專利名稱：與組相關聯(lián)的內(nèi)容推薦的制作方法
技術領域：
本發(fā)明涉及網(wǎng)絡應用，尤其涉及內(nèi)容推薦。
背景技術：
因特網(wǎng)淹沒在用于推薦內(nèi)容的各解決方案中。當在線購買一本書時，向購買者提示購買同一作者的其他書的建議。下載特定的歌曲產(chǎn)生購買同樣喜歡該特定歌曲的其他用戶所購買的內(nèi)容的建議。對于這一服務的承辦商而言，這看似沒有盡頭，但所有的解決方案都在某一方面聚焦于個人品味并排除可能以特殊化的方式產(chǎn)生的關于組交互的品味。

發(fā)明內(nèi)容
由此，公開了一種推薦系統(tǒng)和方法，其中響應于與組相關聯(lián)的偏好來提出可消費項的推薦，其中個人消費習慣和品味可起作用，但在許多情況下，這些偏好超越并且獨立于個人偏好或該組中的用戶的其他已知和/或推斷的特性的合并、交叉或其他組合中的任一個。提供本發(fā)明內(nèi)容以便以簡化形式介紹將在以下具體實施方式
中進一步描述的一些概念。本發(fā)明內(nèi)容并不旨在標識所要求保護主題的關鍵特征或必要特征，也不旨在用于限制所要求保護主題的范圍。此外，所請求保護的主題不限于解決在本公開的任一部分中提及的任何或所有缺點的實現(xiàn)。


圖1示意性地描繪了用于生成和提供與組相關聯(lián)的內(nèi)容推薦的計算系統(tǒng)。圖2描繪了一種提供與組相關聯(lián)的內(nèi)容推薦的示例性方法。圖3描繪了一種將用戶組織成各組的示例性方法，所述各組的與組相關聯(lián)的特性和/或偏好用于為該組提供推薦。圖4描繪了用于圖3中描繪的方法的實現(xiàn)場景。
具體實施例方式此處的討論涉及與組相關聯(lián)的身份和內(nèi)容、可消費項、活動和/或體驗推薦。如上所指示的，在許多情況下，組的身份將脫離各個組用戶的品味的任何并集或交集。具體地，當人們在一組中被聚集在一起時，他們感興趣的內(nèi)容或活動的類型變得動態(tài)得多且可變得多，并且作為這種可變性的結果，不僅對個人的已知偏好執(zhí)行分析，還將以下信息考慮在內(nèi)已知偏好、傳記信息、觀察到的習慣、具體輸入的信息、或實際上可獲得的關于組成員的任何合適的信息源。以此方式，可作出對內(nèi)容、活動和/或體驗的合適推薦。圖1描繪了用于建立組身份并使用這些身份來生成推薦內(nèi)容和/或與組身份或上下文相關聯(lián)的被推薦的可消費項、活動和/或體驗的系統(tǒng)100。可以理解，內(nèi)容可包括任何數(shù)字媒體(例如，游戲、電影、音樂、電子書、提醒、視頻聊天)和/或其他應用。
在許多示例中，使用諸如設備110之類的一個或多個通用計算機來實現(xiàn)各系統(tǒng)和方法。設備110包括處理器子系統(tǒng)110a、數(shù)據(jù)保持子系統(tǒng)IlOb和顯示子系統(tǒng)110c。處理器子系統(tǒng)IlOa與數(shù)據(jù)保持子系統(tǒng)IlOb操作耦合。當本討論指代方法時，將假定這種指代是結合可通過可被存儲(例如，包含)在數(shù)據(jù)保持子系統(tǒng)IlOb中并由處理器子系統(tǒng)IlOa執(zhí)行和實例化的指令來執(zhí)行的一系列步驟或操作來作出的。這些指令可被配置為執(zhí)行各個步驟，這些步驟中的某些可對應于以下圖I中的數(shù)據(jù)保持子系統(tǒng)IlOb和處理器子系統(tǒng)IlOa中示出的一個或多個結構。具體地，系統(tǒng)100可包括分組引擎120。分組引擎120可操作用于便于組130的建立。組是兩個或更多個用戶的集合。對于個人用戶，在即使只有單個成員被認證為在場的情況下系統(tǒng)仍將組標識為活動的或在場的意義上，組定義同樣適用。在第一示例中，對應于顯式的組形成，個人或個人組共同聲明要形成或加入組的期望。例如，社交網(wǎng)絡可向人們呈現(xiàn)肯定地且顯式地形成各組的各種機會。 在第二示例中，通過各種方法來有機地生成各組。例如，要形成組的期望可以像一起在利用處于適當位置的系統(tǒng)來標識個人的同一個房間內(nèi)(例如，視覺子系統(tǒng)160、語音識別系統(tǒng)、RFID或某一其他基于計算機的認證)一樣的隱式。隨后，基于在交互期間誰在場，系統(tǒng)可生成組身份并將該身份與一上下文相關聯(lián)，該上下文與特定內(nèi)容項或特定類型的內(nèi)容項的消費強相關，所述特定內(nèi)容項或特定類型的內(nèi)容項與各個人上下文相關，所述各個人與整個一組上下文相關。例如，一組正一起在周日下午消費內(nèi)容。所有的成員都是男性并且住在華盛頓西部。該組向系統(tǒng)提供它想要觀看體育的指示。由此，該系統(tǒng)將該組的特性考慮在內(nèi)以推薦活動，這些特性包括人口統(tǒng)計、位置、時間/日期以及該組提供的活動指示。作為特定示例，該系統(tǒng)確定Seahawks 在那一天的該時間期間正在播放足球比賽，并且基于該組的特性而推薦該內(nèi)容優(yōu)于其他內(nèi)容。此外，系統(tǒng)能夠在組活動期間通知組中的改變或對組中的改變作出反應。例如，在包括視覺子系統(tǒng)160的實現(xiàn)中，包括母親、父親和孩子的一“家庭”組可基于身體類型標識等(或通過活動登錄過程)被視覺子系統(tǒng)160標識。該系統(tǒng)基于“家庭”組的經(jīng)分析的特性來推薦家庭內(nèi)容(例如，動畫電影)。在家庭內(nèi)容的消費期間，視覺子系統(tǒng)160識別出孩子離開了活動(例如，離開了房間去睡覺)，且該系統(tǒng)確定組的特性已經(jīng)從“家庭”組改變?yōu)榘赣H和父親的“成人”組。由此，該系統(tǒng)可通知成人組這一改變和/或基于新的組的特性來推薦不同的活動。例如，該系統(tǒng)可推薦包括適合成年人觀眾的內(nèi)容的電影。注意，該系統(tǒng)可被配置為以任何合適的方式對組中的改變作出反應。在許多情況下，內(nèi)容推薦和組身份/上下文變得與偏好列表相關聯(lián)，或者與在過去的消費期間特別令人滿意的內(nèi)容項相關聯(lián)。例如，用戶A可具有最喜愛的歌曲的播放列表，而用戶B也可具有最喜愛的歌曲的播放列表。所以組偏好列表也可包括簡單地將他們兩者的播放列表的內(nèi)容進行組合的列表。此外，播放列表的合并可涉及共同品味的交集。然而，這樣的方案排除了只有當兩個用戶在一起時和/或在交互期間在相似的組中時(無論是親自還是在線)才可能產(chǎn)生的特殊化偏好的可能性。因此，該系統(tǒng)可操作用于或特別地或顯式地生成關于數(shù)字內(nèi)容項的與組相關聯(lián)的特性和/或偏好，或者用于通過隨著時間調(diào)節(jié)針對總體改進的結果的各種反饋機制來學習這些偏好。具體地，該系統(tǒng)不僅合并每一用戶的已知或預定義偏好，該系統(tǒng)還另選地或另外地分析該組的各種各樣的特性以建議這些用戶作為個人不一定具有的共享品味。例如，Jack和Paul總是一起觀看Mariners 棒球，但他們從來不單獨觀看。該系統(tǒng)可分析每一用戶的消費行為以及該組的特性以僅在Jack和Paul —起在一組中消費內(nèi)容時推薦Mariners 比賽以供觀看。
作為另一示例，丈夫僅與他的妻子一起觀看浪漫喜劇。“夫妻”組的偏好可包括浪漫喜劇，而“丈夫”組的偏好顯式地排除(或經(jīng)由觀看行為隱式地排除)浪漫喜劇。由此，將存在不是個人偏好而是組偏好的一部分的內(nèi)容。作為另一示例，在包括孩子的組場景中，父母消費他們的孩子的內(nèi)容。然而，孩子的內(nèi)容將不是父母的內(nèi)容(或體驗)的個人偏好。作為又一示例，Joe和Bob在一起聽音樂。Joe是Springsteen的狂熱愛好者，而Bob僅聽過Elton John。在他們的偏好中不存在交集,但基于對音樂的節(jié)奏和旋律的分析,他們可一起欣賞 The Killers。作為又一示例，Paul和Tony玩大量的在線游戲，且兩者都是滑雪的狂熱愛好者，并且喜歡在社交網(wǎng)絡上討論民主政治。他們一起觀看某一電視。該系統(tǒng)知道在十一月的周一下午6點Paul和Tony總是在該時隙期間觀看美式足球,而不是試圖找出三個已知偏好中的某一公共點。作為又一示例，沒有很深的偏好歷史的家庭組(2個40多歲的成人+2個青少年)在星期二晚上聚在一起觀看電視。該系統(tǒng)瀏覽可用的視頻內(nèi)容并基于與組相關聯(lián)的偏好(例如，黃金時段節(jié)目、排除NC17或M評級的節(jié)目、按流行度排名的節(jié)目、非以孩子或體育為中心的節(jié)目等)來向該組建議最有可能的內(nèi)容以產(chǎn)生諸如情景喜劇之類的推薦。為進一步詳細說明，家庭組由適合相同的一般人口統(tǒng)計參數(shù)或具有相似特性的另一用戶加入，并且作為響應，該系統(tǒng)提供彈出指示器，以請求該組是否希望繼續(xù)當前的活動還是基于新的組來確定新一輪的偏好。作為一替換示例，家庭組由具有不同人口統(tǒng)計或特性的另一用戶(例如，年紀較輕的孩子)加入，并且作為響應，該系統(tǒng)用遮蔽屏來暫停視頻回放，并提供彈出指示器，以請求是否要繼續(xù)當前的內(nèi)容，或是否需要基于為該另一用戶調(diào)整的特性來開始新一輪的推薦。在某些實現(xiàn)中，該系統(tǒng)可基于在物理上處于同一空間的一組用戶的與組相關聯(lián)的特性或偏好來提供推薦以消費同一內(nèi)容或參與同一活動。在某些實現(xiàn)中，該系統(tǒng)可基于彼此遠離的一組的與組相關聯(lián)的特性或偏好來提供推薦，該組將從不同位置同步地共享內(nèi)容的觀看。在這些場景中，該系統(tǒng)可提供各種在線方模式元件以確定該組的偏好和/或特性以及同步由該組共享的內(nèi)容或活動或體驗。在許多情況下，提供一種用于確定用戶何時在場以及標識哪些用戶在交互中在場的機制將是合乎需要的。具體地，系統(tǒng)100可包括被配置為確定具體用戶的在場的認證模塊140。認證模塊140的一種實現(xiàn)涉及作為具體登錄過程的結果來標識用戶。在另一示例中，認證模塊140與視覺子系統(tǒng)160耦合，視覺子系統(tǒng)160被配置為光學地檢測或以其他方式使用機器視覺來檢測用戶的在場。除了基于光學元件的視覺系統(tǒng)或作為其代替，可采用自動檢測的其他方法，諸如音頻檢測(例如，語音識別)。甚至向用戶界面提供學習機制，借由該機制可僅僅通過觀察用戶與設備110的交互來認證用戶(例如，通過檢測特性移動、節(jié)奏、壓力或與鍵擊相關聯(lián)的其他屬性等)。
上述認證方法和示例不僅可用于檢測用戶的在場(并因此組的在場和/或上下文的存在性)還用于有機地集合用戶組。例如，如果用戶A、B和C被檢測為在一起超過一個場合，該系統(tǒng)可從中推斷一組并使用該組的消費行為來開始累積與該組相關聯(lián)的偏好。另選地或另外地，此處描述的各方法和系統(tǒng)可包括或可操作用于對未知的或有限知識的用戶執(zhí)行分析，并作出關于未知或客用戶的特性或屬性的明智選擇，并且在為包括客用戶的組提供推薦時將這些特性考慮在內(nèi)。例如，該系統(tǒng)可識別出組中的8個人中的2個人在場，并且可提供更通用的推薦而非僅僅提供專用于這2個所標識的人的項。作為另一示例，該系統(tǒng)可經(jīng)由視覺子系統(tǒng)160基于圖像分析來識別出組中的鏡子的在場，并且可基于所假定的鏡子的在場來特制推薦。一般地，可以理解，系統(tǒng)100的各方面可響應于顯式輸入和/或響應于有機學習函數(shù)來操作。例如，如先前所指示的，組可顯式地形成或有機地形成(例如，基于對組的即時分析作出的關于組的假定來提供推薦)。另外，如在他處所說明的，推薦可作為顯式用戶輸入(例如，對特定歌曲的肯定的“拇指向上”)的結果或者響應于通過觀察消費行為的有機學習來產(chǎn)生。在許多情況下，顯式輸入將經(jīng)由用戶界面(Π) 170被接收到系統(tǒng)中。例如，UI元件120a、140a和150a可用于將輸入應用于分組引擎120、認證模塊140和推薦引擎150?？捎酶鞣N方法來執(zhí)行組標識。許多標識方法涉及所標識的用戶是多個組/上下文的成員的情形。在這種情況下，假定用戶是唯一在場的用戶，則系統(tǒng)可基于該用戶進入特定上下文的頻率來確定組。例如，如果用戶最常出現(xiàn)在與其他三個朋友玩特定類型的視頻游戲的組中，則系統(tǒng)100可推斷這是在只有該用戶在場時調(diào)用的合適的組和偏好，盡管該用戶可屬于多個其他組。在另一示例中，假定用戶A和用戶B屬于多個不同的組。如果這些組中的一個僅包括兩個用戶，而其他組不僅僅包含這兩個用戶，可推斷只有當這兩個用戶在場時最小的組才是要調(diào)用的組。在另一示例中，假定相對較大數(shù)量的用戶屬于一組，該組定期地遠程在線集合以玩特定的在線游戲。進一步假定這些用戶中的小的子集在線聚集以討論他們閱讀過的書。再進一步假定，讀書俱樂部成員之一幾乎一直在線參與讀書俱樂部，但幾乎很少玩在線游戲。隨后可以假定，當該小子集遠程地在線聚集時，可能是出于讀書俱樂部，因為該子集的成員之一幾乎不玩在線游戲，盡管他們是該組的成員。從此處描述的方法中，可以理解，可使用任何數(shù)量的方法來解決這種有歧義的情形。以上是非限制性的示例。在這，可實現(xiàn)各系統(tǒng)和方法來認證未標識的用戶。例如，如果組的5個成員中的4個已被標識且第5個未標識的人在場(例如，如深度相機所檢測的)，則在某些實現(xiàn)中，可以推定該未標識的人實際上是該組的第5個成員。此外，在某些情況下，該系統(tǒng)將第5各成員可能代入的任何潛在的約束考慮在內(nèi)。例如，4個人的組可具有與5個人的組不同的年齡問題(例如，第5個成員可能是孩子)，且系統(tǒng)可在識別出第5各成員時阻塞特定內(nèi)容。在某些情況下，隨著組中的未被識別的用戶數(shù)量的增加，對特定組內(nèi)容的推薦向后減弱為對更通用內(nèi)容的推薦。
如上所指示的，各種類型的內(nèi)容、消費項、活動和/或體驗推薦可變得與組/上下文相關聯(lián)。在一個示例中，響應于一個或多個組成員通過提供某些內(nèi)容是合乎需要的評級或其他指示來“播種”推薦函數(shù)來提供內(nèi)容推薦?；趯ο嗨苾?nèi)容的標識，或對該內(nèi)容的消費者偏愛的已經(jīng)被該組評級以其他方式被指示為對該組是合乎需要的其他內(nèi)容的標識，推薦隨后可繼續(xù)。在某些實現(xiàn)中，在存在關于一個用戶比組的其他用戶更多的播種信息的場景中，推薦可基于這樣的信息。在某些實現(xiàn)中，推薦可跨多個所涉及的用戶而減弱，以使得一個用戶的偏好并非簡單地占支配地位，因為系統(tǒng)知道關于該用戶的多于該組的其他用戶的信息。除了播種或作為其替代，可隨著時間觀察組消費行為，隨后用各種方法使用所習得的偏好來生成推薦。此外，在某些實現(xiàn)中，可至少部分地從具有相似特性的其他組中得出該組的消費行為。另選地或另外地，可至少部分地從該組的成員或成員子集的先前的消費行為中得出該組的消費行為。
具體地，如圖I所示，系統(tǒng)100可包括推薦引擎150。推薦引擎150可對顯式輸入(例如，來自UI元件150a)或對在系統(tǒng)中出現(xiàn)的任何活動作出響應,可監(jiān)視這些活動以收集用于在生成將來推薦時充分利用的智能。除了此處引用的許多其他示例之外，觀察組活動來改進推薦質(zhì)量的一種方法是觀察社交聯(lián)網(wǎng)環(huán)境中的組活動。例如，除了聚集起來玩在線游戲之外，特定組的成員可參與關于什么內(nèi)容推薦可能適合該組的在線討論或其他交互。在某些實現(xiàn)中，用戶可特制可使哪些信息對推薦引擎150可用，來向包括這些用戶的組提供推薦。此外，用戶可使不同的信息對不同的組可用，以操縱對不同的組的推薦。對應地，推薦引擎150可基于用戶提供的輸入將不同組推薦的不同用戶信息考慮在內(nèi)。圖2示出提供與組相關聯(lián)的內(nèi)容推薦的方法200。方法200可由上述系統(tǒng)、設備、組件等來實現(xiàn)，或者可經(jīng)由其他合適的系統(tǒng)、設備、組件等來實現(xiàn)。在201，方法200可包括確定個人的在場并且響應于標識個人來向系統(tǒng)認證或驗證所標識的用戶。然而，在其他實施例中，步驟201可不被包括在方法中。在202，方法200包括建立組。在某些示例中，可通過觀察多人交互來動態(tài)地且有機地建立組。此外，在某些示例中，組可通過對要形成組的期望的集合斷言來建立，可通過個人肯定來驗證所述集合斷言。下面將參考圖3來更詳細地討論組建立。接著，在204，方法200包括確定與組相關聯(lián)的特性和/或偏好，其中這樣的偏好包括獨立于組成員的個人偏好的任何合并、交叉或其他組合的偏好。特性可包括對關于組的用戶聚集的數(shù)據(jù)進行分析的結果。在某些示例中，響應于對組活動的監(jiān)視來有機地且動態(tài)地確定特性和/或偏好。在某些示例中，從具有相同或相似特性的其他組的偏好中得出偏好。在某些示例中，從組的個人成員或成員子集的過去消費行為中得出特性和/或偏好。另外地在某些示例中，可響應于來自用戶的顯式輸入來確定特性或偏好。在另外一些示例中，作為確定關于特定話題或內(nèi)容項存在提升的交互的結果，和/或響應于來自社交網(wǎng)絡的用戶的二選一的正面或負面輸入或這些輸入的缺失，可通過觀察在線社交網(wǎng)絡中的活動來建立特性或偏好。在某些示例中，響應于來自包括加標簽、社交網(wǎng)絡、寫博客、語音識別和身體姿勢的機制的二選一的正面或負面輸入來建立偏好。在206，方法200包括響應于確定個人組成員的在場來確定組的在場。接著在208，方法200包括基于與組相關聯(lián)的特性和/或偏好來將內(nèi)容推薦提供給組，并且在210，方法200包括作為通過監(jiān)視組的消費活動獲得的提升的智能的結果來隨著時間調(diào)整內(nèi)容推薦。在212，方法200可包括響應于在線社交網(wǎng)絡中的組成員的活動來調(diào)整對組的內(nèi)容推薦。然而，在其他實施例中，步驟212可從該方法中被略去。
一旦確定，在與組相關聯(lián)的特性和/或偏好方面通過像對待個人一樣對待組，除了應用交集/并集技術之外，可從具有相似特性的其他組中得出偏好。圖3示出用于建立用戶的組的方法300的一實施例。方法300可由上述系統(tǒng)、設備、組件等來實現(xiàn)，或者可經(jīng)由其他合適的系統(tǒng)、設備、組件等來實現(xiàn)。例如，方法300可至少部分地通過可由圖I中示出的計算系統(tǒng)100的計算設備110執(zhí)行的分組引擎120來實現(xiàn)。在302，方法300可包括標識在場以消費內(nèi)容、參與活動或體驗等的用戶。在場用戶可以共同位于同一個地方、在線地位于遠程、或其他組合。在某些實現(xiàn)中，在場用戶可被標識為經(jīng)認證的用戶或“客人”。在304，可確定在場用戶中的任何人是否是未經(jīng)認證的用戶。在某些實現(xiàn)中，可經(jīng)由活動登錄過程來作出該確定。在某些實現(xiàn)中，可經(jīng)由一個或多個用戶的習得的(諸如通過音頻或視覺識別步驟所習得的)特性來作出該確定。如果確定有任何未經(jīng)認證的用戶在 場，則方法300移至306。否則，方法300移至310。在306，方法300可包括標識從包括所有在場的經(jīng)認證的用戶且具有大于一的組成員關系(即，并非僅包括一個個人成員的組)的所有現(xiàn)有組(在308接收的)中選擇的最小尺寸的經(jīng)認證的用戶的現(xiàn)有組。在310，方法300可包括從包括所有在場的經(jīng)認證的成員的所有現(xiàn)有組(在308接收的)中選擇的最小尺寸的經(jīng)認證的用戶的現(xiàn)有組。在312，方法300可包括用從在方法步驟306或310中選擇的現(xiàn)有組中得出的特性或偏好來形成在場用戶的組。以上方法假定如果一個或多個經(jīng)授權的用戶在場，則他們是較大組的一部分，該組稍后基于該組作為一個組而非兩個個人的聚集來提供推薦。經(jīng)授權的用戶是什么組的一部分由包含兩個經(jīng)授權的用戶的最小尺寸(就成員而言)的組確定。圖4示出用于方法300的實現(xiàn)場景，包括包含2個成人(A和B)和4個孩子(C、D、E和F)的6個人的家庭，其中定義了以下這些組家庭(組F)、孩子(組K)、成人(組A)和個人A(組I)。方法300假定如果一個或多個人正在消費內(nèi)容，則他們是就成員而言相同或更大尺寸的一個或多個組的一部分。方法300標識從現(xiàn)有組中選擇的、被標識為具有最少數(shù)量的成員的組，并且將經(jīng)授權的用戶作為“在使用中”的組來包括。換言之，“在使用中”的組的特性或偏好可被應用于在場的用戶并且可至少部分地用于對在場用戶的組的推薦。下表提供了從實現(xiàn)方法300中得到的經(jīng)認證的用戶和對應組的多個示例。
權利要求
1.ー種生成對用戶組的內(nèi)容推薦的方法(200)，包括 建立(202)組； 確定(204)與組相關聯(lián)的特性，其中這樣的特性包括獨立于組成員的個人偏好的任何合并、交叉或其他組合的偏好；并基于所述與組相關聯(lián)的特性將內(nèi)容推薦提供(208)給組。
2.如權利要求I所述的方法，其特征在于，所述組通過對多人交互的觀察來動態(tài)地建立。
3.如權利要求I所述的方法，其特征在于，所述組通過對要形成組的期望的集合斷言來建立，所述集合斷言通過個人肯定來驗證。
4.如權利要求I所述的方法，其特征在于，響應于監(jiān)視組活動來動態(tài)地推斷特性。
5.如權利要求I所述的方法，其特征在干，響應于來自用戶的顯式輸入來確定所述特性。
6.如權利要求I所述的方法，其特征在于，所述特性通過在線用戶活動的觀察來建立。
7.如權利要求6所述的方法，其特征在于，作為確定關于特定話題或內(nèi)容項存在提升的交互的結果來建立所述特性。
8.如權利要求6所述的方法，其特征在于，響應于來自包括加標簽、社交網(wǎng)絡、寫博客、語音識別和身體姿勢的機制的ニ選ー的正面或負面輸入來建立所述偏好。
9.如權利要求I所述的方法，其特征在于，還包括 確定個人的在場；并且響應于標識個人的在場，向系統(tǒng)認證和/或驗證所標識的用戶。
全文摘要
本發(fā)明涉及與組相關聯(lián)的內(nèi)容推薦。提供了生成對用戶組的內(nèi)容推薦的方法。該方法包括建立組，確定與組相關聯(lián)的特性，其中這樣的特性包括獨立于組成員的個人偏好的任何合并、交叉或其他組合的偏好，并基于與組相關聯(lián)的特性將內(nèi)容推薦提供給組。
文檔編號G06F17/30GK102622404SQ20121001215
公開日2012年8月1日 申請日期2012年1月6日 優(yōu)先權日2011年1月7日
發(fā)明者J·克拉維, K·S·佩雷斯, K·加米爾, S·勞 申請人:微軟公司