KR101984949B1 - 복합 지원 서비스를 제공하기 위한 개인용 장기간 에이전트 - Google Patents

복합 지원 서비스를 제공하기 위한 개인용 장기간 에이전트 Download PDF

Info

Publication number
KR101984949B1
KR101984949B1 KR1020137034772A KR20137034772A KR101984949B1 KR 101984949 B1 KR101984949 B1 KR 101984949B1 KR 1020137034772 A KR1020137034772 A KR 1020137034772A KR 20137034772 A KR20137034772 A KR 20137034772A KR 101984949 B1 KR101984949 B1 KR 101984949B1
Authority
KR
South Korea
Prior art keywords
user
recommendation
friend
activity
computing device
Prior art date
Application number
KR1020137034772A
Other languages
English (en)
Other versions
KR20140038477A (ko
Inventor
에릭 호비츠
스텔리오스 파파리조스
로저 바가
더그 버거
비네이 굽타
Original Assignee
마이크로소프트 테크놀로지 라이센싱, 엘엘씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 마이크로소프트 테크놀로지 라이센싱, 엘엘씨 filed Critical 마이크로소프트 테크놀로지 라이센싱, 엘엘씨
Publication of KR20140038477A publication Critical patent/KR20140038477A/ko
Application granted granted Critical
Publication of KR101984949B1 publication Critical patent/KR101984949B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3679—Retrieval, searching and output of POI information, e.g. hotels, restaurants, shops, filling stations, parking facilities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Software Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Computational Linguistics (AREA)
  • Human Resources & Organizations (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Information Transfer Between Computers (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

네트워크 서비스로서 실행가능하고 그리고/또는 하나 이상의 유저 컴퓨팅 디바이스 및 관련 방법 상에서 실행가능한, 하나 이상의 유저를 위한 추천을 행하고 기회를 식별하기 위한 장기간 개인용 에이전트 프로그램이 본원에서 개시된다. 일 예에서, 개인용 에이전트 프로그램은, 유저 승인, 데이터로부터의 거동 패턴과 유저의 목표를 이해하도록 학습하는 통계적 방법의 사용, 및 상이한 상황에서의 감지 및 로깅을 가이드하는 정보의 예측된 값을 계산하는 절차의 사용에 따른 복수의 감지 및 로깅 방법론을 통한 시간의 경과에 따른 유저의 활동을 모니터링하고 해석하도록 구성된 모니터링 엔진을 포함한다. 개인용 에이전트는, 실세계에서의 기회와 유저 목표에 관한 추론에 기초하여, 현재의 순간뿐만 아니라 미래의 시점에서, 제안을 행하고 유저를 위한 액션을 취하도록 구성된 추천 방법론을 또한 포함할 수도 있다.

Description

복합 지원 서비스를 제공하기 위한 개인용 장기간 에이전트{PERSONAL LONG-TERM AGENT FOR PROVIDING MULTIPLE SUPPORTIVE SERVICES}
무선 내비게이션 디바이스의 출현 이전에, 프리웨이(무료 간선도로) 상의 운전자는, 다음 프리웨이 출구에서 액세스될 수 있는 서비스를 운전자에게 알려주는 표지판에 종종 의존하였다. 이 상황은, 표지판에 의한 알림과 효율적으로 고속도로를 빠져 나갈 기회 사이의 짧은 기간 동안, 서비스에 액세스하기 위해 승객이 프리웨이를 빠져나가기를 원했는지에 관해, 차량에서의 복수의 심도 깊은 대화를 포함하는 불충분한 계획으로 나타날 수 있을 것이다. 무선 내비게이션 디바이스의 출현으로, 차량 승객은, 경로를 따라 차량 내에서 여행하면서, 이제 원하는 서비스(예를 들면, 주유소, 식당)를 입력하고, 이러한 서비스 장소의 리스트와 경로 상에서의 그 장소까지의 거리를 볼 수도 있다.
이러한 무선 내비게이션 디바이스가 유익할 수도 있지만, 차량 승객은 결과의 리스트를 수신하기 이전에 이들 디바이스로부터의 서비스의 리스트를 요청해야 한다. 이 작업을 완료하기 위해, 승객은 서비스를 활용할 욕구를 미리 인식하고, 내비게이션 디바이스에 그 서비스 요청을 입력할 시간을 가져야만 한다. 이 때문에, 기회를 놓치지 않았다면 유저가 사용하기를 희망했을 서비스를 활용할 기회를 놓치는 경우가 많이 발생할 수도 있다. 일 예로서, 프리웨이 출구를 지나치고 나서 뒷좌석의 어린 아이가 "화장실 가야 하는데"라고 불평적으로 말하는 것을 듣고 난 뒤, "다음 출구는 43마일"이라는 표지판을 보게 될 때 이러한 상황이 실현될 수도 있다. 이것은, 근처의 서비스에 대한 정보를 요청하기 위해 유저가 그들 자신의 요구사항을 인식하고 있어야만 하는 것을 필요로 하는 시스템이, 만족할만한 결과를 유저에게 전달하지 못하는 많은 예들 중 한 예에 불과하다.
요약
유저 컴퓨팅 디바이스 상에서 실행가능한 개인용 에이전트 프로그램과 유저를 위한 추천사항을 취출하기 위한 관련 방법이 본원에서 개시된다. 일 예에서, 개인용 에이전트 프로그램은, 유저 컴퓨팅 디바이스 및/또는 하나 이상의 다른 유저 컴퓨팅 디바이스 상에서 유저에 의해 사용되는 복수의 컴퓨터 프로그램에 걸친 유저 활동을 모니터링하기 위한 유저 승인(user authorization)을 수신하도록 구성된 셋업 모듈을 포함한다. 셋업 모듈은, 추천 서버로부터 개인용 에이전트 프로그램이 취출해오기를 원하는 제품 또는 서비스 추천을 나타내는 하나 이상의 유저 추천 선호사항(user recommendation preferences)을 수신하도록 또한 구성된다.
개인용 에이전트 프로그램은 유저 승인에 따라 복수의 컴퓨터 프로그램에 대한 유저 활동을 모니터링하도록 구성된 모니터링 엔진을 또한 포함한다. 유저 활동은 유저의 검출된 현재 위치를 포함하고, 모니터링 엔진은 유저 활동으로부터 거동 패턴을 학습하도록 구성된다. 개인용 에이전트 프로그램은, 유저의 검출된 현재 위치, 유저의 거동 패턴, 및 하나 이상의 상황적 요인(contextual factors)에 기초하여, 하나 이상의 유저 추천 선호사항에 대한 트리거 조건이 발생할 것이라는 추론을 하도록 구성된 추천 엔진을 더 포함한다. 추천 엔진은 하나 이상의 유저 추천 선호사항에 따라 목표 제품 또는 서비스에 대한 추천 요청을 추천 서버에 전송하도록 구성된다. 추천 엔진은 추천 서버로부터 추천을 수신하고, 그 추천을 유저 컴퓨팅 디바이스와 관련된 디스플레이에 디스플레이하도록 또한 구성된다.
본 개요는 하기의 발명의 상세한 설명에서 더 설명되는 개념의 선택을 단순화된 형식으로 도입하기 위해 제공된다. 본 개요는 청구되는 주제의 주요 특징 또는 본질적 특징을 식별하도록 의도되지 않으며, 또한 청구되는 주제의 범위를 제한하기 위해 사용되도록 의도된 것도 아니다. 또한, 청구된 주제는 본 개시의 임의의 부분에서 언급된 임의의 또는 모든 문제점을 해결하는 구현예에 제한되는 것은 아니다.
도 1은 유저를 위한 추천을 취출하기 위한 유저 컴퓨팅 디바이스 상에서 실행가능한 개인용 에이전트 프로그램을 포함하는 컴퓨터 시스템의 일 실시형태의 개략도를 도시한다.
도 2는 추론이 행해지고 추천 요청이 생성되는 방식을 예시하는, 도 1의 개인용 에이전트 프로그램의 개략도의 부분 상세도이다.
도 3은 도 1에 도시된 추천 그래픽 유저 인터페이스의 제 1의 예시적인 화면의 개략도이다.
도 4는 도 1에 도시된 추천 그래픽 유저 인터페이스의 제 2의 예시적인 화면의 개략도이다.
도 5는 도 1의 개인용 에이전트 프로그램을 포함하는 컴퓨터 시스템의 예시적인 사용 사례를 설명하는 개략도이다.
도 6은 유저를 위한 추천을 취출하는 일 방법의 일 실시형태를 예시하는 도면이다.
도 7은 도 6에 계속된 도면이다.
상세한 설명
도 1은 유저(14)를 위한 추천을 취출하는 유저 컴퓨팅 디바이스(12) 상에서 실행가능한 개인용 에이전트 프로그램(10)을 포함하는 컴퓨터 시스템(5)의 일 실시형태를 일반적으로 예시한다. 하기에 더 상세히 설명되는 바와 같이, 개인용 에이전트 프로그램(10)은 셋업 모듈(20), 모니터링 엔진(22), 및 추천 엔진(24)을 포함한다.
일 예에서, 유저 컴퓨팅 디바이스(12)는 대용량 스토리지(28), 메모리(30), 디스플레이(32), 프로세서(34), 및 GPS 수신기(36)와 같은 위치 인식 기술을 포함한다. GPS 수신기(36)는 위성 신호의 수신에 기초하여 유저 컴퓨팅 디바이스(12)의 위치를 결정한다. 대용량 스토리지(28)는 개인용 에이전트 프로그램(10) 및 다양한 다른 어플리케이션 프로그램, 예컨대 이메일 프로그램(40), 달력 프로그램(42), 전화/문자전송 프로그램(44), 모바일 디바이스 추적 프로그램(46), 및 브라우저(48)를 포함할 수도 있다. 이들 프로그램은 메모리(30)를 사용하는 프로세서(34)에 의해 실행되고, 출력을 디스플레이(32)에 디스플레이하여, 본원에서 설명된 여러 기능들을 달성할 수도 있다. 다른 예에서, 유저 컴퓨팅 디바이스(12)는, 예를 들면, 터치 스크린, 키보드, 마우스, 게임 컨트롤러, 및/또는 마이크를 포함하는 유저 입력 디바이스와 같은 도 1에 도시되지 않은 다른 컴포넌트들 포함할 수도 있다. 또한, 도 1에 도시되진 않았지만, 다른 유저 컴퓨팅 디바이스(52 및 54)가 유저 컴퓨팅 디바이스(12)에 대해 위에서 설명된 것과 유사한 방식으로 기능하는 유사한 컴포넌트를 구비하는 것을 알 수 있을 것이다.
또한, 하기에 더 상세히 설명되는 바와 같이, 추천이 취출될 수도 있고, 유저 활동이 모니터링될 수도 있으며, 디바이스(12, 52, 및 54)와 같은 다수의 유저 컴퓨팅 디바이스에 걸쳐 유저(14)를 위한 액션들이 디바이스 독립적인 방식으로 취해질 수도 있음을 알 수 있을 것이다. 또한, 개인용 에이전트 프로그램(10)에 관해 하기에 설명되는 이러한 기능 및 다른 기능은 다수의 컴퓨팅 디바이스와 통신하여 네트워크 액세스 가능한 서비스에 의해 실행되고/되거나 조정될 수도 있음을 알 수 있을 것이다. 이러한 서비스는, 예를 들면, 다수의 유저 컴퓨팅 디바이스와의 연결 및/또는 통신을 가능하게 하는 표준 감지 및 상호작용 인터페이스를 제공한다. 대안적으로 또는 추가적으로, 이들 디바이스는 유저 활동을 모니터링하고, 추천을 행하며 유저를 위한 액션들을 취하기 위한 통신 프로토콜을 제공하는 에이전트 소프트웨어를 실행할 수도 있다.
유저를 위한 추천을 개인용 에이전트 프로그램(10)이 취출하게 하는 프로세스가 이제 설명될 것이다. 일 예에서, 셋업 모듈(20)은, 유저 컴퓨팅 디바이스(12)의 디스플레이(32) 상에 디스플레이되는 추천 그래픽 유저 인터페이스(예를 들면, GUI; 82)를 통해, 유저(14)로부터 유저 승인(56)을 수신하도록 구성된다. 유저 승인(56)은 유저 컴퓨팅 디바이스(12) 및/또는 하나 이상의 다른 유저 컴퓨팅 디바이스, 예컨대 유저 컴퓨팅 디바이스(52) 및 유저 컴퓨팅 디바이스(54) 상에서 유저에 의해 사용되는 복수의 컴퓨터 프로그램에 걸친 유저 활동을 모니터링하도록 개인용 에이전트 프로그램(10)을 승인한다. 유저 컴퓨팅 디바이스(52) 상에서 사용되는 컴퓨터 프로그램의 일 예는 맵 프로그램(58)이다. 유저 컴퓨팅 디바이스(54) 상에서 사용되는 컴퓨터 프로그램의 일 예는 소셜 네트워킹 프로그램(60)이다. 유저 컴퓨팅 디바이스(52, 54) 상에서의 이들 프로그램의 사용은 단지 일 예에 불과하며, 이들 프로그램(58, 60)은 유저 컴퓨팅 디바이스(12) 상에서 대신 또는 추가적으로 사용될 수도 있음을 알 수 있을 것이다. 또한, 이메일 프로그램(40), 달력 프로그램(42), 전화/문자전송 프로그램(44), 모바일 디바이스 추적 프로그램(46), 및 브라우저(48)를 포함하지만 이들에 제한되지 않는 위에서 식별된 여러 컴퓨터 프로그램은, 컴퓨팅 디바이스(12), 및/또는 다른 유저 컴퓨팅 디바이스(52, 54) 상에서 유저에 의해 사용될 수도 있다.
모니터링 엔진(22)은 유저 승인(56)에 따라 복수의 컴퓨터 프로그램에 대한 유저 활동을 모니터링하도록 구성된다. 도 1에서, 이메일 프로그램(40)에서의 유저 활동은 점선 40'에 의해 표시되고, 달력 프로그램(42)에서의 유저 활동은 점선 42'에 의해 표시되고, 전화/문자전송 프로그램(44)에 걸친 유저 활동은 점선 44'에 의해 표시되고, 모바일 디바이스 위치 추적 프로그램(46)에서의 유저 활동은 점선 46'에 의해 표시되고, 브라우저(48)에서의 유저 활동은 점선 48'에 의해 표시되고, 맵 프로그램(58)에서의 유저 활동은 점선 58'에 의해 표시되며, 소셜 네트워킹 프로그램(60)에서의 유저 활동은 점선 60'에 의해 표시된다. 유저 활동은 유저(14)의 검출된 현재 위치를 포함할 수도 있는데, 이것은 GPS 또는 다른 적절한 추적 기술을 사용하는 모바일 디바이스 위치 추적 프로그램(46)에 의해 검출될 수도 있다.
적절한 승인을 수신하면, 모니터링 엔진(22)은 유저(14)의 친구(15)에 의해 사용되는 친구 컴퓨팅 디바이스(55) 상에서 실행되는 여러 프로그램들에서의 친구 활동(57)을 모니터링하도록 또한 구성될 수도 있다. 도 1에 도시되진 않았지만, 친구 컴퓨팅 디바이스(55)가 유저 컴퓨팅 디바이스(12, 52 및 54)에 대해 위에서 설명된 것과 유사한 방식으로 기능하는 유사한 컴포넌트와 프로그램을 가질 수도 있다는 것을 알 수 있을 것이다. 예를 들면, 모니터링 엔진(22)은, 친구 컴퓨팅 디바이스(55) 상에서 실행되는 달력 프로그램, 모바일 디바이스 위치 추적 프로그램 및 소셜 네트워킹 프로그램에서 친구 활동(57)을 모니터링할 수도 있다.
하기에 더 상세히 설명되는 일 예에서, 모니터링 엔진(22)은, 교차 위치에서 교차할 방향 궤도에서 유저(14)와 친구(15)가 여행하고 있다는 것을 결정하기 위해 유저 컴퓨팅 디바이스(12)의 모바일 디바이스 위치 추적 프로그램(46)에서의 유저 활동(46') 및 친구 디바이스(55)의 모바일 디바이스 추적 프로그램에서의 친구 활동(57)을 모니터링할 수도 있다. 모니터링 엔진(22)은, 유저(14)와 친구(15)가 교차 위치에 도달할 수도 있는 대략적인 시간을 포함하는 기간 내에서의 유저(14)와 친구(15)의 시간적 여유(availability)를 점검하기 위해 유저 컴퓨팅 디바이스(12)의 달력 프로그램(42)에서의 유저 활동(42') 및 친구 디바이스(55)의 달력 프로그램에서의 친구 활동(57)을 또한 모니터링할 수도 있다.
유저(14)와 친구(15)가 그 기간 동안 시간적 여유가 있다면, 추천 엔진(24)은 교차하는 위치의 임계 거리 내에서 제공되는 목표 서비스에 대한 추천(70)을 요청하고 추천 서버(66)로부터 수신하도록 구성된다. 그 다음, 추천(70)은 유저 컴퓨팅 디바이스(12)의 디스플레이(32) 상에 디스플레이될 수도 있다. 추천 엔진(24)의 동작의 추가적인 설명은 이하에 제공된다. 적절한 승인의 수신시, 모니터링 엔진(22)은 다른 친구, 친척, 동료 및/또는 유저(14)가 아는 사람과 관련된 컴퓨팅 디바이스 상에서의 활동을 또한 모니터링할 수도 있음을 또한 알 수 있을 것이다.
모니터링 엔진(22)은 유저 활동으로부터 조금씩 수집될 수도 있는 정보의 예측값을 계산하는 것에 기초하여 복수의 컴퓨터 프로그램 중 적어도 하나를 선택적으로 활성화하거나 액세스함으로써 유저 활동을 동적으로 모니터링하도록 또한 구성될 수도 있다. 이와 같이, 개인용 에이전트 프로그램(10)은 유저 활동에 관련된 추가 데이터에 액세스할 수도 있고, 그에 의해, 하기에 더 상세히 설명되는 바와 같이, 예측 모델들을 학습하기 위한 장기간의 데이터 수집 및/또는 프로그램의 실시간의 의사 결정 능력을 향상시키게 된다.
일 예에서, 하나 이상의 컴퓨터 프로그램으로부터의 유저 활동은 유저 프라이버시 선호사항으로 인해 보통은 액세스 불가능할 수도 있다. 개인용 에이전트 프로그램(10)이 필요한 유저 옵트인 퍼미션을 수신한 경우, 모니터링 엔진(22)은 이들 컴퓨터 프로그램을 선택적으로 액세스하고 그렇지 않으면 액세스 불가능할 유저 활동을 모니터링할 수도 있다. 다른 예에서, 하나 이상의 컴퓨터 프로그램은, 비활성화되지 않을 경우 데이터 모니터링이 유용하게 될 상황이나 때에, 감소된 소비 전력을 위해 비활성화된 GPS 수신기(36)와 같이, 리소스를 고려하여 비활성 상태에 있을 수도 있다. 다시, 필요한 퍼미션이 수신되면, 모니터링 엔진(22)은 비활성 프로그램을 선택적으로 활성화하고 그 프로그램에 관련된 유저 활동을 모니터링할 수도 있다.
모니터링 엔진(22)은 아마 유용한 유저 활동 정보를 생성할 특정한 시간 및/또는 위치에서 복수의 컴퓨터 프로그램 중 하나를 선택적으로 활성화하거나 액세스할 수도 있다. 모니터링 엔진(22)은 컴퓨터 프로그램과 관련된 유저 활동으로부터 조금씩 수집될 수도 있는 정보의 예측값을 계산함으로써 복수의 컴퓨터 프로그램 중 하나를 언제 선택적으로 활성화하거나 액세스할지를 또한 결정할 수도 있다. 일 예에서, 정보의 예측값을 계산하는 것은 휴리스틱 절차 또는 다른 경험 기반의 평가를 사용하는 것을 포함할 수도 있다. 결과적으로 생성되는 예측값이 임계값을 초과하면, 모니터링 엔진(22)은, 임계값을 초과하지 않을 경우 액세스 불가능하거나 비활성 상태에 있는 컴퓨터 프로그램을 선택적으로 활성화 또는 액세스할 수도 있다.
모니터링 엔진(22)은 다양한 유저 컴퓨팅 디바이스 상의 다양한 컴퓨터 프로그램에서의 유저 활동으로부터 거동 패턴(74)을 학습하도록 또한 구성될 수도 있다. 일 예에서, 모니터링 엔진(22)은 유저에게 제공된 추천에 대한 유저의 응답, 또는 무응답을 추론하기 위해 GPS 수신기(36)를 모니터링 할 수도 있다. 일 경우에 있어서, 모니터링 엔진(22)은, 예를 들면, 유저가 차고에 들어가는 것으로 인해 또는 컴퓨팅 디바이스를 턴오프하는 것으로 인해, GPS 신호를 특정 위치에서 놓쳤음을 결정할 수도 있다. 유저가 이 위치에서 제공되는 제품 또는 서비스에 대한 추천을 방금 수신했다면, 유저가 그 추천을 선호하는 것으로 응답했다고 추론될 수도 있다.
추가적으로, GPS 수신기가 일정 기간 이후 동일 위치에서 나중에 활성화되는 경우, 그 기간 동안 그 위치에 유저가 존재했다고 추론될 수도 있다. 이 정보는 유저 포만감을 추론하기 위해 또한 사용될 수도 있다. 일 예에서, 어쩌면 식사를 다했음을 나타내는 어떤 시간양, 예컨대 1.5시간 동안 유저가 레스토랑에 머물렀음을 GPS 위치가 나타낸다. 이 데이터를 사용하면, 추천 엔진(24)은 유저가 다음 식사를 원할 수도 있을 때까지 얼마나 걸릴지를 추론할 수도 있다.
이들 거동 패턴이 시간의 경과에 따른 특정 유저의 활동의 관측으로부터 학습되지만, 임의의 특정 유저의 패턴에 대한 시간의 경과에 따른 전체 유저 집단을 관측하는 것으로부터 생성되는 집합적 거동 패턴에 기초할 수도 있고 그리고 이 전체 거동 패턴에 비교될 수도 있다. 따라서, 모니터링 엔진(22)은, 한 모드에서, 추천 서버(66)로부터 집합적 거동 패턴을 수신하고, 임계적 정도 내에서 집합적 거동 패턴과 일치하는 유저 활동에 대한 다양한 컴퓨터 프로그램에서의 유저 활동을 검사함으로써 유저 거동 패턴을 학습할 수도 있다.
개인용 에이전트 프로그램(10)은, 어떤 종류의 추천을 유저가 수신하기를 원할지를 결정하기 위해 유저 액션 이력 및 추천 선호사항을 활용할 수도 있다. 이들 유저 추천 선호사항은, 62에서 나타내어진 바와 같이, 개인용 에이전트 프로그램 그 자체에 의해 추론되는 선호사항과 같이, 암시적일 수도 있거나, 또는 64에서 나타내어진 바와 같이, 유저에 의해 입력된 선호사항과 같이, 명시적일 수도 있다. 이를 위해, 모니터링 엔진(22)은 거동 패턴(74)에 기초하여 추론된 유저 추천 선호사항(62)을 생성하도록 구성될 수도 있는데, 유저 추천 선호사항(62)은, 모니터링 엔진(22)에 의해 추론되는 것과 같이, 개인용 에이전트 프로그램(10)이 추천 서버(66)로부터 취출하기를 유저가 원하는 제품 또는 서비스 추천을 나타낸다. 셋업 모듈(20)은 추천 GUI(82)로의 유저 입력을 통해 하나 이상의 입력된 유저 추천 선호사항(64)을 유저(14)로부터 수신하도록 또한 구성될 수도 있다.
추론된 유저 추천 선호사항(62)에 관한 하나의 사용 사례에서, 모니터링 엔진(22)은 소셜 네트워킹 프로그램, 예컨대 유저 컴퓨팅 디바이스(54) 상의 소셜 네트워킹 프로그램(60)에 걸친 유저 활동을 포함하는 거동 패턴(74)을 관측할 수도 있다. 유저가 참여하는 소셜 상호작용을 관측함으로써, 모니터링 엔진(22)은 유저의 소셜 그래프 중 하나 이상의 멤버가 어떤 유저 구매 결정에 영향을 미친다는 것을 추론할 수도 있다. 예를 들면, 모니터링 엔진(22)은, 유저의 소셜 그래프에서의 친구 A로부터 3곳의 레스토랑에 관한 긍정적인 코멘트를 수신한 이후 유저가 각각의 레스토랑에서 식사를 하였음을 관측할 수도 있다. 이 정보를 이용하여, 모니터링 엔진(22)은, 유저의 친구 A가 선호하거나 종종 방문했던 레스토랑에 대한 추론된 유저 추천 선호사항(62)을 생성할 수도 있다. 친구 A가 선호하거나 또는 종종 방문했던 레스토랑에 관한 정보는, 예를 들면, 친구 A가 포함된 통신을 포함하는 소셜 네트워킹 프로그램에 걸친 유저의 활동을 관측함으로써 또한 수집될 수도 있다.
추가적으로, 셋업 모듈(20)은, 유저가 개인용 에이전트 프로그램에게 검사하도록 승인한 데이터의 카테고리를 나타내는 유저 프라이버스 설정(68)을 유저(14)로부터 수신하도록 구성될 수도 있다. 프라이버시 설정은, 데이터의 공유가 외부 서버, 예컨대 추천 서버(66)에 대해 허용되는지의 여부를 또한 나타낼 수도 있다. 구체적으로는, 유저 프라이버시 설정(68)은, 유저가 개인용 에이전트 프로그램(10)에게 검사하도록 승인한 복수의 컴퓨터 프로그램으로부터의 유저 활동의 검사 전용 카테고리, 및/또는 유저가 개인용 에이전트 프로그램에게 추천 서버(66)로 전송하도록 승인한 유저 활동의 공유 승인 카테고리(sharing-authorized category)를 나타낼 수도 있다.
추천 엔진(24)은, 유저(14)의 검출된 현재 위치, 유저의 거동 패턴(74), 및 현재 관측된 유저 활동과 관련된 하나 이상의 상황적 요인(78)에 기초하여, 하나 이상의 유저 추천 선호사항(62, 64)에 대한 트리거 조건이 발생할 것이라는 추론(76)을 행하도록 구성된다. 트리거 조건은 유저에 의해 직접적으로 특정되거나 또는 모니터링 엔진에 의해 결정되는 하나의 또는 한 세트의 정의된 조건일 수도 있다. 몇몇 예들에서, 트리거 조건은 유저(14)의 예측된 미래 위치 또는 다른 예측된 조건을 포함할 수도 있다.
다른 예에서, 추천 엔진(24)은 유저의 금후의 위치 및 유저와의 이들 위치의 연관성(집, 사무실 등등)에 대한 예측 모델을 확립하기 위한 머신 학습 절차를 사용하는 것뿐만 아니라 그 데이터로부터 선호사항을 학습하고 유저가 관심을 가질 수도 있는 미래에 발생할 기회를 식별하도록 구성될 수도 있다. 이와 같이, 유저와 유저의 거동과 관계(유저를 상이한 선호사항, 속성 및 거동과 링크시키는 소셜 그래프에서의 그래픽적 관계를 포함)의 양태와 관련된 데이터는, 다양한 타입의 예측 모델을 확립하기 위한 훈련 및 테스팅 데이터로서 수집되고 레버리지화될 수도 있다. 이러한 모델을 확립하기 위한 툴은, 예를 들면, 베이지안 구조 검색(Bayesian structure search), 지원 벡터 머신, 가우시안 프로세스, 로지스틱 회귀(logistic regression), 및 엔티티 및/또는 특성 간의 관계의 패턴 또는 제약을 고려하는 상관적 이형에 대한 확장과 같은 머신 학습 절차를 포함한다. 이러한 예측 모델에 의해 인에이블될 수도 있는 예측의 예는 유저의 선호사항 또는 유저의 선호사항의 그룹, 유저의 미래 위치(또는 직접적으로 관측되지 않는 경우 현재 위치), 유저가 흥미를 느낄 수도 있는 미래의 기회, 및 실세계에서의 유저 액션들을 포함한다.
일 예에서, 스케줄링을 위한 기회이며, 상업 및 광고 제공과 결합될 수도 있는 미래의 이벤트에 대한 제안을 유저에게 생성하기 위해 예측 모델이 사용될 수도 있다. 한 경우에 있어서, 예측 모델은 달력 프로그램(42)으로부터 다음 토요일 저녁에 유저가 시간적 여유가 있다는 것을 식별할 수도 있다. 그러면, 예측 모델은 다음 토요일 저녁에 유저와 그 또는 그녀의 배우자에 대해 놀라운 다단계 계획을 생성할 수도 있다. 그 계획은, 예를 들면, 저녁 만찬과 연회와 같은 하나 이상의 활동과 결합한 어떤 한 장소로의 드라이브를 포함할 수도 있다. 예측 모델과 추천 엔진(24)은, 또한, 활동과 목적지에 관련된 하나 이상의 추천, 제안 및/또는 스페셜을 함께 엮을 수도 있다. 추천 서버(66)로부터 추천 엔진(24)에 의해 수신된 하나 이상의 추천, 제안 및/또는 스페셜은 하나 이상의 유저 추천 선호사항 및/또는 유저의 거동 패턴에 따라 생성될 수도 있다. 이와 같이, 개인용 에이전트 프로그램(10)에 의해 수집된 유저 활동, 거동 패턴, 및 다른 정보는, 적절한 승인이 유저로부터 수신되면, 목표로 하는 마케팅 및/또는 광고 목적을 위해 사용될 수도 있음을 또한 알 수 있을 것이다.
추천을 제공하는 것에 더하여 그리고 위에서 언급된 바와 같이, 추천 엔진(24)은 미래에 발생하는 기회에 대해 유저를 위해 하나 이상의 액션을 또한 취할 수도 있다. 예를 들면, 위에서 설명된 토요일 저녁을 위한 다단계 계획에서, 추천 엔진(24)은, 유저와 그 또는 그녀의 배우자를 위해 그들의 제안된 목적지 중 한 목적지 근처의 레스토랑에 주도적으로 저녁 예약을 할 수도 있다. 레스토랑의 추천을 포함하는 메시지와 예약에 관련된 정보가 유저 컴퓨팅 디바이스(12) 상에서 유저에게 디스플레이될 수도 있고, 및/또는 다른 컴퓨터 프로그램, 예컨대 달력 프로그램(42)을 통한 나중의 액세스를 위해 저장될 수도 있다. 다른 예에서, 개인용 에이전트 프로그램(10)은 인센티브에 대한 보답으로 유저에게 광고를 전달하기를 원하는 제 3자의 서비스와 주도적으로 통신할 수도 있다. 이 경우, 개인용 에이전트 프로그램(10)은 광고와 인센티브를 수신하여 저장할 수도 있고, 개인용 에이전트 프로그램(10)이 제 3자의 서비스와 통신해오고 있고 광고/인센티브를 다운로드해 두었으며, 유저가 원할 때면 언제든지 광고를 플레이할 준비가 되어 있다는 것을 유저에게 통지할 수도 있다.
현재 관측된 유저 활동과 관련된 하나 이상의 상황적 요인(78)은 유저 활동에서의 유저 액션이 발생하는 상황을 설명한다. 상황적 요인은, 날짜, 요일, 시간, 또는 유저 컴퓨팅 디바이스(12)가 검출된 현재 위치에서 위치되어 있었던 기간을 포함할 수도 있지만, 이들에 제한되는 것은 아니다. 이들 및 다른 개념은 후속하는 사용 사례에서 보다 완전히 예시될 것이다.
도 2를 참조하여, 추론이 행해지고 추천 엔진(24)에 의해 추천 요청이 생성되는 방식을 설명할 것이다. 여러 컴퓨터 프로그램(84), 예컨대 도 1과 관련하여 위에서 설명된 프로그램(40~48, 58, 및 60)으로부터 출력된 유저 활동(85)이 개인용 에이전트 프로그램(10)의 데이터베이스(83)에 저장됨을 알 수 있을 것이다. 유저 활동(85)은 현재 관측된 유저 활동(86)의 스트림을 포함하는데, 이것은 유저 활동 이력(87)에 주기적으로 더해진다. 유저 활동 이력(87)은, 위에서 설명된 모니터링 엔진(22)에 의해 재검토된다. 모니터링 엔진(22)은 유저에 대한 유저 거동 패턴(74)을 학습하는데, 이것도 또한 데이터베이스(83)에 저장된다. 전체 유저 집단의 유저 활동에 기초한 집합적 거동 패턴(88)은, 위에서 설명된 바와 같이, 추천 서버로부터 다운로드되고, 또한 데이터베이스(83)에 저장되고, 그리고 학습된 유저 거동 패턴(74)을 식별하기 위해 사용될 수도 있다. 데이터베이스(83)는, 셋업 모듈(20)을 통해 유저 입력으로서 직접적으로 수신되어 있거나, 또는 모니터링 엔진(22)에 의해 유저 활동(85)으로부터 추론되어 있는 유저 추천 선호사항(62, 64)과 그들의 관련된 트리거 조건(65)을 또한 저장한다.
추천 엔진(24)은 유저 활동(85)의 적어도 일부, 유저의 현재 검출된 위치(90)와 현재 관측된 유저 활동과 관련된 상황적 요인(78), 예컨대 날짜 및 시간을 포함하는 통상적으로 현재 관측된 유저 활동(86)을 수신한다. 추천 엔진(24)은 이들 데이터를 거동 패턴(74, 88)과 비교하여 유저 추천 선호사항(62, 64)의 트리거 조건(65)이, 예를 들면 확률의 어떤 임계값 내에서, 충족될 것인지의 여부를 결정한다. 만약 그렇다면, 추천 엔진은 유저 추천 선호사항(62, 64)에 대한 트리거 조건(65)이 발생할 것라는 추론을 행한다.
다시 도 1을 더 참조하면, 추론(76)의 생성시, 각각의 유저 추천 선호사항(62, 64)이 자신과 관련된 적어도 하나의 목표 제품 또는 서비스를 통상적으로 가지기 때문에, 추론 엔진(24)은 하나 이상의 유저 추천 선호사항(62, 64)에 따라 목표 제품 또는 서비스에 대한 추천 요청(72)을 추천 서버(66)로 전송하도록 구성된다. 추천 엔진(24)은 추천 서버(66)로부터 목표 제품 또는 서비스에 관련된 추천(70)을 수신하고, 그 추천(70)을 유저 컴퓨팅 디바이스(12)의 디스플레이(32) 상의 추천 GUI(82)에 디스플레이하도록 더 구성된다.
제 1의 사용 사례
한 예시적인 사용 사례에서, 유저 컴퓨팅 디바이스(12)는 모바일 통신 디바이스이며 유저(14)는 모바일 디바이스 위치 추적 프로그램(46)으로부터의 유저 활동(46')을 통해 워싱턴주 레드몬드에 현재 있는 것으로 검출된다. 유저(14)는 레드몬드 근처의 카타로니아 요리를 서비스하는 높은 등급을 받은 레스토랑 및 스페인 바르셀로나에서 카타로니아 요리를 서비스하는 높은 등급을 받은 레스토랑에 대한 추천을 수신하기를 원한다는 것을 개인용 에이전트 프로그램(10)에 통지하였다. 이제 도 3을 참조하면, 유저는 추천 GUI(82) 내에서의 유저 입력 인터페이스(202)를 통해 유저의 모바일 컴퓨팅 디바이스(12)에 이들 유저 추천 선호사항을 미리 입력해 두었다.
추천 GUI(82)의 다른 화면에서, 유저는, 또한, 달력 프로그램(42)에서의 유저의 일정 활동(42'), 모바일 디바이스 위치 추적 프로그램(46)에서의 위치 활동(46')을 통한 위치, 브라우저(48)에서의 브라우저 활동(48'), 및 다른 유저 컴퓨팅 디바이스(54)에 상주할 수도 있는 소셜 네트워킹 프로그램(60)에서의 소셜 네트워킹 활동(60')을 모니터링하는 권한을 개인용 에이전트 프로그램에게 제공해 두었다. 또한, 유저는 유저의 일정 활동(42')이 외부에 공유되지 않을 수도 있는 검사 전용 카테고리에 있고, 유저의 위치 활동(46'), 브라우저 활동(48'), 및 소셜 네트워킹 활동(60')이 추천에 대한 요청과 함께 추천 서버로 전송될 수도 있는 공유 승인 카테고리 내에 있음을 나타내는 유저 프라이버시 설정을 입력해 두었다.
유저의 GPS 내장 모바일 통신 디바이스(GPS-enabled mobile communication device) 및 모바일 디바이스 위치 추적 프로그램(46)으로부터의 위치, 및 "가족 달력"으로 칭해지는 유저의 공유된 일정을 포함하는 달력 프로그램(42)으로부터의 유저 활동(42')을 모니터링함으로써, 개인용 에이전트 프로그램(10)은 유저가 지난 3년동안 8월마다 2주간의 가족 휴가를 다녀왔다는 거동 패턴을 학습하였다. 이제 7월이고, 유저가 단순히 "바르셀로나"라고 적힌 8월 2일에서 8월 16일 동안의 가족 달력으로부터의 공유된 일정 아이템을 가지고 있다. 또한, 브라우저(48)로부터 유저 활동(48')을 모니터링함으로써, 개인용 에이전트 프로그램(10)은, 유저가 온라인 책 제공자로부터 "스페인어 학습"이라는 제목의 오디오 북을 최근에 구매했음을 학습한다. 이들 상황적 요인에 기초하여, 개인용 에이전트 프로그램(10)은, 유저가 이번에 8월 2일부터 8월 16일까지의 스페인 바르셀로나로의 8월의 가족 여행을 다시 계획하고 있다는 것을 추론한다. 개인용 에이전트 프로그램(10)에서의 추천 엔진(24)은, 이 거동 패턴에 기초하여 추가적인 유저 추천 선호사항(62), 예컨대 국제 홈 스와핑 서비스의 추천에 대한 선호사항을 또한 생성할 수도 있다.
유저의 소셜 네트워킹 활동(60')과 유저의 관련 소셜 그래프를 검사함으로써, 개인용 에이전트 프로그램(10)은, 워싱턴 레드몬드에서 유저의 집 근처에 거주하는 유저의 친구 중 한명인 친구 A로부터의 "8월의 바르셀로나 여행이 너무 기다려져"라는 포스팅을 인지한다. 이 포스팅, 유저의 레드몬드에서의 현재 위치, 현재 날짜, 및 유저의 바르셀로나로의 추정된 휴가가 주어지면, 개인용 에이전트 프로그램(10)은 레드몬드 근처의 높은 등급을 받은 카타로니아 레스토랑에 대한 유저 추천 선호사항에 대한 트리거 조건이 발생할 수도 있다고 추론한다; 즉, 유저가 바르셀로나로의 다가오는 그들의 다가오는 여행을 논의하기 위해 8월 2일 이전에 레드몬처 근처의 카타로니아 레스트랑에서 친구 A와 만나 식사를 즐길 수도 있다고 추론한다. 개인용 에이전트 프로그램(10)은, 유저와 친구 A가 동시에 우연히 바르셀로나에 있게 되면, 그들이 그 도시의 카타로니아 레스토랑에서 저녁만찬을 즐길 수도 있다고 또한 추론할 수도 있다.
개인용 에이전트 프로그램(10)은 레드몬드 근처의 카타로니아 요리를 서비스하는 높은 등급의 레스토랑, 및 바르셀로나에서 카타로니아 요리를 서비스하는 높은 등급의 레스토랑의 추천 요청을 추천 서버(66)로 전송한다. 추천 서버(66)로부터 수신된 추천은 추천 GUI(82)의 추천 영역(204)에 디스플레이된다.
제 2의 사용 사례
다른 예시적인 사용 사례에서, 유저 컴퓨팅 디바이스(12)는 모바일 통신 디바이스이며, 모바일 디바이스 위치 추적 프로그램(46)으로부터의 유저 활동(46')을 통해, 유저(14)가 테네시주 크녹스빌 근처의 주간 고속도로(Interstate; 40)를 따라 가는 길의 트럭 휴게소 식당에 대응하는 위치에 있는 것으로 현재 검출된다. 유저(14)는, 유저가 노쓰캐롤라이나 윌밍톤과 캘리포니아 바스토우 사이의 I-40 도로를 따라 가는 길에 평균 등급 이상의 커피를 서비스하는 커피숍에 대한 추천을 받고 싶다는 것을 개인용 에이전트 프로그램(10)에게 통지했다. 이제 도 4를 참조하면, 유저는 추천 GUI(82)내의 유저 입력 인터페이스(302)를 통해 유저의 모바일 컴퓨팅 디바이스에 이 유저 추천 선호사항을 미리 입력해 두었다.
추천 GUI(80)의 다른 화면 상에, 유저는 또한, 개인용 에이전트 프로그램에게, 달력 프로그램(42)에서의 유저의 일정 활동(42'), 모바일 디바이스 위치 추적 프로그램(46)에서의 위치 활동(46')을 통한 위치, 브라우저(48)에서의 브라우저 활동(48'), 이메일 프로그램(40)에서의 이메일 활동(40'), 전화/메시지 전송 프로그램(44)에서의 전화 통화 활동(44'), 및 내비게이션 시스템과 같은 다른 유저 컴퓨팅 디바이스(52)에 상주하는 맵 프로그램(58)에서의 맵 활동(58')을 모니터링하기 위한 권한을 개인용 에이전트 프로그램에게 제공해 두었다. 또한, 유저는 유저의 이메일 활동(40') 및 전화 통화 활동(44')이 외부에 공유되지 않을 수도 있는 검사 전용 카테고리에 있고, 유저의 일정 활동(42'), 위치 활동(46'), 브라우저 활동(48'), 및 맵 활동(58')이 추천에 대한 요청과 함께 추천 서버로 전송될 수도 있는 공유 승인 카테고리 내에 있다는 것을 나타내는 유저 프라이버시 설정을 입력해 두었다.
유저의 GPS 내장 모바일 통신 디바이스 및 모바일 디바이스 위치 추적 프로그램(46)으로부터의 위치를 모니터링함으로써, 개인용 에이전트 프로그램(10)은, 유저가 노쓰캐롤라이나 머틀 그로브의 유저 거주지로부터 8시간 전에 운전을 시작했고 주간 고속도로(40)에서 서쪽으로 여행하고 있다는 것을 학습한다. 개인용 에이전트 프로그램(10)은 유저의 달력에서 오늘 날짜로 "L.A. 여행"이라 적힌 공유 일정 아이템을 또한 인지한다. 또한, 8시간 전에 유저가 내비게이션 시스템의 맵 프로그램(58)으로부터 노쓰캐롤라이나 머틀 그로브에서 캘리포니아 로스앤젤레스로의 경로를 요청했다. 이들 상황적 요인에 기초하여, 개인용 에이전트 프로그램(10)은, 노쓰캐롤라이나 머틀 그로브에서 로스앤젤레스로 I-40 도로를 따라 운전하고 있다고 추론한다.
개인용 에이전트 프로그램은, 현재 시간이 오후 12시 52분이고, 유저가 I-40 도로 상에서 서쪽으로 운전을 방금 시작했고, 유저의 위치가 트럭 휴게소 식당에서 지난 47분동안 머물렀음을 알아차린다. 유저가 방금 점심식사를 했음을 암시하는, 점심 시간 47분 동안의 이 레스토랑에의 유저의 머뭄, 및 유저가 I-40 도로 상에서 서쪽으로 운전을 계속할 것이라는 추론이 주어지면, 개인용 에이전트 프로그램(10)은, I-40 도로를 따라 가는 길에 우수한 커피에 대한 유저의 추천 선호사항에 대한 트리거 조건이 발생할 수도 있다는 다른 추론을 한다; 즉, 유저가 대략 1시간 15분 안에 커피를 마시기 위해 정지할 수도 있다는 다른 추론을 하는데, 이 시간은 이 여행 동안 I-40 도로 상에서의 유저의 평균 운전 속도에 기초하여 유저의 현재 위치에서 대략 83마일 떨어진 예측된 미래 위치에 대응한다. 이 위치 근처에서 커피를 마시기 위해 정지할 수도 있다고 추론함에 있어서, 개인용 에이전트 프로그램(10)은 전체 유저 집단에 대한 다양한 조건 하에서의 유저 거동의 관련 머신 학습을 또한 활용할 수도 있다. 이들 머신 학습은, 프리웨이를 따라 여행하는 유저가 평균적으로 점심식사 후 1시간 20분에 커피 또는 휴식을 위해 정지한다는 것을 제시한다.
개인용 에이전트 프로그램(10)은 I-40 도로를 따라 가는 길에, 그리고 바람직하게는 유저의 현재 위치로부터 대략 83 마일 떨어져 평균 이상의 커피를 서비스하는 커피숍에 대한 추천 요청을 추천 서버(66)에 전송한다. 추천 서버는 테네시주 몬트레이에 있는 커피숍 A에 대한 추천을 리턴한다. 테네시주 몬트레이는 유저의 현재 위치에서 대략 88마일이다. 추천 서버(66)로부터 수신된 추천은 추천 GUI(82)의 추천 영역(304)에 디스플레이된다.
개인용 에이전트 프로그램(10)은, 유저가 휴식없이 적어도 2시간 동안 프리웨이 상에서 운전하고 있는 경우 유저가 휴식을 취하거나 또는 커피를 한잔 해야한다는 제안을 유저에게 제공하는 규칙을 또한 적용할 수도 있다. 본 예에 있어서, 유저가 그들의 점식 식사 이후 커피숍 A에서 쉬지 않고 2시간 동안 계속 운전하고 있으면, 개인용 에이전트 프로그램(10)은 유저의 현재 위치 또는 I-40 도로에서의 유저의 예상 경로 근처에서 커피를 서비스하는 평균 이상의 커피 숍에 대한 추천 요청을 추천 서버(66)에 전송할 수도 있다. 상기 규칙은 개인용 에이전트 프로그램(10)에 프리셋될 수도 있거나 또는 유저에 의해 입력될 수도 있다.
제 3의 사용 사례
다른 예시적인 사용 사례에서, 그리고 도 5를 참조하면, 유저 컴퓨팅 디바이스(12)는 모바일 통신 디바이스이고 유저(14)는 방향 궤도(352)에서 여행하고 있는 차(350) 안에 있다. 유저(14)는, 유저가 커피숍에 대한 추천을 받고 싶다고 개인용 에이전트 프로그램(10)에 통지하였다. 유저는 또한 개인용 에이전트 프로그램(10)에 대해 달력 프로그램(42)에서의 유저의 일정 활동(42'), 모바일 디바이스 위치 추적 프로그램(46)에서의 위치 활동(46')을 통한 위치, 및 다른 유저 컴퓨팅 디바이스(54)에 상주하는 소셜 네트워킹 프로그램(60)에서의 소셜 네트워킹 활동(60')을 모니터링하는 권한을 제공한다. 유저의 소셜 네트워킹 활동(60')을 검사함으로써, 개인용 에이전트 프로그램은, 유저(14)가 술을 한 잔 하거나 식사를 하기 위해 자주 만나는 친구(15)가 있다는 것을 결정한다.
유저의 친구(15)는 방향 궤도(356)에서 여행하고 있는 자동차(354) 안에 있다. 친구(15)는 또한 모바일 통신 장치인 친구 컴퓨팅 디바이스(55)를 가지고 있다. 친구(15)는 개인용 에이전트 프로그램(10)에 대해 친구 컴퓨팅 디바이스(55) 상의 달력 프로그램, 모바일 디바이스 위치 추적 프로그램, 및 소셜 네트워킹 프로그램에서의 친구의 활동(57)을 모니터링하도록 승인하였다.
유저의 모바일 컴퓨팅 디바이스로부터의 위치를 모니터링함으로써, 개인용 에이전트 프로그램(10)은 유저가 방향 궤도(352)에서 여행하고 있음을 결정한다. 마찬가지로, 친구의 모바일 통신 디바이스로부터의 위치를 모니터링함으로써, 개인용 에이전트 프로그램(10)은 친구가 방향 궤도(354)에서 여행하고 있음을 결정한다. 개인용 에이전트 프로그램(10)은 방향 궤도(352, 354)로부터 교차 위치(360)에서 방향 궤도가 교차할 것이라는 것을 추정하고 결정한다. 개인용 에이전트 프로그램은, 자동차(350) 안의 유저(14)가 대략 오후 12시 42분에 교차 위치(360)에 도착할 것이고, 자동차(354) 안의 친구(15)가 대략 오후 12시 44분에 교차 위치에 도착할 것이라고 또한 추정한다.
개인용 에이전트 프로그램은 유저와 친구가 교차 위치(360)에 도달할 대략적인 시간을 포함하는 기간 이내에 유저와 친구가 시간적 여유가 있는지를 확인하기 위해 유저(14)의 달력 프로그램(42)과 친구(15)의 달력 프로그램을 체크한다. 본 예에서, 그 기간은 15분이다. 5분, 30분, 1시간 또는 임의의 다른 적절한 기간과 같은 다른 기간이 사용될 수도 있음을 알 수 있을 것이다.
위에서 결정된 정보에 기초하여, 개인용 에이전트 프로그램(10)은 교차 위치(360)의 임계 거리, 예컨대 한 블록 이내의 커피솝에 대한 추천 요청을 추천 서버(66)에 전송한다. 3블록, 10블록 또는 다른 적절한 거리와 같은 다른 임계 거리가 사용될 수도 있다. 추천 서버는, 교차 위치(360)에서 한 블록 반 떨어져 위치된 커피숍 B(362)에서 유저와 친구(15)의 만남을 권하는 추천을 유저(14)에게 리턴한다. 추천은, 친구(15)가 대략 오후 12시 44분에, 또는 유저가 교차 위치에 도달할 것이라고 예측된 2분후에 교차 위치(360)에 있을 것이라는 것을 유저(14)에게 통지한다. 또한, 추천은 커피숍 B(362)에서 만나는 유저(14)와 친구(15)에 대해 인센티브를 제공하는 쿠폰, 예컨대 그룹 할인 쿠폰을 제공할 수도 있다. 친구(15)가 적절한 퍼미션을 제공했다면, 개인용 에이전트 프로그램(10) 또는 추천 서버(66)는 추천을 친구 컴퓨팅 디바이스(55)에 또한 전송할 수도 있다.
이제 도 6을 참조하면, 본 개시의 일 실시형태에 따라 유저를 위한 추천을 취출하는 방법(400)이 예시된다. 이 방법은 도 1에 도시되고 위에서 설명된 유저 컴퓨팅 디바이스(12)와 개인용 에이전트 프로그램(10)의 소프트웨어 및 하드웨어 컴포넌트들, 또는 다른 적절한 컴포넌트를 사용하여 수행될 수도 있다.
402에서, 이 방법은 하나의 유저 컴퓨팅 디바이스 및 하나 이상의 다른 유저 컴퓨팅 디바이스 상에서 유저에 의해 사용되는 복수의 컴퓨터 프로그램에 걸친 유저 활동을 모니터링하는 유저 승인을 수신하는 것을 포함한다. 위에서 언급된 바와 같이, 복수의 컴퓨터 프로그램은 이메일 프로그램, 달력 프로그램, 전화/문자전송 프로그램, 모바일 디바이스 위치 추적 프로그램, 브라우저 프로그램, 맵 프로그램, 또는 소셜 네트워킹 프로그램을 포함할 수도 있지만, 이들에 제한되는 것은 아니다. 유저 컴퓨팅 디바이스는 GPS 내장 모바일 컴퓨팅 디바이스를 또한 포함할 수도 있다.
단계 404에서, 이 방법은 추천 서버로부터 유저가 수신하고 싶어 하는 제품 또는 서비스 추천을 나타내는 하나 이상의 유저 추천 선호사항을 수신하는 단계를 포함한다. 단계 406에서, 이 방법은 유저가 개인용 에이전트 프로그램에게 검사하도록 승인하였지만 외부에 공유되지 않는 복수의 컴퓨터 프로그램으로부터의 유저 활동의 검사 전용 카테고리를 나타내는 유저 프라이버시 설정을 수신하는 단계를 또한 포함할 수도 있다. 유저 프라이버시 설정은, 유저가 개인용 에이전트 프로그램에게 추천 요청과 함께 추천 서버에 전송하도록 승인하는 유저 활동의 공유 승인 카테고리를 또한 나타낼 수도 있다.
408에서, 이 방법은 유저 승인에 따라 복수의 컴퓨터 프로그램에 대한 유저 활동을 모니터링하는 단계를 포함한다. 일 예에서, 유저 활동은 유저의 검출된 현재 위치를 포함할 수도 있다. 다른 예에서, 유저 활동을 모니터링하는 것은, 유저 활동으로부터 조금씩 수집될 수도 있는 정보의 예측된 값을 계산하는 것에 기초하여 복수의 컴퓨터 프로그램 중 적어도 하나를 선택적으로 활성화하거나 또는 액세스하는 단계를 포함할 수도 있다. 단계 410에서 이 방법은 유저 활동으로부터 거동 패턴을 학습하는 단계를 포함한다. 단계 412에서, 이 방법은 유저 활동으로부터의 거동 패턴에 기초하여 추가적인 유저 선호사항을 생성하는 단계를 또한 포함할 수도 있다.
이제 도 7을 참조하면, 414에서, 이 방법은, 유저의 검출된 현재 위치, 유저의 거동 패턴, 및/또는 하나 이상의 상황적 요인에 기초하여, 하나 이상의 유저 추천 선호사항 대한 트리거 조건이 발생할 것이라고 추론하는 단계를 포함할 수도 있다. 상황적 요인은, 날짜, 요일, 시간, 또는 유저 컴퓨팅 디바이스가 검출된 현재 위치에서 있어 왔던 기간을 포함할 수도 있지만, 이들에 제한되는 것은 아니다.
416에서, 이 방법은 하나 이상의 유저 추천 선호사항 따라 목표 제품 또는 서비스에 대한 추천 요청을 추천 서버에 전송하도록 구성된다. 418에서, 이 방법은 추천 서버로부터 추천을 수신하는 단계를 포함한다. 420에서, 이 방법은 유저 컴퓨팅 디바이스와 관련된 디스플레이 상에 추천을 디스플레이하는 단계를 포함한다.
위에서 설명된 시스템 및 방법을 사용하면, 하나 이상의 컴퓨팅 디바이스 상의 다양한 컴퓨터 프로그램에서의 유저 활동은 유저에 의해 명시적으로 승인된 정도로 수동적으로 모니터링될 수도 있다. 이들 거동 패턴에 기초하여, 유저가 선호사항을 표현한, 또는 이러한 선호사항이 추론된, 제품 및 서비스에 대한 추천이 편리하게 취출될 수도 있다. 이와 같이, 유저의 요구와 소망은 본원에서 설명된 시스템 및 방법에 의해 주도적으로 기대될 수도 있다.
본원에서 설명된 환경에서 동작하는 소프트웨어와 하드웨어에 관해, 용어 "모듈", "프로그램", 및 "엔진"은, 본원에서 설명된 다양한 컴퓨팅 하드웨어 디바이스의 프로세서에 의해 구현되는 소프트웨어 컴포넌트를 설명하고, 하나 이상의 특정한 기능을 수행하기 위해 사용된 것임을 알 수 있을 것이다. 용어 "모듈", "프로그램", 및 "엔진"은, 개개의 실행 가능한 파일, 데이터 파일, 라이브러리, 드라이버, 스크립트, 데이터베이스 레코드 등 또는 이들의 그룹을 포괄하도록 의도된다.
용어 "유저 컴퓨팅 디바이스"는 개인용 컴퓨터, 랩탑 디바이스, 모바일 통신 디바이스, 태블릿 컴퓨터, 홈 엔터테틴먼트 컴퓨터, 게임용 디바이스, 스마트폰, 또는 다양한 다른 컴퓨팅 디바이스를 포함할 수도 있음이 또한 이해될 것이다. 또한, 프로세서 및 메모리는, 몇몇 실시형태들에서 소위 시스템 온 칩으로서 공용 집적 회로에 집적될 수도 있고, 대용량 스토리지는 다양한 비휘발성 스토리지 디바이스, 예컨대 하드웨어 드라이브, 펌웨어, 판독 전용 메모리(ROM), 전기적으로 소거가능한 PROM(EEPROM), 플래시 메모리, 광학 드라이브 등일 수도 있다. 이들 컴퓨팅 디바이스에 대해 매체가 제공될 수도 있는데, 이들 매체는, 이들 컴퓨팅 디바이스에 의한 실행시 디바이스로 하여금 본원에서 설명된 방법을 구현하게 하는 저장된 명령들을 포함한다. 이들 매체는 CD-ROMS, DVD-ROMS, 및 다른 매체를 포함할 수도 있다.
본원에서 설명된 예시적인 실시형태, 구성 및/또는 접근법은 사실상 예시적인 것이며, 많은 수의 변형예들이 가능하기 때문에, 이들 특정 실시형태 또는 실시예는 제한적인 의미로 고려된 것이 아님이 이해되어야만 한다. 본원에서 설명된 특정 루틴 또는 방법은 하나 이상의 임의의 수의 프로세싱 전략을 대표할 수도 있다. 이와 같이, 설명된 여러 행위들은 예시된 순서로, 다른 순서로, 병행하여 수행될 수도 있고, 또는 몇몇 경우들에서는 생략될 수도 있다. 마찬가지로, 상기 설명된 프로세스의 순서는 변경될 수도 있다.
본 개시의 주제는 여러 프로세스, 시스템 및 구성의 모든 신규의 명백한 조합 및 부분 조합과, 본원에서 개시된 다른 특징, 기능, 행위, 및/또는 특성뿐만 아니라 임의의 그리고 모든 그 등가적인 것을 포함한다.

Claims (15)

  1. 유저를 위한 추천을 취출(retrieving)하기 위한 유저 컴퓨팅 디바이스로서,
    개인용 에이전트 프로그램을 실행하는 상기 유저 컴퓨팅 디바이스의 프로세서를 포함하되,
    상기 개인용 에이전트 프로그램은
    상기 유저 컴퓨팅 디바이스의 상기 프로세서에 의해 실행되는 모니터링 엔진과,
    상기 유저 컴퓨팅 디바이스의 상기 프로세서에 의해 실행되는 추천 엔진을 포함하며,
    상기 모니터링 엔진은,
    유저 승인에 따라 복수의 컴퓨터 프로그램으로 유저 활동을 모니터링 - 상기 유저 활동은 상기 유저의 검출된 현재 위치와 여행의 방향 및 상기 유저의 일정 활동을 포함하고, 상기 모니터링 엔진은 상기 유저 활동으로부터 거동 패턴을 학습하도록 구성됨 - 하고,
    친구 컴퓨팅 디바이스를 사용하여 친구의 모니터링된 친구 활동의 알림을 수신 - 상기 친구 활동은 상기 친구의 검출된 현재 위치와 여행의 방향 및 상기 친구의 일정 활동을 포함함 - 하도록 구성되고,
    상기 추천 엔진은,
    상기 유저의 상기 검출된 현재 위치 및 여행의 방향 및 상기 친구의 상기 검출된 현재 위치 및 여행의 방향에 기초하여, 상기 유저와 상기 친구가 사전 결정된 시간 윈도우 내에서 교차 위치(intersecting location)에 접근할 것이라고 추론하고,
    일정 정보에 기초하여 상기 유저와 상기 친구가 상기 사전 결정된 시간 윈도우에서 만날 시간적 여유가 있음을 결정하고,
    상기 유저와 상기 친구의 만남을 용이하게 할 수 있는 상기 교차 위치로부터 임계 거리 내의 서비스 위치에서 제공되는 목표 서비스에 대한 추천의 요청을 추천 서버에 전송하고,
    상기 추천 서버로부터 상기 추천을 수신 - 상기 추천은 상기 서비스 위치에서 제공되는 추천 서비스를 포함함 - 하고,
    상기 유저 컴퓨팅 디바이스와 관련된 디스플레이 상에 상기 서비스 위치에서 상기 친구를 만나도록 상기 추천을 디스플레이하도록 구성되는
    유저 컴퓨팅 디바이스.
  2. 제 1 항에 있어서,
    유저 프라이버시 설정은, 상기 유저가 상기 개인용 에이전트 프로그램에게 상기 추천의 요청을 상기 추천 서버로 전송하도록 승인한 상기 유저 활동의 공유 승인 카테고리를 특정하는
    유저 컴퓨팅 디바이스.
  3. 제 1 항에 있어서,
    상기 모니터링 엔진은,
    상기 교차 위치에서 교차할 방향 궤도에서 상기 유저와 상기 친구가 여행하고 있음을 결정하도록 구성되는
    유저 컴퓨팅 디바이스.
  4. 제 1 항에 있어서,
    상기 복수의 컴퓨터 프로그램은 이메일 프로그램, 달력 프로그램, 전화/문자전송 프로그램, 모바일 디바이스 위치 추적 프로그램, 브라우저 프로그램, 맵 프로그램, 또는 소셜 네트워킹 프로그램을 포함하는
    유저 컴퓨팅 디바이스.
  5. 제 1 항에 있어서,
    상기 모니터링 엔진은, 상기 유저 활동으로부터 수집될 수 있는 정보의 예측값을 계산하는 것에 기초하여 상기 복수의 컴퓨터 프로그램 중 적어도 하나를 선택적으로 활성화하거나 또는 액세스함으로써 상기 유저 활동을 동적으로 모니터링하도록 더 구성되는
    유저 컴퓨팅 디바이스.
  6. 제 1 항에 있어서
    상기 모니터링 엔진은 상기 추천 서버로부터 집합적 거동 패턴을 수신하고, 임계적 정도 내에서 상기 집합적 거동 패턴과 일치하는 상기 유저 활동에 대한 상기 컴퓨터 프로그램에서의 상기 유저 활동을 검사함으로써 상기 유저의 상기 거동 패턴을 학습하도록 구성되는
    유저 컴퓨팅 디바이스.
  7. 제 1 항에 있어서,
    상기 모니터링 엔진은 상기 유저 활동으로부터의 상기 거동 패턴에 기초하여 유저 추천 선호사항을 생성하도록 구성되는
    유저 컴퓨팅 디바이스.
  8. 유저를 위한 추천을 취출하는 방법으로서,
    유저 컴퓨팅 디바이스의 디스플레이 상에 추천 그래픽 유저 인터페이스를 디스플레이하는 단계와,
    유저 승인에 따라 복수의 컴퓨터 프로그램으로 유저 활동을 모니터링하는 단계 - 상기 유저 활동은 상기 유저의 검출된 현재 위치와 여행의 방향 및 상기 유저의 일정 활동을 포함함 - 와,
    상기 유저 활동으로부터 거동 패턴을 학습하는 단계와,
    친구 컴퓨팅 디바이스를 사용하여 친구의 모니터링된 친구 활동의 알림을 수신하는 단계 - 상기 친구 활동은 상기 친구의 검출된 현재 위치와 여행의 방향 및 상기 친구의 일정 활동을 포함함 - 와,
    상기 유저의 상기 검출된 현재 위치 및 여행의 방향 및 상기 친구의 상기 검출된 현재 위치 및 여행의 방향에 기초하여, 상기 유저와 상기 친구가 사전 결정된 시간 윈도우 내에서 교차 위치에 접근할 것이라고 추론하는 단계와,
    일정 정보에 기초하여 상기 유저와 상기 친구가 상기 사전 결정된 시간 윈도우에서 만날 시간적 여유가 있음을 결정하는 단계와,
    상기 유저와 상기 친구의 만남을 용이하게 할 수 있는 상기 교차 위치로부터 임계 거리 내의 서비스 위치에서 제공되는 목표 서비스에 대한 추천의 요청을 추천 서버에 전송하는 단계와,
    상기 추천 서버로부터 상기 추천을 수신하는 단계 - 상기 추천은 상기 서비스 위치에서 제공되는 추천 서비스를 포함함 - 와,
    상기 유저 컴퓨팅 디바이스와 관련된 디스플레이 상에 상기 서비스 위치에서 상기 친구를 만나도록 상기 추천을 디스플레이하는 단계를 포함하는
    추천 취출 방법.
  9. 제 8 항에 있어서,
    유저 프라이버시 설정은, 상기 유저가 개인용 에이전트 프로그램에게 상기 추천의 요청을 상기 추천 서버로 전송하도록 승인한 상기 유저 활동의 공유 승인 카테고리를 특정하는
    추천 취출 방법.
  10. 제 8 항에 있어서,
    상기 유저 컴퓨팅 디바이스는 위치 인식 모바일 컴퓨팅 디바이스인
    추천 취출 방법.
  11. 제 8 항에 있어서,
    상기 복수의 컴퓨터 프로그램은 이메일 프로그램, 달력 프로그램, 전화/문자전송 프로그램, 모바일 디바이스 위치 추적 프로그램, 브라우저 프로그램, 맵 프로그램, 또는 소셜 네트워킹 프로그램을 포함하는
    추천 취출 방법.
  12. 제 8 항에 있어서,
    상기 복수의 컴퓨터 프로그램으로 상기 유저 활동을 모니터링하는 단계는 상기 유저 활동으로부터 수집될 수 있는 정보의 예측값을 계산하는 것에 기초하여 상기 복수의 컴퓨터 프로그램 중 적어도 하나를 선택적으로 활성화하거나 또는 액세스하는 단계를 더 포함하는
    추천 취출 방법.
  13. 제 8 항에 있어서,
    상기 유저 활동으로부터 상기 거동 패턴을 학습하는 단계는 상기 추천 서버로부터 집합적 거동 패턴을 수신하고, 임계적 정도 내에서 상기 집합적 거동 패턴과 일치하는 상기 유저 활동에 대한 상기 컴퓨터 프로그램에서의 상기 유저 활동을 검사하는 단계를 포함하는
    추천 취출 방법.
  14. 제 8 항에 있어서,
    상기 유저 활동으로부터의 상기 거동 패턴에 기초하여 유저 추천 선호사항을 생성하는 단계를 더 포함하는
    추천 취출 방법.
  15. 유저 컴퓨팅 디바이스로서,
    개인용 에이전트 프로그램을 실행하는 상기 유저 컴퓨팅 디바이스의 프로세서를 포함하되,
    상기 개인용 에이전트 프로그램은
    상기 유저 컴퓨팅 디바이스의 상기 프로세서에 의해 실행되는 모니터링 엔진과,
    상기 유저 컴퓨팅 디바이스의 상기 프로세서에 의해 실행되는 추천 엔진을 포함하며,
    상기 모니터링 엔진은,
    유저 승인에 따라 복수의 컴퓨터 프로그램으로 유저 활동을 모니터링 - 상기 유저 활동은 상기 유저의 검출된 현재 위치와 여행의 방향 및 상기 유저의 일정 활동을 포함하고, 상기 모니터링 엔진은 상기 유저 활동으로부터 거동 패턴을 학습하도록 구성됨 - 하고,
    친구 컴퓨팅 디바이스를 사용하여 친구의 모니터링된 친구 활동의 알림을 수신 - 상기 친구 활동은 상기 친구의 검출된 현재 위치와 여행의 방향 및 상기 친구의 일정 활동을 포함함 - 하도록 구성되고,
    상기 추천 엔진은,
    상기 유저의 상기 검출된 현재 위치 및 여행의 방향 및 상기 친구의 상기 검출된 현재 위치 및 여행의 방향에 기초하여, 상기 유저와 상기 친구가 사전 결정된 시간 윈도우 내에서 교차 위치(intersecting location)에 접근할 것이라고 추론하고,
    일정 정보에 기초하여 상기 유저와 상기 친구가 상기 사전 결정된 시간 윈도우에서 만날 시간적 여유가 있음을 결정하고,
    상기 유저와 상기 친구의 만남을 용이하게 할 수 있는 상기 교차 위치로부터 임계 거리 내의 서비스 위치에서 제공되는 목표 서비스에 대한 추천의 요청을 추천 서버에 전송하고,
    상기 추천 서버로부터 상기 추천을 수신 - 상기 추천은 상기 서비스 위치에서 제공되는 추천 서비스를 포함하고, 상기 추천은 하나 이상의 유저 추천 선호사항 및 상기 거동 패턴 중 하나 이상에 따라 생성됨 - 하고,
    미래에 발생할 기회와 관련된 상기 유저를 위한 액션을 취하고,
    상기 유저 컴퓨팅 디바이스와 연관된 디스플레이 상에 상기 추천 및 상기 기회와 관련된 정보를 디스플레이하도록 구성되는
    유저 컴퓨팅 디바이스.
KR1020137034772A 2011-06-30 2012-06-15 복합 지원 서비스를 제공하기 위한 개인용 장기간 에이전트 KR101984949B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/174,252 2011-06-30
US13/174,252 US9317834B2 (en) 2011-06-30 2011-06-30 User computing device with personal agent program for recommending meeting a friend at a service location based on current location, travel direction, and calendar activity
PCT/US2012/042795 WO2013003079A2 (en) 2011-06-30 2012-06-15 Personal long-term agent for providing multiple supportive services

Publications (2)

Publication Number Publication Date
KR20140038477A KR20140038477A (ko) 2014-03-28
KR101984949B1 true KR101984949B1 (ko) 2019-06-03

Family

ID=47391627

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020137034772A KR101984949B1 (ko) 2011-06-30 2012-06-15 복합 지원 서비스를 제공하기 위한 개인용 장기간 에이전트

Country Status (7)

Country Link
US (3) US9317834B2 (ko)
EP (1) EP2727007A4 (ko)
JP (1) JP5996644B2 (ko)
KR (1) KR101984949B1 (ko)
CN (1) CN103635895B (ko)
TW (1) TWI545301B (ko)
WO (1) WO2013003079A2 (ko)

Families Citing this family (80)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130210395A1 (en) * 2009-05-08 2013-08-15 Naquib U. Hatami Optimizing selection of method of determining location in a social networking system using mobile communications
US8782022B2 (en) * 2009-12-09 2014-07-15 At&T Intellectual Property I, L.P. Method and apparatus for aggregating and translating real-time user information to update social network profiles
JP2013088994A (ja) * 2011-10-18 2013-05-13 Sony Corp 情報処理装置、サーバ、情報処理システム、および情報処理方法
US9519722B1 (en) 2011-11-14 2016-12-13 Google Inc. Method and system for providing dynamic personalized recommendations for a destination
EP2813095B1 (en) * 2012-02-09 2017-09-13 Intel Corporation Suggestions based on group criteria
US8751429B2 (en) * 2012-07-09 2014-06-10 Wine Ring, Inc. Personal taste assessment method and system
CN104704797B (zh) 2012-08-10 2018-08-10 纽昂斯通讯公司 用于电子设备的虚拟代理通信
US9219668B2 (en) * 2012-10-19 2015-12-22 Facebook, Inc. Predicting the future state of a mobile device user
US9679300B2 (en) 2012-12-11 2017-06-13 Nuance Communications, Inc. Systems and methods for virtual agent recommendation for multiple persons
US9560089B2 (en) 2012-12-11 2017-01-31 Nuance Communications, Inc. Systems and methods for providing input to virtual agent
US9659298B2 (en) * 2012-12-11 2017-05-23 Nuance Communications, Inc. Systems and methods for informing virtual agent recommendation
US20140172572A1 (en) * 2012-12-19 2014-06-19 Ebay Inc. Systems and methods to provide recommendations
WO2014126607A1 (en) 2013-02-14 2014-08-21 Wine Ring, Inc. Recommendation system based on group profiles of personal taste
US9535899B2 (en) 2013-02-20 2017-01-03 International Business Machines Corporation Automatic semantic rating and abstraction of literature
US9345403B2 (en) * 2013-03-04 2016-05-24 Hello Inc. Wireless monitoring system with activity manager for monitoring user activity
US20140279007A1 (en) * 2013-03-14 2014-09-18 Robert Bosch Gmbh Method for personalized context-aware, and privacy preserving real-time brokerage for advertising
US20140280560A1 (en) * 2013-03-15 2014-09-18 Facebook, Inc. Capturing User Information In An Online System Based On Real-World Actions
US10438301B2 (en) 2013-03-15 2019-10-08 Capital One Services, Llc System and method for social home buying
CN103227821B (zh) * 2013-04-03 2015-07-01 腾讯科技（深圳）有限公司 一种目标用户位置数据的处理方法及装置
CN104375931B (zh) * 2013-08-15 2017-05-03 北京齐尔布莱特科技有限公司 一种移动浏览器特性检测及结果统计方法
US11354716B1 (en) 2013-08-22 2022-06-07 Groupon, Inc. Systems and methods for determining redemption time
CN104424023B (zh) * 2013-09-11 2019-04-26 阿里巴巴集团控股有限公司 提供应用程序、用户推荐信息的方法及装置
KR101579538B1 (ko) * 2013-11-08 2015-12-22 현대자동차주식회사 차량 및 그 제어방법
US9298802B2 (en) 2013-12-03 2016-03-29 International Business Machines Corporation Recommendation engine using inferred deep similarities for works of literature
CN103744858B (zh) * 2013-12-11 2017-09-22 深圳先进技术研究院 一种信息推送方法及系统
US10534623B2 (en) 2013-12-16 2020-01-14 Nuance Communications, Inc. Systems and methods for providing a virtual assistant
US8949250B1 (en) 2013-12-19 2015-02-03 Facebook, Inc. Generating recommended search queries on online social networks
US9922197B2 (en) 2014-01-15 2018-03-20 Microsoft Technology Licensing, Llc Privacy-based degradation of activity signals and automatic activation of privacy modes
GB201402088D0 (en) * 2014-02-07 2014-03-26 Social Safe Ltd Recommendation generation
JP6821289B2 (ja) * 2014-04-01 2021-01-27 シャープ株式会社 サーバ、プログラム、提案方法、提案システム、および報知機器
US9563912B2 (en) * 2014-08-15 2017-02-07 Microsoft Technology Licensing, Llc Auto recognition of acquirable entities
JP6676530B2 (ja) * 2014-08-29 2020-04-08 住友化学株式会社 有機エレクトロルミネッセンス素子
CN105404629B (zh) * 2014-09-12 2020-10-27 华为技术有限公司 确定地图界面的方法和装置
US10429803B2 (en) * 2014-09-23 2019-10-01 Intel Corporation Multifactor intelligent agent control
US10516980B2 (en) 2015-10-24 2019-12-24 Oracle International Corporation Automatic redisplay of a user interface including a visualization
US10417247B2 (en) 2014-09-25 2019-09-17 Oracle International Corporation Techniques for semantic searching
US10664488B2 (en) * 2014-09-25 2020-05-26 Oracle International Corporation Semantic searches in a business intelligence system
KR102058894B1 (ko) * 2014-10-31 2020-02-20 에스케이텔레콤 주식회사 예측 기반 동작 인식 장치 및 기록매체
US11100557B2 (en) 2014-11-04 2021-08-24 International Business Machines Corporation Travel itinerary recommendation engine using inferred interests and sentiments
US9977911B2 (en) * 2014-12-30 2018-05-22 Facebook, Inc. Methods and systems for managing permissions to access mobile device resources
US20160234160A1 (en) * 2015-02-10 2016-08-11 Microsoft Technolgy Licensing, LLC Location-based address book tailored for use during upcoming travel
WO2016128121A1 (en) * 2015-02-12 2016-08-18 Amadeus S.A.S. Methods, systems, and computer program products for implementing a classification database
EP3057042A1 (en) * 2015-02-12 2016-08-17 Amadeus S.A.S. Methods, systems, and computer program products for implementing a classification database
US10089381B2 (en) * 2015-02-12 2018-10-02 Amadeus S.A.S. Methods, systems, and computer program products for implementing a classification database
EP3262537A4 (en) * 2015-02-27 2018-07-11 Keypoint Technologies India Pvt. Ltd. Contextual discovery
US10713601B2 (en) 2015-04-29 2020-07-14 Microsoft Technology Licensing, Llc Personalized contextual suggestion engine
US9940362B2 (en) * 2015-05-26 2018-04-10 Google Llc Predicting user needs for a particular context
US9820094B2 (en) * 2015-08-10 2017-11-14 Facebook, Inc. Travel recommendations on online social networks
US20170046802A1 (en) * 2015-08-10 2017-02-16 Facebook, Inc. Travel Itinerary Generation on Online Social Networks
US10691736B2 (en) 2015-09-25 2020-06-23 International Business Machines Corporation Contextualized analytics platform
EP3182738B1 (en) * 2015-12-16 2018-12-05 Snips Method and means for triggering at least one action based on geolocation and user information, places and user habits
US10169794B2 (en) * 2016-06-07 2019-01-01 Microsoft Technology Licensing, Llc Digital assistant for vehicle related activities
US10567532B2 (en) 2016-10-03 2020-02-18 Microsoft Technology Licensing, Llc Contact availability prediction
US10043366B2 (en) 2016-10-18 2018-08-07 International Business Machines Corporation Personal safety monitoring
US10567535B2 (en) * 2017-01-27 2020-02-18 International Business Machines Corporation Monitoring and alerting a user to variants from predicted patterns based on real time device analysis
US10158828B2 (en) * 2017-04-05 2018-12-18 Facebook, Inc. Customized graphics for video conversations
US11025566B2 (en) 2017-04-12 2021-06-01 Facebook, Inc. Techniques for intent-based search for bots
US20180302345A1 (en) * 2017-04-12 2018-10-18 Facebook, Inc. Techniques for event-based recommendations for bots
US10846615B2 (en) 2017-04-12 2020-11-24 Facebook, Inc. Techniques for reinforcement for bots using capability catalogs
US11494440B1 (en) 2017-04-12 2022-11-08 Meta Platforms, Inc. Proactive and reactive suggestions for a messaging system
US11341173B2 (en) 2017-04-12 2022-05-24 Meta Platforms, Inc. Techniques for personalized search for bots
US20180330330A1 (en) * 2017-05-15 2018-11-15 Sony Corporation Agent system for a device
WO2018211443A1 (en) * 2017-05-17 2018-11-22 Agarwal Subham Real-time experience based reservation system and method thereof
US20180349791A1 (en) * 2017-05-31 2018-12-06 TCL Research America Inc. Companion launcher
US10917587B2 (en) 2017-06-02 2021-02-09 Oracle International Corporation Importing and presenting data
US10956237B2 (en) 2017-06-02 2021-03-23 Oracle International Corporation Inter-application sharing of business intelligence data
US11614857B2 (en) 2017-06-02 2023-03-28 Oracle International Corporation Importing, interpreting, and presenting data
CN107491474A (zh) * 2017-06-26 2017-12-19 北京三快在线科技有限公司 信息推荐方法和装置
DE112018003894T5 (de) * 2017-07-31 2020-04-16 Sony Corporation Informationsverarbeitungsvorrichtung, informationsverarbeitungsverfahrenund programm
US20210004747A1 (en) * 2018-03-09 2021-01-07 Sony Corporation Information processing device, information processing method, and program
US11132648B2 (en) 2018-03-12 2021-09-28 International Business Machines Corporation Cognitive-based enhanced meeting recommendation
CN109302492B (zh) * 2018-11-14 2021-09-24 北京嘀嘀无限科技发展有限公司 用于推荐服务位置的方法、设备和计算机可读存储介质
SG11202107972UA (en) * 2019-01-28 2021-08-30 Grabtaxi Holdings Pte Ltd Transportation method and apparatus
WO2020226650A1 (en) * 2019-05-09 2020-11-12 Google Llc Automated assistant suggestions for third-party vehicle computing devices with restricted architecture
US11128724B1 (en) * 2020-03-09 2021-09-21 Adobe Inc. Real-time interactive event analytics
JP2022054822A (ja) * 2020-09-28 2022-04-07 マツダ株式会社 体験獲得支援装置
US11520692B1 (en) 2021-09-08 2022-12-06 International Business Machines Corporation Performing software testing with best possible user experience
KR102584202B1 (ko) * 2021-11-22 2023-09-27 박지원 인공지능을 이용한 예측 정보 제공 시스템
WO2023095277A1 (ja) * 2021-11-26 2023-06-01 日本電気株式会社 情報処理装置、情報処理方法及びプログラム
TWI806396B (zh) * 2022-01-28 2023-06-21 開曼群島商粉迷科技股份有限公司 提供使用者有興趣區域內容的方法與系統

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100673600B1 (ko) 2004-07-20 2007-01-24 에스케이커뮤니케이션즈 주식회사 이동통신 단말기를 통한 모블로그 기반의 지역 커뮤니티 시스템에서 스팟 또는 아지트를 추천하는 장치 및 방법
US20090158342A1 (en) 2007-12-18 2009-06-18 Motorola, Inc. Apparatus and method for generating content program recommendations
US20090164516A1 (en) 2007-12-21 2009-06-25 Concert Technology Corporation Method and system for generating media recommendations in a distributed environment based on tagging play history information with location information

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6317718B1 (en) 1999-02-26 2001-11-13 Accenture Properties (2) B.V. System, method and article of manufacture for location-based filtering for shopping agent in the physical world
US6868392B1 (en) 1999-07-09 2005-03-15 Fujitsu Limited System and method for electronic shopping using an interactive shopping agent
KR100328670B1 (ko) 1999-07-21 2002-03-20 정만원 다중 추천 에이전트들을 이용하는 추천 시스템
US6381597B1 (en) 1999-10-07 2002-04-30 U-Know Software Corporation Electronic shopping agent which is capable of operating with vendor sites which have disparate formats
US6968334B2 (en) 2001-05-15 2005-11-22 Nokia Corporation Method and business process to maintain privacy in distributed recommendation systems
JP2003016098A (ja) * 2001-07-03 2003-01-17 Toshiba Corp クライアント・システム、情報要求方法、情報通信方法及びプログラム
US8060459B2 (en) 2003-08-01 2011-11-15 Mitel Networks Corporation Method for generating prospective availability data
US7526458B2 (en) * 2003-11-28 2009-04-28 Manyworlds, Inc. Adaptive recommendations systems
JP4581446B2 (ja) * 2004-03-22 2010-11-17 ソニー株式会社 情報処理装置および方法、並びにプログラム
US20050243165A1 (en) * 2004-04-07 2005-11-03 Endler Sean C Methods and apparatuses for mapping locations
KR100715681B1 (ko) 2005-12-06 2007-05-09 한국전자통신연구원 센서 네트워크 기반 유비쿼터스 상황인지 에이전트 장치 및그 상황인지 방법
JP4785606B2 (ja) * 2006-04-27 2011-10-05 京セラ株式会社 グループ通信管理装置、通信端末、および通信方法
US9256602B2 (en) 2006-09-13 2016-02-09 Cellco Partnership System and method for distributing and providing recommendations related to playable content to a user based on information extracted from one or more playback devices of the user
KR100882716B1 (ko) 2006-11-20 2009-02-06 엔에이치엔(주) 상품 정보를 추천하는 방법 및 상기 방법을 수행하는시스템
WO2008066212A1 (en) 2006-11-29 2008-06-05 Korea Institute Of Science And Technology Electronic commerce system and recording medium for storing program of mobile terminals using personal area network
US20080227440A1 (en) * 2007-03-16 2008-09-18 Vinay Kumar Chowdary Settepalli Methods and apparatus for discovering and updating a mobile device via user behavior
US8032472B2 (en) * 2007-04-04 2011-10-04 Tuen Solutions Limited Liability Company Intelligent agent for distributed services for mobile devices
EP2171616A4 (en) * 2007-05-22 2012-05-02 Nuance Communications Inc KEY DATA-BASED SERVICES FOR MOBILE DEVICE MESSAGES
US7984006B2 (en) * 2007-09-18 2011-07-19 Palo Alto Research Center Incorporated Learning a user's activity preferences from GPS traces and known nearby venues
US8065173B2 (en) 2007-10-29 2011-11-22 Suhayya Abu-Hakima Collaborative multi-agent system for dynamic management of electronic services in a mobile global network environment
CN101451850A (zh) * 2007-11-30 2009-06-10 长天科技股份有限公司 追踪定位装置的方法及其追踪系统
US8306921B2 (en) * 2008-02-13 2012-11-06 Toyota Motor Engineering & Manufacturing North America, Inc. Mobile recommendation and reservation system
WO2009134432A1 (en) 2008-04-30 2009-11-05 Intertrust Technologies Corporation Data collection and targeted advertising systems and methods
US20100049585A1 (en) 2008-08-21 2010-02-25 Eastman Kodak Company Concierge - shopping widget - method for user managed profile and selective transmission thereof
US20100076951A1 (en) * 2008-09-11 2010-03-25 International Business Machines Corporation Service for negotiating a meeting location given multiple user preferences and locations using social networking
US8301759B2 (en) 2008-10-24 2012-10-30 Microsoft Corporation Monitoring agent programs in a distributed computing platform
CN101446959A (zh) 2008-12-30 2009-06-03 深圳市迅雷网络技术有限公司 一种基于互联网的新闻推荐方法和系统
TWI389103B (zh) 2009-05-04 2013-03-11 Quanta Storage Inc 吸入式光碟機防卡裝置
US8150718B2 (en) * 2009-05-13 2012-04-03 Hugh Olliphant System and method for automatically scheduling appointments
JP2010267105A (ja) * 2009-05-15 2010-11-25 Yahoo Japan Corp 行動履歴を検索する装置、方法及びプログラム
WO2010141656A1 (en) 2009-06-05 2010-12-09 Bank Of America Corporation Mobile shopping decision agent
CN102043793A (zh) 2009-10-09 2011-05-04 卢健华 一种面向知识服务的推荐方法
JP2011100182A (ja) * 2009-11-04 2011-05-19 Nec Corp リコメンド情報配信システム、サーバ、携帯端末、リコメンド情報配信方法、そのプログラムおよび記録媒体
US11127020B2 (en) 2009-11-20 2021-09-21 Palo Alto Research Center Incorporated Generating an activity inference model from contextual data
BR112012014035A2 (pt) 2009-12-15 2017-08-29 Intel Corp Sistemas, equipamentos e métodos usando técnicas probabilísticas em tendências e perfis e previsões baseadas em modelos de comportamento de usuário de modo a oferecer recomendações
CN101916264B (zh) 2010-07-30 2012-09-19 浙江大学 基于用户面部表情与目光分布检测的个性化网页推荐方法
US20120271541A1 (en) * 2011-04-20 2012-10-25 Telefonaktiebolaget L M Ericsson (Publ) Route recommendation system

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100673600B1 (ko) 2004-07-20 2007-01-24 에스케이커뮤니케이션즈 주식회사 이동통신 단말기를 통한 모블로그 기반의 지역 커뮤니티 시스템에서 스팟 또는 아지트를 추천하는 장치 및 방법
US20090158342A1 (en) 2007-12-18 2009-06-18 Motorola, Inc. Apparatus and method for generating content program recommendations
US20090164516A1 (en) 2007-12-21 2009-06-25 Concert Technology Corporation Method and system for generating media recommendations in a distributed environment based on tagging play history information with location information

Also Published As

Publication number Publication date
US9569726B2 (en) 2017-02-14
JP2014521141A (ja) 2014-08-25
TWI545301B (zh) 2016-08-11
EP2727007A2 (en) 2014-05-07
US20160189032A1 (en) 2016-06-30
CN103635895B (zh) 2017-07-28
JP5996644B2 (ja) 2016-09-21
KR20140038477A (ko) 2014-03-28
US20130006904A1 (en) 2013-01-03
US20170154271A1 (en) 2017-06-01
US9317834B2 (en) 2016-04-19
TW201300737A (zh) 2013-01-01
WO2013003079A2 (en) 2013-01-03
WO2013003079A3 (en) 2013-03-14
EP2727007A4 (en) 2015-02-25
CN103635895A (zh) 2014-03-12

Similar Documents

Publication Publication Date Title
KR101984949B1 (ko) 복합 지원 서비스를 제공하기 위한 개인용 장기간 에이전트
US11348140B2 (en) Systems and methods for transmitting establishment information
US20120130796A1 (en) Systems and Methods to Advertise a Physical Business Location with Digital Location-Based Coupons
US20110238647A1 (en) System for event-based intelligent-targeting
JP5937733B1 (ja) 情報提供装置、情報提供プログラムおよび情報提供方法
US20160117725A1 (en) System and method for improved personalization using mobile technology
Ammar et al. Busmate: Understanding mobility behavior for trajectory-based advertising
Kapadia We'll Be Watching You: The Utility and Intrusiveness of Mobile Shopping Apps

Legal Events

Date Code Title Description
N231 Notification of change of applicant
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant