CN104823433A - 在语义上融合上下文推断 - Google Patents
在语义上融合上下文推断 Download PDFInfo
- Publication number
- CN104823433A CN104823433A CN201380062753.9A CN201380062753A CN104823433A CN 104823433 A CN104823433 A CN 104823433A CN 201380062753 A CN201380062753 A CN 201380062753A CN 104823433 A CN104823433 A CN 104823433A
- Authority
- CN
- China
- Prior art keywords
- classification
- context
- context category
- category
- fusion
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M1/00—Substation equipment, e.g. for use by subscribers
- H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
- H04M1/724—User interfaces specially adapted for cordless or mobile telephones
- H04M1/72448—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions
- H04M1/72454—User interfaces specially adapted for cordless or mobile telephones with means for adapting the functionality of the device according to specific conditions according to context-related or environment-related conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04M—TELEPHONIC COMMUNICATION
- H04M2250/00—Details of telephonic subscriber devices
- H04M2250/12—Details of telephonic subscriber devices including a sensor for measuring a physical value, e.g. temperature or motion
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Telephone Function (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明揭示用于在计算装置中执行上下文推断的系统及方法。在一个实施例中,一种执行上下文推断的方法包含:在计算装置处使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别;及在所述移动装置处基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
Description
背景技术
无线通信技术中的进步已极大地增加了当今无线通信装置的通用性。这些进步已使得无线通信装置能够从简单的移动电话及寻呼机演变为能够具有广泛多种功能性的复杂计算装置,所述广泛多种功能性例如多媒体记录及回放、事件日程安排、文字处理、电子商务等。因此,当今的无线通信装置的用户能够通过单个便携式装置执行常规上需要多个装置或更大的非便携式装备的广泛范围的任务。
发明内容
一种用于在计算装置中执行上下文推断的实例方法,其包含:在计算装置处使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别;及在所述移动装置处基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
此类方法的实施方案可包含以下特征中的一或多者。所述融合类别具有相关联的标签,其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。所述方法进一步包含获得与初始分类相关联的用以确定所述第一上下文类别的信息。获得与所述初始分类相关联的所述信息包括获得与所述初始分类相关联的置信度值。确定所述融合类别是响应于所述置信度值具有不合需要的值而执行。获得与所述初始分类相关联的所述信息包括识别所述初始分类的可操作性质。确定所述融合类别包括是基于所述初始分类的所述可操作性质。所述上下文相关数据为与第一时间相关联的第一上下文相关数据,所述方法进一步包含使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别,其中确定所述融合类别是基于所述第一上下文类别及所述第二上下文类别。确定所述第一上下文类别包括从多个预定的可用上下文类别中选择所述第一上下文类别。确定所述融合类别包括从多个预定的可用融合类别中选择所述融合类别。
一种实例设备包含:用于使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别的第一确定装置;及通信地耦合到所述第一确定装置的第二确定装置,其用于基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
此类设备的实施方案可包含以下特征中的一或多者。所述融合类别具有相关联的标签,其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。所述第一确定装置包括用于获得与初始分类相关联的用以确定所述第一上下文类别的信息的获得装置。所述获得装置经配置以获得与所述初始分类相关联的置信度值。所述第二确定装置经配置以响应于所述置信度值具有不合需要的值而确定所述融合类别。所述获得装置经配置以识别所述初始分类的可操作性质。所述第二确定装置经配置以基于所述初始分类的所述可操作性质确定所述融合类别。所述上下文相关数据为与第一时间相关联的第一上下文相关数据,所述第二确定装置进一步用于使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别,其中所述第二确定装置经配置以基于所述第一上下文类别及所述第二上下文类别确定所述融合类别。所述第一确定装置经配置以通过从预定的可用上下文类别中选择所述第一上下文类别来确定所述第一上下文类别。所述第二确定装置经配置以通过从预定的可用融合类别中选择所述融合类别来确定所述融合类别。
一种实例移动装置包含:至少一个数据源;目标状态分类器,其通信地耦合到所述至少一个数据源且经配置以使用来自所述至少一个数据源的上下文相关数据确定第一上下文类别;及融合分类器,其通信地耦合到所述目标状态分类器,其经配置以基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
此类移动装置的实施方案可包含以下特征中的一或多者。所述融合类别具有相关联的标签,其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。所述目标状态分类器经配置以获得与初始分类相关联的用以确定所述第一上下文类别的信息。所述目标状态分类器经配置以获得与所述初始分类相关联的置信度值。所述融合分类器经配置以响应于所述置信度值具有不合需要的值而确定所述融合类别。所述目标状态分类器经配置以识别所述初始分类的可操作性质。所述融合分类器经配置以基于所述初始分类的所述可操作性质确定所述融合类别。所述上下文相关数据为与第一时间相关联的第一上下文相关数据,所述融合分类器经配置以使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别,且所述融合分类器经配置以基于所述第一上下文类别及所述第二上下文类别确定所述融合类别。所述目标状态分类器经配置以通过从预定的可用上下文类别中选择所述第一上下文类别来确定所述第一上下文类别。所述融合分类器经配置以通过从预定的可用融合类别中选择所述融合类别来确定所述融合类别。
一种实例处理器可读存储媒体,其包含经配置以致使处理器进行以下操作的处理器可读指令:使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别;及基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
此类储存媒体的实施方案可包含以下特征中的一或多者。所述融合类别具有相关联的标签,其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。所述存储媒体进一步包含经配置以致使所述处理器获得与初始分类相关联的用以确定所述第一上下文类别的信息的指令。经配置以致使所述处理器获得与所述初始分类相关联的所述信息的所述指令包括经配置以致使所述处理器获得与所述初始分类相关联的置信度值的指令。经配置以致使所述处理器确定所述融合类别的所述指令经配置以致使所述处理器响应于所述置信度值具有不合需要的值而确定所述融合类别。经配置以致使所述处理器获得与所述初始分类相关联的所述信息的所述指令包括经配置以致使所述处理器识别所述初始分类的可操作性质的指令。经配置以致使所述处理器确定所述融合类别的所述指令经配置以致使所述处理器基于所述初始分类的所述可操作性质确定所述融合类别。所述上下文相关数据为与第一时间相关联的第一上下文相关数据,所述存储媒体进一步包含经配置以致使所述处理器使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别的指令,其中经配置以致使所述处理器确定所述融合类别的所述指令经配置以致使所述处理器基于所述第一上下文类别及所述第二上下文类别确定所述融合类别。经配置以致使所述处理器确定所述第一上下文类别的所述指令经配置以致使所述处理器从预定的可用上下文类别中选择所述第一上下文类别。经配置以致使所述处理器确定所述融合类别的所述指令经配置以致使所述处理器从预定的可用融合类别中选择所述融合类别。
本文所描述的项目及/或技术可提供以下能力中的一或多者,及/或有可能提供未提及的一或多个其它能力。从移动装置数据传感器收集的数据可指示目标上下文状态。目标状态分类器可经训练以检测目标上下文状态。目标上下文状态可与归因于特定目标上下文状态之间的不明确性而产生的低置信度值相关联。融合分类器可在语义上融合一组目标分类器,因此,通过融合分类进行的上下文推断可能比从所述所检测到的目标上下文状态进行的上下文推断更准确。可提供其它能力,且不是根据本发明的每个实施方案都必须提供所论述的能力中的任一者,更不用说全部。另外,可能有可能通过除了所提到的手段以外的手段来实现上文所提及的效果,且所提到的项目/技术可能未必产生所提到的效果。
附图说明
图1为移动计算装置的组件的框图。
图2为上下文推断及分类系统的框图。
图3为可供图2中所展示的系统使用的状态分类的说明性视图。
图4到5为关于计算装置执行上下文推断的相应过程的框流程图。
图6说明计算机系统的实施例的框图。
具体实施方式
本文描述用于融合与计算装置相关联的上下文推断的技术。本文所描述的技术可用以辅助进行用于装置的上下文确定,所述装置例如智能电话、膝上型计算机或平板计算机、个人数字助理(PDA)等,以及目前现有或未来存在的任何其它计算装置。其它使用也可能为有可能的。虽然下文描述中所给出的各种实例涉及移动计算装置,但本文所描述的技术可应用于其中需要进行上下文推断的任何装置。
移动装置技术的进步已带给移动装置在执行及定制装置的功能中检测及使用装置及用户上下文信息的能力,所述信息例如装置的位置、在装置的区域中发生的事件等。可使移动装置感知到其用户的上下文的一种方式是识别环境音频流中的对话。举例来说,装置可监视装置及其用户附近的周围音频环境且确定会话何时发生。可接着使用此信息来触发更详细的推断,例如说话者及/或用户辨识、年龄及/或性别估计、会话参与者的数目的估计等。替代地,识别会话的动作自身可用作上下文确定中的辅助动作。举例来说,所检测到的会话可用以确定位于其办公室的用户是在独自工作还是在会见其它人,此情形可影响所述用户的可中断性。
另外,移动上下文感知的目标是让装置推断其用户正在做什么。此情形可沿着多个维度进行评估,例如通过用户所位于的地点的类型(例如,办公室、会议室、阶梯教室、家、体育馆、餐馆、咖啡店、酒吧等)或用户处于的情形的类型(例如,会议、独自工作、驾驶、吃午饭、锻炼、睡觉等)。每一个此类维度在本文中被称作上下文,通过推断用户上下文,促进一系列应用,例如(但不限于)以下各者:
1)使装置功能性自动化,例如当用户不可中断时将呼叫转向到话音邮件或对文本消息做出响应、基于环境调整响铃音量、当用户将迟到时通知会议参与者等。
2)使社交联网交互自动化,例如登记、当用户在附近时通知朋友等。
3)提供医疗保健信息,例如燃烧的卡路里、走过的英里数、工作对玩乐花费的时间等。
4)促进例如对于餐馆、商店、消费品、汽油等的准确且及时的推荐。
利用上下文感知服务的应用分成两个种类:利用确定性推断的种类,及仅利用统计推断的种类。使用确定性推断的应用程序的实例为检测器,当上下文感知服务检测到用户正驾驶时,所述感测器提出基于驾驶的用户接口(UI),例如,具有大型按钮、速度计警报等。仅使用统计推断的应用程序的实例为用户测绘器,其试图通过利用检测用户何时正驾驶的类似(或相同)上下文感知服务来估计用户花费在驾驶上的时间的平均数。使用确定性推断的应用程序可能不能够容忍假报警或漏检(即,分类器误差)。举例来说,不正确的分类可能导致当用户处于总线上时,用户的移动装置将驾驶UI实例化,或反过来也一样。
为了减少将导致不正确的操作(例如,上文作为实例的操作)的分类器误差,如下文所描述在语义上融合上下文推断。一般来说,在给出各自经训练以检测目标类别的一组独立监督分类器的情况下,创建新分类器且当原始分类器检测到多个目标类别时,使用所述新分类器输出一组新类别中的一个类别。将相关联的标签附接到每一新类别,所述标签在语义上囊封触发其输出的所述组所检测到的目标类别中的类别的标签。
本文所描述的技术可用于移动装置,例如,图1中所说明的实例移动装置100。移动装置100包含无线收发器121,所述无线收发器经由无线天线122在无线网络上发送及接收无线信号123。收发器121通过无线收发器总线接口120连接到总线101。虽然在图1中展示为相异组件,但无线收发器总线接口120还可为无线收发器121的一部分。此处,将移动装置100说明为具有单个无线收发器121。然而,移动装置100可替代地具有多个无线收发器121及无线天线122以支持多个通信标准,例如Wi-Fi、码分多址(CDMA)、宽带CDMA(WCDMA)、长期演进(LTE)、蓝牙等。
通用处理器111、存储器140、数字信号处理器(DSP)112及/或专用处理器(未图示)也可用以完全或部分地处理无线信号123。来自无线信号123的信息的存储是使用存储器140或寄存器(未图示)来执行。虽然图1中展示仅一个通用处理器111、DSP 112及存储器140,但移动装置100可使用这些组件中的任一者中的一个以上者。通用处理器111及DSP 112直接或通过总线接口110连接到总线101。另外,存储器140直接或通过总线接口(未图示)连接到总线101。总线接口110在实施时可与其所相关联的通用处理器111、DSP 112及/或存储器140一起集成或与其独立。
存储器140包含将功能存储为一或多个指令或代码的非暂时性处理器可读存储媒体(或多个媒体)。可构成存储器140的媒体包含(但不限于)RAM、ROM、闪存、光盘驱动器等。由存储器140存储的功能是由通用处理器111、专用处理器或DSP 112执行。因此,存储器140为存储经配置以致使处理器111及/或DSP 112执行所描述功能的软件代码(处理器可读程序代码、处理器可读指令等)的处理器可读存储器。替代地,移动装置100的一或多个功能可整体或部分地在硬件中执行。
移动装置100进一步包含一或多个传感器135,其俘获与移动装置100及/或其周围环境相关联的数据。传感器135可包含(但不限于)麦克风或音频传感器、摄像机、光传感器、压力传感器、惯性传感器(例如,加速度计及/或陀螺仪)、磁力计等。传感器135可个别地或组合地使用,例如传感器阵列或任何其它组合。多个传感器135在由移动装置100实施的情况下可彼此相互依赖地或独立地操作。传感器135独立地或通过总线接口(未图示)连接到总线101。举例来说,传感器135可通过总线101与DSP 112通信以便处理由传感器135俘获的数据。传感器135可另外与通用处理器111及/或存储器140通信以产生或以其它方式获得与所俘获数据相关联的元数据。在一些实施例中,天线122及/或收发器121也可以用作传感器,例如以感测或检测例如Wi-Fi信号等无线信号。
图2说明可供图1中所展示的移动装置100利用的上下文推断及分类系统200的实施例。系统200包含一或多个装置数据源210、目标状态分类器230,及融合分类器240。目标状态分类器230及融合分类器240通信地耦合到装置数据源210且融合分类器240通信地耦合到目标状态分类器230。装置数据源210可包含(但不限于)音频传感器212(例如,麦克风)、位置传感器214(例如,GPS收发器)、网络传感器216(例如,Wi-Fi及/或其它无线电收发器)、运动传感器218(例如,加速度计或陀螺仪)、日历/预约记录220、时间/日期信息源222(例如,系统时钟或其它机制)、装置使用情况监视器224、光及/或摄像机传感器226等。装置数据源210提供供一组状态分类器(包含一组目标状态分类器230及融合分类器240)用以推断与移动装置100相关联的上下文性质的数据。下文进一步详细描述目标状态分类器230及融合分类器240的操作。
从装置数据源210收集的数据可呈可供目标状态分类器230及/或融合分类器240使用的任何形式。举例来说,此类数据可包含来自音频传感器212的音频样本;来自位置传感器214的GPS读数;来自网络传感器216的网络强度及/或其它网络相关读数;来自运动传感器218的运动、加速度或定向数据、与日历220相关联的条目等。除数据之外,还可收集及/或利用应用于数据的标签。举例来说,日历条目可标记有位置或标题,例如“用户的办公室”或“医生的预约”。还可使用任何其它数据类型、数据标签,或可供目标状态分类器230及/或融合分类器240使用的信息的其它方面。
如上文所描述,目标状态分类器230为独立监督的分类器,其各自经训练以检测目标上下文状态。在给出目标状态分类器230的情况下,将融合分类器240用作新分类器以在各种条件下输出一组新融合类别中的一者,例如,目标状态分类器230检测到多个类别,未检测到具有充分置信度水平的目标状态,等等。每一融合类别被指派一标签,所述标签在语义上包含及囊封一组所检测到的目标状态;融合类别为由相应目标分类器检测到的一组合并的目标状态的联合状态。融合类别各自共享,且融合类别标签指示多个类别(例如,多个目标上下文状态)所共有的特性。融合分类器240输出通过所包含的目标状态触发的特定融合类别。以此方式,融合分类器240表示一组合并的目标状态分类器230。
举例来说,对于经训练以分别检测状态行走、坐及站立的三个监督运动分类器,当检测到坐及站立两者时,融合分类器240可输出标记为静止的状态。作为另一实例,对于经训练以检测状态行走、跑步、驾驶、公共汽车及地铁的监督运动分类器,当检测到行走或跑步时,融合分类器240可输出pedestrian_motion,且当检测到驾驶、公共汽车或地铁时,可输出vehicular_motion。通过图3中的系统300给出这些分组的说明性视图。然而,本文所描述的概念不限于运动分类;可利用任何合适的分类类型,例如位置分类(例如,室内对室外,工作对家庭,等等)、事件分类(例如,会议检测等)、环境分类(例如,基于网络可用性或信号强度等),等等。
如果目标状态分类器230输出与其检测决策相关联的概率或置信度值,那么融合分类器240可在确定其输出中利用这些信息。举例来说,对于经训练以检测in_office及in_meeting且各自输出用于其决策的置信度值的两个监督分类器,当检测到具有低置信度的in_office或in_meeting(或检测到in_office及in_meeting,两者具有低置信度)时,融合分类器240可经配置以输出at_work。在这些情况中的任一情况下,特定上下文状态(此处为in_office及in_meeting)中的任一者或两者的置信度低,但融合类别(此处为at_work)的置信度高。当检测到一者具有高置信度时,融合分类器240可输出原始的分类输出(例如,in_office或in_meeting),或在检测到两者具有高置信度的情况下,输出具有较高置信度值的分类。置信度水平指示与基于输入数据的目标状态分类决策相关联的不明确性程度。
融合分类器240可基于由多类别监督分类器输出的一或多个类别输出融合类别,所述多类别监督分类器从一组经训练的类别中输出一或多个类别。融合分类器240经配置以从一组类别中输出一个类别,其具有在语义上囊封由原始分类器输出的所有类别的标签。举例来说,在给出经训练以检测目前说话者的数目(即,经训练而具有类别“0个说话者”、“1个说话者”、“2个说话者”、“3个说话者”等)的监督音频分类器的情况下,融合分类器240可输出“无说话者”、“1个说话者”或“许多说话者”。替代地,分类器240可经配置以输出“无说话者”、“很少说话者”或“许多说话者”。作为另一实例,对于经训练以用于类别1)不在会议中、2)在与个人A的会议中及3)在与个人B的会议中的分类器,融合分类器240经配置以输出1)不在会议中或2)在会议中。仍然可使用其它配置。
如果目标状态分类器230将概率分布(或一组类似加权)指派给其被训练以用于基于所接收输入数据进行分类的所述组类别,那么融合分类器240可基于此信息选择其输出。举例来说,如果经训练以在行走、坐及站立之间区别的三状态分类器提供具有相应概率(0.0、0.4、0.6)的输出(行走、坐、站立),那么融合分类器240可输出静止(例如,当原始分类器在坐与站立之间模棱两可时)。
如果目标状态分类器230基于输入数据将置信度值指派给其输出决策时,融合分类器240可基于以下各者中的一或多者选择其输出:1)原始分类器的输出;2)与输出相关联的置信度值;及/或3)原始分类器的已知行为。例如,在已知原始分类器通常混淆状态的子集且已知置信度值指示可能的混淆或不明确性的情况下,可使用此信息。在一些实施方案中,归因于与原始目标状态分类器230相比较具有较少相关联的不明确性,融合分类器240可能更稳固。对于先前实例,如果原始分类器基于输入数据执行初始分类且输出具有低置信度值的坐且已知此分类器通常混淆坐与站立,那么融合分类器240输出静止。在一些情况下,融合分类器240可忽略置信度值。举例来说,多个应用程序可能希望利用相同的经训练的分类器输出,但一些应用程序可能具有比其它应用程序低的准确度容限。在其中原始分类器输出已知通常与其它类别混淆的任何类别的一些或所有情况下,具有较低容限的应用程序可决定输出较广泛的语义类别。
融合分类器240可通过在时间维度上在语义上合并上下文推断来操作。举例来说,如果原始分类器在各自3秒的连续时段内输出一序列7个决策(坐、站立、坐、坐、坐、站立、站立),那么融合分类器240输出单个决策静止,其囊封及合并先前21秒的决策。替代地,融合分类器240可对与原始分类器相同的时间标度操作,从而在语义上过滤上下文推断。继续先前实例,融合分类器240可按与原始分类器相同的速率(即,每3秒一次)输出经过滤的决策,例如(坐、站立、静止、静止、静止、静止、静止)。
可由融合分类器240执行的操作的其它实例如下。
1)对于经训练以在驾驶及on_bus状态之间区别的分类器,当输出原始类别中具有低置信度的任一者时,融合分类器240输出in_transit。
2)对于检测in_office的分类器,当检测的置信度为低时,融合分类器240输出at_work。
3)对于从命名为hanging_out_with_friends及having_lunch的两个类别中选择的情形分类器,当所述两个原始类别的输出概率在彼此的0.2内(例如,0.6及0.4)时,融合分类器240输出having_lunch_with_friends。
上述实例并不是融合分类器240的实施方案的详尽列表,且其它使用情况是有可能的。
为了重新叙述上述情形,目标状态分类器230从装置数据源210接收数据且将数据分类成相应状态。融合分类器240通信地耦合到目标状态分类器230且经配置以从目标状态分类器230接收分类器决策且任选地,接收其它信息(例如,置信度值等)。基于从目标状态分类器230接收的信息,融合分类器240确定是输出由目标状态分类器230提供的原始状态还是新的合并状态,所述新的合并状态在语义上包含由目标状态分类器230提供的状态以及一或多个类似状态(例如,输出状态可能已作为错误输出而提供的状态)。另外,融合分类器240可直接从装置数据源210接收数据。此数据可包含与提供到目标状态分类器230的那些数据及/或其它数据重复的数据。
作为实例,可将目标状态分类器230建置到一或多个集成电路(IC)、芯片组或其它硬件模块中且经由应用程序编程接口(API)来存取。API经配置以输出目标状态分类器230的输出及其相关联的置信度值或概率。融合分类器240是由装置制造商、操作系统开发者或应用程序开发者建置且实施目标状态分类器230关于一或多个特定应用程序的语义融合。虽然图2说明具有单个融合分类器240的系统200,但可使用多个融合分类器240。举例来说,多个融合分类器240可与相应应用程序或数组应用程序相关联,以使得给定应用程序结合对应于所述应用程序的融合分类器240利用目标状态分类器230。还可基于以下各者来调整或定制融合分类器240或一组融合分类器240中的相应融合分类器:用户偏好、应用程序性质,或可潜在地对将来自装置数据源210的数据分类成相应上下文状态有影响的任何其它准则。其它实施方案也是有可能的。
作为其中将目标状态分类器230及融合分类器240展示为单独实体的系统300的替代方案,可将目标状态分类器230及融合分类器240实施为单个多级分类器。举例来说,可在如上文关于目标状态分类器230所描述的第一分类器级识别第一状态,且随后可按与关于融合分类器240所描述的方式类似的方式在第二分类器级识别第二状态。
另外或替代地,当无显式置信度输出可从目标状态分类器230得到时,如图3中所展示的融合分类器240可执行来自目标状态分类器230的输出的时间分析以增强目标状态分类器230的稳定性及/或获得暗示的置信度值、概率分布或其它软决策度量。此处,融合分类器240(例如)通过在一段时间内缓冲或以其它方式存储分类器输出而随时间识别来自特定目标状态分类器230的输出。基于初始分类器决策的历史及对那些决策的任何改变,融合分类器240可选择输出初始状态决策或新状态决策。作为实例,如果目标状态分类器230在两个相关状态(例如,在邻近或几乎邻近决策中)之间交替(可能快速地),那么融合分类器240可输出融合类别以避免指示个别不同状态之间的乒乓效果。为了进行说明,如果初始分类器快速地在坐与站立之间交替,那么融合分类器240可推断低置信度水平,用新决策(例如,静止)取代初始决策,或采取其它合适行动。
作为另一实例,如果初始分类器针对预定数目个决策输出相同状态且随后切换到新状态,那么融合分类器240可检测改变且在所述改变之后针对一或多个状态决策输出较广泛或中间状态。为了进行说明,如果目标状态分类器230针对若干决策输出行走且接着切换到跑步,那么当识别到跑步的切换时,融合分类器240可针对一或多个决策输出pedestrian_motion。
作为又一实例,融合分类器240可结合来自目标状态分类器230的历史数据充分利用目标状态分类器230的一或多个可操作性质以增加分类准确性。举例来说,在一实例中,其中在一些情况下已知初始分类在区分in_car与on_train状态上具有困难,如果发现初始分类器输出在in_car与on_train之间交替,那么融合分类器240可用初始上下文推断取代较广泛推断(例如,vehicular_motion)。
如上文所提到,目标状态分类器230及融合分类器240至少部分基于从装置数据源210接收的信息推断用户及/或装置上下文。虽然上文所给出的一些实例涉及运动分类,但可利用任何合适的低级特征,且可执行任何合适的低级推断(例如,上下文推断或其它推断)。举例来说而非限制,可根据从装置数据源210获得的数据计算的可能的低级特征的列表包含以下各者:
·GPS速度、准确性、海拔高度
·#GPS卫星可见
·当日时间、星期几、平日/周末、公共假日
·天气、温度
·环境光传感器读数
·接近传感器读数
·摄像机数据、强度、R/G/B(红/绿/蓝)强度、例如离散余弦变换(DCT)系数等特征、摄像机视场中所检测到的对象
·最接近地理关注点(POI)
·可见的蓝牙装置及对应的接收信号强度指示(RSSI)、范围内的新/旧蓝牙装置
·可见的Wi-Fi AP(接入点)及对应的RSSI、可见的新/旧Wi-Fi AP
·周围音频能级
·移动检测(任何装置移动对无装置移动)
类似地,可通过目标状态分类器230及/或融合分类器240计算的可能的低级推断的列表包含(但不限于)以下各者:
·运动状态(行走、跑步、驾驶等)
·装置位置(口袋、手、桌子、包等)
·语音检测(语音/无语音)
·说话者辨识(说话的装置拥有者/说话的其它某人)
·目前说话者的数目
·目标声音检测(婴儿哭泣/不在哭泣等)
·区(家/工作/其它/交通中或住宅/商业等)
·装置使用情况(每分钟屏幕触摸的数目、每分钟键入的字符的数目等)
·显示器接通对断开
·应用程序使用情况(运行的应用程序的类型(例如,游戏、电子邮件等)、同时运行的应用程序的数目等)
参看图4,进一步参看图1到3,关于计算装置执行上下文推断的第一过程400包含所展示的阶段。然而,过程400仅为一实例并且无限制性。例如,可通过添加、去除、重新布置、组合及/或并行地执行各阶段来更改过程400。对如所展示及描述的过程400的再其它更改是有可能的。
在阶段402处,过程400包含在计算装置处使用来自与移动装置100相关联的至少一个数据源(例如,数据源210中的至少一者)的上下文相关数据确定第一上下文类别。第一上下文类别可为(例如)来自由所述组目标状态分类器230及/或其它机构指派给上下文相关数据的一组上下文类别中的上下文类别。然而,一般来说,可在阶段402处以任何合适方式确定第一上下文类别。分类器、分类算法或用于确定第一上下文类别的其它装置可为执行过程400的装置及/或其它装置的部分及/或另外可由执行过程400的装置及/或其它装置控制。可同步地(例如,根据时段、日程安排或其它时间帧)或异步地(例如,响应于用于测量、分类或报告的触发事件)确定第一上下文类别。可通过从多个预定的可用上下文类别中选择第一上下文类别来确定第一上下文类别。第一上下文类别可表示硬决策(例如,离散状态值或其它指示符),其可包含或可能并不包含例如概率及/或置信度信息等补充信息。替代地,第一上下文类别可导致软决策,例如,呈一组上下文类别中的每一者的概率的向量形式或其它形式。用于阶段402处的第一上下文类别的其它格式及/或技术是有可能的。
在阶段404处,过程400包含在计算装置处基于第一上下文类别确定融合类别,所述融合类别与第一上下文类别及不同于第一上下文类别的第二上下文类别所共有的至少一个特性相关联。可(例如)根据以下情形确定融合类别:响应于具有低的相关联的置信度的第一上下文类别,及/或响应于确定第一类别及第二类别两者,及/或第一类别经得起分组而不会损失相关信息(例如,“很少说话者”对“2个说话者”),等等。融合分类器240(例如)通过分析上下文类别与融合类别之间的关系确定融合类别。可通过从多个预定的可用融合类别中选择第一上下文类别来确定融合类别。融合分类器240可确定与第一上下文类别(例如,“在工作中”及“在会议中”)相关联的一个以上融合类别。融合类别(即,融合类别标签)中的每一者在语义上囊封一组给定上下文类别,如上文所描述(例如,静止用以囊封坐及站立,many_speakers用以囊封与超过给定数目个说话者相关联的所有上下文类别,等等)。融合分类可将多个上下文类别合并或组合成融合类别。如上文一般关于系统200中所展示的融合分类器240所描述,通过包含(但不限于)以下各者的一或多种技术执行对融合类别的选择:1)识别多个上下文类别(例如,均具有低置信度)及选择囊封所述上下文类别的融合类别;2)识别具有低置信度(例如,为不合需要的值的置信度值,例如,低于阈值,或处于阈值或低于阈值)或低概率的上下文类别及选择表示包含所述上下文类别的较广泛情况或上下文的融合类别;3)识别随时间的上下文类别的趋势或改变,及响应于限定上下文类别中的改变而选择表示包含对应上下文类别的较广泛情况或上下文的融合类别;4)识别产生上下文类别(例如,通常结合第一分类混淆的上下文类别)的初始分类的可操作性质(或多个可操作性质),及基于这些性质,在认为适当时,用上下文类别取代融合类别;等等。
可确定一个以上融合类别。举例来说,可通过不合需要的置信度值确定移动装置100具有上下文类别坐,且还可确定移动装置100在上下文类别in_office与in_meeting之间交替。在此实例中,融合分类器240可针对移动装置100确定融合类别静止及at_work两者。
参看图5,进一步参看图1到3,关于计算装置执行上下文推断的第二过程420包含所展示的阶段。然而,过程420仅为一实例并且无限制性。例如,可通过添加、去除、重新布置、组合及/或并行地执行各阶段来更改过程420。对如所展示及描述的过程420的再其它更改是有可能的。
在阶段422处,从一或多个装置数据源(例如,系统200中所展示的装置数据源210)获得上下文相关数据。可同步地(例如,根据时段、日程安排或其它时间帧)或异步地(例如,响应于装置数据源210处用于测量或报告的触发事件)获得数据。
在阶段424处,通过使数据与来自一组上下文类别的多个上下文类别相关联而执行(例如,由如系统200中所展示的目标状态分类器230)上下文相关数据的第一分类。第一分类可产生硬决策或软决策,如上文关于图4中的过程400所描述。在任一情况下,通过多状态分类器或经配置以各自检测对应状态的一组分类器,针对多个上下文类别执行分类。
在阶段426处,响应于在阶段424执行的使上下文相关数据与多个上下文类别相关联的第一分类,通过基于上下文类别使数据与一组融合类别中的一者(或一者以上)相关联而执行(例如,由如系统200中所展示的融合分类器240)上下文相关数据的第二分类。此处,在阶段426处执行的第二分类类似于在过程400的阶段404处执行的融合分类,但不同分类技术是有可能的。
如图6中所说明的计算机系统500可用于至少部分地实施先前所描述的计算机化装置的功能性。举例来说,计算机系统500可用以在软件中至少部分地实施图4到5中所展示的过程400、420。计算机系统500还可经由图1中所展示的移动装置100的组件中的一或多者来实施,例如,通用处理器111及/或存储器140。计算机系统500可另外或替代地用以提供图2中所展示的系统200及/或其组件中的一或多者的至少一部分软件实施方案,例如模块230、240。计算机系统500的其它实施方案是有可能的。举例来说,输入装置515可包括及/或用以实施如图2中所展示的装置数据源210中的任一者。另外,处理器510及/或工作存储器535的部分(例如,结合处理器510或独立地操作的操作系统540或应用程序545)可包括及/或用以实施图2中所展示的模块230、240中的任一者。在一些实施例中,处理器510可包括及/或用以实施如图1中所展示的处理器111及/或DSP 112,且工作存储器535及存储装置525中的一者或两者可包括及/或用以实施图1中也展示的存储器140。
图6提供计算机系统500的一个实施例的示意性说明,所述计算机系统可执行通过如本文所描述的各种其它实施例提供的方法,及/或可以充当移动装置或其它计算机系统。应注意,图6仅打算提供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。
计算机系统500经展示为包括硬件元件,所述硬件元件可经由总线505(或可在适当时以其它方式通信)电耦合。硬件元件可包含:一或多个处理器510,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515,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520,其可包含(但不限于)显示装置、打印机及/或其类似者。处理器510可包含(例如)智能硬件装置,例如中央处理单元(CPU)(例如,由公司或制造的中央处理单元)、微控制器、ASIC等。还可利用其它处理器类型。
计算机系统500可进一步包含一或多个非暂时性存储装置525(及/或与一或多个非暂时性存储装置525通信),其可包括(但不限于)本地及/或网络可接入存储装置,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”)等可编程、可快闪更新及/或其类似者的固态存储装置。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500还可能包含通信子系统530,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,BluetoothTM装置、802.11装置、WiFi装置、WiMax装置、蜂窝式通信设施等)及/或其类似者。通信子系统530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500将进一步包括工作存储器535,其可包含RAM或ROM装置,如上文所描述。
计算机系统500还可包括展示为当前位于工作存储器535内的软件元件,包含操作系统540、装置驱动器、可执行库及/或例如一或多个应用程序545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。仅举例来说,关于上文所论述的方法所描述的一或多个程序可能实施为可由计算机(及/或计算机内的处理器)执行的代码及/或指令;且此类代码及/或指令可用以配置及/或调适通用计算机(或其它装置)以根据所描述方法执行一或多个操作。
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525)上。在一些情况下,存储媒体可并入到例如系统500等计算机系统内。在其它实施例中,存储媒体可与计算机系统(例如,可装卸式媒体,例如压缩光盘)分开,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。这些指令可能呈可由计算机系统500执行的可执行代码形式,及/或可能呈源及/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500上编译及/或安装于所述计算机系统上后(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),接着呈可执行代码的形式。
可根据特定需求做成实质性变化。举例来说,还可使用定制硬件,及/或可将特定元件实施于硬件、软件(包含便携式软件,例如小程序等)或两者中。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。
计算机系统(例如,计算机系统500)可用于执行根据本发明的方法。此类方法的操作步骤中的一些或全部可由计算机系统500响应于处理器510执行工作存储器535中所含有的一或多个指令(其可能并入于操作系统540及/或其它代码中,例如应用程序545)的一或多个序列而执行。可将此类指令从另一计算机可读媒体(例如,存储装置525中的一或多者)读出到工作存储器535中。仅举例来说,执行工作存储器535中所含有的指令序列可致使处理器510执行本文所描述的方法的一或多个操作步骤。
如本文所使用的术语“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机器指令及/或数据的任何非暂时性计算机程序产品、设备及/或装置(例如,磁性光盘、光学光盘、存储器、可编程逻辑装置(PLD))。在使用计算机系统500实施的实施例中,在将指令/代码提供到处理器510以用于执行时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能用以存储及/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)光学光盘及/或磁盘,例如,存储装置525。易失性媒体包含(但不限于)例如工作存储器535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505的电线,以及通信子系统530的各种组件(及/或供通信子系统530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)。
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盘、软磁盘、硬盘、磁带或任何其它磁性媒体、CD-ROM、蓝光光盘、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510以供执行过程中可涉及各种形式的计算机可读媒体。仅举例来说,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500接收及/或执行。根据本发明的各种实施例,可呈电磁信号、声学信号、光学信号及/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530(及/或其组件)一般将接收信号,且总线505接着可能将信号(及/或由信号携载的数据、指令等)携载到工作存储器535,处理器505从所述工作存储器检索指令并执行指令。在通过处理器510执行之前或之后,通过工作存储器535接收的指令可任选地存储在存储装置525上。
上文所论述的方法、系统及装置为实例。各种替代配置可在适当时省略、取代或添加各种操作步骤或组件。举例来说,在替代方法中,可按不同于上文所论述的次序的次序执行各阶段,并且可添加、省略或组合各个阶段。而且,可以各种其它配置组合关于某些配置所描述的特征。可以类似方式组合配置的不同方面及元件。而且,技术发展,且因此,元件中的许多元件为实例且并不限制本发明或权利要求书的范围。
在描述中给出特定细节以提供对实例配置(包含实施方案)的透彻理解。然而,可在并无这些特定细节的情况下实践配置。举例来说,已在无不必要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配置。此描述仅提供实例配置,且并不限制权利要求书的范围、适用性或配置。确切地说,配置的前述描述将向所属领域的技术人员提供用于实施所描述技术的启迪性描述。在不脱离本发明的精神或范围的情况下,可对元件的功能及布置作出各种改变。
可将配置描述为描绘为流程图或框图的过程。尽管每一流程图或框图可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,可以重新布置操作的次序。过程可具有图中未包含的额外步骤。此外,可用硬件、软件、固件、中间件、微码、硬件描述语言或其任何组合实施方法的实例。当以软件、固件、中间件或微码实施时,用以执行必要任务的程序代码或代码段可存储在例如存储媒体等非暂时性计算机可读媒体中。处理器可执行所描述的任务。
如本文所使用,包含在权利要求书中,如以“至少一个”开始的项目的列表中所使用的“或”指示分离性列表,以使得(例如)“A、B或C中的至少一者”的列表意味着A或B或C或AB或AC或BC或ABC(即,A及B及C),或与一个以上特征的组合(例如,AA、AAB、ABBC等)。
如本文所使用,包含在权利要求书中,除非另行陈述,否则功能、操作或特征是“基于”一项目及/或条件的陈述意味着所述功能、操作、功能是基于所陈述的项目及/或条件且可基于除所陈述项目及/或条件之外的一或多个项目及/或条件。
已描述若干实例配置,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。而且,可在考虑上述元件之前、期间或之后进行数个步骤。因此,上述描述并不约束权利要求书的范围。
Claims (40)
1.一种用于在计算装置中执行上下文推断的方法,所述方法包括:
在计算装置处使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别;以及
在所述移动装置处基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
2.根据权利要求1所述的方法,其中所述融合类别具有相关联的标签,其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。
3.根据权利要求1所述的方法,其进一步包括获得与初始分类相关联的用以确定所述第一上下文类别的信息。
4.根据权利要求3所述的方法,其中获得与所述初始分类相关联的所述信息包括获得与所述初始分类相关联的置信度值。
5.根据权利要求4所述的方法,其中确定所述融合类别是响应于所述置信度值具有不合需要的值而执行。
6.根据权利要求3所述的方法,其中获得与所述初始分类相关联的所述信息包括识别所述初始分类的可操作性质。
7.根据权利要求6所述的方法,其中确定所述融合类别包括是基于所述初始分类的所述可操作性质。
8.根据权利要求1所述的方法,其中所述上下文相关数据为与第一时间相关联的第一上下文相关数据,所述方法进一步包括使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别,且其中确定所述融合类别是基于所述第一上下文类别及所述第二上下文类别。
9.根据权利要求1所述的方法,其中确定所述第一上下文类别包括从多个预定的可用上下文类别中选择所述第一上下文类别。
10.根据权利要求1所述的方法,其中确定所述融合类别包括从多个预定的可用融合类别中选择所述融合类别。
11.一种设备,其包括:
用于使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别的第一确定装置;以及
通信地耦合到所述第一确定装置的第二确定装置,其用于基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
12.根据权利要求11所述的设备,其中所述融合类别具有相关联的标签,其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。
13.根据权利要求11所述的设备,其中所述第一确定装置包括用于获得与初始分类相关联的用以确定所述第一上下文类别的信息的获得装置。
14.根据权利要求13所述的设备,其中所述获得装置经配置以获得与所述初始分类相关联的置信度值。
15.根据权利要求14所述的设备,其中所述第二确定装置经配置以响应于所述置信度值具有不合需要的值而确定所述融合类别。
16.根据权利要求13所述的设备,其中所述获得装置经配置以识别所述初始分类的可操作性质。
17.根据权利要求16所述的设备,其中所述第二确定装置经配置以基于所述初始分类的所述可操作性质确定所述融合类别。
18.根据权利要求11所述的设备,其中所述上下文相关数据为与第一时间相关联的第一上下文相关数据,所述第二确定装置进一步用于使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别,且其中所述第二确定装置经配置以基于所述第一上下文类别及所述第二上下文类别确定所述融合类别。
19.根据权利要求11所述的设备,其中所述第一确定装置经配置以通过从多个预定的可用上下文类别中选择所述第一上下文类别来确定所述第一上下文类别。
20.根据权利要求11所述的设备,其中所述第二确定装置经配置以通过从多个预定的可用融合类别中选择所述融合类别来确定所述融合类别。
21.一种移动装置,其包括:
至少一个数据源;
目标状态分类器,其通信地耦合到所述至少一个数据源且经配置以使用来自所述至少一个数据源的上下文相关数据确定第一上下文类别;以及
融合分类器,其通信地耦合到所述目标状态分类器,其经配置以基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
22.根据权利要求21所述的移动装置,其中所述融合类别具有相关联的标签,其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。
23.根据权利要求21所述的移动装置,其中所述目标状态分类器经配置以获得与初始分类相关联的用以确定所述第一上下文类别的信息。
24.根据权利要求23所述的移动装置,其中所述目标状态分类器经配置以获得与所述初始分类相关联的置信度值。
25.根据权利要求24所述的移动装置,其中所述融合分类器经配置以响应于所述置信度值具有不合需要的值而确定所述融合类别。
26.根据权利要求23所述的移动装置,其中所述目标状态分类器经配置以识别所述初始分类的可操作性质。
27.根据权利要求26所述的移动装置,其中所述融合分类器经配置以基于所述初始分类的所述可操作性质确定所述融合类别。
28.根据权利要求21所述的移动装置,其中所述上下文相关数据为与第一时间相关联的第一上下文相关数据,所述融合分类器经配置以使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别,且所述融合分类器经配置以基于所述第一上下文类别及所述第二上下文类别确定所述融合类别。
29.根据权利要求21所述的移动装置,其中所述目标状态分类器经配置以通过从多个预定的可用上下文类别中选择所述第一上下文类别来确定所述第一上下文类别。
30.根据权利要求21所述的移动装置,其中所述融合分类器经配置以通过从多个预定的可用融合类别中选择所述融合类别来确定所述融合类别。
31.一种处理器可读存储媒体,其包括经配置以致使处理器进行以下操作的处理器可读指令:
使用来自与移动装置相关联的至少一个数据源的上下文相关数据确定第一上下文类别;以及
基于所述第一上下文类别确定融合类别,所述融合类别与所述第一上下文类别及不同于所述第一上下文类别的第二上下文类别所共有的至少一个特性相关联。
32.根据权利要求31所述的存储媒体,其中所述融合类别具有相关联的标签,其在语义上囊封所述第一上下文类别的标签及所述第二上下文类别的标签。
33.根据权利要求31所述的存储媒体,其进一步包括经配置以致使所述处理器获得与初始分类相关联的用以确定所述第一上下文类别的信息的指令。
34.根据权利要求33所述的存储媒体,其中经配置以致使所述处理器获得与所述初始分类相关联的所述信息的所述指令包括经配置以致使所述处理器获得与所述初始分类相关联的置信度值的指令。
35.根据权利要求34所述的存储媒体,其中经配置以致使所述处理器确定所述融合类别的所述指令经配置以致使所述处理器响应于所述置信度值具有不合需要的值而确定所述融合类别。
36.根据权利要求33所述的存储媒体,其中经配置以致使所述处理器获得与所述初始分类相关联的所述信息的所述指令包括经配置以致使所述处理器识别所述初始分类的可操作性质的指令。
37.根据权利要求36所述的存储媒体,其中经配置以致使所述处理器确定所述融合类别的所述指令经配置以致使所述处理器基于所述初始分类的所述可操作性质确定所述融合类别。
38.根据权利要求31所述的存储媒体,其中所述上下文相关数据为与第一时间相关联的第一上下文相关数据,所述存储媒体进一步包括经配置以致使所述处理器使用与在所述第一时间之后的第二时间相关联的第二上下文相关数据确定所述第二上下文类别的指令,且其中经配置以致使所述处理器确定所述融合类别的所述指令经配置以致使所述处理器基于所述第一上下文类别及所述第二上下文类别确定所述融合类别。
39.根据权利要求31所述的存储媒体,其中经配置以致使所述处理器确定所述第一上下文类别的所述指令经配置以致使所述处理器从多个预定的可用上下文类别中选择所述第一上下文类别。
40.根据权利要求31所述的存储媒体,其中经配置以致使所述处理器确定所述融合类别的所述指令经配置以致使所述处理器从多个预定的可用融合类别中选择所述融合类别。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261732778P | 2012-12-03 | 2012-12-03 | |
US61/732,778 | 2012-12-03 | ||
US13/784,229 US9336295B2 (en) | 2012-12-03 | 2013-03-04 | Fusing contextual inferences semantically |
US13/784,229 | 2013-03-04 | ||
PCT/US2013/071489 WO2014088851A1 (en) | 2012-12-03 | 2013-11-22 | Fusing contextual inferences semantically |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104823433A true CN104823433A (zh) | 2015-08-05 |
CN104823433B CN104823433B (zh) | 2017-09-12 |
Family
ID=50826520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380062753.9A Active CN104823433B (zh) | 2012-12-03 | 2013-11-22 | 在语义上融合上下文推断 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9336295B2 (zh) |
EP (1) | EP2926538A1 (zh) |
JP (1) | JP2016504675A (zh) |
KR (1) | KR20150091121A (zh) |
CN (1) | CN104823433B (zh) |
WO (1) | WO2014088851A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
PL398136A1 (pl) * | 2012-02-17 | 2013-08-19 | Binartech Spólka Jawna Aksamit | Sposób wykrywania kontekstu urzadzenia przenosnego i urzadzenie przenosne z modulem wykrywania kontekstu |
US9740773B2 (en) | 2012-11-02 | 2017-08-22 | Qualcomm Incorporated | Context labels for data clusters |
US9342842B2 (en) * | 2013-04-01 | 2016-05-17 | Apple Inc. | Context-switching taxonomy for mobile advertisement |
EP3301891B1 (en) * | 2016-09-28 | 2019-08-28 | Nxp B.V. | Mobile device and method for determining its context |
US10706554B2 (en) * | 2017-04-14 | 2020-07-07 | Adobe Inc. | Three-dimensional segmentation of digital models utilizing soft classification geometric tuning |
US10976337B2 (en) * | 2018-01-25 | 2021-04-13 | Stmicroelectronics, Inc. | Context awareness of a smart device through sensing transient and continuous events |
US11483262B2 (en) | 2020-11-12 | 2022-10-25 | International Business Machines Corporation | Contextually-aware personalized chatbot |
Family Cites Families (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6928549B2 (en) * | 2001-07-09 | 2005-08-09 | International Business Machines Corporation | Dynamic intrusion detection for computer systems |
JP2003233625A (ja) * | 2002-02-06 | 2003-08-22 | Ntt Docomo Inc | 状況認識装置、状況認識方法 |
US20040259536A1 (en) | 2003-06-20 | 2004-12-23 | Keskar Dhananjay V. | Method, apparatus and system for enabling context aware notification in mobile devices |
US8566263B2 (en) | 2003-11-28 | 2013-10-22 | World Assets Consulting Ag, Llc | Adaptive computer-based personalities |
US7302451B2 (en) | 2004-05-07 | 2007-11-27 | Mitsubishi Electric Research Laboratories, Inc. | Feature identification of events in multimedia |
US8472985B2 (en) * | 2005-09-21 | 2013-06-25 | Buckyball Mobile, Inc | Incentive marketing with a context-enriched message |
US20100138451A1 (en) * | 2006-04-03 | 2010-06-03 | Assaf Henkin | Techniques for facilitating on-line contextual analysis and advertising |
DE602006021433D1 (de) | 2006-10-27 | 2011-06-01 | Sony France Sa | Ereigniserfassung in Mehrkanal-Sensorsignalströmen |
EP1939797A1 (en) | 2006-12-23 | 2008-07-02 | NTT DoCoMo, Inc. | Method and apparatus for automatically determining a semantic classification of context data |
US7865505B2 (en) * | 2007-01-30 | 2011-01-04 | Microsoft Corporation | Efficient exact set similarity joins |
US20100299319A1 (en) | 2007-08-31 | 2010-11-25 | Sandbridge Technologies, Inc. | Method, apparatus, and architecture for automated interaction between subscribers and entities |
TW200912795A (en) | 2007-09-04 | 2009-03-16 | Ind Tech Res Inst | Context inference system and method thereof |
US20100299615A1 (en) | 2007-09-28 | 2010-11-25 | The Trustees Of Dartmouth College | System And Method For Injecting Sensed Presence Into Social Networking Applications |
US7962525B2 (en) * | 2007-11-05 | 2011-06-14 | Microsoft Corporation | Automated capture of information generated at meetings |
US20090190544A1 (en) * | 2008-01-25 | 2009-07-30 | Qualcomm Incorporated | Method and apparatus for channel identification in a wireless communication system |
US8587402B2 (en) | 2008-03-07 | 2013-11-19 | Palm, Inc. | Context aware data processing in mobile computing device |
US8078622B2 (en) | 2008-10-30 | 2011-12-13 | Network Appliance, Inc. | Remote volume access and migration via a clustered server namespace |
US8135850B2 (en) | 2008-11-25 | 2012-03-13 | Citrix Systems, Inc. | Systems and methods for load balancing real time streaming |
US8219513B2 (en) | 2008-12-19 | 2012-07-10 | Eastman Kodak Company | System and method for generating a context enhanced work of communication |
US8195430B2 (en) * | 2009-03-31 | 2012-06-05 | Microsoft Corporation | Cognitive agent |
FI20095570L (fi) | 2009-05-22 | 2009-09-11 | Valtion Teknillinen | Kontekstin tunnistaminen mobiiliaitteissa |
US20100317371A1 (en) | 2009-06-12 | 2010-12-16 | Westerinen William J | Context-based interaction model for mobile devices |
US11127020B2 (en) | 2009-11-20 | 2021-09-21 | Palo Alto Research Center Incorporated | Generating an activity inference model from contextual data |
JP2013512501A (ja) * | 2009-12-15 | 2013-04-11 | インテル コーポレイション | コンテクスト情報を利用するシステム、装置及び方法 |
WO2011141761A1 (en) | 2010-05-13 | 2011-11-17 | Nokia Corporation | Method and apparatus for providing context sensing and fusion |
WO2012001462A1 (en) * | 2010-06-30 | 2012-01-05 | Nokia Corporation | Method and apparatus for providing context-based power consumption control |
WO2012001215A1 (en) | 2010-07-01 | 2012-01-05 | Nokia Corporation | Adaptation of context models |
KR101165537B1 (ko) | 2010-10-27 | 2012-07-16 | 삼성에스디에스 주식회사 | 사용자 장치 및 그의 사용자의 상황 인지 방법 |
US8478306B2 (en) | 2010-11-10 | 2013-07-02 | Google Inc. | Self-aware profile switching on a mobile computing device |
KR101267561B1 (ko) | 2011-02-11 | 2013-05-24 | 서울대학교산학협력단 | 모바일 단말을 이용한 상황 인식 서비스 제공 방법 및 그 시스템 |
US8676937B2 (en) | 2011-05-12 | 2014-03-18 | Jeffrey Alan Rapaport | Social-topical adaptive networking (STAN) system allowing for group based contextual transaction offers and acceptances and hot topic watchdogging |
US10145707B2 (en) | 2011-05-25 | 2018-12-04 | CSR Technology Holdings Inc. | Hierarchical context detection method to determine location of a mobile device on a person's body |
JP6031735B2 (ja) * | 2011-06-13 | 2016-11-24 | ソニー株式会社 | 情報処理装置、情報処理方法およびコンピュータプログラム |
US8924345B2 (en) | 2011-09-26 | 2014-12-30 | Adobe Systems Incorporated | Clustering and synchronizing content |
GB201122206D0 (en) | 2011-12-22 | 2012-02-01 | Vodafone Ip Licensing Ltd | Sampling and identifying user contact |
US8429103B1 (en) | 2012-06-22 | 2013-04-23 | Google Inc. | Native machine learning service for user adaptation on a mobile platform |
US9740773B2 (en) | 2012-11-02 | 2017-08-22 | Qualcomm Incorporated | Context labels for data clusters |
-
2013
- 2013-03-04 US US13/784,229 patent/US9336295B2/en active Active
- 2013-11-22 JP JP2015545131A patent/JP2016504675A/ja active Pending
- 2013-11-22 WO PCT/US2013/071489 patent/WO2014088851A1/en active Application Filing
- 2013-11-22 KR KR1020157017097A patent/KR20150091121A/ko not_active Application Discontinuation
- 2013-11-22 CN CN201380062753.9A patent/CN104823433B/zh active Active
- 2013-11-22 EP EP13805663.5A patent/EP2926538A1/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
JP2016504675A (ja) | 2016-02-12 |
US9336295B2 (en) | 2016-05-10 |
WO2014088851A1 (en) | 2014-06-12 |
KR20150091121A (ko) | 2015-08-07 |
CN104823433B (zh) | 2017-09-12 |
EP2926538A1 (en) | 2015-10-07 |
US20140156659A1 (en) | 2014-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9740773B2 (en) | Context labels for data clusters | |
CN104823433A (zh) | 在语义上融合上下文推断 | |
US8078152B2 (en) | Venue inference using data sensed by mobile devices | |
JP5904021B2 (ja) | 情報処理装置、電子機器、情報処理方法、及びプログラム | |
Chon et al. | Automatically characterizing places with opportunistic crowdsensing using smartphones | |
CN103210410B (zh) | 用于情境确定的方法和装置 | |
US9443202B2 (en) | Adaptation of context models | |
CN103455472B (zh) | 信息处理设备和信息处理方法 | |
WO2015178078A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20130210480A1 (en) | State detection | |
EP2904822A1 (en) | User behavior modeling for intelligent mobile companions | |
KR20130033378A (ko) | 콘텍스트 감지 및 융합을 위한 방법, 장치 및 컴퓨터 프로그램제품 | |
CN104285427A (zh) | 根据通过使不同数据源相关确定的上下文配置终端装置 | |
US20140136696A1 (en) | Context Extraction | |
KR20220066369A (ko) | 트래블 기반 통지 | |
EP2972657B1 (en) | Application-controlled granularity for power-efficient classification | |
KR20140074129A (ko) | 상황 인지 서비스를 제공하기 위한 장소 인식 장치 및 방법 | |
CN116668580B (zh) | 场景识别的方法、电子设备及可读存储介质 | |
Hang et al. | Platys: User-centric place recognition | |
Choujaa et al. | Activity recognition from mobile phone data: State of the art, prospects and open problems | |
CN116668576B (zh) | 获取数据的方法、设备、云端管理平台、系统及存储介质 | |
Roor et al. | Sensor fusion for semantic place labeling | |
Blasi | Evaluating Sensor Data in the Context of Mobile Crowdsensing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |