依用户群优选编码支持应用与服务个性化的统计模型、方法技术

一种统计学方法论被用来帮助人们设置软件应用或服务的参数。有了该方法，就可分析关于人口统计学的信息和／或关于其他人的完整或部分优选信息，用来推断对于计算机应用或服务的设置和功能性的推荐。研究了一种能够接收关于多个用户的数据并将这些用户的相应简介存储在群体存储器中的系统。该系统能依靠这些完成的和／或部分完成的代表软件操作优选的与为用户（新的和／或现有的）建立新简介有关的参数简介得以发挥。建立新简介需要的有关用户数据，连同群体简介一起被用来推动用户建立个性化简介。各种统计学和／或概率方案例如协作过滤技术，被用来为用户识别按（多个）特定参数的最佳ｎ个设置、按流行程度的最佳ｍ个设置、最相似的ｘ个简介，以帮助用户选择作为个性化简介构造成果一部分的最适当子简介。

【技术实现步骤摘要】

本专利技术一般涉及软件和/或系统管理，尤其涉及分析用户群体的优选设置以建立潜在设置简介(profile)、用来在配置复杂的计算和通信系统时帮助新用户的系统和方法。
技术介绍
现代计算系统支持服务于大量不同用户的大量应用。尽管硬件处理和存储器已在性能上有了持续改进，但软件还是因其被开发用来支持新应用和现有应用的新特征数目众多而持续超越了硬件和存储器的进步。以手机为例，许多特征可用于设置该设备的期望操作，包括铃声类型和音量、电话号码簿、菜单命令、收件箱设置、显示设置、安全设置、等等。除了电话功能，其它诸如数码相机和网络服务等硬件特征及相关联软件开始出现在手机上。在更为复杂的系统诸如操作系统、软件开发系统、或高级通信架构中，为把特定环境调整到特定用户的爱好或舒适程度而进行的设置数量之大会令人生畏。为了根据期望的优先选择来配置较复杂的系统，诸如基于规则的系统或统计学引导的自动推理系统，用户常常会面临这样的任务，那就是先要读大量的电子版或印刷版书面材料汇编，然后对系统做试验以判断所作调整是否适当。这种试验是乏味的，而且所花时间会超出用户愿意投入在改进设置上的时间。可以理解，这类试验性学习过程是乏味和令人沮丧的。在学习复杂系统的另一可选形式中，用户可能由另一用户进行人工培训，其中，提供培训的人往往因为时间限制而仅传达了关于系统的基本信息。在由同事进行的人工培训中，还存在着更糟糕的情况。在这些情况下，提供培训的人通常仅传达那些与给出指示的人相关的特征。如此，很多用户可能并未体验到计算系统及其相关联软件的全部功能和效用。
技术实现思路
为提供对本专利技术某些方面的基本理解，以下提供了本专利技术的简要归纳。本“
技术实现思路
”部分并非是本专利技术的广泛总览。它并非要标识本专利技术的关键或重要元素或是描绘本专利技术的范围。它的唯一目的是用简化形式介绍本专利技术的某些概念，作为以下提供的更详细说明的序言。本专利技术便于软件应用和服务的个性化。更特别地，通过考虑用户群体的优选编码，采用统计学模型和方法来支持应用和服务的个性化。基于对群体数据的分析，创建或提出用户可以采用其作为他们个人的系统设置的潜在简介，由此，这些简介的好处是与给定用户共享相似特征的较大用户群体可以选择它们作为当前可用。例如，本专利技术减轻了与在评估和确定复杂系统的理想设置方面有困难的用户设立常规的路由或计算系统相关联的问题，其中本专利技术采用诸如设置数据库的统计学推断这样的自动技术来便于推荐简介设置。本专利技术的一个特定方面，结合了简介构造和选择，考虑可为特定的个性化尝试提供示例上下文的人口统计学数据、使用情况、现有简介、以及各种外来数据。本专利技术的另一方面在个性化中采用推断方法。例如，考虑到某些有关用户或设置的局部信息，可采用协作过滤、流行分析、人口统计学分析和各种群集方法来分析“用户群体”所存储的优选数据库，以确定适合一给定用户的一个或多个潜在的优选简介。其它特征可包括使得用户能够定义有关他们自己的属性，以便利用来自有相似需求和性能要求的其它用户的潜在设置。这包括允许直接检查和/或选择一个或多个其它相似的简介，从所述一个或多个其它相似的简介中能合成当前的简介。其它自动化技术包括询问用户一组或一小组问题，来确定随后可用来指示如何最好地配置和使用给定系统的另一组问题。可以理解，当选择了新的简介设置时，系统中的自动化模型可基于已改变的设置对可能的未来系统性能提供预测(例如，如果此设置被改变，你每天会多接收20％的中等优先级消息)。为了完成前述及相关目标，本专利技术的某些说明性方面在这里结合以下说明及附图来描述。但这些方面仅仅是示出了本专利技术诸原理可在其中采用的各种方式的其中几种，且本专利技术旨在包括所有这些方面及其等同方案。结合附图参阅本专利技术的以下具体说明，本专利技术的其它优点和新特征会变得清楚。附图说明图1说明了根据本专利技术一方面生成个性化简介的系统和接口。图2-3说明了根据本专利技术一方面的示例协作过滤图。图4-8阐述了根据本专利技术一个方面的示例成本效益概念、中断概念和用户界面。图9是根据本专利技术一个方面的简介构造器的框图。图10-20说明了根据本专利技术一个方面的示例简介界面。图21是根据本专利技术一个方面示出的适当操作环境的示意框图。图22是本专利技术可与其相互作用的样本计算环境的示意框图。具体实施例方式本专利技术涉及为各种计算机应用自动产生潜在或建议简介设置的系统和方法。存储组件接收有关一用户群体的数据，而该数据与该群体的简介或设置优选相关。分析器处理群体数据和涉及现有简介的信息，以便为用户提供关于构建个性化简介的推荐。该分析器可采用诸如协作过滤等各种统计学和建模技术以确定个性化简介。术语“组件”、“模型”、“系统”、“分析器”、“构造器”等等在本申请中使用时，意指计算机相关实体，即硬件、硬件和软件的组合、软件、或执行中的软件。例如，组件可以是但不限于是运行于处理器上的进程、处理器、对象、可执行程序、执行线程、程序和/或计算机。作为说明，运行于服务器上的应用和服务器都是组件。一个或多个组件可驻留于执行的进程和/或线程中，且组件可位于一台计算机上和/或分布在两台或多台计算机之间。同样，这些组件可从存储有各种数据结构的各种计算机可读介质执行。组件可经由本地和/或远程的进程进行通信，比如根据有一个或多个数据包的信号进行通信(所述数据包例如，来自一个与本地系统、分布式系统中的另一组件交互的组件、和/或一个通过该信号跨越诸如因特网的网络与其它系统交互的组件的数据)。术语“推断”在这里使用时，一般是指从经事件和/或数据捕捉的一系列观察中推理或推断系统、环境和/或用户的状态的过程。推断可用来识别具体的上下文或行动，或产生例如状态间的概率分布。推断可以是概率性的一即，相关状态间的概率分布计算是基于对数据和事件的考虑。推断也可指用来从一组事件和/或数据中组成较高级别事件的技术。这种推断导致了从一组观察到的事件和/或存储的事件数据构建新事件或行动，不管这些事件是否在时间上相接近，及无论这些事件和数据是来自一个还是若干个事件和数据源。此外，推断可基于逻辑模型或规则，而组件或数据间的关系根据对数据及从中所作结论的分析来确定。例如，通过观察到某用户在网上与一小组其他用户交互，可确定或推断，相对于多个该用户从不或很少与之交互的其他用户而言，这一小组的用户属于与该用户所重视的期望社交网络。首先参照图1，系统100阐述了根据本专利技术的一个方面的自动化简介生成器和接口。系统100包括存储有来自某用户群体的多个简介和设置数据的数据库110(或多个数据库)。简介数据由多个根据各种应用已生成简介设置的客户计算机120生成。这些应用可包括通信系统、诸如操作系统设置这样的通用计算系统、开发系统应用、以及基本上任何类型的应用，配置设置由此用于根据用户优选来定制该应用。分析器130把各种统计学的、数学的和/或模型应用到数据库110，以确定可在用户界面150上显示的一个或多个简介140。这种简介140由分析器130从多个因素中自动选择，诸如从采用一个或多个已生成的简介140进行配置或操作的客户计算系统160的用户提供的人口统计学或调查信息中自动选择。用户界面150也包括各种用户输入或选择170，以使用户能通过分析器130引导期望简介的选择。如上所述，分析器130可采用若干技术本文档来自技高网...

【技术保护点】
一种便于生成系统简介的系统，其特征在于，它包括：　　　　一存储组件，其接收关于用户群体的数据，以及　　　　一分析器，其处理群体数据和关于现有简介的信息，以向用户提供与建立个性化简介相关的推荐。

【技术特征摘要】
US 2003-12-11 60/528,597;US 2004-6-30 10/882,8671.一种便于生成系统简介的系统，其特征在于，它包括一存储组件，其接收关于用户群体的数据，以及一分析器，其处理群体数据和关于现有简介的信息，以向用户提供与建立个性化简介相关的推荐。2.如权利要求1所述的系统，其特征在于，所述分析器采用协作过滤来为用户确定一个或多个简介。3.如权利要求1所述的系统，其特征在于，所述现有简介从根据各种应用生成简介设置的多台客户计算机生成。4.如权利要求3所述的系统，其特征在于，所述应用包括通信系统、一般计算系统、操作系统设置、开发系统应用、和采用根据用户优选定制所述应用的配置或操作设定的应用。5.如权利要求1所述的系统，其特征在于，所述分析器把统计学进程、数学进程、或模型应用到存储组件以确定一个或多个可在用户界面上显示和选择的简介。6.如权利要求5所述的系统，其特征在于，该用户界面包括各种用户输入或选项，使得用户能通过所述分析器引导对期望简介的选择。7.如权利要求1所述的系统，其特征在于，一过滤器组件根据所述分析器应用协作过滤来处理用户的先前系统设置优选，用来为系统新用户预测合适或可能的设置或简介。8.如权利要求7所述的系统，其特征在于，所述过滤器组件具有一种或多种算法，包括记忆基方法、模型基方法、和采用部分记忆基方法和模型基方法的混合方法。9.如权利要求7所述的系统，其特征在于，所述过滤器组件采用显式或隐式投票来为一给定用户确定潜在简介。10.如权利要求9所述的系统，其特征在于，所述过滤器组件基于有关一当前用户的部分信息和从用户数据库中计算的一组权重，确定该当前用户的投票。11.如权利要求7所述的系统，其特征在于，所述过滤器组件采用至少一个贝叶斯分类器或一个贝叶斯网络确定一潜在简介。12.如权利要求7所述的系统，其特征在于，所述过滤器组件采用推断技术或统计学群集技术，来推理带有某些优选或人口统计信息的用户会同意其它先前未指定设置或优选的可能性。13.如权利要求7所述的系统，其特征在于，所述过滤器组件被用来识别软件设置或识别有关上下文敏感计算的优选。14.如权利要求13所述的系统，其特征在于，所述过滤器组件被用来在与通信中一应用相关的不同设置中对中断成本进行定义。15.如权利要求14所述的系统...

【专利技术属性】
技术研发人员：EJ霍维茨，
申请(专利权)人：微软公司，
类型：发明
国别省市：US[美国]