用于呈现信息的用户状态预测制造技术

本申请涉及用于呈现信息的用户状态预测。描述了一种计算设备，该计算设备基于用户的状态来确定对要呈现给用户的信息的初始用户交互度量，并且使用机器学习模型来预测用户的多个未来状态。每个未来状态与对信息的相应用户交互度量相关联。该设备确定对信息的初始用户交互度量是否大于或者等于未来状态中的每个未来状态的相应用户交互度量，并且如果初始用户交互度量大于或者等于未来状态中的每个未来状态的相应用户交互度量，则输出信息的指示。然而，如果对信息的初始用户交互度量小于多个未来状态中的任何一个未来状态的相应用户交互度量，则设备避免输出信息的指示。

User state prediction for presenting information

The application relates to user status prediction for presenting information. A computing device is described in which an initial user interaction measure for information to be presented to the user is determined based on a user's state, and a machine learning model is used to predict a user's multiple future states. Each future state is associated with the corresponding user interaction metrics for information. The device determines whether the initial user interaction measure of the information is greater than or equal to the corresponding user interaction measure of each future state in the future state, and if the initial user interaction measure is greater than or equal to the corresponding user interaction degree of each future state in the future state, the output information is indicated. However, if the initial user interaction measure of the information is less than the corresponding user interaction measure of any future state in multiple future states, the device avoids the indication of the output information.

【技术实现步骤摘要】
用于呈现信息的用户状态预测
本申请涉及用于呈现信息的用户状态预测。
技术介绍
一些计算设备(例如，可穿戴设备或者移动电话)可以被配置为向用户通知新闻故事、产品折扣、新接收到的消息、即将到来的约会、包裹递送、以及用户可能感兴趣的其他信息。例如，计算设备可以具有对用户的互联网浏览历史的访问，并且计算设备可以在将新文章发布到用户先前访问的网站的一部分时警告用户。或者在另一示例中，计算设备可以访问用户的购物历史，并且计算设备可以向用户提示将补充用户过去购买的产品的新的可用和/或打折产品或者服务。然而，即使用户可能有时发现这种信息的通知是有用的，输出最终被忽略或者无法获得用户注意的信息的指示也可能不必要地浪费计算设备的电池电量或者捆绑可能已经用于执行其他任务的处理资源。
技术实现思路
一般而言，本公开的技术可以使系统或者设备能够从用户的若干可能的状态当中确定其间输出信息的特定用户状态，使得输出更有可能得到用户的积极关注。按照这种方式，输出可以使系统能够避免浪费能量和/或计算在输出可能不被喜欢、被忽略或者甚至被忽视的用户状态期间生成输出的资源。在接收到对利用和/或分析有关计算设备的用户的信息的明确同意之后，示例性系统可以利用机器学习模型(例如，深度学习模型或者任何其他类型的机器学习模型)来确定用户的当前状态。状态可以指定用户或者计算设备的任何数量的物理和/或虚拟特征，包括由用户执行的任何物理和/或虚拟动作，以便于一般地指示用户可能在做什么。机器学习模型可以针对当前状态确定用于要呈现给用户的信息(例如，通知、语音通知、提示、警报、横幅、消息、图像或者任何其他视觉、听觉或者触觉类型信息)的一个或者多个用户交互度量。用户交互度量可以量化在当前状态下用户关于该信息可能具有的预测的兴趣水平。例如，信息可以是来自在计算设备处执行的新闻应用的爆炸新闻标题，并且如果要在用户处于当前状态的同时将新闻标题呈现给用户，则与新闻标题相关联的用户交互度量可以是新闻标题的点进率、用户喜欢的概率、用户忽略的概率等。示例性系统还可以预测用户的多个未来状态(例如，未来场境)，并且对于该多个未来状态中的每个未来状态，在用户处于未来状态中的每个未来状态的同时要呈现信息时，使用模型来确定信息的相应用户交互度量。可以通过机器学习模型以用于多个未来状态中的每个未来状态的加权因子，来调整对用于特定未来状态的信息的相应用户交互度量调整。换句话说，由于每个未来状态可以具有其自己的发生可能性程度(即，一些未来状态可能比其他未来状态更可能发生)，所以机器学习模型可以通过未来状态的发生可能性来调整未来状态的相应用户交互度量。如果当前状态的用户交互度量大于或者等于多个未来状态中的每个未来状态的相应用户交互度量，则示例性系统可以通过输出信息的指示(例如，听觉、视觉或者触觉提示)来向用户提示信息。然而，如果示例性系统认为对当前状态的用户交互度量小于多个未来状态中的任何一个未来状态的相应用户交互度量中的任何一个，则示例性系统可以避免输出信息的指示(例如，直到用户的后续状态与具有对信息的最高用户交互度量的特定未来状态相对应)。换句话说，一旦系统接收到来自用户的、对利用指示用户的当前和未来状态的有关用户的个人信息的清楚和明确的许可，系统就可以推迟输出信息的指示，直到系统预测用户处于他或者她最有可能积极地与信息进行交互而不是简单地忽略、不喜欢或者忽视信息的状态。按照这种方式，这些技术可以使系统能够避免像一些其他计算设备那样由于生成对用户不喜欢、忽略或者忽视的信息的输出而浪费能量和/或资源。在一个示例中，本公开涉及一种方法，该方法包括：基于计算设备的用户的初始状态来确定对要呈现给用户的信息的初始用户交互度量；使用机器学习模型来预测计算设备的用户的多个未来状态，其中，多个未来状态中的每个未来状态与对已经通过机器学习模型以针对特定未来状态的加权因子进行调整的信息的相应用户交互度量相关联；以及确定对信息的初始用户交互度量是否大于或者等于多个未来状态中的每个未来状态的相应用户交互度量。该方法进一步包括：如果初始用户交互度量大于或者等于多个未来状态中的每个未来状态的相应用户交互度量，则输出信息的指示；以及如果对信息的初始用户交互度量小于多个未来状态中的任何一个未来状态的相应用户交互度量，则避免输出信息的指示。在另一示例中，本公开涉及一种计算设备，该计算设备包括至少一个处理器以及存储器。该存储器包括指令，该指令在被执行时使至少一个处理器：基于计算设备的用户的初始状态来确定对要呈现给用户的信息的初始用户交互度量；以及使用机器学习模型来预测计算设备的用户的多个未来状态，其中，多个未来状态中的每个未来状态与对已经通过机器学习模型以针对特定未来状态的加权因子进行调整的信息的相应用户交互度量相关联。该存储器进一步包括指令，该指令在被执行时使至少一个处理器：确定对信息的初始用户交互度量是否大于或者等于多个未来状态中的每个未来状态的相应用户交互度量，如果初始用户交互度量大于多个未来状态中的每个未来状态的相应用户交互度量，则输出信息的指示，并且如果对信息的初始用户交互度量小于多个未来状态中的任何一个未来状态的相应用户交互度量，则避免输出信息的指示。在另一示例中，本公开涉及一种计算机可读存储介质，该计算机可读存储介质包括指令，该指令在被执行时使计算系统的至少一个处理器：基于计算设备的用户的初始状态来确定对要呈现给用户的信息的初始用户交互度量；以及使用机器学习模型来预测计算设备的用户的多个未来状态，其中，多个未来状态中的每个未来状态与对已经通过机器学习模型以针对特定未来状态的加权因子进行调整的信息的相应用户交互度量相关联。指令在被执行时进一步使至少一个处理器：确定对信息的初始用户交互度量是否大于或者等于多个未来状态中的每个未来状态的相应用户交互度量，如果初始用户交互度量大于或者等于多个未来状态中的每个未来状态的相应用户交互度量，则输出信息的指示，并且如果对信息的初始用户交互度量小于多个未来状态中的任何一个未来状态的相应用户交互度量，则避免输出信息的指示。在另一示例中，本公开涉及一种系统，该系统包括：用于基于计算设备的用户的初始状态来确定对要呈现给用户的信息的初始用户交互度量的装置；用于预测计算设备的用户的多个未来状态的装置，其中，多个未来状态中的每个未来状态与对已经通过机器学习模型以针对特定未来状态的加权因子进行调整的信息的相应用户交互度量相关联；以及用于确定对信息的初始用户交互度量是否大于或者等于多个未来状态中的每个未来状态的相应用户交互度量的装置。该系统进一步包括：用于如果初始用户交互度量大于多个未来状态中的每个未来状态的相应用户交互度量则输出信息的指示的装置；以及如果对信息的初始用户交互度量小于多个未来状态中的任何一个未来状态的相应用户交互度量则避免输出信息的指示的装置。在另一示例中，本公开涉及一种方法，该方法包括：通过计算设备接收指示要呈现给计算设备的用户的信息的通知；使用机器学习模型基于用户信息和有关其他计算设备的其他用户的其他信息来确定用户的初始状态和用户的未来状态；使用机器学习模型来确定用于在用户的初始状态期间呈现由通知指示的信息的初始用户交互度量和用于在用户的未来状态期间呈现由通知指示的信本文档来自技高网...

【技术保护点】
1.一种方法，包括：基于计算设备的用户的初始状态来确定对要呈现给所述用户的信息的初始用户交互度量；使用机器学习模型来预测所述计算设备的所述用户的多个未来状态，其中，所述多个未来状态中的每个未来状态与对所述信息的相应用户交互度量相关联，该相应用户交互度量已经由所述机器学习模型以针对该未来状态的加权因子进行了调整；针对所述多个未来状态中的每个未来状态，确定对所述信息的所述初始用户交互度量是否大于或者等于所述未来状态的所述相应用户交互度量；响应于确定对所述信息的所述初始用户交互度量大于或者等于所述未来状态的所述相应用户交互度量，由所述计算设备输出所述信息的指示；以及响应于确定对所述信息的所述初始用户交互度量小于所述未来状态的所述相应用户交互度量，避免由所述计算设备输出所述信息的所述指示。

【技术特征摘要】
2017.01.11 US 15/403,9581.一种方法，包括：基于计算设备的用户的初始状态来确定对要呈现给所述用户的信息的初始用户交互度量；使用机器学习模型来预测所述计算设备的所述用户的多个未来状态，其中，所述多个未来状态中的每个未来状态与对所述信息的相应用户交互度量相关联，该相应用户交互度量已经由所述机器学习模型以针对该未来状态的加权因子进行了调整；针对所述多个未来状态中的每个未来状态，确定对所述信息的所述初始用户交互度量是否大于或者等于所述未来状态的所述相应用户交互度量；响应于确定对所述信息的所述初始用户交互度量大于或者等于所述未来状态的所述相应用户交互度量，由所述计算设备输出所述信息的指示；以及响应于确定对所述信息的所述初始用户交互度量小于所述未来状态的所述相应用户交互度量，避免由所述计算设备输出所述信息的所述指示。2.根据权利要求1所述的方法，进一步包括：在避免输出所述信息的所述指示之后，并且响应于确定所述用户的后续状态与所述多个未来状态中的特定未来状态相对应，输出所述信息的所述指示，其中，所述特定未来状态的所述相应用户交互度量大于或者等于所述多个未来状态中的每个其他未来状态的相应用户交互度量。3.根据权利要求2所述的方法，其中，避免输出所述信息的所述指示包括：在避免输出所述信息的所述指示的同时，并且在确定所述用户的所述后续状态与所述特定未来状态相对应之前，输出其他信息的一个或者多个其他指示。4.根据权利要求1-3中任一项所述的方法，其中，所述初始用户交互度量是进一步基于所述信息的类型、所述信息的优先级和所述信息的内容中的至少一个来确定的。5.根据权利要求4所述的方法，进一步包括：基于所述信息的类型、所述信息的优先级和所述信息的内容中的至少一个来确定所述未来状态的所述相应用户交互度量。6.根据权利要求1-3中任一项所述的方法，进一步包括：基于以下至少一个来确定所述用户的所述初始状态和所述用户的所述多个未来状态中的每个未来状态：所述用户的过去场境或者当前场境，所述计算设备的过去场境或者当前场境，以及其他用户和其他计算设备的过去场境或者当前场境。7.根据权利要求1-3中任一项所述的方法，其中，所述用户的所述初始状态和所述用户的所述多个未来状态中的每个未来状态中的每一个定义日内时间、所述用户的位置、所述用户的动作以及所述计算设备的状态中的至少一个。8.根据权利要求1-3中任一项所述的方法，其中，所述信息的所述指示包括以下一个或者多个：图形通知、听觉通知、触觉通知和语音通知。9.根据权利要求1-3中任一项所述的方法，进一步包括：由所述计算设备从所述机器学习模型接收数据，所述数据指示对所述信息的所述初始用户交互度量是否大于或者等于所述未来状态的所述相应用户交互度量，其...

【专利技术属性】
技术研发人员：梁宇凌，卡斯滕·施泰内巴赫，吕伟纶，詹姆斯·孔茨，林友仁，
申请(专利权)人：谷歌有限责任公司，
类型：发明
国别省市：美国,US