DE202018006510U1 - Intelligente personenzentrierte Vorhersagen in einer kollaborativen Umgebung - Google Patents

Intelligente personenzentrierte Vorhersagen in einer kollaborativen Umgebung Download PDF

Info

Publication number
DE202018006510U1
DE202018006510U1 DE202018006510.2U DE202018006510U DE202018006510U1 DE 202018006510 U1 DE202018006510 U1 DE 202018006510U1 DE 202018006510 U DE202018006510 U DE 202018006510U DE 202018006510 U1 DE202018006510 U1 DE 202018006510U1
Authority
DE
Germany
Prior art keywords
user
users
actions
documents
cloud
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.)
Active
Application number
DE202018006510.2U
Other languages
English (en)
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
Publication of DE202018006510U1 publication Critical patent/DE202018006510U1/de
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/10—File systems; File servers
    • G06F16/17—Details of further file system functions
    • G06F16/176—Support for shared access to files; File sharing support
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/93—Document management systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • 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

Abstract

Computerprogramm, das Befehle enthält, die, wenn sie von einem oder mehreren Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren dazu veranlassen, Operationen auszuführen, die Folgendes umfassen:
für einen Anwender einer cloudbasierten Inhaltsverwaltungsplattform, Identifizieren mehrerer anderer Anwender der cloudbasierten Inhaltsverwaltungsplattform, die eine Beziehung zu dem Anwender haben und mehreren Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden;
Vorhersagen eines oder mehrerer Mitarbeiter für den Anwender durch einen Prozessor basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender; und
Bereitstellen von Informationen, die den einen oder die mehreren vorhergesagten Mitarbeiter identifizieren, zur Präsentation für den Anwender durch den Prozessor, um den Anwender zu einer Teilmenge von Dokumenten aus den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, zu leiten, wobei die Teilmenge von Dokumenten jeweils einem des einen oder der mehreren vorhergesagten Mitarbeiter zugeordnet ist.

Description

  • Als Gegenstand des Gebrauchsmusters zu schützen sind gemäß den Anforderungen des Gebrauchsmustergesetzes nur Vorrichtungen, wie sie in den beigefügten Ansprüchen definiert sind, jedoch keine Verfahren. Falls sich die folgende Beschreibung auf Verfahren bezieht, dienen diese Bezugnahmen lediglich zur Veranschaulichung der Vorrichtung oder Vorrichtungen, für die mit den beigefügten Ansprüchen Schutz ersucht wird.
  • Hintergrund
  • Während der Online-Zusammenarbeit verwenden Anwender verschiedene kollaborative Werkzeuge, die von einer cloudbasierten Inhaltsverwaltungsplattform über ein Netz bereitgestellt werden, um zusammenzuarbeiten. Die kollaborativen Werkzeuge umfassen Dokumentanwendungen (z. B. Textverarbeitungs-, Präsentations- und Tabellenkalkulationsanwendungen), einen cloudbasierten Dokumentenspeicherdienst, einen Online-Kalenderdienst, einen E-Mail-Dienst und einen Messenger. Mit den kollaborativen Werkzeugen können Anwender Dokumente über das Netz freigeben, bearbeiten und kommentieren, Projektzeitpläne planen, über E-Mails oder Messenger kommunizieren usw. Mit herkömmlichen kollaborativen Werkzeugen werden dann, wenn Anwender über eine große Anzahl freigegebener Dokumente und eine große Anzahl möglicher Dokumente Mitarbeiter verfügen, große Mengen an Zeit und Ressourcen dafür aufgewendet werden, mögliche Mitarbeiter und Dokumente zur Interaktion zu identifizieren. Dies beinhaltet beispielsweise häufige Anwenderinteraktionen mit kollaborativen Anwendungen und das Durchsuchen großer Datenmengen, bei denen es sich beispielsweise um freigegebene Dokumente handelt, auf der cloudbasierten Inhaltsverwaltungsplattform.
  • Zusammenfassung
  • Das Folgende ist eine vereinfachte Zusammenfassung der Offenbarung, um ein grundlegendes Verständnis einiger Aspekte der Offenbarung zu vermitteln. Diese Zusammenfassung gibt keinen umfassenden Überblick über die Offenbarung. Es ist weder beabsichtigt, wichtige oder kritische Elemente der Offenbarung zu identifizieren, noch einen Umfang der speziellen Implementierungen der Offenbarung oder einen Umfang der Ansprüche einzugrenzen. Der einzige Zweck besteht darin, als Vorbereitung zu der später vorgestellten genauen Beschreibung einige Konzepte der Offenbarung in vereinfachter Form zu präsentieren.
  • In einigen Implementierungen werden ein System und ein Verfahren zum Vorhersagen eines Mitarbeiters, mit dem ein Anwender wahrscheinlich zusammenarbeiten wird, basierend auf Zusammenarbeitsattributen potenzieller Mitarbeiter offenbart. In einer Implementierung werden potenzielle Mitarbeiter aus Anwendern einer cloudbasierten Inhaltsverwaltungsplattform identifiziert, die eine Beziehung zu dem Anwender haben und Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden. Die Zusammenarbeitsattribute jedes potenziellen Mitarbeiters werden aus Aufzeichnungen vergangener Zusammenarbeiten mit dem Anwender extrahiert. Informationen, die die vorhergesagten Mitarbeiter identifizieren, können dem Anwender geliefert werden, um den Anwender zu Dokumenten zu leiten, die jeweiligen vorhergesagten Mitarbeiter zugeordnet sind.
  • In einigen anderen Implementierungen werden ein System und ein Verfahren zum Vorhersagen einer Antwort offenbart, die der Anwender wahrscheinlich als Antwort auf ausstehende Aktionen eines anderen Anwenders liefern wird. Die ausstehenden Aktionen erfordern die Aufmerksamkeit des Anwenders im Zusammenhang mit Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden. Die vorhergesagte Antwort auf eine der ausstehenden Aktionen kann ermöglicht werden, indem eine Anwenderoberflächenkomponente (UI-Komponente), die von dem Anwender zu aktivieren ist, bereitgestellt wird. Die UI-Komponente würde den Anwender bei Aktivierung zu einer entsprechenden ausstehenden Aktion innerhalb eines relevanten Dokuments leiten.
  • Die vorliegende Offenbarung schafft ein Verfahren für einen Anwender einer cloudbasierten Inhaltsverwaltungsplattform, das ein Identifizieren mehrerer anderer Anwender der cloudbasierten Inhaltsverwaltungsplattform, die eine Beziehung zu dem Anwender haben und mehreren von der cloudbasierten Inhaltsverwaltungsplattform gehosteten Dokumenten zugeordnet sind, umfasst. Das Verfahren kann ein Vorhersagen eines oder mehrerer Mitarbeiter für den Anwender durch einen Prozessor basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender umfassen. Das Verfahren kann ein Bereitstellen von Informationen, die den einen oder die mehreren vorhergesagten Mitarbeiter identifizieren, zur Präsentation für den Anwender durch den Prozessor umfassen, um den Anwender zu einer Teilmenge von Dokumenten aus den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, zu leiten, wobei die Teilmenge von Dokumenten jeweils einem des einen oder der mehreren vorhergesagten Mitarbeiter zugeordnet sind.
  • Die Informationen, die den einen oder die mehreren vorhergesagten Mitarbeiter identifizieren, können eine Verknüpfung wie beispielsweise eine Verknüpfung zu einem Dokumentensuchergebnis für Dokumente, die dem vorhergesagten Mitarbeiter zugeordnet sind, umfassen. Der eine oder die mehreren vorhergesagten Mitarbeiter können eine Teilmenge der anderen Anwender sein, z. B. ein oder mehrere andere Anwender, aber weniger als alle davon. Das Identifizieren der mehreren anderen Anwender der cloudbasierten Inhaltsverwaltungsplattform kann ein Bestimmen der mehreren anderen Anwender aus Folgendem umfassen: Aktionen des Anwenders, die den mehreren Dokumenten, einem Kalender und einem Kommunikationswerkzeug, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, zugeordnet sind, wobei die Aktionen des Anwenders aus einer kürzlich vorbestimmtem Zeitperiode sein können; Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform; und/oder einer vorbestimmten Anzahl kürzlich von den mehreren anderen Anwendern mit dem Anwender geteilter Dokumente. Die Zugehörigkeiten des Anwenders Folgendes umfassen:
    • eine Kontaktliste des Anwenders mit einer Liste von Anwenderprofilen der cloudbasierten Inhaltsverwaltungsplattform, wobei die Kontaktliste für jedes Profil einen Grad der Affinität mit dem Anwender enthält; und/oder eine Mitgliedschaft in einem Gruppenraum in der cloudbasierten Inhaltsverwaltungsplattform, die es Mitgliedern des Gruppenraums ermöglicht, Dokumente in dem Gruppenbereich zu speichern, zu suchen und darauf zuzugreifen. Die Aktionen des Anwenders können eine oder mehrere der folgenden umfassen: eine Zusammenarbeit des Anwenders im Zusammenhang mit den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, eine Dokumentensuchaktion an den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, basierend auf einem Dokumenteneigentümer, eine zukünftige Aktion zur Teilnahme an kollaborativen Kalenderereignissen und/oder eine Kommunikationsaktion über ein Kommunikationswerkzeug, das von der cloudbasierten Inhaltsverwaltungsplattform gehostet wird.
  • Das Verfahren kann ferner ein Bestimmen einer Menge von Zusammenarbeitsattributen für jeden der mehreren anderen Anwender der cloudbasierten Inhaltsverwaltungsplattform umfassen. Die Menge von Zusammenarbeitsattributen eines jeweiligen anderen Anwenders kann mindestens zwei oder mehr der folgenden Attribute umfassen: eine Häufigkeit der Zusammenarbeit mit dem Anwender; eine Aktualität der Zusammenarbeit mit dem Anwender; eine Reaktionsfreudigkeit des Anwenders auf Aktionen des jeweiligen anderen Anwenders, der den mehreren Dokumenten zugeordnet ist, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden; eine gleichzeitige Interaktion des jeweiligen anderen Anwenders und des Anwenders mit einem oder mehreren Dokumenten aus den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden; eine Überschneidung zwischen i) den Aktionen und Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform und ii) Aktionen und Zugehörigkeiten des jeweiligen anderen Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform; und/oder ein Affinitätsgrad des Anwenders für den jeweiligen anderen Anwender basierend auf den Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform. Das Vorhersagen des einen oder der mehreren Mitarbeiter für den Anwender basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender kann umfassen: Bereitstellen der Menge von Zusammenarbeitsattributen jedes der mehreren anderen Anwender als Eingabe in ein trainiertes Maschinenlernmodell; und Erhalten einer oder mehrerer Ausgaben aus dem trainierten Maschinenlernmodell, wobei die Ausgaben für jeden der mehreren anderen Anwender eine Wahrscheinlichkeit angeben, dass der Anwender mit einem jeweiligen anderen Anwender zusammenarbeiten soll. Das Verfahren kann ferner ein Bereitstellen von Trainingsdaten zum Trainieren des Maschinenlernmodells an einer Menge von Trainingseingaben und einer Menge von Zielausgaben umfassen. Die Menge von Trainingseingaben kann Zusammenarbeitsattribute mehrerer zweiter anderer Anwender umfassen. Die Menge von Zielausgaben kann Auswahlen früherer Anwender der mehreren zweiten anderen Anwender als Mitarbeiter durch den Anwender umfassen.
  • Das Vorhersagen des einen oder der mehreren Mitarbeiter für den Anwender basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender kann ferner ein Bestimmen einer Anzahl von Dokumenten, die zwischen dem Anwender und jedem der mehreren anderen Anwender geteilt werden, basierend auf den Zusammenarbeitsattributen der mehreren anderen Anwender umfassen. Das Vorhersagen des einen oder der mehreren Mitarbeiter für den Anwender basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender kann ferner ein Bestimmen einer Aktualität jeder Zusammenarbeit, die den zwischen dem Anwender und jedem der mehreren anderen Anwender geteilten Dokumente zugeordnet ist, basierend auf den Zusammenarbeitsattributen der mehreren anderen Anwender umfassen. Das Vorhersagen des einen oder der mehreren Mitarbeiter für den Anwender basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender kann ferner ein Einstufen der mehreren anderen Anwender basierend auf der Anzahl von Dokumenten, die zwischen dem Anwender und jedem der mehreren anderen Anwender geteilt wurden, der Aktualität jeder Zusammenarbeit, die den Dokumenten zugeordnet ist, die zwischen dem Anwender und jedem der mehreren anderen Anwender geteilt wurden, und einer oder mehreren Regeln, die eine Korrelation zwischen der Anzahl der Dokumente und der Aktualität definieren, umfassen. Das Vorhersagen des einen oder der mehreren Mitarbeiter für den Anwender basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender kann ferner ein Auswählen eines oder mehrerer anderer Anwender basierend auf Rangfolgen der mehreren anderen Anwender umfassen, wobei der eine oder die mehreren ausgewählten anderen Anwender den einen oder die mehreren vorhergesagten Mitarbeiter repräsentieren. Die eine oder die mehreren Regeln können Gewichte umfassen, die der Anzahl der Dokumente und der Aktualität zugeordnet sind. Das Verfahren kann ferner ein Bestimmen, ob eine Auswahl eines Mitarbeiters durch den Anwender mit einem des einen oder der mehreren vorhergesagten Mitarbeiter übereinstimmt, umfassen. Das Verfahren kann ferner ein Modifizieren der einen oder mehreren Regeln als Antwort darauf umfassen, dass sich die Auswahl des Mitarbeiters durch den Anwender von dem einen oder den mehreren vorhergesagten Mitarbeitern unterscheidet.
  • Die vorliegende Offenbarung schafft ein Verfahren, das Folgendes umfasst: für einen ersten Anwender einer cloudbasierten Inhaltsverwaltungsplattform, Identifizieren mehrerer ausstehender Aktionen, die von einem zweiten Anwender der cloudbasierten Inhaltsverwaltungsplattform an den ersten Anwender gerichtet sind, wobei die mehreren ausstehenden Aktionen durch den zweiten Anwender einer Teilmenge mehrerer Dokumente zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden; Vorhersagen einer oder mehrerer Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders durch einen Prozessor basierend auf Aktionsattributen der mehreren ausstehenden Aktionen des zweiten Anwenders; und Bereitstellen einer Anwenderschnittstelle (UI) zur Präsentation für den ersten Anwender durch den Prozessor, wobei die UI eine oder mehrere UI-Komponenten umfasst, die von dem ersten Anwender aktiviert werden müssen, um die eine oder die mehreren vorhergesagten Antworten auf mindestens eine Teilmenge der mehreren ausstehenden Aktionen des zweiten Anwenders bereitzustellen.
  • Mindestens eine der UI-Komponenten kann eine Verknüpfung wie beispielsweise eine Verknüpfung, die es dem Anwender ermöglicht, eine Antwort auf die ausstehende Aktion zu liefern, umfassen. Die Verknüpfung kann den Anwender zu einem relevanten Dokument oder zu einer ausstehenden Aktion, die in einem Dokument angegeben ist, führen. Das Vorhersagen der einen oder der mehreren Antworten und/oder das Bereitstellen der Anwenderschnittstelle kann von dem Prozessor automatisch durchgeführt werden. Die eine oder die mehreren UI-Komponenten können von dem Prozessor basierend auf der einen oder den mehreren vorhergesagten Antworten des ersten Anwenders dynamisch ausgewählt oder bestimmt werden, z. B. nebenher. Die mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, können eine oder mehrere der folgenden umfassen: eine oder mehrere Einladungen von dem zweiten Anwender an den ersten Anwender, jeweils ein oder mehrere Dokumente aus der Teilmenge der mehreren Dokumente zu teilen; einen oder mehrere Kommentare von dem zweiten Anwender an den ersten Anwender in Bezug auf die Teilmenge der mehreren Dokumente; und/oder eine oder mehrere Bearbeitungen durch den zweiten Anwender für den ersten Anwender in Bezug auf die Teilmenge der mehreren Dokumente. Das eine oder die mehreren Aktionsattribute können mindestens zwei oder mehr der folgenden umfassen: einen Aktionstyp einer jeweiligen Aktion; eine Aktualität der jeweiligen Aktion; und/oder eine Identität eines Anwenders der cloudbasierten Inhaltsverwaltungsplattform, der die entsprechende Aktion initiiert hat. Das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders kann ferner auf Folgendem basieren: Antwortverlauf des ersten Anwenders auf mehrere vorherige Aktionen eines oder mehrerer anderer Anwender einschließlich des zweiten Anwenders, wobei die mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender den mehreren Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden. Das Verfahren kann ferner ein Bestimmen des Antwortverlaufs des ersten Anwenders auf die mehreren vorherigen Aktionen umfassen. Der Antwortverlauf des ersten Anwenders auf die mehreren vorherigen Aktionen kann Folgendes umfassen: eine Häufigkeit, mit der der erste Anwender auf einen Kommentar jedes des einen oder der mehreren anderen Anwender geantwortet hat; ein Verhältnis der Anzahl von Malen, die der erste Anwender die mehreren Dokumente für jeden der einen oder mehreren anderen Anwender bearbeitet hat, zu der Anzahl von Malen, die der erste Anwender die mehreren Dokumente für einen jeweiligen anderen Anwender kommentiert hat; ein Verhältnis davon, dass der erste Anwender einen Kommentar als Antwort auf vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender liefert, zu davon, dass der erste Anwender vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender ignoriert; ein Verhältnis davon, dass der ersten Anwender ein Dokument als Antwort auf vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender bearbeitet, dazu, dass der erste Anwender vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender ignoriert; ein Verhältnis davon, dass der erste Anwender ein Dokument als Antwort auf vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender öffnet, dazu, dass der erste Anwender vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender ignoriert; eine Häufigkeit, mit der der erste Anwender die mehreren Dokumente kommentiert hat; eine Häufigkeit, mit der der erste Anwender auf einen Kommentar geantwortet hat, basierend auf der Länge des Kommentars; und/oder eine Häufigkeit, mit der der erste Anwender die mehreren Dokumente bearbeitet hat. Der eine oder die mehreren anderen Anwender können entweder nur den zweiten Anwender oder den zweiten Anwender und einen oder mehrere zusätzliche Anwender umfassen.
  • Das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders kann ein Bereitstellen eines oder mehrerer Aktionsattribute jeder der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet werden, in Bezug auf ein entsprechendes Dokument der Teilmenge von Dokumenten als Eingabe für ein trainiertes Maschinenlernmodell umfassen. Das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders kann ein Erhalten einer oder mehrerer Ausgaben aus dem trainierten Maschinenlernmodell umfassen, wobei die Ausgaben für jede der mehreren ausstehenden Aktionen des zweiten Anwenders eine Wahrscheinlichkeit, dass der erste Anwender eine Antwort auf eine entsprechende ausstehende Aktion liefert, angeben. Das Verfahren kann ferner ein Bereitstellen von Trainingsdaten zum Trainieren des Maschinenlernmodells an einer Menge von Trainingseingaben und einer Menge von Zielausgaben umfassen. Die Menge von Trainingseingaben kann ein oder mehrere Aktionsattribute mehrerer vorheriger Aktionen, die von anderen Anwendern an den ersten Anwender gerichtet sind, umfassen. Die Menge von Zielausgaben kann Antworten von dem ersten Anwender auf die mehreren vorherigen Aktionen umfassen, die von den anderen Anwendern an den ersten Anwender gerichtet wurden. Das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders kann ein Identifizieren von Regeln zum Vorhersagen der einen oder mehreren Antworten auf ausstehende Aktionen des zweiten Anwenders umfassen, wobei die Regeln eine Rangfolgenregel und eine Regel für erwartete Antworten umfassen. Die Rangfolgenregel kann basierend auf einer Korrelation zwischen einem Aktionstyp und einer Aktualität der ausstehenden Aktion definieren, wie eine ausstehende Aktion eingestuft werden soll. Die Regel für erwartete Antworten kann erwartete Antworten auf ausstehende Aktionen verschiedener Typen definieren. Die Rangfolge und die Regel für erwartete Antworten können basierend auf dem Antwortverlauf des ersten Anwenders auf die mehreren vorherigen Aktionen abgeleitet werden. Das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders kann ein Bestimmen eines Aktionstyps und einer Aktualität jeder der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, umfassen. Das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders kann ein Einordnen jeder der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, in einer Rangfolge basierend auf der Rangfolgenregel und dem Aktionstyp und der Aktualität jeder der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, umfassen. Das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders kann ein Auswählen einer Teilmenge der mehreren ausstehenden Aktionen basierend auf Rangfolgen der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, umfassen. Das Vorhersagen der einen oder der mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders kann ein Identifizieren erwarteter Antworten auf die ausgewählte Teilmenge ausstehender Aktionen basierend auf der Regel für erwartete Antworten und des Typs jeder ausstehenden Aktion umfassen, wobei die identifizierten Antworten die eine oder die mehreren vorhergesagten Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders darstellen. Das Verfahren kann ferner ein Bestimmen umfassen, ob der erste Anwender wie beabsichtigt auf eine aus der ausgewählten Teilmenge ausstehender Aktionen geantwortet hat. Das Verfahren kann ferner ein Modifizieren der Rangfolgenregel als Antwort darauf, dass der erste Anwender nicht wie beabsichtigt auf eine aus der ausgewählten Teilmenge ausstehender Aktionen geantwortet hat, umfassen. Das Verfahren kann ferner ein Bestimmen umfassen, ob eine Auswahl einer Antwort durch den ersten Anwender mit einer der identifizierten Antworten übereinstimmt. Das Verfahren kann ferner ein Modifizieren der Regel für erwartete Antworten als Antworte auf das Bestimmen, dass die Auswahl der Antwort durch den ersten Anwender mit keiner der identifizierten Antworten übereinstimmt, umfassen.
  • Die vorliegende Offenbarung kann ein Verarbeitungssystem umfassen, das dazu ausgelegt ist, eines der oben und/oder unten beschriebenen Verfahren zu implementieren. Das Verarbeitungssystem kann mindestens einen Prozessor aufweisen, der geeignet programmiert ist, um eines der oben und/oder unten beschriebenen Verfahren zu implementieren.
  • Die vorliegende Offenbarung kann mindestens ein Computerprogrammprodukt umfassen, das so ausgelegt ist, dass es bei Implementierung in einem Verarbeitungssystem veranlasst, dass das Verarbeitungssystem eines der oben und/oder unten beschriebenen Verfahren ausführt. Das Computerprogrammprodukt kann auf einem nicht transitorischen, greifbaren computerlesbaren Medium implementiert sein.
  • Figurenliste
  • Aspekte und Implementierungen der vorliegenden Offenbarung sind aus der nachstehend gegebenen genauen Beschreibung und aus den beigefügten Zeichnungen verschiedener Aspekte und Implementierungen der Offenbarung vollständiger zu verstehen, die jedoch nicht dazu gedacht sind, die Offenbarung auf die spezifischen Aspekte oder Implementierungen zu beschränken, sondern nur zur Erklärung und zum Verständnis dienen.
    • 1 zeigt ein Beispiel einer Systemarchitektur für Implementierungen der vorliegenden Offenbarung.
    • 2 zeigt eine beispielhafte Anwenderoberfläche, die einen vorhergesagten Mitarbeiter für einen Anwender und Dokumente mit ausstehenden Aktionen, an denen der Anwender beteiligt ist, identifiziert, um die Zusammenarbeit auf der cloudbasierten Inhaltsverwaltungsplattform zu erleichtern.
    • 3 zeigt einen beispielhaften Mitarbeiterprädiktor gemäß einer Implementierung der vorliegenden Offenbarung.
    • 4 zeigt einen beispielhaften Trainingssatzgenerator zum Erzeugen von Trainingsdaten für ein Maschinenlernmodell unter Verwendung von Mitarbeiterinformationen gemäß Implementierungen der Offenbarung.
    • 5 zeigt einen beispielhaften Aktionsprädiktor gemäß einer Implementierung der vorliegenden Offenbarung.
    • 6 zeigt einen beispielhaften Aktionstrainingssatzgenerator zum Erzeugen von Trainingsdaten für ein Maschinenlernmodell unter Verwendung von Aktionsinformationen gemäß Implementierungen der Offenbarung.
    • 7 zeigt ein Ablaufdiagramm eines Verfahrens zum Vorhersagen eines Mitarbeiters für einen Anwender gemäß einigen Aspekten der Offenbarung.
    • 8 zeigt ein Ablaufdiagramm eines Verfahrens zum Verwenden eines trainierten Maschinenlernmodells in Bezug auf Zusammenarbeitsattribute anderer Anwender, um einen Mitarbeiter für einen Anwender vorherzusagen, gemäß einigen Aspekten der Offenbarung.
    • 9 zeigt ein Ablaufdiagramm eines Verfahrens zum Verwenden eines heuristischen Ansatzes in Bezug auf geteilte Dokumente und die Zusammenarbeit zwischen einem Anwender und anderen Anwendern, um einen Mitarbeiter für den Anwender vorherzusagen, gemäß einigen Aspekten der Offenbarung.
    • 10 zeigt ein Ablaufdiagramm eines Verfahrens zum Vorhersagen von Antworten eines Anwenders auf ausstehende Aktionen, die von einem anderen Anwender an den Anwender gerichtet sind, gemäß einigen Aspekten der Offenbarung.
    • 11 zeigt ein Ablaufdiagramm eines Verfahrens zum Verwenden eines trainierten Maschinenlernmodells in Bezug auf ausstehende Aktionen, die von einem anderen Anwender an einen Anwender gerichtet sind, um eine Antwort des Anwenders auf die ausstehenden Aktionen vorherzusagen, gemäß einigen Aspekten der Offenbarung.
    • 12 zeigt ein Ablaufdiagramm eines Verfahrens zum Verwenden eines heuristischen Ansatzes in Bezug auf ausstehende Aktionen, die von einem anderen Anwender an einen Anwender gerichtet sind, um eine Antwort des Anwenders auf die ausstehenden Aktionen vorherzusagen, gemäß einigen Aspekten der Offenbarung.
    • 13 zeigt eine beispielhafte Anwenderschnittstelle einer cloudbasierten Inhaltsverwaltungsplattform, die mit einem Anwender geteilte Dokumente zusammen mit vorhergesagten Zusammenarbeitsinformationen für den Anwender angibt, gemäß einer Implementierung der Offenbarung.
    • 14 zeigt ein Blockdiagramm eines beispielhaften Rechensystems, das gemäß einem oder mehreren Aspekten der vorliegenden Offenbarung arbeitet.
  • Detaillierte Beschreibung
  • Eine cloudbasierte Inhaltsverwaltungsplattform kann kollaborative Werkzeuge wie z. B. Dokumentanwendungen (z. B. Textverarbeitungs-, Präsentations- und Tabellenkalkulationsanwendungen), einen cloudbasierten Dokumentenspeicherdienst, einen Online-Kalender, einen E-Mail-Dienst, einen Messenger usw. bereitstellen. Wie der Begriff hierin verwendet wird, repräsentiert Online-Zusammenarbeit (hier auch als „Zusammenarbeit“ oder „Zusammenarbeitsereignis“ bezeichnet) Aktionen mehrerer Anwender in Bezug auf ein Dokument, das in einem cloudbasierten Datenspeichersystem gespeichert ist. Diese Aktionen können beispielsweise ein Überprüfen, Teilen, Bearbeiten oder Kommentieren eines Dokuments umfassen. Eine Aktion kann zu einer Benachrichtigung (oder einer Einladung zur Antwort) eines anderen Anwenders führen. Eine solche Aktion wird hier als „ausstehende Aktion“ bezeichnet. Insbesondere kann eine ausstehende Aktion eine Aktion eines Anwenders sein, die an einen anderen Anwender gerichtet ist und Aufmerksamkeit oder Antwort in Bezug auf ein bestimmtes Dokument anfordert, obwohl der andere Anwender die Aktion ignorieren kann. Beispielsweise kann ein Anwender ein Dokument mit einem anderen Anwender teilen und als Antwort auf die ausstehende Aktion des Teilens kann der andere Anwender das Dokument öffnen und betrachten oder das Dokument bearbeiten. In einem weiteren Beispiel kann ein Anwender ein Dokument bearbeiten und als Antwort auf die ausstehende Aktion des Bearbeitens kann der andere Anwender durch weitere Bearbeitung des Dokuments, Akzeptieren der vorgeschlagenen Bearbeitung oder Kommentieren der Bearbeitung antworten. In noch einem weiteren Beispiel kann ein Anwender ein Dokument kommentieren und als Antwort auf die ausstehende Aktion des Kommentierens kann ein anderer Anwender auf den Kommentar antworten oder den Kommentar abwickeln, um einen Kommentarstrang zu schließen. In einem weiteren Beispiel kann ein Anwender ein Kalenderereignis planen, um ein Dokument zusammen mit einem anderen Anwender zu bearbeiten, und der andere Anwender muss möglicherweise das Dokument überprüfen, um sich auf das ausstehende Kalenderereignis vorzubereiten.
  • Das cloudbasierte Datenspeichersystem kann zahlreiche Dokumente mit verschiedenen ausstehenden Aktionen, auf die ein Anwender zur Antwort aufgefordert wird, speichern. Einige dieser Dokumente können für den Anwender im Hinblick auf ihren Inhalt und/oder eine Person, die eine entsprechende ausstehende Aktion ausgeführt hat, wichtig sein. Um jedoch Dokumente zu finden, die ausstehenden Aktionen zugeordnet sind, auf die der Anwender möglicherweise antworten möchte, muss der Anwender möglicherweise beträchtliche Zeit damit verbringen, die Dokumente mit ausstehenden Aktionen, die an den Anwender gerichtet sind, zu durchsuchen und zu überprüfen. Ein solches Durchsuchen und Überprüfen kann eine Zusammenarbeit übermäßig verzögern, das Anwendererlebnis beeinträchtigen und zu einer ineffizienten Nutzung von Rechenbetriebsmitteln führen. In Systemen, die eine große Menge von Dokumenten speichern und/oder eine große Anzahl von Zusammenarbeiten zwischen Anwendern ermöglichen können, kann tatsächlich das Bereitstellen automatisierter Mechanismen, die Anwender dabei unterstützen, gewünschte Dokumente und/oder Zusammenarbeiten aus einer Reihe potenzieller Dokumente und/oder Zusammenarbeiten schnell und effizient zu identifizieren, von Vorteil sein.
  • Aspekte und Implementierungen der vorliegenden Offenbarung beheben die oben genannten Mängel unter anderem, indem (unter vielen Personen, die an den Anwender gerichtete ausstehende Aktionen ausgeführt haben) ein Mitarbeiter vorhergesagt wird, an einer Zusammenarbeit mit dem ein Anwender möglicherweise interessiert ist, und indem der Anwender zu Dokumenten geführt wird, die dem vorhergesagten Mitarbeiter zugeordnet sind. Der vorhergesagte Mitarbeiter kann aus anderen Anwendern (d. h. potenziellen Mitarbeitern) der cloudbasierten Inhaltsverwaltungsplattform ausgewählt werden, die in der Vergangenheit mit dem Anwender zusammengearbeitet haben. Die potenziellen Mitarbeiter können anhand von Informationen identifiziert werden, die aus verschiedenen Quellen (z. B. Dokumentanwendungen (z. B. Textverarbeitungs-, Präsentations- und Tabellenkalkulationsanwendungen), einem cloudbasierten Dokumentenspeicherdienst, einem Online-Kalenderdienst, einem E-Mail-Dienst oder einem Messenger usw.) extrahiert werden. Die Zusammenarbeitsvorhersagetechnik der vorliegenden Offenbarung kann unter anderem unter Verwendung eines Maschinenlernmodells oder eines heuristischen Ansatzes durchgeführt werden. Die Vorhersagetechnik kann eine Zusammenarbeit basierend auf Attributen der früheren Zusammenarbeit eines potenziellen Mitarbeiters mit dem Anwender vorhersagen. In Implementierungen können dem Anwender nach der Vorhersage eines Mitarbeiters Informationen über die Identität des vorhergesagten Mitarbeiters präsentiert werden, um den Anwender zu Dokumenten zu leiten, die dem Mitarbeiter zugeordnet sind, um die Zusammenarbeit voranzutreiben. In einigen Implementierungen kann dem Anwender eine Verknüpfung zu einem Dokumentensuchergebnis für Dokumente, die dem vorhergesagten Mitarbeiter zugeordnet sind, geliefert werden. Die Vorhersage potenzieller Mitarbeiter und die zugehörige Präsentation veranlassen Anwender zu einer auf der Vorhersage basierenden Auswahl von Mitarbeitern, zugehörigen geteilten Dokumenten und ausstehenden Aktionen aus einer großen Gesamtzahl potenzieller Mitarbeiter, geteilter Dokumente und ausstehender Aktionen, auf die der Anwender zugreifen kann, um Anwendereingaben bei der Identifizierung von Mitarbeitern, zugehörigen Dokumenten und Aktionen, mit denen interagiert werden soll, zu reduzieren. Zusätzlich oder alternativ ermöglicht die Vorhersage dem Anwender ein gezielteres Interagieren mit der cloudbasierten Inhaltsverwaltungsplattform, so dass das Durchsuchen und Betrachten von Dokumenten und ausstehenden Aktionen, die für den Anwender nicht von Interesse sind, reduziert wird oder wegfällt, so dass sich Anwenderauswahl hauptsächlich auf Dokumente von Interesse richtet. Infolgedessen werden Rechenbetriebsmittel und Netzbandbreite, die für die unnötige Übertragung von Dokumenten innerhalb der cloudbasierten Zusammenarbeitsplattform und für das Herunterladen vom Server auf Client erforderlich sind, reduziert oder fallen weg.
  • Zusätzlich oder alternativ sagen einige Implementierungen der vorliegenden Offenbarung voraus, auf welche ausstehende Aktion (von vielen an den Anwender gerichteten ausstehenden Aktionen) der Anwender wahrscheinlich antwortet (und/oder welche Art von Antwort der Anwender wahrscheinlich liefert) und leiten den Anwender zu einem Ul-Element, das der Anwender auswählen kann, um zu antworten. Die Antwortvorhersagetechnik der vorliegenden Offenbarung kann eine Antwort basierend auf Attributen der ausstehenden Aktionen vorhersagen. Die Antwortvorhersagetechnik kann ferner den Antwortverlauf des Anwenders berücksichtigen, der für einen Typ ausstehender Aktion und/oder für einen bestimmten Anwender spezifisch ist. Die Antwortvorhersagetechnik kann unter anderem unter Verwendung eines Maschinenlernmodells oder eines heuristischen Ansatzes implementiert werden. Nachdem vorhergesagt wurde, dass der Anwender wahrscheinlich auf eine ausstehende Aktion antwortet, kann dem Anwender eine Anwenderoberflächenkomponente (UI-Komponente) bereitgestellt werden, beispielsweise eine Verknüpfung, die es dem Anwender ermöglicht, eine Antwort auf die ausstehende Aktion zu liefern. Die Verknüpfung kann den Anwender zu einem relevanten Dokument oder zu einer ausstehenden Aktion, die in einem Dokument spezifiziert ist, führen. Die Anwenderoberfläche kann basierend auf der vorhergesagten Antwort dynamisch konfiguriert/um konfiguriert werden. Die UI-Komponente kann basierend auf der vorhergesagten Antwort dynamisch ausgewählt und bereitgestellt werden.
  • Dementsprechend bieten Aspekte der vorliegenden Offenbarung einem Anwender einen schnellen Zugriff auf Dokumente anderer Anwender, mit denen der Anwender wahrscheinlich zusammenarbeiten wird. Zusätzlich oder alternativ sagen Aspekte der vorliegenden Offenbarung voraus, auf welche ausstehende Aktion eines Mitarbeiters in Bezug auf ein Dokument der Anwender wahrscheinlich antwortet, und/oder sagen den Typ von Antwort voraus. Infolgedessen entfällt die Notwendigkeit einer zeitaufwendigen Suche und Überprüfung zahlreicher Dokumente durch Anwender bei ausstehenden Aktionen, die an den Anwender gerichtet sind. Dadurch wird die Zuverlässigkeit der cloudbasierten Inhaltsverwaltungsplattform erhöht und die Zusammenarbeit der Anwender beschleunigt. Durch Eliminieren der zeitaufwändigen Suche und Überprüfung zahlreicher Dokumente durch Anwender wird außerdem die Nutzung von Verarbeitungsbetriebsmitteln verbessert und der Speicherverbrauch reduziert.
  • Darüber hinaus können einige Vorteile der vorliegenden Offenbarung eine technische Wirkung liefern, der durch eine technische Lösung eines technischen Problems bewirkt wird und/oder daraus resultiert. Beispielsweise kann sich ein technisches Problem auf die erhebliche Nutzung der Netzbandbreite und der Verarbeitungsbetriebsmittel in der cloudbasierten kollaborativen Umgebung beziehen, wenn Dokumente für jede ausstehende Aktion und/oder für jeden Anwender gefunden und geladen werden, damit jeder Anwender die Dokumente und die ausstehenden Aktionen überprüfen kann, um zu antworten. Das Finden und Laden von Dokumenten für jede ausstehende Aktion und/oder für jeden Anwender kann in einer herkömmlichen kollaborativen Umgebung viele Dokumente umfassen, an denen der Anwender kein Interesse hat, was zu einer verschwenderischen Betriebsmittelnutzung führt. Eine der technischen Lösungen für das technische Problem kann ein Bereitstellen von Informationen, die vorhergesagte Mitarbeiter identifizieren, zur Präsentation für den Anwender umfassen, um jeden Anwender zu einer kleineren Menge von Dokumenten zu leiten, und es einem Anwender durch Bereitstellen einer Anwenderoberfläche (UI) zur Präsentation für jeden Anwender zu ermöglichen Anwender, vorhergesagte Antworten auf eine kleinere Menge ausstehender Aktionen anderer Anwender zu liefern. Das heißt, die Technologie ermöglicht es der cloudbasierten Zusammenarbeitsplattform, nur eine kleine Anzahl von Dokumenten (d. h. eine Teilmenge von Dokumenten für einige bestimmte Mitarbeiter, die durch die Vorhersage spezifiziert werden, z. B. jedes Dokument, das einem des einen oder der mehreren vorhergesagten Mitarbeiter zugeordnet ist; d. h. eine Teilmenge von Dokumenten für einige bestimmte ausstehende Aktionen) zu finden und zu laden. Infolgedessen werden Rechenbetriebsmittel und Netzbandbreite, die für die unnötige Übertragung von Dokumenten innerhalb der cloudbasierten Zusammenarbeitsplattform und für das Herunterladen vom Server zum Client erforderlich sind, reduziert oder fallen weg.
  • 1 zeigt ein Beispiel einer Systemarchitektur 100 für Implementierungen der vorliegenden Offenbarung. Die Systemarchitektur 100 umfasst eine cloudbasierte Umgebung 110, die über ein Netz 130 mit den Anwendervorrichtungen 120A-120Z verbunden ist. Die cloudbasierte Umgebung 110 bezieht sich auf eine Sammlung von physischen Maschinen, die Anwendungen hosten, die einen oder mehrere Dienste bereitstellen (z. B. Inhaltsverwaltung, Textverarbeitung, kollaboratives Hosten von Dokumenten usw.) an mehrere Anwendervorrichtungen 120 über ein Netz 130 liefern. Das Netz 130 kann öffentliche Netze (z. B. das Internet), private Netze (z. B. ein lokales Netz (LAN) oder ein Weitverkehrsnetz (WAN)) oder eine Kombination davon sein. Das Netz 130 kann eine drahtlose Infrastruktur aufweisen, die von einem oder mehreren drahtlosen Kommunikationssystemen wie beispielsweise einem mit dem Netz 130 verbundenen Hotspot für drahtlose Wiedergabetreue (WiFi) und/oder einem drahtlosen Trägersystem, das unter Verwendung verschiedener Datenverarbeitungsausrüstung, Kommunikationstürme usw. implementiert sein kann, bereitgestellt werden kann. Zusätzlich oder alternativ kann das Netz 130 eine drahtgebundene Infrastruktur (z. B. Ethernet) aufweisen.
  • Die cloudbasierte Umgebung 110 kann einen Server 112 und einen Datenspeicher 114 umfassen. Der Datenspeicher 114 kann von dem Server 112 getrennt und kommunikationstechnisch mit dem Server 112 gekoppelt sein, oder der Datenspeicher 114 kann Teil des Servers 112 sein. In einigen Ausführungsformen kann sich der Datenspeicher 114 auf den Anwendervorrichtungen 120A-120Z befinden. Alternativ kann der Datenspeicher 114 ein verteilter Datenspeicher sein, der mehrere Ablagen, Datenbanken usw. umfasst, und kann Daten verschiedener Zusammenarbeitswerkzeuge einschließlich Dokumentanwendungen (z. B. Textverarbeitungs-, Präsentations- und Tabellenkalkulationsanwendungen), eines cloudbasierten Dokumentenspeicherungsdienstes, eines Online-Kalenderdienstes, eines E-Mail-Dienstes, eines Messenger usw. speichern. Die Daten in dem Datenspeicher 114 können eine Vielzahl von Typen von Dokumenten wie beispielsweise eine Folienpräsentation, ein Textdokument, eine Tabelle oder ein beliebiges geeignetes elektronisches Dokument (z. B. ein elektronisches Dokument mit Text, Tabellen, Videos, Bildern, Grafiken, Folien, Diagrammen, Software-Programmcode, Entwürfen, Listen, Plänen, Bauplänen, Karten usw.) umfassen. Diese Dokumente können mit Anwendern geteilt werden und/oder gleichzeitig von Anwendern bearbeitbar sein. Der Datenspeicher 114 kann auch einen oder mehrere in den Dokumenten erzeugte Kommentare speichern. Der Datenspeicher 114 kann auch E-Mail-Nachrichten, Textnachrichten, Kalendereinladungen usw. speichern.
  • Der Server 112 kann durch eine oder mehrere physische Maschinen (z. B. Servermaschinen, Desktop-Computer usw.) repräsentiert werden, die eine oder mehrere Verarbeitungsvorrichtungen umfassen, die kommunikationstechnisch mit Speichervorrichtungen und Eingabe/Ausgabe-Vorrichtungen (E/A-Vorrichtungen) gekoppelt sind. Der Server 112 kann eine cloudbasierte Inhaltsverwaltungsplattform 115 hosten. Die cloudbasierte Inhaltsverwaltungsplattform 115 kann als Computerbefehle implementiert sein, die von einer oder mehreren Verarbeitungsvorrichtungen auf dem Server 112 ausgeführt werden können. In alternativen Implementierungen kann die cloudbasierte Inhaltsverwaltungsplattform 115 auf den Anwendervorrichtungen 120A-120Z (z. B. als eigenständige Anwendung) installiert sein und als Peers in einer Peer-zu-Peer-Umgebung arbeiten. In nochmals alternativen Implementierungen können Anwendungen auf den Anwendervorrichtungen 120A-120Z mit der cloudbasierten Inhaltsverwaltungsplattform 115 interagieren und einen Teil der Funktionalität der Inhaltsverwaltungsplattform 115 ausführen.
  • Die cloudbasierte Inhaltsverwaltungsplattform 115 kann es einem Anwender ermöglichen, verschiedene Dokumente in dem Datenspeicher 114 zu speichern und kollaborative Aktionen in Bezug auf diese Dokumente auszuführen. Zusätzlich kann die cloudbasierte Inhaltsverwaltungsplattform 115 in einigen Ausführungsformen eine Anwenderoberfläche 124A-124Z bereitstellen, die es dem Anwender ermöglicht, kollaborative Aktionen für jeweilige Dokumente auszuführen und ausstehende Aktionen, die von anderen Anwendern an den Anwender gerichtet sind, in der jeweiligen Anwenderoberfläche 124A-124Z zu betrachten.
  • In einer Implementierung können die Anwenderoberflächen 124A-124Z der cloudbasierten Inhaltsverwaltungsplattform 115 Webseiten sein, die von einem Webbrowser gerendert und auf der Anwendervorrichtung 120A-120Z in einem Webbrowserfenster angezeigt werden. In einer weiteren Implementierung können die Anwenderoberflächen 124A-124Z von einer mobilen Anwendung oder einer Desktopanwendung angezeigt werden. Beispielsweise können die Anwenderoberflächen 124A-124Z von einer nativen Anwendung angezeigt werden, die auf dem Betriebssystem der Anwendervorrichtung 120A-120Z ausgeführt wird. Die native Anwendung liegt möglicherweise getrennt von einem Webbrowser vor.
  • Der Server 112 weist eine Zusammenarbeitsvorhersage-Engine 116 auf, um die Zusammenarbeit voranzutreiben. Die Zusammenarbeitsvorhersage-Engine 116 weist einen Mitarbeiterprädiktor 117 und einen Aktionsprädiktor 119 auf. In Implementierungen identifiziert der Mitarbeiterprädiktor 117 einen oder mehrere andere Anwender der cloudbasierten Inhaltsverwaltungsplattform 115 basierend auf Aktionen und Zugehörigkeiten des Anwenders in Zusammenhang mit dem cloudbasierte Inhaltsverwaltungsplattform 115. Diese Anwender können hier als potenzielle Mitarbeiter bezeichnet werden. Der Mitarbeiterprädiktor 117 sagt einen oder mehrere Mitarbeiter voraus, mit denen der Anwender basierend auf den Zusammenarbeitsattributen jedes potenziellen Mitarbeiters wahrscheinlich zusammenarbeiten wird, möglicherweise in naher Zukunft. Der Mitarbeiterprädiktor 117 kann Informationen liefern, die die vorhergesagten Mitarbeiter identifizieren, um den Anwender zu Dokumenten zu leiten, die den vorhergesagten Mitarbeitern zugeordnet sind. In einigen anderen Implementierungen kann der Mitarbeiterprädiktor 117 anstelle von Individuen, mit denen der Anwender wahrscheinlich zusammenarbeiten wird, ein Team vorhersagen.
  • In Implementierungen identifiziert der Aktionsprädiktor 119 ausstehende Aktionen, die von einem anderen Anwender für eine Antwort an den Anwender gerichtet sind, im Zusammenhang mit Dokumenten. Der Aktionsprädiktor 119 sagt eine oder mehrere Antworten des Anwenders basierend auf Aktionsattributen jeder ausstehenden Aktion von einem anderen Anwender voraus. Nach der Vorhersage liefert der Aktionsprädiktor 119 eine oder mehrere UI-Komponenten, die von dem Anwender zu aktivieren sind, um die vorhergesagten Antworten für jeweilige ausstehende Aktionen auszuführen.
  • Die Anwendervorrichtungen 120A-120Z können eine oder mehrere Verarbeitungsvorrichtungen umfassen, die kommunikationstechnisch mit Speichervorrichtungen und E/A-Vorrichtungen gekoppelt sind. Die Anwendervorrichtungen 120A-120Z können Desktop-Computer, Laptops, Tablet-Computer, Mobiltelefone (z. B. Smartphones) oder eine beliebige geeignete Rechenvorrichtung sein. Wie oben diskutiert können die Anwendervorrichtungen 120A-120Z jeweils einen Webbrowser und/oder eine Clientanwendung (z. B. eine mobile Anwendung oder eine Desktopanwendung) aufweisen. Ein Anwender kann über den Webbrowser oder die Clientanwendung auf ein Dokument zugreifen oder es überprüfen. Beispielsweise kann der Anwender ein Dokument aus der Ul 124A, die von der cloudbasierten Inhaltsverwaltungsplattform 115 bereitgestellt und von dem Webbrowser oder der Clientanwendung präsentiert wird, auswählen und bearbeiten. Daher kann die dem Anwender zugeordnete Anwendervorrichtung 120A das Dokument aus der cloudbasierten Umgebung 110 anfordern und das Dokument überprüfen, bearbeiten oder kommentieren.
  • 2 zeigt ein Beispiel für eine UI für vorhergesagte Zusammenarbeit 200, um die Zusammenarbeit auf der cloudbasierten Inhaltsverwaltungsplattform voranzutreiben. In einigen Implementierungen weist die UI für vorhergesagte Zusammenarbeit 200 eine UI-Komponente für vorhergesagte Mitarbeiter 202 und UI-Komponenten für vorhergesagte Antworten 204A und 204B auf. In einer weiteren Implementierung kann die UI für vorhergesagte Zusammenarbeit 200 nur die UI-Komponente für vorhergesagte Mitarbeiter 202 oder die UI-Komponenten für vorhergesagte Antworten 204A und 204B aufweisen. In einigen Implementierungen kann die UI-Komponente für vorhergesagte Mitarbeiter 202 eine Identität eines vorhergesagten Mitarbeiters anzeigen (z. B. „Liam O'Connor“). Beispielsweise kann die Identität in Form eines Namens, eines Spitznamens, einer Profilkennung, eines Fotos oder dergleichen annehmen. Die UI-Komponente für vorhergesagte Mitarbeiter 202 kann ferner eine Verknüpfung aufweisen, um den Anwender zu Dokumenten zu führen, die dem vorhergesagten Mitarbeiter zugeordnet sind. Die Verknüpfung kann den Anwender zu einem Suchergebnis von Dokumenten führen, bei denen der Prädiktor-Mitarbeiter Eigentümer, Bearbeiter oder Betrachter der Dokumente ist. Wenn der Anwender auf die UI-Komponente für vorhergesagte Mitarbeiter 202 klickt, kann der Server 112 eine Liste von Dokumenten liefern, bei denen „Liam O'Connor“ als Eigentümer, Bearbeiter oder Betrachter beteiligt ist.
  • In einer Implementierung können die UI-Komponenten für vorhergesagte Antworten 204A und 204B eine Verknüpfung aufweisen, um den Anwender anzuleiten, eine entsprechende vorhergesagte Antwort auszuführen. Um die Entscheidung des Anwenders beim Ausführen der vorhergesagten Antwort zu unterstützen, können die UI-Komponenten für vorhergesagte Antworten 204A und 204B Informationen über eine ausstehende Aktion, die von dem vorhergesagten Mitarbeiter an den Anwender gerichtet ist, wie beispielsweise einen Zeitstempel und eine kurze Beschreibung der ausstehenden Aktion zeigen. Zusätzlich können die UI-Komponenten für vorhergesagte Antworten 204A und 204B Informationen über ein Dokument, das der ausstehenden Aktion zugeordnet ist, wie beispielsweise einen Namen und einen Dateityp des Dokuments liefern.
  • Beispielsweise zeigt die UI-Komponente für vorhergesagte Antworten 204A eine ausstehende Dokumentteilungsaktion „Teilte das eben mit Ihnen“ und eine Dokumentinformation mit einem Textverarbeitungsdokumentsymbol links und dem Titel „AIGA Entwurfspräsentation - i. A.“ rechts an. Wenn der Anwender in einer Implementierung eine Verknüpfung aktiviert oder auf die UI-Komponente für vorhergesagte Antworten 204A klickt, kann der Server 112 das Dokument „AIGA Entwurfspräsentation - i. A.“ öffnen, damit der Anwender das Dokument betrachten, bearbeiten oder kommentieren kann. In einem weiteren Beispiel zeigt die UI-Komponente für vorhergesagte Antworten 204B eine ausstehende Kommentaraktion: „Ich denke, das sieht gut aus, aber ich ...“ und Dokumentinformationen mit einem Tabellenkalkulationssymbol und dem Namen „Benachrichtigungsintegrationszeitplan“. Als Antwort darauf, dass der Anwender die UI-Komponente für vorhergesagte Antworten 204B auswählt, kann der Server 112 das Dokument öffnen und eine Kommentaransicht in dem Dokument bereitstellen. In der Kommentaransicht kann der Server 112 es dem Anwender ermöglichen, den vollständigen Kommentar des vorhergesagten Mitarbeiters „Liam O'Connor“ zu betrachten und den Kommentar zu beantworten oder abzuwickeln (z. B. zu akzeptieren oder abzulehnen).
  • 3 zeigt einen beispielhaften Mitarbeiterprädiktor 117 von 1 gemäß einer Implementierung der vorliegenden Offenbarung. Der Mitarbeiterprädiktor 117 weist Mitarbeiterservermaschinen 310, 330 und 370 und ein Mitarbeitermodell 350 auf.
  • In Implementierungen umfasst die Mitarbeiterservermaschine 310 einen Mitarbeitertrainingssatzgenerator 312, der Trainingsdaten (z. B. einen Satz von Trainingseingaben und Zielausgaben) erzeugen kann, um ein Maschinenlernmodell zu trainieren. Einige Operationen des Mitarbeitertrainingssatzgenerators 312 werden nachstehend in Bezug auf 4 im Einzelnen beschrieben.
  • Die Mitarbeiterservermaschine 330 umfasst eine Mitarbeitertrainings-Engine 332, die in der Lage ist, ein Mitarbeitermodell 350 zu trainieren. Das Mitarbeitermodell 350 ist ein Maschinenlernmodell, das sich auf das Modellartefakt beziehen kann, das von der Mitarbeitertrainings-Engine 332 unter Verwendung der Trainingsdaten erstellt wird, die Trainingseingaben und entsprechende Zielausgaben (z. B. aufgezeichnete Anwenderantworten für die jeweiligen Trainingseingaben) umfassen. Das Mitarbeitermodell 350 kann hier auch als Maschinenlernmodell 350 bezeichnet werden. Die Mitarbeitertrainings-Engine 332 kann Muster in den Trainingsdaten finden, die die Trainingseingabe auf die Zielausgabe (die tatsächlichen Antworten) abbilden, und das Maschinenlernmodell 350 liefern, das diese Muster erfasst. Das Maschinenlernmodell kann beispielsweise aus einer einzelnen Ebene linearer oder nichtlinearer Operationen (z. B. einer Stützvektormaschine [SVM]) bestehen oder kann ein tiefes Netz, d. h. ein Maschinenlernmodell, das aus mehreren Ebenen von nichtlinearen Operationen besteht, sein. Ein Beispiel für ein tiefes Netz ist ein neuronales Netz mit einer oder mehreren verdeckten Schichten und ein solches Maschinenlernmodell kann beispielsweise durch Anpassen der Gewichte eines neuronalen Netzes gemäß einem Rückausbreitungs-Lernalgorithmus oder dergleichen trainiert werden Der Einfachheit halber wird der Rest dieser Offenbarung die Implementierung als ein neuronales Netz bezeichnen, obwohl einige Implementierungen eine SVM oder eine andere Art von Lernmaschine anstelle oder zusätzlich zu einem neuronalen Netz verwenden könnten. In einem Aspekt kann die Mitarbeiterservermaschine 330 den Trainingssatz von der Mitarbeiterservermaschine 310 erhalten.
  • Die Mitarbeiterservermaschine 370 weist eine Mitarbeitervorhersage-Engine 372 auf, die in der Lage ist, eine Menge von Mitarbeiterattributen für jeden neuen Anwender, der als potenzieller Mitarbeiter identifiziert wird, (einen anderen Anwender, der derzeit Dokumente mit ausstehenden Aktionen hat, die an den Anwender gerichtet sind) als Eingabe in ein trainiertes Maschinenlernmodell 350 zu liefern und das Modell 350 mit der Eingabe laufen zu lassen, um eine oder mehrere Ausgaben zu erhalten. In Implementierungen kann die Mitarbeitervorhersage-Engine 372 Ausgaben erzielen, die eine Wahrscheinlichkeit für jeden potentiellen Mitarbeiter angeben, wie es nachstehend in Bezug auf 8 ausführlich beschrieben ist. Die Ausgaben können ein numerischer Wert zwischen 0 und 1 sein. Die Wahrscheinlichkeit kann eine Plausibilität angeben, dass der Anwender mit einem potenziellen Mitarbeiter zusammenarbeitet.
  • Es sollte beachtet werden, dass in einigen anderen Implementierungen die Funktionen der Mitarbeiterservermaschinen 310, 330 und 370 von einer geringeren Anzahl von Maschinen bereitgestellt werden können. Beispielsweise können in einigen Implementierungen die Mitarbeiterservermaschinen 310 und 330 in eine einzelne Maschine integriert sein, während in einigen anderen Implementierungen die Mitarbeiterservermaschinen 310, 330 und 370 in eine einzelne Maschine integriert sein können. Zudem können in einigen Implementierungen eine oder mehrere der Mitarbeiterservermaschinen 310, 330 und 370 in die cloudbasierte Inhaltsverwaltungsplattform 115 integriert sein.
  • Im Allgemeinen können Funktionen, die in einer Implementierung als von der cloudbasierten Inhaltsverwaltungsplattform 115, der Mitarbeiterservermaschine 310, der Mitarbeiterservermaschine 330 und/oder der Mitarbeiterservermaschine 170 ausgeführt beschrieben sind, in anderen Implementierungen gegebenenfalls auch auf den Anwendervorrichtungen 120A-120Z ausgeführt werden. Darüber hinaus kann die einer bestimmten Komponente zugewiesene Funktionalität von anderen oder mehreren Komponenten, die zusammenarbeiten, ausgeführt werden.
  • 4 zeigt einen beispielhaften Mitarbeitertrainingssatzgenerator 312 von 3 innerhalb der Mitarbeiterservermaschine 310, um Trainingsdaten für ein Maschinenlernmodell 350 unter Verwendung von Zusammenarbeitsinformationen zu erstellen, gemäß Implementierungen der Offenbarung.
  • Die Mitarbeiterservermaschine 310 umfasst den Mitarbeitertrainingssatzgenerator 312 und einen Datenspeicher, der Mitarbeitertrainingseingaben 430 und Mitarbeiterzielausgaben 440 speichert. In einigen Implementierungen ist dieser Datenspeicher, der die Mitarbeitertrainingseingaben 430 und Mitarbeiterzielausgaben 440 speichert, der Datenspeicher 114 von 1. In Implementierungen erzeugt der Mitarbeitertrainingssatzgenerator 312 Mitarbeitertrainingsdaten, die eine oder mehrere Mitarbeitertrainingseingaben 430 und eine oder mehrere Mitarbeiterzielausgaben 440 umfassen. Die Mitarbeitertrainingsdaten können zudem Abbildungsdaten aufweisen, die die Mitarbeitertrainingseingaben 430 auf die Mitarbeiterzielausgaben 440 abbilden. Die Mitarbeitertrainingseingaben 430 können auch als „Merkmale“, „Attribute“ oder „Informationen“ bezeichnet werden. Die Mitarbeitertrainingsdaten 430 umfassen Zusammenarbeitsattribute 430A-430Z jedes Anwenders, der als potentieller Mitarbeiter identifiziert wird. Die Mitarbeitertrainingsausgaben 440 umfassen Mitarbeiterauswahlen 440A durch den Anwender aus der kollaborativen Aktion des Anwenders. In einigen Implementierungen kann der Mitarbeitertrainingssatzgenerator 312 die Mitarbeitertrainingsdaten 430 und 440 in einem Trainingssatz bereitstellen und den Trainingssatz an die Mitarbeitertrainings-Engine 332 liefern, in der der Trainingssatz zum Trainieren des Maschinenlernmodells 350 verwendet wird.
  • 5 zeigt einen beispielhaften Aktionsprädiktor 119 von 1 gemäß einer Implementierung der vorliegenden Offenbarung. Der Aktionsprädiktor 119 weist Aktionsservermaschinen 510, 530 und 570 und ein Aktionsmodell 550 auf.
  • In Implementierungen weist die Aktionsservermaschine 510 einen Aktionstrainingsatzgenerator 512 auf, der Trainingsdaten (z. B. eine Menge von Trainingseingaben und Zielausgaben) erzeugen kann, um ein Maschinenlernmodell zu trainieren. Einige Operationen des Aktionstrainingsatzgenerators 512 werden nachstehend in Bezug auf 6 ausführlich beschrieben.
  • Die Aktionsservermaschine 530 umfasst eine Aktionstrainings-Engine 532, die in der Lage ist, ein Aktionsmodell 550 zu trainieren. Die Aktionsmodellmaschine 550 ist ein Maschinenlernmodell, das sich auf das Modellartefakt beziehen kann, das von der Aktionstrainings-Engine 532 unter Verwendung der Trainingsdaten erstellt wird, die Trainingseingaben und entsprechende Zielausgaben (z. B. aufgezeichnete Anwenderantworten für die jeweiligen Trainingseingaben) umfassen. Das Aktionsmodell 550 kann auch als Maschinenlernmodell 550 bezeichnet werden und vom gleichen Typ sein wie das Mitarbeitermodell 350 von 3. Die Aktionstrainings-Engine 532 kann auf die gleiche Weise wie die oben beschriebene Mitarbeitertrainings-Engine 332 arbeiten, um Muster in den Trainingsdaten zu finden und das Maschinenlernmodell 550 zu liefern, das diese Muster erfasst.
  • Die Aktionsservermaschine 570 weist eine Aktionsvorhersage-Engine 572 auf, die in der Lage ist, eine Menge von Aktionsattributen einer aktuell ausstehenden Aktion, die von einem anderen Anwender, der ein potentieller Mitarbeiter sein kann, an den Anwender gerichtet ist, als Eingabe für ein trainiertes maschinelles Lernmodell 550 zu liefern. Die Aktionsvorhersage-Engine 572 ist auch in der Lage, das Modell 550 auf der Eingabe laufen zu lassen, um eine oder mehrere Ausgaben zu erhalten. In einigen Implementierungen können die Aktionstrainingseingaben 630 und Aktionszielausgaben 640 in dem Datenspeicher 114 von 1 gespeichert sein. In Implementierungen kann die Aktionsvorhersage-Engine 572 Ausgaben erzielen, die eine Wahrscheinlichkeit einer Anwenderantwort auf jede ausstehende Aktion angeben, wie es nachstehend unter Bezugnahme auf 11 ausführlich beschrieben ist. Die Ausgaben können ein numerischer Wert zwischen 0 und 1 sein. Die Wahrscheinlichkeit kann eine Plausibilität, dass der Anwender auf eine ausstehende Aktion eines anderen Anwenders antwortet, und/oder den Typ der Antwort, die der Anwender liefert, angeben.
  • 6 zeigt einen beispielhaften Aktionstrainingsatzgenerator 512 von 5, um Trainingsdaten für ein Maschinenlernmodell 550 unter Verwendung von Aktionsinformationen zu erstellen, gemäß Implementierungen der Offenbarung.
  • Die Aktionsservermaschine 510 umfasst den Aktionstrainingsatzgenerator 512 und einen Datenspeicher, der Aktionstrainingseingaben 630 und Aktionszielausgaben 640 speichert. In Implementierungen erzeugt der Aktionstrainingsatzgenerator 512 Aktionstrainingsdaten, die eine oder mehrere Aktionstrainingseingaben 630 und eine oder mehrere Aktionszielausgaben 640 umfassen. Die Aktionstrainingsdaten können auch Abbildungsdaten umfassen, die die Aktionstrainingseingaben 630 auf die Aktionszielausgaben 640 abbilden. Die Aktionstrainingseingaben 630 umfassen Aktionsattribute 630A-630Z jeder ausstehenden Aktion durch einen anderen Anwender, der möglicherweise ein potenzieller Mitarbeiter ist. Die Aktionstrainingsausgaben 640 umfassen Antworten 640A von dem Anwender. In einigen Implementierungen kann der Aktionstrainingssatzgenerator 512 die Aktionstrainingsdaten 630 und 640 in einem Trainingssatz bereitstellen und den Trainingssatz an die Aktionstrainings-Engine 532 liefern, in der der Trainingssatz zum Trainieren des Maschinenlernmodells 550 verwendet wird.
  • 7 zeigt ein Ablaufdiagramm eines Verfahrens 700 zum Vorhersagen eines Mitarbeiters für einen Anwender gemäß einigen Aspekten der Offenbarung.
  • Das Verfahren 700 kann durch den Mitarbeiterprädiktor 117 von 1 ausgeführt werden. In einer weiteren Implementierung kann das Verfahren 700 von einer Client-Anwendung ausgeführt werden, die von einer oder mehreren Verarbeitungsvorrichtungen des Servers 112 ausgeführt wird. Das Verfahren 700 kann für jeden Anwender der cloudbasierten Inhaltsverwaltungsplattform 115 ausgeführt werden. Ferner kann das Verfahren 700 ausgeführt werden, wenn ein Anwender den Server 112 auffordert, eine Liste von Dokumenten zu liefern, die mit dem Anwender geteilt werden.
  • Zur Vereinfachung der Erklärung sind die Verfahren dieser Offenbarung als eine Reihe von Handlungen dargestellt und beschrieben. Handlungen gemäß dieser Offenbarung können jedoch in verschiedenen Reihenfolgen und/oder gleichzeitig und mit anderen Handlungen, die hier nicht dargestellt und beschrieben sind, auftreten. Darüber hinaus sind möglicherweise nicht alle dargestellten Handlungen erforderlich, um die Verfahren gemäß dem offenbarten Gegenstand zu implementieren. Darüber hinaus werden Fachleute verstehen und erkennen, dass die Verfahren alternativ als eine Reihe miteinander in Beziehung stehender Zustände über ein Zustandsdiagramm oder Ereignisse dargestellt werden können. Zusätzlich sollte beachtet werden, dass die in dieser Beschreibung offenbarten Verfahren auf einem Herstellungsgegenstand gespeichert werden können, um den Transport und die Übertragung solcher Verfahren auf Rechenvorrichtungen zu erleichtern. Der Begriff „Herstellungsgegenstand“, wie er hier verwendet wird, soll ein Computerprogramm umfassen, auf das von einer beliebigen computerlesbaren Vorrichtung oder einem beliebigen Speichermedium aus zugegriffen werden kann.
  • In Block 702 kann der Mitarbeiterprädiktor 117 (z. B. die Mitarbeitervorhersage-Engine 372) für einen Anwender andere Anwender identifizieren, die eine Beziehung zu dem Anwender haben können und Dokumenten zugeordnet sein können, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden. Der Mitarbeiterprädiktor 117 kann diese anderen Anwender bestimmen, indem er die Aktionen des Anwenders (oder das Verhalten des Anwenders) analysiert, die Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden, Kalenderereignissen, E-Mail-Nachrichten und Textnachrichten zugeordnet sind, und andere Anwender identifiziert, die ebenfalls diesen Dokumenten, Kalenderereignissen, E-Mail-Nachrichten und Textnachrichten zugeordnet sind. In einigen Implementierungen können die analysierten Aktionen des Anwenders innerhalb der letzten vorbestimmten Anzahl von Tagen liegen. Die identifizierten Anwender können frühere Mitarbeiter darstellen, mit denen der Anwender gearbeitet hat. Sie können ein nützlicher Ausgangspunkt für die Reduzierung auf einige potenzielle Mitarbeiter sein, mit denen der Anwender wahrscheinlich zusammenarbeiten wird.
  • Beispielsweise kann der Mitarbeiterprädiktor 117 die Zusammenarbeitsereignisse des Anwenders wie etwa Bearbeiten, Teilen und Kommentieren von Aktionen, die Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden, extrahieren. In einigen Implementierungen kann der Mitarbeiterprädiktor 117 Zusammenarbeitsereignisse aus dem Raum des Anwenders in der cloudbasierten Inhaltsverwaltungsplattform 115, in dem der Anwender Dokumente speichern, durchsuchen und darauf zugreifen darf, bestimmen. In einer Darstellung kann der Mitarbeiterprädiktor 117 die Kommentarereignisse des Anwenders extrahieren und Ereignisse mit und von anderen Anwendern in der cloudbasierten Inhaltsverwaltungsplattform 115 teilen. Der Mitarbeiterprädiktor 117 kann die Kommentarereignisse und Teilungsereignisse aus der Aktionsliste des Anwenders innerhalb des Raums des Anwenders oder aus Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden, unabhängig von dem Raum des Anwenders identifizieren.
  • Zusätzlich kann der Mitarbeiterprädiktor 117 Daten (Eingabe- und/oder Ausgabedaten) analysieren, die sich auf den Anwender beziehen und sich auf verschiedene Dienste beziehen, die von der cloudbasierten Inhaltsverwaltungsplattform 115 bereitgestellt werden, um potenzielle Mitarbeiter zu identifizieren. Beispiele für die Dienste können eine kürzliche Dokumentsuche, eine Dokumentsuche durch einen Eigentümer des Dokuments und ein Teilen eines Dokuments unter mehreren Anwendern umfassen. Wenn der Anwender diese Dienste verwendet hat, kann der Mitarbeiterprädiktor 117 andere daran beteiligte Anwender extrahieren.
  • In einer Implementierung kann der Mitarbeiterprädiktor 117 bestimmen, dass der andere Anwender eine Beziehung zu dem Anwender hat, wenn der andere Anwender mindestens eine vorbestimmte Anzahl von kürzlichen Aktionen hat, an denen der Anwender beteiligt ist. Beispielsweise kann der Mitarbeiterprädiktor 117 bestimmen, dass der andere Anwender eine Beziehung zu dem Anwender hat, wenn der andere Anwender mindestens eine vorbestimmte Anzahl von kürzlich geteilten Dokumenten mit dem Anwender hat. In einem weiteren Beispiel kann der Mitarbeiterprädiktor 117 bestimmen, dass der andere Anwender eine Beziehung zu dem Anwender hat, wenn der andere Anwender in naher Zukunft an mindestens einer vorbestimmten Anzahl von Kalenderereignissen zur Zusammenarbeit mit dem Anwender teilnehmen wird. Der Mitarbeiterprädiktor 117 kann diese Bestimmung vornehmen, indem er Teilnehmer zukünftiger Kalenderereignisse (Aktionen zur Teilnahme an zukünftigen kollaborativen Kalenderereignissen) bestimmt, um potenzielle Mitarbeiter zu identifizieren. Ein Beispiel für das kollaborative Kalenderereignis kann eine Projektteambesprechung mit einem Dokument sein, das dem Kalenderereignis beigefügt ist. Der Mitarbeiterprädiktor 117 kann alle Teilnehmer an der Projektteambesprechung als Anwender betrachten, die eine Beziehung zu dem Anwender haben und Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden.
  • Der Mitarbeiterprädiktor 117 kann auch Kommunikationsaktionen des Anwenders über Kommunikationskanäle (z. B. E-Mails und Nachrichten) auf der cloudbasierten Inhaltsverwaltungsplattform 115 untersuchen und potenzielle Mitarbeiter identifizieren, indem er andere Anwender (z. B. Empfänger und/oder Absender) bestimmt, die den Kommunikationsaktionen zugeordnet sind.
  • Zusätzlich zu den Aktionen des Anwenders kann der Mitarbeiterprädiktor 117 potenzielle Mitarbeiter aus Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform 115 bestimmen. Beispiele für die Zugehörigkeiten können aus der Kontaktliste des Anwenders und eine Mitgliedschaft in einem Gruppenraum auf der cloudbasierten Inhaltsverwaltungsplattform 115 sein. Der Gruppenraum kann es Mitgliedern des Gruppenraums ermöglichen, Dokumente in dem Gruppenraum zu speichern, zu durchsuchen und darauf zuzugreifen. In einer Ausführungsform kann die Kontaktliste eine Liste von Profilen von Anwendern der cloudbasierten Inhaltsverwaltungsplattform 115 umfassen. Die Anwender der cloudbasierten Inhaltsverwaltungsplattform 115 können Dokumente haben, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden. In einer weiteren Ausführungsform kann die Kontaktliste für jedes Kontaktprofil einen Affinitätsgrad zu dem Anwender umfassen.
  • Nach dem Identifizieren anderer Anwender aus den Aktionen und Zugehörigkeiten des Anwenders kann der Mitarbeiterprädiktor 117 in Block 704 einen oder mehrere Mitarbeiter für den Anwender basierend auf Zusammenarbeitsattributen vorhersagen. Der Mitarbeiterprädiktor 117 kann einen Maschinenlernmodellansatz und/oder einen heuristischen Ansatz implementieren. Wenn einer oder beide Ansätze aufgrund eines Netz- oder Systemproblems fehlschlagen oder die Vorhersageoperation zu lange dauert, kann der Mitarbeiterprädiktor 117 auf einen Ausweichansatz zurückgreifen, der später in Bezug auf 13 erörtert wird. Aspekte des Ansatzes des Maschinenlernmodells werden nachstehend in Bezug auf 8 ausführlicher erörtert und Aspekte des heuristischen Ansatzes werden nachstehend in Bezug auf 9 ausführlicher erörtert.
  • Der Mitarbeiterprädiktor 117 kann Zusammenarbeitsattribute der anderen Anwender bestimmen, die in Block 702 identifiziert werden. Die Zusammenarbeitsattribute können eine Häufigkeit der Zusammenarbeit mit dem Anwender, eine Aktualität der Zusammenarbeit mit dem Anwender, eine Reaktionsfreudigkeit des Anwenders auf Aktionen eines jeweiligen anderen Anwenders, die den mehreren Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden, und eine Affinität des Anwenders zu dem jeweiligen anderen Anwender basierend auf den Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform 115 umfassen. In einigen Implementierungen können die Zusammenarbeitsattribute ferner eine Anwesenheitsangabe in Bezug auf den anderen Anwender umfassen. Die Anwesenheitsangabe kann sich auf eine gleichzeitige Interaktion des jeweiligen anderen Anwenders und des Anwenders mit Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden, beziehen. Beispielsweise kann eine solche gleichzeitige Interaktion auftreten, wenn der Anwender und ein anderer Anwender ein Dokument gleichzeitig bearbeiten und/oder betrachten.
  • Darüber hinaus können die Zusammenarbeitsattribute eine Überlappung zwischen den Aktionen und Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform 115 und Aktionen und Zugehörigkeiten des jeweiligen anderen Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform 115 umfassen. Um die Überlappung zu identifizieren, kann der Mitarbeiterprädiktor 117 einen bipartiten Graphen verwenden, der den Anwender und die potentiellen Mitarbeiter von Block 702 auf kürzliche Aktionen und Zugehörigkeiten abbildet, wie es in Bezug auf Block 702 beschrieben ist. In dem bipartiten Graphen werden der Anwender und die potentiellen Mitarbeiter auf der einen Seite platziert und Elemente, die an den Aktionen und Zugehörigkeiten des Anwenders und potenzieller Mitarbeiter im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform 115 beteiligt sind, auf der anderen Seite platziert. Der bipartite Graph weist auch Kanten von der Anwenderseite zu der Elementseite auf. Die Elemente können ein Dokument, ein Anwenderraum, ein Gruppenraum, ein Kalenderereignis, eine E-Mail oder ein Nachrichtenstrang sein. Dann kann der Mitarbeiterprädiktor 117 einen Grad der Überlappung bestimmen, zu dem sich die Zuordnung eines potenziellen Mitarbeiters mit der Zuordnung des Anwenders überlappt. In einigen Implementierungen kann der Mitarbeiterprädiktor 117 den Grad der Überlappung basierend auf einer absoluten Anzahl überlappender Elemente, die angibt, an wie vielen Elementen der Anwender und der potenzielle Mitarbeiter zusammenarbeiten, einer Abdeckung des potenziellen Mitarbeiters über die Elemente des Anwenders, die signalisiert, wie stark der potenzielle Mitarbeiter an dem beteiligt ist, was der Anwender tut, einer Abdeckung des Anwenders über die Elemente des potenziellen Mitarbeiters, die angibt, wie stark der Anwender an dem beteiligt ist, was der potenzielle Mitarbeiter tut, einem Prozentsatz überlappender Elemente unter allen Elementen zwischen dem Anwender und dem potenziellen Mitarbeiter, der eine weitere Angabe dafür zeigt, wie viel der Anwender und der potenzielle Mitarbeiter zusammenarbeiten, messen. Der Mitarbeiterprädiktor 117 kann Gewichte nach Häufigkeit und Aktualität auf die Kanten anwenden, um die Intensität der Zusammenarbeit durch den Anwender und die potenziellen Mitarbeiter anzuwenden.
  • In Block 706 liefert der Mitarbeiterprädiktor 117 zur Präsentation für den Anwender Informationen, die die vorhergesagten Mitarbeiter aus Block 704 identifizieren, um den Anwender zu Dokumenten zu leiten, die jeweils einem der vorhergesagten Mitarbeiter zugeordnet sind. Wie es in der UI-Komponente für vorhergesagte Mitarbeiter 202 von 2 gezeigt ist, kann der Mitarbeiterprädiktor 117 die Identität des vorhergesagten Mitarbeiters liefern, so dass der Anwender schnell auf Dokumente, die dem vorhergesagten Mitarbeiter gehören, zugreifen oder diese durchsuchen kann, um die Zusammenarbeit voranzutreiben.
  • 8 zeigt ein Ablaufdiagramm eines Verfahrens 800 zum Verwenden eines trainierten Maschinenlernmodells in Bezug auf Zusammenarbeitsattribute anderer Anwender, um einen Mitarbeiter für einen Anwender gemäß einigen Aspekten der Offenbarung bezüglich Block 704 von 7 vorherzusagen.
  • In Block 802 kann der Mitarbeiterprädiktor 117 (z. B. die Mitarbeitertrainings-Engine 332) eine Menge von Zusammenarbeitsattributen jedes anderen Anwenders, die in Block 702 identifiziert werden, als Eingabe für ein trainiertes Maschinenlernmodell 350 liefern. Dann kann der Mitarbeiterprädiktor 117 in Block 804 eine oder mehrere Ausgaben aus dem trainierten Maschinenlernmodell 350 erhalten. Die Ausgaben können eine Wahrscheinlichkeit angeben, dass der Anwender mit jedem jeweiligen potenziellen Mitarbeiter zusammenarbeitet, der in Block 702 identifiziert wird. In einigen Implementierungen kann sich die Wahrscheinlichkeit auf eine Zusammenarbeit in naher Zukunft beziehen.
  • Um das Maschinenlernmodell 350 für das Verfahren 800 zu trainieren, kann der Mitarbeiterprädiktor 117 Trainingsdaten liefern, um das Maschinenlernmodell 350 an einer Menge von Trainingseingaben und einer Menge von Zielausgaben zu trainieren. Die Menge von Trainingseingaben kann Zusammenarbeitsattribute unterschiedlicher anderer Anwender (z. B. anderer Anwender mit vergangenen ausstehenden Aktionen, an denen der Anwender beteiligt ist), die von den anderen in Block 702 identifizierten Anwendern (z. B. anderen Anwendern mit derzeit ausstehenden Aktionen, an denen der Anwender beteiligt ist) verschieden sind, umfassen. In einer weiteren Ausführungsform kann die Menge anderer Anwender zum Trainieren des Maschinenlernmodells 350 die anderen in Block 702 identifizierten Anwender umfassen (z. B. wenn die anderen Anwender vergangene ausstehende Aktionen, an denen der Anwender beteiligt war, hatten und derzeit ausstehende Aktionen, an denen der Anwender beteiligt ist, haben). Die Menge von Zielausgaben kann eine Auswahl vorheriger Anwender aus der eingegebenen Menge anderer Anwender als Mitarbeiter durch den Anwender umfassen. Der Mitarbeiterprädiktor 117 kann die Auswahlen bestimmen, wenn der Anwender kollaborative Aktionen gegenüber den anderen Anwendern ergreift, wie z. B. Antworten auf Kommentare der anderen Anwender und Öffnen oder Überprüfen eines von den anderen Anwendern geteilten Dokuments. Nachdem das Maschinenlernmodell 350 trainiert wurde, kann der Mitarbeiterprädiktor 117 das Verfahren 800 ausführen. Das Training des Maschinenlernmodells 350 kann fortgesetzt werden, indem Anwenderaktionen in Bezug auf Dokumente vorhergesagter Mitarbeiter überwacht werden, um zu bestimmen, ob die Vorhersagen basierend auf dem Maschinenlernmodell 350 mit den tatsächlichen Auswahlen des Anwenders übereinstimmen, und die bestimmten Ergebnisse zusammen mit den Zusammenarbeitsattributen der vorhergesagten Mitarbeiter als zusätzliche Trainingsdaten für das Maschinenlernmodell 350 verwendet werden.
  • 9 zeigt ein Ablaufdiagramm eines Verfahrens 900 zum Verwenden eines heuristischen Ansatzes in Bezug auf geteilte Dokumente und Zusammenarbeit zwischen einem Anwender und anderen Anwendern, um einen Mitarbeiter für den Anwender gemäß einigen Aspekten der Offenbarung bezüglich Block 704 von 7 vorherzusagen. Das Verfahren 900 kann ein Heuristikmodell mit einer linearen Funktion anwenden, die eine einfache gewichtete Summe mit einer Ad-hoc-Gewichtung von Zusammenarbeitsattributen aufweist.
  • In Block 902 kann der Mitarbeiterprädiktor 117 basierend auf den Zusammenarbeitsattributen der anderen in Block 702 identifizierten Anwender eine Anzahl von Dokumenten bestimmen, die zwischen dem Anwender und jedem der anderen Anwender geteilt werden. In einer Ausführungsform kann der Mitarbeiterprädiktor 117 ferner eine Anzahl von Kalenderereignissen, E-Mails und/oder Nachrichtensträngen bestimmen, die dem Anwender und jedem der anderen Anwender gemeinsam sind, und kann diese Anzahl zu der Anzahl von geteilten Dokumenten addieren.
  • In Block 904 kann der Mitarbeiterprädiktor 117 basierend auf den Zusammenarbeitsattributen der anderen in Block 702 identifizierten Anwender eine Aktualität jeder Zusammenarbeit zwischen dem Anwender und jedem der anderen Anwender in Bezug auf entsprechende Dokumente bestimmen.
  • In Block 906 kann der Mitarbeiterprädiktor 117 die anderen in Block 702 identifizierten Anwender basierend auf der Anzahl der geteilten Dokumente, der Aktualität jeder Zusammenarbeit, die den geteilten Dokumenten zugeordnet ist, und einer oder mehreren Regeln, die eine Korrelation zwischen der Anzahl von Dokumenten und der Aktualität definieren, in eine Rangfolge bringen. Der Mitarbeiterprädiktor 117 kann die Korrelationsregel anwenden, indem er einer kürzlich Zählung von geteilten Dokumenten mehr Gewicht und einer weit entfernten Zählung von Dokumenten weniger Gewicht verleiht. In einigen Implementierungen kann der Mitarbeiterprädiktor 117 die potenziellen Mitarbeiter nur basierend auf einer Anzahl von dem Anwender und anderen Anwendern gemeinsamen Dokumenten in eine Rangfolge bringen. In solchen Implementierungen kann der Mitarbeiterprädiktor 117 einen Aktualitätsaspekt der Zusammenarbeit einbeziehen, indem er eine zeitliche Abklingfunktion auf die Rangfolge anwendet. Die zeitliche Abklingfunktion kann einen linearen oder exponentiellen Abfall aufweisen.
  • In Block 908 kann der Mitarbeiterprädiktor 117 einen oder mehrere andere Anwender basierend auf Rangfolgen der anderen Anwender auswählen (indem er die anderen Anwender basierend auf ihren Rangfolgen ordnet und eine vordefinierte Anzahl oder einen Prozentsatz anderer Anwender mit dem höchsten Rang auswählt oder andere Anwender mit Rängen, die eine Schwelle überschreiten, auswählt). In einer Ausführungsform repräsentieren die ausgewählten anderen Anwender die vorhergesagten Mitarbeiter.
  • Der Mitarbeiterprädiktor 117 kann die Heuristikregeln anpassen, indem er bestimmt, ob eine Auswahl eines Mitarbeiters durch den Anwender mit einem der vorhergesagten Mitarbeiter übereinstimmt. In einigen Implementierungen überwacht der Mitarbeiterprädiktor 117 Anwenderaktionen nach der Vorhersage, um zu bestimmen, ob der Anwender mit einem der vorhergesagten Mitarbeiter zusammengearbeitet hat. Als Antwort darauf, dass sich die Auswahl des Anwenders von den vorhergesagten Mitarbeitern unterscheidet, kann der Mitarbeiterprädiktor 117 die Regeln modifizieren. Wenn der Anwender beispielsweise keine kollaborativen Aktionen in Bezug auf die vorhergesagten Mitarbeiter ergreift und stattdessen mit jemand anderem zusammenarbeitet, kann der Mitarbeiterprädiktor 117 die Heuristikregeln anpassen, um in Zukunft eine genauere Vorhersage zu liefern.
  • 10 zeigt ein Ablaufdiagramm eines Verfahrens 1000 zum Vorhersagen von Antworten eines Anwenders auf ausstehende Aktionen, die von einem anderen Anwender an den Anwender gerichtet sind, gemäß einer Implementierung der Offenbarung.
  • Das Verfahren 1000 kann durch den Antwortprädiktor 119 von 1 durchgeführt werden. In einer weiteren Implementierung kann das Verfahren 1000 von einer Client-Anwendung ausgeführt werden, die von einer oder mehreren Verarbeitungsvorrichtungen des Servers 112 ausgeführt wird. Das Verfahren 1000 kann für jeden Anwender der cloudbasierten Inhaltsverwaltungsplattform 115 ausgeführt werden. Ferner kann das Verfahren 1000 ausgeführt werden, wenn ein Anwender den Server 112 auffordert, eine Liste von Dokumenten zu liefern, die mit dem Anwender geteilt wurden. In einigen anderen Implementierungen kann das Verfahren 1000 ausgeführt werden, nachdem das Verfahren 700 durchgeführt wurde, und kann für jeden vorhergesagten Mitarbeiter durchgeführt werden, der sich aus dem Verfahren 700 ergibt.
  • In Block 1002 kann der Aktionsprädiktor 119 für einen Anwender („ersten Anwender“) einer cloudbasierten Inhaltsverwaltungsplattform 115 ausstehende Aktionen identifizieren, die von einem anderen Anwender („zweiten Anwender“) der cloudbasierten Inhaltsverwaltungsplattform 115 an den ersten Anwender gerichtet sind. Der zweite Anwender kann ein zuvor vorhergesagter Mitarbeiter (z. B. unter Verwendung des Verfahrens 700 oder eines anderen Mechanismus) oder ein anderer Anwender, der zufällig oder basierend auf vordefinierten Kriterien ausgewählt ist, sein. Die ausstehenden Aktionen des zweiten Anwenders können Dokumenten zugeordnet sein, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden. Beispiele für ausstehende Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, können eine Einladung an den ersten Anwender zum Teilen eines Dokuments, eine Aufforderung zum Beantworten oder Abwickeln eines Kommentars in Bezug auf das Dokument, eine Einladung zum Überprüfen eines geteilten Dokuments oder einet Bearbeitung des Dokuments usw. umfassen.
  • In Block 1004 kann der Aktionsprädiktor 119 eine oder mehrere Antworten des ersten Anwenders auf die ausstehenden Aktionen des zweiten Anwenders basierend auf Aktionsattributen der ausstehenden Aktionen des zweiten Anwenders vorhersagen. Beispiele für Aktionsattribute einer ausstehenden Aktion können einen Aktionstyp der ausstehenden Aktion, eine Aktualität der ausstehenden Aktion oder eine Identität des zweiten Anwenders, der die ausstehende Aktion initiiert hat, umfassen. Eine Antwort auf eine ausstehende Aktion, die einem Dokument zugeordnet ist, kann ein Ignorieren einer Benachrichtigung oder Einladung, die durch die ausstehende Aktion veranlasst wird, oder ein Ausführen einer Operation, die von der ausstehenden Aktion beabsichtigt ist, umfassen. Eine solche Operation kann ein Überprüfen des Dokuments, ein Teilen des Dokuments, ein Bearbeiten des Dokuments, ein Hinzufügen eines Kommentars zu dem Dokument, ein Abwickeln eines Kommentars zu dem Dokument oder ein Hinzufügen eines neuen Kommentars zu einem vorherigen Kommentar usw. umfassen. Der Aktionsprädiktor 119 kann einen Maschinenlernmodellansatz und/oder einen heuristischen Ansatz implementieren. Wenn beide Ansätze aufgrund eines Netz- oder Systemproblems fehlschlagen oder die Vorhersageoperation zu lange dauert, kann der Aktionsprädiktor 119 auf einen Ausweichansatz zurückgreifen, der später in Bezug auf 13 erörtert wird. Aspekte des Maschinenlernmodellansatzes werden in Bezug auf 11 ausführlicher erörtert und Aspekte des heuristischen Ansatzes werden nachstehend in Bezug auf 12 ausführlicher erörtert.
  • In einigen Implementierungen kann der Aktionsprädiktor 119 die Antwort des ersten Anwenders auf die ausstehenden Aktionen des zweiten Anwenders ferner basierend auf dem Antwortverlauf des ersten Anwenders auf vorherige Aktionen eines oder mehrerer anderer Anwender in Bezug auf Dokumente, die von der cloudbasierten Inhaltsverwaltungsplattform 115 gehostet werden, vorhersagen. Der eine oder die mehreren anderen Anwender können entweder nur den zweiten Anwender oder den zweiten Anwender und einen oder mehrere zusätzliche Anwender umfassen. Dementsprechend bezieht sich der Antwortverlauf nur auf den zweiten Anwender, wenn der zweite Anwender der einzige andere Anwender ist.
  • Der Aktionsprädiktor 119 kann den Antwortverlauf des ersten Anwenders auf die vorherigen Aktionen für die Vorhersage bestimmen. Der Antwortverlauf kann beispielsweise eine Häufigkeit, mit der der erste Anwender auf einen Kommentar eines anderen Anwenders geantwortet hat (optional durch die Länge des Kommentars unterschieden), eine Häufigkeit, mit der der erste Anwender ein Dokument eines anderen Anwenders geöffnet hat, eine Häufigkeit, mit der der erste Anwender ein Dokument eines anderen Anwenders bearbeitet hat, eine Häufigkeit, mit der der erste Anwender ein Dokument eines anderen Anwenders bearbeitet hat, ein Verhältnis zwischen der Anzahl von Malen, die der erste Anwender die Dokumente für einen anderen Anwender bearbeitet hat, und der Anzahl von Malen, die der erste Anwender die Dokumente für einen jeweiligen Anwender kommentiert hat, usw. umfassen.
  • Der Antwortverlauf kann auch verschiedene Verhältnisse zwischen der Anzahl von Malen, mit der der erste Anwender eine bestimmte Aktion auf vorherige Aktionen anderer Anwender ausgeführt hat, und der Anzahl von Malen, die der erste Anwender andere vorherige Aktionen derselben Anwender ignoriert hat, umfassen. Beispielsweise ein Verhältnis davon, dass der erste Anwender einen Kommentar als Antwort auf einige vorherige Aktionen eines oder mehrerer anderer Anwender liefert, dazu, dass der erste Anwender einige andere vorherige Aktionen des einen oder der mehreren anderen Anwender ignoriert, ein Verhältnis davon, dass der erste Anwender ein Dokument als Antwort auf einige vorherige Aktionen anderer Anwender bearbeitet, dazu, dass der erste Anwender andere vorherige Aktionen ignoriert, und ein Verhältnis davon, dass der erste Anwender ein Dokument als Antwort auf einige vorherige Aktionen des einen oder der mehreren anderen Anwender öffnet, dazu, dass der erste Anwender andere vorherige Aktionen durch den einen oder die mehreren anderen Anwender ignoriert.
  • In einigen anderen Implementierungen kann der Aktionsprädiktor 119 gegebenenfalls eine Verarbeitung natürlicher Sprache (NLP-Analyse) für Kommentare ausstehender Aktionen ausführen. Der Aktionsprädiktor 119 kann eine Themen- und Stimmungsanalyse an Inhalt der Kommentare durchführen.
  • In Block 1006 kann der Aktionsprädiktor 119 eine Anwenderoberfläche zur Präsentation für den ersten Anwender liefern. Die Anwenderoberfläche kann eine oder mehrere Anwenderoberflächenkomponenten umfassen, die von dem ersten Anwender zu aktivieren sind, um die vorhergesagten Antworten auf mindestens einige ausstehende Aktionen des zweiten Anwenders zu liefern. Zum Beispiel können die UI-Komponenten 204 und 206 in 2 eine Verknüpfung zu dem ersten Anwender bereitstellen, um ein geteiltes Dokument zu öffnen und auf einen Kommentar zu antworten. Auf diese Weise kann der erste Anwender schnell auf ausstehende Aktionen reagieren, ohne Zeit damit zu verschwenden, ein Dokument mit einer ausstehenden Aktion zu finden und zu entscheiden, welche Operation er als Antwort auf die ausstehende Aktion ausführen soll.
  • 11 zeigt ein Ablaufdiagramm eines Verfahrens 1100 zum Verwenden eines trainierten Maschinenlernmodells 550 in Bezug auf ausstehende Aktionen, die von einem anderen Anwender an einen Anwender gerichtet sind, um eine Antwort des Anwenders auf die ausstehenden Aktionen gemäß einigen Aspekten der Offenbarung in Bezug auf Block 1004 von 10 vorherzusagen.
  • In Block 1102 kann der Aktionsprädiktor 119 Aktionsattribute jeder ausstehenden Aktionen, die von einem anderen Anwender („zweiten Anwender“) an einen Anwender („ersten Anwender“) gerichtet sind, in Bezug auf ein entsprechendes Dokument als Eingabe für ein trainiertes Maschinenlernmodell 550 liefern. Dann kann der Aktionsprädiktor 119 in Block 1104 eine oder mehrere Ausgaben von dem trainierten Maschinenlernmodell 550 erhalten. Die Ausgaben können für jede ausstehende Aktion des zweiten Anwenders eine Wahrscheinlichkeit angeben, dass der erste Anwender wahrscheinlich eine Antwort auf eine entsprechende ausstehende Aktion liefert. In einigen Implementierungen kann sich die Wahrscheinlichkeit auf eine Antwort in naher Zukunft beziehen, beispielsweise eine Wahrscheinlichkeit, dass der erste Anwender heute antwortet.
  • Um das Maschinenlernmodell 550 für das Verfahren 1100 zu trainieren, kann der Aktionsprädiktor 119 Trainingsdaten bereitstellen, um das Maschinenlernmodell 550 an einer Menge von Trainingseingaben und einer Menge von Zielausgaben zu trainieren. Die Menge von Trainingseingaben kann Aktionsattribute vorheriger Aktionen, die von anderen Anwendern an den ersten Anwender gerichtet sind, umfassen. Die anderen Anwender können den zweiten Anwender umfassen. Die Menge von Zielausgaben kann Antworten des ersten Anwenders auf die vorherigen Aktionen, die von anderen Anwendern an den ersten Anwender gerichtet sind, umfassen. Nachdem das Maschinenlernmodell 550 trainiert wurde, kann der Aktionsprädiktor 119 das Verfahren 1100 ausführen. Das Training des Maschinenlernmodells 550 kann fortgesetzt werden, indem die tatsächlichen Antworten des ersten Anwenders auf die derzeit ausstehenden Aktionen überwacht werden, um zu bestimmen, ob die Vorhersagen, die basierend auf dem Maschinenlernmodell 550 gemacht werden, mit den tatsächlichen Antworten des ersten Anwenders übereinstimmen, und indem die bestimmten Ergebnisse zusammen mit den Aktionsattributen der derzeit ausstehenden Aktionen als zusätzliche Trainingsdaten für das Maschinenlernmodell 350 verwendet werden.
  • 12 zeigt ein Ablaufdiagramm eines Verfahrens 1200 zum Verwenden eines heuristischen Ansatzes in Bezug auf ausstehende Aktionen, die von einem anderen Anwender an einen Anwender gerichtet sind, um eine Antwort des Anwenders auf die ausstehenden Aktionen gemäß einigen Aspekten der Offenbarung bezüglich Block 1004 von 10 vorherzusagen. Das Verfahren 1200 kann das gleiche Heuristikmodell anwenden, das in Bezug auf 9 beschrieben ist.
  • In Block 1202 kann der Aktionsprädiktor 119 eine oder mehrere Regeln zum Vorhersagen einer oder mehrerer Antworten eines Anwenders („ersten Anwenders“) auf ausstehende Aktionen eines anderen Anwenders („zweiten Anwenders“) identifizieren. Die Regeln können eine Rangfolgenregel umfassen. In einigen Implementierungen umfassen die Regeln auch eine Regel für erwartete Antworten. Die Rangfolgenregel kann definieren, wie eine ausstehende Aktion basierend auf einer Korrelation zwischen einem Aktionstyp und einer Aktualität der ausstehenden Aktion in eine Rangfolge eingeordnet werden soll. Beispielsweise kann der Aktionsprädiktor 119 die Rangfolgenregel anwenden, indem er einer kürzlichen Aktion mit einem bestimmten Aktionstyp mehr Gewicht und einer ähnlich kürzlichen Aktion, die jedoch zu einem anderen Aktionstyp gehört, weniger Gewicht verleiht. Die Aktion kann durch einen Zeitstempel repräsentiert werden. Die Regel für erwartete Antworten kann erwartete Antworten auf ausstehende Aktionen verschiedener Typen definieren. Die Rangfolgenregel kann basierend auf dem Antwortverlauf des ersten Anwenders auf die vorherigen ausstehenden Aktionen anderer Anwender abgeleitet werden. Die Regel für erwartete Antworten kann basierend auf dem Antwortverlauf des ersten Anwenders und optional anderer Anwender auf vorherige ausstehende Aktionen abgeleitet werden.
  • Dann kann der Aktionsprädiktor 119 in Block 1204 einen Aktionstyp und eine Aktualität jeder ausstehenden Aktion bestimmen, die von dem zweiten Anwender an den ersten Anwender gerichtet ist. In einer Ausführungsform kann der Aktionsprädiktor 119 ferner eine Identität des zweiten Anwenders bestimmen. In Block 1208 kann der Aktionsprädiktor 119 jede ausstehende Aktion basierend auf dem Aktionstyp und der Aktualität jeder ausstehenden Aktion und der Rangfolgenregel in eine Rangfolge einordnen. Dann kann der Aktionsprädiktor 119 in Block 1210 einige ausstehende Aktionen basierend auf Rängen der ausstehenden Aktionen auswählen (z. B. durch Auswahl einer vordefinierten Anzahl oder eines Prozentsatzes ausstehender Aktionen mit den höchsten Rängen oder durch Auswahl ausstehender Aktionen mit Rängen, die eine Schwelle überschreiten). Die ausgewählten ausstehenden Aktionen können ausstehende Aktionen darstellen, auf die der erste Anwender wahrscheinlich antwortet, indem er eine beabsichtigte Operation (z. B. Öffnen eines Dokuments, Überprüfen, Bearbeiten oder Kommentieren eines Dokuments, Abwickeln eines einem Dokument zugeordneten Kommentars usw.) ausführt, und nicht die ausstehende Aktion ignoriert oder auf andere Weise auf mangelndes Interesse an der ausstehenden Aktion hinweist.
  • In einigen Implementierungen kann der Aktionsprädiktor 119 in Block 1212 ferner eine Antwort auf jede ausgewählte ausstehende Aktion basierend auf dem Typ der Aktion und der Regel für erwartete Antworten vorhersagen.
  • Um den heuristischen Ansatz des Verfahrens 1200 zu verfeinern, kann der Aktionsprädiktor 119 bestimmen, ob der Anwender wie beabsichtigt auf die eine oder die mehreren ausgewählten ausstehenden Aktionen geantwortet hat, und in Implementierungen, die die Regel für erwartete Antworten verwenden, ob die eine oder die mehreren Anwenderantworten auf die eine oder die mehreren ausgewählten ausstehenden Aktionen mit einer der vorhergesagten Antworten übereinstimmen. Somit kann der Aktionsprädiktor 119 Aktionen des ersten Anwenders nach den Vorhersagen überwachen, um zu bestimmen, ob die auf den Heuristikregeln basierenden Vorhersagen korrekt sind, und kann die Rangfolgenregel und optional die Regel für erwartete Antworten modifizieren, wenn die Vorhersagen nicht korrekt sind. Wenn beispielsweise der erste Anwender nicht wie beabsichtigt auf die ausgewählten ausstehenden Aktionen antwortet oder Antworten liefert, die sich von der vorhergesagten Antwort unterscheiden, kann der Aktionsprädiktor 119 die Rangfolgenregel und/oder die Regel für erwartete Antworten anpassen, um in Zukunft eine genauere Vorhersage bereitzustellen.
  • 13 zeigt eine beispielhafte Anwenderoberfläche 1300 der cloudbasierten Inhaltsverwaltungsplattform 115, die eine Liste von Dokumenten, die mit einem Anwender geteilt werden, in einem ersten Bereich 1310 der Anwenderoberfläche zusammen mit Informationen zu vorhergesagter Zusammenarbeit für den Anwender (Vorhersagekarten 1302, 1304 und 1306) in einem zweiten Bereich 1307 der Anwenderoberfläche gemäß einer Implementierung der Offenbarung anzeigt. Der erste Bereich 1310 kann die Liste von Dokumenten, die mit dem Anwender geteilt werden, anzeigen, damit der Anwender eine Zusammenarbeit initiieren kann. Alternativ kann der erste Bereich 1310 eine Dokumentensuchseite oder Dokumentteilungsdialoge anzeigen. In einer Implementierung kann die Zusammenarbeitsvorhersage-Engine 116, um den Satz von Vorhersagekarten bereitzustellen, gemäß dem Verfahren 700 von 7 Mitarbeiter vorhersagen, mit denen der Anwender zusammenarbeiten wird, und dann kann die Zusammenarbeitsvorhersage-Engine 116 für jeden vorhergesagten Mitarbeiter gemäß dem Verfahren 1000 von 10 Antworten vorhersagen, die der Anwender machen wird. Die Zusammenarbeitsvorhersage-Engine 116 kann entweder einen Maschinenlernansatz oder einen heuristischen Ansatz verwenden, wie es in Bezug auf die 8, 9, 11 und 12 beschrieben ist. Nach der Antwortvorhersage kann die Zusammenarbeitsvorhersage-Engine 116 eine Vorhersagekarte 1302, 1304 oder 1306 basierend auf den vorhergesagten Mitarbeitern und vorhergesagten Antworten zusammenstellen. Die Zusammenarbeitsvorhersage-Engine 116 kann dann die Vorhersagekarten 1302, 1304 und 1306 auf einer UI der cloudbasierten Inhaltsverwaltungsplattform 115 anzeigen. Vorhersagekarten bieten dem Anwender einen sehr einfachen und bequemen Zugriff auf ein relevantes Dokument.
  • In einer herkömmlichen kollaborativen Umgebung werden Dokumente beispielsweise für jede ausstehende Aktion und/oder für jeden Anwender lokalisiert und geladen, damit jeder Anwender die Dokumente und die ausstehenden Aktionen schnell überprüfen kann, was zu einer erheblichen Nutzung der Netzbandbreite und Verarbeitungsbetriebsmittel in der cloudbasierten kollaborativen Umgebung führt. Ein solches Lokalisieren und Laden von Dokumenten für jede ausstehende Aktion jedes Anwenders in einer herkömmlichen kollaborativen Umgebung kann viele Dokumente einbeziehen, an denen der Anwender kein Interesse hat, was zu einer verschwenderischen Nutzung von Betriebsmitteln führt. Die offenbarte Technologie verbessert diese Situation. Die vorhergesagten Mitarbeiter und vorhergesagten Antworten ermöglichen es der cloudbasierten Zusammenarbeitsplattform, nur eine kleine Anzahl (d. h. eine Teilmenge von Dokumenten für einige bestimmte Mitarbeiter, die durch die Vorhersage spezifiziert sind, z. B. jedes Dokument, das einem des einen oder der mehreren vorhergesagten Mitarbeiter zugeordnet ist; d. h. eine Teilmenge von Dokumenten für einige bestimmte ausstehende Aktionen) zu lokalisieren und zu laden, z. B. automatisch zu laden, und eine Anwenderoberfläche, beispielsweise wie oben erläutert in Form von Vorhersagekarten, zu erzeugen und anzuzeigen, um dem Anwender einen sehr einfachen und bequemen Zugriff auf ein wichtiges Dokument zu ermöglichen. Auf diese Weise wird auch die Nutzbarkeit der cloudbasierten Zusammenarbeitsplattform verbessert, da eine gezieltere Interaktion des Anwenders mit Mitarbeitern und zugehörigen ausstehenden Aktionen und Dokumenten ermöglicht wird.
  • Wenn während der Vorhersage der Mitarbeiter und/oder Antworten die Zusammenarbeitsvorhersage-Engine 116 aufgrund eines Systemfehlers oder Netzfehlers den Maschinenlernansatz und den Heuristikansatz nicht ausführen kann oder es eine erhebliche Verzögerung beim Liefern von Vorhersageergebnissen gibt, kann die Zusammenarbeitsvorhersage-Engine 116 auf Ausweichansätze zurückgreifen. Die Zusammenarbeitsvorhersage-Engine 116 kann entweder einen clientseitigen oder einen serverseitigen Ausweichansatz für die Vorhersage der Mitarbeiter und der Antwort verwenden. Der clientseitige Ausweichansatz kann die Daten, die der Anwender bereits erhalten hat, verwenden, um eine Anwenderoberfläche zu laden, auf der die Liste der mit dem Anwender geteilten Dateien angezeigt wird. Dementsprechend kann die Zusammenarbeitsvorhersage-Engine 116 für die Mitarbeitervorhersage jeden Anwender identifizieren, der den mit dem Anwender geteilten Dateien zugeordnet ist, und dann eine vordefinierte Anzahl von Anwendern, die der höchsten Anzahl von Dateien zugeordnet sind, die mit dem Anwender geteilt werden, als vorhergesagte Mitarbeiter auswählen, mit denen der Anwender wahrscheinlich zusammenarbeiten wird. Im Fall der Antwortvorhersage kann die Zusammenarbeitsvorhersage-Engine 116 Dokumente der vorhergesagten Mitarbeiter identifizieren und dann kann die Zusammenarbeitsvorhersage-Engine 116 Aktionen aus einer vorbestimmten Anzahl von neuesten Dokumenten, die sich auf die vorhergesagten Mitarbeiter beziehen, als vorhergesagte Antwort auswählen, mit der der Anwender wahrscheinlich antworten wird. Der clientseitige Ausweichansatz hat die Wirkung, dass die Vorhersage potenzieller Mitarbeiter und Antworten auch ohne oder mit eingeschränkter Netzverbindung möglich ist, wodurch der Betrieb clientseitiger kollaborativer Werkzeuge für die cloudbasierte Inhaltsverwaltungsplattform robuster gegen Netzausfälle wird.
  • Der serverseitige Ausweichansatz kann ein Ausführen der gleichen Abfragen (d. h. häufige frühere Mitarbeiter und ihre kürzlichen Dokumente), die von dem clientseitigen Ausweichansatz verwendet werden, umfassen, jedoch an den auf dem Server 112 gespeicherten Daten. Zusätzlich kann der serverseitige Ausweichansatz ferner zwischengespeicherte Kopien vorheriger Anforderungen des Anwenders an den Server 112 und zwischengespeicherte Aktionen des Anwenders, die der cloudbasierten Inhaltsverwaltungsplattform 115 zugeordnet sind, berücksichtigen. Diese Ausweichansätze ermöglichen es der Zusammenarbeitsvorhersage-Engine 116, zumindest einige Vorhersagen in den Vorhersagekarten 1302, 1304 und 1306 anzuzeigen, wenn der Maschinenlernansatz und der Heuristikansatz fehlschlagen. Der serverseitige Ausweichansatz hat den Effekt, dass die Vorhersage potenzieller Mitarbeiter und Antworten, wie sie hier diskutiert ist, durch die cloudbasierte Inhaltsverwaltungsplattform auch dann möglich ist, wenn der Maschinenlernansatz und der Heuristikansatz vorübergehend nicht verfügbar sind. Dies macht den Betrieb der cloudbasierten Inhaltsverwaltungsplattform aus Sicht eines Client robuster.
  • 14 zeigt ein Blockdiagramm eines beispielhaften Rechensystems, das gemäß einem oder mehreren Aspekten der vorliegenden Offenbarung arbeitet. In verschiedenen veranschaulichenden Beispielen kann das Rechensystem 1400 einer der Rechenvorrichtungen innerhalb der Systemarchitektur 100 von 1 entsprechen. In einer Implementierung kann das Rechensystem 1400 ein Server 112 sein. In einer weiteren Implementierung kann das Rechensystem 1400 jede der Anwendervorrichtungen 120A-120Z sein.
  • In bestimmten Implementierungen kann das Rechensystem 1400 (z. B. über ein Netz wie etwa ein lokales Netz (LAN), ein Intranet, ein Extranet oder das Internet) mit anderen Rechensystemen verbunden sein. Das Rechensystem 1400 kann in der Rolle eines Servers oder eines Client-Computers in einer Client-Server-Umgebung oder als Peer-Computer in einer Peer-zu-Peer- oder verteilten Netzumgebung arbeiten. Das Rechensystem 1400 kann von einem Personal Computer (PC), einem Tablet PC, einem Beistellkasten (STB), einem persönlichen digitalen Assistenten (PDA), einem Mobiltelefon, einem Web-Gerät, einem Server, einem Netzwerkrouter, einem Switch oder einer Brücke oder irgendeiner Vorrichtung, die in der Lage ist, eine Reihe von Befehlen (sequentiell oder anderweitig) auszuführen, die die von dieser Vorrichtung auszuführenden Aktionen spezifizieren, bereitgestellt werden. Ferner umfasst der Begriff „Computer“ eine beliebige Sammlung von Computern, die einzeln oder gemeinsam einen Satz (oder mehrere Sätze) von Befehlen ausführen, um eines oder mehrere der hier beschriebenen Verfahren auszuführen.
  • In einem weiteren Aspekt kann das Rechensystem 1400 eine Verarbeitungsvorrichtung 1402, einen flüchtigen Speicher 1404 (z. B. Direktzugriffsspeicher (RAM)), einen nichtflüchtigen Speicher 1406 (z. B. Nur-Lese-Speicher (ROM) oder elektrisch löschbarer, programmierbarer ROM (EEPROM)) und eine Datenspeichervorrichtung 1416 aufweisen, die über einen Bus 1408 miteinander kommunizieren können.
  • Die Verarbeitungsvorrichtung 1402 kann von einem oder mehreren Prozessoren wie einem Allzweckprozessor (wie beispielsweise einem Mikroprozessor für die Verarbeitung komplexer Befehlssätze (CISC-Mikroprozessor)), einem Mikroprozessor für die Verarbeitung reduzierter Befehlssätze (RISC-Mikroprozessor), einem Mikroprozessor für sehr lange Befehlsworte (VLIW-Mikroprozessor), einem Mikroprozessor, der andere Typen von Befehlssätzen implementiert, oder einem Mikroprozessor, der eine Kombination von Typen von Befehlssätzen implementiert) oder einem spezialisierten Prozessor (wie beispielsweise einer anwendungsspezifischen integrierten Schaltung (ASIC), einer feldprogrammierbaren Gatteranordnung (FPGA), einem Digitalsignalprozessor (DSP) oder einem Netzprozessor) bereitgestellt werden.
  • Das Rechensystem 1400 kann ferner eine Netzschnittstellenvorrichtung 1422 aufweisen. Das Rechensystem 1400 kann auch eine Videoanzeigeeinheit 1410 (z. B. eine LCD), eine alphanumerische Eingabevorrichtung 1412 (z. B. eine Tastatur), eine Cursorsteuervorrichtung 1414 (z. B. eine Maus) und eine Signalerzeugungsvorrichtung 1420 aufweisen.
  • Die Datenspeichervorrichtung 1416 kann ein nicht transitorisches computerlesbares Speichermedium 1424 umfassen, auf dem Befehle 1426 gespeichert werden können, die eines oder mehrere der hier beschriebenen Verfahren oder Funktionen codieren, einschließlich Befehlen, die die Zusammenarbeitsvorhersage-Engine 116 von 1 zum Implementieren der hier beschriebenen Verfahren implem entieren.
  • Befehle 1426 können sich auch während ihrer Ausführung durch das Rechensystem 1400 ganz oder teilweise innerhalb des flüchtigen Speichers 1404 und/oder innerhalb der Verarbeitungsvorrichtung 1402 befinden, daher können der flüchtige Speicher 1404 und die Verarbeitungsvorrichtung 1402 auch maschinenlesbare Speichermedien darstellen.
  • Während das computerlesbare Speichermedium 1424 in den veranschaulichenden Beispielen als ein einzelnes Medium gezeigt ist, umfasst der Begriff „computerlesbares Speichermedium“ ein einzelnes Medium oder mehrere Medien (z. B. eine zentralisierte oder verteilte Datenbank und/oder zugehörige Caches und Server), die den einen oder die mehreren Sätze ausführbarer Befehle speichern. Der Begriff „computerlesbares Speichermedium“ umfasst auch ein beliebiges materielles Medium, das in der Lage ist, einen Satz von Befehlen zur Ausführung durch einen Computer zu speichern oder zu codieren, die den Computer dazu veranlassen, eines oder mehrere der hier beschriebenen Verfahren auszuführen. Der Begriff „computerlesbares Speichermedium“ umfasst, ohne darauf beschränkt zu sein, Festkörperspeicher, optische Medien und magnetische Medien.
  • In der vorstehenden Beschreibung sind zahlreiche Einzelheiten aufgeführt. Es ist jedoch für Fachleute mit dem Vorteil dieser Offenbarung offensichtlich, dass die vorliegende Offenbarung ohne diese spezifischen Einzelheiten praktiziert werden kann. In einigen Fällen werden bekannte Strukturen und Vorrichtungen eher in Blockdiagrammform als im Detail gezeigt, um zu vermeiden, dass die vorliegende Offenbarung verunklart wird.
  • Einige Abschnitte der genauen Beschreibung wurden in Bezug auf Algorithmen und symbolische Darstellungen von Operationen an Datenbits in einem Computerspeicher dargestellt. Diese algorithmischen Beschreibungen und Darstellungen sind die Mittel, die von Fachleuten auf dem Gebiet der Datenverarbeitung verwendet werden, um anderen Fachleuten die Substanz ihrer Arbeit am effektivsten zu vermitteln. Ein Algorithmus ist hier und im Allgemeinen als eine selbstkonsistente Folge von Schritten konzipiert, die zu einem gewünschten Ergebnis führen. Die Schritte erfordern physikalische Manipulationen an physikalischen Größen. Normalerweise, aber nicht unbedingt, liegen diese Größen in Form von elektrischen oder magnetischen Signalen vor, die gespeichert, übertragen, kombiniert, verglichen und auf andere Weise manipuliert werden können. Aus Gründen der allgemeinen Verwendung hat es sich manchmal als zweckmäßig erwiesen, diese Signale als Bits, Werte, Elemente, Symbole, Zeichen, Begriffe, Zahlen oder dergleichen zu bezeichnen.
  • Es ist jedoch zu beachten, dass alle diese und ähnliche Begriffe den entsprechenden physikalischen Größen zugeordnet werden müssen und lediglich zweckmäßige Bezeichnungen für diese Größen sind. Sofern aus der folgenden Diskussion nicht ausdrücklich etwas anderes hervorgeht, beziehen sich in der gesamten Beschreibung Diskussionen, die Begriffe wie „Empfangen“, „Anzeigen“, „Bewegen“, „Anpassen“, „Ersetzen“, „Bestimmen“, „Abspielen“ oder dergleichen verwenden, auf die Aktionen und Prozesse eines Computersystems oder einer ähnlichen elektronischen Rechenvorrichtung, das/die als physikalische (z. B. elektronische) Größen in den Registern und Speichern des Computersystems dargestellten Daten manipuliert und in andere Daten umwandelt, die ähnlich als physikalische Größen innerhalb der Computersystemspeicher oder -register oder anderen solchen Informationsspeicher-, Übertragungs- oder Anzeigevorrichtungen dargestellt sind.
  • Zur Vereinfachung der Erklärung sind die Verfahren dieser Offenbarung als eine Reihe von Handlungen dargestellt und beschrieben. Handlungen gemäß dieser Offenbarung können jedoch in verschiedenen Reihenfolgen und/oder gleichzeitig und mit anderen Handlungen, die hier nicht dargestellt und beschrieben sind, auftreten. Darüber hinaus sind möglicherweise nicht alle dargestellten Handlungen erforderlich, um die Verfahren gemäß dem offenbarten Gegenstand zu implementieren. Darüber hinaus werden Fachleute verstehen und erkennen, dass die Verfahren alternativ als eine Reihe miteinander in Beziehung stehender Zustände über ein Zustandsdiagramm oder Ereignisse dargestellt werden können. Zusätzlich sollte beachtet werden, dass die in dieser Beschreibung offenbarten Verfahren auf einem Herstellungsgegenstand gespeichert werden können, um den Transport und die Übertragung solcher Verfahren auf Rechenvorrichtungen zu erleichtern. Der Begriff „Herstellungsgegenstand“, wie er hier verwendet wird, soll ein Computerprogramm umfassen, auf das von einer beliebigen computerlesbaren Vorrichtung oder einem beliebigen Speichermedium aus zugegriffen werden kann.
  • Bestimmte Implementierungen der vorliegenden Offenbarung beziehen sich auch auf eine Einrichtung zum Durchführen der Operationen hierin. Diese Einrichtung kann für die beabsichtigten Zwecke konstruiert sein oder sie kann einen Allzweckcomputer umfassen, der durch ein in dem Computer gespeichertes Computerprogramm selektiv aktiviert oder umkonfiguriert wird. Ein solches Computerprogramm kann auf einem computerlesbaren Speichermedium wie beispielsweise ohne Einschränkung darauf jeder Art von Platte einschließlich Disketten, optischen Platten, CD-ROMs und magnetooptischen Platten, Nur-Lese-Speichern (ROMs), Direktzugriffsspeichern (RAMs), EPROMs, EEPROMs, magnetischen oder optischen Karten oder jeder Art von Medien, die zum Speichern elektronischer Befehle geeignet sind, gespeichert sein.
  • Die Bezugnahme in dieser Spezifikation auf „eine Implementierung“ bedeutet, dass ein bestimmtes Merkmal, eine bestimmte Struktur oder eine bestimmte Charakteristik, das/die im Zusammenhang mit der Implementierung beschrieben wird, in mindestens einer Implementierung enthalten ist. Daher bezieht sich das Auftauchen des Ausdrucks „in einer Implementierung“ an verschiedenen Stellen in dieser Beschreibung nicht notwendigerweise immer auf dieselbe Implementierung. Darüber hinaus soll der Begriff „oder“ eher ein inklusives „oder“ als ein exklusives „oder“ bedeuten. Darüber hinaus werden die Wörter „Beispiel“ oder „beispielhaft“ hier verwendet, um als Beispiel, Instanz oder Veranschaulichung dienend zu bedeuten. Jeder Aspekt oder Entwurf, der hier als „beispielhaft“ beschrieben wird, ist nicht notwendigerweise als bevorzugt oder vorteilhaft gegenüber anderen Aspekten oder Entwürfen zu verstehen. Die Verwendung der Wörter „Beispiel“ oder „beispielhaft“ soll vielmehr Konzepte auf konkrete Weise darbieten.
  • Es versteht sich, dass die obige Beschreibung veranschaulichend und nicht einschränkend sein soll. Viele andere Implementierungen werden für Fachleute beim Lesen und Verstehen der obigen Beschreibung offensichtlich sein. Der Umfang der Offenbarung sollte daher unter Bezugnahme auf die beigefügten Ansprüche zusammen mit dem vollen Umfang der Äquivalente, zu denen solche Ansprüche berechtigt sind, bestimmt werden.
  • Zusätzlich zu den obigen Beschreibungen kann ein Anwender mit Steuerelementen ausgestattet werden, die es dem Anwender ermöglichen, eine Wahl darüber zu treffen, ob und wann Systeme, Programme oder Funktionen, die hier beschrieben sind, das Sammeln von Anwenderinformationen (z. B. Informationen über das soziale Netz eines Anwenders, soziale Aktionen oder Aktivitäten, Beruf, Vorlieben eines Anwenders oder den aktuellen Standort eines Anwenders) ermöglichen dürfen und ob dem Anwender Inhalt oder Mitteilungen von einem Server gesendet werden. Darüber hinaus können bestimmte Daten auf eine oder mehrere Weisen behandelt werden, bevor sie gespeichert oder verwendet werden, so dass personenbezogene Daten entfernt werden. Beispielsweise kann die Identität eines Anwenders so behandelt werden, dass keine personenbezogenen Informationen für den Anwender bestimmt werden können, oder der geografische Standort eines Anwenders kann dann, wenn Standortinformationen erhalten werden, verallgemeinert werden (z. B. auf Stadt-, Postleitzahl- oder Staatsebene), so dass ein genauer Standort eines Anwenders nicht bestimmt werden kann. Somit kann der Anwender die Kontrolle darüber haben, welche Informationen über den Anwender gesammelt werden, wie diese Informationen verwendet werden und welche Informationen dem Anwender bereitgestellt werden.

Claims (22)

  1. Computerprogramm, das Befehle enthält, die, wenn sie von einem oder mehreren Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren dazu veranlassen, Operationen auszuführen, die Folgendes umfassen: für einen Anwender einer cloudbasierten Inhaltsverwaltungsplattform, Identifizieren mehrerer anderer Anwender der cloudbasierten Inhaltsverwaltungsplattform, die eine Beziehung zu dem Anwender haben und mehreren Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden; Vorhersagen eines oder mehrerer Mitarbeiter für den Anwender durch einen Prozessor basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender; und Bereitstellen von Informationen, die den einen oder die mehreren vorhergesagten Mitarbeiter identifizieren, zur Präsentation für den Anwender durch den Prozessor, um den Anwender zu einer Teilmenge von Dokumenten aus den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, zu leiten, wobei die Teilmenge von Dokumenten jeweils einem des einen oder der mehreren vorhergesagten Mitarbeiter zugeordnet ist.
  2. Computerprogramm nach Anspruch 1, wobei das Identifizieren der mehreren anderen Anwender der cloudbasierten Inhaltsverwaltungsplattform umfasst: Bestimmen der mehreren anderen Anwender aus Folgendem: Aktionen des Anwenders, die den mehreren Dokumenten, einem Kalender und einem Kommunikationswerkzeug, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, zugeordnet sind, wobei die Aktionen des Anwenders aus einem kürzlich vorbestimmten Zeitraum stammen; Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform; und/oder einer vorbestimmten Anzahl von kürzlich durch die mehreren anderen Anwender mit dem Anwender geteilten Dokumenten.
  3. Computerprogramm nach Anspruch 2, wobei: die Zugehörigkeiten des Anwenders Folgendes umfassen: eine Kontaktliste des Anwenders mit einer Liste von Profilen von Anwendern der cloudbasierten Inhaltsverwaltungsplattform, wobei die Kontaktliste einen Grad an Affinität zu dem Anwender für jedes Profil umfasst; und/oder eine Mitgliedschaft in einem Gruppenraum in der cloudbasierten Inhaltsverwaltungsplattform, die es Mitgliedern des Gruppenraums ermöglicht, Dokumente in dem Gruppenraum zu speichern, zu durchsuchen und darauf zuzugreifen; und die Aktionen des Anwenders Folgendes umfassen: eine Zusammenarbeit des Anwenders im Zusammenhang mit den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, eine Dokumentensuchaktion an den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden, basierend auf einem Dokum enteneigentüm er, eine Aktion zur zukünftigen Teilnahme an kollaborativen Kalenderereignissen, und/oder eine Kommunikationsaktion über ein Kommunikationswerkzeug, das von der cloudbasierten Inhaltsverwaltungsplattform gehostet wird.
  4. Computerprogramm nach Anspruch 2, wobei die Operationen ferner umfassen: Bestimmen einer Menge von Zusammenarbeitsattributen für jeden der mehreren anderen Anwender der cloudbasierten Inhaltsverwaltungsplattform.
  5. Computerprogramm nach Anspruch 4, wobei die Menge von Zusammenarbeitsattributen eines jeweiligen anderen Anwenders mindestens zwei der folgenden Attribute umfasst: eine Häufigkeit der Zusammenarbeit mit dem Anwender; eine Aktualität der Zusammenarbeit mit dem Anwender; eine Reaktionsfreudigkeit des Anwenders auf Aktionen des jeweiligen anderen Anwenders, die den mehreren Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden; eine gleichzeitige Interaktion des jeweiligen anderen Anwenders und des Anwenders mit einem oder mehreren Dokumenten aus den mehreren Dokumenten, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden; eine Überlappung zwischen i) den Aktionen und Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform und ii) Aktionen und Zugehörigkeiten des jeweiligen anderen Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform; oder einen Grad an Affinität des Anwenders zu dem jeweiligen anderen Anwender basierend auf den Zugehörigkeiten des Anwenders im Zusammenhang mit der cloudbasierten Inhaltsverwaltungsplattform.
  6. Computerprogramm nach Anspruch 4, wobei das Vorhersagen des einen oder der mehreren Mitarbeiter für den Anwender basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender umfasst: Liefern der Menge von Zusammenarbeitsattributen jedes der mehreren anderen Anwender als Eingabe in ein trainiertes Maschinenlernmodell; und Erhalten einer oder mehrerer Ausgaben aus dem trainierten Maschinenlernmodell, wobei die Ausgaben für jeden der mehreren anderen Anwender eine Wahrscheinlichkeit angeben, dass der Anwender mit einem jeweiligen anderen Anwender zusammenarbeitet.
  7. Computerprogramm nach Anspruch 6, wobei die Operationen ferner umfassen: Bereitstellen von Trainingsdaten zum Trainieren des Maschinenlernmodells an einer Menge von Trainingseingaben und einer Menge von Zielausgaben, wobei: die Menge von Trainingseingaben Zusammenarbeitsattribute mehrerer zweiter anderer Anwender umfasst; und die Menge von Zielausgaben Auswahlen vorheriger Anwender der mehreren zweiten anderen Anwender als Mitarbeiter durch den Anwender umfasst.
  8. Computerprogramm nach Anspruch 1, wobei das Vorhersagen des einen oder der mehreren Mitarbeiter für den Anwender basierend auf Zusammenarbeitsattributen der mehreren anderen Anwender ferner umfasst: Bestimmen einer Anzahl von Dokumenten, die zwischen dem Anwender und jedem der mehreren anderen Anwender geteilt werden, basierend auf den Zusammenarbeitsattributen der mehreren anderen Anwender; Bestimmen einer Aktualität jeder Zusammenarbeit, die den zwischen dem Anwender und jedem der mehreren anderen Anwender geteilten Dokumenten zugeordnet ist, basierend auf den Zusammenarbeitsattributen der mehreren anderen Anwender; Einordnen der mehreren anderen Anwender basierend auf der Anzahl der Dokumente, die zwischen dem Anwender und jedem der mehreren anderen Anwender geteilt werden, der Aktualität jeder Zusammenarbeit, die den Dokumenten zugeordnet ist, die zwischen dem Anwender und jedem der mehreren anderen Anwender geteilt werden, und einer oder mehreren Regeln, die eine Korrelation zwischen der Anzahl der Dokumente und der Aktualität definieren, in eine Rangfolge; und Auswählen eines oder mehrerer anderer Anwender basierend auf Rängen der mehreren anderen Anwender, wobei der eine oder die mehreren ausgewählten anderen Anwender den einen oder die mehreren vorhergesagten Mitarbeiter repräsentieren.
  9. Computerprogramm nach Anspruch 8, wobei die eine oder die mehreren Regeln Gewichte umfassen, die der Anzahl von Dokumenten und der Aktualität zugeordnet sind.
  10. Computerprogramm nach Anspruch 8, wobei die Operationen ferner umfassen: Bestimmen, ob eine Auswahl eines Mitarbeiters durch den Anwender mit einem des einen oder der mehreren vorhergesagten Mitarbeiter übereinstimmt; und Modifizieren der einen oder der mehreren Regeln als Antwort darauf, dass sich die Auswahl des Mitarbeiters durch den Anwender von dem einen oder den mehreren vorhergesagten Mitarbeitern unterscheidet.
  11. Computerprogramm, das Befehle enthält, die, wenn sie von einem oder mehreren Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren dazu veranlassen, Operationen auszuführen, die Folgendes umfassen: für einen ersten Anwender einer cloudbasierten Inhaltsverwaltungsplattform, Identifizieren mehrerer ausstehender Aktionen, die von einem zweiten Anwender der cloudbasierten Inhaltsverwaltungsplattform an den ersten Anwender gerichtet sind, wobei die mehreren ausstehenden Aktionen des zweiten Anwenders einer Teilmenge mehrerer Dokumente zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden; Vorhersagen einer oder mehrerer Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders durch einen Prozessor basierend auf Aktionsattributen der mehreren ausstehenden Aktionen des zweiten Anwenders; und Bereitstellen einer Anwenderschnittstelle (UI) zur Präsentation für den ersten Anwender durch den Prozessor, wobei die UI eine oder mehrere UI-Komponenten umfasst, die von dem ersten Anwender zu aktivieren sind, um die eine oder die mehreren vorhergesagten Antworten auf mindestens eine Teilmenge der mehreren ausstehenden Aktionen des zweiten Anwenders zu liefern.
  12. Computerprogramm nach Anspruch 11, wobei die mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, Folgendes umfassen: eine oder mehrere Einladungen des zweiten Anwenders an den ersten Anwender, jeweils ein oder mehrere Dokumente aus der Teilmenge der mehreren Dokumente zu teilen, einen oder mehrere Kommentare des zweiten Anwenders für den ersten Anwender in Bezug auf die Teilmenge der mehreren Dokumente, und/oder eine oder mehrere Bearbeitungen des zweiten Anwenders für den ersten Anwender in Bezug auf die Teilmenge der mehreren Dokumente.
  13. Computerprogramm nach Anspruch 11, wobei das eine oder die mehreren Aktionsattribute mindestens zwei oder mehr der folgenden Attribute umfassen: einen Aktionstyp einer jeweiligen Aktion; eine Aktualität der jeweiligen Aktion; oder eine Identität eines Anwenders der cloudbasierten Inhaltsverwaltungsplattform, der die entsprechende Aktion initiiert hat.
  14. Computerprogramm nach Anspruch 11, wobei das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders ferner auf Folgendem basiert: Antwortverlauf des ersten Anwenders auf mehrere vorherige Aktionen eines oder mehrerer anderer Anwender einschließlich des zweiten Anwenders, wobei die mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender den mehreren Dokumenten zugeordnet sind, die von der cloudbasierten Inhaltsverwaltungsplattform gehostet werden.
  15. Computerprogramm nach Anspruch 14, wobei die Operationen ferner umfassen: Bestimmen des Antwortverlaufs des ersten Anwenders auf die mehreren vorherigen Aktionen, wobei der Antwortverlauf des ersten Anwenders auf die mehreren vorherigen Aktionen Folgendes umfasst: eine Häufigkeit, mit der der erste Anwender auf einen Kommentar jedes des einen oder der mehreren anderen Anwender geantwortet hat; ein Verhältnis einer Anzahl von Malen, die der erste Anwender die mehreren Dokumente für jeden der einen oder mehreren anderen Anwender bearbeitet hat, zu einer Anzahl von Malen, die der erste Anwender die mehreren Dokumente für einen jeweiligen anderen Anwender kommentiert hat; ein Verhältnis davon, dass der erste Anwender einen Kommentar als Antwort auf vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender liefert, dazu, dass der erste Anwender vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender ignoriert; ein Verhältnis davon, dass der ersten Anwender ein Dokument als Antwort auf vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender bearbeitet, dazu, dass der erste Anwender vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender ignoriert; ein Verhältnis davon, dass der erste Anwender ein Dokument als Antwort auf vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender öffnet, dazu, dass der erste Anwender vorherige Aktionen der mehreren vorherigen Aktionen des einen oder der mehreren anderen Anwender ignoriert; eine Häufigkeit, mit der der erste Anwender die mehreren Dokumente kommentiert hat; eine Häufigkeit, mit der der erste Anwender auf einen Kommentar geantwortet hat, basierend auf der Länge des Kommentars; und/oder eine Häufigkeit, mit der der erste Anwender die mehreren Dokumente bearbeitet hat.
  16. Computerprogramm nach Anspruch 14, wobei der eine oder die mehreren anderen Anwender entweder nur den zweiten Anwender oder den zweiten Anwender und einen oder mehrere zusätzliche Anwender umfassen.
  17. Computerprogramm nach Anspruch 11, wobei das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders umfasst: Bereitstellen eines oder mehrerer Aktionsattribute jeder der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, in Bezug auf ein entsprechendes Dokument der Teilmenge von Dokumenten als Eingabe in ein trainiertes Maschinenlernmodell; und Erhalten einer oder mehrerer Ausgaben aus dem trainierten Maschinenlernmodell, wobei die Ausgaben für jede der mehreren ausstehenden Aktionen des zweiten Anwenders eine Wahrscheinlichkeit angeben, dass der erste Anwender eine Antwort auf eine jeweilige ausstehende Aktion liefert.
  18. Computerprogramm nach Anspruch 17, wobei die Operationen ferner umfassen: Bereitstellen von Trainingsdaten zum Trainieren des Maschinenlernmodells an einer Menge von Trainingseingaben und einer Menge von Zielausgaben, wobei: die Menge von Trainingseingaben ein oder mehrere Aktionsattribute mehrerer vorheriger Aktionen, die von anderen Anwendern an den ersten Anwender gerichtet sind, umfasst; und die Menge von Zielausgaben Antworten des ersten Anwenders auf die mehreren vorherigen Aktionen, die von den anderen Anwendern an den ersten Anwender gerichtet sind, umfasst.
  19. Computerprogramm nach Anspruch 14, wobei das Vorhersagen der einen oder mehreren Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders umfasst: Identifizieren von Regeln zum Vorhersagen der einen oder mehreren Antworten auf ausstehende Aktionen des zweiten Anwenders, wobei die Regeln eine Rangfolgenregel und eine Regel für erwartete Antworten umfassen, wobei die Rangfolgenregel definiert, wie eine ausstehende Aktion basierend auf einer Korrelation zwischen einem Aktionstyp und einer Aktualität der ausstehenden Aktion in eine Rangfolge einzuordnen ist, und die Regel für erwartete Antworten erwartete Antworten auf ausstehende Aktionen von verschiedenen Typen definiert, wobei die Rangfolgenregel und die Regel für erwartete Antworten basierend auf dem Antwortverlauf des ersten Anwenders auf die mehreren vorherigen Aktionen abgeleitet werden; Bestimmen eines Aktionstyps und einer Aktualität jeder der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind; Einordnen jeder der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, basierend auf der Rangfolgenregel und dem Aktionstyp und der Aktualität jeder der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind, in eine Rangfolge; Auswählen einer Teilmenge der mehreren ausstehenden Aktionen basierend auf Rängen der mehreren ausstehenden Aktionen, die von dem zweiten Anwender an den ersten Anwender gerichtet sind; und Identifizieren erwarteter Antworten auf die ausgewählte Teilmenge ausstehender Aktionen basierend auf der Regel für erwartete Antworten und dem Typ jeder ausstehenden Aktion, wobei die identifizierten Antworten die eine oder die mehreren vorhergesagten Antworten des ersten Anwenders auf die mehreren ausstehenden Aktionen des zweiten Anwenders repräsentieren.
  20. Computerprogramm nach Anspruch 19, wobei die Operationen ferner umfassen: Bestimmen, ob der erste Anwender wie beabsichtigt auf eine aus der ausgewählten Teilmenge ausstehender Aktionen geantwortet hat; Modifizieren der Rangfolgenregel als Antwort auf ein Bestimmen, dass der erste Anwender nicht wie beabsichtigt auf eine aus der ausgewählten Teilmenge ausstehender Aktionen geantwortet hat, Bestimmen, ob eine Auswahl einer Antwort durch den ersten Anwender mit einer der identifizierten Antworten übereinstimmt; und Modifizieren der Regel für erwartete Antworten als Antwort auf ein Bestimmen, dass die Auswahl der Antwort durch den ersten Anwender mit keiner der identifizierten Antworten übereinstimmt.
  21. Nichttransitorisches computerlesbares Speichermedium, das Befehle des Computerprogramms nach einem der Ansprüche 1 bis 10 speichert.
  22. Nichttransitorisches computerlesbares Speichermedium, das Befehle des Computerprogramms nach einem der Ansprüche 11 bis 20 speichert.
DE202018006510.2U 2017-12-13 2018-09-14 Intelligente personenzentrierte Vorhersagen in einer kollaborativen Umgebung Active DE202018006510U1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US15/841,185 US11372522B2 (en) 2017-12-13 2017-12-13 Intelligent people-centric predictions in a collaborative environment
US15/841,185 2017-12-13

Publications (1)

Publication Number Publication Date
DE202018006510U1 true DE202018006510U1 (de) 2020-10-28

Family

ID=64902364

Family Applications (1)

Application Number Title Priority Date Filing Date
DE202018006510.2U Active DE202018006510U1 (de) 2017-12-13 2018-09-14 Intelligente personenzentrierte Vorhersagen in einer kollaborativen Umgebung

Country Status (3)

Country Link
US (2) US11372522B2 (de)
DE (1) DE202018006510U1 (de)
WO (1) WO2019118032A1 (de)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10929351B2 (en) * 2018-06-29 2021-02-23 Microsoft Technology Licensing, Llc Determining document libraries to sync to a local computing device
US11520461B2 (en) * 2018-11-05 2022-12-06 Microsoft Technology Licensing, Llc Document contribution management system
US20210056476A1 (en) * 2019-08-21 2021-02-25 Oath Inc. Method and system for secure data sharing
US11321360B2 (en) 2020-01-17 2022-05-03 Microsoft Technology Licensing, Llc Intelligently identifying a user's relationship with a document
US10735212B1 (en) * 2020-01-21 2020-08-04 Capital One Services, Llc Computer-implemented systems configured for automated electronic calendar item predictions and methods of use thereof
US10956295B1 (en) * 2020-02-26 2021-03-23 Sap Se Automatic recognition for smart declaration of user interface elements
US11392594B2 (en) 2020-03-18 2022-07-19 Microsoft Technology Licensing, Llc Intelligent ranking of search results
US11886443B2 (en) 2020-05-22 2024-01-30 Microsoft Technology Licensing, Llc Intelligently identifying and grouping relevant files and providing an event representation for files
US11328116B2 (en) * 2020-06-30 2022-05-10 Microsoft Technology Licensing, Llc Intelligently identifying collaborators for a document
US11729122B2 (en) * 2020-12-23 2023-08-15 Atlassian Pty Ltd. Content suggestion system for real-time communication environments
US11671469B1 (en) * 2020-12-29 2023-06-06 Meta Platforms, Inc. Recommending content for sharing in online meetings
US20220353304A1 (en) * 2021-04-30 2022-11-03 Microsoft Technology Licensing, Llc Intelligent Agent For Auto-Summoning to Meetings

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7689655B2 (en) * 2004-12-06 2010-03-30 Aol Inc. Managing and collaborating with digital content using a dynamic user interface
US8539027B1 (en) * 2005-06-29 2013-09-17 Cisco Technology, Inc. System and method for suggesting additional participants for a collaboration session
US20130159408A1 (en) * 2011-12-15 2013-06-20 Microsoft Corporation Action-oriented user experience based on prediction of user response actions to received data
US9705967B2 (en) * 2012-10-04 2017-07-11 Box, Inc. Corporate user discovery and identification of recommended collaborators in a cloud platform
US8930301B2 (en) * 2013-05-31 2015-01-06 Linkedin Corporation Systems and methods for content response prediction
US10255563B2 (en) * 2014-03-03 2019-04-09 Microsoft Technology Licensing, Llc Aggregating enterprise graph content around user-generated topics
US9461972B1 (en) * 2014-03-19 2016-10-04 NetSuite Inc. Intelligently designed user interface based on user behavior
US10171579B2 (en) * 2014-04-08 2019-01-01 Dropbox, Inc. Managing presence among devices accessing shared and synchronized content
US9413739B1 (en) * 2014-06-25 2016-08-09 Google Inc. System and method for identification and consolidation of related concurrent document sessions
US9916605B2 (en) * 2015-06-27 2018-03-13 International Business Machines Corporation Collaboration group recommendations derived from request-action correlations
US20170031575A1 (en) * 2015-07-28 2017-02-02 Microsoft Technology Licensing, Llc Tailored computing experience based on contextual signals
US10678797B2 (en) 2015-08-17 2020-06-09 Sap Se Ranking of shared documents and users
US9886563B2 (en) 2015-11-25 2018-02-06 Box, Inc. Personalized online content access experiences using inferred user intent to configure online session attributes
US10789559B2 (en) * 2016-06-23 2020-09-29 International Business Machines Corporation Virtually assisted task generation
US20180025084A1 (en) * 2016-07-19 2018-01-25 Microsoft Technology Licensing, Llc Automatic recommendations for content collaboration
US20180115603A1 (en) * 2016-10-20 2018-04-26 Microsoft Technology Licensing, Llc Collaborator recommendation using collaboration graphs
US10614381B2 (en) * 2016-12-16 2020-04-07 Adobe Inc. Personalizing user experiences with electronic content based on user representations learned from application usage data
US10853557B2 (en) * 2017-02-15 2020-12-01 Documill Oy Processing of edit events in a collaborative document editing environment
EP3568811A1 (de) * 2017-02-24 2019-11-20 Deepmind Technologies Limited Training von maschinenlernmodellen
US11017287B2 (en) * 2017-10-13 2021-05-25 Facebook, Inc. Flexible multi-task neutral network for content ranking
US11050700B2 (en) * 2017-11-03 2021-06-29 Salesforce.Com, Inc. Action response selection based on communication message analysis
US10798152B2 (en) * 2018-06-20 2020-10-06 Microsoft Technology Licensing, Llc Machine learning using collaborative editing data

Also Published As

Publication number Publication date
US20220391051A1 (en) 2022-12-08
US11372522B2 (en) 2022-06-28
WO2019118032A1 (en) 2019-06-20
US20190179494A1 (en) 2019-06-13

Similar Documents

Publication Publication Date Title
DE202018006510U1 (de) Intelligente personenzentrierte Vorhersagen in einer kollaborativen Umgebung
US9614880B1 (en) Methods for real-time notifications in an activity stream
DE102011017442A1 (de) Verfahren zum Bestimmen des Kundenwerts und -potenzials aus sozialen Medien und anderen öffentlichen Datenquellen
DE202018107014U1 (de) Generierung von Folien-Präsentationen anhand einer kollaborativen Multi-Content-Anwendung
DE102015009802A1 (de) Überwachen von und Antworten auf Social Media Beiträge mit sozial relevanten Vergleichen
DE102011014232A1 (de) System and method for predicting meeting subjects logistics and resources
DE112015002433T5 (de) Systeme und Techniken zur prädikativen Datenanalytik
DE212013000002U1 (de) Nutzen eines Social Graph für eine Verwendung mit einer elektronischen Nachrichtenübermittlung
DE112010004946T5 (de) Dynamisches Verwalten einer sozialen Netzwerkgruppe
DE202011110884U1 (de) Automatische Planung und Neuplanung von Terminen
Ramos-Rodríguez et al. Global entrepreneurship monitor versus panel study of entrepreneurial dynamics: comparing their intellectual structures
DE112013000487T5 (de) Erweiterte gemeinsame Bildschirmnutzung in einer elektronischen Besprechung
DE102016100895A1 (de) Peer-to-Peer-Speicher in Unternehmen und Verfahren zum Verwalten eines Peer-Netzwerkspeichers
DE112013002259T5 (de) Integration von Informationen dritter Parteien
DE102012223496A1 (de) Online- und verteiltes optimierungsrahmenwerk für die mobilfunkanalyse
DE202019106796U1 (de) Elektronisches Ereignismanagementsystem
DE102020116499A1 (de) Methode zur Auswahl von Fragen für Befragte in einem Befragten-Anfragesystem
Keegan Emergent social roles in wikipedia’s breaking news collaborations
DE102018010163A1 (de) Automatisches Generieren sinnvoller Nutzersegmente
DE202016007836U1 (de) Systeme zur Erleichterung der Übermittlung von Benutzerbildern von Standorten
DE102013206354A1 (de) Adaptive Bewertung der Objektrelevanz auf der Grundlage dynamischer Benutzereigenschaften
Zhang Influence of data mining technology in information analysis of human resource management on macroscopic economic management
DE112016004745B4 (de) Syndiziertes, auf einer Cloud beruhendes Dienstmodell "Benachrichtigung als ein Dienst" Erweiterung in einem RSS-Feed
DE102021006293A1 (de) Bestimmung digitaler Personas unter Verwendung datengetriebener Analytik
Tutunea SMEs’ perception on cloud computing solutions

Legal Events

Date Code Title Description
R207 Utility model specification
R150 Utility model maintained after payment of first maintenance fee after three years