CN106415489A

CN106415489A - 应用建议特征

Info

Publication number: CN106415489A
Application number: CN201580028724.XA
Authority: CN
Inventors: S·C·彼得斯; K-M·万; G·卡珀尔
Original assignee: Apple Computer Inc
Current assignee: Apple Inc
Priority date: 2014-05-30
Filing date: 2015-04-23
Publication date: 2017-02-15
Anticipated expiration: 2035-04-23
Also published as: US20210390087A1; WO2015183433A1; US20170249344A1; CN106415489B; KR102085473B1; US11048681B2; US20150347488A1; KR20160149260A; KR101930612B1; KR20180135983A; US9547683B2

Abstract

该专利申请涉及允许移动设备向应用程序分配效用值并且随后对用户的要被执行的应用程序进行建议的移动设备的特征。所建议的应用程序可从其中移动设备中的软件分配有效用的应用程序的列表导出。可基于事件的发生、环境变化、或频繁应用程序使用的时间段来执行对来自应用程序的列表的单独应用程序的效用分配。在一些实施方案中，提供反馈机制以用于向特定应用程序更准确地分配效用。该反馈机制可跟踪在某些应用程序的建议的时间段期间用户所进行的行为以及随后基于在所建议的时间段期间用户选择哪些应用程序来修改应用程序的效用。

Description

应用建议特征

技术领域

所述实施方案总体涉及软件应用建议特征。更具体地，本实施方案涉及基于各种学习算法来对应用进行排名和建议。

背景技术

移动计算设备为用户提供涉及社交网络、电子邮件、任务管理和娱乐等的各种应用。给定可用于用户下载的大量应用程序，用户有可能取决于设备的存储容量利用几乎无限数量的应用程序来填满设备。然而，除了用户倾向于下载和安装应用程序之外，设备不会帮助用户管理被存储在设备上的应用程序。随时间，如果用户不主动卸载或以另外方式布置设备上的任何未使用的应用程序，则用户可能剩下过量的应用程序，以找出在给定时间的其想要打开的应用程序，从而导致管理不善。

尽管许多应用程序涉及促进更友好的用户体验的事实，但是管理的缺失还会造成用户困惑。另选地，由设备提供的用于影响用户在选择应用程序时所作的选择的任何帮助通常可能受限，特别是因为设备开发者经常希望避免篡夺用户的决策权。当用户个性在设备的所有权时段上变化并且应用程序的呈现不随用户变化时，这种僵局加剧。例如，在包括桌面或home屏幕的设备中，用户典型地必须手动修改home屏幕，以便与针对特定应用程序的任何变化的使用频率一致。此外，尽管许多设备最先见证用户习惯和活动，但是设备通常可能不能学习以及适应用户每天使用设备的方式。例如，用户可能换工作，生小孩，或仅仅购买可能影响用户日常生活的新设备或软件。此外，开发者通常允许设备和应用程序通告用于改善用户体验的新软件。然而，通告方所促销的内容通常可能与涉及一组用户的产品而非针对特定用户定制的产品相关。基于此，软件和设备开发者可能由于没能在设备的寿命期间与用户配合或者没有利用机会使每个设备适用于设备的相应所有者而退步。

发明内容

本专利申请描述了涉及基于各种学习算法来向用户对应用程序进行排名和建议的各种实施方案。本文所述的实施方案包括用于向移动设备的用户建议应用程序的方法。该方法可包括接收被存储在移动设备上的应用程序的列表的步骤。该方法还可包括根据应用程序的列表来确定应用程序的效用(utility)的步骤。此外，该方法可包括使得来自应用程序的列表的最高效用的应用程序将在移动设备的用户界面上被表示的步骤。

在一些实施方案中，讨论了一种非暂态计算机可读存储介质。该非暂态计算机可读存储介质可存储指令该，指令当由被包括在计算设备中的处理器执行时使得计算设备接收用于生成应用程序的列表的命令。该指令可进一步包括基于命令的状况来生成应用程序的列表的步骤。此外，该指令可包括将应用程序的列表发送到预测引擎以将效用值分配给应用程序的列表中的每个应用程序以及使得应用程序的排序列表将被生成的步骤。

在其他实施方案中，阐述了一种被配置为将效用值分配给应用程序的系统。该系统可包括处理器、图形用户界面(GUI)和存储器。该存储器可被配置为存储指令，该指令当由处理器执行时使得系统生成分配有效用的应用程序的列表。该指令还可使得系统基于系统的状况或与系统相关联的状况来为应用程序的列表中的每个应用程序分配效用。此外，该指令还可使得系统在GUI处显示与来自应用程序的列表的最高效用的应用程序相关联的图标。

根据结合以举例的方式示出所述实施方案的原理的附图而进行的以下详细描述，实施方案的其他方面和优点将变得显而易见。

附图说明

通过下文结合附图的详细描述将易于理解本公开，其中类似的附图标号指示类似的结构元件。

图1A-图1B示出了显示一个或多个所建议的应用程序图标的移动设备的前视图。

图2示出了根据本文所述的一些实施方案的移动设备的架构。

图3示出了根据本文所述的一些实施方案的操作应用程序启动服务的方法。

图4示出了根据本文所述的一些实施方案的操作预测引擎的方法。

图5示出了根据本文所述的一些实施方案的使用预测引擎来确定应用程序的列表中的一个或多个应用程序的效用的方法。

图6示出了基于事件的发生来确定应用程序的效用的方法。

图7示出了基于环境变化来确定应用程序的效用的方法。

图8示出了基于频繁应用程序使用的时间段来确定应用程序的效用的方法。

图9A-图9C示出了根据本文所述的一些实施方案的表示取决于正被执行的效用评估的类型的应用程序的效用的值随时间的变化不同曲线的。

图10示出了根据本文所述的一些实施方案的重置应用程序的效用的方法。

图11示出了根据本文所述的一些实施方案的对资格定时器的重置。

图12示出了根据一些实施方案的可用于实现本文所述的各种部件的计算设备的详细视图。

具体实施方式

在本部分描述了根据本专利申请的方法与装置的代表性应用。提供这些示例仅是为了添加上下文并有助于理解所述实施方案。因此，对于本领域的技术人员而言将显而易见的是，可在没有这些具体细节中的一些或全部的情况下实践所述实施方案。在其他情况下，为了避免不必要地模糊所述实施方案，未详细描述熟知的处理步骤。其他应用也是可能的，使得以下示例不应被视为是限制性的。

在以下详细描述中，参考了形成说明书的一部分的附图，并且在附图中以举例说明的方式示出了根据所述实施方案的具体实施方案。尽管足够详细地描述了这些实施方案以使得本领域的技术人员能够实践所述实施方案，但应当理解，这些示例不是限制性的，从而可使用其他实施方案并且可在不脱离所述实施方案的实质和范围的情况下作出修改。

本文所述的实施方案讨论了允许移动设备在移动设备的寿命期间向应用程序分配效用值并且对针对用户的要执行的应用程序进行建议的移动设备的特征。所建议的应用程序可在移动设备的显示器的一部分中发生，使得在某个时间点该所建议的应用程序可被用户注意到。例如，针对使建议的应用程序的图标可被配置为仅在移动设备锁定，启动或显示空闲屏幕时出现在移动设备的显示器上。所建议的应用程序可从通过移动设备中的软件分配有效用的应用程序的列表导出。应用程序的列表初始可为出厂设置的应用程序的列表，但是随时间用户在设备上安装和卸载应用程序或以另外方式使用应用程序时，应用程序的列表会发生变化。应用程序可包括移动设备使用的任何合适的应用程序，诸如提醒、日历、互联网、遥控器、或社交网络应用程序或其他任何合适的应用程序。

可采取各种方式来执行对应用程序的列表中的单独应用程序的效用的分配。可为应用程序分配效用的一种方式是使应用程序的效用(例如，正实数)基于与应用程序的使用相关的或需要使用应用程序的特定事件的发生。当事件正在接近时，特定应用程序的效用随用户对应用程序更有兴趣并且随着事件接近而可随时间提高。在事件期间，应用程序可接收最高效用，并且随后效用可立即下降或随时间逐渐下降到较低效用。可为应用程序分配效用的另一方式是使效用基于与应用程序相关的或者需要使用应用程序的环境变化。在环境变化发生之前，应用程序的效用可为最低效用，但是当环境变化发生时，应用程序可接收较高的效用。在环境变化发生之后，应用程序的效用可随时间逐渐降低，因为在环境变化发生之后该用户可能不再对应用程序感兴趣。可为应用程序分配效用的又一方式是使效用基于分配有效用的应用程序的频繁使用的时间段。在频繁使用的时间段之前，应用程序的效用可为零，或者用于指示最低效用的另一值。然而，当频繁使用的时间段开始时，应用程序的效用可在频繁使用的整个时间段提高。当频繁使用的时间段结束时，应用程序的效用可立即降低或随时间逐渐降低。针对某些效用值随时间的变化可基于与特定应用程序的用户历史使用相关的概率。此外，可结合资格定时器以用于在资格定时器重置或达到某个值之前防止某些应用程序返回到某个突出的效用。

在一些实施方案中，还提供用于向特定应用程序更准确分配效用的反馈机制。该反馈机制可跟踪应用程序被建议给用户的时间段期间用户所进行的行为。例如，如果用户在特定时间选择第二最高效用的应用程序而非第一最高效用的应用程序，则可将权重给予第二最高效用的应用程序以提高第二最高效用的应用程序的效用。此外，权重可给予前面的第一最高效用的应用程序，以降低前面的第一最高效用的应用程序的效用。以此方式，下一次在特定时间将这些应用程序建议给用户时，一个应用程序将比其他应用程序承载更多权重并且因此合适于用户的先前选择以及任何未来的选择。可使用其他反馈和学习算法来进一步优化应用程序的列表，以在任何给定时间为用户更好的建议应用程序。

下文参考图1-图12讨论了这些和其他实施方案，然而，本领域的技术人员将容易地理解，本文相对于这些附图论述的详细描述仅出于说明性目的并且不应理解为限制性的。

图1A-图1B示出了显示一个或多个应用程序图标104的移动设备102的前视图。应用程序图标104可围绕移动设备102的屏幕110以任何合适配置进行布置并且与持久性图标106同时显示。在图1A中，根据本文所讨论的一些实施方案，应用程序图标104被布置在屏幕110的拐角处并且可改变在屏幕110中的位置。如图1B所示，隐藏部分108可由用户来回切换，以显示出应用程序图标104。根据本文所述的一些实施方案，隐藏部分108可填充应用程序图标104，并且只在用户跨屏幕110拖拽其手指以来回切换隐藏部分108之后，应用程序图标104被呈现在屏幕110上。应用程序图标104可部分源自移动设备102的启动服务、预测引擎、和/或用户界面服务。

图2示出了移动设备102的架构。具体地，移动设备102包括被配置为在任何给定时间清点被存储在移动设备102上的设备应用程序212的应用程序启动服务204。应用程序启动服务204被配置为获取与移动设备102上的每个设备应用程序212相关联的应用程序的列表或应用程序标识符并且将所有标识符编译为可由应用程序启动服务204分发的列表。应用程序启动服务204可基于由移动设备102的任何合适机制检测到的状况来发起对应用程序的列表的获取。此类机制的示例可包括时钟、接近传感器、全球定位系统、通信设备、应用程序、图像设备、音频设备等等。预测引擎206可提供有由应用程序启动服务204编译的应用程序的列表。预测引擎206可根据与移动设备102和设备应用程序212的使用相关的分析数据来进一步管理标识符的列表。分析数据可包括与设备应用程序212和/或移动设备102相关的任何合适的数据。例如，分析数据可包括设备应用程序212的使用时间和长度，移动设备102的使用时间和长度，设备应用程序和/或移动设备102的使用之前、之前或期间执行的功能，前述分析数据随时间的变化，或与应用程序使用相关的任何合适的数据。如本文进一步所论述的，预测引擎206使用分析数据来向设备应用程序分配效用值并且随后重新组织应用程序的列表。在根据分析数据来编译分配有效用的应用程序的列表时，预测引擎206可根据效用来对应用程序进行排名或排序，并且将应用程序的经排名的列表发送到移动设备102上的其他服务或设备应用程序212或者以另外方式使得经排名的应用程序的列表可用于移动设备102上的其他服务或设备应用程序212。

在图2中提供用于管理设备应用程序212在图形用户界面210上的呈现的用户界面服务208。具体地，用户界面服务可从预测引擎206接收经应用程序的排名的列表并且确定将如何在图形用户界面210处显示应用程序。用户界面服务208可配置为存储或访问与被存储在移动设备102上的应用程序相关的各种图标或图形。图形取决于相应实施方案可为静态或动态的。在一些实施方案中，应用程序标识符可具体地识别多个设备应用程序212，从而允许与设备应用程序212相关联的图形包含与多个设备应用程序212相关的各种文本或图片。在其他实施方案中，应用程序标识符可是识别单个设备应用程序212，并且包含各种文本或图片或与单个设备应用程序212相关的仅单个图片或字符。例如，如果仅显示一个应用程序图标104，则应用程序图标104可指代最高效用的设备应用程序212，或者指代应用程序标识符的列表上的多于一个设备应用程序212。

图3示出了根据本文所述的一些实施方案的操作应用程序启动服务204的方法300。具体地，方法300包括由应用程序启动服务204接收正显示预先确定的界面的通知的步骤302。预先确定的界面为被指定用于发起应用程序启动服务204的操作的显示。根据本文所述的实施方案，预先确定的界面可为桌面、锁定屏幕、home屏幕、应用程序屏幕、或用于显示应用程序图标104的任何适当布置的屏幕。此外，步骤302可基于移动设备102的用户发起的操作或从移动设备102的功能导出的一个操作。方法300可进一步包括基于通知的状况由应用程序启动服务204确定应用程序的列表的步骤304。如本文所述，应用程序的列表可指代可用于移动设备102的任何数量的应用程序。可作为应用程序的列表基础的状况不限于由用户或移动设备102创建的那些状况。在一些实施方案中，用户的移动或用户创建的音频或视觉激励可为可作为应用程序的列表基础的状况。例如，用户可说出命令或者瞄准移动设备102的相机，以便创建可作为应用程序的列表基础的激励。在其他实施方案中，移动设备102通过移动设备102的软件或硬件机制创建作为应用程序的列表基础的状况。例如，移动设备102可通过移动设备102内的无线通信设备来接收自动更新，该自动更新可为针对应用程序的列表的创建的基础。

在一些实施方案中，形成应用程序的列表的基础的状况将确定移动设备102上的应用程序中的所有或一些是应用程序否将被包括在应用程序的列表上。在一些实施方案中，过滤器可应用于应用程序的列表，以便在状况出现时为用户提供最相关的应用程序。状况的类型可为与地形、时间、调度、使用、外部设备、天气、输出或输入信号、或可与软件应用程序相关的任何合适的发生或出现相关的那些状况。例如，当用户将移动设备102带到具有Wi-Fi的区域时，移动设备102可将这种发生归类为作为应用程序的列表的确定基础的状况。

方法300还可包括由应用程序启动服务204将应用程序的列表发送到预测引擎206的步骤306。如本文进一步所述，预测引擎206可使用与移动设备102的使用相关的分析数据以便预测用户的某些动作。这些动作可包括用户何时打开和关闭应用程序，或者以其他方式何时执行移动设备102的功能。预测引擎206可从用户打开移动设备102的第一时间开始存储分析数据。在一些实施方案中，分析数据被存储在移动设备102上，或被存储在外部设备(例如，云存储装置)上。在其他实施方案中，分析数据被临时存储预先确定的时间段并且在新分析数据由预测引擎206创建时被替代。

在步骤308处，应用程序启动服务204可使得应用程序的排序列表将由预测引擎206生成。预测引擎206通过向每个应用程序分配效用(本文也称为效用值)来管理应用程序的列表的应用程序或应用程序标识符的优先级。作为发送到预测引擎206的应用程序的列表的结果，每个应用程序接收效用或权重。效用基于来自步骤304的分析数据和通知的状况，这部分因为状况是被发送到预测引擎206的应用程序的初始列表的创建的基础。分析数据通过使得预测引擎206能够预报用户最有兴趣执行哪些应用程序来为每个应用程序提供效用的基础。在一些实施方案中，效用为0和1之间的值，其中1指示在给定时间给用户提议的最好的应用程序，而0表示提议的最差的应用程序。可将这些效用缩放到任何合适的值、度量、或用户可进行解释以指示喜欢的字符。当提供有应用程序的列表时，预测引擎206可从应用程序的列表获得应用程序的总数并且将总数结合到每个应用程序的效用的计算中。例如，如果应用程序的列表包括总共5个应用程序，则效用的总数将为5。因为在一些实施方案中效用从0到1，所以效用中的至少一个效用可为0而其余的将为1/4的倍数。以此方式，当应用程序的列表包括总共5个应用程序时，效用从最高效用到最低效用的排序可为1、3/4、2/4、1/4和0。此外，在一些实施方案中，效用可从1到应用程序的列表中的应用程序的总数(例如，5)。效用还可为用于指示分数或效用的任何其他合适的一组数字或字符。

在某些情形下，来自应用程序的列表的一个应用程序可分配有最高的效用，因为该应用程序与引起生成应用程序的列表的状况最相关联。如果某个状况发生时用户打开特定应用程序至少大部分时间，则该特定应用程序可在被包括在应用程序的列表中的任何其他应用程序中分配最高效用。如果在某个状况发生时用户倾向于打开多于一个应用程序，则预测引擎206在确定特定应用程序的效用时将考虑其他因素。其他因素可包括被存储在移动设备102上的信息或者移动设备102外部的数据，但是在某个方式下涉及某个状况以及可由移动设备102发现。例如，移动设备102的用户可能在用户到达工作地点的通常时间(例如，8:00AM)之前习惯打开新闻应用程序和云存储应用程序。此外，如果移动设备102上的日历应用程序指示在用户通常到达工作地点时有会议安排，则用户可能通常不打开新闻应用程序。在此假定下，预测引擎206可基于用户的工作安排和移动设备102上的日历应用程序两者为云存储应用程序分配比新闻应用程序更高的效用值。为了澄清，在另一示例中，用户通常可能每周六晚上从其地址簿呼叫联系人并且随后查看餐馆应用程序和银行应用程序。然而，当用户在星期六晚上未从地址簿呼叫联系人时，用户打开阅读应用程序。在此假定下，预测引擎206可接收前述应用程序的列表并且在任一星期六晚上或之前确定地址簿、餐馆应用程序、银行应用程序和阅读应用程序的效用。预测引擎206可取决于指示星期六晚上最频繁使用的应用程序的分析数据来为地址簿或阅读应用程序分配最高的效用值。其后，如果显示地址簿并且用户选择地址簿，则预测引擎206可基于类似的分析数据来为餐馆应用程序和/或银行应用程序分配效用值。

方法300可包括由应用程序启动服务204使得来自应用程序的排序列表的第一应用程序被表示为预先确定界面处的图标的步骤310。如本文所述，一个或多个应用程序图标104可被显示在预先确定的屏幕上。这些应用程序图标104表示基于本文所述的效用来确定在特定时间用户感兴趣的应用程序。应用程序图标104可涉及在应用程序的排序列表中的所有应用程序中具有最高效用的一个或多个应用程序。通过在某些时间为用户提供这些应用程序图标104，用户将能够快速导航到在特定时间最使用户产生兴趣的应用程序而不必搜索其他应用程序或屏幕。

图4示出了根据本文所述的一些实施方案的操作预测引擎206的方法400。该方法400可根据本文所述的实施方案中的任一个实施方案来修改和布置。在步骤402处，预测引擎206从应用程序启动服务204接收应用程序的列表。在步骤404处，确定应用程序的列表中的应用程序的排序。在步骤406处，一旦完成对应用程序的列表的排序，则预测引擎206将应用程序的排序列表发送到用户界面服务208。在一些实施方案中，仅有应用程序的排序列表中的最高效用的应用程序中的一个或多个应用程序被发送到用户界面服务208。其后，在步骤408处，预测引擎206使得至少一个应用程序被表示为预先确定的界面处的图标。

图5示出了根据本文所述的一些实施方案的使用预测引擎206来向应用程序的列表中的一个或多个应用程序分配效用的方法500。具体地，图5论述了根据可与移动设备102上的应用程序相关的某些状况来为应用程序分配效用的各种方式。在步骤502处，预测引擎206从应用程序启动服务204接收应用程序的列表。在步骤504处，预测引擎206将应用程序的列表中的第一应用程序设置为当前应用程序。根据本文所述的实施方案，当前应用程序涉及将要、或接下来要分配有效用的应用程序。在步骤506处，预测引擎206确定与当前应用程序相关的事件是否正在接近。如果与当前应用程在序相关的事件正在接近，则方法500被引到节点A，在节点A处预测引擎206执行基于事件的效用分配，否则方法500前进到步骤508。在步骤508处，预测引擎206确定与当前应用程序相关的环境变化是否已发生。如果与当前应用程序相关的环境变化已发生，则方法500被引到节点B，在节点B处执行基于环境的效用分配，否则方法500前进到步骤510。在步骤510处，预测引擎206确定与当前应用程序相关的频繁应用程序使用的时间段是否正在接近。如果与当前应用程序相关的频繁应用程序使用的时间段正在接近，则方法500被引到节点C，在节点C处预测引擎206执行基于使用的效用分配，否则方法前进到步骤514。如本文进一步所述，表示来自节点A、B和C的过程的持续的节点D在执行当前应用程序的效用分配之后也前进到步骤514。在步骤514处，预测引擎206确定应用程序的列表中是否存在保留以经历效用分配过程的其他应用程序。如果存在保留以分配有效用的其他应用程序，则方法500前进到步骤512，在步骤512处预测引擎206将应用程序的列表中的下一应用程序设置为当前应用程序，并且其后方法500返回到步骤506。如果不存在来自应用程序的列表的保留以分配有效用的其他应用程序，则方法500前进到步骤516，在步骤516处预测引擎206按效用对应用程序的列表进行排序，并且将经排序的应用程序的列表发送到用户界面服务208。

图6示出了用于执行设备应用程序212的基于事件的效用分配的方法600。当作出确定来执行应用程序或应用程序标识符的基于事件的效用分配时，方法600可在节点A处结合到方法500。在方法600的步骤602处，预测引擎206基于当前时间和事件时间来接收用于分配效用的当前应用程序。当前应用程序可为在一些方式中与用户或移动设备102的事件相关联的任何应用程序。在一些实施方案中，当前应用程序为日历应用程序或者提供事件详情的任何其他合适的应用程序。事件可为由移动设备102的用户编程到移动设备102的事件或者由移动设备102自动生成的事件。例如，用户可将会议编程到移动设备102的日历应用程序并且基于事件的效用分配方法600来将会议解释为事件。类似地，事件可由移动设备102上的web应用程序发起，该网页应用程序将事件自动编程到用户的移动设备102中或者临时保持事件预先确定的时间段。在步骤604处，预测引擎206确定事件是否已过去。如果事件已过去，则根据步骤606，预测引擎206为当前应用程序分配效用值，其中效用值小于1，否则方法600前进到步骤608，在步骤608处预测引擎206确定事件是否当前正在发生。如果事件当前正在发生，则当前的应用程序被分配有等于1的效用值或指示最高效用的其他合适值。如果事件当前未发生，则方法600前进到步骤612，在步骤612处预测引擎206确定事件是否在不仅的将来发生。如果事件在不久的将来发生，根据步骤614，当前应用程序分配有小于1的效用值，否则方法600前进到节点D。应当注意，任何效用值可被缩放或以另外方式修改为任何合适的值或字符从而类似地对当前应用程序进行打分。在根据事件为当前应用程序分配效用时，方法600可指向节点D并且其后返回到方法500。

图7示出了基于环境变化来向应用程序分配效用的方法700。具体地，图7论述了基于当前时间和发生在移动设备102的环境变化的时间两者来向当前应用程序分配效用的方法700。当作出确定来执行应用程序或应用程序标识符的基于环境的效用分配时，方法700可在节点B处结合到方法500。在步骤702处，预测引擎206基于当前时间和环境变化时间来接收用于分配效用的当前应用程序。环境变化可包括用户发起的变化或者用户控制以外的变化。例如，用户可通过走进包括移动设备102可与其进行通信的设备(例如，电视机)的房间而发起环境变化。类似地，可在用户控制之外的环境变化可包括网络信号的损耗或检测。在步骤704处，预测引擎206确定环境变化是否已发生。如果环境变化已发生，则根据步骤706，预测引擎206为当前应用程序分配等于或小于1的效用。否则，如果环境变化还未发生，则根据步骤708，预测引擎206为当前应用程序分配有等于0的效用。在接收效用时，方法700可指向节点D并且其后返回到方法500。

图8示出了基于频繁应用程序使用的时间段来向应用程序分配效用的方法800。具体地，图8论述了基于当前时间和针对当前应用程序的频繁应用程序使用的时间段来向当前应用程序分配效用的方法800。当走出确定来基于频繁应用程序使用的时间段执行应用程序效用分配时，方法800可在节点C处结合到方法500。在步骤802处，预测引擎206基于当前时间和频繁应用程序使用的时间段来接收用于分配效用的当前应用程序。频繁应用程序使用的时间段可涉及在某个时段期间用户频繁打开的任何合适的应用程序。例如，用户可在午餐时间频繁检查社交网络应用程序，这将构成与设备应用程序相关的频繁应用程序使用的时间段。在步骤804处，预测引擎206确定频繁应用程序使用的时间段是否已过去。如果频繁应用程序使用的时间段已过去，则根据步骤806，当前应用程序分配有小于1的效用或者并非最高的某个其他效用。否则，方法800前进到步骤808，在步骤808处预测引擎206确定频繁应用程序使用的时间段当前是否出现。如果频繁应用程序使用的时间段当前出现，则方法800指向步骤810，在步骤810处等于1的效用值或者其他形式的最高效用被分配给当前应用程序。否则，方法800前进到步骤812，在步骤812处预测引擎206确定频繁应用程序使用的时间段是否将在不久的将来出现。被看成“不久的将来”的阈值可由移动设备102预先确定，或者由用户手动设置。如果频繁应用程序使用的时间段将在不久的将来出现，则预测引擎206向当前应用程序分配小于1的效用。在一些实施方案中，效用值可与当前时间和频繁应用程序使用的时间段或其他状况之间的差值成比例。如果该差值落在多于预先确定的阈值之外，则当前应用程序的效用可分配为0。其后，方法800指向节点D并且返回到方法500。

图9A-图9C示出了根据本文所述的一些实施方案的表示取决于正被执行的效用分配的类型应用程序的效用随时间的变化的不同曲线。具体地，图9A示出了具有多个斜率或部分的效用曲线906，其中效用902随时间904变化。如本文进一步所述，在特定状况接近之前，特定应用程序的效用可为0或某个其他常数。在当前时间与状况发生时间之间的差值落在第一预先确定的阈值912内时，效用可开始提高，如图9A所示。当状况发生时，应用程序的效用可为峰值或者分配为1。当状况发生的时间过去时，应用程序的效用可逐渐降低，如图9A所示。在当前时间与状况发生时间之间的差值超过第二预先确定的阈值914内时，效用可返回到0或者某个其他恒定值。

图9B示出了应用程序的效用曲线908，其中效用曲线908包括峰值和单一斜率。在一些实施方案中，可在峰值之前或峰值之后(如图所示)提供单一斜率。根据图9B，在特定状况出现之前，特定应用程序的效用可为0或某个其他常数。在特定状况出现时，应用程序的效用可为值1的峰值或表示最高效用或其他效用值的某个其他常数。在特定状况出现之后，效用曲线908可逐渐降低，从而给予应用程序随时间降低的效用值。逐渐下降可为线性、指数分布或用于使得效用的值变小的任何其他合适的曲线。在当前时间与状况发生时间之间的差值超过预先确定的阈值916时，效用可返回到0或者某个其他恒定值。

图9C示出了应用程序的效用曲线910，其中效用曲线910包括在时间段上的恒定值。恒定值可为峰值1或指示特定应用程序的最高效用或任何其他效用值的任何其他恒定值。根据图9C，在特定状况出现之前，特定应用程序的效用可为0或某个其他常数。在特定状况发生时，应用程序的效用可为峰值或者在时间段内以另外方式设置为恒定值(例如，1)。该时间段可为特定应用程序的频繁应用程序使用的时间段，与应用程序相关的特定事件时段，或者应用程序可能使得用户感兴趣的任何其他合适的时间段。在该时间段或特定状况结束时，效用可返回到0或者指示比最高效用较小的效用的某个其他恒定值。

图10示出了根据本文所述的一些实施方案的重置应用程序的效用的方法1000。具体地，图10提供了用于在应用程序被建议给用户时根据用户对应用程序的选择来适应应用程序的效用的方法1000。在步骤1002处，预测引擎206从用户接收应用程序选择。方法1000前进到步骤1004，在步骤1004处预测引擎206确定应用程序选择是否针对最高效用的应用程序。如果应用程序选择是针对最高效用的应用程序，则预测引擎206不修改所选择应用程序的效用并且前进到步骤1012，在步骤1012处预测引擎206存储对应用程序的效用的任何更新。如果来自步骤1002的应用程序选择由预测引擎206在步骤1004处确定不是针对最高效用的应用程序，则该方法1000可前进到可选的步骤1006。在可选的步骤1006处，预测引擎206针对最高效用的应用程序来重置资格定时器。在可选的步骤1006处，预测引擎206可保证先前分配为最高效用的应用程序的应用程序在资格定时器达到预先确定的值之前没有再次分配为最高效用的应用程序。例如，如果资格定时器的预先确定的值持续15分钟并且在最高效用的应用程序被建议给用户时用户没有选择最高效用的应用程序，则可根据方法1000来重置资格定时器并且先前的最高效用的应用程序将在15分钟内不再满足最高效用的应用程序。资格定时器的预先确定的值可由用户设定或者针对任何合适定时器值由移动设备102自动设定。方法1000可前进到步骤1008，其中预测引擎206减小最高效用的应用程序的效用。以此方式，先前最高效用的应用程序的效用可被给予效用0，与来自应用程序的列表的另一应用程序交换效用，或者被给予未指示最高效用的值任何其他合适的效用值。例如，可使用倍数或百分比(例如，95％)来降低用户未选择的先前最高效用的应用程序的效用。因此，在最高效用指示为1的情况下，效用可在通过倍数减小之后减小到0.95。

方法1000还可包括步骤1010，在步骤1010处预测引擎206增提高所选择的应用程序的效用。所选择的应用程序可被增大到任何合适的值或者最大效用值(例如，1)。在一些实施方案中，所选择的应用程序还可被增大某个倍数或百分比。例如，如果倍数或百分比为105％，则先前提供效用0.95的应用程序可被给予效用1(即，从0.9975取整为1)。以此方式，应用程序的效用可随时间适用于对用户的选择。方法1000随后可前进到步骤1012，在步骤1012处预测引擎206存储对应用程序的效用的任何更新(例如，针对所选择的应用程序以及先前为最高效用的应用程序的应用程序的效用)。例如，用户可能在早上习惯查看邮件应用程序，这潜在地使得该邮件应用程序成为最高效用的应用程序。根据本文所述的实施方案，如果用户开始使用较新的邮件应用程序来替代先前邮件应用程序，则该较新的应用程序的效用可随时间超过先前邮件应用程序的效用。针对各个邮件应用程序的效用的这种变化节省了每天早上用户决定使用特定邮件应用程序时的用户时间。

图11示出了根据本文所述的一些实施方案的资格定时器的重置。资格定时器可用于防止应用程序在预先确定的时间段被看成最高效用的应用程序。另外，资格定时器可由引擎、服务、应用程序或本文所述的相关系统中的任一者来控制。图11的轴线1102可表示权重值1108，并且轴线1104可表示时间。当状况1106出现时，权重值1108可重置为0值或可重置为将防止应用程序在预先确定的阈值时间1110内被看成最高效用的应用程序的任何其他值。例如，当权重值1108为资格定时器的一部分时，权重值1108将针对特定应用程序来倍乘效用值。当权重值1108重置为0或重置为起到减小倍数作用的其他值时，应用程序的效用将降低并且应用程序至少在经过阈值时间1110之前不满足最高效用并且权重值1108返回到1或任何其他合适的值。

图12示出了根据一些实施方案的可用于实现本文所述的各种部件的计算设备1200的详细视图。特别地，详细视图示出了可被包括在移动设备102或图1A-图1B中所示的配置服务器140中的各种部件。如图12所示，计算设备1200可包括表示用于控制计算设备1200的总体操作的微处理器或控制器的处理器1202。计算设备1200还可包括允许计算设备1200的用户与计算设备1200进行交互的用户输入设备1208。例如，用户输入设备1208可采取多种形式，诸如按钮、小键盘、拨号盘、触摸屏、音频输入接口、视觉/图像捕获输入接口、传感器数据形式的输入等。更进一步地，计算设备1200可包括可由处理器1202控制以向用户显示信息的显示器1210(屏幕显示器)。数据总线1216可有利于在至少存储设备1240、处理器1202和控制器1213之间进行数据传输。控制器1213可用于通过设备控制总线1214与不同设备进行交互并对其进行控制。计算设备1200还可包括耦接至数据链路1212的网络/总线接口1211。在无线连接的情况下，网络/总线接口1211可包括无线收发器。例如，对于移动设备102，网络/总线接口1211可包括与和多个移动网络运营商相关联的多个通信网络相连接的音频收发器。

计算设备1200还包括存储设备1240，该存储设备可包括单盘或多盘(例如，硬盘驱动器)并且包括管理存储设备1240内的一个或多个分区的存储管理模块。在一些实施方案中，存储设备1240可包括闪存存储器、半导体(固态)存储器等。计算设备1200还可包括随机存取存储器(RAM)1220和只读存储器(ROM)1222。ROM 1222可以非易失性方式存储待执行的程序、实用程序或过程。RAM 1220可提供非易失性数据存储，并且存储与移动设备102的操作相关的指令。

可单独地或以任何组合方式来使用所述实施方案的各个方面、实施方案、具体实施或特征。可由软件、硬件或硬件与软件的组合来实现所述实施方案的各个方面。所述实施方案还可被体现为在计算机可读介质上的计算机可读代码。计算机可读介质为可存储数据的任何数据存储设备，该数据其后可由计算机系统读取。计算机可读介质的示例包括只读存储器、随机存取存储器、CD-ROM、HDD、DVD、磁带和光学数据存储设备。计算机可读介质还可分布在网络耦接的计算机系统中，使得计算机可读代码以分布式方式来存储和执行。

在上述描述中，为了进行解释，所使用的特定命名提供对所述实施方案的彻底理解。然而，对于本领域的技术人员而言将显而易见的是，实践所述实施方案不需要这些具体细节。因此，对特定实施方案的上述描述是出于例示和描述的目的而呈现的。这些描述不旨在被认为是穷举性的或将所述的实施方案限制为所公开的精确形式。对于本领域的普通技术人员而言将显而易见的是，根据上述教导内容，许多修改和变型是可能的。

Claims

1.一种用于向移动设备的用户建议应用的方法，所述方法包括：

生成所述移动设备能够访问的应用的列表；

针对所述应用的列表中的每个应用来分配每个应用专有的效用；

确定所述移动设备的用户界面是否处于空闲状态；以及

当所述用户界面处于空闲状态时，使得所述应用的列表内的最高效

用的应用在所述移动设备的所述用户界面上被表示。

2.根据权利要求1所述的方法，其中预测引擎基于与所述应用相关联的状况来确定每个应用的效用。

3.根据权利要求1所述的方法，其中向应用分配所述效用基于与所述应用相关联的状况是已发生，当前正在发生，还是可能在未来发生。

4.根据权利要求1-3中的一个权利要求所述的方法，其中向所述应用分配所述效用基于与所述应用相关的状况，其中与在所述状况已发生或者可能在未来发生时相比，在所述状况当前正在发生时被分配给所述应用的所述效用较高。

5.根据权利要求1所述的方法，其中向所述应用分配所述效用基于用户的先前应用选择。

6.根据权利要求1所述的方法，还包括：

当来自所述用户的先前应用选择针对不同应用时，使得被分配给所述应用的更新的效用低于所述应用的先前效用。

7.根据权利要求1所述的方法，还包括：

将第一效用分配给所述应用的列表中的第一应用以及将第二效用分配给所述应用的列表中的第二应用；以及

当第二应用被建议给所述用户并且所述用户选择所述第一应用时，

使得所述第一应用的第一效用提高并且使得所述第二应用的第二效用降低。

8.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质被配置为存储指令，所述指令当由被包括在计算设备中的处理器执行时使得所述计算设备执行步骤，所述步骤包括：

接收用于生成应用的列表的命令；

基于所述命令的状况来生成所述应用的列表；

将所述应用的列表发送到预测引擎，以向所述应用的列表中的每个应用分配效用；以及

使得应用的排序列表被生成。

9.根据权利要求8所述的非暂态计算机可读存储介质，其中所述步骤进一步包括接收所述计算设备正转变到预先确定的显示的通知。

10.根据权利要求8所述的非暂态计算机可读存储介质，其中所述状况为与所述计算设备中的存储的事件相关联的事件，并且所述效用基于所述事件是已发生，当前正在发生，还是可能在未来发生。

11.根据权利要求8-10中的一个权利要求所述的非暂态计算机可读存储介质，其中所述状况为与所述计算设备上的所述应用相关的环境变化，并且所述效用保持恒定直到所述环境变化发生。

12.根据权利要求8所述的非暂态计算机可读存储介质，其中所述状况为与所述计算设备上的所述应用相关联的频繁应用使用的时间段，并且所述效用在频繁应用使用的所述时间段期间为恒定值。

13.根据权利要求8所述的非暂态计算机可读存储介质，其中所述步骤进一步包括：

接收对用户的应用选择的指示；以及

当所述应用选择与非最高效用的应用相关联时：

使得与最高效用的应用相关联的资格定时器重置。

14.一种被配置为向应用分配效用值的系统，所述系统包括：

处理器；

图形用户界面(GUI)；和

存储器，所述存储器被配置为存储指令，所述指令当由所述处理器执行时使得所述系统：

生成将分配有效用的应用的列表；

针对所述应用的列表中的每个应用，为应用分配效用；

确定所述GUI是否处于空闲状态；以及

当所述GUI处于所述空闲状态时，在所述GUI处显示与来自所述应用的列表的最高效用的应用相关联的图标。

15.根据权利要求14所述的系统，其中向所述应用分配所述效用基于状况是已发生，当前正在发生，还是可能在未来发生。

16.根据权利要求15所述的系统，其中所述状况为与存储在所述存储器中的一个或多个应用相关联的事件，并且所述系统被配置为向与所述事件最相关的应用分配较高效用并且向与所述事件较少相关的应用分配较低效用。

17.根据权利要求15所述的系统，其中基于所述状况是否在预先确定的时间阈值内来为所述应用分配所述效用。

18.根据权利要求14-17中的一个权利要求所述的系统，还包括：

跟踪用户的应用使用的预测引擎，其中所述状况为频繁应用使用的预先确定的时间段。

19.根据权利要求15所述的系统，其中所述状况为与存储在所述存储器中的所述应用相关的环境变化，并且基于在所述环境变化期间或之后所述系统的用户先前已执行所述应用的频次来为所述应用分配所述效用。

20.根据权利要求14所述的系统，还包括：

与所述最高效用的应用相关联的资格定时器，其中当显示所述最高效用的应用并且所述用户选择并非所述最高效用的应用的应用时重置所述资格定时器。

21.一种用于向移动设备的用户建议应用的方法，所述方法包括：

查询预测引擎，以确定所述移动设备能够访问的应用的列表中的每个应用的效用；

针对所述应用的列表中的每个应用，分配每个应用专有的效用，其中第一效用被分配给所述应用的列表中的第一应用并且第二效用被分配给所述应用的列表中的第二应用；

当第二应用被建议给用户并且所述用户选择所述第一应用时，使得所述第一应用的第一效用提高并且使得所述第二应用的第二效用降低；以及

使得所述应用的列表内的最高效用的应用在所述移动设备的用户界面上被表示。

22.根据权利要求21所述的方法，其中所述预测引擎基于与所述应用相关联的状况来确定每个应用的所述效用。

23.根据权利要求21所述的方法，其中向应用分配所述效用基于与所述应用相关联的状况是已发生，当前正在发生，还是可能在未来发生。

24.根据权利要求21-23中的一个权利要求所述的方法，其中向所述应用分配所述效用基于与所述应用相关的状况，其中与在所述状况已发生或者可能在未来发生时相比，在所述状况当前正在发生时被分配给所述应用的所述效用较高。

25.根据权利要求21所述的方法，其中向所述应用分配所述效用基于所述用户的先前应用选择。

26.根据权利要求21所述的方法，还包括：

当来自用户的先前应用选择针对不同应用时，使得被分配给所述应用的更新的效用低于所述应用的先前效用。

27.一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质被配置为存储指令，所述指令当由被包括在移动设备中的处理器执行时使得所述移动设备执行步骤，所述步骤包括：

28.根据权利要求27所述的非暂态计算机可读存储介质，其中所述预测引擎基于与所述应用相关联的状况来确定每个应用的所述效用。

29.根据权利要求27所述的非暂态计算机可读存储介质，其中向所述应用分配所述效用基于与所述应用相关联的状况是已发生，当前正在发生，还是可能在未来发生。

30.根据权利要求27所述的非暂态计算机可读存储介质，其中向所述应用分配所述效用基于与所述应用相关的状况，其中与在所述状况已发生或者可能在未来发生时相比，在所述状况当前正在发生时被分配给所述应用的所述效用较高。

31.根据权利要求27所述的非暂态计算机可读存储介质，其中向所述应用分配所述效用基于所述用户的先前应用选择。

32.根据权利要求27-31的一个权利要求所述的非暂态计算机可读存储介质，其中所述步骤进一步包括：

33.一种移动设备，包括：

处理器；和

存储器，所述存储器被配置为存储指令，所述指令当由所述处理器执行时使得所述移动设备执行步骤，所述步骤包括：

当第二应用被建议给用户并且所述用户选择所述第一应用时，

使得所述第一应用的第一效用提高并且使得所述第二应用的第二效用降低；以及

34.根据权利要求33所述的移动设备，其中所述预测引擎基于与所述应用相关联的状况来确定每个应用的所述效用。

35.根据权利要求33-34的一个权利要求所述的移动设备，其中向应用分配所述效用基于与所述应用相关联的状况是已发生，当前正在发生，还是可能在未来发生。

36.根据权利要求33所述的移动设备，其中向所述应用分配所述效用基于与所述应用相关的状况，其中与在所述状况已发生或者可能在未来发生时相比，在所述状况当前正在发生时被分配给所述应用的所述效用较高。

37.根据权利要求33或36的一个权利要求所述的移动设备，其中向所述应用分配所述效用基于所述用户的先前应用选择。

38.根据权利要求33所述的移动设备，其中所述步骤进一步包括：

39.根据权利要求33所述的移动设备，其中所述应用的列表中的至少一个应用为第三方应用。

40.根据权利要求33所述的移动设备，其中所述预测引擎对应于在所述移动设备上执行的机器学习算法。