KR20170117160A - 기분 및/또는 행위 정보에 근거하여 주변 배경 잡음을 수정하기 위한 방법들, 시스템들, 및 매체들 - Google Patents

Abstract

주변 배경 잡음을 수정하기 위한 방법들, 시스템들, 및 매체들이 제공된다. 일부 구현예들에서, 본 방법은, 사용자 디바이스를 갖고 있는 사용자의 환경 내에 존재하는 적어도 하나의 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태를 식별하는 것; 식별된 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태에 적어도 부분적으로 근거하여 환경 내에 생성될 목표 주변 잡음을 결정하는 것; 목표 주변 잡음을 생성하기 위해 사용될 사용자 디바이스와 관련된 적어도 하나의 디바이스를 식별하는 것; 하나 이상의 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하는 것(여기서, 음향 출력들의 조합은 목표 주변 잡음의 하나 이상의 특성들의 근사치를 생성함); 그리고 결정된 음향 출력들을 하나 이상의 식별된 디바이스들로 하여금 생성하도록 하는 것을 포함한다.

Description

기분 및/또는 행위 정보에 근거하여 주변 배경 잡음을 수정하기 위한 방법들, 시스템들, 및 매체들

관련 출원들에 대한 상호-참조

본 출원은 2015년 2월 11일자로 출원된 미국 특허 출원 번호 제14/619,827호의 혜택을 주장하며, 이러한 미국 특허 문헌은 그 전체가 참조로 본 명세서에 통합된다.

본 출원은 미국 특허 출원 번호 제14/619,866호, 미국 특허 출원 번호 제14/619,894호, 미국 특허 출원 번호 제14/619,821호, 미국 특허 출원 번호 제14/619,843호 및 미국 특허 출원 번호 제14/619,863호와 관련되며, 이러한 미국 특허 문헌들은 모두 2015년 2월 11일자로 출원된 것이며 그 전체가 참조로 본 명세서에 통합된다.

본 명세서에서 개시되는 주된 내용은 기분(mood) 및/또는 행위(behavior) 정보에 근거하여 주변 배경 잡음(ambient background noise)을 수정(modification)하기 위한 방법들, 시스템들, 및 매체들에 관한 것이다.

사용자의 집은 종종 다수의 디바이스들, 예컨대 컴퓨터, 텔레비전, 스테레오(stereos), 냉장고, 연기 검출기 등과 같은 것들로 채워져 있다. 이러한 디바이스들 중 다수의 디바이스들은 음향(sounds) 또는 잡음(noise)을 방출하는데, 이러한 음향 또는 잡음은, (예를 들어, 텔레비전이 턴온(turn on)되고 콘텐츠(content)를 제공하는 때와 같이) 주된 기능 때문에 방출되거나, 혹은 (예를 들어, 냉각 송풍기(cooling fan)가 턴온되고 관련된 디바이스를 냉각하기 위해 사용될 때와 같이) 부수적 기능 때문에 방출된다. 종종, 이러한 잡음들은 원치 않는 것이며 문제가 될 수 있는데, 예를 들어, 사용자들이 수행하고 있는 작업으로부터 사용자들을 산만하게 함으로써 원치 않은 것이며 문제가 될 수 있다.

이에 따라, 기분 및/또는 행위 정보에 근거하여 주변 배경 잡음을 수정하기 위한 방법들, 시스템들, 및 매체들을 제공하는 것이 바람직하다.

본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따르면, 기분 및/또는 행위 정보에 근거하여 주변 배경 잡음을 수정하기 위한 방법들, 시스템들, 및 매체들이 제공된다.

본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따르면, 주변 배경 잡음을 수정하기 위한 방법이 제공되며, 이러한 방법은 사용자 디바이스(user device)를 갖고 있는 사용자의 환경 내에 존재하는 적어도 하나의 잡음, 사용자가 현재 관여된 활동(activity), 그리고 사용자의 신체 상태 혹은 감정 상태를 식별하는 것; 식별된 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태에 적어도 부분적으로 근거하여 환경 내에 생성될 목표 주변 잡음(target ambient noise)을 결정하는 것; 목표 주변 잡음을 생성하기 위해 사용될 사용자 디바이스와 관련된 적어도 하나의 디바이스를 식별하는 것; 하나 이상의 식별된 디바이스들 각각에 대응하는 음향 출력(sound output)들을 결정하는 것(여기서, 음향 출력들의 조합은 목표 주변 잡음의 하나 이상의 특성들의 근사치(approximation)를 생성함); 그리고 하나 이상의 식별된 디바이스들로 하여금 결정된 음향 출력들을 생성하도록 하는 것을 포함한다.

본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따르면, 주변 배경 잡음을 수정하기 위한 시스템이 제공되며, 이러한 시스템은 하드웨어 프로세서(hardware processor)를 포함하고, 여기서 하드웨어 프로세서는, 사용자 디바이스를 갖고 있는 사용자의 환경 내에 존재하는 적어도 하나의 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태를 식별하는 것; 식별된 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태에 적어도 부분적으로 근거하여 환경 내에 생성될 목표 주변 잡음을 결정하는 것; 목표 주변 잡음을 생성하기 위해 사용될 사용자 디바이스와 관련된 적어도 하나의 디바이스를 식별하는 것; 하나 이상의 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하는 것(여기서, 음향 출력들의 조합은 목표 주변 잡음의 하나 이상의 특성들의 근사치를 생성함); 그리고 하나 이상의 식별된 디바이스들로 하여금 결정된 음향 출력들을 생성하도록 하는 것을 수행하도록 프로그래밍되어 있다.

본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따르면, 컴퓨터 실행가능 명령들을 포함하는 비-일시적 컴퓨터-판독가능 매체들(non-transitory computer-readable media)이 제공되고, 여기서 컴퓨터 실행가능 명령들은 프로세서에 의해 실행될 때 프로세서로 하여금 주변 배경 잡음을 수정하기 위한 방법을 수행하도록 하며, 이러한 방법은, 사용자 디바이스를 갖고 있는 사용자의 환경 내에 존재하는 적어도 하나의 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태를 식별하는 것; 식별된 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태에 적어도 부분적으로 근거하여 환경 내에 생성될 목표 주변 잡음을 결정하는 것; 목표 주변 잡음을 생성하기 위해 사용될 사용자 디바이스와 관련된 적어도 하나의 디바이스를 식별하는 것; 하나 이상의 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하는 것(여기서, 음향 출력들의 조합은 목표 주변 잡음의 하나 이상의 특성들의 근사치를 생성함); 그리고 하나 이상의 식별된 디바이스들로 하여금 결정된 음향 출력들을 생성하도록 하는 것을 포함한다.

본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따르면, 주변 배경 잡음을 수정하기 위한 시스템이 제공되며, 이러한 시스템은, 사용자 디바이스를 갖고 있는 사용자의 환경 내에 존재하는 적어도 하나의 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태를 식별하기 위한 수단; 식별된 잡음, 사용자가 현재 관여된 활동, 그리고 사용자의 신체 상태 혹은 감정 상태에 적어도 부분적으로 근거하여 환경 내에 생성될 목표 주변 잡음을 결정하기 위한 수단; 목표 주변 잡음을 생성하기 위해 사용될 사용자 디바이스와 관련된 적어도 하나의 디바이스를 식별하기 위한 수단; 하나 이상의 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하기 위한 수단(여기서, 음향 출력들의 조합은 목표 주변 잡음의 하나 이상의 특성들의 근사치를 생성함); 그리고 하나 이상의 식별된 디바이스들로 하여금 결정된 음향 출력들을 생성하도록 하기 위한 수단을 포함한다.

일부 구현예들에서, 시스템은 또한, 사용자 디바이스와 관련된 식별된 디바이스들에 있어서 이러한 식별된 디바이스들과 관련된 음향 출력 능력들(sound output capabilities)을 결정하기 위한 수단을 포함한다.

일부 구현예들에서, 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하는 것은 결정된 음향 출력 능력들에 적어도 부분적으로 근거하고 있다.

일부 구현예들에서, 결정된 음향 출력들은 식별된 디바이스들 중 적어도 하나와 관련된 송풍기(fan)의 속도의 변조(modulation)를 포함한다.

일부 구현예들에서, 결정된 음향 출력들은 식별된 디바이스들 중 적어도 하나와 관련된 오디오 출력(audio output)을 통해 생성되게 된다.

일부 구현예들에서, 시스템은 또한, 환경 내에 존재하는 잡음들과 관련된 음향 수준(sound level)을 결정하기 위한 수단을 포함한다.

일부 구현예들에서, 목표 주변 잡음은 환경 내에 존재하는 잡음들과 관련된 결정된 음향 수준과 비교하여 더 낮은 음향 수준에서 환경 내에 존재하는 잡음들을 포함한다.

일부 구현예들에서, 시스템은 또한, 결정된 목표 주변 잡음과 관련된 사용자 피드백(user feedback)을 수신하기 위한 수단; 그리고 수신된 사용자 피드백에 근거하여 음향 출력들이 생성될 것을 결정하기 위한 수단을 포함한다.

일부 구현예들에서, 음향 출력들 각각은 관련된 등급(rating)을 가지며, 시스템은 또한, 음향 출력들과 관련된 등급을 검색(retrieving)하기 위한 수단; 그리고 수신된 사용자 피드백에 근거하여 등급을 수정하기 위한 수단을 포함한다.

본 명세서에서 개시되는 주된 내용의 다양한 목적들, 특징들, 및 장점들은 다음의 도면들과 연계되어 고려되는 경우 본 명세서에서 개시되는 주된 내용의 아래의 상세한 설명을 참조하여 더 완벽히 이해될 수 있으며, 도면들에서 유사한 참조 번호들은 유사한 요소들을 식별시킨다.
도 1은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 복수의 데이터 소스들로부터의 기분 및/또는 행위 정보에 근거하여 컴퓨터화된 서비스들을 개인화하기 위한 메커니즘들이 구현될 수 있는 시스템의 일반화된 도식적 도면의 예를 보여준다.
도 2는 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 복수의 데이터 소스들로부터 데이터의 다양한 타입들을 수신할 수 있으며 아울러 수신된 데이터의 일부분에 근거하여 동작들의 다양한 타입들을 임의의 사용자 디바이스와 관련된 다양한 사용자 디바이스들에게 추천할 수 있는 도 1의 서버의 더 구체적인 예를 보여준다.
도 3은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 도 1에 도시된 사용자 디바이스들 및 서버들 중 하나 이상의 것을 구현하기 위해 사용될 수 있는 하드웨어의 상세한 예를 보여준다.
도 4는 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 복수의 데이터 소스들로부터의 기분 및/또는 행위 정보에 근거하여 컴퓨터화된 서비스들을 개인화하기 위한 프로세스의 예시적인 사례를 보여준다.
도 5는 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 사용자 디바이스의 사용자로 하여금 임의의 목적을 제공하도록 촉구하기 위한 사용자 인터페이스의 예시적인 사례를 보여준다.
도 6은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 사용자 디바이스의 사용자로 하여금 사용자 관련 데이터를 검색하기 위한 하나 이상의 데이터 소스들을 선택하도록 촉구하기 위한 사용자 인터페이스의 예시적인 사례를 보여준다.
도 7은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 특정 목적 혹은 목표에 근거하여 복수의 데이터 소스들로부터 수신되는 데이터로부터 다양한 시간에서 선택되는 데이터의 일부분의 예시적인 사례를 보여준다.
도 8은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 임의의 목적에 대응하는 선택가능한 목표들을 사용자에게 제시하기 위한 사용자 인터페이스의 예시적인 사례를 보여준다.
도 9는 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 임의의 추천된 동작을 실행하기 위해 사용될 수 있는 선택가능한 출력 디바이스들을 사용자에게 제시하기 위한 사용자 인터페이스의 예시적인 사례를 보여준다.
도 10은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 임의의 추천되는 동작을 포함하는 추천 인터페이스를 사용자에게 제시하기 위한 사용자 인터페이스의 예시적인 사례를 보여준다.
도 11은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 사용자로 하여금 임의의 실행되는 동작과 관련된 피드백을 제공하도록 촉구하는 사용자 인터페이스의 예시적인 사례를 보여준다.
도 12는 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 방 안에서 주변 잡음을 수정하기 위해 사용될 수 있는 사용자의 가정 내의 디바이스들의 예시적인 배치를 보여준다.
도 13은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 방 안에서 주변 잡음을 수정하기 위한 프로세스의 예시적인 사례를 보여준다.
도 14는 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 방 안에서 주변 잡음을 수정하기 위해 사용될 디바이스들을 선택하기 위한 사용자 인터페이스의 예를 보여준다.

아래에서 더 상세히 설명되는 바와 같이, 일부 구현예들에 따르면, 복수의 데이터 소스(data source)들로부터의 기분 및/또는 행위 정보에 근거하여 컴퓨터화된 서비스(computerized service)들을 개인화(personalizing)하기 위한 방법들, 시스템들, 및/또는 컴퓨터 판독가능 매체들을 포함할 수 있는 메커니즘(mechanism)들이 제공된다.

일반적으로 말하면, 이러한 메커니즘들은 사용자 디바이스의 사용자로부터 그 사용자를 위한 특정 목적과 관련된 입력들을 수신할 수 있고, 그리고 사용자와 관련된 수신된 데이터에 근거하여, 사용자가 그 특정 목적에 도달하는 데 있어 사용자를 보조할 수 있는 개인화된 그리고 컴퓨터화된 서비스들을 제공할 수 있다. 예를 들어, 사용자 디바이스의 사용자는 근무일(workday)의 진행 동안 더 많은 운동을 포함시키고자 하는 욕구를 사용자 인터페이스를 통해 표시할 수 있고, 그리고 사용자가 확정적으로(affirmatively) 동의를 제공한 하나 이상의 데이터 소스들로부터의 사용자 관련 데이터에 근거하여, 메커니즘들은 사용자가 특정 목적에 도달하는 데 있어 기술적으로 사용자를 보조할 수 있는 하나 이상의 동작들을 추천할 수 있다(예를 들어, 날씨 정보, 온라인 일정(online calendar)에 기반을 둔 스케줄링 제약들, 그리고/또는 하나 이상의 컴퓨터 네트워크들을 통해 수신된 교통 및 공공 운송 정보에 근거하여, 자동 모바일 알림 혹은 통지를 통해 오늘은 사용자가 사무실까지 걸어갈 것을 추천하는 것; 꽃들에 특히 관심이 있는 사용자는, 컴퓨터 지도 경로안내 서비스(예를 들어, 구글 맵스(Google Maps))에 의해 식별되는 바와 같은 사용자의 경로를 따라 원예 판매상(gardening vendor)을 방문할 것을 추천하는 것; 등).

특정 목적과 관련된 입력을 수신하는 것에 추가하여 혹은 대안적으로, 메커니즘들은 사용자 피드백을 수신할 수 있고 그 수신된 사용자 피드백에 근거하여 사용자를 위한 목표들을 결정할 수 있음에 유의해야 한다. 예를 들어, 사용자는 평일(weekdays)에 기력이 부족함을 사용자 디바이스 상의 사용자 인터페이스를 통해 표시할 수 있고, 메커니즘들은 이러한 표시를 해석할 수 있으며, 사용자를 위한 다양한 목표들(예컨대, 운동-관련 활동들의 양을 증가시키는 것)을 결정할 수 있다. 또 하나의 다른 예에서, 사용자는 사용자로 하여금 사용자의 전반적인 기분(general mood), 감정 상태, 및/또는 행위 성향(behavioral disposition)에 관해 피드백을 제공하도록 요청하는 인터페이스를 제공받을 수 있고, 그리고 메커니즘들은 제공된 피드백에 근거하여 사용자를 위한 목표들을 결정할 수 있다. 사용자를 위해 결정될 수 있는 그리고/또는 사용자 디바이스와 관련될 수 있는 목표들의 예시적인 사례들은, 현재 표시된 스트레스 수준(stress level)으로부터 스트레스를 감소시키는 것, 전체적으로 체중을 감량하는 것, 십 파운드(ten pounds)를 감량하는 것, 특정 기분 혹은 감정 상태(예를 들어, 이완된 상태, 활발한 상태, 등)를 달성하는 것, 사용자가 현재 달성한 운동의 양을 증가시키는 것, 더 많은 친구들을 만드는 것, 그리고/또는 사용자의 전반적인 기분, 감정 상태, 및/또는 행위 성향과 관련된 임의의 다른 적절한 목표를 포함할 수 있다.

복수의 데이터 소스들로부터의 사용자 관련 데이터를 분석하는 것, 사용자와 관련된 기분, 감정 상태 및/또는 행위 성향을 결정하는 것, 그리고/또는 사용자에게 하나 이상의 동작들을 추천하는 것을 행하기 전에, 메커니즘들은 이러한 결정들을 수행하기 위한 동의(consent) 혹은 승인(authorization)을 사용자가 확정적으로 제공할 것을 요청(혹은 요구)할 수 있음에 또한 유의해야 한다. 예를 들어, 모바일 디바이스 상에 애플리케이션을 로딩(loading)할 때, 애플리케이션은 하나 이상의 데이터 소스들로부터 정보를 수신하는 것, 이러한 결정들을 수행하는 것, 그리고/또는 사용자에게 하나 이상의 동작들을 추천하는 것을 행하기 위한 승인을 제공하도록 사용자에게 촉구할 수 있다. 더 구체적인 예에서, 애플리케이션을 다운로드하는 것 그리고 모바일 디바이스 상에 애플리케이션을 로딩하는 것에 응답하여, 모바일 디바이스 상에서 실행되는 애플리케이션은 모바일 디바이스에 연결되어 있거나 모바일 디바이스에 가까이 있는 디바이스들을 결정하기 위한 디바이스 발견 기능(device discovery function)들을 수행할 수 있으며, 여기서 모바일 디바이스에 연결되어 있거나 모바일 디바이스에 가까이 있는 디바이스들은 예를 들어, 미디어 데이터(media data)(예컨대, 시청 이력(watch history), 기록된 미디어 콘텐츠 정보(recorded media content information) 등)를 포함하는 미디어 재생 디바이스(media playback device), 그리고/또는 연결된 모바일 디바이스 주변의 환경과 관련된 정보를 획득하기 위해 활동 및/또는 광 센서를 포함하는 향기 발생기(scent generator)와 같은 디바이스들이다. 그 다음에, 애플리케이션은 이러한 디바이스들로부터의 정보에 액세스하기 위한 동의를 (사용자와 관련된 기분, 감정 상태, 및/또는 행위 성향을 결정하는 것, 사용자와 관련된 하나 이상의 목표들 혹은 목적들을 결정하는 것, 그리고/또는 사용자와 관련된 신체 상태, 감정 상태, 및/또는 행위 성향에 영향을 줄 수 있는 하나 이상의 동작들을 추천하는 것을 행하기 위해 사용될 수 있는 사용자 관련 정보를 수신하기 위한 하나 이상의 디바이스들 혹은 데이터 소스들을 선택함으로써) 사용자가 확정적으로 제공하도록 요청(혹은 요구)하는 인터페이스를 사용자에게 제시할 수 있다. 추가적으로 혹은 대안적으로, 모바일 디바이스 상에 애플리케이션를 설치하는 것에 응답하여, 하나 이상의 데이터 소스들로부터 정보를 수신하는 것, 이러한 결정들을 수행하는 것, 및/또는 하나 이상의 동작들을 사용자에게 추천하는 것을 행하기 전에 사용자는 사용자가 동의를 확정적으로 제공하도록 요청(혹은 요구)하는 허락 메시지(permission message)로 촉구받을 수 있다.

동의 및/또는 승인을 수신하는 경우, 메커니즘들은 복수의 데이터 소스들로부터 사용자와 관련된 임의의 적절한 데이터를 수신할 수 있다. 이러한 데이터는 상황 데이터(contextual data), 소셜 데이터(social data), 개인적 데이터(personal data)를 포함할 수 있다. 예를 들어, 메커니즘들은, 소셜 네트워킹 서비스(social networking service) 상에서 (예를 들어, 사용자 디바이스 상의 소셜 네트워킹 애플리케이션을 사용하여) 사용자에 의해 발행된 콘텐츠 및/또는 정보, 사용자와 관련된 (예를 들어, 사용자 계정(user account)과 관련된 착용가능 컴퓨팅 디바이스로부터의) 생체 데이터(biometric data), 사용자와 관련된 (예를 들어, 사용자 디바이스로부터의) 위치 데이터, 그리고/또는 사용자의 현재 기분 및/또는 행위를 표시하는 임의의 다른 적절한 데이터에 근거하여, 사용자에 대한 현재 기분 상태를 예측할 수 있다. 또 하나의 다른 예에서, 메커니즘들은 사용자가 관여해 온 특정 활동들을 결정할 수 있데, 예컨대, 이러한 활동들은, 소셜 이벤트(social event)(예를 들어, 온라인 일정으로부터의 회의, 파티, 스포츠 이벤트, 등)에 참석하는 것, 미디어 콘텐츠 아이템(media content item)(예컨대, 비디오 클립(video clip), 노래, 뉴스 기사(news article), 웹페이지, 등)을 소비하는 것, 컴퓨팅 디바이스(예를 들어, 모바일 전화기, 착용가능 컴퓨팅 디바이스, 태블릿 컴퓨터, 등)와 상호작용하는 것, 임의의 애플리케이션(예를 들어, 사용자 디바이스 상의 미디어 재생 애플리케이션, 소셜 네트워킹 애플리케이션, 메시징 애플리케이션, 웹 브라우저, 등)과 상호작용하는 것, 그리고/또는 임의의 다른 적절한 활동과 같은 것이다. 이러한 활동 데이터는 예를 들어, 사용자와 관련된 참조 행위(reference behavior)들(예를 들어, 모바일 디바이스 상에서 실행되는 미디어 재생 애플리케이션 상의 비디오(video)들을 보는데 하루 중 특정 시간 및 기간이 전형적으로 소비됨)을 결정하는데 사용될 수 있다.

일부 구현예들에서, 사용자가 확정적으로 동의를 제공한 하나 이상의 데이터 소스들로부터 수신되는 사용자 관련 데이터에 근거하여, 메커니즘들은 사용자가 목적들 및/또는 목표들 중 하나 이상의 것에 도달하는 데 있어 사용자를 보조할 수 있는 하나 이상의 컴퓨터화된 동작들을 추천할 수 있다. 예를 들어, 메커니즘들은 하나 이상의 추천된 동작들을 실행하기 위한 출력 디바이스들 어떤 것이 모바일 디바이스에 연결되어 있는지 혹은 어떤 출력 디바이스가 모바일 디바이스에 근접해 있는지를 결정하기 위해 디바이스 발견 기능들을 사용할 수 있으며, 예컨대, 이러한 출력 디바이스들로는, 오디오 콘텐츠(audio content)를 재생할 수 있는 스피커(speaker)를 갖는 디바이스들, 비디오 콘텐츠(video content)를 제시할 수 있는 디스플레이를 갖는 디바이스들, 특정 조명 방식(lighting scheme)을 제공할 수 있는 조명 시스템들, 그리고 특정 향기를 방출할 수 있는 향기 발생기들과 같은 것이 있다. 이에 응답하여, 이러한 메커니즘들은 추천되는 동작을 실행할 수 있는 출력 디바이스에 명령들을 전송할 수 있다. 예를 들어, 하나 이상의 데이터 소스들로부터 사용자의 전반적인 기분, 감정 상태 및/또는 행위 성향을 표시하는 정보를 결정하는 것에 응답하여, 메커니즘들은 수행되는 경우 사용자를 특정 목적 혹은 목표를 향해 움직일 수 있는 하나 이상의 활동들을 식별할 수 있다. 이러한 예에서, 메커니즘들은 추천되는 활동들을 표시하는 메시지 혹은 다른 적절한 인터페이스를 사용자와 관련된 모바일 디바이스에 전송할 수 있다.

더 구체적인 예에서, (예를 들어, 소셜 미디어 애플리케이션을 사용해서 임의의 포스트(post)로부터의 텍스트(text)를 분석하여) 사용자가 저하된 기력 수준을 경험하고 있을 수 있음을 표시하는 소셜 네트워킹 데이터를 소셜 미디어 애플리케이션으로부터 수신하는 것, 그리고 임의의 주어진 하루 동안의 사용자와 관련된 스케줄링 정보를 포함하는 온라인 일정 데이터를 수신하는 것에 응답하여, 메커니즘들은 사용자가 그 결정된 목표들 중 하나 이상의 것에 도달하는 데 있어 사용자를 보조할 수 있는 하나 이상의 컴퓨터화된 동작들을 추천할 수 있다. 메커니즘들은 일정 데이터에서 나열된 이벤트까지의 경로를 검토할 수 있고(여기서, 경로는 컴퓨터 지도 경로안내 서비스에 의해 식별된 것임), 그리고 사용자와 관련된 모바일 디바이스 상에서 제시될 인터페이스를 전송할 수 있다(여기서, 인터페이스는 사용자가 컴퓨터 지도 경로안내 서비스에 의해 식별된 바와 같은 경로를 따라 해당 이벤트까지 걸어갈 것 그리고 특정 쥬스 판매상을 방문할 것을 추천함).

메시지 혹은 다른 적절한 콘텐츠를 포함하는 추천 인터페이스에 추가적으로 혹은 대안적으로, 개인화된 그리고 컴퓨터화된 서비스들은 사용자의 전반적인 기분, 감정 상태, 및/또는 행위 성향에 영향을 미칠 수 있는 특정 분위기(atmosphere)가 생성돼야한다는 결정을 포함할 수 있다. 하나의 특정 예에서, 분위기는, 특정 콘텐츠(예를 들어, 사용자들에게 영감을 주는 것으로서 설계된 특정 노래)가 자동적으로 재생되도록 하는 것, 긍정적인 이야기들로서 설계된 뉴스 기사들의 뉴스 피드(news feed)가 제시되도록 하는 것, 사용자들에게 즐거움을 주는 것으로서 설계된 사진들 혹은 다른 이미지 콘텐츠가 제시되도록 하는 것, 그리고 사용자들에게 이완 효과를 주는 것으로서 설계된 음향 효과들이 임의의 관련된 사용자 디바이스(예를 들어, 모바일 디바이스, 텔레비전 디바이스 등) 상의 사용자에게 제시되도록 하는 것을 포함할 수 있다. 또 하나의 다른 특정 예에서, 분위기는 사용자 혹은 사용자 디바이스와 관련된 조명 시스템에 액세스하여, 특정 광 소스들이 스위치온(switch on) 혹은 스위치오프(switch off)되도록 하고, 특정 조명 디바이스들로부터 방출되는 광의 수준을 선택하도록 하고, 그리고/또는 특정 광 소스들의 컬러 온도(color temperature)를 선택하도록 하고, 그럼으로써 사용자의 주위환경에서의 조명 방식이 수정되게 함으로써 생성될 수 있다. 또 하나의 다른 예에서, 분위기는, 사용자 디바이스에 연결된 디바이스에 의해 방출되는 주변 잡음을 수정하는 것(예를 들어, 사용자와 관련된 컴퓨팅 디바이스에서의 송풍기의 속도를 수정하는 것), 사용자 디바이스에 연결된 디바이스로부터 특정 향기를 방출하는 것(예를 들어, 특정 향기들을 방출할 수 있는 아울러 사용자 디바이스의 사용자의 특정 인접거리 내에 있는 디바이스로 하여금 라벤더 향기를 방출하도록 하는 것), 사용자 디바이스에 연결된 응용기기(appliance) 혹은 가정 자동화 디바이스(home automation device)를 제어하는 것(예를 들어, HVAC(Heating, Ventilating, and Air Conditioning, 난방, 환기, 및 공기 조절) 유닛의 압축기(compressor)를 제어하는 것, 또는 세탁기의 드럼(drum)의 속도를 수정하는 것), 등을 행함으로써 생성될 수 있다.

일부 구현예들에서, 메커니즘들은 사용자 디바이스와 관련된 하나 이상의 프로파일(profile)들을 발생시킬 수 있다. 예를 들어, 일부 구현예들에서, 메커니즘들은 사용자 디바이스의 사용자에 대해 적절한 추천되는 동작들을 결정하는데 사용될 수 있는 다양한 프로파일들을 발생시킬 수 있다. 예를 들어, 메커니즘들은, 사용자의 현재 기분, 감정 상태 및/또는 행위 성향을 표시하는 프로파일을 발생시킬 수 있고, 그리고 수행되는 경우 사용자를 임의의 목적 혹은 목표를 향해 움직일 수 있는 추천되는 동작을 결정하기 위해 목표 프로파일(target profile)과 발생된 프로파일을 비교할 수 있다. 더 구체적인 예에서, 목표 프로파일은, 특정 목적 혹은 목표의 달성을 표시했던 사용자들(예를 들어, 자신들이 크게 성공한 것으로 생각하는 사용자들, 지난 30일 내에 5 파운드를 감량한 사용자들, 등)의 프로파일들 또는 다른 동작들에 근거하여 발생될 수 있다. 이러한 예에서, 메커니즘들은, 특정 목적 혹은 목표를 달성했던 것으로 결정된 사용자 디바이스들의 사용자들에 의해 수행되는 동작들을 결정할 수 있고, 그리고 사용자가 또한 그 특정 목적 혹은 목표를 달성하도록 이러한 동작들 중 하나 이상의 것이 사용자에게 추천될 수 있는지 여부를 결정할 수 있다.

이러한 특징들 및 다른 특징들이 도 1 내지 도 14와 연계되어 더 설명된다.

도 1을 참조하면, 도 1은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 복수의 데이터 소스들로부터의 기분 및/또는 행위 정보에 근거하여 컴퓨터화된 서비스들을 개인화하기 위한 메커니즘들이 구현될 수 있는 시스템의 일반화된 도식적 도면의 예(100)를 보여준다. 예시된 바와 같이, 시스템(100)은 하나 이상의 사용자 디바이스들(102)을 포함할 수 있다. 사용자 디바이스들(102)은 서로 근거리 내에 있을 수 있거나 혹은 서로 멀리 떨어져 있을 수 있다. 사용자 디바이스들(102)은 하나 이상의 통신 링크(communications link)들(104)에 의해 통신 네트워크(106)에 연결될 수 있고, 여기서 통신 네트워크(106)는 또한 통신 링크(112)를 통해 서버(120)에 링크될 수 있다.

시스템(100)은 하나 이상의 데이터 소스들(110)을 포함할 수 있다. 데이터 소스들(110)은 사용자 혹은 사용자 디바이스와 관련된 데이터를 수집 및/또는 제공할 수 있는 임의의 적절한 디바이스일 수 있다.

예를 들어, 데이터 소스(110)는 사용자 관련 데이터를 수집 및/또는 제공할 수 있는 임의의 적절한 센서를 포함할 수 있는데, 예컨대, 이미지 센서(image sensor)(예를 들어, 카메라, 비디오 레코더(video recorder), 등), 오디오 센서(예를 들어, 마이크로폰(microphone), 음향 수준 측정기, 등), 무선-주파수 식별(Radio-Frequency IDentification, RFID) 센서, 전지구 위치확인 시스템(Global Positioning System, GPS), 하나 이상의 생물학적 파라미터(biological parameter)들(예컨대, 심장 박동수(heart rate), 호흡수(respiration rate), 혈압(blood pressure), 체온(body temperature), 피부 수분(skin moisture) 등)을 측정할 수 있는 센서, 착용가능 보수계(pedometer), 와이-파이 라우터(Wi-Fi router) 등을 포함할 수 있다. 더 구체적인 예에서, 데이터 소스(110)는 사용자와 관련된 사용자 계정에 등록되어 있는 가정 자동화 시스템에 연결된 복수의 센서들일 수 있고, 여기서 사용자의 가정 내의 환경과 관련된 상이한 데이터 스트림(data stream)들이 수신될 수 있다. 또 하나의 다른 더 구체적인 예에서, 데이터 소스(110)는 사용자에 대해 근거리 지역에 있는 커피 상점에 연결된 복수의 센서들을 포함할 수 있고, 그리고 추천 시스템으로 하여금 이러한 지역 커피 상점과 관련된 데이터(예를 들어, 출입문 센서(door sensor)에 근거하여 현재 얼마나 많은 고객들이 상점 내에 존재하는지, 이미지 센서에 근거하여 현재 얼마나 많은 고객들이 상점 내에서 주문을 하기 위해 줄 서서 기다리고 있는지, 상점과 관련된 고객 프로파일을 목표 프로파일과 비교함으로써 사용자가 할당받은 그룹이 상점을 방문할 가능성이 있는지 여부, 등)를 요청할 수 있게 하는 애플리케이션 프로그램 인터페이스를 포함할 수 있다. 또 하나의 다른 더 구체적인 예에서, 도 12 및 도 13과 연계되어 아래에서 설명되는 바와 같이, 데이터 소스(110)는 사용자의 환경 내에 있는 하나 이상의 음향 수준 센서(sound level sensor)들을 포함할 수 있는데, 이러한 음향 수준 센서들은 사용자 환경 내에 존재하는 음향 및/또는 잡음을 검출할 수 있고 검출된 음향과 관련된 음향 수준을 (예를 들어, dB 단위로, 그리고/또는 임의의 다른 적절한 계측 단위로) 측정할 수 있다.

또 하나의 다른 예에서, 데이터 소스(110)는 컴퓨팅 디바이스를 포함할 수 있는데, 예컨대, 데스크탑, 랩탑, 모바일 전화기, 태블릿 컴퓨터, 착용가능 컴퓨팅 디바이스, 등을 포함할 수 있다. 이러한 컴퓨팅 디바이스에 의해 제공되는 데이터의 예들은, 사용자에 의해 발생된 데이터(예를 들어, 텍스트 입력들, 사진들, 터치 입력들, 등), 사용자 애플리케이션에 의해 발생된 데이터(예를 들어, 소셜 네트워킹 애플리케이션, 메시징 애플리케이션, 사진 공유 애플리케이션, 비디오 공유 애플리케이션, 미디어 재생기 애플리케이션, 등에 의해 제공되는 데이터), 컴퓨팅 디바이스 상에 상주하는 하나 이상의 센서들(예를 들어, 이미지 센서, GPS, 하나 이상의 생물학적 파라미터들을 측정할 수 있는 센서, 등)에 의해 발생된 데이터, 그리고/또는 사용자와 관련된 임의의 다른 적절한 데이터를 포함할 수 있다. 예를 들어, 데이터 소스(110)는 사용자 계정을 갖는 사용자에게 등록된 컴퓨팅 디바이스를 포함할 수 있고, 그리고 데이터는 컴퓨팅 디바이스 상에 설치된 그리고 동일한 사용자 계정을 사용하여 등록된 다양한 애플리케이션들로부터의 데이터를 포함할 수 있다. 이러한 예에서, 컴퓨팅 디바이스의 사용자는 어떤 애플리케이션들 혹은 어떤 데이터 타입들(예를 들어, 위치 데이터, 무선 네트워크 데이터, 등)이 사용자 디바이스(102) 혹은 서버(120) 상에서 실행되는 애플리케이션에 의해 사용되는 지를 선택할 수 있다.

또 하나의 다른 예에서, 데이터 소스(110)는 사용자와 관련된 데이터를 제공할 수 있는 하나 이상의 서비스들을 포함할 수 있다. 이러한 서비스들은, 예를 들어, 소셜 네트워킹 서비스, 메시징 서비스(messaging service), 비디오 공유 서비스(video sharing service), 사진 공유 서비스(photo sharing service), 파일 호스팅 서비스(file hosting service), 등을 포함할 수 있다. 이러한 예에서, 사용자 디바이스(102) 혹은 서버(120)는 하나 이상의 애플리케이션 프로그래밍 인터페이스들 및/또는 임의의 다른 적절한 데이터 교환 메커니즘들을 통해 데이터 소스(110)와 통신할 수 있다.

하나 이상의 데이터 소스들(110)로부터의 데이터는 추천되는 동작이 사용자의 신체 상태 혹은 감정 상태에 미치는 영향을 결정하기 위해 사용될 수 있음에 유의해야 한다. 사용자의 감정 상태는 복합적인 현상일 수 있다. 감정은 생리적 활동(physiological activity)과 관련된 정신 상태일 수 있으며, 내적 혹은 외적 환경 조건들에 의해 영향을 받을 수 있다. 감정은 사용자의 성격(personality), 기분(mood), 기질(temperament), 성향(disposition), 및 의욕(motivation)과 관련될 수 있다. 예를 들어, 감정 상태는 행복함, 만족함, 평온함, 놀람, 화남, 두려움, 슬픔, 우울함, 혐오함, 피곤함, 불안함, 급함, 등을 포함할 수 있다. 일부 예들에서, 감정 상태들은 크게 긍정적인 감정들과 부정적인 감정들로 분류(classify)될 수 있으며, 여기서 긍정적인 감정들은 행복함 및 만족함을 포함할 수 있고, 부정적인 감정들은 화남 및 우울함을 포함할 수 있다. 추가적으로, 내적 환경 조건의 예는 오래된 기억을 포함하고, 외적 자극들의 예는 다양한 환경적 인자(environmental factor)들로 인한 스트레스 혹은 스트레스의 완화를 포함한다.

사용자의 신체 상태 혹은 감정 상태는 임의의 시점에서 사용자의 신체적 특성들 혹은 감정들의 전체적인 스냅샷(snapshot) 혹은 뷰(view)인 것으로 고려될 수 있음에 또한 유의해야 한다. 복수의 인자들이 사용자의 신체 상태 혹은 감정 상태에 관련될 수 있기 때문에, 이러한 신체 상태 혹은 감정 상태는 짧은 기간에도 변동될 수 있다. 복수의 소스들로부터의 사용자 관련 데이터를 사용함으로써, 사용자의 신체 상태 혹은 감정 상태가 예측될 수 있고, 이것은 임의의 주어진 시간에 특정 동작을 추천할지 여부를 결정하는데 사용될 수 있다. 더욱이, 사용자의 신체 상태 혹은 감정 상태에 대한 변경들은 복수의 소스들로부터의 사용자 관련 새로운 혹은 업데이트된 데이터에 근거하여 예측될 수 있다. 또한, 사용자의 신체 상태 혹은 감정 상태에 대한 변경들은 사용자가 소유하고 있는 디바이스들 혹은 사용자에 근접하여 위치하는 디바이스들에 대한 추천되는 동작들이 사용자를 임의의 목표 혹은 목적을 향해 움직이고 있을 수 있는지 여부를 평가하는데 사용될 수 있다.

데이터 소스들(110)은 서로 근거리 내에 있을 수 있거나 혹은 서로 멀리 떨어져 있을 수 있다. 각각의 데이터 소스(110)는 하나 이상의 통신 링크(communications link)들(108)에 의해 통신 네트워크(106)에 연결될 수 있고, 여기서 통신 네트워크(106)는 또한 통신 링크(112)를 통해 서버(120)에 링크될 수 있고, 그리고/또는 통신 링크(104)를 통해 사용자 디바이스(102)에 링크될 수 있다.

일부 구현예들에서, 다양한 데이터 소스들(110)로부터의 정보에 액세스하기 전에, 사용자 디바이스(102)는 사용자 디바이스(102)의 사용자가 다양한 데이터 소스들(110) 각각에 액세스하기 위한 승인을 제공하도록 요청(혹은 요구)할 수 있음에 유의해야 한다. 일부 구현예들에서, 사용자 디바이스(102)는 사용자와 관련된 데이터를 제공하는데 이용가능한 데이터 소스들(110)을 검출할 수 있고, 그리고 사용자 디바이스(102)의 사용자로 하여금 사용자와 관련된 데이터를 획득하기 위해 어떤 데이터 소스들(110)이 사용될 것인지를 선택하게 할 수 있는 사용자 인터페이스를 제공할 수 있다.

도 2는 사용자 디바이스(102) 및/또는 서버(120)에 의해 수신될 수 있는 입력 데이터의 타입들의 예시적인 사례를 보여준다. 도 2에서 보여지는 바와 같이, 서버(120)는, 사용자 혹은 사용자들의 그룹과 관련된 데이터를 요청하는 것, 통합하는 것, 저장하는 것 그리고/또는 프로세싱하는 것을 행하기 위한 데이터 저장 엔진(data storage engine)(122)을 포함할 수 있고, 그리고 수신된 데이터를 범주화(categorizing)하는 것(예를 들어, 상황 데이터, 소셜 데이터, 일반적인 데이터, 등), 사용자의 신체 상태 혹은 감정 상태를 표시할 수 있는 데이터의 특정 부분들을 선택하는 것, 그리고 데이터의 선택된 부분들을 프로세싱하는 것을 행하기 위한 데이터 프로세싱 엔진(data processing engine)(124)을 포함할 수 있다. 예를 들어, 도 2에서 또한 보여지는 바와 같이, 서버(120)는, 다른 것들 중에서도, 비디오 데이터, 텍스트 데이터, RFID 데이터, 주변 오디오 데이터(혹은 주변 오디오 데이터로부터 추출된 키워드(keyword)들), 및 모바일 디바이스 데이터의 다양한 타입들을 수신할 수 있다.

하나 이상의 데이터 소스들(110)을 사용하여, 데이터 저장 엔진(122)은 임의의 적절한 데이터를 수신할 수 있다. 예를 들어, 하나 이상의 데이터 소스들(110)로부터, 데이터 저장 엔진(112)은 하나 이상의 사용자들이 관여한 활동들과 관련된 데이터를 수신 및/또는 요청할 수 있으며, 여기서 하나 이상의 사용자들이 관여한 활동들과 관련된 데이터는 예를 들어, "걸었음(took a walk)" 및 걸어간 거리, 커피 상점과 부합하는 위치를 방문했음, 소셜 이벤트(예를 들어, 회의, 파티, 스포츠 이벤트, 등)에 참석했음, 체력단련 훈련 모임에 참석했음, 등과 같은 것이다. 또 하나의 다른 예로서, 하나 이상의 데이터 소스들(110)로부터, 데이터 저장 엔진(112)은 임의의 활동과 관련된 시간 정보(timing information)(예를 들어, 해당 활동의 지속시간, 해당 활동에 대응하는 시간, 등)를 포함하는 데이터를 수신 및/또는 요청할 수 있다. 또 하나의 다른 예로서, 데이터 저장 엔진(112)은, 임의의 주어진 기간(예를 들어, 일주일 중 임의의 하루, 이틀, 평일, 주말, 등) 동안 하나 이상의 사용자들이 관여한 활동의 발생 수, 임의의 주어진 활동에 관여한 사용자들의 수, 그리고/또는 임의의 주어진 활동에 관한 빈도 정보와 관련된 임의의 다른 적절한 정보를 포함하는 데이터를 수신 및/또는 요청할 수 있다. 또 하나의 다른 예로서, 일부 구현예들에서, 데이터 저장 엔진(112)은 사용자의 환경 내에 존재하는 잡음 및/또는 음향들을 표시하는 정보를 수신할 수 있다. 더 구체적인 예로서, 일부 구현예들에서, 이러한 정보는, 미디어 재생 디바이스(예를 들어, 텔레비전, 스테레오, 및/또는 다른 임의의 다른 적절한 미디어 재생 디바이스)가 사용자의 환경 내에서 동작하고 있음, 특정 디바이스(예를 들어, 컴퓨터, 냉장고, 및/또는 임의의 다른 적절한 디바이스)와 관련된 송풍기가 사용자의 환경 내에서 실행되고 있음, 사용자의 환경 내에서 임의의 대화가가 일어나고 있음을 표시할 수 있고, 그리고/또는 임의의 다른 적절한 정보를 표시할 수 있다.

소셜 데이터 소스들을 포함하는 하나 이상의 데이터 소스들(110)을 사용하여, 데이터 저장 엔진(112)은 소셜 네트워킹 서비스 상에서 사용자에 의해 발행되는 콘텐츠 및/또는 정보와 관련된 데이터를 수신 및/또는 요청할 수 있다. 예를 들어, 이러한 데이터는 임의의 서비스(예를 들어, 소셜 네트워킹 서비스, 메시징 서비스, 비디오 공유 서비스, 사진 공유 서비스, 전자 상거래 서비스(electronic commerce service), 등) 상에서 사용자에 의해 발행되는 하나 이상의 기분 상태들을 포함할 수 있다. 또 하나의 다른 예로서, 이러한 데이터는 소셜 네트워킹 서비스 상에서 사용자에 의해 발행되는 견해(comment)들, 메시지들, 포스트(post)들, 위치들, 및/또는 임의의 다른 적절한 콘텐츠를 포함할 수 있다. 또 하나의 다른 예로서, 이러한 데이터는, 소셜 네트워킹 서비스 상에서의 사용자의 하나 이상의 소셜 연결(social connection)들, 이러한 소셜 연결들에 의해 포스팅된 콘텐츠, 이러한 소셜 연결들과 관련된 위치들, 등에 관한 임의의 적절한 정보를 포함할 수 있다.

하나 이상의 데이터 소스들(110)을 사용하여, 데이터 저장 엔진(112)은 하나 이상의 미디어 콘텐츠 아이템(media content item)들과의 사용자 상호작용들에 관한 데이터를 수신 및/또는 요청할 수 있다. 예를 들어, 이러한 데이터는 사용자와 상호작용한 미디어 콘텐츠 아이템과 관련된 임의의 적절한 정보를 포함할 수 있다. 더 구체적인 예에서, 이러한 데이터는, 미디어 콘텐츠 아이템의 타입, 미디어 콘텐츠 아이템의 설명, 미디어 콘텐츠 아이템에 대한 링크(link)(예를 들어, URL), 미디어 콘텐츠 아이템을 식별시킬 수 있는 식별자(예를 들어, URI, 프로그램 식별자, 등), 미디어 콘텐츠 아이템의 저자, 미디어 콘텐츠 아이템과 관련된 예술가, 등을 포함할 수 있다. 또 하나의 다른 예로서, 이러한 데이터는 미디어 콘텐츠 아이템과의 사용자 상호작용의 타입에 대한 임의의 적절한 정보를 포함할 수 있는데, 여기서 미디어 콘텐츠 아이템과의 사용자 상호작용의 타입은 예를 들어, 미디어 콘텐츠 아이템을 소비하는 것, 소셜 네트워킹 서비스 혹은 임의의 다른 적절한 서비스를 통해 미디어 콘텐츠 아이템을 발행하는 것, 다른 사용자들과 미디어 콘텐츠 아이템을 공유하는 것, 소셜 네트워킹 서비스 혹은 임의의 다른 적절한 서비스를 통해 미디어 콘텐츠 아이템을 좋아하는 것, 미디어 콘텐츠 아이템에 관한 견해를 밝히는 것, 등과 같은 것이다. 또 하나의 다른 예로서, 이러한 데이터는, 미디어 콘텐츠 아이템과의 사용자 상호작용에 관한 임의의 적절한 시간 정보를 포함할 수 있고, 여기서 시간 정보는 예를 들어, 사용자 상호작용의 지속시간, 사용자 상호작용에 대응하는 시간, 등과 같은 것이다.

하나 이상의 데이터 소스들(110)을 사용하여, 데이터 저장 엔진(112)은 사용자와 관련된 생체 데이터를 수신 및/또는 요청할 수 있다. 예를 들어, 임의의 센서를 포함하는 데이터 소스(110)로부터의 생체 데이터에 액세스하기 위한 승인을 수신하는 것에 응답하여, 생체 데이터는 심장 박동수, 호흡 수, 혈압, 체온, 피부 수분 등과 같은 사용자와 관련된 임의의 적절한 생리적 파라미터를 포함할 수 있다. 또 하나의 다른 예로서, 생체 데이터는 심장 박동수 범위, 혈압 범위, 등과 같은 생리적 파라미터들의 범위를 포함할 수 있다.

하나 이상의 데이터 소스들(110)을 사용하여, 데이터 저장 엔진(112)은 사용자와 관련된 위치 데이터를 수신 및/또는 요청할 수 있다. 예를 들어, 위치 정보에 액세스하기 위한 승인을 수신하는 것에 응답하여, 위치 데이터는 사용자와 관련된 컴퓨팅 디바이스의 위치를 추정하는데 사용될 수 있는 임의의 적절한 정보를 포함할 수 있고, 이러한 정보는 예컨대, 컴퓨팅 디바이스와 관련된 식별자(예를 들어, IP 어드레스(address)), 컴퓨팅 디바이스에 의해 발생된 GPS 신호들, 컴퓨팅 디바이스와 관련된 와이-파이 액세스 포인트(Wi-Fi access point)들, 컴퓨팅 디바이스가 연결되어 있는 기지국(cell tower)에 대한 정보, 등과 같은 것이다. 또 하나의 다른 예로서, 위치 데이터는 사용자의 위치를 추정하는데 사용될 수 있는 임의의 적절한 정보를 포함할 수 있고, 이러한 정보는 예컨대, 적절한 서비스(예를 들어, 소셜 네트워킹 서비스)를 사용하여 사용자에 의해 발행된 위치, 사용자가 방문하려고 의도한 위치(예를 들어, 모바일 디바이스 상에서 실행되는 일정 애플리케이션, 사용자와 관련된 소셜 네트워크 계정, 등을 사용하여 스케줄링된 소셜 이벤트와 관련된 위치), 등과 같은 것이다.

일부 구현예들에서, 데이터 저장 엔진(112)은 데이터 소스들(110)로부터 수신된 데이터를 범주화 및/또는 분류할 수 있다.

예를 들어, 데이터 저장 엔진(112)은 복수의 데이터 소스들(110)로부터의 데이터를 (예를 들어, 하나 이상의 애플리케이션 프로그래밍 인터페이스들을 사용하여) 수신할 수 있고, 그리고 데이터 프로세싱 엔진(124)은, 수신된 데이터가, 사용자에 의해 사용된 하나 이상의 서비스들(예를 들어, 소셜 네트워킹 서비스, 이메일 서비스(email service), 메시징 서비스, 비디오 공유 서비스, 등)에 대한 정보, 사용자와 관련된 탐색 이력(search history)(예를 들어, 사용자에 의해 입력된 키워드들), 등을 포함할 때, 그 수신된 데이터를 일반적인 데이터로서 분류할 수 있다.

또 하나의 다른 예로서, 데이터 저장 엔진(112)은 복수의 데이터 소스들(110)로부터의 데이터를 (예를 들어, 하나 이상의 애플리케이션 프로그래밍 인터페이스들을 사용하여) 수신할 수 있고, 그리고 데이터 프로세싱 엔진(124)은, 수신된 데이터가, 사용자 디바이스(102)의 위치에 대한 정보, 교통 정보, 사용자 디바이스(102)로부터의 위치 정보에 근거하는 날씨 정보(예를 들어, "화창함(sunny)", "쌀쌀함(cold)" 등), 임의의 주어진 위치 내의 인구 밀도 정보, 데이터 소스(110)에 의해 제공되는 데이터와 관련된 위치 상황(location context)(예를 들어, "근무(work)", "집(home)", "휴가(vacation)" 등), 그리고/또는 사용자와 관련된 상황 정보를 제공할 수 있는 임의의 다른 적절한 정보를 포함할 때, 그 수신된 데이터를 상황 데이터로서 분류할 수 있다.

또 하나의 다른 예로서, 데이터 저장 엔진(112)은 복수의 데이터 소스들(110)로부터의 데이터를 (예를 들어, 하나 이상의 애플리케이션 프로그래밍 인터페이스들을 사용하여) 수신할 수 있고, 그리고 데이터 프로세싱 엔진(124)은, 수신된 데이터 스트림이, 복수의 사용자들과 연관된 소셜 이벤트들(예를 들어, 소셜 네트워킹 서비스, 일정 애플리케이션, 등을 사용하여 스케줄링된 회의)에 관한 정보, 임의의 서비스(예를 들어, 소셜 네트워킹 서비스, 비디오 공유 서비스, 사진 공유 서비스, 등)를 사용하여 하나 이상의 사용자들에 의해 발행된 콘텐츠 및/또는 정보, 사용자의 하나 이상의 소셜 연결들에 대한 정보, 그리고/또는 소셜 데이터로서 분류될 수 있는 임의의 다른 적절한 정보를 포함할 때, 그 수신된 데이터를 소셜 데이터로서 분류할 수 있다. 더 구체적인 예에서, 소셜 서비스의 사용자 계정과 관련된 소셜 데이터는, 사용자 계정이 또한 사용자 디바이스(102) 상에서 인증되었다는 결정에 응답하여, 검색될 수 있다.

또 하나의 다른 예로서, 데이터 저장 엔진(112)은 복수의 데이터 소스들(110)로부터의 데이터를 (예를 들어, 하나 이상의 애플리케이션 프로그래밍 인터페이스들을 사용하여) 수신할 수 있고, 그리고 데이터 프로세싱 엔진(124)은, 수신된 데이터 스트림이, 사용자 목표들에 대한 정보, 사용자의 개인적 관심사들(예를 들어, 소셜 네트워킹 서비스 상에서 이용가능한 것으로 사용자에 의해 기재된 관심사, 사용자가 소비한 그리고/또는 좋아하는 미디어 콘텐츠, 등), 사용자에 의해 발생된 하나 이상의 발언(utterances)들, 그리고/또는 개인적인 것으로 간주될 수 있는 임의의 다른 적절한 정보를 포함할 때, 그 수신된 데이터를 개인적 데이터로서 분류할 수 있다. 이러한 예에서, 이와 같은 개인적 데이터를 사용하기 위한 특정 승인이 사용자 디바이스(102)의 사용자로부터 수신되지 않는다면, 데이터 프로세싱 엔진(124)은 이러한 개인적 데이터를 폐기(discard)할 수 있다.

일부 구현예들에서, 데이터 프로세싱 엔진(124)은 데이터 소스(110)에 의해 제공되는 그리고/또는 데이터 저장 엔진(112)에 의해 저장 및/또는 프로세싱되는 데이터 스트림들을 프로세싱할 수 있다.

일부 구현예들에서, 데이터 프로세싱 엔진(124)은 데이터 소스(110)로부터의 데이터 혹은 데이터의 특정 부분이 사용자의 목표 혹은 목적과 관련되어 있는지 여부를 결정할 수 있다. 일부 구현예들에서, 데이터 프로세싱 엔진(124)은 복수의 데이터 소스들(110)로부터의 데이터 혹은 데이터의 특정 부분이 사용자들의 특정 그룹에 할당된 사용자들의 목표 혹은 목적과 관련되어 있는지 여부를 결정할 수 있음에 유의해야 한다.

일부 구현예들에서, 데이터 프로세싱 엔진(124)은 데이터 소스(110)로부터의 데이터 혹은 데이터의 일부분이 사용자의 감정 상태를 표시하는지 여부를 결정할 수 있다. 이러한 결정들은 임의의 적절한 방식으로 이루어질 수 있다. 예를 들어, 이러한 결정은 입력 데이터 혹은 입력 데이터의 일부분을 임의의 목표와 관련된 것으로서 분류할 수 있거나 혹은 해당 목표와 관련되지 않은 것으로서 분류할 수 있는 적절한 분류기를 사용하여 이루어질 수 있다.

더 구체적인 예에서, 데이터 프로세싱 엔진(124)은 데이터의 하나 이상의 일부분들을 선택할 수 있고, 여기서 데이터의 각각의 부분은 수 분(minutes), 두 시간, 해당 주(week)의 임의의 하루, 이틀, 임의의 주(week), 임의의 달(month), 등과 같은 임의의 적절한 기간에 대응할 수 있다. 일부 구현예들에서, 데이터의 일부분들은 임의의 적절한 방식으로 식별될 수 있다. 예를 들어, 데이터의 일부분을 목표와 관련된 것으로서 분류할 수 있는 분류기를 사용하여 결정이 이루어질 수 있다. 또 하나의 다른 예에서, 데이터의 일부분을 사용자의 감정 상태를 표시할 가능성이 높은 것으로서 분류할 수 있는 분류기를 사용하여 결정이 이루어질 수 있다. 또 하나의 다른 예에서, 데이터(예를 들어, 해당 동작이 사용자의 감정 상태에 영향을 줄 수 있는 가능성(likelihood)을 결정하는데 사용될 수 있는 데이터, 추천되는 동작이 실행되게 되는 때는 결정하는데 사용될 수 있는 데이터, 등)의 일부분을 추천되는 동작과 관련된 것으로서 분류할 수 있는 분류기를 사용하여 결정이 이루어질 수 있다. 분류기는 지지도 벡터 머신(support vector machine), 의사결정 트리(decision tree), 베이지안 모델(Bayesian model), 등과 같은 임의의 적절한 머신 학습 알고리즘(machine learning algorithm)을 사용하여 훈련될 수 있음에 유의해야 한다.

일부 구현예들에서, 복수의 데이터 소스들(110)로부터의 데이터의 다양한 일부분들을 선택하는 경우, 데이터 프로세싱 엔진(124)은 데이터의 일부분들 각각에 가중치(weight)를 할당할 수 있다. 예를 들어, 특정 목표 혹은 목적에 대해, 데이터 프로세싱 엔진(124)은 특정 데이터 소스들(110)로부터의 소셜 데이터가 그 추천되는 동작 혹은 출력의 결정에 더 많은 영향을 미치도록 가중될 것을 결정할 수 있다. 이것은 사용자와 관련된 소셜 데이터로서 사용자의 감정 상태를 표시하는 소셜 데이터가 새로운 친구들을 만들려는 목적과 크게 관련된 것으로서 고려되기 때문일 수 있다. 또 하나의 다른 예에서, 이것은 (예를 들어, 사용자 디바이스들의 사용자가 복수의 소셜 네트워킹 웹사이트들 상에서 상태 업데이트(status update)들을 빈번하게 포스팅함에 따라) 소셜 데이터가 사용자의 감정 상태를 정확히 표시하는 경향이 있기 때문일 수 있으며, 그리고 차량을 특정 위치까지 운전할 것과 같은 특정 동작을 추천하기 전에 데이터 프로세싱 엔진(124)이 이러한 소셜 데이터를 고려할 수 있기 때문일 수 있다. 또 하나의 다른 적절한 예에서, 가중치들은 사용자 디바이스(102)의 사용자에 의해 설정될 수 있고, 이에 따라 사용자는 그 적용을 조절(tune)할 수 있게 되고, 그리고 사용자와 관련된 데이터의 특정 타입들의 처리 방식을 조절할 수 있게 된다. 더 구체적인 예에서, 임의의 동작 혹은 출력을 결정함에 있어 소셜 데이터의 영향이 감소되도록 사용자는 소셜 데이터와 관련된 가중치들을 설정할 수 있다.

일부 구현예들에서, 데이터 프로세싱 엔진(124)은 사용자와 관련된 하나 이상의 프로파일들을 발생시킬 수 있다. 예를 들어, 데이터 프로세싱 엔진(124)은 사용자 디바이스(102)의 사용자를 임의의 그룹(예를 들어, 특정 목적 혹은 목표에 대한 유사한 사용자들의 그룹)에 할당하는데 사용되는 기본 프로파일(baseline profile)을 발생시키기 위해 그 수신된 데이터를 사용할 수 있다. 이러한 예에서, 데이터 프로세싱 엔진(124)은 또한 개별 사용자 및/또는 사용자들의 그룹에 대한 목표 프로파일을 발생시킬 수 있고, 여기서 목표 프로파일은 특정 목적 혹은 목표의 달성을 표시했던 유사한 사용자들에 대응하는 데이터를 포함할 수 있다. 대안적으로, 데이터 프로세싱 엔진(124)은 특정 목적 혹은 목표를 달성하는데 실패를 표시했던 유사한 사용자들에 대응하는 데이터를 포함하는 목표 프로파일을 발생시킬 수 있다. 또 하나의 다른 예로서, 사용자의 현재 신체 상태 혹은 감정 상태를 표시하는 사용자와 관련된 현재 프로파일을 발생시키기 위해 데이터 프로세싱 엔진(124)은 수신된 데이터를 사용할 수 있고, 그리고 일부 구현예들에서는, 업데이트된 데이터를 요청 및 수신할 수 있다.

사용자 디바이스(102)의 사용자 및 사용자들의 그룹과 관련된 임의의 적절한 프로파일은 임의의 적절한 접근법을 사용하여 발생될 수 있다. 예를 들어, 데이터 프로세싱 엔진(124)은 임의의 주어진 기간에 걸쳐 사용자의 신체 상태 혹은 감정 상태를 표시하는 하나 이상의 프로파일들을 발생시킬 수 있다. 예를 들어, 사용자와 관련된 기본 프로파일은 임의의 기간(예를 들어, 아침, 임의의 주어진 하루, 평일, 주말, 임의의 주어진 주, 임의의 계절, 그리고/또는 임의의 다른 적절한 기간) 동안 사용자의 신체 상태 혹은 감정 상태를 표시하는 것으로 결정된 데이터에 근거하여 발생될 수 있다. 또 하나의 다른 예에서, 데이터 프로세싱 엔진(124)은 임의의 주어진 상황에 대해 사용자의 신체 상태 혹은 감정 상태(예를 들어, 전형적인 근무하는 날, 휴가인 날, 사용자 디바이스(102)가 사용자의 집에 근접하여 위치할 때의 기분 및/또는 행위, 사용자 디바이스(102)에 근접한 곳의 온도가 65도보다 낮음을 사용자 디바이스(102)가 표시할 때의 기분 및/또는 행위, 등과 같은 것)를 표시하는 하나 이상의 프로파일들을 발생시킬 수 있다.

일부 구현예들에서, 서버(120)는 사용자의 신체 상태 혹은 감정 상태에 영향을 미칠 수 있거나 혹은 영향을 줄 수 있는 임의의 추천되는 동작을 결정 및/또는 제공하기 위한 출력 추천 엔진(126)을 포함할 수 있다. 예를 들어, 사용자에 대응하는 현재 프로파일을 목표 프로파일과 비교하는 것에 응답하여, 출력 추천 엔진(126)은 사용자에 대한 추천되는 동작을 결정할 수 있다. 더 구체적인 예에서, 출력 추천 엔진(126)은, 사용자가 특정 목적을 갖고 있음을 표시하는 현재 프로파일과, 사용자들이 특정 목적을 달성했다고 결정되었던 경우의 그 사용자들에 관한 정보 및 사용자들이 특정 목적을 달성하지 못했다고 결정되었던 경우의 그 사용자들에 관한 정보를 포함하는 유사한 사용자들의 목표 프로파일을 서로 비교하는 것에 근거하여, 사용자의 신체 상태 혹은 감정 상태에 영향을 줄 수 있는 하나 이상의 추천되는 동작들을 결정할 수 있으며, 이러한 하나 이상의 추천되는 동작들은 그 추천되는 동작을 수행할 경우 사용자가 특정 목적에 도달하는 데 있어 사용자를 보조할 수 있는 동작들이다.

일부 구현예들에서, 출력 추천 엔진(126)은 임의의 적절한 추천되는 동작이 사용자 디바이스(102) 혹은 사용자와 관련된 임의의 다른 적절한 컴퓨팅 디바이스 상에서 실행되도록 할 있음에 유의해야 한다. 도 2에서 보여지는 바와 같이, 동작 혹은 출력은, 다른 것들 중에서도, 촉각적 피드백(haptic feedback) 혹은 터치 감지 피드백(touch sensitive feedback), 감각적 피드백(sensory feedback)(예를 들어, 이미지 콘텐츠, 광 신호(light cue)들, 음악, 비디오 메시지들, 비디오 콘텐츠, 등), 주변-관련 피드백(예를 들어, 적절한 디바이스로부터 향기가 방출되도록 하는 것, 조명 시스템 혹은 가정 자동화 시스템에 의해 조명 방식을 수정하는 것, 사용자의 환경 내의 주변 잡음이 변경되도록 하는 것, 등), 그리고/또는 콘텐츠-관련 동작(예를 들어, 텍스트, 이미지 콘텐츠, 비디오 콘텐츠, 오디오 콘텐츠를 제시하는 것)을 포함할 수 있다.

예를 들어, 출력 추천 엔진(126)은 사용자로 하여금 임의의 활동에 관여하도록 촉구하기 위해 임의의 메시지가, 사용자와 관련된 사용자 디바이스(102)에 제시될 것을 결정할 수 있다. 이것은, 예를 들어, 사용자가 특정 목적 혹은 목표에 도달하는 데 있어 사용자를 보조할 수 있다. 더 구체적인 예에서, 출력 추천 엔진(126)은 해당 메시지가 특정 형태로 제시될 것(예를 들어, 이메일(email), 텍스트 메시지(text message), 모바일 통지(mobile notification), 계정 통지(account notification), 사용자 인터페이스(user interface)에 의해 제시될 것 그리고/또는 임의의 다른 적절한 방식으로 제시될 것) 그리고/또는 특정 시간에 제시될 것(예를 들어, 사용자의 현재 신체 상태 혹은 감정 상태에 근거하여 특정 시간에 제시될 것)을 결정할 수 있다.

또 하나의 다른 예로서, 출력 추천 엔진(126)은 임의의 분위기가 사용자에 근접하여 생성될 것을 결정할 수 있다. 이것은, 예를 들어, 사용자가 특정 목적 혹은 목표에 도달하는 데 있어 사용자를 보조할 수 있고, 그리고/또는 사용자의 결정된 감정 상태에 영향을 미칠 수 있다. 더 구체적인 예에서, 사용자의 현재 신체 상태 혹은 감정 상태의 결정에 근거하여, 출력 추천 엔진(126)은, 음악 콘텐츠, 긍정적인 콘텐츠인 것으로서 설계된 뉴스 기사들의 피드(feed), 및/또는 즐거움을 주는 콘텐츠인 것으로서 설계된 이미지 콘텐츠의 피드(feed)가, 사용자와 관련된 사용자 디바이스(102) 상에 제시되도록 할 수 있다. 또 하나의 다른 더 구체적인 예에서, 출력 추천 엔진(126)은, (사용자 디바이스에 연결되는) 오디오 출력 디바이스를 갖는 임의의 디바이스 상에 임의의 음향 효과(예를 들어, 빗 소리(rain sounds))가 제시되도록 할 수 있고, 사용자 디바이스에 연결되는 조명 시스템을 사용하여 사용자의 주위환경에서의 주변광(ambient light)이 조정되게 할 수 있고, 그리고/또는 사용자 디바이스(102)를 사용하여 사용자에 근접한 곳에서 향기 발생기를 활성화시킴으로써 임의의 향기가 방출되게 할 수 있다.

또 하나의 다른 예로서, 출력 추천 엔진(126)은 사용자의 환경 내의 주변 잡음이 수정될 것을 결정할 수 있다. 일부 구현예들에서, 주변 잡음은 사용자의 기분 및/또는 신체 상태를 개선하기 위해서 그리고/또는 임의의 다른 적절한 이유로 사용자가 특정 활동을 수행하는 데 있어 사용자를 보조하도록 변경될 수 있다. 구체적인 예로서, 일부 구현예들에서, 사용자가 근무하고 있다고 결정된 경우들에서, 출력 추천 엔진(126)은 사용자가 근무에 집중하는 데 있어 사용자를 보조할 사용자의 환경 내의 주변 잡음을 결정할 수 있다. 특정 예로서, 출력 추천 엔진(126)은 주변 잡음이 백색 잡음(white noise)일 것을 결정할 수 있다. 또 하나의 다른 특정 예로서, 사용자가 근무 중 졸음이 오고 있음을 느끼고 있다고 결정하는 것에 응답하여, 출력 추천 엔진(126)은 사용자에게 경고하기 위해 특정 기간에 걸쳐 주변 잡음이 (예를 들어, 빈도 및/또는 음량에 있어) 변동할 것을 결정할 수 있다. 이러한 예들 및 다른 예들이 도 12 내지 도 14과 연계되어 아래에서 더 상세히 논의된다.

이제 도 1을 참조하면, 출력 추천 엔진(126)으로부터의 임의의 추천되는 동작을 실행하기 위해 임의의 적절한 사용자 디바이스(102)가 사용될 수 있다. 예를 들어, 사용자 디바이스(102)는 착용가능 컴퓨팅 디바이스, 텔레비전, 모니터, 액정 디스플레이, 3-차원 디스플레이, 터치 스크린, 가상 터치 스크린(simulated touch screen), 게이밍 시스템(gaming system), 휴대용 DVD 재생기, 휴대용 게이밍 디바이스, 모바일 전화기, 개인 디지털 보조기(Personal Digital Assistant, PDA), 음악 재생기, 태블릿, 랩탑 컴퓨터, 데스크탑 컴퓨터, 모바일 전화기, 미디어 재생기, 조명 디바이스, 향기 발생기, 및/또는 하나 이상의 추천되는 동작들을 수행하기 위해 사용될 수 있는 임의의 다른 적절한 디바이스일 수 있다. 일부 구현예들에서, 사용자 디바이스(102)는 출력 추천 엔진(126)에 의해 결정된 추천되는 출력이 가정 자동화 시스템과 같은 직절한 시스템으로 전송될 수 있도록 애플리케이션 프로그래밍 인터페이스를 가질 수 있고, 여기서 시스템은 추천되는 출력이 하나 이상의 사용자 디바이스들(102) 상에서 실행되도록 하기 위해 애플리케이션 프로그래밍 인터페이스를 사용한다는 것에 유의해야 한다.

더 구체적인 예에서, 서버(120)는 사용자 디바이스와 관련된 사용자가 특정 목적 혹은 목표(예를 들어, 사용자의 근무일의 진행 동안 더 많은 운동을 하기)를 갖는다고 결정할 수 있다. 다양한 디바이스들 및 다른 데이터 소스들로부터의 소셜 네트워킹 데이터, 위치 데이터, 및 일정 데이터(calendar data)에 액세스하기 위한 승인을 사용자 디바이스(102)의 사용자로부터 수신함에 응답하여, 서버(120)는 소셜 데이터에 근거하여 사용자 디바이스의 사용자가 현재 상대적으로 기력이 저하됨을 느끼고 있다고 결정할 수 있고, 그리고 일정 데이터로부터 특정 시간에 스케줄링된 그리고 특정 위치에서 일어나는 모임을 사용자가 갖고 있다(그리고 현재 시간과 모임의 시간 사이에 해야할 일(obligations)은 없다)고 결정할 수 있다. 서버(120)는 이러한 데이터를 사용할 수 있고, 이력 데이터를 고려할 수 있다. 예를 들어, 사용자와 관련된 착용가능 보수계로부터의 생체 데이터에 근거하여, 서버(120)는 해당 월(month)의 해당 일(day)까지 혹은 해당 주(week)의 해당 일(day)까지 사용자 디바이스(102)의 사용자가 관여한 활동의 양(amount)을 결정할 수 있고, 그리고 사용자가 임의의 표시된 목적 혹은 목표를 충족시킬 가능성이 있는지 여부 혹은 평균 활동 수준을 충족시킬 가능성이 있는지 여부를 결정할 수 있다. 또 하나의 다른 예에서, 위치 정보에 근거하여, 서버(120)는 사용자와 관련된 근무 위치로부터 10개의 블록(block)들만큼 떨어져 있는 특정 위치에서의 모임에 참석하기 위해 사용자가 차량 서비스를 사용한 빈도를 결정할 수 있다. 또 하나의 다른 예에서, 소셜 네트워킹 서비스 상의 기재된 관심사들 및/또는 좋아하는 것(affinity)들에 근거하여, 서버(120)는 사용자 디바이스(102)의 사용자가 꽃들을 좋아한다고 결정할 수 있다. 또 다른 예에서는, 사용자와 관련된 근무 위치와 모임의 위치 간의 경로를 결정하는 지도 데이터(mapping data)가 사용된다. 복수의 디바이스들 및/또는 데이터 소스들로부터의 데이터의 이러한 일부분들을 고려하여, 서버(120)는 하나 이상의 추천되는 동작들이 하나 이상의 디바이스들 상에서 실행되도록 할 수 있는데, 여기서 하나 이상의 추천되는 동작들은, 사용자로 하여금 5분 안에 가까이 있는 커피 상점으로부터 한잔의 커피를 구입하도록 촉구하는 사용자 디바이스에 대한 통지, 사용자로 하여금 특정 경로(여기에는 그 제공된 경로를 따라 있는 임의의 위치에서 최근 개업한 난초 상점을 방문하는 선택사항(option)이 포함됨)를 사용하여 모임까지 걸어가도록 촉구하는 사용자 디바이스에 대한 통지와 같은 것이 있다. 대안적으로, 서버(120)는, 모임이 있기 전 특정 시간에, 사용자 디바이스(102)에 근접하여 위치하는 향기 발생기로 하여금 라벤더 향기를 방출하도록 할 수 있다. 또 하나의 다른 대안적 예에서, 서버(120)는, 모임이 있기 전 특정 시간에, 사용자로 하여금 특정 걸음거리를 사용하여 모임까지 걸어가도록 촉구하는 통지를 발생시키기 전에 사용자 디바이스(102)에 근접하여 있는 곳의 날씨를 결정할 수 있다(예를 들어, 비가 올 가능성이 특정 임계값보다 더 크다고 결정하는 경우, 무엇이 "너무 더운(too hot)" 것으로 고려되는지에 관한 사용자 데이터 및 결정된 온도에 근거하여 사용자에 대해 "너무 덥다"라고 결정하는 경우, 등).

이러한 예를 계속 진행시키면, 서버(120)는 추천되는 동작에 의해 추천되는 바와 같이 사용자 디바이스의 사용자가 난초 상점을 방문했다는 것 그리고/또는 사용자가 커피 상점까지 걸어가고 있다는 것을 결정할 수 있고, 그리고 서버(120)는 커피 상점 내의 고객들의 수를 요청하기 위해 커피 상점의 애플리케이션 프로그래밍 인터페이스를 사용할 수 있고, 커피 상점에서 사용자가 특정 대기 시간을 가질 수 있다고 결정할 수 있다. 그 다음에, 서버(120)는 그 각각의 애플리케이션 프로그래밍 인터페이스를 사용하여, 동일한 가맹권(franchise) 내에 있는 또 하나의 다른 커피 상점은 더 적은 대기 시간을 가지고 있으며 사용자 디바이스(102)의 사용자 가까이 있다고(예를 들어, 사용자 디바이스(102)에 의해 제공된 현재 위치로부터 한 블럭만큼 떨어져 있다고) 결정할 수 있다. 서버(120)는 업데이트된 혹은 개정된 추천되는 동작을 사용자 디바이스(102)에 전송할 수 있다.

일부 구현예들에서, 서버(120)는 추천되는 동작을 실행하기 위한(아울러 사용자에 근접하여 특정 거리 내에 있는) 하나 이상의 사용자 디바이스들(102) 혹은 다른 적절한 디바이스들(예를 들어, 텔레비전, 오디오 시스템, 미디어 재생기, 향기 발생기, 조명 시스템, 등)을 식별할 수 있다. 예를 들어, 서버(120)는 사용자 디바이스(102)로 하여금 (예컨대, 디바이스 발견 기능들을 사용하여) 사용자 디바이스(102)에 연결된 디바이스들을 검출하도록 할 수 있고 아울러 사용자 디바이스(102)에 근접해 있는 디바이스들을 검출하도록 할 수 있다. 이에 응답하여, 서버(120)는 이완 효과가 있는 노래인 것으로 고려되는 노래가 임의의 서비스(예를 들어, 미디어 스트리밍 서비스(media streaming service))로부터 스트리밍되어 사용자와 관련된 디바이스(예를 들어, 모바일 전화기, 미디어 재생기, 등)를 사용하여 출력되도록 할 수 있다. 추가적으로, 서버(120)는 (예를 들어, 사용자의 소셜 네트워크 페이지 상에 발행된 정보에 근거하여) 사용자가 라벤더들을 좋아한다고 결정하는 것에 응답하여, 그리고 사용자의 현재 감정 상태에 근거하여, 특정 시간에 향기 발생기를 사용하여 라벤더 향기가 방출되도록 할 수 있다.

일부 구현예들에서, 서버(120)는 복수의 사용자들(이들 각각은 대응하는 사용자 디바이스를 갖고 있음)에 대한 서비스들을 그 사용자들의 결합된 신체 상태 혹은 감정 상태에 근거하여 개인화할 수 있다. 예를 들어, 사용자들은 동일한 위치(예컨대, 위치 정보 혹은 온라인 일정에 기반을 둔, 커피 상점, 회의실, 임의의 주어진 사용자의 근처, 소도시, 사무실, 등) 내에 존재하는 사용자 디바이스들을 갖는 사용자들의 그룹일 수 있고, 소셜 네트워킹 서비스 상에서 서로 연결된 사용자 디바이스들을 갖는 사용자들의 그룹일 수 있고, 유사한 사용자들인 것으로 결정된 사용자 디바이스들을 갖는 사용자들의 그룹일 수 있고, 그리고/또는 임의의 다른 적절한 사용자들일 수 있다.

다시 도 1을 참조하면, 시스템(100)은 하나 이상의 서버들(120)을 포함할 수 있다. 서버(120)는 복수의 데이터 소스들(예컨대, 프로세서, 컴퓨터, 데이터 프로세싱 디바이스, 혹은 이러한 디바이스들의 임의의 적절한 조합)로부터의 기분 및/또는 행위 정보에 근거하여 서비스들을 개인화하기 위해 본 명세서에서 설명되는 메커니즘들에 대한 액세스를 제공하기 위한 임의의 적절한 서버 혹은 서버들일 수 있다. 예를 들어, 복수의 데이터 소스들로부터의 기분 및/또는 행위 정보에 근거하여 서비스들을 개인화하기 위한 메커니즘들은 복수의 백엔드 컴포넌트(backend component)들과, 그리고 복수의 프런트엔드 컴포넌트(frontend component)들과, 그리고/또는 사용자 인터페이스들에 분포될 수 있다. 더 구체적인 예에서, 백엔드 컴포넌트들(예컨대, 사용자를 위한 목적을 식별하는 것, 하나 이상의 데이터 스트림들로부터의 데이터의 특정 부분들을 선택하는 것, 프로파일 정보를 발생시키는 것, 사용자와 관련된 하나 이상의 디바이스들에 대한 추천되는 동작들을 결정하는 것, 등을 행하기 위한 메커니즘들)은 하나 이상의 서버들(120) 상에서 수행될 수 있다. 또 하나의 다른 더 구체적인 예에서, 프런트엔드 컴포넌트들(예컨대, 추천되는 동작을 콘텐츠의 형태로 제시하는 것, 추천되는 동작을 실행하는 것, 사용자 디바이스가 다른 디바이스들에 가까이 있음을 결정하는 것, 등)은 하나 이상의 사용자 디바이스들(102) 및/또는 디스플레이 디바이스들(110) 상에서 수행될 수 있다.

일부 구현예들에서, 사용자 디바이스들(102), 데이터 소스들(110), 및 서버(120) 각각은 컴퓨터와 같은 범용 목적 디바이스 혹은 클라이언트, 서버 등과 같은 특수 목적 디바이스 중 임의의 디바이스일 수 있다. 이러한 범용 목적 디바이스 혹은 특수 목적 디바이스 중 임의의 디바이스는 하드웨어 프로세서(이것은 마이크로프로세서, 디지털 신호 프로세서, 제어기, 등일 수 있음), 메모리, 통신 인터페이스들, 디스플레이 제어기들, 입력 디바이스들, 등과 같은 임의의 적절한 컴포넌트들을 포함할 수 있다. 예를 들어, 사용자 디바이스(102)는, 스마트폰, 태블릿 컴퓨터, 착용가능 컴퓨터, (예컨대, 차량, 보트, 비행기, 혹은 임의의 다른 적절한 운송수단에서 사용되는 바와 같은) 운송수단 컴퓨팅 및/또는 오락 시스템, 랩탑 컴퓨터, 휴대용 게임 콘솔, 텔레비전, 셋-탑 박스, 디지털 미디어 수신기, 게임 콘솔, 온도조절기(thermostat), 가정 자동화 시스템, 응용기기, 임의의 다른 적절한 컴퓨팅 디바이스, 혹은 이러한 것들의 임의의 적절한 조합으로서 구현될 수 있다.

통신 네트워크(106)는 임의의 적절한 컴퓨터 네트워크 혹은 이러한 네트워크들의 조합일 수 있는데, 여기에는 인터넷, 인트라넷, 광역 네트워크(Wide-Area Network, WAN), 근거리 네트워크(Local-Area Network, LAN), 무선 네트워크, 와이-파이 네트워크, 디지털 가입자 회선(Digital Subscriber Line, DSL) 네트워크, 프레임 중계 네트워크(frame relay network), 비동기 전송 모드(Asynchronous Transfer Mode, ATM) 네트워크, 가상 사설 네트워크(Virtual Private Network, VPN), 피어-투-피어 연결(peer-to-peer connection), 등이 포함된다. 통신 링크들(104, 108, 및 112) 각각은 사용자 디바이스들(102), 데이터 소스들(110), 및 서버(120) 간의 데이터 통신을 위해 적절한 임의의 통신 링크들일 수 있으며, 이러한 통신 링크들은, 예를 들어, 네트워크 링크들, 다이얼-업 링크(dial-up link)들, 무선 링크들, 고정-배선 링크(hard-wired link)들, 임의의 다른 적절한 통신 링크들, 또는 이러한 링크들의 임의의 적절한 조합과 같은 것이 있다. 일부 구현예들에서, 복수의 서버들(120)은 복수의 데이터 소스들로부터의 기분 및/또는 행위 정보에 근거하여 서비스들을 개인화하기 위해 본 명세서에서 설명되는 메커니즘들과 관련된 상이한 메커니즘들에 대한 액세스를 제공하는데 사용될 수 있음에 유의해야 한다. 예를 들어, 시스템(100)은, 복수의 데이터 소스들로부터 사용자의 감정 상태를 표시하는 데이터를 선택하는 것을 용이하게 하는 데이터 선택 서버(120); 사용자를 사용자들의 그룹에 할당하기 위한 기본 프로파일을 발생시키는 것, 사용자의 할당된 그룹에 근거하여 그리고 사용자의 목적들 혹은 목표들에 근거하여 목표 프로파일을 결정하는 것, 사용자를 나타내는 현재 프로파일을 발생시키는 것, 그리고 현재 프로파일을 목표 프로파일과 비교하는 것을 행하는 프로파일 서버(120); 사용자의 감정 상태에 영향을 줄 가능성을 가질 수 있는 그리고/또는 사용자를 임의의 목적 혹은 목표를 향해 움직일 수 있는 하나 이상의 추천되는 동작들을 결정하는 추천 서버(120); 추천되는 동작(예를 들어, 특정 디바이스에 콘텐츠를 전송하는 것, 가정 자동화 시스템에 명령들을 전송하는 것, 등)이 실행되도록 하는 전달 서버(120); 그리고/또는 본 명세서에서 설명되는 메커니즘들의 임의의 적절한 기능들을 수행하기 위한 임의의 다른 적절한 서버들을 포함할 수 있다.

도 3은 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른 도 1에 도시된 사용자 디바이스들(102) 및 서버들(120) 중 하나 이상의 것을 구현하는데 사용될 수 있는 하드웨어의 예(300)를 보여준다. 도 3을 참조하면, 사용자 디바이스(102)는 하드웨어 프로세서(302), 디스플레이/입력 디바이스(304), 메모리(306), 및 송신기/수신기(308)를 포함할 수 있고, 이들은 상호연결될 수 있다. 일부 구현예들에서, 메모리(306)는 (하드웨어 프로세서(302)를 제어하기 위한 프로그램인) 사용자 디바이스 프로그램을 저장하기 위한 저장 디바이스(예컨대, 컴퓨터-판독가능 매체)를 포함할 수 있다.

하드웨어 프로세서(302)는 복수의 데이터 소스들을 사용하여 기분 및/또는 행위를 근거로 서비스들을 개인화하기 위해서 본 명세서에서 설명되는 메커니즘들을 실행하는 것 그리고/또는 이러한 메커니즘들과 상호작용하는 것(여기에는 (예를 들어, 목적 혹은 목표 정보를 입력하기 위한, 하나 이상의 데이터 소스들로부터의 데이터에 액세스하기 위한 승인을 제공하기 위한, 데이터 소스들을 선택하기 위한, 기타 등등을 하기 위한) 하나 이상의 추천 인터페이스들을 제시하는 것이 포함될 수 있고 그리고 추천되는 동작을 실행하는 것이 포함될 수 있음)을 행하기 위해 사용자 디바이스 프로그램을 사용할 수 있다. 일부 구현예들에서, 하드웨어 프로세서(302)는 예를 들어, 송신기, 수신기, 송신기/수신기, 송수신기, 및/또는 임의의 다른 적절한 통신 디바이스, 예컨대 송신기/수신기(308)와 같은 것을 사용하여 통신 링크(104) 혹은 임의의 다른 통신 링크들을 통해 데이터를 전송 및 수신할 수 있다. 디스플레이/입력 디바이스(304)는 터치스크린, 평판 디스플레이(flat panel display), 음극선관 디스플레이(cathode ray tube display), 영사기(projector), 스피커 혹은 스피커들, 그리고/또는 임의의 다른 적절한 디스플레이 및/또는 프리젠테이션 디바이스(presentation device)들을 포함할 수 있고, 그리고/또는 컴퓨터 키보드, 컴퓨터 마우스, 하나 이상의 물리적 버튼(button)들, 마이크로폰(microphone), 터치패드(touchpad), 음성 인식 회로(voice recognition circuit), 터치스크린의 터치 인터페이스, 카메라, 광학 모션 센서(optical motion sensor) 및/또는 가속도계와 같은 모션 센서, 온도 센서, 근접장 통신 센서(near field communication sensor), 생체 데이터 센서, 그리고/또는 임의의 다른 적절한 입력 디바이스를 포함할 수 있다. 송신기/수신기(308)는 다른 것들 중에서도 콘텐츠를 제시하기 위한 명령들, 현재 제어 수준에 관한 정보, 위치 정보에 대한 요청들, 등을 전송 및/또는 수신하기 위한 임의의 적절한 송신기 및/또는 수신기를 포함할 수 있고, 그리고 도 1에서 보여지는 네트워크(106)와 같은 하나 이상의 통신 네트워크들과 인터페이싱(interfacing)하기 위한 임의의 적절한 하드웨어, 펌웨어, 및/또는 소프트웨어를 포함할 수 있다. 예를 들어, 송신기/수신기(308)는, 네트워크 인터페이스 카드 회로, 무선 통신 회로, 및/또는 임의의 다른 적절한 타입의 통신 네트워크 회로; 하나 이상의 안테나들; 그리고/또는 신호들을 전송 및/또는 수신하기 위한 임의의 다른 적절한 하드웨어, 펌웨어 및/또는 소프트웨어를 포함할 수 있다.

서버(120)는 하드웨어 프로세서(312), 디스플레이/입력 디바이스(314), 메모리(316), 및 송신기/수신기(318)를 포함할 수 있고, 이들은 상호연결될 수 있다. 일부 구현예들에서, 메모리(316)는 (하드웨어 프로세서(312)를 제어하기 위한 프로그램인) 추천 프로그램을 저장하기 위한 저장 디바이스(예컨대, 컴퓨터-판독가능 매체)를 포함할 수 있다.

하드웨어 프로세서(312)는, 복수의 데이터 소스들로부터 컴퓨팅 디바이스의 사용자의 목적과 관련된 정보를 획득하는 것; 사용자 디바이스의 사용자를 위한 목적을 식별하는 것; 복수의 데이터 소스들로부터 사용자와 관련된 정보를 수신하는 것; 복수의 데이터 소스들 각각으로부터의 정보의 일부분이 그 식별된 목적을 갖는 사용자와 관련되어 있음을 결정하는 것; 식별된 목적, 그리고 복수의 데이터 소스들 각각으로부터의 정보의 일부분에 근거하여 복수의 그룹들로부터의 사용자들의 그룹에 사용자를 할당하는 것; 식별된 목적 및 할당된 그룹에 근거하여 사용자와 관련된 목표 프로파일을 결정하는 것; 복수의 데이터 소스들 각각으로부터의 정보의 일부분에 근거하여 사용자에 대한 현재 프로파일을 발생시키는 것; 추천되는 동작을 결정하기 위해 현재 프로파일을 목표 프로파일과 비교하는 것(여기서, 추천되는 동작은 사용자의 감정 상태에 영향을 줄 가능성을 갖는 것으로 결정된 것임); 추천되는 동작이 (예를 들어, 사용자가 소유하고 있는 디바이스 혹은 사용자에 근접하여 위치하는 디바이스 상에서) 실행되도록 하는 것; 컴퓨팅 디바이스에 연결된 하나 이상의 디바이스들을 결정하는 것(여기서, 하나 이상의 디바이스들 각각은 하나 이상의 디바이스 능력들을 가지고 있음); 그리고/또는 통신 링크(108)를 통해 데이터를 전송 및 수신하는 것을 행하기 위해서, 본 명세서에서 설명되는 메커니즘들을 실행하는 것 그리고/또는 이러한 메커니즘들과 상호작용하는 것을 행하기 위해 추천 프로그램을 사용할 수 있다. 일부 구현예들에서, 추천 프로그램은 하드웨어 프로세서(312)로 하여금 예를 들어, 도 4와 연계되어 아래에서 설명되는 바와 같은 프로세스(400) 중 적어도 일부분을 실행하도록 할 수 있다. 일부 구현예들에서, 하드웨어 프로세서(312)는 예를 들어, 송신기, 수신기, 송신기/수신기, 송수신기, 및/또는 임의의 다른 적절한 통신 디바이스, 예컨대 송신기/수신기(318)와 같은 것을 사용하여 통신 링크(114) 혹은 임의의 다른 통신 링크들을 통해 데이터를 전송 및 수신할 수 있다. 디스플레이/입력 디바이스(314)는 터치스크린, 평판 디스플레이, 음극선관 디스플레이, 영사기, 스피커 혹은 스피커들, 그리고/또는 임의의 다른 적절한 디스플레이 및/또는 프리젠테이션 디바이스들을 포함할 수 있고, 그리고/또는 컴퓨터 키보드, 컴퓨터 마우스, 하나 이상의 물리적 버튼들, 마이크로폰, 터치패드, 음성 인식 회로, 터치스크린의 터치 인터페이스, 카메라, 광학 모션 센서 및/또는 가속도계와 같은 모션 센서, 온도 센서, 근접장 통신 센서, 생체 데이터 센서, 그리고/또는 임의의 다른 적절한 입력 디바이스를 포함할 수 있다. 송신기/수신기(318)는 다른 것들 중에서도 제시될 콘텐츠, 디스플레이 디바이스(110)의 상태 정보에 대한 요청들, 콘텐츠에 대한 요청들, 위치 정보에 대한 요청들, 등을 전송 및/또는 수신하기 위한 임의의 적절한 송신기 및/또는 수신기를 포함할 수 있고, 그리고 도 1에서 보여지는 네트워크(106)와 같은 하나 이상의 통신 네트워크들과 인터페이싱하기 위한 임의의 적절한 하드웨어, 펌웨어, 및/또는 소프트웨어를 포함할 수 있다. 예를 들어, 송신기/수신기(318)는, 네트워크 인터페이스 카드 회로, 무선 통신 회로, 및/또는 임의의 다른 적절한 타입의 통신 네트워크 회로; 하나 이상의 안테나들; 그리고/또는 신호들을 전송 및/또는 수신하기 위한 임의의 다른 적절한 하드웨어, 펌웨어 및/또는 소프트웨어를 포함할 수 있다.

일부 구현예들에서, 서버(120)는 하나의 서버로 구현될 수 있거나, 혹은 임의의 적절한 개수의 서버들로서 분포될 수 있다. 예를 들어, 사용자 디바이스들(102) 및/또는 데이터 소스들(110)과 서버의 통신이 이루어질 수 있는 속도를 증가시키기 위해 그리고/또는 신뢰도를 증가시키기 위해 복수의 서버들(120)이 다양한 위치들에서 구현될 수 있다. 추가적으로 혹은 대안적으로, 도 1과 연계되어 앞에서 설명된 바와 같이, 복수의 서버들(120)은 본 명세서에서 설명되는 메커니즘들과 관련된 상이한 태스크(task)들을 수행하도록 구현될 수 있다.

도 4를 참조하면, 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 복수의 데이터 소스들로부터의 데이터를 사용하여 사용자 디바이스의 사용자의 신체 상태 혹은 감정 상태를 근거로 컴퓨터화된 서비스들을 개인화하기 위한 프로세스의 예시적인 사례(400)가 보여지고 있다.

프로세스(400)는 컴퓨터화된 서비스들을 개인화할 수 있다는 것, 그리고 여기서 복수의 데이터 소스들로부터의 데이터는 컴퓨터화된 서비스가 사용자 디바이스를 갖는 사용자의 신체 상태 혹은 감정 상태에 미치는 영향을 결정하기 위해 사용될 수 있음에 유의해야 한다. 사용자의 감정 상태는 복합적인 현상일 수 있다. 감정은 생리적 활동과 관련된 정신 상태일 수 있으며, 내적 혹은 외적 환경 조건들에 의해 영향을 받을 수 있다. 감정은 사용자의 성격, 기분, 기질, 성향, 및 의욕과 관련될 수 있다. 예를 들어, 감정 상태는 행복함, 만족함, 평온함, 놀람, 화남, 두려움, 슬픔, 우울함, 혐오함, 피곤함, 불안함, 급함, 등을 포함할 수 있다. 일부 예들에서, 감정 상태들은 크게 긍정적인 감정들과 부정적인 감정들로 분류될 수 있으며, 여기서 긍정적인 감정들은 행복함 및 만족함을 포함할 수 있고, 부정적인 감정들은 화남 및 우울함을 포함할 수 있다. 추가적으로, 내적 환경 조건의 예는 오래된 기억을 포함하고, 외적 자극들의 예는 다양한 환경적 인자들로 인한 스트레스 혹은 스트레스의 완화를 포함한다.

사용자의 신체 상태 혹은 감정 상태는 임의의 시점에서 사용자의 신체적 특성들 혹은 감정들의 전체적인 스냅샷 혹은 뷰인 것으로 고려될 수 있음에 또한 유의해야 한다. 복수의 인자들이 사용자의 신체 상태 혹은 감정 상태에 관련될 수 있기 때문에, 이러한 신체 상태 혹은 감정 상태는 짧은 기간에도 변동될 수 있다. 복수의 소스들로부터의 사용자 관련 데이터를 사용함으로써, 사용자의 신체 상태 혹은 감정 상태가 예측될 수 있고, 이것은 임의의 주어진 시간에 특정의 컴퓨터화된 동작을 추천할지 여부를 결정하는데 사용될 수 있다. 더욱이, 사용자의 신체 상태 혹은 감정 상태에 대한 변경들은 복수의 소스들로부터의 사용자 관련 새로운 혹은 업데이트된 데이터에 근거하여 예측될 수 있다. 또한, 사용자의 신체 상태 혹은 감정 상태에 대한 변경들은 사용자가 소유하고 있는 디바이스들 혹은 사용자에 근접하여 위치하는 디바이스들에 대한 추천되는 컴퓨터화된 동작들이 사용자를 특정 목표 혹은 목적을 향해 움직이고 있을 수 있는지 여부를 평가하는데 사용될 수 있다.

예시된 바와 같이, 프로세스(400)는 도면번호 410에서 특정 목적 혹은 목표와 관련된 사용자 입력을 수신함으로써 시작할 수 있다. 특정 목적 혹은 목표의 예시적 사례들은, 더 많은 운동을 하는 것(예를 들어, 일반적으로 현재 활동 수준을 증가시키는 것, 하루에 적어도 한 시간 동안 임의 형태의 운동을 하는 것, 등), 체중을 감량하는 것(예를 들어, 전체적으로 체중을 감량하는 것, 세 달 안에 10 파운드를 감량하는 것, 등), 더 많은 친구를 만드는 것, 특정 감정 상태를 달성하는 것(예를 들어, 더 생산적이라고 느끼는 것, 스트레스를 덜 받는다고 느끼는 것, 등) 등일 수 있다.

더 구체적인 예에서, 소셜 네트워킹 서비스로부터의 사용자 관련 소셜 데이터에 액세스하기 위해 사용자 디바이스의 사용자로부터의 승인을 수신하는 것에 응답하여, 프로세스(400)는 사용자의 하나 이상의 목적들을 결정하기 위해 소셜 네트워킹 서비스 상에서 사용자에 의해 발행된 소셜 미디어 포스트(social media post)들로부터 키워드들을 추출할 수 있다. 이러한 예에서, 소셜 네트워킹 서비스로부터의 사용자 관련 소셜 데이터가 수신될 수 있으며, 여기서 사용자 관련 소셜 데이터는 텍스트를 갖는 메시지들 혹은 포스트들, 이미지 콘텐츠, 비디오 콘텐츠 및/또는 오디오 콘텐츠, 사용자에 연결된 다른 사용자들에 의해 포스팅된 메시지들, 그리고 상황 정보, 예컨대 시간 정보, 위치 정보, 및 사용자 혹은 사용자에 연결된 사용자들의 공표된 기분 혹은 감정 상태를 포함할 수 있다.

또 하나의 다른 더 구체적인 예에서, 사용자와 관련된 컴퓨팅 디바이스 상에 추천 애플리케이션을 설치하는 것에 응답하여, 추천 애플리케이션은 사용자로 하여금 사용자 인터페이스로부터 임의의 목적을 선택하도록 촉구하는 추천 인터페이스를 컴퓨팅 디바이스 상에서 제시할 수 있다. 예를 들어, 추천 인터페이스는 추천 카드, 통지, 혹은 (사용자로 하여금 임의의 목적 혹은 목표를 표시하도록 촉구하는) 임의의 다른 적절한 사용자 인터페이스로서 제시될 수 있다. 컴퓨팅 디바이스 상에서 제시될 수 있는 추천 인터페이스의 예시적인 사례가 도 5에서 보여진다. 보여지는 바와 같이, 일부 구현예들에서, 모바일 디바이스(500)와 같은 사용자 디바이스(102)는 사용자로 하여금 "더 많은 운동을 하기" 혹은 "당신의 기분을 개선하기"와 같은 목적을 추천 인터페이스(510) 내에 입력하도록 촉구할 수 있다. 추천 인터페이스(510)에서의 제안된 목적들은 임의의 적절한 기준에 근거하여 제시될 수 있다(예를 들어, 디폴트 목적(default objective)들, 통속적 목적(popular objective)들, 사용자 디바이스에 입력된 최근 탐색들에 근거하여 선택된 목적들, 사용자 디바이스와 관련된 위치 정보에 근거하여 선택된 목적들, 사용자 디바이스의 사용자 등에 의해 승인된 데이터 소스들로부터 추론된 속성들에 근거하는 목적들). 또한 보여지는 바와 같이, 제안된 목적에 대한 근거(reason)(예컨대, "당신의 최근 탐색들에 근거함" 및 "당신의 최근 포스트들에 근거함"과 같은 것)가 제공될 수 있다. 추가적으로 혹은 대안적으로, 추천 인터페이스는 모바일 디바이스(500)의 사용자에게 사용자가 달성하기를 원하는 목적 혹은 목표와 관련된 키워드들을 제공하기 위한 탐색 필드(search field)를 제시할 수 있다.

다시 도 4를 참조하면, 도면번호 420에서, 추천 시스템은 결정된 목적에 근거하여 사용자 디바이스의 사용자를 위한 하나 이상의 목표들을 결정할 수 있다. 예를 들어, 목적이 체중을 감량하는 것이라고 결정하는 것에 응답하여, 추천 시스템은 체중을 감량하려는 목적과 관련된 목표들을 결정할 수 있다(예를 들어, 첫 번째 일주일 동안 제 1 활동 수준을 달성하고 두 번째 일주일 동안 제 2 활동 수준을 달성하는 것, 첫 번째 한 달에 걸쳐 평균 활동 수준을 달성하는 것, 매일 아침 특정 시간에 기상하는 것, 각각의 하루의 끝에서 임계량(threshold amount)의 휴식을 달성하는 것, 평일 특정 시간에 식사하는 것, 등). 본 명세서 아래에서 설명되는 바와 같이, 추천 시스템은 다양한 프로파일들을 발생시킬 수 있는데, 예를 들어, 사용자 디바이스들을 각각 갖는 유사한 사용자들의 프로파일들, 결정된 목적을 달생했다고 혹은 목표들 중 하나의 목표를 달성했다고 표시한 사용자 디바이스들을 갖는 사용자들의 프로파일들, 결정된 목적을 달성하는데 혹은 목표들 중 하나의 목표를 달성하는데 실패했다고 표시한 사용자 디바이스들을 갖는 사용자들의 프로파일들 등과 같은 것을 발생시킬 수 있다. 이러한 예에서, 추천 시스템은 임의의 목적과 관련된 목표들을 결정하기 위해(예를 들어, 어떤 목표들이 해당 사용자와 유사한 것으로 고려되는 사용자들에 의해 달성되었는지, 어떤 목표들이 특정 시간량 내에 달성되었는지, 등을 결정하기 위해) 이러한 프로파일들을 프로세싱할 수 있다. 더 구체적인 예에서, 추천 인터페이스(510)에서 제시된 목적들 중 하나를 선택하는 것에 응답하여, 추천 시스템은 그 선택된 목적과 관련된 복수의 목표들을 결정할 수 있고 프로파일 정보에 근거하여 이러한 목표들의 일부분을 선택할 수 있다.

일부 구현예들의 경우, 도면번호 430에서, 추천 시스템은 복수의 데이터 소스들로부터 사용자와 관련된 임의의 적절한 데이터를 수신할 수 있다. 예를 들어, 하나 이상의 데이터 소스들로부터, 추천 시스템은 사용자 디바이스들의 하나 이상의 사용자들이 관여한 활동들과 관련된 데이터를 수신 및/또는 요청할 수 있는데, 예를 들어, 위치결정 서비스들을 갖는 모바일 디바이스를 사용하여 획득되는 걸었다는 것 및 걸어간 거리를 수신 및/또는 요청할 수 있고, 소셜 서비스들을 갖는 모바일 디바이스를 사용하여 획득되는 커피 상점과 부합하는 위치를 방문했다는 것을 수신 및/또는 요청할 수 있고, 온라인 일정을 갖는 모바일 디바이스를 사용하여 획득되는 소셜 이벤트(예컨대, 회의, 파티, 스포츠 이벤트, 등)에 참석했다는 것을 수신 및/또는 요청할 수 있고, 온라인 일정 및/또는 소셜 서비스들을 갖는 모바일 디바이스를 사용하여 획득되는 체력단련 훈련 모임에 참석했다는 것을 수신 및/또는 요청할 수 있고, 기타 등등의 데이터를 수신 및/또는 요청할 수 있다. 또 하나의 다른 예로서, 하나 이상의 데이터 소스들로부터, 추천 시스템은 임의의 활동과 관련된 시간 정보(예를 들어, 해당 활동의 지속시간, 해당 활동에 대응하는 시간, 등)을 포함하는 데이터를 수신 및/또는 요청할 수 있다. 또 하나의 다른 예로서, 추천 시스템은, 임의의 주어진 기간(예를 들어, 일주일 중 임의의 하루, 이틀, 평일, 주말, 등) 동안 하나 이상의 사용자들이 관여한 활동의 발생 수, 임의의 주어진 활동에 관여한 사용자들의 수, 그리고/또는 임의의 주어진 활동에 관한 빈도 정보와 관련된 임의의 다른 적절한 정보를 포함하는 데이터를 수신 및/또는 요청할 수 있다.

일부 구현예들에서, 추천 시스템은 소셜 네트워킹 서비스 상에서 사용자에 의해 발행되는 콘텐츠 및/또는 정보와 관련된 데이터를 수신 및/또는 요청할 수 있다. 예를 들어, 이러한 데이터는 임의의 서비스(예를 들어, 소셜 네트워킹 서비스, 메시징 서비스, 비디오 공유 서비스, 사진 공유 서비스, 전자 상거래 서비스, 등) 상에서 사용자에 의해 발행된 하나 이상의 기분 상태들을 포함할 수 있다. 또 하나의 다른 예로서, 이러한 데이터는 소셜 네트워킹 서비스 상에서 사용자에 의해 발행된 견해들, 메시지들, 포스트들, 위치들, 및/또는 임의의 다른 적절한 콘텐츠를 포함할 수 있다. 또 하나의 다른 예로서, 이러한 데이터는, 소셜 네트워킹 서비스 상에서의 사용자의 하나 이상의 소셜 연결들, 이러한 소셜 연결들에 의해 포스팅된 콘텐츠, 이러한 소셜 연결들과 관련된 위치들, 등에 관한 임의의 적절한 정보를 포함할 수 있다.

일부 구현예들에서, 추천 시스템은 하나 이상의 미디어 콘텐츠 아이템들과의 사용자 상호작용들에 관한 데이터를 수신 및/또는 요청할 수 있다. 예를 들어, 이러한 데이터는 사용자와 상호작용한 미디어 콘텐츠 아이템과 관련된 임의의 적절한 정보를 포함할 수 있다. 더 구체적인 예에서, 이러한 데이터는, 미디어 콘텐츠 아이템의 타입, 미디어 콘텐츠 아이템의 설명, 미디어 콘텐츠 아이템에 대한 링크(예를 들어, URL), 미디어 콘텐츠 아이템을 식별시킬 수 있는 식별자(예를 들어, URI, 프로그램 식별자, 등), 미디어 콘텐츠 아이템의 저자, 미디어 콘텐츠 아이템과 관련된 예술가, 등을 포함할 수 있다. 또 하나의 다른 예로서, 이러한 데이터는 사용자 디바이스 상에서 미디어 콘텐츠 아이템과의 사용자 상호작용의 타입에 대한 임의의 적절한 정보를 포함할 수 있는데, 이 경우 사용자 디바이스 상에서 미디어 콘텐츠 아이템과의 사용자 상호작용의 타입은 예를 들어, 미디어 콘텐츠 아이템을 소비하는 것, 소셜 네트워킹 서비스 혹은 임의의 다른 적절한 서비스를 통해 미디어 콘텐츠 아이템을 발행하는 것, 다른 사용자들과 미디어 콘텐츠 아이템을 공유하는 것, 소셜 네트워킹 서비스 혹은 임의의 다른 적절한 서비스를 통해 미디어 콘텐츠 아이템을 좋아하는 것, 미디어 콘텐츠 아이템에 관한 견해를 밝히는 것, 등과 같은 것이다. 또 하나의 다른 예로서, 이러한 데이터는, 사용자 디바이스 상에서 미디어 콘텐츠 아이템과의 사용자 상호작용에 관한 임의의 적절한 시간 정보를 포함할 수 있고, 여기서 시간 정보는 예를 들어, 사용자 상호작용의 지속시간, 사용자 상호작용에 대응하는 시간, 등과 같은 것이다.

일부 구현예들에서, 추천 시스템은 사용자 디바이스의 사용자와 관련된 생체 데이터를 수신 및/또는 요청할 수 있다. 예를 들어, 임의의 센서를 포함하는 데이터 소스로부터의 생체 데이터에 액세스하기 위한 승인을 수신하는 것에 응답하여, 생체 데이터는 심장 박동수, 호흡 수, 혈압, 체온, 피부 수분 등과 같은 사용자와 관련된 임의의 적절한 생리적 파라미터를 포함할 수 있다. 또 하나의 다른 예로서, 생체 데이터는 심장 박동수 범위, 혈압 범위, 등과 같은 생리적 파라미터들의 범위를 포함할 수 있다.

일부 구현예들에서, 추천 시스템은 사용자 디바이스의 사용자와 관련된 위치 데이터를 수신 및/또는 요청할 수 있다. 예를 들어, 위치 정보에 액세스하기 위한 승인을 수신하는 것에 응답하여, 위치 데이터는 사용자와 관련된 컴퓨팅 디바이스의 위치를 추정하는데 사용될 수 있는 임의의 적절한 정보를 포함할 수 있고, 이러한 정보는 예컨대, 컴퓨팅 디바이스와 관련된 식별자(예를 들어, IP 어드레스, 디바이스 식별자, 미디어 액세스 제어(Media Address Control, MAC) 어드레스, 일련 번호, 제품 식별자, 등), 컴퓨팅 디바이스에 의해 발생된 GPS 신호들, 컴퓨팅 디바이스와 관련된 와이-파이 액세스 포인트들, 컴퓨팅 디바이스가 연결되어 있는 기지국에 대한 정보, 등과 같은 것이다. 또 하나의 다른 예로서, 위치 데이터는 사용자의 위치를 추정하는데 사용될 수 있는 임의의 적절한 정보를 포함할 수 있고, 이러한 정보는 예컨대, 적절한 서비스(예를 들어, 소셜 네트워킹 서비스)를 사용하여 사용자에 의해 발행된 위치, 사용자가 방문하려고 의도한 위치(예를 들어, 모바일 디바이스 상에서 실행되는 일정 애플리케이션, 사용자와 관련된 소셜 네트워크 계정, 등을 사용하여 스케줄링된 소셜 이벤트와 관련된 위치), 등과 같은 것이다.

일부 구현예들에서, 추천 시스템은 도 6에서 보여지는 추천 인터페이스와 같은 그러한 추천 인터페이스를 제시할 수 있으며, 여기서 모바일 디바이스(500)의 사용자는 데이터 소스들을 선택하도록 촉구받는다. 예를 들어, 모바일 디바이스(500) 상에서 실행되는 추천 시스템에 의해 다양한 데이터 소스들이 검출될 수 있고, 이러한 다양한 데이터 소스들을 검출하는 것에 응답하여, 사용자는 사용자와 관련된 데이터를 획득하기 위해 어떤 데이터 소스들을 선택할지를 촉구받을 수 있다. 도 6에서 보여지는 바와 같이, 추천 인터페이스는 모바일 디바이스(500)의 사용자로 하여금 추천 애플리케이션에 대해 이용가능한 다양한 데이터 소스들로부터 선택을 행하도록 촉구하고, 여기서 사용자는 모바일 디바이스(500)로부터의 위치 데이터와, 그리고 모바일 디바이스(500)를 사용하여 승인된 서비스들로부터의 소셜 데이터에 액세스하기 위한 허락을 표시했다. 더 구체적인 예에서, 추천 시스템은 사용자로 하여금 특정 데이터 소스들에 액세스하기 위한 승인을 제공하도록 촉구할 수 있고, 그리고 어떤 데이터 소스들이 목표 혹은 목적의 달성을 향해 관련된 데이터를 포함할 수 있는지를 선택하도록 촉구할 수 있다. 이러한 예에서, 추천 시스템은 사용자 디바이스의 사용자로 하여금 특정 데이터 소스에 액세스하기 위한 (사용자명칭 및 패스워드와 같은) 증명서(credential)들을 제공하도록 촉구하는 인터페이스를 제공할 수 있다.

일부 구현예들에서, 추천 시스템은 사용자를 획득하기 위한 하나 이상의 데이터 소스들을 선택하는 것에 응답하여 (예를 들어, 추천 인터페이스(610)를 사용하여) 사용자로 하여금 추가적인 정보를 제공하도록 촉구할 수 있다. 예를 들어, 추천 시스템은, 사용자에 대한 기본 프로파일을 발생시키기 위해, 기본 프로파일의 특정 부분들은 선택된 데이터 소스들로부터 획득된 데이터를 사용하여 도출 혹은 충족될 수 있음 그리고 기본 프로파일의 다른 부분들은 불충분한 상태에 있음이라고 결정할 수 있다. 이에 응답하여, 추천 시스템은 사용자로 하여금 이러한 정보를 제공하도록 촉구하는 인터페이스를 발생시킬 수 있다(예를 들어, 만약 목표가 "체중을 감량하는 것"이라면, 이러한 인터페이스는 모바일 디바이스(500)의 사용자로 하여금 신장 값(height value) 및 체중 값(weight value)을 입력하도록 촉구할 수 있다.

도 4를 다시 참조하면, 도면번호 440에서, 추천 시스템은, 목적들 혹은 결정된 목표들에 근거하여, 복수의 데이터 소스들로부터 수신된 데이터의 일부분들을 선택할 수 있다. 예를 들어, 추천 시스템은 복수의 데이터 소스들로부터의 데이터를 (예를 들어, 하나 이상의 애플리케이션 프로그래밍 인터페이스들을 사용하여) 수신할 수 있고, 그 수신된 데이터가 데이터의 다양한 범주들로 분류될 것을 결정할 수 있다. 이러한 범주들은 예를 들어, 일반적인 데이터, 상황 데이터, 소셜 데이터, 및 개인적 데이터를 포함할 수 있다. 일반적인 데이터의 예들은, 사용자에 의해 사용된 하나 이상의 서비스들(예를 들어, 소셜 네트워킹 서비스, 이메일 서비스, 메시징 서비스, 비디오 공유 서비스, 등)에 대한 정보, 사용자와 관련된 탐색 이력(예를 들어, 사용자에 의해 입력된 키워드들), 등을 포함할 수 있다. 상황 데이터의 예들은, 사용자 디바이스(102)의 위치에 대한 정보, 교통 정보, 사용자 디바이스(102)로부터의 위치 정보에 근거하는 날씨 정보(예를 들어, "화창함", "쌀쌀함" 등), 임의의 주어진 위치 내의 인구 밀도 정보, 데이터 소스(110)에 의해 제공되는 데이터와 관련된 위치 상황(예를 들어, "근무", "집", "휴가" 등), 사용자 디바이스에 가까이 위치하거나 혹은 사용자 디바이스에 연결된 디바이스들에 관한 정보, 그리고/또는 사용자와 관련된 상황 정보를 제공할 수 있는 임의의 다른 적절한 정보를 포함할 수 있다. 소셜 데이터의 예들은, 복수의 사용자들과 연관된 소셜 이벤트들에 관한 정보(예를 들어, 소셜 네트워킹 서비스, 일정 애플리케이션, 등을 사용하여 스케줄링된 회의), 임의의 서비스(예를 들어, 소셜 네트워킹 서비스, 비디오 공유 서비스, 사진 공유 서비스, 등)를 사용하여 하나 이상의 사용자들에 의해 발행된 콘텐츠 및/또는 정보, 사용자의 하나 이상의 소셜 연결들에 대한 정보, 그리고/또는 소셜 데이터로서 분류될 수 있는 임의의 다른 적절한 정보를 포함할 수 있다. 개인적 데이터의 예들은, 사용자의 개인적 관심사들(예를 들어, 소셜 네트워킹 서비스 상에서 이용가능한 것으로 사용자에 의해 기재된 관심사, 사용자가 소비한 그리고/또는 좋아하는 미디어 콘텐츠, 등), 사용자에 의해 발생된 하나 이상의 발언들, 그리고/또는 개인적인 것으로 간주될 수 있는 임의의 다른 적절한 정보를 포함할 수 있다.

일부 구현예들에서, 추천 시스템은 데이터의 각각의 범주에 대한 데이터 스트림을 생성할 수 있다. 예를 들어, 복수의 서비스들로부터의 특정 데이터를 소셜 데이터인 것으로서 범주화하는 것에 응답하여, 추천 시스템은 이러한 데이터가 수신됨에 따라 소셜 데이터를 모을 수 있고 그리고 복수의 소스들로부터의 타임스탬핑된 소셜 데이터(timestamped social data)를 포함하는 소셜 데이터 스트림을 생성할 수 있다. 대안적으로, 특정 데이터 소스에 액세스하기 위한 승인을 사용자로부터 수신하는 것에 응답하여, 추천 시스템은 해당 소스로부터 수신된 데이터를 범주화할 수 있고 데이터를 그 데이터 소스와 관련된 데이터 스트림 내에 배치할 수 있는데, 예컨대, 특정 소셜 소스로부터의 타임스탬핑된 소셜 데이터의 소셜 데이터 스트림 내에 배치할 수 있다. 예를 들어, 도 7에서 보여지는 바와 같이, 복수의 데이터 소스들로부터의 복수의 데이터 스트림들이 획득될 수 있는데, 예를 들어, 일반적인 데이터(G5 및 G13), 개인적 데이터(P1 및 P42), 소셜 데이터(S9 및 S25), 및 상황 데이터(C33 및 C57)가 획득될 수 있다.

일부 구현예들에서, 추천 시스템은 데이터의 특정 부분들을 선택할 수 있는데, 이러한 선택은 데이터의 어떤 범주들을 분석할 것인지 그리고 예를 들어, 사용자의 신체 상태 혹은 감정 상태에 영향을 미칠 수 있는 추천 동작을 결정하는데 데이터의 어떤 분분들이 사용될 것인지를 결정함으로써 이루어질 수 있다. 사용자 디바이스의 사용자에 대한 도면번호 410에서 목적을 결정하는 것 혹은 도면번호 420에서 목표를 결정하는 것에 응답하여, 추천 시스템은 해당 목적 혹은 목표와 관련된 데이터를 포함할 수 있는 데이터의 특정 범주들을 선택할 수 있다. 예를 들어, 추천 시스템은 소셜 데이터 및 상황 데이터가 체중을 감량하려는 목적과 관련될 가능성이 있다고 결정할 수 있다. 도면번호 430에서 복수의 데이터 소스들로부터의 사용자 관련 데이터를 분석하는 것에 응답하여, 추천 시스템은 특정 데이터 소스들로부터의 데이터의 특정 범주들을 선택할 수 있고, 그리고 사용자의 신체 상태 혹은 감정 상태를 표시하는 혹은 나타내는 데이터의 특정 시간 부분들을 선택할 수 있다. 예를 들어, 추천 시스템은, 복수의 데이터 소스들로부터의 사용자 관련 데이터를 수신하기 위한 승인을 사용자 디바이스의 사용자로부터 수신하는 것에 응답하여, 평일 오전 9시에서 오후 5시 동안 사용자 디바이스는 소셜 데이터 소스들 상에서 통상적으로 사용되지 않음, 그리고 사용자 디바이스 및 사용자 디바이스에 연결된 디바이스들로부터의 상황 데이터가 사용자의 감정 상태를 나타낼 가능성이 있음을 결정할 수 있다. 수신된 데이터 및/또는 결정된 목적들 및 목표들을 사용하여 추천 시스템은 상이한 결정들을 행하기 위한 데이터의 상이한 서브세트(subset)들을 선택할 수 있음에 유의해야 하며, 여기서 상이한 서브세트들은 예를 들어, 특정 동작을 추천하기 위한 데이터의 서브세트, 하루 중 특정 시간 동안 사용자의 감정 상태를 표시하는 데이터의 서브세트, 보통의 하루 동안 사용자의 감정 상태를 표시하는 데이터의 서브세트, 임의의 주어진 하루에 사용자의 활동들을 나타내는 데이터의 서브세트, 등이다.

일부 구현예들에서, 각각의 목적 혹은 목표는 관련된 데이터 탬플릿(data template)을 가질 수 있는데, 이러한 데이터 탬플릿은 사용자와 관련된 그리고 해당 목적 혹은 목표와 관련된 데이터를 검색하기 위한 것이다. 예를 들어, 도면번호 410에서 목적을 결정하는 것 혹은 도면번호 420에서 목표를 결정하는 것에 응답하여, 추천 시스템은 관련된 데이터 탬플릿을 검색할 수 있고, 여기서 데이터 탬플릿은 특정 데이터 필드들을 포함하는데, 예컨대, 특정 소셜-관련 데이터 필드들(예를 들어, 소셜 포스트들로부터 추출된 키워드들 및 관련된 시간), 상황-관련 데이터 필드들(예를 들어, 각각의 소셜 포스트의 시간들에 대응하는 사용자와 관련된 복수의 디바이스들로부터의 위치 정보), 그리고 일반적인 데이터 필드들(예를 들어, 사용자 디바이스가 설치한 애플리케이션들의 타입, 그리고 사용자 디바이스에 가까이 있는 디바이스들의 디바이스 프로파일들)을 포함한다. 앞에서 설명된 바와 같이, 특정 데이터 필드들에 대한 정보가 데이터 소스들로부터의 데이터를 사용하여 도출될 수 없거나 혹은 충분하지 않을 수 있다고 결정함에 응답하여, 추천 시스템은 사용자로 하여금 이러한 누락된 데이터를 입력하도록 촉구할 수 있다(예를 들어, 사용자로 하여금 데이터를 입력하도록 촉구하는 그리고/또는 사용자에 대해 행해진 추론들(inferences)의 정확도를 입력하도록 촉구하는 사용자 인터페이스를 발생시킴으로써 촉구할 수 있음).

비록 추천 시스템이 데이터의 특정 서브세트들에 근거하여 결정을 행할 수 있고 데이터의 특정 부분들을 요청하는 데이터 탬플릿들을 검색할 수 있어도, 사용자 디바이스(102)와 같은 사용자 디바이스의 사용자는 어떤 데이터 소스들(예를 들어, 특정 소셜 네트워킹 서비스, 특정 모바일 디바이스, 등)이 사용되는지 그리고 데이터의 어떤 타입들(예를 들어, 특정 소셜 네트워킹 서비스로부터의 소셜 정보(개인 정보를 포함하는 것으로 결정된 데이터는 제외), 소셜 네트워킹 서비스로부터의 소셜 포스트 정보(소셜 메시징 서비스로부터의 관계 정보는 제외), 등)이 추천 시스템에 의해 사용되는지를 설정하기 위한 제어부(control)들을 제공받을 수 있음에 유의해야 한다. 예를 들어, 사용자는 특정 목표 혹은 목적을 위한 사용자 관련 데이터를 포함할 수 있는 특정 데이터 소스로부터 특정 타입의 데이터를 선택할 기회를 제공받을 수 있다.

일부 구현예들의 경우, 도면번호 450에서, 복수의 데이터 소스들로부터의 데이터의 선택된 부분들을 사용하여, 추천 시스템은 사용자에 대한 기본 프로파일을 결정할 수 있다. 예를 들어, 추천 시스템은 데이터의 선택된 부분들을 프로세싱할 수 있고, 그리고 각각의 목적 혹은 목표와 관련된 하나 이상의 기본 프로파일들을 발생시킬 수 있다. 더 구체적인 예에서, 임의의 목표와 관련된 기본 사용자 프로파일은 사용자의 신체 상태 혹은 감정 상태(예를 들어, "행복함", "불행함", 등)에 관한 임의의 적절한 정보, 그리고 하나 이상의 사용자 행위들 혹은 습관들(예를 들어, 통근(commuting), 점심 휴식, 주간 모임들, 운동 그룹들, 등)에 대한 정보를 포함할 수 있다. 또 하나의 다른 더 구체적인 예에서, 기본 사용자 프로파일은 심장 박동수 정보, 온도 정보, 전기 피부 반응 정보(galvanic skin response information), 위치 정보, 및 소셜 포스트 정보를 사용할 수 있고, 이러한 정보를 감정 상태와 매칭(matching)시킬 수 있고, 그리고 임의의 주어진 기간, 하루, 일주일, 임의의 계절 등에 걸쳐 감정 상태에 대한 기본 패턴(baseline pattern)들을 확립할 수 있다.

일부 구현예들에서, 복수의 데이터 소스들로부터의 데이터의 선택된 부분들을 사용하여, 추천 시스템은 사용자에 대한 전체 기본 프로파일을 결정할 수 있는데, 이러한 전체 기본 프로파일은 복수의 서브-프로파일(sub-profile)들을 포함하고, 여기서 서브-프로파일들은, 예를 들어, 사용자의 현재 감정 상태를 예측하기 위한 데이터를 사용하는 서브-프로파일, 사용자의 통상적인 활동 수준을 기술하는 서브-프로파일, 하루 중 특정 시간에 사용자의 통상적인 행위들을 기술하는 서브-프로파일, 등이다. 사용자의 전체 기본 프로파일을 생성하기 위해 임의의 적절한 개수의 서브-프로파일들이 발생될 수 있다. 일부 구현예들에서, 추천 시스템은 사용자의 전체 기본 프로파일을 형성하는 서브-프로파일들 각각에 대해 데이터의 상이한 서브세트들을 사용할 수 있음에 또한 유의해야 한다.

일부 구현예들의 경우, 도면번호 450에서, 추천 시스템은 기본 프로파일에 근거하여 사용자를 사용자들의 그룹에 할당할 수 있다. 예를 들어, 추천 시스템은 목적 혹은 목표를 달성했던 사용자들의 그룹, 그리고 해당 그룹 내의 사용자들과 관련된 하나 이상의 행위들, 그리고/또는 해당 그룹 내의 사용자들에 의해 수행된 동작들을 식별할 수 있다. 또 하나의 다른 예에서, 추천 시스템은 목적 혹은 목표를 달성하는 데 실패했던 사용자들의 그룹, 그리고 해당 그룹 내의 사용자들과 관련된 하나 이상의 사용자 행위들, 그리고/또는 해당 그룹 내의 사용자들에 의해 수행된 동작들을 식별할 수 있다. 그 다음에 추천 시스템은 특정 행위들 및/또는 동작들을 사용자를 위한 목표와 상관(correlate)시킬 수 있다.

일부 구현예들에서, 추천 시스템은 유사한 프로파일들을 식별하고 군집화(cluster)하기 위해 머신 학습 기법들을 사용할 수 있다. 예를 들어, 추천 시스템은 어떤 그룹 프로파일이 사용자와 관련된 기본 프로파일과 가장 유사한지를 결정하기 위해 머신 학습 기법들을 사용할 수 있고, 그리고 이에 응답하여 그 그룹 프로파일과 관련된 그룹 내에 사용자를 배치할 수 있다. 또 하나의 다른 예에서, 추천 시스템은 어떤 그룹 프로파일이 사용자 디바이스의 사용자와 유사한 사용자 디바이스들을 갖는 사용자들을 포함하는지 그리고 동일한 목적을 달성하는데 관심이 있는 사용자들을 포함하는지를 결정하기 위해 머신 학습 기법들을 사용할 수 있다. 또 하나의 다른 예에서, 추천 시스템은 어떤 그룹 프로파일이 사용자의 전체 기본 프로파일을 형성하는 서브-프로파일들에 공통인 특징들을 포함하는 서브-프로파일들을 갖는지를 결정하기 위해 머신 학습 기법들을 사용할 수 있다. 지지도 벡터 머신, 의사결정 트리, 베이지안 모델, 등과 같은 임의의 적절한 머신 학습 기법이 사용될 수 있음에 유의해야 한다.

일부 구현예들에서, 유사한 사용자들을 함께 그룹화하기 위해 다른 정보가 사용될 수 있음에 유의해야 한다. 예를 들어, 사용자들의 그룹은 특정 사용자와 동일한 도시에 있는 사용자들과 같이 유사한 지리적 근접범위 내에 있는 사용자 디바이스들을 갖는 사용자들을 포함할 수 있다. 또 하나의 다른 예로서, 사용자들의 그룹은 하나 이상의 소셜 네트워킹 서비스들 상에서 서로 연결되어 있는 사용자들을 포함할 수 있다.

일부 구현예들에서, 프로세스(400)는 도면번호 420으로 되돌아 갈 수 있고, 여기서 추천 시스템은 사용자들의 할당된 그룹에 근거하여 특정 목적을 달성하기 위한 하나 이상의 목표들을 결정할 수 있다. 예를 들어, 특정 목적을 위해, 추천 시스템은 그 목적에 도달하고자 하는 욕구를 표시했던 유사한 사용자들의 할당된 그룹과 관련된 하나 이상의 목표들을 검색할 수 있다. 또 하나의 다른 예에서, 특정 목적을 위해, 추천 시스템은 목적과 관련된 목표들의 순위(rank)를 정할 수 있는데, 이러한 순위를 정하는 것은 어떤 목표들이 사용자가 해당 목적에 도달하는 데 있어 사용자를 보조했는지에 관한 사용자들의 그룹 내의 사용자들로부터의 입력들에 근거하고 있다. 그 다음에 추천 시스템은 사용자가 해당 목적에 도달하는 데 있어 사용자를 보조할 수 있는 사용자를 위한 목표들의 적어도 일부분을 선택할 수 있다. 선택된 목표들은 그 다음에 도 8에서 보여지는 추천 인터페이스(800)와 같은 추천 인터페이스 내에서 사용자에게 제시될 수 있다. 이러한 예에서, 추천 시스템은 모바일 디바이스(500)의 사용자에게 추가적인 목표들을 제거 및/또는 추가할 기회를 제공할 수 있다.

일부 구현예들에서, 추천 시스템은 다른 결정들을 위해 도면번호 450에서 발생된 기본 프로파일을 사용할 수 있다. 예를 들어, 추천 시스템은 복수의 데이터 소스들로부터의 사용자 관련 업데이트된 데이터를 포함하는 현재 프로파일이 이전에 발생된 기본 프로파일로부터 벗어나 편차를 갖는지 여부를 결정할 수 있다. 기본 프로파일과 현재 프로파일 간의 편차는 예를 들어, 특정 활동들의 빈도(예를 들어, 운동 빈도)의 비교, 그리고 특정 행위들에 관한 시간 정보(예를 들어, 사용자가 매일 기상하는 시간)의 비교를 포함할 수 있다. 이러한 편차는 해당 데이터 혹은 해당 데이터에 근거하는 그러한 결정들이 사용자의 감정 상태를 표시하지 않을 수 있음을 나타낼 수 있다(예를 들어, 직업 변경에 응답하여 사용자로부터 스트레스 반응이 검출될 수 있음). 이러한 편차는 또한, 추천 시스템이 (예를 들어, 사용자가 목표 혹은 목적을 향해 진행해 나감에 따라, 사용자의 행위들이 시간 경과에 따라 변경됨에 따라, 기타 등등에 따라) 기본 프로파일을 업데이트할 것, 그리고/또는 사용자의 또 하나의 다른 그룹에 대한 사용자의 할당을 업데이트할 것을 표시할 수 있다. 또 하나의 다른 예에서, 이러한 편차는 추천 시스템이 사용자를 다시 기본 프로파일로 복귀시킬 수 있는 동작들을 추천할 것을 표시할 수 있다.

더 구체적인 예에서, 추천 시스템에 의해 발생된 기본 프로파일은, 사용자와 관련된 행위들 및/또는 활동들(예를 들어, 고전 음악을 소비하는 것, 체력단련 모임에 참석하는 것, 등), 해당 행위들 및/또는 활동들 각각과 관련된 시간 정보(예를 들어, 고전 음악을 듣는데 소비된 시간), 임의의 주어진 기간에 걸친 특정 행위 및/또는 활동의 빈도(예를 들어, 사용자 디바이스를 사용하는 사용자가 일주일 동안 고전 음악을 들었던 횟수), 행위들 및/또는 활동들과 관련된 임계값들(예를 들어, 사용자가 고전 음악을 일주일에 적어도 세 번 각 세션(session)에 대해 적어도 삼십 분 동안 듣는 경향이 있는 것) 등을 포함할 수 있다.

또 하나의 다른 더 구체적인 예에서, 추천 시스템에 의해 발생된 기본 프로파일은 사용자 관련 데이터의 임의의 적절한 표현을 포함할 수 있다. 예를 들어, 생체 데이터의 특정 부분을 수신하는 것에 응답하여, 추천 시스템은 사무실에 있는 동안의 사용자에 대한 평균 심장 박동수, 평일에 소비된 평균 열량 수, 그리고 사용자에 대한 보통의 하루 동안의 활동 곡선을 결정할 수 있다.

복수의 기본 프로파일들이 발생될 수 있고 사용자 디바이스의 사용자와 관련될 수 있음에 또한 유의해야 한다. 예를 들어, 추천 시스템은, 임의의 목표(예를 들어, 매일 적어도 30분의 운동을 하기)와 관련된 데이터의 제 1 서브세트를 사용하여 기본 프로파일을 발생시킬 수 있고, 그리고 또 하나의 다른 목표(예를 들어, 특정 시간량보다 적은 시간 동안 이메일 애플리케이션을 사용하기)와 관련된 데이터의 제 2 서브세트를 사용하여 또 하나의 다른 기본 프로파일을 발생시킬 수 있다. 또 하나의 다른 예에서, 추천 시스템은 특정 상황(예컨대, "근무" 상황)에서 기본 프로파일을 발생시킬 수 있고, 또 하나의 다른 상황(예컨대, "휴가" 상황)에서 또 하나의 다른 기본 프로파일을 발생시킬 수 있다.

일부 구현예들의 경우, 도면번호 470에서, 추천 시스템은 할당된 그룹, 목표들 및/또는 목적에 근거하여 목표 프로파일을 발생시킬 수 있다. 예를 들어, 특정 목적을 위해, 추천 시스템은 사용자가 임의의 목표 혹은 임의의 목적을 충족시켰음이 결정되었던 사용자들의 사용자 프로파일들을 식별 및 군집화할 수 있다. 또 하나의 다른 예에서, 추천 시스템은 (예를 들어, 사용자들이 특정 목표 혹은 목적을 충족시키는 데 있어 어떤 동작들이 사용자들을 보조하고 있지 않을 수 있는 지를 결정하기 위해) 사용자가 임의의 목표 혹은 임의의 목적을 충족시키지 못했음이 결정되었던 사용자들의 사용자 프로파일들을 식별 및 군집화할 수 있다. 또 하나의 다른 예에서, 추천 시스템은 사용자들이 임의의 기재된 목적 혹은 목표를 달성하는 데 있어 추천 시스템이 이전에 사용자들을 보조했던 사용자들의 사용자 프로파일들을 식별 및 군집화할 수 있다.

더 구체적인 예에서, 추천 시스템은, 특정 목표 혹은 목적을 달성하기 위한 목표 프로파일을, 그 특정 목표 혹은 목적을 충족시켰던 사용자들에 관한 정보, 그리고 그 특정 목표 혹은 목적을 충족시키지 못했던 사용자들에 관한 정보를 포함하는 프로파일을 사용하여 발생시킬 수 있다. 이러한 예에서, 추천 시스템은 사용자가 특정 목표 혹은 목적을 달성하는 데 있어 사용자를 보조할 수 있는 동작들, 임계값들, 및 다른 정보(예를 들어, 한 달에 10 파운드를 감량하려는 목적을 달성한 것으로 결정되었던 사용자들은 또한 매일 적어도 1 마일을 걸었고, 아침 오전 6시까지 기상했고, 저녁에 고전 음악을 들었고, 그리고 특정 시간에 식사를 했음)를 결정할 수 있다. 예를 들어, 특정 목표 혹은 목적의 달성을 표시했던 사용자들 간의 공통 특징들을 결정함으로써, 추천 시스템은 동작들을 사용자에게 추천하는데 사용될 수 있는 목표 프로파일을 발생시킬 수 있다. 이러한 동작들은, 만약 수행된다면, 사용자의 현재 프로파일이 목표 프로파일을 향해 이동하도록 사용자의 현재 프로파일에 영향을 미칠 수 있다.

다시 도 4를 참조하면, 일부 구현예들의 경우, 도면번호 480에서, 추천 시스템은 복수의 데이터 소스들로부터의 업데이트된 데이터에 근거하여 사용자에 대한 현재 프로파일을 발생시킬 수 있다. 사용자와 관련된 현재 프로파일과 기본 프로파일은 복수의 데이터 소스들로부터의 업데이트된 데이터를 사용하여 발생될 수 있는 동적 프로파일들일 수 있음에 유의해야 한다. 예를 들어, 특정 기간(예를 들어, 1분, 하루, 등)이 경과되었다고 결정하는 것에 응답하여, 추천 시스템은 복수의 데이터 소스들로부터의 업데이트된 데이터를 수신 및/또는 요청할 수 있고 사용자에 대한 현재 프로파일을 발생시킬 수 있다. 대안적으로, 추천 시스템은 기본 프로파일을 계속 사용할 수 있다.

일부 구현예들의 경우, 도면번호 490에서, 추천 시스템은 추천되는 동작을 결정하기 위해 현재 프로파일을 목표 프로파일과 비교할 수 있다. 이것은 예를 들어, 사용자의 신체 상태 혹은 감정 상태에 영향을 줄 수 있다. 목적 혹은 목표 그리고 프로파일 정보에 근거하여, 추천 시스템은 컴퓨터화된 어떤 동작이 사용자 디바이스, 사용자가 소유하는 디바이스, 혹은 사용자 디바이스에 근접하여 있는 디바이스에서 실행될 것인지를 결정할 수 있다.

일부 구현예들에서, 추천 시스템은 다양한 시간에 사용자 디바이스의 사용자에게 추천되는 복수의 컴퓨터화된 동작들을 결정할 수 있다. 예를 들어, 추천 시스템은 사용자가 사용자의 근무일의 진행 동안 더 많은 운동을 하려는 특정 목적을 갖는다고 결정할 수 있다. 소셜 네트워킹 서비스로부터의 소셜 네트워킹 데이터, 사용자와 관련된 모바일 디바이스로부터의 위치 데이터, 및 사용자와 관련된 온라인 일정으로부터의 일정 데이터에 액세스하기 위한 승인을 사용자 디바이스의 사용자로부터 수신함에 응답하여, 추천 시스템은 소셜 데이터로부터 사용자가 현재 상대적으로 기력이 저하됨을 느끼고 있다고 결정할 수 있고, 그리고 일정 데이터로부터 특정 시간에 스케줄링된 그리고 특정 위치에서 일어나는 모임을 사용자가 갖고 있다(그리고 현재 시간과 모임의 시간 사이에 해야할 일은 없다)고 결정할 수 있다. 추천 시스템은 이러한 데이터를 사용할 수 있고, 다른 데이터를 동적 사용자 프로파일에 통합시킬 수 있다. 예를 들어, 사용자와 관련된 착용가능 보수계로부터의 생체 데이터에 근거하여, 추천 시스템은 해당 월의 해당 일까지 혹은 해당 주의 해당 일까지 사용자가 관여한 활동의 양을 결정할 수 있고, 그리고 사용자가 임의의 표시된 목적 혹은 목표를 충족시킬 가능성이 있는지 여부 혹은 평균 활동 수준 을 충족시킬 가능성이 있는지 여부를 결정할 수 있다. 또 하나의 다른 예에서, 위치 정보에 근거하여, 추천 시스템은 사용자와 관련된 근무 위치로부터 10개의 블록들만큼 떨어져 있는 특정 위치에서의 모임에 참석하기 위해 사용자가 차량 서비스를 사용한 빈도를 결정할 수 있다. 또 하나의 다른 예에서, 소셜 네트워킹 서비스 상의 기재된 관심사들 및/또는 좋아하는 것들에 근거하여, 추천 시스템은 사용자 디바이스의 사용자가 꽃들을 좋아한다고 결정할 수 있다. 또 다른 예에서는, 지도 데이터를 사용하여, 추천 시스템은 사용자와 관련된 근무 위치와 모임의 위치 간의 경로를 결정할 수 있다. 복수의 데이터 소스들로부터의 데이터의 이러한 일부분들을 고려하여, 추천 시스템은 사용자와 관련된 현재 프로파일을 발생시킬 수 있고, 그리고 이러한 현재 프로파일을 (특정 목적과 관련될 수 있는 그리고/또는 사용자들의 특정 그룹과 관련될 수 있는) 목표 프로파일과 비교할 수 있다. 이러한 비교에 근거하여, 추천 시스템은 하나 이상의 추천되는 동작들이 실행되도록 할 수 있는데, 여기서 하나 이상의 추천되는 동작들은, 사용자로 하여금 5분 안에 가까이 있는 커피 상점으로부터 한잔의 커피를 구입하도록 촉구하도록 하는 통지, 사용자로 하여금 특정 경로(여기에는 그 제공된 경로를 따라 있는 임의의 위치에서 최근 개업한 난초 상점을 방문하는 선택사항이 포함됨)를 사용하여 모임까지 걸어가도록 촉구하는 통지와 같은 것이 있다. 대안적으로, 추천 시스템은, 모임이 있기 전 특정 시간에, 사용자 디바이스에 근접하여 위치하는 향기 발생기로 하여금 라벤더 향기를 방출하도록 할 수 있다. 또 하나의 다른 대안적 예에서, 추천 시스템은, 모임이 있기 전 특정 시간에, 사용자로 하여금 (구글 맵스와 같은 컴퓨터 지도 경로안내 서비스에 의해 식별되는 바와 같은) 특정 경로를 사용하여 모임까지 걸어가도록 촉구하는 통지를 발생시키기 전에 사용자 디바이스에 근접하여 있는 곳의 날씨를 결정한다(예를 들어, 비가 올 가능성이 특정 임계값보다 더 크다고 결정하는 경우, 무엇이 "너무 더운" 것으로 고려되는지에 관한 사용자 데이터 및 결정된 온도에 근거하여 사용자에 대해 "너무 덥다"라고 결정하는 경우, 등).

이러한 예를 계속 진행시키면, 추천 시스템은 추천되는 동작에 의해 추천되는 바와 같이 사용자가 난초 상점을 방문했다는 것 그리고/또는 사용자가 커피 상점까지 걸어가고 있다는 것을 결정할 수 있다. 그 다음에, 추천 시스템은 커피 상점 내의 고객들의 수를 요청하기 위해 커피 상점에 대응하는 애플리케이션 프로그래밍 인터페이스를 사용할 수 있고, 커피 상점에서 사용자가 특정 대기 시간을 가질 수 있다고 결정할 수 있다. 그 다음에, 추천 시스템은 그 각각의 애플리케이션 프로그래밍 인터페이스를 사용하여, 동일한 가맹권 내에 있는 또 하나의 다른 커피 상점은 더 적은 대기 시간을 가지고 있으며 사용자 디바이스의 사용자에 가까이 있다고(예를 들어, 사용자 디바이스에 의해 제공된 현재 위치로부터 한 블럭만큼 떨어져 있다고) 결정할 수 있다. 추천 시스템은 업데이트된 혹은 개정된 추천되는 동작을 사용자 디바이스에 전송할 수 있다.

이러한 복수의 컴퓨터화된 동작들 각각은 대응하는 촉발 이벤트(trigger event)와 관련될 수 있음에 유의해야 한다. 예를 들어, 사용자로 하여금 가까이 있는 커피 상점으로부터 커피를 구입하도록 촉구하는 통지와 같은 동작은 관련된 시간(예를 들어, 하루 중 특정 시간, 선행 이벤트의 시간, 다음 스케줄링된 이벤트가 시작되기 전의 시간, 등)에 근거하여 촉발될 수 있다. 또 하나의 다른 예에서, 사용자로 하여금 임의의 스케줄링된 모임까지의 경로를 따라 있는 난초 상점을 방문하도록 촉구하는 통지와 같은 동작은 사용자 디바이스와 관련된 위치 정보(예를 들어, 사용자 디바이스가 난초 상점에 근접하여 특정 거리 내에 있다고 검출하는 것)에 근거하여 촉발될 수 있다. 또 하나의 다른 예에서, 동작은 특정 형태로 제시되게 되는(예를 들어, 이메일, 텍스트 메시지, 모바일 통지, 계정 통지에 의해 제시되게 되는, 그리고/또는 임의의 다른 적절한 방식으로 제시되게 되는) 그리고/또는 특정 시간에 제시되게 되는(예를 들어, 사용자의 예측된 감정 상태에 근거하여 특정 시간에 제시되게 되는) 메시지라고 추천 시스템은 결정할 수 있다.

다시 도 4를 참조하면, 도면번호 495에서, 추천 시스템은 추천되는 동작 혹은 동작들이 실행되도록 할 수 있다. 추천되는 동작들의 예시적인 사례들이 도 2에서 보여진다. 보여지는 바와 같이, 동작 혹은 출력은, 다른 것들 중에서도, 촉각적 피드백 혹은 터치 감지 피드백, 감각적 피드백(예를 들어, 이미지 콘텐츠, 광 신호들, 음악, 비디오 메시지들, 비디오 콘텐츠, 등), 주변-관련 피드백(예를 들어, 적절한 디바이스로부터 향기가 방출되도록 하는 것, 조명 시스템 혹은 가정 자동화 시스템에 의해 조명 방식을 수정하는 것, 등), 그리고/또는 콘텐츠-관련 동작(예를 들어, 텍스트, 이미지 콘텐츠, 비디오 콘텐츠, 오디오 콘텐츠를 제시하는 것)을 포함할 수 있다. 더 구체적인 예에서, 추천되는 동작은, 사용자 디바이스에 연결된 오디오 출력 디바이스를 사용하여, 사용자 디바이스의 사용자의 배경에 있어서 음향을 수정하는 것, 음향을 소거(cancelling)하는 것, 혹은 음향을 강화시키는 것을 포함할 수 있다. 또 하나의 다른 더 구체적인 예에서, 추천되는 동작은 임의의 통지를 제공하기 위해 사용자 디바이스의 사용자의 환경 내에서 감각적 피드백(예를 들어, 광 신호들, 오디오 신호들, 비디오 신호들, 향기 신호들, 등)을 제공하는 것을 포함할 수 있다. 또 하나의 다른 더 구체적인 예에서, 추천되는 동작은 사용자에 관한 이력 정보에 근거하고 있는 콘텐츠-관련 동작들을 포함하는 향수적 감정-지향 피드백(nostalgia-oriented feedback)을 포함할 수 있다. 다른 예에서, 추천 시스템은 디바이스 정보 및 사용자에 관한 다른 정보에 근거하여 애플리케이션 데이터의 우선순위를 결정(prioritization)하는 것(예를 들어, 사용자 인터페이스 요소들을 조직화(organization)하는 것, 문서들 혹은 파일들을 배치(positioning)하는 것, 등)을 포함할 수 있다.

일부 구현예들에서, 추천 시스템은, 추천되는 동작에 근거하여, 추천되는 동작을 실행하기 위해 사용자 디바이스의 사용자에 연결될 수 있거나 근접하여 있을 수 있는 하나 이상의 디바이스들을 식별할 수 있다. 일부 구현예들에서, 추천 시스템은 어떤 디바이스 혹은 디바이스들이 사용자 디바이스에 가까이 있는지를 결정하기 위해 디바이스 발견 기능들을 개시시킬 수 있다. 일부 구현예들에서, 이러한 디바이스 발견 기능들은, 임의의 추천 애플리케이션을 사용자 디바이스 상에서 발진(launching)시키는 것에 응답하여, 혹은 추천되는 동작이 임의의 디바이스를 사용하여 실행될 것을 결정하는 것에 응답하여, 개시될 수 있다. 추가적으로 혹은 대안적으로, 일부 구현예들에서, 이러한 디바이스 발견 기능들은 임의의 적절한 디바이스로부터 개시될 수 있고, 그리고 어떤 디바이스들이 사용자 디바이스에 가까이 있는지를 결정하기 위해 임의의 적절한 정보를 사용할 수 있다.

일부 구현예들에서, 사용자 디바이스는 임의의 출력 디바이스들이 가까이 있는지 여부를 결정할 수 있다. 사용자 디바이스 혹은 사용자 디바이스 상에서 실행되는 추천 애플리케이션은 임의의 출력 디바이스들이 가까이 있는지 여부를 결정하기 위해 임의의 적절한 기법 혹은 기법들의 조합을 사용할 수 있다. 예를 들어, 사용자 디바이스는 신호 혹은 신호들을 전송할 수 있는데, 그 가까이 있는 디바이스들(예를 들어, 신호를 수신하는 디바이스들)로 하여금 해당 디바이스가 신호를 수신했음을 표시하는 메시지로 응답하도록 요청하는 메시지가 포함된 그러한 신호 혹은 신호들을 전송할 수 있다. 이러한 예에서, 응답은 임의의 적절한 디바이스 정보(예를 들어, 디바이스 위치 정보 및 디바이스 능력 정보)를 포함할 수 있다. 또 하나의 다른 예로서, 사용자 디바이스는 임의의 디바이스에 의해 전송된 신호 혹은 신호들(여기에는 추천되는 동작 혹은 출력이 실행되도록 하기 위해 디스플레이 디바이스가 이용가능함을 표시하는 메시지가 포함됨)을 수신할 수 있다. 이러한 신호들은 예를 들어, 블루투스(Bluetooth)와 같은 피어-투-피어 통신 기법들을 사용하여 전송될 수 있고, RFID 기법들을 사용하여 전송될 수 있고, 그리고/또는 사용자 디바이스와 하나 이상의 출력 디바이스들 간의 통신을 위한 임의의 다른 적절한 기법 혹은 기법들의 조합들을 사용하여 전송될 수 있다.

일부 구현예들에서, 추천 시스템은 추천되는 동작을 실행하기 위해 이용가능한 하나 이상의 출력 디바이스들을 선택할 기회를 사용자에게 제공할 수 있다. 예를 들어, 도 9에서 보여지는 바와 같이, 추천 인터페이스(910)는 모바일 디바이스(500)에 연결되어 있거나 근접하여 있는 것으로서 검출된 다양한 출력 디바이스들을 선택, 추가, 혹은 제거할 기회를 사용자에게 제공할 수 있다. 보여지는 바와 같이, 이러한 출력 디바이스들은 텔레비전 디바이스, 가정 자동화 시스템, 태블릿 컴퓨팅 디바이스, 향기 발생기, 및 자동차를 포함할 수 있다. 일부 구현예들에서, 추천 시스템은 (예를 들어, 다른 디바이스들에 근접하여 있는 상이한 위치로의 움직임에 응답하여) 사용자 디바이스가 추가적인 출력 디바이스들을 검출할 것을 요청할 기회를 사용자에게 제공할 수 있다.

일부 구현예들에서, 추천 시스템은 출력 디바이스로 하여금 사용자의 신체 상태 혹은 감정 상태에 근거하여 특정 동작을 실행하도록 할 수 있다. 예를 들어, 출력 디바이스를 사용하여 특정 동작을 실행하기 전에, 추천 시스템은 사용자의 현재 감정 상태를 결정할 수 있고, 그리고 사용자 데이터에 근거하여 사용자의 감정 상태가 "화남"이라고 결정하는 경우, 해당 동작이 출력 디바이스 상에서 실행되는 것을 금지할 수 있다. 또 하나의 다른 예에서, 추천 시스템은 사용자의 감정 상태가 "화남" 이외의 다른 임의의 상태라고 결정하는 경우 그 특정 동작이 출력 디바이스 상에서 실행될 수 있음을 결정할 수 있다(예를 들어, 추천 시스템이, 이력적 사용자 데이터로부터, 하나 이상의 출력 디바이스들에 의해 행해지는 동작들이 사용자가 "화남"의 감정 상태를 경험하고 있을 때는 잘 수용되지 않는다고 결정했기 때문).

대안적으로 혹은 추천 시스템, 일부 구현예들에서, 추천 시스템은 특정 동작이 사용자의 현재 신체 상태 혹은 감정 상태에 미치는 예측된 영향에 근거하여 출력 디바이스로 하여금 그 특정 동작을 실행하도록 할 수 있다. 예를 들어, 출력 디바이스를 사용하여 특정 동작을 실행하기 전에, 추천 시스템은 해당 동작이 사용자의 신체 상태 혹은 감정 상태에 미치는 예측된 영향을 결정할 수 있고, 그리고 예측된 영향이 특정 범위 내에 있지 않다고 결정하는 경우(예를 들어, 사용자 데이터와 상관되어 있는 감정 상태가 변경되지 않은 채 유지되는 경우) 그 동작이 출력 디바이스 상에서 실행되는 것을 금지할 수 있다.

도 10에서 보여지는 바와 같이, 그리고 앞서-언급된 예와 연계하여, 추천 시스템은 복수의의 추천되는 동작들을 포함하는 추천 인터페이스(1010)를 사용자에게 제시할 수 있다. 보여지는 바와 같이, 추천 인터페이스(1010)에서 제시되는 각각의 추천되는 동작은 추천되는 동작을 수행하기 위한 추가적인 정보를 포함할 수 있는데, 예컨대, 사용자로 하여금 이벤트의 위치까지 걸어 가도록 추천하는 것에 응답하여 임의의 경로의 지도, 혹은 사용자로 하여금 한잔의 커피를 구입하도록 추천하는 것에 응답하여 상거래 정보와 같은 것을 포함할 수 있다. 또한 보여지는 바와 같이, 각각의 추천되는 동작은 특정 시간과 관련될 수 있다(예컨대, 한잔의 커피를 지금 구입하기 혹은 오후 1:45에 이벤트까지 걷기 시작하기와 같은 것). 일부 구현예들에서, 앞에서 설명된 바와 같이, 추천 인터페이스(1010) 내의 각각의 추천되는 동작은, 사용자 디바이스가 특정 위치와 관련되어 있다는 결정, 사용자가 특정 경로를 따라 걸어가고 있다고 사용자 디바이스가 표시한다는 결정, 등과 같은 특정 이벤트의 발생에 의해 촉발될 수 있다.

일부 구현예들에서, 추천되는 동작은 복수의 사용자들에 대해 실행될 수 있음에 유의해야 한다. 예를 들어, 앞에서 설명된 바와 같이, 추천 시스템은 사용자 디바이스의 사용자를 유사한 기본 프로파일을 갖는 사용자들의 그룹 내에 배치할 수 있다. 추가적으로, 추천 시스템은 사용자를 다른 적절한 기준에 근거하여 사용자들의 그룹 내에 배치할 수 있는데, 예컨대, 사용자를 (예를 들어, 소셜 네트워킹 서비스로부터의 소셜 데이터에 근거하여) 사용자와 임의의 확립된 관계를 갖는 다른 사용자들의 그룹 내에 배치할 수 있거나, 혹은 사용자를 사용자와 유사한 위치 프로파일을 갖는 다른 사용자들(예를 들어, 가족 구성원들, 직장 동료들, 친구들, 등)의 그룹 내에 배치할 수 있다.

이러한 예에서, 추천 시스템은 사용자들의 그룹 내에서 하나 이상의 공통적인 동작들을 식별할 수 있다. 그 다음에, 추천 시스템은 사용자들의 그룹에 대해 실행되게 되는 동작들 중 하나 이상의 동작을 선택할 수 있다. 더 구체적인 예에서, 추천 시스템은, 미리결정된 수의 사용자들(예를 들어, 과반수의 사용자들, 그룹 내의 사용자들 중 특정 퍼센티지(percentage)의 사용자들, 등)과 관련된 하나 이상의 공통적인 동작들을 선택할 수 있고, 사용자들의 그룹의 집결된 감정 상태에 영향을 미칠 수 있는 하나 이상의 공통적인 동작들을 선택할 수 있다. 또 하나의 다른 특정 예에서, 임의의 적절한 기준에 근거하여 추천 시스템은 공통적인 동작들의 순위를 정할 수 있고, 그 다음에, 미리결정된 수의 동작들(상위 5위권의 동작들)을 선택할 수 있고, 이들을 그룹 동작들로서 지정할 수 있다. 특히, 공통적인 동작들의 순위가 사용자와 관련된 현재 프로파일과 목표 프로파일 간의 편차에 근거하여 정해질 수 있고, 이에 따라 추천 시스템은 어떤 동작들이 사용자들의 그룹의 집결된 감정 상태에 영향을 미칠 가능성이 더 높은지를 결정할 수 있게 된다. 예를 들어, 현재 프로파일과 목표 프로파일 간의 편차가 더 큰 것과 관련되어 있는 공통적인 동작에는 높은 순위가 할당될 수 있다.

예를 들어, 추천 시스템은 사용자들의 그룹에 대한 집결된 감정 상태를 결정할 수 있고, 그 다음에 사용자들의 그룹 혹은 해당 그룹 내의 임계수(threshold number)의 사용자들이 특정 출력 디바이스들에 근접하는 거리 내에 위치한다고 결정할 수 있다. 이것은, 사용자들의 그룹 내의 사용자들과 관련된 위치 정보가 특정 근접범위 내에 있다고 결정하는 것, 그리고 같은 곳에 위치하는 사용자들 각각과 관련된 사용자 디바이스들에 연결되어 있거나 가까이 있는 출력 디바이스들을 결정하는 것을 포함할 수 있다. 더 구체적인 예에서, 그룹 동작들은 실행될 수 있는 임의의 적절한 동작들을 포함할 수 있는데, 예컨대, 적절한 미디어 콘텐츠(예를 들어, 사용자들의 그룹의 집결된 감정 상태에 영향을 미칠 수 있는 음악의 재생목록)를 제시하는 것, 사용자들의 그룹의 주위환경에서의 주변광을 조정하는 것, 사용자들의 그룹의 주위환경에서의 주변 잡음들 및 향기들을 조정하는 것, 등을 포함할 수 있다.

추천되는 동작이 실행되었다고 결정하는 경우(예를 들어, 콘텐츠를 소비하는 것 혹은 특정 활동을 수행하는 것을 포함하는 추천되는 동작을 디바이스가 제시했다고 결정하는 경우), 추천 시스템은 사용자 디바이스의 사용자로 하여금 추천 시스템에 피드백을 제공하도록 촉구할 수 있다. 예를 들어, 추천 시스템은, 추천되는 동작이 사용자에 의해 수행되었는지 여부, 추천되는 동작이 사용자의 감정 상태에 영향을 주었을 수 있는지 여부, 그리고/또는 해당 동작이 사용자에게 다시 추천되게 할 것인지 여부를 표시하는 피드백을 사용자로부터 수신할 수 있다. 도 11에서 보여지는 바와 같이, 추천 시스템은 사용자로 하여금 피드백(예컨대, 감정 상태에서의 변화의 표시, 출력 디바이스를 비활성화시킬 지의 선택, 사용자가 임의의 추천되는 동작을 수행했는지 여부에 관한 표시(예를 들어, 사용자가 모임까지 걸어 갔고 가는 도중에 커피 상점을 방문했다는 확인)와 같은 것)을 제공하도록 촉구하는 인터페이스(1110)를 제시할 수 있다.

추가적으로 혹은 대안적으로, 추천 시스템은, 업데이트된 데이터를 획득할 수 있고, 사용자의 현재 감정 상태를 예측할 수 있고 그리고/또는 업데이트된 프로파일을 발생시킬 수 있고, 그리고 추천되는 동작 혹은 동작들이 사용자를 하나 이상의 목적들을 향해 움직였을 수 있는지 여부를 결정할 수 있다.

더 구체적인 구현예에서, 추천 시스템은 추천되는 특정 동작이 사용자를 하나 이상의 목적들 및/또는 목표들을 향해 움직였을 수 있는지 여부를 결정할 수 있다. 예를 들어, 추천 시스템은 도 11의 인터페이스(1110)에서 사용자로 하여금 피드백을 제공하도록 촉구할 수 있다(예를 들어, "한잔의 커피를 마시고 해당 비디오를 본 이후 지금 당신의 기분은 어떤가요?"). 이러한 예에서, 추천 시스템은 추천되는 특정 동작에 관한 피드백을 사용자로부터 수신할 수 있다. 또 하나의 다른 예에서, 추천 시스템은, 복수의 데이터 스트림들로부터의 데이터의 특정 부분들을 선택할 수 있고, 그리고 추천되는 동작이 사용자를 하나 이상의 목적들을 향해 움직였을 수 있다고 데이터가 표시하는지 여부를 결정할 수 있다. 이러한 예에서, 복수의 데이터 소스들로부터 사용자 관련 데이터를 수신하기 위한 승인을 사용자 디바이스의 사용자로부터 수신하는 것에 응답하여, 추천 시스템은, 추천되는 동작을 제공한 이후의 시간들로부터의 데이터를 선택할 수 있고, 그리고 추천되는 동작이 사용자를 하나 이상의 목적들을 향해 움직였을 수 있다고 소셜 데이터 및 상황 데이터가 표시하고 있음(예를 들어, 사용자가 특정 활동 수준을 달성하기 위한 일을 하고 있다고 데이터가 표시하고 있음)을 결정할 수 있다.

일부 구현예들에서, 추천되는 동작과 임의의 적절한 등급이 관련될 수 있다. 예를 들어, 이러한 등급은 추천되는 동작이 사용자를 하나 이상의 목적들을 향해 움직일 수 있다고 추천 시스템이 얼마큼 믿고 있는지에 관한 신뢰도 값(confidence value)을 포함할 수 있다. 이러한 예에서, 추천 시스템은 초기 신뢰도 값으로 시작할 수 있고, 초기 신뢰도 값은 하나 이상의 사용자들로부터의 피드백에 근거하여 증분 혹은 감분되며, 이 경우 추천되는 동작을 제공한 이후 특정 사용자가 임의의 목적을 향해 움직였다고 결정하는 것에 응답하여 등급이 증가될 수 있다. 이렇게 증가된 등급은 예를 들어, 추천되는 동작이 다른 사용자들(예컨대, 동일한 혹은 유사한 목적들을 갖는 사용자들, 사용자와 동일한 혹은 유사한 그룹들 내에 배치된 사용자들, 등)에게 제공되도록 할 수 있다. 등급은 또한, 난이도 값(difficulty value), 적시 값(timeliness value), 등과 같은 추가적인 정보를 포함할 수 있음에 유의해야 한다.

본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따르면, 추천 시스템은 방 안의 주변 잡음이 수정될 것을 결정할 수 있다(예를 들어, 그 수정된 주변 잡음이 방 안에 위치하는 사용자에 대해 특정 활동을 수행하는 동안 감정 상태, 기분 및/또는 경험에 영향을 줄 수 경우). 예를 들어, 일부 구현예들에서, 추천 시스템은 (예를 들어, 사용자의 컴퓨터 상에서 검출되는 최근 활동에 근거하여) 사용자가 자신의 컴퓨터 상에서 작업을 하고 있음, 하지만 (예를 들어, 소셜 네트워킹 웹 사이트 상에 포스팅된 메시지에 근거하여) 작업에 집중하지 못하고 있으며 그리고/또는 졸음이 오고 있음을 결정할 수 있다. 이러한 예에서, 추천 시스템은 주변 잡음이 1회 이상 변동(예를 들어, 시작 및 정지, 음량 및/또는 빈도에서의 변화, 그리고/또는 임의의 다른 적절한 변동)되도록 할 수 있고, 이것은 사용자로 하여금 더 정신을 차리도록 할 수 있다. 또 하나의 다른 예로서, 일부 구현예들에서, 추천 시스템은 (예를 들어, 사용자가 통상적으로 잠든 경우 사용자가 깨어 있음을 표시하는 활동 모니터 및/또는 수면 모니터로부터의 정보에 근거하여) 사용자가 불안해하고 있다고 결정할 수 있고, 그리고 사용자의 환경 내의 주변 잡음 혹은 음향들이 백색 잡음 혹은 근사적 백색 잡음이 되도록 할 수 있다. 또 하나의 다른 예로서, 일부 구현예들에서, 추천 시스템은 사용자가 텔레비전을 보고 있다고 결정할 수 있고, 이에 응답하여 추천 시스템은 텔레비전 디바이스 가까이에서의 주변 잡음이 더 온화해지도록 할 수 있으며, 이것은 사용자가 텔레비전 디바이스에 의해 제시되고 있는 콘텐츠를 더 잘 소비할 수 있게 할 수 있다. 이러한 구현예들에서, 추천 시스템은, 모바일 디바이스들, 컴퓨터들(예를 들어, 랩탑 컴퓨터들, 데스크탑 컴퓨터들, 태블릿 컴퓨터들, 및/또는 임의의 다른 적절한 타입의 컴퓨터들), 텔레비전들, 스테레오들, 스피커들과 같은 하나 이상의 사용자 디바이스들의 음향 출력(들)을 수정함으로써 방의 주변 잡음을 수정할 수 있다. 추가적으로 혹은 대안적으로, 일부 구현예들에서, 추천 시스템은 네트워크에 연결되는 하나 이상의 가정용 디바이스들(예를 들어, 식기 세척기들, 냉장고들, 연기 검출기들, 및/또는 임의의 다른 적절한 타입의 가정용 디바이스들)로부터의 음향 출력(들)을 수정함으로써 방의 주변 잡음을 수정할 수 있다.

도 12는 방 안에서 주변 잡음 혹은 음향들을 수정하는데 사용될 수 있는 사용자의 가정 내에 있는 디바이스들의 배치의 예시적인 사례를 보여준다. 비록 도 12가 사용자의 가정 내에 있는 디바이스들을 보여주고 있지만, 일부 구현예들의 경우, 본 명세서에서 설명되는 프로세스들은 임의의 적절한 위치에서 구현될 수 있다는 것, 예를 들어, 사용자의 사무실, 사업장, 및/또는 임의의 다른 적절한 위치에서 구현될 수 있음에 유의해야 한다.

보여지는 바와 같이, 사용자의 가정은 잡음 및/또는 음향을 방출하는 하나 이상의 디바이스들 및/또는 응용기기들을 포함할 수 있는데, 예를 들어, 송풍기들(1210 및 1212), 세탁기/건조기(1230), 텔레비전(1240), 스테레오(1250), 스피커들(1260), 및/또는 랩탑 컴퓨터(1280)와 같은 것을 포함할 수 있다. 일부 구현예들에서, 사용자의 가정은 추가적으로 음향 수준 센서(sound level sensor)들(1220 및 1222)과 같은 하나 이상의 음향 수준 센서들을 포함할 수 있다. 도 12에서의 디바이스들 및 센서들의 위치들은 예로서 보여지는 것이고 이러한 디바이스들 및 센서들은 임의의 적절한 위치에 배치될 수 있음에 유의해야 한다. 추가적으로, 일부 구현예들에서, (0을 포함하는) 임의의 적절한 수의 각각의 디바이스, 그리고 임의의 추가적인 디바이스들이 포함될 수 있다. 일부 구현예들에서는, 도 13의 블록(1330)과 연계하여 아래에서 논의되는 바와 같이, 임의의 적절한 디바이스 발견 프로토콜(device discovery protocol)(들)을 사용하여 특정 디바이스가 검출 및/또는 식별될 수 있다.

일부 구현예들의 경우, 방 안에서 주변 잡음을 수정하는데 사용되는 디바이스들은 오디오 출력 능력들을 갖는 디바이스들(예를 들어, 텔레비전(1240), 스테레오(1250), 및 랩탑 컴퓨터(1280)와 같은 것)을 포함할 수 있다. 일부 경우들에서, 이러한 디바이스들은 스피커들(1260)과 같은 그러한 스피커들과 관련될 수 있다. 추가적으로 혹은 대안적으로, 일부 구현예들의 경우, 방 안에서 주변 잡음을 수정하는데 사용되는 디바이스들은 동작의 부산물(byproduct)로서 잡음을 방출하는 디바이스들(예컨대, 송풍기들(1210) 및/또는 세탁기/건조기(1230)와 같은 것)을 포함할 수 있다. 더욱이, 일부 구현예들에서, 오디오 출력 능력들을 갖는 디바이스들은 추가적으로 동작의 부산물로서 잡음을 방출할 수 있다. 예를 들어, 랩탑 컴퓨터(1280)는 랩탑 컴퓨터(1280) 상의 냉각 송풍기가 활성화될 때 임의의 잡음을 방출할 수 있다. 더 구체적으로 살펴보면, 냉각 송풍기에 의해 방출되는 잡음은 송풍기의 속도에 근거하여 음량(volume) 및/또는 음조(pitch)에 있어 변할 수 있다. 일부 구현예들에서, 방 안에서의 주변 잡음은 디바이스들 중 하나 이상의 디바이스를 사용하여 수정될 수 있는데, 이러한 수정은 디바이스에 의해 방출되는 음향을 수정함으로써(예를 들어, 송풍기의 속도를 수정함으로써), 그리고/또는 디바이스와 관련된 오디오 출력을 통해 출력되는 음향을 수정함으로써 이루어지고, 이것은 도 13의 블록(1350)과 연계되어 아래에서 설명되는 바와 같다. 일부 구현예들에서, 사용자는 어떤 디바이스들이 주변 잡음을 수정하기 위해 사용될 것인지를 선택할 수 있음에 유의해야 한다. 예를 들어, 일부 구현예들에서, 디바이스들은 도 14와 연계되어 아래에서 설명되고 도 14에서 보여지는 바와 같이, 사용자 인터페이스를 사용하여 선택될 수 있다.

일부 구현예들에서, 음향 수준 센서들(1220 및/또는 1222)은, 특정 방 및 특정 위치에 존재하는 음향의 타입, 해당하는 그 방 및/또는 위치에 존재하는 음향의 음량을 결정하는데 사용될 수 있고, 그리고/또는 임의의 다른 적절한 측정들을 행하는데 사용될 수 있다. 추가적으로 혹은 대안적으로, 일부 구현예들에서, 특정 방 및/또는 위치에 존재하는 음향의 타입은 방 안에 있는 하나 이상의 마이크로폰들로부터의 기록들에 근거하여 결정될 수 있다. 예를 들어, 일부 구현예들에서, 기록 능력들을 갖는 디바이스들이 식별될 수 있고, 이러한 디바이스들과 관련된 마이크로폰들로부터의 기록들은 존재하는 음향(들)의 타입뿐만 아니라 그 음향(들)의 음량들을 식별하기 위해 분석될 수 있다. 일부 구현예들에서, 이러한 측정들은 도 13의 블록(1310)과 연계되어 아래에서 설명되는 바와 같이 생성될 주변 잡음을 결정하기 위해 사용될 수 있다.

특정 방 및/또는 위치 내에 제시되는 음향들을 기록하는 것, 음향의 타입을 검출하는 것, 혹은 본 명세서에서 설명되는 임의의 다른 적절한 검출들을 행하기 전에, 추천 애플리케이션은 사용자에게 이러한 검출들을 수행하기 위한 동의 혹은 승인을 제공할 기회를 제공할 수 있음에 유의해야 한다. 예를 들어, 텔레비전 디바이스와 같은 컴퓨팅 디바이스 상에 추천 애플리케이션을 로딩할 때, 애플리케이션은 사용자로 하여금 이러한 검출들을 수행하는 것, 이러한 검출들과 관련된 정보를 전송하는 것, 그리고/또는 음향의 검출된 타입과 관련된 추가적인 정보를 제시하는 것을 행하기 위한 승인을 제공하도록 촉구할 수 있다. 더 구체적인 예에서, 임의의 적절한 장터(marketplace)로부터 추천 애플리케이션을 다운로드하고 추천 애플리케이션을 로딩하는 것에 응답하여, 주변 음향들의 검출을 수행하기 전에 사용자는 사용자가 동의를 제공하도록 요청(혹은 요구)하는 메시지로 촉구받을 수 있다. 추가적으로 혹은 대안적으로, 추천 애플리케이션을 설치하는 것에 응답하여, 이러한 검출들을 수행하는 것 및/또는 이러한 검출들과 관련된 정보를 전송하는 것을 행하기 전에 사용자는 사용자가 동의를 제공하도록 요청(혹은 요구)하는 허락 메시지로 촉구받을 수 있다. 사용자가 이러한 데이터의 사용에 동의하는 경우에, 사용자 디바이스(102)에서의 사용자 존재가 검출될 수 있다.

도 13을 참조하면, 본 명세서에서 개시되는 주된 내용의 일부 구현예들에 따른, 하나 이상의 디바이스들을 사용하여 주변 잡음들을 수정하기 위한 프로세스의 예(1300)가 보여진다.

프로세스(1300)는 도면번호 1310에서 사용자의 환경 내의 하나 이상의 잡음들을 식별함으로써 시작할 수 있다. 잡음들은 임의의 적절한 음향들 및/또는 잡음들을 포함할 수 있는데, 예컨대, 배경 잡음들(예를 들어, 송풍기 소리, 응용기기의 윙윙 소리(hum), 그리고/또는 임의의 다른 적절한 배경 잡음들), 대화 소리, 텔레비전으로부터의 소리, 스테레오 소리, 컴퓨터 소리, 및/또는 다른 미디어 재생 디바이스 소리, 그리고/또는 임의의 다른 적절한 음향들 및/또는 잡음들과 같은 것을 포함할 수 있다.

프로세스(1300)는 하나 이상의 잡음들을 식별하기 위한 임의의 적절한 기법(들)을 사용할 수 있다. 예를 들어, 일부 구현예들에서, 프로세스(1300)는 하나 이상의 마이크로폰들(예를 들어, 사용자 디바이스와 관련된 마이크로폰, 및/또는 임의의 다른 적절한 마이크로폰)을 사용하여 사용자의 환경으로부터의 오디오를 기록할 수 있고, 그리고 하나 이상의 잡음들을 식별하기 위해 그 기록된 오디오를 프로세싱할 수 있다. 일부 구현예들에서, 오디오 프로세싱 기법들(예를 들어, 균등화(equalization), 필터링(filtering), 잡음 소거(noise cancellation), 압축(compression), 및/또는 임의의 다른 적절한 기법들)이 분석을 행하기 전에 오디오를 프로세싱하기 위해 사용될 수 있다. 일부 구현예들에서, 하나 이상의 음향들 및/또는 잡음들을 식별하기 위해 임의의 적절한 기법들이 사용될 수 있는데, 예컨대 머신 학습(예를 들어, 베이지안 통계(Bayesian statistics), 신경망(neural network), 지지도 벡터 머신들, 및/또는 임의의 다른 적절한 머신 학습 기법들), 통계적 분석(예를 들어, 주성분 분석(principal component analysis), 독립 성분 분석(independent component analysis), 및/또는 임의의 다른 적절한 통계 분석 기법들), 그리고/또는 임의의 다른 적절한 기법들과 같은 것이 사용될 수 있다. 일부 구현예들에서, 프로세스(1300)는 추가적으로 혹은 대안적으로, 도 12와 연계되어 앞에서 설명되고 도 12에서 보여지는 바와 같이, 프로세스(1300)는 음향 수준 센서들(1220 및 1222)을 사용하여 음향 및/또는 잡음의 음향 수준을 (예를 들어, dB 단위로, 그리고/또는 임의의 다른 적절한 계측 단위로) 결정할 수 있다.

일부 구현예들에서, 프로세스(1300)는 사용자의 환경 내에서 하나 이상의 잡음들을 식별하기 위해 복수의 데이터 소스들로부터의 사용자 관련 데이터를 사용할 수 있다. 예를 들어, 일부 구현예들에서, 프로세스(1300)는 복수의 데이터 소스들로부터의 데이터를 사용하여 사용자의 현재 위치를 결정할 수 있는데, 예컨대, 사용자 디바이스로부터 수신된 GPS 위치, 소셜 네트워킹 사이트로부터의 콘텐츠(예를 들어, 사용자들의 위치를 식별시키는 사용자로부터의 포스트), 일주일 중 특정된 하루 및/또는 하루 중 특정 시간에 대한 사용자의 전형적인 위치들과 관련된 시간 정보, 그리고/또는 임의의 다른 적절한 정보와 같은 것을 사용하여 사용자의 현재 위치를 결정할 수 있다. 더 구체적인 예로서, (GPS 위치에 근거하여, 하루 중 현재 시간에 사용자는 전형적으로 근무 중임을 표시하는 정보에 근거하여, 그리고/또는 임의의 다른 적절한 정보에 근거하여) 사용자가 근무 중임을 프로세스(1300)가 결정하는 경우들에서, 프로세스(1300)는 사무실 환경 내에 전형적으로 존재하는 잡음들(예를 들어, 대화 소리, 타이핑(typing) 소리, 및/또는 임의의 다른 적절한 잡음들)에 근거하여 사용자의 환경 내에서 하나 이상의 잡음들을 식별할 수 있다. 또 하나의 다른 더 구체적인 예로서, (GPS 위치에 근거하여, 소셜 네트워킹 사이트 상의 사용자의 포스트에 근거하여, 그리고/또는 임의의 다른 적절한 정보에 근거하여) 사용자가 식당에 있음을 프로세스(1300)가 결정하는 경우들에서, 프로세스(1300)는 식당 환경 내에 전형적으로 존재하는 잡음들(예를 들어, 대화 소리, 그릇(utensils) 소리, 배경 음악 소리, 및/또는 임의의 다른 적절한 잡음들)에 근거하여 하나 이상의 잡음들을 식별할 수 있다.

도면번호 1320에서, 프로세스(1300)는 식별된 잡음들 및/또는 음향들 그리고 사용자의 현재 활동들, 기분들, 및 행위에 근거하여 생성될 목표 주변 잡음을 결정할 수 있다. 예를 들어, 일부 구현예들에서, 프로세스(1300)는 사용자가 현재 수행하고 있는 활동을 사용자가 더 잘 수행할 수 있게 하는 목표 주변 잡음을 결정할 수 있다. 더 구체적인 예로서, 일부 구현예들에서, 사용자가 현재 텔레비전 프로그램을 보고 있는 경우에, 프로세스(1300)는 현재 검출된 배경 잡음보다 목표 주변 잡음이 더 조용할 것을 결정할 수 있고, 이것은 사용자가 텔레비전을 더 잘 청취할 수 있게 할 수 있다. 더 구체적인 예로서, 일부 구현예들에서, (예를 들어, 송풍기로부터의 잡음과 관련된 음향 수준이 임의의 미리결정된 임계치를 초과한다고 결정함으로써 그리고/또는 임의의 다른 계측치에 근거하여) 잡음이 있는 것으로 결정된 송풍기를 갖는 랩탑 컴퓨터 상에서 사용자가 작업을 하고 있다고 결정되는 경우에, 프로세스(1300)는 목표 주변 잡음이 임의의 상대적으로 더 낮은 음향 수준에서 송풍기의 잡음을 포함할 것을 결정할 수 있다. 또 하나의 다른 더 구체적인 예로서, 일부 구현예들에서, 사용자가 작업하는 동안 집중하지 못하고 있다고 결정되는 경우에, 프로세스(1300)는 목표 주변 잡음이 진폭 및/또는 주파수에서 있어 변동할 것을 결정할 수 있고, 이것은 사용자로 하여금 더 정신을 차리게 할 수 있다.

또 하나의 다른 예로서, 일부 구현예들에서, 프로세스(1300)는 블록(1310)에서 현재 검출된 하나 이상의 음향들을 증강(augment)시키는 목표 주변 잡음을 결정할 수 있고, 이것은 사용자를 위해 더 풍족한 오디오 경험을 제공할 수 있다. 더 구체적인 예로서, 일부 구현예들에서, (예를 들어, 사용자의 환경 내에서 마이크로폰들로부터 수신되는 정보에 근거하여, 소셜 네트워킹 사이트 상의 사용자의 포스트들로부터 수신되는 정보에 근거하여, 그리고/또는 임의의 다른 적절한 정보에 근거하여) 사용자가 특정 프로그램을 보고 있다고 결정되는 경우에, 프로세스(1300)는 목표 주변 잡음이 그 특정 프로그램으로부터의 음향에 대응하는 잡음일 것을 결정할 수 있다. 특정 예로서, 사용자가 고양이들과 관련된 미디어 콘텐츠를 보고 있다고 결정되는 경우에, 프로세스(1300)는 목표 주변 잡음이 고양이가 가르랑거리는 소리(purring)에 대응할 것을 결정할 수 있다. 또 하나의 다른 특정 예로서, 사용자가 폭포들과 관련된 미디어 콘텐츠를 보고 있다고 결정되는 경우에, 프로세스(1300)는 목표 주변 잡음이 폭포 소리, 빗 소리 및/또는 다른 적절한 음향(들)에 대응할 것을 결정할 수 있다.

또 하나의 다른 예로서, 일부 구현예들에서, 프로세스(1300)는 목표 주변 잡음이 사용자가 특정 목표를 달성하는 데 있어 사용자를 보조하는 잡음일 것을 결정할 수 있다. 예를 들어, 만약 (예를 들어, 소셜 네트워킹 사이트 상의 사용자의 포스트에 근거하여, 하루 중 특정 시간에서의 사용자의 전형적인 활동들에 근거하여, 활동 모니터로부터의 정보에 근거하여, 그리고/또는 임의의 다른 적절한 정보에 근거하여 결정되는) 사용자의 목표가 잠이 드는 것 그리고/또는 이완되는 것이라면, 프로세스(1300)는 목표 주변 잡음이 백색 잡음, 빗 소리, 및/또는 (사용자가 잠이 드는 데 있어 그리고/또는 완화되는 데 있어 사용자를 보조하기에 적절할 수 있는) 임의의 다른 적절한 음향(들)이 될 것을 결정할 수 있다. 또 하나의 다른 예로서, 만약 사용자의 목표가 완화되는 것이라면, 프로세스(1300)는 목표 주변 잡음이 현재 배경 잡음의 더 쾌적한 형태일 것을 결정할 수 있다. 특정 예로서, 현재 배경 잡음이 하나 이상의 가정용 응용기기들(예를 들어, 냉장고, 세탁기/건조기, 및/또는 임의의 다른 적절한 디바이스들)로부터의 잡음을 포함하는 경우들에서, 프로세스(1300)는 현재의 배경 잡음보다 더 아름다운 선율을 갖는(예를 들어, 음조에 있어 특정 타입의 변동들을 포함하는, 그리고/또는 임의의 다른 적절한 타입의 선율을 갖는 잡음을 포함하는) 그러한 목표 주변 잡음을 결정할 수 있고, 이것은 사용자가 완화되는 데 있어 사용자를 보조할 수 있다.

또 하나의 다른 예로서, 일부 구현예들에서, 프로세스(1300)는 목표 주변 잡음이 임의의 더 높은 음향 수준에서 제시되는 현재 배경 잡음일 것을 결정할 수 있다. 일부 구현예들에서, (예를 들어, 사용자 디바이스와 관련된 위치에 근거하여, 소셜 네트워킹 서비스 상의 포스트들에 근거하여, 그리고/또는 임의의 다른 적절한 정보에 근거하여) 사용자가 현재 배경 잡음을 생성하는 디바이스 및/또는 응용기기에 현재 가까이 있지 않다고 결정하는 것에 응답하여, 프로세스(1300)는 목표 주변 잡음이 임의의 더 높은 음향 수준에서 제시되는 현재 배경 잡음일 것을 결정할 수 있다. 특정 예로서, 일부 구현예들에서, (예를 들어, 사용자 디바이스와 관련된 위치 정보에 근거하여 사용자가 현재 가정에 있지 않다고 결정함으로써) 사용자가 현재 냉장고에 가까이 있지 않다고 결정하는 것에 응답하여, 프로세스(1300)는 목표 주변 잡음이 임의의 더 높은 음향 수준에서 제시되는 냉장고와 관련된 잡음일 것을 결정할 수 있고, 그리고 냉장고와 관련된 압축기가 목표 주변 잡음을 생성하기 위해 더 높은 수준에서 실행될 것을 결정할 수 있다. 일부 구현예들에서, 배경 잡음은 추가적으로 혹은 대안적으로, 컴퓨터와 관련된 송풍기와 관련될 수 있고, HVAC 시스템과 관련된 압축기와 관련될 수 있고, 그리고/또는 임의의 다른 적절한 배경 잡음과 관련될 수 있다. 그 다음에, 일부 구현예들에서, (예를 들어, 사용자 디바이스와 관련된 위치 정보에 근거하여, 활동 모니터에 근거하여, 그리고/또는 임의의 다른 적절한 정보에 근거하여) 사용자가 디바이스 및/또는 응용기기에 가깝게 움직였다고 결정한 이후, 프로세스(1300)는 목표 주변 잡음이 임의의 더 낮은 음향 수준에서 제시되는 배경 잡음이 되도록 수정될 것을 결정할 수 있음에 유의해야 한다.

또 하나의 다른 예의 경우, 일부 구현예들에서, 프로세스(1300)는 (예를 들어, 동일한 방 안에 있는 것으로 결정된, 서로 특정 거리 내에 있는 것으로 결정된, 동일한 근거리 네트워크(LAN)에 연결된 것으로 결정된, 그리고/또는 임의의 다른 적절한 근접도 계측치(proximity metric)에 근거하는) 임의의 미리결정된 근접범위 내의 복수의 사용자 디바이스들과 관련된 정보에 근거하여 목표 주변 잡음을 결정할 수 있다. 예를 들어, 프로세스(1300)가 (예를 들어, 블록(1330)과 연계되어 아래에서 설명되는 바와 같이, 디바이스 발견 프로토콜을 사용하여) 상이한 사용자들 및/또는 상이한 사용자 계정들과 관련된 복수의 사용자 디바이스들을 식별하는 경우들에서, 프로세스(1300)는 예를 들어, 사용자 디바이스들 중 하나의 사용자 디바이스와 관련된 마이크로폰을 사용함으로써, 복수의 식별된 사용자 디바이스들과 관련된 배경 잡음(예를 들어, 대화 및/또는 논쟁, 제시되고 있는 텔레비젼 프로그램, 및/또는 임의의 다른 적절한 배경 잡음)에 근거하여 목표 주변 잡음을 결정할 수 있다. 특정 예로서, (예를 들어, 배경 잡음의 음향 수준에 근거하여, 대화의 내용에 근거하여, 그리고/또는 임의의 다른 적절한 정보에 근거하여) 배경 잡음이 논쟁인 것으로 결정되는 경우들에서, 프로세스(1300)는 논쟁이 일어나고 있다는 결정에 근거하여 음악의 특정 아이템 및/또는 특정 음향(예를 들어, 폭포 소리, 백색 잡음, 및/또는 임의의 다른 적절한 음향)과 같은 목표 주변 잡음을 결정할 수 있다.

프로세스(1300)는 임의의 적절한 기법(들)을 사용하여 목표 주변 잡음을 결정할 수 있다. 예를 들어, 일부 구현예들에서, 프로세스(1300)는 사용자의 현재 활동 및/또는 기분들에 근거하여 목표 주변 잡음을 식별하는 참조표(look-up table)에 액세스할 수 있다. 더욱이, 일부 구현예들에서, 프로세스(1300)는 사용자의 현재 활동 및/또는 기분들을 결정하기 위해 (도 4의 프로세스(400)와 연계되어 위에서 설명된 것들과 같은) 임의의 적절한 기법(들)을 사용할 수 있다.

도면번호 1330에서, 프로세스(1300)는 목표 주변 잡음을 생성하기 위해 사용될 하나 이상의 디바이스들을 식별할 수 있다. 예를 들어, 일부 구현예들에서, 하나 이상의 디바이스들은 도 12와 연계되어 앞에서 설명되고 도 12에서 보여지는 바와 같이, 송풍기들(1210 및/또는 1212), 세탁기/건조기(1230), 텔레비전(1240), 스테레오(1250), 스피커들(1260), 및/또는 랩탑 컴퓨터(1280)를 포함할 수 있다. 일부 구현예들에서, 임의의 다른 적절한 디바이스들이 식별될 수 있는데, 예를 들어, 모바일 전화기, 태블릿 컴퓨터, 연기 검출기, 냉장고, 및/또는 임의의 다른 적절한 디바이스들과 같은 것이 식별될 수 있음에 유의해야 한다. 프로세스(1300)는 임의의 적절한 기법(들)을 사용하여 하나 이상의 디바이스들을 식별할 수 있다. 예를 들어, 일부 구현예들에서, 프로세스(1300)는 사용자의 가정 내에서 하나 이상의 사용자들과 관련된 것으로서 식별된 디바이스들의 목록에 (예를 들어, 서버에 질의(querying)함으로써, 그리고/또는 임의의 다른 적절한 방식으로) 액세스할 수 있다. 더 구체적인 예로서, 일부 구현예들에서, 디바이스들은 예를 들어, 디바이스의 식별자들(예를 들어, IP 어드레스, MAC 어드레스, 디바이스의 제조자, 디바이스의 모델 및/또는 일련번호, 그리고/또는 임의의 다른 적절한 정보)을 수신하는 사용자 인터페이스를 통해 사용자에 의해 명시적으로(explicitly) 식별될 수 있다. 또 하나의 다른 예로서, 일부 구현예들에서, 디바이스들은 임의의 적절한 디바이스 발견 프로토콜(예를 들어, "발견 및 발진(DIscovery And Launch, DIAL)" 및/또는 임의의 다른 적절한 디바이스 발견 프로토콜(들))을 사용하여 식별될 수 있다. 더 구체적인 예로서, 일부 구현예들에서, 제 1 사용자 디바이스(예를 들어, 모바일 전화기, 태블릿 컴퓨터, 및/또는 임의의 다른 적절한 디바이스)는 가까이 있는 디바이스들(예를 들어, 가까이 있는 텔레비전, 가까이 있는 스피커, 가까이 있는 연기 검출기, 그리고/또는 임의의 다른 적절한 디바이스)을 식별하기 위해 디바이스 발견 프로토콜을 사용할 수 있다. 이러한 일부 구현예들에서, 제 1 사용자 디바이스는 발견된 디바이스들의 식별자들(예를 들어, IP 어드레스, MAC 어드레스, 디바이스의 제조자의 명칭, 디바이스와 관련된 (사용자에 의해 특정된) 명칭, 및/또는 임의의 다른 적절한 정보)이 이후의 사용을 위해 (예를 들어, 서버(들)(120) 중 하나에) 저장되도록 할 수 있다.

도면번호 1340에서, 프로세스(1300)는 목표 주변 잡음을 생성하도록 그 식별된 하나 이상의 디바이스들에 대한 음향 출력들을 결정할 수 있다. 예를 들어, 만약 블록(1320)에서, 프로세스(1300)가 목표 주변 잡음은 백색 잡음일 것을 결정했다면, 그리고 만약 블록(1330)에서, 프로세스(1300)가 목표 주변 잡음을 생성하기 위해 사용될 디바이스로서 랩탑 컴퓨터를 식별했다면, 프로세스(1300)는 랩탑 컴퓨터에 대한 음향 출력(백색 잡음에 근사하게 될 음향 출력)을 결정할 수 있다. 더 구체적인 예로서, 일부 구현예들에서, 프로세스(1300)는 랩탑 컴퓨터와 관련된 송풍기로 하여금 특정 속도에서 혹은 특정 속도들의 패턴에서 회전(spin)하도록 하는 것이 백색 잡음에 근사하는 잡음을 생성할 것이라고 결정할 수 있다. 또 하나의 다른 더 구체적인 예로서, 일부 구현예들에서, 프로세스(1300)는 예를 들어, 랩탑 컴퓨터로 하여금 백색 잡음을 합성(synthesize)하도록 함으로써, 백색 잡음을 포함하는 오디오 파일을 재생하도록 함으로써, 그리고/또는 임의의 다른 적절한 기법들을 통해, 랩탑 컴퓨터가 백색 잡음에 근사하는 잡음을 랩탑 컴퓨터와 관련된 스피커들을 통해 방출하도록 할 수 있다. 일부 구현예들에서, 프로세스(1300)는 목표 주변 잡음이 점진적으로 생성될 것을 결정할 수 있음에 유의해야 한다. 예를 들어, 만약 목표 주변 잡음이 특정 음향 수준에서의 음향 및/또는 잡음이어야 한다면, 프로세스(1300)는 임의의 적절한 기간에 걸쳐(예를 들어, 1분에 걸쳐, 10분에 걸쳐, 30분에 걸쳐, 그리고/또는 임의의 다른 적절한 기간에 걸쳐) 목표 음향 수준에 도달할 것을 결정할 수 있다. 또 하나의 다른 예로서, 일부 구현예들에서, 프로세스(1300)는 목표 주변 잡음이 특정 사용자 동작에 따라 점진적으로 생성될 것을 결정할 수 있다. 더 구체적인 예로서, 프로세스(1300)는 특정 사용자 동작(예를 들어, 사용자가 컴퓨터와 상호작용하기 시작하는 것, 사용자가 잠들어 버리는 것, 사용자가 움직임을 증가시키는 것, 그리고/또는 임의의 다른 적절한 사용자 동작)이 기록될 때까지 목표 주변 잡음의 음향 수준이 증가될 것을 결정할 수 있다.

또 하나의 다른 예로서, 만약 블록(1320)에서 프로세스(1300)가 목표 주변 잡음은 임의의 더 낮은 음향 수준에서 제시되는 현재 배경 잡음일 것을 결정한다면, 프로세스(1300)는 현재 배경 잡음의 음향 수준을 낮추도록 그 식별된 하나 이상의 디바이스들에 대한 음향 출력들을 결정할 수 있고, 그리고/또는 현재 배경 잡음의 더 낮은 음향 수준의 지각(perception)을 생성하는 음향 출력들을 결정할 수 있다. 더 구체적인 예로서, 현재 배경 잡음이 임의의 컴퓨터와 관련된 송풍기를 포함한다고 결정되는 경우에, 프로세스(1300)는 음향 출력이 더 낮은 음량의 잡음을 생성하기 위해 더 낮은 속도에서 동작하는 송풍기를 포함할 것을 결정할 수 있다. 또 하나의 다른 특정 예로서, 프로세스(1300)는 더 낮은 음향 수준의 지각을 생성하기 위해 임의의 적절한 잡음 소거 기법들을 사용하여 하나 이상의 식별된 디바이스들에 대한 음향 출력들을 결정할 수 있다. 특정 예로서, 현재 배경 잡음이 임의의 컴퓨터와 관련된 송풍기를 포함한다고 결정되는 경우에, 프로세스(1300)는 송풍기로부터의 잡음과의 간섭(interference)을 통해 배경 잡음의 더 낮은 음향 수준의 지각을 발생시키는 임의의 적절한 개수의 가까이 있는 디바이스들로부터 음향 출력들을 발생시킬 수 있다. 이러한 일부 구현예들에서, 프로세스(1300)는 잡음 소거를 수행하기 위해 요구되는 그러한 음향 출력들을 계산하기 위해 임의의 적절한 정보(예컨대, 하나 이상의 식별된 디바이스들의 위치, 사용자의 위치, 및/또는 임의의 다른 적절한 정보)를 추가적으로 사용할 수 있다.

일부 구현예들에서, 프로세스(1300)는 하나 이상의 디바이스들과 관련된 디바이스 타입 및/또는 디바이스 능력들에 근거하여 그 식별된 하나 이상의 디바이스들에 대한 음향 출력들을 결정할 수 있다. 예를 들어, 일부 구현예들에서, 프로세스(1300)는 하나 이상의 디바이스들이 오디오 출력 능력들과 관련되어 있지 않다고 결정하는 것에 응답하여 (예를 들어, 생성되는 음향과 관련된 음조 및/또는 소리세기(loudness)를 제어하기 위해) 오로지 하나 이상의 디바이스들과 관련된 송풍기 속도들의 변조를 통해서만 목표 주변 잡음이 생성될 것을 결정할 수 있다. 또 하나의 다른 예로서, 일부 구현예들에서, 프로세스(1300)는 하나 이상의 디바이스들이 오디오 출력 능력들과 관련되어 있지 않다고 결정하는 것에 응답하여 하나 이상의 디바이스들과 관련된 송풍기를 턴온(turn on) 및 턴오프(turn off)시킴으로써 목표 주변 잡음이 생성될 것을 결정할 수 있다. 또 하나의 다른 예로서, 일부 구현예들에서, 프로세스(1300)는 하나 이상의 디바이스들 중 적어도 하나의 디바이스가 오디오 출력 및/또는 스피커들과 관련되어 있다고 결정하는 것에 응답하여 특정 오디오 파일을 재생함으로써 목표 주변 잡음이 생성될 것을 결정할 수 있다. 더 구체적으로 살펴보면, 일부 구현예들에서, 프로세스(1300)는 디바이스로 하여금 예를 들어, 미디어 콘텐츠 공유 서비스, 애플리케이션 스토어(application store), 및/또는 임의의 다른 적절한 사이트로부터 특정 오디오 파일을 다운로드하도록 할 수 있다. 일부 구현예들에서, 임의의 적절한 개수(예를 들어, 1개, 2개, 4개, 및/또는 임의의 다른 적절한 개수)의 식별된 디바이스들이 목표 주변 잡음을 생성하는데 사용될 수 있다는 것, 그리고 디바이스들 각각에 대응하는 음향 출력의 타입(예를 들어, 오디오 출력, 송풍기 속도의 변조를 통한 음향 출력, 및/또는 임의의 다른 적절한 타입의 음향 출력)은 서로 다를 수 있다는 것에 유의해야 한다. 목표 주변 잡음을 생성하는데 복수의 디바이스들이 사용되게 되는 구현예들에서, 프로세스(1300)는 음향 출력들의 중첩(superposition)이 목표 주변 잡음에 근사하도록 디바이스들 각각에 대한 음향 출력들을 계산할 수 있다.

프로세스(1300)가 (예를 들어, 하나 이상의 디바이스들과 관련된 송풍기들의 속도를 변조함으로써, 음향을 합성한 후 그 합성된 음향이 하나 이상의 디바이스들과 관련된 오디오 출력을 통해 재생되도록 함으로써, 그리고/또는 임의의 다른 적절한 기법들을 행함으로써) 하나 이상의 디바이스들이 목표 주변 잡음을 합성할 것을 결정하는 경우들에서, 프로세스(1300)는 합성되는 목표 주변 잡음을 생성하기 위해 하나 이상의 파라미터들을 계산할 수 있다. 예를 들어, 만약 목표 주변 잡음이 고양이의 가르랑거리는 잡음과 같은 특정 잡음을 포함한다면, 그리고 만약 목표 주변 잡음이 특정 디바이스의 송풍기의 속도를 변조함으로써 생성될 것이라면, 프로세스(1300)는 고양이의 가르랑거리는 잡음의 근사치를 생성하기 위해 요구되는 송풍기 속도의 시간적 패턴(temporal pattern)을 계산할 수 있다. 또 하나의 다른 예로서, 일부 구현예들에서, 프로세스(1300)는 목표 주변 잡음의 근사치를 생성하기 위해, 결합되어 오디오 출력을 통해 제시되게 되는 하나 이상의 신호들(예를 들어, 사인파(sine wave)들, 및/또는 임의의 다른 적절한 신호들)을 계산할 수 있다.

일부 구현예들에서, 프로세스(1300)는 목표 주변 잡음을 생성하기 위해 요구되는 음향 출력들을 계산하기 위해 임의의 적절한 신호 프로세싱 기법들(예를 들어, 스펙트럼 분석(spectral analysis), 필터링, 디지털 신호 프로세싱 및/또는 임의의 다른 적절한 기법들)을 사용할 수 있다. 특정 예로서, 일부 구현예들에서, 프로세스(1300)는 목표 주변 잡음의 표현을 식별된 디바이스들의 수에 대응하는 대역들의 수로 대역-통과 필터링(band-pass filtering)할 수 있고, 그리고 식별된 디바이스들 각각에 대응하는 음향 출력이, 해당하는 특정 대역 내에 존재하는 에너지에 근거하여 변조된 진폭을 갖는 특정 캐리어 음향 출력(carrier sound output)(예를 들어, 특정 주파수를 중심으로 하는 잡음의 대역, 특정 속도에서 동작하는 송풍기, 및/또는 임의의 다른 적절한 음향 출력)에 대응할 것을 결정할 수 있다. 일부 이러한 구현예들에서, 음향 출력은 오디오 출력을 통해 생성되는 음향에 대응할 수 있고 그리고/또는 특정 디바이스에 의한 동작의 부산물로서 방출되는 음향에 대응할 수 있음에 유의해야 한다.

일부 구현예들에서, 프로세스(1300)는 생성되는 음향 출력(들)에 의해 근사화될 목표 주변 잡음의 하나 이상의 특성들을 결정할 수 있다. 예를 들어, 만약 목표 주변 잡음이 특정 파형(waveform)을 포함한다면, 프로세스(1300)는 해당하는 그 파형의 정점(peak)들 및/또는 골(valley)들이 복수의 디바이스들로부터의 생성되는 음향 출력(들) 및/또는 음향 출력(들)의 조합에 의해 근사화될 것을 결정할 수 있다. 특성들의 다른 예들은, 특정 스펙트럼 대역(spectral band)들 내에 존재하는 에너지, 파형의 포락선(envelope)의 정점들 및/또는 골들, 파형의 포락선에 대응하는 시간적 특성들, 그리고/또는 임의의 다른 적절한 특성들 혹은 특성들의 조합을 포함한다. 더욱이, 일부 구현예들에서, 만약 프로세스(1300)가 목표 주변 잡음의 하나 이상의 특성들의 근사화가 음향 출력(들)의 조합으로 생성될 수 없다고 결정한다면, 프로세스(1300)는 음향 출력(들)이 생성되지 않을 것을 결정할 수 있다. 일부 구현예들에서, 목표 주변 잡음의 근사화는 임의의 적절한 방식(예를 들어, 제곱 평균 제곱근 오차(root-mean square error), 상관관계(correlation), 및/또는 임의의 다른 적절한 계측치)으로 정량화(quantify)될 수 있다.

도면번호 1350에서, 프로세스(1300)는 하나 이상의 디바이스들로 하여금 블록(1340)에서 결정된 음향 출력들을 임의의 적절한 기법 혹은 기법들의 조합을 사용하여 생성하도록 할 수 있다. 예를 들어, 음향 출력이 임의의 디바이스와 관련된 송풍기의 속도를 변조하는 것을 포함하는 경우들에서, 프로세스(1300)는 디바이스와 관련된 API에 액세스함으로써 송풍기를 제어할 수 있다. 더 구체적으로 살펴보면, API는 펄스-폭 변조 및/또는 임의의 다른 적절한 기법들을 사용하여 송풍기의 속도를 제어할 수 있다. 또 하나의 다른 예로서, 음향 출력이 해당 디바이스와 관련된 오디오 출력으로부터 특정 출력을 발생시키는 것을 포함하는 경우들에서, 프로세스(1300)는 그 출력을 특정하는(아울러 그 출력이 오디오 출력을 통해 재생되도록 하는 명령들을 포함하는) 메시지를 해당 디바이스에 전송할 있다. 더 구체적인 예로서, 만약 출력 음향이 목표 주변 잡음의 합성된 근사화를 포함한다면, 프로세스(1300)는 오디오 출력을 통해 재생되게 되는 파형을 특정할 수 있다. 또 하나의 다른 더 구체적인 예로서, 만약 음향 출력이 오디오 출력을 통해 재생되게 되는 오디오 파일을 포함한다면, 프로세스(1300)는 그 오디오 파일과 관련된 식별 정보(예컨대, 파일 명칭, 파일 위치, 다운로드 명령들, 및/또는 임의의 다른 적절한 정보)를 특정할 수 있다.

일부 구현예들에서, 프로세스(1300)는 음향 출력(들) 및/또는 목표 주변 잡음에 등급 및/또는 신뢰도 점수를 할당할 수 있다. 일부 구현예들에서, 등급 및/또는 신뢰도 점수는 사용자가 음향 출력(들) 및/또는 목표 주변 잡음을 좋아할 것인지 여부의 예측에 근거할 수 있다. 등급 및/또는 신뢰도 점수는 임의의 적절한 정보(예를 들어, 사용자의 이전의 피드백, 음향 출력(들)을 생성하기 위해 선택된 디바이스들, 및/또는 임의의 다른 적절한 정보)에 근거할 수 있다. 예를 들어, 음향 출력(들)이 사용자가 이전에 표시하길 사용자가 좋아했음이라고 표시한 음향 출력과 유사하다고 결정되는 경우들에서, 등급 및/또는 신뢰도 점수는 다른 음향 출력(들)에 대응하는 등급 및/또는 신뢰도 점수보다 상대적으로 더 높을 수 있다. 또 하나의 다른 예로서, 음향 출력이 사용자가 이전에 표시하길 사용자가 좋아했음이라고 표시한 디바이스들을 사용하여 생성되는 경우들에서, 등급 및/또는 신뢰도 점수는 다른 음향 출력(들)에 대응하는 등급 및/또는 신뢰도 점수보다 상대적으로 더 높을 수 있다. 추가적으로, 일부 구현예들에서, 만약 프로세스(1300)가 등급 및/또는 신뢰도 점수를 할당하기에 적절한 정보가 없다고 결정한다면, 프로세스(1300)는 불확정(uncertainty)을 표시하는 등급 및/또는 신뢰도 점수(예를 들어, 0에서 10까지의 척도 중 5, 그리고/또는 임의의 다른 적절한 점수)를 할당할 수 있다. 더욱이, 일부 구현예들에서, 만약 할당된 등급이 임의의 미리결정된 임계치 아래에 있다고 결정된다면, 프로세스(1300)는 음향 출력(들)이 생성되어서는 안 된다고 결정할 수 있다.

일부 구현예들에서, 음향 출력들이 생성된 이후, 사용자로부터의 피드백이 수신될 수 있는데, 예를 들어, (도 11에서 보여지는 인터페이스와 유사한) 사용자 인터페이스를 통해 수신될 수 있다. 일부 구현예들에서, 피드백은, 생성된 특정 음향들을 사용자가 좋아했는지 아니면 싫어했는지, 음향을 생성하는데 사용된 디바이스들의 사용을 사용자가 좋아했는지 아니면 싫어했는지, 생성된 음향이 너무 컸는지 아니면 너무 온화했는지, 그리고/또는 임의의 다른 적절한 피드백을 포함할 수 있다. 일부 구현예들에서, 그 수신된 사용자 피드백은 목표 주변 잡음, 음향 프로파일을 조정하는 데 사용될 수 있고, 예를 들어, 예를 들어, 도 13의 블록(1320)에서, 다른 사용자들(예를 들어, 동일한 그룹 내에 배치되는 유사한 사용자들, 유사한 목적들 및/또는 목표들을 갖는 사용자들, 등)에 대한 목표 주변 잡음들을 결정하는데 사용될 수 있다. 일부 구현예들에서, 그 수신된 사용자 피드백은 음향 출력(들)과 관련된 등급 및/또는 신뢰도 점수를 조정하는데 사용될 수 있다.

일부 구현예들에서, 사용자는 프로세스(1300)가 목표 주변 잡음이 생성되도록 할 때 그 목표 주변 잡음을 방출시키는 디바이스로서 특정 디바이스를 선택하는 것 및/또는 선택해제하는 것을 행할 수 있다. 예를 들어, 일부 구현예들에서, 사용자는 도 14의 사용자 인터페이스(1400)에서 보여지는 바와 같은 사용자 인터페이스를 사용하여 특정 디바이스들을 선택하는 것 및/또는 선택해제하는 것을 행할 수 있다. 보여지는 바와 같이, 사용자 인터페이스(1400)는 디바이스들의 선택(1410)을 포함할 수 있다. 일부 구현예들의 경우, 디바이스들의 선택(1410)에서 보여지는 디바이스들 각각은 목표 주변 잡음을 생성하기 위해 이용가능한 디바이스들의 그룹 내에 포함되도록 선택될 수 있고 그리고/또는 선택해제될 수 있다. 일부 구현예들에서, 선택 메커니즘은 임의의 적절한 사용자 인터페이스 요소들(예컨대, 체크박스(checkbox)들, 드랍-다운 메뉴(drop-down menu)들, 라디오 버튼(radio button)들, 및/또는 임의의 다른 적절한 요소들)을 포함할 수 있다. 일부 구현예들에서, 사용자 인터페이스(1400)를 사용하여 특정 디바이스가 선택되었고 그리고/또는 선택해제되었다는 표시는 사용자 인터페이스(1400)를 제시한 사용자 디바이스로부터 도 1과 연계되어 위에서 설명된 바와 같은 서버(들)(120) 중 하나로 전송될 수 있다.

이에 따라, 기분 및/또는 행위 정보에 근거하여 주변 배경 잡음을 수정하기 위한 방법들, 시스템들, 및 매체들이 제공된다.

비록 본 명세서에서 개시되는 주된 내용이 앞서의 예시적 구현예들에서 설명되고 예시되었지만, 본 개시내용은 오로지 예시적 목적으로만 설명되었다는 것, 그리고 본 명세서에서 개시되는 주된 내용을 구현함에 있어 세부사항들에서 수많은 변경들이, 본 명세서에서 개시되는 주된 내용의 사상 및 범위(이것은 오로지 아래에 후속하는 청구항들에 의해서만 규정됨)로부터 벗어남이 없이 일어날 수 있다는 것을 이해해야 한다. 본 명세서에서 개시되는 구현예들의 특징들은 다양한 방식들로 결합될 수 있고 재정렬될 수 있다.

Claims (19)

1. 주변 배경 잡음(ambient background noise)을 수정(modification)하기 위한 방법으로서, 상기 방법은,
   사용자 디바이스(user device)를 갖고 있는 사용자의 환경 내에 존재하는 적어도 하나의 잡음, 상기 사용자가 현재 관여된 활동(activity), 그리고 상기 사용자의 신체 상태 혹은 감정 상태를 식별하는 단계와;
   상기 식별된 잡음, 상기 사용자가 현재 관여된 활동, 그리고 상기 사용자의 신체 상태 혹은 감정 상태에 적어도 부분적으로 근거하여 상기 환경 내에 생성될 목표 주변 잡음(target ambient noise)을 결정하는 단계와;
   상기 목표 주변 잡음을 생성하기 위해 사용될 상기 사용자 디바이스와 관련된 적어도 하나의 디바이스를 식별하는 단계와;
   상기 식별된 디바이스들 각각에 대응하는 음향 출력(sound output)들을 결정하는 단계와, 여기서 상기 음향 출력들의 조합은 상기 목표 주변 잡음의 하나 이상의 특성들의 근사치(approximation)를 생성하며; 그리고
   상기 식별된 디바이스들로 하여금 상기 결정된 음향 출력들을 생성하도록 하는 단계를 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
2. 제1항에 있어서,
   상기 방법은 또한, 상기 사용자 디바이스와 관련된 상기 식별된 디바이스들에 있어서, 상기 식별된 디바이스들과 관련된 음향 출력 능력들(sound output capabilities)을 결정하는 단계를 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
3. 제2항에 있어서,
   상기 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하는 단계는 상기 결정된 음향 출력 능력들에 적어도 부분적으로 근거하고 있는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
4. 제1항에 있어서,
   상기 결정된 음향 출력들은 상기 식별된 디바이스들 중 적어도 하나와 관련된 송풍기(fan)의 속도의 변조(modulation)를 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
5. 제1항에 있어서,
   상기 결정된 음향 출력들은 상기 식별된 디바이스들 중 적어도 하나와 관련된 오디오 출력(audio output)을 통해 생성되게 되는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
6. 제1항에 있어서,
   상기 방법은 또한, 상기 환경 내에 존재하는 상기 잡음들과 관련된 음향 수준(sound level)을 결정하는 단계를 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
7. 제6항에 있어서,
   상기 목표 주변 잡음은 상기 환경 내에 존재하는 상기 하나 이상의 잡음들과 관련된 상기 결정된 음향 수준과 비교하여 더 낮은 음향 수준에서 상기 환경 내에 존재하는 잡음들을 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
8. 제1항에 있어서,
   상기 방법은 또한,
   상기 결정된 목표 주변 잡음과 관련된 사용자 피드백(user feedback)을 수신하는 단계와; 그리고
   상기 수신된 사용자 피드백에 근거하여 상기 음향 출력들이 생성될 것을 결정하는 단계를 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
9. 제8항에 있어서,
   상기 음향 출력들 각각은 관련된 등급(rating)을 가지며, 상기 방법은 또한,
   상기 음향 출력들과 관련된 상기 등급을 검색(retrieving)하는 단계와; 그리고
   상기 수신된 사용자 피드백에 근거하여 상기 등급을 수정하는 단계를 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 방법.
10. 주변 배경 잡음을 수정하기 위한 시스템으로서, 상기 시스템은 하드웨어 프로세서(hardware processor)를 포함하고,
    상기 하드웨어 프로세서는,
    사용자 디바이스를 갖고 있는 사용자의 환경 내에 존재하는 적어도 하나의 잡음, 상기 사용자가 현재 관여된 활동, 그리고 상기 사용자의 신체 상태 혹은 감정 상태를 식별하는 것과;
    상기 식별된 잡음, 상기 사용자가 현재 관여된 활동, 그리고 상기 사용자의 신체 상태 혹은 감정 상태에 적어도 부분적으로 근거하여 상기 환경 내에 생성될 목표 주변 잡음을 결정하는 것과;
    상기 목표 주변 잡음을 생성하기 위해 사용될 상기 사용자 디바이스와 관련된 적어도 하나의 디바이스를 식별하는 것과;
    상기 하나 이상의 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하는 것과, 여기서 상기 음향 출력들의 조합은 상기 목표 주변 잡음의 하나 이상의 특성들의 근사치를 생성하며; 그리고
    상기 하나 이상의 식별된 디바이스들로 하여금 상기 결정된 음향 출력들을 생성하도록 하는 것을
    수행하도록 프로그래밍되어 있는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
11. 제10항에 있어서,
    상기 하드웨어 프로세서는 또한, 상기 사용자 디바이스와 관련된 상기 식별된 디바이스들에 있어서, 상기 식별된 디바이스들과 관련된 음향 출력 능력들을 결정하도록 프로그래밍되어 있는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
12. 제11항에 있어서,
    상기 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하는 것은 상기 결정된 음향 출력 능력들에 적어도 부분적으로 근거하고 있는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
13. 제10항에 있어서,
    상기 결정된 음향 출력들은 상기 식별된 디바이스들 중 적어도 하나와 관련된 송풍기의 속도의 변조를 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
14. 제10항에 있어서,
    상기 결정된 음향 출력들은 상기 식별된 디바이스들 중 적어도 하나와 관련된 오디오 출력을 통해 생성되게 되는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
15. 제10항에 있어서,
    상기 하드웨어 프로세서는 또한, 상기 환경 내에 존재하는 상기 잡음들과 관련된 음향 수준을 결정하도록 프로그래밍되어 있는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
16. 제15항에 있어서,
    상기 목표 주변 잡음은 상기 환경 내에 존재하는 상기 하나 이상의 잡음들과 관련된 상기 결정된 음향 수준과 비교하여 더 낮은 음향 수준에서 상기 환경 내에 존재하는 잡음들을 포함하는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
17. 제10항에 있어서,
    상기 하드웨어 프로세서는 또한,
    상기 결정된 목표 주변 잡음과 관련된 사용자 피드백을 수신하는 것과; 그리고
    상기 수신된 사용자 피드백에 근거하여 상기 음향 출력들이 생성될 것을 결정하는 것을
    수행하도록 프로그래밍되어 있는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
18. 제17항에 있어서,
    상기 음향 출력들 각각은 관련된 등급을 가지며,
    상기 하드웨어 프로세서는 또한,
    상기 음향 출력들과 관련된 상기 등급을 검색하는 것과; 그리고
    상기 수신된 사용자 피드백에 근거하여 상기 등급을 수정하는 것을
    수행하도록 프로그래밍되어 있는 것을 특징으로 하는 주변 배경 잡음을 수정하기 위한 시스템.
19. 컴퓨터 실행가능 명령들을 포함하는 비-일시적 컴퓨터-판독가능 매체(non-transitory computer-readable medium)로서, 상기 컴퓨터 실행가능 명령들은 프로세서에 의해 실행될 때 상기 프로세서로 하여금 주변 배경 잡음을 수정하기 위한 방법을 수행하도록 하고, 상기 방법은,
    사용자 디바이스를 갖고 있는 사용자의 환경 내에 존재하는 적어도 하나의 잡음, 상기 사용자가 현재 관여된 활동, 그리고 상기 사용자의 신체 상태 혹은 감정 상태를 식별하는 단계와;
    상기 식별된 잡음, 상기 사용자가 현재 관여된 활동, 그리고 상기 사용자의 신체 상태 혹은 감정 상태에 적어도 부분적으로 근거하여 상기 환경 내에 생성될 목표 주변 잡음을 결정하는 단계와;
    상기 목표 주변 잡음을 생성하기 위해 사용될 상기 사용자 디바이스와 관련된 적어도 하나의 디바이스를 식별하는 단계와;
    상기 하나 이상의 식별된 디바이스들 각각에 대응하는 음향 출력들을 결정하는 단계와, 여기서 상기 음향 출력들의 조합은 상기 목표 주변 잡음의 하나 이상의 특성들의 근사치를 생성하며; 그리고
    상기 하나 이상의 식별된 디바이스들로 하여금 상기 결정된 음향 출력들을 생성하도록 하는 단계를
    포함하는 것을 특징으로 하는 비-일시적 컴퓨터-판독가능 매체.

Images