基于情景感知组建模提供推荐的方法和装置制造方法

基于情景感知组建模提供推荐的方法和装置制造方法
【专利摘要】提供了一种用于基于用户情景感知组提供推荐的方法。推荐平台至少部分地基于关联于用户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，来确定一个或多个相似度值。所述平台还处理一个或多个相似度值和/或有助于一个或多个相似度值的处理，以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择。所述平台还处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理以生成一个或多个用户推荐。
【专利说明】基于情景感知组建模提供推荐的方法和装置
【背景技术】
[0001]服务提供商和设备制造商(例如无线、蜂窝等)不断地面临例如通过提供有竞争力的网络服务来向客户传递价值和便利的挑战。一个发展领域已经使用推荐系统基于用户的偏好来向用户提供对内容的建议或推荐。虽然个性化的情景感知推荐系统的发展是重要的领域，但是诸如数据稀疏和算法有效性的问题仍然是需要克服的挑战。诸如利用来自相似用户的数据以得到目标用户的数据的基于群体智慧的方法的构思已经发展成克服这些挑战的一种方式。然而，随着情景维度数的增加，当将这些方法的适用范围扩展以用于考虑丰富的情景特征的推荐系统时，此类方法常常是费时的。因此，对于丰富的情景环境，服务提供商和设备制造商在向用户提供推荐系统的方面面临着技术挑战。

【发明内容】

[0002]因此，需要有一种用于基于与用户情景感知组相关联的推荐模型和相对于所述用户情景感知组的针对用户的相似度值来提供推荐的方法。
[0003]根据一个实施例，一种方法，其包括:至少部分地基于关联于用户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，来确定一个或多个相似度值。所述方法还包括:处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理，以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择。所述方法还包括处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理，以生成一个或多个用户推荐。
[0004]根据另一实施例，一种装置，其包括:至少一个处理器，以及至少一个存储器，所述至少一个存储器包括用于一个或多个计算机程序的计算机程序代码，所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起，至少部分地使得所述装置至少部分地基于关联于用户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，来确定一个或多个相似度值。还使得所述装置用以处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理，以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择。所述装置还使得处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理，以生成一个或多个用户推荐。
[0005]根据另一实施例，一种计算机可读存储介质，其载有一个或多个指令的一个或多个序列，当一个或多个指令的一个或多个序列由一个或多个处理器执行时至少部分地使得装置至少部分地基于关联于户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，来确定一个或多个相似度值。还使得所述装置处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理，以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择。还使得所述装置处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理，以生成一个或多个用户推荐。
[0006]根据另一实施例，一种装置，其包括用于至少部分地基于关联于用户相关联的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度来确定一个或多个相似度值的构件。所述装置还包括用于处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择的构件。所述装置还包括用于处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理以生成一个或多个用户推荐的构件。
[0007]另外，对于本发明的各种示例实施例，以下是可适用的:一种方法，其包括有助于(I)数据和/或⑵信息和/或⑶至少一个信号的处理和/或处理⑴数据和/或(2)信息和/或(3)至少一个信号，所述(I)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于(或至少部分地源自)本申请中公开的与本发明的任一个实施例相关的方法的任何一个方法或任何组合。
[0008]对于本发明的各种示例实施例，以下也是可适用的:一种方法，其包括有助于对被配置为允许访问至少一种服务的至少一个接口的访问，所述至少一种服务被配置为执行本申请所公开的网络或服务提供商方法(或过程)中的任何一个方法或任何方法的组合。
[0009]对于本发明的各种示例实施例，以下也是适用的:一种方法，其包括有助于创建和/或有助于修改(I)至少一个设备用户接口单元和/或(2)至少一个用户接口功能，所述
(I)至少一个设备用户接口单元和/或(2)至少一个设备用户接口功能(至少部分地)基于从本申请中所公开的与本发明的任何实施例相关方法或过程中的任何一个或任何组合中产生的数据和/或信息，和/或至少一个从本申请中所公开的与本发明的任何实施例相关方法(或过程)中的任何一个或任何组合中产生的至少一个信号。
[0010]对于本发明的各种示例实施例，以下也是适用的:一种方法，其包括创建和/或修改(I)至少一个设备用户接口单元和/或(2)至少一个设备用户接口功能，所述(I)至少一个设备用户接口单元和/或(2)至少一个设备用户接口功能至少部分地基于从本申请中所公开的与本发明的任何实施例相关方法(或过程)中的任何一个或任何组合中产生的数据和/或信息，和/或至少一个从本申请中所公开的与本发明的任何实施例相关方法(或过程)中的任何一个或任何组合中产生的至少一个信号。
[0011]在各种示例实施例中，可以在所述服务提供商侧或所述移动设备侧，或以服务提供商和移动设备之间任何共享方式在两侧都执行动作来完成所述方法(或过程)。
[0012]对于本发明各种示例实施例，以下也是适用的:一种装置，其包括用于执行原始提交权利要求1-13、27-39和45-48中的任何一项所述方法的构件。
[0013]从以下仅通过说明包括用于实施本发明所预期的最优模式的多个特定实施例和实施方式的详细说明中，本发明的其它方面、特征、和优点是非常明显的。在不背离本发明精神和范围情况下，本发明还可以有其它或不同实施例，并且可对其若干细节在各种明显的方面进行修改。因此，附图和说明书本质上被认为是说明性的，而非限制性的。
【专利附图】

【附图说明】
[0014]在附图的图中作为示例而不作为限制来说明本发明的实施例:
[0015]图1是根据一个实施例的能够基于用户情景感知组提供推荐的系统的图；
[0016]图2是根据一个实施例的基于用户情景感知组提供推荐的推荐平台的组件的图；
[0017]图3是根据一个实施例的用于基于用户情景感知组提供推荐的过程的流程图；
[0018]图4是根据一个实施例的用于确定一个或多个相似度值的过程的流程图，以用于基于用户情景感知组提供推荐；
[0019]图5是根据一个实施例的用于选择一个或多个推荐模型的过程的流程图，以用于基于用户情景感知组提供推荐；
[0020]图6是根据一个实施例的用于生成一个或多个推荐的过程的流程图，以用于基于用户情景感知组提供推荐；
[0021]图7是根据一个实施例的用于将用户与用于基于用户情景感知组提供推荐的至少一个用户情景感知组相关联的过程的流程图；
[0022]图8是根据一个实施例的用于训练用于基于用户情景感知组提供推荐的用户组的推荐模型的过程的流程图；
[0023]图9A和图9B是根据各种实施例的在图3_8的过程中所使用的用户接口的图；
[0024]图10是能够用于实现本发明的实施例的硬件的图；
[0025]图11是能够用于实现本发明的实施例的芯片组的图；以及
[0026]图12是能够用于实现本发明的实施例的移动终端(例如，手机)的图。
【具体实施方式】
[0027]公开了一种用于基于用户情景感知组提供推荐的方法、装置、和计算机程序的示例。在以下描述中，出于解释的目的，阐述了许多特定细节以便于提供对本发明实施例的完全理解。然而，对于本领域的技术人员来说，在没有这些特定细节或具有等同布置的情况下，也可实践本发明的实施例是显而易见的。在其它情况下，众所周知的结构和设备以框图形式示出，以避免不必要地使本发明的实施例不清楚。
[0028]图1是根据一个实施例的能够基于用户情景感知组提供推荐的系统的示意图。如上所述，对于服务提供商来说，一种能够在变化的情景下根据用户的个性化偏好向用户进行推荐的鲁棒性、个性化的情景感知推荐系统是最有前景的服务中的一种服务。情景感知推荐系统可以根据变化的情景和用户的偏好提供关于例如软件应用、服务、音乐、书籍和其它媒体的推荐。然而，在关于数据的稀疏性以及在生成推荐中所使用的算法的有效性方面存在挑战，所述数据的稀疏性可被分析以确定推荐内容。随着用于生成推荐的可获得的情景信息的广度和可用于推荐的内容的增加，加强了这些挑战。
[0029]为了缓解这些挑战，已经提出了基于群体智慧的情景感知推荐系统。然而，由于由推荐系统所覆盖的大量用户以及与推荐内容的丰富情景特征相比的用户数据的稀疏性，这些系统是非常耗时的并且不可靠。作为示例，一些基于群体的推荐系统依赖于现有用户的数量K以便为具有相似情景信息的新用户生成推荐。然而，当考虑到相比于新用户可能有数百万用户以从中进行选择时，确定与新用户相似的用户数量K是费时的。此外，当考虑到与现有用户的情景信息的稀疏性相比的丰富的情景感知数据集时，将新用户与现有用户进行比较以确定它们的相似度可能是困难的。也就是说，现有用户可能没有足够的数据，或者甚至根本没有数据以便将其与新用户进行比较。甚至，必须基于K个现有用户的每个新集合(从该新集合来选择推荐系统)来生成针对每个新用户的推荐模型。因此，推荐模型不能重新用于新用户。
[0030]为解决这些问题，图1的系统100引入了基于与一个或多个用户组的参考行为信息相比的用户行为信息的相似度以及相对应的推荐模型来提供用户推荐的能力。用户情景感知组基于相似的行为信息构成了组合在一起的用户。系统100还引入了基于与超过一个用户情景感知组相关联的超过一个推荐模型来确定推荐的能力。系统100基于与用户情景感知组相关联的推荐模型来提供规格化的推荐，通过从与用户情景感知组的参考行为信息相比的用户行为信息生成的对应的相似度值对所述推荐进行规格化。偏向于特定的一个或多个用户组的调整后的推荐能够针对每个用户提供更多变化的推荐。
[0031]作为示例，本文所描述的方法的各种实施例可用于在用户首次购买或者说获得新电话时帮助用户。例如，当用户从卖家或商店购买新电话时，可能缺乏可用于生成针对该用户的推荐的信息。然而，当接收到新设备时，用户常常希望或需要针对应用、响铃、主题、媒体等的推荐以安装在他们设备上。在这种情况下，系统200能够使用本文所描述的各种实施例以针对该用户确定适当的推荐以更好地个性化用于用户的设备。因此，当用户购买电话或推荐的应用等时，系统100使能改进用户体验(例如，使该用户更高兴)。另外，系统100减少了用户针对此类应用必须花费的在线搜索的时间量，从而减少了针对该用户的连通性成本和在应用服务器上的网络流量和载荷。
[0032]系统100还引入将新用户与一个或多个用户情景感知组相关联的能力。系统100挖掘新用户的情景交互信息和用户偏好以确定行为信息。然后，使用行为信息以便将新用户划分到用户情景感知组中。可将新用户分类成一个或多个监督的用户情景感知组和/或聚类成一个或多个非监督或半监督用户情景感知组。分类的用户情景感知组构成对应于预定行为特征的预定分类，诸如学生、旅游者、专业人士等。当新用户的行为信息满足于针对预定行为特征的特定阈值时，就将该新用户分类成监督的用户情景感知组。聚类的用户情景感知组构成根据聚类方法所确定的具有相似行为信息的用户组，使得可以完全基于数学来定义组。
[0033]一旦将新用户与一个或多个用户情景感知组相关联，系统100引入了训练和/或重新训练与新用户当前相关联的组相关联的推荐模型的能力，以便考虑与该新用户相关联的新的、改变的情景感知信息，进而增加在推荐模型中所考虑的信息的广度。系统100可以基于计划表，诸如，在N的时间段之后(例如，每周、每月、每年等)来训练推荐模型。可替代或另外的，当新用户刚刚关联于用户情景感知组时，系统100能够基于新用户具有的新的情景交互信息的数量来训练推荐模型。
[0034]如图1中所示出的，系统100包括:用户设备(UE) IOla-1Oln (统称为UE101)具有经由通信网络105到推荐平台103的连通性。UElOl还经由通信网络105连接到服务平台107和内容提供商113a-113n (统称为内容提供商113)。
[0035]UElOl包括:推荐模块Illa-1lln(统称为推荐模块111)，其与推荐平台103进行交互，推荐平台103用于收集和/或挖掘用户情景交互信息和用户偏好以用于确定用户行为信息。推荐模块111还能够与运行在UElOl上的一个或多个应用进行连接，以用于显示由推荐平台103所生成的一个或多个推荐。虽然，在一个实施例中，推荐模块111被说明和/或描述成UElOl的模块，但是推荐模块111可以构成运行在UElOl上的一个或多个应用，所述应用可以与用于收集和/或挖掘用户情景交互信息和用户偏好的推荐平台103进行连接。此外，在一个实施例中，推荐平台103可以不使用推荐模块111而直接与UElOl进行连接或者可以是运行在UElOl上的模块和/或应用。
[0036]UElOl还包括:传感器117a-l 17η (统称为传感器117)，其收集与UElOl、UElOl的用户、周围环境或其组合相关联的情景交互信息。传感器117例如可包括:位置传感器、速度传感器、亮度传感器、音频传感器、湿度传感器、加速度传感器等，其能够确定与UE101、UElOl的用户、UElOl的周围环境和/或UElOl的用户的周围环境、或其组合相关联的情景感知信息。UElOl还包括:数据存储设备119a-119n(统称为数据存储119)，其用于存储用于传送到推荐平台103的信息，诸如情景感知信息。
[0037]如以下详细描述的，推荐平台103基于用户情景感知组提供推荐。虽然，在一个实施例中将推荐平台103说明为系统100的分离的、不同的特征，但是如果例如UElOl不包括推荐模块111，则推荐平台103可以存在于UElOl内。在一个实施例中，推荐平台103可以存在于服务平台107上作为服务109a。与推荐平台103或其部分通信的是平台存储115，所述平台存储115用于存储关于用户情景感知组的信息，诸如与用户情景感知组相关联的参考行为信息和推荐模型，以及用户行为信息。平台存储115能够存储用于基于用户情景感知组提供推荐的任何其他模型和/或规则。
[0038]如上所述，推荐平台103和UElOl具有经由通信网络105至包括一个或多个服务109a-109n(统称为服务109)的服务平台107的连通性。服务109可包括:天气服务、位置服务、地图服务、导航服务、媒体服务等。服务109能够提供例如关于环境条件(例如，天气)、活动(例如，参与在线游戏)、偏好(例如，音乐偏好)、位置(例如，位置偏好)等的附加或补充信息。这个附加信息可以用于进一步限定用户行为信息以用于基于用户情景感知组提供推荐。作为示例，服务平台107能够提供服务109a，所述服务109a能够提供导航信息以便推荐平台103能够将导航信息与用户行为信息进行关联。因此，当用户正沿着路由导航时，推荐平台103能够生成相对于用户行为模式的信息。
[0039]如上所述，推荐平台103和UElOl具有经由通信网络105至内容提供商113的连通性。内容提供商能够提供关于天气、位置、地图、导航路由、媒体等的内容，进而提供可用于进一步限定用于基于用户情景感知组提供推荐的用户行为信息的附加或补充信息。作为示例，内容提供商113a能够提供过去的天气信息，使得推荐平台103能够使用户行为信息与过去天气信息相关，以便推荐平台103能够生成相对于用户在天气晴朗、多云、下雨、下雪等的行为模式。
[0040]作为示例，系统100的通信网络105包括一个或多个网络，诸如数据网络、无线网络、电话网络，或其组合。可以设想:数据网络可以是任何局域网(LAN)、城域网(MAN)、广域网(WAN)、公共数据网络(例如互联网)、短距无线网络，或任何其它适当的分组交换网络(诸如商业所有的专有分组交换网络，例如专用线缆或光纤网络等)，或其组合。另外，无线网络例如可以是蜂窝网络，并可以利用多种技术，该多种技术包括全球演进的增强型数据速率(EDGE)、通用分组无线业务(GPRS)、全球移动通信系统(GSM)、互联网协议多媒体子系统(MS)、通用移动电信系统(UMTS)等，以及任何其它适当的无线介质，例如，全球互通微波存取(WiMAX)技术、长期演进(LTE)网络、码分多址(CDMA)、宽带码分多址(WCDMA)、无线保真(WiFi)、无线局域网(WLAN)、蓝牙?、互联网协议(IP)数据广播、卫星、移动ad-hoc网络(MANET)等，或它们的任意组合。
[0041]UElOl是任何类型的移动终端、固定终端或便携式终端，其包括移动手机、站、单元、设备、多媒体计算机、多媒体平板计算机、互联网节点、通信器、台式计算机、便携式计算机、笔记本计算机、上网本、平板计算机、个人通信系统(PCS)设备、个人导航设备，个人数字助理(PDA)、音频/视频播放器、数码相机/摄像机、定位设备、电视接收机、无线电广播接收器、电子书籍设备、游戏设备，或它们的任意组合，包括这些设备的附件和外围设备，或它们的任意组合。还可以设想UElOl可以支持至用户的任何类型的接口(如“可穿戴”电路
坐坐')
寸寸/ ο
[0042]作为示例，UE101、推荐平台103、服务平台107以及内容提供商113使用众所周知的、新的、或仍在开发中的协议彼此相互通信，并与通信网络105的其它组件通信。在这种情景中，协议包括一组规则，其定义通信网络105中网络节点如何基于通信链路发送的信息彼此进行交互。协议在每个节点内的不同操作层是有效的，从生成和接收各种类型的物理信号，到选择链路传输这些信号，到将由这些信号表示的信息的格式化，到指示计算机系统执行的哪个软件应用发送或接收信息。用于在网络上交换信息的协议的不同概念层在开放系统互联(OSI)参考模型中描述。
[0043]网络节点之间的通信通常通过交换离散数据分组来实施。每个分组通常包括(I)有关特定协议的报头信息，和(2)有效载荷信息，有效载荷信息跟随报头信息并包括有可独立由特定协议进行处理的信息。在某些协议中，分组包括(3)尾部信息，尾部信息跟随有效载荷并指示有效载荷信息的结束。报头包括如下的信息，诸如分组的源、它的目的地、有效载荷长度和该协议使用的其它属性。通常，用于特定协议的在有效载荷中的数据包括与OSI参考模型不同的、更高层相关联的不同协议的报头和有效载荷。用于特定协议的报头通常指示包含在其有效载荷中的下一个协议的类型。更高层协议可以说是封装在更底层协议中。如OSI参考模型所定义的那样，包括在分组中的报头穿过多个异构网络，诸如互联网，其通常包括物理层(层I)报头、数据链路层(层2)报头、互联网层(层3)报头和传输层(层4)报头和各种应用层(层5，层6和层7)报头。
[0044]图2是根据一个实施例的推荐平台的组件的示意图。作为示例，推荐平台103包括一个或多个组件，其用于基于用户情景感知组提供推荐。可以设想:这些组件可以组合成一个或多个组件或由等同功能的其它组件来实现。在这个实施例中，推荐平台103包括:行为模块201、相似度模块203、组模块205、训练模块207、推荐模块209以及通信模块211.[0045]行为模块210收集由推荐平台103所使用的信息以确定用户的行为信息。在一个实施例中，行为模块201通过通信模块211与UE101a、UE101a的推荐模块11 Ia或其组合通信以确定该UElOla的情景交互信息和偏好信息。在一个实施例中，行为模块201与服务平台107、内容提供商113或其组合通信以确定在确定UElOla的用户的行为信息中所使用的附加或补充信息。一旦确定UElOla的情景交互信息和偏好信息,行为模块201挖掘针对行为信息的信息，所述行为信息由推荐平台103使用以生成一个或多个推荐。
[0046]作为示例，行为模块201与UElOla的推荐模块Illa通信以收集UElOla的用户的情景记录。所述情景记录例如可以根据时间戳、与时间戳相关联的情景交互信息、与情景交互信息和/或时间戳相关联的软件应用、以及软件应用的种类进行格式化。此类的情景记录的示例包括:
[0047]〈Time StamplX {Holiday = No} {Time Period = 10:00-11:00} {Speed = Low}{Location = Business Place} {Profile = Silent} XFirefoxXffeb Browser)
[0048]〈Time Stamp2><{Holiday = No}{Time Period = 18:00-19:00}{Speed = High}{Location = Others} {Profile = Normal} XAngry BirdsXGames>[0049]基于以上情景记录，在第一时间戳(例如，在10:00和11:00之间的时间)，用户正在使用网络浏览器(例如，Firefox)，同时在工作时(例如，商业地点；非假期；低速度)使他们的UElOla处于静音情景模式。在第二时间戳(例如，在18:00和19:00之间的时间)，用户正在一些未知的地点玩愤怒的小鸟的游戏，同时正在某些形式的交通工具中出行(例如，高速度)。
[0050]基于这些情景记录，行为模块201能够挖掘用户的行为模式。此类挖掘方法例如可以包括:先验的、FP-增长或其他关联规则算法。例如，从以上情景记录挖掘出的行为模式(例如，行为信息)可以构成:
[0051]{Holiday = No} {Speed = Low} {Profile = Silent} {Location =BusinessPlace} — {application = web browser}
[0052]{Holiday = No} {Time Period = evening} {Speed = High}
[0053]— {application = games}
[0054]这些行为模式例如暗示:在工作日期间，用户可能使用UElOla来使用网络浏览器浏览互联网，并且在从工作地返回到家的晚间期间，用户可能使用他们的UElOla来玩游戏。
[0055]在一个实施例中，当用户首次使用推荐平台103以生成一个或多个推荐时，行为模块201收集用户的情景交互信息和偏好信息以确定行为信息。在一个实施例中，在自从确定了先前的行为信息的一段时间之后，行为模块201收集用户的新的情景交互信息和新的偏好信息以确定针对该用户行为信息的更新。例如，每周、每月或每年，行为模块201确定针对情景交互信息和偏好信息的更新以更新行为信息。这允许推荐平台103例行地重新评估用户的行为信息以更好地为用户推荐内容。
[0056]行为模块201还基于与用户情景感知组相关联的的集体行为信息确定与情景感知组相关联的参考行为信息。随着时间，随着更多的用户与推荐平台103交互，与用户情景感知组相关联的用户的数量也在增加。另外，由于用于划分用户的数据的稀疏性的减少，推荐平台103能够定义新的用户情景感知组以便将用户划分到其中。一旦创建新的用户情景感知组和重新训练现有的情景感知组的推荐模型(下文论述)，行为模块201确定与用户情景感知组相关联的参考行为信息，以便在生成或训练与相应的一个或多个用户情景感知组相关联的一个或多个参考推荐模型中使用。
[0057]相似度模块203确定用户的行为信息和与用户的情景感知组相关联的参考行为信息之间相似度。相似度模块203能够使用一个或多个算法来将用户行为信息与参考行为信息进行比较，以生成对应的相似度值。此类的特定方法例如可包括:决策树分类或基于距离的方法(例如，KL散度)或任何其他已知的比较算法。每个相似度值例如可以基于将关联于特定用户情景感知组的参考行为信息与用户的行为信息的比较，对应于用户属于用户情景感知组的概率。在一个实施例中，可以针对将每个用户情景感知组与用户行为信息进行比较来计算相似度值。因此，在某种意义上，通过对应于所计算的针对用户情景感知组中的每个用户情景感知组的相似度值的数量，用户能够属于所有的用户情景感知组。
[0058]组模块205控制在推荐平台103内的用户情景感知组的数量。随着更多的新用户与推荐平台103相关联，使得与用户相关联的行为信息的广度和/或解析度增加，组模块205通过将现有的用户情景感知组分成更小的、更多限定的用户情景感知组来增加组的数量。作为示例，用户情景感知组可以具有99个用户，其共享除了一个行为特性之外的相同行为信息，使得49个用户在具有特性Al的组内并且剩余的50个用户具有特性A2。如果新用户与该组相关联并且该新用户具有特性Al，则组模块205能够将当前的用户情景感知组分成两个不同的用户情景感知组，使得每个组中有50个用户。相似地，当新用户与推荐模块103相关联并且该新用户包括覆盖一些其他类型的行为和/或内容的新的行为信息时，组模块205能够创建新的用户情景感知组以处理附加的行为和/或内容。
[0059]组模块205还确定将新用户或已经改变行为的现有用户与一个或多个用户情景感知组相关联。此类关联可以基于将用户分类到用户情景感知组的用户分类或将用户聚类到用户情景感知组的用户的聚类。
[0060]将用户分类到用户情景感知组的分类例如依赖于匹配监督的用户情景感知组的预定行为或情景交互信息的用户行为信息。例如，一些形式的监督，诸如来自提供推荐平台的服务的服务提供商，将用户情景感知组例如分类成医生。因此，当用户的行为或情景交互信息匹配医生情景感知组的分类参数时，组模块205将新用户与特定组相关联。因此，组模块205可以考虑许多不同类型的分类，诸如，学生、教师、医生、律师、青少年、祖父母等。用户可以属于任何数量的监督的、基于分类的用户情景感知组。可用于将用户分类到监督的用户情景感知组的算法例如可以包括:使用k最近邻或决策树方法。
[0061]将用户聚类成非监督的或半监督的用户情景感知组的聚类例如至少部分地依赖于与用户的情景感知组的各自的参考行为信息相比的用户行为信息的相似度值。因此，例如将用户聚类成非监督的用户情景感知组的聚类至少部分地基于与用户的情景感知组的参考行为信息相比的用户的行为信息的数学分析。将用户聚类成非监督的用户情景感知组的此类方法包括:主题建模、矩阵分解以及k均值聚类。
[0062]组模块205还将平台存储115中的所存储的一个或多个推荐模块与对应的用户情景感知组进行关联。组模块205还确定何时更新与用户情景感知组相关联的推荐模型。组模块205确定例如基于一段时间段(例如，每周、每月、每年等)与推荐模型相关联的用户情景感知组内的新用户的数量、与被划分在用户情景感知组中的用户相关联的行为信息的广度和/或解析度，或其组合来更新推荐模型。作为示例，如果用户情景感知组从与该组相关联的100个用户开始，并且用户的数量扩张到200，则由于例如生成推荐模型的数据的稀疏度已经减少以允许更完整的推荐模型，组模块205能够确定更新推荐模型。
[0063]训练模块207基于与用户情景感知组相关联的行为信息来训练与用户情景感知组相关联的推荐模型。在一个实施例中，训练模块207基于针对作为一个集体的用户组而确定的参考行为信息来训练推荐模型。在一个实施例中，训练模块207基于与相应的一个或用户情景感知组相关联的用户行为信息的一部分或全部的用户行为信息的行为信息来训练推荐模型。如上所述，当组模块205确定应当训练推荐模型时，训练模块207训练用于用户情景感知组的推荐模型。因此，例如，训练模块207能够基于自从上一次训练推荐模型流逝的N个时间段(例如，周、月、年等)来训练推荐模型。
[0064]推荐模块209从行为模块201、相似度模块203和组模块205获得信息以便为使用推荐平台103的一个或多个用户确定一个或多个推荐。在一个实施例中，推荐模块209提供没有规格化的来自推荐模块的推荐。在一个实施例中，推荐模块209为特定用户提供根据与用户情景感知组相关联的相应的相似度值进行规格化的来自推荐模型的推荐。作为示例，推荐模块209使用由相似度模块203确定的一个或多个相似度值以及与一个或多个用户情景感知组相关联的一个或多个推荐模型来确定一个或多个推荐。基于由一个或多个推荐模型提供的推荐，推荐模块209能够基于来自一个或多个推荐模型的推荐的组合来生成推荐，基于对应于一个或多个用户情景感知组的一个或多个相似度值对所述一个或多个推荐模型进行规格化。因此，推荐模块209能够调整一个或多个推荐模型的结果以偏向于特定的一个或多个组将数个推荐组合成一个推荐。所述调整可以基于行为信息、情景交互信息和/或用户偏好。
[0065]例如相对于一个实施例，组A的推荐模型可以以0.15的推荐值推荐内容X，组B的推荐模型可以以0.10的推荐值推荐内容Y，以及组C的推荐模型可以以0.05的推荐值推荐内容Z。此外，用户可以具有对应于组A的0.10、组B的0.20和组C的0.05的相似度值。因此，当仅单独地关注于各种用户情景感知组的推荐模型时，推荐的组合将导致内容X为向用户推荐的优选的内容，这是因为内容X具有最大的推荐值0.15。然而，在通过相似度值规格化推荐值之后，推荐的组合导致内容Z为推荐的内容，其具有0.025的推荐值(例如，
0.05x0.50)，作为对比，内容X仅具有0.015的推荐值(例如，0.15x0.10)。因此，基于相比于与相应的用户情景感知组相关联的行为信息的用户行为信息的相似度，用户可以接收更个性化和准确的推荐。另外，由于推荐模块209使用来自与针对每个用户进行个性化的相似度值成对的用户情景感知组的各种推荐模型，因此推荐平台103可以重新使用针对所有用户的各种用户情景感知组的各种推荐模型而不必针对每个用户确定个性化的推荐模型。重新使用推荐模型的能力增加了推荐平台103的有效性，这是因为推荐平台103不必执行开发针对每个单独用户的推荐模型的复杂和费时过程。
[0066]通信模块211与系统100的各种元件进行连接以交换由推荐平台103所要求的信息以确定针对用户的推荐。作为示例，推荐平台103通过通信模块211与平台存储115进行接口和通信网络105进行连接以获得来自UE101、服务平台107和/或内容提供商113的
情景交互信息。
[0067]图3是根据一个实施例的用于基于用户情景感知组提供推荐的过程300的流程图。在一个实施例中，推荐平台103执行过程300，并且例如实现成包括如图11所示出的处理器和存储器的芯片组中。
[0068]在步骤301，推荐平台103基于从UElOl获得的、对来自服务平台107和/或内容提供商113补充或附加的行为信息，并将该行为信息与一个或多个用户情景感知组的参考行为信息进行比较，来确定用户的一个或多个相似度值。在步骤303，推荐平台103确定与一个或多个用户情景感知组相关联的一个或多个推荐模型以用于基于用户的相似度值生成一个或多个推荐。在一个实施例中，推荐平台103可以从与从用户的行为信息所确定的用户的相似度值相关联的所有用户情景感知组中选择推荐模型，用户的行为信息所确定的用户的相似度值可包括用于所有用户情景感知组的相似度值。在一个实施例中，推荐平台103可以从与具有最高值的相似度值相关联的用户情景感知组中选择推荐模型。也就是说，推荐平台103可以使用与所有用户情景感知组相关联的所有推荐模型，或能够基于对应于特定用户的情景感知组的相似度值使用与用户情景感知组的子集相关联的推荐模型的子集。因此，推荐平台103可以仅使用与更匹配于与关联于该用户的行为信息的用户情景感知组相关联的推荐模型。在步骤205，推荐平台103基于所选择的推荐模型确定一个或多个推荐，并向该用户提供该推荐。
[0069]图4是根据一个实施例的用于确定一个或多个相似度值的过程400的流程图，以用于基于用户情景感知组提供推荐。在一个实施例中，推荐平台103执行过程300，并且例如实现成包括如图11中所示出的处理器和存储器的芯片组。
[0070]在步骤401中，推荐平台103收集来自用户UElOl的情景交互信息，以及来自服务平台107和/或内容提供商113的附加或补充情景交互信息和/或用户偏好信息。情景交互信息可以包括以上所述的内容记录，诸如在用户的UElOla上用户使用的是什么情景特定应用。在步骤403，推荐平台103挖掘情景交互信息和用户偏好信息以生成行为信息。行为信息例如对应于情景交互信息内的行为模式。此类行为信息可包括用户在早晨中的什么时间通过什么交通模式乘车去工作。可以通过分析在每周期间中每一天中的特定点上的情景记录来挖掘此类行为信息。推荐平台103可以使用适当的挖掘算法来从用户的情景交互信息的特定情景记录和/或用户偏好中提取行为信息。挖掘行为信息的特定方法例如包括:先验、频繁模式增长和其它关联规则或算法。
[0071]在步骤405中，推荐平台103将在步骤403中生成的用户行为信息与一个或多个用户情景感知组的参考行为信息进行比较。在步骤407中，推荐平台103基于在步骤405中的比较，使用定义的相似度度量生成对应于一个或多个用户情景感知组的一个或多个相似度值。相似度值例如表示特定用户的行为信息匹配针对特定用户情景感知组的参考行为信息有多近。在一个实施例中，相似度值表示用户属于特定用户情景感知组的概率。例如，基于用户的行为信息与用户情景感知组相关联的参考行为信息进行比较，有0.5的概率用户将符合根据与特定用户情景感知组相关联的推荐模型所生成的推荐。因此，不是生成针对用户的完全个性化的推荐模型，而是推荐平台103能够调节推荐模型以符合所有用户。相似度度量能够构成任何已知的常规的相似度度量技术。在步骤407之后，过程400结束。
[0072]图5是根据一个实施例的用于选择一个或多个推荐模型的过程500的流程图，以用于基于用户情景感知组提供推荐。在一个实施例中，推荐平台103执行过程300，并且例如实现成包括如图11中所示出的处理器和存储器的芯片组中。
[0073]在步骤501中，推荐平台103确定是否已经设置阈值相似度值。作为示例，阈值相似度值控制是否选择与用户的情景感知组相关联的推荐模型以生成推荐。例如，如果对应于用户的情景感知组的相似度值不大于阈值相似度值，则推荐平台103确定特定用户行为信息不足够接近于用户情景感知组的参考行为信息。因此，在生成针对该用户的推荐中，不需要考虑该用户情景感知组，以及与该用户情景感知组相关联的一个或多个推荐模型。在用户的情景感知组的数量较大的情况下，以及与用户情景感知组相关联的参考行为信息之间的差距较大，则阈值相似度值允许推荐平台103忽略针对特定用户的潜在的许多不相关的推荐模型。这进一步增加了生成针对大量用户的推荐的有效性。
[0074]在一个实施例中，可以由提供与推荐平台103相关联的推荐服务的服务提供商来设置阈值相似度值。在一个实施例中，可以由使用推荐平台103的单独用户来设置阈值相似度值。在一个实施例中，可以由服务提供商和单独的用户两者来设置多个阈值相似度值，使得一个相似度值一直控制只要该值不与其他阈值相似度值冲突。例如，只要用户的阈值相似度值不像服务提供商的阈值相似度值那样限制，则该用户的阈值相似度值可以一直控制。在一个实施例中，相似度值用于生成阈值相似度值。例如，在生成的五个相似度值(特定的相似度值为0.01,0.02,0.05,0.80和0.90)的示例中，基于相似度值大于和小于0.80
的差异，推荐平台103能够自动地将阈值相似度值设置为0.80以排除使用不接近地匹配于用户的行为信息的推荐模型。
[0075]在步骤501，如果推荐平台103确定设置了阈值相似度值，过程500前进到步骤503。如果在步骤501，推荐平台103确定还没有设置阈值相似度值，则过程500前进到步骤509。
[0076]在步骤503，推荐平台103将相似度值与阈值相似度值进行比较以确定用于由推荐平台103使用的过程500和其它过程的剩余的相似度值的子集。
[0077]在步骤505，推荐平台103将用户与对应于相似度值的用户情景感知组相关联。也就是说，在某种意义上，相似度值的子集基于特定用户的行为信息和与用户情景感知组相关联的参考行为信息之间的相似度来确定特定用户属于哪个用户情景感知组。
[0078]在步骤507，推荐平台103选择与用户情景感知组的对应子集相关联的一个或多个推荐模型的子集。因此，推荐平台103基于阈值相似度值清除与特定用户相比在行为信息中不足够相似的用户情景感知组和相似度值，基于推荐模型的子集生成一个或多个推荐。这个过程允许推荐平台103针对特定用户对推荐进行裁剪，而不必针对所有的各种用户生成特定的推荐模型。
[0079]在步骤509，如果还没有设置阈值相似度值，则推荐平台103选择与所有的用户情景感知组相关联的所有推荐模型。因此，如果没有设置了阈值相似度值，则推荐平台103基于对应于所有的用户情景感知组的所有推荐模型来确定一个或多个推荐。在步骤509之后过程500结束。
[0080]图6是根据一个实施例的用于生成一个或多个推荐的过程600的流程图，以用于基于用户情景感知组提供推荐。在一个实施例中，推荐平台103执行过程300，并且例如实现成包括如图11中所示出的处理器和存储器的芯片组。
[0081]在步骤601，已经根据上述过程500选择了一个或多个推荐模型，推荐平台103确定与关联于用户的特定推荐查询相关联的一个或多个推荐。可以通过根据已知的常规推荐模型技术中的一个或多个推荐模型来生成所述推荐。在步骤601之后，过程600可以结束并且向特定用户提供基于一个或多个推荐模型所确定的各种推荐。例如，以相应的顺序，推荐模型A可以推荐内容A、B和C，推荐模型B可以推荐内容A、B和D，并且推荐模型C可以推荐内容A、B和C。因此，在步骤601之后，推荐平台103可以基于所有的推荐模型提供以内容A、B、C和D为顺序的推荐。可替代地，推荐平台103可以基于最多推荐的内容(例如，模型A和C都推荐了内容A、B和C)来推荐前N个内容，诸如内容A、B和C。可替代地，过程600可以前进到步骤603以根据相似度值来对推荐进行规格化。
[0082]在步骤603，推荐平台103选择与一个或多个选择的推荐模型相关联的一个或多个相似度值。例如，推荐平台103选择一个或多个相似度值，所述相似度值用于确定在步骤601中使用一个或多个推荐模型，如上文相对于过程500所论述的。如果没有设置阈值相似度值，则在步骤603，推荐平台103选择所有的相似度值。
[0083]在步骤605，推荐平台103基于与用于生成一个或多个推荐的一个或多个推荐模型相关联的一个或多个相似度值，将在步骤601所确定的一个或多个推荐进行规格化。作为示例，相对于上文所述的示例，推荐模型A和C可以具有0.10和0.05的相似度值，并且推荐模型B可以具有0.95的相似度值。因此，在根据与推荐模型相关联的相应的相似度值对由推荐模型所生成的推荐进行规格化之后，考虑到与推荐模型B相关联的相似度值远高于推荐模型A和C，根据内容A、B、D和C推荐了内容A、B、C和D的相同的内容。这种关系可以通过方程式进行归纳“New Score {Ik} = Sim(Ui, Gj)/Score (Ik, Gj) ”,其中 Sim(Ui, Gj)表示针对Ui的相对于组Gj的相似度值，Score(Ik, Gj)表示由来自组Gj的推荐模型针对用户Ui的内容Ik的原始推荐分数，以及New Score(Ik)表示内容Ik的新分数。因此，基于组合推荐来生成所提供的推荐，所述推荐是根据与用户组相关联的相似度值对基于与用户组相关联的数个推荐模型的推荐进行标准化的推荐。根据这个方法，用户能够接收基于丰富情景感知数据集的个性化推荐，而不通过要求针对每个单独用户的个性化推荐模型来降低推荐系统的效率。
[0084]在步骤607，推荐平台103生成并提供基于以上规格化的一个或多个推荐。在步骤607之后，过程600结束。
[0085]图7是根据一个实施例的用于将用户与用于基于用户情景感知组提供推荐的至少一个用户情景感知组相关联的过程700的流程图。在一个实施例中，推荐平台103执行过程300，并且例如实现成包括如图11中所示出的处理器和存储器的芯片组。
[0086]在步骤701，推荐平台103确定用户情景感知组中的任何用户情景感知组是否是监督的用户情景感知组。此类监督的用户情景感知组包括基于分类(诸如，出租车驾驶员、医生、学生、青少年等)定义的用户组。组被认为是“监督的”是因为一些监督已经发生以至少部分地定义与用户相关联的行为信息变成与用户情景感知组相关联。例如，可以通过控制推荐平台103的服务提供商来控制此类监督。如果在步骤701推荐平台103确定存在监督的用户组，则过程700前进到步骤703。如果推荐平台103确定没有监督的用户情景感知组，则过程700前进到步骤707。
[0087]在步骤703，推荐平台103处理与特定用户相关联的行为信息以确定关于行为信息的至少一些记录是否匹配于与一个或多个监督的用户情景感知组相关联的预定的行为信息的记录。在处理行为信息之后，推荐平台103将特定用户与匹配于该特定用户的行为信息的一个或多个监督的用户情景感知组相关联。作为示例，用户行为信息揭示了该用户在早晨开车去医院工作，并且在晚间从工作的医院开车回家，例如指示该用户是医生。另夕卜，在该用户日程表和地址薄中的联系信息和预约信息甚至进一步指示了该用户是医生。因此，该用户与被分类为医生的监督的用户情景感知组相关联。如上所述，推荐平台103能够使用各种算法以确定用户的分类，诸如k最近邻或决策树方法。
[0088]在步骤707，推荐平台103处理用户的行为信息以确定该用户与哪个非监督的或半监督的用户情景感知组相关联。在一个实施例中，基于针对用户情景感知组中的每个情景感知组所计算的一个或多个相似度值来执行比较。因此，用于将用户聚类到非监督或半监督的用户情景感知组中的方法可包括:决策树或诸如KL-散度的基于距离的方法，其用于确定用于将用户与一个或多个用户情景感知组相关联的相似度值。例如，其它方法包括:主题模型、矩阵分解以及k均值聚类。在步骤709，推荐平台103将用户与具有匹配行为信息的非监督的用户组相关联。在步骤709之后，过程700结束。
[0089]图8是根据一个实施例的用于训练针对用于基于用户情景感知组提供推荐的用户组的推荐模型的过程800的流程图。在一个实施例中，推荐平台103执行过程300，并且例如实现成包括如图11中所示出的处理器和存储器的芯片组。
[0090]在步骤801，推荐平台103选择用户情景感知组中的一个用户情景感知组以进行更新。可以随机地选择或基于设置的更新模式(诸如基于创建组的顺序连续地)选择用户情景感知组中的所选择的一个用户情景感知组。
[0091]在步骤803，推荐平台103确定是否已经从上一次更新所选择的用户情景感知组的推荐模型流逝掉阈值时间段。如果阈值时间段没有流逝掉，则过程800前进到步骤805。否则，过程800前进到步骤809。
[0092]在步骤805，推荐平台103确定在与所选择的用户情景感知组相关联的用户的数量中是否已经有设置变化。所述设置变化可以是已经与所选择的用户情景感知组相关联或不相关联的百分比或用户的数量。如果不满足在与所选择的用户情景感知组相关联的用户数量中的所述设置变化，则过程800前进到步骤807。否则，过程800前进到步骤809。
[0093]在步骤807，推荐平台103确定是否已经满足针对一个或多个新用户的行为信息的阈值。作为示例，与所选择的用户情景感知组相关联的一个或多个新用户可以包括:大量的行为信息、情景交互信息和/或用户偏好信息，其可以实际上改变与所选择的用户情景感知组相关联的参考行为信息。在这种情况下，可以修改基于与所选择的用户情景感知组相关联的行为信息的推荐模型，以考虑在行为信息中的变化。如果已经满足针对一个或多个新用户的行为信息的阈值，在过程800前进到步骤809。否则，过程800前进回到步骤801，并且选择另一个用户情景感知组以进行更新。
[0094]在步骤809，推荐平台103基于与关联于所选择的用户情景感知组的用户相关联的行为信息，来确定所选择的用户情景感知组的参考行为信息。可替代地，推荐平台103能够单独地基于与用户中的一部分用户或所有用户相关联的集体行为信息，而不是基于参考行为信息来确定一个或多个推荐模型。
[0095]在步骤811，推荐平台103基于在步骤809所确定的行为信息来训练与所选择的用户情景感知组相关联的推荐模型。推荐平台103根据已知的训练算法来训练与所选择的用户情景感知组相关联的一个或多个推荐模型。在步骤811之后，过程800结束。
[0096]图9A和图9B是根据各种实施例的在图3_8的过程中所使用的用户界面的示意图。图9A示出了当使用推荐平台103以例如推荐音乐时的用户界面901a，其例如显示在UElOla的屏幕上。用户界面901a图示了与UElOla相关联的用户已经与由指示器903所示出用户情景感知组关联。指示器903包括被标记为另类、摇滚、流行、青少年、年轻人、火车通勤者和公交车通勤者的用户情景感知组。虽然，与指示器903相关联的用户情景感知组全部由人类可理解的名称进行标记，但是可以通过任何类型的标签对用户情景感知组进行标记，包括字母和数据的随机字符串，当由推荐平台103在后端执行处理时，该随机字符串可能不向用户进行显示，对用户是不可见的。可以基于任何类型的匹配的行为信息来形成此类组。然而，在一个实施例中，当用户可以看见用户情景感知组的名称时，可以对组进行适当地标记，以便用户能够理解组的主题。另类、摇滚组是基于用户行为信息，其匹配于与例如基于用户喜欢同样类型的音乐的这些用户情景感知组相关联的用户的参考行为信息。此外，青少年和年轻人组是基于用户行为信息，其匹配与例如基于用户具有暗示同样年龄组的情景交互信息的这些用户情景感知组相关联的用户的参考行为信息。因此，需要重点注意的是，虽然用户已经与青少年的用户情景感知组相关联，但是这并不一定意味着该用户实际上是青少年。相反，该用户可能仅仅喜欢听大多数青少年喜欢听的音乐。此外，火车通勤者和公交车通勤者是基于用户行为信息，其匹配于与例如基于行为模式指示用户乘车去工作的交通工具的方式的这些用户情景感知组相关联的用户的参考行为信息。
[0097]指示器905图示针对这个特定用户的与用户情景感知组中的每一个用户情景感知组相关联的相似度值。如由指示器905可见，与流行乐和青少年相关联的相似度值较高(例如，分别为0.95和0.90)，其指示基于行为信息的比较与这些用户情景感知组相关联的推荐模型将很好地应用于特定用户的偏好的高似然性。此外，与公交车通勤者相关联的相似度值不是很高(例如，0.35)，其指示基于行为信息的比较与这些用户情景感知组相关联的推荐模型将很好地应用于特定用户的偏好的较低似然性。由指示器905表示的相似度值是用于对于由指示器903表示的用户情景感知组相关联的推荐模型所生成的推荐进行规格化。
[0098]图9B图示了当使用推荐平台103以例如推荐音乐时的用户界面901b，其例如显示在UElOla的屏幕上。用户界面901b显示了由推荐平台103基于与由指示器903示出的用户情景感知组相关联的推荐模型来做出的推荐，所述推荐基于与由指示器905示出的用户情景感知组相关联的相似度值进行规格化。如图9B所图示的，指示器907示出已经推荐了特定的艺术家，并且指示器909图示了对于每个推荐所给出的信心分数。所述信心分数例如可以由如在图9b中示出的条块，或通过任何其他方式(诸如星、字母、数字等或其组合)来表示。信心分数是由推荐平台103基于与特定用户属于的用户情景感知组相关联的每个推荐模型的信心分数所生成的信心分数的图形表示，信心分数由针对于每个用户情景感知组相关联的特定用户的相似度值进行规格化。因此，特定用户接收较高的个性化推荐，同时通过使用基于组的推荐增加推荐过程的有效性。
[0099]可以经由软件、硬件、固件或软件和/或固件和/或硬件的组合来有利地实现本文所述的用于基于用户情景感知组提供推荐的过程。例如，这里所述的过程可经由(多个)处理器、数字信号处理(DSP)芯片、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等来有利地实现。用于执行所述功能的这种示例硬件在以下详细描述。
[0100]图10图示可以执行本发明的实施例的计算机系统1000的示意图。尽管参照特定设备或装置描述了计算机系统1000，但可以设想图10内的其它设备或装置(例如网络元件、服务器等)可以应用于所示的系统1000的硬件和组件。计算机系统1000被编程(例如经由计算机程序代码或指令)，以如本文所述的基于用户情景感知组提供推荐，并包括诸如总线1010的通信机构，用于在计算机系统1000的其它内部和外部组件之间传递信息。信息(也被称为数据)被表示为可测量现象的物理表示，典型的是电压，但在其它实施例中可包括如磁的、电磁、压力、化学、生物、分子、原子、亚原子和量子的相互作用等。例如，北和南磁场或零和非零电压表示二进制数字的两个状态(0，1)。其他现象可以表示更高基数的数字。测量前多个同时发生的量子态的叠加表示一个量子位(量子比特)。一个或多个数字的序列组成数字数据，其被用于表示针对字符的数字或代码。在某些实施例中，被称为模拟数据的信息由特定范围内几乎连续的可测量值表示。计算机系统1000或它的一部分组成用于执行基于用户情景感知组提供推荐的一个或多个步骤的构件。
[0101]总线1010包括一个或多个信息的平行导体，从而使得信息在耦合到总线1010的设备间快速传递。用于处理信息的一个或多个处理器1002与总线1010耦合。[0102]处理器(或多个处理器)1002通过有关基于用户情景感知组提供推荐的计算机程序代码的指定，在信息上执行一组操作。计算机程序代码是一组指令或提供指令的声明，以操作处理器和/或计算机系统执行指定功能。代码例如可以用计算机程序语言来编写，它可以编译成处理器的母语指令组。还可以直接使用母语指令组(例如机器语言)来编写代码。这组操作包括从总线1010取来信息和将信息置于总线1010上。这组操作通常还包括比较两个或多个信息单元、移位信息单元位置和组合两个或多个信息单元，诸如通过加法或乘法或诸如或，异或(XOR)和与的逻辑操作。通过被称为指令(例如一个或多个数字的操作码)的信息可向处理器表示可以由处理器执行的这组操作的每个操作。由处理器1002执行一系列的操作，诸如操作码序列、连续处理器指令(也被称为计算机系统指令或简单称为计算机指令)。处理器可以实现为机械的、电的、磁的、光的、化学的或量子组件以及它们的组合。
[0103]计算机系统1000还包括耦合到总线1010的存储器1004。存储器1004 (诸如随机存取存储器(RAM)或任何其他动态存储设备)存储包括用于基于用户情景感知组提供推荐的处理器指令的信息。动态存储器允许通过计算机系统1000改变存储在其中的信息。RAM允许保存在被称为存储器地址中的位置处的信息单元独立于邻接地址的信息被保存和获取。存储器1004页被处理器1002用于保存在处理器指令执行期间的临时值。计算机系统1000还包括只读存储器(ROM) 1006或耦合到总线1010上的用于存储静态信息的任何其它静态存储设备，该静态存储设备包括不被计算机系统1000改变的指令。某些存储器由易失性存储器组成，在掉电时它们会失去保存于其上的信息。非易失性存储器(持久性)1008也耦合到总线1010上，该非易失性存储器(持久性)1008如磁盘、光盘或闪存卡，其用于存储包含指令的信息，即使计算机系统1000关断或掉电，其仍然存在。
[0104]包括用于基于用户情景感知组提供推荐的指令的信息从外部输入设备1012提供给总线1010以通过处理器使用，外部输入设备1012诸如包含由人类用户操作的数字字母键的键盘、麦克风、红外(IR)远程控制、操纵杆、游戏板、记录笔、触摸屏或传感器。传感器检测它附近的状况并将这些检测转换为与可用于表示计算机系统1000中的信息的可测量现象相兼容的物理表示。耦合到总线1010上主要用于与人们进行交互的其它外部设备包括显示设备1014和定点设备1016，显示设备1014诸如阴极射线管显示器(CRT)、液晶显示器(LCD)、发光二极管(LED)显示器、有机发光二极管(OLED)显示器、等离子屏幕或用于显示文本或图像的打印机，定点设备1016诸如鼠标、轨迹球、光标方向键，或者用于控制在显示器1014上呈现的小光标的位置并发出与显示器1014上呈现的图形元素有关的命令的运动传感器。在某些实施例中，例如在其中计算机系统1000自动执行所有功能而没有人工输入的实施例中，一个或多个的外部输入设备1012、显不设备1014和定点设备1016可以被省略。
[0105]在所示实施例中，诸如专用集成电路(ASIC) 1020的专用硬件耦合到总线1010。专用硬件被配置为执行不由处理器1002执行的操作，以足够快地用于专用目的。ASIC的示例包括用于生成显示器1014的图像的图形加速卡、用于加密或解密通过网络发送的消息的加密板、语音识别以及到专用外部设备的接口，诸如机器人臂和医用扫描装置，其重复执行某些在硬件中更有效实现的复杂序列操作。
[0106]计算机系统1000还包括一个或多个耦合到总线1010的通信接口 1070的实例。通信接口提供单向或双向通信，耦合到利用其自己的处理器进行操作的多个外部设备上，诸如打印机、扫描仪和外部盘。一般来说，耦合是与网络链路1078的耦合，网络链路1078连接到本地网络1080，利用其自己的处理器进行操作的多个外部设备与本地网络1080相连接。例如，通信接口 1070可以是个人计算机上的并行端口或串行端口或通用串行总线(USB)端口。在某些实施例中，通信接口 1070是集成服务数字网络(ISDN)卡或数字用户线(DSL)卡或电话调制解调器，该电话调制解调器提供到对应类型的电话线的信息通信连接。在某些实施例中，通信接口 1070是线缆调制解调器，其将总线1010上的信号转换为用于在同轴电缆上的通信连接的信号或用于光纤线缆上的通信连接的光信号。作为另一个例子，通信接口可以是局域网(LAN)卡，以为兼容的LAN(诸如Ethernet)提供数据通信连接。也可以实现无线链路。对于无线链路，通信接口 1070发送或接收或同时发送和接收电的、声的或电磁信号，包括红外和光信号，其载有诸如数字数据的信息流。例如，在无线手持设备中(诸如像蜂窝电话的移动电话中)，通信接口 1070包括被称为无线电收发器的无线电宽带电磁发射器和接收器。在某些实施例中，通信接口 1070能够连接到通信网络105，以用于基于用户情景感知组向UElOl提供推荐。
[0107]这里所述的术语“计算机可读介质”是指任何介质，其参与向处理器1002提供信息，包括用于执行的指令。这种介质可采用任何形式，包括但不局限于计算机可读存储器介质(例如非易失性介质、易失性介质)和传输介质。非瞬态介质(诸如非易失性存储器)例如包括光盘或磁盘，诸如存储设备1008。易失性介质例如包括动态存储器1004。传输介质例如包括双绞线、同轴电缆、铜线、光纤电缆和穿越空间而无需线缆或电线的载波，诸如声波和电磁波，包括无线，光和红外波。信号包括在振幅、频率、相位、极性和其它通过传输介质发送的物理属性方面的人为瞬时变化。计算机可读介质的一般形式例如包括软盘、柔性盘、硬盘、磁带、任何其他磁性介质、CD-ROM、CDRff, DVD、任何其它光学介质、穿孔卡片、纸带，光学标记片材、具有孔图案的任何其他物理介质或其他的光学识别的标记、RAM、PROM、EPROM、FLASH-EPROM、EEPROM、闪存存储器、任何其它存储器芯片或盒式磁带、载波或从计算机能够读取的任何其它介质。计算机可读存储器介质这个术语在这里被用作指代除传输介质外的任何计算机可读介质。
[0108]在一个或多个有形介质中编码的逻辑包括计算机可读存储介质和专用硬件(如ASIC1020)上的处理器指令的一者或两者。
[0109]网络链路1078通常使用传输介质通过一个或多个网络向使用或处理信息的其它设备提供信息。例如，网络链路1078可通过局域网1080向主机计算机1082或由互联网服务供应商(ISP)操作的装置1084提供连接。ISP装置1084反过来通过现在通常被称互联网1090的网络中的公共、广域分组交换通信网络提供数据通信服务。
[0110]连接到互联网的被称为服务器主机1092的计算机托管进程，该进程提供服务以响应通过互联网接收到的信息。例如，服务器主机1092托管进程，该进程提供用于在显示器1014上的呈现的表示视频数据的信息。可以设想，系统1000的组件可以按照各种配置被放置在其它计算机系统中，例如主机1082和服务器1092内。
[0111]至少本发明的某些实施例涉及使用计算机系统1000来实现这里所述的某些或所有技术。根据本发明一个实施例，这些技术由计算机系统1000响应处理器1002执行包含在存储器1004中的一个或多个的处理器指令的一个或多个序列而执行。这些指令(也被称为计算机指令、软件和程序代码)可以从诸如存储设备1008或网络链路1078的另一个计算机可读介质上读入到存储器1004中。包含在存储器1004中的指令序列的执行使得处理器1002执行这里所述的一个或多个方法步骤。在可选实施例中，诸如ASIC1020的硬件可被使用以替代软件或与软件结合来实现本发明。因此，除非特别说明，这里的实施例并不局限于任何硬件和软件的特定组合。
[0112]在网络链路1078和其它网络上通过通信接口 1070传输的信号将信息传递到计算机系统1000或从计算机系统1000传递。计算机系统1000尤其可以通过网络1080、1090等，通过网络链路1078和通信接口 1070发送和接收信息，该信息包括程序代码。在使用互联网1090的示例中，在从计算机1000发送消息的请求下，服务器主机1092通过互联网1090、ISP设备1084、本地网络1080和通信接口 1070传送用于由从计算机1000所发送的消息所请求的特定应用的程序代码。当该代码被接收到时，所接收的代码可由处理器1002执行，或被保存到存储器1004、存储设备1008或任何其它非易失性存储器中以用于以后执行。以这种方式中，计算机系统1000可获取载波上信号形式的应用程序代码。
[0113]多种形式的计算机可读介质可以涉及将指令的一个或多个序列或数据或这两者加载到处理器1002上用于执行。例如，指令和数据可以首先被加载到诸如主机1082的远程计算机的磁盘上。远程计算机将指令和数据加载到它的动态存储器上并使用调制解调器通过电话线发送指令和数据。计算机系统1000本地的调制解调器在电话线上接收指令和数据并使用红外发射器将指令和数据转换为用作网络链路1078的红外载波上的信号。用作通信接口 1070的红外探测器接收携带在红外信号中的指令和数据，并将表示指令和数据的信息置于总线1010上。总线1010将信息传递到存储器1004，处理器1002从存储器1004获取指令并使用与指令一起发送的某些数据执行指令。在由处理器1002执行之前或之后，在存储器1004中接收到的指令和数据可选择地被保存于存储设备1008。
[0114]图11图示可以实现本发明的实施例的芯片组或芯片1100。芯片组1100可以被编程以提供本文所述的基于用户情景感知组的推荐，并例如包括并入在一个或多个物理包装(例如芯片)中的参照图10所示的处理器和存储器组件。作为示例，物理包装包括结构化组件(例如基板)上的一个或多个材料、组件和/或线路，以提供一个或多个特征，诸如物理强度、尺寸变换和/或电交互限制。可以设想在某些实施例中，芯片组1100可以在单个芯片中实现。还可以设想在某些实施例中，芯片组或芯片1100可以实现为单个“片上系统”。还可以设想在某些实施例中，例如不使用单独的ASIC，而如本文公开的所有相关功能由处理器或多个处理器实现。芯片组或芯片1100或其一部分组成一个构件，该构件用于执行提供有关功能可用性的用户接口导航信息的一个或多个步骤。芯片组或芯片1100或其一部分组成一个构件，其用于执行基于情景感知组提供推荐的一个或多个步骤。
[0115]在一个实施例中，芯片组或芯片1100包括诸如总线1101的通信机构，以用于在芯片组1100的组件之间传递信息。处理器1103具有到总线的连通性以执行例如存储在存储器1105中的指令和过程信息。处理器1103可包括一个或多个处理核，每个核被配置为独立地执行。多核处理器使得多在单个物理封装中进行多个处理。多核处理器的例子包括两个、四个、八个或更多数量的处理核。可选择地或替代地，处理器1103还可包括一个或多个微处理器，该一个或多个微处理器总线1101被串联地配置以能够独立地执行指令、流水线和多线程。处理器1103还可附有一个或多个专用组件来实现某些处理功能和任务，诸如一个或多个数字信号处理器(DSP) 1107或一个或多个专用集成电路(ASIC) 1109。DSP1107通常被配置为独立于处理器1103实时地处理真实世界中的信号(例如声音)。同样，ASIC1109被配置为执行不易由更通用的处理器实现的专门功能。有助于这里所述的创造性功能的其它专用组件包括一个或多个现场可编程门阵列(FPGA)(未示出)、一个或多个控制器(未示出)、一个或多个其它专用计算机芯片。
[0116]在一个实施例中，芯片组或芯片1100仅包括一个或多个处理器和支持和/或涉及和/或用于一个或多个处理器的某些软件和/或固件。
[0117]处理器1103和附属组件通过总线1101连接到存储器1105。存储器1105包括动态存储器(例如RAM、磁盘、可写入光盘等)和静态存储器(例如ROM、CDROM等)两者，用于保存可执行的指令，当该指令被执行时其实现本文所述的创造性的步骤，以基于用户情景感知组提供推荐。存储器1105还保存有关本发明步骤的执行的数据或由其生成的数据。
[0118]图12是根据一个实施例的用于通信的移动终端(例如，手机)的示例性组件的图，其能够运行于图1的系统中。在某些实施例中，移动终端1201或它的一部分组成用于执行基于用户情景感知组提供推荐的一个或多个步骤的构件。通常，无线电接收器通常根据前端和后端特征来限定。接收器的前端包括所有无线电频率(RF)电路，而后端包括所有基带处理电路。如本申请中所使用的那样，术语“电路”是指:(1)仅硬件实现(诸如仅以模拟和/或数字电路的实现)和(2)电路和软件(和/或固件)的结合(诸如，当适用于特定上下文中，是指(多个)处理器的结合，其包括(多个)数字信号处理器、软件和(多个)存储器，它们一起工作使得诸如移动电话或服务器的装置实现多种功能)。“电路”的这种定义适用于本申请(包括任一权利要求)中的这个术语的所有使用，根据另一个示例，如本申请所使用那样，并且如果可用于特定上下文中时，术语“电路”还会覆盖仅处理器(或多个处理器)的和它的(它们的)附带软件和/或固件的实现。如果适用于特定上下文，术语“电路”还将覆盖例如移动电话中的基带集成电路或应用处理器集成电路或蜂窝网络设备或其他网络设备中的相似集成电路。
[0119]电话的相关内部组件包括主控制器单元(MCU) 1203，数字信号处理器(DSP) 1205和包括麦克风增益控制单元和扬声器增益控制单元的接收器/发射器单元。主显示单元1207向用户提供显示，以支持执行或支持基于情景感知组提供推荐的步骤的多种应用和移动终端功能。显示器1207包括显示电路，其被配置为显示至少一部分移动终端(例如移动电话)的用户接口。另外，显示器1207和显示电路被配置为有助于移动终端的至少一部分功能的用户控制。音频功能电路1209包括麦克风1211和麦克风放大器，该麦克风放大器放大从麦克风1211输出的语音信号。从麦克风1211输出的放大后的语音信号被反馈到编码器/解码器(CODEC) 1213。
[0120]无线电部件1215放大功率并转换频率以用来通过天线1217与包括在移动通信系统中的基站进行通信。如本领域熟知那样，利用来自耦合到双工器1221或环形器其或天线开关的PA1219的输出，功率放大器(PA) 1219和发射器/调制电路可操作地响应MCU1203。PA1219还耦合到电池接口和功率控制单元1220。
[0121]在使用时，移动终端1201的用户向着麦克风1211讲话，她或他的语音连同检测到的背景噪音被转换成模拟电压。接着，通过模拟至数字转换器(ADC) 1223，模拟电压被转换成数字信号。控制单元1203将数字信号路由到DSP1205用于其中的处理，诸如语音编码、信道编码、加密和交织。在一个实施例中，处理后的语音信号使用蜂窝传输协议通过未单独示出的单元以及任何其它适当的无线电介质进行编码，所述蜂窝传输协议诸如增强型数据速率全球演进(EDGE)、通用分组无线电业务(GPRS)、全球移动通信系统(GSM)、互联网协议多媒体子系统(MS)、通用移动电信系统(UMTS)等，其它适当的无线电介质例如，微波存取(WiMAX)技术、长期演进(LTE)网络、码分多址(CDMA)、宽带码分多址(WCDMA)、无线电保真(WiFi)、卫星或它们的任意组合等。
[0122]接着，编码的信号被路由到均衡器1225，用于补偿在空中传输期间发生的依赖于频率的损失，诸如相位和振幅失真。均衡比特流后，调制器1227将该信号与在RF接口 1229中生成的RF信号相结合。通过频率或相位调制，调制器1227生成正弦波。为了准备发射的信号，上变频器1231将来自调制器1227的正弦波合并到由合成器1233生成的另一个正弦波上，以获得所需要的发射频率。接着，通过PA1219发送信号以将信号增加到适当的功率水平。在实际系统中，PA1219扮演一个可变增益放大器，它的增益由DSP1205自网络基站接收的信息来控制。然后，信号在双工器1221中被过滤并可选择地发送到天线耦合器1235，以匹配阻抗来提供最大功率传输。最后，通过天线1217将信号发送到本地基站。自动增益控制(AGC)可以被提供以控制接收器最后阶段的增益。信号从这里被转送到远程电话，该远程电话可以是另一个蜂窝电话、连接到公共交换电话网络(PSTN)或其它电话网络上的任何其它移动电话或座机。
[0123]传送到移动终端1201的语音信号通过天线1217被接收到并通过低噪音放大器(LNA) 1237被立即放大。当解调器1241剥离RF而仅留下数字比特流时，下变频器1239降低载波频率。接着信号通过均衡器1225并由DSP1205处理。数字-模拟转换器(DAC) 1243转换信号并将生成的输出通过扬声器1245传送到用户，所有操作受到主控制单元(MCU) 1203的控制，其能够被实现为中央处理器(CPU)。
[0124]MCU1203从键盘1247接收多种信号，包括输入信号。结合其他用户输入组件(例如麦克风1211)的键盘1247和/或MCUl203包括用于管理用户输入的用户接口电路。MCUl203运行用户接口软件，以有助于移动终端1201的至少某些功能的用户控制，以基于情景感知组提供推荐。MCU1203还分别向显示器1207和语音输出切换控制器传送显示命令和切换命令。另外，MCU1203与DSP1205交换信息并能够访问可选并入的SM卡1249和存储器1251。另外，MCU1203执行终端所需的多种控制功能。取决于实现方式，DSP1205可以在语音信号上执行任何多种传统数字处理功能。另外，DSP1205根据由麦克风1211检测到的信号确定本地环境的背景噪音水平，并设置麦克风1211的增益至被选择用于补偿移动终端1201的用户的自然趋势的水平。
[0125]C0DEC1213包含ADC1223和DAC1243。存储器1251存储多种数据，包括来电音数据并能够存储包括例如通过全球互联网接收的音乐数据的其它数据。软件模块可寄存于RAM存储器、闪存存储器、寄存器或已知的任何形式的可写入存储器介质中。存储设备1251可以是但不局限于单个存储器、CD、DVD、R0M、RAM、EEPR0M、光存储、磁盘存储器、闪速存储器或其他任何能够存储数字数据的非易失性存储介质中。
[0126]可选并入的SM卡1249例如载有重要信息，诸如蜂窝电话号码、载波供应服务、订阅详情和安全信息。SM卡1249主要服务用于识别无线电网络上的移动终端1201。卡1249还包含存储器，用于保存个人电话号码注册、文本消息和用户特定的移动终端设置。[0127] 尽管已经结合许多实施例和实现方式描述了本发明，但本发明并不局限于此，而是覆盖落入所附权利要求的保护范围内的多种显而易见的修改和等同布置。尽管本发明的特征以权利要求中的某些结合来表示，但可以设想这些特征可以被安排成任何结合或顺序。
【权利要求】
1.一种方法，包括:有助于(I)数据和/或(2)信息和/或(3)至少一个信号的处理和/或处理所述(I)数据和/或(2)信息和/或(3)至少一个信号，所述(I)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于以下各项: 至少部分地基于关联于用户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，对一个或多个相似度值的确定； 用以从与所述一个或多个用户组相关联的一个或多个推荐模型中选择的所述一个或多个相似度值的处理；以及 用以生成一个或多个用户推荐的所选择的一个或多个推荐模型的处理。
2.根据权利要求1所述的方法，其中所述⑴数据和/或⑵信息和/或⑶至少一个信号还至少部分地基于以下各项: 来自所述一个或多个相似度值之中的满足至少一个阈值相似度值的选择的一个或多个相似度值的确定； 其中所述一个或多个相似度值的所述处理基于所选择的一个或多个相似度值。
3.根据权利要求2所述的方法，其中所述至少一个阈值相似度值由所述用户设置，基于所述一个或多个相似度值或其组合。
4.根据权利要求1至3中的任何一项所述的方法，其中所述(I)数据和/或(2)信息和/或(3)至少一个信号还至少部分地基于以下各项: 用以生成所述一个或多个用户推荐的所选择的一个或多个推荐模型和所述一个或多个相似度值的处理。
5.根据权利要求4所述的方法，其中至少部分地基于所述一个或多个推荐模型来确定所述一个或多个推荐，所述一个或多个推荐模型至少部分地基于所述一个或多个相似度值进行规格化。
6.根据权利要求1至5中的任何一项所述的方法，其中所述(I)数据和/或(2)信息和/或(3)至少一个信号还至少部分地基于以下各项: 用于至少部分地基于与所述用户相关联的所述行为信息将所述用户与所述一个或多个用户组中的至少一个组相关联的确定。
7.根据权利要求6所述的方法，其中所述一个或多个组基于分类系统，并且所述关联至少部分地基于匹配预定义行为信息的所述用户行为信息。
8.根据权利要求6所述的方法，其中所述一个或多个组基于聚类系统，并且所述关联至少部分地基于主题模型分析、矩阵分解分析、k均值聚类分析、或其组合。
9.根据权利要求1至8中的任何一项所述的方法，其中所述(I)数据和/或(2)信息和/或(3)至少一个信号还至少部分地基于以下项: 至少部分地基于与所述用户相关联的所述行为信息的所述一个或多个用户组的所述一个或多个推荐模型的训练。
10.根据权利要求9所述的方法，其中用于所述一个或多个组的所述训练至少部分地基于与所述一个或多个组相关联的新用户的数量、与所述新用户相关联的行为信息、阈值时间段、或其组合而发生。
11.根据权利要求1至10中的任何一项所述的方法，其中所述行为信息包括:用户偏好、用户情景交互信息、或其组合。
12.根据权利要求1至11中的任何一项所述的方法，其中所述(I)数据和/或(2)信息和/或(3)至少一个信号还至少部分地基于以下各项: 用以形成所述一个或多个用户组的基于其它用户的相应的行为信息将所述其它用户的划分；以及 至少部分地基于所述其它用户的所述相应的行为信息的与所述一个或多个用户组相关联的所述参考行为信息的生成。
13.根据权利要求12所述的方法，其中所述⑴数据和/或(2)信息和/或(3)至少一个信号还至少部分地基于以下项: 至少部分地基于所述其它用户的所述相应的行为信息的所述一个或多个用户组的所述一个或多个推荐模型的训练。
14.一种装置，包括: 至少一个处理器；以及 至少一个存储器，所述至少一个存储器包括用于一个或多个程序的计算机程序代码， 所述至少一个存储器以及所述计算机程序代码被配置为与所述至少一个处理器一起使得所述装置至少执行以下各项， 至少部分地基于关联于用户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，确定一个或多个相似度值； 处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理，以从与所述一个或多个用户组相关 联的一个或多个推荐模型中进行选择；以及 处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理，以生成一个或多个用户推荐。
15.根据权利要求14所述的装置，其中还使得所述装置: 从所述一个或多个相似度值之中确定满足至少一个阈值相似度值的选择的一个或多个相似度值； 其中所述一个或多个相似度值的所述处理基于所选择的一个或多个相似度值。
16.根据权利要求15所述的装置，其中所述至少一个阈值相似度值由所述用户设置，基于所述一个或多个相似度值或其组合。
17.根据权利要求14至16中的任何一项所述的装置，其中还使得所述装置: 处理所选择的一个或多个推荐模型和所述一个或多个相似度值和/或有助于所选择的一个或多个推荐模型和所述一个或多个相似度值的处理，以生成所述一个或多个用户推荐。
18.根据权利要求17所述的装置，其中至少部分地基于所述一个或多个推荐模型来确定所述一个或多个推荐，所述一个或多个推荐至少部分地基于所述一个或多个相似度值进行规格化。
19.根据权利要求14至18中的任何一项所述的装置，其中还使得所述装置: 至少部分地基于与所述用户相关联的所述行为信息来确定将所述用户与所述一个或多个用户组中的至少一个组相关联。
20.根据权利要求19所述的装置，其中所述一个或多个组基于分类系统，并且所述关联至少部分地基于匹配预定行 为 信息的所述用户行为信息。
21.根据权利要求19所述的装置，其中所述一个或多个组基于聚类系统，并且所述关联至少部分地基于主题模型分析、矩阵分解分析、k均值聚类分析、或其组合。
22.根据权利要求14至21中的任何一项所述的装置，其中还使得所述装置: 至少部分地使得至少部分地基于与所述用户相关联的所述行为信息来训练所述一个或多个用户组的所述一个或多个推荐模型。
23.根据权利要求22所述的装置，其中所述一个或多个组的训练至少部分地基于与所述一个或多个组相关联的新用户的数量、与所述新用户相关联的行为信息、阈值时间段、或其组合发生。
24.根据权利要求14至23中的任何一项所述的装置，其中所述行为信息包括:用户偏好、用户情景交互信息、或其组合。
25.根据权利要求14至24中的任何一项所述的装置，其中还使得所述装置: 至少部分地使得基于其它用户的相应的行为信息将所述其它用户进行划分以形成所述一个或多个用户组；以及 至少部分地使得至少部分地基于所述其它用户的所述相应行为信息来生成与一个或多个用户组相关联的所述参考行为信息。
26.根据权利要求25所述的装置，其中还使得所述装置: 至少部分地使得至少部分地 基于所述其它用户的所述相应的行为信息来训练所述一个或多个用户组的所述一个或多个推荐模型。
27.—种方法,包括: 至少部分地基于关联于用户的用户行为信息与关联于一个或多个用户组的参考行为信息的相似度，确定一个或多个相似度值； 处理所述一个或多个相似度值和/或有助于所述一个或多个相似度值的处理以从与所述一个或多个用户组相关联的一个或多个推荐模型中进行选择；以及 处理所选择的一个或多个推荐模型和/或有助于所选择的一个或多个推荐模型的处理，以生成一个或多个用户推荐。
28.根据权利要求27所述的方法，还包括: 从所述一个或多个相似度值之中确定满足至少一个阈值相似度值的选择的一个或多个相似度值； 其中所述一个或多个相似度值的所述处理基于所选择的一个或多个相似度值。
29.根据权利要求28所述的方法，其中所述至少一个阈值相似度值由所述用户设置，基于所述一个或多个相似度值或其组合。
30.根据权利要求27至29中的任何一项所述的方法，还包括: 处理所选择的一个或多个推荐模型和所述一个或多个相似度值和/或有助于所选择的一个或多个推荐模型和所述一个或多个相似度值的处理以生成所述一个或多个用户推荐。
31.根据权利要求30所述的方法，其中至少部分地基于所述一个或多个推荐模型来确定所述一个或多个推荐，所述一个或多个推荐至少部分地基于所述一个或多个相似度值进行规格化。
32.根据权利要求27至31中 的任何一项所述的方法，还包括:至少部分地基于与所述用户相关联的所述行为信息来确定将所述用户与所述一个或多个用户组中的至少一个组相关联。
33.根据权利要求32所述的方法，其中所述一个或多个组基于分类系统，并且所述关联至少部分地基于匹配预定行为信息的所述用户行为信息。
34.根据权利要求32所述的方法，其中所述一个或多个组基于聚类系统，并且所述关联至少部分地基于主题模型分析、矩阵分解分析、k均值聚类分析、或其组合。
35.根据权利要求27至34中的任何一项所述的方法，还包括: 至少部分地使得至少部分地基于与所述用户相关联的所述行为信息来训练所述一个或多个用户组的所述一个或多个推荐模型。
36.根据权利要求35所述的方法，其中针对所述一个或多个组的训练至少部分地基于与所述一个或多个组相关联的新用户的数量、与所述新用户相关联的行为信息、阈值时间段、或其组合来对所述一个或多个组而发生。
37.根据权利要求27至36中的任何一项所述的方法，其中所述行为信息包括:用户偏好、用户情景交互信息、或其组合。
38.根据权利要求27至37中的任何一项所述的方法，还包括: 至少部分地使得基于其它用户的相应的行为信息将所述其它用户进行划分以形成所述一个或多个用户组；以及 至少部分地使得至少部分地基于所述其它用户的所述相应行为信息来生成与一个或多个用户组相关联的所述 参考行为信息。
39.根据权利要求38所述的方法，还包括: 至少部分地使得至少部分地基于所述其它用户的所述相应的行为信息来训练所述一个或多个用户组的所述一个或多个推荐模型。
40.根据权利要求14至26中任何一项所述的装置，其中所述装置是移动电话，还包括: 用户接口电路和用户接口软件，其被配置为通过显示器的使用有助于所述移动电话的至少某些功能的用户控制，并被配置为响应用户输入；以及 显示器和显示电路，其被配置为显示所述移动电话的用户接口的至少一部分，所述显示器和显示电路被配置为有助于所述移动电话的至少某些功能的用户控制。
41.一种计算机可读存储器介质，其载有一个或多个指令的一个或多个序列，当所述一个或多个指令的所述一个或多个序列由一个或多个处理器运行时使得装置执行根据权利要求27至39中任一项所述的至少一种方法。
42.一种设备，包括用于执行根据权利要求27至39中任一项所述的方法的装置。
43.根据权利要求42所述的设备，其中所述设备是移动电话，还包括: 用户接口电路和用户接口软件，其被配置为通过显示器的使用有助于所述移动电话的至少某些功能的用户控制，并被配置为响应用户输入；以及 显示器和显示电路，其被配置为显示所述移动电话的用户接口的至少一部分，所述显示器和显示电路被配置为有助于所述移动电话的至少某些功能的用户控制。
44.一种计算机程序产品，包括一个或多个指令的一个或多个序列，当一个或多个指令的一个或多个序列由一个或多个处理器运行时使得装置至少执行根据权利要求27至39中任一项所述的方法的所述步骤。
45.一种方法，包括有助于对被配置为允许访问至少一种服务的至少一个用户接口进行访问，所述至少一种服务被配置为执行根据权利要求27至39中任一项所述的方法。
46.一种方法，包括有助于(I)数据和/或(2)信息和/或(3)至少一个信号的处理和/或处理所述(I)数据和/或(2)信息和/或(3)至少一个信号，所述(I)数据和/或(2)信息和/或(3)至少一个信号至少部分地基于根据权利要求27至39中任一项所述的方法。
47.一种方法，包括有助于创建和/或有助于修改(I)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能，所述(I)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能至少部分地基于根据权利要求27至39中任一项所述的方法。
48.一种方法，包括创建和/或修改(I)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能，所述(I)至少一个设备用户接口元件和/或(2)至少一个设备用户接口功能至少部分地基于根据 权利要求27至39中任一项所述的方法。
【文档编号】G06K9/62GK103890812SQ201180074376
【公开日】2014年6月25日 申请日期:2011年8月30日 优先权日:2011年8月30日
【发明者】祝恒书, 曹欢欢, 田继雷 申请人:诺基亚公司