CN113487371A - 环境人口统计学确定系统 - Google Patents
环境人口统计学确定系统 Download PDFInfo
- Publication number
- CN113487371A CN113487371A CN202110928755.8A CN202110928755A CN113487371A CN 113487371 A CN113487371 A CN 113487371A CN 202110928755 A CN202110928755 A CN 202110928755A CN 113487371 A CN113487371 A CN 113487371A
- Authority
- CN
- China
- Prior art keywords
- demographic
- environment
- data
- sensor
- electronic devices
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
- Testing, Inspecting, Measuring Of Stereoscopic Televisions And Televisions (AREA)
Abstract
本发明涉及环境人口统计学确定系统。一种方法包括:由计算机系统从多个分布式电子设备接收人口统计学数据,其包括环境数据和对应隐式人口统计学数据,每个分布式电子设备包括一个或多个传感器,其被配置成检测人、物体或环境的物理特征和/或被配置成感测与对应电子设备分离的用户身体的区域、物体或部分;由计算机系统确定多个环境中的第一环境;由计算机系统确定人口统计学数据的第一部分,其被确定为包括与第一环境匹配的环境数据;由计算机系统分析在第一部分中的隐式人口统计学数据,以生成针对第一环境的多个人口统计学特征;以及由计算机系统基于针对第一环境的多个人口统计学特征,生成针对第一环境的第一人口统计学简档。
Description
本申请是国际申请号为PCT/US2014/022887、国际申请日为2014年3月11日、中国申请号为201480015360.7、发明名称为“环境人口统计学确定系统”的申请的分案申请。
背景技术
存在用于确定人和地点的隐式和显式特征的各种类型设备、传感器和技术。一些系统使用与特定用户相关联的设备来感测或确定用户特定信息。存在于或耦合至移动电子设备的传感器可以感测针对特定用户的特征的各种隐式指示。例如,在智能手机中的传感器可以感测该物理性质,例如,该设备的特定用户的位置、温度、运动速率、心跳等,以搜集能够暗示针对该特定用户的特征的信息。其他基于常规移动电子设备的系统也通过提供用户可以显式报告用户特征的机构来搜集关于特定用户的信息,例如,年龄、情绪、健康状态、重量等。例如,智能手机可以执行应用,该应用提示用户显式地输入个人信息。这些类型的移动的隐式和显式用户特征搜集设备仅每次搜集一个用户的信息。典型的是,每个移动电子设备仅搜集关于设备拥有者或当前用户的信息。
其他系统使用固定传感器,诸如相机、红外成像器、麦克风、语音识别等来检测在传感器邻近的特定区域内的多个人的特征。这样的系统可以分析人的物理性质来确定特征,例如,针对在该特定位置的人的情绪、健康或人口信息等。例如,存在以下系统,所述系统可以基于到达特定传感器范围内的人的诸如微笑程度等物理特性,确定在某个位置的某些人的情绪,例如,高兴、满意、伤感等。因为在这样的系统中的传感器是固定的,这些结果限于安装了传感器的位置。此外,在传感器范围内的特定人群或人口的结果样本是有限的。当用插值法或以其他方式确定与给定位置相关联的情绪或其他特征时,有限的人群采样可能影响结果的准确性。
图1图示了特定区域100的图。区域100可以包括其中各种数目的人110可以被发现的多个位置120。一些位置120可以包括固定传感器(SS)115。如图所示,固定传感115的分布仅限于几个可能的位置120。因此,仅包括固定传感器115的位置120甚至能够确定在特定位置120或区域100中的某个人群110的诸如情绪的特征的近似情况。在图示的特定示例中,仅位置120-1、120-4、120-6、120-10、120-12包括固定情感传感器115。其他位置120没有用于可靠地确定那些位置的特征的方式。
此外,甚至装配有固定传感器115的位置120也受传感器仅检测在该位置中的有限样本的人110的能力限制。固定传感器120的极限可以是基于以范围、速度和准确度表示的传感器的极限。此外,一些人可以主动避免固定传感器120。例如,情绪检测相机可以位于给定娱乐场所的前门,以当人们进入该场所时,捕获他们的面部表情,并且另一情绪检测相机可以位于相同场所的表演舞台,以当人们观看表演时,捕获人们的面部表情。在场所前门的情绪检测相机所捕获的面部表情可检测进入该场所的大部分人是兴奋的,并且在舞台上的情绪检测相机所捕获的面部表情可以检测在舞台附近的大部分人是高兴的。然而,在未被任一情绪检测相机成像的场所中可能存在可能是感到无聊、疲劳或者对该娱乐或该场所不满意的其他人或者甚至大多数人这些人。在这种情形下,关于在该场所中的人们的整体情绪的任何插值结果或结论可能有假,因此,不代表该场所在娱乐其客户方面的真实情绪或成功。本公开的实施例解决这些和其他问题。
附图说明
图1图示了使用启用固定传感器的电子设备以用于确定选择环境的有限特征的常规系统。
图2A图示了可以被用于本公开的各个实施例的启用各种类型传感器的电子设备。
图2B是可以被用于本公开的各个实施例的启用传感器的电子设备的框图。
图3是根据本公开的各个实施例的用于确定各种环境特征的启用多个固定和移动传感器的电子设备的布署的系统的框图。
图4图示了根据本公开各个实施例的各种环境的定义。
图5图示了根据本公开的各个实施例的环境的灵活定义。
图6图示了根据本公开的各个实施例的在环境中空间和时间分量的组合。
图7图示了根据本公开各个实施例的根据在环境定义的时间分量的变化的人口和环境特征。
图8是根据本公开各个实施例的用于限定环境的方法的流程图。
图9是根据本公开各个实施例的用于使用从启用多传感器的电子设备接收到的传感器数据来确定环境特征的方法的流程图。
图10图示了根据本公开实施例的与各个环境相关联的情感传感器数据。
图11图示了根据本公开实施例的追踪与各个环境相关联的运动传感器数据的变化。
图12图示了根据本公开实施例的基于环境的变化的各个用户情感的趋势。
图13根据本公开实施例的基于环境的变化对各个用户情感的预测。
图14图示了根据本公开的实施例的与各种环境相关联的人口传感器数据。
图15图示了根据本公开各个实施例的与各个环境相关联的人口传感器数据的变化。
图16图示了根据本公开实施例的与各种环境相关联的健康传感器数据。
图17图示了根据本公开各个实施例的与各种环境相关联的健康传感器数据的变化。
具体实施方式
此处描述的技术用于灵活限定特定环境并且利用启用分布式传感器的电子设备确定用于该环境的特征的系统和方法。具体而言,本公开的实施例包括利用在分布式固定和移动电子设备中的人口统计学传感器来确定针对环境的人口统计学简档。在下文的描述中,出于解释目的,描述了多个示例和具体细节,以便提供对特定实施例的透彻理解。由随附的权利要求所限定的具体实施例可以包括仅在这些示例中或者结合下文描述的其他特征的一些或所有特征,并且可以进一步包括此处所描述的特征和概念的修改和等效内容。
本公开的各个具体实施例包括用于确定针对某个环境的人口统计学简档的方法。这样的方法可以包括从多个分布式电子设备接收人口统计学数据。人口统计学数据可以包括由多个分布式电子设备针对多个环境感测到的环境数据和相对应的隐式人口统计学数据。该方法的一些实施例进一步包括确定第一环境,确定被确定为包括与第一环境匹配的环境数据的人口统计学数据的第一部分,分析在人口统计学数据的第一部分中的隐式人口统计学数据以生成针对该第一环境的人口统计学特征,并且基于这些人口统计学特征生成针对第一环境的第一人口统计学简档。
本公开的其他实施例可以包括非临时性计算机可读存储介质,其含有指令,当这些指令被执行时,控制计算机系统的处理器被配置成用于从多个分布式电子设备接收人口统计学数据。人口统计学数据可以包括由多个分布式电子设备所感测到的针对多个环境的环境数据和相对应的隐式人口统计学数据。这样的实施例也可以包括从多个环境中确定第一环境,确定被确定包含与第一环境匹配的环境数据的人口统计学数据的第一部分,分析在该第一部分人口统计学数据中的隐式人口统计学数据以生成用于第一环境的人口统计学特征,并且基于该多个人口统计学特征生成针对第一环境的第一人口统计学简档。
本公开的各个其他实施例包括电子设备,该电子设备包括处理器、人口统计学传感器、电子通信接口以及非临时性计算机可读存储介质。非临时性计算机可读存储介质可以含有指令,当所述指令被执行时,控制处理器被配置成激活人口统计学传感器以确定人口统计学传感器读数,并且确定用于该人口统计学传感器读数的环境数据。环境数据描述了其中人口统计学传感器读数被确定的状况。这些指令可以进一步控制处理器被配置成生成人口统计学传感器数据,该人口统计学传感器数据包括环境数据和人口统计学传感器读数,通过电子通信接口将人口统计学传感器数据发送至一个或多个远程服务提供方,并且通过电子通信接口从该一个或多个远程服务提供方中的第一远程服务提供方接收用于特定环境的概要人口统计学传感器数据。概要人口统计学传感器数据可以包括人口统计学传感器数据,该人口统计学传感器数据由第一远程服务提供方从多个其他电子设备接收,并且确定包括与特定环境匹配的环境数据。
本公开的各个实施例包括用于使用从启用多个人口统计学传感器的设备接收到的信息确定环境以及确定针对那些环境的人口统计学简档的系统、方法和设备。通过包括空间和/或时间分量的描述,可以限定环境。空间分量可以指各种类型的绝对和相对位置描述系统,诸如基于坐标的地图系统和基于接近性的位置服务。时间分量可以参考绝对和相对时间描述系统。这样的时间描述系统可以包括开始时间和日期、停止时间和日期、或者在某个自有或通用时间保持系统内的某个特定时间段的指定。在一些实施例中,环境可以由针对特定时间和地点的人口统计学传感器的存在、集中或可用性确定。因此,环境可以被任意限定为时间和位置的独立和综合组合。
一旦环境被选定或限定,从多个电子设备接收到的所有或某些人口统计学传感器数据可以被过滤或分析,以确定包括选定环境匹配的环境数据或与之相关联的人口统计学传感器数据。环境数据可以包括时间和空间分量,其可以描述在传感器数据中包含的人口统计学传感器读数被感测、记录或以其他方式被确定的状况。在一些实施例中,人口统计学传感器数据可以包括隐式人口统计学特征指示和显式人口统计学特征指示。隐式描述符可以包括处理的或未处理的人口统计学传感器读数。这些传感器读数可以被映射到特定的人口统计学信息或人口统计学简档。显式的人口统计学特征描述可以包括一个或多个用户报告的关于针对环境的人口统计学特征的数据点,例如,由用户通过特定应用、网站或社交媒体网络报告的人口统计学特征。如此处所使用的,术语“人口统计学传感器”可以指可以被用于感测可以被用于推断人口统计信息或人口统计学特征的信息的任何传感器,无论质量或准确性如何。例如,血压监视器可以被用于指示人的人口统计学特征,或者可以与来自其他传感器的数据联合使用,以推断一个或多个人的人口统计学特征。
被确定为从处于所研究的环境中的启用人口统计学传感器的电子设备接收到的人口统计学传感器数据可以被分析,以确定用于该环境的人口统计学简档。存在许多结果人口统计学简档可以采取的形式,并且可以基于将消费或浏览这些人口统计学简档的用户或实体的需要。例如,人口统计学简档可以包括用于该环境的所有人口统计学传感器数据的完整列示。在其他实施例中,人口统计学简档可以包括在针对该环境的传感器数据中最频繁的人口统计学特征指示符和描述的概要。在一个实施例中,人口统计学简档可以将所有人口统计学指示符的集合包含在单一合计人口统计学指示符中。无论人口统计学简档的格式如何,这些简档可以通过各种信道和通信线路被输出。例如,人口统计学简档和相关的环境可以被发布到网站,作为邮件发送,在文本消息中广播,或者利用真正简单连锁(RSS)供稿进行推送。
现在将参考特定设备、系统并且使用案例,更具体地描述本公开的各个实施例。
启用传感器的设备
相当部分的用户每天遇到或使用至少一种电子设备。任何或所有这样的电子设备可以被配置成包括一种或多个传感器。图2A图示了启用传感器的电子设备210的若干示例。一些启用传感器的设备210是许多用户可以几乎每天携带的移动设备(称之为启用传感器的移动电子设备210)。这些设备包括各种类型和品牌的启用传感器的移动电话210-1、智能电话210-2、平板计算机和笔记本型计算机等。虽然移动计算和通信设备是一某些最常用的设备,但是也经常使用其他启用传感器的移动电子设备210。例如,不同用户携带启用传感器的计步器、电子音乐播放器(例如,MP3)210-3、手表210-4、眼镜等,并且偶尔也有特种移动电子设备,像自导的位置敏感博物馆游览设备。此外,存在其中一个设备可以被栓到或连接到另一设备的移动电子设备的配置。例如,表210-4或表210-5可以通过有线或无线连接被连接至智能电话210-2,以共享信息、计算、联网或传感器资源。
耦合的或独立的启用传感器的移动电子设备210的任何一个可以包括一个或多个类型的传感器,诸如环境、身体或位置传感器。这样的设备的移动性支持将传感器灵活部署到广泛的环境中,以确定关于那些环境的特征。此外,可能存在装备有一个或多个类型启用传感器固定设备的一些环境(也被称为启用传感器的固定电子设备210),在210-6处一般地示出,其可以被安装或放置在各种环境中,用于检测在那些环境中的人和条件的物理性质,例如,温度、签名、声音级别、面部表情等。由固定电子设备210-6所确定或感测到的信息可以被独立使用,或者可以与从其他启用移动和固定传感器的设备所搜集的信息联合使用。
图2B图示了可以被用于本公开的各个实施例的实施中的启用传感器的电子设备210的示意图。如上所述,启用传感器的电子设备210可以是移动或固定设备。任一类型的电子设备可以包括内部通信总线219,通过该总线,电子设备210的构成组件可以彼此通信和/或控制彼此。在一些实施例中,电子设备210可以包括内部传感器215和/或外部传感器216。这些传感器可以包括能够检测人、物体或环境的物理特征的任何类型的传感器。在一些实施例中,外部传感器216可以通过有线或无线连接被耦合至电子设备210。因此,外部传感器216可以被配置成感测与电子设备210分离的用户身体的区域、物体或部分。例如,外部传感器216可以被包含在腕表、一副眼镜/护目镜、或者例如温度计或心率监控器的能够附着于或粘贴于用户身体的一部分的身体监控器中。
每个传感器可以由处理器214控制,处理器214执行加载至存储器213中或者存储于数据存储218的非临时性计算机可读介质中的计算机可读代码。外部传感器216和内部传感器215所感测到的读数可以被处理器214搜集并且本地存储在存储器213或数据存储218中。在一些实施例中,来自外部传感器216和/或内部传感器215的读数可以被发送至远程服务提供方230。在这样的实施例中,电子设备210可以包括用于将来自传感器的读数从一个格式翻译或转换成另一个的通信接口212,用于利用通信发射器/收发信机212和网络220进行传输。因此,电子设备210可以被配置成,利用多个有线和无线电子通信协议和介质与网络220和服务提供方230通信。例如,电子设备210可以被配置成利用以太网、IEEE802.11xx、全球微波接入互操作性(WiMax)、通用分组无线服务(GPRS)、增强型数据速率GSM演进(EDGE)、以及长期演进(LTE)等进行通信。来自这些传感器的读数、或包括这些传感器读数的感测数据或者利用这些传感器读数生成的传感器数据可以被实时发送至服务器提供方230。替代地,传感器读数或传感器数据可以被存储和/或分批或根据网络连接性允许发送至服务提供方230。
在一些实施例中,启用传感器的电子设备210也可以包括位置确定器217。位置确定器217可以通过例如全球定位系统(GPS)、近场通信(NFC)、接近传感器等的各种方法和技术确定电子设备210的位置和移动。在一些实施例中,由位置确定器217确定的位置可以被包含在发送至服务提供方230的传感器数据中来自外部传感器216和/或内部传感器215的传感器读数中或者与之相关联。本文所使用的术语传感器数据被用于描述包括传感器读数和/或用户报告数据或与之相关联的任何数据。例如,在一些实施例中,传感器数据可以包括传感器读数和用户报告数据,以及取得传感器读数或收集用户报告数据的时间、日期和位置。传感器数据也可以包括当对应的传感器数据被确定时所检测的任何其他条件或例外。
启用传感器的设备的布署
图3图示了系统300的示意图,该系统300包括布署在多个环境410中的许多启用传感器的电子设备210。启用传感器的电子设备210可以被实施为固定或移动设备。同样,固定设备可以与特定位置或事件显式地相关联。例如,启用传感器的电子设备210-1可以是装备有相机或其他传感器的固定设备,安装在特定环境410-1中,诸如特定位置或特定车辆中(例如,公交、火车、飞机、轮船、或者其他多人运输工具)。
在另一示例中,一些启用传感器的电子设备210可以被被动地布署。例如,可以通过简单地观测用户将他们的关联移动设备拿到哪里,启用传感器的移动设备210可以被被动地布署到多个环境中。启用传感器的电子设备210的被动布署指设备被用户携带到用户所选择的任何环境中的方式。因此,不存在指导每个启用传感器的移动电子设备210将位于或其下一步将去向哪里的中央实体。该决策取决于启用传感器的移动电子设备210的各个用户。因此,启用传感器的移动电子设备210-2和210-3在某个时间可以被观测到在特定环境410-2中,诸如在某个位置,然而在另一时间,可能被观测到处于一个不同位置。下文将结合各个示例,描述由于许多启用传感器的移动设备210的被动布署而能够实现的各种优势。
在一些实施例中,每个启用传感器的电子设备210可以包括一个或多个传感器或测量设备,用于检测,记录或分析一个或多个用户、位置或时间段的特征。例如,每个启用传感器的电子设备210可以包括光传感器、麦克风、分贝计、加速计、陀螺仪、温度计、相机、红外成像仪、气压计、高度计、压力传感器、心率传感器、皮肤电反应传感器、振动传感器、重量传感器、以及气味传感器,或者任何其他特殊或一般用途传感器以检测在设备附近的特定设备的特定用户或其他用户、区域或物体的特征。如上文所讨论的,启用传感器的电子设备210也可以包括位置确定性能或功能,例如,全球定位系统(GPS)、接近检测、或者互联网协议(IP)地址定位确定性能。在这样的实施例中,由各个传感器所搜集的传感器数据可以与特定用户和/或其中传感器数据被记录或以其他方式确定的特定位置相关联。在一个实施例中,传感器数据也可以包括时间和/或日期信息,以指示传感器数据何时被捕获或记录。如在本文中所使用的,指时间、日期、位置、事件和/或任何其他空间或时间指定的任何数据,可以被称为环境数据。因此,任何特定传感器数据可以与描述传感器数据被确定的状况的环境数据相关联和/或包含该环境数据。
如图2B中所示,每个启用传感器的电子设备210也可以包括电子通信性能。因此,启用传感器的电子设备210可以利用各种类型的电子通信介质和协议,通过一个或多个电子通信网络220,与彼此以及各个服务提供方230通信。启用传感器的电子设备210可以发送并且服务器提供方230可以接收与各个特性用户和环境相关联的传感器数据(SD)。利用一个或多个计算机系统,服务器提供方230可以分析传感器数据,以确定特定环境的特征。
在本公开的各个实施例中,各个服务器提供方230可以分析传感器数据,以确定服务器提供方具有用于其的传感器数据的任何特定环境410的情绪、健康、福利、人口统计学以及其他特征。然后,服务提供方可以广播或选择性地将用于特定环境410的特征数据(CD)发送至一个或多个启用传感器的电子设备210,以及其他客户。下文将更具体地描述这样的实施例。
确定环境
如本文所讨论的是,通过各种粒度级别的地理区域和时间段,可以限定环境。因此,环境可以包括预定位置,诸如在特定预定时间段或事件期间的酒吧、饭馆、或游乐园。当使用预定或物理位置时,地址或其他语义含义的位置指示可以与启用传感器的设备所可观测的坐标范围相关联。相反,环境可以被任意限定为针对其的传感器数据可用的任何区域或时间段。例如,服务提供方230可以过滤从用于与所讨论的具体环境相关联的传感器数据的多个启用传感器的电子设备210接收到的传感器数据,例如,具体的街坊、街道、公园、影院、夜总会、车辆、或事件。一旦传感器数据被过滤,以将包括与服务器提供方所感兴趣的具体环境410匹配或相关联的环境数据的传感器数据隔离,在该传感器数据中的传感器读数可以被分析,以确定或插入针对该特定具体环境410的特定特征。
图4图示了区域400如何可以包括由语义含义地理位置指示所限定的多个子区域或环境410,像地址或场所名称。如所描述的,区域400可以被分成多个物理位置120和环境410,环境数据可以据以被过滤或分组。区域400可以代表城市、街坊、商业区、游乐园等,或者其任何子区域。区域400可以被进一步分成独立和综合环境410。例如,环境410-1可以包括在区域400的特定街坊中的位置120-1至120-5的街区,例如,建筑或商业街区。在一些实施例中,每个位置120-1至位置120-5可以是特定的环境。然而,如图所示,环境410-1可以包括位置120-1至120-5的所有室内空间,以及任何环绕室外的空间,即外部院子、人行道和街道。因此,通过将在位置120-1至120-5中和周围的区域限定为特定环境410-1,通过分析从被确定为在区域410-1中的启用传感器的设备接收到的传感器数据,可以确定关于该环境的各种表示。在一个实施例中,服务器提供方230的服务器计算机可以通过GPS坐标过滤传感器数据,以确定哪些设备处于或曾经处于410-1中。在其他实施例中,服务器提供方可以参考来自在传感器数据中包含的社交媒介校验信息的语义含义的地理位置,例如,用户可以自我报告他或她正在位置120-1的饭馆中吃饭,或者在环境410-1中的体育馆120-4中锻炼。
如图所示,环境410-1也可以包括多个子环境,诸如环境410-2和410-3,其可以由物理位置和时间段定义。例如,环境410-2可以由物理位置120-3和在某个特定日期范围期间上午9点至下午8点之间物理位置120-3定义,例如销售事件。类似的是,环境410-3可以由在某年的特定一天的特定夜晚的物理位置120-5定义,例如,像婚礼或音乐会的特殊事件。利用所讨论的具体环境的定义,具体实施例可以过滤或将接收到的传感器数据分类,以隔离并分析相关的传感器读数,以做出关于在特定环境410中的人110的特征的确定。例如,用于环境410-2的传感器数据可以指示在该环境中的大多数人是“高兴”的,而用于环境410-3的传感器数据或用户报告数据可以指示在该环境中的人的中值年龄为45岁。
类似的是,环境410-4可以被限定为包括在一周的特定夜晚(例如,每周三夜晚)的位置120-6、位置120-6的环绕区域、以及固定传感器115-3。通过包括固定传感器115-3,分析来自与环境410-4中人110相关联的启用传感器的移动电子设备210的传感器数据的服务器计算机,可以包含来自固定传感器115-3的传感器数据。在这样的实施例中,来自启用传感器的移动电子设备210或固定传感器115的传感器可以根据确定的传感器数据的相关度、可靠性、新鲜度或其他特质而被赋予权重。此外,从移动和固定设备接收到的传感器数据的相对权重可以是基于关于样本大小的预定阈值。如果从环境410-4中的某些阈值数目的启用传感器的移动电子设备210接收了传感器数据,则从固定传感器115-3接收到的传感器数据可以在关于环境特征的结论中具有较少的权重。相反,如果在环境410-4中仅几个人携带启用传感器的移动电子设备210,或者仅有几个人在场,则来自固定传感器115-3的传感器数据可以被赋予更多权重。样本大小仅是来自移动和固定的启用传感器的设备的传感器数据可以据以被赋予相对于彼此的权重的一个示例性因素。下文将更具体地讨论根据各个因素的加权传感器数据。
虽然使用现有的地址和其他语义含义的描述是限定特定环境的一种方便方法,但本公开的一些实施例允许限定未必与特定物理位置120(诸如建筑或场所)相关联的环境。例如,环境410-5可以在可能包括或可能不包括固定传感器115-5的开放空间中被限定。例如,环境410-5可以包括停车场或没有确定物理边界的市政公园。通过过滤确定为包括用于所讨论的特定区域的物理信息的传感器数据,具体实施例可以灵活限定环境,以包含任何大小或形状的地理位置。在一些实施例中,在特定环境中的地理位置可以由GPS坐标区间来限定。
由于服务提供方可以任意限定一个环境,任何预先限定的环境可以根据需要随时被重新限定。因此,图4中所示的环境410-1和410-2可以被缩小/合并到图5中所示的环境410-6中。类似的是,图4中所示的环境410-5可以被划分成图5所示的多个环境410-9和410-10,以获得与较大环境410-5相关联的传感器数据的更大粒度。例如,环境410-5可以原始被限定为环绕巨大的室外公共空间,但是对于特定时间,像县集市或节日,可以被划分成集中在特色事件或展品周围,诸如表演舞台或艺术装置。限定环境的室内空间,诸如位置120-6,其限定图4中的环境410-4,也可以被划分成较小环境,像图5中所示的环境410-7和410-8。此外,可以添加新的环境。当特定服务提供方或用户请求或需要用于该特定环境的传感器数据或特征确定时,环境410-11可以被添加进来并且在位置120-13周围。例如,新的餐馆或酒吧可能已经开业,广告商希望了解它。
如前文所提及的,通过空间和时间坐标的组合,可以限定环境。图6示出了一个特定环境410-14,其可以包括在特定月份610的特定日期615的特定时间620的特定位置120-11、120-12和120-13的指示。如图所示,环境410-14可以包括任何数目的人110,其可以或可以不携带一个或多个启用传感器的电子设备210。假定一部分的人110正携带启用传感器的移动设备210,然后,服务器提供方可以接收用于环境410-14的传感器数据。在一些实施例中,服务提供方可以通过分析在传感器数据中包含的环境数据,过滤从许多启用传感器的移动电子设备210接收到的传感器数据,以确定哪个传感器数据与环境410-14的空间或时间边界相关联或者被捕获在内。例如,环境410-14可以包括在4月10日12:45pm(-8GMT)在多个建筑120-11、120-12和120-13中发生的事件,例如,盛大开幕式。然后,服务器提供方可以某些自由度,例如,加上或减去1小时,过滤传感器数据,以得出与特定参数匹配的环境数据。然后,服务提供方可以分析在传感器数据中确定与事件的具体参数相匹配的传感器读数,以确定事件的一个或多个特征。虽然针对各个环境的传感器数据分析对于表征特定环境是有帮助的,但其对于理解各种特征因环境不同而如何改变是有帮助的或有益的。
在一些实施例中,服务器提供方230可以确定针对一个环境所确定的特征和在另一环境中所确定的特征之间的差异。例如,服务器提供方230可以将在环境410-14中的人110的中值年龄与在图7中所示的环境410-5中的人110的中值年龄相比较。在图6和7所示的具体示例中,环境410-14和环境410-15的物理位置120-11、120-12和120-13是相同的。然而,环境410-15的时间720和日期715不同于环境410-14的时间620和日期615。通过分析用于每个环境的特征的差异,服务器提供方可以确定具体改变或趋势。例如,基于确定为匹配环境410-14和410-15的传感器数据的分析,服务器计算机可以确定在特定年的4月和6月之间,平均年龄和整体出席率增加。虽然图6和7中所示的示例参考了两个固定位置,但是本公开的其他实施例包括通过诸如飞机、火车、船以及巴士的多人运输工具的内容空间所限定的环境。
图8是用于确定特定环境以及从用于该环境的启用传感器的设备接收传感器数据的方法的流程图。在810,服务器提供方230可以参考环境描述的语义含义系统。如本文所描述的,环境可以由位置、时间段或其组合限定。因此,环境的定义可以包括参考环境描述的语义含义系统所做的空间分量。例如,环境描述可以参考具有预限定位置的布局的地图。该地图可以代表具有通过街道地址或地块编号识别的地块或建筑的市政区域。这样的市政地图可以包括地理调查数据,该地理调查数据指定了各个位置的界限和范围。环境描述的语义含义系统也可以包括个人财产的地图,诸如游乐场、购物中心、集市地点、大学、学校、旅游景点等。在这样的实施例中,个人财产的地图可以包括在该财产上的特征、物体或设施的绝对或相对位置。此外,环境描述的语义含义系统也可以包括时间分量,诸如事件日历或事件的时间表。因此,时间分量也可以与空间分量相组合,以描述特定时间和特定位置。
在820中,服务提供方230可以从环境描述的语义含义系统中选择环境。如上文所讨论的,选择的环境可以包括时间和空间分量。在830中,服务提供方230可以将选择的环境从具有语义的环境描述系统转换成环境描述的可观察的系统。在这样的实施例中,选定环境的绝对或相对时间和空间分量可以被翻译成可观测的空间分量和/或可观测的时间分量。可观测的空间和时间分量可以参考启用独立传感器的电子设备200可以观测或感测到的系统。例如,根据用于位置定位确定,例如,全球定位系统(GPS)或信标接近位置系统,可以限定可观测的空间分量。在一个实施例中,用于特定公园的街道地址可以被翻译成描述该公园的边界的一组地理坐标。类似的是,根据通用或公共时钟或日历,诸如格林威治标准时间(GMT)或者格里历,可以限定时间分量。在这样的实施例中,事件的名称,例如音乐会,可以被翻译成一段时间,该一段时间包括与在地理坐标中限定的特定场所位置一起的开始时间和结束时间。在其他实施例中,每个启用独立传感器的电子设备210可以将确定传感器读数的环境的可观测的空间和时间分量翻译成环境描述的语义含义系统。例如,启用传感器的智能电话可以在由智能电话的GPS功能所确定的特定一组坐标处取得环境噪音读数。然后,该智能电话可以参考附近音乐场所的内部地图,以基于该确定的坐标来确定特定场所。然后,智能电话可以将该噪音读数与该场所关联起来。在这样的实施例中,在传感器数据中的环境数据可以包括对于环境描述的语义含义系统的参考。
在一些实施例中,在840处,服务提供方230可以根据转换的环境描述,即环境描述的可观测的空间和时间分量,过滤从启用多个传感器的电子设备210接收到的传感器数据。因此,过滤传感器数据可以包括确定包含与转换的环境描述匹配的环境数据的传感器数据。
某些时候,确定为包含与转换的环境描述匹配的环境数据的传感器数据可能不代表满意的样本大小。在这样的场景下,本公开的各个实施例可能触发提醒,以指示确定为与转换的环境描述匹配的传感器数据的所述一部分不足以确定针对该环境的一个或多个特征。当看起来了存在过少的传感器数据来确定针对该环境的可靠特征时,能够通过扩展环境定义,例如,增加环境的地理区域和/或时间段,来增加样本大小。如果扩展环境定义未导致足够的样本大小,但也能够依赖于显式报告的环境特征描述或者重新对其赋予权重。例如,当传感器数据的样本大小不足以插补可靠的特征时,则当确定组合的特征数据时,插补的特征可以被赋予比任何可用用户报告的特征数据少的权重。
环境特征的确定
本公开的各个实施例包括用于确定环境的特定特征的系统和方法。例如,图9是用于使用来自多个启用传感器的电子设备210的传感器数据来确定环境的一个或多个特征的方法900的流程图。如在本文中所使用的,传感器数据可以包括传感器读数以及关于所讨论的特定特征的用户报告数据。在这样的实施例中,传感器读数可以代表隐式的环境特征描述。而且,用户报告数据可以代表显式的环境特征描述。如图所示,方法900可以开始于910,其中,服务提供方从多个启用传感器的电子设备接收传感器数据。传感器数据可以包括针对许多不同环境确定的隐式和显式环境特征数据。如上文所讨论的,启用传感器的电子设备210可以包括移动和固定电子设备。在920处,服务提供方230可以确定包含与用于特定选定环境的环境描述匹配的环境数据的传感器数据的部分。在一个实施例中,接收到的传感器数据可以被过滤,以仅找出包括指示当启用源传感器的电子设备处于选定环境中时传感器读数或用户报告数据被确定的环境数据的传感器。在一个实施例中,用户报告数据也包括用户利用其它设备和应用报告的信息和特征,诸如在启用互联网的台式计算机上执行的web浏览器,或者通过陆地线路电话向服务提供方运营商报告。
在930处,一旦与选定环境相关联的传感器数据的所述一部分被确定,传感器读数和/或用户报告数据可以被分析,以确定用于该选定环境的所讨论的特征。分析传感器数据可以包括,将在传感器读数中的隐式环境特征指示映射到相对应的环境特征。从隐式环境特征指示至相对应特征的映射可以被预先确定,并且基于由服务提供方230所执行的在前分析。分析传感器数据也可以包括将映射的相对应环境特征与来自传感器数据中用户报告数据的显式环境特征描述相比较。当隐式和显式环境特征数据被使用时,隐式和显式分量可以根据观测或确定的数据可靠性而被赋予权重。隐患和显式分量的可靠性可以是基于从启用每个特定传感器的电子设备210接收到的类似传感器数据的及时性、频率或一致性。因此,当确定环境特征时,从被认为比其他设备更可靠的设备接收到的传感器数据可以被赋予更多权重。类似的是,环境特征的描述的隐式和显式分量可以基于感知的可靠性而被不同地赋予权重。例如,如果隐式分量的样本大小被认为太小而不可靠,则显式分量可以被赋予更多权重。相反,如果显式分量看来是具有欺骗性或者与其他可用数据不一致,则在确定环境特征时,隐式分量可以被赋予更多权重。
在940,一旦针对选定环境的特征或特征简档被确定时,其可以被输出以供各种用户和实体使用。例如,输出特征的形式可以包括被发送到一个或多个移动电子设备的涉及关联环境的推荐或提醒。类似的是,用于该环境的输出特征可以与用于其他环境的其他输出特征一起被发布到网站,或者经由电子邮件或RSS进行广播。在一些实施例中,用于该环境的输出特征可以包括追踪随着一些环境参数的变化的特征的变化或趋势,例如随时间推移。因此,特征的变化可以作为环境变化的函数而分析。环境的变化可以包括特定环境的时间和/或空间分量的变化。例如,可包括起始时间和场所的偶然变化的特定周事件的情绪、平均年龄、或保健可以作为起始时间或位置的函数被追踪。在一个实施例中,用户可以搜索具有某些特征的环境,或者基于该环境和/或关联特征来浏览环境。
下文将参考图10至17更详细地讨论有关用于特征环境的情感、人口统计学、和健康特征的环境特征确定的具体示例。
针对环境的情感确定
本公开的各个实施例包括用于确定针对特征环境的情感或情感简档的系统和方法。图10图示了场景1000,其具有两个基于固定位置的环境1005和1015以及一个基于移动位置的环境1025,例如公共汽车。在所示的特征示例中,环境1005是在十字路口的角落的建筑,并且环境1015是在同一街道上的另一建筑。每栋建筑可以与在环境描述的语义含义系统中包含的地址或商业名称相关联。场景1000也包括被限定为公共或私有巴士内部的环境1025。在一些实施例中,环境1025可以不仅被限定为特定巴士的内部,而且作为在某天的某个时间段期间服务特定路线或线路的一些或所有巴士的内部。
服务提供方230可以从在环境1005、1015和/或1025的任何一个中的启用传感器的设备接收包括隐式和显式情感指示的情感传感器数据。隐式和显式的情感指示可以被映射到或代表在特定环境中的一个或多个人的情感特征。这样的情感特征可以包括任何数目的情感状态,诸如高兴、伤感、沉思、恐惧、愤怒等。在图10所示的示例中,情感传感器数据可以包括范围从伤感1011、高兴1012到兴奋1013的情感指示。虽然在情感传感器数据中的可能情感指示的特定示例限于各种情感的三个指示,但本公开的其他实施例可以包括较少或较多简单或复杂情感的可能指示。可能情感的粒度水平和范围不需要被限制。
通过分析用于该环境的情感传感器数据,服务提供方可以确定关联的情感或情感简档。针对特定环境的报告情感或情感简档的风格和格式可以适合于将使用环境的情感描述的用户或其他实体的需要。例如,当分析与环境1005相关联的情感传感器数据时,可以确定存在比伤感1011的指示更多的隐式和/或显式的高兴1012和兴奋1013的指示。在这个特定示例中,服务器提供方230可以确定环境1005趋向于“高兴”。在另一实施例中,分析与环境1015相关联的情感传感器数据时,可以确定40%的人是高兴的,40%的人是兴奋的,并且20%的人是伤感的。类似的是,通过分析与环境1025相关联的情感传感器数据,可以确定环境1025的总体情绪是“伤感”。
在一些实施例中,当确定特定环境与特定情感相关联时,该情感可以被用作某事正在发生或已经发生的指示,或者预测某事即将发生。例如,当环境1025被确定为“伤感”时,其可以指示该巴士经历了交通事故或者因其他原因正在经历长时间的延误。类似的是,当确定针对特定环境的情感传感器数据的全部或大部分包括幸福的指示时,这样的信息可以被用作某事已经进展顺利的指示,例如,成功的事件正在发生。虽然包括静态或一次性概要的用于环境的情感描述对于某些用途是有用的,但通常有用的是,也包括随着环境的一个或多个空间或时间分量的变化的环境的情感或情感简档的变化分析。
例如,图11图示了其中可以观测到情感传感器数据的趋势或变化的场景1100。如图所示,可以如图11所示表征在时间1105-1,用于环境1005、1015和1025的情感。然而,在某段时间之后,例如,2个小时,在时间1105-2,从在环境1005中各个启用传感器的电子设备210接收到的情感传感器数据可以被分析,以确定该环境趋向于“伤感”。这是因为伤感情感的另外指示已经在过去的2个小时被接收到。而且,在时间1105-2,来自被确定为在环境1015中的设备的情感传感器数据可以分析,以确定该环境是23%“高兴”,66%“兴奋”,并且11%“伤感”。参考巴士线路或路线102的环境,情感传感器数据可以被分析,以确定在该巴士上的人总体上是高兴的。用于环境1005、1015和1025的情感或情感状态的变化可以被追踪,并且这些变化或趋势可以被包含在针对每个环境的关于情感或情感简档的输出中。例如,某个特定时间,环境1005可以被表征为“伤感”,但是基于在用于该环境的情感传感器数据的最近趋势,其可能正经历从伤感趋向“高兴”的支配情绪变化。
虽然随时间推移的环境情感的趋势对于某些分析是有用的,一些实施例包括根据物理位置的变化确定环境情感的趋势。例如,巴士的环境1025可以不仅包括巴士的内部,而且包括巴士行经的环境。因此,可以追踪在巴士位置沿着其路线变化过程中的情感的趋势。例如,巴士环境1025的情感可以从当巴士行经交通清闲的较好城镇部分时的“高兴”,变成当巴士开始行经交通繁忙的另一城镇部分时的“伤感”。巴士的环境1025的其他方面也可以被追踪。例如,司机、运营商、导游、环境音乐、动态广告(视频屏幕监视器或公共广播)、照明、清洁度、行进速度、驾驶风格、路况等的变化全部都可以被包含在环境1025中,并且与从启用传感器的电子设备接收到的情感传感器数据交叉参考,以确定这样的个体和组合变化对于环境的情绪的影响。在图11所示的特定示例中,巴士环境1025已经被具体描述,然而,其他多人运输工具和运输路线也可以被用于限定特定环境。例如,其他环境可以包括高速公路引路、航线、铁路路线、地铁线路、路段等,针对这些可以分析情感传感器数据,以确定关联的情感或情感文件。
本公开的其他实施例包括追踪针对各个用户的情感的趋势。在这样的实施例中,启用传感器的移动电子设备210可以与特定用户相关联。从这样的设备接收到的情感传感器数据以及其他传感器数据也可以与各个用户相关联。随着用户从一个环境移动到下一个环境,用户情感的变化可以被追踪。例如,图12示出了情感趋势简档1110,该情感趋势简档1110追踪各个用户110从一个环境移动到另一环境时的他们的情感变化。如图所示,简档1110-1追踪用户1从一个环境到下一个环境时他或她的情感或情绪。一旦在多个环境中的特定用户1的某个量的情感传感器数据被收集,本公开的各个实施例可以开始预测如果用户从一个特定环境走到另一个特定环境,则他或她的情绪将如何变化。
图13图示了本公开的实施例能够参考情感趋势简档1110来预测各个用户从一种环境移动到另一种环境时在各个场景中他们的情感的变化。基于用于每个各个用户的情感趋势简档1110,根据从起始环境120-X的环境的转变,表示了关于用户情绪的变化的各个预测。如果一个特定用户从起始环境120-X移动至另一环境,诸如120-1,则,基于用于该用户的情感趋势简档1110,可以预测用户的情绪将改变或保持相同。在所示的示例中,开始在环境120-X中高兴的各个用户,可以预测,当移动到其他环境120之一时,保持高兴,变得兴奋,或者变得伤感。类似的是,开始在环境120-X中伤感的用户,可以预测,当移动到其他环境120之一时,保持伤感,或者变得高兴或兴奋。
在一些实施例中,用户情绪的特定变化的预测可以包括考虑用户即将进入的环境的当前或历史情感确定。例如,如果用户在通常热闹和高兴的特定娱乐场所出席一个特定事件,则可以做出关于该特定用户是否将高兴的预测。如果用户的简档1110的趋势指示当进入这样的环境中时良好的情绪变化,则可以做出该用户将享受环境变化的预测。基于这样的预测,当确定用户处于特定环境附近时,经由用户关联的启用传感器的移动电子设备210,可以向该用户发送推荐和/或提醒。
环境人口统计简档的确定
各个用户和实体经常发现了解特定场景的人口统计资料是有用的。利用可以包括在特定环境中的人和环境的各种人口统计学特征的暗示和显式指示的人口统计学传感器数据,本公开的各个实施例可以确定用于这些环境的人口统计资料或人口统计资料。例如,图14图示了包括用于其的人口统计学传感器数据已经被接收和/或收集的空间分量(例如,地址)和时间分量1105-3的环境1005和1015。人口统计学传感器数据可以包括在每个环境内的人的人口统计学特征的指示。为了清楚起见,已经限制了图14所示的人口统计学特征的隐式和显式指示的数目。如图所示,人口统计学传感器数据可以包括第一人口统计学特征1401、第二人口统计学特征1402、和第三人口统计学特征1403的指示。虽然通常描述为个体编号的人口统计学特征,但这样的人口统计学特征可以包括任何个体人口统计学特征或者人口统计学特征的组合。例如,各个编号的人口统计学特征1401、1402和1403可以代表用于人的可量化统计数据的任何组合,诸如年龄、性别、民族、种族、性取向、社会阶层、社会领域、以及与特定群体或分类的任何其他隐式或显式可确定关联的任何组合。
通过过滤确定为包含与环境1005和1015的空间和/或时间分量匹配的环境数据或与之相关联的人口统计学传感器数据,本公开的各个实施例可以确定用于每个环境的人口统计学简档。用于该环境的人口统计学简档可以包括用于在该环境中的每个人的可用人口统计学细节的完全列示。如果需要或期望较小力度,则可以创建概要人口统计学简档。例如,基于人口统计学传感器数据,可以确定环境1005的人口统计简档主要是男性。类似的是,可以确定环境1015的人口统计学简档主要是平均年龄大于55岁的女性。然后,用于特定环境的人口统计学简档可以通过各个通信信道被输出,例如,发布到网站,经由电子邮件或短信服务(SMS)发送给订户群,或者推动给由移动电子设备所执行的应用。
正因为追踪针对环境的情感变化通常是有用的,追踪针对环境的人口统计学变化也是有用的。图15图示了场景1500,其中,观测到从时间1105-4至时间1105-5的环境1005和1015的人口统计学简档的变化。如图所示,例如,在特定十字路口的酒吧周围的内部和外部区域的环境1005在时间1105-4开始主要地与包括特定人口统计学特征1401的人口统计学传感器数据相关联。例如,人口统计学特征1401可以是40岁以上年龄的男性的指示。类似的是,在时间1105-4的环境1015可以被确定为主要与包括特定人口统计学特征1403(例如,年龄25岁上下的女性)的指示的人口统计学传感器数据相关联。在某个时间段以后,在时间1105-5,环境1005和环境1015的人口统计学简档可能改变。如图所示,环境1005现在也可以与包含人口统计学特征1401、1403、1405、1406、1407和1409的各个实例的人口统计学传感器数据相关联。在时间1105-5的人口统计学传感器数据可以切换到包含人口统计学特征1401和1402的主要混合。这样的转变可以指示一个特定环境(即,建筑或商业)的居民或顾客的年龄、性别、民族或其他人口统计学特征的变化。于是,一个环境的人口统计简档或人口统计学简档的变化或趋势也可以与该环境相关联并且通过各种通信渠道被输出。
环境的健康与保健的确定
利用各种类型的个体和组健康传感器,本公开的各个实施例可以确定用于各个环境的健康与保健。图16和17图示了相同地理区域的两个场景1600和1700,例如,包括多个环境的一个城镇或城市的一部分。这些环境可以包括在环境1605中的建筑群、在环境1651中的室外公园、以及在某个特定时间段期间的环境1625中的特定建筑,例如,一周、一月或一年。因此,图16中的场景1600可以与一个特定时间段相关联,并且图17中的场景1700可以与另一特定时间段相关联。这些时间段可以重叠或者相互排斥。
通过使用位于场景1600的环境中的地址、地块编号、和/或这些位置的相对应的GPS坐标来限定环境,各个实施例可以过滤从多个启用传感器的电子设备210接收到的健康传感器数据,以确定包括与所讨论的环境匹配或相关联的环境数据的健康传感器数据。被确定为包括与每个环境匹配的环境数据的健康传感器数据于是可以被分析,以确定用于对应的环境的健康简档。
从遍布场景1600中的启用健康传感器的设备接收到的健康传感器数据可以被过滤,以确定与环境1615和1625、以及作为个体或综合环境的用户或实体可能感兴趣的任何其他区或区域或时间帧相关联的数据。例如,环境1605可以由在与特定地址范围相关联的建筑内或周围的区域限定。通过参考地图或第三方映射服务,地址的范围可以被用于确定由建筑占据的地理区域的具体坐标。环境1615可以由公园名称限定,其可以被用于参考限定结合地理坐标的该公园的边界的环境描述的某个系统,诸如市政调查数据。环境1625可以由建筑的街区和地块编号或者使用环境1625中的建筑的商业的名称限定。这种环境描述的语义含义系统于是可以参考环境描述的可观测系统,以确定由启用传感器的设备可观测的每个环境的极限。如结合本公开的其他实施例所描述的,启用健康传感器的设备可以包括GPS、基于接近和其他位置确定以及时间确定的功能。因此,通过启用健康传感器的设备所获取的任何健康传感器读数可以与指示其中健康传感器读数被捕获的环境的环境数据相关联。
用于环境1605、1615和1625的健康简档可以包括关于当设备处于每个环境中时由启用健康传感器的设备所确定的健康传感器数据的各种细节。例如,用于环境1605、1615和1625的健康简档可以包括所有隐式健康传感器数据和显式的用户报告健康数据的完整列示,诸如健康指示1601、1602和1603。在其他实施例中,健康简档也可以包括用于特定环境1605的传感器数据中存在的健康指示的概要或平均值。总体而言,针对每个环境的健康简档可以被定制化,以根据特定实体或用户的需求来分析健康指示。
虽然健康指示1601、1602和1603被列示为在环境内的一个或多个人的健康的通用指示或描述符,例如,A、B和C,但本公开的实施例包括由启用健康传感器的设备可确定、可观测或可推断的任何和全部健康和/或保健描述符。例如,健康的描述符可以包括体质指数(BMI)、重量、血压、血糖、心率、体温、压力、或身体脂肪含量的描述。这样的描述可以包括数字指数或通用/非专业术语,诸如重量不足、正常重量、超重、肥胖、和病态肥胖。健康的其他描述符可以包括显式的用户报告数据,诸如接种状态、精神健康状态、保健的感受、疾病和健康史等。在一些实施例中,健康传感器数据也可以包括环境传感器读数,该环境传感器读数描述或指示可能影响居住或使用特定环境的个体健康的毒素、有毒物质、污染、和其他有帮助或有害因素。
因此,来自与环境相关联的健康传感器数据的健康描述符可以被分析,以产生用于该环境的默认或定制健康简档。例如,环境1625可以包括餐馆。包括健康指示1601、1602、1603和1607的环境传感器数据的概要可以被包含在餐馆的健康简档中,例如,超重人在该餐馆吃饭。类似的是,包括室外公园空间的与环境1615相关联的健康简档可以指示利用该公园的人的通常身体康健并且具有较低胆固醇。
虽然对于每个环境的抓拍或者累计健康简档可以用于各种目的,但追踪根据空间或时间变化的针对特定环境的健康简档和/或健康描述符的变化经常也是有用的。如上文结合针对特定环境的情感和人口统计学变化所讨论的,本公开的实施例也可以追踪针对环境的健康变化。例如,图17的场景1700图示了相对于图16的场景1600的环境1605、1615和1625的健康变化。具体而言,与环境1605相关联的健康简档可以轻微改变,如果发生的话,在场景1600和1700之间仅观测到在健康传感器数据中关联健康描述符的有限变化。同时,与环境1615和1625相关联的健康简档可能剧烈变化,这是由于在与那些环境相关联的健康传感器数据中的健康描述符的观测到的或确定的差异。然而,与在场景1600中的环境165相关联的健康简档可能已经指示身体健康的人们经常光顾该公园,与在场景1700中的环境1615相关联的健康简档可以指示现在经常光顾该公园的人们经常抽烟或喝酒。与在环境1615中的健康简档明显下降形成对比的是,在环境1625中的餐馆的健康简档可能变得更好。例如,与在场景1700中的环境1625相关联的健康指示符现在可能指示具有低血压的身体最健康的人们光顾该餐馆。
正如其他特征简档一样,通过各个通信信道和方法,可以输出各个环境的健康简档。例如,用于在环境1625中的特定餐馆的健康简档可以被包含在餐馆评论中。输出针对包含特定街区中多个建筑的环境1605的健康简档可以包括生成对房地产代理人或公共健康部门官员的推荐或提醒,即,针对该环境的健康简档正在下降,或者正在改善。指示居住或利用特定环境的个体的大体健康或具体健康特征的下降或上升的健康简档可以被用于指示、分析并预测在一个环境内的各种环境变化、流行病变化、人口变化、以及其他变化。
特定实施例可以在非临时计算机可读存储介质中实施,以用于由指令执行系统、装置、系统或机器使用或与之结合使用。计算机可读存储介质含有用于控制计算机系统执行通过特定实施例所描述的方法的指令。计算机系统可以包括一个或多个计算设备。当这些指令被一个或多个计算机处理器执行时,这些指令可以操作成执行在特定实施例中所描述的内容。
本文描述中以及随附权利要求通篇所使用的“一”、“一个”和“该”包括复数引用,除非环境另有明示。而且,除非另有明示,在本文描述和随附的权利要求中所使用的“在……中”的含义包括“在……中”和“在……上”。
上文描述说明了各个实施例以及如何实施特定实施例的一些方面的示例。上述示例和实施例不应被视为仅有的实施例,并且给出的实施例以说明如随附权利要求所限定的特定实施例的灵活性和优势。基于上文公开和下文权利要求,在不脱离如权利要求所限定的范围的条件下,可以采用其他布置、实施例、实施方式和等效内容。
Claims (20)
1.一种方法,包括:
由计算机系统从多个分布式电子设备接收人口统计学数据,其中,所述人口统计学数据包括由所述多个分布式电子设备所感测的针对多个环境的环境数据以及对应隐式人口统计学数据,其中,所述对应隐式人口统计学数据是在不需要用户报告的情况下由所述多个分布式电子设备感测的,所述分布式电子设备中的每个包括一个或多个传感器,所述一个或多个传感器被配置成检测人、物体或环境的物理特征,和/或被配置成感测与对应的所述电子设备分离的用户身体的区域、物体或部分;
由所述计算机系统确定在所述多个环境中的第一环境;
由所述计算机系统确定所述人口统计学数据的第一部分,所述人口统计学数据的第一部分被确定为包括与所述第一环境匹配的环境数据;
由所述计算机系统分析在所述人口统计学数据的所述第一部分中的所述隐式人口统计学数据,以生成针对所述第一环境的多个人口统计学特征;以及
由所述计算机系统基于针对所述第一环境的所述多个人口统计学特征,生成针对所述第一环境的第一人口统计学简档。
2.根据权利要求1所述的方法,进一步包括:
由所述计算机系统生成包括所述第一环境和所述第一人口统计学简档的关联对;以及
由所述计算机系统输出所述关联对。
3.根据权利要求1所述的方法,其中,分析所述人口统计学数据的所述第一部分包括:将在所述人口统计学数据的所述第一部分中的所述隐式人口统计学数据映射到所述多个人口统计学特征。
4.根据权利要求1所述的方法,其中,所述人口统计学数据进一步包括显式人口统计学数据,所述显式人口统计学数据是由所述多个分布式电子设备针对所述多个环境而确定的,
其中,所述显式人口统计学数据包括多个用户报告的人口统计学特征,以及
其中,生成所述第一人口统计学简档是进一步基于在所述人口统计学数据的第一所述部分中的所述多个用户报告的人口统计学特征。
5.根据权利要求1所述的方法,其中,所述多个分布式电子设备包括被配置成感测所述隐式人口统计学数据的多个移动电子设备,其中,所述一个或多个传感器包括所述移动电子设备内的内部传感器和/或所述移动电子设备外的外部传感器,所述外部传感器通过有线或无线连接耦合至所述移动电子设备。
6.根据权利要求5所述的方法,进一步包括:
由所述计算机系统基于针对所述第一环境的所述第一人口统计学简档,生成多个推荐,以及
由所述计算机系统将所述多个推荐发送至所述多个移动电子设备的一部分,
其中,所述多个推荐是基于针对所述第一环境的所述人口统计学简档。
7.根据权利要求6所述的方法,进一步包括:
由所述计算机系统确定在所述多个环境中的第二环境;
由所述计算机系统确定所述人口统计学数据的第二部分,所述人口统计学数据的第二部分被确定为包括与所述第二环境匹配的环境数据;
由所述计算机系统分析在所述人口统计学数据的所述第二部分中的所述隐式人口统计学数据,以生成针对所述第二环境的多个人口统计学特征;以及
由所述计算机系统基于针对所述环境的所述多个人口统计学特征,生成针对所述第二环境的第二人口统计学简档。
8.根据权利要求7所述的方法,进一步包括:基于针对所述第二环境的所述第二人口统计学简档,更新所述多个推荐。
9.根据权利要求8所述的方法,其中,所述第一环境包括与位置相关联的第一时间,并且所述第二环境包括与所述位置相关联的第二时间。
10.根据权利要求7所述的方法,其中,在所述第一人口统计学简档和所述第二人口统计学简档之间的差异描述了与所述第一环境和所述第二环境有关的人口统计学的趋势。
11.根据权利要求6所述的方法,其中,所述多个推荐进一步基于与所述多个移动电子设备的所述一部分相关联的人口统计学偏好。
12.根据权利要求5所述的方法,其中,所述多个分布式电子设备进一步包括被配置成感测隐式人口统计学数据的多个固定电子设备,其中,每个固定电子设备被配置成感测针对在所述多个环境中的特定环境的隐式人口统计学数据。
13.根据权利要求12所述的方法,其中,所述多个分布式电子设备的所述第一部分包括所述多个移动电子设备的一部分以及所述多个固定电子设备的一部分。
14.根据权利要求13所述的方法,其中,在分析所述人口统计学数据的所述第一部分以生成针对所述第一环境的所述多个人口统计学特征中,从所述多个移动电子设备接收的人口统计学数据和从所述多个固定电子设备接收的人口统计学数据被不同地赋予权重。
15.根据权利要求1所述的方法,其中,所述第一环境包括动态确定的地理位置。
16.根据权利要求1所述的方法,其中,所述人口统计学数据的所述第一部分进一步包括多个置信分数,其中,分析所述人口统计学数据的所述第一部分进一步包括:响应于所述多个置信分数,将所述人口统计学数据的所述第一部分赋予权重,以生成针对所述第一环境的所述多个人口统计学特征。
17.根据权利要求1所述的方法,其中,所述环境数据由所述多个分布式电子设备确定,并且其中,所述环境数据包括多个特定位置。
18.根据权利要求17所述的方法,其中,所述环境数据进一步包括多个时间。
19.一种含有指令的非临时性计算机可读存储介质,当所述指令被执行时,控制电子设备以被配置用于:
从多个分布式电子设备接收人口统计学数据,其中,所述人口统计学数据包括由所述多个分布式电子设备所感测的针对多个环境的环境数据以及对应隐式人口统计学数据,其中,所述对应隐式人口统计学数据是在不需要用户报告的情况下由所述多个分布式电子设备感测的,所述分布式电子设备中的每个包括一个或多个传感器,所述一个或多个传感器被配置成检测人、物体或环境的物理特征,和/或被配置成感测与对应的所述电子设备分离的用户身体的区域、物体或部分;
确定在所述多个环境中的第一环境;
确定所述人口统计学数据的第一部分,所述人口统计学数据的第一部分被确定为包含与所述第一环境匹配的环境数据;
分析所述人口统计学数据的所述第一部分中的所述隐式人口统计学数据,以生成针对所述第一环境的多个人口统计学特征;以及
基于针对所述第一环境的所述多个人口统计学特征,生成针对所述第一环境的第一人口统计学简档。
20.一种电子设备,包括:
处理器;
人口统计学传感器;
电子通信接口,所述电子通信接口包括一个或多个传感器,所述一个或多个传感器被配置成检测人、物体或环境的物理特征,和/或被配置成感测与所述电子设备分离的用户身体的区域、物体或部分;以及
含有指令的非临时性计算机可读存储介质,当所述指令被执行时,控制所述处理器以被配置成:
激活所述人口统计学传感器,以确定人口统计学传感器读数,其中,所述人口统计学传感器读数是在不需要用户报告的情况下由所述人口统计学传感器感测的;
确定针对所述人口统计学传感器读数的环境数据,其中,所述环境数据描述了所述人口统计学传感器读数被确定的所述状况;
生成人口统计学传感器数据,所述人口统计学传感器数据包括所述环境数据和所述人口统计学传感器读数;
通过所述电子通信接口,将所述人口统计学传感器数据发送到一个或多个远程服务提供方;以及
通过所述电子通信接口,从在所述一个或多个服务提供方中的第一远程服务提供方接收针对特定环境的概要人口统计学传感器数据,其中,所述概要人口统计学传感器数据包括人口统计学传感器数据,所述人口统计学传感器数据由所述第一远程服务提供方从多个其他电子设备接收并且被确定为包括与所述特定环境匹配的环境数据。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/798,391 | 2013-03-13 | ||
US13/798,391 US9135248B2 (en) | 2013-03-13 | 2013-03-13 | Context demographic determination system |
CN201480015360.7A CN105229688A (zh) | 2013-03-13 | 2014-03-11 | 环境人口统计学确定系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480015360.7A Division CN105229688A (zh) | 2013-03-13 | 2014-03-11 | 环境人口统计学确定系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487371A true CN113487371A (zh) | 2021-10-08 |
Family
ID=50478566
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480015360.7A Pending CN105229688A (zh) | 2013-03-13 | 2014-03-11 | 环境人口统计学确定系统 |
CN202110928755.8A Pending CN113487371A (zh) | 2013-03-13 | 2014-03-11 | 环境人口统计学确定系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480015360.7A Pending CN105229688A (zh) | 2013-03-13 | 2014-03-11 | 环境人口统计学确定系统 |
Country Status (8)
Country | Link |
---|---|
US (1) | US9135248B2 (zh) |
EP (1) | EP2954422A4 (zh) |
KR (1) | KR101741351B1 (zh) |
CN (2) | CN105229688A (zh) |
BR (1) | BR112015022493A2 (zh) |
CA (1) | CA2902523C (zh) |
MX (1) | MX346988B (zh) |
WO (1) | WO2014164579A2 (zh) |
Families Citing this family (153)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
US10002189B2 (en) | 2007-12-20 | 2018-06-19 | Apple Inc. | Method and apparatus for searching using an active ontology |
US9330720B2 (en) | 2008-01-03 | 2016-05-03 | Apple Inc. | Methods and apparatus for altering audio output signals |
US8996376B2 (en) | 2008-04-05 | 2015-03-31 | Apple Inc. | Intelligent text-to-speech conversion |
US20100030549A1 (en) | 2008-07-31 | 2010-02-04 | Lee Michael M | Mobile device having human language translation capability with positional feedback |
US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
US10241644B2 (en) | 2011-06-03 | 2019-03-26 | Apple Inc. | Actionable reminder entries |
US10241752B2 (en) | 2011-09-30 | 2019-03-26 | Apple Inc. | Interface for a virtual digital assistant |
US10255566B2 (en) | 2011-06-03 | 2019-04-09 | Apple Inc. | Generating and processing task items that represent tasks to perform |
US9431006B2 (en) | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
US10057736B2 (en) | 2011-06-03 | 2018-08-21 | Apple Inc. | Active transport based notifications |
US10134385B2 (en) | 2012-03-02 | 2018-11-20 | Apple Inc. | Systems and methods for name pronunciation |
US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
US9547647B2 (en) | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
US10212986B2 (en) | 2012-12-09 | 2019-02-26 | Arris Enterprises Llc | System, apparel, and method for identifying performance of workout routines |
US9278255B2 (en) | 2012-12-09 | 2016-03-08 | Arris Enterprises, Inc. | System and method for activity recognition |
EP4138075A1 (en) | 2013-02-07 | 2023-02-22 | Apple Inc. | Voice trigger for a digital assistant |
US10304325B2 (en) | 2013-03-13 | 2019-05-28 | Arris Enterprises Llc | Context health determination system |
US9692839B2 (en) * | 2013-03-13 | 2017-06-27 | Arris Enterprises, Inc. | Context emotion determination system |
US10652394B2 (en) | 2013-03-14 | 2020-05-12 | Apple Inc. | System and method for processing voicemail |
US10748529B1 (en) | 2013-03-15 | 2020-08-18 | Apple Inc. | Voice activated device for use with a voice-based digital assistant |
WO2014197334A2 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for user-specified pronunciation of words for speech synthesis and recognition |
WO2014197335A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Interpreting and acting upon commands that involve sharing information with remote devices |
CN110442699A (zh) | 2013-06-09 | 2019-11-12 | 苹果公司 | 操作数字助理的方法、计算机可读介质、电子设备和系统 |
US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
US10791216B2 (en) | 2013-08-06 | 2020-09-29 | Apple Inc. | Auto-activating smart responses based on activities from remote devices |
US10997183B2 (en) * | 2013-12-05 | 2021-05-04 | Lenovo (Singapore) Pte. Ltd. | Determining trends for a user using contextual data |
US10296160B2 (en) | 2013-12-06 | 2019-05-21 | Apple Inc. | Method for extracting salient dialog usage from live data |
US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
US9966065B2 (en) | 2014-05-30 | 2018-05-08 | Apple Inc. | Multi-command single utterance input method |
US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
US20160042432A1 (en) * | 2014-08-08 | 2016-02-11 | Ebay Inc. | Non-commerce data for commerce analytics |
US9818400B2 (en) | 2014-09-11 | 2017-11-14 | Apple Inc. | Method and apparatus for discovering trending terms in speech requests |
US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
US10152299B2 (en) | 2015-03-06 | 2018-12-11 | Apple Inc. | Reducing response latency of intelligent automated assistants |
US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
US9721566B2 (en) | 2015-03-08 | 2017-08-01 | Apple Inc. | Competing devices responding to voice triggers |
US10460227B2 (en) | 2015-05-15 | 2019-10-29 | Apple Inc. | Virtual assistant in a communication session |
US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
US10200824B2 (en) | 2015-05-27 | 2019-02-05 | Apple Inc. | Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device |
US9578173B2 (en) | 2015-06-05 | 2017-02-21 | Apple Inc. | Virtual assistant aided communication with 3rd party service in a communication session |
US11025565B2 (en) | 2015-06-07 | 2021-06-01 | Apple Inc. | Personalized prediction of responses for instant messaging |
US20160378747A1 (en) | 2015-06-29 | 2016-12-29 | Apple Inc. | Virtual assistant for media playback |
US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
US10740384B2 (en) | 2015-09-08 | 2020-08-11 | Apple Inc. | Intelligent automated assistant for media search and playback |
US10331312B2 (en) | 2015-09-08 | 2019-06-25 | Apple Inc. | Intelligent automated assistant in a media environment |
US11010550B2 (en) | 2015-09-29 | 2021-05-18 | Apple Inc. | Unified language modeling framework for word prediction, auto-completion and auto-correction |
US10366158B2 (en) | 2015-09-29 | 2019-07-30 | Apple Inc. | Efficient word encoding for recurrent neural network language models |
US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
US10956666B2 (en) | 2015-11-09 | 2021-03-23 | Apple Inc. | Unconventional virtual assistant interactions |
US10049668B2 (en) | 2015-12-02 | 2018-08-14 | Apple Inc. | Applying neural network language models to weighted finite state transducers for automatic speech recognition |
US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
US10446143B2 (en) | 2016-03-14 | 2019-10-15 | Apple Inc. | Identification of voice inputs providing credentials |
US9934775B2 (en) | 2016-05-26 | 2018-04-03 | Apple Inc. | Unit-selection text-to-speech synthesis based on predicted concatenation parameters |
US9972304B2 (en) | 2016-06-03 | 2018-05-15 | Apple Inc. | Privacy preserving distributed evaluation framework for embedded personalized systems |
US11227589B2 (en) | 2016-06-06 | 2022-01-18 | Apple Inc. | Intelligent list reading |
US10249300B2 (en) | 2016-06-06 | 2019-04-02 | Apple Inc. | Intelligent list reading |
US10049663B2 (en) | 2016-06-08 | 2018-08-14 | Apple, Inc. | Intelligent automated assistant for media exploration |
DK179588B1 (en) | 2016-06-09 | 2019-02-22 | Apple Inc. | INTELLIGENT AUTOMATED ASSISTANT IN A HOME ENVIRONMENT |
US10490187B2 (en) | 2016-06-10 | 2019-11-26 | Apple Inc. | Digital assistant providing automated status report |
US10067938B2 (en) | 2016-06-10 | 2018-09-04 | Apple Inc. | Multilingual word prediction |
US10192552B2 (en) | 2016-06-10 | 2019-01-29 | Apple Inc. | Digital assistant providing whispered speech |
US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
US10509862B2 (en) | 2016-06-10 | 2019-12-17 | Apple Inc. | Dynamic phrase expansion of language input |
DK179343B1 (en) | 2016-06-11 | 2018-05-14 | Apple Inc | Intelligent task discovery |
DK179049B1 (en) | 2016-06-11 | 2017-09-18 | Apple Inc | Data driven natural language event detection and classification |
DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
US11455545B2 (en) * | 2016-08-10 | 2022-09-27 | Palo Alto Research Center Incorporated | Computer-implemented system and method for building context models in real time |
US10051427B2 (en) * | 2016-08-22 | 2018-08-14 | Qualcomm Incorporated | Techniques for providing location-based health alerts based on biological indicators |
US10474753B2 (en) | 2016-09-07 | 2019-11-12 | Apple Inc. | Language identification using recurrent neural networks |
US10043516B2 (en) | 2016-09-23 | 2018-08-07 | Apple Inc. | Intelligent automated assistant |
US11281993B2 (en) | 2016-12-05 | 2022-03-22 | Apple Inc. | Model and ensemble compression for metric learning |
US10621175B2 (en) * | 2016-12-21 | 2020-04-14 | Sap Se | Rule execution based on context data |
US10621496B2 (en) | 2016-12-21 | 2020-04-14 | Sap Se | Management of context data |
US10593346B2 (en) | 2016-12-22 | 2020-03-17 | Apple Inc. | Rank-reduced token representation for automatic speech recognition |
US11204787B2 (en) | 2017-01-09 | 2021-12-21 | Apple Inc. | Application integration with a digital assistant |
DK201770383A1 (en) | 2017-05-09 | 2018-12-14 | Apple Inc. | USER INTERFACE FOR CORRECTING RECOGNITION ERRORS |
US10417266B2 (en) | 2017-05-09 | 2019-09-17 | Apple Inc. | Context-aware ranking of intelligent response suggestions |
DK201770439A1 (en) | 2017-05-11 | 2018-12-13 | Apple Inc. | Offline personal assistant |
US10726832B2 (en) | 2017-05-11 | 2020-07-28 | Apple Inc. | Maintaining privacy of personal information |
US10395654B2 (en) | 2017-05-11 | 2019-08-27 | Apple Inc. | Text normalization based on a data-driven learning network |
DK180048B1 (en) | 2017-05-11 | 2020-02-04 | Apple Inc. | MAINTAINING THE DATA PROTECTION OF PERSONAL INFORMATION |
DK201770429A1 (en) | 2017-05-12 | 2018-12-14 | Apple Inc. | LOW-LATENCY INTELLIGENT AUTOMATED ASSISTANT |
DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
DK179496B1 (en) | 2017-05-12 | 2019-01-15 | Apple Inc. | USER-SPECIFIC Acoustic Models |
US11301477B2 (en) | 2017-05-12 | 2022-04-12 | Apple Inc. | Feedback analysis of a digital assistant |
DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
DK201770411A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | MULTI-MODAL INTERFACES |
DK201770432A1 (en) | 2017-05-15 | 2018-12-21 | Apple Inc. | Hierarchical belief states for digital assistants |
DK179549B1 (en) | 2017-05-16 | 2019-02-12 | Apple Inc. | FAR-FIELD EXTENSION FOR DIGITAL ASSISTANT SERVICES |
US10311144B2 (en) | 2017-05-16 | 2019-06-04 | Apple Inc. | Emoji word sense disambiguation |
US20180336892A1 (en) | 2017-05-16 | 2018-11-22 | Apple Inc. | Detecting a trigger of a digital assistant |
US10403278B2 (en) | 2017-05-16 | 2019-09-03 | Apple Inc. | Methods and systems for phonetic matching in digital assistant services |
US10303715B2 (en) | 2017-05-16 | 2019-05-28 | Apple Inc. | Intelligent automated assistant for media exploration |
US10657328B2 (en) | 2017-06-02 | 2020-05-19 | Apple Inc. | Multi-task recurrent neural network architecture for efficient morphology handling in neural language modeling |
US20190012686A1 (en) * | 2017-07-05 | 2019-01-10 | Panasonic Intellectual Property Management Co., Ltd. | System and method for optimization using autonomous vehicle |
US10445429B2 (en) | 2017-09-21 | 2019-10-15 | Apple Inc. | Natural language understanding using vocabularies with compressed serialized tries |
US10755051B2 (en) | 2017-09-29 | 2020-08-25 | Apple Inc. | Rule-based natural language processing |
US10636424B2 (en) | 2017-11-30 | 2020-04-28 | Apple Inc. | Multi-turn canned dialog |
US10733982B2 (en) | 2018-01-08 | 2020-08-04 | Apple Inc. | Multi-directional dialog |
US10733375B2 (en) | 2018-01-31 | 2020-08-04 | Apple Inc. | Knowledge-based framework for improving natural language understanding |
US10789959B2 (en) | 2018-03-02 | 2020-09-29 | Apple Inc. | Training speaker recognition models for digital assistants |
US10592604B2 (en) | 2018-03-12 | 2020-03-17 | Apple Inc. | Inverse text normalization for automatic speech recognition |
US10818288B2 (en) | 2018-03-26 | 2020-10-27 | Apple Inc. | Natural assistant interaction |
US10909331B2 (en) | 2018-03-30 | 2021-02-02 | Apple Inc. | Implicit identification of translation payload with neural machine translation |
US10928918B2 (en) | 2018-05-07 | 2021-02-23 | Apple Inc. | Raise to speak |
US11145294B2 (en) | 2018-05-07 | 2021-10-12 | Apple Inc. | Intelligent automated assistant for delivering content from user experiences |
US10984780B2 (en) | 2018-05-21 | 2021-04-20 | Apple Inc. | Global semantic word embeddings using bi-directional recurrent neural networks |
US10892996B2 (en) | 2018-06-01 | 2021-01-12 | Apple Inc. | Variable latency device coordination |
DK180639B1 (en) | 2018-06-01 | 2021-11-04 | Apple Inc | DISABILITY OF ATTENTION-ATTENTIVE VIRTUAL ASSISTANT |
DK201870355A1 (en) | 2018-06-01 | 2019-12-16 | Apple Inc. | VIRTUAL ASSISTANT OPERATION IN MULTI-DEVICE ENVIRONMENTS |
US11386266B2 (en) | 2018-06-01 | 2022-07-12 | Apple Inc. | Text correction |
DK179822B1 (da) | 2018-06-01 | 2019-07-12 | Apple Inc. | Voice interaction at a primary device to access call functionality of a companion device |
US10496705B1 (en) | 2018-06-03 | 2019-12-03 | Apple Inc. | Accelerated task performance |
US11010561B2 (en) | 2018-09-27 | 2021-05-18 | Apple Inc. | Sentiment prediction from textual data |
US11170166B2 (en) | 2018-09-28 | 2021-11-09 | Apple Inc. | Neural typographical error modeling via generative adversarial networks |
US10839159B2 (en) | 2018-09-28 | 2020-11-17 | Apple Inc. | Named entity normalization in a spoken dialog system |
US11462215B2 (en) | 2018-09-28 | 2022-10-04 | Apple Inc. | Multi-modal inputs for voice commands |
US11475898B2 (en) | 2018-10-26 | 2022-10-18 | Apple Inc. | Low-latency multi-speaker speech recognition |
US11159768B1 (en) * | 2019-01-03 | 2021-10-26 | Facebook Technologies, Llc | User groups based on artificial reality |
US11638059B2 (en) | 2019-01-04 | 2023-04-25 | Apple Inc. | Content playback on multiple devices |
US11348573B2 (en) | 2019-03-18 | 2022-05-31 | Apple Inc. | Multimodality in digital assistant systems |
DK201970509A1 (en) | 2019-05-06 | 2021-01-15 | Apple Inc | Spoken notifications |
US11423908B2 (en) | 2019-05-06 | 2022-08-23 | Apple Inc. | Interpreting spoken requests |
US11475884B2 (en) | 2019-05-06 | 2022-10-18 | Apple Inc. | Reducing digital assistant latency when a language is incorrectly determined |
US11307752B2 (en) | 2019-05-06 | 2022-04-19 | Apple Inc. | User configurable task triggers |
US11140099B2 (en) | 2019-05-21 | 2021-10-05 | Apple Inc. | Providing message response suggestions |
US11496600B2 (en) | 2019-05-31 | 2022-11-08 | Apple Inc. | Remote execution of machine-learned models |
DK180129B1 (en) | 2019-05-31 | 2020-06-02 | Apple Inc. | USER ACTIVITY SHORTCUT SUGGESTIONS |
US11289073B2 (en) | 2019-05-31 | 2022-03-29 | Apple Inc. | Device text to speech |
DK201970511A1 (en) | 2019-05-31 | 2021-02-15 | Apple Inc | Voice identification in digital assistant systems |
US11360641B2 (en) | 2019-06-01 | 2022-06-14 | Apple Inc. | Increasing the relevance of new available information |
US11468890B2 (en) | 2019-06-01 | 2022-10-11 | Apple Inc. | Methods and user interfaces for voice-based control of electronic devices |
US11488406B2 (en) | 2019-09-25 | 2022-11-01 | Apple Inc. | Text detection using global geometry estimators |
US11043220B1 (en) | 2020-05-11 | 2021-06-22 | Apple Inc. | Digital assistant hardware abstraction |
US11061543B1 (en) | 2020-05-11 | 2021-07-13 | Apple Inc. | Providing relevant data items based on context |
US11755276B2 (en) | 2020-05-12 | 2023-09-12 | Apple Inc. | Reducing description length based on confidence |
US11490204B2 (en) | 2020-07-20 | 2022-11-01 | Apple Inc. | Multi-device audio adjustment coordination |
US11438683B2 (en) | 2020-07-21 | 2022-09-06 | Apple Inc. | User identification using headphones |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060195361A1 (en) * | 2005-10-01 | 2006-08-31 | Outland Research | Location-based demographic profiling system and method of use |
US20100332288A1 (en) * | 2009-06-29 | 2010-12-30 | Higgins Chris W | Operating a Sensor Recording Marketplace |
CN103026378A (zh) * | 2010-08-10 | 2013-04-03 | 瑞典爱立信有限公司 | 汇集人口统计分布信息 |
Family Cites Families (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7246069B1 (en) | 1999-10-15 | 2007-07-17 | Ue Systems, Inc. | Method and apparatus for online health monitoring |
US20020046030A1 (en) * | 2000-05-18 | 2002-04-18 | Haritsa Jayant Ramaswamy | Method and apparatus for improved call handling and service based on caller's demographic information |
EP1631953A4 (en) * | 2003-06-11 | 2006-10-25 | Sony Electronics Inc | METHOD AND SYSTEM FOR RECOMMENDING CONNECTIVITY CONFIGURATIONS |
JP5028751B2 (ja) | 2005-06-09 | 2012-09-19 | ソニー株式会社 | 行動認識装置 |
WO2007090133A2 (en) | 2006-01-30 | 2007-08-09 | Kramer Jame F | System for providing a service to venues where people aggregate |
EP1895505A1 (en) | 2006-09-04 | 2008-03-05 | Sony Deutschland GmbH | Method and device for musical mood detection |
US8157730B2 (en) | 2006-12-19 | 2012-04-17 | Valencell, Inc. | Physiological and environmental monitoring systems and methods |
US8239774B2 (en) | 2007-08-28 | 2012-08-07 | International Business Machines Corporation | Utilizing mood sensors in an electronic messaging environment |
US7698422B2 (en) | 2007-09-10 | 2010-04-13 | Specific Media, Inc. | System and method of determining user demographic profiles of anonymous users |
US20100299615A1 (en) | 2007-09-28 | 2010-11-25 | The Trustees Of Dartmouth College | System And Method For Injecting Sensed Presence Into Social Networking Applications |
US9521960B2 (en) | 2007-10-31 | 2016-12-20 | The Nielsen Company (Us), Llc | Systems and methods providing en mass collection and centralized processing of physiological responses from viewers |
US20090307263A1 (en) | 2008-06-06 | 2009-12-10 | Sense Networks, Inc. | System And Method Of Performing Location Analytics |
US8442832B2 (en) | 2008-12-08 | 2013-05-14 | Electronics And Telecommunications Research Institute | Apparatus for context awareness and method using the same |
KR101562792B1 (ko) | 2009-06-10 | 2015-10-23 | 삼성전자주식회사 | 목표 예측 인터페이스 제공 장치 및 그 방법 |
US8255392B2 (en) | 2009-06-29 | 2012-08-28 | Dan Melton | Real time data collection system and method |
US8172777B2 (en) | 2009-09-14 | 2012-05-08 | Empire Technology Development Llc | Sensor-based health monitoring system |
US8473512B2 (en) | 2009-11-06 | 2013-06-25 | Waldeck Technology, Llc | Dynamic profile slice |
EP2333778A1 (en) | 2009-12-04 | 2011-06-15 | Lg Electronics Inc. | Digital data reproducing apparatus and method for controlling the same |
US9946775B2 (en) * | 2010-03-24 | 2018-04-17 | Taykey Ltd. | System and methods thereof for detection of user demographic information |
KR20130122535A (ko) | 2010-06-07 | 2013-11-07 | 어펙티바,아이엔씨. | 웹서비스들을 이용한 심리 상태 분석 |
US8438590B2 (en) | 2010-09-22 | 2013-05-07 | General Instrument Corporation | System and method for measuring audience reaction to media content |
US8500009B2 (en) | 2011-02-23 | 2013-08-06 | Daniel J. Clapsaddle | Real-time internet method for tracking number and gender of patrons in bar and night club establishments |
US8768864B2 (en) | 2011-08-02 | 2014-07-01 | Alcatel Lucent | Method and apparatus for a predictive tracking device |
US20140040171A1 (en) * | 2012-07-31 | 2014-02-06 | Triapodi Ltd | Content-based demographic estimation of users of mobile devices and usage thereof |
US9278255B2 (en) | 2012-12-09 | 2016-03-08 | Arris Enterprises, Inc. | System and method for activity recognition |
US10304325B2 (en) | 2013-03-13 | 2019-05-28 | Arris Enterprises Llc | Context health determination system |
US9692839B2 (en) | 2013-03-13 | 2017-06-27 | Arris Enterprises, Inc. | Context emotion determination system |
-
2013
- 2013-03-13 US US13/798,391 patent/US9135248B2/en active Active
-
2014
- 2014-03-11 MX MX2015012383A patent/MX346988B/es active IP Right Grant
- 2014-03-11 BR BR112015022493A patent/BR112015022493A2/pt not_active IP Right Cessation
- 2014-03-11 CA CA2902523A patent/CA2902523C/en active Active
- 2014-03-11 KR KR1020157024711A patent/KR101741351B1/ko active IP Right Grant
- 2014-03-11 EP EP14716680.5A patent/EP2954422A4/en not_active Ceased
- 2014-03-11 WO PCT/US2014/022887 patent/WO2014164579A2/en active Application Filing
- 2014-03-11 CN CN201480015360.7A patent/CN105229688A/zh active Pending
- 2014-03-11 CN CN202110928755.8A patent/CN113487371A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060195361A1 (en) * | 2005-10-01 | 2006-08-31 | Outland Research | Location-based demographic profiling system and method of use |
US20100332288A1 (en) * | 2009-06-29 | 2010-12-30 | Higgins Chris W | Operating a Sensor Recording Marketplace |
CN103026378A (zh) * | 2010-08-10 | 2013-04-03 | 瑞典爱立信有限公司 | 汇集人口统计分布信息 |
Also Published As
Publication number | Publication date |
---|---|
EP2954422A2 (en) | 2015-12-16 |
KR20150119126A (ko) | 2015-10-23 |
US9135248B2 (en) | 2015-09-15 |
EP2954422A4 (en) | 2016-11-02 |
CN105229688A (zh) | 2016-01-06 |
MX346988B (es) | 2017-04-07 |
CA2902523C (en) | 2018-01-09 |
CA2902523A1 (en) | 2014-10-09 |
BR112015022493A2 (pt) | 2017-12-19 |
WO2014164579A3 (en) | 2014-11-27 |
KR101741351B1 (ko) | 2017-05-29 |
MX2015012383A (es) | 2016-02-03 |
WO2014164579A2 (en) | 2014-10-09 |
US20140280138A1 (en) | 2014-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA2902523C (en) | Context demographic determination system | |
CN105283876B (zh) | 环境健康确定系统 | |
EP2953526B1 (en) | Context emotion determination | |
KR102032842B1 (ko) | 사용자 상황을 해석하는 동적 소셜 및 센서 데이터의 실시간 분석 | |
CN110710190B (zh) | 一种生成用户画像的方法、终端、电子设备以及计算机可读存储介质 | |
KR102087985B1 (ko) | 장소를 추천하는 방법 및 그 장치 | |
Ahmad et al. | A framework for crowd-sourced data collection and context-aware services in Hajj and Umrah | |
KR20150131934A (ko) | 개인화 정보 제공 시스템 및 그 방법 | |
CN104770054B (zh) | 用于移动设备的统一资源定位符(url)列表的位置感知管理 | |
US11573988B2 (en) | Storage of point of interest data on a user device for offline use | |
Meng‐Yoke Tan et al. | TILES: classifying contextual information for mobile tourism applications | |
Makkonen et al. | Context awareness in human-computer interaction | |
JP2023170107A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
JP2020027398A (ja) | 情報処理装置、情報処理方法、及び情報処理プログラム | |
Tan et al. | Tiles—A model for classifying and using contextual information for context-aware applications |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220715 Address after: London Applicant after: Iris International Intellectual Property Co.,Ltd. Address before: State of Georgia, US Applicant before: ARRIS ENTERPRISES LLC |