过滤群组消息制造技术

示例系统包括处理器，用于接收在与特定用户相关联的客户端设备上训练的人工智能(AI)模型。处理器基于AI模型过滤群组消息。处理器用于将过滤的群组消息发送到客户端设备。用于将过滤的群组消息发送到客户端设备。用于将过滤的群组消息发送到客户端设备。

【技术实现步骤摘要】
【国外来华专利技术】过滤群组消息

技术介绍

[0001]本技术涉及群组消息传送。更具体地，本技术涉及过滤群组消息中的媒体。

技术实现思路

[0002]根据本文描述的实施例，一种系统可以包括处理器，用于接收在与特定用户相关联的客户端设备上训练的人工智能(AI)模型。处理器还可基于AI模型过滤群组消息。处理器还可以将过滤的群组消息发送到客户端设备。
[0003]根据本文描述的另一实施例，一种方法可以包括经由处理器从客户端设备的存储装置接收媒体。该方法还可以包括经由处理器基于该媒体生成人工智能(AI)模型。该方法还可包括经由处理器经由AI模型过滤器过滤要存储在客户端设备上的群组消息。
[0004]根据本文描述的另一实施例，用于过滤群组消息的计算机程序产品可包括具有以其体现的程序代码的计算机可读存储介质。计算机可读存储介质本身不是瞬时信号。该程序代码由处理器可执行以使该处理器从客户端设备的存储装置接收媒体。该程序代码还可使处理器基于该媒体生成人工智能(AI)模型。该程序代码还可使处理器经由AI模型过滤器过滤要存储在客户端设备上的群组消息。
附图说明
[0005]图1是用于在社交消息传送服务器处过滤群组消息的示例系统的框图；
[0006]图2是用于在客户端设备处过滤群组消息的另一示例系统的框图；
[0007]图3是可以过滤群组消息的示例方法的框图；
[0008]图4是可以过滤群组消息的示例计算设备的框图；
[0009]图5是根据本文描述的实施例的示例云计算环境的过程流程图；
[0010]图6是根据本文描述的实施例的示例抽象模型层的过程流程图；以及
[0011]图7是可以过滤群组消息的示例有形的非暂时性计算机可读媒体。
具体实施方式
[0012]群组消息传送允许群组中的多个人共享同时向群组的所有成员广播的文本消息和多媒体消息。例如，多媒体消息可以包括视听媒体，诸如图片、视频或音频。然而，一些用户可以是许多群组的成员。因此，对于这样的用户来说，可能难以跟踪他们所有群组中的所有他们的消息，并且还难以保持从他们所属的所有群组发送的所有消息的本地副本。此外，较高质量的多媒体可使用更多存储器且因此在移动设备上占据更多空间。因此，此类群组多媒体消息可快速填充用户的移动设备的存储器。此外，由于各种原因，可以避免使用云存储装置。
[0013]另外，用户可能对在其订阅的所有群组中接收的所有多媒体不感兴趣。例如，尽管父母可能对包括他们的女儿或儿子的图片感兴趣，但是他们可能对其他人的图片不那么感兴趣。作为一个示例，在学校或幼儿园中，当旅行发生时，在一天期间可能会有许多图像和
消息的突发。用户不想接收那些不感兴趣的消息，并且如此多次地看着电话。因此，用户可能花费大量时间从移动设备手动移除图片以便增加存储空间。
[0014]根据本公开的实施例，系统可以基于人工智能(AI)模型来过滤群组消息。可以在用户的客户端设备上训练模型。示例系统包括处理器，用于接收在与特定用户相关联的客户端设备上训练的人工智能(AI)模型。处理器可以基于AI模型过滤群组消息。处理器将过滤的群组消息发送到客户端设备。在一些示例中，可以在客户端设备上过滤群组消息。因此，本公开的实施例通过防止被过滤掉的消息被存储在客户端设备上，允许过滤的群组消息并将存储内容保存在客户端设备上。另外，所述技术使得能够更有效地使用客户端设备。例如，用户可能不需要手动地查看和从客户端设备删除不想要的消息。此外，用户的数据可通过在客户端设备上而非在公共可用的服务器上生成AI模型来保护。
[0015]现在参考图1，框图示出了用于在社交消息传送服务器处过滤群组消息的示例系统。示例系统通常由参考数字100表示。图1包括通信地耦合到社交消息传送服务器104的客户端设备102。例如，客户端设备102可以是通信地耦合到基于云的服务的边缘设备。客户端设备102可以与特定用户相关联。客户端设备102包括AI模型生成器106和存储装置108。社交消息传送服务器104包括基于AI模型的过滤器110。
[0016]在图1的示例中，在社交消息传送服务器104处接收多个群组消息112。例如，可以从一个或多个其他客户端设备(未示出)接收群组消息112。在各种示例中，社交应用服务器104中接收的每个群组消息112通过基于AI模型的过滤器110。基于AI模型的过滤器110可基于训练数据集来分析群组消息112。在各种示例中，训练数据集可以基于视觉面部识别或文本过滤。例如，客户端设备104的AI模型生成器106可从客户端设备102的存储装置108接收训练集图像，并基于训练集图像生成AI模型。作为一个示例，存储装置108上的训练集图像中的检测到的面部可被用来生成AI模型。
[0017]仍然参考图1，在一些示例中，基于AI模型的过滤器110可使用来自客户端设备102的一组上传的媒体来实现。例如，用户可以上传该用户有兴趣观看其附加图片的人的肖像。在一些示例中，客户端设备上的app可以基于用户的移动设备图库中最常见的面部向用户建议不同的人像面部以用于过滤，然后用户可以从该不同的人像面部中进行选择。在各种示例中，app可以根据存储装置108的图片图库中的最常见照片自动选择过滤器将基于的面部。在一些示例中，当用户感兴趣仅查看包含文本表达的文本消息时，他可以上传这些表达。例如，文本表达可以是搜索表达或正则表达。
[0018]在各种示例中，不管过滤方法如何，在选择训练数据过滤器之后，包含所有图像的训练集可以被发送到社交消息传送服务器104，该所有图像包含从用户的图库中选择的面部。例如，训练集可用于训练过滤将基于的新的AI模型。在文本过滤的情况下，可以将选择的文本短语发送到消息传送服务器，并且可以不执行训练。
[0019]在各种示例中，客户端设备104上的AI模型生成器106可学习用户的优先级，并通过分析客户端设备104上的用户行为来检测特定的相关内容。例如，AI模型生成器106可监视照片库，学习消息的删除模式，以及其他习惯。例如，AI模型生成器106的输入可以是用户的数码相机滚动、用户手动删除的消息、用户选择保存的图像、联系人列表、正则表达、搜索报告等。模型可以被连续地更新，并且在104中使用新的更新的模型来过滤消息。然后，可以将生成的AI模型发送到社交消息传送服务器104，以过滤群组消息112。
[0020]在各种示例中，使用AI模型来分析群组消息112。在一些示例中，基于AI模型的过滤器110的输出可以是二元的。例如，视频或照片与AI模型的规则兼容或不兼容。因此，照片或其它群组消息可继续且相应地发送或不发送到客户端侧。作为一个示例，群组消息112的照片可包括包含在从AI模型生成器106接收的AI模型中的面部。因此，群组消息112可作为模型兼容消息114的一部分发送到客户端设备102。这样，这些技术防止了大量不感兴趣的数据被保存在客户端设备102的本地存储装置108上。只有用户想要的兼容的相关内容才被允许实际到达并保存在客户端设备102上。用户然后能够观看存本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种系统，包括处理器，用于：接收在与特定用户相关联的客户端设备上存储的图像或视频上训练的人工智能(AI)模型；基于所述AI模型过滤从第二客户端设备接收且将发送到多个客户端设备的群组消息，以从所述群组消息移除第二图像或第二视频且生成过滤的群组消息；以及将所述过滤的群组消息发送到所述客户端设备。2.根据权利要求1所述的系统，其中所述过滤的群组消息被保存在所述客户端设备的存储装置上。3.根据权利要求1所述的系统，其中使用对所述图像或所述视频的面部识别来训练所述AI模型。4.根据权利要求1所述的系统，其中所述AI模型是在用户提供的图像或视频上训练的。5.根据权利要求1所述的系统，其中所述AI模型是在用户提供的表达上训练的。6.根据权利要求1所述的系统，其中所述客户端设备包括通信地耦合到由所述处理器执行的云服务的边缘设备。7.根据权利要求1所述的系统，其中所述图像或所述视频被存储在所述客户端设备上的数字相机卷中，并且所述AI模型基于与所述数字相机卷中的所述图像或所述视频相关联的用户行为被连续更新。8.一种计算机实现的方法，包括：经由处理器从客户端设备的存储装置接收图像或视频；经由所述处理器基于所述图像或所述视频生成人工智能(AI)模型；以及经由所述处理器经由基于所述AI模型的过滤器过滤从第二客户端设备接收的、要存储在所述客户端设备上的群组消息，以从所述群组消息中移除多媒体，并且生成过滤的群组消息。9.根据权利要求8所述的计算机实现的方法，包括在与特定用户相关联的所述客户端设备上生成所述AI模型。10.根据权利要求8所述的计算机实现的方法，其中生成所述AI模型包括使用对所述图像或所述视频的面部识别来训练所述AI模型。11.根据权利要求8所述的计算机实现的方法，其中生成所述AI模型包括在用户提供的图像或视频上训练所述AI模型。12.根据权利要求8所述的计算机...

【专利技术属性】
技术研发人员：G沙伦，N盖，
申请(专利权)人：国际商业机器公司，
类型：发明
国别省市：