[发明专利]基于机器学习的用户行为表征

说明书

本公开针对基于机器学习的用户行为表征。示例性系统可包括一种设备，该设备包括用以向用户呈现内容并在内容呈现期间收集用户数据（例如，包括用户生物计量数据）的用户接口模块。该系统还可包括用以基于用户数据而确定供在呈现内容时使用的参数的机器学习模块。例如，机器学习模块可基于用户数据将包括用户状态的行为模型公式化，用户状态与目标（例如，基于成本函数）和内容呈现参数设置相关。采用该行为模型，机器学习模块可基于用户数据来确定当前用户状态，并且可选择内容呈现参数设置以使当前观察用户状态的移动朝着与最大化成本函数相关联的观察用户状态偏置。

发明人：

Ron FERENs，Gila KAMHI 和 Amit MORAN。

技术领域

本公开涉及在设备上呈现内容，并且更具体地涉及一种用于基于用户行为的分析来配置内容呈现的系统。

背景技术

新兴的电子设备不断驱动着对点播内容递送的用户需求。例如，用户可能能够利用可访问无线局域网（WAN）（例如，因特网）的个人计算机、移动因特网连接设备（例如，智能电话）、因特网使能电视（例如，智能TV）等来访问各种内容。该内容可以由各种提供商递送，并且可跨越大量主题。例如，用户可能期望在排队等待、乘公共交通旅行或仅仅在家放松时听到/观看娱乐内容、玩视频游戏等。可以通过递送到“电子教室”的内容来教导学生。企业人员可以进行与其职业追求有关的举办会议、观看讲座等。内容的呈现在供应商之间也可以不同（例如，用来呈现内容的质量可以是可变的，内容可包括广告等）。点播内容的增加的可用性的结果是内容提供商必须使针对用户的体验质量最大化，因为现在对于用户而言如此容易选择替换内容，如果其兴趣开始减弱的话。

用来保持用户兴趣的传统方式是基于消费者的人口统计（demographic）来设计内容。例如，通过针对预期消费者的最大人口统计来为内容确定目标，内容提供商可以预期获得“最大的收益”。这种策略多年来已被诸如TV/电影工作室、游戏提供商等内容提供商采用。然而，这种策略的成功多少依赖于仅存在有限数目的可用于内容消费者的替换供应。通过新一代点播内容递送提出的问题是在任何给定时间存在大量的可用于内容消费者的替换内容选项，并且因此谋求对用户的最大人口统计有吸引力的东西可能不足以锁定用户注意力。内容的呈现必须在内容呈现开始时的短暂时间段期间吸引并留住用户的注意力。

附图说明

随着以下详细描述的进行且在参考附图时，要求保护的主题的各种实施例的特征和优点将变得显而易见，其中，相同的附图标记表示相同部分，并且在所述附图中：

图1图示出根据本公开的至少一个实施例的用于基于机器学习的用户行为表征的示例性系统；

图2图示出用于根据本公开的至少一个实施例可使用的设备的示例性配置；

图3图示出根据本公开的至少一个实施例的示例性用户数据和内容参数；

图4图示出根据本公开的至少一个实施例的成本函数、可改变参数和用户数据收集的示例性图表；

图5图示出根据本公开的至少一个实施例的基于用户数据的用户状态确定的示例；

图6图示出根据本公开的至少一个实施例的使用户状态、成本函数和可改变参数相关的示例；

图7图示出根据本公开的至少一个实施例的示例性行为模型；以及

图8图示出根据本公开的至少一个实施例的用于基于机器学习的用户行为表征的示例性操作。

虽然以下详细描述将在参考说明性实施例的情况下继续进行，但其许多替换、修改和变更对于本领域的技术人员而言将是显而易见的。

具体实施方式