个性化预测模型制造技术

提供了对个性化模型的生成和利用。当接收到电子输入时，使用通用预测模型来预测用户对输入的响应。在规定的时段之后，执行分析以确定用户对输入的实际响应，以及，用户对相同类型的其他输入的实际响应。对通用预测模型执行训练以基于用户对所分析的输入的实际响应来生成新的和个性化的预测模型。接着，利用个性化的预测模型来预测用户对相同类型的未来输入的响应。通过分析用户对由个性化预测模型的所提供的预测的实际响应来以规定的频率对个性化预测模型进行更新。

Individualized prediction model

It provides the generation and use of the personalization model. When the electronic input is received, a universal prediction model is used to predict the user's response to the input. After a specified period of time, an execution analysis is performed to determine the actual response of the user to the input, and the actual response of the user to the same type of other input. The general prediction model is trained to generate a new and personalized prediction model based on the actual response of the user to the analyzed input. Then, a personalized prediction model is used to predict the user's response to the same type of future input. The personalized prediction model is updated at the specified frequency by analyzing the user's actual response to the prediction model provided by the personalized prediction model.

【技术实现步骤摘要】
【国外来华专利技术】个性化预测模型
技术介绍
计算机和软件用户已经渐渐习惯于帮助他们书写、计算、组织、准备演示、发送和接收电子邮件、搜索基于互联网的信息、做音乐等的用户友好的软件应用。在软件使用的许多实例中，期望对例如响应于所接收的输入的用户动作的结果进行预测。例如，可以期望预测用户是否将阅读具有各种特征的电子邮件、用户是否可以评论或者以其他方式响应于所接收的电子广告、用户是否可以响应于给定的电子搜索结果、用户是否可以选择给定的交通路径、利用所接收的电子优惠券、观看所建议的视频等。尽管可以使用通用预测建模系统来预测用户对各种输入的响应，但这样的系统通常不提供精确的结果，这是因为个体的用户对不同输入的响应可以是极为不同的。
技术实现思路
提供了本
技术实现思路
以用简化的形式引入对在以下的具体实施方式中进一步描述的概念的选择。本
技术实现思路
不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。公开了用于生成和利用个性化预测模型的系统和方法的方面。根据各种方面，当接收到电子输入时，使用通用预测模型来预测用户对输入的响应。在规定的时段(例如，七天)之后，执行分析以确定用户对输入的实际响应，以及用户对相同类型的其他输入的实际响应。对通用预测模型执行训练以基于用户对所分析的输入的实际响应来生成新的和个性化的预测模型。接着，利用个性化的预测模型来预测用户对相同类型的未来输入的响应。通过分析用户对由个性化预测模型的所提供的预测的实际响应来以规定的频率对个性化预测模型进行更新。根据一个方面，生成、训练、和更新个性化预测模型可以包括计算针对每个用户的查准率(precision)和查全率(recall)曲线，其用于帮助确定用户响应阈值。在附图和以下的描述中阐述了一个或多个方面的细节。其他特征和优点将通过阅读以下详细描述和审阅相关联的图而是显而易见的。附图说明本公开的其他特征、方面、和优点将通过参考以下附图变得更好地被理解，其中，元素不是按比例的以便更加清楚地示出细节，并且其中，相同的附图标记指示几个视图通篇中相同的元素。图1是示出了用于生成和利用个性化预测模型的系统的框图。图2示出了软件应用用户界面，其包含可以根据个性化预测模型来预测针对其的用户响应的电子内容。图3示出了示例查准率/查全率图表和曲线。图4是示出了在用于生成和利用个性化预测模型的示例方法中所涉及的一般步骤的流程图。图5是示出了在用于训练和更新预测模型的示例方法中所涉及的一般步骤的流程图。图6是示出了计算设备的物理组件的一个示例的框图。图7A和7B是移动计算设备的简化框图。图8是分布式计算系统的简化框图。具体实施方式以下的详细描述对附图进行了参考。在可能的情况下，在附图和以下的描述中使用相同的附图标记来指代相同或类似的元素。尽管描述了本公开的多个方面，但修改、改编、和其他实现是可能的。例如，可以对在附图中所示出的元素进行替代、增加、或修改，并且可以通过对所公开的方法进行替代、重排序、或者增加步骤来修改在本文中所描述的方法。由此，以下详细描述是非限制性的，并且替代地，合适的范围是由所附权利要求定义的。示例可以采取硬件实现的形式、或者完全软件实现的形式、或者结合了软件和硬件方面的实现的形式。因此，以下的详细描述不被理解为限制性意义。出于说明和理解的目的，参考电子邮件系统讨论了在本文中所公开的方面，用户利用所述电子邮件系统可以向一个或多个其他用户发送多种电子通信并且从一个或多个其他用户接收多种电子通信。如从在本文中所陈述的公开所理解的，本公开的方面关于其他电子输入同等有用。例如，本公开的方面可以关于任何系统而类似地使用，在所述系统中，用户可以对用户响应预测将对其有用的电子输入进行响应。例如，本公开的方面可以在以下情况有用：确定用户是否可以评论或者以其他方式响应所接收的电子广告时，确定用户是否可以响应于给定的电子搜索结果时，确定用户是否选择给定的交通路径、利用所接收的电子优惠券、观看所建议的视频等时。根据多个方面，生成个性化预测模型允许使用用户行为作为输入，并且用一个或多个相关的未来输入来预测用户将在未来做什么。例如，如果用户阅读来自给定的发送者的电子邮件消息，则可以预测用户将阅读来自同一发送者的未来的电子邮件。对模型的输入可以包括给定的电子项目(例如，电子邮件消息)任何数量的参数或特征，例如发送者、抄送(cc)身份、主题行内容、发送的日期/时间等。这些输入被引入到该模型，并且接着该模型可以基于模型关于用户在过去的行为所了解的内容来预测用户将对下一封电子邮件消息进行什么处理。可以生成将适用于系统中的所有用户的非常宽泛的模型。也就是说，可以生成单个宽泛的预测模型来预测在公司、教育系统、地理区域等中的所有电子邮件用户的动作，其包括以下非常简单的规则：如果消息来自不在用户的联系人列表中的发送者，则预测用户将不会阅读该消息。这样的模型将非常不精确，但其是非常宽泛并且可以适用于几乎所有用户的预测模型的示例。除了定义具有适用于所有用户的单个规则的全局模型之外，可以基于用户在过去的具体的行为来生成针对该特定用户的模型。但是，针对服务或系统中的每个用户，将潜在地需要数百万个不同的模型。为了解决以上的和其他问题，根据本公开的方面，通过定义针对每个用户的决策阈值来以每用户为基础生成个性化预测模型。如将参考图3在下文中详细地描述的，针对每个用户的决策阈值包括基于过去的用户行为的零到100之间的百分比数字。该百分比数字可以用于预测关于未来的输入的未来用户行为。例如，模型可以针对给定的用户而预测百分之70的概率用户将关于特定的输入而采取某一动作。然而，因为示例初始百分之70的阈值确定可能没有产生期望的结果，其中，例如百分之85的所接收的电子邮件被阅读而仅仅百分之70被预测为将被阅读。根据本公开的方面，为了对给定的用户的决策阈值进行改进，规律地对决策阈值进行审阅，该审阅针对实际用户决策的经累积的数据相比于基于使用中的据测阈值的经预测的决策。根据需要，更新使用中的决策阈值以用于改进预测精确度。如在下文中详细描述的，查准率和查全率曲线针对每个用户而被开发，并且不时地进行更新(例如，基于累积的预测数据对实际的决策数据每日进行更新)，并且接着从经更新的查准率和查全率曲线来确定经更新的决策阈值。接着，用对应的经更新的决策阈值来更新针对给定用户的个性化预测模型，以使得个性化预测模型不断地被更新以反映用户行为的变化。现在对附图进行参考，图1是示出了用于生成和利用个性化预测模型的系统100的框图。示出了用户105以及用户利用其可以操作多种软件应用的计算机110，其中针对所述多种软件应用可以使用如在本文中所公开的预测建模系统130的服务。如在图1中所示出的，计算机110可以经由直接测试链路或者经由诸如互联网或者公司或其他实体的内联网之类的分布式计算网络115来与服务器120进行通信。服务器120示出了任何远程计算机系统或者多个计算机系统的集合，其中在下文中所描述的预测建模系统130可以在其处操作以用于经由用户105的计算机110来为他/她提供个性化预测模型。应当理解的是，服务器120可以示出作为公司、教育系统、或其他实体的后端服务系统来操作的一个或多个计算系统，或者服务器120可以示出在基于云的数据中本文档来自技高网...

【技术保护点】
一种用于生成个性化预测模型的系统，包括：处理器；以及包括指令的存储器，所述指令当由所述处理器执行时，使得所述系统操作：通用预测建模模块，其用于生成通用预测模型从而预测对所接收的电子输入的用户决策；使用监视模块，其用于将对所述所接收的电子输入的实际用户决策与经预测的用户决策进行比较，从而确定所述经预测的用户决策的精确度；个性化预测模型训练模块，其用于更新所述通用预测模型的一个或多个特征，从而将所述通用预测模型个性化为针对所述所接收的电子输入的用户的个性化预测模型；以及个性化预测建模模块，其用于基于一个或多个经更新的特征来生成所述个性化预测模型，从而预测所述用户对一个或多个未来的电子输入的决策。

【技术特征摘要】
【国外来华专利技术】2015.06.30 US 14/755,2531.一种用于生成个性化预测模型的系统，包括：处理器；以及包括指令的存储器，所述指令当由所述处理器执行时，使得所述系统操作：通用预测建模模块，其用于生成通用预测模型从而预测对所接收的电子输入的用户决策；使用监视模块，其用于将对所述所接收的电子输入的实际用户决策与经预测的用户决策进行比较，从而确定所述经预测的用户决策的精确度；个性化预测模型训练模块，其用于更新所述通用预测模型的一个或多个特征，从而将所述通用预测模型个性化为针对所述所接收的电子输入的用户的个性化预测模型；以及个性化预测建模模块，其用于基于一个或多个经更新的特征来生成所述个性化预测模型，从而预测所述用户对一个或多个未来的电子输入的决策。2.根据权利要求1所述的系统，所述使用监视模块还用于将多个实际用户决策与多个对应的经预测的用户决策进行比较，所述实际用户决策和所述对应的经预测的用户决策在规定的时间段上累积。3.根据权利要求2所述的系统，所述通用预测建模模块还用于利用通用查准/查全曲线以获得用户决策阈值，从而确定待由所述用户根据规定的决策而决策的所接收的电子输入的百分比。4.根据权利要求3所述的系统，所述个性化预测模型训练模块还用于计算经更新的查准/查全曲线，所述经更新的查准/查全曲线是基于在所述规定的时间段上累积的所述多个实际用户决策和所述对应的经预测的用户决策而对接收用户个性化的。5.根据权利要求4所述的系统，所述个性化预测模型训练模块还用于确定将改进对未来的电子输入的未来的经预测的用户决策的精确度的多个用户决策阈值。6.根据权利要求5所述的系统，所述个性化预测模型训练模块还用于计算最优用户决策阈值，以用于在所述个性化预测模型中使用以用于所述未来的经预测的用户决策。7.根据权利要求6所述的系统，所述个性化预测模块还用于基于用于在预测对未来的电子输入的未来的用户决策时使用的所述最优用户决策阈值来生成经更新的个性化预测模型。8.根据权利要求7所述的系统，所述个性化预测建模模块还用于基于经更新的最优用户决策阈值来更新所述经更新的个性化预测模型，所述经更新的最优用户决策阈值是响应于对经预测的未来的用户决策与对所述未来的电子输入的实际用户决策的比较的分析而生成的。9.根据权利要求1所述的系统，其中，用于生成个性化预测模型的所述系统用于将所述个性化预测模型传送至软件应用以使得所述软件应用对由所述软件应用的用户接收的一个或多个未来的电子输入执行动作。10.根据权利要求9所述的系统，其中，由所述软件应用的所述用户对所述一个或多个未来的电子输入进行的一个或多个决策由所述使用监视模...

【专利技术属性】
技术研发人员：J·埃德莱恩，J·李，J·F·布隆斯基尔，J·P·盖弗，K·达斯特吉尔，S·拉伊莫汉，A·萨多夫斯基，
申请(专利权)人：微软技术许可有限责任公司，
类型：发明
国别省市：美国,US