KR20180070659A - 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠 - Google Patents

메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠 Download PDF

Info

Publication number
KR20180070659A
KR20180070659A KR1020187013953A KR20187013953A KR20180070659A KR 20180070659 A KR20180070659 A KR 20180070659A KR 1020187013953 A KR1020187013953 A KR 1020187013953A KR 20187013953 A KR20187013953 A KR 20187013953A KR 20180070659 A KR20180070659 A KR 20180070659A
Authority
KR
South Korea
Prior art keywords
bot
user
response
determining
messages
Prior art date
Application number
KR1020187013953A
Other languages
English (en)
Inventor
오리 게르소니
세르게이 나자로프
로드리고 데 카스트로
에리카 팔머
다니엘 래미지
아담 로드리게즈
안드레이 파스코비치
Original Assignee
구글 엘엘씨
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority to US201562270454P priority Critical
Priority to US62/270,454 priority
Priority to US201662308195P priority
Priority to US62/308,195 priority
Priority to US62/334,305 priority
Priority to US201662334305P priority
Application filed by 구글 엘엘씨 filed Critical 구글 엘엘씨
Priority to PCT/US2016/068083 priority patent/WO2017112796A1/en
Priority to US15/386,760 priority
Priority to US15/386,760 priority patent/US10757043B2/en
Publication of KR20180070659A publication Critical patent/KR20180070659A/ko

Links

Images

Classifications

    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00Arrangements for user-to-user messaging in packet-switching networks, e.g. e-mail or instant messages
    • H04L51/02Arrangements for user-to-user messaging in packet-switching networks, e.g. e-mail or instant messages with automatic reactions or user delegation, e.g. automatic replies or chatbot
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00Arrangements for user-to-user messaging in packet-switching networks, e.g. e-mail or instant messages
    • H04L51/04Real-time or near real-time messaging, e.g. instant messaging [IM]
    • H04L51/046Real-time or near real-time messaging, e.g. instant messaging [IM] interacting with other applications or services
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00Arrangements for user-to-user messaging in packet-switching networks, e.g. e-mail or instant messages
    • H04L51/06Message adaptation based on network or terminal capabilities
    • H04L51/063Message adaptation based on network or terminal capabilities with adaptation of content
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00Arrangements for user-to-user messaging in packet-switching networks, e.g. e-mail or instant messages
    • H04L51/16Arrangements for user-to-user messaging in packet-switching networks, e.g. e-mail or instant messages including conversation history, e.g. threads
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00Arrangements for user-to-user messaging in packet-switching networks, e.g. e-mail or instant messages
    • H04L51/18Messages including commands or codes to be executed either at an intermediate node or at the recipient to perform message-related actions
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L51/00Arrangements for user-to-user messaging in packet-switching networks, e.g. e-mail or instant messages
    • H04L51/20Messaging using geographical location information

Abstract

메시징 애플리케이션 내에서 사용자에게 제안들을 자동적으로 제공하기 위해, 그 메시징 애플리케이션은 하나 또는 그 초과의 메시지들의 콘텐츠 및/또는 사용자 정보를 자동적으로 분석할 수 있다. 그 제안들은 특정 비-메시징 기능성을 메시징 애플리케이션에 자동적으로 포함시킬 수 있다. 자동적인 제안들은 메시징 애플리케이션에서 응답하기 위해 사용자에 의해 선택될 하나 또는 그 초과의 적합한 응답들을 제안할 수 있고, 그리고/또는 사용자를 대신하여 하나 또는 그 초과의 적합한 응답들을 자동적으로 전송할 수 있다.

Description

메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠
[0001] 사용자들은 다른 사용자들과의 통신들을 위해서 데스크톱 컴퓨터들 대신에 모바일 디바이스들에 점점 더 의존하고 있다. 모바일 디바이스들이 어디에서나 휴대될 수 있다는 점에서 그 모바일 디바이스들은 유리하다. 그러나, 그 모바일 디바이스들의 작은 스크린들 및 제한된 대역폭으로 인해, 사용자들은 자신들이 시기 적절하게 필요로 하는 정보를 획득하기가 어려울 수 있다. 게다가, 사용자들은 자신들의 모바일 디바이스들을 사용하여 채팅하기를 원할 수 있지만, 일부 정보는 단지 사람과의 전화 통화 및 대화를 통해서만 이용가능할 수 있다.
[0002] 구현들은 일반적으로 메시징 애플리케이션들에 관한 것이다. 특정 구현들은 메시징 애플리케이션 내에서 사용자에게 제안들(suggestions)을 자동적으로 제공하기 위해 하나 또는 그 초과의 메시징 대화들(본원에서 "메시지 교환 스레드들(threads)"로서 또한 지칭됨)의 콘텐츠 및/또는 사용자 정보 중 하나 또는 그 초과를 자동적으로 분석할 수 있다. 특정 예들에서, 제안들은 특정 비-메시징 기능성을 메시징 애플리케이션에 자동적으로 포함시킬 수 있다. 특정 다른 예들에서, 자동적인 제안들은 메시징 애플리케이션에서 응답하기 위해 사용자에 의해 선택될 하나 또는 그 초과의 적합한 응답들을 제안할 수 있고, 그리고/또는 사용자를 대신하여 하나 또는 그 초과의 적합한 응답들을 자동적으로 전송할 수 있다.
[0003] 특정 구현들은 사람 사용자들 및/또는 채트 봇들(chat bots)과의 메시징을 가능하게 한다. 특정 구현들에서, 채트 봇이 메시징 대화에 참여하고 있는지 여부에 기반하여 자동적인 제안들이 맞춤화될 수 있다. 즉, 특정 예들에서, 만약 채트 봇이 메시징 대화에 존재하지 않는다면, 제1 세트의 자동적인 응답들이 제안될 수 있는데 반해, 만약 채트 봇이 메시징 대화에 존재한다면, 제2 세트의 자동적인 응답들이 제안될 수 있고, 제1 및 제2 세트들의 응답들은 적어도 부분적으로 상이하다. 예컨대, 구현들은 채트 봇이 따르는 대화 규칙들의 이해를 이용하고, 그리고 그 규칙들에 기반하여 사용자에게 응답들을 제안할 수 있다. 즉, 정해진 채트 봇이 존재할 때, 그 정해진 채트 봇이 따르는 규칙들을 준수하는 응답(들)이 제안될 수 있는데 반해, 만약 정해진 채트 봇이 존재하지 않았다면, 응답(들)은 제안되지 않았을 수 있다(그러나, 대화의 메시지들은 동일함). 이는, 사용자들이 채트 봇들에 의해서 쉽게 이해될 수 있는 포맷으로 그리고 언어로 채트 봇들과 통상적으로 통신하는 난제들을 완화시킨다. 이는 또한 채트 봇들로의 통신들이 그 채트 봇들에 의해서 이해되는 포맷으로 그리고 언어로 이루어지는 가능성을 증가시킴으로써 네트워크 트래픽 및/또는 다른 컴퓨테이셔널 자원들을 감소시킬 수 있으며, 이는 채트 봇들의 언어 및 포맷 요건들을 준수하지 않는 응답들을 명확하게 하기 위해서 채트 봇으로의/채트 봇으로부터의 추가적인 통신들에 대한 필요성을 완화시킬 수 있다.
[0004] 일부 구현들은 계속 진행 중인 메시지 교환 스레드 동안 문맥 상 관련한 제안들을 제공하고, 참여자들이 그 제안들(또는 관련된 콘텐츠)을 간단한 방식으로(예컨대, 단일-탭 및/또는 다른 단일 선택 인터페이스 동작을 통해) 메시지 교환 스레드에 추가하게 할 수 있다. 추가적으로 또는 대안적으로, 문맥 상 관련한 제안들은 문맥 상 관련한 엔티티로 향하는 콘텐츠를 참여자(들)에게 제공할 수 있다(참여자(들)가 그 콘텐츠를 획득하기 위해서 메시지 교환 스레드를 렌더링하는 애플리케이션으로부터 다른 애플리케이션으로 스위칭하는 것을 필요로 하지 않음). 이는 그렇지 않을 경우 정보 요구들을 충족시키기 위해 다른 애플리케이션으로 스위칭하는데 있어 소비될 특정 컴퓨테이셔널 자원들의 사용을 감소시킬 수 있다. 예컨대, 다른 애플리케이션으로의 스위칭은 애플리케이션의 론칭(launcing) 및/또는 서피싱(surfacing)을 통해 프로세서, 메모리, 및/또는 배터리 자원들의 사용을 필요로 할 수 있다. 또한, 메시지 교환 스레드에서 콘텐츠를 획득하는 대신에 콘텐츠를 획득하기 위해 다른 애플리케이션으로 스위칭하는 것은 참여자들이 정보를 획득하는데 소모할 필요가 있는 시간량을 증가시킬 수 있고, 이는 콘텐츠를 획득하는데 있어 컴퓨테이셔널 자원들의 대응하는 소비 증가로 이어질 수 있다.
[0005] 일부 구현들에서, 하나 또는 그 초과의 프로세서들에 의해서 구현되는 컴퓨터-구현 방법이 제공되고, 다수의 사용자들 간에 메시지 교환 스레드의 하나 또는 그 초과의 메시지들을 수신하는 단계를 포함한다. 다수의 사용자들은 제1 사용자 및 제2 사용자를 포함하고, 하나 또는 그 초과의 메시지들은 대응하는 메시징 애플리케이션을 통해 그 다수의 사용자들 중 대응하는 사용자에 의해서 각각 제출된다. 방법은 하나 또는 그 초과의 메시지들에 기반하여 제1 타입의 제1 봇을 결정하는 단계, 및 하나 또는 그 초과의 메시지들에 기반하여 제2 타입의 제2 봇을 결정하는 단계를 더 포함한다. 제2 타입은 제1 타입과 상이하다. 일부 구현들에서, 봇의 타입은 그 봇에 의해서 수행되는 태스크에 대응한다. 예컨대, 제1 타입의 봇은 식당 예약 봇일 수 있고, 제2 타입의 봇은 음식 주문 봇일 수 있다. 방법은 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 제2 봇에 우선해 제1 봇을 선택하는 단계, 및 콘텐츠에 기반하여 제1 봇에 봇 커맨드를 송신하는 단계를 더 포함한다. 제1 봇에 봇 커맨드를 송신하는 단계는 제2 봇에 우선해 제1 봇을 선택하는 것에 대한 응답으로 이루어진다. 방법은 제1 못에 봇 커맨드를 송신하는 것에 대한 응답으로 제1 봇으로부터 응답 콘텐츠를 수신하는 단계, 및 제1 사용자의 대응하는 메시징 애플리케이션을 통해서 적어도 제1 사용자로의 제시를 위해 제1 봇으로부터의 응답 콘텐츠를 제공하는 단계를 더 포함한다.
[0006] 이들 및 다른 구현들은 제2 봇에 우선해 제1 봇을 선택함으로써, 콘텐츠에 기반하는 어떤 봇 커맨드도 제2 봇에 송신하지 않을 수 있다. 이는 제2 봇에 봇 커맨드를 송신하지 않음으로써 네트워크 자원들을 보존할 수 있고, 그리고/또는 제2 봇이 그 커맨드에 따라 동작할 필요성을 방지함으로써 제2 봇과 연관된 컴퓨테이셔널 자원들을 보존할 수 있다. 더욱이, 이들 및 다른 구현들은 대응하는 메시징 애플리케이션을 통해서 제시하기 위한 응답 콘텐츠를 제공함으로써, 사용자가 콘텐츠를 획득하기 위해서 다른 애플리케이션으로 스위칭하는 것을 방지할 수 있고, 이는 다양한 컴퓨테이셔널 자원들을 보존할 수 있다.
[0007] 이들 및 다른 구현들은 선택적으로 다음의 특징들 중 하나 또는 그 초과를 포함할 수 있다.
[0008] 일부 구현들에서, 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 제2 봇에 우선해 제1 봇을 선택하는 단계는, (a) 하나 또는 그 초과의 메시지들로부터 토픽을 결정하는 단계 및 토픽에 기반하여 제1 봇을 선택하는 단계, 및/또는 (b) 하나 또는 그 초과의 메시지들에 대해 의미 분석을 수행하는 단계 및 의미 분석에 기반하여 제1 봇을 선택하는 단계를 포함한다.
[0009] 일부 구현들에서, 제1 봇 및 제2 봇을 결정하는 단계들은 하나 또는 그 초과의 메시지들 중 정해진 메시지의 적어도 하나의 용어(term)가 제1 봇 및 제2 봇 둘 모두의 호출(invocation)과 연관된다고 결정하는 단계를 포함한다. 이들 구현들 중 일부에서, 콘텐츠에 기반하여 제2 봇에 우선해 제1 봇을 선택하는 단계는 제1 봇의 호출과는 연관되지만 제2 봇의 호출과는 연관되지 않는, 하나 또는 그 초과의 메시지들 중 추가적인 메시지의 적어도 하나의 추가적인 용어에 기반하여 제1 봇을 선택하는 단계를 포함한다. 추가적인 메시지는, 예컨대, 정해진 메시지 이전에 메시지 교환 스레드로 제출되는 추가적인 메시지일 수 있다.
[0010] 일부 구현들에서, 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 제1 봇을 선택하는 단계는 메시지 교환 스레드 이전에 트레이닝 세트 데이터로부터 트레이닝 머신 학습 모델(trained machine learning model)을 생성하는 단계, 트레이닝 머신 학습 모델을 통해 출력을 생성하기 위해서 트레이닝 머신 학습 모델에 콘텐츠를 적용하는 단계, 및 제1 봇을 표시하는 출력에 기반하여 제1 봇을 선택하는 단계를 포함한다.
[0011] 일부 구현들에서, 제2 봇에 우선해 제1 봇을 선택하는 단계는 제1 사용자의 위치 및 제1 사용자와 연관된 사용자 정보 중 적어도 하나에 추가로 기반한다.
[0012] 일부 구현들에서, 방법은 정보 소스로부터의, 제1 봇에 특정화된 추가적인 정보를 요청하는 단계, 요청에 기반하여 추가적인 정보를 수신하는 단계, 및 추가적인 정보에 기반하여 제1 봇에 부합하도록 봇 커맨드를 생성하는 단계를 더 포함한다. 이들 구현들 중 일부는 봇 커맨드가 제1 봇에 의해서 이해되는 포맷이도록 보장할 수 있다.
[0013] 일부 구현들에서, 방법은 하나 또는 그 초과의 메시지들이 목적지와 연관된다고 결정하는 단계, 및 제1 사용자가 상기 목적지에 있을 시간을 결정하는 단계를 더 포함한다. 이들 구현들 중 일부에서, 봇 커맨드는 목적지 및 시간을 식별한다.
[0014] 일부 구현들에서, 방법은 하나 또는 그 초과의 메시지들에 기반하여 제1 사용자가 활성 역할(active role)과 연관된다고 결정하는 단계, 및 제1 사용자가 활성 역할과 연관된다고 결정하는 것에 기반하여, 제1 봇으로부터 응답 콘텐츠를 수신하도록 제2 사용자에 우선해 제1 사용자를 선정하는 단계를 더 포함한다. 이들 구현들에서, 적어도 제1 사용자로의 제시를 위해 제1 봇으로부터의 응답 콘텐츠를 제공하는 단계는 제2 사용자로의 제시를 위해 응답 콘텐츠를 제공하지 않고 제1 사용자로의 제시를 위해 응답 콘텐츠를 제공하는 단계를 포함한다. 따라서, 이들 구현들 중 일부는 단지 초기에 메시지 교환 스레드의 참여자들의 서브세트에게만 응답 콘텐츠를 제시하고, 이는 그 서브세트 이외의 다른 참여자(들)에게 응답 콘텐츠를 제공하는 것을 방지함으로써 그 다른 참여자(들)의 클라이언트 디바이스들의 다양한 컴퓨테이셔널 자원들의 소비를 방지할 수 있다.
[0015] 일부 구현들에서, 방법은, 응답 콘텐츠를 제공하는 것에 대한 응답으로, 제1 봇으로 향하는 제1 사용자로부터의 질문을 수신하는 단계, 질문을 수신하는 것에 대한 응답으로, 제1 봇과 연관된 사업체의 사업주에게 추가적인 정보에 대해 요청하도록 제1 봇에 지시하는 단계, 추가적인 정보를 포함하는 응답을 생성하는 단계, 및 질문을 수신하는 것에 대한 응답으로 제1 사용자로의 제시를 위한 응답을 제공하는 단계를 더 포함한다. 이들 구현들 중 일부에서, 방법은 추가적인 정보가 새로운 정보를 포함한다고 결정하는 단계, 및 하나 또는 그 초과의 컴퓨터 판독가능 매체들에서, 새로운 정보에 기반하여 사업에 대한 사업 프로파일을 업데이팅하는 단계를 더 포함한다. 따라서, 이들 구현들 중 일부는 새로운 정보를 반영하기 위해 사업 프로파일을 수정하고, 그리고 질문의 다른 경우에 대한 응답으로 추가적인 정보에 대해 소유주에게 다시 요청할 필요성을 방지하며, 이는 다시 요청하는 것과 연관된 송신들 및/또는 다른 컴퓨테이셔널 자원 소비들을 방지할 수 있다.
[0016] 일부 구현들에서, 제1 봇으로부터의 응답 콘텐츠를 제공하는 단계는 필드에 입력되는 텍스트 또는 선택을 제1 봇에 전송하는 필드를 포함하는 사용자 인터페이스를 제1 사용자에게 제공하는 단계를 포함한다. 이들 구현들 중 일부는 추가 텍스트 및/또는 선택들이 제1 봇에 의해서 이해될 수 있는 포맷이도록 보장할 수 있고, 그리고/또는 제1 사용자가 제1 봇과의 추가 통신들에서 더 적은 입력들을 제공할 수 있게 할 수 있다(예컨대, 사용자는 단일 선택만을 수행할 필요가 있을 수 있고 그리고/또는 추가 입력들을 갖는 제1 봇으로 텍스트를 명시적으로 어드레싱할 필요가 없이 직접 텍스트를 필드에 입력할 수 있음).
[0017] 일부 구현들에서, 방법은 하나 또는 그 초과의 메시지들에 있는 감정(sentiment), 구두점(punctuation), 및/또는 이모티콘(emoji)에 기반하여 제1 사용자의 글쓰기 스타일을 결정하는 단계, 및 제1 사용자의 글쓰기 스타일로 제1 사용자에게 응답 콘텐츠를 제공하는 단계를 더 포함한다.
[0018] 일부 구현들에서, 메시징 애플리케이션에서 봇 서비스들(bot services)을 자동적으로 제공하기 위한 컴퓨터-구현 방법은 제1 사용자와 제2 사용자 간에 하나 또는 그 초과의 메시지들을 수신하는 단계, 하나 또는 그 초과의 메시지들에 기반하여 제1 사용자를 위한 제1 타입의 제1 봇을 결정하는 단계, 하나 또는 그 초과의 메시지들에 기반하여 제1 사용자를 위한 제2 타입의 제2 봇을 결정하는 단계 ― 제2 타입은 제1 타입과 상이함 ―, 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 제2 봇에 우선해 제1 봇을 선택하는 단계, 및 콘텐츠에 기반하여 제1 봇에 봇 커맨드를 제공하는 단계를 포함한다.
[0019] 일부 구현들에서, 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 제1 봇을 선택하는 단계는 하나 또는 그 초과의 메시지들로부터 토픽을 결정하는 단계 및 하나 또는 그 초과의 메시지들에 대해 의미 분석을 수행하는 단계 중 적어도 하나를 포함한다. 방법은 제1 봇에 의해서 제공되는 하나 또는 그 초과의 서비스들에 관련된 초기 단어들을 결정하는 단계, 및 초기 단어들에 관련되는 관련된 단어들을 결정하는 단계를 더 포함할 수 있다. 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 제1 봇을 선택하는 단계는 트레이닝 세트 데이터로부터 머신 학습 모델을 생성하는 단계, 및 콘텐츠가 소망(desire)에 대응하는지 여부 및 제1 사용자가 소망에 따라 행동할 가능성이 있는 미리 결정된 시간 기간 동안 콘텐츠가 발생함을 결정하기 위해서 머신 학습 모델을 적용하는 단계를 더 포함할 수 있다. 제1 봇은 메시징 인터페이스의 부분인 목록 및 봇 스토어(bot store) 중 적어도 하나로부터 선택될 수 있다. 제1 타입의 봇을 결정하는 단계는 제1 사용자의 위치, 제1 사용자에 의해서 제출된 콘텐츠의 부분인 요청, 및 제1 사용자와 연관된 사용자 정보 중 적어도 하나에 추가로 기반할 수 있다. 방법은 제3-측 서버로부터의 봇으로부터의 추가적인 정보를 요청하는 단계, 및 추가적인 정보에 기반하여 봇 커맨드를 생성하는 단계를 더 포함할 수 있다. 방법은 하나 또는 그 초과의 메시지들이 목적지와 연관된다고 결정하는 단계 및 제1 사용자가 목적지에 있을 시간을 결정하는 단계를 더 포함할 수 있고, 봇 커맨드는 목적지 및 시간에 관련된다. 하나 또는 그 초과의 메시지들에 기반하여 제1 사용자를 위한 제1 타입의 제1 봇을 결정하는 단계는 하나 또는 그 초과의 메시지들에 기반하여 제1 사용자가 활성 역할(active role)과 연관된다고 결정하는 단계, 및 제1 봇으로부터 봇 제안을 수신하도록 제2 사용자에 우선해 제1 사용자를 선정하는 단계를 더 포함할 수 있다. 방법은 제1 봇으로 향하는 제1 사용자로부터의 질문을 수신하는 단계, 제1 봇과 연관된 사업체의 사업주에게 추가적인 정보에 대해 요청하도록 제1 봇에 지시하는 단계, 및 추가적인 정보를 포함하는 응답을 생성하는 단계를 더 포함할 수 있다. 방법은 추가적인 정보가 새로운 정보를 포함한다고 결정하는 단계, 및 새로운 정보에 기반하여 사업에 대한 사업 프로파일에 업데이트를 제공하는 단계를 더 포함할 수 있다. 방법은 필드에 입력되는 텍스트 또는 선택을 제1 봇에 전송하는 필드를 포함하는 사용자 인터페이스를 제1 사용자에게 제공하는 단계를 더 포함할 수 있다. 방법은 하나 또는 그 초과의 메시지들에 있는 감정, 구두점, 및 이모티콘 중 적어도 하나에 기반하여 제1 사용자의 글쓰기 스타일을 결정하는 단계, 및 제1 사용자의 글쓰기 스타일로 제1 사용자에게 제안을 제공하는 단계를 더 포함할 수 있다. 방법은 하나 또는 그 초과의 메시지들에 기반하여 제1 사용자에 대한 지불(payment)을 프로세싱하기 위해서 제1 사용자에게 제안을 제공하는 단계를 더 포함할 수 있다. 방법은 2개 또는 그 초과의 서비스들과 함께 제1 제안을 제공하는 단계, 제1 사용자로부터 2개 또는 그 초과의 서비스들 중 하나의 서비스의 선택을 수신하는 단계, 및 2개 또는 그 초과의 서비스들 중 하나의 서비스의 선택에 기반하여 추가적인 제안을 제공하는 단계를 더 포함할 수 있다. 추가적인 제안을 사용자에게 제공하는 단계는 사용자가 스크롤(scroll)할 수 있는 그래픽 아이콘들을 제공하는 단계를 포함한다.
[0020] 본 개시내용은 대화로부터 엔티티를 식별하고 사용자가 그 엔티티에 대해 동작을 취하게 하기 위한 제안을 생성하기 위한 시스템들 및 방법들을 더 포함할 수 있다. 본 개시내용에 설명된 청구대상의 일부 구현들에 따라, 시스템은 하나 또는 그 초과의 프로세서들 및 명령들을 저장하는 메모리를 갖고, 명령들은 실행될 때 시스템으로 하여금 대화로부터 적어도 하나의 대화 메시지를 수신하게 하고, 대화 메시지로부터 동작가능할 수 있는 엔티티를 식별하게 하고, 엔티티의 문맥 표시자들을 결정하게 하고, 문맥 표시자들에 기반하여 엔티티가 동작가능한지 여부를 결정하게 하며, 그리고 엔티티가 동작가능하다는 것에 대한 응답으로, 엔티티에 대해 동작을 취하도록 사용자에게 제안을 제공하게 한다. 일부 예시들에서, 아이템이 동작가능할 수 있다면, 그 아이템에 기반하여, 그 아이템들에 대한 추가적인 분석 또는 동작이 보장된다.
[0021] 일반적으로, 본 개시내용에 설명된 청구대상의 다른 구현은 방법들에서 구현될 수 있는데, 그 방법들은 하나 또는 그 초과의 프로세서들을 사용하여 대화로부터 적어도 하나의 대화 메시지를 수신하는 단계, 하나 또는 그 초과의 프로세서들을 사용하여 대화 메시지로부터 동작가능할 수 있는 엔티티를 식별하는 단계, 하나 또는 그 초과의 프로세서들을 사용하여 엔티티의 문맥 표시자들을 결정하는 단계, 하나 또는 그 초과의 프로세서들을 사용하여 문맥 표시자들에 기반하여 엔티티가 동작가능한지 여부를 결정하는 단계, 및 엔티티가 동작가능하다는 것에 대한 응답으로, 엔티티에 대해 동작을 취하도록 사용자에게 제안을 제공하는 단계를 포함한다.
[0022] 이들 및 다른 구현들 각각은 선택적으로 다음의 특징들 중 하나 또는 그 초과를 포함할 수 있다. 예컨대, 특징들은 머신 학습 모델에 기반하여 적어도 하나의 대화 메시지에 대해 자연 언어 분석을 수행하는 것을 포함할 수 있고, 대화 메시지로부터 동작가능할 수 있는 엔티티를 식별하는 것 및 엔티티의 문맥 표시자를 결정하는 것은 그 분석에 기반한다. 특징들은 대화의 각각의 참여자로부터 대화 흐름들을 추적하는 것 및 추적 정보에 기반하여 문맥 표시자들을 정제하는 것을 포함할 수 있다. 특징들은 머신 학습 모델 및 문맥 표시자들에 기반하여 사용자가 동작을 취하게 하기 위한 제안을 결정하는 것을 포함할 수 있다. 특징들은 엔티티를 동작가능한 것으로서 마킹하기 위한 표시를 사용자로부터 수신하는 것, 사용자 표시를 트레이닝 신호로서 머신 학습 모델에 전송하는 것, 엔티티에 관련된 정보를 검색하는 것, 및 정보를 사용자에게 제공하는 것을 포함할 수 있다. 특징들은 질의들 및 문헌 리트리벌들을 포함한 다양한 소스들로부터의 데이터를 수신하는 것, 데이터로부터 특징들을 추출하는 것, 추출된 특징들에 기반하여 머신 학습 모델을 생성하는 것, 사용자 동작을 수신하는 것(사용자 동작은 엔티티에 제공되는 제안에 대한 반응을 포함함), 및 사용자 동작에 기반하여 머신 학습 모델을 트레이닝하는 것을 포함할 수 있다. 특징들은 엔티티 정보를 애플리케이션에 공급하는 것(엔티티 정보는 대화의 참여자들을 포함함), 애플리케이션에 의해서 제안을 생성하는 것, 및 대화의 참여자들에게 제안을 제공하는 것을 포함할 수 있다. 특징들은 대화 중에 사용자에 대한 질문을 검출하는 것(질문은 엔티티에 관련됨), 질문에 대한 잠재적 사용자 회답을 결정하는 것, 및 1-탭 형태로 잠재적 사용자 회답을 사용자에게 제공하는 것을 포함할 수 있다. 특징들은 문맥 표시자들에 기반하여 적어도 하나의 대화를 편성하는 것, 및 적어도 하나의 대화를 인덱싱하는 것을 포함할 수 있다.
[0023] 본 개시내용은 대화로부터 엔티티를 식별하고 사용자가 그 엔티티에 대해 동작을 취하게 하기 위한 제안을 생성하기 위한 시스템들 및 방법들을 더 포함할 수 있다. 본 개시내용에 설명된 청구대상의 일 구현에 따라, 시스템은 하나 또는 그 초과의 프로세서들 및 명령들을 저장하는 메모리를 갖고, 명령들은 실행될 때 시스템으로 하여금 대화로부터 적어도 하나의 대화 메시지를 수신하게 하고, 대화 메시지로부터 동작가능할 수 있는 엔티티를 식별하게 하고, 엔티티의 문맥 표시자들을 결정하게 하고, 문맥 표시자들에 기반하여 엔티티가 동작가능한지 여부를 결정하게 하며, 그리고 엔티티가 동작가능하다는 것에 대한 응답으로, 엔티티에 대해 동작을 취하도록 사용자에게 제안을 제공하게 한다. 일부 예시들에서, 아이템이 동작가능할 수 있다면, 그 아이템에 기반하여, 그 아이템들에 대한 추가적인 분석 또는 동작이 보장된다.
[0024] 일반적으로, 본 개시내용에 설명된 청구대상의 다른 구현은 방법들에서 구현될 수 있는데, 그 방법들은 하나 또는 그 초과의 프로세서들을 사용하여 대화로부터 적어도 하나의 대화 메시지를 수신하는 단계, 하나 또는 그 초과의 프로세서들을 사용하여 대화 메시지로부터 동작가능할 수 있는 엔티티를 식별하는 단계, 하나 또는 그 초과의 프로세서들을 사용하여 엔티티의 문맥 표시자들을 결정하는 단계, 하나 또는 그 초과의 프로세서들을 사용하여 문맥 표시자들에 기반하여 엔티티가 동작가능한지 여부를 결정하는 단계, 및 엔티티가 동작가능하다는 것에 대한 응답으로, 엔티티에 대해 동작을 취하도록 사용자에게 제안을 제공하는 단계를 포함한다.
[0025] 이들 및 다른 구현들 각각은 선택적으로 다음의 특징들 중 하나 또는 그 초과를 포함할 수 있다. 예컨대, 특징들은 머신 학습 모델에 기반하여 적어도 하나의 대화 메시지에 대해 자연 언어 분석을 수행하는 것을 포함할 수 있고, 대화 메시지로부터 동작가능할 수 있는 엔티티를 식별하는 것 및 엔티티의 문맥 표시자를 결정하는 것은 그 분석에 기반한다. 특징들은 대화의 각각의 참여자로부터 대화 흐름들을 추적하는 것 및 추적 정보에 기반하여 문맥 표시자들을 정제하는 것을 포함할 수 있다. 특징들은 머신 학습 모델 및 문맥 표시자들에 기반하여 사용자가 동작을 취하게 하기 위한 제안을 결정하는 것을 포함할 수 있다. 특징들은 엔티티를 동작가능한 것으로서 마킹하기 위한 표시를 사용자로부터 수신하는 것, 사용자 표시를 트레이닝 신호로서 머신 학습 모델에 전송하는 것, 엔티티에 관련된 정보를 검색하는 것, 및 정보를 사용자에게 제공하는 것을 포함할 수 있다. 특징들은 질의들 및 문헌 리트리벌들을 포함한 다양한 소스들로부터의 데이터를 수신하는 것, 데이터로부터 특징들을 추출하는 것, 추출된 특징들에 기반하여 머신 학습 모델을 생성하는 것, 사용자 동작을 수신하는 것(사용자 동작은 엔티티에 제공되는 제안에 대한 반응을 포함함), 및 사용자 동작에 기반하여 머신 학습 모델을 트레이닝하는 것을 포함할 수 있다. 특징들은 엔티티 정보를 애플리케이션에 공급하는 것(엔티티 정보는 대화의 참여자들을 포함함), 애플리케이션에 의해서 제안을 생성하는 것, 및 대화의 참여자들에게 제안을 제공하는 것을 포함할 수 있다. 특징들은 대화 중에 사용자에 대한 질문을 검출하는 것(질문은 엔티티에 관련됨), 질문에 대한 잠재적 사용자 회답을 결정하는 것, 및 1-탭 형태로 잠재적 사용자 회답을 사용자에게 제공하는 것을 포함할 수 있다. 특징들은 문맥 표시자들에 기반하여 적어도 하나의 대화를 편성하는 것, 및 적어도 하나의 대화를 인덱싱하는 것을 포함할 수 있다.
[0026] 일부 구현들에서, 방법은 제1 사용자와 그룹 간에 메시지를 수신하는 단계(그룹은 다른 사용자들을 포함함), 메시지의 문맥, 제1 사용자, 및 다른 사용자들을 결정하는 단계, 및 메시지 및 문맥에 기반하여 다른 사용자들 각각이 그룹과 공유할 제안된 응답을 결정하는 단계를 포함할 수 있다.
[0027] 방법은 다른 사용자들 중 제2 사용자로 하여금 1-탭 동작으로 응답하도록 허용하는 제2 사용자를 위한 제안된 응답을 갖는 통지를 생성하는 단계를 더 포함할 수 있다. 방법은 센서 데이터에 기반하여 제2 사용자가 이동 중이라고 결정하는 단계를 더 포함할 수 있고, 1-탭 동작을 허용하는 것은 제2 사용자가 이동 중이라고 결정하는 것에 기반한다. 제안된 응답을 결정하는 단계는 센서 데이터, 하나 또는 그 초과의 선호도들, 대화 이력, 및 다른 참여자들 각각에 의해서 수행된 하나 또는 그 초과의 최근 활동들 중 적어도 하나에 추가로 기반할 수 있다. 방법은 다른 사용자들 중 제2 사용자의 위치에 관련된 국가, 시장 및 지역 중 적어도 하나에서 다른 메시지들에 기반하여 하나 또는 그 초과의 트렌딩(trending) 응답들을 결정하는 단계를 더 포함할 수 있고, 제안된 응답은 하나 또는 그 초과의 트렌딩 응답들을 더 포함할 수 있다. 일부 구현들에서, 문맥은 휴일 및 이벤트 중 적어도 하나를 포함한다. 일부 구현들에서, 메시지는 다른 사용자들과 연관된 위치에 대한 요청이고, 제안된 응답은 다른 사용자들 각각에 대한 위치를 포함한다. 제안된 응답은 그룹과 공유할 이미지, 그룹과 공유할 위치, 및 제2 사용자와 공유할 캘린더(calendar) 이벤트 중 적어도 하나를 포함할 수 있다. 제안된 응답을 결정하는 단계는 다른 사용자들 중 제2 사용자를 위한 개인화 모델을 개발하기 위해서 머신 학습을 사용하는 것에 추가로 기반할 수 있다. 제안된 응답을 결정하는 단계는 다른 사용자들 중 제2 사용자의 성격에 추가로 기반하고, 그리고 유머 및 풍자 중 적어도 하나를 포함하는 화이트리스트에 기반하여 메시지에서 구두점 사용, 이모티콘 사용 및 분류 단어들 중 하나 또는 그 초과에 기반하여 제2 사용자의 성격을 결정하는 단계를 더 포함할 수 있다. 방법은 제안된 응답을 결정하기 위해 사용될 성격의 타입 및 성격의 타입의 레벨을 특정하기 위한 옵션을 포함하는 그래픽 사용자 인터페이스를 다른 사용자들 중 제2 사용자에게 제공하는 단계를 더 포함할 수 있다. 메시지의 문맥은 추정되는 도착 시간에 대한 요청을 포함할 수 있고, 제안된 응답을 결정하는 단계는 제1 사용자의 위치, 캘린더 이벤트의 위치를 포함하는 캘린더 이벤트, 및 맵핑 애플리케이션으로부터의 목적지에 대한 정보 중 적어도 하나에 기반하여 추정되는 도착 시간을 결정하는 단계를 포함할 수 있고, 제안된 응답은 추정되는 도착 시간을 포함할 수 있다. 메시지는 최근 이벤트에 대한 정보에 대한 요청을 포함할 수 있고, 제안된 응답을 결정하는 단계는 최근 이벤트에 대응하는 하나 또는 그 초과의 이미지들 및 최근 이벤트에 관한 하나 또는 그 초과의 소셜 네트워크 포스트들 중 적어도 하나를 결정하는 단계를 포함할 수 있으며, 제안된 응답은 하나 또는 그 초과의 이미지들 및 하나 또는 그 초과의 소셜 네트워크 포스트들 중 적어도 하나를 포함할 수 있다. 방법은 마지막 메시지가 대화 중에 수신된 이후로 임계치가 경과하는 것에 기반하여 대화 스타터(starter) 제안을 결정하는 단계 및 그룹과 연관된 토픽, 트렌딩 토픽, 그룹과 연관된 토픽에 관한 최근 이벤트, 및 사용자들 중 한 명과 연관된 활동 중 적어도 하나에 기반하여 대화 스타터 제안을 제공하는 단계를 포함할 수 있다. 방법은 채트 봇이 존재하는지 여부를 결정하는 단계, 채트 봇이 존재하는 것에 대한 응답으로, 제안된 응답을 제1 세트의 자동 제안된 응답들로서 생성하는 단계, 및 채트 보트가 존재하지 않는 것에 대한 응답으로, 제안된 응답을 제2 세트의 자동 제안된 응답들로서 생성하는 단계를 포함할 수 있다. 제1 세트의 자동 제안된 응답들은 채트 봇이 따르는 대화 규칙들에 기반할 수 있다.
[0028] 다른 양상들은 대응하는 방법들, 시스템들, 장치, 및 컴퓨터 프로그램 제품들을 포함할 수 있다.
[0029] 시스템의 일부 구현들은 사용자가 사람들에게 전화를 걸 필요없이 정보를 획득하게 하기 위한 방식을 유리하게 제공한다. 게다가, 시스템의 일부 구현들은 사업주들이 사용자들로부터의 질문들에 자동 응답하게 하기 위한 방식을 유리하게 제공한다. 일부 구현들의 또 다른 장점은 사업주에게 이용가능한 네트워크 연결성과 상관없이 사용자에게 응답을 제공하는 시스템을 포함할 수 있다.
[0030] 본 개시내용은 동일한 참조 번호들이 유사한 엘리먼트들을 지칭하기 위해 사용되는 첨부 도면들의 도해들에서 제한으로서가 아닌 예로서 예시된다.
[0031] 도 1a는 모바일 디바이스들에 메시지들을 송신하고 제안들을 제공하는 예시적인 시스템의 블록 다이어그램을 예시한다.
[0032] 도 1b는 제안들을 생성하기 위한 다른 예시적인 시스템의 블록 다이어그램을 예시한다.
[0033] 도 2는 모바일 디바이스들에 메시지들을 송신하고 제안들을 제공하는 예시적인 컴퓨팅 디바이스의 블록 다이어그램을 예시한다.
[0034] 도 3은 봇으로부터의 제안을 포함하는 사용자 인터페이스의 그래픽 표현을 예시한다.
[0035] 도 4a는 제안을 포함하는 예시적인 사용자 인터페이스들의 그래픽 표현들을 예시한다.
[0036] 도 4b는 제1 애플리케이션에 의해서 생성되는 대화를 포함하는 예시적인 사용자 인터페이스의 그래픽 표현을 예시한다.
[0037] 도 4c는 제2 애플리케이션에 의해서 생성되는 제안을 포함하는 예시적인 사용자 인터페이스의 그래픽 표현이다.
[0038] 도 4d는 1-탭 회답을 위한 옵션들을 포함하는 예시적인 사용자 인터페이스의 그래픽 표현이다.
[0039] 도 4e는 대화 개요를 포함하는 예시적인 사용자 인터페이스의 그래픽 표현이다.
[0040] 도 4f는 대화 개요를 포함하는 예시적인 사용자 인터페이스의 그래픽 표현이다.
[0041] 도 4g는 상이한 제안들을 포함하는 예시적인 사용자 인터페이스들의 그래픽 표현이다.
[0042] 도 5a는 1-탭 응답을 포함하는 예시적인 사용자 인터페이스의 그래픽 표현이다.
[0043] 도 5b는 예시적인 세트의 제안된 응답들의 그래픽 표현이다.
[0044] 도 5c는 제2 사용자의 아기의 사진을 제1 사용자가 제2 사용자에게 전송하는 것을 예시한다.
[0045] 도 6은 일반 LSTM 모델을 예시한다.
[0046] 도 7은 개인화 LSTM 모델을 예시한다.
[0047] 도 8은 예시적인 토큰 트라이(token trie)를 예시한다.
[0048] 도 9는 메시지들의 수 및 모델의 타입의 함수로서 메시지들의 수와 연관된 예시적인 통계를 예시한다.
예시적인 시스템들
[0049] 도 1a는 모바일 디바이스들에 메시지들을 송신하고 제안들을 제공하는 예시적인 시스템(100)의 블록 다이어그램을 예시한다. 예시된 시스템(100)은 메시징 서버(101), 모바일 디바이스들(115a, 115n), 봇 서버(120), 정보 서버(130), 및 네트워크(105)를 포함한다. 사용자들(125a-125n)은 개개의 모바일 디바이스들(115a, 115n)과 연관될 수 있다. 일부 구현들에서, 시스템(100)은 도 1a에 도시되지 않은 다른 서버들 또는 디바이스들, 이를테면 독립형 소셜 네트워크 서버를 포함할 수 있다. 도 1a 및 나머지 도면들에서, 참조 번호 다음의 문자, 예컨대 "115a"는 그 특정 참조 번호를 갖는 엘리먼트에 대한 참조를 나타낸다. 후속 문자가 없는 텍스트의 참조 번호, 예컨대 "115"는 그 참조 번호를 갖는 엘리먼트의 구현들에 대한 일반적인 참조를 나타낸다.
[0050] 예시된 구현에서, 메시징 서버(101), 모바일 디바이스들(115), 봇 서버(120), 및 정보 서버(130)는 네트워크(105)를 통해 통신가능하게 커플링된다. 네트워크(105)는 통상적인 타입, 유선 또는 무선일 수 있고, 별모양 구성, 토큰 링 구성 또는 다른 구성들을 포함한 수많은 상이한 구성들을 가질 수 있다. 게다가, 네트워크(105)는 LAN(local area network), WAN(wide area network)(예컨대, 인터넷), 및/또는 다수의 디바이스들이 통신할 수 있게 하는 다른 상호연결된 데이터 경로들을 포함할 수 있다. 일부 구현들에서, 네트워크(105)는 피어-투-피어 네트워크일 수 있다. 네트워크(105)는 또한 다양한 상이한 통신 프로토콜들에서 데이터를 전송하기 위한 원격통신 네트워크에 커플링되거나 그 원격통신 네트워크의 부분들을 포함할 수 있다. 일부 구현들에서, 네트워크(105)는 SMS(short messaging service), MMS(multimedia messaging service), HTTP(hypertext transfer protocol), 다이렉트 데이터 연결, 이메일 등을 통해서 데이터를 전송 및 수신하기 위한 블루투스 통신 네트워크들, WiFi, 또는 셀룰러 통신 네트워크를 포함한다. 비록 도 1a는 모바일 디바이스들(115) 및 메시징 서버(101)에 커플링된 하나의 네트워크(105)를 예시하지만, 실제로는 하나 또는 그 초과의 네트워크들(105)이 이들 엔티티들에 커플링될 수 있다.
[0051] 메시징 서버(101)는 프로세서, 메모리, 및 네트워크 통신 성능들을 포함할 수 있다. 일부 구현들에서, 메시징 서버(101)는 하드웨어 서버이다. 메시징 서버(101)는 신호 라인(102)을 통해 네트워크(105)에 통신가능하게 커플링된다. 신호 라인(102)은 이더넷, 동축 케이블, 광섬유 케이블 등과 같은 유선 연결, 또는 Wi-Fi, 블루투스 또는 다른 무선 기술과 같은 무선 연결일 수 있다. 일부 구현들에서, 메시징 서버(101)는 모바일 디바이스들(115a-115n), 봇 서버(120), 및 정보 서버(130) 중 하나 또는 그 초과에 그리고 그로부터 네트워크(105)를 통해 데이터를 전송 및 수신한다. 메시징 서버(101)는 메시징 애플리케이션(103a) 및 데이터베이스(199)를 포함할 수 있다.
[0052] 메시징 애플리케이션(103a)은 메시지들을 교환하고 제안들을 제공하기 위해서 프로세서에 의해 동작가능한 코드 및 루틴들일 수 있다. 일부 구현들에서, 메시징 애플리케이션(103a)은 FPGA(field-programmable gate array) 또는 ASIC(application-specific integrated circuit)를 포함한 하드웨어를 사용하여 구현될 수 있다. 일부 구현들에서, 메시징 애플리케이션(103a)은 하드웨어와 소프트웨어의 결합을 사용하여 구현될 수 있다.
[0053] 데이터베이스(199)는 모바일 디바이스들(115) 간에 송신되는 메시지들, 정보 서버(130)에 의해서 제공되는 정보 등을 저장할 수 있다. 데이터베이스(199)는 사용자들(125)과 연관된 소셜 네트워크 데이터, 연락처 정보 등을 또한 저장할 수 있다.
[0054] 모바일 디바이스(115)는 메모리 및 하드웨어 프로세서를 포함하는 컴퓨팅 디바이스, 예컨대 카메라, 랩톱 컴퓨터, 태블릿 컴퓨터, 모바일 전화기, 착용가능 디바이스, 모바일 이메일 디바이스, 휴대용 게임 플레이어, 휴대용 뮤직 플레이어, 판독기 디바이스, 또는 네트워크(105)에 무선으로 액세스할 수 있는 다른 전자 디바이스일 수 있다.
[0055] 예시된 구현에서, 모바일 디바이스(115a)는 신호 라인(108)을 통해 네트워크(105)에 커플링되고, 모바일 디바이스(115n)는 신호 라인(110)을 통해 네트워크(105)에 커플링된다. 신호 라인들(108 및 110)은 무선 연결들, 이를테면 Wi-Fi, 블루투스, 또는 다른 무선 기술일 수 있다. 모바일 디바이스들(115a, 115n)은 사용자들(125a, 125n)에 의해서 각각 액세스된다. 도 1a의 모바일 디바이스들(115a, 115n)이 예로서 사용된다. 비록 도 1a는 2개의 모바일 디바이스들(115a 및 115n)을 예시하지만, 본 개시내용은 하나 또는 그 초과의 모바일 디바이스들(115)을 갖는 시스템 아키텍처에 적용된다.
[0056] 일부 구현들에서, 모바일 디바이스들(115)은 사용자(125)에 의해서 착용되는 착용가능 디바이스일 수 있다. 예컨대, 모바일 디바이스(115)는 클립(예컨대, 손목밴드)의 일부, 장신구의 일부, 또는 안경의 일부로서 포함된다. 다른 예에서, 모바일 디바이스(115)는 스마트 시계일 수 있다. 사용자(125)는 메시징 애플리케이션(103)으로부터의 이미지들을 사용자(125)에 의해 착용된 디바이스의 디스플레이 상에서 볼 수 있다. 예컨대, 사용자(125)는 스마트 시계 또는 스마트 손목밴드의 디스플레이 상에서 이미지를 볼 수 있다.
[0057] 일부 구현들에서, 메시징 애플리케이션(103b)은 모바일 디바이스(115a) 상에 저장된다. 메시징 애플리케이션(103)은 모바일 디바이스(115a) 상에 저장된 얇은 클라이언트 메시징 애플리케이션(103b) 및 메시징 서버(101) 상에 저장된 메시징 애플리케이션(103a)을 포함할 수 있다. 예컨대, 메시징 애플리케이션(103b)은 모바일 디바이스(115a) 상에서 사용자(125a)에 의해 생성된 사용자 메시지들을 메시징 서버(101) 상에 저장된 메시징 애플리케이션(103a)에 송신할 수 있다. 메시징 서버 상의 메시징 애플리케이션(103a)은 사용자(125a)에게 제공할 제안들을 결정할 수 있다. 예컨대, 메시징 애플리케이션(103a)은 봇 서버(120)에 커맨드들을 송신하고, 메시징 애플리케이션(103a)이 디스플레이를 위해 메시징 애플리케이션(103b)에 제공하는 제안들을 봇 서버(120)로부터 수신할 수 있다. 예컨대, 메시징 애플리케이션(103a)은 메시징 애플리케이션(103b)으로 하여금 제안들을 시각적으로 렌던링하게 하는 컴퓨터-실행가능 명령들로서 그 제안들을 메시징 애플리케이션(103b)에 송신할 수 있다.
[0058] 일부 구현들에서, 메시징 애플리케이션(103)은 메시징 서버(101)에 저장되는 독립형 애플리케이션일 수 있다. 사용자(125a)는 브라우저를 사용하는 웹 페이지를 통해서 또는 모바일 디바이스(115a) 상의 다른 소프트웨어를 통해서 메시징 애플리케이션(103)에 액세스할 수 있다. 일부 구현들에서, 메시징 애플리케이션(103)은 메시징 서버(101)에 포함되는 컴포넌트들과 동일한 모바일 디바이스(115a) 상의 컴포넌트들을 포함할 수 있다.
[0059] 봇 서버(120)는 프로세서, 메모리, 및 네트워크 통신 성능들을 포함할 수 있다. 일부 구현들에서, 봇 서버(120)는 하드웨어 서버이다. 봇 서버(120)는 신호 라인(122)을 통해 네트워크(105)에 통신가능하게 커플링된다. 신호 라인(122)은 이더넷, 동축 케이블, 광섬유 케이블 등과 같은 유선 연결, 또는 Wi-Fi, 블루투스 또는 다른 무선 기술과 같은 무선 연결일 수 있다. 일부 구현들에서, 봇 서버(120)는 메시징 서버(101), 모바일 디바이스들(115a-115n), 및 정보 서버(130) 중 하나 또는 그 초과에 그리고 그로부터 네트워크(105)를 통해 데이터를 전송 및 수신한다. 비록 봇 서버(120)가 하나의 서버인 것으로 예시되어 있지만, 다수의 봇 서버들(120)이 가능하다.
[0060] 봇 서버(120)는 메시징 서버(101)를 관리하는 동일 측에 의해서 제어될 수 있거나, 제 3-측에 의해서 제어될 수 있다. 봇 서버(120)가 메시징 서버(101)를 제어하는 엔티티와 별개인 엔티티에 의해서 제어되는 제 3-측 봇 서버인 일부 구현들에서, 메시징 서버(101) 및 제 3-측 봇 서버는 API(application programming interface)를 통해 통신할 수 있다. 일부 구현들에서, 봇 서버(120)는 하나 또는 그 초과의 봇들을 호스팅한다. 봇들은 제안들을 제공하기 위한 특정 기능들을 수행하는 컴퓨터 프로그램들일 수 있는데, 예컨대, 예약 봇은 예약들을 수행하고, 자동-회답 봇은 회답 메시지 텍스트를 생성하고, 스케줄링 봇은 캘린더 약속들을 스케줄링하는 식이다. 봇 서버(120)는 메시징 애플리케이션(103)에 봇들을 제공할 수 있는데, 예컨대, 봇에 대한 코드가 메시징 애플리케이션(103)에 통합될 수 있거나, 메시징 애플리케이션(103)이 요청들을 봇 서버(120)에 전송할 수 있다. 일부 구현들에서, 메시징 애플리케이션(103)은, 봇 커맨드들을 봇 서버(120)에 제공하고 그리고 봇 커맨드들에 기반하여 제안들을 봇 서버(120)로부터 수신함으로써, 사용자(125)와 봇 서버(120) 사이에서 중재자로서 역할을 한다. 예컨대, 봇 커맨드는 메시징 애플리케이션(103)에 의해서 네트워크(105)를 통해 봇 서버(120)에 송신될 수 있고, 그에 대한 응답으로, 봇 서버는 제안들 또는 다른 응답 콘텐츠를 네트워크(105)를 통해 메시징 애플리케이션(103)에 다시 송신할 수 있다.
[0061] 정보 서버(130)는 프로세서, 메모리, 및 네트워크 통신 성능들을 포함할 수 있다. 일부 구현들에서, 정보 서버(130)는 하드웨어 서버이다. 정보 서버(130)는 신호 라인(118)을 통해 네트워크(105)에 통신가능하게 커플링된다. 신호 라인(118)은 이더넷, 동축 케이블, 광섬유 케이블 등과 같은 유선 연결, 또는 Wi-Fi, 블루투스 또는 다른 무선 기술과 같은 무선 연결일 수 있다.
[0062] 정보 서버(130)는 메시징 애플리케이션(103)에 정보를 제공할 수 있다. 예컨대, 정보 서버(130)는 전자 백과사전, 지식 그래프, 소셜 네트워크 애플리케이션(예컨대, 소셜 그래프, 친구들을 위한 소셜 네트워크, 사업체를 위한 소셜 네트워크 등), 장소 또는 위치(예컨대, 식당, 자동차 대리점 등)에 대한 웹사이트, 맵핑 애플리케이션(예컨대, 방향들을 제공하는 웹사이트) 등을 유지할 수 있다. 비록 정보 서버(130)가 단일 서버로 예시되어 있지만, 정보 서버(130)는 다수의 서버들, 이를테면 소셜 네트워크 애플리케이션, 전자 백과사전 및 맵핑 애플리케이션을 위한 별개의 서버를 포함할 수 있다.
[0063] 정보 서버(130)는 메시징 애플리케이션(103)으로부터 정보에 대한 요청을 수신하고, 검색을 수행하고, 그리고 그 요청에 따라 그 정보를 제공할 수 있다. 예컨대, 메시징 애플리케이션(103)은 맵핑 애플리케이션으로부터의 주행 방향들 또는 추정되는 도착 시간을 요청할 수 있다. 일부 구현들에서, 정보 서버(130)는 메시징 애플리케이션(103)으로부터 정보를 수신할 수 있다. 예컨대, 정보 서버(130)가 식당에 대한 웹사이트를 유지하는 경우, 메시징 애플리케이션(103)은 식당에 대한 업데이팅된 정보, 이를테면 그 식당에서 사용자가 좋아하는 요리를 정보 서버(130)에 제공할 수 있다.
[0064] 사용자가 그러한 데이터의 사용에 동의하는 한, 정보 서버(130)는 메시징 애플리케이션(103)이 대응하는 소셜 네트워크 프로파일을 통해 이미지 내의 사람을 식별하기 위해 사용할 수 있는 사용자의 프로파일 정보 또는 프로파일 이미지들을 메시징 애플리케이션(103)에 제공할 수 있다. 다른 예에서, 정보 서버(130)는 메시징 애플리케이션(103)에 의해서 사용되는 메시지들에서 식별되는 엔티티들에 관련된 정보를 메시징 애플리케이션(103)에 제공할 수 있다. 예컨대, 정보 서버(130)는 이미지들에서 식별된 주요 지형지물들에 대한 정보를 제공하는 전자 백과사전, 메시지들에서 식별되는 구매 엔티티들에 대한 정보를 제공하는 전자 쇼핑 웹사이트, 메시지에서 식별되는 사용자로부터의 여행 일정표를 사용자 동의 하에 제공하는 전자 캘린더 애플리케이션, 메시지 내의 엔티티가 방문될 수 있는 인근 위치들에 대한 정보를 제공하는 맵핑 애플리케이션, 메시지에서 언급된 요리가 서빙되어진 식당에 대한 웹사이트 등을 포함할 수 있다.
[0065] 일부 구현들에서, 정보 서버(130)는 봇 서버(120)와 통신할 수 있다. 예컨대, 정보 서버(130)가 사용되는 자동차 대리점에 대한 웹사이트를 유지하는 경우, 봇 서버(120)는, 사용되는 자동차 대리점이 현재 자동차 세부 작업을 제공하는지 여부를 정보 서버(130)가 그 자동차 대리점의 점주에게 물어보도록 요청할 수 있다. 정보 서버(130)는 요청된 정보를 봇 서버(120)에 제공할 수 있다.
[0066] 일부 구현들에서, 정보 서버(130)는 공개된 채트와 연관된 링크를 메시징 애플리케이션(103)으로부터 수신할 수 있다. 정보 서버(130)는 그 정보 서버(130)에 의해서 제공되는 공개된 채트와 연관된 사업에 대한 정보와 함께 그 링크를 디스플레이할 수 있다. 예컨대, 정보 서버(130)가 맵핑 애플리케이션을 제공하는 경우, 정보 서버(130)는 사업체의 위치를 포함하는 지도와 연계된 링크를 제공할 수 있다. 만약 사용자(125)가 링크를 선택한다면, 사용자(125)가 사업체(예컨대, 봇, 에이전트, 또는 사업주)를 나타내는 누군가와 채팅할 수 있도록 사용자 디바이스(115)는 메시징 애플리케이션(103)을 개방할 수 있다. 다른 예에서, 정보 서버(130)는 검색 서비스들을 제공하고, 바이크 스토어(bike store)에 대한 사용자(125)로부터의 질의를 수신할 수 있다. 정보 서버(130)는, 바이크 스토어에 대한 웹사이트 및 사용자(125)가 바이크 스토어를 나타내는 누군가와 채팅하기 위해 선택할 수 있는 링크를 포함하는 검색 결과들을 제공할 수 있다.
[0067] 도 1b를 참조하면, 제안들을 생성하기 위한 다른 예시적인 시스템이 예시된다. 이런 예에서, 메시징 서버(101)는 신경 네트워크를 사용하는 모델, 이를테면 LSTM(long short-term memory) 신경 네트워크 모델로부터 제안들을 수신할 수 있다. LSTM은 간소한 방식으로 긴 문맥들을 이용할 수 있는 반복적인 신경 네트워크 모델이다. 일부 구현들에서, 채트 대화들의 데이터베이스는 공통 회답들, 어휘들, 및 LSTM 트레이닝 동안 사용되고 모델의 일부로서 저장되는 트레이닝 데이터를 결정하기 위해 사용된다. 예컨대, 대화 중 당사자들 간에 송신되는 마지막 5개 내지 10개의 메시지들이 모델에 기반하여 다음 제안되는 응답을 예측하는데 사용될 수 있다. 이들 입력들은 별개의 위치에서 메시징 서버(101)의 일부로서 저장될 수 있다. 모델은, 문맥, 모바일 디바이스(115)와 연관된 사용자 식별자 및 마지막 메시지가 수신된 이후의 시간에 기반하여 모바일 디바이스(115)의 사용자에게 어떤 제안들이 유용한지에 대한 예측들을 수행하는 메시징 서버(101)에 제안들을 제공할 수 있다.
예시적인 컴퓨팅 디바이스
[0068] 도 2는 모바일 디바이스들에 메시지들을 송신하고 제안들을 제공하는 예시적인 컴퓨팅 디바이스(200)의 블록 다이어그램을 예시한다. 컴퓨팅 디바이스(200)는 메시징 서버(101) 또는 모바일 디바이스(115)일 수 있다. 컴퓨팅 디바이스(200)는 프로세서(235), 메모리(237), 통신 유닛(239), 디스플레이(241), 및 저장 디바이스(247)를 포함할 수 있다. 메시징 애플리케이션(103)은 메모리(237)에 저장될 수 있다. 컴퓨팅 디바이스(200)의 컴포넌트들은 버스(220)에 의해서 통신가능하게 커플링될 수 있다.
[0069] 프로세서(235)는 컴퓨테이션들을 수행하고 명령들을 디스플레이 디바이스에 제공하기 위해 산술 로직 유닛, 마이크로프로세서, 범용 제어기 또는 일부 다른 프로세서 어레이를 포함한다. 프로세서(235)는 데이터를 프로세싱하고, CISC(complex instruction set computer) 아키텍처, RISC(reduced instruction set computer) 아키텍처, 또는 명령 세트들의 결합을 구현하는 아키텍처를 포함한 다양한 컴퓨팅 아키텍처들을 포함할 수 있다. 비록 도 2는 단일 프로세서(235)를 포함하지만, 다수의 프로세서들(235)이 포함될 수 있다. 다른 프로세서들, 운영 시스템들, 센서들, 디스플레이들 및 물리 구성들은 컴퓨팅 디바이스(200)의 일부일 수 있다. 프로세서(235)는 신호 라인(222)을 통해 다른 컴포넌트들과 통신하기 위해 버스(220)에 커플링된다.
[0070] 메모리(237)는 프로세서(235)에 의해서 실행될 수 있는 명령들 및/또는 데이터를 저장한다. 명령들은 본원에서 설명된 기술들을 수행하기 위한 코드를 포함할 수 있다. 메모리(237)는 DRAM(dynamic random access memory) 디바이스, 정적 RAM, 또는 일부 다른 메모리 디바이스일 수 있다. 일부 구현들에서, 메모리(237)는 또한 비-휘발성 메모리, 이를테면 (SRAM) 디바이스 또는 플래시 메모리, 또는 하드 디스크 드라이브, 플로피 디스크 드라이브, CD ROM(compact disc read only memory) 디바이스, DVD ROM 디바이스, DVD RAM 디바이스, DVD RW 디바이스, 플래시 메모리 디바이스 또는 정보를 더욱 영구적으로 저장하기 위한 일부 다른 대용량 저장 디바이스를 포함한 유사한 영구 저장 디바이스 및 매체들을 포함한다. 메모리(237)는 메시징 애플리케이션(103)을 실행하도록 동작가능한 코드 및 루틴들을 포함하고, 이는 아래에서 더 상세히 설명된다. 메모리(237)는 신호 라인(224)을 통해 다른 컴포넌트들과 통신하기 위해 버스(220)에 커플링된다.
[0071] 통신 유닛(239)은 메시징 애플리케이션(103)이 어디에 저장되는지에 따라서 모바일 디바이스(115), 메시징 서버(101), 봇 서버(120), 및 정보 서버(130) 중 적어도 하나에 데이터를 송신하고 그것으로부터 데이터를 수신한다. 일부 구현들에서, 통신 유닛(239)은 네트워크(105)로의 또는 다른 통신 채널로의 직접인 물리적 연결을 위한 포트를 포함한다. 예컨대, 통신 유닛(239)은, 메시징 애플리케이션(103)이 어디에 저장될 수 있는지에 따라, USB(universal serial bus), SD(secure digital), 카테고리 5 케이블(CAT-5), 또는 모바일 디바이스(115) 또는 메시징 서버(101)와 유선 통신하기 위한 유사한 포트를 포함한다. 일부 구현들에서, 통신 유닛(239)은 IEEE 802.11, IEEE 802.16, 블루투스 또는 다른 적절한 무선 통신 방법을 포함한 하나 또는 그 초과의 무선 통신 방법들을 사용하여 모바일 디바이스(115), 메시징 서버(101), 또는 다른 통신 채널과 데이터를 교환하기 위한 무선 트랜시버를 포함한다. 통신 유닛(239)은 신호 라인(226)을 통해 다른 컴포넌트들과 통신하기 위해 버스(220)에 커플링된다.
[0072] 일부 구현들에서, 통신 유닛(239)은 SMS(short messaging service), MMS(multimedia messaging service), HTTP(hypertext transfer protocol), 직접적인 데이터 연결, 이-메일 또는 다른 적절한 타입의 전자 통신을 통해서를 포함한 셀룰러 통신 네트워크를 통해서 데이터를 전송 및 수신하기 위한 셀룰러 통신 트랜시버를 포함한다. 일부 구현들에서, 통신 유닛(239)은 유선 포트 및 무선 트랜시버를 포함한다. 통신 유닛(239)은 또한 UDP(user datagram protocol), TCP/IP, HTTP, HTTPS(HTTP secure), SMTP(simple mail transfer protocol), SPDY, QUIC(quick UDP internet connections) 등을 포함한(그러나, 이것들로 제한되지는 않음) 표준 네트워크 프로토콜들을 사용하여 파일들 및/또는 미디어 오브젝트들을 배포하기 위해 네트워크(105)로의 다른 통상적 연결들을 제공한다.
[0073] 디스플레이(241)는 메시징 애플리케이션(103)으로부터 수신되는 그래픽 데이터를 디스플레이하도록 동작가능한 하드웨어를 포함할 수 있다. 예컨대, 디스플레이(241)는 사용자 인터페이스를 디스플레이하기 위해 그래픽들을 렌더링할 수 있다. 디스플레이(241)는 신호 라인(228)을 통해 다른 컴포넌트들과 통신하기 위해 버스(220)에 커플링된다. 사용자에게 정보를 제공하는 다른 하드웨어 컴포넌트들은 컴퓨팅 디바이스(200)의 일부로서 포함될 수 있다. 예컨대, 컴퓨팅 디바이스(200)는 오디오 인터페이스들을 위한 스피커, 오디오를 캡처하기 위한 마이크로폰, 또는 다른 타입들의 출력 디바이스들을 포함할 수 있다. 일부 구현들에서, 컴퓨팅 디바이스(200)가 모든 컴포넌트들을 포함하지는 않을 수 있다. 예컨대, 컴퓨팅 디바이스(200)가 메시징 서버(101)인 경우, 디스플레이(241)는 선택적일 수 있다. 컴퓨팅 디바이스(200)가 착용가능 디바이스인 구현들에서, 컴퓨팅 디바이스(200)는 저장 디바이스(247)를 포함하지 않을 수 있다. 일부 구현들에서, 컴퓨팅 디바이스(200)는 여기서 열거되지 않은 다른 컴포넌트들, 예컨대 하나 또는 그 초과의 카메라들, 센서들, 배터리 등을 포함할 수 있다.
[0074] 저장 디바이스(247)는 본원에서 설명된 기능성을 제공하는 데이터를 저장하는 비-일시적 컴퓨터-판독가능 저장 매체일 수 있다. 컴퓨팅 디바이스(200)가 메시징 서버(101)인 구현들에서, 저장 디바이스(247)는 도 1a의 데이터베이스(199)를 포함할 수 있다. 저장 디바이스(247)는 DRAM 디바이스, SRAM 디바이스, 플래시 메모리 또는 일부 다른 메모리 디바이스일 수 있다. 일부 구현들에서, 저장 디바이스(247)는 또한 비-휘발성 메모리 또는, 하드 디스크 드라이브, 플로피 디스크 드라이브, CD-ROM 디바이스, DVD ROM 디바이스, DVD RAM 디바이스, DVD RW 디바이스, 플래시 메모리 디바이스 또는 정보를 더욱 영구적으로 저장하기 위한 일부 다른 대용량 저장 디바이스를 포함한 유사한 영구 저장 디바이스 및 매체들을 포함한다. 저장 디바이스(247)는 신호 라인(232)을 통해 다른 컴포넌트들과 통신하기 위해 버스(220)에 커플링된다.
메시징 애플리케이션들에서 예시적인 채트 봇 통합
[0075] 도 3을 참조하면, 봇으로부터의 제안을 포함하는 사용자 인터페이스의 그래픽 표현(300)이 예시되고 아래에서 논의된다. 일부 구현들에서, 메시지들이 제1 사용자와 제2 사용자, 예컨대 "You"로 식별된 사용자와 "John"으로 식별된 사용자 간에 수신된다. 이런 예에서, 제1 사용자 및 제2 사용자는 자신들이 점심을 먹길 원하는 장소에 대해서 실시간 채트에 참여하고 있다. 다른 예에서, 제1 사용자는 고객일 수 있고, 제2 사용자는 사업주일 수 있다. 일부 구현들에서, 메시지들은 그 메시지들을 다른 사용자들 대신에 봇들로 향하게 하는 제1 사용자로부터 기인할 수 있다. 예컨대, 메시지들은 제1 사용자와 특정 푸드 트럭 봇 간에 통신될 수 있고, 여기서 제1 사용자는 특정 푸드 트럭이 여전히 치킨을 완비하고 있는지를 확인하길 원하고 있다. 일부 구현들에서, 메시지들은 2명 초과의 사용자들 간에 이루어질 수 있다.
[0076] 일부 구현들에서, 제1 사용자는 전화 번호를 메시징함으로써(예컨대, 메시징 애플리케이션(103)이 SMS를 통해 동작할 때) 또는 연락처 목록으로부터 사용자 또는 봇을 선택함으로써(예컨대, 메시징 애플리케이션(103)이 RCS(rich communications services) 또는 다른 채트 인터페이스를 통해 동작할 때) 제2 사용자 또는 봇에 메시지를 전송한다. 일부 구현들에서, 메시징 애플리케이션(103)이 단일 SMS 번호로부터의 봇과 연관된 다수의 엔티티들로부터 그룹 메시지들을 제공하고, 그로 인해서 제1 사용자에게는 메시지들이 단일 소스로부터 오는 것으로 보인다.
[0077] 메시지들에 기반하여 제1 사용자에 대한 제1 타입의 제1 봇이 결정될 수 있다. 봇은 인간 에이전트, 자동 에이전트, 자동 응답기 등일 수 있다. 일부 구현들에서, 봇은 일부 포인트들에서의 인간 에이전트 및 일부 다른 포인트들에서의 자동 에이전트를 포함할 수 있는 다수의 엔티티들에 의해서 통신들이 제공되는 하이브리드일 수 있다. 예컨대, 사업주인 Mike와 자동 봇 둘 모두가 제1 사용자와 상호작용할 수 있도록, 봇은 Mike의 바이크들(Bikes)로 명명될 수 있다. 게다가, 제1 사용자가 다수의 엔티티들을 개별적으로 관리하는 것에 대해 혼란스러워 하지 않게 하면서, 그것은 다수의 엔티티들로 하여금 제1 사용자와 상호작용하게 허용한다.
[0078] 메시징 애플리케이션(103)은 제1 사용자의 위치, 제1 사용자에 의해 제출된 콘텐츠의 일부인 요청, 및/또는 사용자 동의시 제1 사용자와 연관된 사용자 정보에 기반하여 제1 타입의 제1 봇을 결정할 수 있다. 예컨대, 제1 사용자가 식당의 물리적 위치를 방문하고자 하는 소망을 표시하기 때문에, 제1 봇은 제1 사용자가 "I want to try that new Thai restaurant"라고 쓰는 것에 기반하여 결정되는 예약 봇일 수 있다.
[0079] 제1 사용자를 위한 제2 타입의 제2 봇이 메시지들에 기반하여 결정될 수 있다. 예컨대, 제2 봇은 제1 사용자를 위한 음식을 자동 주문하는 음식 주문 봇을 포함할 수 있다. 제2 봇은 메시지들에서 "lunch" 및 "ordering"과 같은 단어들을 검출하는 것에 기반하여 결정될 수 있다.
[0080] 제1 봇은 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 제2 봇에 우선해 선택될 수 있다. 예컨대, 제1 봇은 메시지들에서 "order"보다 더 많이 나타나는 "meet"에 기반하여 선택될 수 있다. 제1 봇은 메시징 애플리케이션(103)에 의해서 또는 봇 서버(120)에 의해서 (예컨대, 하나 또는 그 초과의 데이터베이스들에) 유지되는 봇 스토어로부터 선택될 수 있다. 대안적으로 또는 추가적으로, 제1 봇은 제1 사용자 및 제2 사용자에게 보여질 수 있는 메시징 인터페이스의 일부인 목록에 포함될 수 있다.
[0081] 일부 구현들에서, 메시징 애플리케이션(103)은 메시지들로부터 토픽을 결정하는 것에 기반하여 제1 봇을 선택한다. 예컨대, 토픽은 음식일 수 있고, 단어 "lunch"에 기반하여 결정된다. 메시징 애플리케이션(103)은 추가적으로 또는 대안적으로 메시지들에 대해 의미 분석을 수행하는 것에 기반하여 제1 봇을 선택할 수 있다. 예컨대, 제1 봇은 부정적인 감정(예컨대, "no" 또는 이런 예에서 "nah")가 뒤따르는 "order"에 기반하여 선택될 수 있다. 일부 상황들에서, 단어 및/또는 텍스트열의 감정을 결정하기 위해서 트레이닝된 감정 분류자가 활용될 수 있다. 대안적으로 또는 추가적으로, 제1 봇은 제1 봇에 의해서 제공되는 하나 또는 그 초과의 서비스들에 관련된 초기 단어들을 결정하는 것 및 초기 단어들에 관련되는 관련된 단어들을 결정하는 것에 기반하여 선택될 수 있다. 예컨대, 제1 봇은 초기 단어 "lunch" 및 관련된 단어 "meet"을 검출하는 것에 기반하여 결정될 수 있고, 이 단어들은 식당 예약을 수행하는 서비스에 관련된다.
[0082] 일부 구현들에서, 메시징 애플리케이션(103)은 추가적으로 또는 대안적으로 머신 학습에 기반하여 제1 봇을 선택한다. 예컨대, 메시징 애플리케이션(103)은 트레이닝 세트 데이터로부터 머신 학습 모델을 생성하고, 그리고 콘텐츠가 소망에 대응하는지 여부 및 제1 사용자가 소망에 따라 행동할 가능성이 있는 미리 결정된 시간 기간 동안 콘텐츠가 발생함을 결정하기 위해서 머신 학습 모델을 적용할 수 있다. 예컨대, 위의 예를 계속 참조하면, 메시징 애플리케이션(103)은, 소망이 식당에서 점심을 먹으려는 것이라는 점 및 사용자들이 그 소망에 따라 행동할 가능성이 있다는 점을 결정할 수 있는데, 그 이유는 사용자들의 위치 이력들을 사용하려는 것에 대한 사용자 동의에 기반하여, 사용자들은 통상 식당에 있고 그리고/또는 사용자들은 오전 11시 30분에 함께 식당에 있는 것으로 알려졌기 때문이다.
[0083] 일부 구현들에서, 메시징 애플리케이션(103)은, 메시지들 중 정해진 메시지가 2개 또는 그 초과의 봇들의 호출과 연관되는 하나 또는 그 초과의 용어들을 포함한다고 결정한다. 예컨대, "reservations?"의 정해진 메시지가 식당 예약 봇 및 별개의 항공 예약 봇 둘 모두의 호출과 연관될 수 있다. 이들 구현들 중 일부에서, 메시징 애플리케이션(103)은, 메시지들 중 추가적인 메시지의 하나 또는 그 초과의 추가적인 용어들이 또한 선택된 봇의 호출과는 연관되지만 비-선택된 봇(들)의 호출과는 연관되지 않는다는 것에 기반하여, 다른 봇들에 우선해 봇들 중 하나를 선택한다. 예컨대, 만약 "lunch" 및/또는 "restaurant"가 추가적인 메시지(예컨대, 선행 메시지)에 존재한다면, 식당 예약 봇이 항공 예약 봇 대신에 선택될 수 있다. 봇들의 호출과 연관되고 그리고/또는 그렇지 않으면 봇들과 연관되는 용어들이 하나 또는 그 초과의 데이터베이스들에 봇들과 연관되어 저장될 수 있다.
[0084] 콘텐츠에 기반하여 봇 커맨드가 제1 봇에 제공될 수 있다. 예컨대, 메시징 애플리케이션(103)은 제1 사용자와 제2 사용자 간에 교환되는 메시지들에서 논의되는 식당에 제1 사용자 및 제2 사용자를 위한 예약을 수행하게 제안하도록 제1 봇에게 지시할 수 있다. 제1 봇은 메시지들에서 명시적으로 논의되지 않은 다양한 팩터들을 결정하고 그리고 결정된 팩터들에 기반하여 제안을 수행할 수 있다. 예컨대, 제1 봇은 메시지들 내의 단어들 "new Thai restaurant" 및 "El Camino"에 기반하여 식당의 이름을 결정하고, 그리고 오전 11시 30분에 함께 식사를 하는 사용자들에 대응하는 사용자들과 연관된 사용자 활동에 기반하여 사용자들이 오전 11시 30분에 가기를 원할 것이라고 결정할 수 있다. 일부 구현들에서, 메시징 애플리케이션(103)은 메시지들이 목적지와 연관된다고 결정하고 그리고 제1 사용자가 목적지에 있을 시간을 결정하며, 봇 커맨드는 목적지 및 시간에 관련된다. 일부 구현들에서, 제1 봇은 표준 소개(예컨대, "Hi, I’m first bot")을 제공하고 이어서 제안을 제공할 수 있다.
[0085] 다른 예에서, 제1 사용자는 특정 브랜드 및 모델의 바이크가 상점들에 비축되어 있는지를 물어보는 메시지를 다수의 바이크 상점 봇들에 전송할 수 있다. 또 다른 예에서, 제1 사용자는 제1 사용자의 에어컨을 수리하기 위한 약속을 스케줄링하기 위한 메시지를 에어컨 수리공에게 전송하고, 약속을 스케줄링하며, 신용카드로 결제할 수 있다.
[0086] 일부 구현들에서, 메시징 애플리케이션(103)은 정보 서버로부터의 제1 봇에 대한 추가적인 정보를 요청하고, 그 추가적인 정보에 기반하여 봇 커맨드를 생성한다. 예컨대, 메시징 애플리케이션(103)은 정보 카드들(knowledge cards)(예컨대, 리치 카드들(rich cards))을 제공하는 서버 또는 검색 서버로부터의 정보를 요청할 수 있다. 다른 예에서, 메시징 애플리케이션은 제1 사용자가 식사를 하고 싶어 하는 상이한 식당들을 포함하는 정보 서버(130)로부터의 추가적인 정보를 요청할 수 있다. 도 3에서, 메시징 애플리케이션(103)은, El Camino에 위치하면서 태국 음식을 제공하는 식당들, 제1 사용자의 위치 가까이에 있는 식당들, 높은 평점들을 받은 식당들 등에 대한 정보를 요청할 수 있다. 제1 봇은 예약들을 위해 현재 이용가능한 시간들에 2명의 사람들을 위해 식당들에 예약들을 수행하기 위해서 제안에 그 식당 이름들을 포함시킬 수 있다.
[0087] 메시징 애플리케이션(103)은 제1 사용자 및 제2 사용자에게 제안을 제공할 수 있다. 예컨대, 메시징 애플리케이션(103)은 제1 봇을 대신하여, Tasty Thai에 예약을 수행하기 위한 제안을 제공한다. 일부 구현들에서, 메시징 애플리케이션(103)은 메시지들에 기반하여 제1 사용자가 활성 역할과 연관된다고 결정하고, 제1 봇으로부터 봇 제안을 수신하도록 제2 사용자에 우선해 제1 사용자를 선정할 수 있다. 예컨대, 2명의 사용자들이 함께 여행을 논의하고 있는 경우, 메시징 애플리케이션(103)은 그 사용자들 중 한 명은 이벤트에 대한 조직자라고 결정할 수 있고, 봇 제안은 조직자에게 자동차 서비스에 대해 지불하라는 제안을 포함할 수 있다. 사용자들 중 한 명이 조직자라고 결정하는 것은 다양한 팩터들, 이를테면 사용자가 대화를 개시하는 것, 사용자가 대화에 더 많은 메시지들을 제공하는 것, 사용자의 메시지들이 다른 사용자(들)의 메시지(들)에 대해 행해지는 것보다 선택된 봇에 관련된 더 많은 용어들을 포함하는 것에 기반할 수 있다.
[0088] 일부 구현들에서, 제안은 광고를 포함할 수 있다. 예컨대, 제1 봇은 Tasty Thai에서의 30% 할인 쿠폰을 제1 사용자에게 제공할 수 있다. 메시징 애플리케이션(103)은 메시지들에 있는 감정, 구두점, 또는 이모티콘에 기반하여 제1 사용자의 글쓰기 스타일을 결정하고, 제1 사용자의 글쓰기 스타일로 제1 사용자에게 제안을 제공할 수 있다. 예컨대, 만약 제1 사용자가 대문자를 사용하지 않고 메시징을 쓰는 경향이 있다면, 메시징 애플리케이션(103)은 대문자를 사용하지 않고 제안을 제공할 수 있다. 메시징 애플리케이션(103)은 그 메시징 애플리케이션(103) 내에서 메시지들과 관련된 제1 사용자에 대한 지불을 프로세싱하기 위해서 제1 사용자에게 제안을 제공할 수 있다. 예컨대, 메시징 애플리케이션(103)은 Tasty Thai 에서 식사에 대한 지불을 프로세싱하거나 또는 제1 사용자가 제2 사용자의 음식에 대해 지불한 경우에는 제1 사용자를 변상하도록 제안하는 제3 봇을 선택할 수 있다.
[0089] 일부 구현들에서, 제1 봇은 제1 사용자가 제1 봇에 이용가능한 정보를 요청할 때, 이를테면 바이크 상점의 위치가 확인될 경우에, 자동 응답을 제공할 수 있다. 일부 구현들에서, 제1 봇은, 만약 제1 봇이 요청된 정보에 액세스하지 못하거나 정보가 임계 값 미만의 신뢰성 스코어와 연관된다면, 추가적인 정보를 획득하기 위해서 사업주와 통신할 수 있다. 예컨대, 제1 사용자는 바이크 상점이 열려 있는지를 물어볼 수 있다. 비록 포스팅된 시간들이 사업체가 열려 있다고 나타낼 수 있지만, 만약 사업주가 몇 시간 동안은 메시징 애플리케이션(103) 상에서 활동하지 못하였거나 바이크 상점이 어떤 경고도 없이 닫힌 것으로 알려진다면, 제1 봇은 바이크 상점이 열렸음을 확인하기 위해서 사업주에게 물어볼 수 있다. 일부 구현들에서, 제1 봇이 추가적인 정보에 대해 사업주에게 요청하는 경우, 제1 봇은 제안된 응답들을 사업주에게 제공할 수 있다. 바이크 상점이 열려 있는지 여부에 대한 예를 계속 참조하면, 제1 봇은 "Yes until 5pm", "No, but we’re open tomorrow starting at 10am"으로 응답하기 위한 옵션 또는 상이한 응답을 제공하기 위한 옵션을 사업주에게 제공할 수 있다.
[0090] 일부 구현들에서, 제안은 다른 대화들과 공유될 수 있다. 메시징 애플리케이션(103)은 2명의 사용자들에 연결된 사람들이 제안을 보길 원할 수 있다고 결정할 수 있다. 예컨대, 만약 2명의 사용자들이 제3 사용자와 점심을 먹기 위해 자주 외출한다면, 제3 사용자는 그 2명의 사용자들이 11시 30분에 Tasty Thai에서 식사를 하려 한다는 것을 알고 싶어 할 수 있다. 다른 예에서, 메시징 애플리케이션(103)은 2명의 사용자들과 관련없지만 유사한 대화를 하는 사람들과 제안을 공유할 수 있다.
[0091] 메시징 애플리케이션(103)은 필드에 입력되는 텍스트 또는 선택을 제1 봇에 전송하는 필드를 포함하는 사용자 인터페이스를 제1 사용자에게 제공할 수 있다. 예컨대, 도 3에서, 예약 봇이 11시 30분에 Tasty Thai에 사용자를 위해 예약을 수행하도록 제안하는 것에 대한 응답으로, 사용자는 그 제안을 수락하거나, 또는 상이한 수의 사람들, 상이한 식당, 및 상이한 예약 시간을 선택하기 위해서 제안을 수정할 수 있다.
[0092] 일부 구현들에서, 메시징 애플리케이션(103)은 사용자들 중 한 명과 제1 봇 간의 상호작용들에 기반하여 정보를 업데이팅할 수 있다. 예컨대, 메시징 애플리케이션(103)은 Tasty Thai의 운영 시간에 대해 제1 봇으로 향하는 제1 사용자로부터의 질문을 수신할 수 있다. 메시징 애플리케이션(103)은 이메일과 같은 요청을 Tasty Thai과 연관된 제 3-측 서버(120)에 송신함으로써 Tasty Thai의 운영 시간에 대한 추가적인 정보를 Tasty Thai의 사업주에게 요청하도록 제1 봇에 지시할 수 있다. 일부 구현들에서, 응답이 미리 결정된 임계 값 미만인 신뢰성 스코어와 연관된다고 제1 봇이 결정하지 않는 한, 제1 봇은 제1 사용자로부터의 질문에 응답할 수 있다(이 경우에, 제1 봇은 이어서 사업주에게 응답을 요청할 수 있다). 이어서, 사업주의 응답은, 하나 또는 그 초과의 데이터베이스들에서, 응답으로부터의 정보(예컨대, Tasty Thai의 운영 시간)로 "Tasty Thai"에 대한 입력을 업데이팅하는데 사용될 수 있다. 일부 구현들에서, 사업주는 언제라도 질문에 응답가능할 수 있다. 일부 구현들에서, 제1 봇이 사용자에 의해서 먼저 촉구되지 않고도 사업주에게 질문들을 함으로써, 응답기들로 하여금 사용자들에게 사전에 이용가능하게 할 수 있다. 예컨대, 제1 봇은 사업체가 크리스마스 때 여는지를 사업주에게 물어보고, 사업체와 연관된 응답을 저장하고, 이어서 크리스마스 사업 시간에 대해 문의하는 대응하는 봇으로 향하는 메시지에 대한 응답으로 사용자에게 응답을 제공할 수 있다.
[0093] 메시징 애플리케이션(103)은 추가적인 정보를 수신하고, 제1 사용자에 대한 추가적인 정보를 포함하는 응답을 생성할 수 있다. 추가적인 정보가 새로운 정보를 포함하는 경우들에서, 메시징 애플리케이션(103)은 그 새로운 정보에 기반하여 사업에 대한 사업 프로파일에 업데이트를 제공할 수 있다. 예컨대, 메시징 애플리케이션(103)은 사업 정보를 유지하는 웹사이트에 업데이트를 송신하도록 제1 봇에 지시할 수 있다. 제1 봇은 또한 사업주에게 사전에 질문을 하는 제1 봇으로부터 오는 정보에 대한 업데이트를 사업 정보를 유지하는 웹사이트에 송신할 수 있다.
[0094] 일부 구현들에서, 메시징 애플리케이션(103)은 제1 봇에 의해서 수행될 2개 또는 그 초과의 서비스들을 포함하는 제1 제안을 제공할 수 있다. 예컨대, 메시징 애플리케이션(103)은 예약을 수행하도록 제안을 제공하고, 식당에 대한 추가적인 정보를 제공하며, 식당을 평가할 수 있다. 메시징 애플리케이션(103)은 제1 사용자로부터 2개 또는 그 초과의 서비스들 중 하나의 서비스의 선택을 수신할 수 있는데, 예컨대, 제1 사용자는 예약을 수행하도록 제1 봇에 요청한다. 메시징 애플리케이션(103)은 선택된 서비스에 대응하는 추가적인 제안들을 제1 사용자에게 제공할 수 있다. 예컨대, 메시징 애플리케이션(103)은, 식당을 선택하고, 시간대를 고르고, 예약할 사람들의 수를 선택하기 위한 제2 제안을 제공한다. 일부 구현들에서, 추가적인 제안을 제공하는 것은 사용자가 스크롤할 수 있는 그래픽 아이콘들을 제공하는 것을 포함한다. 일부 구현들에서, 추가적인 제안은 광고를 포함한다.
예시적인 개요 ― 대화 요약
[0095] 일부 구현들에서, 메시징 애플리케이션(103)은 동작과 연관될 수 있는 하나 또는 그 초과의 엔티티들을 결정하기 위해서 2명 또는 그 초과의 사용자들 간의 초기 대화의 일부인 메시지들을 분석한다. 엔티티는 사람, 장소, 또는 메시지 내의 오브젝트일 수 있다. 예컨대, 제안 애플리케이션(132)은 메시지 "great weather!"가 "great", "weather" 및 "!"를 포함한다는 것을 그 메시지의 분석에 기반하여 식별하고, 그 메시지로부터 제1 엔티티 "great" 및 제2 엔티티 "weather"를 결정한다.
[0096] 초기 대화의 다른 메시지들이 문맥 표시자들을 결정하기 위해 분석된다. 일부 구현들에서, 메시징 애플리케이션(103)은 사용자들 중 한 명 또는 그 초과에 관련된 다른 대화들(예컨대, 이전 대화들, 제 3-측 애플리케이션으로부터의 대화들)을 분석한다. 예컨대, 메시지 "would you like to meet at ABC coffee store?" 및 사용자 프로파일 정보로부터, 메시징 애플리케이션(103)은 엔티티 "ABC coffee store"가 사용자의 직장 근처에 있다는 것을 사용자 동의 하에서 결정한다. 다른 문맥 표시자들은 감정 표시자들, 대화 흐름들, 메시지의 긴장도, 메시지의 최신성, 메시지가 전송된 날 및/또는 시간, 엔티티와 연관된 날 및/또는 시간, 대화 메타데이터 등을 포함한다.
[0097] 메시징 애플리케이션(103)은 문맥 표시자들을 결정하고, 그 문맥 표시자들에 기반하여, 엔티티가 동작가능한지 여부를 결정한다. 문맥 표시자들은 대화 흐름들, 긴장도, 감정 표시자들(예컨대, 감정 심볼), 메시지에서 사용되는 동사들, 메시지에서 질문이 이루어지는지 여부, 대화 메타데이터 등을 포함할 수 있다. 예컨대, 메시징 애플리케이션(103)은 메시지 "I like A"의 엔티티 A가 비-동작가능하다고 결정하지만, 메시지 "I am going to buy B"의 엔티티 B는 동작가능하다고 결정한다. 만약 사용자 C가 사용자 D에게 "meet at XYZ?"라고 요청하면, 메시징 애플리케이션(103)은 대화 흐름에서 사용자 D의 긍정 응답을 수신한 이후에 위치 "ABC"가 동작가능하다고 결정할 수 있다.
[0098] 메시징 애플리케이션(103)은 문맥 표시자들에 기반하여 동작가능한 엔티티에 대한 제안을 생성한다. 예컨대, 만약 2명의 사용자들이 스토어에서 만나길 원한다면, 메시징 애플리케이션(103)은 만남 시간을 스케줄링하기 위해서 캘린더 엔트리 및 스토어로의 방향들을 사용자들에게 제공할 수 있다. 문맥 표시자들에 기반하여, 지도는 사용자들 둘 모두에게 가까운 특정 스토어로의 방향들을 표시할 수 있고, 캘린더는 사용자들 둘 모두에게 이용가능한 시간 슬롯들을 강조할 수 있다.
[0099] 제안 생성 프로세스는 몇몇 타입들의 자동화를 포함할 수 있다. 예컨대, 메시징 애플리케이션(103)은 제안을 생성할지 여부, 및 대화 중 제안을 삽입할 시기 및 장소를 결정할 수 있다. 사용자 A로부터 사용자 B로의 질문 "meet at coffee house?"의 경우에, 만약 사용자 B가 그 질문에 대해 "great!"로 응답한다면 커피 하우스에 대한 지도가 그 두 명의 사용자들에게 제안될 수 있다. 예컨대, 만약 사용자 B가 "I’d like to go, but..."라고 응답한다면, 지도 제안은 2명의 사용자들에게 제공되지 않을 수 있다. 메시징 애플리케이션(103)은 또한 문맥 표시자들에 기반하여 제안이 적합한지 여부를 결정할 수 있다. 예컨대, 만약 사용자가 나쁜 소식을 최근에 수신하였다면, 축하 제안은 적합하지 않을 것이다. 다른 예에서, 메시징 애플리케이션(103)은 사용자가 좋아하지 않는 엔티티들의 목록을 결정할 수 있고, 메시징 애플리케이션(103)은 목록으로부터의 어떤 것도 사용자에게 제안하지 않을 수 있다.
[0100] 도 4a는 제안을 보여주는 예시적인 대화 인터페이스들의 그래픽 표현들을 포함한다. 예시된 예에서, 대화 인터페이스들(1000, 1050)은 Aaron의 모바일 스크린 상에 디스플레이된다. Aaron은 Bob으로부터 "Want to eat at Park Chow?"란 메시지(1002)를 수신한다. 도 1 및 도 2를 참조하여 위에서 설명된 메시징 애플리케이션(103)은 위치 "Park Chow"가 동작가능하다고 결정한다. 따라서, 그 위치에 대해 동작을 취하도록 Aaron 및 Bob를 위한 제안이 생성될 수 있다. 이런 예에서, 메시징 애플리케이션(103)은 Aaron 및 Bob를 위해 위치 "Park Chow"의 지도(1004)를 생성한다. Aaron 및 Bob는 지도(1004)를 보거나 또는 공유 버튼(1006)을 사용하여 지도(1004)를 공유할 수 있다. 이런 시나리오에서, Aaron이 메시지(1002)에 응답하기 위해 "Sure"란 메시지(1008)를 전송하기 이전 및 이후에, 지도(1004)가 두 번 디스플레이된다. 상이한 시나리오에서, 단지 Aaron이 질문(1002)에 긍정적으로 응답할 경우, 예컨대 "Sure"란 메시지(1008)로 응답할 경우에만, 결정 엔진(228)은 위치 "Park Chow"가 동작가능하다고 결정한다. 그 결과, 위치 제안(예컨대, 지도(1004))은 Aaron이 메시지(1008)를 전송한 이후에 단지 한 번만 디스플레이될 수 있다. Aaron 및 Bob은 또한, 지도가 사용자가 원하는 제안이 아니거나 맵이 틀리다는 것 또는 다른 부정적 반응들을 표시하기 위해서 "Umm, nope" 옵션(1010)을 선택할 수 있다. 도 10에서, 전체적인 제안 생성 프로세스는 메시징 애플리케이션(103)에 의해서 처리된다.
[0101] 도 4b는 대화 서비스에 의해서 생성되는 대화를 보여주는 예시적인 대화 인터페이스의 그래픽 표현이다. 사용자들(Melissa G., Alice Z., Chris B.) 간의 진행 중인 대화가 대화 인터페이스(1100) 상에 디스플레이된다. 사용자들(Melissa G., Alice Z., Chris B.)은 본 비제한적인 예에서 소셜 네트워크의 멤버들일 수 있다. 사용자들 간의 대화 세션은 소셜 네트워크에서 제1 애플리케이션(예컨대, 메시징 애플리케이션(103))에 의해서 생성되고 관리된다. 대화 인터페이스(1100)는 Melissa의 컴퓨터 스크린 상에 디스플레이될 수 있다. 이런 예에서, 사용자들은 그날 밤 계획에 대해서 대화를 하고, Melissa는 쇼핑에 대한 관심을 표명하고, "Dress Factory is good. I am wondering if they have any discount right now"라고 말한다. 이 메시지에서 중요한 엔티티들은 "Dress Factory" 및 "discount"라고 메시징 애플리케이션(103)이 식별할 때, 메시징 애플리케이션(103)은 이들 중요한 엔티티들에 기반하여 제안을 생성한다. 그러나, 도 10에서와 같이 메시징 애플리케이션(103)에 의해서 제안을 생성하는 대신에, 메시징 애플리케이션(103)은 제안을 생성하기 위해서 다른 서비스(예컨대, 프로모션 서비스)에 "Dress Factory" 및 "discount"란 정보를 제공한다.
[0102] 도 4c를 참조하면, 프로모션 서비스에 의해서 생성되는 제안을 보여주는 예시적인 대화 인터페이스의 그래픽 표현이 예시된다. 예시된 예에서, 대화 인터페이스(1150)는 Melissa의 모바일 스크린 상에 디스플레이된다. 대화 인터페이스(1150)는 "Dress Factory has 20% off for dress and jewelry until May 30"란 제안(1152)을 포함한다. 프로모션 서비스는 도 11a에서 메시징 애플리케이션(103)에 의해서 식별되는 "Dress Factory" 및 "discount"란 엔티티들에 기반하여 제안(1152)을 생성한다. 일 예에서, 프로모션 서비스는 제안(1152)을 생성하기 위해 인터넷 상에서 엔티티들에 대한 검색을 수행할 수 있다. 제안 생성기(132)는 제안(1152)을 수신하고, 이어서 도 11a에서 대화의 모든 참여자들, 예컨대 Melissa G., Alice Z., Chris B.에게 제안(1152)을 제공할 수 있다. 도 11b는 Alice 또는 Chris에게 보여진 제안들과 동일한 제안(1152)을 Melissa의 모바일 스크린 상에 디스플레이한다.
[0103] 도 4d는 1-탭 회답들을 보여주는 예시적인 대화 인터페이스의 그래픽 표현이다. 예시된 도 12에서, 대화 인터페이스(1200)는 Aaron의 모바일 스크린 상에 디스플레이된다. Bob으로부터 "when is mom’s flight going to land?"란 질문(1202)을 수신하는 것에 대한 응답으로, 메시징 애플리케이션(103)은 Aaron의 이전 사용자 동작들(예컨대, 구매 이력)에 기반하여 Aaron으로부터의 잠재적 응답을 예측할 수 있고, Aaron을 위한 1-탭 회답(1204)을 생성한다. 자동 회답(1204)은 비행기 번호, 도착 시간 및 비행 상태를 목록화한다. 그러므로, Aaron은 Bob에게 응답을 타이핑할 시간을 절약한다. 유사하게, Bob이 "will you pick her up at the airport?"란 다른 질문(1206)을 전송할 때, 메시징 애플리케이션(103)은 이것이 '예' 또는 '아니오' 질문임을 결정하고, Aaron이 선정할 2가지 옵션들 "YES" 또는 "NO"을 포함하도록 1-탭 자동 회답(1208)을 생성한다.
[0104] 도 4e는 대화 보고를 보여주는 예시적인 대화 인터페이스의 그래픽 표현이다. 대화 인터페이스(1300)는 검색 박스(1302)를 포함하고, 그 검색 박스에서 사용자는 참여자 이름, 토픽, 시간, 이들의 결합들 등에 기반하여 대화들을 검색할 수 있다. 도 13에 예시된 예에서, 사용자는 영화 "star wars"에 대한 대화를 검색하였다. 사용자로부터의 검색 요청에 대한 응답으로, 메시징 애플리케이션(103)은 보고를 생성할 수 있다. 특정 예들에서, 보고는, 사용자가 토픽을 논의한 시기 및 대화의 다른 참여자들에 대한 요약(1304), 예컨대 Mellissa, Alice 및 Jenny가 수요일 7시 10분 내지 7시 30분에 "star wars"를 논의했다는 것으로 시작할 수 있다. 보고는 또한 각각의 참여자로부터의 대화 메시지를 시간 순서대로 포함할 수 있다. 보고는 또한 사용자에 의해서 검색된 키워드 "star wars"(1306)를 강조할 수 있다. 게다가, 보고는 특정 엔티티들(예컨대, 배우들 "AA"(1108) 및 "BB"(1310))을 강조하여서, 사용자로 하여금 그 엔티티들에 대한 더 많은 정보(예컨대, 일대기, 사진들)를 리트리빙가능하게 할 수 있다. 각각의 강조된 그리고 식별된 엔티티는 사용자로 하여금 인터넷 상에서 그 엔티티의 검색을 수행할 수 있게 하는 하이퍼링크와 연관될 수 있다.
[0105] 도 4f는 대화 요약을 보여주는 예시적인 대화 인터페이스의 그래픽 표현이다. 예시된 예에서, 대화 인터페이스(1400)는 사용자가 자신이 일주일 동안에 참여했던 대화들을 요약하게 하기 위해서 메시징 애플리케이션(103)에 의해서 생성되는 대화 요약(1402)을 포함한다. 대화 요약은 2개의 예시적인 부분들(1402 및 1404)을 포함할 수 있다. 제1 부분(1402)에서, 요약은 지난 일주일 동안 사용자가 참여한 대화들의 수 및 대화들에 대한 일부 기본적인 정보, 예컨대 시각, 날짜, 다른 참여자들의 신원들 등을 포함할 수 있다. 제1 부분(1402)은 각각의 참여자로부터의 대화 메시지들, 각각의 메시지가 전송된 시간 등을 비롯해서 각각의 대화에 대한 추가 세부사항들을 제공하는 각각의 대화에 대한 세부사항 옵션(1406)을 또한 포함할 수 있다. 제2 부분(1404)은, 예컨대 대화들에서 논의된 토픽들(선택적으로, 대화들에서 각각의 토픽의 백분율을 설명하는 파이 차트(1408)), 대화들에서 공유된 청각/시각 콘텐츠(선택적으로, 콘텐츠를 플레이하기 위한 링크(1410)), 2개의 대화들에서 공유된 사진들(1412)을 비롯해서 지난 일주일에 수행된 대화들에 대한 핵심 정보를 포함할 수 있다.
[0106] 도 4g는 제안들의 순차적 제시를 보여주는 예시적인 대화 인터페이스들의 그래픽 표현들을 포함한다. 예시된 도 4g에서, 대화 인터페이스(1500)는 사용자의 모바일 스크린 상에 디스플레이된다. "meet up for a meal?"란 메시지(1502)를 수신하는 것에 대한 응답으로, 메시징 애플리케이션(103)은 "lunch", "dinner", "brunch" 등을 위한 옵션들(1504)을 생성하여 디스플레이한다. 사용자는 사용자에게 제일 먼저 제안된 옵션들(1504) 중 하나를 선택할 수 있고, 이는 생성될 제2 제안을 트리거시킨다. 도 4g는 옵션(1506)에 도시된 바와 같이 사용자 선택을 수신하는 것에 대한 응답으로 생성되는 대화 인터페이스(1550)를 디스플레이한다. 옵션(1506)에서 'lunch'를 사용자가 선택 시에, 메시징 애플리케이션(103)은 점심을 위해서 문을 연 특정 식당들을 생성하여 디스플레이한다. 특정 구현들에서, 메시징 애플리케이션(103)은 대화의 모든 참여자들의 특정 거리 범위 내에 있는 그러한 식당들만을 디스플레이할 수 있다. 일부 예들에서, 식당 정보(1508)는 식당 이름, 식당 타입, 논평 및 가격을 포함할 수 있다.
[0107] 특정 구현들에서, 디스플레이되는 식당 정보는 선택가능하고 동작가능할 수 있다. 일 예에서, 사용자는 특정 식당을 선택하고, 그것을 예컨대 식당 이름을 포함하는 메시지로서, 식당 이름 및 대화에 적절한 미리 채워진 디폴트 단어들(예컨대, "let's meet at...")을 포함하는 메시지로서 다른 참여자들에게 디스플레이할 수 있다. 다른 예에서, 사용자는 특정 식당을 선택하여, 인터넷 상에서 그 식당에 대한 검색을 수행하고, 웹사이트로부터 판매자 정보를 리트리빙하고, 식당 위치의 지도를 리트리빙하는 것 등을 할 수 있다. 이어서, 사용자는 예컨대 대화 인터페이스에 식당 위치의 지도를 삽입함으로써 대화의 다른 참여자들에게 리트리빙된 정보를 디스플레이하기로 선정할 수 있다.
예시적인 개요 ― 메시징 대화들에 대한 제안된 응답들
[0108] 이제 도 5a를 참조하면, 메시징 애플리케이션 사용자 인터페이스가 예시된다. 일부 구현들에서, 메시징 애플리케이션(103)은 제1 사용자와 그룹 간의 메시지를 수신하고, 여기서 그룹은 다른 사용자들을 포함한다. 예컨대, 그룹은 축구 그룹이고, 메시지는 다른 사용자들 중 한 명인 제2 사용자가 다른 사용자들이 있는 축구 게임의 위치에 얼마나 가까이 있는지를 제2 사용자가 물어보는 것이다. 메시지의 문맥, 제1 사용자, 및 다른 사용자들이 결정된다. 문맥은 이벤트 또는 휴일을 포함할 수 있다. 다른 예에서, 문맥은 메시지가 사용자의 추정되는 도착 시간에 대한 요청이라는 것이다.
[0109] 메시지 및 문맥에 기반하여 다른 사용자들 각각이 그룹과 공유할 제안된 응답이 결정된다. 제안된 응답은 그룹과 공유할 이미지(예컨대, 제2 사용자의 전화기로부터 획득됨), 그룹과 공유할 위치(예컨대, 제2 사용자의 위치에 기반함), 또는 제2 사용자와 공유할 캘린더 이벤트(예컨대, 이벤트 참석을 언급하는 메시지에 기반함)를 포함할 수 있다.
[0110] 일부 구현들에서, 제안된 응답은 제2 사용자를 위한 개인화 모델을 개발하기 위해서 머신 학습을 사용하는 것에 기반할 수 있다. 메시징 애플리케이션(103)은 머신 학습 모델을 생성하고 메시지들 또는 대화들의 집성(corpus)으로부터 예들을 필터링함으로써 제안된 응답을 생성하기 위해서 그 머신 학습 모델을 사용하고, 그 예들에 기반하여 응답들을 제안하기 위해서 신경 네트워크를 트레이닝하며, 제2 사용자와 연관된 정보에 기반하여 제안된 응답들의 개인화에 기반한 제안된 응답들을 수정할 수 있다. 머신 학습 모델은 제안된 응답들에 추가적인 서비스들을 통합시킬 수 있다. 예컨대, 메시징 애플리케이션(103)은 사용자에 대한 위치 정보, 사용자와 연관된 사진들, 사용자와 연관된 구매 정보 등을 획득하기 위해서 머신 학습 모델을 사용할 수 있다. 만약 제1 사용자가 제2 사용자에게 "How was your vacation?"라고 물어보면, 머신 학습 모델은, 사진들이 사진 서버로부터 리브리빙되고 그리고 휴가 동안 및/또는 휴가 위치에서 촬영된 사진들로 식별되는 휴가의 사진들을 제2 사용자가 첨부할 것을 제안할 수 있다. 만약 제1 사용자가 야구 모자에 대한 링크를 제2 사용자에게 제공하고 야구 모자를 좋아하는지 제2 사용자에게 물어본다면, 머신 학습 모델은, 야구 모자의 최근 구매, 상거래 웹사이트 상에서 야구 모자에 대한 높은 평가 등에 기반하여 제2 사용자가 "I love it"로 응답할 것으로 제안할 수 있다. 만약 제1 사용자가 제2 사용자에게 "Where are you?"라고 물어본다면, 머신 학습 모델은 맵핑 애플리케이션으로부터의 제2 사용자의 위치의 지도를 제1 사용자에게 제공할 것을 제안할 수 있다. 제안은 회답, 즉 "Where are you?"란 메시지에 대한 회답에 포함시키기 위한 제안으로서 제2 사용자에게 제공될 수 있다. 다른 예로서, 정해진 사용자가 "I’m on my way"란 메시지를 구성하고 및/또는 전송했다고 가정하자. 정해진 사용자의 위치가 메시지(만약 구성된다면)에 포함시키고 및/또는 추가적인 메시지(만약 전송된다면)로서 제공하도록 정해진 사용자에게 제안될 수 있다.
[0111] 일부 구현들에서, 제안된 응답은 채트 봇이 그룹과 연관된 메시지들에 참여하고 있는지 여부에 기반하여 맞춤화될 수 있다. 예컨대, 메시징 애플리케이션(103)은 채트 봇이 존재하는지 여부를 결정할 수 있다. 채트 봇이 존재한다는 것에 대한 응답으로, 메시징 애플리케이션(103)은 제1 세트의 자동 제안된 응답들을 생성한다. 예컨대, 제1 세트의 자동 제안된 응답들은 채트 봇이 따르는 대화 규칙들에 기반할 수 있다. 대화 규칙들은 통신을 용이하게 하기 위해서 채트 봇들에 의해서 쉽게 이해되는 포맷을 생성하는데 도움을 준다. 채트 봇이 존재하지 않는다는 것에 대한 응답으로, 메시징 애플리케이션(103)은 제2 세트의 자동 제안된 응답들을 생성한다. 예컨대, 제2 세트의 자동 제안된 응답들은 사용자 선호도들에 기반할 수 있다. 일부 구현들에서, 메시징 애플리케이션(103)은 봇 모드로 스위칭하도록 사용자에게 옵션을 제공할 수 있고, 이는 사용자의 아바타를 봇으로 변경하고 그리고 가장 높은 랭킹의 제안된 응답을 사용하여 대화들에 자동적으로 회답한다. 일부 구현들에서, 메시징 애플리케이션(103)은 어떤 대화들, 메시지들 및 전송자들이 사용자에게 중요한지를 결정할 수 있고, 제안된 응답이 그에 따라 수정된다.
[0112] 제안된 응답은 제2 사용자의 성격에 기반할 수 있다. 예컨대, 메시징 애플리케이션(103)은 유머 또는 풍자 등을 포함하는 화이트리스트에 기반하여 메시지에서 구두점 사용, 이모티콘 사용, 분류 단어들에 기반하여 제2 사용자의 성격을 결정할 수 있다.
[0113] 다른 사용자들 중 제2 사용자로 하여금 1-탭 동작으로 응답하도록 허용하는 제2 사용자를 위한 제안된 응답을 갖는 통지가 생성될 수 있다. 예컨대, 제안된 응답은 제2 사용자와 축구 경기의 위치 사이의 거리, 추정되는 이동 시간, 및 제2 사용자에 의해 선호되는 스타일로 쓰여진 제안된 응답을 결정하는 것을 포함한다. 메시징 애플리케이션(103)은 제2 사용자의 위치, 캘린더 이벤트의 위치를 포함하는 캘린더 이벤트, 및/또는 맵핑 애플리케이션으로부터의 목적지에 대한 정보에 기반하여 제2 사용자에 대한 추정된 도착 시간을 결정할 수 있다. 일부 구현들에서, 메시지는 최근 이벤트에 대한 정보에 대한 요청을 포함할 수 있다. 메시징 애플리케이션(103)은 최근 이벤트에 대응하는 이미지 및 최근 이벤트에 관련한 소셜 네트워크 포스트를 결정함으로써 제안된 응답을 결정할 수 있다.
[0114] 제안된 응답은 센서 데이터, 하나 또는 그 초과의 선호도들, 대화 이력, 또는 다른 참여자들 각각에 의해서 수행된 하나 또는 그 초과의 최근 활동들에 기반할 수 있다. 센서 데이터에 기반하여, 사용자가 이동 중이라고 결정될 수 있고, 1-탭 동작은 제2 사용자가 이동 중이라고 결정하는 것에 기반할 수 있다. 예컨대, 만약 사용자가 고정적이라면 사용자 인터페이스는 다수의 제안된 응답들을 포함할 수 있지만, 만약 메시징 애플리케이션(103)이 사용자가 운전하고 있다고 결정하면 메시징 애플리케이션(103)은 1-탭 동작 응답을 제안할 수 있다.
[0115] 일부 구현들에서, 메시징 애플리케이션(103)은 제2 사용자의 위치에 관련된 국가, 시장 또는 지역에서 다른 메시지들에 기반하여 트렌딩 응답을 결정한다. 예컨대, 메시징 애플리케이션(103)은 대통령 선거를 포함하는 트렌딩 응답들, "Happy New Year!"와 같은 특정 경우에 대한 응답, 또는 메시징 애플리케이션(103)이 Seahawks가 유행이고 제2 사용자가 Seahawks의 팬(fan)이라고 결정하는 경우에는 "Go Seahawks!"를 결정할 수 있다. 메시징 애플리케이션(103)은 제안된 응답의 일부로서 트렌딩 응답을 포함시킬 수 있다.
[0116] 일부 구현들에서, 메시징 애플리케이션(103)은 제안된 응답을 결정하기 위해 사용될 성격의 타입 및 성격의 타입의 레벨을 특정하기 위한 옵션을 포함하는 그래픽 사용자 인터페이스를 다른 사용자들 중 제2 사용자에게 제공한다. 예컨대, 사용자 인터페이스는 제안된 응답이 이모티콘을 포함해야 하는지 여부를 특정하기 위해 슬라이더를 포함할 수 있다.
[0117] 일부 구현들에서, 메시징 애플리케이션(103)은 대화 스타터(starter) 제안을 결정한다. 메시징 애플리케이션(103)은 마지막 메시지가 대화 중에 수신된 이후로 임계 시간이 경과하는 것에 기반하여 대화 스타터 제안을 제공할 수 있다. 예컨대, 메시징 애플리케이션(103)은 마지막 메시지가 대화 중에 수신된 이후로 24 시간이 되었다고 결정할 수 있다. 그 결과, 메시징 애플리케이션(103)은 메시지, 대화에 대한 가장 빈번한 기여자, 그룹 리더 등을 제공하기 위해서 대화 시작 제안을 마지막 사람에게 제공할 수 있다. 메시징 애플리케이션(103)은 그룹과 연관된 토픽, 트렌딩 토픽(인기있는 야구 선수 트레이드), 그룹과 연관된 토픽에 관련된 최근 이벤트(플레이오프에 진출한 야구 팀), 사용자들 중 한 명과 연관된 활동(예컨대, 휴가, 야구 경기 방문) 등에 기반하여 대화 스타터 제안의 콘텐츠를 결정할 수 있다.
[0118] 도 5b는 예시적인 세트의 제안된 응답들의 그래픽 표현이다. 이런 예에서, 제2 사용자가 시간이 좀 있는지 여부에 대한 제1 사용자로부터의 요청에 대한 응답으로, 메시징 애플리케이션(103)은 이모티콘, 회답을 위한 시간 기간, 및 간단한 확인을 포함하는 3가지의 제안된 응답을 제공할 수 있다. 아래는 제안의 타입에 따라 구성된 텍스트 제안들의 예들이다.
Figure pct00001
[0119] 일부 구현들에서, 제안된 응답은 단순히 텍스트가 아닌 미디어에 관련할 수 있다. 예컨대, 도 5c는 제1 사용자가 제2 사용자의 아기의 사진을 제2 사용자에게 전송하는 예를 예시한다. 사진은 간략성을 위해서 도 5c에 예시되지 않았지만, 도 5c의 제안들 위에서 제2 사용자에게 제시될 수 있다. 메시징 애플리케이션(103)은, 사진이 산타 슈트를 입고 있는 아기를 포함한다는 것 및 제안된 응답들("Cute!", "Merry Christmas!", 및 "Sunny smile")이 산타 슈트를 입고 있는 아기의 사진에 대한 반응을 포함해야 한다는 것을 식별하기 위해서 사진에 대해 분석을 수행하는 것에 기반하여 제안들을 제공한다. 예컨대, 사진은 이미지들 내의 오브젝트들을 예측하도록 트레이닝된 신경 네트워크로의 입력 및 아기가 존재하고 산타 슈트가 존재한다는 것을 표시하는 네트워크를 통해 생성된 출력으로서 적용될 수 있다. 제안들 "Cute!" 및 "Sunny smile"은 "baby pictures"에 대한 제안된 응답인 것에 기반하여 선택될 수 있고, "Merry Christmas!"는 "Santa"에 대한 제안된 응답인 것에 기반하여 선택될 수 있다.
[0120] 도 6은 이전 LSTM 상태 및 토큰(예컨대, 이전 메시지)을 수신하는 메시징 애플리케이션(103)을 포함하는 일반 LSTM 모델을 예시한다. 메시징 애플리케이션(103)은 대화 중에 각각의 메시지를 토큰화함으로써 토큰 임베딩을 수행하고, 본래 LSTM 모델에 기반하여 수정된 LSTM 모델을 생성하고, 숨겨진 Markov 모델을 적용하며, 그리고 예컨대 LSTM의 출력을 확률 분포에 맵핑함으로써 다음 토큰(예컨대, 제안된 응답)을 예측하기 위해서 소프트맥스를 적용한다.
[0121] 도 7은, 메시징 애플리케이션(103)이 토큰 및 사용자 식별자를 수신하고 토큰이 임베딩되고 사용자 식별자가 임베딩되며 그리고 연쇄가 수행되는 개인화 LSTM 모델을 예시한다. 일부 구현들에서, 토큰들은 소문자이다. 연쇄는 각각의 토큰에 대한 카운트, 발생 횟수, 및 토큰을 사용한 고유 사용자들의 수를 생성하는 것을 포함할 수 있다. 만약 토큰이 미리 결정된 수의 고유 사용자들(예컨대, 1000명의 고유 사용자들) 미만과 연관된다면, 토큰은 일회용 데이터베이스에 맵핑된다. 임계 랭킹을 초과하는 것으로 랭킹되는 미리 결정된 수의 토큰들은 토큰 어휘 데이터베이스에 맵핑되고, 나머지는 일회용 데이터베이스에 맵핑된다. 연쇄는 또한 각각의 사용자를 위해 사용되는 총 토큰들의 수에 대한 카운트들을 생성하는 것을 포함할 수 있다. 만약 사용자가 미리 결정된 토큰 값(예컨대, 사용자당 최소 토큰 카운트)보다 많은 토큰들의 수와 연관된다면, 토큰들은 사용자 어휘 데이터베이스와 연관되고, 나머지는 일회용 데이터베이스에 맵핑된다.
[0122] 메시징 애플리케이션(103)은 본래 LSTM 모델에 기반하여 수정된 LSTM 모델을 생성할 수 있고, 그리고 연쇄를 수행한다. 일부 구현들에서, 메시징 애플리케이션(103)은 메시지들을 독립적으로(즉, 그들의 대화의 문맥없이) 고려할 수 있다. 메시징 애플리케이션(103)은 일회용 데이터베이스에 있는, 사용자들에 의해서 쓰여진 메시지들을 폐기할 수 있다. 나머지 메시지들에 대해, 메시징 애플리케이션(103)은 메시지를 시간적으로 분류하고, 트레이닝 데이터 세트에 처음 75%를 포함시키며, 테스트 세트에 마지막 25%를 포함시킬 수 있다. 일회성 단계 동안에 일부 구현들에서, 100명의 알려진 화이트리스트 사용자들은 (토큰들의 수에 의해서 랭킹된) 사용자들의 각 십분위수로부터 10명의 사용자들을 랜덤하게 선택함으로써 선택될 수 있다. 사용자들 각각에 대한 트레이닝 및 테스트 데이터가 개인화 모델들을 실험하기 위해서 별개의 표들로 추출될 수 있다. 메시징 애플리케이션(103)은 숨겨진 Markov 모델을 수행할 수 있고, 다음 토큰을 예측하기 위해서 소프트맥스를 적용한다.
[0123] 일부 구현들에서, 메시징 애플리케이션(103)은 인간-평가 의미 클러스터들을 수신하고, 예측된 회답이 속할 가장 가능성있는 클러스터들의 세트를 예측하는 모델을 적용하며, 각각의 예측된 클러스터에 대해, 제안된 회답이 도 8에 예시된 토큰 트라이와 같은 토큰 트라이를 통한 빔 검색을 사용하는 스코어링 모델에 의해서 예측된다. 일부 구현들에서, 메시징 애플리케이션(103)은 메시지가 화이트리스트의 회답인 경우 얼마나 자주 모델이 최상위 3개 내로 그 메시지를 랭킹하는지를 설명하는 3 메트릭으로 리콜을 사용한다. 3 메트릭으로의 리콜은, 만약 정확하게 올바른 메시지가 예측되었다면 정확할 수 있거나, 만약 예측된 메시지가 올바른 메시지로서 동일한 의미 클러스터에 있다면 클러스터일 수 있다. 도 9는 메시지들의 수 및 모델의 타입의 함수로서 메시지들의 수와 연관된 통계를 예시한다.
[0124] 위의 설명에서, 설명을 위해, 수많은 특정 세부사항들이 명세서의 철저한 이해를 제공하기 위해서 기술된다. 그러나, 본 개시내용이 이들 특정 세부사항들이 없이도 실시될 수 있다는 것이 당업자에게는 자명할 것이다. 일부 예시들에서는, 설명을 불명료하게 하는 것을 회피하기 위해서 구조들 및 디바이스들은 블록도 형태로 도시되어 있다. 예컨대, 구현들은 주로 사용자 인터페이스들 및 특정 하드웨어를 참조하여 위에서 설명될 수 있다. 그러나, 구현들은 데이터 및 커맨드들을 수신할 수 있는 임의의 타입의 컴퓨팅 디바이스, 및 서비스들을 제공하는 임의의 주변 디바이스들에 적용될 수 있다.
[0125] 명세서에서 "일부 구현들" 또는 "일부 예시들"에 대한 참조는 구현들 또는 예시들과 관련하여 설명된 특정 특징, 구조 또는 특성이 설명의 적어도 하나의 구현에 포함될 수 있다는 것을 의미한다. 명세서의 다양한 곳들에서 "일부 구현들에서"란 어구의 출현들은 모두가 동일한 구현들을 반드시 지칭하지는 않는다.
[0126] 위의 상세한 설명 중 일부 부분들은 컴퓨터 메모리 내의 데이터 비트들에 대한 연산들의 기호적인 표현들 및 알고리즘들의 관점에서 제시된다. 이들 알고리즘 설명들 및 표현들은 자신들의 작업의 실체를 다른 당업자들에게 가장 효과적으로 전달하기 위해 데이터 프로세싱 기술에서 당업자들에 의해 사용되는 수단들이다. 알고리즘은 여기서는 일반적으로 원하는 결과로 이어지는 단계들의 일관적인 시퀀스들인 것으로 이해된다. 단계들은 물리적 양들의 물리적 조작들을 필요로 하는 단계들이다. 일반적으로, 비록 필수적이지는 않지만, 이러한 양들은 저장, 전달, 결합, 비교 및 그렇지 않으면 조작될 수 있는 전기 또는 자기 데이터의 형태를 취한다. 주로 일반적인 사용의 이유들로 인해서 이러한 신호들을 비트들, 값들, 엘리먼트들, 심볼들, 문자들, 용어들, 수치들 등으로 지칭하는 것이 때로는 편리하다는 것이 입증되었다.
[0127] 그러나, 이러한 및 유사한 용어들 모두는 적합한 물리적 양들과 연관될 것이고 단순히 이러한 양들에 적용되는 편리한 라벨들이라는 것이 유념되어야 한다. 아래의 논의로부터 자명한 바와 같이 특별히 달리 설명되지 않는 한, 설명 전반에 걸쳐 "프로세싱" 또는 "컴퓨팅" 또는 "계산" 또는 "결정" 또는 "디스플레이" 등을 포함한 용어들을 활용한 논의들은 컴퓨터 시스템의 레지스터들 및 메모리들 내의 물리적인 (전자) 양들로서 표현되는 데이터를 조작하고 그리고 컴퓨터 시스템 메모리들 또는 레지스터들 또는 다른 그러한 정보 저장, 송신 또는 디스플레이 디바이스들 내의 물리적 양들로서 유사하게 표현되는 다른 데이터로 변환하는 컴퓨터 시스템 또는 유사한 전자 컴퓨팅 디바이스의 동작 및 프로세스들을 지칭한다는 것이 인지된다.
[0128] 명세서의 구현들은 또한 위에서 설명된 방법들의 하나 또는 그 초과의 단계들을 수행하기 위한 프로세서에 관한 것일 수 있다. 프로세서는 컴퓨터에 저장된 컴퓨터 프로그램에 의해서 선택적으로 활성되거나 재구성되는 특수-목적 프로세서일 수 있다. 그러한 컴퓨터 프로그램은, 플로피 디스크들, 광학 디스크들, ROM들, CD-ROM들, 자기 디스크들, RAM들, EPROM들, EEPROM들, 자기 또는 광학 카드들, 비-휘발성 메모리를 갖는 USB 키들을 포함한 플래시 메모리들, 또는 전자 명령들을 저장하기에 적절한 임의의 타입의 매체들을 포함한 임의의 타입의 디스크를 포함하는(그러나, 이들로 제한되는 않음) 비-일시적 컴퓨터-판독가능 저장 매체에 저장될 수 있고, 이들 각각은 컴퓨터 시스템템 버스에 커플링된다.
[0129] 명세서는 일부 전체적으로 하드웨어 구현들, 일부 전체적으로 소프트웨어 구현들, 또는 하드웨어 및 소프트웨어 엘리먼트들 모두를 포함하는 일부 구현들의 형태를 취할 수 있다. 일부 구현들에서, 명세서는 펌웨어, 상주 소프트웨어, 마이크로코드 등을 포함하는(그러나, 이들로 제한되지는 않음) 소프트웨어로 구현된다.
[0130] 또한, 설명은 컴퓨터 또는 임의의 명령 실행 시스템에 의해서 또는 그와 연계하여 사용하기 위한 프로그램 코드를 제공하는 컴퓨터-사용가능 또는 컴퓨터-판독가능 매체로부터 액세스가능한 컴퓨터 프로그램 제품의 형태를 취할 수 있다. 이런 설명을 위해서, 컴퓨터-사용가능 또는 컴퓨터-판독가능 매체는 명령 실행 시스템, 장치 또는 디바이스에 의해서 또는 그와 연계하여 사용하기 위한 프로그램을 포함, 저장, 통신, 전파, 또는 전달할 수 있는 임의의 장치일 수 있다.
[0131] 프로그램 코드를 저장 또는 실행하기에 적절한 데이터 프로세싱 시스템은 시스템 버스를 통해 메모리 엘리먼트들에 간접적으로 또는 직접적으로 커플링되는 적어도 하나의 프로세서를 포함할 것이다. 메모리 엘리먼트는 프로그램 코드의 실제 실행 동안에 이용되는 로컬 메모리, 벌크 저장부, 및 코드가 실행 동안에 벌크 저장부로부터 리트리빙되어야 하는 횟수를 감소시키기 위해 적어도 일부 프로그램 코드의 일시적 저장을 제공하는 캐시 메모리들을 포함할 수 있다.
[0132] 위에서 논의된 시스템들이 개인 정보를 수집하는 상황들에서, 시스템들은 프로그램들 또는 특징들이 사용자 정보(예컨대, 사용자의 소셜 네트워크에 대한 정보, 소셜 동작들 또는 활동들, 직업, 사용자의 선호도들, 또는 사용자의 현재 위치)를 수집하는지 여부를 제어하거나 또는 사용자에 더욱 관련될 수 있는 서버로부터의 콘텐츠를 수신할지 여부 및/또는 방법을 제어하는 기회를 사용자들에게 제공한다. 게다가, 특정 데이터는 저장되거나 사용되기 전에 하나 또는 그 초과의 방식들로 처리될 수 있어서, 개인적으로 식별가능한 정보가 제거된다. 예컨대, 사용자에 대해서 어떤 개인적으로 식별가능한 정보도 결정될 수 없도록 하기 위해서 사용자의 신원이 처리될 수 있거나, 또는 사용자의 특정 위치가 결정될 수 없도록 하기 위해서 위치 정보(이를테면, 도시, ZIP 코드, 또는 주(state) 레벨)가 획득되는 경우 사용자의 지리적 위치는 일반화될 수 있다. 따라서, 사용자는 사용자에 대한 정보가 어떻게 수집되고 서버에서 사용되는지를 제어할 수 있다.

Claims (26)

  1. 메시징 애플리케이션에서 봇 서비스들(bot services)을 자동적으로 제공하기 위한 컴퓨터-구현 방법으로서,
    다수의 사용자들 간에 메시지 교환 스레드(message exchange thread)의 하나 또는 그 초과의 메시지들을 수신하는 단계 ― 상기 하나 또는 그 초과의 메시지들 각각은 대응하는 메시징 애플리케이션을 통해 상기 다수의 사용자들 중 대응하는 사용자에 의해서 제출되고, 상기 다수의 사용자들은 제1 사용자 및 제2 사용자를 포함함 ―;
    상기 하나 또는 그 초과의 메시지들에 기반하여 제1 타입의 제1 봇을 결정하는 단계;
    상기 하나 또는 그 초과의 메시지들에 기반하여 제2 타입의 제2 봇을 결정하는 단계 ― 상기 제2 타입은 상기 제1 타입과 상이하고, 상기 제1 봇 및 상기 제2 봇을 결정하는 단계들은 상기 하나 또는 그 초과의 메시지들 중 정해진 메시지의 적어도 하나의 용어(term)가 상기 제1 봇 및 상기 제2 봇 둘 모두의 호출(invocation)과 연관된다고 결정하는 단계를 포함함 ―;
    상기 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 상기 제2 봇에 우선해 상기 제1 봇을 선택하는 단계;
    상기 콘텐츠에 기반하여 상기 제1 봇에 봇 커맨드(command)를 송신하는 단계 ― 상기 제1 봇에 봇 커맨드를 송신하는 단계는 상기 제2 봇에 우선해 상기 제1 봇을 선택하는 것에 대한 응답임 ―;
    상기 제1 봇에 상기 봇 커맨드를 송신하는 것에 대한 응답으로 상기 제1 봇으로부터 응답 콘텐츠를 수신하는 단계; 및
    상기 제1 사용자의 대응하는 메시징 애플리케이션을 통해서 적어도 상기 제1 사용자로의 제시를 위해 상기 제1 봇으로부터의 응답 콘텐츠를 제공하는 단계를 포함하는, 컴퓨터-구현 방법.
  2. 제1 항에 있어서,
    상기 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 상기 제2 봇에 우선해 상기 제1 봇을 선택하는 단계는,
    상기 하나 또는 그 초과의 메시지들로부터 토픽(topic)을 결정하는 단계, 및
    상기 토픽에 기반하여 상기 제1 봇을 선택하는 단계를 포함하는, 컴퓨터-구현 방법.
  3. 제1 항에 있어서,
    상기 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 상기 제2 봇에 우선해 상기 제1 봇을 선택하는 단계는,
    상기 하나 또는 그 초과의 메시지들에 대해 의미 분석을 수행하는 단계, 및
    상기 의미 분석에 기반하여 상기 제1 봇을 선택하는 단계를 포함하는, 컴퓨터-구현 방법.
  4. 제1 항에 있어서,
    상기 콘텐츠에 기반하여 상기 제2 봇에 우선해 상기 제1 봇을 선택하는 단계는 상기 제1 봇의 호출과는 연관되지만 상기 제2 봇의 호출과는 연관되지 않는, 상기 하나 또는 그 초과의 메시지들 중 추가적인 메시지의 적어도 하나의 추가적인 용어에 기반하여 상기 제1 봇을 선택하는 단계를 포함하고,
    상기 추가적인 메시지는 상기 정해진 메시지 이전에 상기 메시지 교환 스레드로 제출되는, 컴퓨터-구현 방법.
  5. 제1 항에 있어서,
    상기 하나 또는 그 초과의 메시지들 내의 콘텐츠에 기반하여 상기 제1 봇을 선택하는 단계는,
    상기 메시지 교환 스레드 이전에, 트레이닝 세트 데이터로부터 트레이닝 머신 학습 모델(trained machine learning model)을 생성하는 단계,
    상기 트레이닝 머신 학습 모델을 통해 출력을 생성하기 위해서 상기 트레이닝 머신 학습 모델에 상기 콘텐츠를 적용하는 단계, 및
    상기 제1 봇을 표시하는 출력에 기반하여 상기 제1 봇을 선택하는 단계를 포함하는, 컴퓨터-구현 방법.
  6. 제1 항 내지 제5 항 중 어느 한 항에 있어서,
    상기 제2 봇에 우선해 상기 제1 봇을 선택하는 단계는 상기 제1 사용자의 위치 및 상기 제1 사용자와 연관된 사용자 정보 중 적어도 하나에 추가로 기반하는, 컴퓨터-구현 방법.
  7. 제1 항 내지 제6 항 중 어느 한 항에 있어서,
    정보 소스로부터의, 상기 제1 봇에 특정화된 추가적인 정보를 요청하는 단계;
    상기 요청에 기반하여 상기 추가적인 정보를 수신하는 단계; 및
    상기 추가적인 정보에 기반하여 상기 제1 봇에 부합하도록 상기 봇 커맨드를 생성하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  8. 제1 항 내지 제7 항 중 어느 한 항에 있어서,
    상기 방법은,
    상기 하나 또는 그 초과의 메시지들이 목적지와 연관된다고 결정하는 단계; 및
    상기 제1 사용자가 상기 목적지에 있을 시간을 결정하는 단계를 더 포함하고,
    상기 봇 커맨드는 상기 목적지 및 상기 시간을 식별하는, 컴퓨터-구현 방법.
  9. 제1 항 내지 제8 항 중 어느 한 항에 있어서,
    상기 방법은,
    상기 하나 또는 그 초과의 메시지들에 기반하여 상기 제1 사용자가 활성 역할(active role)과 연관된다고 결정하는 단계; 및
    상기 제1 사용자가 활성 역할과 연관된다고 결정하는 것에 기반하여, 상기 제1 봇으로부터 응답 콘텐츠를 수신하도록 상기 제2 사용자에 우선해 상기 제1 사용자를 선정하는 단계를 더 포함하고,
    적어도 상기 제1 사용자로의 제시를 위해 상기 제1 봇으로부터의 응답 콘텐츠를 제공하는 단계는 상기 제2 사용자로의 제시를 위해 상기 응답 콘텐츠를 제공하지 않고 상기 제1 사용자로의 제시를 위해 상기 응답 콘텐츠를 제공하는 단계를 포함하는, 컴퓨터-구현 방법.
  10. 제1 항 내지 제9 항 중 어느 한 항에 있어서,
    상기 응답 콘텐츠를 제공하는 것에 대한 응답으로, 상기 제1 봇으로 향하는 상기 제1 사용자로부터의 질문을 수신하는 단계;
    상기 질문을 수신하는 것에 대한 응답으로, 상기 제1 봇과 연관된 사업체의 사업주에게 추가적인 정보에 대해 요청하도록 상기 제1 봇에 지시하는 단계;
    상기 추가적인 정보를 포함하는 응답을 생성하는 단계; 및
    상기 질문을 수신하는 것에 대한 응답으로 상기 제1 사용자로의 제시를 위한 상기 응답을 제공하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  11. 제10 항에 있어서,
    상기 추가적인 정보가 새로운 정보를 포함한다고 결정하는 단계; 및
    하나 또는 그 초과의 컴퓨터 판독가능 매체들에서, 상기 새로운 정보에 기반하여 상기 사업에 대한 사업 프로파일을 업데이팅하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  12. 제1 항 내지 제11 항 중 어느 한 항에 있어서,
    상기 제1 봇으로부터의 응답 콘텐츠를 제공하는 단계는 필드에 입력되는 텍스트 또는 선택을 상기 제1 봇에 전송하는 상기 필드를 포함하는 사용자 인터페이스를 상기 제1 사용자에게 제공하는 단계를 포함하는, 컴퓨터-구현 방법.
  13. 제1 항 내지 제13 항 중 어느 한 항에 있어서,
    상기 하나 또는 그 초과의 메시지들에 있는 감정, 구두점, 및 이모티콘 중 적어도 하나에 기반하여 상기 제1 사용자의 글쓰기 스타일을 결정하는 단계; 및
    상기 제1 사용자의 글쓰기 스타일로 상기 제1 사용자에게 상기 응답 콘텐츠를 제공하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  14. 컴퓨터-구현 방법으로서,
    제1 사용자와 그룹 간에 메시지를 수신하는 단계 ― 상기 그룹은 다른 사용자들을 포함함 ―;
    상기 메시지, 상기 제1 사용자, 및 상기 다른 사용자들 중 적어도 하나와 연관된 문맥을 결정하는 단계;
    상기 메시지 및 상기 문맥에 기반하여 상기 제1 사용자가 상기 그룹과 공유할 제안된 응답을 결정하는 단계; 및
    상기 제안된 응답을 결정하는 것에 대한 응답으로, 상기 제1 사용자와 연관된 컴퓨팅 디바이스로 하여금 상기 제안된 응답을 선택가능한 방식으로 시각적으로 렌더링하도록 하기 위해서 컴퓨터-실행가능 명령들을 상기 컴퓨팅 디바이스에 송신하는 단계를 포함하고,
    상기 제안된 응답을 결정하는 단계는,
    채트 봇(chat bot)이 존재하는지 여부를 결정하는 단계,
    상기 채트 봇이 존재하는 것에 대한 응답으로, 상기 제안된 응답을 제1 세트의 자동 제안된 응답들로서 생성하는 단계, 및
    상기 채트 봇이 존재하지 않는 것에 대한 응답으로, 상기 제안된 응답을 제2 세트의 자동 제안된 응답들로서 생성하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  15. 제14 항에 있어서,
    상기 제1 사용자로부터 상기 제안된 응답의 1(one)-탭 선택을 수신하는 단계; 및
    상기 1-탭 선택을 수신하는 것에 대한 응답으로, 상기 제1 사용자 및 상기 그룹과 연관된 컴퓨팅 디바이스들로 하여금 상기 제안된 응답을 비-선택가능한 방식으로 시각적으로 렌더링하도록 하기 위해서 컴퓨터-실행가능 명령들을 상기 컴퓨팅 디바이스들에 송신하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  16. 제14 항 또는 제15 항에 있어서,
    센서 데이터에 기반하여, 상기 다른 사용자들 중 제2 사용자가 이동 중이라고 결정하는 단계; 및
    상기 제2 사용자가 이동 중이라고 결정하는 것에 대한 응답으로, 1-탭 회답을 가능하게 하는 컴퓨터-실행가능 명령들을 상기 제2 사용자와 연관된 컴퓨팅 디바이스에 송신하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  17. 제14 항 내지 제16 항 중 어느 한 항에 있어서,
    상기 제안된 응답을 결정하는 단계는 센서 데이터, 하나 또는 그 초과의 선호도들, 대화 이력, 및 상기 다른 사용자들 각각에 의해서 수행된 하나 또는 그 초과의 최근 활동들 중 적어도 하나에 추가로 기반하는, 컴퓨터-구현 방법.
  18. 제14 항 내지 제16 항 중 어느 한 항에 있어서,
    상기 방법은 상기 다른 사용자들 중 제2 사용자의 위치에 관련된 국가, 시장 및 지역 중 적어도 하나에서 다른 메시지들에 기반하여 하나 또는 그 초과의 트렌딩(trending) 응답들을 결정하는 단계을 더 포함하고, 그리고
    상기 제안된 응답은 하나 또는 그 초과의 트렌딩 응답들을 포함하는, 컴퓨터-구현 방법.
  19. 제14 항 내지 제18 항 중 어느 한 항에 있어서,
    상기 메시지는 상기 다른 사용자들과 연관된 위치에 대한 요청이고, 상기 제안된 응답은 상기 다른 사용자들 각각에 대한 위치를 포함하는, 컴퓨터-구현 방법.
  20. 제14 항 내지 제19 항 중 어느 한 항에 있어서,
    상기 제안된 응답은 상기 그룹과 공유할 이미지, 상기 그룹과 공유할 위치, 및 상기 제2 사용자와 공유할 캘린더(calendar) 이벤트 중 적어도 하나를 포함하는, 컴퓨터-구현 방법.
  21. 제14 항 내지 제16 항 중 어느 한 항에 있어서,
    상기 제안된 응답을 결정하는 단계는 상기 제1 사용자와 상기 다른 사용자들 중 제2 사용자 중 적어도 하나를 위한 개인화 모델을 개발하기 위해서 머신 학습을 사용하는 것에 추가로 기반하는, 컴퓨터-구현 방법.
  22. 제14 항 내지 제16 항 중 어느 한 항에 있어서,
    상기 제안된 응답을 결정하는 단계는 상기 다른 사용자들 중 제2 사용자의 성격 속성에 추가로 기반하고,
    상기 방법은 유머 및 풍자 중 적어도 하나를 포함하는 화이트리스트에 기반하여 하나 또는 그 초과의 메시지들에서 구두점 사용, 이모티콘 사용 및 분류 단어들 중 하나 또는 그 초과에 기반하여 상기 제2 사용자의 성격 속성을 결정하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  23. 제14 항 내지 제22 항 중 어느 한 항에 있어서,
    성격의 타입, 및 상기 제안된 응답이 상기 성격의 타입과 연관된 단어들을 포함하는 정도를 특정하기 위한 옵션을 포함하는 그래픽 사용자 인터페이스를 상기 다른 사용자들 중 제2 사용자에게 제공하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  24. 제14 항 내지 제16 중 어느 한 항에 있어서,
    상기 메시지의 문맥은 추정되는 도착 시간에 대한 요청을 포함하고,
    상기 제안된 응답을 결정하는 단계는 상기 제1 사용자의 위치, 캘린더 이벤트의 위치를 포함하는 상기 캘린더 이벤트, 및 맵핑 애플리케이션으로부터의 목적지에 대한 정보 중 적어도 하나에 기반하여 상기 추정되는 도착 시간을 결정하는 단계를 포함하며, 그리고
    상기 제안된 응답은 상기 추정되는 도착 시간을 포함하는, 컴퓨터-구현 방법.
  25. 제14 항 내지 제16 항 중 어느 한 항에 있어서,
    상기 메시지는 제1 메시지이고,
    상기 방법은,
    마지막 메시지가 대화 중에 수신된 이후로 임계치가 경과하는 것에 기반하여 대화 스타터(starter) 제안을 결정하는 단계; 및
    상기 그룹과 연관된 토픽, 트렌딩 토픽, 상기 그룹과 연관된 토픽에 관한 최근 이벤트, 및 상기 사용자들 중 한명과 연관된 활동 중 적어도 하나에 기반하여 상기 대화 스타터 제안을 제공하는 단계를 더 포함하는, 컴퓨터-구현 방법.
  26. 제14 항 내지 제25 항 중 어느 한 항에 있어서,
    상기 제1 세트의 자동 제안된 응답들은 상기 채트 봇이 따르는 대화 규칙들에 기반하는, 컴퓨터-구현 방법.
KR1020187013953A 2015-12-21 2016-12-21 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠 KR20180070659A (ko)

Priority Applications (9)

Application Number Priority Date Filing Date Title
US201562270454P true 2015-12-21 2015-12-21
US62/270,454 2015-12-21
US201662308195P true 2016-03-14 2016-03-14
US62/308,195 2016-03-14
US201662334305P true 2016-05-10 2016-05-10
US62/334,305 2016-05-10
PCT/US2016/068083 WO2017112796A1 (en) 2015-12-21 2016-12-21 Automatic suggestions and other content for messaging applications
US15/386,760 2016-12-21
US15/386,760 US10757043B2 (en) 2015-12-21 2016-12-21 Automatic suggestions and other content for messaging applications

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020197020465A Division KR102174346B1 (ko) 2015-12-21 2016-12-21 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠

Publications (1)

Publication Number Publication Date
KR20180070659A true KR20180070659A (ko) 2018-06-26

Family

ID=59066846

Family Applications (2)

Application Number Title Priority Date Filing Date
KR1020197020465A KR102174346B1 (ko) 2015-12-21 2016-12-21 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠
KR1020187013953A KR20180070659A (ko) 2015-12-21 2016-12-21 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠

Family Applications Before (1)

Application Number Title Priority Date Filing Date
KR1020197020465A KR102174346B1 (ko) 2015-12-21 2016-12-21 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠

Country Status (6)

Country Link
US (2) US10757043B2 (ko)
EP (1) EP3395019A1 (ko)
JP (1) JP6780001B2 (ko)
KR (2) KR102174346B1 (ko)
CN (1) CN108476164A (ko)
WO (1) WO2017112796A1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200049526A (ko) * 2018-10-30 2020-05-08 제이이 인터네셔널 코포레이션 채팅 시스템, 채팅봇 서버 장치, 채팅봇 id 관리장치, 채팅 중개 서버 장치, 프로그램, 채팅 방법 및 채팅 중개 방법

Families Citing this family (100)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10904178B1 (en) 2010-07-09 2021-01-26 Gummarus, Llc Methods, systems, and computer program products for processing a request for a resource in a communication
KR101402506B1 (ko) * 2011-12-01 2014-06-03 라인 가부시키가이샤 인스턴트 메시징 어플리케이션을 이용한 대화형 정보제공 시스템 및 방법
US10033672B1 (en) 2012-10-18 2018-07-24 Sitting Man, Llc Methods and computer program products for browsing using a communicant identifier
US10019135B1 (en) 2012-10-18 2018-07-10 Sitting Man, Llc Methods, and computer program products for constraining a communication exchange
CN104618222B (zh) * 2015-01-07 2017-12-08 腾讯科技(深圳)有限公司 一种匹配表情图像的方法及装置
US10084867B1 (en) * 2015-02-10 2018-09-25 Open Invention Network, Llc Location awareness assistant for switching between a business profile mode and a personal profile mode
US10218651B2 (en) * 2015-04-20 2019-02-26 Oracle International Corporation Virtual assistance for chat agents
CN108781175B (en) 2015-12-21 2021-09-21 谷歌有限责任公司 Method, medium, and system for automatic suggestion of message exchange contexts
CN108476164A (zh) 2015-12-21 2018-08-31 谷歌有限责任公司 用于消息传送应用的自动建议和其他内容
CN106910513A (zh) * 2015-12-22 2017-06-30 微软技术许可有限责任公司 情绪智能聊天引擎
US10243890B2 (en) * 2016-01-12 2019-03-26 Google Llc Methods and apparatus for determining, based on features of an electronic communication and schedule data of a user, reply content for inclusion in a reply by the user to the electronic communication
US10757048B2 (en) 2016-04-08 2020-08-25 Microsoft Technology Licensing, Llc Intelligent personal assistant as a contact
US20170293955A1 (en) * 2016-04-11 2017-10-12 Facebook, Inc. Techniques for messaging agent customization
US10567312B2 (en) 2016-04-11 2020-02-18 Facebook, Inc. Techniques for messaging bot controls based on machine-learning user intent detection
US10606848B2 (en) 2016-04-11 2020-03-31 Facebook, Inc. Techniques for device configuration using messaging history information
WO2017182888A2 (en) * 2016-04-18 2017-10-26 Elango Allwin Agnel System and method for assisting user communications using bots
US9785715B1 (en) 2016-04-29 2017-10-10 Conversable, Inc. Systems, media, and methods for automated response to queries made by interactive electronic chat
CN105763431B (zh) * 2016-05-06 2019-03-26 腾讯科技(深圳)有限公司 一种信息推送方法、装置及系统
US10291565B2 (en) 2016-05-17 2019-05-14 Google Llc Incorporating selectable application links into conversations with personal assistant modules
US10263933B2 (en) 2016-05-17 2019-04-16 Google Llc Incorporating selectable application links into message exchange threads
US10574605B2 (en) * 2016-05-18 2020-02-25 International Business Machines Corporation Validating the tone of an electronic communication based on recipients
US10574607B2 (en) * 2016-05-18 2020-02-25 International Business Machines Corporation Validating an attachment of an electronic communication based on recipients
US10984192B2 (en) * 2016-06-02 2021-04-20 Samsung Electronics Co., Ltd. Application list providing method and device therefor
WO2018017628A1 (en) * 2016-07-19 2018-01-25 American Innovative Application Corporation Multi-functional integrated communications system application
WO2018016095A1 (ja) * 2016-07-19 2018-01-25 Gatebox株式会社 画像表示装置、話題選択方法、話題選択プログラム、画像表示方法及び画像表示プログラム
KR20180009626A (ko) * 2016-07-19 2018-01-29 삼성전자주식회사 문자열에 대응하는 응답 후보 정보를 제공하는 장치 및 방법
US10257126B2 (en) * 2016-08-04 2019-04-09 International Business Machines Corporation Communication fingerprint for identifying and tailoring customized messaging
US10387461B2 (en) 2016-08-16 2019-08-20 Google Llc Techniques for suggesting electronic messages based on user activity and other context
JP6760797B2 (ja) * 2016-08-24 2020-09-23 Line株式会社 プログラム、情報処理方法、及び端末
US10064006B2 (en) * 2016-08-26 2018-08-28 Microsoft Technology Licensing, Llc Location based access control for artificial conversational entities
US10439979B2 (en) * 2016-08-30 2019-10-08 Ncr Corporation Messaging integration
CN107809517B (zh) * 2016-09-08 2020-07-10 阿里巴巴集团控股有限公司 事件展示方法及装置
US20180081500A1 (en) * 2016-09-19 2018-03-22 Facebook, Inc. Systems and methods for content engagement
CN109952572A (zh) 2016-09-20 2019-06-28 谷歌有限责任公司 基于消息贴纸的建议响应
US10015124B2 (en) * 2016-09-20 2018-07-03 Google Llc Automatic response suggestions based on images received in messaging applications
WO2018057536A1 (en) 2016-09-20 2018-03-29 Google Llc Bot requesting permission for accessing data
US10356029B2 (en) 2016-09-21 2019-07-16 Facebook, Inc. Methods and systems for presenting modules in an inbox interface
US10367767B2 (en) 2016-09-21 2019-07-30 Facebook, Inc. Modular inbox and generation of content modules
US10841264B2 (en) 2016-09-21 2020-11-17 Facebook, Inc. Method and system for presenting a subset of messages in a modular inbox
US11093711B2 (en) * 2016-09-28 2021-08-17 Microsoft Technology Licensing, Llc Entity-specific conversational artificial intelligence
US10361975B2 (en) * 2016-10-10 2019-07-23 Microsoft Technology Licensing, Llc Messaging bot selection in multi-bot chat sessions
US10416846B2 (en) 2016-11-12 2019-09-17 Google Llc Determining graphical element(s) for inclusion in an electronic communication
CN108075959B (zh) * 2016-11-14 2021-03-12 腾讯科技(深圳)有限公司 一种会话消息处理方法和装置
US10880237B2 (en) * 2016-11-28 2020-12-29 Facebook, Inc. Methods and systems for ranking messaging bots
US10608967B2 (en) * 2017-01-10 2020-03-31 International Business Machines Corporation Ensuring that all users of a group message receive a response to the group message
KR20180084549A (ko) * 2017-01-17 2018-07-25 삼성전자주식회사 메시지 생성 방법 및 이를 지원하는 웨어러블 전자 장치
US10146768B2 (en) 2017-01-25 2018-12-04 Google Llc Automatic suggested responses to images received in messages using language model
US11070501B2 (en) * 2017-01-31 2021-07-20 Verizon Media Inc. Computerized system and method for automatically determining and providing digital content within an electronic communication system
US10412038B2 (en) 2017-03-20 2019-09-10 International Business Machines Corporation Targeting effective communication within communities
US10636418B2 (en) 2017-03-22 2020-04-28 Google Llc Proactive incorporation of unsolicited content into human-to-computer dialogs
US11025566B2 (en) 2017-04-12 2021-06-01 Facebook, Inc. Techniques for intent-based search for bots
US20180302345A1 (en) * 2017-04-12 2018-10-18 Facebook, Inc. Techniques for event-based recommendations for bots
US10846615B2 (en) * 2017-04-12 2020-11-24 Facebook, Inc. Techniques for reinforcement for bots using capability catalogs
US10044862B1 (en) * 2017-04-28 2018-08-07 International Business Machines Corporation Dynamic topic guidance in the context of multi-round conversation
US9865260B1 (en) 2017-05-03 2018-01-09 Google Llc Proactive incorporation of unsolicited content into human-to-computer dialogs
US10455378B2 (en) 2017-05-09 2019-10-22 ROKO Labs, LLC System and method for generating analytics for conversations within applications
US20180331979A1 (en) * 2017-05-09 2018-11-15 ROKO Labs, LLC System and method for creating conversations to launch within applications
WO2018213350A1 (en) 2017-05-16 2018-11-22 Apple Inc. Business messaging interface
US20180336524A1 (en) * 2017-05-16 2018-11-22 Apple Inc. Business messaging interface
US10891485B2 (en) 2017-05-16 2021-01-12 Google Llc Image archival based on image categories
US10404636B2 (en) 2017-06-15 2019-09-03 Google Llc Embedded programs and interfaces for chat conversations
US10348658B2 (en) * 2017-06-15 2019-07-09 Google Llc Suggested items for use with embedded applications in chat conversations
US20190005024A1 (en) * 2017-06-28 2019-01-03 Microsoft Technology Licensing, Llc Virtual assistant providing enhanced communication session services
US10742435B2 (en) 2017-06-29 2020-08-11 Google Llc Proactive provision of new content to group chat participants
US10585991B2 (en) 2017-06-29 2020-03-10 Microsoft Technology Licensing, Llc Virtual assistant for generating personalized responses within a communication session
US10788900B1 (en) * 2017-06-29 2020-09-29 Snap Inc. Pictorial symbol prediction
US11093110B1 (en) * 2017-07-17 2021-08-17 Amazon Technologies, Inc. Messaging feedback mechanism
EP3439247A1 (de) * 2017-07-31 2019-02-06 Deutsche Telekom AG Verfahren und system zur manipulation einer laufenden kommunikation
US20190043086A1 (en) * 2017-08-04 2019-02-07 Conversable, Inc. Systems and methods for long-term, multi-stage user engagement
US20190089655A1 (en) * 2017-09-15 2019-03-21 Microsoft Technology Licensing, Llc Capturing and Leveraging Signals Reflecting BOT-to-BOT Delegation
US10951558B2 (en) * 2017-09-27 2021-03-16 Slack Technologies, Inc. Validating application dialog associated with a triggering event identification within user interaction data received via a group-based communication interface
US10841249B2 (en) * 2017-10-02 2020-11-17 Samsung Electronics Co., Ltd. System and method for bot platform
US10771406B2 (en) * 2017-11-11 2020-09-08 Microsoft Technology Licensing, Llc Providing and leveraging implicit signals reflecting user-to-BOT interaction
KR20190057687A (ko) * 2017-11-20 2019-05-29 삼성전자주식회사 챗봇 변경을 위한 위한 전자 장치 및 이의 제어 방법
US10810322B2 (en) * 2017-12-05 2020-10-20 Microsoft Technology Licensing, Llc Sharing user information with and between bots
US10609511B2 (en) * 2017-12-08 2020-03-31 Facebook, Inc. Techniques for providing meeting location suggestions
KR102047010B1 (ko) * 2017-12-21 2019-11-20 주식회사 카카오 중계 챗봇을 이용하여 인스턴트 메시징 서비스를 제공하는 서버, 단말 및 방법
US10891526B2 (en) 2017-12-22 2021-01-12 Google Llc Functional image archiving
CN109962834A (zh) * 2017-12-22 2019-07-02 中兴通讯股份有限公司 信息处理方法、系统、终端和计算机存储介质
US10606477B1 (en) * 2018-01-11 2020-03-31 Sprint Communications Company L.P. Intelligent keyboard
KR20190096589A (ko) * 2018-02-09 2019-08-20 삼성전자주식회사 대화형 콘텐츠 제공 시스템 및 방법
EP3756080A1 (en) 2018-02-22 2020-12-30 Verint Americas Inc. System and method of highlighting influential samples in sequential analysis
US10594635B2 (en) * 2018-04-20 2020-03-17 Oracle International Corporation Managing customer relationship using multiple chat servers designed to interface with service applications
US20190327191A1 (en) * 2018-04-23 2019-10-24 Liveperson, Inc. Bot response generation with dynamically-changing website or native application
TWI718369B (zh) * 2018-04-26 2021-02-11 國立勤益科技大學 智能互動系統
US20190387031A1 (en) * 2018-06-18 2019-12-19 Verizon Patent And Licensing Inc. Systems and methods for generating a shortcut associated with a rich communication services messaging session
US20190386842A1 (en) * 2018-06-19 2019-12-19 International Business Machines Corporation Facilitating communication in a collaborative environment
US20200012718A1 (en) * 2018-07-06 2020-01-09 International Business Machines Corporation Context-based autocompletion suggestion
US10901577B2 (en) * 2018-07-17 2021-01-26 Google Llc Methods and systems for input suggestion
US10949616B1 (en) * 2018-08-21 2021-03-16 Facebook, Inc. Automatically detecting and storing entity information for assistant systems
AU2019101805A4 (en) * 2018-10-09 2021-07-29 eiChat Pty Ltd Method and system for providing chatbots within instant messaging applications
US11032217B2 (en) * 2018-11-30 2021-06-08 International Business Machines Corporation Reusing entities in automated task-based multi-round conversation
US10986045B2 (en) * 2018-12-18 2021-04-20 Sap Se Integration hub
IT201800021268A1 (it) * 2018-12-28 2020-06-28 Brecav S R L Innovative humanoid business report management system
CA3127590A1 (en) 2019-01-28 2020-08-06 Mitochondria Emotion, Inc. Mitofusin activators and methods of use thereof
AU2020215510A1 (en) 2019-01-28 2021-07-22 Mitochondria Emotion, Inc. Trans-4-hydroxycyclohexyl phenyl amide mitofusin activators and methods of use thereof
US10983761B2 (en) * 2019-02-02 2021-04-20 Microsoft Technology Licensing, Llc Deep learning enhanced code completion system
US10791067B1 (en) 2019-03-04 2020-09-29 International Business Machines Corporation Cognitive message response assistant
US10904631B2 (en) * 2019-04-19 2021-01-26 Microsoft Technology Licensing, Llc Auto-completion for content expressed in video data
US11057320B2 (en) * 2019-06-27 2021-07-06 Walmart Apollo, Llc Operation for multiple chat bots operation in organization

Family Cites Families (223)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5963649A (en) 1995-12-19 1999-10-05 Nec Corporation Message authorization system for authorizing message for electronic document
US6092102A (en) 1997-10-24 2000-07-18 University Of Pittsburgh Of The Commonwealth System Of Higher Education System and method for notifying users about information or events of an enterprise
JP2000298676A (ja) 1999-04-14 2000-10-24 Bandai Co Ltd 情報提供装置
WO2002027712A1 (en) 2000-09-29 2002-04-04 Professorq, Inc. Natural-language voice-activated personal assistant
JP2002132804A (ja) * 2000-10-24 2002-05-10 Sanyo Electric Co Ltd ユーザ支援システム
CN100515035C (zh) 2001-09-10 2009-07-15 株式会社尼康 数字照相机系统、图像存储装置和数字照相机
US7636750B2 (en) 2001-10-24 2009-12-22 Sprint Spectrum L.P. Method and system for controlling scope of user participation in a communication session
US7283992B2 (en) 2001-11-30 2007-10-16 Microsoft Corporation Media agent to suggest contextually related media content
US20040001099A1 (en) 2002-06-27 2004-01-01 Microsoft Corporation Method and system for associating actions with semantic labels in electronic documents
US7234117B2 (en) 2002-08-28 2007-06-19 Microsoft Corporation System and method for shared integrated online social interaction
US20110107223A1 (en) 2003-01-06 2011-05-05 Eric Tilton User Interface For Presenting Presentations
JP3669702B2 (ja) 2003-02-25 2005-07-13 松下電器産業株式会社 アプリケーションプログラムの予測方法及び移動体端末
US7363029B2 (en) 2003-09-12 2008-04-22 Core Mobility, Inc. Unified interface for voice, text or picture message authoring
CA2525939C (en) 2003-05-16 2015-09-22 Picasa, Inc. Networked chat and media sharing systems and methods
US8645697B1 (en) 2003-08-08 2014-02-04 Radix Holdings, Llc Message authorization
US10635723B2 (en) 2004-02-15 2020-04-28 Google Llc Search engines and systems with handheld document data capture devices
US7363295B2 (en) 2004-04-19 2008-04-22 Yahoo! Inc. Techniques for inline searching in an instant messenger environment
US20060029106A1 (en) * 2004-06-14 2006-02-09 Semandex Networks, Inc. System and method for providing content-based instant messaging
US7734927B2 (en) 2004-07-21 2010-06-08 International Business Machines Corporation Real-time voting based authorization in an autonomic workflow process using an electronic messaging system
US20060150119A1 (en) * 2004-12-31 2006-07-06 France Telecom Method for interacting with automated information agents using conversational queries
US7197324B2 (en) 2005-01-31 2007-03-27 Sweeney Robert J Permission based text messaging
US7603413B1 (en) * 2005-04-07 2009-10-13 Aol Llc Using automated agents to facilitate chat communications
US7860319B2 (en) 2005-05-11 2010-12-28 Hewlett-Packard Development Company, L.P. Image management
US7512580B2 (en) 2005-08-04 2009-03-31 Sap Ag Confidence indicators for automated suggestions
US7720436B2 (en) 2006-01-09 2010-05-18 Nokia Corporation Displaying network objects in mobile devices based on geolocation
US7747785B2 (en) 2006-04-14 2010-06-29 Microsoft Corporation Instant messaging plug-ins
US20080120371A1 (en) 2006-11-16 2008-05-22 Rajat Gopal Relational framework for non-real-time audio/video collaboration
CN101675467B (zh) 2007-06-14 2013-07-03 夏普株式会社 图像数据接收装置、操作装置、操作系统、控制方法及操作方法
JP2009009334A (ja) 2007-06-27 2009-01-15 Ricoh Co Ltd 画像処理装置、画像処理方法及び画像処理プログラム
US8082151B2 (en) 2007-09-18 2011-12-20 At&T Intellectual Property I, Lp System and method of generating responses to text-based messages
US20090119584A1 (en) 2007-11-02 2009-05-07 Steve Herbst Software Tool for Creating Outlines and Mind Maps that Generates Subtopics Automatically
WO2009079519A2 (en) * 2007-12-17 2009-06-25 Play Megaphone System and method for managing interaction between a user and an interactive system
US20090282114A1 (en) 2008-05-08 2009-11-12 Junlan Feng System and method for generating suggested responses to an email
US20090327436A1 (en) 2008-06-30 2009-12-31 Chen Shihn-Cheng Instant messaging network control module
US8166019B1 (en) 2008-07-21 2012-04-24 Sprint Communications Company L.P. Providing suggested actions in response to textual communications
US8805110B2 (en) 2008-08-19 2014-08-12 Digimarc Corporation Methods and systems for content processing
US8391618B1 (en) 2008-09-19 2013-03-05 Adobe Systems Incorporated Semantic image classification and search
CA2767033A1 (en) 2009-07-02 2011-01-06 Livechime, Inc. System and method for enhancing digital content
USD599363S1 (en) 2008-11-24 2009-09-01 Microsoft Corporation Transitional cursor user interface for a portion of a display screen
USD611053S1 (en) 2008-11-24 2010-03-02 Microsoft Corporation Transitional user interface for a portion of a display screen
US20130036162A1 (en) 2009-02-10 2013-02-07 Mikekoenigs.Com, Inc. Automated Communication Techniques
WO2010096191A2 (en) 2009-02-18 2010-08-26 Exbiblio B.V. Automatically capturing information, such as capturing information using a document-aware device
US20100228590A1 (en) 2009-03-03 2010-09-09 International Business Machines Corporation Context-aware electronic social networking
US9195898B2 (en) 2009-04-14 2015-11-24 Qualcomm Incorporated Systems and methods for image recognition using mobile devices
US20120131520A1 (en) 2009-05-14 2012-05-24 Tang ding-yuan Gesture-based Text Identification and Selection in Images
US9782527B2 (en) 2009-05-27 2017-10-10 Tc1 Llc Monitoring of redundant conductors
RU2542937C2 (ru) 2011-09-30 2015-02-27 Эпл Инк. Использование контекстной информации для облегчения обработки команд в виртуальном помощнике
US9043407B1 (en) 2009-06-12 2015-05-26 Avaya Inc. Interactive user interface to communication-enabled business process platforms method and apparatus
USD651609S1 (en) 2009-06-26 2012-01-03 Microsoft Corporation Display screen with an animated image
US8713018B2 (en) 2009-07-28 2014-04-29 Fti Consulting, Inc. System and method for displaying relationships between electronically stored information to provide classification suggestions via inclusion
US9128610B2 (en) 2009-09-30 2015-09-08 At&T Mobility Ii Llc Virtual predictive keypad
US8121618B2 (en) 2009-10-28 2012-02-21 Digimarc Corporation Intuitive computing methods and systems
US8400548B2 (en) 2010-01-05 2013-03-19 Apple Inc. Synchronized, interactive augmented reality displays for multifunction devices
US9318108B2 (en) 2010-01-18 2016-04-19 Apple Inc. Intelligent automated assistant
USD624927S1 (en) 2010-01-19 2010-10-05 Microsoft Corporation User interface for a portion of a display screen
US8650210B1 (en) 2010-02-09 2014-02-11 Google Inc. Identifying non-search actions based on a search query
US8655965B2 (en) * 2010-03-05 2014-02-18 Qualcomm Incorporated Automated messaging response in wireless communication systems
US8266109B1 (en) 2010-03-09 2012-09-11 Symantec Corporation Performance of scanning containers for archiving
JP2011211696A (ja) 2010-03-10 2011-10-20 Nikon Corp 画像データ処理システム、画像データ処理プログラム、及び画像データ処理装置
JP5733907B2 (ja) 2010-04-07 2015-06-10 キヤノン株式会社 画像処理装置、画像処理方法、コンピュータプログラム
US9929982B2 (en) * 2010-04-08 2018-03-27 Microsoft Technology Licensing, Llc Designating automated agents as friends in a social network service
US20110252207A1 (en) 2010-04-08 2011-10-13 Oracle International Corporation Dynamic content archiving
US20170098122A1 (en) 2010-06-07 2017-04-06 Affectiva, Inc. Analysis of image content with associated manipulation of expression presentation
USD648343S1 (en) 2010-06-24 2011-11-08 Microsoft Corporation Display screen with user interface
USD648735S1 (en) 2010-06-25 2011-11-15 Microsoft Corporation Display screen with animated user interface
US20120030289A1 (en) 2010-07-30 2012-02-02 Avaya Inc. System and method for multi-model, context-sensitive, real-time collaboration
US8781152B2 (en) 2010-08-05 2014-07-15 Brian Momeyer Identifying visual media content captured by camera-enabled mobile device
US9936333B2 (en) 2010-08-10 2018-04-03 Microsoft Technology Licensing, Llc Location and contextual-based mobile application promotion and delivery
KR101722687B1 (ko) 2010-08-10 2017-04-04 삼성전자주식회사 객체간 또는 객체와 유저간에 정보 제공 방법, 그 방법을 수행할 수 있는 유저 디바이스, 및 저장 매체
US8966590B2 (en) 2010-08-17 2015-02-24 Facebook, Inc. Managing social network accessibility based on age
US9262517B2 (en) * 2010-08-18 2016-02-16 At&T Intellectual Property I, L.P. Systems and methods for social media data mining
US8566911B2 (en) 2010-10-06 2013-10-22 Blackberry Limited Method of obtaining authorization for accessing a service
KR101753031B1 (ko) 2010-11-15 2017-06-30 엘지전자 주식회사 이동 단말기 및 이것의 메타데이터 설정 방법
KR101060753B1 (ko) 2011-01-04 2011-08-31 (주)올라웍스 입력 이미지에 포함된 객체에 대한 콜렉션을 수행할 수 있도록 지원하기 위한 방법, 단말 장치 및 컴퓨터 판독 가능한 기록 매체
US20120179717A1 (en) 2011-01-11 2012-07-12 Sony Corporation System and method for effectively providing entertainment recommendations to device users
US8688698B1 (en) 2011-02-11 2014-04-01 Google Inc. Automatic text suggestion
CA2824627C (en) * 2011-02-23 2014-09-30 Bottlenose, Inc. System and method for analyzing messages in a network or across networks
US8831279B2 (en) 2011-03-04 2014-09-09 Digimarc Corporation Smartphone-based methods and systems
US20130262574A1 (en) 2011-03-15 2013-10-03 Gabriel Cohen Inline User Addressing in Chat Sessions
US8938669B1 (en) 2011-03-15 2015-01-20 Google Inc. Inline user addressing in chat and document editing sessions
US8554701B1 (en) * 2011-03-18 2013-10-08 Amazon Technologies, Inc. Determining sentiment of sentences from customer reviews
EP2523436A1 (en) 2011-05-11 2012-11-14 Alcatel Lucent Mobile device and method of managing applications for a mobile device
USD658201S1 (en) 2011-05-27 2012-04-24 Microsoft Corporation Display screen with animated user interface
USD658677S1 (en) 2011-05-27 2012-05-01 Microsoft Corporation Display screen with animated user interface
USD658678S1 (en) 2011-05-27 2012-05-01 Microsoft Corporation Display screen with animated user interface
US8832284B1 (en) 2011-06-16 2014-09-09 Google Inc. Virtual socializing
US8589407B2 (en) 2011-06-17 2013-11-19 Google Inc. Automated generation of suggestions for personalized reactions in a social network
US8700480B1 (en) * 2011-06-20 2014-04-15 Amazon Technologies, Inc. Extracting quotes from customer reviews regarding collections of items
US9245253B2 (en) 2011-08-19 2016-01-26 Disney Enterprises, Inc. Soft-sending chat messages
US8659667B2 (en) 2011-08-29 2014-02-25 Panasonic Corporation Recipe based real-time assistance for digital image capture and other consumer electronics devices
US9179278B2 (en) 2011-09-01 2015-11-03 Qualcomm Incorporated Systems and methods involving augmented menu using mobile device
US10102546B2 (en) 2011-09-15 2018-10-16 Stephan HEATH System and method for tracking, utilizing predicting, and implementing online consumer browsing behavior, buying patterns, social networking communications, advertisements and communications, for online coupons, products, goods and services, auctions, and service providers using geospatial mapping technology, and social networking
KR101521332B1 (ko) 2011-11-08 2015-05-20 주식회사 다음카카오 인스턴트 메시징 서비스 및 인스턴트 메시징 서비스로부터 확장된 복수의 서비스들을 제공하는 방법
USD673172S1 (en) 2011-11-21 2012-12-25 Microsoft Corporation Display screen with animated graphical user interface
KR101402506B1 (ko) * 2011-12-01 2014-06-03 라인 가부시키가이샤 인스턴트 메시징 어플리케이션을 이용한 대화형 정보제공 시스템 및 방법
USD701228S1 (en) 2012-01-06 2014-03-18 Samsung Electronics Co., Ltd. Display screen or portion thereof with transitional graphical user interface
USD699744S1 (en) 2012-01-06 2014-02-18 Microsoft Corporation Display screen with an animated graphical user interface
AU344579S (en) 2012-01-09 2012-09-27 Samsung Electronics Co Ltd Display screen for an electronic device
USD705802S1 (en) 2012-02-07 2014-05-27 Microsoft Corporation Display screen with animated graphical user interface
USD705251S1 (en) 2012-02-09 2014-05-20 Microsoft Corporation Display screen with animated graphical user interface
GB2499395A (en) 2012-02-14 2013-08-21 British Sky Broadcasting Ltd Search method
USD699739S1 (en) 2012-02-22 2014-02-18 Microsoft Corporation Display screen with animated graphical user interface
USD701527S1 (en) 2012-02-23 2014-03-25 Htc Corporation Display screen with transitional graphical user interface
USD701528S1 (en) 2012-02-24 2014-03-25 Htc Corporation Display screen with transitional graphical user interface
US8620021B2 (en) 2012-03-29 2013-12-31 Digimarc Corporation Image-related methods and arrangements
US20130346235A1 (en) 2012-06-20 2013-12-26 Ebay, Inc. Systems, Methods, and Computer Program Products for Caching of Shopping Items
USD705244S1 (en) 2012-06-20 2014-05-20 Microsoft Corporation Display screen with animated graphical user interface
US9191786B2 (en) 2012-06-27 2015-11-17 At&T Intellectual Property I, L.P. Method and apparatus for generating a suggested message to be sent over a network
KR20140011073A (ko) 2012-07-17 2014-01-28 삼성전자주식회사 텍스트 추천 방법 및 장치
US9195645B2 (en) 2012-07-30 2015-11-24 Microsoft Technology Licensing, Llc Generating string predictions using contexts
KR101899817B1 (ko) 2012-08-01 2018-09-19 엘지전자 주식회사 이동단말기 및 그 제어 방법
USD695755S1 (en) 2012-08-06 2013-12-17 Samsung Electronics Co., Ltd. TV monitor with graphical user interface
US20140047413A1 (en) 2012-08-09 2014-02-13 Modit, Inc. Developing, Modifying, and Using Applications
US20140052540A1 (en) * 2012-08-20 2014-02-20 Giridhar Rajaram Providing content using inferred topics extracted from communications in a social networking system
USD706802S1 (en) 2012-08-28 2014-06-10 Samsung Electronics Co., Ltd. Portable electronic device displaying transitional graphical user interface
KR102068604B1 (ko) 2012-08-28 2020-01-22 삼성전자 주식회사 휴대단말기의 문자 인식장치 및 방법
US9218333B2 (en) 2012-08-31 2015-12-22 Microsoft Technology Licensing, Llc Context sensitive auto-correction
US20140088954A1 (en) 2012-09-27 2014-03-27 Research In Motion Limited Apparatus and method pertaining to automatically-suggested emoticons
US20180032997A1 (en) 2012-10-09 2018-02-01 George A. Gordon System, method, and computer program product for determining whether to prompt an action by a platform in connection with a mobile device
US9299060B2 (en) 2012-10-12 2016-03-29 Google Inc. Automatically suggesting groups based on past user interaction
KR20140052155A (ko) 2012-10-19 2014-05-07 삼성전자주식회사 디스플레이 장치, 디스플레이 장치 제어 방법 및 디스플레이 장치의 제어를 위한 정보처리장치
USD714821S1 (en) 2012-10-24 2014-10-07 Microsoft Corporation Display screen with animated graphical user interface
US20150286371A1 (en) 2012-10-31 2015-10-08 Aniways Advertising Solutions Ltd. Custom emoticon generation
US9244905B2 (en) 2012-12-06 2016-01-26 Microsoft Technology Licensing, Llc Communication context based predictive-text suggestion
US20140164506A1 (en) 2012-12-10 2014-06-12 Rawllin International Inc. Multimedia message having portions of networked media content
US20140171133A1 (en) 2012-12-18 2014-06-19 Google Inc. Query response
CN103067490B (zh) 2012-12-26 2015-11-25 腾讯科技(深圳)有限公司 移动终端通讯会话的通知方法、终端、服务器及系统
US8930481B2 (en) * 2012-12-31 2015-01-06 Huawei Technologies Co., Ltd. Message processing method, terminal and system
US20140189538A1 (en) 2012-12-31 2014-07-03 Motorola Mobility Llc Recommendations for Applications Based on Device Context
US9020956B1 (en) * 2012-12-31 2015-04-28 Google Inc. Sentiment and topic based content determination methods and systems
KR20140091633A (ko) 2013-01-11 2014-07-22 삼성전자주식회사 모바일 장치에서의 상황 인지에 따른 추천 항목을 제공하기 위한 방법 및 이를 위한 모바일 장치
KR101821358B1 (ko) * 2013-01-22 2018-01-25 네이버 주식회사 다자간 메신저 서비스를 제공하는 방법 및 시스템
US20140237057A1 (en) 2013-02-21 2014-08-21 Genesys Telecommunications Laboratories, Inc. System and method for processing private messages in a contact center
USD704726S1 (en) 2013-03-04 2014-05-13 Roger Leslie Maxwell Display screen or portion thereof with animated graphical user interface
US20140344058A1 (en) 2013-03-15 2014-11-20 Fision Holdings, Inc Systems and methods for distributed marketing automation
US8825474B1 (en) 2013-04-16 2014-09-02 Google Inc. Text suggestion output using past interaction data
US9177318B2 (en) 2013-04-22 2015-11-03 Palo Alto Research Center Incorporated Method and apparatus for customizing conversation agents based on user characteristics using a relevance score for automatic statements, and a response prediction function
US9923849B2 (en) 2013-05-09 2018-03-20 Ebay Inc. System and method for suggesting a phrase based on a context
US10523454B2 (en) 2013-06-13 2019-12-31 Evernote Corporation Initializing chat sessions by pointing to content
US10599765B2 (en) 2013-06-27 2020-03-24 Avaya Inc. Semantic translation model training
US9330110B2 (en) 2013-07-17 2016-05-03 Xerox Corporation Image search system and method for personalized photo applications using semantic networks
US10162884B2 (en) 2013-07-23 2018-12-25 Conduent Business Services, Llc System and method for auto-suggesting responses based on social conversational contents in customer care services
US9161188B2 (en) 2013-08-22 2015-10-13 Yahoo! Inc. System and method for automatically suggesting diverse and personalized message completions
US9329692B2 (en) 2013-09-27 2016-05-03 Microsoft Technology Licensing, Llc Actionable content displayed on a touch screen
US20150100537A1 (en) 2013-10-03 2015-04-09 Microsoft Corporation Emoji for Text Predictions
US8996639B1 (en) * 2013-10-15 2015-03-31 Google Inc. Predictive responses to incoming communications
KR20150071768A (ko) 2013-12-18 2015-06-29 에스케이하이닉스 주식회사 이미지 센서 및 그 제조방법
US10565268B2 (en) * 2013-12-19 2020-02-18 Adobe Inc. Interactive communication augmented with contextual information
WO2015100362A1 (en) 2013-12-23 2015-07-02 24/7 Customer, Inc. Systems and methods for facilitating dialogue mining
US9817813B2 (en) 2014-01-08 2017-11-14 Genesys Telecommunications Laboratories, Inc. Generalized phrases in automatic speech recognition systems
US20150207765A1 (en) 2014-01-17 2015-07-23 Nathaniel Brantingham Messaging Service with Conversation Suggestions
CN106164934A (zh) 2014-02-10 2016-11-23 谷歌公司 智能相机用户界面
US10095748B2 (en) 2014-03-03 2018-10-09 Microsoft Technology Licensing, Llc Personalized information query suggestions
KR102106787B1 (ko) 2014-03-17 2020-05-06 에스케이텔레콤 주식회사 메신저 프로그램과 어플리케이션 연동 방법, 이를 위한 장치 및 시스템
CN104951428B (zh) * 2014-03-26 2019-04-16 阿里巴巴集团控股有限公司 用户意图识别方法及装置
US9544257B2 (en) 2014-04-04 2017-01-10 Blackberry Limited System and method for conducting private messaging
US9213941B2 (en) * 2014-04-22 2015-12-15 Google Inc. Automatic actions based on contextual replies
US10482163B2 (en) 2014-04-23 2019-11-19 Klickafy, Llc Clickable emoji
US10255449B2 (en) 2014-05-30 2019-04-09 Apple Inc. Permission request
EP3165012A1 (en) 2014-07-03 2017-05-10 Nuance Communications, Inc. System and method for suggesting actions based upon incoming messages
US9043196B1 (en) 2014-07-07 2015-05-26 Machine Zone, Inc. Systems and methods for identifying and suggesting emoticons
EP2980733A1 (en) 2014-07-31 2016-02-03 Samsung Electronics Co., Ltd Message service providing device and method of providing content via the same
US10691743B2 (en) 2014-08-05 2020-06-23 Sri International Multi-dimensional realization of visual content of an image collection
US10218652B2 (en) 2014-08-08 2019-02-26 Mastercard International Incorporated Systems and methods for integrating a chat function into an e-reader application
US10447621B2 (en) 2014-09-04 2019-10-15 Microsoft Technology Licensing, Llc App powered extensibility of messages on an existing messaging service
US10146748B1 (en) 2014-09-10 2018-12-04 Google Llc Embedding location information in a media collaboration using natural language processing
US9009805B1 (en) 2014-09-30 2015-04-14 Google Inc. Method and system for provisioning an electronic device
US20160140477A1 (en) 2014-11-13 2016-05-19 Xerox Corporation Methods and systems for assigning tasks to workers
US9569728B2 (en) 2014-11-14 2017-02-14 Bublup Technologies, Inc. Deriving semantic relationships based on empirical organization of content by users
US20160179816A1 (en) 2014-12-22 2016-06-23 Quixey, Inc. Near Real Time Auto-Suggest Search Results
KR101634086B1 (ko) 2015-01-19 2016-07-08 주식회사 엔씨소프트 감정 분석을 통한 스티커 추천 방법 및 시스템
US20160224524A1 (en) 2015-02-03 2016-08-04 Nuance Communications, Inc. User generated short phrases for auto-filling, automatically collected during normal text use
US20160226804A1 (en) 2015-02-03 2016-08-04 Google Inc. Methods, systems, and media for suggesting a link to media content
US9661386B2 (en) 2015-02-11 2017-05-23 Google Inc. Methods, systems, and media for presenting a suggestion to watch videos
US10079785B2 (en) 2015-02-12 2018-09-18 Google Llc Determining reply content for a reply to an electronic communication
US10956957B2 (en) 2015-03-25 2021-03-23 Facebook, Inc. Techniques for automated messaging
US9883358B2 (en) 2015-05-08 2018-01-30 Blackberry Limited Electronic device and method of determining suggested responses to text-based communications
US10909329B2 (en) 2015-05-21 2021-02-02 Baidu Usa Llc Multilingual image question answering
US10504509B2 (en) 2015-05-27 2019-12-10 Google Llc Providing suggested voice-based action queries
KR20160148260A (ko) 2015-06-16 2016-12-26 삼성전자주식회사 전자 장치 및 이의 제어 방법
US10274911B2 (en) * 2015-06-25 2019-04-30 Intel Corporation Conversational interface for matching text of spoken input based on context model
CN105183276A (zh) 2015-08-19 2015-12-23 小米科技有限责任公司 在聊天界面实现游戏的方法、装置及终端设备
US9467435B1 (en) 2015-09-15 2016-10-11 Mimecast North America, Inc. Electronic message threat protection system for authorized users
US10445425B2 (en) 2015-09-15 2019-10-15 Apple Inc. Emoji and canned responses
US11025569B2 (en) 2015-09-30 2021-06-01 Apple Inc. Shared content presentation with integrated messaging
US9712466B2 (en) 2015-11-10 2017-07-18 Wrinkl, Inc. Integrating actionable objects into an on-line chat communications platform
KR20170054919A (ko) 2015-11-10 2017-05-18 삼성전자주식회사 응답 메시지를 추천하는 사용자 단말 장치 및 그 방법
US10129193B2 (en) 2015-11-17 2018-11-13 International Business Machines Corporation Identifying relevant content contained in message streams that appear to be irrelevant
KR20170062954A (ko) 2015-11-30 2017-06-08 삼성전자주식회사 사용자 단말장치 및 디스플레이 방법
US20170171117A1 (en) 2015-12-10 2017-06-15 International Business Machines Corporation Message Suggestion Using Dynamic Information
CN108476164A (zh) 2015-12-21 2018-08-31 谷歌有限责任公司 用于消息传送应用的自动建议和其他内容
CN108781175B (en) 2015-12-21 2021-09-21 谷歌有限责任公司 Method, medium, and system for automatic suggestion of message exchange contexts
KR101712180B1 (ko) * 2015-12-29 2017-03-06 라인 가부시키가이샤 메시지를 송수신하기 위한 컴퓨터로 읽을 수 있는 기록매체에 저장된 프로그램, 방법 및 장치
US9560152B1 (en) * 2016-01-27 2017-01-31 International Business Machines Corporation Personalized summary of online communications
US20170250936A1 (en) 2016-02-25 2017-08-31 Facebook, Inc. Techniques for messaging bot rich communication
US20170250935A1 (en) * 2016-02-25 2017-08-31 Facebook, Inc. Techniques for messaging bot app interactions
US20170250930A1 (en) 2016-02-29 2017-08-31 Outbrain Inc. Interactive content recommendation personalization assistant
US20170288942A1 (en) 2016-03-30 2017-10-05 Microsoft Technology Licensing, Llc Portal for Provisioning Autonomous Software Agents
US10831802B2 (en) 2016-04-11 2020-11-10 Facebook, Inc. Techniques to respond to user requests using natural-language machine learning based on example conversations
US10452671B2 (en) 2016-04-26 2019-10-22 Facebook, Inc. Recommendations from comments on online social networks
US9866693B2 (en) 2016-05-06 2018-01-09 Genesys Telecommunications Laboratories, Inc. System and method for monitoring progress of automated chat conversations
US20170344224A1 (en) 2016-05-27 2017-11-30 Nuance Communications, Inc. Suggesting emojis to users for insertion into text-based messages
US9990128B2 (en) 2016-06-12 2018-06-05 Apple Inc. Messaging application interacting with one or more extension applications
US20170366479A1 (en) 2016-06-20 2017-12-21 Microsoft Technology Licensing, Llc Communication System
US10254935B2 (en) 2016-06-29 2019-04-09 Google Llc Systems and methods of providing content selection
US10515393B2 (en) 2016-06-30 2019-12-24 Paypal, Inc. Image data detection for micro-expression analysis and targeted data services
US9715496B1 (en) 2016-07-08 2017-07-25 Asapp, Inc. Automatically responding to a request of a user
US20180032499A1 (en) 2016-07-28 2018-02-01 Google Inc. Automatically Generating Spelling Suggestions and Corrections Based on User Context
US10049310B2 (en) 2016-08-30 2018-08-14 International Business Machines Corporation Image text analysis for identifying hidden text
WO2018057536A1 (en) 2016-09-20 2018-03-29 Google Llc Bot requesting permission for accessing data
KR101961754B1 (ko) 2016-09-20 2019-03-25 구글 엘엘씨 봇 상호작용
US10015124B2 (en) 2016-09-20 2018-07-03 Google Llc Automatic response suggestions based on images received in messaging applications
CN109952572A (zh) 2016-09-20 2019-06-28 谷歌有限责任公司 基于消息贴纸的建议响应
US20180090135A1 (en) * 2016-09-23 2018-03-29 Microsoft Technology Licensing, Llc Conversational Bookmarks
US10416846B2 (en) 2016-11-12 2019-09-17 Google Llc Determining graphical element(s) for inclusion in an electronic communication
US20180196854A1 (en) 2017-01-11 2018-07-12 Google Inc. Application extension for generating automatic search queries
US10146768B2 (en) 2017-01-25 2018-12-04 Google Llc Automatic suggested responses to images received in messages using language model
US10229427B2 (en) 2017-04-10 2019-03-12 Wildfire Systems, Inc. Virtual keyboard trackable referral system
US20180316637A1 (en) 2017-05-01 2018-11-01 Microsoft Technology Licensing, Llc Conversation lens for context
JP2020520616A (ja) 2017-05-05 2020-07-09 ライブパーソン, インコーポレイテッド 改良されたボットタスク処理のための動的応答予測
US10891485B2 (en) 2017-05-16 2021-01-12 Google Llc Image archival based on image categories
US10404636B2 (en) 2017-06-15 2019-09-03 Google Llc Embedded programs and interfaces for chat conversations
US10348658B2 (en) 2017-06-15 2019-07-09 Google Llc Suggested items for use with embedded applications in chat conversations

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200049526A (ko) * 2018-10-30 2020-05-08 제이이 인터네셔널 코포레이션 채팅 시스템, 채팅봇 서버 장치, 채팅봇 id 관리장치, 채팅 중개 서버 장치, 프로그램, 채팅 방법 및 채팅 중개 방법

Also Published As

Publication number Publication date
EP3395019A1 (en) 2018-10-31
US10757043B2 (en) 2020-08-25
KR102174346B1 (ko) 2020-11-04
CN108476164A (zh) 2018-08-31
WO2017112796A1 (en) 2017-06-29
JP2019506659A (ja) 2019-03-07
US20200382454A1 (en) 2020-12-03
KR20190086056A (ko) 2019-07-19
JP6780001B2 (ja) 2020-11-04
US20170180276A1 (en) 2017-06-22

Similar Documents

Publication Publication Date Title
KR20180070659A (ko) 메시징 애플리케이션들을 위한 자동적인 제안들 및 다른 콘텐츠
JP6638087B2 (ja) メッセージ交換スレッド用の自動提案
US10979373B2 (en) Suggested responses based on message stickers
US20190057298A1 (en) Mapping actions and objects to tasks
US10146768B2 (en) Automatic suggested responses to images received in messages using language model
US20190394153A1 (en) Automatic response suggestions based on images received in messaging applications
US20170372271A1 (en) Providing recommended meeting parameters based on religious or cultural attributes of meeting invitees obtained from social media data
US20170277993A1 (en) Virtual assistant escalation
US20150207765A1 (en) Messaging Service with Conversation Suggestions
TWI454099B (zh) 擴充訊息傳送系統與方法
US20170161789A1 (en) Displaying Targeted Advertisements to Users
US20200005248A1 (en) Meeting preparation manager
US20200279228A1 (en) Mobile secretary cloud application
Balasudarsun et al. Optimal ways for companies to use Facebook messenger chatbot as a marketing communication channel
KR101767399B1 (ko) 모바일 광고 방법
Haryal Social media simplified
De Angelis The impact of mobile digital marketing in the luxury industry goods

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment