用于自动预选目的地的方法和装置制造方法及图纸

为了自动地预择多个感兴趣的目的地（ＰＯＩ＿Ｉ），将特征参数（Ｐ１－Ｐ９）分配给每个单个的目的地（ＰＯＩ＿Ｉ）。通过为多个目的地（ＰＯＩ＿Ｉ）预设的偏好模型根据特征参数（Ｐ１－Ｐ９）来确定用于各个目的地（ＰＯＩ＿Ｉ）的偏好值（ＰＶ＿Ｉ）。各个目的地（ＰＯＩ＿Ｉ）根据各自偏好值（ＰＶ＿Ｉ）来排序并且以该顺序呈现。根据实际选取的目的地（ＰＯＩ＿Ｓ）的特征参数（Ｐ１－Ｐ９）以反复学习的方式调整偏好模型。

【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于自动预选感兴趣的目的地的方法和装置。现代的计算机系统，例如笔记本电脑、PDA、导航系统、信息娱乐系统甚至手机都经常向各自的用户提供选择不同目的地的可能性，这些目的地是他们所感兴趣的。这类感兴趣目的地例如可以是游览景点、饭店、特定的商店或者娱乐中心。用户能够以简单的方式选择希望的目的地，并且获得与该目的地相联系的信息，这一点对于接受该种功能是重要的，其中该项功能通常以计算机程序的形式储存在各自计算机系统中，并且在计算机系统中运行。
技术介绍
操作界面，即所谓的菜单是众所周知的，其能使快速搜索希望的数据记录变得容易。此外，提供各个数据列表也是众所周知的，用户可以从该列表中做出一个选择。这例如可以实现用于从电话簿中选择姓名、在导航系统中从最近(到达)的目的地的列表中选择地名、或者在MP3播放器中从可播放的曲目列表中选择歌曲名。此外，众所周知的是，在操作系统的开始菜单中显示具有经常使用的指令的列表，该列表的优点是用户可以选取这些指令，而用户不必知道在哪些子菜单中可以找到相应的指令，并且用户不必通过一般情况下存在的菜单结构点击相应的子菜单。DE19535576A1中公开了一种用于支持目的地指引的方法和相应的装置，在该方法和装置中，当前的行车路线与存储在标准行车路线存储器中的行车路线进行比较。然后，由此以可能性(概率)的角度预告出当前的行车目的地。当前的行车路线缓存在缓冲存储器中，也就是说存储可预设的持续时间。如果在缓冲存储器中存储的各个行车路径的使用频率超过预设的阈值，那么相应的行车路径被存储到标准行车路线存储器中。各个标准行车路线优选与时间信息共同存储，该时间信息例如包括星期几或者白天时间。WO00/12967公开了一种导航装置，该装置被设计用来产生用于至少一个行驶目的地或者行车路线的方案，而用户不必费力地进行输入。为此目的，例如出发地、出发时间或者相应的日期被分配给在历史记录中存储的行车路线特征。因此，特征记录被分配给每个行车路线。根据获得的当前特征，如当前日期、当前时间、当前位置，与存储的特征记录的比较。通过对当前的特征与存储的特征固定的提前评估而确定用于各个特征记录的加权偏差，并且基于此偏差来预测最可能的行车路线。然后将该行车路线提供给用户。EP1098287A1中公开了一种用于制定行车路线的方法。地理目的地由用户通过输入接口输入到导航系统中。附加的数据，例如进行输入的当前时间、进行输入时的位置、相应的星期几或者相应的季节与目的地一同存储。然后，在导航系统运行时，当前的附加数据通过固定预设的加权轮廓(Gewichtungsprofile)加权，并由此确定概率因子。然后根据该因子对各个存储的目的地排序，并呈现给用户。
技术实现思路
本专利技术的目的是提出一种用于自动预选感兴趣的目的地的方法和装置，该装置或者方法比较简单、轻松。该目的通过独立权利要求的特征实现。有利的设计方案在从属权利要求中描述。本专利技术的特点是提供一种用于自动预选感兴趣的目的地的方法和装置。给每个单独的目的地都分配了特征参数。各个目的地的偏好值通过为多个目的地预设的偏好模型根据特征参数来确定。各个目的地根据各自偏好值来排序并且以该顺序呈现。根据之后实际选取的目的地的特征参数调整偏好模型。偏好模型观察用户，然后根据其实际的选择行为调整偏好模型，通过该方式来学习用户的偏好。这能够以简单的方式相应于用户的偏好向用户提供感兴趣的目的地以及例如新添加进来的目的地。通过该方式，用户可以完全从复杂的搜索程序中解脱出来。此外，偏好模型的所需的存储容量也很少依赖于感兴趣的目的地的数量。这在具有大量的感兴趣的目的地时是特别有利的。在根据本专利技术的有利的设计方案中，偏好模型包括加权值，该加权值直接或者间接被分配给特征参数。通过调整一个或者多个加权值来实现对偏好模型的调整。通过该方式可以非常简单并且同时较好地来调整偏好模型。加权值例如可以是直接分配给该参数的因子，或者也可以是各个特征参数和各个偏好值之间的函数关系的组成部分。然后也可以确定中间值，而该中间值通过相应的加权值联系起来，最后分配给偏好值。当偏好模型包括神经网络时是特别有利的。在合适的网络结构时，该种类型的神经网络也可以学习非常复杂的用户偏好。当至少一个特征参数表征目的地的地点的相关性时，用户的偏好可以通过偏好模型特别有效地反映。此时当至少一个特征参数表示到当前位置的距离并且/或当至少一个特征参数表示到行驶目的地的距离时是非常有利的。此外，当至少一个特征参数表示所述目的地的位置的类型时，也被证明是非常有利的。此外，当至少一个特征参数对各个目的地进行分级时，也是非常有利的。此处的分级例如根据目的地的类型并且例如对于宾馆而言是指各个宾馆的星级。此外，当至少一个特征参数表示企业标识或者商标时，是非常有利的。此外，当至少一个特征参数表示烹饪类型时，是非常有利的。此外，当至少一个特征参数表征所述目的地的时间相关性时是有利的。在根据本专利技术的另一个有利的设计方案中，将所述目的地分别分配给目的地类型。将特征参数分配给各个目的地类型。各个目的地类型的偏好值通过为多个目的地类型预设的另外的偏好模型根据目的地类型特征参数来确定。根据各个偏好值对所述单独的目的地类型排序并且以该顺序呈现所述单独的目的地类型。根据之后实际选取的目的地类型的所述目的地类型特征参数调整所述另外的偏好模型。另外的偏好模型观察用户，然后根据其实际的选择行为调整该另外的偏好模型，通过该方式来学习各个用户的对于目的地类型的偏好。这能够以简单的方式根据用户的偏好向用户提供目的地类型。通过该方式，用户可以完全从复杂的搜索程序中解脱出来。此外，另外的偏好模型的所需的存储容量也很少依赖于感兴趣的目的地的数量。这在具有大量的感兴趣的目的地类型时是特别有利的。另外的偏好模型也可以不依赖于感兴趣的目的地的偏好模型来设定。此处，当另外的偏好模型包括加权值，该加权值直接或者间接地被分配给目的地类型特征参数并且当通过调整一个或者多个加权值来调整另外的偏好模型时，是特别有利的。通过该方式可以非常简单并且同时较好地来调整另外的偏好模型。在根据本专利技术的另一个有利的设计方案中，另外的偏好模型包括神经网络。通过该方式，即便用户偏好具有非常复杂的特性(Natur)，也可以通过相应地训练神经网络来非常准确地学习用户对各个目的地类型的偏好。在根据本专利技术的另一个有利的设计方案中，至少一个目的地类型特征参数表征所述目的地类型的地点的相关性。该方案的优点是用户对于目的地类型的偏好可以通过另外的偏好模型特别有效地反映。此时当至少一个目的地类型特征参数表征所述目的地类型的时间相关性时是有利的。通过该方式，用户对于目的地类型的偏好也可以通过另外的偏好模型非常有效地反映。此外，在此当至少一个目的地类型特征参数表示当时的日、月、年或者季节或者预设的年内的某一期间(Jahresabschnitt)时，是有利的。此外，在此有利的是所述至少一个目的地类型特征参数表示白天时段。白天时段被理解为白天的预设时段，例如上午、中午或者高峰时间以及类似的时段。此外，在此当所述至少一个目的地类型特征参数表示驾驶持续时间是有利的。在此可以例如有利地考虑，是否用户马上要休息一下并且是否相应的目的地类型是与休息本文档来自技高网...

【技术保护点】
一种用于自动预选多个感兴趣的目的地（ＰＯＩ）的方法，其中，－给每个单独的目的地（ＰＯＩ＿Ｉ）分配了特征参数（Ｐ１－Ｐ９），－通过为多个所述目的地（ＰＯＩ）预设的偏好模型（ＰＭ１）根据所述特征参数（Ｐ１－Ｐ９）来确定各个目的地（ＰＯＩ＿Ｉ）的偏好值（ＰＶ＿Ｉ），－所述单独的目的地（ＰＯＩ＿Ｉ）根据各个偏好值（ＰＶ＿Ｉ）来排序并且以该顺序呈现，－根据之后实际选取的目的地（ＰＯＩ＿Ｓ）的所述特征参数（Ｐ１－Ｐ９）来调整所述偏好模型（ＰＭ１）。

【技术特征摘要】
【国外来华专利技术】...

【专利技术属性】
技术研发人员：阿卜杜勒卡里姆贝勒胡拉，汉斯威廉吕尔，格尔德施赖特尔，
申请(专利权)人：西门子公司，
类型：发明
国别省市：DE[]