CN114556885A - 消息递送 - Google Patents
消息递送 Download PDFInfo
- Publication number
- CN114556885A CN114556885A CN202080071917.4A CN202080071917A CN114556885A CN 114556885 A CN114556885 A CN 114556885A CN 202080071917 A CN202080071917 A CN 202080071917A CN 114556885 A CN114556885 A CN 114556885A
- Authority
- CN
- China
- Prior art keywords
- message
- location
- recipient
- intended recipient
- locations
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004590 computer program Methods 0.000 claims abstract description 10
- 238000000034 method Methods 0.000 claims abstract description 8
- 230000015654 memory Effects 0.000 claims description 39
- 238000010801 machine learning Methods 0.000 claims description 30
- 230000000694 effects Effects 0.000 claims description 14
- 238000010586 diagram Methods 0.000 description 16
- 230000008451 emotion Effects 0.000 description 16
- 238000012545 processing Methods 0.000 description 10
- 230000036651 mood Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 206010011469 Crying Diseases 0.000 description 3
- 230000002996 emotional effect Effects 0.000 description 3
- 230000008921 facial expression Effects 0.000 description 3
- 230000009429 distress Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 238000013186 photoplethysmography Methods 0.000 description 2
- 206010044565 Tremor Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000035882 stress Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/107—Computer-aided management of electronic mailing [e-mailing]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- 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
- G06F16/38—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/387—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
- G06Q10/10—Office automation; Time management
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/56—Unified messaging, e.g. interactions between e-mail, instant messaging or converged IP messaging [CPM]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/58—Message adaptation for wireless communication
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Economics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Information Transfer Between Computers (AREA)
Abstract
一种装置、方法和计算机程序,用于:接收第一消息,其中第一消息由发送方向接收方发送;确定意图的接收方的多个位置,其中多个位置至少包括接收方的当前位置和一个或多个预测的未来位置;获得用于接收方的多个位置中的一个或多个位置的位置特征数据;以及至少基于第一消息的消息意图和位置特征数据确定用于第一消息的至少一个消息递送位置,其中至少一个消息递送位置是从接收方的多个位置中选择的。
Description
技术领域
本说明书与消息递送位置有关。
背景技术
消息可能在消息由发送方发送后几乎立即递送给接收方,但是,这不是唯一可能的方法。在该领域仍需要进一步改进。
发明内容
在第一方面,提供了一种装置,包括:用于接收第一消息的部件,其中第一消息由发送方向接收方发送;用于确定意图的接收方的多个位置的部件,其中多个位置至少包括接收方的当前位置和一个或多个预测的未来位置;用于获得针对接收方的多个位置中的一个或多个位置的位置特征数据的部件;以及用于至少基于第一消息的消息意图和位置特征数据确定用于第一消息的至少一个消息递送位置的部件,其中至少一个消息递送位置是从接收方的多个位置中选择的。
还公开了一种装置,包括至少一个处理器;以及至少一个存储器,包括计算机程序代码,至少一个存储器和计算机程序被配置为与至少一个处理器一起引起装置的执行以:接收第一消息,其中第一消息由发送方向接收方发送;确定意图的接收方的多个位置,其中多个位置至少包括接收方的当前位置和一个或多个预测的未来位置;获得针对接收方的多个位置中的一个或多个位置的位置特征数据;以及至少基于第一消息的消息意图和位置特征数据确定用于第一消息的至少一个消息递送位置,其中至少一个消息递送位置是从接收方的多个位置中选择的。
在第二方面,提供了一种方法,包括:接收第一消息,其中第一消息由发送方向接收方发送;确定意图的接收方的多个位置,其中多个位置至少包括接收方的当前位置和一个或多个预测的未来位置;获得针对接收方的多个位置中的一个或多个位置的位置特征数据;以及至少基于第一消息的消息意图和位置特征数据确定用于第一消息的至少一个消息递送位置,其中至少一个消息递送位置是从接收方的多个位置中选择的。
在第三方面,提供了一种计算机程序,包括指令,该指令用于使装置至少执行以下:接收第一消息,其中第一消息由发送方向接收方发送;确定意图的接收方的多个位置,其中多个位置至少包括接收方的当前位置和一个或多个预测的未来位置;获得针对接收方的多个位置中的一个或多个位置的位置特征数据;以及至少基于第一消息的消息意图和位置特征数据确定用于第一消息的至少一个消息递送位置,其中至少一个消息递送位置是从接收方的多个位置中选择的。
还公开了一种其上存储有计算机可读指令的计算机可读介质,该计算机可读指令用于确定意图的接收方的多个位置,其中多个位置至少包括接收方的当前位置和一个或多个预测的未来位置;用于获得针对接收方的多个位置中的一个或多个位置的位置特征数据的部件;以及用于至少基于第一消息的消息意图和位置特征数据确定用于第一消息的至少一个消息递送位置的部件,其中至少一个消息递送位置是从接收方的多个位置中选择的。
附图说明
现在将仅通过示例的方式参考以下示意图来描述示例实施例,在附图中:
图1是示例消息递送系统的框图;
图2是根据示例实施例的消息递送系统的框图;
图3和4是示出根据示例实施例的算法的流程图;
图5至7是根据示例实施例的系统的框图;
图8是示出根据示例实施例的算法的流程图;
图9至13是根据示例实施例的系统的框图;
图14是根据示例性实施例的系统的组件的框图;以及
图15A和15B示出了有形介质,相应地为存储计算机可读代码的可移动非易失性存储器单元和光盘(CD),该计算机可读代码在由计算机运行时执行根据示例实施例的操作。
具体实施方式
本发明的各种实施例所寻求的保护的范围由独立权利要求规定。说明书中描述的不落入独立权利要求的范围的实施例和特征(如果有的话)将被解释为对理解本发明的各种实施例有用的示例。
在说明书和附图中,相同的附图标记自始至终指代相同的元素。
图1是示例消息递送系统的框图,通常由参考数字10指示。消息递送系统10包括发送方1和意图接收方2,其中发送方1可以向意图接收方2发送第一消息。例如,当发送方向意图接收方2发送消息时,意图接收方在当前位置3中。在正常情况下(即,发送方1和意图接收方2两者都具有已打开并连接到网络的设备),第一消息可以几乎是瞬时地递送到意图接收方2,即当意图接收方2仍然在当前位置3中时。然而,在一些示例中,当意图接收方2在当前位置3时,它可能不是对于意图接收方2接收第一消息来说是理想的或适当的。例如,当接收方在工作时,接收方可能不想接收与他/她的个人生活有关的消息,除非是紧急情况。
图2是根据示例实施例的消息递送系统的框图,总体上由参考数字20指示。消息递送系统20包括发送方21、消息递送装置26和意图接收方22。意图接收方22可以在第一接收方设备处接收消息。意图接收方22可以在当前时间T1处于当前位置23。意图接收方22可被预测为在未来时间T2(其中时间T2在时间T1之后)处于第一预测的未来位置24,并且意图接收方22可被预测为在未来时间T3(其中时间T3在时间T2之后)处于第二预测的未来位置25。当发送方21通过消息递送装置26向意图接收方22发送消息时:消息递送装置26可以使用选项27在时间T1向意图接收方22递送消息,消息递送装置26可以使用选项28在时间T2向意图接收方22递送消息,或者消息递送装置26可以使用选项29在时间T3向意图接收方22递送消息。消息递送装置26可以例如确定消息递送位置,其中消息递送位置是从当前位置23、第一预测的未来位置24和第二预测的未来位置25中选择的。在选项27中,意图接收方22在意图接收方在当前位置23时接收消息;在选项28中,意图接收方22在意图接收方22在第一预测的未来位置24时接收消息;并且在选项29中,意图接收方22在意图接收方22在第二预测的未来位置25时接收消息。
在示例实施例中,消息不会向第一接收方设备(由意图接收方22使用)发送直到意图接收方22处于选定消息递送位置中。例如,消息可以在发送方的设备处排队,和/或可以在发送方的设备和第一接收方设备之间的服务器处排队。当意图接收方处于选定的消息递送位置中时,消息可能会从发送方设备或服务器处的队列中释放。在另一示例中,只要消息由发送方发送时,该消息就被递送到第一接收方设备,但是该消息在第一接收方设备上被隐藏,并且不向意图接收方22显示或通知,直到意图接收方22处于选定的消息递送位置中。当意图接收方22处于选定的消息递送位置中时,意图接收方可以接收消息已被接收的通知。在另一个示例中,只要消息由发送方发送,消息就可以被递送到第一接收方设备,并且如果意图接收方22故意打开与该消息对应的应用以便查看该消息,则该消息也可以被意图接收方22查看。然而,用于消息的通知不在第一接收设备处显示直到意图接收方22处于选定的消息递送位置中。
在示例实施例中,消息递送位置可以从任何预测的未来位置中选择,而不管意图接收方22何时处于预测的未来位置。例如,意图接收方22可能具有在一周内访问海滩几次的习惯,因此该海滩可能是预测的未来位置中的一个。意图接收方22访问海滩的时间或频率可以是可变的。例如,意图接收方22有时一周访问一次海滩,有时一周访问五天;或者意图接收方22有时在早上访问海滩,并且有时在晚上访问。因此,海滩可能是预测的未来位置中的一个,即使可能不知道意图接收方22被预测在海滩的时间。海滩(预测的未来位置)可以被选择作为消息递送位置。当海滩是选定的消息递送位置时,消息可以在意图接收方22在海滩时递送给意图接收方22。在示例中,可以指定递送时间限制,使得如果意图接收方22不在递送时间限制内处于选定的消息递送位置(例如海滩),消息可以在递送时间限制结束之前递送给意图接收方22。在这种情况下,即使意图接收方22不在海滩上,消息也可以被递送。
在示例实施例中,可以指定递送时间限制,使得第一消息可以在递送时间限制结束之前递送给意图接收方22。递送时间限制可以由发送方21、由意图接收方22指定,或者可以是消息递送装置26或消息递送系统20的任何其他元件或实体的默认递送时间限制。消息递送系统20的其他元件或实体消息可以包括以下中的一个或多个:处理来自发送侧和/或接收侧的消息的服务提供方、网络提供方、由发送方21使用的设备和/或由意图接收方22使用的设备。然后一个或多个预测的未来位置可以根据递送时间限制来确定,使得预测的未来位置仅包括预测的未来位置,意图接收方22在该预测的未来位置处被预测在递送时间限制结束之前。这可以确保消息(最终)被递送到意图接收方22。
在示例实施例中,可以不指定递送时间限制,使得如果意图接收方22没有访问选定的消息递送位置,则消息不会被递送给意图接收方22。例如,如果消息与选定的消息递送位置中可用的当地食物有关,则可能希望仅当意图接收方22访问消息递送位置的情况下才将消息递送给意图接收方22。如果意图接收方22没有访问消息递送位置,则在消息递送位置接收与当地食物有关的消息可能没有用。
图3是根据示例实施例的算法的流程图,总体上由参考数字30指示。算法30的操作可以在消息递送装置26处执行。在操作31,第一消息被接收。第一消息(例如,文本、图像、视频或某种其他形式的消息)可以由发送方21向意图接收方22发送。在操作32,意图接收方22的多个位置可以确定。多个位置可以至少包括意图接收方22的当前位置和一个或多个预测的未来位置。例如,可以确定意图接收方22的当前位置是当前位置23,并且意图接收方22的一个或多个预测的未来位置包括第一预测的未来位置24和第二预测的未来位置25。在操作33,针对多个位置中的一个或多个位置的位置特征数据被确定。在操作34,用于第一消息的至少一个消息递送位置可以至少部分地基于位置特征数据和第一消息的消息意图来确定。至少一个消息递送位置可以从意图接收方22的一个或多个当前或预测的未来位置中选择。
在示例实施例中,位置特征数据可以包括接收方位置关联和通用位置特征数据中的至少一个。接收方位置关联可以包括关于意图接收方22的情绪或记忆的信息,这些信息与一个或多个当前和预测的未来位置中的至少一些相关联。例如,意图接收方22通常会在工作中感到压力,而在家里通常会感到放松。在其他示例中,意图接收方22可能由于附接到特定邻域的记忆而在特定邻域中感到快乐或悲伤。因此,接收方位置关联可以指示意图接收方22在当前和预测的未来位置中的每个处感觉如何。接收方位置关联可以通过在一段时间内从意图接收方22收集数据来学习。这将参考图10进一步详细讨论。通用位置特征数据可以包括关于人们通常在当前和预测的未来位置可能感觉如何的信息。例如,一般来说,人们可能会在家里感到放松、在工作中感到压力或忙碌、在公园中感到开心、在医院里中感到悲伤。通用位置特征数据可以从通用数据集中学习或通过在一段时间内从多个对象收集数据来学习。这将参考图10进一步详细讨论。
在示例实施例中,选定的至少一个消息递送位置可以包括多个位置。例如,至少一个消息递送位置可以基于消息递送位置的性质包括多个位置(例如,任何火车站、任何公园、任何房屋、任何购物中心等,而不管具体的地理位置)。例如,假设至少一个消息递送位置被选择为超市。在这种情况下,当意图接收方22在超市中时,第一消息可以被递送给意图接收方22,而与超市的地理位置无关。因此,消息递送位置可以不限于基于当前和/或未来的预测位置的地理定位或区域来选择,使得消息递送位置可以备选地或另外地基于当前和/或未来的预测位置的性质来选择。在另一示例中,消息递送位置可以包括意图接收方22可能感到放松(例如,温馨)的多个位置。例如,意图接收方22的第一预测的未来位置是意图接收方22的家,并且意图接收方的第二预测的未来位置是他/她兄弟的家。意图接收方22可能在第一和第二预测的未来位置(他/她的家和他/她兄弟的家)两者都感到放松。这样,至少一个消息递送位置包括第一和第二预测的未来位置。例如,第一消息可以在他/她更早到达的任何位置被递送到意图接收方22。
用于确定消息意图、预测的未来位置和消息递送位置的示例实施例在图5至9中详细讨论。
图4是根据示例实施例的算法的流程图,总体上由参考数字40指示。操作31至34与图3中描述的操作31至34相同。在操作34确定消息递送位置之后,当意图接收方处于确定的消息递送位置时,第一消息可以在操作42被递送给意图接收方22。在示例实施例中,在可选操作41,第一消息的内容可以在递送第一消息之前改变。第一消息的内容可以基于选定的消息递送位置被改变。例如,内容可以基于选定的消息递送位置的位置特征数据被改变以强调消息意图。
例如,假设发送方21向意图接收方22发送具有消息意图“紧急”的第一消息。消息递送位置可以被选择为工作位置。如果第一消息在他/她在工作位置工作时被递送给意图接收方22,则他/她可以忽略第一消息。强调消息意图“紧急”可能很重要,这样意图接收方不会忽略第一消息。然后第一消息可以被改变,使得第一消息引起意图接收方22的注意,并且意图接收方22理解第一消息的消息意图是紧急的。例如,第一消息的内容最初包含文本“你能打电话给我吗?我绊倒了”。意图接收方22可能不会在工作位置中阅读整个文本,因为他/她可能正忙于工作。消息的内容可能会被改变,例如,包含文本“紧急消息:你能打电话给我吗?我绊倒了”。改变的文本可以强调消息意图,使得意图接收方22理解消息意图。意图接收方22较有可能关注具有改变的文本的第一消息。
在示例实施例中,发送方21可以指定消息的一个或多个元素,该一个或多个元素可以基于选定的消息递送位置而改变。例如,发送方21可以向一个或多个意图接收方发送具有文本“当我回到家并看到‘ELEMENT’时我总是如释重负”的文本,其中消息可以通过将用于“ELEMENT”的文本替换为如下文本来改变,该文本可以表示针对一个或多个意图接收方选择的消息递送位置的一个或多个位置特征数据的一个或多个方面。例如,用于将消息递送给意图接收方22的选定的消息递送位置是意图接收方22的家,并且位置特征数据(包括通用位置特征数据和接收方位置关联)包括与家庭有关的方面。因此,用于“ELEMENT”的文本被替换为“家人(family)”,使得修改后的信息被读为“当我回到家并且看到家人时,我总是如释重负”。如果消息被发送到多个意图接收方,则基于针对不同意图接收方选择的不同消息递送位置的位置特征数据,用于“ELEMENT”的文本可以被替换为用于多个意图接收方的不同文本。例如,用于将消息递送给另一意图接收方的选定的消息递送位置是意图接收方22的厨房,并且位置特征数据(包括通用位置特征数据和接收方位置关联)包括与食物相关的方面。因此,用于“ELEMENT”的文本被替换为“食物”文本,使得改变后的信息被读为“当我回到家并且看到食物时,我总是如释重负”。因此,意图接收方22和其他意图接收方22可以接收不同地改变的消息。
在示例实施例中,改变的消息可以是基于选定的消息递送位置的位置特征数据而针对意图接收方生成(例如,从消息种子)的消息。例如,发送方21可以针对期望的消息意图定义消息模板,并且消息是至少部分地基于消息模板和意图接收方的选定的消息递送位置的位置特征数据生成的。如上所述,基于意图接收方的不同消息递送位置,生成的消息对于不同的意图接收方可能不同。例如,发送方可能会向大量接收方发送消息(例如,经由社交媒体),并且可能希望基于接收方的位置和对应的位置特征数据针对每个接收方改变消息。
在另一示例中,发送方可能正在度假,并且可能向多个意图接收方发送描述旅游景点的消息,其中该消息可以包括文本“这个地方很大,甚至比ELEMENT还大”。ELEMENT可以替换为意图接收方的位置(消息递送位置)。例如,如果意图接收方在他的车库里,则消息可能会以文本“这个地方很大,甚至比你的车库还大”来递送。
在另一示例中,该消息可以包括文本“ELEMENT1真的很热,比ELEMENT3高ELEMENT2”。ELEMENT1可以替换为发送方的位置,ELEMENT2可以替换为发送方的位置与意图接收方的位置之间的温差,ELEMENT3可以替换为意图接收方的消息递送位置。如果意图接收方在伦敦,而发送方在慕尼黑,并且温差为10摄氏度,则消息可能会以文本“慕尼黑真的很热,比伦敦高10摄氏度”来递送。
在另一示例中,可以被替换的消息的元素可以包括一个或多个单词或短语。例如,消息可能包含文本“希望你在这里;ELEMENT”,其中该元素可以基于意图接收方是在工作还是在家中替换为工作问候语或家庭问候语。对于工作位置中的一个或多个意图接收方,该消息可能会以文本“希望你在这里。不要太辛苦了!”来递送。对于在家中的一个或多个意图接收方,该消息可能会以文本“希望你在这里。希望你和家人玩得开心。”来递送。
在另一个示例实施例中,消息可以包括虚拟现实(VR)、增强现实(AR)或混合现实(MR)组件。消息的诸如VR、AR或MR组件可以基于选定的消息递送位置的位置特征数据进行改变,以使组件(例如,AR化身)和/或组件的交互较适合于选定的消息递送位置。例如,由化身(avatar)所穿的衣服可以基于选定的消息递送位置。例如,如果意图接收方在海滩,则消息中的化身可能穿着沙滩短裤,并且如果意图接收方在足球比赛中,则化身可能穿着与足球批次中一支球队的球队颜色相匹配的衣服。
图5是根据示例实施例的系统的框图,总体上由参考数字50指示。系统50包括用于确定消息(例如第一消息)的消息意图的消息分析模块51。消息分析模块51可以接收第一消息的内容和来自发送方21的意图输入中的至少一个作为输入。这些输入中的至少一个可以是可选的,使得在一些实施例中,消息分析模块51可以在某些情况下接收第一消息的内容和来自发送方21的意图输入中的一个或两者。来自发送方21的意图输入可以允许发送方指定第一消息的消息意图。可以使用文本、语音和/或图像识别来分析消息的内容。消息分析模块51可以提供第一消息的消息意图作为输出。消息意图可能是发送方对第一消息的期望意图。例如,消息意图可以是期望的情感意图,诸如“意图放松消息”、“意图严肃消息”、“意图有趣消息”等。消息意图备选地或另外地是用于调用位置相关记忆的期望上下文意图,诸如“家庭相关”、“娱乐相关”、“朋友相关”等。
如上所述,消息意图可以从发送方21在从由发送方21输入的意图中指定的消息意图来确定,或者消息意图可以通过分析第一消息的内容来确定。发送方21可以通过从多个可能的消息意图的列表中选择(例如在用户接口处)一个或多个消息意图来提供包含消息意图的意图输入。如果发送方21无法在可能的消息意图的列表中找到合适的消息意图以供选择,则发送方21可以在列表中创建新的可能消息意图。
备选地或另外地,可以以各种方式分析第一消息的内容,诸如文本识别、语音识别、图像识别等。例如,第一消息可以是包含坏新闻的文本消息,诸如有人生病或发生事故。第一消息的消息意图可以被确定为“意图严重和令人不安的消息”。在另一示例中,第一消息可以是包含舞蹈表演视频的视频消息。然后第一消息的消息意图可以被确定是“娱乐相关的”。
在示例实施例中,第一消息的消息意图可以包括针对多个消息属性(诸如严重性、痛苦、紧急性、浪漫、娱乐、有趣等)的分数。消息可以被解析以确定针对多个消息属性中的一个或多个的一个或多个关键字的分数。备选地或另外地,一个或多个关键字和/或一个或多个分数可以由第一消息的发送方定义。例如,分数可以由发送方在发送消息之前通过选择消息属性和分数来手动定义,或者可以通过分析面部表情(例如哭、微笑等)、语音特征(例如高音或激动的声音、颤抖或哭泣的声音等)和/或与发送方相关的任何其他上下文数据来定义。例如,如果确定发送方在哭,并且背景中有救护车警报声,则针对消息属性严重性、痛苦和紧急性的分数可能高于阈值分数(高分),并且针对消息属性浪漫、娱乐、有趣的分数可能低于阈值(低分或几乎为零分)。
在示例实施例中,消息分析模块51可以使用自然语言处理技术来确定消息意图(例如,当第一消息是文本消息时)。例如,消息的消息意图可以通过从消息中提取情感情绪、并将其与来自多个可能消息意图的列表的消息意图进行匹配来确定消息的消息意图。如果从消息中提取的情感情绪与列表中任何可能的消息意图都不匹配,则可以在列表中创建新的可能消息意图。
图6是根据示例实施例的系统的框图,总体上由参考数字60指示。系统60包括用于确定意图接收方22的一个或多个预测的未来位置的位置预测模块61。意图接收方22的当前位置可以基于来自意图接收方22的位置传感器(例如全球定位系统(GPS)传感器)的数据确定。位置预测模块61可以接收意图接收方22的未来活动调度和/或意图接收方22的历史活动模式作为输入。输入中的至少一个输入可以是可选的,使得位置预测模块61可以接收未来活动调度和历史活动模式中的一个或两者。位置预测模块61然后基于意图接收方22的未来活动调度和历史活动模式中的至少一项来确定意图接收方22的一个或多个预测的未来位置。在示例实施例中,预测的未来位置可以基于意图接收方22被预测在的已知位置来确定。例如,意图接收方22可能已经将第一地理位置定义为家庭位置,并且将第二地理位置定义为工作位置。消息递送系统因此可以将第一和第二地理位置预测为预测的未来位置中的一个(因为意图接收方22被预测为几乎定期地在家庭位置和工作位置中)。因此,可能只需要预测来确定意图接收方22将处于第一和第二地理位置中的一个中,并且可能不需要预测来确定第一和第二地理位置是工作位置还是家庭位置(如这已经由意图接收方22定义)。在另一示例实施例中,确定预测的未来位置可以包括确定对应于当前位置或一个或多个预测的未来位置的一个或多个地理位置的性质(例如,位置特征数据)。
例如,参考图2,未来的活动调度(诸如个人和/或工作日历)可以指示意图接收方22在时间T2有工作会议,并且没有针对时间T3的条目。意图接收方22的历史活动模式通常可以指示意图接收方22在前几天的时间T2和T3的活动。例如,历史活动模式可以指示意图接收方22通常在时间T2在工作并且意图接收方22通常在时间T3在家。然后可以确定用于意图接收方22在时间T2的第一预测的未来位置是工作位置,并且用于意图接收方22在时间T3的第二预测的未来位置是家。
在另一示例中,未来活动调度可以指示意图接收方22在时间T2有工作会议,没有针对时间T3的条目,并且在时间T3之后有晚餐预订(例如在稍后的时间T4,未在图2中示出,其中时间T4在时间T3之后)。尽管意图接收方22的历史活动模式指示意图接收方22通常在时间T3在家,但是在时间T4的晚餐预订可能指示意图接收方22可能在T3不在家。例如,意图接收方22可能在时间T3左右从工作位置开车到晚餐预订的餐厅。然后可以确定意图接收方22在时间T2的第一预测的未来位置是工作位置,并且意图接收方22在时间T3的第二预测的未来位置是汽车(在移动中)。
图7是根据示例实施例的系统的框图,总体上由参考数字70指示。系统70包括用于基于当前和预测的未来位置的消息意图和位置特征数据来确定用于第一消息的消息递送位置的消息递送位置确定模块71。消息递送位置确定模块71接收确定的消息意图、确定的当前和预测的未来位置、以及针对当前和预测的未来位置中的每个位置的确定的位置特征数据作为输入。消息递送位置确定模块71还可以可选地接收意图接收方22被预测在预测的未来位置处的一个或多个时间段作为输入。消息递送位置确定模块71然后基于接收的输入中的一个或多个确定消息递送位置。在示例实施例中,可以省略到系统70的一个或多个输入。
在示例实施例中,位置特征数据可以包括一个或多个类别,并且每个位置可以具有针对一个或多个类别的分数。例如,类别可以是“放松”、“压力”、“工作相关”、“快乐记忆”、“悲伤记忆”、“需要集中注意力”或用于描述接收方位置关联的任何其他类别。在一个示例中,客厅对于“放松”类别可能有9分(在10的标度上),而对于“工作相关”可能有1分(在10的标度上)。每个类别中的分数可以基于来自多个人的数据(通用位置特征数据)和/或基于来自意图接收方22的数据(接收方位置关联)。分数还可以基于意图接收方的过去记忆,该分数可以包括在接收方位置关联中。基于意图接收方的过去记忆,客厅可能具有用于“快乐记忆”或“悲伤记忆”的高分或低分。在一个示例中,位置特征数据可以是通用位置特征数据和接收方位置关联的加权平均。
例如,参考图2,消息意图被确定为“意图严重并且令人不安的消息”;在时间T1,当前位置23被确定为汽车(或道路,即驾驶);在时间T2,第一预测的未来位置24被确定为工作位置;在时间T3,第二预测的未来位置25被确定为意图接收方22的家;当前位置23(汽车)的位置特征数据被确定为“集中”或“不可用”;第一预测的未来位置24(工作)的位置特征数据被确定为“压力”或“忙碌”;第二预测的未来位置25(家)的位置特征数据被确定为“放松”。基于输入,消息递送位置可以被确定为第二预测的未来位置(家)。例如,对于意图接收方22在他或她驾驶的同时接收令人不安的消息可能是危险的,因为可能会干扰对驾驶的关注。对于意图接收方22在工作或会议期间接收令人不安的消息也可能是不好的。因此,由于意图接收方22在家(即在当前位置23)中最放松,消息在当意图接收方22在时间T3在家时被递送。
在示例实施例中,确定消息递送位置还基于意图接收方22被预测在一个或多个当前或预测的未来位置的时间。例如,意图接收方较早时间到达的位置可以被选择,即使另一个位置(意图接收方22较晚时间到达的位置)可能较适合作为消息递送位置。在上述示例中,意图接收方22在最早时间(T1)位于当前位置23(汽车),在稍后时间(T2)位于第一预测的未来位置24(工作),在最晚时间(T3)位于第二预测的未来位置25(家,最合适)。由于优先选择意图接收方在较早时间到达的位置,因此可以选择当前位置23(汽车)作为消息递送位置。备选地或另外地,消息递送位置可以基于加权参数来选择,例如,部分地基于位置的适合性,并且部分地基于意图接收方22在该位置处的时间。例如,当前位置23(汽车)用于递送令人不安的消息的适合性很低(因为它可能非常危险),但当前位置23(汽车)的时间最早;第一预测的未来位置24(工作)的适合性可能是中等的(可能不合适,但并不危险),并且第一预测的未来位置24的时间可能是中等的(比T1晚,但比T3早);第二预测的未来位置25(家)的适合性可能较高,但第二预测的未来位置25的时间是最晚的(比T1和T2晚)。基于以上所述,加权参数可以指示第一预测位置24(工作)应该被选择作为消息递送位置。当然,在不同的情况下,相对权重可能不同,使得不同的位置由模块71选择。
图8是根据示例实施例的算法的流程图,总体上由参考数字80指示。算法80的操作可以在系统70的消息递送位置确定模块71处执行。如系统70中所示,消息递送位置确定模块71接收消息意图、一个或多个当前和未来位置、以及一个或多个当前和未来位置的位置特征数据作为输入。
在操作81,消息意图的一个或多个期望位置属性被确定。例如,如果期望的位置属性可能是用于具有“令人不安”的消息意图的消息的“放松位置”。
在操作82,期望的位置属性与位置特征数据类别的分数相匹配。例如,当前位置的位置特征数据显示,针对类别“放松”,当前位置具有2分(在10的标度上),针对类别“压力”具有8分(在10的标度上);并且第一预测的未来位置的位置特征数据显示,针对类别“放松”当前位置具有5分(在10的标度上),并且针对类别“压力”具有5分(在10的标度上);第二预测的未来位置的位置特征数据显示,针对类别“放松”当前位置具有9分(在10的标度上),并且针对类别“压力”具有2分(在10的标度上)。由于期望的位置属性是“放松”,因此用于类别“放松”的分数被比较。
在操作83,基于匹配计算用于每个位置的位置分数。例如,由于第二预测的未来位置针对“放松”类别具有最高分数,而针对“压力”类别具有最低分数,因此第一预测的未来位置的位置分数可能最高。在一个示例实施例中,位置分数还可以基于意图接收方22被预测到达该位置的到达时间。例如,由于意图接收方22比第二预测的未来位置更早到达第一预测的未来位置,所以第一预测的未来位置的位置分数(基于“放松”类别中的分数和到达时间)可以变得高于第二个预测的未来位置的位置分数。在一些实施例中也可以考虑其他因素。
在操作84,消息递送位置可以基于最高位置分数来选择。例如,如果第一预测的未来位置具有最高位置分数(在操作83中计算的),则第一预测的未来位置可以被选择为消息递送位置。如果第二预测的未来位置具有最高位置分数(在操作83中计算的),则第二预测的未来位置被选择为消息递送位置。
在示例中,消息递送位置确定模块71可能不接收针对当前和未来位置中的一个或多个的位置特征数据。例如,意图接收方可能处于或可能被预测处于意图接收方之前尚未去过的位置,或者可能没有针对该位置保存的位置特征数据,或者没有足够的位置特征数据。备选地或另外地,针对一个或多个位置的位置特征数据(包括通用位置特征数据和接收方位置关联)可随时间改变。例如,如果在该位置发生犯罪,则具有“中性(neutral)”位置特征数据的位置可能会变成具有“可怕”位置特征数据的位置。在另一个示例中,如果意图接收方在该位置度过愉快的时光,并留下一些快乐的回忆,则意图接收方的接收方位置关联可以从“中性”变为“快乐”。
在示例实施例中,位置特征数据可以在消息递送装置26处更新。例如,位置特征数据可以周期性地更新,以便考虑与位置相关联的情绪或记忆中的任何变化(例如意图接收方22或一般的多个人)。备选地或另外地,接收方位置关联可以基于来自意图接收方22的指示接收方位置关联中的变化的输入、或者基于与意图接收方22相关的情绪跟踪数据、图像数据或文本数据中的变化来更新。通用位置特征数据一般可以基于来自新闻的事件、或者基于来自多个人的输入、情绪跟踪数据、图像数据或文本数据来更新。
在示例实施例中,位置特征数据可以使用机器学习模块来更新,并且消息递送位置可以被确定。机器学习模块可以包括在消息递送装置内,并且可以通过收集与该位置相关的数据来训练,并且机器学习模块可以在消息递送装置的使用期间进一步更新。
图9是根据示例实施例的系统的框图,总体上由参考数字90指示。系统90包括机器学习模块91。在示例实施例中,消息递送位置可以使用机器学习模块91来确定。机器学习模块91可以接收消息意图(例如,在系统50中确定的)以及针对一个或多个当前和预测的未来位置的位置特征数据(诸如通用位置数据和接收方位置关联)作为输入。机器学习模块91可以基于输入提供消息递送位置作为输出。
图10是根据示例实施例的系统的框图,总体上由参考数字100指示。系统100包括机器学习模块105(类似于机器学习模块91)。
在示例实施例中,机器学习模块105可以被训练用于基于各种输入(诸如文本输入101、用户输入106、情绪跟踪数据109和图像中数据108的一项或多项)来确定意图接收方22的接收方位置关联107。应当理解,机器学习模块105可以利用各种输入中的一项或多项来训练,使得一些输入可以是可选的。然而,如果大量数据用于训练,则机器学习模块105的训练可能较准确。
用户输入106可以包括由意图接收方22提供的关于对应于多个位置的接收方位置关联的信息,例如意图接收方22在多个位置处感觉如何。例如,接收方位置关联可以包括一个或多个类别,并且每个位置可以具有用于一个或多个类别的分数。针对一个或多个类别的分数可以在用户输入106中指定。类别可以是例如“放松”、“压力”、“工作相关”、“快乐记忆”、“悲伤记忆”、“需要集中注意力”,或用于描述接收方位置关联的任何其他类别。在一个示例中,客厅可能针对类别“放松”具有9分(在10的标度上),并且针对“工作相关”可能具有1分(在10的标度上)。基于意图接收方的过去的记忆,客厅针对“快乐记忆”或“悲伤记忆”可能具有高分或低分。
情绪跟踪数据109可以包括从意图接收方22在多个位置(诸如多个位置103a、103b和103c)佩戴的情绪跟踪设备102获得的数据。在示例实施例中,情绪跟踪设备102可以包括一个或多个传感器,诸如(多个)视觉传感器、(多个)听觉传感器、(多个)红外传感器、(多个)心率监测器、(多个)加速度计、(多个)皮肤电传感器、(多个)脑电图(EEG)传感器、(多个)光学相干断层扫描(OCT)传感器、(多个)心电图(ECG)传感器、(多个)光电容积描记(PPG)传感器或(多个)呼吸传感器。多种传感器类型可用于跟踪意图接收方22的情绪。视觉传感器(如果提供)可包括照相机,使得可以记录意图接收方22的视觉指示符。视觉指示符可以包括例如面部表情、身体运动或身体姿势中的一种或多种。(多个)听觉传感器(如果提供)可以包括录音机,使得可以记录意图接收方22的听觉指示符。听觉指示符可以包括例如意图接收方22的声音或语调中的变化。红外传感器也可以用于确定面部情绪模式、手指温度、皮肤温度等。(多个)皮肤电传感器可用于确定皮肤的电变化。(多个)心电图(ECG)传感器可用于确定意图接收方22的心率中的变化。本领域技术人员将了解可使用的许多其他传感器类型。
图像数据108可以包括预期接收方22的多个图像104a、104b和104c。预期接收方22的位置和与多个图像104a、104b和104c中的每个图像中的位置相关联的对应情绪或记忆(例如,来自面部表情,或来自周围的人,即家人或朋友)可以被确定,以训练机器学习模块105。例如,图像数据可以实时(例如,在视频通话、或实时视频捕获和上传期间)获得,或者可以从存储的图像数据(例如,来自社交媒体帐户、存储在个人设备中的图像、存储在云中的图像等)中获得。情绪数据或上下文数据(对应于预期接收方22的情绪或记忆)可以使用图像数据上的图像处理算法来获得。然后可以使用情绪数据和上下文数据来确定意图接收方22针对一个或多个位置的接收方位置关联107。
文本数据101可包括文本消息、日记条目、文章、社交媒体条目或可包括预期接收方22的情绪或记忆的信息的任何其他文本数据。情绪数据或上下文数据(对应于预期接收方22的情绪或记忆)可以使用文本数据101上的文本处理算法来获得。然后可以使用情绪数据和上下文数据来确定意图接收方22针对一个或多个位置的接收方位置关联107。
机器学习模块105可以使用图像数据108、用户输入106、情绪跟踪数据109和文本数据101中的一个或多个的组合来确定接收方位置关联107。机器学习模块105可以通过在一段时间内从意图接收方22收集数据和/或从多个人收集数据(使得受试者的数目较多,并且数据较通用)来进行预训练。机器学习模块105也可以在机器学习模块105的使用期间被实时训练。例如,当消息由发送方21发送时,机器学习模块105可以在接收消息之后基于意图接收方的情绪来训练。
图11是根据示例实施例的系统的框图,总体上由附图标记110指示。消息递送装置26(类似于图2的消息递送装置)可用于将消息递送给由发送方21指定的多个意图接收方,诸如意图接收方A1、B1和C1。对于多个意图接收方,选定的消息递送位置可能不同,因为可以(使用算法30、40和80,以及系统20、50、60、70、90和100)分开地确定消息递送位置。例如,针对意图接收方A1选择的消息递送位置可以是位置A2,针对意图接收方B1选择的消息递送位置可以是位置B2,针对意图接收方C1选择的消息递送位置可以是位置C2。对于多个意图接收方,消息的递送时间也可能不同,这取决于意图接收方到达选定的消息递送位置的时间。因此,该消息可以在意图接收方位于位置A2的时间递送给意图接收方A1;该消息可以在意图接收方位于位置B2的时间递送给意图接收方B1;该消息可以在意图接收方位于位置C2时被递送给意图接收方C1。被选地或另外地,一个或多个意图接收方可以在发送方21发送消息时接收该消息,使得上述算法和系统可以仅用于多个意图接收方中的一些。
图12是根据示例实施例的系统的框图,总体上由附图标记120指示。机器学习模块121(类似于系统100的机器学习模块105)可以用来自多个意图接收方(诸如意图接收方A1、B1和C1)的数据来训练。例如,来自意图接收方A1的数据123(其作为输入提供给机器学习模块)可以包括情绪跟踪数据A3、文本数据A4、用户输入A5、图像数据A6中的一个或多个;来自意图接收方B1的数据124(其作为输入提供给机器学习模块)可以包括情绪跟踪数据B3、文本数据B4、用户输入B5、图像数据B6中的一个或多个;并且来自意图接收方C1的数据125(其作为输入提供给机器学习模块)可以包括情绪跟踪数据C3、文本数据C4、用户输入C5、图像数据C6中的一个或多个。机器学习模块121然后可以用于确定对应于一个或多个位置的意图接收方A1、B1和C1中的一个或多个的接收方位置关联。机器学习模块121的训练可以使用与关于图10描述的技术类似的技术对意图接收方A1、B1和C1中的一个或多个执行。应当理解,机器学习模块121可以用来自一个或多个意图接收方的各种输入中的一个或多个来训练,使得一些输入可以是可选的。然而,如果大量数据用于训练,则机器学习模块121的训练可能更准确。如果来自大量意图接收方的数据被提供给机器学习模块121,则机器学习模块121可以进一步用于确定通用位置特征数据,作为接收方位置关联122的补充或替代。
图13是根据示例实施例的系统的框图,总体上由附图标记130指示。系统130显示意图接收方131,沿着路线133移动(例如,步行)。路线133包括第一位置132a、第二位置132b和第三位置132c。位置132可以具有相关联的通用位置特征数据。例如,如图13所示,第一位置132a的位置特征数据可以是“工作相关”,第二位置132b的位置特征数据可以是“中性”,并且第三位置132c的位置特征数据可以是“中性”。路线133还包括第四位置134a和第五位置134b。位置134可以具有意图接收方131的接收方位置关联,即与意图接收方131的情绪或记忆有关。例如,如图13所示,第四位置132d的位置特征数据可以是“家”,而第五位置134b的位置特征数据可以是“家庭相关”(例如,意图接收方131可能与在第五位置134b中的家人有快乐的记忆)。当消息被发送到意图接收方131时,取决于消息意图和位置特征数据,消息可以在意图接收方131在位置132和134中的任何一个中通过路线133移动时被递送。
为了完整起见,图14是用于实现上述算法的一个或多个模块的组件的示意图,在下文中统称为处理系统300。处理系统300可以具有处理器302、耦合到处理器、以及包括RAM314和ROM 312的存储器304,以及可选地,观看者输入310和显示器318。处理系统300可以包括一个或多个网络接口308(例如可以是有线或无线的调制解调器)用于连接到网络。
处理器302连接到每个其他组件以便控制其操作。
存储器304可以包括非易失性存储器、硬盘驱动器(HDD)或固态驱动器(SSD)。存储器304的ROM 312尤其存储操作系统315并且可以存储软件应用316。存储器304的RAM 314由处理器302使用来临时存储数据。操作系统315可以包含代码,该代码在由处理器执行时实现算法30、40和80的方面。
处理器302可以采取任何合适的形式。例如,它可以是一个微控制器、多个微控制器、一个处理器或多个处理器。处理器302可以包括处理器电路系统。
处理系统300可以是独立的计算机、服务器、控制台或其网络。
在一些实施例中,处理系统300也可以与外部软件应用相关联。这些可以是存储在远程服务器设备上的应用,并且可以部分或专门在远程服务器设备上运行。这些应用可以称为云托管应用。处理系统300可以与远程服务器设备通信,以便利用存储在那里的软件应用。
图15A和图15B示出了有形介质(相应地是可移动存储器单元365和压缩盘(CD)368),存储计算机可读代码,该计算机可读代码当由计算机运行时可以执行根据上述实施例的方法。可移动存储单元365可以是记忆棒(例如,USB记忆棒),具有存储计算机可读代码的内部存储器366。存储器366可以由计算机系统经由连接器367接入。CD 368可以是CD-ROM或DVD或类似物。可以使用其他形式的有形存储介质。
本发明的实施例可以以软件、硬件、应用逻辑或软件、硬件和应用逻辑的组合来实现。软件、应用逻辑和/或硬件可以驻留在存储器或任何计算机介质上。在示例实施例中,应用逻辑、软件或指令集被维护在各种传统计算机可读介质中的任何一种上。在本文档的上下文中,“存储器”或“计算机可读介质”可以是可以包含、存储、通信、传播或传送指令以供指令执行系统、装置或设备(诸如计算机)使用或与其结合使用的任何非顺时性介质或部件。
在相关的情况下,对“计算机可读存储介质”、“计算机程序产品”、“有形体现的计算机程序”等或“处理器”或“处理电路系统”等的引用应理解为不仅包括具有不同的架构(诸如单/多处理器架构和顺序/并行架构)的计算机,还包括专用电路,诸如现场可编程门阵列FPGA、应用指定电路ASIC、信号处理设备和其他设备。对计算机程序、指令、代码等的引用应理解为表示用于可编程处理器固件的软件,诸如作为用于处理器的指令的硬件设备的可编程内容或用于固定功能设备、门阵列、可编程逻辑设备等的配置或配置设置。
如在申请中所使用的,术语“电路系统”是指以下所有内容:(a)纯硬件电路实现(诸如仅在模拟和/或数字电路系统中的实现)以及(b)电路和软件的组合,诸如(如适用):(i)(多个)处理器的组合,或者(ii)(多个)硬件处理器/软件(包括(多个)数字信号处理器的部分、软件和(多个)存储器,它们一起工作以使装置(诸如服务器)执行各种功能)以及(c)电路(诸如(多个)微处理器或(多个)微处理器的一部分),需要软件或固件进行操作,即使软件或固件时机上并不存在。
如果需要,本文中讨论的不同功能可以以不同的顺序和/或彼此并发地执行。此外,如果需要,上述功能中的一个或多个可以是可选的或者可以组合。类似地,还将理解图3、4和8的流程图仅是示例并且其中描述的各种操作可以被省略、重新排序和/或组合。
应当理解,上述示例实施例纯粹是说明性的并且不限制本发明的范围。在阅读本说明书后,其他变化和修改对于本领域技术人员将是显而易见的。
此外,本申请的公开应当被理解为包括本文中明确或隐含地公开的任何新颖特征或特征的任何新颖组合或其任何概括,并且在本申请或从其衍生的任何申请的实施期间,新的权利要求可以被制定为涵盖任何此类特征和/或此类特征的组合。
尽管在独立权利要求中阐述了本发明的各个方面,但是本发明的其他方面包括来自所描述的实施例和/或从属权利要求的特征与独立权利要求的特征的其他组合,而不仅仅是权利要求中明确列出的组合。
在此还应注意,虽然以上描述了各种示例,但这些描述不应被视为限制性的。相反,在不脱离如所附权利要求所限定的本发明范围的情况下,可以进行若干变化和修改。
Claims (15)
1.一种装置,包括:
用于接收第一消息的部件,其中所述第一消息由发送方向接收方发送;
用于确定意图的所述接收方的多个位置的部件,其中所述多个位置至少包括所述接收方的当前位置和一个或多个预测的未来位置;
用于获得针对所述接收方的所述多个位置中的一个或多个位置的位置特征数据的部件;以及
用于至少基于所述第一消息的消息意图和所述位置特征数据来确定用于所述第一消息的至少一个消息递送位置的部件,其中所述至少一个消息递送位置从所述接收方的所述多个位置中被选择。
2.根据权利要求1所述的装置,还包括用于当所述接收方处于所确定的所述至少一个消息递送位置中的一个消息递送位置时向意图的所述接收方递送所述第一消息的部件。
3.根据权利要求1或权利要求2所述的装置,其中所述消息意图至少部分地基于来自所述发送方的意图输入被确定。
4.根据权利要求1至3中任一项所述的装置,其中所述消息意图至少部分地基于所述第一消息的内容被确定。
5.根据前述权利要求中任一项所述的装置,其中所述位置特征数据包括一个或多个接收方位置关联或通用位置特征数据中的至少一项。
6.根据前述权利要求中任一项所述的装置,还包括用于更新所述位置特征数据的部件。
7.根据前述权利要求中任一项所述的装置,其中所述消息递送位置使用机器学习算法被确定。
8.根据前述权利要求中任一项所述的装置,其中所述接收方的所述预测的未来位置至少部分地基于用于所述接收方的未来活动调度被确定。
9.根据前述权利要求中任一项所述的装置,其中所述接收方的所述预测的未来位置至少部分地基于所述接收方的历史活动模式被确定。
10.根据前述权利要求中任一项所述的装置,其中用于确定所述消息递送位置的所述部件被配置为:至少部分地基于所述接收方被预测为处于所述接收方的所述一个或多个位置中的至少一些位置的时间来确定所述消息递送位置。
11.根据前述权利要求中任一项所述的装置,还包括用于至少基于所确定的所述至少一个消息递送位置来改变所述第一消息的内容的部件。
12.根据前述权利要求中任一项所述的装置,其中所述部件包括:
至少一个处理器;以及
至少一个存储器,所述至少一个存储器包括计算机程序代码,所述至少一个存储器和所述计算机程序被配置为与所述至少一个处理器一起引起根据权利要求13所述的方法的执行。
13.一种方法,包括:
接收第一消息,其中所述第一消息由发送者向接收者发送;
确定意图的所述接收方的多个位置,其中所述多个位置至少包括所述接收方的当前位置和一个或多个预测的未来位置;
获得针对所述接收方的所述多个位置中的一个或多个位置的位置特征数据;以及
至少基于所述第一消息的消息意图和所述位置特征数据来确定用于所述第一消息的至少一个消息递送位置,其中所述至少一个消息递送位置从所述接收方的所述多个位置被选择。
14.根据权利要求13所述的方法,还包括当意图的所述接收方在所确定的所述至少一个消息递送位置中的一个消息递送位置中时向意图的所述接收方递送所述第一消息。
15.一种计算机程序,包括指令,所述指令用于使装置至少执行以下操作:
接收第一消息,其中所述第一消息由发送者向接收者发送;
确定意图的所述接收方的多个位置,其中所述多个位置至少包括所述接收方的当前位置和一个或多个预测的未来位置;
获得针对所述接收方的所述多个位置中的一个或多个位置的位置特征数据;以及
至少基于所述第一消息的消息意图和所述位置特征数据来确定用于所述第一消息的至少一个消息递送位置,其中所述至少一个消息递送位置从所述接收方的所述多个位置被选择。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19191632.9 | 2019-08-14 | ||
EP19191632.9A EP3779820A1 (en) | 2019-08-14 | 2019-08-14 | Message delivery |
PCT/IB2020/057412 WO2021028786A1 (en) | 2019-08-14 | 2020-08-05 | Message delivery |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114556885A true CN114556885A (zh) | 2022-05-27 |
CN114556885B CN114556885B (zh) | 2024-03-08 |
Family
ID=67658755
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080071917.4A Active CN114556885B (zh) | 2019-08-14 | 2020-08-05 | 消息递送 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220279312A1 (zh) |
EP (1) | EP3779820A1 (zh) |
CN (1) | CN114556885B (zh) |
WO (1) | WO2021028786A1 (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1627664A (zh) * | 2003-12-09 | 2005-06-15 | 日本电气株式会社 | 数据传递装置及系统、服务器、数据传递方法和通信设备 |
US20070232274A1 (en) * | 2004-04-29 | 2007-10-04 | Younghee Jung | Method, System, Wireless Communications Device and Computer Programs for Sending and Receiving Messages |
US20090177745A1 (en) * | 2008-01-04 | 2009-07-09 | Yahoo! Inc. | System and method for delivery of augmented messages |
US7813743B1 (en) * | 2006-07-10 | 2010-10-12 | Loeb Enterprises Llc | Location dependent non-commercial messaging |
US20130339453A1 (en) * | 2012-06-14 | 2013-12-19 | Vaneet Aggarwal | Presence information based messaging |
CN103975573A (zh) * | 2011-12-07 | 2014-08-06 | 高通股份有限公司 | 感觉增强消息传递 |
CN104335612A (zh) * | 2012-05-27 | 2015-02-04 | 高通股份有限公司 | 基于移动设备的能力进行消息呈现 |
US20160028670A1 (en) * | 2014-07-28 | 2016-01-28 | Vivint, Inc. | Asynchronous communications using home automation system |
CN105814940A (zh) * | 2013-10-29 | 2016-07-27 | 瑞典爱立信有限公司 | 用于优化的调度的输送的方法和布置 |
US20170147202A1 (en) * | 2015-11-24 | 2017-05-25 | Facebook, Inc. | Augmenting text messages with emotion information |
CN107409085A (zh) * | 2015-03-06 | 2017-11-28 | 微软技术许可有限责任公司 | 电子邮件消息的有条件的即时递送 |
US20180018403A1 (en) * | 2015-07-15 | 2018-01-18 | Konolabs, Inc. | Method and system for analyzing emotion on basis of position related document, and non-transitory computer-readable recording medium |
US20180285828A1 (en) * | 2017-04-03 | 2018-10-04 | Lenovo (Singapore) Pte. Ltd. | Scheduling a delivery at a recipient location |
CN109076316A (zh) * | 2016-08-23 | 2018-12-21 | 华为技术有限公司 | 一种处理信息或消息的方法及网络设备 |
CN109211254A (zh) * | 2017-07-06 | 2019-01-15 | 新华网股份有限公司 | 信息显示方法和装置 |
CN109460752A (zh) * | 2019-01-10 | 2019-03-12 | 广东乐心医疗电子股份有限公司 | 一种情绪分析方法、装置、电子设备及存储介质 |
CN109792403A (zh) * | 2016-10-04 | 2019-05-21 | 微软技术许可有限责任公司 | 联网消息传递系统中的时移通信 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9092742B1 (en) * | 2014-05-27 | 2015-07-28 | Insidesales.com | Email optimization for predicted recipient behavior: suggesting changes in an email to increase the likelihood of an outcome |
-
2019
- 2019-08-14 EP EP19191632.9A patent/EP3779820A1/en active Pending
-
2020
- 2020-08-05 CN CN202080071917.4A patent/CN114556885B/zh active Active
- 2020-08-05 US US17/634,728 patent/US20220279312A1/en active Pending
- 2020-08-05 WO PCT/IB2020/057412 patent/WO2021028786A1/en active Application Filing
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1627664A (zh) * | 2003-12-09 | 2005-06-15 | 日本电气株式会社 | 数据传递装置及系统、服务器、数据传递方法和通信设备 |
US20070232274A1 (en) * | 2004-04-29 | 2007-10-04 | Younghee Jung | Method, System, Wireless Communications Device and Computer Programs for Sending and Receiving Messages |
US7813743B1 (en) * | 2006-07-10 | 2010-10-12 | Loeb Enterprises Llc | Location dependent non-commercial messaging |
US20090177745A1 (en) * | 2008-01-04 | 2009-07-09 | Yahoo! Inc. | System and method for delivery of augmented messages |
CN103975573A (zh) * | 2011-12-07 | 2014-08-06 | 高通股份有限公司 | 感觉增强消息传递 |
CN104335612A (zh) * | 2012-05-27 | 2015-02-04 | 高通股份有限公司 | 基于移动设备的能力进行消息呈现 |
US20130339453A1 (en) * | 2012-06-14 | 2013-12-19 | Vaneet Aggarwal | Presence information based messaging |
CN105814940A (zh) * | 2013-10-29 | 2016-07-27 | 瑞典爱立信有限公司 | 用于优化的调度的输送的方法和布置 |
US20160028670A1 (en) * | 2014-07-28 | 2016-01-28 | Vivint, Inc. | Asynchronous communications using home automation system |
CN107409085A (zh) * | 2015-03-06 | 2017-11-28 | 微软技术许可有限责任公司 | 电子邮件消息的有条件的即时递送 |
CN107431653A (zh) * | 2015-03-06 | 2017-12-01 | 微软技术许可有限责任公司 | 消息的即时递送 |
US20180018403A1 (en) * | 2015-07-15 | 2018-01-18 | Konolabs, Inc. | Method and system for analyzing emotion on basis of position related document, and non-transitory computer-readable recording medium |
US20170147202A1 (en) * | 2015-11-24 | 2017-05-25 | Facebook, Inc. | Augmenting text messages with emotion information |
CN109076316A (zh) * | 2016-08-23 | 2018-12-21 | 华为技术有限公司 | 一种处理信息或消息的方法及网络设备 |
CN109792403A (zh) * | 2016-10-04 | 2019-05-21 | 微软技术许可有限责任公司 | 联网消息传递系统中的时移通信 |
US20180285828A1 (en) * | 2017-04-03 | 2018-10-04 | Lenovo (Singapore) Pte. Ltd. | Scheduling a delivery at a recipient location |
CN109211254A (zh) * | 2017-07-06 | 2019-01-15 | 新华网股份有限公司 | 信息显示方法和装置 |
CN109460752A (zh) * | 2019-01-10 | 2019-03-12 | 广东乐心医疗电子股份有限公司 | 一种情绪分析方法、装置、电子设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
REDA ELBAROUGY; HAN XIAO; MASATO AKAGI; JUNFENG LI: "Toward relaying an affective Speech-to-Speech translator: Cross-language perception of emotional state represented by emotion dimensions", 《 2014 17TH ORIENTAL CHAPTER OF THE INTERNATIONAL COMMITTEE FOR THE CO-ORDINATION AND STANDARDIZATION OF SPEECH DATABASES AND ASSESSMENT TECHNIQUES (COCOSDA)》 * |
梁斌;刘全;徐进;周倩;章鹏;: "基于多注意力卷积神经网络的特定目标情感分析", 计算机研究与发展, no. 08 * |
Also Published As
Publication number | Publication date |
---|---|
CN114556885B (zh) | 2024-03-08 |
EP3779820A1 (en) | 2021-02-17 |
WO2021028786A1 (en) | 2021-02-18 |
US20220279312A1 (en) | 2022-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11024070B2 (en) | Device and method of managing user information based on image | |
KR102022893B1 (ko) | 반려동물 케어 방법 및 이를 이용하는 시스템 | |
CN109074117B (zh) | 提供基于情绪的认知助理系统、方法及计算器可读取媒体 | |
CN108476164B (zh) | 在消息传送应用中自动地提供机器人服务的方法 | |
KR101749847B1 (ko) | 정황 감정 판정 시스템 | |
JP6111932B2 (ja) | 行動支援装置、行動支援方法、プログラム、および記憶媒体 | |
JP2019220194A (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP6122735B2 (ja) | 情報処理装置、判定方法および判定プログラム | |
US9015099B2 (en) | Method, system and device for inferring a mobile user's current context and proactively providing assistance | |
US9965553B2 (en) | User agent with personality | |
CN105874446B (zh) | 一种向用户进行建议的装置、方法、设备及媒介 | |
US20140052680A1 (en) | Method, System and Device for Inferring a Mobile User's Current Context and Proactively Providing Assistance | |
TWI680400B (zh) | 基於影像管理使用者資訊的裝置與方法 | |
JPWO2016181670A1 (ja) | 情報処理装置、情報処理方法及びプログラム | |
US20230336694A1 (en) | Tagging Characteristics of an Interpersonal Encounter Based on Vocal Features | |
KR20150142610A (ko) | 관계 유형을 고려한 코칭 방법 및 시스템 | |
CN111095240A (zh) | 信息处理设备、信息处理方法和程序 | |
CN108388570A (zh) | 对视频进行分类匹配的方法、装置和挑选引擎 | |
US8127002B2 (en) | Hypothesis development based on user and sensing device data | |
KR20160073903A (ko) | 개선된 개인 기억 정보와 속성 정보를 활용한 개인 추억 회상 및 자기 재생 시스템 및 그 방법 | |
CN114556885B (zh) | 消息递送 | |
US8239488B2 (en) | Hypothesis development based on user and sensing device data | |
US20220165376A1 (en) | Information processing apparatus, information processing method, and information processing program | |
JP2022046316A (ja) | 情報提示システム、その制御方法、および、プログラム | |
JP7077555B2 (ja) | 情報制御装置、情報制御システム、情報制御方法及び情報制御プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |