[發明專利]訓練和/或利用交互預測模型以基于電子通信來確定何時與應用交互和/或針對與應用的交互進行提示

在審

• 申請號: 201880039659.4
• 申請日: 2018-11-05
• 公開（公告）號: CN110741396A
• 公開（公告）日: 2020-01-31
• 發明（設計）人: 塞巴斯蒂安·米柳斯;湯姆·休姆;馬修·謝里菲
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G06Q10/10
• 分類號: G06Q10/10;G06N3/02
• 代理公司: 11219 中原信達知識產權代理有限責任公司
• 代理人: 李寶泉;任慶威

1.一種方法，包括：

由客戶端設備識別電子通信，

所述電子通信包括內容，所述內容包括自然語言內容，并且

所述電子通信是在所述客戶端設備處經由所述客戶端設備的網絡接口接收的，或者是在所述客戶端設備處經由所述客戶端設備的至少一個用戶接口輸入設備制定的；

由所述客戶端設備應用以下內容作為對本地存儲在所述客戶端設備處的經訓練的機器學習模型的輸入的至少一部分：

所述電子通信的所述自然語言內容的至少一部分；

由所述客戶端設備使用所述經訓練的機器學習模型處理所述輸入以生成預測交互值，

所述預測交互值指示基于所述電子通信的、與所述客戶端設備能夠訪問的應用的交互的可能性，

其中，所述應用是對于所述電子通信被制定所經由的或者所述電子通信在接收之后被渲染所經由的電子通信應用的補充；

由所述客戶端設備基于所述預測交互值來確定是否經由所述客戶端設備的顯示器呈現可選擇界面元素，

其中，所述可選擇界面元素在經由所述客戶端設備處的用戶接口輸入被選擇時引起與所述應用的交互以向所述應用提供所述電子通信的所述內容的至少一部分；

由所述客戶端設備確定是否響應于對所述可選擇界面元素的選擇或響應于在所述客戶端設備處提供的其他用戶接口輸入而發生了基于所述電子通信的與所述應用的任何交互；

由所述客戶端設備基于是否發生了基于所述電子通信的與所述應用的任何交互來更新所述經訓練的機器學習模型的至少一部分的經訓練的參數；以及

由所述客戶端設備將具有所更新的經訓練的參數的所述經訓練的機器學習模型用于確定是否針對在所述客戶端設備處接收或制定的附加電子通信呈現附加的可選擇界面元素。

2.根據權利要求1所述的方法，其中，所述經訓練的機器學習模型包括第一部分和第二部分，并且其中，使用所述經訓練的機器學習模型處理所述輸入包括：使用所述第一部分處理所述自然語言內容的至少一部分以生成第一部分中間輸出，并且使用所述第二部分處理所述第一部分中間輸出，并且其中，更新所述經訓練的機器學習模型的至少一部分的所述經訓練的參數包括：

更新所述經訓練的機器學習模型的所述第二部分，而不更新所述第一部分。

3.根據權利要求2所述的方法，進一步包括：

由所述客戶端設備確定一個或多個附加特征；

由所述客戶端設備將所述一個或多個附加特征作為對所述經訓練的機器學習模型的所述輸入的附加部分應用于所述經訓練的機器學習模型的所述第二部分；

其中，使用所述經訓練的機器學習模型處理所述輸入進一步包括：使用所述第二部分處理所述一個或多個附加特征。

4.根據權利要求3所述的方法，其中，所述一個或多個附加特征是基于以下中的至少一個來確定的：

來自所述客戶端設備的一個或多個傳感器的傳感器數據；以及

與所述電子通信被制定所經由的或者所述電子通信響應于接收到而被渲染所經由的所述電子通信應用相關的應用數據。

5.根據權利要求4所述的方法，其中，所述一個或多個附加特征是基于來自所述客戶端設備的所述一個或多個傳感器的傳感器數據來確定的，并且其中，所述一個或多個傳感器包括位置傳感器、加速度計和慣性測量單元中的至少一個。

6.根據權利要求4或權利要求5所述的方法，其中，所述一個或多個附加特征包括：基于所述傳感器數據預測的所述客戶端設備的用戶的預測狀態。

7.根據權利要求3至6中的任一項所述的方法，其中，所述一個或多個附加特征是基于一個或多個當前時間指示來確定的。

8.根據前述權利要求中的任一項所述的方法，其中，基于是否發生了基于所述電子通信的與所述至少一個應用的任何交互來更新所述經訓練的機器學習模型的至少一部分的經訓練的參數包括：

基于是否發生了任何交互以及基于所述預測交互值來確定梯度；

基于所述梯度在所述經訓練的機器學習模型的至少一部分上的反向傳播來更新所述經訓練的參數。