CN107735766A - 用于向计算设备的用户前摄性地提供推荐的系统和方法 - Google Patents

Abstract

本文所述的实施方案阐述了在用户激活他们的计算设备上的搜索应用程序时用于识别对用户可能有兴趣访问的一个或多个应用程序的预测并且在从用户接收搜索参数的输入之前用于对该预测进行呈现的技术。根据一些实施方案，该搜索应用程序可被配置为在每次搜索应用程序被激活时与应用程序预测引擎进行交互，并且查询应用程序预测引擎以用于对用户可能有兴趣访问的一个或多个应用程序的预测。继而，该应用程序预测引擎可分析与被安装在移动计算设备上的应用相关联的信息，以产生预测。使用该预测，该搜索应用程序可在搜索应用程序的用户界面内显示经预测的一个或多个应用程序以供用户选择。

Description

用于向计算设备的用户前摄性地提供推荐的系统和方法

技术领域

描述的实施例阐述了一种用于向计算设备的用户前摄性地提供推荐的的技术。

背景技术

近年来已表明移动计算设备(例如，智能电话和平板电脑)广受消费者欢迎。移动计算设备和传统计算设备(例如，台式计算机)之间的显著差别在于移动计算设备倾向于整天持续使用，以执行针对它们的用户高度个性化的各种功能。此类功能可包括激活和去激活用于使得用户能够例如发送和接收消息(例如，电子邮件、聊天等)、浏览网页、听音乐、拍照片等的应用程序。值得注意的是，用户与他们的移动计算设备的交互至少在某些方面可符合强大可靠的行为模式。例如，用户通常以可辨认的方式在一天的不同时间访问应用程序的不同的子集，这产生了提高用户的整体体验的可能性——尤其是在用户经历在他们的移动计算设备上搜索不易访问的(例如，在home屏幕上所显示的)应用程序的繁琐过程的情况下。

发明内容

本文所述的实施方案阐述了一种用于在用户激活他们的移动计算设备上的搜索应用程序时减少摩擦的技术。具体地，该技术涉及在从用户接收搜索参数的输入之前呈现对用户可能有兴趣访问的一个或多个应用程序的预测，这可降低用户不得不向搜索应用程序手动提供搜索参数的可能性或必要性。根据一些实施方案，在每次搜索应用程序被激活(例如，被显示在移动计算设备的用户界面内)的情况下，该搜索应用程序可被配置为与预测引擎(在本文被称为“应用程序预测引擎”)进行交互。更具体地，当搜索应用程序与应用程序预测引擎进行交互时，该搜索应用程序可发出对用户可能有兴趣访问的一个或多个应用程序的预测的请求。继而，该应用程序预测引擎可分析与被安装在移动计算设备上的应用相关联的信息，以产生预测。该搜索应用程序然后可在搜索应用程序的用户界面内显示经预测的一个或多个应用程序以供用户选择。

一个实施方案阐述了一种用于向移动计算设备的用户提供预测的方法。具体地，该方法由正在移动计算设备上执行的应用程序预测引擎来实现，并且包括下述步骤：(1)从正在移动计算设备上执行的搜索应用程序接收用于提供对被安装在移动计算设备上并且用户可能有兴趣激活的一个或多个应用程序的预测的请求，(2)识别被安装在移动计算设备上的应用程序的列表，(3)针对被包括在应用程序的列表中的每个应用程序：(i)通过对与所述应用程序对应的一个或多个数据信号执行一个或多个功能来生成所述应用程序的分数，并且(ii)使分数与应用程序相关联，(4)根据所生成的分数来对应用程序的列表进行筛选，以产生应用程序的经筛选的列表，(5)利用应用程序的经筛选的列表来填充预测，以及(6)向搜索应用程序提供预测。

另一个实施方案阐述了一种用于向移动计算设备的用户呈现预测的方法。具体地，该方法由正在移动计算设备上执行的搜索应用程序来实现，并且包括下述步骤：(1)检测对搜索应用程序的激活，(2)向应用程序预测引擎发出对被安装在移动计算设备上并且用户可能有兴趣激活的一个或多个应用程序的预测的请求，(3)从应用程序预测引擎接收预测，其中该预测包括一个或多个应用程序的列表，并且每个应用程序与相应分数相关联，以及(4)根据分数在搜索应用程序的用户界面内显示针对一个或多个应用程序中的至少一个应用程序的用户界面条目。

另一个实施方案阐述了一种被配置为向移动计算设备的用户呈现预测的移动计算设备。具体地，该移动计算设备包括处理器，该处理器被配置为执行搜索应用程序，该搜索应用程序被配置为执行包括以下各项的步骤：(1)检测对搜索应用程序的激活，并且(2)在搜索应用程序的用户界面内从用户接收到输入之前：(i)向正在移动计算设备上执行的应用程序预测引擎发出对被安装在移动计算设备上并且用户可能有兴趣激活的一个或多个应用程序的列表的请求，(ii)从应用程序预测引擎接收列表，以及(iii)在搜索应用程序的用户界面内显示针对被包括在列表中的一个或多个应用程序中的至少一个应用程序的用户界面条目。如上文所指出的，该处理器还被配置为执行应用程序预测引擎，其中该应用程序预测引擎被配置为执行包括以下各项的步骤：(1)从搜索应用程序接收对用户可能有兴趣激活的一个或多个应用程序的列表的请求，(2)生成列表，以及(3)向搜索应用程序提供该列表。

其他实施方案包括被配置为存储指令的非暂态计算机可读介质，该指令当由处理器执行时使得该处理器实现本文阐述的前述技术中的任一技术。

提供发明内容仅是为了概述一些示例性实施方案，以便提供对本文所述的主题的一些方面的基本理解。因此，应当理解，上文所述的特征仅为示例并且不应理解为以任何方式缩小本文所述的主题的范围或实质。本文所述的主题的其他特征、方面和优点将根据以下具体实施方式、附图和权利要求书而变得显而易见。

根据结合以举例的方式示出所述实施方案的原理的附图而进行的以下详细描述，本文所述的实施方案的其他方面和优点将变得显而易见。

附图说明

所包括的附图用于说明性目的并且仅能够向无线计算设备提供用于其应用程序的所公开的本发明的装置和方法的可能的结构和布置的示例。这些附图决不限制本领域的技术人员在不脱离实施方案的实质和范围的前提下可对实施方案进行的在形式和细节方面的任何修改。该实施方案通过下面结合附图的具体描述将更易于理解，其中类似的附图标记表示类似的结构元件。

图1示出了根据一些实施方案的被配置为实现本文所述的各种技术的移动计算设备的不同部件的框图。

图2示出了根据一些实施方案的由图1的应用程序预测引擎实现的方法。

图3示出了根据一些实施方案的由图1的搜索应用程序实现的方法。

图4示出了根据一些实施方案的图1的搜索应用程序的示例性用户界面的概念图。

图5示出了根据一些实施方案的可用于实现本文所述的各种部件的计算设备的详细视图。

具体实施方式

在本部分中提供了根据本发明所述的实施方案的装置和方法的代表性应用。提供这些示例仅是为了添加上下文并有助于理解所述实施方案。对于本领域的技术人员因此将显而易见的是，本发明所述的实施方案可在不具有这些具体细节中的一些或全部具体细节的情况下被实施。在其他情况下，未详细描述熟知的工艺步骤，以便避免不必要地模糊本发明所述的实施方案。其他应用程序也是可能的，使得以下示例不应被视为是限制性的。

本文所述的实施方案阐述了在用户激活他们的计算设备上的搜索应用程序时用于识别对用户可能有兴趣访问的一个或多个应用程序的预测并且在从用户接收搜索参数的输入之前用于对该预测进行呈现的技术。根据一些实施方案，该搜索应用程序可被配置为在每次该搜索应用程序被激活(例如，被显示在移动计算设备的用户界面内)时与应用程序预测引擎进行交互，并且查询应用程序预测引擎以用于对用户可能有兴趣访问的一个或多个应用程序的预测。继而，该应用程序预测引擎可分析与被安装在移动计算设备上的应用相关联的信息，以产生预测。该信息可包括例如应用程序安装时间戳、应用程序激活时间戳、应用程序激活总数、应用程序使用量度、应用程序图标在主要用户界面内的位置(例如，在屏幕上、在文件夹内等)、由用户最近提供的搜索参数、指示先前预测是否准确的所采集到的反馈等，这些能够使得应用程序预测引擎能够向搜索应用程序提供有意义且相关的预测。继而，该搜索应用程序可在搜索应用程序的用户界面内显示经预测的一个或多个应用程序以供用户选择。值得注意的是，该技术可大幅减少用户在他们每次试图访问特定应用程序时经历输入搜索参数的繁琐过程的发生率，这可提供用户对他们的移动计算设备的总体满意度的显著改善。

尽管本文阐述的实施方案主要涉及被配置为预测用户可能想要访问的应用程序的应用程序预测引擎，但需注意，也可在移动计算设备内实现用于提供不同类型的预测(例如，用户可能联系的人)的其他预测引擎。更具体地并且根据一些实施方案，每个预测引擎可被配置为将其自身分配作为移动计算设备内的特定预测类别的“专家”。例如，该应用程序预测引擎可将其自身分配作为“应用程序”预测类别方面的专家，以指示应用程序预测引擎专用于预测移动计算设备的用户可能有兴趣访问的应用程序。根据一些实施方案，应用程序预测引擎可采用使得该应用程序预测引擎能够分析数据(例如，上述信息)并根据该数据来提供预测的学习模型。尽管本公开主要论述被配置为实现学习模型的应用程序预测引擎，但需注意，本文所述的应用程序预测引擎也可采用用于分析行为数据并提供预测的任何技术。此外，需注意，为了提供针对不同类型的用户设备的专业预测，应用程序预测引擎在不同类型的用户设备(例如，智能电话、平板电脑、手表、膝上型电脑)上的功能方面可有所不同。例如，第一类型的应用程序预测引擎可被分配至智能电话，第二类型的应用程序预测引擎可被分配至平板电脑，等等。

如上文阐述的，在移动计算设备上实现的每个预测引擎可将其自身分配作为移动计算设备内的一个或多个预测类别方面的专家。因此，在一些情况下，两个或更多个应用程序预测引擎可将它们自身分配作为“应用程序”预测类别方面的专家。在这种情况下，当本文所述的搜索应用程序发出对预测的请求时，两个或更多个应用程序预测引擎中的每个应用程序预测引擎将根据请求进行其自身的分析(例如，根据应用程序预测引擎所采用的学习模型)并生成预测。在这种情况下，响应于对预测的请求来生成至少两个或更多个预测，这可能建立搜索应用程序可能无法解释的冗余和相互抵触的预测。

因此，实施方案还阐述了一种被配置为用作应用程序预测引擎和搜索应用程序之间的中介者的“预测中心”。为了提供这种功能，在预测引擎初始化并试图将它们自身分配作为一个或多个预测类别(例如，“应用程序”预测类别)的专家的情况下，预测中心可被配置为用作预测引擎(例如，应用程序预测引擎)的注册器。类似地并且根据一些实施方案，该预测中心还可被配置为管理移动计算设备内的不同类型的预测类别，使得消费类应用程序(例如，本文所述的搜索应用程序)可查询预测中心，以识别可提供的预测的类别。以这种方式，在消费方应用程序发出对特定预测类别的预测的请求并且两个或更多个预测引擎利用它们的一个或多个相应预测进行响应时，该预测中心可被配置为在对由消费方应用程序所发出的请求进行响应之前接收并处理预测。处理预测可涉及例如去除在预测中存在的重复信息、根据与预测引擎相关联的历史功能(即，准确度)量度来对预测施用加权、根据由预测引擎在生成它们的预测时所通告的分数来对预测进行排序等。以这种方式，该预测中心可将多个预测提炼成最佳预测并向消费方应用程序提供最佳预测。因此，该设计有利地简化了消费方应用程序的操作要求(因为它们不需要能够处理多个预测)，将繁重任务整合到预测中心，并使得消费方应用程序能够获取有用表示已将它们自身分配作为感兴趣的预测类别方面的专家的多种预测引擎的输入的预测。

因此，上文阐述的不同技术使得搜索应用程序能够与预测中心进行交互，以接收可能用于提高整体用户体验的预测。在一些情况下，对于搜索应用程序向预测中心/应用程序预测引擎提供反馈以指示预测是否准确可为有价值的。例如，当由应用程序预测引擎来实现学习算法时，由于反馈可用于“训练”学习算法并提高它们预测的总体准确度，因此此类反馈可为有利的。例如，当应用程序预测引擎生成特定应用程序可能被用户激活的预测时(例如，当在接收到来自用户的搜索输入之前显示在搜索应用程序内时)，搜索应用程序可提供指示预测适用的反馈(例如，特定应用程序被用户选择并激活)。继而，在预测引擎产生类似的后续预测的情况下，应用程序预测引擎可提高通告的分数。

此外，需注意，预测中心的架构可以启用本文所述的不同实体(诸如，应用程序预测引擎)的方式进行配置，以用作移动计算设备内的模块化部件。在一个架构方法中，每个应用程序预测引擎可被配置作为捆绑包，该捆绑包的格式(例如，树形结构)为预测中心所理解的并使得预测中心能够用作用于实现应用程序预测引擎的功能的平台。根据该方法，该预测中心可被配置为例如解析不同的文件系统路径(例如，在初始化时)，以识别位于移动计算设备内的不同捆绑包。以这种方式，可方便地将捆绑包添加到移动计算设备的文件系统，在移动计算设备的文件系统内更新捆绑包，并从移动计算设备的文件系统移除捆绑包，从而促成模块化配置，该模块化配置可随时间有效地演变而不需要对移动计算设备进行实质性的更新(例如，操作系统更新)。例如，应用程序预测引擎可以使得由应用程序预测引擎所执行的所有或一部分逻辑部件能够被更新(例如，通过空中下载(OTA)更新)的方式进行配置。需注意，上述架构为示例性的，并且可使用使得本文所述的各种实体能够彼此进行通信并提供它们的不同功能的任何架构。

另外，预测中心/应用程序预测引擎还可被配置为实现可用于减少在生成预测时所发生的处理量的一个或多个高速缓存。根据一些实施方案，在生成时，预测可伴随有指示应何时从预测存储所在的高速缓存中去除预测的“有效性参数”。有效性参数在本文中也被称为可限定例如基于时间的有效期、基于事件的有效期等的“有效期信息”。以这种方式，当应用程序预测引擎频繁接收到来自搜索应用程序的对预测的请求时，应用程序预测引擎可生成预测并对其进行高速缓存，以便大幅减少在处理对预测的重复请求的情况下可能以其他方式出现的未来处理量。需注意，预测中心/应用程序预引测擎可被配置为使用多种方来法对预测进行高速缓存。例如，在可用高速缓存存储器有限的情况下，预测中心/应用程序预测引擎可被配置为生成预测阈值次(例如，在时间窗口内)，并且在满足阈值的情况下，转变为对预测进行高速缓存并引用该高速缓存，以用于对预测的后续请求(只要有效期信息指示预测有效)。

因此，本文所述的实施方案阐述了在用户激活他们的计算设备上的搜索应用程序时用于识别对用户可能有兴趣访问的一个或多个应用程序的预测并且在从用户接收搜索参数的输入之前用于对该预测进行呈现的技术。这些技术的更详细的讨论在下面示出并结合图1-5进行描述，其示出了可用于实现这些技术的系统、方法和用户界面的详细图示。

图1示出了根据一些实施方案的被配置为实现本文所述的各种技术的移动计算设备100的不同部件的框图。更具体地，图1示出了移动计算设备100的高级概述，如图所示，该移动计算设备被配置为实现预测中心102、应用程序预测引擎104和搜索应用程序116。根据一些实施方案，预测中心102、应用程序预测引擎104、搜索应用程序116可在被配置为在移动计算设备100上执行的操作系统(OS)(图1中未示出)内实现。如图1所示，预测中心102可被配置为用作应用程序预测引擎104和搜索应用程序116之间的中介者。尽管在图1中未示出，但预测中心102例如在响应于由搜索应用程序116发出的请求来实现两个或更多个应用程序预测引擎104并产生两个或更多个预测时可被配置为实现被配置为整合多个预测的聚合器。然而，应当指出，应用程序预测引擎104和搜索应用程序116可被配置为彼此直接进行通信，以减少甚至消除在移动计算设备100内实现预测中心102的需求。还应指出，应用程序预测引擎104和搜索应用程序116无需在逻辑上彼此分开，并且可将由这些实体实现的不同功能组合在一起，以创建用于提供相同结果的不同架构方法。

如图1所示，可在应用程序预测引擎104和搜索应用程序116之间传送预测112，例如预测中心102可接收由应用程序预测引擎104生成的预测112并将该预测112转发至搜索应用程序116。也可在应用程序预测引擎104和搜索应用程序116之间传送反馈114，例如预测中心102可从搜索应用程序116接收反馈114并向应用程序预测引擎104提供反馈114，使得应用程序预测引擎104可随时间提高预测112准确度。

另外，预测中心102可被配置为实现高速缓存，该高速缓存使得预测中心102/应用程序预测引擎104能够对预测112进行高速缓存以试图提高移动计算设备100处的处理效率和能耗效率。例如，高速缓存可包括多个条目，其中每个条目包括预测112以及指示预测112被视为有效的时间长度的有效期信息。该有效期信息可包括例如基于时间的有效期、基于事件的有效期等。以这种方式，当应用程序预测引擎104频繁接收到对预测112的请求时，应用程序预测引擎104可生成预测112并对其进行高速缓存，以便大幅减少可能会出现在移动计算设备100的处理量，从而提高性能。

如前文所阐述的，应用程序预测引擎104可使用多种架构方法来实现，例如应用程序预测引擎104可为与预测中心102不相关的独立可执行的应用程序预测引擎，并且经由预测中心102所支持并由应用程序预测引擎104所利用的应用程序接口(API)命令来与预测中心102进行通信，该应用程序预测引擎104可为被存储在移动计算设备100的文件系统内并由预测中心102实现的捆绑包。如图1所示，应用程序预测引擎104可包括决定应用程序预测引擎104生成针对搜索应用程序116的预测的方式的配置参数106。具体地，该配置参数106可限定数据信号110由应用程序预测引擎104接收并由应用程序预测引擎104处理的方式，该数据信号110对应于对移动计算设备100内的应用程序预测引擎104可用的已安装的应用程序信息108。根据一些实施方案，数据信号110可表示应用程序安装时间戳(即，每个应用程序是何时安装的)、应用程序激活时间戳(例如，每个应用程序激活的最近时间)、应用程序激活总数(例如，应用程序已被激活的总次数)、应用程序使用量度(例如，应用程序激活的频率，可能受限于诸如当日时间或位置等因素)，等等。该数据信号110还可包括应用程序图标在移动计算设备100的用户界面内(例如，home屏幕上、文件夹内等)的位置、由用户最近提供的应用程序搜索参数、指示由应用程序预测引擎104提供的先前预测是否准确的所采集到的反馈，等等。

尽管图1中未示出，但应用程序预测引擎104也可被配置为实现使得应用程序预测引擎104能够提供随时间演变并保持与移动计算设备100的用户相关的预测112的学习模型。根据一些实施方案，该学习模型可表示被配置为分析信息(例如，数据信号110)并生成在操作移动计算设备100时可提高整体用户体验的预测112的算法。根据一些实施方案，由应用程序预测引擎104处理的信息可从移动计算设备100内的各种来源采集，例如在移动计算设备100上实现的文件系统、由搜索应用程序116所提供的反馈信息、由移动计算设备100的传感器(例如，全球定位系统(GPS)传感器、麦克风传感器、温度传感器等)所采集的信息、由外部来源(例如，在移动计算设备100上执行的其他应用程序、OS内核等)所提供的信息等等。

另外，如图1所示，移动计算设备100可被配置为与一个或多个服务器120进行交互(例如，经由互联网连接)，以接收可用于部分地或完全地更新应用程序预测引擎104、预测中心102和搜索应用程序116中的一者或多者的空中下载(OTA)更新122。因此，图1提供了可用于实现本文阐述的技术的各种部件的高级概述。

图2示出了根据一些实施方案的由应用程序预测引擎104执行的方法200。尽管方法200被描述为应用程序预测引擎104和搜索应用程序116彼此直接进行通信，但需注意，预测中心102可根据由本文所述的预测中心102所提供的各种功能而用作应用程序预测引擎104和搜索应用程序116之间的中介者。如图所示，该方法200在步骤202处开始，在此处应用程序预测引擎104从搜索应用程序116接收用于提供对被安装在移动计算设备100上的移动计算设备100的用户可能有兴趣访问的一个或多个应用程序的预测112的请求。该请求可响应于搜索应用程序在移动计算设备100上激活例如在移动计算设备100的用户输入使得搜索应用程序激活的手势时而由搜索应用程序116发出。

在步骤204处，应用程序预测引擎104识别被安装在移动计算设备100上的应用程序的列表。该信息可通过已安装的应用程序信息108和数据信号110获取。根据一些实施方案，可对应用程序的列表进行筛选，以省略其对应图标被显示在移动计算设备100的主要用户界面(例如，主屏幕)内的应用程序，因为用户不太可能搜索这些应用程序。以这种方式，应用程序预测引擎104可避免执行生成这些应用程序的分数所需的处理，这可提高效率。需指出，可实现其他筛选技术以从应用程序的列表中删除在应用程序预测引擎104根据本文所述的各种技术(例如，下文结合图2所述步骤206-212)分析应用程序的列表时不应考虑的应用程序。

在步骤206处，应用程序预测引擎104将当前应用程序设定为应用程序的列表中的第一应用程序。在步骤208处，应用程序预测引擎104对与当前应用程序对应的一个或多个数据信号110执行一个或多个功能，以生成当前应用程序的分数。根据一些实施方案，对数据信号110执行功能的初始阶段可涉及建立数据信号110的初始分数。例如，当数据信号110对应于应用程序的安装日期时，初始分数可基于自安装应用程序以来所经过的时间量，例如较近的安装日期的较高分数。又如，当数据信号110对应于识别应用程序的图标在移动计算设备100的用户界面内的位置的信息时，初始分数可基于用户界面页码(例如，图标相对于主屏幕所在的页码)、图标是否被包括在用户界面的文件夹中，等等。以这种方式，初始分数建立可根据与数据信号110对应的权重进一步调整的基线值，下文将更详细地进行描述。

根据一些实施方案，如上所述，对数据信号110执行功能可包括涉及根据与数据信号110相关联的固定加权来调整初始分数的附加阶段。另选地，加权在性质上可为动态的并随时间变化，例如加权可表示随时间衰减的值(例如，半衰期)，该值对表示与应用程序相关联的时间信息(例如，应用程序安装时间戳、应用程序激活时间戳等)的数据信号110是有利的。在任何情况下，可通过向初始分数施用加权来产生更新的分数。以这种方式，在完成对与当前应用程序对应的一个或多个数据信号110的一个或多个功能时，预测引擎可产生当前应用程序的最终形式的分数(例如，各个分数的总和)。

在步骤210处，应用程序预测引擎104确定附加应用程序是否被包括在应用程序的列表中。在步骤210处，如果应用程序预测引擎104确定附加应用程序被包括在应用程序的列表中，则方法200前进至步骤212。否则，方法200前进至步骤214，该步骤在下文中更详细地进行描述。在步骤212处，应用程序预测引擎104将当前应用程序设定作为应用程序的列表中的下一个应用程序。在步骤214处，应用程序预测引擎104根据(1)所生成的分数和(2)在步骤202处所接收到的请求来对应用程序的列表进行筛选。例如，请求可指示在移动计算设备100的用户界面内可仅显示三个应用程序建议(例如，根据屏幕尺寸或分辨率设置)，这可使得应用程序预测引擎104从应用程序的列表中删除其分数不在列表的前三位的任何应用程序。在步骤216处，应用程序预测引擎104利用应用程序的经筛选的列表来填充预测112，并向搜索应用程序116提供预测112。

图3示出了根据一些实施方案的由搜索应用程序116 116执行的方法300。如图所示，方法300在步骤302处开始，在此处搜索应用程序116被激活。在步骤304处，搜索应用程序116发出对用户可能有兴趣访问的一个或多个应用程序的预测112的请求。在步骤306处，搜索应用程序116接收响应于请求的预测112，其中预测112包括一个或多个应用程序的列表，并且每个应用程序与相应分数相关联(例如，根据上文结合图2所述的技术)。在步骤308处，根据该分数，搜索应用程序116在搜索应用程序116的用户界面内显示针对一个或多个应用程序中的至少一个应用程序的用户界面条目(例如，如图4所示并且如下文所述)。在步骤310处，搜索应用程序116通过用户界面来接收用户输入。

在步骤312处，搜索应用程序116确定用户输入是否对应于用户界面条目。在步骤312处，如果搜索应用程序116确定用户输入对应于用户界面条目，则方法300前进至步骤314。否则，方法300前进至步骤318，该步骤在下文中更详细地进行描述。在步骤314处，搜索应用程序116激活与用户界面条目对应的应用程序。在步骤316处，搜索应用程序116提供用于指示应用程序已被激活的反馈。最后，在步骤318处，搜索应用程序116使其自身去激活。

图4示出了根据一些实施方案的本文所述的搜索应用程序116的示例性用户界面402的概念图400。如图4所示，用户界面402可包括使得移动计算设备100的用户能够输入搜索参数(例如，使用被包括在用户界面402中的虚拟键盘408)的搜索栏404。此外，用户界面402可包括用户可能有兴趣激活的针对应用程序的多个用户界面条目406的列表，它们可通过由本文所述的应用程序预测引擎104产生的预测112来获取。继而，当用户提供可包括例如取消搜索、忽略建议的应用程序、和输入搜索参数、或选择用户界面条目406中的一个用户界面入口等的反馈时，该反馈可被转发至应用程序预测引擎104以供处理。

图5示出了根据一些实施方案的可用于实现本文所述的各个部件的计算设备500的详细视图。具体地，该详细视图示出了可被包括在图1中所示的移动计算设备100中的各个部件。如图5所示，计算设备500可包括表示用于控制移动计算设备500的总体操作的微处理器或控制器的处理器502。计算设备500还可包括允许计算设备500的用户与计算设备500进行交互的用户输入设备508。例如，用户输入设备508可采取多种形式，诸如按钮、小键盘、拨号盘、触摸屏、音频输入接口、视觉/图像捕获输入接口、传感器数据形式的输入等。更进一步地，计算设备500可包括可由处理器502控制以向用户显示信息的显示器510(屏幕显示器)。数据总线516可促进至少存储设备540、处理器502和控制器513之间的数据传输。该控制器513可用于通过装置控制总线514来与不同设备进行交互并对其进行控制。该计算设备500还可包括耦接至数据链路512的网络/总线接口511。在无线连接的情况下，网络/总线接口511可包括无线收发器。

该计算设备500还包括存储设备540，该存储设备可包括单个磁盘或多个磁盘(例如，硬盘驱动器)，并且包括管理存储设备540内的一个或多个分区的存储管理模块。在一些实施方案中，该存储设备540可包括闪存存储器、半导体(固态)存储器等。该计算设备500还可包括随机存取存储器(RAM)520和只读存储器(ROM)522。该ROM 522可存储将以非易失性方式执行的程序、实用程序、或过程。RAM 520可提供易失性数据存储并存储与计算设备500的操作相关的指令。

可单独地或以任何组合方式来使用所述实施方案的各个方面、实施方案、具体实施、或特征。可由软件、硬件、或硬件与软件的组合来实现所述实施方案的各个方面。所述实施方案还可被体现为计算机可读介质上的计算机可读代码。该计算机可读介质为可存储数据的任何数据存储设备，该数据其后可由计算机系统来读取。该计算机可读介质的示例包括只读存储器、随机存取存储器、CD-ROM、DVD、磁带、硬盘驱动器、固态驱动器、和光学数据存储设备。该计算机可读介质还可分布在网络耦接的计算机系统中，使得计算机可读代码以分布式方式被存储和执行。

为了进行解释，前述描述使用了特定命名，以提供对所述实施方案的彻底理解。然而，对于本领域的技术人员而言将显而易见的是，实践所述实施方案不需要这些具体细节。因此，对特定实施方案的前述描述是出于例示和描述的目的而呈现的。这些描述不旨在被认为是穷举性的或将所述的实施方案限制为所公开的精确形式。对于本领域的普通技术人员而言将显而易见的是，根据上述教导内容，许多修改和变型是可能的。

Claims (46)

1.一种用于向移动计算设备的用户前摄性地提供预测的方法，所述方法包括：

在正在所述移动计算设备上执行的应用程序预测引擎处：

针对被包括在安装于所述移动计算设备上的应用程序的列表中的每个应用程序：

对与所述应用程序对应的至少一个数据信号执行至少一个功能，以建立所述应用程序的分数，其中所述分数指示所述应用程序将由所述用户激活的可能性，以及

使所述分数与所述应用程序相关联；以及

向正在所述移动计算设备上执行的搜索应用程序提供预测，其中所述预测包括所述应用程序的列表以及它们的相关联的分数。

2.根据权利要求1所述的方法，还包括在向所述搜索应用程序提供所述预测之前：

从所述搜索应用程序接收对所述预测的请求，其中所述搜索应用程序响应于所述搜索应用程序的激活并在从所述用户接收搜索输入之前发出所述请求。

3.根据权利要求2所述的方法，其中所述请求指示应被包括在所述预测中所包括的所述应用程序的列表中的应用程序的特定数量。

4.根据权利要求1所述的方法，还包括针对被包括在所述应用程序的列表中的每个应用程序：

根据与所述至少一个数据信号相关联的权重来调整所述分数。

5.根据权利要求4所述的方法，其中当所述至少一个数据信号对应于所述移动计算设备内的应用程序访问的时间方面时，对所述至少一个数据信号执行所述至少一个功能还包括在根据与所述至少一个数据信号相关联的所述权重来调整所述分数之前：

根据应用于所述至少一个数据信号的衰减因子来调整所述至少一个数据信号的所述分数。

6.根据权利要求1所述的方法，其中所述至少一个数据信号选自以下各项中的一者或多者：应用程序安装时间戳、应用程序激活时间戳、应用程序激活总数、应用程序使用量度、应用程序图标在所述移动计算设备的主要用户界面内的位置、由所述用户最近提供的搜索参数、以及指示先前预测是否准确的所采集到的反馈。

7.根据权利要求6所述的方法，其中应用程序图标在所述移动计算设备的所述主要用户界面内的位置可指示：

所述应用程序图标被包括在其中的所述主要用户界面的页码，和

所述应用程序是否被包括在所述主要用户界面内的文件夹中。

8.根据权利要求6所述的方法，还包括在向所述搜索应用程序提供所述预测之后：

从所述搜索应用程序接收反馈，其中所述反馈指示在所述搜索应用程序中查看所述预测之后的所述用户的行为；以及

更新所采集到的反馈，以反映从所述搜索应用程序所接收的所述反馈。

9.一种被配置为存储指令的非暂态计算机可读存储介质，所述指令当由被包括在移动计算设备中的处理器执行时使得所述移动计算设备通过执行包括以下的步骤来向所述移动计算设备的用户前摄性地提供预测：

在正在所述移动计算设备上执行的应用程序预测引擎处：

针对被包括在安装于所述移动计算设备上的应用程序的列表中的每个应用程序：

对与所述应用程序对应的至少一个数据信号执行至少一个功能，以建立所述应用程序的分数，其中所述分数指示所述应用程序将由所述用户激活的可能性，以及

使所述分数与所述应用程序相关联；以及

向正在所述移动计算设备上执行的搜索应用程序提供预测，其中所述预测包括所述应用程序的列表以及它们的相关联的分数。

10.根据权利要求9所述的非暂态计算机可读存储介质，其中所述步骤还包括在向所述搜索应用程序提供所述预测之前：

从所述搜索应用程序接收对所述预测的请求，其中所述搜索应用程序响应于所述搜索应用程序的激活并在从所述用户接收搜索输入之前发出所述请求。

11.根据权利要求10所述的非暂态计算机可读存储介质，其中所述请求指示应被包括在所述预测中所包括的所述应用程序的列表中的应用程序的特定数量。

12.根据权利要求9所述的非暂态计算机可读存储介质，其中所述步骤还包括针对被包括在所述应用程序的列表中的每个应用程序：

根据与所述至少一个数据信号相关联的权重来调整所述分数。

13.根据权利要求12所述的非暂态计算机可读存储介质，其中当所述至少一个数据信号对应于所述移动计算设备内的应用程序访问的时间方面时，对所述至少一个数据信号执行所述至少一个功能还包括在根据与所述至少一个数据信号相关联的所述权重来调整所述分数之前：

根据应用于所述至少一个数据信号的衰减因子来调整所述至少一个数据信号的所述分数。

14.根据权利要求9所述的非暂态计算机可读存储介质，其中所述至少一个数据信号选自以下各项中的一者或多者：应用程序安装时间戳、应用程序激活时间戳、应用程序激活总数、应用程序使用量度、应用程序图标在所述移动计算设备的主要用户界面内的位置、由所述用户最近提供的搜索参数、以及指示先前预测是否准确的所采集到的反馈。

15.根据权利要求14所述的非暂态计算机可读存储介质，其中应用程序图标在所述移动计算设备的所述主要用户界面内的位置可指示：

所述应用程序图标被包括在其中的所述主要用户界面的页码，和

所述应用程序是否被包括在所述主要用户界面内的文件夹中。

16.根据权利要求14所述的非暂态计算机可读存储介质，其中所述步骤还包括在向所述搜索应用程序提供所述预测之后：

从所述搜索应用程序接收反馈，其中所述反馈指示在所述搜索应用程序中查看所述预测之后的所述用户的行为；以及

更新所采集到的反馈，以反映从所述搜索应用程序所接收的所述反馈。

17.一种被配置为向移动计算设备的用户前摄性地提供预测的移动计算设备，所述移动计算设备包括处理器，所述处理器被配置为使得所述移动计算设备执行包括以下的步骤：

在正在所述移动计算设备上执行的应用程序预测引擎处：

针对被包括在安装于所述移动计算设备上的应用程序的列表中的每个应用程序：

对与所述应用程序对应的至少一个数据信号执行至少一个功能，以建立所述应用程序的分数，其中所述分数指示所述应用程序将由所述用户激活的可能性，以及

使所述分数与所述应用程序相关联；以及

向正在所述移动计算设备上执行的搜索应用程序提供预测，其中所述预测包括所述应用程序的列表以及它们的相关联的分数。

18.根据权利要求17所述的移动计算设备，其中所述步骤还包括在向所述搜索应用程序提供所述预测之前：

从所述搜索应用程序接收对所述预测的请求，其中所述搜索应用程序响应于所述搜索应用程序的激活并在从所述用户接收搜索输入之前发出所述请求。

19.根据权利要求18所述的移动计算设备，其中所述请求指示应被包括在所述预测中所包括的所述应用程序的列表中的应用程序的特定数量。

20.根据权利要求17所述的移动计算设备，其中所述步骤还包括针对被包括在所述应用程序的列表中的每个应用程序：

根据与所述至少一个数据信号相关联的权重来调整所述分数。

21.根据权利要求20所述的移动计算设备，其中当所述至少一个数据信号对应于所述移动计算设备内的应用程序访问的时间方面时，对所述至少一个数据信号执行所述至少一个功能还包括在根据与所述至少一个数据信号相关联的所述权重来调整所述分数之前：

根据应用于所述至少一个数据信号的衰减因子来调整所述至少一个数据信号的所述分数。

22.根据权利要求17所述的移动计算设备，其中所述至少一个数据信号选自以下各项中的一者或多者：应用程序安装时间戳、应用程序激活时间戳、应用程序激活总数、应用程序使用量度、应用程序图标在所述移动计算设备的主要用户界面内的位置、由所述用户最近提供的搜索参数、以及指示先前预测是否准确的所采集到的反馈。

23.根据权利要求22所述的移动计算设备，其中应用程序图标在所述移动计算设备的所述主要用户界面内的位置可指示：

所述应用程序图标被包括在其中的所述主要用户界面的页码，和

所述应用程序是否被包括在所述主要用户界面内的文件夹中。

24.根据权利要求22所述的移动计算设备，其中所述步骤还包括在向所述搜索应用程序提供所述预测之后：

从所述搜索应用程序接收反馈，其中所述反馈指示在所述搜索应用程序中查看所述预测之后的所述用户的行为；以及

更新所采集到的反馈，以反映从所述搜索应用程序所接收的所述反馈。

25.一种用于向移动计算设备的用户前摄性地呈现预测的方法，所述方法包括：

在正在所述移动计算设备上执行的搜索应用程序处：

检测所述搜索应用程序的激活；

向应用程序预测引擎发出对被安装在所述移动计算设备上并且所述用户可能有兴趣激活的一个或多个应用程序的预测的请求；

从所述应用程序预测引擎接收所述预测，其中所述预测包括一个或多个应用程序的列表，并且每个应用程序与相应分数相关联；以及

根据所述分数在所述搜索应用程序的用户界面内显示所述一个或多个应用程序中的至少一个应用程序的用户界面入口。

26.根据权利要求25所述的方法，其中在经由被包括在所述搜索应用程序的所述用户界面中的搜索栏接收搜索输入之前向所述应用程序预测引擎发出所述请求。

27.根据权利要求25所述的方法，还包括：

通过所述搜索应用程序的所述用户界面来接收用户输入；

以反馈的形式来提供与所述用户输入相关联的信息。

28.根据权利要求27所述的方法，其中所述反馈指示所述用户选择了所述至少一个应用程序的所述用户界面入口还是输入了搜索参数。

29.根据权利要求25所述的方法，其中所述请求指示应被包括在所述预测中的应用程序的特定数量，并且所述应用程序的特定数量基于能够在所述搜索应用程序的所述用户界面内向用户显示的应用程序的用户界面入口的数量。

30.一种被配置为存储指令的非暂态计算机可读存储介质，所述指令当由被包括在移动计算设备中的处理器执行时使得所述移动计算设备通过执行包括以下的步骤来向所述移动计算设备的用户前摄性地呈现预测：

在正在所述移动计算设备上执行的搜索应用程序处：

检测所述搜索应用程序的激活；

向应用程序预测引擎发出对被安装在所述移动计算设备上并且所述用户可能有兴趣激活的一个或多个应用程序的预测的请求；

从所述应用程序预测引擎接收所述预测，其中所述预测包括一个或多个应用程序的列表，并且每个应用程序与相应分数相关联；以及

根据所述分数在所述搜索应用程序的用户界面内显示所述一个或多个应用程序中的至少一个应用程序的用户界面入口。

31.根据权利要求30所述的非暂态计算机可读存储介质，其中在经由被包括在所述搜索应用程序的所述用户界面中的搜索栏接收搜索输入之前向所述应用程序预测引擎发出所述请求。

32.根据权利要求30所述的非暂态计算机可读存储介质，其中所述步骤还包括：

通过所述搜索应用程序的所述用户界面来接收用户输入；

以反馈的形式来提供与所述用户输入相关联的信息。

33.根据权利要求32所述的非暂态计算机可读存储介质，其中所述反馈指示所述用户选择了所述至少一个应用程序的所述用户界面入口还是输入了搜索参数。

34.根据权利要求30所述的非暂态计算机可读存储介质，其中所述请求指示应被包括在所述预测中的应用程序的特定数量，并且所述应用程序的特定数量基于能够在所述搜索应用程序的所述用户界面内向用户显示的应用程序的用户界面入口的数量。

35.一种被配置为向移动计算设备的用户前摄性地呈现预测的移动计算设备，所述移动计算设备包括处理器，所述处理器被配置为使得所述移动计算设备执行包括以下的步骤：

在正在所述移动计算设备上执行的搜索应用程序处：

检测所述搜索应用程序的激活；

向应用程序预测引擎发出对被安装在所述移动计算设备上并且所述用户可能有兴趣激活的一个或多个应用程序的预测的请求；

从所述应用程序预测引擎接收所述预测，其中所述预测包括一个或多个应用程序的列表，并且每个应用程序与相应分数相关联；以及

根据所述分数在所述搜索应用程序的用户界面内显示所述一个或多个应用程序中的至少一个应用程序的用户界面入口。

36.根据权利要求35所述的移动计算设备，其中在经由被包括在所述搜索应用程序的所述用户界面中的搜索栏接收搜索输入之前向所述应用程序预测引擎发出所述请求。

37.根据权利要求35所述的移动计算设备，其中所述步骤还包括：

通过所述搜索应用程序的所述用户界面来接收用户输入；

以反馈的形式来提供与所述用户输入相关联的信息。

38.根据权利要求37所述的移动计算设备，其中所述反馈指示所述用户选择了所述至少一个应用程序的所述用户界面入口还是输入了搜索参数。

39.根据权利要求35所述的移动计算设备，其中所述请求指示应被包括在所述预测中的应用程序的特定数量，并且所述应用程序的特定数量基于能够在所述搜索应用程序的所述用户界面内向用户显示的应用程序的用户界面入口的数量。

40.一种被配置为向移动计算设备的用户前摄性地呈现预测的移动计算设备，所述移动计算设备包括处理器，所述处理器被配置为执行：

搜索应用程序，所述搜索应用程序被配置为执行包括以下的步骤：

检测所述搜索应用程序的激活，以及

在所述搜索应用程序的用户界面内从用户接收到输入之前：

向正在所述移动计算设备上执行的应用程序预测引擎发出对被安装在所述移动计算设备上并且所述用户可能有兴趣激活的一个或多个应用程序的列表的请求，

从所述应用程序预测引擎接收所述列表，以及

在所述搜索应用程序的用户界面内显示被包括在所述列表中的所述一个或多个应用程序中的至少一个应用程序的用户界面入口；和

应用程序预测引擎，其中所述应用程序预测引擎被配置为执行包括以下的步骤：

从所述搜索应用程序接收对所述用户可能有兴趣激活的一个或多个应用程序的所述列表的所述请求，

生成所述列表，以及

向所述搜索应用程序提供所述列表。

41.根据权利要求40所述的移动计算设备，其中生成所述列表包括：

针对被安装在所述移动计算设备上的每个应用程序：

通过对与所述应用程序对应的一个或多个数据信号执行一个或多个功能来生成所述应用程序的分数，以及

使所述分数与所述应用程序相关联；以及

根据所生成的分数来筛选所述应用程序；以及

将经筛选的所述应用程序并入到所述列表中。

42.根据权利要求41所述的移动计算设备，其中对所述一个或多个数据信号中的数据信号执行所述一个或多个功能中的功能包括：

基于与所述数据信号相关联的信息来建立所述数据信号的分数；以及

根据与所述数据信号相关联的权重来调整所述分数。

43.根据权利要求42所述的移动计算设备，其中当所述数据信号对应于所述移动计算设备内的应用程序访问的时间方面时，对所述数据信号执行所述功能还包括在根据与所述数据信号相关联的所述权重来调整所述分数之前：

根据应用于所述数据信号的衰减因子来调整所述数据信号的所述分数。

44.根据权利要求41所述的移动计算设备，其中所述一个或多个数据信号包括应用程序安装时间戳、应用程序激活时间戳、应用程序激活总数、应用程序使用量度、应用程序图标在所述移动计算设备的主要用户界面内的位置、由所述用户最近提供的搜索参数、以及指示先前预测是否准确的所采集到的反馈。

45.根据权利要求44所述的移动计算设备，其中应用程序图标在所述移动计算设备的所述主要用户界面内的位置可指示：

所述应用程序图标被包括在其中的所述主要用户界面的页码，和

所述应用程序是否被包括在所述主要用户界面内的文件夹中。

46.根据权利要求44所述的移动计算设备，其中所述应用程序预测引擎被进一步配置为在向所述搜索应用程序提供所述列表之后，执行包括以下的步骤：

从所述搜索应用程序接收反馈，其中所述反馈指示在向所述搜索应用程序提供所述列表之后的所述用户的行为；以及

更新所采集到的反馈，以反映从所述搜索应用程序所接收的所述反馈。