CN112106093A - 高级网页内容管理 - Google Patents
高级网页内容管理 Download PDFInfo
- Publication number
- CN112106093A CN112106093A CN201980031771.8A CN201980031771A CN112106093A CN 112106093 A CN112106093 A CN 112106093A CN 201980031771 A CN201980031771 A CN 201980031771A CN 112106093 A CN112106093 A CN 112106093A
- Authority
- CN
- China
- Prior art keywords
- user
- interfaces
- interface
- content
- content item
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 claims description 92
- 238000003860 storage Methods 0.000 claims description 26
- 230000006998 cognitive state Effects 0.000 claims description 14
- 230000003993 interaction Effects 0.000 claims description 8
- 238000012800 visualization Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 230000004424 eye movement Effects 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 230000008450 motivation Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 39
- 230000006870 function Effects 0.000 description 22
- 238000012545 processing Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 19
- 238000001514 detection method Methods 0.000 description 12
- 238000010801 machine learning Methods 0.000 description 9
- 238000007726 management method Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000001815 facial effect Effects 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000001149 cognitive effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008451 emotion Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000764238 Isis Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002853 ongoing effect Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000003867 tiredness Effects 0.000 description 1
- 208000016255 tiredness Diseases 0.000 description 1
Images
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
- G06F9/453—Help systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
- G06F16/9577—Optimising the visualization of content, e.g. distillation of HTML documents
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/103—Formatting, i.e. changing of presentation of documents
- G06F40/106—Display of layout of documents; Previewing
-
- 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
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/048—Indexing scheme relating to G06F3/048
- G06F2203/04803—Split screen, i.e. subdividing the display area or the window area into separate subareas
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
控制界面的内容可以包括接收在显示屏上呈现的多个界面。多个界面可以包括至少一个主任务界面,并且多个界面中的每一个可以呈现至少一个内容项。可以估计关于经由多个界面呈现的内容项的用户参与度水平。可以确定关于完成经由主任务界面呈现的主任务的进度的用户有效性的程度。可以基于用户参与度水平和用户有效性的程度从多个界面中选择内容项。可以在多个界面中的至少一个的未使用部分上以受控方式进行所选择的内容项的呈现。
Description
技术领域
本申请总体上涉及计算机和计算机应用,并且更具体地涉及界面、浏览器和网页管理。
背景技术
显示屏可以在一个浏览器中、在多个浏览器实例中或在多个浏览器中显示多个内容窗口,例如网页、标签或界面。可以出于诸如在社交媒体上通信、收听音乐、浏览、执行在线任务和活动(例如,编辑在线和/或web内容、与后端、云服务或另一系统处理交互)、监测(例如,监测新闻事件、体育事件、web流量报告、天气、和/或另一项目)、娱乐和/或其他目的之类的目的而打开多个内容窗口。
例如,由于用户活动或任务、在网页或界面上显示的内容或信息的性质和特性,一些打开的标签、网页或界面可能比其他更重要或更时间敏感。然而,例如,对于一些用户,在切换标签或网页中花费的时间的累积效果可能是无法承担的,例如,因为用户可能需要从一个标签切换到另一个标签以找到用户感兴趣的标签。从一个内容切换到另一个内容(例如,经由标签、网页或界面呈现)可以影响用户关于用户的主任务或活动的参与度水平。例如,用户可能失去关于用户的当前任务的注意力,并且用户的情感、认知状态和情绪状态(例如,情绪、疲倦)可能关于正在进行的活动而改变。这样的事件可以累积地影响用户完成用户主任务的有效性的程度。
发明内容
本发明提供了一种控制界面内容的方法和系统。在一个方面,该方法可以包括接收在显示屏上呈现的多个界面。多个界面可以包括至少一个主任务界面。在一个方面,多个界面中的每一个可以包括至少一个内容项。该方法还可以包括估计关于经由多个界面呈现的内容项的用户参与度水平。该方法还可以包括确定关于完成经由主任务界面呈现的主任务的进度的用户有效性的程度。该方法还可以包括基于用户参与度水平和用户有效性的程度从多个界面选择内容项。
在一个方面中,一种控制界面的内容的系统可包括与至少一个存储器装置耦合的至少一个硬件处理器。至少一个硬件处理器可操作以接收经由计算设备打开的多个界面。多个界面可以包括至少一个主任务界面。多个界面中的每一个可以包括至少一个内容项。该至少一个硬件处理器还可操作来估计关于经由多个界面呈现的内容项的用户参与度水平。该至少一个硬件处理器还可操作来确定关于完成经由主任务界面呈现的主任务的进度的用户有效性的程度。该至少一个硬件处理器还可操作来基于用户参与度水平和与(一个或多个)主任务相关的用户有效性的程度来从多个界面选择内容项。该至少一个硬件处理器还可操作来控制或触发对多个界面中的至少一个的未使用部分上的选定内容项的呈现的控制。
还可以提供一种计算机可读存储介质,其存储可由机器执行以执行本文描述的一个或多个方法的指令程序。
根据一个方面,提供了一种用于控制界面的内容的系统,包括:与至少一个存储器设备耦合的至少一个硬件处理器,该至少一个硬件处理器可操作以至少:接收在显示屏上呈现的多个界面,多个界面包括至少一个主任务界面,多个界面中的每一个呈现至少一个内容项;估计关于经由多个界面呈现的内容项的用户参与度水平;确定关于完成经由主任务界面呈现的主任务的进度的用户有效性的程度;以及基于用户参与度水平和用户有效性的程度从多个界面选择内容项。
下面参考附图详细描述各种实施例的进一步特征以及结构和操作。在附图中,相同的附图标记表示相同或功能相似的元件。
附图说明
现在将参考附图仅通过示例的方式描述本发明的实施例,在附图中:
图1A-1D示出了一个实施例中的网页或界面内容管理。图2A-2C示出了在一个实施例中转换网页或界面内容。图3A-3D示出了在一个实施例中检测界面或网页的未使用部分的示例。图4示出了在一个实施例中用户可以在其上手动分配区域的界面或网页的示例。图5是示出一个实施例中智能地管理网页或界面的方法的示图。图6作为示例示出了在一个实施例中的可视化图表以及例如在网页的未使用部分上创建的突出显示的动态代码。图7是示出一个实施例中智能地管理和控制界面(例如,网页)的内容的方法的流程图。图8是示出一个实施例中可智能地控制界面的内容的系统的组件的示图。图9是示出一个实施例中的系统的组件的图,该系统可智能地管理和/或控制在诸如网页等一个或多个界面上呈现的内容。图10示出了可以实现根据一个实施例的系统的示例计算机或处理系统的示意图。
具体实施方式
可以提供一种系统、方法和技术,其智能地管理在呈现内容项的显示器(例如,浏览器窗口)上的界面或网页布置,例如,以便提高正在界面、网页等上执行的活动的任务完成率。在一些实施例中,可以针对除用户的主要任务或活动之外的任务或活动来预测用户的有效性,例如,以便例如利用可接受的质量阈值来提高用户的总体任务完成率。内容项可以从网页中动态地选择或聚集,并且被布置为使得内容项不会影响用户的总体任务生产率。可以确定至少一个界面或网页的未使用部分,以呈现被确定为与用户的活动相关的内容项。在一些实施例中,至少一个界面或网页可以被分割以呈现被确定为与用户的活动相关的内容项。在一些实施例中,可以学习并动态地降低优先级或建议从界面或网页移除(或已移除)可能导致无效结果(例如,用户的预测的有效性)的在一个或多个界面或网页上显示或呈现的内容项。
在一些实施例中,方法和/或系统可以智能地管理和控制网页和/或界面的内容项,例如,以便例如以可接受的质量阈值来改善用户的总体任务完成。智能地管理和控制内容项可以基于预测用户有效性和分析内容相关性。例如,可以识别在显示屏上显示或呈现的多个网页等(例如,包括在线显示或呈现的内容的界面)。多个网页(或界面)中的至少一个与正在执行(例如实时地)的用户的主任务相关联。每个界面或网页显示或呈现至少一个内容项。可以关于所显示或呈现的内容项和用户的一个或多个主任务(例如,利用在与用户的主任务相关联的网页或界面上呈现的内容项),来估计或确定用户的参与度水平。可以分析用户的上下文和认知状态,并且可以关于完成一个或多个主任务的进度来确定用户有效性的程度。可以基于分析内容项相关性和用户有效性的程度从一个或多个网页(界面)选择被确定为相关的一个或多个内容项。在一些实施例中,方法和/或系统可以在至少一个网页(或界面)的一个或多个未使用部分上呈现或显示和/或控制被确定为相关的所选择的一个或多个内容项,例如,这可以提高用户的总体任务完成率。
随着越来越多的标签、网页或界面打开作为在线用户活动或任务的一部分的显式内容项,关于用户的一个或多个主活动(一个或多个任务)的用户有效性(例如,主活动的完成和与主活动相关联的质量)可以增加或降低。根据一些实施例的方法和/或系统智能地管理网页或界面,以例如通过基于预测的用户有效性,例如在至少一个网页的一个或多个未使用部分上为用户显示或呈现所选择的相关内容项来改进用户任务完成。在一些实施例中,例如,在需要提高用户有效性(例如,任务的完成)的执行任务的区域中,用户有效性可以被预测为诸如用户进度分数、上下文分析、任务或活动特性、内容项特性之类的属性的函数。在一些实施例中,智能地控制内容项显示可以以可接受的质量阈值来提高总体任务完成率。在一些实施例中,可以基于分析任务规范细节,例如从诸如问题跟踪系统之类的协作项目管理应用获得的任务规范细节,来给出或确定任务的可接受质量属性。可接受的质量阈值或属性可以在任务元数据上指定,或者可以从类似任务的先前排名的质量阈值或属性中提取。
图1A-1D示出了一个实施例中的网页或界面内容管理。图1A示出了呈现电子邮件(e-mail)应用和撰写电子邮件的主任务的网页或界面。例如,图1A中所示的邮件应用可以包括示出与收件箱102相关的内容的区域、具有消息的区域104以及允许用户利用聊天功能的另一区域106。弹出屏幕或面板108可被填充或示出以用于撰写新消息。图1B示出了在示出邮件应用的网页(或界面)(例如,标识为主任务界面或网页)中标识的两个未使用区域。未使用区域1110中的空闲空间是由于收件箱中仅有少量电子邮件而产生的,并且通过分析用户的历史行为来断定用户不使用利用106处的区域聊天应用程序,来确定区域2 112未被使用。图1C示出分析多个网页或标签(或界面)以评估用户对内容项的参与度,以便确定相关内容,并随后预测用户有效性。在该示例中,一个或多个浏览器等还可以使其他网页或界面打开,例如,一个与实时业务流相关联114,而另一个与流传输事件相关联116。响应于确定相关内容增强了用户有效性,如图1D所示,内容或内容的信息118、120可以显示在未使用区域中。在一些实施例中,信息可以是从被确定为相关的内容导出的导出内容(例如,在体育赛事中比赛的队伍的更新的当前得分120,而不是116的流视频)。
在一个实施例中,实现该方法的计算机进程或线程可以例如在后台运行,同时用户与一个或多个网页上或跨一个或多个网页的内容项交互,并且连续地分析用户已经访问过至少一次的每个打开的网页或界面。该计算机进程还可以基于分析结果和其他外部元数据来对每个网页进行简档化。网页(界面)简档和其他外部元数据可以提供用于确定内容项相关性或重要性(并且因此确定正在呈现或显示内容项的对应网页或界面)、以及分配关于用户的至少一个主任务的内容项相关性分数的基础。在一些实施例中,还可以确定可能影响完成用户的主任务的用户有效性水平的程度的当前用户上下文和认知状态。
系统可以基于网页简档和内容分析来动态地对网页进行排名,网页简档和内容分析可以提供用于确定内容项关于用户任务的相关性分数或完成一个或多个主任务的用户有效性的进一步细节。网页(和内容项)的排名和相关性分数可以随着用户继续与一个或多个内容项、任务简档和检测到的内容项特性交互(并且因此参与)而改变。在一些实施例中,来自纽约阿蒙克的国际商业机器公司的Watson内容分析可被用于收集和分析内容项和/或网页。
在一些实施例中,方法和/或系统可以估计用户参与度,例如,其可以至少部分地通过访问网页的频率、每次访问(例如,阅读)所花费的时间、用户与内容项的交互、眼睛移动的分析、注视模式、网页的简档和/或其他因素来测量。估计用户参与度的方法可以使用定制的训练的机器学习模型或算法来完成。作为示例,可以采用下面描述的马尔可夫(Markov)链算法来分析用户阅读模式。
在实施例的一个实现中,在下面的算法中,Vi是表示在第i个时间观看的内容项的部分的随机变量,vi是在第i个时间观看的所观察的感兴趣的区域,并且n是用户从内容项的一个部分转变到另一个部分(或者如果转变是在网页之间,则从一个页面转变到另一个)的次数。概率P(Vi=vi)和P(Vi=vi|Vi-1=vj)可以直接从用户活动流数据中估计,例如通过对从vj到vi的转换的数目进行计数并且确保适当的归一化(v∈O P(V=v|Vj)=1)。“O”表示可能的状态结果,其可以包括{点击、暂停、向上滚动、向下滚动、放大、缩小、打字、读或其他}。索引i-1表示在第i个时间的观看之前的观看时间(例如,第i-1个时间)。类似地,j表示第j个时间的观看,其中i,j∈{1,2,…,n}并且其中j>i。
在一个实施例中,上述表示可以建模以估计平均用户参与度。例如,可以使用马尔可夫链的变体(例如,马尔可夫链的离散混合)来完成估计用户参与的建模,这可以考虑可能存在于用户数据中的不同用户参与模式。在上述算法中,Pk(V1)和Pk(Vi|Vi-1)表示概率分布,αk是混合物权重,k表示混合组分。
系统还可以基于迄今为止的用户进度来估计用户对任务或任务组的完成的当前进度。在一些实施例中,估计当前进度的方法基于分析数据流,该数据流可以包括代码提交(或所写的代码行)的数量、所提交的事务的数量、对所生成或提交的文档的分析(例如,在Word文档中写的字的数量、所提交的可移植文档格式(PDF)文档、和/或其他)。估计当前进度的方法还可以基于来自用户群组和任务群组的相似性分析。例如,任务的总数、分配给任务的用户的数量以及完成的任务可以用于确定用户与其他用户相比的进度以及参考点的相应完成率。
用户有效性表示用户在完成或参与一个或多个用户主要任务的能力方面的有效性的程度。在一些实施例中,方法和/或系统可以基于估计的进度、估计的用户参与度、分析(类似任务群组的)历史数据和给定的任务的可接受质量属性、以及分析任务规范细节(例如,从协作项目管理应用获得,其例如可以提供诸如版本控制、源代码管理功能和其他服务的服务),来估计或预测用户在预定时间中以可接受质量属性(其可以是预定义的)完成指定任务的能力。可接受的质量阈值或属性(或多个阈值或属性)可以在任务元数据上指定,或者可以从类似任务的先前排名的质量阈值或属性中提取。在一些实施例中,任务元数据可以通过分析来自监视活动的数据来获得,例如,用于诸如用户的进度速率、分配的任务、在规定的时间段内完成的工作、在各个网页上花费的时间和查看的web内容的信息。
确定用户有效性,例如估计或预测用户在预定时间内完成指定任务的能力,可以进一步考虑用户对给定任务(或类似任务)的动机、工作方式以及用户的先验知识或专业水平的分析。可以在用户简档中获得这样的信息。在一些实施例中,可以构建或构建用户简档。
基于估计的用户u(u∈U)对一个或多个任务T的进度(Progu∈U(T))和测量的质量属性,在一些实施例中,方法和/或系统可以确定与完成一个或多个用户主任务(Effu∈U(T))的进度相关的用户有效性的程度。ProgU∈U(T)表示用户U对相应任务T的进度。例如,用户有效性,Effu∈U(T),可以取一个“很高(5)”、“高(4)”、“中(3)”、“低(2)”或“差(1)”的值,用户有效性可以用另一种形式或值表示。如果估计的用户有效性的程度低于阈值Δ((Effu∈U(T)<Δ),则一些实施例中的方法和/或系统可以自动地或自主地触发内容选择,所述内容选择可以进一步使用一个或多个相关内容选择因素从内容网页(界面)存储动态地选择一个或多个内容项。一个或多个相关的内容选择因素可以包括内容相关性分数、用户简档(例如,用户情境,认知状态和/或其他用户因素)、参与度、和任务简档。
例如,在图1中,主任务的示例被描述为撰写电子邮件,并且用户的有效性(用户有效性)可以由每分钟键入的单词的数量来量化。如果一些实施例中的方法和系统检测到用户不断地改变标签以检查流事件的进度或监测交通(例如,因为用户需要前往某个位置),则该方法和/或系统可以确定显示与流事件相关联的一些数据(例如,体育事件得分)或交通信息可以通过不需要在标签之间切换来增强用户效率。另一方面,如果该方法和/或系统检测到呈现或显示(例如,图形或地图)的形式(例如,可视化)分散了用户的注意力,这降低了主任务的质量(例如,拼写错误的数量增加),则该方法和/或系统可以将该形式(例如,图形或地图)简化为简单的信息数据,例如,诸如“道路X延迟”的交通数据。如果该方法和/或系统仍然检测到电子邮件的质量差(例如,用户仍然在犯许多拼写错误),则该方法和/或系统可以自动地或自主地在未使用的空间中添加字典查找,例如,这可以帮助提高用户的生产率。
图2A-2C示出了在一个实施例中转换网页或界面内容。例如,将内容缩减为另一形式(例如,图形佳通图映射至简单文本数据,股票活动图至简单股价)可以帮助用户避免从用户的主要任务分心。例如,图2A中202处的图形显示可以被转换成例如204处所示的另一形式。图2C示出了添加字典查找窗口206等的示例,其可以改进编辑过程(例如,改进拼写),作为示例,这可以提高撰写电子邮件的任务的质量。
在一些实施例中,内容项可以采取控件(widget)的形式,其是实时的和交互式的。例如,控件可以是使得用户能够执行功能或访问服务的应用或界面的组件,并且可以被提供为用户可以与之交互的图形用户接口(GUI)元件。例如,交通控件和体育事件控件都可以实时更新。如果用户点击控件,则用户可以被带到内容所源自的网页。
在一些实施例中,可以智能地管理所选择的一个或多个相关内容项的方法和/或系统还可以检测至少一个网页(或界面)的一个或多个未使用部分。在一些实施例中,方法和/或系统可以拆分或部分化至少一个网页或界面以显示所选择的一个或多个相关内容项。可以基于对网页或GUI的未使用部分的分析在运行时确定内容项的特性和位置。
图3A-3D示出了在一个实施例中检测界面或网页的未使用部分或一部分的示例。图3A示出了电子邮件应用程序的界面或网页,以及例如撰写电子邮件消息的主要任务。例如,未使用部分检测功能识别两个区域302、304,其可以用于显示来自另一界面或网页的相关内容。在该示例中,空白空间(或用户界面显示表示中的类似物)可被标识为未使用部分。图3B示出了软件或代码开发应用程序的界面或网页,以及在代码开发应用程序的界面或网页上编写软件代码的主任务。在该示例中,考虑代码开发应用程序的界面使用显示窗口的一部分(例如,在306处示出的右侧栏)来提供应用程序特征,例如,通知菜单或另一特征。未使用部分检测功能可以识别当采用该应用程序来编写代码时用户通常不使用(或不感兴趣)该特定应用程序特征。例如,可以通过查看或分析用户对应用程序的使用的历史数据来执行这样的确定。在该示例场景中,未使用部分检测功能可以将通知菜单部分标识为未使用部分306。
参考图3C,考虑界面或网页是呈现或流传输视频的应用程序的界面或网页,从而允许用户经由该界面观看视频。主任务被标识为观看视频。还考虑该应用程序的界面包括例如与主任务部分(示出当前正被观看的视频)同时显示的评论部分(例如,用于允许用户输入评论)和/或推荐部分(例如,其可以推荐其他视频以供用户观看)。在该示例中,未使用部分检测功能可以确定用户可能对308处示出的部分(标记为区域1)中示出的推荐或310处示出的部分(标记为区域2)中示出的评论不感兴趣。例如,未使用部分检测功能可以监测界面上的用户活动,并且确定用户尚未使用该应用程序的那些特征。在一些实施例中,该方法和/或系统可以使用那些部分308、310来显示其他相关内容。
参考图3D,考虑界面或网页是社交网络应用程序的界面或网页,其可以在用户的社交网络页面上馈送新闻。在该示例中,未使用部分检测功能可以确定用户可能对出现在例如312处(标记为区域1)所示的用户社交网络页面的一部分上和/或示出到314处(标记为区域2)上所示的其他页面的链接的一部分的一些通知不感兴趣。例如,一些实施例中,方法和/或系统可以通过对经由诸如网络摄像机(例如,与正被监测的网络内容相关的)之类的设备接收的图像和/或其他数据执行面部识别检测和情绪分析,来确定未使用的部分。作为另一示例,一些实施例中,方法和/或系统可以实现用户注视检测,以将视线与当前正被观看和/或监测的内容的一部分、连同用户点击等(经由输入设备)以及与特定内容相关的所花费的时间量进行映射。类似特征可允许该方法和/或系统理解用户对页面上的特定本地化内容的兴趣级别。
因此,在一些实施例中,该系统和/或方法可以自动检测界面或网页的未使用部分,并且使用这些部分来在GUI上提供或布置内容,这可以增加用户在处理主任务时的有效性。
一些实施例中,用户可以选择在主网页或界面上手动分配区域,在该区域中可以显示来自其他网页的相关内容。图4示出了在一个实施例中用户可以在其上手动分配区域的界面或网页的示例。在一些实施例中,该方法和/或系统可以自动确定相关内容。在一些实施例中,相关内容可以由用户选择。例如,网页可以被划分成内容片段或部分。可以在本地或以超文本标记语言(HTML)形式替换内容的交互式图形用户界面(GUI)可以用于动态地定位内容,或者可以由用户例如使用虚拟中间层利用显示屏上的相应位置来指定。
图5是示出一个实施例中的智能地管理网页或界面的方法的示图。该方法可以由至少一个硬件处理器执行。在502处,可以检测或接收网页(或界面或浏览器中的标签)的打开。例如,用户可以打开新标签或网页或界面,例如,以浏览或导航。显示或呈现新标签或网页或界面的浏览器等接收诸如统一资源位置(URL)的位置标识符,从该位置标识符可以检索新标签或网页或界面并将其呈现在例如用户界面显示上。
在504处,识别打开的网页、标签和/或界面中的主(也称为优先级)标签或网页或界面。在一些实施例中,可以将主页面识别为用户的查看最多和/或操作最多的页面,其中可以在显示屏上的不同未使用区域处指定和分配内容。最初,在一些实施例中,主页面可以由用户手动设置,或者可以基于用户所花费的时间和在该页面上执行的功能来动态地识别。
在506处,评估或重新评估所有打开的网页或标签或界面等。例如,在一些实施例中,反馈学习机制可以被提供为机器学习实施例的一部分,其理解诸如注视频率、操作特定web内容、被分配给用户的任务、和/或可以导致改变用户的兴趣或参与水平的其他活动之类的活动。
在508处,对于1到N个打开的网页或标签或界面(例如,对于例如在506确定的打开的网页或标签或界面中的每一个),确定来自网页(或标签或界面)的相关内容。在一些实施例中,可以基于网页排名或基于外部元数据确定的相关评分来确定网页、标签或界面的相关内容。可以基于诸如对特定网页内容的操作、在页面上花费的时间、页面的使用频率之类的特征来执行网页排名。例如,具有较高数量的活动、花费的时间和频率的网页可被排序得较高。网页排名可以确定网页的优先级。相关评分可以例如基于与特定网页内的部分或内容片段相关联的用户焦点(例如,眼睛注视的模式、输入活动(例如,点击、鼠标悬停和/或其他)来对该部分或内容片段进行排名。
在一些实施例中,可以如下确定网页、标签或界面的相关内容。可以估计用户有效性。例如,可以通过执行文本分类或另一分析来分析打开的网页(或标签或界面)的内容。这样的分析可以确定用户感兴趣的主题,例如,基于用户先前已经访问或查看的主题的历史可以被确定。可以执行用户上下文估计,其例如基于关于网页(或标签或界面)的历史用户行为来确定用户花费最多时间的网页(或标签或界面或位置),并且确定当前打开的集合中的相似网页(或标签或界面)。例如,如果网页(或标签或界面)的内容满足与另一网页(或标签或界面)的内容的相似度阈值,则可以确定该网页(或标签或界面)与另一网页(或标签或界面)相似。可以执行用户认知状态分析,其例如通过检测用户的眼睛移动、注视、诸如鼠标活动的输入设备活动、和/或面部微表情来确定用户注意力和/或兴趣。在一些实施例中,具有输入特征(例如,用户的眼睛移动、注视、诸如鼠标活动(例如,点击、悬停)等的输入设备活动、频率、时间、所分配的任务、参与度水平、和/或面部微表情)的机器学习机制可训练机器学习模型来确定特定内容的相关评分。可以训练机器学习模型的机器学习算法的示例可以包括但不限于线性回归、逻辑回归、诸如深度学习神经网络的神经网络、和/或其他。监督机器学习,例如,基于标记的训练数据集来训练模型,并且能够在给定输入特征向量或输入特征值的情况下预测结果。
在510处,可以从在508处确定的一组相关内容中挑选或选择最相关和/或有效的信息或内容。在一些实施例中,多于一个内容项可以被选择为最相关的。例如,可以选择排名最高的内容或者多个排名最高的内容。
在512处,主网页或标签或界面可被呈现,例如,具有在510处从另一网页或标签或界面确定的最相关和/或有效的信息。例如,来自另一个网页的内容可以被覆盖在主网页的一个或多个部分上,例如,覆盖在主网页的未使用部分上。
在514处,可以监测和重新评估用户活动。例如,可以监测用户对覆盖在主网页的一部分上的内容的消费,和/或可以检测用户打开新网页(或标签或界面)。基于所监测的活动,在一些实施例中,该方法和/或系统可以重新评估最相关内容的确定,并且可以动态地更新主网页(标签或界面)的一个或多个未使用部分上的内容的呈现。例如,在510和512处的处理可以基于用户的新活动而迭代或重复。
在一些实施例中,该方法和/或系统可以基于单个用户或多个用户来重新配置其自身。例如,如果多个用户登录到同一计算机或甚至不同计算机,则基于他们各自的凭证,诸如生物测定信息(手指检测)、语音检测、面部检测以登录到计算机,该方法和/或系统可以基于特定用户调整相关内容以显示或覆盖在主界面或网页或标签上。例如,每个单独的用户可以具有各自用户自己的偏好或相关内容的集合,并且可以检测用户以识别或重新配置设置。
该方法和/或系统可以为每个用户创建单独的认知状态或身份,以便通过从多个网页提取相关的有效信息来配置优先化的内容。因此,响应于例如从数据库(例如,其可以远程地(例如,在云数据库中)或本地地存储)检索或接收内容,可以动态地显示或呈现被确定为特定用户感兴趣的内容(例如,基于他们的兴趣、认知试探)。这样,可以做出为特定用户显示或呈现定制内容的智能决定。所呈现或显示的内容可以更加个性化,并且可以涉及特定用户的认知兴趣和历史。
在一些实施例中,呈现或显示未使用的内容的网页的一个或多个部分可被用来例如以一个或多个可视化图表的形式突出显示用户的活动、已完成的任务以及要完成的用户任务的呈现。例如,在网页上动态创建的、在未使用部分或区段上显示的这种可视化可以使得能够动态评估用户关于用户完成的任务和正在执行的活动的进度。作为实现示例,后端Javascript可以使得能够创建动态网页和可视化图表,其突出了用户在相应网页上花费的时间和有效性以及正在进行的任务。作为示例,图6示出了在一个实施例中的例如在网页的未使用部分上创建的突出显示的可视化图表以及动态代码。可视化突出显示用户的活动以及在不同任务和各种web源和/或项目上花费的时间。突出显示的代码示出了例如动态JavaTMscript代码的示例,其可以在后端层中创建以示出用户的进度、任务和花费在不同网页内容上的时间用于自我分析的说明性图形表示,在未使用部分中示出以向用户提供或呈现(例如,向用户)用户的进度的广泛视角。Java和所有基于Java的商标和标志是Oracle和/或其分支机构的商标或注册商标。
如上所述,在一些实施例中,方法和/或系统可以包括估计用户有效性的程度。在一些实施例中,对用户有效性的程度的估计可以被配置为持续地了解关于与预测的有效或无效结果相关联的网页的一个或多个未使用部分上显示(或呈现)的一个或多个内容项的用户有效性。学习可以使用注视模式分析,并且识别用户最频繁关注的网页或界面的区域。学习可以包括警告、降低优先级或建议移除与用户的预测无效结果相关联的一个或多个内容项或要显示的网页。例如,响应于确定显示视频内容已知与关于用户的主任务在主界面或网页上被执行的不良结果相关联,该内容项可以被建议移除或移动到不太相关的类别。因此,例如,如果检测到的一个或多个内容项的影响正在降低用户进度的速率或完成能力,则在一些实施例中的方法和/或系统可以动态地降低优先级或建议所显示的一个或多个内容项被移除或不被显示。例如,参考图1,显示交通地图可以被确定为使用户对在例如撰写电子邮件消息的打开的界面(主要界面或网页)上执行用户的主任务分心。作为响应,该方法和/或系统可以将图形实况交通地图缩减为简单的文本数据。如果该方法和/或系统仍然确定用户的有效性降低,而不管显示形式的改变,则该方法和/或系统可以完全移除该信息(文本数据)。
在一些实施例中,云存储器存储系统可以存储相应用户的活动和认知状态。该方法和/或系统可以基于在特定时间点登录到计算机上的特定用户来确定个性化显示选择。
虽然以上示例描述了网页内容管理,但是该方法和/或系统还可以被实现为管理在诸如移动电话、平板电脑、个人计算机、膝上型计算机、和/或另一设备之类的计算设备上部署和/或运行的本地应用中的内容。以类似的方式,该方法和/或系统可以检测特定app或应用(application)的用户界面(例如,GUI)的未使用部分,并且将来自在计算设备上运行的其他app或应用的相关内容插入到该特定app或应用的该未使用空间中。
在一些实施例中,计算设备可以是边缘计算设备,例如,其中选择性个性化内容可以被高速缓存以供多个用户快速检索,并且根据那些相应用户在其相应感兴趣的网站、界面和/或标签上的参与度水平以优先化的方式被显示(动态GUI)。
图7是示出一个实施例中智能地管理和控制界面(例如,网页)的内容的方法的流程图。该方法可以例如利用可以预定义的可接受质量阈值来改善用户的总体任务完成。该方法可以包括预测用户有效性和分析内容相关性。该方法可以由至少一个硬件处理器执行或运行。
在702处,可以接收例如在显示屏上呈现的多个界面(例如,一个或多个网页、标签、app(应用)页面和/或另一界面)。多个界面可以包括至少一个主任务界面,并且多个界面中的每一个可以呈现至少一个内容项。
在704处,可以估计关于经由多个界面呈现的内容项的用户参与度水平。例如,可以分析用户的活动或与多个界面中的每一个的交互,例如包括与主任务界面的交互,以确定关于在多个界面中的主任务界面和其他界面上呈现的内容项的用户参与度水平。在一些实施例中,用户参与度水平可以按用户来计算,并且可以包括例如针对每个内容计算的多个值。例如,用户参与度水平可以包括基于内容的优先级和针对用户的相应内容的定位的多个值。作为另一示例,用户参与度水平可以包括基于内容的优先级和针对用户组中的每个用户的相应内容的定位的多个值。
在一些实施例中,估计或确定用户参与度水平可以包括分析例如与多个界面的用户交互模式,估计用户上下文(例如,用户的当前活动、用户的当前状态)并且确定关于多个界面上的内容项的用户群组(cohort)(例如,进度状态、理解水平、认知状态)。用户上下文是指与用户相关联的信息或属性。用户群组是指一组用户(例如,一起观看屏幕)。在一些实施例中,方法和/或系统可以检测各个用户的偏好(例如,通过诸如面部识别技术的自动检测机制),并且可以基于平均机制来动态地改变内容。
在一些实施例中,可以至少基于用户导航到多个界面中的一个界面的频率、每次访问多个界面所花费的时间、用户与多个界面的交互程度、以及用户眼睛移动和注视模式来估计用户参与度水平。例如,可以针对特定网页内容来计算用户参与度水平,例如,其可以使用可能性概率来计算。
在706处,可以确定关于完成经由主任务界面呈现的主任务的进度的用户有效性的程度。在一些实施例中,可以至少基于与主任务相关联的用户动机、工作风格和用户的专业水平来确定关于完成经由主任务界面呈现的主任务的进度的用户有效性的程度。例如,可以经由监测诸如传感器馈送和一个或多个应用(例如,用于接收日历、日程、议程项目)的源来跟踪用户活动,以计算用户的进度率。在一些实施例中,机器学习可以将所跟踪的信息中的至少一些作为输入,以计算用户的进度率。可以例如从社交媒体等提取信息或数据,以确定工作风格和专业知识。在一些实施例中,可以基于用户对一个或多个任务的估计进度率和测量的质量属性来确定用户有效性的程度。
在708处,可以基于用户参与度水平和用户有效性的程度来从多个界面选择内容项。在一些实施例中,用户有效性的程度可以用作内容选择(例如,从多个候选内容项)的输入,其可以决定或优化哪些内容项最适合于用户。在一些实施例中,可以在没有用户有效性的测量的情况下选择一个或多个内容项目。在一些实施例中,多个界面中的每一个的内容相关性可以例如从用户参与度水平来确定,例如通过分析用户对与多个界面相关联或在多个界面上呈现的内容项的活动或兴趣来确定。在一些实施例中,可以进一步基于内容简档、任务简档、内容项的特性、用户上下文和用户认知状态来选择内容项。因此,例如,可以基于一个或多个内容选择因素来选择内容项,所述内容选择因素诸如内容相关性得分、用户简档(其可以包括用户上下文、用户认知状态、和/或与用户相关联的其他信息)、参与度水平和任务简档。在一些实施例中,可以基于估计的参与度水平和内容简档、内容项的特性、用户上下文和认知状态来确定内容相关性分数。在选择一个或多个内容项时,例如,取决于在选择过程中考虑的约束,可以打开或关闭(使用或不使用)一些上述指定的变量。例如,约束可以包括增加用户有效性。
在710处,可以控制所选择的内容项在多个界面中的至少一个的未使用部分上的呈现。例如,可以在主任务界面的未使用部分上显示所选择的内容项。在一些实施例中,控制所选内容项的呈现可以包括将所选内容项的显示从一种形式转换为另一种形式。例如,图形显示可以被转换成更简单的文本形式。在一些实施例中,控制在多个界面中的至少一个的未使用部分上的所选内容项的呈现可以增加完成主任务的速率。内容项显示的这种布置可以提高用户的总体任务完成率。
在一些实施例中,可以基于用户对经由主任务界面执行的主任务的进度来动态地构造可视化图表。例如,可以基于用户在预定义时间段T内相对于用户处理或完成的任务的进度来动态地构造或呈现动态可视化图表。
在一些实施例中,该方法还可以包括检测主任务界面中的一个或多个未使用部分,例如,用于显示被确定为相关的一个或多个内容项。例如,一个或多个内容项可以来自用户频繁访问的流行的页面或界面。
在一些实施例中,该方法还可以包括连续地学习关于在未使用部分上呈现的内容项目的用户有效性的程度。学习可以包括监测用户注视模式并且识别用户对主任务界面的区域的聚焦。基于该学习,呈现在未使用部分上的内容项可以被降低优先级或移除。在另一实施例中,基于学习,可以建议或推荐内容项去优先化或移除。
在一些实施例中,可以提供或实现多层机器学习分类模型(例如,深度学习),其能够预测最相关的内容并且从多个打开的界面(例如,网页)中识别界面(诸如,网页)的未使用部分。例如,可以动态地管理内容以改善用户的任务完成率并提高完成在界面(例如,网页)上执行的任务的效率。例如,方法和/或系统可以识别一个或多个主要任务,在至少一个界面(例如,网页)的未使用部分上呈现(例如,显示或导致显示)和控制一个或多个内容项(例如,被确定为相关的)。内容项呈现的这种控制可以提高用户的总体任务完成率。
在一些实施例中,例如,可以通过添加来自单独界面(例如,网页)的内容来利用各个界面(例如,网页)中的未使用区,使得用户想要频繁访问的所有信息被合并在一个区域中。例如,可以实现认知学习实施例以及对用户的上下文活动的理解的方法和/或系统可以允许改进的任务完成率,同时满足预定义的质量阈值和属性。在一些实施例中,方法和/或系统还可以动态地生成诸如一个或多个图或另一可视化(和/或另一信息形式)的内容并将其添加(或插入)到界面的未使用部分,例如,该内容可以示出用户进度以及当前正在执行或已经执行的活动的列表。这样的动态内容可以随时间示出现实的进度以指示用户对经由一个或多个界面执行的一个或多个任务的效率。
图8是示出一个实施例中可智能地控制接口的内容的系统的组件的示图。{U}可以表示一组用户,{T}可以表示一组用户任务,以及{C}可以表示一个或多个界面中的一组内容项,所述界面例如网页、标签、和/或应用、和/或另一类型的界面。{Pu}可以表示相应用户U的简档。{Pc}可以表示相应内容C的简档。EngU(C)可以表示用户U对每个内容C的参与度。EngU(T)可表示用户U对每个任务T的参与度。ProgU(T)可以表示用户U在相应任务T上的进度。EffU(T)可以表示用户U对相应任务T的有效性。RScore(C)可以表示内容项C的相关性分数。可以为相应的多个用户、任务和内容项存储多个这样的值。
图8中所示的组件可以包括执行一个或多个硬件处理器并执行这里描述的功能的硬件组件或软件组件。处理器可以是中央处理单元(CPU)、图形处理单元(GPU)、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、另一合适的处理组件或设备、或其一个或多个组合。处理器可以与存储器设备耦合。存储器设备可以包括随机存取存储器(RAM)、只读存储器(ROM)或另一存储器设备,并且可以存储用于实现与本文描述的方法和/或系统相关联的各种功能的数据和/或处理器指令。处理器可以执行存储在存储器中或从另一计算机设备或介质接收的计算机指令。在另一实施例中,处理器可以用本文描述的各种功能中的一个或多个来编程。
用户任务数据库或存储(例如,存储设备)802可以存储诸如与任务相关联的元数据之类的信息。元数据信息可以包括与任务相关联的质量属性和阈值,例如,任务完成时需要满足的质量水平。
任务简档器804可以基于存储在用户任务存储802中的信息创建任务简档(例如,每个任务)。例如,与任务T相关联的任务简档指定与该任务T相关联的质量属性。
用户模型数据库或存储(例如,存储设备)806可以存储与用户相关联的信息。这样的信息可以包括用户上下文、用户的认知状态、用户的知识水平、和/或其他信息。
用户简档器808可以基于存储在用户模型数据库或存储806中的信息来创建用户简档(例如,为每个用户)。例如,与用户U相关联的用户简档可以指定与该用户U相关联的用户上下文、认知状态和知识水平。
内容和界面(例如,网页、应用界面)数据库或存储(例如,存储设备)810可以存储多个内容和界面,例如,网页等。
内容分析器812可对界面内容(例如,要经由诸如网页的界面显示或呈现的内容)执行分析(例如,文本分析、图像分析),并且内容简档器814可创建内容简档。可以例如针对从内容存储810接收的每个网页或界面内容,按界面(例如,网页)创建内容简档。在一些实施例中,内容简档可以存储内容本身、与内容相关联的元数据(诸如内容的统一资源定位符(URL))、内容的特性、使用历史、历史有效性(例如,如果存在的话)、和/或与内容相关联的其他信息或属性。
参与分析器816可接收内容简档和任务简档,并且可确定用户U对任务T的参与度。用户U对任务T的参与度可基于诸如与用户经由其执行任务T的网页或界面相关联的用户活动等信息来确定,该信息例如可在内容简档和任务简档中的一个或多个中指定。
参与分析器816还可确定用户U对内容C的参与度水平。用户U对内容C的参与度水平可基于诸如与包括内容C的网页或界面相关联的用户活动等信息来确定。
排名和相关性分数组件818可以接收内容简档和用户U对内容C的参与度水平,并且计算与内容C相关联的相关分数。例如,如上所述,可以计算(例如,用户U对内容C的)参与度水平。可以将正在被分析的内容项目和参与度水平与可重新配置的输入权重一起馈送到具有隐式和/或显式学习反馈的深度学习神经网络算法。这种深度学习神经网络算法可能已经例如基于历史数据或训练数据集训练或学习了权重,以能够预测相关分数,给出包括内容项和关于内容项的参与度水平的输入特征。经训练的神经网络可以例如在1-5的可重新配置的标度上预测相关分数。
进度和有效性估计器820可以接收与用户U相对应的用户简档以及用户U对内容C的参与度水平,并且可以确定用户U在任务T上的进度。进度和有效性估计器820还可以确定用户U对任务T的有效性。
内容选择器822接收与内容C、用户U在任务T上的进度以及用户U对任务T的有效性相关联的相关分数,并从一组内容项中选择内容。例如,一个或多个规则可以基于这些因素指定选择哪些内容。
内容管理器和控制器824可以控制例如在主任务界面上呈现或显示所选择的内容(C')。
图9是示出一个实施例中的系统的组件的图,该系统可智能地管理和/或控制在诸如网页等一个或多个界面上呈现的内容。一个或多个硬件处理器902,例如中央处理单元(CPU)、图形处理单元(GPU)和/或现场可编程门阵列(FPGA)、专用集成电路(ASIC)、和/或另一处理器,可以与存储器设备904耦合,并且可以执行本文描述的各种功能,并且可以控制在一个或多个接口(例如网页)上的内容呈现。存储器设备可以包括随机存取存储器(RAM)、只读存储器(ROM)、或另一存储器设备,并且可以存储用于实现与本文描述的方法和/或系统相关联的各种功能的数据和/或处理器指令。处理器可以执行存储在存储器中或从另一计算机设备或介质接收的计算机指令。存储器装置904可以例如存储用于一个或多个硬件处理器902的功能的指令和/或数据,并且可以包括指令和/或数据的操作系统和其它程序。一个或多个硬件处理器902可以接收包括内容、用户和任务信息的输入。例如,至少一个硬件处理器902可以基于例如本文描述的各种功能来选择和控制内容。在一个实施例中,与任务、用户和内容相关联的数据可以存储在一个或多个存储设备906中,或者经由网络接口908从远程设备接收,并且可以临时加载到存储器设备904中,以用于确定内容和控制内容。一个或多个硬件处理器902可以耦合到接口设备,诸如用于例如经由网络与远程系统通信的网络接口908,以及用于与诸如键盘、鼠标、显示器和/或其它输入和/或输出设备通信的输入/输出接口910。
图10示出了可以实现本公开的一个实施例中的系统的示例计算机或处理系统的示意图。计算机系统仅是合适的处理系统的一个示例,并且不旨在对本文描述的方法的实施例的使用范围或功能提出任何限制。所示的处理系统可以与许多其它通用或专用计算系统环境或配置一起操作。适合与图10所示的处理系统一起使用的公知的计算系统、环境和/或配置的示例可包括但不限于,个人计算机系统、服务器计算机系统、瘦客户端、胖客户端、手持式或膝上型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子产品、网络PC、小型机系统、大型机系统、以及包括上述系统或设备中的任一个的分布式云计算环境等。
可以在由计算机系统执行的计算机系统可执行指令的一般上下文(诸如程序模块)中描述计算机系统。通常,程序模块可以包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、逻辑、数据结构等。计算机系统可以在分布式云计算环境中实现,其中任务由通过通信网络链接的远程处理设备执行。在分布式云计算环境中,程序模块可以位于包括存储器存储设备的本地和远程计算机系统存储介质中。
计算机系统的组件可以包括但不限于一个或多个处理器或处理单元12、系统存储器16和将包括系统存储器16的各种系统组件耦合到处理器12的总线14。处理器12可以包括执行本文所述方法的模块30。模块30可被编程到处理器12的集成电路中,或从存储器16、存储装置18或网络24或其组合加载。
总线14可以表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(ISA)总线,微通道体系结构(MAC)总线,增强型ISA总线、视频电子标准协会(VESA)局域总线以及外围组件互连(PCI)总线。
计算机系统可以包括多种计算机系统可读介质。这些介质可以是任何能够被计算机系统访问的可用介质,可以包括易失性和非易失性介质,可移动的和不可移动的介质。
系统存储器16可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(RAM)和/或高速缓存存储器或其他。计算机系统可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统18可以用于读写不可移动的、非易失性磁介质(例如,“硬盘驱动器”)。尽管未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如CD-ROM,DVD-ROM或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线14相连。
计算机系统也可以与一个或多个外部设备26(例如键盘、指向设备、显示器28等)通信,还可与一个或者多个使得用户能与该计算机系统交互的设备通信,和/或与使得该计算机系统能与一个或多个其它计算设备进行通信的任何设备(例如网卡,调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口20进行。
并且,计算机系统还可以通过网络适配器22与一个或者多个网络24(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器22通过总线14与计算机系统的其它模块通信。应当明白,尽管图中未示出,可以结合计算机系统使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本文所用的术语仅是为了描述特定实施例的目的,而不是要限制本发明。如本文所用,除非上下文另有明确指示,单数形式“a”、“an”和“the”旨在也包括复数形式。还将理解,术语“包括comprises”和/或“包含comprising”在本说明书中使用时,指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在,但不排除一个或多个其它特征、整数、步骤、操作、元件、组件和/或其群组的存在或添加。
在以下权利要求中的所有装置或步骤加功能元件的对应结构、材料、动作和等效物(如果有的话)旨在包括用于与如具体要求保护的其它要求保护的元件组合执行功能的任何结构、材料或动作。已经出于说明和描述的目的给出了本发明的描述,但是该描述不是穷举的或者将本发明限制为所公开的形式。在不背离本发明的范围和精神的情况下,许多修改和变化对于本领域的普通技术人员来说是显而易见的。选择和描述实施例是为了最好地解释本发明的原理和实际应用,并且使本领域的其他普通技术人员能够理解本发明的具有各种修改的各种实施例,这些修改适合于所设想的特定用途。
Claims (22)
1.一种控制接口的内容的方法,所述方法由至少一个硬件处理器执行,所述方法包括:
接收在显示屏上呈现的多个界面,所述多个界面包括至少一个主任务界面,所述多个界面中的每一个呈现至少一个内容项;
估计关于经由所述多个界面呈现的内容项的用户参与度水平;
确定关于完成经由所述主任务界面呈现的主任务的进度的用户有效性的程度;以及
基于所述用户参与度水平和所述用户有效性的程度从所述多个界面选择内容项。
2.根据权利要求1所述的方法,其中所述界面包括网页。
3.根据权利要求1所述的方法,还包括控制所选择的内容项在所述多个界面中的至少一个界面的未使用部分上的呈现。
4.根据权利要求3所述的方法,其中,控制所选择的内容项的呈现包括将所选择的内容项的显示从一种形式转换为另一种形式。
5.根据权利要求3所述的方法,其中,控制所选择的内容项在所述多个界面中的至少一个界面的未使用部分上呈现增加了完成所述主任务的速率。
6.根据权利要求1所述的方法,其中,估计关于经由所述多个界面呈现的内容项的用户参与度水平包括:
确定关于所述内容项的用户交互模式;
估计用户上下文;以及
确定用户群组。
7.根据权利要求1所述的方法,其中,所述用户参与度水平是至少基于导航到所述多个界面中的界面的频率、每次访问所述多个界面所花费的时间、与所述多个界面的用户交互的程度、以及用户眼睛移动和注视模式来估计的。
8.根据权利要求1所述的方法,其中,所述内容项是进一步基于内容简档、任务简档、内容项的特性、用户上下文和用户认知状态来选择的。
9.根据权利要求1所述的方法,其中,关于完成经由所述主任务界面呈现的主任务的进度的所述用户有效性的程度是至少基于与所述主任务相关联的用户动机、工作风格和用户的专业水平来确定的。
10.根据权利要求1所述的方法,其中基于经由所述主任务界面执行的所述主任务的用户的进度动态地构造可视化图表。
11.根据权利要求1所述的方法,还包括检测所述主任务界面中的一个或多个未使用部分。
12.根据权利要求1所述的方法,还包括连续地学习关于在所述未使用部分上呈现的内容项的所述用户有效性的程度。
13.根据权利要求11所述的方法,其中所述学习进一步包括监测用户注视模式并且识别所述用户对所述主任务界面的区域的聚焦。
14.根据权利要求13所述的方法,还包括基于所述学习对在所述未使用部分上呈现的所述内容项降低优先级。
15.一种计算机可读存储介质,所述计算机可读存储介质存储指令程序,所述指令程序可由机器执行以执行控制界面的内容的方法,所述方法包括:
接收在显示屏上呈现的多个界面,所述多个界面包括至少一个主任务界面,所述多个界面中的每一个呈现至少一个内容项;
估计关于经由所述多个界面呈现的内容项的用户参与度水平;
确定关于完成经由所述主任务界面呈现的主任务的进度的用户有效性的程度;
基于所述用户参与度水平和所述用户有效性的程度从所述多个界面选择内容项;以及
控制所选择的内容项目在所述多个界面中的至少一个的未使用部分上的呈现。
16.根据权利要求15所述的计算机可读存储介质,其中所述界面包括网页。
17.根据权利要求15所述的计算机可读存储介质,其中,所述界面包括应用。
18.根据权利要求15所述的计算机可读存储介质,其中,控制所选择的内容项的呈现包括将所选择的内容项的显示从一种形式转换为另一种形式。
19.根据权利要求15所述的计算机可读存储介质,其中,所述用户参与度水平是至少基于导航到所述多个界面中的界面的频率、每次访问所述多个界面所花费的时间、与所述多个界面的用户的交互的程度、以及用户眼睛移动和注视模式来估计的。
20.一种控制界面内容的系统,包括:
与至少一个存储器设备耦合的至少一个硬件处理器,所述至少一个硬件处理器可操作以至少:
接收经由计算设备打开的多个界面,所述多个界面包括至少一个主任务界面,所述多个界面中的每一个呈现至少一个内容项;
估计关于经由所述多个界面呈现的内容项的用户参与度水平;
确定关于完成经由所述主任务界面呈现的主任务的进度的用户有效性的程度;
基于所述用户参与度水平和所述用户有效性的程度从所述多个界面选择内容项;以及
控制所述选择的内容项在所述多个界面中的至少一个的未使用部分上的呈现。
21.一种用于控制界面内容的系统,包括:
与至少一个存储器设备耦合的至少一个硬件处理器,所述至少一个硬件处理器可操作以至少:
接收在显示屏上呈现的多个界面,所述多个界面包括至少一个主任务界面,所述多个界面中的每一个呈现至少一个内容项;
估计关于经由所述多个界面呈现的内容项的用户参与度水平;
确定关于完成经由所述主任务界面呈现的主任务的进度的用户有效性的程度;以及
基于所述用户参与度水平和所述用户有效性的程度从所述多个界面选择内容项。
22.一种计算机程序,包括程序代码装置,当所述程序在计算机上运行时,所述程序代码装置适于执行根据权利要求1至14中任一项所述的方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/004,656 | 2018-06-11 | ||
US16/004,656 US11443008B2 (en) | 2018-06-11 | 2018-06-11 | Advanced web page content management |
PCT/IB2019/054257 WO2019239236A1 (en) | 2018-06-11 | 2019-05-23 | Advanced web page content management |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112106093A true CN112106093A (zh) | 2020-12-18 |
Family
ID=68765022
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201980031771.8A Pending CN112106093A (zh) | 2018-06-11 | 2019-05-23 | 高级网页内容管理 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11443008B2 (zh) |
JP (1) | JP7267305B2 (zh) |
CN (1) | CN112106093A (zh) |
GB (1) | GB2588050A (zh) |
WO (1) | WO2019239236A1 (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6553418B2 (ja) * | 2015-06-12 | 2019-07-31 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 表示制御方法、表示制御装置及び制御プログラム |
US20180373800A1 (en) * | 2017-06-27 | 2018-12-27 | Alan Pizer | Method of storing and ordering interactive content data in localized and connected content data structures |
US11093510B2 (en) | 2018-09-21 | 2021-08-17 | Microsoft Technology Licensing, Llc | Relevance ranking of productivity features for determined context |
US11163617B2 (en) * | 2018-09-21 | 2021-11-02 | Microsoft Technology Licensing, Llc | Proactive notification of relevant feature suggestions based on contextual analysis |
JP7206863B2 (ja) * | 2018-12-03 | 2023-01-18 | 富士通株式会社 | 表示制御方法、装置、及びプログラム |
CN110245293B (zh) * | 2019-05-28 | 2023-07-11 | 深圳市雅阅科技有限公司 | 一种网络内容召回方法和装置 |
US11321737B2 (en) * | 2019-12-13 | 2022-05-03 | Ebay Inc. | Techniques of prefetching operation cost based digital content and digital content with emphasis |
US11314616B2 (en) * | 2020-01-29 | 2022-04-26 | Adobe Inc. | Machine learning models applied to interaction data for facilitating modifications to online environments |
US11651390B1 (en) * | 2021-12-17 | 2023-05-16 | International Business Machines Corporation | Cognitively improving advertisement effectiveness |
US20230195810A1 (en) * | 2021-12-17 | 2023-06-22 | AMI Holdings Limited | Dynamic Adjustment of Profile Feed in a Social Network |
US11929169B2 (en) * | 2022-02-09 | 2024-03-12 | Kyndryl, Inc. | Personalized sensory feedback |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100198697A1 (en) * | 2006-07-21 | 2010-08-05 | Videoegg, Inc. | Fixed Position Interactive Advertising |
US20150026584A1 (en) * | 2012-02-28 | 2015-01-22 | Pavel Kobyakov | Previewing expandable content items |
CN106170807A (zh) * | 2014-03-31 | 2016-11-30 | 微软技术许可有限责任公司 | 沉浸式文档查看 |
CN107079186A (zh) * | 2014-08-28 | 2017-08-18 | 微软技术许可有限责任公司 | 增强的交互式电视体验 |
CN107256109A (zh) * | 2017-05-27 | 2017-10-17 | 北京小米移动软件有限公司 | 信息显示方法、装置及终端 |
US9990115B1 (en) * | 2014-06-12 | 2018-06-05 | Cox Communications, Inc. | User interface for providing additional content |
Family Cites Families (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7743340B2 (en) * | 2000-03-16 | 2010-06-22 | Microsoft Corporation | Positioning and rendering notification heralds based on user's focus of attention and activity |
US7689521B2 (en) * | 2001-06-28 | 2010-03-30 | Microsoft Corporation | Continuous time bayesian network models for predicting users' presence, activities, and component usage |
US7890960B2 (en) * | 2003-03-26 | 2011-02-15 | Microsoft Corporation | Extensible user context system for delivery of notifications |
US7250955B1 (en) * | 2003-06-02 | 2007-07-31 | Microsoft Corporation | System for displaying a notification window from completely transparent to intermediate level of opacity as a function of time to indicate an event has occurred |
US7231405B2 (en) | 2004-05-08 | 2007-06-12 | Doug Norman, Interchange Corp. | Method and apparatus of indexing web pages of a web site for geographical searchine based on user location |
JP2005209182A (ja) * | 2004-12-24 | 2005-08-04 | Omron Corp | 情報受信装置および方法、情報提供装置および方法、記録媒体、情報提供システム、並びにプログラム |
US7565340B2 (en) * | 2006-01-09 | 2009-07-21 | The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Oregon State University | Methods for assisting computer users performing multiple tasks |
US8381127B2 (en) * | 2006-02-02 | 2013-02-19 | Scenera Technologies, Llc | Methods, systems, and computer program products for displaying windows on a graphical user interface based on relative priorities associated with the windows |
JP2007249868A (ja) * | 2006-03-17 | 2007-09-27 | Ricoh Co Ltd | 情報処理装置及び情報処理方法 |
US8095476B2 (en) * | 2006-11-27 | 2012-01-10 | Inquira, Inc. | Automated support scheme for electronic forms |
CN101201832B (zh) | 2006-12-15 | 2010-04-21 | 国际商业机器公司 | 优化网页图像的方法和系统 |
US20080228910A1 (en) | 2007-03-12 | 2008-09-18 | International Business Machines Corporation | Method for monitoring user interaction to maximize internet web page real estate |
US8346680B2 (en) * | 2008-03-31 | 2013-01-01 | Intuit Inc. | Method and system for dynamic adaptation of user experience in an application |
US8341184B2 (en) * | 2008-05-07 | 2012-12-25 | Smooth Productions Inc. | Communications network system and service provider |
US8442974B2 (en) | 2008-06-27 | 2013-05-14 | Wal-Mart Stores, Inc. | Method and system for ranking web pages in a search engine based on direct evidence of interest to end users |
US20160035230A1 (en) | 2009-08-07 | 2016-02-04 | Vital Source Technologies, Inc. | Assessing a user's engagement with digital resources |
US7716205B1 (en) | 2009-10-29 | 2010-05-11 | Wowd, Inc. | System for user driven ranking of web pages |
US8886650B2 (en) * | 2009-11-25 | 2014-11-11 | Yahoo! Inc. | Algorithmically choosing when to use branded content versus aggregated content |
US8832559B2 (en) * | 2010-06-25 | 2014-09-09 | LeftsnRights, Inc. | Content distribution system and method |
US10262324B2 (en) * | 2010-11-29 | 2019-04-16 | Biocatch Ltd. | System, device, and method of differentiating among users based on user-specific page navigation sequence |
GB2490866A (en) * | 2011-05-09 | 2012-11-21 | Nds Ltd | Method for secondary content distribution |
CN102207974B (zh) | 2011-06-23 | 2014-10-29 | 天津海量信息技术有限公司 | 一种上下文web页面合并方法 |
US9563336B2 (en) | 2012-04-26 | 2017-02-07 | Liveperson, Inc. | Dynamic user interface customization |
US9304584B2 (en) * | 2012-05-31 | 2016-04-05 | Ca, Inc. | System, apparatus, and method for identifying related content based on eye movements |
US9594732B2 (en) * | 2012-12-20 | 2017-03-14 | Google Inc. | Selectively replacing displayed content items based on user interaction |
JP5930208B2 (ja) * | 2013-02-20 | 2016-06-08 | 富士ゼロックス株式会社 | データ処理装置、データ処理システム及びプログラム |
US20140282677A1 (en) | 2013-03-12 | 2014-09-18 | Cbs Interactive Inc. | Second screen application linked to media content delivery |
US20140322677A1 (en) * | 2013-03-15 | 2014-10-30 | Spenser Segal | Systems and methods for computer guided coaching |
CN104077333A (zh) | 2013-03-29 | 2014-10-01 | 北京千橡网景科技发展有限公司 | Web页面内容填充顺序调整方法及装置 |
US9679082B2 (en) * | 2013-06-14 | 2017-06-13 | Yahoo! Inc. | Method and system for identifying and delivering enriched content |
US20150189377A1 (en) | 2013-12-27 | 2015-07-02 | United Video Properties, Inc. | Methods and systems for adjusting user input interaction types based on the level of engagement of a user |
JP6109103B2 (ja) * | 2014-03-04 | 2017-04-05 | 三菱電機株式会社 | プラント監視画面表示装置 |
US20160092518A1 (en) * | 2014-09-25 | 2016-03-31 | Microsoft Corporation | Dynamic results |
US9747382B1 (en) | 2014-10-20 | 2017-08-29 | Amazon Technologies, Inc. | Measuring page value |
US20160156693A1 (en) | 2014-12-02 | 2016-06-02 | Anthony I. Lopez, JR. | System and Method for the Management of Content on a Website (URL) through a Device where all Content Originates from a Secured Content Management System |
US9652543B2 (en) * | 2014-12-22 | 2017-05-16 | Microsoft Technology Licensing, Llc | Task-oriented presentation of auxiliary content to increase user interaction performance |
US10242379B2 (en) * | 2015-01-30 | 2019-03-26 | Adobe Inc. | Tracking visual gaze information for controlling content display |
US20160292744A1 (en) | 2015-03-31 | 2016-10-06 | Yahoo! Inc. | Smart billboards |
US10108733B2 (en) | 2016-05-26 | 2018-10-23 | Salesforce.Com, Inc. | Methods and systems for providing customized web pages to users of a website |
US20180032491A1 (en) | 2016-07-26 | 2018-02-01 | Google Inc. | Web page display systems and methods |
US10331293B2 (en) * | 2017-02-22 | 2019-06-25 | International Business Machines Coporation | Automated resizing of application windows based on interactive states |
JP2018195024A (ja) * | 2017-05-16 | 2018-12-06 | 富士通株式会社 | 関心度評価プログラム、装置、及び方法 |
US10970356B2 (en) * | 2018-03-19 | 2021-04-06 | Popmenu, LLC | Autonomous and dynamic generation of a living website for continuous user engagement |
US10911553B2 (en) * | 2018-04-27 | 2021-02-02 | Adobe Inc. | Dynamic customization of structured interactive content on an interactive computing system |
US11314616B2 (en) * | 2020-01-29 | 2022-04-26 | Adobe Inc. | Machine learning models applied to interaction data for facilitating modifications to online environments |
-
2018
- 2018-06-11 US US16/004,656 patent/US11443008B2/en active Active
-
2019
- 2019-05-23 WO PCT/IB2019/054257 patent/WO2019239236A1/en active Application Filing
- 2019-05-23 GB GB2019706.7A patent/GB2588050A/en not_active Withdrawn
- 2019-05-23 CN CN201980031771.8A patent/CN112106093A/zh active Pending
- 2019-05-23 JP JP2020563759A patent/JP7267305B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100198697A1 (en) * | 2006-07-21 | 2010-08-05 | Videoegg, Inc. | Fixed Position Interactive Advertising |
US20150026584A1 (en) * | 2012-02-28 | 2015-01-22 | Pavel Kobyakov | Previewing expandable content items |
CN106170807A (zh) * | 2014-03-31 | 2016-11-30 | 微软技术许可有限责任公司 | 沉浸式文档查看 |
US9990115B1 (en) * | 2014-06-12 | 2018-06-05 | Cox Communications, Inc. | User interface for providing additional content |
CN107079186A (zh) * | 2014-08-28 | 2017-08-18 | 微软技术许可有限责任公司 | 增强的交互式电视体验 |
CN107256109A (zh) * | 2017-05-27 | 2017-10-17 | 北京小米移动软件有限公司 | 信息显示方法、装置及终端 |
Also Published As
Publication number | Publication date |
---|---|
JP7267305B2 (ja) | 2023-05-01 |
US20190377830A1 (en) | 2019-12-12 |
JP2021526677A (ja) | 2021-10-07 |
US11443008B2 (en) | 2022-09-13 |
GB202019706D0 (en) | 2021-01-27 |
WO2019239236A1 (en) | 2019-12-19 |
GB2588050A (en) | 2021-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11443008B2 (en) | Advanced web page content management | |
US11372657B2 (en) | Systems and methods for adaptive user interfaces | |
KR102644700B1 (ko) | 콘텐츠 추천 방법, 장치, 기기 및 매체 | |
US10628001B2 (en) | Adapting user interfaces based on gold standards | |
US11935080B2 (en) | Reinforcement machine learning for personalized intelligent alerting | |
US20140282178A1 (en) | Personalized community model for surfacing commands within productivity application user interfaces | |
US20140100923A1 (en) | Natural language metric condition alerts orchestration | |
US9697290B2 (en) | Providing relevant information to a user based upon monitored user activities in one or more contexts | |
US20200410392A1 (en) | Task-aware command recommendation and proactive help | |
US11201844B2 (en) | Methods and systems for managing multiple topic electronic communications | |
US10783549B2 (en) | Determining persuasiveness of user-authored digital content items | |
US11055471B1 (en) | Automatic placement of electronic media content items within an online document | |
US20190228105A1 (en) | Dynamic website content optimization | |
US11615163B2 (en) | Interest tapering for topics | |
US11336703B1 (en) | Automated notification of content update providing live representation of content inline through host service endpoint(s) | |
US20230195283A1 (en) | Dynamic modifications of displayed pages to introduce new widgets | |
US11132623B2 (en) | User adapted data presentation for data labeling | |
US20230315491A1 (en) | Generating personalized in-application recommendations utilizing in-application behavior and intent | |
WO2022221052A1 (en) | Automated notification of content update providing live representation of content inline through host service endpoint(s) | |
US20220269935A1 (en) | Personalizing Digital Experiences Based On Predicted User Cognitive Style | |
US10768780B2 (en) | Method and system for context-driven displaying of shortcuts on touchscreen | |
CN111914173A (zh) | 内容处理方法、装置、计算机系统和存储介质 |
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 |