用於情境識別的方法、裝置以及計算機軟體的製作方法
2023-06-01 10:30:31
用於情境識別的方法、裝置以及計算機軟體的製作方法
【專利摘要】各種實施例涉及情境識別。情境的分類通過使用從客戶端設備的至少一個傳感器接收的特徵、以及由訓練數據定義的模型參數來執行以輸出情境的結果和似然度。向用戶示出結果，該用戶提供與結果有關的反饋。存儲特徵、結果、似然度以及反饋，由此使用特徵、結果、似然度以及反饋來適配模型參數以獲取經適配的模型參數。結果、似然度和反饋還能夠用於執行置信度估計以獲取置信度值。置信度值接著能夠用於執行動作，例如添加新的傳感器，添加新的特徵，改變設備簡檔，啟動應用。
【專利說明】用於情境識別的方法、裝置以及計算機軟體
【技術領域】
[0001] 各實施例涉及情境識別，並且尤其涉及模式分類。
【背景技術】
[0002] 情境感知計算描述了根據情境來在計算化的設備中適配不同的功能的技術。例 如，行動裝置的使用情形和環境可以定義應該如何適配某應用的外觀和功能性。行動裝置 能夠容易地利用位置、時間以及應用來作為情境數據源，但是，行動裝置還可以包含各種傳 感器以用於提供例如涉及基於由例如加速度計信號定義的移動和動態手勢的用戶活動的 情境信息。
[0003] 分類是用於情境識別的方法的示例。在分類中，根據未知對象的特徵矢量來將未 知對象指派到類型。用於將對象分類到某類的準則通過向分類器呈現具有已知類的對象的 示例來形成。
[0004] 在眾多實踐應用中，使用貝葉斯分類器。分類器通過描述與每個類相關聯的特徵 分布的類分布來表示類。這些類分布經常使用從大的測試對象集合中收集的大的數據集合 中計算的特徵來訓練。以這一方式獲取的分布可能一般有作用，但是由於個體差異而對於 某些人可能根本不起作用。
[0005] 能夠通過收集來自用戶的數據以及數據所屬的情境的標記並且接著適配分布以 適配該數據來開發考慮用戶的個體差異的分類器。在語音識別中，使用最大先驗（MAP)和 最大似然線性回歸（MLLR)。這些方法需要-除了適配數據之外-數據所屬類的標記。
[0006] 基於反饋的另一方法確定從用戶接收的反饋信號為正還是為負並且對應地更新 類的均值矢量。當反饋為正時，類均值矢量向適配數據移動，並且當反饋為負時，類均值矢 量離開適配數據。這樣的系統不修改類協方差矩陣。
[0007] 此外，對於利用任意分類技術的現實應用，對於所識別的類除了是最可能的類之 外同樣是正確的類具有某種置信度測量將是有益的。另外，在現實應用中，約束分類器出錯 並且當這些錯誤發生時通知將同樣是有益的。
[0008] 因此，存在對於需要來自用戶的最低的反饋以用於適配分類器的分布並且使得能 夠為分類結果計算置信度值的方案的需求。
【發明內容】
[0009] 現在已經提供了一種改進的方法和實現該方法的技術設備，通過它們減輕以上問 題。本發明的各種方面包括方法、裝置、伺服器、客戶端以及包括存儲在其中的電腦程式 的計算機可讀介質，其特徵在於獨立權利要求中記載的內容。本發明的各種實施例在從屬 權利要求中公開。
[0010] 根據第一方面，一種方法，包括使用從至少一個傳感器接收的特徵以及由訓練數 據定義的模型參數來執行情境的分類以輸出情境的結果和似然度（likelihood);示出結 果；從用戶獲取與結果有關的反饋；存儲特徵、結果、似然度以及反饋；以及使用特徵、結 果、似然度以及反饋來執行模型參數的適配以獲取經適配的模型參數。
[0011] 根據實施例，分類器為貝葉斯分類器。
[0012] 根據實施例，適配包括將函數f最小化。
[0013] 根據實施例，函數f取決於似然度值。
[0014] 根據實施例，對函數f的評估包括評估對應於相對於閾值的是yes與否no回答的 似然度值。
[0015] 根據實施例，函數f的形式為：
[0016]
【權利要求】
1. 一種方法，包括： -使用從至少一個傳感器接收的特徵以及由訓練數據定義的模型參數來執行情境的分 類以輸出所述情境的結果和似然度； -示出所述結果； -從用戶獲取與所述結果有關的反饋； -存儲所述特徵、結果、似然度以及所述反饋；以及 -使用所述特徵、結果、似然度以及所述反饋來執行所述模型參數的適配以獲取經適配 的模型參數。
2. 根據權利要求1所述的方法，其中所述分類器為貝葉斯分類器。
3. 根據權利要求1或2所述的方法，其中所述適配包括將函數f最小化。
4. 根據權利要求3所述的方法，其中所述函數f取決於所述似然度值。
5. 根據權利要求3所述的方法，其中對所述函數f的評估包括相對於閾值評估對應於 是yes和否no回答的所述似然度值。
6. 根據權利要求3所述的方法，其中所述函數f的形式為：
並且其中 A = {Lj(yes) |Lj(yes) > x95}並且 B = {Lj(no) |Lj(no) < x95}並且其中 I A|表示所述集合A中的項數； j為當前類的索引； Lj (no)為對應於具有"否"標籤的觀測值的似然度值的集合； N (no)為"否"回答的總數； Lj (yes)為對應於具有"是"標籤的觀測值的似然度值的集合； N (yes)為"是"回答的總數； 所述似然度值h被定義為：
並且經適配的類參數從
被獲取。
7. 根據權利要求6所述的方法，包括使用無約束的非線性優化方法以用於所述函數f。
8. 根據前述權利要求1至7中任一項所述的方法，進一步包括向另一設備傳送所述特 徵、結果、似然度以及所述反饋。
9. 根據權利要求8所述的方法，進一步包括從所述另一設備接收經適配的模型參數。
10. 根據權利要求3至6中任一項所述的方法，進一步包括當所述函數f達到最小值時 停止所述適配。
11. 根據前述權利要求1至9中任一項所述的方法，進一步包括使用所述結果、似然度 以及所述反饋來執行置信度估計以獲取置信度值。
12. 根據權利要求11所述的方法，進一步包括如果所述置信度值基本上與所述用戶反 饋相匹配則停止所述適配。
13. 根據前述權利要求1至12中任一項所述的方法，包括向用戶示出所述結果。
14. 一種用於在客戶端裝置處的置信度測量的方法，包括 -使用從至少一個傳感器接收的特徵和由訓練數據定義的模型參數來執行情境的分類 以輸出結果和似然度； -示出所述結果； -從用戶獲取與所述結果有關的反饋； -存儲所述結果、似然度以及所述反饋； -使用所述結果、似然度以及所述反饋來執行置信度估計以獲取置信度值；以及 -基於所述置信度值來執行動作。
15. 根據權利要求14所述的方法，其中所述動作為以下各項之一：添加新的傳感器，添 加新的特徵，改變設備簡檔，啟動應用。
16. 根據權利要求14或15所述的方法，其中所述置信度估計包括估計所述用戶回答是 的概率。
17. 根據權利要求14或15或16所述的方法，其中所述置信度估計包括使用所述似然 度和所述反饋來估計至少一個概率密度函數。
18. 根據權利要求17所述的方法，其中所述概率密度函數估計通過使用內核估計被執 行。
19. 根據權利要求14至18中任一項所述的方法，其中所述分類器為貝葉斯分類器。
20. 根據權利要求14至19中任一項所述的方法，進一步包括獲取位置數據。
21. 根據權利要求20所述的方法，其中所述動作包括向另一設備傳送所述位置數據、 所述結果以及所述置信度值。
22. 根據權利要求19所述的方法，進一步包括響應於所述位置數據、所述結果以及所 述置信度來從所述另一設備接收請求或服務。
23. 根據前述權利要求14至22中任一項所述的方法，包括向所述用戶示出所述結果。
24. -種用於在伺服器處的置信度測量的方法，包括： -接收位置數據和第一置信度值； -用所述位置數據和第一置信度值來更新資料庫； -接收第二位置數據； -從所述資料庫獲取對應於所述第二位置數據的第二置信度值； -基於所述第二置信度值來執行動作，其中所述動作為以下各項之一：向另一設備傳 送所述置信度值，請求另一設備執行情境分類，請求另一設備收集更多的用戶反饋，提供服 務。
25. 根據權利要求24所述的方法，其中所述服務為推薦或廣告。
26. -種裝置，包括處理器、包括有電腦程式代碼的存儲器，所述存儲器和所述計算 機程序代碼被配置成與所述處理器一起，使得所述裝置至少執行以下各項 ： -使用從至少一個傳感器接收的特徵和由訓練數據定義的模型參數來執行情境的分類 以輸出所述情境的結果和似然度； -示出所述結果； -從用戶獲取與所述結果有關的反饋； -存儲所述特徵、結果、似然度以及所述反饋；以及 -使用所述特徵、結果、似然度以及所述反饋來執行所述模型參數的適配以獲取經適配 的模型參數。
27. 根據權利要求26所述的裝置，其中所述分類器為貝葉斯分類器。
28. 根據權利要求26或27所述的裝置，進一步包括電腦程式代碼，所述電腦程式 代碼被配置成與所述處理器一起，使得所述裝置至少執行以下： -針對所述適配將函數f最小化。
29. 根據權利要求28所述的裝置，其中所述函數f取決於所述似然度值。
30. 根據權利要求28所述的裝置，進一步包括電腦程式代碼，所述電腦程式代碼 被配置成與所述處理器一起，使得所述裝置至少執行以下： -相對於閾值評估對應於是和否回答的所述似然度值以用於對所述函數f的所述評 估。
31. 根據權利要求28所述的裝置，其中所述函數f的形式為
並且其中 A = {Lj(yes) |Lj(yes) > x95}並且 B = {Lj(no) |Lj(no) < x95}並且其中 I A|表示所述集合A中的項數； j為當前類的索引； Lj (no)為對應於具有"否"標籤的觀測值的似然度值的集合； N (no)為"否"回答的總數； Lj (yes)為對應於具有"是"標籤的觀測值的似然度值的集合； N (yes)為"是"回答的總數； 所述似然度值h被定義為：
並且經適配的類參數從
被獲取。
32. 根據權利要求31所述的裝置，進一步包括電腦程式代碼，所述電腦程式代碼 被配置成與所述處理器一起，使得所述裝置至少執行以下： -使用無約束的非線性優化方法以用於所述函數f。
33. 根據權利要求26至31中任一項所述的裝置，進一步包括電腦程式代碼，所述計 算機程序代碼被配置成與所述處理器一起，使得所述裝置至少執行以下： -向另一設備傳送所述特徵、結果、似然度以及所述反饋。
34. 根據權利要求33所述的裝置，進一步包括電腦程式代碼，所述電腦程式代碼 被配置成與所述處理器一起，使得所述裝置至少執行以下： -從所述另一設備接收經適配的模型參數。
35. 根據權利要求28至34中任一項所述的裝置，進一步包括電腦程式代碼，所述計 算機程序代碼被配置成與所述處理器一起，使得所述裝置至少執行以下： -當所述函數f達到最小值時停止所述適配。
36. 根據權利要求26至34中任一項所述的裝置，進一步包括電腦程式代碼，所述計 算機程序代碼被配置成與所述處理器一起，使得所述裝置至少執行以下： -使用所述結果、似然度以及所述反饋來執行置信度估計以獲取置信度值。
37. 根據權利要求36所述的裝置，進一步包括電腦程式代碼，所述電腦程式代碼 被配置成與所述處理器一起，使得所述裝置至少執行至少以下： -如果所述置信度值基本上與所述用戶反饋相匹配則停止所述適配。
38. 根據前述權利要求26至37中任一項所述的裝置，進一步包括電腦程式代碼，所 述電腦程式代碼被配置成與所述處理器一起，使得所述裝置至少執行以下： -向所述用戶示出所述結果。
39. -種裝置，包括處理器、包括有電腦程式代碼的存儲器，所述存儲器和所述計算 機程序代碼被配置成與所述處理器一起，使得所述裝置至少執行以下各項 ： -使用從至少一個傳感器接收的特徵以及由訓練數據定義的模型參數來執行情境的分 類以輸出結果和似然度； -示出所述結果； -從用戶獲取與所述結果有關的反饋； -存儲所述結果、似然度以及所述反饋； -使用所述結果、似然度以及所述反饋來執行置信度估計以獲取置信度值；以及 -基於所述置信度值來執行動作。
40. 根據權利要求39所述的裝置，其中所述動作為以下各項之一：添加新的傳感器，添 加新的特徵，改變設備簡檔，啟動應用。
41. 根據權利要求39或40所述的裝置，其中所述置信度估計包括估計所述用戶回答是 的概率。
42. 根據權利要求39或40或41所述的裝置，其中所述置信度估計包括使用所述似然 度和所述反饋來估計至少一個概率密度函數。
43. 根據權利要求42所述的裝置，進一步包括電腦程式代碼，所述電腦程式代碼 被配置成與所述處理器一起，使得所述裝置至少執行以下： -通過使用內核估計來執行所述概率密度函數估計。
44. 根據權利要求39至43中任一項所述的裝置，其中所述分類器為貝葉斯分類器。
45. 根據權利要求39至44中任一項所述的裝置，進一步包括電腦程式代碼，所述計 算機程序代碼被配置成與所述處理器一起，使得所述裝置至少執行以下： -獲取位置數據。
46. 根據權利要求45所述的裝置，進一步包括電腦程式代碼，所述電腦程式代碼 被配置成與所述處理器一起，使得所述裝置至少執行以下： -向另一設備傳送所述位置數據、所述結果以及所述置信度值。
47. 根據權利要求46所述的裝置，進一步包括電腦程式代碼，所述電腦程式代碼 被配置成與所述處理器一起，使得所述裝置至少執行以下： -響應於所述位置數據、所述結果以及所述置信度來從所述另一設備接收請求或服務。
48. 根據前述權利要求39至47中任一項所述的裝置，進一步包括電腦程式代碼，所 述電腦程式代碼被配置成與所述處理器一起，使得所述裝置至少執行以下： -向所述用戶示出所述結果。
49. 一種裝置，包括處理器、包括有電腦程式代碼的存儲器，所述存儲器和所述計算 機程序代碼被配置成與所述處理器一起，使得所述裝置至少執行以下各項 ： -接收位置數據和第一置信度值； -用所述位置數據和第一置信度值來更新資料庫； -接收第二位置數據； -從所述資料庫獲取對應於所述第二位置數據的第二置信度值； -基於所述第二置信度值來執行動作，其中所述動作為以下各項之一：向另一設備傳 送所述置信度值，請求另一設備執行情境分類，請求另一設備收集更多的用戶反饋，提供服 務。
50. 根據權利要求49所述的裝置，其中所述服務是推薦或廣告。
51. -種被體現在非瞬態計算機可讀介質上的電腦程式，所述電腦程式包括指令， 所述指令當在至少一個處理器上被執行時，使得至少一個裝置： -使用從至少一個傳感器接收的特徵和由訓練數據定義的模型參數來執行情境的分類 以輸出所述情境的結果和似然度； -示出所述結果； -從用戶獲取與所述結果有關的反饋； -存儲所述特徵、結果、似然度以及所述反饋；以及 -使用所述特徵、結果、似然度以及所述反饋來執行所述模型參數的適配以獲取經適配 的模型參數。
52. -種電腦程式，包括指令，所述指令當在至少一個處理器上被執行時，使得至少 一個裝置： -使用從至少一個傳感器接收的特徵和由訓練數據定義的模型參數來執行情境的分類 以輸出所述情境的結果和似然度； -示出所述結果； -從用戶獲取與所述結果有關的反饋； -存儲所述特徵、結果、似然度以及所述反饋；以及 -使用所述特徵、結果、似然度以及所述反饋來執行所述模型參數的適配以獲取經適配 的模型參數。
53. -種被體現在非瞬態計算機可讀介質上的電腦程式，所述電腦程式包括指令， 所述指令當在至少一個處理器上被執行時，使得至少一個裝置： -使用從至少一個傳感器接收的特徵和由訓練數據定義的模型參數來執行情境的分類 以輸出結果和似然度； -示出所述結果； -從用戶獲取與所述結果有關的反饋； -存儲所述結果、似然度以及所述反饋； -使用所述結果、似然度以及所述反饋來執行置信度估計以獲取置信度值；以及 -基於所述置信度值來執行動作。
54. -種電腦程式，包括指令，所述指令當在至少一個處理器上被執行時，使得至少 一個裝置： -使用從至少一個傳感器接收的特徵和由訓練數據定義的模型參數來執行情境的分類 以輸出結果和似然度； -示出所述結果； -從用戶獲取與所述結果有關的反饋； -存儲所述結果、似然度以及所述反饋； -使用所述結果、似然度以及所述反饋來執行置信度估計以獲取置信度值；以及 -基於所述置信度值來執行動作。
55. -種被體現在非瞬態計算機可讀介質上的電腦程式，所述電腦程式包括指令， 所述指令當在至少一個處理器上被執行時，使得至少一個裝置： -接收位置數據和第一置信度值； -用所述位置數據和第一置信度值來更新資料庫； -接收第二位置數據； -從所述資料庫獲取對應於所述第二位置數據的第二置信度值； -基於所述第二置信度值來執行動作，其中所述動作為以下各項之一：向另一設備傳 送所述置信度值，請求另一設備執行情境分類，請求另一設備收集更多的用戶反饋，提供服 務。
56. -種電腦程式，包括指令，所述指令當在至少一個處理器上被執行時，使得至少 一個裝置： -接收位置數據和第一置信度值； -用所述位置數據和第一置信度值來更新資料庫； -接收第二位置數據； -從所述資料庫獲取對應於所述第二位置數據的第二置信度值； -基於所述第二置信度值來執行動作，其中所述動作為以下各項之一：向另一設備傳 送所述置信度值，請求另一設備執行情境分類，請求另一設備收集更多的用戶反饋，提供服 務。
57. -種裝置，包括處理裝置、包括有電腦程式代碼的存儲器裝置，所述裝置進一步 包括： -處理裝置，被配置成使用從至少一個傳感器接收的特徵和由訓練數據定義的模型參 數來執行情境的分類以輸出所述情境的結果和似然度； -顯示裝置，被配置成示出所述結果； -輸入裝置，被配置成從用戶獲取與所述結果有關的反饋； -存儲器裝置，被配置成存儲所述特徵、結果、似然度以及所述反饋；以及 -處理裝置，被配置成使用所述特徵、結果、似然度以及所述反饋來執行所述模型參數 的適配以獲取經適配的模型參數。
58. -種裝置，包括處理裝置、包括有電腦程式代碼的存儲器裝置，所述裝置進一步 包括： -處理裝置，被配置成使用從至少一個傳感器接收的特徵和由訓練數據定義的模型參 數來執行情境的分類以輸出結果和似然度； -顯示裝置，被配置成示出所述結果； -輸入裝置，被配置成從用戶獲取與所述結果有關的反饋； -存儲器裝置，被配置成存儲所述結果、似然度以及所述反饋； -處理裝置，被配置成使用所述結果、似然度以及所述反饋來執行置信度估計以獲取置 信度值；以及 -處理裝置，被配置成基於所述置信度值來執行動作。
59. -種裝置，包括處理裝置、包括有電腦程式代碼的存儲器裝置，所述裝置進一步 包括： -接收裝置，被配置成接收位置數據和第一置信度值； -更新裝置，被配置成用所述位置數據和第一置信度值來更新資料庫； -接收裝置，被配置成接收第二位置數據； -獲取裝置，被配置成從所述資料庫獲取對應於所述第二位置數據的第二置信度值； -處理裝置，被配置成基於所述第二置信度值來執行動作，其中所述動作為以下各項之 一：向另一設備傳送所述置信度值，請求另一設備執行情境分類，請求另一設備收集更多的 用戶反饋，提供服務。
【文檔編號】G06K9/62GK104094287SQ201180076349
【公開日】2014年10月8日 申請日期:2011年12月21日 優先權日:2011年12月21日
【發明者】J·萊帕南, A·埃羅南, J·科林 申請人:諾基亞公司