CN104285427A - 根据通过使不同数据源相关确定的上下文配置终端装置 - Google Patents

Abstract

本发明提供用于推断上下文的方法、系统、计算机可读媒体及设备。在一个可能的实施方案中，识别与第一持续时间相关联的第一上下文信息，存取第二上下文信息以确定上下文分段边界；及接着聚合所述第一上下文信息与所述第二上下文信息以产生推断的分段聚合上下文。在另一实施方案中，使用所述第一上下文信息将推断的上下文平均化，且使用所述上下文分段边界来重置用于将所述第一上下文信息平均化的开始时间。

Description

根据通过使不同数据源相关确定的上下文配置终端装置

背景技术

本发明的各方面涉及电子上下文确定。明确地说，涉及用于使用可用于供上下文引擎分析的传感器或应用程序数据确定电子装置的上下文的装置、系统及方法。

在现今的快节奏社会中，人们可能参与无数的活动，访问许多地方，且与数十到数百个人交互(-所有这些操作在一天之内)。准确地估计人的情形或上下文可允许选择性地来呈现或实施服务或功能性。

许多移动装置现在包含收集关于装置在其中操作的环境的信息及基于所述信息做出反应或改变操作特性的应用程序及传感器。此类上下文意识能力在通信行业中变得越来越流行。然而，大量可能的上下文使得难以可靠地及准确地估计上下文。

当前上下文系统从传感器数据瞬时地或通过将随时间的瞬时上下文平均化来推断上下文。归因于用户上下文与数据之间的有噪声映射，因此瞬时推断上下文具挑战性。举例来说，尽管当用户正在开会时，语音检测器的最常见输出可能为语音(与‘无言形成对比’)，最常见装置运动状态可能为装置静止，且范围内通常可能存在许多蓝牙装置，但当时仍有可能计算这些低级特征/推断，可确定语音不存在，运动状态可揭示装置并不处于静止，且可能在范围内不存在蓝牙装置。那么那时的瞬时上下文，归因于上下文信息中的预期的噪声或异常，任何单个确定可能为错误的。然而，仅进行滤波以达到这些噪声或异常读数的平均数是以动态响应为代价获得的。当越过两个不同上下文之间的边界时，推断为完全模糊的且性能降级。

存在对用于在通信装置中实施上下文意识的新的及有用的技术及结构的不断增长的需要。

发明内容

本文所描述的实施例涉及确定或推断装置在其中操作的上下文。此类确定可基于上下文优化装置功能性，且可进一步更改由所述装置提供的接口。确切地说，实施例可涉及识别此类推断的上下文的改变及对所述改变做出响应。一个可能的实施例是一种方法，所述方法包括：存取与第一持续时间相关联的第一上下文信息；存取第二上下文信息以确定上下文分段边界；及聚合所述第一上下文信息与所述第二上下文信息以产生推断的分段聚合上下文。

额外的此类实施例可起作用，其中所述第一上下文信息为来自麦克风的环境声音且其中所述第二上下文信息为来自所述麦克风的语音信息。额外的此类实施例可进一步包含：在移动装置处使用一或多个传感器获得与所述第一持续时间相关联的所述第一上下文信息；及使用不同于所述一或多个传感器的第二传感器获得所述第二上下文信息，其中所述第二传感器在所述移动装置或不同装置处。

额外的此类实施例可起作用，其中聚合所述第一上下文信息与所述第二上下文信息以产生所述推断的分段聚合上下文包括重置平均推断的上下文以开始在与所述上下文分段边界相关联的时间开始的平均上下文。

额外的此类实施例可起作用，其中与所述上下文分段边界相关联的所述时间包括检测到所述上下文分段边界时的时间；且其中在识别所述上下文分段边界之后的预定时间内延迟与所述推断的分段聚合上下文相关联的移动装置上下文设置。

此类方法的再其它实施例可起作用，其中聚合所述第一上下文信息与所述第二上下文信息以产生所述推断的分段聚合上下文包括：使所述第一上下文信息与第一可能的上下文相关联；确定所述第二上下文信息与所述第一可能的上下文不一致；及识别所述推断的分段聚合上下文，所述推断的分段聚合上下文与所述第二上下文信息一致且不同于所述第一可能的上下文。

此类实施例的再其它实例可起作用，其中存取所述第二上下文信息以确定所述上下文分段边界包括计算有限时间相关性的个别上下文推断以识别预期的上下文转变。

一种方法的另一替代实施例可包括：通过第一计算装置确定涵盖第一时间段的第一组上下文推断，其中所述第一组上下文推断是从传感器数据确定；及从所述第一组上下文推断确定与第一时间相关联的上下文分段边界，所述上下文分段边界定界所述第一时间段内的在所述第一时间之前的第一上下文与在所述第一时间之后的第二上下文。此类方法进一步包含：通过所述第一计算装置从所述传感器数据确定与第二时间相关联的第二上下文推断，所述第二时间在所述第一时间段内在所述第一时间之后；从所述第二上下文及所述第二上下文推断确定推断的分段聚合上下文；及基于所述推断的分段聚合上下文选择用于所述第一计算装置的一组装置设置。

此类实施例可进一步包含在从所述第一上下文信息确定所述上下文分段边界之前，从日历数据识别所述上下文分段边界，或在从所述第一上下文信息确定所述上下文分段边界之前，从社交网络登记数据识别所述上下文分段边界。

此类方法的其它实施例可起作用，其中所述传感器数据包括基于所述第一计算装置的音频环境检测的麦克风数据，或其中所述传感器数据包括基于所述第一计算装置的位置检测的位置数据。此类方法的再其它实施例可起作用，其中所述传感器数据包括与接近于所述第一计算装置的蓝牙装置相关联的蓝牙标识符，或其中所述传感器数据包括加速度数据且其中所述上下文分段边界是基于所述加速度数据的改变而检测。

此类方法的再其它实施例可起作用，其中所述推断的分段聚合上下文是从所述第一组上下文推断及所述第二上下文推断，通过选择在第二时间段内最常发生的个别上下文推断来计算，其中所述第二时间段为所述第一时间段的子集。

此类方法的再其它实施例可包含：确定与所述推断的分段聚合上下文相关联的置信度值；及在基于所述推断的分段聚合上下文选择用于所述第一计算装置的所述组装置设置之前，确定所述置信度值高于置信度阈值。

此类方法的额外实施例可起作用，其中所述推断的分段聚合上下文是从所述第一组上下文推断及所述第二上下文推断中的个别上下文推断，通过将与每一可能的上下文相关联的似然比或对数似然比平均化及输出最高值上下文作为所述推断的分段聚合上下文来计算。

此类方法的额外实施例可起作用，其中所述置信度值是依据每一可能的上下文的平均似然比或平均对数似然比值来计算。

在另一可能的实施例中，一种移动装置包含：处理器；第一传感器，其耦合到所述处理器；及非暂时性存储媒体，其耦合到所述处理器。在此类实施例中，所述存储媒体包含指令，所述指令在由所述处理器执行时致使所述移动装置进行以下操作：从所述第一传感器存取与第一持续时间相关联的第一上下文信息；存取第二上下文信息以确定上下文分段边界；及聚合所述第一上下文信息与所述第二上下文信息以产生推断的分段聚合上下文。

此类装置的额外实施例可起作用，其中所述第一传感器包括麦克风且其中所述第一上下文信息包括通过所述麦克风记录的声音信息；且其中所述第二上下文信息包括作为由所述处理器操作的日历应用程序的部分存储在所述存储媒体内的日历中的会议提醒。

在另一可能的实施例中，一种装置包含：用于确定涵盖第一时间段的第一组上下文推断的装置，其中所述第一组上下文推断是从传感器数据确定；用于从所述第一组上下文推断确定与第一时间相关联的上下文分段边界的装置，所述上下文分段边界定界所述第一时间段内的在所述第一时间之前的第一上下文与在所述第一时间之后的第二上下文；用于从所述传感器数据确定与第二时间相关联的第二上下文推断的装置，所述第二时间在所述第一时间段内在所述第一时间之后；用于从所述第二上下文及所述第二上下文推断确定推断的分段聚合上下文的装置；及用于基于所述推断的分段聚合上下文选择一组装置设置的装置。

此类装置的额外实施例可包含用于在从所述第一上下文信息确定所述上下文分段边界之前，从日历数据识别所述上下文分段边界的装置。此类装置的额外实施例可包含：用于确定与所述推断的分段聚合上下文相关联的置信度值的装置；及用于在基于所述推断的分段聚合上下文选择所述组装置设置之前，确定所述置信度值高于置信度阈值的装置，其中所述推断的分段聚合上下文是从所述第一组上下文推断及所述第二上下文推断中的个别上下文推断，通过将与每一可能的上下文相关联的似然比或对数似然比平均化及输出最高值上下文作为所述推断的分段聚合上下文来计算。

另一实施例可包括一种非暂时性计算机可读媒体，所述非暂时性计算机可读媒体包含计算机可读指令，所述计算机可读指令在由处理器执行时致使装置实施包括以下各者的方法：通过所述装置确定涵盖第一时间段的第一组上下文推断，其中所述第一组上下文推断是从传感器数据确定；从所述第一组上下文推断确定与第一时间相关联的上下文分段边界，所述上下文分段边界定界所述第一时间段内的在所述第一时间之前的第一上下文与在所述第一时间之后的第二上下文；通过所述装置从所述传感器数据确定与第二时间相关联的第二上下文推断，所述第二时间在所述第一时间段内在所述第一时间之后；从所述第二上下文及所述第二上下文推断确定推断的分段聚合上下文；及基于所述推断的分段聚合上下文选择一组装置设置。

此类计算机可读媒体的额外实施例可起作用，其中从所述第一组上下文推断确定与所述第一时间相关联的所述上下文分段边界包括识别跨越门槛进入房间的移动，所述上下文分段边界定界所述第一时间段内的在所述第一时间之前的所述第一上下文与在所述第一时间之后的所述第二上下文。再其它实施例可起作用，其中所述推断的分段聚合上下文包括与所述房间相关联的会议上下文。

虽然上文描述某些实施例且作为实例详细描述额外实施例，但对于所属领域的技术人员来说将显而易见的是，可按不同于所特别描述的实例的方式来构造额外实施例，同时保持在本文主张的创新的范围内。

附图说明

本发明的各方面通过实例来说明。在附图中，相似参考数字指示类似元件，且：

图1A说明用于一个可能的实施例中的上下文引擎的系统图；

图1B说明用于根据一个可能的实施例的装置中的应用程序的控制的系统；

图2说明用于供根据各种实施例的上下文系统使用的移动装置；

图3A说明根据一个可能的实施例的使用上下文分段边界的系统的推断的上下文的改变；

图3B说明根据一实施例的不使用上下文分段边界的系统的推断的上下文的改变；

图3C说明根据一个可能的实施例的确定聚合上下文的方法；

图4描述根据一个可能的实施例的确定聚合上下文的方法；

图5描述根据一个可能的实施例的确定聚合上下文的方法；以及

图6说明根据各种实施例的可在其中实施一或多个方面的计算系统的实例。

具体实施方式

现将关于形成说明性实施例的一部分的附图来描述若干说明性实施例。虽然下文描述可在其中实施本发明的一或多个方面的特定实施例，但可使用其它实施例，且可在不脱离本发明的范围或所附权利要求书的精神的情况下进行各种修改。

实施例涉及使用多个上下文数据流及上下文分段边界识别上下文的改变来推断装置在其中操作的上下文。举例来说，取决于通过麦克风检测到的噪声的量值及类型，可影响或推断某些上下文。来自多个话音的背景噪声可指示某一种进行中的上下文，而门关闭噪声可指示转变。另外可使用或聚合来自其它传感器的信息以在推断的上下文中提供额外置信度。在一个可能的实施例中，例如，移动装置可经常地使用麦克风监视声音信息。结合其它上下文信息(例如，日历及位置信息)，装置可确定上下文为“在办公室中独自打字”且基于此上下文呈现适当操作模式。虽然打字的声音上下文数据可能周期性地被简短的电话呼叫或对话中断，但某一时间段内的总的平均上下文可保持恒定。此情形可允许自动地制定某些规则，例如，呼叫屏蔽规则、优先用于电子邮件或文本消息的报警声音，或特定屏幕接口。可将上下文分段边界识别为此操作的部分以影响到替代上下文的转变。举例来说，当周期性声音可来自进入办公室以进行简短对话或进行电话呼叫的人时，来自日历的结合增大的对话指示会议的上下文信息可将上下文转变为“正在开会”上下文。其它上下文分段边界可加强此转变，例如，门关闭的声音、多个话音的声音或对会议房间中的位置的识别。在未识别某些上下文信息为过渡信息的情况下，装置可尽力识别动态环境中的上下文，且可在不同上下文之间快速振荡。上下文分段边界的使用因此可充当转变到新的推断的上下文的提示。多个上下文信息流的使用因此可在装置处提供更平滑的上下文呈现。

上下文分段边界的额外实例可使用装置的位置信息及位置的改变作为上下文信息来起作用。系统可使来自全球定位数据或网络辅助位置服务的区域或某一组位置信息与某一上下文相关联。当用户离开与此类上下文相关联的区域时，使用位置上下文信息识别的位置的改变可充当上下文分段边界。此位置上下文信息可进一步与其它上下文信息(例如，WiFi签名、具有许多话音的语音或日历数据)一起使用，以识别上下文及上下文的改变。与日历信息指示会议开始的时间同时地对位置改变、所检测到的话音的数目的改变及其它装置的所检测到的无线签名的改变的检测可沿着与这些改变相关联的上下文分段边界在推断的上下文中提供高度置信度。

如本文所使用，“上下文信息”是指在计算系统处接收以用于推断上下文的数据。此类信息可来自直接测量环境的物理方面(例如，光、声音或装置移动)的硬件收发器。此类信息可被视为来自“硬”传感器，例如，全球定位系统(GPS)、麦克风、无线天线、加速度计、磁力计、陀螺仪、蓝牙系统、环境光监视器、接近性监视器、摄像机、压力传感器、温度传感器，或任何其它此类类似硬件传感器。上下文信息另外可为通过装置内的应用程序存储的摘要信息。识别与用户或用户装置交互的其它当事人或装置的日历、联系人或配置文件可为此类摘要信息的实例。此类上下文信息可被视为来自“软”或“软件”传感器，例如，日历、电子邮件、SMS日志、呼叫日志、应用程序使用情况，或充当传感器以将数据输入到上下文系统的其它此类装置应用程序。

如本文所使用，“上下文”用以描述装置在其中操作的情形。上下文的实例包含：繁忙、可用的、正在开会、在汽车中旅行、在飞机中旅行、在家里、在办公室、在体育馆、进食或环境的任何其它此类概念。环境上下文可接着供装置用来选择设置。举例来说，如果上下文是“在飞机中旅行”，那么可将装置设置为自动答复电话消息，指示用户没空。如果上下文是“正在开会”，那么响铃可自动地为无声的。

类似地，如本文所使用，“推断的上下文”是指由装置进行的确定装置当前在何上下文中操作的计算机实施决策制定。推断的上下文描述可从传感器数据做出的任何推断(高级或低级)。可能的上下文的列表可为特定上下文系统或上下文引擎所特有的应用程序。可从单个传感器(单峰数据)或从多个传感器(多峰数据)推断上下文。一些样本列表为：企业情形推断(在开会、独自工作、午餐、体育馆、通勤、演讲)；运动类型(车辆运动、行人运动、静止)；运动状态分类(步行、跑步、坐着、站着、摆弄、休息、驾驶)；语音检测(语音、无言)；室内/室外检测(室内、室外)；会议检测(正在开会、不在开会)；或任何其它此类上下文。

个别传感器可提供具有上下文信息的流，使得可随时间接收新的及经更新的上下文信息。所述上下文信息可与可能的上下文的数目相关联，而与其它可能的上下文不一致。如本文所使用，“聚合上下文”是指从多个传感器导出的上下文，其用以在给出用于每一上下文信息流的可能的上下文及不一致的上下文的情况下导出最可能的上下文。

如本文所使用，“上下文分段边界”是指指示上下文的预期的改变的上下文信息，所述上下文的预期的改变可影响推断的或聚合上下文的确定。举例来说，日历中的会议的开始时间可充当用于从“有空”上下文到“忙着开会”上下文的转变的上下文分段边界。虽然上下文未必匹配通过会议指示的确切开始时间，但可将此上下文分段边界与其它信息聚合以识别上下文之间的适当转变。如果(例如)用户迟到，那么可将上下文分段边界与位置及噪声上下文信息一起使用以更灵敏地识别上下文之间的实际转变时间。上下文分段边界可为以独立于从上下文推断自身确定的方式从传感器输入确定的边界标记。

上下文分段边界还可用以确定应在其中对当前上下文推断进行滤波/平均化的持续时间。此类实施例中的假设是：上下文分段边界准确地俘获当前上下文分段开始的时间点，但并不俘获关于当前上下文为何上下文的信息。GPS可(例如)充当用于地点改变的上下文分段边界。GPS识别用户已从一个地方转变到另一个地方。举例来说，假设系统起作用以推断为用户所在的地点的类型(例如，家里对比工作对比两者都不是)的上下文。将上下文分段边界置于用户到达新地点的时间t₀。除此之外，在任何点，通过将从时间t₀直到当前时间点的上下文推断平均化来推断地点类型。

当结合某些上下文搜集额外位置信息时，可接着随时间改进关于特定推断的上下文的位置信息的群集。举例来说，如果在某一时间识别会议上下文且会议上下文具有某些其它出席者，那么位置数据可识别会议房间的特定入口及出口位置。当门位置可充当上下文分段边界时，当越过门位置时，系统可使用此信息作为用于上下文推断的高值输入。随时间搜集的额外位置集群数据可用于未来上下文推断以更快速地及准确地识别何时已越过位置门槛及何时装置应基于跨越此类上下文分段边界的移动调整推断的上下文。

对于具有定义得不是很清晰的边界的其它位置，可能需要大量位置数据或其它上下文信息。大量的位置集群数据最终可识别开放空间的边界，开放空间例如与特定上下文相关联的公共公园。对于此类位置，从上下文区域中识别进口或出口可为不太特定的，且可在使用多个类型的上下文信息推断上下文的决策中接收较低权重以验证或计算以下置信度：用户在特定推断的上下文中操作及用于位置的上下文分段边界对于当前推断的上下文是有意义的。

如本文所使用，术语“计算机”、“个人计算机”及“计算装置”是指已知的或未来将开发的任何可编程计算机系统。在某些实施例中，将计算机耦合到网络，如本文所描述。计算机系统可经配置而具有处理器可执行软件指令以执行本文所描述的过程。图6提供如下文所描述的计算机的额外细节。

如本文所使用，术语“组件”、“模块”及“系统”既定是指计算机相关实体，其为硬件、硬件与软件的组合、软件或执行中的软件。举例来说，组件可为(但不限于)在处理器上运行的过程、处理器、对象、可执行代码、执行线程、程序及/或计算机。借助于说明，在服务器上运行的应用程序及服务器两者可为组件。一或多个组件可驻留在过程及/或执行线程内，且组件可局部化于一个计算机上及/或分布在两个或两个以上计算机之间。

图1A描述可起作用以创建推断的及/或聚合上下文决策的上下文引擎100的一个可能的实施方案。上下文引擎100包含用户输入模块110、知识模块120、学习模块130、上下文信息模块140、概率推断模块150、文本处理模块160、推理模块170及决策模块180。

用户输入模块110可充当用于接收用于上下文系统的用户设置的任何输入系统。在某些实施例中，用户输入模块110可包含用于上下文服务的用户注册，包含经由万维网服务器或其它此类注册服务进行的用户注册信息的输入。用户输入模块110还可起作用以接收用户上下文选择及设置以用于存储在知识模块120中。举例来说，用户可识别用户想要自动通过上下文引擎100推断的特定上下文。用户另外可识别用于每一识别的上下文的设置，例如，可在不同上下文之间改变的声音设置、应用程序设置及用户接口设置。用户还可特别地识别不待推断的上下文，且还可识别默认上下文及用于默认上下文的装置设置以在上下文引擎100不能够充分推断上下文时使用。

知识模块120可包含模型、规则及上下文历史的记录以改善上下文决策制定。如图1A中所展示，知识模块可包含规则及约束122、语义模型124及知识库126。规则及约束可为由装置对在确定聚合上下文决策时可供上下文系统使用的装置控制设置的规则及限制。规则及约束122还可包含用户设置。语义模型124可包含在使用文本来推断上下文时用于上下文信息的定制或可定制规则。举例来说，在某些实施例中，日历中的“咖啡”可被解释为等效于“会议”或特定类型的会议。当学习模块130基于上下文信息识别、更新及改善上下文决策制定且将习得信息存储在知识库126中时，随时间识别为与特定上下文相关联的特定语言使用情况还可包含在语义模型124中。

学习模块130因此可识别推断的上下文的错误或错误指配以便改善上下文引擎100的未来操作。可响应于用户反馈来识别此类错误，或可通过呈出人意料的方式的上下文改变来识别此类错误，或通过不符合当前推断的上下文的用户装置使用情况来识别此类错误。此类学习另外可为由用户设置的用以允许学习模块130基于推断上下文中的习得成功自动更新规则及约束122的选项。

上下文信息模块140可用来从传感器搜集上下文信息，及将所述信息传达给各种分析模块以用于在推断上下文中使用。概率推断模块150、文本处理模块160及推理模块170可各自包括用于从上下文信息推断上下文的不同方法。概率推断模块150可包含对可从上下文数据导出的预期的分析，且文本处理模块可剖析作为上下文信息接收的文本信息以识别与所识别的文本一致的上下文。可将所有此信息(包含多个上下文信息流及各种推断或中间上下文推断)传达给推理模块170，推理模块170可使用预定义规则与习得规则及上下文知识或历史来分析呈各种形式的上下文信息。决策模块180可接着从所有所接收的上下文信息及分析中识别一或多个最终推断的上下文或聚合上下文决策。在某些实施例中，例如，某些上下文可为相关的及兼容的，使得同时选择多个上下文及其相关联规则，如关于图1B进一步论述的。

在某些实施例中，来自决策模块180的此决策可为：存在过度不确定性，且可能无法识别推断的上下文。在一个实例实施例中，可通过推理模块170及指配给每一可能的上下文的得分来识别多个可能的上下文。如果最高得分低于通过规则及约束122设置的阈值，那么在未识别聚合上下文时，决策模块180可设置默认上下文。

图1B进一步说明可结合图1A中所描述的上下文引擎100操作的上下文系统。图1B包含上下文引擎100、可能的推断的上下文196，及应用程序198。在一个可能的实施例中，这些元件可能全部存在于单个移动装置上。在替代实施例中，上下文引擎的不同模块或通过上下文引擎推断的上下文可在联网到移动装置的装置上实施，且可经由网络与移动装置通信。当通过上下文引擎100从所有可能的推断的上下文196中识别最终推断的上下文或聚合上下文时，系统可起作用以呼叫特定设置或提供特定设置到所选应用程序198。

举例来说，在某些实施例中，如果“忙碌”被识别为聚合上下文，那么即时消息接发可具有经调用的某些设置。如果“重要会议”为聚合上下文，那么可调用某些呼叫规则，且还可调用与“忙碌”上下文相关联的规则，这是因为所述上下文为相关联的。类似地，如果“慢跑”被识别为聚合上下文，那么可激活移动装置上的英里跟踪器应用程序，且还可自动调用体育机构应用程序。类似地，可取决于从上下文引擎100输出的所识别的聚合上下文，针对应用程序198设置用于特定应用程序或整个装置的隐私设置。因此，上下文系统可操作以响应于上下文引擎100从可能的推断的上下文196识别一或多个上下文而经由应用程序198提供功能性。

图2为说明可结合本文所描述的实施例使用的移动装置的一个可能的实施例的框图。此类移动装置可包含硬件、软件或固件以独自或结合额外联网计算装置实施上下文推断系统的全部或部分。此类上下文系统可为移动装置200，其可为任何移动装置，例如：智能电话、蜂窝式电话、个人数字助理、平板计算机、个人媒体播放器，以及提供类似或组合功能性的任何其它类型的便携式电子装置。此类移动装置200可实施如图1所展示的上下文引擎100或应用程序198的任何方面。

应了解，装置200还可包含触觉按钮、供电装置(例如，电池)以及通常与便携式电子装置相关联的其它组件。因此，图2不应被解释为限制性的，这是因为省略了一些组件。

在图2处所展示的实施例中，装置200包含处理器210，其经配置以执行指令以用于执行数个组件处的操作且可为(例如)适合于在便携式电子装置内实施的通用处理器或微处理器。处理器210与移动装置200内的多个组件通信耦合。为了实现此通信耦合，处理器210可跨越总线240与其它所说明的组件通信。总线240可为适于在移动装置200内传送数据的任何子系统。总线240可为多个计算机总线且包含用以传送数据的额外电路。

存储器220可耦合到处理器210。在一些实施例中，存储器220提供短期及长期存储两者且实际上可被划分成若干单元。存储器220可为易失性的，例如静态随机存取存储器(SRAM)及/或动态随机存取存储器(DRAM)，及/或非易失性的，例如只读存储器(ROM)、快闪存储器及其类似者。此外，存储器220可包含可卸除式存储装置，例如安全数字(SD)卡。因此，存储器220提供用于移动装置200的计算机可读指令、数据结构、程序模块及其它数据的存储。在一些实施例中，存储器220可分布到不同硬件模块中。

在一些实施例中，存储器220存储多个应用程序模块221A到221M。应用程序模块221A到221M含有待由处理器210执行的特定指令。存储器220可存储任何数目个应用程序模块。应用程序模块221A到221M中的相应应用程序模块可为(例如)日历应用程序、地图位置应用程序、电源管理应用程序、智能报警应用程序、社交媒体应用程序(例如，Twitter^TM或Facebook^TM)、加速度计应用程序、天气应用程序、温度呈现应用程序，或具有待由处理器210执行的指令的任何应用程序型模块。在某些实施例中，由移动装置操作的传感器可具有相关联的应用程序，使得可通过应用程序来存取来自由移动装置200操作的传感器的上下文信息，而不是直接从传感器或传感器固件存取上下文信息。

在一个可能的实施例中，上下文推断系统可作为特殊上下文模块221N操作。此类模块可实施如各种实施例中所描述的与确定移动装置200的上下文相关联的任何操作、确定或计算。举例来说，上下文模块221N可从传感器及其他应用程序搜集上下文信息，从个别组上下文信息确定推断的上下文，识别上下文分段边界，聚合上下文信息以确定聚合上下文，及控制对移动装置200的基于上下文的改变，例如，基于聚合上下文使接口设置变化。

在一些实施例中，存储器220包含操作系统223。操作系统223可为可操作的以起始由应用程序模块221A到221N及/或管理硬件模块201到502提供的指令的执行。操作系统223可适于执行跨越装置200的组件的其它操作，包含线程处理、资源管理、数据存储控制及其它类似功能性。

在一些实施例中，移动装置200包含一或多个无线模块212。无线模块212可包含Wi-Fi收发器、用于与蜂窝式电话塔通信的收发器，或用于实施无线通信的任何其它此类模块。此类无线模块212可作为移动装置200及应用程序201到202的部分来使用以与可辅助进行上下文确定的服务器通信。举例来说，在某些实施例中，上下文模块221N可经由无线模块212将上下文信息传达给可辅助确定聚合上下文的辅助服务器。可接着经由无线模块212将所分析的数据或上下文相关联信息传回到移动装置200以用于在移动装置200处设置聚合上下文。

另外，在一些实施例中，移动装置200包含多个硬件模块201到202。硬件模块201到202中的每一者为装置200内的物理模块。然而，虽然硬件模块201到202中的每一者经永久地配置为结构，但硬件模块201到202中的相应者可经临时配置以执行特定功能或经临时激活。常见实例为可对摄像机模块(即，硬件模块)编程以用于进行快门释放及图像俘获的应用程序模块。硬件模块201到202中的相应者可为(例如)加速度计、卫星导航系统接收器(例如，GPS模块)、压力模块、温度模块、音频输出及/或输入模块(例如，麦克风)、摄像机模块、接近传感器、一卡双号(ALS)模块、电容性触摸传感器、近场通信(NFC)模块、蓝牙收发器、蜂窝式收发器、磁力计、陀螺仪、惯性传感器(例如，组合加速度计与陀螺仪的模块)、环境光传感器、相对湿度传感器，或可操作以提供感官输出及/或接收感官输入的任何其它类似模块。在一些实施例中，硬件模块201到202的一或多个功能可在呈各种模块形式的固件或软件中实施。

除硬件模块201到202及应用程序模块221A到221M之外，移动装置200还可具有显示模块203及用户输入模块204。显示模块203以图形方式将来自装置200的信息呈现给用户。可从以下各者导出此信息：一或多个应用程序模块221A到221M、一或多个硬件模块201到202，其组合，或用于解析用于用户的图形内容(例如，通过操作系统224)的任何其它合适装置。显示模块203可为液晶显示器(LCD)技术、发光聚合物显示器(LPD)技术，或某一其它显示技术。在一些实施例中，显示模块203为电容性或电阻性触摸屏且可对与用户的触感及/或触觉接触敏感。在此类实施例中，显示模块203可包括多点触摸敏感显示器。

移动装置的额外实施例可进一步包括如下文关于图6详细描述的计算装置的各个部分。

图3A及3B描述推断的上下文的两个单独时间线。图3A展示具有上下文分段边界310及320的推断的上下文时间线300A，所述上下文分段边界可用以作为所包含的推断的上下文时间线300A的部分而确定上下文，且其中每一箭头处的个别推断的上下文为从出现最后的上下文分段边界时起的所有上下文的平均值或函数。图3B展示推断的上下文时间线300B。在时间线300B中，每一箭头与无关于先前所确定的推断的上下文的经个别确定的上下文相关联，不同于时间线300A的平均的推断的上下文。在每一时间线中，将时间展示为向右逐渐增加，其中周期性箭头展示上下文为“不在开会”或“正在开会”。每一上下文标签可与来自上下文引擎的在特定时间识别推断的上下文的输出决策相关联。虽然在图3中，将特定时间内的这些个别上下文展示为周期性的，但在各种替代实施例中，此类推断的上下文决策可为非周期性的、连续的，或关于推断的上下文的此类决策可根据任何时序来制定。

如上文所描述，图3A中的上下文分段边界可起作用以重置上下文信息的平均化，基本上充当上下文可为改变的及过去的上下文信息可能与当前上下文不相关的触发器，且因此，在推断上下文中将过去的上下文信息排除考虑可为有帮助的。虽然如图3B中所展示的个别上下文推断经展示为个别推断改变，但时间线300A中具有在上下文分段边界处重置的平均值的平均推断展示对推断的上下文的平均改变的更加平滑的响应。类似地，与时间线300A中所展示的情形相比较，推断的上下文时间线(其将展示平均上下文时间线300B，而不使用上下文分段边界)将花费显著更长时间来从“不在开会”上下文转变到“正在开会”上下文。

图3C接着描述根据一实施例的使用上下文分段边界推断上下文的方法。在350中，将上下文数据或信息输入到上下文系统。第一路径识别上下文分段边界，而第二路径反复地计算瞬时推断的上下文。在第一元件360中，从输入数据确定与识别上下文分段边界相关的特征集。此情形可包含所有上下文信息，或可仅包含与识别上下文分段边界相关的某些上下文信息。

在元件362中，分析来自第一计算的特征集的上下文数据以识别上下文分段边界。此操作可能与识别从软传感器日历应用程序接收的日历条目一般简单。在其它实施例中，可分析连续上下文信息流以识别上下文分段边界。存在用于计算上下文分段边界的各种算法技术。两种可能的技术是1)改变点检测及2)时间集群技术。

改变点检测可涉及检测：当前特征一致地呈现明显不同于较早时间的值的值。在概率设置中，可将此问题陈述为检测：得出当前特征所基于的基础分布明显不同于较早时间得出所述特征所基于的基础分布。

时间集群技术是指将在某一特征空间中类似地呈现及/或在类似时间出现的数据点分组。举例来说，如果数据流由通过执行GPS固定获得的经纬度坐标的迹线构成，那么集群技术将涉及将固定分组为有限数目个地点，移动装置访问所述地点及在所述地点花费时间。因此，相连固定中的一个独特片段可对应于在家中的移动装置的用户，且可属于与相连固定中的第二独特片段(在不同的一天发生的，当用户再次处于家中时)相同的群集。另一群集可对应于在移动装置的用户在工作时获得的固定。

存在可进行集群的不同数据流的若干特定实例。举例来说，可将音频环境数据进行集群。此情形可由批量的麦克风数据构成，其中每一批量是在持续时间内获得。在一个实施例中，持续时间可为一分钟。每一群集可对应于独特的音频环境。一个群集可识别打字噪声，一个群集可识别两方或三方通信，一个群集可识别汽车噪声，且一个群集可识别大群人对话。可将从一个群集到另一群集的改变识别为上下文分段边界。另外，可将集群技术与上下文信息的直接传感器检测相耦合以在特定时间提供多个上下文分段边界。举例来说，门关闭的声音可为经识别为上下文分段边界的直接上下文信息，且可伴随音频数据的群集改变。

在音频集群技术的一个特定实例中，可识别高达L个群集，且z_t可表示在一天内的第t分钟期间的音频环境的未知的群集ID号。从在数据的第t分钟期间观测的原始音频数据流计算音频特征，例如梅尔-倒频谱系数(MFCC)。可接着将来自上下文信息的MFCC用作音频特征以用于识别群集及群集之间的改变。MFCC为所属领域中所熟知的用于语音辨识中的。在此类实施例中，给定时间点的群集ID号为先前时间点的群集ID号结合所检测到的MFCC的函数。

在另一实例中，可将位置坐标用作群集。这些位置坐标可通过位置固定(例如，来自GPS的固定)或具网络能力的位置辅助数据来获得。每一坐标群集可对应于用户访问的宏地点(即，具建筑物大小的地点)。

WiFi指纹还可充当上下文信息的群集。这些可由以下各者构成：数组可见的WiFi接入点、其相应RSSI(即，信号强度)，及其相应的响应速率(即，当发生连续扫描时，其为可见的时间的分数)。每一群集对应于用户访问的微地点(即，具房间大小的地点)。

蓝牙指纹还可充当上下文信息的群集。这些可由以下各者构成：数组可见的BT装置、其相应的RSSI、其装置类别，及其相应的响应速率。每一群集对应于独特的蓝牙环境。

还可将运动状态进行集群。此情形由批量加速度计及/或陀螺仪及/或磁力计数据构成，每一批量是在10到30秒左右的持续时间内获得。每一群集对应于一组独特的运动。用于将上下文信息进行集群以识别上下文分段边界为群集之间的上下文信息转变的许多其它技术将结合本文提供的细节而显而易见。

返回到图3C，接着，可在362中通过任何数目个装置确定上下文分段边界，例如，来自传感器数据的上下文分段边界的直接接收、改变点检测或对与数据群集相关联的改变的检测(如上文所描述)。当在364中通过任何装置检测到新的上下文分段边界时，在366中更新使用个别上下文来计算平均上下文所开始的基本时间，且在368中，将新的基本时间传递到函数以结合第二路径创建新的推断的上下文。

在第二路径中，使用来自350的上下文信息计算第二特征集。此情形涉及从所有可供使用的上下文信息中选择第二组上下文信息以用于计算特定时间的瞬时上下文推断。370的此特征集可为与来自360的特征集相同的特征集，或可为不同特征集。在某些实施例中，特征可为不同的但为补充的。举例来说，在一个可能的实施例中，会议开始时间及结束时间可为360的特征集1的部分，而指示会议在进行中的一组补充的日历信息可为特征集2的部分。在各种实施例中，如果(例如)用户的隐私偏好阻止麦克风始终检测到声音，但用户不具有将日历提供给上下文系统的隐私问题，那么可通过用户偏好来选择特征集。

在于370中确定特征集2之后，可使用来自特征集2的上下文信息来计算特定时间内的推断的上下文。此信息可涉及针对来自个别传感器的上下文信息计算可能的上下文，且接着将可能的上下文聚合为特定时刻内的聚合上下文，或可涉及来自多个传感器的上下文数据的更复杂函数。

在380中，可从识别上下文分段边界的最近的时间起将特定时间点内的推断的上下文的个别确定平均化。当识别新的上下文分段边界且将新的上下文分段边界从元件368提供到元件380时，基本上删除了平均值，且从检测到最近的上下文分段边界的新的基本时间开始确定新的平均值。在元件390中，可输出推断的分段聚合上下文。如图3A及3B中所展示，虽然推断的分段聚合上下文可改变，但此改变更有可能跟随上下文分段边界，且直到识别新的上下文分段边界为止，此改变稳定。

在一个可能的实施例中，代替372的瞬时上下文推断，上下文系统可计算瞬时上下文推断分布。如果在瞬时时间t，上下文呈K个值中的一者(例如，对于简单的麦克风，上下文可为语音或无言，K=2)，那么此情形为(概率)向量p(t)＝[p₁，...，p_K]^T，其中p₁+…+p_K＝1。从时间t₀到当前时间t_C的上下文推断的平均化用将log(p(t))在相同时间段内平均化来代替。此类系统可提供更详细的信息以用于进行以下操作：通过跟踪具有概率的推断的上下文的所有可能的分布，检测错误及改善以提供给知识模块，及提供反馈以更改用于在推断的上下文的未来计算中计算概率的权重或函数值。

在额外的可能的替代实施例中，不是选择平均化时间在识别上下文分段边界的时刻开始，而是系统可改为将预定时间量内的推断的上下文平均化，随后允许上下文改变。如果上下文分段边界伴随着噪声或上下文信息的快速变化，那么此情形可防止上下文的快速改变。举例来说，在本发明的一个实例化中，此情形是通过在输出上下文推断之前等待固定的时延时间L来进行。通常，L越大，推断的准确度越大。

在另一实例化中，此情形是通过等待可变的时延时间直到与上下文推断相关联的置信度高于某一目标阈值为止来实现。可以数种方式来计算推断的置信度。在一个实例化中，计算时间t的置信度值如下：

$C\left(t\right)=\frac{{\mathrm{\Σ}}_{t=t_0}^{t_C}\log \left(p_{i1}\left(t\right)\right)-\log \left(p_{i2}\left(t\right)\right)}{|{\mathrm{\Σ}}_{t=t_0}^{t_C}\log \left(p_{i1}\left(t\right)\right)+{\mathrm{\Σ}}_{t=t_0}^{t_C}\log \left(p_{i2}\left(t\right)\right)|}$

其中i1为具有的最高值的上下文状态，且i2为具有第二最高值的上下文状态。在可变时延方法中，可设置计时器来迫使在置信度值从未超过目标阈值的情况下输出推断。

在另一实施例中，系统可拒绝输出上下文推断，直到当前片段在于片段中的当前时间点及每个先前时间点内输出与整个片段相关联的平均上下文推断时的点结束为止。

因此，如本文根据某些实施例所描述，统计推断解决方案可产生瞬时推断或某一持续时间内的推断。类似地，对于高级情形，可在相当长的持续时间内进行推断。举例来说，会议可为通常持续大约数十分钟的情形。对会议的推断有贡献的基础低级推断可包含类似语音的存在、地点的类型、出席者的数目、出席者的接近性等推断。然而，可(例如)在几秒或至多几分钟内推断出语音的存在。接着需要在较长持续时间内进行语音的聚合推断以接着连同其它上下文一起确定用户是否正在开会。

本发明的一些实施例的系统及技术使用限界信息聚合推断以辅助进行情形意识。在一些情况下，可使用一个上下文的持续时间(例如，地点访问、日历事件持续时间、时间等)来导出用于另一上下文的聚合上下文输出。举例来说，在日历上的事件的持续时间内，可从多个个别语音推断产生聚合语音推断，接着推理用户在所述持续时间内是否正在开会。可在可能的事件持续时间的部分或全部时间内(例如，日历事件的持续时间或用户处于大致相同地点的持续时间)执行聚合。

可接着使用灵活的概念模型来表示所产生的聚合上下文，使得可结合其它上下文来使用所述聚合上下文进行推理。可收集个别推断(例如，在客户端、服务器、网络资源等处)，使得可产生一或多个聚合上下文。在一些实施例中，某一聚合可通过客户端来执行且某一聚合可通过网络资源来执行。在一个实施例中，例如，客户端可为移动装置，如上文所描述。

在第一持续时间内(例如，在第一时间开始且扩展特定时间长度，在第一时间开始且在第二时间结束，在通过特定事件指示的时间开始且扩展特定时间长度，等)，客户端可存取由一或多个传感器产生的信息，所述信息可直接地或间接地指示上下文(第一上下文信息)。举例来说，音频传感器可感测指示语音、指示移动装置接近于说话的人的信息。然而，信息还可能与以下情形一致：用户正进行电话呼叫，正与另一个人进行对话，处于语音多的环境(例如，公共场地)，或正在开会。

客户端可获得与第二持续时间或第二时间点相关联的第二上下文信息(仅具有有限的时间相关性)；第二上下文信息可为传感器信息或例如日历信息等其它信息。客户端可聚合第一上下文信息与第二上下文信息以确定聚合上下文。如上文所提及，对于会议的实例，如果观测到用户处于会议室中达30分钟，那么可导出在所述访问持续时间内的聚合语音上下文。第一持续时间与第二持续时间可相同或不同。

可通过实施多种技术使用第一上下文信息及第二上下文信息来确定聚合上下文。举例来说，可跨越第二持续时间重新聚合第一上下文信息。如果(例如)日历事件指示用户从下午1点到2点将开会，但用户的位置在此时间段内大大改变，所以可确定用户不在开会且另一上下文更适当。作为另一实例，可确定第一信息与第二信息之间的同步协方差。如果(例如)麦克风检测到强烈音频信号且移动装置同时检测到装置处于“呼叫中”状态，那么可确定用户在打电话，而不是在参与个人对话。作为又一实例，可比较第一持续时间与第二持续时间。假设：例如，只要信息实质上不改变(例如，第一信息可识别移动装置在时间段#1中处于“家”位置，且第二信息可识别在时间段#2期间移动装置在10英尺半径内检测不到蓝牙装置)，就收集第一信息和第二信息。如果时间段一般相同，那么可确定用户在整个时间内独自处于家中。否则，可估计用户最初独自在家中，接着与其家人一起在家中，且接着在社交聚集期间处于家中。

图4描述用于确定推断的分段聚合上下文的额外实施例。在通过图4描述的一个可能的实施例中，例如上下文引擎100等上下文引擎可存取上下文信息且确定在第一时间段内的相关联的推断的上下文。在S412中，可存取第二上下文信息以从第二上下文信息中识别分段边界。在S414中，可聚合或合并第一上下文信息与第二上下文信息。此情形基本上可通过识别与第一上下文信息及第二上下文信息一致的上下文来进行，或通过使用借助第二上下文信息识别为关于来自第一上下文信息的推断的上下文可改变的旗标的上下文分段边界来进行。在S416中，可从第一上下文信息及第二上下文信息产生推断的分段聚合上下文。此上下文可为与在上下文分段边界之前识别的上下文相同的上下文，或可为不同的上下文。

图5描述用于确定推断的分段聚合上下文及将推断的分段聚合上下文应用于移动装置的操作的另一额外实施例。在S510中，装置用户可激活用户移动装置上的上下文引擎以起始上下文敏感操作及与移动装置介接。用户可作为此类激活的部分而向网站求助以订用上下文服务，或可作为此类激活的部分而下载应用程序。用户可进一步选择用户设置、默认设置、隐私设置，及用于上下文引擎的操作的其它类似设置。用户还可提供用于上下文引擎或应用程序的任何所需的授权以起始从移动装置上的硬的及软传感器搜集上下文信息及使得能够通过上下文引擎存取此上下文信息。

在S512中，上下文引擎可从多个上下文信息源接收上下文信息。如上文所描述，这些信息源可为提供与移动装置在其中操作的上下文相关的信息的任何种类的传感器。在S514中，识别第一组上下文信息以用于识别移动装置在其中操作的可能的上下文。在替代实施例中，可识别与第一组上下文信息一致的任何数目个可能的上下文，且可识别与第一组上下文信息不一致的类似的特定上下文以消除对可能的上下文的考虑。

在S516中，识别第二上下文信息，且识别作为第二上下文信息的部分的上下文分段边界。在S518中，上下文引擎确定第二上下文信息与第一可能的上下文不一致，且在S520中，上下文引擎确定第二上下文信息与第二可能的上下文一致，至少部分地借此识别第二可能的上下文为推断的分段聚合上下文。在S522中，识别第二可能的上下文为推断的分段聚合上下文用以基于特定上下文与一组移动装置设置之间的关联将装置转变到一组新的特征或装置设置。

图6说明可在其中实施一或多个实施例的计算系统的实例。如图6中所说明的计算机系统可作为先前所描述的计算机化装置(例如，图2的移动装置)的部分或如通过图1A及1B描述的上下文引擎或上下文推断系统的元件中的任一者而并入。根据各种实施例的系统的任何组件可包含如通过图6描述的计算机系统，包含各种移动装置或联网装置及服务器。图6提供计算机系统600的一个实施例的示意性说明，所述计算机系统可执行通过各种其它实施例提供的方法(如本文所描述)，及/或可充当确定上下文所针对的移动装置或充当可处理与移动装置相关联的上下文信息以确定移动装置的上下文的联网计算系统。图6仅意欲提供对各种组件的一般化说明，可在适当时利用所述组件中的任一者或全部。因此，图6广泛地说明可如何以相对分离或相对较集成方式实施个别系统元件。

展示计算机系统600包括可经由总线605电耦合(或另外可在适当时通信)的硬件元件。硬件元件可包含：一或多个处理器610，包含(但不限于)一或多个通用处理器及/或一或多个专用处理器(例如，数字信号处理芯片、图形加速度处理器，及/或其类似者)；一或多个输入装置615，其可包含(但不限于)鼠标、键盘及/或其类似者；及一或多个输出装置620，其可包含(但不限于)显示装置、打印机及/或其类似者。

计算机系统600可进一步包含以下各者(及/或与以下各者通信)：一或多个非暂时性存储装置625，所述非暂时性存储装置625可包括(但不限于)本地及/或网络可接入的存储装置，及/或可包含(但不限于)磁盘驱动器、驱动阵列、光学存储装置、例如随机存取存储器(“RAM”)及/或只读存储器(“ROM”)等固态存储装置，其可为可编程的、可快闪更新的及/或其类似者。此类存储装置可经配置以实施任何适当数据存储装置，包含(但不限于)各种文件系统、数据库结构及/或其类似者。

计算机系统600还可能包含通信子系统630，其可包含(但不限于)调制解调器、网卡(无线或有线)、红外线通信装置、无线通信装置及/或芯片组(例如，Bluetooth^TM装置、802.11装置、Wi-Fi装置、WiMax装置、蜂窝式通信设施等)及/或类似通信接口。通信子系统630可准许与网络(例如，作为一个实例，下文所描述的网络)、其它计算机系统及/或本文中所描述的任何其它装置交换数据。在许多实施例中，计算机系统600将进一步包括非暂时性工作存储器635，其可包含RAM或ROM装置，如上文所描述。

计算机系统600还可包括展示为当前位于工作存储器635内的软件元件，包含操作系统640、装置驱动器、可执行库及/或例如一或多个应用程序645等其它代码，其可包括通过各种实施例提供及/或可经设计以实施方法及/或配置系统、通过其它实施例提供的计算机程序，如本文所描述。仅以实例来说明，关于上文所论述的方法所描述的一或多个程序可实施为可由计算机(及/或计算机内的处理器)执行的代码及/或指令；接着，在一方面中，可使用此类代码及/或指令配置及/或调适通用计算机(或其它装置)以执行根据所描述方法的一或多个操作。

一组这些指令及/或代码可存储在计算机可读存储媒体(例如，上文所描述的存储装置625)上。在一些情况下，存储媒体可并入于计算机系统(例如，计算机系统600)内。在其它实施例中，存储媒体可与计算机系统分离(例如，可装卸式媒体(例如，压缩光盘)，及/或提供于安装包中，使得存储媒体可用以编程、配置及/或调适其上存储有指令/代码的通用计算机。这些指令可呈可由计算机系统600执行的可执行码的形式，及/或可呈源及/或可安装代码的形式，所述源及/或可安装代码在于计算机系统600上编译及/或安装于计算机系统600上(例如，使用多种一般可用编译程序、安装程序、压缩/解压缩公用程序等中的任一者)后，接着呈可执行码的形式。

可根据特定要求进行实质性变化。举例来说，还可使用定制硬件，及/或可在硬件、软件(包含便携式软件，例如小程序等)或两者中实施特定元件。此外，提供某种功能性的硬件及/或软件组件可包括专用系统(具有专门的组件)或可为更通用系统的部分。举例来说，经配置以提供本文所描述的关于通过上下文信息模块140进行的活动的选择的特征中的一些特征或全部的活动选择子系统可包括专门的硬件及/或软件(例如，专用集成电路(ASIC)、软件方法等)或通用的硬件及/或软件(例如，处理器610、应用程序645等)。另外，可使用到其它计算装置(例如，网络输入/输出装置)的连接。

一些实施例可使用计算机系统(例如，计算机系统600)来执行根据本发明的方法。举例来说，所描述方法的程序中的一些程序或全部可由计算机系统600响应于处理器610执行工作存储器635中所含有的一或多个指令(其可并入到操作系统640及/或其它代码中，例如，应用程序645)的一或多个序列来执行。可将此类指令从另一计算机可读媒体读入到工作存储器635中，另一计算机可读媒体例如存储装置625中的一或多者。仅以实例来说明，执行工作存储器635中所含有的指令序列可致使处理器610执行本文中所描述方法的一或多个程序。

如本文中所使用，术语“机器可读媒体”及“计算机可读媒体”是指参与提供致使机器以特定方式操作的数据的任何媒体。在使用计算机系统600实施的实施例中，在将指令/代码提供到处理器610以用于执行中可能涉及各种计算机可读媒体，及/或各种计算机可读媒体可用以存储及/或携载此类指令/代码(例如，作为信号)。在许多实施方案中，计算机可读媒体为物理及/或有形存储媒体。此类媒体可呈许多形式，包含(但不限于)非易失性媒体、易失性媒体及传输媒体。非易失性媒体包含(例如)光盘及/或磁盘，例如存储装置625。易失性媒体包含(但不限于)例如工作存储器635等动态存储器。传输媒体包含(但不限于)同轴电缆、铜线及光纤，包含包括总线605的电线，以及通信子系统630的各种组件(及/或通信子系统630借以提供与其它装置的通信的媒体)。因此，传输媒体还可呈波的形式(包含(但不限于)无线电、声波及/或光波，例如，在无线电-波及红外线数据通信期间产生的那些波)。另一方面，非暂时性存储媒体可能并不呈此类形式，且在各种实施例中，参与提供致使机器以特定方式操作的数据的任何存储媒体可使用非暂时性存储媒体来实施。

举例来说，常见形式的物理及/或有形计算机可读媒体包含软性磁盘、柔性磁盘、硬盘、磁带，或任何其它磁性媒体、CD-ROM、任何其它光学媒体、打孔卡、纸带、具有孔图案的任何其它物理媒体、RAM、PROM、EPROM、快闪-EPROM、任何其它存储器芯片或盒带、如下文所描述的载波，或计算机可从其读取指令及/或代码的任何其它媒体。

在将一或多个指令的一或多个序列携载到处理器610以用于执行时可涉及各种形式的计算机可读媒体。仅作为实例来说明，最初可将指令携载于远程计算机的磁盘及/或光学光盘上。远程计算机可将指令载入到其动态存储器中，并经由传输媒体将指令作为信号进行发送以由计算机系统600接收及/或执行。根据各种实施例，可呈电磁信号、声学信号、光信号及/或其类似者形式的这些信号皆为可在其上编码指令的载波的实例。

通信子系统630(及/或其组件)一般将接收信号，且总线605可接着将信号(及/或由信号携载的数据、指令等)携载到工作存储器635，处理器605从所述工作存储器检索指令并执行指令。由工作存储器635接收的指令可在由处理器610执行之前或之后任选地存储在非暂时性存储装置625上。

上文所论述的方法、系统及装置为实例。各种实施例可在适当时省略、取代或添加各种程序或组件。举例来说，在替代配置中，所描述的方法可以不同于所描述的次序的次序来执行，及/或可添加、省略及/或组合各种阶段。并且，可在各种其它实施例中组合关于某些实施例描述的特征。可以类似方式组合实施例的不同方面及元件。并且，技术演进且，因此，许多元件为实例，其并不将本发明的范围限于那些特定实例。

在描述中给出特定细节以提供对实施例的透彻理解。然而，可在没有这些特定细节的情况下实践实施例。举例来说，在没有不必要的细节的情况下展示熟知电路、过程、算法、结构及技术以便避免混淆所述实施例。此描述仅提供实例实施例，且不希望限制本发明的范围、适用性或配置。确切地说，实施例的前述描述将为所属领域的技术人员提供用于实施本发明的实施例的启迪性描述。可在不脱离本发明的精神及范围的情况下对元件的功能及布置进行各种改变。

并且，一些实施例被描述为以流程与流程箭头描绘的过程。尽管每一流程图或框图可能将操作描述为顺序过程，但许多操作可并行地或同时地来执行。另外，可重新布置操作的次序。过程可具有不包含在图中的额外步骤。此外，可通过硬件、软件、固件、中间件、微码、硬件描述语言或其任何组合来实施方法的实施例。当以软件、固件、中间件或微码实施时，用以执行相关联任务的程序代码或代码段可存储在例如存储媒体等计算机可读媒体中。处理器可执行相关联任务。

已描述若干实施例，可在不脱离本发明的精神的情况下使用各种修改、替代构造及等效物。举例来说，上述元件可仅为较大系统的组件，其中其它规则可优先于本发明的应用或以其它方式修改本发明的应用。并且，可在考虑上述元件之前、期间或之后进行数个步骤。因此，上述描述并不限制本发明的范围。

Claims (26)

1.一种方法，其包括：

存取与第一持续时间相关联的第一上下文信息；

存取第二上下文信息以确定上下文分段边界；以及

聚合所述第一上下文信息与所述第二上下文信息以产生推断的分段聚合上下文。

2.根据权利要求1所述的方法，其中所述第一上下文信息为来自麦克风的环境声音且其中所述第二上下文信息为来自所述麦克风的语音信息。

3.根据权利要求1所述的方法，其进一步包括：在移动装置处使用一或多个传感器获得与所述第一持续时间相关联的所述第一上下文信息；以及

使用不同于所述一或多个传感器的第二传感器获得所述第二上下文信息，其中所述第二传感器在所述移动装置或不同装置处。

4.根据权利要求1所述的方法，其中聚合所述第一上下文信息与所述第二上下文信息以产生所述推断的分段聚合上下文包括重置平均推断的上下文以开始在与所述上下文分段边界相关联的时间开始的平均上下文。

5.根据权利要求4所述的方法，其中与所述上下文分段边界相关联的所述时间包括检测到所述上下文分段边界时的时间；且

其中在识别所述上下文分段边界之后的预定时间内延迟与所述推断的分段聚合上下文相关联的移动装置上下文设置。

6.根据权利要求1所述的方法，其中聚合所述第一上下文信息与所述第二上下文信息以产生所述推断的分段聚合上下文包括：

使所述第一上下文信息与第一可能的上下文相关联；

确定所述第二上下文信息与所述第一可能的上下文不一致；以及

识别所述推断的分段聚合上下文，所述推断的分段聚合上下文与所述第二上下文信息一致且不同于所述第一可能的上下文。

7.根据权利要求6所述的方法，其中存取所述第二上下文信息以确定所述上下文分段边界包括计算有限时间相关性的个别上下文推断以识别预期的上下文转变。

8.一种方法，其包括：

通过第一计算装置确定涵盖第一时间段的第一组上下文推断，其中所述第一组上下文推断是从传感器数据确定；

从所述第一组上下文推断确定与第一时间相关联的上下文分段边界，所述上下文分段边界定界所述第一时间段内的在所述第一时间之前的第一上下文与在所述第一时间之后的第二上下文；

通过所述第一计算装置从所述传感器数据确定与第二时间相关联的第二上下文推断，所述第二时间在所述第一时间段内在所述第一时间之后；

从所述第二上下文及所述第二上下文推断确定推断的分段聚合上下文；以及

基于所述推断的分段聚合上下文选择用于所述第一计算装置的一组装置设置。

9.根据权利要求8所述的方法，其进一步包括在从所述第一上下文信息确定所述上下文分段边界之前，从日历数据识别所述上下文分段边界。

10.根据权利要求8所述的方法，其进一步包括在从所述第一上下文信息确定所述上下文分段边界之前，从社交网络登记数据识别所述上下文分段边界。

11.根据权利要求8所述的方法，其中所述传感器数据包括基于所述第一计算装置的音频环境检测的麦克风数据。

12.根据权利要求8所述的方法，其中所述传感器数据包括基于所述第一计算装置的位置检测的位置数据。

13.根据权利要求8所述的方法，其中所述传感器数据包括与接近于所述第一计算装置的蓝牙装置相关联的蓝牙标识符。

14.根据权利要求8所述的方法，其中所述传感器数据包括加速度数据且其中所述上下文分段边界是基于所述加速度数据的改变而检测。

15.根据权利要求8所述的方法，其中所述推断的分段聚合上下文是从所述第一组上下文推断及所述第二上下文推断，通过选择在第二时间段内最常发生的个别上下文推断来计算，其中所述第二时间段为所述第一时间段的子集。

16.根据权利要求8所述的方法，其进一步包括：

确定与所述推断的分段聚合上下文相关联的置信度值；以及

在基于所述推断的分段聚合上下文选择用于所述第一计算装置的所述组装置设置之前，确定所述置信度值高于置信度阈值。

17.根据权利要求16所述的方法，其中所述推断的分段聚合上下文是从所述第一组上下文推断及所述第二上下文推断中的个别上下文推断，通过将与每一可能的上下文相关联的似然比或对数似然比平均化及输出最高值上下文作为所述推断的分段聚合上下文来计算。

18.根据权利要求17所述的方法，其中所述置信度值是依据每一可能的上下文的平均似然比或平均对数似然比值来计算。

19.一种移动装置，其包括：

处理器；

第一传感器，其耦合到所述处理器；以及

非暂时性存储媒体，其耦合到所述处理器，所述存储媒体包含指令，所述指令在由所述处理器执行时致使所述移动装置进行以下操作：

从所述第一传感器存取与第一持续时间相关联的第一上下文信息；

存取第二上下文信息以确定上下文分段边界；以及

聚合所述第一上下文信息与所述第二上下文信息以产生推断的分段聚合上下文。

20.根据权利要求19所述的移动装置，其中所述第一传感器包括麦克风且其中所述第一上下文信息包括通过所述麦克风记录的声音信息；且

其中所述第二上下文信息包括作为由所述处理器操作的日历应用程序的部分存储在所述存储媒体内的日历中的会议提醒。

21.一种装置，其包括：

用于确定涵盖第一时间段的第一组上下文推断的装置，其中所述第一组上下文推断是从传感器数据确定；

用于从所述第一组上下文推断确定与第一时间相关联的上下文分段边界的装置，所述上下文分段边界定界所述第一时间段内的在所述第一时间之前的第一上下文与在所述第一时间之后的第二上下文；

用于从所述传感器数据确定与第二时间相关联的第二上下文推断的装置，所述第二时间在所述第一时间段内在所述第一时间之后；

用于从所述第二上下文及所述第二上下文推断确定推断的分段聚合上下文的装置；以及

用于基于所述推断的分段聚合上下文选择一组装置设置的装置。

22.根据权利要求21所述的装置，其进一步包括：

用于在从所述第一上下文信息确定所述上下文分段边界之前，从日历数据识别所述上下文分段边界的装置。

23.根据权利要求21所述的装置，其进一步包括：

用于确定与所述推断的分段聚合上下文相关联的置信度值的装置；以及

用于在基于所述推断的分段聚合上下文选择所述组装置设置之前，确定所述置信度值高于置信度阈值的装置，其中所述推断的分段聚合上下文是从所述第一组上下文推断及所述第二上下文推断中的个别上下文推断，通过将与每一可能的上下文相关联的似然比或对数似然比平均化及输出最高值上下文作为所述推断的分段聚合上下文来计算。

24.一种非暂时性计算机可读媒体，其包括计算机可读指令，所述计算机可读指令在由处理器执行时致使装置实施包括以下各者的方法：

通过所述装置确定涵盖第一时间段的第一组上下文推断，其中所述第一组上下文推断是从传感器数据确定；

从所述第一组上下文推断确定与第一时间相关联的上下文分段边界，所述上下文分段边界定界所述第一时间段内的在所述第一时间之前的第一上下文与在所述第一时间之后的第二上下文；

通过所述装置从所述传感器数据确定与第二时间相关联的第二上下文推断，所述第二时间在所述第一时间段内在所述第一时间之后；

从所述第二上下文及所述第二上下文推断确定推断的分段聚合上下文；以及

基于所述推断的分段聚合上下文选择一组装置设置。

25.根据权利要求24所述的非暂时性计算机可读媒体，其中所述传感器数据包括装置位置数据；且

其中从所述第一组上下文推断确定与所述第一时间相关联的所述上下文分段边界包括识别跨越门槛进入房间的移动，所述上下文分段边界定界所述第一时间段内的在所述第一时间之前的所述第一上下文与在所述第一时间之后的所述第二上下文。

26.根据权利要求25所述的非暂时性计算机可读媒体，其中所述推断的分段聚合上下文包括与所述房间相关联的会议上下文。