[发明专利]用于向车辆上的用户推荐内容的计算机实现的方法和系统

说明书

描述了一种用于向车辆上的至少一个用户推荐内容的计算机实现的方法，包括从所述用户的先前内容选择历史开始学习内容偏好标准，以及基于所学习的偏好标准从可用内容数据库中自动选择至少一个内容，其中基于车辆占用状态、车辆状态和车辆行程状况中的至少一个，进一步执行至少一个内容的自动选择。还描述了一种用于向车辆上的至少一个用户推荐内容的系统，包括：基于至少一个预定自动学习模型的自动学习引擎，用于学习内容偏好标准；信号或数据收集模块，适于获取至少一个指示车辆占用状态的第一信号或数据、至少一个指示车辆状态的第二信号或数据以及至少一个指示车辆行程状况的第三信号或数据；以及推理引擎，用于基于所获取的车辆占用状态、车辆状态和车辆行程状况中的至少一个，从可用内容数据库中自动选择至少一个内容。

本发明涉及推荐系统或引擎，更具体地涉及用于向车辆用户推荐内容的计算机实现方法和系统，特别是根据权利要求1的前序部分的用于推荐内容的计算机实现的方法和根据权利要求10的前序部分的向车辆用户推荐内容的系统。

推荐系统或推荐引擎是一种内容过滤软件，它创建特定于用户的自定义推荐，以帮助他/她做出选择。推荐系统是一种机器学习模型，它处理用户的偏好、与他/她相关的数据和上下文数据，以作为用户执行的活动的一部分或响应来自用户的特定请求提供内容建议。

今天，人工智能比以往任何时候都更加迅速地在各个技术领域发展，并支持许多应用。在汽车工业中，智能车载系统能够学习用户的行为和偏好，例如车辆的驾驶员或乘客，更一般地说是车辆的占用者，允许预测用户的行为和/或提供个性化推荐，从而简化广义上的车辆控制，即控制车辆行程或控制车载设备。这是通过应用于众多领域的推荐系统实现的。

松下公司的美国专利申请US 2013/0030645公开了一种车辆的信息和娱乐(infotainment)系统，用于根据占用者的特征向车辆占用者提供多媒体内容，其中内容推荐模型要求车辆占用者对提供的推荐提供反馈。

本发明的目的在于提供一种适用于汽车环境的推荐系统和方法。

根据本发明，该目的通过一种用于向车辆上的至少一个用户推荐内容的计算机实现的方法实现，该方法具有权利要求1中提到的特征。

特定实施例是从属权利要求的主题，其内容应被理解为本说明书的组成部分。

本发明的另一主题是一种用于向车辆上的至少一个用户推荐内容的系统，该系统具有权利要求10中提到的特征。

有利地，根据本发明的推荐系统和方法被设计为从车辆占用者或车辆多个占用者的行为和习惯中学习，以及从影响车辆的实际事件和车辆周围的环境中学习，以便为车辆上采取的动作提供建议，并为车辆占用者提供有用的内容。

根据本发明的推荐系统和方法可以方便地应用于车载信息娱乐系统，例如在用于管理多媒体内容、用于导航、用于人机界面的环境中。

有利地，根据本发明的推荐系统和方法允许提供可在多个车辆占用者之间单独共享的多媒体或导航推荐。

与US 2013/0030645的现有技术不同，本发明不提供车辆占用者对所提供推荐的反馈。通过强化学习，内容推荐系统能够根据系统本身的当前和先前状态独立地、顺序地评估要建议的操作。有利地，在一个实施例中，动作的质量与提供的与奖励值相关的输出的有效性密切相关，该奖励值不是由用户分配的，而是由系统基于用户对系统提议的动作的选择频率自动评估的。

有利的是，对于多媒体内容、导航和人机界面管理这三种情况，生成推荐时不需要用户交互。无论用户是否接受每个建议，都会记录下来并用于改进后续推荐。

本发明的进一步特征和优点将从以下对其实施例的详细描述中更清楚地显现出来，这些描述是以非限制性示例的方式参照附图给出的，其中：

图1是根据本发明的推荐系统的第一实施例的框图，其中系统的决策算法驻留在云中；