[发明专利]用于数据的带注释捕获以及活动的群建模的方法和系统

说明书

本发明公开了构建和/或使用用于估计用户的行为或用户感兴趣的情况的模型的方法、设备和系统。所述用户具有被配置为捕获与行为或情况有关的传感器数据的至少第一数据集的设备。一组处理能力被配置为捕获包括传感器数据的第一数据集和包括与行为或情况有关的注释数据的第二数据集，以及进一步至少配置模型。该设备进一步被配置为将至少一个模型的参数调节成用户的特性或一组用户的特性。本发明允许通过允许大量的数据的采集来改进现有技术，所述大量的数据将对模型针对行为或情况的拟合进行优化。

技术领域

本发明改善了电子设备向其用户提供更加增值的服务的功能。更具体地，本发明应用于使用装备有各种类型的传感器的不同类型设备。传感器用于用户特定的上下文中来捕获数据从而记录和预测任何用户感兴趣的活动、行为或情况。传感器数据与有关于活动、行为或情况的其它数据相结合，被发送到用于开发用于用户特定的上下文中的预测模型的数据库并且存储于其中。

背景技术

为了实现这些改进，本发明使用了两种技术：嵌入式传感器以及数据分析与建模算法。

首先，设备越来越多地被装备有嵌入式传感器。这些设备的一些示例是类似于智能手机或平板设备的消费电子设备、家庭自动与防护系统、健康监视设备、运动装备等。通过示例的方式，智能手机可以包括加速度计、陀螺仪、磁力计、定位接收器(与全球定位系统GPS或其它类型的全球导航卫星系统GNSS(如Galileo或Beidou)相兼容)、压力传感器、照相机等(参见图1a)。在智能手机中所有这些传感器的许多可能的应用中的一个应用是设备的载体的运动、姿态和活动(躺、坐、走、跑等)的表征。指示上下文的信号和数据能够发送并且存储在远程数据库中以用于存储和分析。

其次，数据分析与建模工具的使用允许提取捕获的传感器信号与表征活动、行为或情况的数据之间的关系。可以使用带有概率模型或确定模型的简单的统计分析(例如，单变量或多变量回归分析)。可以使用更复杂的统计技术(主成份分析、贝叶斯建模等等)，对其的选择将取决于应用。这些模型中的一些模型将通过学习步骤(隐式马尔科夫模型、神经网络等)来改善。这些利用运动传感器进行姿态/活动分析的建模技术的应用已经尤其被在n°WO2010/122172下公布的PCT申请公开，本专利申请的申请人是该专利申请的共同受让人之一。该专利申请公开了一种基于观测、传感器测量以及对充分概率函数的选择来确定移动元件的最可能的状态的列表的方法.

模型的精度取决于能够与传感器测量相关的状态数据的数量和质量。创建这些数据库当前需要大量的时间和精力。另外，在对数据的正确捕获和解释中所涉及到的不同类型的知识和技术将不总能在同一公司/组织中可用。

这是将使得对用户带来增加的益处的这些建模技术的更普及使用的大的局限性。

发明内容

这是本发明要克服该局限性的目的。

为此，本发明公开了一种计算机系统，至少包括具有与主计算机通信的能力的第一计算设备，其中：所述第一计算设备被配置为生成第一数据集，每个第一数据集至少包括与至少一个人的行为和感兴趣的情况中的至少一个有关的传感器读数，所述传感器读数由第一计算设备和具备与第一计算设备和主计算机中的至少一个通信的能力的第二计算设备中的一个来处理；所述第一计算设备和第二计算设备中的一个被配置为捕获第二数据集，每个第二数据集至少包括与所述人的行为和感兴趣的情况中的至少一个有关的变量数据，所述变量数据按时间由对应的第一数据集引用；所述第一计算机设备进一步被配置为生成第三数据集，每个第三数据集包括对表征用户的行为和感兴趣的情况中的至少一个的状态的估计，所述估计是基于与所述用户的行为和感兴趣的情况中的至少一个有关的至少传感器读数的模型中的输入的，其中所选类型的所述模型由主计算机根据利用用于至少一个人和至少第二人的第一数据集和第二数据集的计算来创建。