CN1629870A - 用于提供用户存在性和有效性的状态和预测的方法及结构 - Google Patents

Abstract

本发明涉及这样一种系统和方法，该系统和方法可促进诸如参与了通信和/或组合的自动化应用程序之间的实体之间的协作和交流。本发明的系统和方法包括一个服务程序，这个服务程序通过对其可对一个或者多个用户的存在性和有效性进行预测的预测模型的学习来支持协作与交流。存在性预测包括在不同程度的精确定位和使用不同的设备或应用程序下，用户的当前或者将来的位置。有效性评定包括推断出以不同的方法中断一用户以及用户当前或者将来访问一个或多个通信信道的成本。这个预测模型是通过考虑用户活动而收集来的数据和多设备的邻近性构建起来的，除此之外还分析了用户日历表的内容，例如：一天的某个时间，一个星期的某一天。为了促进实体之间的协作和交流，提供了各种应用程序，这些应用程序采用该模型所提供的存在性和有效性信息。

Description

用于提供用户存在性和有效性的状态和预测的方法及结构

相关申请

本申请是申请序列号为09/894,087、申请日为2001年6月28日、发明名称为“用于对直到人们可以使用或者无法使用各种通信、合作、以及信息访问为止这段时间进行学习并且推断的方法及其应用”的美国专利申请的部分延续，通过参照而将其完全引入到这里。

发明领域

本发明通常涉及计算机系统，尤其是涉及这样一种系统及其方法，该系统和方法通过收集来自一个或多个设备的数据来支持协作和通信并且对其可预测用户存在性及有效性的预测模型进行学习。更具体地说，该方法和该结构可为人们或者通信代理提供这样的信息，该信息与用户在多位置上的存在性及有效性和/或用户访问一个或多个设备或者通信信道的当前状态或将来状态有关。

发明背景

尽管用于存储提示并且进行创建的电子日历系统与其可满足时间的其它系统相联系，并且位置为人们提供了一类时机以进行合作，但是许多合作是基于在不确定性下所设置的有利时机的通信。人们之间的这种非正式的协作往往取决于人们共同知道朋友和同伴现在和将来的位置和活动。即使采用例如在线的分组日历系统，但是人们往往试图了解怎样与可用的他人进行各个合作，例如试图知道他们试图与其相接触的某些人的当前状态。然而，知道人的当前状态不一定会促进通信当事人之间将来的或者所希望的合作。

在刚才的一示例中，传统的电子邮件系统提供了其可解决当事人之间进行通信和消息联系困难的一示例。在一个可能的情况下，雇员位于国外或者边远地区，其中并不总是可通过电话或者其他介质来进行通话。雇员事先已向工友、管理者、以及爱人说明了电子邮件是最可靠的方式，在电子邮件中雇员实际上可接收到一消息并且可随后对该消息作出响应。尽管，传统的电子邮件系统可以指示出已传送的消息已被雇员接收到并且被雇员打开并且可包括诸如“一星期度假”或者“今天下午不在办公室”这样的预定的/预置的应答—假定雇员记得设置电子邮件系统，但是目前不能自动产生提供给消息发送者这样的指示，即指示出雇员实际上何时和/或要多久做出应答。因此如果出现了本地紧急情况或者需要了解重要的商业信息，消息发送器只得猜测雇员可能接收到该消息的时间并且希望接收到该消息且以及时的方式作出响应。当企图安排与这样的当事人进行会见的日程时出现了类似的困难，该当事人难于确定他们是否可以出席在将来某个时间所定的会议。如在日常情况中所常见的，消息是以不同程度的紧急性、重要性、以及优先级来进行传送的。通常，一经通知就安排关键的会议以便解决重要的事务或者个人的发布。因此，一个或多个消息被定向到一个或多个当事人以指示出会议的紧急性。同时，往往通过多通信方式来传送消息以便希望到达可能的当事人。例如，经理人将电子邮件发送到关键的当事人并且该电子邮件附有电话、呼叫、或者传真以送至当事人，其中典型的将语音邮件发送到非应答的当事人。令人遗憾的是，经理往往不能确定非应答的当事人是否接收到该消息并且往往不能确定所有当事人来开会的可靠度。因此，即使调制解调器通信系统可通过多个介质而将消息快速的传送世界任何地方，但是需要这样一种系统和方法以改善当事人之间的联系、通信、以及协作并且缓和与收件人何时和/或要多久接收到特定信息有关的不确定性。

发明概要

下面给出了本发明简单的概要以便提供本发明某些方面的基本知识。该摘要并不是对该发明的广义概述。其不是要确定本发明的关键/关键性部件或者描绘出本发明的范围。其唯一的目的是以简化形式而给出本发明的某些概念以作为随后详细说明的前奏。

本发明涉及这样一种系统和方法，该系统和方法通过对其可预测用户存在性及有效性的预测模型进行学习来支持协作以及通信。除了例如对用户的日程、每天、每周的内容进行分析之外，通过考虑用户活动以及接近度从多个设备来收集数据，其中采用该数据来构建一个或多个学习模型以预测用户的存在性及有效性。本发明通过向授权的人和/或自动化应用程序提供与用户的现在和将来状态有关的随机预测可有助于实时的、近实时的、和/或长期的规划发送消息和进行协作(例如，诸如直到某人将到达或者离开一位置为止的时间，将在一位置停留的最少时间t，将访问一设备的时间，将审阅电子邮件的时间，将结束在进行中的会谈的时间等等这样的一些状态)。采用这种人或者应用所接收到的预测以有助于在当事人之间更有效的且及时的通信，因为企图传送的当事人或者系统根据所传送用户的锻炼惯例来对可能的周期用户所要达到的设备做出了预测或者提示。

在本发明的一个方面中，提出了一贝叶斯推断系统，该系统可支持位于各种自动化应用程序范围内的有效预测装置及系统。为了创建通用的预测模型，收集或者聚集来自多信源的与用户的活动以及位置有关的数据，该数据除了包括例如日程之外还包括与多个设备上的用户活动有关的数据。此外，根据所感兴趣的其他事件的存在性以及不存在性来概括预测以支持协作以及通信。例如，令用户或者应用想要的是，知道用户是否并且何时访问其收件箱中的留言，或者确定一合适的时间来中断对用户的通知。

其他方面包括预测用户何时易于访问具有特定容量的通讯设备的计算机系统。例如，自动系统或者其他用户希望知道用户何时可能易于访问具有完全视频会议能力的计算机。此外，本发明提供了改进模型以对诸如在日程表信息中所捕获的细目这样的多个内容提示进行处理，而不是仅仅取决于会议的存在性。

通过许多应用程序来利用如上所述所预测的存在性且有效性信息。例如，可采用本发明以有助于消息发送者与接收者之间的会见、协作以及通信，其中通用的预测模型是根据所传送的用户的存在性、动作、以及日程表而建构造的以预测用户接收消息、接收通信、和/或参与会议这样的有效状态的时间。利用这种推断来向全部的同事和/或向有选择的同事报告或者显示用户的状态(取决于同事与用户的关系)，并且本发明可应用于诸如自动会议或者交互式通信调度程序或者重新调度程序、智能高速缓存系统以及通信中继系统这样的各种应用。

本发明的其他应用是可行的，其包括更好的细微的推论而不是有效的概念。例如，根据利用率和内容的模式，本发明可采用类似的方法以推出直到用户进行特定类型的交互作用或者通信为止的时间。例如，通过学习统计并且构造其可推断出这类特定利用率的模型来确定直到当前驾驶汽车进行旅行的用户可获得语音和/或电视会议时的预期时间。在另一个示例中，其可根据利用率的模型来确定何时利用特定类型的警告或者通知来中断用户，并且推断出中断的工作负荷以及相关成本。

在本发明的另一个方面中，利用有效性的预测组件来估算用户何时可能处于这样的设置下，在该设置下他/她可以或者将对利用不在办公室这样的消息进行应答的被认为是急件的且由用户的系统所接收的消息进行审阅，诸如消息对于某一段时间而言消息何时是不可见的和/或消息何时至少是紧急的、和/或对于用户而言其是来自于特别重要的一个或多个人。增加这种其具有动态计算有效性状态的可选消息以集中于预测要多久用户才可审阅诸如电子邮件这样的消息，或者这种可选消息可用于审阅该消息、或者处于特定的情况下(例如“回到办公室”)。其他方面包括根据审阅历史来确定直到用户审阅各种信息时的时间以及用户处于一种或者多种设置下的时间，其每一个与一类或多类可行通信有关。将与用户的能力或者可能性有关的消息传送到参与通信的消息发送者，或者在给定的时间段内做出应答。

本发明采用与其他系统和处理中返回用户的可能性或者当前有效性有关的信息。这可包括语音邮件系统、日程系统、调度系统、自动维护系统、自动代理、以及用户跟踪系统以便为消息发送者和/或系统提供与接通的可能性有关的有用信息反馈并且根据用户所期望的存在性以及有效性来进行理性决断。

在本发明的另一个方面中，提供了这样一种系统和方法，该系统和方法构造并且使用用户的注意焦点及工作负荷的模型以作为对用户的中断角色进行整治(harnessing)的一部分。该方法可以从所遵守的事件中推出用户的工作负荷，更具体地说，可以推断出与各种警告以及通信有关的中断用户的成本。这种中断模型使来自多感觉通道的信息混合在一起，其例如包括桌面事件、日程信息的分析、可视的姿势、以及周围的听觉分析。

构造模型以从多事件源中推断出可中断性的用户状态并且提供中断的更好表征期望成本。这包括其对可提供事件流的事件系统感兴趣的联合模型，其包括桌面活动及感觉观测。此外，在除了根据数据来学习关注及可中断性的模型之外还给出了关注及其用于对与不同情况下的中断成本有关的优选进行编码的效用评定的概率分布的情况下，本发明可推断出中断的期望成本。由一组工具(例如中断工作台)来对学习范例进行处理，其中对所学习的模型进行评审并且实验提供该模型的精确性等级。同时″模型移除″研究还要考虑例如移走所考虑的感知检测并且包括其表示与客户计算机系统及日程表信息相互作用的事件的判别能力。

为了实现上述并且相关的目的，在这里结合下述说明以及附图来对发明的某些示例性方面进行描述。这些方面示出了实施本发明的各种方式，本发明包括所有的方式。当结合附图来考虑是，从以下的详细说明中可显而易见的得出其他优点及新颖特征。

附图说明

图1给出了根据本发明一方面的预测系统的示意性方框图；

图2给出了根据本发明一方面的协同系统的示意图；

图3给出了根据本发明一方面的其用于配置协同系统的图形用户界面的示意图；

图4给出了根据本发明一方面的协同系统中的其显示预测的图形用户界面的示意图；

图5-7给出了根据本发明一方面的与协同系统相互作用的图形用户界面；

图8给出了根据本发明一方面的说明了贝叶斯网络的影响图，该贝叶斯网络预测赴会的可能性、可中断性的概率分布、以及会见的位置；

图9给出了根据本发明一方面的决策系统，其用于预测用户赴会的概率：

图10给出了根据本发明一方面的决策系统，其用于根据训练数据来预测所确立会议的可中断性；

图11给出了根据本发明一方面的中断成本的示意图；

图12给出了根据本发明一方面的对存在性预测的会见分析的影响的示意图；

图13给出了根据本发明一方面的其用于说明协同系统结构的图形用户界面；

图14给出了根据本发明一方面的事件记录的示意图；

图15给出了根据本发明一方面的动态贝叶斯模型的示意图；

图16给出了根据本发明一方面的用于事件系统的控制面板的示意图；

图17给出了根据本发明一方面的事件白板的示意图；

图18给出了本发明一方面的与注意状态及随时间的中断的期望成本有关的推断；

图19给出了根据本发明一方面的警告显示的示意图；

图20给出了根据本发明一方面的中断工作台的示意图；

图21给出了根据本发明一方面的贝叶斯网络模型的示意图；

图22-26给出了根据本发明一方面的各种决策树；

图27给出了根据本发明一方面的其用于存在性及有效性预测的处理的流程图；

图28给出了根据本发明一方面的通信系统的示意性方框图；

图29给出了根据本发明一方面的优先系统的示意性方框图；

图30给出了根据本发明一方面的通知引擎与环境分析器之间的协作系统的示意性方框图；

图31给出了根据本发明一方面的合适操作内容的示意性方框图：

图32给出了本发明与其相互作用的采样计算内容的示意性方框图；

图33-37给出了根据本发明一方面的示例性应用。

本发明的详细说明

本发明涉及这样一种系统和方法，促进诸如参与了通信和/或组合的自动化应用程序之间的实体之间的协作和交流。本发明的系统和方法包括一个服务程序(例如：网络服务，自动化应用程序)，这个服务程序通过其可对一个或者多个用户的存在性和有效性进行预测的预测模型的学习来支持协作与交流。这个预测模型是通过考虑用户活动而收集来的数据和多设备的邻近性构建起来的，除此之外还分析了用户日历表的内容，例如：一天的某个时间，一个星期的某一天。为了方便实体之间的协作和交流，提供了各种应用程序，这些应用程序采用该模型所提供的雇员存在性和有效性信息。

一些示例性应用程序包括例如自动化会议或者交互式的通信日程安排或者重新安排日程、智能高速缓存系统、通信系统、语音系统、日历系统、调度系统、通知系统、消息系统、自动维护系统、自动代理、视频系统、数字助手、以及用户跟踪系统，以便为消息发送者或者系统本身提供关于建立联系的可能性以及根据用户期望的存在性和有效性来做出精明决策等有关的信息

如这个应用程序中所使用的，术语“组件”，“服务”，“模型”，以及“系统”都是指计算机相关实体、或者硬件、硬件和软件的结合体、软件、或者运行中的软件。例如，一个组件有可能是并不仅仅限于处理器上正在运行的一处理，一处理器，一对象，一可执行的执行程序的线程，一程序，及/或一计算机。通过说明，在服务器上运行的应用程序和服务器本身都能成为一个组件。一个或者多个组件可能驻留在执行的处理和/或线程中，并且一个组件可能定位在一个计算机上和/或分布在两个以及两个以上的计算机中。

在这里，术语“推论”是指一般根据通过对事件和数据的捕获所形成的一组观测值来推理有关于或者推断系统状态、环境、和/或用户的处理。采用推论来识别特定内容或者动作，或者例如可以产生状态的概率分布。推论可以是随机的，即根据所考虑的数据和事件来对感兴趣的状态的概率分布进行估算。推论也可以涉及从一组事件或数据中提取出更高层次事件的技术。这样的推论将导致从一组观测到的事件或存储事件的数据中构造新的事件或者动作，无论这些事件是否是因临时接近而相互联系的，也无论这些事件和数据是否是从一个或几个事件和数据源而来。

参考最初的图1，系统100说明了根据本发明一个方面的存在性和有效性预测。预测服务110(或是预测组件)接收到一个或者多个关于一个(或多个)合法用户存在性和有效性的查询114，并且产生关于合法用户现在或者将来状态120的一个或多个预测。查询114及其返回的状态120是由一个或多个自动化应用程序和合法用户130产生并接收的，然而，应该理解的是状态信息120可以在没有收到查询114的情况下直接产生(例如其按照预定的时间间隔将可用的人力信息报告给人事经理的调度系统)。一般说来，查询114是由应用程序、经过授权的用户130、或者其它实体产生的，以便获得与合法用户的存在性，有效性，位置，通信能力，设备可用性等等有关的应答。然而值得注意的是，还可以分别查询和应答补充信息以诸如取代存在信息，预测服务程序110例如提供一个人缺席的时间长短以或者取代有效性信息，并且提供一个人可能处于不可用的时间长短。

查询114将直接送往预测服务程序110以决定大多数不同的用户状态120，例如：

·用户将要到达或者离开一个场所的时间；

·用户将要在一个场所停留至少时间t的时间；

·用户有权使用一个设备的时间(例如：完整的桌面系统)；

·用户能够查阅邮件或其它消息的时间

·用户结束一个正在进行中的谈话的时间

·用户参加一个会议的可能性

·预期中断消耗的时间；并且包括实质上的任何时间，地点，设备以及基

于通讯的预测或者回答。

为了产生状态信息120，预测服务程序110采用一学习组件134，这个学习组件包括一个或多个关于学习模型以对用户状态120进行推断。这些模型基本上包括诸如统计/数学模型这样的任何类型的系统以及其包含贝叶斯学习的处理过程，该贝叶斯学习例如可以产生诸如贝叶斯网络这样的贝叶斯有关模型、自然的贝叶斯分类器，和/或支持向量机。其它类型的模型或者系统可以包括例如神经网络和隐马尔可夫模型。虽然本发明采用精心的推理模型，但是应该理解的是还有利用其他的方法。例如，除了更彻底的概率逼近之外，也是可以利用决定论的假设(例如：按照规则，在X数量的时间没有桌面活动可能意味该用户没有在工作)。如此，除了下面对不确定性推理进行详细描述之外，还可以进行与用户及相关装置的状态、场所、内容、焦点等等有关的逻辑。

学习组件134可以从用户事件数据存储器140中进行训练，用户事件数据存储器140从与一个或多个用户相关的多个不同数据源中收集或汇集数据。这样的数据源可以包括各种数据获取组件150，数据获取组件记录或记录用户事件数据。(例如，移动电话，加速度计，由麦克风记录的有声活动，全球定位系统(GPS)，电子日历，图像监视设备，桌面活动等等)。在继续对本发明的存在性和有效性预测进行更详细的讨论之前，应该指出预测服务程序110可以由从实质上支持预测和查询处理的任意方式来实现。例如，预测服务程序110可以由一个服务器、一个服务器和客户应用程序的集合，或更一般化的包括网络服务或其他其可对自动化系统124及授权用户130提供应答的自动化应用程序来实现。

应该注意的是本发明可以确定和共享每一个接触用户所感兴趣的当前状态以及存在性和有效性预测的子目标类型。这些包括：

1.地点，(例如，用户将在X分钟内返回到他们的办公室，当前感觉在办公室的用户将在X分钟内离开他们的办公室，将要在t分钟内到达地点x等等)

2.可中断性(确定性，例如，低的，中等的，高的，或各种不同中断代价(例如，电话中断的期望成本是5美元，改变桌上型电能的期望成本是1.5美元，等等。))

3.通信信道的可用性(用户具有可用的移动电话，可用的办公室电话，可用的寻呼机，已经联上网络且拥有大型显示设备的桌面系统，装有微软NetMeeting软件的桌面系统)

4.其他的情况(例如，用户在办公室里的谈话可能将会在x分钟内结束)

通信信道可以是直接所推理的或者来自位置间的连接信道。例如，敷设时能够确定的信道与地点间的链接(或随着监测而得来的)，办公室包含下面的信道：硬布线的电话、运行着下列软件应用程序的带有大显示器的完整桌面系统，即运行微软的Office，NetMeeting等等)。将与链接到所在地的信道有关的信息保存在所在地和设备规划中。

与数据模型或规划有关，本发明还提供了这样一种方法(包括易于使用的用户界面)以将设备和位置添加到所考虑的系统中，这使用户易于建立如参考图2而在下面更详细描述的协同服务。当增加一个设备时，用户描述设备类型、捕获信道信息等等、以及场所信息，例如这个机器在我的办公桌上，相反这个机器是一部带有无线连接的可移动膝上计算机或这部手机总是在这个时候和我在一起等等。当加入位置时，与基于XML的方案或者数据模型相关的所有空闲设备可被提供用于捕获设备装置或者位置信息。设备方案、位置方案、以及其他方案提供了丰富的模板以捕获位置和设备的属性。应该理解的是，提供了其与本发明的方案和方法相互作用的用户接口和方法以增加或删除设备和位置(如果需要，还有其他被监控的信息)。

进一步值得注意的是，本发明的系统和方法也要考虑并且处理从802.11信号所收集的位置信息以及如例子所示的接口。例如，提供了一个社区大学的地图，该地图利用建筑物位置来绘制可以看见的当前相关点以指示出用户的位置。在家的时候，系统确定家用无线网络是否在使用中，因此该系统可判断用户何时在家。同样，也可对无线存取之外的区域的GPS信号进行处理。

现在参考图2，系统200示出了根据本发明一方面的一个协同系统200(也称作协同200)。在一方面中，协同系统200可以是以C#或其它语言编写的，编译成基于服务器的服务且是构筑在.NET开发环境之上的(或者任何商业上可获得的开发环境)。协同系统200例如包含一中心数据库、网络设施、设备供应接口和控制单元、以及贝叶斯机器学习工具。系统200用作自动代理所使用的设施，该自动代理为用户提供协作信息和通信服务而不是被用户直接查询。然而，下面所描述的查询界面使得人们或系统直接查询预测或者协同系统200所提供的服务。

协同系统200通常由四个核心组件构成，然而也可使用多于或少于四个的组件。一个数据获取组件210(或多个组件)在用户希望使用的多个计算机、组件或者设备上执行。当信道可用时，组件210从802.11无线信号强度或者GPS数据(也可以包括任何电子源的输入信号)中检测计算机使用活动214、记录信息220、时间信息、视频、声音、以及位置信息。数据获取组件210包括一个数据处理层，该数据处理层可使用户能够配置和定义其用于详细说明用户存在性的音频及视频源的参数。在本地高速缓存这些信息并且将其发送到其运行在中心协同服务器230上的协同数据合并组件224(也称作事件记录或事件数据库)。组件224负责对来自用户多机器的数据进行组合并且将其存储在XML编码的事件数据库中(可包含其他类型的编码)。

通常，将在日程表中所编码的通过多个设备的多维用户活动以及约会状态存储在一个关系数据库中。对不同交互作用的交互开始和结束时间以及约会状态进行编码以作为数据库中的不同维数。可通过对多维数据库的信息查询来搜集静态和动态构建的预测模型。根据当前情况(例如一天中的时间、星期几、以及用于关键转换的用户的当前转换状态)以及与所期望的预测有关的预测目标(例如如果当前不可用，那么直到一通信信道变成可利用的时间)来动态的创建查询。

可以采用几个过程来构造预测模型以及为大家所熟知的其他标准时间系列方法，该模型包括诸如其采用自回归分析的时间序列模型，该其他标准时间系列方法包括诸如ARIMA模型这样的其用于对替代方法进行评估的技术(例如，参看P.，A.Galper，E.Horvitz，A.Seiver所著的、预测的国际性刊物11(1)于1995年3月在73-87所公开的“不确定推理及预测”http：//research.microsoft.com/～horvitz/FORECAST.HTM)。其他的方法包括动态贝叶斯网络和连续时间贝叶斯网络，这两个例子形成了暂时的贝叶斯网络表示及推理方法论。

在利用来自该现有数据库的信息来进行推理的一个方法中，本发明通过适当的查询数据库而通过从该数据库中获得一组其适合某个情形的适当匹配情况、并且此后采用该情况的统计分析(例如，采用贝耶斯网络学习过程，即使用模型结构查找来组成最好的预测模型)、并且此后在即将到来的特定查询以进行对象推论的协同下来利用该模型来动态的学习贝耶斯网络。在这样一个实时学习过程中，并非努力为所有可能的查询建立一个大的静态预测模型，该方法集中于通过从事件数据库224中构建一组情况240来进行分析，该数据库224与即将到来的查询244保持一致的。这个方法使得其表示下述标志之间的特定临时关系的变量的公式化及离散化进行特定定制，上述标志例如是不存在、存在、约定开始时间、以及结束时间的时段之间的转换，如查询244所定义的。将这些情况240提供给一个学习及推论子系统250，该子系统250构造了为目标预测254所定制的贝耶斯网络。贝耶斯网络用来构造感兴趣事件的累计分布。在一个方面中，本发明采用一个学习工具来在相互依存的模型之上执行结构查找，根据一个具有最强预测数据能力的贝耶斯模型分值来识别绘图模型。如上所述，实质上根据本发明可以采用任何类型的学习系统或者过程。例如，所采用的一个学习过程已被Chickering et al所著的、在因特网或者其他信息源上所公开的、名称为“一种其利用本地结构来学习贝耶斯网络的贝耶斯方法”(MSR-TR-97-07，1997年8月)的文献所公开。

协同系统200将出现或缺席的周期记录记录在事件记录224中。事件会被资源设备210典型标注，由此由各个容量和位置来定义设备。例如，用户可指定某些设备具有全音频会议能力。由容量所索引的特定设备对事件进行标记可使得系统200预测随时间的可能分布，直到用户可以访问不同种类的设备而无需产生特定计划。当将这些设备分配到固定位置时，这些预测可以被用来预测用户位置。协同事件系统可以监控用户与计算机系统的交互历史，其包括运行在系统上的应用程序，当前所集中于的或者刚才所集中于的应用程序。如一例子所示，系统可识别用户何时检查电子邮件或者查阅通知。因此，通过去掉存在性和不存在性，协同200支持对用户极可能查阅邮件(或其他通信)的时间进行预测，给出他最后一次看完邮件已过去的时间。系统200还考虑直到用户利用该应用程序来预定应用程序或者停止时的时间。因此，给出他或她最后一次访问邮箱的时间，可向系统200查询用户很可能在何时访问邮箱。因为系统200对交谈进行检测，因此其他方面包括预测当前交谈很可能何时结束。

系统提供预测p(t_e\E，ξ)，其中t_e是兴趣事件出现之前的时间，事件E包括最接近的活动环境(proximal activity context)、一天中的时间、一周中的一天、以及其表示考虑之中的活动日程项的特征的多种属性。基于查询，最接近的活动环境表示标志状态之间的一个或多个显著转变。这种条件根据最近的关键标志来捕获直至将来的状态很强烈时的时间这样的建模假定。预测离开的用户可能回到办公室的时间，或者回到办公室并且至少停留的一些时间t，最接近的活动环境就是自从用户从出现到离开的状态转变的这段时间。因为对用户过多长时间会离开办公室的预测，或者，尤其是，将过至少一段时间t才离开，最接近的活动环境被作为用户从离开到出现的转变的时间。

在开始讨论图3之前，值得注意的是，提供了根据本发明的一个或多个图形用户接口。更进一步值得注意的是，分别所描述的图形接口可在多种其它不同的设置和内容中被提供。例如，在这里所讨论的应用程序或者模型可与一个桌面开发工具、邮件应用程序、日立应用程序，和/或网络浏览器相关，尽管其他类型的应用程序可被利用。这些应用程序可以与图形用户接口(GUI)相关，其中GUI提供一种其具有一个或多个显示对象(未给出)的显示，该显示对象包括诸如其具有多种配置维度、多形状、颜色、文本、数字和声音的配置图标、按钮、滚动条、输入框、选项配置、菜单、表格等等方面，以促进利用应用程序和/或模型进行操作。此外，GUI还可以包括多个其他用以调整和配置本发明的一个或多个方面的输入或控制，并且这一点我们下面将会详述。这些可以包括从鼠标、键盘、话筒输入、网站、远端网站服务、模式识别器、脸孔识别器，和/或其他诸如照相机、摄像机输入的设备接收用户需求以影响或调整GUI的运作。

回到图3，接口300示例性的说明了根据本发明一方面的预测选项。参考图1、2所描述的系统可采用接口300。一方面，在310，可提供一个模式选择以可根据当前观测进行实时分析或者可根据过去数据和观察来进行离线分析。在314，可以选择将被重新获得的有效性及活动预测的类型。这种预测包括用户将会在线的时间或者什么时候他们会开始在线，预测邮件回复相关时间，电话相关时间，办公室会见、在家联机、视频会议可能性、全屏是否可用，可利用的多个监控、可利用的电话类型、可利用的网络会议和中断选择的代价，例如。在320可选择关联假设，无论用户是否检查邮箱或者是否忽略邮箱。在324可设置评估时间，其包括小时和分钟的设置。在330，我们可设定另一个假设，即有关于用户察看或忽略他们各自的邮箱的时间。应该理解的是，在接口300中所描述的选择在性质上是示例性的，并且在系统和/或用户间的任何实质上的通信和/或协作内容中都可提供预测。

参考图4，接口400示例性的说明了根据本发明一方面的预测。与上述的接口300类似，前面参考图1、2所描述的系统可采用接口400。在这个方面中，接口400提供一个当前模板(pallet)，其中显示与用户能够根据通信和容量的各种形式来进行通信之前的时间有关的各种预测。在410，可为各个预测选择用户(例如Eric Horvitz)。在414，提供一个可能性阈值阈值调整以使得用户能够调整与各种预测相关的确定量。在420，提供一个或多个诸如用户在线、邮件阅读、电话、办公室会见、在家联机、视频会议可能性等等这样的预测类型。在430，为420的预测类型显示相关预测次数。这包括其用于描述用户通过给定通信媒质进行通信之前的预测时间量的图形的和/或数字的结果。例如，在434，图形展示和数字展示说明在410所选择的用户很有可能在办公室待149分钟，而且可能性90％。此外，其他提供出席踪迹的信息能够在接口400显示：“查到的最后一个在BLdg113，时间3:11pm2/21/2003”

参考图5，示出了根据本发明一个方面的其用于预测存在性的接口500。接口500显示了一同等接口，该接口提供了其用于选择查询种类和为实时内容或者离线分析形成查询的装置。在所示的情况下，得知他或她已经在休息日的10点离开25分钟，关于一个用户至少15分钟内返回办公室的可能性的一个请求被输入了。从事件数据库中收集一组相关数据并且创建贝叶斯网络。该网络被用来产生关于何时用户回来的累积概率分布。对于这些例子而言，根据0.08的置信阈值值，系统也共享如510所示的文件概要预测(例如，状况：用户离开已经30分钟，估计中断成本0.1美元；预测：希望用户返回)。类似的分析可在分别例如图6、7中的办公室缺席分析和邮件回复分析这样的兴趣事件中执行。如后面所详述的，提供了这样一种方法，该方法考虑会议和其提供用户实用性的预测的模型的构建。接下来将描述会议参加、中断和位置的模型的构建。

图8-10说明了建模本发明各个方面的影响图以及决策树。本发明提供了这样一种系统和方法，该系统和方法用来分析与会议有关的多种特征并且将这些观察集成于存在性和有效性的综合贝叶斯分析中。除了提高与缺席或出席有关的预测模型之外，学习这样的模型，该模型使约定的多种属性与参加一个会议的可能性以及会议的中断性有关。当根据所列出的一串约定地点中没有该位置时，本发明也可学习模型以推断会议的地点。这些推论可以为诸如共享时间表和其他工具及应用程序这样的交互式的工具提供有价值的输入。

协同系统将存储于用户日程表中的会议列入记录，注意的是在线日程(例如微软的邮件程序Outlook)中可用的约会属性以及若干其他计算属性的状态。采用所记录的数据以学习其能够预测参加情况、中断和位置的模型。为了建立出席模型，商业上可用服务器(例如微软的Exchange server)协同的自动访问约会的约会属性。协同系统创建了约定的草拟训练组以及其属性，并且利用通过使用与出现有关的一组试探所形成的猜测来标注约会场所。这个参加试探认为桌面活动已延伸到日程会议的重要的部分是不参加会议的证据，并且还认为会议期间的活动缺席是参加会议的证据。

对数据进行标记的试探在精确度上根据任务有所变化。应该理解的是，为注释参加会议的其基于活动的试探可能是吵杂的。因此，根据其作为草案数据组的出席性而进行预测并且其可使用户通过手动标注出席性来改进草案数据组的工具是可使用的。协同系统可产生一个按其发生顺序来显示约会的表格，并且显示其包含有与出席有关的推测的出席字段。除了编辑出席字段，用户还能够增加对会议物理位置的评估和不同的会议被打断的情况，指定会议的被打断性是否为低、中、高。被注解的日程被用来构建这样一模型，该模型可预测一个用户参加约会属性所给出的将来会议的可能性的预测。

除了一天中的时间，一周中的某一天，考虑训练和预测时间的会议属性包括会议日期和时间，会议持久性，主题，位置，组织者，参加者的数量和属性，用户的角色(使用者就是相对于被要求的或者随意的参加者的组织者)，用户的响应状态(答是，试探性的回答，不做回答，或者没有相应要求)，无论会议是否为周期发生的，无论在用户的日程表上时间被标注为忙或闲。同等系统进入一个活动目录(例如微软活动目录)服务来识别和注释用户、组织者、和参会者之间的组织关系，注意，举个例子，无论组织者和参会者是否是组织中的重要任务，直接的报告，经理或者用户经理的经理。作为预测日程参加、中断和位置的模型精确性的评估的一部分，已经进行了几个试验。

图8显示了单个用户数据所学习的贝叶斯网络800，其示出了从再现日程中所抽取的变量以及兴趣表示的变量当中的可能的相关性。模型800是通过从存储在用户的2001年10月到2002年3月6个月期间的在线日程的会议收集数据来建立的。数据组包括659个会议的约定，其中559个被用来训练模型，剩下的100个作为测试的集合。要求日程表的主人利用是否参加会议的信息来注释事件，标注会议的位置，同时指示出会议的中断性，其被离散为低、中、高的中断性。对于数据集而言，参加其为0.64的约会。用户为0.5的情况分配了低中断可能性，为0.4的情况分配了中等可能性，为0.1的情况分配了高中断可能性。这个模型很好的执行；所持数据的分类精度在预测参加方面达到0.92并且在分配中断可能性方面达到0.81。

图9和图10中分别示出了预测会议参加和中断可能性的决策树900和1000。如图9中所示，预测会议参加的关键影响变量包括是否通过别名或者个人来组织会议，会议的持久性，响应状态，会议是否是周期性的，参与者的数量，是否邀请了直接报告人，其包含在位置场所中的信息，以及会议是否被标注为忙时。决策树900的叶子处的柱状图显示了相对于不参加的参加可能性，其中结果p(不参加|会议属性1...n)在上边的位置，下边是p(参加|会议属性1...n)。

如图10所示，预测会议中断性的主要影响变量是用户是否通过相对于个人的一个别名所邀请，用户是否对约会进行响应，参与者的数量，是否邀请了直接报告，以及会议的主题。决策树1000的叶子处的柱状图显示了中断的概率分布，其中从高到底部的状态分别是低、中、高中断可能性。

协同系统以几种方式采用出席及中断模型。该系统允许对有关于用户参加或者即将参加的可能性进行直接查询。协同系统也可以分享关于一个用户目前或未来时间的中断期望成本(ECI)的信息。提供给用户一个工具以使每个中断水平与中断成本的经济价值相关。他们也通过典型的一天中的时间和一周中的某一天这样的自由时段来评估中断的缺省价值。图11给出了表1100，其描述了以中断的价值为垂直轴、以中断时间为水平轴。协同系统以下述方式来计算中断期望成本(ECI)。

$\mathrm{ECI}=p\left(A^m\right|E,\mathrm{\ξ}\left)\underset{i}{\mathrm{\Σ}}p\right({c_i}^m|E,\mathrm{\ξ}){c_i}^m+(1-p(A^m|E,\mathrm{\ξ}))c^d$

当A^m是参加会议的事件，c_i ^m是与中断价值i相关的中断成本，c^d是处于考虑之中的时间段的缺省成本，E代表与日程属性有关的观察、最接近的内容、一周中的某天、一天中的时间。

协同系统还将与会议的时间和属性有关的推断集成到与出席和缺席有关的预测中。系统执行一个近似的会议分析以预知要考虑多种模式的会议的复杂性。在这个近似分析中，本发明形成了独立的会议假设，并且单独考虑了各个会议。根据其最接近时间以及查询中所专用的转变，认为用户日程上的会议子集对于查询而言是活动的。对于活动会议，一个显著的贝叶斯网络模型以及相关的累积分布，在会议范围的过程中被计算以返回或者缺席，这个范围指在会议之前或之后延长会议的时间。在构建一个相关会议的模型时，协同系统的情况获取组件识别与查询所定义的最接近内容相一致的事件。通常，只有被标注为被参加的会议才被考虑。最后，直到返回或者缺席各个会议范围之前，将时间累积分配与无会议状态的累计分配组合在一起。

系统通过为无会议状态构建一个出席转变的累积分配来执行上述组合的。按照上述方式来计算累积分配，其采用与未提前安排会议或者用户显示未参加会议情况下的查询相一致的事件。然后，对于由各个会议范围所示出的时间范围而言，将未参加和参加情况的累积分配相加在一起，并由用户参加或者即将参加会议的可能性来对其进行加权。

图12给出了示意图1200，该示意图1200转继(relay)参加会议的可能性的综合对预测用户有效性的影响。休息日下午1:20有一个关于已经离开12分钟的用户何时会回到办公桌前的查询。最上部的曲线表示用户返回到无会议状况的累积分配。低一些的曲线考虑到活动会议而给出了折叠结果，其考虑到用户将要参加一个相关会议的可能性。这种情况下，3个会议在考虑中，包括下午1-2点，2:30-3:30，和4-5点的会议。

图13给出了根据本发明一方面的协同系统1300。在这个方面中，为其使中断成本与所选配置文件相关的用户建立一个或多个配置文件，其中为所选配置文件建立了各个时间段。在1310中，可以选择诸如缺省，傍晚在家，深夜在家，周末在家，度假，工作缺省等等这样的各个图表。此后在1314使中断成本与诸如缺省中断，高中断，中等中断，低中断等等这样的所选配置文件相关。应该理解的是，可以提供更多非常好的中断等级。在1320，为在1324所选的给定配置文件选择各种开始和结束时间、天、以及日程阶段。

参考图14，说明了根据本发明一方面的时间记录屏幕1400。时间纪录屏幕1400图示了一些可能被捕获或存储在上述事件记录数据库中的示范事件。然后这些事件可被用于构建和训练一个或多个根据本发明的学习模型。例如，一些记录在屏幕1400中的事件包括其含有日期时间的系统出席事件、背景噪音声音事件、演讲声音事件等等。应该理解的是，记录了多个其指示用户来去的事件。也可采用来自桌面机器、手持机器、移动终端、和/或其他组件的各种输入来捕获各个事件。

继续进展之前，说明一下协同系统能够被应用于多种通信，消息，优先权，通告，以及根据图28-30中所详细描述的协同应用程序中。在一个例子中，可采用“Bestcom”系统(根据图28中所描述的)，其集中于创建这样一个服务，该服务根据对与通信有关的内容、可获信道以及优选的考虑来为用户提供最佳通信方式。在Bestcom中，一个代理作为代理人，并且考虑到呼叫者和被呼叫者的目的及内容。尽管参加通信双方的优选都会被考虑，但是Bestcom的很多方面强调被呼叫者的通信优选，宛如从被呼叫者中寻找注意的资源。根据对呼叫者的识别、所选的初始信道(例如电话，快速消息，电子邮件)、以及所计算的或者所检测到的被呼叫者的内容，Bestcom考虑如何处理进来的通信的优选。

在清晰的Bestcom服务被呼叫者清晰唤起的情形下，共享与通信的特性有关的注释以作为一部分Bestcom元数据图式(schema)。例如，一个被呼叫者可能希望唤起Bestcom来和一本书的合著者通话，并且希望通过唤起文字处理应用程序中的特别定位服务来共享文档。Bestcom服务能够与被呼叫者的代理共享通信的目标和可用信道。Bestcom的精华在于包含了被呼叫者状态的私密性。尽管在进行通信决策的过程中使用与这个状态有关的内容信息，但是呼叫者仅仅是个人的总结出与是否和如何处理通信有关的决策。

动作包括在同一个信道上建立实时联系，转移信道，传送消息，或者为呼叫者提供更佳时间并且安排一个未来的呼叫。Bestcom影响包括对基本优先评估工具的发展以进行诸如建立和编辑其分配有不同通信优先权的人群这样的认为，并且评估不同内容的中断成本。尽管Bestcom的基础版本集中于简单的评估和用户状态的直接感知，但是本发明采用与协同系统所提供的出席和可能性有关的充分内容。

图15给出了图表1500，其说明了根据本发明的动态贝叶斯模型以用于推理有关于其捕获关键变量以及相关性的用户注意焦点。警报仲裁系统的原始版本采用如表1500中所示的手工动态贝叶斯网络模型。贝叶斯网络中考虑的一个关键变量是注意焦点。这个变量的状态被构建成为大约15个相互排斥的注意状态，其捕获用户的状态频谱，这个频谱是被工作量所分段的内容。状态包括这样的特性例如：高焦点的单个活动，中等焦点的单个活动，低焦点的单个活动，办公室谈话、出席、驾驶、私人时间和睡眠。

关注模型的一个目标是推断出假定用户在特定注意状态的情况下不同类型中断的成本。为达到这个目标，本发明考虑效用，u(D_i，A_j)，其捕获用户在被任务或者通信事件D_i，所打断时的关注状态A_j下的成本。对这个成本进行评估以作为所愿意支付的以避免对于每个组合而言金额混乱。假定一组经济价值以避免中断，从用户的关注状态总结出的可能性分配，通过对效用性求和、由每个注意状态的可能性来加权、并且以进入的感知信息流为条件来计算期望中断成本(ECI)。也就是说，ECI是

$\mathrm{ECI}=\underset{j}{\mathrm{\Σ}}p\left(A_i\right|E\left)u\right(D_i,A_j)$

其中p(Aj\E)是注意状态的可能性、其以证据流E为条件。

图16给出了图表1600，该图表说明了根据本发明一方面的其用于一事件系统的控制面板，该控制面板示出了事件分类和用于处理声音和视频信息的图形显示。1600所描述的界面考虑了这样一个系统的真实实现的其他细节，该系统能够从感知信息流提供中断成本。在这个例子当中，用户的活动通过事件感知来监控与客户设备的交互作用，并且提取系统从操作系统和在客户端所执行的应用程序中检测计算机事件。另外利用贝叶斯主动追踪系统来对视觉姿势进行处理并且利用音频信号处理分析来对周围声音活动进行处理。最后，用户的日程通过一个与电子日程应用程序(如Outlook)的接口被自动检查，以判断日程表中是否有一个会议。图16显示了一个叫做进入流(Infloflow)的事件监控和控制系统，这个系统将在下面详细叙述。

客户事件系统提供了一抽象工具以用于将低水平系统事件的模式结合到高水平事件模式中。本发明在关注模型中既考虑低水平也考虑高水平事件。例如，捕获低水平状态以作为所使用的应用程序，无论用户是否在打字，点击鼠标，以及诸如应用当中切换模式的高水平事件(例如，单个应用程序关注相对于多个应用程序之间的切换)，任务完成的指示(例如发出一条消息，关闭一个文件，关闭一个应用程序等等)。

对于日程安排时间，会考虑会议是否在进行中，直到会议结束时的持续时间，以及会议地点。对于声音和视觉分析而言，能够确定谈话或者其他信号是否被识别，用户是否位于桌面系统附近，甚至用户是否专注于或者离开计算机。

图17是给出了根据本发明的事件白板1700的示意图。采用事件白板1700来捕获和分享系统所考虑的低水平和高水平事件的状态。如图所示，事件包括与应用程序的生命周期有关的详情，当前“居首位”的且进行交互作用的应用程序、以及用于捕获诸如桌面使用模式的使用模式的事件，这种情况下，示出了一个用户在预置时间范围之内(这个例子中是15秒)的不同应用程序之间进行切换。

图18是给出了根据本发明一方面的其说明了与关注状态以及随时间中断成本有关的推论的1800示意图。上面描述的流入系统考虑各个事件并采用动态贝叶斯网络来推断关注状态的概率分布。在1810的输出描述了这样一个其考虑8个关注状态的模型的输出，这个状态包括高聚焦单个活动、低聚焦单个活动、办公室谈话、陈述或者会议、驾驶、私人时间，睡眠和现在空闲。输出1810描述了办公室谈话的初始高可能性在最近的时间变为由高聚焦单个活动所支配。

输出1820描述了随不同打扰时间Di的期望中断成本的推论。在这种情况下，可根据粗略用户关注状态下的所推论概率分布来计算用户为避免不同的通信事件可能会支付的金钱。图1820中的曲线从上到下代表了与6个不同中断相关的估计成本，包括电话，寻呼，带有和谐打钟报时的全视觉信号，非常微小的打钟报时声音显示，不带和谐打钟报时的全视觉信号，不带打钟报时的微小声音显示。

图19是根据本发明一方面的其说明了报警显示的图表1900。图表1900显示了其采用期望中断成本模型的通知系统(例如，关于新闻、财政、电子邮件、远程消息等等的通知)中的全视觉信号的视觉显示示例。这个信号可能伴随有声音传达。本发明可平衡所推断出的不同消息动作的期望成本与如在信息价值的单独分析中所评估的不同通信的期望价值。

图20给出了根据本发明一方面的中断工作台2000，这个工作台根据用户的当前内容而提供了与不同活动相关的不同类型中断的成本模型，这个用户可与计算机终端进行交互作用。根据来自于上述感知传感器和桌面活动的事件记录，可采用学习模型来预测办公室的用户中断状态。这些学习模型预测用户的中断状态，由此用户的关注焦点或者工作量的详细状态始终不清晰。也就是说，回避用户关注状态的清晰模型，这可使其表征用户中断性的模型被直接追踪。图20描述了其被称作中断模型工作台的工具2000，其提供了事件捕获、时间段的注释、以及建立和测试中断统计模型。图20还显示了在会议注释阶段中所使用的标记工具2000的快照。

在训练阶段，工具2000捕获桌面流，日程和音视频事件。在标注时间时，工具2000显示了主体办公室的同步视频解码，这个视频信号是在数码相机的训练阶段所捕获的。工作台事件记录系统同步使利用训练期所监控的事件与来自数字录像带的场景相同步，这有利于对时间段的进行标注并使其与事件相关。

通常情况下，模型建立的第一阶段是事件和环境捕获。在这个阶段，采用视频照相机来记录主体活动以及所有办公室环境。具有声音跟踪的录像机位于主体肩部之上以进行拍摄，除了显示用户办公环境的一部分之外还显示在用户屏幕上所显示的环境。

对构建中断模型的第二个阶段进行标注和评估。提供了工具2000以在训练阶段回顾其屏幕所捕获的视频并且在不同时间对其中断状态进行标注。通过允许用户指定中断状态之间的转变可使标注效果最小化；而不是需要用户标志每一个小的时间段，转变间的所有时间继承了与其定义了每个截然不同段的开始的转变相关的中断标志。工具2000提供这样一种方式以指定这样的途径，即其表示中断成本的变量被离散化以及成本如何被表示。主题可以至少两种方式来在不同时间对与其中断性相关的评估进行编码。

以一种方法，主题对看录像带的时间段进行标注以分别标注为高、中和低中断性。如图20中的前景所示的，用户被要求分别为不同类型的中断分别绘制出每个高水平状态的经济价值，这可反映出愿意支付以避免在其被标注为高、中、低中断成本状态过程中的中断。为每个不同中断类型低、中、高搜寻经济价值。在对训练期的时间段进行标注的第二个方法中，主体可定义一个范围并且建立这样的模型，该模型可直接推出其随真实价值的概率分布，这表示中断成本。

在编译和测试阶段，贝叶斯网络(或者其他统计模型方法论例如统计衰退、矢量支持机器(SVM)等等)是由按照上述最开始两个方法所产生情况的已标注情况库构造而成的。对办公室活动的一个或多个会话期(session)创建其利用中断标志来标记的且其包含记录事件状态向量的2秒时间段的数据库。此后该系统通过采用图表结构查询来执行贝叶斯学习过程，并且建立这样的贝叶斯网络模型，该模型用于与用户的中断状态有关的实时预测，只要给定被感知事件的实时流。

在运行时，使用由该模型所推断出的中断状态的概率分布来计算不同中断类的期望中断成本。对于考虑中的每个中断而言，通过调用与上述所定义的期望中断成本相似的期望值来计算中断的期望成本，以用中断的不同状态的可能性p(Ii|E)代替明确关注状态，如下所示：

$\mathrm{ECI}=\underset{j}{\mathrm{\Σ}}p\left(I_i\right|E\left)u\right(D_i,I_j)---\left(2\right)$

除了推断中断的当前状态外，本发明还产生了其表示与中断的进一步状态有关的关注预测的若干变量。这些变量包括与其随直到到达中断的低状态、中等状态、或者高状态时的时间的概率分布有关的推论，并且可实现更多的其表示直到实现了中断状态时的时间的专用变量，这将持续不同的时间长度。举例来说，这个族里的变量表示直到用户保持在低成本中断状态至少15分钟时的时间。通常这样的预测对仔细考虑是否、何时、以及如何调停通信是重要的。为了检验所产生模型的预测，工作台2000允许用户保留一份训练中的数据，以便可以使用保留的数据来测试该模型。为了进行实验，用85％的数据来训练该模型并且为测试保留15％的数据。

图21给出了根据本发明一方面的其说明了贝叶斯网络模型的一图表2100。图表2100描绘了由如上所述的工作台所输出的一贝叶斯网络模型。该模型是根据中断成本所标记的一个主题活动的记录构建而成的。在这种情况下，情况数据库表示主体办公室中的并且其具有一个小时期间的主体计算机的活动。这个数据库包括1800个二秒情况，其表示可中断性等级中的43个状态转移。85％的情况用来构建这个模型。其它15％的情况为训练而保留。

其表示当前可中断性状态的变量(包含了低，中，高的状态)在2110被标记为COI。其他变量包含直到下一个低状态、直到下一个中等状态、直到下一个高状态时的预测时间，并且其表示直到中断的低，中，高成本时的时间的这些变量的变体将保持不同的时间长度。预测变量将被离散化为五个时间状态，其包括小于1分钟，1-5分钟，5-10分钟，10-15分钟，及大于15分钟。

图22-26说明了根据本发明一个方面的的决策树。图22显示了一决策数，该决策数表示其基于贝叶斯网络的COI变量的概率分布的紧凑编码。在树叶子上的条形图代表由通向叶子的路径所代表的一组观测结果的可中断性的高，中，低成本的概率分布(以从高到低的顺序)。这路径代表了存在性，应用使用，以及可以感知到的事件的混合体。

图21中所显示的模型提供了与当前状态以及与中断的进一步状态有关的有价值的推论。当对所保留情况的15％进行测试时，贝叶斯网络示出了在正确的分配该主题的可中断性状态方面的分级精确度是0.73。这个模型还提供了与其表示将来状态的多个变量有关的有用预测。举例来说，该模型预测直到用户下一次转变到低成本中断时的时间的分级精确度是0.56，并且直到用户下一次处于高成本状态的中断的时间的分级精确度是0.78。

除了利用所有的变量特征来测试这个模型的性能外，其他方面还包括进行“模型消除”研究。这包括对与从学习和推理中去掉可感知特性有关的损耗进行分析。因为该领域的许多计算机可能没有听觉和视觉的能力，因此对于用户在设备附近或接近客户设备的情况下，本发明还在从日历信息和桌面活动的丰富图案中预测用户可中断性的过程中采用判别能力。

图23显示了按照与图22中所示的模型相类似的方式所创建的一贝叶斯网络模型。然而，在训练和测试的模型中没有考虑听觉或视觉的事件。图24示出了其表示主题的中断成本的变量的决策树。

对图24中的决策树中所示出的结构，路径和分布状态与图22中决策树的这些特性进行比较可提供对模型差异的洞察力。绕过这些感知信息，将导致图22中所示的决策树所考虑的听觉事件的缺失。在缺乏感知信息的情况下，其他事件变成有价值的鉴别器。如图24中的决策树所显示的，引入了新的应用程序状态(不论主题是否正忙于电子邮件和日历应用程序)。

本发明也可以使用其用于感知信息损失的关键变量的分级准确度的灵敏度。下述表1示出了对于考虑中的主题数据而言中断成本的分级准确度是没有损失的。然而，并没有发现对于所有感兴趣变量有相同的评估。人们注意到变量灵敏度的混和表示对可中断性将来的预测。例如，对于在关注焦点下的主题而言，直到下一个高成本状态时的分级准确度仅由于损失的感知信息而仅仅稍微的减少了。另一方面，直到这下一个低成本状态时的预测很易受到感知信息损失的影响，由于感知事件的损失而使分级准确度从0.56转变到0.46。

表1.对用户中断性当前和将来状态的分类精确度

事件	考虑所有事件	没有感知信息
			当前中断状态	0.73	0.73
低成本状态时	0.56	0.48
			高成本状态时	0.78	0.77

图25中的从一贝叶斯网络学习程序所得来的决策树2500在对直到下一个低成本中断时段的开始时间进行预测的过程中提供了对可视姿态信息的洞察力。决策树2500显示了由从主要跟踪系统所得来的其与参加和姿态有关的多个特性以预测直到下一个低成本中断的时间。

图26示出了在不考虑视觉和听觉信息的情况下相同预测的决策树2600。系统被迫依赖桌面活动和存在性来对直到低成本中断时的时间进行预测，并且对于手边的主题和变量来说，这种依赖性典型的将导致预测质量的降低。

图27说明了根据本发明的预测存在性和有效性的方法。然而，为了能简单的解释起见，该方法论是用一系列的行为来给出和描述的，应该理解和明白的是本发明并不受这些行为顺序的限制。因为根据本发明的某些行为可以具有不同的顺序和或在这里所示出和所描述的其他相并行。例如，对于本领域普通技术人员来说该方法或者可以被表现为诸如一个状态图中的一系列互相联系的状态或事件。此外，并不是所有阐明的行为都可能被要求实现根据本发明的方法。

参考图27，处理2700阐明了根据本发明的存在性和有效性预测。转到2710，从与用户出席和缺席期间相关的一个或多个设备中收集数据。如上所述，数据可以源自于许多的来源，诸如手持式设备、可移动的设备、以及桌面设备或活动。在2714，将这些源自不同设备的数据是聚集或收集在从事件记录或数据库中。这些数据被存储以与这样的注释相对应，该注释指出了这些数据源自哪里、这些数据源自什么类型且是什么性能的设备、以及这数据些在什么时间和日期被记录下来的。在2718中，一个或多个学习模型是根据已经被记录到事件数据库中的数据而建造起来的。在2722中，接收这样的一查询，该查询是请求用户出席或有效性信息。如上所述，这个查询还可以直接获得诸如未出席或者不有效这样的附加信息。在2726中，根据存储在事件数据库中的数据来训练在2718中所描述的学习模型。这些数据与其和各种设备和/或场所相关的一个或多个用户出席及缺席时间段有关。采用这个训练的模型来返回用户状态信息的预测(例如所期望的出席或缺席)以响应所接收到的查询。

预测的内容可以直接地传递给用户，这些用户是所授权的可以察看与用户当前所出席的位置、可中断性、或者用户对一个或多个通信信道的访问有关的或者与对将来存在性及有效性的预测有关细节的不同方面或不同程度。例如，上述图4为具有适当特权的同事呈现出这样的可视化结果，其包括与用户的存在性和有效性有关的详细。在这种情况下，在转变为有效的特定程度的置信度下，指明了当前可利用的通信信道(例如在这种情况下，何时累积概率到达百分九十可能性)，而条形图指出了直到不同的信道变成可利用时的以分钟所计的时间。

应该理解的是，其他的可视化对于预测或当前状态的不同类型的“选择性显示”而言也是可以的(例如，仅仅显示某些特定类型的情况给不同类型的人，这不同类型的人是以名字、或者通过对组类型的抽象、通过相互关系等等而命名的)有选择的显示包括对时间域中的低精确度信息的信息抽象(并非是与预测有关的精确度，例如3小时与90分钟这样的精确度对照)或者对空间域中的低精确度信息的信息抽象，例如，“在西雅图”与“在家”相对照。

还可对具有不同特权的人进行调节(例如，通过非盈利组织(org)图表中的关系，或通过动态信息，例如今天我将要遇见的人)以察看不同的方面。这样的控制可包含精确控制，例如，我的同事可以获知我大概什么时候回西雅图，或者我是否现在就在西雅图。从我的直接汇报中可以知道今天上午我是在家里工作，等等。或者我将在大约30分钟内回到办公室。

在其它情况下，使用这信息来向一个通讯代理通知最好采取什么样的行为。这样的应用程序不包括用户当前或将来存在或有效性的详细信息以送至其他用户，从而保持用户位置的保密。所选用户可以共享其包括用户随时间的中断性这样的当前有效性或将来的预测，由此可将中断性表示为各种不同中断的中断成本或期望成本。这还可以包括有选择性的共享与这样的一用户有关的信息，该用户有权使用一个或多个通信信道信息。

现在参考图28，说明了一系统2800，该系统以及如上所述的本发明的其他方面均被采用。通道管理器2802识别这样的通信信道，该通信信道能促进和优化在接触者2820和被接触者2830之间的通信2810的效用。在说明了接触者2820和被接触者2830的同时，应该理解的是系统2800可便于识别两个或更多通信参与者(例如，通讯组)之间的最佳通信信道。进一步应该理解的是进行通信2810的参与者可以包括人类团体，设备和/或电子处理。从而，如这里所采用的，术语被接触者和接触者包括接触者组和被接触者组。

通信2810可以通过各种信道进行传送，这些信道包括但不局限于电话信道，电脑信道，传真信道，寻呼信道和个人沟通渠道。电话信道包括但是并不局限于普通老式电话通信技术，蜂窝式电话技术，卫星电话技术和因特网电话技术。计算机信道可以包括但是不局限于电子邮件，合作编辑，即时通讯，网络会议，日历和从事家用处理及上网的计算机设备。个人沟通渠道包括但是并不局限于会议电视，信使、以及面对面会议。对与当前信道有关的数据(例如，忙碌着的电话)进行分析，这些数据可以是与当前信道变成可用的可能性有关的数据(例如，电话不再忙着)。

识别最佳的通信信道可以包括考虑在第一时间点建立通信2810的好处，同时在第一时间点通信信道是可利用的，并且当其他通信信道可用时还要考虑延迟在第二时间点建立通信2810的成本。

通道管理器2802访问信道数据存储器2835，接触者数据存储器2860和被接触者数据存储器2850。接触者数据存储器2860、信道数据存储器2835、以及被接触者数据存储器2850可以将数据存储数据结构中，这些数据结构包括但是并不局限于一个或多个列表，数组，表格，数据库，栈，堆，邻接表和数据立方体，并且可以驻留在一个物理设备中和/或可以分布在两个或多个物理设备之间(例如，磁盘驱动器，磁带驱动器，存储器)。此外，接触者数据存储器2860、信道数据存储器2835、以及被接触者数据存储器2850可以驻留在一个逻辑设备和/或数据结构中。

通道管理器2802可以是一个计算机组件，如这里所定义的术语，并且因此通道管理器2802可以分布在两个或多个协作进程之中和/或驻留在一个物理的或逻辑设备中(例如，计算机，进程)。

在通道管理器2802所解决的问题的通用公式中，本发明考虑“通信值函数”f，其根据信道或者信道子集的可接受程度而返回每个通信信道或处于考虑之中的信道子集的值或者信道的序列。

值(信道)＝f(优选(被接触者，接触者，组织)，内容(被接触者，接触者))

其中被接触者和接触者的内容包括组员身份、组内容、设备可用性、时间、任务、以及接触者和被接触者即将到来的情况等等。值得注意的是被接触者和接触者的内容可能以一种或多种格式保存，其包括但并不局限于XML模式。在本发明的一个例子中，通道管理器2802开始对所分配的值进行排序并且企图创建一个联系或向接触者2820及被接触者2830通知有关于最可能的联系。

通常，存在与优选以及所采用的用于建模一内容的一个或多个参数有关的不确定性。

期望值(信道)

＝∑_if(优选(被接触者，接触者，组织)，p(被接触者的内容i|E)，接触者的内容)

当采用该期望值来最初的识别这样的信道，该信道被预测以使通信2810的效用最佳化，在本发明的一个例子中向被接触者2830呈现与通信有关的选项。反作用于该选项的被接触者2830此后将确定为通信2810所选的信道。在其可促进适应通信管理器2802的机器学习中采用对这些选项的反作用。

目前考虑到更多特定的使用期望效用的例子，根据方程1而获得了在被接触者2830优选的内容中的不确定性之下所进行的决策的基本公式。

$A^{*}=\arg \underset{j}{\max }\underset{i}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E)\×u(A_j,A_k^c,C,\mathrm{contex}{t}^{R}i,\mathrm{contex}{t}^C)$ (等式1)

其中A^*是一个理想通信行为，其包括被接触者(A^C*)和被接触者(接收方)((A^R*)所使用的且通过优化等式1所计算的信道。在等式1中：

A_j是处于考虑的通信信道，

A^C _k是接触者所使用的通信信道，

Context^R _i是所希望通信的被接触者(接收方)的内容，

Context^C是接触者的内容

C是接触者的特性，典型的其与一类人相链接(例如，紧要联系的、预先答复的、同一家族的、未知的)。

因此，在本发明一个方面的例子中，在给定证据E的情况下被接触者2830具有某个内容的条件概率p(context^R _i|E)与效用函数u一起被用来确定理想的通信行为，采用该行为以使接触者2820与被接触者2830之间的通信2810的效用最大化。

通过引入与接触者2820的内容有关的不确定性来扩展用于识别最佳通信信道的基本公式，其将在等式2中所示的总和与方程1的不确定性相加在一起。这个特殊的通信行为和/或为接触者2820的初次接触所选择的信道由A^c _init来表示。

$A^{*}=$

$\arg \underset{j}{\max }\underset{i}{\mathrm{\Σ}}\underset{i}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E\left)p\right(\mathrm{contex}{t}^{C}k\left|E\right)\×u(A_j,A_{\mathrm{init}}^c,C,\mathrm{contex}{t}^{R}i,\mathrm{contex}{t}^{C}k)$

(等式2)

接触者2820和被接触者2830的内容代表了一组高级的确定或不确定变量。与自动评定和/或直接标记紧急或重要通信的标志有关的数据还可以在确定最佳通信信道的过程中被评估。可以将内容变量认为是优化过程中的明确的确定性或概率因素。例如，m^c _k表示适用于接触者2820的信道并且由此等式3考虑适用于接触者2820的信道组合。

$A^{*}=$

$\arg \underset{l,n}{\max }\underset{i}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E\left)p\right(\mathrm{contex}{t}^{C}k\left|E\right)\×u\left(A\right({m_l}^R,{m_n}^C),A_{\mathrm{init}}^c,C,\mathrm{contex}{t}^{R}i,\mathrm{contex}{t}^{C}k)$

(等式3)

本发明还可以对现在可用的最好通信选项与将来可用的最好通信选项进行比较，并且根据通信延迟来更新损失的通信值，且当接触者处于不同状态时(例如更多可用或更少可用)时如果通信将在晚一点的时间t到达，那么根据中断变化来更新可能的增益或损失。这样的比较可以由等式4来获得：

$\mathrm{Value}{A}^{*\′}\left(t_{+}\right)-\mathrm{Value}{A}^{*}\left(t_0\right)=$

$\underset{l,n}{\max }\underset{i}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E,t_{+}\left)p\right(\mathrm{contex}{t}^{C}k|E,t_{+})$

$\×u\left(A\right(m_l^R\left(t_{+}\right),m_n^C\left(t_{+}\right)),A_{\mathrm{init}}^C,C,\mathrm{contex}{t}^{R}i(t_r),\mathrm{contex}{t}^{C}k(t_{+}\left)\right)$

$\underset{l,n}{\max }\underset{i}{\mathrm{\Σ}}\underset{k}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E,t_0\left)p\right(\mathrm{contex}{t}^{C}k|E,t_0)$

$\×u\left(A\right(m_1^R\left(t_0\right),m_n^C\left(t_0\right)),A_{\mathrm{init}}^C,C,\mathrm{contex}{t}^{R}i(t_0),\mathrm{contex}{t}^{C}k(t_0\left)\right)---\left(4\right)$

因此，采用与等式1到4所描述的公式相同的理论上的确定公式来为一组或多组接触者及被接触者生产一个或多个预期效用。这些接触者及被接触者被建立到一个或多个随后所管理的组中。在本发明一个方面的例子中，根据这些信息而自动的开始、调度和/或安排通信。但是在本发明的另外一个方面中，与预期效用有关的消息出现在一个或多个参与者面前。通过说明的方式，为接触者2820提供了其根据被接触者的优选而确定的高效用的通信列表。此后从通信列表中选择接触者2820。

当对在接触者2820和被接触者2830之间的通信2810进行说明时，应该理解的是在相似的或更多接触者2810与被接触者2820之间的更多通信可以通过本发明来识别。通过说明的方式，系统2800可识别其可促进群组会议的通信2810，因为二个通信参与者之间存在很多的通信2810(例如，同时由电子邮件和传呼机发送重复的信息)。

例如，信道管理器2802所识别出的通信2810依赖于，至少部分依赖于例如与通信信道、接触者、以及被接触者有关的一组或多组数据。一个可能的数据组，通信信道数据组2835与可用的通信信道有关。可用的通信信道可以包括但是并不局限于电子邮件(不同的优先权)、电话(普通老式电话，蜂窝电话，卫星电话，因特网电话)、传呼、信使、电视会议、面对面会议、即时的合作编辑、延期的合作编辑，画中画电视、激活家用设备(例如，打开书房里的灯，让电话以有特色的模式响铃)等等。一个通信信道可以不是静态实体，因此可改变与通信信道状态、容量、有效性、成本等等有关的信息。因此，通信信道数据组2835可以包含前状态信息和/或数据以有助于与其和一个或多个通信信道相关的未来状态、容量、有效性、成本等的预测。

信道管理器2802还可利用被接触者数据2850，这些数据包括与硬件，软件，所执行的被接触者任务相关的信息，被接触者的关注状态，被接触者内容数据2852，以及被接触者优选数据2854等等相关的信息。通过说明的方式，硬件数据可以包括这样的信息，该信息与被接触者使用什么硬件，什么硬件正在使用中，被接触者(例如，桌面，膝上计算机，个人数字助理)，硬件的能力(例如，会议电视要求的充足的内存和通信频带宽度)，使用硬件的成本，以及硬件当前功能的状态(例如，联机，脱机)相关的信息。硬件数据还可以包括与使用模式有关的消息，该使用模式便于确定不可使用的硬件成为可用的可能性。软件数据可包括这样的信息，该信息是有关于被接触者可以使用什么软件、被接触者当前正在使用的是什么软件(例如，正在使用的字处理软件)、软件的能力(例如，是否允许合作的编辑)、以及和软件当前功能的状态(例如，正在运行且活跃，正在运行但不活跃)。软件数据还可包括与使用模式有关的消息，该使用模式便于确定不可使用的软件成为可用的可能性。

被接触者数据2850还可以包含与被接触者2830的优选有关的优选数据2854。优选数据2854可以包括这样的数据，该数据是有关于最好是如何与被接触者2850接触、这些优选根据不同接触者2820、不同时间、不同信道、以及不同通信主题而随时间变化。被接触者优选数据2854可以包括但并不局限于其与这样的优选有关的数据，该优选是有关于每天进行通信的时间的优选(例如，清晨，上班时间，晚上，深夜，就寝时间)，有关于每周通信时间的优选(例如，星期一到星期五，周末，假日，假期)，有关于接触者身份的优选(例如，雇主，雇员，关键同事，同事，贵族，小家庭，大家庭，密友，普通朋友，熟人，别人)，当前在所希望的通信时间范围内可用的硬件(例如，桌面，膝上计算机，个人用计算机)，优选的软件(例如，电子邮件软件，字处理软件，日历软件)，以及优选的可中断性(例如，在当集中注意力工作时不希望被打断，仅在非集中注意力时可以被打断)。虽然在优先的判决中确定了6个优选，但是应该理解的是根据本发明可采用更多或者更少的优选。

被接触者数据2850还可以包括内容数据2852。内容数据2852通常是与被接触者2830的观测情况有关。例如，与被接触者2830所涉及的活动的类型(例如，正在工作，没有工作)，被接触者2830出现的场所(例如，办公室，家，汽车，阵雨)，日程表(例如，约会情况，约会的有效性)，与其他参与者的通信历史(例如，过去已经答复了电子邮件，最近已经在电话中讲过了，交互作用的效用，交互作用的持续时间)，当前位置的背景内容噪声，那天工作了多少小时，以及关注状态(例如，高注意，注意，轻注意，和他人交谈，轻型活动)有关的观测可以保存在内容数据2852中。

在一些情况下内容数据2852可能是不完全的(例如，由于因为摄像机中断，电视分析数据就不能利用了)。因此，当对这些不完全数据进行转送时，信道管理器2802推断出有关于最佳的通信。因此，被接触者数据2850还可以这样的信息以有助于产生一个或多个与遗漏数据元有关的可能性。通过说明的方式，被接触者数据2850可以包含可操作的数据以预测即使在不能利用跟踪信息的情况下被接触者2830也处于高注意状态的可能性。

被接触者数据2850可以进一步包括与长期性和/或严重性有关的信息，以动态改变被接触者2850的通讯需求。通过说明的方式，被接触者2850可能要求中断在一个小时不能中断(例如，保持所有事物除当前任务中高度危急的事情外，直到从现在起的一小时后才能改变)。通过更进一步的说明，当被接触者2830希望和接触者2820谈话时，为防止接触者2820“躲避”被接触者2830，接触者2820通过留下一封电子邮件或一封语音邮件来“回避”被接触者2830，被接触者2830可以要求以这样的方式来与接触者2820接触，即在X个单位时间内通知接触者2820希望接触。

因此，回到等式1

$A^{*}=\arg \underset{j}{\max }\underset{i}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E)\×u(A_j,A_k^c,C,\mathrm{contex}{t}^{R}i,\mathrm{contex}{t}^C)$ (等式1)

被接触者数据2850可以发现通过context^R _I分量可有助于效用函数u，这个分量包括上文所讨论的被接触者内容数据2852。

除了在确定最佳通信过程中所使用的被接触者数据2850数据之外，同时也可采用与接触者2820有关的数据。接触者数据2860可以包括本上与可用于被接触者2830相类似的硬件，软件，内容，优选，以及基通讯需要数据，但是不同之处在于其是从接触者2820的角度所配备的。

因此，回到了等式1，

$A^{*}=\arg \underset{j}{\max }\underset{i}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E)\×u(A_j,A_k^c,C,\mathrm{contex}{t}^{R}i,\mathrm{contex}{t}^C)$ (等式1)

接触者数据2860可以看出通过context^C分量可有助于效用函数u。

本发明并不局限于二个参与者之间的通信或二个参与者之间的单通信信道。应该理解的是，可将多通道和/或多通信参与者视为已增加的备选组，其使使用优化最大计算变得复杂，而不会改变其根据通信参与者的优选、内容、以及能力来识别及建立一个或多个通信信道的基本处理。

信道管理器2802可以包括若干计算机组件，这些组件负责实现部分信道管理器2802的功能。例如，信道管理器2802可以包括一个优选解析器2872。该优选解析器2872检查被接触者优选数据2854和接触者优选数据2864以发现这两组数据之间的相关性。在本发明的一个例子中，将该相关性有关的信息保存在所解析的优选数据中。对于成组通信而言，优选解析器2872检查多组优选数据以发现优选之间的相关性。通过说明的方式，对于二个参与者之间的通信而言，优选解析器2872确定两个参与者希望通过其与重要任务相关的高优先级电子邮件来进行通信。类似的，当接触者2820仅仅喜欢通过电话进行通信时，优选解析器2872可以确定被接触者2830更喜欢通过协同编辑和电话进行与特定文档有关的通信。因此，解析器2872产生数据(例如所解析的优选数据)或开始这样的处理，即将值分配给被接触者2830优选与接触者优选2820之间的相关性。在本发明的一个示例方面，被接触者2830的优选被给予更多的加权，并且因此，如果接触者2820企图进行与这样的文档有关的电话谈话，即用于该文档的被接触者2830更喜欢电话和协同编辑，那么优选解析器2872产生了数据或开始这样的处理，即更可能使接触者2820通过电话和协同编辑进行通信。在本发明的另一个示例性方面中，接触者2820的优选被给予高于被接触者优选的优先权。通过说明的方式，当一个接触者2820试图与一个电子被接触者2830进行通信时，更要重点考虑接触者2820的优选，并且因此优选解析器2872产生了值或开始这样的处理，即更可能观测到接触者2820的优选。在本发明的另一个示例性方面中，优选解析器2872产生了一列可能的在其优选的响应上所排列的通信信道。

信道管理器2802还包括一个环境分析器2874。这个环境分析器2874检查被接触者内容数据2852和接触者内容数据2862以发现这两组数据间的相关性。在本发明的一个例子中，将与该相关性有关的信息保存在已分析过的内容数据中。为了进行组通信，环境分析器2874检查多组内容数据以选取与该内容有关的信息。通过说明的方式，对于二个参与者之间的通信，环境分析器2874确定由于被接触者内容是不能立即使用的实时通信，但是在将来的时间点T1时该通信成为可用的概率为X1％，并且在将来的时间点T2该通信成为可用的概率为X2％。更进一步，环境分析器2874决定虽然接触者2820已经要求实时的电话通信，但是接触者2820的内容可使电子邮件通信对其效用进行优化。例如，接触者2820的内容可以包括与接触者2820所在场所的内容噪声有关的信息。环境分析器2874确定既然噪声等级对通过实时电话通信来优化效用没有什么帮助，那么因此可产生价值和/或开始这样的处理，即更可能使接触者2820通过电子邮件与被接触者2830进行通信。与优选解析器2872所执行的处理相同，在系统2800的不同例子中，环境分析器2874可以对被接触者2830的内容进行比接触者2820的内容更大的加权。

再次返回等式1

$A^{*}=\arg \underset{j}{\max }\underset{i}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E)\×u(A_j,A_k^c,C,\mathrm{contex}{t}^{R}i,\mathrm{contex}{t}^C)$ (等式1)

环境分析器2874执行与效用函数u以及对context^Ri和context^C的分析相关的处理。

信道管理器2802还可以包括一个信道分析器2876。该信道分析器2876对该通信信道数据组2835进行分析。信道分析器2876产生了与当前所可用的通信信道和/或信道成为可用的可能性有关的数据。在本发明的一个例子中，将这样的数据保存在一个通信信道数据中。例如，信道分析器2876还对由接触者2820为通信指定的一个或多个信道进行检查，和/或被接触者2830所列出的其作为被接触者优选数据2854中的优选的一个或多个信道进行检查。信道分析器2876还可根据被接触者的活动来检查由与被接触者2830相关的位置信息所确定的当前可用信道以及其变为可用的信道。例如，如果被接触者2830正在驾车回家(例如，正如由全球定位系统和日程表决定的)，那么信道分析器2876检查当前的蜂窝状信道并且此外检查信道在被接触者2830家中的可用性。因此，信道分析器2876便于产生数据和/或开始这样的处理，即当为在接触者2820和被接触者2830之间的通信2810确定最佳通信信道时可采用期望信道的可能性增大。因此，检查等式1

$A^{*}=\arg \underset{j}{\max }\underset{i}{\mathrm{\Σ}}p\left(\mathrm{contex}{t}^{R}i\right|E)\×u(A_j,A_k^c,C,\mathrm{contex}{t}^{R}i,\mathrm{contex}{t}^C)$ (等式1)

信道分析器2876执行与效用函数u以及对接触者信道Aj和被接触者信道ACk的分析相关的处理。

信道管理器2802还可以包含一通信建立器2878。一旦建立了理想的通信行为A^*，那么通信建立器2878着手进行处理以使接触者2820和被接触者2830通过所确定的最佳通信信道而连接。该连接是基于，至少部分的基于，所解析的优选数据、所分析的内容数据、以及通信信道数据。例如，如果将最佳通信2810确定为电子邮件，那么此后通信建立器可为接触者2820启动一电子邮件组成处理(例如，在计算机上的电子邮件界面，在手机上语音到电子邮件的转换器，在两路数字传呼机上的电子邮件编排器)，并且根据所确定的最佳信道2810将已组成的电子邮件转送到被接触者2830的最合适的电子邮件应用。例如，通信建立器2878可以根据与被接触者2830所在位置有关的数据来将这封电子邮件转送被接触者2830的传呼机。在本发明的可选示例中，系统2800不包括通信建立器2878，其反而依赖于例如接触者2820和被接触者2830的行为来建立通信。应该理解的是优选解析器2872，环境分析器2874，信道分析器2876以及通信建立2878是如这里所定义的术语所示的计算机的组件。

参考图29，系统2910说明了根据本发明一方面的优先权系统2912以及通知结构。优先权系统2912接收一个或多个消息或通知2914、为相关的消息产生了一个优先级或重要性度量(例如，消息重要性高低的概率值)、并且在输出器2916处提供了其具有相关优先值的一个或多个消息。如下面所详细描述的，对分级器进行构造并且对其进行训练以自动的将优先级量度分配给消息2914。例如，对输出2916进行格式化以便为该消息分配一概率，该概率是该消息属于重要性的高、中、低或其他程度级别的概率。例如，根据所确定的重要性类别，来自动对电子邮件程序(未给出)的邮箱中的消息进行排序。该排序还包括将文件送往其用于定义重要性标签的系统文件夹。这包括其标记了诸如低、中、高这样重要性程度的文件夹，其中为相关的文件夹来对特定重要性所确定的消息进行排序。同样地，一个或多个音频声音或直观显示(例如：图标，符号)可以适合于提醒用户收到一条具有期望优先级的消息(例如，三声嘟嘟响代表高优先级信息，二声嘟嘟响代表中等优先级信息，一声嘟嘟响代表低优先级信息，红色或闪烁警报的符号代表高优先级，绿色和非闪烁警报符号表明已经收到中优先级消息)。

根据本发明的另一个方面，采用通知平台2917以及优先级系统2912以将按优先次序列出的消息送往用户有权访问的一个或多个通知接收器中。如下面所详细描述的，通知平台2917适合于接收按优先次序列出的消息2916并作出例如关于何时，何地，以及如何通知用户的决定。举例来说，通知平台2917可以决定用户通信方式(例如，用户当前的通知槽2918比如手机或个人数字助理(PDA))和可能位置及关注焦点。例如，如果收到一封重要性高的电子邮件，通知平台2917可以决定用户的位置/焦点并且将该消息送往与用户相关的通知接收器2918/重新格式化该消息。例如，如果收到一封低优先级消息，通知平台2917可以配置成先把这电子邮件保留在用户的收件箱中，用户可以迟些时候随心所欲地查看。如下面所详细描述的，可利用其他路由和/或警报系统2919来将按优先次序列出的消息2916发送到用户或其他系统。

现在转到图30，系统3000阐明了根据本发明一个方面的通知引擎和环境分析器如何共同运行的。系统3000包括一个环境分析器3022，一个通知引擎3024，一个或多个通知源1到N，3026，3027，3028，其可作为通知源的优先级系统3030，以及一个或多个通知接收器1到M，3036，3037，3038，其中N和M分别都是整数。这些消息源还被被认为是事件发起者，与此同时这些接收器也被认为是事件订阅者。接收器和消息源可以是任意数据。通常，根据保存在环境分析器3022中的和/或内容所存取的部分参数信息，分析器3022中通知引擎3024将其被称为事件或提示的所有通知从消息源3026-3028传送到消息接收器3036-3038。

环境分析器3022对与变量以及其可影响做出通知决策的用户参数有关的信息。例如，参数可能包括内容信息以及以这些参数为条件的附加参数，内容信息例如是用户的典型位置以及关注焦点或者一天的某个时间、一周的一天的活动，附加参数例如是用户希望访问处于不同位置的参数。这些参数的功能还可以是通过一个或多个传感器自动进行观测。例如，根据与全球定位系统(GPS)子系统所提供的用户位置有关的信息、与所使用的设备类型和/或设备的使用模式、以及用户最后一次访问的特定设备的时间，来选择或者更改一个或多个配置文件。另外，如下面所详细描述的，也将使用自动推论以能够动态推断出诸如位置和关注这样的参数或者状态。将配置文件参数存储为用户所编辑的用户配置文件。除了依赖于预先定义的配置文件或者动态结论，通知结构可使得用户实时的指定他或者她的状态，例如除了后x小时内或者直到给定时间的重要通知之外用户是不没有空的。

参数还包括缺省通知优选参数，其与在不同设置中不同类型的通知所扰乱的用户优选有关，并且其作为通知引擎3024做出通知决策的基础，且一旦这样用户就开始改变。参数可包括与用户希望在不同内容下如何被通知(例如移动电话和寻呼机)有关的缺省参数。参数可以包括诸如与不同设置中的不同模式通知相关的中断成本这样的评估。这可以包括其指示出用户在不同位置可能性、不同设备空闲的可能性、他或她在给定时间时的关注状态的可能性的内容参数以及其指示用户有多么渴望在指定时间被通知的通知参数。

根据本发明一方面的由环境分析器3022所存储的信息包含在由分析器所确定的内容信息中。如在说明书的随后章节中所详细描述的，分析器3022通过根据一个或多个内容信息源(未显示)来辨别用户位置和关注状态来确定内容信息。例如，环境分析器3022可其作为用户汽车或者移动电话一部分的全球定位系统(GPS)来确定用户的确切位置。分析器还可以采用统计模型来通过考虑背景评估和/或通过考虑这样的消息所集聚的观察来确定用户处于给定关注状态的可能性，上述消息例如是天的类型、一天的时间、用户日程表中的数据以及与用户活动有关的观察。关注的给定状态包括用户是否打开以接收通知、是否忙、以及是否未打开以接收通知，并且可包括诸如周末，假期，和/或其他场合/时段这样的其他考虑。

源3026-3028，3030为用户和/或者其他实体产生了通知。例如，源3026-3028可包括通诸如互联网和基于网络的通信这样的电话通信以及软件服务。通知源在这里通常被定义为用于产生事件，其还被称作通知或者警报以希望告警用户，或者用户的代理，有关信息、和/或者一系统或者世界事件。通告源还被称为事件源。

例如，产生了电子邮件以作为按优先次序所列出的优先权系统3030的通知，其中产生通知的应用程序或系统为电子邮件分配与对于用户的重要性或者紧急性相关的优先权。无需考虑对用户的相关重要性就可以发送电子邮件。与互联网相关的服务可以包括诸如常常是目前新闻的大标题这样的其包含用户订阅信息的通知以及股价。

通知源3026-3028自己可以是推型源或者是拉型源。推型源是无需对应请求即可自动产生并且发送信息的源，例如大标题新闻或者其他与互联网相关的其在被订阅之后自动发送信息的服务。拉型源是那些根据请求发送信息的源，例如当对邮件服务器进行轮询之后所接收到的电子邮件。还有其他通知源如下：

·诸如日程表系统这样的电子邮件桌面应用程序；

·计算机系统(例如，可以提醒用户有消息，这些消息包含关于系统活动或问题提醒的信息)；

·与因特网有关的服务，约会信息，日程表查询；

·一个或多个共享文件夹中的文档变化或某类文档的数目；

·新文档的可用性以响应持续或不断的查询信息；及，

·下述信息的信息源，即与人们、其存在性、他们所处位置的变化、他们邻近的

情况(例如，当我正在旅行时让我知道是否有其他的同事或朋友在离我10英里区域之内)，或者他们的有效性(例如，让我知道何时史蒂夫能参加一次交谈以及何时史蒂夫接近一个可以支持完整视频会议的高速网络链接)有关的信息。

通知接收器3036-3038能给用户提供通知。例如，这样的通知接收器3036-3038可以包括计算机，比如桌面或膝上型计算机，轻便型计算机，手机，陆上通信线电话，传呼机，车载计算机，以及其他的系统/应用程序。有人指出这些接收器的一部分3036-3038可以比其他的接收器更充分的传递通知。例如，一个台式计算机一般都拥有扬声器以及与其相连的一个相对大的彩色显示器，当其连接到局域网或者因特网时还拥有较高的网络带宽来接收信息。因此，通知可以由台式计算机以相对充裕的方式传递到用户。反之，例如，许多手机只有一个较小的且只能显示黑白色的显示器，并且只能以相对较低的网络带宽来接收信息。因此，与手机所传递的通知有关的信息通常比较短小且将其调整为面向电话的界面。因此，通知的内容根据其是被发送到手机还是台式计算机而不同。根据本发明的一个方面，通知接收器指出其通过例如事件订阅服务而订阅事件或通知。

通知引擎3024访问环境分析器所存储的和/或所确定的信息，并且确定从哪一个通知源3026-3028所接收到的信息将被传送给接收器3036-3038中哪一个。另外，根据接收器3036-3038中哪一个被选中以发送信息，通知引擎3024可确定如何来传送该通知。例如，可确定在将通知提供给所选接收器3036-3038之前将对其进行概述。

本发明并不局限于设备3024如何确定哪一个通知将被传送到哪一个通知接收器，也不局限于通告以何种方式被传送。根据一个方面，可利用决策理论分析。例如，通知设备3024适合于推断出与这样的变量有关的重要不确定性，该变量包括用户位置、关注、设备空闲性，以及如果尚未有报警则直到用户访问信息之前的时间。

通知引擎3024因此做出与是否向用户警告一通知有关的通知决策以转送该通知。通常，通知引擎3024确定出通知的下一个期望值。这样做时，考虑如下情况：

·每个空闲接收器的保真度和传输可靠性；

·打搅用户的关注成本；

·信息对用户的新奇性；

·用户亲自查阅该信息时的时间；

·信息的潜在内容敏感值；和/或

·随通知中所包含的信息的时间而增加和/或减少的值

产生了所做出的与不确定性有关的推论以作为这样一个值的预计可能性，该值例如是在给定用户的某些关注状态时由于使用特定设备的特定模式而中断用户的成本。通知引擎3024做出如下述一个或多个所示的决策：

·用户目前打算和正在做什么(例如，基于内容信息)

·用户目前在哪里；

·信息的重要程度；

·通知延迟的成本；

·如何转移通知；

·达到用户的可能性；以及

·与使用给定通知接收器的特定模式相关的保真度如何。

因此，通知引擎3024能够执行分析，例如对未决的且活动的通知进行的理论决策分析，评估由信息接收器和信息源所提供的与内容有关的变量，并且推断出所选的不确定性，例如用户很可能阅读信息的时间、用户的位置、以及当前关注状态。

此外，通知引擎3024可存取环境分析器3022存储在用户配置文件之中的信息以代替或者支持个性化的决策理论分析。例如，用户配置文件可能示出在给定时间用户宁愿被呼机通知，并且只要这个通知具有预定的重要性水平。这类信息被用作一基线，根据该基线来开始决策理论分析，或者其可以是这样一种方式，即通知引擎3024通过该方式来确定如何以及是否通知用户。

根据本发明的一方面，通知平台结构3000被配置成这样的一层，该层驻留在事件或消息基础结构之上。然而，本发明并不局限于任何特定事件基础结构。这类事件和消息系统和协议可以包括：

·超文本传输协议(HTTP)，或者为本领域所熟知的HTTP扩展；

·为本领域所熟知的简单目标访问协议(SOAP)；

·为本领域所熟知的视窗操作系统管理仪器(WMI)；

·为本领域所熟知的Jini；以及

·基本上任何类型的通信协议，例如那些基于包交换协议的通信协议。

此外，对于本领域普通技术人员来说应该理解的是，这些结构被配置成这样的一层，该层驻留在灵活分配的基础结构之上。因此，例如，按照源发送通知、警报、以及事件的方式，并且按照接收器接收通知、警报、以及事件的方式，通知平台结构可利用底层的基础结构。然而，本发明并不局限于此。

参考图31，用于实现本发明各个方面的示例性环境3110包括一计算机3112。计算机3112包括处理单元3114，系统存储器3116，以及系统总线3118。系统总线3118使系统部件与处理单元3114相连，该系统部件包括但不限于系统存储器3116。处理单元3114可以是任何可用的处理器。双重微处理器和其他多处理器结构也可以被用作处理单元3114。

系统总线3118可以是任何类型的其包括存储总线或者存储控制器的总线结构，外围总线和外部设备，和/或其使用任何各种可用总线结构的本地总线，其包括但不限于工业标准结构(ISA)，微信道结构(MSA)，扩展ISA(EISA)，智能驱动电子(IDE)，VESA本地总线(VLB)，外围设备互相连接(PCI)，通用系列总线(USB)，高级图形端口(AGP)，个人计算机存储卡国际协会总线(PCMCIA)，和小型计算机系统接口(SCSI)。

系统存储器3116包括易失性存储器3120和非易失性存储器3122。例如在启动时，将基本输入/输出系统(BIOS)存储在非易失性存储器3122之中，该基本输入/输出系统包含基本例程以在计算机3112之中的元件之间传送信息。非易失性存储器3122可以包括只读存储器，可编程只读存储器，电可编程只读存储器，电可擦除只读存储器或者闪存。易失性存储器3120包括其作为外部缓冲存储器的随机访问存储器。通过说明的方式但是并不局限于此，RAM以多种方式是可用的，诸如同步随机访问存储器(SRAM)，动态随机访问存储器(DRAM)，同步动态随机访问存储器(SDRAM)，双倍数率同步动态随机访问存储器(DDRSDRAM)，增强型同步动态随机访问存储器(ESDRAM)，同时连接动态随机访问存储器(SLDRAM)，以及直接Rambus随机访问存储器(DRRAM)。

计算机3112还包括可移动/不可移动，易失性/非易失性计算机存储介质。图31给出了一个磁盘存储器3124的例子。磁盘存储器3124包括但并不限于诸如磁性盘片驱动、软盘驱动、带子驱动、Jaz驱动、压缩驱动，LS-100驱动，闪存卡或者存储棒这样的设备。另外，磁盘存储器3124可以包括单独的存储介质或者与其他存储介质的组合，该其他存储介质包括但并不局限于诸如压缩盘片ROM设备(CD-ROM)、可记录的CD驱动器(CD-R Drive)，可重新CD驱动器(CD-RWDrive)或者数字通用ROM驱动器(DVD-ROM)这样的光盘存储器。为有助于盘片存储设备3124与系统总线3118的连接，使用典型的诸如接口3126这样的可移动或不可移动的接口。

应该理解的是图31描述了其用作用户与合适操作环境3110中所描述的基本计算机资源之间的媒质的软件。这种软件包括操作系统3128。存储在盘片存储器3124中的操作系统3128用于控制并且定位计算机系统3112的资源。系统应用程序3130具有这样的优点，即操作系统3128通过存储在系统存储器3136或者磁盘3124上的程序模块3132以及程序数据来对资源进行管理。应该理解的是，本发明可由各种操作系统或者操作系统的组合来实现。

用户通过输入设备3136而向计算机3112输入命令或者信息。输入设备3136包括但不限于诸如鼠标、滚动球、铁笔、接触办、键盘、麦克、魔术棒、游戏杆、卫星碟、扫描仪、电视调谐卡、数码相机、数字摄像机、网络照相机等等这样的指示设备。这些输入设备以及其他输入设备通过接口端口3138而经由系统总线3118而与处理单元3114相连。接口端口3138包括诸如连续端口，并行端口，游戏端口以及通用系列总线(USB)。输出设备3140使用一些同类型的端口以作为输出设备3136。由此，例如，一个USB端口可能被用于将输入提供到计算机3112，并且将来自计算机3112的信息输出到输出设备3140。输出适配器3142被提供以用于说明其他输出设备3140中的诸如监控器、扬声器、以及打印机这样的输出设备3140需要特定适配器。输出适配器3142包括但并不局限于其提供输出设备3140与系统总线3118之间的连接方式的图像声音卡。应当注意的是，其它设备和/或该设备的系统既提供输入也提供输出功能，例如远端计算机3144。

计算机3112可在其使用与诸如远程计算机3144这样的一个或多个远程计算机的逻辑连接的网络环境中进行操作。远程计算机3144可以是个人电脑，服务器，路由器，网络PC，工作站，基于微处理器的设备，同等设备或其他普通网络节点等等，并且典型的包括与计算机3112相关的所描述的多个或者所有元件。为了简要的目的，只有示出了其具有远程计算机3144的存储设备3146。远程计算机3144通过网络接口3148而在逻辑上与计算机3112相连，并且此后通过通信连接3150而在物理上相连。网络接口3148包含诸如局域网和广域网这样的通信网络。局域网技术包括光纤分布数据接口(FDDI)，铜线分布数据接口(CDDI)，以太网/IEEE 1102.3，令牌环/IEEE 1102.5以及类似。广域网技术包括但不限于点到点连接，诸如综合服务数字网(ISDN)这样的电路交换网以及其各种变化，包交换网络，以及数字用户线(DSL)。

通信连接3150是指其所采用的以使网络接口3148与总线3118相连的硬件或者软件。虽然为了更清楚的说明而示出了通信连接3150位于计算机3112内部，但是它也可位于计算机3112的外部。连接网络接口3148所必需的硬件或者软件包括诸如调制解调器这样的内部和外部的技术，该调制解调器包括常规电话分级调制解调器，同轴电缆调制解调器及DSL调制解调器，ISDN适配器和以太网卡，但这只是示例性目的。

图32是采样计算环境3200的示例性方框图，本发明与该采样计算环境互相作用。该系统3200包括一个或多个客户端3210。客户端3210可以是硬件或者软件(例如线程、处理、计算机器)。系统3200也可以包括多个服务器3230。服务器3230也可以是硬件或者软件(例如线程、处理、计算机器)。服务器3230收纳了线程以通过采用例如本发明来执行转变。客户端3210和服务器3230之间的一个可能的通信可以是其适用于在两个或多个计算处理器之间进行传送的数据包格式。系统3200包括一个通信基本结构3250，采用该通信结果3250可促进客户端3210和服务器3230之间的通信。客户端3210与一个或多个客户数据存储3260器相连，采用该客户数据存储器3260可将本地信息存储在客户端3210。类似的，服务器3230与多个服务数据存储器3240相连，采用该服务数据存储器3240可将本地信息存储在服务器3230中。

图33-37给出了根据本发明一方面的应用程序。图33说明了使用在决定何时将紧急信息发送到数字3300所示的便携设备的过程中对发出电子邮件的时间进行预测。图34示出了使用在决定在3400将办公室信息当中的个性化发送给同事的过程中对发出电子邮件的时间进行预测，并且其可选的包括在3410发出办公室消息当中的电子邮件的时间预测。图35示出了在3500发出办公室消息的时间预测。图36示出了这样一应用程序(例如电子日历)中的离开办公室的时间预测，该应用程序共享在3600对发出其他的时间进行预测。图37示出了根据本发明的其采用预测的重新安排应用程序。在3700，提供了一个接口以给出了一个选项以重新安排目前要离开的用户的呼叫。在3710，通过采用离开时间的预测，为重新安排呼叫提供了一个建议时间。

上述描述包括本发明的例子。当然不可能为了描述本发明而描述可想到的每一个组建的结合或者方法，但是对于本领域普通技术人员来说可认识到本发明的其他组合和改变是可能的。因此，本发明包含了其属于随后权利要求的精神和范围之内的所有改变、修改以及变化。更进一步，对于属于“includes”既被用在详细的说明书中又被用于权利要求中，这样的术语以与术语“comprising’”相似的方式包含在内，因为当采用其作为权利要求中的过渡词汇时“comprising”被解释。

Claims (102)

1、一种可促进实体之间的通信及协作的系统，包括：一学习组件，该学习组件是根据一个和多个用户的获得模式而训练的；以及一预测组件，该预测组件利用学习组件来产生与一个或多个用户的状态有关的预测。

2、根据权利要求1的系统，预测组件接收一个或多个其与所识别用户的存在性或者有效性有关的查询并且产生了一个或多个与所识别用户的当前将来状态有关的预测。

3、根据权利要求2的系统，由一个或多个自动化应用程序程序或者授权的人产生并且接收该查询以及一个或多个所返回的状态。

4、根据权利要求3的系统，该查询是由应用程序或者授权的人发起的，以便获得与存在性、有效性、位置、通信能力、所识别用户的设备可用性中的至少一个有关的应答。

5、根据权利要求1的系统，预测部件确定与预计人将缺席多久或者多久将可不看到一人有关的补充信息。

6、根据权利要求1的系统，存在性状态包括用户达到或者离开一位置的时间、用户处于一位置至少时间t的时间、用户访问一设备的时间、用户查阅电子邮件或者其他信息的时间、用户结束正在进行中的交谈的时间、用户到会的可能性、随时间的中断期望成本中的至少一个。

7、根据权利要求1的系统，学习组件包括一个或多个学习模型以推断存在性状态，该学习模型包括统计模型、数学模型、贝叶斯相关模型、贝斯分类器、支持向量机(SVMs)、神经网络、以及隐藏的马尔可夫模型中的至少一个。

8、根据权利要求1的系统，学习组件是根据用户事件数据存储器所训练的，该用户事件数据存储器集合来自与一个或多个用户相关的多个不同数据源的数据。

9、根据权利要求8的系统，数据源包括用于记录或者存入用户事件数据的数据获取部件，该数据源包括手机、加速计、扩音器所记录的声音活动、全球定位系统(GPS)、电子日程表、时间信息、影象监控装置、无线电设备、以及计算机桌面活动中的至少一个。

10、根据权利要求1的系统，预测组件是作为服务器、服务器场、客户应用程序、网络服务、以及其可为自动系统或者授权的人提供应答的自动化应用程序程序中的至少一个而实现的。

11、根据权利要求9的系统，数据获取部件包括一信号处理层，该信号处理层可使用户配置并且定义所使用的音频和视频源进行以定义用户的存在性。

12、根据权利要求1的系统，预测组件根据其与一查询相一致的事件数据库来构造一组情况以使得其表示下述标志之间的特定临时关系的变量的公式化及离散化进行特定定制，上述标志是如查询244所定义的缺席、出席、约定开始时间、以及结束时间的时段之间的转换。

13、根据权利要求1的系统，事件数据库记录出席和缺席的周期以作为一事件记录中的事件。

14、根据权利要求13的系统，由通过各个性能和位置所定义的源设备来注释事件。

15、根据权利要求14的系统，进一步包括通过性能所索引的特定设备来标记事件以使系统对其随用户访问不同类型的设备的时间的概率分布进行预测。

16、根据权利要求14的系统，进一步包括其被分配给固定位置的源设备可对用户的位置进行预测。

17、根据权利要求1的系统，进一步包括一事件系统以监控用户与计算机系统相互作用的历史，该事件系统包括运行在系统上的应用，目前所关注的或者刚刚失去关注的应用。

18、根据权利要求1的系统，预测部件确定用户何时检查电子邮件或者查阅一通知。

19、根据权利要求18的系统，预测部件预测用户多半会查阅一通信的时间，给出他最后一次看完邮件已过去的时间。

20、根据权利要求1的系统，预测部件确定用户将忙于一应用或者停止使用该应用的时间。

21、根据权利要求1的系统，预测部件预测当前交谈可能结束时的时间。

22、一种具有存储在其上的计算机可读指令的计算机可读介质，该计算机可读指令用于实现权利要求1的学习组件以及预测组件。

23、根据权利要求1的系统，学习组件和预测组件中至少一个与通信系统。通知系统、信息系统、优先系统、自动会议或者交互式通信调度程序或者重新调度程序、智能高速缓存系统、音频系统、日历系统、调度系统、自动维护系统、自动代理、视频系统、数字辅助、以及用户跟踪系统中的至少一个相关以便根据所期望的用户存在性以及有效性来为消息发送者或者系统提供这样的有用信息，即该信息是有关于建立通信以及做出理性决策的可能性。

24、一种提供存在性预测的方法，包括：根据一查询来确定其表示标记状态当中的一个或多个显著的最新转换的最接近的活动环境；以及构造一模型以预测将来状态，将来的状态取决于更近标记状态的时间。

25、根据权利要求23的方法，进一步包括根据等式p(t_e\E，ξ)提供预测，其中t_e是兴趣事件出现之前的时间，事件E包括最接近的活动环境、一天中的时间、一周中的一天、以及其表示考虑之中的活动日程项的特征的多种属性。

26、根据权利要求24的方法，进一步包括预测离开的用户可能回到办公室的时间或者回到其办公室并且至少停留一些时间t，最接近的活动环境就是自从用户从出现到离开的状态转变的这段时间。

27、根据权利要求23的方法，进一步包括对用户过多长时间会离开办公室的预测，或者，将过至少一段时间t才离开，最接近的活动环境被作为用户从离开到出现的转变的时间。

28、一种用于确定预测模型的方法，包括：分析与会议有关的多种特征并且将这些观察集成于对存在性和有效性的分析中；以及建立这样的模型，该模型使约定的多种属性与参加一个会议的可能性有关。

29、根据权利要求28的方法，进一步包括建立这样的模型，该模型确定会议的可中断性。

30、根据权利要求28的方法，进一步包括当所列出的一串约定地点中没有一位置时，推断出会议的位置。

31、根据权利要求28的方法，进一步包括通过商业上可用服务器自动的访问约会的约会属性来建立出席模型。

32、根据权利要求28的方法，进一步包括创建了约定的草拟训练组以及其属性，并且利用通过与出席有关的一组试探所形成的猜测来标注约会场所。

33、根据权利要求33的方法，进一步包括采用出席试探以认为桌面活动已延伸到日程会议的一部分以作为不参加会议的证据，并且还认为会议期间的活动缺席是参加会议的证据。

34、根据权利要求32的方法，进一步包括根据其作为草案数据组的出席性而进行预测并且其可使用户通过手动标注出席性来改进草案数据组的工具是可使用。

35、根据权利要求28的方法，进一步包括可产生一个按其发生顺序来显示约会的表格，并且显示其包含与出席有关猜测的一出席区域。

36、根据权利要求35的方法，进一步包括增加对会议物理位置的评估，并且添加通过指定会议的被打断性是低、中、高来来打断会议的情况。

37、根据权利要求28的方法，进一步包括根据会议日期和时间，会议持久性，主题，位置，组织者，参加者的数量和属性，用户的角色，用户的响应状态，会议是否为周期发生的，在用户的日程表上时间被标注为忙或闲来建立模型。

38、根据权利要求28的方法，进一步包括互换与用户目前或未来时间的中断期望成本(ECI)有关的信息。

39、根据权利要求38的方法，进一步包括提供给用户一个工具以使相关的中断级别与中断成本的美元价值相关。

40、根据权利要求38的方法，进一步包括根据下列等式来计算中断期望成本(ECI)。

$\mathrm{ECI}=p\left(A^m\right|E,\mathrm{\ξ})\underset{i}{\mathrm{\Σ}}p\left(c_i^m\right|E,\mathrm{\ξ})c_i^m+(1-p\left(A^m\right|E,\mathrm{\ξ}))c^d$

当A^m是参加会议的事件，c_i ^m是与中断价值i相关的中断成本，c^d是处于考虑之中的时间段的缺省成本，E代表与日程属性有关的观察、最接近的内容、一周中的某天、一天中的时间。

41、一种其可促进实体之间的通信及协作的系统，包括：一装置，根据一个和多个用户事件来学习活动模式；以及一装置，根据来自自动化应用程序程序的一查询来产生对与将来的用户状态有关的预测。

42、一种其采用通信和协作系统的图形用户界面，包括：一个或多个显示对象，该显示对象与其示出了所预测的一个或多个用户的存在性状态的一图形用户界面相关；以及至少一个输入，用于查询所预测的存在性状态。

43、根据权利要求42的图形用户界面，该输入进一步包括实时选择、离线选择、预测选择、假定选择、时间选择中的至少一个。

44、根据权利要求43的图形用户界面，预测选择进一步包括在线选择、电子邮件查阅选择、电话呼叫选择、办公室存在性选择、在线在家选择、电视会议能力选择、可用的全屏选择、可用的多监控选择、可用的语音类型可用的网络会议选择、以及中断成本的选择。

45、根据权利要求42的图形用户界面，进一步包括显示这样的对象，即该对象描述了所预测的直到用户通过给定的通信媒介来进行通信时的时间量的图示或者数值结果。

46、根据权利要求45的图形用户界面，进一步包括与用户可能的所在之处有关的提示。

47、根据权利要求42的图形用户界面，进一步包括产生其描述了用户存在性的概率的一曲线图。

48、根据权利要求42的图形用户界面，进一步包括提供一接口以设置其用于存在性分析的一个或多个配置文件。

49、根据权利要求49的图形用户界面，该接口可设置与一个或多个配置文件有关的一中断成本。

50、根据权利要求49的图形用户界面，该接口可为各个配置文件设置不同的时段、天数、以及历时。

51、一种其可促进实体之间的通信及协作的系统，包括：一工具，该工具根据一个或多个用户的活度模式来构造模型；以及一预测组件，该预测组件采用该模型以产生与一个或多个用户的状态有关的预测。

52、根据权利要求51的系统，该模型采用动态贝叶斯模型以推断用户的关注焦点。

53、根据权利要求51的系统，该状态包括高焦点的单独活动，中等焦点的单独活动，低焦点的单独活动，办公室谈话、出席、驾驶、私人时间、以及睡眠中的至少一个。

54、根据权利要求51的系统，假定用户具有通过对一效用u(D_i，A_i)进行处理的特定关注状态，该模型推断出不同类型的中断成本，u(D_i，A_j)用于捕获用户在被任务或者通信事件D_i，所打断时的关注状态A_j下的成本。

55、根据权利要求54的系统，对这个成本进行评估以作为所愿意支付的以避免金额混乱。

56、根据权利要求54的系统，该模型通过对效用求和、由每个注意状态的可能性来加权、并且以进入的感知信息流为条件来计算期望中断成本(ECI)。

57、根据权利要求56的系统，根据下述来计算ECI：

$\mathrm{ECI}=\underset{j}{\mathrm{\Σ}}p\left(A_i\right|E)u(D_i,A_j)$

其中p(A_j\E)是注意状态的可能性、其以证据流E为条件。

58、根据权利要求51的系统，进一步包括一控制面板，该控制面板用于其具有事件分类的事件系统以及用于处理声音和视频信息的图形显示。

59、根据权利要求58的系统，进一步包括用于捕获其就是利用贝叶斯主动追踪系统所处理的视觉姿势这样的一组件以及用于对周围的声音活动进行的一组件。

60、根据权利要求58的系统，进一步包括这样一组件，该组件用于监控所自动检查的用户日程表。

61、根据权利要求51的系统，进一步包括一客户事件系统，该客户事件系统提供了一抽象工具以用于将低水平系统事件的模式结合到高水平事件模式中。

62、根据权利要求61的系统，捕获低水平状态以作为所使用的应用程序，其包括用户是否在打字、点击鼠标、其包括应用程序当中的切换模式的高水平事件、以及任务完成的指示。

63、根据权利要求60的系统，监控日程表进一步包括会议否在进行中、直到会议结束时的持续时间、以及会议地点。

64、根据权利要求51的系统，进一步包括一事件白板以捕获和分享系统所考虑的低水平和高水平事件的状态。

65、根据权利要求64的系统，事件包括与应用程序的生命周期有关的详情、当前“居首位”且正在交互作用的应用程序、以及用于捕获使用模式的事件。

66、根据权利要求65的系统，进一步包括一个或多个警报显示，该警报显示是由其采用中断期望成本模型的通知系统所产生的。

67、根据权利要求66的系统，该警报显示与音频传送相结合。

68、根据权利要求51的系统，在其可在计算机上操作的中断工作台上对该模型进行调整。

69、根据权利要求68的系统，进一步包括学习模型，根据来自与感知传感器和桌面活动的事件记录，可采用该学习模型来预测办公室的用户中断状态。

70、根据权利要求68的系统，提供了事件捕获、时间段的注释、建立模型、以及测试可中断性统计模型。

71、根据权利要求70的系统，该中断工作台包括一事件记录系统，该事件记录系统使利用训练期所监控的事件与来自数字录像带的场景相同步，这有利于对时间段的进行标注并使其与事件相关。

72、根据权利要求68的系统，进一步包括一组件，该组件提供了与事件及环境捕获有关的模型建立的第一阶段。

73、根据权利要求72的系统，进一步包括一摄像机，采用该摄像机来记录主体活动以及所有办公室环境。

74、根据权利要求68的系统，进一步包括一组件，该组件提供了与标记和评定有关的模型构造的第二阶段。

75、根据权利要求74的系统，进一步包括一组件，该组件对看录像带的时间段进行标注以分别标注为高、中和低中断性。

76、根据权利要求74的系统，进一步包括一组件，该组件可定义一个范围并且建立这样的模型，该模型可直接推出其随实际值的概率分布，这表示中断的成本。

77、根据权利要求57的系统，进一步计算不同中断类的期望中断成本，对于考虑中的每个中断而言，通过如下所示用中断的不同状态的可能性p(Ii|E)代替明确关注状态来计算中断的期望成本：

$\mathrm{ECI}=\underset{i}{\mathrm{\Σ}}p\left(I_i\right|E)u(D_i,I_j)$

78、根据权利要求51的系统，该模型可对这样的变量进行操作，该变量表示与中断的进一步状态有关的关注预测。

79、根据权利要求78的系统，可中断性的将来状态捕获与其随直到到达中断的低状态、中等状态、或者高状态时的时间的概率分布有关的推论，并且可实现更多的其表示直到实现了中断状态时的时间的专用变量，这将持续不同的时间长度。

80、根据权利要求79的系统，采用将来的状态以用于仔细考虑是否、何时、以及如何调停通信。

81、一种其可促进实体之间的通信及协作的系统，包括：

一数据收集组件，用于收集与用户在不同位置出席和缺席有关的信息和/或与用户使用不同设备和/或通信信道有关的信息；

一学习组件，根据一个或多个用户的活动模式来训练该学习组件；以及

一预测组件，该预测组件采用学习组件来为特定查询产生与一个或多个用户的状态相关的预测和/或与用户当前或者将来的有效性和存在性有关的情况。

82、根据权利要求81的系统，将该信息收集到关系数据库中。

83、根据权利要求81的系统，该信息包括在日程表中所编码的通过多设备的多维用户活动以及约会状态。

84、根据权利要求82的系统，该信息包括所编码的不同交互作用的开始和结束时间以及约会状态以作为数据库中的不同维数。

85、根据权利要求82的系统，进一步包括通过多维数据库来查询信息所确定的静态和动态构建的预测模型。

86、根据权利要求85的系统，根据当前情况来动态的创建查询，该当前情况包括一天中的时间、星期几、以及用于关键转换的用户的当前转换状态。

87、根据权利要求85的系统，该模型包括确定与所期望的预测有关的预测目标，其包括如果当前不可用的那么直到一通信信道变成可利用的时间。

88、根据权利要求85的系统，该模型包括时间序列模型、ARIMA模型、动态贝叶斯网络、以及连续时间贝叶斯网络。

89、根据权利要求88的系统，通过适当的查询数据库，通过从数据库中获得一组匹配情况，并且此后采用对情况的统计分析来动态的学习贝耶斯网络。

90、根据权利要求81的系统，进一步包括一组件，该组件用于确定每一个接触用户所感兴趣的当前状态以及对存在性和有效性预测的特定类型的子目标。

91、根据权利要求90的系统，子目标涉及位置、可中断性、以及通信信道的可用性中的至少一个。

92、根据权利要求91的系统，通信信道可以是直接所推出的或者其取作将信道与位置相链接的信息。

93、根据权利要求92的系统，将与链接到一位置的信道有关的信息保存在该位置和设备规划中。

94、根据权利要求93的系统，该规划包括与何时添加设备、设备类型、信道、以及位置有关的信息。

95、根据权利要求94的系统，进一步包括一用户接口，该用户接口与该规划相互作用以添加并且移去设备、位置、以及信道。

96、根据权利要求94的系统，根据802.11信号和GPS信号中的至少一个而自动的确定该位置。

97、根据权利要求81的系统，进一步包括用于产生其被中继传送到下述用户的预测的一组件，这些用户是所授权的可以察看与用户当前所出席的位置、可中断性、或者用户对一个或多个通信信道的访问有关的、或者与对将来存在性及有效性的预测有关的细节的不同方面或不同程度。

98、根据权利要求97的系统，进一步这样的一组件，该组件选择性的显示不同类型的预测或者当前状态。

99、根据权利要求98的系统，其中选择性的显示包括对时间域中的低精确度信息的信息抽象。

100、根据权利要求98的系统，其中选择性的显示包括其具有不同特权的不同人，其包括非盈利组织图表中的关系信息或者动态信息。

101、根据权利要求100的系统，为通讯代理提供了与所可能采取的行动有关的信息。

102、根据权利要求81的系统，进一步包括至少一个：

一组件，利用用户预测信息来自动的应答消息；

一组件，与他人共享用户预测信息；以及

一组件，根据用户的预测信息而自动的重新安排通信。

Images