CN114595196A - 通过预测目标存储位置来促进用户输入 - Google Patents

Abstract

一种用于修改用户界面的方法、计算机系统和计算机程序产品。结合用于存储源对象的用户输入来确定由用户标识的源对象的属性。确定一个或多个目标存储位置的属性。预测用于存储源对象的目标存储位置，以及与该预测相关联的置信度值。使用机器学习模型来进行预测，该机器学习模型基于确定的源对象的属性来预测预测目标存储位置和相关联的置信度值。确定多个目标存储位置使用模式。基于预测目标存储位置来修改用户界面。

Description

通过预测目标存储位置来促进用户输入

背景技术

本发明一般涉及计算领域，尤其涉及在用户界面中预测源对象的目标存储位置以便促进用户输入。

用户数据可以存储在用户设备上，或者存储在远程存储系统上，其在这里可以被称为云存储装置。将用户数据存储在云存储装置中允许用户经由多个设备从多个位置访问他或她的数据。另外，云存储装置是备份数据的可靠方式。用户可以通过网络浏览器和/或智能移动电话上的应用程序访问云存储系统。

用于存储用户数据的用户界面可以包括示出文件夹和文件的目录。文件夹和文件可以由用户创建、访问、组织和删除。如果用户数据存储在用户设备上，则所有文件和文件夹都属于该设备的用户。相反，存储在云存储系统中的数据可以与其他用户共享。在用于云存储系统的用户界面中示出的文件夹和文件可以由一个用户或一组用户访问。例如，如果用户决定与另一用户共享一个或该用户的文件或文件夹，则用于云存储系统的用户界面提供了向另一用户提供访问的手段。例如，一组工作者可以通过共享工作相关文件夹来协作。当用户与另一用户共享内容时，共享文件夹或文件可以与由另一用户创建的文件夹一起出现在另一用户的目录中。基于云的文件存储和同步服务的示例是Google

Microsoft

以及

用于存储用户数据的用户界面允许许多不同类型的交互。一种这样的交互是将例如文件的源项拖放到例如文件夹的目标存储位置上。

发明内容

本发明的实施例公开了一种方法、计算机系统和计算机程序产品，用于分析与将源对象存储在一个或多个目标存储位置中的一个目标存储位置、预测用户可能想要的目标存储位置、以及修改用户界面以帮助用户将源对象移动到预测目标存储位置相关联的结果。

本发明的实施例涉及一种用于修改用户界面的计算机实现的方法。该方法可以包括结合用于存储源对象的用户输入来确定由用户标识的源对象的属性。确定一个或多个目标存储位置的属性。此外，该方法可以包括预测用于存储源对象的目标存储位置和与预测相关联的置信度值。机器学习模型基于确定的源对象的属性来预测预测目标存储位置和相关联的置信度值。此外，可以确定多个目标存储位置使用模式。可以基于预测的目标存储位置来修改用户界面。

在一个实施例中，确定多个目标存储位置使用模式包括确定针对用户和用户位置的使用模式。

在一个实施例中，确定多个目标存储位置使用模式包括确定用户的使用模式以及用户输入的时间和日期。

在一个实施例中，确定多个目标存储位置使用模式包括确定一组用户的使用模式。

在一个实施例中，由机器学习模型基于确定的源对象的属性来预测预测目标存储位置和相关联的置信度值包括：基于确定的一个或多个目标存储位置的属性来预测预测目标存储位置和相关联的置信度值。另外，源对象包括机密数据属性，并且目标存储位置包括非机密访问属性。

在一个实施例中，基于预测目标存储位置修改用户界面包括：提供源对象与预测目标存储位置之间的重力效应。

在一个实施例中，基于预测目标存储位置修改用户界面包括：在用户界面中呈现源对象和目标存储位置之间的线。根据置信度水平，通过厚度对该线进行加权。

在一个实施例中，基于预测目标存储位置修改用户界面包括：在用户界面中呈现源对象和目标存储位置之间的线。根据置信水平标记该线。

附图说明

本发明的这些和其它目的、特征和优点将从以下结合附图阅读的对其说明性实施例的详细描述中变得明显。附图的各种特征不是按比例的，因为为了清楚起见，图示是为了帮助本领域技术人员结合详细描述理解本发明。在附图中：

图1示出了根据至少一个实施例的在显示设备上呈现的用户界面。

图2示出了根据至少一个实施例的在显示设备上呈现的用户界面，该用户界面包括对用户界面的视觉修改。

图3示出了根据至少一个实施例的在显示设备上呈现的用户界面，该用户界面包括对用户界面的视觉修改。

图4示出了根据至少一个实施例的在显示设备上呈现的用户界面，该用户界面包括对用户界面的视觉修改。

图5是示出了根据各种实施例的用于预测用户可能想要的目标存储位置并且修改用户界面以帮助用户将源对象移动到预测目标存储位置的过程的操作性流程图。

图6是示出了根据各种实施例可以使用的计算机系统的框图。

图7是图6的计算机系统的持久性存储装置的框图。

具体实施方式

以下描述的实施例针对一种用于在用户界面中预测源对象的目标存储位置以便促进用户输入的系统、方法和计算机程序产品。这样，所描述的实施例改进了计算机系统的用户界面的技术领域。此外，所描述的实施例通过降低机密数据被无意公开的可能性，改善了计算机系统的数据安全的技术领域。

图1示出了根据至少一个实施例的在显示设备上呈现的用户界面102。该显示设备可以是下面结合图6和图7描述的计算机系统600的显示设备616。计算机系统600包括下面更详细描述的各种组件，这些组件能够使用户界面102执行这里描述的功能和操作。

用户接口102可以从各种源接收输入，包括来自用户的经由鼠标、键盘、触摸屏或其他输入设备的手动输入。用户界面102还可以将用户界面102中的数据输出到显示设备616上，使得用户界面102和用户界面102中的任何图形元素可以被显示给用户。

用户接口102可以包括任意数目的图形元素，诸如文件夹103-109、以及文件110-111和113。可以看出，文件夹103-109被布置在活动工作区115左侧的列中。文件夹103-109可以以任何顺序或位置显示。文件夹112以及文件110-111和113被描述为工作区115中的图标。在该示例中，文件夹112以及文件110-111和113的工作区中的图标是可移动的。文件夹112以及文件110-111和113可以被移动到工作区115中的任何期望的位置。另外，文件夹112以及文件110-111和113可以在“拖放”动作中移动到左列中的任何一个文件夹103-109中。文件110-111和113也可以在“拖放”动作中被移动到文件夹112中。“拖放”动作将例如文件的源项复制到例如文件夹的目标存储位置上。应当理解，本发明的实施例可以在许多不同类型的用户界面中实践，并且不限于所描绘的示例用户界面102。

文件夹112以及文件110-111和113可以由图形元素表示。图形元素表示存储在计算机系统600的易失性或非易失性存储器中的计算机文件，并且被显示为指示特定类型的文件的图标。图形元素可以表示数据文件，诸如文本文档、电子表格、电子邮件消息、日历事件、视频、金融账户数据、个人税务数据、个人医疗数据、机密商业数据或包含这些类型的数据文件中的任何数据文件的文件夹。

用户界面允许许多不同类型的交互。一个示例交互是将源项的复制操作“拖放”到目标存储位置上。然而，用户有时犯了可以导致负面后果的轻微错误。例如，在web应用中，用户可能想要将费用报告110文档拖到其“费用”文件夹104，但他们偶然将其放在“朋友”105正下方的文件夹上，如图1所示，导致文档被放在错误的地方。另一示例可以是用户试图将PDF文档拖到云存储系统上的文件存储库中，诸如box.com网页中，但是他们意外地将该PDF文档放到他们的音乐应用中，从而导致文件被复制到音乐应用中。作为又一示例，用户可以将包含机密或个人数据的文件拖到与不具有知道机密或个人信息的许可或需要的其他人共享的云存储系统的文件夹中。对于行动不便的用户(例如手的震颤)而言，这些轻微的错误可能比其他用户更频繁地发生，因为残疾用户不能以足够精确的方式在常规或触摸屏显示器上使用定点设备(例如，鼠标、手指)来完成任务，诸如文件移动。

根据本发明的各种实施例，确定与一个或多个目标相关联的结果的预测分析，并且在分析之后，可以修改用户界面102的各方面以帮助用户将源移动到被分类为或预测为可能的用户预期的目标存储位置的目标。

在一个实施例中，用户接口102被修改，使得重力效应被用户感知。如果用户开始沿着朝向预测目标的路径移动图形对象，则可以增加对于指向设备的给定量的用户输入的系统响应。例如，在拖放动作中，在其中由图标表示的文件被移动到文件夹，当运动是沿着朝向预测目标的路径时，通常将被转换成100个像素的移动的用户输入可以被转换成UI中的200个像素的图标移动。相反，如果用户开始沿着朝向不太可能的预期的目标的路径移动指示设备或图形对象，则可以减少对于给定量的用户输入的系统响应。例如，在将文件图标移动到不太可能想要的文件夹的拖放动作中，通常将被转换成100个像素的移动的用户输入可以被转换成50个像素的图标移动。在一个实施例中，在这些示例中，图标移动200或50像素所需的时间与图标移动100像素通常所需的时间相同。例如，如果用户输入通常在0.1秒内转化为100个像素的移动，则200或50个像素的转换移动也将花费0.1秒。此外，“标准”平移距离和“标准”时间可以是默认的或用户优选的距离和时间设置。

在一个实施例中，可以采用速度效应(或与重力效应组合)。响应于用户输入遍历特定数目的像素所需的时间可以基于与一个或多个、或两个或更多个目标相关联的结果的预测分析。例如，在拖放动作中，文件图标沿着朝向预测目标的路径的移动使得系统加速图形对象的移动，以在比在没有速度影响的情况下响应于相同用户输入而通常将花费的时间量更短的时间量内使其到达预测目标。例如，当运动沿着朝向预测目标的路径时，通常将被转换成在0.2秒内移动的100个像素的用户输入可以被转换成在UI中在0.1秒内移动的100个像素的图标。相反，与文件相对应的指向设备或图形对象沿着朝向不太可能预期的目标的路径的移动使得系统减慢图标在屏幕上的移动，使得与在没有速度影响的情况下响应于相同量的用户输入而将花费的时间量相比，将图标到达预测目标花费更大量的时间。例如，当运动沿着朝向预测目标的路径时，通常将被转换成在0.2秒内移动的100个像素的用户输入可以被转换成在UI中在0.4秒内移动的100个像素的图标。

如下面进一步描述的，可以在个性化的基础上(Mary或John的偏好)或在更大的群组上(所有儿科医生的倾向)或在一群无附属的人群上随着时间学习和调整项目的比重关系。

参考图2，在一个实施例中，在用户界面中在作为拖放动作的源对象的文件图标和与例如文件夹等可能的目标存储位置相对应的图形对象之间绘制一条或多条线。可以对线条的粗细加权，并且用概率或置信度水平标记线，以将用户引导到最适当的目标位置。如图2的示例中所描绘的，文件210(源对象)和费用文件夹104(第一可能目标存储位置)之间的行220被给予很大的权重，并用70％的概率或置信度来标记。文件210和营销文件夹106之间的行222(第二可能的目标存储位置)被轻微地加权，并被标记为具有20％的概率或置信度。文件210和训练文件夹108之间的行224(第三可能的目标存储位置)是未加权的，并用10％的概率或置信度来标记。对于与低于阈值的概率或置信度水平(例如，低于10％的概率或置信度水平)相关联的可能的目标存储位置，可以不绘制直线。例如，没有示出可能的目标存储位置103、105、107、109和112的行。这些线可以用于帮助或引导文件图标沿着朝向预测目标的路径移动。

参考图3，在一个实施例中，可以对已经被确定为可能的目标的一个或多个目标存储位置进行概述或以其他方式在视觉上突出显示以强调其相关性。作为一个示例，图3示出了用粗线概述的费用文件夹104。突出显示可以采取改变目标文件夹的颜色以便强调的形式。突出显示可以采取表示目标文件夹的图标的动画的形式，例如闪烁或闪光。当与预测目标相关联的置信区间在阈值水平内，例如90％的置信水平内时，概述或视觉突出显示可以被触发。

参考图4，在一个实施例中，如果检测到“错误”，即，如果目标的概率或置信度低于阈值，则可以呈现确认对话框。可以在对话框中提供动作按钮以允许用户修复错误。如图4的示例中所描绘的，文件410已经在拖放动作中被移动到朋友文件夹105。然而，在该示例中，朋友文件夹105是用户想要的文件夹的概率或置信度低于阈值，指示文件410的移动可能是错误。例如，阈值可以被设置为50％，并且文件410旨在用于朋友文件夹105的概率或置信度水平可以仅为10％。在这些条件下，将显示对话框422。如果用户不打算将文件410移动到朋友文件夹105，即，所确定的10％的概率或置信度是准确的，则用户可以选择“否”按钮来“撤销”该操作。另一方面，如果朋友文件夹105确实是预期的，则用户可以选择“是”按钮。在一个实施例中，如果用户在某一时间段，例如5秒内没有选择任何东西，则对话框可以自动消失。

在一个实施例中，用于推断错误和显示对话框的阈值可以是绝对概率或置信度值。在另一实施例中，阈值可以是与绝对值结合的相对概率或置信值。在两个或多个目标具有相差不大的置信度值的情况下，对话框可以通过请求确认来建议用户要小心，而不是推断“错误”。例如，假设具有最高置信度值的文件夹的置信度值大于50％(第二阈值)，则假设第一阈值被定义为低于具有最高置信度值的目标文件夹不超过10％。为了说明，假设三个文件夹A、B和C的置信度值分别为61％、54％和38％。将源文件移动到目标文件夹B的用户动作将不会被确定为错误，因为具有最高置信值的文件夹A的置信值大于50％，并且目标文件夹B的置信值低于目标文件夹A的置信值小于10％(61％-54％＝7％)。然而，因为两个或多个目标的置信度值相差不超过第一阈值，所以对话框要求确认。

现在参考图5，操作流程图示出了用于分析与将源对象存储在目标存储位置中、预测用户可能的预期的目标存储位置、以及修改用户界面以帮助用户将源对象移动到预测目标存储位置相关联的后果的示例性过程500。

在502处，确定例如文件的源对象的一个或多个属性。源对象可以由用户利用用户输入设备以任何适当的方式来选择，例如鼠标、手指或语音命令。属性可以包括标题和元数据，诸如作者、标签和文件类型(例如，DOCX、MP3、XLSX、PPT)。属性可以包括文档是否被锁定以用于写入、读取或两者。使用自然语言处理包含在源对象本身中以及标题和元数据中的文本，属性可以被确定。可以使用任何合适的自然语言处理工具。在实施例中，在502处的自然语言处理可以使用自然语言工具包(NLTK)来处理源对象的文本信息以从源对象提取单词。NLTK是由宾夕法尼亚大学计算机和信息科学部的Steven Bird和Edward Loper开发的用于英语文本的符号和统计自然语言处理的一套库和程序。在另一实施例中，可以使用IBM

AI服务。例如，自然语言处理可以被用于识别诸如关键字、类别、主题、情感和实体的属性。

使用自然语言处理提取的属性不限于语言数据，即文本。在502处提取的属性可以包括数字数据，包括社会保险号、账号和货币值。另外，数字属性可以包括年龄、身高和体重医疗测试结果值。一些数值可以是机密的。

另外，可以在502使用计算机视觉技术从图像提取属性。图像可以被包括在源对象中，或者图像本身可以是源对象。在一个实施例中，可以使用卷积神经网络来分类或识别图像中的对象。因此，计算机视觉技术可用于将图像分类为含有标识特定个体的信息。图像不限于传统的照片，而是还可以包括医学图像，诸如X射线或超声图像。一些图像可以是机密的。

此外，在502处，可以使用计算机语音识别技术从声音文件中提取属性。声音文件可以被包括在源对象中，或者声音文件本身可以是源对象。包含语音的声音文件可以使用语音识别工具(诸如IBM

语音到文本服务)被转换为文本。可以使用如上所述的自然语言处理工具来处理结果文本文件。一些声音文件可以能是机密的，例如，讨论了专有或贸易秘密信息的会议的记录。包含音乐的声音文件利用用户指定的属性而被标记。例如，用户可以指定包含音乐内容的所有声音文件是个人的。在一些实施例中，音乐识别工具，例如

可以与歌曲指纹结合使用，以确定属性，诸如歌曲标题、专辑以及录音艺术家和年份。

在504处，确定至少一个目标存储位置(例如文件夹)的属性。在一些实施例中，确定两个或更多个目标存储位置的属性。对于源对象可能的任何属性可以是目标存储位置的属性。然而，目标存储位置的属性可以比源对象的许多属性更一般并且粒度更小。例如主题、人、项目、组、分类或类别的属性。例如，目标存储位置的属性包括个人或私人属性的属性，诸如个人费用、朋友、专业联系人、音乐、娱乐、个人照片、简历、个人日历、以及个人通信。属性也可以是工作相关的：属于团队或商业单位的雇员、客户、商业费用、商业需求、以及各种形式的工作产品。目标存储位置的属性可以包括它是否被明确地指定为公共的或私有的，以及哪些用户具有访问目标的许可。目标存储位置的属性可以使用上述用于确定源对象的属性的工具和技术中的任何工具和技术来确定。

在506处，对每个可能的目标存储位置进行预测。可以使用诸如随机森林或神经网络模型的机器学习模型来进行用户针对源对象所期望的目标存储位置的预测或分类。可以基于源对象的属性是否与目标存储位置的属性相关来对目标存储位置进行分类。使用机器学习模型进行的每个分类可以产生相关联的置信区间。此外，机器学习模型可以确定与将源对象存储在目标存储位置中相关联的结果。可以确定的结果的一个示例是：如果包含机密或敏感性质的信息的源对象被复制到可以由另一在不需要或许可知道该信息的情况下访问的文件夹中，则数据破坏将会发生。例如，在文件夹和文件被显示在能够由一个用户或一组用户访问的云存储系统的用户界面中的环境中，可以发生这种无意的数据破坏。可以确定的结果的另一示例是：不能稍后定位无意中存储在目标存储位置中的不适当的源对象。例如，将工作文件存储在个人文件夹中，或者备选地，将个人文件存储在工作文件夹中可以使得难以定位该文件。作为又一示例，将个人医疗记录存储在用于税收的个人文件夹的结果将使得医疗记录难以在以后的时间定位。

除了用于基于源对象属性将目标存储位置分类为用户预期的用于源对象的机器学习模型之外，诸如神经网络的单独机器学习模型可以根据源对象包含机密性质还是敏感性质的信息来对从源对象提取的属性进行分类。例如，机器学习模型可以将从与特定人相关的源对象提取的属性分类为公共、个人或敏感个人信息。此外，机器学习模型可以将从与实体相关的源对象提取的属性分类为公共、专有或贸易秘密信息。所得到的源对象是否包含机密或敏感性质的信息的确定本身可以被对待为由主机器学习模型使用的属性，该主机器学习模型基于源对象属性将目标存储位置分类为针对源对象的用户预期。

基于源对象属性将目标存储位置分类为针对源对象的用户预期的主机器学习模型可以通过合并模型接收的使用模式来随时间调整或改进。因此，在506处针对每个可能的目标存储位置进行的预测可以基于在时间506之前的时间在508的实例处获取的信息。

在508处，使用模式可以被确定。用户根据多个目的地位置决定来确定使用模式。换句话说，当用户选择具有特定属性集的源对象的特定目标存储位置，然后对具有类似属性集的一个或多个第二源对象重复该选择时，使用模式可以被确定。使用模式可以用作用于训练主机器学习模型的“地面真值”训练数据，该主机器学习模型将目标存储位置分类为针对源对象的用户预期。作为一个示例，机器学习模型可以随着时间的推移学习具有包括“费用”的标题的文档、或描述一组美元开支金额的文档被提交到“费用”文件夹中。

不需要从由单个用户做出的多个目的地位置决定来确定使用模式。在一些实施例中，使用模式可以基于用户群组的模式。例如，使用模式可以基于在特定业务单位中工作或具有相同或相似工作描述的一组雇员，例如，一群组儿科医生。作为另一示例，使用模式可以是“众包的”，例如，基于经由托管公共文件夹目录的网站或持有类似文件夹目录的多个网站参与的一组非附属个人的使用模式。

确定使用模式可以另外考虑用户的位置、一天中的时间、一周中的天或位置和时间因素的组合。例如，在周末当用户在家时用户主要利用其“朋友”文件夹工作的模式可以被检测到。在工作日，当用户在办公室位置时，用户几乎从不与“朋友”文件夹一起工作。

在510处，可以基于预测目标存储位置来修改用户界面。例如，在拖放场景中，确定目标存储位置可能是用户想要的将增加源对象和目标之间的重力(吸引力)。用户界面可以以类似于“抓取”操作的方式或根据本文别处描述的方法将源文档朝向目标轻推。用户仍然可以覆盖重力效应，但是取决于经训练的模型理解用户的预期的置信度，可以增加源对象朝向目标存储位置的重力效应。如果经训练的模型的置信度相对于UI动作不高，则重力效应可以保持中性。可以根据单个用户或更大用户群组的偏好在个性化的基础上调整物品的重力关系。

可以收集关于经修改的用户界面执行得如何的信息。例如，在510处，可以以特定方式注释或增强用户界面，例如，被确定为可能的目标的目标存储位置可以用绿色来作为轮廓以强调其相关性。如果目标也以绿色显示，则强调可以是细微的并且可以被忽略。可以通过询问用户以确定用户对特定注释或增强的满意程度来收集信息。也可以通过基于使用界面时导致的“错误”的数目推断修改的用户界面执行得如何来间接收集信息，即，当使用增强的界面时，源对象被复制到非预期的文件夹。例如，由于用户执行从非预期文件夹到预期文件夹的后续复制，或者用户对询问确认的对话框的响应接收到拒绝确认的输入，因此可以推断出错误。可以从单个用户或多个用户收集信息。所收集的信息可以用于以不同的方式注释或增强用户界面，以便为特定用户或群组或更大的用户组提供更有效的增强。作为一个示例，机器学习模型可以学习当目标以绿色显示时，它应当以对比颜色，如红色或紫色来描绘轮廓以强调其相关性。或者，模型可以学习：用户部分或完全色盲，并且不强调与一般颜色或与特定颜色的相关性。作为另一示例，机器学习模型可以学习当目标以绿色显示时，还应当向其呈现在源对象和目标存储位置之间的用户界面中绘制的线。作为又一示例，可以在UI中以特定的加权绘制的线。模型可以从所收集的信息中学习到，用概率或置信度水平标记的加权线比没有标记的加权线产生更少的错误。

本发明的实施例既可以应用于存储位置，并且更一般地，也可以应用于存在一个或多个可能的类别的任何类型的分类。例如，在一些示例中，“目标存储位置”可以是企业内容管理系统中的保持的以用于将来搜索的文档的存储库或档案保存系统(具有文档保存和破坏规则)。

图6是示出根据各种实施例的可以用作客户端、服务器或主机计算机的计算机系统的框图。如图所示，计算机系统600包括处理器单元611、存储器单元612、持久性存储装置613、通信单元614、输入/输出单元615、显示器616和系统总线610。计算机程序通常存储在持久性存储装置613中，直到需要执行它们为止，此时，程序被带入存储器单元612中，使得它们可以由处理器单元611直接访问。处理器单元611通过使用处理器611连同读取和/或写入请求一起给予存储器612的地址来选择存储器单元612的一部分以进行读取和/或写入。通常，对地址处的经编码指令的读取和解释致使处理器611获取后续地址处或某一其它地址处的后续指令。处理器单元611、存储器单元612、持久性存储装置613、通信单元614、输入/输出单元615和显示器616通过系统总线610彼此接合。

图7是图6的计算机系统600的持久性存储装置613的框图，在各种实施例中，持久性存储装置613可以以执行所公开的实施例的各个方面所需的程序或模块的形式存储计算机可读程序指令。持久性存储装置613可以存储源属性确定程序714，其可以用于确定源对象(例如，文件)的一个或多个属性。关于操作502进一步描述程序714的各方面。另外，持久性存储装置613可以存储目标属性确定程序716，其可以用于确定目标存储位置的一个或多个属性。关于操作504进一步描述程序716的各方面。持久性存储装置613还可以存储目标预测程序718，其可以用于预测目标存储位置是否可能是特定源对象的用户预期位置。关于操作506进一步描述程序718的各方面。此外，持久性存储装置613可以存储可以用于确定使用模式的用户模式确定程序720。关于操作508进一步描述程序720的各方面。附加地，持久性存储装置613可以存储用户界面修改程序722，其可以用于基于一个或多个预测目标存储位置来修改用户界面。关于操作510进一步描述程序722的各方面。

应当理解，图6和7仅提供了一种实现的说明，而不暗示对其中可实现不同实施例的环境的任何限制。可以基于设计和实现要求对所描述的环境进行许多修改。

本文公开了所要求保护的结构和方法的详细实施例；然而，可以理解，所公开的实施例仅仅是对可以以各种形式实施的所要求保护的结构和方法的说明。然而，本发明可以以许多不同的形式实施，并且不应被解释为限于这里阐述的示例性实施例。相反，提供这些示例性实施例是为了使本公开透彻和完整，并将本发明的范围完全传达给本领域技术人员。在描述中，可以省略公知的特征和技术的细节，以避免不必要地模糊所呈现的实施例。

本发明可以是任何可能的技术细节集成水平的系统、方法和/或计算机程序产品。计算机程序产品可以包括其上具有计算机可读程序指令的计算机可读存储介质(或多个介质)，所述计算机可读程序指令用于使处理器执行本发明的各方面。

计算机可读存储介质可以是能够保留和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质可以是例如但不限于电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或前述的任何合适的组合。计算机可读存储介质的更具体示例的非穷举列表包括以下：便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、诸如上面记录有指令的打孔卡或凹槽中的凸起结构的机械编码装置，以及上述的任何适当组合。如本文所使用的计算机可读存储介质不应被解释为暂时性信号本身，诸如无线电波或其他自由传播的电磁波、通过波导或其他传输介质传播的电磁波(例如，通过光纤线缆的光脉冲)、或通过导线传输的电信号。

本文描述的计算机可读程序指令可以从计算机可读存储介质下载到相应的计算/处理设备，或者经由网络，例如因特网、局域网、广域网和/或无线网络，下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或网络接口从网络接收计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。

用于执行本发明的操作的计算机可读程序指令可以是汇编指令、指令集架构(ISA)指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据，或者以一种或多种编程语言(包括面向对象的编程语言，例如Smalltalk、C++等)和过程编程语言(例如“C”编程语言或类似的编程语言)的任意组合编写的源代码或目标代码。计算机可读程序指令可以完全在用户的计算机上执行，部分在用户的计算机上执行，作为独立的软件包执行，部分在用户的计算机上并且部分在远程计算机上执行，或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可以通过任何类型的网络连接到用户的计算机，包括局域网(LAN)或广域网(WAN)，或者可以连接到外部计算机(例如，使用因特网服务提供商通过因特网)。在一些实施例中，为了执行本发明的各方面，包括例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)的电子电路可以通过利用计算机可读程序指令的状态信息来执行计算机可读程序指令以使电子电路个性化。

在此参考根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述本发明的各方面。将理解，流程图和/或框图的每个框以及流程图和/或框图中的框的组合可以由计算机可读程序指令来实现。

这些计算机可读程序指令可以被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个框中指定的功能/动作的装置。这些计算机可读程序指令还可以存储在计算机可读存储介质中，其可以引导计算机、可编程数据处理装置和/或其他设备以特定方式工作，使得其中存储有指令的计算机可读存储介质包括制品，该制品包括实现流程图和/或框图的一个或多个框中指定的功能/动作的各方面的指令。

计算机可读程序指令还可以被加载到计算机、其他可编程数据处理装置或其他设备上，以使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图的一个或多个框中指定的功能/动作。

附图中的流程图和框图示出了根据本发明的各种实施例的系统、方法和计算机程序产品的可能实现的架构、功能和操作。在这点上，流程图或框图中的每个框可以表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些备选实施例中，框中所注明的功能可不按图中所注明的次序发生。例如，连续示出的两个框实际上可以基本上同时执行，或者这些框有时可以以相反的顺序执行，这取决于所涉及的功能。还将注意，框图和/或流程图示意图的每个框以及框图和/或流程图示意图中的框的组合可以由执行指定功能或动作或执行专用硬件和计算机指令的组合的专用的基于硬件的系统来实现。

已经出于说明的目的给出了本发明的各种实施例的描述，但是其不旨在是穷尽的或限于所公开的实施例。在不背离所描述的实施例的范围的情况下，许多修改和变化对于本领域的普通技术人员将是明显的。选择本文所使用的术语以最好地解释实施例的原理、实际应用或对市场上存在的技术改进，或使本领域的其他普通技术人员能够理解本文所公开的实施例。

Claims (20)

1.一种用于修改用户界面的计算机实现的方法，包括：

结合用于存储源对象的用户输入来确定由用户标识的所述源对象的属性；

确定一个或多个目标存储位置的属性；

预测用于存储所述源对象的目标存储位置和与所述预测相关联的置信度值，其中机器学习模型基于确定的所述源对象的所述属性来预测预测目标存储位置和相关联的置信度值；

确定多个目标存储位置使用模式；以及

基于所述预测目标存储位置来修改所述用户界面。

2.根据权利要求1所述的计算机实现的方法，其中所述确定多个目标存储位置使用模式是针对用户和用户位置而被确定的。

3.根据权利要求1所述的计算机实现的方法，其中所述确定多个目标存储位置使用模式是针对用户以及用户输入的时间和日期而被确定的。

4.根据权利要求1所述的计算机实现的方法，其中所述确定用户的多个目标存储位置使用模式是针对一组用户而被确定的。

5.根据权利要求1所述的计算机实现的方法，其中由机器学习模型基于确定的所述源对象的所述属性来预测所述预测目标存储位置和相关联的置信度值还包括：

基于确定的所述一个或多个目标存储位置的所述属性来预测所述预测目标存储位置和相关联的置信度值，

其中所述源对象包括机密数据属性，并且目标存储位置包括非机密访问属性。

6.根据权利要求1所述的计算机实现的方法，其中基于所述预测目标存储位置来修改所述用户界面包括：

提供所述源对象与所述预测目标存储位置之间的重力效应。

7.根据权利要求1所述的计算机实现的方法，其中基于所述预测目标存储位置来修改所述用户界面包括：

在所述用户界面中呈现所述源对象和目标存储位置之间的线，其中根据置信度水平，通过厚度所述线被加权。

8.一种用于验证写入磁带的数据的计算机系统，包括：

一个或多个处理器、一个或多个计算机可读存储器、一个或多个计算机可读有形存储介质、以及存储在所述一个或多个有形存储介质中的至少一个有形存储介质上的程序指令，所述程序指令用于由所述一个或多个处理器中的至少一个处理器经由所述一个或多个存储器中的至少一个存储器来执行，其中所述计算机系统能够执行一种方法，所述方法包括：

结合用于存储源对象的用户输入来确定由用户标识的所述源对象的属性；

确定一个或多个目标存储位置的属性；

预测用于存储所述源对象的目标存储位置和与所述预测相关联的置信度值，其中机器学习模型基于确定的所述源对象的所述属性来预测预测目标存储位置和相关联的置信度值；

确定多个目标存储位置使用模式；以及

基于所述预测目标存储位置来修改所述用户界面。

9.根据权利要求8所述的计算机系统，其中所述确定多个目标存储位置使用模式是针对用户和用户位置而被确定的。

10.根据权利要求8所述的计算机系统，其中所述确定多个目标存储位置使用模式是针对用户以及用户输入的时间和日期而被确定的。

11.根据权利要求8所述的计算机系统，其中所述确定用户的多个目标存储位置使用模式是针对一组用户而被确定的。

12.根据权利要求8所述的计算机系统，其中由机器学习模型基于确定的所述源对象的所述属性来预测所述预测目标存储位置和相关联的置信度值还包括：

基于确定的所述一个或多个目标存储位置的所述属性来预测所述预测目标存储位置和相关联的置信度值，

其中所述源对象包括机密数据属性，并且目标存储位置包括非机密访问属性。

13.根据权利要求8所述的计算机系统，其中基于所述预测目标存储位置来修改所述用户界面包括：

提供所述源对象与所述预测目标存储位置之间的重力效应。

14.根据权利要求8所述的计算机系统，其中基于所述预测目标存储位置来修改所述用户界面包括：

基于所述预测的置信度水平来视觉地突出显示目标存储位置。

15.一种用于验证写入磁带的数据的计算机程序产品，包括：

一个或多个非瞬态计算机可读存储介质和存储在所述一个或多个有形存储介质中的至少一个有形存储介质上的程序指令，所述程序指令能够由处理器执行以使所述处理器执行包括以下步骤的方法：

结合用于存储源对象的用户输入来确定由用户标识的所述源对象的属性；

确定一个或多个目标存储位置的属性；

预测用于存储所述源对象的目标存储位置和与所述预测相关联的置信度值，其中机器学习模型基于确定的所述源对象的所述属性来预测预测目标存储位置和相关联的置信度值；

确定多个目标存储位置使用模式；以及

基于所述预测目标存储位置来修改所述用户界面。

16.根据权利要求15所述的计算机程序产品，其中所述确定多个目标存储位置使用模式是针对用户和用户位置而被确定的。

17.根据权利要求15所述的计算机程序产品，其中所述确定多个目标存储位置使用模式是针对用户以及用户输入的时间和日期而被确定的。

18.根据权利要求15所述的计算机程序产品，其中所述确定用户的多个目标存储位置使用模式是针对一组用户而被确定的。

19.根据权利要求15所述的计算机程序产品，其中由机器学习模型基于确定的所述源对象的所述属性来预测所述预测目标存储位置和相关联的置信度值还包括：

基于确定的所述一个或多个目标存储位置的所述属性来预测所述预测目标存储位置和相关联的置信度值，

其中所述源对象包括机密数据属性，并且目标存储位置包括非机密访问属性。

20.根据权利要求15所述的计算机程序产品，其中基于所述预测目标存储位置来修改所述用户界面包括：

在所述用户界面中呈现所述源对象和目标存储位置之间的线，其中所述线是根据置信度水平而被标记的。

Images