CN101501627B - 数据操纵系统及分析用户对数据项活动的方法 - Google Patents

Abstract

本发明提供多种组件和进程以实现对多种数据类型的数据处理，并且增强信息的存储和访问，而在上述数据处理中用户活动、注意、兴趣、位置、或其他数据交互的历史的各方面被确定。一方面，提供一种数据操纵系统。该系统包括与一个或多个标签相关联并指示对数据的至少一个用户交互或活动的一个或多个数据项。还包括一关注工具，该工具至少部分基于对各数据项的所述用户交互来处理数据项以确定数据的一个子集。描述了方法，这些方法使用操纵工具在索引中加权搜索词、压缩索引、影响搜索中返回的各项的排列、自动或根据用户导向生成数据项的额外查询，或者用于改进数据项的呈现。

Description

数据操纵系统及分析用户对数据项活动的方法

技术领域

本发明涉及数据操纵系统及分析用户对数据项活动的方法，尤其是感测、存储、索引并检索充分利用用户活动、注意和兴趣的数据的测量。 

背景技术

计算机平台提供多个用于存储和处理大型且可变型数据集的工具。这些工具包括字处理工具、数据呈现工具、计算机辅助图形工具、电子邮件处理工具、日历与调度工具、以及各种数据库操纵工具。假定数据在平台上可以有多种利用，则已经随时间逐渐形成多少是以内容为中心的应用程序。换句话说，当数据已存储在计算机数据库中时，则该数据随后会以基于存储数据的实际内容的某种方式被检索和/或操纵。在一个特定示例中，可以基于关键词而在电子邮件收件箱中搜索以前接收的电子邮件，上述关键词将搜索工具链接至与搜索词(term)相关联的各电子邮件，其中该搜索词则链接至所存储电子邮件的实际内容。因此，如果用户搜索关键词“John”，那么可以检索任何与该关键词相关联的电子邮件并将其呈现给用户，由此用户接着对与搜索词“John”相关联的所需的电子邮件的检索列表进行筛选。虽然可以在所得邮件列表中检索用户正搜索的特定电子邮件，但是为了找到所需的电子邮件接着要搜索大量电子邮件(例如，三十封电子邮件包含搜索词John)。正如可以认识到的那样，上述示例所描述的电子邮件处理可以扩展至包括许多类的数据处理和文件操纵活动。例如这些活动可包括已存储数据的索引，已存储数据的呈现，各类已存储数据的搜索，数据排列，数据索引等等。 

通常在涉及以内容为中心的应用程序的情况下，一种“已完成”文档由读者进行检索、浏览、及利用的普遍观点一般不足以为知识密集型任务提供充分支持。因此，用户或者用户组也应该能够向知识源添加他们自己的信息。在一个示例中，历史学家可能想要向某本书的一个章节中添加详细的分析。另一用户可能想要用从该分析中获悉的经验来对该书的一部分做出注释。 

虽然所有文档实际在Web上或通过Web可用，但是它们的超文本能力当前没有广泛用于直接修改或注释现有信息(例如，书籍、论文、网页、等等)。相反地， 当内容被确信“完成”时，它就被存储为某种类型的档案文件(例如，数字图书馆)，并最终被作为单片实体进行检索，从而用于生成更多的内容。此外，信息检索的任务通常无法与内容逐渐形成(development)的任务相结合。于是，用户不得不检索他们认为任务所需的文档并在随后让内容的逐渐形成以找到的信息为基础。虽然新的文档搜索通常能被手工启动，但是更为强制的观点是应该将内容的逐渐形成与检索合并。一种连续扫描和分析用户输入的新文本的系统应该能够搜索额外的相关信息并将其呈现给用户，然后该用户可以例如审查该新数据、合并它、添加交叉引用、或者拒绝所建议的资源。 

另一方面则是来自一个源的知识在没有文档创建者或其读者的上下文的描述的情况下通常不能得到应用。仅仅是两个上下文框架的显式表示才允许它们之间(半自动的)的变换：在上述示例中，旧知识能够适合现代的标准和词汇，但是当当前以数字格式创建并存储的所有文档本身变成“历史知识”时，类似的问题可能会在中期和长期的将来越来越多地出现。 

当前，用户通过某种索引和排列系统来获取文档：普通网页的网络搜索引擎，或者用于数字图书馆的某种信息检索系统(历史上，这些系统的根源不同，但是现代的实现展示了这些技术间的交迭)。在任一情况下，这些系统通常返回完整的文档，可以是网页、论文或整本书。这就是很多用户都有的实际上是处理无止境信息源的“信息超载”感觉的主要的原因之一。 

发明内容

为了提供对这里描述的某些方面的基本理解，以下呈现简明概要。该概要不是广泛的概观也不旨在标识关键/关键性元素或者叙述在此描述的各方面的范围。其唯一目的是呈现以简化显式呈现某些概念以作为下文呈现的更加详细描述的序言。 

与纯以内容为中心的数据处理应用程序形成对比的是，与文件或应用程序相关联的元数据标签能够用于促进有效信息的存储和/或对信息的访问。对例如与个别文件或应用程序相关联的数据的用户活动或交互表示一种特别的兴趣和有效的元数据类型，并成为很多应用程序的焦点。由于用户随时间处理数据，则可根据活动的类型和强度来监视并加权各用户对数据的活动。例如，如果用户通过添加和从文件中移除文本而频繁与一特定文件进行大量的交互，则可以按元数据或其他指示这种活动的方式向该文件分配分数或权重。 

在另一实例中，如果文件很少被交互(例如，一年内打开一次)，则与文件 的这种相对不交互能够引起较低权重的分配——指明该文件对用户可能不太重要。注意到，能够根据大范围的文件使用活动并有关多种不同的活动来分配分数和权重，这些活动诸如创建、打开、浏览、滚动，编辑，打印、注解、保存、转发等等。活动的权重或模式随后能够与数据项、项的子部分、或项组相关联(例如，在数据库的一列中标记)。该活动权重随后可由诸如搜索应用程序的数据操纵工具使用，用以例如将一组较大的数据项进一步限定为一组较小的或更容易管理的项。例如，并不仅仅以内容为中心关键词来搜索一组数据项，还搜索经由活动增强线索来搜索可被增加的信息，从而更为有效地检索感兴趣的期望数据(例如，找出被转发给一特定用户的所有文件，找出已经被其他应用程序最常使用的表示的子集，确定最后编辑过的段落等等)。 

为了实现上述和相关目标，在此连同下文的说明书和附图描述某些示例性的方面。这些特征是能够实践的各种方式的表示，这些表示都旨在被此囊括。其他的优点和新颖特征会在结合附图考虑时下文详细描述中变得显而易见。 

附图说明

图1是示出了一种利用用户活动或交互数据的数据处理系统的示意框图。 

图2示出了利用用户活动或交互数据的示例性用户接口。 

图3示出了用户活动决定与进程的流程图。 

图4示出了能够由用户活动数据处理利用的信息检索体系结构的一个示例性系统。 

图5示出了能够由用户活动或交互数据利用的一个示例性用户模型。 

图6是示出根据用户活动或交互数据的基于访问的信息检索的系统图。 

图7示出了能够由用户活动或交互数据利用的检索服务应用程序。 

图8是示出了适当操作环境的示意框图。 

图9是示例计算环境的示意框图。 

具体实施方式

提供了能够对多种数据类型进行数据处理的各种组件和过程，在其中确定并利用用户的活动或与数据的交互以进一步根据上述活动处理该数据。例如，所述活动或交互能被监视并接着被标记至数据项(例如，分配权重并应用于数据库中各列的文件交互活动)以供稍后用于搜索、索引、编目录、排列、或浏览驻留在数据库中的各种数据项(或项子集)。在一个具体方面，提供一种数据操纵系统。该系统包括与一个或多个标签相关并指示与各数据项交互的至少一个用户的一个或多个 数据项。操纵工具(例如，搜索工具)处理所述数据项以至少部分基于用户与各数据项的交互来确定一数据项的子集。 

如本申请所使用的，术语“组件”、“系统”、“标签”、“监视”、“模型”、“查询”等等旨在涉及计算机相关的实体，可以是硬件、软硬件结合、软件、或执行中的软件。例如，组件可以是但不限于在处理器上运行的进程、处理器、对象、可执行程序、执行线程、程序、和/或计算机。作为说明，服务器上运行的应用程序和该服务器都可被称为组件。一个或多个组件可驻留在进程和/或执行线程中以及组件可被本地化在一个计算机上和/或分布在两个或多个计算机之间。同样地，这些组件能运行其上存储有多种数据结构的各种计算机可读介质。这些组件可通过本地和/或远程进程进行通信，例如根据具有一个或多个数据分组的信号(例如，来自一组件的数据与本地系统、分布式系统中的另一组件交互和/或该数据经信号跨越诸如因特网的网络来与另一组件交互)。 

在此所使用的术语“推理”通常涉及推出或推断来自一组观察的系统、环境、和/或用户的状态的过程，其中该组观察是经由事件和/或数据捕捉的。能够利用推理来标识特定上下文或活动，或者能够生成例如各状态的概率分布。所述推理可以是随机的——即，对感兴趣各状态的概率分布的计算是基于对数据与事件的考虑而进行的。推理也涉及用于从一组事件和/或数据中编写更高标准事件的技术。这样的推理从一组观测的事件和/或存储的事件数据中产生新事件或活动的结构，无论这些事件是否瞬时紧密相关，也不论这些事件和数据是来自一个还是几个事件或数据源。此外，推理可以建立在逻辑模型或规则的基础上，由此可以通过分析从中得出的上述数据和附图的结论来确定各组件或数据间的关系。例如，通过观察一个用户与网络上一个其他用户的子集进行交互，就可确定或推断这一用户子集与多个其他从不或很少与其交互的用户相比，是属于该用户感兴趣的期望社交网络。 

首先参考图1，系统100示出一种利用用户活动或交互数据来执行各种计算机相关任务的数据处理体系结构。监视组件110随时观察与存储一个或多个数据项130的一个或多个数据库120所进行的数据交互。监视经由后台和/或前台组件(未示出)进行并被用户用于确定与数据项130的交互时间。例如，这可包括观察文件何时被打开或关闭、编辑、添加或删除、读取或写入、剪切、粘贴、最后编辑、转发、答复、发送、最后浏览、浏览时间、随时间范围的交互时间、指明多久该项130或该项的不同子组分是所关注的重点等等。 

当一个文件应用程序被打开并且一特定数据项130由应用程序内部产生时， 可以利用各种技术来确定应用程序内的活动。这些可包括监视用户在一组特定数据或数据子集上研究多久，什么数据已被修改或观察，数据每隔多久被操作以及在什么时间间隔被操作等等。标签组件140根据被监视的数据活动分配权重或分数。如果需要，这些能被随机分配(或其他加权分类)，并能够反映用户与数据或应用程序给定片段的交互数量或模式。例如，最小文件使用率比扩展编辑文件所产生的权重低。当已确定权重和分数时，有关活动的确定的权重信息被关联至或标记至一个或多个数据项并被示出为活动数据150。这种关联可以在数据库120中发生，例如创建或修改数据库120的一列或几列中的值，从而为感兴趣的元数据标签指明在数据库120的某行中标识出的一特定项的权重或重要性。可以理解，这些列是逻辑实体并且既可以被明确地存储也可以在使用时被动态计算。其他类型的关联可以包括直接或间接分配给一个或多个数据项130的元数据引用。 

标签和数据项130能够与一个或多个数据操纵工具一起应用，而这些工具能够利用源于标签的用户活动信息来增加信息存储(例如，有效的索引创建)、信息访问(例如，搜索、过滤或排列各项)以及信息呈现(例如，组织，排列或呈现各项)等等。在170处，来自数据操纵工具160的结果被自动生成并且能够包括形成大型数据项集合130的简化数据项子集。由于在此没有应用，术语“子集”可包括所有或部分数据项130。同样地，可以在工具160中可设置活动极限以在结果170中或多或少地包含数据项130。 

另一方面，基于内容的得分可被分配给各文档。例如，可以基于用户查询与文档内容的相似度来分配得分。这样，当排列时，例如可以向在已被编辑或用户长时间阅读的文档或部分文档中出现的搜索词给予更重的权重。在系统100的另一方面中，活动数据150可用于指定感兴趣的区域或搜索词。这样，文档区域中的不同权重可被用于： 

1)压缩索引以优先包含感兴趣区域中的搜索词； 

2)有差别地加权感兴趣区域中的搜索词用于排列； 

3)有差别地加权感兴趣区域中的搜索词用于相关性反馈； 

4)根据当前用户聚焦区域自动或半自动地生成查询；和/或 

5)有差别地呈现(通过高亮或其他技术)感兴趣的各项或项的区域。 

在此描述的系统和方法支持多种数据处理应用。这包括处理数据项例如文档、文件、电子邮件信息、日程约会、网页、数据项或交叉项抽象中的子部分。将标签用于数据项可表示用户最后一次访问该项的位置，或者表示用户已访问项或与项交 互的各次历史位置。标签表示用户最后访问项的时间、项已被访问的总次数，表示延续至过去的周期内项已被访问的频率，或者表示一个或多个任意指定的时间段内项已被访问的频率。可以提供其他组件以编码随时间访问频率的高阶统计。一种情况下，浏览器允许用户基于一个或多个标签的功能来检索项，允许用户基于一个或多个标签的功能来分类或过滤检索出的各项，或者另选地基于一个或多个标签的功能来呈现检索出的各项。另一种情况下，标签可以是活动或兴趣的随机指定。 

各种进程包括用数据项分析用户活动。这包括自动标注接收来自计算机用户的数据项的交互的数量和特性，利用该标签根据将来的数据活动进一步处理各数据项。这些进程可以包括将数据存储到与单独数据库中的各数据项相关联的注意注解内或存储到嵌入各数据项的数据结构内。同样还能够提供索引过程，该过程根据指示对数据项的注意或与交互的注解状态而有差别地权重数据项的子组分以供检索。这包括根据指示对数据项的注意或与交互的注解状态来监督或删除数据项中的信息的索引过程。索引能够通过移除未被计算机用户所注意或者未与其交互的组件或者很少被注意或与数据项组件交互的组件而被压缩。另一方面，排列得分可用于数据检索，为出现在用户已注意或交互的数据项部分的搜索词或对象生成更重的权重。这能够包括基于过去和/或现在已被注意或交互的区域利用注意的注解来自动或半自动地生成查询。关注的注解也可被用于提供已在过去和/或现在被注意或交互的项的差别访问或差别显示。 

注意到各注意的注解不仅可以被编码为数据项本身的注意也可以被编码为各项子组分的注意，其中所述注意捕获每个已被接收的子组分及注意的指针或其他指示。例如，考虑一个诸如211页文档的大型文档。该文档可能已被打开交互并被注意了23次，例如被捕获作为该文档的一类注意的注解。然而，其他的注意的注解指示例如用户已重复检查第4-6、89-93、123-124、198页，——并快速掠过该文档的其他页。于是，就能列出每个子组分并能在该注解中编码该文本每一部分的注意的量。 

图2示出利用用户活动或交互数据的典型用户接口200。在这个示例中，操纵工具210(例如，应用于数据库的用户接口)能够与输出或显示220相关联。工具210可包括用于来自一个或多个数据库的处理数据的多个特征。例如，工具210可包括用于使能数据搜索、数据的索引或编目、数据的排列等等的选择。这样的数据能够包括文本数据，例如XML数据或ASCII数据。其他数据包括图像数据、音频数据、视频数据、图形数据、和/或呈现数据，例如包含在一连串幻灯片中的数据。 实质上能够利用任何数据类型或应用程序，包括电子数据表，统一资源定位符(URL)信息，因特网或Web数据等等。如上关于图1所述，这些数据能够例如在列中被标记或作为文件元数据以指示作为各交互过去使用率的分数或权重。操纵工具随后就能搜索、检索、或处理标记的数据，以便为用户改进或确定更多可管理的数据子集。 

工具210的输出220可以是文件或实际的用户界面显示。例如，如果该工具被用作数据库中的搜索引擎，则输出可能是返回结果的显示。返回的信息如230中所示可以在本质上更为全局。这可以包括加亮文件或将图形应用于文件以指示一个文件或文件组因为其与用户的活动增强而已被选择。例如在电子邮件搜索工具中，工具210可用于搜索具有关键词计算机并已具有至少一个在上个月与该文件相关联的图形图像的所有文件。搜索能够以多种方式开展并能够包括内容搜索的组合、基于活动的搜索、和/或其组合。例如，在此示例中，一组十封电子邮件中的有三封由于具有比其他七封电子邮件更高的活动分数而用一种颜色加亮显示，而其他七封电子邮件以一种不同颜色描绘。在240处的另一方面，返回的文件或数据集中的信息能被加亮或注解以指示使用活动(例如，用不同的字体格式选择的文件中的段落以突出其在文档中的使用区域)。 

图3示出用于确定并应用用户活动或交互数据的进程300。然而出于解释简要的目的，该方法被显示并描述为一系列或数个动作，但可以理解并认识到该主题进程不受动作的顺序限制，由于一些动作能够根据主题进程以不同顺序发生和/或与在此示出并描述的其他动作同时发生。例如，本领域普通技术人员将会理解并认识到可以另外地将一种方法表现为一系列相关的状态或事件现，例如状态图。此外，根据主题进程，并非所有示出的动作都是实现一方法所必须的。 

行进至310，监视与一个或多个本地或远程数据库的数据交互。这种监视能在后台和/或前台应用程序中出现并用于确定数据或文件何时与用户交互。例如，这包括观测文件何时被打开或关闭、编辑、添加或删除、读取或写入等等。当应用程序打开并且特定数据正在应用程序中操作时，可使用各种技术来确定该应用程序中的活动。这些包括监视用户对一组特定数据或数据子集关注了多久，什么数据已被修改或观察等等。外部监视也可以与该应用程序相关联以确定用户交互的数据、文件或应用程序。例如，可使用音频插入、自动面部识别技术、或者数据集与用户高度相关的显式用户指令。 

在320，确定被监视活动的权重。权重可被随机分配并能反映用户与数据或应 用程序给定片段的交互的量。例如，几乎未被精读的文档可以产生比扩展编辑的文档更低的权重。在330，为活动确定的权重信息被关联或标记至一个或多个数据项。该关联能够在数据库的限制内产生，例如标注数据库的一列或多列以指示在该数据库某行中被标识的特定项的权重或重要性。其他类型的关联包括直接或间接分配给一个或多个数据项的元数据引用。在340，标签和数据项可与数据处理应用程序一并应用。这可以包括利用源于标签的活动信息来增加对项的搜索、对项的索引、对项的安排、对项的排列、对项的组织等等。在350，生成来自数据处理应用程序的结果。这包括诸如将大型结果集过滤为较小子集的显式动作，或者更多精细动作，诸如注解显示器以在该显示器上加亮显示文件或数据，从而指示那些项已与用户更频繁交互。 

参考图4，一示例性系统400示出可与用户活动数据处理一起使用的信息检索体系结构。系统100描述了用于个性化检索结果的通用图示，然而其他形式的数据操纵可由上述方法实现。个性化组件410包括基于用户活动的用户模型420以及处理组件(例如，根据用户模型修改的检索算法)，用于通过修改查询430和/或修改搜索返回的结果440来使用该模型影响搜索的结果。用户接口450生成查询430并根据由个性化组件410提供的查询修改470和/或结果修改460来接收修改的或个性化的结果。如在此所利用的，术语“查询修改”涉及关于查询430中术语的替代以及与文档查询430匹配的算法的替代以获取个性化结果440。修改的查询和/或结果440从一个或多个本地和/或远程搜索引擎480返回。用户统计信息的全局数据库490可被保持以便于对用户模型420的更新。值得注意的是，用户模型420和/或全局统计信息490可与前述的用户活动或交互数据相关联以便于数据的操纵或处理。 

通常，至少有两种方法适应基于用户模型420的搜索结果。一方面，查询修改处理最初的输入查询并且修改或重新生成该查询(经由用户模型)以产生个性化的结果。相关性反馈是该进程的双循环变化，其中查询生成导致修改查询的结果(利用对原始结果集显式或隐式的判断)，其中该修改查询基于该查询和结果集产生个性化短期模型的个性化结果。长期用户模型也可在相关性反馈的上下文中使用。而且，查询修改还涉及对用于匹配查询与文档的算法做出的替代。另一方面，结果修改把用户输入按现状生成查询，以产生随后将被修改(经由用户模型)来生成个性化结果的结果。需要注意的是结果的修改通常包括某种形式的重新排列和/或从能够包括对确定的数据活动的考虑或权重的较大替代集中做出的选择。结果的修改还 能够包括所有结果或结果子集的各类聚集和汇总。 

用于修改结果的方法包括统计相似性匹配(其中用户兴趣和内容被描绘成向量并与项匹配)，以及分类匹配(其中利用较小的描述符集表示用户兴趣和内容并将其与项匹配)。上述查询修改或结果修改的进程能够以独立或在一集成进程中的方式被合并，在该集成进程中依赖性被引入两个进程之间并被充分利用。 

参考图5，示出的用户模型500可用于用户活动或交互数据。该用户模型500用于将个性化搜索与通用搜索区分开来并根据确定的活动数据来促进丰富的数据处理。成功的个性化一方面是创建准确反映用户兴趣并易于维持且属于有关长期与短期兴趣变化的用户模型。该用户模型可从各种源获得，包括但不限于： 

1)在510从计算上下文的丰富历史中，该上下文可从本地、移动、或远程源(例如，应用程序公开、这些应用程序的内容、以及包括位置在内的这些交互的详细历史)获得。 

2)在520从在前遇到的内容(例如，文档、网页、电子邮件、即时消息、附注、日程约会等等)的丰富索引中。 

3)在530从监视包括最近或频繁接触、源于关键词的感兴趣的主题、组织图中的关系、约会等的客户交互中。 

4)在540从包括在前搜索查询的历史的在前网页或访问的本地/远程数据网站中的历史或记录中。 

5)在550从可被显式指定或经后台监视隐式导出的用户兴趣简档中。 

6)在560从人口统计信息(例如，位置、性别、年龄、背景、工作种类等等)中。 

上述实施例中需要注意用户模型500可基于多种不同的信息源。例如，模型500可源于用户随时间访问的位置的历史或记录，正如像全球定位系统(GPS)装置所监视的那样。当使用GPS监视时，原始空间信息能被转化成文本的城市名称及邮政编码。原始的空间信息能被转化成例如有关用户暂停或驻留或发生GPS信号丢失时位置的文本的城市名称及邮政编码。用户暂停或驻留或发生GPS信号丢失的位置可经由商业数据库和兴趣点被识别并转化成文本符号。其他因素包括记录日时或星期几来确定位置和兴趣点。 

在其他方面，能够提供组件来操纵参数，以在基于类型、年龄、或其他组合的个性化匹配的过程中控制如何能够将用户的信息全集(corpus)、约会、对文档或文件的浏览、活动或位置分组成有差别地子集或权重。例如，检索算法可能被限 制在属于查询(例如，包含查询术语的文档或过去交互数据)的用户全集的那些方面。类似地，可以分析前一个月的电子邮件，而分析的网页访问则是前三天的，分析的用户内容则是去年内创建的。可以期望只能使用今天或其他时间段的GPS定位信息。各参数能够被自动操纵以创建子集(例如，经由改变参数并测试来自用户或系统的响应的优化处理)或者用户能够经由用户接口改变这些参数的一个或多个，其中这些设置可以是查询特性、日时、星期几、或其他上下文或基于活动的观测的函数。 

在570模型能够诸如经由协作过滤技术而从个体或个体组中导出，其中协作过滤技术通过分析个体或个体组间的相似性来逐渐形成各简档。相似度计算可以以内容和/或各项的使用率为基础。需要注意的是建模的基础架构和关联处理可驻留在客户、多个客户、一个或多个服务器、或服务器与客户的组合中。 

在580，机器学习技术能够被应用于随时间学习用户特征和兴趣以及怎样与何时同用户交互数据。学习模型实质上能够包括诸如统计/数学模型的任何类型的系统，以及处理，用于建模用户并包括使用贝叶斯学习来确定偏好与兴趣的进程，上述贝叶斯学习能够生成贝叶斯依赖性模型，例如贝叶斯网络，自然贝叶斯分类器和/或例如包括支持向量机(SVM)在内的其他统计分类方法。其他类型的模型或系统可以包括例如神经网络以及隐藏马尔可夫模型。尽管可使用精细推理模型，但应该认识到也可以使用其他方法。例如，与其使用更全面的概率方法，还不如使用确定性的假设(例如，在最近X长的时段内为对一特定网站进行搜索按规则意味着用户不再对相应的信息感兴趣)。这样，除了不确定性的推理外，还可以做出对用户的状态、位置、环境、兴趣、焦点等的逻辑判定。 

学习模型能够从收集或聚集来自多个不同数据源的数据的用户事件数据存储(未示出)中得到训练。这些数据源可以包括多种录制或记录用户事件数据(例如，手机、由麦克风录制的声音活动、全球定位系统(GPS)、电子日历、可视监视装置、桌面活动、网站交互等等)的各种数据采集组件。注意到该系统实质上可由支持个性化查询和结果处理的任何方式实现。例如，该系统可被实现为服务器、服务器场、客机内应用程序，或者更概括地包括网络服务器或其他与诸如用户界面与搜索引擎的搜索功能交互的自动化应用程序。 

在继续行进之前，将更为详细地描述应用于在570的用户模型500的协作过滤技术。这些技术可包括对协作过滤器的利用以分析数据并确定有关该用户的简档。协作过滤系统通常使用有关用户偏好的集中数据库来预测用户可能想要的额外 主题。协作过滤应用于用户模型500以处理来自一组用户的在前用户活动，这些活动可能会指示给定用户的预期偏好或系统新用户的可能简档。可以使用包括基于相关系数、基于向量的相似度计算、以及统计贝叶斯方法的技术在内的各种算法。 

参考图6，系统600示出根据用户活动或交互数据的基于存取的信息检索。所述系统600包括用户访问或考虑的一个或多个信息源610。这些源610可以是相似的或实质上具有完全不同的信息内容，由此一些信息源可以表示诸如文件、文件夹、应用程序、图像、音频文件、约会、电子邮件等本地数据的位置，而其他资源610则可以表示例如网络信息的远程源。由于用户随时间访问不同类型的信息，使用率分析器614将该信息传递给内容分析器620(或监视器)以及自动分度器630，其中内容分析器620可作为本地化在客户上的后台任务和/或根据远程服务器经由过滤器624处理访问的数据用于分析数据内容，而分度器630则创建访问数据项的内容索引640(或活动标签)。 

通常，分析器620在索引640中创建访问数据的表示。例如，如果用户已经访问一网页，则内容分析器620可创建该网页的缩略图表示并将超级链接引用与该网页和缩略图表示相关联以作为元数据文件的一部分。该表示可被进一步加工以反映用户与网页交互的详细模式。在另一种情况下，如果用户随后访问其中包含图像的文本文档，则分析器620可提取该文本或其部分，并关联例如文件路径的数据库链接作为元数据的一部分。分度器630随后可以在内容索引640内自动创建具有两个项的索引(或向现有的索引中添加)——包括元数据的缩略图表示和文本文档表示。通常，过滤器分析与项相关联的内容及元数据。这样，对于字处理文档而言，例如过滤器624提取诸如文档名称、标题、作者、关键词、创建日期等的元数据，并连同该文档中的词。这就是创建索引640所使用的。如果需要，缩略图的创建和图像的分析也可在过滤器624中被压缩。可使用包含其他项诸如用户和/或描述存储在内容索引640内各项的隐式标签的活动或交互元数据。注意到分度器630也可以执行过滤器624的功能(例如，分度器将元数据和过滤的内容相关联)。 

提供搜索组件650来接收有关包含在内容索引640中的各信息项的用户查询654。搜索组件650可被设为用户界面的一部分，以响应查询654而在660将访问的项的链接和/或表示返回给用户。例如，用户可查询“涉及去年性能审阅的项”，其中，搜索组件650从索引640中提取诸如电子邮件、同事评定、去年出版的文档、网页图像、音频记录等的涉及查询654上下文的项。在另一示例中，可从查询654获得隐式查询(例如，每逢接到某人的电话，就阻止来自此人的最近五封电子邮件)。 

如下文将更为详述的那样，可以采用多种不同的格式来呈现访问的项，这些格式被设计用以对在前已被访问的信息项进行高效及时的检索。同样地，这些链接和/或表示660可包括用户感兴趣的其他项，诸如提供除了在前访问的项之外的用户想看的信息项(例如，系统基于临近查询或从临近查询中推断，以提供对感兴趣的内容的链接，例如，除了显示性能审阅项之外，还可任选地基于另一个内容索引提供对描述审阅策略的人力资源的链接，即使用户可能已在前访问这些项也可能尚未访问这些项。) 

一方面，可提供一事件组件(未示出)(例如，监视与使用率分析器614相关联的用户活动的后台任务)。事件组件监视诸如存储、读出、编辑、复制、覆盖信息、选择信息、操纵信息和/或删除文件的用户活动并做出有关用户活动的决定。这可包括诸如麦克风、摄影机的传感器，以及连同监视桌面活动以确定用户活动或目标的其他装置。在一个示例中，概率模型和/或逻辑判定可被用于确定诸如何时用户已观测或考虑信息的事件。可以考虑以下与用户活动模式相关联的证据的示例性分类来构造逻辑和/或概率模型(例如，贝叶斯从属模型、决策树、支持向量机)： 

·注意点：选择和/或驻留在各项上，驻留在文档的各部分上或在滚动浏览了整个文档后驻留在一个特定的子文本(subtext)上。 

·自我测量：活动周期后的暂停或交互速率的显著减缓。 

·不需要的信息：短暂扫视后立即关闭文档，企图在信息访问动作后返回前一状态。这些观察包括取消当前活动的影响，包含发出取消命令，并删除项。 

·指定域的语法和语义内容：考虑文档内容或结构的特殊区别以及用户如何与这些特征或项进行交互。这些包括与任务相关联的指定域的特征。(例如，考虑电子邮件信息的速度和频率，以及主标题信息的时间和数量的寿命，其来源于用户注意焦点的信息的作者)。可以注意到，事件组件可用于以用户活动为基础来启动各类信息的索引。具有信息对象的用户活动也可用于改进信息表达。 

图7示出各种检索服务应用程序700。一方面，显式查询710和/或隐式查询714能被支持。显式查询710直接由用户引导以找出感兴趣的信息(例如，显示所有关于会议或日期的数据引用)。隐式查询714在某些情况下能够从显式查询710导出。例如，用户可能将他们的桌面电话消息与他们的电子邮件系统或其他消息系统链接。如果有来自被选个体的电话，则电子邮件系统可经由隐式查询714自动检索与该个体相关的电子邮件。在另一示例中，在将召开会议前的预定间隔处，用户的日历系统可启动查询以重新调用过去会议的数据或者与参加此将召开会议的各 个个体相关的信息。同样地，隐式查询714还可基于与用户当前上下文或查询相关联的推理进程而生成(例如，包含当前读取段落中重要词的查询)。 

行进至716，其他类型的查询支持上下文敏感查询。这些类型的查询包括提供额外选项来编辑或进一步限定搜索。例如，查询可被导向至特定类型的应用或位置(例如，仅将此查询应用于邮件箱)。在720，可以在执行查询时考虑应用程序的上下文。例如，如果正在使用照片应用程序，则随后该查询可被进一步限定为仅搜索图像。在724中，可执行以项为中心的集中。这包括支持诸如鼠标点击功能、标记项、更新元数据文件、删除项、编辑项或内容等的界面活动的操作系统活动。 

在730中，可以执行文件共享。例如，用户可以指定能够审查或访问所有查询/索引数据库或其子集(例如，允许我任务组中的所有用户访问我的任务笔记)的一个或多个其他用户。在734中，索引擦除可能发生。随着时间流逝，用户可能想要从其索引中移除一个或多个项。根据此活动，用户能够指定特定项以移除或指定能够被系统自动擦除的常用主题区域(例如，移除与我两年前生日有关的缩略图)。其他活动可基于逻辑或推理进程发生，诸如若在预定时期内对一项的访问少于一特定次数，则该项可在需要时被自动移除。 

在740，考虑有效的时间计算。作为一个示例，涉及文件的相关或有用日期(在数据呈现给用户期间)是那些被更改的日期，呈现给邮件的日期通常是邮件被投递的日期(于是也大约是用户看见的时间)，以及对约会有用的日期是约会发生的日期。注意到所有被记录和索引的时间信息以及那些有用的日期信息都可用于信息的呈现。因此，对于约会而言，会出现各种任务，诸如索引邮件的发送时间、更新时间(如果发生的话)、用户接受/拒绝的时间、以及会议发生的时间等等。虽然能够提供了一个以上的时间，但通常只会有一个时间被选中用于显示。 

如上所述，通过分析与文件类型相关联的文件元素，某些数据能够被标记为已被在前观察。例如，文本文档可包括一个指示文档什么时候被打开或最后编辑的字段。然而关于日历约会，仅创建日程何时被创建的索引对人们来说很可能益处不大，因为有时会议在实际会议日期之前是被很好地创建。因此，当索引日历约会时，能够跟踪与创建日期相对的实际会议数据。此类有效时间的考虑能够让用户以一种更适于存储器重新调用的方式来检索信息。在744，数据的易失性被考虑和处理。这类处理包括在中断操作期间将数据索引为持久形式。可以注意到，各种自动化的后台操作都是可能的。 

参考图8，用于实现在此描述的各方面的示例性环境810包括计算机812。所 述计算机812包括处理单元814、系统存储器816、以及系统总线818。系统总线818将包括但不限于系统存储器816的系统组件耦合至处理单元814。处理单元814可以是任何可用的处理器。双微处理器以及其他多处理器体系结构也可被用作处理单元814。 

系统总线818可以是包括存储器总线或存储器控制器、外部总线或内部总线，和/或局部总线的各种总线结构中的任一种，其中局部总线使用任一种可用的总线结构，包括但不限于11位总线、工业标准结构(ISA)、微通道结构(MSA)、扩展ISA(EISA)、集成驱动器电子电路(IDE)、VESA本地总线(VLB)、外围元件互连(PCI)、通用串行总线(USB)、高级图形接口(AGP)、个人计算机存储卡国际联合会总线(PCMCIA)、以及小型计算机系统接口(SCSI)。 

系统存储器816包括易失性存储器820以及非易失性存储器822。包含例如在启动期间在计算机812内部各元件之间传送信息的基本例程的基本输入输出系统(BIOS)被存储在非易失性存储器822中。作为说明而非限制，非易失性存储器822可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除ROM(EEPROM)、或闪速存储器。易失性存储器820包括作为外部高速缓冲存储器的随机存取存储器(RAM)。作为说明而非限制，RAM是多种形式可用的，诸如同步RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双倍数据速率SDRAM(DDR SDRAM)、增强SDRAM(ESDRAM)、同步链接DRAM(SLDRAM)、以及直接内存总线RAM(DRRAM)。 

计算机812还包括可移动/不可移动、易失性/非易失性计算机存储介质。例如图8中示出磁盘存储824。磁盘存储824包括但不限于以下设备：磁盘驱动器、软盘驱动器、磁带驱动器、Jaz驱动器、Zip驱动器、LS-100驱动器、闪速存储卡、或存储棒。此外，磁盘存储824可包括分开的存储介质或与其他存储媒体的组合，包括但不限于诸如光盘ROM设备(CD-ROM)、CD可记录驱动器(CD-R Drive)、CD可重写驱动器(CD-RW Drive)或数字化视频光盘驱动器(DVD-ROM)的光盘驱动器。为了简化磁盘存储设备824与系统总线818的连接，通常使用诸如接口826的可移动或不可移动接口。 

注意到图8描述了用作用户与在适当操作环境810中描述的基本计算机资源之间的中介物的软件。这种软件包括操作系统828。操作系统828可存储在磁盘存储824中，用来控制和分配计算机系统812资源。系统应用程序830通过存储在系统存储器816或磁盘存储824中的程序模块832和程序数据834来利用由操作系统 828管理的资源。注意到在此描述的各种组件可实现带有各种操作系统或操作系统的组合。 

用户通过输入装置836向计算机812中输入指令或信息。输入装置836包括但不限于指示设备，诸如鼠标、跟踪球、铁笔、触控板、键盘、麦克风、操纵杆、游戏垫、卫星反射器、扫描仪、TV调谐器卡、数字照相机、数字摄影机、网络照相机等等。这些以及其他输入装置经由接口端口838通过系统总线818连接至处理单元814。接口端口838例如包括串行端口、并行端口、游戏端口、以及通用串行总线(USB)。输出装置840使用一些与输入装置836相同类型的端口。因此，例如USB端口可用于向计算机812提供输入，以及将计算机812中的信息输出到输出装置840。输入适配器842被提供用于示出存在一些象是监视器、扬声器、以及打印机一类的需要特定的适配器的输出装置840。作为说明而非限制，输出适配器842包括在输出装置840与系统总线818间提供一种连接途径的显卡或声卡。应该注意到诸如远程计算机844的其他设备和/或设备系统可以同时提供输入和输出能力。 

计算机812利用对诸如远程计算机844的一个或几个远程计算机的逻辑连接而能够在联网环境中进行操作。远程计算机844可以是个人计算机、服务器、路由器、网络PC、工作站、基于微处理器的装置、对等设备或其他公共网络节点等，并且通常包括相对于计算机812描述的的很多或所有元素。为了简洁，仅仅示出了远程计算机844的存储器存储846。远程计算机844通过网络接口848逻辑连接至计算机812，并经由通信连接850被物理连接。网络接口848包含诸如局域网(LAN)和广域网(WAN)的通信网络。LAN技术包括光纤分布式数据接口(FDDI)、铜分布式数据接口(CDDI)、以太网/IEEE802.3、令牌网/IEEE802.5等等。WAN技术包括但不限于点对点链接、如综合服务数字网(ISDN)及其变种的电路切换网络、分组交换网络、以及数字订户线路(DSL)。 

通信连接850涉及用于将网络接口848连接到总线818的硬件/软件。虽然通信连接850为显示简明而示出在计算机812内部，但可以在计算机812外部。连接网络接口848必要的硬件/软件仅仅为了举例可包括诸如调制解调器的各种内部和外部技术，调制解调器包括普通电话级调制解调器、线缆调制解调器和DSL调制解调器、ISDN适配器、以及以太网卡。 

图9是能够使用的示例性计算环境900的示意框图。系统900包括一个或多个客户910。客户910可以是硬件和/或软件(例如，线程、进程、计算设备)。系 统900还包括一个或多个服务器930。服务器930也可以是硬件和/或软件(例如，线程、进程、计算设备)。例如，该服务器930例如能够通过使用在此描述的组件而装有线程以执行变换。客户910与服务器930间的一种可能通信可以具有适于在两个或多个计算机进程间传送的数据分组的形式。系统900包括可用于促进客户910和服务器930之间通信的通信框架950。客户910可操作地连接一个或多个客户数据存储960，用于存储客户910本地的信息。类似地，服务器930可操作地连接一个或多个服务器数据存储940，用于存储服务器930本地的信息。 

以上描述的内容包括各种示例性方面。当然不可能出于描述这些方面的目的来描述各组件或方法的每一个可能的组合，但本领域普通技术人员可以认识其他的组合和置换也是可能的。因此，在此描述的各方面旨在包含所有这些落在所附权利要求的精神和范围内的替换、修改以及变更。此外，在在详细说明中或权利要求中使用的术语“包括”的程度上，该术语旨在按一种类似于术语“包含”的方式的包括，因为“包含”在被使用时可解释为权利要求中的过渡词。 

Claims (18)

1.一种数据操纵系统，包括：

监视组件，监视用户与一个或多个数据库所进行的数据交互活动，所述一个或多个数据库存储与一个或多个标签相关联的一个或多个数据项，所述标签指示对所述数据项的至少一个用户交互或注意；

标签组件，根据被监视的数据交互活动分配权重，以反映用户的数据交互活动的数量或模式，将权重信息关联至或标记至所述数据项；以及

操纵工具，至少部分基于对所述数据项的至少一个用户交互来处理所述数据项以确定数据项的一个子集，并提供索引过程，根据指示对所述数据项的注意或与用户交互的注解状态而有差别地权重数据项的子集以供检索。

2.如权利要求1所述的系统，其特征在于，所述数据项包括文档、文件、电子邮件消息、日程约会、网页、所述数据项中的子部分、或交叉项抽象。

3.如权利要求1所述的系统，其特征在于，所述标签表示用户最后访问数据项的位置，或者表示用户已访问数据项或与数据项交互的各次历史位置。

4.如权利要求1所述的系统，其特征在于，所述标签表示用户最后访问数据项的时间、数据项已被访问的总次数的表示，表示在延伸到过去的时间段内数据项已被访问的频率，或者表示一个或多个任意指定的时段内数据项已被访问的频率。

5.如权利要求1所述的系统，其特征在于，还包括编码随时间访问的频率的高阶统计信息的组件。

6.如权利要求1所述的系统，其特征在于，还包括允许用户基于一个或多个标签功能来检索各数据项的浏览器，允许用户基于一个或多个标签功能来分类或过滤已检索数据项的浏览器，或者基于一个或多个标签功能呈现已检索数据项的浏览器。

7.如权利要求1所述的系统，其特征在于，还包括是活动或兴趣的概率表示的标签。

8.一种分析用户对数据项活动的方法，包括：

监视用户与一个或多个数据库所进行的数据交互活动，所述一个或多个数据库存储与一个或多个标签相关联的一个或多个数据项，所述标签指示对所述数据项的至少一个用户交互或注意；

根据被监视的数据交互活动分配权重，自动标记数据项已从计算机用户接收的交互的数量或者特性，将权重信息关联至或标记至所述数据项；以及

利用所述标签根据将来的数据活动进一步处理所述数据项，至少部分基于对所述数据项的至少一个用户交互来处理所述数据项以确定数据项的一个子集，并提供索引过程，根据指示对所述数据项的注意或与用户交互的注解状态而有差别地权重数据项的子集以供检索。

9.如权利要求8所述的方法，将数据存储到与单独数据库中的各数据项相关联的注意的注解内或存储到嵌入所述数据项的数据结构内。

10.如权利要求9所述的方法，其特征在于，所述数据项包含计算机可读存储介质。

11.如权利要求10所述的方法，其特征在于，所述存储介质是包括文本、图形、及相关数据组件的数据项。

12.如权利要求8所述的方法，其特征在于，所述索引过程根据指示对数据项的注意或用户交互的注解的状态来监督或删除数据项中的信息。

13.如权利要求8所述的方法，其特征在于，还包括索引，所述索引通过移除未被计算机用户注意或未与其交互的组件或者很少被注意或与数据项组件交互的组件而被压缩。

14.如权利要求13所述的方法，其特征在于，还包括索引，所述索引通过移除很少被注意的组件或很少与数据项组件交互的组件而被压缩。

15.如权利要求13的方法，其特征在于，还包括提供用于检索的排列得分，以对在用户已经注意或已经与其交互的数据项部分出现的搜索词和对象产生更重的权重。

16.如权利要求13所述的方法，其特征在于，还包括基于过去和/或现在已被注意或交互的区域利用注意的注解来自动地或半自动地生成查询，或利用注意的注解提供已在过去和/或现在被注意或交互的项的差别访问或差别显示。

17.一种分析用户对数据项活动的方法，包括：

监视并确定用户与存储在一个或多个数据库中的一个或多个数据项所进行的数据交互活动；

基于被监视的用户数据交互活动分配权重，以反映用户的数据交互活动的数量或模式，将权重信息关联至或标记至所述数据项；以及

至少部分基于所述数据项的至少一个用户交互来处理所述数据项以确定数据项的一个子集，并提供索引过程，根据指示对所述数据项的注意或与用户交互的注解状态而有差别地权重数据项的子集以供检索。

18.如权利要求17所述的方法，其特征在于，还包括编码对所述数据项的注意的注解以及编码对数据项中子组分的注意的注解，其中所述注意捕获每个子组分的以及已为子组分而被接收的所得用户注意的指针或指示。

Images