CN107004370A - 上下文导出的行为建模和反馈 - Google Patents
上下文导出的行为建模和反馈 Download PDFInfo
- Publication number
- CN107004370A CN107004370A CN201580063391.4A CN201580063391A CN107004370A CN 107004370 A CN107004370 A CN 107004370A CN 201580063391 A CN201580063391 A CN 201580063391A CN 107004370 A CN107004370 A CN 107004370A
- Authority
- CN
- China
- Prior art keywords
- people
- behavior
- party
- sensor
- data
- 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
- 230000009471 action Effects 0.000 claims abstract description 68
- 230000003542 behavioural effect Effects 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 11
- 230000033001 locomotion Effects 0.000 claims description 10
- 230000004048 modification Effects 0.000 claims description 8
- 238000012986 modification Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 abstract description 11
- 230000006399 behavior Effects 0.000 description 92
- 238000004458 analytical method Methods 0.000 description 28
- 238000004891 communication Methods 0.000 description 13
- 230000000694 effects Effects 0.000 description 13
- 235000013305 food Nutrition 0.000 description 12
- 230000008859 change Effects 0.000 description 10
- 230000036541 health Effects 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 6
- 235000005686 eating Nutrition 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 239000000654 additive Substances 0.000 description 5
- 230000000996 additive effect Effects 0.000 description 5
- 235000005911 diet Nutrition 0.000 description 5
- 230000037213 diet Effects 0.000 description 5
- 235000012054 meals Nutrition 0.000 description 5
- 230000036651 mood Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 235000011299 Brassica oleracea var botrytis Nutrition 0.000 description 4
- 235000017647 Brassica oleracea var italica Nutrition 0.000 description 4
- 240000003259 Brassica oleracea var. botrytis Species 0.000 description 4
- 238000010411 cooking Methods 0.000 description 4
- 235000012631 food intake Nutrition 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 206010020751 Hypersensitivity Diseases 0.000 description 3
- 208000026935 allergic disease Diseases 0.000 description 3
- 230000007815 allergy Effects 0.000 description 3
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 235000001497 healthy food Nutrition 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001954 sterilising effect Effects 0.000 description 3
- 238000004659 sterilization and disinfection Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000008162 cooking oil Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000003981 vehicle Substances 0.000 description 2
- 244000000626 Daucus carota Species 0.000 description 1
- 235000002767 Daucus carota Nutrition 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 240000007817 Olea europaea Species 0.000 description 1
- 241000233855 Orchidaceae Species 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 241000209140 Triticum Species 0.000 description 1
- 235000021307 Triticum Nutrition 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 235000020980 bad eating habits Nutrition 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 235000006694 eating habits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000008921 facial expression Effects 0.000 description 1
- 235000015203 fruit juice Nutrition 0.000 description 1
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 235000009200 high fat diet Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 235000008935 nutritious Nutrition 0.000 description 1
- 239000004006 olive oil Substances 0.000 description 1
- 235000008390 olive oil Nutrition 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 235000013606 potato chips Nutrition 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009476 short term action Effects 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B5/00—Electrically-operated educational appliances
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Child & Adolescent Psychology (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Telephonic Communication Services (AREA)
Abstract
本文描述了用于上下文导出的行为建模和反馈的系统和技术。可以从存在于环境中的多个设备获得关于环境和人的数据集。多个设备可以包括传感器。可以基于数据集与行为模型的比较识别行为。可以生成用于处理行为的推荐动作。推荐动作可以被传达给受行为影响的至少一方。
Description
优先权要求
本专利申请要求享有于2014年12月22日提交的、美国专利申请号14/579,196的优先权的权益,其通过引用以其全文并入。
技术领域
本文描述的实施例通常涉及行为建模,更具体地涉及上下文导出的行为建模和反馈。
背景技术
通常在人们居住、工作或以其他方式使用的各个结构中发现诸如时钟、收音机、计算机、冰箱或其它电器的设备。更频繁地,这些设备包括参与诸如因特网的网络以共享和接收信息的能力。这种联网设备的集合可以被称为物联网(IoT)。
附图说明
在不一定按比例绘制的附图中,相似的数字可以在不同的视图中描述类似的部件。具有不同字母后缀的相似的数字可以表示类似组件的不同实例。附图通过举例而不是限制的方式总体示出本文档中讨论的各种实施例。
图1是根据实施例示出用于上下文导出的行为建模和反馈的系统的示例的框图。
图2是根据实施例示出用于上下文导出的行为建模和反馈的系统的示例的功能图。
图3是根据实施例示出用于上下文导出的行为建模和反馈的方法的示例的流程图。
图4是示出在其上可以实现一个或多个实施例的机器的示例的框图。
具体实施方式
诸如人或人群的实体可能希望修改其行为以实现期望的结果。例如,一个人可能想减肥。然而,可能难以确定需要修改的行为来实现减肥。例如,单独锻炼可以使一个人而不是另一个人减肥。可需要行为修改的组合来实现期望的结果。使问题更加复杂,许多有助于或损害期望结果实现的行为可能由于各自原因不会被感兴趣的各方观察到、不容易被认识到、或被忽视。这些原因中的某些可能包括在实体居住或使用的地方缺乏专门的观察设备(例如,安全摄像机等),对行为互动缺乏了解、或对共同活动的疏忽。如果他们能够找到相关数据,则从IoT设备收集的数据可以允许人们更容易地识别行为。
如上所述,IoT设备的流行度正在增加。IoT设备可以包含用于各种目的的各种传感器(例如,照相机、麦克风、全球定位系统(GPS)、遥测技术等),诸如电视机上的相机和麦克风允许视频会议。这些传感器中的许多传感器提供可用于观察人的环境信息。这种观察可以促进在环境中的实体(例如,人)的行为分析。这样的行为分析可以然后促进与实体的交互,例如帮助人评估其目标的实现(例如,通过正确进食和运动进行减肥)或供应商满足顾客需求(例如,通过根据家庭吃饭显示的口味偏好建议健康的菜单)。
与专用传感器网络(例如,诸如离散安全系统)相反,通常,一个IoT设备的传感器数据不足以为确定人的行为模式提供足够的信息。此外,若干设备可以捕获环境的离散部分,但是可能难以确定这些部分中的哪些部分与环境中的离散实体(例如,人)的行为相关。给定的数据集可以包括大量的数据元素,并且它们中的许多可能与人的目标无关。例如,人可能希望知道他们在给定的日子里走了多远。提供距离指示的数据可以包含在多个IoT设备的数据流中。在示例中,数据可以包含在来自智能电话中GPS传感器的数据流中的数据元素中,或者可以包含在来自同社交网站签到的数据流中的数据元素中。手动过滤这些数据可能是不切实际的。
可以采用行为分析引擎与IoT设备交互并创建包含与实体有关的相关数据的数据集。此数据集可用于识别实体行为,并提供感兴趣的各方,如实体、用于处理行为的推荐动作。例如,可能想减肥或者吃得更健康的人。行为分析引擎可以将初始数据集与包含给定行为属性的行为模型(例如,食物消费、身体活动、购买活动等)进行比较。与属性无关的数据元素可以被过滤掉,从而获得的过滤数据集仅包含相关数据。在该人想要减肥或者吃得更健康的例子中,描述准备饭的行为模型可以包含食物选择、烹饪、设备使用等的属性。例如,数据集可以包含对该人根据食谱选择并烹饪食物的观察,以及对该人聚集木材并在壁炉中生火的观察。关于收集木材和在壁炉中生火的数据将从数据集中过滤掉,而关于根据食谱选择和烹饪食物的数据将保留在数据集中。然后可以由行为分析引擎分析经过滤的数据以确定该人的行为。例如,所识别的行为可以是食物的选择。行为分析引擎可以推荐一种动作来处理行为。例如,该人可以选择培根脂肪作为烹饪油,并且行为分析引擎可以推荐选择橄榄油作为烹饪油以处理该行为。因此,该人可以在准备食物时优化他们的行为,例如减肥。在示例中,观察的数据集可以通过在行为分析引擎和人之间的可听交互(例如,问答)来扩大。人的反应(例如,经由语音识别)可以提供所观察活动的附加细节。例如,该人可以在炉子边烹饪,并且行为分析引擎可以大声问道:“你在烹饪什么?”“清炒西兰花”的回应给了该系统答案而无需复杂的视觉或化学分析。
图1是根据实施例示出用于上下文导出的行为建模和反馈的系统100的示例的框图。系统100可以包括结构105(例如,生活空间、休闲空间、工作空间等),其包括人110、多个IoT设备(例如,诸如炉子115和冰箱125的智能电器、婴儿监视器120、诸如电视机130的智能电器、或诸如沙发135的智能家具),其通信地耦合到网络145(例如,互联网)。多个IoT设备可以包括传感器(例如,成像传感器、音频传感器、部件故障传感器、遥测传感器,GPS传感器等)(未示出)。结构105还可以包括多个人140(例如,人110的朋友、人110的家庭等)。系统100可以利用人工智能技术(例如,专家系统、神经网络等)进行数据分析以及做出决策。在示例中,系统100可以包括多个复杂规则集,当应用于数据集时,可生成可以在决策过程中进一步使用的新的事实信息。例如,如果由系统100获取的数据集包括人110选择食物并使用炉子115,系统100的人工智能技术可以生成人110正在烹饪饭的新事实。
多个IoT设备可以位于整个结构105中,可以检测关于IoT设备如何被使用的数据,并且可以观察结构105、人110以及多个人140。
软件传感器可以存在于结构105的内部或外部,以与在线数据源接合,在线数据源(例如,零售商网站、搜索提供商,社交媒体网站等)包含关于人110或多个人140的在线活动(例如,购买、社交媒体交互、网络搜索查询等)的数据。所收集的数据可以指示该人110的和多个人140的活动、情绪以及多个IoT设备的使用模式。
如图所示,系统100可以包括数据采集电路集155,行为建模电路集160,动作推荐电路集170和通信电路集175。这些中的每个可以通信地耦合(例如,当在操作时,有线或无线地)到网络145。每个电路集可以单独地或组合地实现在一个或多个物理或虚拟机器(例如,物理服务器、在物理主机上运行的虚拟服务器、基于云的计算平台等)。
数据采集电路集155从存在于环境中的多个设备(例如,多个IoT设备)获得关于环境(例如,结构105)和人110的数据集。在示例中,环境包括生活区、工作区或娱乐区中的至少一个。例如,环境可以是人110居住的家或人110工作的办公综合楼。在示例中,多个设备包括传感器。在示例中,包括传感器的多个设备包括温度传感器、音频传感器、运动传感器或图像传感器中的至少一个。例如,冰箱125可以具有部件传感器(例如,光传感器、制冰机传感器、水过滤器传感器等)以及食物传感器(例如,成像传感器、RFID传感器等)。
在示例中,IoT设备可以包含软件传感器。从软件传感器收集的数据可以用于帮助人110的属性的检测。例如,检查社交媒体(例如,人110或其他人的文章)可以提供人110的情绪。在该示例中,人110可能已经在社交媒体网站上发布他们正在遇到糟糕的一天。在该示例中,社交媒体帖子可以与其他收集的情绪标记(例如,面部表情、肢体语言、生物特征等)组合,以例如确定人110是悲伤的。
从多个IoT设备中的软件传感器和传感器收集的数据可以包括IoT设备的使用模式的标记,该人110的活动和位置,相关的市场信息(例如,人110在哪里购物,人110使用哪种产品等),一年中的时间,天气,餐馆体验等。收集的数据可以包括关于多个IoT设备之一的健康的数据。
在示例中,人110是多个人140的一员,并且该数据集包括关于多个人140的数据。例如,人110可以是小孩,并且多个人140是一个家庭单元,该小孩是其成员。在示例中,多个人140由人110和多个人140之间的时间和接近关系确定。例如,多个人140可以是由多个人140在一段时间内共享结构105而确定的家庭单元。在示例中,人110可以是多个组的成员。在该示例中,多个群体可以尝试优化人110的行为以实现期望的结果。例如,父母离婚的孩子可以是每位父母的家庭单元的成员。
行为建模电路集160基于数据集与行为模型的比较来识别行为。在示例中,分析可以寻找可与行为模型(例如,购买行为模型、食物消费行为模型、活动行为模型等)进行比较的短期和长期行为模式。例如,可以通过分析数据来建立食物习惯模式(例如,夜晚进食,频繁吃大餐等)和饮食偏好(例如,吃高热量食物,吃高脂饮食等)的模式,该数据是由数据采集电路集155接收并针对具有与减肥相关联的属性的行为模型进行分析的。在该示例中,行为模型可包含若干属性,包括饮食限制和运动计划。饮食限制可以规定最大的净热量摄入量和包括更有营养或低热量成分的食谱。
在示例中,从与在线数据源有关系的软件传感器收集的数据的检查可以由行为建模电路集160分析以指示与在线活动相关的行为(例如,社交网络活动、撰写餐馆评论、进行搜索查询、创建日历条目或进行在线购买)。例如,人110的在线购买习惯(例如,通常从在线零售商A购买家庭用品)可以通过分析人110的在线活动而被识别为行为。
在示例中,行为建模电路集可以识别可促使行为改变的附加因素。例如,行为建模电路集160的分析可以识别指示人110行为中变化的附加因素(例如情绪,天气,一年中的时间等)。例如,人可以基于天气而改变食物消费习惯或身体活动。在该示例中,人110可以定期将蔬菜作为零食吃;然而,当下雨时,人110可以吃薯片。在该示例中,行为建模电路集160将天气识别为当识别人110的行为时的输入。
在示例中,由于人110选择采取一个接着另一个动作,行为可以被行为建模电路集160识别。例如,人110的家(例如,结构105)可以包含可连接到网络145的冰箱125,并且可以包括可以检测其水过滤系统中的水过滤器何时需要更换的传感器。行为建模电路集160的行为模型可以包含冰箱125的适当维护的属性。人110对冰箱125的使用以及指示水过滤器需要更换的数据可以使行为模型被选作针对人110的对适当维护电器的期望的匹配。该人110未能更换过滤器,而是观看电视机130,可被识别为行为。
在示例中,数据集的数据元素包括至少一个元数据元素,该元数据元素包含基于所识别的行为的数据元素的特性。在示例中,数据元素可以包括包含数据元素的客观和主观特性的元数据元素。例如,清洁产品可以包含诸如其消毒的标签的客观元数据元素,以及诸如人110对清洁产品的成分I过敏的标签主观元数据元素。
在人110是多个群体的成员的示例中,人110的行为可以在多个群体之间被跟踪。例如,一个孩子可能是两家的成员,孩子的行为可以在两家之间被跟踪。
动作推荐电路集170生成用于处理由行为建模电路集160识别的行为的推荐动作。例如,所识别的行为可能是人110正在吃不健康的食物。在示例中,可以生成推荐动作来建议人110吃西兰花以处理行为。在示例中,推荐动作至少部分地基于至少一个元数据元素。例如,所识别的行为可以是清洁厨房。在该示例中,清洁产品P可以具有“消毒”的元数据元素和“人110对清洁产品中的成分I过敏”的元数据元素。在此示例中,推荐动作可生成可以消毒的清洁解决方案列表。然而,清洁产品P可以基于人110对成分I的过敏而从列表中被过滤。
在示例中,生成推荐动作可以包括指示由行为建模电路集160识别的人110的行为的改变的附加因素。例如,在冬天使户外活动不太有吸引力的气候中,人110在冬天期间可能更久坐,并且由行动推荐电路集170生成的推荐动作可以是在本地购物中心散步或者参加当地的健身房。
在示例中,从软件传感器收集的信息可以用于改变由动作推荐电路集170生成的推荐动作。例如,响应于被识别为健康饮食的行为而生成的推荐动作可以是当人110在进餐期间离开家时用于光顾的当地的健康食品餐厅A和B的列表。然而,人110可能已经写下了对当地健康食品餐厅A的负面评价,因此可以从列表中过滤掉当地健康食品餐厅A。在示例中,推荐动作可以是完成人110未能完成的动作。例如,如果人110观看电视而不是更换冰箱125中的水过滤器,则可能生成更换过滤器的推荐动作。
通信电路集175将推荐动作传达给受行为影响的至少一方(例如,人110、多个人140、第三方等)。正如本文所使用的,受行为影响的一方是在行为中具有可识别利益的一方(例如,人、组织等)。这种可识别的利益可以包括诸如针对人110的供应商的商业利益、诸如关心人110的亲戚或朋友的人的利益、诸如人110的教师的教育利益等。例如,人110可以是诸如家庭单元或社会群体的群体(例如,多个人140)的成员。在示例中,人110的不良饮食习惯可能会影响社交或家庭群体的另一个成员养成不良的饮食习惯。在示例中,例如,吃西兰花的推荐动作可以传达给人110以及家庭单元的其他成员。在示例中,不同的推荐动作可以由动作推荐电路集170生成,并且由通信电路集175传达给群体中的每个成员,该通信电路集175可以专注于改变由行为建模电路集160检测到群体成员的个体行为以达到想要的结果。
在示例中,人110可以是多个群体的成员(例如,离婚父母的孩子),并且推荐动作可以被传达给每个群体的成员。例如,离婚父母的孩子可能是两个家庭单元的成员。在示例中,每个家庭单元的成员可能会收到吃更多的西兰花的推荐动作,来为孩子提供一致性。在示例中,推荐动作可以被传达到无线设备。例如,父母可以在智能手机上收到包括包含西兰花的成分列表和包含西兰花的食谱在内的消息。
在示例中,传达推荐动作包括将推荐动作传达给与人110(例如,买方/卖方,忠诚度计划提供商/成员,医疗保健提供者/患者等)有关系的第三方。例如,提醒购买灯泡的通信可以首先传达给家居用品店L,其中人110是家居用品店L的忠诚度计划的成员。在该示例中,通信电路集175接收来自于第三方的对通信的响应。例如,家居用品店L可以用从商店网站购买灯泡的网络链接来响应,或者可以用在商店内可以使用的灯泡优惠券进行响应。在示例中,该响应可以用于与人110或多个人140的进一步通信。例如,购买灯泡的提醒可以被修改以包括来自家居用品店L的网络链接或优惠券。
在示例中,传感器数据可以由通信电路集175传达给第三方。例如,包括食物库存传感器的冰箱125的库存可以被发送到杂货店。在该示例中,杂货商可以直接基于与该人的关系(例如,忠诚度计划成员、注册用户等)向人110制定针对产品的推荐或报价。在示例中,传感器数据可以被传达给基于人110和第三方之间的关系的第三方。例如,人110可以是杂货店C忠诚度计划的成员。在示例中,人110可能希望限制哪些第三方能够接收传感器数据或推荐动作以维护隐私。例如,不论与任何一家零售商的关系,人110可能希望允许家居用品店X而不是家居用品店Y来接收数据。在另一示例中,人110可能希望允许杂货店A而不是杂货店B接收数据,因为人110是杂货店A的忠诚度计划的成员。在另一示例中,人110可能想要与她的丈夫约翰而不是她的母亲琼分享数据。
在示例中,数据被聚合和匿名化。例如,可以将冰箱125以及库存的使用统计发送到制造冰箱125的第三方,而不包括人110的任何可识别信息,使得制造商可以对冰箱125进行产品改进。
在示例中,人110还可能希望指示与每个第三方共享哪些数据。在该示例中,人110可以定制被允许接收来自于通信电路集175的通信的每个第三方的隐私级别。例如,人110可能希望与约翰共享所有数据,但是仅是与家家居用品店X的推荐动作。
图2根据实施例示出了用于上下文导出的行为建模和反馈的系统200示例的功能图。系统200可以与图1所示的系统100类似地操作。因此,每个系统100、200中的组件可以执行关于系统100和200所描述的一种或多种技术。系统200可以包括智能冰箱205。系统200可以包括食物传感器210、部件传感器215以及提供传感器数据225的环境传感器220,其可以用作分析引擎230的输入。
分析引擎230可以基于从传感器数据225收集的数据的分析来输出反馈240。分析引擎230可以经由网络235(例如,因特网)通信地连接到IoT设备245(例如,智能电话、车载娱乐系统等)。分析引擎230可以经由网络235通信地连接到市场250(例如,在线零售商、设备制造商、医疗保健提供者等)。
智能冰箱205可以包括多个传感器,其包括部件传感器215(例如,光传感器、货架传感器、制冰机传感器、过滤器传感器等)、环境传感器220(例如,温度计、GPS、Wi-Fi等)或食物传感器210(例如,成像传感器、RFID传感器等)中的至少一个。多个传感器可用于观察关于智能冰箱205、人和环境(例如,智能冰箱205的操作健康,人的食物消耗以及由智能冰箱205观察到的食物的营养信息)的上下文信息。智能冰箱205可以包括连接到网络235的嵌入式计算设备。在示例中,计算设备包括用户界面(例如,智能冰箱205的门上的可触摸显示器)。在示例中,计算设备可以包括可以观察用户的在线活动、用户的设备使用模式,或用户的在线或设备相关的习惯的软件传感器。在示例中,分析引擎230可以在智能冰箱205中的计算设备中实现。
传感器数据225可以被从多个传感器收集,并且可以包括人或环境的观察,包括活动、情绪、位置,相关的市场信息、健康、天气、日期、时间、餐厅体验、日历条目,或其他上下文信息。可以为分析引擎230输入传感器数据225。
分析引擎230可以包括若干组件,诸如上文关于系统100所描述的数据采集电路集155、行为建模电路集160、动作推荐电路集170或通信电路集175中的一个或多个。分析引擎230可以使用传感器数据225从传感器数据225提取模式。分析引擎230可以基于提取的模式来输出反馈240。例如,反馈240可包括制冰机损坏、磷含量低、即将到来的周五派对需要果汁、胡萝卜在过去7天没有被消耗,可供考虑的替代食物列表,或新冰箱的小配件可用。在示例中,当输出反馈240时,分析引擎230可以与市场250通信。例如,反馈240可以包括“在在线零售商A处购买部件1234”或者“在在线零售商Z处购买新的小配件”。在示例中,分析引擎230可以考虑上下文信息(例如,疾病、日历条目、位置等)。例如,人可以是在具有IoT设备245(例如,车载娱乐系统)的车辆中,并且可以接收反馈240,反馈240包括:部分1234可以在距离5英里远的家居用品店L中购买到,或在IoT设备245的显示器上的针对要在杂货店C处购买的食品的杂货列表。在示例中,分析引擎230可以包括与市场250共享提取模式,以允许市场250参与者提取趋势并且基于消费者的需要向消费者提供促销。
图3根据实施例示出了用于上下文导出的行为建模和反馈的方法300的示例的流程图。
在操作305处,从环境中存在的多个设备获得关于环境和人的数据集。在示例中,多个设备包括传感器。在示例中,环境包括生活区、工作区或娱乐区中的至少一个。在示例中,多个设备中的至少一个设备是智能电器。在示例中,多个设备包括传感器,包括温度传感器、音频传感器、运动传感器或图像传感器中的至少一个。在示例中,IoT设备可包括软件传感器。在示例中,人是多个人中的成员,并且该数据集包括关于多个人的数据。在示例中,多个人是由人与多个人之间的时间和接近关系确定的。在示例中,人110可以是多个群体的成员。
在操作310处,基于数据集与行为模型的比较来识别行为。在示例中,该数据集的数据元素包括至少一个元数据元素,其包含基于所识别的行为的数据元素的特性。在示例中,该分析可以寻找行为的短期和长期模式。在示例中,行为模型包括指示行为的多个属性。在示例中,该数据集可以包括从指示在线活动的软件传感器收集的数据,并且至少部分地基于在线活动的指示来识别行为。在示例中,识别行为可以包括识别指示人的行为的改变的附加因素。在示例中,识别行为可以包括用户完成第一动作而非第二动作。
在操作315处,生成处理行为的推荐动作。在示例中,推荐动作至少部分地基于至少一个元数据元素。在示例中,推荐动作是推荐动作的列表。在示例中,推荐动作是提醒。在示例中,推荐动作是文本消息。在示例中,生成推荐动作可以包括分析指示对所识别行为的改变的所识别的附加因素。在示例中,生成推荐动作可以包括分析在线活动的指示。
在操作320处,将推荐动作传达给受行为影响的至少一方。在示例中,传达推荐动作包括将推荐动作传达给与该人有关系的第三方。在该示例中,接收来自于第三方对该传达的响应,并且基于该响应来修改传达给受行为影响的至少一方的推荐。在示例中,来自传感器的数据可以被传达给第三方。在示例中,来自传感器的数据可以被传达给与该人有关系的第三方。在示例中,来自传感器的数据可以在被传达到第三方之前被匿名化并且被聚合。在示例中,推荐动作可以被传达给多个人。在示例中,推荐动作可以被传达给多个群体。在示例中,该人可以限制发送给第三方的通信。在示例中,隐私控制列表可以被维护以确定传达给第三方的数据。
图4示出了示例性机器400的框图,在示例性机器400上可以执行本文所讨论的任何一种或多种技术(例如,方法)。在替代实施例中,机器400可以作为独立的设备操作或者可以连接(例如,联网)到其它机器。在联网的部署中,机器400可以在服务器-客户端网络环境中作为服务器机器、客户端机器或两者操作。在示例中,机器400可以在对等(P2P)(或其它分布式)网络环境中充当对等机器。机器400可以是个人计算机(PC)、平板PC、机顶盒(STB)、个人数字助理(PDA)、移动电话、网络设备、网络路由器、交换机或网桥、或能够执行指定将由该机器采取的动作的指令(顺序的或以其它方式)的任何机器。此外,虽然仅单个机器被示出,但是术语“机器”还应被理解为包括机器的任何集合,其单独地或共同地执行指令集(或多个集合),以执行本文所讨论的任何一个或多个方法(诸如云计算、软件即服务(SaaS)、其它计算机群集配置)。
如本文所描述的示例可以包括逻辑或许多组件或机制,或可以由逻辑或许多组件或机制操作。电路集是在包括硬件(例如,简单电路、门、逻辑等)的有形实体中实现的电路的集合。电路集成员资格可能随着时间和底层硬件可变性而变通。电路集包括可以在运行时单独或组合执行指定操作的成员。在示例中,电路集的硬件可以被不变地设计成执行特定的操作(例如,硬连线)。在示例中,电路集的硬件可以包括可变地连接的物理组件(例如,执行单元、晶体管、简单电路等),其包括物理地修改(例如,磁、电、可移动放置不变的大规模的粒子等)的机器可读介质,以编码特定操作的指令。在连接物理组件时,硬件成分的底层的电气属性例如从绝缘体变为导体,反之亦然。该指令使得嵌入式硬件(例如,执行单元或加载机构)能够经由可变连接来创建硬件中的电路集的成员,以在操作时执行特定操作的一部分。因此,当设备运行时,机器可读介质通信地耦合到电路集成员的其它组件。在示例中,物理组件中的任何一个可以用于多于一个电路集的多于一个的成员中。例如,在运行中,执行单元可以用于适时地在一点处的第一电路集的第一电路中,并由该第一电路集中的第二电路重新使用,或者由不同时间的第二电路集中的第三电路重新使用。
机器(例如,计算机系统)400可以包括硬件处理器402(例如,中央处理单元(CPU)、图形处理单元(GPU)、硬件处理器核或它们的任意组合),主存储器404和静态存储器406,其中的一些或全部可以经由互连(例如,总线)408彼此通信。机器400还可以包括显示单元410、字母数字输入设备412(例如,键盘)和用户接口(UI)导航设备414(例如,鼠标)。在示例中,显示单元410、输入设备412和UI导航设备414可以是触摸屏显示器。机器400还可以包括大容量存储设备(例如,驱动单元)416、信号生成设备418(例如,扬声器)、网络接口设备420以及一个或多个传感器421,诸如全球定位系统(GPS)传感器、指南针、加速计或其它传感器。机器400可以包括输出控制器428,诸如串行(例如,通用串行总线(USB))、并行或其它有线或无线(例如,红外(IR)、近场通信(NFC)等)连接,来传达或控制一个或多个外围设备(例如,打印机、读卡器等)。
大容量存储设备416可以包括机器可读介质422,在其上存储一个或多个数据结构集或指令424(例如,软件),其体现为本文所描述的任何一种或多种技术或功能或被本文所描述的任何一种或多种技术或功能利用。在由机器400执行期间,指令424还可以完全地或至少部分地驻留在主存储器404内,在静态存储器406内,或在硬件处理器402内。在示例中,硬件处理器402、主存储器404、静态存储器406或存储设备416中的一个或任何组合可以构成机器可读介质。
虽然机器可读介质422被示出为单个介质,但是术语“机器可读介质”可以包括单个介质或多个介质(例如,集中式或分布式数据库和/或相关联的高速缓存和服务器),其被配置为存储一个或多个指令424。
术语“机器可读介质”可以包括能够存储、编码或携带由机器400执行的指令并使机器400执行本公开的任何一种或多种技术,或者能够存储、编码或携带由这些指令使用或与这些指令相关联的数据结构的任何介质。非限制性机器可读介质示例可以包括固态存储器以及光学和磁性介质。在示例中,大规模的机器可读介质包括具有多个粒子的机器可读介质,该多个粒子具有不变的(例如,静止)质量。因此,大规模的机器可读介质不是暂时的传播信号。大规模的机器可读介质的特定示例可以包括:非易失性存储器,诸如半导体存储器设备(例如,电可编程只读存储器(EPROM)、电可擦除可编程只读存储器(EEPROM))和闪存设备;磁盘,诸如内部硬盘和可移除盘;磁光盘;以及CD-ROM和DVD-ROM盘。
指令424还可以经由网络接口设备420使用传输介质在通信网络426上发送或接收,该网络接口设备420利用多个传输协议(例如,帧中继、互联网协议(IP)、传输控制协议(TCP)、用户数据报协议(UDP)、超文本传输协议(HTTP)等)中的任何一个。示例性通信网络可以包括局域网(LAN)、广域网(WAN)、分组数据网络(例如,互联网)、移动电话网络(例如,蜂窝网络)、普通老式电话(POTS)网络以及无线数据网络(例如,称为的电气和电子工程师协会(IEEE)802.11标准系列、被称为的IEEE 802.16标准系列)、IEEE802.15.4标准系列、对等(P2P)网络等。在示例中,网络接口设备420可以包括一个或多个物理插口(例如,以太网、同轴或电话插口)或一个或多个天线,以连接到通信网络426。在示例中,网络接口设备420可以包括多个天线,以使用单输入多输出(SIMO)、多输入多输出(MIMO)或多输入单输出(MISO)技术中的至少一个进行无线通信。术语“传输介质”应被视为包括能够存储、编码或携带由机器400执行的指令424的任何无形介质,并且包括数字或模拟通信信号或其它无形介质,以促进这样的软件的通信。
附加注释和示例
示例1包括主题(诸如设备、装置或机器),包括:数据采集电路集,用于从存在于环境中的多个设备获得关于环境和人的数据集,多个设备包括传感器;行为建模电路集,用于基于数据集与行为模型的比较以识别行为;动作推荐电路集,用于生成用于处理行为的推荐动作;以及通信电路集,用于将推荐动作传达给受行为影响的至少一方。
在示例2中,示例1的主题可以包括,其中,数据集的数据元素包括至少一个元数据元素,至少一个元数据元素含有基于所识别的行为的数据元素的特性。
在示例3中,示例2的主题可以包括,其中,推荐动作至少部分地基于至少一个元数据元素。
在示例4中,示例1至3中任一项的主题可以包括,其中,人是多个人的成员,并且数据集包括关于多个人的数据。
在示例5中,示例4的主题可以包括,其中,由人和多个人之间的时间和接近关系确定多个人。
在示例6中,示例1至5中任一项的主题可以包括,其中,包括传感器的多个设备包括温度传感器、音频传感器、运动传感器或图像传感器中的至少一个。
在示例7中,示例1至6中任一项的主题可以包括,其中,环境包括生活区、工作区或娱乐区中的至少一个。
在示例8中,示例1至7中任一项的主题可以包括,其中,为了传达推荐动作,包括通信电路集用于:将推荐动作传达给第三方,其中,第三方和人具有关系;接收来自于第三方对于该传达的响应;并基于响应,修改传达给受行为影响的至少一方的推荐动作。
示例9包括主题(例如,方法、用于执行动作的单元、包括当由机器执行时,使得机器执行动作的指令的机器可读介质,或用于执行的装置),包括:经由收发器从存在于环境中的多个设备获得关于环境和人的数据集,多个设备包括传感器;基于数据集与行为模型的比较以识别行为;生成推荐动作以处理行为;将推荐动作传达给受行为影响的至少一方。
在示例10中,示例9的主题可以包括,其中,数据集的数据元素包括至少一个元数据元素,至少一个元数据元素含有基于所识别的行为的数据元素的特性。
在示例11中,示例10的主题可以包括,其中,推荐动作至少部分地基于至少一个元数据元素。
在示例12中,示例9至11中任一项的主题可包括,其中,人是多个人的成员并且该数据集包括关于多个人的数据。
在示例13中,示例12的主题可以包括,其中,由人和多个人之间的时间和接近关系确定多个人。
在示例14中,示例9至13中任一项的主题可以包括,其中,包括传感器的多个设备包括温度传感器、音频传感器、运动传感器或图像传感器中的至少一个。
在示例15中,示例9至14中任一项的主题可以包括,其中,所述环境包括生活区、工作区或娱乐区中的至少一个。
在示例16中,示例9至15中任一项的主题可以包括,其中,传达推荐动作包括:将推荐动作传达给第三方,其中,第三方和该人有关系;接收来自于第三方对于该传达的响应;以及基于响应,修改传达给受行为影响的至少一方的推荐动作。
示例17可以包括,或可选择地与示例1-16中任一项的主题组合以包括主题(例如,用于上下文导出的行为建模和反馈的设备、装置或系统),包括至少一种包括指令的机器可读介质,当由机器执行时,该指令使机器执行示例9-16中任一示例。
示例18可以包括,或可选择地与示例1-17中任一项的主题组合以包括主题(例如用于上下文导出的行为建模和反馈的设备、装置或系统),包括系统,其包括用于执行示例9-16中的任一示例的单元。
示例19包括主题(例如设备、装置或机器),其包括:用于从存在于该环境中的多个设备获得关于环境和人的数据集的接收单元,多个设备包括传感器;用于基于数据集与行为模型的比较来识别行为的行为建模单元;用于生成处理行为的推荐动作的推荐单元;以及用于将推荐动作传达给受行为影响的至少一方的通信单元。
在示例20中,示例19的主题可以包括,其中,数据集的数据元素包括至少一个元数据元素,其含有基于所识别的行为的数据元素的特性。
在示例21中,示例20的主题可以包括,其中,推荐动作至少部分地基于至少一个元数据元素。
在示例22中,示例19至21的任一项的主题可以包括,其中,人是多个人的成员,并且数据集包括关于多个人的数据。
在示例23中,示例22的主题可以包括,其中,人和多个人之间的时间和接近关系确定多个人。
在示例24中,示例19至23的任一项的主题可以包括,其中,包括传感器的多个设备包括温度传感器、音频传感器、运动传感器或图像传感器中的至少一个。
在示例25中,示例19至24的任一项的主题可以包括,其中,环境包括生活区、工作区或娱乐区中的至少一个。
在示例26中,示例19至25的任一项的主题可包括,其中,传达推荐动作包括通信单元用于:将推荐动作传达给第三方,其中,第三方和人具有关系;接收来自于第三方对于该传达的响应;并基于响应,修改传达给受行为影响的至少一方的推荐动作。
上面的详细描述包括对附图的引用,附图形成详细描述的一部分。附图以说明方式示出了可以被实践的具体实施例。这些实施例在本文中也被称为“示例”。这样的示例可以包括除了所示出或所描述的元素之外的元素。然而,本发明人还考虑了仅提供示出或描述的那些元素的示例。此外,本发明人还考虑了参照特定示例(或其一个或多个方面)或参照本文示出或描述的其它示例(或其一个或多个方面),使用所示或所描述的那些元素的任意组合或排列的示例(或其一个或多个方面)。
在本文档中,专利文献中常用的术语“一”被使用以包括一个或多于一个,独立于“至少一个”或“一个或多个”的任何其它实例或使用。在本文档中,术语“或”用于指代无排它性的或,使得“A或B”包括“A但不是B”、“B但不是A”以及“A和B”,除非另有说明。在所附权利要求中,术语“包括(including)”和“其中(in which)”被用作相应术语“包括(comprising)”和“其中(wherein)”的简明英文等同词。此外,在以下权利要求中,术语“包括(including)”和“包括(comprising)”是开放式的,换而言之,系统、设备、物品或过程包括除了权利要求中的该术语之后列出的那些的元素,其仍被认为落入该权利要求的范围内。此外,在以下的权利要求中,术语“第一”、“第二”和“第三”等仅用作标签,并不意图对其对象施加数字要求。
上面的描述意图是说明性的而不是限制性的。例如,上面描述的示例(或其一个或多个方面)可以彼此组合使用。可以使用(例如本领域普通技术人员在阅读上面的描述之后)其它示例。摘要允许读者快速地确定技术公开的性质,并就以下理解而提出:它不会用于解释或限制权利要求的范围或含义。另外,在上面的具体实施方式中,各种特征可以被组合在一起以简化本公开。这不应被解释为意图非要求保护的公开特征对于任何权利要求都是必要的。相反,发明的主题可以在于比特定公开的实施例的所有特征少。因此,以下权利要求在此并入具体实施方式中,其中每个权利要求其自身作为分开的实施例。实施例的范围应当参照所附权利要求以及这些权利要求所赋予的等同物的全部范围来确定。
Claims (24)
1.一种用于上下文导出的行为建模和反馈的系统,所述系统包括:
数据采集电路集,用于从存在于环境中的多个设备获得关于所述环境和人的数据集,所述多个设备包括传感器;
行为建模电路集,用于基于所述数据集与行为模型的比较以识别行为;
动作推荐电路集,用于生成用于处理所述行为的推荐动作;以及
通信电路集,用于将所述推荐动作传达给受所述行为影响的至少一方。
2.根据权利要求1所述的系统,其中,所述数据集的数据元素包括至少一个元数据元素,所述至少一个元数据元素含有基于所识别的行为的所述数据元素的特性。
3.根据权利要求2所述的系统,其中,所述推荐动作至少部分地基于所述至少一个元数据元素。
4.根据权利要求1所述的系统,其中,所述人是多个人的成员,并且所述数据集包括关于所述多个人的数据。
5.根据权利要求4所述的系统,其中,由所述人与所述多个人之间的时间和接近关系确定所述多个人。
6.根据权利要求1所述的系统,其中,包括传感器的所述多个设备包括温度传感器、音频传感器、运动传感器或图像传感器中的至少一个。
7.根据权利要求1所述的系统,其中,所述环境包括生活区、工作区或娱乐区中的至少一个。
8.根据权利要求1-7中任一项所述的系统,其中,传达所述推荐动作包括所述通信电路集执行以下操作:
将所述推荐动作传达给第三方,其中所述第三方与所述人具有关系;
接收来自于所述第三方对于该传达的响应;以及
基于所述响应,修改传达给受所述行为影响的所述至少一方的所述推荐动作。
9.一种用于上下文导出的行为建模和反馈的方法,所述方法包括:
经由收发器从存在于环境中的多个设备获得关于所述环境和人的数据集,所述多个设备包括传感器;
基于所述数据集与行为模型的比较来识别行为;
生成用于处理所述行为的推荐动作;以及
将所述推荐动作传达给受所述行为影响的至少一方。
10.根据权利要求9所述的方法,其中,所述数据集的数据元素包括至少一个元数据元素,所述至少一个元数据元素含有基于所识别的行为的所述数据元素的特性。
11.根据权利要求10所述的方法,其中,所述推荐动作至少部分地基于所述至少一个元数据元素。
12.根据权利要求9所述的方法,其中,所述人是多个人的成员,并且所述数据集包括关于所述多个人的数据。
13.根据权利要求12所述的方法,其中,由所述人与所述多个人之间的时间和接近关系确定所述多个人。
14.根据权利要求9所述的方法,其中,包括传感器的所述多个设备包括温度传感器、音频传感器、运动传感器或图像传感器中的至少一个。
15.根据权利要求9所述的方法,其中,所述环境包括生活区、工作区或娱乐区中的至少一个。
16.根据权利要求9-15中任一项所述的方法,其中,传达所述推荐动作包括:
将所述推荐动作传达给第三方,其中,所述第三方与所述人具有关系;
接收来自于所述第三方对于该传达的响应;以及
基于所述响应,修改传达给受所述行为影响的所述至少一方的所述推荐动作。
17.至少一种包括指令的机器可读介质,所述指令由机器执行时使得所述机器执行的操作包括:
经由收发器从存在于环境中的多个设备获得关于所述环境和人的数据集,所述多个设备包括传感器;
基于所述数据集与行为模型的比较来识别行为;
生成用于处理所述行为的推荐动作;以及
将所述推荐动作传达给受所述行为影响的至少一方。
18.根据权利要求17所述的至少一种机器可读介质,其中,所述数据集的数据元素包括至少一个元数据元素,所述至少一个元数据元素含有基于所识别的行为的所述数据元素的特性。
19.根据权利要求18所述的至少一种机器可读介质,其中,所述推荐动作至少部分地基于所述至少一个元数据元素。
20.根据权利要求17所述的至少一种机器可读介质,其中,所述人是多个人的成员,并且所述数据集包括关于所述多个人的数据。
21.根据权利要求20所述的至少一种机器可读介质,其中,由所述人与所述多个人之间的时间和接近关系确定所述多个人。
22.根据权利要求17所述的至少一种机器可读介质,其中,包括传感器的所述多个设备包括温度传感器、音频传感器、运动传感器或图像传感器中的至少一个。
23.根据权利要求17所述的至少一种机器可读介质,其中,所述环境包括生活区、工作区或娱乐区中的至少一个。
24.根据权利要求17-23中任一项所述的至少一种机器可读介质,其中,传达所述推荐动作包括:
将所述推荐动作传达给第三方,其中所述第三方与所述人具有关系;
接收来自于所述第三方对于该传达的响应;以及
基于所述响应,修改传达给受所述行为影响的所述至少一方的所述推荐动作。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/579,196 US20160180723A1 (en) | 2014-12-22 | 2014-12-22 | Context derived behavior modeling and feedback |
US14/579,196 | 2014-12-22 | ||
PCT/US2015/063222 WO2016105883A1 (en) | 2014-12-22 | 2015-12-01 | Context derived behavior modeling and feedback |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107004370A true CN107004370A (zh) | 2017-08-01 |
CN107004370B CN107004370B (zh) | 2020-08-21 |
Family
ID=56130107
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201580063391.4A Active CN107004370B (zh) | 2014-12-22 | 2015-12-01 | 上下文导出的行为建模和反馈 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20160180723A1 (zh) |
EP (1) | EP3238168A4 (zh) |
CN (1) | CN107004370B (zh) |
WO (1) | WO2016105883A1 (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016128862A1 (en) * | 2015-02-09 | 2016-08-18 | Koninklijke Philips N.V. | Sequence of contexts wearable |
US10135777B2 (en) | 2015-05-27 | 2018-11-20 | International Business Machines Corporation | Leveraging an internet of things to initiate a physical object to perform a specific act that enhances an interaction of a user with the physical object |
US20170011641A1 (en) * | 2015-07-07 | 2017-01-12 | Fujitsu Limited | Directive determination for behavior encouragement |
US10699595B2 (en) * | 2015-08-07 | 2020-06-30 | International Business Machines Corporation | Monitoring and status detection for consumable items |
US11128709B2 (en) * | 2015-12-15 | 2021-09-21 | At&T Intellectual Property I, L.P. | Method and apparatus for receiving nutritional information via a network |
US11010812B2 (en) * | 2016-03-14 | 2021-05-18 | International Business Machines Corporation | Smart device recommendations |
WO2017181103A1 (en) * | 2016-04-14 | 2017-10-19 | Motiv8 Technologies, Inc. | Behavior change system |
US20180249735A1 (en) * | 2017-03-06 | 2018-09-06 | Jeffrey S. Melcher | Appliance network with a smart control, host multi-function and external appliance with food containers and methods |
US10275451B2 (en) | 2017-07-11 | 2019-04-30 | International Business Machines Corporation | Counterintuitive recommendations based upon temporary conditions |
US11308540B2 (en) | 2017-07-11 | 2022-04-19 | International Business Machines Corporation | Real time recommendation engine |
US11100535B2 (en) | 2017-07-11 | 2021-08-24 | International Business Machines Corporation | Group recommendations based on external factors |
US10747968B2 (en) | 2017-11-22 | 2020-08-18 | Jeffrey S. Melcher | Wireless device and selective user control and management of a wireless device and data |
US11868405B2 (en) * | 2018-01-23 | 2024-01-09 | Sony Corporation | Information processor, information processing method, and recording medium |
US20200357504A1 (en) * | 2018-01-23 | 2020-11-12 | Sony Corporation | Information processing apparatus, information processing method, and recording medium |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010040591A1 (en) * | 1998-12-18 | 2001-11-15 | Abbott Kenneth H. | Thematic response to a computer user's context, such as by a wearable personal computer |
CN1340785A (zh) * | 2000-09-01 | 2002-03-20 | 国际商业机器公司 | 以一个平行坐标系可视地分析点击流数据的系统与方法 |
US20090077007A1 (en) * | 2007-09-18 | 2009-03-19 | Sensei, Inc. | Method and system for suggesting meals based on tastes and preferences of individual users |
CN101488968A (zh) * | 2008-01-15 | 2009-07-22 | 北京标比传媒科技有限公司 | 一种移动通信网络中信息推送的方法和系统 |
US20120185338A1 (en) * | 2004-10-29 | 2012-07-19 | American Express Travel Related Services Company, Inc. | Estimating the spend capacity of consumer households |
US20120278104A1 (en) * | 2006-07-17 | 2012-11-01 | Bryan James Traughber | Method and system for advanced patient communication |
US20130024211A1 (en) * | 2009-04-09 | 2013-01-24 | Access Mobility, Inc. | Active learning and advanced relationship marketing and health interventions |
CN102968416A (zh) * | 2011-09-01 | 2013-03-13 | 佳能株式会社 | 基于用户意图识别执行推荐的设备和方法 |
CN103246448A (zh) * | 2013-04-03 | 2013-08-14 | 深圳Tcl新技术有限公司 | 获取用户的身份进行交互的交互方法及遥控装置 |
US20130257626A1 (en) * | 2012-03-28 | 2013-10-03 | Sony Corporation | Building management system with privacy-guarded assistance mechanism and method of operation thereof |
US20130304869A1 (en) * | 2012-05-14 | 2013-11-14 | Qualcomm Incorporated | Communicating Behavior Information in a Mobile Computing Device |
WO2014055939A1 (en) * | 2012-10-04 | 2014-04-10 | Huawei Technologies Co., Ltd. | User behavior modeling for intelligent mobile companions |
CN103886074A (zh) * | 2014-03-24 | 2014-06-25 | 江苏名通信息科技有限公司 | 基于社交媒体的商品推荐系统 |
US20140223467A1 (en) * | 2013-02-05 | 2014-08-07 | Microsoft Corporation | Providing recommendations based upon environmental sensing |
US20140316582A1 (en) * | 2010-09-02 | 2014-10-23 | Anker Berg-Sonne | Automated Facilities Management System having Occupant Relative Feedback |
-
2014
- 2014-12-22 US US14/579,196 patent/US20160180723A1/en not_active Abandoned
-
2015
- 2015-12-01 EP EP15874072.0A patent/EP3238168A4/en not_active Withdrawn
- 2015-12-01 WO PCT/US2015/063222 patent/WO2016105883A1/en active Application Filing
- 2015-12-01 CN CN201580063391.4A patent/CN107004370B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20010040591A1 (en) * | 1998-12-18 | 2001-11-15 | Abbott Kenneth H. | Thematic response to a computer user's context, such as by a wearable personal computer |
CN1340785A (zh) * | 2000-09-01 | 2002-03-20 | 国际商业机器公司 | 以一个平行坐标系可视地分析点击流数据的系统与方法 |
US20120185338A1 (en) * | 2004-10-29 | 2012-07-19 | American Express Travel Related Services Company, Inc. | Estimating the spend capacity of consumer households |
US20120278104A1 (en) * | 2006-07-17 | 2012-11-01 | Bryan James Traughber | Method and system for advanced patient communication |
US20090077007A1 (en) * | 2007-09-18 | 2009-03-19 | Sensei, Inc. | Method and system for suggesting meals based on tastes and preferences of individual users |
CN101488968A (zh) * | 2008-01-15 | 2009-07-22 | 北京标比传媒科技有限公司 | 一种移动通信网络中信息推送的方法和系统 |
US20130024211A1 (en) * | 2009-04-09 | 2013-01-24 | Access Mobility, Inc. | Active learning and advanced relationship marketing and health interventions |
US20140316582A1 (en) * | 2010-09-02 | 2014-10-23 | Anker Berg-Sonne | Automated Facilities Management System having Occupant Relative Feedback |
CN102968416A (zh) * | 2011-09-01 | 2013-03-13 | 佳能株式会社 | 基于用户意图识别执行推荐的设备和方法 |
US20130257626A1 (en) * | 2012-03-28 | 2013-10-03 | Sony Corporation | Building management system with privacy-guarded assistance mechanism and method of operation thereof |
US20130304869A1 (en) * | 2012-05-14 | 2013-11-14 | Qualcomm Incorporated | Communicating Behavior Information in a Mobile Computing Device |
WO2014055939A1 (en) * | 2012-10-04 | 2014-04-10 | Huawei Technologies Co., Ltd. | User behavior modeling for intelligent mobile companions |
US20140223467A1 (en) * | 2013-02-05 | 2014-08-07 | Microsoft Corporation | Providing recommendations based upon environmental sensing |
CN103246448A (zh) * | 2013-04-03 | 2013-08-14 | 深圳Tcl新技术有限公司 | 获取用户的身份进行交互的交互方法及遥控装置 |
CN103886074A (zh) * | 2014-03-24 | 2014-06-25 | 江苏名通信息科技有限公司 | 基于社交媒体的商品推荐系统 |
Also Published As
Publication number | Publication date |
---|---|
US20160180723A1 (en) | 2016-06-23 |
WO2016105883A1 (en) | 2016-06-30 |
EP3238168A4 (en) | 2018-07-11 |
EP3238168A1 (en) | 2017-11-01 |
CN107004370B (zh) | 2020-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107004370A (zh) | 上下文导出的行为建模和反馈 | |
US11481652B2 (en) | System and method for recommendations in ubiquituous computing environments | |
Lewis | Digital food: from paddock to platform | |
CN105393272B (zh) | 基于用户物联网环境的实时上下文知悉式推荐引擎 | |
Lupton | Cooking, eating, uploading: Digital food cultures | |
Miller | The internet of things: How smart TVs, smart cars, smart homes, and smart cities are changing the world | |
CN105205089B (zh) | 账户推荐 | |
Blasco et al. | A smart kitchen for ambient assisted living | |
Yu et al. | The effect of quality attributes on visiting consumers’ patronage intentions of green restaurants | |
US20170237899A1 (en) | Systems and methods for automatically varying privacy settings of wearable camera systems | |
Gibson et al. | Make good choices, kid: biopolitics of children's bodies and school lunch reform in Jamie Oliver's Food Revolution | |
US20150248651A1 (en) | Social networking event planning | |
US20170300936A1 (en) | Systems and methods for assessing purchase opportunities | |
US20140379426A1 (en) | System and method for providing automated clothing fashion recommendations | |
CN106462825A (zh) | 数据网格平台 | |
CA3043181A1 (en) | Enterprise-accessible customer locker | |
KR20130099240A (ko) | 컴퓨팅 어드바이스 수단에서의 흥미도 추천 | |
JP2014510323A (ja) | コンピューティングアドバイスファシリティにおける地理的に局在化した推薦 | |
JP2019502220A (ja) | 料理コンデンツ提供システム及び提供方法 | |
Perera | Sensing as a service for internet of things: A roadmap | |
US20200315322A1 (en) | Beauty product creation platform | |
Ramos et al. | SDHAR-HOME: A sensor dataset for human activity recognition at home | |
KR102453378B1 (ko) | 마이크로 데이터 기반 인공 지능 개인화 메뉴 추천 시스템 | |
US20130260681A1 (en) | Amulet - An Intelligent Fashion Piece | |
Castro et al. | Less Is More: Preventing Household Food Waste through an Integrated Mobile Application |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |