[go: up one dir, main page]

CN107003978B - 用于将用户视觉引导至当前兴趣的系统和计算机方法 - Google Patents

用于将用户视觉引导至当前兴趣的系统和计算机方法 Download PDF

Info

Publication number
CN107003978B
CN107003978B CN201580053795.5A CN201580053795A CN107003978B CN 107003978 B CN107003978 B CN 107003978B CN 201580053795 A CN201580053795 A CN 201580053795A CN 107003978 B CN107003978 B CN 107003978B
Authority
CN
China
Prior art keywords
user
tags
image
electronic image
electronic
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201580053795.5A
Other languages
English (en)
Other versions
CN107003978A (zh
Inventor
西尼·尼科尔·爱普斯坦
保罗·劳伦斯·爱普斯坦
卢卡·马里克
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Family has litigation
First worldwide family litigation filed litigation Critical https://patents.darts-ip.com/?family=55302305&utm_source=google_patent&utm_medium=platform_link&utm_campaign=public_patent_search&patent=CN107003978(B) "Global patent litigation dataset” by Darts-ip is licensed under a Creative Commons Attribution 4.0 International License.
Application filed by Individual filed Critical Individual
Publication of CN107003978A publication Critical patent/CN107003978A/zh
Application granted granted Critical
Publication of CN107003978B publication Critical patent/CN107003978B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/5866Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/06Buying, selling or leasing transactions
    • G06Q30/0601Electronic shopping [e-shopping]
    • G06Q30/0631Recommending goods or services
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33Querying
    • G06F16/3331Query processing
    • G06F16/334Query execution
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/51Indexing; Data structures therefor; Storage structures
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04842Selection of displayed objects or displayed text elements
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04LTRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00Network arrangements or protocols for supporting network services or applications
    • H04L67/2866Architectures; Arrangements
    • H04L67/30Profiles
    • H04L67/306User profiles
    • HELECTRICITY
    • H04ELECTRIC COMMUNICATION TECHNIQUE
    • H04WWIRELESS COMMUNICATION NETWORKS
    • H04W4/00Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02Services making use of location information
    • H04W4/021Services related to particular areas, e.g. point of interest [POI] services, venue services or geofences

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Library & Information Science (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Human Computer Interaction (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Eye Examination Apparatus (AREA)
  • Diaphragms For Electromechanical Transducers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开一种对与呈现给用户的图像序列相关联的标签进行分析以呈现用户的当前兴趣的系统和计算机实现方法。在电子显示器上呈现多个图像中的一个图像。该图像与标签集合相关联。接收表示用户对图像的偏好的输入。基于偏好和标签集合处理多个标签以从多个标签确定下一标签集合。基于下一标签集合从多个图像中确定出下一图像。所述下一图像表示与由先前图像表现的物理对象不同的物理对象。通过利用下一图像代替先前图像重复以上过程来生成图像序列以用于呈现用户的当前兴趣。

Description

用于将用户视觉引导至当前兴趣的系统和计算机方法
相关申请的交叉引用
本申请要求于2014年8月15日提出申请的美国临时申请第62/037,788号的优先权和权益,该美国临时申请借此以全文引用方式并入本文中。
技术领域
本公开的方面通常涉及分析与呈现给用户的图像序列相关联的标签以将用户引导至当前兴趣的系统和方法。
背景技术
存在大量基于分析用户的历史记录向用户作出推荐的应用,基于因特网的应用和基于智能电话/平板计算机的应用均为如此。用户的历史记录可包括或反映例如用户基于用户的偏好先前作出的选择。虽然用户的偏好整体上在长时间段内是稳定的,但是偏好的一般性允许较少限定用户的当前特定偏好。例如,用户对于食物的偏好相当稳定。用户例如可能偏好意大利食物和中国食物。用户的食物偏好的历史记录捕获该一般信息并且可允许应用提供关于用户现在或将来可能想要的事物的一般化推荐。然而,用户的当前偏好可能比由依赖于分析用户的历史记录的推荐系统捕获的信息的粒度更大,以在用户可能特别渴望某事物的特定时刻作出当前推荐。因此,用户的当前特定偏好的粒度还允许得到无法单独基于用户的历史记录精确预测的特定当前兴趣。例如,对于食物,用户可能经历渴望,即用户期望得到用户通常喜欢的所有类型的食物中的特定类型的食物。因此,当前应用并不帮助用户确定用户的当前兴趣是什么,尽管应用可以访问用户的历史记录。此外,虽然用户可能知道他或她想要某事物,但是用户感兴趣的特定对象可能甚至对用户而言是未知的,直到用户的感官之一被启发或激发。此外,用户自己思考用户的当前兴趣是什么可能无法帮助用户定义他的或她的当前兴趣。
根据本公开的各方面,公开一种系统和计算机实现方法,该方法基于表示可能感兴趣的物理对象的图像的顺序呈现,将用户引导至他的或她的当前兴趣。
发明内容
本公开的一方面包括一种响应于由用户作出的人机输入对标签进行分析以呈现所述用户的当前兴趣(例如食物渴望)的计算机实现方法,其中所述标签与呈现给所述用户的图像序列相关联。该方法包括经由电子设备的显示器呈现多个图像中的一个图像。该图像表示物理对象并且与来自多个标签的标签集合相关联。该标签集合中的每个标签描述或表征由所述一个图像表现的物理对象的属性。该方法进一步包括经由电子设备的用户界面接收用户的输入,该输入表示用户对由所述一个图像表现的物理对象的偏好。该方法还包括基于偏好和标签集合,由一个或多个计算机设备对多个标签进行处理,以从多个标签确定出下一标签集合。该方法进一步包括由一个或多个计算机设备从多个图像确定与下一标签集合相关联的下一图像。下一图像表示与由所述一个图像表现的物理对象不同的物理对象,并且下一标签集合描述或表征由下一图像表现的物理对象的属性。该方法还包括通过在呈现用户的当前兴趣的会话期间以下一图像代替所述一个图像重复进行所述呈现的步骤、所述接收的步骤、所述处理的步骤和所述确定的步骤,生成图像序列。
本公开的附加的方面包括对机器可读指令进行编码的一个或多个计算机可读非暂时性存储介质,当被一个或多个计算机执行时,所述机器可读指令使得操作被执行。所述操作包括经由电子设备的显示器呈现多个图像中的一个图像。所述一个图像表现物理对象并且与多个标签中的标签的集合相关联。该标签集合中的每个标签描述或表征由所述一个图像表现的物理对象的属性。所述操作进一步包括经由电子设备的用户界面接收用户的输入,所述输入表示用户对由所述一个图像表现的物理对象的偏好。所述操作还包括基于偏好和标签集合,由一个或多个计算机设备对多个标签进行处理,以从多个标签确定下一标签集合。所述操作进一步包括由一个或多个计算机设备从多个图像确定与下一标签集合相关联的下一图像。下一图像表示与由所述一个图像表现的物理对象不同的物理对象,并且下一标签集合描述或表征由所述下一图像表现的物理对象的属性。所述操作还包括通过在呈现用户的当前兴趣的会话期间以下一图像代替所述一个图像重复上述呈现、上述接收、上述处理和上述确定来生成图像序列。
本公开的进一步方面包括一种基于用户所表达的食物偏好序列自动推荐邻近该用户的餐厅的计算机实现方法。该方法包括接收与用户相关联的地理位置;以及利用一个或多个计算机设备获取第一组数字照片,每个数字照片描绘不同的食物并且与表示对应照片中所展现的食物的种类、对应照片中所展现的食物的描述和拍摄食物的对应照片的食物营业所的多个标签相关联。食物营业所位于地理位置的预先确定的邻近范围内。该方法进一步包括由显示设备将第一组照片显示在显示设备上的一个或多个帧上。针对第一组照片的至少部分照片中的每个,该方法包括经由用户输入设备接收至少两个输入选项中的一个,至少两个输入选项包括有利表示或不利表示,有利表示是对第一组照片的至少部分照片中的对应一个中所展现的食物的偏好,且不利表示是对第一组照片的至少部分照片中的对应一个中所展现的食物的非喜好。该方法还包括针对第一组照片的至少部分照片中的每个,在存储器存储设备中存储记录,以在存储器存储设备上产生多个记录,该记录表示接收到的输入选项和与第一组照片的至少部分照片中的每个对应照片相关联的标签之间的关系。该方法进一步包括使用计算机或另一计算机分析记录,以识别具有至少一个可能被用户喜欢的机会的食物种类;以及使用计算机或另一计算机获取描绘食物的另一数字照片,另一数字照片与标签相关联,所述标签表示另一数字照片中所展现的食物种类且具有与被识别的种类至少一个可能相关性或匹配被识别的种类。该方法还包括利用接收到的地理位置,计算机或另一计算机识别至少一个食物营业所,至少一个食物营业所位于接收到的地理位置的预先确定的邻近范围内并且供应被识别的种类的食物;以及由显示设备显示与被识别的至少一个食物营业所有关的信息。
结合参考附图对各种实施方式进行的具体描述,本公开的附加的方面将对所属领域的技术人员显而易见,下文中提供对附图的简要描述。
附图说明
图1是根据本公开一方面的计算机系统的功能框图。
图2A是根据本公开各方面的、分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的计算机实现方法或算法的流程图。
图2B是根据本公开各方面的、从标签池和图像池之中确定与用户相关的标签和图像的计算机实现方法或算法的流程图。
图2C是根据本公开各方面的、确定和/或更新系统内的元素之间的关联性的计算机实现方法或算法的流程图。
图3是根据本公开各方面的、示出与用户相关的多个标签的处理的流程的图示。
图4A示出根据本公开各方面的、分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的计算机实现方法或过程的用户界面。
图4B示出根据本公开各方面的、分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的计算机实现方法或过程的另一用户界面。
图4C示出根据本公开各方面的、分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的计算机实现方法或过程的另一用户界面。
图4D示出根据本公开各方面的、分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的计算机实现方法或过程的另一用户界面。
图4E示出根据本公开各方面的、分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的计算机实现方法或过程的另一用户界面。
图4F示出根据本公开各方面的、分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的计算机实现方法或过程的另一用户界面。
图4G示出根据本公开各方面的、分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的计算机实现方法或过程的另一用户界面。
图4H示出根据本公开各方面的用于上传图像的用户界面。
图4I示出根据本公开各方面的用于上传图像的另一用户界面。
图4J示出根据本公开各方面的用于上传图像的另一用户界面。
图4K示出根据本公开各方面的用于可视化用户的简档的用户界面。
图4L示出根据本公开各方面的用于可视化用户的简档的用户界面。
具体实施方式
虽然本公开容许许多不同形式的实施方式,但在附图中示出并且将在本文中详细描述本发明和概念的示例性实施方案,应理解,本公开应被视为本发明和概念的原理的例证且并不旨在将所公开实施方案的宽泛的方面限制于所示出的示例。出于本具体实施方式的目的,单数包括复数,反之亦然(除非明确否定);词语“和”和“或”应为连接词和反意连接词;词语“所有”意味着“任何和所有”;词语“任何”意味着“任何和所有”;并且词语“包括”意味着“包括但不限于”。
(软件)模块可指代执行软件子例程或程序的计算机可读目标代码,其对应于由任何微处理器或微处理设备执行以实施所描述功能、动作或步骤的指令。本文中所述的方法或算法或功能中的任一个可包括供由(a)电子处理器、(b)电子控制器和/或(d)任何其它适当的电子处理设备执行的非暂时性机器或计算机可读指令。本文中公开的任何算法、软件模块、软件组件、软件程序、例程、子例程或软件应用或方法可体现为具有一个或多个非暂时性有形媒体的计算机程序产品,例如,快闪存储器、CD-ROM、软盘,硬盘驱动器、数字通用盘(DVD)或其它电子存储器设备,但所属领域的技术人员将容易了解,整个算法和/或其若干部分可替代地由除电子控制器以外的设备执行和/或以众所周知的方式体现于固件或专用硬件中(例如,其可由专用集成电路(ASIC)、可编程逻辑设备(PLD)、现场可编程逻辑设备(FPLD)、离散逻辑等实现)。
如上所述,目前存在无法基于用户的兴趣广度对用户的当前(即,同时期)兴趣或偏好进行解释的推荐系统,尽管例如所述推荐系统能够访问与用户的历史记录有关的信息。针对与偏好相关的主题,用户的当前偏好(例如,与用户的历史偏好相关的)的粒度禁止当前推荐系统能够在用户可能渴望某事物的时刻估计或呈现用户的当前兴趣。至多,当前推荐系统仅提供与用户的当前偏好有关的一次性猜测。此外,尤其在食物领域内,存在如下的当前应用,即提供与在用户的当前位置内可获得的食物的广泛类别有关的信息。然而,由此类应用提供的信息量可能导致信息过载。信息过载并不允许用户确定用户当前感兴趣的特定食品菜肴。尤其需要的是一种引导型迭代搜索解决方案,其响应于由用户作出的人机输入,重复并动态地调整搜索标准,以实现在搜索会话结束时满足用户的同时期渴望的推荐。通过这种方式,人和机器两者都是该搜索策略中的必要合作伙伴。只有人类能够使用他的或她的主观感觉从图像中确定用户对图像中所呈现的内容的感觉如何。然而,为满足即刻的渴望,需要机器来帮助人类用户在不到一分钟左右的时间内快速得到推荐。互联网、蜂窝数据和无线技术以及智能电话已给予用户即时访问和可视性的众多选项,但是在某些方面,这种访问和可视性既是幸事又是不幸。容易获得如此多的选择和选项,需要新的编程机器来帮助用户快速找到相关信息,以满足转瞬即逝的需求并且必须快速满足。
因此,本公开的方面提供分析与呈现给用户的图像序列相关联的标签以将用户引导至当前兴趣的系统和方法。该系统和方法允许向用户呈现图像序列。每个图像表现物理对象,并且用户可通过提供该物理对象的物理实体获得该物理对象。在食物领域中,例如,该物理对象可表示食品菜肴,并且该物理实体可表示供应该食品菜肴的餐厅或商店或食物营业所(例如,市场、杂货点、商店等)。如本文中所使用的食品菜肴包括可由动物消费(例如,食用或饮用)的任何可食用项目或可食用项目的组合,包括饮料,例如珍珠奶茶、奶昔或鸡尾酒。序列内的每个图像与描述该物理对象的标签集合相关联。基于用户对每个标签的偏好,呈现新图像以生成图像序列。该新图像基于与该图像相关联的标签集合被选择,标签集合描述由该图像表现的物理对象以及新图像的标签集合基于先前图像的偏好如何与先前图像的标签集合相关。向用户呈现表现物理对象的图像的序列继续引导用户确定满足或描述用户的当前兴趣的物理对象。一旦向用户呈现表示该用户当前感兴趣(例如,渴望)的物理(有形)对象的图像,该系统和方法便允许用户选择该图像(例如,数字照片)以呈现与如何获得(例如,消费)该物理图像中所描绘的项目有关的信息。在作为人类兴趣的食物领域中,例如,用户可被指引到物理实体(例如服务或供应食物的餐厅或其它食物营业所)的因特网网站,在该物理实体处,用户可购买食品菜肴并且任选地在该食物营业所处进行消费。根据一些实施方式,用户可被指引到独立于餐厅网站的软件应用的电子用户界面(在该电子用户界面处,用户可购买食品菜肴),以便为获得食品菜肴的过程提供附加的便利。
图1是根据本公开一方面的系统100的功能框图。首先,将介绍系统100的一般组件,随后介绍示例。系统100包括一个或多个电子计算机(客户端)102a、102b。本文中所使用的不带字母的参考标号可指代多个项目中的一个具体项目、多个项目中的数个项目的子集或以相同参考标号如此编号的多个项目中的所有项目。因此,例如,参考标号102可指代计算机102a、计算机102b或计算机102a和102b两者,如图1中所示。一个或多个计算机102a、102b连接到通信网络104,例如因特网。然而,通信网络104可以是任何类型的电子通信网络。如电子计算机领域的技术人员所理解的,本文中所使用的计算机包括具有中央处理单元(CPU)或控制器或微处理器或微控制器的任何一个或多个电子设备。计算机的示例包括平板计算机、膝上型计算机、桌上型计算机、服务器、智能电话、可穿戴电子设备(例如手表、眼镜、服装制品或腕带)和个人数字助理(PDA)。如本文中所使用的术语计算机可包括联接在一起以形成通常称为计算机的电子设备的系统。例如,一个或多个输入设备(诸如键盘或鼠标)和一个或多个电子显示设备(如视频显示器)可联接到容纳CPU或控制器的壳。或者,例如在平板计算机或智能电话的情况下,计算机的所有组件可集成到单个壳中。一个或多个计算机102a、102b通常包括或以可操作方式联接到存储有数字信息(包括非暂时性机器可读指令和数据)的一个或多个存储器设备。
一个或多个计算机102a、102b包括用户界面设备110a、110b。每个用户界面设备110a、110b对应于接受人类作出的输入并将这些输入转换成对应电子信号的人机界面(HMI),所述输入例如为经由触摸、点击、手势、语音等。用户界面设备110a、110b的非限制性示例包括触摸屏、键盘、鼠标、相机和麦克风。这些设备也称为人机界面设备,因为其允许人类通过提供由人类用户供应给机器的输入来与机器交互。
一个或多个计算机102a、102b还包括电子显示设备112a、112b,所述电子显示设备112a、112b配置成显示能够在视觉上感知的信息。显示设备112a、112b的非限制性示例包括电子视频显示器、立体显示器或配置成在视觉上描绘信息的任何电子显示器,所述信息包括文本、静态图形和人眼可感知的移动动画。电子显示设备112a、112b显示包含在电子用户界面(UI)中的视觉信息。该电子UI还可包括可使用一个或多个HMI设备110a、110b选择的可选择元素。因此,该电子UI通常可包括图形用户界面(GUI)组件和人机用户界面组件,通过这些组件,人类用户可经由HMI界面选择显示在GUI上的可选择元素。
一个或多个计算机102a、102b还包括软件应用114a、114b。即,一个或多个计算机102a、102b执行实现软件应用114a、114b的非暂时性机器可读指令和数据。应用114a、114b在一个或多个计算机102a、102b上执行一个或多个功能。应用114a、114b可以是各种具体类型的应用,例如网络浏览器应用或本机应用。在系统100内,应用114a、114b经由与一个或多个计算机102a、102b相关联的常规有线或无线电子通信接口在一个或多个计算机102a、102b与通信网络104(例如,因特网)之间传送信息。替代地或附加地,应用114a、114b可以是本机应用。本机应用通过通信网络104将一个或多个计算机102a、102b之间的信息传送至应用服务器106。本机应用114a、114b通常经由与一个或多个计算机102a、102b相关联的常规有线或无线电子通信接口通过通信网络104在一个或多个计算机102a、102b之间传送信息。
如上所述,服务器106还联接到通信网络104。服务器106是一种计算机,并且在本领域中具有很好理解的含义。例如在应用114a、114b是网络浏览器应用的情况下,服务器106例如可以是网络浏览器服务器。或者,例如在应用114a、114b是本机应用的情况下,服务器106例如可以是本机应用服务器。
电子数据库108合并至服务器106中或联接到服务器106。数据库108呈存储器设备或数据存储的形式,并且存储用于与服务器106的获取和存档有关的电子数据。服务器106和一个或多个应用114a、114b均根据一个或多个协议通信信息,例如在通信网络104是因特网的情况下的超文本传输协议(HTTP)。在通信网络104是专用局域网(LAN)而非因特网的情况下,可使用任何其它通信协议,而不是HTTP。例如,本机应用可替代使用专有或常规通信协议进行通信以在一个或多个计算机102a、102b和服务器106之间传递信息。
尽管相对于图1,系统100大体上显示为包括两个计算机102a、102b、一个服务器106和一个数据库108,但系统100可包括任意数量的计算机102a、102b、任意数量的独立或集群服务器106(例如,服务器群或服务器集群)和任意数量的数据库108。此外,系统100的一个或多个组件的一些或所有功能可全部或部分地传送到系统100的其它组件。举例而言,服务器106和/或数据库108的功能可全部或部分地传送到一个或多个计算机102a、102b,这取决于计算机102a、102b的功能和性能。
应用114a、114b通过通信网络104与服务器106和数据库108通信,以分析与呈现给用户的图像序列相关联的标签以将用户引导至当前兴趣。应用114a、114b控制用户界面设备110a、110b和显示设备112a、112b以向用户呈现图像并从该用户接收表示该用户对这些图像的偏好的输入。图像通过通信网络104直接地或通过服务器106从数据库108通信至一个或多个计算机102a、102b的应用114a、114b。因此,基于系统100的客户端-服务器布置,数据库108存储用于分析与呈现给用户的图像序列相关联的标签以将用户引导至当前兴趣的信息,在上述客户端-服务器布置中,计算机102a、102b作为客户端并且服务器106作为服务器。服务器106实施本文中描述的算法的功能,所述功能包括将来自数据库108的信息提供至客户端(例如,计算机102a、102b)。计算机102a、102b向用户呈现信息并且从用户接收输入,然后输入被呈现给服务器106以进行处理。然而,本文中所公开的关于所公开的算法的功能可在不背离本公开的情况下与明确公开的内容不同地划分到系统100的组件之中。例如,本文中公开的所有功能可体现于一个或多个计算机102a、102b中,例如计算机102a、102b布置为分布式网络,这取决于计算机102a、102b的能力。
作为信息的一个方面,数据库108将电子图像以电子方式存储于图像的数据存储内。图像可具有各种文件格式和图像类型。举例而言,文件格式可包括JPEG、标记图像文件格式(TIFF)、便携式网络图形(PNG)等。图像类型可包括数字照片、数字绘图、图标等。如上所述,存储在数据库108上的图像表示用户可能感兴趣的物理对象(例如,用户可能渴望的)。因此,图像向用户视觉地传送信息,使得用户理解图像表现的物理对象。系统100可初始地包括设定数量的图像。图像的所设定数量可由系统100的管理员定义。如下文描述,系统100还允许用户向系统100添加附加图像。例如,用户可从一个或多个计算机102a、102b上传图像以向数据库108添加附加图像。当用户与系统100交互并且用户将图像上传到系统100时,图像的数量增加。例如,图像可以是上传图像的用户已在其访问过的餐厅订购或看到的食物(包括饮料)的数字照片。
对于每个图像,数据库108存储与图像表现的物理对象有关的信息。该物理对象可以是能够由图像表现的任何物理(有形)对象。作为示例而不以限制的方式,物理对象可以是食品菜肴、消费品(诸如衣服、汽车等)、物理位置(诸如度假地点、博物馆、体育场馆等)。为方便起见,本公开主要涉及食品菜肴作为物理对象。然而,如所属领域的技术人员所理解的,本公开并不限于仅以食品菜肴为物理对象。相反,每个物理对象可以是由图像表现的任何物理对象,使得用户能够在该图像呈现时识别该物理对象。
数据库108还存储电子标签。主标签在系统100内用于描述和/或表征由图像表现的物理对象。主标签可包括链接在一起作为标签的单个词语或数个词语,所述标签描述或表征整个物理对象或者描述或表征物理对象的子组件或子方面(例如,属性)。因此,对于每个图像,图像与描述或表征物理对象的标签集合相关联。数据库108将所有的标签存储在标签池内,该标签池是能够与图像相关联以描述由图像表现的物理对象的特性和/或质量的标签的总体。主标签可以是由图像表现的物理对象的任何类型的描述符。对于作为食品菜肴的物理对象,标签可描述食品菜肴的一般方面,例如,食品菜肴的族别或烹调(例如非洲、美国、阿根廷等),食品菜肴通常适用于一天中的哪一餐,诸如早餐、早午餐、午餐、晚餐、晚饭、小吃、甜点、夜宵等。标签还可以是描述食品菜肴的形容词,例如,干酪质、脆、热、冷、辣等。标签还可通用地识别构成食品菜肴的通常食物或原料,例如,蔬菜、肉、水果、面包等。标签还可更具体地识别构成食品菜肴的食物或原料,例如,识别特定水果(例如苹果、杏等)、特定肉(例如牛肉、家禽肉、鱼肉、猪肉等)、特定蔬菜(例如西兰花、芦笋、莴苣、胡萝卜等)。标签还可整体地识别特定食品菜肴,例如具有伏特加酱、意大利宽面条、羊腿等的意大利面,或构成食品菜肴内的副菜(例如,“配菜”),例如香肠、鸡蛋、薄饼、法式吐司等,其全部包含在具有各种原料的丰盛早餐的食品菜肴内。
关于标签如何描述或表征与图像相关联的物理对象方面,标签可以是客观的、主观的(或半主观的)或者无关的。上文提供的主标签的示例是直接描述物理对象的客观标签。标签可附加地包括至少部分主观和/或无关地描述物理对象的标签。出于示例的目的,关于作为物理对象的食品菜肴,主观或半主观标签例如可包括美味、令人垂涎、可口、健康、丰盛等。此类主观或半主观标签可适用于一个用户但不一定是所有用户的食品菜肴。无关标签可仅在与其它信息相关时描述物理对象的方面。这种其它信息可以只对与系统100交互的用户的子集已知或只适用于与系统100交互的用户的子集。例如,此类标签可以是社交媒体中当前趋势化的术语,例如
Figure GDA0002709625450000121
上仅适用于关注当前社交媒体趋势的用户子群组的话题标签。此类标签例如包括潮人、及时享乐、GenY、GenX等。独立于标签的上下文,无关标签不一定应用至物理对象。然而,可形成允许某些无关标签被理解为指代物理对象的质量或特性的图案。
如同这些图像,系统100初始地以特定数量的标签开始。然而,标签群组可以是动态的并且随着用户与系统100交互而演变。例如,当用户将物理对象的新图像上传到系统100并且基于用户创建的新标签描述物理对象时,附加标签可添加到标签池。用户可创建附加标签来描述或表征与用户上传的图像相关联的物理对象。每个图像与标签群组之中的标签中的一个或多个相关联,其中标签群组作为该图像的标签集合。关联性可基于将标签与图像进行关联的系统100的管理员。替代地或附加地,关联性可基于将标签与图像进行关联和/或创建新标签的系统100的用户。基于用户的关联性可以是手动的,例如用户手动选择标签以与图像相关联。替代地或附加地,关联性可以是自动的,例如系统100自动确定适用于图像的标签。基于与作为标签集合的多个标签相关联的图像,数据库108还存储与特定的标签集合有关的信息。标签的特定组合是标签集合。单个标签集合可基于每个标签和与任意数量的标签相关联的图像的一般性而描述多个不同图像。数据库108可包括数据结构(例如,表)以基于标签和数据库108内的图像之间的各种关联性来追踪各标签集合。
数据库108还存储并追踪系统100的元素之间的关联性,例如标签之间、若干标签集合之间、图像和标签和/或若干标签集合之间、用户和元素之间等的关联性。系统100可基于已与另一标签相关联的图像使一标签与一图像相关联,并且这两个标签均包括关联性。举例而言,关于作为物理对象的食品菜肴,图像可表示包括米饭的中国食品菜肴。该图像可能已与标签中国相关联,但未与标签米饭相关联。基于系统100通过追踪标签“中国”与标签“米饭”的使用而开发的关联性,例如除了喜欢标记有标签“中国”和标签“米饭”两者的其它图像的其它用户以外,系统100可基于与标签中国相关联的图像自动确定将标签米饭与该图像相关联。关联性可随着表示不同物理对象的图像的数量在数据库108内增加或随着更多用户与标签并且与图像交互而被开发。例如,当更多用户将图像上传至系统100时,用户可将标签中国和米饭两者关联至新上传的图像。系统100追踪标签中国与标签米饭的持续关联性并将该关联性记录至数据库108内。
标签可分成两大类,例如主标签和次标签。主标签由系统100的管理员定义。主标签包括直接描述或表征物理对象的标签。系统100至少初始地包括主标签。系统100还可初始地包括次标签。次标签由系统100的管理员和/或由系统100的用户定义。次标签可识别与主标签相同的特性和/或质量,或者次标签可识别与主标签不同的特性和/或质量。次标签可直接描述或表征物理对象,例如与主标签一样。另外,如上所述,次标签可主观地描述或表征物理对象,或者可以无关地描述或表征物理对象。
每个图像与至少一个主标签相关联,但是可与任意数量的主标签和次标签相关联。一些图像可只与一个主标签相关联。例如,图像可表示物理对象面包,并且与该图像相关联的唯一的标签可以是标签面包。一些图像可与许多不同标签相关联,例如表示法式吐司的物理对象的图像,其可包括标签面包、早餐、鸡蛋、糖等。
分析与呈现给用户的图像序列相关联的标签以将用户引导至当前兴趣的系统和方法依赖于多个标签,所述多个标签与基于图像的先前标签集合和用户对该图像的偏好而被处理的用户相关联。因此,数据库108可存储或服务器106可动态地生成多个标签,所述多个标签是存储于数据库108上的所有标签的子集(例如,标签池)。多个标签不仅包括标签,而且还包括与由标签中的一个或多个涵盖的图像对应的标签集合。如以下将更详细描述的,多个标签可以是适用于用户或与用户相关的标签,例如标签池内的、与用户的简档相关联的标签匹配的标签。当用户被呈现图像并响应于图像而提供偏好时,多个标签随着某些标签从多个标签移除(或不考虑)和/或某些标签集合从多个标签被移除(或不考虑)而进化。
数据库108还存储用户简档。通常,用户简档包括用于与系统100交互的信息。这种信息可包括由用户表示以与用户的简档、图像、物理对象和/或用户已针对其表示积极或消极偏好的实体的某些标签,独立于或依赖于用户与在分析与呈现给用户的图像序列相关联的标签以将用户引导至当前兴趣的会话期间呈现给所述用户的图像交互。关于用于物理对象的食品菜肴,信息可包括应用至用户偏好(例如,喜欢)的食品菜肴和用户并不偏好(例如,不喜欢)的食品菜肴的标签和图像。用户可通过对标签的手动选择来表示这种偏好。替代地或附加地,这种偏好可由系统100在用户在与系统100的一段时间的交互期间学习,例如通过用户经过时间针对标签所表示的偏好而将标签隐含地选择为优选标签。偏好可根据是/否模式表示,例如用户喜欢或不喜欢标签、图像和/或物理对象。替代地,偏好可根据加权模式表示,例如用户喜欢或不喜欢标签、图像和/或物理对象的程度。简档信息可包括与用户相关联的任何其它附加信息,例如用户的姓名、地址、性别、年龄、种族、宗教等。系统100追踪这种附加信息以针对标签、图像和/或物理对象挖掘用户中的趋势。例如,系统100追踪用户在系统100内的交互以开发用户历史记录。用户历史记录追踪用户与系统100之间的交互并允许用户回顾先前交互。举例而言,用户历史记录可包括与用户对先前呈现给该用户的特定图像的偏好有关的信息。
根据一些实施方式,并且具体地关于作为物理对象的食品菜肴,用户简档可包括饮食限制,例如,无麸质、严格素食、素食、宗教观察(例如,无猪肉或贝类或者仅犹太洁食/清真)、坚果过敏等。数据库108可包括饮食信息以将所输入的饮食限制自动转化成对饮食限制所适用的某些标签、图像和/或物理对象的消极偏好,使得被限制的食品菜肴不被呈现给用户。饮食信息可链接至用户的简档,使得用户能够查看由系统100使用的饮食信息。
如上所述,物理对象表示由各种实体提供的对象。数据库108包括关于与物理对象相关联的实体的位置和/或表示物理对象的图像的信息。举例而言,物理对象可表示食品菜肴,并且物理实体表示提供食品菜肴的餐厅或商店(例如,市场、杂货店等)。数据库108包括与餐厅或商店的位置有关的信息。除位置以外,数据库108还可包括实体简档。根据一些实施方式,可根据基于订阅的系统来组织实体简档。订阅至系统100的实体可在其简档内包括未订阅实体未能包含的特定信息。关于食品菜肴,这种信息可包括由实体提供的食品菜肴,除菜单以外,例如由实体创建并上传到系统100中的食品菜肴的图像、所提供的任何当前特价菜/促销/折扣等。根据一些实施方式,与系统100的用户交互将允许用户确认呈现在实体简档中的信息。实体简档还可包括用以展现实体的物理对象的图像、通向其网站或社交媒体应用(例如,
Figure GDA0002709625450000151
)的附加链接等。
实体简档允许用户浏览实体并点击被建议的或被建档的实体,从而将用户引导至实体的简档。作为上述关联性的一部分,当用户在选择与关联至实体的物理对象相关联的图像之后被重新指引至实体的网站时,系统100收集并与实体共享访问者频率。根据一些实施方式,实体简档包括针对用户的直接购买界面,从而避免用户需要寻求第三方公司订购或消费与实体相关联的物理对象。
图2A是利用包括一个或多个计算机102a、102b、服务器106和数据库108的本公开的方面分析与呈现给用户的图像序列相关联的标签以将用户引导至当前兴趣的计算机实现方法或算法200a的流程图。计算机实现方法或算法200a可在计算机102a、服务器106、数据库108内或跨越多个平台执行,例如在计算机102a和服务器106上执行。关于后一布置,由计算机102a执行的应用114a(例如,客户端应用)可根据客户端-服务器关系结合服务器106上所执行的应用(例如,服务器端应用)实施计算机实现方法或算法200a。计算机实现方法或算法200a开始于:用户发起计算机实现方法或算法200a的会话。如以下将更详细描述的,计算机实现方法或算法200a的会话开始于:确定与用户相关联的多个标签,并且所述多个标签将被处理以确定待呈现给用户的后续图像,以在计算机实现方法或算法200a的会话期间生成图像序列。多个标签还确定从中选择呈现给用户的图像的多个图像。因此,根据一些实施方式,计算机实现方法或算法200a基于发起计算机实现方法或算法200a的会话的用户,仅对存储于数据库108中的标签和图像的子集进行处理。计算机实现方法或算法200a开始于:将多个图像中的一个图像例如通过计算机102a的显示设备112a呈现给用户(202)。如上所述,图像表示物理对象并且与标签集合相关联。所述标签集合中的每个标签描述由所呈现的图像表现的物理对象。因此,向用户呈现图像,并且用户能够识出由该图像表现的物理对象。
如下文还将描述,连同图像一起,一个或多个用户界面元素或对象可任选地呈现于计算机102a的显示设备112a上,以允许用户表示对由该图像表现的物理对象的偏好或喜好/非喜好。用户界面元素可根据计算机设备102a、用户界面设备110a和/或显示设备112a的功能/能力而改变。替代地,显示设备112a可不呈现专门用于用户表示对物理对象的偏好的图形用户界面元素(虽然其可呈现)。相反地或附加地,例如,其可隐含用户应采取什么动作来表示偏好,例如通过在图像上或图像附近或者在显示设备112a上的任何位置向左滑动以表示消极偏好(例如,不喜欢)并且在图像上或图像附近或者在显示设备112a上的任何位置向右滑动以表示积极偏好(例如,喜欢),或反之亦然。清楚地说,本公开还涵盖显示图形UI元素(例如,显示在显示设备112上以利用用户界面设备110选择的喜欢和不喜欢虚拟按钮),以及识出由用户相对于用户界面设备110作出的手势(例如,滑动),或者其他。
在图像被呈现给用户时(例如,显示于显示设备112上),计算机实现方法或算法200a接收来自用户的、表示对由该图像表现的物理对象的偏好的输入(204)。该偏好可以是喜欢或喜好该对象(例如,积极)或者不喜欢或非喜好该对象(例如,消极)。替代地,该偏好可以是喜欢(例如,积极)、不喜欢(例如,消极)或者既不喜欢也并非不喜欢(例如,中立)。中立偏好可表示用户无法分辩他或她喜欢还是不喜欢由图像表现的物理对象。替代地,该偏好可按比例调整(例如1至10的范围)以表示用户喜欢(例如,6至10)或不喜欢(例如,1至5)由图像表现的物理对象的程度。
然后,计算机实现方法或算法200a基于由用户表示的偏好处理多个标签(206)。对标签的处理是指在会话期间对由计算机或服务器102、106从标签池提取的标签的操纵或处置。经处理的多个标签是从存储于数据库108内的标签池中选择的标签。该处理包括基于用户响应于先前图像提供的偏好以及与先前图像相关联的标签集合确定下一标签集合。基于该偏好,来自先前图像的标签集合确定如何处理多个标签以确定下一标签集合。例如,如果用户对先前图像表示的偏好是积极、消极或中立的,则基于先前图像的标签集合不同地处理(例如,处置)多个标签。响应于对由先前图像表现的物理对象的偏好为消极的,多个标签的处理包括从多个标签移除与先前图像的标签集合中的标签对应的标签。针对会话的剩余部分,在计算机实现方法或算法200a的每个迭代处,从多个标签移除经处理以确定下一标签集合的标签,使得对于会话的剩余部分,包括特定标签的图像不被呈现给用户。虽然标签在通篇中被描述为从多个标签中移除,但移除包括从多个标签移除标签并且也包括使标签留在多个标签内、但不考虑这些标签。例如,标签可保留在多个标签内,但这些标签例如可标记为已被移除,使得在多个标签的处理期间不考虑这些标签。
如上所述,标签可大致分类为主标签和次标签。图像可与主标签和次标签两者相关联。根据一些实施方式,与图像相关联并且响应于消极偏好从多个标签被移除的标签只是与接收到消极偏好的图像相关联的标签集合中的主标签。替代地,响应于消极偏好,从多个标签移除与接收到消极偏好的图像相关联的标签集合中的主标签和次标签两者。替代地,可基于已呈现给用户的数量来确定从多个标签中仅移除主标签还是移除主标签和次标签两者。例如,如果该图像是呈现给用户的前N个图像(其中N为3、4或5)中的一个图像,则响应于用户表示消极偏好的输入从多个标签中仅移除与该图像相关联的主标签。然而,如果该图像是呈现给用户的后续图像(例如第六、第七或第八图像),则从多个标签中移除与该图像相关联的主标签和次标签两者。对于在用户对至少一个先前图像表示积极偏好之后呈现给用户的后续图像,只有与新呈现的图像相关联并且相对于先前呈现的标签集合为新的那些标签是从多个标签移除的标签,无论其仅为主标签还是主标签和次标签两者。
除移除与用户提供消极偏好的图像相关联的标签(例如,消极标签)以外,计算机实现方法或算法200a还可从多个标签中移除与消极标签相关联的标签(例如,相关联标签)。如上所述,除存储在数据库108中的标签以外,数据库还存储标签之间的关联性。例如,某些标签可基于由图像表现的物理对象中的趋势与其它标签相关联,例如标记为“中国”的标签比标记为“汉堡”的标签与标记为“米饭”的标签更加关联。因此,响应于消极偏好,计算机实现方法或算法200a可确定满足与消极标签的阈值关联性的相关联标签。用于关联性的阈值可基于任意数量的因素或度量,例如两个标签与相同图像相关联的次数、用户针对图像表示特定偏好(例如,喜欢或不喜欢)的次数和与图像相关联的标签等。例如,当图像被用户表示为具有积极偏好时,关联性可基于两个标签与图像相关联的次数。然而,用于确定关联性的阈值可在不背离本公开的精神和范围的情况下改变。
响应于对由图像表现的物理对象的偏好为积极或有利的,多个标签的处理包括确定添加到与图像相关联的标签集合中的标签中的附加标签。附加标签通过建立与用户针对其提供积极偏好的先前图像相关联的标签来进一步缩小用户的当前兴趣。
为确定一个或多个附加标签,计算机实现方法或算法200a处理多个标签以确定与积极标签具有关联性的标签。例如,如果与先前图像相关联的标签包括标签肉和午餐,则计算机实现方法或算法200a处理多个标签以确定与肉和小圆面包相关联的标签,例如标签汉堡包或热狗,而不是例如标签谷物。类似于上文,用于关联性的阈值可基于任意数量的因素或度量,例如两个标签与相同图像相关联的次数、用户针对图像表示特定偏好(例如,喜欢或不喜欢)的次数和与图像相关联的标签等。然而,用于确定关联性的阈值可在不背离本公开的精神和范围的情况下改变。
在确定满足相对于与用户表示积极偏好的图像相关联的标签集合中的一个或多个标签的阈值关联性的标签之后,计算机实现方法或算法200a基于下一标签集合包括具有所述阈值关联性的标签中的至少一个标签确定出下一标签集合。因此,如果数个标签确定为具有与关联于用户表示积极偏好的图像的一个或多个标签的阈值关联性,则选择那些标签中的一个或多个,并且下一标签集合包括那些标签中的一个或多个标签以及先前图像的先前标签。如果存在满足与先前标签集合中的标签的阈值关联性的多于一个标签,则对用于添加以生成下一标签集合的一个或多个标签中的选择可能改变。该选择可以是随机的,使得例如总共四个标签中的一个或多个标签被选择为包括在下一标签集合中。替代地,选择可基于标签的权重。权重可基于一个或多个因素和/或度量确定。根据一个度量,权重可基于哪一标签与一个标签、多于一个标签或与用户表示积极偏好的先前图像相关联的标签集合中的所有标签的具有最高关联性。关联性可相对于标签群组或标签池内的所有标签、与特定用户(例如,表示偏好的用户)相关的所有标签或相同标签类别内的所有标签(例如膳食、食物类型等)。然而,权重可基于任何类型的度量或模式,例如基于用户的简档、与具有阈值关联性的标签相关联的物理对象、对应于与具有阈值关联性的标签相关联的物理对象的位置、对应于与具有阈值关联性的标签相关联的物理对象的实体或它们的组合。一旦确定标签的权重,便选择用于添加到与先前图像相关联的标签集合的一个或多个标签,使得被选择的标签是具有最高权重的标签。
如上所述,标签可大致分类为主标签和次标签。图像可与主标签和次标签两者相关联。根据一些实施方式,仅对多个标签内的为主标签的标签进行处理,以确定待添加到先前标签集合的附加的主标签。替代地,对多个标签(例如,主标签和次标签)内的所有标签进行处理,以确定待添加到先前标签集合的附加标签。仅处理主标签还是处理主标签和次标签两者以确定待添加到与先前图像相关联的标签集合可基于已呈现给用户的序列内的图像的个数而确定。例如,如果该图像是呈现给用户的前N个图像(其中N为2、3、4或5)中的一个图像,则仅对多个标签内的主标签进行处理,以确定待添加到先前标签集合的附加标签。然而,如果图像是呈现给用户的后续图像(例如会话内的第六、第七或第八图像),则对主标签和次标签两者进行处理,以确定待添加到先前标签集合的附加标签。
如上所述,用户响应于被呈现表现对象的图像而可能表示的偏好可以是积极偏好或消极偏好。另外,该偏好可以是中立偏好。响应于针对图像表示的偏好为中立偏好,记录与图像相关联的标签集合(例如,标签的组合),并且针对会话的剩余部分,只包括该标签集合的标签集合(例如,标签的组合)随后不被呈现给用户。因此,针对会话的剩余部分,与只包括该标签集合的标签集合相关联的图像不被呈现给用户。替代地,响应于该偏好为中立偏好,记录与图像相关联的标签集合,并且针对会话的剩余部分,除任何其它标签以外包括该标签集合的标签集合随后不被呈现给用户。因此,响应于中立偏好,计算机实现方法或算法200a处理多个标签,并且针对会话的剩余部分基于下一标签集合不单独包括、或者替代地不与附加标签的任何组合方式包括对应于图像的标签集合,确定出下一标签集合。因此,记录与中立偏好相关联的若干标签集合以缩小可能的后续标签集合,并且因此,缩小可呈现给用户的图像。
另外,根据一些实施方式,类似于上文关于消极偏好的论述,可从可能的下一标签集合排除的标签集合可包括:具有满足与关联于中立偏好的标签集合内的一个或多个标签的阈值关联性的标签的标签集合。
在基于偏好和先前图像的标签集合确定标签集合时,计算机实现方法或算法200a确定待呈现给用户的下一图像(208)。下一图像是多个图像中的与下一标签集合相关联的图像。多个图像可与相同的标签集合相关联。因此,计算机实现方法或算法200a从共享相同的标签集合的图像中选择单个图像。图像的选择标准可改变。选择可以是随机的,使得从共享相同的标签集合的图像选择随机图像。替代地,选择可基于处理或度量。如上所述,数据库108存储与用户与特定标签和/或特定图像交互多少次有关的信息。处理或度量可包括分析用户和共享相同的标签集合的图像之间的交互次数以及选择具有最高交互次数的图像。具有最高交互次数的图像可提供用户对由图像表现的物理对象具有当前兴趣的高可能性。替代地,处理可包括选择与用户具有最低交互次数的图像。交互可包括任何交互,例如用户随时被呈现图像并且与用户响应于该图像提供的偏好无关。替代地,交互可仅限于用户提供特定偏好(例如积极偏好、消极偏好或中立偏好)的交互。替代地,过程或度量可基于与由图像表现的物理对象相关联的实体。与订阅系统100的实体相关联的图像可被加权为高于与尚未订阅系统100的实体相关联的图像。因此,在与相同的标签集合相关联的多个图像之中,如果一图像与订阅实体相关联,则该图像可被呈现给用户。
计算机实现方法或算法200a基于重复上述过程生成图像序列(210),所述过程为至少向用户呈现图像并且等待来自用户的、关于该用户对由下一图像表现的物理对象持有积极或消极或中立偏好的输入。计算机实现方法或算法200a的会话在每次用户提供对当前呈现的图像的偏好时继续,并且基于对先前图像的偏好和与先前图像相关联的标签集合确定待呈现的下一标签集合和下一图像。提供偏好的用户基于与呈现给用户的表现各种可能的物理对象的图像相关联的标签集合,缩小用户当前感兴趣的物理对象。只要用户继续提供与用户对由图像表现的物理对象的偏好对应的输入,则计算机实现方法或算法200a在会话内继续。因此,根据一些实施方式,计算机实现方法或算法200a无限继续或至少直到图像和/或标签的数量基于上述处理在会话期间耗尽。如上所述,在会话期间,基于消极的或中立的响应,移除标签和标签集合。因此,会话可在没有更多标签和/或图像呈现给用户的情况下结束。替代地,呈现图像序列的单个会话可持续,直到向用户呈现或显示预先确定的数量的图像或者直到从用户接收预先确定的数量的输入。例如,呈现图像的会话可持续10个图像。如果用户在第10个图像之后还未确定用户当前感兴趣的物理对象,则该会话结束,并且计算机实现方法或算法200a重新开始新会话。计算机实现方法或算法200a重新开始新会话将重置在先前会话中被移除的标签、被中立化的标签集合或以上两者。例如,在计算机实现方法或算法200a开始时初始可用的所有多个标签和标签集合可能能够再次被用于确定待呈现给用户的新的标签集合和新图像。替代地,如下文中将更详细描述的,一旦用户选择表现用户感兴趣的物理对象的图像,计算机实现方法或算法200a的会话便结束。
图2B是利用包括计算机102a、服务器106和数据库108的本公开的各方面从整个标签池和整个图像池中确定与针对特定会话的用户相关的、且被处理和分析以用于确定待呈现给用户的图像的多个标签和多个图像的计算机实现方法或算法200b的流程图。出于在系统100内实现的目的,计算机实现方法或算法200b可以是单独算法,而不是计算机实现方法或算法200a。替代地,计算机实现方法或算法200b可以是计算机实现方法或算法200a的扩展或子例程。
计算机实现方法或算法200b从数据库108内的标签池中选择被处理以用于确定下一标签集合(已在上文中的计算机实现方法或算法200a中论述)并且根据其呈现初始图像的多个标签(212)。基于多个标签匹配与用户的简档相关联的一个或多个标签,选择多个标签。因此,根据与用户的简档内的标签匹配的标签,与用户相关的标签被选择至待被处理(在如上文在计算机实现方法或算法200a中论述的)的多个标签内。被选择的标签是与用户的简档内的标签具有精确匹配的标签。替代地,被选择的标签是与用户的简档内的标签具有精确匹配或相对于用户的简档内的标签满足阈值关联性的标签。该关联性可基于本文中所述的任何关联性,例如标签通常基于数据库108内的图像和标签的趋势而与相同的图像相关联。从标签池中选择的标签可以仅为主标签,或者标签可以是主标签和次标签两者。在一些示例中,主标签和次标签具有相等的权重,但在其它示例中,与次标签相比,主标签可具有更高权重。
计算机实现方法或算法200b还确定与用户、正执行该应用以实施计算机实现方法或算法200b的计算机102a或者它们的组合相关联的位置(214)。与计算机102a相关联的位置可基于计算机102a的各种功能(例如计算机102a内的GPS(全球定位系统)接收器)自动确定。替代地,与用户和计算机102a相关联的位置可基于用户手动输入到计算机102a内的位置确定。由用户手动输入的位置可以是当前位置或不同的位置,例如用户在某一时间期间计划所处的位置。
基于从标签池选择的多个标签以及用户和/或计算机102a的位置,计算机实现方法或算法200b从图像池中选择图像(216)。基于图像与从标签池中选择的多个标签中的至少一个标签相关联来选择图像。此外,基于每个图像与用户和/或计算机102a的位置相关联来选择图像。基于位置来选择图像,因为如上所述,该位置对应于由图像表现的物理对象的可用性的位置。基于计算机实现方法或算法200b,在计算机实现方法或算法200a内,对标签的处理和图像的选择限于与用户有关的标签以及与表现局限到特定位置(例如,用户和/或计算机102a的当前地理位置或者用户和/或计算机102a的计划/期望位置)的物理对象的图像。
在计算机实现方法或算法200a的会话期间呈现的第一图像是图像池内的图像。例如,第一图像从多个图像之中被随机选择作为图像序列的第一图像。替代地,第一图像可以是多个图像之中的、与用户的高交互次数相关联的图像,其通过用户与图像之间的直接交互(例如,用户响应于呈现图像而表示偏好)或者通过与图像相关联的一个或多个标签和用户之间的交互。替代地,在计算机实现方法或算法200a的会话内呈现给用户的第一图像可基于用户对特定标签、物理对象或提供该物理对象的实体的搜索。例如,关于食物,用户可选择开始计算机实现方法或算法200a的会话,并输入他们寻找的物理对象的名称,例如中国鸡肉沙拉。作为响应,计算机实现方法或算法200a在数据库108内搜索包括描述或表征中国鸡肉沙拉的一个或多个标签的图像,使得用户能够在其地理区域搜索提供该食物项目的餐厅/商家。同时,该功能鼓励与高级帐户相关联的餐厅(例如,实体)上传其食品菜肴的图像,从而使其食品菜肴针对其局部区域内的所有潜在用户能够在系统100内进行搜索。
图2C是利用包括计算机102a、服务器106和数据库108的本公开的各方面确定和/或更新系统100内的元素之间的关联性的计算机实现方法或算法200c的流程图。出于在系统100内实现的目的,计算机实现方法或算法200c可以是单独算法,而不是计算机实现方法或算法200a和200b。替代地,计算机实现方法或算法200c可以是计算机实现方法或算法200a的扩展或子例程。在通过计算机实现方法或算法200a生成图像序列的会话期间,计算机实现方法或算法200c将来自用户的输入记录为交互(218)。输入被记录为与标签、标签集合、图像、物理对象和/或与被应用输入的物理对象相关联的实体的交互。当用户提供与图像相关联的偏好的输入时,该输入被记录为应用至该图像、由该图像表现的物理对象、与该图像相关联的一个或多个标签和/或与该物理对象相关联的实体。输入可仅相对于用户被记录,或者输入可跨越所有用户被记录。
对输入的记录允许计算机实现方法或算法200c修改系统100内的各种信息元素之间的关联性(220)。例如,记录允许计算机实现方法或算法200c基于交互修改标签之间、标签集合之间和/或图像和标签和/或标签集合之间的关联性。关联性可相对于作出输入的用户而被修改,或者关联性可应用至所有用户。因此,与计算机实现方法或算法200a和200b一并论述并使用的关联性是动态的且基于连续的用户输入而不断进化。
图3是示出在计算机实现方法或算法200a的会话的过程中处理与用户相关的多个标签的流程300的图。该流程开始于标签集合302。标签集合302与在计算机102a处通过应用114a的执行呈现给用户的图像相关联。具体地,显示设备112a显示与标签集合302相关联的图像。如图所示,标签集合302包括主标签302a和次标签302b。标签可以是上述标签中的任何标签;然而,为方便起见,标签由字母字符表示。因此,标签302的主标签302a包括标签A、B和C,并且标签302的次标签302b包括标签D和E。
响应于与标签集合302相关联的图像的呈现,用户例如表示对由该图像表现的物理对象的偏好。如上所述,偏好可通过用户界面设备110a来表示。出于解释的目的,该偏好在图3中由箭头314a表示。具体地,箭头314a表示对与标签集合302相关联的图像的消极偏好。
基于该消极偏好,计算机实现方法或算法200a处理多个标签,以确定下一标签集合以及与该下一标签集合相关联的下一图像。标签集合304表示由计算机实现方法或算法200a确定的下一标签集合,以及与标签集合304相关联的图像。标签集合304包括主标签304a F、G和H以及次标签304b I和J。由于用户响应于由与标签集合302相关联的图像表现的物理对象提供消极偏好,因此标签集合304并不包括主标签302a中的任一个。具体地,针对计算机实现方法或算法200a的会话的剩余部分,从被处理以确定下一标签集合的多个标签移除主标签302a A、B和C。
类似于上文,响应于与标签集合304相关联的图像的呈现,用户表示对由该图像表现的物理对象的偏好。出于解释的目的,该偏好在图3中由箭头316a表示。具体地,箭头316a表示对与标签集合304相关联的图像的积极偏好。
基于该积极偏好,计算机实现方法或算法200a处理多个标签,以确定下一标签集合以及与该下一标签集合相关联的下一图像。标签集合306表示由计算机实现方法或算法200a确定的下一标签集合,以及与标签集合306相关联的图像。由于用户表示对由与标签集合304相关联的图像表现的先前物理对象的积极偏好,因此标签集合306包括主标签306aF、G、H和K,即为主标签304a和附加的主标签K。即,计算机实现方法或算法200a依赖标签集合304通过确定包括先前主标签和附加的主标签(或更多)的标签集合以及与该标签集合相关联的对应图像,基于用户的积极偏好建立。
标签集合306还包括次标签306b D、E和I。尽管用户表示对包括次标签D的标签集合302的消极偏好,但由于次标签D为次标签,其可再次用于后续标签集合中。替代地,可针对会话的剩余部分从被处理以确定下一标签集合的多个标签移除次标签,而不仅仅是主标签。
响应于与标签集合306相关联的图像的呈现,用户表示对由该图像表现的物理对象的偏好。为便于解释,该偏好在图3中由箭头314b表示。具体地,箭头314b表示对与标签集合306相关联的图像的消极偏好。
基于该消极偏好,计算机实现方法或算法200a处理多个标签,以确定下一标签集合以及与该下一标签集合相关联的下一图像。标签集合308表示由计算机实现方法或算法200a确定的下一标签集合,以及与标签集合308相关联的图像。标签集合308包括主标签308a F、G、H和L,以及次标签304b M、N和O。由于用户响应于由与标签集合306相关联的图像表现的物理对象提供消极偏好,因此标签集合308并不包括添加于标签集合304(例如,最后积极偏好)和标签集合306之间的主标签,即,主标签K。即,响应于标签集合306的消极偏好归因于主标签K的添加;因此,针对会话的剩余部分,从多个标签移除主标签K,使得后续标签集合可不再包括主标签K。标签集合308还包括次标签308b M、N和O。
响应于与标签集合308相关联的图像的呈现,用户表示对由该图像表现的物理对象的偏好。出于解释的目的,该偏好在图3中由箭头318a表示。具体地,箭头318a表示对与标签集合308相关联的图像的中立偏好。
基于该中立偏好,计算机实现方法或算法200a处理多个标签,以确定下一标签集合以及与该下一标签集合相关联的下一图像。标签集合310表示由计算机实现方法或算法200a确定的下一标签集合,以及与下一标签集合310相关联的图像。标签集合310包括主标签310a F、G、H和P,以及次标签310b D、E和O。由于用户响应于由与标签集合308相关联的图像表现的物理对象提供中立偏好,因此标签集合310并不包括添加于标签集合306(例如,上一积极偏好)和标签集合308之间的主标签,即,主标签L。即,响应于标签集合308的中立偏好归因于主标签308a的整个集合,包括主标签K以及主标签F、G和H。因而,在完全相同的主标签308a集合永远不能再次呈现给用户的意义上,从被处理的多个标签移除该主标签308a集合。然而,针对会话的剩余部分,主标签L未从多个标签移除,使得只要标签集合不是确切的主标签308a集合,后续标签集合可包括主标签L。标签集合310还包括次标签310b D、E和O。
响应于与标签集合310相关联的图像的呈现,用户表示对由该图像表现的物理对象的偏好。出于解释的目的,该偏好在图3中由箭头316b表示。具体地,箭头314b表示对与标签集合310相关联的图像的积极偏好。
基于该积极偏好,计算机实现方法或算法200a处理多个标签,以确定下一标签集合以及与该下一标签集合相关联的下一图像。标签集合312表示由计算机实现方法或算法200a确定的下一标签集合,以及与标签集合312相关联的图像。由于用户表示对由与标签集合310相关联的图像表现的先前物理对象的积极偏好,因此标签集合312包括主标签310aF、G、H、P、Q和R,其是主标签310a以及附加的主标签Q和R。即,如上所述,计算机实现方法或算法200a依赖用户的积极偏好通过确定包括先前主标签和一个或多个附加的主标签的标签集合以及与标签集合相关联的对应图像建立。
流程300继续,直到用户选择由当前呈现的图像(其对应于在以上图像序列内呈现的最后一个图像)表现的物理对象,该物理对象是用户想要获得的物理对象。替代地,流程300继续,直到会话出于上述原因结束并重新开始。对于每个情况下,当计算机实现方法或算法200a的会话开始或重新开始时,重置被处理的多个标签和图像,以使从多个标签移除的标签和标签集合插回多个标签中以进行处理。
以下图使用在上文中结合前述图1至图3描述的各方面中的任一方面。这些图和随附的描述展示本公开的一些基本方面,以下图仅作为由本公开所涵盖的许多实施方案中的示例显示这些方面。
图4A至图4G分别示出用户界面(UI)400a至400g,用户界面400a至400g作为在计算机设备102a上执行以用于分析与呈现给用户的图像序列相关联的标签以将用户引导至当前兴趣的应用114a的一部分呈现在计算机设备102a上。参照图4A,当开始计算机实现方法或算法的会话时,一次出现一个图像,并且用户与图像交互以填充动态图像序列。根据系统100的各种配置,图像由服务器106从数据库108推送到计算机102a上的应用114a。替代地,图像可由应用114a直接地或通过服务器106从数据库108被获取。替代地,图像可包括在计算机102a上的应用114a内。图4A示出计算机实现方法或方法200a的主要UI 400a。如图所示,UI 400a包括图像402a。图像402a表现物理对象。在图4A的特定示例中,图像402a是长面包的数字照片,该数字照片例如表现面包物理对象并且可能已由浏览供应长面包的商店或餐厅的某人拍摄并张贴至在线社交媒体网络化服务。图像402a下方是用户界面元素404a和404b。具体地,用户界面元素404a和404b允许用户输入与图像402a相关联的输入以及由该图像表现的对应物理对象以供用户提供对由图像402a表现的物理对象的偏好。例如,用户界面元素404a是图标X,其对应于消极偏好,并且用户界面元素404b是图标钩形符号,其对应于积极偏好。UI 400a还包括允许用户在应用114a内导航的主工具栏406。与应用114a的功能对应的图标位于主工具栏406内,包括进餐图标406a、餐厅图标406b、渴望搜索图标406c和我的简档图标406d。渴望搜索图标406a发起计算机实现的过程或算法200a的会话,该会话开始用于分析与呈现给用户的图像序列相关联的标签以呈现所述用户的当前兴趣的过程或算法。因此,在UI 400a呈现在显示设备112a或计算机102a中之前,用户例如选择渴望搜索图标406c。
图4B示出UI 400a之后的后续用户界面。具体地,在用户选择用户界面元素404a或404b中的一个时,UI 400a过渡到UI 400b。UI 400b包括新图像402b。如同图像402a,图像402b表现物理对象。在图4B的特定示例中,图像402b是炒牛肉的数字照片,该数字照片表现炒牛肉的食品菜肴的物理对象。例如,用户可能已选择用以表示用户对由图像402a表现的面包物理对象持有消极偏好(例如,不喜欢)的用户元素404a。作为响应,计算机实现方法或算法200a确定不包括与图像402a相关联的先前标签集合中的标签的下一标签集合,并且确定与待呈现给用户的下一标签集合相关联的图像(例如,图像402b)。因此,炒牛肉的图像402b并不具有与关联于长面包的图像402a的主标签相同的主标签。
图4C显示UI 400b之后的后续用户界面。图4C的UI 400c可在计算机实现方法或算法200a进行选择后续的标签集合和与后续的标签集合相关联的图像并且从用户接收表示对由图像表现的物理对象的偏好的输入的循环数次之后。作为解释,UI 400c可在先前呈现N个图像之后呈现。因此,UI 400c包括新图像402c。如同图像402a和402b,图像402c表现物理对象。在图4C的特定示例中,图像402b是寿司的数字照片,该数字照片表现寿司的菜肴的物理对象。
图4D示出与图4C中的图像402c相关联的UI 400d的详细视图。例如,UI 400c通过用户选择UI 400c中的图像402c过渡到UI 400d。UI 400d包括图4C中的相同图像402c。另外,UI 400d包括用户界面元素408a和410a。用户界面元素408a对应于与图像402c相关联的题目或标题。用户界面元素408a的题目或标题是描述由图像402c表现的物理对象的文本字符串。例如,在图像402c显示寿司的情况下,用户界面元素408a包括标题加利福尼亚寿司卷。用户界面元素410a列举与图像402c相关联的标签。用户界面元素410a允许用户直接看到与图像402c相关联、并且因此还与由图像402c表现的物理对象相关联的标签。例如,用户界面元素410a包括标签寿司、卷、生的、日本、蔬菜和冷的。
图4E显示UI 400e,其包括基于当前呈现的图像402d对餐厅的推荐,当前呈现的图像402d基于计算机实现的过程或算法200a呈现。例如,用户可响应于呈现图像402c表示消极偏好或不喜欢。基于返回到上一次与积极响应(例如,402b)相关联的标签,计算机实现的过程或算法200a可能已将图像402d确定为待呈现给用户的下一图像。类似于UI 400d,UI400e包括与当前呈现的图像402d相关联的详细视图。如图所示,图像402d显示猪排的数字照片,其由用户界面元素408b表示。具体地,用户界面元素408b示出带填馅的猪排的标题。UI 400e进一步包括用户界面元素410b,其提供与图像402d相关联的标签。如图所示,标签包括香草、锅、面包屑、猪排和晚餐。此外,UI 400e包括用户界面元素412。用户界面元素412提供对区域内的、供应与图像402a相关联的物理对象的实体的数量的表示,上述区域例如为由用户、计算机102a或两者的位置限定的区域。具体到所示出的示例,用户界面元素412表示在用户的位置范围内供应由图像402d表现的食品菜肴的餐厅的数量。如图所示,在用户的阈值位置范围内存在15家供应与图像402d相关联的带填馅的猪排的食品菜肴的餐厅。
响应于用户提供对获得与图像402d相关联的物理对象感兴趣的表示,可在UI400e内将用户界面元素412呈现给用户。这种表示可根据各种方法提供,例如用户双击或选择图像402d。作为响应,应用114a在UI 400e内呈现用户界面元素412。因此,一旦用户被引导至用户感兴趣的物理对象(例如在食品菜肴的情况中为渴望),计算机实现的过程或算法200a允许用户获得与供应该物理对象的实体有关的信息。在这种情况下,实体是15家餐厅。响应于用户选择用户界面元素412,应用114a引起UI 400e和UI 400f之间的过渡。
图4F示出UI 400f,其包括提供用户表示为感兴趣获得附加信息的物理对象的推荐实体的列表。UI 400f包括供应与图像402d相关联的物理对象的实体414a至414g(具体为餐厅)的列表。从UI 400f,用户能够从实体414a至414g的列表选择特定实体。在选择实体时,例如选择与第一用户界面元素414a相关联的第一实体时,应用114a引起UI 400f和UI400g之间的过渡。
图4G示出UI 400g,其提供关于供应与图像402d相关联的物理对象的特定实体的信息。在餐厅的情况下,UI 400g包括餐厅的外部的图像416。在图像416下方,UI 400g包括餐厅的名称和餐厅的地址。UI 400g还包括用户界面元素418。用户界面元素418可与链接至与餐厅相关联的网站的超链接相关联。替代地,用户界面元素418可将用户指引到应用内的餐厅的登陆站点。餐厅的登陆站点可提供与餐厅有关的信息,例如与存储于数据库108内的餐厅简档包括在一起的信息。根据一些实施方式,餐厅的登陆站点可允许用户通过应用114a购买食品菜肴,而不是被引导至用户能够购买食品菜肴的因特网网站。
图4H示出UI 400h,其供用户将物理对象的图像上传并相关联到系统100中,例如存储于系统100的数据库108内。UI 400h包括用于显示将与物理对象相关联的图像的区域420。该图像可根据各种方法获得,例如在智能电话的情况下例如集成在计算机102a内的相机,或者通过链接到因特网上的图像或保存于计算机102a的存储器设备中的图像。类似于UI 400f,UI 400h还包括允许用户插入图像的题目或标题的用户界面元素422。UI 400h还包括用于使区域420内的图像与描述由该图像表现的物理对象的一个或多个标签相关联的用户界面元素424。UI 400h还包括用于使位置与图像和物理对象相关联的用户界面元素426。该位置例如可通过计算机102a内的组件和/或模块(例如,全球定位系统接收器)自动确定或者由用户手动输入。
图4I示出当用户在用户界面元素422和422内输入信息时的UI400i。例如,用户可能正在上传食品菜肴的图像。该食品菜肴可具体地为炒牛肉。用户可能已选择标签热的、炒锅和中国来描述由该图像表现的食品菜肴(例如,物理对象)。为选择标签并输入标题,UI400i包括虚拟键盘428。然而,用户可根据各种其它用户界面设备输入文本。一旦用户完成输入信息,图像便上传到数据库108。图4J显示包括用户界面元素430的UI 400j,其表示图像和相关联信息(例如标签、标题和位置)的成功上传。
图4K和图4L示出与查看用户的简档的若干方面的用户相关联的用户界面。具体地,图4K示出与用户简档相关联的UI 400k,包括用户基于用户界面元素432与该用户相关联的标签。如图所示,用户简档表示用户与标签意大利、亚洲、汉堡店、浪漫、递送、音乐、健康食物、新鲜以及其他标签相关联。通过用户从存储于数据库108中的所有标签中手动地选择用户持有积极偏好(例如,喜欢)的某些标签,将标签与用户相关联。替代地,通过用户与标签随时间的交互,隐含地将标签与用户相关联,例如用户具有选择用户喜欢的、与用户界面元素432中的标签相关联的图像和/或物理对象的习惯。UI 400k还包括用户已在与应用114a的交互期间提供积极偏好(例如,喜欢)的图像(例如,数字照片)。
图4L包括示出用户的简档的至少部分附加方面的UI 400l。例如,UI 400l包括用户界面元素436和438。用户界面元素436包括与用户有关的社交媒体信息,例如用户的图标、用户的位置(例如,城市和州)以及该用户正关注多少用户以及多少用户正关注该用户。用户界面元素438包括用户例如已通过图4H至4J中示出的流程上传到系统100中的图像。UI400l可包括系统100内的其它信息,而不仅仅是本文中关于图4A至4L具体引用的信息。例如,UI 4001可包括所谓前100强的用户的特征,其在任何给定时刻突出显示最受好评的图像和/或与图像相关联的物理对象。前100强图像可源自存储于数据库108内的所有图像、数据库108内基于图像与用户喜欢的标签相关联而与用户相关的所有图像、或在用户的当前位置周围的预先定义的区域内供应的物理对象的所有图像。表现具有最多积极偏好的物理对象的图像将展现在前100强上,其向用户提供上传其最喜欢的物理对象(例如食品菜肴)的动机。例如,这将鼓励用户分享其最好的饭菜,以希望进入前100强。前100强列表允许用户获得关注。在社交媒体领域中,应用114a、114b允许用户吸引更多关注者并且支持例如其最喜欢的餐厅(例如,实体)。前100强列表还将是活动的,从而允许用户选择前100强列表内的图像以被带领到与供应由该图像表现的物理对象的实体的简档相关联的页面。
虽然本公开容许各种修改和替代形式,但是具体实施方式或实施方案在附图中以举例的方式示出且以举例方式在文中进行详细描述。然而,应理解,本公开并不旨在限于所公开的特定形式。相反,本公开将涵盖落入如由所附权利要求限定的本发明的精神和范围内的所有修改、等同和替换。
这些实施方式中的每个及其显而易见的变型被认为落入以下权利要求中所阐述的、要求保护的精神和范围内。此外,本构思明确地包括前述元件和方面的任何和所有组合和子组合。

Claims (15)

1.一种计算机实现方法,所述方法包括:
从与用户相关联的电子设备接收在所述电子设备上执行的应用的实例的指示,其中所述应用与一个或多个计算机设备一起配置成将所述用户引导至与物理对象类别相关联的当前兴趣;
基于特定于所述用户的多个标签中的每个标签与所述用户的简档相关联,由所述一个或多个计算机设备从标签池中确定出特定于所述用户的所述多个标签;
从所述一个或多个计算机设备向所述电子设备发送来自存储在所述一个或多个计算机设备上的多个电子图像中的一个电子图像,所述一个电子图像表现所述物理对象类别内的物理对象并且与来自特定于所述用户的所述多个标签中的标签集合相关联,所述标签集合中的每个标签描述或表征由所述一个电子图像表现的所述物理对象的属性;
致使所述电子设备的显示器上呈现所述多个电子图像中的仅所述一个电子图像;
从所述电子设备接收所述用户的输入,所述输入表示对由所述一个电子图像表现的所述物理对象的偏好;
基于所述偏好和所述标签集合,由所述一个或多个计算机设备对特定于所述用户的所述多个标签进行处理,以从特定于所述用户的所述多个标签确定出下一标签集合,所述处理包括:
响应于对由所述一个电子图像表现的所述物理对象的所述偏好为消极的并且所述一个电子图像是在将所述用户引导至所述当前兴趣的会话期间呈现给所述用户的第一电子图像,针对将所述用户引导至所述当前兴趣的所述会话的剩余部分,从被处理以确定所述下一标签集合的特定于所述用户的所述多个标签中移除所述标签集合中的标签;
响应于对由所述一个电子图像表现的所述物理对象的所述偏好为消极的并且所述一个电子图像不是在将所述用户引导至所述当前兴趣的所述会话期间呈现给所述用户的所述第一电子图像,针对将所述用户引导至所述当前兴趣的所述会话的剩余部分,从被处理以确定所述下一标签集合的特定于所述用户的所述多个标签中移除所述标签集合中的相对于紧接的前一标签集合是新标签的标签;以及
响应于对由所述一个电子图像表现的所述物理对象的所述偏好为积极的,从特定于所述用户的所述多个标签中确定要添加到所述标签集合中的至少一个附加标签,生成所述下一标签集合,所述确定所述至少一个附加标签包括:
至少部分地基于(i)特定于所述用户的所述多个标签中的每个标签针对所述多个电子图像与所述标签集合中的一个或多个标签中的至少一个标签一起出现的次数以及(ii)特定于所述用户的所述多个标签中的每个标签与所述用户的积极偏好和/或消极偏好相关联的次数,确定特定于所述用户的所述多个标签中的标签的权重;以及
基于特定于所述用户的所述多个标签中具有最高权重的所述至少一个附加标签,确定出所述至少一个附加标签;
由所述一个或多个计算机设备从所述多个电子图像中确定与所述下一标签集合相关联的下一电子图像,所述下一电子图像表现所述物理对象类别内的不同的物理对象,并且所述下一标签集合描述或表征由所述下一电子图像表现的所述不同的物理对象的属性;以及
通过在所述会话期间以所述下一电子图像代替所述一个电子图像重复进行所述发送的步骤、所述致使的步骤、所述接收所述输入的步骤、所述处理的步骤和所述确定所述下一电子图像的步骤,生成在所述电子设备的所述显示器上一次一个地呈现给所述用户的电子图像序列,以将所述用户引导至与所述物理对象类别相关联的所述当前兴趣。
2.根据权利要求1所述的方法,其中所述标签集合包括主标签和次标签,并且从特定于所述用户的所述多个标签移除的标签仅为所述主标签。
3.根据权利要求1所述的方法,响应于对由所述一个电子图像表现的所述物理对象的所述偏好为消极的,对所述多个标签的处理进一步包括:
从特定于所述用户的所述多个标签确定与所述标签集合中的一个或多个标签具有阈值关联性的标签;以及
针对所述会话的剩余部分,从被处理以确定所述下一标签集合的特定于所述用户的所述多个标签移除具有所述阈值关联性的所述标签。
4.根据权利要求1所述的方法,其中标签的权重至少部分地基于所述用户的所述简档、与满足阈值关联性的标签相关联的物理对象、对应于与满足阈值关联性的标签相关联的所述物理对象的位置、对应于与满足阈值关联性的标签相关联的所述物理对象的实体,或者它们的组合。
5.根据权利要求1所述的方法,响应于对由所述一个电子图像表现的所述物理对象的所述偏好为中立的,对所述多个标签的处理包括:
针对所述会话的剩余部分,基于所述下一标签集合不包括与所述电子图像对应的所述标签集合,确定出所述下一标签集合。
6.根据权利要求5所述的方法,响应于对由所述一个电子图像表现的所述物理对象的所述偏好为中立的,对所述多个标签的处理进一步包括:
从特定于所述用户的所述多个标签确定与所述标签集合中的一个或多个标签具有阈值关联性的标签;以及
针对所述会话的剩余部分,基于所述下一标签集合不包括来自所述标签集合的标签和来自具有所述阈值关联性的所述标签的标签,确定出所述下一标签集合。
7.根据权利要求1所述的方法,所述方法进一步包括:
基于所述多个电子图像中的每个电子图像与特定于所述用户的所述多个标签中的至少一个标签相关联,从电子图像池中选择所述多个电子图像。
8.根据权利要求7所述的方法,所述方法进一步包括:
从所述多个电子图像之中随机选择一个电子图像作为所述会话的所述电子图像序列的第一电子图像。
9.根据权利要求1所述的方法,所述方法进一步包括:
确定与所述用户、所述电子设备或所述用户和所述电子设备的组合相关联的位置;以及
基于所述多个电子图像中的每个电子图像与所述位置相关联,从电子图像池中选择所述多个电子图像。
10.根据权利要求1所述的方法,所述方法进一步包括:
在所述电子图像序列的生成期间,随着所述用户与一个或多个标签、一个或多个标签集合、一个或多个电子图像、一个或多个物理对象、与所述物理对象相关联的一个或多个物理实体或者以上各项的组合交互,记录一个或多个所述输入。
11.根据权利要求10所述的方法,所述方法进一步包括:
基于所述交互修改(1)标签、(2)多个标签集合、(3)电子图像和标签、标签集合或它们的组合,或者(4)以上各项的组合之间的关联性。
12.根据权利要求1所述的方法,所述方法进一步包括:
经由所述电子设备的用户界面,接收所述用户的输入,所述输入表示呈现给所述用户的所述电子图像序列中的最后一个电子图像表现所述用户的所述当前兴趣。
13.根据权利要求12所述的方法,所述方法进一步包括:
确定与所述用户、所述电子设备或所述用户和所述电子设备的组合相关联的位置;以及
经由所述电子设备的所述显示器呈现接近所述位置的物理实体的列表,所述物理实体的列表提供由所述最后一个电子图像表现的物理对象。
14.根据权利要求13所述的方法,所述方法进一步包括:
经由所述电子设备的所述用户界面,接收所述用户选择所述列表中所提供的所述物理实体之一的输入;以及
经由所述电子设备的所述显示器,呈现用户界面元素,所述用户界面元素显示与被选择的所述物理实体相关联的简档。
15.对机器可读指令进行编码的一个或多个计算机可读非暂时性存储介质,当被一个或多个计算机执行时,所述机器可读指令使得操作被执行,所述操作包括:
从与用户相关联的电子设备接收在所述电子设备上执行的应用的实例的指示,其中所述应用与一个或多个计算机设备一起配置成将所述用户引导至与物理对象类别相关联的当前兴趣;
基于特定于所述用户的多个标签中的每个标签与所述用户的简档相关联,由所述一个或多个计算机设备从标签池中确定出特定于所述用户的所述多个标签;
从所述一个或多个计算机设备向所述电子设备发送来自存储在所述一个或多个计算机设备上的多个电子图像中的一个电子图像,所述一个电子图像表现所述物理对象类别内的物理对象并且与来自特定于所述用户的所述多个标签中的标签集合相关联,所述标签集合中的每个标签描述或表征由所述一个电子图像表现的所述物理对象的属性;
致使所述电子设备的显示器上呈现所述多个电子图像中的仅所述一个电子图像;
从所述电子设备接收所述用户的输入,所述输入表示对由所述一个电子图像表现的所述物理对象的偏好;
基于所述偏好和所述标签集合,由所述一个或多个计算机设备对特定于所述用户的所述多个标签进行处理,以从特定于所述用户的所述多个标签确定出下一标签集合,所述处理包括:
响应于对由所述一个电子图像表现的所述物理对象的所述偏好为消极的并且所述一个电子图像是在将所述用户引导至所述当前兴趣的会话期间呈现给所述用户的第一电子图像,针对将所述用户引导至所述当前兴趣的所述会话的剩余部分,从被处理以确定所述下一标签集合的特定于所述用户的所述多个标签中移除所述标签集合中的标签;
响应于对由所述一个电子图像表现的所述物理对象的所述偏好为消极的并且所述一个电子图像不是在将所述用户引导至所述当前兴趣的所述会话期间呈现给所述用户的所述第一电子图像,针对将所述用户引导至所述当前兴趣的所述会话的剩余部分,从被处理以确定所述下一标签集合的特定于所述用户的所述多个标签中移除所述标签集合中的相对于紧接的前一标签集合是新标签的标签;以及
响应于对由所述一个电子图像表现的所述物理对象的所述偏好为积极的,从特定于所述用户的所述多个标签中确定要添加到所述标签集合中的至少一个附加标签,生成所述下一标签集合,所述确定所述至少一个附加标签包括:
至少部分地基于(i)特定于所述用户的所述多个标签中的每个标签针对所述多个电子图像与所述标签集合中的一个或多个标签中的至少一个标签一起出现的次数以及(ii)特定于所述用户的所述多个标签中的每个标签与所述用户的积极偏好和/或消极偏好相关联的次数,确定特定于所述用户的所述多个标签中的标签的权重;以及
基于特定于所述用户的所述多个标签中具有最高权重的所述至少一个附加标签,确定出所述至少一个附加标签;
由所述一个或多个计算机设备从所述多个电子图像中确定与所述下一标签集合相关联的下一电子图像,所述下一电子图像表现所述物理对象类别内的不同的物理对象,并且所述下一标签集合描述由所述下一电子图像表现的所述不同的物理对象;以及
通过在所述会话期间以所述下一电子图像代替所述一个电子图像重复进行所述发送的步骤、所述致使的步骤、所述接收所述输入的步骤、所述处理的步骤和所述确定所述下一电子图像的步骤,生成在所述电子设备的所述显示器上一次一个地呈现给所述用户的电子图像序列,以将所述用户引导至与所述物理对象类别相关联的所述当前兴趣。
CN201580053795.5A 2014-08-15 2015-08-14 用于将用户视觉引导至当前兴趣的系统和计算机方法 Active CN107003978B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201462037788P 2014-08-15 2014-08-15
US62/037,788 2014-08-15
PCT/US2015/045391 WO2016025903A1 (en) 2014-08-15 2015-08-14 System and computer method for visually guiding a user to a current interest

Publications (2)

Publication Number Publication Date
CN107003978A CN107003978A (zh) 2017-08-01
CN107003978B true CN107003978B (zh) 2021-01-22

Family

ID=55302305

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580053795.5A Active CN107003978B (zh) 2014-08-15 2015-08-14 用于将用户视觉引导至当前兴趣的系统和计算机方法

Country Status (8)

Country Link
US (5) US9323786B2 (zh)
EP (1) EP3180707A4 (zh)
JP (1) JP6657215B2 (zh)
KR (1) KR102623157B1 (zh)
CN (1) CN107003978B (zh)
AU (1) AU2015301483B2 (zh)
CA (2) CA2958764C (zh)
WO (1) WO2016025903A1 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107003978B (zh) 2014-08-15 2021-01-22 西尼·尼科尔·爱普斯坦 用于将用户视觉引导至当前兴趣的系统和计算机方法
US10268702B2 (en) * 2014-08-15 2019-04-23 Sydney Nicole Epstein Iterative image search algorithm informed by continuous human-machine input feedback
US11425213B2 (en) 2014-10-31 2022-08-23 Match Group, Llc System and method for modifying a preference
US10726464B2 (en) * 2014-12-18 2020-07-28 Ebay Inc. Expressions of user interest
US20160260112A1 (en) * 2015-03-03 2016-09-08 Go Daddy Operating Company, LLC System and method for market research within a social network
WO2017147580A1 (en) * 2016-02-26 2017-08-31 Epstein Sydney Nicole Iterative image search algorithm informed by continuous human-machine input feedback
US10366405B2 (en) 2016-04-15 2019-07-30 Flipboard, Inc. Content viewability based on user interaction in a flip-based digital magazine environment
US11232108B2 (en) * 2016-07-05 2022-01-25 Sedarius Tekara Perrotta Method for managing data from different sources into a unified searchable data structure
CN106157114A (zh) * 2016-07-06 2016-11-23 商宴通(上海)网络科技有限公司 基于用户用餐行为建模的首页推荐算法
US10545996B2 (en) * 2017-04-19 2020-01-28 Microsoft Technology Licensing, Llc Impression tagging system for locations
US10127591B1 (en) * 2017-05-15 2018-11-13 Wippy, LLC Systems, methods, and devices for dynamic used vehicle marketing, dealer matching, and extended sale period transactions platform
US11127065B2 (en) * 2017-11-30 2021-09-21 Microsoft Technology Licensing, Llc System and method for recommending entities based on interest indicators
US20210103943A1 (en) * 2019-10-08 2021-04-08 Swytchback, Inc Hit or miss insight analysis
US11226990B2 (en) * 2018-07-20 2022-01-18 Ionir Systems Ltd. System and method for operating a digital storage system
CN109376299B (zh) * 2018-09-17 2021-08-06 北京字节跳动网络技术有限公司 推荐链接的方法、装置、存储介质及终端
JP7135785B2 (ja) * 2018-11-28 2022-09-13 株式会社リコー データ生成装置、データ生成方法及びプログラム
CN111259677B (zh) * 2018-12-02 2024-05-03 上海双十信息科技有限公司 一种物品的标签标识及其图像绑定的方法、设备、以及存储介质
US10904346B2 (en) * 2018-12-03 2021-01-26 International Business Machines Corporation Weighted digital image object tagging
CN109657142B (zh) * 2018-12-13 2021-04-23 拉扎斯网络科技(上海)有限公司 信息处理方法、装置、电子设备和计算机可读存储介质
KR20200104013A (ko) * 2019-02-26 2020-09-03 주식회사 틸투원 상품 추천 방법 및 그 장치
WO2020222219A1 (en) 2019-04-30 2020-11-05 Walkme Ltd. Gui element acquisition using a plurality of alternative representations of the gui element
WO2021102850A1 (zh) * 2019-11-28 2021-06-03 京东方科技集团股份有限公司 图片识别的用户界面系统、电子设备及交互方法
KR20210076573A (ko) * 2019-12-16 2021-06-24 삼성전자주식회사 태그를 제공하는 방법 및 이를 지원하는 전자 장치
KR102413584B1 (ko) 2020-07-15 2022-06-27 한국원자력연구원 베타선원 측정장치
US20220335541A1 (en) * 2021-04-15 2022-10-20 Armando Lopez, JR. Systems, methods, computing platforms, and storage media for profile matching
KR102898273B1 (ko) * 2022-10-12 2025-12-12 주식회사 스튜디오랩 페이지 출력 방법
US20250054083A1 (en) * 2023-08-07 2025-02-13 Charles J. Kulas Social media system with affinity-based datasets

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070106656A1 (en) * 2003-05-12 2007-05-10 Koninklijke Philips Electronics, N.V. Apparatus and method for performing profile based collaborative filtering
US20070266025A1 (en) * 2006-05-12 2007-11-15 Microsoft Corporation Implicit tokenized result ranking
US20080147611A1 (en) * 2006-12-15 2008-06-19 Yahoo! Inc. Meal finder
US20110208617A1 (en) * 2010-02-19 2011-08-25 Chris Weiland System and method for locality and user preference based food recommendations
US20120084731A1 (en) * 2010-09-30 2012-04-05 Microsoft Corporation Displaying images interesting to a user
CN102567385A (zh) * 2010-12-29 2012-07-11 上海博泰悦臻电子设备制造有限公司 兴趣点信息搜索设备、系统及方法
CN102722838A (zh) * 2012-05-25 2012-10-10 北京邮电大学 用于网站向用户推荐物品的方法和装置
CN103412936A (zh) * 2013-08-21 2013-11-27 五八同城信息技术有限公司 一种基于数据挖掘和云计算服务的菜品推荐系统
CN103631954A (zh) * 2013-12-13 2014-03-12 百度在线网络技术(北京)有限公司 个性化推荐方法及装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6604103B1 (en) 1994-09-02 2003-08-05 Mark A. Wolfe System and method for information retrieval employing a preloading procedure
US7937725B1 (en) * 2000-07-27 2011-05-03 Koninklijke Philips Electronics N.V. Three-way media recommendation method and system
US9152624B1 (en) 2003-12-04 2015-10-06 Retail Optimization International, Inc. Systems and methods for visual presentation and navigation of content using data-based image analysis
US20070078832A1 (en) 2005-09-30 2007-04-05 Yahoo! Inc. Method and system for using smart tags and a recommendation engine using smart tags
US7501355B2 (en) * 2006-06-29 2009-03-10 Applied Materials, Inc. Decreasing the etch rate of silicon nitride by carbon addition
KR100845355B1 (ko) * 2006-09-29 2008-07-09 변정근 이미지 선호도 측정 어플리케이션, 시스템 및 그 동작 방법
US8560398B1 (en) * 2007-03-29 2013-10-15 Amazon Technologies, Inc. Method and system for providing item recommendations
US8055664B2 (en) * 2007-05-01 2011-11-08 Google Inc. Inferring user interests
US20090254534A1 (en) 2008-04-02 2009-10-08 Garbow Zachary A Methods, Systems, and Articles of Manufacture for Managing Search Metadata
WO2010051642A1 (en) * 2008-11-10 2010-05-14 Springboard Retail Networks Licensing Srl Systems, methods, apparatus and computer-readable mediums for determining a meal and/or meal plan
KR101111121B1 (ko) * 2009-06-29 2012-02-13 주식회사 모임 인공지능에 기반한 개인별 맞춤형 컨텐츠 제공 장치 및 방법, 그 기록 매체
US8296194B2 (en) * 2010-09-21 2012-10-23 Microsoft Corporation Method, medium, and system for ranking dishes at eating establishments
CN102819804A (zh) * 2011-06-07 2012-12-12 阿里巴巴集团控股有限公司 一种商品信息的推送方法及设备
US9021056B2 (en) 2011-12-13 2015-04-28 Facebook, Inc. Metadata prediction of objects in a social networking system using crowd sourcing
US20140143086A1 (en) * 2012-11-16 2014-05-22 Cellco Partnership D/B/A Verizon Wireless Customized recommendations based on customer information
US10692096B2 (en) * 2013-03-15 2020-06-23 Thermodynamic Design, Llc Customizable data management system
KR101462348B1 (ko) * 2013-07-11 2014-11-21 권태호 모바일 메신저에 적용 가능한 태그를 이용한 재능 교환 및 공통 관심 사용자 매칭 시스템 및 그 방법
US9710841B2 (en) * 2013-09-30 2017-07-18 Comenity Llc Method and medium for recommending a personalized ensemble
CN107003978B (zh) 2014-08-15 2021-01-22 西尼·尼科尔·爱普斯坦 用于将用户视觉引导至当前兴趣的系统和计算机方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070106656A1 (en) * 2003-05-12 2007-05-10 Koninklijke Philips Electronics, N.V. Apparatus and method for performing profile based collaborative filtering
US20070266025A1 (en) * 2006-05-12 2007-11-15 Microsoft Corporation Implicit tokenized result ranking
US20080147611A1 (en) * 2006-12-15 2008-06-19 Yahoo! Inc. Meal finder
US20110208617A1 (en) * 2010-02-19 2011-08-25 Chris Weiland System and method for locality and user preference based food recommendations
US20120084731A1 (en) * 2010-09-30 2012-04-05 Microsoft Corporation Displaying images interesting to a user
CN102567385A (zh) * 2010-12-29 2012-07-11 上海博泰悦臻电子设备制造有限公司 兴趣点信息搜索设备、系统及方法
CN102722838A (zh) * 2012-05-25 2012-10-10 北京邮电大学 用于网站向用户推荐物品的方法和装置
CN103412936A (zh) * 2013-08-21 2013-11-27 五八同城信息技术有限公司 一种基于数据挖掘和云计算服务的菜品推荐系统
CN103631954A (zh) * 2013-12-13 2014-03-12 百度在线网络技术(北京)有限公司 个性化推荐方法及装置

Also Published As

Publication number Publication date
CA3205196A1 (en) 2016-02-18
CA2958764C (en) 2023-08-08
US10467267B2 (en) 2019-11-05
US20160048537A1 (en) 2016-02-18
US20200042546A1 (en) 2020-02-06
EP3180707A1 (en) 2017-06-21
CN107003978A (zh) 2017-08-01
JP2017526097A (ja) 2017-09-07
US20160196337A1 (en) 2016-07-07
US20190050477A1 (en) 2019-02-14
WO2016025903A1 (en) 2016-02-18
KR102623157B1 (ko) 2024-01-11
AU2015301483A1 (en) 2017-03-16
US10474705B2 (en) 2019-11-12
US9779160B2 (en) 2017-10-03
EP3180707A4 (en) 2018-01-24
US11669557B2 (en) 2023-06-06
JP6657215B2 (ja) 2020-03-04
CA2958764A1 (en) 2016-02-18
US9323786B2 (en) 2016-04-26
AU2015301483B2 (en) 2020-12-10
KR20170073589A (ko) 2017-06-28
US20170357715A1 (en) 2017-12-14

Similar Documents

Publication Publication Date Title
CN107003978B (zh) 用于将用户视觉引导至当前兴趣的系统和计算机方法
CN104994747B (zh) 用于提供风味建议和增强的系统和方法
US9639805B1 (en) Inferring temporal attributes of a recipe
US20110208617A1 (en) System and method for locality and user preference based food recommendations
US20210103613A1 (en) Iterative image search algorithm informed by continuous human-machine input feedback
WO2016004815A1 (zh) 商品对象信息提供方法及装置
JP6641460B2 (ja) 情報処理装置、情報処理方法、プログラム
US20210383451A1 (en) Iterative, multi-user selection and weighting recommendation engine
Gulati et al. Content and knowledge based food recommending intelligence enabled system (FRIES)
US10592957B2 (en) Analyzing user access of media for meal plans
JP6890747B2 (ja) 情報処理装置、情報処理方法、プログラム
US20240046332A1 (en) Providing Local Recommendations based on Images of Consumable Items
CN106776870A (zh) 群体活动中的信息推荐方法及移动终端
JP2021082299A (ja) 情報提供装置、情報提供方法及び情報提供プログラム
JP2023154330A (ja) 買物支援システム、買物支援方法、およびプログラム
Cohen Accounting for taste
Bhosale Recipe Recommendation Based on Ingredients using Machine Learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant