KR20050004703A

KR20050004703A - 이상적인 정보 추상화, 숨기기, 및 순서화를 통해, 시각적복잡성 및 탐색 노력을 경감시키기 위한 모델 및 방법

Info

Publication number: KR20050004703A
Application number: KR1020040039140A
Authority: KR
Inventors: 호르비츠에릭제이.
Original assignee: 마이크로소프트 코포레이션
Priority date: 2003-06-30
Filing date: 2004-05-31
Publication date: 2005-01-12
Also published as: US8346587B2; US20040267600A1; CN1609852A; EP1505496A2; BRPI0401863A; JP2005025728A

Abstract

본 발명은 자동 방식으로 정보를 제어하여 사용자에게 제시하기 위한 시스템 및 방법론에 관한 것이다. 컴퓨터 작업 공간으로부터(예컨대, 애플리케이션 내측 및/또는 외측으로부터) 사용자가 액세스가능한(accessible) 정보 아이템 세트는 결정 및/또는 감축된 정보의 서브세트에 대한 사용자 프로세싱을 용이하게 하기 위해, 시야(view)로부터 자동적으로 숨겨지거나 감축된다. 사용자에 의한 효율적 액세스를 위해, 아이템들 또는 대상들이 노출된 상태로 더 남아 있을 것 같은 경우, 및 시야 또는 제시로부터 정보 아이템을 숨기거나 덜어주는(mitigating) 경우의 기대 비용 및 이득에 대한 결정-이론적 고찰로부터 감축된 서브세트가 생성된다. 이상적인 아이템 세트의 표시는, 하나 이상의 제스처를 통해 아이템 세트가 덜 드러나게 될 것 같은 시야의 액세스에 대해 적용하는 제어 고려 사항들에 의해 얻어진다. 최적화 제어는 다른 길이의 아이템 세트를 면밀히 검토하는 비용에 대한 우선 순위, 및 추가 아이템을 드러나게 하는 제스처의 비용에 대한 우선 순위를 설계자 및/또는 사용자가 평가하도록 허용하는 우선 순위-평가 인터페이스에 의해 용이해 질 수 있다.

Description

이상적인 정보 추상화, 숨기기, 및 순서화를 통해, 시각적 복잡성 및 탐색 노력을 경감시키기 위한 모델 및 방법{MODELS AND METHODS FOR REDUCING VISUAL COMPLEXITY AND SEARCH EFFORT VIA IDEAL INFORMATION ABSTRACTION, HIDING, AND SEQUENCING}

본 발명은 일반적으로 컴퓨터 시스템에 관한 것으로, 보다 구체적으로는, 아이템의 서브세트로부터 정보 아이템을 내비게이팅하는 경우의 비용에 대한(versus)정보의 사용자 프로세싱을 용이하게 하기 위해 아이템을 숨기는 경우의 편익과 관련된 결정-이론적 비용 대 편익 분석(decision-theoretic cost benefit analysis)을 수행함으로써, 처리되거나 사용자에게 제시될 정보량을 자동적으로 감축하기 위한 시스템 및 방법에 관한 것이다.

컴퓨터 시스템은 현대의 작업 환경에 있어 생산성과 효율성을 상당히 촉진시켜 왔다. 애플리케이션 윈도우, 브라우저, 검색 엔진, 메뉴, 아이콘, 폴더, 배열 설정, 도움말 파일, 및 그 외의 아이템들과 같은 툴(tool)들은 사용자의 데스크탑 또는 랩탑 컴퓨터, 및 관련 표시(display)에 일상적으로 산재되어 있다. 많은 사용자들은 애플리케이션 실행 또는 정보 검색과 같은 공용 컴퓨터 태스크를 수행하기 위해 선택할 수 있는 수십 개의 아이템들(예컨대, 애플리케이션 아이콘, 폴더 디렉토리, 이미지)을 가지고 있다. 검색 단계는 종종 바람직한 정보를 찾아 내기 위해, "마우스 클릭"을 통해, 하나의 레벨로부터 소정의 서브-레벨로의 "아래쪽으로의 전개(drill down)"를 수반한다. 그러나, 정보의 위치를 알아 내기 위한 시도 단계에 있어, 컴퓨터 사용자들은 종종 관심있는 대상을 선택하기 위해, 관련되지 않은 다수의 표시 대상들을 정독하거나 봐야만 하고, 때때로, 소정의 대상을 검색한 이후에도 또 다른 서브 레벨로의 아래쪽으로의 전개 동작을 더 수반하게 된다. 다른 서브 레벨(예컨대, 서브 디렉토리)을 내비게이팅하는 경우에, 각각의 서브 레벨들은, 종종, 스캔되고 사용자에 의해 선택될 그 외의 다수의 정보 아이템들을 포함하기도 한다.

컴퓨터들의 파워와 상대적으로 저가인 메모리 비용으로 인해, 컴퓨터 작업공간 및/또는 애플리케이션들 자체들은 계속 증가하는(ever-increasing) 옵션들을 제공하여 사용자가 선택할 수 있게 하고 있다. 작업 공간의 일례에 있어서, 공용 데스크탑은 애플리케이션을 실행하기 위한 애플리케이션 아이콘, 정보를 저장하기 위한 폴더 아이콘, 및 그 외 대상, 이를 테면, 사용자들 스스로에 의해 생성된 다양한 파일과 함께 컴퓨터를 조작할 수 있는 다양한 메뉴를 제공할 수 있다. 애플리케이션 설정 단계에 있어서, 다양한 메뉴, 툴바, 선택 입력, 메뉴 선택, 및 파일 관리 툴이 제공되어, 선택된 애플리케이션에 대한 조작을 용이하게 한다. 검색 엔진들 또는 검색 유틸리티들을 사용하는 경우에, 소정 정보에 대한 검색 결과, 예를 들어, 종종 수백 개의 이종 아이템들(disparate items)이 사용자에게 리턴되고 제시된다. 하나 또는 두 개의 관심있는 아이템들을 찾기 위해, 통상적으로 리턴된 결과들이 수집될 것이다. 보다 많은 정보 아이템들을 처리해야 한다면, 사용자는 분명 귀중한 시간을 잃게 되고 전체 효율은 감소하게 될 것이다. 어떤 경우에는, 하나의 배치에 보다 많은 툴들 또는 아이템 선택 능력들을 가짐으로써, 그들의 컴퓨터가 개선된 능력을 갖더라도, 일부 사용자들에게 있어 그들의 생산성은 저하된다.

정보 또는 데이터를 생성하고 처리하기 위한 너무 많은 옵션들로 인해, 데스크탑 및/또는 애플리케이션 작업 공간이 점점 더 클러스터된다. 따라서, 사용자가 정보의 일부를 찾으려고 시도하거나, 애플리케이션을 실행시키기 위해 디렉토리로 가는 경우에, 사용자는 관심있는 특정 아이템을 찾기 위해 수 십개의 표시 아이템들을 면밀히 살피고 봐야만 한다. 즉, 보다 많은 특징들 - 파일과 같이 사용자에의해 생성되는 아이템들을 포함함 - 이 컴퓨터 시스템들에 추가될수록, 그러한 아이템들을 관리하고 효율적으로 처리하는 것이 보다 복잡해 질 것이다. 결과적으로, 자동 방식으로 사용자에게 컴퓨터 데이터를 제시하는 것을 훨씬 더 효율적으로 관리할 필요가 있다.

이하, 본 발명의 임의의 양상에 대한 기본적 이해를 돕기 위해, 본 발명에 대해 간략히 요약한다. 이러한 요약은 본 발명의 광범위한 개요는 아니다. 이는 본 발명의 키/결정적 구성 요소(element)들을 식별하거나, 본 발명의 범주를 한정하기 위한 것이 아니다. 이것의 유일한 목적은 이후 제시되는 보다 상세한 설명에 대한 전조로서, 간략화된 형태로 본 발명의 임의의 개념들을 제시하기 위한 것이다.

본 발명은 자동 방식으로 정보를 제어하고 사용자들에게 제시하기 위한 시스템 및 방법론에 관한 것이다. 지금까지는, 즉시 보여진 아이템들, 및 추가적인 제스처, 이를테면, 확장을 위해, "More" 버튼을 누르거나 대기하도록 호버링하여 보여진 아이템들의 해체에 대해 결정하는 방법들은 주로 발견적 설계 또는 정책에 의존해 왔다. 그러한 시스템들은, 초기 개요의 복잡성에 대해(versus) 추가 상세를 액세스하기 위해 명시된 동작들을 통해 더 많은 옵션들 또는 아이템들을 탐색하는 비용 또는 장애물(frustration)에 대한 사용자의 우선 순위(preferences)를 고려하는 정규의 비용대 편익 분석을 인코드하지 않는다.

본 발명에 따르면, 결정된 및/또는 감축된 정보의 서브세트를 사용자가 용이하게 처리할 수 있도록 하기 위해, 컴퓨터 작업 공간으로부터 사용자에 의해 액세스가능한 정보 아이템 세트들이 자동적으로 시야로부터 숨겨지거나 감축된다. 사용자에 의한 효율적 액세스를 위해 노출되는 것이 보다 적절한 아이템들은 그대로 남겨 두는 한편, 과잉의 정보 아이템들은 시야 또는 표시로부터 숨기거나 덜어주는 경우의 이득에 대한 결정-이론적 고찰로부터 상기 감축된 서브세트가 생성된다. 사용자들에게는 감축된 양의 상당히 유용한 아이템들(예컨대, 토큰, 클러스터, 파일, 폴더, 아이콘, 메뉴, 툴, 텍스트, 데이터)이 선택을 위해 주어지고, 상당한 양의 관계없는 재료들, 이를테면, 드물게 사용되는 선택 사항들은 엄밀히 조사할 필요가 없어지기 때문에 효율성이 증가된다.

사용자의 현재 작업 공간으로부터의 각각의 아이템들(예컨대, 검색 결과들을 포함하는 선택 메뉴)을 이동시키거나(remove) 재배치한 결과로 생길 수 있는 관련 내비게이션 비용에 대하여 숨기는 경우의 이득이 분석되고 비교 검토된다. 따라서, 비용대 편익 분석이 수행되는데, 여기서, 표시된 아이템에 내비게이트하는 경우의 비용(아이템이 클러스터되거나, 토큰화되거나, 재배치되거나, 이동된 경우)이 각각의 아이템을 숨기는 경우의 이득 보다 크다면, 정보 아이템들의 서브세트가 사용자들에게 표시된다 - 상기 이득들은 사용자의 작업 공간에서 면밀히 검토할 아이템을 줄이므로, 사용자가 결정된 아이템의 서브세트를 인식적으로 처리하는 능력을 증가시킴 - .

본 발명은 사용자에 의해 처리될 아이템들의 집합 사이즈를 감축하거나 최소화하기 위해 다양한 컴포넌트 및 프로세스를 제공한다. 일 양상에 있어서, 사용자에게는 고려 하에 n개의 아이템을 포함하는 큰 세트 a에 대한 적절한 서브세트 d가 표시된다. 사용자는 갯수(cardinality)가 ｜d｜인 아이템들로 시각화를 검토한다. ｜h｜개 아이템의 집합, 즉, 서브세트 h의 상보적인 구성 요소들(complementary elements)은 통상적으로 숨겨지거나, 서브세트 h의 ｜h｜개의 구성 요소들을 보기 위해 액세스될 수 있는 단일 식별자(예컨대, "더 많은 아이템들...을 표시하도록 클릭(Click to display more items...)"을 제시하는 식별자)로 추상화 된다.

표시된 ｜d｜개 아이템의 서브세트는 서로 다른 방식들, 즉, 각 구성 요소가 목표 구성 요소일 가능성에 의한 상위 ｜d｜개 구성 요소의 추정에 의한 방식, 알파벳 순서에 의한 방식, 또는 서브-셀렉션에 대한 다른 다수의 다른 접근법들 중에서, n 내의 구성 요소들로부터 ｜d｜개 구성 요소들의 랜덤 서브-셀렉션에 의한 방식에 의해 세트 a로부터 선택될 수 있다. n개의 총 아이템 중에서 상위 m 값들을 선택하는 것 보다는, 서브-샘플 m이 아이템의 속성 함수를 이룰 수 있다. 예를 들어, 하나의 상황은 n 후보 아이템 세트로부터 하나의 목표 아이템을 탐색하는 컴퓨터 사용자를 고려한다.

갯수 ｜d｜인 표시된 아이템의 서브세트 d는, d 내에 표시된 각각의 아이템이 목표 아이템일 것으로 추정된 가능성의 순서로, 표시용 서브세트 d에 아이템들을 추가함으로써 결정될 수 있다. 아이템이 d 내에 있을 가능성이, 서브세트 내에 포함된 i개 아이템 중 하나가 정확히 목표 아이템 t일 소정의 확률 이상이 되도록증가한 이후(하기와 같이 표현됨)에는 구성 요소들이 d에 추가되지 않는다.

본 발명은, 완성도에 대한(versus) 식별의 용이함에 의해, 여러 키 속성들 및 트레이드오프를 고려함으로써, 숨겨진 집합(예컨대, 아이템 리스트, 및 아이템의 다른 구성) 사이즈의 최적화, 및 숨겨지거나 하이-레벨 토큰으로 추상화된 대상의 본질과 수의 최적화를 검토한다. 아이템의 집합(예컨대, 리스트)이 더 크고 더 포괄적이면, 관심있는 하나 이상의 아이템을 포함하거나 목표 아이템들을 포함할 가능성이 더 높다. 그러나, 하나의 집합에 보다 많은 구성 요소들이 포함되어 있다면, 관심있는 하나 이상의 아이템을 찾아 내기 위해 더 많은 검색 노력이 요구된다. 전체 아이템들 중 하나 이상의 서브세트를 토큰 또는 다른 포맷으로 추상화함으로써, 본 발명은 하나의 아이템이 표시된 아이템의 서브세트에 있는지 여부를 식별하기 위해 필요한 노력을 경감시켜 주고, 아이템 자체의 선택을 용이하게 한다.

그 아이템이 표시된 서브세트에 포함되어 있지 않다면, 예를 들어, 숨겨진 아이템의 일부 또는 전체를 보이게 하기 위해, 하이-레벨 토큰을 클릭하는 것과 같은 제스처가 실시될 수 있다. 그러한 제스처는 사용자의 노력을 요구하고, 표시된 아이템의 복잡성을 감소시키는 기대값과 트레이드 오프하는 비용을 창출한다. 본 발명은 아이템의 서브세트 리스트의 표시에 대한 분석, 및 잠재적으로 유용한 아이템 세트 이외의 요소들을 숨기는 것에 대한 분석의 견지에서, 숨겨진 리스트의 표시와 관련된 비용과의 트레이드오프를 처리한다. 상기 자동화된 분석은 숨겨진 아이템의 다-단계 표시, 숨겨진 파일의 계층적 내포(nesting), 및/또는 아이템들을 숨기는 리스트들 및 토큰들을 넘어선(beyond) 아이템들의 서브 세트, 이를테면, 다른 배열들로 표시 및 숨기기 위해 배치된 아이템들의 클러스터의 시각화를 수반하는, 다른 공식들로 일반화될 수 있음에 주의한다.

앞서 말한 것들 및 관련 목적을 달성하기 위해, 다음 설명과 첨부된 도면과 함께 본 발명에 대한 임의의 예시적인 양상들이 설명된다. 이러한 양상들은 본 발명이 실시될 수 있는 다양한 방식을 나타내는 것으로, 그들 모두는 본 발명에 의해 커버된다. 본 발명의 다른 이점들 및 신규한 특징들은 도면을 참조하여 이하 개시되는 본 발명의 상세한 설명으로부터 명백해 질 것이다.

도 1은 본 발명의 일 양상에 따른 정보 숨김을 도시하는 개략적인 블럭도.

도 2는 본 발명의 일 양상에 따른 기대 효용 분석을 도시하는 도면.

도 3은 본 발명의 일 양상에 따른 다양한 정보 숨김 개념들을 도시하는 도면.

도 4는 본 발명의 일 양상에 따른 자동화된 정보 숨김 프로세스를 도시하는 순서도.

도 5-7은 본 발명의 일 양상에 따른 자동화된 정보 숨김의 예제 애플리케이션을 도시하는 도면

도 8은 본 발명의 일 양상에 따른 데스크탑 환경에서의 정보 숨김 및 클러스터링을 도시하는 도면.

도 9는 본 발명의 일 양상에 따른 애플리케이션 환경 내에서의 정보 숨김을 도시하는 도면.

도 10은 본 발명의 일 양상에 따른 서브폴더로의 정보의 재배치를 도시하는도면.

도 11은 본 발명의 일 양상에 따라 파일들이 재배치되는 서브폴더를 도시하는 도면.

도 12는 본 발명의 일 양상에 따른 적합한 운영 환경을 도시하는 개략적인 블럭도.

도 13은 본 발명과 상호 작용할 수 있는 샘플-컴퓨팅 환경의 개략적인 블럭도.

<도면의 주요 부분에 대한 부호의 설명>

100 : 시스템

110 : 데이터 저장소

120 : 아이템 세트

130 : 정보 숨김 컴포넌트

140 : 아이템의 서브세트

144 : 사용자의 작업 공간

150 : 비용 및 랭킹 컴포넌트

본 발명은 대상들의 표시 및 내비게이션, 이를테면, 표시할 대상의 양 및 대상 세분성에 대한 결정-이론적 접근법에 관한 것이다 - 이는 애플리케이션과 같은 사용자의 작업 공간 상에 또는 그 내에 나타날 수 있는 표시 대상, 아이콘, 정보 묶음(chunk), 선택 옵션, 파일, 폴더, 및/또는 그 외의 정보 등의 아이템 세트를 취급하는 거의 대부분의 상황에 적용될 수 있다 - . 세트를 표시하는 방법 및 표시할 세트의 양에 대해 심사 숙고하지 않더라도, 많은 시스템들은 아이템 또는 대상들의 세트를 결과물로서 제공한다. 본 발명은, 현재 또는 표시된 아이템 세트에 하나의 아이템을 추가하는(또는 하나의 아이템을 남기는) 것과 관련된 비용(예컨대, 스크린 면적(real-estate), 가시-능력(view-ability), 사용자 소비/이해 ...의 함수로서)을 고려하고, 감축된 서브세트에서 원하는 아이템을 찾는 경우의 이득과일반적으로 표시된 세트에서의 아래쪽으로의 전개(drilling down)와 관련된 비용의 이해 득실을 견주어 본다. 따라서, 본 발명은 아이템/대상의 표시를 최적화하고 정보에 대한 사용자 프로세싱을 용이하게 하기 위해, 정규 결정 이론 메트릭(formal decision theory metrics)을 사용하여, 표시될 결과물의 양을 자동적으로 제어하는 시스템을 제공한다.

이러한 애플리케이션에 사용된 것으로서, "컴포넌트", "분석자", "시스템" 등의 용어는 컴퓨터-관련 엔티티, 즉, 하드웨어, 하드웨어와 소프트웨어의 조합, 소프트웨어, 또는 실행중인 소프트웨어 중 어느 하나를 칭하기 위한 것이다. 예를 들어, 컴포넌트는 프로세서 상에서 실행중인 프로세스, 프로세서, 대상, 실행 가능한 것, 실행의 스레드(thread), 프로그램, 및/또는 컴퓨터일 수 있으며, 이에 한정되지 않는다. 설명에 의해, 서버 상에서 실행중인 애플리케이션과 서버 모두 컴포넌트일 수 있다. 하나 이상의 컴포넌트는 프로세스 및/또는 실행의 스레드 내에 상주할 수 있고, 하나의 컴포넌트는 하나의 컴퓨터 상에 위치될 수 있고 또는(and/or) 두 개 이상의 컴퓨터들 사이에 분포될 수 있다.

여기서 사용된 것으로서, "추론(inference)"은 이벤트 및/또는 데이터를 통해 포착된 관측 결과의 집합으로부터 시스템, 환경, 및/또는 사용자의 상태에 관해 추리하거나(reasoning), 또는 그것을 추론하는(inferring) 프로세스를 일반적으로 칭한다. 추론은 특정한 문맥 또는 액션을 식별하기 위해 사용될 수 있고, 또는 예를 들어, 상태들 전반에 대한 확률 분포를 생성할 수 있다. 추론은 확률적 - 즉, 데이터 및 이벤트의 고찰에 기초한 관심사의 상태 전반에 대한 확률 분포의 계산 -일 수 있다. 또한, 추론은 이벤트 및/또는 데이터 집합으로부터 고-레벨 이벤트를 구성하기 위해 사용된 기술을 칭할 수도 있다. 그러한 추론은 결과적으로 관측된 이벤트 및/또는 저장된 이벤트 데이터 집합으로부터 뉴스 이벤트 또는 액션의 구성, 이벤트가 클로즈형 시간적 접근과 상호 관계가 있는지 여부, 및 이벤트와 데이터가 하나의 이벤트와 데이터 소스로부터 오는지 또는 여러 이벤트 및 데이터 소스로부터 오는지를 알 수 있다.

도 1을 참조하면, 시스템(100)은 본 발명의 일 양상에 따른 정보 숨김을 도시한다. 이러한 양상에 있어서, 하나 이상의 아이템 세트(120)를 갖는 데이터 저장소(110)는 사용자의 작업 공간(144)(예컨대, 상기 작업 공간은 내측에 애플리케이션 경계를 포함하고 또는(and/or) 외측에 사용자의 데스크탑 백그라운드와 같은 애플리케이션을 포함함)에 나타내거나 표시할 아이템의 서브세트(140)를 결정하는 정보 숨김 컴포넌트(130)에 의해 분석된다. 아이템 세트(120)는 사실상 사용자에 의해 표시되거나 처리될 임의의 형태의 정보, 이를테면, 아이콘, 폴더, 디렉토리, 리스트, 메뉴, 그래픽, 애플리케이션, 텍스트, 데이터 등을 포함할 수 있다.

정보 숨김 컴포넌트(130)는 아이템 세트(120)를 분석하여, 대부분의 경우에 아이템 세트(120)로부터의 폼(form)으로 감축되는 아이템의 서브세트(140)를 생성함으로써, 정보에 대한 사용자의 프로세싱을 용이하게 하기 위해, 그 세트 내의 각각의 아이템 또는 아이템들이 사용자의 작업 공간(144)으로부터 감축되거나 이동될 수 있는지 여부를 판정한다. 예를 들어, 아이템 세트(120)가 N개의 표시 폴더로 이루어진 그룹이라면, 아이템 서브세트(140)는 N-1개 폴더 또는 아이템들(또는 그외의 감축, 예컨대, N-2, N-3 등)을 포함할 수 있다. 모든 경우에 해당되는 것은 아니지만, 아이템의 서브세트(140)는 아이템 세트(120)와 달라지거나 값에 있어 적어질 수도 있다. 예를 들어, 재배치된 아이템에 내비게이팅하는 비용이 정보 숨김의 이득보다 더 크기 때문에, 정보 숨김 컴포넌트(130)는 아이템 세트(120) 내의 아이템들 중 어떤 것도 달라(예컨대, 다른 메모리 위치에 재배치됨)져서는 안되는 것으로 판정할 수 있다.

정보 숨김 컴포넌트(130)는, 비용 및 랭킹 컴포넌트(150)를 사용하여, 아이템 세트(120) 내의 아이템들이 140에서 변경되어야 하는지 또는 사용자의 시야로부터 숨겨져야 하는지 여부를 판정한다. 일례에 있어서, 이는 160에서 시야로부터 아이템을 숨기거나 재배치하거나 이동하는 단계를 포함할 수 있고, 이로써, 각각의 아이템이 숨겨졌다면, 아래 보다 상세히 설명되는 바와 같이, 숨겨진 아이템을 위한 토큰 또는 아이콘과 같은 대안적인 내비게이션 경로가 제공될 수 있다. 다른 일례로서, 170에서 아이템 변환이 일어날 수 있는데, 각각의 아이템은 이전 표시와는 외관이 달라진다(예컨대, 후속 아이템 하에 여러 아이템들을 클러스터링하거나, 아이콘 또는 애플리케이션이나 데이터와 관련된 다른 구조를 사이즈화함).

도 2와 관련하여, 이하 보다 상세히 기술되는 비용 및 랭킹 컴포넌트(150)는 일반적으로, 아이템 세트(120)에 나타나는 각각의 아이템들에게 가능성(likehood) 또는 관련성 팩터를 할당한다. 그러한 팩터는 사용에 대한 정보, 아이템들 또는 관련 아이템들의 사용 패턴들, 아이템들과 관련된 컨텐트, 날짜/시간, 컨텐트 토픽, 최근 액세스된 컨텐트 또는 최근 액세스된 토픽 컨텐트 등과 같은 아이템에 관한 증거를 포함하는 컨텍스트 내에서 사용자에 대한 아이템의 관련성의 견지에서 설명될 수 있다.

관련성의 측정은, 아이템이 사용자가 보거나 액세스하기를 원한 것인지에 대한 확률의 추정일 수 있다. 확률 추정은 예를 들어, 유사한 상황, 즉, 임의의 사용 횟수, 임의의 실시간 구간(horizon)(예컨대, 지난 주, 지난 달, 컴퓨터의 사용 이력 등)에서 아이템이 액세스된 횟수의 빈도를 취득함으로써 계산될 수 있다. 아이템들이 사용자의 목표물 또는 목적(goal)일 가능성이 판정된 이후에, 아이템의 서브세트(140)를 통해 사용자의 시야로부터 아이템을 숨기는 경우(또는 아이템의 외관을 변경하는 경우)의 이득에 대해(versus), 아이템을 표시할지의 여부를 판정하기 위해 다수의 비용 고려 사항들이 제공된다. 따라서, 처리할 아이템이 보다 적다는 것으로부터 얻어지는 이득의 견지에서, 아이템을 표시하는 비용이 너무 높다면, 작업 공간(144)에서 사용자에 의해 처리될 정보량을 감소하기 위해, 각각의 아이템이 이동되거나 변경되거나 또는(and/or) 재배치될 수 있다.

가능성을 계산하는데 있어서의 다른 고려 사항들은, 사용자의 현재 활동들(예컨대, 타이핑, 토킹, 머리 응시 등)을 모니터링함으로써 추론되거나 결정될 수 있는 사용자의 주의 레벨, 포커스, 목적, 및/또는 바쁨과 같은 사용자의 상태에 대한 양상을 분석하는 것을 포함한다. 사용자 상태는 예를 들어, 전자 달력, 마이크로폰, 및 카메라와 같은 다양한 소스로부터 검출될 수 있는, 사용자의 컨텍스트, 이를테면, 미팅, 전화 통화, 회사에서의 담화 등을 판정하는 것을 포함한다. 따라서, 사용자가 지금 편안한 상태인 것으로 판정된다면, 편안한 주의 상태로 인해.사용자는 더 적은 정보 보다 더 많은 것을 분석할만한 더 나은 위치에 있기 때문에, 정보 숨김 컴포넌트(130)는 사용자에게 보다 개별적인 아이템들을 표시할 수도 있다.

또한, 가능성 팩터는 구조 및 컨텐트의 속성에 기초하여 할당될 수 있다. 예를 들어, 분류자는 서류에 대해 최대 가능성 토픽 라벨을 할당하기 위해 사용될 수 있고, 서류가 사용자의 목표물일 확률은 추론된 토픽 또는 최근에 상호 작용했던 서류와 관련된 지배적 토픽에 근거하여 조정될 수 있다.

아이템을 면밀히 검토하는 비용은, 아이템 표시의 배열에 대한 상세 및 추가 아이템을 평가하기 위해 필요한 제스처에 대한 상세를 포함하는 여러 팩터들의 변화에 따라 달라질 수 있다. 그러한 비용은 설계 고려 사항들에 근거할 수 있고, 또한 동적으로 액세스될 수 있다(예컨대, 리스트 중에서 모니터되고 있는 컨텐트에 대한 리스트의 일시적인 시각적 모호화의 함수로서의 리스트의 표시로 폴드되는 추가 비용이 존재할 수도 있다.).

이제 도 2를 참조하면, 시스템(200)은 본 발명의 일 양상에 따른 기대 효용 분석을 도시한다. 시스템(200)은 기대 효용 분석 컴포넌트(210)를 포함하여, 후보 아이템 세트 또는 옵션(220)(a로 칭함)을 표시된 아이템의 서브세트(230)(d로 칭함)와, 숨겨 졌으나 250에서 도시된 액션 또는 제스처를 통해 액세스가능한 하나 이상의 아이템 서브세트(240)(h로 칭함)로 분할한다.

시스템(200)은 사용자의 관심사 또는 값일 수 있고(예컨대, 검색 결과물, 메뉴 아이템 등), 통상적으로 단일 목표 아이템일 수 있는 다수의 구성 요소가 총｜a｜= n개인 후보 아이템들을 포함하는 세트 a를 처리한다. n개의 아이템은 자동적으로 a에 대한 2개의 적절한 서브세트로 분리되는데, 2개의 서브세트는 ｜d｜개의 아이템으로 구성된 표시된 서브세트 d와 ｜h｜개의 아이템으로 구성된 숨겨진 서브세트 h를 포함하고, 여기서, ｜d｜+｜h｜= n이다. 상술한 바와 같이, 관찰된 증거 E로 정의된 함수가 제공될 수 있어, 컨텍스트 내에서 사용자에 대한 아이템의 우수성 또는 관련성에 순서화(ordering)를 적용한다. E는 사용에 관한 하나 이상의 백그라운드 정보, 아이템들 또는 관련 아이템들의 사용 패턴들, 아이템들과 관련된 컨텐트, 날짜/시간, 컨텐트 토픽, 최근에 액세스된 컨텐트 또는 최근에 액세스된 토픽 컨텐트 등을 포함할 수 있다. 하나의 랭킹 함수는 표시 및/또는 액세스 시에 세트 a 내의 각 아이템 i가 목표 아이템일 가능성, p에 대한 대략적인 또는 정확한(coarse or accurate) 추정치이다(i가 목표물｜E). 정규의 개연론적 방법론을 이용할 수 없다면, 확률 함수는 다른 랭킹 함수로 매핑(mapped)될 수 있다. 그러한 매핑은 발견론적 함수로서 습득되거나 적용될 수 있다.

예를 들어, 가능성 p(i가 목표물｜E)를 제공하여 확률 함수가 구성되는데, 함수는 모든 아이템들에 대해서는 1.0으로 표준화된다.

상기 경우라면, 표시된 아이템 세트 d로 이동되도록 선택된 임의의 아이템세트에 대해, 아이템이 그 세트 내에 있을 가능성은 다음과 같다.

아이템이 d 내에 있지 않을 확률은 보수(complement)이다.

다음으로, d의 상위 아이템을 이동시켜 갯수 ｜d｜로 유도하고, 나머지 ｜h｜를 숨겨진 아이템 세트 h로 이동시키는 것의 기대값(기대 비용 및 이득을 포함)이 처리되는데, 원 세트 a에서 총 아이템은 ｜a｜=｜d｜+｜h｜이다.

그 다음, 비용 세트가 다음과 같이 처리될 수 있다.

비용(Costs):

C_s,d: 목표물이 d 내에 있는 경우에 d 전체를 사용자가 스캐닝하는 비용

C_s,h: (아이템 세트 h가 액세스될 때) 사용자가 h 전체를 스캐닝하는 비용

C_h: 사용자가 h를 액세스하는 비용

C_s,d': d가 목표물을 포함하지 않는 경우에, d 전체를 사용자가 스캐닝하는 비용

C_o: 리스트 사이즈의 함수로서의 모호화 비용

비용들은, 배열 특정과 같은 상세에 기초하여 서로 다른 상황들에 대한 비용들의 추정치를 생산하는 함수를 처리함으로써 요약될 수 있다. 예를 들어, 함수는사용자 연구(studies)로부터 수집된 사용자의 시간 및/또는 장애물(frustration)에 대한 관찰 및 피팅(fitting)을 통해, 또는 시간의 발견적 추정을 통해 개선되는 함수들을 포함하고, 비용을 할당하는 함수 세트를 제공할 수 있다.

비용 C_s,d가 우선 설명된다. 비용 C_s,d는 d에서 아이템을 스캐닝하는 것과 관련된 것으로, 이는 배열(예컨대, 리스트) 및 g(｜d｜)에 대한 임의의 함수이다. 일례로서, 리스트 배열에서, 리스트가 랜덤이고 바람직하게는 리스트가 가능성(랜덤한 것에 대하여)에 의해 분류되었다면, 목표물이 존재하는 경우에 목표물을 찾기 전에 스캔되는 아이템 수의 견지에서 비용이 측정되는, 리스트 상에서 목표 아이템을 찾는 경우의 기대 비용(평균적으로)은 ｜d｜/2이고, 따라서, 더 나쁜 경우의 기대치(worse-case expectation)로서 ｜d｜/2를 이용한다. 각각의 아이템이 목표물일 최고 확률로부터 최저 확률로 분류된 소정의 리스트가 주어지면, 목표 아이템을 찾기 위해 리스트를 스캔 다운하는 평균 비용은 다음 방정식으로 설명된다.

가능성 p(아이템 x_i가 목표물 t｜E)를 나타내는 것으로서 p(x_i｜E)를 취한다. 목표물을 찾기 전에 스캔될 아이템의 기대 수 <n>는,

이는 보다 압축되어 다음과 같이 표현될 수 있다.

방정식은 아이템 수를 고려하는 대신, 아이템을 스캐닝하는 것과 관련된 시간을 고려하는 것으로 가중될 수 있다. t(n)을 치환하면, n개 아이템을 스캐닝하는 비용에 대한 것은,

와 같다.

보다 일반적인 경우에 있어, 점점 더 길어지는 리스트를 스캐닝하는 비용을 포착하는 함수, C(n)가 제공될 수 있고, 이는 길이에 따라 지수적으로 증가하는 비선형 함수일 수 있다.

아이템이 d 내에 존재하지 않을 때 리스트를 스캐닝하는 비용 C_s,d'는 전체 리스트를 스캐닝하는 비용이다. 또한, 이는 배열 및 갯수, ｜d｜의 함수, C_s,d'= C(｜d｜)이다.

목표물이 리스트 d에서 발견되지 않으면, 사용자는 숨겨진 아이템 세트 h 내의 이전에 숨겨진 아이템들로부터 아이템을 액세스하도록 시도할 것으로 가정될 수 있다. 비용은, 숨겨진 아이템을 액세스하는 제스처를 수행하는 비용을 포함하고, 이는 사용자 인터페이스 설계 함수이다. d 상의 드웰 타임(dwell time)의 사전 설정된(pre-set) 임계치 이후에 h가 드러나는 설계에 대해, 이러한 비용은 사전 설정된 임계치보다 더 큰 임계 시간에 대한 드웰과 관련된 시간이다. 다른 경우에, 비용은 명백한 제스처를 수행하는(예컨대, 폴더를 열거나 "More items"으로 명명된 버튼을 선택하는 것) 경우의 시간 및/또는 장애물이다. 이 비용은 최적화를 개선하기 위해 대상을 스캐닝하는 비용과 동일한 유닛으로 간주될 수 있다. 예를 들어, 아이템을 스캐닝하는 비용이 아이템 수에 따라 선형적으로 증가하는 경우의 사용자에 대한 비용의 모델에 있어, 사용자 또는 사용자 인터페이스 설계자는 액세스 비용이 임의의 아이템 수를 스캐닝하는 것과 등가가 되게 할 수 있다.

h의 액세스가 주어질 때, h 전체를 스캐닝하는 비용 C_s,h은 수학식 1 ~ 4에 대해, 표시된 리스트 d 전체를 스캐닝하기 위한 비용과 동일한 방식으로 계산되지만, h 내의 아이템에 대한 가능성을 대용할 수도 있다. 비용 측정이 주어진다면, 결정-분석적 컴포넌트가 입력으로서 취득되어 제공될 수 있고, 또한, 각 아이템이 목표 아이템일 확률을 할당할 수 있으며, 완전한 후보 아이템 세트 a를 d 및 하나 이상의 세트들 h_i..h_n로 나눌 수 있다.

다른 양상에 있어서, a가 하나의 d와 h로 나누어 지는 경우에 대해 고려해볼 수 있다. 다수의 세트 h_i...h_n에 대한 분석은 하나의 숨겨진 세트 h를 갖는 경우에 대한 분석을 따를 수 있다. 아이템 리스트가 확률로 분류된다면, 특정 분류와 관련된 전체 비용은 다음과 같다.

여기서, ｜h｜=｜a｜-｜d｜

이상적인 분할(segmentation)은 이상적인 d와 사이즈 ｜d｜^*인 d^*를 식별함으로써 결정될 수 있고, 모든 아이템 a를 표시된 아이템 d(및 상보성을 통한 h)로 분할하는 것은 사용자에 대한 이러한 비용을 다음과 같이 최소화한다.

그들이 목표 아이템일 가능성 추정에 의해 분류된 아이템들로부터 이상적인 아이템의 수를 선택하면, 표시된 아이템 및 숨겨진 아이템의 이상적 세트를 제공한다. 상술한 바와 같이, 아이템을 면밀히 검토하는 비용은 아이템의 표시 배열에 대한 상세, 및 추가 아이템을 검사하기 위해 필요한 제스처에 대한 상세를 포함하는 여러 팩터들의 변화에 의해 달라질 수 있다. 그러한 비용은 통상적으로 설계 고려 사항들에서 발생할 수 있고, 또한 동적으로 결정될 수 있다(예컨대, 리스트 아래에서 모니터링되는 컨텐트에 대한 리스트의 순간적인 시각적 모호화의 함수로서 더 긴 리스트의 표시로 폴드되는 추가 비용이 존재할 수 있음). 이 팩터는, 모호화의 비용이 리스트 사이즈의 함수일 때, 방정식에서 "모호화의 비용"으로 분석될 수 있다. 그러한 추가 비용 팩터는 리스트 사이즈 또는 다른 표시 배열에 있어서의 증가와 비선형적이다. 요구된 표시 사이즈가, 이전에 표시된 중요한 컨텐트를 표시하기 위해 지금 사용되고 있는 표시 스크린 면적(real estate)을 모호화하기 시작하는, 소정의 임계값에 도달할 때까지 스크린 상에서 중요한 아이템을 숨기지 않을 수도 있기 때문이다.

도 3으로 돌아가면, 본 발명의 일 양상에 따라 다양한 정보 숨김 개념들이 설명된다. 도 3에 대한 설명에 앞서, 여기서 설명된 숨김 개념은 애플리케이션 경계 및/또는 애플리케이션 외부에 대해서도 적용될 수 있음에 주의한다. 예를 들어, 사용자의 데스크탑은, 운영 체제 태스크에 기초하여 다른 위치에 숨겨지고 이동된 여러 아이템들을 구비할 수 있고, 애플리케이션은 내부 태스크에 기초하여 애플리케이션 내에 아이템을 숨길 수 있거나, 숨김 동작을 야기하는 운영 체제 태스크를 호출할 수 있다.

참조 번호 300에서, 3-아이템 세트 중 2개의 아이템들이 단일 아이템으로 클러스터되고, 따라서 원래 세트로부터 2-아이템 서브세트를 남기게 된다. 예를 들어, 포함된 클러스터된 아이템에 내비게이션 경로를 제공하는 생성 아이콘 또는 폴더를 포함할 수 있다. 310에서, 아이템 최소화가 발생된다. 이는 단순히 사용자의 각각의 작업 공간 내에서, 정보 아이템이 점유하는 사이즈 또는 면적을 줄이는 것을 포함할 수 있다. 320에서, 하나 이상의 폴더/파일은 하나 이상의 서브레벨로재배치되거나 이동될 수 있다(예컨대, 계층적 디렉토리 배치들). 330에서, 리스트 또는 아이템 기술/데이터는 정보의 감축된 리스트 또는 서브세트로 사이즈가 감소될 수 있다. 340에서, 부분적인 아이템 숨김이 설명된다. 따라서, 각각의 아이템을 완전하게 이동시키거나 재배치하는 대신, 아이템은 전체 아이템에 대한 사용자의 시야를 부분적으로 블록킹하는 표시 영역에 놓이거나 옮겨질 수 있다. 사용자가 부분적으로 숨겨진 아이템을 찾아 내거나 선택한다면, 아이템에 대한 전체 표시가 제공될 수 있다. 350에서, 예를 들어, 주기적으로 비워질 수 있는 트래시 폴더에 자동적으로 아이템을 덤핑하는 것과 같이, 아이템이 제거될 수 있다. 이동(removal)은, 예를 들어, 그 파일과 한 번 마주친 이후에는 다시 액세스될 가능성이 없는 임시 인터넷 파일와 같은 아이템에 대해 유용할 것이다. 도 8 및 9와 관련하여 보다 상세히 설명되는 바와 같이, 정보를 더 아래쪽으로 전개하기 위한 숨겨진 컨텐트를 나타내는 화살표와 같은 선택 옵션이 제공될 수 있다.

도 4-6은 본 발명의 일 양상에 따른 자동화된 정보 숨김의 예제 애플리케이션을 도시한다. 상술된 바와 같이, 본 발명의 시스템 및 방법은 검색 애플리케이션에 있어, 질문에 제공되는 액션에 대한 메뉴 표시 및 결과물의 표시를 위한 애플리케이션들에 적용될 수 있다. 도 4는 카테고리 질문의 결과로 토픽 분류자를 통해 토픽 카테고리를 얻는 검색 엔진을 위한 사용자 우선 순위 툴(400)을 도시한다. 각 카테고리에 대해, 숨김 최적화는 사용자에 의해 지시된 우선 순위에 기초하여 적용된다. 도 4는 사용자 우선 순위의 일례에 대한 평가를 도시한다. 이러한 경우에, 사용자는 보여진 각 아이템이 1의 비용을 갖고, "More" 결과 버튼을 액세스하는 것은 5개 추가 아이템을 보는 것과 등가임을 설명한다. 다른 선택 값들도 가능하다.

도 5는 "재규어(Jaguar)"라는 용어로 검색한 결과를 표시한다. 초기 표시(500)는 표시된 아이템의 리스트 d를 도시하고, h 내에 현재 얼마나 많은 결과물들이 숨겨져 있는지를 도시하는 "More" 버튼(510)를 제공한다. 도 6은 관심있는 카테고리에 대한 숨겨진 세트 h의 확장(600)을 도시하고, 이는 610에서 "More" 버튼을 사용자가 클릭함으로써 액세스된다. a를 d 및 h로 분해하는 것은 반복적으로 적용되어, 상술한 바와 같은 분석의 내포(nesting)에 대한 다수의 레벨 숨김을 가능하게 한다. 즉, 상위-레벨 a, a_I는 d_aI및 h_aI로 분해되고 h_aI는 새로운 a, 즉 a'으로 표시질 수 있으며, 새로운 분해 d' 및 h' 등도 고려해 볼 수 있다.

도 7은 본 발명의 일 양상에 따라 데스크탑 환경에서의 정보 숨김 및 클러스터링을 도시한다. 이러한 양상에 있어서, 정보 숨김이 적용되기 전에 700에서 샘플 데스크탑이 설명된다. 710에서, 동일한 데스크탑이 설명되는데, 여기서, 숨김 및 클러스터링이 적용된다. 예를 들어, 720에서는 730에서 도시된 바와 같이, 4개의 애플리케이션 아이콘이 숨겨지거나, 이동되거나, 재배치된다. 상술한 바와 같이, 그러한 숨김은 각각의 애플리케이션을 다른 폴더/디렉토리로 이동시키거나, 원한다면, 애플리케이션들을 이동(removal)용 트래시 빈으로 이동시키는 것을 포함한다. 사용자가 제어할 수 있게 되면, 파일 또는 아이템의 자동적인 재배치를 가능하게 하여, "당신의 데스크탑으로부터 지금 이 파일들을 이동시키기를 원합니까"라는 질문에 대합할 수 있다. 740에서, 2개의 네트워크 애플리케이션은 750에서 네트워크 apps으로 명명된 아이콘 또는 표시 아이템으로 클러스터된다.

도 8은 본 발명의 일 양상에 따른, 애플리케이션 환경 내에서의 정보 숨김을 도시하는 도면이다. 도 8은 워드 프로세스 애플리케이션을 도시하는데, 정보는 선택 화살표(800) 뒤에 숨겨진다. 사용자가 보다 많은 정보를 관찰하기를 희망한다면, 화살표(800)가 선택될 수 있고, 여기서 810에 도시되는 바와 같은 추가 툴들이 제공된다. 도 9는 유사한 개념에 대해 도시하는 것으로, 메뉴 아이템이 900에서 선택되고 화살표(910)가 선택되어, 사용자가 숨겨진 정보를 선택할 수 있게 한다. 숨겨진 정보는 화살표(910)가 선택된 이후에, 920에서 표시된다.

도 10은 본 발명의 일 양상에 따라, 서브폴더로 정보를 재배치하는 것에 대해 도시하는 도면이다. 이러한 예에서, 그 디렉토리에 5개의 폴더를 갖는 "내 문서"로 명명된 폴더가 1000에서 표시된다. 정보 숨김이 적용된 이후에, 1010에 도시된 디렉토리 내에는 4개의 폴더가 남아 있다. 이러한 경우에, 이전 폴더, "내 음악" 및 "내 그림"은 자동적으로 1020에 도시된 "서브"로 명명된 폴더로 재배치되어 위치된다.

도 11은 본 발명의 일 양상에 따라 파일들이 재배치된 서브폴더를 도시하는 도면이다. 도 10을 참조하여 상술된 바와 같이, 폴더 "내 음악" 및 "내 그림"은 자동적으로 "서브"로 명명된 폴더로 재배치되어 위치된다. 도 11은 자동화된 정보 숨김 이후에 서브폴더의 컨텐트 - 1100에서 도시되는 "내 음악" 및 "내 그림"을 도시한다.

도 12를 참조하면, 본 발명의 다양한 양상을 구현하기 위한 전형적인 환경(1210)은 컴퓨터(1212)를 포함한다. 컴퓨터(1212)는 프로세싱 유닛(1214), 시스템 메모리(1216), 및 시스템 버스(1218)를 포함한다. 시스템 버스(1218)는, 이에 한정되는 것은 아니지만, 시스템 메모리(1216)를 포함하는 시스템 컴포넌트를 프로세싱 유닛(1214)에 결합한다. 프로세싱 유닛(1214)은 다양한 이용가능 프로세스 중 임의의 것일 수 있다. 듀얼 마이크로프로세서 및 다른 마이크로프로세서 아키텍쳐도 프로세싱 유닛(1214)으로 이용될 수 있다.

시스템 버스(1218)는, 이에 한정되는 것은 아니지만, 11-비트 버스, ISA(Industrial Standard Architecture), MSA(Micro-Channel Architecture), EISA(Extended ISA), IDE(Intelligent Drive ELectronics), VLB(VESA Local Bus), PCI(Peripheral Component Interconnect), USB(Universal Serial Bus), AGP(Advanced Graphics Port), PCMCIA(Personal Computer Memory Card International Association bus), 및 SCSI(Small Computer Systems Interface)를 포함하는 임의의 다양한 이용가능 버스 아키텍처를 사용하는, 메모리 버스 또는 메모리 제어기, 인접 버스 또는 외부 버스, 및/또는 로컬 버스를 포함하는 여러 형태의 버스 구조(들)일 수 있다.

시스템 메모리(1216)는 휘발성 메모리(1220) 및 불휘발성 메모리(1222)를 포함한다. 컴퓨터(1212) 내에서, 이를테면 개시 동안, 요소들 간의 정보 전달을 위한 기본 루틴들을 포함하는 BIOS(basic input/output system)는 불휘발성 메모리(1222)에 저장된다. 설명을 통해, 제한되는 것은 아니지만, 불휘발성 메모리(1222)는 ROM(read only memory), PROM(programmable ROM), EEPROM(electrically programmable ROM), EEPROM(electrically erasable ROM) 또는 플래시 메모리를 포함할 수 있다. 휘발성 메모리(1220)는 RAM(ramdom access memory)를 포함하는데, 이는 외부 캐시 메모리로서 동작한다. 설명을 통해, 이에 한정되는 것은 아니지만, RAM은 SRAM(synchronous RAM), DRAM(dynamic RAM), SDRAM(synchronous DRAM), DDR SDRAM(double data rate SDRAM), DDR SDRAM(double data rate SDRAM), ESDRAM(enhanced SDRAM), SLDRAM(Synchlink DRAM), 및 DRRAM(direct Rambus RAM)과 같은 여러 형태로 이용가능하다.

컴퓨터(1212)는 분리가능/고정형, 휘발성/불휘발성 컴퓨터 저장 매체도 포함한다. 도 12는 예를 들어, 디스크 저장소(1124)를 도시한다. 디스크 저장소(1124)는 이에 한정되는 것은 아니지만, 자기 디스크 드라이브, 플로피 디스크 드라이브, 테이프 드라이브, 재즈 드라이브, 집 드라이브, LS-100 드라이브, 플래시 메모리 카드, 또는 메모리 스틱과 같은 디바이스들을 포함한다. 또한, 디스크 저장소(1124)는 이에 한정되는 것은 아니지만, CD-ROM(compact disk ROM device), CD-R 드라이브(CD recordable drive), CD-RW 드라이브(CD rewritable drive) 또는 DVD-ROM(digital versatile disk ROM)과 같은 광 디스크 드라이브를 포함하는 다른 저장 매체와 분리된 또는 조합된 저장 매체를 포함할 수 있다. 디스크 기억 장치(1124)에 대한 시스템 버스(1218)의 접속을 용이하게 하기 위해, 통상적으로 분리 가능 또는 장착 인터페이스가 인터페이스(1226)로서 사용된다.

도 12는 적절한 운영 환경(1210)에서 설명되는 사용자와 기본 컴퓨터 리소스간의 매체로 동작하는 소프트웨어를 도시한다. 그러한 소프트웨어는 운영 체제(1228)를 포함한다. 디스크 저장소(1124)에 기억될 수 있는 운영 체제(1228)는 컴퓨터 시스템(1212)의 리소스를 제어하고 할당하도록 동작한다. 시스템 애플리케이션(1230)은 시스템 메모리(1216) 또는 디스크 저장소(1224) 중 하나에 저장된 프로그램 모듈(1232) 및 프로그램 데이터(1234)를 통해 운영 체제(1228)에 의한 리소스의 관리에 이용한다. 본 발명은 다양한 운영 체제 또는 운영 체제들의 조합으로 구현될 수 있음이 이해될 것이다.

사용자는 입력 디바이스(들)(1236)를 통해 컴퓨터(1212)에 명령어 또는 정보를 입력한다. 입력 디바이스(1236)는 이에 한정되지는 않지만, 마우스, 트랙볼, 스타일러스, 터치 패드, 키보드, 마이크로폰, 조이스틱, 게임 패드, 위성 접시, 스캐너, TV 튜너 카드, 디지털 카메라, 디지털 비디오 카메라, 웹 카메라 등과 같은 포인팅 디바이스를 포함한다. 이러한 여러 입력 디바이스는 인터페이스 포트(들)(1238)를 경유하여 시스템 버스(1218)를 통해 프로세싱 유닛(1214)에 접속된다. 인터페이스 포트(들)(1238)은 예를 들어, 직렬 포트, 병렬 포트, 게임 포트, 및 USB(universal serial bus)를 포함한다. 출력 디바이스(들)(1240)은 입력 디바이스(들)(1236)과 동일한 형태의 포트들 중 일부를 사용한다. 따라서, 예를 들면, USB 포트는 컴퓨터(1212)에 입력을 제공하도록 사용될 수 있고, 컴퓨터(1212)로부터의 출력 정보를 출력 디바이스(1240)에 제공하도록 사용될 수 있다. 출력 어댑터(1242)가 제공되어, 특정 어댑터를 필요로 하는 다른 출력 디바이스들(1240) 중에서, 모니터, 스피커, 및 프린터와 같은 임의의 출력디바이스(1240)가 존재하는 경우를 설명한다. 출력 어댑터(1242)는 이에 한정되지는 않지만 설명에 의해, 출력 디바이스(1240)와 시스템 버스(1218) 간에 접속의 수단을 제공하는 비디오 및 사운드 카드를 포함한다. 다른 디바이스들 및/또는 디바이스로 이루어진 시스템들은 원격 컴퓨터(들)(1244)와 같이 입/출력 능력 모두를 제공한다는 것에 유의한다.

컴퓨터(1212)는 원격 컴퓨터(들)(1244)과 같은 하나 이상의 원격 컴퓨터들에 대한 눈리적 접속을 사용하여 네트워크화된 환경에서 동작할 수 있다. 원격 컴퓨터(들)(1244)은 퍼스널 컴퓨터, 서버, 라우터, 네트워크 PC, 워크스테이션, 마이크로프로세서 기반 기구, 피어 디바이스, 또는 다른 공통 네트워크 노드 등일 수 있고, 통상적으로 컴퓨터(1212)와 관련된 것을 설명된 요소들 중 대부분 또는 전부를 포함한다. 간략화를 위해, 원격 컴퓨터(들)(1244)로서 메모리 기억 장치(1246)만 설명된다. 원격 컴퓨터(들)(1244)은 네트워크 인터페이스(1248)를 통해 컴퓨터(1212)에 논리적으로 접속되고, 그 다음 통신 접속(1250)을 경유하여 물리적으로 접속된다. 네트워크 인터페이스(1248)는 LAN(local-area networks) 및 WAN(wide-area networks)와 같은 통신 네트워크를 포함한다. LAN 기술은 FDDI(Fiber Distributed Data Interface), CDDI(Copper Distributed Data Interface), 이더넷/IEEE 1102.3, 토큰 링/IEEE 1102.5 등을 포함한다. WAN 기술은 이에 한정되는 것은 아니지만, 지점-대-지점 링크, ISDN(Integrated Services DIgital Networks) 및 그에 대한 변형, 패킷 스위칭 네트워크, 및 DSL(Digital Subscriber Line)을 포함한다.

통신 접속(들)(1250)은 네트워크 인터페이스(1248)를 버스(1218)에 접속하기 위해 사용된 하드웨어/소프트웨어로 칭한다. 통신 접속(1250)이 컴퓨터(1212) 내측에 명백히 도시되어 있지만, 이것은 컴퓨터(1212) 외측에 있을 수도 있다. 네트워크 인터페이스(1248)에 대한 접속을 위해 필요한 하드웨어/소프트웨어는 단지 전형적인 예로서, 내부 및 외부 기술, 이를 테면, 정규 전화 그레이드 모뎀, 케이블 모뎀 및 DSL 모뎀, ISDN 어댑터, 및 이더넷 카드를 포함하는 모뎀을 포함한다.

도 13은 본 발명이 상호 작용하는 샘플-컴퓨팅 환경(1300)의 개략적인 블럭도이다. 시스템(1300)은 하나 이상의 클라이언트(들)(1310)를 포함한다. 클라이언트(들)(1310)는 하드웨어 및/또는 소프트웨어(예컨대, 스레드, 프로세스, 컴퓨팅 디바이스)일 수 있다. 시스템(1300)은 또한 하나 이상의 서버(들)(1330)을 포함한다. 서버(들)(1330) 역시 하드웨어 및/또는 소프트웨어(예컨대, 스레드, 프로세스, 컴퓨팅 디바이스)일 수 있다. 서버들(1330)은 예를 들어, 본 발명을 이용함으로써, 변환을 수행하기 위해 스레드를 수용할 수 있다. 클라이언트(1310)와 서버(1330) 간의 하나의 가능한 통신은 2개 이상의 컴퓨터 프로세스들 간에 전송되도록 채택된 데이터 패킷의 형태일 수 있다. 시스템(1300)은 클라이언트(들)(1310)과 서버(들)(1330) 간의 통신을 용이하게 하기 위해 사용될 수 있는 통신 프레임워크(1350)를 포함한다. 클라이언트(들)(1310)은 클라이언트(들)(1310)에 로컬 정보를 저장하기 위해 사용될 수 있는 하나 이상의 클라이언트 저장소(들)(1360)에 실시 가능하게 접속된다. 유사하게, 서버(들)(1330)은 서버들(1330)에 로컬 정보를 저장하기 위해 사용될 수 있는 하나 이상의 서버 데이터 저장소(들)(1340)에 실시 가능하게 접속된다.

본 발명에 따르면, 자동 방식으로 사용자에게 컴퓨터 데이터를 제시하는 것을 훨씬 더 효율적으로 관리할 수 있다.

앞에서 설명한 것은 본 발명에 대한 예를 든 것이다. 물론, 본 발명을 설명하기 위해서, 모든 생각할 수 있는 소자 또는 방법론의 조합을 설명하는 것은 가능하지 않다. 그러나, 당업자는 본 발명에 대한 많은 추가의 결합 및 조합이 가능하다는 것을 알 것이다. 따라서, 본 발명은 첨부된 청구범위의 사상 및 범위 내에 드는 모든 이러한 변경, 부분적 변경, 및 이형 예들을 포괄하도록 의도된 것이다. 더나아가, '갖는다(include)'라는 용어가 상세한 설명 또는 청구범위에서 사용될 때에 이 용어의 의미에 대해서는, '포함한다(comprising)' 라는 용어가 청구범위에서 전이 용어로서 채택되었을 때 이 '포함한다' 를 해석하는 방식과 유사하게 다른 것도 포함할 수 있다는 식으로 쓰인 것임을 여기서 말해 둔다.

Claims

정보 표시를 용이하게 하는 시스템에 있어서,

적어도 하나의 표시 아이템에 대해 가능성 값(likelihood value)을 결정하는 랭킹 컴포넌트;

상기 표시 아이템에 대한 내비게이션 비용을 결정하는 비용 컴포넌트;

상기 결정된 가능성 값과 상기 내비게이션 비용에 적어도 일부 기초하여 복수의 표시 아이템으로부터 표시 아이템 서브세트를 선택적으로 노출하는 숨김 컴포넌트(hiding component)

를 포함하는 시스템.
제1항에 있어서, 상기 숨김 컴포넌트는, 액션이나 제스처를 통해 접근 가능하나 숨겨진 하나 이상의 아이템 서브세트 h 및 표시된 아이템 서브세트 d로 후보 아이템 세트 a를 분할하는 기대 효용 분석 컴포넌트(expected utility analysis component)를 포함하고, a, d 및 h는 각각 정수인 시스템.
제2항에 있어서, 상기 액션 또는 제스처는 숨겨진 정보를 내비게이트하기 위한 마우스 클릭 또는 스트로크(keystroke)인 시스템.
제2항에 있어서, 상기 숨김 컴포넌트는, 잠재적으로 사용자에 대한값(value) 또는 관심사인 다수의 엘리먼트, 즉, 총 ｜a｜= n개의 후보 아이템들을 포함하는 상기 세트 a를 처리하고, 상기 n개 아이템은 자동적으로, ｜d｜개 아이템으로 구성된 표시된 서브세트 d 및 ｜h｜개 아이템으로 구성된 숨겨진 서브세트 h를 포함하는, a의 적정 서브세트들로 분리되며, 여기서, ｜d｜+｜h｜= n인 시스템.
제1항에 있어서, 상기 랭킹 컴포넌트는 관찰된 증거 E에 의해 정의된, 컨텍스트 내에서 사용자를 위한 아이템일 가능성에 순서화를 적용하는 함수를 포함하는 시스템.
제5항에 있어서, 상기 관찰된 증거 E는 사용, 아이템들 또는 관련 아이템들의 사용 패턴들, 아이템들에 관련된 컨텐트, 날짜/시간, 컨텐트 토픽, 최근에 액세스된 컨텐트 또는 최근에 액세스된 토픽 컨텐트에 대한 백그라운드 정보 중 하나 이상을 포함하는 시스템.
제5항에 있어서, 상기 랭킹 컴포넌트는 표시 및/또는 액세스 시에, 세트 a 내의 각 아이템 i가 목표 아이템일 가능성에 대한 대략적인 또는 정확한 추정으로서, p로 표기되는 랭킹 함수를 포함하고(i가 목표물｜E), p는 확률인 시스템.
제7항에 있어서, 상기 랭킹 컴포넌트는 발견적 함수(heuristic function)로서 학습되거나 적용되는 다른 랭킹 함수들로 매핑하는 확률 함수를 포함하는 시스템.
제8항에 있어서, 상기 확률 함수는 가능성 p를 결정하고(i가 목표물 t｜E), 상기 확률 함수는,

와 같이, 모든 아이템에 대해 1.0으로 표준화되는 시스템.
제2항에 있어서, 상기 숨김 컴포넌트는 표시된 아이템 세트 d로 이동되도록 선택된 임의의 아이템 세트를 결정하고, 목표 아이템 t가 상기 세트 내에 있을 가능성은,

이고, 또는, 상기 목표 아이템 t가 보수(complement)로서 d 내에 있지 않을 확률은,

인 시스템.
제2항에 있어서, 상기 숨김 컴포넌트는 갯수가 ｜d｜인 상위 아이템들의 d를 이동시키고, 나머지 ｜h｜개는 숨겨진 아이템 세트 h로 이동시키는 경우의 기대 비용 및 이득을 포함하는 기대값을 결정하고, 여기서, 원래 세트 a 내의 총 아이템 수는 ｜a｜=｜d｜+｜h｜인 시스템.
제2항에 있어서, 상기 숨김 컴포넌트는,

C_s,d: 목표물이 d 내에 있는 경우에 d 전체를 사용자가 스캐닝하는 비용;

C_s,h: (아이템 세트 h가 액세스될 때) 사용자가 h 전체를 스캐닝하는 비용;

C_h: 사용자가 h를 액세스하는 비용;

C_s,d' : d가 목표물을 포함하지 않는 경우에, 사용자가 d 전체를 스캐닝하는 비용; 및

C_o: 리스트 또는 아이템들의 다른 배열 사이즈 함수로서 다른 컨텐트의 모호화의 비용

중 적어도 하나의 비용을 결정하는 시스템.
제12항에 있어서, 상기 비용들은 배열의 특성과 같은 상세에 기초하여 서로 다른 상황에 대한 비용들의 추정치를 생산하는 함수들을 처리함으로써 요약될 수 있는 시스템.
제13항에 있어서, 사용자 연구(studies)로부터 수집된 사용자들의 시간 및/또는 장애물(frustration)의 관찰 및 피팅(fitting)을 통해, 또는 시간의 발견적 추정을 통해 개선되는 함수들을 포함하고, 비용을 할당하는 함수 세트를 제공하는 시스템.
제12항에 있어서, C_s,d는 d 내에서 아이템을 스캐닝하는 것과 관련되고, 배열 및 g(｜d｜)의 함수인 시스템.
제15항에 있어서, 상기 리스트에서 목표 아이템을 찾는 경우의 기대 비용(평균적으로)을 갖는 리스트 배열을 더 포함하고, 상기 목표 아이템이 존재할 때, 상기 기대 비용은 상기 목표물을 찾기 전에 스캐닝되는 아이템 수의 견지에서 측정되고, 상기 리스트가 랜덤이면 상기 기대 비용은 ｜d｜/2이고, 상리 리스트가 가능성에 따라 분류되면(랜덤한 것에 대하여) 평균-경우 기대값(average-case expectation)으로서 ｜d｜/2를 사용하는 시스템.
제15항에 있어서, 상기 비용은 목표 아이템을 찾기 위해 리스트를 스캔다운하는 평균 비용이고, 리스트가 각각의 아이템이 상기 목표 아이템일 최고 확률로부터 최저 확률까지 분류되어 다음 수학식으로 설명되며,

p(x_i｜E)는 가능성 p(아이템 x_i가 목표물 t｜E)를 나타내고, 목표물을 찾기전에 스캔될 기대 아이템 수 <n>은,

인 시스템.
제17항에 있어서, 상기 비용은

와 같은 수학식으로 나타내는 시스템.
제18항에 있어서, 상기 수학식은

와 같이, n개의 아이템을 스캐닝하는 비용에 대해, 아이템을 스캐닝하는 것과 관련된 시간을 고려, 즉 t(n)을 대용함으로써 가중되는 시스템.
제12항에 있어서, 점점 길어지는 리스트들은 스캐닝하는 비용, C(n)을 포착하는 함수를 더 포함하고,

와 같이, 길이에 대해 지수적으로 증가하는 비선형 함수로 제공되는 시스템.
제12항에 있어서, 상기 비용은 숨겨진 아이템들에 액세스하게 하는 제스처를 수행하는 비용, C_h을 포함하고, 이는 사용자 인터페이스 컴포넌트의 함수인 시스템.
제21항에 있어서, 상기 사용자 인터페이스 컴포넌트는 사전 설정된 임계값보다 더 큰 임계 시간 동안의 드웰과 관련된 시간 함수인 비용을 포함하는 d에서, 드웰 시간의 사전 설정된 임계값 이후에 h를 노출하는 시스템.
제22항에 있어서, 상기 비용은 명백한 제스처를 수행하는 시간 및/또는 장애물을 포함하는 시스템.
제21항에 있어서, 상기 사용자 인터페이스 컴포넌트는, 아이템들을 스캐닝하는 비용이 아이템의 수에 따라 선형적으로 증가하는 경우에 사용자에 대한 비용의 모델을 처리하고, 상기 사용자 인터페이스 컴포넌트는 소정 수의 아이템을 스캐닝하는 것과 등가로 액세스 비용을 설정하는 시스템.
제12항에 있어서, 상기 비용은

여기서, ｜h｜=｜a｜-｜d｜

와 같이 특정 분할(segmentation)과 관련된 전체 비용으로서 계산되는 시스템.
제25항에 있어서, 이상적인 d, 및 사이즈 ｜d｜^*인 d^*를 식별함으로써 결정되는 이상 분할 계산(ideal segmentation computation)을 더 포함하고,

와 같이, 상기 분할은, 사용자에 대한 비용을 최소화하는, 모든 아이템 a의 표시된 아이템 d(및 상보성을 통한 h)로의 분할인 시스템.
제1항에 있어서, 상기 표시 아이템은 애플리케이션 내측 및 상기 애플리케이션 외측 중 적어도 하나를 포함하는 작업 공간에 상주하는 시스템.
제1항에 있어서, 상기 표시 아이템은 아이콘들, 폴더들, 디렉토리들, 리스트들, 메뉴들, 그래픽들, 텍스트들, 데이터, 및 애플리케이션들 중 적어도 하나를 포함하는 시스템.
제1항의 랭킹 컴포넌트 및 비용 컴포넌트 중 적어도 하나를 구현하기 위한, 컴퓨터 판독가능 명령어들이 저장된 컴퓨터 판독 가능 매체.
정보 표시를 용이하게 하는 방법에 있어서,

컴퓨터 상에 표시될 수 있는 정보를 식별하는 단계; 및

기대 효용 분석에 적어도 부분적으로 기초하여 정보 세트로부터 정보 서브세트를 선택적으로 표시하는 단계

를 포함하는 방법.
제30항에 있어서, 하나 이상의 관련성 변수들에 기초하여 하나 이상의 표시 아이템에 랭크를 자동적으로 할당하는 단계를 더 포함하는 방법.
제30항에 있어서, 상기 할당된 랭크를 고려하여 표시 아이템을 재배치 또는 변환하기 위한 내비게이션 비용을 자동적으로 결정하는 단계를 더 포함하는 방법.
제30항에 있어서, 숨겨진 아이템을 내비게이팅하는 비용이 상기 아이템을 실제로 숨기는 것의 이득에 비해 더 큰지 여부를 자동적으로 판정하는 단계를 더 포함하는 방법.
제30항에 있어서, 백그라운드 태스크, 포그라운드 태스크(foreground task), 애플리케이션 태스크, 및 운영 체제 태스크 중 적어도 하나 동안 자동화된 아이템 숨김 동작들을 수행하는 단계를 더 포함하는 방법.
아이템 제시를 용이하게 하는 시스템에 있어서,

아이템을 표시하기 위한 비용을 자동적으로 결정하는 수단; 및

상기 결정된 아이템 표시 비용에 기초하여 상기 아이템을 선택적으로 노출하는 수단

을 포함하는 시스템.
사용자에게 정보를 선택적으로 노출하는 사용자 인터페이스로서,

문서를 액세스하기 위한 비용 및 비-표시된 문서를 액세스하기 위한 비용에 관련된 사용자 피드백을 수신하는 컴포넌트; 및

상기 사용자 피드백에 적어도 부분적으로 기초하여 사용자에게 대상들을 표시하는 컴포넌트

를 포함하는 사용자 인터페이스.
제36항에 있어서, 선택 옵션에 의해 보여질 수 있는 비-표시된 대상들을 갖는 검색 엔진을 더 포함하는 사용자 인터페이스.
제36항에 있어서, 분석들의 내포(nesting)에 대해 다수 레벨 숨김을 가능하게 하기 위해 귀납적으로 적용되는 d 및 h로의 a의 분해를 사용하는 컴포넌트를 더 포함하는 사용자 인터페이스.