，来定义与所述目标相关联的取向（例 如，增大、减小、保持）。用户可以通过在弹出式日历中选择日期或者通过在"开始日期"文 本框314a和"结束日期"文本框314b中输入日期，来为目标定义时间表。用户可以使用度 量选择菜单306和/或维度选择菜单308来选择目标所针对的度量和/或度量的维度。
[0049] 在以上讨论的示例的上下文内，Bob可以提供用来定义从2014年1月到2014年12 月将销售增长提高10%的目标的用户输入。更具体地，Bob可以从推荐的度量子菜单318 中选择度量"销售增长"，可以在文本框310中输入"10"，可以在菜单312中选择"增大"，并 且可以分别在框314a、314b中设置开始日期和结束日期。在用户对提供到⑶I 302中的输 入满意之后，用户可以选择"下一步"按钮322,以便前进到推荐的指示符。
[0050] 在一些实施方式中，显示在"推荐的度量"子菜单318中的度量可以是对用户而言 特定的推荐。在一些示例中，与用户相关联的（例如，来自用户简档的、来自于用户相关联 的历史数据的）信息可以被处理以便确定将被显示在子菜单318中的度量。用于检索相关 的度量和对它们进行排序（ranking)的技术可以是基于用户建模（user profiling)。在一 些实施方式中，推荐技术可以包括分簇技术和/或贝叶斯接口。
[0051] 在一些实施方式中，用户简档作为关于用户（例如，被手动地插入用户简档中）和 用户的以往动作（例如，被自动地插入用户简档中）的信息被提供。例如，用户简档信息可 以包括关于用户的个人细节（例如，姓名、地址、生日）以及其它相关的人口统计学。在企 业的背景下，用户简档信息可以包括用户在企业内的头衔、用户在企业内的一项或多项责 任（例如，销售、营销）、和/或用户可以负责的一个或多个实体。示例的实体可以包括其它 用户（例如，用户可以是负责一个或多个其它雇员的经理）和地区（例如，用户负责的地理 地区）。
[0052] 在一些示例中，与用户相关联的以往动作（历史数据）可以提供在用户简档中。在 一些示例中，以往动作可以被用户监视系统记录。示例的用户动作可以包括用户先前对一 个或多个目标的定义、用户先前对一个或多个度量的选择、用户先前对一个或多个推荐的 指示符的选择、用户执行的一个或多个任务（例如，为特定的位置订购了 X量的产品）。然 而，应当理解，本公开的实施方式可以包括任何适当的用户动作。
[0053] 在下面更详细地讨论的一些实施方式中，可以基于用户简档应用一个或多个过滤 技术，以便对将被推荐给用户的度量进行检索和排序。以这种方式，与特定的用户相关联的 度量被推荐。
[0054] 在一些示例中，用户简档中可能缺少信息（例如，在新用户的情况下）。在一些实 施方式中，为了克服用户简档信息的缺失，可以基于上下文信息（例如，职称、位置）来推 荐度量，其中更经常地被其他的处于类似情形的用户选择的度量可以作为推荐的度量被提 供。
[0055] 在一些示例中，在关于用户的信息已经被填入和/或历史用户动作的记录可用之 后，可以基于每个度量与用户之间的所确定的相关性的等级来提供推荐。在一些实施方式 中，基于内容的过滤技术可以被应用来提供推荐的度量。在一些实施方式中，协同过滤技术 可以被应用来提供推荐的度量。在一些实施方式中，可以通过组合基于内容的过滤器和协 同过滤器，来使用混合方案。
[0056] 对于基于内容的过滤，基于内容的推荐系统可以依赖用户简档中提供的信息来做 出推荐。在一些示例中，以及如上所述，例如，用户简档包括关于用户和他们的以往动作的 信息。基于用户简档中提供的信息，基于内容的推荐系统可以对各个用户是否对具体的项 目（例如，度量）感兴趣做出预测。例如，与销售有关的度量可以被确定为被作为销售团队 的一部分的用户和/或先前已经选择过销售度量的用户感兴趣。在一些示例中，可以基于 以简档为中心的匹配来实现基于内容的过滤。在一些示例中，并且对于以简档为中心的匹 配，分配给用户的全部元数据被收集在用户简档中以用于捕获用户的全部兴趣。另一方面， 还通过聚合用户在训练集中做出的标记来创建项目简档（例如，度量简档）。用户简档与项 目简档之间的匹配被执行。在移除了已经存在于活跃的用户简档中的项目之后，最终的以 排序为次序的（rank-ordered)推荐列表被创建。
[0057] 在一些实施方式中，基于协同的过滤可以包括基于存储器的技术和基于模型的技 术。在一些示例中，基于存储器的技术可以包括以用户为中心的技术和以项目为中心的 (例如，以度量为中心的）技术。在一些示例中，以用户为中心是指基于用户简档进行推荐。 在这种情况下，在进行推荐时，推荐系统在全部用户中搜索公共偏好，以用于创建组。在一 些示例中，如果一个项目（例如，度量）被同一组中的其他用户积极地评价，则该项目也将 被推荐给所选择的用户。例如，作为销售团队的一部分的用户可能经常选择与销售有关的 度量。因此，与销售有关的度量可能被推荐给作为销售团队的一部分的用户。在一些示例 中，以项目为中心的技术是基于这样的假设：用户选择保持不变或者不明显改变。在一些示 例中，项目（例如，度量）组是基于用户的评估（例如，通过用户选择来确定的、用户提供的 评价）来创建的。在一些示例中，用户被提供与用户已经选择和/或使用的项目（例如，度 量）位于同一组中的项目的列表。在一些示例中，基于用户的技术和基于项目的技术可以 被组合。
[0058] 在一些实施方式中，一个或多个算法可以被提供在基于模型的技术中。示例的算 法可以包括最邻近算法（nearest neighbor)(例如，基于用户的过滤和基于项目的过滤）、 欧式距离算法（Euclidian distance)(例如，相似性得分计算）、贝叶斯网络建模、分簇建 模、和概率潜在语义分析（例如，sLSA)。
[0059] 在一些实施方式中，可以提供混合的技术。以这种方式，可以通过使用基于内容的 过滤技术和协同过滤技术的混合来最大化单独的技术的潜力。在一些示例中，所述技术可 以被单独地执行，并且每种技术的结果可以被结合。在一些示例中，基于内容的过滤的一个 或多个规则可被用在协同过滤中。在一些示例中，协同过滤的一个或多个规则可被用在基 于内容的过滤中。在一些示例中，将两种方案结合在一起的统一的过滤技术可以被提供。
[0060] 在一些实施方式中，并且如上所述，基于上下文的技术可以被提供（在缺少用户 简档信息的情况下）。在一些示例中，上下文可以作为与用户环境以及关于用户当前状态 的细节有关的可用的全部信息被提供（例如，与保存在简档中的内容信息相反）。因此，上 下文动态地改变并且经常是仅仅被临时保存，因为它在一个时段之后失去它的意义。关于 项目（例如，度量）和用户的上下文信息可以表示在上下文图表中。项目、用户、和上下文 信息表示图表中的节点，而边构成项目的评级和/或用户之间的相似度。在一些示例中，可 以通过与用户直接交互（例如，在进行推荐之前让用户填写调查表）、使用隐含的信息（例 如，利用GPS设备收集的位置信息）、和/或通过观察用户的行为或者使用数据挖掘技术来 分析用户，来获得上下文信息。
[0061] 上下文感知推荐系统可以显著地提高推荐的质量。在一些示例中，可以为基于上 下文的方案提供一个或多个子技术。示例的子技术可以包括上下文预过滤（例如，在进行 预测之前选择数据）、上下文后过滤（例如，在预测完成之后进行过滤）、和建模（例如，在 预测过程中使用上下文信息）。在一些示例中，基于项目分拆的预过滤方案可以被提供。例 如，预过滤方案可以作为协同过滤的扩展被提供。
[0062] 在一些实施方式中，基于语义的技术可以被提供。在一些示例中，基于语义的技术 可以实施概念图（例如，分类学）或者本体论。在一些示例中，分类学包括基于领域和组对 项目和用户进行分类。在一些示例中，当实施分类学太困难或者太昂贵时，可以使用其他 的解决方案。一个示例包括公众分类学（例如，公众+分类学），其提供基于用户添加到项 目的标签对项目进行分类。在一些示例中，最频繁使用的和最受欢迎的标签变成项目的类 另|J。此外，标签可以使用本体论而彼此相关，本体论可以作为分层构造的一组术语被提供， 其用于描述可以用作知识库的骨架基础的领域。在一些示例中，本体论可以作为构成主题 区域的词汇的基本术语和关系被提供。通过使用语义分析和本体论机制，推荐系统能够更 好地理解项目（例如，度量）以及用户之间的关系，例如创建本体论简档之间的语义近邻 (semantic neighborhood)〇
[0063] 再次参考图3，"全部度量"子菜单320中列出的度量可以包括并非对于特别的用 户而言特定的度量。取而代之地，显示在子菜单320中的度量可以包括全部可用的度量。在 所描绘的示例中，"财务"度量已经被用户选择。度量的选择可能引起一组子度量的显示。 在上下文示例内，与"财务"度量相对应的该组子度量包括"毛利"、"收入"、和"总销售额"。 如参考图2和图4讨论的，从"推荐的度量"菜单318或者"全部度量"菜单320中选择度 量使得一个或多个处理器能够提供更多的推荐。与维度选择菜单308交互的用户能够选择 维度。维度的选择指示能够限制所选择的度量的范围的过滤器，并且由此指示将被推荐给 用户的指示符的范围。如参考图4所述，维度的选择使得不同的GUI被显示。在一些实施 方式中，⑶I 302的一个或多个组件构成必填字段。必填字段可以被突出显示（例如，被标 记为星号）。在一些实