括时间、位置和行为。
23.根据权利要求16-22中的任一项所述的装置,其中进一步使得所述装置:
处理和/或促进处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便生成将所述一个或多个角色、所述一个或多个其它角色、或其组合分类为周期性的、连续的、或其组合,
其中,计算所述至少一个相似度级别至少部分地基于所述分类。
24.根据权利要求16-23中的任一项所述的装置,其中进一步使得所述装置:
处理和/或促进处理所述至少一个相似度级别,以便确定所述用户与所述一个或多个其他用户之间的一个或多个信任级别,
其中,确定所述推荐信息、生成所述一个或多个推荐、或其组合至少部分地基于所述一个或多个信任级别。
25.根据权利要求24所述的装置,其中,所述一个或多个信任级别是不对称的。
26.根据权利要求16-25中的任一项所述的装置,其中进一步使得所述装置:
至少部分地基于所述一个或多个角色来确定与所述用户相关联的一个或多个角色集合;以及
至少部分地基于所述一个或多个其它角色来确定与所述一个或多个其他用户相关联的一个或多个其它角色集合,
其中,计算所述至少一个相似度级别至少部分地基于所述一个或多个角色集合与所述一个或多个其它角色集合之间的相似度。
27.根据权利要求26-27中的任一项所述的装置,其中进一步使得所述装置:
处理和/或促进处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便确定一个或多个情境,
其中,相对于所述一个或多个情境来定义所述一个或多个角色、所述一个或多个其它角色、或其组合。
28.根据权利要求27所述的装置,其中,所述一个或多个情境至少部分地指明了时间和位置。
29.根据权利要求27和28中的任一项所述的装置,其中进一步使得所述装置:
确定对于所述一个或多个情境的一个或多个改变;以及
启动至少部分地基于所述一个或多个改变来确定所述一个或多个角色、所述一个或多个其它角色、或其组合。
30.根据权利要求16-29中的任一项所述的装置,其中进一步使得所述装置:
确定所述一个或多个其它角色的至少一个层级;以及
将所述一个或多个角色与所述至少一个层级进行比较,
其中,所述至少一个相似度级别至少部分地基于所述比较。
31.一种方法,其包括:
处理和/或促进处理情境信息,以便确定与用户相关联的一个或多个角色;
至少部分地使得计算所述一个或多个角色与关联于一个或多个其他用户的一个或多个其它角色之间的至少一个相似度级别;
至少部分地基于所述至少一个相似度级别来确定与所述一个或多个其他用户相关联的推荐信息;以及
处理和/或促进处理所述推荐信息,以便生成用于所述用户的一个或多个推荐。
32.根据权利要求31所述的方法,其中,所述推荐信息至少部分地包括一个或多个协作推荐模型、一个或多个推荐规则、或其组合。
33.根据权利要求31和32中的任一项所述的方法,其进一步包括:
处理和/或促进处理高级用户简档;
处理和/或促进处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便确定一个或多个用户习惯、一个或多个用户偏好、一个或多个用户行为、或其组合,
其中,所述一个或多个角色、所述一个或多个其它角色、或其组合进一步基于所述高级用户简档,并且至少部分地基于所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为、或其组合。
34.根据权利要求33所述的方法,其进一步包括:
至少部分地使得在与所述用户、所述一个或多个其他用户、或其组合相关联的一个或多个用户简档中存储所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为、或其组合。
35.根据权利要求31-34中的任一项所述的方法,其进一步包括:
确定与所述一个或多个角色、所述一个或多个其它角色、或其组合相关联的一个或多个本体;以及
处理和/或促进处理所述一个或多个本体,以便至少部分地基于所述一个或多个角色、所述一个或多个其它角色、或其组合来标记所述一个或多个用户简档的至少一部分。
36.根据权利要求35所述的方法,其中,计算所述至少一个相似度级别至少部分地基于标记所述一个或多个用户简档的所述至少一部分。
37.根据权利要求33-36中的任一项所述的方法,其中,按照至少部分地包括三元组的数据格式来表示所述一个或多个用户习惯、所述一个或多个用户偏好、所述一个或多个用户行为,并且其中所述三元组至少部分地包括时间、位置和行为。
38.根据权利要求31-37中的任一项所述的方法,其进一步包括:
处理和/或促进处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便生成将所述一个或多个角色、所述一个或多个其它角色、或其组合分类为周期性的、连续的、或其组合,
其中,计算所述至少一个相似度级别至少部分地基于所述分类。
39.根据权利要求31-38中的任一项所述的方法,其进一步包括:
处理和/或促进处理所述至少一个相似度级别,以便确定所述用户与所述一个或多个其他用户之间的一个或多个信任级别,
其中,确定所述推荐信息、生成所述一个或多个推荐、或其组合至少部分地基于所述一个或多个信任级别。
40.根据权利要求39所述的方法,其中,所述一个或多个信任级别是不对称的。
41.根据权利要求31-40中的任一项所述的方法,其进一步包括:
至少部分地基于所述一个或多个角色来确定与所述用户相关联的一个或多个角色集合;以及
至少部分地基于所述一个或多个其它角色来确定与所述一个或多个其他用户相关联的一个或多个其它角色集合,
其中,计算所述至少一个相似度级别至少部分地基于所述一个或多个角色集合与所述一个或多个其它角色集合之间的相似度。
42.根据权利要求31-41中的任一项所述的方法,其进一步包括:
处理和/或促进处理所述情境信息、与所述一个或多个其他用户相关联的其它情境信息、或其组合,以便确定一个或多个情境,
其中,相对于所述一个或多个情境来定义所述一个或多个角色、所述一个或多个其它角色、或其组合。
43.根据权利要求42所述的方法,其中,所述一个或多个情境至少部分地指明了时间和位置。
44.根据权利要求42和43中的任一项所述的方法,其进一步包括:
确定对于所述一个或多个情境的一个或多个改变;以及
至少部分地使得启动至少部分地基于所述一个或多个改变来确定所述一个或多个角色、所述一个或多个其它角色、或其组合。
45.根据权利要求31-44中的任一项所述的方法,其进一步包括:
确定所述一个或多个其它角色的至少一个层级;以及
至少部分地使得将所述一个或多个角色与所述至少一个层级进行比较,
其中,所述至少一个相似度级别至少部分地基于所述比较。
46.根据权利要求16-30中的任一项所述的装置,其中所述装置是移动电话,其进一步包括:
用户接口电路和用户接口软件,所述用户接口电路和用户接口软件被配置成通过使用显示器促进对所述移动电话的至少一些功能的用户控制,并且被配置成对用户输入做出响应;以及
显示器和显示电路,所述显示器和显示电路被配置成显示所述移动电话的用户接口的至少一部分,所述显示器和显示电路被配置成促进对所述移动电话的至少一些功能的用户控制。
47.一种计算机可读存储介质,其携带了一个或多个指令的一个或多个序列,当由一个或多个处理器执行时,所述一个或多个指令的一个或多个序列使得装置至少执行权利要求31-45中的任一项所述的方法。
48.一种包括用于执行权利要求31-45中的任一项的方法的模块的装置。
49.根据权利要求48所述的装置,其中所述装置是移动电话,其进一步包括:
用户接口电路和用户接口软件,所述用户接口电路和用户接口软件被配置成通过使用显示器促进对所述移动电话的至少一些功能的用户控制,并且被配置成对用户输入做出响应;以及
显示器和显示电路,所述显示器和显示电路被配置成显示所述移动电话的用户接口的至少一部分,所述显示器和显示电路被配置成促进对所述移动电话的至少一些功能的用户控制。
50.一种计算机程序产品,其包括一个或多个指令的一个或多个序列,当由一个或多个处理器执行时,所述一个或多个指令的一个或多个序列使得装置至少执行权利要求31-45中的任一项所述的方法的步骤。
51.一种方法,其包括促进对至少一个接口的访问,所述至少一个接口被配置成允许访问至少一个服务,所述至少一个服务被配置成执行权利要求31-45中的任一项所述的方法。
52.一种方法,其包括处理和/或促进处理(1)数据和/或(2)信息和/或(3)至少一个信号,所述(1)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于权利要求31-45中的任一项所述的方法。
53.一种方法,其包括促进创建和/或促进修改(1)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能性,所述(1)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能性至少部分地基于权利要求31-45中的任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2011/073564 WO2012145931A1 (en) | 2011-04-29 | 2011-04-29 | Method and apparatus for context-aware role modeling and recommendation |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103620595A true CN103620595A (zh) | 2014-03-05 |
Family
ID=47071583
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180071902.9A Pending CN103620595A (zh) | 2011-04-29 | 2011-04-29 | 用于情境感知角色建模和推荐的方法和装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US9881092B2 (zh) |
CN (1) | CN103620595A (zh) |
WO (1) | WO2012145931A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106095960A (zh) * | 2016-06-16 | 2016-11-09 | 广州杰赛科技股份有限公司 | 一种网络服务推荐方法及装置 |
CN106415640A (zh) * | 2014-06-27 | 2017-02-15 | 英特尔公司 | 社交和情境适当的推荐系统 |
CN106649733A (zh) * | 2016-12-23 | 2017-05-10 | 中山大学 | 一种基于无线接入点情境分类与感知的在线视频推荐方法 |
CN106649658A (zh) * | 2016-12-13 | 2017-05-10 | 重庆邮电大学 | 针对用户角色无差异对待和数据稀疏的推荐系统及方法 |
CN107066582A (zh) * | 2017-04-14 | 2017-08-18 | 聚好看科技股份有限公司 | 实现虚拟资源推荐的方法及装置 |
WO2018126885A1 (zh) * | 2017-01-04 | 2018-07-12 | 腾讯科技(深圳)有限公司 | 一种游戏数据处理的方法 |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104471561B (zh) * | 2012-05-14 | 2019-03-15 | 诺基亚技术有限公司 | 确定情境-认知相似度和确定情境-认知推荐的方法和装置 |
US20140177494A1 (en) * | 2012-12-21 | 2014-06-26 | Alexander W. Min | Cloud-aware collaborative mobile platform power management using mobile sensors |
US10417685B2 (en) | 2013-06-14 | 2019-09-17 | Oracle International Corporation | Context dependent data management and display |
US20150007012A1 (en) * | 2013-06-27 | 2015-01-01 | International Business Machines Corporation | System and method for using shared highlighting for various contexts to drive a recommendation engine |
CN104361023B (zh) * | 2014-10-22 | 2018-01-30 | 浙江中烟工业有限责任公司 | 一种情境感知的移动终端烟草信息推送方法 |
CN104394439B (zh) * | 2014-11-20 | 2016-04-20 | 合一网络技术(北京)有限公司 | 基于动态配置的视频推荐分流的系统 |
US10044722B2 (en) | 2015-04-02 | 2018-08-07 | Sap Se | Behavioral multi-level adaptive authorization mechanisms |
US10243811B1 (en) * | 2016-01-22 | 2019-03-26 | Hrl Laboratories, Llc | Lattice-based inference of network services and their dependencies from header and flow data |
US10171472B2 (en) * | 2016-03-02 | 2019-01-01 | Microsoft Technology Licensing, Llc | Role-specific service customization |
US10621532B1 (en) | 2017-02-14 | 2020-04-14 | Patreon, Inc. | Generation of engagement and support recommendations for content creators |
US10607242B1 (en) | 2017-02-14 | 2020-03-31 | Patreon, Inc. | Generation of subscription recommendations for content creators |
US10813169B2 (en) | 2018-03-22 | 2020-10-20 | GoTenna, Inc. | Mesh network deployment kit |
US11004006B2 (en) | 2018-08-30 | 2021-05-11 | Conduent Business Services, Llc | Method and system for dynamic trust model for personalized recommendation system in shared and non-shared economy |
US11270330B1 (en) | 2020-02-26 | 2022-03-08 | Patreon, Inc. | Systems and methods to determine tax classification of benefits offered to subscribers of a membership platform |
US11386377B1 (en) | 2020-03-17 | 2022-07-12 | Patreon, Inc. | Systems and methods to recommend price of benefit items offered through a membership platform |
US11790391B1 (en) | 2020-03-17 | 2023-10-17 | Patreon, Inc. | Systems and methods to recommend benefit types of benefit items to offer within a membership platform |
US11368735B1 (en) | 2021-05-18 | 2022-06-21 | Patreon, Inc. | Systems and methods to facilitate quality control of benefit items created for subscribers of a membership platform |
US11715126B1 (en) | 2021-06-07 | 2023-08-01 | Patreon, Inc. | Systems and methods to process payments for subscribership within a membership platform |
US11675860B1 (en) * | 2021-07-28 | 2023-06-13 | Patreon, Inc. | Systems and methods to generate creator page recommendations for content creators |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080126176A1 (en) * | 2006-06-29 | 2008-05-29 | France Telecom | User-profile based web page recommendation system and user-profile based web page recommendation method |
US20090164442A1 (en) * | 2007-09-20 | 2009-06-25 | Deutsche Telekom Ag | Interactive hybrid recommender system |
JP2010039605A (ja) * | 2008-08-01 | 2010-02-18 | Ricoh Co Ltd | 個人検索システム、個人検索方法、プログラムおよび記録媒体 |
Family Cites Families (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6460036B1 (en) * | 1994-11-29 | 2002-10-01 | Pinpoint Incorporated | System and method for providing customized electronic newspapers and target advertisements |
US7181438B1 (en) * | 1999-07-21 | 2007-02-20 | Alberti Anemometer, Llc | Database access system |
GB2383505B (en) * | 2001-12-21 | 2004-03-31 | Searchspace Ltd | System and method for monitoring usage patterns |
US9065727B1 (en) * | 2012-08-31 | 2015-06-23 | Google Inc. | Device identifier similarity models derived from online event signals |
US8566884B2 (en) | 2007-11-29 | 2013-10-22 | Cisco Technology, Inc. | Socially collaborative filtering |
US9646025B2 (en) * | 2008-05-27 | 2017-05-09 | Qualcomm Incorporated | Method and apparatus for aggregating and presenting data associated with geographic locations |
CN101334792B (zh) * | 2008-07-10 | 2011-01-12 | 中国科学院计算技术研究所 | 一种个性化服务推荐系统和方法 |
US20100011020A1 (en) * | 2008-07-11 | 2010-01-14 | Motorola, Inc. | Recommender system |
US8352319B2 (en) * | 2009-03-10 | 2013-01-08 | Google Inc. | Generating user profiles |
US20100312644A1 (en) * | 2009-06-04 | 2010-12-09 | Microsoft Corporation | Generating recommendations through use of a trusted network |
US11127020B2 (en) * | 2009-11-20 | 2021-09-21 | Palo Alto Research Center Incorporated | Generating an activity inference model from contextual data |
US20110225139A1 (en) * | 2010-03-11 | 2011-09-15 | Microsoft Corporation | User role based customizable semantic search |
US20120078725A1 (en) * | 2010-09-27 | 2012-03-29 | Infosys Technologies Limited | Method and system for contextual advertisement recommendation across multiple devices of content delivery |
US8566261B2 (en) * | 2010-12-17 | 2013-10-22 | Microsoft Corporation | Interactive recommendations |
US20120210240A1 (en) * | 2011-02-10 | 2012-08-16 | Microsoft Corporation | User interfaces for personalized recommendations |
US8620764B2 (en) * | 2011-05-09 | 2013-12-31 | Telefonaktiebolaget L M Ericsson (Publ) | Method for providing a recommendation such as a personalized recommendation, recommender system, and computer program product comprising a recommender computer program |
US20150095278A1 (en) * | 2013-09-30 | 2015-04-02 | Manyworlds, Inc. | Adaptive Probabilistic Semantic System and Method |
-
2011
- 2011-04-29 CN CN201180071902.9A patent/CN103620595A/zh active Pending
- 2011-04-29 WO PCT/CN2011/073564 patent/WO2012145931A1/en active Application Filing
- 2011-04-29 US US14/114,277 patent/US9881092B2/en active Active - Reinstated
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080126176A1 (en) * | 2006-06-29 | 2008-05-29 | France Telecom | User-profile based web page recommendation system and user-profile based web page recommendation method |
US20090164442A1 (en) * | 2007-09-20 | 2009-06-25 | Deutsche Telekom Ag | Interactive hybrid recommender system |
JP2010039605A (ja) * | 2008-08-01 | 2010-02-18 | Ricoh Co Ltd | 個人検索システム、個人検索方法、プログラムおよび記録媒体 |
Non-Patent Citations (1)
Title |
---|
ANNIE CHEN: "Context-Aware Collaborative Filtering System: Predicting the User’s Preference in the Ubiquitous Computing Environment", 《T. STRANG AND C. LINNHOFF-POPIEN (EDS.): LOCA 2005, LNCS 3479》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106415640A (zh) * | 2014-06-27 | 2017-02-15 | 英特尔公司 | 社交和情境适当的推荐系统 |
CN106415640B (zh) * | 2014-06-27 | 2021-09-28 | 英特尔公司 | 社交和情境适当的推荐系统 |
US11423490B2 (en) | 2014-06-27 | 2022-08-23 | Intel Corporation | Socially and contextually appropriate recommendation systems |
CN106095960A (zh) * | 2016-06-16 | 2016-11-09 | 广州杰赛科技股份有限公司 | 一种网络服务推荐方法及装置 |
CN106649658A (zh) * | 2016-12-13 | 2017-05-10 | 重庆邮电大学 | 针对用户角色无差异对待和数据稀疏的推荐系统及方法 |
CN106649658B (zh) * | 2016-12-13 | 2020-06-16 | 重庆邮电大学 | 针对用户角色无差异对待和数据稀疏的推荐系统及方法 |
CN106649733A (zh) * | 2016-12-23 | 2017-05-10 | 中山大学 | 一种基于无线接入点情境分类与感知的在线视频推荐方法 |
CN106649733B (zh) * | 2016-12-23 | 2020-04-10 | 中山大学 | 一种基于无线接入点情境分类与感知的在线视频推荐方法 |
WO2018126885A1 (zh) * | 2017-01-04 | 2018-07-12 | 腾讯科技(深圳)有限公司 | 一种游戏数据处理的方法 |
CN107066582A (zh) * | 2017-04-14 | 2017-08-18 | 聚好看科技股份有限公司 | 实现虚拟资源推荐的方法及装置 |
CN107066582B (zh) * | 2017-04-14 | 2020-06-26 | 聚好看科技股份有限公司 | 实现虚拟资源推荐的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
US20140122507A1 (en) | 2014-05-01 |
US9881092B2 (en) | 2018-01-30 |
WO2012145931A1 (en) | 2012-11-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103620595A (zh) | 用于情境感知角色建模和推荐的方法和装置 | |
KR101323282B1 (ko) | 콘텐츠를 분류하기 위한 방법 및 장치 | |
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 | |
JP5777715B2 (ja) | コンテキスト情報を分類する方法および装置 | |
CN103797479B (zh) | 用于混合社交搜索模型的方法和装置 | |
CN103703460A (zh) | 用于针对实时推荐的协同过滤的方法和装置 | |
CN102834842A (zh) | 用于确定用户年龄范围的方法和装置 | |
US20160125467A1 (en) | Classifying user intent based on location information electronically communicated from a mobile device | |
CN104603782A (zh) | 用于共享和推荐内容的方法和装置 | |
CN103891392A (zh) | 用于基于电话簿的应用共享的方法和装置 | |
US20110087685A1 (en) | Location-based service middleware | |
US20120330777A1 (en) | Method and apparatus for providing recommendations based on locally generated models | |
CN102939604A (zh) | 用于上下文索引的网络资源的方法和装置 | |
US20120110565A1 (en) | Chained data processing and application utilization | |
CN103620593A (zh) | 用于提供基于特征的协同过滤的方法和装置 | |
Shin et al. | A new understanding of friendships in space: Complex networks meet Twitter | |
WO2012155329A1 (en) | Method and apparatus for holistic modeling of user item rating with tag information in a recommendation system | |
CN104798082A (zh) | 用于提供用于数据流的隐私策略的方法和装置 | |
CN102947827A (zh) | 生成协作播放列表的方法和装置 | |
CN103190115A (zh) | 基于语境进行搜索的方法和装置 | |
JP2013543167A5 (zh) | ||
CN104380285A (zh) | 用于执行推荐模型的增量更新的方法和装置 | |
US20150339371A1 (en) | Method and apparatus for classifying significant places into place categories | |
US20150254692A1 (en) | Method and apparatus for social networking service strategy based on spread simulation | |
CN102939774A (zh) | 用于上下文索引的网络资源分段的方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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: 20151224 Address after: Espoo, Finland Applicant after: Technology Co., Ltd. of Nokia Address before: Espoo, Finland Applicant before: Nokia Oyj |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140305 |