CN110651251B - 用于自适应用户界面的系统和方法 - Google Patents
用于自适应用户界面的系统和方法 Download PDFInfo
- Publication number
- CN110651251B CN110651251B CN201780090992.3A CN201780090992A CN110651251B CN 110651251 B CN110651251 B CN 110651251B CN 201780090992 A CN201780090992 A CN 201780090992A CN 110651251 B CN110651251 B CN 110651251B
- Authority
- CN
- China
- Prior art keywords
- user
- user interface
- interface
- nodes
- input
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/0482—Interaction with lists of selectable items, e.g. menus
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
- G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提出了用于调整用户界面的方法和系统。根据某些实施方案,基于软件应用程序的使用情况和其他所检测的因素来确定用户体验级别。至少部分地基于所述用户体验级别来调整用户界面,以便为所述自适应用户界面的所述用户提供改善的体验。
Description
技术领域
本文所公开的主题整体涉及具有用户界面(“UI”)的软件和硬件系统,并且更具体地涉及自适应用户界面。
背景技术
计算机硬件系统已变得越来越强大和复杂。计算机硬件系统上运行的软件应用程序类似地已在复杂性和特征方面增加。在发布软件的每个新版本时,其设计者都被鼓励提供越来越多的能为客户带来附加值的特征。此外,诸如例如电影、艺术或医疗行业中的复杂任务和问题需要复杂的软件能力。因此,软件应用程序的用户界面很难在不令人感到困惑或难以应对的情况下提供显示供选择的各种选项的易于理解和导航的界面之间找到良好平衡。
计算机软件应用程序的用户的能力越来越多样化。一些用户是所有软件的熟练用户并且知道如何浏览各种菜单、按钮、工具栏和界面特征以学习新用户界面。一些用户虽是熟练用户,但仅涉足单个软件应用程序或应用程序套件。一些用户对软件应用程序不熟悉,但经过适当培训后可变得熟练。一些用户不喜欢被迫学习任何新软件,但更喜欢了解一些特征并使用这些特征,而不是变得对整个软件更熟练。一些用户总体上不喜欢软件,并且希望工具完成大多数选择而不必由其直接输入。一些用户更喜欢或仅可使用特定输入类型或范例,例如仅喜欢语音输入并规避键盘输入。并且存在许多其他用户类型。可能出现的问题是用户界面无法支持可能遇到的形形色色的用户。
用户界面设计者通常没有良好的工具来理解其软件用户如何使用软件以及如何自动地改进用户界面以使用户时间最大化并减少用户烦恼。在诸如医疗行业的背景中,在软件中耗费更少时间诊断问题或查找特定信息甚至可拯救生命并且改善大部分人口的医疗状况。用于增进对用户如何利用用户界面的理解并自动地提出改进的用户界面设计的系统和方法对于用户界面设计者以及软件应用程序用户将非常有用。
发明内容
根据一个实施方案,提供了用于自适应用户界面的系统,该系统可包括用户界面输出部件,该用户界面输出部件向至少一个输出设备输出第一用户界面;输入设备,该输入设备从与第一用户界面交互的用户接收输入用户动作;输入跟踪部件,该输入跟踪部件寄存从输入设备接收到的用户动作;用户体验确定部件,该用户体验确定部件确定用户的用户体验级别;用户体验学习部件,该用户体验学习部件基于至少所寄存的用户动作来执行用户的下一预期动作的预测;用户界面自适应部件,该用户界面自适应部件基于用户体验级别和下一预期动作的预测来生成经调整的用户界面;其中用户界面输出部件输出经调整的用户界面。用户体验级别可由用户的直接选择确定。用户体验级别可由当前会话用户交互历史、检索的过往会话用户交互历史和用户简档信息确定。用户简档信息可包括职称、软件访问级别、参加的相关培训课程和位置中的至少一者。
此外,经调整的用户界面可在与第一用户界面不同的用户界面范例中输出。用户体验学习部件可应用机器学习、深度学习或神经网络中的至少一者来分析所寄存的用户动作并且执行下一预期动作的预测。经调整的用户界面可具有比第一用户界面少的用户界面按钮。经调整的用户界面可具有比第一用户界面多的用户界面按钮。经调整的用户界面可提供与下一预测的用户动作相关的提示。该系统还包括动作自动化部件,该动作自动化部件确定下一预期动作的预测是否为容易恢复且对用户有明显效果的动作;并且如果是这样,则使下一动作自动化,使得该系统在不需要显式用户输入的情况下执行该动作。
根据一个实施方案,提供了用于自适应用户界面的方法,该方法可包括以下步骤:向用户输出第一用户界面;从与第一用户界面交互的用户接收输入动作;记录该输入动作;用该输入动作更新训练库;基于该训练库来提供下一用户动作的预测;确定用户的用户体验级别;以及基于预测的下一用户动作和用户体验级别中的至少一者来输出经调整的用户界面。经调整的用户界面可包括用户界面提示、动态快捷方式或特定任务的自动化。经调整的用户界面可具有比第一用户界面少的用户界面按钮。经调整的用户界面可具有比第一用户界面多的用户界面按钮。用户体验级别可由当前会话用户交互历史、检索的过往会话用户交互历史和用户简档信息来确定。
根据一个实施方案,提供了用于自适应用户界面的方法,该方法可包括以下步骤:检索用户的用户界面交互历史;寄存与第一用户界面交互的用户的输入动作;基于用户的用户界面交互历史和用户的所寄存的输入动作来确定用户的用户体验级别;基于用户的用户体验级别来调整用户界面;以及输出经调整的用户界面。该方法可包括将学习部件应用于用户界面交互历史和用户的所寄存的输入动作以分配用户分组的另外步骤;并且其中经调整的用户界面进一步基于该用户分组。可为特定软件应用程序和用户界面范例确定用户体验级别。用户体验级别可进一步基于用户简档信息,该用户简档信息包括职称、软件访问级别、参加的培训课程和位置中的至少一者。如果用户没有用户界面交互历史,经调整的用户界面可具有比第一用户界面少的按钮。
附图说明
图1示出了根据一个实施方案的包括用户体验环境的系统。
图2示出了根据一个实施方案的使用用户体验系统来调整用户界面的过程。
图3示出了根据一个实施方案的可向经验较多的用户呈现的用户界面。
图4示出了根据一个实施方案的可向经验较少的用户呈现的用户界面。
图5示出了根据一个实施方案的用于跟踪用户输入的系统和方法。
图6示出了根据一个实施方案的用于确定用户体验级别并调整用户界面的过程。
图7示出了根据一个实施方案的分组、分级和自适应输出类型的神经网络。
图8示出了根据一个实施方案的用于在用户体验系统中使动作自动化的过程。
图9示出了根据一个实施方案的用户界面与用户界面的调整版本之间的过程流。
图10示出了根据一个实施方案的用于调整用户界面范例的过程。
图11示出了根据一个实施方案的用户界面与用户界面的调整版本之间的流程。
图12示出了根据一个实施方案的自适应用户界面。
图13示出了根据一个实施方案的另一个自适应用户界面。
图14示出了根据一个实施方案的具有预测图标的自适应用户界面。
图15示出了根据一个实施方案的具有用户提示的用户界面。
图16示出了根据一个实施方案的样本计算环境的示意性框图。
图17示出了根据一个实施方案的另一个样本计算环境的示意性框图。
图18示出了根据一个实施方案的另一个样本计算环境的示意性框图。
图19示出了根据一个实施方案的另一个样本计算环境的示意性框图。
图20示出了根据一个实施方案的另一个样本计算环境的示意性框图。
图21示出了根据一个实施方案的示意性框图,该框图示出了合适的操作环境。
具体实施方式
在以下详细描述中,参考形成其一部分的附图,并且其中通过图示的方式示出了可实践的具体示例。足够详细地描述了这些示例以使得本领域技术人员能够实践本主题,并且应当理解,可以利用其他示例,并且可以在不脱离本公开主题的范围的情况下进行逻辑、机械、电气和其他改变。因此提供以下详细描述的目的是为了描述示例性实施方式,而非被看作对本公开所述的主题的范围进行限制。来自以下描述的不同方面的某些特征可组合形成下文所讨论的主题的新方面。
当介绍本公开的各种实施方案的元件时,词语“一个”、“一种”、“该”和“所述”旨在意指存在这些元件中的一个或多个。术语“包含”、“包括”和“具有”旨在是包含性的,并且意指除了列出的元件之外还可存在附加元件。
本文提出了了解用户的系统和方法以确定用户的类型、经验级别和工作习惯。然后该系统可基于用户和有经验的用户的所确定类型以及本文通篇将讨论的附加考虑来定制和/或调整用户界面(成像布局、菜单、按钮、工具栏、工具选项、学习提示、输入/输出设备等等)。用于自适应用户界面的系统和方法确定向用户呈现什么内容、何时呈现该内容以及如何呈现该内容。此外,用于自适应用户界面的系统和方法确定何时不提供任何用户界面,而是推断用户喜欢的动作并且基于用户意图、历史、经验级别以及本文所述的其他因素来自动地使这些动作自动化或执行这些动作。
这些自适应用户界面不仅仅影响单一用户界面体验或屏幕。完成可能需要多个步骤/屏幕/按钮的任务的整个软件应用程序工作流可通过调整该工作流和整个该工作流中的用户界面来加以改进。可动态地且自动地调整用户的工作流和用户界面。
根据一些实施方案,本文的系统和方法提供具有用户的最可能的下一动作的用户界面,这些最可能的下一动作呈现为用户界面上的选项。因此,用户界面可适应于用户行为以及使用软件应用程序的历史。一个实施方案中的自适应UI的示例是基于用户过往动作来定期更新的快捷方式列表。各种实施方案中的自适应UI的附加示例是将不常用的界面元素移开,使常用组合自动合并为单次点击,以及帮助基本用户更快且更轻松学习软件应用程序的教程或工作流提示。
作为一个示例,在其日常工作期间,用户可执行会引起许多次鼠标移动的重复动作。本文的系统和方法通过显示用户想要执行的下一最可能的动作来优化用户工作流和鼠标移动。并且在一些情况下,该系统可自动进行可能不再需要显式用户交互的某些动作或将这些动作自动合并为单个步骤,尤其是当特定用户的预测系统实现高可靠性水平时。动态地计算下一最可能的动作,并且可即时调整用户界面。最可能的动作以易用形式向用户显示,而其他动作可供用户使用,但用户可能不易看见。
图1示出了根据一个实施方案的包括用户体验环境100的系统。图1包括用户UI输入/输出(“IO”)102。用户IO 102包括用于计算机系统的输入和输出设备。用户IO可包括相机单元112(其可包括立体相机以及深度红外相机)、麦克风114、扬声器116、鼠标118、键盘120、触摸板122以及移动设备124,该移动设备可为智能手机、平板电脑或其他具有其自身的输入和输出设备阵列的系统。增强现实、虚拟现实、游戏系统和其他输入/输出系统也被设想为用户IO 102的一部分。其他输入和输出系统可经由电缆或无线标准连接。例如,输入或输出设备可为远程的,并且经由互联网将输入信号从远程位置发送到用户IO 102。
图1包括用户体验系统104。用户体验系统包括输入跟踪部件140、用户体验学习部件142、用户体验确定部件144、用户UI简档存储库146、UI自适应部件148、UI输出部件150、存储器152和CPU/GPU 154。CPU`代表中央处理单元。GPU代表图形处理单元。用户体验系统104与用户IO 102、内部实体系统106、硬件系统108和/或外部数据源110协同工作,以便为用户体验环境100的用户提供自适应用户界面。内部实体系统106包括HR(人力资源)部件126、位置部件128和记录存储库130以及该实体内的其他计算机系统和软件。
可参照图6示出用户体验环境100的操作的示例性过程。图6示出了根据一个实施方案的用于确定用户体验级别并调整用户界面的过程600。过程600内的步骤可由CPU/GPU154或用户体验系统104内的部件内的各种部件的处理能力来执行。
在步骤602处,用户体验系统104在一个实施方案中通过输入跟踪部件140来寄存当前UI会话中的所有用户动作。从用户IO 102接收这些用户动作。可从用户IO 102的所述多个不同输入设备寄存这些动作,如上所讨论。因此,该步骤跟踪当前用户对用户界面的使用。用户IO 102可为通过电绳或本地无线连接的本地输入。可通过网络(诸如局域网或全局网如互联网)传输用户的动作。因此,用户体验系统104不必在物理上接近用户IO 102,但其可位于某些应用程序或实施方案中。
在步骤604处,用户体验系统104检索附加特性。这些特性可能是关于系统中使用的技术、用户的情况(诸如医学检查类型或软件应用程序状态)、患者日程安排、人员位置(诸如信息技术(“IT”)支持或附近应用程序的高级用户)以及本文将讨论或本领域技术人员将合理得知的其他特性。可从用户体验系统104内的一个或多个部件或存储器152中检索这些附加特性。可从外部数据源110、硬件系统108和/或内部实体系统106检索这些附加特性。附加特性可包括相对于图7讨论的各种因素。
在步骤606处,用户体验系统104检索用户UI交互历史和简档。每个用户具有动态地创建的简档。该简档包括其用户界面动作、历史和偏好以及其他可影响如何调整UI的用户相关信息。可从用户UI简档存储库146存储和检索这些信息。
在步骤608处,用户体验系统104在一个实施方案中通过用户体验学习部件142来应用学习部件以分配和/或更新一个或多个用户分组。这是确定如何调整用户界面的初始步骤。用户体验学习部件142可包括深度学习、机器学习和/或人工智能原理以分配和/或更新这些用户分组。用户体验学习部件142在所有各种软件应用程序之中随时间学习个体并对个体进行分组。因此,其学习并建立UI总体使用情况的理解以将某些模式和使用情况与类似模式和使用情况分组在一起。这将相对于图5和图7以及本文的其他地方进一步讨论。用户体验学习部件142可自动地确定用户UI行为和需求的变化和模式。例如,用户可具有操作大多数会话的类似方式,但有一个会话快速而迅猛地点击按钮(即,按钮点击之间的间隔更短并且鼠标移动更快)。因此,系统可学会将用户分组为“有速度需求”或“紧急”分组,这可动态地更新用户界面以仅显示一个预期的下一动作或甚至使通常将为用户点击的一些动作自动化以便节省时间。每当应用用户体验学习部件142时,UI系统都会改进其对用户需求和偏好的理解,并因此输出改进的经调整的用户界面。
在步骤610处,用户体验系统104在一个实施方案中通过用户体验确定部件144来确定用户界面的当前会话的用户体验级别。用户体验确定并不总是单次确定。例如,用户体验确定部件可确定用户对特定UI屏幕/工作流、整体软件应用程序或甚至软件应用程序套件的经验级别(尤其是在用户体验范例在软件应用程序套件内的软件应用程序之间类似的情况下)。
用户体验确定部件144还可确定用户体验级别是否包括更低或更高的学习欲望。如果用户频繁使用帮助菜单或只是为了了解按钮的功能而点击按钮,则用户体验确定部件144可将他们评定为具有更高学习欲望的用户。然后系统可在为该用户调整UI时提供另外的视频、文本或图像帮助和提示以促进该用户的发展。另选地,无奈之中用力点击的用户是软件应用程序的单次用户,或在应用程序缓慢时点击多次可能是被确定为具有更低学习欲望的人。学习部件可基于模式来学习哪种类型的用户可能具有更低或更高的学习欲望。
在步骤612处,用户体验系统104在一个实施方案中通过UI自适应部件148按照用户体验级别和/或分配的分组来调整用户界面。调整用户界面可意指重新调整屏幕的尺寸、改变布局、减少或添加按钮、改变菜单、改变显示的内容、改变字体、改变范例(例如,从可视改变为可听)、改变图标、重排UI资产等。在整个本说明书和附图中示出了示例。也就是说,它们仅仅是一些实施方案中的一些示例,并非意在对权利要求范围进行限制。掌握本领域技术的用户体验和用户界面设计者将认识到可使用多种多样的方式设定这种UI自适应部件以调整用户界面。
在步骤614处,用户体验系统104在一个实施方案中通过UI输出部件150来向用户IO 102输出经调整的UI。这包括编制需要的任何UI资产、图像、声音等。这些可存储在存储器152、硬件系统108中的硬盘驱动器和/或外部数据源110中的远程存储设备中。此时,基于用户体验系统使用户界面特别适应于用户、用户的硬件和用户的情况,而使用户具有改善的用户界面体验。整个过程600可几乎即刻发生,使得用户能实时看到UI调整。
在步骤616处,用户体验系统104任选地输出附加改进建议。可由用户体验系统104自动生成附加改进建议,以及通过向用户询问他们希望看到用户界面如何改进的对用户的直接查询来接收这些建议。可向软件的创建者或设计者输出这些改进建议。然后软件的创建者或设计者可检查这些改进建议以对软件应用程序或软件应用程序套件进行潜在的永久性改变或改进。因此,过程600同时改进用户界面的直接用户体验以及由其创建者或设计者改进的系统的长期用户界面。
可参照图2示出用户体验环境100的操作的另一个示例性过程。图2示出了根据一个实施方案的使用用户体验系统来调整用户界面的过程200。
在步骤204处,选择初始用户界面。在一些实施方案中这可为初学者用户体验级别用户界面或高级用户界面的简单选择。在替代实施方案中,可存在滑动标尺,其中选择是沿着从一端的初学者到另一端的高级用户的标尺,如在一个示例中从1至100的分数。在替代实施方案中,可提供一定数量的选项,诸如初学者、中等用户和高级用户。该选择可由用户体验确定部件144自动进行,在没有用户体验系统104协助的情况下直接由用户进行,由选项菜单等中的设置进行,或通过用户体验确定部件144给出的用户检查并选择所需UI的建议来进行。
如上所讨论,用户体验确定部件基于许多因素,诸如用户界面的历史使用情况、用户简档、当前使用情况以及本文尤其是针对图5和图7讨论的其他因素,来确定用户体验级别。可将用户活动的模式与其他初学者、中等用户和高级用户的各种群体活动的模式进行比较,并且系统可继续通过用户体验学习部件142学习并改变相对分组。
一个示例是如果用户使用帮助菜单的次数多于平均量,则可将用户分组为“初学者”组和/或“更高学习欲望”组。另一个示例是如果用户登录到该软件应用程序的次数不到十次,则可将他们分组为“初学者”组。但如果同一用户已登录到具有与当前使用的软件类似的UI的软件应用程序套件中的软件应用程序超过100次,则可能不能将他们分组为“初学者组”,而是可将他们归入另一组诸如“高级UI多应用”(如图7中更详细示出)。另一个示例是如果用户已点击UI中的按钮超过阈值量,则他们不再是初学者用户。另一个示例是如果用户在其简档中列为技术程序员,则他们在用户界面经验级别上的等级高于在其简档中列为销售人员的另一个用户。这种简档可为用户UI简档存储库146中的UI简档或其诸如在HR部件126中的职称。另一个示例是用户多久使用一次“撤消”按钮来修复他们在使用程序时所犯的错误。可将该用户分组为“初学者”用户。
另一个示例是如果用户位于某地理位置,则可基于该地理区域中的他人的度量将他们设定为更高的用户体验级别。可将类似示例应用于用户简档或简历等中列出的某些雇主、某些大学学位、某些培训课程。例如,虽然用户可能对某种软件应用程序或用户界面不熟悉,但是如果他们的雇主已拥有该软件很长时间段,则可将该用户分组为更高经验级别,因为用户很可能身边有人和培训资料让他们更快掌握软件应用程序和/或用户界面。
在一些实施方案中,用户可发现促使某种用户体验确定并输出UI的因素。并且在一些实施方案中,允许用户改变这些因素或设置以便向系统传送其确切偏好或编辑系统中潜在错误的数据。
在一些实施方案中,用户可选择软件应用程序的哪些部分(例如,哪些菜单、工作流或过程)将包括自适应UI以及哪些将没有自适应UI。例如,如果用户每次以相同方式使用软件应用程序并且其被高度优化,则他们可关闭或禁用该软件应用程序的自适应功能。并且在具有复杂软件和复杂需求的其他示例中,用户可始终使这种自适应UI开启以便具有软件应用程序的最高效用户。在一些实施方案中,用户可“固定”他们希望为静态的某些UI元素,而用户界面的其余部分根据UI自适应部件148来调整。在一些实施方案中,用户具有调整他们可与之交互的用户界面的屏幕上选项,此时该屏幕上选项将生成经调整的用户界面。
在步骤206处,用户体验系统可使特定任务自动化,但并不总是需要如此。任务是实现结果的一系列按钮或UI交互。根据用户已被选择为初学者还是高级用户,系统使某些任务自动化。例如,初学者可使图像重建任务自动化且具有所示的标准选项和单个按钮,而高级用户不会使其自动化并且具有应如何进行图像重建的更多选项,使他们可选择并亲自引导任务。步骤206可推广应用于初学者和高级用户(或不论步骤204以何种方式对经验级别进行分组),而步骤218可基于特定用户在当前会话中与系统的交互来对该用户进行个性化定制。
在步骤208处,发生用户动作。用户IO 102接收输入以执行指向软件应用程序的某动作。用户IO 102将输入的用户动作传输到用户体验系统104。
在步骤220处,用户体验系统104在一个实施方案中通过输入跟踪部件140来记录用户动作。由输入跟踪部件140跟踪该输入。输入跟踪部件140在当前会话中将该动作添加到当前和先前用户动作的缓冲区、数据库或向量。此外,算法、用户界面或程序状态也可保存在相关缓冲区、数据库或向量中。
在用户界面是基于html标准的网页的一些实施方案中,应用编程接口(“API”)可使用http调用和/或Javascript逻辑来跟踪用户输入和动作。例如,可生成用户标识符。用户标识符在一些实施方案中可为唯一的和/或匿名化的。脚本或模块可被编程为记录步骤220的用户动作,并且将这些动作与特定用户的标识符相关联。
在步骤222处,用户体验系统104在一个实施方案中通过用户体验学习部件142来更新学习训练库。学习训练库包括至少为步骤210的预测特征赋能的数据、模型和分析。图5示出了更新学习训练库的示例。
在步骤224处,用户体验系统104在各种实施方案中通过用户体验学习部件142和/或用户体验确定部件144基于训练库来执行分组和模式识别。模式识别包括理解用户在使用用户界面时的工作习惯。分组包括将某些输入模式应用于类似模式的组中,达到更广义的理解,诸如针对图7所讨论。步骤222和224单独地或相组合地可利用计算机学习(该计算机学习可包括机器学习、深度学习和/或人工智能模块、模型和/或算法)。
在步骤210处,用户体验系统104在一个实施方案中通过UI自适应部件148来预测下一用户动作。这会影响应输出什么下一经调整的用户界面。这可为仅将单个按钮或图标改变为接下来最可能需要的按钮或图标,或可为用户界面的完全重排。在一些实施方案中,系统还可预测多个下一用户动作,然后基于最高概率分数对这些动作进行分级。这可在系统处于学习较新用户的工作习惯的过程的早期的情况下允许快速调节。将针对图5且在本文通篇讨论有关预测的更多细节。
在步骤212处,用户体验系统104通过UI输出部件150来输出经调整的UI。这可采取许多形式,如本文通篇所讨论。调整用户界面的三种示例性方式位于UI提示步骤214、动态快捷方式步骤216和使特定任务自动化步骤218中。附加示例包括按钮、工具栏、布局、图像、动态快捷方式工具栏、多监视器布局、多个范例布局和交换范例布局的调整。
在步骤214处,UI输出部件150可根据情况提供UI提示。用户界面提示是帮助用户导航或以其他方式使用UI的提示的动态提供。可基于用户体验级别以及其用户简档的各个方面为用户定制此类提示。
例如,图14示出了按钮的UI提示以向用户显示按钮所在位置是用户接下来寻找的最可能按钮。这在一个实施方案中通过以下方式进行:通过强调、粗体、颜色、波纹边缘、改变形状、按钮振动或其他方法来凸显按钮的轮廓。因此,图14示出了根据一个实施方案的具有带UI提示的预测图标的自适应用户界面。用户界面1400已被调整为以突出显示的按钮1410的形式显示UI提示。突出显示的按钮1410在该示例中被凸显为具有粗体轮廓。突出显示也是动态的,这意味着轮廓的醒目程度可基于按钮有多大可能性被预测为下一按钮。根据一个实施方案,所有三个按钮均可被加粗,但如果一个按钮有更高可能性被预测为下一动作,则该按钮比另两个按钮更明显。这在具有左工具栏1404、顶部工具栏1406和图像显示1408的用户屏幕1402上示出。
在另一个示例中,图15示出了框形式的UI提示,该框向用户提供文本提示,提供有关用户可如何选择使用该软件的有用信息。在该示例中已调整用户界面1500以显示提示框1510。提示框1510告知用户“基于您所在领域的其他用户,您接下来可以考虑调节对比度以提升该图像的医学理解。”此类提示框是系统可帮助教育初学者用户并让他们更好理解该软件的方式。可能不会向高级用户显示此类提示框,或提示框中的文本将是更高级的软件使用技术。并且该提示框可包括教导或解释该技术的视频或音频。因此,在如图15所示的示例中,用于调整用户界面的用户体验级别的确定也对UI提示有影响。这在具有左工具栏1504、顶部工具栏1506和图像显示1508的用户屏幕1502上示出。
在步骤216处,UI输出部件150根据情况提供动态快捷方式。动态快捷方式呈现按钮的动态工具栏,使得经调整的用户界面可提供通向预测步骤210之后接下来最可能使用的按钮的快捷方式。这将参照图12和图13进一步讨论。
图12示出了根据一个实施方案的自适应用户界面。用户界面1200包括具有左工具栏1204、顶部工具栏1206和图像显示1208的用户屏幕1202。出于本示例的目的,顶部工具栏1206以矩形框突出显示。三个按钮配合在顶部工具栏1206中,并且其显示在左工具栏1204中的放大镜按钮(图中有斜线)上点击后用户将期望的可能下一按钮。用户继续点击顶部工具栏1206中的最右按钮,并且用户体验系统104调整并输出用户界面以显示图13。图13示出了根据一个实施方案的另一个自适应用户界面。用户界面1300包括具有左工具栏1304、顶部工具栏1306和图像显示1308的用户屏幕1302。顶部工具栏现在已被调整为显示系统在步骤210中基于用户界面1200上的用户选择来预测的最可能按钮。因此,系统动态地提供通向用户可能需要的最可能按钮的快捷方式。用户仍可在总菜单选择结构内找到其活动的所有选项,但步骤216意在通过在软件的大部分使用方面简化用户界面来帮助用户。
在步骤218处,用户体验系统104可使特定任务自动化。系统可将某些任务识别为不需要用户直接参与。某些用户每天可执行同一任务100次(诸如用于检索和增强患者图像的医疗工作流)。系统可基于在222中建立的训练库而获知特定用户可能不需要点击多个按钮就能抵达其任务的终点,并且可自动地使此类任务自动化。当动作易被用户注意到并且可易于根据需要撤销时,情况尤其如此。将参照图7至图9讨论有关特定任务自动化的其他示例和细节。
在步骤212中输出经调整的UI的附加示例包括以各种方式帮助初学者用户。可提供基于更高级的用户完成的操作的上下文菜单,并且该上下文菜单可基于初学者用户的先前点击/交互。此外,本文所设想的动态菜单选择可帮助初学者或次高级用户在适当的时候发现软件中的特征。这可在对用户进行软件培训时为组织节省时间和金钱。
图3示出了根据一个实施方案的可向经验较多的用户呈现的用户界面。一般来讲,经验较多的用户已了解在与之交互时各种按钮、菜单和成像布局会进行何种操作。这些高级用户已了解使用该程序工作的细节,并且更喜欢其所有选项都可供他们使用。仍可基于其工作习惯、历史、简档和其他因素来调整用户界面以显示他们最可能需要或想要的特征,但UI可能在输出的UI上包括更多选项和特征。因此图3示出了具有UI按钮304和UI成像布局302的用户界面300。
一个示例性用户界面将用于基于CT、PET、MR或其他医学成像检查来显示的医学图像。相关按钮将用于审查相关图像、调节图像以及其他分析选项。另一个示例性用户界面将为用户正在创作的一件数字艺术作品。这可在按钮将实现创建和编辑工具时显示。在各种平台和技术中存在许多类型的用户界面。这些示例不意在限制于任何特定的用户界面类型。
图4示出了根据一个实施方案的可向经验较少的用户呈现的用户界面。经验较少的用户可能更喜欢用户界面的简化版本,上面只有图像以及他们接下来最可能需要的选项。经验较少的用户可能不想知道软件应用程序的高级特征,并且可能只会使用该应用程序几次来完成简单的任务。因此,在一些场景中提供更简单的经调整的用户界面有时很有价值。高级特征通常仍可供图4的简化用户界面使用,但可能在子菜单中才能找到,并不直接位于屏幕上(如与图3相比)。因此,用于有经验的用户的用户界面(图3)调整并输出的用户界面具有比用于经验较少或初学者用户的用户界面(图4)更多的按钮。图4示出了具有UI按钮404和UI成像布局402的用户界面400。
在一个实施方案中,用户体验系统可基于用户的经验级别来确定显示多少按钮304和按钮404。确定用户体验级别的一种方式是基于特定用户与软件应用程序或软件套件具有的会话数量(例如,如果软件套件具有类似的UI和特征集,则用户对软件套件中的一个软件应用程序的经验可在他们使用该套件内的另一个软件应用程序时帮助训练他们)。在一个示例中,系统可平均显示以下数量的按钮:如果用户具有少于20次使用软件应用程序的会话,则显示四个按钮;如果用户具有20至40次使用软件应用程序的会话,则显示八个按钮;并且如果用户具有超过40次使用软件应用程序的会话,则显示十二个按钮。
在一个实施方案中,用户体验系统可为初学者用户提供经调整的用户界面(诸如图4),然后适应于有经验的用户(诸如图3中)。初学者用户界面通常更简单。初学者用户界面可用于教育和培训目的以便以有用且非侵入性的方式帮助用户提高其对软件应用程序的利用率。提示和自动化可提供帮助,如上文所讨论。有经验的用户可更快获得他们希望实现的结果,诸如放射图像的更快诊断。其用户界面可对特定用户更加优化,并且向他们提供他们使用最多的工具和高级特征。
在预测初学者用户的下一动作时,用户体验系统可能没有该特定用户的详细历史,因此可基于以往进行类似任务的其他用户来使用模式和分组。在预测高级用户的下一动作时,与其他用户的模式和分组相比,用户体验系统可更多基于特定用户的历史来向其提供预测。
但在一些情况下,高级用户界面甚至可比初学者用户界面更简单。当用户因为已使用软件应用程序数百次但仅使用其完成一个功能或由已自动化的多个功能构成的一个任务(如下所讨论)而被视为高级用户时,用户体验系统可例如呈现仅一个按钮和一个成像窗口的极简用户界面。
图5示出了根据一个实施方案的用于跟踪用户输入的系统和方法。图5示出了用户体验学习部件142可如何从输入跟踪部件140获取跟踪的用户输入(V值)并且提供算法分析以产生UI自适应部件148的预测和自适应输出建议(T值)的示例性表示。图5中的算法通常将在相关UI的使用期间连续地运行。
在一个实施方案中,图5诸如在步骤210中提供下一动作预测器。对于预测,算法将最后数量的用户动作当作输入并产生最可能的用户下一动作的结果。算法可为在线算法,这意味着其即时从用户动作学习并提升其对每个动作状态的预测。可调整算法以在很少使用的路径上更快作出反应。可微调算法以基于对复杂UI的领域用户进行的先前分析来获得最佳预测。
V值表示用户动作和输入。当用户与软件应用程序和用户IO 102成功交互时,构建V值的树。例如,V(0,2)可指示用户已点击“缩放”按钮,而V(0,3)可指示用户已点击“改变布局”按钮。V(0,2)和V(0,3)均低于V(n-1,1),后者可能是先前选择的“查看选项”菜单。这些是意在传达图5中的表示的可能性的示例。
V值形成为向量,诸如V_input=[V_0V_1…V_n]。V(0)可为输入向量中的最旧动作,而V(n)是最新的。该系统向算法提供最后i个用户动作,并且获得与下一可能动作相关联的概率。换句话说,在X∈按钮,i∈N的情况下,用户体验学习部件估计P(X(n)|X(n-1),X(n-2),…,X(n-i))。在一个实施方案中,该系统可使用基于马尔科夫链的贝叶斯算法。
T值表示预测或自适应输出建议。目标是预计什么可能对用户最有用并且在经调整的UI中提供此类UI特征。如果用户点击V(0,2)并在以上示例中指示“缩放”,则系统可输出用户可能将对T(0)、T(1)或T(2)感兴趣,它们可分别涉及50%缩放、100%缩放和150%缩放。然后可在经调整的用户界面上呈现此类缩放的所有三个按钮/选项。如果用户点击V(0,3)并在以上示例中指示“改变布局”,则用户体验系统可从先前使用获知用户的意图并且提供T(2)选项以将布局的尺寸重新调整为100%缩放。因此,每当用户点击按钮或与UI接触时,系统都会诸如利用图5的算法(但不限于此)记录该动作,更新训练库,并且预测下一按钮。
用户体验学习部件142可基于先前n个动作来提供下一动作或按钮的概率。这些可通过以下方式生成:将当前向量树与先前动作向量树及他人的向量树进行比较以验证在步骤210中生成的预测的准确性和概率。在一些实施方案中,系统可不时修剪向量树。这种修剪可防止算法过度拟合该数据并且可产生更好的结果。
一些实施方案在执行下一可能动作的预测时可不包括诸如图5所示的向量树结构。可使用神经网络、支持向量机和其他预测工具来合并其他预测算法。
图7示出了根据一个实施方案的分组、分级和自适应输出类型的神经网络。图7示出了具有神经节点的神经网络700,这些神经节点使用因素702、分组704和分级706进行动态计算机学习,从而产生自适应UI输出类型708。神经网络中的第一节点层是可影响输出的经调整的用户界面的类型的初始数据因素。神经网络中的第二节点层是尝试得出有关用户和/或情况的特性的初始分组。第三节点层提供有关用户和/或情况的初始分级。第四节点层是对自适应UI输出类型应是什么类型作出的决策。这种系统可在用户体验学习部件中用于评估可影响某种UI输出类型的有用性的多于典型的因素。图7中的节点和节点连接是示例性的,并非意在进行限制。
因素702层中的第一输入因素涉及用户界面的当前使用情况,如上所提及。该系统寄存点击的按钮、交互的屏幕(在一个实施方案中与屏幕的鼠标或触摸交互)以及用户交互的监视器数量。例如,如果用户使用其智能手机来使用软件应用程序,然后使用其台式计算机来使用相同会话中的软件应用程序的另一个实例,则这可指示所需的用户和UI的类型。对于另一个示例,如果用户可以选择在桌面环境中使用两个并排屏幕,但在当前会话中的90%时间使用右监视器,则用户可能更喜欢将来调整的用户界面输出而将更多的注意力放在右监视器上的交互。
第二输入因素涉及历史使用情况因素。系统已寄存用户使用了某些帮助菜单多少次以及用于解决什么类型的问题、用户执行了什么任务(一系列动作),并且已向该用户呈现过往用户输出的用户界面。另外,系统可记录其已接收到什么显式反馈。系统可询问用户有什么UI偏好以及某些经调整的UI是否有用。当尝试理解如何最好地了解最佳调整的UI要在当前会话中输出什么时,该反馈可置于历史使用情况因素下。
第三输入因素涉及用户简档。这可包括用户的职称、用户的临床专业(若用户是医疗用户)、用户的软件访问许可或权限(诸如可以访问软件中的某些特征)、用户的特定位置以及用户的地理区域。就用户的职称或临床专业而言,系统可了解某些用户基于角色可能需要访问将显露或隐藏的用户界面中的某些特征。此外,某些用户基于其培训和工作经验(保存在其用户简档中)可具有更高的科技悟性。用户简档可特别地列出用户已参加了特定软件应用程序的一级和二级培训。与其用户简档中未记录有培训的那些用户相比,这些用户可更快被呈现高级UI输出。就用户的特定位置而言,系统可获知用户期望其办公室用户IO中有更高级的特征并且在进入移动环境时想要不太高级的特征。就用户的地理区域而言,某些区域的法律可仅允许用户界面或计算机程序中的某些特征。这可涉及基于政府法规或法律的某些医学特征、加密选项和金融监管选项。
第四输入因素涉及附加特性。这些可为技术因素,诸如什么技术系统在给定时间工作、所使用的Web浏览器、屏幕尺寸、可用的软件插件、可用的编码解码器、互联网速度、网络速度、设备输入范例以及处理能力(本地和/或远程)。另一种类型的附加特性是用户的情况,其可为医疗情况。例如,如果存在紧急情况并且用户体验系统可从记录存储库130访问电子医疗记录,则用户体验系统可确定当前输出不应包括教育提示和帮助(这可能会使用户的速度变慢),而是尝试给予用户达成所需结果的最快方式。如果医疗情况与卒中相关,则系统可否决与检测和治疗卒中关系不大的UI输出以便为用户尝试影响的确切情况提供非常有用的UI。另一种类型的附加特性是患者(或客户)日程安排。如果医学专业人员在其下一位患者之前有20分钟(如患者日程安排系统中所示),则系统可输出一定教育UI输出版本以允许用户相对于下一位患者之前的两分钟改善其UI使用情况,此时可向用户提供更简单明了的UI以完成设定任务。
分组704层接受有关用户和/或情况的因素,并且评估这些因素的强度以将该信息分组为与类似情况和/或用户相关。例如,如果用户已使用软件应用程序不到五次并且基于他们访问的按钮和菜单得出似乎仅专注于执行一种类型的任务,则用于单次用户单个任务的节点可具有更高的决策概率输出。例如,如果用户使用帮助菜单很多次或询问朋友如何完成任务(如可经由音频输入或经由计算机上发送的即时消息检测),则用于对任务不熟悉的用户的节点可具有更高的决策概率输出。例如,如果用户具有“信息技术经理”的头衔并且已使用软件套件内的程序超过100次,则用于一般科技通的节点可具有更高的决策概率输出。例如,如果用户因为仅执行一种类型的任务而在过往使用软件应用程序许多次时具有特定类型的用户界面输出,并且用户已提供正反馈且用户始终在相同设备上登录软件应用程序,则用于长期用户典型任务的节点可具有更高的决策概率输出。例如,如果存在紧急情况并且新用户尝试完成他们以前未执行且不太可能再次执行的任务,用于非典型任务/情况的节点可具有更高的决策概率输出。
分级706层接受分组输出并且为用户的经验级别、用户交互的最佳实践质量以及需要用户在某些任务中有多大程度的参与度提供分级。分级706层中的第一节点对单个任务和/或软件应用程序的用户体验级别进行分级。分级706层中的第二节点对多个任务或软件应用程序情况的用户体验级别进行分级。分级706层中的第三节点对用户动作是否与其他用户的最佳实践相关联进行分级。分级706层中的第四节点对在考虑到情况和其他因素的情况下用户完成该任务可能需要的速度进行分级。分级706层中的第五节点对用户是否需要执行任务(诸如例行任务)进行分级。在一些情况下,使任务自动化可帮助减少用户的UI步骤,如参照图8和图9进一步讨论。
自适应UI输出708层基于系统内的因素、分组和分级对如何调整用户界面作出决策。这可为简单工具栏、高级工具栏、简单布局、高级布局、提示、工具提示、自动化建议、无变化、变化范例的形式以及如本文通篇讨论的许多其他形式。对于一个示例,如果用户对软件应用程序具有较低的经验级别但严格按照最佳实践完成特定任务,则系统可给出简单工具栏和简单布局以帮助用户执行该确切任务。对于一个示例,如果用户体验级别较低且需要用户速度,则用户体验系统可以以明确指向完成该任务所需的按钮或步骤的箭头的形式输出提示。对于一个示例,如果用户体验级别较高且不需要用户速度,则系统可在工具栏中提供更多按钮以帮助给用户时间浏览他们可能想要的选项而不将这些选项隐藏在子菜单中。
在图7中,示出了具有圆点的线,作为节点内具有高阶加权连接的线。节点的强度和连接的权重帮助用户体验系统作出决策。具有高阶加权连接的输入节点被给予对接收节点的输出的更高影响。例如,医疗情况因素节点对非典型情况节点的影响高于用户位置节点,因为其限定用户的情况。
图7被示出为具有仅介于节点层与相邻节点层之间的连接。在替代实施方案中,连接可介于非相邻节点层之间。例如,因素702层的一些节点可连接到分级706层。在一个实施方案中,可由单个部件诸如用户体验学习部件142或CPU/GPU 154执行各种节点层。在一个替代实施方案中,可由不同节点层执行各种节点层,使得由输入跟踪部件140执行因素702层,由用户体验学习部件142执行分组704层,由用户体验确定部件144执行分级706层,并且由UI自适应部件148执行自适应输出类型708层。可以看出,这种神经网络(或相关的深度学习或人工智能系统)可用于帮助接受各种因素并且帮助决定应输出什么类型的自适应用户界面。
图8示出了根据一个实施方案的用于在用户体验系统中使动作自动化的过程800。这种过程在一个实施方案中可在动作自动化部件中实现。使某些动作自动化可移除用户步骤并节省时间。在时间极其重要的许多情况下,例如在紧急医疗情况下或在尝试从中断中恢复计算机系统时,这点可至关重要。
在步骤802中,用户体验系统104确定最佳预测的动作。这是用户希望使用用户界面接受在软件应用程序中的可能下一动作。
在步骤804中,用户体验系统104确定最佳预测的动作是否容易恢复并且效果对用户是否明显。如果是,则过程800进行到步骤806。如果否,则过程800进行到步骤808。一些动作(诸如成像布局)明显会被用户注意到并且可易于根据需要撤销。如果用户精通(高经验级别)用户界面或对“撤消”命令很了解,情况尤其如此。
在步骤806中,用户体验系统104使下一动作自动化。在自动化过程中,系统不在经调整的用户界面上呈现该动作。相反,其为用户执行该动作,然后移动到下一预测的动作和经调整的用户界面。由于步骤804中的决策,这些动作被自动化而没有该软件执行用户不期望的动作的风险。在一些实施方案中,可执行多个动作的自动化,尤其是对于始终执行相同步骤的用户而言。如果存在用户始终执行的重复五动作过程,步骤806可使这五个动作自动化。系统在一些实施方案中可出现弹出窗口以描述发生的自动化。
在步骤808中,用户体验系统104根据需要调整用户界面,并且不使下一预测的动作自动化。这可防止意料之外的自动化以及用户的困惑。一些动作有时难以注意到,如略微改变图像的对比度或改变背景设置。
图9示出了根据一个实施方案的用户界面与用户界面的调整版本之间的流程。图9的特定示例是使调节图像布局(诸如医学图像布局)的任务自动化。这可被视为动态图像布局。过程900示出了初始用户界面902和经调整的用户界面904。初始用户界面902包括初始图像布局912。经调整的用户界面904包括自动化的图像布局914。在图9的示例中,过程800已发生并且确定将布局从四图像布局改变为三图像布局且左图像呈较大形式是最佳预测的下一动作。由于这种动作容易恢复且对用户明显,因此用户体验系统在步骤806中使从初始用户界面902到经调整的用户界面904的图像布局变化自动化而不需用户动作。这可加速用户对软件的使用并提供更好的用户体验。
图10示出了根据一个实施方案的用于调整用户界面范例的过程1000。在当今世界,用户可以以许多不同的用户界面范例,从触摸、鼠标、语音、眼球运动等等与软件应用程序交互。
在步骤1004中,用户体验系统104在一个实施方案中诸如从用户UI简档存储库146访问用户简档。用户简档可包括用户与其他用户界面的交互。这可包括他们使用语音界面和数字助理、鼠标和屏幕用户界面、触摸用户界面以及其他类型的用户界面的频率。例如,如果该人在房子周围有八个语音控制的虚拟助理扬声器,则系统可偏向于提供语音控制的自适应用户界面。另一个示例是系统可在简档中检索用户使用其平板设备的频率要比其鼠标和键盘设备高得多的相关信息。系统可使用户界面适应于平板电脑使用,并且通知用户有平板电脑(触摸控制)版本的用户界面可供使用。该信息可有助于用户体验系统104为用户提供最有用的经调整的用户界面。
在步骤1006中,用户体验系统104访问用户设备信息。这可以是当前正在使用的设备以及所有其他附近(诸如在用户IO 102或硬件系统108附近)的设备或可能较远(诸如远离用户IO 102或诸如远离外部数据源110)的用户设备。因此用户体验系统104在决定是否使用户界面适应于另一个设备和/或UI范例时可以获知有什么其他选项可供使用。
在步骤1002中,用户体验系统104评估用户的当前和先前交互。此类交互给出用户意图的指示。这可进一步参照图2和图5示出。
在步骤1008中,用户体验系统104处理来自步骤1002、1004和1006的输入以确定要向用户IO 102输出的自适应UI,这在一个实施方案中可由UI自适应部件148执行。
在步骤1010中,用户体验系统104改变UI范例。在该特定示例中,该改变是从具有可触摸或点击的按钮的基于屏幕的用户界面,变为用户将对用户界面讲话和聆听的基于语音/音频的用户界面。此类范例变换在许多情况下可非常有用,诸如当用户离开家进入汽车中并且可切换为其软件应用程序的语音用户界面时。
图11示出了根据一个实施方案的用户界面与用户界面的调整版本之间的流程。图11示出了用于将初始用户界面1102调整为经调整的用户界面1104的过程1100。初始用户界面1102比经调整的用户界面1104更复杂。初始用户界面1102可为台式计算机用户界面。当用户想使用其移动设备如平板电脑或智能手机时,用户体验系统104可将用户界面调整为具有更大按钮且更有条理,从而更容易通过手在更小屏幕上交互。这在经调整的用户界面1104上示出。过程步骤1010可提供范例的改变,如在一个实施方案中在图11中示出的改变。
本文的系统和方法在各种实施方案中通过以下方式改进计算机技术:减少用户界面加载时间,使UI资产的使用更高效,使操作用户界面的CPU周期最小化,节省系统功率,并且可通过互联网将UI管理分担到远程服务器。
对于本文系统和方法的用户而言,对UI的用户以及受此使用影响的他人都有诸多益处。UI的用户可以:更快学会使用UI,使鼠标移动最小化,具有改进的工作流优化,感受到更少的失落和沮丧感,具有来自UI的改进结果,具有UI的用户特定优化,感受到更少的身体劳损(由许多工作场所人体工程学问题引起),享受更多乐趣,并且在其生活的更多区域中使用UI。对于受UI使用影响的他人而言,软件应用程序的更好利用可在医疗领域中拯救生命,可在软件工程领域中提升士气,在制造领域中提高制造运转时间,并且在许多领域中由于工作完成得更快,减少了必须支付给UI用户的费用,从而可节省金钱。
下文所述的系统和过程可体现在硬件内,诸如单个集成电路(IC)芯片、多个IC、专用集成电路(ASIC)等。此外,每个过程中出现一些或所有过程块的顺序不应视为限制性的。相反,应当理解,一些过程块可按多种顺序执行,这些顺序并非全都可在本公开中明确示出。
本公开的所示方面也可在分布式计算环境中实施,在这些分布式计算环境中,某些任务由通过通信网络连接的远程处理设备执行。在分布式计算环境中,程序模块可位于本地和远程存储器存储设备中。
此外,应当理解,本说明书中描述的各种部件可包括一个或多个电路,该电路可包括合适价值的部件和电路元件以便实现一个或多个本主题创新的实施方案。此外,应当理解,各种部件中的许多部件可在一个或多个集成电路(IC)芯片上实现。例如,在一个实施方案中,一组部件可在单个IC芯片中实现。在其他实施方案中,相应部件中的一个或多个部件在单独IC芯片上制造或实现。
参见图16,示出了根据本公开的计算环境1600的示意性框图,其中可部署本主题系统、方法和计算机可读介质。计算环境1600包括一个或多个客户端1602(例如,膝上型电脑、智能手机、PDA、媒体播放器、计算机、便携式电子设备、平板电脑等)。一个或多个客户端1602可为硬件和/或软件(例如,线程、过程、计算设备)。计算环境1600还包括一个或多个服务器1604。一个或多个服务器1604也可为硬件或者硬件与软件的组合(例如,线程、过程、计算设备)。例如,服务器1604可容纳通过采用本公开的各方面来执行变换的线程。在各种实施方案中,本主题前端部件中的一者或多者可被部署为客户端1602处的硬件和/或软件,并且本主题后端部件中的一者或多者可被部署为服务器1604处的硬件和/或软件。客户端1602与服务器1604之间的一种可能通信可以是在两个或更多个计算机过程之间传输的数据包的形式,其中数据包可包括视频数据。数据包可包括元数据,例如相关联的上下文信息。计算环境1600包括可用于促进一个或多个客户端1602与一个或多个服务器1604之间的通信的通信框架1606(例如,全球通信网络诸如互联网、或一个或多个移动网络)。
可经由有线(包括光纤)和/或无线技术来促进通信。一个或多个客户端1602包括或可操作地连接到一个或多个客户端数据存储库1608,所述一个或多个客户端数据存储库可用于存储一个或多个客户端1602的本地信息(例如相关联的上下文信息)。类似地,一个或多个服务器1604可操作地包括或可操作地连接到一个或多个服务器数据存储库1610,所述一个或多个服务器数据存储可用于存储服务器1604的本地信息。
在一个实施方案中,客户端1602可根据所公开的主题将编码文件转移到服务器1604。服务器1604可存储该文件,解码该文件,或将该文件传输到另一个客户端1602。应当理解,根据所公开的主题,客户端1702还可将未压缩的文件转移到服务器1604并且服务器1604可压缩该文件。同样,服务器1604可编码视频信息并且经由通信框架1606将该信息传输到一个或多个客户端1602。
图17示出了根据本公开的另一个示例性计算环境1700的示意性框图,其中可部署本主题系统、方法和计算机可读介质。计算环境1700包括云部署体系结构,该云部署体系结构由可经由网络(例如,互联网)通信地耦接到系统云1704的一个或多个客户端1702组成。系统云1704可包括云负载平衡、一个或多个应用程序容器、一个或多个云服务容器、云数据存储库以及云网络,该云网络将所述一个或多个云部件通信地耦接到云数据存储库。根据云部署体系结构,客户端1702可包括一个或多个客户端设备(例如,移动设备、膝上型计算机、台式计算机等),这些客户端设备可包括或采用合适的应用程序(例如,本地移动应用程序、基于Web的应用程序、瘦/胖客户端应用程序等)以访问并采用系统云1704中部署的本主题原始/重建医学成像系统的一个或多个特征和功能。在各种实施方式中,系统100的所述一个或多个部件可分布在客户端1702与系统云1704之间。
图18示出了根据本公开的另一个示例性计算环境1800的示意性框图,其中可部署本主题系统(例如,系统100等)、方法和计算机可读介质。计算环境1800包括虚拟化企业部署,该虚拟化企业部署由可经由网络(例如,互联网)通信地耦接到远程数据中心1802的一个或多个客户端1702组成。远程数据中心1802可包括应用程序服务器子网1804,该应用程序服务器子网可提供负载平衡器、一个或多个应用程序容器、一个或多个虚拟化服务器和一个或多个机架服务器。数据中心1802还可包括可经由数据中心网络通信地耦接到应用程序服务器子网1804的一个或多个数据存储库。根据虚拟化企业部署,客户端1702可包括一个或多个客户端设备(例如,移动设备、膝上型计算机、台式计算机等),这些客户端设备可包括或采用合适的应用程序(例如,本地移动应用程序、基于Web的应用程序、瘦/胖客户端应用程序等)以访问并采用数据中心1802和应用程序服务器子网1804中部署的本主题原始/重建医学成像系统(例如,系统100等)的一个或多个特征和功能。在各种实施方式中,系统100的所述一个或多个部件可分布在客户端1702与应用程序服务器子网1804之间,并且所述一个或多个数据存储库可在数据中心1802处远程地提供。
图19示出了根据本公开的另一个示例性计算环境1900的示意性框图,其中可部署本主题系统(例如,系统100等)、方法和计算机可读介质。计算环境1900包括本地企业部署,该本地企业部署由可经由网络(例如,互联网)通信地耦接到应用程序服务器子网1904的一个或多个客户端1702组成。根据该实施方案,可在企业驻地1902(例如,不同于远程数据中心1802)处提供应用程序服务器子网1904。应用程序服务器子网1904可包括负载平衡器、一个或多个应用程序容器和一个或多个服务器。应用程序服务器子网1904可经由企业网络通信地耦接到企业驻地1902处提供的一个或多个数据存储库。与云和虚拟化企业部署类似,客户端1702可包括一个或多个客户端设备(例如,移动设备、膝上型计算机、台式计算机等),这些客户端设备可包括或采用合适的应用程序(例如,本地移动应用程序、基于Web的应用程序、瘦/胖客户端应用程序等)以访问并采用企业驻地1902和应用程序服务器子网1904处部署的本主题原始/重建医学成像系统(例如,系统100等)的一个或多个特征和功能。在各种实施方式中,系统100的所述一个或多个部件可分布在客户端1702与应用程序服务器子网1904之间,并且所述一个或多个数据存储库可在企业驻地1902处提供。
图20示出了根据本公开的另一个示例性计算环境的示意性框图,其中可部署本主题系统、方法和计算机可读介质。计算环境包括本地设备部署,其中系统100的所有部件在单个客户端设备2002处提供。通过该实施方式,客户端设备2002可包括基于Web的应用程序,该基于Web的应用程序可经由环回而通信地耦接到一个或多个应用程序容器。一个或多个应用程序容器可经由环回而通信地耦接到一个或多个数据库和/或一个或多个本地文件系统。
参照图21,用于实现要求保护的主题的各个方面的合适环境2100包括计算机2102。计算机2102包括处理单元2104、系统存储器2106、编码解码器1205和系统总线2108。系统总线2108将系统部件(包括但不限于系统存储器2106)耦接到处理单元2104。处理单元2104可为各种可用处理器中的任何一种。双微处理器和其他多处理器体系结构也可用作处理单元2104。
系统总线2108可以是若干类型总线结构中的任何一种,包括存储器总线或存储器控制器、外围总线或外部总线、和/或使用任何一种可用总线体系结构的局部总线,这些总线体系结构包括但不限于工业标准体系结构(ISA)、微通道体系结构(MSA)、扩展ISA(EISA)、智能驱动电子器件(IDE)、VESA局部总线(VLB)、外围部件互连(PCI)、插件总线、通用串行总线(USB)、高级图形端口(AGP)、个人计算机存储卡国际协会总线(PCMCIA)、火线(IEEE 22104)以及小型计算机系统接口(SCSI)。
系统存储器2106包括易失性存储器2110和非易失性存储器2112。基本输入/输出系统(BIOS)(其包含在诸如启动期间在计算机2102内的元件之间传输信息的基本例程)存储在非易失性存储器2112中。另外,根据本创新,编码解码器2105可包括编码器或解码器中的至少一者,其中编码器或解码器中的所述至少一者可由硬件、硬件与软件的组合或软件组成。虽然编码解码器2105被描绘为单独部件,但编码解码器2105可包含在非易失性存储器2112内。作为示例而非限制,非易失性存储器2112可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦可编程ROM(EEPROM)或闪速存储器。易失性存储器2210包括充当外部高速缓存存储器的随机存取存储器(RAM)。根据本发明方面,易失性存储器可存储写操作重试逻辑(未在图21中示出)等。作为示例而非限制,RAM有许多形式可供使用,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据速率SDRAM(DDRSDRAM)和增强型SDRAM(ESDRAM)。
计算机2102还可包括可移动/不可移动、易失性/非易失性计算机存储介质。图21示出了例如盘存储装置2114。盘存储装置2114包括但不限于如磁盘驱动器、固态盘(SSD)、软盘驱动器、磁带驱动器、Zip驱动器、闪存卡或记忆棒等设备。另外,盘存储装置2114可单独包括存储介质或与其他存储介质组合,其他存储介质包括但不限于,诸如压缩盘ROM设备(CD-ROM)、CD可记录驱动器(CD-R驱动器)、CD可重写驱动器(CD-RW驱动器)或数字通用盘ROM驱动器(DVD-ROM)等光盘驱动器。为便于盘存储设备2114连接到系统总线2108,通常使用可移动或不可移动接口,诸如接口2116。
应当理解,图21描述了在用户与在合适的操作环境2100中描述的基本计算机资源之间担当中介的软件。此类软件包括操作系统2118。可储存在盘存储装置2114上的操作系统2118用于控制并分配计算机系统2102的资源。应用程序2120利用了由操作系统2118通过存储在系统存储器2106中或盘存储装置2114上的程序模块2124及程序数据2126(诸如启动/关闭事务表等)对资源的管理。应当理解,要求保护的主题可以用各种操作系统或操作系统的组合来实现。
用户通过一个或多个输入设备2128将命令或信息输入到计算机2102中。输入设备2128包括但不限于,诸如鼠标、轨迹球、触针、触摸板等指向设备、键盘、麦克风、操纵杆、游戏手柄、圆盘式卫星天线、扫描仪、电视调谐卡、数字相机、数字摄像机、网络摄像头、麦克风等。这些及其他输入设备经由一个或多个接口端口2130,通过系统总线2108连接到处理单元2104。一个或多个接口端口2130包括例如串行端口、并行端口、游戏端口以及通用串行总线(USB)。一个或多个输出设备2136使用与一个或多个输入设备相同类型的一些端口。因此,例如,USB端口可用于向计算机2102提供输入,并且将信息从计算机2102输出到输出设备2136。提供输出适配器2134,以说明存在一些需要特殊适配器的输出设备2136,如监视器、扬声器和打印机及其他输出设备2136。作为示例而非限制,输出适配器2134包括在输出设备2136与系统总线2108之间提供一种连接手段的显卡和声卡。应当注意,其他设备和/或设备系统同时提供输入与输出能力,诸如一个或多个远程计算机2138。
计算机2102可使用到一个或多个远程计算机(诸如一个或多个远程计算机2138)的逻辑连接在联网环境中操作。一个或多个远程计算机2138可以是个人计算机、服务器、路由器、网络PC、工作站、基于微处理器的电器、对等设备、智能手机、平板电脑或其他网络节点,并且通常包括相对于计算机2102所描述的许多元件。为简洁起见,仅随一个或多个远程计算机2138示出存储器存储设备2140。一个或多个远程计算机2138通过网络接口2142逻辑地连接到计算机2102,然后经由一个或多个通信连接2144连接。网络接口2142涵盖有线和/或无线通信网络,诸如局域网(LAN)和广域网(WAN)及蜂窝网络。LAN技术包括光纤分布式数据接口(FDDI)、铜线分布式数据接口(CDDI)、以太网、令牌环等。WAN技术包括但不限于点对点链路、如综合业务数字网(ISDN)及其变体的电路交换网络、分组交换网络以及数字用户线(DSL)。
一个或多个通信连接2144是指用于将网络接口2142连接到总线2108的硬件/软件。虽然为了清楚说明起见,将通信连接2144示出于计算机2102内部,但它也可位于计算机2102外部。仅出于示例性目的,连接到网络接口2142所需的硬件/软件包括内部和外部技术,诸如包括常规电话级调制解调器、电缆调制解调器及DSL调制解调器在内的调制解调器、ISDN适配器以及有线和无线以太网卡、集线器和路由器。
上面已描述的内容包括本发明的实施方案的示例。当然,不可能为了描述要求保护的主题而描述各部件或方法的每一个可想到的组合,但应当理解,本主题创新的许多其他组合和排列是可能的。因此,要求保护的主题旨在包括落入所附权利要求的实质和范围内的所有此类变更、修改和变化。此外,上面对本公开的所示实施方案的描述(包括在说明书摘要中描述的内容)并非旨在是穷举性的或将所公开的实施方案限于所公开的确切形式。虽然为了说明的目的而在本公开中描述了特定实施方案和示例,但是如相关领域的技术人员可认识到的,被视为在此类实施方案和示例的范围内的各种修改都是可能的。
特别地,对于由上述部件、设备、电路、系统等执行的各种功能,除非另外指明,否则用于描述这些部件的术语旨在对应于执行所述部件的指定功能(例如,功能上等效)的任何部件,即使这些部件在结构上不等效于执行要求保护的主题的本公开所示示例性方面中的功能的所公开的结构。就这一点而言,也将认识到本创新包括用于执行要求保护的主题的各种方法的动作和/或事件的系统以及具有用于执行这些动作和/或事件的计算机可执行指令的计算机可读介质。
已针对若干部件/块之间的交互描述了上述系统/电路/模块。应当理解,此类系统/电路和部件/块可包括根据上述的各种排列和组合的那些部件或指定的子部件,指定的部件或子部件中的一些、和/或附加部件。子部件也可被实现为通信地耦接到其他部件而非被包括在父部件(分层)内的部件。另外,应当注意,一个或多个部件可被组合成提供聚集功能的单个部件,或者被分成若干单独的子部件,并且可提供诸如管理层的任何一个或多个中间层以便通信地耦接到此类子部件来提供集成功能。本公开中描述的任何部件也可与本公开中未具体描述但是本领域技术人员公知的一个或多个其他部件交互。
另外,虽然可能已仅针对若干实施方式中的一个公开了本主题创新的特定特征,但是这一特征可以如对任何给定或特定的应用而言合乎需要且有利的来与其他实施方式的一个或多个其他特征相结合。此外,就在具体实施方式或权利要求书中使用术语“包括”、“包含”、“具有”、“含有”、其变体以及其他类似词语而言,这些术语旨在以类似于术语“包括”作为开放的过渡词的方式表达为包括在内的意思而不排除任何附加或其他元素。
如本申请中所用,术语“部件”、“系统”等通常旨在表示计算机相关实体,其可以是硬件(例如,电路)、硬件与软件的组合、软件、或与具有一个或多个特定功能的操作机器相关的实体。例如,部件可以是但不限于在处理器(例如,数字信号处理器)上运行的过程、处理器、对象、可执行程序、执行线程、程序和/或计算机。作为示例,在控制器上运行的应用程序和控制器都可以是部件。一个或多个部件可以驻留在过程和/或执行线程内,并且部件可以定位在一个计算机上和/或分布在两个或更多个计算机之间。此外,“设备”可以呈现以下形式:特别设计的硬件;通过其上软件的执行而实现专门化的广义硬件,该软件使硬件能够执行特定功能;存储在计算机可读存储介质上的软件;在计算机可读传输介质上传输的软件;或它们的组合。
此外,本公开中使用词语“示例”或“示例性”来表示“作为示例、实例或说明”。本公开中描述为“示例性”的任何方面或设计不一定被解释为相对于其他方面或设计是优选或有利的。相反,词语“示例”或“示例性”的使用旨在以具体的方式给出概念。如本申请中所用,术语“或”旨在表示包含性的“或”而不是排他性的“或”。即,除非另外指明或从上下文中清晰可见,“X采用A或B”旨在表示任何自然的包含性排列。即,如果X采用A,X采用B;或X采用A和B两者,则在任何前述情况下都满足“X采用A或B”。另外,如本申请和所附权利要求中所用,除非另外指明或从上下文中清晰可见用于指示单数形式,通常应将词语“一个”和“一种”解释为表示“一个或多个”。
计算设备通常包括多种介质,这些介质可包括计算机可读存储介质和/或通信介质,其中这两个术语在本说明书中以彼此不同的方式使用,如下所述。计算机可读存储介质可为可由计算机访问的任何可用存储介质,通常具有非暂态性质,并且可包括易失性和非易失性介质、可移动和不可移动介质。作为示例而非限制,计算机可读存储介质可结合用于储存诸如计算机可读指令、程序模块、结构化数据或非结构化数据等信息的任何方法或技术来实现。计算机可读存储介质可包括但不限于RAM、ROM、EEPROM、闪速存储器或其他存储器技术、CD-ROM、数字通用盘(DVD)或其他光盘存储装置、磁带盒、磁带、磁盘存储装置或其他磁存储设备、或其他可用于存储所需信息的有形和/或非暂态介质。计算机可读存储介质可由一个或多个本地或远程计算设备例如经由访问请求、查询或其他数据检索协议来访问,以便对该介质所存储的信息执行多种操作。
另一方面,通信介质通常以可呈暂态的数据信号(诸如已调制数据信号,例如载波或其他传输机制)来体现计算机可读指令、数据结构、程序模块或者其他结构化或非结构化数据,并且包括任何信息传递或传输介质。术语一个或多个“已调制数据信号”是指以在一个或多个信号中编码信息的方式设定或更改其一个或多个特性的信号。作为示例而非限制,通信介质包括有线介质(诸如有线网络或直接连线连接)和无线介质(诸如声学、RF、红外和其他无线介质)。
鉴于上述示例性系统,参照各个附图的流程图将会更好地理解可根据所述主题实现的方法。为了解释的简洁,将所述方法描绘和描述为一系列动作。然而,根据本公开的动作可按各种顺序和/或同时发生,且带有未在本公开中呈现和描述的其他动作。此外,实现根据本公开的某些方面的方法可能并不需要所有示出的动作。另外,本领域技术人员应当理解并认识到,方法可另选地经由状态图或事件表示为一系列相互关联的状态。另外,应当理解,本公开中公开的方法能够存储在制品上以便于将此类方法传输并转移到计算设备。如本公开中所用,术语制品旨在涵盖可从任何计算机可读设备或存储介质访问的计算机程序
应当理解,以上描述旨在是例示性的而非限制性的。例如,上述实施方案(和/或其各方面)可彼此组合使用。另外,在不脱离本发明的各种实施方案的范围的情况下,可进行许多修改以使特定情况或材料适应本发明的各种实施方案的教导。虽然本文描述的材料的尺寸和类型旨在限定本发明的各种实施方案的参数,但实施方案决不是限制性的而是示例性实施方案。在阅读以上描述后,许多其他实施方案对于本领域技术人员而言将是显而易见的。因此,本发明的各种实施方案的范围应参考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。
在所附权利要求中,术语“包括”和“在…中”用作相应术语“包含”和“其中”的通俗中文等同物。此外,在以下权利要求中,术语“第一”、“第二”和“第三”等仅用作标记,而不旨在对其对象施加数字要求。此外,以下权利要求的限制不是用装置加功能格式书写的,也不旨在基于35U.S.C.§112,第六段来解释,除非并且直到这些权利要求限制明确地使用短语“用于…的装置”,然后是没有其他结构的功能陈述。
该书面描述使用示例来公开本发明的各种实施方案(包括最佳模式),并且还使得本领域的任何技术人员能够实践本发明的各种实施方案,包括制造和使用任何设备或系统以及执行任何包含的方法。本发明的各种实施方案的可取得专利权的范围由权利要求限定,并且可包括本领域技术人员想到的其他示例。如果示例具有与权利要求的字面语言没有不同的结构元件,或者如果示例包括与权利要求的字面语言无实质差别的等效结构元件,则这些其他示例旨在在权利要求的范围内。
Claims (15)
1.一种用于自适应用户界面的系统,包括:
用户界面输出部件,所述用户界面输出部件包括能由处理器执行以向至少一个输出设备输出第一用户界面的指令;
输入设备,所述输入设备在当前会话期间从与所述第一用户界面交互的用户接收输入用户动作;
输入跟踪部件,所述输入跟踪部件包括能由所述处理器执行以寄存在所述当前会话期间从所述输入设备接收到的用户动作;以及
用户体验确定系统,所述用户体验确定系统包括能由所述处理器执行以进行以下各项的指令:
确定用户对所选择的用户界面屏幕和/或工作流、所选择的应用程序和/或所选择的用户界面范例的用户体验级别;
经由包括第一节点层和第二节点层的模型并且基于至少所寄存的用户动作、用户交互历史、用户简档信息以及附加系统特性分配和/或更新一个或多个用户分组,包括将所寄存的用户动作输入到所述第一节点层的第一组节点中并且将所述用户交互历史输入到所述第一节点层的第二组节点中,其中所述第一组节点和所述第二节点层的连接与所述第二组节点和所述第二节点层的连接不同;以及
基于所述用户体验级别、所述一个或多个用户分组以及下一预期动作的预测生成经调整的用户界面,所述下一预期动作的预测至少部分地基于所寄存的用户动作;
其中所述用户界面输出部件输出所述经调整的用户界面。
2.根据权利要求1所述的系统,其中:
所述用户体验级别由所述用户的直接选择确定。
3.根据权利要求1所述的系统,其中:
沿着从在标尺的一端的初学者到所述标尺的另一端的高级用户的所述标尺选择所述用户体验级别。
4.根据权利要求1所述的系统,其中:
所述用户简档信息包括职称、软件访问级别、参加的相关培训课程和位置中的至少一者;
所述用户交互历史包括用户使用了某些帮助菜单的次数以及用于解决什么类型的问题、用户执行了什么任务、以及已向所述用户呈现过往用户界面中的至少一者;并且
所述附加系统特性包括一个或多个技术因素、界面使用情况和时间约束中的至少一者。
5.根据权利要求4所述的系统,其中:
所述经调整的用户界面在与所述第一用户界面不同的用户界面范例中输出,其中所述一个或多个技术因素包括什么技术系统在给定时间工作、所使用的Web浏览器、屏幕尺寸、可用的软件插件、可用的编码解码器、互联网速度、网络速度、设备输入范例以及处理能力中的一者或多者,并且其中所述界面使用情况包括其中使用所述第一用户界面的医疗情况。
6.根据权利要求1所述的系统,其中:
所述模型包括神经网络、机器学习或深度学习中的至少一者。
7.根据权利要求6所述的系统,其中:
所述第一组节点是多个当前使用的因素并且所述第二组节点是多个历史使用的因素,并且所述模型包括多个附加节点,所述多个附加节点包括多个用户分组、多个用户分级和多个自适应输出类型,并且
所述经调整的用户界面具有比所述第一用户界面少的用户界面按钮。
8.根据权利要求7所述的系统,其中:
所述多个当前使用因素包括点击的按钮因素、交互的屏幕因素以及使用的监视器数量因素,所述多个用户分组包括第一子集,所述第一子集包括单次用户单个任务分组、对任务不熟悉的用户分组、一般科技通分组以及长期用户典型任务分组,并且
所述点击的按钮因素连接到所述第一子集的每个分组,并且所述交互的屏幕因素和使用的监视器数量因素各自连接到所述第一子集中的一些分组但不是所有分组。
9.根据权利要求1所述的系统,还包括:
动作自动化部件,所述动作自动化部件包括能由所述处理器执行以进行以下的指令:确定所述下一预期动作的所述预测是否为容易恢复且对所述用户有明显效果的动作;并且如果是这样,则使所述下一预期动作自动化,使得所述系统在不需要显式用户输入的情况下执行所述动作,并且其中所述经调整的用户界面具有比所述第一用户界面多的用户界面按钮。
10.根据权利要求1所述的系统,其中:
所述经调整的用户界面提供与所预测的下一预期动作相关的提示,并且其中基于所选择的应用和所选择的用户界面范例确定所述用户体验级别。
11.一种用于自适应用户界面的方法,包括以下步骤:
检索用户的用户界面交互历史;
寄存在当前会话期间与第一用户界面交互的所述用户的输入动作;
经由包括第一节点层和第二节点层的模型基于所述用户的所述用户界面交互历史和所述用户的所寄存的输入动作来确定所述用户的用户体验级别,所述用户界面交互历史被输入到所述第一节点层的第二组节点中并且所寄存的输入动作被输入到所述第一节点层的第一组节点中,其中所述第一组节点和所述第二节点层的连接与所述第二组节点和所述第二节点层的连接不同;
基于所述用户的所述用户体验级别来调整用户界面,包括提供基于所述用户的所述用户体验级别为用户定制的用户界面提示;以及
输出经调整的用户界面。
12.根据权利要求11所述的方法,其中:
为软件应用程序和用户界面范例确定所述用户体验级别,并且
所述用户界面提示包括调整一个或多个所选择的用户界面按钮的外观以向所述用户显示一个或多个所选择的按钮在所述经调整的用户界面中的位置,所述一个或多个所选择的按钮包括用户接下来最可能寻找的一个或多个按钮。
13.根据权利要求11所述的方法,其中所述第二组节点包括多个不同的交互因素并且所述第一组节点包括多个不同的使用因素,并且所述方法还包括:
经由所述模型分配来自多个用户分组的用户分组,并且将不同的权重分配至所述多个不同的交互因素与不同的用户分组之间的连接并将不同的权重分配至所述多个不同的使用因素与所述不同的用户分组之间的连接;并且
其中所述经调整的用户界面进一步基于所述用户分组。
14.根据权利要求11所述的方法,其中:
所述用户体验级别进一步基于用户简档信息,所述用户简档信息包括职称、软件访问级别、参加的培训课程和位置中的至少一者。
15.根据权利要求11所述的方法,其中:
如果所述用户没有用户界面交互历史,则所述经调整的用户界面具有比所述第一用户界面少的按钮。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/624,854 | 2017-06-16 | ||
US15/624,854 US11036523B2 (en) | 2017-06-16 | 2017-06-16 | Systems and methods for adaptive user interfaces |
PCT/US2017/051995 WO2018231265A1 (en) | 2017-06-16 | 2017-09-18 | Systems and methods for adaptive user interfaces |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110651251A CN110651251A (zh) | 2020-01-03 |
CN110651251B true CN110651251B (zh) | 2023-10-03 |
Family
ID=59997460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780090992.3A Active CN110651251B (zh) | 2017-06-16 | 2017-09-18 | 用于自适应用户界面的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (2) | US11036523B2 (zh) |
EP (1) | EP3639137B1 (zh) |
CN (1) | CN110651251B (zh) |
WO (1) | WO2018231265A1 (zh) |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10979539B1 (en) | 2017-07-21 | 2021-04-13 | State Farm Mutual Automobile Insurance Company | Method and system of generating generic protocol handlers |
US10747403B2 (en) * | 2017-08-07 | 2020-08-18 | International Business Machines Corporation | Adaptable user input interface |
US11900265B2 (en) * | 2017-11-13 | 2024-02-13 | Merative Us L.P. | Database systems and interactive user interfaces for dynamic conversational interactions |
US11237796B2 (en) * | 2018-05-07 | 2022-02-01 | Google Llc | Methods, systems, and apparatus for providing composite graphical assistant interfaces for controlling connected devices |
IL278719B2 (en) * | 2018-05-15 | 2024-01-01 | Nunetz Inc | Systems and methods for adapting a user interface based platform based on a patient's medical information |
US10936163B2 (en) * | 2018-07-17 | 2021-03-02 | Methodical Mind, Llc. | Graphical user interface system |
US11188060B2 (en) | 2018-09-28 | 2021-11-30 | Rockwell Automation Technologies, Inc. | Lifecycle data files for industrial automation project optimization |
KR102560843B1 (ko) * | 2018-10-30 | 2023-07-27 | 삼성에스디에스 주식회사 | 사용자 입력의 패턴 분석을 이용한 후속 사용자 입력 추천 방법 |
WO2020149839A1 (en) * | 2019-01-16 | 2020-07-23 | Siemens Industry Software Inc. | Adaptive user interfaces for computer-aided technology applications |
US11645110B2 (en) * | 2019-03-13 | 2023-05-09 | International Business Machines Corporation | Intelligent generation and organization of user manuals |
US11144179B2 (en) | 2019-04-12 | 2021-10-12 | Sap Se | Next user interaction prediction |
US20200380432A1 (en) * | 2019-06-03 | 2020-12-03 | Sap Se | Predictive workflow control powered by machine learning in digital workplace |
US10929110B2 (en) * | 2019-06-15 | 2021-02-23 | International Business Machines Corporation | AI-assisted UX design evaluation |
DE102019210008A1 (de) * | 2019-07-08 | 2021-01-14 | Volkswagen Aktiengesellschaft | Verfahren zum Betreiben eines Bediensystems und Bediensystem |
US11068285B2 (en) | 2019-09-19 | 2021-07-20 | Adobe Inc. | Machine-learning models applied to interaction data for determining interaction goals and facilitating experience-based modifications to interface elements in online environments |
EP3799066A1 (de) * | 2019-09-24 | 2021-03-31 | Siemens Healthcare GmbH | Schulen von nutzern medizinischer geräte |
DE102019217346B4 (de) | 2019-11-11 | 2023-12-07 | Psa Automobiles Sa | Verfahren zur Darstellung von Informationen auf einer Mensch-Maschine-Schnittstelle eines Kraftfahrzeugs, Computerprogrammprodukt, Mensch-Maschine-Schnittstelle sowie Kraftfahrzeug |
US11551081B2 (en) * | 2019-12-09 | 2023-01-10 | Sap Se | Machine learning models for sentiment prediction and remedial action recommendation |
US11720375B2 (en) | 2019-12-16 | 2023-08-08 | Motorola Solutions, Inc. | System and method for intelligently identifying and dynamically presenting incident and unit information to a public safety user based on historical user interface interactions |
CN115280269A (zh) | 2019-12-27 | 2022-11-01 | 方法思维有限责任公司 | 图形用户界面系统 |
AU2021211470A1 (en) * | 2020-01-22 | 2022-09-15 | Methodical Mind, Llc. | Graphical user interface system |
US11413531B2 (en) * | 2020-03-03 | 2022-08-16 | Sony Interactive Entertainment Inc. | Game console application with action card strand |
US20210278932A1 (en) * | 2020-03-03 | 2021-09-09 | Investcloud Inc | Self-learning digital interface |
JP7559343B2 (ja) | 2020-04-14 | 2024-10-02 | セイコーエプソン株式会社 | 印刷システム、印刷方法、情報処理装置、及び、情報処理プログラム |
US11513655B2 (en) * | 2020-06-26 | 2022-11-29 | Google Llc | Simplified user interface generation |
US20210406673A1 (en) * | 2020-06-26 | 2021-12-30 | Nvidia Corporation | Interface translation using one or more neural networks |
US11775318B2 (en) * | 2020-11-20 | 2023-10-03 | Sap Se | Unified semantic model of user intentions |
WO2022135684A1 (en) * | 2020-12-22 | 2022-06-30 | Huawei Technologies Co., Ltd. | Method and apparatus for personalizing task flow in a system having multiple interfaces |
CN113254419B (zh) * | 2021-01-19 | 2022-05-03 | 深圳市神州通在线科技有限公司 | 一种基于大数据微服务的物联网云平台管理系统及方法 |
US20220261683A1 (en) * | 2021-02-12 | 2022-08-18 | Adobe Inc. | Constraint sampling reinforcement learning for recommendation systems |
USD1029847S1 (en) * | 2021-03-24 | 2024-06-04 | Neutrace Inc. | Display screen or portion thereof with a graphical user interface for a medical device |
WO2023284961A1 (en) * | 2021-07-15 | 2023-01-19 | Lotus Tech Innovation Centre Gmbh | Computer-implemented method of adapting a graphical user interface of a human machine interface of a vehicle, computer program product, human machine interface, and vehicle |
EP4141586A1 (en) * | 2021-08-27 | 2023-03-01 | Siemens Aktiengesellschaft | Method and system for generating user specific engineering programs in a multi-user engineering environment |
CN114093493A (zh) * | 2021-08-30 | 2022-02-25 | 武汉联影医疗科技有限公司 | 一种用于控制医学影像设备的界面的系统和方法 |
US20230094635A1 (en) * | 2021-09-28 | 2023-03-30 | Intuit Inc. | Subscriber retention and future action prediction |
US11714527B2 (en) * | 2022-01-06 | 2023-08-01 | International Business Machines Corporation | Behavior based menu item recommendation and pruning |
US20230274291A1 (en) * | 2022-02-28 | 2023-08-31 | Intuit Inc. | Churn prediction using clickstream data |
US11922441B2 (en) * | 2022-03-31 | 2024-03-05 | Intuit, Inc. | Method and system for event prediction using spatio-temporally sampled data |
CN114510315A (zh) * | 2022-04-20 | 2022-05-17 | 济南巨石信息技术有限公司 | 一种基于办公自动化的办公信息管理系统 |
US20230367617A1 (en) * | 2022-05-13 | 2023-11-16 | Slack Technologies, Llc | Suggesting features using machine learning |
US20240143799A1 (en) * | 2022-10-31 | 2024-05-02 | Saudi Arabian Oil Company | Systems, devices, and methods for determining and registering authorized roles |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034399A (zh) * | 2011-12-09 | 2013-04-10 | 微软公司 | 调整用户界面元素 |
CN106095767A (zh) * | 2015-04-29 | 2016-11-09 | 1C有限责任公司 | 自动生成用户表单界面的方法和系统 |
CN106095242A (zh) * | 2015-06-16 | 2016-11-09 | 华为技术有限公司 | 一种用于移动通信设备的上下文感知用户界面 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5903454A (en) | 1991-12-23 | 1999-05-11 | Hoffberg; Linda Irene | Human-factored interface corporating adaptive pattern recognition based controller apparatus |
US6633315B1 (en) | 1999-05-20 | 2003-10-14 | Microsoft Corporation | Context-based dynamic user interface elements |
US6828992B1 (en) | 1999-11-04 | 2004-12-07 | Koninklijke Philips Electronics N.V. | User interface with dynamic menu option organization |
US6781607B1 (en) * | 2000-01-27 | 2004-08-24 | International Business Machines Corporation | Method and system for dynamically determining the appropriate information and/or user interface for presentation to differing users |
US20050015276A1 (en) * | 2000-10-31 | 2005-01-20 | Dan Sullivan | Computerized risk management module for medical diagnosis |
US20050015728A1 (en) | 2003-07-17 | 2005-01-20 | International Business Machines Corporation | Method, system, and program product for customizing a user interface |
US9165280B2 (en) | 2005-02-22 | 2015-10-20 | International Business Machines Corporation | Predictive user modeling in user interface design |
US8467715B2 (en) | 2006-01-03 | 2013-06-18 | General Electric Company | System and method for just-in-time training in software applications |
US8417481B2 (en) | 2008-09-11 | 2013-04-09 | Diane J. Cook | Systems and methods for adaptive smart environment automation |
US20120047087A1 (en) | 2009-03-25 | 2012-02-23 | Waldeck Technology Llc | Smart encounters |
US8756184B2 (en) * | 2009-12-01 | 2014-06-17 | Hulu, LLC | Predicting users' attributes based on users' behaviors |
US8836643B2 (en) | 2010-06-10 | 2014-09-16 | Qualcomm Incorporated | Auto-morphing adaptive user interface device and methods |
US9646317B2 (en) * | 2010-08-06 | 2017-05-09 | Avaya Inc. | System and method for predicting user patterns for adaptive systems and user interfaces based on social synchrony and homophily |
GB2495265A (en) | 2011-07-07 | 2013-04-10 | Toyota Motor Europe Nv Sa | Artificial memory system for predicting behaviours in order to assist in the control of a system, e.g. stability control in a vehicle |
US8453058B1 (en) | 2012-02-20 | 2013-05-28 | Google Inc. | Crowd-sourced audio shortcuts |
US20130232074A1 (en) * | 2012-03-05 | 2013-09-05 | Mark Carlson | System and Method for Providing Alert Messages with Modified Message Elements |
US8812417B2 (en) | 2012-08-20 | 2014-08-19 | InsideSales.com, Inc. | Hierarchical based sequencing machine learning model |
US9367079B2 (en) | 2013-03-15 | 2016-06-14 | West Virginia University | Compressed sampling and memory |
US9170119B2 (en) * | 2013-09-24 | 2015-10-27 | Mitsubishi Electric Research Laboratories, Inc. | Method and system for dynamically adapting user interfaces in vehicle navigation systems to minimize interaction complexity |
US20160259501A1 (en) * | 2015-03-02 | 2016-09-08 | Aptify Corporation | Computer System and Method for Dynamically Adapting User Experiences |
US20170031575A1 (en) * | 2015-07-28 | 2017-02-02 | Microsoft Technology Licensing, Llc | Tailored computing experience based on contextual signals |
US10706309B2 (en) | 2016-02-29 | 2020-07-07 | Nec Corporation | Recursive neural networks on future event prediction |
WO2017152096A1 (en) | 2016-03-04 | 2017-09-08 | Axon Vibe AG | Systems and methods for predicting user behavior based on location data |
US10997509B2 (en) | 2017-02-14 | 2021-05-04 | Cognitive Scale, Inc. | Hierarchical topic machine learning operation |
-
2017
- 2017-06-16 US US15/624,854 patent/US11036523B2/en active Active
- 2017-09-18 CN CN201780090992.3A patent/CN110651251B/zh active Active
- 2017-09-18 WO PCT/US2017/051995 patent/WO2018231265A1/en unknown
- 2017-09-18 EP EP17777719.0A patent/EP3639137B1/en active Active
-
2021
- 2021-04-07 US US17/224,944 patent/US11372657B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103034399A (zh) * | 2011-12-09 | 2013-04-10 | 微软公司 | 调整用户界面元素 |
CN106095767A (zh) * | 2015-04-29 | 2016-11-09 | 1C有限责任公司 | 自动生成用户表单界面的方法和系统 |
CN106095242A (zh) * | 2015-06-16 | 2016-11-09 | 华为技术有限公司 | 一种用于移动通信设备的上下文感知用户界面 |
Also Published As
Publication number | Publication date |
---|---|
CN110651251A (zh) | 2020-01-03 |
US20180365025A1 (en) | 2018-12-20 |
US11372657B2 (en) | 2022-06-28 |
EP3639137A1 (en) | 2020-04-22 |
US20210294617A1 (en) | 2021-09-23 |
WO2018231265A1 (en) | 2018-12-20 |
EP3639137B1 (en) | 2023-08-30 |
US11036523B2 (en) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110651251B (zh) | 用于自适应用户界面的系统和方法 | |
US10628001B2 (en) | Adapting user interfaces based on gold standards | |
US8892419B2 (en) | System and methods for semiautomatic generation and tuning of natural language interaction applications | |
US8600967B2 (en) | Automatic organization of browsing histories | |
US20200097586A1 (en) | Relevance ranking of productivity features for determined context | |
CA2966386C (en) | Dynamic user experience workflow | |
AU2018267674B2 (en) | Method and system for organized user experience workflow | |
US12001786B2 (en) | Applied artificial intelligence technology for natural language generation using a graph data structure with follow-up capabilities | |
WO2021025757A1 (en) | Recognizing problems in productivity flow for productivity applications | |
Vairamuthu et al. | Design of near optimal user interface with minimal UI elements using evidence based recommendations and multi criteria decision making: TOPSIS method | |
US20190138164A1 (en) | User interface for efficient user-software interaction | |
George et al. | Human-Computer Interaction Tools and Methodologies | |
US20210287133A1 (en) | Interoperable smart ai enabled evaluation of models | |
US20230409677A1 (en) | Generating cross-domain guidance for navigating hci's |
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 |