实现动态和自动地更改用户简档以增强性能的制作方法

本发明一般涉及数据处理领域，并且更具体地涉及用于基于机器学习和认知分析来实现动态和自动地更改用户简档的方法和计算机系统。

背景技术：

用户简档通常包括用户身份的显式数字表示，实现示与特定用户相关联的数据的视觉显。

用户简档通常是静态的，并且除非由用户手动改变否则不改变。这可能导致陈旧且不准确的信息，与用户简档的初始意图相比，该信息随着时间的推移变得不太有用和相关。

需要一种有效的机制，通过基于机器学习和认知分析动态地和自动地更改用户简档来改进用户性能。

技术实现要素：

本发明的主要方面是提供一种用于基于机器学习和认知分析来实现动态地和自动地更改用户简档以改进用户性能的方法、计算机系统和计算机程序产品。本发明的其它重要方面是提供这样的方法和系统，其基本上没有负面影响并且克服了现有技术布置的一些缺点。

简言之，提供了一种用于基于机器学习和认知分析来实现动态地和自动地更改用户简档以改进用户性能的计算机实现的方法、计算机系统和计算机程序产品。在没有来自用户的显式输入的情况下，使用机器学习和认知应用编程接口(api)基于来自多个外部数据源的实时数据而动态地更改用户简档。自动存储针对用户的所改变的用户简档。为多个所选用户应用部署所存储的用户简档，以实现针对用户的增强的性能。

根据本发明的特征，实时数据包括监视的系统和网络用户度量，诸如社交媒体、在线购买历史和应用。

根据本发明的特征，所学习的使用模式用于更改用户简档。

根据本发明的特征，用户允许访问预定义的外部数据源，在没有来自用户的任何进一步的手动输入的情况下，被授予访问许可的外部数据源被动态地监视。

根据本发明的特征，应用所监视的实时数据的历史趋势分析以更改用户简档。

根据本发明的特征，提供了通过来自允许的数据源的经由认知过程的数据分析来有效地预测用户偏好的能力。

根据本发明的特征，实时数据包括诸如电子邮件和用户日历等被监视的应用。

根据本发明的特征，基于所识别的用户兴趣和偏好自动选择用户简档更新，以实现最佳性能。

根据本发明的特征，例如，通过沃森和其它选择的认知api，诸如alchemy语言、概念洞察、对话和视觉洞察，分析监视的实时数据。

附图说明

从以下附图中所示的本发明的优选实施例的详细描述中，可以最好地理解本发明以及上述和其它目的和优点，其中：

图1示出了根据本发明的实施例的用于基于机器学习和认知分析来实现动态地和自动地更改用户简档的示例计算机系统；

图2示出了根据本发明的实施例的云计算环境；

图3示出了根据本发明实施例的抽象模型层。

图4是示出根据本发明的实施例的用于基于机器学习和认知分析来实现动态地和自动地更改用户简档的示例操作的流程图；

图5是示出用于实现基于机器动态地和自动地更改用户简档的进一步示例操作的流程图

图6是示出根据优选实施例的计算机程序产品的框图。

具体实施方式

在本发明的实施例的以下详细描述中，参考附图，附图示出了可以实践本发明的示例实施例。应当理解，在不脱离本发明的范围的情况下，可以利用其它实施例，并且可以进行结构改变。

本文所用的术语仅是为了描述特定实施例的目的，而不旨在要限制本发明。如本文所使用的，单数形式"一"、"一个"和"该"旨在也包括复数形式，除非上下文另有明确指示。还将理解，术语"包括"和/或"包含"在本说明书中使用时，指定所陈述的特征、整数、步骤、操作、元件和/或组件的存在，但不排除一个或多个其它特征、整数、步骤、操作、元件、组件和/或其群组的存在或添加。

首先应当理解，尽管本公开包括关于云计算的详细描述，但其中记载的技术方案的实现却不限于云计算环境，而是能够结合现在已知或以后开发的任何其它类型的计算环境而实现。

云计算是一种服务交付模式，用于对共享的可配置计算资源池进行方便、按需的网络访问。可配置计算资源是能够以最小的管理成本或与服务提供者进行最少的交互就能快速部署和释放的资源，例如可以是网络、网络带宽、服务器、处理、内存、存储、应用、虚拟机和服务。这种云模式可以包括至少五个特征、至少三个服务模型和至少四个部署模型。

特征包括：按需自助式服务：云的消费者在无需与服务提供者进行人为交互的情况下能够单方面自动地按需部署诸如服务器时间和网络存储等的计算能力。广泛的网络接入：计算能力可以通过标准机制在网络上获取，这种标准机制促进了通过不同种类的瘦客户端平台或厚客户端平台(例如移动电话、膝上型电脑、个人数字助理pda)对云的使用。资源池：提供者的计算资源被归入资源池并通过多租户(multi-tenant)模型服务于多重消费者，其中按需将不同的物理资源和虚拟资源动态地分配和再分配。一般情况下，消费者不能控制或甚至并不知晓所提供的资源的确切位置，但可以在较高抽象程度上指定位置(例如国家、州或数据中心)，因此具有位置无关性。迅速弹性：能够迅速、有弹性地(有时是自动地)部署计算能力，以实现快速扩展，并且能迅速释放来快速缩小。在消费者看来，用于部署的可用计算能力往往显得是无限的，并能在任意时候都能获取任意数量的计算能力。可测量的服务：云系统通过利用适于服务类型(例如存储、处理、带宽和活跃用户帐号)的某种抽象程度的计量能力，自动地控制和优化资源效用。可以监视、控制和报告资源使用情况，为服务提供者和消费者双方提供透明度。

服务模型如下：软件即服务(saas)：向消费者提供的能力是使用提供者在云基础架构上运行的应用。可以通过诸如网络浏览器的瘦客户端接口(例如基于网络的电子邮件)从各种客户端设备访问应用。除了有限的特定于用户的应用配置设置外，消费者既不管理也不控制包括网络、服务器、操作系统、存储、乃至单个应用能力等的底层云基础架构。平台即服务(paas)：向消费者提供的能力是在云基础架构上部署消费者创建或获得的应用，这些应用利用提供者支持的程序设计语言和工具创建。消费者既不管理也不控制包括网络、服务器、操作系统或存储的底层云基础架构，但对其部署的应用具有控制权，对应用托管环境配置可能也具有控制权。基础架构即服务(iaas)：向消费者提供的能力是消费者能够在其中部署并运行包括操作系统和应用的任意软件的处理、存储、网络和其他基础计算资源。消费者既不管理也不控制底层的云基础架构，但是对操作系统、存储和其部署的应用具有控制权，对选择的网络组件(例如主机防火墙)可能具有有限的控制权。

部署模型如下：私有云：云基础架构单独为某个组织运行。云基础架构可以由该组织或第三方管理并且可以存在于该组织内部或外部。共同体云：云基础架构被若干组织共享并支持有共同利害关系(例如任务使命、安全要求、政策和合规考虑)的特定共同体。共同体云可以由共同体内的多个组织或第三方管理并且可以存在于该共同体内部或外部。公共云：云基础架构向公众或大型产业群提供并由出售云服务的组织拥有。混合云：云基础架构由两个或更多部署模型的云(私有云、共同体云或公共云)组成，这些云依然是独特的实体，但是通过使数据和应用能够移植的标准化技术或私有技术(例如用于云之间的负载平衡的云突发流量分担技术)绑定在一起。

云计算环境是面向服务的，特点集中在无状态性、低耦合性、模块性和语意的互操作性。云计算的核心是包含互连节点网络的基础架构。

根据本发明的特征，提供了一种用于基于机器学习和认知分析来实现动态和自动地更改用户简档以改进用户性能的方法和系统。在没有来自用户的显式输入的情况下，使用机器学习和认知应用编程接口(api)基于来自多个外部数据源的实时数据动态地更改用户简档。自动存储用户的更改的用户简档。为多个所选的用户应用程序部署所存储的用户简档，以实现针对用户的增强的性能。

现在参考附图，在图1中，示出了根据优选实施例的用于基于机器学习和认知分析来实现动态地和自动地更改用户简档的、通常由附图标记100指定的示例计算机系统。计算机系统100表示例如示例云计算节点。计算机系统100仅是合适的云计算节点的一个示例，并且不旨在启示对本文描述的本发明的实施例的使用范围或功能的任何限制。计算机系统100可用众多其它通用或专用计算系统环境或配置来操作。适合与计算机系统100一起使用的公知的计算系统、环境和/或配置的示例包括但不限于个人计算机系统、服务器计算机系统、瘦客户端、胖客户端、手持式或膝上型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程消费电子产品、网络pc、小型计算机系统、大型计算机系统、以及包括任何上述系统或设备的分布式云计算环境等。

计算机系统100可以包括一个或多个处理器102或通用可编程中央处理单元(cpu)102、#1-n。如图所示，计算机系统100包括相对大的系统的典型的多个处理器102；然而，系统100可以包括单个cpu102。计算机系统100包括连接到每个处理器102的高速缓存存储器104。

计算机系统100包括连接到总线116的存储器系统106。存储器系统106包括用于存储包括程序的数据的随机存取半导体存储器。存储器系统106包括例如动态随机存取存储器(dram)、同步直接随机存取存储器(sdram)、当前双倍数据速率(ddrx)sdram、非易失性存储器、光学存储器和其它存储设备。

i/o总线接口114和总线116、118提供各种系统组件之间的通信路径。总线116是处理器/存储器总线，通常称为前端总线，提供用于在cpu102和高速缓存104、存储器控制器108和i/o总线接口单元114之间传输数据的数据通信路径。i/o总线接口114还耦合到系统i/o总线118，用于向和从各种i/o单元传输数据。

如图所示，计算机系统100包括耦合到诸如第一打印机/传真机116a和第二打印机116b的i/o设备的i/o设备接口115、耦合到诸如直接存取存储设备(dasd)122和cd-rom124的存储设备的存储接口120。计算机系统100包括耦合到多个终端128(#1-m)的终端接口126，以及耦合到网络132(诸如因特网、局域网或其它网络)的网络接口130。网络132耦合到一个或多个计算机系统133。

i/o总线接口114通过系统i/o总线116与多个i/o接口单元114、120、126和130通信，这些i/o接口单元也被称为i/o处理器(iop)或i/o适配器(ioa)。系统i/o总线116是例如工业标准pci总线或其它适当的总线技术。

根据优选实施例，存储系统106包括实时数据监视控制140。根据优选实施例，存储器系统106存储具有用户授权访问的外部数据源142、数据机器学习和认知分析控制144以及用于使用更新的用户简档的用户简档存储和控制146。根据优选实施例，存储器系统106包括用于使用更新的用户简档的用户简档存储和控制146，例如，以为多个选择的用户应用存储和部署更新的用户简档，以实现针对用户的增强的性能。

根据本发明的特征，基于系统的实时数据监视140和用户度量，诸如社交媒体、购买历史和用户的应用，提供了基于机器学习和认知分析来动态和自动地更改用户简档以用于最佳性能。通过从多个外部数据源捕获和分析的数据来实时动态地更新用户简档。

根据本发明的特征，提供了用于通过来自允许的数据源的经由认知过程的数据分析来有效地预测用户偏好的能力。在没有来自用户的显式输入的情况下，使用机器学习和认知应用编程接口(api)来自动选择用户简档更新。基于所识别的用户兴趣和偏好自动选择用户简档更新，以实现最佳性能。

计算机系统100以足以理解本发明的简化形式示出。所示的示例计算机系统100不旨在暗示架构或功能限制。本发明可以与各种硬件实现和系统，诸如云系统，以及各种内部硬件设备一起使用。

参考图2，描绘了说明性云系统200。如图所示，一个或多个云计算节点202被包括在云计算环境204中，云消费者使用的本地计算设备可以与云计算环境通信，本地计算设备例如是个人数字助理(pda)或蜂窝电话206a、台式计算机206b、膝上型计算机206c和/或汽车计算机系统206n。节点202可以彼此通信。它们可以被物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上文描述的私有云、社区云、公共云或混合云或其组合。这允许云计算环境202提供基础设施、平台和/或软件作为服务，云消费者不需要为其维护本地计算设备上的资源。应当理解，图2中所示的计算设备206a-n的类型仅旨在说明，并且计算节点202和云计算环境204可以在任何类型的网络和/或网络可寻址连接上(例如，使用web浏览器)与任何类型的计算机化设备通信。

现在参考图3，示出了由图2的云计算环境202提供的功能抽象层的集合300。应当预先理解，图3中所示的组件、层和功能仅旨在说明，并且本发明的实施例不限于此。如所描绘的，提供了以下层和相应的功能：

硬件和软件层302包括硬件和软件组件。硬件组件的示例包括：主机304；基于risc(精简指令集计算机)架构的服务器306；服务器308；刀片服务器310；存储设备312；以及网络和联网组件312。在一些实施例中，软件组件包括网络应用服务器软件316和数据库软件318。

虚拟化层320提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器322；虚拟存储装置324；虚拟网络326，包括虚拟专用网络；虚拟应用和操作系统328；以及虚拟客户端330。

在一个示例中，管理层340可以提供以下描述的功能。资源供应342提供了对被用来在云计算环境内执行任务的计算资源和其他资源的动态采购。计量和定价344提供了在云计算环境中利用资源时的成本跟踪，以及用于消耗这些资源的记帐或发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户346为消费者和系统管理员提供对云计算环境的访问。服务级别管理348提供云计算资源分配和管理，使得满足所需的服务级别。服务水平协议(sla)规划和履行350提供对云计算资源的预安排和采购，其中根据sla预期未来需求。

工作负载层360提供了可以利用云计算环境的功能的示例。可以从该层提供的工作负载和功能的示例包括：绘图和导航362；软件开发和生命周期管理364虚拟教室教育传送366；数据分析处理368；交易处理370；以及优选实施例的动态和自动用户简档更新和处理372。

根据本发明的特征，在没有来自用户的显式输入的情况下，使用机器学习和认知应用编程接口(api)基于来自多个外部数据源的实时数据来动态地更改用户简档。自动存储用户的更改的用户简档。为多个所选的用户应用部署所存储的用户简档，以实现针对用户的增强的性能。

根据本发明的特征，用户允许访问预定义的外部数据源，在没有来自用户的任何进一步的手动输入的情况下，被授予访问许可的外部数据源被动态地监视。

根据本发明的特征，实时数据包括监视的系统和网络用户度量，诸如社交媒体、在线购买历史和应用。应用所监视的实时数据的历史趋势分析来改变用户简档。

根据本发明的特征，提供了通过来自允许的数据源的经由认知过程的数据分析来有效地预测用户偏好的能力，并且该能力用于更改用户简档。

参考图4和5，示出了根据优选实施例的用于基于机器学习和认知分析来实现动态和自动地改变用户简档的示例操作。在图4中，操作开始于用户创建具有基线信息的初始简档，该初始简档随着时间动态学习，如在框400处所指示的。用户授权访问外部应用、社交媒体和数据源，如框402所示。执行外部应用、社交媒体和数据源的实时监视以收集数据，如框404所示。图5中示出了实时数据监视的示例。如在决策框406处所示，使用所捕获数据的机器学习和认知分析来执行数据分析，并且数据分析用于动态和自动地更改用户简档。例如，经由沃森(watson)和其它选择的认知api系统的数据分析利用机器学习技术来识别用户在各种论坛中的使用模式和偏好，以便基于感知的兴趣提供特定的内容建议。经由沃森和其它所选认知应用编程接口(api)中的至少一者的数据分析包含例如经由阿尔曼语言、概念洞察、对话和视觉洞察中的至少一者分析实时数据。本发明的应用或系统保存更新的用户简档，并基于分析向用户提供建议，如框408所示。该系统不需要来自用户的附加的手动输入，而是替代地监视和使用他们正常的日常活动以便更新用户简档。如在决策框410处所指示的，系统部署更新的用户简档，并且输出用于多个选择的用户应用的更新的用户简档，以实现增强的用户性能。

在图5中，如框500所示，监视操作开始，包括例如如框502所示监视社交媒体，诸如电子邮件、google、facebook、active.com、yelp、spotify、pandora、itunes等。执行监视在线购买和购买历史，诸如fandango、ticketmaster、ebay、amazon、信用卡，如框504所示。如框506所示，执行监视诸如电子邮件和日历的应用。经由在图4的框406处的沃森和所选认知api，提供所捕获的数据到系统的输出以供实时分析，如框508所示。如框510所示，继续来自多个源的监视。

现在参考图6，示出了本发明的制造产品或计算机程序产品600。计算机程序产品600被有形地体现在非暂态计算机可读存储介质上，其包括记录介质602，诸如软盘、光学读取光盘或cd-rom形式的高容量只读存储器、磁带或另一类似的计算机程序产品。记录介质602在介质602上存储程序装置604、606、608和610，用于执行用于基于机器学习和认知分析来实现动态和自动更改用户简档的方法，以根据优选实施例来改进图2和3的计算机系统100和云系统200中的用户性能。

由记录的程序装置604、606、608和610定义的一个或多个相关模块的逻辑组件或程序指令序列指导计算机系统100和云系统200实现动态和自动地更改用户简档以获得优选实施例的最佳性能。

尽管已经参考附图中所示的本发明的实施例的细节描述了本发明，但是这些细节不旨在限制如所附权利要求中所要求的本发明的范围。