[发明专利]一种用于管理移动设备及其计算机程序产品中的事件通知的装置和方法在审

专利信息
申请号: 201880096083.5 申请日: 2018-09-11
公开(公告)号: CN112534410A 公开(公告)日: 2021-03-19
发明(设计)人: 卡洛林娜·塔鲁·卡特里娜·索敏恩 申请(专利权)人: 华为技术有限公司
主分类号: G06F9/54 分类号: G06F9/54;H04M1/724;H04M1/72448;H04M1/72454
代理公司: 暂无信息 代理人: 暂无信息
地址: 518129 广东*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 用于 管理 移动 设备 及其 计算机 程序 产品 中的 事件 通知 装置 方法
【权利要求书】:

1.一种用于管理移动设备中的事件通知的方法,其特征在于,所述方法包括:

获取事件通知,所述事件通知的目的在于向用户显示并与所述移动设备中发生的新事件有关;针对所述事件通知,确定与所述移动设备的所述用户和/或所述移动设备本身相关联的通知上下文;

通过使用学习算法,基于所述事件通知和所述通知上下文,预测所述事件通知的关联程度,所述学习算法考虑到过去事件通知、相关联的过去通知上下文以及使用所述移动设备的用户对所述过去事件通知的反应;

基于所述预测的关联程度决定是否向使用所述移动设备的所述用户显示所述事件通知。

2.根据权利要求1所述的方法,其特征在于,所述通知上下文包括关于用户活动、用户内容、来自所述移动设备的至少一个传感器的传感器信息、应用信息和/或区域标识符的信息,所述区域标识符指示所述移动设备所在的地理区域。

3.根据权利要求2所述的方法,其特征在于,所述地理区域基于从所述移动设备中使用的位置传感器接收的卫星定位系统坐标进行定义。

4.根据权利要求1至3中任一项所述的方法,其特征在于,所述学习算法是一种无监督机器学习算法。

5.根据权利要求1至4中任一项所述的方法,其特征在于,所述学习算法通过使用神经网络、决策树或随机索引实现。

6.根据权利要求1至5中任一项所述的方法,其特征在于,所述决策包括:当所述预测的关联程度超出预先确定的阈值时,决定向所述用户显示所述事件通知;当所述预测的关联程度未超出所述预先确定的阈值时,防止向所述用户显示所述事件通知。

7.根据权利要求1至6中任一项所述的方法,其特征在于,每个过去事件通知的所述过去通知上下文被预先编码为稀疏向量表示,其中所述预测包括:

-将所述事件通知的所述通知上下文编码为所述稀疏向量表示;

-使用向量距离度量,比较所述事件通知的所述稀疏向量表示与每个过去事件通知的所述稀疏向量表示;

-基于上述比较的结果,显示最接近所述事件通知的所述过去事件通知;

-通过考虑所述用户对所述显示的过去事件通知的反应,获取所述事件通知的所述预测的关联程度。

8.根据权利要求7所述的方法,其特征在于,所述比较使用随机索引算法进行。

9.根据权利要求1至8中任一项所述的方法,其特征在于,所述新事件是接收以下各项中的一项:社交网络中的消息、电子邮件消息、SMS消息、应用消息、来电、闹钟信号和日历事件。

10.一种用于管理移动设备中的事件通知的装置,其特征在于,所述装置包括:至少一个处理器;

存储器,耦合至所述至少一个处理器,用于存储处理器可执行指令,其中所述指令在由所述至少一个处理器执行时使得所述至少一个处理器执行如下操作:

获取事件通知,所述事件通知的目的在于向用户显示并与所述移动设备中发生的新事件有关;针对所述事件通知,确定与所述移动设备的所述用户和/或所述移动设备本身相关联的通知上下文;

通过使用学习算法,基于所述事件通知和所述通知上下文,预测所述事件通知的关联程度,所述学习算法考虑到过去事件通知、相关联的过去通知上下文以及使用所述移动设备的用户对所述过去事件通知的反应;

基于所述预测的关联程度决定是否向使用所述移动设备的所述用户显示所述事件通知。

11.根据权利要求10所述的装置,其特征在于,所述通知上下文包括关于用户活动、用户内容、来自所述移动设备的至少一个传感器的传感器信息、应用信息和/或区域标识符的信息,所述区域标识符指示所述移动设备所在的地理区域。

12.根据权利要求11所述的装置,其特征在于,所述地理区域基于从所述移动设备中使用的位置传感器接收的卫星定位系统坐标进行定义。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华为技术有限公司,未经华为技术有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201880096083.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top