KR101143167B1 - 우선 순위화 시스템, 및 우선 순위 생성 및 관리를 제공하는 방법 및 시스템 - Google Patents

Abstract

본 발명은 예를 들면 전자 메시지와 관련된 복수의 정보가 사용자 또는 시스템에 전송되도록 우선 순위화 시스템(12, 230)에 의해 자동으로 우선 순위가 정해질 수 있게 하는 시스템(10, 200) 및 방법(74)에 관한 것이다. 우선 순위화 시스템(12, 230)은 사용자에 대해 학습된 중요도에 따라서 하나 이상의 수신 메시지(14)에 우선 순위를 매기도록 명시적으로 및/또는 암시적으로 트레이닝될 수 있는 분류자들(20)을 사용할 수 있다. 일례로서, 메시지들(14)은 유사한 중요도를 갖는 메시지들의 유형 또는 표본의 트레이닝 세트(40)에 의하여 높음, 중간, 낮음 또는 다른 중요도로서 분류될 수 있다. 메시지 중요도에 관한 사용자의 개인적 결정에 따라서 상기 분류자(20)를 더욱 정련하거나 조율하기 위해 메시지 처리에 관한 사용자의 활동을 모니터링하도록 백그라운드 모니터(34)가 제공될 수 있다. 다른 우선 순위 분류는 메시지의 처리 또는 지연된 검토에 대한 시간과 관련된 손실에 관한 결정을 포함할 수 있다.

우선 순위화 시스템, 전자 메시지, 트레이닝, 메시지 중요도, 백그라운드 모니터

Description

우선 순위화 시스템, 및 우선 순위 생성 및 관리를 제공하는 방법 및 시스템{PRIORITIES GENERATION AND MANAGEMENT}

본 발명은 일반적으로 컴퓨터 시스템에 관한 것이며, 보다 구체적으로는, 정보와 관련된 하나 이상의 우선 순위를 생성하고 관리하기 위하여 중요도 및/ 또는 예상 손실의 측정치와 같은 인자에 따라 정보 우선 순위화를 제공하는 방법 및 시스템에 관한 것이다.

컴퓨터 및 정보 시스템과, 무선 및 인터넷 통신과 같은 관련 네트워크 기술의 성장과 함께, 사용자/시스템에 의해 통신되고 전달되며 처리되는 전자 정보의 양이 증가하고 있다. 예를 들어, 이메일(e-mail) 프로그램은 컴퓨터 사용자 간에 이러한 정보를 생성하고 수신하기 위한 보편적인 어플리케이션이 되었다. 인터넷의 출현으로, 예를 들어, 이메일 교환은 많은 사람들이 컴퓨터를 구입하고자 하는 이유에 영향을 미치는 중요한 요소가 되었다. 많은 기업 환경 내에서, 이메일은 동료들 간에 정보를 교환하는 거의 사실상의 표준이 되었다. 그러나, 이메일과 다른 정보 전달 시스템의 보급이 증대되면서, 복수의 소스로부터 나오는 증가하는 정보량을 관리하고 처리함에 있어 문제점들이 나타나기 시작했다.

이러한 문제들 중에서, 현재 많은 사용자들은 분류되고 응답되어야 할 이메일 및/또는 다른 정보의 홍수에 직면하고 있으며, 그 결과 정보의 송신, 수신 및 처리를 할 능력이 생산성에 거의 장애물이 되었다. 예를 들어, 어떤 사용자들은 하루에 100개 이상의 이메일 메시지를 수신하고 있다고 알려져 있다. 결국, 이러한 다량의 이메일과 다른 전자 정보에 의해, 중요도에 대한 개인적인 판단을 내리는 데 소중한 시간을 소비하지 않고, 무엇이 중요하고 무엇이 중요하지 않은지에 따라 정보를 관리하기가 힘들어지고 있다. 이러한 판단의 일례로, 사용자는 메시지에 즉각 응답을 해야하는지, 나중에 읽도록 남겨 둘 것인지, 또는 중요하지 않은 것(예를 들어, 정크 메일)이므로 삭제해 버릴 것인지를 결정해야 할 것이다.

정보 관리 문제에 대해 몇가지 시도가 이루어지고 있다. 예를 들어, 사용자가 수신하는 정크 또는 선전용 이메일의 양을 줄이기 위한 시도가 있어 왔다. 또한, 어떤 이메일 프로그램은 프로그램 내에서 이메일이 관리되는 방법을 지배하는 규칙을 생성하게 한다. "특정 동료나 주소로부터 오는 모든 이메일"이 특정한 폴더로 이동되도록 하는 규칙을 예로 들 수 있다.

그러나, 어떤 형태의 정보를 제한하는 이러한 시도들은, 일반적으로 이메일과 그 외의 정보 전달/수신 시스템의 배후에 있는 근본적인 문제에 접근하지 못하고 있다. 즉, 종래 시스템은 어떤 메시지를 검토하거나 더 진행시켜야 하는지를 결정하기 위하여, 흔히 사용자들이 수신한 메시지 전부는 아닐지라도 몇몇 메시지의 적어도 일부분을 수동으로 확인하고 읽도록 하고 있다.

따라서, 다량의 정보가 수신되더라도, 관련된 수동 조작의 비용을 덜면서 전자 정보의 효과적인 처리를 용이하게 하기 위한 시스템과 방법이 필요하게 된다.

이하에서는 본 발명의 몇가지 양상의 기본적인 이해를 제공하기 위해 발명의 간략한 개요를 보여준다. 이 개요는 본 발명의 광범위한 개관은 아니다. 본 발명의 핵심적이거나 결정적인 요소를 식별시키거나 본 발명의 범위를 서술하고자 하는 것이 아니다. 후술할 더욱 구체적인 기술에 앞서 본 발명의 일부 개념들을 단순화된 형태로 제시하고자 함이 유일한 목적이다.

본 발명은 전자 정보(예를 들어, 이메일 메시지 관련 텍스트)에 대한 우선 순위를 생성하고 관리하기 위한 시스템 및 방법에 관한 것이다. 정보는 우선 순위화 시스템에 의해 자동적으로 우선 순위화되고, 상기 정보는 시간이 경과함에 따라 메시지를 검토하지 않게 되었을 때에 대하여 메시지에 포함된 정보의 크리티컬리티(criticality)를 측정하는 예상 손실(expected loss), 중요도, 및/또는 긴급도에 따라 분류된다. 예를 들어, 우선 순위화 시스템에 의해 판정된 분류 수준(예를 들어, 정보의 중요도)을 나타내는 메시지에 어떤 값을 할당할 수 있다. 통지, 변경 및/또는 라우팅(routing) 시스템과 같은 다른 시스템들은, 후속하는 시스템 및/또는 사용자에게 메시지를 포워드하거나 송신할지의 여부와, 그 방법 및 적절한 시기를 판정할 때 상기 값을 사용할 수 있다. 중요도, 긴급도, 크리티컬리티(criticality)와 같은 판정된 분류에 따라 자동적으로 메시지의 우선 순위를 선 정하고 이 판정을 기초로 사용자들에게 메시지를 제공함으로써, 사용자들이 복수의 수신 메시지를 분류하고 처리하는 데 드는 시간의 양을 줄여, 종래 시스템에 비해 많은 시간이 절약된다.

본 발명의 한 양태에 따르면, 텍스트와 같은 파일의 우선 순위는, 예를 들어, 그 텍스트가 높은 우선 순위 또는 다른 우선 순위를 가질 가능성을 판정함으로써, 분류자(classifier)에 기초하여 생성된다. 분류자는 베이즈 분류자(Bayesian classifier), 서포트 벡터 머신(Support Vector Machine) 및/또는 다른 형태의 분류자가 될 수 있다. 분류자는 그 텍스트에 참조된 이벤트들의 시점 뿐만 아니라, 사용자와 텍스트의 송신자 사이의 구조적 관계와 같은 데이터 특징을 고려할 수 있다. 현 시점에서 텍스트를 출력하는 데 대한 예상 비용뿐만 아니라, 현 시점에서 텍스트의 검토가 없음에 대한 예상 손실과 같은 다른 고려 사항들이 상기 우선 순위를 기초로 판정될 수 있다. 또한, 예를 들어 프로파일(예를 들어, 사용자 선호 정보 저장부)에 따라 예상 비용보다 예상 손실이 더 크다는 판정에 응답하여 이동 장치 상에서 사용자에게 경고할 수 있다.

현재의 프로파일은 다수의 프로파일로부터 선택될 수 있으며, 이는 사용자에 의해 상이한 컨텍스트들(예를 들어, 집, 직장, 여가 시간, 바쁠 때, 휴가, 여행)을 반영하도록 편집될 수 있다. 프로파일은 날짜별, 시간별로 스케쥴화될 수 있으며, 뒤이어 잠금 해제(unlock)가 되지 않으면 활성 상태로 잠길(lock) 수 있다. 프로파일은, 사용자가 설정하여 수신 메시지의 양/형태 등을 제어할 수 있게 하는 우선 순위 한계치(threshold)를 가진다. 프로파일과 관련된 청크 설정(chunk setting) 은 텍스트의 전달을 제어한다. 예를 들어, 텍스트나 다른 데이터는 하나 또는 그 이상의 다른 관련 텍스트나 데이터와 결합하여 이동 또는 다른 통신 장치로 전달될 수 있다. 대신에, 텍스트는 특정 기간이 만료할 경우 통신 장치로 전달될 수도 있다. 또한, 텍스트는, 만일 데스크 탑 컴퓨터와 같이 사용자의 주된 장치가 특정 기간동안 아이들(idle)로 판정되면, 예를 들어, 후속 장치나 대체 장치로 전달되거나 전환될 수 있다.

텍스트 또는 다른 데이터는 예를 들어 이동 장치와 같은 수신 양식에 전달되기 앞서 포맷될 수 있다. 포맷은 압축 및 단편화(fragmentation)를 포함할 수 있다. 전자의 경우, 텍스트는 사용자에 의해 설정될 수 있는 특정 압축 설정에 따라 압축될 수 있다. 후자의 경우에도, 사용자가 설정할 수 있는 단편화 설정이 존재한다. 만일 텍스트나 다른 데이터가 이메일인 경우, 텍스트의 송신자는 텍스트가 사용자의 수신 장치에 전달되었다는 표시를 수신할 수 있다. 또한, 송신자는 사용자가 그의 주된 장치로부터 떨어져 있다는 표시를 수신할 수 있다. 또한, 사용자에게 경고를 하는 것도 사용자의 캘린더 및 시간을 고려할 수 있다. 캘린더 상의 이벤트는, 이벤트동안 사용자가 방해받는 것에 순응하는 정도를 특정하는 관련 태그를 가질 수 있다.

다음의 설명 및 참조 도면은 본 발명의 예시적인 한 양태에 따라 자세히 설명된다. 그러나, 이러한 양태들은, 본 발명의 원리들이 채용되는 몇몇 다양한 방법들을 나타내고, 본 발명은 그러한 모든 양태들 및 그 동등물을 포함하도록 의도된다. 본 발명의 다른 장점 및 신규한 특징들은 참조 도면과 결부된 하기의 본 발 명의 상세한 설명으로부터 명확하게 알 수 있다.

본 발명은 컴퓨터, 컴퓨터 소프트웨어 및 정보 기술 분야에서 산업상 이용가능성을 갖는다.

본 발명은, 전자 메시지에 관련된 복수의 정보가, 예를 들어, 사용자 또는 시스템으로의 전송을 위해, 우선 순위화 시스템(priorities system)에 의해 자동적으로 순위가 결정되도록 하는 시스템 및 방법에 관한 것이다. 우선 순위화 시스템은, 사용자에 대해 학습된 중요도에 따라, 하나 이상의 수신 메시지에 대해 우선 순위를 정하도록 명시적 및/또는 암시적으로 트레이닝될 수 있는 분류자를 이용할 수 있다. 일례로서, 메시지들은, 유사한 중요도를 갖는 메시지의 유형 또는 예들의 트레이닝 세트를 통해 높음, 중간, 낮음 또는 다른 중요도로 분류될 수 있다. 백그라운드 모니터는, 메시지의 중요도에 관련된 사용자의 개인적 결정에 따라 분류자를 더욱 개량하거나 조정하는 메시지 처리에 관해서 사용자의 활동을 모니터링하기 위해 제공될 수 있다. 다른 우선 순위 분류는, 메시지의 검토 또는 처리가 지연된 시간에 관련된 손실에 관한 결정을 포함할 수 있다.

메시지들 또는 다른 통지들의 우선 순위가 자동적으로 정해진 후, 사용자는 복수의 덜 중요한 및/또는 관련없는 메시지를 소팅(sorting)할 필요없이 보다 중요한 메시지를 검토할 수 있다. 메시지들은 중요도에 따라 하나 또는 그 이상의 폴더로 모아질 수 있고, 여기서 사용자는 원하는 시간에 유사한 중요도로 분류된 메 시지를 검토할 수 있다. 통지 플랫폼(notification platform)과 같은 다른 시스템은 메시지들을 결정된 우선 순위에 기초하여 하나 이상의 통지 싱크(sink)(예를 들어, 이동 전화, 휴대용 컴퓨터)로 보낼 수 있다. 예를 들어, 이메일 메시지가 높은 중요도를 갖는 것으로 판정되면, 통지 플랫폼은 사용자가 현재 책상 앞에 있어서 그 메시지를 수신할 수 있는지를 판정할 수 있다. 그렇지 않으면, 통지 플랫폼은 그 메시지를, 휴대폰 또는 홈 랩탑 컴퓨터와 같이 현재 사용자가 사용할 가능성이 가장 높은 통신 장치로 다시 보낼 수 있고, 사용자는 중요하거나 급한 메시지를 통지 받을 수 있다.

먼저 도 1을 참조하면, 시스템(10)은 본 발명의 한 양태에 따른, 우선 순위화 시스템(12) 및 통지 아키텍쳐를 도시한다. 우선 순위화 시스템(12)은 하나 이상의 메시지 또는 통지(14)를 수신하며, 관련 메시지에 대한 우선 순위 또는 중요도 측정치(예를 들면, 메시지가 높거나 낮은 중요도를 가질 확률값)를 생성하며, 관련 우선 순위값을 갖는 하나 이상의 메시지를 출력(16)으로서 제공한다. 이하에 더욱 상세히 기술되는 바와 같이, 분류자는 우선 순위의 측정치를 메시지(14)에 자동적으로 할당하도록 구성되고 트레이닝될 수 있다. 예를 들면, 메시지가 높음, 중간, 낮음의 카테고리 또는 그 밖의 다른 등급의 중요도 카테고리에 속할 확률이 메시지에 할당되도록 출력(16)이 포맷될 수 있다. 메시지는, 예를 들어 결정된 중요도 카테고리에 따라 이메일 프로그램의 메일함(도시하지 않음) 내에 자동으로 소팅될 수 있다. 소팅에는, 정의된 중요도 라벨을 갖는 시스템 폴더로 파일을 보내는 단계도 포함될 수 있다. 이는 폴더들이 높음, 낮음, 중간과 같은 중요도 등급 으로 라벨링되게 하는 것을 포함할 수 있는데, 여기서 특정 중요도를 갖는다고 판정된 메시지는 관련 폴더로 소팅된다. 마찬가지로, 원하는 우선 순위를 갖는 메시지가 수신되었음을 사용자에게 알려주기 위해 하나 이상의 음향 또는 시각적 디스플레이(예를 들면, 아이콘, 심볼)가 채택될 수 있다 (예를 들면, 높은 우선 순위 메시지에 대해서는 세 번의 비프(beep), 중간 우선 순위 메시지에 대해서는 두 번의 비프, 낮은 우선 순위 메시지에 대해서는 한 번의 비프, 높은 우선 순위에 대해서는 적색 또는 깜박이는 경고 심볼, 중간 우선 순위에 대해서는 녹색 및 깜박이지 않는 경고 심볼).

본 발명의 다른 양태에 따르면, 우선 순위화 시스템(12)과 함께 통지 플랫폼(17)이 사용되어, 우선 순위가 정해진 메시지를 사용자가 액세스할 수 있는 하나 이상의 통지 싱크에 전달할 수 있다. 이하에 상세히 기술되는 바와 같이, 통지 플랫폼(17)은 우선 순위가 정해진 메시지(16)를 수신하고, 예를 들어 사용자에게 언제 어디에 어떻게 통지할지에 관한 결정을 내리도록 구성될 수 있다. 예를 들면, 통지 플랫폼(17)은 통신 양식(예를 들면, 휴대 전화 또는 PDA(Personal Digital Assistant)와 같은 사용자의 현재 통지 싱크(18)) 및 사용자의 가능한 위치 및/또는 사용자가 주의 집중할 가능성이 있는 초점을 결정할 수 있다. 예를 들어 높은 중요도의 이메일이 수신될 경우, 통지 플랫폼(17)은 사용자 위치/초점을 결정하고 사용자에 관련된 통지 싱크(18)에 메시지를 전달하고 재포맷할 수 있다. 낮은 우선 순위 메시지(16)가 수신될 경우, 통지 플랫폼(17)은 예를 들어 사용자의 메일함 내에 이메일을 남겨두고 후에 원할 경우 검토하게 하도록 구성될 수 있다. 이후 자세히 기술되는 바와 같이, 우선 순위가 정해진 메시지(16)를 사용자 및/또는 그 밖의 다른 시스템에 전달하도록, 그 밖의 다른 라우팅 및/또는 경고 시스템(19)이 사용될 수 있다.

이하에서는, 이메일과 같은 텍스트 파일에 대한 우선 순위의 생성에 대해 자동 분류 시스템 및 프로세스를 통해 기술하기로 한다. 설명되는 바와 같은 텍스트에 대한 우선 순위의 생성은, 이하 상세히 기술되는 통지 플랫폼과 같은 그 밖의 다른 시스템 내에서 사용될 수 있다. 이하에서는, 텍스트 분류자의 명시적/암시적 트레이닝을 나타낸 도 2와, 텍스트에 대한 우선 순위가 텍스트 분류자에 대한 입력에 의해 생성되는 방법을 나타낸 도 3을 참조하여 설명한다. 또한, 텍스트의 우선 순위가 분류될 때 따를 수 있는 서로 다른 스키마를 나타낸 도 4 및 도 5와, 텍스트 유형에 따라 적용할 수도 있는 비용 함수를 나타내는 그래프인 도 5 및 도 6도 또한 참조하여 설명한다.

이제 도 2를 참조하면, 텍스트/데이터 분류자(20)는 화살표(22)에 의해 표시된 바와 같이 명시적으로 트레이닝되고 화살표(24)에 의해 표시된 바와 같이 암시적으로 트레이닝되어서 우선 순위에 따른 분류를 실행한다. 화살표(22)로 표시된 명시적인 트레이닝은 분류자(20)를 구성하는 초기 단계에서 일반적으로 행해지며, 화살표(24)로 나타낸 암시적인 트레이닝은 일반적으로 분류자(20)가 구성된 후에 행해져서 예를 들어 백그라운드 모니터(34)를 통해 분류자(20)의 미세한 튜닝을 행하게 된다. 분류 트레이닝 및 실행 방안의 일례로서 제시된 SVM 분류자를 참조하여 구체적으로 기술하기로 한다. 그 밖의 다른 텍스트 분류 방안에는, 베이즈 네 트워크(Bayesian networks) 및 결정 트리가 포함되며, 독립적인 서로 다른 패턴을 제공하는 확률적 분류 모델이 사용될 수도 있다. 본 명세서에서 사용된 텍스트 분류는 또한 우선 순위 모델을 발전시키는 데 사용되는 통계학적 회귀도 포함한다.

본 발명의 한 양태에 따르면, 널리 공지된 서포트 벡터 머신(Support Vector Machines; SVM)이 분류자(20)로서 사용된다. 네이브 베이즈(Naive Bayes), 베이즈 넷(Bayes Net), 결정 트리 및 그 외의 학습 모델과 같은 그 밖의 다른 분류자 모델도 또한 사용될 수도 있다. SVM은 분류자 구성기 및 특성 모듈(26) 내의 학습 또는 트레이닝 단계를 통해 구성된다. 분류자는, 입력 특성 벡터 x=(x1, x2, x3, x4, xn)를, 그 입력이 하나의 클래스에 속할 컨피던스로 맵핑하는 함수, 즉 f(x?)=confidence(class)이다. 텍스트 분류의 경우, 속성은 단어나 구문, 또는 단어로부터 유도되는 그 밖의 다른 도메인 특정 속성(예를 들면, 음성의 일부, 키워드의 존재)이며, 클래스는 원하는 카테고리 또는 영역(예를 들면 우선 순위의 레벨)이다.

SVM 및 그 밖의 다른 유도성 학습(inductive-learning) 방안의 양태는, 분류 함수를 자동적으로 학습하기 위한 라벨된 인스턴스(instance)의 트레이닝 세트를 사용하는 것이다. 트레이닝 세트는, 분류자 구성기(26)에 관련된 데이터 저장부(30) 내에 나타나 있다. 기술한 바와 같이, 트레이닝 세트는, 잠재적 및/또는 실질적 요소, 또는 특정 카테고리에 관련된 요소 조합(예를 들면, 단어 또는 구문)을 나타내는 그룹 G1 내지 GN의 서브세트를 포함할 수 있다. 데이터 저장부(30)는 또한 복수의 카테고리 1 내지 M을 포함하며, 그룹들은 하나 이상의 카테고리에 관 련될 수 있다. 학습 동안, 입력 특성을 클래스의 컨피던스로 맵핑하는 함수가 학습된다. 따라서, 모델의 학습 후에, 카테고리는 입력 특성의 가중치 부여된 벡터로서 표시된다.

카테고리 분류를 위해, 이진수 특성값(예를 들면, 카테고리 내의 단어가 발생하는지 또는 발생하지 않는지에 대한 이진수), 또는 실제 값 특성(예를 들면, 단어가 중요도 가중치 r로 발생됨)이 종종 사용된다. 카테고리 컬렉션은 많은 수의 고유 용어(terms)를 포함할 수 있기 때문에, 기계 학습 기법이 카테고리화에 적용될 때 특성 선택이 일반적으로 사용된다. 특성의 수를 감소시키기 위해, 특성들은 전반적인 빈도 카운트에 기초하여 제거된 후 카테고리에 대한 적합성에 기초한 더 적은 수의 특성에 따라 선택될 수 있다. 카테고리에 대한 적합성은, 상호 정보, 정보 이득, 카이 제곱(chi-square) 및/또는 그 밖의 거의 모든 통계적 선택 기술을 통해 결정될 수 있다. 그 후 이들 더 적은 수의 표현은 SVM으로의 입력으로서 기능한다. 선형 SVM은 적절한 일반화 정확도를 제공하고 적절하게 빠른 학습을 제공함에 유의해야 한다. 비선형 SVM의 그 외 클래스들로는 다항식 분류자 및 RBF(radial basis function)가 포함되며, 마찬가지로 본 발명에 따라 이용될 수도 있다.

분류자 구성기(26)는 데이터 저장부(30) 내의 그룹 및 관련 카테고리를 분석하여, 입력 벡터를 클래스의 컨피던스로 맵핑하는 함수를 "학습"하기 위해, 학습 모델(32)을 이용한다. SVM을 포함하는 많은 학습 모델에 대해, 카테고리에 대한 모델은 특성 가중치 w의 벡터로서 표시될 수 있으며, 여기서 각 카테고리에 대한 가중치의 학습된 벡터가 존재할 수 있다. 가중치 w가 학습되면, x 및 w의 내적(dot product)을 계산함으로써 새로운 텍스트가 분류되는데, 여기서 w는 학습된 가중치의 벡터이며, x는 새로운 텍스트를 나타내는 벡터이다. SVM의 출력을 확률 P로 변환하기 위해 시그모이드(sigmoid) 함수가 제공될 수도 있다. 확률은 카테고리 또는 클래스들에 걸쳐 비교가능한 스코어를 제공하며, 그로부터 우선 순위가 결정될 수 있다.

SVM은 트레이닝 전에 함수 형태가 정의된 파라미터화된 함수(parameterized function)이다. SVM은 한 세트의 표본들로부터의 함수에 적합할 것이므로, SVM의 트레이닝은 라벨링된 트레이닝 세트를 필요로 한다. 트레이닝 세트는 N개의 예들의 세트를 포함할 수 있다. 각 예는 입력 벡터 xi, 및 입력 벡터가 카테고리 내에 있는지 여부를 기술하는 카테고리 라벨 yj로 이루어진다. 각 카테고리에 대해, N개의 예들로 트레이닝된 SVM에는 N개의 프리(free) 파라미터가 있을 수 있다. 이 파라미터들을 찾기 위해, 2차 프로그래밍(quadrature programming, QP) 문제를 공지된 바와 같이 푼다. QP 문제를 풀기 위한 복수의 공지된 기술들이 있다. 이 기술에는 다른 기술뿐 아니라 시퀀셜 미니멀 최적화 기술(Sequential Minimal Optimization technique)이 포함될 수 있다. 도 3에 도시된 바와 같이, 입력 벡터 x로 변환된 텍스트 입력(36)은 각 카테고리에 대한 분류자(20)에 적용된다. 분류자(20)는 분류자 구성기(26)에 의해 결정된 학습된 가중치 벡터 w (예를 들어, 각 카테고리마다 하나씩의 가중치 벡터)를 사용하고, 우선 순위 출력(38)을 제공하기 위해 내적을 구현한다. 여기서, 확률 P가 입력 텍스트(36)에 할당되어 하나 이상 의 관련 우선 순위들(예를 들어, 높음, 중간, 낮음)을 표시할 수 있다.

도 2를 참고하면, 화살표(22)로 나타내어진 텍스트 분류자(20)의 트레이닝은 특성 선택을 사용하는 것을 포함하여, 분류자 구성기(26)에서 분류자를 만들고 구성한다.

명시적인 트레이닝 단계에서, 분류자(20)는 시간-크리티컬(critical) 및 시간-논-크리티컬(non-critical)의 텍스트 둘다를 제공받을 수 있으므로, 분류자는 예를 들면 이 둘을 식별할 수 있을 것이다. 여기서, 시간-크리티컬 텍스트(또는 메시지)는 긴급 또는 적시의 처리가 필요한 텍스트(또는 메시지)를 의미한다. 이 트레이닝 세트는 사용자에 의해 제공될 수도 있고, 또는 표준 또는 디폴트 트레이닝 세트가 사용될 수도 있다. 트레이닝 자료(training corpus)가 주어지면, 분류자(20)는 가장 식별력있는 특성을 찾기 위한 특성-선택 절차를 우선 실행한다. 이 프로세스는 상호-정보 분석을 사용한다. 특성 선택은, 하나 이상의 단어, 또는 자연 언어 처리로 태그된 구문 및 음성 부분과 같은 유효하게 된 상위 레벨 특색에 대해 작용할 수 있다. 즉, 텍스트 분류자(20)는 중요하게 여겨지는 텍스트의 특성을 구별하기 위해 특별히 태그된 텍스트를 제공받을 수 있다.

텍스트 분류를 위한 특성 선택은 전형적으로 단일 단어들에 대한 탐색을 수행한다. 단일 단어에 대한 의존성을 넘어, 도메인-특정 구문과 상위 레벨 패턴의 특성들이 유효하게 될 수도 있다. 특별한 토큰(token)이 분류를 개선시킬 수도 있다. 예를 들어, 이메일 크리티컬리티(criticality)에 대해 학습된 분류자의 품질은 상이한 시간 크리티컬리티(criticality)를 갖는 이메일들을 구별하는 데에 유용 한 것으로 확인된 수제(handcrafted)의 특성을 특성 선택 절차에 입력함으로써 개선될 수 있다. 따라서, 특성 선택 동안, 하나 이상의 단어는 물론, 상이한 레벨의 시간 크리티컬리티(criticality)를 갖는 메시지들을 구별하는 데 유용한 구문 및 심볼들도 고려된다.

다음의 예에서 나타내는 바와 같이, 메시지의 크리티컬리티(criticality)를 식별함에 있어서 가치 패턴들 및/또는 토큰들은 다음과 같은 부울 조합을 포함한 특색들을 포함한다.

메시지 헤더의 정보

예:

To: 필드 (수신자 정보)

사용자에게만 주소 지정됨,

사용자를 포함하여 몇명에게 주소 지정됨,

소수의 사람과 한 별칭에게 주소 지정됨,

소수의 사람과 몇몇의 별칭들에게 주소 지정됨,

사용자에게 Cc:됨,

사용자에게 Bcc:됨.

From: 필드 (송신자 정보)

개개인들의 다양한 클래스들(예를 들면, 가족 구성원, 친구)로 잠재적으로 분할되어 있는 중요한 사람들에 대한 소정의 리스트 상의 이름들

사용자의 회사/조직에 내부자로서 확인된 송신자들,

온라인 조직 챠트로부터 얻은 사용자에 관련된 조직 관계의 구조에 관한 정보, 예를 들어,

사용자가 보고하는 관리자,

사용자의 관리자의 관리자, 및

사용자에게 보고하는 사람,

외부인.

과거 시제 정보

예를 들어, 다음과 같은 이미 발생했던 이벤트들에 관한 기술을 포함한다:

우리가 만났다,

회의가 있었다,

발생했다,

함께 했다,

처리했다,

어제 회의.

미래 시제 정보

내일,

이번주,

예정이십니까,

언제 우리가 ~ 할 수 있습니까,

고대합니다,

이것이 ~ 하게 될까요,

될 것입니다.

회의 및 협력작업 정보

함께 만나다,

만날 수 있습니까,

같이 할 수 있습니까,

와 협력하여 작업하다,

함께 할 필요가 있다,

만납시다,

회의를 정하다,

초대합니다,

함께 하다.

정해진 날짜

명시적으로 또는 약어로 날짜와 시간을 기술하는 텍스트 패턴에 의해 나타난 미래와 과거의 날짜 및 시간:

5/2에,

12:00에.

질문

물음표(?) 근처의 단어, 구문

개인적인 요청의 표시

해주실 수 있습니까,

입니까,

하겠습니까,

아무쪼록,

해주실 수 있습니까,

부탁입니다,

당신으로부터.

필요의 표시

나는 ~ 필요합니다,

그는 ~ 필요로 합니다,

그녀는 ~ 필요로 합니다,

하고 싶습니다,

좋을 것 같습니다,

나는 ~ 원합니다,

그는 ~ 원합니다,

그녀는 ~ 원합니다,

보살펴주세요.

시간 크리티컬리티(criticality)

곧 있을,

즉각,

마감일은 ~ 일 것이다,

마감일은 ~이다,

가능한 빨리,

이것이 곧 필요합니다,

빨리 처리되어야,

즉각적으로 되어야,

곧,

[날짜]까지,

[시간]까지.

중요도

중요하다,

긴급하다,

단어, 구 +!,

명시적 우선 순위 플래그 상태(낮음, 없음, 높음).

메시지의 길이

새로운 메시지의 성분 내의 바이트 수

상용 및 성인 컨텐츠 정크 이메일의 신호

무료!!,

단어+!!!,

18세 이하,

성인 전용,

대문자 단어의 백분율,

영숫자가 아닌 문자의 백분율.

전술한 단어 또는 구문의 그룹들은 분류자 트레이닝을 행하는 데 사용될 수 있는 예시적인 단어, 그룹, 구문을 나타낸다는 점에 주의한다. 다른 유사한 단어, 그룹 또는 구문이 유사하게 사용될 수 있으며, 따라서 본 발명은 설명된 예에 한정 되지 않음을 알아야 한다.

더욱이, 도 2를 참조하면, 화살표(24)로 나타낸 바와 같은 분류자(20)의 암시적인 트레이닝은 예를 들어 사용자의 데스크탑 또는 휴대 컴퓨터 상에 상주할 수 있는 백그라운드 모니터(34)를 통해 사용자 작업 또는 사용 패턴을 모니터링함으로써 행해질 수 있다. 예를 들어, 사용자가 작업을 하고 메일의 리스트를 검토할 때, 시간 크리티컬(critical) 메시지가 먼저 판독되고 낮은 우선 순위의 메시지는 나중에 검토되고/되거나 삭제되는 것으로 가정할 수 있다. 즉, 새로운 이메일이 제공될 때, 사용자는 이메일을 즉시 열어보는 것인지, 그리고 어떠한 순서로 열어보는지, 이메일을 열어보지 않고 삭제하는지, 및/또는 비교적 짧은 시간에 이메일에 응답하는지를 결정하기 위해, 사용자를 모니터링한다. 따라서, 분류자(20)는 사용자가 작업을 하거나 시스템을 조작하는 동안 사용자를 모니터링하도록 적응하며, 분류자는 백그라운드에서의 트레이닝에 의해 주기적으로 정비되며 실시간 결정을 개선시키도록 갱신된다. 분류자를 구축하기 위한 백그라운드 기술은 새로운 트레이닝 메시지로 분류자(20)를 갱신하는 기술로부터 확장될 수 있다.

대안으로, 더 많은 양의 메시지를 모을 수 있고, 일간 스케쥴마다, 트레이닝 세트에 허가된 새로운 메시지 분량의 수마다 또는 이들의 조합에 대하여, 일괄 프로세스로 새로운 필터가 생성된다. 예를 들어 분류자에 입력된 각 메시지에 대해 분류자를 위한 새로운 케이스가 생성될 수 있다. 이 케이스는 예를 들어 높거나 낮은 우선 순위의 텍스트의 음 및 양의 표본으로서 저장된다. 일례로, 하나 이상의 낮은, 중간, 그리고 높은 긴급성 클래스들이 인식되어, 이들 클래스 각각의 멤 버쉽의 확률을 예상 크리티컬리티(criticality)를 설정하는 데 이용할 수 있다. 더 높은 분해능을 얻기 위해, 더 많은 수의 크리티컬리티(criticality) 클래스가 이용될 수 있다. 예를 들어, 도 3에 도시된 바와 같이, 메시지의 트레이닝 세트(40)(예를 들어, 매우 높음, 높음, 중간, 보통, 낮음, 매우 낮음 등)가 분류자(42)를 트레이닝하기 위해 초기에 사용될 수 있으며, 따라서 참조 번호 '42'로 나타난 바와 같은 실시간 분류가 실현되며, 새로운 메시지는 트레이닝 세트(40)에 의해 분해되는 표본의 수에 따라 분류된다. 도 3에는 이러한 세 개의 카테고리가 예시적인 목적으로 나타나 있지만, 원하는 중요도를 변화시킴에 따라 다수의 카테고리가 트레이닝될 수 있다는 것을 알아야 한다. 도시된 바와 같이, 새로운 메시지(44)는 예를 들어 분류자(42)에 의해 할당되는 우선 순위에 따라 라벨링, 태그되고, 및/또는 하나 이상의 폴더(46)로 소팅될 있다. 후술되는 바와 같이, 할당된 우선 순위는 사용자에 대한 메시지 포맷, 전달 및 양식 결정을 위해 후속 시스템에 의해 사용될 수도 있다.

본 발명의 다른 양태에 의하면, 수 또는 값의 추정은 예를 들어 케이스 또는 메시지를 한 세트의 폴더 중 하나로서 라벨링하기보다는 이메일에 대한 사용자의 상호작용을 모니터링함으로써 달성될 수 있다. 따라서, 분류자는 계속 갱신될 수 있지만 이동 윈도우를 갖는데, 소정 시기보다 더 최신인 메시지 또는 문서의 케이스들이 사용자에 의해 지정된 대로 고려된다.

예를 들어, 메시지의 지연된 검토에 관련된 일정한 손실률이 메시지의 예상 크리티컬리티(expected criticality, EC)로서 참조된다.

여기서, C는 비용 함수, d는 지연, E는 이벤트, H는 이메일의 크리티컬리티 클래스이고, EC는 잠재 클래스에 대한 비용함수(C)에 의해 기술되는 손실률에 의해 가중된 클래스의 확률들의 합계로서 표현된다.

예를 들어, 도 3을 참조하면, 이메일 메시지와 같은 텍스트(36)가 분류자(20)에 입력되며, 분류자는 이에 기초하여 텍스트(36)에 대한 우선 순위(38)를 생성한다. 즉, 분류자(20)는 예를 들어 0 내지 100%의 백분율로서 나타나는 우선 순위(38)를 생성한다. 이러한 백분율은 텍스트(36)가 높거나 다른 우선 순위를 가질 확률의 척도일 수 있다.

전술한 바와 같은 본 발명에서, 분류자(20) 및 우선 순위(38)는 트레이닝 단계에서의 이메일이 예를 들어 높은 우선 순위 또는 낮은 우선 순위로 해석되는 방식에 기초할 수 있다는 점을 주목한다. 이러한 방식은 도 4를 참조하여 설명되는데, 텍스트 분류자(20)는 높은 우선 순위인 것으로 미리 결정된 텍스트 그룹(47) 및 낮은 우선 순위인 것으로 미리 결정된 텍스트 그룹(48)에 의해 트레이닝된다. 분석될 텍스트(36)는 분류자(20)에 입력되며, 분류자는 예를 들어 분석되는 텍스트가 높은 우선 순위 또는 낮은 우선 순위를 가질 확률을 나타내는 스칼라값(49)을 출력한다.

예를 들어, 도 5를 참조하면, 도면은 텍스트(36)가 낮은, 중간의, 그리고 높은 우선 순위로 분류되는 방식을 나타낸다. 전술한 바와 같이, 더 큰 또는 더 높 은 분해능의 우선 순위 구별을 제공하기 위해 복수의 다른 트레이닝 세트가 사용될 수 있다. 텍스트 분류자(20)는 높은 우선 순위인 텍스트 그룹(47), 낮은 우선 순위인 텍스트 그룹(48)에 의해, 그리고 중간 우선 순위인 텍스트 그룹(50)에 의해 트레이닝된다. 따라서, 분석될 텍스트(36)는 분류자(20)에 입력되며, 분류자는, 예를 들어 원할 경우 분석되는 텍스트가 높은 우선 순위 또는 중간 우선 순위 또는 낮은 우선 순위일 확률을 나타낼 수 있는 스칼라값(49)을 출력한다. 분류자(20)는 또한 낮은, 중간의 또는 높은 우선 순위의 클래스 중 텍스트(36)가 속할 확률이 가장 높은 클래스를 나타내는 클래스(52)를 출력할 수 있다. 원할 경우 다른 클래스도 추가될 수 있다.

우선 순위라는 용어는 이메일 메시지와 같은 텍스트에 우선 순위를 할당하기 위해 분류자(20)에 의해 사용되는 것이므로, 본 발명은 우선 순위의 정의에 제한을 갖지 않는다. 우선 순위는 예를 들어 손실 함수에 관련하여 정의될 수 있다. 보다 상세하게는 우선 순위는 텍스트를 수신한 후에 그 텍스트를 검토하는 데 있어서의 지연 시간에 대한 손실된 기회의 예상 비용으로서 정의될 수 있다. 즉, 텍스트의 지연 처리에 의해 발생하는 예상 손실 또는 비용으로 정의될 수 있다. 손실 함수는 또한 수신된 텍스트의 유형에 따라 변할 수 있다.

예를 들면, 텍스트의 우선 순위에 따른 선형 비용 함수의 그래프(54)인 도 6에는 일반적인 케이스가 도시되어 있다. 그래프(54)에서, 시간이 증가함에 따라, 텍스트를 검토하지 않은 비용 또한 증가한다. 그러나, 그 비용은 라인(58)으로 표시된 중간 우선 순위의 메시지나 라인(60)으로 표시된 낮은 우선 순위의 메시지에 비해, 라인(56)으로 표시된 높은 우선 순위의 메시지에 대해 더 증가한다. 예를 들면, 높은 우선 순위의 라인(56)은 100의 기울기를 가질 수 있고, 중간 우선 순위의 라인(58)은 10의 기울기를 가질 수 있으며, 낮은 우선 순위의 라인(60)은 1의 기울기를 가질 수 있다. 이들 기울기 값은 분류자(20)가 예를 들면, 회귀 분석에 의해 소정 텍스트에 우선 순위를 할당할 때에 활용될 수 있다.

그러나, 일부 메시지는 선형 비용 함수를 사용함으로써 잘 근사되는 우선 순위를 갖지 않는다. 예를 들면, 회의에 관련된 메시지는 회의 시간이 근접함에 따라 증가하는 비용 함수를 가질 것이며, 회의 시간이 지난 후에는 비용 함수가 급격하게 감소한다. 즉, 회의를 놓친 후, 통상적으로 사용자가 그것에 관하여 할 수 있는 것이 많지 않다. 이러한 상황은 도 7에 도시된 바와 같이, 비선형 비용 함수에 의해 좀 더 양호하게 근사된다. 그래프(62)에서, 비용 함수(64)는 라인(66)으로 경계선이 그어진 회의 시간에 도달할 때까지 급격하게 증가하고, 그 후 급격하게 감소한다. 메시지의 유형에 따라, 비용 함수는 선형 또는 비선형인 많은 상이한 대표적인 비용 함수 중 하나로 근사될 수 있다.

따라서, 상술한 바와 같이, 텍스트의 우선 순위는 분류자의 출력에 기초하여 결정된 복수의 우선 순위 중 하나를 가질 가능성이거나, 또는 마찬가지로 분류자의 출력에 기초하여 결정된 그 텍스트가 속할 가능성이 가장 높은 우선 순위 클래스일 수 있다. 다르게는, 이메일 메시지와 같은 텍스트의 예상 시간 크리티컬리티가 결정될 수 있다. 이것은 다음과 같이 쓰여질 수 있다.

여기서, EL은 예상 손실이고, p(critical_i)는 텍스트가 크리티컬리티 i를 가질 확률이고, C(critical_i)는 크리티컬리티 i를 갖는 텍스트에 대한 비용 함수이며, n은 크리티컬리티 클래스의 총수에서 1을 뺀 수이다. 비용 함수는 상술한 바와 같이, 선형 또는 비선형일 수 있다. 함수가 선형인 경우에, 비용 함수는 시간에 따른 일정한 손실 비율을 정의한다. 비선형 함수의 경우, 손실 비율은 텍스트의 지연된 검토 또는 처리에 따라 변화하며 지연량에 따라 증가하거나 감소할 수 있다.

n = 1인 경우에, 2개의 우선 순위 클래스, 즉 높음과 낮음만이 있다고 특정하면, 예상 손실은 다음과 같이 재공식화될 수 있다.

여기서, EC는 텍스트의 예상 크리티컬리티이다. 게다가, 낮은 크리티컬리티 메시지의 비용 함수가 제로로 설정되어 있다면, 공식은 다음과 같이 된다.

텍스트의 검토 시간까지의 전체 손실은 표현된 크리티컬리티의 적분으로서 표현될 수 있다. 즉,

여기서, t는 문서를 검토하기 이전의 시간 지연이다. 다른 평가 방법은 이메일 메시지와 같은 문서들의 순위를 중요도에 따라 값 평가기준을 제공하는 것이 다. 앞에서의 논의는 시간 크리티컬리티로서의 우선 순위에 초점을 두고 있지만, "중요도"의 다른 개념들도 트레이닝될 수 있다. 예를 들면, 이는 한 세트의 트레이닝 폴더들을 "높은 중요도"로부터 "낮은 중요도"까지 라벨링함으로써 달성될 수 있고, 이 때 "예상 중요도"의 기준이 결정될 수 있다. 다른 평가 방법은 의미 라벨 "여행하는 동안 1일 내에 듣기를 원하는 메시지"에 기초하여, 여행 중인 사용자에게 포워드하기 위해 메시지들의 우선 순위를 정하기 위한 기준을 결정하는 것일 수 있다. 또한, 긴급도 또는 시간 크리티컬리티는 결정, 분류 및 전달을 위한 명확한 의미를 갖기 때문에, 평가 기준의 하나로서 이용된다. 이 경우, 클래스들은 상이한 레벨의 긴급도에 따라 라벨링되며, 메시지가 각 클래스 내에 있다는 것을 추론한 가능성으로부터 각 메시지에 대한 예상 긴급도로서 계산된다.

상술한 바와 같이, 크리티컬리티 분류에 대한 확장은 본 발명에 따라 제공될 수 있다. 예를 들면, 분류는 특성 클래스들 간에서 또는 특성 클래스 내에서 고수익(high-payoff feature)들의 조합에 대한 자동적인 검색을 포함한다. 일례로서, 임의의 사용자에게 특히 유용한 것으로 밝혀진 단어들과, 특정 구분, 구조 등의 조합이 분류 처리에서 검색되어 활용될 수 있다. 2개의 특징의 조합은 더블릿(doublet)이라고 하는 한편, 3개의 특징의 조합은 트리플릿(triplet)이라고 한다. 특성들의 조합은 분류를 향상시킬 수 있다.

또한, 분류는 분류자에서 이동 윈도우를 사용하는 증가 인덱스(incremental indexing)를 사용함으로써 향상될 수 있다. 이에 의해, 분류자는 오래된 데이터가 타임아웃되고 새로운 데이터가 도입되는 것과 같이 정기적으로 리프레쉬될 수 있 다.

분류는 또한 메시지 내에 지정된 이벤트의 날짜 및 시간의 결정에도 의존할 수 있다. 이러한 결정은 분류자가 활용할 수 있는 특성들을 메시지에 할당할 수 있다. 예를 들면, 할당된 특성들은 오늘 4시간 이내, 오늘 8시간 이내, 내일, 이번주, 이번달 및 다음달, 그 이상을 포함할 수 있다. 이는 분류자가 분류되는 메시지에 관련하여 향상된 정확도를 가질 수 있게 한다. 일반적으로, 분류는 언급된 이벤트가 미래에 발생할 것인지 아니면 이미 지난 것인지를 고려하여, 그 이벤트의 시간에 기초할 수 있다. 장래의 이벤트에 관련하여, 분류는 이벤트가 발생할 미래의 시간에 대한 발송자의 언급을 고려한다.

다른 새로운 특성들도 분류 처리로 통합될 수 있다. 예를 들면, 조직 챠트는 메시지가 챠트 내에서의 발송자의 위치에 따라 얼마나 중요한지를 결정하는 데 활용될 수 있다. 언어적인 특성도 분류자로 통합될 수 있다. 상이한 언어들을 수용하기 위하여, 특성들은 발송자의 출신 국가 및/또는 메시지를 작성한 언어에 따라 수정될 수도 있다. 분류는 메시지가 저장되어 있는 상이한 폴더들은 물론, 기타 평가 및 제어 규칙에 따라 변화할 수 있다. 이메일 및 다른 소스에 부가하여, 분류는 인스턴트 메시지, 및 주식 시세 표시기 등과 같은 기타 정보 소스에 대해 수행될 수 있다.

일반적으로, 발송자-수신자 구조 관계는 분류 과정에서 고려될 수 있다. 예를 들어, 사용자가 실질적으로 한 메시지의 유일한 수신자인 경우, 그 메시지는 적은 수의 사람들에게 송신된 메시지보다 더 중요한 것으로서 고려될 수 있다. 적은 수의 사람들에게 송신된 메시지는 사용자가 숨은 참조 또는 참조로 되어 있는 메시지보다 중요할 수 있다. 발송자에 관련하여, 크리티컬리티는 발송자의 성명이 확인되었는지에 기초하여 할당될 수 있다. 크리티컬리티는 또한 발송자가 사용자에 관련되어 있는 조직의 내부인인지 또는 외부인인지에 따라 할당될 수 있다.

분류시 고려될 수 있는 다른 구분은 메시지의 길이, 질문이 검출되었는지 여부, 및 사용자의 성명이 메시지에 있는지 여부를 포함한다. 시간 크리티컬리티에 관련된 언어는 메시지의 중요도를 증가시킬 수 있다. 예를 들면, "이제 곧", "당장", "최대한 빨리", "ASAP", 및 "마감"과 같은 어구는 메시지를 보다 중요하게 만들 수 있다. 미래 시제에 비교되는 과거 시제의 사용은 물론, "모입시다", "만날 수 있을까요" 등과 같은 어구에 의해 지정된 조정 작업도 고려될 수 있다. 정크 메일의 증거는 메시지의 우선 순위를 더 낮출 수 있다. 조직 챠트에서 사용자에게 가까운 발송자로부터의 짧은 질문과 같은 조합을 표현하는 술어들도 분류 과정에서 고려될 수 있다.

이하의 상세한 설명에서는, 가장 높은 우선 순위의 텍스트, 예를 들면, 사용자 설정 임계치보다 더 높거나 또는 결정 이론 추론(decision-theoretic reasoning)에 의해 결정된 임계치보다 더 높은 우선 순위를 가질 가능성이 있는 텍스트를 사용자에게 경고할 때 언제 통보할지를 결정하는 처리가 설명된다. 즉, 시간 크리티컬 메시지에 관하여 아는 것 이상으로, 사용자가 예를 들어 수신 이메일을 곧바로 보지 않은 경우에 시간 크리티컬 메시지를 사용자에게 경고할 시기를 결정하는 것 역시 중요하다. 일반적으로, 처리 중인 현재 작업으로부터 사용자의 주 의를 돌려 시간 크리티컬 메시지에 관하여 알도록 하는 데에 드는 비용이 결정된다.

대안적으로, 경고 및 통지에 관한 다양한 정책들이 사용될 수 있다. 이러한 정책들은 예를 들면 이하에 보다 상세히 설명되는 통지 플랫폼 아키텍쳐 내에서 구현될 수 있다. 이러한 정책들의 일부는 다음을 포함한다:

·전체 손실에 대한 사용자 지정 상한을 설정한다. 이 정책은 시스템이 메시지의 지연된 검토에 관련된 총 손실이 소정의 미리 지정된 "허용가능 " 손실 "x"를 초과할 때 경고를 생성하도록 지정한다.

·다른 정책은 NEVA = EVTA - ECA - TC와 같은 보다 완벽한 결정 이론 분석에 기초한 비용-이득 분석일 수 있으며, 여기서, NEVA는 경고의 순 예상값이고, EVTA는 경고의 예상값이고, ECA는 경고의 예상 비용이며, TC는 메시지 통신과 관련된 송신 비용이다.

일반적으로, 비용-이득 분석에 의해, 사용자가 시간 t에 메시지를 검토하지 않을 경우 발생할 예상 손실이 사용자에게 경고하는 것의 예상 비용보다 더 큰 것으로 밝혀질 때, 사용자에게 경고를 발해야 한다. 즉, 경고는 다음과 같은 경우에 수행되어야 한다:

EL - EC ＞ 0

여기서, EL은 현재 시간 t에서 텍스트를 검토하지 않는 것의 예상 손실이고, EC는 현재 시간 t에서 텍스트를 사용자에게 경고하는 것의 예상 비용이다. 예상 손실은 본 명세서의 앞 부분에서 설명된 것과 같다.

그러나, 사용자가 미래에 스스로 메시지를 검토하는 경우가 많기 때문에, 상기의 공식이 가장 정확하지는 않을 수 있다. 따라서, 실제에 있어서, 사용자는 EVTA라고 칭해지는 경고의 예상값이 양일 때 일반적으로 경고를 받아야 한다. 따라서, 경고의 예상값은 텍스트를 사용자에게 지금 경고하는 것의 값에서, 사용자가 경고없이 스스로 나중에 메시지를 검토하는 것의 값과 경고 비용을 감산한 값으로 고려되어야 한다. 이는 다음과 같이 기술될 수 있다.

EVA = EL_alert - EL_no-alert - EC

여기서, EL_alert는 경고시 사용자가 지금 경고를 받고 메시지를 검토하는 경우에서 사용자가 메시지를 검토하는 것의 예상 손실이고, EL_no-alert는 사용자가 소정 시점에서 경고없이 스스로 메시지를 검토하는 것의 예상 손실이며, EC는 주의의 분산 및 정보 전송의 직접적인 비용에 기초한 경고의 예상 비용이다.

또한, 몇몇 메시지로부터의 정보는 단일의 합성 경고로 그룹화될 수 있다. 하나의 경고로 다수의 메시지에 관한 정보를 검토하는 것은 단일 메시지에 관한 정보를 중계하는 경고보다 비용이 더 많이 들 수 있다. 그러한 주의 분산의 증가는, 경고의 비용을 그 정보의 복잡성의 함수로 함으로써 표현될 수 있다. 한 이메일 메시지의 EVA는 다른 이메일 메시지들의 EVA와 독립적이라고 가정할 수 있다. 예를 들면, EVA(M_i, t)는 시간 t에서 사용자에게 단일 메시지 Mi에 관하여 경고하는 것의 값을 나타내고, ECA(n)는 n개의 메시지의 내용을 중계하는 것의 예상 비용을 나타낸다. 따라서, 다수의 메시지는 n개의 메시지들의 세트에 관한 정보를 중계하 는 것의 예상값을 합산함으로써 고려될 수 있다.

또한, 경고의 예상 비용을 결정하기 위해, 사용자가 존재하는지에 관한 정보를 추론하거나 직접적으로 액세스하는 것이 유용하다. 사용자가 사무실에 있을 때를 표시하기 위해 적외선 센서 및 압력 센서와 같은 센서들이 사용될 수 있다. 그러나, 그러한 장치들을 활용할 수 없는 경우, 사용자가 사무실 내에 있을 가능성은, 예를 들어 마우스 또는 키보드 활동이 마지막으로 관측된 이후의 시간과 같이, 컴퓨터 상에서의 사용자 활동의 함수로서 할당될 수 있다. 또한, 캘린더에서 입수할 수 있는 스케줄링 정보는, 사용자의 거리 및 위치에 관하여 추측하고 상이한 처리들에 의해 사용자에게 메시지들을 포워드하는 데 드는 비용을 고려하는 데 사용될 수 있다.

또한, 높은 시간 크리티컬리티를 갖는 메시지에 관한 정보로 사용자를 인터럽트하는 것에 관하여 결정할 때, 사용자가 얼마나 바쁜지 아는 것이 중요하다. 사용자가 컴퓨터 작업을 하고 있는지, 사용자가 어떤 속도로 컴퓨터 작업을 하고 있는지, 사용자가 통화중인지, 또는 사용자가 다른 장소에서 회의중인지에 관하여 추리(예를 들면, 추론 결정)될 수 있다. 도 8에 도시된 바와 같이, 사용자의 활동 또는 주의 집중을 평가하기 위해 몇몇 유형의 증거가 사용될 수 있다. 베이즈 네트워크는 사용자 활동에 관한 추론을 행하는 데 활용될 수 있다. 그러한 네트워크의 예는 도 9에 도시된다.

일반적으로, 예상 크리티컬리티와 사용자 활동의 추론에 기초하여 사용자에게 메시지를 언제 어떻게 경고하고 서비스를 제공할 것인지에 관한 결정을 하여야 한다. 결정은 예를 들면, 결정 모델을 활용함으로써 수행될 수 있다. 도 10 내지 도 12는 그러한 결정 모델들이 경고 결정을 하는 데 어떻게 활용될 수 있는지를 도시한 도면들이다. 도 10은 현재 활동, 메시지의 예상 시간 크리티컬리티 및 통신 양상에 따른 경고 비용을 고려하여 사용자를 인터럽트하는 것에 관한 결정을 내리는 결정 모델을 도시한 것이다. 또한, 도 11은 현재 위치를 나타내는 변수와, 그 변수가 다른 메시징 기술의 활동성 및 비용에 미치는 영향을 포함한다. 게다가, 도 10은 중요한 그래픽 컨텐츠를 가진 메시지가 그래픽 컨텐츠없이 사용자에게 포워드될 때의 충실도(fidelity)의 손실에 관련된 비용을 고려하도록 확장된다.

다르게는, 사용자에게 언제 어떻게 경고할 것인지에 대한 결정은 경고에 대한 정책을 정의하는 사용자 지정 임계치와 파라미터의 세트를 사용함으로써 이루어질 수 있다. 사용자의 존재여부는 예를 들면 마우스 또는 키보드 활동에 기초하여 추론될 수 있다. 따라서, 사용자는 예를 들면, 추론된 활동 또는 비활동 상태들에 대하여 경고에 관한 임계치를 입력할 수 있다. 사용자는 또한 활동 다음에 이어지는 아이들(idle) 활동의 양을 입력할 수 있으며, 여기서 경고는 보다 더 낮은 임계치에서 발생할 수 있다. 실질적으로 어떠한 컴퓨터 활동도 검출되지 않은 시간에 기초하여 사용자가 이용가능하지 않다고 결정되면, 메시지들은 저장될 수 있고, 사용자가 복귀하여 컴퓨터와 상호작용할 때 크리티컬리티의 순서대로 사용자에게 통지된다. 게다가, 사용자는 예상 크리티컬리티, 최대 예상 손실 및 사용자에게 경 고하는 것의 값을 포함하는 양(quantity)의 함수로서 라우팅 및 페이징 옵션을 지정할 수 있다.

통지 및/또는 경고 시스템은 또한 사용자가 복귀할 것으로 예상되는 시기를 추정하여, 사용자가 복귀할 것으로 예상되는 시기 전에 중요하다고 예상되는 우선 순위를 전송할 수도 있다. 이는 시간에 따른 사용자 존재 및 사용자 부재의 패턴을 학습함으로써 달성될 수 있다. 그 이후에, 사용자는 자신이 경고를 받지 않고서도 시스템으로 복귀하여 우선 순위를 검출할 것으로 예상되는 시기에 관련하여 적절한 정책을 설정할 수 있다. 시스템에 의한 예상 복귀 시간 결정은 예를 들면, 상당히 긴급한 메시지의 발송자에게 자동적으로 전송될 수도 있다. 이러한 방식으로, 메시지 발송자는 사용자가 복귀하여 메시지에 응답할 수 있게 되는 시기에 대해 피드백을 수신한다. 발송자는 자신의 메시지가 사용자의 이동 장치에 전달되었는지 등에 대해서도 통지받을 수 있다.

도 13은 본 발명에 따라 우선 순위들을 생성하고 그 우선 순위들에 기초하여 경고 결정을 수행하기 위한 방법을 도시한 것이다. 설명을 간단하게 하기 위하여, 이 방법은 일련의 동작들로서 나타나고 기술되어 있지만, 본 발명에 따르면, 일부 동작들은 본 명세서에 도시된 것과는 다른 순서로 수행될 수도 있고 다른 동작들과 동시에 수행될 수도 있으므로, 본 발명은 동작들의 순서에 제한되지 않음을 알아야 한다. 예를 들면, 본 기술 분야의 숙련된 자라면, 방법이 상태도에서와 같이, 일련의 상관된 상태 또는 이벤트로서도 표현될 수 있다는 것을 알고 이해할 수 있을 것이다. 게다가, 본 발명에 따른 방법을 구현하는 데에 있어서, 여기에 설명된 모 든 동작들이 필요하지는 않을 수도 있다.

도 13을 참조하면, 흐름도(74)는 본 발명에 따라 우선 순위가 생성되고 활용되는 방법을 도시한다. 단계(80)에서, 우선 순위를 할당받은 텍스트와 같은 데이터가 수신된다. 데이터는 이메일 메시지이거나, 거의 모든 다른 종류의 데이터 또는 텍스트일 수 있다. 단계(82)에서, 데이터에 대한 우선 순위가 상술한 바와 같은 분류자에 기초하여 생성된다. 또한, 단계(82)에는 상술한 바와 같은 분류자의 초기 및 후속 트레이닝이 포함될 수 있다.

단계(84)에서 데이터의 우선 순위가 출력된다. 도 13에 도시된 바와 같이, 이것은 단계(86, 88, 90, 92 및 94)에서의 처리를 포함할 수 있다. 단계(86)에서, 현재 시간 t에서 데이터를 검토하지 않는 것의 예상 손실이 결정된다. 이러한 결정은, 상술한 바와 같이 사용자가 경고를 받지 않고서도 텍스트를 검토할 것이라는 가정에 기초하여, 미래의 어느 시기에 텍스트를 검토하지 않는 것의 예상 손실을 고려한다. 단계(88)에서, 경고의 예상 비용도 상술한 바와 같이 결정된다. 손실이 단계(90)에서의 비용보다 더 크다면, 시간 t에서 어떠한 경고도 발생되지 않고[단계(92)], 처리는 새로운 현재 시간 t에서 단계(86)로 되돌아간다. 단계(86)로 되돌아가는 것은, 시간이 경과함에 따라 예상 손실이 소정 시점에서 경고 비용보다 커져서 단계(90)에서의 계산 결과가 달라질 수 있기 때문이다. 예상 손실이 경고 비용보다 커지면, 사용자 또는 다른 시스템에 대한 경고가 단계(94)에서 수행된다.

이하에서는, 사용자 또는 다른 시스템으로의 경고의 출력이 설명된다. 사용자는 우선 순위화된 텍스트가 사용자에게 언제 경고되어야 하는지를 나타내는 경고 기준에 기초하여, 전자 기기 상에서 경고받을 수 있다. 사용자에게 경고하는 전자 기기는 페이저, 셀룰러폰 또는 다른 통신 양상일 수 있으며, 이에 대해서는 이하에 더 상세히 설명한다. 페이저 또는 셀룰러 폰과 같은 전자 기기 상에서의 사용자에 대한 경고는 예를 들면, 사용자의 위치, 추론된 작업 및/또는 주의 집중에 대한 정보에 민감하게 반응하도록 적응될 수 있는 경고 기준에 기초하여 이루어질 수 있다. 그러한 정보는 불확실성 하에서 추론될 수 있거나 온라인 정보원으로부터 액세스될 수 있다. 예를 들어, 온라인 캘린더로부터의 정보는, 이하에 보다 상세히 기술되는 통지 싱크와 같은 장치에 정보를 중계하는 것에 관한 결정을 내리기 위한 기준을 제어하도록 적응될 수 있다.

경고는 우선 순위화된 텍스트 또는 다른 데이터를 라우팅 기준에 기초하여 라우팅함으로써 수행될 수 있다. 텍스트의 라우팅은 텍스트를 포워드하는 것 및/또는 텍스트가 이메일인 경우에 텍스트의 발송자에게 응답하는 것을 포함할 수 있다. 예를 들면, 우선 순위화된 문서를 사용자에게 경고하도록 음향이 발생될 수도 있다. 다르게는, 에이전트 또는 자동화된 보조 수단(예를 들어, 인터랙티브 디스플레이 마법사)이 오픈될 수 있다. 즉, 사용자에게 우선 순위화된 문서를 통지하기 위해 에이전트가 디스플레이 스크린 상에 나타날 수 있다. 또한, 우선 순위화된 문서는 스크린 상에 디스플레이되는 것 등에 의해 오픈될 수 있다. 문서는 주의 집중을 받을 수 있다. 이는 또한 문서의 크기를 그 우선 순위에 기초하여 조절하여, 문서의 우선 순위가 높을수록 그것이 표시되는 윈도우가 더 커지게 하는 것 및/또는 문서를 그 우선 순위에 기초하여 디스플레이의 중앙에 배치하는 것을 포함 할 수 있다.

본 발명의 한 양태에 따른 텍스트 생성 및 우선 순위화 시스템(100)의 도면인 도 14를 참조한다. 시스템(100)은 프로그램(102) 및 분류자(104)를 포함한다. 프로그램(102)과 분류자(104)가 컴퓨터 판독가능 매체로부터 컴퓨터의 프로세서에 의해 실행되는 컴퓨터 프로그램을 포함할 수 있다는 것에 유의하여야 한다.

프로그램(102)은 분류자(104)로 입력될 텍스트를 생성한다. 프로그램은 텍스트로서 제공될 이메일을 수신하는 이메일 프로그램을 포함한다. 분류자(104)는 관련된 메시지에 대한 우선 순위를 생성한다. 상술된 바와 같이, 분류자(104)는 베이즈 분류자, 서포트 벡터 머신 분류자, 또는 다른 유형의 분류자일 수 있다. 그리고, 분류자(104)에 의해 출력된 텍스트의 우선 순위는, 전술한 것과 같은 비용-이득 분석과 관련하여 추가의 출력 및/또는 그에 기초한 경고를 실행하는 데에 이용될 수 있다.

이제 다음으로, 도 15를 참조하면, 대안적인 경고 시스템(108)의 도면이 도시되어 있다. 도 15의 시스템(108)은 경고 시스템(110)을 포함한다. 도 15에서 프로그램(102) 및 분류자(104)는 도시되어 있지 않다. 그러나, 경고 시스템(110)은 후자에 동작가능하게 및/또는 통신가능하게 결합된다. 시스템(110)은 컴퓨터의 프로세서에 의해 컴퓨터 판독가능 매체로부터 실행되는 컴퓨터 프로그램을 포함한다. 경고 시스템(110)은, 그 경고 시스템이 전자 장치에 접촉하여 경고 기준에 기초하여 우선 순위화된 텍스트를 사용자에게 경고할 수 있게 하는 네트워크인 인터넷(112)에 통신가능하게 결합될 수 있다. 그러나, 네트워크는 인터넷(112)으로 한 정되는 것은 아니다. 따라서, 경고 시스템은, 페이저(114), 셀룰러폰(116), 또는 인터넷(112) 등의 네트워크로부터 정보를 수신할 수 있는 것으로서 아래에 보다 상세히 설명될 다른 전자 장치에 접촉함으로써, 우선 순위화된 텍스트를 사용자에게 경고할 수 있다.

도 16을 참조하면, 본 발명의 다른 양태들의 도면이 도시되어 있다. 이것은 예를 들어 라우팅 시스템(120)을 포함할 수 있다. 라우팅 시스템(120)은 우선 순위화된 텍스트를 수신하며, 라우팅 표준에 기초하여 텍스트의 발송자에게 응답할 수 있으며, 그 경우에는 시스템(120)이 응답 메카니즘이다. 또한, 시스템(120)은 라우팅 표준에 기초하여 텍스트를 상이한 이메일 어드레스들로 포워드할 수 있으며, 그 경우에는 시스템(120)이 포워드 메카니즘이다. 전자는, 사용자가 자신이 부재중임을 메시지의 발송자에게 알리고 싶어할 때 유용하며, 따라서 어떻게 하면 사용자에게 연락할 수 있을지에 대한 연락처 정보를 제공할 수 있다. 후자는, 사용자가 웹-기반의 이메일 어드레스와 같은 상이한 이메일 어드레스로 이메일 액세스할 때, 또다른 어드레스에서 높은 우선 순위의 메일이 수신되었음을 사용자가 통지받고자 원하는 경우에 유용하다.

또한, 도 16에 도시된 경고 시스템(130)은 우선 순위화된 문서를 수신하고, 전술한 바와 같이, 소정의 표준(예를 들어, 중요도 또는 긴급도의 임계치보다 우선 순위가 높은 것)에 기초하여, 수신된 텍스트를 표시하고/하거나 음향을 제공할 수 있다. 시스템(130)에 의해 수신되고, 또한 예를 들어 소정의 임계치보다 높은 우선 순위를 갖는 문서들은, 전술한 바와 같이 해당 우선 순위에 적용되는 관련 표시 포맷 및/또는 우선 순위 라벨과 함께, 우선 순위화된 리스트로서 표시될 수 있다.

시스템(130)은 물론 다른 기능도 포함할 수 있다. 예를 들어, 우선 순위에 의해 필터링하는 기능과 관련하여, 사용자의 이메일 보관소에 대한 뷰어로서 기능하는 우선 순위-지향 뷰어(priority-oriented viewer)(도시되지 않음)가 제공될 수 있다. 뷰어는, 메시지들의 요약이 리스트 내에서 예를 들어 우선 순위 스코어에 의해 소팅되게 할 수 있다. 또한, 뷰어는, 옵션의 하나로서, 사용자가 읽지 않은 상태로 남아있는 메시지들만을 소팅하여 보게 할 수 있다. 또한, 뷰어는, 사용자가 우선 순위에 의한 메시지 소팅을 소정의 한정된 기간 내로 한정하고, 고려되는 범위 또는 기간을 변경할 수 있게 할 수 있다. 예를 들어, 사용자는 뷰어가 오늘부터의 이메일만을 표시하도록 지정할 수 있다. 대안적으로, 사용자는 우선 순위 리스트의 범위가 2일, 일주일 또는 메일함 내의 모든 메시지로 되도록 지정할 수 있다. 또한, 뷰어는, 사용자가 자신이 지정한 최소 임계치 미만의 메시지들을 표시로부터 제거하도록 할 수 있다.

또한, 높은 우선 순위, 중간 우선 순위 및 낮은 우선 순위에 대해 질적으로 다른 음향을 사용하는 것 이외에, 경고 음향이 제공되는 방식을 정의하는 하나 이상의 스칼라 파라미터가 이용될 수 있다. 파라미터는 추론된 우선 순위의 함수일 수 있다. 이러한 파라미터는, 예를 들어, 음향의 변조 또는 공진에서의 연속적인 변화에, 경고 음향의 볼륨과 같은 변수를 포함한다.

사용자에게는 불확실성의 상이한 범위들 사이의 임계치를 정의하기 위한 다른 기능이 제공될 수 있으며, 사용자는 각 범위 내에서의 메시지의 크기 및 중심 결정의 자동화를 포함하는 다수의 옵션을 지정할 수 있다. 예를 들어, 부재중이거나 다른 어플리케이션을 사용하고 있는 동안에 도달한 메시지의 요약을 사용자에게 제공하기 위한 "부재중" 브리퍼("While away" briefer)가 포함될 수 있다. 사용자가 외출 후 돌아오거나, 시스템에서 무음 모드(quiet mode)로 작업하다가 뷰어로 되돌아온 경우에, 우선 순위값에 따라 지정된 이메일의 요약을 불러오도록 시스템을 구성할 수 있다. 자동 텍스트 요약기(summarizer)는 문서의 우선 순위의 함수로서, 메시지 텍스트의 요약 레벨을 감소시키도록 제어될 수 있다. 즉, 문서의 우선 순위가 높아질수록, 요약된 뷰에서 그 문서는 덜 요약되게 된다. 또한, 우선 순위는, 디스플레이 상에 표시되는 이메일 헤더에, 우선 순위 플래그, 우선 순위 레벨을 나타내는 아이콘, 및 특별한 우선 순위 필드 그 자체와 같은 다른 주석을 추가하거나 채색하는 데에 이용될 수 있다.

또한, 메시지에 할당된 우선 순위에 관한 사용자 정의 임계치가 이용되어, 그 임계치를 초과하는 메시지가 도착했다는 경고 또는 요약이 이루어진 후의 일정 시간동안 활성화되는 임시 대화형 컨텍스트(temporary interaction context)가 설정될 수 있다. 경고가 이루어진 후, 대화형 컨텍스트가 활성화 중인 기간 동안 소정의 제스쳐가 인에이블되어, 경고에 관련되었던 메시지에 대한 세부 사항에 사용자가 액세스할 수 있게 한다. 이러한 제스쳐로는, 예를 들어 마우스를 측면에서 측면으로 단순히 좌우로 움직이는 것이 있다. 예를 들어, 음성 경고는, 수신중인 메시지가 크리티컬리티에 대한 임의의 임계치를 초과하였음을 나타낼 수 있다. 그러면, 사용자는 마우스를 신속하게 좌우로 움직여, 경고를 발생시킨 메시지에 대해 상세히 알 수 있다. 이러한 대화형 컨텍스트가 활성화되는 기간의 길이는, 메시지의 우선 순위의 함수로서 이루어질 수도 있고, 사용자에 의해 정의될 수도 있다.

이제, 도 17을 보면, 시스템(200)은 본 발명의 한 양태에 따른 통지 아키텍쳐 및 우선 순위화 시스템을 예시하고 있다. 시스템(200)은 컨텍스트 분석기(222), 통지 관리자(224)(또한, 이벤트 브로커로도 칭함), 하나 이상의 통지 소스 1 ~ N(226, 227, 228), 통지 소스로서 동작하는 우선 순위화 시스템(230), 및 하나 이상의 통지 싱크 1 ~ M(236, 237, 238)을 포함한다 (N 및 M은 각각 정수임). 또한, 소스는 이벤트 발행자(publisher)로 칭해지는 한편, 싱크는 이벤트 가입자 (subscriber)로 칭해진다. 임의의 개수의 싱크 및 소스가 있을 수 있다. 일반적으로, 통지 관리자(224)는 컨텍스트 분석기(222)에 저장되어 있고/있거나 컨텍스트 분석기(222)에 의해 액세스된 파라미터 정보에 부분적으로 기초하여, 소스(226-228)로부터 싱크(236-238)로 통지(이벤트 또는 경고라고도 칭함)를 전달한다.

컨텍스트 분석기(222)는 통지 결정에 영향을 주는 사용자의 파라미터 및 변수에 대한 정보를 저장/분석한다. 예를 들어, 파라미터는 하루중의 특정 시각 및 일주일중의 특정 요일마다의 사용자의 통상적인 위치 및 주의집중 또는 활동과 같은 컨텍스트 정보와, 사용자가 상이한 위치들에서 액세스하는 경향이 있는 장치와 같이, 파라미터에 조건이 설정되는 추가의 파라미터를 포함할 수 있다. 또한, 이러한 파라미터는 하나 이상의 센서를 통해 자동으로 생성된 관측값의 함수일 수 있다. 예를 들어, 글로벌 위치확인 시스템(GPS)의 서브시스템에 의해 제공될 수 있는 사용자의 위치에 관한 정보와, 사용중인 장치의 유형 및/또는 장치의 사용 패 턴, 및 특정 유형의 장치가 사용자에 의해 마지막으로 액세스된 시간에 관한 정보에 기초하여, 하나 이상의 프로파일(도시되지 않음)이 선택되어 수정될 수 있다. 또한, 아래에서 보다 상세히 설명되는 바와 같이, 자동화된 추론이 도입되어, 위치 및 주의도와 같은 상태 또는 파라미터를 동적으로 추론할 수 있다. 프로파일 파라미터는 사용자에 의해 편집될 수 있는 사용자 프로파일로서 저장될 수 있다. 통지 아키텍쳐는, 소정의 프로파일 또는 동적인 추론 결과의 세트에 의존하는 것 이외에, 예를 들어 '향후 x 시간 동안 또는 주어진 시간까지 중요한 통지 이외에는 볼 시간이 없다'는 것과 같이, 사용자가 자신의 상태를 특정하게 할 수 있다.

또한, 파라미터는, 상이한 설정을 갖는 상이한 유형의 통지들을 받는 것에 대한 사용자의 선호도에 관련된 디폴트 통지 선호도 파라미터를 포함할 수 있으며, 이러한 디폴트 통지 선호도 파라미터에 기초하여, 통지 관리자(224)는 통지를 결정하고, 사용자는 변화를 시작할 수 있다. 파라미터는, 사용자가 셀룰러폰이나 페이저와 같은 상이한 상황에서 어떤 방식으로 통지를 받고 싶어하는지에 대한 디폴트 파라미터를 포함할 수 있다. 파라미터는 상이한 설정을 갖는 상이한 모드들로 경고받는 것과 관련되는 중단 비용과 같은 평가액(assessment)을 포함할 수 있다. 이것은, 주어진 시간에 사용자가 어떻게 통지받고 싶어하는지를 나타내는 통지 파라미터뿐만 아니라, 사용자가 상이한 위치들에 있을 가능성들, 상이한 장치들이 이용가능할 가능성들, 및 주어진 시간에 사용자의 주의 집중 상태들을 나타내는 컨텍스트 파라미터를 포함할 수 있다.

본 발명의 한 양태에 따르면, 컨텍스트 분석기(222)에 의해 저장된 정보는 분석기에 의해 결정된 컨텍스트 정보를 포함한다. 본 명세서의 후반부에 설명되는 바와 같이, 컨텍스트 정보는, 분석기(222)가 하나 이상의 컨텍스트 정보 소스(도시되지 않음)에 기초하여 사용자의 위치 및 주의 집중 상태를 식별하는 것에 의해 결정된다. 컨텍스트 분석기(222)는, 예를 들어 사용자의 카폰 또는 셀룰러폰의 일부인 글로벌 위치 시스템(GPS)을 통해 사용자의 실제 위치를 정확하게 판단할 수 있다. 또한, 분석기는 날짜의 유형, 시각, 사용자의 캘린더 내의 데이터와 같은 정보 및 사용자의 활동에 대한 관측값을 고려함으로써 얻어진 백그라운드 평가액 및/또는 관측값을 고려하여, 사용자가 주어진 주의 집중 상태에 있을 가능성을 판단하기 위한 통계 모델을 도입할 수 있다. 주어진 주의 집중 상태는, 사용자가 통지를 받을 수 있는 상태에 있는지 또는 바빠서 통지를 받을 수 없는 상태에 있는지의 여부를 포함할 수 있고, 평일, 주말, 공휴일 및/또는 다른 특별한 날짜/기간과 같은 다른 고려 사항을 포함할 수 있다.

소스(226-228, 230)는 사용자 및/또는 다른 엔티티를 위해 의도된 통지를 생성한다. 예를 들어, 소스(226-230)는 인텔리전트 헬프(intelligent help), 백그라운트 문의(background query) 및 자동화된 스케쥴링과 같은 소프트웨어 서비스 뿐만 아니라, 인터넷 및 네트워크 기반 통신, 로컬 데스크탑 컴퓨터 기반 통신 및 전화 통신과 같은 통신을 포함할 수 있다. 일반적으로, 통지 소스는, 정보, 서비스 및/또는 시스템이나 세계적인 사건에 대해 사용자 또는 그 대리인에게 경고를 제공하도록 의도된 이벤트(통지 또는 경고라고도 함)를 생성하는 것으로 정의된다. 또한, 통지 소스는 이벤트 소스로서 칭해질 수 있다.

예를 들어, 이메일은 우선 순위화되도록 우선 순위화 시스템(230)에 의해 통지로서 생성될 수 있고, 그러한 경우 통지를 생성하는 어플리케이션 프로그램 또는 시스템은 사용자에 대하여 해당 메일이 갖는 중요도 또는 긴급도에 대응하는 상대적 우선 순위를 각 이메일에 할당한다. 또한, 이메일은 사용자에 대한 상대적 중요도에 상관없이 전송될 수 있다. 데스크탑-중심의 통지는, 사용자가 실행하고 싶어할 잠재적인 가치가 있는 서비스(예를 들어, 메시지로부터의 스케쥴링), 사용자가 검토하고 싶어할 정보(예를 들어, 백그라운드 문의로부터 유도됨), 또는 데스크탑 컴퓨터에 의해 생성된 에러 및/또는 다른 경고를 사용자에게 경고하는 것을 목표로 하는 자동화된 대화를 포함할 수 있다. 인터넷-관련 서비스는 당일 뉴스의 헤드라인 및 주식 시세 등과 같이, 사용자가 가입한 정보를 포함하는 통지를 포함할 수 있다.

다른 통지는 백그라운드 문의(예를 들어, 사용자가 작업하고 있는 동안, 현재 작업 중인 텍스트가 검토되어, 그 텍스트에 대한 백그라운드 문의가 공식화되어 검색 엔진으로 발행됨)와, 스케쥴링 및/또는 다른 프로그램으로부터의 스케쥴링 작업을 포함할 수 있다. 통지 소스(226-230)는 그 자체가 푸쉬 타입(push-type) 또는 풀 타입(pull-type)의 소스일 수 있다. 푸쉬 타입의 소스는, 가입이 이루어진 후에는 자동으로 정보를 전송하는 헤드라인 뉴스 및 다른 인터넷-관련 서비스와 같이, 대응하는 요청없이도 정보를 자동으로 생성하여 전송하는 것이다. 풀 타입의 소스는, 메일 서버가 폴링된 이후에 이메일이 수신되는 것과 같이, 요청에 응답하여 정보를 전송하는 것이다. 또 다른 통지 소스로는 아래와 같은 것들이 있다.

· 캘린더 시스템 등의 이메일 데스크탑 어플리케이션;

· 컴퓨터 시스템 (예를 들어, 시스템 활동 또는 문제에 대한 통보에 관한 정보로서 메시지를 사용하여 사용자에게 경고할 수 있음);

· 인터넷 관련 서비스, 약속 정보, 스케쥴 문의;

· 하나 이상의 공유 폴더 내의 일정한 유형의 문서의 개수 또는 문서의 변경;

· 정보에 대한 고정적 또는 지속적인 문의에 응답하는 새로운 문서의 이용 가능성; 및/또는

· 사람들 및 그들의 존재여부, 그들의 위치 변경, 그들의 근접 정도(예를 들어, 내가 여행 중일 때 다른 직장 동료나 친구가 나 자신으로부터 10마일 이내에 있는지를 알려줌), 그들의 연락 가능성(예를 들어, 스티브가 대화에 응할 수 있으며 완전한 화상 원격 대화를 지원할 수 있는 고속 링크 부근에 위치할 때를 알려줌)에 관한 정보에 대한 정보 소스.

통지 싱크(236-238)는 사용자에게 통지를 제공할 수 있다. 예를 들어, 이러한 통지 싱크(236-238)는 데스크탑 및/또는 랩탑 컴퓨터 등의 컴퓨터, 핸드헬드형 컴퓨터, 셀룰러폰, 유선 전화, 무선 호출기, 차량용 컴퓨터는 물론, 예상될 수 있는 기타 시스템/어플리케이션을 포함할 수 있다. 싱크(236-238) 중 일부는 다른 싱크들보다 더 풍부하게 통지를 전달할 수 있다. 예를 들어, 데스크탑 컴퓨터는 로컬 네트워크 또는 인터넷에 연결될 때 정보를 수신하기 위한 더 큰 대역폭을 가질 뿐 아니라, 비교적 대형인 컬러 디스플레이 및 스피커가 그에 연결되어 있다. 따라서, 데스크탑 컴퓨터를 이용하면, 비교적 풍부하게 통지가 사용자에게 전달될 수 있다. 반면에, 다수의 셀룰러폰은, 예를 들어, 소형의 흑백 디스플레이를 구비하며 비교적 낮은 대역폭으로 정보를 수신한다. 이에 따라, 셀룰러폰에 의해 전달되는 통지와 연관된 정보는, 예를 들어, 일반적으로 짧으며 전화의 인터페이스 수용 능력에 연동된다. 이와 같이, 통지의 내용은 셀룰러폰으로 전송되는지 또는 데스크탑 컴퓨터로 전송되는지에 따라 상이할 수 있다. 본 발명의 한 양태에 따르면, 통지 싱크는 예를 들어 이벤트 가입 서비스를 통해 이벤트 또는 통지에 가입하는 것을 지칭할 수 있다.

통지 관리자(224)는 컨텍스트 분석기에 의해 저장 및/또는 결정된 정보에 액세스하여, 소스(226-230)로부터 수신된 통지 중 어느 것을 싱크(236-238) 중 어느 것으로 전달할지를 결정한다. 또한, 통지 관리자(224)는 싱크(236-238) 중 어느 것에 정보를 전송하기로 선택하였는지에 따라 통지가 어떻게 전달될지를 결정한다. 예를 들어, 선택된 싱크(236-238)로 제공되기 전에 통지가 요약되어야 하는 것으로 결정될 수 있다.

본 발명은 어느 통지가 어느 통지 싱크에 전달될지 및 어떤 방식으로 전달될지를 관리자(224)가 결정하는 방법에 한정되는 것이 아니다. 한 양태에 따르면, 결정 이론 분석법(decision-theoretic analysis)이 사용될 수 있다. 예를 들어, 통지 관리자(224)는 사용자의 위치, 주의, 장치 이용가능성, 및 경고가 없을 경우 사용자가 정보에 액세스할 때까지의 시간의 양을 포함하는 변수들에 관한 중요한 불확실성을 추론하도록 적응될 수 있다. 통지 관리자(224)는 사용자에게 통지에 관한 경고를 할 것인지의 여부, 및 경고를 할 경우의 요약의 성질 및 통지를 중계하는 데 사용할 적합한 장치 또는 장치들에 관한 통지 결정을 할 수 있다. 일반적으로, 통지 관리자(224)는 통지의 순 예상값을 결정한다. 이 때, 다음의 사항을 고려한다:

· 이용할 수 있는 각 통지 싱크에 대한 충실도 및 전송 신뢰도;

· 사용자를 방해하는 것의 주의 집중 비용;

· 사용자에 대한 정보의 신규도;

· 사용자가 정보를 스스로 검토할 때까지의 시간;

· 정보의 잠재적 컨텍스트 민감도 값; 및/또는

· 통지에 포함된 정보의 시간 대비 증가 및/감소 값.

따라서 불확실성에 관한 추론은, 예를 들어 사용자의 어떤 주의 집중 상태에서 주어진 특정 장치의 특정 모드를 사용할 때의 사용자에 대한 방해 비용 등과 같은 값의 예상 가능성으로서 생성될 수 있다. 통지 관리자(224)는 다음 중 하나 이상에 관해 결정할 수 있다:

· (예를 들어, 컨텍스트 정보에 기초하여) 사용자가 현재 주의 집중하고 있는 대상 및 하고 있는 것;

· 사용자의 현재 위치;

· 정보의 중요도;

· 통지를 연기하는 것의 비용;

· 통지로 인해 주의 집중이 전환되는 정도;

· 사용자에게 연락이 닿을 수 있는 가능성;

· 주어진 통지 싱크의 특정 모드의 사용과 연관된 충실도 손실.

따라서, 통지 관리자(224)는 진행 중이고 활성 상태인 통지에 대해 결정 이론적 분석 등과 같은 분석을 행하고, 정보 싱크 및 정보 소스들에 의해 제공되는 컨텍스트 종속 변수를 평가하고, 사용자가 정보를 검토할 때까지의 시간, 사용자의 위치 및 현재 주의 집중 상태와 같이 선택된 불확실성을 추론한다.

본 명세서에서, 추론이란, 이벤트 및/또는 데이터를 통해 획득된 관측 결과의 세트로부터 시스템(200), 환경, 및/또는 사용자의 상태를 추론 또는 추리하는 과정을 일반적으로 지칭한다. 추론은 특정 컨텍스트 또는 행위를 식별하기 위해 사용될 수 있으며, 예를 들어 상태에 대한 확률 분포를 생성할 수도 있다. 추론은 확률적 - 즉, 데이터 및 이벤트의 고려에 기초한 관심의 상태에 대한 확률 분포의 계산일 수 있다. 또한 추론은 이벤트 및/또는 데이터의 집합으로부터 높은 수준의 이벤트를 합성하기 위해 사용되는 기술을 지칭할 수 있다. 이러한 추론은, 이벤트들이 시간적으로 매우 근접하여 상관되는지의 여부, 및 이벤트 및 데이터가 하나 또는 몇몇의 이벤트 및 데이터 소스들로부터 야기되는지의 여부에 따라, 관측된 이벤트 및/또는 저장된 이벤트 데이터의 집합으로부터 새로운 이벤트 또는 행위의 구축을 야기한다.

또한, 통지 관리자(224)는 개별화된 결정 이론적 분석을 지원하기 위해 또는 그 대신에, 컨텍스트 분석기(222)에 의해 사용자 프로파일에 저장된 정보에 액세스할 수 있다. 예를 들어, 사용자 프로파일은, 주어진 시점에서 통지가 소정의 중요 도 레벨을 가질 경우에만 사용자가 페이저를 통해 통지받기를 선호한다는 것을 나타낼 수도 있다. 이러한 정보는 결정 이론적 분석을 시작할 기준선으로서 이용될 수도 있고, 또는 통지 관리자(224)가 사용자에게 통지하는 방법과 통지할지의 여부를 결정하는 방식일 수도 있다.

본 발명의 한 양태에 따르면, 통지 플랫폼 아키텍쳐는 이벤트 또는 메시지 하부 구조 위에 상주하는 한 계층으로서 구성될 수 있다. 그러나, 본 발명은 어떤 특정 이벤트 하부 구조에 한정되지는 않는다. 이러한 이벤트 및 메시지 시스템과 프로토콜은 다음을 포함할 수 있다:

· 본 기술 분야에 공지된 하이퍼텍스트 전송 프로토콜(HTTP), 또는 HTTP 확장;

· 본 기술 분야에 공지된 심플 오브젝트 액세스 프로토콜(SOAP);

· 본 기술 분야에 공지된 윈도우즈 관리 방법(WMI);

· 본 기술 분야에 공지된 지니(Jini); 및

· 예를 들어 패킷 교환 프로토콜에 기초한 것과 같은, 거의 모든 유형의 통신 프로토콜.

또한, 상기 아키텍쳐는 본 기술 분야의 당업자라면 알 수 있는 바와 같이, 유연 분산된 계산 하부 구조(flexible distributed computational infrastructure) 위에 상주하는 한 계층으로서 구성될 수 있다. 따라서, 통지 플랫폼 아키텍쳐는 소스들이 통지, 경고 및 이벤트를 전송하는 방식으로서, 그리고 싱크들이 통지, 경고 및 이벤트를 수신하는 방식으로서, 아래의 하부 구조를 이용할 수 있다. 그러 나, 본 발명은 이에 한정되지는 않는다.

도 18을 참조하여, 상술한 통지 아키텍쳐의 컨텍스트 분석기(222)를 보다 상세하게 설명한다. 도 18에 도시된 컨텍스트 분석기(222)는 사용자 통지 선호도 저장부(252), 사용자 컨텍스트 프로파일 저장부(255)를 포함하는 사용자 컨텍스트 모듈(254), 및 화이트보드(257)를 포함한다. 본 발명의 한 양태에 따른 컨텍스트 분석기(222)는 메모리와 같은 기계 판독가능한 매체로부터 컴퓨터의 프로세서에 의해 실행할 수 있는 하나 이상의 컴퓨터 프로그램으로서 구현될 수 있다.

선호도 저장부(252)는, 사용자에 의해 편집 및 수정될 수 있는 사용자 프로파일과, 사용자를 위한 디폴트 통지 선호도 등과 같은 사용자용 통지 파라미터를 저장한다. 선호도 저장부(252)는, 사용자가 어떠한 방식으로 통지받을 것인가에 영향을 미치는 파라미터들에 대한 정보를 저장하는 것으로 생각될 수 있다. 사용자 컨텍스트 모듈(254)은 예를 들어 화이트보드(257)에 공개된 하나 이상의 컨텍스트 정보 소스(260)에 기초하여 사용자의 현재 컨텍스트를 결정한다. 사용자 컨텍스트 프로파일 저장부(255)는 사용자에 의해 편집 및 변형될 수 있는 사용자를 위한 디폴트 컨텍스트 설정 등과 같은 사용자용 컨텍스트 파라미터를 저장한다. 즉, 사용자 컨텍스트 모듈(254)은 프로파일 저장부(255)로부터의 정보를 액세스하고/하거나 하나 이상의 컨텍스트 정보 소스(260)를 통한 라이브 센싱(live sensing)으로 저장부(255) 내의 이전의 신뢰 세트(a prior set of beliefs)를 갱신함으로써 사용자의 현재 컨텍스트 정보에 대한 최상의 추측 또는 추정을 한다. 프로파일 저장부(255)는 사용자가 있는 위치 및 사용자가 하고 있는 것을 선험적으로 저장하는 것으로 고려될 수 있다.

사용자 컨텍스트 프로파일 저장부(255)는, 결정적이거나 확률적인 프로파일과 같은 정보를 획득하는 사전 평가되고/되거나 사전 정의된 사용자 프로파일일 수 있다. 프로파일은, 하루중의 시각, 날짜의 유형 및 하나 이상의 장치와의 사용자 대화와 같은 관측값의 함수로서의 상이한 통지 클래스의 비용 및 가치, 통상의 위치, 활동, 및 장치 이용가능성에 관한 것일 수 있다. 예를 들어 날짜의 유형은 주중, 주말, 휴일을 포함할 수 있다. 사용자 컨텍스트 모듈(254)은 사용자의 현재 또는 미래의 위치 및 주의 집중 상태와 같은 사용자의 컨텍스트 또는 상태의 특징들을 능동적으로 결정 또는 추론할 수 있다. 또한, 컨텍스트의 실제 상태는 화이트보드(257)를 통해 컨텍스트 정보 소스(260)로부터 직접 액세스될 수 있으며/있거나, 아래에 보다 상세하게 설명되는 베이즈 추론(Bayesian reasoning) 등의 추론 방법을 통한 다양한 관측로부터 추론될 수 있다.

컨텍스트 정보 소스(260)는 사용자의 주의 집중 상태 및 위치에 관한 정보를 화이트보드(257)를 통해 컨텍스트 모듈(254)에 제공하고, 모듈(254)은 이러한 정보로부터 사용자의 현재 컨텍스트(예를 들어, 사용자의 현재 주의 집중 상태 및 위치)에 대한 결정을 할 수 있다. 또한, 본 발명은 사용자 컨텍스트 모듈(254)에 의해 추론되거나 액세스되는 정보의 유형에도 한정되지 않으며, 컨텍스트 정보 소스(260)의 특정 유형 또는 개수에도 한정되지 않는다. 그러나, 컨텍스트 정보 소스(260)는 예를 들어, 데스크탑 상의 윈도우 내에서의 마우스 정보, 키보드 정보, 어플리케이션 정보(예를 들어, 사용자가 현재 집중하고 있는 어플리케이션), 주위 음향 및 대화 정보와 같이, 다중 데스크탑 정보 및 이벤트를 포함할 수 있다. 화이트보드(257)는 공통 저장 영역을 포함하며, 컨텍스트 정보 소스(260)는 그 공통 저장 영역을 통해 정보를 공개할 수 있으며, 소스 및 컨텍스트 모듈(254)을 포함하는 다수의 구성요소들이 그 공통 저장 영역으로부터 그 정보에 액세스할 수 있다. 통지 또는 경고라고도 칭해지는 이벤트는 일반적으로 세계의 하나 이상의 상태에 대한 관측 정보를 포함한다. 이러한 상태는 시스템 구성 요소의 상태, 사용자의 활동 및/또는 환경에 대한 측정을 포함할 수 있다. 또한, 이벤트는, 이벤트의 소스 및/또는 측정 장치를 능동적으로 폴링하는 것에 의해, 변경이 있을 때 송신되는 정보의 수신에 의해, 및/또는 일정 또는 가변 이벤트 주기마다 발생할 수 있다.

컨텍스트 정보 소스(260)의 다른 유형으로는 사용자의 개인-정보 관리자(PIM) 정보가 포함되는데, 이는 일반적으로 예를 들면 사용자의 스케쥴에 관한 스케쥴링 정보를 제공할 수 있다. 현재 시각은 물론, 예를 들면 글로벌 위치확인 시스템(GPS)에 의해, 및/또는 위치에 따라 결정될 수 있는 휴대 전화, PDA 또는 랩탑으로의 사용자 액세스에 의해 결정된 사용자의 위치도 컨텍스트 정보 소스(260)의 유형들이다. 또한, 실시간 이동 장치 사용도 컨텍스트 정보 소스(260)의 일 유형이다. 예를 들면, 셀룰러폰과 같은 이동 장치는 장치의 방위 및 기울기(예를 들면, 장치 사용에 관한 정보도 나타냄), 및 가속과 속도(예를 들면, 사용자가 이동중인지 아닌지에 관한 정보를 나타냄) 뿐만 아니라 사용자가 현재 액세스 중인지를 판단할 수 있다.

도 19를 참조하면, 상술한 통지 소스가 보다 상세하게 설명되어 있다. 통지 소스(226-228, 및/또는 230)는 일반적으로 통지 관리자(224)에 전달되는 통지를 생성하며, 통지 관리자(224)는 통지가 생성되어야 할 때를 판단하고, 생성되어야 하는 경우에는 어느 통지가 어떤 순서로 어느 통지 싱크(236-238)에 전달되어야 하는지를 판단한다.

본 발명의 한 양태에 따르면, 통지 소스(226-228)는, 본원에서 통지 소스 스키마 또는 소스 스키마라고 칭해지는, 속성 및 관계에 대한 표준 기술(description) 내에 다음과 같은 파라미터들 중 하나 이상을 가질 수 있다. 주의할 점은 스키마는 상술한 소스, 싱크, 및 컨텍스트-정보 소스에 대해 제공될 수 있다는 것이다. 이러한 스키마들은 상이한 구성요소들에 관한 선언적 정보(declarative information)를 제공하고, 소스(226-228, 230), 통지 관리자(224), 싱크(236-238), 및 컨텍스트 분석기(222)가 의미론적 정보(semantic information)를 서로 공유할 수 있게 해 준다. 따라서, 상이한 스키마들은 통지에 관련된 성질, 긴급도 및 장치 시그널링 양식(device signaling modalities)에 관한 정보를 제공한다. 즉, 스키마는 일반적으로 클래스들 및 클래스들 간의 관계들의 컬렉션으로 정의될 수 있고, 이것은 예를 들어 이벤트 또는 통지 클래스, 소스, 타겟, 이벤트 또는 통지 의미론, 존재론적(ontological) 컨텐츠 정보, 관측 신뢰도 및 거의 모든 서비스 품질 속성을 포함하여, 통지 및 이벤트의 구조를 정의한다.

통지 소스 스키마에 대한 파라미터(도시되지 않음)는 메시지 클래스; 관련성(relevance); 중요도; 시간 크리티컬리티; 신규성; 컨텐츠 속성; 충실도 트레이드오프, 및/또는 소스 정보 요약 정보 중 하나 이상을 포함할 수 있다. 통지 소스 에 의해 발생되는 통지에 대한 메시지 클래스는 예를 들면, 이메일, 인스턴트 메시지, 금융 관련 수치 갱신, 및 데스크탑 서비스과 같은 통지의 통신 유형을 나타낸다. 통지 소스에 의해 발생되는 통지에 대한 관련성은 통지 내에 포함되는 정보가 하나 이상의 특정 컨텍스트와 연관될 가능성을 나타낸다. 예를 들면, 관련성은 소스가 주어진 컨텍스트와 연관성이 있는지 없는지 여부를 나타내는 논리적 플래그(logical flag)에 의해 제공될 수 있다. 통지의 신규성은 사용자가 통지 내에 포함되는 정보를 이미 알고 있을 가능성을 나타낸다. 즉, 신규성은 시간의 경과에 따라 정보가 사용자에게 새로운 것인지(사용자가 현재 그 정보를 알고 있는지, 및 사용자가 그 정보를 나중에 알게된다면, 경고를 받지 않고 언제 알게될지를 나타냄)에 관한 것이다.

통지에 관련된 충실도 트레이드오프는, 예를 들면, 허용되고 지정된 다양한 형태의 생략(truncation) 및/또는 요약으로 인해 발생될 수 있는 통지 내의 정보 가치의 손실을 나타낸다. 그러한 생략 및/또는 요약은, 생성된 그대로의 완전한 통지를 수신하지 못하게 하는 대역폭 및/또는 기타 제약을 가질 수 있는 소정 유형의 통지 싱크(236-238)로 전달될 통지에 대해 요구될 수 있다. 일반적으로 충실도는 통지에 관련된 본래의 컨텐츠의 완전성 및/또는 완전도를 나타낸다. 예를 들면, 긴 이메일 메시지는 셀룰러폰에 의해 허용되는 최대 100 문자로 생략되거나 다르게 요약되어, 충실도의 손실이 발생된다. 마찬가지로, 텍스트 및 그래픽 컨텐츠를 포함하는 원본 메시지가 텍스트 기능만을 가지는 장치를 통해 전송될 경우 충실도의 손실이 발생한다. 또한, 장치가 소스로부터 사용가능한 최대 해상도의 일부 분만을 표현가능한 경우도 있다. 충실도 트레이드오프는, 충실도의 변화에 따라 통지 컨텐츠의 총 가치가 어떻게 감소하는지를 나타내는 비용 함수 및/또는 순위(예를 들면, 먼저 그래픽, 그 다음 음향의 순서로 중요도를 부여함) 중 어느 하나에 관련하여 기술되는 일련의 소스의 충실도 선호도들을 나타낸다. 예를 들면, 충실도 트레이드오프는 생략의 양이 보다 많이 증가함에 따라 완전한 이메일 메시지의 전송에 관련된 전체 가치가 어떻게 변화하는지를 나타낼 수 있다. 예를 들면, 컨텐츠 속성은 핵심 메시지가 텍스트, 그래픽 및 음성 성분을 포함하는지와 같은 정보를 나타내는, 컨텐츠 특성의 요약을 포함할 수 있다. 컨텐츠 그 자체는 통지의 메시지 컨텐츠를 구성하는 실제의 그래픽, 텍스트 및/또는 음성이다.

통지의 중요도는, 정보가 현재 컨텍스트에 관련있는 것으로 가정한 상태에서, 사용자에 대하여 통지에 포함된 정보가 갖는 가치를 나타낸다. 예를 들면, 중요도는 사용자에 대한 정보의 가치의 달러 값으로 표현될 수 있다. 시간 크리티컬리티는 통지 내에 포함되는 정보의 가치의 시간 의존적인 변화, 즉 정보의 가치가 시간의 경과에 따라 어떻게 변화하는지를 나타낸다. 전부는 아니지만 대부분의 경우에서, 통지의 정보 가치는 시간에 따라 낮아진다. 이것은 도 20의 도면에 나타나 있다. 그래프(280)는 통지의 유용성을 시간에 대하여 맵핑한 것이다. 그래프 내에서, 시작 시간을 나타내는 포인트(284)에 통지의 중요도가 나타나 있으며, 곡선(286)은 시간의 경과에 따른 유용성의 감소를 나타낸다.

도 19를 다시 참조하면, 상이한 통지 소스 또는 소스 유형들에 대한 디폴트 속성 및 스키마 템플레이트(schema template)는, 도 18의 저장부(252)와 같은 사용 자 통지 선호도 저장부 내에 저장된 통지 소스 프로파일에서 사용가능하도록 될 수 있다. 그러한 디폴트 템플레이트는, 통지 소스에 의해 제공되는 값에 우선하거나, 소스에 의해 제공되는 스키마로부터 속성이 누락된 경우 그 속성을 제공하도록 지시받을 수 있다. 소스 요약 정보는, 소스가 자신이 제공할 수 있는 잠재적인 통지 및 정보 상태의 일반적인 요약을 개시할 수 있도록 한다. 예를 들면, 메시지 소스로부터의 소스 요약 정보는, 적어도 소정의 우선 순위를 갖는 읽지 않은 메시지의 총 개수, 사용자와 통신하려는 사람들에 의한 시도의 상태, 및/또는 다른 요약 정보에 관한 정보를 포함할 수 있다.

통지 싱크(236-238)는 사용자 또는 다른 엔터티가 통지 내에 포함된 정보를 통지받을 수 있게 하는 거의 모든 장치 또는 어플리케이션일 수 있다. 특정 통지를 전송하기 위해 어떤 싱크 또는 싱크들이 사용될지에 대한 선택은 통지 관리자(224)에 의해 결정된다.

통지 싱크(236-238)는 스키마 내에 제공되는 다음의 파라미터들 중 하나 이상을 가질 수 있다. 이러한 파라미터들은 예를 들면, 장치 클래스; 시그널링(경고) 모드; 및 관련된 모드에 대한 충실도/렌더링 능력, 전송 신뢰도, 통신의 실제 비용, 및/또는 방해에 대한 주의 비용을 포함할 수 있다. 경고 속성의 파라미터화된 제어에 대해 적합한 장치들에 대하여, 그 장치들을 위한 스키마는 통보 속성들과 그 속성들을 제어하기 위한 파라미터들의 기술, 및 경고 속성의 서로 다른 설정들에 따라 다른 속성(예를 들면, 전송 신뢰도, 배포 비용)이 변화하게 하는 함수를 추가로 포함할 수 있다. 통지 싱크에 대한 스키마는, 통지 장치가 자신의 특성 및 능력에 대한 의미론적 정보를 통지 관리자(224) 및/또는 시스템의 다른 구성 요소와 통신하는 방식을 제공한다. 서로 다른 장치 유형에 대한 디폴트 속성 및 스키마 템플레이트는 전술한 바와 같이 도 18의 저장부(252)와 같은 사용자 통지 선호도 저장부 내에 저장된 장치 프로파일에서 사용가능할 수 있다. 그러한 디폴트 템플레이트는 장치에 의해 제공된 값들에 우선하거나 장치에 의해 제공된 스키마로부터 속성이 누락된 경우 그 속성을 제공하도록 지시받을 수 있다.

이하에서는, 스키마 파라미터의 각각을 용어로 설명한다. 장치의 클래스는 예를 들면, 셀룰러폰, 데스크탑 컴퓨터 및 랩탑 컴퓨터와 같은 장치의 유형을 나타낸다. 또한, 클래스는 이동 장치 또는 고정 장치와 같이 보다 더 일반적일 수 있다. 시그널링 모드는 주어진 장치가 통지에 관해 사용자에게 경고하는 방식을 나타낸다. 장치들은 하나 이상의 통지 모드를 가질 수 있다. 예를 들면, 셀룰러폰은 진동만 할 수 있거나, 소정의 볼륨으로 울릴 수 있거나, 진동하는 것과 울리는 것 둘다를 할 수 있다. 또한, 경고 시스템용 데스크탑 디스플레이는 몇개의 개별적인 모드[예를 들면, 디스플레이의 상방 우측편의 작은 통지 윈도우와 스크린 상단의 작은 섬네일(thumbnail), 오디오 전달자(audio herald)를 가질 수도 있고 갖지 않을 수도 있음]로 분해될 수 있다. 미리 정의된 행동의 세트에 제한되지 않고, 장치는 장치 정의의 일부분으로서 파라미터의 함수인 경고 속성을 갖는 모드를 인에이블시킬 수 있다. 모드에 대한 연속적인 경고 파라미터는, 예를 들면 데스크탑에서 경고가 재생될 볼륨, 셀룰러폰에서의 울림, 및 경고 윈도우의 크기와 같은 제어를 나타낸다.

통지 싱크(236-238)의 모드에 대한 전송 신뢰도는, 사용자가 해당 모드를 갖는 싱크를 통해 사용자에게 전달되는 통지에 관한 통신된 경고를 수신할 가능성을 나타낸다. 전송 신뢰도가 사용자의 컨텍스트 및 장치의 사용가능성에 의존적일 수 있기 때문에, 장치의 상이한 모드들의 전송 신뢰도는 사용자의 주의 및 위치와 같은 컨텍스트적인 속성에 따라 결정될 수 있다. 고유 위치 및 고유 주의 상태와 같은 속성들의 벡터곱에 의해 정의되고, (예를 들면, 집으로부터 떨어진 임의의 위치, 및 오전 8시 이후 정오 이전의 임의의 기간에 대한) 그러한 속성의 추상적 개념(abstractions)으로 생성되는 분리(disjunctions)으로서 정의되는, 하나 이상의 고유 컨텍스트상의 상태들에 대한 전송 신뢰도가 또한 지정될 수 있다. 예를 들면, 사용자가 현재 어디에 있는지에 따라, 특히 사용자가 간헐적인 커버리지를 갖는 영역에 있는 경우 또는 사용자가 해당 위치에서 셀룰러폰을 갖고 있지 않을 가능성이 있는 경우(예를 들면, 가족 휴일), 셀룰러폰으로 전송되는 정보가 항상 사용자에게 도달하는 것은 아닐 수 있다. 또한, 컨텍스트는 주변의 잡음 및/또는 컨텍스트의 차폐(masking) 특성 또는 전환 특성 때문에 전송 신뢰도에 영향을 줄 수 있다.

통신의 실제 비용은, 싱크로 전달되는 통지 내에 포함될 경우, 사용자에게 정보를 전달하는 실제 비용을 나타낸다. 예를 들면, 이 비용은 셀룰러폰 전송에 관련된 요금을 포함할 수 있다. 방해의 비용은 특정 컨텍스트에서, 장치의 특정 모드에 의해 사용되는 경고에 관련된 방해에 관련된 주의 집중 비용을 포함한다. 주의 집중 비용은 일반적으로 사용자의 특정 주의 집중에 민감하다. 충실도/랜더 링 능력은, 주어진 모드에서의 장치의 텍스트, 그래픽 및 음성/촉각 능력의 표현이다. 예를 들면, 셀룰러폰의 텍스트 한도는 임의의 단일 메시지에 대해 100 문자일 수 있고 셀룰러폰은 그래픽 능력을 가지지 않을 수 있다.

도 21을 참고하면, 인터페이스(290)는, 사용자의 현재 컨텍스트를 결정할 때에 컨텍스트 분석기(222)에 의해 사용될 수 있는, 사용자에 의해 선택가능한 컨텍스트 지정을 도시한 것이다. 사용자에 의한 직접 지정 및/또는 사용자-수정가능한 프로파일에 따른 사용자 컨텍스트의 결정이 설명된다. 사용자의 컨텍스트는 사용자의 주의 집중, 즉 사용자가 현재 통지 경고를 수신할 수 있는지 여부뿐만 아니라, 사용자의 현재 위치를 포함할 수 있다. 그러나, 본 발명은 여기에 한정되지 않는다.

사용자에 의한 컨텍스트의 직접 지정은, 사용자가 경고를 수신할 수 있는지, 경고를 수신하기를 원하는지를 지정할 수 있게 한다. 디폴트 프로파일(도시되지 않음)은, 디폴트 주의 집중 상태 및 사용자가 경고를 수신할 수 있는 디폴트 위치를 나타내는 데에 사용될 수 있다. 디폴트 프로파일은 사용자의 필요에 따라 수정될 수 있다.

도 21을 참조하면, 인터페이스(290)는 본 발명의 한 양태에 따라 컨텍스트의 직접 지정이 어떻게 구현될 수 있는지를 나타낸다. 예를 들어, 윈도우(291)는 주의 집중 섹션(292) 및 위치 섹션(294)을 갖는다. 주의 집중 섹션(292)에서, 사용자는 예를 들어, 사용자가 항상 경고를 수신할 수 있는지, 사용자가 경고를 결코 수신할 수 없는지, 사용자가 소정의 임계치보다 큰 중요 레벨을 갖는 경고만 수신 할 수 있는지를 나타내는 하나 이상의 체크 박스(296)를 체크할 수 있다. 다른 수신 가능 여부 섹션이 제공될 수 있다. 도 21에 나타난 바와 같이, 임계치는 달러로 측정할 수 있지만, 이는 예시적인 목적일 뿐이며, 본 발명을 한정하는 것은 아니다. 사용자는 직접 새로운 값을 입력하거나, 임계치를 화살표(300)을 통해 증가시키거나 감소시킴으로써 박스(298)에서 임계치를 증가시킬 수 있다.

위치 섹션(294)에서, 사용자는 경고가 전달되기를 원하는 곳을 지정하기 위하여 체크 박스들(302) 중 하나 이상을 체크할 수 있다. 예를 들어, 사용자는 데스크탑, 이메일, 랩탑, 휴대폰, 차, 신문, 개인 휴대 정보 단말기(PDA) 등에 경고가 전달되도록 할 수 있다. 그러나, 이들을 예시적인 것이며, 본 발명이 한정되는 것은 아니다.

섹션(292)의 체크 박스(296) 및 박스(298)와 섹션(294)의 체크 박스(302)에 대한 미리 설정된 디폴트가 존재하는 윈도우(291)는 디폴트 사용자 프로파일로 고려될 수 있다. 사용자가 디폴트 선택사항보다 자신의 선택사항을 우위에 둘 수 있다는 점에서, 프로파일은 사용자에 의해 수정가능한 것이다. 또한, 다른 유형의 프로파일들도 본 발명에 따라 활용될 수 있다.

이제 도 22를 참조하여, 예를 들어, 본 발명에 따라 하나 이상의 센서를 사용하는 직접적인 측정에 의한 사용자 컨텍스트의 결정을 설명한다. 사용자의 컨텍스트는 사용자의 현재 위치뿐만 아니라 사용자의 주의 집중을 포함할 수 있다. 그러나, 본 발명은 이에 한정되는 것이 아니다. 컨텍스트의 직접적인 측정은, 사용자가 현재 경고를 수신할 수 있는지를 검출하고 사용자가 현재 어디에 있는지를 검 출하기 위해 센서를 사용할 수 있음을 나타낸다. 본 발명의 한 양태에 따르면, 아래에서 설명되는 바와 같이, 사용자 컨텍스트를 결정하기 위하여, 직접적인 측정과 함께 추론적 분석이 사용될 수 있다.

도 22를 참조하면, 사용자 컨텍스트의 직접적인 측정이 수행될 수 있는 시스템(310)이 도시되어 있다. 시스템(310)은 컨텍스트 분석기(312)와 이에 통신가능하게 연결된 다수의 센서(314-320), 예를 들어, 휴대폰(314), 비디오 카메라(315), 마이크로폰(316), 키보드(317), PDA(318), 차(319) 및 GPS(320)를 포함한다. 도 22에 나타낸 센서(320)는 예시적인 것이며, 본 발명을 한정하는 것은 아니다. 여기서 사용된 센서의 정의는, 컨텍스트 분석기(312)가 사용자의 현재 주의 집중이 무엇인지, 및/또는 사용자의 현재 위치는 어디인지를 결정할 수 있도록 하는 임의의 장치 또는 수단을 의미하는 일반적이고 포괄적인 정의이다.

예를 들어, 사용자가 휴대폰(314)을 켜면, 이는 사용자가 휴대폰(314)으로 경고를 수신할 수 있음을 나타낼 수 있다. 그러나, 사용자가 현재 휴대폰(314)으로 통화 중인 경우, 이는 사용자가 다른 것(즉, 현재의 전화 통화)에 주의 집중하고 있으므로, 현재 통지 경고에 의해 방해받아서는 안된다는 것을 나타낼 수 있다. 비디오 카메라(315)는 예를 들어 사용자의 사무실에 위치하여, 사용자가 사무실에 있는지(즉, 사용자의 위치), 또는 다른 사람도 사무실에 있어 회의 중이므로 사용자가 방해받아서는 안되는지(즉, 사용자의 초점)를 검출할 수 있다. 마찬가지로, 마이크로폰(316)도 사용자의 사무실에 위치하여, 사용자가 다른 사람과 이야기하고 있으므로 방해받아서는 안되는지, 키보드 타이핑 중이므로(예를 들어, 거기서 나오 는 소리를 통해) 사용자가 현재 방해받아서는 안되는지를 검출할 수 있다. 키보드(317)는 또한 사용자가 현재 타이핑 중인지, 예를 들어, 사용자가 매우 빠르게 타이핑하고 있으면 이는 사용자가 컴퓨터 관련 활동에 집중해 있는 것이므로 방해받아서는 안된다는 것을 결정하는 데 이용할 수 있다 (또한 사용자가 실제 사무실에 있음을 나타낼 수도 있음).

PDA 장치(318)가 사용자에 의해 액세스되고 있는 중이라면, 이는 사용자가 장치(318)에서 경고를 수신할 수 있음, 즉 장치(318)가 있는 위치로 경고가 전달되어야 함을 나타낼 수 있다. 장치(318)는 사용자의 현재 주의 집중을 결정하는 데에도 이용될 수 있다. 차량(319)은 사용자가 현재 차량 내에 있는지, 즉 사용자가 현재 차량은 운전중인지를 결정하는 데에 이용될 수 있다. 예를 들어, 사용자가 무엇에 집중하고 있는지를 결정하기 위해, 차량의 속도가 고려될 수 있다. 속도가 소정의 속도 이상이면, 사용자가 운전에 집중하고 있으므로 통지 경고에 의해 방해받아서는 안된다는 것을 결정할 수 있다. 본 기술 분야에 공지되어 있는 바와 같이, GPS 장치(320)가 사용자의 위치 확인에 이용될 수 있다.

다음의 상세한 설명에서, 사용자-수정가능 규칙에 따른 사용자 컨텍스트의 결정이 설명된다. 사용자의 컨텍스트는 사용자의 현재 위치뿐만 아니라 사용자의 주의 집중을 포함할 수 있다. 그러나, 본 발명이 이에만 한정되는 것은 아니다. 규칙을 통해 컨텍스트를 결정한다는 것은, 사용자의 위치 및/또는 주의 집중을 결정하기 위해 if-then 규칙의 계층적 세트를 따를 수 있음을 나타내는 것이다.

도 23을 참조하면, 계층적으로 순서화된 규칙들의 세트(330)가 예시되어 있 다. 규칙 세트(330)는 예를 들어 규칙(332, 333, 334, 335, 336, 337, 및 338)을 서술한다. 다른 규칙도 유사하게 구성될 수 있다. 도 23에 도시된 바와 같이, 규칙 (333 및 334)은 규칙(332)에 종속하고, 규칙(334)은 규칙(333)에 종속하고, 규칙(338)은 규칙(337)에 종속한다. 규칙들은 규칙(332)을 가장 먼저 테스트하고, 규칙(332)이 참이면 규칙(333)을 테스트하고, 규칙(333)이 참이면 규칙(334)을 테스트하는 식으로 정렬된다. 규칙(332)이 거짓이면 규칙(336)을 테스트하고, 규칙(336)이 거짓이면 규칙(337)을 테스트하고, 규칙(337)이 참이면 규칙(338)을 테스트한다. 규칙은 사용자에 의해 생성될 수 있고/있거나 수정될 수 있는 것이 바람직하다. otherwise 유형의 규칙도 규칙 세트(330)에 포함될 수 있다(예를 들어, if-then 규칙이 거짓이면, otherwise 규칙이 제어한다).

따라서, 규칙 세트는 사용자의 컨텍스트가 결정되도록 사용자에 의해 구성될 수 있다. 예를 들어, 위치에 관련하여, 첫번째 규칙이 현재 날짜가 주중인지를 테스트하는 것인 규칙 세트가 있을 수 있다. 주중인 경우, 첫번째 규칙에 종속하는 두번째 규칙은, 현재 시간이 오전 9에서 오후 5시 사이인지를 테스트한다. 두번째 규칙은, 참인 경우에는 사용자가 사무실에 있음을 나타내고, 거짓인 경우에는 사용자가 집에 있음을 나타낸다. 첫번째 규칙이 거짓이면, 즉 현재 날짜가 주중이 아니라 주말이면, otherwise 규칙은 사용자가 집에 있음을 나타낸다. 이 예는 본 발명을 제한하거나 한정하는 예가 아니고, 하나 이상의 다른 규칙이 유사하게 구성될 수 있다.

이하의 상세한 설명에서, 통계 및/또는 베이즈 모델(Bayesian model)과 같은 추론적 분석에 의한 사용자 컨텍스트의 결정이 설명된다. 상술한 바와 같이, 추론적 분석에 의한 컨텍스트 결정은 몇몇 형태에서 센서를 통한 직접적인 측정과 같은 다른 결정에 의존한다. 여기에서 사용된 추론적 분석이란, 다수의 입력 변수에 대해 추론 처리를 이용하여, 출력 변수, 즉 현재 사용자의 컨텍스트를 산출해내는 것을 말한다. 분석은 한 형태에서 통계 모델 및/또는 베이즈 모델의 이용을 포함할 수 있다.

도 24를 참조하여, 본 발명의 한 양태에 따라 사용자의 컨텍스트(344)를 결정하기 위하여 추론 분석이 추론 엔진(342)에 의해 수행되는 시스템(340)이 설명된다. 한 양태에서, 엔진(342)은 메모리와 같은 컴퓨터 판독가능한 매체로부터 컴퓨터의 프로세서에 의해 실행되는 컴퓨터 프로그램이다. 사용자 컨텍스트(344)는 엔진(342)의 출력 변수로서 고려될 수 있다.

엔진(342)은 하나 이상의 입력 변수를 처리하여 컨텍스트를 결정할 수 있다. 이러한 입력 변수는, 예를 들어, 사용자의 스케쥴링 또는 개인 정보 관리기(PIM) 컴퓨터 프로그램 및/또는 사용자의 PDA 장치에서 액세스할 수 있는 시계(350)와 캘린더(352)에 의해 나타나는 현재의 시간과 날짜뿐만 아니라, 전 단락의 설명에서 컨텍스트 결정에 대한 직접 측정 방식에 관련하여 설명된 센서와 같은 하나 이상의 센서(348)를 포함할 수 있다. 도 24에 도시된 입력 변수 이외의 다른 입력 변수도 고려될 수 있다. 도 24의 변수가 본 발명을 한정하거나 제한하는 것은 아니다.

도 25 및 26을 참조로, 본 발명에 따라 상술된 추론적 엔진에 의해 실행될 수 있는 통계 또는 베이즈 모델에 의해 제공되는 예시적인 추론 모델이 설명된다. 일반적으로, 컴퓨터 시스템은 사용자의 상태의 세부 사항에 대하여 다소 불명확할 수 있다. 따라서, 불확실성 하에서 사용자의 주의 집중 또는 다른 상태에 대하여 추론할 수 있는 확률론적 모델이 구성될 수 있다. 베이즈 모델은 사용자의 주의 집중에 대하여 확률 분포를 추론할 수 있다. 이러한 주의 집중의 상태들은, 사용자가 현재 다루고 있는 상이한 클래스의 지적 문제들의 세트에 대한 전형적인 상황 또는 개요 표현들의 세트로서 형식화될 수 있다. 대안적으로, 주의 집중의 연속적인 측정에 대하여 추론을 하는 모델 및/또는 상이한 유형의 통지들에 대한 방해의 비용의 확률 분포를 직접적으로 추론하는 모델이 형성될 수 있다.

사용자의 활동 및 위치에 대한 한 세트의 관측값에 기초하여 대안적인 활동 컨텍스트 또는 상태의 확률을 추론할 수 있는 베이즈 네트워크(Bayesian network)가 이용될 수 있다. 예를 들어, 도 25는 하나의 기간 동안 사용자의 주의 집중을 추론하기 위한 베이즈 네트워크(354)를 나타낸다. 주의 집중(356)이라는 변수 상태는 데스크탑 및 비-데스크탑 컨텍스트를 나타낸다. 모델에서 고려되는 예시적인 주의 컨텍스트는 예를 들어, 상황 인식, 집중, 불특정 백그라운드 작업, 집중된 컨텐츠 생성 또는 검토, 가벼운 컨텐츠 생성 또는 검토, 문서 브라우징, 사무실 내의 회의, 사무실 밖의 회의, 프리젠테이션 청취, 사적인 시간, 가족 시간, 개인적인 초점, 비격식의 대화 및 여행을 포함한다. 베이즈 네트워크(354)는 사용자의 현재 주의 집중 및 위치가 사용자의 스케줄된 약속(온라인 캘린더)(358), 하루중의 시각(360), 데드라인의 근접(상태)(362)에 의해 영향을 받는 것을 표시한다. 사용자의 주의 집중에 대한 확률 분포는 예를 들어, 사용자의 사무실에서 모니터링된 주 변 음향 신호(364)의 상태의 요약에 의해서도 영향을 받을 수 있다. 시간에 따른 주변 음향 신호(364)의 단편들은 활동 및 대화의 존재여부에 대한 단서/입력을 제공한다. 소프트웨어 어플리케이션의 상태와 구성, 및 컴퓨터와 상호 작용하는 사용자에 의해 생성되는 사용자 활동의 진행 흐름도 사용자 주의 집중에 대한 증거의 소스를 제공한다.

네트워크(354) 내에 표현되어 있는 바와 같이, 오퍼레이팅 시스템 또는 다른 환경에서 현재 최상위 레벨에 있는 소프트웨어 어플리케이션(366)은 사용자의 초점 및 태스크의 성향에 영향을 미치고, 사용자의 주의 집중 상태 및 집중되는 어플리케이션 둘 다 컴퓨터 중심 활동에 영향을 미친다. 그러한 활동은 일련의 마우스 및 키보드 동작들로부터 확립되는 사용자 활동의 흐름, 및 더 넓은 시간 수평축에 걸친 어플리케이션 사용의 고-레벨 패턴을 포함한다. 그러한 패턴은 이메일 중심과 워드-프로세서 중심을 포함하고, 다수의 어플리케이션이 상호배치되는 방식을 비롯하여, 전형적인 활동 클래스들을 참조한다.

도 26은 상이한 기간들에서의 컨텍스트 변수들 간의 사용자 주의 집중의 베이즈 모델(368)을 도시한다. 마르코프(Markov) 시간 종속성들의 세트는 모델(368)에 의해 기술되고, 여기서, 사용자의 상태에 관한 현재의 결정에서 컨텍스트 변수의 과거 상태들이 참작된다. 이러한 베이즈 모델(368)은 온라인 캘린더 등에 의해 제공되는 정보, 및 이벤트 검출 시스템(도시되지 않음)에 의해 보고되는 실내 음향 및 사용자 활동에 대한 관측치의 스트림을 실시간으로 고려하고, 사용자 주의 집중의 확률 분포에 대한 추론적 결과를 계속해서 제공한다.

도 27 및 도 28은 본 발명에 따른 컨텍스트 분석기 및 통지 관리자 등 통지 아키텍쳐의 부분들을 제공하는 방법을 개시한다. 설명의 간략화를 위해, 그 방법은 일련의 동작으로서 도시 및 기술되지만, 본 발명에 따르면, 일부 동작들은 여기 도시되고 기술된 것과는 다른 순서로 수행되고/되거나 또 다른 동작들과 상호 작용하는 등, 본 발명은 여기에 개시된 동작의 순서에 의해 한정되지 않는다는 것을 이해해야 할 것이다. 예를 들어, 본 기술의 당업자는 방법이 상태도와 같은 서로 관련된 일련의 상태 또는 이벤트들로서 대신 표현될 수도 있음을 이해해야 한다. 게다가, 본 발명에 따른 방법을 구현하는 데 있어 여기에 기술된 모든 동작들이 필요한 것은 아니다.

도 27을 참조하면, 흐름도(370)는 본 발명에 따른 사용자의 컨텍스트 결정 단계에 대해 기술한다. 프로세스는 단계(371)의 사용자 위치 결정 단계와 단계 (372)의 사용자 초점 결정 단계를 포함한다. 이러한 동작들은 이전에 기술된 접근법들 중 하나 이상에 의해 달성될 수 있다. 예를 들어, 프로파일이 사용될 수 있고; 사용자는 자신의 컨텍스트를 상세히 특정할 수 있고; 컨텍스트의 직접 측정이 이용될 수 있고; 규칙 세트를 따를 수 있고; 베이즈 또는 통계적 모델에 의한 것과 같은 추론적 분석 역시 수행될 수 있다. 사용자의 컨텍스트를 결정하기 위해 또 다른 분석이 사용될 수 있음을 이해해야 한다. 예를 들어, 누군가가 컴퓨터 앞에 있는지 그리고 컴퓨터를 보고 있는지 여부를 알리는 비디오 카메라 소스가 통합될 수 있다. 그러나, 시스템은 카메라를 이용할 수도 있고 카메라를 이용하지 않을 수도 있음에 주목해야 한다. 모든 소스들에 대하여, 시스템이 거의 모든 가용한 입력 소스를 이용하여 동작하고, 어떠한 특정한 소스도 컨텍스트에 대해 추론할 필요가 없을 수 있다. 또한, 다른 양태로서, 사용자의 위치 및 주의 집중을 감지하는 것으로, 가속도계, 마이크로폰 및 근접 검출기를 소형 PDA에 통합할 수 있다.

이제, 도 28을 참조하면, 흐름도(373)는 본 발명의 하나의 양태에 따라, 통지 관리자에 대한 결정 프로세스를 기술한다. 단계(374)에서, 하나 이상의 통지 소스는 통지를 생성하고, 이는 통지 관리자에 의해 수신된다. 단계(375)에서, 컨텍스트 분석기는 사용자에 관한 컨텍스트 정보를 생성/결정하고, 이는 단계(376)에서 통지 관리자에 의해 수신된다. 즉, 본 발명의 한 양태에 따르면, 단계(375)에서, 컨텍스트 분석기는 상술한 바와 같이 사용자의 현재 주의 집중 상태 및 위치를 나타내는 사용자 컨텍스트 정보 프로파일을 액세스하고/하거나, 하나 이상의 컨텍스트 정보 소스로부터의 사용자의 현재 주의 집중 상태 및 위치에 관한 실시간 정보를 평가한다.

단계(377)에서, 통지 관리자는 컨텍스트 분석기로부터 수신된 컨텍스트 정보에 부분적으로 기초하여, 어떠한 통지가 어떠한 통지 싱크로 전달될 것인지를 결정한다. 통지 관리자는 또한 컨텍스트 분석기에 의해 저장된 것과 같은 사용자의 통지 파라미터에 관한 정보에 기초하여 결정을 수행한다. 즉, 한 양태에 따르면, 단계 (377)에서, 관리자는 사용자가 주어진 통지에 대해 경고받아야 하는지 여부, 및 사용자가 통지받는 방법 등에 대한 결정 이론적 분석을 수행한다. 이하 보다 상세히 기술되는 바와 같이, 이론적 결정 및/또는 발견적 분석, 결정 및 정책이 단계 (377)에서 채용될 수 있다. 사용자에 관한 통지 파라미터는 누락된 값을 채우는 것에 의해, 또는 소스나 싱크의 스키마에 제공되는 파라미터를 오버라이팅(overwriting)하는 것에 의해 분석을 개인화하는 데에 사용될 수 있다. 또한 통지 선호도는 이론적 분석 결정 대신 채용되는 정책(예를 들어, 발견적)을 제공할 수 있다. 이러한 결정에 기초하여, 통지 관리자는 단계(378)에서 통지를 싱크로 전달한다.

지금까지 여기서 설명한 본 발명의 다양한 양태는 사용자에게 적용가능한 것이었다. 그러나, 본 발명 자체는 이에 한정되지 않는다. 즉, 본 발명은 대체로 사용자를 비롯한 거의 모든 종류의 엔티티에 적용가능하다. 엔티티의 다른 형태들은 예를 들어, 에이전트, 프로세스, 컴퓨터 프로그램, 쓰레드, 서비스, 서버, 컴퓨터, 기계, 회사, 조직 및/또는 기업체를 포함한다. 예를 들어, 에이전트는, 작업이 수행되거나 또는 어떤 예상되는 이벤트가 발생할 때, 사용자에 대한 백그라운드 작업을 수행하여 사용자에게 보고하는 컴퓨터 프로그램으로서 일반적으로 정의되는 소프트웨어 에이전트일 수 있다. 또 다른 형태의 엔티티들이 본 발명에 포함될 수 있다는 것도 당업자에 의해 인정될 수 있어야 한다. 예를 들어, 본 발명의 다른 양태에 따른 컨텍스트 분석기는 거의 모든 종류의 엔티티에 적용가능한 구성 요소로서 일반화될 수 있다. 다른 예로서, 통지 싱크는 사용자 이외의 다른 엔티티에 관한 통지, 경고 및 이벤트를 발생할 수 있다. 마찬가지로, 통지 싱크는 사용자 이외의 엔티티들에 관한 통지, 경고 및 이벤트를 수신할 수 있다.

본 발명의 다양한 양태에 대해 컨텍스트를 제공하기 위해, 도 29 및 다음 논의는 본 발명의 다양한 양태가 구현될 수 있는 적절한 컴퓨팅 환경에 대한 일반적 인 기술을 간략히 제공하기 위한 것이다. 상술된 본 발명은 하나의 컴퓨터 및/또는 컴퓨터들에서 구동하는 컴퓨터 프로그램의 컴퓨터 실행가능한 명령의 일반적 컨텍스트에 대한 것이지만, 당업자는 본 발명이 다른 프로그램 모듈들과의 조합으로 구현될 수도 있다는 것을 알 것이다. 일반적으로, 프로그램 모듈은 특정한 작업을 수행하고/하거나 특정한 추상적 데이터형을 구현하는 루틴, 프로그램, 구성 요소, 데이터 구조 등을 포함한다. 또한, 당업자는 본 발명의 방법들이 단일-프로세서 또는 다중 프로세서 컴퓨터 시스템, 미니 컴퓨터, 메인프레임 컴퓨터뿐만 아니라 퍼스널 컴퓨터, 핸드헬드형 컴퓨터 장치, 마이크로프로세서 시스템 또는 프로그램가능한 소비자 전자기기 등을 포함하는 기타 컴퓨터 시스템 구성에서 실행될 수 있다는 것을 알 것이다. 기술된 본 발명의 양태들은 통신 네트워크를 통해 링크된 원격 처리 장치들에 의해 작업이 수행되는 분산 컴퓨팅 환경에서도 실행될 수 있다. 그러나, 본 발명의 모든 양태들의 전부는 아니더라도 일부는 독립형 컴퓨터에서 실행될 수 있다. 분산 컴퓨터 환경에서, 프로그램 모듈은 로컬 및 원격 메모리 저장 장치 둘다에 위치될 수 있다.

도 29를 참조하면, 본 발명의 다양한 양태들을 구현하기 위한 전형적인 시스템은 처리 유닛(421), 시스템 메모리(422), 및 처리 유닛(421)에 시스템 메모리를 포함하는 다양한 시스템 구성 요소를 결합하는 시스템 버스(423)를 포함하는 컴퓨터(420)를 포함한다. 처리 유닛(421)은 통상적으로 이용가능한 임의의 다양한 프로세서일 수 있다. 또한, 듀얼 마이크로프로세서 및 기타 멀티프로세서 아키텍쳐 역시 처리 유닛(421)으로서 사용될 수 있다.

시스템 버스는, 통상적으로 이용가능한 다양한 버스 아키텍쳐 중 임의의 것을 사용하는 로컬 버스, 메모리 버스 또는 메모리 제어기, 및 주변 버스를 포함하는 여러 형태의 버스 구조 중 임의의 것이다. 시스템 메모리는 판독 전용 메모리(ROM; 424) 및 랜덤 액세스 메모리(RAM; 425)를 포함할 수 있다. 스타트 업 동안 등에서, 컴퓨터(420) 내의 구성요소들 간에 정보를 전달하는 것을 돕는 기본 루틴을 포함하는 기본 입/출력 시스템(BIOS)은 ROM(424)에 저장된다.

컴퓨터(420)는 하드 디스크 드라이브(427), 예를 들어, 탈부착식 디스크(429)로부터 판독하거나 그에 기입하는 자기 디스크 드라이브(428), 및 예를 들어, CD-ROM 디스크(431)로부터 판독하거나 그에 기입하는, 또한 또 다른 광학 매체로부터 판독하거나 그에 기입하는 광 디스크 드라이브(430)를 더 포함한다. 하드 디스크 드라이브(427), 자기 디스크 드라이브(428) 및 광 디스크 드라이브(430)는 하드 디스크 드라이브 인터페이스(432), 자기 디스크 드라이브 인터페이스(433), 및 광드라이브 인터페이스(434)에 의해 각각 시스템 버스(423)에 접속된다. 드라이브들 및 그들의 관련 컴퓨터 판독가능 매체는 데이터, 데이터 구조, 컴퓨터 실행가능 명령 등의 비휘발성 저장을 컴퓨터(420)에 제공한다. 컴퓨터 판독가능 매체에 관한 상세한 설명은 하드 디스크, 탈부착식 자기 디스크 및 CD를 참조하지만, 자기 카세트, 플래쉬 메모리 카드, 디지털 비디오 디스크, 베르누이(Bernoulli) 카트리지 등, 컴퓨터에 의해 판독가능한 또 다른 종류의 매체 또한 전형적인 오퍼레이팅 환경에서 사용될 수도 있으며, 임의의 그러한 매체는 본 발명의 방법을 수행하기 위해, 컴퓨터 실행가능 명령을 더 포함할 수도 있다는 것을 당업자는 알 것이 다.

오퍼레이팅 시스템(435), 하나 이상의 어플리케이션 프로그램(436), 또 다른 프로그램 모듈(437) 및 프로그램 데이터(438)를 포함하는 다수의 프로그램 모듈은 드라이브 및 RAM(425)에 저장될 수 있다. 기술된 컴퓨터에서의 오퍼레이팅 시스템(435)은 대체로 임의의 적당한 오퍼레이팅 시스템일 수 있음에 주목한다.

사용자는 키보드(440) 및 마우스(442)와 같은 포인팅 장치를 통하여 커맨드 및 정보를 컴퓨터(420)에 입력할 수 있다. 다른 입력 장치(도시되지 않음)로는 마이크로폰, 조이스틱, 게임 패드, 위성 안테나, 스캐너 등이 있다. 이들 및 다른 입력 장치들은 종종 시스템 버스에 결합되는 직렬 포트 인터페이스(446)를 통하여 처리 유닛(421)에 접속되거나, 또는 병렬 포트, 게임 포트 또는 유니버설 시리얼 버스(USB)와 같은 다른 인터페이스에 의해 접속될 수 있다. 모니터(447) 또는 다른 유형의 디스플레이 장치 역시 비디오 어댑터(448)와 같은 인터페이스를 통하여 시스템 버스(423)에 접속된다. 모니터에 부가하여, 컴퓨터는 스피커 및 프린터와 같은 다른 주변 출력 장치들(도시되지 않음)을 포함한다.

컴퓨터(420)는 원격 컴퓨터(449)와 같은 하나 이상의 원격 컴퓨터에의 논리적 접속을 이용하여 네트워크 환경에서 동작할 수도 있다. 원격 컴퓨터(449)는 워크스테이션, 서버 컴퓨터, 라우터, 피어 디바이스(peer device) 또는 다른 공통의 네트워크 노드일 수 있으며, 전형적으로 컴퓨터(420)에 관련하여 기술된 구성요소들 전부 또는 그들 중 다수를 포함한다. 도 29에서는 메모리 저장 장치(450)만이 도시되어 있다. 도 29에 도시된 논리적 접속은 근거리 통신망(LAN)(451) 및 광역 통신망(WAN)(452)을 포함할 수 있다. 그러한 네트워크 환경은 사무실, 기업체 컴퓨터 네트워크, 인트라넷 및 인터넷에서 흔히 보는 것이다.

컴퓨터(420)는, LAN 네트워크 환경에서 이용될 경우, 네트워크 인터페이스 또는 어댑터(453)를 통하여 근거리 통신망(451)에 접속될 수 있다. 컴퓨터(420)는, WAN 네트워크 환경에서 이용될 경우, 일반적으로 모뎀(454)을 포함할 수 있으며, 및/또는 LAN 상의 통신 서버에 접속되고, 및/또는 인터넷과 같은 광역 통신망(452)을 통하여 통신을 확립하기 위한 다른 수단들을 구비한다. 내장형 또는 외장형일 수 있는 모뎀(454)은 직렬 포트 인터페이스(446)를 통하여 시스템 버스(423)에 접속될 수 있다. 네트워크 환경에서는, 컴퓨터(420)에 관련하여 기술된 프로그램 모듈들 또는 그 일부가 원격 메모리 저장 장치에 저장될 수 있다. 도시된 네트워크 접속은 예시적인 것일 뿐이며 컴퓨터들 간에 통신을 확립하기 위한 다른 수단이 채용될 수도 있다는 것을 알아야 할 것이다.

컴퓨터 프로그래밍 기술 분야에 숙련된 자의 실무에 따라서, 달리 지적하지 않은 한, 컴퓨터(420)와 같은 컴퓨터에 의해 수행되는 작용 및 기호 표현된 동작에 관하여 본 발명을 기술하였다. 그러한 작용 및 동작은 때때로 '컴퓨터 실행된다'라고 한다. 이러한 작용 및 기호 표현된 동작은, 데이터 비트를 나타내는 전기 신호에 대한 처리 유닛에 의한 전기 신호 표현의 변환 또는 변형이 초래됨)과, (시스템 메모리(422), 하드 드라이브(427), 플로피 디스크(429), 및 CD-ROM(431)를 포함하는) 메모리 영역에서의 데이터 비트의 유지를 포함하여, 컴퓨터 시스템의 동작은 물론 다른 신호 처리를 재구성하거나 다르게는 그것을 변형시킨다. 그러한 데이터 비트가 유지되는 메모리 영역은 데이터 비트에 대응하는 특정 전기적, 자기적, 또는 광학적 특성을 갖는 물리적 영역이다.

상술한 것은 본 발명의 바람직한 양태들이다. 본 발명을 기술하기 위한 상상할 수 있는 모든 구성요소의 조합 또는 방법을 기술하는 것은 물론 불가능하지만, 당업자라면 본 발명의 다른 여러 조합 및 치환예가 가능하다는 것을 알 것이다. 따라서, 본 발명은 청구의 범위의 의미 및 범주에 속하는 첨부된 모든 그러한 변형, 변경 및 변화를 포함하는 것으로 의도된다.

도 1은 본 발명의 한 양태에 따른 우선 순위화 시스템의 개략적인 블록도.

도 2는 본 발명의 한 양태에 따른 분류자를 도시하는 블록도.

도 3은 본 발명의 한 양태에 따른 메시지 분류를 도시하는 개략적인 블록도.

도 4는 본 발명의 한 양태에 따른 스칼라 분류자 출력을 도시하는 개략적인 블록도.

도 5는 본 발명의 한 양태에 따른 클래스 및 스칼라 출력에 따라 분류된 텍스트를 도시하는 개략적인 블록도.

도 6은 본 발명의 한 양태에 따른 선형 우선 순위 모델을 도시하는 도면.

도 7은 본 발명의 한 양태에 따른 비선형 우선 순위 모델을 도시하는 도면.

도 8은 본 발명의 한 양태에 따른 사용자 활동을 결정하는 모델을 도시하는 도면.

도 9는 본 발명의 한 양태에 따른 현재의 사용자 활동을 결정하는 추론-기반 모델을 도시하는 도면.

도 10은 본 발명의 한 양태에 따른 경고 비용을 결정하는 추론-기반 모델을 도시하는 도면.

도 11은 본 발명의 한 양태에 따른 경고 비용을 결정하는 더욱 자세한 추론-기반 모델을 도시하는 도면.

도 12는 본 발명의 한 양태에 따른 충실도(fidelity) 손실의 측면에서의 경고 비용을 결정하는 더욱 자세한 추론-기반 모델을 도시하는 도면.

도 13은 본 발명의 한 양태에 따라 우선 순위를 생성하고 결정하는 방법을 도시하는 순서도.

도 14는 본 발명의 한 양태에 따른 텍스트 생성 프로그램 및 분류자를 도시하는 도면.

도 15는 본 발명의 한 양태에 따른 경고 시스템을 도시하는 개략적인 블록도.

도 16은 본 발명의 한 양태에 따른 라우팅 시스템 및 경고 시스템을 도시하는 도면.

도 17은 본 발명의 한 양태에 따른 통지 플랫폼 아키텍쳐를 도시하는 시스템의 개략적인 블록도.

도 18은 본 발명의 한 양태에 따른 컨텍스트 분석기를 도시하는 개략적인 블록도.

도 19는 본 발명의 한 양태에 따른 통지 소스 및 싱크를 도시하는 개략적인 블록도.

도 20은 본 발명의 한 양태에 따른 통지 곡선의 유틸리티를 도시하는 도면.

도 21은 본 발명의 한 양태에 따른 통지에 대한 사용자 지정 인터페이스를 도시하는 도면.

도 22는 본 발명의 한 양태에 따른 컨텍스트 정보 소스를 도시하는 도면.

도 23은 본 발명의 한 양태에 따른 컨텍스트를 결정하는 규칙-기반 시스템을 도시하는 도면.

도 24는 본 발명의 한 양태에 따른 컨텍스트를 결정하는 추론-기반 시스템을 도시하는 개략적인 블록도.

도 25는 본 발명의 한 양태에 따른 컨텍스트를 결정하는 추론 모델을 도시하는 도면.

도 26은 본 발명의 한 양태에 따른 컨텍스트를 결정하는 임시 추론 모델을 도시하는 도면.

도 27은 본 발명의 한 양태에 따른 컨텍스트를 결정하는 방법을 도시하는 순서도.

도 28은 본 발명의 한 양태에 따른 통지 결정 과정에 대한 방법을 도시하는 순서도.

도 29는 본 발명의 한 양태에 따른 적절한 동작 환경을 도시하는 개략적인 블록도.

Claims (15)

1. 정보를 우선 순위화하고 관리하는 시스템으로서:

   메시지 처리와 관련된 사용자의 활동 패턴을 모니터하는 백그라운드 모니터 - 상기 백그라운드 모니터에 의해 획득되는 데이터에는 적어도 메시지의 수신과 상기 사용자에 의한 상기 수신된 메시지의 오픈(open) 사이의 경과 시간이 포함됨 - ;

   하나 이상의 우선순위 카테고리에 따라 하나 이상의 메시지에 대해 우선순위를 할당하는 분류자;

   상기 분류자에 의해 생성된 할당된 우선순위에 적어도 부분적으로 기초하여 하나 이상의 메시지를 전달하는 통지 플랫폼 - 초기에 상기 분류자는 미리 정해진 우선순위를 갖는 트레이닝 메시지 세트를 이용한 명시적 트레이닝을 통하여 구성되고, 상기 트레이닝 메시지 각각은 상기 우선순위의 카테고리들 중 하나와 연관되고, 상기 분류자가 구성된 이후, 상기 분류자는 후속적으로 상기 백그라운드 모니터에 의해 획득된 데이터를 이용한 암시적 트레이닝을 통하여 튜닝되며, 상기 트레이닝 메시지들은 시간-크리티컬(time-critical) 메시지와 시간-논-크리티컬(non-time-critical) 메시지 양자를 모두 포함하여, 새로운 메시지들의 시간 크리티컬리티를 추론하도록 상기 분류자에 대한 명시적 트레이닝이 가능하게 하고, 상기 백그라운드 모니터에 의해 획득되는 데이터에는 새로운 메시지들이 읽힌 순서가 포함되고, 상기 분류자는, 상기 메시지의 지연된 검토에 관련된 예상 손실에 적어도 기초하여, 상기 우선순위를 결정하며, 상기 예상 손실은 비용함수에 기초하여 결정되고, 상기 통지 플랫폼은 상기 예상 손실이 미리 정해진 임계치를 초과할 때 경고를 생성하고, 상기 트레이닝 메시지는, 트레이닝 메시지 내 특정 카테고리를 나타내는 키워드 또는 구문에 따라 우선순위의 카테고리로 그룹화됨 - ; 및

   상기 트레이닝 메시지의 그룹 및 연관된 우선순위 카테고리를 분석하여 각 카테고리의 가중치 벡터를 결정하는 학습 모델을 포함하는,

   시스템.
2. 제1항에 있어서,

   상기 분류자는, 상기 하나 이상의 메시지에 대하여, 상기 메시지가 할당된 우선순위에 속할 가능성을 나타내는 스칼라값을 생성하는, 시스템.
3. 제1항에 있어서,

   상기 백그라운드 모니터에 의해 획득되는 데이터에는 새로운 메시지가 읽히지 않고 삭제되었는지의 여부가 포함되는, 시스템.
4. 제1항에 있어서,

   상기 백그라운드 모니터에 의해 획득되는 데이터에는 메시지의 수신과 상기 사용자가 상기 메시지에 응답한 시간 사이에 경과된 시간이 포함되는, 시스템.
5. 제1항에 있어서,

   상기 분류자는, 메시지 수신자 수, 발송자와 수신자 사이의 관계, 메시지에 사용된 언어 시제(language tense), 메시지에 특정된 이벤트의 날짜 또는 시간, 또는 메시지 내 질문의 존재 여부 중 적어도 하나에 기초하여 메시지에 우선순위를 할당하는, 시스템.
6. 제1항에 있어서,

   상기 분류자는, 메시지에 대하여, 상기 메시지가 상기 할당된 우선 순위에 속할 가능성을 나타내는 스칼라값을 출력하는, 시스템.
7. 제1항에 있어서,

   상기 통지 플랫폼은 상기 할당된 우선순위에 기초해 새로운 메시지들을 정렬하는, 시스템.
8. 제1항에 있어서,

   상기 분류자는 서포트 벡터 머신(Support Vector Machine), 베이즈 네트워크(Bayesian network), 또는 결정 트리 중 하나인, 시스템.
9. 메시지를 우선순위화하고 관리하는 방법으로서,

   미리 정해진 우선순위를 갖는 트레이닝 메시지 세트 - 상기 트레이닝 메시지 각각은 복수의 우선순위 카테고리들 중 하나와 연관됨 - 를 이용하여 분류자를 명시적으로 트레이닝함으로써 상기 분류자를 구성하는 단계,

   메시지 처리시 사용자의 활동 패턴을 모니터링하는 단계 - 상기 모니터링 단계는 메시지의 수신과 사용자에 의한 상기 수신된 메시지의 오픈 사이의 경과 시간의 모니터링을 적어도 포함함 - ;

   상기 분류자가 구성된 후에 상기 모니터링된 활동 패턴을 이용해 상기 분류자를 암시적으로 튜닝하는 단계;

   상기 분류자를 사용해 새로운 메시지에 우선순위를 할당하는 단계 - 상기 트레이닝 메시지들은 시간-크리티컬(time-critical) 메시지와 시간-논-크리티컬(non-time-critical) 메시지 양자를 모두 포함하여, 새로운 메시지들의 시간 크리티컬리티를 추론하도록 상기 분류자에 대한 명시적 트레이닝이 가능하게 하고, 상기 사용자의 활동 패턴을 모니터링하는 단계는 새로운 메시지가 읽히는 순서를 모니터링하는 단계를 포함하고, 상기 분류자는, 상기 메시지의 지연된 검토에 관련된 예상 손실에 적어도 기초하여, 상기 우선순위를 결정하며, 상기 예상 손실은 비용함수에 기초하여 결정됨 -;

   상기 예상 손실이 미리 정해진 임계치를 초과할 때 경고를 생성하는 단계 -상기 트레이닝 메시지는, 상기 트레이닝 메시지 내 특정 카테고리를 나타내는 키워드 또는 구문에 따라 우선순위의 카테고리로 그룹화됨 -; 및

   상기 트레이닝 메시지의 그룹 및 연관된 우선순위 카테고리를 분석하여 각 카테고리의 가중치 벡터를 결정하는 단계를 포함하는, 방법.
10. 제9항에 있어서,

    상기 사용자의 활동 패턴을 모니터링하는 단계는 새로운 메시지가 읽히지 않고 삭제되었는지의 여부를 모니터링하는 단계를 포함하는 방법.
11. 제9항에 있어서,

    상기 사용자의 활동 패턴을 모니터링하는 단계는 메시지의 수신과 상기 사용자가 상기 메시지에 응답한 시간 사이에 경과된 시간을 모니터링하는 단계를 포함하는 방법.
12. 제9항에 있어서,

    상기 새로운 메시지에 우선순위를 할당하는 단계는, 상기 새로운 메시지가 상기 할당된 우선순위에 대응하는 우선순위의 카테고리에 속할 가능성을 나타내는 스칼라값을 생성하는 단계를 포함하는, 방법.
13. 제12항에 있어서,

    상기 분류자의 명시적 트레이닝은

    상기 트레이닝 메시지 내 특정 카테고리를 나타내는 키워드 또는 구문에 따라 상기 트레이닝 메시지를 우선순위의 카테고리로 그룹화하는 단계; 및

    상기 트레이닝 메시지의 그룹 및 연관된 우선순위 카테고리를 분석하여 각 카테고리의 가중치 벡터를 결정하는 단계를 포함하는 방법.
14. 제9항에 있어서,

    할당된 우선순위에 따라 상기 새로운 메시지를 라우팅하는 단계를 더 포함하는 방법.
15. 메시지들에 대한 우선순위들을 생성하도록 분류자를 구성하고 튜닝하는 시스템으로서,

    초기에, 미리 정해진 우선순위를 가지는 트레이닝 메시지들 - 상기 트레이닝 메시지 각각은 한 세트의 우선순위 카테고리 중 하나와 연관됨 - 을 이용한 명시적 트레이닝을 통하여 상기 분류자를 구성하는 수단;

    사용자의 메시지 처리 활동을 모니터링하는 수단 - 상기 모니터링은 메시지의 수신과 사용자에 의한 상기 수신된 메시지의 오픈 사이의 경과 시간의 모니터링을 적어도 포함함 -;

    상기 분류자가 구성된 이후에, 모니터링된 메시지 처리 활동에 기초한 암시적 트레이닝을 통하여 상기 분류자를 튜닝하는 수단 - 상기 트레이닝 메시지들은 시간-크리티컬(time-critical) 메시지와 시간-논-크리티컬(non-time-critical) 메시지 양자를 모두 포함하여, 새로운 메시지들의 시간 크리티컬리티를 추론하도록 상기 분류자에 대한 명시적 트레이닝이 가능하게 하고, 상기 모니터링은 새로운 메시지들이 읽힌 순서의 모니터링을 포함하고, 상기 분류자는, 상기 메시지의 지연된 검토에 관련된 예상 비용에 적어도 기초하여, 상기 우선순위를 결정하며, 상기 예상 비용은 비용함수에 기초하여 결정됨 -;

    상기 예상 손실이 미리 정해진 임계치를 초과할 때 경고를 생성하는 수단 -상기 트레이닝 메시지는, 트레이닝 메시지 내 특정 카테고리를 나타내는 키워드 또는 구문에 따라 우선순위의 카테고리로 그룹화됨 -; 및

    상기 트레이닝 메시지의 그룹 및 연관된 우선순위 카테고리를 분석하여 각 카테고리의 가중치 벡터를 결정하는 수단을 포함하는,

    시스템.

Images