CN114467106A - 图形学习和自动行为协调平台 - Google Patents

图形学习和自动行为协调平台 Download PDF

Info

Publication number
CN114467106A
CN114467106A CN201980101003.5A CN201980101003A CN114467106A CN 114467106 A CN114467106 A CN 114467106A CN 201980101003 A CN201980101003 A CN 201980101003A CN 114467106 A CN114467106 A CN 114467106A
Authority
CN
China
Prior art keywords
user
community
data
computing device
transaction
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
Application number
CN201980101003.5A
Other languages
English (en)
Inventor
T.哈里斯
T.科罗莱夫斯卡亚
Y.李
J.瓦尔德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Visa International Service Association
Original Assignee
Visa International Service Association
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Visa International Service Association filed Critical Visa International Service Association
Publication of CN114467106A publication Critical patent/CN114467106A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/335—Filtering based on additional data, e.g. user or group profiles
    • G06F16/337—Profile generation, learning or modification
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06Q20/00—Payment architectures, schemes or protocols
    • G06Q20/38—Payment protocols; Details thereof
    • G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
    • 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
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Accounting & Taxation (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Remote Sensing (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

一种系统从用户的支付装置接收交易数据。所述系统基于接收的交易数据生成所述用户的交易配置文件。基于交易参数，所述系统确定所述用户的社区。所述系统还从数据库接收所述社区的一个或多个预定义子团体。所述一个或多个子团体定义活动、地理位置和时间的子集。所述系统标识对所述交易参数设置限制的一个或多个规则。在没有接收到额外用户交互的情况下，所述系统根据所述一个或多个规则、所述社区的所述一个或多个子团体的所述活动、地理位置和时间生成针对所述用户的建议社区。所述系统基于所述建议社区生成针对所述用户的建议活动。

Description

图形学习和自动行为协调平台
技术领域
本文论述的实施例大体上涉及智能活动推荐或预期系统。
背景技术
随着人们的生活变得越来越复杂且在更加多样化的环境中与他人互动，协调行为(例如拼车或团体折扣)的能力变得越来越难。另外，科技带来共享经济各个层面的蓬勃发展，并为过去没有机会享受的社区成员提供了便利。拼车、商品团体折扣等社会团体已经很受欢迎。然而，随着时间推移，这些实施已经变得不足以满足先进技术带来的额外复杂性。
例如，仅仅因为一位家长是由家长组成的社会团体的一部分且在某个特定时刻另一位家长可以开车，并不意味着拼车对家长来说是可行的，因为另一位家长的位置在20英里之外。个人因利益或其它共同因素而进入某个社区或团体的这一事实无法促进类似活动的参与。
然而，无法将车辆作为资源协调给他人使用这一事实造成了巨大的资源浪费(即，闲置汽车)和时间浪费(例如，其他家庭当可以在不同团体或附近地点拼车的情况下让孩子下车)。尽管共享经济解决了一些浪费问题，但鉴于问题的复杂性和多样性，仍有许多浪费存在。
需要的是可利用各种不同数据输入来协调目标群体中的用户活动的学习平台。因此，实施例尝试创建用于解决以上挑战的缺陷的技术解决方案。
发明内容
通过首先使用图形结构表示用户的行为和期望活动以修改或更新现有方法，实施例产生了对上述挑战的技术解决方案。基于此图形结构，实施例的各方面的自动和协调系统由图形学习器使用编辑距离相似性度量来创建提议的协调的或建议的子图形结构或分支，所述图形学习器根据提议的子图形的一方图形计算最小转变成本。在另一实施例中，所述系统可以提交提议的子图形(其体现协调计划)以针对图形结构的“区块或区段”。提议的新区块或区段内的成员可选择采纳这些提议以供将来协调。
在一个实施例中，如果足够数量的区块成员选择采用所提议的，则实施例的各个方面设置图形中的区块的警报和协调计划。在另一方面，实施例通过用户的反馈和提议的子图形结构的采用率随时间推移而学习。
此外，实施例的各个方面可以在自主模式下操作。例如，对于借出汽车或停车场的使用，实施例的各个方面可以包括可以循环通过可用自主资产的引擎，并且将其使用案例与目标最终用户匹配。示例资产可以是停车场，并且目标最终用户可以是停车场附近的驾驶员。
附图说明
本领域的一般技术人员可以了解，为了简单和清晰起见而说明图中的元件，因此并未示出所有的连接和选项。例如，通常可以不描绘在商业上可行的实施例中有用或必要的常见但很好理解的元件，以便有助于不大受妨碍地查看本公开的这些各种实施例。可以进一步了解，特定动作和/或步骤可以按特定发生顺序描述或描绘，而本领域的技术人员可以理解实际上不需要关于顺序的这类特定性。还可以理解，本文中所用的术语和表达可以相对于其对应的相应查询和研究领域来进行定义，除非本文中另外阐述了特定含义。
图1是示出根据一个实施例的系统的图。
图2A到2C是示出根据一个实施例的处理流程的图。
图3A-3C是根据一个实施例的图形结构。
图4是示出根据一个实施例的信用请求的一个或多个参数的图。
图5是示出根据一个实施例的方法的流程图。
图6是示出根据一个实施例的便携式计算装置的图。
图7是示出根据一个实施例的计算装置的图。
具体实施方式
现在可以参考附图更全面地描述实施例，附图形成本发明的一部分并且附图以说明的方式示出可以实践的具体示例性实施例。可以呈现这些图解和示例性实施例，且应理解，本公开是一个或多个实施例的原理的范例，且可能并不意图限制所说明实施例中的任一个。实施例可以许多不同的形式体现，并且不应被解释为限于本文中阐述的实施例；相反，提供这些实施例是为了使本公开透彻且完整，并且可以把实施例的范围完整地传达给本领域的技术人员。此外，本发明可以实施为方法、系统、计算机可读介质、设备或装置。因此，本发明可以采取完全硬件实施例、完全软件实施例或组合软件和硬件方面的实施例的形式。因此，以下详细描述可以被视为不具有限制意义。
实施例基于用户的活动创建新图形扩展结构以向用户表示建议社区。在一个方面，实施例创建表示用户活动的图形结构。基于图形结构，实施例的方面还基于图形结构的边缘和顶点创建社区。一旦表示了活动和社区，人工智能(AI)或深度学习算法就可以在用户的活动改变或演变时为用户构建子图形。因此，实施例可以向用户建议新的社区以扩展其现有社区。
现参考图1，系统100示出根据一个实施例的高级系统实施方案。系统100可包括在支付处理网络中处理交易的服务器102。在一个实施例中，服务器102可以是在世界各地提交交易时跨越地理区域的服务器的集群。交易可包括来自收单方110的交易数据(例如，当消费者在商家处进行购买时)，以及在处理和验证之后去往消费者的支付装置的发行方112及从所述发行方返回的交易数据。因此，服务器102可以处理交易数据的加密、解密和认证等(例如，经由令牌或散列)以完成给定交易。在另一实施例中，服务器102可包括或可耦合到前端服务器104和数据存储区106以用于存储交易数据。例如，前端服务器104可以向门户提供图形用户界面(GUI)以为消费者和商家服务。在另一实施例中，前端服务器104可以向服务客户端应用程序(application/app)提供网络服务。在一个实施例中，前端服务器104和服务器102可以托管数字钱包服务，所述数字钱包服务使消费者能够使用例如信用卡或借记卡的用户支付装置来管理商品和服务并为其付费。
在另一实施例中，系统100可包括配置门户108，供管理员特权用户配置、管理和治理服务器102、前端服务器104和数据存储区106。在另一实施例中，数据存储区106可以存储临时交易数据或历史数据以供分析。在此方面，历史数据可以是实际交易数据的副本，并且所述副本已被匿名化使得个人标识数据已被移除，除非用户已经给出明确和具体的授权。
在另一实施例中，用户114可以在商家116处发起交易(例如，商品或服务的支付)，或者可以经由用户114的移动装置118发起交易。具有app或浏览器120(为了简单起见而非限制，以下称为“app”)的移动装置118可以将用户114导航到商家116托管或赞助的门户，使得用户114可以完成交易。
由于用户114可以使用移动装置118或app 120或与其交互以进行交易，所以无论其是否发起或准备(例如，浏览商品或服务的目录)，用户114都可以将动作或步骤留在移动装置118中。实施例的各个方面使移动装置118和/或app 120能够在移动装置118上保存用户114的行为(经用户许可)。在另一实施例中，行为数据可以被发送到服务器102以供分析且向用户114提供更佳体验，这将在下文进一步论述。
除了交易数据之外，用户114还可以将移动装置118用作管理和组织用户生活的个人助理。例如，移动装置118可以是智能手机，其可以包括如图6所示的便携式装置的组件。智能手机可以使用户114能够接收消息(例如，通知、文本消息、电子邮件消息或电话通话)，经由无线连接(例如，蓝牙、Wi-Fi、近场通信(NFC)等)或有线连接(例如，USB连接或闪电连接)连接到互联网，执行或激活提供将用户114与其他人连接的功能的应用程序。在一个实施例中，用户114可以具有社交网络配置文件或账户，其中用户114可以使用app与其社交网络团体中的其他人交互。通过社交网络app，用户114可以发起交易，可以基于社交网络app中的信息来安排其日程安排活动。在另一实施例中，用户114可以使用日历app来安排预约、会议、午餐、差旅和其它活动。因此，移动装置118可以将快照提供到用户114的活动中。
在进一步描述实施例的各个方面时，使用图2A到2D和图3A到3C进一步示出系统100的特征。在一个实施例中，图2A可示出实施例的各个方面的流程图。例如，图形学习和自动行为协调的过程可以从202开始。在另一实施例中，系统100可在建构此类图形学习平台时根据交易历史建构活动，其中每个交易被表示为用户114的交易配置文件122。在一个实施例中，此配置文件122可以提供关于转变历史的量化详细信息。例如，配置文件122可以包括交易金额、交易位置、商家ID、商家位置、交易时间等。此外，实施例的各个方面的改进提供了与收集的数据的关系维度。例如，关于交易的“时间”，系统100将“时间”数据呈现并存储为绝对值和相对值：
绝对值可包括带时区信息的实际时间；
相对值可包括时间窗口(+/-分钟，一个月周期内的小时)；星期几；月份等。在另一实施例中，时间数据的相对值还可以包括与用户活动中给定事件的关系，例如周年纪念日、出差、度假等。
在另一实施例中，还可以以绝对值和相对值呈现位置数据。例如，绝对值可以包括全局定位系统(GPS)值、经度和纬度坐标等。相对值可包括可由移动装置118的GPS位置确定的用户的位置与商家的位置、用户114的预计或预期目的地(例如，晚餐预订、拼车目的地、工作或家庭地址等)之间的相对距离。
关于活动或行为图形或树，系统100可以建构如图3A所示针对每个用户的图形。例如，图形302可以表示用户A的活动或行为，其可以包括至少一个顶点或节点306和两个顶点之间的边缘304。在一个实施例中，顶点306可以表示活动且边缘304可以表示两个顶点之间的依赖性，并且所述依赖性可以基于时间或距离。
在一个实施例中，在204，系统100可以查询用户114的预定义行为或活动图形/树，例如图3A中的图形302。在一个实施例中，图形302可以由用户114经由来自用户114的直接输入或指示来定义。
在另一实施例中，可以学习或发现用户114的图形。例如，在用户114许可的情况下，系统100可以审查和研究用户的现有活动范围，例如用户的日历条目、社交媒体配置文件以及系统100存储和接收的交易数据。
除了要针对用户114构建的图形之外，系统100还可以围绕用户114建构社区。在一个实施例中，系统100可以根据倾向于定期近距离购物的交易配置文件账户建构用户114的社区。用户社区可能不包括用户114所熟悉的所有个人。例如，可以假设在用户114的居住地附近购物的个人在同一社区内。在另一实施例中，例如“近”的相对值可被定义为位置。在另一实例中，同样光顾同一餐厅或商店的人可被标记为同一社区的一部分。
在另一实施例中，用户114可以定义社区。例如，用户定义的社区可以包括具有相似兴趣的人的集合。系统100可以使用从社交媒体生成的外部社区团体，或基于交易创建社区团体。例如，来自社交媒体的朋友和朋友的朋友；兴趣团体(例如，学校家长名单)；电子邮件联系人列表可能是外部团体的一些来源。因此，用户114可具有多个社区。
一旦已标识或配置图形，系统100就可以在206采集或收集用于学习过程的对照数据。在一个实施例中，系统100可以从例如数据存储区106的图形社区数据库(DB)检取此类数据。在208，系统100可以执行图形社区检测以扩增先前存储的社区。在一些实施例中，当计算图形的提议的图形区块或区段时，可以使用顶点的自网。例如，可以通过计算将一个字符串转变成另一个字符串所需的最小操作数目，将自编辑距离用作量化两个字符串(例如，单词)彼此之间差异的方式。然而，随着维度的扩展，社区可以更准确地反映与目标顶点最相似的那些顶点。在另一实施例中，系统100可以使用户能够定义其社区或使用机器学习来检测潜在社区。输入数据可以来自交易数据、从装置(例如，GPS跟踪器、或装置使用(比如在线购物行为)生成的数据等。
在另一实施例中，例如K核心(K-Core)等图形学习器算法可以创建社区结构以查找潜在目标亚群体。这些社区使用顶点建构，所述顶点历史上指示亚群体能够协调。例如，地理位置、通勤窗口、估计收入、标识的兴趣和其它类似属性。
在一个实例中，图3B示出可以表示用户A与用户B之间的社区的图形。例如，用户A可以有日常锻炼(活动2)，并且所述日常锻炼可以包括游泳(活动5)和瑜伽(活动6)。类似地，用户B也可以有日常锻炼(活动1)，并且所述日常锻炼可以包括攀岩(活动3)和跑步(活动4)。虽然他们在瑜伽、攀岩、游泳和跑步方面具有看起来不同的社区，但系统100可以基于交易数据发现并建议新的社区308。例如，用户A和用户B都会一起拼车去他们锻炼的健身房：用户A去瑜伽，用户B去攀岩。另外，用户A和用户B的交易时间和GPS位置都在同一健身房的同一时间。有了用户A拥有车辆的事实，可以向用户B建议或推荐新的拼车社区，以便可以建立/构建新的活动7—拼车—作为用户A和用户B的子图形。此外，还可以基于后续活动生成或创建另一个子图形，后续活动例如是欢乐时光、咖啡、或基于用户与移动装置118的交互或交易数据的其它活动。
如果用户114要接受子图形，例如子图形308，则用户114可以接受子图形。另一方面，用户114可拒绝由系统100提供的建议的子图形。在210，系统100可以将建议的子图形存储到用户的图形结构。在一个实施例中，在212，系统可以基于子图形被发现的最大可能性来查询接受的子图形和分段社区。在一个实施例中，查询可以基于时间或基于位置的可能性。在另一实施例中，在214，系统100可以基于社区特征创建模板或分配现有模板。
在另一实施例中，在216，系统100还可以基于目标社区确定数目(K)个代理。一旦确定，系统100就可转换到步骤220以运行历元(epoch)，这可以通过在222为给定社区建构潜在协调子图形而开始。使用以上图3B中的示例，协调子图形可以包括用户A和用户B的时间维度，使得可以计算拼车。另外，还可以将位置维度计算到协调子图形中，使得用户A和用户B可以在两者共同的位置相遇。在另一实施例中，在224，系统100可以针对社区内的每个成员计算建议社区(例如，边缘310和312)的编辑成本(例如，基于自编辑距离算法)。
在一个实施例中，以下可以说明系统100的多因素加权自编辑距离算法：
多因素加权自编辑距离
输入：针对顶点v和u的egonet(j)和egonet(k)#EgoNet
边缘权重包括
1)估计资源成本
a)物理(商店)
物理位置之间的时间和距离
b)虚拟(网站)
站点平均时间
2)偏好因素
a)语言
3)商店的相似性度量
a)瑜伽与柔道之间的比例根据同伴指标衡量，比如两种运动之间的转换百分比
InSc＝egonet(j)WeightedIntersection egonet(k)
Union＝egonet(j)WeightedUnion egonet(k)
Dist＝|Union|-|InSc|
Cj＝count(egonet(j))
Ck＝count(egonet(k))
NormDist＝Dist/(Cj+Ck)
输出NormDist
在一个实施例中，在226，系统100还可以基于截止标准来定义成功的子图形。例如，截止标准可以包括成本度量(例如，对于用户B，每次乘车少于5美元)、时间度量(例如，对于用户A，等待时间少于3分钟)、距离度量(例如，对于用户A和B，彼此之间的接驳距离小于0.5英里)，以及其它标准。
在228，系统100可以在230存储成功的子图形之前对数据进行排序以适应子图形。在一个实施例中，系统100可以在对图形的适合性进行排序时部署K个代理来建构潜在协调子图形。
在一个实施例中，系统100可以将成功的子图形存储到子图形DB 238。在另一实施例中，系统100可以基于对用户A、用户B或建议社区的潜在影响而确定是否最终截止子图形。因此，系统100可以在234执行确定：如果否，则系统100可以恢复运行标识子图形的历元N次。如果确定为是，则系统100可以终止现有运行并在236安排下一次运行。
在一个实施例中，可以使用用户的配置文件和活动日志来生成顶点和边缘以生成超图形。如所论述的，图形学习器可以基于最小加权编辑距离相似性度量生成提议的社区行为图形。在一个实例中，此类算法可以基于预定义社区(生成或用户定义的)有关图形的亚群体运行。接下来，可以采用修改的区块分配图形算法(BAGA)来创建提议的协调计划。当将目标人自网与提议的社区图形进行比较时，BAGA是使用加权的最小转变成本度量修改的版本。此类度量可具有最大成员资格值。在一个实施例中，在预定义关键顶点上对转变成本进行加权，所述预定义关键顶点例如是位置、学习器关键顶点(经由反馈机制)和目标的偏好(通勤窗口)。最大成员资格可以基于历史行为以防止协调失败。可提供所得计划供最终用户审查。
在一个实施例中，用于修改的BAGA的伪代码可以包括：
从所有区块中随机选择当前区块(可基于总花费等因素)
选择当前区块内的顶点i
基于顶点i的区块与顶点j的区块之间的编辑距离，对顶点i的自网(或社区)内的所有边缘进行排序
如果顶点j的最相似区块的成员资格等于或超过预定义最大值，则从顶点i的自网中选择下一个顶点
如果编辑距离高于预设的最小边缘距离，则移动到当前区块内的下一个顶点
使用历史模型确定接受或拒绝提议的概率(此模型还将具有探试成本/奖励特征，例如最小化其它区块之间的行进距离或时间。
如果拒绝的概率低于预定义的最小值，则将顶点i添加到处理过的新顶点j的区块。
在一个方面，用于修改后的BAGA的输入可以包括：
输入：
E：边缘
B：当前区块分配(基于历史数据)
区块类似于社区，但以探试法或通过实际数据来定义—例如，所有参加瑜伽课的人)
N：基于图形社区的当前区块的相邻者
为了进一步说明此类特征，图3C示出了子图形的另一发展，其中协调计划可以涉及第三用户，即用户C。例如，假设用户C是用户B的室友(例如，共享支付装置的同一账单地址。再次，使用上述锻炼活动，用户C可能不像用户A和用户B那样有严格的锻炼安排。但是，用户C在健身房的咖啡台/售货亭担任登记员。因此，可以基于拼车活动9来构建用户A与用户C之间的建议社区314，并且两个用户的成本可以如边缘316和318所示。在用户A完成其瑜伽课之后，社区314可以进一步扩展到活动10(例如，用户A在用户C工作的售货亭购买咖啡)。
在另一实施例中，系统100可以进一步提供反馈系统，使得其可以包括可优化超参数的进化算法，例如遗传算法或蚁群算法。如果适当地给定搜索空间，则系统100可以使用网格搜索。例如，当累积足够数据而值得新运行时，系统100执行此类额外过程运行。在此类实施例中，图形学习器引擎可输入以下数据：
元数据：
IPCA运行中使用的权重；
用于K核心社区检测的参数(目标子图形大小)；以及
用于IPCA提议创建的参数(截止标准)。
在另一实施例中，来自图形学习器引擎的结果可包括：
采用计划的接受者百分比；
计划结果，例如x天之后遵守计划的用户百分比；以及子图形行为的衡量的改进
在一个实施例中，可以扩增数据以推断错过的机会。例如，错过的机会可以定义为猜想的协调活动(例如，孩子在很近的时间范围内下车或用户同时参加瑜伽课)发生。系统100可以采用图形学习器算法来针对目标亚群体运行。
在另一实施例中，用户修改的计划也可以作为错过的机会包括在内。在一个方面，结果可用于修改行为图形或树，所述行为图形或树用于针对社区检测和提议创建过程的加载参数化。
返回参考图2C，在240，系统100可以模拟对图形结构或网络的影响。在242，系统100可以检测建议的子图形之间的协调故障。如果确定为是，则在244，系统100可以修改行为图形或树以避免类似模型。在246，系统100还可以将此类修改的行为存储到行为树或图形。
如果确定为否定的，则在248，系统100可以通知用户(例如，用户114)建议的子图形中的潜在协调。在250，系统100还可以采用图形学习器引擎或算法来搜索可产生更优化结果(例如，作为反馈系统的一部分)的替代参数化。在252，系统100可以在馈送标识的参数以在212中查询之前标识图形学习引擎的额外参数。
在一个实施例中，系统100可以使用以下算法作为社区检测的一部分：
Figure BDA0003574708770000101
Figure BDA0003574708770000111
现在参考图4，示出了系统100构建子图形结构的参数集的示意图。例如，交易数据402可以包括例如商家ID 404、时间406、位置408等的数据。如上所述，时间数据406和位置数据408可以包括其各自的绝对值(例如，406-1和408-1)和相对值(例如，406-2和408-2)。
另一方面，活动/行为数据410可包括关系数据412、标准规则或设置414、硬件数据416(例如，移动装置118的装置数据、GPS数据、传感器等)和软件数据418(例如，与app 120的用户交互和行为)。
现在参考图5，流程图示出根据一个实施例的方法。在502，系统100可以接收从例如移动装置118、信用卡或借记卡等用户的支付装置收集的交易数据。在504，系统100可以基于接收的交易数据生成用户的交易配置文件。在一个实施例中，生成的交易配置文件可包括至少地理位置参数、时间参数和活动参数。在506，系统100可以基于至少地理位置参数、时间参数和活动参数确定用户的社区。
在508，系统100可以在508从数据库接收社区的一个或多个预定义子团体。在一个实施例中，一个或多个子团体定义活动、地理位置和时间的子集。在510，系统100可以标识由用户定义的一个或多个规则，所述一个或多个规则对至少地理位置参数、时间参数和活动参数设置限制。在512，在没有接收到额外用户交互的情况下，系统100可以根据一个或多个规则生成针对用户的建议社区，并且将社区的一个或多个子团体的活动、地理位置和时间进行比较。在514，系统100可以基于建议社区生成针对用户的建议活动。
图6可以是便携式计算装置801的高级图解，所述便携式计算装置与图7中的远程计算装置841通信，但应用程序可以通过多种方式存储和访问。另外，应用程序可通过多种方式例如从应用程序商店、从网站、从商店Wi-Fi系统等获得。可以存在各种版本的应用程序以利用不同计算装置、不同语言和不同API平台的优势。
在一个实施例中，便携式计算装置801可以是使用电池等便携式电源855操作的移动装置108。便携式计算装置801还可以具有显示器802，所述显示器可以是或可以不是触敏显示器。更具体地，显示器802可以具有电容传感器，例如，可以用于向便携式计算装置801提供输入数据的电容传感器。在其它实施例中，例如箭头、滚轮、键盘等输入板804可以用于向便携式计算装置801提供输入。另外，便携式计算装置801可以具有可以接受和存储口头数据的麦克风806、用于接受图像的摄像头808和用于传送声音的扬声器810。
便携式计算装置801能够与计算装置841或构成计算装置811的云的多个计算装置841进行通信。便携式计算装置801能够通过多种方式进行通信。在一些实施例中，通信可以是有线的，例如通过以太网线缆、USB线缆或RJ6线缆进行通信。在其它实施例中，通信可以是无线的，例如通过
Figure BDA0003574708770000121
(802.11标准)、蓝牙、蜂窝通信或近场通信装置进行通信。通信可以直接到计算装置841或可以通过例如蜂窝式服务的通信网络102、通过互联网、通过专用网络、通过蓝牙等进行，图6可以是构成便携式计算装置801的物理元件的简化图示并且图7可以是构成服务器类型计算装置841的物理元件的简化图示。
图6可以是根据作为系统的一部分进行物理配置的样本便携式计算装置801。便携式计算装置801可以具有根据计算机可执行指令进行物理配置的处理器850。所述便携式计算装置可以具有便携式电源855，例如可以再充电的电池。所述便携式计算装置还可以具有辅助显示视频和声音的声音和视频模块860，且可以在不使用时关闭以节约电力和电池寿命。便携式计算装置801还可以具有非易失性存储器865和易失性存储器870。所述便携式计算装置可以具有可以是单独电路或可以是处理器850的部分的GPS能力880。还可以存在输入/输出总线875，所述输入/输出总线从例如麦克风806、相机808以及例如输入板804、显示器802和扬声器810等其它输入的各种用户输入装置来回传送数据，所述输入/输出总线还可以通过无线或有线装置控制与网络的通信。当然，这只是便携式计算装置801的一个实施例，而便携式计算装置801的数量和类型仅受到想象力的限制。
作为系统的结果，可以在销售点处将更好的信息提供给用户。信息可以是用户特定的，且可以被要求超过相关性阈值。因此，用户可以做出更好的知情决策。所述系统不仅加速过程，而且还使用计算系统来获得更好的结果。
构成远程计算装置841的物理元件可以进一步在图7中示出。在高级别下，计算装置841可以包括数字存储器，例如磁盘、光盘、闪存存储器、非易失性存储器等。结构化数据可以存储在数字存储器中，例如存储在数据库中。服务器841可以具有根据计算机可执行指令进行物理配置的处理器1000。所述服务器还可以具有辅助显示视频和声音的声音和视频模块1005，且可以在不使用时关闭以节约电力和电池寿命。服务器841还可以具有易失性存储器1010和非易失性存储器1015。
数据库1025可以存储在存储器1010或1015中，或者可以是分开的。数据库1025还可以是计算装置841的云的一部分，且可以跨越多个计算装置841以分布方式存储。还可以存在输入/输出总线1020，所述输入/输出总线从例如麦克风806、相机808以及例如输入板804、显示器802和扬声器810等输入的各种用户输入装置来回传送数据，所述输入/输出总线1020还可以通过无线或有线装置控制与网络的通信。在一些实施例中，应用程序可以位于本地计算装置801上，且在其它实施例中，应用程序可以是远程的841。当然，这只是服务器841的一个实施例，而便携式计算装置841的数量和类型仅受到想象力的限制。
本文所描述的用户装置、计算机和服务器可以是除了其它元件外还可以具有(例如来自
Figure BDA0003574708770000131
公司、
Figure BDA0003574708770000132
Figure BDA0003574708770000133
或
Figure BDA0003574708770000134
)的微处理器；易失性和非易失性存储器；一个或多个大容量存储装置(例如，硬盘驱动器)；各种用户输入装置，例如鼠标、键盘或麦克风；以及视频显示系统的计算机。本文所描述的用户装置、计算机和服务器可以在许多操作系统中的任何一个上运行，包括但不限于
Figure BDA0003574708770000135
Figure BDA0003574708770000136
或
Figure BDA0003574708770000137
然而，预期任何合适的操作系统均可以用于本发明。服务器可以是网络服务器集群，所述网络服务器各自可以基于LINUX并由负载均衡器支持，所述负载均衡器基于可用服务器的当前请求负载来决定网络服务器群集中的哪一个应处理请求。
本文所描述的用户装置、计算机和服务器可以经由网络通信，包括互联网、广域网(WAN)、局域网(LAN)、
Figure BDA0003574708770000138
其它计算机网络(现在已知或将来发明的)，和/或前述内容的任何组合。本领域的普通技术人员在熟悉本说明书、附图和权利要求书后应理解，网络可以通过有线和无线渠道的任何组合来连接各种组件，有线和无线渠道包括铜线、光纤、微波以及其它形式的射频、电气和/或光学通信技术。还应理解，任何网络可以通过不同的方式连接到任何其它网络。系统中计算机与服务器之间的互连是示例。本文所描述的任何装置可以经由一个或多个网络与任何其它装置通信。
示例实施例可以包括超出所示装置和网络的附加装置和网络。此外，描述为由一个装置执行的功能可以被分布且由两个或更多个装置执行。多个装置也可以组合成单个装置，所述单个装置可以执行组合装置的功能。
本文所描述的各种参与者和元件可以操作一个或多个计算机设备以促进本文所描述的功能。上述图中的任何元件，包括任何服务器、用户装置或数据库可以使用任何合适数目的子系统来促进本文所描述的功能。
本申请中描述的软件组件或功能中的任一个可以实施为可以由至少一个处理器使用例如Java、C++或Perl等任何合适的计算机语言、使用例如常规的或面向对象的技术执行的软件代码或计算机可读指令。
软件代码可以存储为非瞬态计算机可读介质，例如随机存取存储器(RAM)、只读存储器(ROM)、例如硬盘驱动器或软盘的磁性介质，或例如CD-ROM的光学介质上的一系列指令或命令。任何此类计算机可读介质可以驻存在单个计算设备上或内部，且可以存在于系统或网络内的不同计算设备上或内部。
可以理解，如上文所描述的本发明可以通过模块或集成方式使用计算机软件以控制逻辑的形式实施。基于本公开和本文中所提供的教示，本领域的普通技术人员将知道并且理解使用硬件、软件或硬件与软件的组合来实施本发明的其它方式和/或方法。
以上描述是说明性的而不是限制性的。在本领域的技术人员阅读了本公开之后，实施例的许多变化将变得显而易见。因此，实施例的范围不应参考以上描述来确定，而是应参考待决的权利要求以及其完整范围或等效物来确定。
在不脱离实施例的范围的情况下，来自任何实施例的一个或多个特征可以与任何其它实施例的一个或多个特征组合。除非明确指示有相反的意思，否则“一个”、“一”或“所述”的叙述旨在表示“一个或多个”。除非明确指示有相反的意思，否则“和/或”的叙述旨在表示所述术语的最具包括性的意义。
本发明系统的一个或多个元件可以被要求保护为实现特定功能的构件。在使用此类构件加功能元件来描述要求保护的系统的某些元件的情况下，本领域的普通技术人员在熟悉本说明书、附图和权利要求书后可以理解，对应的结构包括计算机、处理器或微处理器，所述微处理器(视具体情况)被编程为使用在特殊编程后的计算机中存在的功能和/或通过实现一个或多个算法来执行特别叙述的功能，以获得根据权利要求或上文所描述的步骤叙述的功能。如本领域的普通技术人员应理解，算法可以在本公开中表达为数学公式、流程图、叙述式和/或向本领域的普通技术人员提供足够的结构以实施所述过程和其等同物的任何其它方式。
虽然本公开可以许多不同的形式体现，但附图和讨论的呈现应理解为，本公开是一个或多个发明的原理的范例且并不意图将任何一个实施例限制于所说明的实施例。
本公开为上文所描述的长期需要提供解决方案。具体地，系统和方法克服了用传统方法为用户建议活动或社区的挑战。与建议用户的现有结构或范围/社区内的活动不同，实施例的各个方面建构扩展到用户的现有社区之外的额外图形结构。此外，实施例的各个方面的建议或推荐不止是一维的(例如，不止是基于公共因素的一个方面是否与另一个方面相关)；它们是多维的，在任何建议中添加时间和空间维度，使得它们更具针对性，并得到用户更高程度的接受。
本领域的技术人员可易于想到上述系统和方法的其它优点和修改。
因此，本公开在其更广方面并不限于上文示出和描述的具体细节、代表性系统和方法以及说明性示例。在不脱离本公开的范围或精神的情况下，可以对上文说明书进行各种修改和变化，且希望本公开涵盖所有此类修改和变化，前提条件是它们在所附权利要求书和其等同物的范围内。

Claims (20)

1.一种计算机实施的方法，其包括：
接收从用户的支付装置收集的交易数据；
基于接收的交易数据生成所述用户的交易配置文件，生成的交易配置文件包括至少地理位置参数、时间参数和活动参数；
基于至少所述地理位置参数、所述时间参数和所述活动参数，确定所述用户的社区；
从数据库接收所述社区的一个或多个预定义子团体，所述一个或多个子团体定义活动、地理位置和时间的子集；
标识由所述用户定义的一个或多个规则，所述一个或多个规则对至少所述地理位置参数、所述时间参数和所述活动参数设置限制；
在没有接收到额外用户交互的情况下，根据所述一个或多个规则生成针对所述用户的建议社区，并且将所述社区的所述一个或多个子团体的所述活动、地理位置和时间进行比较；以及
基于所述建议社区生成针对所述用户的建议活动。
2.根据权利要求1所述的计算机实施的方法，还包括构建表示所述社区的图形结构，所述图形结构包括至少两个顶点和所述至少两个顶点之间的边缘，所述两个顶点中的所述每一个表示活动，并且所述边缘表示由所述边缘连接的活动之间的功能度量。
3.根据权利要求2所述的计算机实施的方法，其中所述功能度量包括基于时间和地理位置的最小加权编辑距离相似性度量。
4.根据权利要求1所述的计算机实施的方法，其中所述接收交易数据包括从所述支付装置收集的数据，包括至少从所述用户的计算装置的传感器或组件生成的数据、所述计算装置的使用数据和所述计算装置的软件应用程序的使用数据。
5.根据权利要求4所述的计算机实施的方法，基于至少从所述用户的计算装置的传感器或组件生成的所述数据、所述计算装置的所述使用数据和所述计算装置的软件应用程序的所述使用数据来生成所述交易配置文件。
6.一种系统，其包括：
用户的一个或多个支付装置，其用于存储交易数据；
支付处理网络服务器，其配置成执行计算机可执行指令以用于：
从所述一个或多个支付装置接收存储的交易数据；
基于接收的交易数据生成所述用户的交易配置文件，生成的交易配置文件包括交易参数和基于装置的参数；
基于所述交易参数，确定所述用户的社区；
响应于确定，从数据库接收所述社区的一个或多个预定义子团体，所述一个或多个子团体定义活动、地理位置和时间的子集；
标识由所述用户定义的一个或多个规则，所述一个或多个规则对所述交易参数设置限制；
在没有接收到额外用户交互的情况下，根据所述一个或多个规则、所述社区的所述一个或多个子团体的所述活动、地理位置和时间生成针对所述用户的建议社区；以及
基于所述建议社区生成针对所述用户的建议活动。
7.根据权利要求6所述的系统，其中所述交易参数包括至少地理位置参数、时间参数和活动参数。
8.根据权利要求6所述的系统，其中所述基于装置的参数包括至少从所述用户的所述一个或多个支付装置的传感器或组件生成的数据、所述一个或多个支付装置的使用数据和所述一个或多个支付装置的软件应用程序的使用数据。
9.根据权利要求8所述的系统，其中所述支付装置中的一个或多个包括便携式计算装置。
10.根据权利要求6所述的系统，其中所述支付处理网络服务器还配置成构建表示建议社区的图形结构，所述图形结构包括至少两个顶点和所述至少两个顶点之间的边缘，所述两个顶点中的每一个表示所述活动，并且所述边缘表示由所述边缘连接的活动之间的功能度量。
11.根据权利要求10所述的系统，其中所述功能度量包括基于所述时间和所述地理位置的最小加权编辑距离相似性度量。
12.根据权利要求9所述的系统，其中所述支付处理网络服务器配置成从所述一个或多个支付装置收集数据，包括至少从所述用户的计算装置的传感器或组件生成的数据、所述计算装置的使用数据和所述计算装置的软件应用程序的使用数据。
13.根据权利要求12所述的系统，其中所述支付处理网络服务器配置成基于至少从所述用户的计算装置的传感器或组件生成的所述数据、所述计算装置的所述使用数据和所述计算装置的软件应用程序的所述使用数据来生成所述交易配置文件。
14.一种非瞬态计算机可读介质，其上存储有计算机可执行指令，用于：
用户的一个或多个支付装置，其用于存储交易数据；
支付处理网络服务器，其配置成执行计算机可执行指令以用于：
从所述一个或多个支付装置接收存储的交易数据；
基于接收的交易数据生成所述用户的交易配置文件，生成的交易配置文件包括第一参数集和第二参数集；
基于所述第一参数集，确定所述用户的社区；
响应于确定，从数据库接收所述社区的一个或多个预定义子团体，所述一个或多个子团体定义活动、地理位置和时间的子集；
标识由所述用户定义的一个或多个规则，所述一个或多个规则对所述第一参数集设置限制；
在没有接收到额外用户交互的情况下，根据所述一个或多个规则、所述社区的所述一个或多个子团体的所述活动、地理位置和时间生成针对所述用户的建议社区；以及
基于所述建议社区生成针对所述用户的建议活动。
15.根据权利要求14所述的非瞬态计算机可读介质，其中所述第一参数集包括至少地理位置参数、时间参数和活动参数。
16.根据权利要求14所述的非瞬态计算机可读介质，其中所述第二参数集包括至少从所述用户的所述一个或多个支付装置的传感器或组件生成的数据、所述一个或多个支付装置的使用数据和所述一个或多个支付装置的软件应用程序的使用数据。
17.根据权利要求16所述的非瞬态计算机可读介质，其中所述支付装置中的一个或多个包括便携式计算装置。
18.根据权利要求14所述的非瞬态计算机可读介质，还包括构建表示所述建议社区的图形结构，所述图形结构包括至少两个顶点和所述至少两个顶点之间的边缘，所述两个顶点中的每一个表示所述活动，并且所述边缘表示由所述边缘连接的活动之间的功能度量。
19.根据权利要求14所述的非瞬态计算机可读介质，其中所述功能度量包括基于所述时间和所述地理位置的最小加权编辑距离相似性度量。
20.根据权利要求14所述的非瞬态计算机可读介质，其中生成包括基于至少从所述用户的计算装置的传感器或组件生成的所述数据、所述计算装置的所述使用数据和所述计算装置的软件应用程序的所述使用数据来生成所述交易配置文件。
CN201980101003.5A 2019-10-01 2019-10-01 图形学习和自动行为协调平台 Pending CN114467106A (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2019/054096 WO2021066816A1 (en) 2019-10-01 2019-10-01 Graph learning and automated behavior coordination platform

Publications (1)

Publication Number Publication Date
CN114467106A true CN114467106A (zh) 2022-05-10

Family

ID=75338491

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980101003.5A Pending CN114467106A (zh) 2019-10-01 2019-10-01 图形学习和自动行为协调平台

Country Status (3)

Country Link
US (1) US20220374484A1 (zh)
CN (1) CN114467106A (zh)
WO (1) WO2021066816A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11620665B2 (en) * 2020-04-01 2023-04-04 Intuit Inc. Methods and systems using and constructing merchant communities based on financial transaction data
US11831417B2 (en) * 2020-09-28 2023-11-28 Focus IP Inc. Threat mapping engine
CN117171766B (zh) * 2023-07-31 2024-04-05 上海交通大学 基于深度神经网络模型的数据保护方法、系统及介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11449854B1 (en) * 2012-10-29 2022-09-20 Block, Inc. Establishing consent for cardless transactions using short-range transmission
US9582547B2 (en) * 2013-11-18 2017-02-28 Palo Alto Research Center Incorporated Generalized graph, rule, and spatial structure based recommendation engine
US9531793B2 (en) * 2014-02-28 2016-12-27 Microsoft Technology Licensing, Llc Displaying and navigating implicit and explicit enterprise people relationships
KR102084930B1 (ko) * 2015-06-03 2020-03-05 미쓰비시덴키 가부시키가이샤 추론 장치 및 추론 방법
JP6594981B2 (ja) * 2015-07-13 2019-10-23 帝人株式会社 情報処理装置、情報処理方法およびコンピュータプログラム
US10048836B2 (en) * 2015-10-30 2018-08-14 Bank Of America Corporation Application connectivity for aggregation and for use in data filtering
US20180165654A1 (en) * 2016-12-14 2018-06-14 Mastercard International Incorporated Method and system for a conversational interface for personalized itinerary events
JP2018116206A (ja) * 2017-01-20 2018-07-26 アルパイン株式会社 音声認識装置、音声認識方法及び音声認識システム

Also Published As

Publication number Publication date
US20220374484A1 (en) 2022-11-24
WO2021066816A1 (en) 2021-04-08

Similar Documents

Publication Publication Date Title
Li et al. A time-aware personalized point-of-interest recommendation via high-order tensor factorization
US20220374972A1 (en) Method and System Enabling Crowdsourced Peer to Peer Product Rental
EP3371716B1 (en) System and method for detecting interaction and influence in networks
US20170068982A1 (en) Personalized contextual coupon engine
US20190122140A1 (en) Data analysis and rendering
US20150227890A1 (en) Communications system and smart device apps supporting segmented order distributed distribution system
US10394843B2 (en) Method and apparatus for personal asset management
CN107924506A (zh) 推断通信的用户可用性和基于用户可用性或上下文改变通知设置
JP2015531913A (ja) プッシュに基づく推奨
CN105122285A (zh) 为用户生成的内容给出奖励
US11475301B2 (en) Method, system, and computer program product for determining relationships of entities associated with interactions
CN102667840A (zh) 上下文信息使用系统、装置和方法
CN114467106A (zh) 图形学习和自动行为协调平台
CN109891190B (zh) 基于衍生社交网络对个人进行地理定位
US20150019287A1 (en) Method, apparatus, and computer program product for providing mobile location based sales lead identification
US20100228476A1 (en) Path projection to facilitate engagement
CN117597905A (zh) 与云计算环境分离的基于用户的位置和活动数据的边缘计算存储节点
Lathia The anatomy of mobile location-based recommender systems
US11861529B2 (en) Subscription services awards
Hou et al. Mobile crowd sensing: incentive mechanism design
US11727502B1 (en) Computerized geolocation tool
Serok et al. A simulation model for intra-urban movements
KR20190117857A (ko) 신뢰 지수의 시간 의존 특징을 이용한 신뢰지수 예측 방법 및 시스템
US11270250B2 (en) Intelligent service and customer matching using an information processing system
US11620588B2 (en) Methods and systems for determining alternative plans

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