-
公开(公告)号：CN109614135A
公开(公告)日：2019-04-12
申请号：CN201811386933.3
申请日：2013-09-20
Applicant: 微软技术许可有限责任公司
IPC: G06F8/71
Abstract: 公开了用于规定通过使用通信接口访问的设备中的扩展描述符信息的设备、方法和计算机存储设备。一个方法包括从主机计算系统发送请求到设备，以及接收向主机计算系统识别被存储在设备上的至少一个扩展描述符组的扩展能力描述符。扩展能力描述符识别能够支持对应的扩展描述符组的最小操作系统版本。
-
公开(公告)号：CN103635895B
公开(公告)日：2017-07-28
申请号：CN201280032655.6
申请日：2012-06-15
Applicant: 微软技术许可有限责任公司
CPC classification number: G06N5/04 , G01C21/3679 , G06N5/022 , G06N99/005 , G06Q10/10 , G06Q30/02
Abstract: 本文公开一种用于标识机会并代表一个或多个用户作出推荐的能够作为网络服务来执行和/或在一个或多个用户计算设备上执行的长期个人代理程序以及相关方法。在一个示例中，该个人代理程序包括监视引擎，该监视引擎被配置为根据用户授权用多种感测和记录方法来随时间监视并解析用户活动，使用统计方法来从数据学习理解用户的目标和行为模式，并且使用用于计算信息的预期值的过程来指导不同上下文下的感测和记录。该个人代理程序还可包括推荐方法，该推荐方法被配置为：基于关于用户目标以及世界上的机会的推断，在此刻以及在未来作出推荐并代表该用户作出动作。
-
Patent Agency Ranking
公开(公告)号：CN110955840B
公开(公告)日：2023-10-27
申请号：CN201910904528.4
申请日：2019-09-24
Applicant: 微软技术许可有限责任公司
IPC: G06F16/9536 , G06N20/10 , G06Q50/00
Abstract: 在示例性实施例中，机器学习模型被用于确定是否向用户发送针对推送对象的通知。该机器学习模型不仅基于通知将使用户与推送对象进行交互的可能性而被优化，而且还基于用户与所述推送对象进行交互的可能的短期和长期影响而被优化。该机器学习模型不仅考虑查看者的立即行动的概率(诸如点击推送对象)，而且还考虑长期影响的概率(诸如使查看者向网络贡献内容或者观看者的响应鼓励更多人为网络贡献内容的显示)。因此，所述机器学习模型不仅对通知交互性而且还对推送对象交互性进行优化。
-
公开(公告)号：CN115867876A
公开(公告)日：2023-03-28
申请号：CN202180045236.5
申请日：2021-05-13
Applicant: 微软技术许可有限责任公司
IPC: G06F1/16 , G02F1/1345 , G06F3/041 , G06F30/392 , H10K59/12
Abstract: 一种显示设备包括第一显示面板，该第一显示面板包括在该显示设备的第一侧的第一输入/输出(I/O)垫集合。第一I/O垫集合包括第一回文I/O垫子集。第一显示驱动器可操作地连接到在该显示设备的第一侧的第一I/O垫集合。该显示设备进一步包括第二显示面板，该第二显示面板包括在该显示设备的第一侧的第二I/O垫集合。第二I/O垫集合包括与第一回文I/O垫子集匹配的第二回文I/O垫子集。第二显示驱动器可操作地连接到在该显示设备的第一侧的第二I/O垫集合。该显示设备进一步包括可枢转地将第一显示面板连接到第二显示面板的铰链。
-
公开(公告)号：CN109614135B
公开(公告)日：2022-04-01
申请号：CN201811386933.3
申请日：2013-09-20
Applicant: 微软技术许可有限责任公司
IPC: G06F8/71
Abstract: 公开了用于规定通过使用通信接口访问的设备中的扩展描述符信息的设备、方法和计算机存储设备。一个方法包括从主机计算系统发送请求到设备，以及接收向主机计算系统识别被存储在设备上的至少一个扩展描述符组的扩展能力描述符。扩展能力描述符识别能够支持对应的扩展描述符组的最小操作系统版本。
-
公开(公告)号：CN114127709A
公开(公告)日：2022-03-01
申请号：CN202080052221.7
申请日：2020-06-03
Applicant: 微软技术许可有限责任公司
Inventor： V·古普塔
Abstract: 公开了一种对包含文本数据的数据条目的高效存储的方法和系统。所述方法可以包括：访问数据集中的多个数据条目；按词汇次序布置所述数据集中的所述多个数据条目；将预定数量的多个数据条目在多个子块中的每个子块中；对所述多个子块中的每个子块中的所述多个数据条目执行数据压缩以减少所述多个数据条目中的冗余并且创建经压缩的数据条目；将一个或多个子块放置在多个页块中的每个页块中；并且将所述多个页块中的每个页块存储在存储设备中以提供针对所述数据集的高效的搜索和经改善的功能。
-
公开(公告)号：CN110955840A
公开(公告)日：2020-04-03
申请号：CN201910904528.4
申请日：2019-09-24
Applicant: 微软技术许可有限责任公司
IPC: G06F16/9536 , G06N20/10 , G06Q50/00
Abstract: 在示例性实施例中，机器学习模型被用于确定是否向用户发送针对推送对象的通知。该机器学习模型不仅基于通知将使用户与推送对象进行交互的可能性而被优化，而且还基于用户与所述推送对象进行交互的可能的短期和长期影响而被优化。该机器学习模型不仅考虑查看者的立即行动的概率(诸如点击推送对象)，而且还考虑长期影响的概率(诸如使查看者向网络贡献内容或者观看者的响应鼓励更多人为网络贡献内容的显示)。因此，所述机器学习模型不仅对通知交互性而且还对推送对象交互性进行优化。
-
-
-
-
-
-
Search Results
17
records
(took 0.031 seconds)
