專利名稱：計算及通訊應用中構造使用重大事件的模型的系統(tǒng)及方法
技術領域：
本發(fā)明涉及按照一個或多個重要事情的模型方便基于計算機的應用的系統(tǒng)和方法，此模型捕捉人們將特定事件及時識別成重要的里程碑，并通過少在引導或審說該內容中使用該里程碑而得益的能力。
背景技術：
全球性競爭導致對快速訪問有關信息日益增長的要求。例如，迅速訪問有關信息在庫存市場上能作出關于賺錢超過虧錢的差值。對媒體及報紙雜志的需要對于在競爭面前獲得有關信息是至關重要的。如在高技術方面及咨詢領域的其他工業(yè)，要求在那些工業(yè)中的人在某些市場方面站在當前事件及趨勢的頂端。類似地，在基于客戶系統(tǒng)和企業(yè)內聯(lián)網中，快速地訪問有關信息與與在工作環(huán)境中保持效益關系密切。因而對便于迅速訪問相關信息的系統(tǒng)及方法有日益增長的需求。
發(fā)明概述下面提出本發(fā)明簡單的概述，以便提供本發(fā)明某些方面的基本理解。此概述不是本發(fā)明范圍廣泛的概貌。它不試圖識別本發(fā)明的關鍵/重要元素，或勾劃出本發(fā)明的范圍。其僅有的目的是以簡化的形式提出本發(fā)明的某些概念，作為以后給出的更詳細的序言。
本發(fā)明提供用于開發(fā)和處理重大事情的模型的系統(tǒng)和方法，該模型以自動方式抓住人們及時將事件識別成重要的里程碑的能力。重大事情的模型包括對各種基于計算機的應用利用來幫助用戶處理，接收和/或通訊信息的事件，分類或賦以某個重大事情度量的過程及策略。例如，事件能包括在用戶的日程表中的約會或其他標準，節(jié)日，隨時的新聞故事，照相和其他事情。在一個特定的例子應用中，利用該模型提供包括適時的里程碑的個性化索引，其中那樣的索引能用于瀏覽文件或其他信息的目錄和審閱搜索引擎的結果。重大事情的模型能包括民意測驗模型，啟發(fā)式模型，規(guī)劃模式，統(tǒng)計模型，和/或互補(complemenlary)模型，它們是根據(jù)忘卻的樣式而不是記住的事項。此外，提供用戶界面，它方便了模型的應用，幫助用戶檢索及處理信息。而且，本發(fā)明包括各種應用和方法，用于建立數(shù)據(jù)存儲本身，如提供重要(和次重要)數(shù)據(jù)的可瀏覽的文檔。例如，數(shù)據(jù)存儲能捕捉生活歷史(或其他事件)，如“我們家庭的傳記”和“我的自傳”等。
在另一方面，附帶的發(fā)明提供了系統(tǒng)和方法，它方便了按重大事情的模型的基于計算機的信息搜索。這包括至少部分根據(jù)內容的索引，結合顯示詢問的結果，設計和分析時間線的可視性表示。結合附帶發(fā)明的可視性表示關系到一個搜索引擎，后者提供對用戶展示的信息的統(tǒng)一的索引(如包括網頁、電子郵件、文檔、圖片、聲頻節(jié)目…)附帶發(fā)明通過增加公共里程碑(如節(jié)日，重要新聞事件)和/或個人里程碑(如照相、重要的日程表事件)發(fā)揮了擴展基本時間視圖的價值。按照本發(fā)明的一個特定方面，搜索的結果能用概括加上詳細的時間線的可視性表示來表示。概括的視圖能表示隨時間變化搜索結果的分布，而詳細的視圖考慮到個人搜索結果的審視。若希望，返回的事項能用圖標和簡短描述標注。
人們在通過個人電子郵件、文件或網絡書簽搜索特定事項時，利用各種策略，雖然人們不記得他們所尋找的事項的所有方面(如一個文件的確切標題和路徑)，他們確實可能記住在他們生活中的重要事件(如他們的子女的生日，國外旅游，如911攻擊那樣的突出事件或JFK暗雜)。附帶發(fā)明能利用那樣類型的周邊信息來支持通過內容的搜索。按附帶發(fā)明的互動可視性表示提供搜索結果的基于時間線的表示，它能用公共的(如新聞，節(jié)日)和/或個人的(如約會，照相，里程碑事件確定參考位置。按照此附帶發(fā)明在可視性表示的基礎上的索引和搜索系統(tǒng)能索引向用戶展示的事項的文本和元數(shù)據(jù)(如文檔，所訪問的網頁，和電子郵件)，以致能提供快速和方便的搜索和檢索信息內容與方法。
對于實現(xiàn)上述和有關的目標，這里結合下面描述及附圖描述本發(fā)明的某些示例方面。然而，這些方面只是可以利用本發(fā)明的原理的各種方法的一些的表示，而本發(fā)明試圖包括的避孕藥方面及其等價物。通過下面結合附圖的詳細描述，本發(fā)明的其他優(yōu)點及新穎的特征變得顯而易見。


圖1是按本發(fā)明的一方面能與基于計算機的應用一起使用的各種重大事情的模型的高層的原理性圖示。
圖2～5圖示了按本發(fā)明的一個方面的示例性用戶界面。
圖6和7圖示了按本發(fā)明的一個方面的示例性影響模型。
圖8和9圖示了按本發(fā)明的一個方面的示例性決策樹。
圖10圖示了按本發(fā)明的一個方面的示例性顯示控件。
圖11是按附帶發(fā)明示例性系統(tǒng)的高層原理性圖示。
圖12是按附帶發(fā)明的一個特定方法的流程圖。
圖13是按附帶發(fā)明的時間線的可視性表示的示例性屏幕顯示。
圖14是代表性的可視性表示，在時間線的骨架左面只顯示日期。
圖15是代表性的可視性表示，除了基本日期外顯示了里程碑(如節(jié)日、頭條新聞、日程表的約會和個人照片)。
圖16圖示了按照附帶發(fā)明帶有在時間線上顯示的里程碑事件的中間搜索時間遠快于只有日期被用于標記時間線的中間搜索時間。
圖17是按照附帶發(fā)明的示例性操作環(huán)境。
本發(fā)明的詳細描述現(xiàn)在參考附圖描述本發(fā)明，其中類似的參照號在各圖中參照類似的單元。在下面描述中為了解釋清楚，列出許多特定的細節(jié)，以便提供對本發(fā)明透徹的理解。然而容易明白，本發(fā)明可以實現(xiàn)而不必這些特定的細節(jié)。在另外的范例中，為便于描述本發(fā)明以方塊圖的形式示出眾知的結構和設備。
如本應用中使用的那樣，術語“組件”，“系統(tǒng)”，“模型”，“應用”等指的是計算機相關的實體，無論是硬件，軟硬件的組合，軟件或是執(zhí)行中的軟件。例如，組件可以是在處理器上運行的過程、處理器、對象、可執(zhí)行程序、執(zhí)行的線程、程序和/或計算機，但不限于這些，作為說明，在服務器運行的應用和服務器能是組件。一個或多個組件能駐留在過程和/或執(zhí)行的線程中，而一個組件能定位在一臺計算機和/或二臺或多臺計算機之間的分布式系統(tǒng)中。
這里使用的術語“推理”通常指的是通過事件和/或數(shù)據(jù)從一組捕捉到的觀察對系統(tǒng)、環(huán)境和/或用戶的狀態(tài)的推論或推理。能利用推進來識別特定的周邊情況或活動，或者例如能產生各狀態(tài)的概率分布。推理能是概率的——即，根據(jù)數(shù)據(jù)和事件的考慮對各重要狀態(tài)的概率分布的計算。推理也能表示用于從一組事件和/或數(shù)據(jù)合成高層事件的技術。那樣的推理導致從一組已觀察到的事件和/或存儲的事件數(shù)據(jù)構造新的事件或活動，而不論那些事件是否緊密關聯(lián)，也不論這些事件或數(shù)據(jù)是否來自于一個或若干事件或數(shù)據(jù)源。
參考圖1，系統(tǒng)100示出一個或多個重大事情模型，按本發(fā)明的一方面，它們能與基于計算機的應用一起使用，提供了一個或多個重大事情模型110，它們驅動一個或多個應用120，在管理、檢索、處理和/或信息通訊方面幫助用戶。重大事情模型110確定人們或用戶對一個或多個事件114(如公共的和/或私人的回憶)的回憶的各個方面，且在某些情況該模型能根據(jù)忘卻而不是回憶的能力。能夠理解，按本發(fā)明可以同時利用記憶和忘卻模型。一方面，重大事情模型110能利用共享的民意測驗模型130來確定可記憶的事項。例如，這能包括請求來自動輪詢一組用戶為公共事件的重大事情記分。在一個例子中，通過請求一組人賦予1-10的值(或其他分系統(tǒng))記收集重大事情的標量度量，重大事情能包括從新聞故事的大全中抽取的突出的新聞故事，從而通過平均分數(shù)(或其他統(tǒng)計過程掌握一個新聞故事的可回憶性。
一個或多個啟發(fā)性模型140能作為重大事情模型110提供。例如，這些模型140能利用消息的若干特性并創(chuàng)建異常的策略，它根據(jù)特性的函數(shù)賦予重大事情記分或決定性的分類。例如，可以構筑一個啟發(fā)性函數(shù)，它將在日程表上事件(或其他信息源)的不斷增加的期間分析成肯定地影響事件的重大事情性。這能包括直觀推斷的考慮，推斷關系到哪里圖象或從一組圖象來的圖象的子集，根據(jù)如圖片本身那樣的特性，當作在一個事件上獲取的圖象組中最值得記憶的，這些圖片包括在場景中對象的合成，彩色直方圖，認識別的面孔(如由自動面孔識別軟件識別)，涉及在圖片中順序和臨時關系的特征(如為掌握一事件抓住的一組圖片中第一個或其次一個)，與短的圖片之間間隙的相關的圖片，捕捉拍照者并于事件114的一方面的激動，和指出關于圖片的用戶的活動的特征，這些活動如審查或顯示(在該圖片上有相當長的停頓時間)圖象，編輯圖片等。圖象的其他特征包括自動分析圖象質量，例如，包括聚焦和定向。
在150，能提供一個或多個規(guī)則模型或規(guī)則，以確定事件114。這能包括對新聞故事自動地賦予重大事情性的度量的規(guī)則，新聞故事能包括如下列那樣的特征，如新聞故事的序號，在媒體上的持久性，傷亡數(shù)，與該新聞故事有關的損失的美元金額，抓住驚訝或異常的范圍的特征，和事件對用戶的鄰近性(如同一/不同的國家，州，城市等)，在160，為了模型化事件114，能提供各種統(tǒng)計模型。能對各種事項利用統(tǒng)計模型160，集中在機器學習方法的使用，這些學習方法能提供預測事項的重大事情性的模型，事項包括日程表事件，節(jié)日，新聞故事和根據(jù)特征組的圖象等。例如，統(tǒng)計模型160和過程包括Vayesion學習機的使用，它能產生如Bayesian網絡那樣的Bayesian依賴模型，自然的Bayesian分類器，和/或Support Vector Machines(SVM)。能供給一個訓練器(未示出)，它采取里程碑事項或看來最被忘卻的事項的明確的例子(到底取哪個事項取決于應用)，或能供給通過隱性訓練識別的例子。
重大事情的模型110也能在170以互補的方式公式化，以產生忘卻的模型，并因此能在應用120中闡明(Leveraged)。因此，互補模型170描述各種各樣重大事件110的模型的使用，它們著眼于推導用戶將不記住重要的即將來臨的事件或其他有關信息的似然率，這些模型170能使用在如日程表那樣的應用120中的推論以醒目的方式可選擇地高亮度顯示用戶看來要忘卻的信息，或者按照該信息將不被記住的似然率改變信息的定時或警示。那樣的重大事情和忘卻的模型能與發(fā)消息和提醒系統(tǒng)結合，例如其中對周邊情況敏感的發(fā)送信息并警示用戶他們可能記不起來的需要的信息(如發(fā)送到外圍設備或顯示器的信息)的代價和利益能以異常的代價一利益分析或正規(guī)的決策分析考慮，后者考慮如果，何時和如何帶著提示進行的期望值。下面更詳細描述，能提供隨時觀看事件和幫助用戶的過程以便在事件組的周邊環(huán)境中瀏覽信息故事，這些事件組對于減輕識別隨時創(chuàng)建的文件的任務是重要的。
重大事件模型110支持各種系統(tǒng)，過程和應用120。這能包括利用重大事情信息管理應用的模型，這些應用按照事項將被回憶和識別成里程碑或是事件或時間的最高代表的似然率的某種度量。用數(shù)字或分類標號標記事件。這些應用能利用數(shù)學函數(shù)，它在事件或事項被回憶并識別成里程碑，或成為事件或時間最高代表時，對事件或事項賦以突出性的標量度量。借助機器學習方法的重大事情的統(tǒng)計模型也能被應用，被隱含地被訓練或帶有直接的訓練系統(tǒng)，后者收集有關可記憶或不可記憶的事件或事項的樣本的信息。這能包括提供有關事件或事項被回憶并識別成里程碑或成為事件或時間的最高代表時的似然率的實時推進或分類，或者更通常地提供由本發(fā)明支持的系統(tǒng)或過程的不同程度或方面上的概率分布。
其他應用包括使用重大事情的模型自動地過濾不同事件和內容的流，使得能可選擇地在存儲事件作為日常生活事件的日志，例如過濾可以限止所需的存儲量。也能利用重大事情的模型來創(chuàng)建瀏覽的方法(如，不同事件的分層的日常生活日志，或在不同時間精度等級上(如小時，日，月，年，十年)的內容瀏覽數(shù)據(jù)。另外的應用包括使用代表的里程碑和重大事情的模型以便可選地選擇圖片作為從圖片庫取出的圖片的環(huán)境顯示。另外的應用包括使用代表的記憶里程碑和重大事情的模型在用戶擬顯示的幻燈片總數(shù)的約束下可選地選擇隨時的幻燈片顯示的一組圖片或在有關一個或多個事情的時間中的不同點。在又一個方面，應用包括使用代表的記憶的里程碑和重大事情的模型，可選地選擇一組事項(如圖象)以表征或概述全部事項的內容(如照片庫，圖象的速寫，或在操作系統(tǒng)(如MS Windows)中的文件，項，或文件夾上顯示的照片圖象)。應該看到，重大事情的概念通過學習與推導也應用于目標的范圍，如重大事情一個事項被回憶或認識的程度。
可回憶的里程碑一個事項被看作時間上的里程碑的程度，對引導和索引有用。
代表的里程碑一個事項被當作對事項，時間周期，事件，事件序列等的代表的程度。
如上指出，對重大事情的模型的互補是忘卻的模型。因此，本發(fā)明能類似地根據(jù)數(shù)據(jù)訓練模型，和完成有關可能被忘卻的事項的推論，并將一個事項將被忘卻的推導的似然率與提醒用于有關一個事項的期望值的代價一利益分析結合起來。有關何時在需要幫助的不確定性情況下進行的通常決策論分析在例如下面的著作中描述，“Principles of Mixed-Initiative Interaction”，由Horvitz，Proceddings of CHI’99，ACM SIGCHI Coference on Humen Factor inCopmuting System，Pittsburgh，PA，May 1999.ACM Press，pp 159-166。
本發(fā)明明利用那樣的預期—使用方法，作為計算提醒用戶的預期值和從重大事情的模型推導的忘卻(和記住)的似然率的核心。因此，本發(fā)明能完成預期—使用決策作出有關是否和何時進行提醒用戶看來要忘卻的某些事情和決定，這些事情有給定的事項類型和情況—考慮提醒引起打斷的代價(如打斷的當前代價)。那樣的模型能用于通過爆炸性的加入和傳輸?shù)拇鷥r控制在桌面和移動設備上有關提醒的警示。
除了對健康人的使用外，那樣的模型也能被利用來幫助帶有能導致記憶扮演的各種認識缺陷的病人。例如，從訓練數(shù)據(jù)建立的重大事情的模型能被用于預測帶有Alzheimer疾病的病人處在疾病的特定階段的似然率。那樣的模型能結合如上所述的代價—利益分析，配以合適的硬件，向用戶提供視聽覺的提示提供理想的提醒。
圖2～17示出利用按本發(fā)明的重大事情模型的某些示例性界面。應該注意，能夠以各種不同的設置和周邊情況提供畫出的各種界面。例如，上面討論的應用和/或重大事情模型能與桌面開發(fā)工具，電子郵件應用，日程表應用，和/或Web瀏覽器相關，雖然也能利用其他類型的應用。這些應用能與圖形用戶界面(GUI)相結合，其中GUI提供具有一個或多個顯示對象(未示出)的顯示，包括下列那些方面，如可配置的圖標，按鍵，滑動塊，輸入欄，選擇選項，菜單，表等，它們具有多種配置的大上，形狀，顏色，文字，數(shù)據(jù)和聲音以便于與各應用和/或重大事情模型一起操作。此外，GUI還能包括多個其他輸入或控件，用于調節(jié)和配置本發(fā)明的一個或多個方面，將在下面更詳細地描述。這能包括從鼠標，鍵盤，語音輸入，網站，遠程Web服務，模式識別器，面孔識別器，和/或如攝影機或視頻輸入那樣的其他設備接收用戶命令，以便影響或修改GUI的操作。
圖2示出示例界面200，它利用按本發(fā)明的重大事情模型，界面200(如MemoryLens)在擬調研的任何目錄上通告事件的主要梗概。重要的個人事件從所有可得到的事件中過濾出來，并在左手欄210中布告。在不同時間創(chuàng)建或修改的文件或其他數(shù)據(jù)在220的右手列上在適當?shù)臅r間周期中顯示?；瑒訅K230移向“最能回憶”的里程碑，因此允許從用戶的日程表來的里程表事件被顯示，經過設定滑動塊230。它們具有比可回憶的閾值有更高的似然率。界面200畫出約會事項的使用，但是如能理解，可以應用類似的方法將關鍵圖象和新聞故事等加到左手欄210。如在其他文件瀏覽器那樣，文件能從那些欄(如鼠標點擊)直接起動。圖4示出滑動塊300如何向右移動(箭頭方向)，使能加入較低概率成為記憶的里程碑的事件。因此，加入更多的從圖3中畫出的事件。進到圖4，滑動塊400進一步右移，允許加入更多的事件—即，包括較低概率成為記憶的里程碑的事件。當滑動塊移動時，其他事件被加入，包括如圣燭節(jié)，一個協(xié)會周期的會議，和兄弟的生日。提供顯示的可利用性，隨著成為里程碑的逐漸變低的似然率逐漸變亮地顯示事件；在此情況，能引入步進函數(shù)，它將顯示強度指定為在成為里程碑的似然率的不同范圍中事件成員的函數(shù)。
在上面畫面的界面中能引用訓練系統(tǒng)及方法。圖5示出一界面500，其中訓練者取出用戶在各年的日程表約會，并讓用戶指出這些約會是否作為記憶的里程碑。用戶對這些約會的某個子集指定這些標號。當用戶做完時，他或她點擊“train-訓練”按鍵510，并創(chuàng)建統(tǒng)計分類器，它能采取在用戶的日程表上的事件的多個特性，并預測每個事件是里程碑事件的似然率，即P(記憶里程碑(E1...En)，其中P是概率，E1...En是關系到一個或多個事件特性的數(shù)據(jù)(如事件對節(jié)日的接近性，如重要或緊急的會議的關鍵詞，獎品提出或接收指示器，里程碑會議，性能審視等)。為了在上面界面使用，此概率能賦予非記分的日程表事件。
注意到，為計算重大事情模型，能公式化一個或多個決策模型。例如考慮在圖6中顯示表示成影響原理圖的模型600。在決策科學界中，影響原理圖是眾知的的決策問題的表示。該模型捕捉在關鍵變量的不確定關系，包括觀察變量，決策和價值函數(shù)。在圖6中示出的影響原理圖抓住影響從用戶的約會來的重大事情的成分，雖然也能利用其他變量源。在模型600中，包括觀察的和推理的變量的關鍵變量(能包括其他變量)由圖600中的橢圓型節(jié)點表示。有方向的弧代表在變量之中概率性的或決定性的依賴關系。模型600示出從數(shù)據(jù)推導出的Bayesian網絡(概率依賴模型)。注意到，所考慮的變量能從用戶的在線約定自動地搜集，某些更重要的變量包括是否對等者(有組織地)在一個會議上，星期幾，一天內的某時刻，會議的時間期間，是否會議是周期的，為提前提醒會議設定的時間，用戶的角色(組織者？聽眾？等)，會議是通過別名或來自于個人，有多少聽眾在會上，用戶的直接報告，是管理者，或會議上的管理者的管理者，誰是會議的組織者，會議的議題，會議的位置，用戶如何響應會議的邀請。統(tǒng)計模型中考慮的某些變量(見Bayesian網絡模型)是專門為這類記憶的里程碑的應用設計的。這些包括“組織者異?！猘typia”，“位置異常”，和“聽眾異?！?。這些從用戶的約會存儲計算，并捕捉一個事件或約會的特性的罕見性或“異?！薄?br> 組織者異常指的是組織者組織會議的頻數(shù)，所有的約會被審查，且組織者被記下。當前的組織者作為會議組織者的次數(shù)的分數(shù)對每個擬分析的會議被計算。對于在會議上的位置和聽眾也執(zhí)行相同過程。對聽眾而言，最導演的聽眾認為是對一個事件的異常的聽眾會議性后。在一個實施中，本發(fā)明根據(jù)頻數(shù)的范圍將對地點，組織者和聽眾的典型性離散化成狀態(tài)，如0％到1％——很異常1％到1％——異常5％到10％——典型10％到100％——非常典型。
圖7畫出某些從特定的測試集來的最重要的變量——通過直接對表示會議是在710的里程碑會議的似然率的變量的依賴性。圖8是決策樹，它由統(tǒng)計建模工具產生。此樹在圖7的“里程碑會議”變量710之中操作。
圖9畫出在圖8的決策樹中間部分的局部放大，用于預測里程碑會議。每組分支或“路徑”的葉子處的橫桿的長度是會議被認為里程碑會議的似然率。這里顯示的主枝表示會議不是循環(huán)的，我已作出響應，那會議不在我的建筑內，那被標記為忙碌時間。附加的特性在向下的分枝中考慮。
圖10畫面顯示控制件，它能由用戶選擇，用于控制如何/何時顯示事件事項(如總顯示，當具有一個事件或事項，當它具有一個事件，當它具有一個事項)以上的界面提出有關方法和控件的某些重要的設計問題，每個自選用于顯示直接的日期和時間，根據(jù)文檔或其他事項和/或超過閾值的事件的存在—且當隨著滑動塊的移動更多事件超過閾值時用于重新組成，用于控制閾值，以便允許約定進入事件的主干。
圖11示出按本發(fā)明的特定方面的系統(tǒng)1100，它方便了對信息的基于計算機的搜索。系統(tǒng)1100結合至少部分根據(jù)內容的索引詢問的顯示結果提供時間線可視性表示的設計和分析。詢問1120由詢問組件1130接收(組件能是搜索引擎的部分，它提供向用戶展示的信息的統(tǒng)一索引(如信息，包括網頁，電子郵件，文檔，圖片，聲頻等))詢問組件1130將詢問分析成各部分，它們與實施按附帶發(fā)明的有意義的搜索有關。詢問組件能訪問和填充包括被搜索的信息的數(shù)據(jù)存儲1140。可以理解，數(shù)據(jù)存儲代表存儲數(shù)據(jù)的位置。因此，數(shù)據(jù)存儲1140能代表分布式存儲系統(tǒng)，多個完全不同的數(shù)據(jù)存儲，單個存儲器位置等。里程碑組件1150接收和/或訪問從詢問組件1130和數(shù)據(jù)存儲來的信息，并確定公共的(如新聞，假日)和/或個人的(如約會，照片)里程碑事件的參考位置，以便搜索與結果相關的信息。里程碑組件1150在1160輸出帶有里程碑數(shù)據(jù)的與結果有關的數(shù)據(jù)。應該理解，里程碑能自動產生和/或由用戶定義。系統(tǒng)1100能索引向用戶展示的事項(如文檔，訪問的網頁，和電子郵件)的文本和元數(shù)據(jù)，以至于提供搜索內容的快速和容易的方法。于是，系統(tǒng)1100通過加入公共里程碑(如節(jié)日，重要的新聞事件)和/或個人里程碑(如照片，重要的日程表事件)發(fā)揮了擴展基本時間視圖的價值。
圖12示出按附帶發(fā)明的特定方面的高層方法1200。在1210接收詢問。在1220，與詢問有關的結果數(shù)據(jù)里里程碑有關的數(shù)據(jù)確定參考位置/加注釋。在1230，提供時間線可視性表示，它顯示至少部分根據(jù)內容的索引的詢問的結果。
心理學的文獻包括大量的情節(jié)記憶(episodic memory)的討論，那是關于過去事情的記憶可以由情節(jié)來組織的理論，情節(jié)包括如事件的位置，誰出現(xiàn)，在事件的前后及期間發(fā)生什么等信息。研究還提出，當試圖重構過去的記憶時人們使用常規(guī)的或異常的事件作為“支撐點——anchor”。通過借助其他歷史的或自傳的事件組成框架，特定事件的時間能被回憶。結合附帶發(fā)明的可視性表示在顯示用戶對個人內容的搜索的結果時通過標注帶有個人的和/或公用的里程碑的基本時間線利用這些概念。
對計算事件的記憶的研究表明，人們記憶他們在一個月之前完成的計算任務的數(shù)目。他們對于那些任務的時間次序的知識在一個月之后也已衰退，但是在用他們在目標時間周期工作的視頻記錄和照片提醒時，他們能夠基本上更多回憶起他們完成的任務，并能更精確地記起那些任務的精確順序。更通常地，關于編碼特性的研究強調在被編碼的內容和以后成功用于檢索的線索之間的互相依賴關系。記憶還依賴于不僅是針對事項的情況的恢復而且是更普通的學習情況的恢復。
存在大量關于有效搜索的研究，包括關于在矩陣中可視化研究的結果的工作，(其矩陣的行和列能由各種針對用戶的參數(shù)排序)，包括作出下述建議的工作，文本和2維界面對于大多數(shù)搜索任務比3維界面更有效的工作，包括在顯示搜索結果的詳細的，綜合的和/或簡要信息的研究。附帶發(fā)明利用時間線和時間里程碑來引導內容(如個人的內容)的搜索。對于應用和數(shù)據(jù)，時間是共同的組織結構。Plaisant，et al.’s Lifelines(見Plaisant，C.，Milesh，B.，Rose.A.，Widoff，S.，和Shneiderman，B.LifeLines；Visualizing Personal Histories.Proceedings of CHI 1996，221-218)通過以時間線的格式顯示個人歷史得益于人類記憶的基于時間線的結構。Kumar，et al.關于數(shù)字圖書館的工作(見Kumar，V.，F(xiàn)urute，R.，和Allen，R.Metadata Visualization for Digital LibrariesInteractiveTimeline Editing and Review.Proceedings of the 3rdACM Conference on Digitallibraries(1998)，126-133)使用時間線使如世界歷史和存儲價格那樣的論題以及如發(fā)表日期那樣關于在圖書館中文檔的元數(shù)據(jù)可視化。Rekimoto的“time-machine computing——時間機器計算”(見Rehimoto，J.Time-MachineComputingA Time-centric Approach for the Information Environment.Proceedingof UIST 1999，45-54)通過讓用戶經過“時間旅行——time travel”到出現(xiàn)目標事項的桌面的以前的版本找到老的文檔而闡明了下述事實，人們的活動與時間緊密相關。Fertig，et al的LifeStream(生命流)(見Rekimoto，J.Time——Machine ComputingA Time-centric Approach for the Information Envirenment.Proceeding of UIST 1999，45-54)以時間線的格式表示用戶的個人文件系統(tǒng)?！癋orget-Me-Not”是普遍存在的計算系統(tǒng)，它通過從環(huán)境中的其他設備懼有關日常事件的信息并細究和過濾那些記錄而用作記憶增擴設備，與同事的會議(時間，位置和與會人們的名字)，電話呼叫和電子郵件是懼的數(shù)據(jù)的類型的例子，并可用作記憶的線索?！癝ave Everything——保存所有事”(見Hull，J.和Hart，P.Toward，Zero Effort Personal Document Management.IEEEComputer(March，2001)，30-35)具有類似的方法，收集各種有關文檔的數(shù)據(jù)，然后允許使用如文檔獲取方式(如傳真，通過電子郵件，通過照明復制)或在數(shù)據(jù)獲取時發(fā)生的有關活動那樣的個人的元數(shù)據(jù)查詢。Minneman和Harrison的TimeStreams(時間流)(見Minneman，S.和Harrison，S.Space，Timestreams，andArchitectureDesign in the Age of Digital Video.Proceedings of the ThirdInternational Federation of Information Processing WG 5.2 Workshop on FormalDesign Methods for(AD(1997))使用日?；顒?如講話，畫草圖，打印注釋)索引聲頻和視頻流。與這些工作相反，按附帶發(fā)明的系統(tǒng)1100使用各和個人和公共的里程碑作為記憶的線索來調查，是否那樣的情況能提供有用的記憶提醒用于有效地搜索個人的內容。雖然以前的研究努力單獨地研究了基于時間的可視性，用于檢索的前后關系的線索，或其他用于增加搜索效率的方法，附帶發(fā)明通過使用結合在搜索內容(如個人內容)中的周邊情況的線索的隱喻在所有三個方面之間架起橋梁。
可視性表示圖13是按照附帶發(fā)明的時間線可視性表示的示例性屏幕顯示表示，在左邊的概貌區(qū)示出帶有表示隨時間搜索結果的分布的散列標記的時間線。概貌時間線的高亮度顯示區(qū)對應于在詳細視圖中顯示的時間段。在詳細時間線主干的左邊，基本日期從頭條新聞，節(jié)日，日程表約會和數(shù)字照相引出的里程碑提供了周邊情況。主干的右邊，個人搜索結果的細節(jié)(由圖標和標題表示)按時間順序地出現(xiàn)。
為測試標記帶時間里程碑的時間線的價值，開發(fā)了一個原型，它提供由搜索應用輸出的結果的互動的可視性表示。在圖13中顯示的可視性表示具有兩個主要組件，用于提供關于搜索結果的概貌和細節(jié)。顯示的左邊示出概貌時間線，其端點被標記為第一個和最后的返回結果的日期。若搜索結果跨越多年，年的邊界也標記在概貌中，時間從顯示的頂端向底端流，最近的結果在頂部。概貌為用戶提供搜索結果的數(shù)目和他們隨時間分布的總的印象。概貌的一部分高亮度顯示；它對應于當前在可視性表示的細節(jié)區(qū)域的部分。用戶能與概貌時間線互動，如若有一滾動條，通過選擇高亮度區(qū)域(如用鼠標光標)并將其移動到時間線的不同段，從而改變在細節(jié)視圖中顯示的時間部分?？梢曅员硎镜募毠?jié)部分示出對應于在概貌區(qū)高亮度顯示的時間片的放大的時間線段。當文檔最近被存儲時，每個搜索結果當時被顯示。表示文檔類型(html.電子郵件，文字處理器等)的圖標和文檔的標題(或在電子郵件情況中的韙行和作者)被顯示。通過將光標停留在特定的特定的搜索結果上，用戶能看到包含有關該對象的更詳細信息的強出的概述，包括全路徑，文檔的頭512個(或其他數(shù))字符的預覽，以及在電子郵件報文情況的to-from-和cc)(到-，從-，和抄送-)信息。在結果上點擊打開了帶著合適的應用的目標事項。搜索結果顯示在細節(jié)的時間線的主干的右邊。主干的左邊用于表示日期和里程碑信息。日期出現(xiàn)在最靠近主干處?？吹饺掌诘脑敿毘潭?小時，日，月或年)取決于當時放大的程度。四種類型的里程碑能顯示在日期的左邊節(jié)日，頭條新聞，日程表約會，和數(shù)字照相(能包括更多或更少的類型)。每個里程碑以不同顏色出現(xiàn)(能是相似的顏色)。能夠理解，上述方面的尺度，次序和放置能按各自的需要適當?shù)刈鬟m應性變化。
公共里程碑公共里程碑從廣泛的用戶通常覺察的意外事件提取。里程碑被賦予優(yōu)先級等級，并通常只顯示滿足閾值優(yōu)先級的里程碑。對于按照附帶發(fā)明的原型，所有用戶看到相同的公共里程碑，雖然能夠理解，本發(fā)明的不同方面能調查，使用戶容易化他們的里程碑，如增加對他們重要的宗教假日，或降低他們認為不值得記憶的頭條新聞的等級。
節(jié)日通常在美國實行的常年假日表和從1994到2004年那些節(jié)日發(fā)生的日期，通過從日歷史提取信息而得到。根據(jù)美國文化的知識對每個節(jié)日人工指定優(yōu)先級(如圣燈節(jié)被賦予低的優(yōu)先級，而感恩節(jié)被賦予高的優(yōu)先級)。節(jié)日和優(yōu)先級很容易適應于每種文化。
頭條新聞從1994-2001年的頭條新聞從來自于商業(yè)上可得到的多媒體大百科全書節(jié)目的世界歷史時間線提取。因為2002年的事件沿不具備，附帶發(fā)明的發(fā)明者使用他們自己對當前事件的回憶提供那年的主要頭條新聞。從一個組織的10個員工(無人參與其后的用戶研究)根據(jù)他們認為這些事件如何可記憶在1到10的尺度上評定一組頭條新聞。那些分數(shù)的平均值被用于對新聞里程碑指定優(yōu)先級。
個人的里程碑個人的里程碑對每個用戶是各不相同的。對原型，所有里程碑自動地產生，但對于附帶發(fā)明的其他方面，可以理解用戶具有規(guī)定他們自己的里程碑的選擇。
日程表約會存在用戶的日程表中的約會的日期，時間和標題被自動提取，用作里程碑事件。按照一組直觀推斷，約會被指定優(yōu)先級。若約會是重復發(fā)生的，其優(yōu)先級被降低，因為它看來不是突出成可記憶的。約會的優(yōu)先級隨著事件的期間的增加正比地增加，因為更長的事件例如會議，假期)看來是特別能回憶，為了相似的理由，指定為“不辦公”時間的約會接收在記分上的提高。標志為“暫時性”的約會降低了優(yōu)先級，而明確標記為“重要的”增加了優(yōu)先級。
數(shù)字照相原型緩緩移動用戶的數(shù)字照相(或有的話)。在給定日子拍的第一張照片被選作那天的里程碑，并創(chuàng)建一速寫(沿較長側為64個象素)。在給定年份中第一張照片給予比一個月中第一張照片更高的優(yōu)先級，而后者比一天中的第一張照片優(yōu)先級更高。因此，當放大等級改變時，能顯示適當數(shù)目的照片里程碑。發(fā)明者不探索更復雜的選擇要顯示的照片的算法，但是可以理解，那樣的技術(見Graham，A.，Garcia-Molina，H.，Paepcke，A.，和Winograd，T.，“Timeas Essence for Photo Browsing Through Personal Digital Libraries，”Proceedings ofSecond ACM/IEEE-CS Joint Conference on Digital Libraries(2002)，326-335或由Platt，J.“AutoAlbumClustering Digital Photographs Using Probabilistic ModelMerging，IEEE Workshop on Centent-Based Access of Image and Video Libraries2000.96-100)對于附帶發(fā)明是預料之中的，并打算落入附后的權利要求的范圍中，研究為了估計在原型背后的概念，進行用戶的研究。目標是掌握，基于時間線的搜索結果的表示是否有助于用戶，并且不同類型的里程碑是否改善了時間線視圖對搜索的使用。等集數(shù)量上及質量上的數(shù)據(jù)以調查這些問題。
參與者對象是從一個組織來的12個員工，他們均是年令在25到60之間的男人。參于該研究的先決條件是搜索系統(tǒng)(如StuffI’ve Seen(SIS))的用戶。
準備在每個對象來到可用性實驗室外之前的日子請求他們做兩件事。首先，發(fā)明者請求對象安裝從他們的日程表抽取所有他們的非私人約會的標題的程序，隨后將標題的表用電子郵件發(fā)給發(fā)明者。根據(jù)有關他們的約會的受訓練的猜測此信息被用于對每個參與者創(chuàng)建2到8個個性化的問題(如若他們具有稱為“到弗羅里達旅游”的約會，發(fā)明者能準備一個如“在購買你的到弗羅里達的機標時找到你用的網頁”，或者若他們具有稱為“CHI2002”的約會時，發(fā)明者可以請求他們找到他們提交給CHI2002的文章)。
第二，每個對象發(fā)出.pst文件(如Microsoft OutlookTM電子郵件報文的repository)使得在他們未到作研究之間，在他們的機器上運行的SIS應用有時間索引該文件的內容。此文件包含已發(fā)送到該組織中多數(shù)人員的報文的集合(如演講通告，節(jié)日聚會，升職等)，每個人在某一點收到它們。雖然因為每個人開始就發(fā)送大的電子郵件表，發(fā)明者知道他們已經收到了這些報文，但發(fā)明者事先不知道各個參與者是否將那樣的郵件歸檔或刪除它，所以發(fā)明者向他們發(fā)出.pst文件，以便于使目標事項在他們的索引中。
方法當參與者來到可用性實驗室外時，請求他們使用Window xp的遠程桌面特征，以訪問他們的辦公室計算機。當參與者參觀該實驗室外時，發(fā)明者按附帶的發(fā)明在他們的機器上安裝可視化表示的客戶端。參與者首先填滿調查表，問及統(tǒng)計信息，和有關他們的搜索和保存的習慣以及有關他們回憶信息的方法的信息。接著，他們閱讀指導并使用時間線界面完成兩次實際的搜索。給他們完成指導所需的足夠時間，并允許提問題。在指導完成后開始實驗。
實驗具有對象內部的設計。每個參與者得到使用兩個不同界面完成的一系列任務。對于一半任務，他們看到出現(xiàn)在僅由日期標注的時間線情況(圖14)的搜索結果，而對另一半他們看到除了基本日期外由日程表約會，頭條新聞，節(jié)日，和數(shù)字照相(或他們有一些存在他們計算機中)標注的時間線(圖15)。條件是均衡的，以避免學習效果，所以一半?yún)⑴c者在只有日期的條件前實驗里程碑條件，而另一半以相反的次序實驗這些條件。為避免排序效果，問題的次序對每一對參與者是隨機改變的。
發(fā)明者使用兩類問題30個對所有參與者相同的問題，和2-8單獨的個性化問題。在涉及尋找發(fā)明者知道的事項的兩個條件的每一個的頭15個問題已被發(fā)送到多數(shù)員工，并且發(fā)明者已將其包括在發(fā)明者在前些日子中已經安裝的.pst文件中。對這些30個共同任務的每一個發(fā)明者向參與者提供對問題的預定詢問，并命令他們不改變此詢問。發(fā)明者選擇使用預置的詢問，因為他們的目標是測試，時間線和里程碑如何好地幫助用戶在他們的搜索結果中引導，并且發(fā)明者不希望無意地結束關于用戶是如何好地能夠公式化一個詢問的測試。因此，發(fā)明者選擇的詢問，保證目標事項將出現(xiàn)在時間線的某處，且該處不會寬到也出現(xiàn)許多其他結果。
在每組共同問題結束時，發(fā)明者根據(jù)從發(fā)明者前些日子抽出的他們的日程表約會的對象線，問幾個發(fā)明者對每個用戶客戶化的問題。雖然這些問題對每個參與者是不同的，發(fā)明者感到它們加入是重要的，因為他們的目標是比公司范圍的電子郵件報文更加專用和可記憶的文檔。對這些專用的任務，允許用戶輸入他們選擇的詢問，并重新公式該詢問以便在希望時細化他們的搜索。
一旦詢問被發(fā)出，用戶能引導時間線，并通過注視圖標和標題，停頓鼠標以便彈出帶更詳細信息的概要，或點擊以打開實際的文檔而審查搜索結果。當他們找到目標事項，他們點擊標記“Found It”的大按鍵，并自動出現(xiàn)下一個任務和詢問。若他們不能夠定位目標事項，還有標記為“Give Up”的按鍵，允許他們進到下一上問題。在實驗期間，軟件登錄他們的互動的所有細節(jié)，包括對每次詢問返回的搜索結果的數(shù)目，顯示的各種類型的里程碑的數(shù)目，和關于用戶停頓鼠標，點擊的信息以及互動的整個時間。
在完成所有任務之后，對象填滿另外的調查表，問及有關軟件可用性的反饋，時間線表示和各種類型里程碑的使用，以及自由格式的注釋。
總之，12個研究參與者的每一個面臨兩個實驗條件——使用帶有日期和里程碑的時間線，和使用只帶日期時間線。在每個條件中，參與者使用可視化表示回答兩類問題——有關已被發(fā)送到大的分配表的電子郵件的固定問題和對每個對象的客戶化的個性化問題。
結果搜索時間對每個參與者完成關于平均搜索時間的分析，以幫助緩解共同的人類實施時間的時滯。這里發(fā)明者只注意對所有參與者共同的問題以保證公正的比較。對每個參與者平均搜索時間的成對樣本的t-測試表明，對里程碑條件的時間大大快于只有日期的狀態(tài)，t(11)＝2.33，p＜0.05。平均搜索時間的平均值的比較示于圖14(平均值周圍的±標準誤差)。對于里程碑情況，平均搜索時間的平均值是18.37秒，而對只有日期的情況，此值是24.25秒。不出所料，對個性化問題的時間數(shù)據(jù)特別混亂；對那些問題在兩種情況之間沒有重大的差別。
調查表除了時間數(shù)據(jù)以外，參與者在實驗開始及結束時完成調查表。參與者首先填入某些統(tǒng)計信息。接著是使用7點Likert尺度的若干問題(如記分是1＝“強烈地不同意”和7＝“強烈的同意”，“我喜歡使用此軟件”或“當我需要找到老文檔或電子郵件時，這是相對容易做到”)。最后，參與者回答一系列自由格式的問題(如“是否有某些類型的搜索任務，你認為里程碑將幫助你更有效地搜索它？”)。
在每次會議開始，在看可視性表示之前，對象回答一系列有關他們的當前定位文檔的策略的問題(表1)。三個最高等級的搜索屬性是論題，人和時間。現(xiàn)存的搜索工具支持通過論題和人的訪問，但對針對時間的搜索提供較少的支持。可視性表示通過允許基于關鍵詞的搜索以產生初始結果組，并伴有豐富的時間顯示用于在結果之間引導來予以彌補。
在開始研究會話之前，請求對象評定不同類型用于回憶事件的里程碑的重要性(表2)。重要的是注意到，公共事件(世界事件和節(jié)日)比更加個性化的事件接受更低的評價。一個用戶評論，“照片象日程表約會那樣容易成為有用的。但新聞事件和節(jié)日是較不重要。我認為，我知道萬圣節(jié)是在10月...而圣誕節(jié)是在12月。喊出那個不增加信息?！绷硗庥脩粽f，“對我來說更多的事件在我的生活中，然后才能世界上的事件。當然911是大事情，但對我來說，我考慮在我到非洲之前或我搬到新房子后等發(fā)生什么。”對進一步工作的一個重要手段是通過在不同類型事件(除了這里探索的兩個條件外，提出“個人的里程碑和”和“公共的里程碑”條件)之間加以區(qū)分擴展對只有日期及相對所有里程碑的狀態(tài)的研究。在結束實驗之后，參與者估算時間線界面的一般有用性(表3)。參與者通常發(fā)現(xiàn)結果的基于時間的表示是有用的，雖然進一步探究，某些類型的搜索任務是否更適合于基于時間的結果表示，而其他類型的任務用另外的組織方案更好，會是有益的。一個參與者建議，里程碑在“尋找時間相關或事件相關的電子郵件尋找Rick的有關機場關閉的郵件很好地耦合于911”是最有用的。
雖然時間線的垂直表示容易被接收，許多用戶希望有顛倒時間流的選項，使更當前的搜索結果被顯示在靠近屏幕底部。有關時間方向的自選常常關系到他們的電子郵件客戶是在報文隊列的頂部或是在底部顯示較新的報文。能夠理解，本發(fā)明能使用各種時間線的表達(如水平的時間線，反方向的時間線)。
用戶通常發(fā)現(xiàn)，在可視性表示中提供的概貌是有用的(一個用戶評述，“我喜歡顯示活動的突然產生的小的水平線的方式。以那種方式我能搞清事情發(fā)生在什么時間周期”。)但是許多用戶發(fā)現(xiàn)通過選擇一段概貌的時間線來引導通過搜索結果是混亂的(另外用戶說“調節(jié)在概貌方格上的時間尺度看來對我不是直沉的”)。
結論本發(fā)明者開發(fā)和估價在個人內容上搜索結果的基于時間線的可視性表示。關于情節(jié)回憶的結果激起他們增加帶有公共的(頭條新聞和節(jié)日)和個人(日程表的約會和數(shù)字照相)里程碑事件的時間線，希望此增加周邊情況將幫助人們定位他們搜索的目標。用戶研究發(fā)現(xiàn)，對于帶有增加了里程碑的時間線的搜索與只標記有日期的時間線比較在統(tǒng)計上有重要的時間節(jié)省。此外，發(fā)明者收集了關于用戶相信他們記住事件的方法和關于他們對可視性表示的反映的重要的反饋。此工作表示了增加全球的和個人的周邊情況到搜索結果的表示的使用，并提出進一步研究的方向。
至少考慮到上述，發(fā)明者仔細考慮不同類型的時間里程碑在評價搜索結果時的相對價值，并更通常地用于調查，對于尋找感興趣的目標結果何時圍繞時間線的視圖最有用。例如，看來對一個特定的詢問事項隨返回時間的分布將影響時間線視圖對尋找事項的整體使用。有一系列其他機會用于細化該系統(tǒng)。用戶報告了在引導時間線中的某些困難，且發(fā)明者想通過在時間方面的放大及平移的更好的耦合改善引導的控制。因此，附帶發(fā)明的一個特定方面能在探索不同類型的概要里程碑中細化直觀推斷(或其他模型)，用于選擇和分級里程碑(從所有來源)。例如，能利用概貌時間線的帶不同顏色的陰影段指出一年中的月或季度。關于搜索結果本身的里程碑(如關于文檔的內容和結構的關鍵屬性)也能被識別。除了被動地顯示里程碑之外，用戶能組合里程碑和在公式化詢問中的更傳統(tǒng)的搜索項，使用戶能“通過里程碑”搜索，例如說什么事，如“向我示出恰好在與我的強理的項目評論之前我組成的所有文檔”或“向我示出在地震的星期我接收的所有電子郵件”。
參考圖17，用于實現(xiàn)本發(fā)明的各種方面的示例性環(huán)境1700包括一臺計算機1702，該計算機1702包括一個處理單元1704，系統(tǒng)存儲器1706和系統(tǒng)總線1708。系統(tǒng)總線1708將包括(但不限于)系統(tǒng)存儲器1706的系統(tǒng)組件連接到處理單元1704。處理單元1704能是各種商業(yè)上可得到的處理器的任一種。也能利用雙微處理器和其他多處理器結構作為處理單元1704。
系統(tǒng)總線1708能是若干類型總線結構的任一種，包括存儲器總線或存儲控制器，外圍總線和使用多種商業(yè)上可得到的總線結構的任一種的局部總線。系統(tǒng)存儲器1706包括只讀存儲器(ROM)1710和隨機存儲器(RAM)1712。包含(如在起動期間)幫助在計算機1702的各單元之間傳輸信息的基本例行程序的基本輸入/輸出系統(tǒng)(BIOS)存在ROM1710中。
計算機1702還包括硬盤驅動器1714，磁盤驅動器1716(如讀寫的可取走的盤1718)和光盤驅動器1720(如讀CD-ROM盤1722或讀寫其他光介質)。硬盤驅動器1714，磁盤驅動器1716和光盤驅動器1720能分別通過硬盤驅動器接口1724，磁盤驅動器接口1726和光盤驅動器接口1728連接到系統(tǒng)總線1708。驅動器和它們相關的計算機可讀介質提供數(shù)據(jù)，數(shù)據(jù)結構，計算機可執(zhí)行指令等的非易失性存儲。對于計算機1702，驅動器和介質適合于以合適的數(shù)字格式編程的廣播的存儲。雖然上面計算機可讀介質的描述指的是硬件，可僅是磁盤和CD，本專業(yè)熟練人士認識到，由計算機可讀的其他類型的介質，如Zip驅動器，盒式磁帶，閃存卡，數(shù)字視頻盤，卡式帶等也能用于示例性操作環(huán)境，而且任何那樣的介質能包含計算機可讀指令，用于完成本發(fā)明的方法。
若干程序模塊能存在驅動器和RAM1712中，包括操作系統(tǒng)1730，一個或多個應用程序1732，其他程序模塊1734和程序數(shù)據(jù)1736?？梢岳斫?，本發(fā)明能用各種商業(yè)上可得到的操作系統(tǒng)或操作系統(tǒng)的組合實現(xiàn)。
用戶能通過鍵盤1738和如鼠標1740那樣的定位設備1740輸入命令和信息到計算機1702。其他輸入設備(未示出)能包括麥克風，IR遙控器，操縱桿，游戲墊，衛(wèi)星盤，掃描器等。這些和其他輸入設備常常通過連接到系統(tǒng)總線1708的串口接口1742連接到處理單元1704，但也能通過其他接口連接，如平行口，游戲口，通用串行總線(“USB”)，IR接口等。監(jiān)視器1744或其他類型的顯示設備也通過如視頻適配器1746那樣的接口連接系統(tǒng)總線1708。除了監(jiān)視器1744以外，計算機通常包括如揚聲器，打印機等其他外圍輸出設備(未示出)。
計算機1702能使用到一個或多個如遠程計算機1748那樣的遠程計算機的邏輯連接，在網絡環(huán)境中操作。遠程計算機1748能是工作站，服務器計算機，路由器，個人計算機，便攜計算機，基于微處理器的娛樂裝置，對等設備或其他公共的網絡節(jié)點。并通常包括有關計算機1702描述的許多或所有單元，雖然為簡單起見只示出存儲設備1750。畫面的邏輯連接包括LAN1752和WAN1754。那樣的網絡環(huán)境在辦公室，企業(yè)范圍的計算機網絡，內聯(lián)網和因特網中是常見的。
在LAN網絡環(huán)境中使用時，計算機1702通過網絡接口或適配器1756連接到局域網1752。在WAN網絡環(huán)境中使用時，計算機通常包括調制解調器1758，或連接到LAN上的通訊服務器，或具有其他裝置用于建立經過如因特網那樣的WAN1754的通訊。內置或外接的調制解調器1758通過串行接口1742連接到系統(tǒng)總線1708。在網絡環(huán)境中，相對于計算機1702畫面的程序模塊或其部分能存儲在遠程存儲設備1750中。應該理解，示出的網絡連結是示意性的，能使用在計算機之間建立通訊鏈路的其他方法。
按本發(fā)明的一方面，過濾器結構適應于由利用過濾的系統(tǒng)的特定用戶所希望的過濾程度。然而能夠理解，此“自適應”的方面能從當?shù)氐挠脩粝到y(tǒng)環(huán)境往回擴展到系統(tǒng)分銷商的制造過程，在那里為了在工廠中生產銷售的系統(tǒng)中實現(xiàn)，能對特定類的用戶選擇過濾的程度，例如，若購買者決定第一批購買的系統(tǒng)提供給不需要訪問任何垃圾郵件的用戶，在工廠中對這批系統(tǒng)的默認設置能設置成高，而對第二類用戶的第二批系統(tǒng)能配置成較低的設置，讓更多的無用郵件能審閱。在兩種情景，本發(fā)明的自適應本質局部地能允許任何類別的單獨用戶隨后調節(jié)過濾的程度，或者若加以禁止，能完全防止更改默認的設置。也應理解，執(zhí)行相當?shù)脑L問權限來用揭示的過濾結構適當?shù)嘏渲靡粋€或多個系統(tǒng)的網絡管理員也能局部地實施那樣類型的配置。
上面描述的內容包括本發(fā)明的例子。當然，不可能為了描述本發(fā)明的目的描述每個可想象的組件或方法的組合，但是本專業(yè)的一般人員能認識到本發(fā)明許多進一步的組合和變更是可能的。因而，本發(fā)明試圖包容所有落在附后的權利要求的精神和范圍內所有那些更改，修改和變化。而且，在術語“包括”用在詳細和權利要求的范圍內，那樣的術語試圖以類似于術語“包含”的方式是內含的，就好象“包含”解釋成在權利要求中作為過渡詞被利用的那樣。
權利要求
1.一個方便基于計算機的搜索的系統(tǒng)，其特征在于，包括訪問組件，它接收關于搜索信息的信息；和里程碑組件，它利用基于內容的里程碑信息，方便于信息的搜索，該里程碑信息對應于關系到對搜索的組織者可回憶的事件的周邊情況信息。
2.如權利要求1所述的系統(tǒng)，其特征在于，至少部分地根據(jù)個人內容的索引，結合顯示搜索結果提供時間線的可視性表示。
3.如權利要求1所述的系統(tǒng)，其特征在于，還包含搜索引擎，它提供向用戶展示的信息的統(tǒng)一索引。
4.如權利要求3所述的系統(tǒng)，其特征在于，該信息至少包括下列之一網頁、電子郵件、文檔、圖片和聲頻。
5.如權利要求2所述的系統(tǒng)，其特征在于，搜索結果用概貌細節(jié)的時間線的可視性表示來表示。
6.如權利要求5所述的系統(tǒng)，其特征在于，還提供概要視圖，它示出搜索結果隨時間的分布。
7.如權利要求5所述的系統(tǒng)，其特征在于，還提供細節(jié)視圖，它允許觀察單個搜索結果。
8.如權利要求7所述的系統(tǒng)，其特征在于，用圖標和/或簡短描述標注返回的事項。
9.如權利要求1所述的系統(tǒng)，其特征在于，里程碑組件通過增加公共的里程碑和/或個人的里程碑擴展基本的時間視圖。
10.如權利要求1所述的系統(tǒng)，其特征在于，利用周圍有關信息來支持通過內容的搜索。
11.如權利要求1所述的系統(tǒng)，其特征在于，用公共的和/或個人的里程碑事件確定搜索的基于時間線的表示的參考位置。
12.如權利要求1所述的系統(tǒng)，其特征在于，還包含索引組件，它能索引向用戶展示的事項的文本/或元數(shù)據(jù)，使便于以快速和容易的方式搜索內容。
13.使如權利要求1的的組件存儲其中的計算機可讀介質。
14.便于基于計算機的搜索的方法，其特征在于，包括接收關于信息搜索的信息；利用基于內容的里程碑信息以便于信息的搜索，該里程碑信息對應于關系到搜索的組織者可回憶的事件的與周邊情況有關的信息；和至少部分地根據(jù)與周邊情況有關的信息的子集的索引提供搜索結果的時間線可視性表示。
15.如權利要求14所述的方法，其特征在于，還包含利用一個重大事情模型來確定里程碑信息。
16.如權利要求15所述的方法，其特征在于，該重大事情模型包括下列中至少一個民意測驗模型、啟發(fā)式模型、規(guī)則模型、統(tǒng)計模型、推理模型和互補模型。
17.如權利要求16所述的方法，其特征在于，互補模型是根據(jù)忘卻的樣式。
18.如權利要求14所述的方法，其特征在于，還包括在瀏覽器界面中利用里程碑信息，該界面將有關里程碑信息的一個或多個事件與由瀏覽器可檢索的一個或多事項相聯(lián)系。
19.便于基于計算機的搜索的系統(tǒng)，其特征在于，包括用于接收關于信息搜索的信息的裝置；用于利用基于內容的里程碑信息方便于信息搜索的裝置，該里程碑信息對應于關系到對搜索的組織者可回憶的事件的與周邊情況有關的信息；和用于至少部分地根據(jù)與周邊情況有關的信息的子集的索引提供搜索結果的時間線可視性表示的裝置。
20.利用重大事情模型的系統(tǒng)，其特征在于，包括一個或多個重大事情模型，它們自動地抓住人們將事件及時認識為里程碑的能力；和利用重大事情模型方便于按照該事件處理信息的一個應用。
21.如權利要求20所述的系統(tǒng)，重大事件模型包括用于對事件賦于重大事情性的度量的過程和策略，它們能由各種基于計算機的應用程序利用，幫助用戶處理、接收，和/或通訊信息。
22.如權利要求21所述的系統(tǒng)，其特征在于，該事件能包括下列中至少一個約會、用戶的日程表中的標注、節(jié)日、隨時的新聞故事和圖象。
23.如權利要求20所述的系統(tǒng)，其特征在于，利用重大事情模型及時提供包含里程碑的個性化索引，在涉及信息的瀏覽目錄的至少一個應用中和在審閱搜索引擎的結果中利用該索引。
24.如權利要求20所述的系統(tǒng)，其特征在于，重大事情模型包括下列中至少一個民意測驗模型、啟發(fā)式模型、規(guī)則模型、統(tǒng)計模型和根據(jù)樣式的互補模型。
25.如權利要求24所述的系統(tǒng)，其特征在于，民意測驗型自動地輪詢一組用戶以便為公共事件的重大事情記分。
26.如權利要求25所述的系統(tǒng)，其特征在于，記分是根據(jù)重大事情性的標量度量，它包括從新聞故事的全集中取出的至少一個突出的新聞故事，并詢問一組人來賦以一個值。
27.如權利要求24所述的系統(tǒng)，其特征在于，啟發(fā)式模型利用消息的特征并創(chuàng)建非正式的策略，它根據(jù)特性的函數(shù)賦予重大事情的記分或決定性的類別。
28.如權利要求27所述的系統(tǒng)，其特征在于，還包括啟發(fā)式函數(shù)，它將日程表上事件的增加的期間分析為正向的影響事件的重大事情性。
29.如權利要求28所述的系統(tǒng)，其特征在于，該啟發(fā)式函數(shù)應用于那個圖象或從一組圖象來的圖象的子集，它們是采取基于事件的一個或多個圖象特性的最可回憶的圖象組。
30.如權利要求29所述的系統(tǒng)，其特征在于，該特征包括下列中至少一個在情景中對象的合成，彩色直方圖，認識的面孔，涉及在圖片中順序和時間關系的特征，與短的圖片間的間隙相關的圖片，捕捉照相者有關事件的一方面的激動，和指出用戶關于圖象的活動的特性。
31.如權利要求30所述的系統(tǒng)，其特征在于，用戶的活動包括用較長或較短的停頓時間審查或顯示圖象，編輯圖象，修剪圖象，和重新命名圖象。
32.如權利要求30所述的系統(tǒng)，其特征在于，還包含自動分析圖象的質量，包括聚焦和定向。
33.如權利要求24所述的系統(tǒng)，其特征在于，規(guī)則模型包括用于對新聞故事自動賦予重大事情性的度量的規(guī)則，它們包括涉及下列中至少一個的特性新聞故事的數(shù)目，在媒體節(jié)目上的滯留時間，傷亡的數(shù)目，與該新聞故事相關的損失的美元數(shù)，抓住驚訝或非正常的程度的特征，和對事件的用戶的鄰近性。
34.如權利要求33所述的系統(tǒng)，其特征在于，該統(tǒng)計模型利用機器學習方法，它提供預測事項的重大事情性的模型，該統(tǒng)計模型包括能產生Bayesion依賴模型(如Bayesion網絡)，自然的Bayesion分類器，和Support VectorMachines(SVM)中至少一個的Bayesion學習的使用。
35.如權利要求24所述的系統(tǒng)，其特征在于，還包括訓練器組件，它采用里程碑事項或被忘卻的事項的直接的例子。
36.如權利要求35所述的系統(tǒng)，其特征在于，向訓練器提供通過隱性訓練識別的例子。
37.如權利要求24所述的系統(tǒng)，其特征在于，該互補模型描述各種各樣重大事情的使用，這些模型著眼于推導用戶不記起即將來臨事件的似然率。
38.如權利要求37所述的系統(tǒng)，其特征在于，該互補模型利用在應用中的推理顯眼的方法用可選擇的方式高亮度顯示用戶看來要忘卻的信息，或按照該信息將記不住的似然率改變信息的定時或警示。
39.如權利要求37所述的系統(tǒng)，其特征在于，該互補模型結合包括內容敏感的傳輸信息的代價和利益的發(fā)消息和提醒系統(tǒng)，并警示用戶有可能忘記的信息。
40.如權利要求20所述的系統(tǒng)，其特征在于，還包括閾值調節(jié)，使得經過調節(jié)的設置從要顯示的用戶的日程表來的里程碑事件具有比能記住的閾值具有更高的似然率。
41.如權利要求40所述的系統(tǒng)，其特征在于，還包括顯示器，它隨著成為里程碑的越來越低的似然率，越來越亮顯示事件。
42.如權利要求41所述的系統(tǒng)，其特征在于，還包括一個步驟，指定顯示強度作為在成為里程碑的似然率不同范圍內的事件的成員的函數(shù)。
43.如權利要求20所述的系統(tǒng)，其特征在于，還包括一訓練界面，提取在數(shù)年中用戶的日程表約會的文件，并允許用戶指出是否約會成為記憶的里程碑。
44.如權利要求43所述的系統(tǒng)，其特征在于，訓練界面還包括訓練按鍵，它創(chuàng)建統(tǒng)計分類器，后者取得在用戶的日程表中的事件的多種特性，并預測每個事件成為重大事情的事件的似然率。
45.如權利要求44所述的系統(tǒng)，其特征在于，該似然率是基于下列表達式P(記憶里程碑E1…En)，其中P是概率而E1…En是關系到一個或多個事件特性的數(shù)據(jù)。
46.如權利要求20所述的系統(tǒng)，其特征在于，還包含處理至少包括下列之一的重大事情變量的推理模型是否對等者與會；星期幾；一天的時間；會議時間期間；會議是否周期舉行；較早提醒會議的時間設置；用戶的角色；會議來自別名或者個人；會議有多少聽眾；是否用戶直接報告；管理者，或者管理者的管理者與會；誰是會議的組織者；會議的議題；會議的位置；用戶如何響應會議的邀請。
47.如權利要求46所述的系統(tǒng)，其特征在于，還包括處理下列中至少一個“組織者異?！?，“位置異常”，“聽眾異?！?，它們根據(jù)用戶的約會存儲中計算并抓住事件或約會的特性的罕見性或異常。
48.如權利要求47所述的系統(tǒng)，其特征在于，還包括根據(jù)頻數(shù)的范圍將對位置、組織者和聽眾的典型特性離散化成狀態(tài)。
49.如權利要求20所述的系統(tǒng)，其特征在于，還包括一個或多個控件，它們由用戶選擇，用于控制如何和何時顯示事件。
50.用于應用重大事情信息的方法，包括按照事項將被回憶，識別成里程碑或成為事件或時間的最大代表，自動地用數(shù)字的或類別標號標記事件或事項；和實行對信息—管理應用的加標號。
51.如權利要求50所述的方法，其特征在于，還包括利用數(shù)字函數(shù)，該函數(shù)賦予事件或事項的突出性一個標量度量，作為被回憶，識別為里程碑，或事件或事項的最大代表的度量。
52.如權利要求51所述的方法，其特征在于，包括下列的至少一個通過機器學習方法應用重大事情的統(tǒng)計模型，方法是隱性訓練或用直接訓練系統(tǒng)訓練；收集有關可回憶的或不可回憶事件或事項的樣本的信息，它們提供有關事件或事項被回憶，被識別成里程碑或成為事件或事項的最大代表的似然率的實時推理或分類；和提供在事件或事項的不同程度上的概率分布。
53.如權利要求50所述的方法，其特征在于，還包括自動地過濾不同的事件和內容的流，以至于選擇地存儲用于日常生活事件日志的事件。
54.如權利要求50所述的方法，其特征在于，還包括層次地瀏覽不同事件或內容的日志或瀏覽在不同的時間精度層次上的數(shù)據(jù)。
55.如權利要求50所述的方法，其特征在于，還包括利用代表的里程碑和重大事情以便可選地從圖片庫選擇用于圖片的環(huán)境顯示的圖片。
56.如權利要求50所述的方法，其特征在于，還包括利用代表記憶里程碑和重大事件，以便在隨時間顯示的幻燈片中或在有關一個或多個事件的不同時間點可選地選擇一組圖片，其約束是用戶希望顯示的幻燈片的總數(shù)。
57.如權利要求50所述的方法，其特征在于，還包括利用代表的記憶里程碑和重大事情以便可選地選擇一組事項以表征或概括全體事項的內容。
58.如權利要求57所述的方法，其特征在于，該事項包括下列中至少一個圖象、照片、圖書館，在文件事項或文件夾顯示的圖象或照片圖的速寫。
59.如權利要求50所述的方法，其特征在于，信息—管理應用被應用到下列中至少一個涉及將被回憶及理解的事項的重大事項應用；涉及將被看作時間上里程碑的可回憶的里程碑；涉及到作為時間周期，事項或事件序列的事項代表的代表性里程碑。
60.用于確定提醒的方法，其特征在于，包括從數(shù)據(jù)自動地訓練模型；和完成有關可能被忘卻的事項的推理。
61.如權利要求60所述的方法，其特征在于，還包括推導事項將被忘卻的似然率；和完成提醒用戶有關事項的期望值的代價—利益分析。
62.如權利要求60所述的方法，其特征在于，還包括完成預期的使用決策，決策是關于是否和何時進行提醒用戶他們看來要忘卻的某些事，考慮打斷的代價而給出事項的類型和周邊情況。
63.如權利要求60所述的方法，其特征在于，還包括通過加入破裂和傳輸?shù)拇鷥r控制有關在桌面應用或移動設備中提醒的警示。
64.如權利要求60所述的方法，其特征在于，還包括用各種可能導致記憶異常的認識力的不足自動地幫助病人。
65.如權利要求64所述的方法，其特征在于，還包括預測有Alzheimer疾病的病人處于疾病的特定階段的似然率。
66.如權利要求65所述的方法，其特征在于，還包括向用戶自動地提供視聽覺線索和自動地提供理想的提醒中的至少一個。
全文摘要
本發(fā)明涉及在計算及通訊應用中構造使用重大事件的模型的系統(tǒng)及方法，且提供一個或多個重大事件模型，方便了各種基于計算機那些應用，它們致力于信息的存儲、檢索和處理，致力于提供用戶他們有記不住或忽略的危險的事項，并方便了所作提醒的通訊。在一個應用中，使用模型幫助組成和引導大量有關用戶的活動、通訊、圖象和其他內容的個人故事信息。在另一個應用中，觀看目錄中的文件借助于增加記憶的里程碑，以及通過改變在推導重大事情上的閾值提供的用于控制重大事情的數(shù)目的方法而得以擴展。在另外應用中，提供一個系統(tǒng)，通過結合顯示至少部分根據(jù)內容的索引對詢問的結果提供時間線的可視性表示的設計和分析，方便于基于計算機的對信息的搜索。
文檔編號G06F17/30GK1598817SQ20041000407
公開日2005年3月23日 申請日期2004年2月4日 優(yōu)先權日2003年2月4日
發(fā)明者E·J·霍維茨, S·T·杜梅斯, M·J·林格爾, E·B·科特里爾, P·B·科奇 申請人:微軟公司