公开(公告)号：CN109800091A

公开(公告)日：2019-05-24

申请号：CN201811365170.4

申请日：2018-11-16

Applicant: 微软技术许可有限责任公司

Inventor： 严锦芸 ,  杜鹏 ,  S·查特吉 ,  俞诗鹏

IPC: G06F9/54

Abstract: 本申请包括预测通知无视何时将发生，或防止通知无视。一种方法可以包括：基于所学习的参数值来确定内在兴趣以及受影响的用户访问网站的亲和度，使用所学习的参数值、内在兴趣、以及受影响的用户访问网站的亲和度，来确定指示用户将响应于查看标记通知而关闭通知或删除应用的可能性的第一概率以及指示用户将响应于查看应用上的标记通知而访问网站的可能性的第二概率，响应于确定第二概率大于比第一概率大的阈值，使得应用在用户设备上显示时包括标记通知。

公开(公告)号：CN108604232B

公开(公告)日：2022-05-27

申请号：CN201680038910.6

申请日：2016-07-22

Applicant: 微软技术许可有限责任公司

Inventor： 梁冠峰 ,  S·查特吉 ,  R·罗萨莱斯

IPC: G06F16/958

Abstract: 提供了一种用于将内容条目填充到信息源中的方法和装置。所述信息源包括一系列内容条目，所述内容条目以用户向下滚动信息源时显示给用户的内容条目数量最大化的方式排序。所述内容条目中的每一个均与点击率相关联，表示所述内容条目向用户显示的次数，显示所述条目之后用户滚动到所述信息源中的下一条目的次数，以及所述内容条目的高度。这些值用于训练行为模型，然后由所述行为模型用于对用户设备显示的信息源中的内容条目进行布置。

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

Inventor： S·查特吉 ,  A·穆拉里达兰 ,  V·古普塔 ,  王漪婕 ,  D·阿加瓦尔

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：CN109800091B

公开(公告)日：2023-07-18

申请号：CN201811365170.4

申请日：2018-11-16

Applicant: 微软技术许可有限责任公司

Inventor： 严锦芸 ,  杜鹏 ,  S·查特吉 ,  俞诗鹏

IPC: G06F9/54

Abstract: 本申请包括预测通知无视何时将发生，或防止通知无视。一种方法可以包括：基于所学习的参数值来确定内在兴趣以及受影响的用户访问网站的亲和度，使用所学习的参数值、内在兴趣、以及受影响的用户访问网站的亲和度，来确定指示用户将响应于查看标记通知而关闭通知或删除应用的可能性的第一概率以及指示用户将响应于查看应用上的标记通知而访问网站的可能性的第二概率，响应于确定第二概率大于比第一概率大的阈值，使得应用在用户设备上显示时包括标记通知。

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

Inventor： S·查特吉 ,  A·穆拉里达兰 ,  V·古普塔 ,  王漪婕 ,  D·阿加瓦尔

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。