CN105308587A - 将可消费内容的用户使用结合于推荐中 - Google Patents

将可消费内容的用户使用结合于推荐中 Download PDF

Info

Publication number
CN105308587A
CN105308587A CN201480033102.1A CN201480033102A CN105308587A CN 105308587 A CN105308587 A CN 105308587A CN 201480033102 A CN201480033102 A CN 201480033102A CN 105308587 A CN105308587 A CN 105308587A
Authority
CN
China
Prior art keywords
user
content
application
consumption
action
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
Application number
CN201480033102.1A
Other languages
English (en)
Other versions
CN105308587B (zh
Inventor
E·奇克利克
R·罗恩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Microsoft Technology Licensing LLC
Original Assignee
Microsoft Technology Licensing LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Microsoft Technology Licensing LLC filed Critical Microsoft Technology Licensing LLC
Publication of CN105308587A publication Critical patent/CN105308587A/zh
Application granted granted Critical
Publication of CN105308587B publication Critical patent/CN105308587B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90Details of database functions independent of the retrieved data types
    • G06F16/95Retrieval from the web
    • G06F16/953Querying, e.g. by the use of web search engines
    • G06F16/9535Search customisation based on user profiles and personalisation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282Rating or review of business operators or products
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/335Filtering based on additional data, e.g. user or group profiles
    • G06F16/337Profile generation, learning or modification

Abstract

本文公开的是一种基于用户与一应用中的可消费内容(诸如电子阅读器中的电子书)交互的方式来为用户生成简档的系统和方法。用户关于内容的动作被监视并与内容的特征相关联。这种关联被用于构建用户喜欢的事物和不喜欢的事物的用户简档,这些用户喜欢的事物和不喜欢的事物然后被提供给推荐器系统来提供更相关和个性化的推荐。

Description

将可消费内容的用户使用结合于推荐中
技术领域
本说明书一般地涉及将可消费内容的实际用户行为及使用用于推荐系统中,使得推荐被更个性化地用于用户。
背景
市场在历史上已向用户提供了用户可能感兴趣的推荐项目的列表。然而,这些推荐在历史上基于项目之间的关系。典型地,这采用的是“购买了这个东西的人也够买了这些项目”的形式。更高级的推荐系统着眼于项目本身,以基于正被看的项目与这些项目之间的相似性来确定这些项目是否相关以及用户是否可能对这些项目感兴趣。
概述
下面呈现了本发明的简要概述,以便向读者提供基本理解。本概述不是本发明的详尽概览,并且不标识本发明的关键/重要元素,也不描述本发明的范围。其唯一的目的是以简化形式呈现此处所公开的一些概念,作为稍后呈现的更详细的描述的序言。
本示例提供了一种用于基于用户对内容的实际消费向用户呈现推荐(而不是单独地基于项目的一般且通用的推荐)的系统和方法。在用户消费设备上所显示的内容时,该系统监视用户的动作。基于该监视,为该用户生成简档,该简档指示出用户如何消费各种类型的内容并确定用户喜欢什么内容以及用户对什么内容不太感兴趣。用户的简档然后被个性化并与推荐系统共享,使得推荐系统标识出更可能是用户感兴趣的内容以及移除不太可能是用户感兴趣的内容。
通过结合附图参考以下详细描述,可易于领会并更好地理解许多附带特征。
附图简述
根据附图阅读以下具体实施方式,将更好地理解本发明,在附图中:
图1是根据一个说明性实施例的用于基于对用户与内容的交互的分析来向用户推荐内容的推荐系统100的框图。
图2是例示出根据一个说明性实施例的示例推荐器系统的框图。
图3是例示出根据一个说明性实施例的电子阅读器设备的组件的框图。
图4是例示出根据一个说明性实施例的由本系统执行的用于为电子阅读器设备的用户构建并更新个性化简档的过程的流程图。
图5是例示出根据一个说明性实施例的向用户提供推荐的过程的流程图。
图6是例示出根据一个实施例的能实现推荐和监视系统的计算设备的框图。
在各个附图中使用相同的附图标记来指代相同的部件。
详细描述
下面结合附图提供的详细描述旨在作为本发明示例的描述,并不旨在表示可以构建或使用本发明示例的唯一形式。本描述阐述了本发明示例的功能,以及用于构建和操作本发明示例的步骤的序列。然而,可以通过不同的示例来实现相同或等效功能和序列。
当元素被称为被“连接”或“耦合”时,这些元素可被直接连接或耦合在一起,或者也可存在一个或多个中间元素。相反,当元素被称为被“直接连接”或“直接耦合”时,不存在中间元素。
本主题可被体现为设备、系统、方法、和/或计算机程序产品。因此,本主题的部分或全部可以用硬件和/或软件(包括固件、常驻软件、微码、状态机、门阵列等)来具体化。此外,本主题可以采用计算机可使用或计算机可读存储介质上的计算机程序产品的形式,介质中收录了供指令执行系统使用或结合指令执行系统一起使用的计算机可使用或计算机可读的程序代码。在本文档的上下文中,计算机可使用或计算机可读介质可以是可包含、储存、通信、传播、或传输程序以供指令执行系统、装置或设备使用或结合指令执行系统、装置或设备一起使用的任何介质。
计算机可使用或计算机可读介质可以是,例如,但不限于,电、磁、光、电磁、红外、或半导体系统、装置、设备或传播介质。作为示例而非限制,计算机可读介质可包括计算机存储介质和通信介质。
计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据这样的信息的任意方法或技术来实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括,但不限于,RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备、或可用于储存所需信息且可由指令执行系统访问的任何其他介质。注意,计算机可使用或计算机可读介质可以是其上打印有程序的纸张或其他合适的介质,因为程序可经由例如对纸张或其他合适的介质的光学扫描来被电子地捕获,随后如有必要被编译、解释,或以其他合适的方式处理,并且随后被储存在计算机存储器中。
通信介质通常以诸如载波或其他传输机制之类的已调制数据信号来体现计算机可读指令、数据结构、程序模块或其他数据,并且包括任何信息传送介质。这与计算机存储介质不同。术语“已调制数据信号”可被定义为其一个或多个特性以对信号中的信息编码的方式被设置或改变的信号。作为示例而非限制,通信介质包括诸如有线网络或直接线连接之类的有线介质,以及诸如声学、RF、红外及其他无线介质之类的无线介质。上述的任何组合也应包含在计算机可读介质的范围内。
当本主题在计算机可执行指令的一般上下文中具体化时,该实施例可包括由一个或多个系统、计算机、或其他设备执行的程序模块。一般而言,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。通常,程序模块的功能可在各个实施例中按需进行组合或分布。
许多商家用来鼓励人们购买他们可能感兴趣的项目的推荐系统和推荐器系统典型地基于从众多购买者收集的信息。当一潜在的顾客使用商家的店面时,该顾客被呈现推荐项目的列表。典型地,该用户被呈现所述项目以及诸如“购买了X的顾客也购买了Y”之类的短语,其中X是该顾客当前正在看的项目,而Y是被推荐的一个或多个项目。某些商家为他们的顾客维护简档,并基于顾客从市场的先前购买来作出推荐。这些推荐要求该顾客向该商家创建简档。然而,这些系统的弱点之一是商家仅仅知道该顾客先前购买了什么,以及已经购买了那个项目的其他人也已经购买了什么。商家不知道该顾客是否实际上喜欢该项目,或甚至该顾客是否消费了该项目。
图1是用于基于对用户与内容的交互的分析来向用户推荐内容的推荐系统100的框图。推荐系统100包括用户101、电子阅读器设备110、网络连接120、市场130、推荐器系统150、以及内容数据库140。关于图1简要地讨论了这些组件以及它们彼此的交互。
电子阅读器设备110是具有向用户101提供诸如电子书、视频或音乐之类的可消费内容的能力的任何设备。在一个实施例中,电子阅读器设备110是诸如Kindle或Nook之类的独立设备。在替代实施例中,电子阅读器设备110被呈现为诸如个人计算机、平板计算机、移动电话或游戏系统之类的计算设备上的应用。电子阅读器设备110的用户在该设备上观看或消费内容。当用户101观看内容时,用户采取的动作的日志被电子阅读器设备110上的监视应用捕捉。通过该动作日志,为该设备的该用户确定个性化简档105。该个性化简档可包括诸如该用户喜欢什么类型的书、该用户喜欢从书中读什么类型的题材、该用户的阅读水平或分级水平、或者该用户阅读特定内容的时间或情形(例如在通勤、旅行、度假、工作、睡觉前等的同时,不同的内容被阅读)之类的特征。然而,可从用户消费内容或与电子阅读器设备110交互的方式收集或获得的任何信息可被捕捉并用于生成用户的个人简档。
当用户希望获得额外内容以在电子阅读器设备110上观看时,用户101连接市场130以寻找额外内容。一旦通过网络120连接到市场130,用户101就搜索他们感兴趣的内容。市场130向用户101提供用户正在寻找的内容的结果。此外,市场130向用户101提供了用户可能也感兴趣购买或消费的项目的列表。为了向用户101提供更相关的推荐,用户的个性化简档被提供给推荐器系统150。推荐器系统150获得用户的个性化简档并搜索内容数据库140以标识数据库140中与用户的简档匹配的内容。例如,推荐器系统150可搜索内容数据库140来查找具有特定情景类型的书籍,或者对于用户101正在搜索市场130的时间而言是合适的书籍。一旦推荐器系统150在内容数据库140中找到了预定数量的结果,推荐器系统150就将把要作为推荐155被提供给用户的结果提供回市场130。
图2图解地示出根据一个说明性实施例的用来向诸如上述图1中的用户101之类的用户提供推荐的推荐器系统150,所述用户可使用电子阅读器设备110通过市场130来访问推荐器系统。然而,任何可用的推荐器系统可被使用。在一些实施例中,推荐器系统150包括“显式-隐式数据库”231,该数据库包括响应于一群用户101对项目目录中的项目显露出的偏好而被获取的显式和/或隐式数据。推荐器系统150可包括模型制作器240以及群集引擎241,它们合作来将相关的目录项目群集到目录集群中以及生成群集数据库232。推荐器引擎250从群集数据库232中的目录集群中推荐目录项目。
显式-隐式数据库231中可任选地包括的显式数据包括由推荐器系统150响应于对向用户群中的用户101提交的信息的显式请求而获取的信息。在一个实施例中,这些请求可在用户101向市场生成他们的个人简档或者首次与电子阅读器设备110交互时从用户101获得。对信息的显式请求可包括例如问卷中的问题、就某一书籍或电影的娱乐价值来对其评级的请求、就产品的质量表达意见的请求、或者提供与喜欢或不喜欢的东西有关的信息的请求。显式-隐式数据库231中的隐式数据可包括由推荐器系统150响应于对用户群中的用户101的并非由对信息的显式请求有意识地生成的行为的观察而获取的数据。例如,隐式数据可包括响应于确定用户如何使用电子阅读器设备110所显示的内容的数据。
模型制作器240处理显式-隐式数据库231中所包括的显式和/或隐式数据来实现用于表示目录项目的模型,该模型通过可用于群集目录项目的表示来表示每个目录项目。群集引擎241处理模型制作器240提供的目录项目的表示以生成“群集数据库”232,在群集数据库232中多个目录项目被群集成目录集群,每个目录集群把不同的一组相关目录项目聚集在一起。尽管图2图解地将显式-隐式数据库231显示为与群集数据库232分开,但是群集数据库232可被包括在显式-隐式数据库231中。为了生成群集数据库232,群集引擎241可例如简单地标记显式-隐式数据库231中的记录来指示出记录与之相关联的群集。
在对本发明的一实施例的实践中,可使用用于提供目录项目的表示的各种模型中的任何模型以及处理所述表示来群集目录项目以及生成群集数据库232的方法。模型制作器240可例如生成基于特征向量的目录项目的表示。可选地,模型制作器240通过由本征向量所跨越的空间中的向量来表示目录项目,向量是从表示用户101对目录项目的偏好的“评分矩阵”的单值分解(SVD)确定的。模型制作器240可通过由评分矩阵的矩阵分解所确定的隐空间中的特性相量来表示目录项目。然而,可以采用其它方法。
如果相同的用户对目录项目表现出类似的偏好,则群集引擎241可选地将目录项目群集在同一目录集群中。可选地,群集引擎241使用诸如支持向量机之类的在目录项目的一子集上训练的分类器来区分目录项目以及将目录项目群集到目录集群中。在本发明的一实施例中,群集引擎241使用迭代k均值群集算法来群集表示目录项目的向量以及生成群集数据库232。
图3是例示出根据一个说明性实施例的电子阅读器设备300(诸如图1中的设备110)的组件的框图。如先前所述,尽管本说明书讨论了电子阅读器设备,但是本领域的那些技术人员将容易地认识到设备300可以是具有电子阅读器应用310的任何设备,诸如个人计算机、平板计算机、移动电话等。电子阅读器设备300包括电子阅读器应用310、显示器320、内容存储330、监视应用340、用户简档数据库345、以及可选地附加应用360。
电子阅读器应用310是被配置成通过显示器320向用户提供可消费内容的应用。在一个实施例中,电子阅读器应用310可以是诸如亚马逊的Kindle、巴诺的Nook等之类的电子阅读器应用310。在一些实施例中,电子阅读器应用310可以是被下载或以其他方式被安装在已有操作系统之上的应用,已有操作系统例如微软公司的Windows操作系统、Android操作系统、或苹果的iOS。在该实施例中,用户能够在电子阅读器应用310和附加应用360之间导航。当电子阅读器设备300是独立设备时,在电子阅读器应用310外导航可被限制或完全不可用。
用户101可将诸如书籍、电影或音乐之类的内容下载或以其他方式存储到电子阅读器设备300上。该内容被存储在内容存储330中。在一个实施例中,内容存储330是诸如闪存存储之类的固态存储器设备。然而,可使用能够存储内容的任何类型的设备。用户101通过电子阅读器应用310访问内容存储330中的内容。在一些实施例中,内容存储330是云存储设施,其中内容可由电子阅读器应用310通过网络连接来访问。
在一些实施例中,电子阅读器设备300包括一些传感器305。传感器305可以是能提供关于电子阅读器设备正被使用的方式的附加信息的任何类型的传感器或设备。传感器305可包括全球定位系统接收器、陀螺仪、能够确定电子阅读器设备的位置、角度或定向的传感器、话筒、光传感器等。作为生成和更新用户的个性化简档的过程的一部分,来自这些传感器的信息可被提供给监视应用340。
监视应用340是工作在设备300上的被配置成在用户正在使用电子阅读器应用310时收集与用户的活动有关的信息的应用。在一些实施例中,监视应用340是电子阅读器应用310的组件。监视应用340接收来自电子阅读器应用310的允许监视应用340知道用户当前正在电子阅读器应用310上消费什么内容的输入。该信息或特征集可包括正被消费的内容的标题、流派、章节、页,正被消费的当前页的主题(如血腥的、色情的、浪漫的)等。然而,在其他实施例中,关于内容的附加数据可被提供给监视应用340。每次用户改变电子阅读器应用310所显示的内容时,监视应用340接收到这种改变的指示。监视应用340然后将该信息添加到该用户的被维护在用户简档数据库345中的简档。该信息可包括与用户在该页面上停留了多长时间、用户是前进一页还是后退一页、跳过内容中的某一章节、滚动某一页面、改变页面的放大率(放大和/或缩小)等有关的数据。
在一些实施例中,监视应用340接收来自作为设备300的一部分的传感器的信号。传感器可包括陀螺仪传感器、光传感器、位置传感器、全球定位系统传感器等。这些传感器向监视应用340提供与设备当前正被如何使用有关的信息。例如,如果用户正在床上使用该设备,则传感器可提供指示出低光或该设备正以特定角度被持有的数据。在另一示例中,GPS数据可指示出当用户正在消费设备300上的内容时用户正在工作或在旅店中。该数据与从电子阅读器应用310接收到的数据合并,使得数据可稍后被相关来学习关于用户如何特别地使用电子阅读器设备的更多知识。
在一些实施例中,监视应用340被配置成接收来自附加应用的输入。这些附加应用可包括诸如互联网浏览器、日程表应用、字处理程序等之类的应用。当用户切换离开电子阅读器应用310时,监视应用340接收用户已经导航离开电子阅读器应用310的指示。该指示可从电子阅读器应用310、设备300底层的操作系统发送,或者从用户已导航到并且当前正在使用中的应用发送。监视应用340然后可确定用户如何使用该另一个应用。在一个实施例中,监视应用340确定该另一个应用上的活动是否与用户先前在电子阅读器应用310上消费的内容有关。如果监视应用340确定该内容是有关的,则监视应用340可将该信息添加到与用户相关联的信息中。例如,如果用户导航到互联网浏览器并然后前往词典页面,则监视应用340可确定或记录用户需要查阅存在于该特定页面上的某一单词。如果用户继续在电子阅读器应用310与词典之间进行,则监视应用340可确定电子阅读器应用310中的内容处于比用户感到舒适的级别更难的级别。在另一示例中,用户可导航到例如维基百科然后搜索与电子阅读器应用310中所显示的内容有关的信息。监视应用340可使用该信息来确定用户对该内容更感兴趣。
监视应用340基于从电子阅读器应用310接收到的信息为用户生成简档。该信息允许监视应用340通过将所消费的内容的不同特征相关联来理解用户如何消费内容。简档被存储于用户简档数据库345中。在为用户生成简档时,用户消费内容的方式被考虑。通过考虑用户已经消费的每一块内容以及用户消费该内容的方式,监视应用340能够确定与用户和用户感兴趣的内容有关的特定事项。例如,如果用户不断地返回到与血腥谋杀有关的内容,则监视应用340将确定用户对血腥内容感兴趣。如果用户在日间消费与血腥谋杀有关的内容,但在晚上消费浪漫内容,则监视应用340将确定用户在白天优选更猛烈的内容,而在晚上优选更温和的内容。如果用户消费要求他们反复地前往词典的内容,则监视应用340将确定该内容对于用户来说太难了。在又一示例中,如果传感器检测到设备从正常阅读位置倾斜且用户还未改变内容中的页面,则监视应用340可确定用户已经睡着了,因此该内容对于用户来说并非是刺激的。在一些实施例中,监视应用340可将该原始数据传递至推荐器系统150来执行用户简档生成。
基于用户消费内容的方式以及监视应用340在构建用户的简档时作出的决定,可构建用户的个性化简档。该简档可与推荐器系统150共享,使得在用户与使用推荐器系统150的市场130交互时,可对用户作出更相关和个性化的推荐。从而,被存储在用户简档数据库中的用户的简档可指示出用户喜欢在白天阅读与血腥谋杀有关的内容,而在晚上喜欢阅读浪漫内容,且发现历史内容是无聊的。再次,在一些实施例中,用户的个性化简档105被存储或维护在推荐器系统150处。
图4是例示出由本系统执行的用于为电子阅读器设备的用户构建并更新个性化简档的过程的流程图。该过程通过为电子阅读器的用户构建简档开始。这被例示于步骤410。简档构建过程可采取许多不同形式。在一个实施例中,简档是通过使用已经可从设备获得的信息来构建的。该信息可与用户用来登录到设备的账户相关联。在一替代实施例中,用户的简档可从另一源获得,诸如Facebook(脸书)、WindowsLive、Google(谷歌)、Amazonprofile(亚马逊简档)、或其中可访问或维护用户的简档的任何其他场所。在一些实施例中,多个简档可被组合来为用户形成单个初始简档。通过组合简档就或许可能与单个简档相比对用户有更多了解。在一个实施例中,用户的简档105是诸如关于用户如何消费内容、用户何时消费内容以及用户消费的内容的类型之类的各种各样的信息片段的关联。这些信息片段中的每一个可彼此组合以基于用户的消费习惯来形成关于用户喜欢什么或不喜欢什么的写照(简档)。
在一些实施例中,简档生成过程可包括使用户填写调查问卷或一系列问题。这种对信息的显式请求被例示于步骤420。这些问题可在电子阅读器设备的显示器上被呈现给用户。在一些实施例中,这些问题可被设计成诱出用户的回答,使得系统能够更好地构建用户的简档。在其他实施例中,这些问题可被使用以从零开始为用户生成简档。这可在例如用户不希望或不能将他们的其他简档与系统共享或用户不具有任何其他简档的时候发生。这种对起始用户简档的用户简档修改被例示于步骤425。
用户然后以正常方式继续使用电子阅读器应用310。也就是说,用户从与电子阅读器的一个或多个内容提供者相关联的市场130购买书籍、电影、游戏或其他内容,以及观看或消费所购买的内容。如先前所提及的,术语购买的可意味着已付费的内容,或者免费提供给电子阅读器设备的内容。这被例示于步骤430。
当用户使用电子阅读器中的内容时,监视应用340监视电子阅读器以及其他系统组件和应用的实际使用。监视过程由步骤440-456例示出。
当用户首次通过电子阅读器打开内容时,监视过程开始。这由步骤440例示出。此时,监视应用340为该内容在存储中创建一条目,并记录被打开的具体内容。该信息可包括标题、作者、购买日期、发布时间、流派、或关于该内容可获得的采用数据或元数据形式的任何其他信息。该信息然后被存储在板载存储或用户简档数据库245中。这被例示于步骤442。
在一个实施例中,监视应用340在内容被购买时不在板载存储中创建条目。通过等待直到内容被打开为止,监视应用340不会受累于不相关或无意义的条目。这可能发生,因为用户例如无意地购买了内容,该内容被自动添加到电子阅读器,或者用户仅仅是添加了内容然后忘记了等等。此外,通过等待直到用户打开了内容为止,关于内容以及用户对内容的使用的更准确的数据可被收集。然而,在其他实施例中,存储中的条目可在内容被购买时被创建。
如果用户再次打开已被添加到系统的内容,则监视应用340在存储中定位该特定内容的条目。监视应用340然后可在该内容的记录中作出附加条目,诸如计算自从用户上次观看了该内容项之后已经过去了多长时间。这被例示于步骤444。
用户继续与电子阅读器上显示的内容进行交互。用户可阅读一页面、翻一页、返回一页、跳过一页、跳过一章节、或执行与观看内容相关联的其他活动中的另一活动。用户执行的这些活动中的每一个活动都由监视应用340捕捉。这被例示于步骤446。
在一些实施例中,监视应用340还捕捉关于具体页面的其他信息。例如,监视应用340可捕捉用户在每个页面上花费的时间量、用户返回到该特定页面的次数、正被观看的该页面的具体部分。在一些实施例中,正被观看的该具体页面的内容是已知的。这可包括例如该具体章节/页面的主题(如性爱场景、浪漫场景、暴力场景、动作场景等),或者该内容的分级水平(例如更难以阅读还是更容易阅读)。在电子阅读器具有跟踪眼睛运动的实施例中,监视应用340可记录与眼睛的移动有关的各种信息片段,诸如跟踪用户正在多次重复阅读特定一句话或正在非常快速地阅读单词。监视应用340将该信息存储在该内容的记录中。这被例示于步骤448。
在用户正在电子阅读器中观看该内容的同时,用户可访问通过该设备可用的其他应用。例如,用户可使用互联网浏览器来观看web上的内容。监视应用340识别出用户已经离开电子阅读器应用310并已移至另一应用。监视应用340确定用户离开电子阅读器应用310的原因。例如,用户可能离开电子阅读器应用310以查看与电子阅读器中用户不知道其含义的某一单词有关的在线词典,或者可能导航到具有与当前显示在页面上的信息有关的内容的网页。相反地,用户可能已导航到不具有与电子阅读器中所显示的内容相关的任何内容的网页。监视应用340确定离开电子阅读器应用310是否是应与存储中的条目记录在一起的事件,或者该事件是否是与内容无关的事件。如果该事件被确定为与内容相关,则该事件被存储在该事件的相关联的条目中。这被例示于步骤450。如果该内容被确定为不相关,则该事件被丢弃。这被例示于步骤452。然而,在一些实施例中,简档可被更新以指示出用户已经离开了电子阅读器应用。当用户返回到电子阅读器应用时,过程可返回到该过程中的步骤444。
在一些实施例中,监视应用340能够确定用户何时以及如何使用电子阅读器中的该内容。例如,当电子阅读器具有光传感器时,监视应用340可确定用户正在低光情形中或亮光情形中观看内容。监视应用340可使用板载时钟来确定用户观看内容的时间,诸如在工作时间、午饭时间、睡觉时间期间等。在其他实施例中,监视应用340可访问用户的日历以将时间与具体事件相关联。例如,监视应用340可从日历应用确定用户正在行进中、在会议中、或在度假。在又一些其他实施例中,监视应用340可确定用户的实际位置。例如,监视应用340可确定用户当前正在火车上或飞机上。该外部信息也被添加到用户简档中的该内容的条目中。这被例示于步骤454。在步骤456,用在本次迭代期间收集的信息来更新简档。数据在简档中的组织以及更新的详情可基于该特定推荐器系统150在作出推荐时处理简档的方式来确定。如此,简档中的数据的任何特定的格式都是同样适用的。
监视用户对内容的使用的这个过程在每次用户观看电子阅读器上的内容(不同内容或相同内容)时被重复。通过该过程,监视应用340能够基于用户实际使用和消费电子阅读器上的内容的方式来为用户构建个性化简档。构建简档的该过程将在监视期间收集的每个信息片段相关联,并创建数据之间的关系,使得推荐器系统能够处理该信息以作出更好的推荐。监视应用340将已被收集的用户的数据提供给推荐器系统150,使得当用户向推荐器系统150请求内容时,用户的个性化简档可用于提供增强的且更相关的推荐。
图5是例示出根据一个说明性实施例的向用户提供推荐的过程的流程图。当用户访问与电子阅读器应用310相关联的内容的市场130或在线目录时,该过程开始。这被例示于步骤510。
用户登录到市场130或者以其他方式向市场130标识他们自己。这被例示于步骤520。一旦用户登录到市场130,他们的简档就从市场130自己的数据库被获得或者从监视应用340被提供给市场130。这被例示于步骤525。用户然后导航并搜索他们希望购买或在他们的电子阅读器上观看的内容。该导航根据市场130的布局和设计来发生,且用户不会意识到该导航与常规导航不同。这被例示于步骤530。
当用户从搜索结果中选择了某一特定项目之后,用户能够查看由市场130提供的关于所显示的内容的描述。用户还可继续通过商家的门户来购买该内容。这被例示于步骤540。连同显示内容的描述,也向用户提供许多推荐。这与通常与典型推荐一起被呈现的“购买了这个的人也够买了这个”的呈现类似。然而,与这些推荐相反,呈现出的推荐是已基于监视应用340提供的信息为用户定制的。这被例示于步骤550。
为了生成这些个性化推荐,推荐器系统150从用户简档数据库获取为用户捕捉的数据,并用商家的内容数据库中所包含的内容向数据至少应用基于内容的过滤。这被例示于步骤552。
推荐器系统150取得用户正在看的当前所选项目并将与该项目相关联的元数据与来自用户简档数据库的数据相比较。推荐器系统150分析用户的数据以标识数据中的将允许推荐器系统150作出更相关推荐的关键特征。这包括例如将所选内容的流派或特征与用户以前表现出兴趣的流派或特征相比较。同样,推荐器系统150考虑可用的其他数据点,诸如当前时间或用户的位置。这被例示于步骤554。
基于用户的简档中的信息以及与市场130处的内容有关的数据,推荐器系统150致使多个推荐被显示给用户。这些推荐并非基于其他人购买了什么,而是基于用户的个性化简档。例如,知道用户喜欢与血腥谋杀有关的内容的推荐器系统150可使得具有血腥谋杀场景的书籍作为推荐被显示,而不显示具有常规谋杀的书籍,即使两种书籍在不使用本个性化系统时被相同的顾客共同购买。此外,推荐器系统150可推荐与当前所选内容无关的书籍或内容,因为它已确定用户优选的内容与当前所选内容无关。这被例示于步骤556。
用户可然后购买或导航到推荐的内容,或者相反购买已被选择的内容。这被例示于步骤560。一旦用户作出了选择或导航,与该导航相关的信息就被添加到用户的个人简档。如果简档被维护或存储在推荐器系统150处,则它在那里被更新。如果它被监视应用340维护,则该信息被传递回监视应用340使得可用新信息来更新简档。这被例示于步骤570。
图6例示出根据一个实施例的计算设备的组件图。计算设备600可被用于实现本文所述的一个或多个计算设备、计算机过程、或软件模块。在一个示例中,计算设备600可用于处理计算、执行指令,接收并发送数字信号。在另一示例中,如本发明实施例的系统所要求的那样,计算设备600可被用于处理计算,执行指令,接收并发送数字信号,接收并发送搜索查询以及超文本,编译计算机代码。此外,计算设备600可以是分布式计算设备,其中计算设备600的组件位于通过网络或其他形式的连接而彼此连接的不同计算设备上。此外,计算设备600可以是基于云的计算设备。
计算设备600可以是现在已知或将变得已知的能够执行本文所述的步骤和/或执行本文所述的功能(采用软件、硬件、固件或其组合的形式)的任何通用或专用计算机。
在其最基本的配置中,计算设备600通常包括至少一个中央处理单元(CPU)602和存储器604。取决于计算设备的确切配置和类型,存储器604可以是易失性的(如RAM)、非易失性的(如ROM、闪存等)或是两者的某种组合。另外,计算设备600还可具有附加的特征/功能。例如,计算设备600可包括多个CPU。所描述的方法可由计算设备600中的任何处理单元以任何方式来执行。例如,所描述的过程可由多个CPU并行地执行。
计算设备600还可包括另外的存储(可移动和/或不可移动),其包括但不限于磁盘、光盘或磁带。这些另外的存储在图5中由存储606示出。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息的任何方法或技术来实现的易失性和非易失性、可移动和不可移动介质。存储器604和存储606是计算机存储介质的全部示例。计算机存储介质包括但不限于,RAM、ROM、EEPROM、闪存或其它存储器技术、CD-ROM、数字多功能盘(DVD)或其它光存储、磁带盒、磁带、磁盘存储或其它磁存储设备,或者可用于存储所需信息并且可由计算设备600访问的任何其它介质。任何这样的计算机存储介质都可以是计算设备600的一部分。
计算设备600还可包含允许该设备与其它设备通信的(一个或多个)通信设备612。(一个或多个)通信设备612是通信介质的示例。通信介质通常以诸如载波或其他传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其他数据,并包括任意信息传送介质。术语“已调制数据信号”是指使得以在信号中编码信息的方式来设置或改变其一个或多个特性的信号。作为示例而非限制,通信介质包括诸如有线网络或直接线连接之类的有线介质,以及诸如声学、RF、红外及其他无线介质之类的无线介质。如此处所使用的术语计算机可读介质包括存储介质和通信介质两者。所描述的方法可用诸如数据、计算机可执行指令等之类的任何形式被编码在任何计算机可读介质中。
计算设备600也可具有诸如键盘、鼠标、笔、语音输入设备、触摸输入设备等的(一个或多个)输入设备610。还可包括(一个或多个)输出设备608,诸如显示器、扬声器、打印机等。所有这些设备在本领域是众知的并且不必详细讨论。
本领域技术人员会认识到,用于存储程序指令的存储设备可分布在网络上。例如,远程计算机可以存储被描述为软件的进程的示例。本地或终端计算机可以访问远程计算机并下载软件的一部分或全部以运行程序。替代地,本地计算机可以根据需要下载软件片段,或通过在本地终端上执行一些软件指令而在远程计算机(或计算机网络)上执行另一些软件指令来分布式处理。本领域的技术人员还将认识到,通过利用本领域的技术人员已知的传统技术,软件指令的全部,或一部分可以通过诸如DSP、可编程逻辑阵列等等之类的专用电路来实现。

Claims (10)

1.一种用于在推荐器系统中为用户生成简档的方法,包括:
检测所述用户在设备上的应用中打开了可消费内容;
确定关于所述可消费内容的一组特征;
标识所述用户通过所述应用对所述可消费内容执行的至少一个动作;以及
基于所标识出的至少一个动作以及所述一组特征来为所述用户更新所述简档。
2.如权利要求1所述的方法,其特征在于,确定关于所述可消费内容的一组特征进一步包括:
确定所述可消费内容的至少一部分的主题。
3.如权利要求1所述的方法,其特征在于,进一步包括:
从所述设备接收所述应用外部的条件的指示;以及
基于接收到的所述条件的指示来为所述用户更新所述简档。
4.如权利要求1所述的方法,其特征在于,进一步包括:
确定所述用户访问了所述设备上的一不同应用;
标识所述不同应用上的内容;
确定所述不同应用上的所述内容是否与所述可消费内容有关;以及
当所述不同应用上的所述内容被确定为与所述可消费内容有关时,为所述用户更新所述简档。
5.如权利要求1所述的方法,其特征在于,进一步包括:
确定所述用户在所述应用中打开了第二可消费内容;
确定关于所述第二可消费内容的第二组特征;
标识所述用户通过所述应用对所述第二可消费内容执行的至少一个动作;以及
基于所标识出的至少一个动作以及关于所述第二可消费内容的所述一组特征来为所述用户更新所述简档。
6.如权利要求1所述的方法,其特征在于,进一步包括:
标识所述用户对所述可消费内容执行的第二动作;
确定所述至少一个所标识的动作与所述第二动作之间的时间;以及
用所述至少一个动作和所述第二动作之间所确定的时间来更新所述简档。
7.一种设备,包括:
被配置成向用户提供可消费内容的应用;
被配置成监视所述用户的与所述可消费内容有关的动作的监视应用;以及
用户简档数据库,所述用户简档数据库包括所述用户的至少一个个性化简档,且被配置成通过所述监视应用用与所述可消费内容有关的信息以及监视到的动作来被更新。
8.如权利要求7所述的设备,其特征在于,所述监视应用进一步被配置成:
标识所述可消费内容的至少一部分的主题;以及
将一监视到的动作与所述主题相关联。
9.如权利要求7所述的设备,其特征在于,进一步包括:
与所述应用分开的第二应用;以及
其中所述监视应用被配置成确定所述用户访问了所述第二应用,确定所述第二应用中的内容,以及确定所述第二应用中的所述内容是否与所述可消费内容有关。
10.一种用于向用户提供推荐的系统,包括:
具有被配置成向用户呈现可消费内容的应用的设备;
监视应用,所述监视应用被配置成监视用户针对所述可消费内容执行的动作以及将监视到的动作与关于所述可消费内容的一组特征相关联;
包括与所述用户如何消费所述可消费内容有关的个性化用户简档信息的用户简档;
被配置成向所述用户提供附加的可消费内容的市场;以及
推荐器系统,所述推荐器系统被配置成接收所述用户简档,以及分析所述用户简档以基于所述个性化的用户简档来确定要推荐给所述用户的附加的可消费内容。
CN201480033102.1A 2013-06-14 2014-06-11 将可消费内容的用户使用结合于推荐中 Active CN105308587B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/918,898 2013-06-14
US13/918,898 US11061973B2 (en) 2013-06-14 2013-06-14 Incorporating user usage of consumable content into recommendations
PCT/US2014/041813 WO2014201064A2 (en) 2013-06-14 2014-06-11 Incorporating user usage of consumable content into recommendations

Publications (2)

Publication Number Publication Date
CN105308587A true CN105308587A (zh) 2016-02-03
CN105308587B CN105308587B (zh) 2018-05-22

Family

ID=51136820

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480033102.1A Active CN105308587B (zh) 2013-06-14 2014-06-11 将可消费内容的用户使用结合于推荐中

Country Status (5)

Country Link
US (1) US11061973B2 (zh)
EP (1) EP3008612A4 (zh)
KR (1) KR102284495B1 (zh)
CN (1) CN105308587B (zh)
WO (1) WO2014201064A2 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108520440A (zh) * 2018-03-30 2018-09-11 掌阅科技股份有限公司 电子书消费需求的确定方法、电子设备及计算机存储介质
CN108536804A (zh) * 2018-03-30 2018-09-14 掌阅科技股份有限公司 基于电子书的信息推送方法、电子设备及计算机存储介质
WO2019058265A1 (en) * 2017-09-21 2019-03-28 International Business Machines Corporation IMPLEMENTING A DYNAMIC AND AUTOMATIC MODIFICATION OF A USER PROFILE FOR ENHANCED PERFORMANCE
CN110020188A (zh) * 2017-10-17 2019-07-16 奥多比公司 基于隐式交互和简档数据的全局向量推荐

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9158482B2 (en) * 2013-04-29 2015-10-13 Hewlett-Packard Development Company, L.P. Recommending and installing scheduled delivery print applications
US9471671B1 (en) * 2013-12-18 2016-10-18 Google Inc. Identifying and/or recommending relevant media content
US9218497B2 (en) 2014-02-24 2015-12-22 Microsoft Technology Licensing, Llc Incentive-based app execution
US9473944B2 (en) * 2014-02-24 2016-10-18 Microsoft Technology Licensing, Llc Local personal daemon
US9432472B2 (en) 2014-02-24 2016-08-30 Microsoft Technology Licensing, Llc Accelerated training of personal daemons
US9560055B2 (en) 2014-04-30 2017-01-31 Microsoft Technology Licensing, Llc Client-side integration framework of services
US10311510B2 (en) * 2014-09-05 2019-06-04 Apple Inc. System and method for providing sequential media items
CN105589905B (zh) * 2014-12-26 2019-06-18 中国银联股份有限公司 用户兴趣数据分析和收集系统及其方法
US20160232805A1 (en) * 2015-02-10 2016-08-11 Xerox Corporation Method and apparatus for determining patient preferences to promote medication adherence
EP3091497A1 (en) * 2015-05-07 2016-11-09 Deutsche Telekom AG Recommendation system and method for a mobile device based on raw data which is collected from sensors of the mobile device
KR102469758B1 (ko) 2015-09-02 2022-11-22 삼성전자주식회사 서버 장치, 사용자 단말 장치, 그 제어 방법 및 전자 시스템
WO2018027781A1 (zh) * 2016-08-11 2018-02-15 王志远 推送书籍时的数据采集方法和推送系统
WO2018027780A1 (zh) * 2016-08-11 2018-02-15 王志远 推荐书籍时的技术权属信息展示方法和推送系统
CN106611050B (zh) * 2016-12-22 2018-08-03 掌阅科技股份有限公司 电子书推荐方法、装置和服务器
US10666751B1 (en) 2016-12-28 2020-05-26 Wells Fargo Bank, N.A. Notification system and method
US10798180B1 (en) 2017-04-11 2020-10-06 Wells Fargo Bank, N.A. Systems and methods for optimizing information collaboration
US10848578B1 (en) 2017-04-11 2020-11-24 Wells Fargo Bank, N.A. Systems and methods for content delivery
US10528228B2 (en) 2017-06-21 2020-01-07 Microsoft Technology Licensing, Llc Interaction with notifications across devices with a digital assistant
US11741852B2 (en) * 2020-11-24 2023-08-29 Kyndryl, Inc. Smart reading assistant

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030093329A1 (en) * 2001-11-13 2003-05-15 Koninklijke Philips Electronics N.V. Method and apparatus for recommending items of interest based on preferences of a selected third party
CN1625901A (zh) * 2002-01-31 2005-06-08 皇家飞利浦电子股份有限公司 根据由电视推荐器生成的建议预订电视频道/演出
US20100057743A1 (en) * 2008-08-26 2010-03-04 Michael Pierce Web-based services for querying and matching likes and dislikes of individuals

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6317722B1 (en) 1998-09-18 2001-11-13 Amazon.Com, Inc. Use of electronic shopping carts to generate personal recommendations
US6947922B1 (en) 2000-06-16 2005-09-20 Xerox Corporation Recommender system and method for generating implicit ratings based on user interactions with handheld devices
US7200801B2 (en) * 2002-05-17 2007-04-03 Sap Aktiengesellschaft Rich media information portals
US20120150888A1 (en) * 2003-09-10 2012-06-14 Geoffrey Hyatt Method and system for relationship management and intelligent agent
US7590562B2 (en) 2005-06-29 2009-09-15 Google Inc. Product recommendations based on collaborative filtering of user data
US7822745B2 (en) * 2006-05-31 2010-10-26 Yahoo! Inc. Keyword set and target audience profile generalization techniques
US8930204B1 (en) * 2006-08-16 2015-01-06 Resource Consortium Limited Determining lifestyle recommendations using aggregated personal information
US8136034B2 (en) * 2007-12-18 2012-03-13 Aaron Stanton System and method for analyzing and categorizing text
US20090222430A1 (en) * 2008-02-28 2009-09-03 Motorola, Inc. Apparatus and Method for Content Recommendation
US20100293058A1 (en) * 2008-04-30 2010-11-18 Intertrust Technologies Corporation Ad Selection Systems and Methods
US7966325B2 (en) 2008-09-24 2011-06-21 Yahoo! Inc. System and method for ranking search results using social information
US8150858B2 (en) 2009-01-28 2012-04-03 Xerox Corporation Contextual similarity measures for objects and retrieval, classification, and clustering using same
US8510247B1 (en) * 2009-06-30 2013-08-13 Amazon Technologies, Inc. Recommendation of media content items based on geolocation and venue
US8327269B2 (en) * 2009-07-20 2012-12-04 Apple Inc. Positioning a virtual sound capturing device in a three dimensional interface
US20110163977A1 (en) * 2010-01-06 2011-07-07 Ulrich Barnhoefer Mode Dependent Configuration of Portable Electronic Device
US20110320276A1 (en) 2010-06-28 2011-12-29 International Business Machines Corporation System and method for online media recommendations based on usage analysis
US20130007609A1 (en) 2011-06-30 2013-01-03 International Business Machines Corporation Constraint based reading recommendation
US20130080471A1 (en) 2011-08-26 2013-03-28 Deborah Forte Interactive electronic reader with parental control
US20130204833A1 (en) * 2012-02-02 2013-08-08 Bo PANG Personalized recommendation of user comments
WO2014117325A1 (en) * 2013-01-29 2014-08-07 Nokia Corporation Method and apparatus for providing segment-based recommendations
US20140372430A1 (en) * 2013-06-14 2014-12-18 Microsoft Corporation Automatic audience detection for modifying user profiles and making group recommendations

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030093329A1 (en) * 2001-11-13 2003-05-15 Koninklijke Philips Electronics N.V. Method and apparatus for recommending items of interest based on preferences of a selected third party
CN1625901A (zh) * 2002-01-31 2005-06-08 皇家飞利浦电子股份有限公司 根据由电视推荐器生成的建议预订电视频道/演出
US20100057743A1 (en) * 2008-08-26 2010-03-04 Michael Pierce Web-based services for querying and matching likes and dislikes of individuals

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019058265A1 (en) * 2017-09-21 2019-03-28 International Business Machines Corporation IMPLEMENTING A DYNAMIC AND AUTOMATIC MODIFICATION OF A USER PROFILE FOR ENHANCED PERFORMANCE
CN111095310A (zh) * 2017-09-21 2020-05-01 国际商业机器公司 实现动态和自动地更改用户简档以增强性能
US11954564B2 (en) 2017-09-21 2024-04-09 International Business Machines Corporation Implementing dynamically and automatically altering user profile for enhanced performance
CN110020188A (zh) * 2017-10-17 2019-07-16 奥多比公司 基于隐式交互和简档数据的全局向量推荐
CN108520440A (zh) * 2018-03-30 2018-09-11 掌阅科技股份有限公司 电子书消费需求的确定方法、电子设备及计算机存储介质
CN108536804A (zh) * 2018-03-30 2018-09-14 掌阅科技股份有限公司 基于电子书的信息推送方法、电子设备及计算机存储介质
WO2019184582A1 (zh) * 2018-03-30 2019-10-03 掌阅科技股份有限公司 电子书消费需求的确定方法、电子设备及计算机存储介质
CN108520440B (zh) * 2018-03-30 2020-12-08 掌阅科技股份有限公司 阅读用户的总消费存量需求的确定方法、电子设备及计算机存储介质

Also Published As

Publication number Publication date
EP3008612A4 (en) 2016-12-21
US11061973B2 (en) 2021-07-13
CN105308587B (zh) 2018-05-22
US20140372429A1 (en) 2014-12-18
WO2014201064A3 (en) 2015-08-06
WO2014201064A2 (en) 2014-12-18
EP3008612A2 (en) 2016-04-20
KR102284495B1 (ko) 2021-07-30
KR20160019445A (ko) 2016-02-19

Similar Documents

Publication Publication Date Title
CN105308587B (zh) 将可消费内容的用户使用结合于推荐中
US10579694B1 (en) Location based recommendation and tagging of media content items
KR20180121466A (ko) 딥러닝을 활용한 개인화 상품 추천
US20180342004A1 (en) Cumulative success-based recommendations for repeat users
US10635973B1 (en) Recommendation system using improved neural network
CN102521308B (zh) 实体追随
US20150262282A1 (en) Computer-implemented method and system for recommendation system input management
US8370319B1 (en) Determining search query specificity
CN108431854A (zh) 检测垃圾信息发布
US20190228105A1 (en) Dynamic website content optimization
CN103890797A (zh) 基于社交图信息向用户推荐项
CN102521754A (zh) 基于能力的应用推荐
US9767483B2 (en) Enabling access to third-party digital assets for systems that market content to target audiences
US20210263978A1 (en) Intelligent interface accelerating
CN105009103A (zh) 网页的显示时间
US20170178007A1 (en) Predictive analytics architecture for event processing
US11321761B2 (en) Computer-implemented method for recommendation system input management
CN103907127A (zh) 用于为相片和帖子中的所有物加标签的系统和方法
US20210073930A1 (en) Commercial real estate evaluation, valuation, and recommendation
Renjith et al. A personalized mobile travel recommender system using hybrid algorithm
WO2018071815A1 (en) Courier shopping system
US10769732B2 (en) Expertise determination based on shared social media content
US20150356640A1 (en) Retrieving reviews based on user profile information
JP6899805B2 (ja) 特性推定装置、特性推定方法、及び特性推定プログラム等
KR102463550B1 (ko) 지역 기반 추천 서비스를 제공하는 방법 및 시스템

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant