CN104992318A - 行事历主动推荐事件的方法 - Google Patents

Abstract

本发明一种行事历主动推荐事件的方法，是应用于行事历服务系统上提供一个自动分析与推荐行事历事件的方法，行事历系统中的模块利用行事历数据库中已发生的行事历事件数据，藉由自动分析历史事件再将结果排序，并依据排序结果主动选择推荐给使用者，若使用者决定接受该推荐的事件时，将推荐的接受结果反馈给并储存于行事历数据库，旨在使推荐予使用者的事件比传统分析外部数据的方法更具有准确性方便性。

Description

行事历主动推荐事件的方法

技术领域

本发明涉及个人信息管理行事历技术领域，特别为一种根据行事历中的历史事件自动推荐使用者建立未来事件的方法。

背景技术

随着社会变化使现代人生活逐渐忙碌，人类于生活中对信息科技的方便性与自动性的依赖度逐渐上升，个人信息管理的行事历即是一种被广泛应用于记录与提醒使用者重要事项的信息科技工具。现有技术中已有数种电子行事历的相关专利与技术方法，但该些专利主要聚焦于行事历事件的事件输入与提醒方式，例如美国专利第8363943B2号「电子装置上的行事历应用程序生成数据方法」(Forming information for the calendar application of an electronic device)提供了一种经由影像辨识输入行事历事件的方法，中国台湾专利第I351866号「建立电子行事历的接口、系统及其方法」则建立了友善的使用者操作画面以便使用者快速操作及输入行事历事件，中国台湾专利第I279695号「从自然语言电子邮件萃取安排计划信息的方法与装置」为一种经由剖析电子邮件内容产生行事历事件的方法，可以得知该些专利的目的均为加速使用者输入行事历事件的时间或为加广行事历事件输入的方式。

从技术层面上来看，行事历的事件大多为行事历通过与使用者的互动被动产生，但仍有专利尝试凭借行事历外部的数据源主动产生行事历事件，例如前述的中国台湾专利第I279695号为将电子邮件内容通过自然语言分析自动产生未来可能行事历事件的方法，目前并无专利方法采用通过行事历内部资料源(即根据使用者已发生的行事历历史事件)自动推荐事件提供使用者输入成为未来可能事件的方法。如从数据源判断数据的质量，外部来源的数据内容可能因格式或内容并不统一而具有无法预测性，行事历系统乃进一步受影响产生误判并自动加入错误的行事历事件。

上述现有专利中行事历服务加速行事历事件的新增多为针对外部数据源自 动化剖析以判断是否需要新增该数据至行事历中，该类专利多对外部数据源的内容采用语意分析方法，依据机率模型做出判断后再根据设定的临界值自动产生未来行事历事件，然而高临界值设定将遗漏潜在可能事件，临界值设定过低又可能产生大量误判事件，导致使用者使用该种行事历的难度增加致使其困扰。反而言之，针对行事历内部数据源作为分析材料预告可能的未来事件的方法大为优于现有方法，因为已发生过的行事历内部历史事件为使用者过去建立的历史事件，该些内部之历史事件之间与外部电子邮件数据等相比对使用者的关联性将高出许多。

发明内容

本发明为一种行事历内部根据使用者已发生的行事历事件，经过计算规则产生推荐数据并自动推荐使用者以建立未来事件的方法。

本发明的目的在于提供一种根据使用者已发生的行事历事件，经过计算规则自动推荐成为使用者未来事件的方法，其至少包含以下步骤：

扫描取得所有行事历事件；

找出符合条件的历史事件作为初步事件；

依事件时间参数计算各初步事件的推荐分数；

依推荐分数与另一加权值计算出加权推荐分数；

将初步事件依加权推荐分数排序；

依排序结果列出推荐事件于使用者接口；以及

待使用者于该使用者接口选择想要的事件后将该想要的事件纪录于行事历数据库。

本发明为一种行事历主动推荐事件的方法，其中包含有数个模块的讯息传递，其包含如下列步骤：于行事历系统内设置行事历数据库，该行事历系统内撷取模块将自该行事历数据库撷取初步数据再将该初步数据传输至该行事历系统内的计算分析模块，该计算分析模块将该初步数据通过计算规则产生分析数据并将该分析数据传输至该行事历系统内的另一排序模块，而后该排序模块将该分析数据排序产生排序数据然后将该排序数据传输至该行事历系统内的推荐 模块，该推荐模块将该排序数据通过推荐规则产生推荐数据，至此推荐数据的计算程序完成。

本发明计算程序后的模块间讯息传递步骤更包含：该推荐模块将该推荐数据传输至该行事历系统内的使用者接口模块而该使用者接口模块将会根据该推荐数据产生推荐选项数据并且将该推荐选项数据传输至该行事历系统外部的使用者终端装置。使用者于该使用者终端装置上与该推荐接口数据互动的判断选择结果将可得到推荐选择数据，该使用者终端装置将该推荐选择数据传输回该行事历系统内部的该使用者接口模块，该使用者接口模块将该推荐选择数据传输至该行事历系统内的另一反馈模块进行处理后产生推荐反馈数据，该反馈模块再将该反馈数据传输至该行事历系统内的该行事历数据库进行储存。

该撷取模块自该行事历数据库中撷取数据的方法为先对该行事历数据库中所有数据进行扫描，再根据筛选条件撷取复数历史事件来产生该初步资料，每笔历史事件内都至少设有一提醒时间和一起始时间，该筛选条件为将该行事历数据库中各该历史事件的该提醒时间与该行事历数据库中各该历史事件的起始时间通过计算产生可能发生时间，该可能发生时间落于一特定区间的各该历史事件皆会被选入该初步资料，该筛选条件可进一步为该历史事件的起始时间再减去一特定时间的时间值或是该行事历数据库纪录中的分类卷标为同群的历史事件，以上为该撷取模块从该行事历数据库中撷取数据的方式。

该撷取模块更会将筛选出的初步数据加以分类，该撷取模块撷取出的该初步数据可能包含有分类卷标同群的历史事件与无分类标签的历史事件，该撷取模块会将该初步数据中同群的历史事件进行分群成为群组历史事件并将无分类标签的历史事件分类为单独历史事件。

将筛选出的分群或单独历史事件计算分析的步骤包含：该计算分析模块首先将该初步数据通过计算产生推荐分数，单独历史事件的推荐分数计算方式为将其提醒时间除以该初步数据中各该单独历史事件的提醒时间中的最大值者作为其推荐分数，群组历史事件的推荐分数计算方式为将该群组中各该历史数据的起始时间的差值的标准偏差作为该群组历史事件的推荐分数。于推荐分数计算完毕之后，该计算分析模块将该初步数据基于需要计算出加权值后再将该推 荐分数与该加权值计算得出另一加权推荐分数，该加权推荐分数与该初步数据结合后即产生该分析数据。

最后则为排序方法，该排序模块会将传输来的该分析数据内该初步数据的各该单独历史事件依据该加权推荐分数排序产生该排序数据，或是将各该群组历史事件中该些同群的历史事件根据该加权推荐分数按照统计标准偏差规则排序产生该排序数据。

综合上述详细步骤可知，本发明提供了一种依据使用者先前建立的历史行事历事件来自动推荐事件成为使用者建立未来事件的方法，藉由使用者的行事历历史事件扫瞄筛选出可能的初步事件，再通过时间参数和加权值得出加权推荐分数，在适时预先依加权推荐分数排序筛选出的历史事件于使用者接口上并待使用者选取决定后，将该些事件建立为未来事件纪录于行事历数据库以完成事件的推荐，本发明与现有技术相比将有以下优点：

1.本发明使用内部历史事件数据为依据分析产生推荐事件，可以减少使用外部数据通过语言分析得出的事件相关性较低致产生错误判断新增事件的问题。

2.使用者运用本发明的行事历时，不须如现有技术的行事历先设定临界值等项目并于行事历实际提醒事件后才明了该如何设定将可得到较佳的提示状况，省去使用者不必要的困扰。

3.本发明经过内部历史数据分析后产生的推荐事件结果可将人们生活中不断重复或每年每月特定日子可能需要做的事于事前提醒，该些推荐结果实用性将会比外部不稳定数据源更高。

4.运用本发明方法的行事历将分析过后的推荐事件提示予使用者得到反馈数据的事件才加以储存成为未来计划，最后决定新增与否由使用者于整理完毕的提醒接口判断，只需花费很短时间便可再进一步降低系统本身误判的机会。

附图说明

图1为本发明行事历主动推荐事件的方法的行事历推荐系统模块讯息传递架构图；

图2为本发明行事历主动推荐事件的寻找推荐事件的方法流程图；

图3为本发明行事历主动推荐事件的方法的第一实施例行事历实施例数据图；

图4为本发明行事历主动推荐事件的使用者判断是否选用推荐事件的流程图；

图5为本发明行事历主动推荐事件的方法的第二实施例行事历实施例数据图；

图6为本发明行事历主动推荐事件的方法的统计分析模块示意图；

图7为本发明行事历主动推荐事件的方法的第三实施例行事历实施例数据图；

图8为本发明行事历主动推荐事件的方法的第三实施例云端节目查询纪录图。

符号说明

101  使用者终端装置

102  使用者接口模块

103  推荐模块

104  排序模块

105  计算分析模块

1051 云端服务加权模块

1052 个人服务使用纪录

106  撷取模块

107  反馈模块

108  行事历数据库

S201～S206 步骤流程

301  ID

302  起始时间

303  提醒时间

S401～S404 步骤流程

501  ID

502  起始时间

503  提醒时间

504  推荐旗标

505  参考ID

701  ID

702  主旨

703  起始时间

704  提醒时间

705  推荐旗标

706  参考ID

801  ID

802  查询节目

803  查询时间

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，但并不用于限定本发明。

本发明提供一种根据使用者已发生的行事历事件，自动推荐成为使用者未来事件的方法。

请一并参照图1至图3，为本发明的一实施例：实施例背景的使用者于去年结婚纪念日前二天于运用本发明方法的电子行事历中增加一笔买礼物送妻子的行程，并使用本发明的功能于新增事件后建立有提醒时间，随着一年日子逐渐过去，逼近结婚纪念日时使用者已忘记了这件事情，然而在使用者于例行确认行事历的一天，行事历主动提示使用者一年前于一接近今天的日子曾新增有一买礼物送妻子的事件，使用者因此重新记起结婚纪念日并将该事件再加入行事历中，以避免可能发生的窘境。

如图1所示，为本实施例中行事历主动推荐事件的方法的系统架构，包含： 使用者终端装置101，使用者接口模块102，推荐模块103，排序模块104，计算分析模块105，撷取模块106，反馈模块107，行事历数据库108。

如图2所示，本实施例行事历主动推荐事件的方法的步骤方法，包含：

步骤S201：开始；

步骤S202：根据规则筛选历史事件；

步骤S203：根据规则计算事件推荐分数；

步骤S204：将推荐事件排序；

步骤S205：列出推荐事件；以及

步骤S206：结束。

上述行事历主动推荐事件的方法的步骤方法中，步骤S202根据规则筛选历史事件可参照图3所示的行事历实施例数据，假设使用者登入并使用行事历时日期为2013/7/29，撷取模块106会根据该日期找出符合下列条件的所有历史事件，该条件公式如下：

D_t＝D_s′＝(D_s-R)-1

该公式中D_t代表登入时的日期、D_s′代表根据计算过后的起始时间、D_s代表起始时间、R代表提醒时间以及减去1乃因为设定系统于事件前1日提醒，而筛选条件公式的意义是起始时间减去提醒时间再减去1日计算出的日期须等于登入时间加上一年。计算步骤如下：

1.提醒时间303字段的提醒时间值为0天且起始时间302字段为起始时间值为2012/7/30的事件，如图3该撷取模块106会将其起始时间302域值减去提醒字段303域值的天数，仍然是2012/7/30，故筛选出ID 301域值等于1的该笔资料； 

2.将提醒时间303字段的提醒时间值大于0天的所有事件其起始时间302域值减去提醒字段303域值的天数，余下两笔事件其运算结果皆为2012/7/30，故撷取模块106如图3找出ID 301域值为2、3的这两笔资料。

3.撷取模块106合计于该行事历数据库108中筛选出如图3的第1～3笔历史事件，即为初步资料。

接续如步骤S203，则为该根据规则计算事件推荐分数，如图3所示，该计 算分析模块105寻找出该初步数据提醒时间303域值的最大值是6，最大值的事件为ID 301域值为3的该笔事件；再来该计算分析模块105将计算该初步数据的推荐分数，为先将每个事件的提醒时间303域值除以上述步骤得出的最大值6后以百分比表示，计算推荐分数的公式如下：

S代表推荐分数值，x_i代表第i个事件的提醒时间，max_i＝1…N x_i代表取得所有提醒时间的最大值。根据上述公式，计算图3中三笔事件的计算分数分别为：ID 301域值1的推荐分数0％、ID 301域值2的推荐分数33％、ID 301域值3的推荐分数100％。

再来为步骤S204该将推荐事件排序，接续上述实施例图3，该排序模块104会将初步数据依据分析数据中的推荐分数递减排序，推荐分数值越大者代表推荐重要性越高，因此将该初步数据依照推荐分数递减排序后所得结果为：第一位为ID 301域值3的事件、第二位为ID 301域值2的事件、第三位为ID 301域值1的事件。

又其中使用者判断于使用者终端装置101上是否选用推荐接口数据的事件流程，如图4所示：

步骤S401列出推荐的事件；

步骤S402使用者判断事件是否需要；

步骤S403将使用者想要的事件新增至数据库；以及

步骤S404以及将使用者的决定记录起来。

当使用者用使用者终端装置101通过使用者接口模块102产生的推荐接口数据使用行事历系统，其系统与使用者的互动流程如图1至图4所示，当步骤S201开始流程之后，步骤S202根据规则筛选历史事件是通过行事历系统内的撷取模块106从该行事历数据库108中撷取出初步资料，接着步骤S203根据规则计算事件推荐分数是通过计算分析模块105来完成，步骤S204将推荐事件排序为通过该排序模块104完成，而步骤S205列出推荐事件是将排序数据传输至该推荐模块103，最后是寻找推荐数据的流程的结束步骤S206。接着推荐模块103 通过步骤S401列出推荐的事件传输推荐数据至使用者接口模块102，步骤S402使用者判断事件是否需要，为使用者可根据需要自行判断选取，若该推荐数据中的事件为使用者愈新增的事件则执行步骤S403将使用者想要的事件新增至数据库，步骤S404为将使用者的决定记录起来，通过反馈模块107将使用者的决定记录于行事历数据库108中。

请一并参照图1、图2和图5，为本发明的另一实施例，实施例背景为一业务繁忙的使用者于过去两年曾频繁拜访一位客户五次，然而使用者直至今日已经过一段时间没有记起这位客户并再度拜访，于使用者今日例行的行事历确认时，该运用本发明的行事历根据频率提取使用者过去两年内曾多次拜访该位客户的事件以提醒使用者，使用者记起此客户并加到行事历中预定拜访，及时帮助众多的使用者达成客户关怀。

本实施例中行事历主动推荐事件的方法的系统架构同样可参照图1，包含：使用者终端装置101，使用者接口模块102，推荐模块103，排序模块104，计算分析模块105，撷取模块106，反馈模块107，行事历数据库108。

本实施例行事历主动推荐事件的方法的步骤方法请同样参照图2，包含下列步骤：

步骤S201：开始；

步骤S202：根据规则筛选历史事件；

步骤S203：根据规则计算事件推荐分数；

步骤S204：将推荐事件排序；

步骤S205：列出推荐事件；以及

步骤S206：结束。

其中，步骤S202根据规则筛选历史事件，可参照图5的行事历实施例数据，假设使用者登入的日期为2013/9/14，撷取模块106将根据以下步骤找出符合规则的所有历史事件：

1、将历史数据中推荐旗标504域值为Y且参考ID505域值相同者分类为同

一群，如图5所示，ID 501域值为1、2、3将被分类为第一群组历史事件，

ID 501域值为4、5、6者被分类为第二群组历史事件；

2、各群组历史事件群按照各群组中每个事件的起始时间502域值时间由先到后的顺序排序后再计算出群组中各历史事件之间的间隔时间天数，计算间隔天数的公式如下：

D_d＝D_n-D_n-1

D_d代表起始时间间隔天数的值，D_n代表第n个事件的起始时间而D_n-1代表第n-1个事件的起始时间。如图5所示，依照上述步骤寻找出的第一群组历史事件(ID 501域值为1、2、3的事件)中ID 501域值1和值2历史事件之间的间隔天数为368天，值2和值3的历史事件之间的间隔天数为393天；而第二群组历史事件(ID 501域值为4、5、6的事件)当中ID 501域值4和值5事件之间的间隔天数为365天，值5和值6事件之间的间隔天数为367天；撷取模块106将再根据以下公式计算各群组中事件间隔时间的平均值：

代表间隔时间的平均值，x_i代表第i个间隔天数，表示将所有间隔天数相加总，N代表群组内历史资料总笔数。请参照图5，撷取模块106根据步骤计算出第一群组历史事件平均时间间隔为380天，第二群组历史事件平均时间间隔为366天，接着需要再计算各群组历史事件的提醒时间503字段的平均值，第一群组的提醒时间平均值为1天，第二群组的提醒时间平均值也为1天；然后推算出各群组的下一个频率发生点，其规则为将每群组的最晚一笔历史事件的起始时间502字段，先加上该群组间隔时间的平均值，再减去该群组提醒时间的平均值后，结果值为2013/9/15者(也就是使用者登入日期2013/9/14的后一天)筛选成为候选群，可参照图5中的计算第一群组历史事件(2012/9/1+380-1＝2013/9/15)和第二群组历史事件(2012/9/15+366-1＝2013/9/15)乃因此被选为候选群，也就是初步数据。

接着进行步骤S203根据规则计算事件推荐分数，接续参照图5，计算分析模块105将计算各群组历史事件的中每一历史事件的时间间隔标准偏差，该计算标准偏差的公式如下所列：

SD代表标准偏差值，x_i代表第i个间隔天数，代表间隔天数平均值，N表示各群组中所有历史资料的总笔数，表示将所有间隔天数减去平均值的平方相加总。如图5的实施例，第一群组历史事件的标准偏差值为12.5，第二群组历史事件的标准偏差值为0。

请继续参照图5，接续上步骤后是步骤S204将推荐事件排序，根据基本统计原理可得知样本标准偏差值较小则样本中变异的程度也会较小，因而将各群的标准偏差升序，排序结果为第二群组历史事件在前而第一群组历史事件在后，排序模块104再将此结果传输至推荐模块103。

此后进入使用者判断是否选用推荐的事件流程，请参照图4，包含：

步骤S401列出推荐的事件；

步骤S402使用者判断事件是否需要；

步骤S403将使用者想要的事件新增至数据库；以及

步骤S404以及将使用者的决定记录起来。

当使用者于使用者终端装置101通过使用者接口模块102使用行事历系统，整体系统与使用者的互动流程如图2和图4所述，步骤S201开始流程之后，流程步骤S202根据规则筛选历史事件是通过撷取模块106取出该使用者所有行事历数据库108来完成，步骤S203根据规则计算事件推荐分数是通过计算分析模块105达成，步骤S204将推荐事件排序是通过排序模块104完成，而步骤S205流程中列出推荐事件是通过排序模块104将排序数据传输至推荐模块103以完成，然后寻找推荐事件的方法流程到此结束为步骤S206。之后推荐模块103执行步骤S401列出推荐的事件，也就是将推荐数据传输至使用者接口模块102，步骤S402使用者判断事件是否需要才得以进行，若该事件是使用者判断要新增的则执行步骤S403将使用者想要的事件新增至数据库，最后步骤S404将使用者的决定记录起来，通过反馈模块107把使用者的决定记录到行事历数据库108。

请一并参照图1、图2和图6，为本发明的又一实施例，其背景为使用近日 专注于某一连续于固定时间播出的电视节目，使用者常在云端节目查询服务中查询该节目的播放时间并于过去一段时间内频繁将该些播放时间加入行事历中，然而使用者忘记将本周的该电视节目播放时间加入本周的行事历中，使用者的电子行事历于是提醒使用者过去一段时间新增许多关注该电视节目的事件，使用者于是记起并将此事件再加入未来行事历，行事历因此成功帮助使用者不错过关注的电视节目。

本实施例中行事历主动推荐事件的方法的系统架构同样可参照图1，包含：使用者终端装置101，使用者接口模块102，推荐模块103，排序模块104，计算分析模块105，撷取模块106，反馈模块107，行事历数据库108。

该计算分析模块105，如图6所示，更包含：云端服务加权模块1051并连接个人服务使用纪录1052。

本实施例行事历主动推荐事件的方法的步骤方法请参照图2，包含下列步骤：

步骤S201：开始；

步骤S202：根据规则筛选历史事件；

步骤S203：根据规则计算事件推荐分数；

步骤S204：将推荐事件排序；

步骤S205：列出推荐事件；以及

步骤S206：结束。

上述步骤S202根据规则筛选历史事件2，可详细说明如图7所示的实施例三行事历实施例数据，假设使用者登入时的日期为2013/9/13，该撷取模块106会筛选出符合后续步骤条件的所有事件，首先寻找推荐旗标705域值为Y且参考ID 706域值相同的历史事件归类为同一群组，请参照图7，ID 701域值为1、2、3者为第一群组历史事件，ID 701域值为4、5、6者为第二群组历史事件；再将各群中各事件历史的起始时间703域值按照时间先后顺序排序后，再计算各群组内个历史事件起始时间之间的间隔时间天数，该计算间隔天数的公式如下：

D_d＝D_n-D_n-1

D_d代表间隔时间天数的值，D_n代表第n个事件的起始时间，D_n-1代表第n-1个事件的起始时间。如图7所示，根据上述计算公式计算，第一群组历史事件(ID 701域值为1、2、3)中其ID 701域值1和值2的事件之间的间隔天数为7天，值2和值3之间的事件间隔天数也为7天；第一群组历史事件(ID 701域值为4、5、6)，其ID 701域值4和值5历史事件之间的间隔天数为3天，值5和值6历史事件之间的间隔天数也是3天，再根据以下公式计算各群组中历史事件间隔时间的平均值，该计算平均值的公式如下所示：

代表间隔时间的平均值，x_i代表第i个间隔天数，表示将所有间隔天数相加总，N表示各群组中所有历史资料的总笔数。请参照图7的实施例，根据公式计算可得第一群组中各历史事件间隔的平均时间为7天，第二群组中各历史事件间隔的平均时间为3天，再继续计算各群中各历史事件的提醒时间704字段的平均值，请参照图6，第一群组的平均时间提醒时间为1天，第二群组的平均提醒时间也为1天；接着计算出各群组依频率下一个历史事件的发生时间，其规则是将每个群组中的最晚一笔历史事件的起始时间703字段，先加上该群组间隔时间的平均值再减去提醒时间的平均值，若其值为2013/9/14者(使用者登入日期2013/9/13的后一日)则筛选成为候选群，如图6所示，第一群组历史事件(2013/9/8+7-1＝2013/9/14)，第二群组历史事件(2012/9/12+3-1＝2013/9/14)都被列为候选群，也就是初步数据。

再来是步骤S203根据规则计算事件推荐分数，继续参考实施例数据图7，首先计算分析模块105将计算该初步数据中各候选群中的历史事件时间间隔的标准偏差，该计算标准偏差的公式如下所示：

SD代表标准偏差值，x_i代表第i个间隔天数，代表间隔天数平均值， 表示将所有间隔天数减去平均值的平方相加总，N代表各群组中 所有历史数据的总笔数。如图7所示，第一群组历史事件的标准偏差值为0，第二群组历史事件的标准偏差值也为0，接下来该计算分析模块105采用加权方法计算加权推荐分数，如图8所示为一云端节目查询纪录，按照当日时间筛选查询时间803字段以得出使用者上一个月内的云端节目查询纪录列表，而根据该云端节目查询纪录列表计算加权推荐分数的公式如下:

S_w代表加权推荐分数，w为加权权重值(于图8实施例中该值初始设定为1)，A为图8查询节目802的字段与图7主旨702域值相同数的累计值(若无相同者则此值设定为1)。请参照图8，根据加权推荐分数的公式计算出第一群组历史事件的加权推荐分数为(0+1)/4＝0.25，第二群组历史事件的加权分数则为(0+1)/2＝0.5。

再来步骤S204将推荐事件排序，继续参照实施例资料图7，排序模块104根据统计原理样本标准偏差越小者样本间变异程度越小，变异程度越小者越是稳定于一固定频率会发生的事件，在本实施例中也就是使用者查询并新增到行事历的该电视节目的历史纪录，综合以上根据各群组历史事件的群组标准偏差升序，如图7所示得出的排序结果为第一群组历史事件(喜爱节目)再来是第二群组历史事件(个人事件)，此排序结果为排序模块104产生的排序数据。

排序模块104排序数据传输至推荐模块103，推荐模块103再接续执行后续流程，将使用者判断是否选用推荐的事件流程如图4所示，包含：

步骤S401列出推荐的事件；

步骤S402使用者判断事件是否需要；

步骤S403将使用者想要的事件新增至数据库；以及

步骤S404以及将使用者的决定记录起来。

当使用者利用该使用者终端装置101通过使用者接口模块102使用行事历，行事历系统与使用者的互动流程请参照图2和图4，首先步骤S201开始之后，步骤S202根据规则筛选历史事件，通过系统的撷取模块106撷取自行事历数据库108撷取初步数据，步骤S203根据规则计算事件推荐分数，是通过计算分析 模块105与其中的云端服务加权模块1051通过个人服务纪录使用纪录1052完成，步骤S204将所有推荐事件排序通过排序模块104完成，步骤S205列出推荐事件是将排序数据送到推荐模块103，然后是寻找推荐事件流程的结束的步骤S206；然后推荐模块103会执行步骤S401列出推荐的事件，也就是传输推荐数据到使用者接口模块102，步骤S402为使用者判断事件是否需要，若该事件是使用者选取需要新增的则步骤S403将使用者想要的事件新增至数据库，最后步骤S404将使用者的决定记录起来，通过反馈模块107，将使用者的决定记录到行事历数据库108。

由此实施例可知，该搜集与分析行动装置使用行为的方法，与现有技术相比较有着相当优点，例如行动装置系统间兼容性技术问题造成各软硬件商已开发的模块无法完全达到成效，以及预先规划的行动或固定装置的使用人员可实时获取建议报告，加速后续工作的处理。此外也可将建议数据传回行动装置，展示予使用者，当可优化使用者体验，本发明实为将使用者行为数据如何在运用于销售或产品改善方法的应用问题与时效性提供一新颖独到的见解。

上列详细说明乃针对本发明的可行实施例进行具体说明，惟该实施例并非用以限制本发明的专利范围，凡未脱离本发明技艺精神所为的等效实施或变更，均应包含于本案的专利范围中。

综上所述，本案不仅于技术思想上确属创新，并具备现有技术方法所不及的上述多项功效，已充分符合新颖性及进步性的法定发明专利要件，爰依法提出申请，恳请贵局核准本件发明专利申请案，以励发明，至感德便。

Claims (10)

1.一种行事历主动推荐事件的方法，其特征在于，包含下列步骤：

行事历系统内设置行事历数据库；

于该行事历系统内的撷取模块自该行事历数据库撷取初步数据；

该撷取模块将该初步数据传输至该行事历系统内的计算分析模块；

该计算分析模块将该初步数据通过计算规则产生分析数据；

该计算分析模块将该分析数据传输至该行事历系统内的排序模块；

该排序模块将该分析数据排序产生排序数据；

该排序模块将该排序数据传输至该行事历系统内的推荐模块；

该推荐模块将该排序数据通过推荐规则产生推荐数据；

该推荐模块将该推荐数据传输至该行事历系统内的使用者接口模块；

该使用者接口模块将该推荐数据通过接口显示产生推荐选项数据；

该使用者接口模块将该推荐选项数据传输至该行事历系统外部的使用者终端装置；

该使用者终端装置将该推荐接口数据通过使用者互动产生推荐选择数据；

该使用者终端装置将该推荐选择数据传输至该行事历系统内部的该使用者接口模块；

该使用者接口模块将该推荐选择数据传输至该行事历系统内的反馈模块；

该反馈模块将该推荐选择数据通过反馈处理产生推荐反馈数据；以及

该反馈模块将该推荐反馈数据传输至该行事历系统内的该行事历数据库。

2.根据权利要求1所述的行事历主动推荐事件的方法，其特征在于，步骤进一步包含：

该撷取模块扫描该行事历数据库中所有数据；

该撷取模块根据筛选条件自该行事历数据库撷取至少一历史事件以产生该初步数据；其中

该历史事件内设有提醒时间与起始时间。

3.根据权利要求2所述的行事历主动推荐事件的方法，其特征在于，

该筛选条件为将该行事历数据库中各该历史事件的该提醒时间与该行事历数据库中各该历史事件的起始时间通过计算产生可能发生时间；以及

该初步数据为该可能发生时间落于一特定区间的各该历史事件。

4.根据权利要求3所述的行事历主动推荐事件的方法，其特征在于，

该筛选条件更为该历史事件的该起始时间减去一特定时间；以及

该筛选条件为该行事历数据库纪录中的分类卷标为同群的历史事件。

5.根据权利要求4所述的行事历主动推荐事件的方法，其特征在于，步骤进一步包含：

该撷取模块根据该筛选条件撷取出该初步资料；

该初步资料包含有至少一同群的历史事件；以及

该撷取模块将该初步数据根据分群规则进行分群。

6.根据权利要求5所述的行事历主动推荐事件的方法，其特征在于，步骤进一步包含：

该分群规则是根据行事历数据库纪录的分类卷标将该初步数据中各该同群的历史事件分类为包含有至少一笔同群的历史事件的一群组历史事件；以及

该撷取模块根据该行事历数据库纪录的分类卷标将该初步数据中无分类卷标的历史事件分类为一单独历史事件。

7.根据权利要求6所述的行事历主动推荐事件的方法，其特征在于，步骤进一步包含：

该计算分析模块将该初步数据通过计算产生推荐分数；以及

该计算分析模块更根据各该群组历史事件中各该历史数据的该推荐分数通过推荐分数计算规则计算各该群组的群组推荐分数。

8.根据权利要求7所述的行事历主动推荐事件的方法，其特征在于，步骤进一步包含：

该撷取模块将该单独历史事件的提醒时间除以该初步数据中各该单独历史事件的该提醒时间的最大值作为该推荐分数；以及

该推荐分数计算规则是计算各该群组历史事件中各该同群的历史事件的该起始时间的差值的标准偏差作为该群组历史事件的该推荐分数。

9.根据权利要求8所述的行事历主动推荐事件的方法，其特征在于，步骤进一步包含：

该计算分析模块包含有云端服务加权模块；

该云端服务加权模块更连接有个人服务使用纪录；

该云端服务加权模块通过该个人服务使用纪录取得加权值；

该计算分析模块更将该推荐分数与该加权值通过计算产生加权推荐分数；以及

该计算分析模块将该初步数据与该加权推荐分数结合为该分析数据。

10.根据权利要求9所述的行事历主动推荐事件的方法，其特征在于，步骤进一步包含：

该排序模块将该分析数据内该初步数据的各该单独历史事件依据该分析数据中的该加权推荐分数排序产生该排序数据；以及

该排序模块将各该群组历史事件中该些同群的历史事件依据该加权推荐分数的统计标准偏差的规则排序产生该排序数据。