DE102014215266A1 - A method for providing a factual information relevant to a user of a personal digital assistant, personal digital assistant and storage medium - Google Patents
A method for providing a factual information relevant to a user of a personal digital assistant, personal digital assistant and storage medium Download PDFInfo
- Publication number
- DE102014215266A1 DE102014215266A1 DE102014215266.6A DE102014215266A DE102014215266A1 DE 102014215266 A1 DE102014215266 A1 DE 102014215266A1 DE 102014215266 A DE102014215266 A DE 102014215266A DE 102014215266 A1 DE102014215266 A1 DE 102014215266A1
- Authority
- DE
- Germany
- Prior art keywords
- information
- context information
- normality
- factual
- 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.)
- Pending
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063116—Schedule adjustment for a person or group
-
- 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
- G06Q10/109—Time management, e.g. calendars, reminders, meetings or time accounting
- G06Q10/1093—Calendar-based scheduling for persons or groups
Abstract
Bei einem Verfahren zum Bereitstellen einer für einen Nutzer eines Persönlichen Digitalen Assistenten relevanten Sachinformation wird die Bereitstellung von für den Nutzer relevanten Informationen im Hinblick auf die Auswahl solcher Informationen verbessert, indem ein Normalitätswertes in Abhängigkeit einer vergangenen Kontextinformation (100) und einer aktuellen Kontextinformation (100) bestimmt wird, in Abhängigkeit des Normalitätswertes über ein Einstufen der Sachinformation als relevante Sachinformation entschieden wird die Sachinformation nur bei erfolgtem Einstufen als relevante Sachinformation bereitgestellt wird.In a method for providing a factual information relevant to a user of a personal digital assistant, the provision of user-relevant information with regard to the selection of such information is improved by a normality value in dependence on past context information (100) and current context information (100 ) is determined, depending on the normality value decided by a classification of the factual information as relevant factual information, the factual information is provided only when grading as relevant factual information.
Description
Die vorliegende Erfindung betrifft ein Verfahren zum Bereitstellen einer für einen Nutzer eines Persönlichen Digitalen Assistenten relevanten Sachinformation, einen Persönlichen Digitalen Assistenten sowie ein Speichermedium mit computerlesbarem Code zum Steuern eines Persönlichen Digitalen Assistenten zur Ausführung des erfindungsgemäßen Verfahrens. The present invention relates to a method for providing a factual information relevant to a user of a personal digital assistant, a personal digital assistant and a storage medium with computer-readable code for controlling a personal digital assistant for carrying out the method according to the invention.
Persönliche Digitale Assistenten, nachfolgend auch mit der Abkürzung PDA bezeichnet, haben für den Alltagsgebrauch eine beachtliche Bedeutung erlangt. Unter einem PDA wird im Kontext der vorliegenden Erfindung jedes digitale Mobilgerät verstanden, das einem Nutzer persönlich zugeordnet werden kann und mit dem sich der Nutzer für ihn relevante Informationen verschaffen kann. Persönliche Digitale Assistenten sind in der Regel mit zahlreichen technischen Fähigkeiten ausgestattet, insbesondere Satellitennavigation (z.B. GPS), Mobilfunk (z.B. GSM, UMTS, LTE, WLAN, Bluetooth, NFC), einer oder mehreren Kameras, häufig als Touchscreen ausgebildeten Anzeigeflächen, Lautsprechern, leistungsfähigen Mikroprozessoren sowie flüchtigen und nichtflüchtigen Datenspeichern. Durch die Vielzahl der Sensoren sowie die Möglichkeiten zur Datenspeicherung, -übertragung und -verarbeitung kann ein PDA in weitreichender Weise Daten zu seinem Nutzer erfassen, speichern und verarbeiten bzw. zur Speicherung und / oder Verarbeitung an einen externen Computer übertragen. Beispiele für Persönliche Digitale Assistenten umfassen insbesondere sogenannte Smartphones. Ein PDA im Sinne der vorliegenden Erfindung kann auch das sogenannte Infotainment-System eines Kraftfahrzeugs sein, welches beispielsweise über ein Navigationssystem, einen Touchscreen, diverse Ausgabeeinrichtungen, eine Sprachsteuerung, eine Mobilfunkeinheit und eine Recheneinheit verfügen kann. Ein solches Infotainment-System muss jedoch einem Nutzer persönlich zugeordnet werden können, was in modernen Kraftfahrzeugen häufig möglich ist. Hierdurch wird vermieden, dass Daten unterschiedlicher Nutzer vermischt werden. Dies bedeutet nicht, dass ein PDA nur von einem einzigen Nutzer genutzt werden kann. Bei der Nutzung durch mehrere Nutzer ist es jedoch vonnöten, dass der jeweils aktuelle Nutzer dem PDA bekannt ist, damit der PDA erfasste Informationen korrekt zuordnen bzw. bereits vorhandene Informationen korrekt verwenden kann. Der aktuelle Nutzer kann dem PDA beispielsweise durch eine Nutzer-Anmeldung bekannt gemacht werden. Personal digital assistants, also referred to below by the abbreviation PDA, have gained considerable importance for everyday use. In the context of the present invention, a PDA is understood as any digital mobile device that can be assigned to a user personally and with which the user can obtain relevant information for him / her. Personal digital assistants are usually equipped with numerous technical capabilities, in particular satellite navigation (eg GPS), mobile communications (eg GSM, UMTS, LTE, WLAN, Bluetooth, NFC), one or more cameras, often designed as touch screen display panels, speakers, powerful Microprocessors and volatile and non-volatile data storage. Due to the large number of sensors as well as the possibilities for data storage, transmission and processing, a PDA can record, store and process data for its user in a far-reaching manner or transmit it to an external computer for storage and / or processing. Examples of personal digital assistants include in particular so-called smartphones. A PDA within the meaning of the present invention may also be the so-called infotainment system of a motor vehicle, which may have, for example, a navigation system, a touchscreen, various output devices, a voice control, a mobile radio unit and a computer. However, such an infotainment system must be able to be personally assigned to a user, which is often possible in modern motor vehicles. This avoids mixing data from different users. This does not mean that a PDA can only be used by a single user. When used by multiple users, however, it is necessary that the respective current user is known to the PDA, so that the PDA correctly assigned information or can use already existing information correctly. The current user can be made known to the PDA, for example, by a user login.
Gemäß den im Stand der Technik bekannten Verfahren werden dem Nutzer zu jeder Zeit unterstützende Informationen angeboten. Dies ist für den Nutzer dann besonders hilfreich, wenn er sich in einer für ihn ungewohnten Situation befindet oder im Begriff ist, sich in eine solche Situation zu begeben. Befindet sich der Nutzer beispielsweise an einem ihm nicht oder nur wenig vertrauten Ort, so kommt ihm Unterstützung bei der Auswahl von Zielorten (z.B. Restaurants oder Hotels) und von Routen dorthin gelegen. In aller Regel befindet sich ein Nutzer jedoch in ihm vertrauten Umgebungen und Situationen. Der Nutzer ist dann auf die unterstützenden Informationen nicht angewiesen und kann diese als lästig und unter Umständen sogar als ablenkend und störend empfinden. According to the methods known in the art, supporting information is offered to the user at all times. This is particularly helpful for the user when he is in a situation unfamiliar to him or is about to embark on such a situation. For example, if the user is located in a location he or she is unfamiliar with, he or she will be assisted in selecting destinations (e.g., restaurants or hotels) and routes there. However, as a rule, a user is in familiar environments and situations. The user is then not dependent on the supporting information and may find it annoying and may even be distracting and disturbing.
Es stellt sich daher die Aufgabe, die Bereitstellung von für den Nutzer relevanten Informationen im Hinblick auf die Auswahl solcher Informationen zu verbessern. It is therefore an object to improve the provision of user-relevant information with regard to the selection of such information.
Die Aufgabe wird gelöst bei einem Verfahren mit den Merkmalen des Anspruchs 1 sowie bei einem Persönlichen Digitalen Assistenten gemäß Anspruch 9. Vorteilhafte Weiterbildungen der Erfindung sind Gegenstände der abhängigen Ansprüche. Die erfinderische Idee eignet sich insbesondere zur Steuerung eines als PDA ausgebildeten Computers, weswegen die Erfindung auch ganz oder teilweise in Form eines Computerprogrammprodukts realisiert werden kann, das beim Laden und Ausführen auf einem Computer einen erfindungsgemäßen Ablauf ganz oder teilweise bewirkt. Es kann beispielsweise in Form eines Speichermediums gemäß Anspruch 10 bereitgestellt werden. The object is achieved in a method having the features of claim 1 and in a personal digital assistant according to claim 9. Advantageous developments of the invention are subject matters of the dependent claims. The inventive idea is particularly suitable for controlling a computer designed as a PDA, which is why the invention can also be implemented in whole or in part in the form of a computer program product which, when loaded and executed on a computer, completely or partially effects a sequence according to the invention. It can be provided, for example, in the form of a storage medium according to claim 10.
Ein gattungsbildendes Verfahren umfasst die folgenden Schritte:
- – Bestimmen einer den gegenwärtigen und / oder einen zukünftigen Zeitpunkt betreffenden aktuellen Kontextinformation,
- – Laden einer mindestens einen vergangenen Zeitpunkt betreffenden früheren Kontextinformation und
- – Auswählen einer Sachinformation in Abhängigkeit der aktuellen Kontextinformation und der früheren Kontextinformation.
- Determining a current context information concerning the present and / or a future time,
- - Loading a previous context information relating to at least one past time and
- Selecting a factual information in dependence on the current context information and the previous context information.
Auf diese Art werden solche Sachinformationen ausgewählt, die den aktuellen Kontext des Nutzers betreffen. Dies kann auch in Abhängigkeit der früheren Kontextinformation geschehen, indem etwa frühere Gewohnheiten des Nutzers bei der Prognose eines vom Nutzer gewählten Reiseziels berücksichtigt werden. Mit anderen Worten können Informationen zu voraussichtlich besuchten Orten aus statistischen Modellen über das z.B. aus früheren Bewegungsdaten bekannte Gewohnheitsverhalten des Nutzers gewonnen werden. Ein Beispiel für Sachinformationen, die den aktuellen Kontext des Nutzers nicht betreffen, sind Restaurantempfehlungen für eine bestimmte Stadt, in der sich der Nutzer weder gegenwärtig noch in absehbarer Zukunft aufhält oder aufhalten wird. Solche Sachinformationen werden daher durch ein gattungsgemäßes Verfahren nicht ausgewählt. Hingegen werden Sachinformationen, die den aktuellen Kontext des Nutzers betreffen, grundsätzlich ausgewählt. Dies geschieht auch dann, wenn dem Nutzer solche Sachinformationen wohlvertraut sind, beispielsweise weil die Sachinformationen eine vom Nutzer regelmäßig befahrene Strecke oder ein Stammrestaurant des Nutzers nahe seiner Wohnung betreffen. Solche Sachinformationen sind für den Nutzer nicht relevant im Sinne der vorliegenden Erfindung. In this way, such factual information is selected that relates to the current context of the user. This can also be done depending on the previous context information, such as taking into account previous habits of the user when predicting a user-selected destination. In other words, information about likely visited locations can be obtained from statistical models via the e.g. From the previous movement data known habits of the user can be obtained. An example of factual information that does not affect the user's current context is restaurant recommendations for a specific city in which the user will not be or will be present or in the foreseeable future. Such factual information is therefore not selected by a generic method. On the other hand, factual information concerning the current context of the user is basically selected. This happens even if the user is well-versed in such factual information, for example, because the factual information relates to a regularly traveled by the user route or a regular restaurant of the user near his apartment. Such factual information is not relevant to the user within the meaning of the present invention.
Erfindungsgemäß werden weitere Verfahrensschritte durchgeführt, um darüber zu entscheiden, ob die derart ausgewählte Sachinformation dem Nutzer bereitgestellt werden soll oder nicht. In einem Schritt erfolgt ein Bestimmen eines Normalitätswertes in Abhängigkeit der vergangenen Kontextinformation und der aktuellen Kontextinformation. Der Normalitätswert ist ein Maß für die Normalität des aktuellen Kontexts des Nutzers. Der Normalitätswert wird dadurch bestimmt, dass aktuelle und vergangene Kontextinformationen miteinander verglichen werden. Weichen diese Informationen beispielsweise stark voneinander ab, so kann darauf geschlossen werden, dass der aktuelle Kontext des Nutzers sich stark von vergangenen Kontexten unterscheidet. Der Nutzer befindet sich dann mit anderen Worten in einer für ihn ungewohnten Situation. Der Normalitätswert spiegelt dies wieder, indem er beispielsweise einen kleinen Zahlenwert oder den logischen Zustand null (0) annimmt. Ähnelt hingegen die aktuelle Kontextinformation stark der früheren Kontextinformation, so befindet sich der Nutzer mutmaßlich in einer ihm vertrauten Situation. Der Normalitätswert nimmt dann beispielsweise einen großen Zahlenwert oder den logischen Zustand eins (1) an. According to the invention, further method steps are carried out in order to decide whether the factual information selected in this way is to be provided to the user or not. In one step, a normality value is determined as a function of the past context information and the current context information. The normality value is a measure of the normality of the current context of the user. The normality value is determined by comparing current and past context information. For example, if this information differs greatly from one another, it can be concluded that the current context of the user is very different from past contexts. In other words, the user is in a situation unfamiliar to him. The normality value reflects this by taking, for example, a small numerical value or the logical state zero (0). On the other hand, if the current context information is very similar to the previous context information, then the user is presumably in a familiar situation. The normality value then assumes, for example, a large numerical value or the logic state one (1).
In Abhängigkeit des Normalitätswerts wird in einem weiteren erfindungsgemäßen Schritt entschieden, ob die Sachinformation als relevante Sachinformation eingestuft wird. Dabei wird die Sachinformation dann als relevant eingestuft, wenn ein ein geringes Maß an Normalität des aktuellen Kontexts des Nutzers widerspiegelnder Normalitätswert bestimmt wurde. Umgekehrt wird die Sachinformation nicht als relevante Sachinformation eingestuft, wenn der Normalitätswert auf ein hohes Maß an Normalität des aktuellen Kontexts des Nutzers schließen lässt. Depending on the normality value, it is decided in a further step according to the invention whether the factual information is classified as relevant factual information. In this case, the factual information is classified as relevant if a normality value reflecting a low degree of normality of the current context of the user has been determined. Conversely, the factual information is not classified as relevant factual information if the normality value indicates a high degree of normality of the current context of the user.
Schließlich wird erfindungsgemäß die Sachinformation nur dann bereitgestellt, wenn sie als relevante Sachinformation eingestuft wurde. Mit anderen Worten werden durch die Erfindung dem Nutzer solche Informationen erspart, die zwar seinen aktuellen Kontext betreffen, an denen er aber aufgrund der Normalität seines aktuellen Kontexts kein Interesse hat, weil ihm die Information bereits bekannt ist oder er sie sich leicht ohne Unterstützung erschließen kann. Finally, according to the invention, the factual information is only provided if it has been classified as relevant factual information. In other words, the invention spares the user such information that concerns his current context but in which he is not interested because of the normality of his current context because the information is already known to him or he can easily access it without support ,
In einer ersten vorteilhaften Ausgestaltung der Erfindung betreffen die aktuelle Kontextinformation und / oder die frühere Kontextinformation einen Ort, einen Weg und / oder ein Ereignis. Eine Ortsinformation kann eine geographische Ortsangabe, eine einem Ort zugeordnete Zeitangabe und / oder eine Sequenz von Ortsangaben umfassen. Eine Weginformation kann eine durch geographische Ortsangaben festgelegte Wegstrecke, eine Reisemodalität (z.B. Auto, Bahn, Flugzeug, Fahrrad, zu Fuß, etc.), ein Reisemuster (z.B. eine Sequenz nacheinander zurückgelegter Wegstrecken) und / oder mit Wegstrecken assoziierte Zeiten (z.B. Abreisezeit und / oder Ankunftszeit) umfassen. Eine Ereignisinformation kann einen Zeitpunkt eines Ereignisses (z.B. Zeitpunkt des Aufwachens, Zeitpunkt des Verlassens einer Wohnung, Zeitpunkt des Arbeitsbeginns, etc.) und / oder das Eintreten eines Ereignisses (z.B. einen Tankvorgang, den Aufruf einer bestimmten Smartphone-App, die Benutzung eines Navigationssystems, einen Telefonanruf bei einer bestimmten Person, etc.) umfassen. Andere Informationen wie beispielsweise Wetterinformationen, Verkehrsinformationen, ein Fernsehprogramm, ein Kinoprogramm, etc. können ebenfalls von einer Kontextinformation umfasst sein. Eine Kontextinformation kann Informationen umfassen, die nicht als solche persönliche Informationen des Nutzers sind. Sie müssen jedoch den persönlichen Kontext des Nutzers betreffen. Zum Beispiel sind Wetterinformationen oder Verkehrsinformationen keine persönlichen Informationen des Nutzers. Eine Wetterinformation zu einem Aufenthaltsort des Nutzers oder eine Verkehrsinformation zu einer Verkehrsstrecke des Nutzers betrifft jedoch den persönlichen Kontext des Nutzers und kann daher von einer Kontextinformation umfasst sein. In a first advantageous embodiment of the invention, the current context information and / or the earlier context information relate to a location, a path and / or an event. Location information may include a geographic location, a time associated with a location, and / or a sequence of location information. A route information may be a route defined by geographical location information, a travel modality (eg, car, train, plane, bicycle, foot, etc.), a travel pattern (eg, a sequence of successively traveled routes), and / or times associated with travel distances (eg, departure time and / or arrival time). Event information may include a time of an event (eg, time of waking up, time of leaving a home, start of work, etc.) and / or the occurrence of an event (eg, a refueling process, the invocation of a particular smartphone app, the use of a navigation system , a phone call to a specific person, etc.). Other information such as weather information, traffic information, a television program, a movie program, etc. may also be included in context information. Context information may include information that is not as such personal information of the user. However, they must relate to the personal context of the user. For example, weather information or Traffic information no personal information of the user. However, weather information about a user's location or traffic information about a user's traffic route relates to the personal context of the user and therefore may be included in context information.
Die von einer aktuellen und / oder früheren Kontextinformation umfassten Einzelinformationen können durch den PDA in bekannter Weise aus persönlichen und / oder öffentlichen Quellen sowie mit eigenen Mitteln erlangt werden. Gegenwärtige Orts- und Zeitangaben kann der PDA beispielsweise mittels seiner Satellitennavigationseinheit bzw. seiner internen Uhr bestimmen. Informationen zu vom Nutzer voraussichtlich besuchten Orten, den zugehörigen Zeiten sowie zu weiteren zeitgebundenen Ereignissen können dem Kalender des Nutzers entnommen werden, der z.B. auf dem PDA selbst oder auf einem über Datenverbindungen zugänglichen Server gespeichert sein kann. Wetter- und Verkehrsinformationen können von Servern bezogen werden, auf denen diese Informationen von Dienstanbietern zum Abruf bereitgestellt werden. The individual information encompassed by a current and / or earlier context information can be obtained by the PDA in known manner from personal and / or public sources as well as by own means. Current location and time information can be determined by the PDA, for example, by means of its satellite navigation unit or its internal clock. Information about places likely to be visited by the user, the times associated with them, and other time-related events can be found in the user's calendar, which can be e.g. stored on the PDA itself or on a server accessible via data connections. Weather and traffic information can be obtained from servers where this information is provided by service providers for retrieval.
Der Vorteil der genannten Ausführungsform ergibt sich aus der Erkenntnis der Erfinder, dass die sich die Normalität einer Situation zu einem großen Teil aus den Informationen eines Ortes, eines Weges und / oder eines Ereignis bestimmt. Diese Informationen kennzeichnen wesentlich das Verhalten eines Nutzers. Daher kann mittels dieser Informationen mit hoher Zuverlässigkeit bei zugleich geringem Aufwand die Normalität eines aktuellen Kontextes beurteilt werden. The advantage of the mentioned embodiment results from the knowledge of the inventors that the normality of a situation largely depends on the information of a location, a path and / or an event. This information significantly characterizes the behavior of a user. Therefore, with the help of this information, the normality of a current context can be assessed with high reliability and at the same time with little effort.
Mit weiterem Vorteil umfasst der Schritt des Bestimmens des Normalitätswertes in Abhängigkeit der vergangenen Kontextinformation und der aktuellen Kontextinformation die folgenden Einzelschritte. In einem ersten Einzelschritt wird eine statistische Kenngröße in Abhängigkeit der früheren Kontextinformation bestimmt. With further advantage, the step of determining the normality value in dependence on the past context information and the current context information comprises the following individual steps. In a first single step, a statistical parameter is determined as a function of the previous context information.
Die statistische Kenngröße kann insbesondere eine Häufigkeitsverteilung umfassen. Hierzu werden zunächst gleichartige Informationen aus der früheren Kontextinformation ausgewählt. Die Häufigkeit dieser gleichartigen Informationen wird mit Bezug zu einem wertdiskreten und / oder zeitdiskreten Parameterraum erfasst. Die Erfassung ist auch mit Bezug zu einem wert- und / oder zeitkontinuierlichen Parameterraum denkbar, jedoch ist es zweckmäßig, einen solchen Raum zunächst angemessen zu diskretisieren. Grafische Darstellungen solcher Häufigkeitsverteilungen werden auch als Histogramm oder als „heat map“ bezeichnet. Der Begriff gleichartiger Informationen bezeichnet in diesem Zusammenhang solche Informationen, die sich sowohl im gemeinsamen Parameterraum darstellen lassen als auch inhaltlich miteinander verwandt sind. Für die Bestimmung können alle gleichartigen Informationen der früheren Kontextinformation ausgewählt werden. Ebenso ist es jedoch möglich, nur eine Untermenge gleichartiger Informationen aus der früheren Kontextinformation auszuwählen. Ein Beispiel gleichartiger Informationen sind Orte, an denen sich der Nutzer aufgehalten hat. In diesem Beispiel kann ein geeigneter Parameterraum durch die beiden Parameter geografischer Längengrad und geografischer Breitengrad (jeweils kontinuierlich oder in wertdiskrete Wertebereiche unterteilt) angegeben werden. In einem anderen Beispiel sind die gleichartigen Informationen durch Zeitpunkte gegeben, zu denen ein gleiches Ereignis stattgefunden hat. Dies können beispielsweise die Zeitpunkte eines morgendlichen Aufstehens sein. In diesem Beispiel kann ein geeigneter Parameterraum durch den Parameter der Zeit angegeben werden (wiederum kontinuierlich oder zeitdiskret). Lernverfahren zur Schätzung von Häufigkeitsverteilungen sind im Stand der Technik bekannt. Ein Beispiel für ein geeignetes Lernverfahren ist als „Expectation maximization“ bekannt. The statistical characteristic may in particular comprise a frequency distribution. For this purpose, similar information from the previous context information is first selected. The frequency of this similar information is detected with reference to a discrete-value and / or time-discrete parameter space. The detection is also conceivable with reference to a value- and / or time-continuous parameter space, but it is expedient to discretize such a space appropriately first. Graphical representations of such frequency distributions are also called histogram or "heat map". The term similar information in this context refers to such information that can be represented both in the common parameter space as well as content related. For the determination, all similar information of the earlier context information can be selected. However, it is also possible to select only a subset of similar information from the previous context information. An example of similar information is where the user was. In this example, a suitable parameter space can be given by the two parameters longitude longitude and latitude latitude (each divided continuously or into value discrete value ranges). In another example, the similar information is given by times when the same event occurred. These can be, for example, the times of a morning getting up. In this example, a suitable parameter space can be specified by the parameter of the time (again continuous or time-discrete). Learning methods for estimating frequency distributions are known in the art. An example of a suitable learning method is known as "expectation maximization".
Es kann vorab bekannt sein, dass die Häufigkeitsverteilung durch eine Normalverteilung (Gauß-Verteilung) beschrieben werden kann. Dies kann aufgrund des zentralen Grenzwertsatzes beispielsweise bei Zeitpunkten angenommen werden, die aufgrund einer Vielzahl statistisch unabhängiger Einflüsse um einen Mittelwert schwanken. Die für eine bestimmte gleichbleibende Strecke benötigte Fahrtdauer ist zum Beispiel erfahrungsgemäß annähernd normalverteilt. Gleiches gilt, einen gleichbleibenden Abfahrtszeitpunkt vorausgesetzt, für den entsprechenden Ankunftszeitpunkt. It may be known in advance that the frequency distribution can be described by a normal distribution (Gaussian distribution). This can be assumed on the basis of the central limit theorem, for example at times which fluctuate around an average due to a multiplicity of statistically independent influences. For example, the travel time required for a particular consistent route is approximately normally distributed, as experience has shown. The same applies, assuming a constant departure time, for the corresponding time of arrival.
Eine komplexere Häufigkeitsverteilung kann sich ergeben, wenn die Häufigkeiten mehrerer gleichartiger Informationen zusammengefasst werden (z.B. alle Abreisezeiten oder alle Ankunftszeiten eines Tages). Die sich ergebende Häufigkeitsverteilung kann als Mischverteilung oder zusammengesetzte Verteilung beschrieben werden. Handelt es sich bei den die Mischverteilung bildenden Einzelverteilungen um Normalverteilungen, so kann die Mischverteilung als Gaussian Mixture Model (GMM) beschrieben werden. A more complex frequency distribution may result when the frequencies of several similar information are summarized (e.g., all departure times or all arrival times of a day). The resulting frequency distribution can be described as a mixed distribution or a composite distribution. If the individual distributions forming the mixed distribution are normal distributions, the mixed distribution can be described as a Gaussian Mixture Model (GMM).
Es sei angemerkt, dass das Bestimmen einer Häufigkeitsverteilung nicht auf durch physikalische Einheiten definierte Parameterräume beschränkt ist. Es ist bekannt, eine Häufigkeitsverteilung auch über anderen Parameterräumen zu bestimmen. So kann beispielsweise die Häufigkeit besuchter Orte auch über dem Parameterraum bestimmt werden, der die Namen aller besuchten Orte als Zeichenketten enthält. Verfahren zum Bestimmung einer Häufigkeitsverteilung sind im Stand der Technik auch als Clustering-Verfahren bekannt. Beispiele von für die Ausführung der Erfindung geeigneten Clustering-Verfahren umfassen dichtebasierte Clusterverfahren. Ein solches Verfahren ist bekannt geworden durch den Fachartikel
Die statistische Kenngröße kann auch einen Mittelwert aus früheren Kontextinformationen umfassen. Der Begriff „Mittelwert“ ist dabei nicht streng mathematisch zu verstehen, sondern wird allgemeiner verwendet, um einen Ausdruck zu bezeichnen, der die früheren Kontextinformationen geeignet zusammenfasst. Insbesondere muss ein Mittelwert nicht numerisch sein, sondern kann auch alphanumerisch sein. Beispielsweise können gewohnheitsmäßig vom Nutzer in einer bestimmten Reihenfolge aufgesuchte Orte codiert und geordnet als statistische Kenngröße verwendet werden. Beispielsweise könnte folgende Codierung verwendet werden:
- • H für Zuhause (englisch home);
- • W für Arbeit (englisch work);
- • R für Restaurant.
- • H for home (english home);
- • W for work;
- • R for restaurant.
Wenn sich z.B. aus der früheren Kontextinformation ergibt, dass der Nutzer diese Orte gewohnheitsmäßig in der Reihenfolge „H W R W H“ aufsucht, so kann diese Zeichenkette als statistische Kenngröße verwendet werden. If, for example, From the previous context information, it appears that the user habitually visits these locations in the order "H W R W H", so this string can be used as a statistical parameter.
In einem zweiten Schritt wird in Abhängigkeit der statistischen Kenngröße und der aktuellen Kontextinformation der Normalitätswert bestimmt. Diese Bestimmung kann je nach Art der verwendeten gleichartigen Informationen, des Parameterraums und der sich ergebenden statistischen Kenngröße auf unterschiedliche Arten erfolgen. In a second step, the normality value is determined as a function of the statistical parameter and the current context information. This determination can be made in different ways depending on the type of similar information used, the parameter space and the resulting statistical characteristic.
Wenn die statistische Kenngröße eine Häufigkeitsverteilung umfasst, kann der Normalitätswert abhängig von der Lage der gleichartigen Information der aktuellen Kontextinformation in der Häufigkeitsverteilung bestimmt werden. Beispielsweise kann der Normalitätswert bestimmt werden als diejenige Häufigkeit, die der aktuellen Kontextinformation entspricht. Gibt die Häufigkeitsverteilung relative Häufigkeiten wieder, so ergibt sich ein Normalitätswert zwischen null und eins. If the statistical characteristic comprises a frequency distribution, the normality value can be determined depending on the location of the similar information of the current context information in the frequency distribution. For example, the normality value may be determined as the frequency corresponding to the current context information. If the frequency distribution shows relative frequencies, the result is a normality value between zero and one.
Handelt es sich bei der Häufigkeitsverteilung um eine Normalverteilung oder kann die Häufigkeitsverteilung durch eine Normalverteilung beschrieben werden, so kann der Normalitätswert als Summe aller Häufigkeiten berechnet werden, die vom Mittelpunkt der Häufigkeitsverteilung noch weiter entfernt sind als die aktuelle Kontextinformation. Ist die aktuelle Kontextinformation z.B. eine Ankunftszeit, die genau dem Mittelwert der in guter Näherung normalverteilten Häufigkeitsverteilung entspricht, so ergibt sich ein Normalitätswert von eins. If the frequency distribution is a normal distribution or the frequency distribution can be described by a normal distribution, then the normality value can be calculated as the sum of all frequencies which are even farther from the center of the frequency distribution than the current context information. If the current context information is e.g. an arrival time which corresponds exactly to the mean value of the frequency distribution normally distributed in a good approximation, the result is a normality value of one.
Wenn die statistische Kenngröße einen Mittelwert und insbesondere einen alphanumerischen Mittelwert umfasst, kann der Normalitätswert mittels der Distanz der gleichartigen Information der aktuellen Kontextinformation von der statistischen Kenngröße bestimmt werden. Geeignete Distanzmaße sind im Stand der Technik bekannt. Die Levenshtein-Distanz (auch Editierdistanz, englisch „Levenshtein distance“ oder „Generalized Levenshtein similarity“) ist ein Beispiel eines geeigneten Distanzmaßes. Ergibt sich beispielsweise als Mittelwert wie vorstehend erläutert „H W R W H“ und lautet die gleichartige Information der aktuellen Kontextinformation ebenfalls „H W R W H“ (d.h. der Nutzer hat im Bezug auf die von ihm aufgesuchten Orte einen vollkommen gewöhnlichen Tag verbracht), so ergibt sich eine Levenshtein-Distanz von null, woraus beispielsweise ein Normalitätswert von eins bestimmt werden kann. Es können auch komplexere Maße verwendet werden, die etwa komplexere statistische Abhängigkeiten berücksichtigen können. If the statistical parameter comprises an average value and in particular an alphanumeric mean value, then the normality value can be determined by means of the distance of the similar information of the current context information from the statistical parameter. Suitable distance dimensions are known in the art. The Levenshtein distance (also editing distance, English "Levenshtein distance" or "Generalized Levenshtein similarity") is an example of a suitable distance measure. If, for example, "HWRWH" results as the mean value as explained above and if the similar information of the current context information is also "HWRWH" (ie the user has spent a perfectly ordinary day in relation to the places visited by him), this results in a Levenshtein distance zero, from which, for example, a normality value of one can be determined. It is also possible to use more complex measures that can take into account more complex statistical dependencies.
In einer Ausgestaltung der Erfindung umfasst die aktuelle Kontextinformation mindestens zwei Einzelkontextinformationen. Dann umfasst der Schritt des Bestimmens des Normalitätswertes in Abhängigkeit der vergangenen Kontextinformation und der aktuellen Kontextinformation die folgenden Einzelschritte. In einem ersten Schritt werden zu jeder der mindestens zwei Einzelkontextinformationen in Abhängigkeit der früheren Kontextinformation und der aktuellen Kontextinformation Einzelnormalitätswerte bestimmt. Dabei können wie bei der vorstehend erläuterten Bestimmung eines Normalitätswerts auch bei der Bestimmung eines Einzelnormalitätswertes der Einzelkontextinformation gleichartige Informationen der früheren Kontextinformation verwendet werden. In einem zweiten Schritt wird in Abhängigkeit der mindestens zwei Einzelnormalitätswerte der Normalitätswert bestimmt. Dies kann durch eine einfache Mittelwertbildung geschehen. Bevorzugt wird der Normalitätswert durch einen gewichteten Mittelwert bestimmt. Durch die Gewichte, die jedem Einzelnormalitätswert zugemessen werden, lassen sich bestimmte Umstände stärker oder schwächer gewichten, die sich aus dem aktuellen Kontext oder aus bekannten Präferenzen des Nutzers ergeben. Verfügt beispielsweise ein Nutzer über einen hervorragenden Orientierungssinn, aber ein bei Dunkelheit schlecht ausgeprägtes Sehvermögen, so können bei der Bestimmung des Normalitätswertes durch Mittelwertbildung Abweichungen des Ortes oder des Weges von der Normalität untergewichtet, Abweichungen bei den Außenlichtverhältnissen aber übergewichtet werden. Ist der Nutzer nun tagsüber auf einer sehr selten von ihm befahrenen Strecke unterwegs, wird eine als Routenempfehlung vorliegende Sachinformation vom PDA eher nicht als relevant eingestuft und bereitgestellt. Tritt die gleiche Situation hingegen nachts auf, benötigt der Fahrer dringend Unterstützung. Der PDA wird aufgrund des stark gewichteten Einzelnormalitätswertes der Einzelinformation „Außenlichtstärke“ die Sachinformation viel eher als relevant einstufen und bereitstellen. Darüber hinaus können solche Einzelnormalitätswerte stärker gewichtet werden, deren zugrunde liegende Einzelkontextinformation als starke und zuverlässige Indikatoren für die Normalität bekannt sind. Ist z.B. bekannt, dass der Zeitpunkt des morgendlichen Aufstehens ein starker und verlässlicher Indikator für das Vorliegen oder Nichtvorliegen eines Arbeitstages ist. Steht also z.B. der Nutzer zu einer ungewöhnlich späten Zeit auf, so kann mittels einer Übergewichtung des entsprechenden Einzelnormalitätswerts sichergestellt werden, dass dem Nutzer an diesem (voraussichtlichen ungewöhnlichen) Tag hilfreiche Sachinformationen bereitgestellt werden. In one embodiment of the invention, the current context information comprises at least two single context information. Then, the step of determining the normality value in accordance with the past context information and the current context information comprises the following individual steps. In a first step, individual normality values are determined for each of the at least two individual context information in dependence on the previous context information and the current context information. In this case, as in the above-described determination of a normality value, also in the determination of a Single normality value of the single context information similar information of the previous context information can be used. In a second step, the normality value is determined as a function of the at least two individual normality values. This can be done by a simple averaging. Preferably, the normality value is determined by a weighted average. The weights assigned to each individual normality score may weight or weight certain circumstances that arise from the user's current context or known preferences. If, for example, a user has an excellent sense of orientation, but a poor vision in the dark, deviations of the location or of the path can be underweighted in the determination of the normality value by averaging, but deviations in the external light conditions can be overweighted. If the user is now on the road during a day on a route that is rarely used by him, the PDA does not classify and provide any information on the route as recommended for the route. On the other hand, if the same situation occurs at night, the driver desperately needs support. Due to the strongly weighted single normality value of the individual information "external light intensity", the PDA will classify and provide the factual information as relevant rather than relevant. In addition, those single normality values whose underlying single context information is known to be strong and reliable indicators of normality can be more weighted. For example, it is known that the time of getting up in the morning is a strong and reliable indicator of the presence or absence of a working day. If, for example, the user is at an unusually late time, an overweighting of the corresponding individual normality value can ensure that useful factual information is provided to the user on this (probably unusual) day.
In weiterer Ausgestaltung des Verfahrens ist der Normalitätswert eine reelle Zahl zwischen null und einer konstanten oberen Grenze und besonders bevorzugt eine Zahl zwischen null und eins. Ein Normalitätswert von null kennzeichnet dann eine aktuelle Kontextinformation, die für den Nutzer höchst ungewöhnlich ist. Dies kann beispielsweise ein Aufenthaltsort sein, an dem sich der Nutzer noch nie befunden hat. Ein Normalitätswert von eins kennzeichnet hingegen eine vollkommen gewöhnliche aktuelle Kontextinformation, z.B. den Aufenthalt des Nutzers an seinem Wohnort. Diese Festlegung des Normalitätswertes erlaubt nicht nur ein intuitives Verständnis, sondern erleichtert auch die Weiterverarbeitung des Normalitätswertes, beispielsweise bei der Mittelwertbildung aus Einzelnormalitätswerten. In a further embodiment of the method, the normality value is a real number between zero and a constant upper limit, and particularly preferably a number between zero and one. A normality value of zero then indicates current context information that is highly unusual for the user. For example, this may be a location where the user has never been. By contrast, a normality value of one indicates completely ordinary current context information, e.g. the residence of the user at his place of residence. This determination of the normality value not only allows an intuitive understanding, but also facilitates the further processing of the normality value, for example when averaging individual individual normality values.
Mit weiterem Vorteil kann ein derartiger Normalitätswert genutzt werden zur Ausgestaltung des Schrittes des Entscheidens über ein Einstufen der Sachinformation als relevante Sachinformation in Abhängigkeit des Normalitätswertes. Dazu wird der Normalitätswert zunächst mit einem konstanten Schwellenwert verglichen. Dieser liegt mit besonderem Vorteil zwischen null und der der konstanten oberen Grenze. Bewegt sich der Normalitätswert also zwischen null und eins, so liegt der konstante Schwellenwert mit besonderem Vorteil bei 0,5. In einem zweiten Schritt wird die Sachinformation dann als relevante Sachinformation eingestuft, wenn der Normalitätswert kleiner ist als der Schwellenwert. Anderenfalls, d.h. wenn der Normalitätswert größer ist als der Schwellenwert, wird die Sachinformation nicht als relevante Sachinformation eingestuft. Vereinfacht ausgedrückt kann eine Sachinformation dem Nutzer genau dann bereitgestellt werden, wenn sein aktueller Kontext eher unnormal als normal ist. With further advantage, such a normality value can be used to design the step of deciding on a classification of the factual information as relevant factual information as a function of the normality value. For this purpose, the normality value is first compared with a constant threshold value. This is particularly advantageous between zero and the constant upper limit. Thus, if the normality value moves between zero and one, then the constant threshold value is particularly advantageous at 0.5. In a second step, the factual information is classified as relevant factual information if the normality value is smaller than the threshold value. Otherwise, i. if the normality value is greater than the threshold, the factual information is not classified as relevant factual information. In simple terms, factual information can be provided to the user if and only if his current context is abnormal rather than normal.
In einer weiteren vorteilhaften Ausführungsform des erfindungsgemäßen Verfahrens umfasst der Schritt des Bereitstellens der Sachinformation eine Berücksichtigung des Normalitätswertes. Das Bereitstellen einer Information durch den PDA kann auf unterschiedliche Arten erfolgen. Die Information kann dem Nutzer in vorteilhafter Weise auf visuellem Weg (z.B. über eine Anzeige), auf akustischem Weg (z.B. über einen Lautsprecher) und / oder auf haptischem Weg (z.B. über ein Vibrationssignal) übermittelt werden. Auf jedem Weg lässt sich die Bereitstellung nochmals unterschiedlich ausgestalten, z.B. indem die Sachinformation in der Anzeige unterschiedlich groß und / oder in unterschiedlichen Farben dargestellt wird. Erfindungsgemäß erfolgt die Entscheidung über eine Einstufung einer Sachinformation als relevante Sachinformation binär. Die Sachinformation ist also entweder relevant oder nicht. Die Relevanz einer als relevante Sachinformation eingestuften Sachinformation kann jedoch eine variable Größe sein. Als Maß der Relevanz kann in vorteilhafter Weise der Normalitätswert herangezogen werden. Ist beispielsweise eine Sachinformation aufgrund eines besonders niedrigen Normalitätswertes (z.B. nahe null) als relevant eingestuft worden, so kann angenommen werden, dass der Nutzer an dieser Sachinformation ein besonders ausgeprägtes Interesse hat. Daher kann diese Sachinformation dem Nutzer sehr ausgeprägt bereitgestellt werden. Dies kann z.B. durch eine große Anzeige der Sachinformation auf dem PDA und einen gleichzeitigen Signalton erfolgen. In a further advantageous embodiment of the method according to the invention, the step of providing the factual information comprises a consideration of the normality value. The provision of information by the PDA can be done in different ways. The information may advantageously be communicated to the user by visual means (e.g., via a display), acoustically (e.g., via a loudspeaker), and / or by haptic means (e.g., via a vibration signal). In each way, the provision can be configured differently again, e.g. by displaying the factual information in the display differently sized and / or in different colors. According to the decision on a classification of a factual information as relevant factual information is binary. The factual information is either relevant or not. However, the relevance of factual information classified as relevant factual information may be variable. As a measure of relevance, the normality value can advantageously be used. If, for example, factual information has been classified as relevant because of a particularly low normality value (for example, close to zero), it can be assumed that the user has a particularly pronounced interest in this information item. Therefore, this information can be provided to the user very pronounced. This can e.g. through a large display of factual information on the PDA and a simultaneous beep.
Ein zur Durchführung des Verfahrens geeigneter Persönlicher Digitaler Assistent verfügt über Einheiten zur Verarbeitung von Informationen, also über einen Mikroprozessor, flüchtige und / oder nichtflüchtige Datenspeicher. Vorteilhafterweise weist der PDA in weiterer Ausgestaltung eine oder mehrere der folgenden Sensorvorrichtungen auf, mit denen eine aktuelle Kontextinformation erfasst werden kann:
- • Satellitennavigationsvorrichtung, z.B. für GPS und / oder Galileo,
- • Mobilfunkeinheit, z.B. für GSM, EDGE, GPRS, UMTS, HSPA und / oder LTE,
- • Vorrichtung für eine Kommunikation über drahtlose Netze, z.B. WLAN, Bluetooth und / oder NFC,
- • Kamera zur Aufnahme stehender und / oder bewegter Bilder.
- • satellite navigation device, eg for GPS and / or Galileo,
- • Mobile radio unit, eg for GSM, EDGE, GPRS, UMTS, HSPA and / or LTE,
- Device for communication via wireless networks, eg WLAN, Bluetooth and / or NFC,
- • Camera for taking still and / or moving pictures.
Zur Ausgabe von relevanten Sachinformationen kann der PDA mit weiterem Vorteil über visuelle, akustische und / oder haptische Ausgabevorrichtungen verfügen. In weiterer Ausgestaltung verfügt der PDA auch über eine oder mehrere Eingabevorrichtungen wie Tastatur, Mikrofon und Spracherkennungseinheit. Eingabevorrichtung und Ausgabevorrichtung können auch zu einer Vorrichtung kombiniert sein, z.B. als Touchscreen. To issue relevant factual information, the PDA may more advantageously have visual, auditory and / or haptic output devices. In a further embodiment, the PDA also has one or more input devices such as keyboard, microphone and voice recognition unit. Input device and output device may also be combined into a device, e.g. as a touch screen.
Erfindungsgemäß verfügt der PDA über eine Bestimmungseinheit zur Bestimmung eines Normalitätswertes in Abhängigkeit der vergangenen Kontextinformation und der aktuellen Kontextinformation und eine Entscheidungseinheit zur Entscheidung über eine Einstufung der Sachinformation als relevante Sachinformation in Abhängigkeit des Normalitätswertes. Die Bestimmungseinheit und die Entscheidungseinheit müssen nicht notwendigerweise als eigene Hardware-Einheiten ausgebildet sein. Sie können auch durch einen Mikroprozessor des PDA gebildet werden, indem dieser mittels eines erfindungsgemäßen Computerprogrammprodukts angesteuert wird. According to the invention, the PDA has a determination unit for determining a normality value as a function of the past context information and the current context information, and a decision unit for deciding on a classification of the factual information as relevant factual information as a function of the normality value. The determination unit and the decision unit do not necessarily have to be designed as separate hardware units. They can also be formed by a microprocessor of the PDA, by being controlled by means of a computer program product according to the invention.
Die Erfindung umfasst auch ein Speichermedium mit computerlesbarem Code zum Steuern eines Persönlichen Digitalen Assistenten zur Ausführung des beschriebenen Verfahrens. Weiterhin kann der computerlesbare Code auf einem oder mehreren Servern in Form einer oder mehrerer Dateien gespeichert und übertragbar sein. The invention also includes a computer-readable code storage medium for controlling a personal digital assistant to perform the described method. Furthermore, the computer readable code may be stored and transferable on one or more servers in the form of one or more files.
Die Erfindung wird nachfolgend anhand beispielhafter Darstellungen erläutert. Es zeigen The invention will be explained below with reference to exemplary illustrations. Show it
Es wird darauf hingewiesen, dass es sich bei den dargestellten Figuren sowie der zugehörigen Beschreibung lediglich um Ausführungsbeispiele der Erfindung handelt. Insbesondere sind Darstellungen von Merkmalskombinationen in den Figuren und/oder der Figurenbeschreibung nicht dahingehend auszulegen, dass die Erfindung zwingend die Verwirklichung aller genannten Merkmale erfordert. Andere Ausführungsformen der Erfindung können weniger, mehr und / oder andere Merkmale enthalten. Der Schutzbereich und die Offenbarung der Erfindung ergeben sich aus den beiliegenden Patentansprüchen und der vollständigen Beschreibung. It should be noted that the illustrated figures and the associated description are merely exemplary embodiments of the invention. In particular, representations of combinations of features in the figures and / or the description of the figures are not to be interpreted as meaning that the invention necessarily requires the realization of all mentioned features. Other embodiments of the invention may include fewer, more, and / or different features. The scope and disclosure of the invention will be apparent from the appended claims and the complete description.
Der Tagesablauf
Der Tagesablauf
Der Tagesablauf
Der Tagesablauf
Die Tagesabläufe
Die folgende Tabelle führt Einzelnormalitätswerte auf, wie sie zu den in
Im vorliegenden Beispiel ergeben sich die Normalitätswerte durch arithmetische Mittelwertbildung aus allen Einzelnormalitätswerten. Es wird also kein Einzelnormalitätswert über- oder untergewichtet. Beispielsweise wird der Normalitätswert für den Tag
Es wird nachfolgend spaltenweise erläutert, wie die beispielhaften Einzelnormalitätswerte bestimmt wurden. It is explained in columns below how the exemplary individual normality values were determined.
In der Spalte
In der Spalte
In der Spalte
In der Spalte
In der Spalte
In der Spalte
In der Spalte
Das Zahlenbeispiel verdeutlicht die Berechnung des Normalitätswertes eines ganzen Tages. Es wird darauf hingewiesen, dass zur Berechnung eines Normalitätswertes nicht diese gesamte aktuelle Kontextinformation eines ganzen Tages nötig ist. Es können Normalitätswerte auch aus einzelnen aktuellen Kontextinformationen gewonnen werden, wobei die gleichartigen Informationen der früheren Kontextinformation berücksichtigt werden. Dies wird nachfolgend anhand eines weiteren Beispiels aus dem Tagesablauf
Im ersten Schritt des erfindungsgemäßen Verfahrens wird in diesem Beispiel eine aktuelle Kontextinformation bestimmt. Diese umfasst einen Eintrag im Kalender des Nutzers, der für 11 Uhr eine Besprechung im Büro vorsieht. Weiter umfasst die aktuelle Kontextinformation die Weckzeit
Im zweiten Schritt wird eine mindestens einen vergangenen Zeitpunkt betreffende frühere Kontextinformation geladen. Diese umfasst die Information darüber, an welchen Tagen, an denen mindestens eine Besprechung im Büro im Kalender eingetragen ist, der Nutzer morgens mit dem Auto ins Büro fährt. Weiter umfasst die frühere Kontextinformation alle Weckzeiten vergangener Tage. In the second step, a previous context information concerning at least one past time is loaded. This includes the information on which days on which at least one meeting in the office is entered in the calendar, the user drives in the morning by car to the office. Further, the earlier context information includes all waking times of bygone days.
Im dritten Schritt wird in Abhängigkeit der aktuellen Kontextinformation und der früheren Kontextinformation eine Sachinformation ausgewählt. Die Sachinformation besteht aus einer Routenempfehlung für die Strecke von Zuhause ins Büro. In the third step, a factual information is selected depending on the current context information and the previous context information. The factual information consists of a route recommendation for the route from home to the office.
Im vierten Schritt erfolgt die Bestimmung eines Normalitätswertes in Abhängigkeit der vergangenen Kontextinformation und der aktuellen Kontextinformation. Im vorliegenden Beispiel werden hierzu zwei Einzelnormalitätswerte bestimmt. Der erste Wert bezieht sich auch die Weckzeit. Wie vorstehend erläutert ist dieser Einzelnormalitätswert gleich eins. Der zweite Einzelnormalitätswert bezieht sich auf den Kalendereintrag (Termin um 11 Uhr). Aus der früheren Kontextinformation wird hierzu eine statistische Kenngröße erstellt. Es ergibt sich, dass der Nutzer an 97 von 100 Tagen, an denen mindestens eine Besprechung im Büro im Kalender eingetragen ist, morgens mit dem Auto ins Büro fährt. Es ergibt sich hieraus z.B. ein Einzelnormalitätswert von 0,97. Die Aufstehzeit wird doppelt gewichtet. Es ergibt sich somit ein Normalitätswert von 0,99. In the fourth step, a normality value is determined as a function of the past context information and the current context information. In the present example, two individual normality values are determined for this purpose. The first value also refers to the alarm time. As explained above, this single normality value is equal to one. The second single normality value refers to the calendar entry (appointment at 11 o'clock). From the earlier context information, a statistical parameter is created for this purpose. As a result, on 97 out of 100 days, when at least one meeting in the office is entered in the calendar, the user drives to the office in the morning. It results from e.g. a single normality value of 0.97. The get-up time is weighted twice. This results in a normality value of 0.99.
Im fünften Schritt wird die Sachinformation (Routenempfehlung) nicht als relevante Sachinformation eingestuft, da der Normalitätswert von 0,99 über dem Schwellenwert von 0,5 liegt. Im abschließenden Schritt wird die Sachinformation nicht bereitgestellt, da sie nicht als relevante Sachinformation eingestuft ist. In the fifth step, the factual information (recommended route) is not classified as relevant factual information because the normality value of 0.99 is above the threshold value of 0.5. In the final step, the factual information is not provided because it is not classified as relevant factual information.
ZITATE ENTHALTEN IN DER BESCHREIBUNG QUOTES INCLUDE IN THE DESCRIPTION
Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.This list of the documents listed by the applicant has been generated automatically and is included solely for the better information of the reader. The list is not part of the German patent or utility model application. The DPMA assumes no liability for any errors or omissions.
Zitierte PatentliteraturCited patent literature
- US 2013/0345961 A1 [0003] US 2013/0345961 A1 [0003]
Zitierte Nicht-PatentliteraturCited non-patent literature
- „Discovering Personal Gazetteers: An Interactive Clustering Approach“ von C. Zhou et al., veröffentlicht in „Proceedings of the 12th Annual ACM International Workshop on Geographic Information Systems”, S. 266–273, New York, NY, USA, 2004 [0019] "Discovering Personal gazetteer: An Interactive Clustering Approach". C. Zhou et al, published in "Proceedings of the 12th Annual ACM International Workshop on Geographic Information Systems", pp 266-273, New York, NY, USA, 2004 [ 0019]
- „A Clustering-based Approach for Discovering Interesting Places in Trajectories“ von A. T. Palma et al., veröffentlicht in „Proceedings of the 2008 ACM Symposium on Applied Computing“, S. 863–868, Fortaleza, Ceara, Brazil, 2008 [0019] AT Cluster et al., Published in "Proceedings of the 2008 ACM Symposium on Applied Computing," pp. 863-868, Fortaleza, Ceara, Brazil, 2008 [0019] "A Clustering-based Approach to Discovering Interesting Places in Trajectories"
Claims (10)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102014215266.6A DE102014215266A1 (en) | 2014-08-04 | 2014-08-04 | A method for providing a factual information relevant to a user of a personal digital assistant, personal digital assistant and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102014215266.6A DE102014215266A1 (en) | 2014-08-04 | 2014-08-04 | A method for providing a factual information relevant to a user of a personal digital assistant, personal digital assistant and storage medium |
Publications (1)
Publication Number | Publication Date |
---|---|
DE102014215266A1 true DE102014215266A1 (en) | 2016-02-04 |
Family
ID=55079576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE102014215266.6A Pending DE102014215266A1 (en) | 2014-08-04 | 2014-08-04 | A method for providing a factual information relevant to a user of a personal digital assistant, personal digital assistant and storage medium |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE102014215266A1 (en) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004025323A1 (en) * | 2002-09-10 | 2004-03-25 | Bayerische Motoren Werke Aktiengesellschaft | Driver assistance system for a road vehicle |
US20130345961A1 (en) | 2012-06-25 | 2013-12-26 | Google Inc. | Providing Route Recommendations |
-
2014
- 2014-08-04 DE DE102014215266.6A patent/DE102014215266A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004025323A1 (en) * | 2002-09-10 | 2004-03-25 | Bayerische Motoren Werke Aktiengesellschaft | Driver assistance system for a road vehicle |
US20130345961A1 (en) | 2012-06-25 | 2013-12-26 | Google Inc. | Providing Route Recommendations |
Non-Patent Citations (7)
Title |
---|
"A Clustering-based Approach for Discovering Interesting Places in Trajectories" von A. T. Palma et al., veröffentlicht in "Proceedings of the 2008 ACM Symposium on Applied Computing", S. 863-868, Fortaleza, Ceara, Brazil, 2008 |
"Discovering Personal Gazetteers: An Interactive Clustering Approach" von C. Zhou et al., veröffentlicht in "Proceedings of the 12th Annual ACM International Workshop on Geographic Information Systems", S. 266-273, New York, NY, USA, 2004 |
BIAGIONI, James; KRUMM, John. Days of our lives: Assessing day similarity from location traces. In: User Modeling, Adaptation, and Personalization. Springer Berlin Heidelberg, 2013. S. 89-101. * |
LIAO, Lin, et al. Learning and inferring transportation routines. Artificial Intelligence, 2007, 171. Jg., Nr. 5, S. 311-331. * |
MA, Tian-Shya. Real-time anomaly detection for traveling individuals. In: Proceedings of the 11th international ACM SIGACCESS conference on Computers and accessibility. ACM, 2009. S. 273-274. * |
MACEK, Tomás, et al. Mostly passive information delivery in a car. In: Proceedings of the 5th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. ACM, 2013. S. 250-253. * |
MACEK, Tomáš, et al. Mostly passive information delivery in a car. In: Proceedings of the 5th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. ACM, 2013. S. 250-253. |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE202016107361U1 (en) | Manage messages in vehicles | |
DE112014005247T5 (en) | An information system and method for using a pre-calculation engine of a vehicle | |
DE112016003980T5 (en) | SYSTEM FOR THE PRODUCTION AND ADJUSTMENT OF A TRAVEL PLAN | |
DE102012218966B4 (en) | Method and system for identifying original data generated by things in the Internet of Things | |
DE60313457T2 (en) | MULTIDIMENSIONAL APPROACH TO CONTEXT CONSCIOUSNESS | |
DE102017109164A1 (en) | Personal security and privacy features for passengers of an autonomous vehicle based transport system | |
DE102015111218A1 (en) | Parking management for a vehicle | |
DE112014004372T5 (en) | Method for adapting a user interface of a vehicle navigation system in a vehicle | |
DE102013223684A1 (en) | A method and apparatus for giving recommendations to a plurality of vehicle occupants | |
DE202015009187U1 (en) | Card personalization based on social clues | |
DE102015113636A1 (en) | Method and apparatus for generating road risk indices | |
DE202011110865U1 (en) | Personalized location tags | |
DE102011085893A1 (en) | Systems and methods for planning vehicle routes based on safety factors | |
DE202011110872U1 (en) | Geocoded comments in a messaging service | |
EP3324350A1 (en) | Navigation system for optimising delivery or collection journeys | |
DE102018105876A1 (en) | Automatic transmission of reminder messages for left behind devices | |
DE202014010949U1 (en) | A suggestion device based on favorites nearby | |
DE112021001926T5 (en) | SYSTEM AND METHOD FOR FILTERLESS THrottling OF VEHICLE EVENT DATA PROCESSING TO IDENTIFY PARKING AREAS | |
DE102013206354A1 (en) | Adaptive assessment of object relevance based on dynamic user properties | |
DE102019130104A1 (en) | LOCATION MARKING FOR UNIVERSAL ACCESS | |
DE102022100667A1 (en) | SYSTEMS FOR RIDESHARING AND AUTONOMOUS VEHICLES WITH REDUCTION OF DRIVING-RELATED PHOBIA | |
DE102015208253A1 (en) | VEHICLE-SIDED MICRO-INTERACTIONS | |
DE102009056641A1 (en) | Method for determining starting point and destination of passenger and/or cargo, involves providing driver-exit route data, and determining modified route of driver through starting point and destination | |
DE102015011566B4 (en) | Task-oriented motor vehicle navigation | |
DE102014210082A1 (en) | Method and system for providing an occupancy probability of vehicle parking spaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
R163 | Identified publications notified | ||
R079 | Amendment of ipc main class |
Free format text: PREVIOUS MAIN CLASS: G06F0017300000 Ipc: G06F0016000000 |
|
R012 | Request for examination validly filed |