用于预测用户设备的用户的参与度水平的方法、相关的参与度预测设备和用户设备与流程

本发明涉及通信系统中的内容分发领域，并且特别涉及预测这样的通信中的这样的内容分发的参与度水平和效率。

背景技术：

目前，短消息(即，聊天或通知)成为未来通信系统的范例。像whatsapp这样的系统使用短消息范例彻底改变了人与人之间的通信，而诸如facebookmessenger等应用正在将相同的范例扩展到人与企业的通信。随着又称为iot设备的物联网设备(例如，可穿戴设备、环境传感器)变得更主流，预期这些设备也使用短消息范例来与终端用户设备传送消息和/或数据。

这种短消息范例虽然是用户友好的且受欢迎的，但却为终端用户和内容提供商带来了两个紧迫的问题。

首先，用户在一天中可用的注意力是有限的——因为人们忙于工作生活、家庭生活、社交生活；他们只能在一天中的特定时刻(上下文)处从也称为app的应用或iot设备处接触消息(例如，通知)。例如，用户john在他从办公室到家之后可能最容易接受消息，而另一用户mary可能希望在她早上上班途中获得消息。如果来自这些app/设备的内容没有在适当的时刻被发送，则它可能会妨碍用户的日常业务，并且甚至可能被用户完全忽略(这对于内容提供商来说当然是不理想的)。

第二个问题在于，每次经由蜂窝网络向用户发送消息(例如，通知)时，它都会致使ue上的蜂窝无线电被唤醒，从而导致电池消耗。随着短消息数目的增加，该电池寿命的负担将增加——并且这可能导致用户卸载app或禁用来自它们的短消息，这两者对于服务提供商而言都是不希望的情况。

因此，目前没有可用于标识用户最可能参与内容的那些时刻的手段——以便改善用户体验、内容接受度和用户设备的电池寿命。

目前，没有可用的、可以提前预测用户的参与度水平并且相应地调度内容分发的实际解决方案。

技术实现要素：

本发明的目的在于提供一种用于预测用户设备的用户的参与度水平的方法、系统和相关设备，但是其中减轻或克服了已知解决方案的上述缺点或缺陷。

因此，本发明的实施例涉及一种用于预测用户设备(ud)的用户的参与度水平的方法，所述用户设备(ud)接收用于在所述用户设备(ud)处呈现的内容，其中所述方法包括以下步骤：

-捕获所述用户设备(ud)的所述用户的至少一个上下文；以及

-捕获所述用户设备(ud)的所述用户的环境的至少一个上下文；以及

-通过处理所捕获的所述用户设备(ud)的所述用户的所述上下文和所述用户设备(ud)的所述用户的环境的所述上下文中的至少一个来预测用户参与度的水平；以及

-基于所述用户参与度的水平来调度对所接收的所述内容的处理。

本发明的另一实施例涉及一种用于预测参与度水平的方法，其中在所述用户参与度的水平低于阈值的情况下，对所接收的所述内容的所述处理是存储所接收的所述内容。

本发明的另一实施例涉及一种用于预测参与度水平的方法，其中在所述用户参与度的水平等于或高于阈值的情况下，所述处理所接收的所述内容是在所述用户的所述用户设备处呈现所接收的所述内容。

本发明的又一实施例涉及一种用于预测所述用户设备的用户的参与度水平的参与度预测设备，所述用户设备接收用于在所述用户设备处呈现的内容，其中所述参与度预测设备还包括：

-用户上下文捕获装置，被配置为捕获所述用户设备的所述用户的至少一个上下文；以及

-环境上下文捕获装置，被配置为捕获所述用户设备的所述用户的环境的至少一个上下文；以及

-参与度预测装置，被配置为通过处理所捕获的所述用户设备的所述用户的所述上下文和所述用户设备(ud)的所述用户的环境的所述上下文中的至少一个来预测用户参与度的水平。

本发明的另一实施例涉及一种用于预测用户设备的用户的参与度水平的系统，所述用户设备接收用于在所述用户设备处呈现的内容，其中所述系统包括：

-根据权利要求4的参与度预测设备；以及，

-内容分发调度装置，被配置为基于所述用户参与度的水平来调度所接收的所述内容的内容分发。

本发明的又一实施例涉及一种用于预测用户设备的用户的参与度水平的所述用户设备，所述用户设备接收用于在所述用户设备处呈现的内容，其中所述用户设备还包括根据权利要求4的参与度预测设备。

本发明的又一实施例涉及根据权利要求6的所述用户设备，其中所述用户设备还包括内容分发调度装置，内容分发调度装置被配置为基于所述用户参与度的水平来调度所接收的所述内容的内容分发。

本发明的另一实施例涉及一种在根据权利要求5的系统中使用的边缘云节点，所述边缘云节点被耦合到所述用户设备，其中所述边缘云节点包括内容分发调度装置，内容分发调度装置被配置为基于所述用户参与度的水平来调度所接收的所述内容的内容分发。

以这种方式，通过首先捕获所述用户设备的所述用户的至少一个上下文并且另外捕获所述用户设备的所述用户的环境的至少一个上下文，通过处理所捕获的所述用户设备的所述用户的所述上下文和所述用户设备的所述用户的环境的所述上下文中的至少一个来预测用户参与度的水平，并且随后基于所预测的所述用户参与度的水平来调度对所接收的所述内容的处理。

所述用户设备的所述用户的至少一个上下文可以包括但不限于：设备使用时间戳、设备使用会话的持续时间、设备上的各种应用的使用持续时间、传出或传入电话呼叫的时间戳、所接收的通知的时间戳、所注意的通知的时间戳、来自用户设备的带时间戳的传感器数据(其可以包括光传感器、接近传感器、麦克风、加速度计和用户的身体活动的读数)。所捕获的数据可以被存储在设备上下文数据库中。

此外，所述用户设备的所述用户的环境的至少一个上下文可以包括但不限于用户的位置(室内与室外)、用户在建筑物中的精确或近似室内位置、用户附近的人数。该信息可以通过任何现有技术的定位技术来获取，或者通过查询附近的小小区bts上的数据库来获取。所捕获的数据可以被存储在环境上下文数据库中。

随后，通过处理所捕获的所述用户设备的所述用户的所捕获的上下文和所述用户设备的所述用户的环境的所捕获的上下文中的至少一个来预测用户参与度的水平。用户上下文数据和环境上下文数据被传递到由预先训练的机器学习推理系统实现的参与度预测装置epm。所述机器学习推理系统可以使用原始设备和环境上下文数据，或者可以计算原始数据的衍生数据(derivative)——并且然后应用预定义的机器学习算法(例如，支持向量机、随机森林、线性回归)来生成用户参与度的得分或水平。

应当注意，本发明不限于任何特定机器学习系统。所述机器学习系统可以包括任何分类或回归模型，其通过使用来自大量用户的设备上下文和环境上下文数据而被离线训练。对于训练，系统可以使用“原始”设备和环境上下文数据作为输入，或者计算原始数据的衍生数据作为模型的输入特征。该系统可以使用各种地面真值(groundtruth)进行建模，包括但不限于来自大脑的eeg信号、用户调查。此后，系统应用任何通常可用或专门设计的机器学习算法来将输入数据映射到地面真值。

此外，基于用户设备的用户的预测参与度水平，执行对任意所接收的内容的处理的调度。在用户参与度的水平低于阈值的情况下，对所接收的内容的处理可以包括将这样的所接收的内容存储在包括在用户设备中或耦合到用户设备的缓冲器中的动作，其中用户参与度的水平低于阈值表示用户的参与度水平或换言之用户的注意力根本不存在或不充分地存在。

或者，在用户参与度的水平等于或高于特定阈值的情况下，对所接收的内容的处理可以包括向用户渲染或呈现所接收的所述内容的动作，其中用户参与度的水平等于或高于阈值表示用户的参与度水平或换言之用户的注意力目前可获得或者甚至很高。可以在接收时立即执行所接收的内容的呈现，或者在所接收的内容被存储在缓冲器中的情况下，当用户参与度变为高于所述阈值时，可以将来自缓冲器的内容推送给用户。

或者，基于预测的参与度水平，可以调整所接收的内容的渲染或呈现，在参与度的水平等于或高于特定阈值的情况下，内容可以以较大的字体突出显示，然而，如果参与度的水平低于阈值，则内容可以不那么突出地、以较小的字体显示在屏幕上。

作为另一替代方案，可以定期性地与移动网络的边缘(例如，边缘云)共享用户设备的用户的预测参与度水平。基于用户设备的用户的预测参与度水平，在边缘云处执行对发送到用户设备的任何内容的调度。在预测的用户参与度的水平低于阈值的情况下，边缘云延迟到用户设备的内容分发，直到用户参与度超过阈值。

内容可以包括但不限于来自通过云后端发送的或本地生成的应用的通知、音频或视频广告、来自智能电话的消息、所述用户的附近的可穿戴设备或iot。

用户是请求和接收内容的人。用户参与度是用户对内容的投入度。当存在用户参与度时，内容块会获得并且保持用户的注意力和兴趣。在相同时间处可能有很多用户相同的内容。然而，对于每个用户，观看或以其他方式欣赏内容主要是个人体验，无需与其他用户的太多交互，并且对内容的参与度是有限的。

在本发明的另一实施例中，在所述用户参与度的水平低于阈值的情况下，对所接收的所述内容的处理是存储所接收的所述内容。

在本发明的又一实施例中，在所述用户参与度的水平等于或高于阈值的情况下，对所接收的所述内容的所述处理是在所述用户的所述用户设备处呈现所接收的所述内容。

本发明的另一替代实施例可以是内容分发调度装置csm位于边缘云节点ecn(例如，家庭网关或小小区)内部，而不是在用户设备处。边缘云节点ecn可以定期性地查询与其连接的每个ue上的epm，并且将用户的参与度水平存储在用户参与度数据库中。

应当注意，所描述的系统的功能装置可以被分布在第一通信设备和/或一个或多个其他网络元件上，诸如所附权利要求中描述的服务器设备。

应当注意，权利要求中使用的术语“包括”不应当被解释为限于其后列出的装置。因此，“设备包括装置a和b”这一表达的范围不应当限于仅由组件a和b组成的设备。这表示，对于本发明，设备的仅相关组件是a和b。

类似地，应当注意，也在权利要求中使用的术语“耦合”不应当被解释为仅限于直接连接。因此，“设备a被耦合到设备b”这一表达的范围不应当限于其中设备a的输出被直接连接到设备b的输入的设备或系统。这表示在a的输出与b的输入之间存在路径，该路径可以是包括其他设备或装置的路径。

附图说明

通过参考以下结合附图对实施例的描述，本发明的上述和其他目的及特征将变得更加明显，并且本发明本身将被最好地理解，其中：

图1表示根据本发明的实施例的用于预测用户设备的用户的参与度水平的系统的功能表示；以及

图2表示根据本发明的实施例的用于预测用户设备ud的用户的参与度水平的系统中包括的参与度预测设备epd的功能结构。

说明书和附图仅示出了本发明的原理。因此，将认识到本领域技术人员将能够设计出各种布置，这些布置虽然未在本文中明确描述或示出，但是体现本发明的原理并且被包括在其精神和范围内。此外，本文所述的所有示例主要旨在仅用于教学目的以帮助读者理解本发明的原理和发明人为促进现有技术而贡献的概念，并且将被解释为没有对这样的具体叙述的示例和条件的限制。此外，本文中叙述本发明的原理、方面和实施例的所有陈述以及其具体示例旨在涵盖其等同物。

本领域技术人员应当认识到，本文中的任何框图表示体现本发明的原理的说明性电路的概念图。类似地，将认识到任何流程表、流程图、状态转换图、伪代码等表示可以基本上在计算机可读介质中表示并且因此由计算机或处理器执行的各种过程，无论这样的计算机或处理器是否被明确示出。

具体实施方式

在以下段落中，参考图1中的图示，描述了根据本发明的实施例的用于预测用户设备的用户的参与度水平的系统的实现。在另一段落中，定义了所提到的元件之间的所有连接。随后描述了如图2中所呈现的用户设备ud和所包含的参与度预测设备epd的所有相关功能装置，然后描述所有互连。

在随后的段落中，描述系统的实际执行。

系统的第一基本元件是用户的用户设备ud，其中用户设备被配置为接收用于在所述用户设备ud处向用户设备ud的用户呈现的内容。这样的用户设备可以是如智能电话等移动通信设备、如智能手表或健身跟踪器等可穿戴设备。

这样的内容可以由内容提供商cp转发，其中这样的内容提供商可以是电子邮件提供商、用户订阅的社交网络、或安装在用户设备上的应用，该应用通过应用提供商的云后端接收内容。

此外，这样的系统可以包括边缘云节点ecn，边缘云节点ecn是耦合到用户设备的网络元件并且被配置为执行某些任务，而不是在用户设备处执行任务(对处理的分布式任务)。

内容提供商cp和边缘云节点ecn可以通过能够分发内容的通信网络cn1耦合，其中这样的通信网络可以包括xdsl、xpon、wman、lan、3g链路或者其他固定或移动连接，诸如wi-fi、bluetooth、gsm、umts4g等或先前通信网络的任何其他合适的组合。

此外，边缘云节点ecn和用户设备可以通过能够分发内容的通信网络cn1耦合，其中这样的通信网络可以包括xdsl、xpon、wman、lan、3g链路或者其他固定或移动连接，诸如wi-fi、bluetooth、gsm、umts4g等或先前通信网络的任何其他合适的组合。

本发明的实施例的用户设备ud的第一基本装置是用于预测所述用户设备ud的用户的参与度水平的参与度预测设备epd。

参与度预测设备epd还包括用户上下文捕获装置uccm，用户上下文捕获装置uccm被配置为捕获所述用户设备ud的所述用户的至少一个上下文。用户上下文捕获装置uccm是在用户设备ud上运行并且捕获针对单个用户的使用和上下文数据的后台服务。

参与度预测设备epd还包括环境上下文捕获装置eccm，环境上下文捕获装置eccm被配置为捕获所述用户设备ud的所述用户的环境的至少一个上下文。

环境上下文捕获装置eccm也在用户设备上作为后台守护进程运行，并且记录从无线网络的属性导出的关于用户的环境的数据。

此外，参与度预测设备epd包括第一用户上下文数据库ucdb，第一用户上下文数据库ucdb被配置为存储由用户捕获装置uccm捕获的数据。用户上下文捕获装置可以捕获所述用户设备的所述用户的至少一个上下文，可以包括但不限于：设备使用时间戳、设备使用会话的持续时间、设备上的各种应用的使用持续时间、传出或传入电话呼叫的时间戳、所接收的通知的时间戳、所注意的通知的时间戳、来自用户设备的带时间戳的传感器数据(其可以包括光传感器、接近传感器、麦克风、加速度计和用户的身体活动的读数)。

此外，所述用户设备的所述用户的环境的至少一个上下文可以由环境捕获装置ecm捕获，所述用户设备的所述用户的环境的至少一个上下文可以包括但不限于：用户的位置(室内与室外)、用户在建筑物中的精确或近似室内位置、用户附近的人数等。该信息可以通过任何现有技术的定位技术来获取，或者查询附近的小小区bts上的数据库来获取。所捕获的数据可以被存储在环境上下文数据库ecdb中。

参与度预测设备epd还包括参与度预测装置edm，参与度预测装置edm被配置为通过处理所捕获的所述用户装置(ud)的所述用户的所述上下文和所述用户设备ud的所述用户的环境的所述上下文中的至少一个来预测用户参与度的水平。

参与度预测装置edm被配置为执行机器学习模型，该模型使用从dcl和ecl收集的数据，从中提取相关特征，并且计算针对用户参与度的得分。所述机器学习模型可以被离线训练。

参与度预测装置epm被耦合到用户上下文捕获装置uccm，并且进一步被耦合到环境上下文捕获装置eccm。环境上下文捕获装置eccm进一步被耦合到环境上下文数据库ecdb。用户上下文捕获装置uccm被耦合到用户上下文数据库ucdb。参与度预测装置epm具有输入/输出端子，该输入/输出端子同时是参与度预测设备epd的输入/输出端子。

或者，环境上下文数据库ecdb可以位于参与度预测装置epm或用户设备外部，并且位于远程位置(例如，家庭网关)处，使得其可以由参与度预测装置epm查询以获取环境上下文数据。类似地，用户上下文数据库ucdb可以位于参与度预测装置epm或用户设备外部，并且位于远程位置(例如，在另一用户设备处)处，参与度预测装置epm可以向该远程位置查询以获取用户上下文数据。

用户设备ud可以包括参与度预测装置epm，并且另外包括接收装置rm，接收装置rm被配置为接收例如由内容提供商cp转发的内容。接收装置rm可以另外被配置为缓冲所接收的内容。用户设备ud还可以包括内容分发调度装置csm，内容分发调度装置csm被配置为基于如通过参与度预测装置epm预测的所述用户参与度的水平来调度所接收的所述内容的内容分发。此外，用户设备可以包括呈现装置prm，呈现装置prm被配置为向用户设备的用户渲染或呈现内容。该呈现装置可以是用户设备的显示器，或者呈现装置可以通过诸如hdmi、bluetooth、wifi等通信信道被耦合到连接到用户设备的外部显示器。

接收装置rm具有输入端子，该输入端子同时是参与度预测设备epd的输入端子i1。接收装置还被耦合到内容分发调度装置csm，内容分发调度装置csm进而被耦合到内容呈现装置prm和参与度预测设备。

假设例如groupon或诸如亚马逊的任何其他内容提供商希望在用户的withings智能手表上向他/她发送要约(offer)。在没有本发明的情况下，groupon将在任意时间处发送要约，并且不能保证用户将接触他们的要约。

在应用本发明的情况下，所指的groupon内容将首先由接收装置rm接收，接收装置rm进而将转发指示新内容的到达的信号或自身将最近接收的内容转发到内容分发调度装置csm，内容分发调度装置csm将查询参与度预测设备epd以找到用户的可用参与度水平。该用户的可用参与度水平是基于如由用户上下文捕获装置uccm捕获并且存储在用户上下文数据库ucdb和环境上下文捕获装置eccm并且如存储在环境上下文捕获装置eccm中的用户上下文数据来确定的。在当前参与度水平高于特定阈值的情况下，内容将被立即推送到用户设备ud的呈现装置prm，使得内容可以立即被呈现给用户。

否则，内容分发将被推迟到用户具有必要的参与度水平的点。显然，这种机制将提高用户参与内容的可能性，这是内容提供商的胜利。

或者，可以在接收时立即执行所接收的内容的呈现，或者在所接收的内容被存储在缓冲器中的情况下，当用户参与度变为高于所述阈值时，可以将来自缓冲器的内容从缓冲器朝向用户设备的呈现装置prm推送，呈现装置prm是所指的用户的withings智能手表或是用户的智能手机。

或者，基于预测的参与度水平，可以调整所接收的内容的渲染或呈现，在参与度的水平等于或高于特定阈值的情况下，内容可以以较大的字体突出显示，然而，如果参与度的水平低于阈值，则内容可以不那么突出地、以较小的字体显示在屏幕上。

作为另一替代方案，可以定期性地与移动网络的边缘(例如，边缘云)共享用户设备的用户的预测参与度水平。基于用户设备的用户的预测参与度水平，在边缘云处执行向用户设备发送的任何内容的调度。在预测用户参与度的水平低于阈值的情况下，边缘云延迟到用户设备的内容分发，直到用户参与度超过阈值。

此外，如果假定通过预先训练的机器学习模型的参与度预测装置epm使用具有径向核(svm-r)的支持向量机算法，并且已经确定以下用户上下文特征(即，timesincelastcall、timesincelastnotification、电池水平、一天中的时间)和以下环境上下文特征(即，位置、所述用户附近的人数)对于预测用户的参与度水平是最重要的。这表示，通过将上面提到的特征输入到经训练的svm-r模型，它可以通过对所输入的特征应用非线性变换来返回针对参与度水平的值。例如，输出参与度水平可以是{高/低}、{非常高/高/中等/低/非常低}等，这取决于在模型训练时所使用的阈值。

如果应用这样的模型来预测用户在作为用户设备的智能手表上的参与度，则用户上下文捕获装置uccm首先在要进行预测时在给定时刻捕获用户上下文特征(例如，timesincelastcall＝30分钟，timesincelastnotification＝20分钟，电池水平＝80％，一天中的时间＝12:15)。类似地，环境上下文捕获装置eccm在要进行预测时在给定时刻收集所需要的环境上下文特征(例如，位置＝室内，所述用户附近的人数＝5)。这两组瞬时数据参数(用户和环境上下文)然后被传递到参与度预测装置epm，参与度预测装置epm执行上述svm-r模型以生成用户参与度的值，诸如{高/低}、{非常高/高/中等/低/非常低}等，这取决于在模型中定义的阈值。

或者，如果假定预先训练的机器学习模型使用线性回归(lr)算法，并且已经确定以下用户上下文特征(即，lasthourapplicationusageduration、lasthourapplicationcount、电池水平)和以下环境上下文特征(即，室内位置、所述用户附近的人数)对于预测用户的参与度水平是最重要的。这表示，通过将上面提到的特征输入到经训练的lr模型，它可以通过对所输入的特征应用线性变换来返回针对参与度水平的值。例如，输出参与度水平可以是在0到100之间的数字，这取决于模型参数。

如果应用这样的模型来预测用户在作为用户设备的智能手表上的参与度，则用户上下文捕获装置uccm首先在要进行预测时在给定时刻捕获用户上下文特征(例如，lasthourapplicationusageduration＝5分钟，lasthourapplicationcount＝10，电池水平＝100％)。类似地，环境上下文捕获装置eccm在要进行预测时在给定时刻收集所需要的环境上下文特征(例如，室内位置＝{x，y}，所述用户附近的人数＝1)。

这两组瞬时数据参数(用户和环境上下文)然后被传递到参与度预测装置epm，参与度预测装置epm执行上述lr模型以生成在0-100之间的针对用户参与度的值。然后，可以通过epm将该值与阈值(t)进行比较以确定它对应于高参与度还是低参与度。

然而，应当注意，参与度预测装置epm不限于仅一个特定的机器学习模型，而是可以由使用用户上下文捕获装置uccm所捕获的用户上下文和/或环境上下文捕获装置(eccm)所捕获的环境上下文的任何类型的预先训练的机器学习模型来实现。

如下面将描述的，本发明利用用户周围的现有无线网络的知识，并且将其与各种设备上传感器组合以预测用户的参与度水平。然后，该参与度水平的知识被蜂窝网络或设备利用以在适当的时间处将内容推送给用户。

每当新内容到达用户设备ud的接收装置rm时，将询问参与度预测设备epd，随后，参与度预测设备epd将查找用户的当前参与度。如果当前参与度高于预期的内容的参与度，则内容分发调度装置csm将推荐用户设备启动app，或者在用户的主屏幕上突出地显示app的图标和消息以便更快地启动，例如，启动“groupon”app。

本发明的另一替代实施例可以是，内容分发调度装置csm位于边缘云节点ecn(例如，家庭网关或小小区)内部，而不是在用户设备处。边缘云节点ecn可以定期性地查询与其连接的每个ue的epm，并且将用户的参与度水平存储在用户参与度数据库中。在该实施例中，不是将内容从内容提供商cp直接路由到用户设备ud，而是运营商的网络将其发送到边缘云，边缘云然后在目标用户具有可用参与度的时间处调度内容分发。该特定实施例具有优于第一实施例的附加优点，因为当内容首先由边缘云节点而不是由用户设备接收时，用户设备ud上的无线无线电不需要为了每个内容接收而唤醒。对用户设备ud上的无线无线电的重复唤醒是导致电池损耗的主要因素。通过本发明的应用，充当内容提供商cp与用户设备ud之间的中介者的边缘云可以批量地一起向ue发送多个内容，从而提供ue的电池寿命的增益。

在当前的操作系统中，当向用户发送通知消息时，它通常具有对其附加的优先级。对于该实施例，假定传入消息还具有被称为“预期参与度”(ee)的字段，该字段指示该内容期望来自用户的参与度有多少。例如，视频内容可能需要来自用户的高参与度——而简单的文本消息可能需要较少的参与度。

最后要注意的是，上面在功能块方面描述了本发明的实施例。从上面给出的这些块的功能描述中，对于设计电子设备的本领域技术人员来将很清楚，这些块的实施例可以用公知的电子元件来制造。因此没有给出功能块的内容的详细架构。

虽然上面已经结合具体装置描述了本发明的原理，但是应当清楚地理解，该描述仅仅通过示例的方式做出，而不是作为对如所附权利要求中限定的本发明的范围的限制。