CN106716476A - 基于推断的个体简档 - Google Patents

Abstract

在很多计算场景中，从由个体规定的、关于个体观察的和/或关于个体推断的事实来生成个体简档，并且个体简档可以用于个性化对这样的个体的服务。这样的事实可以包括引起个体的敏感度的细节，并且可能不希望向个体揭示这样的事实的收集和使用；然而，这样的事实可以使能精确的个性化服务。这些考虑可以通过将个体简档分割成前景简档和背景简档来平衡，前景简档包括向个体揭示的事实，背景简档包括关于个体收集的但未向个体揭示的事实。可以基于存储在背景简档中的敏感信息来为个体隐蔽地个性化服务(例如，基于个体的当前位置公开地推荐的并且还基于个体的推断的收入水平隐蔽地选择的餐馆建议)。

Description

基于推断的个体简档

背景技术

在计算领域内，很多场景涉及关于个体的事实的集合(例如，直接从个体接收的；关于个体观察的；和/或基于关于个体的推断的)，其中这样的事实存储在个体简档中并且用于基于服务的细节来个性化一个或多个服务。例如，零售服务可以基于个体先前的购买来向个体推荐产品，并且社交网络可以向个体呈现基于在个体的社交简档中规定的事实的广告。

很多这样的个体简档可以基于由个体创作的表达的内容和/或由个体执行的活动通过关于个体的推断来通知。例如，如果个体频繁地表达对特定类型的食物的兴趣，或者频繁地访问提供特定类型的食物的餐馆，则可以推断个体喜欢该特定类型的食物，即使个体没有在个体简档中明确地指示这样的喜欢。

发明内容

提供本发明内容以便以简化的形式介绍将在以下具体实施方式中进一步描述的一些概念。本发明内容不旨在标识所要求保护的主题的关键因素或必要特征，也不旨在用于限制所要求保护的主题的范围。

关于个体的推断可以用推断置信度来制定，推断置信度与推断作为描述个体的事实的准确性相关。例如，如果个体每天消费特定类型的食物，而不是个体仅每个月一次地消费该特定类型的食物，则可以提取关于个体的食物偏好的推断。因此，在通过推断生成个体简档时考虑推断的推断置信度(例如，仅在推断的准确度或强度方面的推断置信度超过期望的阈值的情况下，将推断添加到个体简档)可以使能更准确的个体简档的制定。

然而，基于推断的个体简档的聚集可能导致关于个体的大量事实，这可能不能显著地表示个体的身份。相反，这样的个体简档可以包括大量的事实，这些事实即使从具有高推断置信度并且因此对于个体准确的推断来导出，也不被个体视为表示他或她的特定身份。作为第一这样的示例，个体简档可以包括如下事实：其描述个体，但是还描述个体的社区中的大量其他个体，并且因此不区别个体；例如，个体喜欢冰淇淋的事实也可以描述个体认识的每个人喜欢冰淇淋，将该事实包括在个体简档中可能不区分个体的身份。作为第二这样的示例，个体简档可以包括对于仅伴随于个体的身份的事实；例如，个体可以因为方便而不是个体偏好而每天访问相同的餐馆吃午饭，并且个体可能不认为餐馆或食物类型是他或她的身份的一部分。事实上，个体甚至可能甚至不是特别地喜欢该餐馆的食物类型，因此即使对个体频繁地访问提供相关联的食物类型的餐馆的事实的推断置信度是准确的，个体喜欢相关联的食物类型的所推断的事实。作为第三这样的示例，个体简档可以包括个体认为是隐私的事实；例如，个体可能喜欢与消极的社会耻辱相关联的特定音乐组，并且可能不希望将该推断添加到个体简档中。

在这些场景的每个中，即使推断展现推断准确地描述个体的高推断置信度，所推断的事实也可以显著地反映个体的身份。因此，填充有这样的所推断的事实的个体简档可能不足以描述个体。

鉴于这些考虑，本文中提出了用于生成个体的个体简档的技术。当在检测时间接收到关于个体的事实时，实施例可以确定事实对于个体的身份的重要性。在确定事实对于个体的身份的重要性超过重要性阈值时，实施例可以将事实添加到个体简档；并且在无法在检测时间的评估持续时间内将事实添加到个体简档中时，丢弃关于个体的事实。通过评估每个事实对于个体的身份的重要性，并且向个体简档仅添加超过重要性阈值的事实，可以实现个体简档的生成，该个体简档比被简单地填充有具有高推断置信度的事实的个体简档更能描述个体的身份。

为了实现前述和相关目的，以下描述和附图阐述了某些说明性方面和实现。这些仅指示可以采用一个或多个方面的各种方式中的几种。当结合附图考虑时，从下面的详细描述中，本公开的其他方面、优点和新颖特征将变得显而易见。

附图说明

图1是特征在于使用推断的集合来生成个体简档的示例场景的图示。

图2是根据本文中所呈现的技术的特征在于根据相应事实对于个体的身份的重要性来生成个体简档的示例场景的图示。

图3是根据本文中所呈现的技术的配置设备以生成个体简档的示例方法的流程图。

图4是根据本文中所呈现的技术的被提供来配置设备以生成个体简档的示例系统的组成框图。

图5是包括被配置成实施本文中所阐述的一个或多个提供的处理器可执行指令的示例计算机可读介质的图示。

图6是根据本文中所呈现的技术的特征在于基于个体的表达和活动的频率来评估事实的重要性的示例场景的图示。

图7是根据本文中所呈现的技术的特征在于个体简档管理器的示例场景的图示，个体简档管理器评估相应事实的重要性和个体的个体敏感度。

图8是根据本文中所呈现的技术的特征在于确定相应事实对于个体的个体简档的重要性的示例场景的图示。

图9是根据本文中所呈现的技术的特征在于连续监测事实对于个体的个体简档的重要性的示例场景的图示。

图10是其中可以实现本文中所阐述的提供中的一个或多个的示例计算环境的图示。

具体实施方式

现在参考附图来描述所要求保护的主题，其中相同的附图标记始终用于指代相同的元件。在下面的描述中，为了解释的目的，阐述了很多具体细节以便提供对所要求保护的主题的透彻理解。然而，可能显而易见的是，可以在没有这些具体细节的情况下实践所要求保护的主题。在其他实例中，以框图形式示出了结构和设备，以便于描述所要求保护的主题。

A.介绍

图1呈现了特征在于用于生成个体102的个体简档110的技术的示例场景100的图示。在该示例场景100中，在第一时间120，可以制定关于个体102的各种推断，以便标识要被添加到个体简档110的事实112。作为第一这样的示例，个体102可以与以下各项相关联：职业104，诸如教师；个体102居住的位置106，诸如纽约；以及个体102持有的兴趣108，诸如对棒球运动的欣赏。这样的推断可以用不同程度的推断置信度来确定，诸如个体作为教师的任期的持续时间；个体102在纽约花费的时间量；以及个体102参加的棒球比赛的数目。推断置信度可以用于确定相应推断是否准确地反映关于个体102的事实112；例如，如果个体102每年仅在纽约居住几天，则推断置信度可能非常低，但是如果个体102每天都在纽约居住，则推断置信度可能非常高。实施例可以仅将以下事实112添加到个体简档110，事实112针对具有超过推断置信度阈值的推断置信度的推断，以指示相关联的事实112关于个体102为真实的可靠性。此外，实施例可以在推断置信度改变时更新个体简档的事实112。在第二时间112，如果个体102将他或她的邮寄地址从纽约更新为芝加哥，则可以更新指示个体的位置106的个体简档110中的事实112。另外，可以评估个体102频繁地参与的活动116以调整推断置信度；例如，检测到个体102正在参与活动116(诸如观看足球比赛)可以使能个体102怀有对足球的兴趣108的推断118，并且如果推断118的推断置信足够强，则可以将兴趣108作为事实112添加到个体102的个体简档110。

尽管基于推断的技术可以用于生成个体102的个体简档110，但是这样的主要基于推断置信度的技术可能导致不适当地反映个体102的身份的个体简档110的生成。在多种方式中，将推断118作为关于个体102的事实112添加到个体简档110可能不反映个体认为关于他或她的身份重要的特性。

作为第一这样的示例，个体102可以展现教师的职业104。然而，第一个体102认为这样的职业104是他或她的身份的组成部分，而第二个体102可能将这样的职业104仅视为工作或消遣。值得注意的是，这样的个体102的可变态度可以与推断的推断置信度无关；即，每个个体102是教师的事实112可以完全是真实的，但是可能不反映教师职业104对于每个个体102的身份的重要性。例如，第一个体102和第二个体102都可以已经连续地从事全职教师三十年，导致这样的事实112是无可争议地准确的高推断置信度；但是第一个体102可能认为事实112对于他或她的身份是重要的，而第二个体102可能不会这样认为。实际上，与仅仅教学三个月的第三个体102(并且具有低推断置信度)或者希望成为教师但尚未被聘用的第四个体102相比，具有作为教师的三十年职业的第二个体102可能认为教学对他或她的身份不太重要。

作为第二这样的示例，个体102可以居住在特定位置114，但是个体102可以不认为位置114是特别有趣的或区分个体102。例如，个体的全部社会关系实际上可能都居住在纽约，可能都喜欢棒球，并且可能都欣赏猫。用这些事实112填充个体102的个体简档110因此可能不反映关于个体102的独特或有趣的任何事，特别是如果个体102预期与共享相同特性的个体的社会联系人共享该个体简档110；事实上，这样的事实112可以稀释个体简档110并且使得从个体102认为表示个体的身份的其他事实112转移注意力。

作为第三这样的示例，个体102频繁地参与特定活动116的确定可以导致个体102对活动116具有兴趣108的事实112的推断118。即使推断置信度高，由于活动116的非常一致和可预测的频率，在一些情况下，个体102可能不认为兴趣112表示个体的身份。例如，个体102可以作为专业运动记者定期地观看足球，或者因为个体102喜欢与定期地观看足球的家人或朋友一起度过时间。然而，这样的活动116可能仅仅伴随于个体102的身份，并且将它们添加到个体简档110可能不能准确地反映个体的身份。

作为第四这样的示例，可以实现关于个体102的推断118，其标识个体102认为是隐私的事实112。将这样的事实112添加到公开地可访问的个体简档110，即使这样的推断118具有高推断置信度并且准确地表示个体102，也可能不能准确地反映个体102希望向公众公开的身份。

在每个这样的示例中，出现问题，因为即使关于个体102的推断118反映了指示关于个体102的事实112是准确的高推断置信度，使个体简档110基于这样的推断可能无法解释这样的事实112是否对于个体102的身份是重要的。实际上，在很多情况下，推断置信度和重要性可以是完全不相关的(例如，表示活动116的事实112显著地表示个体的兴趣的个体的自我感知可能与个体102参与活动116的频率无关)；并且在很多其他情况下，推断置信度和重要性可能是逆相关的。例如，个体102可能频繁地访问第一餐馆(导致高推断置信度)，并且可能不频繁地访问第二餐馆(导致低推断置信度)。然而，第一餐馆可能是个体102出于习惯或方便而选择的容易的、附近的或可负担的选项，并且第二餐厅可能是个体102为特殊场合选择的个体喜欢的餐馆。与每个选项的推断置信度相反，个体102因此可以认为“特殊场合”餐馆高度地表示个体102的身份，并且可以认为方便选项不表示个体102的身份。这些以及其他缺点可以源于主要依赖于关于个体102的推断118的推断置信度来生成个体简档110。

B.所呈现的技术

本文中呈现了用于鉴于个体简档110的相应事实112对于个体102的身份的重要性来自动地生成个体102的个体简档110的技术。

图2呈现了特征在于鉴于相应事实对于个体102的身份218的重要性204来生成个体简档110的示例场景200的图示。在该示例场景200中，在检测时间202，个体102可以由已经包括个体102认为对他或她的身份218重要的几个事实112(诸如个体的位置和职业)的个体简档110来表示。可以做出个体102对足球具有兴趣108并且频繁地参与弹钢琴的活动116的确定。然而，可以做出每个事实112对于个体102的身份218的重要性204的初始确定。因为每个事实112的重要性204的初始确定不高于重要性阈值208，所以对应于兴趣108和活动116的事实112被存储在存储装置206中而不是在个体简档110中。监测存储装置206中的每个事实112的重要性204(例如通过将相应事实112与个体102的附加表达和活动116相比较)。在第二时间220，当个体102被进一步检测到参与踢足球的活动116时，确定兴趣108对于足球运动中的个体102的身份218的重要性204已经超过重要性阈值208，并且将事实112从存储装置206移动到个体简档110。备选地，在第二时间220，弹钢琴的活动116在检测时间202的评估持续时间210内没有实现超过重要性阈值208的对于个体102的身份218的重要性204(例如，自从活动116的第一实例以来已经对弹钢琴活动116的重要性204的评估评估了三天，并且个体102没有展现对活动116的任何进一步的兴趣迹象)。不是将活动116作为事实112添加到个体简档110，而是设备可以替代地从存储装置206丢弃216对应于活动116的事实112。以这种方式，基于根据本文中所呈现的技术的相应事实112对于个体102的身份218的重要性204的评估来生成个体102的个体简档110。

C.技术效果

使用本文中所呈现的技术来生成个体简档110可以导致各种技术效果。

作为可通过本文中所呈现的技术可实现的技术效果的第一示例，基于事实112对于个体102的身份218的重要性204来生成个体简档110可以使得能够生成更准确地表示个体102的身份218的个体简档110。也就是说，个体简档110没有被如下事实112稀释：事实112是准确的但仅是个体102的身份218伴随的；事实112对大量个体102是真实的，并且因此不特别地区分个体102；以及事实112表示个体出于习惯、方便或义务频繁地执行，但是表示个体的选择。因此，将个体简档110中包括的事实112限于对于个体102的身份218具有重要性204的事实112可以提供更准确地反映个体102的身份218的更简明的个体简档110。例如，如果第一个体102请求查看第二个体102的个体简档110，则设备可以通过列举提供第二个体102的身份218的有见识的表示的事实112的小集合，而不是关于第二个体102可能是准确的但不反映第二个体102的身份218的事实112的细目清单来进行响应。

作为可以通过本文中所呈现的技术可实现的技术效果的第二示例，提供相应事实112的自动化评估以及相应事实112对于个体102的身份218的重要性204的自动化确定，可以减少个体102的用以生成和维护个体简档110的交互。例如，设备可以生成包括关于特定个体102的每个可能事实112的个体简档110，并且可以请求或允许个体112根据事实112对于个体112的身份218的重要性204来选择和布置事实112。然而，这样的手动地组织的个体简档110可能让个体102感到沮丧，并且如果个体102没有定期地执行这样的手动组织，则个体简档110的事实112可以从个体102的身份218稳定地偏离(例如，事实112可能变得过时，并且新的事实112可能无法添加)。相比之下，本文中所呈现的技术使得能够自动确定事实112对于个体102的身份218的重要性204，并且因此可以减少个体102对于个体简档110的手动组织的依赖性。

作为可以通过本文中所呈现的技术可实现的技术效果的第三示例，基于限于对于个体102的身份218具有重要性204的事实112的个体简档110来表示个体102的集合可以通知应用于个体102的集合的搜索。例如，如果个体102在社交网络中搜索居住在纽约的其他个体102(例如，用于旅游目的地的推荐)，则提供包括其个体简档110包括个体102居住或曾经居住在纽约的事实112的每个个体102的搜索结果的集合可能没有帮助，因为一些个体102可能居住在纽约但可能不特别对其感兴趣；其他个体102可能只偶尔居住在纽约；并且其他个体102可能先前曾住在纽约，但是可能不再认为其是他们的身份218的一部分。因此，在这样的个体集合中找到能够并且有兴趣呈现纽约旅游目的地的推荐的个体102可能很难。相反，将搜索结果限于纽约对于他们的身份218具有重要性204的个体102，包括居住在纽约并且对其有积极的兴趣的个体，以及仅仅偶尔访问纽约但是对这样的访问有极大个人兴趣的的个体，可以产生更适合于所提供的询问的搜索结果。

作为可以通过本文中所呈现的技术可实现的技术效果的第四示例，将个体102的集合的个体简档110限于与个体102的重要性204相关联的事实112可以提升取决于这样的个体简档110的服务和过程的可扩展性。例如，与将每个个体简档110限于对于每个个体102的身份218具有重要性204的事实112的较小集合相比，维持可以准确地描述成千上万个个体102中的每个个体的每个事实112的详尽列表可以涉及显著更大的数据存储、处理和通信能力。

作为可以通过本文中所呈现的技术可实现的技术效果的第五示例，限制个体简档110可以使得能够更彻底地评估和监测这样的事实112对于个体102的身份218的重要性204。例如，尝试监测可能描述个体102以维持更新的推断置信度的数百个事实112，例如，个体102已经执行了至少一次的每个活动116以及个体102已经访问过至少一次的每个餐馆，可能需要个体102的设备的计算资源的显著消耗，并且甚至可能扩展到多年的事实收集的不可行的评估水平(例如，个体102六年前观看足球比赛的事实可能不能保证继续探索足球运动是否将被包括在个体102的个体简档110中)。相反，通过将这样的评估限于先前被确定为具有超过重要性阈值208的重要性204的个体简档110的事实112以及最近被检测到并且仅在评估持续时间210内短暂地保持在存储装置206中的事实112，设备可以应用对事实112的有限集合的更彻底的监测，这可以导致更准确的确定。类似地，丢弃216在评估持续时间210内未实现高于重要性阈值208的重要性204的事实112可以使能对当前保持在存储装置206中的事实112的较小集合的更严格的重要性评估。这些和其他技术效果可以通过应用本文中所呈现的技术可实现。

D.示例实施例

图4呈现了本文中所呈现的技术的第一示例实施例，其被示出为表示个体102的个体简档110的示例方法300。示例方法300可以例如被实现为存储在设备的存储器部件(诸如存储器电路、硬盘驱动器的盘、固态存储设备或磁盘或光盘)中的指令集，并且被组织为使得当在该设备的处理器上执行时引起设备根据本文中所呈现的技术来操作。

示例方法300开始于302，并且涉及在设备的处理器上执行304指令。具体地，在处理器上执行304指令引起设备当在检测时间202接收到306关于个体102的事实112时，确定308事实112对于个体102的身份218的重要性204。执行304指令还可以引起设备在确定事实112对于个体102的身份218的重要性204超过重要性阈值208时，将事实112添加310到个体简档110。执行304指令还可以引起设备当在检测时间202的评估持续时间210内无法将事实112添加到个体简档110时，丢弃312关于个体102的事实112。以这种方式，指令引起设备根据本文中所呈现的技术使用个体简档202来表示个体102，并且因此在314处结束。

图4呈现了本文中所呈现的技术的第二示例实施例，其被示出为特征在于处理器404和存储器406的示例服务器402，存储器406存储引起服务器402生成个体102的个体简档110的示例系统408。示例系统408可以实现为例如分别包括存储在服务器402的存储器406中的指令集的部件的集合，其中相应部件的指令当在处理器404上执行时引起服务器402根据本文中所呈现的技术来操作。

示例系统408包括确定事实112对于个体102的身份218的重要性204的重要性评估器410。示例系统408还包括个体简档管理器412，个体简档管理器412在重要性评估器410确定事实112对于个体102的身份218的重要性204超过重要性阈值208时，将事实112添加到个体简档110；并且当在检测时间202的评估持续时间210内无法将事实112添加到个体简档110时，丢弃216关于个体102的事实112。以这种方式，示例系统408使得服务器402能够根据本文中所呈现的技术来生成个体简档110。

又一实施例涉及包括被配置为应用本文中所呈现的技术的处理器可执行指令的计算机可读介质。这样的计算机可读介质可以包括各种类型的通信介质，诸如可以通过各种物理现象(例如，电磁信号、声波信号或光信号)以及在各种有线场景(例如，经由以太网或光纤电缆)和/或无线场景(例如，诸如WiFi的无线局域网(WLAN)、诸如蓝牙等个人局域网(PAN)或蜂窝或无线电网络)中传播并且编码计算机可读指令集的信号，该计算机可读指令集在由设备的处理器执行时引起设备实现本文中所呈现的技术。这样的计算机可读介质还可以包括(作为排除通信介质的一类技术)编码计算机可读指令集的计算机可读存储器设备，诸如存储器半导体(例如，利用静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)和/或同步动态随机存取存储器(SDRAM)技术的半导体)、硬盘驱动器的盘、闪存设备或磁盘或光盘(诸如CD-R、DVD-R或软盘)，该计算机可读指令集在由设备的处理器执行时引起设备实现本文中所呈现的技术。

在图5中示出了可以以这些方式设计的示例计算机可读介质，其中实现500包括计算机可读数据504在其上被编码的计算机可读存储器设备502(例如，CD-R、DVD-R或硬盘驱动器的盘)。该计算机可读数据504又包括被配置成根据本文中所阐述的原理操作的计算机指令集506。在一个这样的实施例中，处理器可执行指令506可以被配置成执行生成个体102的个体简档110的方法608，诸如图3的示例方法300。在另一个这样的实施例中，处理器可执行指令506可以被配置成实现用于生成个体102的个体简档110的系统(诸如图4的示例系统408)。本领域普通技术人员可以设计出被配置成根据本文中所呈现的技术来操作的很多这样的计算机可读介质。

E.变化

本文中讨论的技术可以设计成具有很多方面的变化，并且一些变化可以关于这些和其他技术的其它变化呈现附加的优点和/或减少的缺点。此外，一些变化可以组合实现，并且一些组合可以通过协同合作来表征附加的优点和/或减少的缺点。这些变化可以并入各种实施例(例如，图3的示例方法300；图4的示例系统408；以及图5的示例存储器设备502)，以在这样的实施例上赋予个体和/或协同优点。

El.场景

可以在这些技术的实施例间变化的第一方面涉及其中可以利用这样的技术的场景。

作为该第一方面的第一变化，本文中所呈现的技术可以用于实现各种设备的配置，诸如工作站、服务器、膝上型计算机、平板计算机、移动电话、游戏控制台、便携式游戏设备、便携式或非便携式媒体播放器、诸如电视的媒体显示设备、电器、家庭自动化设备以及监督控制和数据获取(SCADA)设备。

作为该第一方面的第二变化，本文中所呈现的技术可以用于划分和使用各种类型的个体简档110，包括社交网络和社交媒体简档；学术和/或职业个体简档；为游戏服务提供的游戏简档；针对产生和/或消费各种类型的媒体的个体102的媒体简档；监测个体102的行为的设备的个体行为简档；各种个体102的公民细节的政府简档；各种个体102的财务状况的财务简档；以及各种个体102的储蓄和/或购买行为的商业简档。

作为该第一方面的第三变化，本文中所呈现的技术可以涉及对可以描述个体102的很多类型的事实112的评估，包括由个体102直接规定的事实；由第一个体102规定的关于第二个体的事实，诸如推荐服务；检测到的关于个体102的事实，诸如监测个体102的一个或多个活动116的设备(例如，跟踪个体102的移动的全球定位系统)；以及关于个体102的推断118(例如，基于统计和/或人口统计学因素的关于个体102的行为或个性化特征，诸如基于包括个体102的个人住所的社区中的平均收入的个体102的推断的收入水平)。

作为该第一方面的第四变化，个体简档110可以用于提供代表个体102的各种类型的服务，诸如商业服务；产品，媒体或服务推荐服务；社交网络或推荐服务；诸如约会服务或多人游戏配对服务的配对服务；就业服务；信息传递服务；以及咨询服务，诸如金融或职业咨询服务。很多这样的场景可以提供用于利用本文中所呈现的技术的上下文。

E2.重要性确定

可以在所呈现的技术的实施例间变化的第二方面涉及确定事实112对于个体102的身份218的重要性204的方式，并且可以利用各种信息源来确定事实112对于个体102的身份218的重要性204。

作为该第二方面的第一变化，实施例可以通过在个体102的表达的表达集合中检测事实112是否对于个体102具有重要性204的表达来确定事实112的重要性204。作为第一这样的示例，个体102可以明确地指示事实112对于个体102的身份218重要(例如，“我喜欢高尔夫球！”)，或者可以指示事实112对于个体102的身份218不重要(例如，“我不是真正喜欢比萨饼”)。作为第二这样的示例，个体102可以在手动地组织个体简档110时指示事实112的重要性204；例如，当个体102添加、批准和/或突出个体简档110中的事实112时，事实112可以被解释为对于个体102的身份218具有重要性204；而如果个体102移除、不批准和/或不重视个体简档110中的事实112，则事实112可以被解释为对于个体102的身份218没有重要性204。在一个这样的实施例中，个体102可以规定个体简档110的相应事实112的事实顺序，其中在个体简档中具有较早事实顺序的第一事实112比在个体简档中具有较晚事实顺序的第二事实112更重要；并且每个事实112的事实顺序可以被解释为涉及事实112对于个体102的身份218的重要性204。

作为该第二方面的第二变化，实施例可以通过在个体的表达的表达集合中检测个体102对于事实112的引用的频率来确定事实112的重要性204。例如，与很少引用和/或自发提出事实112的个体102相比，事实112可能更可能与如下个体102的身份218相关：该个体102频繁地在会话、状态消息或诸如书面文章的内容项目中引用和/或自发提出事实112，或者生成与事实112相关的声音、图像、或视频记录。

作为该第二方面的第三变化，事实112对于个体102的身份218的重要性204可以通过根据由个体102执行的活动116的活动一致性检测活动来确定。例如，对于由个体102执行的相应活动116，实施例可以确定活动116是否与事实116一致，并且重要性204可以与一致活动116的活动一致性频率成比例地来确定。作为另外的变化，这样被评定的活动116可以在个体102出于重要性选择而执行的活动116与个体102出于义务、习惯或方便而执行的活动116之间被区分。也就是说，重要性204的确定可以集中于个体102在被呈现可行选项的选择时选择的活动116，并且可以分解出个体102没有选择的活动116(例如，由于冲突的学校或工作义务而放弃观看足球比赛的机会不能被解释为减少个体102对足球运动的兴趣108的重要性204)。

图6呈现了特征在于确定各种事实112对于个体102的身份218的重要性204的示例场景600的图示。在该示例场景600中，事实112涉及个体102对各种活动116的兴趣，诸如打高尔夫球、徒步和攀岩。实施例可以检测到在个体102的表达602(例如，与社交网络中的个体的熟人交换的消息)中，个体102以高频率604引用打高尔夫球，以较低频率604引用打高尔夫球，以及从不引用攀岩。该实施例还可以检测到当被呈现有执行活动116的机会时，个体102频繁地选择徒步116，但从不选择打高尔夫球，与打高尔夫球的活动116相比，替代地选择参与其他活动116的机会。实施例可以以各种方式解释这样的频率604。关于徒步，由于个体在表达602中引用徒步并且执行与事实112一致的活动116两者，所以对徒步的兴趣108的事实112可以被确定为对于个体的身份218具有高重要性204。然而，关于攀岩和打高尔夫球，实施例可以确定对个体102的表达中的事实112引用频率604和活动116与事实112的活动一致性的频率604之间的差异可以指示该事实112对于个体102不具有高重要性204。实施例还可以评估这样的差异是否是由于事实112对于个体102的低重要性204(例如，个体频繁地讨论打高尔夫球作为企业的发展机遇，但不选择参加打高尔夫球因为个体实际上并且不喜欢打高尔夫球)，或差异是否是由于不涉及事实112的重要性204的限制(例如，个体是否会更频繁地参与打高尔夫球602，但由于受伤或附近的高尔夫球场的不可用性而不能这样做)。

当被呈现关于事实112的重要性204的冲突信息时，实施例可以利用各种技术来标识事实112对于个体102的身份218的重要性204。具体地，涉及学习算法技术可以良好地适合于协调这样的冲突信息。作为一个示例，可以训练人工神经网络以使用训练数据集来确定事实112的重要性204，训练数据集针对关于个体102的集合的事实112的集合来标识由个体102执行的表达602和活动116的频率604以及由个体102自我报告的事实112对于每个个体102的身份218的重要性204。这种自标识可以使得学习网络能够评定哪些性质反映了每个事实112对于个体102的身份218的重要性204。例如，表示对“观众运动”(诸如职业足球)的兴趣108的第一事实112可以容易地由表达602的频率604来确定，并且更少地与诸如实际踢足球的相关活动116的表现成比例；而涉及基于表现的兴趣108(诸如瑜伽)的第二事实112可以更容易地通过活动116的个体表现的频率604而不是通过个体102在表达602中引用活动116的频率604来评定。诸如人工神经网络的学习算法可以能够确定关于事实112的因素，这些因素最一致地涉及事实112对于个体102的身份218的自我报告的重要性204，并且一旦使用训练数据集被训练则可以应用于个体102的表达602和活动116以根据本文中所呈现的技术来确定这样的事实112对于其身份的重要性204。

E3.补充信息

可以在本文中所呈现的技术的实施例间变化的第三方面涉及补充信息的使用，该补充信息与事实112对于个体102的身份218的重要性204的确定一起使得能够确定是否向个体102的个体简档110添加事实112。

作为该第三方面的第一变化，事实112对于个体102的身份218的重要性204可以涉及对事实112对于个体102的敏感度的考虑。在一些情况下，事实112可以是准确的并且甚至对个体102是重要的，但是个体102也可以认为事实112是隐私的和/或敏感的，并且因此事实112对于个体102的公开身份218不具有重要性204。因此，实施例可以预测个体承认事实112的敏感度，并且可以在个体102的预测的敏感度超过敏感度阈值的情况下丢弃事实112。这样的预测可以基于特定事实112(例如，确定特定事实112通常被视为“有罪快乐”，诸如对不受欢迎的音乐组的兴趣108)，并且可以将事实112评估为具有对于个体102的身份218的低重要性204，除非个体102明确地承认事实112。备选地或另外地，可以在文化的基础上确定个体102的敏感度。例如，事实112可以被认为对第一人口统计的个体102敏感，但对第二人口统计的个体102不敏感(例如，第一年龄段的个体102可以公开地欣赏特定的电视节目，但是欣赏相同电视节目的第二年龄段的个体102可能不愿意承认这样的兴趣108)。因此，可以通过确定个体102的人口统计学特性，并且在展现人口统计学特性的个体102的个体集合中确定对于事实112的人口统计学敏感度，来预测事实112对于个体102的身份218的重要性204。

图7呈现了示例场景700的图示，其中在确定是否向个体102的个体简档110添加事实112时考虑个体的个体敏感度702。在该示例场景700中，事实112被评估为对于个体102的身份218具有高、中或低重要性204。另外，个体102被预测为具有承认事实112对于个体102的身份218重要的高、中或低个体敏感度702。因此，实施例(诸如个体简档管理器512)可以考虑事实112对于个体102的身份218的重要性204和个体敏感度702，并且因此可以确定704丢弃事实112还是将事实112添加到个体102的个体简档110。

作为该第三方面的第二变化，除了考虑事实112对于个体的身份218的重要性204之外，实施例可以考虑事实112所基于的推断118的推断置信度。与图1的示例场景100相反，在图1中推断118的推断置信度是将事实112添加到个体简档110的主要决定因素，在该第三变化中，推断118的推断置信度可以与结果事实112对于个体102的身份218的重要性204一起考虑。

图8呈现了特征在于用于确定指示推断118是否准确地反映关于个体102的事实112的推断置信度802的第一技术的示例场景800的图示。在该示例场景800中，保持在存储装置206中(并且尚未被包括在个体简档110中)的第一事实112反映个体102对特定活动116的兴趣108，诸如钓鱼。然而，推断118的推断置信度802可以相对较低，例如，事实112关于个体102是准确的只有50％的置信度。因为这样的推断置信度802可以是“边界的”，即不足以将事实112添加到个体简档110或丢弃事实112，实施例可以直接询问个体102关于他或她对活动116的兴趣108，例如，呈现事实询问804，诸如“你喜欢钓鱼吗？”。对事实804的个体承认810的检测可以使能推断置信度802的调整808，其除了确定事实112对于个体102的身份218的重要性204之外，还使得能够确定是否将事实112添加到个体简档110或者丢弃事实112。作为第二这样的示例，实施例可以针对个体兴趣810的表达巧妙地提示个体102，而不是直接询问个体102。例如，实施例可以向个体102呈现关于事实112的事实细节812(例如，到徒步装备的评论的链接)，并且可以检测个体102是否对事实细节812展现个体兴趣810。对事实细节812的个体兴趣810的检测可以使能推断置信度802的调整808，其除了确定事实112对于个体102的身份218的重要性204之外，还使得能够确定是否将事实112添加到个体简档110或者丢弃事实112。作为第三这样的示例，实施例可以通过以下方式来努力确定所选择的事实112的推断置信度802(例如，个体102对徒步感兴趣的推断)：呈现包括与所选择的事实112相关联的选项(例如，到徒步装备的评论的链接)、以及与个体102没有表达对其的个体兴趣810的备选事实112(例如，对钓鱼和打高尔夫球的兴趣)相关联的其他选项的选项集合。超过与备选事实相关联的选项的对与所选择的事实112相关联的选项中的个体兴趣810的检测可以使得能够调整808所选择的事实112中的推断置信度。在根据本文中所呈现的技术确定是否将事实112添加到个体102的个体简档110时，可以与事实112对于个体102的身份218的重要性204一起使用很多这样的形式的补充信息。

E4.在个体简档中包括事实

可以在本文中所呈现的技术的实施例间变化的第四方面涉及确定是否向个体102的个体简档110添加事实112，或者是否从个体102的个体简档110中丢弃事实112和/或排除事实112。

作为该第四方面的第一变化，对于存储装置206中的并且在评估之下以确定其对于个体102的身份218的重要性204下的事实112，如果个体102明确地指示事实112对于个体102的身份218具有重要性204，和/或如果个体102表达事实112对于个体102的身份218具有重要性204的否认，则评估时间210可以终止。即使从检测时间202开始的评估持续时间210尚未到期，事实112也可以相应地被添加到个体简档110和/或从存储装置206中被丢弃。备选地或另外地，在事实112已经被添加到个体简档110之后，如果个体102表达对事实112的否认，则可以从个体简档110中排除事实112。

作为该第四方面的第二变化，实施例可以根据事实112对于个体102的身份218的重要性204的置信度来调整评价持续时间210。例如，如果确定存储装置206中的事实112具有在评估期间始终保持为低的重要性204，则可以缩短评估持续时间210。相反，如果随着评估持续时间210接近完成，存储装置206中的事实112被确定为具有接近重要性阈值208的稳定地进展的重要性204，或者具有接近重要性阈值208的重要性204，则可以延长评估持续时间210以提供额外的评估时间。

作为该第四方面的第三变化，个体简档110可以包括事实限制(例如，呈现不超过十个关于个体102的事实112)。如果个体简档110中的事实112的事实计数超过事实限制，则实施例可以去除与个体简档110的其他事实112相比对于个体102的身份218具有较低重要性204的一个或多个事实。这一变化可以使得对于个体102的身份218具有高重要性204的事实112能够替换对于个体102的身份218具有较低重要性204的事实112，例如，当个体102的身份218改变时和/或当检测到关于个体102的新的信息时。

作为该第四方面的第四变化，在将事实112添加到个体102的个体简档110之后，实施例可以继续监测事实112对于个体102的身份218的重要性204。在检测到事实112对于个体102的身份218的重要性204已经减小到低于重要性阈值208时(例如，确定个体102的兴趣108已经消退到兴趣108不再对个体102的身份218具有重要性204的点)，则该实施例可以从个体102的个体简档110中去除事实112。

图9呈现了示例场景900的图示，其中活动116对于个体102的身份218的重要性204随着时间被监控。在该示例场景900中，在第一时间904，由个体102执行的活动116的频率604被确定(例如，个体102在60％的自由周末期间徒步)，并且可以被解释为个体102喜欢徒步的活动116的事实112的高重要性204。因此，事实112可以被添加到个体102的个体简档110。在第一时间904之后的第二时间906，活动116的频率604可以被确定为减小，并且因此指示事实112对于个体102的身份218的较低重要性204。在第二时间906之后的第三时间908，活动116的频率604可以被确定为已经减小到个体102很少执行活动116的点，以指示事实112对于个体102的身份218的低重要性204，并且提示从个体102的个体简档110中排除902事实112。

作为该第四方面的第五变化，可以利用技术来协调关于个体102的冲突事实112。例如，实施例可以检测到个体102已经表达对于两个对立的运动队中的每个、或者对于两个对立的政党中的每个的兴趣108。实施例可以发起监测每个事实112的重要性204以确定哪个事实112更多地表示个体102的身份218，并且可以根据这样的确定来调整个体简档110。作为一个这样的示例，实施例简单地向个体呈现承认与第一事实112冲突的冲突事实112的请求，并且在接收到冲突事实112的承认时，实施例可以从个体102的个体简档110中排除第一事实112。可以利用很多这样的技术来根据本文中所呈现的技术确定哪些事实112要被包括在个体102的个体简档110中。

F.计算环境

图10和以下讨论提供了用于实现本文中所阐述的提供中的一个或多个的实施例的合适的计算环境的简要的、一般的描述。图10的操作环境仅是合适的操作环境的一个示例，而非旨在对操作环境的使用或功能范围提出任何限制。示例计算设备包括但不限于个人计算机、服务器计算机、手持式或膝上型设备、移动设备(诸如移动电话、个体数字助理(PDA)、媒体播放器等)、多处理器系统、消费电子产品、迷你计算机、大型计算机、包括任何上述系统或设备的分布式计算环境等。

尽管不是必需的，但是在由一个或多个计算设备执行的“计算机可读指令”的一般上下文中描述实施例。计算机可读指令可以经由计算机可读介质(下面讨论)来分布。计算机可读指令可以被实现为执行特定任务或实现特定抽象数据类型的程序模块，诸如函数、对象、应用程序编程接口(API)、数据结构等。通常，计算机可读指令的功能可以根据需要在各种环境中组合或分布。

图10示出了包括被配置成实现本文中提供的一个或多个实施例的计算设备1002的系统1000的示例。在一种配置中，计算设备1002包括至少一个处理单元1006和存储器1008。取决于计算设备的确切配置和类型，存储器1008可以是易失性的(例如RAM)、非易失性的(例如ROM、闪存等)或两者的某种组合。该配置在图图10中用虚线1004示出。

在其他实施例中，设备1002可以包括附加的特征和/或功能。例如，设备1002还可以包括附加存储装置(例如，可移除的和/或不可移除的)，包括但不限于磁存储装置、光存储装置等。这样的附加存储装置在图10中用存储装置1010示出。在一个实施例中，用于实现本文中提供的一个或多个实施例的计算机可读指令可以在存储装置1010中。存储装置1010还可以存储实现操作系统、应用程序等的其他计算机可读指令。例如，计算机可读指令可以被加载到存储器1008中用于由处理单元1006执行。

本文中所使用的术语“计算机可读介质”包括计算机可读存储器设备，其排除包括诸如信号的通信介质的其他形式的计算机可读介质。这样的计算机可读存储器设备可以是易失性的和/或非易失性的、可移除的和/或不可移除的，并且可以涉及存储计算机可读指令或其他数据的各种类型的物理设备。存储器1008和存储装置1010是计算机存储介质的示例。计算机存储存储设备包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术，CD-ROM、数字通用盘(DVD)或其他光学存储装置，磁带盒、磁带和磁盘存储装置或其他磁存储设备。

设备1002还可以包括允许设备1002与其他设备通信的一个或多个通信连接1016。一个或多个通信连接1016可以包括但不限于调制解调器、网络接口卡(NIC)、集成网络接口、射频发射器/接收器、红外端口、USB连接或者用于将计算设备1002连接到其他计算设备的其他接口。一个或多个通信连接1016可以包括有线连接或无线连接。一个或多个通信连接1016可以传送和/或接收通信介质。

术语“计算机可读介质”可以包括通信介质。通信介质通常在诸如载波或其它传输机制的“调制数据信号”中实施计算机可读指令或其他数据，并且包括任何信息传递介质。术语“调制数据信号”可以包括其一个或多个特性以使得能够在信号中编码信息的方式被设置或改变的信号。

设备1002可以包括一个或多个输入设备1014，诸如键盘、鼠标、笔、语音输入设备、触摸输入设备、红外相机、视频输入设备和/或任何其他输入设备。设备1002中还可以包括一个或多个输出设备1012，诸如一个或多个显示器、扬声器、打印机和/或任何其它输出设备。一个或多个输入设备1014和一个或多个输出设备1012可以经由有线连接、无线连接或其任何组合连接到设备1002。在一个实施例中，来自另一计算设备的输入设备或输出设备可以用作针对计算设备1002的一个或多个输入设备1014或一个或多个输出设备1012。

计算设备1002的组件可以通过各种互连(诸如总线)连接。这样的互连可以包括诸如PCI Express的外围组件互连(PCI)、通用串行总线(USB)、火线(IEEE 1394)、光总线结构等。在另一实施例中，计算设备1002的组件可以通过网络互连。例如，存储器1008可以由位于通过网络互连的不同物理位置中的多个物理存储器单元组成。

本领域技术人员将认识到，用于存储计算机可读指令的存储设备可以分布在网络上。例如，经由网络1018可访问的计算设备920可以存储实现本文中提供的一个或多个实施例的计算机可读指令。计算设备1002可以访问计算设备920并且下载部分或全部计算机可读指令以供执行。备选地，计算设备1002可以根据需要下载计算机可读指令的片段，或者一些指令可以在计算设备1002处执行，一些指令可以在计算设备920处执行。

G.术语的使用

虽然已经以对结构特征和/或方法动作专用的语言描述了主题，但是应当理解，所附权利要求中定义的主题不一定限于上述具体特征或动作。相反，上面描述的具体特征和动作被公开作为实现权利要求的示例形式。

如在本申请中所使用的，术语“组件”、“模块”、“系统”、“接口”等通常旨在指代计算机相关的实体，该实体是硬件、硬件和软件的组合、软件、或执行中的软件。例如，组件可以是但不限于在处理器上运行的进程、处理器、对象、可执行文件、执行线程、程序和/或计算机。作为说明，在控制器上运行的应用和控制器都可以是组件。一个或多个组件可以驻留在进程和/或执行线程内，并且组件可以位于一个计算机上和/或分布在两个或更多个计算机之间。

此外，使用标准的编程和/或工程技术可以将所要求保护的主题实现为方法、装置或制品来产生软件、固件、硬件或其任何组合以控制计算机实现所公开的主题。如本文中所使用的术语“制品”旨在包括从任何计算机可读设备、载体或介质可访问的计算机程序。当然，本领域技术人员将认识到，在不脱离所要求保护的主题的范围或精神的情况下，可以对该配置进行很多修改。

本文中提供了实施例的各种操作。在一个实施例中，所描述的操作中的一个或多个可以构成存储在一个或多个计算机可读介质上的计算机可读指令，这些计算机可读指令如果由计算设备执行，则将引起计算设备执行所描述的操作。描述一些或所有操作的顺序不应当被解释为暗示这些操作必须是顺序相关的。受益于本说明书的本领域技术人员将理解备选的顺序。此外，应当理解，并非所有的操作都必须存在于本文中提供的每个实施例中。

在本文中被描述为“示例”的任何方面或设计不一定被解释为优于其他方面或设计。相反，词语“示例”的使用旨在呈现可能与本文中所呈现的技术有关的一个可能的方面和/或实现。这样的示例对于这样的技术不是必需的，也并非旨在是限制性的。这样的技术的各种实施例可以单独地或与其他特征组合地包括这样的示例，和/或可以改变和/或省略所示出的示例。

如本申请中所使用的，术语“或”旨在表示包括性的“或”而不是排他性的“或”。也就是说，除非另有说明或从上下文清楚，否则“X使用A或B”意在表示任何自然的包括性排列。也就是说，如果X使用A；X使用B；或X使用A和B两者，则在任何前述情况下满足“X使用A或B”。此外，本申请和所附权利要求中使用的冠词“一”和“一个”通常可以被解释为表示“一个或多个”，除非另有说明或从上下文中清楚地针对单数形式。

此外，尽管已经关于一个或多个实现示出和描述了本公开，但是基于对本说明书和附图的阅读和理解，本领域技术人员将想到等同的改变和修改。本公开包括所有这样的修改和改变，并且仅由所附权利要求的范围限制。具体地，关于由上述组件(例如，元件、资源等)执行的各种功能，除非另有指示，否则用于描述这些组件的术语旨在对应于执行所描述的组件的特定功能的任何组件(例如，也就是说，在功能上等同)，即使在结构上不等同于执行本公开的本文中示出的示例实现中的功能的所公开的结构。另外，虽然可以仅关于几个实现中的一个公开了本公开的特定特征，但是这样的特征可以与其它实现的一个或多个其他特征组合，这对于任何给定或特定应用可能是期望的和有利的。此外，就在详细描述或权利要求中使用术语“包含”、“具有”、“有”、“拥有”或其变化而言，这样的术语旨在以类似于术语“包括”的方式是包含性的。

Claims (16)

1.一种在设备上表示个体的身份和表示所述个体的个体简档的方法，所述设备包括处理器，所述方法包括：

在所述处理器上执行指令，所述指令引起所述设备：

当在检测时间接收到关于所述个体的事实时，确定所述事实对于所述个体的所述身份的重要性；

在确定所述事实对于所述个体的所述身份的所述重要性超过重要性阈值时，向所述个体简档添加所述事实；以及

当在所述检测时间的评估持续时间内无法向所述个体简档添加所述事实时，丢弃关于所述个体的所述事实。

2.根据权利要求1所述的方法，其中确定所述事实对于所述个体的所述身份的所述重要性还包括：

检测由所述个体对于所述事实对于所述个体的所述身份的所述重要性的表达。

3.根据权利要求2所述的方法，其中所述个体规定所述个体简档的相应事实的事实顺序，

其中所述个体简档中具有较早事实顺序的第一事实比所述个体简档中具有较晚事实顺序的第二事实更重要；以及

其中确定所述事实对于所述个体的所述身份的所述重要性还包括：根据所述个体简档的所述事实顺序来确定所述事实的所述重要性。

4.根据权利要求1所述的方法，其中确定所述事实对于所述个体的所述身份的所述重要性还包括：

在所述个体的表达的表达集合中，检测由所述个体对于所述事实的引用的频率。

5.根据权利要求1所述的方法，其中确定所述事实对于所述个体的所述身份的所述重要性还包括：

针对所述个体的相应活动，确定所述个体的所述活动与所述事实的活动一致性；以及

在所述个体的所述活动中确定活动一致性频率。

6.根据权利要求1所述的方法，其中确定所述事实对于所述个体的所述身份的所述重要性还包括：

预测所述个体对于承认所述事实的敏感度；以及

在预测超过敏感度阈值的所述个体对于承认所述事实的所述敏感度时，丢弃关于所述个体的所述事实。

7.根据权利要求6所述的方法，其中预测所述个体对于承认所述事实的所述敏感度还包括：

确定所述个体的人口统计学特性；以及

针对包括展现所述人口统计学特性的个体的个体集合，确定所述个体集合中的所述个体对于承认所述事实的人口统计学敏感度；

根据与所述个体的所述人口统计学敏感度相关联的所述个体集合中的所述个体对于承认所述事实的所述人口统计学敏感度，来预测所述个体的所述敏感度。

8.根据权利要求1所述的方法，其中所述事实包括关于所述个体的推断；以及

确定所述事实的所述重要性还包括：确定所述事实描述所述个体的推断置信度。

9.根据权利要求8所述的方法，其中确定所述推断的所述推断置信度还包括：

向所述个体呈现关于所述事实的事实细节；以及

检测所述个体对于所述事实细节的个体兴趣。

10.根据权利要求8所述的方法，其中确定关于所述推断的所述推断置信度还包括：

呈现包括所述事实和至少一个备选事实的选项集合；以及

检测超过所述个体对于所述至少一个备选事实的个体兴趣的所述个体对于所述事实的所述个体兴趣。

11.一种管理个体的个体简档的服务器，所述服务器包括：处理器和存储有指令的存储器，所述指令当在所述处理器上执行时提供：

重要性评估器，其确定所述事实对于所述个体的所述身份的重要性，以及

个体简档管理器：

在所述重要性评估器确定所述事实对于所述个体的所述身份的所述重要性超过重要性阈值时，向所述个体简档添加所述事实；以及

当在所述检测时间的评估持续时间内无法向所述个体简档添加所述事实时，丢弃关于所述个体的所述事实。

12.根据权利要求11所述的服务器，其中所述个体简档管理器根据所述事实对于所述个体的所述身份的所述重要性的置信度来调整所述评估持续时间。

13.根据权利要求11所述的服务器，其中所述个体简档管理器在从所述个体接收到对于从所述个体简档中排除所选择的事实的请求时，从所述个体简档中排除所选择的所述事实。

14.根据权利要求11所述的服务器，其中所述个体简档管理器在从所述个体接收到事实的否认时，从所述个体简档中排除所选择的事实。

15.根据权利要求11所述的服务器，其中：

所述个体简档还包括事实限制；以及

所述个体简档管理器在确定所述个体简档包括超过所述事实限制的事实计数时，从所述个体简档中去除至少一个事实。

16.根据权利要求15所述的服务器，其中从所述个体简档中去除所述至少一个事实还包括：

在所述个体简档内标识所述个体简档的所述事实中的、对于所述个体的所述身份具有低重要性的低重要性事实；以及

从所述个体简档中去除所述低重要性事实。