能模型中的一个或多个。
[0139]在一些实施例中，得分生成器402从设备数据聚合器308接收与移动计算设备135相关联的设备数据。得分生成器402根据设备数据确定移动计算设备135的设备偏向数据。设备偏向数据可以是描述对于移动计算设备135配置的一个或多个评分偏好的数据。例如，假定移动计算设备135是车辆，设备数据包括所述车辆的车辆型号和车辆种类。得分生成器402生成设备偏向数据，作为配置成在关于不同种类的车辆的效能得分生成时有偏向的车辆偏向数据。例如，如果用户驾驶电动汽车，那么车辆偏向数据指示对于附近有充电站的地点，生成较高的效能得分;不过，如果用户驾驶汽油车，那么车辆偏向数据指示对于附近有加油站的地点，生成较高的效能得分。设备偏向数据(例如，车辆偏向数据)不被编码到用户效能模型中，以致即使用户操作不同的移动计算设备135(例如，不同种类的车辆)，得分生成器402也可应用相同的用户效能模型来生成效能得分。
[0140]得分生成器402根据利益相关者效能数据、用户效能模型、用户属性数据、包括亲合状态的项目属性数据、分组ID、情境数据、情境偏向模型、行程移动性数据、设备数据和设备偏向数据中的一个或多个，生成每个候选项目的效能得分。例如，如果(I)用户效能模型编码利益相关者效能数据，指示不向小于21岁的用户提供酒吧推荐，和(2)用户属性数据指示用户为20岁，那么对于包括酒吧的候选地点，得分生成器402生成较低的效能得分(例如，O效能得分)。得分生成器402可从一组候选项目中排除包括酒吧的候选地点。在另一个例子中，如果用户效能模型将最大出行偏移距离编码为10英里，那么得分生成器402对于在最大出行偏移距离内的候选地点，生成较高的亲合得分，而对于不在最大出行偏移距离内的候选地点，生成较低的亲合得分。在另一个例子中，如果用户驾驶电动汽车，那么得分生成器402按照车辆偏向数据，对于附近有充电站的地点，生成较高的效能得分;不过，如果用户驾驶汽油车，那么得分生成器402对于附近有加油站的地点，生成较高的效能得分。在另一个例子中，如果情境数据指示用户在公路上并道，那么对于会分散用户的驾驶注意力的候选项目，得分生成器402生成较低的效能得分。
[0141]在一些实施例中，得分生成器402把它关于一组候选项目生成的效能得分发送给推荐模块212。在另外的实施例中，得分生成器402把它生成的效能得分保存在存储设备145和/或存储设备245中。
[0142]参见图4B，图中更详细地描述了得分估计器210的另一个例子。如图4B中所示，得分生成器402根据从用户属性模型302接收的用户属性数据、从项目属性模块304接收的项目属性数据、从分组模块306接收的分组ID、从利益相关者效能数据库247取回的利益相关者效能数据、从行程移动性检测器314接收的行程移动性数据、从设备数据聚合器308接收的设备数据、从情境检测器310接收的情境数据、从情境偏向建模器312接收的情境偏向模型、从亲合子系统315接收的亲合状态数据、从存储设备245取回的用户效能模型和从存储设备245取回的设备偏向数据中的一个或多个，生成候选项目的效能得分。
[0143]应明白对于图3A-4B中所示的各个模块的说明是作为例子提供的，众多的其它变化是可能的。在一些实施例中，各个模块可从存储设备145和/或存储设备245取回数据，并利用所述数据提供这里说明的动作和/或功能。各个模块可把数据保存在存储设备145和/或存储设备245中。在另外的实施例中，各个模块可直接从其它模块接收数据，并利用所述数据提供这里说明的动作和/或功能。各个模块可把数据直接发送给其它模块。
[0144](方法)
[0145]图5A和5B是用于根据效能模型向用户提供推荐项目的例证方法500的流程图。参见图5A，控制器202接收与用户相关联的标识输入数据(方框502)。标识模块204利用标识输入数据识别用户(方框504)。识别用户的例证方法600将参考图6举例说明。模型生成器208确定用户识别是否成功(方框505)。如果用户识别成功，那么方法500转到方框506。否则，方法500结束或者重复。在方框506，模型生成器208确定与用户相关联的历史用户效能模型是否可用。如果与用户相关联的历史用户效能模型存在，那么方法500转到方框510。否则，控制器202从存储设备245取回描述分组效能模型的数据(方框508)，然后方法500转到方框512。转到方框510，控制器202从存储设备245取回描述历史用户效能模型的数据。模型生成器208生成用户的用户效能模型(方框512)。生成用户效能模型的例证方法700将参考图7A-7C举例说明。在一些实施例中，控制器202接收描述一组候选项目的数据(方框514)。
[0146]参见图5B，得分估计器210确定一组候选项目中的每个候选项目是否都具有效能得分(方框516)。如果每个候选项目都具有效能得分，那么方法500转到方框520。否则，方法500转到方框518。在方框518，得分估计器210确定不具有效能得分的每个候选项目的效能得分(方框518)，然后方法500转到方框516。生成候选项目的效能得分的例证方法800将参考图8A-8C举例说明。
[0147]转到方框520，推荐模块212从一组候选项目中排除一个或多个候选项目。例如，推荐模块212从一组候选项目中排除不满足利益相关者效能数据的一个或多个候选项目。推荐模块212根据相关联的效能得分对剩余的候选项目排序(方框522)。推荐模块212从排序的候选项目中生成一个或多个推荐项目(方框524)。例如，推荐模块212可根据排序的候选项目确定一个或多个候选项目，以推荐给用户。推荐模块212把所述一个或多个推荐项目提供给用户(方框526)。
[0148]图6是图解说明用于识别用户的例证方法600的流程图。控制器202从一个或多个第一传感器140和/或一个或多个第二传感器160接收与用户相关联的标识输入数据(方框602)。控制器202从存储设备245和/或存储设备145取回与用户相关联的历史标识数据(方框604)。标识模块204确定标识输入数据是否和历史标识数据匹配(方框606)。如果标识输入数据和历史标识数据匹配，那么标识模块204确认识别用户的用户ID(方框608)。否则，标识模块204确定用户识别失败(方框610)。
[0149]图7A-7C是用于生成用户效能模型的例证方法700的流程图。参见图7A，控制器202从利益相关者效能数据库247接收利益相关者效能数据(方框701)。控制器202从用户标识模块204接收用户ID(方框702)。控制器202利用用户ID，从存储设备245和/或存储设备145接收描述用户简介的数据(方框704)。控制器202利用用户ID，从社交网络服务器130接收用户社交数据(方框706)。用户属性模块302根据用户ID、用户简介数据和用户社交数据，生成用户属性数据(方框708)。消费模块206识别用户消费的项目(方框710)。识别用户消费的项目的例证方法900将参考图9举例说明。消费模块206确定识别所消费项目的项目ID(方框712)。亲合状态模块207利用识别所消费项目的相应项目ID，识别每个所消费项目的亲合状态(方框714)。识别项目的亲合状态的例证方法1000将参考图10举例说明。控制器202利用相应的项目ID接收每个所消费项目的项目社交数据(方框716)。
[0150]参见图7B，控制器202利用相应的项目ID，从存储设备245和/或存储设备145取回各个所消费项目的项目数据(方框718)。项目属性模块304根据对应项目ID、亲合状态、项目社交数据和项目数据，生成每个所消费项目的项目属性数据(方框720)。分组模块306根据与所消费项目相关联的项目属性数据，把每个所消费项目归类到一个或多个分组中(方框722)。分组模块306确定识别所述一个或多个分组的一个或多个分组ID(方框724)。行程移动性检测器314生成行程移动性数据(方框726)。生成行程移动性数据的例证方法1100将参考图11举例说明。情境检测器310生成描述当前情境的情境数据(方框728)。生成情境数据的例证方法1200将参考图12举例说明。情境偏向建模器312根据当前情境生成情境偏向模型(方框730)。
[0151]参见图7C，用户效能模块316确定与用户相关联的历史用户效能模型是否可用(方框732)。如果与用户相关联的历史用户效能模型存在，那么方法700转到方框734。否则，方法700转到方框738。转到方框734，控制器202从存储设备245和/或存储设备145取回描述与用户相关联的历史用户效能模型的数据。用户效能模块316根据利益相关者效能数据、历史用户效能模型、用户属性数据、包括亲合状态的项目属性数据、分组ID、情境数据、情境偏向模型和行程移动性数据中的一个或多个，生成用户的用户效能模型(方框736)。转到方框738，控制器202从存储设备245和/或存储设备145取回描述分组效能模型的数据。用户效能模块316根据利益相关者效能数据、分组效能模型、用户属性数据、包括亲合状态的项目属性数据、分组ID、情境数据、情境偏向模型和行程移动性数据中的一个或多个，生成用户的用户效能模型(方框740)。
[0152]图8A-8C是用于生成候选项目的效能得分的例证方法800的流程图。参见图8A，控制器202从利益相关者效能数据库247接收利益相关者效能数据(方框801)。控制器202接收描述候选项目的数据(方框802)。控制器202从用户标识模块204接收用户ID(方框804)。控制器202利用用户ID，从存储设备245和/或存储设备145接收用户简介数据(方框806)。控制器202利用用户ID，从社交网络服务器130接收用户社交数据(方框808)。用户属性模块302根据用户ID、用户简介数据和用户社交数据，生成用户属性数据(方框810)。消费模块206确定识别候选项目的项目ID(方框812)。亲合子系统315利用项目ID预测候选项目的亲合状态(方框814)。预测项目的亲合状态的例证方法1600将参考图16举例说明。控制器202利用项目ID，从社交网络服务器130接收候选项目的项目社交数据(方框816)。
[0153]参见图8B，控制器202利用项目ID，从存储设备245和/或存储设备145取回候选项目的项目数据(方框818)。项目属性模块304根据项目ID、亲合状态、项目社交数据和项目数据，生成候选项目的项目属性数据(方框820)。分组模块306根据与候选项目相关联的项目属性数据，把候选项目归类到一个或多个分组中(方框822)。分组模块306确定识别一个或多个分组的一个或多个分组ID(方框824)。行程移动性检测器314生成行程移动性数据(方框826)。生成行程移动性数据的例证方法1100将参考图11举例说明。情境检测器310生成描述与用户相关联的当前情境的情境数据(方框828)。生成情境数据的例证方法1200将参考图12举例说明。情境偏向建模器312根据当前情境生成情境偏向模型(方框830)。
[0154]参见图8C，控制器202从存储设备245和/或存储设备145取回描述与用户相关联的用户效能模型的数据(方框832)。控制器202从设备数据聚合器308接收设备数据(方框834)。得分生成器402根据设备数据，确定与移动计算设备135相关联的设备偏向数据(方框836)。得分生成器402根据利益相关者效能数据、用户效能模型、设备数据、设备偏向数据、用户属性数据、情境数据、行程移动性数据、分组ID和项目属性数据中的一个或多个，确定候选项目的效能得分(方框838)。
[0155]图9是用于确定用户消费的项目的例证方法900的流程图。控制器202从一个或多个第一传感器140和/或一个或多个第二传感器160接收传感器数据(方框902)。控制器202从标识模块204接收识别用户的用户ID(方框904)。控制器202根据用户ID，从存储设备145和/或存储设备245取回描述用户的消费历史的数据(方框906)。消费模块206根据传感器数据和用户的消费历史识别用户消费的项目(方框908)。消费模块206确定识别所消费项目的项目ID(方框910)。消费模块206根据项目ID更新用户的消费历史(方框912)。
[0156]图10是用于确定用户消费的项目的亲合状态的例证方法1000的流程图。控制器202接收识别用户的用户ID(方框1002)。控制器202接收识别项目的项目ID(方框1004)。控制器202根据项目ID接收描述项目的亲合等级的数据(方框1006)。亲合状态模块207把亲合等级呈现给通过用户ID识别的用户(方框1007)。控制器202从一个或多个第一传感器140和/或一个或多个第二传感器160接收用户输入数据(方框1008)。亲合状态模块207根据用户输入数据确定项目的亲合状态(方框1010)。
[0157]图11是用于生成行程移动性数据的例证方法1100的流程图。控制器202从一个或多个第一传感器140和/或一个或多个第二传感器160接收传感器数据(方框1102)。行程移动性检测器314根据传感器数据，确定用户进行的出行的出行起点、出行中途停留点和出行终点中的一个或多个(方框1104)。控制器202取回描述用户的出行历史的数据(方框1106)。行程移动性检测器314确定出行偏移距离(方框1108)。控制器202取回描述与出行相关联的地图的地图数据(方框1110)。设备数据聚合器308聚合与移动计算设备135相关联的设备数据(方框1112)。行程移动性检测器314生成包括出行起点、出行中途停留点、出行终点、出行偏移距离、地图数据和设备数据中的一个或多个的行程移动性数据(方框1114)。
[0158]图12是用于确定与用户相关联的当前情境的例证方法1200的流程图。控制器202接收识别用户的用户ID(方框1202)。控制器202根据用户ID，从存储设备145和/或存储设备245取回描述与用户相关联的用户请求历史的数据(方框1204)。控制器202根据用户ID取回描述用户情境历史的数据(方框1206)。控制器202从一个或多个第一传感器140和/或一个或多个第二传感器160接收传感器数据(方框1208)。例如，所述一个或多个第一传感器140和/或一个或多个第二传感器160可与用户的移动计算设备135相关联。控制器202取回描述与和用户相关联的当前位置关联的地图的地图数据(方框1210)。情境检测器310根据用户请求历史、用户情境历史、传感器数据和地图数据中的一个或多个，确定与用户相关联的当前情境(方框1212)。情境检测器310利用当前情境更新用户情境历史(方框1214)。
[0159]图16是用于预测候选项目的亲合状态的例证方法1600的流程图。控制器202接收识别用户的用户ID(方框1602)。控制器202接收识别候选项目的项目ID(方框1604)。控制器202根据用户ID接收描述一个或多个用户偏好的数据(方框1605)。控制器202根据用户ID接收描述用户的当前情境的数据(方框1606)。控制器202接收描述与用户消费的项目相关联、并由用户输入的历史亲合状态的数据(方框1607)。亲合子系统315利用历史亲合状态训练候选项目的亲合状态的预测(方框1608)。亲合子系统315根据用户的当前情境、一个或多个用户偏好和一个或多具历史亲合状态中的一个或多个，预测由项目ID识别的候选项目的亲合状态(方框1610)。
[0160](图形表示)
[0161]图13是图解说明用户消费的例证地点的图形表示1300。例如，消费模块206确定用户操作的移动计算设备135目前所位于的当前位置1302。消费模块206确定在从当前位置1302起的适于步行的距离1303内的一个或多个候选地点。所述一个或多个候选地点包括出自用户的消费历史的已消费地点。已消费地点可以是用户过去去过的地点。消费模块206把用户正去的当前地点1304估计为出自用户的消费历史的已消费地点，例如因为用户以前去过该消费地点。
[0162]在另一个例子中，消费模块206确定移动计算设备135目前所位于的当前位置1306。消费模块206确定在从当前位置1306起的适于步行的距离1307内的一个或多个候选地点。消费模块206根据时刻和移动计算设备135停留在当前位置1306的持续时间，估计用户正去的当前地点1308。例如，如果时刻为7:30PM，并且移动计算设备135已位于当前位置1306超过45分钟，那么消费模块206把用户正去的当前地点1308估计为饭店。
[0163]在另一个例子中，消费模块206确定移动计算设备135目前所位于的当前位置1310。消费模块206确定在从当前位置1310起的适于步行的距离1311内，只有一个适于步行的候选地点。消费模块206把用户正去的当前地点1312估计为所述适于步行的候选地点。
[0164]图14是图解说明允许用户输入项目的亲合状态的例证用户界面的图形表示1400。在一些实施例中，所述例证用户界面显示在带有触摸屏的车载头单元中。用户可以按下第四颗星，以表示