專利名稱：：一種手機來電智能提示方法
技術領域：
：本發(fā)明涉及一種手機來電智能提示方法，屬于信息
技術領域：
。
背景技術：
：手機在人們的生活中扮演著越來越重要的角色，為人們的聯(lián)絡溝通提供了無法替代的便利性。為了滿足不同場合的需要，手機通常具有多種工作模式，比如，靜音，振動等等。但遺憾的是，一旦將手機置于某種工作模式，則手機將按照該模式設定的規(guī)則統(tǒng)一處理來電，無論聯(lián)系人是誰，這常常給用戶帶來諸多不便甚至麻煩。比如，手機處于靜音狀態(tài)，則即使是來自重要客戶的電話，用戶一般也很難得知。另外，用戶在改變手機的使用環(huán)境時經(jīng)常忘記手動修改手機的工作模式，由此帶來諸多不便，比如，用戶由戶外進入會議室或演出場所后忘記將手機由一般模式設為靜音狀態(tài)，則很可能出現(xiàn)手機鈴聲破壞氣氛的尷尬情形。因此，提出一種能夠根據(jù)用戶的使用習慣自動根據(jù)來電的聯(lián)系人，來電時間以及用戶的日程信息等等智能化地選擇用戶偏愛的提示方式將可以解決上述問題，具有較好的應用前景。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種來電智能提示方法。本方法與其他方法不同之處在于根據(jù)用戶接聽來電的歷史記錄，自動學習用戶的偏好，并預測下一次來電最適合的提示方式，方便用戶以最正確的方式接聽電話，并且不需要用戶手動的設置手機的情景模式。該方法的流程為1)進行數(shù)據(jù)搜集，得到用戶接聽來電的歷史數(shù)據(jù)；2)進行有指導的學習階段；3)進行預測-反饋階段；4)進行實際預測階段。上述需要預測的提示方式優(yōu)選包括靜音、振動、響鈴、響鈴+振動。上述步驟l)中數(shù)據(jù)搜集過程可以是a)按時間順序，讀取用戶手機上的通話記錄，將其中的來電記錄保存到來電數(shù)據(jù)集^中，去電記錄保存到去電數(shù)據(jù)集^巾；b)按照時間順序，讀取用戶手機上短信收件箱的短信記錄，將接收到的短信信息保存到接收短信數(shù)據(jù)集^中；C)按照時間順序，讀取用戶手機上已發(fā)送短信夾的短信記錄，將已發(fā)送的短信信息保存到已發(fā)送短信數(shù)據(jù)集^中；d)按照時間順序，讀取用戶PC上outlook收件箱的e-mail記錄，將接收到的e-mail信息保存到接收e-mail數(shù)據(jù)集^中；e)按照時間順序，讀取用戶PC上outlook已發(fā)送郵件箱的e-mail記錄，將已發(fā)送的e-mail信息保存到已發(fā)送e-mail數(shù)據(jù)集^中。上述步驟2)中所述的"有指導的學習階段"不進行來電的智能提示，而是為用戶返回統(tǒng)一的提示方式，比如振動提示，通話結束后讓用戶根據(jù)實際情況指定最希望的一種提示方式，比如從靜音、響鈴、振動、響鈴+振動四種提示方式中選擇一種，然后將本次來電數(shù)據(jù)保存在數(shù)據(jù)文件中，該數(shù)據(jù)包含著用戶接聽來電的個性化偏好，下表l給出了一種可能的數(shù)據(jù)格式表l:來電信息提取格式名稱描述類型值域聯(lián)系人是否存在來電人是否在用戶的通訊錄中名詞型，Nominal是，否聯(lián)系人類別聯(lián)系人與用戶關系名詞型，Nominal未知，老師，同學，同事，學生，家人，朋友，其他聯(lián)系人地位聯(lián)系人與用戶的地位高低名詞型，Nominal未知，上級，平級，下級日程記錄來電時用戶正在進行的活動名詞型，Nominal未知，上課，工作，開會，參加/欣賞演出，求職，其他忙碌狀態(tài)來電時用戶的忙碌狀態(tài)名詞性，Nominal忙，閑，未知短期來電頻率從當天起之前一周的來電次數(shù)數(shù)值型，Numeric>=0的整數(shù)<table>tableseeoriginaldocumentpage5</column></row><table><table>tableseeoriginaldocumentpage6</column></row><table>一條典型的接聽記錄向量舉例如下{是，朋友，平級，工作，忙，5，51，52，72，1425，354，93，137，2，19，35，39，156，35，139，9，97，12，103，立即接聽，振動}該階段結束后，數(shù)據(jù)文件中將包含若干條和上述向量類似的接聽記錄向量作為機器學習的樣本集，以系統(tǒng)反饋屬性作為分類屬性，可以將某種機器學習(或稱數(shù)據(jù)挖掘)算法應用于該樣本集上進行學習，形成關于系統(tǒng)反饋的規(guī)則集(例如使用決策樹或基于規(guī)則的學習方法等)或關于系統(tǒng)反饋知識的某種表示(例如使用神經(jīng)網(wǎng)絡方法等)?？梢赃x擇的機器學習算法包括經(jīng)典的決策樹算法、支持向量機算法、基于規(guī)則的學習算法、神經(jīng)網(wǎng)絡算法、貝葉斯網(wǎng)絡算法以及這些算法的各種衍生算法等。機器學習算法生成的規(guī)則集可以作為知識存儲下來，以后根據(jù)來電的可觀測屬性，利用這些規(guī)則，對系統(tǒng)反饋方式進行預測。學習算法對樣本集處理后生成的結果即可作為針對該用戶關于系統(tǒng)反饋的知識表示。例如其中的一種選擇是用決策樹算法C4.5作為學習算法，則生成的結果為一棵樹，其形式類似于下述這棵樹聯(lián)系人類別=老師I長期接收短信頻率<=3:振動I長期接收短信頻率>3:響鈴+振動聯(lián)系人類別=同學振動聯(lián)系人類別=朋友I短期來電頻率<=11:振動I短期來電頻率>11II與上次短信時間間隔<=5:響鈴II與上次短信時間間隔>5III短期接收短信頻率<=68IIII通話時長<=61:振動IIII通話時長>61:響鈴III短期接收短信頻率>68:振動聯(lián)系人類別=家人響鈴+振動聯(lián)系人類別=學生振動聯(lián)系人類別=同事振動聯(lián)系人類別=其他振動聯(lián)系人類別=未知振動該樹即為該用戶的規(guī)則集，可以用來對未來來電的系統(tǒng)反饋方式做出預測決策。上述步驟3)中所述的"預測-反饋"階段根據(jù)b)中學習到的用戶模型對新的來電進行預測，通話結束后讓用戶評價本次預測是否是他/她最希望的提示方式，如果預測不準確，需要對模型進行更新。該階段結束后，產(chǎn)生最終的用戶模型。上述步驟4)中所述的"實際預測"階段根據(jù)c)中得到的最終用戶模型對一個新的來電進行預測，并實際向用戶反饋這種預測。本發(fā)明方法可根據(jù)用戶的使用習慣自動根據(jù)來電的聯(lián)系人，來電時間以及用戶的日程信息等等智能化地選擇用戶偏愛的提示方式，更好地滿足用戶的需求，具有較好的應用前圖1是本發(fā)明實施例系統(tǒng)結構示意圖。圖2是本發(fā)明實施例方法流程化示意圖。具體實施例方式下面結合附圖和實施例對本發(fā)明作進一步說明。本實施例采用如附圖1所示的系統(tǒng)實施本發(fā)明方法。如附圖1所示，該系統(tǒng)由PDA端和PC端組成，其中該PDA具有手機的所有功能。其中PDA端又由數(shù)據(jù)搜集模塊、預處理模塊、網(wǎng)絡連接模塊和預測模塊組成；PC端又由數(shù)據(jù)搜集模塊、預處理模塊、網(wǎng)絡連接模塊和機器學習模塊組成。用戶與PDA和PC的交互信息由各自的數(shù)據(jù)搜集模塊進行搜集，得到的原始數(shù)據(jù)經(jīng)過預處理過程產(chǎn)生結構化的數(shù)據(jù)。PDA端的交互數(shù)據(jù)通過網(wǎng)絡連接模塊傳遞到PC端，與PC端的交互數(shù)據(jù)進行整合，產(chǎn)生基于向量表示的數(shù)據(jù)，然后在PC的機器學習模塊產(chǎn)生用戶模型。該用戶模型通過PC的網(wǎng)絡連接模塊更新到PDA端，當有一個新的來電到來的時候，PDA端的預測模塊根據(jù)用戶模型對本次來電的提示方式進行預測，然后反饋給用戶。本方法最重要的部分是全面的獲取用戶與他人聯(lián)系的信息，該信息整合了移動設備與PC各自的信息。其中在移動設備上主要考察用戶與他人通過短信和電話進行聯(lián)系的信息，而在PC上則包括了e-mail、各種即時聊天工具如msn、qq、gtalk等，以及用戶論壇和網(wǎng)絡blog的留言等。本實施例方法的流程圖如附圖2所示1)事件監(jiān)測模塊得到用戶來電消息；2)獲取本次來電相關信息，將信息格式化為一個n維向量，向量中的每一維表示其中某個屬性的值；3)判斷當前是否屬于有指導的學習階段，若否轉9);4)給出某種統(tǒng)一的提示，如振動；5)要求用戶指定本次來電最希望的提示方式，將該方式作為類標簽加到2)中獲取的n維向量中，得到一個新的n維向量；6)將5)中得到的n維向量寫入數(shù)據(jù)文件；7)判斷有指導的學習階段是否結束，若否轉13)8)采用機器學習的方法對數(shù)據(jù)文件中的若干ii維向量進行學習，建立基于向量空間的用戶模型，轉13)。其中可以選擇的機器學習算法包括經(jīng)典的決策樹算法、支持向量機算法、基于規(guī)則的學習算法、神經(jīng)網(wǎng)絡算法、貝葉斯網(wǎng)絡算法以及這些算法的各種衍生算法等。9)根據(jù)用戶模型進行預測，并給出預測的提示方式10)判斷當前是否屬于預測-反饋階段，若否轉13)11)要求用戶判斷本次預測的提示方式是否準確12)根據(jù)用戶評價結果對模型進行更新13)結束其中，步驟2)中得到n維向量的方法如下1)得到本次來電的時間t，來電人姓名nl，來電號碼n2;2)根據(jù)nl讀取手機上通訊錄，得到聯(lián)系人的類別c和地位高低p;3)根據(jù)nl，讀取手機上開始時間tl和結束時間t2構成的閉區(qū)間[tl,t2]包含t的日程的活動名稱a，以及忙碌狀態(tài)b;4)根據(jù)t、nl和n2從2小節(jié)的「i中得到相同來電的長短期頻率fl和f2，以及本次來電與上次來電的時間間隔il;5)根據(jù)t、nl和n2從2小節(jié)的^中得到相同去電的長短期頻率fi和f4，以及本次來電與上次來電的時間間隔i2;6)根據(jù)t、nl和n2從2小節(jié)的F3中得到與本次來電人聯(lián)系時接收短信的長短期頻率f5和傷，以及本次來電與上次接收短信的時間間隔i3;7)根據(jù)t、nl和n2從2小節(jié)的^中得到與本次來電人聯(lián)系時發(fā)送短信的長短期頻率f7和f8，以及本次來電與上次發(fā)送短信的時間間隔i4;8)根據(jù)t、nl從2小節(jié)的^中得到與本次來電人聯(lián)系時接收e-mail的長短期頻率f9和f10，以及本次來電與上次接收e-mail的時間間隔i5;9)根據(jù)t、nl從2小節(jié)的「6中得到與本次來電人聯(lián)系時發(fā)送e-mail的長短期頻率fll和f12，以及本次來電與上次發(fā)送e-mail的時間間隔i6;10)通話結束，獲取本次通話時長d;11)計算t之前所有相同來電的平均通話時長adl，以及相同去電的平均通話時長ad2。其中，上述步驟2)到ll)中的c,p，a,b,fl-fl2,il-i6，d,adl,ad2就是n維向量中的屬性。權利要求1.一種手機來電智能提示方法，包括下列步驟a)搜集保存用戶以往和外界進行聯(lián)系的數(shù)據(jù)并儲存；b)按照統(tǒng)一的方式提示來電，用戶處理來電后輸入對該來電期望的提示方式，保存數(shù)據(jù)并建立模型；c)根據(jù)所述模型設定的提示方法提示來電，用戶處理來電后評價對該來電的提示方式，保存數(shù)據(jù)并更新模型；d)根據(jù)更新后的模型設定的提示方法提示來電。2.如權利要求l所述的方法，其特征在于步驟C)和d)所述提示方法包括靜音，振動，響鈴和，響鈴+振動。3.如權利要求l所述的方法，其特征在于步驟a)所述數(shù)據(jù)包括用戶的來電通話記錄，去電通話記錄，接收短信記錄，發(fā)送短信記錄，接收郵件記錄和，發(fā)送郵件記錄；所述各類數(shù)據(jù)分別儲存于各自的數(shù)據(jù)集中。4.如權利要求l所述的方法，其特征在于步驟b)所述統(tǒng)一的方式為振動提示。5.如權利要求1所述的方法，其特征在于，步驟b)所述采用選自決策樹算法、支持向量機算法、基于規(guī)則的學習算法、神經(jīng)網(wǎng)絡算法、貝葉斯網(wǎng)絡算法和它們的衍生算法的機器學習方法建立模型。全文摘要本發(fā)明公開了一種手機來電智能提示方法，屬于信息
技術領域：
。本發(fā)明方法包括下列步驟a)搜集保存用戶以往和外界進行聯(lián)系的數(shù)據(jù)并儲存；b)按照統(tǒng)一的方式提示來電，用戶處理來電后輸入對該來電期望的提示方式，保存數(shù)據(jù)并建立模型，直至模型達到預期；c)根據(jù)所述模型設定的提示方法提示來電，用戶處理來電后評價對該來電的提示方式，保存數(shù)據(jù)并更新模型，直至模型達到預期；d)根據(jù)更新后的模型設定的提示方法提示來電。本發(fā)明方法可根據(jù)用戶的使用習慣自動根據(jù)來電的聯(lián)系人，來電時間以及用戶的日程信息等等智能化地選擇用戶偏愛的提示方式，更好地滿足用戶的需求，具有較好的應用前景。文檔編號H04M1/26GK101437312SQ200810180670公開日2009年5月20日申請日期2008年11月19日優(yōu)先權日2008年6月16日發(fā)明者汪國平,衡王,匡羅,譚繼志,陳文廣申請人:北京大學