CN115550304A - 确定一组用户的活动实例集合的方法、设备和存储介质 - Google Patents

确定一组用户的活动实例集合的方法、设备和存储介质 Download PDF

Info

Publication number
CN115550304A
CN115550304A CN202211137479.4A CN202211137479A CN115550304A CN 115550304 A CN115550304 A CN 115550304A CN 202211137479 A CN202211137479 A CN 202211137479A CN 115550304 A CN115550304 A CN 115550304A
Authority
CN
China
Prior art keywords
activity
instances
users
instance
user
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
Application number
CN202211137479.4A
Other languages
English (en)
Other versions
CN115550304B (zh
Inventor
马科斯·卡尔沃兰斯
菲利普·库恩斯
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.)
Google LLC
Original Assignee
Google LLC
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 Google LLC filed Critical Google LLC
Priority to CN202211137479.4A priority Critical patent/CN115550304B/zh
Publication of CN115550304A publication Critical patent/CN115550304A/zh
Application granted granted Critical
Publication of CN115550304B publication Critical patent/CN115550304B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/101—Collaborative creation, e.g. joint development of products or services
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • 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
    • H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/18—Commands or executable codes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G06F9/452—Remote windowing, e.g. X-Window System, desktop virtualisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06Q50/40—
    • G06Q50/50—
    • 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
    • H04L51/21—Monitoring or handling of messages
    • H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/52—Network services specially adapted for the location of the user terminal

Abstract

本公开涉及确定一组用户的活动实例集合的方法、设备和存储介质。在来自一组的用户的输入减少(或没有)的情况下，自动确定该一组用户有兴趣执行的活动实例集合。可以呈现活动实例集合的表示用于由该组考虑，并且即使当只指定了有限的标准时可以确定活动实例集合。可选地，响应于涉及活动实例集合的所呈现的表示的肯定用户界面输入，可以通过组的一个或多个用户的有限输入来确认集合的一个或多个活动实例。进一步地，活动实例集合的自动确定可选地是使用一个或多个经训练的机器学习模型来执行的，经训练的机器学习模型被训练以优化组的用户将对集合感到满意的可能性。

Description

确定一组用户的活动实例集合的方法、设备和存储介质
分案说明
本申请属于申请日为2018年8月22日的中国发明专利申请201880094615.1的分案申请。
技术领域
本公开涉及确定一组用户的活动实例集合的方法、设备和存储介质。
背景技术
一组用户可以利用正在进行的通信题绪(thread)来确定该组将协同参与的多个活动的集合。例如，一组用户可以利用相应的移动装置来交换电子消息(例如聊天消息、电子邮件和/或文本消息)，用于协调晚上外出，该晚上外出包括三种活动：餐前酒、晚餐和电影。协调这些活动需要经由通信题绪交换大量电子消息，以便解析该组的用户的不同的兴趣，解析用户的预先存在的时间冲突，等等。这种消息交换消耗网络资源(例如通过消息的传输)和客户端装置资源(例如通过准备发送消息和/或通过呈现接收到的消息)。进一步地，该组的一个或多个用户通常将利用搜索引擎、浏览网页和/或利用其它资源来确定活动集合。这样利用资源来确定活动集合同样可能消耗网络资源和/或客户端装置资源。
随着在通信题绪中包括更多的用户，用户输入的量增加，客户端装置和网络资源的使用量也增加。例如，在包含用户和附加用户的通信题绪中，用户可以提供与一组活动有关的第一消息(例如“let’s do drinks,dinner,and moive on Friday？(星期五我们去喝酒、吃晚餐和看电影吧？)”)。第一消息可能导致一个或多个附加用户提交搜索查询、利用应用等，来试图确定该组的活动的位置的集合、该组的活动的时间等。附加地或可替代地，一个或多个用户可以准备和发送对第一用户消息的响应，这将导致附加消息被传输和呈现。进一步地，这样的附加消息可能导致进一步的搜索、进一步的应用利用等。总的来说，这种动作利用大量网络资源以及消息交换题绪中所包含的用户的客户端装置的大量资源(例如计算资源、电池资源)。
发明内容
本文中所描述的实施方式自动确定一组用户有兴趣执行的活动实例集合，并且在来自该组的用户的输入减少(或没有)的情况下确定活动实例集合。例如，一些实施方式可以自动确定要被呈现以供组考虑的有限数量(例如只有一个、三个或更少等)的活动实例集合，并且即使只有有限的标准(例如活动类型、时间(temporal)约束)是通过组的用户的用户界面输入提供的，也能这样做。有限数量的活动实例集合的表示可以在通信会话中呈现，以供组考虑。可选地，响应于涉及所呈现的活动实例集合的肯定用户界面输入，可以通过组的一个或多个用户的有限输入来确认集合的一个或多个活动实例。进一步地，活动实例集合的自动确定可选地是使用一个或多个经训练的机器学习模型来执行的，这些经训练的机器学习模型被训练以优化该组的用户对有限数量的集合感到满意的可能性。有限数量的满意集合的这种自动确定在协调活动实例集合时导致该组的用户的输入减少，从而节约客户端装置资源和/或网络资源。附加地或可替代地，用户的输入的减少可能有利于具有有限的灵活性的用户。
在一些实施方式中，两个或两个以上的活动类型合集是基于来自一组用户中的一个或多个用户的用户输入来确定的。进一步地，然后为每种活动类型选择一个或多个活动实例。还进一步地，然后生成多个活动实例集合，其中，每个活动实例集合包括每种活动类型的活动实例中的对应的一个。仍然进一步地，选择活动实例的集合的子集，并且响应于选择了子集，使子集的集合的表示被呈现给用户组的用户。在那些实施方式中的一些中，响应于接收到涉及所呈现的表示之一的一个或多个肯定用户界面输入，可以使组的用户的客户端装置呈现界面元素，当被选择时，该界面元素使客户端装置中的相应一个与远程计算机系统交互，以确认所呈现的表示之一的集合的一个或多个活动实例。在各种实施方式中，选择活动实例的集合的子集包括：基于相应生成的可行性分数，选择活动实例的集合中的一个或多个来包括在子集中。在那些各种实施方式中的一些中，活动实例的给定集合的可行性分数是基于使用经训练的机器学习模型对活动实例的给定集合的相应特征进行处理来确定的。
下面提出了对这些和其它实施方式的附加描述。在这种描述中，“活动类型”指涉活动类别，该类别具有多个活动实例作为该类别的成员，其中，活动实例全部都有一个或多个共同特性。活动类型可以用不同的粒度级别来定义(例如更一般的“电影”或更特别的“恐怖电影”)。活动类型的非限制性示例包括“电影”、“喜剧电影”、“恐怖电影”、“晚餐”、“美食酒吧的晚餐”、“午餐”、“骑自行车”、“骑山地自行车”、“远足”、“艰苦的远足”、“散步”、“参加体育活动”、“参加足球比赛”、“观看体育赛事”等。进一步地，在这种描述中，“活动实例”指涉活动类型的多个成员中的单个成员。活动类型的给定活动实例具有将活动实例与活动类型的其它活动实例区分开来的一个或多个特性。除其它之外，这些特性还可以包括名称(或其它标识符)特性、位置特性、时间(例如时间和/或日期)特性等。作为一个示例，“晚餐”的活动实例可以是特定餐厅，诸如“Hypothetical Café”。作为另一示例，“晚餐”的活动实例可以被更精确地定义，诸如下午7:00(时间特性)的“Hypothetical Café”或下午5:30的“Hypothetical Café”。作为又一示例，“电影”的活动实例可以是特定电影，诸如“Hypothetical电影”、特定电影院的特定电影(例如“Hypothetical电影剧场”的“Hypothetical电影”)、特定电影院和特定时间的特定电影(例如下午7:00的“Hypothetical电影剧场”的“Hypothetical电影”)。
在一些实施方式中，活动类型合集是基于涉及一组用户(经由它们相应的客户端装置)的正在进行的多用户通信会话的一个或多个电子消息来确定的。例如，“电影”和“晚餐”的活动类型可以是基于对包括一组用户的正在进行的消息交换题绪的一个或多个电子消息的自然语言处理来确定的。例如，“电影”和“晚餐”的活动类型可以是基于电子消息“let’s do dinner and a movie Wednesday night(星期三晚上我们吃晚餐和看电影吧)”来确定的。在一些实施方式中，具体的活动实例另外可以是基于通信会话的消息以及一个或多个活动类型来确定的。例如，可以对消息“Let’s go to Joe’s Steakhouse,then gosee a movie(让我们去Joe的牛排店，然后去看电影)”进行处理，以确定“Joe的牛排店”的活动实例和“电影”的活动类型。在其它实施方式中，活动类型的合集可以是基于一组用户的用户的其它用户界面输入来确定的，诸如在任何多用户通信会话之外提供的用户界面输入(例如经由专用于组活动计划的图形界面提供的输入)。
不管确定活动类型(以及可选地是活动实例)的方式，可以为每种活动类型选择一个或多个活动实例。例如，对于“电影”和“晚餐”的活动类型，可以选择“电影”的多个活动实例以及“晚餐”的多个活动实例。
在一些实施方式中，选择活动实例可以包括：基于该组的一个或多个用户的一个或多个偏好指标选择活动实例。这可以包括：基于偏好指标(例如“硬”偏好指标)和/或通过基于偏好指标对活动实例进行评分并且根据评分选择活动实例，来过滤活动实例。例如，“晚餐”活动实例的初始组可以是基于位置、时间约束和/或组的用户的“硬”偏好指标，通过过滤来选择的。例如，“晚餐”活动实例的初始组可以是基于过滤来选择的，使得只选择该组的所有用户的10英里内的位置，使得只选择在指定时段内(例如当指定特定日期和/或时间时)开放和/或有可用性的位置和/或只选择提供无谷蛋白选择的位置(基于用户的“硬”偏好指标)。
继续该示例，可以基于按照该组的用户的偏好指标对初始组的活动实例进行的评分，从初始组中选择“晚餐”活动实例的精制组。例如，基于每个用户的偏好指标，可以为每个活动实例生成分数，并且可以对每个活动实例的分数(其中，每个分数都是特定于相应用户)进行组合(例如平均)，为每个实体实例生成总分数。同样，例如，基于表示所有用户的组合偏好指标，可以为每个活动实例生成分数，并且可以利用每个活动实例的分数作为每个活动实例的总分数。然后可以利用活动实例的总分数来为“晚餐”活动类型选择活动实例。
一旦选择了每种活动类型的活动实例，便会生成多个活动实例集合。每个集合包括每种所确定的活动类型的一个活动实例。在各种实施方式中，活动实例集合可以是有序的活动实例集合(即按时间排序)。作为一个示例，假设“电影”、“晚餐”和“博物馆”的活动类型是从通信会话确定的，并且多个活动实例是为每种活动类型确定的。活动实例的每个集合可以包括每种活动类型的一个实例。例如，第一集合可以包括“电影实例1”、“晚餐实例1”和“博物馆实例1”；第二集合可以包括“博物馆实例1”、“晚餐实例1”和“电影实例1”；第三集合可以包括“电影实例2”、“晚餐实例2”和“博物馆实例2”；第四集合可以包括“电影实例1”、“晚餐实例2”和“博物馆实例1”；等等。在各种实施方式中，基于确定集合的活动实例的时间特性不重叠(例如，“电影”实例的持续时间不与“晚餐”实例的开始时间重叠)和/或基于考虑活动实例的位置特性的接近性(例如，确保活动实例彼此在10英里(或其它距离阈值)内和/或彼此在20分钟(或其它行程阈值)的形成时间内)，可以生成活动实例集合。
然后可以对活动实例进行评分，并且基于分数，选择活动实例集合的子集作为最终活动集合。在各种实施方式中，每个活动实例集合是使用经训练的机器学习模型，基于活动实例集合的处理特征来进行评分的。例如，利用机器学习模型为每个集合生成相应的可行性分数，可以对每个集合的特征进行处理。每个可行性分数指示相应活动实例集合将被该组执行和/或被该组认为是令人满意的可能性。基于可行性分数，选择一个或多个集合作为最终活动集合。
集合的活动实例的各种特征可以使用机器学习模型进行处理。可以被处理的活动实例的特征的一些非限制性示例包括：定义活动实例的活动类型的特征；定义活动实例的分数(基于组的所有用户的偏好指标的上述分数)的特征；定义活动实例的地理位置的特征(例如，相对于其它活动实例的距离和/或行程时间、相对于组的用户的家或其它位置的距离和/或行程时间)的位置特征；定义活动实例的一个或多个时间(例如绝对时间、相对于集合的后续活动实例的开始的时间差、相对于集合的在前活动实例的结束的时间差)的时间特征；在多个用户(包括组的那些用户之外的用户)当中为活动实例定义审查、流行度和/或其它全局质量指标的全局质量特征；定义一个或多个用户参与活动的硬约束/必要条件(例如，有无谷蛋白选择的餐厅、轮椅可达到的位置)的特征；等等。
在各种实施方式中，用于为活动实例集合生成可行性分数的机器学习模型是神经网络模型。在那些实施方式的一些版本中，神经网络模型为前馈神经网络模型，并且正被考虑的集合的所有活动实例的特征被处理为对模型的同步输入(例如，模型的输入维数被配置为接受集合的所有活动实例的特征)。例如，模型的输入维数可以被配置为接受集合中多达N个活动实例的特征。在使用模型进行评分的给定集合具有少于N个的活动实例的情况下，填充值可以用于未被考虑的活动实例的特征。在那些实施方式中的一些其它版本中，神经网络模型是递归神经网络(RNN)模型，并且集合的活动实例的特征是在活动实例的基础上根据活动实例处理的。例如，可以使用模型来处理有序集合的第一活动实例的特征，后续是有序集合的第二活动实例的特征，等等。然后，通过处理集合的最终活动实例而生成的输出可以用作可行性分数。
在各种实施方式中，基于监督训练示例和/或半监督训练示例来训练用于生成可行性分数的机器学习模型。每个训练示例可以包括相应的活动实例集合的特征作为训练示例输入，并且可以包括标记可行性分数作为训练示例输出，该标记可行性分数指示相应的活动实例集合将被该组执行和/或被该组认为是令人满意的标记可能性。基于对应的训练示例输入的活动实例集合被审核并且被分配标签，可以生成一些训练示例输出的一些标签。基于接受对应的训练示例输入的活动实例集合的推荐的相应组的用户的实际行为和/或反馈，可以附加地或可替代地生成一些序列示例输出的一些标签。例如，给定训练示例的给定训练示例输出可以是基于接收到与给定训练示例的训练示例输入对应的活动实例集合的推荐的用户是否实际上接涉了集合的活动实例。例如，如果没有用户接涉活动实例，则可以分配相对“负面”的训练示例输出标签，诸如“0”或“0.1”，而如果有一个或多个(例如所有)用户接涉了活动实例，则可以分配相对“正面”的训练示例输出标签，诸如“1”或“0.9”。在得到相应用户的适当许可的情况下，基于用户对请求反馈的响应和/或基于对位置信号和/或来自响应用户的客户端装置的其它信号的考虑，可以做出这样的决定。作为另一个示例，给定训练示例的给定训练示例输出可以是基于由接收到与给定训练示例的训练示例输出对应的活动实例集合的推荐的用户(例如，响应于通过相应客户端装置呈现给用户的提示)提供的反馈。例如，提示“该组是否喜欢活动集合？”以及“不”、“有些喜欢”、“大部分喜欢”和“非常喜欢”等可选选项可以呈现给用户之一。如果选择“不”，则可以分配训练示例输出标签，诸如“0”，如果选择“有些喜欢”，则可以分配标签，诸如“0.3”，如果选择“大部分喜欢”，则可以选择标签，诸如“0.6”，并且如果选择“非常喜欢”，则可以分配标签，诸如“1”。
如上所述，基于相应的可行性分数选择一个或多个最终活动实例集合。最终集合可以是活动实例的考虑集合的子集。响应于选择了子集，使最终集合的表示被呈现给用户的组的用户。例如，表示可以在涉及用户的正在进行的多用户通信会话中呈现。例如，表示可以作为可选择的元素呈现给一个或多个用户，并且如果被一个或多个用户经由肯定用户界面输入选择，则可以合并到多用户通信会话的转录中。在那些实施方式中的一些中，响应于接收到涉及所呈现的表示之一的一个或多个肯定用户界面输入，可以使组的用户的客户端装置呈现界面元素，当被选择时，该界面元素使客户端装置中的相应一个与远程计算机系统交互，以确认所呈现的表示之一的集合的一个或多个活动实例。例如，响应于接收到涉及所呈现的表示之一的一个或多个肯定用户界面输入，可以使组的用户的客户端装置呈现界面元素，当被选择时，该界面元素使客户端装置中的相应一个与远程计算机系统交互，以获得“电影”活动实例的电子电影票。客户端装置中的相应一个可以以对客户端装置定制的方式与远程计算机系统交互。例如，给定客户端装置可以使用给定客户端装置的用户的地址信息、支付信息和/或其它信息来获得电子电影票。
上面提供的是本文中所公开的一些实施方式的概述。下面提供了对这些和其它实施方式的进一步的描述。
在一些实施方式中，提供了一种由一个或多个处理器执行的方法，该方法包括：基于一组用户中的一个或多个用户的用户界面输入确定活动类型合集。活动类型合集至少包括第一活动类型和第二活动类型。方法进一步包括：为活动类型合集中的每一个活动类型选择一个或多个活动实例。为活动类型合集中的每一个活动类型选择一个或多个活动实例是基于用户中的每一个的偏好指标，并且活动实例包括第一活动类型的多个活动实例和第二活动类型的多个活动实例。方法进一步包括：生成多个活动实例集合，其中，活动实例的集合中的每一个包括活动类型中的每一个的活动实例中的对应的一个。对于活动实例集合中的每个活动实例集合，方法进一步包括：使用经训练的机器学习模型对活动实例集合的相应特征进行处理以为活动实例集合生成相应的可行性分数。方法进一步包括：基于可行性分数选择活动实例集合的子集，其中，子集至少包括活动实例的给定集合。方法进一步包括：响应于选择，使至少一个用户的至少一个客户端装置呈现活动实例的给定集合的表示。
技术的这些和其它实施方式可以可选地包括以下特征中的一个或多个。
在一些实施方式中，提供用户界面输入作为一组用户之间正在进行的通信会话的部分。在那些实施方式中的一些中，在不在正在进行的通信会话中的转录中呈现表示的情况下，发生使至少一个客户端装置呈现活动实例的给定集合的表示。在那些实施方式的一些版本中，方法进一步包括：接收响应所呈现的表示的肯定用户界面输入；以及响应于接收到响应所呈现的表示的肯定用户界面输入：将活动实例的给定集合的表示或附加表示合并到正在进行的通信会话的转录中。
在一些实施方式中，使用经训练的机器学习模型处理的活动类型中的至少一个的活动实例的相应特征包括：定义活动实例的地理位置的位置特征和定义活动实例的一个或多个时间的时间特征。
在一些实施方式中，方法进一步包括：标识用户中的至少一个的位置指标，以及使用经训练的机器学习模型，对位置指标以及活动实例的有序集合中的每一个的相应特征都进行处理，以生成可行性分数。
在一些实施方式中，方法进一步包括：为活动实例的给定集合确定监督可行性分数，以及进一步使用训练示例对机器学习模型进行训练，该训练示例包括符合给定有序集合的相应特征的训练示例输入并且包括符合监督可行性分数的训练示例输出。在那些实施方式中的一些中，确定监督可行性是基于以下项中的一个或两个：(1)是否用户中的至少一个执行了活动实例的给定集合，以及(2)由用户中的至少一个响应于提示的呈现而提供的反馈，该提示索求关于活动实例的给定集合的反馈。
在一些实施方式中，提供了一种由一个或多个处理器实施的方法，该方法包括：确定正在进行的多用户通信会话的一个或多个消息指涉活动类型合集。这种确定是基于对正在进行的多用户通信会话的一个或多个消息的内容的处理，多个用户经由相应的客户端装置参与多用户通信会话，并且活动类型合集至少包括第一活动类型和第二活动类型。方法进一步包括：为活动类型合集中的每一个活动类型选择一个或多个活动实例。为活动类型合集中的每一个活动类型选择一个或多个活动实例是基于用户中的每一个的偏好指标，并且活动实例包括第一活动类型的多个活动实例和第二活动类型的多个活动实例。方法进一步包括：生成活动实例的多个有序集合，其中，活动实例的每一个有序集合包括活动类型中的每一个的活动实例中的对应的一个。对于有序的活动实例集合中的每个有序的活动实例集合，方法进一步包括：使用经训练的机器学习模型对活动实例的有序集合的相应特征进行处理以为有序的活动实例的有序集合生成相应的可行性分数。方法进一步包括：基于可行性分数选择活动实例的有序集合的子集，其中，子集至少包括活动实例的给定有序集合。方法进一步包括：响应于选择，使活动实例的给定有序集合的表示在客户端装置处呈现，作为多用户通信会话的部分。方法进一步包括：响应于接收到响应所呈现的表示的肯定用户界面输入的至少一个实例：使客户端装置中的每一个呈现相应的界面元素，当被选择时，该界面元素使客户端装置中的相应一个与至少一个远程计算机系统交互，以确认活动实例的给定有序集合的至少一个活动实例。客户端装置中的相应一个以对客户端装置中的相应一个所制定的方式与远程计算机系统交互，以确认客户端装置中的一个的相应用户的至少一个活动实例。
本文中所公开的技术的这些和其它实施方式可以可选地包括以下特征中的一个或多个。
在一些实施方式中，使用经训练的机器学习模型处理的至少一种活动类型的活动实例的相应特征包括：定义活动实例的地理位置的位置特征；和/或定义活动实例的一个或多个时间的时间特征。
在一些实施方式中，方法进一步包括：标识用户中的至少一个的位置指标，以及使用经训练的机器学习模型，对位置指标以及活动实例的有序集合中的每一个的相应特征都进行处理，以生成可行性分数。在那些实施方式中的一些中，活动实例中的每一个定义相应活动以及相应活动的相应时间信息，并且为活动类型中的每一个选择一个或多个活动实例包括：标识用户中的每一个的时间约束；以及基于该时间约束与冲突的活动实例的相应时间信息相匹配，从所选择的活动实例中排除冲突的活动实例。
在一些实施方式中，当被选择时，由一个客户端装置呈现的相应界面元素用活动实例中的至少一个的参数、安装在客户端装置中的每一个上的应用使客户端装置中的每一个启动。当启动时，应用使用参数与至少一个远程计算机系统交互，以确认活动实例的给定有序集合中的活动实例中的至少一个。
在一些实施方式中，方法进一步包括：为活动实例的给定有序集合确定监督可行性分数，以及进一步使用训练示例对机器学习模型进行训练，该训练示例包括符合给定有序集合的相应特征的训练示例输入并且包括符合监督可行性分数的训练示例输出。在那些实施方式中的一些中，确定监督可行性是基于以下项中的一个或两个：(1)是否用户中的至少一个执行了活动实例的给定有序集合，以及(2)由用户中的至少一个响应于提示的呈现而提供的反馈，该提示索求关于活动实例的给定有序集合的反馈。在那些实施方式的一些版本中，确定监督可行性分数是基于是否用户中的至少一个执行了活动实例的给定有序集合，并且方法进一步包括：基于用户中的至少一个的位置信息确定是否用户中的至少一个执行了活动实例的给定有序集合。
在一些实施方式中，方法进一步包括：在通信题绪中标识指定活动的指示；以及为指定活动确定附加活动类型，其中，为合集的活动类型中的每一个选择一个或多个活动实例包括：为附加活动类型选择一个或多个活动实例。在那些实施方式中的一些中，活动实例包括指定活动。
在一些实施方式中，为合集的活动类型中的每一个选择一个或多个活动实例包括：基于合集的活动类型的第一活动类型，生成多个第一候选活动实例；使用第二机器学习模型，对候选活动实例中的每一个的一个或多个相应特征和用户的偏好指标进行处理，为候选活动实例中的每一个生成相应批准分数，其中，给定候选活动实例的相应批准分数指示由多个用户基于用户的偏好指标对给定候选活动实例进行的整体批准；以及基于相应批准分数选择一个或多个候选活动实例。
另外，一些实施方式包括一个或多个处理器(例如中央处理单元(CPU))、图形处理单元(GPU)和/或一个或多个计算装置的张量处理单元(TPU)，其中，一个或多个处理器可被操作以执行存储在相关联的存储器中的指令，以及其中，指令被配置为执行前述方法中的任何一种。一些实施方式还包括一个或多个非暂时性计算机可读存储介质，该非暂时性计算机可读存储介质存储计算机指令，这些计算机指令可由一个或多个处理器执行以执行上述方法中的任何一种。
应当了解，前述概念和在本文中更详细地描述的附加概念的所有组合均被视为本文中所公开的主题的部分。例如，在本公开的末尾出现的要求保护的主题的所有组合被视为本文中所公开的主题的部分。
附图说明
图1是可以实施本文中所公开的实施方式的示例环境的框图。
图2图示了生成活动实例集合的示例。
图3图示了根据本文中所描述的实施方式的可以提供给用户的客户端装置的正在进行的多用户通信会话的示例图像用户界面。
图4图示了根据本文中所描述的实施方式的可以提供给用户的客户端装置的正在进行的消息传递流和活动实例建议集合的另一示例图形用户界面。
图5图示了根据本文中所描述的实施方式的确定活动实例集合的示例方法的流程图。
图6图示了计算装置的示例架构。
具体实施方式
参照图1，图示了可以实施本文中所公开的实施方式的示例环境的框图。示例环境包括多个客户端装置105和组活动引擎110。例如，客户端装置105可以包括以下项中的一个或多个：独立式声控扬声器装置、台式计算装置、膝上型计算装置、平板计算装置、移动电话计算装置、用户的车辆的计算装置和/或用户的包括计算装置的可穿戴设备(例如，用户的具有计算装置的手表、用户的具有计算装置的眼镜、虚拟或增强现实计算装置)。可以提供附加和/或替代客户端装置。
客户端装置105和组活动引擎110可以经由诸如互联网、局域网、广域网和/或一个或多个其它通信网络的一个或多个网络进行通信。在一些实施方式中，客户端装置105和/或组活动引擎110可以经由一个或多个附加组件进行通信。例如，客户端装置105中的一个可以经由远程服务器与第二客户端装置105进行通信，该远程服务器促进第一客户端装置和第二客户端装置105的一个或多个组件之间的通信。
客户端装置105可以各自包括对应的消息传递应用106。消息传递应用106允许用户参与正在进行的多用户通信会话。例如，通信会话可以是多用户文本消息(例如SMS)通信会话、多用户聊天通信会话、多用户电子邮件交换通信会话和/或允许多个用户提供可由会话的其它成员实时或近实时接收的文本和/或其它输入的一个或多个替代通信会话。例如，参照图3，图示了正在进行的多用户通信会话的示例图形用户界面(GUI)。对话框305包括来自被标记为“Alice”、“Bob”和“Chris”的三个用户的消息。当“Alice”经由消息传递应用106提交第一消息时，用户“Bob”和“Chris”经由在每个其他用户的相应客户端装置105上执行的消息传递应用106接收消息。随后，一个或多个其他用户(即用户“Bob”和“Chris”)可以回复第一消息，该第一消息随后经由消息传递应用106提供给每个用户。因此，正在进行的多用户通信会话允许组的用户在组内进行通信。
再次参照图1，在一些实施方式中，组活动110可以是消息传递应用106的组件，或否则与消息传递应用106交互。例如，当用户经由消息传递应用106参与通信会话时，会话的消息可以被提供给组活动引擎110的一个或多个组件。在一些实施方式中，组活动引擎110可以在远程服务器上执行，并且消息传递应用106可以如上所述经由通信网络将通信会话的消息提供给组活动引擎110的一个或多个组件。
消息分析器115分析通信会话的消息，以标识对活动类型的指涉，并且可选地标识包括在一个或多个消息中并且与活动类型相关联的时间信息。活动类型是对用户可能有兴趣参与的活动的一般类别的指涉。例如，时间指涉可以包括一周中的一天(例如星期一、星期二等)、具体日期(例如，9/1/18)、时间窗口(例如18:00至20:00)、具体时间(例如18:30)、相对于另一事件的相对时间(例如健身后、下班后)等，它们标识一个或多个活动类型的时间约束。例如，再次参照图3，用户“Alice”提交消息“Let’s go to a movie on Friday(让我们星期五去看电影吧)”。消息包括对“电影”的指涉，该指涉描述了活动的类型。进一步地，消息包括对“星期五”的指涉，该指涉描述了用户有兴趣执行活动的时间。基于消息(例如“Let’s go to a movie(让我们去看电影)”)的上下文，消息分析器115可以确定至少一个用户有兴趣与通信会话的其他用户参加电影(电影活动类型)。进一步地，消息分析器115可以基于消息的上下文为电影活动类型确定“这个星期五”的时间约束(例如将“星期五”解析为“这个星期五”)。同样，例如，用户“Chris”提供指示对吃晚餐感兴趣的消息，该消息由用户“Alice”确认。基于指涉和指涉的上下文，消息分析器115可以将“晚餐”标识为多个用户有兴趣执行的活动类型。进一步地，消息分析器115还可以为晚餐活动类型确定“这个星期五”的时间约束。
消息分析器115可以进一步包括自然语言处理器，该自然语言处理器可以处理自由形式的自然语言输出，并且基于自然语言输出生成带有注释的输出。例如，自然语言处理器可以处理由一个或多个用户在交谈题绪中提供的自然语言自由形式输入。生成的带有注释的输出可以包括自然语言输入的一个或多个注释并且可选地包括自然语言输入的一个或多个(例如全部)术语。
在一些实施方式中，自然语言处理器可以被配置为标识和注释自然语言输入中的各种类型的语法信息。例如，消息分析器115的自然语言处理器可以包括词性标注器(未示出)的部分，该词性标注器被配置为用其语法角色来注释术语。同样，例如，在一些实施方式中，自然语言处理器可以附加地和/或可替代地包括依存分析器(未示出)，该依存分析器被配置为确定自然语言输入中的术语之间的句法关系。
在一些实施方式中，消息分析器115可以附加地和/或可替代地包括实体标注器(未示出)，该实体标注器被配置为注释一个或多个段中的实体指涉，诸如，对人(包括例如文学人物、名人、公众人物等)、组织、位置(真实和虚构)、活动和/或活动类型等等的指涉。实体标注器可以将对实体的指涉注释为高粒度级别(例如，以实现对实体类(诸如活动类型)的所有指涉的标识)和/或低粒度级别(例如，以实现对特定实体(诸如特定餐厅)的所有指涉的标识)。实体标注器可以依赖自然语言输入的内容来解析特定实体，和/或可以可选地与知识图或其它实体数据库进行通信以解析特定实体。
在一些实施方式中，消息分析器115可以可选地和/或可替代地包括共指解析器(未示出)，该共指解析器被配置为基于一个或多个语境提示使对相同实体的指涉分组或“聚集”。例如，共指解析器可以用于将术语“there(那里)”解析为自然语言输入“I likedHypothetical Cafélast time we ate there(我很喜欢Hypothetical Café，上次我们吃饭的那里)”中的“Hypothetical Café”。参照图2，提供了示例，该示例说明了从通信会话205生成有序的活动实例集合。通信会话205可以与图3的对话框305中所示的消息共享一个或多个特性。通信会话被提供给消息分析器115。在一些实施方式中，通信会话205可以被定期提供给消息分析器115，诸如，一旦已经向通信会话提交了必要数量的消息。例如，用户可以向通信会话提交消息，并且一旦已经向会话提交了三条消息，消息可以被提供给消息分析器115。同样，例如，当消息被提交到通信会话时，可以将消息提供给消息分析器115。
消息分析器115基于通信会话305的消息确定活动类型。再次参照图3，从诸如图3的通信对话305的消息通信中标识“晚餐”210和“电影”215的消息类型。标识的活动类型被提供给组活动引擎110的活动选择引擎120。活动选择引擎120为每个提供的活动类型提供每个活动类型的一个或多个活动实例。例如，再次参照图3，活动选择引擎120选择基于晚餐活动类型210的晚餐活动220的集合和基于电影活动类型215的电影活动实例225的集合。在一些实施方式中，活动实例可以是基于本文中所描述的时间信息(例如，基于在某个日期和/或在某个时间窗口中播放的电影来选择电影活动实例225，该日期和该时间窗口在消息中被指示为时间约束)和/或用户的一个或多个偏好指标来选择的。例如，用户偏好可以从用户偏好的一个或多个数据库中标识，并且偏好可以被用于标识相应活动类型的候选活动偏好。再次参照图2，晚餐活动实例是为通信会话205的用户组选择的。如所示的，“Joe的牛排馆”、“墨西哥卷饼”和“德克萨斯州烧烤”的晚餐活动实例已经被活动选择引擎120选择。活动实例可以基于例如每个活动实例的食物类型和每个活动类型的菜肴类型的一个或多个用户偏好来选择。例如，会话的用户的用户偏好可以指示用户有兴趣在牛排馆(即Joe的牛排馆)用餐、在墨西哥餐厅(即墨西哥卷饼)用餐和/或在烧烤店(即德克萨斯州烧烤)用餐。用户偏好可以基于例如一个或多个用户以前对位置的访问、一个或多个用户所提交的搜索和/或用户的偏好的一个或多个其它指示来标识。
作为示例，该组的每个用户可能与对该用户独特的偏好指标的集合相关联。每个偏好指标可以指示用户对活动实例的一个或多个特征的兴趣。例如，对于“晚餐”的活动类型，各个活动实例可以被标识，这些活动实例各自与菜肴类型(例如意大利、墨西哥、牛排馆)相关联。在一些实施方式中，一个或多个用户的偏好指标可以包括指示对特定菜肴的兴趣程度的指标。例如，用户可能与偏好指标相关联，该偏好指标指示对许多类型的菜肴的排序和/或对多个菜肴中的每一种的评级。在一些实施方式中，用户可能与“喜欢”的菜肴的子集和“不喜欢”的菜肴的集合相关联。例如，用户可能与喜欢的菜肴的包括“意大利”和“海鲜”的菜肴子集和不喜欢的菜肴的包括“烧烤”的菜肴子集相关联。
在一些实施方式中，消息分析器115可以从一个或多个用户标识消息，其中，消息指示对执行一个或多个活动的兴趣，但是不指定特定活动。例如，消息分析器115可以标识来自用户的消息，该消息包括“Let’s do something on Friday(让我们在星期五做一些事情)”，而不是要执行的特定活动的指示。基于消息，消息分析器115可以确定该组有兴趣执行一个或多个活动(例如，基于“Let’s do something(让我们做一些事情)”)，并且可以可选地确定一个或多个活动的日期(例如，基于“星期五”)。进一步地，消息分析器115可以使提示被呈现给一个或多个用户(例如指示“让我们在星期五做一些事情”的用户)，以征求关于该组可能有兴趣执行的活动的进一步消息。例如，消息分析器115可以提供界面以允许用户选择一个或多个活动类型、一个或多个活动，和/或否则允许用户提供关于感兴趣的一个或多个活动的附加细节。在一些实施方式中，消息分析器115可以附加地或可替代地主动为一个或多个活动提供推荐，诸如基于组的用户的偏好指标而选择的活动的推荐。例如，消息分析器115可以为在地理上接近该组的用户和与该组的用户的一个或多个偏好指标匹配的流行事件提供推荐。例如，推荐可以被提供作为可选择的推荐，该可选择的推荐要作为以前提到的界面的部分被呈现。例如，响应于“让我们在星期五做一些事情”，消息分析器115可以向界面提供一个或多个可选择的推荐，当被选择时，该可选择的推荐添加推荐作为固定活动实例。界面可以可选地包括元素以使用户能够提供关于其它活动实例和/或活动类型的附加细节。
再次，参照图2，为一组用户选择电影的多个电影实体实例225。基于例如标识用户以前参加的电影、用户从在客户端装置105上执行的一个或多个应用购买的电影票、标识出现在电影院位置的与该位置的电影持续时间一致的用户和/或用户出现在特定种类的电影中的一个或多个其它指示，可以标识活动实例225的电影活动实例。
在一些实施方式中，活动选择引擎120可以为每种活动类型生成多个候选活动实例，并且将每个候选活动实例提供给机器学习模型以确定每个活动实例的批准分数。例如，机器学习模型可以接收该组的每个用户的偏好指标和多个生成的活动实例作为输入，每个生成的活动实例与一个或多个特征(例如位置、种类、菜肴、主题)相关联。活动选择引擎120使用机器学习模型对候选集合的每个活动实例进行处理，以基于偏好指标确定批准分数，该批准分数指示该组的用户对给定活动实例的整体批准。基于批准分数，活动选择引擎120选择一个或多个候选活动实例，以将其排序到有序的活动实例集合中。
例如，再次参照图2，活动选择引擎120可以选择候选晚餐活动实例220。如所示的，选择三个活动实例：Joe的牛排馆，其可能与“牛排菜肴”特征相关联；墨西哥卷饼，其可能与“墨西哥菜肴”特征相关联；以及德克萨斯州烧烤，其可能与“烧烤菜肴”特征相关联。该组的每个用户可以与偏好指标相关联，并且对于一个或多个用户，一个或多个指标可以指示用户对一个或多个菜肴的兴趣和/或偏好。活动选择引擎120可以对偏好指标和候选活动实例进行处理，以生成每个活动实例的批准分数，并且为每个活动类型选择子集。因此，虽然所有晚餐活动实例220被用来生成图2中的有序的活动实例集合，但是活动选择引擎120可以选择附加的候选活动实例，对附加实例进行评分，并且只选择图2中所示的三个。
在一些实施方式中，基于每个用户的偏好指标，可以为每个活动实例生成分数，并且可以对每个活动实例的分数(其中，每个分数都是特定于相应用户)进行组合(例如平均)以为每个实体实例生成总分数。同样，例如，基于表示所有用户的组合偏好指标(基于组合所有用户的偏好指标)，可以为每个活动实例生成分数，并且可以利用每个活动实例的分数作为每个活动实例的总分数。然后可以利用活动实例的总分数来为例如“晚餐”活动类型选择活动实例。
在一些实施方式中，对于每个活动实例的生成的分数可以附加地或可替代地是基于从一个或多个其它源标识的指标。例如，活动实例的分数可以是至少部分基于以下项中的一个或多个：由另一组用户所提供的活动实例的评级(例如星级、数字和/或用户群体作为反馈提供的其它评级，该用户群体包括除了活动计划的组的用户之外的用户)、在最近媒体中提到活动实例的频率、指示活动实例在用户群体当中如何受欢迎的基于位置数据的指标和/或对特定活动实例的流行度的其它指示。
在一些实施方式中，对于活动实例的生成的分数可以附加地或可替代地是基于标识与该组的用户相关联的一个或多个其它用户和确定一个或多个其他用户已经执行了活动。例如，通过与消息题绪应用相同的应用或通过替代应用，作为消息题绪的成员的“Bob”可能与“Dave”(不是消息题绪的部分的用户)相关联。活动实例的分数可以是基于标识“Dave”已经经由社交媒体上的帖子执行了活动、用活动实例位置标记的照片和/或“Dave”已经执行了活动实例的其它指示。可选地，分数可以是基于“Dave”已经执行了活动和“Bob”已经指示对“Dave的”执行活动有兴趣(例如，通过查看帖子和/或照片、对帖子和/或照片的肯定喜欢等)。
一旦为每种活动类型都选择了活动实例，就生成活动实例集合。在一些实施方式中，集合可以按顺序排序，使得对于给定集合，集合的第一活动实例将首先由组执行，然后是每个后续活动实例。在一些实施方式中，活动实例集合可能未被排序，并且活动实例可以按任何顺序执行。每个集合包括由活动选择引擎120标识的每种类型的一个活动实例。例如，活动选择120可以标识晚餐活动类型和电影活动类型。活动引擎120可以选择一个或多个晚餐活动实例220和一个或多个电影活动实例225，如图2所示。
如图2所示，生成活动实例集合。生成的有序集合包括由活动选择引擎120标识的每种活动类型的活动实例。在一些实施方式中，第一有序集合可以按照与第二有序集合不同的顺序包括活动实例。例如，活动实例集合中的一个或多个可以包括后面跟着晚餐类型的电影活动类型，并且一个或多个有序的活动实例可以包括后面跟着电影活动类型的晚餐活动类型。
如图2所示，图示了三个有序的活动实例集合。集合230和集合235包括后面跟着电影活动实例的晚餐活动实例。集合240包括后面跟着晚餐实例的电影实例。每个有序集合包括电影实例和晚餐实例，并且被提供给活动评分引擎125。
如前所述，活动评分引擎125使用接收活动实例作为输入的机器学习模型对活动实例集合进行处理。使用机器学习模型，对每个有序集合进行处理，并且为每个有序集合确定可行性分数。基于每个集合的可行性分数，选择一个或多个集合作为活动实例集合的子集。例如，再次参照图2，将三个有序的活动实例集合提供给活动评分引擎125。活动评分引擎125可以对每个有序集合230、235、240进行评分，并且基于所生成的可行性分数选择一个或多个有序集合。
在一些实施方式中，集合的活动实例的一个或多个特征可以用于为集合生成可行性分数。例如，一个或多个活动实例可以包括指示活动的位置的一个或多个位置特征。位置信息可以包括街道地址、GPS位置、活动的路径，该路径可以包括非本地化活动(例如自行车骑行活动)的开始位置和结束位置。在一些实施方式中，一个或多个活动实例可能与活动实例的一个或多个时间相关联。例如，晚餐活动实例可能与预约时间相关联，电影活动实例可能与电影开始和结束时间相关联，自行车骑行活动实例可能与大致完成时间相关联，和/或博物馆活动实例可能与博物馆开放和关闭时间或访问的预期持续时间相关联。因此，位置之间的距离和/或活动实例之间的时间差可以被提供给机器学习模型作为输入，并且被用来为集合生成可行性分数。
在一些实施方式中，一个或多个用户可能与位置指标相关联，当对有序集合进行处理以确定可行性分数时，该位置指标可以作为输入被提供。例如，每个用户可能与“家庭”位置相关联，并且一个或多个活动实例集合的可行性分数可以基于用户与一个或多个活动实例的距离来生成。作为示例，从指示用户中的一个长驾驶的位置特征的活动实例开始的有序集合可能具有生成的可行性分数，该可行性分数指示与包括距离所有用户较近的活动实例的有序集合相比对组不太感兴趣。
在一些实施方式中，一个或多个用户可能与一个或多个时间约束相关联，该时间约束可以防止给定用户参与集合的一个或多个活动实例。例如，用户可以具有日历条目，该日历条目指示从下午4:00到下午5:00的先前约会。活动选择引擎120可以排除具有与用户不可用的时间段冲突的时间特征的任何活动。同样，例如，在通信题绪的过程中，一个或多个用户可以指示用户不可用的一个或多个时间，活动选择120可以排除与此时间冲突的任何活动实例。
一旦选择一个或多个集合作为子集以提供给用户，活动实例集合的表示被提供给用户的客户端装置以由诸如图1的辅助应用107的应用呈现。集合的每个活动实例与由活动选择引擎120标识的一个或多个有序集合相关联。在一些实施方式中，集合的每个活动实例与活动选择引擎120所选择的活动类型之一相关联。例如，有序的活动实例230集合包括活动类型“晚餐”的活动实例(即“墨西哥卷饼”)和“电影”的所选活动类型(即“恐怖电影”)。在一些实施方式中，集合的一个或多个活动实例可能与多个活动类型相关联。例如，有序集合可以包括“博物馆1”的活动实例，该活动实例是活动类型“博物馆”，但是附加地具有关于自行车的展览。因此，可以选择“博物馆1”的活动实例作为有序集合的活动实例，该有序集合既是“博物馆”活动类型，也是“自行车”活动类型。
在一些实施方式中，呈现一个或多个有序集合作为多用户通信会话的部分。例如，消息传递应用106可以呈现活动实例的给定有序集合的表示。再次参照图3，图示了有序的活动实例集合的表示310。表示310包括两个活动实例：电影(恐怖电影1)和晚餐(Joe的牛排馆)。进一步地，表示310包括活动实例的特征。例如，对于电影活动实例，表示310包括电影的时间和电影院位置。在一些实施方式，可以为活动类型提供附加和/或替代特征，诸如主题、物理地址、与活动实例相关的特殊事件(例如在博物馆的特殊展览)和/或可以帮助用户决定是否执行活动实例或拒绝有序的活动实例集合的任何其它附加特征。
附加地，表示310包括选择器以允许用户指示有兴趣执行附加动作。如所示的，表示310包括询问用户是否应当为电影活动实例购买电影票的提示。如果用户指示有兴趣购买电影票，则应用引擎130以为用户的客户端装置所定制的方式与一个或多个远程计算机系统进行交互，以确认购买由表示310的电影活动实例指示的电影的电影票。例如，应用引擎130可以与和电影院电影票销售实体相关联的远程计算机进行交互，并且当她指示有兴趣在“Alice”的客户端装置上购买电影票时，专门为“Alice”购买电影票，并且当“Bob”指示有兴趣购买电影票，但是为“Bob”定制时(例如，使用“Bob”的支付信息、以“Bob”的名称预定电影票、基于“Bob”的偏好购买特定数量的电影票)，应用引擎130可以与同一远程计算机交互。在一些实施方式中，应用引擎130可能不存在，并且客户端装置可能直接与远程计算机进行交互。
在一些实施方式中，在将一个或多个活动集合的表示提供给一组用户之后，经由附加消息和/或其它用户界面输入，基于由一个或多个用户提供的反馈，可以更新活动集合。例如，可以提供活动实例集合，该活动实例集合包括特定电影、意大利餐厅的晚餐和对博物馆的参观，如本文中所描述的。活动实例集合可以经由图3所示的界面被提供，并且在提供了活动实例集合之后，用户可以提交消息“I’d like to see that movie,but I don’t want Italian food(我想看那部电影，但不想吃意大利菜)”。基于用户反馈，活动选择引擎120可以确定不包括具有“意大利”的菜肴类型的晚餐活动实例的附加和/或替代活动集合。例如，活动选择引擎120可以保持对博物馆的参观和特定电影固定，但是建议替代餐厅(即，没有“意大利”的菜肴类型的餐厅)。作为另一示例，在经由界面提供活动实例集合之后，用户可以与界面交互，以移除集合的一个或多个活动实例，使集合的一个或多个活动实例的替代被呈现，等等。例如，用户可以选择集合的活动实例中的一个来查看活动实例中的所选的活动实例的替代。
在一些实施方式中，如上所述，可以为提供给一组用户的一个或多个活动实例提供监督可行性分数。所提供的有序集合的监督可行性分数基于来自一个或多个用户的反馈指示有序集合的实际可行性。在一些实施方式中，监督可行性分数可以是基于至少一个用户是否执行了有序的活动实例集合。例如，一个或多个用户的客户端装置可以提供用户的位置信息，并且组活动引擎110的一个或多个组件可以标识，在与活动实例相关联的时间内，用户不在有序集合的活动实例附近(例如，在有序集合的电影活动实例的放映期间，不在电影院附近)。在一些实施方式中，一个或多个用户可以在通信题绪中指示，用户无法执行有序集合的一个或多个活动实例或对执行有序集合的一个或多个活动实例不感兴趣。例如，再次参照图3，在通信框320中，“Chris”指示他无法参加所提供的有序集合的电影活动实例。因此，可以为所提供的有序集合确定监督可行性分数，该监督可行性分数指示所提供的有序集合不完全满足组。在一些实施方式中，经由消息传递应用106或另一应用，可以提示一个或多个用户对所提供的有序的活动实例集合的适用性进行评级或表征。一个或多个用户的响应可以用于为所提供的有序集合确定监督可行性分数。
一旦为所提供的有序集合确定了监督可行性分数，集合的活动实例和监督可行性分数可以被用于对机器学习模型进行进一步训练。例如，有序集合最初可能已经具有0.9的可行性分数，如通过活动集合评分引擎125确定的。然而，基于来自一个或多个用户的反馈，确定0.6的监督可行性分数(例如，一个或多个用户没有参加活动实例，指示一个或多个用户不可接受有序集合)。然后，可以利用监督可行性分数和有序集合对机器学习模型进行进一步训练，因此，对于随后的有序集合，产生的所选择的有序集合更有可能被一个或多个组接受。
图4图示了正在进行的消息传递流和活动实例建议集合的另一示例图形用户界面，该正在进行的消息传递流和活动实例建议集合可以根据本文中所描述的方法被提供给用户的客户端装置。图形界面包括可以与图3的对话框305共享一个或多个特性的对话框405。在对话框405中，“Alice”建议参加电影和吃晚餐，但是并没有指定活动的日期和/或时间。基于消息分析器标识已经建议了活动，向一个或多个用户提供提示410，以允许用户指示对所提供的活动实例集合感兴趣。进一步地，消息分析器115可以标识，在交谈题绪中已经应用了活动，但是可能需要活动的附加细节以向活动实例集合提供组。因此，一旦用户中的一个指示对所提供的活动实例集合感兴趣，向一个或多个用户提供时间输入框415，以提供关于用户对执行所指涉的活动有兴趣的时间的附加信息。在一些实施方式中，输入框415可以包括附加和/或替代字段，以允许用户提供附加信息，如用于指示位置的字段。一旦提供了附加信息，将一个或多个有序的活动实例集合420提供给用户，如关于图3所描述的。
在一些实施方式中，对话框405可能不存在，并且图4的一个或多个附加特征可能经由独立应用实施。例如，用户可以通过打开在客户端装置105上执行的应用来指示对提供的活动实例集合感兴趣。经由应用，用户可以指示活动的时间帧、一个或多个活动类型、可能参与活动的一个或多个附加用户和/或可以被组活动引擎130的一个或多个组件用来提供一个或多个活动实例集合的附加信息。
图5图示了根据本文中所描述的实施方式的确定有序的活动实例集合的示例方法的流程图。图5的步骤可以由诸如客户端装置的一个或多个处理器的一个或多个处理器执行。其它实施方式可以包括图5所示的步骤之外的附加步骤，可以按照不同的顺序和/或并行执行图5的步骤，和/或可以省略图5的一个或多个步骤。
在步骤505中，从多用户通信题绪的消息中确定对活动类型的合集的指涉。指涉可以由与消息分析器115共享一个或多个特性的组件确定。在一些实施方式中，一个或多个活动实例可以基于一个或多个消息中的指涉来确定。例如，活动类型(例如“晚餐”)可以在消息中指涉和/或具体餐厅可以在一个或多个消息中指涉。
在步骤510中，为每个指涉的活动类型选择一个或多个活动实例。活动实例可以由与活动选择引擎120共享一个或多个特性的组件选择。在一些实施方式中，活动选择引擎120可以利用机器学习模型，基于该组的用户的偏好指标来选择一个或多个活动实例。例如，对于“晚餐”的活动类型，可以基于用户菜肴偏好、过去去过的一个或多个餐厅和/或餐厅中的用户偏好的一个或多个其它指示来选择一个或多个餐厅。
在步骤515中，生成活动实例集合。基于例如与每个活动实例相关联的时间、活动实例的位置和/或活动实例的一个或多个其它特征，可以可选地对活动实例集合进行排序。每个集合包括在通信题绪的消息中指涉的每个活动类型的一个活动实例。例如，对“晚餐”、“电影”和“远足”的指涉可以在通信题绪中指涉，并且每个集合可以包括一个电影活动实例、一个晚餐活动实例和一个远足活动实例。
在步骤520中，分别对集合进行处理，以生成每个集合的可行性分数。可行性分数可以由与活动集合评分引擎125共享一个或多个特性的组件生成。活动集合评分引擎125可以利用机器学习模型，基于例如集合的活动实例的一个或多个特征来生成可行性分数。例如，集合的一个或多个活动实例可能与时间特征、位置特征和/或指示对活动实例的用户批准的批准分数(如通过活动选择引擎120所生成的)相关联。在一些实施方式中，一个或多个用户偏好指标可以用于生成可行性分数。例如，活动实例集合的可行性分数可以是基于用户“家庭”位置与一个或多个活动实例之间的距离和/或一个或多个用户的可用性和一个或多个活动实例的时间特征。
在步骤525中，基于每个集合的可行性分数选择活动实例集合的子集。例如，可以选择子集，该子集包括具有满足阈值的可行性分数的集合、预定数量的集合和/或具有最高可行性分数的单个集合。
在步骤530中，在用户的客户端装置处呈现集合的子集的表示。表示可以包括集合的活动实例的一个或多个特征。例如，集合的表示可以包括每个活动实例的名称(或其它标识符)、时间、位置和/或关于活动实例的其它信息。在一些实施方式中，可以提示一个或多个用户以选择是否在将集合提供给用户之前提供一个或多个集合，例如，如图4所示。
在步骤535中，通过每个客户端装置呈现界面，该界面允许每个用户以对特定用户所制定的方式与远程计算机交互。例如，可以提示每个用户购买电影的电影票，该电影是由客户端装置呈现的活动实体集合中的一个的活动实例。每个用户可以选择经由与售票商相关联的远程计算机购买电影票，并且一旦确认，便利用用户的支付信息购买电影票。
图6是可以可选地用于执行本文中所描述的技术的一个或多个方面的示例计算装置610的框图。计算装置610通常包括至少一个处理器614，其经由总线子系统612与多个外围装置通信。这些外围装置可以包括例如包括存储器子系统625和文件存储子系统626的存储子系统624、用户界面输出装置620、用户界面输入装置622和网络界面子系统616。输入装置和输出装置允许用户与计算装置610交互。网络界面子系统616将界面提供给外部网络并且耦合至其它计算装置中的对应界面装置。
用户界面输入装置622可以包括键盘、诸如鼠标、轨迹球、触摸板或图形输入板的指向装置、扫描仪、并入显示器中的触摸屏、诸如语音识别系统、麦克风和/或其它类型的输入装置的音频输入装置。一般而言，术语“输入装置”的使用旨在包括将信息输入计算装置610中或输入通信网络上的所有可能类型的装置和方式。
用户界面输出装置620可以包括显示子系统、打印机、传真机或非可视显示器，诸如音频输出装置。显示子系统可以包括阴极射线管(CRT)、诸如液晶显示器(LCD)的平板装置、投影装置或用于创建可见图像的一些其它机构。显示子系统还可以提供非可视显示器，诸如，经由音频输出装置。一般而言，术语“输出装置”的使用旨在包括将来自计算装置610的信息输出到用户或另一机器或计算装置的所有可能类型的装置和方式。
存储子系统624存储编程和数据结构，其提供本文中所描述的模块中的一些或全部的功能。例如，存储子系统624可以包括逻辑以执行本文中所描述的方法的所选方面并且实施图1中所描绘的各个组件。
这些软件模块通常由处理器614单独或与其它处理器组合执行。用于存储子系统624的存储器625可以包括多个存储器，其包括用于在程序执行期间存储指令和数据的主随机存取存储器(RAM)630以及存储固定指令的只读存储器(ROM)632。文件存储子系统626可以为程序和数据文件提供永久存储，并且可以包括硬盘驱动器、软盘驱动器以及相关联的可移动媒体、CD-ROM驱动器、光盘驱动器或可移动媒体墨盒。实施某些实施方式的功能的模块可以由文件存储子系统624存储在存储子系统824或可由处理器614访问的其它机器中。
总线子系统612提供用于使计算装置610的各个组件和子系统按照预期彼此通信的机构。虽然总线子系统612被示意性地示出为单个总线，但是总线子系统的替代实施方式可以使用多个总线。
计算装置610可以有各种类型，其包括工作站、服务器、计算集群、刀片式服务器、服务器群或任何其它数据处理系统或计算装置。由于计算机和网络的性质多变，所以为了说明一些实施方式的目的，图6中所描绘的计算装置610的描述旨在仅作为具体示例。计算装置610的许多其它配置可能具有比图6中所描绘的计算装置更多或更少的组件。
在本文中所讨论的某些实施方式可以收集或使用关于用户的个人信息(例如，从其它电子通信提取到的用户数据、关于用户的社交网络的信息、用户的位置、用户的时间、用户的生物特征信息、以及用户的活动和人口统计信息、用户之间的关系等)的情况下，向用户提供控制是否收集信息、是否存储个人信息、是否使用个人信息、以及如何收集、存储和使用关于用户的信息的一个或多个机会。也就是说，本文中所讨论的系统和方法仅在接收到来自这样做的相关用户的显式授权时收集、存储和/或使用用户个人信息。
例如，向用户提供对程序或特征是否收集关于该特定用户或与程序或特征相关的其它用户的用户信息的控制。向个人信息将要被收集的每个用户呈现一个或多个选项，以允许对与该用户相关的信息收集的控制，以提供关于是否收集信息和关于要收集信息的哪些部分的许可或授权。例如，可以通过通信网络向用户提供一个或多个这样的控制选项。另外，在存储或使用某些数据之前，可以按照一种或多种方式来处理某些数据，从而删除个人可识别信息。作为一个示例，可以对用户的身份进行处理，从而无法确定个人可识别信息。作为另一示例，可以将用户的地理位置泛化到更大的区域，从而无法确定用户的具体位置。
虽然在本文中已经描述和图示了多种实施方式，但是可以利用用于执行功能和/或获得结果和/或本文中所描述的优点中的一个或多个优点的各种其它装置和/或结构，并且认为这种变化和/或修改中的每一种都在本文中所描述的实施方式的范围内。更一般而言，本文中所描述的所有参数、大小、材料和配置都意味着示例性的，并且实际参数、大小、材料和/或配置将取决于使用了一个/多个教导的一个或多个具体应用。本领域的技术人员将认识到，或者能够确定仅仅使用常规实验，本文中所描述的具体实施方式的许多等同物。因此，要理解，前述实施方式仅以示例的方式呈现，并且在所附权利要求书及其等同物的范围内，可以实践除了具体描述和要求保护的实施方式之外的实施方式。本公开的实施方式涉及本文中所描述的各种单独特征、系统、物品、材料、套件和/或方法。另外，如果这些特征、系统、物品、材料、套件和/或方法并非相互矛盾，则两个或两个以上的这样的特征、系统、物品、材料、套件和/或方法的任何组合都包括在本公开的范围内。

Claims (20)

1.一种由一个或多个处理器实现的方法，所述方法包括：
确定用户的用户输入指涉多个活动类型，
其中，所述确定是基于对所述用户输入的内容的处理，以及
其中，所述多个活动类型包括第一活动类型和第二活动类型；
基于所述用户的偏好指标来选择所述第一活动类型和所述第二活动类型的一个或多个活动实例；
生成所述活动实例的多个有序集合，其中，所述活动实例的所述多个有序集合中的每一个有序集合包括所述第一活动类型和所述第二活动类型中的每一个的所述活动实例中的对应一个活动实例；
对于所述活动实例的所述多个有序集合中的所述活动实例的每一个有序集合：
基于与所述活动实例中的每一个活动实例相关联的特征来确定可行性分数；
基于所述可行性分数来选择所述多个有序集合中的子集，所述子集包括所述活动实例的至少给定有序集合；
响应于所述选择而使至少所述给定有序集合的表示在所述客户端装置处呈现；和
响应于接收到对所述子集中的给定有序集合的选择：
使所述客户端装置在确认所述给定有序集合的至少对应第一活动实例和对应第二活动实例时与至少一个远程计算机系统交互。
2.根据权利要求1所述的方法，其中，所述多个活动类型中的至少一个活动类型的所述活动实例的相应特征包括定义所述活动实例的地理位置的位置特征，并且其中，确定所述活动实例的所述多个有序集合中的每一个有序集合的所述可行性分数包括基于对应活动实例的所述位置特征来确定相应有序集合的所述可行性分数。
3.根据权利要求2所述的方法，进一步包括：
标识所述用户中的至少一个用户的位置指标，其中，确定所述活动实例的所述多个有序集合中的每一个有序集合的所述可行性分数包括基于所述用户与所述相应活动实例中的至少一个的所述地理位置的接近度来确定相应有序集合的所述可行性分数。
4.根据权利要求1所述的方法，其中，所述多个活动类型中的至少一个活动类型的所述活动实例的相应特征包括时间特征，所述时间特征定义所述活动实例的时间，并且其中，确定所述活动实例的所述多个有序集合中的每一个有序集合的所述可行性分数包括基于对应活动实例的所述时间特征来确定执行相应有序集合中的所述活动实例的可行性。
5.根据权利要求4所述的方法，进一步包括：
标识所述用户中的至少一个用户的时间约束指标，其中，确定所述活动实例的所述多个有序集合中的每一个有序集合的所述可行性分数包括基于所述用户中的至少一个用户的所述时间约束指标来确定所述用户执行相应有序集合中的所述活动实例的可行性。
6.根据权利要求5所述的方法，其中，所述用户中的所述一个用户的所述时间约束指标是从所述用户中的所述一个用户的电子日历中标识的。
7.根据权利要求1所述的方法，进一步包括：
在所述通信题绪中标识指定活动的指示；以及
为所述指定活动确定附加活动类型，其中，为所述多个活动类型中的每一个活动类型选择一个或多个活动实例包括：为所述附加活动类型选择一个或多个活动实例。
8.根据权利要求7所述的方法，其中，所述活动实例包括所述指定活动。
9.根据权利要求1所述的方法，其中，所述用户输入是作为一组用户之间正在进行的通信会话的部分被提供的。
10.根据权利要求9所述的方法，其中，在不在所述正在进行的通信会话中的转录中呈现所述表示的情况下，发生使所述至少一个客户端装置呈现活动实例的所述给定集合的所述表示。
11.一种由一个或多个处理器实现的方法，所述方法包括：
基于一组用户的一个或多个用户的用户界面输入确定活动类型的合集，其中，所述活动类型的合集至少包括第一活动类型和第二活动类型；
为所述合集中的每一个活动类型选择一个或多个活动实例，其中，为所述合集中的每一个活动类型选择所述一个或多个活动实例是基于所述用户中的每一个的偏好指标，以及其中，所述活动实例包括所述第一活动类型的多个活动实例和所述第二活动类型的多个活动实例；
生成所述活动实例的多个集合，其中，所述活动实例的所述多个集合中的每一个集合包括所述合集中的每一个活动类型的所述活动实例中的对应一个活动实例；
对于所述活动实例的所述多个集合中的所述活动实例的每个集合：
基于与所述活动实例中的每一个活动实例相关联的特征来生成可行性分数；
基于所述可行性分数来选择所述活动实例的所述多个集合中的子集，所述子集至少包括所述活动实例的给定集合；以及
响应于所述选择而使至少一个所述用户的至少一个客户端装置呈现所述活动实例的所述给定集合的表示。
12.根据权利要求11所述的方法，其中，所述用户界面输入是作为所述一组用户之间正在进行的通信会话的部分而被提供的。
13.根据权利要求12所述的方法，其中，在不在所述正在进行的通信会话中的转录中呈现所述表示的情况下，发生使所述至少一个客户端装置呈现所述活动实例的所述给定集合的所述表示。
14.根据权利要求11所述的方法，进一步包括：
接收响应被呈现的所述表示的肯定用户界面输入；以及
响应于接收到响应被呈现的所述表示的肯定用户界面输入：
将所述表示或所述活动实例的所述给定集合的附加表示合并到所述正在进行的通信会话的转录中。
15.根据权利要求11所述的方法，其中，所述合集中的至少一个活动类型的所述活动实例的相应特征包括定义所述活动实例的地理位置的位置特征，并且其中，确定所述活动实例的所述多个集合中的每一个集合的所述可行性分数包括基于对应活动实例的所述位置特征来确定相应有序集合的所述可行性分数。
16.根据权利要求15所述的方法，还包括：
标识至少一个所述用户的位置指标，其中，确定所述活动实例的所述多个集合中的每一个集合的所述可行性分数包括基于所述用户与所述相应活动实例中的至少一个的所述地理位置的接近度来确定相应集合的所述可行性分数。
17.一种系统，所述系统包括一个或多个处理器和存储指令的存储器，所述指令响应于由所述一个或多个处理器执行所述指令而使所述一个或多个处理器执行以下操作：
基于一组用户的一个或多个用户的用户界面输入确定活动类型的合集，其中，所述活动类型的合集至少包括第一活动类型和第二活动类型；
为所述合集中的每一个活动类型选择一个或多个活动实例，其中，为所述合集中的每一个活动类型选择所述一个或多个活动实例是基于所述用户中的每一个的偏好指标，以及其中，所述活动实例包括所述第一活动类型的多个活动实例和所述第二活动类型的多个活动实例；
生成所述活动实例的多个集合，其中，所述活动实例的所述多个集合中的每一个集合包括所述合集中的每一个活动类型的所述活动实例中的对应一个；
对于所述活动实例的所述多个集合中的所述活动实例的每个集合：
基于与所述活动实例中的每一个活动实例相关联的特征来生成可行性分数；
基于所述可行性分数来选择所述活动实例的所述多个集合中的子集，所述子集至少包括所述活动实例的给定集合；以及
响应于所述选择而使至少一个所述用户的至少一个客户端装置呈现所述活动实例的所述给定集合的表示。
18.根据权利要求17所述的系统，其中，所述用户界面输入是作为所述一组用户之间正在进行的通信会话的部分而被提供的。
19.根据权利要求18所述的系统，其中，在不在所述正在进行的通信会话中的转录中呈现所述表示的情况下，发生使所述至少一个客户端装置呈现所述活动实例的所述给定集合的所述表示。
20.根据权利要求17所述的系统，其中，所述指令进一步包括用于执行以下操作的指令：
接收响应被呈现的所述表示的肯定用户界面输入；以及
响应于接收到响应被呈现的所述表示的肯定用户界面输入：
将所述表示或所述活动实例的所述给定集合的附加表示合并到所述正在进行的通信会话的转录中。
CN202211137479.4A 2018-08-22 2018-08-22 确定一组用户的活动实例集合的方法、设备和存储介质 Active CN115550304B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211137479.4A CN115550304B (zh) 2018-08-22 2018-08-22 确定一组用户的活动实例集合的方法、设备和存储介质

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201880094615.1A CN112335205B (zh) 2018-08-22 2018-08-22 确定一组用户的活动实例集合的方法、设备和存储介质
PCT/US2018/047616 WO2020040762A1 (en) 2018-08-22 2018-08-22 Automatically resolving, with reduced user inputs, a set of activity instances for a group of users
CN202211137479.4A CN115550304B (zh) 2018-08-22 2018-08-22 确定一组用户的活动实例集合的方法、设备和存储介质

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201880094615.1A Division CN112335205B (zh) 2018-08-22 2018-08-22 确定一组用户的活动实例集合的方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN115550304A true CN115550304A (zh) 2022-12-30
CN115550304B CN115550304B (zh) 2023-10-10

Family

ID=69591213

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202211137479.4A Active CN115550304B (zh) 2018-08-22 2018-08-22 确定一组用户的活动实例集合的方法、设备和存储介质
CN201880094615.1A Active CN112335205B (zh) 2018-08-22 2018-08-22 确定一组用户的活动实例集合的方法、设备和存储介质

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201880094615.1A Active CN112335205B (zh) 2018-08-22 2018-08-22 确定一组用户的活动实例集合的方法、设备和存储介质

Country Status (4)

Country Link
US (4) US11108889B2 (zh)
KR (2) KR102576179B1 (zh)
CN (2) CN115550304B (zh)
WO (1) WO2020040762A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115550304B (zh) 2018-08-22 2023-10-10 谷歌有限责任公司 确定一组用户的活动实例集合的方法、设备和存储介质
US11423078B2 (en) * 2018-12-20 2022-08-23 Google Llc Map search recommendation system based on image content analysis driven geo-semantic index

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060224938A1 (en) * 2005-03-31 2006-10-05 Google, Inc. Systems and methods for providing a graphical display of search activity
US20100223212A1 (en) * 2009-02-27 2010-09-02 Microsoft Corporation Task-related electronic coaching
WO2011088053A2 (en) * 2010-01-18 2011-07-21 Apple Inc. Intelligent automated assistant
CN106716472A (zh) * 2014-07-23 2017-05-24 通讯数字频道集团私人有限公司 用于运行营销活动的计算机实现方法和系统
US20170180294A1 (en) * 2015-12-21 2017-06-22 Google Inc. Automatic suggestions for message exchange threads
CN107430724A (zh) * 2015-05-11 2017-12-01 谷歌公司 活动触发

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060242232A1 (en) 2005-03-31 2006-10-26 International Business Machines Corporation Automatically limiting requests for additional chat sessions received by a particula user
US20100223341A1 (en) 2009-02-27 2010-09-02 Microsoft Corporation Electronic messaging tailored to user interest
US8843834B2 (en) * 2009-08-28 2014-09-23 Apple Inc. Method and apparatus for initiating and managing chat sessions
US9203796B2 (en) 2010-11-12 2015-12-01 Facebook, Inc. Messaging system with multiple messaging channels
US9122757B1 (en) * 2011-06-19 2015-09-01 Mr. Buzz, Inc. Personal concierge plan and itinerary generator
US8838436B2 (en) * 2012-07-25 2014-09-16 Aro, Inc. Labeling context slices to produce a storyline from mobile device data
US20160321560A1 (en) * 2015-04-30 2016-11-03 Microsoft Technology Licensing, Llc Opportunity surfacing machine learning framework
US20160358065A1 (en) * 2015-06-05 2016-12-08 Microsoft Technology Licensing, Llc Personally Impactful Changes To Events of Users
CN105205133A (zh) * 2015-09-15 2015-12-30 小米科技有限责任公司 信息收集方法和装置
US11429883B2 (en) * 2015-11-13 2022-08-30 Microsoft Technology Licensing, Llc Enhanced computer experience from activity prediction
US10769189B2 (en) * 2015-11-13 2020-09-08 Microsoft Technology Licensing, Llc Computer speech recognition and semantic understanding from activity patterns
US10331221B2 (en) * 2016-03-29 2019-06-25 SessionCam Limited Methods for analysing user interactions with a user interface
CN106302996B (zh) * 2016-07-29 2020-01-31 腾讯科技（深圳）有限公司 消息显示方法及装置
CN107809372A (zh) * 2016-09-08 2018-03-16 阿里巴巴集团控股有限公司 活动提醒消息的生成方法、活动提醒方法及装置
US11113721B2 (en) * 2017-07-25 2021-09-07 Adobe Inc. Dynamic sentiment-based mapping of user journeys
CN115550304B (zh) * 2018-08-22 2023-10-10 谷歌有限责任公司 确定一组用户的活动实例集合的方法、设备和存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060224938A1 (en) * 2005-03-31 2006-10-05 Google, Inc. Systems and methods for providing a graphical display of search activity
US20100223212A1 (en) * 2009-02-27 2010-09-02 Microsoft Corporation Task-related electronic coaching
WO2011088053A2 (en) * 2010-01-18 2011-07-21 Apple Inc. Intelligent automated assistant
CN106716472A (zh) * 2014-07-23 2017-05-24 通讯数字频道集团私人有限公司 用于运行营销活动的计算机实现方法和系统
CN107430724A (zh) * 2015-05-11 2017-12-01 谷歌公司 活动触发
US20170180294A1 (en) * 2015-12-21 2017-06-22 Google Inc. Automatic suggestions for message exchange threads

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
侯君;刘魁;李千目;: "基于ESSVM的分类推荐", 数据分析与知识发现, no. 03 *

Also Published As

Publication number Publication date
US11575729B2 (en) 2023-02-07
WO2020040762A1 (en) 2020-02-27
US11108889B2 (en) 2021-08-31
CN115550304B (zh) 2023-10-10
KR102453798B1 (ko) 2022-10-12
US20240048606A1 (en) 2024-02-08
KR20220139464A (ko) 2022-10-14
KR102576179B1 (ko) 2023-09-07
CN112335205A (zh) 2021-02-05
US20210392205A1 (en) 2021-12-16
US20230188592A1 (en) 2023-06-15
US11843655B2 (en) 2023-12-12
US20200344327A1 (en) 2020-10-29
CN112335205B (zh) 2022-10-11
KR20200142111A (ko) 2020-12-21

Similar Documents

Publication Publication Date Title
JP6780001B2 (ja) メッセージング・アプリケーションのための自動提案および他のコンテンツ
US20200092243A1 (en) Automatic suggestions for message exchange threads
US20170093967A1 (en) Systems and methods for managing group activities over a data network
US20170308866A1 (en) Meeting Scheduling Resource Efficiency
US10469275B1 (en) Clustering of discussion group participants
EP2916273A1 (en) System and method providing expert audience targeting
US20160063560A1 (en) Accelerating engagement of potential buyers based on big data analytics
US20140067544A1 (en) Providing offer(s) to users in a social networking system based on compatibility of the users with the offer(s)
WO2013177280A1 (en) A system for and method of analyzing and responding to user generated content
US11843655B2 (en) Automatically resolving, with reduced user inputs, a set of activity instances for a group of users
US20150058148A1 (en) Systems and methods for automatically adjusting pricing for group activities over a data network
EP3107060A1 (en) Identifying service providers for electronically received service requests and using stored account data to connect the requester with providers
US20170098180A1 (en) Method and system for automatically generating and completing a task
US20230063603A1 (en) Generating tasks from chat stream data
US20210312000A1 (en) Live bi-directional video/audio feed generation between a consumer and a service provider
US10877784B1 (en) Determining and servicing user intent with a virtual assistant
WO2020033117A1 (en) Dynamic and continous onboarding of service providers in an online expert marketplace
JP2020126392A (ja) 選択装置、選択方法および選択プログラム
Zhao et al. Association rules analysis between brand post characteristics and consumer engagement on social media
US20220245158A1 (en) Recommendation and prediction engines for virtual and hybrid events
US11836204B1 (en) Social collaboration platform for facilitating recommendations
US20230386459A1 (en) Apparatus, platform, method and medium for intention importance inference
US20230342726A1 (en) Method for scheduling live call with unavailable service provider

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