机会事件的制作方法
【专利说明】机会事件
[0001] Μ?
[0002] 电子日历已经被使用了相当长的时间。然而，许多事件从来都没有被放到日历，这 是因为对于用户而言要手动地将该事件添加到他/她的日历的感受到的不方便。例如，用 户可能认为将事件添加到他/她的日历要花费太久。结果，用户可能拖延并不将事件添加 到日历或可能仅仅将它写在一张纸上。此外，用户可能利用不适合于传统手动日历输入的 某种类型的设备，诸如智能电话。此外，在许多情况下，用户趋向于甚至没有察觉到他们可 能感兴趣的许多事件。由此，用户的电子日历趋向于是他们的日程安排的不完整的表示，其 可导致他们由于忘记了事件或甚至不知道事件而不小心地重复预定这些事件或错过这些 事件。
【发明内容】
[0003] 所描述的概念涉及机会事件。从一个方面而言，机会事件可以是用户可能感兴趣 但以他/她的正常例程不大可能得知的事件。一个示例实施方式可以基于来自用户的简档 的至少一个参数来过滤事件。该过滤可为用户产生潜在的机会事件。该示例可以利用相似 性阈值将潜在的机会事件与用户简档相比较，使得满足该相似性阈值的潜在的机会事件被 认为是机会事件。该方法可以按照匹配用户简档的置信水平来对机会事件进行排名。该方 法还自动地将排名高的各个机会事件填充到用户的日历上。该方法还向用户通知列入日历 的机会事件。
[0004] 另一示例可以包括显示器、上面存储有指令的存储、以及处理器。该处理器可以被 配置为处理各指令以在显示器上创建图形用户界面（GUI)。该GUI可以包括基于用户的简 档（例如用户简档）为该用户选择的一个或多个机会事件。该GUI可以被配置为允许用户 致使单独的机会事件被填充到与该用户相关联的日历上。
[0005] 以上列出的示例旨在提供快速参考以帮助读者，并且不旨在限定此处所描述的概 念的范围。
【附图说明】
[0006] 附图示出了本文档中传达的概念的实现。所示实现的特征可通过参考以下结合 附图的描述来更容易地理解。只要可行，各附图中相同的附图标记用来指代相同的元素。 此外，每一个如图标记的最左边的数字传达其中首次引入该附图标记的附图及相关联的讨 论。
[0007] 图1和7示出了根据本发明概念的一些实施方式的可实现机会事件功能的系统的 示例。
[0008] 图2示出用于根据本发明概念的一些实施方式的来自图1的活动图的示例。
[0009] 图3-6示出了根据本发明概念的可实现机会事件功能的计算设备。
[0010] 图8-9示出根据本发明概念的一些实施方式的机会事件方法的示例。
【具体实施方式】
[0011] 概览
[0012] 本专利涉及自动日历安排，并且更具体而言涉及潜在日历事件的自动生成。存在 用户仅当得知时才会出席的许多事件。以前，人们需要主动搜索事件或从朋友听说事件或 通过营销发现事件。本发明概念可以构建关于用户的简档。该简档可以用于提供用户可能 想要出席的事件（例如机会事件）的经定制的列表。这些机会事件可以按各种方式（比如 在个人日历、家庭日历、工作日历上或以其他方式）呈现给用户。一些实施方式可为单独的 机会事件确定置信分数。置信分数可以用于确定该单独的事件如何呈现给用户。
[0013] 第一系统示例
[0014] 图1示出了可以标识出为单独用户定制的机会事件的系统100。在该示例中，系统 100包括事件选择引擎102,其被配置为生成机会事件104。事件选择引擎102可以通过利 用用户简档106和事件108来生成机会事件104。用户简档106和事件108可以利用资源 110来生成。资源110的多个示例是相对于用户简档106和事件108来描述的。所列出的 资源是出于解释目的提供的，而不旨在是限制性或穷尽的。
[0015] 相对于用户简档106所示出的资源110包括日历110(1)、搜索历史110(2)、社交 图110(3)、活动图110(4)、通信110(5)、关系110(6)、自然语言处理和/或自然语言生成 (NLP) 110 (7)、机器学习处理110 (8)、以及光学字符识别和语音识别处理（0CR/SR) 110 (9)。 当然，由于附图页面上的空间限制，不是所有所构思的资源都可以被示出。例如，另一资源 可以是事件的众包储存库。
[0016] 相对于事件108示出的资源110包括web爬行器110(10)、搜索引擎110(11)、货 币化引擎110(12)、用户数据110(13)、事件数据提供者110(14)、NLP110(15)和/或机器 学习处理110(16)。
[0017] 日历110(1)可以是与用户相关联的任何人和/或工作日历。日历还可以涉及用 户与之有关系的人或实体。例如，日历可以包括用户的家人和朋友的日历。另外，日历可以 包括用户订阅的任何日历。例如，用户可以订阅他/她的健身房的日历以获悉特定健身课 程在何时被教授。类似地，用户可以订阅他/她的子女的学校的日历以获悉学校里即将到 来的事件。日历可以提供关于用户对什么感兴趣以及用户在过去出席了什么事件以及和谁 一起出席的信息。另外，日历可以提供关于用户已经为他们自己排定的在何时和与谁一起 的事件的前瞻性信息。
[0018] 搜索历史110(2)可以基于用户在因特网上搜索过什么来提供关于用户兴趣的信 息。社交图110(3)可以指示用户与其他人之间的关系。社交图可以从用户参与的社交网 站、用户向谁收发电子邮件、和/或用户向谁收发文本获得。关于这些人的活动的知识可以 有用于确定用户可能对什么事件感兴趣以及用户可能与谁一起出席该事件。
[0019] 在众包事件储存库的情况下，如果朋友或家庭成员针对足球队的即将到来的赛季 (例如）输入一系列日期，则他们可能同意与其他用户共享这些事件。系统进而可以将事件 列表存储在中央数据库中并且将其作为"机会事件"来呈现。或者，众包事件储存库可以用 作"潜在机会事件"，这些潜在机会事件可以被考虑用于根据上面和下面所述的概念来呈现 给用户。
[0020] 活动图110(4)可以提供用户在过去已经参与过什么事件和/或打算参与什么事 件的信息。该信息可以包括事件在何处、事件何时发生以及用户与谁一起进行事件。相对 于图2示出了示例活动图。
[0021] 通信110(5)可以包括用户曾发送或曾接收的电子邮件、文本、电话号码、社交网 络相关信息（如Facebook朋友、Twitter追随者，等等），等等。通信可以提供用户讨论什 么以及他/她与谁一起讨论的信息。关系110(6)可以提供关于用户在社交图110(3)、活动 图110(4)和/或通信110(5)中与之交互的人。
[0022] NLP110(7)可以从日历110(1)、搜索历史110 (2)、社交图110 (3)、活动图110 (4)、 通信110(5)、关系110(6)等等中提取有用信息。机器学习过程110(8)可以处理从NLP 110(7)和/或任何其他资源中获得的信息。可以使用0CR/SR110 (9)来将尤其是图像和语 音转换成可被NLP110(7)和机器学习处理110(8)使用的文本。
[0023] 在事件108侧，web爬行器110 (10)可为搜索引擎来索引网站。搜索引擎110 (11) 可以在因特网中搜索项。这些项中的一些可以表示事件。
[0024] 货币化引擎110(12)可以提供针对特定实体的事件。这些实体可以付费来让它们 的事件包括在提供给事件选择引擎102的事件中，在事件选择引擎从事件中生成机会事件 104的情况下付费，和/或在用户接受和/或出席机会事件104的情况下付费，和/或用户 将机会事件转发给其他用户104的情况下付费。例如，运动队或门票供应商可以付费以让 它们的事件被包括在内以供事件选择引擎102相对于如下用户进行考虑：所述用户具有指 示所述用户可能对该事件感兴趣的用户简档。
[0025] 用户数据110(13)可以包括用户简档106、用于生成用户简档的任何信息、和/或 与用户相关的其他信息、比如用户撰写的文章。事件数据提供者110(14)可以包括由实体 提供的事件，该实体按照主体、地点和/或数据来组织事件。NLP110(15)和机器学习处理 110(16)可以用于在事件数据中找到在其他情况下利用文字匹配技术可能不明显的模式和 关系。因此，内容可以利用各种技术被评估以标识出事件108。
[0026] 注意，尽管图1的图示捕捉了系统100的静态时刻，但是该系统可以是动态的。例 如，当用户简档106变得更稳健时，用户简档可以被用于定制被标识出并被提供给事件选 择引擎102的