JP2005115912A - ユーザの存在および可用性の状況および予想を提供するための、デバイス間アクティビティ監視、推論および視覚化のための方法およびアーキテクチャ - Google Patents

Abstract

【課題】 エンティティの間のコラボレーションおよび通信を容易にするためのシステムおよび方法を提供する。
【解決手段】 コラボレーションおよび通信をサポートするサービスを含む。存在予想は、異なるレベルの位置精度でのユーザの現在または将来の位置、および、異なるデバイスまたはアプリケーションの使用を含む。可用性査定は、異なる方法でユーザに割り込むコスト、および、１つまたは複数の通信チャネルへのユーザの現在または将来のアクセスについての推定を含む。予測モデルは、例えばユーザのカレンダの内容、日時および曜日の分析に加えて、ユーザのアクティビティおよび複数のデバイスからの近接性を検討することによって収集されたデータから構成される。エンティティの間のコラボレーションおよび通信を容易にするために、モデルによって供給された存在および可用性情報を使用する、様々なアプリケーションが提供される。
【選択図】 図１

Description

本発明は一般にコンピュータシステムに関し、より詳細には、１つまたは複数のデバイスからデータを収集することによってコラボレーションおよび通信をサポートし、ユーザの存在および可用性の予想を提供する予測モデルを学習する、システムおよび方法に関する。具体的には、この方法およびアーキテクチャは、複数の位置でのユーザの存在および可用性、および／または、１つまたは複数のデバイスまたは通信のチャネルへのユーザのアクセスの現在または将来の状況について、情報を人々または通信エージェントに提供する。

ミーティング時間および位置について、リマインダを格納し、他者と連絡するための電子カレンダシステムは、人々がコラボレートするための１つのタイプの機会を提供するが、多くのコラボレーションは、不確実性の下で構成された日和見的な通信に基づいている。人々の間のこの非公式の調整はしばしば、友人および知人の現在および将来の位置および活動についての、人々の共有された理解に依存する。例えば、オンライングループカレンダシステムを使用する場合も、人々はしばしば、自分が接触しようと試みている人の現状がどのようなものであるかを知ることなど、他者が各コラボレーションのためにどのくらい使用可能であるかを理解しようと試みることが課題となる。しかし、人々の現状を知ることは必ずしも、通信する当事者の間の将来または所望のコラボレーションを容易にするとは限らない。

単なる１つの例では、従来の電子メールシステムは、当事者の間の通信およびメッセージ調整の難点の一例を提供する。１つの可能なシナリオでは、従業員は外国または遠隔地域に位置することができ、これにおいて、電話または他のメディアを介した音声通信は必ずしも可能とは限らない。従業員は事前に同僚、管理者および愛する者に、その従業員が実際に受信し、続いてメッセージに応答できるようになる、最も確実な方法を電子メールが提供することを示している可能性がある。この従業員が電子メールシステムを構成することを覚えていると仮定して、従来の電子メールシステムは、送信されたメッセージが従業員によって受信され、開かれたことを示すことができ、「１週間の休暇中です」または「午後はオフィスを出ています」など、所定の／事前構成された応答を含むことができるが、現在は、従業員が実際に応答できるようになるのはいつか、および／または、それまでにどのくらい長くかかるかについて、メッセージ送信者に提供される自動生成指示はない。したがって、家庭の危機的状況が発生しようとしたか、重要なビジネスメッセージを伝える必要があった場合、メッセージ送信者は単に、その従業員がメッセージを受信する可能性があるときを推量し、適時にメッセージが受信および応答されることを望むことしかできない。類似の難点は、将来におけるあるときについて設定されたミーティングに出席できるかどうかを判断することが困難である当事者とのミーティングをスケジュールしようと試みているときに生じる。

日常の状況で一般的であるように、メッセージは様々な度合いの緊急性、重要性および優先度により送信される。しばしば、重要なミーティングは、重要なビジネスまたは個人の問題に対処するために、瞬間通知で手配される必要がある。したがって、１つまたは複数のメッセージが１人または複数の当事者に向けて送られて、ミーティングの緊急性が示される。また、潜在的な当事者に到達しようと試みるために、メッセージはしばしば複数の通信モダリティを介して通信される。例えば、ビジネスマネージャは電子メールを重要な当事者に送信し、この電子メールを当事者への電話、ページまたはファックスで追うことができ、これにおいて音声メールは通常、応答しない当事者のために残される。残念ながら、マネージャはしばしば、応答しない当事者がメッセージを受信しているかどうかについて確信がなく、しばしば、いつすべての当事者がミーティングのために使用可能となることができるか、いくらかでも自信をもって決定することができない。したがって、現代の通信システムは、メッセージを世界中のどこへも、複数のメディアを介して高速に送信できるようにしているが、当事者の間の改善された調整、通信およびコラボレーションを提供するため、かつ、メッセージ受信者が特定のメッセージを受信するのはいつか、および／または、それまでにどのくらい長くかかるかに関連する不確実性を緩和するための、システムおよび方法についての必要性がある。

いくつかの文献に上述のような従来の技術に関連した技術内容が開示されている（例えば、非特許文献１、２参照）。

P. Dagum, P., A. Galpher, E. Horvitz, A. Seiver, 「Uncertain reasoning and forecasting」, International Journal of Forecasting 11(1):73-87, 1995年3月(http://www.research.microsoft.com/~horvitz/FORECAST.HTM) Chickering他 「A Bayesian Approach to Learning Bayesian Networks with Local Structure」 (MSR-TR-97-07, 1997年8月)

従来のシステムには上述したような種々の問題があり、さらなる改善が望まれている。

本発明は、このような状況に鑑みてなされたもので、その目的とするところは、ユーザの存在および可用性の予想を提供する予測モデルを学習することによって、コラボレーションおよび通信をサポートするシステムおよび方法を提供することにある。

以下で、本発明のいくつかの態様の基本的理解を提供するために、本発明の簡易化した要約を提示する。この要約は、本発明の広範囲に渡る概観ではない。本発明の鍵となる／重要な要素を識別すること、または、本発明の範囲を線引きすることは意図されない。その唯一の目的は、本発明のいくつかの概念を、簡易化された形態において、以下に提示するより詳細な説明の前置きとして提示することである。

本発明は、ユーザの存在および可用性の予想を提供する予測モデルを学習することによって、コラボレーションおよび通信をサポートするシステムおよび方法に関する。

データが、例えばユーザのカレンダの内容、日時および曜日の分析に加えて、ユーザのアクティビティおよび複数のデバイスからの近接性を検討することによって収集され、これにおいてこのデータは、ユーザの存在および可用性を予想するための１つまたは複数の学習モデルを構築するために使用される。本発明は、リアルタイム、リアルタイムに近い、および／または長期の、メッセージングおよびコラボレーションについてのプランニングを容易にし、これを、ユーザの現在および将来の状態についての確率的予測を、許可された人々および／または自動アプリケーションに提供することによって行なう（例えば、誰かがある位置に到着するか、そこから去るまでの時間、少なくとも時間ｔに渡ってある位置にいるようになるまでの時間、デバイスへのアクセスを有するまでの時間、電子メールをレビューするまでの時間、進行中の会話を終了するまでの時間、ミーティングに出席するまでの時間などの状態など）。次いで、このような人々またはアプリケーションによって受信された予測を使用して、当事者の間より効率的かつ適時の通信を容易にすることができる。というのは、通信しようと試みる当事者またはシステムに、過去のユーザのアクティビティのトレーニングされた習慣に基づいて、それにおいてユーザに到達する可能な期間またはデバイスへの予想または手がかりを与えることができるからである。

本発明の一態様では、ベイズ推定システムが提供され、これは、可用性予想機械類およびシステムを、様々な自動アプリケーションのフレームワーク内でサポートする。汎用予測モデルを構築するため、データが、ユーザのアクティビティおよび複数のソースからの位置に関して収集または集約され、これには例えば、カレンダからのデータに加えて、複数のデバイスにおけるユーザのアクティビティについてのデータが含まれる。また、予想を、関心のある他のイベントへの存在および不在に関して生成して、コラボレーションおよび通信をサポートすることができる。例えば、ユーザまたはアプリケーションが、あるユーザがそれらのインボックス内で待機中のメッセージにアクセスするかどうか、およびそのときを理解すること、または、通知によりユーザに割り込むための適切な将来の時間を識別することが望ましい可能性がある。

他の態様には、ユーザがいつ、特定の機能を有する通信デバイスのコンピューティングシステムへの容易なアクセスを有するようになるかを予想することが含まれる。例えば、自動システムまたは他のユーザは、あるユーザが、ビデオ会議の全機能を有するコンピュータへの容易なアクセスを有する可能性が高くなるときを知ることを望む可能性がある。さらに、本発明は、単にミーティングの存在において調整するのではなく、カレンダ情報において取り込まれた詳細など、複数のコンテキスト手がかりを扱うための、高度なモデルを提供する。

上述の予想された存在および可用性情報を、多数のアプリケーションによって利用することができる。例えば、本発明を使用して、メッセージ送信者および受信者の間のミーティング、調整および通信を容易にすることができ、これにおいて、汎用予測モデルがユーザの過去の存在、アクションおよびカレンダから構成されて、メッセージの受信、通信の受信および／またはミーティングの参加についてのユーザの可用性状況のタイミングが予想される。このような推定を利用して、ユーザの状況を同僚にグローバルに、かつ／または選択的に（同僚の、ユーザとの関係に応じて）レポートまたは表示することができ、また、このような推定を様々なアプリケーションにおいて使用することができ、これは、自動ミーティングまたは対話型通信スケジューラまたは再スケジューラ、スマートキャッシングシステム、および通信中継システムなどである。

本発明の他の応用例は実現可能であり、これには、可用性の概念以外のより細分化された推定が含まれる。例えば、本発明は類似の方法を使用して、ユーザが特定の種類の対話または通信のために使用可能となるまでの時間の量について、可用性およびコンテキストのパターンに基づいて推論することができる。例えば、現在自動車で移動中であるユーザが音声および／またはビデオ会議のために使用可能となるまでの期待時間を決定することができ、これを、統計値を学習すること、および、この特定の種類の可用性を推定することができるモデルを構築することによって行なうことができる。もう１つの例では、ユーザがいつ、特定のクラスのアラートまたは通知により割り込まれるために使用可能となるかを、可用性のパターン、ならびに、作業負荷および割り込みの関連コストについての推定に基づいて決定することができる。

本発明のもう１つの態様では、可用性における予測コンポーネントが利用されて、ユーザがいつ、緊急でありユーザのシステムによって受信されるとして見なされたメッセージを自分がレビューすることができるか、あるいはレビューするであろう所の設定にいる可能性が高くなるかが推定され、これらのメッセージは適応的なオフィス不在メッセージにより回答され、これは、メッセージがある時間量に渡って見られない可能性が高くなる、および／または、メッセージが少なくともある緊急性のものである、および／または、ユーザに特に重要な１人または複数の人々からのものであるときなどである。このような選択的メッセージを、動的に計算された可用性状況によりポピュレートして、例えば、ユーザが電子メールなどのメッセージをレビューするようになるか、あるいは、メッセージをレビューするために使用可能となるか、あるいは特定の状況（例えば、「オフィスに戻る」）にいるようになる可能性が高くなるまで、どのくらい長くかかるかの予想を中心とすることができる。他の態様は、ユーザが異なる種類の情報をレビューするまでの時間を、レビュー履歴に基づいて、また、それぞれが１つまたは複数の実現可能な通信のタイプに関連付けられた、１つまたは複数のタイプの設定にユーザがいるようになるまでの時間を決定することを含むことができる。このような情報をメッセージ送信者に、通信を使用するか、あるいは所与のタイムフレーム内で応答するためのユーザの能力または尤度に関して送信することができる。

本発明は、他のシステムおよびプロセスにおける、ユーザの戻りの尤度または現在の可用性に関する情報を使用することができる。これには、音声メールシステム、カレンダリングシステム、スケジューリングシステム、自動保守システム、自動エージェント、およびユーザ追跡システムが含まれる可能性があり、これは、有用な情報フィードバックをメッセージ送信者および／またはシステムに、ユーザの期待された存在および可用性に基づいて、連絡を確立して情報を得た上で意志決定を行なう尤度に関して、提供するためである。

本発明のもう１つの態様では、ユーザの注意の焦点および作業負荷のモデルを、ユーザにおける割り込みの役割を利用する一部として構築および使用する、システムおよび方法が提供される。これらの方法は、観察されたイベントからのユーザの作業負荷について推論し、具体的には、異なる種類のアラートおよび通信に関連付けられたユーザへの割り込みのコストを推定することができる。このような割り込みのモデルは、複数の感覚経路からの情報を融合し、これには例えば、デスクトップイベント、カレンダ情報の分析、視覚的姿勢、および環境音響分析が含まれる。

モデルを、複数のイベントソースからのユーザの割り込み可能性の状態を推定するために構成することができ、これは、割り込みの十分に特徴付けられた期待コストを提供することができる。これは、注意のモデルを、デスクトップアクティビティおよび感覚的観察を含む、イベントのストリームを提供するイベントシステムと結合することを含むことができる。また、本発明は、データからの注意および割り込み可能性のモデルの学習に加えて、注意に渡る確率分布、および、異なる状況における割り込みのコストについての選好を符号化する効用査定（assessment）が与えられると、割り込みの期待コストを推定することができる。学習パラダイムが、学習されたモデルがレビューされるツールのセット（例えば、割り込みワークベンチ）、および、モデルの分類精度をプローブする、提供された実験と共に処理される。「モデル除去」学習も検討され、これは検討から知覚的検知を除去し、例えば、クライアントコンピューティングシステムおよびカレンダ情報との対話を表すイベントの識別力を含む。

前述および関連した目的の実施のために、本発明のある例示的態様を本明細書で、以下の説明および添付の図面に関連して説明する。これらの態様は、本発明を実施することができる様々な方法を示し、そのすべては、本発明によって包含されるように意図される。他の利点および新規な特徴は、図面と共に考察されるときに以下の本発明の詳細な説明から明らかになるであろう。

以下、図面を参照して本発明を適用できる実施形態を詳細に説明する。本発明は、自動アプリケーション、通信の当事者および／またはその組み合わせの間など、エンティティの間のコラボレーションおよび通信を容易にするためのシステムおよび方法に関する。本発明のシステムおよび方法は、ユーザの存在および可用性の１つまたは複数の予想を提供する予測モデルを学習することによって、コラボレーションおよび通信をサポートするサービス（例えば、ウェブサービス、自動アプリケーション）を含む。予測モデルは、例えばユーザのカレンダの内容、日時および曜日の分析に加えて、ユーザのアクティビティおよび複数のデバイスからの近接性を検討することによって収集されたデータから構成される。エンティティの間のコラボレーションおよび通信を容易にするために、モデルによって供給された存在および可用性情報を使用する、様々なアプリケーションが提供される。

いくつかのアプリケーションの例には、例えば、自動ミーティングまたは対話型通信スケジューラまたは再スケジューラ、スマートキャッシングシステム、通信システム、オーディオシステム、カレンダリングシステム、スケジューリングシステム、通知システム、メッセージングシステム、自動保守システム、自動エージェント、ビデオシステム、デジタルアシスタント、およびユーザ追跡システムが含まれる可能性があり、これは、有用な情報をメッセージ送信者および／またはシステムに、ユーザの期待された存在および可用性に基づいて、連絡を確立して情報を得た上で意志決定を行なう尤度に関して、提供するためである。

このアプリケーションで使用されるとき、「コンポーネント」、「サービス」、「モデル」および「システム」はコンピュータ関連エンティティを指すように意図され、これは、ハードウェア、ハードウェアおよびソフトウェアの組み合わせ、ソフトウェア、または実行中のソフトウェアのいずれかである。例えば、コンポーネントを、それだけに限定されないが、プロセッサ上で実行するプロセス、プロセッサ、オブジェクト、実行可能ファイル、実行のスレッド、プログラムおよび／またはコンピュータにすることができる。例として、サーバー上で実行するアプリケーションおよびサーバーを共にコンポーネントにすることができる。１つまたは複数のコンポーネントはプロセスおよび／または実行のスレッド内に存在することができ、コンポーネントを１つのコンピュータ上でローカライズすることができ、かつ／または２つ以上のコンピュータの間で分散させることができる。

本明細書で使用するとき、「推定」という用語は一般に、システム、環境および／またはユーザの状態について、イベントおよび／またはデータを介して取り込まれたような観察のセットから、推論または推定するプロセスを指す。推定を使用して、例えば、特定のコンテキストまたはアクションを識別することができ、あるいは、複数の状態に渡る確率分布を生成することができる。推定を確率的にすることができ、すなわち、データおよびイベントの検討に基いた、関心のある複数の状態に渡る確率分布の計算にすることができる。推定はまた、高レベルのイベントをイベントおよび／またはデータのセットから構成するために使用された技術も指す可能性がある。このような推定は、新しいイベントまたはアクションを、観察されたイベントおよび／または格納されたイベントデータのセットから構成する結果となり、これは、これらのイベントが時間的に近接して相関されるかどうか、ならびに、イベントおよびデータが１つまたは複数のイベントおよびデータソースから来るかどうかにかかわらず、そうである。

最初に図１を参照すると、システム１００は、本発明の一態様による存在および可用性予想を例示する。予想サービス１１０（または予想コンポーネント）は、識別されたユーザの存在または可用性に関する１つまたは複数のクエリ１１４を受信し、識別されたユーザの現在および／または将来の状態１２０に関係する１つまたは複数の予測を生成する。クエリ１１４、および戻された状態１２０は、１つまたは複数の自動アプリケーションおよび／または許可された人々１３０によって生成および受信されるが、状態情報１２０を、クエリ１１４を受信せずに生成することができること（例えば、自動的にマンパワー可用性レポートをマネージャに所定の間隔で送信するスケジューリングシステム）を理解されたい。一般に、クエリ１１４は、アプリケーション、許可された人々１３０、または他のエンティティによって、識別されたユーザの存在、可用性、位置、通信能力、デバイス可用性などに関する回答を得るために発信される。しかし、存在情報の代わりなど、相補的情報もまたそれぞれ問い合わせおよび回答することができ、予想サービス１１０は、どのくらい長く人が不在になると期待されるかを提供することができ、あるいは可用性情報の代わりに、例えばどのくらい長く人が使用可能でない可能性があるかを提供することができることに留意されたい。

クエリ１１４を予想サービス１１０に向けて送り、複数の異なるユーザ状態（１２０）を決定することができ、これは例えば以下のものなどである、
・ユーザがある位置に到着するか、そこから去るまでの時間、
・ユーザが少なくとも時間ｔに渡ってある位置にいるようになるまでの時間、
・ユーザがデバイス（例えば、フルデスクトップシステム）への容易なアクセスを有するまでの時間、
・ユーザが電子メールまたは他のメッセージをレビューするまでの時間、
・ユーザが進行中の会話を終了するまでの時間、
・ユーザがミーティングに出席するであろう尤度、
・経時的な割り込みの期待コスト、および、いかなる時間、位置、デバイスおよび／または通信ベースの予測または回答をも実質的に含む。

状態情報１２０を生成するために、予想サービス１１０は学習コンポーネント１３４を使用し、これは、ユーザ状態１２０について推論するための１つまたは複数の学習モデルを含むことができる。このようなモデルは、実質的にいかなるタイプのシステムをも含むことができ、これは、例えばベイズネットワーク、ナイーブベイズ分類器、および／またはサポートベクトルマシン（ＳＶＭ）など、ベイズ依存性モデルを生成することができる、ベイズ学習の使用を含む統計／数学モデルおよびプロセスなどである。他のタイプのモデルまたはシステムには、例えば、ニューラルネットワークおよび隠れマルコフモデルが含まれる可能性がある。本発明によれば複雑な推論モデルを使用することができるが、他の手法も利用できることを理解されたい。例えば、より綿密な確率的手法ではなく、決定論的仮定も使用することができる（例えば、デスクトップアクティビティがＸの時間量に渡ってないことは、ルールによって、ユーザが作業中でないことを暗示することができる）。したがって、以下でより詳細に説明するように、不確実性の下での推論に加えて、ユーザおよび／または関連デバイスの状況、位置、コンテキスト、焦点などに関して、論理的判断を行なうこともできる。

学習コンポーネント１３４を、ユーザイベントデータストア１４０からトレーニングすることができ、ユーザイベントデータストア１４０はデータを、１つまたは複数のユーザに関連付けられた複数の異なるデータソースから収集または集約する。このようなソースは様々なデータ獲得コンポーネント１５０を含むことができ、これらのコンポーネントは、ユーザイベントデータ（例えば、携帯電話、加速度計、マイクロフォンによって記録された音響アクティビティ、全地球測位システム（ＧＰＳ）、電子カレンダ、視覚監視機器、デスクトップアクティビティなど）を記録またはログする。本発明の存在および可用性予想のより詳細な考察に進む前に、予想サービス１１０を、予測およびクエリ処理をサポートする実質的にいかなる方法においても実施できることに留意されたい。例えば、予想サービス１１０をサーバー、サーバーファームとして、クライアントアプリケーション内で実施することができ、あるいは、ウェブサービス、または、回答を自動システム１２４および／または許可された人々１３０に提供する他の自動アプリケーションを含むようにより汎用化することができる。

本発明は、存在および可用性の現状および予想における接触側ユーザの関心毎に、特定のタイプの下位目標を決定および共有することができることに留意されたい。これらには以下が含まれる可能性がある。
（１）位置（例えば、ユーザがそのオフィスにｘ分以内に戻る、現在オフィス内で検知されたユーザが、そのオフィスからｘ分以内に去る、位置ｘにｔ分以内にいるようになるなど）、
（２）割り込み可能性（決定論的、例えば、低、中、高、または、異なる種類の割り込みについてのコスト（例えば、通話による割り込みの期待コストは５．００ドル、デスクトップ上のアラートは１．５０ドル、など））、
（３）通信チャネルの可用性（ユーザが携帯電話を使用可能にする、オフィスの電話を使用可能にする、ページャを使用可能にする、ネットワーク化される大型ディスプレイを有するデスクトップシステム、ＭＳ ＮｅｔＭｅｅｔｉｎｇソフトウェアを有するデスクトップシステムを使用可能にする）、
（４）他の状況（例えば、オフィスにおけるユーザの会話がｘ秒以内に終了する可能性が高い）。

通信チャネルを直接推論することができ、あるいは、チャネルを位置にリンクさせることによって導出することができる。例えば、チャネルと位置の間のリンクを、オフィスが以下のチャネル、すなわち有線電話、また、ＭＳ Ｏｆｆｉｃｅ（商標）、ＭＳ ＮｅｔＭｅｅｔｉｎｇ（商標）などのソフトウェアアプリケーションにより実行する大型ディスプレイを有するフルデスクトップシステムを含むと、セットアップ時間に決定する（あるいは、経時的に監視を介して導出する）ことができる。位置にリンクされたチャネルについてのこのような情報を、例えば位置およびデバイススキーマに格納することができる。

データモデルまたはスキーマに関連して、本発明はまた、デバイスおよび位置をシステムの検討に追加し、ユーザが、以下で図２に関してより詳細に説明するような調整サービスをセットアップすることを容易にするための方法（使用しやすいユーザインタフェースを含む）も提供する。デバイスが追加されるとき、ユーザはデバイスタイプ、チャネル情報の取り込みなど、および位置を記述し、これは例えば、このマシンは自分のオフィスのデスクにあるのに対して、このマシンは無線アクセスを有するモバイルラップトップである、または、この携帯電話は常にこれらの時間に自分の身に付いている、などである。位置が追加されるとき、使用可能であるすべてのデバイスが位置に関連付けられる。リッチＸＭＬ（Extensible Markup Language）ベースのスキーマまたはデータモデルを、デバイスおよび位置情報を取り込むために提供することができる。デバイススキーマ、位置スキーマ、および他のスキーマは、位置およびデバイスのプロパティを取り込むためのリッチテンプレートを提供する。理解できるように、デバイスおよび位置（および、望む場合は他の監視された情報）を追加および除去するために本発明のスキーマおよび方法と対話する、ユーザインタフェースおよび方法を提供することができる。

本発明のシステムおよび方法はまた、一例として、８０２．１１信号およびインタフェースから集められた位置情報を検討および処理することもできることに、さらに留意されたい。例えば、企業キャンパスの地図を提供することができ、これは、見られている現在の関連付けポイント（ＡＰ）をビルの位置とマップして、ユーザの位置を示す。家庭で、このシステムは、家庭内無線が使用可能であることを決定し、したがってこのシステムは、ユーザが在宅中であるときを決定する。また、ＧＰＳ信号を、無線アクセスの外側のエリアについて処理することができる。

このとき図２を参照すると、システム２００は、本発明の一態様による調整システム２００（調整２００とも呼ばれる）を例示する。一態様では、調整システム２００を、Ｃ＃または他の言語で書かれたサーバベースのサービスとして構築し．ＮＥＴ（商標）開発環境（またはいずれかの市販の開発環境）の最上部に構築することができる。調整システム２００は、例えば、中央データベース、ネットワーキング機能、デバイスプロビジョニングインタフェースおよびコントロール、ならびにベイズマシン学習ツールを含む。システム２００は、ユーザによって直接問い合わせられるのではなく、ユーザのためのコラボレーションおよび通信サービスに情報を提供する、自動プロキシによる使用のための設備としての機能を果たすことができる。しかし、後述のクエリインタフェースにより、人々またはシステムが、調整システム２００によって提供された予想または可用性サービスに直接問い合わせることができる。

調整システム２００は一般に４つのコアコンポーネントから構成されるが、４つより多い、または少ないコンポーネントを使用することができる。データ獲得コンポーネント２１０は、ユーザが使用する可能性の高い複数のコンピュータ、コンポーネントまたはデバイス上で実行する。このコンポーネント２１０は、コンピュータ使用アクティビティ２１４、カレンダ情報２２０、時間情報、ビデオ、音響、位置情報を、８０２．１１無線信号強度および／またはＧＰＳデータから、これらのチャネルが使用可能であるとき、検出する（また、実質的にいかなる電子ソースからの入力もが含まれる可能性がある）。データ獲得コンポーネント２１０は信号処理レイヤを含み、これによりユーザは、ユーザの存在を定義するために利用されたオーディオおよびビデオソースのパラメータを構成および定義することができるようになる。この情報をローカルでキャッシュし、中央調整サーバー２３０上で実行する調整データ合体コンポーネント２２４（イベントログまたはイベントデータベースとも呼ばれる）に送信することができる。このコンポーネント２２４は、ユーザの複数のマシンからのデータを結合し、これをＸＭＬ符号化されたイベントデータベース（他のタイプの符号化が含まれる可能性がある）に格納することを担う。

一般に、複数のデバイスに渡るユーザのアクティビティの複数の次元、および、カレンダにおいて符号化されるようなアポイントメント状況が、リレーショナルデータベースに格納される。異なる対話およびアポイントメント状況の対話の開始および停止時間は、別個の次元としてデータベースにおいて符号化される。静的および動的に構成された予測モデルを、データベースのこれらの複数の次元に渡る情報についてのクエリを作成することによって集めることができる。クエリを、現状（例えば、重要な移行についての日時、および曜日、およびユーザの現在の移行状況）、および、所望の予想（例えば、通信チャネルが現在使用可能でない場合に使用可能になるまでの時間）に関連付けられた予測目標に基づいて、動的に作成することができる。

いくつかの手順を使用して予測モデルを構築することができ、これには、自己回帰分析を使用するものなどの時系列モデル、および、一般に知られているような他の標準時系列方法が含まれ、これには、代替方法のレビューについて、ＡＲＩＭＡモデルのような技術が含まれる（例えば、非特許文献１参照。）。他の方法には、時間的ベイズネットワーク表現および推論方法の２つの形態の例である、動的ベイズネットワーク、および連続時間ベイズネットワークが含まれる。

このような存在データベースからの情報による推論の１つの手法において、本発明はベイズネットワークを動的に学習することができ、これは、データベースからの状況について適切なマッチする事例のセットを、データベースの適切な問い合わせを介して獲得すること、および次いで、事例の統計分析を使用すること（例えば、モデル構造探索を使用して、事例に基づいた最良の予測モデルを構成する、ベイズネットワーク学習手順を使用すること）、および次いで、このモデルを、ターゲットの推定を行なうために手近の特定のクエリと共に使用することによって行なうことができる。すべての可能なクエリについて大きい静的な予測モデルを構築しようと試みるのではなく、このようなリアルタイムの学習手法では、この方法は、手近なクエリ２４４と一致する事例のセット２４０をイベントデータベース２２４から構成することによって、分析に焦点を合わせる。この手法により、クエリ２４４によって定義されるような、不在および存在の期間ならびにアポイントメント開始および終了時間の間の移行のようなランドマークの間の特定の時間的関係を表す変数の、公式化および離散化のカスタム調整が可能となる。これらの事例２４０は学習および推定サブシステム２５０に供給され、これが、ターゲットの予測２５４に合わせて調整されるベイズネットワークを構成する。ベイズネットワークは、関心のある複数のイベントに渡る累積分布を構築するために使用される。一態様では、本発明は学習ツールを使用して、ベイズモデルスコアによって、データを予測するための最大能力を有するグラフィカルモデルを識別するためにガイドされた、依存性モデルの空間に渡る構造探索を実行する。上述のように、本発明によれば、実質的にいかなるタイプの学習システムまたはプロセスをも使用することができる。例えば、使用することができる１つの学習プロセスは、Ｃｈｉｃｋｅｒｉｎｇ他によって、インターネットまたは他のソース上で一般に入手可能な論文において開発された（例えば、非特許文献２参照。）。

調整システム２００は、存在および不在の期間をイベントログ２２４においてログする。イベントは通常、ソースデバイス２１０によって注釈を付けられ、それによりデバイスが各機能および位置によって定義される。例えば、ユーザは、あるデバイスがビデオ会議の全機能を有することを指定することができる。機能によって索引付けされた、特定のデバイスによるイベントのタグ付けにより、システム２００は、特殊なプランを作成することなく、ユーザが異なる種類のデバイスへのアクセスを有するまでの時間に渡る確率分布を予想することができる。これらのデバイスが固定位置に割り当てられるとき、このような予想を、ユーザの位置を予想するために使用することができる。調整のイベントシステムは、ユーザの、コンピューティングシステムとの対話の履歴を監視することができ、これには、システム上で実行中であるアプリケーション、現在フォーカスが合っているアプリケーション、またはフォーカスが外れたばかりのアプリケーションが含まれる。一例として、システムは、ユーザが電子メールをチェック中であるか、通知をレビュー中であるときを識別することができる。したがって、存在および不在を超えて進み、調整２００は、ユーザが電子メール（または他の通信）をレビューする可能性が高くなるまでの時間のような予想を、このユーザが最後に電子メールをレビューしてからどのくらいの時間が経過しているかが与えられると、サポートする。システム２００はまた、ユーザがアプリケーションを使用するか、あるいはアプリケーションの使用をやめるまでの時間を検討することもできる。したがって、ユーザが最後に自分のインボックスにアクセスした時間が与えられると、いつユーザが自分の電子メールインボックスにアクセスする可能性が高くなるかを、システム２００に問い合わせることができる。システム２００はまた会話も検出するので、他の態様には、いつ現在の会話が終了する可能性が高いかを予測することが含まれる。

このシステムは予想ｐ（ｔ_ｅ｜Ｅ，ξ）を提供し、ｔ_ｅは、関心のあるイベントが発生するまでの時間であり、証拠Ｅは、近接アクティビティコンテキスト、日時、曜日、および、検討中のアクティブなカレンダ項目の特性を表す複数の属性を含む。近接アクティビティコンテキストは、クエリに基づいて、複数のランドマーク状態の間で１つまたは複数の顕著な最近の移行を表す。このような調整は、将来の状態までの時間が最近の重要なランドマークのタイミングに強く依存するというモデリング仮定を取り込む。不在であったユーザがそのオフィスに戻るか、あるいはそのオフィスに戻って少なくともある時間ｔに渡って残ることになるまでの時間についての予測では、近接アクティビティコンテキストは、ユーザが存在から不在へ移行してからの期間である。存在するユーザがそのオフィスを離れるか、あるいは具体的には、少なくともある時間ｔに渡って不在となる前にどのくらい長くかかるかについての予想では、近接アクティビティコンテキストは、ユーザが不在から存在へ移行してからの時間として取られる。

図３の考察に進む前に、本発明によれば１つまたは複数のグラフィカルユーザインタフェースを提供することができることに留意されたい。さらに、示した各インタフェースを様々な他の異なる設定およびコンテキストにおいて提供することができることに留意されたい。一例として、本明細書で論じたアプリケーションおよび／またはモデルを、デスクトップ開発ツール、メールアプリケーション、カレンダアプリケーションおよび／またはウェブブラウザに関連付けることができるが、他のタイプのアプリケーションを利用することができる。これらのアプリケーションをグラフィカルユーザインタフェース（ＧＵＩ）に関連付けることができ、これにおいてＧＵＩは、これらのアプリケーションおよび／またはモデルによるオペレーションを容易にするための複数の構成可能な寸法、形状、色、テキスト、データおよびサウンドを有する、構成可能なアイコン、ボタン、スライダ、入力ボックス、選択オプション、メニュー、タブなどのような態様を含む、１つまたは複数の表示オブジェクト（図示せず）を有する表示を提供する。加えて、ＧＵＩはまた、本発明の１つまたは複数の態様を調整および構成するための複数の他の入力またはコントロールも含むことができ、これを以下でより詳細に説明する。これは、ユーザコマンドを、マウス、キーボード、音声入力、ウェブサイト、リモートウェブサービス、パターン認識器、顔認識器、および／または、カメラもしくはビデオ入力などの他のデバイスから受信して、ＧＵＩのオペレーションに影響を及ぼすかあるいはこれを修正することを含むことができる。

図３を見ると、インタフェース３００は、本発明の一態様による例示的予想オプションを例示する。インタフェース３００を、先に図１および２に関して説明したシステムにより使用することができる。一態様では、３１０でのモード選択を提供することができ、これにより、現在の観察に基づいたリアルタイム分析、または、過去のデータおよび観察に基づいたオフライン分析が可能となる。３１４で、検索される可用性およびアクティビティ予想のタイプを選択することができる。このような予想には、例えば、どのくらい長くユーザがオンラインのままでいることになるか、またはいつユーザがオンラインになるか、電子メールレビューに関連付けられた時間の予想、通話に関連付けられた時間、在オフィス、在宅オンライン、ビデオ会議可能、全画面使用可能、複数モニタ使用可能、使用可能な電話のタイプ、ネットミーティング使用可能、および割り込みのコストの選択が含まれる可能性がある。関連付けられた仮定を３２０で選択することができ、これは、ユーザのインボックスがチェックされるかどうか、または、インボックスが無視されるべきであるかどうかなどである。３２４で、評価のための時間を、時および分設定を含めて設定することができる。３３０で、ユーザが自分の各メッセージインボックスをチェックまたは無視している時間に関して、もう１つの仮定を設定することができる。インタフェース３００内に示す選択は本質的に例示的であり、予想を、システムおよび／またはユーザの間の実質的にいかなる通信および／またはコラボレーション環境においても提供できることを理解されたい。

図４を参照すると、インタフェース４００は、本発明の一態様による例示的予想予測を例示する。上記のインタフェース３００と同様に、インタフェース４００を、先に図１および２に関して説明したシステムにより使用することができる。この態様では、現在パレットがインタフェース４００内で提供され、これにおいて、様々な形態の通信または機能に従って通信するためにユーザが使用可能であるまでの時間に関係して、様々な予測を表示することができる。４１０で、ユーザが各予測について選択される（例えば、Ｅｒｉｃ Ｈｏｒｖｉｔｚ）。４１４で、確率しきい値調整が提供されて、ユーザが、様々な予測に関連付けられた確実性の量を調整することができる。４２０で、１つまたは複数の予測カテゴリを提供することができ、これは、ユーザオンライン、電子メールレビュー、電話、オフィス存在、在宅オンライン、ビデオ会議可能、その他などである。４３０で、関連付けられた予測時間が、４２０の予測カテゴリについて表示される。これは、ユーザが所与の通信メディアを介して通信することができるまでの時間の予測された量を示す、グラフィカルおよび／または数値の結果を含むことができる。例えば４３４で、グラフィカル表示および数値表示は、４１０で選択されたユーザが９０％の確率で約１４９分以内にオフィスにいるようになることを示す。加えて、存在の手がかりを提供する他の情報をインタフェース４００内で表示することができ、これは、「Ｌａｓｔ ｏｂｓｅｒｖｅｄ ａｔ Ｂｌｄｇ １１３，３：１１ｐｍ ２／２１／２００３」などである。

図５を参照すると、本発明の一態様による存在を予測するためのインタフェース５００が例示される。インタフェース５００は調整インタフェースを表示し、これは、クエリクラスを選択し、クエリを、リアルタイムの状況のために、あるいはオフライン分析において公式化するための手段を提供する。例示の場合、クエリが入力されており、これは、ユーザが平日の午前１０：１５に２５分間に渡って不在であったことが与えられると、ユーザが少なくとも１５分の期間の間にオフィスに戻るであろう尤度についてのクエリである。関連データのセットがイベントデータベース（上述）から集められ、ベイズネットワークが構成される。このネットワークは、いつユーザが戻るかについての表示される累積確率分布を生成するために使用される。これらのサンプルでは、このシステムはまた、５１０に例示されたテキストサマリ予想を、０．８０の信頼性しきい値に基づいて共有する（例えば、Ｓｔａｔｕｓ：Ｕｓｅｒ ｈａｓ ｂｅｅｎ ａｂｓｅｎｔ ｆｏｒ ３０ ｍｉｎｕｔｅｓ、Ｅｓｔｉｍａｔｅｄ Ｃｏｓｔ ｏｆ Ｉｎｔｅｒｒｕｐｔｉｏｎ：＄０．１０、Ｐｒｅｄｉｃｔｉｏｎ：Ｕｓｅｒ ｉｓ ｅｘｐｅｃｔｅｄ ｔｏ ｒｅｔｕｒｎ）。同様の分析を、それぞれオフィス存在の分析および電子メールレビュー分析についての図６および７に例示したものなど、関心のある他のイベントについて実行することができる。以下でより詳細に説明するように、ミーティングの検討、および、ユーザの可用性の予想を提供するモデルの構成においてフォールド（fold）するための方法が提供される。以下で、ミーティング出席、割り込み可能性、および位置のモデルの構成を説明する。

図８〜１０は、本発明の様々な態様をモデリングするための影響図および判断ツリーを例示する。本発明は、ミーティングについての複数の区別を解析し、これらの観察を、存在および可用性のベイズ分析全体に統合するためのシステムおよび方法を提供する。不在および存在についての予測モデルの向上を超えて、アポイントメントの複数の属性を、ミーティングに出席されるであろう尤度に、かつミーティングの割り込み可能性に関係付けるモデルを学習することができる。本発明はまた、位置が、アポイントメントと共にリストされた位置文字列から明らかでないとき、ミーティングの位置を推定するためのモデルを学習することもできる。このような推定は、共有カレンダなどの対話型ツール、ならびに他のツールおよびアプリケーションのための有用な入力を提供することができる。

調整システムは、ユーザのカレンダに格納されたミーティングをログし、オンラインカレンダ（例えば、Ｍｉｃｒｏｓｏｆｔ Ｏｕｔｌｏｏｋ（商標））内で使用可能にされたアポイントメントのプロパティの状況、および、いくつかの追加の計算されたプロパティを示す。ログされたデータは、出席、割り込み可能性および位置を予測することができるモデルを学習するために使用される。出席のモデルを構築するために、調整は自動的に、市販のサーバー（例えば、Ｍｉｃｒｏｓｏｆｔ Ｅｘｃｈａｎｇｅ（商標）サーバー）からのアポイントメントからのアポイントメントプロパティに自動的にアクセスする。調整は、アポイントメントおよびそれらのプロパティのドラフトトレーニングセットを作成し、各アポイントメントについての出席フィールドに、出席についてのヒューリスティックスのセットの使用を介して行なわれた推量によりマークを付ける。出席ヒューリスティックスは、デスクトップアクティビティの、スケジュールされたミーティングの有意な一部への拡張を、ミーティングに出席されなかった証拠として見なし、ミーティング中のアクティビティの欠如を、ミーティングに出席された証拠として見なす。

データにラベルを付けるためのヒューリスティックスは、タスクに応じて精度が変わる可能性がある。理解できるように、ミーティング出席に注釈を付けるためのアクティビティベースのヒューリスティックスは、雑音のある可能性がある。したがって、出席に関する調整の推量がドラフトデータセットとして取られ、これは、ユーザがドラフトを出席の手動のラベル付けによりリファインすることができる使用可能なツールを作成する。調整は、アポイントメントをそれらの発生の順序で表示するフォームを生成し、出席についての推量を含む出席フィールドを表示することができる。出席フィールドの編集を越えて、ユーザはまた、ミーティングの物理的位置の査定、および、ユーザが異なるミーティングにおいてどのくらい割り込み可能であるかも追加し、ミーティングが低割り込み可能性であるか、中割り込み可能性であるか、高割り込み可能性であるかを指定することができる。注釈が付けられたカレンダログが利用されて、アポイントメントプロパティが与えられると、ユーザが将来のミーティングに出席するであろう尤度を予測することができるモデルが構成される。

日時および曜日を越えて、トレーニングおよび予測時に検討されたミーティングプロパティには、ミーティングの日時、ミーティングの持続時間、対象、位置、主催者、招待者の数および性質、ユーザの役割（ユーザは、必要とされる、または任意選択の招待者に対して主催者であった）、ユーザの応答状況（イエスと応答した、仮として応答した、応答しなかった、あるいは、応答リクエストが作成されなかった）、ミーティングが再発するかどうか、および、この時間に、ユーザのカレンダ上で忙しいとしてマークが付けられるか、手が空いているとしてマークが付けられるかが含まれる。調整システムはアクティブディレクトリ（例えば、Ｍｉｃｒｏｓｏｆｔ Ａｃｔｉｖｅ Ｄｉｒｅｃｔｏｒｙ（商標））サービスにアクセスして、ユーザ、主催者および招待者の間の組織関係を認識し、注釈を付けて、例えば、主催者および出席者が組織的に対等者であるか、直属の部下であるか、マネージャであるか、ユーザのマネージャのマネージャであるかを示す。いくつかの実験が、カレンダ出席、割り込み可能性、および位置についての予測モデルの精度の評価の一部として実行された。

図８は、単一のユーザのデータから学習されたベイズネットワーク８００を示し、これは、オンラインカレンダから抽出された変数および関心のある変数の間の確率的依存性が表すことを示す。モデル８００は、２００１年１０月と２００２年３月の間にユーザのオンラインカレンダに格納された、６ヶ月の期間のミーティングからデータを収集することによって構成された。このデータセットは、６５９個のミーティングからのアポイントメントを含む。アポイントメントのうち５５９個は、モデルをトレーニングするために使用され、１００個の事例がテストのための提供セットとして残された。カレンダの所有者は、ミーティングに出席されたかどうかについての情報により事例に注釈を付けるように、ミーティングの位置を示すように、また、低、中および高割り込み可能性に離散化されたミーティングの割り込み可能性も指示するように求められた。このデータセットでは、アポイントメントの０．６４が出席された。ユーザは事例の０．５に低の割り込み可能性プロパティを割り当て、事例の０．４に中を、事例の０．１に高を割り当てた。モデルは十分に実行し、提供データにおける分類精度は、出席の予測について０．９２、割り込み可能性の割り当てについて０．８１であった。

ミーティング出席および割り込み可能性を予測するための判断ツリー９００および１０００を、図９および１０にそれぞれ示す。図９に示すように、ミーティング参加を予測するための重要な影響を及ぼす変数には、ミーティングが別名を介して開催されたか、個人を介して開催されたか、ミーティングの持続時間、応答状況、ミーティングが再発するかどうか、出席者の数、直属の部下が招待されているかどうか、位置フィールドに含まれた情報、ミーティングに忙しい時間としてマークが付けられるかどうかが含まれる。判断ツリー９００のリーフでの棒グラフは、出席に対する非出席の確率を示し、イベントｐ（出席しない｜ミーティングプロパティ１．．ｎ）が最上部の位置にあり、その後にｐ（出席｜ミーティングプロパティ１．．ｎ）が続く。

図１０に示すように、ミーティングの割り込み可能性を予測するための主な影響を及ぼす変数は、ユーザが別名を介して招待されるか、それに対して人を介して招待されるか、ユーザがアポイントメントに応答したかどうか、出席者の数、直属の部下が招待されるかどうか、およびミーティングの対象である。割り込み可能性に渡る確率分布が棒グラフとして、判断ツリー１０００のリーフで示され、そこで最上から最低までの状態が低、中および高割り込み可能性である。

調整システムは、出席および割り込みのモデルをいくつかの方法で使用する。このシステムは、ユーザがミーティングに出席中であるかあるいは出席するであろう尤度についての直接クエリを可能にする。調整はまた、現在または将来の時間でのユーザについての割り込みの期待コスト（ＥＣＩ）についての情報も共有することができる。ユーザには、各割り込み可能性レベルについての割り込みのドル価値コストを関連付けるための機能が提供される。ユーザはまた、原型的な日時および曜日についての自由な期間に渡る割り込みのデフォルトコストにもアクセスする。図１１は、割り込みのコストを縦軸上に示し、それに対して割り込みの時間を横軸上に示す図（１１００）を示す。

調整システムは、割り込みの期待コスト（ＥＣＩ）を以下のように計算する。

ＥＣＩ＝

ただし、Ａ^ｍは、ミーティングに出席するイベントであり、ｃ_ｉ ^ｍは、割り込み可能性の値ｉに関連付けられた割り込みのコストであり、ｃ^ｄは、検討中の期間に渡るデフォルトコストであり、Ｅは、カレンダ属性、近接コンテキスト、曜日および日時についての観察を表す。

調整システムはまた、ミーティングの性質およびタイミングについての推定を、不在および存在についてのその予測に統合する。このシステムは、近似ミーティング分析を実行して、ミーティングの複数のパターンを検討する複雑さに先んずる。近似では、本発明は、ミーティング独立性の仮定を作成し、ミーティングを別々に検討する。ユーザのカレンダ上のミーティングのサブセットは、クエリ内で指示された時間および移行へのそれらの近接性に基づいて、クエリについてアクティブであると見なされる。アクティブなミーティングでは、別個のベイズネットワークモデル、および関連付けられた累積分布が、ミーティングの前および後の期間によってミーティングを延長するミーティング範囲の経過に渡って、戻りまたは不在について計算される。各ミーティングについてのモデルの構成において、調整の事例獲得コンポーネントは、クエリによって定義された、近接コンテキストと一致する事例を識別する。一般に、出席されたとしてマークが付けられたミーティングのみが検討される。最後に、各ミーティング水平軸についての戻りまたは不在までの時間についての累積分布が、ミーティングのない状況についての累積分布と結合される。

このシステムは、ミーティングのない状況についての存在移行についての累積分布を構成することによって、上記の結合を実行する。この累積分布は上述の方法で計算され、どこでミーティングがスケジュールされなかったか、または、どこでユーザが、ミーティングに出席しなかったことを指示したかのクエリと一致する事例が使用される。次いで、各ミーティング範囲によって表された時間の長さに渡って、非出席および出席の事例についての累積分布が共に合計され、ユーザがミーティングに出席中であるか、あるいは出席するであろう、推定された尤度によって重み付けされる。

図１２は、ユーザの可用性の予想においてミーティングに出席する尤度の統合の影響を中継する図（１２００）を示す。クエリは、平日の午後１：２０に、ユーザがすでに１５分に渡って不在であるとき、いつ自分のデスクトップマシンへ戻ると期待されるかについてのものであった。一番上の曲線は、ユーザがミーティングのない状況について戻る、累積分布を示す。下の曲線は、アクティブなミーティングの検討においてフォールドし、ユーザが各ミーティングに出席するであろう尤度を検討する結果を示す。この場合、３つのミーティングが検討中であり、これには、午後１〜２時、午後２：３０〜３：３０および午後４〜５時のミーティングが含まれた。

図１３は、本発明の一態様による調整システム１３００を例示する。この態様では、１つまたは複数のプロファイルを、割り込みのコストを選択されたプロファイルと関連付けるユーザについてセットアップすることができ、これにおいて様々な期間を、選択されたプロファイルについて設定することができる。１３１０で、様々なプロファイルを選択することができ、これは、デフォルト、自宅−夕方、自宅−深夜、自宅−週末、休暇、仕事−デフォルトなどである。次いで、割り込みコストを１３１４で、選択されたプロファイルと関連付けることができ、これは、デフォルト割り込み可能性、高割り込み可能性、中割り込み可能性および低割り込み可能性などである。理解できるように、より細分化されたカテゴリの割り込み可能性を提供することができる。１３２０で、様々な開始および終了時間、日、およびカレンダ期間を、１３２４で選択された所与のプロファイルについて選択することができる。

図１４を参照すると、本発明の一態様によるイベントロギング画面１４００が例示される。イベントロギング画面１４００は、上述のイベントロギングデータベースにおいて取り込みおよび格納することができる、いくつかのサンプルイベントを例示する。次いで、このようなイベントを使用して、本発明による１つまたは複数の学習モデルを構成およびトレーニングすることができる。例えば、画面１４００内に記録されたイベントのいくつかはシステム存在イベントを含み、これには、時間および日付、背景雑音オーディオイベント、音声オーディオイベントなどが含まれる。理解できるように、ユーザの出入りを示す、複数のこのようなイベントを記録することができる。また、デスクトップマシン、ハンドヘルドマシン、モバイルマシンおよび／または他のコンポーネントからの様々な入力を、各イベントを取り込むために使用することができる。

進める前に、調整システムを、より詳細に図２８〜３０に関して説明する様々な通信、メッセージング、プロパティ、通知および調整アプリケーションに適用させることができることに留意されたい。一例では、「Ｂｅｓｔｃｏｍ」システム（図２８に関して説明）を使用することができ、これは、人々にベストエフォート通信を、コンテキスト、使用可能なチャネル、および通信についての選好の検討に基づいて提供する、サービスを作成することを中心とする。Ｂｅｓｔｃｏｍでは、エージェントがプロキシとして動作し、接触者および被接触者の目標およびコンテキストを検討する。通信の両方の参加者の選好を検討することができるが、Ｂｅｓｔｃｏｍの多数の態様は、強い重みを被接触者の通信選好に置く。というのは、被接触者からの注意のリソースを通常求める者が接触者であるからである。Ｂｅｓｔｃｏｍは、入力通信を扱う方法についての選好を、接触者のアイデンティティ、選択された初期チャネル（例えば、電話、インスタントメッセージング、電子メール）、および、非接触者の計算または検知されたコンテキストに基づいて検討する。

明示的なＢｅｓｔｃｏｍサービスが接触者によって明示的に呼び出される状況では、通信の性質についての注釈を、Ｂｅｓｔｃｏｍメタデータスキーマの一部として共有することができる。例えば、被接触者は、文書処理アプリケーションにおける特定の位置内でサービスを呼び出すことによって、Ｂｅｓｔｃｏｍを呼び出して、自分が共有文書に行なうことを望む編集について共作者と話すことを望む可能性がある。Ｂｅｓｔｃｏｍサービスは、通信の目標および使用可能なチャネルを被接触者のエージェントと共有することができる。Ｂｅｓｔｃｏｍの精神は、被接触者の状態についてのプライバシーを維持することである。この状態についてのコンテキスト情報が通信意志決定において使用されるが、接触者は通常、通信を扱うかどうか、およびどのように扱うかについての概要決定にのみ内々に関与する。

アクションには、同じチャネル上でリアルタイム接続を確立すること、チャネルをシフトすること、メッセージを取ること、または、接触者によりよい時間を提供し、将来の通信をスケジュールすることが含まれる。Ｂｅｓｔｃｏｍの努力には、異なる通信優先度が割り当てられた人々のグループを確立および編集するようなタスクのための基本選好査定ツールの開発、および、異なるコンテキストにおける割り込みのコストを査定することが含まれている。Ｂｅｓｔｃｏｍの基本バージョンは単純な査定およびユーザの状態の直接検知を中心とするが、本発明は、調整システムによって提供された存在および可用性についてのより豊富なコンテキスト推定の値を使用する。

図１５は、本発明の一態様による、ユーザの注意の焦点について推論し、重要な変数および依存性を取り込むための動的ベイズモデルを例示する図（１５００）である。アラート仲介システムの初期バージョンは、図（１５００）に例示する手作りの動的ベイズネットワークモデルを使用した。ベイズネットワークにおいて検討された重要な変数は、注意の焦点である。この変数の状態は、コンテキストを作業負荷により分割した、ユーザ状況の範囲を取り込む、約１５個の注意の相互排他的状態に構築された。これらの状態には、例えば、高焦点単独アクティビティ、中焦点単独アクティビティ、低焦点単独アクティビティ、オフィスにおける会話、プレゼンテーション、運転、私的な個人的時間、および睡眠などの区別が含まれる。

これらのモデルの目標は、ユーザが特定の注意状態であることが与えられると、異なるタイプの割り込みのコストを推定することである。これを達成するため、本発明は、タスクまたは通信イベントＤ_ｉによって混乱させられる、注意状態Ａ_ｊにおけるユーザのコストを取り込む、効用ｕ（Ｄ_ｉ，Ａ_ｊ）を考察する。このコストを、各組み合わせについて、混乱を回避するためにドルで支払うための意欲として査定することができる。混乱を回避するためのドル価値のセット、および、ユーザの注意状態に渡って推定される確率分布が与えられると、割り込みの期待コスト（ＥＣＩ）を、入力感覚情報のストリームにおいて調整された、注意の各状態の尤度によって重み付けされた、効用に渡って合計することによって計算することができる。すなわち、ＥＣＩは以下の通りである。

ただし、ｐ（Ａ_ｊ｜Ｅ）は、証拠ストリームＥにおいて調整された、注意状態の確率である。

図１６は、本発明の一態様による、音響および視覚情報を処理するイベントクラスおよびグラフィカル表示を示すイベントシステムのためのコントロールパネルを例示する図１６００である。１６００に示すインタフェースは、感覚情報のストリームからの割り込みのコストを提供することができるシステムの現実世界の実施態様の追加の詳細を考察する。この例では、クライアントデバイスと対話するユーザのアクティビティが、クライアント上で実行されたオペレーティングシステムおよびアプリケーションからのコンピュータイベントを検知するイベント検知および抽象化システムにより監視される。加えて、視覚的姿勢が、ベイズヘッドトラッキングシステムにより処理され、環境音響アクティビティが、オーディオ信号処理分析により処理される。最後に、ユーザのカレンダが、電子カレンダアプリケーション（例えば、Ｏｕｔｌｏｏｋ（商標））へのインタフェースを介して自動的に検査されて、ミーティングがスケジュールされるかどうかが判定される。図１６は、Ｉｎｆｌｏｗという名前のイベント監視およびコントロールシステムを示し、これを以下でより詳細に説明する。

クライアントイベントシステムは、低レベルシステムイベントのパターンをより高レベルのイベントに合体するための抽象化ツールを提供する。本発明は、注意のモデルにおいて、低および高レベルのイベントを検討する。例えば、低レベル状態を、ユーザが入力、マウスでクリックしているかどうかにかかわらず、アプリケーションが使用中であることとして取り込むことができ、ならびに、より高レベルのイベントのセットは、アプリケーションの間で切り替えるパターン（例えば、単一のアプリケーション焦点に対して、複数のアプリケーションの間で切り替えること）、タスク完了の指示（例えば、メッセージが送信される、ファイルが閉じられる、アプリケーションが閉じられる、など）などである。

カレンダイベントでは、ミーティングが進行中であるかどうか、ミーティングが終了するまでの時間の長さ、および、ミーティングの位置を検討することができる。音響および視覚分析では、会話または他の信号が識別されるかどうか、および、ユーザがデスクトップシステムの付近に存在するかどうか、および、そうである場合、ユーザがコンピュータを注視中であるか、あるいはコンピュータから離れているかどうかを判断することができる。

図１７は、本発明の一態様によるイベントホワイトボード１７００を例示する図である。イベントホワイトボード１７００は、システムによって検討された低レベルおよびより高レベルのイベントの状態を取り込み、共有するために使用される。この図に示すように、イベントは、アプリケーションの誕生および死、アプリケーションが現在「トップ上」であり、対話されていること、デスクトップ使用パターンなどの使用パターンを取り込むイベントについての詳細を含み、この場合、ユーザがあらかじめ設定された時間範囲（この場合、１５秒）内で異なるアプリケーションの間で切り替え中であることを示す。

図１８（ａ）、（ｂ）は、本発明の一態様による、注意状態、および、経時的な割り込みの期待コストについての推定を例示する図（１８００）である。上述のＩｎｆｌｏｗシステムは、様々なイベントを検討し、動的ベイズネットワークを使用して、注意状態に渡る確率分布を推定する。１８１０での出力は、８個の注意の状態を検討するモデルの出力を示し、これには、高焦点単独アクティビティ、低焦点単独アクティビティ、オフィスにおける会話、プレゼンテーションまたはミーティング、運転、私的な個人的時間、睡眠、および現在使用可能が含まれる。出力１８１０は、最も近い時間のオフィスにおける会話の初期の高い尤度が、高焦点単独アクティビティによって支配されるようになっていることを例示する。

出力１８２０は、異なる混乱Ｄ_ｉについての時間に渡る割り込みの期待コストについての推定を示す。この場合、粗いユーザ注意状態に渡って推定された確率分布から、異なる通信イベントを回避するためにユーザが意欲的に支払うであろう期待ドルを計算することができる。図（１８２０）内の曲線は、上から下まで、６つの異なる割り込みに関連付けられた期待コストを表し、これには、通話、ページャ、オーディオチャイムの先触れを有する全視覚的アラート、オーディオチャイムを有するサムネイル表示、チャイムなしの全視覚的アラート、および、チャイムなしのサムネイル表示が含まれる。

図１９は、本発明の一態様によるアラート表示を例示する図１９００である。図１９００は、割り込み（例えば、ニュースに関する通知、金融、電子メール、インスタントメッセージなど）の期待コストのモデルを使用する通知システム内の全視覚的アラートの視覚的表示の一例を示す。アラートを、オーディオの先触れに結合することができる。本発明は、このような、異なるメッセージングアクションについて推定された期待コストを、情報の価値の別の解析において査定されるように、異なる通信の期待価値と清算することができる。

図２０は、本発明の一態様による「割り込みワークベンチ」２０００を例示するシステムであり、これは、計算デバイスと対話中である可能性のあるユーザの現在のコンテキストに基づいて、異なるアクティビティに関連付けられた、異なる種類の割り込みのモデルを提供する。オフィス設定におけるユーザの割り込み可能性の状態を、上述のような知覚センサからのイベントおよびデスクトップアクティビティのロギングに基づいて予測することができる、モデルの学習が使用される。これらの学習モデルは、ユーザの割り込み可能性の状態を予測し、それにより、ユーザの注意の焦点または作業負荷の詳細な状態が暗示的なまま残る。すなわち、ユーザの注意の状態の明示的モデリングをバイパスして、ユーザの割り込み可能性を特徴付けるモデルを直接追跡可能にすることができる。図２０は、割り込みモデリングワークベンチという名前のツール２０００を例示し、これは、イベント取り込み、時間のセグメントの注釈、ならびに、割り込み可能性の統計モデルの構築およびテストに備える。セッション注釈フェーズ中に使用される、タグ付けツール２０００の画面ショットを、図２０に示す。

トレーニングセッションで、ツール２０００は、デスクトップ、カレンダおよびオーディオビジュアルイベントのストリームを取り込む。ラベル付けの時点で、ツール２０００は、対象のオフィスの時間同期化されたビデオ符号化を表示し、これは、トレーニングセッション中にデジタルビデオカメラにより取り込まれたものである。ワークベンチイベントロギングシステムは、トレーニングセッションにより監視されたイベントを、デジタルビデオテープからのシーンと同期化させ、時間のセグメントのラベル付けを容易にし、これらをイベントに関連付ける。

一般に、モデル構築の第１のフェーズは、イベントおよびコンテキスト取り込みである。このフェーズ中に、ビデオカメラが、対象のアクティビティおよびオフィス全体のコンテキストを記録するために使用される。オーディオトラックを有するビデオテープが、対象の肩越しに撮影され、ユーザのオフィス環境の一部に加えて、ユーザの画面上に表示された内容が示される。

割り込み可能性のモデルの構成の第２のフェーズは、タグ付けおよび査定である。ツール２０００は、トレーニングセッション中のそれらの画面および部屋の取り込まれたビデオをレビューすること、および、異なる時間でそれらの割り込みの状態にラベル付けすることに備える。ラベル付けの労力は、ユーザに時間の各小セグメントにラベル付けすることを要求するのではなく、ユーザが割り込み可能性の状態の間の移行を指定できるようにすることによって最小限にされ、移行の間のすべての時間は、各別個のセグメントの開始を定義する移行に関連付けられた割り込み可能性のラベルを継承する。ツール２０００は、割り込み可能性のコストを表す変数が離散化される方法、および、どのようにコストが表されるかを指定するための方法を提供する。対象は、異なる時間でのそれらの割り込み可能性についてのそれらの査定を、少なくとも２つの方法で符号化することができる。

第１の手法では、対象は、高、中および低割り込み可能性として、ビデオテープ上で見られた期間にタグを付ける。図２０の前面に示すように、ユーザは、異なる種類の割り込みについて、ドル価値を各高レベル状態に別々にマップして、割り込みの高、中および低コストとしてラベルが付けられた状態中に割り込みを回避するために支払う意欲を反映するように求められる。ドル価値は、各別個のタイプの割り込みについて、低、中および高について求められる。トレーニングセッションの時間セグメントにラベル付けする第２の手法では、対象は、尺度を定義すること、および、割り込みのコストを表す、実質価値の値に渡る確率分布について直接推論するモデルを構築することができる。

生成およびテストフェーズで、ベイズネットワーク（または、統計回帰、サポートベクトルマシン（ＳＶＭ）、その他など、他の統計モデリング方法）を、上述の最初の２つの手法で生成された事例のタグ付き事例ライブラリから構成することができる。オフィスのアクティビティの１つまたは複数のセッションにタグを付けるタスクは、割り込み可能性ラベルによりタグ付けされた２秒の期間のデータベースを作成し、これは、ログされたイベント状態のベクトルを含む。次いで、このシステムはベイズ学習手順を実行し、グラフ構造探索を使用し、検知されたイベントのライブストリームが与えられると、ユーザの割り込み可能性の状態についてのリアルタイム予測について使用することができるベイズネットワークモデルを構築する。

ランタイムで、モデルによって推定された割り込み可能性の状態に渡る確率分布が使用されて、異なるクラスの割り込みの、割り込みの期待コストが計算される。検討中の各混乱について、割り込みの期待コストは、上で定義された期待価値計算に類似の期待値を呼び出し、以下のように、注意の明示的状態について、割り込み可能性の異なる状態の尤度ｐ（Ｉ_ｉ｜Ｅ）を代入することによって、計算される。

割り込み可能性の現在の状態についての推論を超えて、本発明はまた、割り込み可能性の将来の状態についての注意予想を表すいくつかの変数を生成することもできる。これらには、割り込み可能性の低、中または高の状態に到達されるまでの経時的な確率分布についての推定を取り込む変数、および、異なる時間の量に渡って持続する割り込み可能性の状態が達成されるまでの時間を表すより特化した変数が含まれる。一例として、このファミリにおけるある変数は、ユーザが少なくとも１５分に渡って割り込みの低コストの状態に残るようになるまでの時間を表す。このような予測は一般に、通信を仲介するかどうか、いつそうするか、およびどのようにそうするかについて熟考するために重要である。生成されたモデルの予測をテストするために、ワークベンチ２０００は、ユーザがデータの一部をトレーニングから提供して、提供された事例をモデルのテストのために使用できるようにする。実験では、モデルがデータの８５パーセントによりトレーニングされ、１５パーセントがテストのために提供される。

図２１は、本発明の一態様によるベイズネットワークモデルを例示する図（２１００）である。図２１００は、上述のワークベンチによって出力されたベイズネットワークモデルを示す。このモデルは、割り込み可能性のコストによってタグ付けされた対象のアクティビティのログから構築された。この場合、事例のデータベースは、対象のオフィス内、かつ、１時間の間の対象のコンピュータによるアクティビティを表す。データベースは１８００の２秒事例を含み、これは、割り込み可能性レベルの間の４３の状態移行を表す。事例の８５パーセントが使用されてこのモデルが構築された。他の１５パーセントは、トレーニングのために提供された。

割り込み可能性の現在の状態（状態低、中、および高による）を表す変数に、２１１０でＣＯＩとラベルが付けられる。他の変数には、Ｔｉｍｅ Ｕｎｔｉｌ Ｎｅｘｔ Ｌｏｗ、Ｔｉｍｅ Ｕｎｔｉｌ Ｎｅｘｔ Ｍｅｄｉｕｍ、Ｔｉｍｅ Ｕｎｔｉｌ Ｎｅｘｔ Ｈｉｇｈ、ならびに、割り込みの低、中および高コストが異なる期間に渡って持続するまでの時間を表すこれらの変数の変形形態が含まれる。変数の予想は５倍の状態に離散化され、これには、１分未満、１〜５分、５〜１０分、１０〜１５分、および１５分より長いが含まれる。

図２２〜２６は、本発明の一態様による様々な判断ツリーを例示する。図２２は、上述のベイズネットワークのＣＯＩ変数の下にある確率分布の小型の符号化を表す判断ツリーを示す。ツリーのリーフでの棒グラフは、リーフに通じるパスによって表された観察のセットについての割り込み可能性の高、中および低コスト（高から低へ順序付けされたもの）に渡る確率分布を表す。このパスは、存在、アプリケーション使用および知覚的イベントの混合を表す。

図２１に示すモデルは、割り込み可能性の現在の状態について、ならびに将来の状態についての有益な推定を提供する。提供された事例の１５パーセントにおいてテストされるとき、ベイズネットワークは、対象の割り込み可能性の状態の正確な割り当てにおいて、０．７３の分類精度を示した。このモデルはまた、将来の状態を表す複数の変数についての有用な予測も提供した。一例として、このモデルは、ユーザが次に割り込みの低コストに移行するまでの時間を０．５６の分類精度により、ユーザが次に高コストの割り込みの状態になるまでの時間を０．７８の精度により予測した。

使用可能な特徴を有するモデルのパフォーマンスをテストすることを超えて、他の態様には、「モデル除去」調査を実行することが含まれる。これには、知覚的特徴を学習および推定から除去することに関連付けられた分析損失が含まれる可能性がある。この分野における多数のコンピュータは、音響および視覚検知機能を有していない可能性があるので、本発明はまた、ユーザがクライアントデバイスの所またはその付近にいる状況について、ユーザの割り込み可能性の状態をカレンダ情報およびデスクトップアクティビティの豊富なパターンから予測することにおいて、識別力を使用することもできる。

図２３は、図２２に示したモデルと類似の方法で作成されたベイズネットワークモデルを示す。しかし、音響または視覚イベントは、モデルのトレーニングおよびテストにおいて検討されなかった。対象についての割り込みのコストを表す変数についての判断ツリーを、図２４に示す。

図２４の判断ツリーにおいて表された構造、パスおよび分布を、図２２の判断ツリーにおけるこれらの特徴と比較すると、モデルにおける違いへのいくつかの洞察が提供される。知覚的検知情報をバイパスすることは、図２２に示す判断ツリーにおいて検討された音響イベントの削除に通じる。知覚情報がないので、追加のイベントが有益な識別子になる。図２４の判断ツリーに示すように、新しいアプリケーション状態（対象が電子メールおよびカレンダリングアプリケーションを使用するかどうか）が導入される。

本発明はまた、重要な変数についての分類精度の感度を知覚情報の損失へ利用することもできる。以下の表１は、検討中の対象からのデータについて、割り込みのコストについての分類精度において損失がなかったことを示す。しかし、関心のあるすべての変数についての同じ査定を発見することはできなかった。将来の割り込み可能性の予想を表す変数についての感度の混合が示される。例えば、注意の焦点での対象について、次に高いコストの状態までの時間の分類精度は、知覚情報の損失によりわずかに減少した。他方では、次に低いコストの状態までの時間の予測は、知覚的検知の損失に対して極めて感度が高く、知覚的イベントの損失により０．５６から０．４８の分類精度に移行した。

図２５の判断ツリー２５００はベイズネットワーク学習手順から導出され、次に低いコストの割り込み期間の開始までの時間の予測において、視覚的姿勢情報の使用へのある洞察を提供する。ツリー２５００は、存在および姿勢についてのヘッドトラッキングシステムによって導出された特徴が、次に低いコストの割り込みまでの時間を予測するために情報を与えることを示す。

図２６は、視覚および音響情報の除去された検討が存在する事例についての、同じ予測についてのツリー２６００を示す。このシステムは強制的に、低コストの割り込みのまでの時間の予測を行なうためにデスクトップアクティビティおよび存在に依拠するようにされ、手近の対象および変数については、この依拠は通常、予測の品質の低下に通じる。

図２７は、本発明による存在および可用性予想のための方法を例示する。説明を簡単にするために、この方法を一連の動作として示し、説明するが、本発明は動作の順序によって限定されず、これは、いくつかの動作が、本発明によれば、異なる順序において、かつ／または、本明細書に示して説明したものからの他の動作と同時に、発生する可能性があるからであることを理解されたい。例えば、ある方法を別法として、状態図などにおいて、一連の相関された状態またはイベントとして表すことができることは、当業者には理解されよう。また、すべての例示した動作が、本発明による方法を実施するために必要とされるとは限らない可能性がある。

図２７を参照して、本発明による存在および可用性予想のためのプロセス２７００を例示する。２７１０に進んで、データが、ユーザの存在および不在の期間に関して、１つまたは複数のデバイスから収集される。上述のように、データを、ハンドヘルドデバイス、モバイルデバイス、およびデスクトップデバイスまたはアクティビティなど、複数のソースから導出することができる。２７１４で、様々なデバイスからのデータがイベントログまたはデータベースにおいて集約または収集される。このデータを、どこからデータが導出されたか、どのタイプのデバイスおよびデバイス機能からデータが導出されたか、ならびに、データが記録された時間および日付を示す対応する注釈と共に格納することができる。２７１８で、１つまたは複数の学習モデルが、イベントデータベースにおいてログされているデータから構成される。２７２２で、ユーザについての存在または可用性情報をリクエストするクエリが受信される。上述のようにクエリを、存在または可用性の欠如など、相補的情報を得ることを対象とすることもできる。２７２６で、２７１８で説明した学習モデルが、様々なデバイスおよび／または位置に関連付けられたユーザの存在および不在の期間の１つまたは複数に関係付けられた、イベントデータベース内に格納されたデータに従って、トレーニングされる。トレーニングされたモデルは、ユーザ状態情報の予想（例えば、期待された存在または不在）を、受信されたクエリに応答して戻すために使用される。

位置でのユーザの現在の存在、割り込み可能性、ユーザによる１つまたは複数の通信チャネルへのアクセスについて、あるいは、将来の存在および可用性の予想について、異なる態様または詳細のレベルを見るための特権を付与されるユーザに、予想を直接中継することができる。例えば、上記の図４は、ユーザの存在および可用性についての詳細を含む視覚化を、適切な特権を有する同僚に示す。この場合、現在使用可能な通信チャネルが示され、棒グラフは、異なるチャネルが使用可能になるまでの時間を分で、使用可能への移行の特定のレベルの信頼性で（この場合、累積確率が９０パーセントの可能性に到達するときに）示す。

理解できるように、他の視覚化は、異なる種類の予想または現状を「選択的に示すこと」について可能である（例えば、名前において、あるいはタイプをグループ化するための抽象化によって、関係などによって指名された異なるタイプの人々にのみ、ある種類のことを示すこと）。選択的に示すことは、情報を、タイムドメインにおけるより低い精度の情報（例えば、正確に９０分以内に対して次の３時間以内など、予想について正確ではない）、または、例えば「自宅で」に対して「シアトル内」など、空間ドメインにおけるより低い精度の情報に抽象化することを含む。

（例えば、組織図における関係によって、あるいは、自分が今日会うであろう人々など、力学のような情報によって）異なる特権を有する異なる人々を収容して異なる態様を見ることもできる。このようなコントロールは精度コントロールを含むことができ、例えば、自分の同僚が、いつ自分が次にシアトルに戻る可能性が高くなるか、または、自分が現在シアトルにいるかどうかをチェックすることができる、などである。自分の直属の部下は、自分が今朝自宅で仕事中であることなど、または、自分が約３０分以内にオフィスに戻るであろうことを、見ることができる。

他の場合、この情報を使用して通信エージェントに、取るべき最良のアクションについて通知することができる。このようなアプリケーションは、ユーザの現在または将来の存在または可用性の詳細を他のユーザと共有することを含まないことができ、したがって、ユーザの状況のプライバシーを維持することができる。現在の可用性または将来の予想を、ユーザの経時的な割り込み可能性を含めて、選択されたユーザのものと共有することができ、これにより割り込み可能性を、異なる種類の割り込みについての割り込みのコストまたは期待コストとして表すことができる。これはまた、１つまたは複数の通信チャネルへのアクセスを有するユーザに関係する情報を選択的に共有することも含むことができる。

このとき図２８を参照して、前述のような本発明の様々な態様と共に使用することができるシステム２８００を例示する。チャネルマネージャ２８０２は、接触者２８２０と被接触者２８３０の間の通信２８１０の効用の最適化を容易にする、通信チャネルを識別する。１つの接触者２８２０および１つの被接触者２８３０を例示するが、システム２８００は、２つ以上の通信当事者（例えば、通信グループ）の間の最適な通信チャネルの識別を容易にすることを理解されたい。通信２８１０の当事者には、人の当事者、装置および／または電子プロセスが含まれる可能性があることをさらに理解されたい。したがって、本明細書で使用するとき、被接触者および接触者という用語は、接触者のグループおよび被接触者のグループを含む。

通信２８１０を、様々なチャネルを介して搬送することができ、これらのチャネルには、それだけに限定されないが、電話チャネル、コンピュータチャネル、ファックスチャネル、ページングチャネルおよびパーソナルチャネルが含まれる。電話チャネルには、それだけに限定されないが、ＰＯＴＳ（Plain Old Telephone Service）電話、携帯電話、衛星電話およびインターネット電話が含まれる。コンピュータチャネルには、それだけに限定されないが、電子メール、コラボレーティブ編集、インスタントメッセージング、ネットワークミーティング、カレンダリング、ならびに、ホーム処理および／またはネットワーキングにおいて使用されるデバイスが含まれる可能性がある。パーソナルチャネルには、それだけに限定されないが、ビデオ会議、メッセンジャリングおよび対面ミーティングが含まれる。現在のチャネルに関するデータ（例えば、話中である電話）を分析することができ、同じように、チャネルが使用可能になる（例えば、電話がもはや話し中ではなくなる）可能性のある尤度に関するデータもそのようにすることができる。

最適な通信チャネルの識別は、通信２８１０を第１の時点で、その時点で使用可能な通信チャネルと共に確立する利点を検討すること、および、通信２８１０の確立を、他の通信チャネルが使用可能になる可能性のある第２の時点まで遅延させるコストを検討することを含むことができる。

チャネルマネージャ２８０２は、チャネルデータストア２８３２、接触者データストア２８６０および被接触者データストア２８５０へのアクセスを有する。接触者データストア２８６０、チャネルデータストア２８３２および被接触者データストア２８５０は、データをデータ構造において格納することができ、これには、それだけに限定されないが、１つまたは複数のリスト、アレイ、テーブル、データベース、スタック、ヒープ、リンクリスト、およびデータキューブが含まれ、これらは１つの物理デバイス上に存在することができ、かつ／または２つ以上の物理デバイス（例えば、ディスクドライブ、テープドライブ、メモリユニット）の間で分散させることができる。さらに、接触者データストア２８６０、チャネルデータストア２８３２および被接触者データストア２８５０は、１つの論理デバイスおよび／またはデータ構造において存在することができる。

チャネルマネージャ２８０２を、その用語が本明細書で定義されるようなコンピュータコンポーネントにすることができ、したがって、チャネルマネージャ２８０２を２つ以上の協調プロセスの間で分散させることができ、かつ／または、これは１つの物理または論理デバイス（例えば、コンピュータ、プロセス）において存在することができる。

チャネルマネージャ２８０２によって対処される問題の汎用の公式化において、本発明は、「通信価値関数」ｆを検討し、これは、検討中の各通信チャネルもしくはチャネルのサブセットについての価値、または、チャネルもしくはチャネルのサブセットの受け入れ可能性に関して通信チャネル上の順序付けを戻す。
価値（チャネル）
＝ｆ（選好（被接触者，接触者，組織），コンテキスト（非接触者，接触者））
ただし、被接触者および接触者のコンテキストには、グループメンバーシップ、グループコンテキスト、使用可能であるデバイス、日時、接触者および被接触者について手近なタスクおよび状況などが含まれる。被接触者および接触者のコンテキストを１つまたは複数のフォーマットにおいて格納することができ、このフォーマットには、それだけに限定されないが、ＸＭＬスキーマが含まれることを理解されたい。本発明の一例では、チャネルマネージャ２８０２は最初にチャネルを、割り当てられた価値によって順序付け、接続を作成するように、あるいは、最良の可能な接続に関して接触者２８２０および／被接触者２８３０にアドバイスするように試みる。

一般に、選好に関する不確実性、および、コンテキストをモデリングするために使用される１つまたは複数のパラメータがある可能性がある。この状況では、複数の変数の異なる状態に渡る確率分布を推定することができ、チャネルについての期待価値を計算することができる。例えば、被接触者のコンテキストの態様に関する不確実性がある場合、確率分布（ここで抽象的に表されたもの）は、コンテキストについて観察された証拠Ｅ、および、不確実性に渡る合計が与えられると、以下のように表すことができる。
期待価値（チャネル）
＝Σ_ｉｆ（選好（被接触者，接触者，組織），ｐ（非接触者のコンテキストｉ｜Ｅ），接触者のコンテキスト）

この期待価値を使用して、通信２８１０の効用を最適化するために予測されるチャネルを最初に識別することができるが、本発明の一例では、被接触者２８３０に、通信に関するオプションが提示されるようになる。これらのオプションへの被接触者２８３０の反応は次いで、通信２８１０について選択されるチャネルを判定するようになる。オプションへの反応を、チャネルマネージャ２８０２を適合させることを容易にするマシン学習において使用することができる。

このとき、期待された効用の使用のより具体的な例を検討すると、被接触者２８３０の選好のコンテキストにおける不確実性の下の意志決定の特定の基本公式化が、式１によって取り込まれる。

ただし、Ａ^＊は、理想的な通信アクションであり、これは、式１を最適化することによって計算された、接触者（Ａ^Ｃ＊）および被接触者（受信者）（Ａ^Ｒ＊）によって使用されたチャネルを含む。
式１において、
Ａ_ｊは、検討中の通信チャネルであり、
Ａ^Ｃ _ｋは、接触者によって使用された通信チャネルであり、
ｃｏｎｔｅｘｔ^Ｒ _ｉは、所期の通信の被接触者（受信者）のコンテキストであり、
ｃｏｎｔｅｘｔ^Ｃは、接触者のコンテキストであり、

Ｃは、接触者のアイデンティティであり、通常は人のクラスにリンクされたものである（例えば、重要な社員、以前に応答した、家族、未知の者）。

したがって、本発明の一例の態様では、被接触者２８３０が証拠Ｅを与えられたあるコンテキストを有する条件付き確率ｐ（ｃｏｎｔｅｘｔ^Ｒ _ｉ｜Ｅ）が、効用関数ｕと共に使用されて、接触者２８２０と被接触者２８３０の間の通信２８１０の効用を最大にするために取ることができる理想的な通信アクションが判定される。

最適な通信チャネルを識別するための基本公式化を、接触者２８２０のコンテキストについての不確実性を導入することによって拡張することができ、これは、式２に示した加算を式１の不確実性計算に追加する。接触者２８２０によって初期コンタクトについて選択された特定の通信アクションおよび／またはチャネルは、Ａ^Ｃ _ｉｎｉｔとして表される。

接触者２８２０および被接触者２８３０のコンテキストは、決定論的または不確実変数の豊富なセットを表す。通信における緊急性または重要性の自動査定、および／または直接マークが付けられた指示に関連付けられたデータをまた、最適な通信チャネルの識別において評価することもできる。コンテキスト変数を、最適化における明示的な決定的または確率的係数として扱うことができる。例えば、ｍ^Ｃ _ｋは、接触者２８２０に使用可能なチャネルを表すことができ、したがって、式３は、接触者２８２０に使用可能なチャネルの組み合わせを検討する。

本発明はまた、現在使用可能な最良の通信オプションを、後に使用可能となる最良の通信オプションと比較し、通信における遅延に基づいた損失についての通信の価値、および、被通信者が異なる状態（例えば、より使用可能であるか、あるいはそれほど使用可能でない）にあるときに通信が後の時間ｔで来るべきである場合、混乱性における変化に基づく潜在的利益または損失を更新することもできる。このような比較を、式４によって取り込むことができる。

したがって、式１ないし４に記載したもののような決定論的公式は、続いて管理される１つまたは複数のグループに確立される、１つまたは複数の接触者および／または被接触者のセットについて、１つまたは複数の期待された効用を生じるために使用される。本発明の一例の態様では、通信がこのような情報に基づいて自動的に開始、スケジュールおよび／またはカレンダリングされる。しかし、本発明のもう１つの態様では、これらの期待された効用に関する情報が１つまたは複数の当事者に提示される。例として、接触者２８２０に、被接触者の選好に従って判定された高い効用を有する通信のリストが提示される。次いで、接触者２８２０はそのリストから選択する。

１つの接触者２８２０と１つの被接触者２８３０の間の１つの通信２８１０を例示するが、類似またはより多くの数の接触者２８２０および／または被接触者２８３０の間の多数の通信を、本発明によって識別することができることを理解されたい。例として、グループミーティングを容易にするための通信２８１０をシステム２８００によって識別することができ、同じように、２つの通信当事者の間の複数の通信２８１０（例えば、電子メールおよびページャによって同時に送信された重複メッセージ）もそのようにすることができる。

チャネルマネージャ２８０２によって識別される通信２８１０は、少なくとも部分的には、例えば、通信チャネル、接触者および／または被接触者に関する１つまたは複数のデータのセットに依存する可能性がある。１つの可能なデータセットである通信チャネルデータセット２８３２は、使用可能な通信チャネルに関する。使用可能な通信チャネルには、それだけに限定されないが、（様々な優先度の）電子メール、電話（ＰＯＴＳ、携帯、衛星、インターネット）、ページング、ランナー／クーリエ、ビデオ会議、対面ミーティング、即時コラボレーティブ編集、コラボレーティブ編集の遅延されたポスト、Ｐｉｃｔｕｒｅ ｉｎ ｐｉｃｔｕｒｅテレビ、ホームデバイスアクティブ化（例えば、書斎内の明かりをつけること、電話を弁別的パターンで鳴らすこと）などが含まれる可能性がある。通信チャネルは静的エンティティでない可能性があり、したがって、通信チャネルの状態、機能、可用性、コストなどに関する情報は変化する可能性がある。したがって、通信チャネルデータセット２８３２は、現在の状態の情報および／またはデータを含んで、１つまたは複数の通信チャネルに関連付けられた将来の状態、機能、可用性、コストなどに関する予測を行なうことを容易にすることができる。

チャネルマネージャ２８０２はまた、被接触者データ２８５０も使用可能にすることができ、これは例えば、ハードウェア、ソフトウェア、実行されている被接触者タスク、被接触者の注意状況、被接触者コンテキストデータ２８５２および被接触者選好データ２８５４に関する情報を含む。例として、ハードウェアデータは、何のハードウェアが被接触者にとって使用可能であるか、何のハードウェアが被接触者によって使用中であるか（例えば、デスクトップ、ラップトップ、ＰＤＡ）、そのハードウェアの機能（例えば、ビデオ会議のために十分なメモリおよび通信帯域幅）、そのハードウェアを使用するコスト、および、そのハードウェアが現在機能中である状態（例えば、オンライン、オフライン）に関係する情報を含むことができる。ハードウェアデータはまた、ハードウェアの使用可能でない部分が使用可能となるであろう尤度を決定することを容易にする使用パターンに関する情報も含むことができる。ソフトウェアデータは、何のソフトウェアが被接触者に使用可能であるか、何のソフトウェアが被接触者によって使用中であるか（たとえば、ワードプロセッサが使用中）、そのソフトウェアの機能（例えば、コラボレーティブ編集を可能にする）、および、そのソフトウェアが現在機能中である状態（例えば、実行中かつアクティブ、実行中だが非アクティブ）に関係する情報を含むことができる。ソフトウェアデータはまた、ソフトウェアの使用可能でない部分が使用可能となるであろう尤度を判定することを容易にする使用パターンに関する情報も含むことができる。

被接触者データ２８５０はまた、被接触者２８３０の選好に関する選好データ２８５４も含むことができる。選好データ２８５４は、被接触者２８３０がどのように接触されることを好むかに関するデータを含むことができ、これらの選好は経時的に、例えば、様々な接触者２８２０、様々な時間、様々なチャネルおよび様々な通信のトピックに関して変わる。被接触者選好データ２８５４は、それだけに限定されないが、例えば、通信するための日時（例えば、早朝、業務時間、夕方、深夜、睡眠時間）、通信するための週の時間（例えば、月曜から金曜、週末、休日、休暇）、接触者のアイデンティティ（例えば、雇用者、従業員、重要な同僚、同僚、対等者、核家族、大家族、親友、友人、知人、その他）、現在使用可能または通信の試みの時間範囲内に使用可能なハードウェア（例えば、デスクトップ、ラップトップ、ホームコンピュータ）、好ましいソフトウェア（例えば、電子メール、文書処理、カレンダリング）、および、好ましい割り込み可能性（例えば、仕事に集中している間に割り込みせず、集中していない間にのみ割り込む）に関する選好に関するデータを含むことができる。６つの選好が前文において識別されるが、本発明によればより多い、または少ない選好を使用することができることを理解されたい。

被接触者データ２８５０はまた、コンテキストデータ２８５２も含むことができる。コンテキストデータ２８５２は一般に、被接触者２８３０についての観察に関係付けられる。例えば、被接触者２８３０が関係するアクティビティのタイプ（例えば、タスク上、タスク上でない）、被接触者２８３０の位置（例えば、オフィス、自宅、車、シャワー）、カレンダ（例えば、アポイントメント状況、アポイントメント可用性）、他の当事者との通信の履歴（例えば、過去に電子メールに応答している、最近電話で話している、対話の効用、対話の持続時間）、現在の位置での背景の環境雑音、その日の労働時間数、および、注意状況（例えば、高焦点、焦点、軽焦点、別の人との会話、軽アクティビティ）に関する観察を、コンテキストデータ２８５２に格納することができる。

いくつかの機会において、コンテキストデータ２８５２は不完全である可能性がある（例えば、ビデオカメラが故障したのでビデオ分析データが使用可能でない）。したがって、チャネルマネージャ２８０２は、最適な通信に関して推論し、その間にこのような不完全なデータに依拠する。したがって、被接触者データ２８５０は、紛失データ要素に関連付けられた１つまたは複数の確率を生成することを容易にするための情報も含むことができる。例として、被接触者データ２８５０は、注視追跡情報が使用可能でないとしても、被接触者２８３０が高注意状態にある尤度を予測するように動作可能な情報を含むことができる。

被接触者データ２８５０はさらに、被接触者２８３０の長期および／または緊急の動的に変化する通信の必要性に関する情報を含むことができる。例として、被接触者２８３０は、次の１時間に渡って割り込みを有する必要がない可能性がある（例えば、「このタスクにおいて、あるいは今から１時間、重要性が高くない限り、すべてを保留する」）。さらに例として、被接触者２８３０が接触者２８２０と話すことを望むとき、電子メールまたはボイスメールを残すことによって、接触者２８２０が被接触者２８３０を「かわす」ことを防ぐために、被接触者２８３０は、接触者２８２０からの接触が、ある方法で、接触者２８２０が通信を望むという通知のＸ単位時間内に行なわれることを要求することができる。

したがって、式１に戻ると、以下の通りである。

被接触者２８５０は、効用関数ｕに、ｃｏｎｔｅｘｔ^Ｒ _ｉ成分を通じて寄与するように見え、この成分は上述の被接触者コンテキストデータ２８５２を含むことができる。

最適な通信の判定において使用された被接触者２８５０に加えて、接触者２８２０に関するデータもまた使用することができる。接触者データ２８６０は、ハードウェア、ソフトウェア、コンテキスト、選好および通信必要性データを含むことができ、これは被接触者２８３０について使用可能なものに実質的に類似しているが、接触者２８２０の観点から準備されることが異なる。

したがって、再度式１に戻ると、以下の通りである。

接触者データ２８６０は、効用関数ｕに、ｃｏｎｔｅｘｔ^Ｃ成分を通じて寄与するように見える。

本発明は、２つの当事者の間の複数の通信または２つの当事者の間の単一の通信チャネルに限定されない。複数のチャネルおよび／または複数の通信当事者を、１つまたは複数の通信チャネルを通信当事者の選好、コンテキストおよび機能に基づいて識別および確立する基本プロセスを変更することなく、効用最適化最大化計算を複雑にする代替物の増大したセットとして扱うことができる。

チャネルマネージャ２８０２は、チャネルマネージャ２８０２の機能性の一部を実施することを担ういくつかのコンピュータコンポーネントを含むことができる。例えば、チャネルマネージャ２８０２は、選好リゾルバ２８７２を含むことができる。選好リゾルバ２８７２は、被接触者選好データ２８５４および接触者選好データ２８６４を検査して、２つのデータのセットの間の相関を発見する。本発明の一例では、相関に関する情報は、解決された選好データに格納される。グループ通信では、選好リゾルバ２８７２は複数の選好データのセットを検査して、複数の選好の間の相関を発見する。例として、２つの当事者の間の通信では、選好リゾルバ２８７２は、両方の当事者が第１のタスクに関連付けられた通信のために高優先度の電子メールによって通信することを好むことを、決定することができる。同様に、選好リゾルバ２８７２は、被接触者２８３０が特定の文書に関する通信のためにコラボレーティブ編集および電話によって通信することを好み、接触者２８２０が電話によってのみ通信することを好むことを、判定することができる。したがって、選好リゾルバ２８７２は、データ（例えば、解決された選好データ）を生成するか、あるいは、処理を開始し、それにより、価値を被接触者２８３０選好と接触者２８２０の選好の間の相関に割り当てる。本発明の一例の態様では、被接触者２８３０の選好により大きい重みが与えられ、したがって、接触者２８２０が、それについて被接触者２８３０が電話およびコラボレーティブ編集を好んだ文書に関する電話の会話を試みた場合、選好リゾルバ２８７２はデータを生成するか、あるいは、処理を開始し、それにより、接触者２８２０が電話およびコラボレーティブ編集によって通信する可能性をより高くする。本発明のもう１つの例の態様では、接触者２８２０の選好に、被接触者の選好を越える優先度が与えられる。例として、人の接触者２８２０が電子被接触者２８３０と通信することを試みているとき、接触者２８２０の選好がより重要と見なされ、したがって選好リゾルバ２８７２は価値を生成するか、あるいは処理を開始し、それにより、接触者２８２０の選好が観察される可能性をより高くする。本発明のもう１つの例の態様では、選好リゾルバ２８７２は、選好へのそれらの応答性においてランク付けされた潜在的通信チャネルのリストを生成する。

チャネルマネージャ２８０２はまた、コンテキストアナライザ２８７４も含むことができる。コンテキストアナライザ２８７４は、被接触者コンテキストデータ２８５２および接触者コンテキストデータ２８６２を検査して、２つのデータのセットの間の相関を発見する。本発明の一例では、相関に関する情報は、分析されたコンテキストデータに格納される。グループ通信では、コンテキストアナライザ２８７４は複数のコンテキストデータのセットを検査して、複数のコンテキストに関する情報を抽出することができる。例として、２つの当事者の間の通信では、コンテキストアナライザ２８７４は、被接触者コンテキストが、リアルタイム通信が即時に使用可能ではないが、このような通信が将来のある時点Ｔ_１で使用可能となるであろうＸ_１％の尤度、および、このような通信が将来のある時点Ｔ_２で使用可能となるであろうＸ_２％の尤度が存在するようなものであることを、決定することができる。さらに、コンテキストアナライザ２８７４は、接触者２８２０がリアルタイムの電話をリクエストしているが、接触者２８２０のコンテキストは、電子メール通信が効用を最適化できるようなものであることを、判定することができる。例えば、接触者２８２０のコンテキストは、接触者２８２０の位置での環境雑音に関する情報を含むことができる。コンテキストアナライザ２８７４は、雑音レベルが、リアルタイムの電話による効用を最適化する助けとならないことを判定することができ、したがって、価値を生成し、かつ／または処理を開始して、それにより、接触者２８２０が被接触者２８３０と電子メールを介して通信する可能性をより高くすることができる。選好リゾルバ２８７２によって実行された処理に類似して、コンテキストアナライザ２８７４は、システム２８００の異なる例では、被接触者２８３０のコンテキストに、接触者２８２０のコンテキストより多く重み付けすることができ、逆もまた同様である。

再度、式１に戻ると、以下の通りである。

コンテキストアナライザ２８７４は、効用関数ｕ、ならびに、ｃｏｎｔｅｘｔ^Ｒ _ｉおよびｃｏｎｔｅｘｔ^Ｃのその分析に関連付けられた処理を実行する。

チャネルマネージャ２８０２はまた、チャネルアナライザ２８７６も含むことができる。チャネルアナライザ２８７６は、通信チャネルデータセット２８３２を分析する。チャネルアナライザ２８７６は、通信チャネルの現在の可用性、および／またはチャネルが使用可能になる尤度に関するデータを生成する。本発明の一例では、このようなデータは通信チャネルデータに格納される。チャネルアナライザ２８７６はまた、例えば、接触者２８２０が通信について指定した１つまたは複数のチャネル、および／または、被接触者２８３０が被接触者選好データ２８５４内で選好としてリストした１つまたは複数のチャネルも検査する。チャネルアナライザ２８７６はまた、被接触者２８３０に関連付けられた位置情報によって判定されたような現在使用可能なチャネル、および、被接触者２８３０のアクティビティに基づいて使用可能になる可能性のあるチャネルも検査する。例えば、被接触者２８３０が現在自宅まで車を運転中である（例えば、ＧＰＳおよびスケジュールによって判定される）場合、チャネルアナライザ２８７６は現在のセルラーチャネルを検査し、加えて、被接触者２８３０の自宅で使用可能なチャネルを検査する。したがって、チャネルアナライザ２８７６は、データの生成および／または処理の開始を容易にし、それにより、最適な通信チャネルを接触者２８２０と被接触者２８３０の間の通信２８１０のために決定するときに所望のチャネルが使用される可能性をより高くする。したがって、式１を検討すると、以下の通りである。

チャネルアナライザ２８７６は、効用関数ｕ、ならびに、接触者チャネルＡ_ｊおよび被接触者チャネルＡ^Ｃ _ｋのその分析に関連付けられた処理を実行する。

チャネルマネージャ２８０２はまた、通信確立器２８７０も含むことができる。理想的な通信アクションＡ^＊が識別された後、通信確立器２８７０は、接触者２８２０および被接触者２８３０を、識別された最適な通信チャネルを通じて接続するための処理を引き受ける。このような接続を、少なくとも部分的には、解決された選好データ、分析されたコンテキストデータおよび通信チャネルデータに基づかせることができる。例えば、最適な通信２８１０が電子メールであるとして識別される場合、通信確立器は電子メール作成プロセス（例えば、コンピュータ上の電子メール画面、携帯電話上の音声−電子メールコンバータ、双方向デジタルページャ上の電子メールコンポーザ）を接触者２８２０について開始し、作成された電子メールを、被接触者２８３０について最も適切な電子メールアプリケーションに、識別された最適な通信２８１０に基づいて転送することができる。例えば、通信確立器２８７０は電子メールを被接触者２８３０のページャへ、被接触者２８３０の位置に関連付けられたＧＰＳデータに基づいて転送することができる。本発明の代替例では、システム２８００は通信確立器２８７０を含まず、その代わりに接触者２８２０および／または被接触者２８３０の、例えば通信を確立するためのアクションに依拠する。選好リゾルバ２８７２、コンテキストアナライザ２８７４、チャネルアナライザ２８７６および通信確立器２８７０は、その用語が本明細書で定義されるようなコンピュータコンポーネントであることを理解されたい。

図２９を参照すると、システム２９１０は、本発明の一態様による優先度システム２９１２および通知アーキテクチャを例示する。優先度システム２９１２は１つまたは複数のメッセージまたは通知２９１４を受信し、関連付けられたメッセージについての重要性の優先度または測度（例えば、メッセージが高または低重要性のものである確率の値）を生成し、１つまたは複数のメッセージに、出力２９１６で、関連付けられた優先度の値を提供する。以下でより詳細に説明するように、分類子を構成およびトレーニングして、優先度の測度をメッセージ２９１４に自動的に割り当てることができる。例えば、出力２９１６をフォーマットして、メッセージが重要性の高、中、低のカテゴリまたは他の度合いのカテゴリに属する確率がメッセージに割り当てられるようにすることができる。メッセージを自動的に、例えば、判定された重要性のカテゴリに従って、電子メールプログラム（図示せず）のインボックスにおいてソートすることができる。ソートはまた、ファイルを、定義された重要性のラベルを有するシステムフォルダに向けて送ることも含むことができる。これは、低、中および高などの重要性の度合いによりラベルが付けられたフォルダを有することを含むことができ、これにおいて、特定の重要性の判定されたメッセージが、関連付けられたフォルダにソートされる。同様に、１つまたは複数のオーディオサウンドまたは視覚表示（例えば、アイコン、シンボル）を、所望の優先度を有するメッセージが受信されていることをユーザにアラートするように適合させることができる（例えば、高優先度のメッセージでは３回のビープ音、中優先度では２回のビープ音、低優先度では１回のビープ音、高優先度では赤色または明滅するアラートシンボル、中優先度のメッセージが受信されていることを示す緑色の明滅しないアラートシンボル）。

本発明のもう１つの態様によれば、通知プラットフォーム２９１７を優先度システム２９１２と共に使用して、優先されたメッセージを、ユーザがアクセス可能な１つまたは複数の通知シンクに向けて送ることができる。以下でより詳細に説明するように、通知プラットフォーム２９１７を、優先されたメッセージ２９１６を受信するように、かつ、例えば、いつ、どこで、どのようにユーザに通知するかに関して意志決定をするように適合させることができる。一例として、通知プラットフォーム２９１７は、通信モダリティ（例えば、携帯電話、または携帯情報端末（ＰＤＡ）など、ユーザの現在の通知シンク２９１８）、ならびに、可能性の高い位置および／または可能性の高いユーザの注意の焦点を判定することができる。重要性が高い電子メールが受信された場合、例えば、通知プラットフォーム２９１７は、ユーザの位置／焦点を判定し、メッセージを、ユーザに関連付けられた通知シンク２９１８に向けて送る／再フォーマットすることができる。低優先度のメッセージ２９１６が受信された場合、通知プラットフォーム２９１７を、例えば、電子メールをユーザのインボックスに、望むように後にレビューするために残すように構成することができる。以下でより詳細に説明するように、他のルーティングおよび／またはアラートシステム２９１９を利用して、優先されたメッセージ２９１６をユーザおよび／または他のシステムに向けて送ることができる。

このとき図３０を見ると、システム３０００は、本発明の一態様による、通知エンジンおよびコンテキストアナライザが共に機能する方法を例示する。システム３０００は、コンテキストアナライザ３０２２、通知エンジン３０２４、１つまたは複数の通知ソース１からＮ、３０２６、３０２７、３０２８、通知ソースとして動作することができる優先度システム３０１８、および、１つまたは複数の通知シンク１からＭ、３０３６、３０３７、３０３８を含み、ＮおよびＭはそれぞれ整数である。これらのソースはまたイベントパブリッシャとも呼ばれ、シンクはまたイベントサブスクライバとも呼ばれる。いかなる数のシンクおよびソースも存在することができる。一般に、通知エンジン３０２４は、イベントまたはアラートとも呼ばれる通知を、ソース３０２６〜３０２８からシンク３０３６〜３０３８へ、コンテキストアナライザ３０２２に格納され、かつ／またはそれによってアクセスされたパラメトリック情報に部分的に基づいて搬送する。

コンテキストアナライザ３０２２は、通知意志決定に影響を与えるユーザの変数およびパラメータに関する情報を格納／分析する。例えば、パラメータは、ユーザの通常の位置および注意の焦点、または日時および曜日毎のアクティビティなどのコンテキスト情報、ならびに、ユーザが異なる位置においてアクセスを有する傾向があるデバイスなど、このようなパラメータにおいて調整された追加のパラメータを含むことができる。このようなパラメータはまた、１つまたは複数のセンサを介して自律的にされた観察の機能にすることもできる。例えば、１つまたは複数のプロファイル（図示せず）を、全地球測位システム（ＧＰＳ）サブシステムによって提供することができるユーザの位置についての情報、使用されているデバイスのタイプおよび／またはデバイスの使用のパターンについての情報、ならびに、特定のタイプのデバイスが最後にユーザによってアクセスされたときに基づいて、選択または修正することができる。さらに、以下でより詳細に説明するように、自動推定を使用して、位置および注意などのパラメータまたは状態を動的に推定することもできる。プロファイルパラメータを、ユーザによって編集することができるユーザプロファイルとして格納することができる。あらかじめ定義されたプロファイルまたは動的推定のセットに依拠することを超えて、通知アーキテクチャは、ユーザがリアルタイムで自分の状態を指定可能にすることができ、これは例えば、ユーザが次の「ｘ」時間に渡って、あるいは所与の時間まで、重要な通知を除いて使用可能ではないこと、などである。

パラメータはまた、異なる設定における異なるタイプの通知によって妨げられることについてのユーザの選好に関する、デフォルト通知選好パラメータも含むことができ、これを、それから通知エンジン３０２４によって通知意志決定を行なうための基本として使用することができ、それにおいてユーザは変更を開始することができる。パラメータは、ユーザが異なる状況においてどのように通知されることを望むか（例えば、携帯電話による、ページャによるなど）についてのデフォルトパラメータを含むことができる。パラメータは、異なる設定において異なるモードによって通知されることに関連付けられた混乱のコストのような査定を含むことができる。これは、ユーザが異なる位置にいる尤度、異なるデバイスが使用可能である尤度、および、所与の時間での自分の注意状況の尤度を示すコンテキストパラメータ、ならびに、ユーザが所与の時間にどのように通知されることを望むかを示す通知パラメータを含むことができる。

本発明の一態様による、コンテキストアナライザ３０２２によって格納された情報は、アナライザによって判定されたコンテキスト情報を含む。コンテキスト情報はアナライザ３０２２によって判定され、これは、ユーザの位置および注意状況を、１つまたは複数のコンテキスト情報ソース（図示せず）に基づいて識別することによって行なわれ、これを本明細書の以下のセクションでより詳細に説明する。コンテキストアナライザ３０２２は例えば、ユーザの実際の位置を、ユーザの車または携帯電話の一部である全地球測位システム（ＧＰＳ）を介して正確に判定することができる可能性がある。アナライザはまた統計モデルを使用して、ユーザが所与の注意の状態にある尤度を、日のタイプ、日時、ユーザのカレンダ内のデータ、およびユーザのアクティビティについての観察のような情報の検討を通じて収集された背景の査定および／または観察を検討することによって、判定することもできる。所与の注意の状態は、ユーザが通知を受信することができるか、忙しいか、通知を受信することができないかを含むことができ、平日、週末、休日および／または他の機会／期間を含むことができる。

ソース３０２６〜３０２８、３０３０は、ユーザおよび／または他のエンティティを対象とした通知を生成する。例えば、ソース３０２６〜３０２８は、インターネットおよびネットワークベースの通信、およびテレフォニー通信、ならびにソフトウェアサービスなど、通信を含むことができる。通知ソースは一般に本明細書で、イベントを生成するものとして定義され、これを通知およびアラートと呼ぶこともでき、ユーザまたはユーザのためのプロキシに、情報、サービスおよび／またはシステムもしくは世界のイベントについてアラートするように意図される。通知ソースをまた、イベントソースと呼ぶこともできる。

例えば、電子メールを通知として、優先度システム３０１８によって、それが優先されるように生成することができ、通知を生成するアプリケーションプログラムまたはシステムは、電子メールの可能性の高い重要性または緊急性に対応する相対的優先度を有する電子メールをユーザに割り当てる。電子メールをまた、相対的重要性には関係なくユーザに送信することもできる。インターネット関連サービスは、ユーザがサブスクライブしている情報、例えば、時々の現在のニュースの見出し、および株価などを含む、通知を含むことができる。

通知ソース３０２６〜３０２８はそれら自体をプッシュ型またはプル型のソースにすることができる。プッシュ型のソースは、対応するリクエストなしに自動的に情報を生成および送信するものであり、ニュースの見出し、ならびに、サブスクライブされた後に自動的に情報を送信する他のインターネット関連サービスなどである。プル型のソースは、リクエストに応答して情報を送信するものであり、メールサーバーがポーリングされた後に電子メールが受信されることなどである。さらに他の通知ソースには、以下のものが含まれる。
・カレンダシステムなど、電子メールデスクトップアプリケーション、
・コンピュータシステム（例えば、ユーザに、メッセージにより、システムアクティビティまたは問題についてのアラートについてのその情報をアラートすることができる）、
・インターネット関連サービス、アポイントメント情報、スケジューリングクエリ、
・１つまたは複数の共有フォルダ内の、文書またはある種類の文書の数における変更、
・情報についての永続的または持続的なクエリに応答した、新しい文書の可用性、および／または、
・人々およびそれらの存在、位置におけるそれらの変更、それらの近接性（例えば、自分が旅行中であるとき、別の共働者または友人が自分の１０マイル（１６．０９ｋｍ）以内にいる場合、自分に知らせてほしい）、またはそれらの可用性（例えば、Ｓｔｅｖｅが会話について使用可能であり、また、全ビデオ会議をサポートすることができる高速リンクの付近にいるとき、自分に知らせてほしい）についての情報のための情報ソース。

通知シンク３０３６〜３０３８は、通知をユーザに提供することができる。例えば、このような通知シンク３０３６〜３０３８はコンピュータを含むことができ、これは、理解できるように、デスクトップおよび／またはラップトップコンピュータ、ハンドヘルドコンピュータ、携帯電話、電話、ページャ、自動車ベースのコンピュータ、ならびに、他のシステム／アプリケーションなどである。シンク３０３６〜３０３８のいくつかは、シンクの他のものよりもリッチに通知を搬送することができることに留意されたい。例えば、デスクトップコンピュータは通常、それに結合されたスピーカおよび比較的大きいカラーディスプレイを有し、ならびに、ローカルネットワークまたはインターネットに結合されるときに情報を受信するためにより高い帯域幅を有する。したがって、通知をデスクトップコンピュータによってユーザへ、比較的リッチな方法で搬送することができる。逆に、多数の携帯電話は、例えば、白黒の可能性があるより小さいディスプレイを有し、比較的低い帯域幅で情報を受信する。相応して、携帯電話によって搬送された通知に関連付けられた情報は一般に、例えば、より短い可能性があり、電話のインタフェース機能に適応させられる可能性がある。したがって、通知の内容は、それが携帯電話に送信されるべきであるか、デスクトップコンピュータに送信されるべきであるかに応じて、異なる可能性がある。本発明の一態様によれば、通知シンクは、例えば、イベントサブスクリプションサービスを介してイベントまたは通知をサブスクライブするものを指すことができる。

通知エンジン３０２４は、コンテキストアナライザによって格納および／または判定された情報にアクセスし、ソース３０２６〜３０２８から受信された通知のどれを、シンク３０３６〜３０３８のどれに搬送するべきであるかを判定する。さらに、通知エンジン３０２４は、どのように通知が搬送されるべきであるかを、シンク３０３６〜３０３８のどれが、情報を送信する先に選択されているかに応じて、決定することができる。例えば、通知が、選択されたシンク３０３６〜３０３８に提供される前に要約されるべきであることを、判定することができる。

本発明は、どのようにエンジン３０２４が、通知のどれを通知シンクのどれに搬送するべきであるかについてのその意志決定を行なうか、および、何の方法で通知が搬送されるかに限定されない。一態様によれば、決定論的分析を利用することができる。例えば、通知エンジン３０２４を、ユーザの位置、注意、デバイス可用性、および、ユーザが、アラートがなかった場合に情報にアクセスするまでの時間の量を含む、変数についての重要な不確実性を推定するように適合させることができる。次いで、通知エンジン３０２４は、通知に対してユーザにアラートするかどうか、および、そうである場合、要約の性質、および、通知を中継するために使用するべき適切なデバイスについての通知意志決定を行なうことができる。一般に、通知エンジン３０２４は、通知の正味期待価値を判定する。そうすることにおいて、以下を検討することができる。
・各使用可能な通知シンクの忠実度および伝送信頼性、
・ユーザを妨げる注意コスト、
・ユーザへの情報の新規性、
・ユーザが情報を自分自身でレビューするまでの時間、
・情報の潜在的コンテキスト依存価値、および／または、
・通知内に含まれた情報の経時的な価値の増加および／または減少。

したがって、不確実性について行なわれた推定を、例えば、ユーザのある注意状態が与えられた特定のデバイスの特定のモードの使用によるユーザへの混乱のコストなど、価値の期待尤度として生成することができる。通知エンジン３０２４は、以下の１つまたは複数についての意志決定を行なうことができる。
・何をユーザが現在試みており、行なっているか（例えば、コンテキスト情報に基づく）、
・ユーザが現在どこにいるか、
・情報がどのくらい重要であるか、
・通知を延期するコストは何か、
・通知がどのくらい気を散らすようになるか、
・ユーザに伝わる尤度は何か、および、
・所与の通知シンクの特定のモードの使用に関連付けられた忠実度損失は何か。

したがって、通知エンジン３０２４は、保留中およびアクティブな通知の決定論的分析などの分析を実行することができ、情報シンクおよびソースによって提供されたコンテキスト依存変数を評価し、選択された不確実性を推定し、これは、ユーザが情報をレビューする可能性が高くなるまでの時間、ならびに、ユーザの位置および現在の注意状態などである。

さらに、通知エンジン３０２４は、パーソナライズされた決定論的分析の代わりに、あるいはそれをサポートするために、コンテキストアナライザ３０２２によってユーザプロファイルに格納された情報にアクセスすることができる。例えば、ユーザプロファイルは、所与の時間にユーザがページャを介して、かつ通知が所定の重要性レベルを有する場合にのみ、通知されることを好むことを示す可能性がある。このような情報を、それから決定論的分析を開始するためのベースラインとして利用することができ、あるいは、それによって通知エンジン３０２４が、どのようにユーザに通知するか、およびユーザに通知するべきであるかどうかを判定する方法にすることができる。

本発明の一態様によれば、通知プラットフォームアーキテクチャ３０００を、イベンティングまたはメッセージングインフラストラクチャ上に存在するレイヤとして構成することができる。しかし、本発明は、いかなる特定のイベンティングインフラストラクチャにも限定されない。このようなイベンティングおよびメッセージングシステムおよびプロトコルには、以下が含まれる可能性がある。
・ハイパーテキスト転送プロトコル（ＨＴＴＰ）、または当技術分野内で知られているようなＨＴＴＰ拡張、
・当技術分野内で知られているような、Ｓｉｍｐｌｅ Ｏｂｊｅｃｔ Ａｃｃｅｓｓ Ｐｒｏｔｏｃｏｌ（ＳＯＡＰ）、
・当技術分野内で知られているような、Ｗｉｎｄｏｗｓ（登録商標） Ｍａｎａｇｅｍｅｎｔ Ｉｎｓｔｒｕｍｅｎｔａｔｉｏｎ（ＷＭＩ）、
・当技術分野内で知られているような、Ｊｉｎｉ、および、
・例えば、パケット交換プロトコルに基づいたものなど、実質的にいかなるタイプもの通信プロトコル。

さらに、当業者には理解できるように、このアーキテクチャを、柔軟的に分散された計算インフラストラクチャ上に存在するレイヤとして構成することができる。したがって、通知プラットフォームアーキテクチャは、基礎となるインフラストラクチャを、例えば、それによりソースが通知、アラートおよびイベントを送信する方法として、また、それによりシンクが通知、アラートおよびイベントを受信する方法として利用することができる。しかし、本発明はそのように限定されない。

図３１を参照すると、本発明の様々な態様を実施するための例示的環境３１１０は、コンピュータ３１１２を含む。コンピュータ３１１２は、プロセッサ３１１４、システムメモリ３１１６、および、システムバス３１３１を含む。システムバス３１３１は、それだけに限定されないが、システムメモリ３１１６を含むシステムコンポーネントをプロセッサ３１１４に結合する。プロセッサ３１１４を、様々な使用可能なプロセッサのいずれにすることもできる。デュアルマイクロプロセッサおよび他のマルチプロセッサアーキテクチャもプロセッサ３１１４として使用することができる。

システムバス３１３１は、いくつかのタイプのバス構造のいずれにすることもでき、これには、様々な使用可能なバスアーキテクチャのいずれかを使用する、メモリバスまたはメモリコントローラ、周辺バスまたは外部バス、および／またはローカルバスが含まれ、バスアーキテクチャには、それだけに限定されないが、１１ビットバス、業界標準アーキテクチャ（ＩＳＡ）、マイクロチャネルアーキテクチャ（ＭＣＡ）、拡張ＩＳＡ（ＥＩＳＡ）、Ｉｎｔｅｌｌｉｇｅｎｔ Ｄｒｉｖｅ Ｅｌｅｃｔｒｏｎｉｃｓ（ＩＤＥ）、ＶＥＳＡローカルバス（ＶＬＢ）、Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ（ＰＣＩ）、ユニバーサルシリアルバス（ＵＳＢ）、Ａｄｖａｎｃｅｄ Ｇｒａｐｈｉｃｓ Ｐｏｒｔ（ＡＧＰ）、Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ Ｍｅｍｏｒｙ Ｃａｒｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｓｓｏｃｉａｔｉｏｎバス（ＰＣＭＣＩＡ）、および、Ｓｍａｌｌ Ｃｏｍｐｕｔｅｒ Ｓｙｓｔｅｍｓ Ｉｎｔｅｒｆａｃｅ（ＳＣＳＩ）が含まれる。

システムメモリ３１１６は、揮発性メモリ３１２０および不揮発性メモリ３１２２を含む。基本入出力システム（ＢＩＯＳ）は、起動中など、コンピュータ３１１２内の複数の要素の間で情報を転送するための基本ルーチンを含み、不揮発性メモリ３１２２に格納される。例として、限定ではなく、不揮発性メモリ３１２２には、読み取り専用メモリ（ＲＯＭ）、プログラマブルＲＯＭ（ＰＲＯＭ）、ＥＰＲＯＭ（erasable programmable read-only memory）、ＥＥＰＲＯＭ（Electronically Erasable and Programmable Read Only Memory）、またはフラッシュメモリが含まれる可能性がある。揮発性メモリ３１２０には、ランダムアクセスメモリ（ＲＡＭ）が含まれ、これは外部キャッシュメモリとして動作する。例として、限定ではなく、ＲＡＭは、シンクロナスＲＡＭ（ＳＲＡＭ）、ダイナミックＲＡＭ（ＤＲＡＭ）、シンクロナスＤＲＡＭ（ＳＤＲＡＭ）、ダブルデータレートＳＤＲＡＭ（ＤＤＲ ＳＤＲＡＭ）、拡張ＳＤＲＡＭ（ＥＳＤＲＡＭ）、シンクリンクＤＲＡＭ（ＳＬＤＲＡＭ）、および、ｄｉｒｅｃｔ Ｒａｍｂｕｓ ＲＡＭ（ＤＲＲＡＭ）など、多数の形態において使用可能である。

コンピュータ３１１２はまた、リムーバブルおよび非リムーバブル、揮発性／不揮発性のコンピュータストレージメディアも含む。図３１は、例えば、ディスクストレージ３１２４を例示する。ディスクストレージ３１２４には、それだけに限定されないが、磁気ディスクドライブ、フロッピー（登録商標）ディスクドライブ、テープドライブ、Ｊａｚドライブ、Ｚｉｐドライブ、ＬＳ−１００ドライブ、フラッシュメモリカード、またはメモリスティックが含まれる。加えて、ディスクストレージ３１２４はストレージメディアを、他のストレージメディアとは別々に、あるいはそれと組み合わせて含むことができ、他のストレージメディアには、それだけに限定されないが、コンパクトディスクＲＯＭデバイス（ＣＤ−ＲＯＭ）、書き込み可能ＣＤドライブ（ＣＤ−Ｒドライブ）、再書き込み可能ＣＤドライブ（ＣＤ−ＲＷドライブ）、または、ＤＶＤ（Digital Versatile Disc）−ＲＯＭドライブなどの光ディスクドライブが含まれる。ディスクストレージデバイス３１２４をシステムバス３１３１に接続することを容易にするために、インタフェース３１２６など、リムーバブルまたは非リムーバブルインタフェースが通常使用される。

図３１は、適切なオペレーティング環境３１１０において記載したユーザと基本コンピュータリソースの間の仲介として動作するソフトウェアを記載することを理解されたい。このようなソフトウェアには、オペレーティングシステム３１２８が含まれる。オペレーティングシステム３１２８は、ディスクストレージ３１２４上に格納することができ、コンピュータシステム３１１２のリソースのコントロールおよび割り振りを行なうように動作する。システムアプリケーション３１３０は、オペレーティングシステム３１２８による、システムメモリ３１１６内またはディスクストレージ３１２４上に格納されたプログラムモジュール３１３２およびプログラムデータ３１３４を通じたリソースの管理を利用する。本発明を、様々なオペレーティングシステムまたはオペレーティングシステムの組み合わせにより実施できることを理解されたい。

ユーザはコマンドまたは情報をコンピュータ３１１２へ、入力デバイス３１３６を通じて入力する。入力デバイス３１３６には、それだけに限定されないが、マウスなどのポインティングデバイス、トラックボール、スタイラス、タッチパッド、キーボード、マイクロフォン、ジョイスティック、ゲームパッド、衛星パラボラアンテナ、スキャナ、ＴＶチューナーカード、デジタルカメラ、デジタルビデオカメラ、ウェブカメラなどが含まれる。これらおよび他の入力デバイスはプロセッサ３１１４へ、システムバス３１３１を通じて、インタフェースポート３１３８を介して接続する。インタフェースポート３１３８には、例えば、シリアルポート、パラレルポート、ゲームポートおよびユニバーサルシリアルバス（ＵＳＢ）が含まれる。出力デバイス３１４０は、入力デバイス３１３６と同じタイプのポートのいくつかを使用する。したがって、例えば、ＵＳＢポートを使用して入力をコンピュータ３１１２に提供することができ、情報をコンピュータ３１１２から出力デバイス３１４０に出力することができる。出力アダプタ３１４２が提供されて、他の出力デバイス３１４０の中でも、専用アダプタを必要とするモニタ、スピーカおよびプリンタのようないくつかの出力デバイス３１４０があることが例示される。出力アダプタ３１４２には、例として、限定ではなく、ビデオおよびサウンドカードが含まれ、これは、出力デバイス３１４０とシステムバス３１３１の間の接続の手段を提供する。他のデバイスおよび／またはデバイスのシステムは、リモートコンピュータ３１４４など、入力および出力機能を提供することに留意されたい。

コンピュータシステム３１１２はネットワーク環境において、リモートコンピュータ３１４４など、１つまたは複数のリモートコンピュータへの論理接続を使用して動作することができる。リモートコンピュータ３１４４は、パーソナルコンピュータ、サーバー、ルーター、ネットワークＰＣ、ワークステーション、マイクロプロセッサベースのアプライアンス、ピアデバイスまたは他の共通ネットワークノードなどにすることができ、通常は、コンピュータ３１１２に関連して上述した要素の多数またはすべてを含む。簡潔にするため、メモリストレージデバイス３１４６のみをリモートコンピュータ３１４４と共に例示する。リモートコンピュータ３１４４は論理的にコンピュータ３１１２へ、ネットワークインタフェース３１４８を通じて接続され、次いで物理的に、通信接続３１５０を介して接続される。ネットワークインタフェース３１４８は、ローカルエリアネットワーク（ＬＡＮ）およびワイドエリアネットワーク（ＷＡＮ）など、通信ネットワークを包含する。ＬＡＮ技術には、ＦＤＤＩ（fiber distributed data interface）、ＣＤＤＩ（copper distributed data interface）、イーサネット（登録商標）／ＩＥＥＥ．１１０２．３、トークンリング／ＩＥＥＥ１１０２．５などが含まれる。ＷＡＮ技術には、それだけに限定されないが、ｐｏｉｎｔ−ｔｏ−ｐｏｉｎｔリンク、総合デジタルサービス通信網（ＩＳＤＮ）およびその変形形態のような回線交換網、パケット交換網、およびデジタル加入者線（ＤＳＬ）が含まれる。

通信接続３１５０は、ネットワークインタフェース３１４８をバス３１３１に接続するために使用されるハードウェア／ソフトウェアを指す。通信接続を例示的に明確にするために、コンピュータ３１１２の内部に示すが、これをコンピュータ３１１２の外部にすることもできる。ネットワークインタフェース３１４８への接続のために必要なハードウェア／ソフトウェアには、例示のためにのみ、通常電話グレードのモデム、ケーブルモデムおよびＤＳＬモデムを含むモデム、ＩＳＤＮアダプタ、およびイーサネット（登録商標）カードなど、内部および外部技術が含まれる。

図３２は、本発明が相互に作用することができる、サンプルコンピューティング環境３２００の概略ブロック図である。システム３２００は１つまたは複数のクライアント３２１０を含む。クライアント３２１０を、ハードウェアおよび／またはソフトウェア（例えば、スレッド、プロセス、コンピューティングデバイス）にすることができる。システム３２００はまた、１つまたは複数のサーバー３２３０も含む。サーバー３２３０もまた、ハードウェアおよび／またはソフトウェア（例えば、スレッド、プロセス、コンピューティングデバイス）にすることができる。サーバー３２３０はスレッドを収容して、例えば、本発明を使用することによって変換を実行することができる。クライアント３２１０とサーバー３２３０の間の１つの可能な通信を、２つ以上のコンピュータプロセスの間で送信されるように適合されたデータパケットの形態におけるものにすることができる。システム３２００は通信フレームワーク３２５０を含み、これを使用して、クライアント３２１０とサーバー３２３０の間の通信を容易にすることができる。クライアント３２１０は、１つまたは複数のクライアントデータストア３２６０に動作可能に接続され、これを使用して、情報をクライアント３２１０にローカルに格納することができる。同様に、サーバー３２３０は、１つまたは複数のサーバーデータストア３２４０に動作可能に接続され、これを使用して、情報をサーバー３２３０にローカルに格納することができる。

図３３〜３７は、本発明の一態様による例示的アプリケーションを例示する。図３３は、電子メールから離れる時間についての予測を、いつ緊急メッセージをポータブルデバイスに送信するべきであるかについての決定において使用することを例示し、これは参照番号３３００に例示するものなどである。図３４は、３４００で、電子メールから離れる時間についての予測を、パーソナライズされたオフィス不在メッセージを同僚に送信することについての決定において使用することを例示し、任意選択で３４１０で、オフィス不在メッセージにおいて電子メールから離れる時間の予想を含む。図３５は、３５００で、オフィス不在メッセージにおいて不在の時間の予想を例示する。図３６は、３６００で、オフィスから離れる時間についての予測を、不在の時間についての予測を他者と共有するアプリケーション（例えば、電子カレンダ）において使用することを例示する。図３７は、本発明による予想を使用する再スケジューリングアプリケーションを例示する。３７００で、インタフェースが提供されて、現在不在であるユーザのための電話を再スケジュールするためのオプションが発信者に与えられる。３７１０で、不在の時間の予想の使用を介して、電話を再スケジュールするための提案された時間が提供される。

上述したものは、本発明の例を含む。言うまでもなく、本発明を説明するための構成要素または方法のあらゆる考えられる組み合わせを説明することは可能ではなく、本発明の複数のさらなる組み合わせおよび置換が可能であることは、当業者には理解されよう。したがって、本発明は、添付の特許請求の範囲の趣旨および範囲内に入るこのようなすべての変更、修正および変形形態を包含するように意図される。さらに、「含む（include）」という用語が詳細な説明または特許請求の範囲において使用される限りにおいて、このような用語は、「備える（comprising）」という用語が、特許請求の範囲内の移行句として使用されるときに解釈されるときの「備える（comprising）」に類似した方法で、包含的であるように意図される。

本発明の一態様による予想システムの概略ブロック図である。 本発明の一態様による調整システムの概略図である。 本発明の一態様による調整システムを構成するためのグラフィカルユーザインタフェースを例示する図である。 本発明の一態様による調整システムにおいて予想を表示するためのグラフィカルユーザインタフェースを例示する図である。 本発明の一態様による調整システムと対話するためのグラフィカルユーザインタフェースを例示する図である。 本発明の一態様による調整システムと対話するためのグラフィカルユーザインタフェースを例示する図である。 本発明の一態様による調整システムと対話するためのグラフィカルユーザインタフェースを例示する図である。 本発明の一態様による、ミーティングに出席する尤度、ならびに、割り込み可能性およびミーティングの位置に渡る確率分布を予測する、ベイズネットワークを例示する影響図である。 本発明の一態様による、ユーザがミーティングに出席するであろう確率を予測するための判断ツリーの図である。 本発明の一態様による、トレーニングデータから構築されたミーティングの割り込み可能性を予測するための判断ツリーの図である。 本発明の一態様による割り込みのコストを例示する図である。 本発明の一態様による存在予想におけるミーティング分析の影響を例示する図である。 本発明の一態様による調整システム構成を例示するグラフィカルユーザインタフェースの図である。 本発明の一態様によるイベントロギングを例示する図である。 本発明の一態様による動的ベイズモデルを例示する図である。 本発明の一態様によるイベントシステムのためのコントロールパネルを例示する図である。 本発明の一態様によるイベントホワイトボードを例示する図である。 本発明の一態様による、注意状態、および、経時的な割り込みの期待コストについての影響を例示する図で、（ａ）は注意状態についての影響を例示する図、（ｂ）は経時的な割り込みの期待コストについての影響を例示する図ある。 本発明の一態様によるアラート表示を例示する図である。 本発明の一態様による割り込みワークベンチを例示する図である。 本発明の一態様によるベイズネットワークモデルを例示する図である。 本発明の一態様による様々な判断ツリーを例示する図である。 本発明の一態様による様々な判断ツリーを例示する図である。 本発明の一態様による様々な判断ツリーを例示する図である。 本発明の一態様による様々な判断ツリーを例示する図である。 本発明の一態様による様々な判断ツリーを例示する図である。 本発明の一態様による存在および可用性予想のためのプロセスを示す流れ図である。 本発明の一態様による通信システムの概略ブロック図である。 本発明の一態様による優先度システムの概略ブロック図である。 本発明の一態様による、通知エンジンおよびコンテキストアナライザの間の組織的協調を例示する概略ブロック図である。 本発明の一態様による適切なオペレーティング環境を例示する概略ブロック図である。 本発明がそれと対話することができるサンプルコンピューティング環境の概略ブロック図である。 本発明の一態様によるアプリケーションの例を例示する図である。 本発明の一態様によるアプリケーションの例を例示する図である。 本発明の一態様によるアプリケーションの例を例示する図である。 本発明の一態様によるアプリケーションの例を例示する図である。 本発明の一態様によるアプリケーションの例を例示する図である。

符号の説明

１１０ 予想サービス／コンポーネント
１１４ クエリ
１２０ 現在および／または将来のユーザ状態情報
１２４ アプリケーション
１３０ 許可された人々
１３４ 学習コンポーネント
１４０ ユーザイベントデータ
１５０ データ獲得コンポーネント

Claims (102)

1. エンティティの間の通信およびコラボレーションを容易にするためのシステムであって、
   １つまたは複数のユーザのアクティビティパターンに従ってトレーニングされる学習コンポーネントと、
   前記学習コンポーネントを使用して、前記１つまたは複数のユーザの状態に関係する予測を生成する予想コンポーネントと
   を備えたことを特徴とするシステム。
2. 前記予想コンポーネントは、識別されたユーザの存在および可用性に関する１つまたは複数のクエリを受信し、識別された前記ユーザの現在または将来に関係する１つまたは複数の予測を生成することを特徴とする請求項１に記載のシステム。
3. 前記クエリおよび１つまたは複数の戻された状態は、１つまたは複数の自動アプリケーションまたは許可された人々によって生成および受信されることを特徴とする請求項２に記載のシステム。
4. 前記クエリは、前記アプリケーションまたは前記許可された人々によって、識別されたユーザの存在、可用性、位置、通信能力、デバイス可用性のうち少なくとも１つに関する回答を得るために発信されることを特徴とする請求項３に記載のシステム。
5. 前記予想コンポーネントは、どのくらい長く人が不在であると期待されるか、または、どのくらい長く人が使用可能でない可能性があるかに関係する相補的情報を判定することを特徴とする請求項１に記載のシステム。
6. 存在状態は、ユーザがある位置に到着するか、そこから去るまでの時間、前記ユーザが少なくとも時間ｔに渡ってある位置にいるようになるまでの時間、前記ユーザがデバイスへのアクセスを有するまでの時間、前記ユーザが電子メールまたは他のメッセージをレビューするまでの時間、前記ユーザが進行中の会話を終了するまでの時間、前記ユーザがミーティングに出席する尤度、経時的な割り込みの期待コストのうち少なくとも１つを含むことを特徴とする請求項１に記載のシステム。
7. 前記学習コンポーネントは、存在状態について推論するための１つまたは複数の学習モデルを含み、前記学習モデルは、統計モデル、数学モデル、ベイズ依存性モデル、ナイーブベイズ分類器、サポートベクトルマシン（ＳＶＭ）、ニューラルネットワークおよび隠れマルコフモデルのうち少なくとも１つを含むことができることを特徴とする請求項１に記載のシステム。
8. 前記学習コンポーネントは、前記１つまたは複数のユーザに関連付けられた複数の異なるデータソースからのデータを集約するユーザイベントデータストアから、トレーニングされることを特徴とする請求項１に記載のシステム。
9. 前記データソースは、ユーザイベントデータを記録またはログするデータ獲得コンポーネントを含み、前記データソースは、携帯電話、加速度計、マイクロフォンによって記録された音響アクティビティ、全地球測位システム（ＧＰＳ）、電子カレンダ、時間情報、視覚監視デバイス、無線デバイスおよびコンピュータデスクトップアクティビティのうち少なくとも１つを含むことを特徴とする請求項８に記載のシステム。
10. 前記予想コンポーネントは、サーバー、サーバーファーム、クライアントアプリケーション、ウェブサービス、および、回答を自動システムまたは許可された人々に提供する自動アプリケーションのうち少なくとも１つとして実施されることを特徴とする請求項１に記載のシステム。
11. 前記データ獲得コンポーネントは、ユーザが、ユーザの存在を定義するために利用されたオーディオおよびビデオソースのパラメータを構成および定義することができる信号処理レイヤを含むことを特徴とする請求項９に記載のシステム。
12. 前記予想コンポーネントは、クエリによって定義されるような、不在および存在の期間、ならびに、アポイントメント開始および終了時間の間の移行のような、ランドマークの間の時間的関係を表す変数の公式化および離散化のカスタム調整を可能にするための前記クエリと一致する事例のセットを、イベントデータベースから構成することを特徴とする請求項１に記載のシステム。
13. 前記イベントデータベースは、存在および不在の期間をイベントとしてイベントログにおいてログすることを特徴とする請求項１２に記載のシステム。
14. 前記イベントは、各機能および位置によって定義されるソースデバイスによって注釈を付けられることを特徴とする請求項１３に記載のシステム。
15. 前記ユーザが異なるタイプのデバイスへのアクセスを有するまでの時間に渡る確率分布をシステムが予想することができるようにする機能によって索引付けされた、特定のデバイスによる、イベントのタグ付けをさらに備えたことを特徴とする請求項１４に記載のシステム。
16. 前記ソースデバイスが、ユーザの位置の予想を可能にする固定位置に割り当てられることをさらに備えたことを特徴とする請求項１４に記載のシステム。
17. システム上で実行中であるアプリケーション、現在フォーカスが合っているアプリケーション、またはフォーカスが外れたばかりのアプリケーションを含めて、ユーザの、コンピューティングシステムとの対話の履歴を監視するためのイベントシステムをさらに備えたことを特徴とする請求項１に記載のシステム。
18. 前記予想コンポーネントは、ユーザが電子メールをチェック中であるか、通知をレビュー中であるときを識別することを特徴とする請求項１に記載のシステム。
19. 前記予想コンポーネントは、ユーザが通信をレビューする可能性が高くなるまでの時間を、前記ユーザが最後に前記通信をレビューしてからどのくらいの時間が経過しているかが与えられると、予想することを特徴とする請求項１８に記載のシステム。
20. 前記予想コンポーネントは、ユーザがアプリケーションを使用するか、あるいは前記アプリケーションの使用をやめるまでの時間を判定することを特徴とする請求項１に記載のシステム。
21. 前記予想コンポーネントは、現在の会話が終了する可能性が高い時間を予測することを特徴とする請求項１に記載のシステム。
22. 請求項１に記載の前記学習コンポーネントおよび前記予想コンポーネントを実施するためのコンピュータ可読命令を記憶していることを特徴とするコンピュータ読み取り可能な記録媒体。
23. 前記学習コンポーネントおよび前記予想コンポーネントのうち少なくとも１つは、メッセージ送信者またはシステムに、ユーザの期待された存在および可用性に基づいて、連絡を確立して情報を得た上で意志決定を行なう尤度に関して有用な情報を提供するために、通信システム、通知システム、メッセージングシステム、優先度システム、自動ミーティングまたは対話型通信スケジューラまたは再スケジューラ、スマートキャッシングシステム、オーディオシステム、カレンダリングシステム、スケジューリングシステム、自動保守システム、自動エージェント、ビデオシステム、デジタルアシスタント、およびユーザ追跡システムのうち少なくとも１つに関連付けられることを特徴とする請求項１に記載のシステム。
24. 存在予想を提供するための方法であって、
    クエリに基づいて、複数のランドマーク状態の中で１つまたは複数の顕著な最近の移行を表す近接アクティビティコンテキストを判定するステップと、
    より最近のランドマーク状態のタイミングに依存する将来の状態を予測するためのモデルを構成するステップと
    を備えることを特徴とする方法。
25. 式ｐ（ｔ_ｅ｜Ｅ，ξ）に従って予想を提供するステップをさらに備え、ｔ_ｅは、関心のあるイベントが発生するまでの時間であり、証拠Ｅは、近接アクティビティコンテキスト、日時、曜日、および、検討中のアクティブなカレンダ項目の特性を表す複数の属性を含むことを特徴とする請求項２４に記載の方法。
26. 不在であったユーザがそのオフィスに戻るか、あるいはそのオフィスに戻って少なくともある時間ｔに渡って残ることになるまでの時間を予測するステップをさらに備え、前記近接アクティビティコンテキストは、前記ユーザが存在から不在へ移行してからの期間であることを特徴とする請求項２４に記載の方法。
27. 存在するユーザがそのオフィスを離れるか、あるいは、少なくともある時間ｔに渡って不在となる前にどのくらい長くかかるか予想するステップをさらに備え、前記近接アクティビティコンテキストは、前記ユーザが不在から存在へ移行してからの時間として取られることを特徴とする請求項２４に記載の方法。
28. 予想モデルを構築するための方法であって、
    ミーティングに関連付けられた複数の区別を分析し、観察を、存在および可用性の分析に統合するステップと、
    アポイントメントの複数の属性を、前記ミーティングに出席されるであろう尤度に関係付けるモデルを構築するステップと
    を備えることを特徴とする方法。
29. 前記ミーティングの割り込み可能性を判定するモデルを構築するステップをさらに備えることを特徴とする請求項２８に記載の方法。
30. 位置が、アポイントメントと共にリストされた位置文字列から明らかでないとき、ミーティングの位置を推定するステップをさらに備えることを特徴とする請求項２８に記載の方法。
31. 出席のモデルを、市販のサーバーからのアポイントメントからのアポイントメントプロパティに自動的にアクセスすることによって構築するステップをさらに備えることを特徴とする請求項２８に記載の方法。
32. アポイントメントおよびそれらのプロパティのドラフトトレーニングセットを作成し、各アポイントメントについての出席フィールドに、出席についてのヒューリスティックスのセットを介して行なわれた推量によりマークを付けるステップをさらに備えることを特徴とする請求項２８に記載の方法。
33. 出席ヒューリスティックスを使用して、デスクトップアクティビティの、スケジュールされたミーティングの一部への拡張を、ミーティングに出席されなかった証拠として見なし、ミーティング中のアクティビティの欠如を、ミーティングに出席された証拠として見なすステップをさらに備えることを特徴とする請求項３２に記載の方法。
34. 出席に関してドラフトデータセットとして取られる予想を提供し、ユーザが前記ドラフトデータセットを、注意の手動のラベリングによりリファインすることができる使用可能なツールを作成するステップをさらに備えることを特徴とする請求項３２に記載の方法。
35. アポイントメントをそれらの発生の順序で表示するフォームを生成し、出席についての予想を含む出席フィールドを表示するステップをさらに備えることを特徴とする請求項２８に記載の方法。
36. ミーティングの物理的位置の査定を追加し、前記ミーティングがどのくらい割り込み可能であるかを、ミーティングが低割り込み可能性であるか、中割り込み可能性であるか、高割り込み可能性であるかを指定することによって追加するステップをさらに備えることを特徴とする請求項３５に記載の方法。
37. ミーティングの日時、ミーティングの持続時間、対象、位置、主催者、招待者の数および性質、前記ユーザの役割、前記ユーザの応答状況、前記ミーティングが再発するかどうか、および、前記時間に、前記ユーザのカレンダ上で忙しいとしてマークが付けられるか、手が空いているとしてマークが付けられるかに鑑みて、モデルを構築するステップをさらに備えることを特徴とする請求項２８に記載の方法。
38. 現在または将来の時間のユーザについての割り込みの期待コスト（ＥＣＩ）に関係する情報を交換するステップをさらに備えることを特徴とする請求項２８に記載の方法。
39. ユーザに、関連付けられた割り込み可能性レベルについての割り込みのドル価値コストを関連付けるための機能を提供するステップをさらに備えることを特徴とする請求項３８に記載の方法。
40. 割り込みの期待コスト（ＥＣＩ）を、以下の式に従って計算するステップをさらに備え、
    

    

    ただし、Ａ^ｍは、ミーティングに出席するイベントであり、ｃ_ｉ ^ｍは、割り込み可能性の値ｉに関連付けられた割り込みのコストであり、ｃ^ｄは、検討中の期間に渡るデフォルトコストであり、Ｅは、カレンダ属性、近接コンテキスト、曜日および日時についての観察を表すことを特徴とする請求項３８に記載の方法。
41. エンティティの間の通信およびコラボレーションを容易にするためのシステムであって、
    １つまたは複数のユーザイベントからアクティビティパターンを学習する手段と、
    将来のユーザ状態に関係する予測を、自動アプリケーションからのクエリに基づいて生成する手段と
    を備えたことを特徴とするシステム。
42. 通信およびコラボレーションシステムにより使用するためのグラフィカルユーザインタフェースであって、
    １つまたは複数のユーザの予測された存在状況を示すグラフィカルユーザインタフェースに関連付けられた、１つまたは複数の表示オブジェクトと、
    前記予測された存在状況を問い合わせるための少なくとも１つの入力と
    を備えたことを特徴とするグラフィカルユーザインタフェース。
43. 前記入力は、リアルタイム選択、オフライン選択、予想選択、仮定選択、および時間選択のうち少なくとも１つをさらに備えたことを特徴とする請求項４２に記載のグラフィカルユーザインタフェース。
44. 前記予想選択は、オンライン選択、電子メールレビュー選択、通話選択、在オフィス選択、在宅オンライン選択、ビデオ会議可能選択、全画面使用可能選択、複数モニタ使用可能選択、使用可能電話のタイプ選択、ネットミーティング使用可能選択、および割り込みのコスト選択をさらに備えたことを特徴とする請求項４３に記載のグラフィカルユーザインタフェース。
45. ユーザが所与の通信メディアを介して通信することができるまでの時間の予測された量のグラフィカルまたは数値の結果を示す表示オブジェクトをさらに備えたことを特徴とする請求項４２に記載のグラフィカルユーザインタフェース。
46. ユーザの可能な所在についての手がかりを表示することをさらに備えたことを特徴とする請求項４５に記載のグラフィカルユーザインタフェース。
47. ユーザの存在の確率を示すグラフを生成することをさらに備えたことを特徴とする請求項４２に記載のグラフィカルユーザインタフェース。
48. 存在分析のための１つまたは複数のプロファイルの設定を可能にするためのインタフェースを提供することをさらに備えたことを特徴とする請求項４２に記載のグラフィカルユーザインタフェース。
49. 前記インタフェースは、前記１つまたは複数のプロファイルに関連付けられた割り込みコストを設定することを可能にすることを特徴とする請求項４８に記載のグラフィカルユーザインタフェース。
50. 前記インタフェースは、各プロファイルについて、異なる期間、日、およびカレンダ期間を設定することを可能にすることを特徴とする請求項４９に記載のグラフィカルユーザインタフェース。
51. エンティティの間の通信およびコラボレーションを容易にするためのシステムであって、
    １つまたは複数のユーザのアクティビティパターンに従ってモデルを構成するツールと、
    前記モデルを使用して、前記１つまたは複数のユーザの状態に関係する予測を生成する予想コンポーネントと
    を備えたことを特徴とするシステム。
52. 前記モデルは、ユーザの注意の焦点について推論するための動的ベイズモデルを使用することを特徴とする請求項５１に記載のシステム。
53. 前記状態は、高焦点単独アクティビティ、中焦点単独アクティビティ、低焦点単独アクティビティ、オフィスにおける会話、プレゼンテーション、運転、私的な個人的時間、および睡眠のうち少なくとも１つを含むことを特徴とする請求項５１に記載のシステム。
54. 前記モデルは、ユーザが特定の注意状態であることが与えられると、タスクまたは通信イベントＤ_ｉによって混乱させられる注意状態Ａ_ｊにおけるユーザの前記コストを取り込んで効用ｕ（Ｄ_ｉ，Ａ_ｊ）を処理することによって、異なるタイプの割り込みのコストを推定することを特徴とする請求項５１に記載のシステム。
55. 前記コストは、混乱を回避するためにドルで支払うための意欲として査定されることを特徴とする請求項５４に記載のシステム。
56. 前記モデルは、入力感覚情報のストリームにおいて調整された注意の各状態の尤度によって重み付けされた、前記効用に渡って合計することによって、割り込みの期待コスト（ＥＣＩ）を計算することを特徴とする請求項５４に記載のシステム。
57. 前記ＥＣＩは以下のように計算され、
    

    

    ただし、ｐ（Ａ_ｊ｜Ｅ）は、証拠ストリームＥにおいて調整された注意状態の確率であることを特徴とする請求項５６に記載のシステム。
58. 音響および視覚情報を処理するためのイベントクラスおよびグラフィカル表示を有するイベントシステムのためのコントロールパネルをさらに備えたことを特徴とする請求項５１に記載のシステム。
59. ベイズヘッドトラッキングシステムにより処理される視覚的姿勢を取り込むためのコンポーネント、および、環境音響アクティビティを処理するためのコンポーネントをさらに備えたことを特徴とする請求項５８に記載のシステム。
60. 自動的に検査されるユーザのカレンダを監視するためのコンポーネントをさらに備えたことを特徴とする請求項５８に記載のシステム。
61. 低レベルシステムイベントのパターンをより高レベルのイベントに合体するための抽象化ツールを提供するクライアントイベントシステムをさらに備えたことを特徴とする請求項５１に記載のシステム。
62. 前記低レベルイベントは、ユーザが入力およびマウスでクリックしているかどうかを含む、アプリケーションが使用中であることとして取り込まれ、前記より高レベルのイベントは、アプリケーションの間で切り替えるパターン、およびタスク完了の指示を含むことを特徴とする請求項６１に記載のシステム。
63. 前記カレンダの監視は、ミーティングが進行中であるかどうか、前記ミーティングが終了するまでの時間の長さ、および、前記ミーティングの位置をさらに備えたことを特徴とする請求項６０に記載のシステム。
64. システムによって検討された低レベルおよびより高レベルのイベントの状態を取り込み、共有するためのイベントホワイトボードをさらに備えたことを特徴とする請求項５１に記載のシステム。
65. 前記イベントは、アプリケーションの誕生および死、アプリケーションが現在「トップ上」であり、対話されていること、および、使用パターンを取り込むイベントについての詳細を含むことを特徴とする請求項６４に記載のシステム。
66. 割り込みの期待コストのモデルを使用する通知システムから生成された１つまたは複数のアラート表示をさらに備えたことを特徴とする請求項６５に記載のシステム。
67. 前記アラート表示はオーディオの先触れに結合されることを特徴とする請求項６６に記載のシステム。
68. 前記モデルは、コンピュータ上で動作可能な割り込みワークベンチ上で調整されることを特徴とする請求項５１に記載のシステム。
69. オフィス設定におけるユーザの割り込み可能性の前記状態を、知覚センサからのイベントおよびデスクトップアクティビティのロギングに基づいて予測するために使用されるモデルの学習をさらに備えたことを特徴とする請求項６８に記載のシステム。
70. 前記割り込みワークベンチは、イベント取り込み、時間のセグメントの注釈、モデルの構築、および、割り込み可能性の統計モデルのテストに備えたことを特徴とする請求項６８に記載のシステム。
71. 前記割り込みワークベンチは、トレーニングセッションにより監視されたイベントを、デジタルビデオテープからのシーンと同期化させ、時間のセグメントのラベル付けを容易にし、これらをイベントに関連付けるイベントロギングシステムを含むことを特徴とする請求項７０に記載のシステム。
72. イベントおよびコンテキスト取り込みに関係するモデル構築の第１のフェーズを提供するコンポーネントをさらに備えたことを特徴とする請求項６８に記載のシステム。
73. 対象のアクティビティおよびオフィス全体のコンテキストを記録するために使用されるビデオカメラをさらに備えたことを特徴とする請求項７２に記載のシステム。
74. タグ付けおよび査定に関係するモデル構成のための第２のフェーズを提供するコンポーネントをさらに備えたことを特徴とする請求項６８に記載のシステム。
75. 対象が、ビデオテープにおいて見られた期間に、高、中および低割り込み可能性としてタグを付けることができるようにするためのコンポーネントをさらに備えたことを特徴とする請求項７４に記載のシステム。
76. 対象が、尺度を定義すること、および、割り込みのコストを表す、実質価値の値に渡る確率分布について直接推論するモデルを構築することができるようにするためのコンポーネントをさらに備えたことを特徴とする請求項７４に記載のシステム。
77. 検討中の各混乱について、異なるクラスの割り込みの前記割り込みの期待コストを計算することをさらに備え、割り込み可能性の期待コストは以下のように、注意の明示的状態について、割り込み可能性の異なる状態の前記尤度ｐ（Ｉ_ｉ｜Ｅ）を置換することによって、
    

    

    計算されることを特徴とする請求項５７に記載のシステム。
78. 前記モデルは、割り込み可能性の将来の状態についての注意予想を表す変数に作用することを特徴とする請求項５１に記載のシステム。
79. 割り込み可能性の将来の状態は、割り込み可能性の低、中および高の状態に到達するまでの経時的な確率分布についての推定を取り込み、また、より特化した変数は、異なる時間の量に渡って持続する割り込み可能性の状態に到達するまでの時間を表すことを特徴とする請求項７８に記載のシステム。
80. 前記将来の状態は、通信を仲介するかどうか、いつそうするか、およびどのようにそうするかについて熟考するために使用されることを特徴とする請求項７９に記載のシステム。
81. エンティティの間の通信およびコラボレーションを容易にするためのシステムであって、
    異なる位置でのユーザの存在および不在、および／または、ユーザによる異なるデバイスおよび／または通信チャネルへのアクセスに関係する経時的な変化についての情報を収集するデータ収集コンポーネントと、
    １つまたは複数のユーザのアクティビティパターンに従ってトレーニングされる学習コンポーネントと、
    前記学習コンポーネントを使用して、前記１つまたは複数のユーザの状態に関係する予測を、ユーザの現在および将来の可用性および存在についての特定のクエリおよび／または状況について生成する予想コンポーネントと
    を備えたことを特徴とするシステム。
82. 前記情報はリレーショナルデータベースシステムにおいて収集されることを特徴とする請求項８１に記載のシステム。
83. 前記情報は、複数のデバイスに渡るユーザのアクティビティ、および、カレンダにおいて符号化されるようなアポイントメント状況の、複数の次元を含むことを特徴とする請求項８１に記載のシステム。
84. 前記情報は、前記データベース内の別個の次元として符号化される、異なる対話およびアポイントメント状況の開始および停止時間を含むことを特徴とする請求項８２に記載のシステム。
85. 前記データベースの複数の次元に渡る情報についてのクエリを作成することによって判定される、静的および動的に構成された予測モデルをさらに備えたことを特徴とする請求項８２に記載のシステム。
86. 前記クエリは、重要な移行についての日時、曜日および、ユーザの現在の移行状況のうち少なくとも１つを含む現状に基づいて動的に作成されることを特徴とする請求項８５に記載のシステム。
87. 前記モデルは、通信チャネルが現在使用可能でない場合に使用可能になるまでの時間を含む所望の予想に関連付けられた予測目標を判定することを含むことを特徴とする請求項８５に記載のシステム。
88. 前記モデルは、時系列モデル、ＡＲＩＭＡモデル、動的ベイズネットワーク、および連続時間ベイズネットワークのうち少なくとも１つを含むことを特徴とする請求項８５に記載のシステム。
89. 前記ベイズネットワークは、データベースからマッチする事例のセットを、前記データベースの適切な問い合わせを介して獲得すること、および次いで、前記事例の統計分析を使用することによって動的に学習されることを特徴とする請求項８８に記載のシステム。
90. 存在および可用性の現状および予想における接触側ユーザの関心毎に、特定のタイプの下位目標を判定するコンポーネントをさらに備えたことを特徴とする請求項８１に記載のシステム。
91. 前記下位目標は、位置、割り込み可能性、および、通信チャネルの可用性のうち少なくとも１つに関係することを特徴とする請求項９０に記載のシステム。
92. 前記通信チャネルを直接推論することができ、あるいは、チャネルを位置にリンクさせることによって情報として導出することができることを特徴とする請求項９１に記載のシステム。
93. 位置にリンクされたチャネルについての前記情報は、位置およびデバイススキーマに格納されることを特徴とする請求項９２に記載のシステム。
94. 前記スキーマは、デバイスが追加されるとき、デバイスタイプ、チャネルおよび位置に関係する情報を含むことを特徴とする請求項９３に記載のシステム。
95. デバイス、位置およびチャネルを追加および除去するための前記スキーマと対話するユーザインタフェースをさらに備えたことを特徴とする請求項９４に記載のシステム。
96. 前記位置は、８０２．１１信号およびＧＰＳ信号のうち少なくとも１つから自動的に判定されることを特徴とする請求項９４に記載のシステム。
97. 位置での別のユーザの現在の存在、割り込み可能性、ユーザによる１つまたは複数の通信チャネルのアクセスについて、または、将来の存在および可用性の予想についての詳細の異なる態様またはレベルを見るための特権を付与されるユーザに中継される予想を生成するためのコンポーネントをさらに備えたことを特徴とする請求項８１に記載のシステム。
98. 異なるタイプの予想または現状を選択的に示すためのコンポーネントをさらに備えたことを特徴とする請求項９７に記載のシステム。
99. 選択的に示すことは、情報を、タイムドメインにおけるより低い精度の情報に抽象化することを含むことを特徴とする請求項９８に記載のシステム。
100. 選択的に示すことは、組織図における関係情報を含む、あるいは動的情報によって、異なる特権を有する異なる人々を含むことを特徴とする請求項９８に記載のシステム。
101. 前記情報は、通信エージェントに、取るべき可能なアクションに関して提供されることを特徴とする請求項１００に記載のシステム。
102. ユーザ予想情報を使用して、メッセージに自動的に応答するためのコンポーネントと、
     ユーザ予想情報を他者と自動的に共有するためのコンポーネントと、
     通信を、ユーザ予想情報に基づいて再スケジュールしようと自動的に試みるためのコンポーネントと
     のうち少なくとも１つをさらに備えた
     ことを特徴とする請求項８１に記載のシステム。
     

Images