[发明专利]用于呈现信息的用户状态预测

说明书

本申请涉及用于呈现信息的用户状态预测。描述了一种计算设备，该计算设备基于用户的状态来确定对要呈现给用户的信息的初始用户交互度量，并且使用机器学习模型来预测用户的多个未来状态。每个未来状态与对信息的相应用户交互度量相关联。该设备确定对信息的初始用户交互度量是否大于或者等于未来状态中的每个未来状态的相应用户交互度量，并且如果初始用户交互度量大于或者等于未来状态中的每个未来状态的相应用户交互度量，则输出信息的指示。然而，如果对信息的初始用户交互度量小于多个未来状态中的任何一个未来状态的相应用户交互度量，则设备避免输出信息的指示。

技术领域

本申请涉及用于呈现信息的用户状态预测。

背景技术

一些计算设备(例如，可穿戴设备或者移动电话)可以被配置为向用户通知新闻故事、产品折扣、新接收到的消息、即将到来的约会、包裹递送、以及用户可能感兴趣的其他信息。例如，计算设备可以具有对用户的互联网浏览历史的访问，并且计算设备可以在将新文章发布到用户先前访问的网站的一部分时警告用户。或者在另一示例中，计算设备可以访问用户的购物历史，并且计算设备可以向用户提示将补充用户过去购买的产品的新的可用和/或打折产品或者服务。然而，即使用户可能有时发现这种信息的通知是有用的，输出最终被忽略或者无法获得用户注意的信息的指示也可能不必要地浪费计算设备的电池电量或者捆绑可能已经用于执行其他任务的处理资源。

发明内容

一般而言，本公开的技术可以使系统或者设备能够从用户的若干可能的状态当中确定其间输出信息的特定用户状态，使得输出更有可能得到用户的积极关注。按照这种方式，输出可以使系统能够避免浪费能量和/或计算在输出可能不被喜欢、被忽略或者甚至被忽视的用户状态期间生成输出的资源。

在接收到对利用和/或分析有关计算设备的用户的信息的明确同意之后，示例性系统可以利用机器学习模型(例如，深度学习模型或者任何其他类型的机器学习模型)来确定用户的当前状态。状态可以指定用户或者计算设备的任何数量的物理和/或虚拟特征，包括由用户执行的任何物理和/或虚拟动作，以便于一般地指示用户可能在做什么。机器学习模型可以针对当前状态确定用于要呈现给用户的信息(例如，通知、语音通知、提示、警报、横幅、消息、图像或者任何其他视觉、听觉或者触觉类型信息)的一个或者多个用户交互度量。用户交互度量可以量化在当前状态下用户关于该信息可能具有的预测的兴趣水平。例如，信息可以是来自在计算设备处执行的新闻应用的爆炸新闻标题，并且如果要在用户处于当前状态的同时将新闻标题呈现给用户，则与新闻标题相关联的用户交互度量可以是新闻标题的点进率、用户喜欢的概率、用户忽略的概率等。

示例性系统还可以预测用户的多个未来状态(例如，未来场境)，并且对于该多个未来状态中的每个未来状态，在用户处于未来状态中的每个未来状态的同时要呈现信息时，使用模型来确定信息的相应用户交互度量。可以通过机器学习模型以用于多个未来状态中的每个未来状态的加权因子，来调整对用于特定未来状态的信息的相应用户交互度量调整。换句话说，由于每个未来状态可以具有其自己的发生可能性程度(即，一些未来状态可能比其他未来状态更可能发生)，所以机器学习模型可以通过未来状态的发生可能性来调整未来状态的相应用户交互度量。

如果当前状态的用户交互度量大于或者等于多个未来状态中的每个未来状态的相应用户交互度量，则示例性系统可以通过输出信息的指示(例如，听觉、视觉或者触觉提示)来向用户提示信息。然而，如果示例性系统认为对当前状态的用户交互度量小于多个未来状态中的任何一个未来状态的相应用户交互度量中的任何一个，则示例性系统可以避免输出信息的指示(例如，直到用户的后续状态与具有对信息的最高用户交互度量的特定未来状态相对应)。换句话说，一旦系统接收到来自用户的、对利用指示用户的当前和未来状态的有关用户的个人信息的清楚和明确的许可，系统就可以推迟输出信息的指示，直到系统预测用户处于他或者她最有可能积极地与信息进行交互而不是简单地忽略、不喜欢或者忽视信息的状态。按照这种方式，这些技术可以使系统能够避免像一些其他计算设备那样由于生成对用户不喜欢、忽略或者忽视的信息的输出而浪费能量和/或资源。