JP2015222586A - コンテキスト情報を分類する方法および装置 - Google Patents
コンテキスト情報を分類する方法および装置 Download PDFInfo
- Publication number
- JP2015222586A JP2015222586A JP2015142529A JP2015142529A JP2015222586A JP 2015222586 A JP2015222586 A JP 2015222586A JP 2015142529 A JP2015142529 A JP 2015142529A JP 2015142529 A JP2015142529 A JP 2015142529A JP 2015222586 A JP2015222586 A JP 2015222586A
- Authority
- JP
- Japan
- Prior art keywords
- context
- information
- user
- data
- patterns
- 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.)
- Withdrawn
Links
Images
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Telephone Function (AREA)
Abstract
【課題】デバイスに関連するコンテキスト情報をセグメンテーションするためのコンテキスト・セグメンテーション・プラットフォームを提供する。【解決手段】デバイスに関連するコンテキスト情報を決定する。次に、コンテキスト情報に少なくとも部分的に基づいて一つ以上のコンテキストパターンを決定し、一つ以上のコンテキストパターン間の一つ以上の遷移点を決定する。一つ以上の遷移点に少なくとも部分的に基づいて、コンテキスト情報をセグメンテーションする。【選択図】図6
Description
ワイヤレス技術やセルラサービスなどのサービスプロバイダやデバイス製造業者は、魅力的なネットワークサービスなどを通じて、顧客に価値や利便性を提供しようと日々努力している。一つの関心事項は、携帯電話やスマートフォンなどのデバイスとユーザとのやりとりに関連してユーザの振る舞いを特徴付けるようなサービスや技術の開発である。より具体的には、例えば、位置や時間、日付、アクティビティなどのコンテキスト情報を次々と収集したものに基づいてユーザの振る舞いを特徴付け、続いてコンテキスト情報からコンテキストや行動のパターンを決定する。しかしながら、サービスプロバイダやデバイス製造業者は、このような決定を、特に携帯デバイスで行うにあたって重大な技術的課題に直面している。なぜなら、コンテキスト情報のストリームを認識可能なパターンにグループ化することは、例えば計算リソースや記憶リソースのようなリソースを、しばしば非常に多く必要とするからである
したがって、コンテキスト情報を効率よく分類するための手段が必要となる。
一つの実施形態では、デバイスに関連するコンテキスト情報を決定することを含む方法が提供される。この方法はまた、コンテキスト情報に少なくとも部分的に基づいて、一つ以上のコンテキストパターンを決定することを含んでもよい。この方法はさらに、一つ以上のコンテキストパターン間の一つ以上の遷移点を決定することを含んでもよい。この方法はさらに、一つ以上の遷移点に少なくとも部分的に基づいて、コンテキスト情報のセグメンテーションを決定することを含んでもよい。
別の実施形態では、少なくとも一つのプロセッサとコンピュータプログラムコードを含む少なくとも一つのメモリとを備える装置であって、少なくとも一つのメモリとコンピュータプログラムコードは、少なくとも一つのプロセッサにより、装置にデバイスに関連するコンテキスト情報を決定することを、少なくとも部分的に実行させる。この装置はまた、コンテキスト情報に少なくとも部分的に基づいて、一つ以上のコンテキストパターンを決定することを実行させられる。この装置はさらに、一つ以上のコンテキストパターン間の一つ以上の遷移点を決定することを実行させられる。この装置はさらに、一つ以上の遷移点に少なくとも部分的に基づいて、コンテキスト情報のセグメンテーションを決定することを実行させられる。
別の実施形態では、コンピュータ可読記憶媒体に担持される、一つ以上の命令の一つ以上のシーケンスが、一つ以上のプロセッサにより実行されると、装置に、デバイスに関連するコンテキスト情報を決定することを、少なくとも部分的に実行させる。この装置はまた、コンテキスト情報に少なくとも部分的に基づいて、一つ以上のコンテキストパターンを決定することを実行させられる。この装置はさらに、一つ以上のコンテキストパターン間の一つ以上の遷移点を決定することを実行させられる。この装置はさらに、一つ以上の遷移点に少なくとも部分的に基づいて、コンテキスト情報のセグメンテーションを決定することを実行させられる。
別の実施形態では、デバイスに関連するコンテキスト情報を決定する手段を備える装置が提供される。この装置はまた、コンテキスト情報に少なくとも部分的に基づいて、一つ以上のコンテキストパターンを決定する手段を備える。この装置はさらに、一つ以上のコンテキストパターン間の一つ以上の遷移点を決定する手段を備える。この装置はさらに、一つ以上の遷移点に少なくとも部分的に基づいて、コンテキスト情報のセグメンテーションを決定する手段を備える。
本発明のさらなる側面や特徴、利点が、以下の詳細説明によって容易に明らかになる。以下の詳細説明では、本発明を実施するための最良の形態であると考えられているものも含め、様々な具体的な実施形態や実装形態が例示される。本発明はまた、さらに多くの様々な異なる実施形態を取りうることができ、そのいくつかのディテールは、本発明の思想や範囲を逸脱することなく、多くの明白な観点から修正可能なものである。本明細書による説明や図面は例示的な性質を有するものと考えられるべきであり、制限的なものとみなされるべきではない。
添付の図面には、本発明の実施形態が例示されている。これらは飽くまでも例示を目的とするものであって、限定の目的のためのものではない。
ある実施形態に従う、コンテキスト情報をセグメンテーションしうるシステムの略図である。
ある実施形態に従う、コンテキスト分類プラットフォームの構成要素の略図である。
ある実施形態に従う、コンテキスト情報を分類する処理のフローチャートである。
ある実施形態に従う、分類されたコンテキスト情報をタグ付けする処理のフローチャートである。
ある実施形態に従う、分類されたコンテキスト情報を利用するコンテキスト予測処理のフローチャートである。
ある実施形態に従う、コンテキスト情報を分類するベクトルに基づく処理を表す略図である。
図7Aおよび図7B種々の実施形態に従う図3から5の処理に含まれる、データマイニングで利用されるクライアントおよびサーバ間のやり取りの略図である。
種々の実施形態に従う図3から5の処理で利用されるクライアント側ユーザインターフェースの略図である。
種々の実施形態に従う図3から5の処理で利用されるクライアント側ユーザインターフェースの略図である。
本発明の実施形態を実装するために使用されうるハードウェアの略図である。
本発明の実施形態を実装するために使用されうるチップセットの略図である。
本発明の実施形態を実装するために使用されうる携帯端末(例えばハンドセット)の略図である。
コンテキスト情報を分類する方法、装置およびコンピュータプログラムの例を説明する。以下の記述において、説明のために、多くの具体的かつ詳細な構成が紹介される。これらは、本発明の実施形態を深い理解に資するためのものである。なお本発明の実施形態は、これらの詳細構成がなくとも実施される場合があり、また、均等な構成によって実施される場合もあることは、当業者には明らかなことである。よく知られた構成やデバイスがブロック図の形で紹介されることがあるが、これは、本発明の実施形態を不必要に不明瞭にすることを避けるためである。種々の実施形態が携帯デバイスに関して説明されるが、本明細書で説明される手段は、ユーザのやり取り履歴とコンテキストデータをサポートし維持する他の装置でも利用されうることが想定される。
図1は、ある実施形態に従う、コンテキスト情報をセグメンテーションし得るシステムの略図である。一般に、個人用コンテキストアウェアシステムは、ユーザの典型的なコンテキストや状況(映画館、書店、運転中等)を、コンテキスト認識モデルを通じて学習する。一旦コンテキスト認識モデルがトレーニングされると、システムはユーザの個人的なコンテキストを認識するためにそれを利用でき、例えば、ユーザによって事前に定義される、またはナレッジベースから生成されるコンテキストアウェア規則に従って動作することができる。幾つかの実施形態では、コンテキスト認識モデルはあらゆる状況で適用可能であり、一般のユーザ間で共有されうる。こうしたコンテキスト認識モデルの例は、三軸加速度計のデータからの運送状況検出のためのモデルがある。しかしながら、重要な場所(行きつけのパブ、自宅近隣の広場等)や社会活動(通勤途中、授業中等)の検出といった、自然で個人的なコンテキスト認識モデルも多く存在する。この種の個人用コンテキスト認識モデルは一般に、特定ユーザによるラベルやタグを伴う特定ユーザの生のコンテキストデータを訓練データとして、それに基づいている。
しかしながら、個人用コンテキスト認識モデルの大部分は、限られた特定のラベルのときにしか許容されない行動を取得できない。その一方で、ユーザは生のコンテキスト情報や訓練に必要なデータの相当量を手動でラベルやタグを付与しなくてはならない不便を強いられる、というジレンマがある。結果として、多数の個人用コンテキスト認識モデルは、正確で一貫性のある結果を提供するラベル付けされたコンテキスト情報を十分に有していない。このためにユーザは、こうしたコンテキスト認識モデルに対する信頼を失ってしまう。
幸いなことに、移動端末ユーザのコンテキストは通常、一日の限られた時間に変化するだけであって、もしユーザがコンテキストの遷移期間をラベル付けできれば全コンテキストデータが間接的にラベル付けされる。例えば、あるユーザの一日のコンテキストの遷移シーケンスとして"自宅→バス停→バス乗車中→オフィス→…レストラン→パブ→自宅"を仮定しよう。コンテキスト遷移点の幾つかのラベルは、コンテキスト認識モデルを訓練するための、何百ものラベル付けされた生のコンテキストデータのレコードを導き出すことができる。
この問題に対応するため、図1のシステム100は、コンテキスト情報があるコンテキストパターンから別のパターンへ変化するときを表現する、一つ以上の遷移点の決定に基づいて、コンテキスト情報や(コンテキストレコード等の)データを分類する機能を導入する。ある実施形態では、システム100は遷移点のコンテキストラベルまたはタグの何れかを決定してもよい。追加的または代替的には、ユーザはコンテキストラベルまたはタグを手動で特定してもよい。ユーザのコンテキストまたはコンテキストパターンは典型的には、一日に限られた回数しか変化しないことに留意されたい。換言すれば、コンテキスト情報が比較的高い頻度でサンプリングまたは収集されてもよいとしても、コンテキスト情報自体は当日に少ししか変化しない。例えば、あるユーザの典型的なコンテキスト遷移シーケンスは"自宅→バス停→バス乗車中→オフィス→…レストラン→パブ→自宅"であるかもしれない。従って、コンテキスト遷移点となるいくつかのラベルやタグは、コンテキスト認識モデルを訓練するための、何百ものラベル付けされた生のコンテキストデータのレコードを導き出すことができる。こうして、ユーザがコンテキストデータレコードを手動でラベル付けする負担を有利に軽減できる。
ある実施形態では、コンテキストレコードは、特定の時刻に収集された全コンテキストデータとやり取りのデータ(日付、時刻、場所、活動等)を、少なくとも部分的に含む。例として、コンテキストレコードは、各々がコンテキストレコードに含まれるコンテキストデータのサブセットであるコンテキストを含むまたは記述してもよい。例えば、時刻、コンテキストデータおよびやり取りのデータとして、[time=tl,ContextData=<(WorkDay),(Evening),(HighSpeed),(HighAudioLevel)>,Interaction=PlayGames]が与えられる場合、コンテキストデータの様々な組み合わせや置換が様々なコンテキストを生み出しうる。そうしたコンテキストは、(1)<(Evening)>;(2)<HighSpeed>;(3)<(WorkDay),(Evening)>等である。コンテキストはあらゆる組み合わせで構成されるコンテキストデータのサブセットの何れかであって、コンテキストのグループやパターンとしてまとめられる。
前述の通り、システム100は、決定されたコンテキスト遷移点のラベル付けに少なくとも部分的に基づいて、個人のコンテキストレコードに関連するコンテキストパターンを自動的に決定してもよい。詳述すれば、システム100は、遷移点を特定しラベル付けすることにまず集中することによって、生のコンテキスト情報を効率的に分類することができる。ある実施形態では、遷移点間のコンテキスト情報やレコードは対応する遷移点に従って自動的にラベル付けされてもよい。前述で検討した通り、コンテキスト情報は一般に、時間的に連続で移り行くものであるが、遷移点は相対的にまばらである。例えば、コンテキスト情報またはレコードが、ある期間において異なる時間間隔を表すタイムスタンプによって整理されるとき、コンテキスト情報のパターンが、あるパターン(例えば、ユーザが「バス停」というコンテキストに関連付けられていることを標示するパターン)で相対的に安定していて、その後、別のパターン(例えば、「バスに乗車」)に遷移する、という多くの事例がありうる。このように、システム100は、コンテキストパターン、コンテキストパターン間の遷移点、およびコンテキストパターンが生じる時間範囲を決定する。次にシステム100は、例えば、連続して記録されるコンテキスト情報を、定義済のコンテキストパターンに割り当てることによって、コンテキスト情報を自動的に分類しラベル付けする。
実施形態によっては、システム100は、特定のコンテキストレコードが所与のコンテキストパターンに一致する確率を表すベクトルを生成する。より具体的には、システム100は、コンテキスト情報に示される可能性のあるコンテキストパターンの総数を決定する。次にシステム100は、各次元が、そのような可能性のあるコンテキストパターンのうちの一つを表す、複数次元のベクトルを生成する。続いて、個別のコンテキストレコードがベクトルにマッピングされ、ベクトルの各次元は、マッピングされたコンテキストレコードが当該次元に対応するコンテキストパターンと一致する確率を示す。次に、ベクトルの解析から遷移点が決定される。システム100はコンテキスト情報をベクトルに変換する必要がなく、代わりに、コンテキストレコード自身から遷移点を直接決定してもよい場合も想定される。しかしながら、ベクトルの使用により、システム100はコンテキストデータレコードのある非常に顕著な特徴を抽出して、ノイズの多い、または矛盾するデータの影響を排除することが可能となる場合もある。
したがって、この手法の利点は、特定された遷移点に基づいてコンテキスト情報を分類してラベル付けすることで、システム100が、例えばユーザラベル等の手動処理を用いるよりも、より多くのラベル付けされるコンテキスト情報を自動的に生成できることである。ラベル付けされたコンテキスト情報は、ユーザの行動におけるより正確な特性を提供するために使用されてもよい。より正確な特性の結果として、ユーザに対してより関連するまたはより関心の高い追加サービス、コンテンツ、広告、個別選択、提案等をユーザに向けることができる。例えば、システム100が、特定のユーザまたはユーザデバイスに関連するコンテキスト区分を決定すると、決定されたコンテキスト区分は、カスタマイズされた広告、コンテンツ、アプリケーション、機能等の配信および/または表示を行うために使用されてもよい。また実施形態によっては、コンテキストのセグメンテーションがユーザの行動やデバイスに対するやり取りのパターンを予測するために使用されてもよい。この予測機能は、更なるニーズに応じた広告、コンテンツ、アプリケーション、機能等を探索する統計または規則のために使用されてもよい。このより高精度のターゲッティングにより、ユーザに対して始動または提供される、望まれない、または関連のないアクション、情報、またはそれらの組み合わせの量を削減し、そうしたアクションに関連する帯域、資金、およびコンピュータリソースを削減する利点もある。したがって、コンテキスト情報内の遷移点に基づくコンテキスト情報のセグメンテーションおよびラベル付け手段は待望されている。
図1で示す通り、システム100は、通信ネットワーク105を介してコンテキスト分類プラットフォーム103に接続するユーザ装置(UE)101を備える。図1の例では、コンテキスト分類プラットフォーム103は、UE101に関連するユーザに対応するコンテキストパターン間の遷移点を決定するために、UE101からコンテキスト情報(例えば、コンテキストデータレコードおよび/またはユーザのやり取り履歴等)収集する。前述の通り、ある実施形態では、コンテキスト分類プラットフォーム103は、各レコードのタイムスタンプに従ってコンテキストデータやレコードを構成し、コンテキスト情報からの一つ以上のコンテキストパターンを決定する。次にプラットフォーム103は、コンテキスト情報を分類する遷移点を決定するために、コンテキストパターンまたはコンテキスト情報を分析する。
ある実施形態では、UE101は、コンテキスト分類プラットフォーム103の一つ以上の機能を実行するように、コンテキスト分類プラットフォーム103とやり取りするためのコンテキストアプリケーション107を含んでもよい。
例えば、コンテキストアプリケーション107は、コンテキスト分類プラットフォーム103で使用されるコンテキストデータとユーザのやり取りデータを収集してもよい。より具体的には、コンテキストアプリケーション107は、コンテキストデータを収集するために、一つ以上のセンサ111(UE101に関連する周辺環境に関する情報を収集するために使用されうる録音装置、光センサ、全地球測位システム(GPS)装置、温度センサ、運動センサ、加速度計、および/またはその他の装置)と通信してもよい。続いてUE101は、収集したデータを、例えば、データ記憶装置109に記憶してもよい。
ある実施形態では、コンテキストアプリケーション107とコンテキスト分類プラットフォーム103は、クライアント−サーバモデルに従ってやり取りしてもよい。クライアントサーバモデルは、コンピュータ処理のやり取りにおいて広く知られており、また使われていることに留意されたい。クライアントサーバモデルによれば、クライアントプロセスは、リクエストを含むメッセージをサーバプロセスに送信し、サーバプロセスは、サービスを提供することによって応答する。サーバプロセスは、応答を含むメッセージをクライアントプロセスに返すこともある。しばしば、クライアントプロセスとサーバプロセスは異なるコンピュータ装置で実行される。このような装置は、例えばホストと呼ばれ、ネットワーク通信のための一つ以上のプロトコルを用いてネットワークを介して相互に通信する。"サーバ"との用語は、一般的に、サービスを提供するプロセスや、処理が行われるホストコンピュータを言い表すときに使われる。"クライアント"との用語は、一般的に、リクエストを生成するプロセスを表現するときに使われるが、処理が行われるホストコンピュータを表現するときにも使われる。なお、本明細書では、文脈から特に明らかでない限り、"サーバ"や"クライアント"との用語は、ホストコンピュータ表現するよりも、プロセスを表現するためにおもに使用される。サーバによって実行されるプロセスは、複数のプロセスや複数のホストに分解されることができる。この場合の複数のホストのそれぞれを、ティア(tier)と呼ぶことがある。分解する理由は、例えば、信頼性やスケーラビリティ、冗長性などである。
別の実施形態では、コンテキストアプリケーション107は単独で、またはコンテキスト分類プラットフォーム103が存在しなくても動作できてよい。こうして、コンテキストアプリケーション107は、プラットフォーム103に情報を伝送せずにコンテキスト分類プラットフォーム103の機能の一部または全てを実行でき、その結果、外部要素にコンテキストデータとやり取りのデータを晒す可能性を減らすことができる。したがって、種々の実施形態がコンテキスト分類プラットフォーム103に関連して記述されたが、プラットフォーム103の機能は、コンテキストアプリケーション107またはシステム100の他の要素によって実行されてもよい場合も想定される。
ある実施形態では、コンテキスト分類プラットフォーム103および/またはコンテキストアプリケーション107は、例えば、一つ以上のサービス115a−115n(例えば、気象サービス、ロケーションサービス、地図サービス、メディアサービス等)を含む、サービスプラットフォーム113から得られるコンテキストデータに接続できる。例として、これらのサービス115は、環境条件(例えば、天候)、活動(例えば、オンラインゲームをプレイすること)、選好(例えば、ミュージカルの選好)、ロケーション(例えば、ロケーション追跡サービス)等、UE101またはUE101のユーザに関連するコンテキスト情報を提供しうるサービスに関する追加情報を提供してもよい。
例として、システム100の通信ネットワーク105は、一つ以上のネットワークを含むことができる。このネットワークは、図示されていないが、例えばデータネットワークや電話ネットワーク、またはこれらを組み合わせたものであってもよい。データネットワークは、例えば、ローカルエリアネットワーク(LAN)やメトロポリタンエリアネットワーク(MAN)、広域ネットワーク(WAN)、公衆データネットワーク(例えばインターネット)、近距離無線ネットワークなどであってもよく、また、他の好適なパケット交換ネットワークであってもよい。なお、そのようなパケット交換ネットワークには、商業的に利用可能なものもあれば、個人の光ケーブルや光ファイバネットワークのような、私有のパケット交換ネットワークもあり、またこれらを組み合わせたものであってもよい。無線ネットワークは、例えばセルラネットワークであることができ、これは、EDGE(enhanced data rates for global evolution)やGPRS(general packet radio service)、GSM(登録商標)(global system for mobile communications)、IMS(Internet protocol multimedia subsystem)、UMTS(universal mobile telecommunications system)など、様々な技術を利用したものであることができる。また、セルラネットワークで使用されうる無線媒体としてはWiMAX(worldwide interoperability for microwave access)やLTE(Long Term Evolution)、CDMA(符号分割多元接続)、WCDMA(登録商標)(wideband code division multipleAccess)、WiFi、無線LAN(WLAN)、Bluetooth(登録商標)、IPデータ放送、衛星、モバイルアドホックネットワークなどがあり、またこれらを組み合わせたものであってもよい。
UE101はあらゆるタイプの移動端末、固定端末、またはポータブル端末装置である。それらは、モバイルハンドセット、基地局、ユニット、装置、マルチメディア、コンピュータ、マルチメディアタブレット、インターネットノード、通信機、デスクトップコンピュータ、ラップトップコンピュータ、ノートブックコンピュータ、ネットブックコンピュータ、タブレットコンピュータ、パーソナルコミュニケーションシステム(PCS)装置、パーソナルナビゲーション装置、パーソナル・デジタル・アシスタント(PDA)、オーディオ/ビデオプレーヤー、デジタルカメラ/カムコーダ、位置検出装置、テレビレコーダ、ラジオ放送レコーダ、電子書籍デバイス、ゲーム機、または、これらの装置の周辺機器を含む、あらゆる組み合わせを含んでいる。UE101はまた、ユーザに対するとのようなタイプのインタフェースを含んでもよく、例えば、ウェアラブル回路などを含んでもよい場合も想定される。
例として、UE101、コンテキスト分類プラットフォーム103およびサービスプラットフォーム113は、互いに通信したり、通信ネットワーク105の他の要素と通信したりすることができる。この通信には、よく知られたプロトコルを用いることができるが、新しいプロトコルや開発中のプロトコルを用いてもよい。これに関連して、プロトコルは、ネットワーク105の各ネットワークノードが、通信リンクを介して送信される情報に基づいて、どのように相互作用するかを定義するルールのセットを含む。プロトコルは、様々なタイプの物理信号の生成や受信から、これらの信号を送信するためのリンクの選択、これらの信号により提示される情報のフォーマット、コンピュータ上で動作しているとのソフトウェアアプリケーションが情報を送受信するかの識別など、各ノードの動作の様々なレイヤにおいて使用される。ネットワーク上で情報交換する複数のプロトコルレイヤのコンセプトが、OSI参照モデルで記述されている。
ネットワークノード間の通信は、通常、パケットに分割したデータを交換することにより実現される。各パケットは、通常、(1)特定のプロトコルに関するヘッダ情報と、(2)ヘッダ情報の次に位置するペイロード情報とを有する。ペイロード情報は、プロトコルによって個々に処理される。プロトコルによっては、(3)ペイロード情報の次に位置するトレーラ情報も有する。この情報は、ペイロード情報の終わりを示す。ヘッダ情報は、パケットの送信元や送信先、ペイロードの長さなど、そのプロトコルで使われる各種の情報を含んでいる。しばしば、あるプロトコルのペイロードに含まれるデータは、OSI参照モデルにおけるより高次のレイヤのプロトコルに関連するヘッダとペイロードを含んでいる。また、あるプロトコルのヘッダには、そのペイロードに含まれている次のプロトコルのタイプに関する情報が含まれている。高次のプロトコルは、低次のプロトコルにカプセル化されていると表現される。パケットに含まれるヘッダは、複数の異なるネットワークで運ばれる。例えばインターネットにおいては、OSI参照モデルで記述されるように、通常、レイヤ1用の物理ヘッダ;レイヤ2用のデータリンクヘッダ;レイヤ3用のインターネットワークヘッダ;レイヤ4用のトランスポートヘッダ;およびレイヤ5−7の各種アプリケーション用のヘッダが使用される。
図2は、ある実施形態に従う、コンテキスト分類プラットフォームの構成要素の略図である。例として、コンテキスト分類プラットフォーム103は、コンテキスト情報内で特定された一つ以上の遷移点に少なくとも部分的に基づいてコンテキスト情報を分類する、一つ以上の要素を備える。これらの要素の機能は、一つ以上の要素中で結合されたり、同様の機能を有する他の要素によって実行されたりする場合があることが想定される。この実施態様では、コンテキスト分類プラットフォーム103は、制御モジュール201、入力モジュール203、計算モジュール205、表示モジュール207、および通信モジュール209を備える。制御モジュール201はタスクを監視する。タスクは、制御モジュール201、入力モジュール203、計算モジュール205、表示モジュール207、および通信モジュール209によって実行されるタスクを含む。入力モジュール203は、UE101への入力を管理および通信し、またセンサモジュール111a-111nで収集された情報を通信する。UE101への入力は、UE101のボタンの押す、タッチスクリーンをタッチする、ダイヤルやパッドをスクロールする、等を含む種々の方式で行われてもよい。センサモジュール111a-111nで収集された情報は、種々のデータフォーマットまたは、入力モジュール203によって特定のデータ形式に変換される電気信号であってもよい。入力モジュール203で扱われる情報の一部は、データの型に依存して、コンテキストレコードややり取りのデータとして使用されてもよい。このように、入力モジュール203は、装置からコンテキストレコードおよびやり取りのデータを受信してもよい。ある実施形態では、コンテキストレコードおよびやり取りのデータはコンテキスト情報を含む。
計算モジュール205は、コンテキストパターン、コンテキストパターン間の遷移点、およびコンテキスト情報のセグメンテーションを決定するための計算を実行する。例えば、計算モジュール205は、コンテキスト情報に少なくとも部分的に基づいて一つ以上のコンテキストパターンを決定し、一つ以上のコンテキストパターン間の一つ以上の遷移点を決定する。次に、計算モジュール205は、一つ以上の遷移点に少なくとも部分的に基づいてコンテキスト情報のセグメンテーションを決定する。
ある実施形態では、計算モジュール205はコンテキスト情報と、関連するタイムスタンプに従って決定された遷移点を構成し、遷移点に関連するコンテキストラベルやタグをコンテキスト情報に付与する。ある実施形態では、計算モジュール205はまた、一つ以上のコンテキストパターンに少なくとも部分的に基づいて、一つ以上のベクトルを生成すること、それに続いて、コンテキスト情報を一つ以上のベクトルにマッピングすることを決定する。
ある実施形態では、コンテキスト情報の分類後、制御モジュール201は、表示モジュール207と通信し、例えば、決定されたセグメンテーションや遷移点、コンテキストデータのタイプ、および行動パターンおよび/または嗜好の計算に使用されるユーザのやり取りのデータを表示するユーザインターフェースを提示できる。他の実施形態では、分類されたコンテキスト情報の内容をユーザに直接表示しなくてもよい。その代わり、分類されたコンテキスト情報は、ユーザに合うサービス、コンテンツ、アプリケーション等を提供するための推薦、提案等を行うために利用される。分類されたコンテキスト情報および関連するコンテキストパターンは、ターゲッティングサービスの提示や、ユーザがより関心を持つ、あるいはより関連しうる他の広告に使用されてもよい。
UE101は、データ記憶メディア109a-109n等の記憶メディアに接続し、コンテキスト分類プラットフォーム103がデータ記憶メディア109a-109nにある分類されたコンテキスト情報および関連する情報にアクセスしたり格納したりできてもよい。データ記憶メディア109a-109nがプラットフォーム103に配置されていない場合、記憶メディア109a-109nは通信ネットワーク105を介してアクセスされてもよい。UE101および/またはプラットフォーム103は、サービス115a-115nによって提供されるコンテキストデータにアクセスするために、通信ネットワーク105を介してサービスプラットフォーム113に接続されてもよい。
図3は、ある実施形態に従う、コンテキスト情報を分類する処理のフローチャートである。ある実施形態では、コンテキスト分類プラットフォーム103が処理300を実行し、例えば、図10に示すようにプロセッサおよびメモリを備えるチップセットとして実装される。追加的または代替的に、処理300はコンテキストアプリケーション107によって全体をまたは部分的に実行されてもよい。
ステップ301で、コンテキスト分類プラットフォーム103は、UE101またはUE101のユーザに関連するコンテキスト情報を決定する。例として、コンテキスト分類プラットフォーム103は、一つ以上のコンテキストレコードとしてUE101からコンテキスト情報を受信または収集する。ある実施形態では、コンテキストレコードは、ある期間に亘り特定の頻度でコンテキスト特性を記録することによって取得されてもよい。例えば、実施形態によっては、生のコンテキストデータレコードがコンテキストの特性値の組み合わせ、例えば、(CellID=2301),(Speed=High),(Activity=Stationary),(Location=Office)等で表現されてもよい。また、コンテキスト特性は、特定の時間間隔、または特定のイベントが起きる時刻の度に記録されてもよい。ある実施形態では、コンテキストレコードは、UE101、センサ111、サービスプラットフォーム113、または通信ネットワーク105を介して利用可能な類似の要素から取得されてもよい。例として、コンテキストレコードは、時刻や日付等のコンテキスト特性を含んでもよい。それらはUE101から直接取得されてもよい。コンテキストレコードはまた、場所情報、移動速度、オーディオレベルや温度、および他の環境条件等のコンテキスト特性を含んでもよい。これらは、全地球測位システム(GPS)装置、加速度計、聴音機や温度センサ等のセンサを通じて収集されてもよい。さらにまた、コンテキストレコードは、天候情報、株式情報等サービスプラットフォーム113から引き出されうる情報の他、ユーザプロファイルやUE101内に配置されうる他の情報等のコンテキスト特性を含んでもよい。ある実施形態では、コンテキストレコードの各々に含まれるコンテキスト特性または要素は、例えば、サービスプロバイダ、ネットワークオペレータ、コンテンツプロバイダ、スポンサー、ユーザ、またはこれらの組み合わせによって決定されてもよい。
ステップ303で、コンテキスト分類プラットフォーム103は、コンテキスト情報に少なくとも部分的に基づいて一つ以上のコンテキストパターンを決定する。換言すれば、コンテキスト情報またはデータは、ユーザのコンテキストパターンを学習する訓練データとして使用されうる。ある実施形態では、"コンテキストパターン"という用語は、ある有意なコンテキストを共に表現しうる生のコンテキストデータまたはレコードのグループを言及する。例えば、「『仕事の日であるか?=はい』,『時間=午前8:00〜午前9:00』,『場所=バス停留所』,『移動中?=いいえ』」というコンテキストパターンは、ユーザがオフィスに向かおうとしてバスを待っている、という典型的なコンテキストを言及する。ある実施形態では、コンテキストパターンは、コンテキストレコードに含まれるコンテキスト特性の任意の組み合わせであってよい。例えば、コンテキスト特性として場所情報、移動速度、オーディオレベルおよび温度を含むコンテキストレコードに対し、コンテキストは、場所情報、移動速度、オーディオレベルおよび温度の任意の組み合わせであってよい。コンテキストパターンは、UE101のアルゴリズムまたは設定によって自動的に決定されてもよく、またはユーザがコンテキストパターンを定義してもよい。例えば、ユーザは各コンテキストパターンに含まれるコンテキスト特性の数を指定してもよい。
ある実施形態では、コンテキスト分類プラットフォーム103は、コンテキストデータ履歴からコンテキストパターンを探す、クラスタリングに基づくアルゴリズムを使用してもよい。例として、典型的な方法は潜在的ディリクレ配分クラスタリング(LDAC)モデルやK平均法である。例えば、あるクラスタリング法として、プラットフォーム103は時系列で隣接するコンテキストレコードの類似性(例えば、トピック的または意味的類似性)に少なくとも部分的に基づいて、コンテキストパターンを決定してもよい。換言すれば、コンテキスト分類プラットフォーム103は、互いに類似するコンテキストと特性値を有し、隣接する期間に生じるコンテキスト情報やレコードを分類する。こうして、プラットフォーム103は分類されたまたはクラスタ化されたコンテキストレコードから出現するコンテキストパターンを識別することができる。例えば、関心事のコンテキスト特性が天候である場合、プラットフォーム103は、特定の時間間隔に亘って天候データをサンプリングし、雨天等の特定の状態やコンテキストにおいて天候データがどの程度の時間間隔を示しているかを識別する。天候の状態が変わるとき(例えば、雨が止むとき)、シーケンスは終了する。したがって、雨天中のシーケンスの全時間は、一つ以上の可能なコンテキストパターンに分類される。天候が晴天になると、プラットフォーム103は、別のコンテキストパターン(例えば、晴天)がコンテキスト情報に現れたと決定できる。この処理は、コンテキスト情報から他のコンテキストパターンの潜在的出現を識別するために繰り返される。
前述の例は単一のコンテキスト特性や要素(例えば、天候)に基づいてのクラスタリングに関して記述されているが、コンテキストパターンは任意の数のコンテキスト特性に基づいていてもよいと想定される。例として、コンテキストレコードの各々は、一つ以上のコンテキスト特性に対応するコンテキスト値のパターンをそれぞれ有し、その結果、コンテキストパターンは特性および/または対応する値の特定の組み合わせに基づいている。より具体的には、一つ以上のコンテキストレコードにおけるコンテキスト特性/値の間の差異が、一つ以上の他のコンテキストレコードとは異なる場合に基づいて、異なるコンテキストパターンが決定されてもよい。差異の程度(例えば、類似していないコンテキストレコードのグループにおける特性の数)は既定され、特定のコンテキストパターンを他のパターンから区別するために使用されうる。特定の実施形態では、一つ以上の特性は、必須条件(例えば、必須特性が一致しない場合のみ、異なるコンテキストパターンとして決定される)として、または特定の階層(例えば、ある特性は、次の特性が決定されるまで一致しない)に配置されうるとして特定されてもよい。
さらに、コンテキストパターンを区別するために考慮されるコンテキスト特性の数は可変でもよい。換言すれば、n個の利用可能なコンテキスト特性がある場合、ユーザはコンテキストパターンを決定するために任意の組み合わせからn個のコンテキスト特性の任意の一つ以上を選択してもよい。その結果、ユーザがより詳細なコンテキストパターンを入手したいときは、より多くのコンテキスト特性を考慮してもよい。例えば、コンテキストパターンに含めることが可能なコンテキスト特性は、「曜日」、「時刻」そして「移動状態」を含んでもよい。より詳細なコンテキストパターンがこの3つの特性全てを利用して構成されうる。しかしながら、それほど詳細でないコンテキストパターンが、例えば、3つの利用可能なコンテキスト特性のうちの2つ(例えば、曜日と時刻)を選択して構成されてもよい。種々の実施形態がクラスタリングに基づくアルゴリズムに関して検討されているが、コンテキスト分類プラットフォーム103は、コンテキスト情報からコンテキストパターンを決定するための任意のアルゴリズムや手法を使用してもよい。
ある実施形態では、決定されたコンテキストパターンは一つ以上のコンテキストレコードに潜在的に一致するパターンを表現する。決定されたコンテキストパターンは、例えば、前述において検討したパターン間の遷移点の決定をサポートする。別の実施形態では、コンテキストパターンはUE101および/またはユーザに関連するコンテキスト情報履歴から決定される。この実施形態では、決定されたコンテキストパターンはUE101および/またはユーザに関して既に発生した一つ以上のコンテキストパターンを表現する。(現在処理中のコンテキスト情報とは対照的なものとしての)コンテキスト情報履歴を使用することにより、コンテキスト分類プラットフォーム103は、ユーザの潜在的なコンテキストパターンを広範囲で決定してもよい。
例として、コンテキストパターンを決定する一つ以上のアルゴリズム(例えば、LDACモデル)は、コンテキスト情報またはレコードのクラスタリングやグループを決定するベクトルの生成を含んでもよい。ベクトル生成によって、例えば、コンテキスト分類プラットフォームがコンテキスト情報からコンテキスト特性のサブセット(例えば、高レベルの特性)をより簡単に抽出し、データ中の潜在的なノイズを軽減できる。ステップ305で、プラットフォーム103は、ベクトルがクラスタリングアルゴリズムで使用されるかどうかを決定する。ベクトルが使用されない場合、コンテキストパターン間の遷移点はコンテキスト情報から直接決定される(ステップ307)。例として、生のコンテキストデータのクラスタリングがコンテキスト特性とその対応値に関する意味解析または言語解析を利用して実行されてもよい。
コンテキスト分類プラットフォーム103で使用されるアルゴリズムがベクトルに基づく場合、プラットフォーム103は、一つ以上のコンテキストパターンに少なくとも部分的に基づいて、一つ以上のベクトルを生成する決定をしてもよい(ステップ309)。例えば、LDACモデルは生のコンテキストデータのn次元ベクトルによってコンテキストパターンを表現し、次元nはコンテキストレコードに保存されるコンテキスト特性値の組の総数を示す。前述の通り、コンテキスト情報履歴や現在のコンテキスト情報は、ベクトルを訓練するために使用されうる。こうして、コンテキスト分類プラットフォーム103は、UE101やユーザに関して観測されたコンテキストパターンに基づいて、例えば、決定されたコンテキストパターンの一つを表現する次元の一つ以上に対して確率や相対的重みを決定できる。例えば、コンテキスト分類プラットフォーム103は、コンテキスト情報に生じるコンテキストパターンの頻度を識別できる。この頻度に基づいて、コンテキスト分類プラットフォーム103は、例えば、より高い頻度のコンテキストパターンに対応する次元の重みを増加することによって、相対的重みを決定さできる。コンテキスト分類プラットフォーム103は、コンテキスト情報に発生するコンテキストパターンに基づいて次元の相対的確率や重みを決定するためのあらゆる手法やアルゴリズムを適用してもよいと想定される。
次にステップ311で、コンテキスト分類プラットフォーム103は、一つ以上のコンテキストパターンに少なくとも部分的に基づいて、コンテキスト情報を一つ以上のベクトルにマッピングする決定をしてもよい。例えば、あるサンプルを使用するケースでは、コンテキスト分類プラットフォームは特定のユーザに関連するコンテキスト情報から5つのコンテキストパターンCP1,CP2,… CP5を決定してもよい。生のコンテキストレコードの各々は、5次元ベクトルにマッピングされ、i次元要素がコンテキストレコードのCPiの重みを示す。ある実施形態では、コンテキストレコードは、コンテキストレコードのコンテキスト特性値が候補となるコンテキストパターンのコンテキスト特性に一致する確率を決定することによってマッピングされる。次に、この確率は対応するベクトルの次元に格納される。ある実施形態では、全次元の確率が計算されると、次元に関するベクトルの向きが最も近いコンテキストパターンを示す。加えて、ベクトルの次元の確率プロファイルは後述の図6に関して説明するように、最も類似するコンテキストパターンを識別するために使用されてもよい。
コンテキスト情報やレコードのマッピングに基づいて、プラットフォーム103は例えば、コンテキスト情報に生じるコンテキストパターン間の遷移点を決定できる(ステップ313)。より具体的には、コンテキスト分類プラットフォーム103は、例えばタイムスタンプ情報等、対応するコンテキストレコードに関連する情報に基づいて、マッピングされたコンテキストベクトルの配列を構成する。次にプラットフォーム103は、ベクトルの遷移点を識別する一つ以上のアルゴリズムを適用する。例として、そのようなアルゴリズムの一つにTextTiling法がある(例えば、
"TextTiling:SegmentingTextintoMulti-ParagraphSubtopicPassages",MartiA.Hearst,ComputationLinguistics,March1997
に詳述されている)。TextTiling法は例えば、ベクトルのシーケンスに関するスライド窓を使用し、各ベクトルやデータ点の深度スコア(depth score)を計算する。深度スコアが所定の閾値より大きい場合、コンテキスト分類プラットフォーム103は、遷移点としてのポイントを識別する。この場合、コンテキストパターンに内在する変化や遷移等を示すベクトル値の差が増加するため、深度スコアは増加する。ある実施形態では、コンテキストパターンのシーケンスのポイントに対応する深度スコアの計算方法は、次の通りである:
ここで、
であり、wはベクトル次元の重みを示す。
"TextTiling:SegmentingTextintoMulti-ParagraphSubtopicPassages",MartiA.Hearst,ComputationLinguistics,March1997
に詳述されている)。TextTiling法は例えば、ベクトルのシーケンスに関するスライド窓を使用し、各ベクトルやデータ点の深度スコア(depth score)を計算する。深度スコアが所定の閾値より大きい場合、コンテキスト分類プラットフォーム103は、遷移点としてのポイントを識別する。この場合、コンテキストパターンに内在する変化や遷移等を示すベクトル値の差が増加するため、深度スコアは増加する。ある実施形態では、コンテキストパターンのシーケンスのポイントに対応する深度スコアの計算方法は、次の通りである:
ある実施形態では、コンテキスト分類プラットフォーム103は、コンテキストパターンのシーケンスを処理し続け、コンテキストパターンベクトルに対応する深度スコアが所定の閾値を超える際の遷移点を識別する。実施形態によっては、あるコンテキストパターンから別のパターンへの遷移点を示す、あるコンテキストベクトルから別のベクトルへの十分大きな変化を区別するために、確率モデル等の他のアルゴリズムが使用されてもよいことも想定される。
遷移点を決定した後、コンテキスト分類プラットフォーム103は、コンテキスト情報を分類する(ステップ315)。例えば、コンテキストはコンテキスト情報のセグメンテーションを生成し、遷移点はセグメンテーションの終端を含む。ある実施形態では、コンテキスト分類プラットフォーム103はユーザの介入なくセグメンテーションを実行する。別の実施形態では、コンテキスト分類プラットフォーム103は、確認または修正のために、決定された遷移点および/またはセグメンテーションをユーザに提示してもよい。
図4は、ある実施形態に従う、分類されたコンテキスト情報をタグ付けする処理のフローチャートである。ある実施形態では、コンテキスト分類プラットフォーム103が処理400を実行し、例えば、図10に示すようにプロセッサおよびメモリを備えるチップセットとして実装される。追加的または代替的に、処理300はコンテキストアプリケーション107によって全体をまたは部分的に実行されてもよい。処理400は、図3の処理300が完遂され、コンテキスト情報に一つ以上の遷移点が識別されていることを仮定する。
ステップ401で、コンテキスト分類プラットフォーム103は、一つ以上の遷移点の少なくとも一つ以上に対して一つ以上のコンテキストタグやラベルを特定する要求を提示する決定をする。ある実施形態では、コンテキストラベル付けはオンラインまたはオフラインで行われうる。オンラインモードでは、例えば、コンテキスト情報から遷移点を決定することによって、ユーザのコンテキストが変化したことをコンテキスト分類プラットフォーム103が検出すると、現在のコンテキスト遷移点やコンテキストパターンにタグを付与するかどうかをユーザに尋ねるために、リマインダーダイアログがポップアップする。換言すれば、コンテキスト分類プラットフォーム103は、少なくとも一つの遷移点が決定されるとき、一つ以上のコンテキストタグを特定する要求を提示する決定をする。実施形態によっては、コンテキスト分類プラットフォーム103は、「バス待ち」、「授業中」、「昼食中」等のコンテキストタグの所定のリストを有してもよい。追加的または代替的に、ユーザは「私の好きなモールでショッピング中」等の、コンテキストタグを編集またはカスタマイズもできる。オフラインモードでは、コンテキスト分類プラットフォーム103は、遷移点の決定された時刻を記憶し、一定時間後にそれらをラベル付けするようユーザにリマインドする。このケースでは、コンテキスト分類プラットフォーム103は、例えば、決定されたコンテキスト遷移の時刻の詳細を表示するユーザインターフェースを提供し、ユーザが対応するコンテキストを容易に思い出せるようにする。
次に、コンテキスト分類プラットフォーム103は、一つ以上の遷移点の少なくとも一つ以上に対して一つ以上のコンテキストタグやラベルを特定する(例えば、ユーザからの)入力を受信する(ステップ403)。前述の通り、ユーザは、所定のリストやラベルのカスタマイズリストからコンテキストラベルを特定することで入力を与えられる。実施形態によっては、コンテキスト分類プラットフォーム103は、例えば、ユーザの以前のタグ付けセッションに基づいて一つ以上のラベルを推奨してもよい。例えば、要求のユーザインターフェースは、一つ以上の格納された遷移点、一つ以上の推奨タグ、またはそれらの組み合わせに関連するコンテキスト情報の少なくとも一部を提示することを備えてもよい。検出された遷移点がラベル付けされると、コンテキスト分類プラットフォーム103は、ある遷移点と隣接する遷移点との間で生じるコンテキスト情報やコンテキストレコードの一部に一つ以上の特定されたコンテキストタグを関連付ける決定をすることによって、コンテキスト情報に自動的にラベル付けできる。換言すれば、2つの遷移点間のコンテキストレコードが同一のコンテキストタグを共有できるため、プラットフォーム103は生のコンテキストレコードを自動的にラベル付けできる。このように、コンテキスト分類プラットフォーム103は、遷移点に関連するラベルを特定することだけで多くのコンテキストレコードに対してラベルを自動的に特定できる。
実施形態によっては、コンテキスト分類プラットフォーム103は、決定された遷移点および/またはコンテキストパターンの各々に対する確率要因を計算してもよい。確率要因は、決定されたコンテキストパターンを他のコンテキストパターンから識別するための、それぞれの遷移点やセグメンテーションの可能性の測定として計算される。換言すれば、差異の要素によって、コンテキスト区分やパターンが、コンテキスト情報の対応する部分に対して合っている、または明確である度合いが測定される。
コンテキスト区分が決定されると、特定のサービスやタスクを開始または提供するために、当該区分が使用されてもよい。ある実施形態では、コンテキスト分類プラットフォーム103は、決定されたコンテキスト区分をユーザのセグメンテーションや個別の推奨、ターゲッティング広告等に適用してもよい。例えば、UE101の移動速度が高速であっても、ユーザが通話中であることをコンテキスト区分が示す場合、それは、ユーザが運転中に通話していることを示す可能性もある。このため、Bluetooth(登録商標)ハンドセットや他の関連商品やサービスの購入をユーザに薦めるようにしてもよい。別の例では、都市の繁華街における騒がしい環境での夜に撮影をするユーザは、ナイトライフを楽しむために外出することを示している可能性があり、バーやナイトクラブのクーポンがユーザに送られてもよい。
図5は、ある実施形態に従う、分類されたコンテキスト情報を利用するコンテキスト予測処理のフローチャートである。ある実施形態では、コンテキスト分類プラットフォーム103が処理500を実行し、例えば、図1に示すようにプロセッサおよびメモリを備えるチップセットとして実装される。追加的または代替的に、処理300はコンテキストアプリケーション107によって全体をまたは部分的に実行されてもよい。処理500は、図3の処理300と図4の処理400が完了してコンテキスト情報やレコードを分割し終えていると仮定する。
ステップ501で、コンテキスト分類プラットフォーム103は、決定された遷移点および/またはセグメンテーションのシーケンスを決定する。例として、シーケンスは、コンテキスト予測モデル等、特定のコンテキストにおけるユーザの行動を予測するために使用可能なモデルを形成するために解析されてもよい。予測は、予想されるコンテキストに基づいてユーザに提案するために使用されてもよい。この特徴は、ユーザが汎用の提案や広告よりも特定の提案や広告に注意を向け易い状況下において有利である。汎用の提案や広告はしばしば、ユーザに関心の無い、または限られた関心しかない情報を含み、その結果、ユーザ装置の限られたコンピュータリソース、帯域、メモリ、電力等を浪費してしまう。結果として、ユーザのコンテキストを識別または予測することは、そうしたリソースの浪費削減やリソースのより効率的な利用を有利に行うことができる。また、通常ユーザは、ユーザが関心のある提案や広告を探すために膨大な一般情報を閲覧しなくてはならない。ユーザのコンテキスト区分に基づく特定の提案や広告は、ユーザが関心のある提案や広告を探すための労力と負担を削減する。
したがって、遷移点および/またはセグメンテーションのシーケンスの決定後、コンテキスト分類プラットフォーム103は、コンテキスト予測モデルが特定のユーザに対して存在するかどうかを決定する(ステップ503)。コンテキスト予測モデルが存在しない場合、コンテキスト分類プラットフォーム103は、コンテキスト予測モデルを生成および/または訓練する(ステップ505)。コンテキスト予測モデルが存在する場合、コンテキスト分類プラットフォーム103は、既存のコンテキスト予測モデルを更新および/または訓練するために決定されたシーケンスを利用できる(ステップ507)。前述の通り、コンテキスト予測モデルは、分類された生のコンテキストデータのシーケンスからコンテキスト間の遷移モデルを学習するために使用されてもよい。ある実施形態では、コンテキスト予測モデルは、マルコフモデル、隠れマルコフモデル、Nグラムモデル等の古典的な逐次モデルからの延長であってもよい。本明細書で記述される自動コンテキスト分類法は、コンテキスト予測モデルのための訓練データを準備するためにも使用されうる。例えばユーザは、訓練されカスタマイズされたコンテキスト認識モデルを用いて、例えば「バスで通勤中にスポーツニュースを送信する」等カスタマイズされたコンテキストを一つ以上のコンテキスト認識アプリケーションに登録できる。
前述の通り、コンテキスト認識および/または予測モデルはまた、コンテンツや広告、好み、機能等に関するユーザの関心を学習するために使用されてもよい。例えば、認識された、あるいは予測されたコンテキスト区分に関して、コンテキスト分類プラットフォーム103は、例えば、特定のコンテキストや広告、機能、好み等に関するユーザの振る舞い履歴を検出するか、あるいは記録してもよい。より具体的には、コンテキスト分類プラットフォーム103は、(例えば、決定された遷移点のシーケンスに基づく)特定のコンテキスト区分の間にユーザがどのコンテンツ等にアクセスしている、またはアクセスしていたかを決定する。ある実施形態では、コンテキスト分類プラットフォーム103は、アクセスされたコンテンツに関するユーザからのフィードバックも決定する。例として、ユーザからのフィードバックは、ユーザがコンテンツを閲覧またはアクセスする時間、コンテンツに対する評価、ユーザが他のユーザにコンテンツを共有するかどうか等を含んでもよい。この履歴情報を基に、コンテキスト分類プラットフォーム103はアクセスされたコンテンツに少なくとも部分的に基づいて、コンテキスト予測モデルをさらに訓練してもよい。モデルは例えば、ユーザが特定のコンテキスト区分にある間によくアクセスし易いコンテンツや広告、アプリケーション等のタイプを決定するために、統計および/または他の規則やデータマイニング処理を含んでもよい。
別の実施形態では、コンテキスト分類プラットフォーム103は、コンテンツに基づいて訓練されたコンテキスト予測モデルに基づいて、UE101に提示する他のコンテンツについて決定してもよい。例えば、コンテキスト分類プラットフォーム103は、ユーザにより特定されたターゲッティングコンテンツや広告等に関する情報を有利に生成でき、その結果、不適切かもしれないコンテンツを伝送または提供することで浪費されうるコンピュータリソースや帯域、メモリ等のリソースの総量を削減することができる。加えて、特定のユーザに対してより正確に適したコンテンツは、ユーザの関心をより多く引き出し、より効果的なものとなりうる。
図6は、ある実施形態に従う、コンテキスト情報を分類するベクトルに基づく処理を表す略図である。より具体的には、本明細書で記述される手法の主要ステップを示すことによって、図3から5に関して記述される処理の要約が図6に示されている。最初に、ある実施形態では、コンテキスト分類プラットフォーム103は、生のコンテキストレコード601を処理するために、前述したLDACやK平均法等の訓練なしの手法を使用する。この例では、生のコンテキストレコード601は、異なるコンテキストパターンを表現する2つの遷移点603aおよび603bを含む。次に、コンテキスト分類プラットフォーム103は、生のコンテキストレコード601からコンテキストパターン603を発見するために図3および4に示す処理を使用する。次にコンテキスト分類プラットフォーム103は、決定されたコンテキストパターン603の多次元ベクトルを生成し、生のコンテキストレコード601をベクトルにマッピングする。
前述で示した通り、コンテキストベクトルは、個々のコンテキストレコードの何れかがコンテキストパターンの一つに一致する確率を表現する。グラフ607はマッピングされたコンテキストベクトルのシーケンスを時系列で配置して表わしたグラフである。グラフ607の狭い帯の各々はコンテキストレコードを表わし、各帯の色や濃淡はコンテキストレコードに一致する特定のコンテキストパターンの確率を表わす。次にコンテキスト分類プラットフォーム103は、ユーザのコンテキストレコードのシーケンスを分類するために、TextTiling等のセグメンテーション・アルゴリズムを使用できる。セグメンテーション・アルゴリズムは生のコンテキストレコード601から遷移点609a-609eを識別する。グラフ607のコンテキストレコードにある濃淡の差は遷移点を示す。コンテキスト分類法により、コンテキストラベル付けシステムはユーザにコンテキスト遷移の時点付近にラベル付けするリマインドしてもよい。次に、2つの遷移の時点間のコンテキストデータは同一のラベルを共有できる。最後に、収集されたラベル付きコンテキストデータは、カスタマイズされたコンテキスト認識モデルを訓練するために使用される。
図7Aおよび7Bは、種々の実施形態に従う、コンテキスト情報のセグメンテーションに利用されるクライアントおよびサーバ間のやり取りの略図である。図7Aは、携帯デバイス(例えば、UE101a-101n)からクライアント701で読み出されるコンテキストレコード等のデータが通信ネットワーク105等のインターネットを介してサーバ側705にアップロードされてよいことを示す。ある実施形態では、サーバ側705はコンテキスト分類プラットフォーム103および/またはサーバプラットフォーム113を備えうる。サーバ側705では、アップロードされるデータはユーザコンテキストデータベース707に格納される。この実施形態では、携帯デバイス703がサーバ709と負荷を移して分け合うことによって、コンテキスト情報のセグメンテーションに関連するコンピュータ処理の負荷を軽減できる利点がある。サーバ709は一般的に、この種のコンピュータ処理を扱う携帯デバイスよりも高い処理能力と、帯域やメモリ等の関連するリソースを有している。代替的には、図7Bで示す通り、クライアント側731で携帯デバイス733から読み出されるデータは対応する携帯デバイス733の記憶メデイア(図示せず)に格納されてもよい。次に携帯デバイス733は、コンテキストデータからコンテキストパターンやセグメンテーション等を決定するためにコンピュータ処理をローカルで実行してもよい。次に、コンテキストパターンや遷移点、コンテキスト分類等のコンピュータ処理結果は、サーバ739とユーザコンテキストデータベース737を備えるサーバ側735にアップロードされてよい。この実施形態では、データは対応する携帯デバイス733内に保持され、ユーザの許可なく他のデバイスやサーバにアップロードされないという利点がある。このように、図7Bに示す実施形態では、高レベルのプライバシー保護が提供される。加えて、図7Aおよび7Bの両実施形態において、携帯デバイスのユーザは、携帯デバイスから読み出される全てのデータがサーバ側735に送信されてもよいかどうかを決定するプライバシー設定を構成してもよい。さらに、図示されていないが、本発明に従うコンテキスト区分の分析の大部分は、携帯デバイス733がサーバ739に接続されていない場合であっても携帯デバイス733内で実行されてよい。携帯デバイス733がデータとデータを分析するための十分な処理能力を有する限り、サーバ739は分析を実行する必要がなくてもよい。
図8Aおよび8Eは、種々の実施形態に従う、図3から5の処理で利用されるクライアント側ユーザインターフェースの略図である。図8Aは携帯デバイスのユーザインターフェース800を示す。情報ウインドウ801は、「データロギング」のユーザインターフェースと関連情報を表示し、さらにコンテキストレコードがアップロード中であることを示している。リスト803は、コンテキストレコードに設定するために選択されうる、アップロード可能なコンテキスト特性を示す。オプション805は、プライバシーフィルターや検索等、設定可能な追加オプションを提供し、設定可能な追加のコンテキスト特性を表示するために別のオプション807が選択されてもよい。
図8Bは、携帯デバイスで利用可能なコンテキスト特性の設定オプションを表示するユーザインターフェース830を示す。図8Bで示す実施例では、アラーム831が設定されるために選択される。アラーム831が選択されると、拡張メニュー833が表示される。この実施例では、アラーム831は特定のコンテキストパターン遷移点の検出によって起動する。ユーザは、特定のコンテキストパターンや遷移点を指定するためにメニューオプション835を閲覧して選択できる。この実施例では、モジュールオプション833が選択され、モジュールの有効やモジュールの無効、アラーム関連のコンテキスト情報を収集するためのサンプルレートの変更を行う追加オプションがさらに表示される。図8Cは、コンテキストレコードの収集のためのデータソースやセンサをユーザが選択できるようにするユーザインターフェース850を示す。コンテキストメニュー851は、コンテキストレコードが収集されるコンテキスト特性やコンテキストソースのリストを示す。図8Cで示す実施例では、加速度計や現在の状況、オーディオレベルが選択される。このように、本携帯デバイスから読み出されるコンテキストレコードはこれら3つのコンテキスト特性を含みうる。
図8Dは、決定されたコンテキストパターンとそれに対応する信頼水準を表示するユーザインターフェース870を示す。図示の通り、情報ウインドウ871はユーザインターフェース870が「結果表示」用であると識別する。また、ユーザインターフェース870は、信頼水準の降順で格納されるコンテキストパターンのリスト873を表示する。これらコンテキストパターンの一つは、図8Eのユーザインターフェース890で示すように、コンテキストパターンに関するより詳細な情報を表示するために選択されてもよい。図8Eの実施例では、コンテキストパターン1891が追加の詳細情報を表示するために選択される。したがって、コンテキストパターンウインドウ893はコンテキストパターン1に対応するコンテキスト特性を表示する。コンテキストパターンウインドウ893はまた、コンテキストパターンウインドウ893を上下にスクロールするスクロール895を備える。インタラクションウインドウ897は、コンテキストパターン1に一致するやり取りを表示する。信頼水準ウインドウ899は、信頼水準と信頼水準を計算して考慮されるコンテキストレコードの数を表示する。この実施例では、信頼ウインドウ899は信頼水準90%と信頼水準を計算して考慮されたコンテキストレコードの数642を表示する。
図8Dは、決定されたコンテキストパターンとそれに対応する信頼水準を表示するユーザインターフェース870を示す。図示の通り、情報ウインドウ871はユーザインターフェース870が「結果表示」用であると識別する。また、ユーザインターフェース870は、信頼水準の降順で格納されるコンテキストパターンのリスト873を表示する。これらコンテキストパターンの一つは、図8Eのユーザインターフェース890で示すように、コンテキストパターンに関するより詳細な情報を表示するために選択されてもよい。図8Eの実施例では、コンテキストパターン1891が追加の詳細情報を表示するために選択される。したがって、コンテキストパターンウインドウ893はコンテキストパターン1に対応するコンテキスト特性を表示する。コンテキストパターンウインドウ893はまた、コンテキストパターンウインドウ893を上下にスクロールするスクロール895を備える。インタラクションウインドウ897は、コンテキストパターン1に一致するやり取りを表示する。信頼水準ウインドウ899は、信頼水準と信頼水準を計算して考慮されるコンテキストレコードの数を表示する。この実施例では、信頼ウインドウ899は信頼水準90%と信頼水準を計算して考慮されたコンテキストレコードの数642を表示する。
本明細書で説明された、コンテキスト情報を分類する処理は、ソフトウェアやハードウェア、ファームウェアやこれらいずれかは二つ以上の組み合わせによって有利に実装されてよい。例えば、本明細書で説明される処理は、一つ以上のプロセッサやデジタル信号処理チップ(DSP)、特定用途向けIC(ASIC)、FPGA(Field Programmable Gate Array)などによって有利に実装されてよい。前述の機能を実行するための、このような例示的なハードウェアが以下に説明される。
図9は、本発明の実施形態が実装されうるコンピュータシステム900を描いたものである。コンピュータシステム900は特定のデバイスや装置で描かれているが、ネットワーク要素やサーバなど、図9中の他のデバイスや装置が、システム900に描かれたハードウェアやコンポーネントを配置できることも想定されている。コンピュータシステム900は、コンピュータプログラムコードや命令などによって、本明細書で記述する通りにコンテキスト情報を分類するようプログラムされており、バス910等の通信機構を有する。通信機構は、コンピュータシステム900の他の内部および外部要素との間で情報通信する。"データ"とも呼ばれる"情報"は、物理的に測定可能な現象によって表されることができ、典型的には電圧であるが、実施形態よっては、磁気的、電磁気的、圧力的、化学的、生物学的、分子的、原子的、亜原子的、量子的相互作用等の現象によって表されうる。例えば、N極およびS極の磁極や、ゼロと非ゼロの電圧が、2進数ビットの二つの状態(0,1)を表すことができる。高次の数を表すこともできる他の現象も存在する。量子ビット(qubit)は、測定される前は、複数の量子状態が同時に重なったものである。一つ以上の数(digit)のシーケンスはデジタルデータを構成し、数や文字コードを表現できる。実施形態よっては、アナログデータと呼ばれる情報が、特定の範囲で測定可能な値の連続体に近いものによって表現される。コンピュータシステム900またはその一部は、コンテキスト情報を分類する一つ以上のステップを実行する手段を構成する。
バス910は、一つ以上の並列情報伝達手段を有する。それによって、バス910に接続するデバイスの間で情報が高速に伝達される。情報処理のための一つ以上のプロセッサ902がバス910に組み合わされている。
プロセッサ(または複数のプロセッサ)902は、コンテキスト情報を分類することに関連するコンピュータプログラムコードによって特定されるように、情報に対する処理のセットを実行する。コンピュータプログラムコードは命令(instruction)や宣言(statement)のセットであって、プロセッサやコンピュータシステムが特定の機能を実行する処理のための指示を提供する。コードは、例えば、コンピュータプログラム言語で記載することができ、その後プロセッサのネイティブな命令セットにコンパイルされることができる。コードは、ネイティブな命令セット(すなわちマシン語)に直接記載されることもできる。処理のセットは、バス910から情報を取り出したり、バス910に情報を流したりすることを含む。処理のセットはまたは、通常、二つまたはそれ以上の情報ユニットを比較したり、情報ユニットの位置をシフトしたり、二つまたはそれ以上の情報ユニットを結合したりすることを含み、例えば加算や乗算、ORや排他的OR(XOR)やANDなどの論理演算を含む。プロセッサにより実行されうる一連の処理における個々の処理は、1デジット(digit)以上による処理コードのような、命令と呼ばれる情報によってプロセッサに提示される。処理コードのシーケンスなどの、プロセッサ902により実行される処理のシーケンスは、プロセッサ命令を構成し、これはまた、コンピュータシステム命令や、より簡単にコンピュータ命令などと呼ばれる。プロセッサは、機械的、電気的、磁気的、光学的、化学的、量子的、または他の方法で、単独でまたはこれらを組み合わせて、実装されてもよい。
コンピュータシステム900はまた、バス910に接続されるメモリ904を備える。メモリ904は、ランダムアクセスメモリ(RAM)や他のダイナミックなストレージデバイスであることができ、コンテキスト情報を分類するためのプロセッサ命令を含む情報を格納する。ダイナミックメモリは、コンピュータシステム900が格納されている情報を変更することを可能とする。RAMはメモリアドレスと呼ばれる場所に格納されるべき情報ユニットを格納することを可能とし、また隣接するアドレスの情報とは独立に、当該情報ユニットが読み出しされることを可能とする。メモリ904は、プロセッサ902によって、プロセッサ命令を実行する間に一時的な値を格納するためにも用いられる。コンピュータシステム900は、読み出し専用メモリ(ROM)906や他の静的ストレージデバイスをも備えてもよい。これらもバス910に接続されており、コンピュータシステム900によっては変更されない静的な情報を格納する。あるメモリは、電源供給が失われると格納している情報が消えてしまう揮発性のストレージによって構成される。バス910は、非揮発性のストレージデバイス908も接続されている。このようなデバイスには、磁気ディスクや光ディスク、フラッシュカードなどが含まれる。このようなデバイスには、コンピュータシステム900の電源が切られたり、その他の理由で電源を失ったりする場合でも保持されるべき情報(例えば命令など)が格納される。
コンテキスト情報を分類する命令を含む情報は、人間によって操作される英数字キーを含むキーボードやセンサなどの外部入力装置912から、バス910に供給されプロセッサによって使用される。センサは、その周辺で生じた条件を検出し、検出結果を、測定可能な現象と互換性のある物理的表現に変換し、コンピュータシステム900で提示することができるようにする。その他の外部機器もバス910に接続され、特に人間とのやり取りのために使用される。このような外部デバイスには、例えば、ブラウン管(CRT)や液晶ディスプレイ(LED)、有機LED(OLED)、プラズマスクリーン等の表示装置914、テキストや画像を提示するためのプリンタ、マウスやトラックボール、カーソル指示キー、モーションセンサ等のポインティングデバイス916等がある。モーションセンサは表示装置914に表示された小さなカーソルのイメージの位置を制御したり、ディスプレイ914表示されたグラフィック要素に関連する命令を発行したりするために使用される。実施形態によっては、例えば、コンピュータシステム900が、人間の入力なしに全ての機能を自動的に実行する場合があり、外部入力デバイス912や表示装置914、ポインティングデバイス916などの一つ以上が省略される場合がある。
例示される実施形態において、特定用途向けのハードウェア、例えばASIC(Application Specific Integrated Circuit)920がバス910に接続されてもよい。このような特定用途向けのハードウェアは、そうした特定用途においてプロセッサ902が十分に早く実行できない処理を実行するように構成される。このようなASICの例として、表示装置914上にイメージを生成するグラフィックアクセラレータカードや、ネットワークを介して送信されるメッセージの暗号化や解読を行う暗号化ボード、音声認識装置、また特殊な目的の外部デバイスとのインタフェースなどがある。そのようなインタフェースは、例えば、ロボットアームや医療用スキャン装置など、複雑なシーケンスの動作を繰り返し行うような装置がある。このような動作はハードウェアによってより効率的に実行されることができる。
コンピュータシステム900はさらに、バス910に接続する通信インタフェース970の一つ以上のインスタンスを有する。通信インタフェース970は、それぞれ自身のプロセッサを有する様々な外部デバイスに接続されて、一方向または双方向の通信を提供する。このような外部デバイスとして、プリンタやスキャナ、外部ディスク装置などがある。一般的に、接続はネットワークリンク978によって行われ、ネットワークリンク878はローカルネットワーク980に接続される。ローカルネットワーク880には、自身でプロセッサを有する様々な種類の外部デバイスが接続されている。通信インタフェース970は、例えば、パーソナルコンピュータのパラレルポートやシリアルポート、ユニバーサルシリアル(USB)ポートであることができる。施形態によっては、通信インタフェース970は、ISDNカードやDSLカードや電話モデムなど、対応する種類の電話通信ラインと情報通信接続を確立するようなものであることができる。実施形態によっては、通信インタフェース970は、ケーブルモデムであることができ、これは、バス910上の信号を、同軸ケーブルを用いた通信接続のための信号や、光ケーブルを用いた通信接続のための光信号に変換する。別の実施例では、通信インタフェース970は、ローカルエリアネットワーク(LAN)カードであり、これは、イーサネット(登録商標)などの互換性のあるLANとのデータ通信接続を提供する。ワイヤレスリンクが用いられる場合もある。ワイヤレスリンクとして、通信インタフェース970は、例えば電気的、音声的、電磁的な信号を、送信したり受信したり送受信したりする。このような信号には、デジタルデータなどの情報ストリームを運ぶこともできる赤外線や光信号も含まれる。例えば、無線ハンドセットデバイスにおいては、通信インタフェース970はRF送受信機と呼ばれる、RF帯域の電磁波信号の送信機および受信機を備える。実施形態によっては、通信インタフェース970は、コンテキスト情報を分類するために、通信ネットワーク105との接続を可能にする。
本明細書で"コンピュータ可読媒体"との用語は、プロセッサ902に実行命令を含む情報を提供しうる如何なる媒体であってもよい。このような媒体は様々な形態をとりうるものであり、揮発性または非揮発性のコンピュータ可読記憶媒体や、伝送媒体が含まれる。ただし、これらに限定されない。非揮発性の媒体のような非一時的媒体は、例えばストレージデバイス908のような光または磁気ディスクを含む。揮発性の媒体は、例えばダイナミックメモリ904を含む。伝送媒体は、例えば、ツイストペアケーブルや同軸ケーブル、銅線、光ファイバーケーブル、ワイヤやケーブルを介さずに空間を伝う搬送波などであることができ、搬送波としては音波や電磁波があり、電磁波には無線電波、可視光、赤外線などがある。人々によって信号に含められる一時的な変化は、振幅、周波数、位相、極性などの物理的性質であり、そのような変化が伝送媒体を通じて送信される。コンピュータ可読媒体のよく知られた形態は、例えば、フレキシブルディスクやハードディスク、磁気テープなどの磁気的媒体、CD-ROMやCDRW、DVDなどの光媒体、パンチカードや紙テープ、光マークシートなどの、孔によるパターンやその他の光学的認識可能な目印を有する物理媒体、RAMやPROM、EPROM、フラッシュEPROM、EEPROMなどのメモリチップやカートリッジ、搬送波などであり、コンピュータが読み取りを行うことのできる様々な媒体が存在する。本明細書においてコンピュータ可読記憶媒体との用語は、伝送媒体を除くどのようなコンピュータ可読な媒体をも言及する。
一つ以上の有形の媒体に符号化されたロジックは、コンピュータ可読記憶媒体とASIC920等の特定用途向けハードウェアの一つまたは両方を含む。
典型的に、ネットワークリンク978は、伝送媒体を用いて情報通信を提供する。一つ以上のネットワークを通じて、情報を使用したり処理したりする他のデバイスへの情報通信が行われる。例えばネットワークリンク978は、ローカルネットワーク980通じてホストコンピュータ982への接続を提供する。また、インターネットサービスプロバイダ(ISP)によって運営される設備984への接続を提供してもよい。ISP設備984も同様に、一般的にインターネットと称される、ワールドワイドな公衆パケット交換通信ネットワーク990を通じて、データ通信サービスを提供する。
インターネットに接続される、サーバホスト992と称されるコンピュータは、インターネット通じて受信した情報に応答して、サービスを提供するプロセスをホストする。例えばサーバホスト992は、表示装置914に提示されるビデオデータを表す情報を提供するプロセスをホストする。なお、システム900の諸要素は、ホスト982やサーバ992など他のコンピュータシステムにおいて様々な構成をとりうることが想定される。
本発明の少なくともある実施形態は、コンピュータシステム900を、本明細書で説明される一部または全ての技術を実装するために使用することに関している。本発明のある実施形態では、これらの技術は、メモリ904に格納されている一つ以上のプロセッサ命令の一つ以上のシーケンスをプロセッサ902が実行することによって、コンピュータシステム900により実行される。このような命令は、コンピュータ命令やソフトウェア、プログラムコード等と呼ばれ、ストレージデバイス908やネットワークリンク978などの他のコンピュータ可読媒体からメモリ904に読み込まれてもよい。メモリ904に格納されている命令のシーケンスを実行することは、本明細書で説明された方法ステップの一つまたは複数をプロセッサ902実行させる結果を生む。別の実施形態では、ASIC920のようなハードウェアが、上記の手法の代わり、またはソフトウェアと組み合わされて、本発明を実装するために使用される。このように、本発明の実施形態は、ここで明示的に記載されない限り、ハードウェアやソフトウェアの特定の組み合わせに限定されることは無い。
ネットワークリンク978や通信インタフェース970を介する他のネットワークを通じて伝送される信号は、コンピュータシステム900対して送受信される情報を伝達する。コンピュータシステム900は情報を送受信することができる。このような情報にはプログラムコードが含まれ、とりわけネットワーク980や990を通って、ネットワークリンク978や通信インタフェース970を介して、送受信される。インターネット990を用いるある実施例では、特定のアプリケーションのためのプログラムコードであって、コンピュータ900から送信されたメッセージによってリクエストされたプログラムコードをサーバホスト992が送信する。この送信は、インターネット990やISP設備984、ローカルネットワーク980、通信インタフェース970を通じて行われてもよい。受信されたコードは、受信時にプロセッサ902によって実行されてもよい。または後に実行されるために、メモリ904やストレージデバイス908などの非揮発性媒体に格納されてもよい。実行と格納が両方行われてもよい。このようにして、コンピュータシステム900は、搬送波上の信号としてプログラムコードを入手することができる。
様々な形態のコンピュータ可読媒体が、プロセッサ902により実行される命令やデータの一つ以上のシーケンスを担持するのに使用されることができる。例えば、命令やデータは、最初にホスト982のようなリモートコンピュータの磁気ディスクに担持されてもよい。リモートコンピュータはこれらの命令やデータを、そのダイナミックメモリにロードし、モデムを用いて電話線を介して送信してもよい。コンピュータシステム900に搭載されるモデムは、電話線上の命令やデータを受信することができ、赤外線送信機を用いて当該命令やデータを変換し、ネットワークリンク978に適合する赤外線搬送波上の信号とすることができる。通信インタフェース970として機能しうる赤外線検出器は、赤外線で運ばれてきた命令やデータを受信し、これらの命令やデータを表す情報をバス910に流す。バス910は、情報をメモリ904へ運び、プロセッサ902はメモリ804からこれらの情報を読み出して、上記の命令を実行する。実行の際、上記データのいくつかを上記命令と共に用いてもよい。メモリ904で受信された命令やデータがストレージデバイス908に格納されるという選択肢があってもよい。格納するのはプロセッサ902により実行される前でも後でもよい。
図10は、本発明の実施形態が実装されうるチップセットまたはチップ1000を示す。チップセット1000は、本明細書に説明されるコンテキスト情報を分類するようにプログラムされており、例えば、図9に関連して説明されたようなプロセッサやメモリを備え、これらが一つ以上の物理的パッケージ(すなわちチップ)に組み込まれている。例として、物理的パッケージは、一つ以上の部材やコンポーネント、および/または基板等の構造物アセンブリ上の配線などを含み、物理的強度、サイズの保持、および/または電気的相互作用の抑制などを提供する。実施形態によっては、チップセット1000が単一のチップとして実装される場合があることが想定される。実施形態によっては、チップセットまたはチップ1000が、単一の"システム・オン・チップ"に実装されうることも想定される。さらに実施形態によっては、個別のASICが使用されずに、例えば、本明細書で説明される全ての重要な機能が一つ以上のプロセッサで実行される場合も想定される。チップセットもしくはチップ1000、またはその一部は、機能の利用可能性に関連付けられたユーザインタフェース・ナビゲーション情報を提供する一つ以上のステップを実行する手段の一例を構成する。チップセットもしくはチップ1000、またはその一部は、コンテキスト情報を分類する一つ以上のステップを実行する手段の一例を構成する。
ある実施形態では、チップセットまたはチップ1000は、チップセット1000の要素間で情報をやり取りするためのバス1001のような通信機構を備える。プロセッサ1003は、メモリ1005などに格納される命令を実行したり情報を処理したりするべく、バス1001に接続可能に構成される。プロセッサ1003は一つ以上の処理コアを有し、各コアは独立に実行されるように構成されてもよい。マルチコアプロセッサは単一の物理的パッケージによって複数の処理を行えるようにする。マルチコアプロセッサには、2、4、8、またはそれ以上の処理コアを有するものもある。別の実施例では、または上記の実施例に加えて、プロセッサ1003は、一つ以上の直列に配されたマイクロプロセッサを備えてもよい。これらのマイクロプロセッサは、独立に命令を実行できてもよく、またはパイプラインとして使用されてもよく、またはマルチスレッド処理を行うように使用されてもよい。プロセッサ1003は、一つ以上の特定用途の要素を備えてもよい。それらは特定の処理機能やタスクを実行するために用いられる。このような特定用途の要素の例は、一つ以上のデジタルシグナルプロセッサ(DSP)1007や、一つ以上のASIC(application specific integrated circuit)1009である。DSP1007は、通常、プロセッサ1003とは独立に、音声などの現実世界の信号をリアルタイムで処理するように構成される。同様に、ASIC1009は、より汎用のプロセッサでは容易に実行することができない特定の機能を実行するように構成されてもよい。本明細書で説明された発明性を有する機能を実行する助けとなりうるその他の特定用途コンポーネントとしては、一つ以上のFPGA(field programmable gate arrays)や一つ以上の特定用途のコンピュータチップ(何れも図示せず)がある。
ある実施形態では、チップセットまたはチップ1000は、一つ以上のプロセッサと、これらをサポートするおよび/またはこれらに関連するいくつかのソフトウェアおよび/またはファームウェアのみを備える。
プロセッサ1003および付随するコンポーネントは、バス1001を介してメモリ1005に接続できるように構成される。メモリ1005はダイナミックメモリとスタティックメモリの両方を有する。ダイナミックメモリの例としては、RAMや磁気ディスク、書き込み可能な光ディスクなどがあり、スタティックメモリの例としては、ROMやCD-ROMなどがある。これらのメモリは実行可能命令を格納するために使用され、これら実行可能命令は、実行されると、コンテキスト情報を分類する、本明細書で説明された発明性を有するステップが実行される。メモリ1005はまた、これらの発明性を有するステップの実行に関連するデータや当該ステップの実行により生成されたデータを格納する。
図11は、ある実施形態に従う携帯端末の例示的な要素の略図である。この携帯端末は、例えばハンドセットであり、通信機能を有し、図1のシステムで動作する機能を有する。実施形態によっては、携帯端末1101またはその一部は、コンテキスト情報を分類する一つ以上のステップを実行する手段を構成する。一般的に、無線受信機は、フロントエンドとバックエンドの特性によって定義される。受信機のフロントエンドはRF回路の全て含み、バックエンドはベースバンド処理回路の全てを含む。本願において使用されているように、"回路"という用語は、(1)ハードウェアのみによる実装と、(2)回路およびソフトウェア(および/またはファームウェア)の組み合わせによる実装とを含む。前者は、アナログ回路のみの実装やデジタル回路のみの実装、またはこれらの両方を含む実装がある。後者は、特定のコンテキストで適用可能である場合は、一つ以上のプロセッサ(デジタルシグナルプロセッサを含む)やソフトウェア、一つ以上のメモリを含み、またはこれらの組み合わせを含み、これらは協働して、携帯電話やサーバなどの装置に様々な機能を実行させる。この"回路"の定義は、本願において"回路"との語句を使う全ての場合において適用される。請求項においても同様である。さらなる例として、本願で使用されるように、また特定のコンテキストで適用可能である場合は、"回路"という語句は、プロセッサと付随するソフトウェアやファームウェアのみの実装をも包含してもよい。なおプロセッサはマルチプロセッサでもよい。"回路"という語句はまた、特定のコンテキストにおいて適用可能である場合は、例えば、携帯電話のベースバンド集積回路やアプリケーションプロセッサ集積回路を包含してもよく、セルラネットワークデバイスやそのネットワークデバイスにおける同様の集積回路を包含してもよい。
電話機の重要な内部コンポーネントには、メインコントロールユニット(MCU)1103、デジタルシグナルプロセッサ(DSP)1105、送受信ユニットがあり、送受信ユニットには、マイク利得制御ユニットやスピーカ利得制御ユニットが含まれる。メインディスプレイユニット1107は、コンテキスト情報を分類するステップを実行したりサポートしたりする、様々なアプリケーションや携帯端末機能をサポートするための表示をユーザに提供する。ディスプレイ1107は、携帯電話などの携帯端末のユーザインターフェースの少なくとも一部分を表示するように構成される、ディスプレイ回路を含む。加えてディスプレイ1107およびディスプレイ回路は、携帯電話の少なくとも一部の機能に対するユーザ制御を容易にする。音声機能回路1109はマイクロホン1111と、マイクロホン1111から出力されるスピーチ信号を増幅するマイクロホンアンプとを備える。マイクロホン1111から出力された、増幅されたスピーチ信号は、符号化・復号回路(CODEC)1113に供給される。
無線セクション1115は、信号のパワーを増幅し、アンテナ1117を介して基地局と通信するために、周波数変換を行う。パワーアンプ(PA)1119や送信変調回路は、MCU1103に制御されて応答可能である。本技術分野で周知の通り、PAの出力は、デュプレクサ1121やサーキュレータ、アンテナスイッチに組み合わされる。PA1119はバッテリインタフェースやパワーコントロールユニット1120に組み合わされる。
使用時において、携帯端末1101のユーザはマイクロホンに向かって話し、彼または彼女の声は、拾われるバックグラウンドノイズと共にアナログ電圧に変換される。このアナログ電圧はアナログ・デジタルコンバータ(ADC)1123によってデジタル信号に変換される。コントロールユニット1103は、このデジタル信号を処理するためにDSP1105に供給する。この処理には、音声符号化やチャネル符号化、暗号化、インタリーブなどが含まれる。ある実施形態では、処理された音声信号はセルラ転送プロトコルを用いて符号化される。この符号化は独立した要素として図示されていないユニットによって行われる。符号化方式としては、EDGE(enhanced datarates for global evolution)やGSM(登録商標)(global system fo rmobile communications)、IMS(Internet protocol multimedia subsystem)、UMTS(universal mobile telecommunications system)等であってよく、いずれかの好適な無線媒体、例えばWiMAX(microwave access)やLTE(Long Term Evolution)、CDMA(code division multiple access)、WCDMA(登録商標)(wideband code division multiple access)、WiFi(wireless fidelity)、衛星通信等、またはこれらの組み合わせを使用できる。
符号化された信号は、無線伝送中に生じる位相や振幅の歪み等の周波数依存性の損失を補償する等価器1125に送られる。ビットストリームを等価した後、変調機1127が当該信号を、RFインタフェース1129で生成されたRF信号と結合する。変調機1127は、周波数または位相変調により正弦波を生成する。信号を送信準備するため、アップコンバータ1131は、変調機1127から出力された正弦波をシンセサイザ1133により生成された別の正弦波と結合し、送信に望ましい周波数を達成する。この信号はPA1119に送られ、信号の強さを適切なレベルまで増幅する。実際のシステムにおいて、PA1119は、ネットワークの基地局から受信した情報に基づいてDSP1105によって利得が制御される、可変利得増幅器として動作する。信号は、デュプレクサ1121でフィルタされ、場合によってはインピーダンス整合のためにアンテナカプラ1135に送られ、最大パワーでの伝送が実現される。最後に信号はアンテナ1117からローカルの基地局へ送信される。受信機における最後のステージの利得を制御するために、自動利得制御機構(AGC)が提供されてもよい。信号は、そこからリモートの電話機と伝送される。当該リモートの電話機は、公衆交換電話ネットワーク(PSTN)や他の電話ネットワークに接続される、セルラ電話機や他の携帯電話機、固定電話機であってもよい。
携帯電話機1101に送信された音声信号は、アンテナ1117を介して受信され、直ちに低ノイズアンプ(LNA)1137によって増幅される。ダウンコンバータ1139が搬送周波数を下げ、復調器1141がRFを取り去ってデジタルビットストリームのみを残す。この信号は等価器1125を通された後、DSP1105によって処理される。その後、デジタル・アナログコンバータ(DAC)1143が信号を変換し、その出力はスピーカ1145を通じてユーザに届けられる。これらは全てメインコントロールユニット(MCU)1103の制御下にある。MCU1103は、中央演算装置(CPU、図示せず)によって実装されうる。
MCU1103は様々な信号を受け取るが、その中にはキーボード1147からの信号も含まれる。キーボード1147および/またはMCU1103は、マイクロホン1111など他のユーザ入力要素と共に、ユーザ入力を管理するユーザインターフェース回路を備える。MCU1103は、ユーザインターフェース・ソフトウェアを実行し、コンテンツに基づいてネットワーク機能を特定する携帯端末1101の少なくとも一部の機能をユーザが制御することを容易にする。MCU1103はまた、表示命令や切り替え命令をディスプレイ1107や音声出力切り替えコントローラにそれぞれ提供する。さらにMCU1103は、DSP1105と情報通信し、搭載されている場合があるSIMカード1149やメモリ1151へアクセスすることも可能である。さらにMCU1103は、端末によって必要な各種の制御機能を実行する。DSP1105は、実装に応じて、音声信号についてのよく知られた各種のデジタル処理機能を実行する。さらにDSP1105は、マイクロホン1111によって検出された信号から周辺環境の背景ノイズレベルを決定し、携帯端末1101のユーザの声が自然に聞こえるようにマイクロホン1111のゲインのレベルを設定する。
CODEC1113は、ADC1123およびDAC1143を含む。メモリ1151は、着信音データを含む様々なデータを格納し、また例えばグローバルなインターネットを介して受信した音楽データなどの他のデータを格納する能力を有する。ソフトウェアモジュールは、RAMメモリやフラッシュメモリ、レジスタなど、技術分野で知られたいかなる形態の書き込み可能な記憶媒体に存在してもよい。メモリデバイス1151は、単一のメモリ、CD、DVD、ROM、RAM、EEPROM、光ストレージ、磁気ディスクストレージ、フラッシュメモリストレージなど、デジタルデータを記憶する能力を有する非揮発性のいかなる記憶媒体であってもよい。
オプションで搭載される場合があるSIMカード1149は、例えば、セルラ電話機の番号やキャリアによって提供されたサービス、加入者詳細情報、セキュリティ情報などの重要な情報を担持する。SIMカード1149の主要な役目は、無線ネットワークにおいて移動端末1101を識別することである。カード1149はまた、個人の電話帳やテキストメッセージ、携帯電話のユーザ設定を格納するためのメモリも備える。
本発明を種々の実施形態や実装例を用いて説明してきたが、本発明の範囲はそのように限定されるものではなく、添付の特許請求の範囲に包含される多くの明らかな変形や均等な構成を包含する。請求項において、本発明の特徴が、ある特定の組み合わせによって表現されているものの、それらはどのような組み合わせや順番に配されてもよい。
Claims (1)
- デバイスに関連するコンテキスト情報を決定することと;
前記コンテキスト情報に少なくとも部分的に基づいて、一つ以上のコンテキストパターンを決定することと;前記一つ以上のコンテキストパターン間の一つ以上の遷移点を決定することと;前記一つ以上の遷移点に少なくとも部分的に基づいて、前記コンテキスト情報のセグメンテーションを決定することと;
を含む、方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015142529A JP2015222586A (ja) | 2015-07-17 | 2015-07-17 | コンテキスト情報を分類する方法および装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015142529A JP2015222586A (ja) | 2015-07-17 | 2015-07-17 | コンテキスト情報を分類する方法および装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013528490A Division JP5777715B2 (ja) | 2010-09-17 | 2010-09-17 | コンテキスト情報を分類する方法および装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2015222586A true JP2015222586A (ja) | 2015-12-10 |
Family
ID=54785527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015142529A Withdrawn JP2015222586A (ja) | 2015-07-17 | 2015-07-17 | コンテキスト情報を分類する方法および装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2015222586A (ja) |
-
2015
- 2015-07-17 JP JP2015142529A patent/JP2015222586A/ja not_active Withdrawn
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5777715B2 (ja) | コンテキスト情報を分類する方法および装置 | |
JP2013543167A5 (ja) | ||
US11210706B2 (en) | Method and apparatus for determining context-aware similarity | |
US8341185B2 (en) | Method and apparatus for context-indexed network resources | |
US9715233B1 (en) | System and method for inputting a second taxi-start location parameter for an autonomous vehicle to navigate to whilst reducing distraction | |
US10277479B2 (en) | Method and apparatus for determining user context | |
US9881092B2 (en) | Method and apparatus for content-aware role modeling and recommendation | |
US9514472B2 (en) | Method and apparatus for classifying content | |
US20130145024A1 (en) | Method and apparatus for transfer of radio resource allocation | |
US20120303452A1 (en) | Method and Apparatus for Providing Context Attributes and Informational Links for Media Data | |
US20130262467A1 (en) | Method and apparatus for providing token-based classification of device information | |
US20140074639A1 (en) | Method and apparatus for holistic modeling of user item rating with tag information in a recommendation system | |
US8635062B2 (en) | Method and apparatus for context-indexed network resource sections | |
US10473684B2 (en) | Method and apparatus for providing movement detection based on air pressure data | |
US20130262483A1 (en) | Method and apparatus for providing intelligent processing of contextual information | |
US8977295B2 (en) | Method and apparatus for generating real-time map and location-based data | |
KR101495980B1 (ko) | 사용자 데이터에 기초하여 네트워크 기능을 식별하는 방법 및 장치 | |
WO2014000224A1 (en) | Method and apparatus for classifying significant places into place categories | |
US20130297535A1 (en) | Method and apparatus for presenting cloud-based repositories based on location information | |
US20170270195A1 (en) | Providing token-based classification of device information | |
JP2015222586A (ja) | コンテキスト情報を分類する方法および装置 | |
US8984090B2 (en) | Method and apparatus for providing derivative publications of a publication at one or more services | |
WO2013029217A1 (en) | Method and apparatus for generating customizable and consolidated viewable web content collected from one or more sources |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A761 | Written withdrawal of application |
Free format text: JAPANESE INTERMEDIATE CODE: A761 Effective date: 20151109 |