KR101805934B1 - 태스크의 맥락 관련 아이템의 자동 발견 - Google Patents

Abstract

사용자가 작업 맥락과 연관된 문서 및 기타 정보를 자동으로 복구하고 특정 프로젝트와 연관된 문서 및 기타 정보 산물을 복구할 수 있게 하는 아키텍처. 아키텍처는 특정 작업 맥락에 관한 정보 산물과의 사용자 상호작용에 관련된 활동 정보를 모니터링하고 기록할 수 있게 한다. 사용자는 작업 맥락과 관련된 작업 내용의 일부(예를 들어, 문서 내 용어 또는 기타 유형의 기준 아이템)를 갖는 문서를 선택할 수 있다. 어휘적 분석이 활동 정보 및 기준 아이템에 대해 수행되어 어휘적 유사성을 식별한다. 후보 아이템(예를 들어, 관련된 문서)의 목록이 어휘적 유사성에 기초하여 정보 산물로부터 추론된다. 작업 맥락과 관련된 후보 아이템이 사용자에게 제시되는데, 사용자는 작업 맥락을 재수립하기 위해 특정 아이템을 선택할 수 있다.

Description

태스크의 맥락 관련 아이템의 자동 발견{AUTOMATICALLY FINDING CONTEXTUALLY RELATED ITEMS OF A TASK}

사용자는 작업 시에 자주 맥락(context)을 전환한다. 이는 인터럽트, 그리고 다른 태스크로 전환하기 위해 특정 태스크를 위해 수행하고 있는 작업을 미루어두어야 할 필요 때문일 수 있다. 원래 태스크로 복귀할 때에, 사용자는 원래 태스크를 재개하기 위해 작업하고 있었던 모든 아이템(예를 들어, 파일, 애플리케이션, 위치, 사람, 통신 등)을 다시 불러와야 하는 문제가 있을 수 있다.

맥락 전환과 관련된 문제는, 사용자가 특정 작업의 맥락에 관여되는 모든 것과 모든 사람을 엄밀하게 기록한다면 완화될 수 있다. 그러나, 특정 작업 맥락에서 사용되는 모든 아이템의 완전한 기록을 생성하는 것은 실제로 그 작업 자체를 수행하는 것만큼 많은 일일 수 있다. 또한, 특정 아이템은 쉽게 기록될 수 없다. 예를 들어, 이메일 메시지, 인스턴트 메시지 대화 또는 계산기와 같이 파일을 생성하지 않는 애플리케이션을 저장하거나 참조(reference)하는 것은 어려울 수 있다.

실제로, 사용자는 통상 작업 맥락을 재배치하고 재구성하는데 기억에 의존한다. 그러나 이는 시간이 걸리고 오류 발생이 쉬운 전략일 수 있다. 사용자는 관련 웹 페이지와 기타 아이템을 찾기 위해 키워드 질의를 수용하는 종래의 검색 엔진에 의존할 수도 있다. 검색 엔진에서, 특정 문구 또는 파라미터가 관련 아이템을 찾기 위해 입력된다. 검색 엔진이 결과를 산출하지만, 엔진은 가끔 다수의 관련 없는 결과를 산출하고, 그에 의해 특정 태스크에 관련된 특정 아이템 세트를 불러오는 데는 도움이 되지 않는다.

또한, 키워드 검색 결과는 단지 관련 아이템을 포함하는 아이템의 목록을 제시할 뿐이다. 키워드 검색으로부터 관련 결과의 타겟 목록이 얻어진다고 해도, 통상 검색은 문서만을 불러올 수 있을 뿐 애플리케이션 상태는 불러오지 않는다. 이전 작업 맥락 아이템의 중요한 목록이 재구성될 수 있다는 확신이 거의 없이 검색을 수행하는 것은 시간 낭비일 수 있다.

이하는 여기에 설명된 일부 새로운 실시형태의 기본적인 이해를 제공하기 위하여 단순화된 개요를 제시한다. 이 개요는 광범위한 개관은 아니고, 핵심/필수 요소를 식별하거나 그 범위를 기술하려는 것은 아니다. 유일한 목적은 이후에 제시되는 더 상세한 설명에 대한 전주(prelude)로서 단순화된 형태로 일부 개념을 제시하려는 것이다.

사용자가 작업했던 작업 맥락에 관련된 문서와 같은 아이템 및 기타 유형의 정보 산물(artifacts)을 식별하고, 원래 맥락을 떠난 후에 작업 맥락을 효율적이고 효과적으로 재구성하기 위해 아이템의 불러오기(예를 들어, 수동, 자동)를 가능하게 하기 위한 아키텍처가 개시된다.

다수의 정보 스트림이, 주어진 태스크에 대한 맥락적 관계를 자동으로 추론하기 위해 결합될 수 있다. 예를 들어, 문서 사이의 전환 및 복사/붙이기 동작과 같은 사용자 행동이 모니터링되고 기록될 수 있다. 사용자 행동에 대해 또한 기준 아이템을 이용하여 어휘적(lexical) 분석이 수행되어 사용자에 의해 작업된 아이템 사이의 관계를 추론한다. 맥락적 관련(contextually-related) 아이템이 기준 아이템에 기초하여 사용자에게 제시되어, 통상의 키워드 기반 검색으로부터 얻어지는 광범위하고 일반화된 결과가 아니라, 사용자에 의해 이전에 작업된 구체적인 사용자 태스크에 대한 관련 아이템을 제시하는 결과를 산출한다.

위의 목적 및 관련 목적을 달성하기 위해, 특정한 예시적인 태양이 다음의 설명 및 첨부된 도면과 관련하여 여기에 설명된다. 이들 태양은 여기에 개시된 원리가 실시될 수 있는 다양한 방법을 나타내며, 모든 태양과 그 균등물은 청구된 주제의 범위 내에 있는 것으로 의도된다. 다른 이점 및 신규한 특성이 도면과 결합하여 고려할 때에 다음의 상세한 설명으로부터 명백해질 것이다.

도 1은 개시된 아키텍처에 따른 컴퓨터 구현 맥락 시스템을 도시한다.
도 2는 배경 모니터링 및 분석을 위한 추가의 엔티티를 포함하는 맥락 시스템의 다른 실시형태를 도시한다.
도 3은 맥락 시스템과 함께 사용되는 사용자 상호작용의 유형을 도시한다.
도 4는 배경 수집, 질의 및 저장을 위한 추가의 엔티티를 포함하는 맥락 시스템의 다른 실시형태를 도시한다.
도 5는 맥락 시스템의 다른 실시형태를 도시한다.
도 6은 맥락 시스템과 함께 사용되는 정보 산물의 유형을 도시한다.
도 7은 스코어링, 가중 및 수동 표시를 위한 추가의 엔티티를 포함하는 맥락 시스템의 다른 실시형태를 도시한다.
도 8은 개시된 아키텍처에 따라 맥락 관계를 추론하기 위한 구현을 도시한다.
도 9는 맥락 관계를 추론하기 위한 방법을 도시한다.
도 10은 맥락 관계를 추론하는 방법의 추가적인 태양을 도시한다.
도 11은 개시된 아키텍처에 따라 맥락 관계의 추론을 제공하도록 동작가능한 컴퓨터 시스템의 블록도를 도시한다.

개시된 아키텍처는 구체적인 작업 맥락과 연관된 문서와 정보 산물의 자동 복원과, 작업 맥락을 재구성하는 때에 연관된 기타 정보 산물 및 문서의 복원을 가능하게 한다. 아키텍처는 특정 작업 맥락에 관한 정보 산물로써 사용자 상호작용과 관련된 활동 정보의 모니터링 및 기록을 가능하게 한다. 사용자는 작업 맥락과 관련된 용어(term) 또는 기준 아이템의 다른 유형을 갖는 문서를 선택할 수 있다. 유사성을 식별하기 위해 기준 아이템에 관한 활동 정보를 갖는 문서 및 기준 아이템에 대해 분석(예를 들어, 어휘적 분석)이 수행될 수 있다. 분석으로부터 도출된 유사성에 기초하여 정보의 산물로부터 후보 아이템(예를 들어, 관련 문서)의 목록이 추론된다. 작업 맥락과 관련된 후보 아이템이 사용자에게 제시되고, 그러면 사용자는 예를 들어 작업 맥락을 재구성하기 위해 특정 아이템을 선택할 수 있다.

이제 도면을 참조하는데, 도면에서 유사한 참조 부호는 유사한 요소를 지칭하는데 사용된다. 아래의 설명에서, 설명의 목적으로, 완전한 이해를 제공하기 위하여 많은 구체적인 세부사항이 제시된다. 그러나, 신규한 실시형태는 이들 구체적인 세부사항 없이도 실시될 수 있음이 명백할 것이다. 다른 예에서, 공지된 구조 및 장치는 그 설명을 용이하게 하기 위해 블록도 형태로 도시된다. 청구된 주제의 사상 및 범위 내에 속하는 모든 변경, 균등물 및 대체물을 포괄하려는 의도이다.

도 1은 개시된 아키텍처에 따른 컴퓨터 구현 맥락 시스템(100)을 도시한다. 작업 맥락(108)과 연관된 아이템(106)과의 사용자 상호작용과 관련된 활동 정보(104)를 모니터링 및 기록하는 활동 컴포넌트(102)가 제공된다. 아이템(106)은 아래에서 더 상세히 설명하는 바와 같이 문서 또는 기타 유형의 정보 산물일 수 있다. 분석 컴포넌트(110)는 활동 정보(104)와 연관된 아이템(106) 및 기준 아이템(112)에 대해 분석(예를 들어, 어휘적)을 수행한다. 추론 컴포넌트(114)는 작업 맥락(108)을 재구성하는 때에 분석의 결과(118)와 활동 정보(104)에 기초하여 후보 아이템(116)을 추론한다.

여기에서 “맥락(context)”은 사용자에 의해 보거나(viewed), 판독되거나 (예를 들어, 애플리케이션들 사이에서 또는 애플리케이션과 데이터 사이에서 판독되는), 및/또는 생성되는 내용(content)을 지칭할 수 있는데, 여기서 내용은 텍스트 기반 문서 및/또는 기타 정보 산물일 수 있다. 맥락은 이메일이나 인스턴트 메시지와 같이 내용과 연관된 통신을 지칭할 수도 있다. 또한, 맥락은 내용이 판독되거나 사용된 하나 이상의 위치를 지칭할 수도 있는데, 이는 웹사이트, 네트워크 또는 로컬 폴더, 공동 사이트(collaborative site) 등을 포함할 수 있다. 또한, 맥락은 내용을 다루거나 내용과 상호작용하는 동안 사용자가 있었던 설정과 같이 내용에 관련된 환경을 지칭할 수 있다. 환경은 예를 들어 특정 참가자가 관여했던 모임(meeting)에서의 퍼스널 데스크톱일 수 있다. 맥락은 통신, 위치 및 환경 등과 연관된 기타 개인(예를 들어, 협력자 및/또는 참가자)를 지칭할 수도 있다.

도 1에 도시된 바와 같이, 분석 컴포넌트(110)는 기준 아이템(112)에 대해 어휘적 분석을 수행하는데, 기준 아이템(112)은 사용자가 이전에 열었던 문서 또는 기타 유형의 정보 산물일 수 있다. 그러나, 다른 유형의 분석이 어휘 분석 대신에 또는 그와 결합하여 사용될 수 있음을 이해할 것이다. 아이템(106)의 다른 아이템에 공통인 활동을 결정하기 위해 활동 정보(104)가 비교된다. 공통 활동은 예를 들어 문서 사이의 전환(내비게이션)일 수 있다. 아이템(106)의 부분집합에 대한 공통 활동이 주목되면, 어휘적 분석이 그 부분집합에 대해 수행되어 아이템(106)과 기준 아이템(112) 사이의 어휘적 교점(lexical intersection)이 존재하는지 여부를 결정한다. 이들 어휘적 교점이 결과(118)로서 출력된다. 후보 아이템(116)을 제안하기 위해 결과(118)가 활동 정보(104)(예를 들어 문서 사이의 전환의 횟수)와 비교된다.

도 1에 도시된 바와 같이, 키워드에 맞는 결과를 산출하기 위해 사용자의 키워드 입력에 의존하는 검색 엔진과 달리, 맥락 시스템(100)은 기준 아이템(112)에 기초하여 결과를 산출한다. 예를 들어, 사용자는 현재 열려있는 프리젠테이션 문서로 시작함으로써 사이트 방문 계획의 작업 맥락으로 돌아갈 수 있다. 프리젠테이션 문서는 기준 아이템(112)이고, 검색에서 키워드가 아니라 “질의(query)”로서 기능한다. 맥락 시스템(100)은, 사용자 활동에 걸친 어휘적 분석으로써 그 활동의 교점을 식별함으로써 후보 아이템(116)을 산출한다. 일 태양에서, 아이템(106)은 사용자 활동에 기초하여 식별될 수 있고 그 후 어휘적 분석을 이용하여 차별화될 수 있는데, 이는 후보 아이템(116)의 아주 정확한 목록을 산출할 수 있다.

문서에 대해 작업하는 동안 무관한 이메일을 확인하거나 관련 없는 웹 페이지를 서핑하는 등 어휘적 매치를 갖지 않는 순수한 사용자 활동의 인스턴스(instance)는 관련이 없는 결과를 산출할 수 있다. 사용자 활동을 갖지 않는 순수한 어휘적 매치의 인스턴스는 우연히 동일한 단어(예를 들어, 웹사이트 또는 드롭 사이트뿐만 아니라 사이트 방문에 관한 이메일 내의 “사이트”)를 공유하는 무관한 아이템을 낳을 수 있다. 그러므로, 어휘적 매치 및 행동 매치 모두를 갖는 인스턴스는 사용자가 재구축하고자 하고 있는 주어진 작업 맥락에 대한 높은 정확도의 결과를 나타낸다.

도 2는 배경(background) 모니터링과 분석을 위한 추가 엔티티를 포함하는 맥락 시스템(200)의 다른 실시형태를 도시한다. 활동 컴포넌트(102)는 사용자 활동을, 사용자에게 투명하고 사용자 상호작용이 없는 동작으로서 모니터링하는 배경 컴포넌트(202)를 포함할 수 있다. 이러한 방식으로, 활동 정보(104)는 사용자를 방해하거나 여하한 사용자 피드백을 요구하지 않고 배경에서 획득될 수 있다.

도 2에 도시된 바와 같이, 어휘적 분석의 결과(118)는 기준 아이템(112)과 후보 아이템(116)에서 발견되는 처리 공통 용어(204)를 포함할 수 있다. 기준 아이템(112)에서 내용의 시점에 기초하여 관련 내용을 함께 클러스터링하기 위해 어휘 분석은 정보 산물과 연관된 내용과 메타데이터(metadata)를 조사할 수 있다. 공통 용어(204)는 예를 들어 이메일의 공통적인 보낸사람 및/또는 받는사람, 주제행의 공통 명사구 및 파일 폴더, 카테고리 및 태그와 같이 사용자에 의해 내용이 어떻게 조직되는지의 표시를 포함할 수 있다.

공통 용어(204)는 구체적으로, 내용이나 메타데이터에서 찾아지는 공통 명사, 명사구, 저자명(author name) 및 참가자를 또한 포함할 수 있다. 명사는 이메일 주제행 및 문서 제목으로부터 어휘적인 속성으로서 추출될 수 있고, 추출된 내용, 위치/경로, 이메일 보낸사람/받는사람 등일 수도 있다. 사용자가 내용에 관한 소정 수준의 추가 정보를 도입하는 경우 여하한 기타의 적당한 방식이 강화될 수 있다.

도 3은 맥락 시스템과 함께 이용될 수 있는 사용자 상호작용(300)의 유형을 도시한다. 사용자 상호작용(300)은 프로그램 또는 데이터 사이의 전환 동작(302)을 포함할 수 있다. 전환 동작(302)은 문서 사이의 관계를 제시하는 활동 및 패턴을 나타낼 수 있는 공통으로 액세스되는 문서를 나타낸다. 전환 동작(302)은, 사용자에 의해 기준 아이템(112)이 초점에 있을 때의 시간 근처에 사용자에 의해 액세스되었던 프로그램, 데이터, 문서 및/또는 기타 정보 산물을 나타낸다. 전환 동작(302)은 기준 아이템(112)으로서 사용되는 초기 문서 또는 이메일에 대한 가능한 관련성을 결정하기 위한 시작점으로 사용될 수 있다.

도 3에 도시된 바와 같이, 사용자 상호작용(300)은 프로그램 또는 데이터 사이의 복사/붙여넣기 동작(304)을 포함할 수도 있다. 다른 사용자 상호작용(300)은 예를 들어 이메일 또는 기타 유형의 메시지에서 첨부로 프로그램 또는 데이터를 삽입하는 동작(306)을 포함할 수 있다. 토글 빈도 측정(308)은 문서 사이의 전환의 인스턴스의 수를 측정하는데 사용될 수 있는데, 이는 작업 맥락(108)에 대한 공통 관계를 확인하는데 사용될 수 있다. 타임스탬프 동작(310)은 기준 아이템(112) 근처의 적절한 시간 기간 내에 후보 아이템(116)이 생성, 편집 또는 저장되었는지 여부를 결정하는데 사용될 수 있다. 북마크 동작(312)은 리소스가 미래 기준에 대해 기록되었는지 여부를 판정하는데 사용될 수 있다. 링크 동작(314)은 문서 사이의 액세스를 제공하기 때문에 링크 동작이 공통 작업 맥락(108)을 제시할 수 있다. 다른 위치에서의 사본으로서의 아이템의 저장 동작(316)이 공통 작업 맥락(108)을 제시하는데 사용될 수 있다. 정보 산물에 대해 소비된 드웰 타임(dwell time)(318)(예를 들어, 총 활동 시간)이 작업 맥락(108)을 제시하는데 사용될 수 있다. 예를 들어, 드웰 타임(318)은 초안(draft)에 대해 작업하는데 사용된 시간 또는 초안을 검토하는데 사용된 시간의 총량일 수 있고, 예를 들어 키보드 및/또는 마우스 활동으로서 측정될 수 있다.

도 3에 도시된 바와 같이, 공통으로 액세스된 문서가 공통 맥락을 공유하는지 여부를 판정하기 위해 전환 동작(302)이 분석 컴포넌트(110)와 추론 컴포넌트(114)에 의해 활동 정보(104)로서 사용될 수 있는 예가 제공된다. 문서 사이의 전환은, 문서가 전환 동작(302)에서 소스 문서였는지 타겟 문서였는지 여부, 타겟 문서로의 전환 전에 소스 문서가 닫혔는지 여부, 사전결정된 최소 인터벌(예를 들어 3초 미만) 동안 사용자에 의해 타겟이 초점에 있었는지(앞에(foreground) 있었는지) 여부, 타겟이 배경에서 열렸는지(예를 들어, 초점에 있지 않은 웹 브라우저 탭에서 열렸는지) 여부, 소스 문서가 타겟 문서가 열린 후에 전환한(switched from) 첫 번째 문서였는지 여부, 및 타겟 문서가 소스 문서가 닫히기 전에 전환된(switched to) 마지막 문서였는지 여부를 나타내는 것으로서 기록될 수 있다. 또한, 사용자가 특정 문서 사이에서 전환한 횟수가 기록될 수 있다.

전술한 사용자 상호작용(300) (및 그 조합)은, 공유된 맥락을 갖는 문서를 (높은 확률로) 나타내지 않는 문서 공통 액세스 인스턴스를 필터링하는데 있어 관련성에 대해 분석 컴포넌트(110) 및 추론 컴포넌트(114)에 의해 평가될 수 있다. 다른 관련 메타데이터가 필터링 결과의 관련성을 위해 후속하여 로그(log)될 수 있다.

도 4는 배경 수집, 질의 및 저장을 위해 추가 엔티티를 포함하는 맥락 시스템(400)의 다른 실시형태를 도시한다. 질의 컴포넌트(402)는 기준 아이템(112)에 관련된 후보 아이템(116)에 대한 명시적(explicit) 질의를 위해 제공될 수 있다. 질의 컴포넌트(402)는 기준 아이템(112)을 명시적으로 조사하고 후보 아이템(116)을 추론하기 위해 관련 아이템에 대하여 시스템(400)에 질의한다. 기준 아이템(112)은 단서(clue)를 시점으로서 포함하는 사용자에 의해 제공된 선택된 문서일 수 있다.

선택적으로, 후보 아이템(116)의 세트를 수집하고 기준 아이템(112)에 관련된 후보 아이템(116)에 대해 그 세트에 암시적으로(implicitly) 질의하기 위해 수집 컴포넌트(404)가 제공될 수 있다. 이러한 방식으로, 수집 컴포넌트(404)는 기준 아이템(112)을 암시적으로 추론하고 사용자에게 함께 제시하기 위해 아이템을 자동으로 수집하여, 사용자가 단서를 명확히 제공할 것을 요구하지 않고 관련 아이템을 식별한다.

도 4에 도시된 바와 같이, 활동 정보(104)를 로컬로(locally) 및/또는 원격으로(remotely) 저장하기 위해 저장 컴포넌트(406)가 제공될 수 있다. 저장 컴포넌트(406)는 컴퓨터 내부 또는 외부 하드 드라이브, 기록가능 CD 또는 DVD 또는 플래시 드라이브와 같은 여하한 제거가능 메모리 컴포넌트 등, 로컬 저장을 위해 사용되는 여하한 적당한 데이터 저장 시스템일 수 있다. 저장 컴포넌트(406)는 다르게는, 네트워크 서버 또는 드라이브, 테이프 백업 또는 오프사이트(offsite) 저장 설비와 같은 원격 저장을 위한 여하한 적당한 데이터 저장 컴포넌트일 수 있다.

일 태양에서, 맥락 시스템(예를 들어, 시스템 100, 200, 400)은 사용자 내용을 저장하지 않고 사용자와 연관된 활동 정보(104)를 저장한다. 예를 들어, 문서가 열리고 문서와 이메일 메시지 사이에서 다수의 전환 동작이 수행되는 경우, 전환 동작은 시간 스탬프로써 문서 및 이메일 메시지를 참조하는 ID 넘버(identification number)로서 서버에 로그된다. ID 넘버에 의해 어떠한 문서 내용도 표시되지 않는다. 어휘적 분석을 수행하기 위하여 ID 넘버는 로컬 데스크톱 검색 인덱스 및 대응하는 API(application programming interface)를 이용하여 결정될 수 있다. 그러므로, 맥락 시스템은 로컬 데스크톱 검색 인덱스에 저장된 로컬 데이터를 이용하여 문서에 대해 어휘적 분석을 수행할 수 있고, 활동 정보(104)는 서버로부터 획득될 수 있다.

도 5는 맥락 시스템(500)의 다른 실시형태를 도시한다. 활동 컴포넌트(102)는 작업 맥락(108)에서 정보 산물(502)과의 사용자 상호작용에 관련된 활동 정보(104)를 모니터링하고 기록한다. 상술한 바와 같이, 정보 산물(502)은 후술하는 바와 같이 문서 또는 기타 유형의 데이터일 수 있다. 기준 산물(504)은 작업 맥락과 연관된 기준 아이템(112) 중 하나 이상을 포함한다. 분석 컴포넌트(110)는 어휘적 유사성(506)을 식별하기 위해 활동 정보(104)와 기준 아이템(112)에 대한 어휘적 분석을 수행한다. 추론 컴포넌트(114)는 어휘적 유사성(506)에 기초하여 정보 산물(502)로부터 선택된 후보 아이템(116)을 추론한다. 작업 맥락(108)과 관련된 후보 아이템(116)을 제시하기 위해 제시 컴포넌트(508)가 제공된다.

도 6은 맥락 시스템과 함께 사용될 수 있는 정보 산물(502)의 유형을 도시한다. 정보 산물(502)은 사용자 인식가능하고 사용가능한 데이터 엔티티(600)의 하나 이상의 유형을 포함할 수 있다. 데이터 엔티티(600)는 여하한 유형의 애플리케이션과 연관된 파일(602)을 포함할 수 있다. 데이터 엔티티(600)는 액세스될 수 있는 정보를 운반하는 여하한 활성 프로세스와 같은 데이터 스트림(604)을 포함할 수도 있다. 데이터 엔티티(600)는 웹 브라우저 또는 기타 적당한 리더(reader)에 의해 소비가능한(consumable) 데이터 객체를 포함하는 웹 페이지(606)를 더 포함할 수 있다.

데이터 엔티티(600)는 추가적으로 스프레드시트(608), 이메일 메시지(610), IM 대화(612), 캘린더 약속(appointment)(614), 스티키 노트(sticky note)(616), 또는 전술한 유형의 데이터 엔티티(600) 중 여하한 것에 포함된 임베디드 메타데이터(618), 또는 여하한 기타 유형의 정보 산물(502)일 수 있다. 임베디드 메타데이터(618)는 예를 들어 그림 문서 또는 기타 비-텍스트 기반 문서 내에 포함될 수 있다. 정보 산물(502)은 사용자가 생성 또는 소비에 관여한 여하한 유형 또는 포맷의 문서 또는 기타 데이터 구조를 포함할 수 있음을 인식할 것이다.

활동 정보(104)는 정보 산물(502)을 산출하지 않는 애플리케이션에 걸쳐 확장될 수 있다. 활동 정보(104)가 작업 맥락(108)을 재구성하기 위해 사용될 수 있는 애플리케이션 상태를 유지할 수 있다면 활동 정보는 유용할 수 있다. 예를 들어, 사용자가 스프레드시트를 사용하고 있고 스프레드시트와 계산기 애플리케이션 사이에서 전환하면, 활동 정보(104)의 전환은 작업 맥락(108)을 추론하는 데 있어 유용할 수 있다.

도 7은 맥락 정보를 스코어링, 가중 및 수동 표시하기 위해 추가 엔티티를 포함하는 맥락 시스템(700)의 다른 실시형태를 도시한다. 제시 컴포넌트(508)는 후보 아이템(116)을 계층적으로 랭킹(ranking)하기 위한 스코어 할당(702)을 포함할 수 있다. 스코어 할당(702)은, 사용자 상호작용(300) 또는 정보 산물(502) 중 특정한 하나에 할당된 더 높거나 너 낮은 값과 같은 추가 정보에 기초하여 후보 아이템(116)이 랭킹될 수 있도록 한다.

예를 들어, 스코어 할당(702)은 용어 빈도(term frequency)와 역 문서 빈도(inverse document frequency)의 곱(product)에 기초한 어휘적 스코어(TFIDF)일 수 있다:

TFIDF =∑ (용어 빈도(Term Frequency) * 역 문서 빈도(Inverse Document Frequency))

여기서 각각의 매칭되는 명사에 대해,

용어 빈도(정규화됨) = 문서 내 매칭 명사의 출현 회수/문서 내 명사의 총 수,

역 문서 빈도 = In(T/L) (즉, (문서의 총 수 / 명사를 포함하는 문서의 수)의 자연 로그).

다른 예에서, 스코어 할당(702)은 전환 빈도(switch frequency)와 역 문서 빈도의 곱에 기초한 공통 액세스(co-access) 스코어(SFIDF)일 수 있다:

SFIDF = 전환 빈도 * 역 문서 빈도,

여기서,

전환 빈도(정규화됨) = 기준 문서를 이용한 전환의 수/문서와 연관된 전환의 총 수

역 문서 빈도 = In(T/L) (즉, (문서의 총 수 / 기준 문서를 이용한 적어도 하나의 전환을 갖는 문서의 수)의 자연 로그).

또한, 어휘적 스코어와 공통 액세스 스코어는 단일 스코어로 결합될 수 있다. 기준 포인트의 수가 많다는 것은 관련 매치의 확률이 높음을 나타낼 수 있다. 2 개의 중첩하는 교점은 단일의 교점보다 더 큰 관련성을 나타낼 수 있고, 모두 웹 페이지와 어휘적 교점과 활동 교점을 갖는 문서 및 이메일과 같은 2개의 중첩하는 교점은, 작업 맥락에 대해 하나가 아니라 2개의 기준이 존재하기 때문에 웹 페이지의 랭킹을 증가시킨다.

도 7에 도시된 바와 같이, 가중 컴포넌트(704)는 적어도 하나의 사전결정된 활동 정보 아이템의 관련성을 나타내는 가중 인자를 할당하는데 사용될 수 있다. 가중 컴포넌트(704)는 특정 문서 또는 활동에 대한 관련성에 더 높거나 낮은 가중을 할당하는데 사용될 수 있다. 더 크거나 작은 값을 할당하기 위해 가중은 사용자 상호작용(300)과 정보 산물(502)의 유형과 연관될 수 있다.

내용이 문서 사이에서 복제되고 있기 때문에 복사/붙여넣기 동작(304)은 작업 맥락(108)을 추론하는 데 있어 높은 값을 할당받을 수 있다. 이메일의 첨부로서의 문서의 삽입 또는 문서로의 링크의 삽입은 활동의 본질에 기초하여, 문서 사이의 전환보다도 더 높게 연관된 것으로 생각될 수 있다. 또한, 가중은 전환 사이의 시간에 기초하여 고려될 수 있는데, 여기서 빠른 전환의 시리즈는 예를 들어 낮은 관련성을 시사할 수 있다.

도 7에 도시된 바와 같이, 활동가능(actionable) 메뉴 요소(706)가 사용자 인터페이스에 후보 아이템(116)을 수동으로 표시하기 위해 제공된다. 메뉴 요소(706)는 문서 애플리케이션에서 특정 위치의 사용자 인터페이스 내 버튼일 수 있다. 버튼은 클릭될 수 있고, 그 후 사용자는 문서의 작업 맥락(108)과 연관된 후보 아이템(116)의 세트를 제시받는다. 후보 아이템(116)은 다른 문서, 관련 이메일, 문서와 함께 열린 관련 용어를 포함하는 웹 페이지 등을 포함할 수 있다. 메뉴 요소(706)는 문서와 관련된 특정 태스크 또는 프로젝트와 연관된 관련 아이템의 자동으로 생성된 리스트를 갖는 사이드바를 또한 포함할 수 있다. 다르게는, 메뉴 요소는 데스크톱 아이템일 수 있고, 여기서 단일 기준 아이템(112)이 아니라 문서의 세트가 기준 아이템인 것으로 고려된다.

도 8은 개시된 아키텍처에 따라 맥락 관계를 추론하는 구현(800)을 도시한다. 구현(800)은 맥락 시스템에 의해 기록되고 있는 5개 아이템을 도시하는 예시적인 개념도이다. 기준 아이템(802)은 사용자가 재개하고자 하는 작업 맥락(예를 들어, “사이트 방문 아젠다(site visit agenda)” 문서)의 일부를 나타낸다. 4개의 후보 아이템이 사용가능하다. 후보 아이템1(804)은 “계획”을 나타내는 문서이고 이 문서와 기준 아이템 사이에서 몇몇의 기록된 전환 활동을 갖는다. 그러나, 후보 아이템1(804)과 기준 아이템(802) 사이에는 어휘적 유사성이 없다.

후보 아이템2(806)는 “사이트 방문을 위한 계획”에 관한 것이고 기준 아이템과는 기록된 전환 활동과 어휘적 유사성(“사이트 방문”)을 모두 갖는다. 후보 아이템3(808)은 “이 웹 사이트 방문”이라는 용어를 포함하지만 기준 아이템과 어휘적 유사성(“방문,” “사이트”)만을 갖는다. 후보 아이템4(810)은 기준 아이템과 기록된 복사/붙여넣기 활동과 어휘적 유사성(“아젠다”)을 모두 갖는다. 결과는, 후보 아이템2(806)과 후보 아이템4(810)만이 기준 아이템(802)과 맥락상 관련된 것으로서 반환되는 것이다.

이하에서, 여기에 개시된 맥락 아키텍처의 동작을 설명하기 위해 예시적인 시나리오가 제시된다. 마케팅 팀의 멤버인 사용자1은 회사에 대한 웹 광고와 프린트에 초점을 맞춘다. 사용자1은, 어떤 외국 매거진이 특수 장비(specialty gear)를 광고하는데 적합한지를 알아보라고 명령하는 IM이 수신되는 때에 프로젝트에 대해 작업하고 있다. 사용자1은 이 주제에 관하여 과거에 일부 웹사이트를 브라우징했으나, 정식으로 사안을 조사한 적은 없다.

사용자1은 이 태스크를 위한 새로운 공간(예를 들어, 작업공간 또는 폴더)을 생성하고, 그 공간에 수신된 IM을 부가하고, 이 태스크와 관련된 이전의 검색을 포함하는 프리젠테이션 문서를 그 공간에 위치시키고 부가한다. 맥락 시스템은, 사용자1이 프리젠테이션 문서를 생성하기 위해 복사 및 붙여넣기한 소스, 관련 내용을 포함한 전송된 이메일과 같은, 공간 내에 이미 존재하는 내용의 생성 또는 전파에 관한 내용을 자동으로 공간에 추가한다. 맥락 시스템은, 사용자1이 보고 작업한 정보 산물을 프로파일링 함으로써, 정보 산물과 관련된 행동을 포함하여 공간 내 내용과 관련된 정보 산물을 자동으로 제시하여 작업 맥락을 재구성하는 것을 돕는다. 제시는 공간에 이미 존재하는 내용, 매칭하는 키워드, 저자 및 협업자, 그리고 공간 내 내용과 동일한 시간 근처에 열린 다른 정보 산물에 기초할 수 있다.

개시된 아키텍처의 신규한 태양을 수행하기 위한 예시적인 방법론을 나타내는 흐름도의 세트가 여기 포함된다. 설명의 단순성을 위해 예를 들어 흐름도(flow chart 또는 flow diagram) 형태로 여기 도시된 하나 이상의 방법론이 일련의 행동으로서 여기 도시되고 설명되지만, 방법론은, 그에 따르면 일부 행동은 여기에 도시되고 설명된 것 이외의 행동과 동시에 및/또는 다른 순서로 일어날 수 있기에, 동작의 순서에 의해 제한되지 않음을 이해하고 인식할 것이다. 예를 들어, 당업자는 방법론이 다르게는 상태도(state diagram)에서와 같이 일련의 상호관련된 상태 또는 이벤트로서 나타내어질 수 있음을 이해하고 인식할 것이다. 또한, 방법론에 도시된 모든 행동이 신규한 구현을 위해 요구되는 것은 아닐 수 있다.

도 9는 맥락 관계를 추론하는 방법을 도시한다. 900에서, 작업 맥락에서 정보 산물과의 사용자 상호작용과 관련된 활동 정보에 대해 모니터링 및 기록이 수행된다. 902에서, 어휘적 유사성을 식별하기 위해 작업 맥락에 관련된 기준 아이템 및 행동 정보에 대해 어휘적 분석이 수행된다. 904에서, 후보 아이템이 추론되는데, 후보 아이템은 분석으로부터 나온 기준 아이템과 활동 정보 사이의 어휘적 유사성에 기초하여 정보 산물로부터 선택된다. 906에서 작업 맥락과 관련된 후보 아이템이 제시된다.

도 10은 도 9의 맥락 관계를 추론하는 방법의 추가적인 태양을 도시한다. 1000에서, 작업 맥락이 후보 아이템을 처리함으로써 재구성된다. 1002에서, 각각의 연관 후보 아이템이 선택된 후보 아이템으로부터 추론되어 더 정확한 후보 아이템 세트를 얻는다. 이러한 방식으로, 특정 후보 아이템이 그 자신의 후보 아이템 세트에 대한 기준 아이템이 될 수 있고, 원래의 기준 아이템으로부터 추론된 후보 아이템 너머로 확장된 후보 아이템 세트를 산출하기 위해 후자의 세트는 초기 세트와 비교될 수 있다.

도 10에 도시된 바와 같이, 1004에서, 후보 아이템은 활동 정보와 기준 아이템 사이의 어휘적 유사성의 빈도에 따라 계층적으로 랭킹될 수 있다. 1006에서, 후보 아이템은 정보 산물과 기준 아이템을 포함하는 기준 문서 사이의 전환의 빈도에 따라 계층적으로 랭킹된다. 1008에서, 사용자 상호작용이 배경 프로세스로서 자동으로 모니터링된다.

여기에 개시된 바와 같이, 맥락 시스템과 방법은 활동 정보를 활동 정보와 관련된 아이템의 어휘적 분석과 교차(intersect) 시킴으로써 사용자가 작업한 아이템 사이의 관계를 추론한다. 맥락 시스템 및 방법은 추론된 관계를 질의하고 그에 의해 높은 정확도의 결과를 산출함으로써 기준 아이템에 기초하여 사용자에게 맥락상 관련된 아이템을 제시한다. 맥락 시스템 및 방법은 2개의 정보 스트림(즉, 사용자 행동과 어휘적 분석)을 결합하여 특정 태스크 또는 작업 맥락과 연관된 맥락적 관계를 자동으로 추론한다. 맥락 시스템과 방법은 추론을 도출하는 특정한 사용자 행동(상술한 바와 같이 문서 전환, 복사 붙여넣기 동작, 첨부 또는 링크의 삽입 및/또는 북마크를 포함)의 모니터링을 제공한다. 이러한 방식으로, 맥락 시스템 및 방법은 특정 사용자 태스크 또는 작업 맥락에 대한 관련 아이템을 나타내는 높은 정확도의 결과를 산출한다.

단순히 일반적인 키워드 기반 검색의 결과를 제공하는 것이 아니라, 맥락 시스템 및 방법은 사용자가 이전에 보고 작업한 정보 산물과의 상호작용에 기초하여 주어진 작업 맥락 또는 태스크에 관련된 아이템을 밝혀낸다. 이러한 방식으로, 맥락 시스템 및 방법은 주어진 태스크에 대한 관련 내용으로 다른 방식에 비해 빠르게 돌아가는 데 있어 사용자를 도울 수 있다. 맥락 시스템 및 방법은 사용자가 달리 잊혀졌을 수 있는 특정 태스크에 관련된 내용을 밝혀내는 것을 도울 수 있다. 그러므로 맥락 시스템 및 방법은 사용자가 후보 아이템이 높은 값을 갖는지 여부를 일견하여(at a glance) 직관적으로 인식할 수 있게 할 수 있다. 맥락 시스템 및 방법은 하루 또는 2일 이상 떨어진 다수의 작업 세션 및 다수의 애플리케이션에 걸쳐있는 작업 맥락과 연관된 태스크에 있어서, 그리고 사용자가 보거나 작업한 모든 것을 태스크의 일부로 파일링하거나 기록하지 않은 상황에서 특히 유용하다.

이 출원에서, “컴포넌트” 및 “시스템”이라는 용어는, 하드웨어이건, 하드웨어와 소프트웨어의 조합이건, 소프트웨어이건, 또는 실행 중인 소프트웨어이건 간에 컴퓨터 관련 엔티티를 지칭하려는 것이다. 예를 들어, 컴포넌트는 프로세서 상에서 실행되는 프로세스, 프로세서, 하드 디스크 드라이브, 다수의 저장 드라이브(광, 고체 상태(solid state) 및/또는 자기 저장 매체), 객체(object), 실행파일(executable), 실행의 스레드(thread), 프로그램 및/또는 컴퓨터일 수 있지만 이에 제한되지 않는다. 예시로서, 서버 상에서 실행되는 애플리케이션과 서버 모두가 컴포넌트일 수 있다. 하나 이상의 컴포넌트가 프로세서 및/또는 실행 스레드 내에 상주(reside)할 수 있고, 컴포넌트는 하나의 컴퓨터 상에서 국지화(localized) 되거나 및/또는 2 이상의 컴퓨터 사이에서 분산될 수 있다. 여기서 “예시적인”이라는 단어는 예, 사례 또는 예시로서 기능하는 것을 의미하는 것으로 사용될 수 있다. 여기에서 “예시적인”이라고 설명된 여하한 태양 또는 설계는 다른 태양 또는 설계에 비해 바람직하거나 유리한 것으로 해석되어야 하는 것은 아니다.

도 11을 참조하면, 개시된 아키텍처에 따라 맥락 관계의 추론을 실행하도록 동작가능한 연산 시스템(1100)의 블록도가 도시되어 있다. 그 다양한 태양에 대한 추가의 맥락을 제공하기 위해, 도 11 및 이하의 논의는 다양한 태양이 구현될 수 있는 적당한 연산 시스템(1100)의 간략하고 일반적인 설명을 제공하려고 한다. 위의 설명이 하나 이상의 컴퓨터 상에서 실행될 수 있는 컴퓨터 실행가능 명령의 일반적인 맥락의 것이지만, 당업자는 신규한 실시형태가 다른 프로그램 모듈과의 조합으로 및/또는 하드웨어와 소프트웨어의 조합으로서 구현될 수도 있음을 인식할 것이다.

다양한 태양을 구현하기 위한 연산 시스템(1100)은 처리 유닛(들)(1104), 시스템 메모리(1106), 그리고 시스템 버스(1108)를 갖는 컴퓨터(1102)를 포함한다. 처리 유닛(들)(1104)은 단일 프로세서, 멀티 프로세서, 단일 코어 유닛 및 멀티 코어 유닛과 같은 다양한 상용 프로세서 중 여하한 것일 수 있다. 또한, 당업자는 신규한 방법이, 미니컴퓨터, 메인프레임 컴퓨터뿐만 아니라, 퍼스널 컴퓨터(예를 들어, 데스크톱, 랩톱 등), 핸드헬드 연산 장치, 마이크로프로세서 기반 또는 프로그램가능 소비자 가전 등을 포함하는 다른 컴퓨터 시스템 구성으로 실시될 수 있음을 인식할 것이며, 이들 각각은 하나 이상의 연관 장치에 동작상 결합될 수 있다.

시스템 메모리(1106)는 휘발성(VOL) 메모리(1110)(예를 들어, RAM(random access memory))와 비휘발성 메모리(NON-VOL)(1112)(예를 들어, ROM, EPROM, EEPROM 등)을 포함할 수 있다. BIOS(basic input/output system)는 비휘발성 메모리(1112)에 저장될 수 있고, 시동 시 등에 컴퓨터(1102) 내 컴포넌트 사이의 신호 및 데이터의 통신을 용이하게 하는 기본적인 루틴을 포함한다. 비휘발성 메모리(1110)는 데이터를 캐시하기 위한 정적 RAM과 같은 고속 RAM을 포함할 수도 있다.

시스템 버스(1108)는, 메모리 서브시스템(1106)을 포함하지만 이에 제한되지 않는 시스템 컴포넌트에 대한 인터페이스를 처리 유닛(들)(1104)에 제공한다. 시스템 버스(1108)는 메모리 버스(메모리 제어기를 갖거나 갖지 않음), 그리고 주변 버스(예를 들어, PCI, PCIe, AGP, LPC 등)에 더 상호접속될 수 있는 몇몇 유형의 버스 구조 중 여하한 것일 수 있고, 다양한 상용 버스 아키텍처 중 여하한 것을 이용한다.

컴퓨터(1102)는 저장 서브시스템(들)(1114) 및 저장 서브시스템(들)(1114)을 시스템 버스(1108) 및 기타 희망 컴퓨터 컴포넌트에 인터페이스 하기 위한 저장 인터페이스(들)(1116)를 더 포함한다. 저장 서브시스템(들)(1114)은 예를 들어 하드 디스크 드라이브(HDD), 자기 플로피 디스크 드라이브(FDD), 및/또는 광 디스크 저장 드라이브(예를 들어, CD_ROM 드라이브, DVD 드라이브) 중 하나 이상을 포함할 수 있다. 저장 인터페이스(들)(1116)는 예를 들어 EIDE, ATA, SATA 및 IEEE 1394와 같은 인터페이스 기술을 포함할 수 있다.

운영 체제(1120), 하나 이상의 애플리케이션 프로그램(1122), 기타 프로그램 모듈(1122) 및 프로그램 데이터(1126)를 포함하여, 하나 이상의 프로그램 및 데이터가 메모리 서브시스템(1106), 제거가능 메모리 서브시스템(1118)(예를 들어, 플래시 드라이브 폼 팩터 기술) 및/또는 저장 서브시스템(들)(1114)(예를 들어, 광, 자기, 고체 상태)에 저장될 수 있다.

일반적으로, 프로그램은 특정 태스크를 수행하거나 특정 추상 데이터 유형을 구현하는 루틴, 방법(method), 데이터 구조, 기타 소프트웨어 컴포넌트 등을 포함한다. 운영 체제(1120), 애플리케이션(1122), 모듈(1122) 및/또는 데이터(1126)의 전부 또는 부분이 예를 들어 비휘발성 메모리(1110)와 같은 메모리에 캐시될 수도 있다. 개시된 아키텍처는 다양한 상용 운영 체제 또는 운영 체제의 조합으로(예를 들어, 가상 머신으로서) 구현될 수 있음을 인식할 것이다.

전술한 애플리케이션 프로그램(1122), 프로그램 모듈(1124) 및 프로그램 데이터(1126)는 도 1의 컴퓨터 구현 시스템(100), 활동 컴포넌트(102), 활동 정보(104), 아이템(106), 작업 맥락(108), 분석 컴포넌트(110), 기준 아이템(112), 추론 컴포넌트(114), 후보 아이템(116) 및 결과(118), 도 2의 배경 컴포넌트(202) 및 공통 용어(204)와 같은 추가의 컴포넌트를 또한 포함하는 시스템(200), 도 3의 전환 동작(302), 복사 붙여넣기 동작(304), 삽입 동작(306), 토글 빈도 측정(308), 타임스탬프 동작(310), 북마크 동작(312), 링크 동작(314), 저장 동작(316) 및 드웰 타임(318)을 포함하는 사용자 상호작용(300), 도 4의 질의 컴포넌트(402), 수집 컴포넌트(404), 저장 컴포넌트(406)와 같은 추가의 컴포넌트를 또한 포함하는 시스템(400)을 포함할 수 있다.

전술한 애플리케이션 프로그램(1122), 프로그램 모듈(1124) 및 프로그램 데이터(1126)는 시스템(500)은 도 5의 정보 산물(502), 기준 산물(504), 어휘적 유사성(506) 및 제시 컴포넌트(508)와 같은 추가의 컴포넌트를 포함하는 시스템(500), 도 6의 사용자 인식가능 및 사용가능 데이터 엔티티(600), 파일(602), 데이터 스트림(604), 웹 페이지(606), 스프레드시트(608), 이메일 메시지(610), 인스턴트 메시징 대화(612), 캘린더 약속(614), 스티키 노트(616) 및 임베디드 메타데이터(618), 도 7의 스코어 할당(702), 가중 컴포넌트(704) 및 행동가능 메뉴 요소(706)와 같은 추가의 컴포넌트를 또한 포함하는 시스템(700), 도 8의 기준 아이템(802), 후보 아이템1(804), 후보 아이템2(806), 후보 아이템3(808) 및 후보 아이템4(810)을 포함하는 구현(800), 및 도 9-10의 방법을 예를 들어 더 포함할 수 있다.

저장 서브시스템(들)(1114) 및 메모리 서브시스템(1106과 1118)은 데이터, 데이터 구조, 컴퓨터 실행가능 명령 등의 휘발성 및 비휘발성 저장을 위한 컴퓨터 판독가능 매체로서 기능한다. 컴퓨터 판독가능 매체는 컴퓨터(1102)에 의해 액세스될 수 있고 휘발성 및 비휘발성 매체, 제거가능 및 비제거가능 매체를 포함하는 여하한 사용가능한 매체일 수 있다. 컴퓨터(1102)에 대해, 매체는 여하한 적당한 디지털 포맷으로 데이터의 저장을 수용한다. 당업자는 집(zip) 드라이브, 자기 테이프, 플래시 메모리 카드, 카트리지 등과 같은 다른 유형의 컴퓨터 판독가능 매체가 개시된 아키텍처의 신규한 방법을 수행하기 위해 컴퓨터 실행가능 명령을 저장하기 위해 채용될 수 있음을 인식하여야 한다.

사용자는 키보드와 마우스와 같은 외부 사용자 입력 장치(1128)를 이용하여 컴퓨터(1102), 프로그램 및 데이터와 상호작용할 수 있다. 다른 외부 사용자 입력 장치(1128)는 마이크로폰, IR(적외선) 리모콘(remote control), 조이스틱, 게임 패드, 카메라 인식 시스템, 스타일러스 펜, 터치 스크린, 제스처 시스템(예를 들어, 아이 무브먼트(eye movment), 헤드(head) 무브먼트 등) 및/또는 기타를 포함할 수 있다. 사용자는 터치패드, 마이크로폰, 키보드 등과 같은 온보드(onboard) 사용자 입력 장치(1130)을 이용하여 컴퓨터(1102), 프로그램 및 데이터와 상호작용할 수 있는데, 여기서 컴퓨터(1102)는 예를 들어 휴대형 컴퓨터이다. 이들 및 다른 입력 장치가 I/O(input/output) 장치 인터페이스(들)(1132)를 통해 시스템 버스(1108)를 경유하여 처리 유닛(들)(1104)에 접속되지만, 병렬 포트, IEEE 1394 직렬 포트, 게임 포트, USB 포트, IR 인터페이스 등과 같은 다른 인터페이스에 의해 접속될 수 있다. 사운드 카드 및/또는 온보드 오디오 처리 기능과 같은 I/O 장치 인터페이스(들)(1132)는 프린터, 오디오 장치, 카메라 장치 등과 같은 출력 주변기기(1134)의 사용을 용이하게도 한다.

하나 이상의 그래픽 인터페이스(들)(1136)(보통 GPU(graphics processing unit)이라고도 함)은 컴퓨터(1102)와 외부 디스플레이(들)(1138)(예를 들어, LCD, 플라스마) 및/또는 온보드 디스플레이(1140)(예를 들어, 휴대형 컴퓨터에 있어서) 사이에서 그래픽 및 비디오 신호를 제공한다. 그래픽 인터페이스(들)(1136)도 컴퓨터 시스템 보드의 일부로서 제조될 수 있다.

컴퓨터(1102)는 유선/무선 통신 서브시스템(1142)을 통한 하나 이상의 네트워크 및/또는 기타 컴퓨터로의 논리적 접속을 이용하여 네트워크된 환경(예를 들어, IP-기반)에서 동작할 수 있다. 기타 컴퓨터는 워크스테이션(workstation), 서버, 라우터, 퍼스널 컴퓨터, 마이크로프로세서 기반 엔터테인먼트 기기, 피어 장치(peer device) 또는 기타 네트워크 노드를 포함할 수 있고, 통상적으로는 컴퓨터(1102)와 관련하여 설명된 요소 중 많은 것 또는 전부를 포함한다. 논리적 접속은 LAN(local area network), WAN(wide area network), 핫스팟(hotspot) 등으로의 유선/무선 접속을 포함할 수 있다. LAN과 WAN 네트워킹 환경은 사무실과 회사에 흔히 있으며, 인트라넷과 같은 기업 단위(enterprise-wide) 컴퓨터 네트워크를 용이하게 하는데, 이들 모든 것은 인터넷과 같은 글로벌 통신 네트워크에 접속될 수 있다.

네트워킹 환경에서 사용되는 때에, 컴퓨터(1102)는 무선/유선 통신 서브시스템(1142)(예를 들어, 네트워크 인터페이스 어댑터, 온보드 트랜시버 서브시스템 등)을 통해 네트워크에 접속되어 유선/무선, 네트워크 유선/무선 프린터, 유선/무선 입력 장치(1144) 등과 통신한다. 컴퓨터(1102)는 네트워크를 통해 통신을 수립하기 위해 모뎀 또는 기타 수단을 포함할 수 있다. 네트워크된 환경에서, 컴퓨터(1102)에 대한 프로그램 및 데이터는 분산 시스템에 연관되는 것과 같이 원격 메모리/저장 장치에 저장될 수 있다. 도시된 네트워크 접속은 예시적인 것이고 컴퓨터 사이의 통신 링크를 수립하는 다른 수단이 사용될 수 있음을 인식할 것이다.

컴퓨터(1102)는, 예를 들어, 프린터, 스캐너, 데스크톱 및/또는 휴대형 컴퓨터, PDA(personal digital assistant), 통신 위성, 무선으로 검출가능한 태그와 연관된 여하한 하나의 장치 또는 위치(예를 들어, 키오스크, 뉴스 스탠드(news stand), 화장실) 및 전화와의 무선 통신(예를 들어, IEEE 802.11 오버-더-에어(over-the-air) 변조 기술)으로 동작상 배치된 무선 장치와 같은 유선/무선 장치 또는 엔티티와, IEEE 802.xx 표준 패밀리와 같은 무선 기술을 이용하여 통신하도록 동작가능하다. 이는 적어도 핫스팟을 위한 Wi-Fi(또는 Wireless Fidelity), WiMax 및 블루투스(Bluetooth)™ 무선 기술을 포함한다. 그러므로 통신은 종래의 네트워크에서와 같이 사전결정된 구조일 수 있거나 단순히 적어도 2개 장치 사이의 애드혹(ad hoc) 통신일 수 있다. Wi-Fi 네트워크는 보안되고(secure), 신뢰성 있으며, 빠른 무선 접속을 제공하기 위해 IEEE 802.1x (a, b, g 등)라고 하는 무선 기술을 사용한다. Wi-Fi 네트워크는 컴퓨터를 서로 접속하고, 인터넷에 접속하며, 유선 네트워크(이는 IEEE 802.3-관련 미디어 및 기능을 사용)에 접속하기 위해 사용될 수 있다.

도시된 태양은, 어떤 태스크는 통신 네트워크를 통해 링크된 원격 처리 장치들에 의해 수행되는 분산 컴퓨팅 환경에서 실시될 수도 있다. 분산 컴퓨팅 환경에서, 프로그램 모듈은 로컬 및/또는 원격 저장소 및/또는 메모리 시스템에 위치될 수 있다.

상술한 것은 개시된 아키텍처의 예를 포함한다. 당연히, 컴포넌트 및/또는 방법론의 모든 생각할 수 있는 조합을 설명하는 것은 불가능하지만, 당업자는 많은 추가의 조합 및 순열(permutation)이 가능함을 인식할 수 있을 것이다. 따라서, 신규한 아키텍처는 첨부된 청구범위의 사상 및 범위에 포함되는 모든 그러한 변형(alteration), 변경(modification) 및 변화(variation)를 포괄하려는 것이다. 또한, “포함하다(including)”라는 용어가 상세한 설명이나 청구범위에서 사용되는 이상, 그러한 용어는 “포함하다(comprising)”라는 용어가 청구범위에서 전환어(transitional word)로 사용되는 때에 해석되는 것과 같은 “포함하다(comprising)”와 유사한 방식으로 포함적인(inclusive) 것으로 의도된다.

Claims (15)

1. 컴퓨터 구현(computer-implemented) 맥락 시스템으로서,
   작업 맥락(work context)에서 태스크를 수행하는 것과 연관된 아이템과의 사용자 상호작용과 관련된 활동 정보를 모니터링 및 기록하는 활동 컴포넌트와,
   상기 활동 정보와 연관된 상기 아이템과 기준 아이템에 대해 어휘적(lexical) 분석을 수행하여 어휘적 유사성을 식별함으로써 상기 사용자에 의해 작업된 아이템들 간의 관계를 추론하는 분석 컴포넌트와,
   상기 작업 맥락을 재구성할 때 상기 어휘적 분석에 의한 상기 어휘적 유사성 및 상기 활동 정보에 기초하여 후보 아이템을 추론하는 추론 컴포넌트와,
   상기 작업 맥락에 관련된 상기 후보 아이템을 제시하는 제시 컴포넌트와,
   상기 활동 컴포넌트, 상기 분석 컴포넌트, 상기 추론 컴포넌트, 및 상기 제시 컴포넌트와 연관된 컴퓨터 실행가능 명령어를 실행하는 프로세서
   를 포함하는, 컴퓨터 구현 맥락 시스템.
   
2. 제 1 항에 있어서,
   상기 활동 컴포넌트는 사용자 상호작용 없이 배경 기능(background function)으로서 사용자 활동을 모니터링하는 배경 컴포넌트를 더 포함하는
   컴퓨터 구현 맥락 시스템.
   
3. 제 1 항에 있어서,
   상기 어휘적 분석의 결과는 상기 후보 아이템과 상기 기준 아이템에서 찾은 공통 용어를 포함하는
   컴퓨터 구현 맥락 시스템.
   
4. 제 1 항에 있어서,
   상기 사용자 상호작용은, 프로그램 또는 데이터 사이의 전환 동작, 프로그램 또는 데이터 사이의 복사 붙여넣기 동작, 프로그램 또는 데이터의 첨부로의 삽입 동작, 토글 빈도 측정, 타임스탬프 동작, 북마크 동작, 링크 동작, 아이템을 다른 위치에 사본으로 저장하는 동작 및 드웰 타임(dwell time) 중 적어도 하나를 더 포함하는
   컴퓨터 구현 맥락 시스템.
   
5. 제 1 항에 있어서,
   상기 기준 아이템과 관련된 후보 아이템에 대해 명시적으로(explicitly) 질의하기 위한 질의 컴포넌트를 더 포함하는
   컴퓨터 구현 맥락 시스템.
   
6. 제 1 항에 있어서,
   후보 아이템의 세트를 수집하고 상기 기준 아이템과 관련된 후보 아이템에 대해 상기 세트에 암시적으로(implicitly) 질의하기 위한 수집 컴포넌트를 더 포함하는
   컴퓨터 구현 맥락 시스템.
   
7. 제 1 항에 있어서,
   상기 활동 정보를 로컬(locally) 및 원격(remotely) 중 적어도 하나로 저장하기 위한 저장 컴포넌트를 더 포함하는
   컴퓨터 구현 맥락 시스템.
8. 삭제
9. 삭제
10. 삭제
11. 삭제
12. 삭제
13. 삭제
14. 삭제
15. 삭제

Images